地方财政支出对经济增长影响的空间计量分析.pdfVIP

地方财政支出对经济增长影响的空间计量分

析—辽宁省为例

张峁徐蓓蓓江栋

（二）模型估计方法和选取原则

由于空间相关具有双向或者多方向的性质，如果用传统的OLS方法去估计带

有滞后因变量或序列相关的模型，参数的0LS估计结果将是有偏的。因此，需要

考虑其它的估计方法，Ord（1975）首先提出了空间滞后和空间误差模型的极大

似然估计（ML估计）法，本文在进行模型估计时也采用极大似然估计。在模型

估计出来以后，我们不能辨别出是空间滞后模型较优，还是空间误差模型较优，

这就涉及到模型选择的问题，常用的模型选择标准有两种。一、根据Anselin

（2004）提出的判别准则，可通过对统计量MoransI、LMLAG统计量和LMError

统计量的检验来判别，哪种模型的统计量绝对值越大，显著水平越高，就采用哪

种模型。二、在LMLAG统计量和LMError统计量都无法辨别模型优劣的条件下，

一般对两个模型的极大似然估计量（LogL）、赤迟信息量（AIC）和施瓦茨信息

量（SC）进行比较，LogL越大、AIC和SC值越小，说明模型越优。

（三）实证结果及分析

1.空间相关性检验在进行空间计量分析以前，首先要对地区间的空间相关性

进行检验，空间相关性检验主要应用的是MoransI，这里我们采用一阶ROOK空

间权重矩阵对样本（14个地级市）数据做全局空间自相关检验，以分析其是否

存在空间依赖性。各地区财政支出相互作用、相互影响。本文只对政府总财政支

出、人均GDP、固定资本和从业人员四个变量做空间自相关检验，各变量空间自

相关性检验结果如表1：

从表1中Moran值可以看出，辽宁省14个城市之间的国内生产总值，固定

资本投资、从业人员以及地方财政支出等变量都具有十分明显的空间相关性，即

相似值之间的空间集聚。下面通过散点图和显著性水平图具体考察各变量的相关

性，图1为人均GDP的散点图。

从以上GDP散点图可以看出，大部分地区聚集在第二象限和三象限，即具有

较低GDP水平的地区和具有同样较低GDP水平的地区向邻近，这样的地区有锦州、

阜新、朝阳、铁岭，还有位于第二象限的，即具有较低GDP水平的地区和具有较

高GDP水平的地区邻近，这样的地区主要有本溪、营口、丹东和辽阳。图2为根

据LISA显著性水平得到的人均GDP的显著性水平图，图中我们可以看出灰色的

地区为本溪市，表现为低－高的人均GDP水平，说明周围地区的经济发展对其产

生较强的带动作用。近年来，由于国家对东北老工业地区的大力扶持，以及沈阳

－抚顺、沈阳－本溪同城化建设的大力推进，再加上其自身矿产资源丰富，在这

些因素的带动下，本溪已成为辽宁省经济增长较快地区。有着先天优势的海滨城

市大连和省会城市沈阳一直对辽宁省的经济发展起着带头的作用，其人均GDP

区位分布为高－低，成为拉动经济增长的中心。图3和图4分别给出政府财政支

出的空间相关性散点图和财政支出显著性水平图：

从财政支出散点图可以看出，辽宁省财政支出水平也很不均匀，低－低聚集

地区比较多，而且多数地区集中在辽宁西北部地区，特别是西北地区的阜新和朝

阳两地，财政支出水平显著偏低，铁岭和本溪表现为被高值包围的低值区，由于

城市规模、人口规模、城市发展水平等因素的不同，大连、沈阳均表现为被低财

政支出地区包围的高值区，这说明辽宁省财政支出偏低的地区较多。由于文章主

要考察财政结构对经济的影响，因此其它变量的散点图和显著性水平图没有给

出。以上结论证明，对各地区财政支出结构和经济增长进行分析研究时，不能忽

视空间因素的影响，在用经济模型进行分析时，应该考虑空间效应的影响，即在

模型中加入空间地理因素变量，如果还只是简单的应用传统的时间序列模型，会

导致模型设定的偏误和估计结果的偏差，这样必然降低模型对现实经济的模拟效

果。

2.模型估计结果

在对变量进行空间相关性检验以后，需要采用空间计量经济模型对财政支出

结构和经济增长进行量化分析，由于财政支出效果的滞后性，文章分别以

2004-2006年的数据作为自变量，分别以2005-2007年地区生产总值（GDP）为

因变量进行回归。经过多次试验，最后得出以2004年的数据为自变量，而以2007

年的GDP为因变量时，模型效果最优，为了比较空间计量模型和最小二乘法估计

模型的优劣，文章分别给出了OLS估计、SLM和SEM模型的估计结果，实证分析

所用软件