我国省域经济发展方式转变的空间关联模式研究

丁 刚，陈阿凤

（福州大学 公共管理学院，福建 福州 350108）

一、引 言

改革开放以来，我国经济发展业已取得显著成就，但经济结构不合理、经济增长质量不高的问题依然存在，区域经济协调发展等目标仍未真正实现。在此背景下，我国提出把加快经济发展方式转变作为推动科学发展的战略抉择，同时亦提出要以缩小区域发展差距和优化生产力布局为重点，促进区域间生产要素合理流动和梯度转移。上述政策目标的实现，无疑有赖于对我国区域经济发展方式转变的空间关联模式的清晰认知。

空间关联(spatial association)是地理空间现象和空间过程的本质特征，也是现实世界存在秩序、格局和多样性的根本原因之一[1]。截至目前，国内外学者针对区域经济空间经济关联模式的分析与识别问题已进行了若干有益的探索。Cliff（1981）[2]、Griffith （1988）[3]、Anselin （1988）[4]、Getis 和Ord（1992）[5]等国外学者在此领域做出了重要贡献。我国学者陈斐（2008）运用空间统计分析与空间计量经济学的研究方法，以区域经济发展空间关联分析为研究主线，探讨了空间经济分析的基本内涵，并以新疆、江西两省为例，对其不同时段各县市之间潜在的空间经济关联模式进行了系统分析[6]。黄晓峰（2007）亦采用ESDA方法分析了福建区域经济增长的空间关联模式，结果证实福建区域经济存在显著的空间集聚现象，且集聚程度在空间溢出效应的影响下日益增强[7]等。相关研究呈现出鲜明的方法论特点：逐渐强调GIS技术的引入，ESDA(Exploratory Spatial Data Analysis，探索性空间数据分析)与空间计量经济分析方法的应用，但以区域经济发展方式转变的空间关联模式为目标的相关研究尚属鲜见。

对于区域经济发展方式转变现状水平的客观评价是其空间关联模式分析的基础。目前可用于经济发展方式转变水平评价的方法主要有两种，一是单一指标法，一般选取TFP(Total Factor Productivity，全要素生产率）这一指标，以传统的C-D生产函数为基础，以技术进步为视角，通过计算“索洛余值”得到TFP的增长情形及其贡献，并以此来反映经济发展方式的转变现状。具体思路：用TFP代表科技进步水平，通过目前常用的科技进步对经济增长的贡献率评价经济发展方式转变状况，当贡献率高于70%称为高度集约型，50%以上称为集约型，30%～50%称为准集约型，低于30%时称为粗放型。如，宗兆礼（2006）[8]、邱竞（2008）[9]分别采用这一方法对山东及北京改革开放以来经济增长方式的转变情形进行了实证研究；马强文等（2010）则采用非参数的基于DEA的Malmquist指数方法，经由TFP的计算及分解对我国经济发展方式转变的绩效进行了评价[10]。二是多指标综合评价法，即依据经济发展方式转变的影响因素，建立综合指标体系，对其进行综合评价。如，吴旭晓等（2010）则构建了包括经济、科技创新、社会、环境等四个层面的综合指标体系，对上海2000—2008年的经济发展方式转变水平进行了评价[11]；丁刚（2010）等亦从经济结构、经济效益、技术进步和资源节约等层面入手选择了16个评价指标，以福建省内9个设区市为评价单元,运用熵值法考察了其经济发展方式转变的现状水平和空间差异[12]。

然而，就单一指标法和多指标综合评价法在以往研究中的应用而言，均存在不足之处。前者仅通过TFP的测算来反映经济发展方式转变的现状水平，未免不够全面；后者在实际构建综合评价指标体系时几乎均未将单一指标法所采用的TFP指标纳入，且多采用主观赋权法对指标权重加以设定，因而导致评价过程的科学性、完备性及客观性受到严重影响。

考虑到经济发展方式转变的内涵颇为宽泛，因而本研究认为对我国区域经济发展方式转变的现状水平进行评价时，应采用综合指标法，建立综合评价指标体系对其进行评价，同时考虑到TFP指标的重要性，亦应将其纳入评价指标体系之内。本研究的目的在于，充分发挥单一指标法和多指标综合评价法联合使用的长处，在运用单一指标法构建面板数据模型对TFP及其贡献率进行测算的基础上，较为全面地构建出一套含有TFP和TFP贡献率指标的用于我国区域经济发展方式转变现状评价的指标体系，通过因子分析法和ESDA方法的运用对全国各省域经济发展方式转变的现状水平进行综合评价，并就其空间关联模式进行尝试性的探讨分析，以为进一步提出统筹提升省域经济发展方式转变的长效机制和对策建议提供理论和现实依据。

二、基于单一指标法的TFP测算分析

（一）样本数据的选择及处理

本研究构造了一个1979至2010年的全国各省域面板数据表，匮于数据的可得性，样本空间不包括海南、重庆和西藏，从时间跨度看符合面板数据模型对于样本容量的要求。所选择的数据主要包括以下几类：

（1）各省域历年产出水平数据。本研究以实际国内生产总值（GDP）表征各省域的产出水平，通过各年度《中国统计年鉴》《新中国55年统计资料汇编》以及中经网，分别得到1979年至2010年间各省域历年的名义GDP，并将其统一折算为以1978年不变价格表示的实际GDP。

（2）各省域历年劳动力数据。本研究选择各年年末从业人员数表征生产函数中劳动力要素的投入数量。根据各年度《中国统计年鉴》《新中国55年统计资料汇编》以及中经网，可以分别得到1979年至2010年间各省区历年从业人员数。

（3）各省域历年固定资本存量数据。本研究所界定的固定资本存量由两部分组成：固定资本初始存量和新增固定资本投资量。初始存量的获得引用了邹至庄先生（Chow，1993）[13]对我国资本形成总额的核算结果。在对历年新增固定资本投资额进行测算时，1979至1999年的投资额通过刘明兴核算的固定资本投资平减指数①计算得到，2000年至2010年的指数则源于中经网数据库②。

（二）模型建构过程

本研究运用面板数据模型进行分析，采用索洛剩余的方式计算TFP对经济增长的贡献。

根据柯布—道格拉斯生产函数，假定各省域的生产函数满足如下形式：

式中，Yit为i省域t年的国内生产总值， A（t)为综合技术水平，Lit为i省域t年投入的劳动力，Kit为i省域t年投入的资本，α为劳动力产出的弹性系数，β为资本产出的弹性系数，μ则表示随机干扰的影响，μ≤1。

对（1）式两边取对数，则有：

依此，可进行线性回归计算。本研究利用面板数据模型来计算资本的产出弹性（β）和劳动力的产出弹性（α），以测算出全要素生产率，其计算公式如下：

在回归过程中，要考虑样本数据是否平稳，即是否有单位根。只有样本数据的单整阶数相同，才能代入回归方程。本研究所涉及到的产出、资本和劳动力变量，分别以地区生产总值（GDP）、固定资本存量（K）、劳动力（L）表示。

在进行全要素生产率测算之前，首先应对样本数据进行面板单位根检验，以检验其平稳性。本研究主要运用Eviews6.0软件完成实际检验过程。

通常可采用两种类型的方法对面板数据进行单位根检验，一种类型为相同根情形下的单位根检验，主要有LLC检验(Levin，Lin&Chut)、Hadri检 验 和 Breitung 检验(Breitung t-stat)等；另一种类型是不同情形下的单位根检验，主要有Im．Pesaran．Shin检验(Im，Pesaran and ShinW-stat)、Fish⁃er-PP(PP-Fisher Chi-square)检验和 Fisher-ADF 检验(ADF·Fisher Chi-square)等。实际检验结果显示，上述检验方法均难以拒绝LOG(Y)、LOG(K)、LOG(L)水平序列存在一阶单位根的原假设，故而可认为所选时间序列数据存在一阶单位根。

一般而言，有三种面板数据模型形式可供选择：混合估计模型（Pooled Regression Model）、固定效应模型（Fixed Ef⁃fects Regression Model）及随机效应模型（Random Effects Re⁃gression Model）。实际检验结果显示，应建立固定效应模型。该模型通常有两种备择形式：个体固定效应模型和个体时点双固定效应模型。通过本研究拟合效果的比较，不难发现个体时点双固定效应模型显然要优于个体固定效应模型，其R2及调整后R2值和F统计量均在数值上高于后者，回归的标准误、残差的平方和以及SC值和AIC值均低于后者，具体如表1所示。

综上所述，本文决定采用个体时点双固定模型回归。回归结果显示：劳动力的产出弹性α=0.170383，资本的产出弹性β=0.421716。在此基础上，根据式（3）即可实现对各省域TFP的计算，在此基础上可进一步计算出其贡献率。

表1 个体固定效应模型和个体时点双固定效应模型的拟合效果对比

三、基于多指标综合评价法的省域经济发展方式转变水平评价

（一）评价指标体系的基本框架

经济发展方式转变是一项艰巨的系统工程，其复杂性不言而喻。同单一指标法相比，多指标综合评价法由于在评价时选择了更为完备的指标体系而非单个指标，其评价结果显然更为科学并具说服力。在前述分析的基础上，为更好实现对福建省经济发展方式转变现状的客观全面的认识，本研究拟运用多指标综合评价法，建立综合指标体系，对其进行综合评价。指标体系主要从经济发展所涵盖的经济结构、经济发展效益、技术进步、资源节约等四个操作性比较强的层面构建。其中，经济结构层面选取了八个指标：非农产业产值占GDP比重、固定资产投资额占GDP比重、消费率、投资率、城乡消费水平对比、城镇人口比重、非农产业就业人员比重和外贸依存度；经济发展效益层面选取了七个指标：人均GDP、城镇居民人均可支配收入、农村居民人均可支配收入、固定资产投资效果系数、人均受教育年限、每千人口拥有医生数和失业率；技术进步层面选取了五个指标：TFP、TFP的贡献率、高新技术产值占GDP比重、R&D经费投入强度和每十万人口专利申请数；而资源节约层面则选取了单位地区生产总值能耗、单位地区生产总值电耗、单位工业增加值能耗、人均用水量、万元GDP用水量、万元GDP建设用地面积、工业固体废物综合利用率、工业废水排放达标率、工业SO2排放达标率和生活垃圾无害化处理率等十个指标。

上述指标中，TFP、TFP的贡献率可经前文计算得到，其余指标则来自于《中国统计年鉴2011》及各省统计年鉴和《中国国家统计局专题统计数据之环境统计数据》。评价方法则选用常用的客观赋权法——因子分析法。

（二）评价过程简介

由于原始指标涉及指标较多，本研究拟用因子分析法将其转变为较少的几个综合指标，运用统计分析软件SPSS对相关数据进行测算（样本数据都进行了正向化处理并实施标准化变换）。运用SPSS进行的因子分析结果显示，经varimax（方差最大法）旋转后前6个因子的方差累计贡献率为85.514%，大于85%，结果较为理想，具体见表2。其中Z1、Z2、Z3、Z4、Z5、Z6分别代表第一至第六个因子，它们的方差贡献率分别为34.40%、18.31%、10.51%、8.92%、8.55%、4.80%，特征值均大于1。故可将这六个因子确定为所需要提取的六个公共因子，由此可以写出综合因子Z综的评价公式：

为对综合评价结果进行更为直观的说明，本文按综合因子得分Z综对全国各省域用层次聚类分析法进行了聚类，结果显示，属于第一类地区的有北京和上海，其经济发展方式转变的现状最好；属于第二类地区的有天津、江苏、浙江，其经济发展方式转变的现状较好；属于第三类地区的有山东、福建、辽宁、广东，其经济发展方式转变的现状一般；属于第四类地区的有河北、内蒙古、吉林、湖南、江西、河南、四川、陕西、安徽、山西、黑龙江和湖北，其经济发展方式转变的现状较差；属于第五类地区的有广西、甘肃、青海、宁夏、新疆、云南、贵州，其经济发展方式转变的现状最差。为对我国省域经济发展方式转变综合得分的空间关联模式进行识别和探析，本研究拟运用ESDA方法达成研究目的。实际分析时，运用了ESDA方法中常用的LISA（local In⁃dicators of Spatial Association，局部空间关联）分析法[14]。

表2 全国各省域因子得分结果

三、基于LISA分析的省域经济发展方式转变空间关联模式探析

通过LISA分析可将区域经济活动的空间关联模式划分为四种类型：high-high（高发展水平-高空间滞后型）、highlow（高发展水平-低空间滞后）型、low-high（低发展水平-高空间滞后型）和low-low（低发展水平-低空间滞后型）。在本例中，我国各省域的经济发展方式转变空间关联模式亦可能表现为上述四种类型：（1）high-high，此类型的省域同其周边相邻省域的经济发展方式转变水平均较高，且显著正相关；（2）low-high，此类型的省域经济发展方式转变水平较低，且同其周边相邻省域呈现出显著负相关的关联特征；（3）high-low，此类型的省域经济发展方式转变水平较高，且同其周边相邻省域呈现出显著负相关的关联特征；（4）low-low，此类型的省域同其周边相邻省域的经济发展方式转变水平均较低，且显著正相关。上述四种空间关联模式在实际分析中通常不会完全显现，具体分析时究竟会得到几种空间关联模式，尚需通过LISA分析得到验证。

在进行LISA分析前，需首先对空间权重矩阵W进行确定。本文选择常用的一阶邻近矩阵对其加以测算。基于GEODA软件对于省域经济发展方式转变综合得分的LISA分析结果显示，我国省域经济发展方式转变的空间关联模式呈现出三种类型：high-high型、low-high型和low-low型。具体而言，呈现出high-high型特征的省域仅有一个即江苏，该省域同其周边相邻省域的经济发展方式转变水平均较高，且显著正相关，彼此间呈现出空间同质性，可视为目前全国范围内经济发展方式转变的“高地”；呈现出low-high型特征的省域亦仅有一个即河北，该省域经济发展方式转变水平较低，且同其周边相邻省域呈现出显著负相关的关联特征，彼此间呈现出空间异质性且经济发展方式转变水平的差异较大；呈现出low-low型特征的省域有4个，为甘肃、青海、四川和新疆，上述4省域同其周边相邻省域的经济发展方式转变水平均较低，且显著正相关，彼此间呈现出空间同质性，已成为目前全国范围内经济发展方式转变的“洼地”。其中江苏、河北两省的空间关联模式通过了5%的显著性水平检验，甘肃、青海、四川和新疆四省通过了1%的显著性水平检验。除上述6省外，全国范围内其余省域同其周边相邻省域的空间关联均不显著，未通过5%的显著性水平检验，因而未能呈现出较明确的空间关联模式。

通过上述空间关联模式分析不难发现，全国范围内呈现出经济发展方式转变low-low型关联特征的省域有4个，而high-high类型关联特征的省域数量仅为1个，说明当前我国省域经济发展方式转变空间格局中的“高地”效应和“洼地”效应已开始初步显现。主要表现为局域高值的江苏及其周边省域已成为转变水平较高的“高地”和局域低值的甘肃、青海、四川和新疆及其周边省域已成为转变水平较低的“洼地”，但因当前我国省域经济发展方式转变空间格局中“高地”的扩散和辐射带动作用甚为薄弱，经济发展方式转变的“洼地”特征较难打破。

四、结 论

本文从我国省域经济发展方式转变的空间关联模式的探析视角出发，在运用面板数据模型对各省域的TFP及其贡献率进行测算的基础上，较为全面地构建出一套含有TFP和TFP贡献率指标的用于我国省域经济发展方式转变水平评价的指标体系，并通过因子分析法对各省域经济发展方式转变的现状水平进行了综合评价，运用ESDA方法，基于LISA分析就其空间关联模式的类型进行了尝试性的探讨分析。研究结果表明：

（1）我国各省域的经济发展方式转变现状水平存在较大差异，不均衡态势十分突出。其中，属于第一类地区的有北京和上海，其经济发展方式转变的现状最好；属于第二类地区的有天津、江苏、浙江，其经济发展方式转变的现状较好；属于第三类地区的有山东、福建、辽宁、广东，其经济发展方式转变的现状一般；属于第四类地区的有河北、内蒙古、吉林、湖南、江西、河南、四川、陕西、安徽、山西、黑龙江和湖北，其经济发展方式转变的现状较差；属于第五类地区的有广西、甘肃、青海、宁夏、新疆、云南、贵州，其经济发展方式转变的现状水平最不理想。

（2）我国省域经济发展方式转变的空间关联模式呈现出三种类型：high-high型、low–high型和low-low型。我国省域经济发展方式转变空间格局中的“高地”效应和“洼地”效应已开始初步显现。主要表现为局域高值的江苏及其周边省域已成为转变水平较高的“高地”和局域低值的甘肃、青海、四川和新疆及其周边省域已成为转变水平较低的“洼地”，且由于当前“高地”效应甚为薄弱，“高地”的扩散和辐射带动作用尚难以充分发挥，经济发展方式转变的“洼地”特征较难打破。

由此可见，在现阶段统筹省域经济发展方式转变的工作进程中，应因地制宜，根据我国不同地区的现状水平及各自特点制定相应的应对方案。从全国范围来看，由于以甘肃、青海、四川和新疆及其周边省域为代表的西部地区已成为转变水平较低的“洼地”，故应考虑将这些地区作为当前工作中的重中之重来区别对待。同时，应以若干优势区域为基础大力推进我国省域经济发展方式转变空间格局中的“高地”建设，以区域合作为抓手，充分发挥其辐射作用和空间溢出效应，以带动周边相对落后地区的转变工作进展。

［注 释］

① 资料来源：北京大学中国经济研究中心网站经济发展论坛。

② 资料来源：中经网数据库。

［1］闾国年.《GIS空间关联模式发现》评述［J］.地理学报，2007，62（4）：2.

［2］Cliff A D，Ord J K.Spatial Processes：Models and Applica⁃tions［M］.London：Pion，1981：86-87.

［3］Griffith D A.Advanced Spatial Statistics［M］.Dordrecht：Klu⁃wer Academic，1988.

［4］Anselin L.Spatial Econometrics：Methods and Models［M］.Dordrecht：KluwerAcademic，1988：1-13.

［5］Getis A，Ord J K.The Analysis of Spatial Association by the Use of Distance Statistics［J］.Geographical Analysis，1992，24：189-206.

［6］陈斐.区域空间经济关联模式分析：理论与实证研究［M］.北京：中国社会科学出版社，2008：104-221．

［7］黄晓峰.区域经济空间集聚及其溢出效应研究——以福建省为例［D］.福建：福建师范大学，2007：30-41.

［8］宗兆礼.山东省经济增长方式实证研究［J］.山东社会科学，2006，（7）：110-114.

［9］邱竞.北京经济增长方式转变研究——基于增长约束的分析［D］.北京：中国人民大学，2008：46-78.

［10］马强文，任保平.中国经济发展方式转变的绩效评价及影响因素研究［J］.经济学家，2010，（11）：58-65.

［11］吴旭晓，许正中.基于复杂系统视角的经济发展方式转型评价研究——以上海市为例［J］.华东经济管理，2010，（9）：1-6.

［12］丁刚，金少芸，黄志强.基于熵值法的福建省经济发展方式转变空间差异研究［J］.长春工程学院学报（社会科学版），2010，（3）：35-38.

［13］Chow Gregory C.Capital Formation and Economic Growth in China［J］.Quarterly Journal of Economics，1993，108（3）：809-842.

［14］Anselin L.Exploratory spatial data analysis and geographic information systems［M］//Painho M．New Tools for Spatial Analysis．Luxembourg：Eurostat，1994.