黄河流域城市经济关联与空间溢出实证研究

2021-06-16陈闻君张旭东

人民黄河 2021年6期

陈闻君，徐阳，张旭东

（1.新疆财经大学丝路经济与管理研究院，新疆乌鲁木齐830012；2.新疆财经大学经济学院，新疆乌鲁木齐830012）

黄河流域资源丰富，作为中华民族和中华文明的发祥地，人文底蕴深厚，记录着中国的过去、绵延着中国的未来，黄河流域高质量发展对于中华民族伟大复兴具有举足轻重的作用［1］。但是，黄河流域生态环境脆弱，不同区域之间自然禀赋存在较大差异，使各区域协调发展面临巨大挑战［2］。相较于对长三角、粤港澳大湾区、长江经济带等沿海地区和经济较发达地区经济发展的研究［3-7］，国内长久以来对黄河流域整体发展的关注和研究较少。我国改革开放以来所显现的区域发展不平衡现象，使得有关学者把空间计量模型用于区域发展空间差异、区域经济空间极化与扩散研究表现出较高的热情［8-9］，伴随着空间计量经济学的成熟，空间误差模型、空间滞后模型及空间杜宾模型被广泛应用于区域经济的空间溢出等研究［10-12］。本文从空间的视角分析黄河流域主要城市经济布局及投入要素的禀赋状况、城市群之间经济要素流动与经济发展之间的关系，以期探寻黄河流域高质量发展的路径，为流域高质量发展和各区域协调发展决策提供参考。

1 数据来源与研究方法

1.1 数据来源与指标设计

本研究所用经济数据包括黄河流域50个主要城市2008—2017年经济发展数据，主要来源于《中国城市统计年鉴》及各城市的发展统计公报；构建空间矩阵所需的各城市间的距离数据以及有关地图，主要来源于国家地理信息公共服务平台。引入科布道格拉斯函数（C-D生产函数），将黄河流域主要城市的人均GDP作为被解释变量，将资本、劳动力和技术作为解释变量，同时将第二产业占GDP比重、第三产业占GDP比重、外资利用量占固定资产比重以及财政支出占GDP比重作为控制变量，构建空间回归模型。

1.2 模型设定与空间矩阵构建

1.2.1 空间相关性检验

首先对数据进行空间相关性检验，以验证其是否适合使用空间计量模型。采用莫兰指数度量黄河流域全局空间相关性及各地区局部空间相关性，全局莫兰指数与局部莫兰指数计算公式分别为

式中:I为全局莫兰指数；I i为局部莫兰指数；i、j为城市编号；n为城市数量；W i j为空间权重；x i与x j为城市属性指标；¯x为城市属性指标的均值。

莫兰指数取值范围为［-1，1］，大于0表明城市间正相关，小于0表明城市间负相关。采用莫兰散点图检验不同区域经济发展水平的空间差异。

1.2.2 空间矩阵

空间矩阵是空间计量分析的基础，其定义各区域间的空间关系、展现各区域经济属性值对空间的依赖程度。采用地理距离矩阵（W1）和经济距离矩阵（W2）两种空间矩阵来表达黄河流域主要城市在空间上的关联程度，其元素计算公式分别为

式中:i、j为城市编号；W1ij为城市i和城市j的地理距离；d为城市i与城市j的实际距离；W2i j为城市i和城市j的经济距离；¯y i和¯y j分别为2008—2017年城市i和城市j的人均GDP。

1.2.3 空间计量模型

空间滞后模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM）为目前空间计量经济学采用的三大主要模型，空间滞后模型（SAR）形式为［5］

空间误差模型（SEM）形式为

空间杜宾模型（SDM）形式为

式中:i为城市编号；t为时间（年份）；y为人均GDP；k、c、l分别为资本、技术、劳动力投入；w′t为空间权重；u i为个体趋势项；γt为时间趋势项；M i为空间误差项的待估计系数为邻接地区各变量对经济增长的空间溢出效应；ρ、αi和βi为模型估计参数；l it为误差项。

1.3 变量的解释说明

把2008—2017年黄河流域50个主要城市历年的人均GDP作为被解释变量，为消除价格因素的影响，以2008年为基期，对数据进行平减处理。在核心解释变量选择时，把各城市历年科技投入及年末就业人数作为技术和劳动力指标，并将全社会固定资产投资额作为资本的替代量。为综合考虑产业结构、外资和政府治理对于经济的影响，把第二产业占GDP比重、第三产业占GDP比重、外资利用量占固定资产比重、财政支出占GDP比重作为控制变量，分别记为a1、a2、a3、a4。在实证之前，首先对各变量进行描述性统计，对变量的数据性质进行检验，见表1。

表1 各变量描述性统计

2 实证分析

2.1 城市经济的相关性分析

首先利用莫兰指数度量黄河流域各城市之间的空间相关性，进而判断空间分析的合理性。距离长短和经济发展程度与城市间的联系密切相关，距离长短影响交通运输及人才流动的通达程度，而经济发展程度在一定程度上会影响资金、科技及人才的流向。考虑这两大因素对各城市间联系和相关性的影响，依据基于地理距离矩阵（W1）和经济距离矩阵（W2）的莫兰指数（见表2），度量黄河流域主要城市是否存在空间集聚和关联性。

表2 基于不同空间矩阵的全局莫兰指数

黄河流域主要城市基于两种空间矩阵的莫兰指数均通过了显著性检验，说明各城市之间具有较明显的正相关性及空间上的集聚性。由表2可知，基于经济距离矩阵的莫兰指数值大于基于地理距离矩阵的，说明相对于地理因素而言，黄河流域主要城市经济空间的相关性更强。从趋势上看，历年莫兰指数较为稳定，意味着在研究时段内各城市的空间相关程度具有稳定性。

采用局部莫兰散点图（见图1）可以分析空间对象的局部差异、局部地区的聚类和空间异质性特征，其横坐标z为各城市标准化处理后的人均GDP、纵坐标Wz为相邻城市（区域）标准化处理后的人均GDP［5］。在局部莫兰散点图中，某城市若处于第一象限则表明其经济发展水平较高且被高值城市（区域）所包围，若处于第二象限则表明其经济发展水平较低但被高值城市（区域）所包围，若处于第三象限则表明其经济发展水平较低且被低值城市（区域）所包围，若处于第四象限则表明其经济发展水平较高但被低值城市（区域）所包围。由图1可知，黄河流域主要城市集中在第一象限和第三象限，表明黄河流域主要城市的经济水平在空间上具有高-高聚类和低-低聚类的特点。第一象限集中了济南、太原、郑州、东营、鄂尔多斯等省会城市和经济强市，这类高-高聚类的城市数量较少，而多数城市处在低-低聚类的第三象限，这说明黄河流域整体上经济发展水平不高，城市间经济发展差异较大，区域一体化及协同发展的能力弱，经济强弱地区有进一步割裂的态势。省会城市及经济强市在经济发展中享受经济外部性带来的好处，而经济发展要素短缺、区位条件差及缺乏政策支持的城市则在经济发展过程中处于劣势地位，这也表明推进黄河流域整体经济高质量发展的必要性。

图1 基于不同空间矩阵的局部莫兰散点图

基于莫兰指数的分析表明，黄河流域主要城市经济发展在空间上有着显著的相关关系，适合使用空间计量模型进行下一步的测算。

2.2 黄河流域主要城市经济增长的空间溢出性分析

2.2.1 数据检验与模型选择

为确定合适的模型，首先对两种空间矩阵进行LM检验，结果见表3。空间误差检验与空间滞后检验结果为:地理距离矩阵W1没通过LM-error检验、通过显著性水平为10%的LM-Lag检验，经济距离矩阵W2通过显著性水平为10%的LM-error，两种矩阵均通过了显著性水平为1%和5%的LM-Lag、LM-error、RLMLag、R-Lerror检验，表明选择空间杜宾模型（SDM）较为合适。Hausman检验结果为:地理距离矩阵通过显著性水平为10%的检验，而经济距离矩阵因统计值为负而没有通过检验，其原因是随机模型基本假设的渐进性无法得到满足。此外，时间固定效应、个体固定效应及双固定效应检验表明，时间固定效应较其他两种固定效应更为显著。为进一步验证空间杜宾模型（SDM）是否适合本研究以及是否可以简化为空间滞后模型（SAR）和空间误差模型（SEM），进行了Wald与LR检验，结果表明，Wald检验1和LR检验1均拒绝了空间杜宾模型（SDM）能够简化为空间滞后模型（SAR）的假设，Wald检验2和LR检验2均拒绝了空间杜宾模型（SDM）能够简化为空间误差模型（SEM）的假设，因此选择空间杜宾模型（SDM）是最优的。

表3 两种空间矩阵检验结果

2.2.2 空间杜宾模型回归分析结果

选择时间固定效应的空间杜宾模型（SDM），依据普通面板数据（样本数量为500）对黄河流域主要城市经济发展的影响因素进行回归分析，结果见表4。

表4 基于普通面板数据的空间杜宾模型回归分析结果

对比表4中基于非空间面板数据的回归结果和基于空间面板数据的回归结果可知，若不考虑空间因素，则会高估资金、技术、产业等因素对经济的影响，而低估劳动力、政府干预、外资利用对经济的影响。对比基于地理距离矩阵和经济距离矩阵的回归结果可知，基于地理距离矩阵分析时，技术、政府干预、外资利用对当地及周边经济的影响并不显著，而基于经济距离矩阵分析时，除外资利用对周边经济影响不显著外，其他因素均对周边经济有显著性水平为1%及5%的影响。因此，经济因素对周边的溢出效应更强。

具体来看，在对当地经济的影响中，基于两种空间矩阵的分析均表明资本投入对当地经济发展起正向作用、劳动起负向作用，基于地理距离矩阵的分析表明技术对当地经济的影响不显著，基于经济距离矩阵的分析表明技术对当地经济产生了负向作用。控制变量中，当地的产业高级化以及外资的引入有利于经济增长，政府干预抑制了经济的发展。上述结果说明，资本是促进黄河流域城市发展的主要因素，而技术投入的产出效率较低，单纯依靠地方政府的研发投入往往效果较差、不能对经济产生有效推动。

在对周边经济的影响中，当地的资本和产业高级化有正向溢出效应，劳动力和政府干预为主要的抑制因素。黄河流域城市间经济发展的差距较大，城市间经济发展要素的竞争和博弈剧烈，发达地区容易对周边产生人才等要素的“虹吸”效应，进而加剧经济发展的不平衡。因此，要推进黄河流域整体的高质量发展，必须改变依靠劳动密集型为主的产业模式，各城市的发展不能单纯依靠政府支持，而要加快产业结构的优化升级，这不仅对当地经济发展有促进作用，而且有利于周边地区的经济发展、推动黄河流域经济的整体增长。

2.2.3 黄河流域城市经济空间溢出效应分解

采用偏微分方法对空间杜宾模型得出的主要城市经济发展空间溢出效应进行分解，结果见表5。

表5 黄河流域主要城市经济发展空间溢出效应分解

（1）直接效应。基于两种空间矩阵的分解结果表明，资本对于经济均产生了正向直接效应，且都达到1%的显著性水平，资本是促进黄河流域城市经济发展最重要的因素。基于地理距离矩阵的分解结果表明技术对当地经济的影响并不显著，而基于经济距离矩阵的分解结果表明技术对当地经济发展的效应是负向的，这与由表4所得结论一致，说明黄河流域技术投入效率亟待提升。此外，劳动力增加对当地经济的抑制作用也说明了黄河流域需要升级传统的劳动密集型产业。

（2）间接效应。影响黄河流域经济发展的主要因素中只有资本产生了正向的外溢，而发达城市所带来的对劳动力的回流效应较强，反而影响了黄河流域落后城市的经济发展。传统产业依旧在经济结构中占有很大的比重，使得劳动力增加反而不利于周边地区的经济增长，各城市同质性投资较多造成城市间的恶性竞争，对经济发展产生负向（抵消）作用。技术的正外部效应在黄河流域各城市的经济发展中并未充分体现，基于两种空间矩阵的分解结果均表明当地技术提高对周边地区的影响不显著。

（3）控制变量的作用。黄河流域各城市第二产业、第三产业提升对经济的增长有正向作用。基于两种空间矩阵的分解结果均表明政府治理投入增加的直接效应和间接效应都显著为负，即对经济发展有负向作用，基于经济距离矩阵的负向作用大于基于地理距离矩阵的负向效应，说明政府在行政上可能存在过度干预的情况。在对外开放方面，外资同当地资本投入类似，可以促进当地和周边地区经济的发展，但其影响的程度不高。