中国省域技术创新、产业结构与金融发展的空间关联性分析一基于ESDA方法

逯 进1 张竣喃1 周惠民2

(1.青岛大学 经济学院,山东 青岛 266071;2.中国人民大学 经济学院,北京 100872)

摘 要:文章基于ESDA分析方法,运用2001-2015年中国31个省区的面板数据,分析了我国“产业结构—技术创新”以及“产业结构—金融发展”双变量的空间分布格局与特征。结果显示,两类双变量之间存在显著的正全域空间相关性;而局域空间分析则显示出两类双变量存在空间分布的异质性特征,其中,东部地区各省份多呈现正的空间相关性,而西部地区诸省份大多呈现负的空间相关性。

关键词:金融发展;空间特征;Moran;LISA

中图分类号:F061.3 F061.5 文献标识码:A 文章编号:1005-7110(2017)04-0100-07

一、引言

改革开放以来,中国经济经历了近四十年的高速增长,综合国力以及人民的生活水平得到迅速提升,创造了经济增长的“中国奇迹”。然而,时至今日,高速发展所积累的结构性问题与内部矛盾开始集中显现。多年来以促增长为主要目标的粗放型发展模式始终无法摆脱产业结构失衡、技术创新水平不高、可持续发展能力不足等问题的困扰。我国的经济发展模式急需全面调整。在此背景下,我国“十三五”规划拉开了全面深化改革的序幕,提出了转变经济发展方式、调整优化产业结构和推动创新驱动发展等十大目标。其中,产业结构优化升级是实现经济发展方式转变的根本途径,也是新常态下中国经济健康持续发展的重要保障;技术创新则是当前经济转型升级的核心动力。与此同时,自2015年起我国的金融深改则进一步强化了金融发展的引领和支撑作用,以期借此最大限度地激发企业的创新潜力,为产业结构升级变迁提供新动力,以适应中国经济新常态的发展要求。

在上述背景下,构建产业、技术与金融三个层面的协调发展态势,于我国宏观经济的健康有序发展具有重要的现实与战略意义。为此,系统深入解析既往我国以产业结构调整为核心、以技术创新与金融发展为支撑的“一轴两翼”模式的发展得失,将有助于理解我国经济结构的适应性转变过程。同时,当前在内外发展环境急速转变的“倒逼”机制作用下,从区域层面观察产业、技术与金融空间交互作用过程的演变,则会形成更为有效的研究视角。

目前,有关产业结构—技术创新与产业结构—金融发展相关领域的研究十分丰富,然而存在一个共同的问题:在实证分析中均采用传统的面板数据或时间序列分析,少有学者将空间的地理因素纳入考虑,因此忽视了变量间的空间互动特征。国内学者祝佳(2015)[1]采用四阶三角剖分权重矩阵的空间计量模型对创新驱动与金融支持的区域协同发展进行分析,证实了中国技术创新与金融支持之间存在显著的空间互动效应,但未对研究对象的局域空间相关性展开进一步分析。基于此,本文将引入空间ESDA分析方法,运用“产业结构—技术创新”和“产业结构—金融发展”双变量的全域与局域Moran’s I来探索其他区域技术创新与金融发展与某一区域产业结构之间的双变量空间相关关系,从而初步揭示二者空间分布的关联特征。

二、探索性空间数据分析(ESDA)方法

为达成前述研究目标,本文将尝试运用探索性空间数据分析(Exploratory Spatial Data Analysis,ESDA)中的全域与局域相关性分析模式探讨区域非相似属性值(产业结构—技术创新、产业结构—金融发展)之间的双变量空间相关关系。

(一)全域空间相关性

全域空间相关性(Global Spatial Autocorrelation),指的是从整体上刻画区域间的空间分布模式,使用单一数值指标反映研究区域整体的空间相关程度。其中,Global Moran’s I指数作为一种最常用的全域空间相关性分析指标,深受国内外学者的青睐[2][3]。其计算公式如下:

 

(二)局域空间相关性

全域空间相关统计量从总体上衡量区域间的空间关联性,因此其容易忽略区域分布存在的异质性特征,而局域的空间关联性指标可以有效的揭示局域空间的非典型特征。为测度局域空间相关性的常用指标:

 

其显著性判断标准与相同。若大于零且显著,表明i区域的属性值X与相邻j区域属性Y的观测值存在空间集聚特征,若小于零且显著,则为空间离散特征。

将Local Moran’s I进行可视化处理得到Moran散点图[6],可直观描绘出区域空间的异质性空间分布的非典型特征。其中,第Ⅰ象限与第Ⅲ象限分别表示集聚区与萧条区,均显示正的空间相关性,前者表示相邻区域的高值集聚(HH),而后者则表示相邻区域的低值集聚(LL);此外,第Ⅱ象限和第Ⅳ象限分别为空心区与孤岛区,均呈现出负的空间相关性,前者表示低观测值被高观测值所包围(LH),后者表示高观测值被低观测值所包围(HL)[7]。

在上述分析的基础上,可进一步运用LISA集群图(Cluster Map)进一步分析空间观测值的异质性特征,更加清晰直观的展现空间分布模式。

三、指标体系与数据处理

(一)指标体系

借鉴其他学者的研究成果,并考虑到数据可得性原则,文章分别对技术创新、产业结构以及金融发展进行了指标界定,构建了三系统量化指标集(见表1)。其中,技术创新体现在创新投入与创新产出两个方面;产业结构由产值结构、就业结构、合理化以及高级化四类二级指标构成;金融发展则从金融深度、金融广度与金融效率三个维度考虑。本文指标体系主要包括约束层与指标层,约束层中分别用X、Y、Z表示技术创新、产业结构和金融发展,而指标层则具体涵盖2级指标,包括一级因子9个,二级因子21个。具体指标体系见表1。

 

(二)数据来源

本文的研究时序为2001至2015年,涵盖了全国31个省份①15年的面板数据。同时,本文将全国划分为东部、东北、中部及西部四大区域②。数据主要源自于历年《中国统计年鉴》、《中国科技统计年鉴》、《中国人口统计年鉴》、《中国区域统计年鉴》、《中国金融年鉴》、历年分省统计年鉴、区域金融运行报告以及WIND数据库等。部分缺失数据均采用数值拟合法估算而得。

(三)数据处理

(1)指标数据标准化。鉴于本文各指标值的量级与量纲均存在较大差异,因此需将指标值进行标准化处理。本文采用的数据标准化方法为组间极值法。首先找出各项指标数据中的最大值maxPij与最小值minPij,然后计算求得各指标的标准化值Pij。

 

(2)指标权重的确定。为避免主观因素导致的偏差,本文将熵值法与层次分析法相结合,计算确定各指标因子权重。限于篇幅,权重值不再列出。

(3)综合指数的核算。计算公式如下:

 

上式中Xn为约束层指标(技术创新、产业结构或金融发展)的综合指数;Wk表示各因子的指标权重;Ikn则表示各因子的标准化数值。

(四)空间权重(W)的设定

空间权重是用于衡量数据空间邻接关系的指标,体现观测区域间的相互作用力,是进行ESDA分析的前提和基础。Anselin(1988)[8]提出了distance、K-nearest以及 contiguity三种构建准则,而由于中国东西部各省技术创新、产业结构与金融发展水平并不相称,用distance和K-nearest准则构建中国省域的空间权重矩阵是不可靠的。基于此,本文选用contiguity规则来定义空间权重。其原理为:若区域i与区域j相邻,则=1,否则=0。同时,为得到更有意义的结论,本文扩展了空间的关联幅度,将邻近阶数扩展至二阶,即相邻区域的相邻区域也设权重为1,以此体现相邻区域对相邻区域的一阶扩散。

四、实证分析

(一)时空特征分析

1.综合指数分析

本文利用上述数据处理方法,可以求得我国省域创新、产业与金融三者的综合指数,限于篇幅,综合指数值不在列出。首先,研究期内,技术创新指数的总体均值由0.02上升至0.22,具有较快的增长态势。结合实际情况看,自2005年起,我国的科技体制改革得到全面深化,研发投入强度不断加大,从而使得全国的技术创新水平持续加速上升;其次,我国的产业结构指数整体呈波动上升趋势,总体均值由2001年的0.21提升至2015年的0.27,上升较为缓慢。进一步分析可知,我国三次产业的产值占比分别由14%、44.8%及41.2%变化至8.8%、40.9%与50.2%,意味着研究期内我国三次产业结构正逐步趋于合理,呈稳定发展态势。此外,我国的金融发展指数与技术创新指数拥有相似的变化趋势,其总体均值由2001年的0.04上升至2015年的0.22,整体呈现良好增长的态势。特别是从2012年起,由于我国金融深改的全面铺开,其指数值开始加速上升。

2.空间分位分析

前述分析刻画了三类综合指数发展的时序变动情况,而未体现出其空间分布状况。因此,本文利用三类属性值15年的总体均值,并运用GeoDa软件展示其属性值的空间分位特征(限于篇幅,具体空间分位图不在列出)。这里将属性值分为4个等级,其中,第1级为属性值最弱的地区,从第2级至第4级属性值逐级增强。为更好的对属性值的空间分位特征进行描述,本文将分位图中的第1、第2级定义为属性值的次优区,而第3、第4级定义为属性值的优势区。

总体看,我国的创新、产业与金融均存在明显的区域差异,呈现自东向西属性值依次减弱的态势。进一步结合产业结构、技术创新与金融发展三大系统属性值的空间分位特征看,首先,东部地区的北京、天津、山东、上海、江苏、福建与广东均处于属性值的优势区,即东部地区整体属于技术创新、产业结构与金融发展的高值集聚区;其次,对于东北三省而言,辽宁处于三大系统属性值的优势区,而吉林和黑龙江仅为金融发展系统的优势区,这意味着东北地区三大系统的空间发展并不均衡,技术创新与产业结构的发展水平有待提升;再次,在中部地区的各省域中存在部分技术创新与产业结构的优势区,然而,中部地区的金融发展整体情况较差,除江西位于金融发展优势区外,其余省份均处于次优区;最后,就西部地区而言,绝大部分省域均处于三大系统属性值的次优区。

(二)全域相关性分析

 

 

 

 

 

 

 

 

 

 

 

上述仅对我国技术创新、产业结构与金融发展的空间分布格局做出简单描述,然而并未揭示各省相邻区域间“技术创新—产业结构—金融发展”三大系统的空间关联特性及其空间分布差异的内在作用机制。因此,如下将运用全域空间相关性分析指标从整体上对三系统区域间的空间分布特征进行详细刻画与对比分析。

图1显示了我国“产业结构—技术创新”和“产业结构—金融发展”二者的双变量Global Moran’s I 趋势图,结果表明,研究期内双变量均通过了5%的显著性检验。此外,分别求得01—05年、06—10年以及11—15年三个时段的Global Moran’s I均值,可以发现,“产业结构—技术创新”与“产业结构—金融发展”两类双变量Global Moran’s I起、止时段的均值分别由0.059、0.124变化至0.192与0.085,这意味着我国目前“产业结构—技术创新”正的空间相关性整体呈增强趋势,而“产业结构—金融发展”的正空间相关性不断减弱。

具体来看,一方面,产业结构与技术创新Moran’s I总体呈上升态势,其中,01—05时段内平稳上升,06—10开始加速上升,至2013年达到峰值后,近年来略有下降。由此可知,我国相邻区域的技术创新能力与本地区产业结构的空间集聚近年来有所逆转,倘若这一指数持续下降,则可能导致技术创新和产业结构空间配置上的低效状态;另一方面,产业结构与金融发展Moran’s I于2002年出现峰值后,持续缓慢下降。这反映了我国目前产业结构与金融发展正的空间相关性较弱,且不断下降,换言之,我国相邻区域的金融发展与本地区产业结构的互动关系较弱,有待提升。

(三)局域相关性分析

上述Global Moran’s I测度了全域范围内省域间“产业结构—技术创新”以及“产业结构—金融发展”双变量的空间相关性。进一步,全面的分析范式认为,全域相关性分析可能会掩盖局域中可能出现的“非典型”特征,即局域分布可能存在不同于全域空间相关关系的特征。为此,下文进一步运用Moran 散点图以及LISA集群图展开对双变量的局域相关性分析。

1.Moran散点图分析

图2、图3分别显示了基于我国2015年的“产业结构—技术创新”以及“产业结构—金融发展”双变量的Moran 散点图,图中四个象限内,多数省域位于第Ⅰ象限的聚集区和第Ⅲ象限的萧条区,表现出正的空间相关性。同时,散点图还揭示了偏离总体正空间相关性的非典型区域,即位于第Ⅱ象限的空心区以及位于第Ⅳ象限孤岛区的负空间相关性的分布特征。

表2列示了与散点图相对应的各省区的空间分布状态,直观展现出“产业结构—技术创新”以及“产业结构—金融发展”具有较为相似的空间分布模式。一方面,从产业结构与技术创新的空间分布模式来看,东部的上海、江苏、浙江等6个省份位于第Ⅰ象限的集聚区;东北地区除吉林位于萧条区外,其余两省均处于孤岛区;西部地区除重庆处于孤岛区外,其余11个省份均处于萧条区;中部地区各省份均体现出负的空间相关性,即除山西位于孤岛区外,其余5省全部位于空心区。另一方面,从产业结构与金融发展的空间分布模式看,首先,东部地区有江苏、浙江等5个省份位于集聚区,另有北京等三个省市位于孤岛区;其次,东北地区的辽宁处于集聚区,黑龙江处于孤岛区,吉林则处于萧条区;再次,西部地区的重庆和青海处于孤岛区,内蒙古处于空心区,除此之外,西部地区75%的省份处于萧条区;最后,中部地区具有明显的差异性,如山西位于集聚区,江西、湖北与湖南则位于萧条区,且体现为正的空间相关性,而河南与安徽却显示为空心区,体现负的空间相关性。

2.LISA集群图分析

图4与图5分别显示了基于我国2015年的“产业结构—技术创新”以及“产业结构—金融发展”双变量的LISA集群图。通过观察可以发现:

第一,东部地区的山东、江苏、上海与浙江四个省市为显著的产业结构与技术创新集聚区,而其分别作为产业结构与金融发展集聚区与孤岛区的结论却不显著,由此可知,东部地区相邻省份在创新与金融的资源配置上可能存在差距,即技术创新资源优于其金融发展资源,致使东部地区良好的产业结构吸收了周边省份较多的创新资源,但该产业结构现状却较少得益于其周边地区的金融资源。此外,广东在产业结构与金融发展中表现为显著地孤岛区,即广东的产业结构与其周边省份的金融发展呈现出负的空间相关性,广东良好的产业结构吸引了周边地区大量的金融资源,致使相邻省份金融发展的资源配置不足。然而,目前广东省对周边区域金融发展的辐射作用较弱。

第二,在中部地区中,一方面,安徽和江西在产业结构与技术创新中表现为显著地空心区,因此,可以借助于周边东部省份较高的技术创新水平,使其产业结构拥有较大的增长空间。这意味着以安徽和江西为代表的中部地区应大力引进外部区域的技术创新资源,充分利用以长三角为代表的“产业—创新”集聚区的辐射带动作用,优化本地区的产业结构;另一方面,由产业结构与金融发展的集群图可知,与安徽相邻的其他中部地区金融发展水平并不高,因此其作为产业结构与金融发展空心区的结论并不成立。与此不同的是,由于江西受到广东省较高金融发展水平的影响,使其并没有形成产业结构与金融发展的萧条区。因此,在今后的发展过程中,江西省应充分运用广东的金融资源,以此优化自身的产业结构升级。

第三,西部地区多数省份为双变量显著的萧条区,表现为低产业结构、低技术创新以及低产业结构、低金融发展水平的空间集聚,这提示我国应该加强西部地区技术创新与金融发展的协同共进,从而促进其产业结构的优化升级。然而,作为西部经济增长极的重庆是两类双变量显著地孤岛区,由此可知,重庆市较好的产业结构与周边较低的技术创新及金融发展水平具有显著的负向空间相关性,这意味着由于重庆市较好的产业结构与经济发展水平吸引了周边地区大量的创新资源与金融资源流入,导致周边地区创新与金融水平相对较低。

最后,在东北地区中,由于内蒙古和吉林作为黑龙江的周边省区技术创新水平较低,难以服务于黑龙江的较为优质的产业结构,致使黑龙江处于产业结构与技术创新的孤岛区。

五、结论与建议

本文应用ESDA探索性空间数据分析方法,讨论了2001-2015年我国省域产业结构、技术创新与金融发展的空间相关性,主要研究结论为:

第一,我国各省区技术创新和金融发展均呈现快速上升态势,这与我国2003年以来深化金融体制改革以及建设创新型国家的发展战略密切相关。同时,产业结构综合指数在小幅的波动中保持了相对稳定的发展态势,表明我国产业结构更加合理化。

第二,我国技术创新、产业结构和金融发展空间分布具有明显的区域差异,呈现出自东向西发展水平依次减弱的特征。从属性值看,东部地区大部分处于属性值的优势区,而中西部地区则主要处于次优区。

第三,全域自相关分析表明,我国“产业结构-技术创新”与“产业结构—金融发展”双变量均具有显著的正空间相关性,即具有较好产业结构的省域倾向于与具有较高技术创新水平或金融发展水平的地区相邻。

第四,局域相关性分析表明,一方面,东部地区的大部分省份呈现正的空间相关性,表现为其产业结构与周边地区高层次的技术创新以及高水平的金融发展的空间集聚特征非常明显;另一方面,西部地区多数省区为双变量的萧条区。

从政策意义看,当前我国正面临产业结构升级缓慢、创新能力不足、金融资源配置低效等问题的严重困扰,而自2008年全球金融危机爆发以来,外部发展环境亦越发趋于严峻。在此背景下,内外发展环境已对改革的进一步推进产生了明确的倒逼信号。因此,我国需持续着力统筹技术创新、产业结构调整与金融发展的协同共进,借此助力经济摆脱当前的困境而实现持续稳步发展。此外,广东、重庆等优势省份自身发展对周边地区的辐射作用未得到很好的体现,这提示我国以技术创新和金融发展促进产业结构优化升级的过程中应注意区域间的协同发展,引导资源在空间上的合理、均衡配置,切实发挥优势省份的扩散作用,进而反哺周围省份,从而切实实现优势省份由孤岛区向集聚区的转变;最后,我国应继续强力发挥东部省份集聚区的辐射带动作用,加强区域间的协同发展。

 

——————

参考文献:

[1] 祝佳.创新驱动与金融支持的区域协同发展研究——基于产业结构差异视角[J].中国软科学,2015,(9).

[2] Rey S.Montouri B.US regional income convergence: A Spatial econometric perspective[J].Regional Studies,1999,33(2).

[3] 朱子明,祁新华.基于Moran’I的闽南三角洲空间发展研究[J].经济地理,2009,(12).

[4] 鲁凤,徐建华.中国区域经济差异的空间统计分析[J].华东师范大学学报,2007,(2).

[5] 吴玉鸣.中国区域研发、知识溢出与创新的空间计量经济研究[M].北京:人民大学出版社,2007.

[6] Haining R,Wishes,MA.Designing and implementing software for spatial statistical analysis in a GIS environment[J].‘Journal of Geographical System,2000,2(3).

[7] 杨振山,蔡建明,高晓路.利用探索式空间数据解析北京城市空间经济发展模式[J].地理学报,2009,(8).

[8] Anselin,L.Local indicators of spatial association—LISA[J].Geographical Analysis,1995,27(2).

责任编辑:胡燕京

浏览次数:  更新时间:2017-11-12 18:57:49
上一篇:政府购买社会组织公共服务的风险防范措施
下一篇:卢世淮及明清德州卢氏文学成就论略
网友评论《中国省域技术创新、产业结构与金融发展的空间关联性分析一基于ESDA方法》
相关论文