中国区域工业产业市场效应与数据相关性实证分析
1 模型设定、变量选取与数据处理
本文的主要目的为主导产业的选择提供一个新视角，所以我们借鉴了Davis and Weinstein构建的如下实证检验模型：该模型实质上是一个包含了规模报酬递增和要素禀赋的融合方程。其中，Xncg是国家c行业n产品g的产出，SHAREncg指国家c行业n产品g相对于世界其它国家的产出水平，IDIODEMncg衡量国家c行业n产品g的超常需求，Vc代表国家c的要素禀赋向量。依据系数β2的大小可以判定是否存在本地市场效应，当β2=0时贸易模式由比较优势决定，当0<β21时存在贸易成本的比较优势，而当β2>1时则存在本地市场效应并决定贸易模式。
但是，考虑到我国正处于转型期，除了本地市场效应和要素禀赋向量外，可能还有一些其他的因素对产业结构的调整影响较大，比如政府对经济的干预、生产性服务业的发展水平，本文实际采用的模型为如下的拓展形式：Yijt=β0+β1×YROJijt+β2×X1ijt+β3×X2ijt+β4×X3it+β5×X4it+εijt(2)其中，被解释变量Yijt是i省份j行业第t年增加值，并用工业品出厂价格指数调整为可比价格数据。
解释变量YROJijt衡量不存在超常需求时省行业的基本产出，并假定它与该行业在其它省区的平均产出相同。同样地，该指标用工业品出厂价格指数调整为可比价格数据。
解释变量 X1ijt代表超额需求。根据本地市场效应理论，对于行业j而言本地需求应理解为本地居民和企业等各种经济主体对该行业的实际需求，包括中间需求和最终需求，它的理想数据来源是投入产出表。但是，由于各省的投入产出表都是每五年编制一次，不仅时效性差，中间年份的数据也需要推算，所以许多学者用GDP与净出口之差来衡量本地需求，如Schumache（r2006）、钱学锋，陈六傅(2006)等。但是，很明显这种测算方法仍存在一定的问题，因为它只是计量了本地的最终需求而漏掉了中间需求部分。鉴于此，我们借鉴邱斌、尹威（2010）的做法，用各省各工业行业的销售产值与出口交货值之差代表本地需求。于是，超额需求X1ijt由i省j行业第t年的本地需求减去其他省区j行业该年平均本地需求得到。最后，用j行业的工业品出厂价格指数将其折算为可比价格数据。
解释变量 X2ijt衡量各省各行业资源禀赋，表征每个地区的比较优势。参照邓慧慧（2011）的做法，本文选取和要素禀赋结构特点呈高度相关关系的人均资本存量来衡量，并用i省j行业第t年固定资产净值年平均余额除以i省j行业第t年年平均从业人员数得到。解释变量 X3it是i省第t年财政用于经济建设支出，是体现政府干预程度的指标，旨在反映政府在产业结构调整中发挥的作用。经济建设支出由基本建设、挖潜改造、地质勘探费、科技三项支出、流动资金等加总得出，由于每年的财政支出分类不是完全相同，我们进行了相应的归并和调整。最后，用商品零售价格指数将其调整为可比价格数据。
解释变量 X4it反映各省生产性服务业的发展状况。
生产性服务业贯穿于企业生产的上游、中游和下游各个环节中，是二、三产业加速融合的关键，在我国的经济转型中起着重要的作用。所以，本文引入生产性服务业发展程度作为控制变量。考虑到数据的可得性，我们采用金融业、批发和零售业、房地产业、科学研究技术服务地质勘查业、交通运输仓储和邮政业等5个行业在各省的就业人数之和占各省就业总人数的比例，即各省每万就业人口中在这5个行业就业的人数，来反映各省生产性服务业的发展状况。
2 实证分析
2.1 空间相关性检验
根据空间统计学与空间计量经济学原理，对于区域经济问题，在建模时必须考虑其是否存在空间相关性，所以本文的分析思路是：首先检验运用OLS估计的模型残差是否存在明显的空间依赖性，若存在则建立空间面板数据模型，若不存在则建立普通面板数据模型。检验区域经济变量的空间相关性存在与否，空间统计学一般使用空间自相关指数 Moran′sI，其取值范围为，绝对值越大说明空间相关性越显著，正值代表存在正的空间相关性，负值则与此相反；零值代表不存在空间相关性。但是，即使在空间相关的情况下，相邻地区间的影响并不是完全相同的，经济落后地区对其邻近省区的影响力要比经济发达地区对其邻近地区的影响力弱。为了在模型中更好地体现各省区之间的空间相关性，我们设置如下的经济空间权重矩阵：其中，W为不包括西藏在内的内地30个省的空间邻接矩阵；为省区i在时间t的工业增加值。
以上检验统计量和经济空间权重矩阵只能用于截面数据的检验，为了将其应用于面板数据，必须用分块对角矩阵 C=I⊗WE（I为T维单位时间矩阵，WE为上述N×N的经济空间权重矩阵，T为时期数，N为地区数，⊗表示矩阵的kronecker乘积）作为空间权重矩阵。
经计算，如表1所示，在27个工业行业中有14个在5%的显著性水平下存在空间相关关系，这些行业分别为交通运输设备制造业（12）、通用设备制造业(19)、金属制品业(13)、电器机械及器材制造业(4)、造纸及纸制品业(26)、专用设备制造业(27)、非金属矿物制品业(7)、有色金属冶炼及压延加工业(25)、化学原料及化学制品业(11)、仪器仪表及文化办公用机械制造业(22)、黑色金属矿采选业(8)、石油和天然气开采业(15)、非金属采矿业(6)、农副食品加工业(14)。说明这些行业受周围省份的影响较大，需建立空间面板模型；其他13个行业不存在空间相关关系，应建立普通面板模型。
2.2 模型的建立与分析
2.2.1 存在空间相关关系的工业行业的空间面板数据模型建立空间面板模型，首先需要进行固定效应与随机效应的选择，一般的做法是：先建立随机影响的模型，然后检验该模型是否满足个体影响与解释变量不相关的假设，如果满足就将模型确定为随机效应模型，反之则将模型定为固定效应模型。Hausman检验结果显示:适合建立随机效应模型的行业包括黑色金属矿采选业（8）、仪器仪表及文化办公用机械制造业(22)、专用设备制造业(27)。
其次，需要进行空间滞后与空间误差两种模型形式的判定，一般采用拉格朗日乘子及其稳健形式进行检验，具体为：先用OLS估计不考虑空间相关性的模型，然后进行空间相关性检验，如果拉格朗日乘子LMsar比LMerr在统计上更加显著，且稳健的 R-LMsar 显著而R-LMerr不显著, 则认为空间滞后面板数据模型是比较合适的模型；反之，如果拉格朗日乘子LMerr比LMsar在统计上更加显著，且稳健的R-LMerr显著而R-LMsar不显著, 则认为空间误差面板数据模型是比较合适的模型。检验结果显示: 电器机械及器材制造业(4)、黑色金属矿采选业(8)、农副食品加工业(14)、通用设备制造业(19)、仪器仪表及文化办公用机械制造业(22)、有色金属冶炼及压延加工业(25)、造纸及纸制品业(26)适合建立空间滞后面板数据模型；其他7个行业适合建立空间误差面板数据模型。
将上述两个检验结合起来，可以确定14个工业行业需建立的空间面板数据模型的类型，结果如表2所示。从Adj-R2可以看出，所有模型的拟合效果均较好。电器机械及器材制造业(4)、黑色金属矿采选业(8)、农副食品加工业(14)、通用设备制造业(19)、仪器仪表及文化办公用机械制造业(22)、有色金属冶炼及压延加工业(25)、造纸及纸制品业(26)等7个适合建立空间滞后模型的工业行业的空间滞后项(I⊗WE)y都通过了5%的显著性检验。而非金属采矿业(6)、非金属矿物制品业(7)、化学原料及化学制品业(11)、交通运输设备制造业(12)、金属制品业(13)、石油和天然气开采业(15)、专用设备制造业(27)等其他7个适合建立空间误差模型的行业的空间误差项 μ(I⊗WE) 也都通过了5%的显著性检验。而经检验，上述14个行业的空间面板模型的残差在5%的显著性水平下均已不存在空间相关性（结果从略）。这就再次说明这14个行业的发展确实受到空间相关因素的影响，通过空间相关检验和建立空间面板数据模型消除了空间自相关之后，模型可以更好地反映这些行业的经济状况。
2.2.2 不存在空间相关关系的工业行业的普通面板数据模型
空间相关性检验不显著的行业需建立普通面板模型，在建立模型前，同样要对模型的形式选择进行相应的检验，限于篇幅，这里不再对检验过程进行详细说明，只给出模型结果，如表3所示。可以看出，各行业的模型Adj-R2都较高，都在0.9以上，模型的拟合效果较好。
本文编号：8152
本文链接：https://www.wllwen.com/jingjilunwen/gongyejingjilunwen/8152.html
