省會的集聚效應(yīng)對區(qū)域經(jīng)濟發(fā)展的影響研究
——基于OLS模型的分析

李漢

（安徽財經(jīng)大學(xué)　財政與公共管理學(xué)院，安徽　蚌埠　233000）

省會的集聚效應(yīng)對區(qū)域經(jīng)濟發(fā)展的影響研究
——基于OLS模型的分析

李漢

（安徽財經(jīng)大學(xué)財政與公共管理學(xué)院，安徽蚌埠233000）

本文基于我國部分省會城市和省級區(qū)域的經(jīng)濟數(shù)據(jù)，依據(jù)集聚效應(yīng)原理，從省會城市的GDP所占比重、財政收入、投資規(guī)模、交通中轉(zhuǎn)量等角度分析比較部分省會城市的集聚效應(yīng)，并運用OLS計量方法建立省會的集聚水平與區(qū)域經(jīng)濟發(fā)展的模型，在充分比較的基礎(chǔ)上，研究省會集聚效應(yīng)對區(qū)域經(jīng)濟發(fā)展的影響，進而得出相應(yīng)結(jié)論和建議.

集聚效應(yīng)；區(qū)域經(jīng)濟；OLS分析

1　集聚效應(yīng)原理概述

1.1集聚效應(yīng)原理

集聚效應(yīng)（combinedeffect）是指經(jīng)濟發(fā)展點在空間上集中產(chǎn)生的規(guī)模效應(yīng)以及吸引各類產(chǎn)業(yè)經(jīng)濟活動向一定地區(qū)靠近的力量，是導(dǎo)致城市形成和不斷擴大的基本因素.根據(jù)集聚的定義，集聚效應(yīng)在使各種生產(chǎn)要素在空間上集中會產(chǎn)生兩種效果，一種是表面上的即各種產(chǎn)業(yè)的集中帶來了區(qū)域經(jīng)濟的增長，另一種是由于勞動力要素的集聚使得人口增加，區(qū)域市場也相應(yīng)擴大從而帶來了經(jīng)濟上的規(guī)模效應(yīng).

1.2我國省會集聚效應(yīng)和區(qū)域發(fā)展概況

1.東部經(jīng)濟發(fā)達地區(qū)

（1）區(qū)域經(jīng)濟發(fā)展概況：我國東部地區(qū)主要是沿海開放地區(qū)，最早進行對外開放、引進外資，在工業(yè)和貿(mào)易的發(fā)展上一直處于全國領(lǐng)先地位，該地區(qū)包括11個省市，三大直轄市北京、上海、天津以及經(jīng)濟總量處于前列的經(jīng)濟大?。◤V東、江蘇、山東等）都在分布在東部地區(qū).

圖1　我國東部地區(qū)各省的GDP總量

根據(jù)國家統(tǒng)計局數(shù)據(jù)，2014年東部地區(qū)GDP總額為353895.91億元，而2014年全國GDP總額為684349.42億元，東部地區(qū)在全國GDP總額中的占比達到55.34%，是我國經(jīng)濟總量占比最大，產(chǎn)值最高的地區(qū).

（2）省會集聚效應(yīng)特點

首先，在東部地區(qū)省級區(qū)域內(nèi)部大多存在兩個或兩個以上的經(jīng)濟中心城市，也就是說在東部地區(qū)的各省市中，大多存在省會之外的經(jīng)濟中心城市，區(qū)域經(jīng)濟發(fā)展呈現(xiàn)多極化.其次，東部地區(qū)的第一經(jīng)濟中心城市多為非省會城市，省會城市的經(jīng)濟集聚效應(yīng)相對較弱.以江蘇省為例，2014年經(jīng)濟總量超過8000億元的中心城市達到三個（蘇州、南京、無錫），其中蘇州的GDP總額為13760.89億元遠遠超過作為省會城市南京的8820.75億元.僅從生產(chǎn)總值數(shù)據(jù)來看，江蘇省的省會集聚效應(yīng)較弱.

2.中部地區(qū)

（1）區(qū)域經(jīng)濟發(fā)展概況：中部地區(qū)主要包括6個傳統(tǒng)中部省份和吉林省、黑龍江省，是我國人口較為集中的地區(qū)，也是東部沿海地區(qū)勞動力要素供給的重要區(qū)域，區(qū)域內(nèi)部各省份的經(jīng)濟差距較小多處在全國中等水平，該地區(qū)經(jīng)濟第一大省是河南省.

圖2　中部地區(qū)各省的GDP總量

（2）省會集聚效應(yīng)特點

首先，和東部地區(qū)明顯不同的是，在中部8個省級區(qū)域內(nèi)部，省會城市的GDP水平往往大幅高于其他城市，沒有出現(xiàn)除省會之外的經(jīng)濟中心城市，區(qū)域經(jīng)濟發(fā)展呈現(xiàn)單級化.其次，中部地區(qū)省域在以省會為經(jīng)濟中心的基礎(chǔ)上，出現(xiàn)了小區(qū)域的經(jīng)濟強市，但省會的集聚效應(yīng)還是十分顯著.以湖北省為例，2014年武漢市作為省會城市，GDP達到10069.48億元遠遠超過省域內(nèi)排名第二的宜昌市的3132.21億元，經(jīng)濟集聚效應(yīng)十分顯著.此外，除武漢市外，全省經(jīng)濟總量超過3000億元的城市只有宜昌（3132.21億元）和襄陽（3129.3億元）兩市，其他各市的生產(chǎn)總值均未超過1500億元，其中低于500億元的占大多數(shù).

3.西部地區(qū)

（1）區(qū)域經(jīng)濟發(fā)展概況：西部地區(qū)是我國三大經(jīng)濟地區(qū)中地理面積最大的地區(qū)，人口密度較小，但由于受到環(huán)境、人口等因素的制約，西部地區(qū)的經(jīng)濟發(fā)展相對滯緩，就生產(chǎn)總值而言，僅占全國GDP總額的20.18%.五大少數(shù)名族自治區(qū)都分布在西部地區(qū)，區(qū)域內(nèi)部各省份的經(jīng)濟差異較大，該地區(qū)的經(jīng)濟第一大省是四川省.

圖3　西部地區(qū)各省的GDP總量

（2）省會集聚效應(yīng)特點

首先，同中部地區(qū)類似，西部地區(qū)的省會城市的GDP水平往往大幅高于其他城市，區(qū)域經(jīng)濟發(fā)展呈現(xiàn)單級化.其次，與中部地區(qū)相比，西部地區(qū)并沒有出現(xiàn)除省會之外的小區(qū)域經(jīng)濟強市或者小區(qū)域經(jīng)濟強市的數(shù)量低于兩個，省會在省域經(jīng)濟內(nèi)的集聚效應(yīng)更為顯著.以陜西省為例，2014年省會西安市的GDP達到5474.77億元，除榆林市（3005.74億元）外，其他地市的GDP都在2000億元以下.

2　研究目的和要求

省會的集聚效應(yīng)影響省級區(qū)域經(jīng)濟發(fā)展的因素有很多，據(jù)分析主要可能的因素有：①省會城市的GDP在省級區(qū)域GDP中所占的比重X1；②省會城市的財政收入在省級區(qū)域財政收入中所占的比重X2；③省會城市的年末總?cè)丝谠谑〖墔^(qū)域年末總?cè)丝谥兴嫉谋戎豖3；④省會城市的房地產(chǎn)開發(fā)投資額在全省在省級區(qū)域開發(fā)投資額中所占的比重X4；⑤省會城市的旅客運輸量在省級區(qū)域旅客運輸量中所占的比重X5.

為了研究省會的集聚效應(yīng)（經(jīng)濟、財政、人口、投資、運輸）對省級區(qū)域經(jīng)濟發(fā)展的影響，分析省會集聚效應(yīng)的數(shù)量規(guī)律，需要建立計量經(jīng)濟模型.

3　模型設(shè)定

3.1數(shù)據(jù)選取

模型選取各省市的GDP總額為被解釋變量代表區(qū)域經(jīng)濟的發(fā)展?fàn)顩r，上述六個因素為省會城市的集聚效應(yīng)對區(qū)域經(jīng)濟發(fā)展影響的解釋變量.

以國家統(tǒng)計局已經(jīng)公布的2014年31個省份的數(shù)據(jù)為樣本，由于四個直轄市無實際上的中心地區(qū)，其經(jīng)濟數(shù)據(jù)無實際意義故予以剔除，將剩余27個省份資料通過計算得到以下數(shù)據(jù)（表1）.

表1　2014年各地區(qū)省會集聚效應(yīng)對區(qū)域經(jīng)濟的影響因素數(shù)據(jù)

地區(qū)　　地區(qū)生產(chǎn)總值Y/億元省會城市GDP比重X1/%省會城市財政收入比重X2/%省會城市人口比重X3/%省會城市的房地產(chǎn)投資額比重X4/%省會城市的旅客運輸量比重X5/%廣東省　67809.85　24.64%　15.41%　7.86%　23.78%　54.24%海南省　3500.72　31.19%　18.03%　18.31%　20.99%　48.54%山西省　12761.49　19.83%　14.22%　10.14%　33.46%　13.00%吉林省　13803.14　38.70%　33.02%　27.42%　51.70%　35.36%黑龍江省　15039.38　35.51%　32.55%　25.76%　51.86%　29.86%安徽省　20848.75　24.74%　22.55%　11.72%　25.98%　14.40%江西省　15714.63　23.34%　18.18%　11.40%　31.31%　10.28%河南省　34938.24　19.40%　30.44%　9.94%　39.85%　13.14%湖北省　27379.22　36.78%　42.89%　14.22%　59.08%　27.94%湖南省　27037.32　28.94%　27.97%　9.97%　45.56%　7.88%內(nèi)蒙古　17770.19　16.29%　11.47%　9.50%　41.08%　7.36%廣西　15672.89　20.09%　19.32%　15.35%　30.01%　16.76%四川省　28536.66　35.24%　33.49%　14.87%　50.58%　15.57%貴州省　9266.39　26.95%　24.26%　10.92%　46.19%　83.78%云南省　12814.59　28.97%　28.15%　11.68%　52.43%　26.97%西藏　920.83　37.73%　66.74%　16.58%　67.70%　46.09%陜西省　17689.94　31.05%　30.88%　21.60%　71.80%　34.67%甘肅省　6836.82　29.27%　22.65%　14.46%　43.95%　14.55%青海省　2303.32　46.27%　33.33%　34.76%　80.08%　41.00%寧夏　2752.1　50.46%　45.20%　29.61%　59.39%　44.22%新疆　9273.46　26.54%　26.56%　11.61%　32.52%　8.15%

3.2相關(guān)圖分析與模型設(shè)定

運用EViews軟件作出解釋變量X1、X2、X3、X4、X5分別和Y的相關(guān)圖，分析Y與X的相關(guān)圖形，粗略得到解釋變量與被解釋變量的相關(guān)關(guān)系和變化趨勢，具體如圖所示.

由被解釋變量Y與Xi的散點圖可大體看出，省會城市的經(jīng)濟水平、財政收入、人口、房地產(chǎn)投資額、旅客運輸量在省級區(qū)域經(jīng)濟的占比和區(qū)域經(jīng)濟的發(fā)展水平存在一種非線性負相關(guān)的關(guān)系.但是從散點圖中也可以看出，這些經(jīng)濟變量之間具有共同變化的趨勢，可能會使模型存在多重共線性.

考慮到被解釋變量和解釋變量的倍數(shù)關(guān)系和相關(guān)關(guān)系，本文先探索性地將模型設(shè)定為倒數(shù)變換模型然后再根據(jù)估計參數(shù)結(jié)果和模型檢驗進行對模型進行更改：

4　參數(shù)估計

利用Eviews軟件分析和估計模型的參數(shù)，估計結(jié)果如下：

5　檢驗多元回歸模型

5.1經(jīng)濟檢驗

假設(shè)其他解釋變量不變，X1（省會城市GDP比重）每增長1%，平均來說被解釋變量Y減少389169.5億元；

假設(shè)其他解釋變量不變，X2（省會城市財政收入比重）每增長1%，平均來說被解釋變量Y增加277102.5億元；

假設(shè)其他解釋變量不變，X3（省會城市人口比重）每增長1%，平均來說被解釋變量Y減少337638.1億元.

假設(shè)其他解釋變量不變，X4（省會城市的房地產(chǎn)投資額）每增長1%，平均來說被解釋變量Y減少485710.6億元.

假設(shè)其他解釋變量不變，X5（省會城市的旅客運輸量比重）每增長1%，平均來說被解釋變量Y增加125418.7億元.

很明顯解釋變量X2、X4不符合實際的經(jīng)濟意義，不通過經(jīng)濟檢驗，可能與其他解釋變量之間具有嚴重的多重共線性.

5.2統(tǒng)計顯著性檢驗

R^2=0.640299，說明所建模型整體上對樣本數(shù)據(jù)擬合較差.

F檢驗（回歸方程顯著性檢驗）：F的P值為0.000363，明顯小于α=0.05，表明解釋變量X1X2 X3X4X5聯(lián)合起來對被解釋變量Y有顯著影響.

t檢驗：

X1的P值為0.2724，明顯大于α=0.05，表明X1對被解釋變量Y無顯著性影響.

X2的P值為0.2561，明顯大于α=0.05，表明X2對被解釋變量Y無顯著性影響.

X3的P值為0.0173，明顯小于α=0.05，表明X3對被解釋變量Y有顯著性影響.

X4的P值為0.1074，明顯大于α=0.05，表明X4對被解釋變量Y無顯著性影響.

X5的P值為0.1709，明顯大于α=0.05，表明X5對被解釋變量Y無顯著性影響.

F檢驗通過，t檢驗基本不通過，部分估計的回歸系數(shù)符號相反，表明模型可能具有嚴重的多重共線性.

6　改進多元回歸模型

6.1簡單相關(guān)系數(shù)檢驗法

由于，上述檢驗結(jié)果中，F(xiàn)檢驗的參數(shù)聯(lián)合顯著性很高，但對各個參數(shù)單獨的t檢驗卻不高并且出現(xiàn)了估計的回歸系數(shù)符號相反的結(jié)果，我們推定模型可能具有多重共線性.下面采用簡單相關(guān)系數(shù)檢驗法來判斷是否存在多重共線性.

可以看出X1和X2的相關(guān)系數(shù)大于0.8，其他解釋變量的相關(guān)系數(shù)也較高，推定模型存在較嚴重的多重共線性.

6.2利用逐步回歸方法處理多重共線性

⒈建立基本的一元回歸方程

根據(jù)相關(guān)系數(shù)矩陣，X3與Y關(guān)聯(lián)程度最大.所以，設(shè)建立的一元回歸方程為:Y=α+βX3+ε，利用EViews軟件估計參數(shù)結(jié)果如下:

⒉建立的多元回歸模型

以上述一元線性回歸模型為基本模型，順次引入其他變量估計二元回歸模型：

LSYC1/X31/X1結(jié)果見下表

LSYC1/X31/X2結(jié)果見下表

LSYC1/X31/X4結(jié)果見下表

LSYC1/X31/X5結(jié)果見下表

經(jīng)比較可知，新加入X1的回歸模型Y=f (1/X3,1/X1)，X1符合實際的經(jīng)濟意義但T檢驗不通過；新加入X2的回歸模型Y=f(1/X3,1/X2)，X2經(jīng)濟意義合理，但t檢驗不通過；新加入的X5的回歸模型Y=（1/X3,1/X5）,x5經(jīng)濟意義不合理.

因此，Y=f（1/X3，1/X4）估計的結(jié)果比Y= （1/X3）可決系數(shù)提高，為最優(yōu)的二元回歸模型.接下來本文對Y=Y=f（1/X3，1/X4）分別加入X1、X2、X5建立三元回歸模型，但新加入的解釋變量的經(jīng)濟意義均不合理.故剔除X1、X2、X5解釋變量后的二元回歸模型：Y=β1+β4（1/X3）+β5（1/X4)+μ為改進后的最優(yōu)二元模型.

3.分析結(jié)果

本文首先建立了五元倒數(shù)變換模型，由于所選取的經(jīng)濟變量自身存在共同變化的趨勢（GDP與財政收入）以及樣本數(shù)據(jù)本身存在問題（即抽樣僅限于總體中解釋變量的有限范圍，使得變量差異不大）使得模型產(chǎn)生了嚴重多重共線性.雖然本文采用逐步回歸法解決了模型的多重共線性問題，但改進后二元模型的可決系數(shù)（0.579109）依然較低.據(jù)分析，應(yīng)該是由于以下幾個因素導(dǎo)致：

（1）沒有考慮到影響省域經(jīng)濟發(fā)展水平的其他因素，比如人口在城市間的分布、城市化程度、地理環(huán)境、歷史文化因素等.

（2）省會的集聚效應(yīng)只是影響省級區(qū)域經(jīng)濟發(fā)展的一小部分解釋變量.

（3）由于省會集聚效應(yīng)的表現(xiàn)因素數(shù)據(jù)選取較少，忽略了較為重要的解釋變量，使得模型還存在異方差性.

7　結(jié)論與建議

7.1結(jié)論

本文選取了五個省會的經(jīng)濟數(shù)據(jù)比重來表現(xiàn)省會的集聚效應(yīng)的高低，并用省級區(qū)域的GDP水平來衡量區(qū)域經(jīng)濟的發(fā)展水平.僅就這五個省會集聚效應(yīng)的影響因素而言，在默認計量經(jīng)濟模型可決系數(shù)較低的情況下，我們可以得出結(jié)論，省會的集聚效應(yīng)同所在省份區(qū)域經(jīng)濟發(fā)展存在一定程度的負相關(guān)關(guān)系，特別是在人口比重和房地產(chǎn)投資額比重上省會城市的集聚效應(yīng)對區(qū)域經(jīng)濟的發(fā)展具有一定影響.這也在一定程度上解釋了，我國經(jīng)濟發(fā)展水平較高的東部地區(qū)發(fā)展呈現(xiàn)多極化、省會城市的經(jīng)濟集聚效應(yīng)相對較弱，而我國經(jīng)濟發(fā)展水平較低的西部地區(qū)發(fā)展呈現(xiàn)單級化、省會在省域經(jīng)濟內(nèi)的集聚效應(yīng)更為顯著的特點.

7.2政策建議

1.在考慮區(qū)域經(jīng)濟整體的發(fā)展時，省級政府在制定經(jīng)濟政策時應(yīng)該照顧省會城市外其他城市的經(jīng)濟發(fā)展，特別是中西部地區(qū)應(yīng)當(dāng)大力培育除省會城市外的經(jīng)濟中心城市.

2.在人口集聚方面，省會城市的大幅度的人口占比并不利于整個省級區(qū)域經(jīng)濟資源的合理利用，省級政府應(yīng)該注意引導(dǎo)流動人口的分散，促進省域經(jīng)濟的平衡發(fā)展.

3.在城市建設(shè)投資方面，我國省會城市享受了不合理的政策傾斜，省會城市的基礎(chǔ)建設(shè)投資占比的高水平并不利于整個區(qū)域經(jīng)濟資源的合理利用也不利用其他城市的建設(shè)，省級政府應(yīng)該合理平衡各地區(qū)的政府投資比重.

〔1〕龐皓.計量經(jīng)濟學(xué)［M］.北京：科學(xué)出版社，2012.

〔2〕國家統(tǒng)計局.分省、主要城市年度數(shù)據(jù)［OL］.http：//data.stats.go.

F207

A

1673-260X（2016）08-0093-05

2016-05-16