经济关联网络对民族地区县域经济增长的影响效应

叶连广 何雄浪 邓菊秋

[摘要]县域经济发展是巩固民族地区脱贫攻坚成果、推动乡村振兴、提高民族地区经济发展韧性和加快民族地区中国式现代化建设步伐的重要动力。贵州省是我国民族地区发展的“样板”，本文以贵州省88个县级行政单位为研究样本，采用社会网络分析法和空间计量模型，探究经济关联网络对民族地区县域经济增长的影响效应。研究发现，贵州省县域经济关联网络渐趋成熟，具有明显的核心—边缘结构特征；经济关联网络对民族地区县域经济具有明显的增长效应和空间溢出效应，网络中心性的提升显著地促进了本地经济增长，点出度中心性的提升对邻近地区经济增长产生正向溢出效应，点入度中心性的提升对邻近地区经济增长产生抑制作用；经济关联网络对民族地区县域经济增长具有明显的异质性，在城市群和网络核心区域内网络外部效应更加明显；网络外部经济能够促进民族地区县域经济协调，网络聚集阴影的出现不利于民族地区县域经济的协调发展。为推进民族地区县域经济高质量发展，民族地区应从补齐基础设施发展短板、发展各具特色的县域经济和深化县域合作等方面入手。

[关键词]经济关联网络；县域经济增长；经济协调发展

中图分类号：F127.8文献标识码：A文章编号：1674－9391（2023）02－0040－16

基金项目：国家社科基金项目“环境约束下长江经济带城市群产业联动高质量发展研究”（21BJL045）、西南民族大学“维舟学术创新团队”项目“高质量发展视角下我国生产发展、生活富裕、生态良好的耦合发展研究”（2022WZXSTDW004）阶段性成果。

作者简介：叶连广（1993－），男，汉族，四川内江人，四川大学经济学院博士研究生，研究方向：中国经济改革与发展。四川 成都 610065 通讯作者：何雄浪（1972－），男，汉族，四川南充人，西南民族大学经济学院教授，博士生导师，研究方向：区域经济、民族经济。四川 成都 610041 邓菊秋（1968－），女，汉族，四川广安人，四川大学经济学院教授，博士生导师，研究方向：财政理论与实践。四川 成都 610065

高質量发展是加快推进民族地区中国式现代化建设步伐的基础和关键。2021年8月，习近平总书记在中央民族工作会议上指出，“要推动各民族共同走向社会主义现代化”。从经济发展水平和人均收入水平看，民族地区与东部发达地区相比依旧存在较大的差距，增强民族地区经济发展韧性，推动民族地区经济的提质增效，对加速民族地区中国式现代化进程意义重大。经济发展是推动民族地区现代化发展的重要基石，习近平总书记在党的二十大报告中进一步指出，要“支持民族地区加快发展”，促进民族地区更好更快地发展事关中国式现代化全局的实现，我们必须高度重视。推动民族地区经济发展，外部条件固然重要，但起决定作用的还是民族地区自身的发展动力和发展能力。民族地区具有丰富的自然资源禀赋，在发展特色经济和特色产业上具有天然的优势，增强民族地区间的交流与合作，激发民族地区内生经济增长活动与动力是实现民族地区永续发展的前提条件。

“郡县治，天下安”。县域经济是国民经济的重要基础，是民富国强的重要基石。县域经济是民族地区经济发展的短板，推动民族地区县域经济发展，使各民族共享经济发展成果是落实习近平总书记提出的“铸牢中华民族共同体意识”和“推动各民族共同走向社会主义现代化”的必然要求，也是实现国内经济循环畅通、增强民族地区经济韧性、推动乡村振兴和城乡融合发展的必然选择。贵州省是一个典型的多民族省份，全省共有11个民族自治县，3个民族自治州，252个民族乡，民族乡数量居全国首位，少数民族自治地方面积占全省总面积的一半以上，少数民族人口众多，在各县均有分布。党的十八大以来，贵州省县域经济综合实力显著增强，经济结构持续优化，人民生活水平显著改善，社会事业全面进步，经济社会各方面发展成绩斐然。2020年，贵州省全面完成了脱贫攻坚任务，实现了贫困地区和贫困人口的全面脱贫。立足新起点，将巩固脱贫攻坚成果与实现乡村全面振兴相结合，促进县域经济高质量发展，是加快贵州省中国式现代化建设步伐的重要推动力。作为我国民族地区发展的“样板”，研究贵州省的县域经济发展必然对其他民族地区的发展具有重要的借鉴意义。

县域是国民经济的基本单元与最小单元，县域经济是我国行政区经济体系下的重要增长点，受到学界和社会各界的广泛关注。[1]关于县域经济增长及其发展差异，诸多文献从城市化率、产业结构、地理区位条件、物质资本积累、人力资本培育、基础设施水平、财税体制、技术进步与营商环境等方面展开了研究。周腰华等（2022）认为城镇化水平的提升和产业结构的升级能显著促进县域经济增长，金融深化和政府规模扩大会抑制县域经济增长。[2]王智勇（2019）认为地形起伏对不同发展水平的县域经济发展有较大影响，气温对第二产业和第三产业有显著负向影响，降水量对第一产业和第二产业有显著负向影响，交通路网密度有助于促进第二产业发展并推动城镇化发展。[3]阳芳（2016）认为广西县域经济增长既受物质资本的影响，也受人力资本的影响，但物质资本对广西县域经济增长的贡献更大。[4]李新光和黄安民（2018）认为高铁开通有利于县域经济向均衡方向发展。[5]张冠甲等（2017）认为税收分成比例的提高能够刺激县域经济增长。[6]王振华和李旭（2015）认为产业结构升级和技术进步对辽宁省县域经济增长有显著的正向影响。[7]阮舟一龙和许志端（2020）认为贵州省县域营商环境存在显著的正向空间竞争，营商环境的提升对县域经济增长具有正向促进作用。[8]县域经济增长具有较强的空间相关性和聚集性特征，表现为县域经济增长不仅与县域内部因素相关联，而且受邻近县域经济增长的影响，同时县域经济增长还呈现出一定的趋同与聚集趋势。[9][10]周园皓（2020）发现贵州省经济发展水平较高的县域主要集中在黔中地区，经济较为落后的县域主要集中在少数民族自治州。[11]陈健生和任蕾（2022）认为县域经济由于其自身具有相对单一的资源要素禀赋条件，产业多样化水平与市场潜力受到人口规模与市场规模的双重限制，县域经济与产业合作会更加频繁而密切。[12]

早期关于区域经济关联的研究主要集中在经济活动的空间外部性上，Scitovsky（1945）区分了金钱外部性与技术外部性在区域经济关联上的不同影响，金钱外部性主要来自不同区域主体间的市场交互作用，技术外部性强调技术的非排他性和公用性，地区间存在技术和知识的相互模仿和溢出。[13]Ullman（1957）提出了空间相互作用必须具备的三种基本要素（条件）：互补性、可转移性和介入机会，这三种要素（条件）共同决定了地区间发生空间经济联系的强度与频率。空间经济联系常呈现出核心—边缘结构特征，贸易、资本、技术和劳动力等流动性商品与要素在空间上常表现为非对称的流动。[14]Mydal（1970）利用“回波效应”和“扩散效应”对这种非对称空间流动现象进行了解释，通常而言，回波效应居于主导地位，因而市场力量倾向于增加而非缩小区域间发展差异。[15]赵伟光和敬莉（2015）认为新经济地理学主要以金钱外部性解释空间经济关联，强调劳动力市场共享、市场潜能和前后向关联与聚集之间的内生互动。[16]安頔等（2022）认为伴随经济全球化和区域一体化进程的加快，商品与要素的流动速度与方向趋于复杂化和网络化，“流动空间”取代“地方空间”成为新的区域空间形态，区域理论也逐渐从中心化范式转向网络化范式。[17]Capello（2000）首次提出了网络外部性理论，强调良好地嵌入到由节点城市连接而成的城市网络中，能够通过网络成员间的互补与协同提高网络成员的整体福利。[18]城市网络嵌入程度会影响地区经济增长，Mccann和Acs（2011）认为相比城市自身规模，城市网络嵌入程度具有更高的经济增长效应。[19]种照辉等（2018）发现城市经济网络具有明显的增长效应和空间溢出效应。[20]Meijers等（2016）认为城市经济网络对地区经济增长会产生两种相反的作用，网络成员间的“功能借用”与“规模借用”能够促进地区经济增长，网络“聚集阴影”的出现则会阻碍地区经济增长。[21]覃成林和桑曼乘（2015）发现城市网络对城市经济增长存在显著的正效应，这种效应与城市在网络中所处位置和地位高度相关。[22]

通过文献梳理发现，现有研究还需从以下三个方面进行完善：一是现有研究大多从资源禀赋、地理区位、要素积累等自身属性特征解释县域经济增长及其发展差异，对县域关系尤其是县域经济网络关系的研究相对不足。二是现有基于经济关联关系的研究大都选取省域或市域层面数据作为研究对象，对县域尤其是民族地区县域层面的研究相对较少。三是现有研究主要聚焦于经济关联网络本身，对经济关联网络效应方面的研究相对不足。为此，本文将从以下几个方面进行拓展：一是利用经济引力模型构建区域经济关联网络，借助社会网络分析方法，从网络整体属性，网络中心性和空间聚类特征等方面实证探究经济关联网络结构特征。二是聚焦民族地区县域经济增长，以贵州省88个县级行政单位作为本文的研究样本，探究民族地区县域经济增长及其发展差异。三是利用空间杜宾模型实证探究经济关联网络对县域经济增长的影响效应，并进一步讨论经济关联网络在协调县域经济发展方面的作用。

一、经济关联网络理论机制

社会化分工使得城市間相互关联和相互依赖程度大大提升，城市间关系趋于扁平化和网络化，城市在经济网络中的位置比城市规模本身变得更加重要。研究城市经济增长，除考虑自身经济要素数量与质量的投入外，更为重要的是要将城市置身于资本、劳动、技术、信息、知识等多种“流”连接而成的区域经济关联网络中，综合考察要素投入和外部经济网络对城市经济增长产生的多重影响。相比较而言，县域经济受地区市场规模与资源禀赋条件的双重限制，难以形成和发展多样化经济，县域经济更多是一种地方化经济和专业化经济。因此，县域经济对外部经济网络的依赖程度更高，忽视网络外部经济对县域经济增长的作用，将难以全面反映县域经济增长的动力和源泉。

经济关联网络主要通过网络外部性影响县域经济增长，正向网络外部性促进县域经济增长，负向网路外部性不利于县域经济增长。正向网络外部性主要通过以下三方面促进县域经济增长：第一，经济关联网络增加了网络成员中各经济主体相互发现与合作的机会，降低了经济主体参与市场交易与合作的搜寻和匹配成本，提高了资源和要素的空间配置效率。[23]此时，经济关联网络类似于为各类经济主体提供了一种公共物品，经济主体嵌入到经济关联网络中能够共享网络中的共同信息与知识，降低市场信息的不对称性，形成协同效应。第二，经济关联网络促进了知识和技术的进一步传播和扩散，促进了知识的增长与技术的进步。[24]经济关联网络为知识与技术的扩散提供了传播通道，处于相互关联关系中的经济主体更易于知识的传播和扩散。同时，随着网络节点的增加，网络规模和连通性的提升，新经济主体的不断进入为知识的增长和技术的进步创造了条件。第三，经济关联网络进一步突破了聚集经济的空间地域范围限制，使得作为网络节点的城市能够共享整个城市网络中的劳动力池、基础设施等投入以及公共知识和技术。[25]聚集经济强调地理空间邻近性，经济主体通过共享、匹配与学习等机制获得聚集经济外部性，这种外部性通常呈现随距离衰减的特征。网络外部性突出城市功能的互补性而非地理邻近性，网络成员通过互补性关系和合作行为获得规模经济和协同效应，这种外部性不具有明显的随距离衰减的特征，因此，网络外部性的空间作用力范围强于聚集经济外部性。负向网络外部性主要通过网络“聚集阴影”对区域经济增长产生负面影响。经济关联网络促进城市经济交流与合作的同时，也加剧了城市对经济资源的空间竞争。在经济关联网络中，处于核心位置的节点城市，在信息与资源的分配上更具优势，这些核心节点城市通常具有较高的经济增长率，经济的快速增长又会吸引更多的资源与要素流入到核心节点城市，从而在经济关联网络中形成了核心节点城市累积向上的因果循环关系。边缘型节点城市则恰好相反，在经济关联网络中形成了累积向下的因果循环关系，因此，经济关联网络可能会使得区域间的发展差异扩大。通常而言，以发出型关系为主的经济关联网络，各节点间的溢出效应较为明显，核心节点能够带动边缘型节点共同增长，从而缩小区域间发展差异。以接受型关系为主的经济关联网络，核心节点对边缘型节点的虹吸效应较为显著，更易于形成网络的“聚集阴影”，这会阻碍边缘型节点经济增长和扩大区域间的发展差异。

二、贵州省县域经济关联网络的结构特征

基于空间经济引力模型，本文采用社会网络分析方法对贵州省县域经济关联网络的网络结构特征进行分析。

（一）经济关联网络的构建

空间经济关系的确定是经济关联网络构建的关键和核心。据作者所掌握的文献，空间经济关系的构建通常有三种方法，一是采用经济引力模型，如袁伟彦等（2022）通过修正空间引力模型测度了西部城市间空间经济联系强度；[26]二是VAR模型和Granger Causality检验方法，如李敬等（2014）利用此方法构建了我国省域空间经济增长的空间关系网络；[28]三是基于地区间现实经济联系程度进行建模，如种照辉等（2018）利用城市间人口流动数据、企业组织结构数据和电子商务交易数据构建了城市经济网络。[20]对比空间经济网络构建的几种方法，利用VAR模型构建的网络难以反映网络结构的变化趋勢，同时该方法还受模型滞后阶数的影响较大，使得模型精确性难以得到有效的保证。[27]基于现实经济联系程度的方法仅能从某一侧面衡量城市间经济关联程度，并且这种方法还受限于相关数据的可获得性，学界也很少使用这种方法进行估计。引力模型表达形式简明扼要，能够很好地揭露区域间经济联系规律，相比较而言，利用引力模型对地区间经济联系强度进行刻画更具优势。鉴于此，本文利用空间引力模型来构建经济关联网络，其表达式：

，（1）

上式中，为地区与地区之间的经济关联强度，和为地区与地区的总人口，和表示地区与地区的总产值，为地区与地区之间距离，为地区对地区和地区的经济贡献率，为距离衰减系数，本文设定为1。在式（1）的基础上，我们以经济关联矩阵的平均值为临界值，将经济关联矩阵转换为二进制关系矩阵，若地区间经济关联强度严格大于临界值，则赋值为1，表明地区间存在显著的经济关联关系；反之，赋值为零，表明地区间经济关联关系不显著。

（二）经济关联网络的结构特征及演变趋势

本文利用Ucinet6软件对贵州省县域经济关联网路进行密度分析和关联性分析，结果如表1所示。由表1可知，贵州省县域关联网络的网络密度和关联关系数在样本考察期内呈逐年上升趋势，网络密度由2011年的0.05增加到2020年的0.22，网络关联关系数由2011年的407对递增到2020年的1700对，表明贵州省县域经济空间关联性得到显著提升，县域间的经济合作与交流变得愈发频繁。在样本考察期内，贵州省经济关联网络的网络关联度也呈逐年递增趋势，2020年县域经济关联网络关联度达到1，形成了完备的经济关联网络，无孤立点游离于县域经济关联网络之外。究其原因：贵州省在2020年如期完成脱贫攻坚任务，脱贫攻坚的全面胜利极大地促进了落后县域经济发展和对外交流，使得县域间经济往来更加紧密。网络等级度在样本考察期间内呈下降趋势，表明贵州省县域经济网络的非对称关系和等级森严关系逐步瓦解和打破，县域经济间的相互关联和相互依赖程度逐步增强。从网络效率指标来看，贵州省县域经济关联网络的网络效率呈现下降趋势，县域经济联系在增强的同时也导致了部分“冗余关系”的出现。总体上来看，贵州省县域经济关联网络趋于稳定，网络的可达性和关联性逐步增强，网络的整体属性趋于优化。

根据县域经济关联模型的测度结果，我们利用GIS软件对贵州省县域经济关联网络进行空间可视化分析，结果如图1和图2所示，图中我们以线条粗细衡量县域经济关联强度，城市的空间布局根据百度地图中的经纬度数据整理确定。由图1和图2可知，贵州省县域经济关联网络形成了“多中心，放射状”的网络空间格局，县域经济关联关系主要集中在黔中，黔西和黔北部分地区，黔南地区与其他地区间的经济关联强度相对较弱。①县域经济关联主要以地区内部经济关联关系为主，地区间经济关联关系主要发生在核心节点之间，边缘型节点主要与核心节点发生关系，边缘型节点间的经济关联程度相对较弱②。从县域经济关联网络的演变趋势来看，2011年，黔南和黔北地区有较多的县（区）游离于整个县域经济关联网络之外（见图1），这些地区自身经济实力相对较弱，与其他地区间的经济关联程度不高。2020年，贵州省所有县（区）都融入到县域经济关联网络中，形成了完备的县域经济关联网络，表明贵州省县域经济关联网络已初具规模，县域经济关联关系逐步由单向、局部和简单线性关系演变为多向、整体和复杂的网络关系。

（三）经济关联网络的节点特征

社会网络分析方法常用度数中心性和中间中心性刻画网络节点在网络中的地位和控制力。度数中心性度量地区与其他地区经济关联网络关系的广延性，中间中心性度量任意两个节点之间的捷径距离在多大程度上依赖于中间节点。其计算公式分别为：

， （2）

其中，和分别为城市度数中心性和中间中心度，为城市与其他节点城市的关系数③，为节点和节点之间的捷径总数，为节点和节点过节点的捷径数目，为网络节点总数。

通过对贵州省2020年县域经济关联网络进行核心—边缘结构分析，我们发现整个县域经济关联网络呈现出明显的核心—边缘结构，核心区经济关联网络密度高达0.917，边缘区经济关联网络密度仅为0.039，核心区与边缘区的网络密度为0.433，边缘区与核心区的网络密度为0.084。从核心节点的空间分布来看，黔中地区核心节点有10个，分别为南明区、云岩区、花溪区、乌当区、白云区、观山湖区、开阳县、修文县、清镇市和西秀区。黔西地区核心节点有10个，分别为钟山区、水城县、盘州市、七星关区、大方县、黔西县、金沙县、织金县、纳雍县和威宁县。黔北地区核心节点有4个，分别为红花岗区、汇川区、播州区和仁怀市。黔南地区核心节点有4个，分别为兴义市、凯里市、都匀市和龙里县。不难发现，核心节点主要位于黔中和黔西地区，并且核心节点大都是经济发展水平较高的县城，如仁怀市、盘州市和兴义市④，或位于地级市的主城区，如贵阳市的南明区和云岩区，这与县域经济关联网络的空间分布特征保持一致。在此基础上，我们对县域经济关联网络核心节点进行网络中心性分析，结果如表2所示。比较点出度中心性和点入度中心性指标可以发现，绝大部分核心节点城市的点出度大于点入度，以发出关系为主，表明核心节点城市在县域经济关联网络中处于支配地位，对其他节点的经济溢出效应更强。红花岗区、南明区、云岩区、凯里市和西秀区的中介中心度相对较高，这些县（区）在整个县域经济关联网络中发挥中介和桥梁作用，是边缘节点嵌入县域经济关联网络的主要通道。

（四）经济关联网络的块模型分析

我们采用社会网络分析中的CONCOR方法对贵州省县域经济关联网络进行块模型分析，结果如表3所示⑤。2020年，贵州省县域经济关联关系总数为1700个，四个板块内部关系506个，四个板块间关系1194个，表明板块间溢出效应十分明显。第一板块发出关系893个，板块内部成员关系182个，接收到其他板块的关系260个，为典型的主溢出板块。第二板块发出关系277个，板块内部成员关系93个，接收到其他板块的关系280个，为典型的双向溢出板块。第三板块发出关系463个，板块内部成员关系165个，接收到其他板块的关系222个，为典型的经纪人板块。第四板块发出关系94个，板块内部成员关系66个，接收到其他板块的关系432个，为典型的净受益板块。主溢出板块和双向溢出板块所属成员大都为核心节点城市或与核心节点邻近的城市，这些城市具有较好的经济基础或地理区位条件，与其他县域间的经济联系最为紧密。经纪人板块所属成员大都具有较高的中介中心性，其在经濟关联网络中扮演中介和桥梁的作用。净受益板块所属成员均为边缘型节点城市，这些节点城市大都位于黔南和黔北等经济较为落后的地区，以接收来自其他板块的关系为主，对其他板块的溢出效应不明显。

三、经济关联网络对县域经济增长的实证分析

笔者采用空间杜宾模型实证探究经济关联网络与民族地区县域经济增长之间的关系，在此基础上进一步探究经济关联网络对民族地区县域经济协调发展产生的影响。

（一）模型构建与变量说明

1.模型的构建

本文聚焦经济关联网络与民族地区县域经济增长之间的关系，为此，应构建空间计量模型来反映地区间经济互动关系对地区经济增长产生的影响。在空间计量模型中，空间杜宾模型（SDM）相比于SAR和SEM等空间模型，能够同时观测多个解释变量的空间滞后项对被解释变量的影响，在揭示地区间的空间互动效应方面具有天然的优势。因此，本文预设的经济计量模型如下：

（3）

其中，下标表示县域，表示年份，为被解释变量，和为解释变量，和为解释变量的空间滞后项，为空间权重矩阵，CV为一系列控制变量，、、、、为模型待估参数，为个体效应，为时间效应，。在空间权重矩阵的选取上，本文同时使用了网络关系和经济地理两种空间权重矩阵，网络关系权重矩阵由式（1）给出，经济地理空间权重矩阵则参考了何雄浪和叶连广（2020）的研究。[29]

2.数据处理与变量说明

本文共选取了贵州省88个县（区）2011年至2020年共十年的面板数据，数据主要来源于历年《贵州统计年鉴》和《中国县域统计年鉴》，对于部分缺失数据，我们使用均值法进行插补。对于名义国内生产总值的处理，我们以2011年为基期运用GDP平减指数消除价格因素的影响来求得实际国内生产总值数据。各县（区）之间的距离以县（区）之间的球面距离进行估算，用Stata软件计算而得。同时，为减少多重共线性和异方差对模型估计结果产生不良影响，本文对所有数据均进行了对数处理。

（1）被解释变量。本文的被解释变量为县域经济增长，在变量的选取上，借鉴何雄浪和叶连广（2020）的研究[29]，我们以县域人均GDP（）作为县域经济增长的代理变量。

（2）解释变量。本文的解释变量是县域经济关联网络。经济关联网络关系类型对县域经济增长及其发展差异可能会产生不同的影响，发出型关系具有较强溢出性，接受型关系具有较强的虹吸效应。借鉴刘华军等（2015）和刘梅和赵曦（2019）[33]的研究，本文以经济关联网络的点出度中心性（）和点入度中心性（）作为经济关联网络的代理变量。

（3）控制变量。为尽可能减少因遗漏变量而导致的内生性问题，本文选取产业结构、物质资本水平、政府参与程度和经济密度四个控制变量。产业结构（）以第二产业占GDP比重来衡量，物质资本水平（）以固定资产投资总额占GDP比重来衡量，政府参与程度（）以政府支出占GDP比重来衡量，经济密度（）以地均GDP来衡量。各变量指标衡量及其描述性统计分析如表4所示。

3.模型检验与筛选

在进行空间计量回归之前，我们分别对模型进行空间相关性检验、LM检验和LR检验，检验结果如表5和表6所示。表5中，网络关系权重矩阵和经济地理权重矩阵下的Moran指数和Geary指数在1%的显著性水平下显著为正，表明贵州省县域经济增长具有明显的正向空间相关性。经济数据具有高度空间相关性和依赖性的前提下，使用空间计量模型才能有效避免空间相关性导致的模型内生性问题。在此基础上，我们进一步对空间模型进行检验和甄别以检验空间模型的适用性，结果如表6所示。在表6中，网络关系权重矩阵下的拉格朗日乘子（LM）统计量、稳健LM统计量都在1%的显著性水平下显著为正，表明网络关系空间权重矩阵适用于构建空间滞后模型和空间误差模型。经济地理矩阵下的LM－Lag和稳健的LM－Lag统计量均不显著，LM－Error和稳健的LM－Error统计量在1%显著性水平下显著，表明经济地理距离矩阵不适用于构建空间滞后模型，仅适用于构建空间误差模型。两种空间权重距离的LR统计量在1%的水平下显著为正，拒绝了空间杜宾模型可退化为空间滞后模型和空间误差模型的原假设，因此本文预设的空间杜宾模型满足模型设立的基本条件。空间滞后项的存在使得传统的最小二乘估计方法不再是最佳线性无偏估计量，根据Lee和Yu（2010）的建议，[30]本文使用最大似然估计方法对模型进行估计。

（二）经济关联网络对县域经济增长的效应分析

1.空间杜宾模型估计结果及分析

表7中，列（1）和列（3）为固定效应模型，列（2）和列（4）为随机效应模型，从、、和等统计量的估计结果来看，四个模型的整体拟合效果较好，能够较好地反映经济关联网络对民族地区县域经济增长产生的影响。通过Hausman检验以及对个体固定、时间固定和双向固定效应的比较，本文最终选择双向固定效应模型。在两种空间权重矩阵下，空间滞后系数估计值在1%的显著性水平下显著为正，表明县域经济增长呈现明显的正向空间相关性。从列（1）的估计结果看，经济关联网络点出度中心性和点入度中心性的提高能够显著促进民族地区县域经济经济增长，点出度中心性比点入度中心性的经济增长效应更加明显，表明贵州省县域经济关联网络具有明显的正向外部性，网络外部经济促进了贵州省县域经济增长。点出度中心性的总平均溢出效应显著为正，点入度中心性的总平均溢出效应显著为负。点出度中心性的提高使得边缘型节点能够快速融入到县域经济关联网络中，通过网络规模借用与功能借用带动邻近地区经济增长，从而对邻近地区经济增长产生正向空间溢出效应。点入度中心性的提高使得核心节点在网络中更加受益，增强了核心节点对边缘型节点的虹吸能力，从而对邻近地区经济增长产生负向空间溢出效应。从列（3）的估计结果来看，经济关联网络点出度中心性也具有明显的经济增长效应和正向空间溢出效应，点入度中心性的经济增长效应和空间溢出效应不显著。从各控制变量的估计结果来看，产业结构、物质资本水平和经济密度的提升均能促进民族地区县域经济增长，政府干预经济则会抑制民族地区县域经济增长。

在此基础上，本文借鉴Lesage and Pace（2009）的做法运用偏微分方法对县域经济增长的溢出效应进行分解，[31]结果如表8所示。由表8可知，在两种空间权重矩阵下，点出度中心性对经济增长的直接效应和间接效应显著为正，间接效应估计系数大于直接效应估计系数，表明县域经济关联网络点出度中心性的提升不仅提高了本地经济增长水平，还产生了正向空间溢出效应，显著带动了邻近地区经济增长，且后者作用强度大于前者，因此，点出度中心性对区域经济增长具有明显的网络正外部性。网络关系权重距离下，点入度中心性对经济增长的直接效应为正，间接效应为负，表明县域经济关联网络点入度中心性的提升能够促进本地经济增长，对邻近地区经济增长产生抑制作用，因此，点入度中心性具有明显的网络负外部性。经济地理权重矩阵下，点入度中心性的直接效应和间接效应均不显著。从各控制变量的效应分解结果来看，产业结构、物质资本水平和经济密度的直接效应和间接效应估计系数均显著为正，对本地和邻近地区县域经济增长产生正向促进作用，政府参与程度的直接效应和间接效应估计系数显著为负，对本地和邻近地区县域经济增长产生抑制作用。

2.异质性分析

本文从以下两方面进行异质性分析，一是考虑城市群对民族地区县域经济增长的影响。城市群是区域经济发展到一定阶段的产物，是一种区域内部分工与合作程度较高的经济空间，在城市群内经济关联网络对县域经济增长的影响可能会有不同的表现；二是考虑网络核心—边缘网络结构对民族地区县域经济增长的影响。经济关联网络核心节点的关联程度较高，边缘节点的关联程度较低，经济关联网络对县域经济增长效应可能受网络结构的影响。异质性分析结果如表9所示⑥。

由列（1）和列（2）可知，城市群经济关联网络点出度中心性的直接效应和间接效应估计系数为正，点入度中心性的直接效应和间接效应估计系数为负，非城市群经济关联网络的点入度中心性的直接效应为正，间接效应为负，间接效应大于直接效应，表明城市群内经济关联网络的网络外部性更加明显。究其原因，城市群内，经济中心对其腹地的虹吸效用更为显著，城市间的产业合作与经济交流也更加频繁，网络外部性在城市群内得到充分释放。网络外部性对城市群经济增长的影响最终取决于经济聚集力与分散力相互作用的结果，以溢出性关系和合作行为为主的城市群，经济关联网络正向外部性较为显著，从而促进区域经济增长，以虹吸效应和竞争行为为主的城市群，经济关联网络负向外部性更加明显，从而阻碍区域经济增长。从网络结构的异质性分析结果来看，由列（3）和列（4）可知，核心区经济关联网络点出度中心性的直接效应和间接效应估计系数为正，点入度中心性直接效应和间接效应估计系数为负，边缘区点入度中心性和点出度中心性的直接效应估计系数为正，间接效应为负，表明核心区经济关联网络的网络外部性更加明显。究其原因：贵州省县域经济关联网络形成了以核心节点为支撑，呈放射状的网络结构，核心节点经济关联程度高于非核心节点，使得经济关联网络对县域经济增长的影响在网络核心区域内更加明显。

3.稳健性检验

为确保上述实证结果的可靠性，本文采用多种稳健性检验方法对模型进行检验：第一，重构网络关系权重矩阵。网络临界值选取对网络关系权重矩阵影响较大，本文以经济关联矩阵的2倍均值为临界值重构网络关系权重矩阵，回归结果如表10列（1）所示。第二，替换核心解释变量。本文以经济关联网络的点出度接近中心性（）和点入度接近中心性（）作为点出度中心性（）和点入度中心性（）的替代变量，结果如列（2）所示。Freeman（1979）认为度数中心性和接近中心性指标都能反映网路节点的中心性特征，二者具有很好的替代性，[32]以接近中心性指标替换度数中心性指标具有合理性。第三，模型替换。本文分别构建了空间滞后模型和空间误差模型，以考察模型设定对回归结果产生的影响，结果如列（3）和列（4）所示。从、、和（）的估计结果来看，模型稳健性检验结果都具有较好的拟合优度，从主要解释变量的显著性水平和作用力方向来看，三种稳健性检验方法所得回归结果与基准回归结果基本保持一致，说明本文前述实证结论稳健可靠。

4.进一步研究

根据前文研究，经济关联网络对民族地区县域经济具有明显的增长效应和空间溢出效应，在此基础上，我们还需进一步研究经济关联网对民族地区县域经济发展差异产生的影响。为此，我们构建如下经济计量模型：

（4）

上式中，为民族地区县域经济协调发展水平，其余变量与上文保持一致。关于县域经济协调发展水平的衡量，本文借鉴刘梅和赵曦（2019）的研究，利用地区相对人均GDP作为区域经济协调发展水平的代理变量，[35]其计算公式如下：

（5）

其中，表示地区时期的相对人均GDP，为地区时期的人均GDP，为基准县的人均GDP⑦。模型回归结果如表11所示。

由表11列（1）可知，经济关联网络点出度中心性的直接效应和间接效应估计系数为正，且间接效应大于直接效应，表明点出度中心性的提升不仅能够提高本地相对收入水平，而且还产生了较强的正向空间溢出，推动了邻近地区相对收入水平的提升，从而有利于民族地区县域经济的协调发展。点入度中心性的直接效应估计系数为正，间接效应估计系数为负，间接效应大于直接效应，表明经济关联网络点入度中心性的提升不利于民族地区县域经济协调发展。究其原因：点出度中心性以溢出性关系为主，欠发达地区通过融入县域经济关联网络中实现规模借用和功能借用，从而有利于县域经济协调发展。点入度中心性以接受关系为主，核心节点对边缘型节点的虹吸效应显著，资源与要素向核心节点高度聚集，不利于民族地区县域经济协调发展。由列（2）至列（5）可知，在城市群（网络核心区）内经济关联网络的外部性更加显著，點出度中心性的提升对城市群（网络核心区）县域经济协调更为有利，点入度中心性的提升对城市群（网络核心区）县域经济协调更为不利。综上，经济关联网络点出度中心性的提升能够促进民族地区县域经济协调发展，点入度中心性的提升则会阻碍民族地区县域经济的协调发展。

四、结论与政策建议

经济发展是解决民族地区各种问题的总钥匙，也是加速民族地区中国式现代化步伐的总抓手。县域经济发展是民族地区巩固脱贫攻坚成果、推动乡村振兴、提高民族地区经济发展韧性和加速民族地区中国式现代化步伐的重要动力。本文研究表明：第一，贵州省县域经济关联网络已初具规模，呈现多中心和放射状的网络空间格局，在样本考察期间内，县域经济关联网络的稳定性、可达性和关联性逐步提升。同时，贵州省县域经济关联网络还具有明显的核心—边缘结构特征，核心节点以发出关系为主，是县域经济关联网络的主要溢出者，边缘型节点以接受关系为主，是县域经济关联网络的主要受益者；第二，经济关联网络对民族地区县域经济具有明显的增长效应和空间溢出效应。网络中心性的提升显著地促进了本地经济增长，点出度中心性对邻近地区经济增长产生正面影响，点入度中心性对邻近地区经济增长产生抑制作用；第三，经济关联网络对民族地区县域经济增长具有明显的异质性。在城市群和网络核心区域内，经济关联网络对民族地区县域经济增长的效应更加明显；第四，经济关联网络对县域经济协调产生重要影响。经济关联网络点出度中心性的提升有利于民族地区县域经济协调发展，点入度中心性的提升不利于民族地区县域经济协调发展。

根据上述研究结论，本文提出如下政策建议。

第一，提高民族地区基础设施水平，补齐民族地区发展短板。习近平总书记指出，“基础设施是经济社会发展的重要支撑，要统筹发展和安全，优化基础设施布局、结构、功能和发展模式，构建现代化基础设施体系，为全面建设社会主义现代化国家打下坚实基础。”基础设施是民族地区县域经济发展的短板和瓶颈，我们要整合民族地区各类资源，加大对民族地区基础设施建设的力度，推动民族地区基础设施的升级改造，努力提高各类基础设施在民族地区的覆盖度，为推动民族地区中国式现代化发展奠定良好基础。同时，我们要努力提高民族地区基础设施建设质量，注重对传统基础设施的信息化、数字化和智能化升级，避免民族地区出现“数字鸿沟”现象，推动民族地区深度融入全国区域经济网络。我们也要高度重视民族地区农村基础设施建设，提高民族地区农村基础设施水平。将民族地区县域经济高质量发展与乡村振兴相结合，推动民族地区县城基础设施向乡村延伸、公共服务向乡村覆盖，使县城真正成为民族地区城乡融合发展的纽带和桥梁。

第二，推动县域产业分工，发展各具特色的县域经济。民族地区具有丰富的自然资源禀赋和历史文化资源，在发展特色经济和特色产业上具有天然的比较优势。各民族地区应从自身资源禀赋、地理区位和产业发展水平等现实条件出发，培育发展特色经济和特色产业，积极推动县域间的分工与合作，形成各具特色的县域经济高质量发展模式。我们要注重民族地区特色优势产业的培育，民族地区要结合自身发展实际，探寻出各具特色的县域经济发展路径和发展模式，形成一批各具特色的工业强县、农业强县、旅游大县、文化名县和生态宜居县。同时，我们要注重民族地区产业化水平的提升，通过引导相关产业向具有比较优势的县域聚集，形成各具特色的县域产业集群，提高民族地区经济发展效益。此外，我们还要充分挖掘民族地区特色资源，发展一批能够反映民族风俗文化和资源特色的民族特色产业，通过提供高质量和差异化的产品，打造本地区民族特色产品品牌，提高民族特色产业的整体竞争力。

第三，深化区域合作，发挥核心区域带动作用。市场外部性和经济关联网络外部性对民族地区县域经济增长产生重要影响，深化核心区域与边缘区域的交流与合作对民族地区县域经济增长和县域经济协调至关重要。民族地区应主动融入到以国内大循环为主体，国内国际双循环相互促进的新发展格局中，提升民族地区利用两种资源和两个市场的能力，促进民族地区县域经济发展和现代化水平的提升。我们要畅通民族地区县域经济与城市经济的联系通道，通过区域间产业的分工与合作，将民族地区县域经济发展融入到城市经济发展体系中，让县域经济共享整个城市网络中的劳动力池、基础设施等投入以及公共知识和技术。我们还要开拓民族地区经济发展新路径，创新民族地区与发达经济体的合作方式，通过飞地经济等区域经济发展新模式聚集和整合发达地区技术、人才等资源，推动民族地区产业转型升级和经济的提质增效。

注释：

①黔中地区包括贵阳市和安顺市，黔西地区包括毕节市和六盘水市，黔北地区包括遵义市和铜仁市，黔南地区包括黔西南布依族苗族自治州、黔东南苗族侗族自治州和黔南布依族苗族自治州。

②关于核心节点与边缘节点的划分请参见下文经济关联网络节点特征分析部分内容。

③度数中心性可分为点出度中心性和点入度中心性。

④根据《中国西部地区县域发展监测报告2021》（不含区），贵州省有10个县进入西部百强县名单，其中，仁怀市、盘州市和兴义市分别位于西部百强县排行榜的第2位，第11位和第19位。

⑤主溢出板块成员有南明区、云岩区、花溪区、观山湖区、清镇市、红花岗区、汇川区、播州区、仁怀市、七星关区、大方县、黔西县、金沙县和凯里市共14个区（县）。双向溢出板块成员有乌当区、白云区、开阳县、息烽县、修文县、桐梓县、习水县、平坝区、都匀市、福泉市、贵定县、瓮安县、龙里县和惠水县共14分区（县）。经纪人板块成员有钟山区、六枝特区、水城县、盘州市、西秀区、普定县、镇宁县、关岭县、织金县、纳雍县、威宁县、赫章县、兴义市、兴仁市和贞丰县共15个区（县）。净受益板块成员有绥阳县、正安县、道真县、务川县、凤冈县、湄潭县、余庆县、赤水市、紫云县、碧江区、万山区、江口县、玉屏县、石阡县、思南县、印江县、德江县、沿河县、松桃县、普安县、晴隆县、望谟县、册亨县、安龙县、黄平县、施秉县、三穗县、镇远县、岑巩县、天柱县、锦屏县、剑河县、台江县、黎平县、榕江县、从江县、雷山县、麻江县、丹寨县、荔波县、独山县、平塘县、罗甸县、长顺县和三都县共45个区（县）。

⑥参照《黔中城市群发展规划》，黔中城市群包括贵阳市的南明区、云岩区、白云区、花溪区、乌当区、观山湖区、清镇市、修文县、息烽县和开阳县，遵义市的红花岗区、汇川区、播州区、绥阳县和仁怀市，毕節市的七星关区、大方县、黔西县、金沙县和织金县，安顺市的西秀区、平坝区、普定县、镇宁县，黔南布依族苗族自治州的都匀市、福泉市、贵定县、瓮安县、长顺县、龙里县和惠水县，黔东南苗族侗族自治州的凯里市和麻江县。核心区与边缘区的划分参见上文经济关联网络的节点特征部分内容。

⑦本文选取仁怀市作为相对人均GDP水平的基准城市，这主要是由于仁怀市在《中国西部地区县域发展监测报告2021》（不含区）西部百强县排行榜中位列第二，是贵州省的第一经济强县。

参考文献：

[1]姜炎鹏，李静宜，马仁锋.中国百强县1991—2019年分布格局及影响机制[J].经济地理，2022，42（08）：1－10.

[2]周腰华，王振华，张广胜.中国县域经济增长的影响因素及其空间溢出效应分析[J].云南财经大学学报，2017，33（01）：35－47.

[3]王智勇.地形起伏度对县域经济增长的影响研究——以云南省为例[J].云南财经大学学报，2019，35（07）：77－92.

[4]阳芳.广西少数民族县域经济增长中的人才贡献实证研究[J].西南民族大学学报（人文社科版），2016，37（11）：140－145.

[5]李新光，黄安民.高铁对县域经济增长溢出效应的影响研究——以福建省为例[J].地理科学，2018，38（02）：233－241.

[6]张冠甲，刘维刚，李军林.税收分享与县域经济增长[J].东岳论丛，2017，38（04）：98－104.

[7]王振华，李旭.技术进步、产业结构升级与县域经济增长——以辽宁省为例[J].农业技术经济，2015（02）：68－75.

[8]阮舟一龙，许志端.县域营商环境竞争的空间溢出效应研究——来自贵州省的经验证据[J].经济管理，2020，42（07）：75－92.

[9]吴玉鸣.县域经济增长聚集与差异：空间计量经济实证分析[J].世界经济文汇，2007（02）：37－57.

[10]陈芳，龙志和.中国县域经济差距的收敛性研究——基于动态面板数据的GMM方法[J].中国科技论坛，2011（04）：140－144＋155.

[11]周园皓.贵州省区域经济增长的差异现状及均衡发展对策研究[D].贵州财经大学，2020.

[12]陈健生，任蕾.从县域竞争走向县域竞合：县域经济高质量发展的战略选择[J].改革，2022（04）：88－98.

[13]Scitovsky，T.Two Concepts of External Economies[J].Journal of Political Economics，1954，62（02）：143－151.

[14]Ullman，E.L.American Commodity Flow[M].Seattle：University of Washington Press，1957：60－73.

[15]Mydal，G.The Challenge of World Poverty：A World Anti－Poverty Program in Outline[M].New York：Vintage Books，1970.

[16]赵伟光，敬莉.区域经济关联与经济增长的空间溢出效应——以新疆为例[J].财经科学，2015（03）：131－140.

[17]安頔，胡映洁，万勇.中国城市网络关联与经济增长溢出效应——基于大数据与网络分析方法的研究[J].地理研究，2022，41（09）：2465－2481.

[18]Capello，R.The City Network Paradigm：Measuring Urban Network Externalities[J].Urban Studies，2000，37（11）：1925－1945.

[19]Mccann，P.，Acs，Z.J.Globalization：Countries，Cities and Multinationals[J].Regional Studies，2011，45（01）：17－32.

[20]种照辉，覃成林，叶信岳.城市群经济网络与经济增长——基于大数据与网络分析方法的研究[J].统计研究，2018，35（01）：13－21.

[21]Meijers，E.J.，Burger，M.J.，Hoogerbrugge，M.Borrowing Size in Networks of Cities：City Size，Network Connectivity and Metropolitan Functions in Europe[J].Papers in Regional Science，2016，95 （01） ：181－198.

[22]覃成林，桑曼乘.城市網络与城市经济增长[J].学习与实践，2015（04）：5－11＋2.

[23]Meijers，E.Polycentric Urban Regions and the Quest for Synergy：Is a Network of Cities More than the Sum of the Parts？[J].Urban Studies，2005，42（04）：765－781.

[24]Boix，R.，Trullén，J.Knowledge，Networks of Cities and Growth in Regional Urban Systems[J].Papers in Regional Science，2007，86（04）：551－574.

[25]张洪鸣，孙铁山.中国城市群城市经济增长的网络外部性及其作用机制[J].经济与管理研究，2022，43（02）：48－64.

[26]袁伟彦，罗明，刘添天.西部城市经济联系网络结构演变研究[J].城市问题，2022（09）：45－54.

[27]刘华军，刘传明，孙亚男.中国能源消费的空间关联网络结构特征及其效应研究[J].中国工业经济，2015（05）：83－95.

[28]李敬，陈澍，万广华，付陈梅.中国区域经济增长的空间关联及其解释——基于网络分析方法[J].经济研究，2014，49（11）：4－16.

[29]何雄浪，叶连广.长江经济带城市群经济关联、空间溢出与经济增长[J].现代财经（天津财经大学学报），2020，40（01）：16－28.

[30]Lee，L.，Yu，J.Estimation of Spatial Autoregressive Panel Data Models with Fixed Effects[J].Journal of Econometrics，2010，154（02）：165－185.

[31]LeSage J.，Pace，R.K.Introduction to spatial econometrics[M].Chapman and Hall/CRC，2009.

[32]Freeman，L.C.Centrality in Social Networks：Conceptual Clarification[J].Social Networks，1979（03）：215－239.

[33]刘梅，赵曦.城市群网络空间结构及其经济协调发展——基于长江经济带三大城市群的比较分析[J].经济问题探索，2019（09）：100－111.

收稿日期：2022－11－10 责任编辑：王 珏