论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　(二）计量模型的设定

　　根据上述理论模型的设定，用人均GDP代表地区的人均收入，则以人均GDP表征的地区经济发展要受到该地区的市场潜能或者说受到其他地区经济发展的影响。另外，根据古典增长理论以及新增长理论，我们将资本、劳动力以及人力资本引入到计量模型之中，用来考察主要投入要素对地区经济发展的影响。考虑到中国的国情，我们也引入各地区到最近海岸港口的距离，以代表各地区受海外市场的影响因素。据此，本文设定地区经济发展的基本计量模型如下：

　　YtMPtKt…

　　ln=Y〇+YllnMPr+Y2ln+Y3DKLrt+Y4DLrt+Ysdrt+^rt(6)

　　r,t-1r,t-1r,t-1

　　其中，各变量下标r代表地区、代表年份，Yrt代表地区r第t年的人均GDP;Krt代表人均固定资产投资，其中既包括国内投资，也包括外商投资；DKLrt=KLrt-KLr,,1为人力资本的变动，KLrt为地区r第t年大专以上学历人口占6岁以上人口的比例；DLrt=Lrt-Lr,,_1为劳动力投入的变动，Lrt为地区r第t年劳动人口占总人口的比例。drt为各省区省会城市与最近海岸港口的距离。

　　四、中国地区经济发展的空间溢出效应

　　为了对中国大陆31个省区经济发展的影响因素进行比较分析，尤其是考察地区经济发展的空间溢出效应，我们以（6)式为设定的计量模型进行经验分析。

　　(一）数据来源

　　本研究采用的数据中经济、人口类数据来自1999一2010年的《中国统计年鉴》，各省会城市间的距离以及省会城市与最近海岸港口的距离数据是根据国家测绘局公布的国家基础地理信息系统中1:400万中国地形数据库整理得到的，采用的是欧氏直线距离。

　　本研究特别关注中国区域经济发展中区域间的溢出效应，它通过市场潜能这一指标来刻画。我们采用最为常见的Harris(1954)提出的市场潜能函数方法来衡量各地区的市场潜能：

　　其中GDPs,为第t年地区s的GDP,d"为地区r与地区s省会城市间的欧氏距离。这一方法简单地刻画了地区r的市场潜能，它是其他地区经济发展水平的加权和，权数为该地区距其他地区距离的倒数。这一方法认为其他地区经济发展对该地区的溢出效应随着地区间距离的增加而减弱。

　　最后需要指出的是，各地区GDP数据按GDP平减指数进行了缩减，同样地，固定资产投资数据也根据各地区固定资产投资价格指数进行了缩减，因此它们的变动中已不包括价格变动的影响。

    (二）模型估计

　　我们的研究采用了中国大陆31个省区11年的相关数据，因此具有典型的面板数据特征，需要采用paneldata方法进行计量分析。在面板数据分析中，必须控制两类非观测效应--个体效应与时间效应，因此，我们将（6)式中随机误差项设定为^=4+表+的形式。

　　然而，正如许多其他计量分析方法一样，对（6)式的估计还要具体看模型中的随机误差项是否满足经典的Gauss假设。如果满足，通常的估计面板数据模型的方法才可得到无偏且一致的估计量。这里，_方面需要考虑代表个体效应的与代表时间效应的A是否与模型中的解释变量相关，从而决定面板数据模型是采用固定效应还是随机效应的方法来估计；另_方面需要考虑随机误差项urt所具有的分布形态。在第二部分的讨论中我们已经看到，中国不同地区间存在着一定程度的空间依赖性，因此，还必须将这种地理空间依赖信息引入到模型里去，才能得到更为可信的估计结果。在我们模型的设定中，已通过市场潜能这_变量来刻画某地区对其他地区的空间依赖关系。然而我们知道，_个地区对其他地区的依赖关系是相当复杂的，仅凭借市场潜能一个指标可能无法完全抓住所有的影响因素，其他可能影响着地区经济增长的且具有空间相关性的因素便进入到了模型的误差项中，这将可能导致模型的随机误差项表现出较强的空间相关性。因此，我们将（6)式具体化为如下空间误差模型来进行估计：

　　yt=+ar+St+ut，ut=AWut+etet~N(0,a2In)(8)

　　其中是由ln^/Fm)为元素组成的列向量，x,为一矩阵，矩是表征个体效应与时间效应的随机列向量，u,与e,均为以urt与ert为元素的列向量。我们称（8)式为空间误差面板数据模型（spatialerrorpaneldatamodel),A是空间误差模型中揭示回归残差之间空间相关强度的参数。（8)式中的W为空间自相关权矩阵，其生成方式与前述计算Mornn'I指数中的权矩阵W相同。空间误差模型不再适合用OLS法进行估计，一般采用极大似然法（ML)进行估计而得到可信的参数估计值。