空间滞后模型的直接效应和间接效应
规模经济、集聚效应与流通效率的空间差异性研究
学术界从多个视角对流通效率和流通市场水平展开了 研究。例如，俞超和任阳军（2017）运用超效率 DEA 模 型测算我国省际商贸流通业效率，并借助空间 Durbin 模 型分析区域商贸流通业效率的空间溢出效应及其影响因 素。结果表明：我国商贸流通业效率区域差异明显，省际 区域商贸流通业效率具有空间溢出效应，间接效应、总效 应对商贸流通业效率的影响与直接效应呈现出相同的影响 方向，不同解释变量对本地区和其他地区商贸流通业效率 提升作用的显著性不同。于桂宾（2017）认为商贸流通业
引言
商贸流通业是区域经济发展的风向标，更是实现区域 内部产业组合，增强经济市场互通的核心部门。自 2008 年金融危机以来，世界经济发展缓慢，我国进出口贸易和 投资拉动效果显著下降，消费经济已然成为促进国民经济 发展的新引擎，流通产业则是实现消费经济突破、完善消 费经济市场、提升消费经济规模的关键要素。在新常态背 景下，我国各类产业均面临严峻的结构调整和转型压力， 如何满足消费经济所需的多重职能、推动区域经济发展更 上层楼，成为了流通产业改革的阶段性目标。然而，我国 流通经济发展的不均衡、不全面的问题依然突出，商贸流 通市场的结构性问题依然顽固，流通产业的综合发展需要 更稳定、均衡的经济环境。鉴于上述背景，本文采用空间 计量分析模型，从量化角度对我国各个区域的流通效率及 其空间分布展开研究，以期为解决我国流通产业发展的结 构性问题提供依据。
作为连接生产和消费的纽带，对我国制造业的稳定可持续 发展有着重要作用。从本质上看，商贸流通业是制造业专 业分工深化的结果，商贸流通业专业化程度的提升，可以 提高制造业运行效率，实现制造业增长方式的转型升级， 对制造业的发展起到显著的溢出效应。
在流通水平量化研究的基础上，亦有大量学者针对 流通水平的空间分布展开了分析。例如，曾庆均等（2019） 基于随机前沿模型对我国区域创新效率进行测算，构建 空间计量模型衡量生产性服务业集聚与区域创新效率的 关系。结果表明：我国各地区生产性服务业集聚与创新 效率相互促进作用明显，均存在显著的空间溢出效应。 梁坤（2019）指出，流通成本通过产业聚集效应影响区 域经济发展，区域流通效率是产业间商品交流速度的衡 量指标，提升商品流通效率是发展商品经济的重要任务。 研究发现，我国不同区域的流通效率具有明显的差异和 空间性，产业流通成本与区域流通效率间存在显著的负 相关关系。
R软件做杜宾模型直接效应、间接效应和总体效应帮助文件中英文对照
impacts(spdep)impacts()所属R语言包：spdepImpacts in spatial lag models在空间滞后模型的影响描述----------Description----------The calculation of impacts for spatial lag and spatial Durbin models is needed in order to interpret the regression coefficients correctly, because of the spillovers between the terms in these data generation processes (unlike the spatial error model).空间滞后和空间德宾模型的影响是必要的，正确的，因为这些数据生成过程（不同的空间误差模型）中的条款之间的溢出效应来解释回归系数的计算。
用法----------Usage----------## S3 method for class 'sarlm'impacts(obj, ..., tr, R = NULL, listw = NULL, useHESS = NULL, tol = 1e-06, empirical = FALSE, Q=NULL)## S3 method for class 'stsls'impacts(obj, ..., tr, R = NULL, listw = NULL, tol = 1e-06, empirical = FALSE, Q=NULL)## S3 method for class 'gmsar'impacts(obj, ..., tr, R = NULL, listw = NULL, tol = 1e-06, empirical = FALSE, Q=NULL)## S3 method for class 'lagImpact'plot(x, ..., choice="direct", trace=FALSE, density=TRUE)## S3 method for class 'lagImpact'print(x, ..., reportQ=NULL)## S3 method for class 'lagImpact'summary(object, ..., zstats=FALSE, short=FALSE, reportQ=NULL)## S3 method for class 'lagImpact'HPDinterval(obj, prob = 0.95, ..., choice="direct")参数----------Arguments----------参数：objA sarlm spatial regression object created by lagsarlm; in gImpact, a lagImpact objectlagsarlm中gImpact，一个lagImpact对象创建一个sarlm空间回归对象参数：...Arguments passed through to methods in the coda package传递参数的方法，在coda包参数：trA vector of traces of powers of the spatial weights matrix created using trW, for approximate impact measures; if not given, listw must be given for exact measures (for small to moderate spatial weights matrices); the traces must be for the same spatial weights as were used in fitting the spatial regression使用的矢量权力的空间权重矩阵的痕迹trW，近似影响的措施;如果没有给出，listw必须给出确切的措施（小到中雨空间权重矩阵）;走线必须是相同的空间权重被用于安装的空间回归参数：RIf given, simulations are used to compute distributions for the impact measures, returned as mcmc objects如果给出，模拟用于计算分布的影响的措施，作为mcmc对象返回参数：listwIf tr is not given, a spatial weights object as created by nb2listw; they must be the same spatial weights as were used in fitting the spatial regressiontr如果没有给出，对象创建空间权重nb2listw;他们必须是相同的空间权重被用于安装的空间回归参数：useHESSUse the Hessian approximation (if available) even if the asymptotic coefficient covariance matrix is available; used for comparing methods使用Hessian的近似系数的渐近协方差矩阵（如果有的话），即使是用于比较的方法参数：tolArgument passed to mvrnorm: tolerance (relative to largest variance) for numerical lack of positive-definiteness in the coefficient covariance matrix参数传递给mvrnorm：宽容（相对最大变化）的数值缺乏的系数协方差矩阵的正定性，参数：empiricalArgument passed to mvrnorm (default FALSE): if true, the coefficients and their covariance matrix specify the empirical not population mean and covariance matrix参数传递给mvrnorm（默认为false）：如果为真，系数和协方差矩阵指定的经验而不是人口的均值和协方差矩阵参数：Qdefault NULL, else an integer number of cumulative power series impacts to calculate if tr is given默认为空，否则一个整数的累计幂级数的影响，计算，如果tr参数：reportQdefault NULL; if TRUE and Q given as an argument to impacts, report impact components默认为空，如果为true，Q作为参数impacts，报告影响组件参数：x, objectlagImpact objects created by impacts methodslagImpact impacts方法创建的对象参数：zstatsdefault FALSE, if TRUE, also return z-values and p-values for the impacts based on the simulations默认是false，如果为TRUE，返回z值和p值的基础上模拟的影响参数：shortdefault FALSE, if TRUE passed to the print summary method to omit printing of the mcmc summaries默认是false，如果TRUE传递给打印总结的方法，省略印刷的MCMC摘要参数：choiceOne of three impacts: direct, indirect, or total其中的三个影响：直接的，间接的，或总参数：traceArgument passed to plot.mcmc: plot trace plots参数传递给plot.mcmc：图跟踪图参数：densityArgument passed to plot.mcmc: plot density plots参数传递给plot.mcmc：图密度图参数：probArgument passed to HPDinterval.mcmc: a numeric scalar in the interval (0,1) giving the target probability content of the intervals 参数传递给HPDinterval.mcmc：在区间（0,1）的数字标量目标的几率内容的间隔Details详细信息----------Details----------If called without R being set, the method returns the direct, indirect and total impacts for the variables in the model, for the variables themselves in tha spatial lag model case, for the variables and their spatial lags in the spatial Durbin (mixed) model case. The spatial lag impact measures are computed using eq. 2.46 (LeSage and Pace, 2009, p. 38), either using the exact dense matrix (when listw is given), or traces of powers of the weights matrix (when tr is given). When the traces are created by powering sparse matrices, the exact and the trace methods should give very similar results, unless the number of powers used is very small.如果没有R被设置，则该方法返回的直接的，间接的，总的影响在模型中的变量，变量本身在塔空间滞后模型的情况下，变量和它们的空间滞后的空间德宾（混合）模式的情况下。
空间计量模型效应的解释
空间计量模型效应的解释
空间计量模型是一种将空间效应纳入回归分析的方法，主要研究空间相关性和空间依赖性对经济变量的影响。
在空间计量模型中，效应的解释主要包括直接效应、间接效应和总效应。
1. 直接效应：直接效应是指解释变量对本地区被解释变量的影响。
直接效应反映了解释变量对本地被解释变量的影响程度，可以通过回归系数来表示。
2. 间接效应：间接效应是指解释变量对邻近地区被解释变量的影响。
间接效应反映了解释变量通过空间权重矩阵对邻近地区被解释变量的影响程度。
3. 总效应：总效应是指解释变量对本地和邻近地区被解释变量的影响之和。
总效应反映了解释变量对所有地区被解释变量的影响程度，可以通过直接效应和间接效应的加总来表示。
在空间计量模型中，通过分解总效应，可以分析解释变量对不同地区被解释变量的影响程度，有助于更好地理解空间计量模型的效应。
同时，空间计量模型还可以帮助研究者识别空间相关性和空间依赖性对经济变量的影响，为政策制定和区域协调发展提供参考。
“2+26”城市雾霾治理政策效果评估
“2+26”城市雾霾治理政策效果评估作者：张中祥曹欢来源：《中国人口·资源与环境》2022年第02期摘要文章将《京津冀及周边地区2017年大气污染防治工作方案》和其后续“攻坚行动方案”的发布作为准自然实验，使用双重差分模型（DID）评估大气污染治理的政策效果。
回归结果发现：①“方案”的发布对于“2+26”城市的空气具有显著的改善作用，并通过了稳健性检验，构成雾霾的主要污染物PM2.5、PM10和AQI 的改善程度最明显，SO2、CO 和NO2的改善幅度次之，但O3浓度在政策处理期内不降反升，说明近年来O3污染程度加剧，亟须引起关注。
②长期视角下SO2和NO2的治理效果较短期情况下相比有所提升，说明有些大气污染物仍然具有进一步改善的潜力，印证了大气污染治理是一项长久的“攻坚战”。
③引入空间DID 分析，通过空间杜宾和双重差分的嵌套模型，放松个体相互独立的假设，从空间维度探讨“方案”的政策效果，对比空间视角下的直接效应与间接效应得出，区域联防联控大气治理手段相比单一地区空气质量改善政策而言能够使得治理效果事半功倍。
④使用中介效应模型，探讨了“方案”通过减少工业产值占GDP 的比重和减少能源消费总量达到空气质量改善的两种作用机制。
最后，文章为接下来进一步有效治理大气污染提出了相关的政策建议。
关键词“2+26”城市;双重差分模型;空间DID;机制分析中图分类号 X51;F061.5 文献标志码 A 文章编号1002-2104（2022）02-0026-11 DOI：10.12062/cpre20211126大气污染是中国经济不断快速发展的一项负外部公共品，在中国，受空气污染问题最多困扰的当属京津冀及周边地区[1-4]。
国务院发布的“十三五”生态环境保护规划中明确强调要“深化区域大气污染联防联控、显著削减京津冀及周边地区颗粒物浓度”，因此京津冀及周边地区成为大气污染防治的重点覆盖区域。
2017年2月17日，原环境保护部发布了《京津冀及周边地区2017年大气污染防治工作方案》（以下简称《2017方案》），形成了以京津冀及周边地区为主导的大气污染防治协作组。
空间滞后模型 直接效应 间接效应
空间滞后模型直接效应间接效应以空间滞后模型为基础的研究方法，可分为直接效应和间接效应。
本文将从理论和实证研究两个方面，探讨空间滞后模型的直接效应和间接效应。
一、理论分析空间滞后模型是研究地理空间相关性的重要工具，它考虑了地理空间的相互作用对变量之间关系的影响。
空间滞后模型的直接效应是指变量之间在同一时期的直接影响关系，即一个地区的变化对相邻地区的影响。
而间接效应则是指变量之间在不同时期的影响关系，即一个地区的变化对相邻地区在下一时期的影响。
空间滞后模型的直接效应主要通过空间滞后项来捕捉。
空间滞后项表示一个地区的变量值受到其相邻地区变量值的影响。
直接效应可以用来分析一个地区的变化对相邻地区的影响程度。
例如，研究城市经济增长时，可以通过空间滞后模型的直接效应来分析一个城市的经济增长对周边城市的影响程度，从而衡量城市之间的经济联系程度。
空间滞后模型的间接效应主要通过空间滞后滞后项的滞后变量来捕捉。
滞后变量表示一个地区的变量值受到其相邻地区在前一时期的变量值的影响。
间接效应可以用来分析一个地区的变化对相邻地区在下一时期的影响程度。
例如，研究环境污染问题时，可以通过空间滞后模型的间接效应来分析一个地区的环境污染对相邻地区的环境质量的影响程度，从而评估环境污染的扩散效应。
二、实证研究实证研究可以通过构建空间滞后模型来分析直接效应和间接效应。
研究者可以收集相关数据，包括变量的取值和地理位置信息，然后利用空间滞后模型来估计直接效应和间接效应。
通过对估计结果的分析，可以得出直接效应和间接效应的大小和统计显著性。
以城市经济增长为例，研究者可以收集各个城市的经济增长率数据和城市之间的地理位置信息。
然后，利用空间滞后模型来估计直接效应和间接效应。
通过对估计结果的分析，可以得出一个城市的经济增长对周边城市的影响程度以及一个城市的经济增长对周边城市在下一时期的影响程度。
实证研究中还可以考虑其他因素的影响，如空间误差项、时间滞后项等。
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。
空间滞后模型 直接效应 间接效应
空间滞后模型直接效应间接效应以空间滞后模型为基础的直接效应和间接效应是研究空间经济学中的重要内容。
空间滞后模型是一种用来研究地理空间上的现象和经济活动之间的关系的方法。
直接效应是指某一经济因素对其周围地区的影响；间接效应是指这种影响通过空间滞后效应，进一步影响其他地区。
在空间滞后模型中，空间滞后效应是指某一地区的经济现象对其周围地区产生的影响不是瞬间的，而是需要一定时间的滞后才能传导到周围地区。
这是因为地理空间上的距离和相互作用的机制使得经济活动的影响在空间上逐渐衰减。
直接效应是指某一地区的经济因素对其周围地区产生的直接影响。
这种影响可以是正向的，比如某一地区的经济增长会带动周围地区的经济增长；也可以是负向的，比如某一地区的经济衰退会影响周围地区的经济发展。
直接效应是通过空间滞后效应传导到周围地区的。
间接效应是指某一地区的经济因素通过空间滞后效应，进一步影响其他地区。
比如，某一地区的经济增长会吸引人口和资本的流入，从而带动周围地区的经济发展；某一地区的经济衰退会导致人口和资本的流出，进而影响周围地区的经济发展。
间接效应是通过空间滞后效应的累积作用产生的。
空间滞后模型的直接效应和间接效应可以通过计量经济学和空间统计学的方法进行实证分析。
研究者可以通过收集地区经济数据，建立空间滞后模型，估计直接效应和间接效应的大小和方向。
这样可以更好地理解经济活动在地理空间上的传导机制，为地区发展和政策制定提供科学依据。
在实践中，空间滞后模型的直接效应和间接效应可以应用于各个领域。
比如，在城市规划中，可以通过研究某一地区的经济因素对周围地区的影响，来指导城市的发展和布局。
在区域经济研究中，可以通过研究不同地区的经济发展对整个区域经济的影响，来制定区域发展政策。
在国际贸易研究中，可以通过研究某一国家的经济因素对其他国家的影响，来理解国际贸易的空间格局和变化。
以空间滞后模型为基础的直接效应和间接效应是研究空间经济学中的重要内容。
空间计量模型直接效应 间接效应分解
空间计量模型直接效应间接效应分解空间计量模型是一种用于分析空间数据的统计模型，它考虑了空间上的相互依赖关系，能够更准确地描述空间数据的特征和变化规律。
在空间计量模型中，直接效应和间接效应是两个重要的概念，它们可以帮助我们更好地理解空间数据之间的关系。
直接效应是指一个变量对另一个变量的影响，而不考虑其他变量的影响。
在空间计量模型中，直接效应可以通过回归分析来计算。
例如，我们可以通过回归分析来探究城市人口密度对房价的影响，这里人口密度就是直接效应变量，房价是被解释变量。
通过回归分析，我们可以得到人口密度对房价的直接影响，这就是直接效应。
间接效应是指一个变量通过其他变量对另一个变量产生的影响。
在空间计量模型中，间接效应可以通过路径分析来计算。
例如，我们可以通过路径分析来探究城市人口密度对房价的影响，同时考虑到城市规模和交通便利程度对房价的影响。
在这个模型中，城市人口密度对房价的影响就是直接效应，而城市规模和交通便利程度对房价的影响就是间接效应。
通过路径分析，我们可以得到城市人口密度对房价的总体影响，包括直接效应和间接效应。
分解直接效应和间接效应可以帮助我们更好地理解空间数据之间的关系。
例如，在上述城市人口密度对房价的模型中，我们可以通过分解直接效应和间接效应来探究城市规模和交通便利程度对房价的影响。
如果我们发现城市规模对房价的影响主要是通过城市人口密度产生的间接效应，而交通便利程度对房价的影响主要是通过直接效应产生的，那么我们就可以得出结论，改善交通便利程度对提高房价的影响更为直接和有效。
总之，空间计量模型的直接效应和间接效应分解是一种重要的分析方法，可以帮助我们更好地理解空间数据之间的关系，为城市规划和政策制定提供科学依据。
粤港澳大湾区金融科技创新的空间效应及对策——基于高质量发展背景下的研究
系，并从金融结构、市场集聚、区域经济平衡发展、研发投入强度以及国际合作与外商投资等方面来优化发展。
关键词:粤港澳大湾区;金融结构;科技创新；空间效应;优化发展
中图分类号：F207; F830.49
文献标识码：A
文章编号：1006-6373(2021)05-0009-06
—、弓［言 粤港澳大湾区是“一个目标、两种制度、多维创 新”高质量发展背景下的重大实践探索，而在全局 的战略规划中，针对湾区建设应采取怎样的有效路 径来增强内部活力、突破发展阻力是目前亟待解决 的问题。一直以来对于粤港澳大湾区的发展思路探 讨集中在知识技术、教育融合以及人才引进等方 面，而实际上利用金融科技的产业驱动力和影响力 来推动湾区建设与发展是一种更具有创新思维的 有效路径。 基于战略全局的角度思考，在粤港澳湾区的建 设过程中引入金融与科技两个要素，并实现金融科 技的融合发展，一方面能够为湾区发展奠定更为坚 实的资金基础，另一方面也为湾区建设引入了创新 驱动力，通过协同创新必然能够突破当前局限，实现 更为长远的发展。而从国际知名湾区的发展经验来
ADF 72.35 172.56 95.32 105.42 65.74 133.47
P 0.002 0.000 0.005 0.000 0.007 0.000
注:***、**、*分别代表0.01、0.05、0.1的置信水平下通过检验（下同）。
值均通过显著性检测标准，可用于进一步的空间计 量分析。
阿犹合融@y/2021,05
接作用比例越接近,则金融结构相对越为合理。（2）金
融市场集聚程度（TF）O苏月和刘那日苏（2020）问以 金融集聚程度来体现对于湾区科技创新所提供的支
持动能,具有一定可行性和合理性。同时参考苏月等
出口的空间溢出效应及其影响因素研究
出口的空间溢出效应及其影响因素研究李姗姗【摘要】从空间计量经济学的研究视角出发,运用全域空间自相关Moran's I指数,考察2002-2016年中国对中亚地区出口的空间相关性,同时构建两种不同空间权重矩阵下的空间面板杜宾模型,进一步分析中国对外出口的影响因素.结果表明,中国的出口集聚具有空间集群特征,对当地经济增长具有较强的空间依赖性.中国出口集聚对当地的经济发展水平影响显著,当忽略空间因素时,影响程度会被高估;当考虑经济因素的空间权重时,其他地区出口集聚对本地区经济增长的回流效应居于主导地位,所以出口集聚的空间负溢出效应显著;当加入地理因素后,回流效应会被其他地区出口集聚对本地区经济增长的扩散效应抵消,负的空间溢出效应显著性降低,出口的空间溢出效应会得到更精确的描述.【期刊名称】《对外经贸》【年(卷),期】2018(000)010【总页数】5页(P33-37)【关键词】出口贸易;Moran'I指数;空间溢出效应;空间杜宾模型【作者】李姗姗【作者单位】湖南科技大学,湖南湘潭411201【正文语种】中文【中图分类】F740一、引言集聚经济的外部性问题自马歇尔以来长期受到经济学家的关注(Lucas，1988；Romer，1986；Rosentha和Strange，2004)。
Duranton和Puga(2004)将集聚的外部效应归纳为三类：一是分享效应，包括公共物品效应、专业化效应、多样化效应和风险分散效应；二是匹配效应，包括匹配质量提高、匹配概率增加和敲竹杠问题的缓解；三是学习效应，包括知识创造、知识扩散和知识积累。
Baldwin 和Okubo(2006)将Melitz(2003)的异质性企业贸易模型融入到Martin和Rogers(1995)的“资本松脚”模型中，构建异质性企业选址模型。
当运输成本下降，高生产率的企业为实现规模经济，降低平均成本，选择进入集聚区；低生产率的企业为避免激烈竞争进入外围区。
直接融资支持安徽区域经济增长的空间溢出效应研究——基于空间面
本存量，Pt 为固定资产价格指数（使用零售 物价指数代替） ，折旧率 σ 设置为 9.6% ； 参 照丁杰（2011）做法，2000 年各市初始资本 存量表示为各市地区生产总值占全省地区生 产总值的比重乘以安徽省当年资本形成总额。 （2）间接融资（JJRZ）指通过金融机构 获得资金的方式，其中银行贷款是主要融资 渠道，因此采用各地区贷款余额表示，并使 用物价指数进行调整。 （3）直接融资（ZJRZ）指通过股票、债 券等方式的融资渠道，本文采用股票和债券 数据，并使用物价指数进行折算。 （4）劳动力投入（L）采用各市全社会从 业人数数据表示。 3. 控制变量 （1）人力资本（RLZB） ：小学文化程度 人口的受教育年限为 6，初中文化程度人口的 受教育年限为 9，高中文化程度人口的受教育 年限为 12，大专及以上文化程度人口的受教 育年限为 16，将各文化程度人口占 6 岁以上 总人口数量的比重与其所受教育年限相乘，并 以得到的乘积的和表示人力资本。 （2）开放水平（JCK）以进出口总额占地 区生产总值比重来加以衡量。 （3）政府支出（ZFZC）采用政府支出占 地区生产总值的比重来衡量。 （4）通货膨胀程度采用 CPI 的变动率进 行衡量。 （5） 借鉴林毅夫和孙希芳 （2008） 的做法， 国有化程度（GY）采用国有工业产值占工业 总产值的比重来衡量。 4. 数据来源
区域经济
2017.04
y1 y2 y n
S r (W )11 S r (W ) 21 = S (W ) n1 r
S r (W )12 S r (W ) 22 S r (W ) n 2
S r (W )1n x1r S r (W )11 x2 r + S r (W ) nn xnr
政府卫生支出对区域经济的空间溢出效应研究——基于山东省17市的空间面板模型
政府卫生支出对区域经济的空间溢出效应研究——基于山东省17市的空间面板模型陶春海;王玉晓【摘要】文章基于空间统计学的研究视角,运用全域和局部空间Moran's I指数散点图考察了山东省2006-2016年政府卫生支出与各地区GDP的空间相关性和空间集聚现象,并通过构建空间杜宾模型进一步分析了山东省政府卫生支出对经济增长的影响.结果显示:山东省政府卫生支出空间相关性出现先减弱后增强的现象,政府卫生支出与经济增长的空间分布表现出明显的非均质性;人均政府卫生支出对区域经济增长存在显著正向溢出效应,且直接效应与间接效应系数相近,政府医疗支出对经济增长表现出较强的空间溢出;就业率对经济增长表现出较强的影响效应,其每提高一个百分点,给本地区和其他地区分别带来232821.7元和194567.5元的经济收益,而万人床位数和万人医疗卫生人员因其配置严重不均衡导致对经济增长表现出负向影响.基于此,文章给出了相应建议.【期刊名称】《华东经济管理》【年(卷),期】2019(033)003【总页数】6页(P19-24)【关键词】医疗卫生支出;空间溢出效应;经济增长;空间杜宾模型;空间面板【作者】陶春海;王玉晓【作者单位】江西财经大学统计学院,江西南昌 330013;江西财经大学统计学院,江西南昌 330013【正文语种】中文【中图分类】F127一、引言近年来，随着经济的快速发展，我国综合实力已经有一个质的飞跃，但是区域经济差异却成为经济发展的重要问题。
山东省是中国经济第三大省，国内生产总值稳居全国第三名，占中国GDP的1/11，是国内经济产出大省。
但随着经济的发展，山东省区域发展不平衡现象也日渐凸显，区域发展的不平衡也带来了诸多问题。
众所周知，政府医疗财政投入有利于改善民生，提高人力资源综合素质，那么，政府卫生支出能否影响经济增长？卫生投入是否会对区域经济产生溢出效应？溢出效应程度如何？这些问题的研究将使人们对政府医疗财政投入的经济效应有一个更深入的理解。
犯罪空间依赖性分析
犯罪空间依赖性分析潘振生王宏玉摘要：一个地区犯罪高发，其周边邻近地区为何也犯罪高发？这一现象应该如何描述，又该如何解释？本文使用犯罪空间依赖性来概括这一现象，以广东地区犯罪为例进行描述性分析，发现该地区犯罪空间依赖性呈增强趋势，广州、东莞和中山形成犯罪热点地区。
基于此，本文构建了空间计量经济学中的空间计量模型，研究不仅发现了本地区犯罪与邻近地区犯罪的强相关，而且计量出犯罪影响因素具有显著的空间溢出效应，以犯罪及其影响因素的空间交互效应对犯罪空间依赖性的成因进行了解释。
一、问题的提出空间依赖性是一种客观存在的空间地理现象，主要指空间观测单位之间的地理依赖或空间相关[1]。
例如，犯罪在空间上并不是均匀分布的，犯罪较多的区域，其周边邻近地区的犯罪也相对较多，这种现象被称为犯罪空间依赖性。
人口、国内生产总值（GDP）等也已被证实存在类似现象[2]。
目前，国内外针对犯罪空间依赖性的研究主要有两类：一类是对犯罪的空间依赖性进行描述，属于犯罪现象研究范畴。
较为常见的是对不同犯罪类型进行空间依赖性等空间特征分析，例如故意杀人、抢劫、入室盗窃、诈骗、毒品犯罪。
当研究尺度从宏观地区转向微观的街区、地点，犯罪依赖性的描述便成为了“犯罪热点”的识别与分析。
由于足够微观，往往能够提出具体实用的犯罪治安防控对策；另一类是基于犯罪空间分布的视角分析影响犯罪的各种因素，属于犯罪原因研究范畴。
根据因素侧重不同具体又可分为两种，一种是侧重社会经济因素，实质是对传统的社会学犯罪原因研究范式中对空间效应考量不足的变革。
如，在考虑社区空间依赖性的基础上分析资源匮乏对故意杀人罪数量的影响，分析暴力犯罪的种族差异，借助空间计量模型研究就业状况对城市犯罪的影响，对社会人口学特征与入室盗窃行为的关系进行空间分析等；另一种是侧重空间因素，探究城市建成环境因素中，城市建设用地性质、居住区环境、娱乐与商业场所、交通设施等空间因素对犯罪的影响。
我国学者单勇在理论上提出利用空间相关性（包含空间依赖性）解释犯罪热点成因[3]。
空间面板模型 总效应 直接效应 间接效应
空间面板模型总效应直接效应间接效应空间面板模型是一种分析空间数据的方法，可以用于研究城市规划、地理信息系统、环境科学等领域。
空间面板模型包括总效应、直接效应和间接效应。
总效应是指所有变量的影响效应的总和，在空间面板模型中，总效应可以通过固定效应模型或随机效应模型来估计。
固定效应模型假设所有个体的效应是固定的，而随机效应模型则假设每个个体的效应是随机的。
直接效应是指一个变量对因变量的直接影响，可以通过固定效应模型或随机效应模型来估计。
间接效应是指通过其他变量间接影响因变量的效应，间接效应可以通过路径分析方法来估计。
空间面板模型的应用范围很广，可以用于研究自然环境、经济发展、社会变迁等多个领域。
在实际研究中，研究者需要根据具体研究问题选择合适的模型和方法。
- 1 -。
产业协同集聚对绿色创新效率的影响
中南财经政法大学研究生学报2021年第1期产业协同集聚对绿色创新效率的影响周丽敏（中南财经政法大学统计与数学学院，湖北武汉430073）摘要:该文采用空间面板杜宾模型分析生产性服务业与制造业的协同集聚对绿色创新效率的影响。
首先运用超效率SBM模型测算2003-2018年全国各省份的绿色创新效率，然后以产业集聚水平为解释变量，分单一产业集聚、产业协同集聚以及东中西区域进行空间面板杜宾回归。
结果表明:从全国来看，产业的协同集聚以及制造业集聚对绿色创新效率的直接效应与空间间接效应均为正向促进作用，生产性服务业集聚则相反，直接、间接效应均为负;分地区来看,中部地区的直接、间接效应与全国保持一致，东部西部地区则呈现基本不显著的负反馈效应，与我国东中西产业协同集聚水平相对应。
从产业协同集聚视角为我国绿色创新效率发展提供一定参考思路。
关键词:生产性服务业;制造业;产业协同集聚;超效率SBM模型;空间面板杜宾模型绿色发展是“十三五”以来我国重大发展理念之一。
自此以来，建立绿色经济体系，实现绿色转型已成为推动我国经济高质量发展的关键。
绿色创新以技术创新为目标、绿色发展为核心要义，旨在有效促进经济转型与产业发展。
在此背景下，如何有效提高绿色创新效率值得探讨。
同时随着产业结构的不断发展与我国产业链的形成日益完善,单一产业的专业化与多样化集聚已无法满足对各式各样产品与工艺的效率提升需求，高端制造业服务化、生产性服务业①高效化逐渐成为产业协同发展中重要表征,生产性服务业与制造业的协同集聚是新时期产业经济协同集聚的一种模式。
二者在互相促进的产业链下能否充分发挥各自优势,大力提升资源配置效率以实现地区绿色创新效率的“单向驱动”向“双轮驱动”的友好转化有待深入研究,本文为加强区域绿色创新提供参考思路。
基于此，本文主要从空间溢出的视角分别分析生产性服务业以及制造业的产业集聚对绿色创新效率的单向驱动效应、生产性服务业-制造业协同集聚（简称“产业协同集聚”）对绿色创新效率的双向驱动效应，旨在以实证的角度探讨产业协同集聚与绿色创新效率的定量关系与空间效应，进一步揭示两者的关系。
空间面板模型-空间分析
空间面板模型1.1 空间面板模型我们生活在时间和空间中，每个事件都在一定的时间和地点发生，因而可以标度出时间和空间坐标，这样的数据可以称为空间面板数据，它是指一定空间单元的时间序列观测。
在研究实际问题时，空间面板数据本身具有更大自由度、更丰富的信息量、更多的变异。
空间面板模型（Spatial Panel Model ）是针对空间面板数据分析而提出的模型。
相对于一般的回归模型及空间回归模型，它能够提参数高估计的有效性。
空间模型在寻求科学解释方面有着重要的作用。
通过空间面板模型，可以更好地结合研究对象的时空分布特征，发现其影响因素及规律。
空间面板模型可分为两类：空间滞后模型和空间误差模型。
（1）空间滞后模型(Spatial Lag Model)空间滞后模型的基础形式为1N'it ij jt it i itj y W y X δβμε==+++∑（6.2）其中，δ：空间自相关系数，表示空间个体之间的相互作用W ：空间权重矩阵，含义与第七章所述的空间权重矩阵相同 123i ,,,N =…，：横截面上的个体（某一区域、范围等），共有N 个 123t ,,,T =…，：表示时间序列上的时点（某一时刻），共有T 个ity ：在区域i 、时刻t 上的被解释变量 itX ：在区域i 、时刻t 上的解释变量i μ：空间的个体的效应，反映不受时间影响的空间特质。
β：回归系数 itε：与时间和空间都有关系的随机误差项，其均值为0，方差为2σ，独立同分布。
空间滞后模型主要在传统面板模型的基础上考虑了空间上的自相关，可以度量不同空间个体的相互影响。
（2） 空间误差模型（Spatial Error Model ）空间误差模型基本形式为'it it i ity X βμϕ=++1Nit ij jt itj W ϕρϕε==+∑其中：ρ：空间自相关系数，反映回归残差之间空间相关性的程度。
itϕ：自相关的空间误差W ：空间权重矩阵，含义与第七章所述的空间权重矩阵相同 123i ,,,N =…，：横截面上的个体（某一区域、范围等），共有N 个 123t ,,,T =…，：表示时间序列上的时点（某一时刻），共有T 个ity ：在区域i 、时刻t 上的被解释变量 itX ：在区域i 、时刻t 上的解释变量i μ：空间的个体的效应，反映不受时间影响的空间特质。
基于空间计量模型研究北京市各区房价
Statistics and Application 统计学与应用, 2023, 12(4), 1034-1043 Published Online August 2023 in Hans. https:///journal/sa https:///10.12677/sa.2023.124106基于空间计量模型研究北京市各区房价曹文彦，乔 舰中国矿业大学(北京)理学院统计学系，北京收稿日期：2023年7月22日；录用日期：2023年8月12日；发布日期：2023年8月24日摘要随着社会经济的发展，我国各地区联系更加紧密，并且出现了明显的地区分化态势。
地区间各因素的溢出效应使得房价不仅受该地区各种因素影响，而且还受周边地区因素影响。
该研究首先以北京市16个区县2021年房价均值为因变量，遴选三个自变量，构造空间计量模型，对影响房价的因素进行了定量分析研究。
为更好地反映房价实际情况，拓展时间长度，引入空间面板模型，结果显示，北京市不同区县的房价存在显著的空间效应；北京高房价区县集中分布于市中心；房价均值与人口密度呈现正相关性；2015~2021年北京市各区县房价均值在各年份之间基本稳定。
关键词房价，空间计量模型，空间效应，空间面板模型Research on the Housing Prices in Beijing Based ON Spatial Econometric ModelWenyan Cao, Jian QiaoDepartment of Statistics, School of Science, China University of Mining & Technology, BeijingReceived: Jul. 22nd , 2023; accepted: Aug. 12th , 2023; published: Aug. 24th, 2023AbstractWith the development of society and economy, various regions in our country are more closely connected, and there is an obvious trend of regional differentiation. The spillover effect of various factors between regions makes the housing price affected not only by various factors in the region, but also by factors in the surrounding area. In this study, the average price of 16 districts and counties in Beijing in 2021 was selected as the dependent variable, three independent variables were selected, and a spatial econometric model was constructed to conduct a quantitative analysis and research on the factors affecting the housing price. In order to better reflect the real situation of housing prices and expand the time, the spatial panel model is introduced. The results show曹文彦，乔舰that the housing prices of different districts and counties in Beijing have significant spatial effects. Beijing has high housing price districts and counties concentrated in the city center. There is a positive correlation between average housing price and population density. The average housing price of districts and counties in Beijing was basically stable from 2015 to 2021.KeywordsHousing Prices, Spatial Econometric Model, Spatial Effect, Spatial Panel ModelCopyright © 2023 by author(s) and Hans Publishers Inc.This work is licensed under the Creative Commons Attribution International License (CC BY 4.0)./licenses/by/4.0/1. 研究目的及意义随着我国经济的高速发展，GDP的不断提高，城镇化建设步伐加快，产业结构不断调整，我国的房地产行业得到了飞速发展。
产业升级、空间溢出与经济增长质量——基于空间杜宾模型的实证分析
产业升级、空间溢出与经济增长质量——基于空间杜宾模型的实证分析胡承河;李强【摘要】文章通过主成分分析方法对我国30个省(市、区)1997-2014年的经济增长质量指数进行测算,并运用空间面板杜宾模型就产业升级对我国经济增长质量影响进行实证分析,研究表明:(1)我国经济增长质量自1997年以来总体上呈现上升趋势,经济质量不断提高.但不同省域的增速有差异,具体而言,青海、广东和江苏三省(市)经济效益显著,经济质量有较大幅度提高,而广西、福建和河北三省经济效益不佳,经济质量还有待提高.(2)从差分广义矩估计回归结果可知,解释变量产业升级、人力资本及创新系数为正且都高度显著,表明产业升级、人力资本提高及技术创新是提高经济增长质量的关键因素.而变量制度系数为负且通过了10％的显著性水平,表明制度变迁在短期内抑制了经济增长质量的提高.(3)产业升级、人力资本及创新等解释变量对相邻空间单元的经济增长质量指数存在正向的溢出效应,且产业升级程度每提高1％将使经济增长质量值提高0.256％,表明了产业升级改善了经济增长质量.【期刊名称】《重庆工商大学学报（社会科学版）》【年(卷),期】2018(035)001【总页数】8页(P73-80)【关键词】经济增长质量;空间自相关;莫兰指数;变异系数【作者】胡承河;李强【作者单位】安徽财经大学经济学院,安徽蚌埠233030;安徽财经大学经济学院,安徽蚌埠233030【正文语种】中文【中图分类】F061.5经济增长不仅注重数量的增加更加注重质量的提升。
当前我国经济处于经济新常态，转变经济发展方式、提高经济增长质量成为决定我国经济发展的关键因素。
2015年我国经济几个核心经济指标间的联动性出现背离，经济增长持续下行与CPI持续低位运行，居民收入增加而企业收入降低，消费上升而投资下降等，中国经济面临产业结构调整、产业转型升级等重大挑战，故本文在新常态和供给侧改革的背景下探讨产业升级是否提高了我国经济增长质量，希冀为产业转型升级和经济增长质量的提高贡献良策。
数字经济溢出效应的文献综述
数字经济溢出效应的研究概况目录一、引言 (2)二、形成过程 (2)（一）技术前提——数字技术的变革 (2)（二）经济基础——数字产业的发展 (2)（三）新时代的数字经济溢出效应 (3)三、研究方法 (3)（一）空间计量模型——杜宾模型 (3)（二）熵值赋权法 (4)四、溢出效应的空间计量 (4)（一）空间计量 (4)（二）结果检验 (5)五、前景与展望 (5)参考文献 (6)一、引言数字经济作为一种以数字技术为核心驱动力新兴经济形态，对我国技术革命下的经济增长具有重要意义。
溢出效应指的是一个组织在进行活动时对组织之外的人和社会产生的影响。
为了充分利用数字经济的正外部性，正确引导其溢出效应对产业发展产生积极影响，学者针对数字经济的溢出效应做出了一系列研究，在探索中逐渐形成了一套相对完备的理论体系。
下面将从数字经济溢出效应的形成过程、研究方法、空间计量以及前景展望进行研究。
二、形成过程数字经济溢出效应的形成过程大概经历了技术变革、产业发展与产生溢出效应三个阶段。
其中，部分学者认为信息技术的发展是数字经济溢出效应产生的前提，另一部分学者发现数字产业的发展为字经济溢出效应的产生提供了经济基础，在此基础上，更多的专家开始针对新时代的经济和技术发展进行研究。
（一）技术前提——数字技术的变革信息技术的发展为数字经济溢出效应的产生提供了技术保障。
第二次世界大战后，全球掀起了科学技术商业化的浪潮。
随着计算、存储、检错、加密等一系列手段完善，以数字化和智能化为特征的人工智能、云计算、区块链、大数据等新兴技术迅速崛起与发展，数字技术逐渐成为企业进行创新的核心组成部分。
早期数字经济主要指ICT作为现代计算的基础设施和组件，其产业领域的应用范围不断拓展（许恒，2020）。
随着新一代信息技术的广泛应用，数字经济的概念内涵及范围界定出现新变化。
Bart van Ark(2016)提出“新数字经济”，以突出新一代信息技术及其衍生的新模式。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
空间滞后模型的直接效应和间接效应
空间滞后模型是一种常用的空间计量经济学模型，用于分析变量之间的空间依赖关系。
在该模型中，一个地区的某一变量受到该地区自身的影响，同时也受到邻近地区的影响。
直接效应和间接效应是空间滞后模型中的两个重要概念。
直接效应是指一个地区自身的变量对该地区的同一变量的影响。
例如，在研究城市房价时，直接效应可以是该城市的人口规模、经济发展水平等因素对该城市的房价的影响。
直接效应可以通过回归分析等方法来估计。
间接效应是指一个地区的变量通过邻近地区的影响间接地对该地区的同一变量产生影响。
例如，在研究城市房价时，间接效应可以是邻近城市的人口规模、经济发展水平等因素对该城市的房价的影响。
间接效应可以通过空间滞后模型的参数估计来计算。
空间滞后模型的直接效应和间接效应在实证研究中具有重要的意义。
首先，直接效应和间接效应可以帮助我们理解变量之间的空间依赖关系。
通过分析直接效应和间接效应，可以揭示出不同地区之间的相互影响机制，有助于我们对地区发展的规律和趋势进行预测和解释。
直接效应和间接效应可以用于政策制定和决策支持。
通过研究直接效应和间接效应，我们可以评估不同政策对地区发展的影响程度，
从而为政府和决策者提供科学的依据。
例如，在制定区域发展政策时，可以根据直接效应和间接效应的估计结果，有针对性地采取措施，促进地区的均衡发展。
直接效应和间接效应的研究也为学术界提供了一个重要的研究方向。
通过深入研究直接效应和间接效应的机制和影响因素，可以推动空间计量经济学等领域的学术发展，为经济学理论的完善和实证研究的进一步深入提供理论和方法支持。
空间滞后模型的直接效应和间接效应在经济学研究和实践中具有重要的意义。
通过研究直接效应和间接效应，我们可以揭示出地区之间的相互影响机制，为政策制定和决策支持提供依据，同时也为学术界提供了一个重要的研究方向。
希望本文能够对读者对空间滞后模型的直接效应和间接效应有所启发，进一步促进相关领域的研究和应用。