东北地区工业发展空间统计及影响因素研究

张栋华，袁汝鹏

(东北财经大学 统计学院，辽宁 大连 116025)

一、引 言

传统计量经济理论对经济发展研究是以样本之间的独立性为基本前提，往往忽略了空间上相邻地区之间的联系，进而对得出结论的正确性产生一定的影响，空间统计分析将传统经济理论与空间分析技术相结合，用于对区域经济进行集聚性分析和空间计量。关于空间效应方面的研究，Bernard［1］在对欧洲国家经济增长进行研究时引入了空间因素，认为该地区经济增长存在空间相关性。Voss 等［2］利用空间回归方法对美国儿童贫困率进行了研究，认为引入空间因素时模型的估计结果有了很大改进。田成诗和盖美［3］运用空间统计对我国劳动生产率进行了分析，认为我国地区劳动生产率存在空间集聚性。吴玉鸣和徐建华［4］运用空间统计和面板数据模型对我国省域经济发展进行了分析，得出结论为我国省域经济发展存在明显的空间集聚现象，并且对影响经济增长的因素进行了研究。

东北地区是我国重要的工业生产基地，振兴战略实施十年来，东北老工业基地经济快速发展，综合实力大大增强，居民生活水平显著提高。随着东北地区经济的快速发展，越来越多的学者对该地区工业发展进行了研究。贺耀敏［5］认为，市场经济和政府支持能够推动工业化进程，促进东北地区经济发展。阎岳［6］认为，制约东北工业发展的一个重要因素是融资困难而造成的企业流动资金不足。柳卸林和刘建兵［7］从创新的角度解析了东北地区工业的发展，论证了简单的增加投入不能从根本上解决东北地区的工业发展问题，只有从创新机制入手才能使东北地区工业可持续发展。李万超和吕长征［8］认为，金融市场深化能够带来东北地区经济的可持续发展，能够解决中小企业的融资问题。李鹤和张平宇［9］认为，工业结构升级能够拉动经济发展，而政府支持、外资驱动和市场需求能够促进产业结构升级。陈晓刚［10］认为，科技创新是东北地区调整改造的重点，能够对东北地区工业发展起促进作用，并且从技术改造和技术创新方面总结和分析了东北地区工业发展中的科技创新经验。

关于东北地区工业发展的研究呈现以下特点:第一，大多数研究往往偏重于整个经济体系，很少有单独对工业进行研究的文献，而工业作为东北地区的核心产业，有其独特的历史地位和经济地位，有必要对其单独研究。第二，对东北地区工业的研究以定性分析居多，深入定量研究的较少，将空间效应纳入考虑范围的研究更是偏少。第三，在对东北地区工业发展进行探讨时，大多数研究往往仅考虑经济中具体的单一方面，未能进行综合性的分析。

本文研究可以分为空间统计分析和影响因素分析两个部分。空间统计分析部分利用空间自相关理论研究了东北三省36 个市工业发展的空间集聚性和异质性问题;影响因素分析则采用空间面板数据模型对东北三省各市工业发展的影响因素及空间溢出效应进行了研究。

二、模型理论

空间统计分析是在考虑空间信息的基础上进行统计分析的一种方法，它的核心是空间权重矩阵的构建和空间自相关的度量与检验。空间权重矩阵能够以矩阵的形式反映空间目标之间的相邻关系，空间权重通常采用邻接标准和距离标准。所谓邻接标准是以空间邻接为标准，当两个地区相邻时定义空间元素为1，其它情况下为0，距离标准以最小距离为标准定义矩阵。空间自相关反映某一地区与其邻近区域某种地理现象的相关程度，包括全局空间自相关和局部空间自相关。全局空间自相关是关于某一经济活动在整个空间上特征的描述，常用的指标有Moran'sI 指数和Geary'sC 比率，Moran'sI 指数计算公式为:

空间面板数据模型是在普通面板数据模型的基础上引入了空间因素，根据空间效应所在的位置不同可分为空间面板滞后模型和空间误差面板数据模型。空间面板滞后模型可以表示为:

Y=αWY+Xβ+μ+ε

其中，E (ε)=0，E (εε')= σ2IN，WY为被解释变量的空间滞后变量。

空间误差面板模型是指空间效应位于误差扰动项中，模型可以表示为:

Y=Xβ+μ+ξ

ξ=σWξ+ε

其中，E (ε)=0，E (εε')= σ2IN，Wξ为空间误差项，WY 和Wξ 如果通过了显著性检验，就表明存在空间溢出效应。通过拉格朗日检验可以判断模型形式。

三、实证分析

1.数据来源与指标选取

本文数据来源于《辽宁省统计年鉴》、《黑龙江省统计年鉴》、《吉林省统计年鉴》以及中经网统计数据库，时间为2003—2012年。进行空间自相关统计时利用的指标为人均工业增加值，记为IND;在计算人均工业增加值及以下人均变量时，所使用的人口数均为本年年末和上年年末的平均值;进行空间面板模型构建时，以基于索洛模型求出的全要素生产率作为衡量科技的指标，全要素生产率在统计理论中能够反映科技的进步，记为TEC;以各地区年末人均存贷款余额作为衡量金融市场发展的指标，记为FIN;以各地区人均一般财政预算支出作为衡量政府财政支出的指标，记为EXP;以人均交通运输仓储和邮政业作为衡量交通发展的指标，记为TRA。为消除价格变化对模型估计的影响，对上述相关指标用价格指数进行了处理，将其转换为以2003年价格为基准的指标。空间权重矩阵以基于空间邻接为标准［11］，记为W。在具体模型估计时，以上变量均进行了标准化处理，本文所采用软件为Arcgis10、GeoDA095i、Matlab 以及R。

2.全局空间自相关分析

分析东北地区工业发展的整体空间相关性，利用GeoDA095i 和R 软件对该地区2003—2012年人均工业增加值进行全局空间自相关分析，计算了Moran'sI 指数和Geary'sC 比率两个指标，结果显示，Moran'sI 指数在2007年之后均位于0.25 以上，且在1%水平上通过了显著性检验，Geary'sC 比率在2007年之后处于0.8—0.9 之间，同样通过了显著性检验。综合两个指标检验结果可知，近十年来，东北地区工业发展的空间关联性经历了一个由随机性到相关性的转变，从2007年之后，该地区工业在整体上开始表现出较强的空间正相关，空间集聚性逐渐突出，具体特征为邻近地区工业之间发展相互影响，工业发达的地区往往和工业发达的地区聚集在一起，工业发展较缓慢的地区同样聚集在一起。另外，从指标的时间演变的过程来看，Moran'sI 指数有继续上升的趋势，Geary'sC 比率有下降的趋势，这说明东北地区工业空间发展集聚性随着时间的推移会越来越明显。

3.局部空间自相关分析

全局空间自相关分析是用来研究整个区域的空间模式，并不能够反映出指标空间演变的详细路径，为详细反映该地区的发展状况，有必要进行局部空间自相关分析，利用GeoDA095i 软件对东北地区的工业发展计算局部Moran'sI 指数并生成LISA 聚集图(图1)和Moran 散点图(图2)，由于各年局部空间自相关具有递延性和相似性，此处仅以2012年工业发展为代表进行分析。

图1 LISA 聚集图

如图1所示，高—高聚集主要集中在辽宁省的中部，该地区的工业在整个东北地区发展最繁荣，辽宁省周边地区则存在低—高现象，工业发展要落后于中部，从辽宁省的整体发展态势来看，各市之间工业发展层次不一，由中心向四周呈现出地区发展不均衡现象。黑龙江省的北部和东部大部分地区都属于低—低聚集，大庆市则属于典型的高—低现象，大庆市拥有中国第一大油田，石油、石化产业为其支柱产业，并且该市位于哈大齐工业走廊核心节点，综合各种优势使该市的人均工业增加值比周围临近地区都要高［12］，人均工业增加值为东北地区第一。

图2 Moran 散点图

如图2所示，处于Moran 散点图第一象限表现为高—高集聚，主要为辽宁省中部及沿海地区，包括营口市、鞍山市、辽阳市、本溪市、沈阳市、大连市和盘锦市，这些地区位于以沈阳市和大连市为中心的双核经济发展地带，沈阳市工业基础雄厚，技术力量强，大连市为东北地区第一大港口，工业体系齐全，且该地带交通便利，空间上存在临近性，资源上存在互补性，因此，该地带工业发展在在空间上呈现出高—高集聚性。处于第二象限的有丹东市、铁岭市、锦州市和阜新市等，该地区主要位于辽宁省周边地带，由此可看出辽宁省工业发展的地区不均衡性。处于第三象限表现出低—低集聚的有大兴安岭市、黑河市、伊春市、鹤岗市、佳木斯市等，这些地区主要位于黑龙江省的东部和北部地区，虽然拥有丰富的自然资源，但工业基础薄弱，交通不便利，导致其工业并不发达。处于第四象限表现出高—低集聚的为大庆市。

吉林省各市主要分布于散点图的中心处，空间集聚性不明显，单独对吉林省分析其空间自相关指标，计算得Moran'sI 指数为－0.464，P 值为0.072，结果表明吉林省工业发展的不存在空间自相关，集聚性现象不明显。

4.影响因素研究

前文阐述了东北地区工业发展存在空间自相关，因而可以通过建立空间面板数据模型对工业发展的影响因素及空间溢出效应进行研究［13－14］。通过拉格朗日检验LM 及Robust LM 判别出模型的具体形式，关于模型的处理均通过Matlab7.0实现，检验结果如表1所示。从OLS 的检验结果可以看出，空间滞后面板模型与空间误差面板模型均通过了检验，表明东北地区各市工业的增长不仅受到邻近地区工业增长溢出效应的影响，而且还受到邻近地区的误差冲击。另外，从表1中看出，空间特定效应的结果均显著并且相对于其它三种效应来说是最优的。因此，使用空间特定效应形式的滞后面板模型和误差面板模型可以对东北地区工业发展进行研究分析。

表1 空间相关性检验结果

空间特定效应仅考虑空间地区效应而不考虑时间效应，也就是说，在进行模型估计时仅考虑各市之间的地区差异而不考虑时间变化对工业的影响，为了便于比较，本文同时估计了普通面板模型，估计结果如表2所示。

表2 面板数据线性回归结果

首先，从空间滞后面板模型和空间误差面板模型的估计结果来看，两者之间的估计结果相差不大，并且都通过了检验，两个模型的调整拟合优度均在90%，说明引入空间因素后模型符合统计理论要求。因此，用空间滞后面板模型和空间误差面板模型对东北地区工业影响因素进行研究具有很好的解释能力，能够用于统计分析。

其次，科技、金融、政府财政支出和交通发展的系数均显著为正，说明了各指标与工业发展之间呈正相关关系，东北地区工业发展与各指标之间具有良好的匹配性，这符合基本经济规律，科技进步、金融发展、政府财政支出增加和交通发展能够带来工业产值的提高。从各变量系数的大小来看，科技的系数最大，金融次之，政府财政支出和交通则相对较小，说明科技对东北地区工业发展的贡献度最高，这与该地区工业发展的现实情况相符合，同样金融市场的发展也会对工业带来积极的影响，金融是现代经济市场的核心，能够起到优化资源配置的作用，良好的金融市场能够对经济起催化作用。

最后，空间滞后变量的系数和空间误差项的系数均通过了显著性检验，这验证了我国东北地区相邻各市的工业发展存在明显的空间溢出效应。从其统计作用方式来看，邻近地区工业经济不仅通过空间滞后影响当地工业，还会通过工业经济的误差项带来冲击，且可以从系数的大小看出误差项带来的冲击(0.431)大于空间滞后的影响(0.218)。最后通过比较空间面板模型和普通面板模型变量系数可以看出，忽略空间因素的影响，普通面板模型高估了科技和交通发展对工业的影响，低估了金融市场对工业的影响，这也进一步地证明了东北地区工业存在明显的空间集聚效应。

四、结论及启示

本文通过计算空间统计指标研究了东北三省2003—2012年工业发展的自相关现象，并且利用空间面板数据模型对其影响因素进行了分析，通过相关实证分析得出以下结论:第一，以2007年为分界线，2007年以后东北地区工业在整体上开始表现出较强的空间正相关，相邻地区间的空间集聚性逐渐突出，并且通过分析其趋势，随着时间的推移东北三省的工业空间集聚效应会进一步加强。第二，从局部来看，辽宁省和黑龙江省各地区之间空间集聚性相对较明显，特别是辽宁省中部和沿海地区表现出很强的工业集聚性，这些地区与东北三省的其它地区相比，工业比较发达，空间溢出效应明显;吉林省各地区工业发展则表现空间随机性。第三，科技进步、金融发展、政府财政支出增加和交通发展均能够促进工业的发展，科技和金融对工业发展的贡献相对来说要大一些，交通对工业发展的贡献则相对较弱。第四，东北地区工业发展存在明显的空间溢出效应，邻近地区的工业发展不仅可以通过空间滞后影响当地工业，而且可以通过冲击误差项给当地工业带来影响。第五，从2003—2012年间东北三省工业的空间演变路径来看，工业的集聚效应正在逐渐得到强化，以前不发达工业地区正逐步转向为发达工业地区，从局部自相关的分析来看，高—高部分地区逐年增加，但增加的地区有限，反观高—低部分、低—低部分、低—高部分，这三部分的地区比较稳定。

结合以上结论，本文得到如下启示:第一，随着经济发展水平的提高，各地区之间的经济联系日益紧密，政府在制定政策以促进工业经济发展时，不仅要充分考虑当地的情况，还要考虑空间差异对不同地区的作用机制，从整体上协调地区间的发展问题，合理利用周边地区优势，全面落实制定东北地区工业协调发展规划。第二，应当继续坚持科技带动经济道路，通过科技的进步推动工业升级，注重提高工业行业自主创新能力和推动高新技术产业市场改革，制定和完善工业科技体制改革政策，切实提高科技创新的质量。第三，金融是现代市场经济的核心，随着工业结构的升级，其对资金需求量和灵活性的要求也越来越高，也就对现代金融市场提出了更高的要求，因此，深化金融体系改革，完善金融生态环境，拓宽融资渠道是发展经济的当务之急。第四，进一步加大区域经济改革的力度，将发达经济地区的配套产业和落后产业适时地转移到周边不发达地区，进一步带动周边地区的经济发展，逐步形成产业层次明确、市场逐步一体化的城市群。

［1］Bernard， F.Regional Economic Growth and Convergence:Insights from a Spatial Econometric Perspective［M］.Berlin:Springer Berlin Heidelberg，2004.397 －432.

［2］Voss， P.R.， Long， D.D.， Hammer， R.B.，Friedmans.County Child Poverty Rates in the US:A Spatial Regression Approach［J］.Population Research and Policy Review，2006，25(4):369 －391.

［3］田成诗，盖美.中国地区劳动生产率的空间统计分析［J］.东北财经大学学报，2004，(2):87 －90.

［4］吴玉鸣，徐建华.中国区域经济增长集聚的空间统计分析［J］.地理科学，2004，(6):654 －659.

［5］贺耀敏.我国新型工业化战略与东北工业基地的振兴［J］.经济理论与经济管理，2004，(8):5 －10.

［6］阎岳.东北工业发展出现三大景气特征［N］.证券日报，2004 －05 －14.

［7］柳卸林，刘建兵.为什么东北工业落后了:基于创新能力的分析［J］.科学学与科学技术管理，2004，(11):40 －44.

［8］李万超，吕长征.从金融视角看东北老工业基地可持续发展［J］.金融发展评论，2011，(12):126－129.

［9］李鹤，张平宇.1990年以来东北地区工业结构演变特征及驱动因素［J］.干旱区地理，2012，(5):829－837.

［10］陈晓刚.科技创新与东北老工业基地振兴［J］.辽宁大学学报(哲学社会科学版)，2013，(1):89－94.

［11］梁洪运，周其龙，孙亚林.空间权重矩阵对空间自相关影响分析［J］.科技资讯，2013，(9):141－143.

［12］万鲁河，王绍巍，陈晓红.基于GeoDA 的哈大齐工业走廊GDP 空间关联性［J］.地理研究，2011，(6):977 －984.

［13］陈晓玲，李国平.我国地区经济收敛的空间面板数据模型分析［J］.经济科学，2006，(5):5 －17.

［14］季民河，武占云，姜磊.空间面板数据模型设定问题分析［J］.统计与信息论坛，2011，(6):3 －9.