资源产业空间集聚与区域经济增长：“资源诅咒”效应实证

薛雅伟　张在旭　李宏勋　栾俊毓

摘要

针对“资源诅咒”研究中自然资源度量指标选取存在的科学性问题，利用资源产业空间集聚代替自然资源丰裕度和资源产业依赖度作为自然资源丰裕程度的解释变量。首先，在Krugman空间基尼系数的基础上，构建适用于测度资源产业空间集聚的计算公式，基于我国30个省（区、市）层面的数据，量化1999—2013年间资源产业的空间集聚程度，分析其排名情况和分布格局。研究显示：我国有15个省（区、市）存在资源产业空间集聚现象，这些地区大多位于长江以北，且均为自然资源富集地区。其次，构建经济增长计量模型，选取存在资源产业空间集聚现象的省（区、市）作为样本空间，并采用多种计量分析和检验方法考察资源产业空间集聚度与区域经济增长之间的直接和间接关系，分析“资源诅咒”的传导机制。研究显示：①在模型整体估计中，资源产业空间集聚的系数符号均为负，且在5%的水平上显著，说明资源产业空间集聚与区域经济增长间的关系呈现负相关，符合“资源诅咒”的基本假设。②在模型分步估计中，人力资本投资、技术创新投入和制造业发展与区域经济增长正相关，符合经典经济增长理论的逻辑关系；物质资本投资与区域经济增长负相关，可能是由于当地经济主体的消费跨期替代弹性较小，导致物质资本投资对经济增长的直接增益效应小于其对社会人力资本积累的负向效应，进而阻碍区域经济增长；政府干涉程度越高越不利于经济增长。根据研究结果，建议应明确市场调节为主、政府调控为辅的导向机制，进一步提升资源产业空间集聚程度，强化行业人员素质与技术水平匹配，逐步提高自然资源生产和利用效率，从而实现加快地区经济转型，有效促进经济可持续发展的全面提升。

关键词资源产业；产业空间集聚；资源诅咒；区域经济增长

中图分类号F205

文献标识码A文章编号1002-2104（2016）08-0025-09doi：10.3969/j.issn.1002-2104.2016.08.005

20世纪中晚期，自然资源富集的国家对自然资源的依赖达到了史无前例的水平，但自20世纪70年代以来这些国家几乎毫无例外地陷入经济停滞状态，Audy将这一现象归结为“自然资源的诅咒”（curse of natural resources）[1]。伴随着“资源诅咒”这一假说的提出，许多支持者通过实证研究证明“资源诅咒”在跨国层面普遍存在[2-6]；另一部分支持者，则在一国内部实证发现自然资源丰裕度与经济增长速度成反比[7-10]。然而学术界对“资源诅咒”的质疑却从未停止，这些质疑主要来自于资源型国家或地区经济发展的成功案例[11-14]、解释变量存在内生性问题[15]以及自然资源相关度量指标选取的科学性问题[16-20]。针对第一个问题，学者提出“资源诅咒”存在条件论[21-22]，将“资源诅咒”和“资源福音”两种相悖的情况融合在一起阐释，缩小了学术界对于这一问题的分歧；解释变量的内生性问题，采用动态面板模型予以解决[23-24]，对模型中的其他变量作出进一步补充，以避免因遗漏变量而产生的内生性问题[25]。但指标选取的科学性问题尚未有成熟的解决方法，尽管许多学者尝试丰富资源丰裕程度的内涵，并提出资源产业依赖程度替代资源丰裕程度作为控制变量[22]，但多集中于采用初级产品出口比重等典型度量指标，指标选取相对单一，未考虑在自然资源的丰裕程度、依赖程度以外，存在更为全面、科学的解释变量体现资源丰裕程度在“资源诅咒”中对经济增长存在的掣肘作用。在新古典区位论中，产业空间集聚能够反映一个国家或地区产业发展对经济绩效的综合影响，随着中国工业特别是资源产业空间集聚程度的不断加深[26]，地理区位上的集聚现象对我国自然资源在区域层面的丰裕程度与产业依赖程度日益强化的复杂反映，为构建综合型自然资源相关度量指标提供了理论上的可能。鉴于此，本文拟采用资源产业空间集聚度代替自然资源丰裕度和资源产业依赖度，作为“资源诅咒”计量模型的主要控制变量，构建基于资源产业空间集聚程度的经济增长计量模型，检验“资源诅咒”的存在性及其作用机理，以期从中国资源产业空间集聚的角度更为科学地考察自然资源、物质资本、人力资本、技术创新等要素对区域经济增长的影响，为资源丰裕地区的经济发展提供科学的理论指导。

1资源产业空间集聚的测度

1.1研究对象

学术界通常将资源产业界定为广义和狭义两种。狭义的资源产业是指以矿产资源的开采及对其初级加工的相关产业[27]。依据狭义的资源产业的定义，本文以矿产资源的开采及初级加工（即采矿业）为研究对象，从省级层面考察我国资源产业的空间集聚状态，并以此测度作为区域经济增长计量模型的主要控制变量。

1.2测度方法

产业空间集聚的测度方法，主要有产业集中度、Hoover地方化系数、Krugman空间基尼系数、产业方差系数、区位商、EG指数、DO指数和M函数等。限于资源产业在企业层面数据即各地区资源型企业的数量、规模等不可得，同时充分考虑测度方法的可靠性及研究的可行性，本文采用Krugman空间基尼系数作为我国资源产业空间集聚的测度依据[28]，原计算公式为：

σ=∑i（Si-xi）2（1）

其中，σ为空间基尼系数，Si为i地区某产业占全国该产业就业人数的比重，xi为该地区就业人数占全国总就业人数的比重。σ=0时，产业在空间分布是均匀的，σ（最大值为1）越大，表明地区产业的集聚程度越高。

由公式（1）可知，Krugman在设计测度方法时考虑的是将该地区某产业本身与国家内整个行业进行比较，如果该地区某产业就业人数所占比重与该地区整个行业就业人数所占比重相当，则σ值趋于0，说明某产业在该地区分布均匀，没有空间集聚现象产生；相反，σ值越大，则说明某产业在该地区分布不均匀，产生空间集聚现象。然而仅讨论产业空间集聚的有无并不能反映某产业在该地区到底是“密集”分布还是“离散”分布，因此本文对Krugman的空间基尼系数公式进行改进，改进后的计算公式为：

ω=∑i（Si-xi）3（2）

其中，ω为改进后的空间基尼系数，改进后的计算结果不仅能反映某行业在该地区有无空间集聚，同时能反映空间集聚的密集程度和离散程度。ω=0时，说明产业在空间分布是均匀的；ω>0时，说明产业在空间分布是集聚的，即产业分布存在正的空间相关性，ω越大表示集聚程度越高；ω<0时，说明产业在空间分布是离散的，即产业分布存在负的空间相关性，|ω|越大表示离散程度越高。

1.3数据来源

由公式（2）可知，空间基尼系数的计算需要获取四个主要指标的数据值，分别是i地区采矿业从业人员数、i地区从业人员期末人数、全国采矿业从业人员数、全国从业人员期末人数。鉴于国家统计局1998年变更从业人员统计口径，本文选取1999—2013年间的统计数据作为样本观察值，主要指标数据值来源于《中国经济与社会发展统计数据库》、各省（区、市）统计年鉴中包含劳动力就业状况及按行业划分从业人员情况等统计数据，其他少量缺失数据由各省（区、市）统计年鉴或插值法补齐。

需要说明的是，在后文构建的计量模型中，人力资本投资和居民储蓄能力两项指标数据来源于《中国城市统计年鉴》，鉴于2014年的统计数据缺失（《中国城市统计年鉴2015》未正式发行），为了保持分析的一致性，空间基尼系数和资源产业依赖的统计数据均截止到2013年底。

1.4测度结果

采用资源产业依赖度的测度结果与资源产业空间集聚度的测度结果进行比较，具体测度结果如表1所示，其中资源产业依赖度与产业空间基尼系数的最终结果取小数点后4位。

由表1可知，与产业依赖度的测度结果相比，除海南、青海、宁夏、新疆等几个地区以外，其他各省（区、市）的资源产业空间集聚度的测度结果排名变化不大，证明资源产业空间集聚能够代替资源产业依赖度作为计量模型的控制变量，同时验证了与资源产业依赖度相比，资源产业空间集聚的测度可有效规避资源富集的外部性问题。以新疆为例，资源产业依赖测度排名第2，资源产业的开采和加工主要依靠省外支援，造成测度排名虚高；而空间集聚测度排名第10，资源产业空间集聚的测度涉及到新疆整体经济状况，排除外部因素干扰，使测度结果更加准确。

从测度结果来看，有15个省（区、市）的资源产业空间集聚测度结果为正值，存在正的空间相关性；14个省的测度结果为负值，存在负的空间相关性；青海的测度结果为0。根据资源产业空间集聚的测度结果将30个省（区、市）

分为四个梯队，在资源产业空间集聚的15个省份（区、市）中，山西、黑龙江、山东、河南四地的测度结果大于0.05，远高于其他省（区、市），可以设为资源产业空间集聚的第一梯队；安徽、辽宁、内蒙古、吉林、陕西、新疆、河北的测度结果大于0.01，设为第二梯队；贵州、云南、宁夏、甘肃的测度结果大于0，设为第三梯队；其他省（区、市）的测度结果小于等于0，设为第四梯队。

由此可见，我国资源产业主要集聚地区大多处于长江以北，长江以南各省（区、市）基本不存在资源产业的空间集聚现象。仅从经济发展的角度分析，2013年国家统计局公布的全国31省（区、市）GDP总量排名前10位中有5个省（区、市）来自长江以南地区，长江以南各省（区、市）的GDP总量占全国GDP总量的一半，其人均可支配收入总额超过长江以北各省（区、市），长江以北和以南两区块的经济发展总体呈现均衡态势。

综上所述，资源产业明显集聚的长江以北各省（区、市），其经济发展与资源丰裕和产业依赖程度并非完全吻合，这是否说明基于资源产业空间集聚，我国区域层面存在“资源诅咒”现象？如果存在“资源诅咒”现象，其发展演变又呈现何种趋势？为此，本文基于产业空间集聚理论，在对相关文献回顾和经验事实分析的基础上构建我国区域经济增长的计量模型，探寻资源产业空间集聚与区域经济增长之间的关系。

2区域经济增长计量模型的构建

面板数据模型可以构造和检验更为真实的行为方程，从而进行更加深入的分析。本文拟采用含有横截面、时间和指标三维信息的面板数据模型，实现对区域经济增长的规模分析（选择同一时期不同地区的数据作为样本观察值）和个体差异分析（选择同一地区不同时期的数据作为样本观察值）。

构建区域经济增长计量模型的过程，也是根据经济增长的源泉和“资源诅咒”的传导途径选择控制变量的过程。因此，对经济增长源泉和“资源诅咒”传导机制的路径研究思路不同，计量模型的设定形式以及最终的研究结论就会千差万别。为避免上述问题导致研究结果出现偏差，本文将学术界公认的影响经济发展效率的主要因素以及“资源诅咒”的重要传导途径尽可能全面地反映于回归模型中，并采用适当的方法对潜在的内生性问题进行有效控制，以期保证实证结果的稳健性。模型简化形式如下：

yit=αit+xitβit+uit，i=1，2，...，N，t=1，2，...，T（3）

其中，N表示个体截面成员的个数，T表示每个截面成员的观测时期总数，参数αit表示模型的常数项，βit表示对应于解释变量向量xit的k×1维系数向量，k表示解释变量个数。随机误差项uit相互独立，且满足零均值、等方差为σu2的假设。

为从经验观察与分析的角度考察资源产业空间集聚、物质资本、人力资本以及其他“资源诅咒”传导途径的控制变量对区域经济增长的影响，本文在条件收敛假说的基础上建立经济增长基本计量模型，模型形式为：

Gt=γ0+γ1lnYt-1+γ2ω+γ3Zt+εt（4）

其中，t为时间变量；Gt为人均GDP增长率，单位为百分比；lnYt-1为滞后一期的人均GDP自然对数，单位为元/人；ω为资源产业依赖度变量，单位为万分比；Zt为其他控制变量，单位为百分比；γ0～γ3为待估参数；εt为随机扰动项。其中，被解释变量Gt计算公式为：

Gt=（1/t）ln（Yt/Yt-1）（5）

根据前述研究思路并参考文献总结，该模型其他控制变量Zt，具体选择依据及度量指标如下（见表2）。

（1）物质资本投资（FI）和人力资本投资（HC）。物质资本投资、人力资本投资与经济增长关系密切，无论是始于亚当·斯密的古典经济增长理论还是始于拉姆泽的现代经济增长理论，无一例外地将物质资本（土地等）和人力资本（劳动力）作为经济增长的重要源泉之一。本文分别以全社会固定资产投资占GDP的比重及普通中学在校人数占区域总人口数比重作为两者的度量指标，符号分别为FI和HC，并预期两者的系数符号均为正。

（2）技术创新投入（TI）。 “索洛”模型，将技术进步列为经济增长的决定要素[29]，内生经济增长模型也把技术创新作为经济增长的推动源泉之一[30]。因此，本文将其作为经济增长计量模型的控制变量之一，以从事科技活动人数占总从业人员比重作为度量指标，符号为TI，并预期其系数符号为正。

（3）私营经济发展（PE）。在我国，私营经济是对公有经济的补充，私营经济的快速发展不仅进一步促进作为经济增长源泉的劳动与资本的增加，而且也在一定程度上推

动了技术进步。而在资源富集地区，资本、劳动力、技术创新等投入会向资源型产业倾斜，可能对私营企业和个体经

济产生抑制效应[31]。因此，有必要将私营经济发展作为本文经济增长计量模型的控制变量之一，选取城镇个体与私营经济从业人员占总就业人数的比重作为度量指标，符号为PE，并预期其系数符号为正。

（4）制造业发展（MD）。假设制造业部门存在“干中学”效应，即知识积累的外部性，则在资源丰裕地区，随着资源丰裕度的增加，对于不可贸易品的需求也就越多[2]，进入制造业部门的资本和劳动力随之减少，产生“荷兰病”现象并阻碍区域经济增长。考虑到制造业行业分类较多，不同行业间人力资本的投入产出相差较大，因此采用制造业固定资产投资占全社会固定资产投资比重作为度量指标，符号为MD，并预期其系数符号为正。

（5）对外开放程度（OP）。对外贸易开放度可以通过规模经济效应推动一国或一个地区的经济增长[32]，其驱动路径主要是通过加快本国技术进步，进而提高要素生产率以促进经济增长[30]。本文采用各省（区、市）实际利用的外商直接投资（实际汇率取当年平均值）占GDP的比重作为度量指标，符号为PE，并预期其系数符号为正。

（6）居民储蓄能力（PS）。在古典经济增长理论中，居民储蓄能力被作为投资的源泉之一，导致居民储蓄能力高低直接影响物质资本积累速度，从而抑制或促进经济增长[6-33]。在此基础上，本文采用城乡人均居民储蓄年末余额作为度量指标，符号为PS，并预期其系数符号为正。

（7）政府干涉程度（GI）。上述变量都不能作为经济

增长的推动原因，而是经济增长本身的一部分，真正推动经济增长的源动力是制度[34]。制度比其他经济增长的影响要素都重要[35]。制度是否是推动或抑制经济增长的源动力尚不好判定，但不可否认的是制度质量的高低将最终影响经济增长效率[36]。本文用扣除科教的财政支出占GDP的比重作为政府干涉程度的度量指标[13]，符号为GI，但系数符号无法预期。

分别采用广义最小二乘法（GLS）和广义矩估计法（GMM）作为估计方法进行检验，以克服计算过程中可能出现的不稳定性和内生性问题。同时利用逐项加入其他控制变量的分步分析方法对动态面板数据进行参数估计，并分析其传导路径。具体模型如下：

（1）全样本静态面板回归模型：

需要说明的是，在资源产业空间集聚测度的30个省（区、市）中有一半存在资源产业空间集聚现象，另一半不存在该现象。正如1.4节的分析结果，如果将不存在资源产业空间集聚的省（区、市）也作为样本参与计量分析，可能出现两种情况：一是使结论变得更加明显，即资源产业空间集聚的系数符号为负，且显著；二是颠覆现有的结论，原结论可能是不存在“资源诅咒”现象，但由于这些样本的加入，可使结果出现偏差，资源产业空间集聚的系数符号由正变为负，且显著。因此，在样本选取时剔除资源产业空间集聚测度值为非正的省（区、市）作为计量模型的研究样本，同时鉴于人力资本投资和居民储蓄能力两项指标2014年的统计数据缺失，选取的研究数据截止到2013年底，样本由15个省（区、市）1999—2013年间截面单位所组成，每个变量有225个样本观察值。

3计量分析结果及解释

对于面板数据，首先开展数据的平稳性分析（原假设为不稳定），通过三种模式下（即有趋势有截距、只有截距、两者都无）不同秩序（水平、一阶差分、二阶甚至高阶差分）检验直至序列平稳为止（拒绝原假设）。其次，对模型进行协整检验，利用Pedroni检验和Kao检验等方法（原假设无协整关系）对模型数据进行协整检验，检验结果显示P值均小于0.05，拒绝原假设，原数据存在协整关系。最后利用Hausman检验，确定模型的影响形式（原假设为建立随机效应回归）。检验结果显示，模型1和模型2中Hausman检验的P值小于0.05，拒绝原假设，应建立固定效应回归模型。

3.1整体估计结果及讨论

根据Hausman检验结果，建立个体固定效应模式下的全样本静态回归模型1（不含ω的二次方项）和模型2，同时建立全样本动态回归模型3，计算出1999—2013年间

15个资源产业空间集聚的省（区、市）被解释变量与解释变量、控制变量间的具体关系，见表3。

由表3的估计结果，模型1、2、3中资源产业空间集聚（模型3中的ω2）的系数符号均为负，且在5%的水平上显著，说明资源产业空间集聚与区域经济增长间的关系呈现负相关，符合“资源诅咒”假说的认定。但涉及资源产业空间集聚的二次方项时，在模型2中该变量的系数符号为正，且不显著；而在模型3中，该变量的系数符号为负，且在5%水平上显著。由模型2和模型3互相印证无法得出资源产业空间集聚与区域经济增长间存在倒U型曲线关系，但从模型3的估计结果来看，资源产业空间集聚与区域经济增长间的关系并非简单的线性关系，有可能是倒U型曲线关系，也可能呈非线性的不规则曲线关系。

对于其他控制变量，在模型1中，人力资本投资、技术创新投入和制造业发展与经济增长正相关，且其系数分别在1%、10%和1%的水平上显著，说明如果资源产业集聚地区在省际层面加大人力资本和技术创新投入、促进制造业发展将有利于区域经济增长；私营经济发展和政府干涉

程度与经济增长负相关，且分别在1%和5%的水平上显著，说明在这些地区发展私营经济或加大政府干涉程度将导致经济衰退。模型2也得到相近的结果。

3.2分步估计结果及讨论

整体估计结果仅说明解释变量和控制变量与被解释变量间的固定关系，并未阐述其他控制变量对解释变量和被解释变量间的负相关系有何影响，这些影响会否改变两者之间的关系。因此，利用DIFGMM估计方法，通过分步添加其他控制变量的方式考察各控制变量对资源产业空间积聚与区域经济增长间关系的影响，结果如表4。

在模型1中，估计结果与3.1节一致，资源产业空间集聚的一次方项系数为正，二次方项系数符号为负，且均在1%的水平上显著。模型2-4依次加入经济增长理论中的三个基本要素，即物质资本投资、人力资本投资和技术创新投入，结果显示物质资本投资的系数符号为负，且在1%的水平上显著；人力资本投资的系数符号为正，且在5%的水平上显著；技术创新投入的系数符号为正，未通过显著性检验。不难理解，在资源产业空间集聚地区，技术创新投入对经济增长的影响不明显，而人力资本投资能有效拉动经济增长，符合经济增长理论的认知。但是物质资本投资却限制经济有效增长，似乎有悖于经济增长理论的常识。究其原因，可能是由于资源产业空间集聚地区

的经济主体的消费跨期替代弹性较小，导致物质资本投资对经济增长的直接增益效应小于其对社会人力资本积累的负向效应，进而阻碍区域经济增长。

接下来将私营经济发展引入模型5，结果显示其系数符号为正，未通过显著性检验，也未对资源产业空间集聚与经济增长的关系造成影响，说明私营经济发展在资源产业空间集聚地区对经济增长的作用相对较小。在模型6中引入制造业发展，结果显示其系数符号为正，且在1%的水平上显著，从而对区域经济增长表现出积极的推动作用。在模型7中引入对外开放程度，其系数未通过显著性检验，且模型的估计结果并未产生明显变化，说明资源产业空间集聚地区的进出口贸易多集中于交易相对稳定的资源产业，因此对外开放程度的变化对其经济增长影响不大。在引入居民储蓄能力的模型8中，其系数符号为正，且在10%的水平上显著，说明居民储蓄能力可以拉动经济增长，符合经济增长理论的逻辑。但在加入政府干涉程度的模型9中，居民储蓄能力变得不再显著，而政府干涉程度的系数符号为负，且在1%的水平上显著，说明政府干涉程度越高越不利于经济增长。

纵观模型1-9，在加入人力资本投资、制造业发展、居民储蓄能力和政府干涉程度后，资源产业空间集聚的二次方项系数的绝对值明显减小，这说明增加人力资本投资、促进制造业发展、增加居民储蓄和减少政府干涉能够在规避“资源诅咒”方法发挥重要作用。

4评述性结论

基于我国30个省（区、市）层面的数据，在Krugman空间基尼系数的基础上，构造适用于测度资源产业空间集聚的计算公式，量化1999—2013年间中国资源产业的空间

集聚程度，分析其排名情况和分布格局。依据上述分析，构建面板数据模型并讨论我国资源产业空间集聚等因素对区域经济增长的影响。得出以下结论：

（1）通过对1999—2013年间我国30个省（区、市）资源产业空间集聚（ω）的测度结果与资源产业依赖度的测度结果的比较表明，两者的测度结果排名变化不大，而资源产业空间集聚的测度涉及到该地区的整体经济状况，排除外部因素的干扰，使测度结果更加准确。同时，测度结果说明我国有15个省（区、市）存在资源产业空间集聚现象，这些地区大多位于长江以北，且均为自然资源富集地区。

（2）通过计量分析发现，资源产业空间集聚与区域经济增长间呈现负相关，符合“资源诅咒”的基本假设；人力资本投资、技术创新投入和制造业发展与区域经济增长正相关，符合经典经济增长理论的逻辑关系；物质资本投资与区域经济增长负相关，可能是由于当地经济主体的消费跨期替代弹性较小，导致物质资本投资对经

济增长的直接增益效应小于其对社会人力资本积累的负向效应，阻碍区域经济增长；政府干涉程度越高越不利于经济增长。

在资源利用效率与经济可持续发展的统筹协调和整体优化过程中，建议应明确市场调节为主、政府调控为辅的导向机制，进一步提升资源产业空间集聚程度，强化行业人员素质与技术水平匹配，逐步提高自然资源生产和利用效率，从而实现加快地区经济转型，有效促进经济可持续发展的全面提升。

（编辑：李琪）

参考文献（References）

[1]AUDY R M. Sustaining development in mineral economies： the resource curse thesis[M]. London： Routledge， 1993.

[2]SACHS J D， WARNER A M. Natural resource abundance and economic growth[J]. NBER working paper， 1995（5）：398.

[3]GYIFASON T， ZOEGA C. Natural resources and economic growth： the role of investment[J].World economy， 2006（8）：1091-1115.

[4]COLLIER P， GODERIS B. Commodity prices， growth and the natural resource curse： reconciling a conundrum[J]. MPRA paper， 2009 （17）：315.

[5]ALEXEEV M， CONRAD R. The natural resource curse and economic transition[J]. Economic systems， 2011，35： 445-461.

[6]AUTY R M. Natural resources， capital accumulation and the resource curse[J].Ecological economics， 2007， 61：627-634.

[7]PAPYRAKIS E， GERLAGH R. Resource abundance and economic growth in the United States[J].European economic review， 2007，51：1011-1039.

[8]OSKENBAYEV Y， YILMAZ M， ABDULLA K. Resource concentration， institutional quality and the natural resource curse[J]. Economic systems， 2013，37： 254-270.

[9]胡援成，肖德勇.经济发展门槛与自然资源诅咒[J].管理世界， 2007（4）：19-23.[HU Yuancheng， XIAO Deyong. The threshold of economic growth and the natural resource curse[J]. Management world， 2007（4）：19-23.]

[10]邵帅，杨莉莉.自然资源丰裕、资源产业依赖与中国区域经济增长[J].管理世界， 2010（9）：26-44.[SHAO Shuai， YANG Lili. The abundance of natural resources， industry resources dependence and regional economic growth in China[J]. Management world， 2010（9）： 26-44.]

[11]ROSSER A. Escaping the resource curse： the case of indonesia[J]. Journal of contemporary Asia， 2007， 37：38-58.

[12]MALONEY W F， LEDERMAN D. In search of missing resource curse[J]. Journal of LACEA economic， 2008 （9）：1-56.

[13]丁菊红，邓可斌. 政府干预、自然资源与经济增长：基于中国地区层面的研究[J].中国工业经济，2007 （7）：56-64.[DING Juhong， DENG Kebin. Government intervene， natural resource and economy development： based on regional panel data study of China[J]. China industrial economy， 2007 （7）： 56-64.]

[14]方颖，纪衎，赵扬. 中国是否存在“资源诅咒”[J].世界经济， 2011（4）：144-160.[FANG Ying， JI Kan， ZHAO Yang. The existence of ‘resource curse in China[J]. The journal of world economy， 2011 （4）： 144-160.]

[15]BRUNNSCHWEILER C N， BULTE E H. The resource curse revisited and revised： a tale of paradoxes and red herrings[J]. Journal of environment economics and management， 2008，55：248-264.

[16]BUTLE E H， DAMANIA R， DEACON R T. Resource intensity， institutions， and development[J].World development， 2005，33：1029-1044.

[17]MEHLUM H， MOENE K， TORVIK R. Institutions and resource curse[J]. The economic journal， 2006， 116：1-20.

[18]CHRISTA N B， BUTLE E H. The resource curse revisited and revised： a tale of paradoxes and red herrings[J]. Journal of environment economics and management， 2008，55：248-264.

[19]ALEXEEV M， CONRAD R. The elusive cures of oil[J].Review of economics and statistics， 2009，91：586-598.

[20]STIJINS J C. Natural resource abundance and economic growth revisited[J]. Resources policy， 2005， 30：107-130.

[21]DING N， FIELD B C. Natural resource abundance and economic growth[J]. Land economics， 2005， 81（4）：496-502.

[22]邵帅，范美婷，杨莉莉.资源产业依赖如何影响经济发展效率[J].管理世界， 2013（2）：32-63.[SHAO Shuai， FAN Meiting， YANG Lili. How the industry resources dependence affect the economic development efficiency[J]. Management world， 2013 （2）： 32-63.]

[23]ROODMAN D. How to do xtabond2： an introduction to difference and system GMM in stata[J]. The stata journal， 2009， 9（1）：86-136.

[24]魏国学，陶然，陆曦. 资源诅咒与中国元素：源自135个发展中国家的证据[J].世界经济， 2010（12）： 48-66.[WEI Guoxue， TAO Ran， LU Xi. The resource curse and China elements： evidence from 135 countries[J]. The journal of world economy， 2010（12）： 48-66.]

[25]HABER H， MENALDO V A. Do natural resources fuel authoritarianism a reappraisal of the resource curse[J].American political science review，2011，105：1-26.

[26]巩前胜， 董春诗. 中国油气资源产业发展：空间集聚水平及区域分布特性[J]. 科技管理研究， 2014 （5）：136-139，143.[GONG Qiansheng， DONG Chunshi. The development of oil and gas resource industry in China： spatial agglomeration level and regional distribution characteristics[J].

Science and technology management research， 2014（5）：136-139，143.]

[27]谭丹，黄贤金. 我国东中西部地区经济发展与碳排放的关联分析及比较[J]. 中国人口·资源与环境， 2008， 18（3）：54-55.[TAN Dan， HUANG Xianjin. Correlation analysis and comparison of the economic development and carbon emissions in the eastern， central and western part of China[J]. China population， resources and environment， 2008， 18（3）：54-55.]

[28]KRUGMAN P. Increasing returns and economic geography[J]. Journal o f political economy， 1996， 99（3）：48-59.

[29]SOLOW R M. Technical progress and the aggregate production function[J]. Review of economics， 1957， 70： 65-94.

[30]ROMER P. Increasing returns and longrun growth[J]. Journal of political economy， 1986， 94（5）：1002-1037.

[31]刘庆岩，孙早. 私营企业发展中的资源开发效应[J]. 中国工业经济， 2009（6）： 119-129.[LIU Qingyan， SUN Zao. Resource exploring effect on private enterprises development[J]. China industrial economy， 2009（6）：119-129.]

[32]KRUGMAN P， HELPMAN E. Market structure and foreign trade[M]. Cambridge MA： MIT Press， 1985.

[33]ALICHI A， AREZKI R. An alternative explanation for the resource curse： the income effect channel[J]. IMF working paper， 2009 （9）： 112.

[34]NORTH D C， ROBERT P. Theorise of the western world： a new economic history[M]. Cambridge UK： Cambridge University Press， 1973.

[35]RODRIK D， SUBRAMANIAN A， TREBBI F. Institutions rule： the primacy of institutions over geography and integration in economic development[J]. Journal of economic growth， 2004， 9（2）：131-165.

[36]郭苏文， 黄汉民. 制度质量、制度稳定性与经济增长：一项实证研究[J]. 当代经济科学， 2010， 32（6）：116-121.[GUO Suwen， HUANG Hanmin. Institution quality， institution stability and economic growth： an empirical study[J]. Modern economic Science， 2010，32（6）：116-121.]