福建省县域经济增长空间相关模型构建|2017福建县域经济排名

来源:小学教育 发布时间:2019-06-02 05:36:15 点击:

  摘要:文章根据新经济地理、新经济的有关理论和假设,利用全局空间自相关Moran指数选择最优的空间权重矩阵,在各种指标变量变换基础上,利用WLS模型检验各变量,综合比较各种变量的SLM和SEM模型,根据选定的指标逐步回归得出福建省GDP最优的空间自相关模型。
  关键词:GDP;空间滞后模型;空间误差模型
  
  一、引言
  区域经济差异研究一直是经济地理学、区域经济学、发展经济学研究的核心问题之一,根据新经济地理学、新经济理论及经济增长的有关理论与假设,对区域经济发展差异成因的分析主要集中在资源、地理、经济等方面进行定性的分析或选取一定的指标利用传统计量方法(如相关分析、回归分析等)对区域经济差异的成因进行定量分析。新经济地理学认为空间上任何事物与其周围事物都存在联系,几乎所有空间数据都具有空间依赖或空间自相关特征,因此采用传统计量方法缺少空间自身的相关性。根据地理学第一定律在一个开放的区域经济体系中,一个地区的经济增长已不再仅仅依靠其内在因素,而是越来越受到周边地区的影响,所以要理解区域经济差异的成因,不能忽视相对区位和空间距离等地理因素以及与地理位置相关的数据间的空间依赖性或空间自相关性,空间自相关分析及空间回归等空间分析方法很好地解决了这一问题,文章根据空间计量经济学的原理对福建省县市经济差异成因进行了探讨分析,在此基础上根据选取的指标构建一个福建省最优的县市经济增长率的空间自相关模型。
  二、地理加权的空间计量方法与模型
  (一)空间权重及空间全局自相关
  空间权重矩阵通常定义一个二元对称空间权重矩阵Wn×n,表达n个位置的空间区域的邻近关系,常用有邻接、距离和k最近点几种方式确定空间权重矩阵规则。
  全局Moran’I指数反映空间邻接或空间邻近区域单元属性值的相似程度,对于位置的观测值,该变量的全局Moran’I指数可用公式①表示:
  I=
   =①
  S2=(xi-)2 =xi
  ①式中:I――Moran指数;xi――区域的观测值;wij――空间权重矩阵;如果j是直接与i毗邻的四个单元之一,系数wij为1;如果是其他单元或单元为无数据,系数wij为0,Moran’I指数的取值一般在[-1,1]之间,I0,正相关。
  (二)空间计量经济回归模型及估计
  1、空间滞后模型
  空间滞后模型(SpatialLagModel,SLM)主要探讨各变量在一个地区是否有扩散现象。
  其表达式为: Y=ρWY+Xβ+ε②
  ②式中:Y为因变量;X为n×k的外生解释变量矩阵;ρ为空间回归关系数;W为n×n阶的空间权值矩阵,一般采用空间邻接矩阵(ContiguityMatrix);WY为空间滞后被解释变量;ε为随机误差项向量。
  2、空间误差模型
  空间误差模型(SpatialErrorModel,SEM)的数学表达式为:
  Y=Wβ+εε=λWε+μ③
  ③式中:ε为随机误差项向量;λ为n×1截面被解释变量向量的空间误差系数;μ为正态分布的随机误差向量。参数λ衡量了样本观察值中的空间依赖作用,即相邻地区的观察值Y对本地区观察值Y的影响方向和程度,参数β反映了解释变量X对被解释变量的影响。
  3、估算技术
  对于上述两种模型的估计如果仍采用普通加权回归最小二乘法(WLS),系数估计值会有偏或者无效,需要通过工具变量法、极大似然法或广义最小二乘估计等其他方法来进行估计。
  4、SLM和SEM模型选择
  为了决定哪种空间模型更加符合客观实际情况,可用空间计量经济学的两个拉格朗日乘数(LagrangeMultiplier)形式LM-lag、LM-error及其稳健(Robust)RobustLM-error、RobustLM-lag形式等来进行判别。Anselin于2005年提出了如下判别准则:先进行WLS回归分析,如果在空间依赖性的检验中发现,LM-lag较之LM-error在统计上更加显著,则选择空间滞后模型;反之,如果LM-error比LM-lag在统计上更加显著,则选择空间误差模型;如果两者都不显著,那么就保留WLS回归的结果。除此以外,其他常用的检验准则还有:自然对数似然函数值(Loglikelihood,LogL),似然比率(LikelihoodRatio,LR)、赤池信息准则(Akaikeinfocriterion,AIC),斯瓦茨准则(Schwartzcriterion,SC)。对数似然值的越大,似然率越小,AIC和SC值越小,模型拟合效果越好;布劳殊-培甘(Breusch-Pagan)和科伦克-巴赛特(Koenker-Bassett)数值越小,说明模型拟合效果越好;另外一个好的模型,其结果应该符合“W2>LR>LM-lag或LM-error)”的原则。
  三、指标变量选择、估计和模型构建
  新经济地理学指出一定程度上深受一种诱惑之害,即集中关注最容易建模的东西,而不是在实践中可能是最有用的东西。实际上只考虑了这些因素中的一个,而且是实践中相对不重要、更容易规范化的那个。新经济增长理论认为GDP增长是因为人们在追求利润中所作出的选择,而且增长可以无限持续下去。新经济增长理论的主要任务之一是揭示经济增长率差异的原因和解释持续经济增长的可能。
  美国经济学家西蒙•库兹涅茨对经济增长进行定义,这个定义是对各国经济增长历史经验的高度概括,体现了经济增长的实质。因此这一定义已被经济学家广泛接受,并作为研究经济增长问题的出发点。经济增长是产量的增加,因此可以根据总生产函数来研究增长的源泉。
  总生产函数用公式来表示就是:
  Y=A•f(K、L)④
  ④式中:Y――产量;K――资本;L――劳动;A――技术。表明经济增长的源泉是资本、劳动与技术。
  根据新经济地理学、新经济理论和经济增长的有关理论和假设,经济变量之间普遍存在着相关性,本文选取了以下变量作为福建省县市经济差异成因的分析指标并采集福建省66个县市相对应的数据(除平潭县不存在空间相邻性),利用地理信息系统软件(ArcGIS)进行空间矢量图形和属性数据采集(见表1)。
  变换变量的加权最小二乘估计方法可看作是为了使方差稳定,同时变换自变量与因变量的方法,对因变量的变换是线性的,因此只改变误差项的方差,而不改变分布。本文为得出最优模型,对变量进行变换,分别采取变量进行取对数变换,对变量进行标准差标准化变换(具体公式如下),进行标准差标准化处理后数据的均值为0,方差为1,变换后与指标的量纲无关。
  x′ij=(i=1,2,…,n;j=1,2,…,m)⑤
  利用全局Moran’I指数进行空间自相关性分析检验,本文使用了5种不同的空间权重检验福建省2007年各县市GDP是否表现出空间上的相关性。此方法允许我们通过计算邻近县域之间经济增长水平相互关系的空间自相关指数,进而测算并估计各县市间的空间邻近效应和空间依赖性。全局Moran’I指数的计算结果,如表2所示。
  由表2可知,Moran’I指数在1%的水平下显著且为正值,显示了正的空间自相关性。意味着福建省2007年县市GDP在空间上呈现为一种空间的集聚现象,也就是说,具有高(低)增长水平的县市与其他具有高(低)增长水平的县市在空间位置的分布上相互邻近。计算结果发现K最近点邻接矩阵的Moran’I指数最大,表明利用该空间权值矩阵计算的空间效应是可取的。
  根据选取的各个指标进行WLS回归进行多重共线性检验,结果如表3所示。
  根据Anselin采用如下的判别准则:如果多重共线性(MulticollinearityConditionNumber)的值超过30,则说明回归模型中自变量存在多重共线性问题,发现选取的变量和经过变换的变量都存在多重共线性,采用除去变量的方法,发现X6(财政收入)指标存在多重共线性,排除该指标从新进行检验,结果如表4所示。
  结果说明将变量进行标准差标准化处理变换后多重共线性(MulticollinearityConditionNumber)的值27.190LR>LM-lag或LM-error)”的原则。本文计算结果W2=65.78>L R=0.86(误差回归)或LR=1.72(滞后回归)>LM-error=0.68,说明SLM和SEM模型均比用加权OLS法估计都有显著提高,在我们选取的指标下,SLM和SEM两种适实际情况,根据两种模型的判别指标,LM-lag较之LM-error在统计上更加显著,则选择空间滞后模型;相反,如果LM-error比LM-lag在统计上更加显著,则选择空间误差模型;计算结果Robust LM(lag)=1.9237>Robust LM(error)=0.683,因此选用空间滞后模型更符合福建经济增长的实际情况。
  综合以上的各种条件的筛选:最终确定K值权重下的变量经过标准差标准化的空间滞后模型符合选取指标下的最优福建县市经济空间回归模型,计算结果如表6所示。
  由表6可知:SLM模型R-squared高度显著,但部分因子通不过显著性检验,说明滞后回归模型存在多重共线性。变量X3(人力资本)、X8(交通)、X9(劳动力)和X11(人口密度)通不过显著性检验,其他变量都通过0.05的显著性水平检验,说明在这几个指标对福建省县市GDP发展的影响不是很明显,在人力资本方面,由于选取在校中学生,随着经济的发展,中学教育水平已经不能满足经济发展需求,需要有高职生、大学生学历的高层次人力资本,除此之外,外来人力资本也是经济发展另一个重要因素之一,由于资料有限性,本文无法很好体现;交通便利是经济发展的一个关键因素,由于福建的地形较复杂,使得福建省的交通网络不够发达;由于福州和闽南三角带产业聚集多,并且较大部分是劳动密集型产业,因此人口主要集中的福州和闽南三角带,而其他城镇的人口密度较低,导致上述几个因子对福建的经济增长率影响不是很明显。
  采用逐步回归分析方法,逐次剔除不显著因子,从表7得出福建省GDP的最优空间自相关模型:
  Y(GDP)=0.0148W-GDP+0.132X2
  +0.564X4+0.028X5+0.158X7
   -0.022X8+0.167X10-0.0009
  空间自相关模型中W_GDP为空间滞后因子,说明福建省GDP增长率不仅与其自身内部的因素(最终消费、工业化、农林渔业产值、财政支出、交通、劳动力、城镇化)有密切相关;而且还与其空间滞后因子(与其相邻的县市的GDP增长率)有关,即当空间相邻的县市GDP每增加1个单位,其总的GDP将增加0.0148个单位。
  四、结论
  本文在综合比较各种空间权重下,根据新经济地理,新经济的有关理论个假设,县市经济增长水平受到其相邻地区的经济绩效的影响,即受到其地理位置的影响,意味着县市之间的地理溢出效应对经济发展来说是不可忽视的,忽略空间依赖性的计量分析可能存在模型设定不恰当的问题。因此利用全局空间自相关Moran指数选择最优的空间权重矩阵,根据有关理论选择相应的指标变量,在变量变换基础上,对变量的在WLS模型检验下,综合比较变量的SLM和SEM模型,在选定的指标进行逐步回归得出福建省县市最优的空间经济增长率自相关模型,改善了模型对县市经济现实的解释力和说服力。分析结果显示福建省县市GDP空间差异与最终消费、工业化、农林渔业产值、财政支出、劳动力、城镇化这些因素存在密切相关性,说明相邻县市之间以及具有空间经济联系的县市之间合作协同将会使所有县市的发展受益。合作的领域可以放在基础设施建设、城镇化建设、工业和农业发展等方面。由于资料数据的获取有限性,在自变量的选取上综合考虑有待进一步研究。
  参考文献:
  1、吴玉鸣,徐建华.中国区域经济增长集聚的空间统计分析[J].地理科学,2004(6).
  2、苏建云,黄耀裔,陈文成.福建省设区市经济的空间自相关分析研究[J].中国集体经济,2008(3).
  3、李航飞,汤小华,魏文佳.福建省县域经济差异成因空间统计分析[J].杭州师范学院学报,2007(4).
  4、汤国安.ArcGIS空间分析实践教程[M].科学出版社,2005.
  5、张建同,孙昌言.以Excel和SPSS为工具的管理工具[M].清华大学出版社,2005.
  (作者单位:泉州师范学院资源与环境科学学院)

推荐访问:福建省 经济增长 县域 构建
上一篇:论会计模拟实训教学:会计综合模拟实训
下一篇:最后一页

Copyright @ 2013 - 2018 四八文档网-文档下载,办公室文档软件 All Rights Reserved

四八文档网-文档下载,办公室文档软件 版权所有 沪ICP备09019570号-4