基于时空邻里效应的南亚地缘经济产业格局演化及趋势分析

杨文武 黎思琦

【内容提要】 考虑到当前在“中美对抗”的大变局背景下，中国地缘经济博弈的关键领域已转向南亚次大陆，故全面审视南亚地缘经济动态必不可少。地缘经济的核心是产业，分析应从南亚产业格局开始。本文在概括了南亚各国的产业格局演化现状后，着重在时空背景下进行了检验和分析，认为若相邻国家的产业结构(这里指第二产业占比)变动(增加)1%，本地的产业也相应变动(占比增加)0.273%，证明了南亚产业结构变动的邻里效应呈现出跨期特征。最后本文结合演化概况、实证结果与当前不同的背景因素影响认为，印度不合理产业结构、大国的南亚地缘政治经济博弈和疫情的应对和影响，都可能从一定程度上影响南亚地缘产业格局变迁。

冷战结束后，地缘政治从空间冲突和权利平衡逐步转向地缘经济博弈(Parker，1998(1)Parker G,Geopolitics：Past，Present and Future， London：Pinter，1998.；Nye，2004(2)Nye J.Soft Power,The Means to Success in World Politics，Public Affairs，2004.；宋涛等，2016(3)宋涛、刘卫东、李玏：“国外对地缘视野下边境地区的研究进展及其启示”，《地理科学进展》，2016年第3期，第276-285页。)，美国退出“跨太平洋伙伴关系协定”(TPP)、印度不加入“区域全面经济伙伴关系协定”(RCEP)等都表明，经济才是当今大国竞争变局下的博弈所在。考虑到一方面美国的印度-太平洋战略目标以及在签署《地理空间合作基本交流和合作协议(BECA)》后已具有“同盟”色彩的美印，另一方面以中国为核心的庞大经济生态系统正在地区演变，南亚地区越来越成为地缘经济博弈的关键领域。

2000—2019年，南亚地区国家的GDP增长率维持在3%～9%范围内，同时世界银行预计未来几年南亚国家也将继续这一增长轨迹。南亚地区强劲的经济增长、拥有人口红利和庞大的市场，但处于“破碎地带”的南亚地缘结构极不稳定，它与东南亚同属于中国、欧美和日本经济辐射范围的重叠区，地缘经济环境复杂。因此，全面审视当今大变局背景下的南亚地缘经济动态，分析支撑其地缘经济发展的内在机制十分重要。

地缘经济的核心是产业，分析南亚地缘经济应从南亚产业格局开始。在某一区域产业系统中，绝大多数产业都具有外部性，即产业的发展要么需要从其他地区购买原材料，要么需要向其他地区销售产品，而这种产业又被称为地缘性产业。一个地区的支柱产业、主导产业及其关联产业、战略性新兴产业和部分基础产业都属于地缘性产业，地缘性经济活动也主要围绕地缘性产业展开。对南亚各国的产业现状格局的评价，可以借鉴区域经济学中产业分析的方法，着重从产业结构和经济发展阶段等方面进行分析评价。(4)渠立权：“中国西南沿边地区地缘经济格局重构及其实现路径”，《云南师范大学学位论文》，云南：云南师范大学，2018年，第51页。同时，也必须探究南亚各国产业格局会如何在时空上影响周边其他国家，形成对南亚地缘经济地域系统的整体框架性概念，分析整体演化趋势得出应对措施。

一、文献综述

在中国与南亚的地缘经济关系研究方面，现有文献重点关注中印两国在南亚的互动与竞争。(5)GARVER，JOHN W, Protracted Contest：Sino-Indian Rivalry in the Twentieth Century，University of Washington Press，February 17，2021，https：∥www.jstor.org/stable/j.ctvcwnwcq.基于1951—2000年的历史，深刻探讨两国在南亚的地缘竞争，并随着时间推移，竞争关注点逐步从“安全”转移至经济和投资项目上的利益互动。随后Holslag(6)Holslag J,China and India：Prospects for peace，Columbia University Press，2009.探讨了2000—2009年的中印互动历史，印证了两国的关系已向经贸方面转移，着重分析两国在南亚其他国家的战略如何相互影响。近10年来，尤其在中国提出“一带一路”倡议后，中印关系中的地缘经济因素被再次放大。朱翠萍(7)朱翠萍：“‘一带一路’倡议的南亚方向：地缘政治格局、印度难点与突破路径”，《南亚研究》，2017年第2期，第1-28页。从地缘政治经济的角度提出“中印互信问题”等，大国的利益冲突仍是南亚经济发展需要克服的难点，而“一带一路”则是中国与沿线国家合作的关键方式。张立(8)张立：“‘一带一路’背景下中印安全困境的变化及应对”，《社会科学文摘》，2020年第10期，第38-40页。则认为中印安全困境长期存在，随着“一带一路”推进，这种困境呈现出加剧势头，这对于双边合作仍会产生不利影响。

针对本文所关注的产业结构，有苏畅和黄一粟(9)苏畅、黄一粟：“产业结构变迁对印度经济增长和经济波动的影响”，《南亚研究季刊》，2019年第4期，第36-42页。从产业结构合理化水平、高级化程度和产业结构变迁速率三个角度对印度产业结构变迁程度进行衡量并实证。实证研究如果在建立模型时忽略空间相关性，模型将产生不可靠的统计推断。(10)Ugarte M D, Introduction to spatial econometrics， Journal of the Royal Statistical Society Series A，2011，Vol.174，pp.513-514.因此，越来越多的学者选择空间计量经济模型来识别空间相互作用。(11)Wang H，Yang J. Total-factor industrial eco-efficiency and its influencing factors in China：a spatial panel data approach，Journal of cleaner production，Vol.227，2019，pp.263-271.沈小波等(12)沈小波、陈语、林伯强：“技术进步和产业结构扭曲对中国能源强度的影响”，《经济研究》，2021年第2期，第157-173页。基于三次产业的就业份额和产出份额数据，测度得到中国分地区产业结构扭曲指数总体上显著下降，东、中、西部地区存在明显差异，运用空间杜宾模型认为中国能源强度在地区间存在明显的依赖性。曹玉昆和翟相如(13)曹玉昆、翟相如：“金融支持对林业产业发展的影响——基于空间计量模型的实证”，《统计与决策》，2020年第36期，第150-153页。通过空间计量模型实证验证我国林业产业发展存在空间自相关性，存在获取金融支持的渠道单一、对国家预算资金高度依赖的问题。张治栋和黄钱利(14)张治栋、黄钱利：“产业集聚对产业结构升级的影响——基于空间计量和面板门槛模型的实证分析”，《当代经济管理》，2021年第2期，第1-12页。分析2005—2017年的长三角地级市数据发现制造业集聚能促进本地区产业结构合理化，对于本地及周边地区的产业结构高度化有正向推动作用。

但这些研究假设空间效应只发生在同一时期，而没有考虑它们的动态和时变特征。(15)Bai Y，Deng X，Jiang S，et al., Exploring the relationship between urbanization and urban eco-efficiency：Evidence from prefecture-level cities in China，Journal of cleaner production，Vol.195，2018，pp.1487-149;Wang H，Yang J. Total-factor industrial eco-efficiency and its influencing factors in China：a spatial panel data approach，Journal of cleaner production，Vol.227，2019，pp.263-271.初始邻里效应应允而生，最早用来研究房价，(16)Pace R K，Barry R，Clapp J M，et al.,Spatiotemporal autoregressive models of neighborhood effects， The Journal of Real Estate Finance and Economics，Vol.17，1998，pp.15-33.该理论认为房价往往受到附近其他地区价格的影响；Fréret & Maguain(2017)(17)Fréret S，Maguain D, The effects of agglomeration on tax competition：evidence from a two-regime spatial panel model on French data，International Tax and Public Finance，Vol.24，2017，pp.1100-1140.发现法国地方税收设置中存在模仿行为以实现税收稳定。中国政府与周边国家进行广泛的空间互动，比如税收(Huang & Du，2016)，(18)Huang Z，Du X, Strategic interaction in local governments' industrial land supply：Evidence from China，Urban Studies，Vol.54，2017，pp.1328-1346.资源流动(Tian et al，2020)(19)Tian C，Teng Y，and Guo H.Resource flow or yardstick competition：spatial dependence of educational expenditure among prefecture-level cities，International Public Management Journal， Vol.1，2020，pp.1-19.和环境法规互动(Wu et al，2019)(20)Wu H，Li Y，Hao Y，et al., Environmental decentralization，local government competition，and regional green development：Evidence from China，Science of The Total Environment，Vol.708，2020，pp.135085.以获得竞争优势。由于相邻的国家在彼此的边界存在经济互动，因此运用邻里效应对于确定相邻国家之间的地缘经济产业格局情况具有理论和现实意义。因为一国对邻近国家的产业格局变动反应可能不会立即实施，如果只识别同时期的邻里相关性，邻里效应可能因无法充分测量而导致被低估。

目前来看有两个角度可以解决这个问题。一种是侧重于研究两个相邻时期内的空间效应，例如，Rios(21)Rios V, What drives unemployment disparities in European regions? A dynamic spatial panel approach，Regional Studies，Vol.51，2017，pp.1599-1611.使用动态空间计量经济模型来确定当前时期和前一时期的邻里效应，但这项研究没有考虑多时期的邻里效应。其他研究通过将设置合理的时空权重矩阵来识别邻域效应。Dubé et al(2014)(22)Dubé J，Legros D，Thériault M，et al.,A spatial Difference-in-Differences estimator to evaluate the effect of change in public mass transit systems on house prices，Transportation Research Part B：Methodological，Vol.64，2014，pp.24-40.在研究确定房价过程中的邻里效应时，整合了时间和空间维度的权重矩阵。Chen P et al(2021)(23)Chen P，Xie R，Lu M，et al.,The impact of the spatio-temporal neighborhood effect on urban eco-efficiency in China，Journal of Cleaner Production，Vol.285.借鉴这种方法，利用时空杜宾模型和偏微分法研究了时空邻域效应对城市生态效率的影响。

Chen P et al(2021)(24)Smith T E，Wu P， A spatio-temporal model of housing prices based on individual sales transactions over time， Journal of Geographical Systems，Vol.11，2009，p.333.还总结了目前时空权重矩阵设置的三种主要方法：第一种是基于有限距离和传统空间权重矩阵原理的有限时间影响周期，这里的时空权重矩阵中的元素仅在物理距离短于某个预定距离，且跨时周期小于有限的时间尺度时被设置为1，其余设置为0。第二种方法基于三维空间中任意两点的欧氏距离公式，结合不同时期的因变量和自变量的指标值，确定时空权重矩阵的元素。如果对应于权重元素的区域是相同的，则元素在任何时间尺度下被设置为0。第三种方法是通过克罗内克积将时间权重矩阵和空间权重矩阵相结合，创建一个完整的时空权重矩阵，(25)Ugarte M D, Introduction to spatial econometrics，Journal of the Royal Statistical Society Series A，Vol.174，2011，pp.513-514.这种方法比其他方法更通用，可以准确地表达空间相关性。

本文将运用第三种方法即实证研究时空邻里效应对南亚地缘经济产业格局的影响：首先，探讨南亚产业格局演化情况；其次，进行时空相关性检验；再次，解决模型选择问题；然后，研究时空邻里效应和严格空间邻里效应之间的差异，以识别跨时邻里相互作用；最后，讨论邻里效应随时间的边际递减及其边界，以捕捉时间窗效应。

二、南亚地缘经济产业格局演化概述

从图1的南亚国家各产业比重来分析总体的南亚产业格局分布情况，在观察期的2001—2018年中，印度以80%～87%的绝对优势在三次产业中占比均为第一，第二为占比在5%～12%之间的巴基斯坦，第三为占比在4%～10%的孟加拉国，剩下的国家占比不足1%。故从产业体量的角度来看，印度、巴基斯坦和孟加拉国将对南亚其他国家产生重要作用，同时考虑地理邻里因素，南亚的超级大国印度起到最为重要的作用。

图1a 南亚各国的第一产业占比变迁

图1b 南亚各国的第二产业占比变迁

图1c 南亚各国的第三产业占比变迁

再看各国的产业结构，其变化情况是一个国家发展水平的重要标志，也是一个国家发展阶段的反映。如图2所示，南亚各国在第一、二、三产业中，占比最大的均是第三产业。孟加拉国呈现第一产业比重的下滑和第二、三产业的略微上升；马尔代夫产业格局长期保持第三产业占比最大，第一产业和第二产业维持较低的水平，变化不大；不丹呈现第二、三产业比重相近，第一产业比重逐年下降的态势；斯里兰卡的第三产业比重最大且随时间推移上升，相对应的第一产业比重逐年下降；尼泊尔2000年时第一、三产业比重还比较相近，后逐步拉开差距，到2019年第三产业比重上升至57.4%，第一产业比重下降至27.5%，第二产业比重略微有所下降；印度的第三产业比重这些年来一直是最大的且呈现上升的态势，第一、二产业比重有所波动；巴基斯坦的产业格局变化不大，第一产业比重在23%～27%波动，第二产业比重在18%～22%波动，第三产业比重在52%～57%波动。

图2a 孟加拉国产业格局变迁

图2b 马尔代夫产业格局变迁

图2c 不丹产业格局变迁

图2d 斯里兰卡产业格局变迁

图2e 尼泊尔产业格局变迁

图2f 印度产业格局变迁

图2g 巴基斯坦产业格局变迁

为反映南亚各国经济规模和生产效率的内部差异变迁情况，用“x的均值±0.5倍的标准差”作为上下分界线，对国内生产总值进行分类。经济规模大小与人口多少高度相关，但与生产效率相关性较弱，因此同时选用人均国内生产总值代表生产效率进行分类，(29)渠立权：“中国西南沿边地区地缘经济格局重构及其实现路径”，《云南师范大学学位论文》，云南：云南师范大学，2018年，第55页。将分类情况与上文研究结果汇总后形成表1进行分析。

表1 南亚产业格局平均概况

整个研究期间内平均来看，印度在南亚次大陆保持着经济规模的绝对领先地位，其三产的占比也同样处于绝对优势地位，即使生产效率仅维持在中低水平，但无疑是南亚大陆的超级大国。其产业结构为“三二一”，第一产业比重持续下降，第二产业比重存在小幅度的先升后降，第三产业比重最大且呈上升态势，这是区域发展由初级阶段向高级阶段演变的过程中最明显规律。

巴基斯坦和孟加拉国的经济规模和生产效率水平情况相似，均处于中等经济规模和低端生产效率水平，三产的占比在南亚位列第二和第三，属于南亚的中等国家。但产业结构有差异，巴基斯坦的产业结构为“三一二”，各产业比例在研究期间有5%左右的波动，但整体结构稳定；孟加拉国的产业结构为“三二一”，整体趋势呈现第一产业的比重下滑和第二、三产业的波动上升。

斯里兰卡虽与巴基斯坦和孟加拉国同是中等经济规模水平，但其三产在南亚的占比均不足0.01%，因此受较小的体量影响，列入小国行列，其“三二一”的产业结构与印度相似，符合第一产业下降，第三产业上升，第二产业波动下降的发展情形。

尼泊尔的经济规模在中低水平波动，生产效率也处于低水平，三产占比过小的特征也印证了尼泊尔的南亚小国地位。“三一二”的产业结构由起初的一三产业比重相近，逐步拉开差距，形成第三产业比重上升，第一、二产业比重下降的态势。

马尔代夫和不丹受制于国家体量，经济规模和三产占比均为南亚最小的两个国家，即使生产效率处于高阶段和中阶段，也无法改变其为小国的现实。马尔代夫的“三二一”产业结构受地理因素影响巨大，长期保持第三产业占比最大，一、二产业维持较低的水平的态势稳定发展。不丹第一产业比重逐年下降，第二、三产业比重相近，因此呈现出了“二三一”和“三二一”两种产业结构相交缠的情形。

三、南亚地缘经济产业格局演化的时空邻里效应研究方法

(一)时空自相关测试

参考Chen P et al(2021)(30)Chen P，Xie R，Lu M，et al., The impact of the spatio-temporal neighborhood effect on urban eco-efficiency in China， Journal of Cleaner Production，Vol.285，2021，pp.124860.，利用时空莫兰指数(STMI)检验南亚各国产业格局的时空自相关性。该指数可以评估时间t的空间滞后Wzt和时间(t-d)的初始变量z之间的关系(d是时间滞后的阶数)。因此，这个统计描述了一个变化，一个在过去(t-d)的一个特殊空间单位i(zt-d)中的变量z在未来(Wzt)将对它的邻居施加的影响，换句话说，这个莫兰指数可以测试整个时期的邻里效应。公式如下：

其中wij是空间权重矩阵(W)的对应元素，zi，t(相对于zi，t-d)是z在时刻t(相对于t-d)的第i次观测。注意，当d=0，这个统计量与传统的单变量莫兰指数一致。STMI值的范围为(-1，1)，如果其值明显不同于0，则捕捉到或正或负的非同时空间自相关。

(二)空间计量经济模型

参考Chen P et al(2021)(31)Ibid.使用一般的时空模型(GSTM)如下式：

lnYit=α+ρTWlnYit+βlnXit+δTWlnXit+φi+ψt+μit

μit=λTWμit+εit

式中，α、ρ、β、δ和λ为待估的外生参数，φi是个体固定效应，ψt是时间固定效应，TW是时空权重矩阵，其中ρ是一个值得特别关心的核心参数，可以被用来描述解释变量相邻区域之间的相互作用。在通过最大似然估计(MLE)获得上述参数估计之后，可以使用LM、LR、F、Hausman和其他统计量来测试参数估计是否为零，这决定了模型的形式。在一般的时空模型基础上，可以得到不同条件下的退化模型。比如ρ=0时，模型退化为时空杜宾误差模型(STDEM)；当λ=0时，模型退化为时空杜宾模型(STDM)；当δ=0时，模型退化为时空自相关模型(STAC)；当ρ=0且δ=0时，模型退化为时空误差模型(STEM)，当δ=0且λ=0时，模型退化为时空自回归模型(STAR)；当ρ=0且λ=0时，模型退化为时空X滞后模型(STXL)，当ρ=0，δ=0且λ=0时，模型退化为非时空计量经济模型(NSTM)。

(三)构建时空权重矩阵

空间计量经济模型中使用的数据范围从横截面数据到面板数据，使得时空权重矩阵的设置非常重要。空间计量经济模型必须考虑数据的时间和空间维度。上述两个权重矩阵可以通过Kronecker乘法(32)Dubé J，Legros D，Thériault M，et al., A spatial Difference-in-Differences estimator to evaluate the effect of change in public mass transit systems on house prices， Transportation Research Part B：Methodological，Vol.64，2014，pp.24-40;Chen P，Xie R，Lu M，et al., The impact of the spatio-temporal neighborhood effect on urban eco-efficiency in China，Journal of Cleaner Production，Vol.285，2021.描述空间效果，为节省篇幅不再详述。

为了识别时空邻里效应的边际衰减及其时窗边界，可以年份为递进时窗，通过重置时间权重矩阵，构造了不同的时空权重矩阵。假设r=1，2，…，t，并且任意两个周期之间的时间窗口是d，给定dr，时间权重矩阵可以构造如下：

其中d*是时间窗口阈值。当窗口小于阈值d*时，时间权重矩阵上的元素为0，否则为1/r。d*的作用是构造一个随时间窗口变化的时空权重矩阵；d*的值范围为0，1，2，…，t-1。当阈值从d*=0开始到d*=t-1时，获得新的时空权重矩阵。所有这些矩阵将被纳入空间计量经济学模型，并用来估计所有的空间系数。

(四)研究变量介绍

如表2介绍，被解释变量是产业结构，用第二产业占GDP的比重(S2)表示。解释变量的选择，本文参考凌文波(33)凌文波：“高速铁路对长三角经济空间格局和产业结构的影响研究”，《中共浙江省委党校学位论文》，浙江：中共浙江省委党校，2019年，第45页。选择资本投入、教育投资、科技活动、运输条件、土地资源、外商投资、信息化水平、市场需求作为研究的控制变量。资本投入(lnasset)：采用固定资本形成总额的对数；教育投资(edu)：采用公共教育支出占财政支出比重(%)；科技活动(tech)：采用科技活动占GDP的比重(%)；运输条件(road)：采用人均公路网里程(公里)作为代理变量；土地资源(urban)：采用城镇人口占总人口的比重(%)；外商投资(fdi)：采用外国直接投资净流入占GDP的比重(%)；信息化水平(inf)：采用该国互联网用户数占总人口的比例(%)；市场需求(mar)：采用居民最终消费支出(亿美元)。

表2 研究变量介绍

四、南亚地缘经济产业格局演化的时空邻里效应实证分析

(一)产业格局的时空相关性检验

时空莫兰指数(STMI)的值及其统计检验结果如下表3所示；篇幅限制，只展示部分结果。假设d=1，3，5，时空莫兰指数的所有值在10%的水平上都是显著为正的，表明7个南亚国家的产业结构，都具有非随机的正空间自相关性。这意味着产业结构的邻近互动具有时滞性，即不仅出现在同期，而且出现在跨期。

表3 南亚国家产业结构的时空莫兰指数

(二)时空计量

1.模型的比较与选择

本节将运用时空计量经济模型进一步分析，首先需要筛选合适的模型，因此本文在表4中列出了所有潜在的空间计量经济模型的结果。首先估计所有模型，然后比较他们的LR值、调节R2、最大对数似然值和AIC值，以选择最佳模型进行进一步分析。

表4 混合效应下的模型对比结果

续表4

在进行模型的对比考察之前，发现STAR、STXL和GSTM模型存在大量解释变量不显著，故排除这三个模型。然后使用假设检验对表4剩下的估计模型(NSTM、STEM、STAC、STDM、STDEM)进行比对排查。

从NSTM模型开始，将它与STEM模型进行优劣比较，原假设H0为λ=0，备择假设H1为λ≠0。当模型从NSTM进化成STEM时，LR的数值为163.86，显著高于显著性水平为1%的卡方分布的临界值6.63。因此H0被拒绝，则认为STEM模型相比NSTM模型具有优势。使用同样的方法将NSTM与STDEM、STDM和STAC相比较，得到的LR值分别是194.32、201.77、183.17。因此，这三个模型在1%的显著性水平上也同样优于NSTM模型。

剩下的STAC、STDM和STDEM模型不能通过假设检验进行比较，则可以通过Adj-R2、Log L和Sigma2进行比较得出结论。可以看出，三者数值最大的均是STDM模型，则确定使用时空杜宾模型进行后续研究。

2.邻里效应时间窗的识别

通过设置不同的时空权重矩阵，估计各计量经济模型的空间系数，得到其t值。结果表明，所有空间系数的t值在1%水平上显著。空间系数和相应的阈值d*之间的关系如图3所示，d*=0代表严格的空间效应，d*=1代表时间窗口跨期1年的空间效应，d*=t-1代表时间窗口跨越了整个研究期的空间效应。

图3 空间系数的边际递减

空间系数都是正的，曲线最初随着时间增加而显示出快速上升的趋势，然后逐渐变平，整体大小在0.128和0.273之间。具体来说，空间系数曲线增长最快的时间窗是小于4年的时候，增长率由49.22%下降到21.99%再到9.01%。当时间窗超过5年时，空间系数曲线以2.76%的增长率缓慢增长。之后曲线逐渐稳定，边际增长率逐渐趋近于零，表明时空邻里效应的增长率随着时间窗口的增加而迅速减小，并最终显示特定的时间窗口边界。

3.参数编辑效应分解与比较

空间计量经济模型的参数边际效应不同于传统的计量经济模型。由于邻里效应的存在，空间计量经济模型估计的系数不能直接反映其边际效应(LeSage & Pace，2008(34)LeSage J P, An introduction to spatial econometrics，Revue d'économieindustrielle，Vol.123，2008，pp.19-44.)。因此，必须找到空间计量经济模型的参数效应矩阵，然后推导出每个参数的总效应、直接效应和间接效应。参考Chen P et al(2021)(35)Chen P，Xie R，Lu M，et al., The impact of the spatio-temporal neighborhood effect on urban eco-efficiency in China， Journal of Cleaner Production，Vol.285，2021.的方法，本文报告了上述模型的参数效应分解，用于比较STDM模型和SDM模型。

如表5所示，STDM和SDM的ρ值分别为0.273和0.128。两者在1%的水平上是显著的，前者表明在考虑时空邻域的情况下，若相邻国家的产业结构(这里指第二产业占比)变动(增加)1%，本地的产业也相应变动(占比增加)0.273%。这与SDM模型，即不考虑时变的严格空间背景维度下观测到的0.128%有很大的不同。前者是后者的2.13倍，证明了在考虑了时空双背景的因素下研究邻里效应的重要性。本文中表现为产业结构变动的邻里效应呈现出跨期特征。此外，STDM的间接效应和直接效应的比值也大于SDM。因此，如果在空间计量经济模型中没有识别出跨期邻里互动，邻里效应将被低估。

表5 STDM和SDM的直接与间接效应

4.进一步分析：国家体量差异的影响

以上的研究使用的基础空间权重矩阵是以基于Queen空间邻近性构造的时空权重矩阵，即在同一时点如果区域具有共同的点或边界，则空间权重矩阵元素取值为1；否则，取值为0。如此并未考虑国家体量差异所带来的影响，因此本节将根据南亚各国的第一、二、三产业总量来表征国家体量差异，构建经济特征的空间权重W1、W2和W3，进行空间分析，为节省篇幅省略模型检验，结果表明需要使用SDM模型进行估计。

表6展现了在三种权重下的研究结果，在以第一产业产量权重W1中ρ值为0.072。研究结果表明，具有相似第一产业产量的国家其产业结构变动产业结构(这里指第二产业占比)变动(增加)1%，本地的产业也相应变动(占比增加)0.072%。这与地理权重W的程度相比有所下降，证明了地理影响超过了第一产业产量体量的影响。第二产业和第三产业权重W2和W3的结果相似，影响分别是0.069%和0.064%，均不及地理因素产生的影响。

表6 SDM模型回归结果

五、南亚地缘经济产业格局演化趋势分析

(一)整体演化趋势分析

本文第二节对南亚各国的产业格局进行了整理分析，发现占比最大的均是第三产业。具体逐个进行分析，首先在研究期内保持产业结构没有变化的是印度、斯里兰卡和马尔代夫，产业结构均为“三二一”。巴基斯坦为“三一二”。马尔代夫、印度和斯里兰卡的第三产业占比最大，且后两者长期保持上涨趋势。第一、二产业方面，马尔代夫和印度相似，长期维持在一个区间波动，形成较为坚固的第一、二产业格局形态，斯里兰卡的第一产业比重则逐年下降。因此，该三国在未来很长一段时间也将保持这一产业格局演化形态。巴基斯坦的产业格局变化不大，第一产业比重在23%～27%波动，第二产业比重在18%～22%波动，第三产业在52%～57%波动，故可以认为未来的产业格局有巨大变化概率不大，将继续维持“三一二”的格局演化。

然后是在研究阶段产业格局有所变化的三国，孟加拉国和尼泊尔的特殊结构均仅出现在2000年，之后便维持稳定。前者由“三一二”演变为“三二一”，后者由“一三二”演变为“三一二”。考虑到其一，2000年是研究初始时间，且距今已20余年，故可忽略不做考量。其二，孟加拉国2000—2019年呈现第一产业比重从25.5%下滑至13.3%，第二产业略微上升从25.3%上升至31.2%，中间并未有其余波动情况产生，可认为是“三二一”趋势的起始，并不影响后续研究；尼泊尔的情况相同。因此，这两国的演化可以认为将延续这20年的大趋势，即孟加拉国为第三产业保持波动中缓慢爬升，第一产业下降，第二产业上升趋势；尼泊尔保持第三产业的逐渐抬升，第一产业的下降和第二产业的相对稳定。

而不丹的情况较为特殊，呈现第二产业和第三产业比重非常相近，20年的研究期间均维持在36%～45%之间，保持相互交替的特性，同时第一产业比重逐年下降，从24%下降15%。因而可以估计未来的不丹仍将保持这种二三产业波动交替，第一产业下降的特征。

(二)不同条件下的变动趋势分析

1.印度不合理产业结构的南亚传导

无论是经济规模、三产占比抑或是实证部分针对产业结构变动的邻里效应得出的结论，都印证着南亚超级大国印度对其他国家带来的影响超乎想象。印度的产业结构变迁不符合通常的“佩蒂-克拉克定律”，印度产业结构直接从第一产业为主过渡到以第三产业为主。金融危机以来，印度经济平均增长率为6.94%，这种快速发展的背后是第三产业主导的经济结构的支撑。印度制造业发展规模之所以会如此小，究其原因有诸如电力短缺、交通运输运力不足、物流系统跟不上等基础设施问题，以及人力资本投入不足、研发投入较小、赋税体制繁杂、银行信贷支持力度不足和政府腐败等问题。这种经济结构展现出了印度的产业结构的不合理，保持制造业的合理比重是一国跨越“中等收入陷阱”的重要保障，制造业比重的下降不仅会拖累当期经济增长，影响城镇就业，还将带来产业安全隐患，削弱经济抗风险能力和国际竞争力。

同时，相对发展迅速的纺织业和软件业也存在不少问题。低附加值的纺织业虽然可以形成大量就业，但工人的劳动报酬低的问题仍然存在；IT技术和信息技术为代工产业服务，几乎不存在本土产业。因此，如果印度政府不尽快解决这一困境，不合理的产业结构将通过地理空间相近或国家体量相近的渠道传导给其他尚不富裕的南亚国家，进一步影响经济的可持续发展。

2.大国的南亚地缘政治经济博弈将深刻影响产业格局

进入21世纪以来，南亚地区局势逐步发展成为以中美印大三角为核心的弹性均势体系。(36)马亚华、周亚兰、黄丹华：“海上丝路背景下南亚地缘格局的解构与再建构——基于印巴均势视角”，《世界地理研究》，2020年第3期，第439-450页。中美印在南亚的地缘政治经济博弈也必将深刻影响南亚的产业格局。拜登政府将以奥巴马时期的“亚太再平衡”和特朗普时期的“印太战略”为基础再进行更新，进一步加强对南亚的控制以扩大影响力。以美日印澳四边安全对话(QUAD)为核心，加强盟国体系，构建“蓝点网络”抗衡中国，此举将影响盟国的基建建设。

为与美国遏制中国的企图对抗，中国将持续推进“一带一路”建设，为构建南亚的“共商共建共享”项目努力。继续开发“一带一路”在南亚的三个建设重点——“海上丝绸之路”“中巴经济走廊”和“中缅经济走廊”，结合RCEP的成功签署将东南亚与南亚战略对接是关键步骤，与南亚国家的投资合作也会在一定程度上影响南亚的产业布局。

而近日美国一反常态，对印度这个南亚传统盟友的虾、香米以及金银制品等产品加征最高达25%的报复性关税，这除了是美国针对“数字服务税”的报复行为外，更多的是为敲打莫迪政府的“印度制造”战略，该战略为实现国产替代进口的根本目的引起了美国的不满。如果美国持续打压，印度制造业的崛起将受到不小冲击。

3.疫情的应对与影响

新冠肺炎疫情仍在南亚肆虐，感染人数超过1500万例，主要原因在于近期印度的每日确诊数激增且没有足够疫苗供应。疫情严重影响了制造业的生产运行，肇启伟等(37)肇启伟、谢正娟、秦雨桐：“新冠疫情对印度制造业的影响及其应对举措”，《南亚研究季刊》，2020年第4期，第51-60页。检验了疫情对印度制造业的影响，发现短期产生了较大冲击。诸多原本在“印度制造”政策下蓬勃发展的制造业部门，也因疫情带来的供应链危机而陷入僵局，电子制造行业也因中国供应链的暂时中断而遭到重大挫折。其他国家的情形也并不乐观，巴基斯坦和孟加拉国正受到第三波疫情袭扰。因此，在完全控制疫情之前，南亚产业发展不容乐观。

六、结 论

本文首先对南亚的产业格局演化进行了概括，通过南亚各国的经济规模水平、生产效率水平和各国三产在南亚占比的水平进行国家等级划分与产业结构匹配分析。然后着重在时空背景下检验和分析了2000—2019年的南亚产业格局，若相邻国家的产业结构(这里指第二产业占比)变动(增加)1%，本地的产业也相应变动(占比增加)0.273%，证明了南亚产业结构变动的邻里效应呈现出跨期特征。同时本文发现，虽然国家体量差异会带来一定影响，但并没有地理因素产生的影响大。最后本文根据研究结果进行演化趋势分析，认为印度、斯里兰卡、马尔代夫“三二一”格局，孟加拉国的“三二一”格局，巴基斯坦和尼泊尔的“三一二”格局都将继续维持，不丹则会呈现二三产业波动交替、第一产业下降的趋势特征。而针对不同条件的影响本文认为印度不合理产业结构、大国的南亚地缘政治经济博弈和疫情的应对和影响，都可能影响南亚的产业格局变迁。