基于空間杜賓模型的廣東省港口與城市經(jīng)濟(jì)空間效應(yīng)研究

葉善椿 歐衛(wèi)新

摘要：為分析港口與城市經(jīng)濟(jì)的空間效應(yīng)，選取2007—2019年廣東省16個(gè)港口及其所在城市的數(shù)據(jù)，在用Morans I指數(shù)檢驗(yàn)空間相關(guān)性的基礎(chǔ)上，構(gòu)建空間杜賓模型。研究結(jié)果表明：港口與城市經(jīng)濟(jì)之間存在顯著的空間相關(guān)性;在時(shí)間維度上，港口與城市經(jīng)濟(jì)之間的空間相關(guān)性較為穩(wěn)定，港口貨物吞吐能力的空間相關(guān)性呈上升趨勢(shì)，港口硬件規(guī)模的空間相關(guān)性呈上升趨勢(shì);城市經(jīng)濟(jì)存在正向空間溢出效應(yīng);港口貨物吞吐能力對(duì)城市經(jīng)濟(jì)有正向的直接效應(yīng)，且長(zhǎng)期效應(yīng)大于短期效應(yīng)，而港口硬件規(guī)模對(duì)城市經(jīng)濟(jì)只有正向的短期效應(yīng);港口貨物吞吐能力對(duì)城市經(jīng)濟(jì)具有正向空間溢出效應(yīng)，且長(zhǎng)期效應(yīng)大于短期效應(yīng)，而港口硬件規(guī)模對(duì)城市經(jīng)濟(jì)的空間溢出效應(yīng)不顯著。

關(guān)鍵詞：

空間杜賓模型; 港口; 城市; 空間效應(yīng)

中圖分類號(hào)：? U691.71;F299.27

文獻(xiàn)標(biāo)志碼：? A

收稿日期： 2020-09-16

修回日期： 2020-12-25

基金項(xiàng)目：

中國物流學(xué)會(huì)項(xiàng)目（2018CSLKT3-174）;廣東省哲學(xué)社會(huì)科學(xué)“十三五”規(guī)劃2018年度學(xué)科共建項(xiàng)目（GD18XGL04）

作者簡(jiǎn)介：

葉善椿（1989—），男，江西吉安人，講師，碩士，研究方向?yàn)楦劭谂c航運(yùn)管理，（E-mail）ysc0796@163.com

Study on spatial effect between ports and their city economy in

Guangdong province based on spatial Durbin model

YE Shanchun， OU Weixin

（Department of Logistics Engineering， Dongguan Polytechnic， Dongguan 523808， Guangdong， China）

Abstract：

In order to analyze the spatial effect of ports and their city economy， the data of 16 ports and their cities in Guangdong Province from 2007 to 2019 are chosen， Morans I index is used to test spatial correlation， and a spatial Durbin model is constructed. The research results are the following： there is a significant spatial correlation between ports and city economy; in the time dimension， the spatial correlation between ports and their city economy is relatively stable， the spatial correlation of port cargo throughput capacity is on the rise， and the spatial correlation of port hardware scale is on the rise; the city eco-nomy has a positive spatial spillover effect; the port cargo throughput capacity has a positive direct effect on the city economy， and the long-term effect is greater than the short-term effect; the scale of port hardware has only a positive short-term effect on the city economy; the port cargo throughput capacity has a positive spatial spillover effect on the city economy， and the long-term effect is greater than the short-term effect; the spatial spillover effect of the scale of port hardware on the city economy is not significant.

Key words：

spatial Durbin model; port; city; spatial effect

0 引 言

在港口初建時(shí)期，港口的發(fā)展能帶動(dòng)城市的發(fā)展;隨著港口的發(fā)展，城市的發(fā)展又能促進(jìn)港口的發(fā)展[1]。近年來，我國港口得到了快速的發(fā)展，有力地促進(jìn)了港口所在城市及其鄰近區(qū)域經(jīng)濟(jì)的發(fā)展，“港城共榮”已成為人們普遍認(rèn)可的港城發(fā)展經(jīng)驗(yàn)[2]。那么，港口對(duì)其所在城市經(jīng)濟(jì)有多大的促進(jìn)作用？對(duì)周邊城市又具有什么樣的影響呢？為回答這兩個(gè)問題，有必要對(duì)港口與城市經(jīng)濟(jì)的空間效應(yīng)進(jìn)行研究。

國內(nèi)外已有很多學(xué)者對(duì)港口與城市發(fā)展關(guān)系進(jìn)行了研究。定性的研究有：馮暉[3]以江蘇泰州港為例分析了港口發(fā)展特征、問題和區(qū)域發(fā)展新態(tài)勢(shì);匡海波等[4]從港口改革的角度提出港城分離的港城發(fā)展模式;XIAO等[5]提出港口和城市持續(xù)發(fā)展的系統(tǒng)理論，并以新加坡港為例進(jìn)行研究;DEN BERGHE等[6]以阿姆斯特丹港和根特港為例研究了港口與城市發(fā)展的耦合機(jī)制。定量的研究如下。運(yùn)用計(jì)量經(jīng)濟(jì)學(xué)模型的研究有：沈秦偉等[7]用格蘭杰因果檢驗(yàn)和向量自回歸模型分析大連港對(duì)大連市經(jīng)濟(jì)增長(zhǎng)的作用;熊勇清等[8]利用格蘭杰因果檢驗(yàn)和面板回歸模型分析我國“一帶一路”沿線14個(gè)港口與城市之間的互動(dòng)關(guān)系;郭建科等[9]用動(dòng)態(tài)相對(duì)集中指數(shù)和向量自回歸模型研究環(huán)渤海地區(qū)12個(gè)港口與城市之間的關(guān)系;GUO等[10]在用相對(duì)集中指數(shù)對(duì)港城關(guān)系進(jìn)行分類的基礎(chǔ)上，用脈沖響應(yīng)函數(shù)研究不同類型港城關(guān)系的互動(dòng)機(jī)制;CONG等[11]用面板數(shù)據(jù)回歸分析了我國16個(gè)港口城市的港口吞吐量與城市經(jīng)濟(jì)之間的關(guān)系;SONG等[12]用面板模型研究了我國四大港口區(qū)域的港口基礎(chǔ)設(shè)施投資與區(qū)域經(jīng)濟(jì)的關(guān)系;PARK等[13]用擴(kuò)展的索羅模型研究韓國港口對(duì)區(qū)域經(jīng)濟(jì)的發(fā)展貢獻(xiàn);ZHAO等[14]用二次分配程序和逐步回歸模型研究港口與城市的關(guān)系。從統(tǒng)計(jì)學(xué)角度研究港城關(guān)系的有：范厚明等[15]運(yùn)用耦合度函數(shù)建立了港城協(xié)調(diào)度模型;司增綽[16]用灰色相對(duì)關(guān)聯(lián)度模型研究港口基礎(chǔ)設(shè)施與港口城市經(jīng)濟(jì)之間的互動(dòng)發(fā)展關(guān)系;郭建科等[17]在構(gòu)建耦合協(xié)調(diào)度模型的基礎(chǔ)上，用核密度和ArcGIS研究環(huán)渤海地區(qū)港城耦合的時(shí)空差異;高濤等[18]運(yùn)用數(shù)據(jù)包絡(luò)分析和偏相關(guān)分析研究寧波港城關(guān)聯(lián)效應(yīng);王成等[19]用2-模社會(huì)網(wǎng)絡(luò)分析法研究了21世紀(jì)海上絲綢之路沿線我國15個(gè)港口城市的產(chǎn)業(yè)結(jié)構(gòu)相似性耦合特征;畢森等[20]用GIS空間統(tǒng)計(jì)分析方法和相對(duì)集中指數(shù)研究了21世紀(jì)海上絲綢之路沿線的38個(gè)主要港口的港城關(guān)系。還有構(gòu)建其他模型研究港城關(guān)系的，如：馮雷鳴等[21]在建立港城協(xié)調(diào)發(fā)展評(píng)價(jià)指標(biāo)體系的基礎(chǔ)上，對(duì)天津港城協(xié)調(diào)發(fā)展進(jìn)行了測(cè)算;CHENG等[22]通過建立港口投資模型，研究了港口投資類型對(duì)港口發(fā)展的影響;徐士偉等[23]在引入共生理論的基礎(chǔ)上構(gòu)建港城協(xié)調(diào)發(fā)展模型，研究天津港城協(xié)調(diào)發(fā)展情況;溫文華[24]用自組織理論研究了港城發(fā)展協(xié)調(diào)度，并運(yùn)用系統(tǒng)動(dòng)力學(xué)實(shí)證了深圳市港口與城市經(jīng)濟(jì)關(guān)系。

綜上可知，現(xiàn)有關(guān)于港城關(guān)系的研究較為豐富，但還存在以下局限：一是研究方法方面，現(xiàn)有的研究方法主要是計(jì)量經(jīng)濟(jì)學(xué)的時(shí)間序列方法和面板數(shù)據(jù)方法，統(tǒng)計(jì)學(xué)的灰色關(guān)聯(lián)度模型和耦合模型方法等，沒有考慮港口和城市都存在空間集聚的特點(diǎn)。二是研究對(duì)象主要是環(huán)渤海地區(qū)的港口和“一帶一路”沿線的國內(nèi)外主要大型港口，然而我國乃至全球還存在著大量的中小型港口，因此單純研究大型港口與其所在城市的關(guān)系還不足以說明港口與城市之間的關(guān)系。三是目前國內(nèi)的港口研究對(duì)象主要集中在環(huán)渤海地區(qū)，對(duì)珠三角地區(qū)港口的研究較少。因此，本文引入能反映空間特性的空間杜賓模型（spatial Durbin model，SDM）來研究廣東省港口與所在城市經(jīng)濟(jì)發(fā)展的關(guān)系，為港城關(guān)系發(fā)展提供一個(gè)新的視角。

1 研究方法

根據(jù)地理學(xué)第一定律，所有事物都與其他事物相關(guān)聯(lián)，但是距離較近的事物之間比距離較遠(yuǎn)的事物之間具有更強(qiáng)的關(guān)聯(lián)性，即存在空間相關(guān)性或空間依賴性。空間效應(yīng)包括空間依賴性和空間異質(zhì)性。目前計(jì)量經(jīng)濟(jì)學(xué)中衡量空間效應(yīng)的主要有SDM、空間誤差模型（spatial error model，SEM）和空間滯后模型（spatial lag model，SLM）。其中，SEM認(rèn)為空間依賴性主要通過誤差項(xiàng)體現(xiàn)，SLM認(rèn)為被解釋變量的影響因素對(duì)整個(gè)區(qū)域內(nèi)其他空間區(qū)域也產(chǎn)生影響，而SDM結(jié)合了SEM和SLM的特點(diǎn)，不僅考慮了被解釋變量的空間依賴性，也考慮了解釋變量的空間依賴性，能更好地反映空間面板數(shù)據(jù)的空間效應(yīng)。

1.1 SDM

SDM的一般形式為

yit=c+ρi≠j（wijyit）+βxit+δi≠j（wijxit）+

μi+λt+εit

（1）

式中：y為被解釋變量（因變量）;x為自變量，包括解釋變量和控制變量;wij為空間權(quán)重矩陣元素，

i≠j（wijyit）為因變量的空間滯后項(xiàng)，i≠j（wijxit）為自變量的空間滯后項(xiàng);ρ為空間回歸系數(shù);β和δ為待估計(jì)的空間相關(guān)系數(shù);c為常數(shù)項(xiàng);μ為空間固定效應(yīng);λ為時(shí)間固定效應(yīng);ε為隨機(jī)誤差項(xiàng);i表示樣本個(gè)體，在本文中指第i個(gè)港口城市;t表示時(shí)間。yit、xit、μi、λt和εit分別為與樣本i和（或）時(shí)間t相關(guān)的y、x、μ、λ和ε。當(dāng)δ=0時(shí)，

SDM將被簡(jiǎn)化為SLM;當(dāng)ρ和δ均為0時(shí)，

SDM將被簡(jiǎn)化為SEM[25]。

1.2 空間權(quán)重矩陣

在進(jìn)行空間計(jì)量分析前需要確定區(qū)域之間的空間距離。設(shè)共有n個(gè)區(qū)域，其中區(qū)域i與區(qū)域j之間的距離權(quán)重為wij，則空間權(quán)重矩陣

W=（wij）n×n

（2）

由于同一區(qū)域的距離為0，W主對(duì)角線上的元素w11=w22=…=wnn=0。

W為對(duì)稱矩陣。

空間權(quán)重矩陣主要有0-1鄰接矩陣、地理距離權(quán)重矩陣和經(jīng)濟(jì)距離權(quán)重矩陣[26]。其中，0-1鄰接矩陣中，當(dāng)區(qū)域i與區(qū)域j相鄰時(shí)wij=1，當(dāng)區(qū)域i與區(qū)域j不相鄰時(shí)wij=0，即

wij=1， i與j相鄰

0， i與j不相鄰或i=j

地理距離權(quán)重矩陣的非主對(duì)角線上的元素取兩地距離的倒數(shù)，即wij=1/dij，其中dij表示兩個(gè)城市之間地理位置歐氏距離。經(jīng)濟(jì)距離權(quán)重矩陣的非主對(duì)角線上的元素取wij=1

Yi-Yj，Yi表示港口城市i在研究期內(nèi)人均GDP值。

1.3 空間相關(guān)性檢驗(yàn)

在進(jìn)行空間效應(yīng)研究前，需要對(duì)相關(guān)指標(biāo)進(jìn)行空間相關(guān)性檢驗(yàn)，目前最常用的空間相關(guān)性檢驗(yàn)指標(biāo)是Morans I指數(shù)，即

I=ni=1nj=1wij（xi-x）（xj-x）

S2ni=1nj=1wij

（3）

式中：

x表示xi的均值;

S2為樣本方差，S2=ni=1（xi-x）2n;

Morans I指數(shù)一般在[-1，1]內(nèi)取值。

2 實(shí)證分析

2.1 數(shù)據(jù)說明與描述

根據(jù)空間計(jì)量分析模型，參考已有的相關(guān)研究，選取港口和港口城市的相關(guān)數(shù)據(jù)作為被解釋變量、解釋變量、控制變量，見表1。

被解釋變量：城市GDP是反映港口城市經(jīng)濟(jì)水平的重要指標(biāo)，且每個(gè)城市人口數(shù)量不同，因此選擇較有代表性的人均GDP作為衡量港口城市經(jīng)濟(jì)水平的指標(biāo)[27]。

解釋變量：衡量港口發(fā)展水平的指標(biāo)有很多，如港口貨物吞吐量、集裝箱吞吐量、碼頭泊位長(zhǎng)度、碼頭泊位數(shù)等，以往的研究基本都選用港口吞吐量作為衡量港口發(fā)展水平的指標(biāo)[28]，但是港口吞吐量是港口作業(yè)能力與腹地經(jīng)濟(jì)發(fā)展相結(jié)合的產(chǎn)物，不能反映港口基礎(chǔ)設(shè)施建設(shè)水平[29]。因此，本文選用反映港口貨物吞吐能力的港口貨物吞吐量和反映港口硬件規(guī)模的碼頭泊位長(zhǎng)度作為衡量港口發(fā)展水平的指標(biāo)。

控制變量：根據(jù)經(jīng)濟(jì)學(xué)原理，經(jīng)濟(jì)發(fā)展與資本、科技和勞動(dòng)力密不可分，城市經(jīng)濟(jì)發(fā)展需要考慮資本投入、科技投入和勞動(dòng)力投入;根據(jù)城市空間經(jīng)濟(jì)的特點(diǎn)，城市經(jīng)濟(jì)發(fā)展還與人力資本、政府支出、市場(chǎng)需求和城市化水平有很大關(guān)聯(lián)[30]。因此，最終選取資本投入、科技投入、勞動(dòng)力投入、人力資本、政府支出、市場(chǎng)需求和城市化水平作為控制變量。固定資產(chǎn)投資代表了社會(huì)對(duì)基礎(chǔ)設(shè)施建設(shè)、維修、更新、改造的投資[31]，能為港口發(fā)展和社會(huì)經(jīng)濟(jì)發(fā)展提供便利條件，同時(shí)考慮數(shù)據(jù)的可獲取性，選擇城市的全社會(huì)固定資產(chǎn)投資總額代表資本投入;有文獻(xiàn)選用R&D（研發(fā)）費(fèi)用、專利申請(qǐng)量和專利授權(quán)量代表科技投入[32]，鑒于廣東省很多城市沒有公布R&D費(fèi)用，以及申請(qǐng)的專利并不能全部被授權(quán)，因此選取專利授權(quán)量代表科技投入;一個(gè)城市的人口數(shù)量并不能反映城市的勞動(dòng)力投入，因此，選擇更具有代表性的年末社會(huì)從業(yè)人員數(shù)量代表勞動(dòng)力投入;由于人力資本指勞動(dòng)者后天形成的身上所具有的知識(shí)、技術(shù)、技能[33]，選擇高等學(xué)校在校生人數(shù)代表城市的人力資本;同時(shí)，參考相關(guān)文獻(xiàn)，選取當(dāng)年政府一般公共預(yù)算支出代表政府支出[34]，選取社會(huì)消費(fèi)品零售總額代表市場(chǎng)需求[35]，選取城鎮(zhèn)人口占常住人口比例代表城市化水平[36]。

選取2007—2019年廣東省沿海及珠三角地區(qū)的廣州、深圳、珠海、汕頭、湛江、惠州、東莞、佛山、肇

慶、中山、江門、潮州、揭陽、汕尾、陽江、茂名共16個(gè)城市的港口及城市數(shù)據(jù)，數(shù)據(jù)來源于歷年《中國港口年鑒》、《廣東統(tǒng)計(jì)年鑒》、各城市統(tǒng)計(jì)年鑒和《國民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》。為消除原始數(shù)據(jù)可能出現(xiàn)的異方差，減少數(shù)據(jù)的不平穩(wěn)性，對(duì)所有數(shù)據(jù)進(jìn)行對(duì)數(shù)化處理。所有數(shù)據(jù)取對(duì)數(shù)后的統(tǒng)計(jì)值見表2。

從表2可以看出：2007—2019年，16個(gè)港口城市的經(jīng)濟(jì)水平取對(duì)數(shù)后的最大值是12.223 370，最小值是9.215 427，兩者差距較大;港口貨物吞吐能力取對(duì)數(shù)后的平均值是8.404 894，最小值為4.703 022，最大值為11.045 910，最大值與最小值相差很大;港口硬件規(guī)模

取對(duì)數(shù)后的

最大值為10.977 380，最小值為7.153 052。由此可以看出，這16個(gè)港口及其所在城市的各指標(biāo)值不同年份、不同城市之間的差距較大。

2.2 空間相關(guān)性檢驗(yàn)

空間權(quán)重矩陣反映了港口及其所在城市在地理位置上的關(guān)系，本文基于廣東省16個(gè)港口及其所在城市的實(shí)際地理距離，選擇地理距離權(quán)重矩陣作為空間權(quán)重矩陣。先對(duì)空間權(quán)重矩陣進(jìn)行標(biāo)準(zhǔn)化處理，然后用Stata 15.0計(jì)算Morans I指數(shù)。Morans I指數(shù)取值區(qū)間為[-1，1]：

取值為0，代表不存在空間相關(guān)性;取值為正，表明存在正的空間相關(guān)性;取值為負(fù)，表明存在負(fù)的空間相關(guān)性;取值的絕對(duì)值越接近1，表明空間相關(guān)性越強(qiáng)。計(jì)算結(jié)果見表3。

從表3可以看出，ln y的Morans I指數(shù)在0.22與0.26之間，較為平穩(wěn)，且全部在1%水平下顯著;

ln x1的Morans I指數(shù)在0.08與0.19之間，全部在10%水平下顯著;ln x2的Morans I指數(shù)在0.09與0.20之間，除2018年在10%水平下不顯著外，其余都在10%水平下顯著，且隨著時(shí)間的推移，呈現(xiàn)出的聚集趨勢(shì)不斷增強(qiáng)。整體上看，港口城市經(jīng)濟(jì)水平、港口貨物吞吐能力、港口硬件規(guī)模的Morans I指數(shù)都是正的，說明這三者都存在正的空間相關(guān)性，因此有必要進(jìn)行空間計(jì)量分析。

2.3 空間效應(yīng)模型選擇

經(jīng)Moran檢驗(yàn)分析得出存在空間效應(yīng)后，進(jìn)行空間效應(yīng)模型的選擇。模型選擇的檢驗(yàn)結(jié)果見表4。從拉格朗日乘數(shù)（Lagrange multiplier， LM）檢驗(yàn)結(jié)果可以看出：SEM均在1%水平下顯著，說明可以使用SEM; SLM也在1%水平下顯著，說明也可以選擇SLM。因此，選擇兩者結(jié)合的SDM。從Wald檢驗(yàn)的結(jié)果看，SEM和SLM在1%水平下均顯著，拒絕SDM能退化為SLM和SEM的原假設(shè)，接受SDM。根據(jù)似然比（likelihood ratio， LR）檢驗(yàn)結(jié)果，選擇時(shí)間和空間雙固定效應(yīng)的SDM。用Hausman檢驗(yàn)來確定采用固定效應(yīng)還是隨機(jī)效應(yīng)，根據(jù)Hausman檢驗(yàn)結(jié)果，應(yīng)該采用固定效應(yīng)。綜合判斷，本文選用雙固定效應(yīng)的SDM。

2.4 模型回歸結(jié)果分析

雙固定效應(yīng)SDM的表達(dá)式為

ln yit=c+ρi≠j（wijln yit）+βln xit+

δi≠j（wijln xit）+

μi+λt+εit

（4）

靜態(tài)SDM只能測(cè)算長(zhǎng)期效應(yīng)，而動(dòng)態(tài)SDM能測(cè)算空間效應(yīng)的長(zhǎng)期效應(yīng)和短期效應(yīng)，能較為全面地反映空間效應(yīng)的變化情況，因此本節(jié)先對(duì)靜態(tài)SDM和動(dòng)態(tài)SDM進(jìn)行回歸分析，以確定較為合適的SDM。利用Stata 15.0進(jìn)行SDM估計(jì)，估計(jì)結(jié)果見表5。從表5可以看出，靜態(tài)SDM的回歸系數(shù)R2的值為0.895 4，對(duì)數(shù)似然值為312.681 8，空間自回歸系數(shù)ρ的值為0.227 127 1（在10%水平下顯著），這說明港口城市經(jīng)濟(jì)水平具有正向的空間溢出效應(yīng)。動(dòng)態(tài)SDM的R2值為0.991 4，對(duì)數(shù)似然值為419.399 5，說明動(dòng)態(tài)SDM回歸擬合得較好。具體看，動(dòng)態(tài)SDM的空間自回歸系數(shù)ρ的值為0.946 223 0，在5%水平下顯著，說明人均GDP所代表的港口城市經(jīng)濟(jì)水平（被解釋變量）存在正向的空間溢出效應(yīng)，地理距離較近的城市的人均GDP上升會(huì)引起本城市人均GDP的上升，這主要是經(jīng)濟(jì)發(fā)達(dá)地區(qū)的資金、人才、市場(chǎng)具有外溢性，能帶動(dòng)周圍城市經(jīng)濟(jì)發(fā)展。

從空間滯后項(xiàng)的回歸情況看，動(dòng)態(tài)SDM的顯著水平整體上比靜態(tài)SDM的好。因此，動(dòng)態(tài)SDM比靜態(tài)SDM更適合于分析港口對(duì)城市經(jīng)濟(jì)的空間效應(yīng)。

2.5 空間效應(yīng)估計(jì)結(jié)果

為進(jìn)一步分析港口與城市經(jīng)濟(jì)的空間效應(yīng)，利用求解偏導(dǎo)數(shù)的方法將空間效應(yīng)分解為空間直接效應(yīng)和空間溢出效應(yīng)[37]，同時(shí)為對(duì)比靜態(tài)空間效應(yīng)與動(dòng)態(tài)空間效應(yīng)，對(duì)靜態(tài)空間效應(yīng)和動(dòng)態(tài)空間效應(yīng)都進(jìn)行分解，分解后的效應(yīng)見表6。

2.5.1 空間直接效應(yīng)

從港口貨物吞吐能力的空間直接效應(yīng)看，動(dòng)態(tài)空間效應(yīng)的長(zhǎng)期直接效應(yīng)為0.079 427 8，在1%水平上顯著;動(dòng)態(tài)空間效應(yīng)的短期直接效應(yīng)為0.021 275 0，在1%水平上顯著;靜態(tài)空間效應(yīng)的長(zhǎng)期直接效應(yīng)為0.043 550 4，在1%水平上顯著。港口硬件規(guī)模的動(dòng)態(tài)空間效應(yīng)的短期直接效應(yīng)為0.022 497 2，在10%水平上顯著。由此可知，港口貨物吞吐能力對(duì)城市經(jīng)濟(jì)具有正向的空間直接效應(yīng)，且長(zhǎng)期效應(yīng)大于短期效應(yīng)，說明港口貨物吞吐能力的發(fā)展有利于本城市經(jīng)濟(jì)的發(fā)展，且從長(zhǎng)期看港口貨物吞吐能力對(duì)城市經(jīng)濟(jì)的作用更大。從短期效應(yīng)看，港口硬件規(guī)模對(duì)城市經(jīng)濟(jì)具有正向的直接效應(yīng)，而靜態(tài)空間效應(yīng)的直接效應(yīng)不顯著。

港口貨物吞吐能力與港口的主營(yíng)業(yè)務(wù)直接相關(guān)，若港口貨物吞吐能力強(qiáng)，則能為城市經(jīng)濟(jì)發(fā)展提供更為便捷的物流服務(wù)，能直接促進(jìn)本城市經(jīng)濟(jì)的增長(zhǎng)。從長(zhǎng)期看，港口貨物吞吐能力強(qiáng)，能吸引港航相關(guān)產(chǎn)業(yè)在港口所在城市集聚，直接促進(jìn)城市的港航產(chǎn)業(yè)發(fā)展;同時(shí)港航產(chǎn)業(yè)的集聚，能促進(jìn)港口所在城市物流服水平的提高，這就能吸引生產(chǎn)制造企業(yè)和貿(mào)易企業(yè)集聚，從而促進(jìn)城市經(jīng)濟(jì)的發(fā)展。港口硬件規(guī)模的擴(kuò)大，代表了港口基礎(chǔ)設(shè)施的擴(kuò)大，在港口基礎(chǔ)設(shè)施建設(shè)期內(nèi)能促進(jìn)城市經(jīng)濟(jì)的發(fā)展。但長(zhǎng)期看，港口硬件規(guī)模擴(kuò)大對(duì)城市經(jīng)濟(jì)發(fā)展的效應(yīng)并不顯著。

2.5.2 空間溢出效應(yīng)

從港口貨物吞吐能力的空間溢出效應(yīng)看，動(dòng)態(tài)空間效應(yīng)的長(zhǎng)期溢出效應(yīng)為0.272 010 4，通過1%顯著性水平檢驗(yàn);動(dòng)態(tài)空間效應(yīng)的短期溢出效應(yīng)為0.080 444 0，通過1%顯著性水平檢驗(yàn);靜態(tài)空間效應(yīng)的長(zhǎng)期溢出效應(yīng)為0.046 045 2，通過5%顯著性水平檢驗(yàn)。由此可見，港口貨物吞吐能力對(duì)城市經(jīng)濟(jì)有正的空間溢出效應(yīng)，即港口貨物吞吐能力的提升有利于周邊城市經(jīng)濟(jì)的發(fā)展。從動(dòng)態(tài)空間效應(yīng)與靜態(tài)空間效應(yīng)的對(duì)比看，動(dòng)態(tài)空間效應(yīng)考慮了長(zhǎng)期效應(yīng)和短期效應(yīng)，且長(zhǎng)期溢出效應(yīng)大于短期溢出效應(yīng)，表明港口貨物吞吐能力的發(fā)展對(duì)周邊城市經(jīng)濟(jì)發(fā)展的長(zhǎng)期促進(jìn)作用比短期促進(jìn)作用強(qiáng)。港口硬件規(guī)模對(duì)城市經(jīng)濟(jì)的空間溢出效應(yīng)都不顯著。從顯著性水平檢驗(yàn)結(jié)果看，動(dòng)態(tài)空間效應(yīng)優(yōu)于靜態(tài)空間效應(yīng)，再次印證了動(dòng)態(tài)SDM比靜態(tài)SDM更適合于分析港口與城市經(jīng)濟(jì)的空間效應(yīng)。

空間溢出效應(yīng)表明：港口貨物吞吐能力的發(fā)展能為周邊城市提供便捷的物流服務(wù)，促進(jìn)周邊城市經(jīng)濟(jì)的發(fā)展。港口貨物吞吐能力強(qiáng)，就會(huì)吸引更多的船公司掛靠，港口航線將更加密集，更多的港航相關(guān)企業(yè)也將集聚于此，進(jìn)一步增強(qiáng)港口的物流服務(wù)能力，隨著生產(chǎn)要素的流動(dòng)，這將為周邊城市提供更好的物流服務(wù);隨著港口物流服務(wù)水平不斷提升，物流服務(wù)能力將不斷外溢，得益于廣東省尤其是珠三角地區(qū)城市間發(fā)達(dá)的運(yùn)輸體系，周邊城市的生產(chǎn)制造業(yè)和貿(mào)易業(yè)也就有了更為強(qiáng)大的物流支撐，從而促進(jìn)周邊城市的生產(chǎn)制造業(yè)和貿(mào)易業(yè)發(fā)展，最終促進(jìn)周邊城市經(jīng)濟(jì)的發(fā)展。從長(zhǎng)期看，港口貨物吞吐能力的提升，能促進(jìn)周邊城市經(jīng)濟(jì)的發(fā)展;周邊城市經(jīng)濟(jì)的發(fā)展，又能為港口帶來更多的貨源，從而進(jìn)一步促進(jìn)港口貨物吞吐能力的提升。因此，從長(zhǎng)期看，港口貨物吞吐能力的提升促進(jìn)周邊城市經(jīng)濟(jì)發(fā)展符合經(jīng)濟(jì)學(xué)的循環(huán)累積因果律。

3 結(jié)束語

本文選用2007—2019年廣東省16個(gè)港口及其所在城市的數(shù)據(jù)，運(yùn)用地理距離權(quán)重矩陣的空間杜賓模型（SDM）對(duì)港口與城市經(jīng)濟(jì)發(fā)展的空間效應(yīng)進(jìn)行研究，結(jié)論如下：（1）用Morans I指數(shù)檢驗(yàn)港口與城市經(jīng)濟(jì)發(fā)展的空間相關(guān)性，發(fā)現(xiàn)港口與城市經(jīng)濟(jì)發(fā)展存在空間相關(guān)性。隨著時(shí)間的推移，城市經(jīng)濟(jì)空間相關(guān)性較為穩(wěn)定，港口貨物吞吐能力的空間相關(guān)性呈上升趨勢(shì)，港口硬件規(guī)模的空間相關(guān)性也呈上升趨勢(shì)。（2）港口貨物吞吐能力對(duì)城市經(jīng)濟(jì)有正的空間直接效應(yīng)，對(duì)本城市經(jīng)濟(jì)發(fā)展具有顯著的正向促進(jìn)作用，長(zhǎng)期直接效應(yīng)大于短期直接效應(yīng);對(duì)地理位置鄰近的城市也具有正向的空間溢出效應(yīng)，且長(zhǎng)期溢出效應(yīng)大于短期溢出效應(yīng);港口貨物吞吐能力的空間溢出效應(yīng)大于空間直接效應(yīng)。（3）港口硬件規(guī)模對(duì)城市經(jīng)濟(jì)發(fā)展的短期直接效應(yīng)是正向的，但溢出效應(yīng)都沒有通過顯著性檢驗(yàn)，不具有統(tǒng)計(jì)學(xué)意義。

為此，各地港口當(dāng)局應(yīng)改變片面強(qiáng)調(diào)擴(kuò)大港口規(guī)模的觀念，港口硬件設(shè)施設(shè)備的建設(shè)要注意與當(dāng)?shù)亟?jīng)濟(jì)發(fā)展水平相匹配。注意各港口之間的資源整合，加強(qiáng)港口之間的合作，進(jìn)行錯(cuò)位競(jìng)爭(zhēng)，提高現(xiàn)有港口硬件設(shè)施設(shè)備的利用率。同時(shí)，重視港口貨物吞吐能力的提升對(duì)本城市經(jīng)濟(jì)發(fā)展的促進(jìn)作用以及對(duì)周圍城市經(jīng)濟(jì)發(fā)展的輻射作用，充分利用現(xiàn)有港口規(guī)模，加強(qiáng)港航產(chǎn)業(yè)集聚，提高港口的裝卸作業(yè)效率和通關(guān)效率，加快貨物流通，以更好地服務(wù)港口所在城市及其鄰近城市。

參考文獻(xiàn)：

[1]陳航. 港城互動(dòng)的理論與實(shí)證研究[D]. 大連： 大連海事大學(xué)， 2009.

[2]吳峰， 萬云飛， 楊李華. 山東省區(qū)域港口與經(jīng)濟(jì)發(fā)展的互動(dòng)效應(yīng)分析[J]. 山東科學(xué)， 2020， 33（1）： 83-91. DOI： 10.3976/j.issn.1002-4026.2020.01.012.

[3]馮暉. 長(zhǎng)江港口與城市互動(dòng)發(fā)展研究： 以泰州為例[J]. 城市發(fā)展研究， 2015， 22（12）： 84-91.

[4]匡海波， 鄧順江， 賈鵬， 等. 基于港城分離的中國港口供給側(cè)改革研究[J]. 科研管理， 2017， 38（4）： 54-64. DOI： 10.19571/j.cnki.1000-2995.2017.04.007.

[5]XIAO Zengqi， LAM J S L. A systems framework for sustainable development of port city： case study of Singapores policies[J]. Research in Transportation Business & Management， 2017， 22： 255-262. DOI： 10.1016/j.rtbm.2016.10.003.

[6]DEN BERGHE K V， JACOBS W， BOELENS L. The relational geometry of the port-city interface： case studies of Amsterdam， the Netherlands， and Ghent， Belgium[J]. Journal of Transportation Geography， 2018， 70： 55-63. DOI： 10.1016/j.jtrangeo.2018.05.013.

[7]沈秦偉， 韓增林， 郭建科. 港口物流與城市經(jīng)濟(jì)增長(zhǎng)的關(guān)系研究： 以大連為例[J]. 地理與地理信息科學(xué)， 2013， 29（1）： 69-73. DOI： 10.7702/dlydlxxkx20130115.

[8]熊勇清， 許智宏. 海上絲綢之路上港口與港口城市的互動(dòng)發(fā)展機(jī)制研究[J]. 財(cái)經(jīng)理論與實(shí)踐， 2017， 38（1）： 128-133. DOI： 10.3969/j.issn.1003-7217.2017.01.020.

[9]郭建科， 杜小飛， 孫才志， 等. 環(huán)渤海地區(qū)港口與城市關(guān)系的動(dòng)態(tài)測(cè)度及驅(qū)動(dòng)模式研究[J]. 地理研究， 2015， 34（4）： 740-750. DOI： 10.11821/dlyj201 504012.

[10]GUO Jianke， QIN Yafeng， DU Xiaofei， et al. Dynamic measurements and mechanisms of coastal port-city relationships based on the DCI model： empirical evidence from China[J]. Cities， 2020， 96： 102440. DOI： 10.1016/j.cities.2019.102440.

[11]CONG Longze， ZHANG Dong， WANG Mingli， et al. The role of ports in the economic development of port cities： panel evidence from China[J]. Transportation Policy， 2020， 90： 13-21. DOI： 10.1016/j.tranpol.2020.02.003.

[12]SONG Lili， GEENHUIZEN M V. Port infrastructure investment and regional economic growth in China： panel evidence in port regions and provinces[J]. Transport Policy， 2014， 36（11）： 173-183. DOI： 10.1016/j.tranpol.2014.08.003.

[13]PARK J S， SEO Y J. The impact of seaports on the regional economies in South Korea： panel evidence from the augmented Solow model[J]. Transportation Research Part E， 2016， 85： 107-119. DOI： 10.1016/j.tre.2015.11.009.

[14]ZHAO Qianyu， XU Hang， WALL R S， et al. Building a bridge between port and city： improving the urban competitiveness of port cities[J]. Journal of Transport Geography， 2017， 59（2）： 120-133. DOI： 10.1016/j.jtrangeo.2017.01.014.

[15]范厚明， 馬夢(mèng)知， 溫文華， 等. 港城協(xié)同度與城市經(jīng)濟(jì)增長(zhǎng)關(guān)系研究[J]. 中國軟科學(xué)， 2015（9）： 96-105. DOI： 10.3969/j.issn.1002-9753.2015.09.009.

[16]司增綽. 港口基礎(chǔ)設(shè)施與港口城市經(jīng)濟(jì)互動(dòng)發(fā)展[J]. 管理評(píng)論， 2015， 27（11）： 33-43. DOI： 10.14120/j.cnki.cn11-5057/f.2015.11.004.

[17]郭建科， 谷月， 趙敬堯， 等. 環(huán)渤海地區(qū)港城耦合協(xié)調(diào)度綜合分析[J]. 資源開發(fā)與市場(chǎng)， 2017， 33（5）： 569-574. DOI： 10.3969/j.issn.1005-8141.2017.05.012.

[18]高濤， 高金敏， 曲林遲. 基于DEA和偏相關(guān)分析的港城發(fā)展關(guān)聯(lián)效應(yīng)[J]. 中國航海， 2017， 40（2）： 129-134.

[19]王成， 王茂軍， 楊勃. 港口航運(yùn)關(guān)聯(lián)與港城職能的耦合關(guān)系研判： 以“21世紀(jì)海上絲綢之路”沿線主要港口城市為例[J]. 經(jīng)濟(jì)地理， 2018， 38（11）： 158-165. DOI： 10.15957/j.cnki.jjdl.2018.11.018.

[20]畢森， 張麗， 谷雨， 等. 21世紀(jì)海上絲綢之路沿線港口及港城關(guān)系變化分析[J]. 中國科學(xué)院大學(xué)學(xué)報(bào)， 2020， 37（1）： 74-82. DOI：107523/j.issn.2095-6134.2020.01.009.

[21]馮雷鳴， 吳利娟. 天津港城協(xié)調(diào)發(fā)展的指標(biāo)評(píng)價(jià)與對(duì)策建議[J]. 國際經(jīng)濟(jì)合作， 2019（2）： 134-142.

[22]CHENG Jiannan， YANG Zhongzhen. The equilibria of port investment in a multi-port region in China[J]. Transportation Research Part E， 2017， 108： 36-51. DOI： 10.1016/j.tre.2017.06.005.

[23]徐士偉， 許鑫. 基于共生理論的天津港城協(xié)調(diào)發(fā)展研究[J]. 同濟(jì)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2017， 28（5）： 65-72.

[24]溫文華. 港口與城市協(xié)同發(fā)展機(jī)理研究[D]. 大連： 大連海事大學(xué)， 2016.

[25]VEGA S H， ELHORST J P. The SLX model[J]. Journal of Regional Science， 2015， 55（3）： 339-363. DOI： 10.1111/jors.12188.

[26]魏下海. 人力資本、空間溢出與省際全要素生產(chǎn)率增長(zhǎng)： 基于三種空間權(quán)重測(cè)度的實(shí)證檢驗(yàn)[J]. 財(cái)經(jīng)研究， 2010， 36（12）： 94-104. DOI： 10.16538/j.cnki.jfe.2010.12.003.

[27]王智毓， 馮華. 科技服務(wù)業(yè)發(fā)展對(duì)中國經(jīng)濟(jì)增長(zhǎng)的影響研究[J]. 宏觀經(jīng)濟(jì)研究， 2020（6）： 102-113， 121. DOI： 10.16304/j.cnki.11-3952/f.2020.06.010.

[28]鄒強(qiáng). 港口代際升級(jí)背景下大連港城經(jīng)濟(jì)互動(dòng)關(guān)系研究[D]. 大連： 大連海事大學(xué)， 2019.

[29]魯渤， 邱偉權(quán)， 邢戩， 等. 基于“一帶一路”倡議評(píng)估的中國沿海節(jié)點(diǎn)港口與港城發(fā)展策略研究[J]. 系統(tǒng)工程理論與實(shí)踐， 2020， 40（6）： 1627-1639. DOI： 10.12011/1000-6788-2020-0419-13.

[30]程路恒. 安徽省城市空間經(jīng)濟(jì)聯(lián)系對(duì)經(jīng)濟(jì)效率影響研究[D]. 蚌埠： 安徽財(cái)經(jīng)大學(xué)， 2020.

[31]王曉東， 鄧丹萱， 趙忠秀. 交通基礎(chǔ)設(shè)施對(duì)經(jīng)濟(jì)增長(zhǎng)的影響： 基于省際面板數(shù)據(jù)與Feder模型的實(shí)證檢驗(yàn)[J]. 管理世界， 2014（4）： 173-174. DOI：10.19744/j.cnki.11-1235/f.2014.04.016.

[32]嚴(yán)紅， 尹繼東， 石俊. 江西產(chǎn)學(xué)研協(xié)同創(chuàng)新復(fù)合系統(tǒng)協(xié)同度分析[J]. 江西社會(huì)科學(xué)， 2019， 39（10）： 61-71.

[33]李平華， 宋燦. 人力資本集聚、空間溢出與城市生產(chǎn)率[J]. 現(xiàn)代經(jīng)濟(jì)探討， 2020（11）： 47-55. DOI： 10.13891/j.cnki.mer.2020.11.008.

[34]聶飛. 制造業(yè)服務(wù)化抑或空心化： 產(chǎn)業(yè)政策的去工業(yè)化效應(yīng)研究[J]. 經(jīng)濟(jì)學(xué)家， 2020（5）： 46-57.

DOI： 10.16158/j.cnki.51-1312/f.2020.05.006.

[35]張廷海， 王點(diǎn). 工業(yè)集聚、空間溢出效應(yīng)與地區(qū)增長(zhǎng)差異： 基于空間杜賓模型的實(shí)證分析[J]. 經(jīng)濟(jì)經(jīng)緯， 2018， 35（1）： 86-91. DOI： 10.15931/j.cnki.1006-1096.2018.01.004.

[36]紀(jì)園園， 寧磊. 收入差距對(duì)消費(fèi)升級(jí)的區(qū)域差異性研究[J]. 社會(huì)科學(xué)， 2020（10）： 53-66. DOI： 10.13644/j.cnki.cn31-1112.2020.10.007.

[37]周四軍， 江秋池. 基于動(dòng)態(tài)SDM的中國區(qū)域碳排放強(qiáng)度空間效應(yīng)研究[J]. 湖南大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2020， 34（1）： 40-48. DOI：10.16339/j.cnki.hdxbskb.2020.01.007.

（編輯 趙勉）