重庆市县域经济空间相关与增长收敛分析

陈志祥

摘 要：本文将空间项引入到传统的标准新古典经济增长收敛模型中，研究重庆市各区（县）相互之间的经济增长空间收敛现象。采用2008-2020年重庆市各区（县）人均GDP数据，分析了重庆市各区（县）经济发展的空间分布以及其相关关系，进一步运用了空间误差模型对结果进行了检验。主要结论有：第一，从2008年到2020年这段时期，重庆市各区（县）之间经济发展一直存在着显著的正向空间相关性，但是这种正向空间效应却在逐渐趋弱。第二，2008-2020年重庆市各区（县）存在明显的空间聚集结构，以重庆市主城都市区及其周围邻近地区为高高聚集分布而在远离主城都市区的两群地区则呈低低聚集分布。同时，随着时间推进空间聚集程度不断下降，由空间经济聚集分布开始逐渐向空间随机分布转变。

关键词：重庆市；空间相关；经济收敛

一、引言

自1978年改革开放以来，我国经济转型和社会变迀进入了快速上升的通道，与此同时，随着中国共产党在十一届三中全会上做出了把工作的中心转移到经济建设上的重要战略决策，相应地在实践上的区域经济增长模式上也发生了转变。中国地区发展模式也由过去的平衡发展模式转移到不平衡发展模式上来，主要体现在效率导向取代公平导向得到了优先考虑。

“十四五”时期是我国全面建成小康社会、实现第一个百年奋斗目标之后，乘势而上开启全面建设社会主义现代化国家新征程、向第二个百年奋斗目标进军的第一个五年，重庆各区（县）经济良好持续的发展是引领全市经济总体平衡发展的关键动力，也是推动我国西部乃至全国区域平衡发展的重要力量。坚持重庆市各区（县）均衡协调发展，就必须面对重庆市各区（县）经济发展差距问题，而对重庆市的总体经济的增长收敛情况进行分析显然是首要的任务。

二、文献综述

现有的对中国的地区经济发展差距与趋同的研究不少都排除了区域间资本、劳动、技术知识等要素流动的空间溢出效应对区域经济收敛的冲击，在实证的研究中依然将其分析的区域当作孤立的个体，以致常常将空间观测单元在地理位置关系上产生的相互关联与相互依赖影响视而不见。关于不同空间地理位置上的相互关联与作用，不同的学科皆针对这一問题进行过比较系统地分析和阐述。

从地理空间角度出发，美国地理学家W.R.Tobler（1970）提出了地理学第一定律（TFL），“Everything is related to everything else， but near things are more related than distant things.”即是任何事物在地理空间上都是相关旳，地理上相近的事物相关性更强。显然，按照该定律区域经济增长收敛亦是同样会受到邻近区域的影响和冲击，在地理空间上呈现出空间异质性和空间依赖性。

对于此，空间计量经济学的相关理论也同时认为，一个区域空间单元上的某种经济地理现象或者某一种属性值跟邻近区域空间单元上同一经济地理现象或属性值是存在空间相关联的。基本上全部的空间数据都存在或多或少的空间依赖性或者空间自相关性的特点，正是因为区域间具有的空间依赖或空间自相关性，这突破了大多数传统统计以及计量分析必须满足的相互独立的前提条件。换句话说，即是相邻近地区之间的空间属性数据具有与时间序列相对应的空间相关（吴玉鸣 2006）。

随着空间计量经济学的发展，空间统计和空间计量经济方法也开始逐渐地运用到了传统的经济增长收敛研究之中。Rey等（1999）在经济收敛模型中通过加入空间权重矩阵来构建空间计量模型，来研究在相邻区域相互作用、相互影响的条件之下美国经济增长收敛的状况，结果发现相邻区域存在着显著的空间依赖性，地区间资金、劳动力的流动、商品流通、技术扩散等都会使得地区间尤其是相邻地区间的经济增长相互联系，空间溢出效应促进了美国经济增长的趋同。Lall等人（2001）通过将表征经济周期的时间虚拟变量与显示空间异质性的虚拟变量带入到空间固定效应模型中，对美国各个州从1969到1995年的经济收敛现象进行了研究，得出收敛的速度会受到空间异质性的影响的结论。

近些年来，随着空间数据分析方法不断发展以及在区域经济学中的运用和推广，在一些国内相关文献中也逐渐地利用到了空间计量经济学的分析方法。林光平、龙志和以及吴梅（2005）利用空间经济计量分析方法，分别运用地理邻接空间权重矩阵和经济空间权重矩阵研究了我国28个省市从1978至2002年的β-收敛情况，验证了我国省际区域经济增长存在收敛趋势且经济空间权重矩阵的收敛性更强，但总体收敛趋势正逐渐减弱；张晓旭和冯宗宪（2008）通过中国各省人均的指数以及显著性分析等方法，验证了中国人均GDP在不同地区间具有空间相关性、异质性；同时运用了三种有区别的空间计量经济收敛模型，对中国30个省的人均GDP进行了增长收敛研究，结果发现我国30个省的人均并未因地理位置的不同而改变地区经济增长的收敛趋势。

传统的经济收敛实证模型忽视区域间的相互关联、假设区域之间相互独立，显然这与现实世界中的真实情况是不相符的，例如经济在地理空间上相互聚集等现象。引入空间效应的经济收敛模型更加重视区域之间的空间依赖和空间相关性，纠正了传统收敛模型的“缺陷”，从而实证所得到的相关结论显得更加的可靠。

三、数据处理与现状分析

1、数据处理

一般情况下，对区域经济增长收敛性研究多采用人均国内生产总值（GDP）作为经济发展状况的衡量指标，同样地本文所研究内容的数据是重庆市各区（县）的人均国内生产总值（GDP）以及Shp格式的重庆市各区（县）地理空间数据底图文件。

（1）数据来源。Shp格式的重庆市县域地理空间数据底图文件（其中包括了shp、shx、dbf三个基本的文件，涉及了标识码、地理坐标、经纬度、投影信息等等）来自于国家基础地理信息系统；而重庆市各区（县）人均国内生产总值（GDP）数据则选取于《重庆市统计年鉴》以及中经网统计数据库。关于时段的选取主要基于以下三方面的原因：一是涉及到数据的可获得性。2008年以前重庆市不少县域数据或多或少存在缺失现象而且县级行政区域调整比较频繁，这样会影响到本文研究的有效性，故选取2008年及以后的重庆市各区（县）的数据；二是考虑到研究内容时间方面的即时性，本文选取的时间范围是最近的年份，从2008-2020年。

（2）数据处理。由于价格因素对本文所研究的内容关系不大，故人均GDP数据选取的仍是当年价格的指标值（因为本文研究的是地区空间的相关性，而是否使用实际人均值对研究的结果不会造成多少影响）。但是除此之外，对所获取的有关数据还需要进行适当的其他处理和调整。首先，2011年10月，重庆市撤销双桥区和大足县，设立大足区；撤销重庆市万盛区、綦江县，设立重庆市綦江区。所以2011年之前的大足区和綦江区数据为对应区域合并计算的结果。其次，各区（县）的人均数据对数化处理。将相应的数据转换为自然对数，变非线性模型转化为线性模型，这是因为大多数经济指标都是按照指数增长的，取对数后将非线性模型变为线性模型，更易于分析处理，同时取对数后还能有效克服序列的时间趋势，使序列变得平稳。

2、重庆市经济发展概况

（1）重庆市行政区划

截止到2021年，重庆市38个县（区）的行政区划具体为：“主城区”包括渝中区、大渡口区、江北区、沙坪坝区、九龙坡区、南岸区、北碚区、渝北区、巴南区，即主城九区；“都市圈”包括涪陵区、长寿区、江津区、合川区、永川区、南川区、綦江区、大足区、璧山区、铜梁区、潼南区和荣昌区；“渝东北三峡库区城镇群”包括万州区、开州区、梁平区、城口县、丰都县、垫江县、忠县、云阳县、奉节县、巫山县和巫溪县。“渝东南武陵山区城镇群”包括黔江区、武隆区、石柱土家族自治县（简称石柱县）、秀山土家族苗族自治县（简称秀山县）、酉阳土家族苗族自治县（简称酉阳县）和彭水苗族土家族自治县（简称彭水县）。

（2）重庆市各区（县）人均GDP的空间分布四分位图描述

为了进一步分析重庆市在2008-2020年间各区（县）的经济发展状况及其空间分布的变化，可以通过空间分布四分位图直观地显示出重庆市经济发展差距水平与发展趋势。利用重庆市各区（县）人均GDP数据以及Stata软件，通过软件命令显示空间分布的四分位图。

从空间分布四分位图可以发现出如下的规律：虽然经济发达的地区并没有明显变化，重庆市主城都市区仍然是整个经济区人均GDP最高的区域，主城都市区人均GDP以渝北区、渝中区、沙坪坝区、江北区、南岸区为中心向周围辐散，逐渐降低；渝东南武陵山区城镇群和渝东北三峡库区城镇群整体人均GDP排名变化不大，其中，渝东南武陵山区城镇群中黔江区发展较慢，从经济欠发达区域变成了经济落后区域，而秀山县从经济落后区域发展成了经济欠发达区域；渝东北三峡库区城镇群中城口县从经济欠发达区域降为经济落后区域，万州区从经济次发达区域变成了经济欠发达区域，而梁平区从经济欠发达区域变成了经济次发达区域。最后，无论是哪一幅重庆市各区（县）人均GDP的空间分布四分位图，从最一般的规律来看，经济发展水平具有一定的距离衰减特征。距离中心城区越远的地区，地区的人均GDP往往就会越低。

四、重庆市经济增长收敛空间计量分析

利用Stata软件，导入一阶邻接空间权重矩阵以及被解释变量（1/13）In（Yi，2020/Yi，2008）、解释变量InYi，2008，选择普通最小二乘估计（OLS）。开始运行并得出以下结果（表1）：

由表2的内容可以得知，首先模型残差Moran指数I值为0.123（大于0），在5%的显著水平上，具有一定的正向空间相关性，所以应当采用空间计量模型去分析重庆市各区（县）的经济增长收敛性。其次，关于具体空间计量模型的选取，是空间滞后模型（SLM）还是空间误差模型（SEM），需要进行相应的拉格朗日乘数（Lagrange Multiplier）检验。在表2中，Robust Lagrange multiplier（error）的值与Robust Lagrange multiplier（lag）的值比較来看，前者P值为0.03小于0.05；而后者P值为0.052大于0.05。因此Robust Lagrange multiplier（error）通过了5%水平的显著性检验，所以在分析重庆市各区（县）经济增长收敛问题时，选取空间误差模型会更加适宜一些。

即应该选择的合适的空间计量收敛模型为：

Stata计算结果如下（表2）：

从表3空间误差收敛模型（SEM）的参数估计结果中可以知道一些事实：首先，与传统标准的绝对收敛模型相比较，其绝对值还是有比较大的下降，但回归系数仍然为一个负值，这就说明了在距离束关系空间权重矩阵下的空间误差效应仍然没有改变收敛方向，相邻近地区的空间滞后效应只是减弱了重庆市各区（县）经济增长收敛的速度。重庆市各区（县）的地区间差异和不平衡性正在逐渐缩小，但收敛速度却逐年依次递减。这也表明了重庆市各区（县）经济趋于收敛的过程还是相当的缓慢，两极分化的发展现状还将持续，区域经济平衡协调发展的任务仍然十分艰巨。

五、结论

本文从重庆市各区（县）的空间相关性分析入手，将空间项引入到传统的标准新古典经济增长收敛模型中，研究该区域内相互之间的经济增长空间收敛现象。从数据变量选取到模型建立分析、从矩阵选择到空间相关性分析、从收敛模型的选择再到收敛结果的实证分析，至少可以得到如下结论：第一，从2008年到2020年这段时期，重庆市各区（县）之间经济发展（以人均GDP为衡量指标）一直存在着显著的正向空间相关性，但是这种正向空间效应却在逐渐趋弱。第二，从局部空间相关及空间聚集结构研究分析的结果可知，2008-2020年重庆市各区（县）存在明显的空间聚集结构，以重庆市主城都市区及其周围邻近地区为高高聚集分布而在远离主城都市区的两群地区则呈低低聚集分布。同时，随着时间推进空间聚集程度不断下降，由空间经济聚集分布开始逐渐向空间随机分布转变。无疑这种经济发展的不平衡现状削弱了重庆市进一步前进的动力，发展不平衡不充分问题必须高度重视、切实解决。所以如何有效地推进区域经济平衡协调发展是重庆市未来不得不解决的重要课题。

参考文献：

[1]TOBLER W.A computer movie simulating urban growth in the Detroit region[J].Economic Geography，1970，46（2）.

[2]吴玉鸣，空间计量经济模型在省域研发与创新中的应用研究.数量经济技术经济研究，2006（5）

[3]Sergio J.REY and Brett D，Montouri. WS Regional Income Convergence： A Spatial Econometric Perspective[J].Regional Studies， Vol.33，1999.

[4]Lall S V，Yilmaz S. Regional economic convergence： Do policy instruments make a difference？ [J]. The annals of regional science，2011，35（1）.

[5]林光平，龙志和，吴梅我国地区经济收敛的空间计量实证分析：1978-2002年.经济学（季刊），2005（4）.

[6]张晓旭，冯宗宪.中国人均GDP的空间相关与地区收敛：1978—2003[J].经济学（季刊），2008（02）：399-414.