资源产业空间集聚、传导要素萃取与“资源诅咒”中介效应研究

薛雅伟，张 剑，云乐鑫

(1.青岛理工大学管理工程学院，山东 青岛 266520；2.青岛理工大学滨海人居环境学术创新中心，山东 青岛 266033；3.智慧城市建设管理研究中心(新型智库)，山东 青岛 266520；4.中央财经大学政府管理学院，北京 100081；5.青岛理工大学商学院，山东 青岛266520)

1 引言

自然资源在国家、地区经济发展和居民福利水平提升中发挥着举足轻重的作用，其丰裕程度与经济增速间的关系一直是学者关注的焦点问题。“资源诅咒”假说的提出，进一步凸显了两者关系的复杂性[1]，在学术上和实践中具有重要的研究价值和现实意义。

针对“资源诅咒”假说的验证和传导分析，许多学者均已从不同层面展开研究。其中，以Sachs和Warner[1]、Gylfason和Zoega[2]、Audy[3]为代表的学者从跨国层面证明“资源诅咒”普遍存在；另一部分以国外Steinar[4]、Corrigan[5]、Oskenbayev等[6]、Anne等[7]及国内徐康宁和韩剑[8]、胡援成和肖德勇[9]、邵帅[10]、傅利平和王中亚[11]为代表的学者，则在一国内部通过实证检验发现自然资源丰裕程度指标与区域经济增长指标呈负向关联。虽然对“资源诅咒”成立的支持者居多，但学术界对该假说的质疑却从未停止，主要归结为以下三方面问题：

①资源丰裕国家或地区的成功案例，是质疑者最常用的反驳论据。Rosser[12]通过对印度尼西亚案例分析得出“资源诅咒”并非普适性规律；Lederman和Maloney[13]利用25年间的跨国数据测算自然资源丰裕度与经济增长的相关关系，研究发现“资源诅咒”并不存在；国内学者丁菊红和邓可斌[14]、张贡生和李伯德[15]、方颖等[16]也在不同地区层面揭示“资源诅咒”现象并未出现。②解释变量存在内生性问题。该问题的提出源自Brunnscherweiler和Bulte[17]质疑Sachs和Warner采用初级产品出口作为资源丰裕程度的测度指标可能引发的内生性问题，即该指标为内生解释变量，会导致使用最小二乘法估计结果不能真实地反映出“资源诅咒”是否存在，更无法准确测算传导作用。Murshed和Serino[18]则从遗漏变量的视角考察指出内生性问题。③自然资源相关度量指标选取的科学性，是被质疑的焦点。Bulte等[19]对被广泛沿用的初级产品出口份额度量指标进行修正，首次提出采用自然资源储量替代初级产品出口份额作为度量指标，研究发现该修正指标可以通过弱化制度质量抑制经济增长。但针对自然资源丰裕度这一度量指标，Mehlum等[20]、Alexeev和Conrad[21]则分别从跨国截面数据、人均资源占有量等不同层面和视角开展实证研究，结果表明并非所有研究均能证明诅咒现象的存在。Stijns[22]则进一步提出资源产业依赖度与自然资源丰裕度是两个概念，前者应替代后者作为“资源诅咒”模型中新的度量指标，并通过计算该指标与制度质量指标的作用关系发现，不同资源对制度质量的影响不近相同。

针对上述问题，通过文献梳理总结发现，以Ding Ning和Field[23]、邵帅和杨莉莉[24]为代表的学者提出有条件的“资源诅咒”假说，在一定范围内减少了学术界对于问题①的分歧[25]；Roodman[26]和魏国学等[27]采用DIF-GMM方法估计动态面板数据回归模型，并在Haber和Menaldo[28]进一步补充影响要素的条件下，将产生内生性问题的可能降到最低。针对指标选取的科学性问题，国内外学者多选取相对简单的初级产品出口比重、初级产品部门产值的占比测度以及初级产品部门从业人员数占比测度等作为度量指标[29-32]，由于指标测算相对简单，无法全面、科学地反映油气资源的丰裕程度抑或资源丰裕地区对资源产业的依赖程度[33]。因此，需要更为科学、合理的度量指标作为分析模型的目标解释变量。此外，当前“资源诅咒”传导分析方法相对单一，且多借鉴和采用可直接观察测算的面板回归模型[16]，忽略了在传导过程中无法预测或控制的中介效应，这给通过实证分析萃取影响要素揭示“资源诅咒”传导效应造成了困难。

基于上述分析，本文将采用资源产业空间集聚度指标替代资源产业依赖度指标[34]，以油气资源城市作为研究样例，通过构建区域经济增长的计量回归模型，萃取影响“资源诅咒”效应的传导要素，进而基于B-K中介分析方法建立“资源诅咒”传导的中介效应模型，以期从经济视阈和地理视阈共同揭示因资源丰裕而形成区位集聚特征，深入挖掘与分析“资源诅咒”的传导机制，为破解“资源诅咒”、实现经济长效发展提供科学的理论指导与数据支撑。根据测算结果，本文选取的资源产业空间集聚度指标，能更好地反映资源产业在区位上的被依赖程度，而非仅从规模上对其影响进行测算，可以替代资源丰裕度指标抑或测算资源丰裕地区的资源产业依赖度指标。同时，本文构建的中介效应模型除考虑直接影响参数之外，亦将包含某种内部机制的中介影响参数考虑其中，参照B-K中介效应检验程序，通过基于动态面板数据(Dynamic Pannel Data)的广义矩估计方法，对中介效应模型的参数进行了测算。通过比较静态、动态面板数据模型和中介效应模型的实证研究结果，给出油气资源城市“资源诅咒”传导概念模型，丰富了如何破解“资源诅咒”效应、实现区域经济长效发展的研究视阈。

2 “资源诅咒”指标的重新测度

2.1 测算方法

测算方法的选取不仅要考虑过程的合理性，也要考虑指标数据的可得性与真实性。本文通过对常用的产业集聚测算方法(如赫芬达尔指数、熵指数、空间基尼系数、E-G集聚指数、DO指数)进行对比分析发现，Krugman[35]的空间基尼系数依据在i区域的j产业结构的空间洛伦兹曲线进行测算，不受限于企业区位分布数据的可得性，亦无须考虑企业之间规模差异，可作为资源产业空间集聚度的测算指标。由此，根据Krugman的测算方法，其原计算公式为：

(1)

式中，σ为Krugman算式的空间基尼系数指标，Si表示i地区某产业(资源产业)占该地区上级行政区域该产业(资源产业)从业人员数的比重，xi表示i地区全行业从业人员数占上级行政区域全行业从业人员数的比重。

由公式1可知，产业空间基尼系数为零，说明i地区某产业在该地区的分布相对均匀；产业空间基尼系数越大，表明i地区某产业在该地区存在集聚现象。当Si-xi为负值时，即产业空间集聚现象不明显，且该产业在i地区不存在“密集”分布，反而存在“离散”分布的可能。|Si-xi|越大，则说明某产业在该地区的集聚现象或分散现象越明显，但并不确定是集聚还是分散的。由此，对式1进行改进，改进后的资源产业空间集聚算式如下：

(2)

2.2 研究样本与数据来源

选取我国地级油气资源城市作为数据样本，剔除1998-2013年间行政区划有较大调整，且与其他城市有较大差距的油气资源城市，确定10座地级行政区划城市为研究样本，见表1。

表1 研究样本中油气资源城市名单

产业空间集聚的测度主要依据四个相关统计指标，分别是公式3中求解Si和xi用到的i地区及上级地区资源产业从业人员数和全行业从业人员数。鉴于我国油气资源城市层面的从业人员数据的统计口径自1998年始做出新调整，因此这四个指标选取1998-2013年间的统计数据值作为样本观察值，主要指标数据值来源于《中国城市统计年鉴》的劳动力人员从业状况及按行业划分从业人员情况等统计数据，缺失数据由插值法补齐。

2.3 测算结果及比较分析

为验证资源产业空间集聚度ω是否能够替代资源产业依赖度RD[36]，将样本数据代入公式3进行资源产业空间基尼系数测算，并对二者的测算结果进行比较分析，见表2。由表2可知，我国油气资源城市产业空间集聚度的合计值为22.77，说明我国确实存在油气资源产业的空间集聚现象；绝大多数城市的测算结果为正值，说明资源产业在这些城市均为集聚分布。仅有南阳的测算结果为负值，从表1可知，南阳属于再生型城市，结果说明该市已经通过产业转型升级摆脱对油气资源产业的依赖。

测算结果对比显示，克拉玛依在资源空间集聚的测算中排名第1，ω值和RD均大于10；排名2到4位的城市分别为松原、盘锦、唐山，其ω值均大于1；排名5到9位的分别是延安、东营、大庆、榆林、濮阳，其ω值均大于0且小于1；排名末尾的是南阳，而且其产业空间集聚度的测算结果为-0.0038。

排名次序对比显示，变化较大的是东营、大庆、唐山、松原，分别由第2下降为第6、第4下降为第7、第7上升为第4和第5上升为第2(先RD后ω)，

表2 资源产业空间集聚与产业依赖的比较分析

注：(1)ω表示资源产业空间集聚指标，RD表示资源产业依赖指标。(2)ω和RD的单位均为百分比。

其他各城市两指标间的测算结果排名变化不大。那么与资源产业依赖度相比，资源产业空间集聚的测算结果为什么会出现相对明显的变化？以松原为例，与其他城市相比，其人均GDP排名相对靠后(第7名)，发展规模较小，发展速度优势并不明显。资源产业依赖测算排名第5，排名上并不靠前是由于其油气资源的储、产规模与其他城市相比(如排名比他靠前的东营、大庆等)相对较小。而通过资源产业空间集聚度的测算，其排名由第5上升为第2，可见松原的经济发展更加依赖资源产业。充分验证了资源产业空间集聚度这一指标并非仅从规模上对资源产业影响进行测算，而且能够更好地反映资源产业在区位上的被依赖程度，可以作为计量经济模型的目标解释变量。

3 基于产业空间集聚度的传导要素萃取

3.1 模型构建、指标筛选与数据来源

在分析传导要素对资源产业空间集聚指标与区域经济增长关系的具体影响时，不仅考虑利用横截面数据对规模经济进行分析，同时还要考虑利用时间序列数据分析资源产业空间集聚等变量随时间变化的个体异质性问题。鉴于经济分析的实际情况，采用二维数据模型(时间序列回归模型或截面数据回归模型)无法满足三维数据的估计特征[37]。需采用能够反映截面、时间和变量(指标)三个维度的面板数据回归模型，实现对区域经济增长的规模特征以及个体时间差异特征的分析。因此，基于产业空间集聚度的油气资源城市区域经济增长的计量回归模型采用面板数据回归模型进行计算分析。

区域经济增长模型的构建不仅要选取合理的“资源诅咒”测度指标，即目标解释变量，还要尽可能全面地考虑传导要素变量，主要包括学术界认同的主要生产投入要素和可能影响“资源诅咒”传导的要素变量，并将其全面反映在区域经济增长的计量回归模型中，模型的简化形式为：

yi=αi+xiβi+ui,i=1,2,…,N

(3)

式中，yi是T*1维被解释变量向量，xi是T*1维解释变量矩阵，ui是T*1维扰动项向量，满足均值为零、方差为σu2的假设。这一模型的基本形式可以划分为三种类型，具体的模型形式需要通过Hausman检验和最大似然比检验确定。

考察产业空间集聚度指标与区域经济增长指标关系的同时，引入传导要素变量测算对经济增长指标的作用以及对集聚度指标与经济增长指标关系的影响。构建的计量经济模型为：

Gt=γ0+γ1lnYt-1+γ2ω+γ3Zt+εt

(4)

式中，t为时间变量；Yt-1为上一年度人均GDP增长率；ω为资源产业空间集聚度，单位为万分比，计算见公式2；Zt为传导要素变量；γ0-γ3为待估参数；εt为随机扰动项。

被解释变量Gt为人均GDP增长率，单位为元/人，计算公式为：

Gt=(1/t)ln(Yt/Yt-1)

(5)

该模型中，传导要素变量Zt包含8个要素变量，分别为物质资本投资FI、人力资本投资HC、技术创新投入TI、个体与私营经济PE、制造业发展MD、对外开放程度OP、居民储蓄能力PS和政府干预程度GI[38]。模型中涉及的变量符号、度量指标、单位及预期符号见表3。

表3 变量名称及说明

测算数据主要来源于《中国城市统计年鉴》、各省市公开的统计数据以及国研网、夏泽网等数据分析单位，缺失的数据采用插值法补齐。这里需要说明三点，一是各指标数据在选取时，如遇到国家与地方性城市统计年鉴数据有所不同，本文一律选取《中国城市统计年鉴》的统计数据作为研究来源；二是《中国城市统计年鉴》中地区参数的描述有“XX市”和“XX区”两种，本文均选取“XX市”的统计数据作为测算依据；三是各数据库中城市相关指标数据的统计口径略有不同，如有“地区”、“市辖区”等，为保证计算结果的准确、合理，按照指标统计数据值选取的一致性原则，本文采用“地区”这一统计口径作为面板数据样本观察值。

为更为全面、合理地分析被解释变量与目标解释变量和其他解释变量的关系，本节将分别构建基于资源产业空间集聚度指标的全样本静态面板回归模型和全样本动态面板回归模型，采用普遍的最小二乘法和差分的广义矩阵估计方法，逐项添加8个传导要素变量分析其对资源产业空间集聚度与经济增长关系的冲击作用，以期从产业空间集聚视角验证我国油气资源城市“资源诅咒”效应。具体模型如下：

(1)全样本静态面板回归模型：

(6)

(2)全样本动态面板回归模型：

(7)

3.2 计量结果及分析

首先，采用LLC和ADF Fisher对静态面板回归模型进行平稳性检验。其次，通过Hausman和最大似然比估计检验方法，选择模型的回归形式，包含个体和时间项的固定效应、随机效应和混合效应模型。选择依据是：当P值小于0.05时，在Hausman检验中拒绝原假设，原假设为固定效应模型，则应选择随机效应模型；在最大似然比检验中拒绝原假设，原假设为混合效应模型，则应选取随机效应模型。再次，考虑到自然资源对经济增长的作用可能存在滞后性，研究利用DIF-GMM动态面板数据估计方法，考察面板数据的动态分析结果，通过Sargan检验方法检验模型估计结果的有效性。最后，利用逐步添加传导要素的分步估计模型，分析传导要素变量对“资源诅咒”模型中资源产业依赖度和经济增长指标关系的冲击作用，为进一步分析传导机理奠定基础。

3.2.1 整体估计结果及讨论

计算1998-2013年间10个典型油气资源城市的被解释变量与目标解释变量、控制变量间的具体关系，计算结果见表4。模型1为不含资源产业空间集聚度二次方项的全样本静态回归模型，模型2为含资源产业空间集聚度二次方项的全样本静态回归模型，模型3为全样本动态回归模型。

表4 区域计量经济模型整体估计结果(1998-2013)

注：(1)***、**、*、分别表示1%、5%、10%的显著水平；(2)括号内数值为t统计值；(3)因Sargan检验未通过，故未使用SYS-GMM估计。

首先分析资源产业空间集聚度ω与经济增长指标的关系。在模型1、2、3中，资源产业空间集聚的系数估计值分别为-1.025778、-0.076034、-0.441933，且分别在10%、5%、10%的水平上显著，说明油气资源城市的资源产业空间集聚度与经济增长之间存在负向关联关系，符合“资源诅咒”假说。模型2和模型3的估计结果中，ω一次方项的系数均为正，且分别在10%和5%的水平上显著，与此同时，这两个模型中ω二次方项的系数均为负，且分别在5%和10%的水平上显著，故资源产业空间集聚度与区域经济增长间存在先促进后抑制的关联关系。

其次，针对传导要素变量展开分析。模型1中，物质资本投资、居民储蓄能力及制造业发展的系数估计值分别为0.670224、0.001072、2.63574，且均在10%的水平上显著，说明物质资本投资、居民储蓄能力及制造业发展均促进经济增长，且我国油气资源城市发展过程中确实存在着由于资源产业的扩张而引发的对于物质资本积累、制造业发展的“挤出”效应，即资源对于消费的“激增”刺激使得整个地区进入低储蓄率时期，对其他产业的投资减少。对外开放程度的系数为负，且通过显著性检验，与ω的系数估计值符号相一致，说明对外开放程度越高，资源产业空间集聚度越高，对经济增长的抑制作用就越强。与模型1相比，在模型2中对外开放程度的系数估计值变得不显著，说明加入ω二次方项后，对外开放程度在对经济增长的促进或抑制作用的“选择”上变得“犹豫不决”。从结果来看，难以直接判断制造业发展和对外开放程度对经济增长是促进还是抑制。

在模型3中，物质资本投资的系数估计值也变得不再显著，同时，人力资本水平和政府干预程度变得显著起来，其系数均为负值，且分别在1%和10%的水平上显著，说明使用两步DIF-GMM的动态面板数据模型中，人力资本和政府干预在动态变化中的作用更为明显。在加入滞后项的动态面板回归模型3中，人力资本的累积作用得到体现，对区域经济增长的贡献显著；而政府干预却严重阻碍经济增长，这可能是由于政府在应对资源过度开发等行为时存在决策时滞和行动时滞，其中行动时滞的反应时间较长，导致政府“不作为”现象的出现。

3.2.2 分步估计结果及讨论

整体估计结果仅说明目标解释变量和传导要素变量与被解释变量间的固定关系，并未揭示传导要素变量对目标解释变量和被解释变量之间的负向关系有何影响，且这些要素会否对两者间的关系产生冲击。因此，利用DIF-GMM估计方法，通过分步添加传导要素变量的方式考察传导要素对资源产业空间集聚与区域经济增长间关系的影响。变量添加的顺序按照先添加经济增长模型中的基本投入要素，包括物质资本投资、居民储蓄能力、人力资本水平和技术创新投入，再添加影响传导结果的要素变量，包括个体与私营经济、制造业发展、对外开放和政府干预程度，计算结果见表5。

在模型1中，资源产业空间集聚的一次方项系数估计值为9.50775，系数符号为正，二次方项的系数估计值为-0.495141，系数符号为负，且均在10%的水平上显著，说明1998-2013年这一时间段内，油气资源城市已陷入“资源诅咒”困境。

分步依次添加传导要素变量。模型2-5依次加入经济增长模型中的四个基本要素——物质资本投资、居民储蓄能力、人力资本水平和技术创新投入，结果显示物质资本投资的系数为负，且随变量的增加而变得更为显著，说明尽管并未得到资源产业空间集聚度由不显著到显著的过程，但其自身对经济增长的负向作用可能是由于资源产业空间集聚地区的产业相对单一，从而导致因过度投资对人力资本积累造成“侵蚀”效应，最终表现为其对经济增长的抑制作用。居民储蓄能力的添加对资源产业空间集聚度的影响并不显著。人力资本水平的系数为正，且通过显著性检验，说明其促进经济增长，且对诅咒效应的传导有明显的抑制作用。技术创新投入的系数估计值并不显著，但也使资源产业空间集聚度二次方项的系数估计值变小，且使物质资本投资的系数估计值变得不显著，说明其不仅能抑制“资源诅咒”效应，也通过抑制物质资本投资对经济增长的负向作用促进经济增长。

模型6和8分别引入个体与私营经济发展和对外开放程度，结果显示，两者系数均未通过显著性检验，也未对资源产业空间集聚与经济增长的关系造成影响。在模型7中，制造业发展的系数估计值虽然并不显著，但却使资源产业空间集聚二次方项的系数估计值变小，说明制造业发展对“资源诅咒”效应有明显的抑制作用，但其自身的系数估计值不显著可能是由于资源产业对其发展的“挤出”效应。模型8引入对外开放程度，其参数估计值未通过显著性检验，即与经济增长的正向关系并不显著，且对资源产业空间集聚度的影响微乎其微。模型9中，政府干预程度的系数估计值符号为负，且通过显著性检验，说明政府干预会对经济增长的发展起抑制作用。

表5 区域计量经济模型分步估计结果(1998-2013)

注：(1)﹡﹡﹡、﹡﹡、﹡、分别表示1%、5%、10%的显著水平；(2)括号内数值为t统计值。

综上所述，8个传导要素中有6个与“资源诅咒”有直接或间接的显著影响，而尽管个体与私营经济和对外开放程度这2个要素的影响程度不明显，但不能完全排除其具有传导作用，需进一步通过中介模型的构建，计算并分析“资源诅咒”的传导情况。

4 基于产业空间集聚的“资源诅咒”中介效应分析

构建基于资源产业空间集聚的“资源诅咒”传导机理的中介效应模型(以下简称传导模型)，分析资源产业空间集聚度与物质资本投资、居民储蓄能力、人力资本投资、技术创新投入等8个传导要素两两之间的关系，萃取显著的传导要素以及具体的传导方向和作用。

4.1 基于资源产业空间集聚的中介效应模型

一国或地区的资源相对丰裕，其传统产业的发展往往落后于资源产业。资源产业对于经济增长的贡献也极为巨大，甚至带动整个地区的经济发展。鉴于此，将油气资源产业空间集聚度作为传统经济增长模型中的被解释变量而非投入要素，而物质资本投资、人力资本水平、技术创新投入、个体与私营经济发展、制造业发展、对外开放程度、居民储蓄能力以及政府干预程度等传导要素作为解释变量，计算分析前后两者之间的关系。通过面板数据模型的计算可以得出两者是否关联，正向还是负向关联以及关联的程度，进而结合“资源诅咒”效应下的经济增长计量模型的计算结果，深入挖掘“资源诅咒”的传导路径及抑制“资源诅咒”的存在条件等。

图1 B-K中介效应分析方法

根据B-K中介效应分析方法(见图1)，前文已经计算目标解释变量X与被解释变量Y以及传导要素变量M与被解释变量Y的关系系数c和b(见公式3)，为观察目标解释变量与传导要素变量的关系并计算关系系数a，沿用上文中使用的计量模型的基本形式，解释变量换为传导要素变量，被解释变量换为资源产业依赖度和资源产业空间集聚度，如图1所示。

基于资源产业空间集聚的传导机理中介效应模型如公式8-15所示：

ωit=α0+α1FIit+μit

(8)

ωit=β0+β1PSit+μit

(9)

ωit=χ0+χ1HCit+μit

(10)

ωit=δ0+δ1TIit+μit

(11)

ωit=ε0+ε1PEit+μit

(12)

ωit=φ0+φ1MDit+μit

(13)

ωit=φ0+φ1OPit+μit

(14)

ωit=η0+η1GIit+μit

(15)

式中，ω表示资源产业空间集聚度的测度指标；FI、PS、HC、TI、PE、MD、OP、GI分别表示物质资本投资、居民储蓄能力、人力资本水平、技术创新投入、个体与私营经济发展、制造业发展、对外开放程度以及政府干预程度的测度指标；α、β、χ、δ、ε、φ、φ、η、γ分别表示各公式中的待估参数，预期符号分别为负、正、正、正、负、负、未知、负；μ为随机扰动项。

4.2 测算结果分析

本节沿用3.2的参数估计方法，先利用Hausman和似然比检验确定模型的影响形式，而后进行模型计算。计算结果见表6。

表6 资源产业空间集聚度与传导要素变量(1998-2013)

注：(1)﹡﹡﹡、﹡﹡、﹡、分别表示1%、5%、10%的显著水平；(2)括号内数值为t统计值。

从模型1～8的估计结果来看，物质资本投资、居民储蓄能力、人力资本水平、技术创新投入和制造业发展的系数估计值通过t检验，其参数估计值分别为-0.020154、0.000028、0.000002、0.038308、-0.280686，分别在10%、10%、5%、1%和5%的水平上显著。

根据传导模型的计算结果，与自然资源关系显著的中间要素除物质资本投资、人力资本水平、居民储蓄能力、技术创新投入和制造业发展。其中，物质资本投资与制造业发展具有负向中介作用，其他三个要素具有正向中介作用，具体传导机制见图2。

图2 油气资源城市“资源诅咒”传导模型

由图2可知，丰裕的油气资源对区域经济增长存在直接的、显著的促进作用，而受传导要素的影响，该作用被弱化，甚至转化为对经济增长的抑制作用。在这些传导要素中，物质资本投资和制造业发展的介入导致“资源诅咒”效应的产生和扩大；居民储蓄能力、人力资本水平、技术创新投入的介入则可以有效抑制“资源诅咒”效应；而个体与私营经济、对外开放程度和政府干预程度对自然资源与区域经济增长的关系影响不大。对于物质资本投资和制造业发展两项要素而言，许多学者在研究“资源诅咒”传导机理的过程中通过不同层面的数据分析得出相一致的结果，对这一现象的解释有“荷兰病”、初级产品论等[39,40]；而对于居民储蓄能力、人力资本水平和技术创新投入而言，许多学者认为丰裕的自然资源对这三种要素同时存在的“挤出”效应并未出现在其研究结果中[41,42]，原因可能是由于研究对象的异质性问题，导致“资源诅咒”传导机理的影响要素并非普遍使用于所有资源丰裕地区。

需要说明的是，油气资源城市“资源诅咒”传导概念模型中未涉及社会文化习俗、生态环境、贫富差距、矿难等难以量化的要素，但并不代表这些要素对“资源诅咒”没有间接的影响。尤其是油气资源开发具有明显的外部不经济性，对于生态系统的破坏问题相当突出，而日益恶化的城市生态环境使得政府在产业结构转型、区域发展规划、对外招商引资等方面受到严重的制约，大大降低对油气资源城市的资金和其他资源的配置效率，甚至会引发资金和人才、技术等资源的外流，严重阻碍区域经济增长。

5 结语

通过对Krugman的空间基尼系数计算方法的改进，测算油气资源城市“资源诅咒”空间集聚度指标，并与资源产业依赖度的测算结果比较分析，证明选取该指标作为计量经济模型中目标解释变量更为科学、合理。在此基础上构建基于油气资源产业空间集聚的计量回归模型并对其进行实证检验及分析。为更为科学、合理的分析油气资源城市“资源诅咒”的传导机理，借鉴B-K中介效应分析方法，构建传导的中介效应模型，明确“资源诅咒”的测度指标与传导要素间的关系。研究得到以下结论：

(1)通过对1998-2013年间我国10座油气资源城市的资源产业空间集聚情况测算可知，我国油气资源城市产业空间集聚度的合计值为22.7713，说明我国确实存在油气资源产业的空间集聚现象。与产业依赖度相比，各城市整体排名变化不大，但根据发生变化的城市排名，资源产业空间集聚度能够更好地反映资源产业在区位上的被依赖程度。

(2)资源产业空间集聚度指标与经济增长指标的系数呈现负向关联关系，且在含二次方项的动态和静态模型中得到一致的结果，即两个存在“促进-抑制”型非线性曲线关系，曲线呈倒U型关系；在新指标替代旧指标的面板数据模型计算结果中，依然能够证实“资源诅咒”的存在。

(3)通过构建基于产业空间集聚的传导机理概念模型，对传统的传导机理概念模型进行修正。结果显示，物质资本投资和制造业发展的具有负向中介作用，在“资源诅咒”的传导中起正向促进作用；而人力资本水平、技术创新投入和居民储蓄能力具有正向中介作用，可以有效抑制“资源诅咒”效应；个体与私营经济、对外开放程度和政府干预程度对“资源诅咒”的中介作用并不明显。