中国区域经济增长集聚的空间统计分析.doc

《中国区域经济增长集聚的空间统计分析.doc》由会员分享，可在线阅读，更多相关《中国区域经济增长集聚的空间统计分析.doc（8页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、第 2 4 卷 第 6 期 地 理 科 学 V ol. 24 N o. 6 2 0 0 4 年 1 2 月 SCIENT IA GEOGRA PH ICA SI NI CA Dec. , 2 0 0 4 中国区域经济增长集聚的空间统计分析 吴玉鸣 , 徐建华 1 ( 1. 广西师范大学经济系 , 广西 桂林 541001; 2. 华东师范大学地理系 , 上海 200062) 摘要 : 运用空间统计和计量经济学 M or an I 指数法及时空数据 ( Panel Data) 模 型分析了中 国 31 个 省级区 域经济 增长 集聚及其影响因素。结果显示 : ! 中国省域经济增长具有明显 的空间

2、依赖性 , 在地理空间上 存在集聚 现象 , 区域 经济增长在时空上呈现出明显的空间效应 , 忽视空 间效应将 造成模型设 定的偏 差和计 量结果的 非科学 性 ; 空 间相关以及由此带来的国际国内贸易及外资等经济活 动频繁程 度 , 在很 大程度 上引起 了 31 个省域 区际经 济增长的空间不均衡 , 空间集聚使得在经济增长 过程中地理区位 ( 距离 ) 产生 的空间 成本降 低 , 但 地理特 征将深 刻作用于区域经济增长空间集聚的中心和外围关系 ; # 外商直接 投资、国际与区 际贸易、人 力资本、技术 创新等 因素 对中国区域经济增长的贡献非常重要 , 但它却不能 轻易改变 经济地理

3、的 规则 , 经济增 长因素 在地理 空间上 的非均衡集聚导致了迥然不同的区域经济增长格局。 关 键 词 : 区域经济增长 ; 集聚 ; 空间相关性 ; M oran 指数 ; 时空数据 ( P anel Data) 模型 中图分类号 : F061. 5/ F 290 文献标识码 : A 文章编号 : 1000- 0690( 2004) 06- 0654- 06 引 言 目前有关中国经济增长的研究取得了丰富的 相关性研究 , 但截面回归使用的数据信息只是同一 个时期各个区域的情况 , 是一种静态分析 , 无法反 映各个区域在不同时期的动态信息 , 因而具有一定 成果 , 获得了一些非常有价值的

4、结论。但是 , 大多 研究采用的是时间序列分析 , 较少进行截面的空间 分析 ; 涉及的主要是资本、劳动等传统变量 , 较少涉 及人力资本、技术创新、贸易、地理地形等因素。在 有关经济增长差异及集聚方面的研究 , 主要集中于 空间分布格局的描述或统计分析 , 较少进行区 域经济增长在不同地区之间的空间相似性 ( 集聚 ) 或差异研究 , 以及解释产生这种空间格局的原因的 研究 。 中国幅员辽阔 , 地区间的空间差异非常明显 , 利用整个全国性的综合时间序列数据 , 往往会掩盖 这种十分显著的区域空间差异。因为存有空间差 异 , 传统的时间序列回归方法不再适合于解释经济 增长 ( 如人 均 GD

5、P ) 与其 它影响变 量间的 复杂关 系 , 可供选择的统计与计量方法有截面回归方法和 时空数据模型 。截面回归包括一般回归方法 ( 主要采用普通最小二乘 ( O LS) 估计 ) 和地理加权 回归方法 ( G WR) 。虽然二者都可以进行空间 收稿 日期 : 2004- 03- 17; 修订日期 : 2004- 05- 18 的局限性。这种不足主要表现在 : 横截面数据 ( 通 常选取某一年中国 31 个省、市及自治区的有关数 据 ) , 虽然可以在一定程度上弥补时间序列数据所 不能反映的地区间差别性的缺陷 , 但其只能静态地 反映某一个时点的经济情况 , 而不能全面、动态地 从一个时段上

6、描述经济现象的变化态势及形成原 因。而且 , 单纯的截面模型的计量分析 , 不能体现 时期特征的不足 , 没有考虑各个地区 ( 如各省、自治 区、 直辖市 ) 的特殊性 , 暗含了一个与现实不符的假 定 : 各地区具有相同的经济结构和技术水平 , 并且 选择不同年份的截面数据计算结果可能不同 , 难以 得出一致的分析结论。 根据中国区域经济发展的实践 , 整体而言 , 中 国经济增长差异及 其集聚的原因 , 应该与地 理位 置、地形、距离等 空间因素有关 , 因此我们 推测 经济增长与地理特征及空间分布有关 , 新经济地理 学者的观点支持了我们的推测 。为了从空间 统计及计量的角度验证我们的猜

7、测 , 本文首先引入 基金项目 :国家自然科学基金项目 ( 70463001) 、广西哲学社会科学 十五 规划研究课题 ( 03FJL003) 、广西师范大学科研基金项目资助。 作者简介 : 吴玉鸣 ( 1968- ) , 男 , 甘肃定西人 , 博士 , 副教授 , 硕士 生导师 , 主 要从事区域 经济模拟 与管理决 策支持系 统研究。 E - mail: 1, 2 1, 2 2 3, 4 5, 6 w ym6016 sina. com。 6 期 吴玉鸣等 : 中 国区域经济增长集聚的空间统计分析 ! 655 空间统计 Moran 指数 , 检验中国 31 省域 之间的 示出正的空间相关性

8、 ; 而当在空间上邻接的目标区 人均 GDP 在地理空间上是否具有相关性 ; 然后再 使用空间计 量经济学的 时空数据 ( P anel Data) 模 型 , 进行省域经济 增长因素的统计 检验和计量分 析 , 对经济增长集聚的原因进行探究 , 期望能反映 区域经济增长集聚的时序影响 , 揭示不同地区之间 集聚增长的空间差异及其成因。 1 研究方法与数据样本 1. 1 空间自相关分析 检验区域经济增长集聚的空间相关性存在与 否 , 空间统计学较常使用两个统计量 : 一者是 由 M oran( 1950) 提出的空间相关指数 Moran I ; 另一为 Geary( 1954) 所定义之 Ge

9、ary c。在实际 的空 间 相关 分 析 应用 研 究 中 , 由 于 Moran I 和 Geary c 的作用基本相同 , 而 Moran I 更为常用 , 因 此以下介绍 M oran I 的基本计算原理 , 并将之应用 于中国区域经济增长差异与集聚的空间相关性实 证研究中。 M oran I 定义如下 Wij ( Y i - Y ) ( Yj - Y ) M oran I = n n ( 1) S Wij i= 1 j= 1 n i = 1 n i = 1 区的观测值 ( 在本文为人均 GD P) , n 为地区总数 ( 本文为 31) , W ij 为二进制的邻接空间权值矩阵 ,

10、表示其中的任一元素 , 采用邻接标准或距离标准 , 其目的是定义空间对象的相互邻接关系 , 便于把地 理信息系统 ( G IS) 数据库中的有关属性放到所研 究的地理空间上来对比。一般相邻标准的 Wij 为 0 当区域 i 和区域 j 不相邻 式中 , i = 1, 2, . . . , n ; j = 1, 2, . . . , m ; m = 2 或 m % n 。 因为我们将 Moran I 可看作各地区观测值的 乘积和 , 其取值范围为 - 1 & I & 1。若各地区间为 空间正相 关 , I 的数值应当较 大 ; 负相 关 则较小。 具体到经济增长的空间依赖性问题上 , 当经济增长

11、 的目标区域数据 ( 如人均 GDP ) 在空间区位上相似 的同时也有相似的属性值时 , 空间模式整体上就显 域数据不同寻常地具有不相似的属性值时 , 就呈现 为负的空间相关性 ; 零空间自相关性出现在当属性 值的分布与区位数据的分布相互独立时。 根据 空 间 数 据 的 分 布 可 以 计 算 正 态 分 布 Moran I 的期望值 n - 1 w 0 ( n - 1) i = 1 j= 1 2 i = 1 j= 1 n w 2 = ( w i + w i ) 。 i = 1 式中 , w i和 w j 分别为空间权值矩阵中 i 行和 j 列之和。 用下式可以检验 n 个区域是否存在空间自

12、相 关关系 VA R ( I ) 1. 2 时空数据 ( Panel Dat a) 模型 本文研究的时段为 1998 2002 年 , 既有空间 单元数据 31 个区域 , 也有这些区域在 5 年的 时间序列变化情况 , 反映的是不同时间 ( 5 年 ) 和不 同区域 ( 31 个省、直 辖市、自治区 ) 的经济增长 , 因 此以下我们引进对 n 个个体 ( 区域 ) 连续观察 T 时 期得到的时 间和空 间合 成的 时空数 据回 归模 型 Panel D at a 模型 , 并采用适当的估计技术进行 模型估计和检验。一般的合成数据模型可以表示 为 Y it = it + (i tX it +

13、 it , i = 1, 2, . . . , n; t = 1, 2, . . . , T ( 4) 式中 , Yi t = ( Y 1it , Y 2it , . . . , YK it )(, 为内生变量向 量 , X it = ( x 1 it , x 2it , . . . , x Ki t )(是 K 个外生变量在 特定时间和 地区的观 测值 , (it = ( 1it , 2 it , . . . , K it )(为参数 向量 , K 是除 去截距项 的外生变 量 ( 斜率 ) 个数 , n 是截面样本点个数 , T 是时期总 数。随机扰动项 it 相互独立 , 且满足零均值、

14、同方 差。模型中的系数 1it 随着时间和区域个体的不同而 改变 , 因而可以反映 模型中被忽略的时间因素和区域 个体差异因素的影响 , 称这些因素为 潜变量 。 由于模型 ( 4) 中有 nT ( K + 1) 个系数和 nT 个 2 , 11, 12 13 14 n n i= 1 j = 1 2 n n 1 1 其中 , S = ( Y - Y ) , Y = Y , 表示第 地 1 当区域 i 和区域 j 相邻 ; W = ! 本文的研究区域包括中国大陆 31 个省、直辖市、自治区 , 不包括香港、澳门和台湾。 656 地 理 科 学 24 卷 方程 , 无法从模型中直接识别所有参数 ,

15、 所以实际 应用中需要对模型附加一些约束条件。如果经济 增长的差异主要表现在横截面 ( 区域 ) 的不同个体 之间 , 则假定时间序列参数齐性 , 且参数满足时间 一致性 , 也就是参数值不随时间的不同而变化 , 模 型 ( 3) 可写为 Y it = i (iX it + it ( 5) 其中 , 截距系数 i 和斜率系数 i 两个参数都是个体 时期恒量 ( Individual T ime- invariant Variable) , 其取值 随着个体的不同都在改变 , 只受截面单元不同的影 响。也就是说 i 、 i 共同反映模型中被忽略的潜变量 的影响 , 所以称模型 ( 5) 为 变系

16、数回归模型 。 在参数不随时间变化的情况下 , 截距和斜率参 数又可以有如下两种假设 H01: 回归斜率系数相同 ( 齐性 ) 但截距不同 , 即 1= 1= )= N , 模型为 Yit = i + (iX i t + it ( 6) 模型 ( 6) 中 , 潜变量 ( 包 括时间因素和区域个体因 素 ) 影响所形成的区域个体之间的增长差异只反映 在截距项的不同取值上 , 所以称模型 ( 6) 为 变截距 回归模型 。 H02: 回归斜率系数和截距都相同 , 即 1= 1 = )= N , 1= 1= )= N , 模型为 Yi t = i + (X it + i t ( 7) 模型 ( 7

17、) 中潜变量对截距和斜率系数都无影响 , 此 时相当于将 T 个时期横截面数据融合 成一个 混 合样本 ( 样本容量为 nT ) , 所以称模型 ( 7) 为 混 合回归模型 。 对于 Panel Dat a, 有以上三 个模型可 供选择 , 模型的设定非常关键 , 否则容易产生较大的估计误 差。根据样本数据性质的不同 , 变系数模型 ( 5) 和 变截距模型 ( 6) 又有确定效应模型 ( Fixed Ef fects) 和随机效应 ( Random Eff ect s) 模型之分 , 并分别对 应不同的参数估计方法。如果研究者仅以样本自 身效应为条件进行推论 , 宜采用确定效应模型 ; 如

18、 果欲以样本对 总体效应进行推论 , 则应采用随机效 应模型。 1. 3 模型选择与建立 在时空数据 ( Panel D at a) 模型背景下 , 由于我 们建立的仅仅是中国各省市区的计量模型 , 运用的 也仅仅是各省市区的数据资料进行分析和研究 , 而 且样本的时间序列比较短 , 研究的目的也是对中国 各省级区域自身的数据进行研究 , 而且考虑了未观 测到的 31 个地区特有的变量对模型的影响 , 故宜 选择确定效应模 型而非随机效 应模型进行估计。 因为随机效应模型要求所忽略的变量与模型的解 释变量 无关 , 这显然是一个与现实不符的假定。 由以上空间相关分析可知 , 中国各省级区域的

19、经济增长确实存在空间的差异和集聚现象 , 需要强 调地区效应 , 因此本文未对样本进行 F 检验 , 而直 接采用变截距模型。 影响经济增长差异的因素很多 , 如经济发展水 平、劳动力、外商直接投资、人力资本、贸易、经济体 制、市场规模、经济政策、地理区位、环境管制、文化 差异等。由于中国是一个发展中国家 , 各个地区经 济发展的水平很不平衡。因此 , 本文在选择变量建 立理论模型时 , 充分考虑中国的具体国情和经济发 展的阶段性 , 构建 的线性化计量模型为 lnGDP = 0 + 1IN V + 2F GD P + 3LA B + 4HK + 5lnT IN + 6IT R + 7DT R

20、 + !8GCON + ( 8) 人均 GDP : 人均 GDP 取了自然对数 lnG DP, 为被解释变量。 解释变量分别为 : ! 资本形成率 : 由于缺乏各 个地区的资本缩减指数 , 我们用各省域固定资本形 成总额与资本形成总额之比 , 表示资本形成率 ( 投 资率 ) IN V。 外商直接投资 : 各省 域外商直接投 资流入数量与各省域当年的 GDP 之比 , 以 F GDP 代表。从 理 论 分 析 可 知 , F GDP 与 被 解 释 变 量 lnGDP 应呈正相关关系 , 表示外商直接投资的技术 溢出对经济增长起了促进作用。 # 劳动力 : 本研究 以各省域全社会年底从业人员占

21、总人口比重 , 衡量 劳动力情况对经济增长的影响。当然 , 该指标没有 包含劳动力的素质信息 , 也就是说 , 劳动力无法反 映人力 资本的变 化。我们 以 LAB 代 表劳动力 情 况。 人力资本 : 由于劳动力质量的提高主要依靠 教育的途 径实现 , 在中国劳动力接受小学、中学 ( 中 专、职中 ) 、大学 ( 包括大专 ) 、研究生的教育 , 他们各 自 的 边 际 生 产 力 也 不 同。本 文 参 考 Barro 和 Lee 的方法 , 考虑到目前我国区域经济发展的 实际情况 , 如果与外商直接投资需要较高素质的人 力资本相联系 , 采用中学生衡量其对经济增长作用 显然不太合理 ,

22、因此 , 本研究改进为以各省区每万 人在校大学生人数 ( H K) 来衡量中国地区人力资本 的存量水平。+ 技术创新 : 以各省域三种专利授权 6 期 吴玉鸣等 : 中国区域经济增长集聚的空间统计分析 表 1 中国区域经济增长人 均 GDP 的 657 量授权数量来衡量。专利数量是一个国家技术创 新能力的重要标志 , 是一个衡量知识吸收和技术进 步比较理想的变量。在实际的计量分析中 , 取其自 Table 1 Moran I 指数 及其 Z 值 Per capita GDP and index of Moran I and its 然对数 , 以 lnT IN 代表区域技术 创新能力。 ,国

23、际贸易和区际贸易。考察贸易对经济增长的影响 , 可以从国际贸易和国内贸易 ( 区际贸易 ) 两个方面 着手 , 但是首先需要消除国家和地区规模大小的影 响。国际贸易 IT R : 本文以进出口总值与 GDP 的 比值 IT R 衡量各个地区国际贸易对经济增长的作 用 ; 区际贸易 DT R: 选用了 中国统计年鉴 .上公布 时间 1998 1999 2000 2001 2002 Z value in China0 s regional economic growth Moran I E ( I ) VAR( I) Z 值 0. 5001 - 0. 0333 0. 0233 4. 5035 0.

24、 5069 - 0. 0333 0. 0233 4. 5551 0. 5112 - 0. 0333 0. 0233 4. 5978 0. 5059 - 0. 0333 0. 0233 4. 5532 0. 5013 - 0. 0333 0. 0233 4. 5326 P 值 0. 0000 0. 0000 0. 0000 0. 0000 0. 0000 的按销售单位所在地分的社会消费品零售总额占 GDP 的比重 DT R 作为区际贸易的具体测量指标。 期望通过 DT R 与 GDP 回归的系数来检验区际贸 易对区域经济发展的作用。 / 政府干预 : 以政府消 费支出占 GDP 的比 重 ( G

25、 CO N ) , 代表地方政府的 平均规模及其对经济增长的干预。 1. 4 数据来源与估计方法 根据 1999 2003 年的 中国统计年鉴 . , 我 们选择并采集了 1998 2002 年中国大陆 31 个省 市自治区的数据 , 样本数据由 5 个时期 , 每个时期 31 个区 域个 体 构成 , 总 数 为 155。其 中 , 1998 2002 年的 GDP 数据及其隐含的缩减因子来源于 中国统计年鉴 .( 1999 2003 年 ) , 我们以同年的 环比增长指数 ( 即上年为 100) 进 行了平减生成了 实际 GDP , 再除以相应年份的人口获得真实人均 GDP。 Panel

26、Data 可以有效解决回归分析数据太少的不 足及扩大样本容量的问题。但在采用 Panel Data 模型 的计量方法进行模型估计时 , 考虑到 Panel Dat a 既包 括时间序列数据又包括横截面数据 , 直接使用普通最 小二乘法 ( OLS) 估计模型 , 可能会产生异方差性和序 列相关性问题 , 从而使 OLS 法失效 , 因而在数据可以 得到的情况下 , 采用广义最小二乘法 ( Cross Sect ion Weights, GLS) 进行估计 , 以消除异方差的影响 , 保证 研究模型的有效性。 2 空间统计分析 2. 1 空间相关分析 首先检测 31 个省域的经济增长在地理空间上

27、 的相关性即空间相互依赖性。表 1 是利用公式 ( 1) ( 3) 计算的衡量中国 31 个省级区域经济增长空 间自相关 性及集聚的人 均 GDP 的 Moran 指数及 其检验值。 表 1 中 M oran I 的正态统计量 Z 值均大于正 态分布函数在 0. 01 水平下的临界值 ( 1. 96) , 表明 中国 31 个省、直辖市和 自治区之间以人均 GD P 衡 量的经济增长在空间分布上具有明显的正自相关 关系 ( 空间依赖性 ) , 说明全国各省域人均 GDP 的 空间分布并非表现出完全随机状态 , 而是表现出相 似值之间的空间集聚 , 正的空间相关代表相邻地区 的特性类似 , 即具

28、有较高人均 G DP 的省区相对地 趋于和较高人均 GDP 的省区相靠近 , 或者较低人 均 GDP 的省域相对地趋于和较低人均 G DP 的省 域相邻的空间联系结构。因此 , 从整体上讲是省域 之间的经济增长是存在空间相关性的 , 也就是说中 国省域经济增长存在着空间 上 明显的集聚 ( Clus tering) 现象。 以上定量地证明中国省域经济增长确实存在 着空间的集聚现象 , 地区差异比较显著。这表明对 于中国区域经济增长的理论与实证研究 , 传统研究 的思路只从时间维度出发 , 忽视空间维度的相关性 和异质性 , 在理论上存在严重不足 , 与经济发展现 实不符。而在时间序列数据的基础

29、上引入空间地 理单元 ( 横截面 ) 数据 , 综合使用时空数据所表达的 时间和空间集成信息 , 进而解释区域经济增长在时 空演变中的机制和规律是一种很好的研究思路和 框架。 2. 2 区域经济增长成 因的空间统计分析 空间相关分析虽然可以定量证明中国省域经 济增长的空间相关性 , 但对造成省域经济增长集聚 行为的影响因素 和形成原因未 能做出定量分析。 为此 , 以下我们采用时空数据分析法 , 以中国大陆 31 格省域为空间单元进行区域经济增长成因的空 间统计检验和计量分析。 为了减少由于截面数据造成的异方差影响 , 以 中国大陆 1998 2002 年 31 个省市区的时空数据 进行回归分

30、析 , 采用变截距模型 ( 6) 式及理论模型 17 658 地 理 科 学 24 卷 ( 8) 使用 可 行 的广 义 最 小二 乘 法 ( Feasible Cross 性 , 而且省域经济增长在空间上确实存在比较显著 Sect ion Weights, F GL S) 进行 估计 , 具体的 测算与 检验结 果见表 2。 表 2 中的结果检验表明 , 调整后的决定系数高 达 0. 999, 说明模型的拟合优度非常高 , F 和 t 检验 值在 5% 的水平下可以通过显著性检验 , DW 值为 1. 6, 表明参差没有明显的序列相关。因此 , 从整体 上讲 , 该变截距模型的效果很好。需要

31、指出的是 , 由于劳动力未能通过 10% 的变量显著性检验 , 因 此在表 2 中没有列出该变量的系数与检验情况。 表 2 中的回归系数显示了中国 31 个省级区域 经济增长空间集聚的来源 : 劳动力系数未通过 t 检 验 , 说明其对区域经济增 长的影响不明显 , 中国各 个地区的就业形势依然严峻 ; 与劳动力形成鲜明对 比的是 , 人力资本与经济增长之间具有显著的正相 关性 , 表明人力资本已经成为决定中国省域经济增 长的重要因素 ; 资 本形成对经济增 长具有正面影 响 , 对增长仍然发挥着重要作用 ; 技术创新对经济 增长表现了一定的直接 正面影响 , 但是作用比较 小 ; 外商直接投

32、资 ( FDI ) 、国际贸易和区际贸易对 经济增长具有显著的正效应 , F DI 对具有很强的技 术溢出效应 , 其技术溢出对中国经济增长起了明显 的促进作用 , 国际贸易和国内贸易对 经济增长都很 重要 ; 政府平均规模较大 , 对省域经济增长具有较 大的干预作用 , 进行政府职能改革是当务之急。 表 2 中国区域经济增长 Panel Data 变 截距模型估计及检验结果 T able 2 Estimation and test results of variation interceptions of Panel Data model in China0 s regional econo

33、mic growth 变量 回归系数 标准差 Std. E t 统计量 小概率 p 值 INV 0. 0055 0. 0018 3. 0703 0. 0027 FGDP 0. 4542 0. 1704 2. 6662 0. 0088 HK 2. 8032 0. 3807 7. 3640 0. 0000 LnTIN 0. 0938 0. 0247 3. 8026 0. 0002 IT R 0. 3794 0. 1097 3. 4594 0. 0008 DTR 0. 4044 0. 1799 2. 2473 0. 0265 GCON 2. 0314 0. 2731 7. 4385 0. 0000

34、R F 166818. 7 DW 1. 6 3 主要结论 综合上述研究 , 我们得到如下主要结论 : 的集聚性 , 区域经济增长的空间差异也比较明显。 对于中国区域经济增长的理论与实证研究 , 传统研 究的思路只从时间维度出发 , 忽视空间维度的相关 性和异质性 , 在理论上存在 严重不足 , 与经济发展 现实不符。需要在时间序列数据的基础上 , 引入空 间地理单元 ( 横截面 ) 数据 , 综合使用时空数据所表 达的时间和空间集成信息 , 进而科学地解释区域经 济增长在时空演变中的机制和规律。 2) 空间相关以及由此带来的国际国内贸易及 外资等经济活动频 繁程度 , 在 很大程度上引 起了

35、31 个省域区际经济增长的空间不均衡 , 空间集聚 使得在经济增长过程中地理区位 ( 距离 ) 产生的空 间成本降低 , 弱化了原来的空间差异对经济增长产 生的影响 , 但地理特征也深刻作用于区域经济增长 空间集聚的 中心和外围关系。 3) 追究区域 经济增长 集聚和差 异存在的 原 因 , 改革开放带来 , 不断提高的人力资本、不断加剧 的经济全球化、日新月异的技术进步状况以及日益 雄厚的物质资本积累 , 在提高中国区域经济效率方 面产生了巨大的作用 , 同时也对中国经济增长的区 域集聚及空间差异产生了影响 , 近来中国区域经济 增长的良好态势充分证明了这一点。 4) 尽管技术进步日新月异

36、, 国际区际贸易、人 力资本、技术创新等因素对中国区域经济增长的贡 献非常重要 , 但它却不能轻易 改变经济地理 的规 则 , 经济增长因素在 地理空间上的非均衡集聚导致 了迥然不同的区域经济增长格局。 参考文献 : 1 李小建 , 乔家 君 . 20 世纪 90 年代 中国县 际经济 差异的 空间 分析 J . 地理学报 , 2001, 56( 2) : 136 145. 2 杨晓光 , 樊 杰 , 赵燕霞 . 20 世纪 90 年代中国区 域经济增长 的要素分析 J . 地理学报 , 2002, 57( 6) : 701 708. 3 Anselin L. Spatial Economet

37、rics: Methods and Models M . Kluw er: Kluw er Academic Publishers, 1988. 4 李子奈 , 叶阿忠 . 高等计量经济学 M . 北京 : 清 华大学出版 社 , 2000. 5 uang Y F, Yee L. Analysing regional industrialisation in Jiangsu province using geographically w eighted regression J . Journal of Geographical Systems, 2002, 4: 233 249 6 Brun

38、sdon C A S, Fotheringham M. Charlton. Some notes on parametric significance tests for geographically w eighted regres sion J . Journal of Regional Science, 1999, 39: 497 524. 7 Sylvie Demurger. 地理 位置与优惠政策对中国地区经济发展 1) 中国省域经济增长具有明显的空间依赖 2 6 期 的相关贡献 J . 吴玉鸣等 : 中国区域经济增长集聚的空间统计分析 经济研究 , 2002, ( 9) : 14 2

39、3. Biometrika, 1950, 37: 17- 23. 659 8 Krugman P. Development, Geography and Economic Theory 14 Geary R C. T he Contiguity Ratio an d Statistical Mapping M . M . Cambridge: MA. M IT Press, 1995. 1954. The Incorporated Statistician, 1954. 5. 9 刘安国 , 杨开忠 . 新经济地理学理论 与模型评介 J . 经济学 15 Barro R, Lee J W. I

40、nternational Comparison of Educational At 动态 , 2001, ( 12) : 67- 72. tainment J . Journal of Monetary Economics, 1993, 32 ( 3) : 10 顾朝林 , 王恩儒 , 石爱华 . 新经济地理学 与经济地理 学的分 363- 394. 异与对立 J . 地理学报 , 2002, 57( 4) : 497 504. 16 Barro R, Lee J W. International M easures of Schooling Years 11 Cliff A D, Ord J

41、 K. S patial Processes: Models and Applications M . London: Pion Limited, 1981. and Schooling Quality J . 86( 2) : 218- 223. American Economic Review , 1997, 12 Cressie N A C. ley, 1993. 13 Moran P A P. Statistics for Spatial Data M . New York: W i Notes on Continuous Stichastic Phenomena J . 17 中国国

42、家统计局 . 社 , 1999 2003. 中国统计年 鉴 M . 北 京 : 中国统 计出版 A Spatial Analysis on China0 s Regional Economic Growth Clustering WU Y u Ming 1, 2 , X U Jian Hua ( 1. Dep art ment of Economics , Guangx i N or mal U niver sity , Guilin, Guangx i 541001; 2. Dep ar tment of Geograp hy , East China N or mal U niver si

43、ty , S hanghai , 200062) Abstract: A t present , t he study on China0 s reg ional econom ic g row t h focuses mainly on spatial patt ern, but the st udy on spat ial correlat ion and t he cause of formation of grow th clustering and disparit y dist ribut ion is sel dom . T his paper int roduces the s

44、patial correlation index method of Moran I and t he comput at ional and t est re sult s show t hat t he provincial regional economic grow th has an obviously spat ial correlat ion. And t he economic g row t h has an obviously cluster in t he geographical space. We also uses t he spatial economet ric

45、 analysis model of spatial tem poral data( Panel Dat a) , and the computational and t est results show that the reg ional economic g row t h during t ime and in space t akes on a dist inct spatial effect s. T he f requent ex tension to economic act ivi t ies produced by int ernat ional and domest ic t rade and foreign capit al etc. brings spatial correlation, and t o a g reat