北京市区域经济增长的收敛性分析

北京市区域经济增长的收敛性分析

摘要：本文对北京市区域经济增长的收敛性进行了研究。在将北京市１８个区县划分为4个经济区的基础上，用基尼系数分解方法，得出北京市区域经济增长不存在?滓-收敛。同时，还利用面板数据和空间面板数据模型分析得出北京市区域经济增长不存在β-绝对收敛，但存在β-条件收敛，并且分析了形成这种条件β-收敛的原因。

关键词：基尼系数；β-收敛；条件β-收敛

在对北京市区域经济增长的收敛性研究中，我们首先将北京市划分为功能核心区、功能拓展区、发展新区、生态涵养发展区4个经济区，应用基尼系数分解方法（这里所说的基尼系数是以各经济区或各区县为单位算出的，它可以表示各经济区或各区县之间的贫富差距水平），对1994-2004 年的数据进行分析，得出北京市区域经济增长不存在?滓－收敛。然后，利用面板数据（panel data）和空间面板数据（spatial panel data）模型分析得出北京区域经济增长不存在β-绝对收敛，但存在β-条件收敛，并且分析了形成这种β-条件收敛的原因。

一、经济收敛问题研究的简单追朔

新古典增长理论认为，若技术外生一致，资本边际报酬递减会使经济欠发达地区以更快的增长速度发展，进而赶上发达地区，实现经济增长的趋同，即经济收敛。新增长理论则认为与物质资本、技术及人力资本相关的规模报酬递增很可能使各地区经济增长朝着不同的方向发展，即经济增长发散。这两种理论对经济增长收敛性长期争论并引发了大量实证研究的出现。

在区域经济收敛性的实证研究中，一般将经济收敛区分为σ-收敛、β-收敛和俱乐部收敛。σ-收敛是指经济体人均GDP的标准差具有下降的趋势。β-收敛可分为β-绝对收敛和β-条件收敛，β-绝对收敛是指穷经济体比富经济体有更快的发展速度，并最终都达到相同的稳定状态。β-条件收敛是指经济体的增长由于其自身初始状态的不同而收敛到各自不同的稳定状态。俱乐部收敛是指在初期经济发展水平相近的经济集团内部，其增长速度和发展水平趋同，而集团间的差异仍会存在。

关于σ-收敛，目前看来利用基尼系数的分解来分析是一条较优的途径。在β-收敛的问题上，大多数人使用横截面数据或面板数据进行回归分析。回归模型一般采用基于Solow-Swan、Barro J R 和Sala-I-Martin X 的收敛分析模型得出模型:

以上对国家或地区经济增长收敛性的研究都将经济体视为互相独立的个体，然而，在实际经济活动中，地区间的资金、劳动力等要素流动、商品流通、信息交流等使得地区间尤其是相邻地区间的经济增长相互影响，在地理上存在空间相关性。Toblers (1979) 提出的地理第一定理认为，事物都是彼此联系的。而且，与较近事物的联系程度会比较远事物的联系程度更加紧密。此外，区域经济理论认为外部性、技术扩散、要素流动等机制在很大程度上都促进了地区经济增长的趋同，而这些收敛机制具有显著的地理特征，因此，空间因素在区域经济增长过程中的作用不可忽视。因此，近些年来许多学者在研究区域经济收敛问题，将空间因素也考虑进来。

考虑了空间因素的回归模型，有两种基本形式，分别是空间滞后模型(Spatial Autoregressive Model ，SAR) 和空间误差模型(Spatial Error Model ，SEM) ：

其中，y为因变量，X为自变量向量，β为变量系数，ρ和λ分别为空间自回归系数和空间自相关系数，ε和μ为随机误差项。W为n×n 的空间权重矩阵(n 为地区数)，若地区i和j边界相邻，W中的元素Ｗi，j的值为1 ，否则即为0；β为地区经济增长率对地区最初经济水平的弹性，是对地区经济收敛的衡量，若β为显著负值，表明经济增长存在收敛性，若β为显著正值，则表明经济增长是发散的。

在我国经济收敛性分析上，学者们得出的结论大多是认为我国区域经济增长不存在σ-收敛，也不存在β-绝对收敛，但存在β-条件收敛。也有一些学者从不同的角度来研究我国区域经济增长的俱乐部收敛问题。

二、北京区域经济收敛的实证分析

本节数据来源于中国统计出版社出版的北京统计年鉴，使用的统计软件为Eviews5.0。下面，先将北京市１８个区县按照政策规划目标划分为功能核心区、功能拓展区、发展新区、生态涵养发展区4个经济区。其中功能核心区包括东城、西城、崇文、宣武，功能拓展区包括朝阳、海淀、丰台、石景山，发展新区包括顺义、昌平、大兴、通县、房山，生态涵养发展区包括怀柔、密云、延庆、平谷、门头沟。

设k=1，2，3，4分别表示功能核心区、功能拓展区、发展新区、生态涵养发展区，用ukt表示t年第k个经济区的人均GDP，ut为t年北京市人均GDP。

各区县的人均GDP 用yit（i=1，２…，１８）表示。

（1）σ-收敛分析

经计算，北京市t年的总体基尼系数分解情况如下表。

由上表可以看出，总的基尼系数有明显的上升趋势，各个经济区的基尼系数也有明显的上升趋势。这说明总体上并不存在?滓－收敛（各个经济区也不存在?滓－收敛）。另外，从对基尼系数的贡献率的角度来看，四大经济区组间的贡献率明显大于组内的贡献率，进一步说明北京市区域经济发展的差异主要来自于四大经济区的差异。

（２）β-收敛分析

下面，利用１９９４-２００４年的面板数据和空间面板数据对北京市区域经济增长做β-收敛性分析。

首先，采用未加入区域虚拟变量的模型和加入区域虚拟变量的模型对1994-2004 年间北京市18 个区人均GDP增长率进行回归分析，其结果见下表。

加入的控制变量?追i，t是第i个区县t年的某些指标变量。主要有财政收入比重（财政收入与t年GDP的比）、财政支出比重（财政支出与t年GDP的比）、产业结构变量（各个产业产值的对数增长率与GDP的比的加权平均就是产业结构变量）、工业化水平（第二产业产值与GDP的比）、服务业水平（第三产业产值与GDP的比）、实际利用外资额比重（实际利用外资额与当年GDP的比）。计算结果表明，在加入财政收入比重、财政支出比重、产业结构变量、工业化水平、服务业水平、实际利用外资额比重后都会使北京市区域经济增长的β-条件收敛性得到了验证，收敛速度达到了3%左右，这说明这些控制变量也是影响β-条件收敛性的不可忽视的因素。

最后，引入空间因素，同时考虑区域虚拟变量，且增加控制变量社会消费品零售总额比重（第i个区县t年的社会消费零售与当年GDP的比，ｉ＝１，…，18）进行回归分析。采用的模型应是空间滞后模型（３）或空间误差模型（４）。理论上在选择空间滞后模型还是空间误差模型时可以通过ＬＭ统计量检验来完成。从国外相关研究来看，对区域人均GDP的β-收敛模型通过统计检验或者试探性空间计量分析，大都支持空间滞后模型。有学者认为，如果能够用空间滞后模型拟合，即使统计量比空间误差模型差些，但只要统计量检查显著，选择空间滞后模型更好，更容易从经济意义上加以解释。本文采用空间滞后模型（５），经计算可知，在加入区位虚拟变量、财政收入比重、财政支出比重、工业化水平、服务业水平、社会消费品零售总额比重、实际利用外资比重、空间因素后也会使