空间外部性与地区收入差异:基于动态面板数据的

实证研究

殷醒民¹，刘修岩¹， 贺小海^2，3

四、实证分析

（一）计量方法

在我们的计量模型（7）中，即使假定 不存在序列相关，方程中因变量的一阶滞后项 与复合误差项中的非观测个体固定效应 也会存在着相关性，从而导致混合OLS估计和固定效应（组内）估计的结果都是有偏的。一般而言，非观测个体固定效应的存在使得因变量滞后项系数 的混合OLS估计量将会存在向上偏误(Hisao，1986)；而在时间较短的面板中，固定效应估计则会产生一个严重向下偏误的 的估计量（Nickell，1981；Bond，2002）。因而， 的一致估计量将处于混合OLS估计和固定效应估计之间。为了解决计量模型中存在的内生性问题，从而获得各个内生变量系数的一致性估计，我们将使用Arellano and Bond(1991)发展的差分GMM方法来对动态模型进行估计。Arellano and Bond(1991)的解决方法是，首先对动态模型进行一阶差分，从而消除非观测的固定效应，然后使用因变量的滞后项和其他内生变量的滞后项作为各自差分项的工具变量来进行估计。因而，一阶差分GMM方法也有助于消除其他解释变量的内生性问题。正如许多研究者所强调的那样，由于不可观测固定效应，或变量的联立性的存在，我们所考察的主要解释变量市场潜能和就业密度都可能是内生的[1] 。此外，我们引入的其他控制变量如人力资本、 固定资产投资比重、地方财政支出比重和外商直接投资比重等变量也都可能会与一个地区的人均GDP存在联立内生性。因而，在这里我们假定所有这些解释变量都是内生的，通过使用它们的滞后项作为工具变量来消除模型存在内生性偏误，从而得到更加可靠的回归结果。

（二）实证结果分析

我们使用Arellano and Bond(1991)的方法首先对计量模型（7）进行了两步的一阶差分GMM（two-step first-difference GMM，以下简称差分GMM）估计，回归结果见表4的第四列。从中我们可以看到，市场潜能和就业密度的回归系数都显著为正，这同我们最初的理论预测完全一致。但是，考虑到市场潜能与就业密度之间存在着较强的相关性（二者的相关系数为0.6136），所以为了增强回归结果的稳健性，我们还在剔除其中一个变量的情况下分别进行了差分GMM估计，回归结果见第五、六列。我们发现，与最初的回归结果相比，因变量的滞后项、市场潜能和就业密度回归系数的大小和显著性都基本没有发生改变。这表明我们最初的回归是稳健的。 

同时，为了确保回归结果的可信性，我们还必须对模型设定的合理性和工具变量的有效性进行检验。二阶序列相关（AR(2)）的检验结果显示支持了水平方程中误差项不存在序列相关的假设，表明我们设定的动态一阶自回归模型是合理的。Arellano and Bover(1995)和Blundell and Bond(1998)指出，当动态面板的时间T较短时，一阶差分方程中的工具变量与内生解释变量可能仅存在着较弱的相关关系，从而导致差分GMM估计存在严重的有限样本偏误。一个简便而实用的验证方法是对差分GMM的估计结果同混合OLS和固定效应的估计结果进行对比，如果差分GMM估计中因变量滞后项系数 的估计值较为接近（或低于）该系数的固定效应估计值，则表明由于弱的工具变量所导致的有限样本偏误是十分严重的（Bond et al.，2001)。因此，我们还对计量模型（7）进行了混合OLS和固定效应估计（见表4的第二、三列）。可以看到，差分GMM估计中因变量滞后项的系数大小处于混合OLS和固定效应估计之间[2]，并且它与固定效应估计的系数存在较大的差别。这意味着，我们并没有发现差分GMM估计中存在有限样本偏误的证据。同时，Sargan过度识别检验的结果也显示，在第四列的差分GMM估计中，我们不能拒绝工具变量有效性的零假设（p值大于0.1）[3]。因此，通过表4中报告的几个结果以及相应的检验，我们可以确认，第四列的差分GMM估计所得到的结果是稳健的，下面我们将以此为基础来讨论实证研究的发现。

表4 回归结果

注：（1）系数下方的值是标准差，***表示在1%水平上显著，**表示在5%水平上显著，*表示在10%水平上显著。（2） ^a 零假设为差分后的残差项不存在一阶序列相关（如果差分后的残差项存在一阶序列相关，差分GMM依然是有效，详细的讨论参见Roodman(2006)）；^b零假设为差分后的残差项不存在二阶序列相关（如果差分后的残差项存在二阶序列相关，则差分GMM是无效的）；^cSargan检验的零假设为过度识别检验是有效的。

首先，回归结果显示，一个地区市场潜能提高10%，会使各该地区的人均GDP提高14.5%左右。这与新经济地理学所提出的市场潜能效应假说的预期是完全一致的，一个地区拥有进入大规模市场的良好机会，关联效应所产生的货币外部性将导致该地区拥有较高的收入水平。就中国的现实情况而言，改革开放以来，对外开放引致的出口导向型战略和东部沿海地区本身的地理条件使得东部地区具有了一个初始的相对优势，这种优势吸引其他地区的劳动力、资本要素向东部沿海地区集聚，从而提高了沿海地区的市场潜能，在空间货币外部性的作用下，扩大了的市场潜能反过来提高了沿海地区的整体福利水平，又进一步吸引外部生产要素的流入。因此，在这种循环累积机制带动下，东部沿海地区逐渐成为中国的经济中心，从而使得东部与中西部地区间的收入差距被进一步拉大和长期锁定。同时，就业密度对于人均收入的弹性系数也显著为正。具体而言，一个地区就业密度提高10%，会使该地区的人均GDP提高0.11%左右。这表明经济活动的空间集聚所带来的技术外溢也可以有效地提高当地的劳动生产率，从而带来更高的人均GDP。这也证实了范剑勇（2006）的研究结论，他发现中国各地级市的就业密度对其劳动生产和工资都存在着显著为正的影响。

其次，通过市场潜能和就业密度对人均GDP的弹性系数的简单对比，我们发现，虽然这两种外部性对于地区人均GDP的影响都显著为正，但市场潜能对人均GDP的弹性系数远远大于就业密度的弹性系数。这意味着，从绝对量来看，市场潜能效应对空间收入差距的形成有着更为重要的影响。但是，我们知道，在一个方程中仅仅根据不同变量系数的大小来断定哪个解释变量更为重要并不可信，只有通过对解释变量的系数进行标准化才能把它们放在相同的地位上来比较。所以，我们通过计算得到市场潜能和就业密度的标准化弹性系数[4]分别为0.9649和0.0187。可以看出，与就业密度相比，市场潜能对于地区人均GDP的差异有着更强的解释能力。总之，无论从绝对弹性系数，还是从标准化弹性系数来看，市场潜能所带的空间货币外部性在中国地区的收入差距的形成中起到更为关键的作用。之所以空间外部性因素的影响程度更大，可能与我们考察的地理范围有关，在较大的地理范围上，货币外部性的作用会更为明显，而技术外部性在较小的地理空间（如一个产业区或工业园区内）上才更为显著。这也Mion and Naticchioni (2005)基于意大利数据的实证研究结论基本一致。

最后，其他控制变量的符号也与多数现有实证研究的结论基本一致。我们发现，以成人识字率衡量的人力资本指标对地区人均GDP的影响显著为正。同时，固定资产投资比重和外商直接投资比重等变量对地区人均GDP也存在显著为正的影响，而地区财政支出比重则对地区人均GDP存在不显著负的影响。

楼上的仁兄，我是学地理的，对于经济方面不太了解，但是做论文时要用到空间自相关，还是有好多东西一头雾水。

特别是局部自相关，还是不能理解。还有，有没有什么软件可以做这方面的，好像有个GeoDa,但想要看懂还是有点难度。有没有这方面的具体操作的文章，还有对每个指标的解释？？

真的头大。。。

我的QQ是195258997。

请指教，谢谢！

我也在边学边用，可以一起交流啊!

[此贴子已经被作者于2008-6-12 17:18:23编辑过]