我国区域经济_趋同的空间计量分析_肖灿夫

1988 1989 1990 1991 1992 1993 1994 1995 1996 0.400 0.39 0.378 0.391 0.423 0.451 0.472 0.483 0.494 2.839 2.773 2.695 2.780 2.989 3.173 3.310 3.382 3.454
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。
28
广东海洋大学学报
第 29 卷
间计量经济学的工具，将空间效应的影响纳入到我 国省区（区域）间的经济差异和趋同分析当中。吴 玉鸣采用1978~2002年的省际截面数据，采用空间 误差模型研究了中国省域经济增长的β-趋同问题， 发现各省区间表现出较为显著的条件β-趋同迹象， 趋同的速度约为2%，[9]这与目前跨国截面研究的结 果基本一致。但现有文献均未能系统地运用空间计 量分析来检验我国省区间的β-趋同现象。本文拟在 Anselin[11]的空间计量模型的基础上，对我国省区间 的经济β-趋同进行较为完整的空间计量分析。
相邻标准用的比较多，即：
⎧1
wij
=
⎨ ⎩0
区域i和区域j有公共边界 ，
区域i和区域j没有公共边界
i，j＝１，２，…，n。从Moran’s I的计算公式，可
以知道其取值范围为-1≤I≤1。I越趋近于1，表明
各地区间人均GDP的正相关性越强；反之，I越趋近
于-1，说明各地区间人均GDP的负相关性越强；I=0
第 29 卷 第 2 期 2009 年 4 月
广东海洋大学学报 Journal of Guangdong Ocean University
Vol.29 No.2 Apr. 2009
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）
ln( yi,t+T yi,t ) = α + β ln( yi,t ) + ρW ln( yi,t+T yi,t ) + εi,t ，
εi,t ~ N (0,σ 2I ) ，
（2）
其中W为空间权重矩阵，ρ是一个标量，为空间自
应用空间计量方法来进行β-趋同分析，依据空 间作用不同形式的假定，可以有不同的模型设定形 式。现有文献中一般有三种设定：空间滞后模型、 空间误差模型和空间交叉回归模型[11-12]，但空间交 叉回归模型运用的比较少，所以我们仅介绍其他两 种设定形式。 2.1 空间计量模型的类型 2.1.1 空间滞后模型 空间滞后模型将观测值的 空间相关性处理成内生的空间滞后变量：
1998 1999 2000 2001 2002 2003 2004 2005 2006 0.500 0.507 0.511 0.506 0.501 0.509 0.518 0.515 0.522 3.494 3.540 3.566 3.533 3.500 3.553 3.612 3.592 3.638
一假设忽视了各省区（区域）之间的空间内在联系， 当我们利用省、市等地方层面的数据对我国省区间 经济的趋同性进行检验时，通常会面临以下二个问 题：一是异方差，二是序列相关。蔡昉和都阳在省 际存在异方差和每一个省份的数据都存在特定的 序列相关的假定下，采用FGLS回归方法对我国省区 间的经济趋同进行了检验。[1]事实上，异方差不仅 仅是表现为截面异方差，在经济发展的不同时期， 尤其是我国目前的转型阶段，时期异方差的存在也 是很自然的现象；序列相关也不仅仅是表现为每一 个省区自身数据的时序相关，还表现为省区之间的 空间相关。近年来，许多学者[6-10]利用空间统计和空
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，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。那么，随着我国经济 的进一步发展，省区间的经济差距会不会缩小？亦 即我国省区间经济是否存在趋同？众多的学者从 不同角度对这一问题进行深入研究，并得到基本一 致的研究结论：中国省际经济增长并不存在绝对趋 同，但呈现出明显的东、中、西三大地带的“俱乐 部趋同”特征[1-4]，趋同速度大致为2 %[5]。这些文献 大多基于这样一个假设：每一个省区（区域）均是 一个独立的经济体，就象不同国家的情形一样。这
意味着各地区人均GDP的分布是相互独立的。
年份 Moran’s I Z统计量
年份 Moran’s I Z统计量
年份 Moran’s I Z统计量
表1 1978～2007年人均GDP的Moran’s I指数及其Z统计量① Tab.1 Moran’s I and Z-test of the per capita GDP 1978～2007 1978 1979 1980 1981 1982 1983 1984 1985 1986 0.295 0.305 0.291 0.299 0.309 0.333 0.342 0.355 0.369 2.151 2.216 2.125 2.177 2.242 2.400 2.459 2.544 2.636
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)02-0027-05
Spatial Econometrics on China’s Regional Economic β-Convergence
XIAO Can-fu1， LI Jiang-tao2，ZHANG Chang-lin3 ( 1.College of Economic & Management, Guangdong Ocean University, Zhanjiang 524088, China; 2. School of Accounting, Guangdong Polytechnic Normal University, Guangzhou 510275, China;
权重矩阵W的第i行第j列元素，表示i省与j省的空间
关系。 wij 的取值可以采用相邻标准或距离标准，
因为距离标准对于合理距离的定义比较困难，所以
空间相关性指的是空间上越靠近的事物或现 象就越相似，某些经济变量在临近范围内的变化往 往表现出对空间位置的依赖关系。如果一个变量的 取值随着距离的缩小而变得更相似，则这一变量存 在空间正相关；若随着距离的缩小，差异性越大， 则该变量在空间单元中是负相关的。检验空间单元 的某个指标是否存在相关，有许多的指数，如 Moran’s I指数、Geary’s C指数和Getis’G指数，其中 以Moran’s I指数最为常用。下面我们用Moran’s I指 数来检验我国31个省级行政区的人均GDP的空间相 关性（表1）。计算公式为：
肖灿夫等：我国区域经济 β-趋同的空间计量分析
29
原假设H0为：n个区域单元的人均GDP之间不存 在空间相关。表1是根据上述公式计算得到的我国 31个省区1978～2006年Moran’s I及其显著性检验正 态统计量Z在1%显著水平下的临界值为1.96，从表1 可以知道，在所有年份，我国大陆各省区人均GDP 的Moran’s I指数的Z统计量均大于1.96，表明大陆各 省区之间以人均GDP衡量的经济增长在空间分布上 具有显著的正空间相关，即各省区人均GDP的空间 分布并非表现出完全随机状态，而是表现出相似值 之间的空间集聚。
1987 0.385 2.740
1997 0.497 3.474
2007 0.527 3.642
计算出Moran’s I之后，还需对其结果进行统计
显著性检验，检验统计量为： Z = I − E(I ) ， Var(I )
式中 E(I ) 和Var(I ) 分别为Moran’s I的期望值
和方差。在Moran’s I服从正态分布时，其期望值为
E(I ) = − 1 ，方差为： n −1
Var(I )
=
n2 (n
− 1)S1 − n(n − 1)S2
(n2
−
1)
S
2 0
−
2
S
2 0
，
其中
∑ ∑ S0 =
wij ，
i≠ j
∑ ∑ S1
=
1 2
(wij + wji )2 ,
i≠ j
∑ ∑ ∑ S2 = ( wkj + wik )2 。
kj
i
第2期
从Moran’s I指数时间序列的变化趋势，我们还 可以观察到，改革开放以来，我国大陆各省区人均 GDP的空间相关性除在20世纪80年代末出现短暂的 下降之外，总体趋势是上升的。
当省区间经济增长存在显著的空间相关性时， 采用空间计量分析方法进行分析可能更为妥当。
2 β-趋同的空间计量模型及模型选择
在新古典增长框架中，检验无条件β-趋同的 向量形式为：
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