经济增长与工业经济关联及时空特征

张海燕, 李 娜, 李 雪

(长春工业大学 数学与统计学院， 吉林 长春 130012)

0 引 言

工业化程度是经济发展水平最重要的标志之一，在振兴东北老工业基地国家发展战略背景下，发展东北地区工业、提升经济增长质量势在必行，而各地区工业经济协调发展极大地影响着政策的效果，成为政府相关部门和研究者关注的问题[1];Baumol[2]和Barro等[3]经济学家认为收敛是最终的结果，但是实现经济收敛的条件是很苛刻的，只有具备相应人力资源条件基础的国家或者地区才有可能在创新技术的推动下保持经济收敛趋势;Dourick等[4]表明地区性经济收敛只会发生在最富裕的国家;Anselin[5]系统讨论了空间计量模型，给出了空间自回归模型参数的估计和检验方法，因其适用性较强，该方法成为经济变量空间关联研究中最广泛使用的一种方法。

国内学者对于区域经济的关注点除了收敛性，还在于各地区经济差异及其影响和地区性政策的制定。吴玉鸣[67]利用空间误差模型研究了中国省域经济增长的收敛趋势，并且通过建立中国2000年县域截面数据空间计量经济学模型，证实了中国县域经济增长中的空间依赖性;孙巍等[8]发现我国各地区经济增长呈现出显著的差异性，并且初始禀赋等因素是工业经济呈现地区差距的主要原因;黄益东[9]检验了我国省域经济增长的空间相关性及其差异等问题，分析了我国区域经济增长的内在动力；洪国志等[10]验证了中国240个地级及以上城市经济增长的全局自相关;丁波[11]发现我国各类财政支出和经济增长的空间相关性逐步增强，说明在研究经济增长与财政支出结构关系时考虑空间效应的必要性;陆宇嘉等[12]实证分析了环境约束下的中国省域经济增长存在的强空间依赖性，及其表现出东高西低的两极分布空间集聚格局和空间集群发展的影响因素。

我国区域经济研究中也发现了行业存在的地理关联。谢治春[13]发现制造业地区集聚对城镇化水平有显著的正向影响；唐建荣等[14]构建空间杜宾模型对2005—2014年中国物流业的省级面板数据进行空间计量分析，结果表明，中国物流业发展的地域特征明显，呈现正的空间自相关。

基于以上文献研究发现我国经济增长和行业发展中所体现出的空间相关性，以及宏观经济结构的空间依赖性，文中在检验吉林省各地区GDP和工业总产值数据中存在的空间相关性的基础上，利用截面数据建立年度空间模型，分析二者之间的区域性关联和差异及其持续性；讨论经济结构随着时间的变化趋势，为政策制定提供实证参考。

1 数据空间相关性检验

文中将设定空间权重矩阵，检验吉林省各地区GDP和工业总产值1998—2015年之间各年度截面数据的空间相关性。

1.1 数据

选取1998—2015年吉林省48个县(市)的GDP及工业生产总值数据(单位：亿元)，取对数序列并分别用Y和X来表示。数据来源于1999—2016年《吉林省统计年鉴》。

1.2 权重矩阵

在国内经济研究领域中，已经有研究者应用空间模型时将空间权重和经济权重相结合。林光平等[15]采用地理权重矩阵和经济权重矩阵研究了我国人均GDP的收敛性及其随时间的变化。文中将从多角度讨论经济变量的空间关联性质，根据需要采用空间权重、经济距离与行政区划相结合的形式，在0-1权重、经济距离和协动权重三种权重下讨论吉林省GDP和工业经济的空间相关性，考虑到国内市场经济发展的特点，权重设定将同时兼顾到行政区划问题。

首先，根据空间单位的地理邻近关系设定空间权重矩阵是最为基本的，比如Rook一阶邻近[16]。设定W1，其元素由0和1表示

然后将该矩阵每一行除以行和，得到行归一化的矩阵W作为空间权重矩阵，其元素由下式给出

(1)

结合行政区划空间权重具体设定如下:吉林省包括长春市、吉林市、四平市、松原市、辽源市、白山市、白城市、通化市、延边自治州九个地区，每个地区分别有所辖县(市)，如图1所示。

每个地级市与其所辖县(市)之间的权值取1，同一地区内各个县(市)之间权值也取1；这九个市之间根据吉林省行政区划图，相邻为1，不相邻为0。然后再进行归一化处理，得到下面将用于检验空间关联的权重Wij。

图1 吉林省行政区划图

其次，由于经济发展速度的地区性差异会导致不同地区经济变量发生动态性变化，而这种变化无法由地理邻近权重所反映，故进一步考虑经济距离[17]。一个是绝对经济距离，即以相邻地区经济数据差绝对值的倒数作为权重

(2)

式中：Xi----第i个地区的经济变量(GDP或者工业总产值)。

由式(2)可见,绝对经济距离主要体现经济属性数值一致性的大小所引致的关联程度的深浅。另一个是相对经济距离，即根据不同地区经济变量的相对差异而不是绝对差异来构造经济权重矩阵

(3)

式中：Xi----第i个地区的经济变量;

Ji----所有与第i个地区有共同边界的空间区域集合。

式(3)说明相对经济距离一方面反映地理空间位置的关系，另一方面以经济属性数值的大小代表其对周边区域影响程度的深浅。经济距离权重中，0元素与0-1权重相同，把0-1权重中非0元素使用经济距离来替代。

1.3 空间效应检验

一组数据Y1,Y2,…,Yn的全局空间效应可以通过Moran’sI系数进行检验，其定义为

(4)

其中

式中：Yi----第i地区的属性值;

n----所研究的地区总数;

Wij----空间权重矩阵W的元素，用来定义空间单元的相互作用关系。

下面将在0-1权重、绝对经济距离和相对经济距离三种权重下,通过Moran’sI指数对吉林省各地区GDP和工业总产值数据进行空间相关效应检验，研究吉林省经济发展的区域性集群关联。

首先，在0-1权重矩阵下检验数据的空间效应。对吉林省GDP和工业生产总值1998年数据进行全局空间自相关检验，Moran’sI指数分别为GDP Moran’sI=0.427 669 7 (p值0.000 000 33)，工业生产总值Moran’sI=0.273 295 96(p值0.000 756)，如图2和图3所示。

图2 吉林省1998年GDP Moran’sI指数 图3 吉林省1998年工业总产值Moran’sI指数

检验均通过，认为两组数据存在显著空间自相关性。

图2和图3说明了吉林省1998年经济发展的地区性聚集特征：

1) 第一象限包括长春市、榆树市、德惠市、农安县、吉林市、桦甸市、舒兰市、永吉县、四平市、公主岭市、梨树县、辽源市、通化市、白山市、松原市、长岭县，属于高—高空间正相关聚集区域。

2) 第二象限包括九台市、磐石市、伊通县、双辽市、东丰县、东辽县、集安市、通化市、辉南县、柳河县、蛟河市、乾安县、扶余市，属于低—高空间负相关聚集区域。

3) 第三象限包括临江市、抚松县、靖宇县、长白县、洮南市、大安市、镇赉县、通榆县、图们市、敦化市、龙井市、珲春市、和龙市、汪清县、安图县，属于低—低空间正相关聚集区域。

4) 第四象限包括梅河口市、白城市、延吉市，属于高—低空间负相关聚集区域。

5) 前郭位于横坐标轴右侧，说明其自身经济水平较高，但对周边地区不具有显著的发散作用。

为了对比数据空间相关性的整体走势，对吉林省GDP和工业总产值2015年数据进行全局空间自相关检验，Moran’sI指数分别为GDP Moran’sI=0.428 246 81 (p值0.000 000 31)，工业生产总值Moran’sI=0.320 106 58 (p值0.000 099 15)，如图4和图5所示。

图4 吉林省2015年GDP Moran’sI指数 图5 吉林省2015年工业总产值Moran’sI指数

检验均通过，认为两组数据存在显著空间自相关性。

图4和图5说明了吉林省2015年经济发展的地区性聚集特征，与1998年有异有同，如下：

1)第一象限包括长春市、九台区、榆树市、德惠市、农安县、吉林市、桦甸市、磐石市、四平市、辽源市、通化市、白山市、松原市、长岭县、前郭县、扶余市，属于高—高空间正相关聚集区域。

2)第二象限包括蛟河市、舒兰市、永吉县、梨树县、伊通县、双辽市、东丰县、东辽县、集安市、通化市、辉南县、柳河县、乾安县，属于低—高空间负相关聚集区域。

3)第三象限包括临江市、抚松县、靖宇县、长白县、图们市、敦化市、龙井市、珲春市、和龙市、汪清县、安图县，属于低—低空间正相关聚集区域。

4)第四象限包括梅河口市、白城市、延吉市，属于高—低空间负相关聚集区域。

5)洮南市、大安市、镇赉县、通榆县位于横坐标左侧，说明这些地区本身经济发展水平较低，且和周边地区没有呈现出较强的空间依赖性；公主岭市位于横坐标轴右侧，说明其自身经济水平较高，但对周边地区辐射作用不大。

为了进一步了解1998—2015年期间各年份GDP和工业总产值数据的空间相关性，分别对两组数据在1999—2014年各年份进行Moran’sI检验，结果见表1。

表1 吉林省1998—2015年数据0-1权重距离下Moran’sI检验

注“*”、“**”和“***”分别表示在10%、5%和1%水平下显著。以下同。

其次，在绝对经济距离和相对经济距离权重矩阵下检验数据的空间效应。结果分别见表2和表3。

表2 吉林省1998—2015年数据绝对经济距离下Moran’sI检验

表3 吉林省1998—2015年数据相对经济距离下Moran’sI检验

对比表1～表3可以发现，0-1权重和相对经济距离下Moran’sI检验结果具有相似的特征，并且各年度数据均在1%水平下具有显著的空间相关效应。同一时期比较来看，GDP的空间相关系数大于工业数据，GDP和工业经济的空间相关性随着时间逐渐趋于稳定。

综合来看，经过1998-2015年的发展，吉林省区域工业和经济发展体现出以下一些特点。长春和松原地区的城市大多分布于第一象限，正向空间溢出效应显著，形成经济增长中心区。吉林地区的吉林市、桦甸市、磐石市和四平地区的四平市、公主岭市始终处于高—高聚集区，所属其他城市处于第二象限的低—高聚集区域，因此这两个地区属于经济水平较高地区。辽源和通化地区均只有首府位于高—高聚集区，管辖城市均处于低—高聚集区，故未见明显的空间正溢出效应。延边地区只有延吉市经济发展水平较高位于横坐标右侧，所属其他地区都位于低—低聚集区。因此，辽源、通化和延吉均适宜建立以该城市为核心的经济发展带，拉动辖区和周边的经济发展。前郭县从横坐标右侧转变至第一象限，九台市从第二象限转变至第一象限，这两个城市在空间正相关作用下工业和经济得到较快发展。

2 空间模型实证分析

基于0-1权重矩阵、相对经济距离下吉林省GDP和工业生产总值数据中存在的空间相关性，下面分别利用这两种权重矩阵建立空间模型来计量分析二者的关联。

一般空间自相关模型(SAC)可以表达为

式中：ρ、λ----分别表示Y和μ的空间自相关系数;

W1、W2----n×n的归一化的空间权重矩阵，分别表示自回归和误差的空间关系；

μ----扰动项；

Λ----对角矩阵;

Y、μ、ε----n×1向量;

n----空间单位个数;

X----n×k矩阵;

β----k×1系数矩阵。

当截面数据不存在空间自相关，即ρ=0，λ=0，且没有异方差(Λ=I，即对角阵为单位阵)时，模型(2)就是古典线性回归模型；当ρ=0，λ≠0时，模型(2)为空间误差模型(SEM)；当ρ≠0，λ=0时，模型(2)为空间自回归模型(SAR)。

GDP和工业生产总值分别作为被解释变量(Y)和解释变量(X)建立空间模型，SAC模型中λ不显著，SAR和SEM模型对各年度数据具有较好的模拟效果，参数均显著。各种权重下，SAR模型的AIC和BIC相对于SEM模型较小，且其对数似然值也相对较大，因此SAR较SEM具有优势，其估计结果见表4～表6。

表4 0-1权重SAR模型参数估计

表5 相对经济距离权重SAR模型参数估计

由表4和表5可以发现，除2013-2015年相对经济距离外，模型估计的残差LM检验在5%水平下均接受原假设，即模型已经充分提取空间相关信息，残差不存在空间相关性；各年度空间相关系数显著，但空间相关系数从1998-2015年呈现下降趋势，大约减小了一半，表明经济结构因素影响到GDP的空间效应；工业的经济增长效应从1998-2015年有小幅度波动，显示吉林省工业对经济的拉动作用变化不显著。

3 结 语

整体来看，吉林省各地区工业和GDP增长在各年度均存在显著空间溢出效应。一是空间相关体现于地理位置的邻近和行政区划内工业和GDP增长的一致性关系，反映了吉林省经济发展中相邻地区的良好互通性，以及地区性经济发展策略的有效性；二是空间关联与协动增长程度密切相关，与该地区发展协调性高的地区也对其影响大，反之亦然；三是空间关联表现出明显的相对效果，区域自身工业和GDP相对周边发展的程度决定了其对周边的影响程度。工业对吉林省经济增长的带动作用随着时间呈现小幅度波动；随着经济发展工业的经济增长效应趋于更大程度地替代GDP的空间关联，在此期间多数地区经济增长参差有别；在空间模型中同时考虑经济增长的动态效应时，工业的显著时空效应说明吉林省经济结构中工业的重要影响，以及经济发展过程中该影响的持续稳定性。

具体来说，吉林省工业和经济发展呈现以长春为中心向外辐射的状态。以长春市为核心包括九台、榆树、德惠是空间溢出效应显著的高水平经济增长区域；周边吉林、四平、松原地区经济发展水平较高；距离中心较远的通化、白山、延边具有较大发展空间，适宜建立以地级市为核心的经济发展带，实现核心城市对辖区和周边经济增长的更有效的拉动作用。

另外，吉林省区域经济发展存在不平衡现象的原因诸多，包括地理位置、资源配置、人才流向、政策因素等，根据这些客观现实科学规划经济目标，通过整体布局整合、协调和发挥各地区资源、产业和人才等方面的优势，必将激发吉林省经济更有效和深入的发展。