省会的集聚效应对区域经济发展的影响研究——基于OLS模型的分析

李汉

（安徽财经大学　财政与公共管理学院，安徽　蚌埠　233000）

省会的集聚效应对区域经济发展的影响研究
——基于OLS模型的分析

李汉

（安徽财经大学财政与公共管理学院，安徽蚌埠233000）

本文基于我国部分省会城市和省级区域的经济数据，依据集聚效应原理，从省会城市的GDP所占比重、财政收入、投资规模、交通中转量等角度分析比较部分省会城市的集聚效应，并运用OLS计量方法建立省会的集聚水平与区域经济发展的模型，在充分比较的基础上，研究省会集聚效应对区域经济发展的影响，进而得出相应结论和建议.

集聚效应；区域经济；OLS分析

1　集聚效应原理概述

1.1集聚效应原理

集聚效应（combinedeffect）是指经济发展点在空间上集中产生的规模效应以及吸引各类产业经济活动向一定地区靠近的力量，是导致城市形成和不断扩大的基本因素.根据集聚的定义，集聚效应在使各种生产要素在空间上集中会产生两种效果，一种是表面上的即各种产业的集中带来了区域经济的增长，另一种是由于劳动力要素的集聚使得人口增加，区域市场也相应扩大从而带来了经济上的规模效应.

1.2我国省会集聚效应和区域发展概况

1.东部经济发达地区

（1）区域经济发展概况：我国东部地区主要是沿海开放地区，最早进行对外开放、引进外资，在工业和贸易的发展上一直处于全国领先地位，该地区包括11个省市，三大直辖市北京、上海、天津以及经济总量处于前列的经济大省（广东、江苏、山东等）都在分布在东部地区.

图1　我国东部地区各省的GDP总量

根据国家统计局数据，2014年东部地区GDP总额为353895.91亿元，而2014年全国GDP总额为684349.42亿元，东部地区在全国GDP总额中的占比达到55.34%，是我国经济总量占比最大，产值最高的地区.

（2）省会集聚效应特点

首先，在东部地区省级区域内部大多存在两个或两个以上的经济中心城市，也就是说在东部地区的各省市中，大多存在省会之外的经济中心城市，区域经济发展呈现多极化.其次，东部地区的第一经济中心城市多为非省会城市，省会城市的经济集聚效应相对较弱.以江苏省为例，2014年经济总量超过8000亿元的中心城市达到三个（苏州、南京、无锡），其中苏州的GDP总额为13760.89亿元远远超过作为省会城市南京的8820.75亿元.仅从生产总值数据来看，江苏省的省会集聚效应较弱.

2.中部地区

（1）区域经济发展概况：中部地区主要包括6个传统中部省份和吉林省、黑龙江省，是我国人口较为集中的地区，也是东部沿海地区劳动力要素供给的重要区域，区域内部各省份的经济差距较小多处在全国中等水平，该地区经济第一大省是河南省.

图2　中部地区各省的GDP总量

（2）省会集聚效应特点

首先，和东部地区明显不同的是，在中部8个省级区域内部，省会城市的GDP水平往往大幅高于其他城市，没有出现除省会之外的经济中心城市，区域经济发展呈现单级化.其次，中部地区省域在以省会为经济中心的基础上，出现了小区域的经济强市，但省会的集聚效应还是十分显著.以湖北省为例，2014年武汉市作为省会城市，GDP达到10069.48亿元远远超过省域内排名第二的宜昌市的3132.21亿元，经济集聚效应十分显著.此外，除武汉市外，全省经济总量超过3000亿元的城市只有宜昌（3132.21亿元）和襄阳（3129.3亿元）两市，其他各市的生产总值均未超过1500亿元，其中低于500亿元的占大多数.

3.西部地区

（1）区域经济发展概况：西部地区是我国三大经济地区中地理面积最大的地区，人口密度较小，但由于受到环境、人口等因素的制约，西部地区的经济发展相对滞缓，就生产总值而言，仅占全国GDP总额的20.18%.五大少数名族自治区都分布在西部地区，区域内部各省份的经济差异较大，该地区的经济第一大省是四川省.

图3　西部地区各省的GDP总量

（2）省会集聚效应特点

首先，同中部地区类似，西部地区的省会城市的GDP水平往往大幅高于其他城市，区域经济发展呈现单级化.其次，与中部地区相比，西部地区并没有出现除省会之外的小区域经济强市或者小区域经济强市的数量低于两个，省会在省域经济内的集聚效应更为显著.以陕西省为例，2014年省会西安市的GDP达到5474.77亿元，除榆林市（3005.74亿元）外，其他地市的GDP都在2000亿元以下.

2　研究目的和要求

省会的集聚效应影响省级区域经济发展的因素有很多，据分析主要可能的因素有：①省会城市的GDP在省级区域GDP中所占的比重X1；②省会城市的财政收入在省级区域财政收入中所占的比重X2；③省会城市的年末总人口在省级区域年末总人口中所占的比重X3；④省会城市的房地产开发投资额在全省在省级区域开发投资额中所占的比重X4；⑤省会城市的旅客运输量在省级区域旅客运输量中所占的比重X5.

为了研究省会的集聚效应（经济、财政、人口、投资、运输）对省级区域经济发展的影响，分析省会集聚效应的数量规律，需要建立计量经济模型.

3　模型设定

3.1数据选取

模型选取各省市的GDP总额为被解释变量代表区域经济的发展状况，上述六个因素为省会城市的集聚效应对区域经济发展影响的解释变量.

以国家统计局已经公布的2014年31个省份的数据为样本，由于四个直辖市无实际上的中心地区，其经济数据无实际意义故予以剔除，将剩余27个省份资料通过计算得到以下数据（表1）.

表1　2014年各地区省会集聚效应对区域经济的影响因素数据

地区　　地区生产总值Y/亿元省会城市GDP比重X1/%省会城市财政收入比重X2/%省会城市人口比重X3/%省会城市的房地产投资额比重X4/%省会城市的旅客运输量比重X5/%广东省　67809.85　24.64%　15.41%　7.86%　23.78%　54.24%海南省　3500.72　31.19%　18.03%　18.31%　20.99%　48.54%山西省　12761.49　19.83%　14.22%　10.14%　33.46%　13.00%吉林省　13803.14　38.70%　33.02%　27.42%　51.70%　35.36%黑龙江省　15039.38　35.51%　32.55%　25.76%　51.86%　29.86%安徽省　20848.75　24.74%　22.55%　11.72%　25.98%　14.40%江西省　15714.63　23.34%　18.18%　11.40%　31.31%　10.28%河南省　34938.24　19.40%　30.44%　9.94%　39.85%　13.14%湖北省　27379.22　36.78%　42.89%　14.22%　59.08%　27.94%湖南省　27037.32　28.94%　27.97%　9.97%　45.56%　7.88%内蒙古　17770.19　16.29%　11.47%　9.50%　41.08%　7.36%广西　15672.89　20.09%　19.32%　15.35%　30.01%　16.76%四川省　28536.66　35.24%　33.49%　14.87%　50.58%　15.57%贵州省　9266.39　26.95%　24.26%　10.92%　46.19%　83.78%云南省　12814.59　28.97%　28.15%　11.68%　52.43%　26.97%西藏　920.83　37.73%　66.74%　16.58%　67.70%　46.09%陕西省　17689.94　31.05%　30.88%　21.60%　71.80%　34.67%甘肃省　6836.82　29.27%　22.65%　14.46%　43.95%　14.55%青海省　2303.32　46.27%　33.33%　34.76%　80.08%　41.00%宁夏　2752.1　50.46%　45.20%　29.61%　59.39%　44.22%新疆　9273.46　26.54%　26.56%　11.61%　32.52%　8.15%

3.2相关图分析与模型设定

运用EViews软件作出解释变量X1、X2、X3、X4、X5分别和Y的相关图，分析Y与X的相关图形，粗略得到解释变量与被解释变量的相关关系和变化趋势，具体如图所示.

由被解释变量Y与Xi的散点图可大体看出，省会城市的经济水平、财政收入、人口、房地产投资额、旅客运输量在省级区域经济的占比和区域经济的发展水平存在一种非线性负相关的关系.但是从散点图中也可以看出，这些经济变量之间具有共同变化的趋势，可能会使模型存在多重共线性.

考虑到被解释变量和解释变量的倍数关系和相关关系，本文先探索性地将模型设定为倒数变换模型然后再根据估计参数结果和模型检验进行对模型进行更改：

4　参数估计

利用Eviews软件分析和估计模型的参数，估计结果如下：

5　检验多元回归模型

5.1经济检验

假设其他解释变量不变，X1（省会城市GDP比重）每增长1%，平均来说被解释变量Y减少389169.5亿元；

假设其他解释变量不变，X2（省会城市财政收入比重）每增长1%，平均来说被解释变量Y增加277102.5亿元；

假设其他解释变量不变，X3（省会城市人口比重）每增长1%，平均来说被解释变量Y减少337638.1亿元.

假设其他解释变量不变，X4（省会城市的房地产投资额）每增长1%，平均来说被解释变量Y减少485710.6亿元.

假设其他解释变量不变，X5（省会城市的旅客运输量比重）每增长1%，平均来说被解释变量Y增加125418.7亿元.

很明显解释变量X2、X4不符合实际的经济意义，不通过经济检验，可能与其他解释变量之间具有严重的多重共线性.

5.2统计显著性检验

R^2=0.640299，说明所建模型整体上对样本数据拟合较差.

F检验（回归方程显著性检验）：F的P值为0.000363，明显小于α=0.05，表明解释变量X1X2 X3X4X5联合起来对被解释变量Y有显著影响.

t检验：

X1的P值为0.2724，明显大于α=0.05，表明X1对被解释变量Y无显著性影响.

X2的P值为0.2561，明显大于α=0.05，表明X2对被解释变量Y无显著性影响.

X3的P值为0.0173，明显小于α=0.05，表明X3对被解释变量Y有显著性影响.

X4的P值为0.1074，明显大于α=0.05，表明X4对被解释变量Y无显著性影响.

X5的P值为0.1709，明显大于α=0.05，表明X5对被解释变量Y无显著性影响.

F检验通过，t检验基本不通过，部分估计的回归系数符号相反，表明模型可能具有严重的多重共线性.

6　改进多元回归模型

6.1简单相关系数检验法

由于，上述检验结果中，F检验的参数联合显著性很高，但对各个参数单独的t检验却不高并且出现了估计的回归系数符号相反的结果，我们推定模型可能具有多重共线性.下面采用简单相关系数检验法来判断是否存在多重共线性.

可以看出X1和X2的相关系数大于0.8，其他解释变量的相关系数也较高，推定模型存在较严重的多重共线性.

6.2利用逐步回归方法处理多重共线性

⒈建立基本的一元回归方程

根据相关系数矩阵，X3与Y关联程度最大.所以，设建立的一元回归方程为:Y=α+βX3+ε，利用EViews软件估计参数结果如下:

⒉建立的多元回归模型

以上述一元线性回归模型为基本模型，顺次引入其他变量估计二元回归模型：

LSYC1/X31/X1结果见下表

LSYC1/X31/X2结果见下表

LSYC1/X31/X4结果见下表

LSYC1/X31/X5结果见下表

经比较可知，新加入X1的回归模型Y=f (1/X3,1/X1)，X1符合实际的经济意义但T检验不通过；新加入X2的回归模型Y=f(1/X3,1/X2)，X2经济意义合理，但t检验不通过；新加入的X5的回归模型Y=（1/X3,1/X5）,x5经济意义不合理.

因此，Y=f（1/X3，1/X4）估计的结果比Y= （1/X3）可决系数提高，为最优的二元回归模型.接下来本文对Y=Y=f（1/X3，1/X4）分别加入X1、X2、X5建立三元回归模型，但新加入的解释变量的经济意义均不合理.故剔除X1、X2、X5解释变量后的二元回归模型：Y=β1+β4（1/X3）+β5（1/X4)+μ为改进后的最优二元模型.

3.分析结果

本文首先建立了五元倒数变换模型，由于所选取的经济变量自身存在共同变化的趋势（GDP与财政收入）以及样本数据本身存在问题（即抽样仅限于总体中解释变量的有限范围，使得变量差异不大）使得模型产生了严重多重共线性.虽然本文采用逐步回归法解决了模型的多重共线性问题，但改进后二元模型的可决系数（0.579109）依然较低.据分析，应该是由于以下几个因素导致：

（1）没有考虑到影响省域经济发展水平的其他因素，比如人口在城市间的分布、城市化程度、地理环境、历史文化因素等.

（2）省会的集聚效应只是影响省级区域经济发展的一小部分解释变量.

（3）由于省会集聚效应的表现因素数据选取较少，忽略了较为重要的解释变量，使得模型还存在异方差性.

7　结论与建议

7.1结论

本文选取了五个省会的经济数据比重来表现省会的集聚效应的高低，并用省级区域的GDP水平来衡量区域经济的发展水平.仅就这五个省会集聚效应的影响因素而言，在默认计量经济模型可决系数较低的情况下，我们可以得出结论，省会的集聚效应同所在省份区域经济发展存在一定程度的负相关关系，特别是在人口比重和房地产投资额比重上省会城市的集聚效应对区域经济的发展具有一定影响.这也在一定程度上解释了，我国经济发展水平较高的东部地区发展呈现多极化、省会城市的经济集聚效应相对较弱，而我国经济发展水平较低的西部地区发展呈现单级化、省会在省域经济内的集聚效应更为显著的特点.

7.2政策建议

1.在考虑区域经济整体的发展时，省级政府在制定经济政策时应该照顾省会城市外其他城市的经济发展，特别是中西部地区应当大力培育除省会城市外的经济中心城市.

2.在人口集聚方面，省会城市的大幅度的人口占比并不利于整个省级区域经济资源的合理利用，省级政府应该注意引导流动人口的分散，促进省域经济的平衡发展.

3.在城市建设投资方面，我国省会城市享受了不合理的政策倾斜，省会城市的基础建设投资占比的高水平并不利于整个区域经济资源的合理利用也不利用其他城市的建设，省级政府应该合理平衡各地区的政府投资比重.

〔1〕庞皓.计量经济学［M］.北京：科学出版社，2012.

〔2〕国家统计局.分省、主要城市年度数据［OL］.http：//data.stats.go.

F207

A

1673-260X（2016）08-0093-05

2016-05-16