国内投资的空间分布范文

本站小编为你精心准备了国内投资的空间分布参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

《经济问题杂志》2014年第五期

一、投资的重心移动与空间集聚

(一)投资的重心移动在社会经济现象研究中，区域重心被定义为不同区域权重导致的拉力平衡点，由于各个城市的投资水平不平衡，使得各个城市的权重有很大差异。投资重心移动的方向表明投资活动正在向该地理方向转移。选取336个地级市及以上城市(自治州、盟)的全社会固定资产投资作为投资指标，分析得出我国1995年投资重心位于河南驻马店市，2000年和2005年均位于安徽阜阳市，2011年位于河南周口市。1995～2000年期间投资重心向东北方向移动28.06公里，并且东西向移动幅度大于南北向移动幅度，表明此期间，东部沿海地区的经济得到快速的发展，且超过其他地区，提供了投资重心向东移动的力量。2000～2005年期间投资重心再次向东北方向移动49.43公里，且南北向移动幅度大于东西向移动幅度，表明此期间，以京津冀为代表的环渤海经济圈凭借着发达的交通网络、雄厚的工业基础和人力资本、相对富足的自然资源等区位优势发展迅猛，投资力度加大，为投资重心的移动提供了向北的力量。2005～2011年期间投资重心向西北方向移动74.21公里，造成这种现象的外部原因:西部大开发战略的提出使西部经济发展得到重视，加强了基础设施的建设，其中，西部大城市(比如重庆、西安)的投资力度提升最突出。

(二)投资的空间集聚情况全局空间关联分析(GlobalMoran’sI)反映的是空间邻接或空间邻近的区域单元属性值的相似程度。如果是Xi区域i的观测值，则该变量GlobalMoran’sI计算公式如下。GlobalMoran’sI指数是一种总体统计指标，它只能说明所有区域与其周边地区之间空间差异的平均程度。为了更清晰地反映区域经济内部空间差异的变化趋势，还要通过局部空间关联分析来实现。在进行局部空间自相关分析时，利用LocalMo-ran’sI可以测量每个区域与其周围地区的空间差异程度，即进行局部空间自相关，它是GlobalMo-ran’sI的分解形式。本文采用Moran散点图和LocalMoran’sI两种方法来研究每个区域与周边区域之间的局部空间关联和空间差异，Moran散点图将变量z与其空间滞后变量(wz)之间的相关关系，以散点图的形式加以描述，即构成了Moran散点图。其中，横轴表示变量的观测值，纵轴表示其空间滞后变量的取值。每个区域观测值的空间滞后就是该区域周围邻居观测值的加权平均，具体通过标准化的空间权重矩阵来加以定义。Moran散点图可分为四个象限:第一象限(H－H):区域本身与其周边地区都是高值区，二者的空间差异程度相对较小;第二象限(L－H):区域本身是低值区，而其周边地区为高值区，二者的空间差异较大;第三象限(L－L):区域本身与其周边地区都是低值区，二者空间差异程度较小;第四象限(H－L):区域本身是高值区，而其周边地区为低值区，二者的空间差异较大。将Moran散点图与行政区划图结合起来，便得到LISA集聚图。本文使用Moran’I来判断变量自身的空间相关性，Moran’I取值范围为(－1，1)，指数绝对值的大小表征空间相关程度的大小，同时本文给出中国城市2011年投资的Moran散点图(见图1)，结果显示Moran’I值为0.15，且通过了1%的显著性检验，说明在全国固定资产投资水平相似(高高或低低)的地区集中分布，在空间上表现出较强的全局空间相关性，呈现出明显的趋同集聚。中国城市投资的高高集聚城市有20个，分布在长三角、辽中南地区、京津冀地区、山东半岛，中国投资的低低集聚城市主要分布中国西部省份、黑龙江的边疆地区、广东省揭阳市。中国的投资高低类型区个数仅有2个，即兰州和重庆，说明在中国很难形成投资飞地。中国的投资低高类型区则伴随着高低类型区和高高集聚区而生，具体分布在重庆周边、京津冀和长三角高高类型区周边。

二、投资对区域经济的影响

(一)数据选择资本是工业化国家推动经济发展的主导因素，中国处于工业化中期，经济发展处于投资驱动的次级阶段，资本投入是维持经济增长的主要驱动因素。投资分为国内投资和外资，考虑到两种资本的性质与作用不尽相同，FDI对经济的影响较为复杂，FDI与经济增长正相关关系在学术界尚未形成一致的结论，一些学者认为外资对中国区域经济增长并没有决定性的影响。［18］因此，本文将其分开考虑，分别为国内投资变量(X1)和外商直接投资变量FDI(X2)，国内投资变量取扣除外资的全社会固定资产投资。土地投入是推动中国经济高速增长的重要因素，特别是运用土地政策实施宏观调控以来，土地投入对经济的影响更甚，因此本文采用城市建设用地面积(平方公里)(X3)作为土地投入。中国经济持续高速增长的重要驱动力是廉价劳动力，特别是农村劳动力，因此劳动力投入以就业人数(万人)(X4)来表示。由于西藏缺失数据较多，因此本文将西藏剔除，对329个地级及以上城市(自治州、盟)进行了实证分析。

(二)模型设定本文使用的空间计量经济模型主要是纳入了空间效应的空间常系数回归模型，包括空间滞后模型(SpatialLagModel，SLM)与空间误差模型(SpatialErrorModel，SEM)两种。空间滞后模型(SLM)主要探讨某个经济因素在空间上是否有扩散现象(空间溢出效应)。空间滞后模型中样本观测值的空间依赖关系由外生的空间滞后变量来表达，其模型表达式为。式中，y为因变量矩阵;X为n×k的外生解释变量矩阵;ρ为空间自回归系数;W为n×n的空间权值矩阵，可以用邻接矩阵(rook)或地理衰减矩阵构建，其中，rook是最为常见的空间权值矩阵，rook规定两个地区彼此相邻则为1，不相邻为0，以此构建矩阵，然后进行行标准化，标准化后的矩阵的行元素之和为1，这意味着一个地区的周围地区的权重之和为1;Wy为空间滞后因变量，即相邻地区的观测值Wy对本地区观测值y的作用方向和作用程度，ε为随误差项向量。式中，ε为随机误差项;λ为n×1的截面因变量的空间误差系数;μ为随机误差向量。参数λ衡量了存在于误差项中的样本观测值之间的空间相互依赖作用，参数β的大小反映了自变量X对因变量y的影响大小。SEM的空间依赖作用由于存在于扰动误差项ε中，因此该模型度量了周边邻接地区关于因变量的误差冲击对本地区观测值的影响程度。

(三)实证分析本文建立的空间滞后模型(SLM)表示一个地区的经济增长受周边邻接地区经济增长的影响，该模型表示经济增长存在空间溢出效应。该模型中地区之间的空间依赖性由空间滞后变量WlnY来反映。模型设定为:式(3)中，W为n×n阶标准化空间权重矩阵，WLnY为空间滞后变量。ρ为空间回归系数，其估计值反映周边邻接地区经济对本地区经济的影响，即ρ值刻画了空间相关性程度。本文建立的空间误差模型(SEM)表示地区间经济增长的空间相关性并不是来源于地区的Y值，而是来源于未纳入模型的解释变量的空间相关性。地区之间的空间依赖性通过空间滞后误差项Wε来体现。模型设定为:式(4)中，λ为空间误差自相关系数，其大小刻画回归残差之间空间依赖(或者是空间相关)的大小，λWε为空间滞后误差项。为了比较分析，本文除了SLM和SEM回归分析外同时引进普通模型OLS分析，结果见表1。空间回归决策过程如下:模型的选择标准首先看LM－Lag和LM－Error检测统计量。如果两者都不能拒绝0假设，坚持OLS的结果;如果只有一个LM检验统计量拒绝0假设，则选择与拒绝0假设的检验统计量相对应的空间回归模型。如果两个LM检验统计量都拒绝0假设，则进一步考虑Roubust形式，选择与最显著的统计量相对应的空间回归模型。表1显示Moran’sI误差检验显著，指数为4.3043(P=0.000)，在统计上高度显著。这意味着OLS回归的残差项存在显著的空间相关，即区域经济具有显著的空间相关性，原因则是模型遗漏了空间变量，使得被解释变量LnY的空间相关性不能完全由模型中的解释变量(LnX1、LnX2、lnX3、LnX4)所解释，因此OLS模型回归得出的结果存在一定偏差。之后，同时对两个拉格朗日乘子滞后(LMlag)和误差(LMerr)进行检验，结果二者检验都显著，然后对稳健性(R－LMlag和R－LMerr)进行检验，结果R－LMerr更显著(P=0.000)，进一步说明有必要进行空间计量模型分析，且认为SEM模型可以更好地拟合空间效应。由于空间计量模型采用最大似然法ML估计模型中的参数，因此基于残差平方和分解的拟合优度R2的检验意义不大，但可比较各模型的LogL、AIC和SC值来说明模型的优劣。由表1对比发现，SEM的对数似然LogL、AIC和SC的绝对值都比OLS的估计值小，说明SEM模型比OLS模型估计有效。模型中所有变量的系数均在10%显著水平下呈正相关(除土地投入之外的变量且都通过1%的显著检验)。国内投资(X1)、FDI(X2)、土地投入(X3)和就业人数(X4)越多，城市的GDP总量越大，其中国内投资系数最大，为0.630(P=0.000)，这表明影响一个城市经济水平最为重要的因素是城市的固定资产投资。其次为就业人数，为0.215(P=0.000)。土地投入在不考虑空间相关线的OLS模型中通过10%的显著检验，而在SEM模型中没有通过检验，即在统计上不显著。说明考虑了空间相关性的影响，降低了土地投入对中国城市经济增长贡献率的显著性。FDI对经济的影响为正，为0.118，说明FDI的技术效应和资本积累效应对经济增长具有促进作用，也就是FDI和地区经济增长直接形成了区域循环累积效应。SEM模型中的空间误差项λ的估计值为0.329，且高度显著，表明城市层面的经济水平确实存在显著的空间相关，一个城市的经济水平不仅与物质资本、就业人数、FDI有关，还受到邻近城市的经济水平影响。平均而言，邻近城市的经济总量每增加1个单位，本城市的经济总量增加0.329个单位。总之，2011年中国经济增长主要依靠物质资本及劳动力等生产要素的投入增加，而FDI对经济增长的影响有限。

三、研究结论

本文利用空间计量经济学方法以全国329个地级及以上城市(州、盟)为样本进行实证分析，证实了中国的投资分布具有显著的空间相关性(空间依赖性)，一个地区的投资水平受到周边邻接地区的投资水平的影响。中国投资的高高集聚区分布在长三角、辽中南地区、京津冀地区、山东半岛。依据本文的计量结果，可知首先投资对经济发展有显著的正面影响，国内投资对中国区域经济具有正向的促进作用，作用力远大于FDI、劳动投入和土地投入等要素。国内资产投资每增加1个单位，GDP就增加0.630个单位。由于FDI对区域经济有着显著的正向作用，中国实施西部大开发和中部崛起就必须要积极吸引外资以及充分利用外资，促进区域经济的协调发展。其次，土地作为经济发展日益重要的稀缺生产要素，对经济增长的影响力较大，各地对土地指标的争夺日益激烈，许多城市进行盲目圈地和过度城市化，加剧了资源环境的不协调，依靠土地投入拉动经济增长仅是特殊阶段发展经济的权宜之计，而非持续经济发展的长远之计。

作者：陈园园王荣成安祥生王建康宋庆伟单位：东北师范大学地理科学学院太原师范学院管理系