我国31个省份空间权重矩阵
中国非农就业与农业绿色全要素生产率--考虑粮食耕种收机械总动力及污染排放的研究
中国非农就业与农业绿色全要素生产率——考虑粮食耕种收机械总动力及污染排放的研究蔡梦雨】，柴佳慧2,张雨萌3（1.南京财经大学粮食和物资学院，江苏南京210003；2.河海大学公共管理学院，江苏南京211100；3.南京林业大学经济管理学院，江苏南京210037）摘要：选用中国大陆31个省（自治区、直辖市）2000~2018年的面板数据，考虑粮食耕种收机械总动力及污染排放，采用SBM-ML指数法测算各省份农业绿色全要素生产率，并运用空间计量模型分析了非农就业对农业绿色全要素生产率的影响。
研究发现:非农就业、产业结构对于农业绿色全要素生产率增长存在正向影响，化肥施用对农业绿色全要素生产率的增长存在负向影响。
因此，国家应促进非农就业，优化产业结构，实现农业绿色发展。
关键词：非农就业;农业绿色全要素生产率；空间杜宾模型中图分类号:F323文献标识码:A文章编号：1008-4428（2021）33-0004-05Non—agTiculluial employ mch I&agTiculluial grrrn[olal^aclo^produclivil\gT（）\\山in China——A study on the mechanical power and pollution emission of grain harvesterCai Mengyu1,Chai Jiahui2,Zhang Yumeng3（1.Institute of Food and Strategic Reserves,Nanjing University of Finance&Economics,Nanjing,Jiangsu,210003；2.School of Public Administration,Hohai University,Nanjing,Jiangsu,211100；3.School of Economics and Management,Nanjing Forestry University,Nanjing,Jiangsu,210037）Abstract:This paper selects panel data of31provinces in Chinese mainland for2000to2018,considers the mechanical power and pollution emissions of grain harvester,calculates the total factor productivity of grain in different provinces by SBM-ML index method,and analyzes the influence of non-agricultural employment on agricultural green total factor productivity by spatial econometric model.The results show that non-agricultural employment and industrial structure have a positive impact on the growth of agricultural green total factor productivity,while chemical fertilizer application has a negative impact on the growth of agricultural green total factor productivity.There-fore,the state should promote non-agricultural employment,optimize the industrial structure and realize the green development of agriculture.Key words:non-agricultural employment；agricultural green total factor productivity；spatial Durbin model—、弓I言中国如今处于农村人口普遍非农就业的时代背景下，农业从业人口大量减少,在劳动力投入下降的同时保持产量丰收,势必会加大机械化投入、高产良种、农药化肥等新型农业技术的投入。
面板空间计量之Stata应用
面板空间计量之Stata应用：学习笔记【同舟共济】更新于2016年4月20日说明目前，在空间计量方面，Stata官方命令语句数量有限且较为零散，尚未形成系统的空间计量工具包。
因此，个人建议空间计量的初学者转向Matlab软件，James P. LeSage、J. P. Elhorst、Donald J. Lacombe等学者所开发的空间计量工具包，其功能相对更加完善，操作起来也比较方便。
本人已经习惯了使用stata，初次自学空间计量方面的操作，参考help文件及相关文献，在学习过程中做了简要总结，仅供初学者交流学习。
其中若有不当之处，敬请批评指正，谢谢！E-mail: ares0825@【Stata】Abd Elmessih Shehata （Econpapers）URL: /RAS/psh494.htmFederico Belotti （Econpapers）URL: /RAS/pbe427.htmP. Wilner Jeanty （Econpapers）URL：/RAS/pje95.htmMaurizio PisatiURL：/people/maurizio-pisatiYihua Yu （Econpapers）URL：/RAS/pyu79.htm目录第一章Stata空间计量命令语句安装 1 第二章中国31省市自治区（不含港澳台、附属岛屿）shp制作 3 第三章Stata空间权重制作8 第四章Stata 空间相关性检验27 第五章Stata 空间面板数据回归39面板空间计量之Stata应用：学习笔记第一章Stata空间计量命令包安装更新于2016-03-151.空间计量-Stata命令包Archive of user-written Stata packagesURL: /statistics/stata-blog/stata-programming/ssc_stata_package_list.php图1 Stata用户自拟命令语句列表另外，在IDEAS（URL: https:///）中可以查询相关命令，顺便推荐几个论坛，大家可以经常逛逛：Stata官方论坛URL: /UCLA-Idre论坛URL: /stat/stata/Stata Daily URL: /index/2.安装单击图1左侧红色框内命令名称，即可下载对应的压缩包，安装过程参考非官方命令手动安装说明（URL：/thread-2420580-1-1.html）；单击图1右侧蓝色框内的各命令所对应的描述性语句，即可看到该命令的详细说明及应用举例。
我国区域经济β-趋同的空间计量分析
第29卷 第2期 广东海洋大学学报V ol.29 No.22009年4月 Journal of Guangdong Ocean University Apr. 2009收稿日期：2008-01-20第一作者：肖灿夫，男，1964年生，博士，主要研究方向为经济增长。
我国区域经济β-趋同的空间计量分析肖灿夫1，李江涛2，张昌霖3（1. 广东海洋大学经济管理学院，广东 湛江 524088；2. 广东技术师范学院会计学院，广东 广州 510275；3. 唐山学院，河北 唐山 063000）摘 要：运用Moran ’s I指数检验了我国各省区人均GDP的空间相关性，结果表明，我国各省区的人均GDP存在显著的正空间相关，而传统的趋同检验方法未能消除异方差和自相关的影响。
选用能消除异方差和自相关的空间计量模型对我国省际条件β-趋同进行检验，结果表明，我国各省区间存在条件β-趋同，趋同速度大约为2.05%，高于传统趋同经验研究得到的2%趋同速度。
关键词：区域经济；β-趋同；空间计量中图分类号：F061.5 文献标志码：A 文章编号：1673-9159(2009)02-0027-05Spatial Econometrics on China’s Regional Economic β-ConvergenceXIAO Can-fu 1， LIJiang-tao 2，ZHANG Chang-lin 3 ( 1.College of Economic & Management, Guangdong Ocean University , Zhanjiang 524088, China ; 2. School of Accounting, Guangdong Polytechnic Normal University , Guangzhou 510275, China ;3.College of Tangshan , Tangshan 524088, China ）Abstract: The spatial correlation of all provinces in China was tested by Moran’s I. The result indicated that the GDP per-capita of all provinces shows positive spatial correlation. The traditional method to test the β-Convergence can’t avoid Heteroscedasticity and Autocorrelation, so the β-Convergence of all provinces in China was tested by Spatial Econometrics which can avoid Heteroscedasticity and Autocorrelation. The result indicated that the GDP per-capita of all provinces was conditional β-Convergence; the speed of Convergence is about 2.05%, 2% higher than that from traditional method. Key words ：Regional Economy; β-Convergence; Spatial Econometrics改革开放以来，在“让一部分人先富起来”的非均衡发展战略指导下，我国各省区的经济均取得快速增长，但省区之间经济差距也在不断扩大，这引起了社会各界的普遍关注。
两个空间变量空间相关性的分析
所以新相关系数分子的估计值为
1 y1 − y y2 − y2 1 n 1 1 T i )( yi − y i ) X WX Y WY x x , x x , x x − − = − − − = ( xi − x ( ) ( ) (1 1 2 2 n n) n∑ n n i =1 n yn − y
பைடு நூலகம்
可以证明 ρ 满足不等式 −1 ≤ ρ ≤ 1 ，应用 Cauchy-Schwarz 不等式，可以重写空间变量 X,Y 满足：
{E ( X − WX )(Y − WY ) }
2
2 2 ≤ E ( X − WX ) E (Y − WY )
等号成立当且仅当一个空间变量是另一个空间变量的倍数，这就是 p a ( X − WX ) =b (Y − WY ) =1 ， ∀a, b ∈ R ， a, b 至少有一个不为 0。 可以重写不等式(2.6)为
398
常琼玉，窦剑军
i 表示 yi 的空间滞后，其推导过程如下： i 表示 xi 的空间滞后， y 这里 x
x1 w11 w12 x w w22 X − WX = 2 − 21 x n wn1 wn 2 w1n x1 w2 n x2 = x wnn n 1 x1 x 2 x2 − x = x x n n
Statistics and Application 统计学与应用, 2016, 5(4), 397-403 Published Online December 2016 in Hans. /journal/sa /10.12677/sa.2016.54043
中国区域经济发展收敛的空间计量分析
中国区域经济发展收敛的空间计量分析一、本文概述《中国区域经济发展收敛的空间计量分析》一文旨在深入探讨中国不同区域间经济发展水平是否存在收敛趋势，并运用空间计量经济学的方法对这一现象进行科学分析。
文章首先概述了中国区域经济发展的现状和特点，指出改革开放以来，中国经济发展取得了显著成就，但区域间发展不平衡的问题依然存在。
东部沿海地区经济发展迅速，而中西部地区相对滞后，这种差异在一定程度上影响了社会稳定和可持续发展。
文章进一步阐述了区域经济收敛的概念和理论基础，包括绝对收敛、条件收敛等不同类型，以及影响收敛的因素，如人力资本、技术创新、基础设施建设等。
同时，文章也指出了空间效应在区域经济发展中的重要作用，即地理邻近性如何通过各种渠道影响区域间的经济互动和发展。
在方法论上，本文采用了空间自相关、空间误差模型和空间杜宾模型等空间计量经济模型，以期更准确地捕捉区域间经济发展的动态关系和空间依赖性。
通过对中国省际面板数据的实证分析，文章旨在揭示中国区域经济发展收敛的真实情况，为政策制定提供科学依据，推动区域协调发展，缩小区域发展差距。
二、文献综述区域经济发展收敛性的研究一直是经济学领域中的热点话题。
自20世纪80年代以来，众多学者通过不同的理论框架和实证方法，对区域间的经济差异进行了深入探讨。
Solow（1956）的外生增长模型首次提出了收敛的概念，认为在一定条件下，不同地区的经济水平会趋向一致。
随后，Romer（1986）和Lucas（1988）等人的内生增长理论进一步丰富了收敛机制的讨论，强调了人力资本和技术进步在区域经济收敛中的作用。
在中国的背景下，随着改革开放的不断深入，区域间经济发展的不平衡问题日益凸显。
张晓晶和李善同（2003）通过对中国省际面板数据的分析，发现中国东部沿海地区与中西部地区的经济差距在不断扩大。
近年来，随着国家一系列区域发展战略的实施，如西部大开发、东北振兴等，区域经济差距有所缩小，这引起了学术界对区域经济收敛性的新关注。
截面空间效应分解
截面空间效应分解一、使用空间计量经济模型的动机一种方法从来都是为了解决问题，而不是故弄玄虚。
所以，在准备用空间回归分析之前，我们得先问自己，为什么要用它？这有两大考虑：一是模型更可靠，二是为了识别空间效应。
在一个空间样本集中，样本点之间是相互影响的，这种影响表现在数据上就是Y的空间自相关性，一般用莫兰指数来衡量。
空间自相关来源有三：或是Y之间相互影响，或是毗邻的X影响本身的Y，或是模型中忽略的因素存在空间关联性。
根据这三种关联机制，建模的思路也很直接：如果是邻居的Yj影响自身的Yi（反过来Yi也会影响Yj），那就把邻居的Yj值平均后视为新的自变量LY，加到X中去再回归。
好比浙江的GDP受到本身投入水平的影响，但也与周边的GDP产出水平有关，因此需要将其毗邻省份，如上海、江苏、安徽、江西、福建的GDP平均后作为新的自变量。
每个省份都如此处理，就得到了一列新的变量。
如果是邻居的X影响本身的Y，类似以上做法，把邻居X平均后得到的变量LX加进原有的X再做回归。
一般来说，有多少个X，就有多少个LX。
如果模型中应该考虑LY或（和）LX而你没有考虑，统计上看，就等于产生了遗漏变量偏差，因此模型估计是不可靠的。
第三种情况，模型中忽略的因素间存在空间关联性，这种效应将被误差项吸收，造成误差项相关。
如果忽略的因素外生性很强，如环境变量或是外生冲击等，其不会造成有偏性或是一致性等问题，因此在大样本下问题不严重，但其会影响估计效率。
处理方法是将误差项设定为空间自回归，等于将其分解，一部分为空间自相关部分，则剩下的那部分就是白噪声了。
举个例子，假如在城市某区域政府突然要建一个垃圾站，则将会整体拉低那篇区域的房价，使其变动表现出空间自相关性。
假如在房价影响模型中你没有考虑这个影响（当然你可以设置虚拟变量或是加入与垃圾站的距离来予以考虑），则其影响就归入误差项中，统计上表现出来就是残差值的莫兰指数显著。
除了模型估计上的考虑外，有时候还想看一下邻居到底对自身有没有影响？如果有，是正向还是负向（通常为正向），影响效应到底有多大？这就是空间效应的识别，这是普通回归模型所做不到的。
中国地区经济收敛的空间计量实证分析
中国地区经济收敛的空间计量实证分析一、本文概述本文旨在通过空间计量经济学的实证分析方法，探讨中国地区经济收敛的现象及其背后的驱动因素。
经济收敛，即经济发展差距的缩小，是衡量一个国家或地区经济平衡发展的重要指标。
中国作为世界上最大的发展中国家，其区域经济收敛的情况对于理解中国经济发展模式、优化区域经济布局具有重要的理论和实践意义。
本文首先将对经济收敛的概念进行界定，并回顾国内外关于经济收敛的理论研究和实证分析。
在此基础上，结合中国地区的实际情况，构建适合的空间计量经济模型，利用相关经济数据对模型进行实证检验。
在实证分析中，我们将重点关注地区间经济收敛的空间效应，包括空间依赖性和空间异质性等。
通过空间计量方法，我们可以更准确地刻画地区间经济发展的相互影响和动态变化，从而揭示经济收敛的内在机制。
本文还将探讨影响经济收敛的关键因素，如资源禀赋、产业结构、政府政策等。
通过深入分析这些因素对经济收敛的影响机制和效应，可以为政策制定者提供有针对性的政策建议，促进中国地区经济的平衡发展。
本文的研究不仅有助于深化对经济收敛理论的理解，还能为政策制定者提供决策支持，促进中国地区经济的持续健康发展。
二、理论基础与模型构建经济收敛是指不同经济体或地区之间经济增长率逐渐趋同的现象。
在经济学的理论中，经济收敛主要分为绝对收敛和条件收敛。
绝对收敛意味着无论起始经济水平如何，所有经济体都将趋同于相同的经济增长路径。
而条件收敛则认为，尽管经济体可能具有不同的稳态增长率，但它们会向其各自的稳态水平收敛。
空间计量经济学是计量经济学的一个分支，它主要研究地理空间数据的统计分析。
通过考虑地理空间因素，如地理位置、空间依赖和空间异质性，空间计量经济学能够提供更深入的洞见关于经济现象的空间模式和动态。
为了实证分析中国地区经济的收敛性，本文构建了一个空间计量模型。
模型以经济增长率为因变量，同时考虑了传统收敛模型中的控制变量，如资本、劳动力和全要素生产率。
基于空间计量模型的房价影响因素研究
基于空间计量模型的房价影响因素研究王璐;张亚东;朱家明【摘要】随着社会经济的发展,各地区联系更加紧密,人口流动加速,近年来我国房地产价格波动上升,而且呈现出明显的地区分化态势.地区间各因素的溢出效应使得价格不仅仅受该地区各种因素影响,而且还受周边省市影响.文章选取七个主要变量,进行空间误差分析和空间滞后检验,引入空间自回归模型,运用STATA软件,创新方法和思维,从空间维度对影响房价的因素进行分析研究,发现地区商品住宅房开发数量在空间层面的影响最大,最后从供给和需求两个角度根据研究结论得出了调整地区经济发展、完善购房户籍政策、适量调整住房供给量、限制人均住宅数量四个主要政策建议.【期刊名称】《邵阳学院学报（社会科学版）》【年(卷),期】2019(018)002【总页数】7页(P76-82)【关键词】房价;溢出效应;空间自回归模型;影响因素【作者】王璐;张亚东;朱家明【作者单位】安徽财经大学, 安徽蚌埠 233030;安徽财经大学, 安徽蚌埠 233030;安徽财经大学, 安徽蚌埠 233030【正文语种】中文【中图分类】F224.0当前，世界经济环境动荡，我国经济周期性虽然出现态势好转的现象，但供给质量较低、市场缺乏活力、创新动力不足，住房问题关系到人们生活的根本，房地产行业更是国民经济的重要组成部分。
随着我国经济的迅速发展，地区间生产要素的流动加快，房地产行业迅速升温，一线城市领涨领跌，大周期内总体上升，最具有指标性质。
纵观房地产市场变迁，2017年在经济运行存在下行压力的情况下，我国房地产受到短期调控政策的影响，一线城市以及部分二线城市的住房需求得到有效的遏制，市场价格趋稳，部分地区价格有所回落，三线城市的市场交易较为活跃。
而2018年宏观经济运行仍存在诸多不确定性，房地产市场仍处于下行周期，诸多因素相互作用，影响我国房地产市场的发展趋势。
房价居高不下，低中等水平收入者负担不了大城市房价，城市外来人口生活质量差，“房地产市场泡沫”加重了居民生活负担，分析影响房地产变化的因素，不仅可以为政府及相关行政部门解决住房问题提供政策依据，而且有利于消费者做出合理的购房决策，促进房地产行业的良性发展。
基于Geoda的我国财政科技支出空间效应研究
基于Geoda的我国财政科技支出空间效应研究作者：杨金淑朱琪来源：《中国集体经济》2022年第32期摘要：文章以各省财政科技支出为研究对象，通过空间计量学软件Geoda进行定量分析，对2017～2020年我国31个地区财政科技经费支出差异的空间联系以及空间变化的相互作用机制进行了研究。
研究结果表明，经济发展具有相似水平的地区对于财政科技经费的支出存在明显的聚集效应，呈现出高高、低低、低高的聚集形式。
基于以上研究和分析对我国的经济发展提出相关建议，并促进我国财政投入方面对于科学技术的资源配置发挥更理想的效果。
关键词：空间效应；科技支出；莫兰指数；Geoda改革开放四十多年来，科技全球化不断深入，国家的科技创新能力对国家的经济发展起到了重要作用，而财政科学技术投入是科技投入的主要组成部分。
因此，研究我国各省财政科技投入的空间效应对于地区经济的创新驱动是非常有意义的。
目前，中国的经济发展已经进入新常态，过去以资本要素投入为中心的大规模、外向型增长已难以持续，迫切需要向以创新为引擎的发展模式转变。
一、数据来源与整理我国包括23个省、4个直辖市及5个自治区和2个特别行政区。
由于台湾、澳门、香港采用不同的制度，不存在可比性，因此本文选择31个地区作为研究对象。
通过国家统计局的官方网站，分别找到2018、2019、2020、2021年的统计年鉴，即可获取2017、2018、2019、2020年我國财政的相关数据。
由于本文以财政科技支出作为变量来研究空间集群效应，所以需要找到分地区财政支出的数据。
经过查找在统计年鉴的第七项中，在财政的第6小项中是《分地区一般公共预算支出》。
单位以亿元计量。
二、研究方法空间自相关。
全局空间自相关性通过统计量莫兰指数描述。
全局莫兰指数计算公式为：其中，Yi代表地区i的观测值，n代表地区数，Wij代表空间权重矩阵。
莫兰指数为有理数，它经过方差归一化之后，数值会被归一化到-1.0～1.0之间。
我国人口分布区域差异分析
黑龙江科学HEILONGJIANGSCIENCE第12卷第2期2021年1月Vol. 12Jan.2021我国人口分布区域差异分析李月(哈尔滨商业大学,哈尔滨150028)摘要：为了解近几年我国人口分布的变化情况及区域差距，选取了 2013*2017年全国31个省、自治区与直辖市的常住人口数据,结合Amois 与Geoda 技术,采用空间自相关分析对全国人口进行区域分布研究。
利用等间隔法将人口密度分成7个等级，发现近几 年我国的人口分布仍处于不平衡状态，西南地区人口密度有所上升。
通过Moan 散点图与LISA 聚类图发现,全国人口分布存在空 间自相关性，"低一低”类型主要分布在西北地区以及西南地区,"高一高”类型主要分布在华东沿海地区。
关键词：人口 '分布'空间自相关'区域差异中图分类号：C924. 2 文献标志码：A 文章编号：1674 -8646(2021)02 -0042 -03Analysis of Population Distrinution Regional Differeecc in C+inaLoYue( Haebon UnoeeesotyoeCommeece , Haebon 150028, Chona )Abstract : In order to know the population distribution change situation and regional 4:00X0 in recent years in China,pe —nanent resident population data of 31 provinces , municipalities and municipalities directly under the central yovemment eeom2013 to2017 osseected , and theough combonongwoth Aecgosand Geodatechnoogy , eegoona1dosteobutoon oenatoona1population is researched through spatial autocorrelation. Density of population is divided into 7 degrees through using uniformly -spaced method. It is found that, in recent years , population distribution in China is still in unbalanced state ,and density of population o f the Southwest Region increases. Through Moran scatter diagram and LISA cluster diagram , it is fund that spatial autocooelation e xists in population distrilution in China. % Low-low ” type mainly distributes in the Northwest and Southwest Distect , and % Highfigh" type mainly distributes in East China coastal regions.Key wors : Population ； Distribution ； Splial autocorrelation ； Regional 4—0X0人口分布对于城市的发展极为重要,研究人口的 区域差异,探索与其他因素的联系对于一个城市的经济、环境、资源等可持续发展有十分重要的意义(大量文献研究范围主要选取全国与区域作为研究对象[1],由于数据的可获得性，研究尺度多数基于省级数据、地市级数据,少数研究用到了县级数据。
我国五星级酒店省际分布差异及影响因素的空间计量
我国五星级酒店省际分布差异及影响因素的空间计量尹玉芳１，２，陶婷芳１（１．上海财经大学商学院，上海㊀２００４３３；２．上海师范大学旅游学院，上海㊀２０１４１８）内容提要：我国五星级酒店数量１９９０年之后持续增长，在３１个省份之间的分布存在差异，在空间分布方面存在明显的相关性和邻近效应，城镇居民消费水平㊁外商投资企业数量对五星级酒店数量都有正向影响㊂北京㊁上海㊁广东㊁江苏㊁浙江等省市的五星级酒店数量已趋于饱和，整体上存在供大于求的问题，不宜再盲目增加五星级酒店数量，而应关注五星级酒店发展的质量，注意五星级酒店平均出租率与酒店数量的平衡及在省内各城市间的分布平衡㊂绝大多数西部省份和少量东北㊁中部省份形成了五星级酒店缺乏区，难以形成规模效应，应引起当地政府和国家有关部门的关注并予以扶植；五星级酒店的发展要与当地经济建设㊁商务活动㊁旅游业发展一并统筹考虑㊁相互促进，这些地区应把五星级酒店当作经济建设的配套设施和城市形象组成部分来发展㊂关键词：五星级酒店；省际差异；莫兰指数Ｉ；空间计量模型中图分类号：Ｆ５９０㊀㊀文献标识码：Ａ㊀㊀文章编号：１００１－１４８Ｘ（２０１８）０９－０１５７－０８㊀收稿日期：２０１８－０３－２３作者简介：尹玉芳（１９８３－），女，河北邢台人，上海师范大学旅游学院讲师，上海财经大学商学院博士研究生，研究方向：旅游经济㊁旅游企业管理；陶婷芳（１９５３－），女，浙江绍兴人，上海财经大学商学院教授，博士生导师，研究方向：旅游经济㊂基金项目：国家社会科学基金研究课题，项目编号：１４ＢＧＬ０８７㊂㊀㊀１９９０年我国大陆第一次评定出６家五星级酒店①，五星级酒店开始在全国迅猛增多，２０１６年总数量已达８００余家㊂我国五星级酒店数量在地理空间上存在相关性和滞后性，在３１个省份之间的分布存在差异㊂本文从空间计量经济学的角度分析了我国五星级酒店的空间分布规律和发展特点，发现我国省际五星级酒店的空间分布存在明显的邻近效应，空间溢出效应有利于各个省份五星级酒店的共同发展，但是邻近城市和邻近省份的五星级酒店之间逐步形成了竞争关系㊂㊀㊀一㊁五星级酒店增长的空间相关性分析从经济学与地理学的关联角度来看，很多经济变量在空间上存在一定关联性㊂空间效应的度量在空间计量经济学研究中遵循距离衰减原则（ｄｉｓｔａｎｃｅｄｅｃａｙ），即两个观测点的空间距离越近，其空间关系越密切（Ａｎｓｅｌｉｎ和Ｇｅｔｉｓ，１９９２），可以根据距离衰减原则构造空间权重矩阵来度量空间效应㊂基于空间邻接关系的空间一阶邻接矩阵（ｓｐａｔｉａｌｃｏｎｔｉｇｕｉｔｙｍａｔｒｉｘ）进行相关计算，常见的空间邻接矩阵的数学表达式为：ｗｉｊ＝ｗｊｉ＝１，ｉɪｊ{}ｏ，ｉ∉ｊ{}{（１）其中ｉ，ｊ（ｉ，ｊ＝１，２， ，Ｎ）是处于不同位置的个体观测点，本文指我国大陆３１个省份；ｊ{}是与观测点ｉ邻近的观测点的集合㊂ｊ可视为ｉ的邻居时，对应的空间权重矩阵Ｗ中的元素ｗｉｊ被赋值为１，否则，ｗｉｊ被赋值为０［１］㊂判断空间权重矩阵中的相邻关系的方法常用的有车相邻（Ｒｏｏｋ）和后相邻（Ｑｕｅｅｎ），Ｒｏｏｋ相邻以拥有共同边界来定义相邻关系，而Ｑｕｅｅｎ相邻将拥有共同边界或顶点的个体都视为存在相邻关系（Ａｎｓｅｌｉｎ，２００１）［２］㊂本文使用Ｑｕｅｅｎ相邻表示我国大陆３１个省份的邻接关系，组成空间权重矩阵Ｗ㊂根据距离衰减原则，将海南设定为与广东相邻㊂度量空间自相关的方法中使用最多的为莫兰指数（Ｍｏｒａｎ ｓＩ），由莫兰（１９５０）提出而命名，全局莫兰指数（ｇｌｏｂａｌＭｏｒａｎ ｓＩ）的计算公式为：Ｉ＝ðｎｉ＝１ðｎｊ＝１ｗｉｊ（ｘｉ－ｘ－）（ｘｊ－ｘ－）Ｓ２ðｎｉ＝１ðｎｊ＝１ｗｉｊ（２）㊃７５１㊃其中ｎ为研究区域总数，在本文中为３１个省级单位；ｘ为各省级单位的经济指标，本文指各省份的五星级酒店数量；ｗｉｊ为空间权重矩阵Ｗ中的（ｉ，ｊ）元素；Ｓ２＝ðｎｉ＝１（ｘｉ－ｘ－）２ｎ为样本方差㊂莫兰指数Ｉ可以看作观测值与其空间滞后（ｓｐａｔｉａｌｌａｇ）的相关系数，取值范围为［－１，１］㊂大于０表示正相关，即高值与高值相邻，低值与低值相邻；小于０表示负相关，即高值与低值相邻，低值与高值相邻；等于０表示不存在空间自相关㊂一般来说，正相关更为常见㊂本文使用ｓｔａｔａ１５ ０软件计算的１９９０－２０１６年我国五星级酒店的全局莫兰指数Ｉ的数值如表１所示，全局莫兰指数Ｉ发展走向图如图１所示㊂图１㊀１９９０－２０１６年我国五星级酒店的全局莫兰指数数据来源：‘中国旅游统计年鉴“㊂因２００４年和２００５年的‘中国旅游统计年鉴“中缺失对２００３年和２００４年我国３１个省份五星级酒店的数据统计，所以本研究中无法计算２００３年和２００４年的全局莫兰指数㊂１９９０年我国第一次评定五星级酒店时，只有两个省市评出五星级酒店，其中广东５家，上海１家，１９９７年之前大量省份的五星级酒店数量为０，这种现象在２００５年之前虽有缓解，但是直到２００５年仍有３个省份的五星级酒店数量为０㊂从表１和图１能够发现：（１）很多省份五星级酒店数量为０的现象致使１９９０－１９９７年的五星级酒店的全局莫兰指数Ｉ出现负值，并且在统计上不显著，这是拥有五星级酒店的零星省份被周边大量五星级酒店数量为０省份所包围的结果㊂（２）从１９９８年起，五星级酒店的全局莫兰指数Ｉ开始变为正数，说明开始出现高值五星级酒店省份与高值五星级酒店省份相邻，且低值五星级酒店省份与低值五星级酒店省份相邻的现象，邻近效应开始显现，但是１９９８－２００２年间的全局莫兰指数Ｉ在统计上并不显著㊂（３）２００５－２０１６年我国五星级酒店的全局莫兰指数Ｉ，在数值上为正值并出现了持续增长，而且在统计上越来越显著㊂（４）我国五星级酒店经过２７年的迅速发展，３１个省份之间的五星级酒店数量在全国空间范围内显著正相关（高值与高值相邻，低值与低值相邻），并且正相关性在逐年加大㊂这些情况说明我国五星级酒店的邻近效应越来越突出，经济发达省份内存在更多的五星级酒店，而经济落后省份内五星级酒店数量非常低，有的省份五星级酒店数量甚至为个位数或０㊂表１１９９０－２０１６年我国五星级酒店的全局莫兰指数年份莫兰指数Ｉ期望值Ｅ（Ｉ）标准差ｓｄ（Ｉ）ｚ值ｐ值１９９０－０．０４８－０．０３４０．０４１－０．３５５０．３６１１９９１－０．０２７－０．０３４０．０９４０．０６２０．４７５１９９２－０．０２１－０．０３４０．０８７０．１４４０．４４３１９９３－０．０４５－０．０３４０．０９－０．１３５０．４４６１９９４－０．０２６－０．０３４０．０９４０．０７８０．４６９１９９５－０．０１１－０．０３４０．０９３０．２３８０．４０６１９９６－０．０１８－０．０３４０．０９４０．１６９０．４３３１９９７－０．０２６－０．０３３０．０９４０．０７６０．４７１９９８０．０３４－０．０３３０．０９５０．７０９０．２３９１９９９０．０２８－０．０３３０．０９７０．６３０．２６４２００００．０３３－０．０３３０．０９８０．６７３０．２５２００１０．０２３－０．０３３０．０９８０．５７８０．２８１２００２０．０７１－０．０３３０．１１．０４８０．１４７２００５０．１２４－０．０３３０．１０３１．５３３０．０６３∗２００６０．１２９－０．０３３０．１０１１．６０４０．０５４∗２００７０．１２２－０．０３３０．１１．５４６０．０６１∗２００８０．１７８－０．０３３０．１０３２．０５３０．０２∗∗２００９０．１７８－０．０３３０．１０４２．０３９０．０２１∗∗２０１００．１６１－０．０３３０．１０１１．９３２０．０２７∗∗２０１１０．１７１－０．０３３０．１０１２．０２２０．０２２∗∗２０１２０．２２－０．０３３０．１０２２．４９１０．００６∗∗∗２０１３０．２５９－０．０３３０．１０４２．８０７０．００２∗∗∗２０１４０．２６４－０．０３３０．１０４２．８６４０．００２∗∗∗２０１５０．３０３－０．０３３０．１０５３．１９２０．００１∗∗∗２０１６０．２８１－０．０３３０．１０４３．０１１０．００１∗∗∗㊀㊀注：ｐ值为单尾检验㊂∗㊁∗∗㊁∗∗∗分别表示在１０％㊁５％㊁１％的显著性水平显著（下同）㊂数据来源：‘中国旅游统计年鉴“㊂因２００４年和２００５年的‘中国旅游统计年鉴“缺失对２００３年和２００４年我国３１个省份五星级酒店的数据统计，本文无法计算２００３年和２００４年的全局莫兰指数㊂图２㊀２０１５年我国五星级酒店的空间分布（数据来源：‘２０１６年中国旅游统计年鉴“）㊃８５１㊃２０１５年我国各省五星级酒店的空间分布情况如图２所示，图２显示了五星级酒店分布的三种不同现象：（１）东部沿海省份的五星级酒店高值聚集带，包括北京㊁天津㊁山东㊁江苏㊁上海㊁浙江㊁福建㊁广东㊁海南，这些省份五星级酒店数量多在３０家以上，尤其广东达９７家㊂（２）华北㊁华中㊁西南的五星级酒店为次高值聚集带，包括辽宁㊁河北㊁山西㊁陕西㊁河南㊁安徽㊁湖北㊁湖南㊁江西㊁广西㊁重庆㊁四川㊁云南，这些省份的五星级酒店数量在１０－３０之间㊂（３）东北㊁西部为五星级酒店缺乏带，包括黑龙江㊁吉林㊁内蒙古㊁宁夏㊁甘肃㊁青海㊁西藏，各省份五星级酒店数量在１０以下㊂（四）局部莫兰指数分析除了全局莫兰指数外，如果想考察某区域ｉ附近的空间集聚情况的话，可以使用局部莫兰指数（ｌｏｃａｌＭｏｒａｎ ｓＩ），其计算公式为：Ｉｉ＝（ｘｉ－ｘ－）Ｓ２ðｎｊ＝１ｗｉｊ（ｘｊ－ｘ－）（３）局部莫兰指数Ｉ的取值范围和数值含义与全局莫兰指数Ｉ相同㊂本文的区域ｉ指我国大陆的３１个省份，ｘ指每个省份中拥有的五星级酒店数量㊂图３㊀２００５年㊁２０１０年和２０１６年我国３１个省份五星级酒店的局部Ｍｏｒａｎ散点图（数据来源：‘中国旅游统计年鉴“）㊃９５１㊃㊀㊀从２００５年㊁２０１０年和２０１６年我国３１个省份五星级酒店的局部Ｍｏｒａｎ散点图（使用ｓｔａｔａ１５ ０绘制）和高㊁低值四象限分布图（见图３），可以发现：（１）第一象限ＨＨ表示五星级酒店数量高值省份与高值省份相邻，包括上海㊁江苏㊁浙江㊁福建㊁山东，位于东部五星级酒店聚集带，这个象限中的省份比较稳定㊂（２）第二象限ＬＨ表示五星级酒店数量低值省份与高值省份相邻，其中天津㊁海南的五星级酒店数量不算低，只是因为它们的邻居太少（天津共邻接两个省份，分别为北京㊁河北，海南只邻接广东），并且分别与更高值的北京㊁广东相邻，故而位于ＬＨ象限㊂（３）第三象限ＬＬ表示五星级酒店数量低值省份与低值省份相邻，主要包括绝大多数西部省份和少量东北㊁中部省份，这些省份的五星级酒店数量普遍较低㊂（４）第四象限表示五星级酒店数量高值省份与低值省份相邻ＨＬ，突出代表为广东和北京，这两个省市的五星级酒店数量非常高，但是周边省份多是低值，没有像上海与周边省份一起形成高值聚集带，因而处于ＨＬ象限㊂另外，四川和重庆也作为高值省份与周边的低值省份相邻㊂（５）处于第一象限和第三象限的省份总数（２００５年为１８个，２０１０年为２３个，２０１６年为２０个）远多于第二象限和第四象限中省份的总数（２００５年为１３个，２０１０年为８个，２０１６年为１１个），说明我国３１个省份五星级酒店数量明显存在正自相关性，即高值省份与高值省份相邻，低值省份与低值省份相邻㊂在这四种分布形式中，第一种ＨＨ五星级酒店数量高值省份与高值省份聚集是最好的形式，五星级酒店发展带来的溢出效应明显，各省份之间互相产生了正向㊁积极的影响，这些省份的酒店聚集现象与这些省份经济发展水平普遍比较高的现象之间存在很大的关联㊂在第二种ＬＨ五星级酒店数量低值省份与高值省份相邻㊁第四种ＨＬ五星级酒店数量高值省份与低值省份相邻的模式中，五星级酒店高值的省份可以对低值省份产生积极的溢出效应，在一定程度上可以带动低值省份五星级酒店的发展㊂第三种ＬＬ低值与低值相邻的模式就不容乐观了，这些省份的五星级酒店发展难有相邻省份带动，长期处于五星级酒店发展的洼地，既是一种消极的邻近效应，也是经济发展水平落后的表现，当地政府和国家有关部门应该予以关注和扶植，以促进这些省份五星级酒店行业的发展㊂㊀㊀二㊁空间面板数据来源与变量说明（一）空间面板数据来源本文使用Ｑｕｅｅｎ相邻设定方法构建空间权重矩阵，基于空间一阶邻接关系制定出空间邻接矩阵，用来表示我国大陆３１个省份之间的邻接关系，组成空间权重矩阵Ｗ㊂需要说明的是岛屿省份海南虽未与其他省份有陆地邻接，但是根据距离衰减原则将其设定为与广东相邻㊂虽然我国从１９９０年开始评定五星级酒店，但是１９９０－２００４年间我国多数省份的五星级酒店数量为０，不适宜做面板数据分析，故本文选取２００５－２０１５年我国３１个直辖市㊁省㊁自治区的五星级酒店数量等变量作为以省为个体的面板数据，分析我国省际五星级酒店的空间分布规律和影响因素㊂数据来源包括‘中国旅游统计年鉴“‘中国统计年鉴“‘中国贸易外经统计年鉴“㊁国家旅游局官网统计数据㊁国家统计局官网统计数据等，本文所有模型的估计均使用ｓｔａｔａ１５ ０软件完成㊂（二）变量说明１ 被解释变量本文的被解释变量为省份五星级酒店数量（ｆｓｈｏｔｅｌ），即在某一年份中某省份五星级酒店的数量㊂２ 解释变量（１）国际旅游外汇收入（ｆｔｏｕｒ）㊂五星级酒店接待的主要对象是商务人士和国际入境旅游者［３－４］，尤其在我国五星级酒店发展之初的时候，入境旅游对五星级酒店的发展产生很大影响㊂本文选用省级国际旅游外汇收入（单位百万美元）代表入境旅游市场的作用，命名为ｆｔｏｕｒ㊂（２）国内生产总值（ｇｄｐ）㊂国内生产总值是反映经济发展水平的重要变量，本文选择各省的国内生产总值做解释变量，命名为ｇｄｐ，对其取对数后有一次项和二次项两个变量形式㊂（３）城镇居民消费水平（ｃｏｎｓ）㊂城镇居民消费水平相比人均ＧＤＰ能够更真实地反映当地居民对五星级酒店的购买力水平，本文选用省级城镇居民消费水平作为解释变量，命名为ｃｏｎｓ㊂（４）房地产开发投资额（ｅｓｔａｔｅ）㊂酒店业与房地产业联系密切［５］，本文用各省份的房地产开发投资额代表其房地产发展水平，命名为ｅｓｔａｔｅ㊂（５）外商投资企业数（ｆｏｒｅｉｇｎ）㊂入境旅游者和国际商务客人是五星级酒店的重要客源，在五星级酒店发展早期更是如此㊂外商投资比较多的㊃０６１㊃地区，国际商务活动会比较频繁，并会产生高星级酒店客源，进而影响五星级酒店数量㊂本文引入省级外商投资企业数量，以反映这一方面对客源的影响，变量命名为ｆｏｒｅｉｇｎ㊂（６）城市建成区面积（ｕｒｂａｎ）㊂五星级酒店多建于城市中心㊁商务区㊁机场附近和高端住宅区，少量建于市区以外的风景区㊁度假区，五星级酒店的发展受到城市发展水平和基础设施的建设水平的影响㊂基于城市建成区面积可以在一定程度上反映出某地的基础设施建设水平，故本文引入省级城市建成区面积以反映城市的规模和建成水平，命名为ｕｒｂａｎ㊂由于各个解释变量的数值较大，为了减小变量的方差和让数据分布更趋于正态性，故在实证分析的过程中将各个解释变量做取对数的处理㊂㊀㊀三、实证分析（一）五星级酒店的空间横截面数据分析１ 空间自回归模型空间自回归模型（ＳｐａｔｉａｌＡｕｔｏＲｅｇｒｅｓｓｉｏｎＭｏｄ⁃ｅｌ，简记ＳＡＲ）的表达式为：ｙ＝λＷｙ＋ε（４）其中ｙ是被解释变量，本文指３１个不同省份的五星级酒店数量㊂Ｗ为已知的空间权重矩阵，λ为用来表示空间依赖性的参数，度量空间滞后Ｗｙ（各省份五星级酒店数量的空间滞后）对ｙ的影响，称为 空间自回归系数 ㊂式（４）因为不包含解释变量，也被称为 纯ＳＡＲ模型（ＰｕｒｅＳＡＲ） ㊂２ 空间误差模型空间误差模型（ＳｐａｔｉａｌＥｒｒｏｒＭｏｄｅｌ，简记ＳＥＲ）的表达式为：ｙ＝Ｘβ＋ｕｕ＝ρＭｕ＋ε，ε Ｎ（０，σ２Ｉｎ）{（５）其中ｙ是被解释变量，本文指３１个不同省份的五星级酒店数量㊂Ｘ指解释变量组成的矩阵，本模型的解释变量有国际旅游外汇收入（ｆｔｏｕｒ）对数㊁国内生产总值（ｇｄｐ）对数㊁国内生产总值（ｇｄｐ）对数的二次项㊁城镇居民消费水平（ｃｏｎｓ）对数㊁房地产开发投资额（ｅｓｔａｔｅ）对数㊁外商投资企业数（ｆｏｒｅｉｇｎ）对数㊂Ｍ为扰动项的空间权重矩阵，本文使用空间权重矩阵Ｗ㊂ρ表示扰动项ｕ的空间依赖性㊂３ 带空间自回归误差项的空间自回归模型本文将空间自回归模型（ＳＡＲ）和空间误差模型（ＳＥＭ）结合起来构成新的模型（６），此方程称为 带空间自回归误差项的空间自回归模型 （ＳｐａｔｉａｌＡｕｔｏＲｅｇｒｅｓｓｉｏｎＭｏｄｅｌｗｉｔｈＳｐａｔｉａｌＡｕｔｏＲｅ⁃ｇｒｅｓｓｉｖｅＤｉｓｔｕｒｂａｎｃｅｓ，简记ＳＡＲＡＲ）㊂ｙ＝λＷｙ＋Ｘβ＋ｕｕ＝ρＭｕ＋ε，ε Ｎ（０，σ２Ｉｎ）{（６）其中ｙ是被解释变量，本文指３１个不同省份的五星级酒店数量㊂Ｘ指解释变量组成的矩阵，本模型的解释变量有国际旅游外汇收入（ｆｔｏｕｒ）对数㊁国内生产总值（ｇｄｐ）对数㊁国内生产总值（ｇｄｐ）对数的二次项㊁城镇居民消费水平（ｃｏｎｓ）对数㊁房地产开发投资额（ｅｓｔａｔｅ）对数㊁外商投资企业数（ｆｏｒｅｉｇｎ）对数㊂Ｗ和Ｍ分别为被解释变量和扰动项的空间权重矩阵，二者可以相等㊂４ 判断横截面数据是否存在空间效应本文从面板数据中截取２０１５年的横截面数据，判断我国五星级酒店分布中是否存在空间效应，并使用空间权重矩阵Ｗ分别进行ＳＡＲ和ＳＥＭ回归之后的被解释变量和误差项的空间自回归系数和沃尔德检验（Ｗａｌｄｔｅｓｔ）㊁似然比检验（Ｌｉｋｅｌｉｈｏｏｄｒａｔｉｏｔｅｓｔ）㊁拉格朗日乘数检验（Ｌａｇｒａｎｇｅｍｕｌｔｉｐｌｉｅｒｔｅｓｔ），如表２所示㊂在空间滞后模型（Ｓｐａｔｉａｌｌａｇｍｏｄｅｌ）中，沃尔德检验和似然比检验在５％显著性水平显著，拉格朗日乘数检验在１０％显著性水平显著㊂空间误差模型（Ｓｐａｔｉａｌｅｒｒｏｒｍｏｄｅｌ）中，三个检验均在５％显著性水平显著㊂这些结果表明我国五星级酒店分布中存在空间效应，可以进行空间计量分析㊂５ 空间横截面数据实证分析结果２０１５年我国五星级酒店数据的沃尔德检验㊁似然比检验㊁拉格朗日乘数检验结果都显示存在空间效应，接下来进行２０１５年五星级酒店数据的空间回归㊂本文使用最大似然估计方法的带空间自回归误差项的空间自回归模型（ＳＡＲＡＲ模型），并与ＯＬＳ的回归结果进行对比，其结果见表３㊂从表３的结果来看，在加入６个解释变量并包含被解释变量和扰动项的空间效应的ＳＡＲＡＲ模型中，有４个解释变量的系数比较显著，空间滞后Ｗｙ的系数λ和表示扰动项ｕ的空间依赖性的系数ρ不显著㊂与ＯＬＳ各个变量系数对比之后，发现两个模型各个解释变量的系数和显著性变化不大㊂造成ＳＡＲＡＲ模型中的系数λ和ρ在统计上不显著的原因有两个：一是因为６个解释变量对被解释变量五星级酒店数量方差的解释程度已经很高了（ＯＬＳ模型中的Ｒ２＝０ ８５４９，Ｒ２－＝０ ８１８７），空间效应在ＳＡＲＡＲ模型中难以被反映出来；二是因为ＳＡＲＡＲ㊃１６１㊃模型中的一些解释变量存在一定的空间滞后性，干扰了对被解释变量的估计，造成空间效应的系数变得不显著㊂表２２０１５年我国五星级酒店空间效应检验模型与检验系数ｚ值／ｃｈｉ２（１）Ｐ值空间滞后模型（Ｓｐａｔｉａｌｌａｇｍｏｄｅｌ）空间自回归系数０．１４１２．３９０．０１７∗∗沃尔德检验（Ｗａｌｄｔｅｓｔ）５．７３００．０１７∗∗似然比检验（Ｌｉｋｅｌｉｈｏｏｄｒａｔｉｏｔｅｓｔ）５．２３１０．０２２∗∗拉格朗日乘数检验（Ｌａｇｒａｎｇｅｍｕｌｔｉｐｌｉｅｒｔｅｓｔ）３．０４７０．０８１∗空间误差模型（Ｓｐａｔｉａｌｅｒｒｏｒｍｏｄｅｌ）误差项的空间自回归系数０．１４１２．３９０．０１７∗∗沃尔德检验（Ｗａｌｄｔｅｓｔ）５．７３００．０１７∗∗似然比检验（Ｌｉｋｅｌｉｈｏｏｄｒａｔｉｏｔｅｓｔ）５．２３１０．０２２∗∗拉格朗日乘数检验（Ｌａｇｒａｎｇｅｍｕｌｔｉｐｌｉｅｒｔｅｓｔ）６．３１８０．０１２∗∗表３２０１５年我国五星级酒店的ＳＡＲＡＲ模型和ＯＬＳ模型估计变量ＳＡＲＡＲ模型ＯＬＳ模型系数ｚ值Ｐ值系数ｔ值Ｐ值ｌｎｆｔｏｕｒ２．１９４１．１７０．２４２２．２４６１．０５０．３０４ｌｎｇｄｐ－１２８．９９９－４．６３０．０００∗∗∗－１３１．４６３－４．２３０．０００∗∗∗ｌｎｇｄｐｓｑ６．２６１４．３０．０００∗∗∗６．３８３３．９２０．００１∗∗∗ｌｎｃｏｎｓ１８．４５２１．５３０．１２５１７．１４４１．３１０．２０４ｌｎｅｓｔａｔｅ９．６８４１．８７０．０６１∗９．８７３２．０７０．０５０∗∗ｌｎｆｏｒｅｉｇｎ１１．３４１２．２６０．０２４∗∗１１．７３１２．４３０．０２３∗∗＿ｃｏｎｓ３０５．９００１．７２０．０８５∗３２７．６７３１．６８０．１０７ｌａｍｂｄａ＿ｃｏｎｓ０．０１３０．４０．６９３ｒｈｏ＿ｃｏｎｓ０．００３０．０３０．９８ｓｉｇｍａ２＿ｃｏｎｓ９１．０６９３．９４０．０００∗∗∗ｎ３１３１Ｒ２０．８５５０．８１９㊀㊀（二）五星级酒店的空间面板数据分析１ 空间面板模型一般的空间面板模型可表示为：ｙｉｔ＝τｙｉ，ｔ－１＋ρｗᶄｉｙｔ＋ｘᶄｉｔβ＋ｄᶄｉＸｔδ㊀＋ｕｉ＋γｔ＋εｉｔεｉｔ＝λｍᶄｉεｔ＋ｖｉｔìîíïïïï（７）其中ｉ表示３１个直辖市㊁省㊁自治区的编号；ｔ表示时间，取值为２００５，２００６， ，２０１５；ｙｉ，ｔ为被解释变量，表示第ｔ年第ｉ个省份的五星级酒店数量；ｙｉ，ｔ－１为被解释变量ｙｉ，ｔ的动态面板一阶滞后；Ｘ指解释变量组成的矩阵，包括国际旅游外汇收入（ｆｔｏｕｒ）对数㊁国内生产总值（ｇｄｐ）对数㊁国内生产总值（ｇｄｐ）对数的二次项㊁城镇居民消费水平（ｃｏｎｓ）对数㊁房地产开发投资额（ｅｓｔａｔｅ）对数㊁外商投资企业数（ｆｏｒｅｉｇｎ）对数；ｄᶄｉＸｔδ表示解释变量的空间滞后，ｄᶄｉ为解释变量空间矩阵Ｄ的第ｉ行；γｔ为时间效应；ｍᶄｉ为扰动项空间权重矩阵Ｍ的第ｉ行㊂这个一般模型可以通过变换不同的系数为０而生成空间杜宾模型（ＳＤＭ）㊁空间自回归模型（ＳＡＲ）㊁空间自相关模型（ＳＡＣ）㊁空间误差模型（ＳＥＭ），本文使用最大似然估计方法对空间面板数据进行空间误差模型和空间自相关模型的估计㊂２ 空间面板数据实证研究结果在空间面板数据实证部分，本文使用空间误差模型（ＳＥＭ）的随机效应和固定效应估计两种方法，空间自相关模型（ＳＡＣ）只能使用固定效应的估计方法㊂为了更好地分析五星级酒店的空间效应，还加入了３１个省份１１期数据的混合ＯＬＳ回归结果做对比分析㊂从表４的模型估计结果可以发现：（１）混合ＯＬＳ回归中的大部分解释变量与空间计量模型的解释变量的系数变化不大，整体上混合ＯＬＳ回归解释变量的系数要大于空间计量模型解释变量的系数，这是因为混合ＯＬＳ模型没有考虑空间效应，存在遗漏变量而导致估计的解释变量系数高于真实值，但空间滞后变量就是没有㊃２６１㊃考虑到的遗漏变量㊂（２）在空间误差模型中，豪斯曼检验（Ｈａｕｓ⁃ｍａｎｔｅｓｔ）的结果为负数，不能拒绝原假设，应该使用随机效应，故本文选择ＳＥＭ模型中的随机效应的估计结果㊂结果显示大部分解释变量的系数是非常显著的，变量省级国内生产总值的对数（ｌｎｇｄｐ）对本省五星级酒店产生一次项为负㊁二次项（ｌｎｇｄｐｓｑ）为正的先抑后扬的 Ｕ 型影响㊂产生这种情况的原因是由于受到地域面积的限制，北京㊁上海㊁天津等直辖市的国内生产总值在３１个省份中排名靠后，但是这些直辖市却具有高数量的五星级酒店，致使两个变量呈反向影响关系；另有一些工业大省和能源大省（如河北㊁河南等），虽具有较高的国内生产总值，但五星级酒店数量却很少，两个变量也呈反向影响关系；对于国内生产总值排名在前面的省份来说，如广东㊁江苏㊁山东㊁浙江，出现了国内生产总值和五星级酒店数量都很高的正向影响关系㊂所以，变量省级国内生产总值的对数（ｌｎｇｄｐ）对本省五星级酒店产生先抑后扬的 Ｕ 型影响，变量城镇居民消费水平（ｌｎｃｏｎｓ）㊁变量外商投资企业数（ｌｎｆｏｒｅｉｇｎ）对五星级酒店有正向影响㊂扰动项空间依赖性的系数λ为０ １１５６２２４，并且在１％显著性水平上显著，说明扰动项存在正向空间滞后和空间依赖性，也就是说在未知和不可测的因素中有很多因素具有地理上的关联性㊂表４２００５－２０１５年我国五星级酒店空间计量模型估计变量混合ＯＬＳＳＥＭ模型ＳＡＣ模型普通标准误聚类稳健标准误随机效应（ｒｅ）固定效应（ｆｅ）固定效应（ｆｅ）ｌｎｆｔｏｕｒ２．７９２∗∗∗２．７９２∗∗∗０．９０１－０．４２７－０．３７９（４．５１）（２．３８）（１．１）（－０．４８）（－０．４２ｌｎｇｄｐ－７４．６３２∗∗∗－７４．６３２∗∗∗－６１．４７９∗∗∗－５７．０５４∗∗∗－５７．２４５∗∗∗（１０．５６）（－３．０２）（９．５５）（－８．６３）（－８．６５）ｌｎｇｄｐｓｑ３．９０７∗∗∗３．９０７∗∗∗３．５３３∗∗∗３．５５７∗∗∗３．４９２∗∗∗（１０．４４）（２．７３）（１０．０７）（９．８４）（９．２５）ｌｎｃｏｎｓ９．９９９∗∗∗９．９９９∗∗８．５４５∗∗∗５．２３３６．０６４（５．０３）（２．５７）（３．０２）（１．０３）（１．１５）ｌｎｅｓｔａｔｅ３．２５９∗∗３．２５９１．１７８０．６３３０．６４８（２．３９）（１．３３）（０．９５）（０．５１）（０．５２）ｌｎｆｏｒｅｉｇｎ６．９５４∗∗∗６．９５４∗∗∗５．４２１∗∗∗３．０７８∗∗２．８６２∗∗（８．１１）（３．９）（４．６４）（２．２５）（２．０４）＿ｃｏｎｓ１７３．０８０∗∗∗１７３．０８０１３８．０２８∗∗∗（４．３６）（１．４４）（３．８８）Ｓｐａｔｉａｌλ０．１１６∗∗∗０．１０８∗∗∗０．１０１∗∗∗（９．０１）（７．９４）（５．１５）ρ０．０１４（０．６２）Ｖａｒｉａｎｃｅｌｎ＿ｐｈｉ１．０２９∗∗∗（３．３９）ｓｉｇｍａ２＿ｅ２６．８９３∗∗∗２４．３４０∗∗∗２６．９９８∗∗∗（１２．０４）（１２．６６）（１３．７７）ｎ３４１３４１３４１３４１３４１Ｒ２０．７４０．７４ｗｉｔｈｉｎ＝０．５４２ｗｉｔｈｉｎ＝０．５５８ｗｉｔｈｉｎ＝０．５５７ｂｅｔｗｅｅｎ＝０．７７２ｂｅｔｗｅｅｎ＝０．６８３ｂｅｔｗｅｅｎ＝０．７１８ｏｖｅｒａｌｌ＝０．７１９ｏｖｅｒａｌｌ＝０．６４５ｏｖｅｒａｌｌ＝０．６６９Ｈａｕｓｍａｎｔｅｓｔｃｈｉ２（６）＝－９．６１，选择ｒｅ㊀㊀注：括号内为ｔ统计量㊂㊀㊀（３）空间自相关模型只可以进行固定效应估计，与空间误差模型相比，空间自相关模型的各个系数大小都出现了降低，这是因为加入了被解释变量的空间滞后项的缘故㊂除了城镇居民消费水平之外，其他变量的显著性水平变化不大㊂在空间自相关模型中，变量省级国内生产总值的对数（ｌｎｇｄｐ）依然对本省五星级酒店产生一次项为负㊁二次项（ｌｎｇｄｐｓｑ）为正的 Ｕ 型影响㊂变量外商㊃３６１㊃投资企业数（ｌｎｆｏｒｅｉｇｎ）对五星级酒店有正向影响，表示扰动项空间依赖性的系数λ为０ １００６２８９，并且在１％显著性水平上显著，依旧说明扰动项存在正向空间滞后和空间依赖性，即扰动项中的不可测因素存在地理上的相关性㊂被解释变量空间依赖性的系数ρ为０ ０１３５８１０７，不仅数值较小，而且在统计上不显著，说明五星级酒店变量的空间滞后性在空间面板数据中不明显㊂㊀㊀四㊁结论与政策建议我国大陆３１个省份的五星级酒店数量存在地理空间上的相关性㊁滞后性和空间效应，空间溢出效应有利于各个省份五星级酒店的共同发展㊂但是，由于交通条件日趋便利，邻近城市和邻近省份的五星级酒店之间会逐步形成竞争关系㊂北京㊁上海㊁广东㊁江苏㊁浙江等省市的五星级酒店数量已趋于饱和，整体上存在供大于求的问题，不宜再盲目增加五星级酒店数量，而应关注五星级酒店发展的质量问题，注意五星级酒店平均出租率与酒店数量的平衡及在省内各城市间的分布平衡㊂绝大多数西部省份和少量东北㊁中部省份难以形成规模效应，形成了五星级酒店缺乏区，应引起当地政府和国家有关部门的关注并予以扶植，这些地区五星级酒店的发展要与当地经济建设㊁商务活动㊁旅游业发展一并统筹考虑㊁相互促进，应把五星级酒店当作经济建设的配套设施和城市形象组成部分来发展㊂注释：①㊀本文的五星级酒店是指在中国大陆３１个省㊁直辖市㊁自治区范围内，酒店综合水平达到‘旅游饭店星级的划分与评定“（最新版本为ＧＢ／Ｔ１４３０８－２０１０）中所规定的五星级水平，在国家旅游局备案并获得官方认证的酒店㊂参考文献：［１］㊀林光平，龙志和．空间经济计量：理论与实证［Ｍ］．北京：科学出版社，２０１４．［２］㊀ＡｎｓｅｌｉｎＬ．ＳｐａｔｉａｌＥｃｏｎｏｍｅｔｒｉｃｓ．Ｉｎ：ＢａｌｔａｇｉＢＨ．ＡＣｏｍｐａｎｉｏｎｔｏＴｈｅｏｒｅｔｉｃａｌＥｃｏｎｏｍｅｔｒｉｃｓ［Ｃ］／／Ｏｘｆｏｒｄ：ＢｌａｃｋｗｅｌｌＰｕｂｌｉｓｈｉｎｇ，２００１．［３］㊀霍云霈，杨新军，张兴国．我国高档旅游宾馆空间分布特征与配置研究 以五星级宾馆为例［Ｊ］．人文地理，２００６，２１（２）：２８－３２．［４］㊀李文静，宋洪义，李冬麒．上海市星级饭店空间布局研究［Ｊ］．华东经济管理，２０１１，２５（２）：９－１２．［５］㊀文吉．广州市星级酒店空间发展格局［Ｊ］．经济地理，２００６，２６（３）：４５１－４５５．ＰｒｏｖｉｎｃｉａｌＤｉｓｔｒｉｂｕｔｉｏｎＤｉｆｆｅｒｅｎｃｅａｎｄＳｐａｔｉａｌＭｅａｓｕｒｅｍｅｎｔｏｆＩｎｆｌｕｅｎｃｅＦａｃｔｏｒｓｏｆＦｉｖｅＳｔａｒＨｏｔｅｌｓｉｎＣｈｉｎａＹＩＮＹｕ－ｆａｎｇ１，２，ＴＡＯＴｉｎｇ－ｆａｎｇ１（１．ＣｏｌｌｅｇｅｏｆＢｕｓｉｎｅｓｓ，ＳｈａｎｇｈａｉＵｎｉｖｅｒｓｉｔｙｏｆＦｉｎａｎｃｅａｎｄＥｃｏｎｏｍｉｃｓ，Ｓｈａｎｇｈａｉ２００４３３，Ｃｈｉｎａ；２．ＴｏｕｒｉｓｍＣｏｌｌｅｇｅ，ＳｈａｎｇｈａｉＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２０１４１８，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｆｔｅｒ１９９０，ｆｉｖｅｓｔａｒｈｏｔｅｌｓｉｎＣｈｉｎａｃｏｎｔｉｎｕｅｔｏｇｒｏｗ，ｂｕｔｔｈｅｒｅａｒｅｒｅｇｉｏｎａｌｄｉｆｆｅｒｅｎｃｅｓａｍｏｎｇ３１ｐｒｏｖｉｎｃｉａｌｒｅｇｉｏｎｓ．Ｔｈｅｒｅａｒｅｏｂｖｉｏｕｓｃｏｒｒｅｌａｔｉｏｎａｎｄｐｒｏｘｉｍｉｔｙｅｆｆｅｃｔｓｉｎｆｉｖｅｓｔａｒｈｏｔｅｌｓᶄｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎ．Ｔｈｅｃｏｎｓｕｍｐｔｉｏｎｌｅｖｅｌｏｆｕｒｂａｎｒｅｓｉｄｅｎｔｓａｎｄｔｈｅｎｕｍｂｅｒｏｆｆｏｒｅｉｇｎ－ｉｎｖｅｓｔｅｄｅｎｔｅｒｐｒｉｓｅｓｂｏｔｈｈａｖｅａｐｏｓｉｔｉｖｅｉｍｐａｃｔｏｎｔｈｅｎｕｍｂｅｒｏｆｆｉｖｅ－ｓｔａｒｈｏｔｅｌｓ．Ｔｈｅｎｕｍｂｅｒｏｆｆｉｖｅ－ｓｔａｒｈｏｔｅｌｓｉｎＢｅｉｊｉｎｇ，Ｓｈａｎｇｈａｉ，Ｇｕａｎｇｄｏｎｇ，Ｊｉａｎｇｓｕ，Ｚｈｅｊｉａｎｇｈａｓｂｅｃｏｍｅｓａｔｕｒａｔｅｄ，ａｎｄｔｈｅｒｅｉｓａｐｒｏｂｌｅｍｔｈａｔｓｕｐｐｌｙｅｘｃｅｅｄｓｄｅｍａｎｄｏｎｔｈｅｗｈｏｌｅｍａｒｋｅｔ．Ｉｔｉｓｎｏｔａｐｐｒｏｐｒｉａｔｅｔｏｂｌｉｎｄｌｙｉｎｃｒｅａｓｅｔｈｅｎｕｍｂｅｒｏｆｆｉｖｅ－ｓｔａｒｈｏｔｅｌｓ，ｂｕｔｓｈｏｕｌｄｐａｙｍｏｒｅａｔｔｅｎｔｉｏｎｔｏｔｈｅｑｕａｌｉｔｙｏｆｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｆｉｖｅ－ｓｔａｒｈｏｔｅｌｓ，ｔｈｅｂａｌａｎｃｅｂｅ⁃ｔｗｅｅｎｏｃｃｕｐａｎｃｙａｎｄｎｕｍｂｅｒｏｆｆｉｖｅ－ｓｔａｒｈｏｔｅｌｓ，ａｎｄｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｂａｌａｎｃｅａｍｏｎｇｄｉｆｆｅｒｅｎｔｃｉｔｉｅｓ．Ｔｈｅｖａｓｔｍａｊｏｒｉｔｙｏｆｗｅｓｔｅｒｎｐｒｏｖｉｎｃｅｓａｎｄａｓｍａｌｌｎｕｍｂｅｒｏｆｎｏｒｔｈｅａｓｔａｎｄｃｅｎｔｒａｌｐｒｏｖｉｎｃｅｓｈａｖｅｆｏｒｍｅｄａｆｉｖｅ－ｓｔａｒｈｏｔｅｌｓｈｏｒｔａｇｅａｒｅａ，ｗｈｉｃｈｉｓｄｉｆｆｉｃｕｌｔｔｏｆｏｒｍａｓｃａｌｅｅｆｆｅｃｔ，ｓｏｗｅｓｈｏｕｌｄｂｅｐａｉｄａｔｔｅｎｔｉｏｎｔｏａｎｄｓｕｐｐｏｒｔｅｄｂｙｔｈｅｌｏｃａｌｇｏｖｅｒｎｍｅｎｔａｎｄｒｅｌｅ⁃ｖａｎｔｄｅｐａｒｔｍｅｎｔｓ；ｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｆｉｖｅ－ｓｔａｒｈｏｔｅｌｓｓｈｏｕｌｄｂｅｃｏｎｓｉｄｅｒｅｄａｎｄｐｒｏｍｏｔｅｄｗｉｔｈｔｈｅｌｏｃａｌｅｃｏｎｏｍｉｃｃｏｎ⁃ｓｔｒｕｃｔｉｏｎ，ｂｕｓｉｎｅｓｓａｃｔｉｖｉｔｉｅｓａｎｄｔｏｕｒｉｓｍｄｅｖｅｌｏｐｍｅｎｔ．Ｉｎｔｈｅｓｅａｒｅａｓ，ｆｉｖｅ－ｓｔａｒｈｏｔｅｌｓｓｈｏｕｌｄｂｅｄｅｖｅｌｏｐｅｄａｓｓｕｐｐｏｒｔｉｎｇｆａｃｉｌｉｔｉｅｓｆｏｒｅｃｏｎｏｍｉｃｃｏｎｓｔｒｕｃｔｉｏｎａｎｄａｎｉｎｔｅｇｒａｌｐａｒｔｏｆｔｈｅｃｉｔｙᶄｓｉｍａｇｅ．Ｋｅｙｗｏｒｄｓ：ｆｉｖｅｓｔａｒｈｏｔｅｌｓ；ｐｒｏｖｉｎｃｉａｌｄｉｆｆｅｒｅｎｃｅ；ＭｏｒａｎᶄｓＩ；ｓｐａｔｉａｌｅｃｏｎｏｍｅｔｒｉｃｍｏｄｅｌ（责任编辑：厉新）㊃４６１㊃。
数字经济助推共同富裕的实现路径探析——基于空间溢出效应
学习贯彻二十大DOI:10.19995/10-1617/F7.2024.01.027数字经济助推共同富裕的实现路径探析——基于空间溢出效应陈功 岳雅萱 马欣妮 陈裕 冯雪阳(通讯作者)(南通理工学院 江苏南通 226000)摘 要：共同富裕是中国式现代化的重要特征，数字经济是中国经济高质量发展的重要引擎。
研究数字经济赋能共同富裕的机理与优化路径，对共同富裕目标的实现具有重要的现实意义。
本文通过构建数字经济和共同富裕的指标体系，利用2020—2022年31个省(区、市)的面板数据构建空间计量模型，研究数字经济对共同富裕是否存在空间溢出效应及区域异质性。
结果表明：在数字经济发展背景下，资源优化配置、教育发展水平、区域发展水平均对共同富裕具有空间溢出效应，并据此提出有关政策建议，仅供参考。
关键词：数字经济；共同富裕；空间溢出效应；经济高质量发展；空间计量本文索引：陈功,岳雅萱,马欣妮,等.数字经济助推共同富裕的实现路径探析[J].商展经济,2024(01):027-030.中图分类号：F124 文献标识码：A1 引言中国共产党以其坚强的政治意志和不懈的努力，在党的诞辰百年之际，以惊人的成就，彻底消除了绝对贫穷。
十九届五中全会进一步将“实现共同富裕，取得更大的实质性进展”确定为中国未来发展的宏伟蓝图。
探索让全民都能享受到更加美好的生活，这一切都需要以数字经济为基础、为支撑，推动全民共享财富。
只有推动全民参与，才能真正让全民都能享受到更加美好的生活。
第一，根据党的二十大报告，中国的现代化必须以促进全体公众的共享繁荣为核心。
为此，本研究以2020—2022年31个省(区、市)的面板数据为主要基础，采取空间计量方法，深入探讨了数字经济如何促进公众共享繁荣。
第二，2020年，中国正式跨越式走向一个更加繁荣昌盛的年代，而数字经济的出现，将极大地改变当前的局势，它将有助于改善各种贫困和落后的行业，提升整体的经济效率，使得“化学反应”的理念得以落实，并将有助于构筑一种更加公正、公开、可持续的经济环境。
影子银行对房价溢出效应的区域异质性研究——基于省级面板数据的空间计量分析
第21卷第4期2021年4月Vol.21No.4Apr.2021黑龙江工业学院学报JOURNAL OF HEILONGJIANG UNIVERSITY OF TECHNOLOGY文章编号：2096-3874(2021)04-0060-07影子银行对房价溢出效应的区域异质性研究——基于省级面板数据的空间计量分析张超，侯甜甜(安徽财经大学金融学院，安徽蚌埠233030)摘要:基于2009—2018年我国31个省级区域的面板数据，运用空间面板模型研究影子银行与房价之间的变动关系。
结果表明:我国房价存在地理聚集效应，且与影子银行有着一定的空间关联性。
从全国层面来看,影子银行具有显著的正向溢出效应，即某个地域影子银行规模的扩大不仅会促进当地房价的上涨，还会对邻近地域的房价起到推动作用。
分地区来看：东、中部地区影子银行规模的扩大对房价有着较强的正向溢出效应，而西部地区的溢出效应不明显。
为此，建议地方政府需稳定房价、规范影子银行发展以及促进区域协调发展等。
关键词：影子银行;房价;溢出效应；空间计量中图分类号:F812.7文献标识码:A自我国的住房制度改革以来，各地区房价竞相上涨，部分城市房价一度出现“量价齐升”的态势。
一些学者认为，当前我国房地产行业正逐渐步入“脱实向虚”境地⑴。
为防范和遏制房地产泡沫化，政府出台了一些稳定房价的调控政策，例如:“国五条”“国十条”“五限政策”等。
但从房价的波动幅度来看，并未达到预期效果，房价依旧“逆势飘红”,这或许与近些年快速成长起来的影子银行有关。
据银保监会的课题组发布《中国影子银行报告》显示，截至2019年底，由银行理财、委托贷款、资金信托等组成的广义影子银行规模已达到84.80万亿元，约占社会融资规模的33.72%。
影子银行存在不透明性、期限转换以及高杠杆性等特征,能够在一定程度上规避管制,为金融机构和企业提供部分信贷支持⑵。
被誉为“经济晴雨表”的房地产行业是资本密集型产业,对资金存在较大需求，依赖传统银行机构进行融资的方式难以满足该行业现行发展的需要。
金融发展、政策激励与实体经济增长
金融发展、政策激励与实体经济增长作者：赫国胜燕佳妮来源：《河北经贸大学学报》2020年第05期摘要：選取2007—2017年中国31个省份的面板数据，利用熵值法逐年确定金融发展、政策激励指标的权重，通过设定静态和动态的空间计量模型，实证分析金融发展、政策激励与实体经济增长之间的关系。
从实证结果来看，地理和经济因素确实都会对中国实体经济的发展产生影响，但不同区域的影响程度存在明显的空间联系与差异。
同时，实体经济发展会受到前期的影响并存在惯性。
金融发展、政策激励在短期和长期均与实体经济呈正相关关系，但二者的交互项与实体经济呈负向相关。
因此，促进实体经济增长不仅需要金融体系的深化改革与多项政策的指向性引导，而且需要提高二者的配合质量与协调度。
关键词：金融发展;政策激励;实体经济增长;空间面板模型中图分类号：F830 文献标识码：A文章编号：1007-2101（2020）05-0018-10来稿日期：2020-01-15作者简介：赫国胜，辽宁大学经济学院教授，博士生导师，电子邮箱：*******************;燕佳妮，辽宁大学经济学院博士研究生，电子邮箱：**************************。
金融本应为实体经济服务，是实体经济稳健运行的必要血脉，同时，金融根植于实体经济也是规避金融风险甚至金融危机的有效手段。
金融体系依据效率原则，利用其中介职能促使社会资本有序流动，为实体经济发展注入必要的资金并提供多样化的金融服务;政策安排可以促进实体经济部门扩大再生产，刺激居民消费水平直接作用于实体经济的增长，同时有助于产业转型升级，积累社会发展需要的人力资本间接作用于实体经济的发展;政策效果的发挥只有与金融体系保持良好的互动，才能有效提高实体经济的增长率。
因此，有必要从理论和实证两个角度分析金融发展、政策激励，以及二者的交互作用对实体经济发展的作用方向与程度。
一、文献综述（一）金融发展与实体经济增长关系的研究安瑟林（Anselin，1988）认为邻近地区的经济地理属性具有空间的相关性和依赖性[1]，吉利（Gilly，2000）也认为经济属性的空间相关性会在组织邻近时加强[2]。
经济发展、财政竞争与地方财政效率——基于空间杜宾模型的分析
标准差 0郾 253 8郾 389 20郾 52 4郾 288 9郾 24 1郾 48 14郾 67 0郾 69
二、实证研究设计
( 一) 超效率 DEA 模型和空间杜宾模型设定 数据包络分析( DEA) 最早由 Charnes 等(1978) [10] 提出,用于测评非盈利性决策单元的相对有效性。 发展至今,DEA 已成为常用的非参数效率评价方法,是测算财政效率的常用方法。 由于传统 DEA 方法测 算结果会有多个 DEA 有效决策单元,即效率值为 1,而 Andersen 等(1993) 依据 CCR 模型提出超效率
关键词:地方财政效率;财政竞争;经济发展;财政支郾 7摇 摇 摇 文献标志码:A摇 摇 摇 文章编号:1672鄄0598(2021)04鄄0046鄄09
一、引言与文献综述
长期以来,我国地方政府一直通过各种财政手段拉动地方经济社会发展,财政发挥的作用有目共睹。 2013 年党的十八届三中全会进一步指出财政是国家治理基础和重要支柱,这就要求财政发挥更大作用。 与之对应的是,近几年我国地方财政支出增速普遍高于财政收入增速,地方财政收支平衡压力持续放大。 因此,如何在地方财政资金有限情况下实现治理水平提升以满足经济社会发展所需财政支持,以及如何 提高财政效率成为关注点和解决方法之一。
( 三) 变量选择 1. 超效率 DEA 模型变量选取 超效率 DEA 模型测算涉及财政投入指标和产出指标,本文从地方财政促进经济社会发展的主要政 策目标出发,财政投入指标选取地区财政支出和财政支出占 GDP 比重,产出指标选取地区 GDP 和人均收 入来分别衡量地区社会整体发展水平和人民生活水平。 2. 空间杜宾模型变量选取 财政效率受很多变量影响。 结合已有研究,本文从以下三方面选取相关变量作为财政效率( Effi) 的 解释变量:一是财政竞争中财政自身情况的影响,包括税收收入占比( Tax) 、财政自给率( Suff) 、财政负担 率( Reve) ;二是经济发展中经济现状影响,包括产业结构( Indu) 和人均 GDP( Pergdp) ;三是社会环境影 响,包括城镇化率( Urban) 和人口密度( Popu) ,表 1 为变量的描述性统计。 其中,财政效率是由 MAXDEA 模型测得的各省每年的综合效率;税收收入占比是税收收入占财政收入的百分比;财政自给率是财政收 入占财政支出的百分比;财政负担率是财政收入占地区 GDP 的百分比;产业结构是第三产业 GDP 占地区 GDP 的百分比;人口密度是单位土地面积上的常住人口数。 同时,为减小数据异方差,防止相关系数取值 过小,人口密度和人均 GDP 取对数处理。
31个省份城市建设大数据：市区面积、城区面积、建成区面积排名
31个省份城市建设⼤数据：市区⾯积、城区⾯积、建成区⾯积排名⼭川⽹：今天周⽇，是春节假期后的第⼀个休息⽇，不知道各位是否已经从春节假期的⽣活状态中回转回来。
如果没有的话，还是需要尽快扭转状态，把⼼思和精⼒更好地投⼊到⼯作当中来。
今天⼩川通过国家住建委公布的相关数据中，综合提炼了⼀些关于中国⽬前31个省级⾏政单位城市建设⽔平相关数据，并重新制作表格，分享给⼤家。
上图是⼀份2016年全国省域城市建设⽔平综合数据，按照中国六⼤⾏政区划（中部地区并⼊华南地区统计），整理了⼈⼝密度、市区⾯积、市区⼈⼝、城区⾯积、城区⼈⼝、建成区⾯积等关于城市建设发展⽔平的⼏⼤重要数据。
其中⼈⼝密度为城区部分⼈⼝密度数据，是通过城区总⼈⼝与⾯积进⾏计算的结果。
这⾥，⼩川正好和⼤家普及⼀个知识点，关于地理和经济学中关于城市地区⾯积、市区⾯积、城区⾯积和建成区⾯积这四个不同的概念定义——地区⾯积：指根据国家⾏政区划，⼀个地区的国⼟⾯积总和。
⽐如我们总说的中国国⼟⾯积960万平⽅公⾥，江苏省⾯积10.72万平⽅公⾥，北京市⾯积1.641万平⽅公⾥，都是地区⾯积的概念。
市区⾯积：指城市⾏政区域内的全部⼟地⾯积（包括⽔域⾯积），地级以上城市⾏政区不包括市辖县（市）。
市区⾯积与地区⾯积的区别在于：不分区的市（县级市）没有区别，⾏政区域⾯积多⼤市区⾯积就多⼤；分区的市（直辖市、地级市）只算下辖的“区”的⾯积，县或者县级市不被包括。
这⾥我们以杭州市为例，杭州下辖10个市辖区、2个县、1个县级市。
那么市区⾯积，就只是10个市辖区的⾯积之和，不算⼊2个县和1个县级市的⾯积。
⽽⽐如北京、上海这样全境已实现辖区制的城市，市区⾯积就等同于地区⾯积。
城区⾯积：指城市的城区。
城区包括：市本级 (1)街道办事处所辖地域；(2)城市公共设施、居住设施和市政公⽤设施等连接到的其他镇（乡）地域；（3）常住⼈⼝在3000⼈以上独⽴的⼯矿区、开发区、科研单位、⼤专院校等特殊区域。
中国人口老龄化区域差异与收敛性研究
中国人口老龄化区域差异与收敛性研究蔡远飞;李凤【摘要】The analysis of spatial distribution of the regional population aging in China shows that the aging boast of a tendency of spatial aggregation centering to the east coastal region from the middle region and the western region with the aging rate of population increasing national wide overall. The study of overall and partial Moran Index show that there is significant positive correlation in population aging among the whole nation and regions of China. The spatial econometric model built in terms of spatial correlation and the analysis method of economic growth convergence show that there exists an absolute and high speed effect of β-convergence in the population aging in China.%本文通过对中国人口老龄化空间分布特征的分析，得出各地区人口老龄化程度普遍加深且存在空间聚集性，呈现东部沿海－中部－西部内陆的扩张规律，形成了沿长江流域严重老龄化聚集地带。
此外，全局和局部 Moran 指数显示我国人口老龄化存在显著的全局和局部空间正相关关系。