北京工商大学学报
(
社会科学版
)摇 摇 摇 摇 2014
年
摇
第
4
期
间距离连续递减的规律
。
其可以表达为
:
W
z
ij
=
Q
0
j
d
2
ij
,
i
屹
j
0,
i
=
ì
î
í
ïï
ï
j
;
W
ij
=
W
z
ij
移
j
W
z
ij
,
i
屹
j
0,
ì
î
í
ïï
ïï
i = j
(5)
式
(5)
中
,
矩阵认为区域间的联系不仅与两
者间的距离相关
,
而且受到区域经济活动活跃程
度的影响
。
公式中经济活跃程度用地区初试人均
GDP
表示
,
即
Q
0
j
,
使用人均指标是为了消除规模
经济大小的影响
(
侯新烁等
2013)
[10]
。
为处理方
便和能够反映观察期之内的经济活跃程度
,
研究
中使用的
Q
0
j
是根据上述经济特征确定的各空间
单元观察期的平均值
Y
n
。
原始重力特征建立的
空间权重矩阵为
W
z
ij
,
W
ij
为重力特征空间权重矩
摇 摇
阵标准化的空间权重矩阵
。
三
、
实证结果
为了避免地区特征变量统计相关产生的估计
偏差问题
,
文章选择固定效应下的估计方法
。
正
如
Baltagi(2005)
[11]
指出的那样
,
当样本回归分
析局限于一些特定个体时
,
固定效应模型是更好
的选择
。
同时为了消除空间滞后效应和时间滞后
效应而产生的内生性问题
,
文章使用由
Yu
等
(2008)
[12]
提供的似极大似然估计
QMLE
变换方
法估计系数
,
并且在
Lee
和
Yu(2010)
[13]
文章中
发现直接方法和变换方法是等价
。
因此
,
文章只
报告似极大似然估计
QMLE
变换方法估计的结
果
,
不同的空间权重矩阵下的估计结果报告见
表
2。
表
2摇
动态空间面板模型估计结果
动态空间面板 模型
1
模型
2
模型
3
模型
4
模型
5
模型
6
模型
7
模型
8
权重矩阵 邻接关系 邻接关系 邻接关系 邻接关系 邻接关系 地理距离 经济特征 重力特征
变量
系数 系数 系数 系数 系数 系数 系数 系数
WY
0郾 141
*
0郾 154
*
0郾 151
*
0郾 141
*
0郾 185
**
0郾 114
*
0郾 137
**
0郾 319
***
(
- 1郾 451
) (
1郾 573
) (
1郾 516
) (
1郾 338
) (
1郾 862
) (
1郾 466
) (
1郾 769
) (
2郾 572
)
Y
(
- 1
)
0郾 639
***
0郾 641
***
0郾 696
***
0郾 809
***
0郾 698
***
0郾 648
***
0郾 654
***
0郾 658
***
(
13郾 839
) (
13郾 743
) (
15郾 815
) (
19郾 411
) (
15郾 193
) (
14郾 159
) (
14郾 210
) (
14郾 286
)
WY
(
- 1
)
- 0郾 178
**
- 0郾 194
**
- 0郾 215
**
- 0郾 126
**
- 0郾 262
***
- 0郾 077 - 0郾 099 - 0郾 255
**
(
- 1郾 854
) (
- 2郾 023
) (
- 2郾 239
) (
- 1郾 288
) (
- 2郾 636
) (
- 0郾 784
) (
- 1郾 021
) (
- 1郾 703
)
LNFDE
0郾 309
***
0郾 304
***
0郾 141
***
0郾 226
***
0郾 335
***
0郾 331
***
0郾 325
***
(
4郾 139
) (
4郾 031
) (
2郾 645
) (
4郾 124
)
(
4郾 630
) (
4郾 591
) (
4郾 509
)
LNOPEN
- 0郾 019
**
- 0郾 017
**
- 0郾 022
**
- 0郾 021
**
- 0郾 021
**
(
- 1郾 846
)
(
- 1郾 622
) (
- 2郾 132
) (
- 2郾 082
) (
- 2郾 014
)
LNGOV
- 0郾 086
***
- 0郾 102
***
0郾 011
***
- 0郾 093
***
- 0郾 093
***
- 0郾 094
***
(
- 2郾 503
) (
- 3郾 037
)
(
0郾 417
) (
- 2郾 738
) (
- 2郾 752
) (
- 2郾 801
)
LNPK
0郾 060
***
0郾 063
***
0郾 067
***
0郾 074
***
0郾 054
***
0郾 053
***
0郾 053
***
(
4郾 996
) (
5郾 246
) (
5郾 445
)
(
6郾 127
) (
4郾 641
) (
4郾 561
) (
4郾 671
)
FN
0郾 092
***
0郾 085
**
0郾 075
**
0郾 095
**
0郾 070
**
0郾 113
***
0郾 112
***
0郾 108
***
(
2郾 460
) (
2郾 275
) (
1郾 953
) (
2郾 316
) (
1郾 804
) (
3郾 054
) (
3郾 049
) (
2郾 947
)
DFN
- 0郾 001 - 0郾 001 - 0郾 001 - 0郾 001 - 0郾 001 - 0郾 001
*
- 0郾 001
*
- 0郾 001
(
- 1郾 076
) (
- 1郾 061
) (
- 0郾 909
) (
- 0郾 880
) (
- 0郾 591
) (
- 1郾 285
) (
- 1郾 296
) (
- 1郾 235
)
时间虚拟变量 是 是 是 是 是 是 是 是
log鄄likelihood
563郾 026 561郾 346 556郾 809 542郾 991 554郾 751 562郾 390 562郾 804 564郾 487
摇 摇
注
:
***
、
**
、
*
分别表示在
1%
、
5%
、
10%
水平上显著
,
括号内为
t
统计量
。
·09·
