1、中国地区经济 -收敛的空间计量实证分析研究领域：发展经济学中国地区经济 -收敛的空间计量实证分析内容提要：本文采用空间经济计量方法，使用?年人均 GDP 数据研究中国?个省区经济发展的 收敛情况。研究结果表明，考虑到省区间相关性，特别是经济间的相关性后，可显著纠正采用传统方法进行 收敛研究产生的误差。修正后的 收敛值表明，随着中国经济发展，尤其是近几年省区间经济表现出 收敛的趋势。关键词: 收敛? Morans 指数 空间相关性 空间滞后Abstract: Using techniques of spatial econometrics, we study the ?-convergence
2、of real per capita GDP across 28 provinces and cities rolling over 25 years in China. It is evident that the spatial dependence across regions is strong enough to distort the traditional measure of ?-convergence. The corrected ?-convergence in China indicates a lower level of dispersion in the econo
3、mic development process with a promising trend of convergence in the recent years.Keyword: ?-convergence, Morans index, spatial correlation, spatial lag.JEL Classification C23, O41, R11Authors: Kuan-Pin Lin, Department of Economics, Portland State University, Portland, Oregon USA,97207. Tel: 001+503
4、-725-3931. E-Mail: linkpdx.eduZhi-He Long, School of Business Administration, South China University of Technology, Guangzhou, China, 510640. Tel: 020-87114048. E-Mail: l-zh7201634Mei Wu, School of Business Administration, South China University of Technology, Guangzhou, China, 510640. Tel: 020-8711
5、2183. E-Mail: wumeiscut.edu中国地区经济 -收敛的空间计量实证分析一、引言经济体制改革开放以来，中国经济快速增长，引人瞩目。与此同时，省区间的经济增长速度及经济水平存在显著差异，地区间差距已成为中国政府关注的一个重要问题，它影响着中国的经济社会繁荣稳定。与之相应，有关中国地区经济发展收敛性的实证研究近年逐渐成为海内外中国经济研究的一个热点。经济收敛性研究分为 收敛, 收敛，以及俱乐部收敛。收敛是指不同经济系统间人均实际 GDP 的离差随时间推移而趋于下降。 收敛指初期人均产出水平较低的经济系统趋向于更快的速度增长，即不同经济系统间的人均产出增长率与初始人均产出水平负相
6、关。收敛又分为绝对 收敛与条件 收敛两种形式。前者指在各经济系统之间存在着无条件，直接可以观察得到的经济收敛；后者则认为不同经济系统之间的技术、制度、文化、偏好等结构特征不同，具有不同的经济稳态，如果模型中控制、固定住影响稳态位置的代表上述特征的变量，这些经济系统之间也会表现出明显的收敛性。所谓俱乐部收敛，它指的是初期经济发展水平接近的不同经济系统之间，在具有相似的结构特征的前提下趋于收敛。换言之，经济较落后区域和经济发达区域各自内部存在着条件收敛，而不同经济发展水平区域之间却没有收敛的迹象。除此之外，还有的研究采用基尼系数、变异系数、泰尔指数等统计指标，对经济区域差距及其变动进行测度和因素分
7、解，由此观察区域经济差距的变动趋势及影响因素。综观国内外学者对中国区域经济增长收敛性的研究，收敛的研究在文献中占主导地位。研究者多使用国际上通行的分析方法，用人均收入数据，采用经济增长模型做回归分析，对中国地区经济增长的趋同性进行检验。例如，Jian et al. (1996 ), 魏后凯（1997） ，Wu（1999） ，张胜等（2000） ，zhang et al.(2001)利用 1952 年以来中国各省份的人均 GDP 或人均国民收入（NI） 数据，对区域经济的绝对趋同性进行计量分析，认为中国区域经济绝对收敛在波动中呈现出明显的阶段性。Chen 等人（1996）使用中国各省区 1952
8、1993年的数据，采用 Solow 模型进行分析结果表明，体制改革前中国地区间人均产出呈发散趋势，而在 19781993 年则呈收敛趋势。徐现祥、李郇（2004）采用Barro 回归方程和 Dowrick 和 Rogers 框架分析中国城市经济增长的趋同情况，研究认为中国城市经济增长存在绝对收敛的趋势。张焕明（2004）用扩展的Solow 模型对中国经济增长的地区性差异与趋同所做的研究认为，中国地区经济不存在收敛。林光平、龙志和和吴梅（2004）利用空间计量模型研究中国?个省市?年间人均实际 GDP 的?-收敛情况，发现省区间经济存在收敛性，但是?的估计值表现出增大的趋势。在有关条件收敛的研究
9、方面，Chen Fleisher (1996)；蔡昉、都阳（2000） 、蔡昉、王德文和都阳（2001） ；刘明兴（2001） ；沈坤荣、马俊（2002）研究结果表明，在控制了绝对收敛模型的一系列外生变量后，省区收敛回归模型的拟合效果大大改善，且具有统计上显著的收敛性。这些研究者们所控制的外生变量包括初始人力资本存量、市场化程度、对外开放程度、产业结构变量、投资率（或储蓄率） 、劳动力（或人口自然）增长率、就业率、政府消费、城市化程度、技术选择指数，等等。同时，一些研究者注意到，中国存在着明显地东、中、西部地区经济差异。某些在一定区域内部一致，而在区域间分异的外生因素，对全国整体收敛性有重要影
10、响。换言之，各区域内部经济增长存在某种同质性，使得各省区经济向其所在地带的稳态趋同，从而形成东、中、西三个俱乐部收敛。魏后凯（1997） ，刘强（2001） ，沈坤荣、马俊（2002） ，张焕明（2004）, 覃成林（2004）等研究都得出了相同的结论。有关中国不同地区 收敛的研究文献显得明显不足。在查阅到文献中，未见完整的中国不同地区 收敛问题的研究，一般只是作为收敛问题的一部分内容在论文中出现，方法上通常是通过简单计算每一时段各地区人均收入或人均 GDP 的标准差，然后观察其变化过程得出结论。在这些文献中，Jian, Sachs Warner (1996)，魏后凯（1997）, 李翔（19
11、98）,林毅夫、刘明兴(2003)，覃成林（2004）等认为，中国地区间经济的 收敛具有阶段性：19781990 年区域经济增长存在 收敛格局，而 1990 年以后不存在 收敛。应该说已有文献中对 收敛的研究都可以认为是一种“绝对”的 收敛，即讨论各地区 收敛与否时只是单纯的考察各地区自身的影响因素，没有涉及区域之间经济发展产生的相互影响。这正是本研究的出发点。本研究尝试对传统的 收敛定义进行扩展，引入 “条件”收敛的概念，即区域经济的 收敛依赖于相邻地区的经济活动及水平状况。本文讨论中国省区间 收敛的问题：第二部分是模型构建的依据，第三部分介绍空间计量模型，第四部分为实证模型估计及结果分析，
12、第五部分是结论。二、模型构建的依据收敛研究不同经济系统间人均实际 GDP 的离差，随时间推移而变化的情况，如果离差趋于下降则说明各地区经济增长存在 收敛。为描述和分析中国省区间经济增长水平差异的变化，本文选用省区间实际人均 GDP 的对数形式（用 ln(Yit)表示）标准差指标反映绝对差异的变化，计算公式如下：yit = ln(Yit), and 其中 i = 1,2,N; t = 1,2,T(1)当时，则说明中国地区经济增长存在 收敛。将各省区每一时段的 log-实际人均 GDP 进行常数（constant）回归：yit = （2）其中， i = 1,2,N; t = 1,2,T。可知，对于
13、方程（ 2）残差项方差的估计则是 。使用中国分省区数据，方程（2）计算结果由图 1 所示，可见中国自改革以来省区间人均 GDP 水平的差异呈现明显的波动性。总体上看，20 世纪 90 年代以前，省区间实际人均 GDP 标准差随着时间逐渐下降，存在 收敛，而在 90年代以后则出现 趋异倾向。这与文献中大多数学者的研究结果相一致。图 1 中国省际间人均实际 GDP 标准差时序图需要指出的是，通过方程（2）的残差项对进行估计时，各区域被当作独立的个体，隐含着区域间不相关假定。在这一假定下，相应的方程中各省区每一时段的对数形式人均实际 GDP 变量 yit 是独立同分布的，即：yit N(?t,?t2
14、)其中,不同地区之间的均值和方差都是相互独立的。即使各地区均值和方差可能随着时间变化而变化，但是同一时段不同地区的均值和方差却总是相同的。但是，这种假定与实际情况并不吻合。在实际经济运行中，任何一个地区的经济都不可能独立存在，它总是与其它经济区域存在着各种的联系。当外生冲击对一个地区的经济造成影响时，往往也会波及到临近地区甚至更远区域。例如，在众多的研究中，技术外溢经常被视为推动区域经济收敛一个很重要的机制，而技术外溢本身就涉及到区域间相互关系。因此，在方程（2）中各地区经济间不相关假定下，简单通过标准差的计算对省区经济收敛性做出判断，会造成与实际情况不相符合的误差。换言之。放弃各省区经济独立
15、性假定，将地区间的相关性引入模型，才能对省区间经济收敛性做出正确判断。尽管地区之间的相互作用引起人们广泛的关注，但多数经济收敛性研究中并未将相关性引入模型进行实证分析。文献上， Rey 和 Montouri（1999）曾通过空间计量模型的估算，考察美国各地区经济收敛性，得到美国地区间经济增长收敛的结论。Sergio J. Rey , Boris Dev（2004）首次将空间计量方法引入收敛的研究，并利用美国 19292000 年的数据进行了实证分析。本研究借鉴 Rey 和 Dev 研究思路，采用 Anselin (1988), Anselin 和 Rey（1991）有关空间经济计量方法，将地区
16、间的相互作用关系引入中国区域经济 收敛性的研究。理论上讲，不同省区间相关关系可以是表现在时间上的相互关系，也可以是空间上的相互关系。本文主要讨论后者。为了不与省区之间时间序列上的相关性相混淆，本研究假设各省区之间在时间上不存在相关性。顺便指出，同时考虑区域之间空间及时间上的相关性，则涉及到时间空间计量模型，目前这尚是国际经济计量学界有待解决的课题。在具体的模型实证分析时，地区之间的相关性可以分别从均值?t 空间相关和方差?t2 空间相关两个方面来考虑。本文主要讨论均值部分相关性存在时，对中国省区经济 收敛的影响。三、空间计量模型介绍空间计量经济的基本思想是将地区间的相互关系引入模型，对基本线性
17、回归模型（3）通过空间权重矩阵 W 进行修正：（3）根据模型设定时对“空间”的体现方法不同，空间计量模型主要分成两种：一种是空间滞后模型，主要是用于研究相邻机构或地区的行为，对整个系统内其他机构或地区的行为存在影响的情况： (4)其中，W 是阶的空间权重矩阵，即 n 个地区之间相互关系网络结构矩阵，Wy?为空间滞后因变量，?是空间自回归系数，其它变量意义与原来相同。空间权重矩阵中权数设定方式有相邻距离、有限距离和负指数距离权数等，其中依据相邻距离设定权数是一种最常用的空间权数，即当一个观测变量与另外一个观测变量有公共部分时，此时空间权重矩阵中对应的项目取 1，否则取 0。另一种是空间误差模型。
18、这种模型中机构或地区间的相互关系通过误差项来体现。当机构或地区间的相互作用因所处的相对位置不同而存在差异时，则需要采用这种模型。具体而言，误差项的空间相关形式有两种基本的表达方式，模型形式如下：空间误差自相关模型：（5）空间误差移动平均模型：（6）其中，?是空间误差自相关系数，?是空间误差移动平均系数，W? 和 Wu都是空间滞后误差项。本研究中采用组合模型（ARMA）:y = X? + ?= ?W? ?Wu + u或 y = X? + (I-?W)-1(I-?W)u 依照研究的目的，设定用于空间滞后和空间误差模型检验的空间权重矩阵W 。判断地区间的空间相关存在与否，一般通过包括 Morans
19、I 检验、最大似然 LM-Error 检验及最大似然 LM-Lag 检验等一系列空间效应检验进行（Anselin 1988） 。Morans I 的表达式为：I=eWe/ ee ，其中 e 表示回归方程的残差估计值。Morans I 值近似服从期望值为 E(I)和方差为 V(I) 的正态分布，相关计算方程如下： E(I) = trace(MW)/(N-K), 其中 M = I-X(XX)-1X V(I) = trace(MWMW)+trace(MW)2+trace(MW)2/(N-K)(N-K+2) - E(I)2 因此，服从标准正态分布的 Morans I 形式为：Z=(I-E(I)/V(I
20、)1/2N(0,1)LM-Error 检验及 LM-Lag 检验的表达式分别为： LM-Error eWe/(ee/N)2/ trace(W2+WW) LM-LageWY/(ee/N)2/ (WXb)M(WXb)/(ee/N)+trace(W2+WW) ，其中 b 是回归方程的系数估计值。LM-Error 与 LM-Lag 检验都渐进服从自由度为 1 的卡方分布?2(1)。这两个检验是针对不同形式的空间计量模型方程做出的，并不存在互相矛盾性，实际检验时需要同时进行这两种检验。同时，这些统计检验方法也可以用于诊断所估计的空间计量模型结果（Anselin, Florax, and Yoon ,19
21、96） 。对于空间计量模型的估计如果仍采用最小二乘法，系数估计值会有偏或者无效，需要通过工具变量法、最大似然法或广义最小二乘估计等其他方法进行。本研究采用最大似然法进行估计，以方程（4）空间滞后模型为例，其似然函数形式如下：L = -N/2 ln(2?)-ln(N)+1 - N/2 ln(?*?*) 其中，?* = ?/(|d?/dY|1/N) 。 可见，要求似然函数最大值就等同于求?*?*的最小值。无论怎样，都涉及对 Jacobian 矩阵|d?/dY|进行估计。对于方程（4）来说，Jacobian 矩阵为|(I-?W)|，其行列式的值等于：|I-?W| = (1-?1)(1-?2).(1-
22、?N)，其中，?1，?2，.，?N 是经过行标准化之后的空间权重矩阵 W 的 N 个特征根。可知，在空间计量模型中，与空间权重矩阵 W 相关的系数估计值必须满足条件 1/?min ? 1/?max，才能保证估计方程的稳定性。对于方程（5） ， （6）最大似然函数形式及估计与此类似。鉴于空间经济计量估计中一系列问题有待进一步解决，目前一般空间计量模型都局限于一阶滞后模型、一阶自回归或一阶移动平均模型。本研究也仅限于讨论一阶模型。四、空间计量模型的实证分析?数据来源及说明本研究采用?年中国?个省市（除西藏和海南外）的实际人均 GDP 数据。各省区的实际人均 GDP 通过各省区同年价格指数修正得到，
23、其中价格指数以?年为基期。数据源于中国统计年鉴和各省的统计年鉴。本研究计算采用 GPE2/Gauss 6.0 软件 (Lin, 2001)。?地理空间相关性模型设定空间经济计量模型在建模之前，需要对原始数据做空间相关性检验。本研究对方程（2）的残差进行了 Morans I 空间相关性检验。由方程?（2）可知，其中，满足均值为 0, 方差为的正态分布。记,，则 Morans I 指标的计算值则可以表示为：，其中，W 是空间权重矩阵。本研究先考察区域间地理上的空间相关性对区域经济 收敛的影响。空间权重 W 采用简单的地理权重，即对于中国 28 个省区，如果地理上相邻对应权重取 1，否则是 0。各时
24、段的检验结果见附表 1，相应的各时段 Morans I 检验值的时序图见图 2。图 2 地理空间相关性检验 Morans I 检验值时序图从附表?可以看到，各时段 Morans I 检验值都是显著的。这说明改革开放以来，中国地区间经济发展过程存在较强的空间相关性。同时，从图 2的时间序列看，空间效应检验值 I 随着时间呈增大趋势，这说明随着经济体制改革的深化，各省区之间的空间相关性越来越大。因此，地区间经济收敛性的研究，必须对空间的相关性加以考虑。本研究分别使用前述两种空间计量模型对均值部分的空间相关性进行估计。考虑方程（2）的空间滞后模型，将各省区人均实际 GDP 的空间滞后变量引入模型，用
25、以说明一个地区的经济发展水平可能直接与周围地区及整个系统内的经济发展情况相关。记 yt = y1t, y2t, , yNt，则方程（2）的空间滞后模型则可以表示为： 同时，也可以将方程等价的表示成均值形式：（7）其中， Wi.表示空间权重矩阵中的第 i 行向量。因此，均值就是一个与相邻地区实际人均 GDP 水平相关的变量。这样均值?it 就是一个随着 i 和 t 的取值变化而变化的量。各省区之间的空间相关性的存在，则会导致当 i 值不同时?it 的不同。由此，各省区实际人均 GDP 水平就是一个既随着时间变化又随着省区不同而变化的一个变量。在具体到方程模型的估计时，不难发现对于常数回归方程（2
26、）来说，空间误差自相关模型 AR(1)与上述方程（7）一阶空间滞后模型在模型设定上是相同的，所以在做模型的选择和比较时，只需要考察空间移动平均模型。前述，要保证空间计量模型的稳定性，需要含空间权重矩阵项的系数估计值应在 1/max(w) 和 1/min(w)之间，其中 w 是空间权重 W 的特征值。本研究中，1/max(w) =1，1/min(w) =-1.7149。然而，很遗憾 MR(1)模型估计确不满足此条件。最终选择模型（7） ，其方程形式如下：其他各时段的估计情况及模型的选择也与此类似，模型（7）也是相对拟合较优的模型，在此从略。对各个时段的模型估计结果见附表 2。各时段的估计及检验结
27、果表明，对方程（7）的残差进行空间相关性检验时，新的残差已不存在空间相关性。此时，方程（7）对应的标准差 则是在对均值空间相关性修正之后所得到的估计值，即考虑到空间地理相关性的标准差。图 3 给出了考虑空间相关的方程（7） 与不考虑空间相关的方程（2）的估计结果比较。从图 3 可以看到，考虑空间相关性之后，在 20 世纪 90 年代后期以前，中国省区经济之间的 收敛状况与原始状况相比较，趋势上基本上没有太大区别，但是标准差的绝对数值有所下降，说明考虑地理空间相关性之后，各地区之间的趋异性下降。尤其值得注意的是，90 年代末期考虑到地理空间相关性之后，与原来的结果不同，中国省区经济增长表现出收敛
28、的趋势 ，不过收敛的趋势比较小。 注：0、1 分别表示不考虑空间相关性和考虑地理空间相关性的模型估计结果。图 3 考虑空间地理相关性省区间人均实际 GDP 标准差时序图? 经济空间权重模型设定不言而喻，上述的地理空间权重矩阵的选择过于简单，并不能完全体现各地区间经济上的相互影响。比如，在地理空间权重矩阵中，假设地区之间在地理上相邻则权重矩阵中对应数值取 1，也就是说对所有相邻地区的关系都简单的视为相同。事实上，相邻地区间经济上的相互关系不可能完全一样，需要加以区别。例如，河北省地理上与北京、天津、山西、内蒙、山东、河南等相邻，但很明显河北省与北京、天津间的经济密切程度较其他省份要高。为了解决这
29、一问题，本研究引入经济空间权重矩阵 W*，W* = W.*E。式中，Yit 为经济变量，代表第 i 个地区第 t 年的实际人均收入水平。新的权重矩阵 W*同时考虑地区间经济与地理上的相关性。W* 将同样两个相邻地区的差异通过经济权重进行了区别，避免了仅用地理空间权重矩阵时所遇到的问题。对用 W*所设立的经济空间计量模型的估计，同样需要进行数据检验，考察是否存在经济空间相关性。检验结果表明，经济空间相关性与地理空间相关性的检验结论基本相同，但显著性水平明显的提高，说明中国地区间存在很强的经济空间上的相关性。从图 4 中可以看出，经济空间相关性检验的Morans I 值也随着时间变化，并且区域间的
30、经济空间相关性越来越强。图 4 经济空间相关性 Morans I 检验值时序图类似对空间地理相关性研究，我们对各种可能的经济空间计量模型都进行了尝试，通过比较选择，最后发现模型(7)仍然是拟合最优的模型，各时段的估计结果如附表 3 所示。显见，与附表 2 的结果相对比，在引用经济空间权重矩阵之后，估计结果的拟合情况进一步提高。经济空间计量所有时段同样模型的最大似然值都较地理空间相关模型大，且通过了各项相关性检验。同时，经济空间计量模型中各系数估计值的显著性水平都有了很大提高，在 5%的显著性水平下都是显著的。对该模型残差的检验表明经济空间计量模型的残差服从正态分布，且不存在异方差现象。换言之，
31、将经济距离引入空间权重矩阵更好的拟合了中国省区经济的发展状况。从相对应的标准差时序图（图 5）可以看出，与没有考虑空间相关性，以及考虑地理空间相关性的?收敛时序图相比较，在考虑经济空间相关性之后，?年代以前标准差序列不仅数值上有所下降，而且并不存在明显的上升趋势，到?年代末期之后还表现出下降的趋势。这说明考虑经济空间相关性之后，中国省区经济之间上世纪?年代末期后开始出现?收敛。图 5 考虑经济空间相关性省区间人均实际 GDP 标准差时序图注：0、1、2 分别表示不考虑空间相关性、考虑地理空间相关性和考虑经济空间相关性的模型估计结果。五、结 论（?）本研究通过空间经济计量模型所做的实证研究表明，
32、考虑到省区间相关性，特别是经济间的相关性后，同已有研究结果比较，省区间的趋异性显著下降。（?）经济体制改革以来中国地区之间经济存在?收敛存在阶段性波动，但总体趋势是收敛的，尤其是考虑到地区之间的经济相关性时更是如此。具体地说，中国经济体制改革以来，省区间经济收敛性可分成三个阶段：?年至?年代初，总体呈?收敛趋势；?年开始至上世纪末，省区间经济表现出趋异性，不存在?收敛；近几年省区间经济再次呈现?收敛趋势。中国省区间经济收敛性的波动与总体经济运行具有一致性。中国经济体制改革以来，沿海省份与内陆地区经济发展差距拉开，但以后一系列政策实施有助于缩小这种差距。这些政策包括：?世纪?年代初期，随着农村联
33、产承包责任制实施的成功，使落后农业省份的居民收入与发达地区的差距缩小；80年代中后期相继出台的提高粮油、棉花和原材料等的价格政策使经济相对落后的农业省份受益，各地区间的人均实际 GDP 的离差有了很大的下降。由此，经济体制改革始至 90 年代初，中国省区间经济呈收敛趋势。1992 年邓小平南方讲话后，中国经济进入快速增长轨道。特别是 90 年代中期后，经济发达省区经济增长明显快于相对落后地区，导致各个地区的经济水平差距逐渐增大，省区间经济趋异性明显。本世纪初开始，考虑空间相关性的估计结果显示，中国地区经济再次呈收敛的趋势。这与中国政府西部开发政策推动，以及区域之间的经济合作的加强相关。本文将空
34、间计量经济学的方法用于中国地区间经济增长收敛性研究，弥补了以往研究中忽略区域间空间相关性的不足及?收敛研究的薄弱。特别是经济空间矩阵的应用，在地区经济收敛性研究中是一个全新的尝试。本研究亦存在不足之处，有待于在进一步研究中改进。参考文献：1 魏后凯.中国地区经济增长及其收敛性J.中国工业经济,1997(3):31-37.2 蔡昉,都阳.中国地区经济增长的趋同与差异J.经济研究,2000(10):30-37. 3 蔡昉、王德文、都阳.劳动力市场扭曲对区域差距的影响J.中国社会科学，2001， （2）4 国家统计局.新中国五十年统计资料汇编M. 北京:中国统计出版社,1999.5 李翔.经济增长的
35、收敛与区域经济发展的比较研究.国家图书馆,复旦大学博士论文,1998.6 刘强.中国经济增长的收敛分析J.经济研究,2001,(6). 7 刘明兴.比较优势、工业化与经济增长.2001 年北京大学中国经济研究中心博士学位论文.P205-224.8 林毅夫.刘明兴.中国的经济增长收敛与收入分配J.世界经济,2003,(8).9 林光平，龙志和，吴梅.我国地区经济收敛的空间计量实证分析：1978 2002.第四届经济学年会入选论文。10 沈坤荣、马俊.中国经济增长的“俱乐部趋同”特征及其成因研究J.经济研究,2002,(1)11 覃成林.中国区域经济增长趋同与分异研究.人文地理J.2004(6),
36、 Vol.19,No.3.12 张焕明.扩展的 solow 模型的应用J.经济学（季刊）,2004,Vol.3,N0.3.13徐现祥，舒元.中国省区经济增长分布的演进（19781998）J.经济学（季刊）,2004,Vol.3,N0.3.14 徐现祥、李郇.中国城市经济增长的趋同分析J.经济研究,2004,(5).15 张胜，郭军，陈金贤.中国省际长期经济增长绝对趋同的经验分析J.世界经济,2001,(6)16 Anselin, L., Spatial Econometrics: Methods and Models. Kluwer, Dordrecht (1988)17 Anselin L,
37、 Bera A, Florax R, Yoon M (1996) Simple Diagnostic Tests for Spatial Dependence. Regional Science and Urban Economics 26: 77-104.18 Anselin L, Rey S (1991) Properties of Tests for Spatial Dependence in Linear Regression models. Geographical Analysis 23: 110-131.19 Anselin, L. and S. J. Rey, Properti
38、es of tests for spatial dependence in linear regression models, Geographical Analysis 1991，23,112-31.20 Barro, R. J. and X. Sala-I-Martin, Convergence across stats and regions, Brookings Paper. Econ. Activity, 1991, no.1:107-82.21 Barro, R. J. and X. Sala-I-Martin, Economic Growth M.Mc Graw-Hill.New
39、York,1995.22 Bollerslev T (1986) Generalized Autoregressive Conditional Heterskedasticity. Journal of Econometrics 31: 307-327.23 Cardenas, M., Growth and Convergence in Colombia: 1950-1990, Journal of Development Economics,1995,Vol.47,5-37.24 Coulombe, S., New evidence of convergence across Canadia
40、n Provinces: the role of urbanization J. Regional Studies, 2000, 34(8):712-725.25 Chen, J and B. M. Fleisher, Regional income inequality and economic growth J. Journal of Comparative Economics,1996, 22:141-164. 26 Demurger S. , 2001, “Infrastructure development and economic growth: an explanation fo
41、r regional disparities in china?”J. Comp. Econ. , 29, 95-117.27 Engle R. (1982) Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of U.K. Inflation. Econometrica 50: 987-1008.28 Jian, T., F. D. Sachs, and A. M. Warner, Trends in regional inequality in ChinaJ. China Economi
42、c Reriew, 1996, 7(1):1-21.29 Lin, K.-P. Computational Econometrics: GAUSS Programming for Econometricians and Financial Analysts, ETEXT Publishing, Los Angles, 2001; 中文版 计算计量经济学计量经济学家和金融分析师 GAUSS 编程和应用清华大学出版社, 2003.30 Rey, S. J. and B. D. Montouri, US Regional Income Convergence: A Spatial Econometr
43、ic PerspectiveJ. Regional Studies, 1999, Vol. 33.2:143-156. 31 Rey, S, Dev B (2004), ?-Convergence in the Presence of Spatial Effects, Economics Working Paper Archive at WUSTL. /ideas.repec.org/p/wpa/wuwpur/0404008.html32 Wei Y.D., “Regional inequality in china”, Progress in Human Geography,1999,23(
44、1), 49-59.33 Wu, Yanrui, Income Disparity and Convergence in Chinas Regional Economics. University of Western Australia Discussion Paper 1999, 9915.34 Zhang, Zongyi, Aying Liu, and Shuijie Yao, Convergence of Chinas Regional Incomes, 1952-1997. China Economic Review 2001, 12(2/3): pp.243-58附表 1 地理空间
45、相关性的检验结果时 段19781979198019811982Morans I0.298030.314840.315410.334790.31676StandardizedP-值0.12368 0.00337320.12368 0.00222020.12368 0.00218830.12368 0.00132220.12368 0.0021148时 段19831984198519861987Morans I0.321790.340910.341590.349300.34662StandardizedP-值0.12368 0.00185850.12368 0.00112240.12368 0.0
46、0110200.12368 0.000893200.12368 0.00096133时 段19881989199019911992Morans I0.340100.316010.315980.317960.34100StandardizedP-值0.12368 0.00114700.12368 0.00215530.12368 0.00215730.12368 0.00205060.12368 0.0011197时 段19931994199519961997Morans I0.357860.375190.388790.400890.40954StandardizedP-值0.12368 0.0
47、00704360.12368 0.000429630.12368 0.000287750.12368 0.000199510.12368 0.00015271时 段19981999200020012002Morans I0.413390.419170.425480.440170.44551StandardizedP-值0.12368 0.000135370.12368 0.000112760.12368 9.2168e-0050.12368 5.7071e-0050.12368 4.7802e-005附表 2 各时段地理空间计量模型估计结果时段结果19781979198019811982?2.4460 （1.1845）2.2784 （1.1519）2.3235 （1.1653）2.1642 （1.1225）2.3361 （1.1846）?0.59811 （0.20207）0.639036 （0.19424）0.62778 （0.19433）0.65679 （0.18574）0.63318 （0.19339）Log-Likelihood-20.997-20.388-20.588-19.487-19.084MoransIStandardizedP-值0.020948 0.11886 0.241420.029554 0.11895 0.217090.027104 0.11908
