京津冀供给侧改革效率与供给侧改革区域协同的关系——基于变形地图和格兰杰因果检验

王韶华 ， 赵暘春 ， 何美璇 ， 张 伟 ， 刘熙宁

(燕山大学 a.经济管理学院；b.区域经济发展研究中心，河北 秦皇岛 066004)

0 引言

供给侧改革作为新常态下推进京津冀经济高质量发展的主线，必然会对京津冀高质量协同发展起到促进作用。京津冀协同发展作为新时代实施区域协调发展战略的重要组成部分，必定会对供给侧改革协同发展起到良好的带动作用。

已有研究对供给侧结构性改革的分析视角主要包括4个方面：一是基于供给侧结构性改革的任务和目标。供给侧结构性改革的任务是“三去一降一补”。胡鞍钢等认为长期任务是以转变经济发展方式为目标[1]；洪银兴指出不能将这些任务归结为目标，建立有效供给的体制机制才是目标[2]。二是基于供给侧结构性改革的体制机制。供给侧结构性改革需要从产业、要素、制度3个层面解决供给问题，其中重中之重是制度供给，这必将体现为一系列的体制机制改革[3]。王赫奕等通过辨析政府与市场的博弈关系，提出供给侧结构性改革最关键的是深化市场制度改革[4]。三是基于经济增长的动力结构。经济增长的主要动力包括劳动力、资本、土地、科技创新、制度五大要素[5]。罗良文等认为供给侧结构性改革主要通过对供给端要素的结构性调整化解经济难题，其中创新驱动是供给侧结构性动力机制的内核动力[6]。四是基于经济结构。供给侧结构性改革可从企业、产业和区域3个层面来分析，企业层面深化国企改革、降低成本，产业层面化解过剩产能，区域层面注重差异化[7]。

虽然国内学者对供给侧结构性改革的研究已经取得了丰富的成果，为开展研究提供了理论基础，但还存在一些不足。一是前期成果多为规范性研究，缺乏案例研究；二是前期成果多集中在企业和产业层面，缺乏对区域层面差异性的研究；三是前期成果虽认识到区域间关联性的存在，但缺乏空间相关性的量化研究。鉴于此，本研究基于供给侧改革的理论分析框架，从要素供给、产业供给和制度供给3个维度构建供给侧改革效率测度指标体系，综合运用层次分析法(AHP)、引入时间变量的改进熵权法以及局部协同度模型和收敛性模型对2012—2018年京津冀13个城市供给侧改革效率和供给侧改革区域协同进行测度，并总结二者的空间演化特征，运用变形地图识别空间关联。在此基础上，利用格兰杰因果检验二者互动关系。一方面有助于供给侧改革理论的实践化，能够量化差距，找准问题，为不同地区量身制定供给侧改革政策提供理论依据；另一方面能够为促进京津冀供给侧改革的协同推进提供量化参考。

1 研究区域、数据来源与研究方法

1.1 研究区域

京津冀在地域上覆盖北京、天津两个直辖市及河北省下属的11个地级市，共计13个城市，各城市间地缘相接、联系密切，土地面积共21.8万km2。京津冀具备丰富的资源禀赋，是拉动我国经济发展的重要引擎，承担着打造我国北方经济发展“新增长极”的重要任务。河北省经济社会发展与北京和天津差距悬殊，京津冀发展不协调、不平衡的矛盾日渐突出，引发了一系列亟待解决的经济社会问题，因此，必须进行深化改革。

1.2 指标选取与数据来源

1.2.1指标选取。2012年，我国经济增速低于8%，发展进入了供给侧约束明显的“新常态”，供给侧改革受到重视[8]。供给侧改革是相对于需求侧改革而言的，着眼于生产端的劳动力、资本、土地(资源)、创新、制度等要素的有效供给，通过改革的方式解放和发展生产力，进而促进经济增长。2015年，中央明确提出了供给侧结构性改革。相关学者将供给侧结构性改革拆解为“供给侧+结构性+改革”，基于这种拆解，学术界和相关部门对供给侧改革的内涵进行了解读[9-10]。

供给侧结构性改革是指通过一系列制度性改革，厘清政府与市场的关系，降低交易成本，扩大要素的有效供给，激发企业活力，通过创新提高产品质量，促进产业结构的高度化和合理化，推进经济高质量发展。供给侧结构性改革分为要素层面、产业层面和制度层面，涵盖了微观、中观和宏观尺度。依据供给侧结构性改革的内涵理解，在遵循可获得性、系统性、科学性等原则的基础上，参考国内外已有研究成果[1-10]，构建了涵盖要素供给、产业供给和制度供给3个二级指标、8个三级指标的区域供给侧改革效率测度指标体系(表1)。

表1 供给侧改革效率测度指标体系

1.2.2数据来源。指标数据来源于2013—2019年《中国统计年鉴》《北京统计年鉴》《天津统计年鉴》《河北经济年鉴》《中国城市统计年鉴》《中国固定资产投资统计年鉴》以及2012—2018年《关于各市万元地区生产总值能耗降低率等指标的公报》。其中，2018年河北省11个城市单位工业增加值能耗将万元生产总值能耗降低率近似作为单位工业增加值能耗降低率计算得到；基础设施行业投资包括电力、热力、燃气及水生产和供应业、交通运输、仓储和邮政业、信息传输、软件和信息技术服务业以及水利、环境和公共设施管理业等各行业投资；河北省各地级市城镇就业人员由城镇单位就业人员与城镇私营和个体就业人员加总近似得到。地区生产总值和工业增加值均以2010年不变价进行折算；为保证价格的可比性，第二产业投资效果系数计算时将历年第二产业增加值分别以下一年为基年进行折算。

1.3 研究方法

1.3.1组合赋权法。本研究兼顾主观赋权法能够充分发挥人的智慧的优势和客观赋权法客观可靠的优势。其中主观赋权法选择AHP；客观赋权法选择熵权法。通过将不同年份同一指标横截面数据累加求和的方式对传统熵权法进行了改进[11]。设w1,ij为AHP计算得到的指标权重，w2,ij为改进熵权法计算得到的指标权重，则最终的组合权重wij=φw1,ij+(1-φ)w2,ij。式中：φ和1-φ分别为AHP和改进熵权法的权系数。

式中：n为二级指标数量；ni为第i个二级指标下三级指标数量。② 供给侧改革区域协同测度。广义的区域协同是指区域间按照地域优势原则分工协作以实现整体效益大于各区域效益之和，不仅包括结构有序，还包括区域差距的缩小；狭义的区域协同仅指区域差距的缩小[12-13]。考虑到京津冀协同发展主要通过行政主导的方式明确城市功能定位，本研究主要考察由此导致的区域差距变化。借鉴张燕等[12]、李红锦等[13]的思路建立局部协同测度模型。③ 收敛性检验。收敛性检验模型分为σ收敛模型和β收敛模型[14-15]。当差距偏离均值的程度随着时间推移不断降低时，这种趋势被称为σ收敛，常利用变异系数形式检验差距与差距均值的关系。当差距的变化速度逐渐相同时，这种趋势被称为β收敛。β收敛模型中最常用的是绝对β收敛模型，利用计量模型形式检验差距与差距变化率的关系，由β收敛系数可以进一步求出一定时间内的收敛速度和收敛的半生命周期。

1.3.3探索性空间数据分析。① 全局空间相关性检验[16-17]。全局空间相关性是从整体角度描述供给侧改革效率和供给侧改革区域协同的空间分布特征，利用全局Moran’sI检验供给侧改革效率和供给侧改革区域协同是否存在全局空间相关性。根据供给侧改革效率和供给侧改革区域协同的基本属性，本研究选择具有地理属性的空间权重矩阵，包括0～1矩阵和地理距离权重矩阵。由于京津冀两两相邻，0～1矩阵无法准确反映地理相对距离，因此，选择地理权重矩阵进行空间相关性分析。② 局部空间相关性检验。为进一步挖掘局部空间分布特征，利用局部Moran’sI检验供给侧改革效率和供给侧改革区域协同的局部空间相关性。③ 变形地图。变形地图是在保留空间单元位置关系的前提下，忽略空间单元的形状，反映与空间单元相关的两种观测值大小的抽象地图。

1.3.4格兰杰因果检验。供给侧改革区域协同是供给侧改革效率空间差异的体现，两者通过空间效应的影响建立联系。本研究对京津冀供给侧改革效率与供给侧改革区域协同的互动关系进行格兰杰因果检验。

2 供给侧改革效率与区域协同测度

根据改进熵权法，可得到各三级指标权重。由此设计AHP判断矩阵专家咨询表，通过线上方式发放给京津冀科研院所、政府机构、大型工业企业等24家单位共58位专家学者，回收整理后，将同一位置的数据取众数作为最终的判断矩阵，最终得到各三级指标的AHP权重。结合专家意见，对两种方法计算的供给侧改革指标权重分别赋权0.6和0.4，可得到供给侧改革各二级指标和三级指标的(单层)组合权重。

2.1 供给侧改革效率测度

根据供给侧改革效率测度模型，得到2012—2018年京津冀13个城市要素供给、产业供给、制度供给以及供给侧改革效率测度值(表2)。

表2 供给侧改革效率测度值

2.1.1要素供给。2012—2018年京津冀13个城市要素供给水平除北京、天津、秦皇岛大体上升外，其他城市均呈先降低再回升的发展趋势，说明除北京、天津、秦皇岛外存在要素供给不到位的情况。其中，北京上升幅度最为明显，累计增加0.10，同期，天津和秦皇岛分别累计增加0.02，0.01。

2.1.2产业供给。除天津外，2012—2018年其他12个城市产业供给水平均有所增加。其中，北京、石家庄、张家口等城市产业供给水平上升幅度最为明显，累计增加均为0.05。比较其指标内部发现，产业结构高度化是北京产业供给水平的主要影响因素，基础设施产业投资占比是石家庄、张家口产业供给水平的主要影响因素。

2.1.3制度供给。2012—2018年天津、石家庄、秦皇岛、承德等城市的制度供给水平出现不同程度的提高。其中，秦皇岛上升幅度最为明显，累计增长0.03；北京、唐山、邯郸、邢台、保定、张家口、沧州、廊坊、衡水等城市的制度供给水平出现下降，主要由于各地区实施“去产能”政策，在淘汰落后产能的基础上继续减产，为保障供给侧改革在理想状态下推进，政府不得不加大调控力度，一定程度上阻碍了市场自由流动。

2.1.4供给侧改革效率。2012—2018年，北京、天津、石家庄、秦皇岛、承德等城市供给侧改革效率均有所提升。其中，北京的上升幅度最显著，累计增长0.14，说明北京已进入现代化社会，对经济高速增长的依赖性减弱，进入了高质量发展阶段；唐山、邯郸、邢台、保定、张家口、沧州、廊坊、衡水等城市供给侧改革效率有所下降，原因在于随着产业结构不断升级，必然会带来动力的转变，从而导致近几年一直处于底部调整期，大多呈先减后增的发展趋势。

2.2 供给侧改革区域协同及其收敛性测度

2.2.1供给侧改革区域协同测度。利用局部协同测度模型，可得到2012—2018年京津冀要素供给、产业供给、制度供给以及供给侧改革区域协同指数(表3)。① 要素供给。2012—2018年京津冀13个城市要素供给的区域协同指数变动幅度较大。其中北京、张家口的要素供给区域协同指数一直低于其他11个城市。北京的资本要素质量较好，与其他12个城市的差距也同样显著。张家口的要素供给区域协同指数较低是由其万人专利申请授权量的区域协同指数较低所导致。② 产业供给。2012—2018年京津冀13个城市的产业供给区域协同指数出现不同程度的增加，各市间的差距呈缩小态势。其中，天津、石家庄、唐山、邯郸、保定、张家口、沧州、廊坊8个城市的产业供给区域协同指数相近，区域协同指数也均呈小幅上升，增幅介于1%～10%；北京、秦皇岛的产业供给区域协同指数较低，但大体呈上升趋势，年均增速分别为4.71%，3.60%；邢台、衡水、承德的产业供给区域协同指数呈现明显“回弹性”特征，3个城市的区域协同指数变化幅度分别为72.73%，200.00%，18.75%。③ 制度供给。2012—2018年京津冀13个城市仅有承德的区域协同指数实现了正增长，增幅7.14%，其他12个城市的区域协同指数均出现不同程度的下降，说明各市间制度供给的差距增大。其中，保定、张家口的制度供给区域协同指数下降幅度最显著，2012—2018年的降幅分别为46.07%，47.30%。④ 供给侧改革。2012—2018年京津冀13个城市中除张家口外，其他12个城市的供给侧改革区域协同指数均出现不同程度的下降，北京、天津、秦皇岛、邯郸的供给侧改革区域协同指数下降趋势较为显著，降幅分别为31.37%，17.07%，12.64%，15.12%；而张家口的供给侧改革区域协同指数变化跨度最大，由2012年的0.80下降至2015年的0.52，降幅35.00%，再逐年升高，反而使得2018年的供给侧改革区域协同发展指数相比2012年仅上升1.25%。

表3 供给侧改革区域协同测度值

2.2.2供给侧改革区域协同收敛性测度。京津冀供给侧改革区域协同σ收敛系数大体呈上升趋势，总体呈先上升后下降趋势，从2012年的0.113 8上升到2015年的0.195 5，然后下降到2018年的0.183 7，趋于σ收敛，说明供给侧结构性改革后空间差距逐渐缩小。利用绝对β收敛模型进一步分析京津冀供给侧改革效率空间差距变化速度，得到4种效应的模型拟合结果(表4)。根据自然对数似然函数值Log(L)选择拟合优度最佳的空间时间双固定效应模型进行分析，β收敛系数为-0.894 9，通过1%的显著性水平检验，进而计算出收敛速度为1.863 7，半生命周期为0.371 9，表明京津冀供给侧改革效率存在绝对β收敛，京津冀13个城市供给侧改革效率的增速具有趋同态势。结合两类收敛性检验模型结果可知，落后地区的供给侧改革效率在供给侧结构性改革后由相对较慢变为相对较快，并且两类地区的发展速度趋于相同。如此发展，两类地区的供给侧改革可以达到相同的效率水平。

表4 β收敛系数

3 空间相关性分析

3.1 全局空间相关性检验

2012—2018年京津冀13个城市的供给侧改革效率和供给侧改革区域协同的全局Moran’sI为负，且在-0.100 0上下浮动，在大多数年份均通过显著性检验，说明京津冀供给侧改革效率和供给侧改革区域协同总体呈现高值被低值环绕或低值被高值环绕的情况(表5)。其中，供给侧改革效率的全局Moran’sI在供给侧结构性改革前后尚未发生明显变化；而供给侧改革区域协同的全局Moran’sI在供给侧结构性改革后明显下降，说明供给侧结构性改革削弱了负空间相关性，供给侧改革区域协同水平增强。

表5 京津冀供给侧改革效率和供给侧改革区域协同的Moran’s I

3.2 局部空间相关性检验

2012—2018年，北京、天津、保定具有稳定的聚集趋势。2012—2014年属于低-低集聚类型或低-高集聚类型的城市由4个增加至7个，即位于均值以下的城市数量增加，表明北京、天津、保定与其他城市供给侧改革效率的差距加大(表6)。此外，北部3个城市(张家口、承德、秦皇岛)空间相关性不显著，尚未形成空间效应；南部5个城市(石家庄、衡水、邢台、邯郸、沧州)具有显著空间相关性，均属于低-高集聚类型或低-低集聚类型。

表6 京津冀供给侧改革效率局部空间集聚状况

2012—2018年，唐山、沧州、衡水和廊坊具有稳定的聚集趋势。2014—2017年属于高-高集聚类型或高-低集聚类型的城市由6个升至8个，即位于均值以上的城市数量增加，表明京津冀供给侧改革效率的协同水平有所提升(表7)。2012—2018年北京和天津供给侧改革效率属于高-低集聚类型(表6)，供给侧改革区域协同在2013年后属于低-高集聚类型或低-低集聚类型(表7)，说明北京和天津自身的供给侧改革效率较高，但对周边的辐射带动作用较小。沧州、衡水和廊坊供给侧改革区域协同水平较好，并且供给侧改革效率较高，说明3个城市的供给侧改革形成良好的协同态势。秦皇岛、张家口和承德无论在供给侧改革效率方面还是在供给侧改革区域协同方面均不具有显著的空间联系，可能是由于3个城市工业化进程缓慢，工业化水平较低，与其他城市的差距较大。

表7 京津冀供给侧改革区域协同局部空间集聚状况

3.3 供给侧改革效率与区域协同的空间关联

京津冀供给侧改革效率呈现出以北京和天津为高值中心的空间格局，而供给侧改革区域协同呈现以北京和天津为低值中心的空间格局，表现出一定的规律性。制作变形地图绘制对2012年和2018年的京津冀供给侧改革协同发展的空间格局进行对比分析(图1)。

图1 2012年、2018年京津冀供给侧改革协同发展变形地图

与2012年相比，2018年保定、衡水、沧州、唐山的供给侧改革效率降低1个级别，石家庄和秦皇岛的供给侧改革效率升高1个级别，其他城市供给侧改革效率等级没有变化。2012年和2018年京津冀供给侧改革区域协同分布特点均为北京和天津协同发展水平较低，具有显著的空间异质性。京津冀供给侧改革的理想状态是效率与区域协同并行发展，但北京和天津与其他11个城市效率提升速率不一，从而使得供给侧改革区域协同发展的空间格局在2012年与2018年表现出不同特征。

2012年北京、天津、唐山、保定、廊坊、衡水、沧州的供给侧改革效率较高，供给侧改革区域协同发展较好，北部的张家口、承德、秦皇岛及南部的石家庄、邢台、邯郸供给侧改革效率较低，供给侧改革区域协同发展尚可，说明京津冀协同水平良好但供给侧改革效率整体偏低；2018年虽然北京和天津“先行者”的发展地位未变，但总体效率显著提升，其他城市的供给侧改革效率出现改善，使得空间分布更加均匀，说明供给侧改革效率提高的同时供给侧改革区域协同发生了变化。

4 格兰杰因果检验

为保证回归结果的有效性，采用IPS检验及LLC检验判断数据平稳性，供给侧改革效率和供给侧改革区域协同均通过1%的显著性水平检验。采用ADF单位根检验判断数据协整性，均通过1%的显著性水平检验，说明供给侧改革效率及供给侧改革区域协同具有稳定的变化趋势，可以排除伪回归情况，因而进一步检验最优滞后阶数。根据赤池信息准则(AIC)、贝叶斯信息准则(BIC)均为滞后一阶结果(-7.038 6，-6.035 0)最优，因此，选择一阶为最优滞后阶数进行格兰杰检验。

供给侧改革效率不是供给侧改革区域协同的格兰杰原因(F值为0.746 9，p值为0.387 0)，而供给侧改革区域协同是供给侧改革效率的格兰杰原因(F值为3.080 6，p值为0.079 0)。结合京津冀供给侧改革效率总体呈上升趋势的特点，格兰杰检验结果说明当京津冀间供给侧改革效率拉开差距时，先进地区会对落后地区产生辐射作用，带动落后地区供给侧改革效率的提升。结合上述β收敛检验结果，供给侧改革效率变化的速度趋于一致，因此，京津冀供给侧改革区域协同尚未对供给侧改革效率产生显著影响。

5 结论

(1)2012—2018年京津冀13个城市供给侧改革效率差异明显，形成了北京“一家独大”的局面。北京、天津、石家庄、秦皇岛、承德供给侧改革效率均提升，其他城市先减后增，受制度供给效率影响较大。

(2)2012—2018年京津冀13个城市供给侧改革区域协同指数呈先降后升趋势，且增速具有趋同趋势。

(3)与2012年相比，2018年保定、衡水、沧州、唐山的供给侧改革效率降低1个级别，石家庄和秦皇岛的供给侧改革效率升高1个级别，其他城市供给侧改革效率等级没有变化。2012年和2018年京津冀供给侧改革区域协同分布特点均为北京和天津协同发展水平较低。

(4)供给侧改革效率不是供给侧改革区域协同的格兰杰原因，而供给侧改革区域协同是供给侧改革效率的格兰杰原因。京津冀供给侧改革区域协同尚未对供给侧改革效率产生显著影响。