我国生产性服务业空间效应研究_基于SLM_SEM模型的实证_王雪瑞

中央财经大学学报
2012 年第 4 期
进行修正，从而得到更有效的估计系数。 （ 一） Moran 指数 在利用空间计量经济模型对我国生产性服务业进行估计和检验之前 ， 首先利用 Moran 指数进行变量 的空间相关性检验。Moran 指数定义如下：
n n
Moran＇I =
∑ ∑ W ij（ Yi i=1 j=1
{
1 ，域 i 和域 j 相；
中央财经大学学报
2012 年第 4 期
计。本文用极大似然法估计 SLM 和 SEM 的参数。 四、实证分析 （ 一） 数据的选取 本文利用我国 31 个省市自治区 2000 —2009 年的数据进行实证检验。 因变量为生产性服务业增加值 对数 （ lny） ，自变量为工业总产值对数 （ lnx） 和人口密度 （ 人 / 平方公里） 对数值 （ lnp） 。 为消除通胀因素和异常因素的影响， 将生产性服务业增加值、 工业总产值数据换算为 2000 年不 变价。 （ 二） Moran 指数检验 本文使用第一阶和第二阶邻接矩 阵以及距离矩阵的全域 Moran 指数检
68
中央财经大学学报
2012 年第 4 期
3． 生产性服务业与制造业共存共进 ，共同促进经济增长方式转变 在国民经济生态群落中，制造业的社会分工、服务外包、产业链的衍生是生产性服务业产生的主要 原因。制造业自身的升级所要求的大量知识投入 ，拉动了生产性服务业的发展，而生产性服务业通过知 识投入促进了制造业竞争力的提升 。因此，制造业与生产性服务业是相辅相成 ，相互促进的。 此外，制造业亚群落和生产性服务业亚群落之间是相互交融的。制造业亚群落为生产性服务业提供了 生存的环境： 其一，生产性服务业是从制造业中衍生出来的； 其二，制造业亚群落是生产性服务业亚群落 的主导消费者。另一方面，生产性服务业亚群落又为制造业亚群落提供营养和赖以升级的丰富知识流。 二、我国生产性服务业空间发展影响因素 （ 一） 地理位置 一般地，生产性服务业较发达的国家、地区，大多具备较为有利的地理位置和较为便利的水陆空交 通设施作基础，具有较大的区位优势，生产性服务业的产业集聚效应较为明显 。 交通运输、仓储及邮电通信业需要发达的基础设施作为支撑 ，同时，这些行业也是物流业的重要载 体。作为一种聚合型的生产性服务业 ，物流业能引导和组织生产、传递信息且有利于资源的优化配置的 实现。这些资源 （ 即物流资源， 包括运输、 仓储、 装卸、 搬运、 包装、 流通加工、 配送、 信息平台等 ） 的产业化就形成了运输业、仓储业、装卸业、包装业、加工配送业、物流信息业等重要行业。 这些产业 化的物流资源通过整合，在更大程度上推进了生产性服务业的发展 。 （ 二） 经济水平 一个国家或地区的产业特别是服务业的快速发展 ，需要较高的经济水平作为依托。 经济水平的高低 可通过该国家或地区 GDP 的大小来衡量，而人均 GDP 不仅仅能更精确地显示该地区的经济水平， 还能 用以比较社会其他行业对生产性服务业企业的购买力 。 金融业是现代经济的核心组成部分 ，它不仅能为经济的增长贡献增加值，其发展水平还影响到各种 经济资源，特别是资本的形成效率和配置效率 。在股份制银行的创办、商业银行的引进、 金融监管的改 革与完善等方面为金融服务创新活动积累了实践经验之后 ，我国对财税、投资、信贷等政策的合理规划 与正确引导，为生产性服务业的发展注入了新的活力 ，使生产性服务业向产业化、市场化、 信息化和国 际化的方向稳健发展。 （ 三） 分工程度 随着专业化分工程度的不断深化 ，技术不断发展进步。技术进步引起的报酬递增使得社会分工的进 一步细化更加依赖于市场范围的扩大 。分工既是经济发展的原因又是其进步的结果 ，这个因果累积的过 程所体现的就是报酬递增机制。因此，专业化分工程度的高低，从不同程度上促进了人流、 物流、 信息 流的集中，优化了投资结构和产业的布局，为生产性服务业的集聚效应奠定基础 。同时， 专业化分工的 不断发展也推进了城镇化进程，加快了城乡一体化的进程，拓宽了生产性服务业的发展空间。 这就使得 城镇建设与城郊建设相结合，凸显了城镇的辐射力和影响力。 （ 四） 技术进步 生产性服务业对科学技术的需求已渗透到行业的各个环节，科学技术的支持深入到行业发展的各个阶 段。一般来说，科技是推动各行各业发展的关键因素之一，生产性服务业也不例外。企业科学技术水平的 提升，不仅仅能减少生产性服务业企业从外部购买技术的成本，同时也能从内部提高企业整体的竞争力。 三、空间计量模型的建立 在现实中，观测值与区位之间常表现出一致性 ，即空间依赖性。空间依赖意味着观测值由于某种空 间作用而在地理上集聚，这些不同聚集点的作用具有溢出效应以及在贸易 、传播或其他社会经济的交互 作用。由于传统的回归方法是假定在空间事物无关联及存在空间均质之上的 ，因此，利用忽视空间效应 的普通最小二乘法进行模型估计 ，将存在模型的设定偏差问题。空间计量经济模型可以很好地解决这一 问题，其基本思想是将地区或机构间的相互关系引入模型 ，通过一个空间权重矩阵对基本线性回归模型 69
n
－ Y） （ Y j － Y）
n
－
－
（ 1）
S
n n
2
∑ ∑ W ij i=1 j=1
S2 = 其中，
－ － 1 1 （ Y i － Y） ， Y = ∑ Yi ， Y i 表示第 i 地区的观测值； n 为地区总数； W ij 为二进制的邻接 ∑ n i=1 n i=1
空间权值矩阵，表示其中的任一元素，采用邻接标准或距离标准，其目的是定义空间对象的相互邻接关 系。一般邻接标准的 W ij 为： （ 2） 0 ，其它。 i = 1 ，2 ，Λ，n； j = 1 ，2 ，Λ，m； m = n 或 m ≠ n 。 式中， Moran 指数可看作各地区观测值的乘积和 ，其取值范围为 － 1 Moran＇I 1 。当目标区域数据 （ 生 产性服务业增加值） 在空间区位上相似的同时也有相似的属性值时 ， 空间模式整体上就显示出正的空间 W ij = 自相关性； 而当在空间上邻接的目标区域数据不同寻常地具有不相似的属性值时 ，就呈现为负的空间自 相关性； 零空间自相关性出现在当属性值的分布与区位数据的分布相互独立时 。 对应空间自相关或空间不均匀性 ，空间计量经济模型主要包括空间滞后模型与空间误差模型两种 。 （ 二） 空间滞后模型 空间滞后模型 （ Spatial Lag Model，SLM） 用以考察变量在地区是否有扩散现象 （ 溢出效应 ） ， 其表 达式为： Y = ρWY + X β + ε （ 3） 式中，Y 为因变量，即扩散程度； X 为 n × k 阶的外生解释变量矩阵； ρ 为空间回归系数， 反映了样 本观测值中的空间依赖作用，即相邻区域的观测值 WY 对本地区观测值 Y 的影响方向和程度。 W 为 n × n 阶的空间权值矩阵，对于模型而言，权重矩阵 W 的元素是非随机的、 外生的， 可基于一个距离衰减函 数、社会网络结构、经济距离、 k 个最邻近、 经验流量矩阵等确定， 最常用的是邻接矩阵 （ Contiguity Matrix） 和距离矩阵确定。WY 为空间滞后因变量； ε 为随机误差项向量。 参数 β 反映了自变量 X 对因变 量 Y 的影响，空间滞后因变量 WY 是一内生变量，反映了空间距离对因变量的作用 。由于 SLM 模型与时 间序列中自回归模型相类似，因此 SLM 也被称作空间自回归模型 （ Spatial Autoregressive Model，SAR） 。 （ 三） 空间误差模型 空间误差模型 （ Spatial Error Model，SEM） 的数学表达式为： y = Xβ + ε （ 4） ε = λWε + μ 式中， ε 为随机误差项向量， λ 为 n × 1 阶的截面因变量向量的空间误差系数 ，为正态分布的随机误差 向量。SEM 中参数 β 反映了自变量 X 对因变量 Y 的影响。参数 λ 衡量了样本观察值中的空间依赖作用， 即相邻地区的观察值 Y 对本地区观察值 Y 的影响方向和程度，存在于扰动误差项之中的空间依赖作用度 量了邻接地区关于因变量的误差冲击对本地区观察值的影响程度 。由于 SEM 模型与时间序列中的序列相 关问题类似，也被称为空间自相关模型 （ Spatial Autocorrelation Model，SAC ） 。 对于上述两种模型的估计如果仍采用最小二乘法 （ OLS） ，系数估计值会有偏或者无效。因此， 需要 通过工具变量法 （ IV） 、极大似然法 （ ML） 或广义最小二乘估计 （ GLS） 等其他方法来进行更科学的估 70
1
WANG Xue－rui 北京 100081
GE Bin－hua 2. 内蒙古财经学院 呼和浩特 010070 ）
ห้องสมุดไป่ตู้
［ 摘 要］ 生产性服务业对我国经济发展起着至关重要的作用。 目前， 该产业已成为我国经济结构 调整、产业优化升级的主要瓶颈之一。本文在分析我国生产性服务业空间发展的动因及其影响因素的基 础上，进行了 Moran 指数检验，运用 SLM 模型和 SEM 模型对我国生产性服务业空间效应进行了实证研 究，并将研究结果与 OLS 模型和面板模型的结果进行了比较。 结果表明， 考虑了空间因素的 SEM 模型 具有更优的估计效果。最后，本文从有序推进产业转移和推进生产性服务业聚集发展两个方面 ， 给出针 对我国生产性服务业发展的政策建议 。 ［ 关键词］ 空间计量模型
中央财经大学学报
2012 年第 4 期
我国生产性服务业空间效应研究
— — — 基于 SLM、 SEM 模型的实证 China Producer Services Spatial Effect Study — — — Based on SLM and SEM
王雪瑞
（ 1． 中央财经大学 1， 2
※
葛斌华
收稿日期： 2012－02－16 作者简介： 王雪瑞，男，内蒙古人，中央财经大学统计学院博士研究生，主要研究方向： 计量经济理论与方法； 葛斌华，男，北京 市人，中央财经大学应用数学教授，博士生导师，主要研究方向： 数量经济学。 ※ 本文系国家自然科学基金项目 （ 71163024 ） 、内蒙古自然科学基金项目 （ 2011MS1011 ） 、 内蒙古哲学社会科学规划项目 （ 2011C044 ） 之阶段性成果。