EN中文

GEOGRAPHICAL RESEARCH >

2018 , Vol. 37 >Issue 9: 1736 - 1750

DOI: https://doi.org/10.11821/dlyj201809007

Articles

Market potential, spatial spillover and manufacturing industry agglomeration

  • WANG Haohan , 1 ,
  • XU Jianjun , 2
Expand
  • 1. Faculty of Business, Ningbo University, Ningbo 315211, Zhejiang, China
  • 2. Institute of Ningbo Bay Area Economic, College of Science and Technology Ningbo University, Ningbo 315212, Zhejiang, China

Received date: 2018-04-11

  Request revised date: 2018-07-12

  Online published: 2018-10-22

Copyright

《地理研究》编辑部
Fold

Abstract

In order to have an in-depth analysis of the important role of the domestic and foreign markets potential that plays in promoting the agglomeration of manufacturing industry in China, this paper firstly introduces a new economic geography model to analyze the impact of domestic and international market potential (DIMP) on the manufacturing agglomeration, and then uses spatial Durbin methods to examine DIMP's impact on China's manufacturing industry agglomeration based on the cross-provincial panel data. The result of parameter estimation well confirms the significant direct effect of the DIMP within provinces on manufacturing agglomeration and the spatial spillover effect of the DIMP between provinces on manufacturing agglomeration. The empirical results also illustrate the direct role of transport infrastructures and marketilization in promoting manufacturing agglomeration, the direct promotion of labor productivity to manufacturing agglomeration and the positive spillover effect, and the direct and indirect blocking effects (negative spillover) of actual wage levels on manufacturing agglomeration. What's more, the estimation results based on different spatial weight matrixes are consistency. Finally, the policy implications for the above conclusion are proposed. The characteristics of this study are as follows: (1) The market potential is subdivided into two parts, namely domestic and foreign market potentials, which characterize the intrinsic relationship between the two types of market potentials and manufacturing agglomeration under the framework of the new economic geography; (2) Integrating supply and demand factors into a unified analytical framework and taking into account the characteristics of spatial dependency among regions, and using the spatial Durbin model to focus on the complicated impact of the potential of domestic and foreign markets on manufacturing agglomeration, this model suggests that the market potential not only has a direct impact on manufacturing agglomeration but also takes note of the spillover effect of market potential on manufacturing agglomeration; (3) We introduce the interactive items of DIMP into the model to further verify the existence of the "alternative" relationship in domestic and foreign markets in the formation of manufacturing agglomeration; (4) The conclusions drawn from the spatial weights of geographic distance and 0-1 space adjacency spatial weight matrix are consistent, which illustrates the empirical conclusion of the stability.

Key words： market potential; spatial spillover; manufacturing industry agglomeration; spatial Durbin model

Cite this article

WANG Haohan , XU Jianjun . Market potential, spatial spillover and manufacturing industry agglomeration[J]. GEOGRAPHICAL RESEARCH, 2018 , 37(9) : 1736 -1750 . DOI: 10.11821/dlyj201809007

1 引言

产业集聚是发展中国家工业化发展的必然规律[1],产业集聚发展也是经济增长极或增长带产生的重要条件,由此形成的经济辐射、带动作用对于地区经济的高速增长起到了重要的作用[2]。随着中国工业化进程的纵深推进,在祖国的大地上,各种形式的产业集聚区或者工业园区如雨后春笋般涌现,形成了较为鲜明的以东部地区为中心、中西部地区为外围的“中心—外围”特征[3,4,5]。在解释中国产业集聚特征的形成机理时,学者们主要基于以下三个理论依据：其一是以马歇尔的外部性理论为基础,从专业化劳动力、中间投入规模经济和厂商间的技术溢出等方面进行解释[6,7];其二是依据新古典贸易理论为基础,从要素禀赋、生产技术水平、生产成本的等方面的比较优势进行解释[8,9];其三是以新经济地理学理论为基础,从规模经济、运输成本、产业间关联效应以及市场潜力等作用机制进行剖析[10,11,12]。
围绕中国制造业集聚相关实证分析中,现有的文献中主要围绕供给和需求两方面的影响因素展开。有关资源禀赋、人力资本、金融发展、财政干预、利用外资、劳动力供给、工资水平、基础设施、经济制度等因素对制造业集聚的影响都可归为供给方面的研究[7,12-18]。很显然,这方面的研究文献十分丰富。相对而言,有关需求视角的研究文献还比较少见,而且也只是最近几年才有一些零星的研究[2,5,19]。刘修岩等[5]注意到了市场潜能与制造业集聚的关系,采用1999-2004年中国210个地级城市的数据,运用最小二乘法（OLS）和二阶段最小二乘法（2SLS）方法证实市场潜能对制造业集聚的促进作用,但所分析的市场潜能主要是本地市场潜能。孙军[2]注意到这个文献的不足,运用2002-2007年的省级面板数据采用OLS和2SLS实证了本地市场潜能和出口开放度对制造业集聚的影响。覃一东[19]结合中国2001-2010年的数据采用工具变量法（IV）同样证实了市场潜力及贸易开放度对工业集聚的显著促进作用。显然,后两篇文献的实证过程已经注意到国外市场的实际需求,但没有考虑国外市场的需求潜力。从研究方法来看,上述文献都是在假定的各个空间单元是相互的独立的基础上进行的回归分析,而事实上,基于地理学的第一定律,几乎所有的空间数据都有可能具有空间依赖性或空间自相关性的特征[20]。如果研究过程中忽略了研究个体之间的空间关联效应的影响,在存在显著截面相关的条件下,这种忽略会导致估计结果的偏误或不一致,分析结果也可能产生误导[21]。总之,现有的研究有待于进一步改进和拓展。
为此,本文以新经济地理学理论为基础,引入空间计量经济学方法,深入分析中国省域国、内外市场潜力对制造业集聚的影响并比较其差异性。主要特点在于：① 将市场潜力细分为国内外市场潜力两个组成,在新经济地理学理论框架下刻画两类市场潜力与制造业集聚的内在关联;② 将供给因素和需求因素纳入到一个统一的分析框架,并考虑到地区间的空间依赖特征,利用空间杜宾计量模型重点分析国内、外市场潜力对制造业集聚的复杂影响,该模型不仅考察了市场潜力对制造业集聚的直接影响,而且注意到市场潜力对制造业集聚的溢出效应;③ 在模型中引入国内外市场潜力的交互项,进一步实证制造业集聚形成过程中的国内、外市场“替代”关系的存在;④ 结合地理距离空间权重和0-1空间邻接空间权重矩阵两者得到的核心结论具有一致性。

2 理论分析模型及计量模型设计

2.1 理论分析模型的构建

产业集聚是产业空间分布过程中所形成的一种特殊现象,新古典经济学在解释产业空间地理集聚的形成机制时大都以规模报酬不变和完全竞争市场特征为假设前提。但Krugman认为空间经济活动的聚集与规模经济有紧密联系,要想建立一个用于解释集聚、地区专业化和贸易的一般均衡模型框架,必须要采用规模报酬递增和不完全竞争市场的假设前提[10]。20世纪90年代以来,以藤田昌久（Fujita M）、保罗·克鲁格曼（Krugman P）、维纳布尔斯（Venables A J）等为代表的新经济地理学者,以规模报酬递增与不完全竞争市场为假设前提,强调产业“中心—外围”的内生性和竞争均衡的思想,用规范的数学模型分析了规模经济、外部性、交易（运输）成本、工资水平等相互作用过程所决定的产业集聚的动态形成过程。
本文以新经济地理学建模思路为基础,参照Fujita等[22]、孙军[2]等人的做法,首先考虑一个只有农业和制造业两个部门的经济体,并且农业部门生产单一的同质产品且市场处于完全竞争状态,而制造业部门则向市场n种具有差异化产品且这些产品销售市场具有规模收益递增和垄断竞争市场特征。当农产品和制成品的消费者都具有相同的柯布-道格拉斯（Cobb-Douglas）偏好,则消费者的效用函数可表示为 U = M u A 1 - u ,其中, M 是制成品消费量; A 是农产品的消费量; u 表示制造业的支出份额。假定 M 符合不变替代弹性函数（CES）特征;农产品价格为 P A ;第i种制成品的价格为 p ( i ) 、需求量为 q ( i ) ;两类产品的支出约束为Y,通过求解第i种制成品成本最小的规划方程和消费者在总支出约束为Y的效应最大化的规划方程,可得到
q ( i ) = uYp ( i ) - σ G σ - 1 （1）
式中： G = ∫ 0 n p ( i ) 1 - σ d i 1 / ( 1 - σ ) ,表示制成品的价格总指数; σ = 1 / ( 1 - ρ ) > 1 ,表示制成品之间的替代弹性。
令国内、外市场对制成品i的需求量分别为 q ( i ) d 和 q ( i ) f ,假设运输成本为萨缪尔森的“冰山”成本,制成品在国内进行交易或与国外市场进行交易均需要交易成本,进而可得到国内、外的消费者支付的价格总指数分别表示为 G d 和 G f 。
G d = ∫ 0 nd ( p ( i ) d T dd ) 1 - σ + ∫ 0 nf ( p ( h ) f T fd ) 1 - σ 1 ( 1 - σ ) （2）
G f = ∫ 0 nd ( p ( i ) d T df ) 1 - σ + ∫ 0 nf ( p ( h ) f T ff ) 1 - σ 1 ( 1 - σ ) （3）
式中： nd 和 nf 分别代表国内、外生产的产品数; p ( i ) d 和 p ( h ) f 分别代表国内外市场产品的价格水平; T df 和 T fd 分别表示产品从国内运往国外或反方向的贸易成本; T dd 和 T ff 分别表示国内或国外内部的贸易成本。
假设制造业部门只需要一种生产要素—劳动,劳动力的工资水平为 w ; θ i 表示生产第i种制成品的企业生产率水平;劳动L与其产量q之间的关系为 L = q θ i + F ,F表示固定投入。则根据利润最大化原则可知,第i种制成品在国内、外的销售价格分别为 p ( i ) d = T d d w ( ρ θ i ) - 1 、 p ( i ) f = T df w ( ρ θ i ) - 1 ,进而结合（1）、（2）和（3）式可以求出第i种制成品在国内、外市场需求量分别为 q ( i ) d = u Y d p ( i ) d - σ G d σ - 1 、 q ( i ) f = u Y f p ( i ) f - σ G f σ - 1 。假设不同地区产品销售都存在进入的沉没成本（Sunk Cost）,令国内、外销售的进入成本分别为 S d 、 S f 。根据收益—成本—利润的关系可得到制成品i的生产企业在国内外市场的利润函数分别为：
π ( i ) d = A ( θ i / w ) σ - 1 M P d - S d （4）
π ( i ) f = A ( θ i / w ) σ - 1 M P f - S f （5）
式中： A = ( 1 - ρ ) ρ σ - 1 ; M P d = T d 1 - σ u Y d G d σ - 1 ; M P f = T df 1 - σ u Y f G f σ - 1 ; MP 为Krugman（1992）[21]意义上的市场潜力。由（4）或（5）式可以看出,制成品i的生产企业利润是市场潜能 MP 和劳动生产率水平 θ i 的增函数,同时也是该地区工资水平 w 的减函数。由（4）式和（5）式相加可得到制成品i的生产企业在国内和国外消费市场的总利润之和：
∑ π ( i ) = A ( θ i / w ) σ - 1 ( M P d + M P f ) - ( S d + S f ) （6）
现实经济中,企业受到资本逐利性的驱使,选址时通常会选择在可以获利较高利润的区域作为制造业的生产基地,进而促进了产业集聚的形成。根据上述分析可得出如下推论：
（1）如果一个地区的国内、外市场潜力越大、越有利于该地区的制造业集聚;
（2）如果一个地区的生产率水平越高,越有利于该地区的制造业集聚;
（3）如果一个地区的工资水平越低,越有利于该地区的制造业集聚;
（4）如果一个地区的进入成本越低,越有利于该地区的制造业集聚。

2.2 计量分析模型的构建

2.2.1 计量分析模型设定 根据以上数理模型的分析,结合国内、外市场需求之间可能存在的替代或互补关系,在精选了影响制造业集聚的若干供给方面的控制因素后,构建如下模型分析国内、外市场潜力对于中国省域制造业集聚的影响：
ln L Q it = β 0 + β 1 ln M P d it + β 2 ln M P f it + β 3 ln M P d it × ln M P f it + λ j ∑ j = 1 k CV ( j ) i t + ε it （7）
式中：i表示第i个省域;t表示第t年; LQ 表示制造业集聚度; M P d 表示国内市场潜力; M P f 表示国外市场潜力;交互项 ln M P d × ln M P f 表示国内、外市场潜力的相互作用; ∑ j = 1 k CV ( j ) i t 表示k个控制变量。由于模型（7）中单个样本单元假设是独立的,故该模型只反映了本省域供求因素对制造业集聚的影响,而没有考虑到省域间供求因素对制造业集聚的“溢出效应”。为此,本文引入空间计量模型弥补现有研究的不足。
根据空间面板模型设定时对“空间”的体现方法不同,空间面板模型主要分成两种:一种是空间自回归（SAR）面板模型,也称为空间滞后面板模型,主要是用于分析相邻省域的行为对系统中的其他省域的行为存在影响,其表达式如下:
ln L Q it = β 0 + ρW ln L Q it + β 1 ln M P d it + β 2 ln M P f it + β 3 ln M P d it × ln M P f it + λ j ∑ j = 1 k CV ( j ) i t + ε it （8）
另一种是空间误差（SEM）面板模型,这种模型中省域间的相互关系通过误差项来体现。当省域间的相互作用因所处的相对位置不同而存在差异时,则需要采用空间误差面板模型,其表达式如下：
ln L Q it = β 0 + β 1 ln M P d it + β 2 ln M P f it + β 3 ln M P d it × ln M P f it + λ j ∑ j = 1 k CV ( j ) i t + u it μ it = λ ( I T Ä W N ) μ it + ε it （9）
而空间杜宾模型（SDM）包含有空间滞后的内生变量和外生变量,可以看成是比SAR模型和SEM模型更一般的形式,其表达式如下：
ln L Q it = ρW ln L Q it + β 1 ln M P dit + β 2 ln M P fit + β 3 ln M P dit × ln M P fit + λ j ∑ j = 1 k CV ( j ) i t + α 1 W ln M P dit + α 2 W ln M P fit + α 3 W ln M P dit × ln M P fit + γ j ∑ j = 1 k W × CV ( j ) i t + ε it （10）
该模型通过引入模型（7）中所有自变量和因变量的空间加权变项来考察中国省域制造业集聚的过程中是否存在显著的“溢出效应”。如果该模型中空间加权项都不显著,则不存在所谓的“溢出效应”,该模型退化为传统模型（7）;反之,如果一个或多个空间加权项显著,那么“溢出效应”是存在的。这里的 α i 和 γ j 的显著性水平、正负号和大小及则分别反映了制造业集聚过程中供求因素“溢出效应”的存在性、性质与力度。
2.2.2 变量设计与数据来源 制造业集聚度的衡量方法非常多,较常用的有区位熵（location quotient, LQ）法、空间基尼系数法和地理集中度法等[6,24]。考虑到数据的可得性和与研究文献可比性,选择区位熵指标衡量不同省域制造业的空间集聚程度,计算公式为：
L Q ij = ( E ij / E i ) / ( E kj / E k ) （11）
式中： L Q i 表示第i个省份在某一期制造业的区位熵; E ij 表示省域i中第j个制造业产值; E i 表示省域i中所有制造业的产值; E kj 指全国范围k中的第j个制造业的产值; E k 指全国范围的工业企业总产值。需要说明的是,在求各省域制造业区位熵时,需要先将所包括的制造业产值进行加总。为使得统计资料口径一致,这里在计算各省制造业集聚的区位熵时仅包括20个行业,分别是：① 食品加工业;② 食品制造业;③ 饮料制造业;④ 烟草加工业;⑤ 纺织业;⑥ 造纸和纸制品业;⑦ 石油加工及炼焦业;⑧ 化学原料及化学制品制造业;⑨ 医药制造业;⑩ 化学纤维制造业; 非金属矿物制品业; 黑色金属冶炼及压延加工业; 有色金属冶炼压延加工业; 金属制品业; 普通机械制造业; 专用设备制造业; 交通运输设备制造业; 电气机械及器材制造业; 电子及通迅设备制造业; 仪器仪表及文化办公用机械。
主要解释变量包括国内、外市场潜力以及二者的交互项指标。对于国内市场潜力（MPd）的衡量方法较多,归纳起来主要两类,一是参照Harris[25]的市场潜能函数进行估算;二是参照Redding等[26]的做法,基于双边贸易流数据构建了每个出口国的市场准入指标（MA）和每个进口国的供应商准入指标（SA）。尽管MA和SA指标相对于Harris市场潜能指标更具有微观基础,但Ottaviano等[27]认为由于一个国家内部人员的流动使得区分MA和SA指标的意义不大。为此,参照Harris[25]的思想,计算第i个省域国内市场潜力指标的公式如下：
M P dit = De m it / Di s ii + ∑ j ≠ i N De m j t / Di s ji γ （12）
式中： De m it 表示第i个省域第t年的市场需求,采用i省的实际GDP数据替代; Di s ii 表示i省域内部区域的距离,由公式 Di s ii = ( 2 / 3 ) s i π 计算得到;这里的 s i 为i省陆地面积; De m j t 表j省第t年的市场需求,用j省的实际GDP代表; Di s ji 表示其他省域j到第i省域的距离,本文专指j省与i省省会城市之间的最大圆周距离; γ 表示不同省域距离的折算系数,参照Hering等[28]的估计结果,设为1.5。
国外市场潜力的衡量方法更为复杂些,与周犀行等[29]的方法类似,将有关数据代入（13）式计算得到：
M P fit = ∑ k = 1 M De m kt / [ ( Di s ip + Di s pk ) γ ] （13）
式中： De m kt 代表中国的贸易伙伴国K在第t年的市场规模,采用该国实际GDP代替,本文选择贸易伙伴国为中国出口额排名前40位的国家或地区1（1以2011年为例,按照《中国统计年鉴2012》中大陆地区同各国(地区)海关货物出口总额的大小排序,前40名的国家和地区的出口额占中国出口总额的94.51%,说明这些国家具有代表性。）。第i省到出口市场的距离以该省省会城市经海路到出口目的港的距离来近似度量2（2从国外港口到具体的销售地区的数据无法获取,忽略未计）,该距离包括从省份i到国内最近港口的距离 Di s ip 和从国内港口到出口目的港的航海距离 Di s pk 。其中,包含有港口的沿海11个省份 Di s ip 值等于 Di s ii ,其余20个内陆省域的 Di s ip 按照其省会城市分别到十大港口城市3（3依据2011年吞吐量排名选取,分别为宁波—舟山港、上海港、天津港、广州港、苏州港、青岛港、大连港、唐山港、秦皇岛港、营口港。）中的最短距离计算,所有省份的 Di s pk 的计算参照周敏[30]给出的“中国主要港口至世界主要港口航海里程表”中的最短距离计算。 γ 的含义同式（12）,同样设为1.5。
控制变量 CV 包括：交通运输条件,市场进入条件,劳动生产率,实际工资水平共4个变量。各控制变量的定义如下：
交通运输条件（traffic）,因为企业在选址过程中会把交通条件纳入考量,Krugman把交通费用视为影响产业集聚的重要因素,在规模报酬递增与不完全竞争的假设条件下,交易成本与经济活动空间分布呈现非线性的倒U型关系,交通条件优越的地区交易成本较小[31,32]。本文用交通运输密度来表示,由铁路营业里程、内河航道里程和公路里程之和得到各地区总运输线路长度再除以各省域的国土面积得到,单位为公里/平方公里。
市场化程度（market）,王小鲁等[33]编制的市场化指数比较权威,但部分年份的指数构成中的分项指标完全雷同,而且仅包含2008-2014年的数据,而缺少2008年以前的数据。为此,本文参照杨海生等[34]的做法,采用非国有企业产值占当地工业总产值的比重来表示。事实上,这个指标也是文献[29]的市场化指数的一个重要组成部分。
劳动生产率（labpro）,工业企业的劳动生产率用工业企业的人均实际产出增加值表示,由工业企业的增加值除以第二产业的就业人数后经CPI价格指数调整得到。
实际工资水平（wage）,由省域月职工工资总额（万元）/省域职工总人数（万人）得到名义月工资水平,进而采用CPI价格指数调整得到。
空间权重矩阵（W）的构造方法非常多,而且不同的空间权重矩阵不仅关系到空间相关关系的判断,而且会影响空间模型的检验与估计结果。为此,本文同时构造地理距离空间权重矩阵和0-1邻接空间权重矩阵进行互补分析。其中,地理距离空间权重矩阵是根据两个地区之间空间距离的倒数来设定,假设 Di s ij 为i省与j省省会城市之间的最大圆周距离,若 i ≠ j ,则令 w ij = 1 / Di s ij ;若 i = j ,则令 w ij = 0 。0-1邻接空间权重矩阵是依据地理位置是否相邻来设定,地理位置相邻的地区被赋予1,地理位置不相邻的地区被赋予0。中国31个省市地理相邻信息可根据《中华人民共和国地图》观察得到。
本文样本包括中国大陆31个省、市和自治区的数据。除了不同省域的省会城市的距离数据来源于Yu Yihua[35]的计算结果外,非沿海省会城市与10大港口之间的公路运输距离数据通过电子地图直接获取。国内港口到国外港口的里程数来源于《世界港口交通地图集》附录[30]。计算国外市场贸易潜力所需要的40个主要贸易伙伴的GDP数据来源于Penn World Table Version 8.1中的“rgdpe”指标,该指标的含义为“Expenditure-side real GDP at chained PPPs （in mil. 2005US$）”[36],因此,按照人民币对美元的中间汇率折算成人民币,单位为亿元。其余基础数据根据2001年以来的《中国工业经济年鉴》《中国统计年鉴》《中国人口统计年鉴》整理得到。此外,为了使数据具有可比性,将国内GDP、人均产出增加值以及月工资水平都按照2005年为基期的CPI指数序列调整为实际值。所有变量都进行对数化处理。

3 实证分析

3.1 截面依赖性的检验

对于是否有必要在模型（7）中引入空间因素进行估计需要先判断变量是否存在空间依赖性。Breusch等[37]提出的拉格朗日乘数（LM）检验法和Pesaran[38]提出的横截面依赖性检验（cross-section dependence test,CD）方法是检验截面单元是否相关的两种有效方法。但LM检验法只适用于较大时间跨度T和较小的横截面单元N的情形;如果T较小,而N较大时,LM检验将会出现显著的样本方差,而CD检验正好弥补了这种不足。考虑到本文样本的横截面（31个省份）要大于时间跨度（12年）,本文引入CD方法来检验横截面单元的非独立性。CD检验统计量是基于面板数据的每组序列的OLS回归残差的相关性的平均值构建的统计量,计算公式如下：
CD = 2 T N ( N - 1 ) ∑ i - = 1 N - 1 ∑ j = i + 1 N ρ ij （14）
式中： ρ ij 是序列i和j回归残差的相关系数的估计值。采用CD统计量检验横截面相关的结果如表1所示。由表1可知,变量lnLQ的CD统计量均在1%的显著性水平下拒绝了“横截面单元相互独立”的零假说,这意味着不同省份的制造业集聚水平并非独立的。类似地,需求因素变量如lnMPd、lnMPf和lnMPd×lnMPf的CD统计量也均在1%的显著性水平下拒绝了零假说,这意味着各省域的国内、外市场潜力以及二者的交互作用也是截面相关的。此外,供给因素变量lnTraffic、lnMarket、lnLabpro和lnWage的CD检验量也都拒绝零假设,这意味着各省域的交通运输条件、市场化程度、劳动生产率以及劳动者的平均工资水平并非独立的。因此,实证建模时有必要考虑变量的空间相关特征。
Tab. 1 The results of CD test

表1 CD检验结果

变量 CD统计量 P值
lnLQ 38.190 0.000
lnMPd 39.940 0.000
lnMPf 44.120 0.000
lnMPd×lnMPf 44.260 0.000
lnTraffic 43.970 0.000
lnMarket 40.560 0.000
lnLabpro 36.950 0.000
lnWage 41.870 0.000

3.2 空间计量模型的选择

为进一步判断SAR模型或SEM模型是否比其他不包含空间交互作用的模型更能刻画数据特征,可以根据Elhorst[39]设计的拉格朗日乘数（LM）检验统计量进行判断,LM统计量的计算方法是先用最小二乘法方法（OLS）估计不考虑空间效应的受约束模型,然后将有关信息代入空间滞后影响统计量（LMSAR）、稳健的空间滞后影响统计量（Robust LMSAR）、空间误差自相关影响统计量（LMSEM）和稳健的空间误差自相关影响统计量（Robust LMSEM）的计算公式得到（公式详见Elhorst[40],如果这4个LM统计量均不显著,则表明不包含空间效应模型更优;如果LM检验的结果拒绝了原假设,无论是支持SAR或是支持SEM模型中的一个或两个,都应该进一步估计SDM模型[41]。
依据上述模型选择的一般思路,首先对基本模型（7）进行OLS估计,结果见表2的（A）部分,进而将OLS估计的有关信息分别结合地理距离空间权重矩阵和0-1邻接空间权重矩阵信息计算得到8个LM统计量,分别见表2的（B）部分和（C）部分。由（B）部分和（C）部分的LM检验结果可知,SAR模型和SEM模型同时成立,这说明包含空间效应模型要优越于不包含空间效应的模型。由于LM检验表明SAR和SEM模型中的一个成立或者两个同时成立时,需要进一步考虑构建SDM模型（10）。表2中（D）部分是空间固定效应和空间固定效用是否显著的LR联合检验结果。（D）部分的检验结果表明空间固定效应和时间固定效应均显著存在。据此,应该选择包含有空间和时间固定效应模型进行分析。所以,接下来模拟时空双固定效应SDM模型。
Tab. 2 The estimated results of spatial panel model and LM test

表2 非空间面板模型回归以及LM检验结果

（A）不同模型的OLS估计结果
混合估计模型 空间固定效应模型 时间固定效应模型 时空固定效应模型
系数 T值 系数 T值 系数 T值 系数 T值
intercept 0.336*** 2.779
lnMPd 0.019 0.791 0.071*** 3.204 0.017 0.745 0.069*** 3.550
lnMPf 0.019 0.768 0.061*** 2.387 -0.005 -0.211 0.101*** 4.498
lnMPd×lnMPf -0.057 -0.739 -0.259*** -3.908 -0.014 -0.185 -0.249*** -4.361
lnTraffic 0.100*** 9.713 -0.008 -0.419 0.101*** 10.229 0.024 1.184
lnMarket 0.017 1.100 0.012 1.048 0.035** 2.293 0.034*** 3.358
lnLabpro 0.027** 1.961 0.009 0.775 0.018 1.282 0.001 0.082
lnWage -0.035* -1.909 -0.032 -1.100 -0.028 -0.901 -0.050 -1.132
R^2 0.440 0.066 0.489 0.075
Log likelihood 270.509 478.623 297.214 537.334
Obs 372 372 372 372
（B）基于地理距离空间权重矩阵计算的拉格朗日乘数(LM)检验统计量
LMSAR 9.990*** 159.268*** 5.263*** 2.0365
robust LMSAR 8.065*** 47.240*** 0.038 2.7497*
LMSEM 20.250*** 128.671*** 7.968*** 2.7865*
robust LMSEM 18.325** 16.6434*** 2.743* 3.4996*
（C）基于0-1邻接空间权重矩阵计算的拉格朗日乘数(LM) 检验统计量
LMSAR 3.675** 57.409*** 0.670 2.568#
robust LMSAR 1.342 19.425*** 2.765* 0.296
LMSEM 2.402 47.203*** 3.880** 2.309
robust LMSEM 0.070 9.219*** 5.976** 0.038
（D）空间、时间固定效应联合显著性检验结果
空间固定效应的LR检验 480.239 prob 0
时间固定效应的LR检验 117.422 prob 0

注：***、**、*分别表示1%、5%和10%的显著性水平。

3.3 空间杜宾模型的模拟结果

当模型包含空间滞后被解释变量时,采用OLS估计模型（12）的参数不仅是有偏的且非一致,但用极大似然法（ML）却能得到无偏且一致的估计结果[39,41]。表3中M（1）和M（3）分别是基于地理距离空间权重矩阵和0-1邻接空间权重矩阵采用ML方法对模型（9）的估计结果,该模型参数估计过程实质上是依据Baltagi[42]年提出的中心化方法进行求解的过程,但Lee等[41]认为Baltagi[42]提出的这种参数估算方法可能存在一定的偏误,并给出估计参数偏差纠正的公式。为此,本文参照文献Lee等[41]给出的公式对M（1）和M（3）中的估计参数进行了误差纠正,结果如M（2）和M（4）所示。
Tab. 3 The estimated results of spatial Durbin model

表3 空间杜宾模型的估计结果

地理距离空间权重矩阵 0-1邻接空间权重矩阵
时空固定效应 时空固定效应 时空固定效应 时空固定效应
M（1） （偏差纠正）M（2） M（3） （偏差纠正）M（4）
变量 系数 T值 系数 T值 系数 T值 系数 T值
lnMPd 0.088*** 3.976 0.086*** 3.622 0.052*** 2.652 0.051** 2.427
lnMPf 0.100*** 4.233 0.098*** 3.876 0.082*** 3.576 0.082*** 3.355
lnMPd×lnMPf -0.234*** -3.913 -0.230*** -3.594 -0.200*** -3.373 -0.197*** -3.138
lnTraffic 0.023 1.127 0.024* 1.986 0.052** 2.223 0.052** 2.104
lnMarket 0.038*** 3.81 0.037*** 3.534 0.036*** 3.653 0.036*** 3.481
lnLabpro 0.004** 2.358 0.004** 2.333 0.004 0.391 0.004 0.364
lnWage -0.075 -1.489 -0.071* -1.683 -0.025 -0.574 -0.023 -0.495
WlnMPd 0.503*** 2.527 0.457** 2.156 0.136*** 3.248 0.131*** 2.961
WlnMPf 0.416*** 2.928 0.365** 2.415 0.017 0.500 0.010 0.288
WlnMPd×lnMPf -0.804*** -2.020 -0.915** -2.280 -0.154 -1.546 -0.191* -1.868
WlnTraffic -0.245 -1.399 -0.252 -1.344 -0.048 -0.867 -0.051 -0.872
WlnMarket 0.186 1.318 0.173 1.147 0.021 0.965 0.023 0.995
WlnLabpro 0.011** 2.126 0.011** 2.114 0.001** 2.038 0.001** 2.027
WlnWage -0.897** -2.354 -0.853** -2.094 -0.201** -2.323 -0.195** -2.129
WlnLQ 0.648*** 1.574 0.300*** 3.023 0.120* 1.702 0.186*** 2.721
R-squared 0.875 0.873 0.876 0.877
Log likelihood 546.597 546.597 551.572 551.572
Obs 372 372 372 372

注：***、**、*分别表示1%、5%和10%的显著性水平。

由M（2）可知,制造业集聚的空间加权项WlnLQ显著为正,这说明目标省域的制造业集聚受到相邻省域制造业集聚度的影响比较显著,省域间的制造业集聚自身具有正向“溢出效应”。国内、外市场潜力lnMPd和lnMPf对制造业集聚的影响系数分别为0.086和0.098,而且在1%的显著性水平下通过了t检验,这表明目标省域内国内、外市场潜力对制造业集聚的影响具有显著的直接促进作用,这与孙军[2]、刘修岩[5]、覃一东[19]等人基于面板最小二乘法或面板工具变量法方法分析市场潜力与产业（工业）集聚得到结论相吻合,也支持Hansen等[27,43]关于产业集聚出现在市场潜力大的地区的结论。但与他们的研究不同之处在于,本文的研究进一步考虑了市场潜力对制造业集聚的空间溢出效应是否存在,这里的空间加权项WlnMPd和WlnMPf对制造业集聚的影响系数同样为正,而且在10%的显著性水平下通过了t检验,这说明相邻省域的国内、外市场潜力对目标省域的制造业集聚同样具有显著的促进作用,也即是说目标省域在促进本地区制造业集聚的同时也一定程度上促进了其他相邻省域的制造业集聚,从而验证了省域间国内、外市场潜力促进制造业集聚的过程中存在显著的“空间溢出效应”。国内、外市场潜力的交互项lnMPd×lnMPf对制造业集聚的影响系数为-0.230,而且在1%的显著性水平下通过了t检验,这说明国内、外市场是一种竞争关系,两个市场具有替代性,这意味着在外需不足的省域可以通过扩大国内市场需求、内需不足的省域可以积极开拓国际市场的方式促进制造业集聚发展,这在某种程度上解释了为什么在内需较旺的东部沿海城市出现了非常密集的产业集聚区,而内需相对不足的中西部内陆城市同样也具有较为显著的产业集聚特征。空间加权项WlnMPd×lnMPf对制造业集聚的影响系数为-0.915,且在通过了显著性t检验,这说明不仅每个省域面临着国内、国外市场的激烈竞争,而且不同省域间的国内、外市场同样存在竞争,这在一定程度上可以说明不同省域的制造业集聚差异程度的形成原因。
此外,由M（2）还可知,供给方面的因素如交通运输条件lnTraffic对制造业集聚的影响系数分别为0.024,并且通过了t检验,这表明作为交通运输条件都显著地促进了制造业的空间集聚,这与唐红祥等[44,45]关于交通基础设施与制造业的空间集聚关系研究得到的结论具有一致性,也进一步支持Martin等关于“厂商更倾向于集聚在基础设施较好的地区”的结论[46]。但其不同的是,本文中增加了空间加权项WlnTraffic考虑了交通运输条件对制造业集聚的溢出作用。由于空间加权项WlnTraffic对制造业集聚的影响系数没有通过显著性检验,这表明上述因素对制造业集聚的影响不具有显著的空间溢出效应。市场化程度lnMarket对制造业集聚的影响系数为0.037,并且都通过了t检验,这表明市场化程度显著地促进了制造业的空间集聚,这与吴三忙等[47,48]关于市场化程度与制造业的空间集聚关系的研究结论类似。但其不同的是,文中增加了空间加权项,而这里的空间加权项WlnMarket对制造业集聚的影响系数没有通过显著性检验,这表明市场化水平对制造业集聚的影响不具有显著的空间溢出效应,这可能与中国的地方保护导致的省域间市场分割有关[49]。劳动生产率lnLabpro对制造业集聚的影响系数为0.004,并且在5%的显著性水平下通过了t检验,这表明劳动生产率提高直接促进了本省域的制造业集聚,这与金春雨等[50]的研究论点相同;并且空间加权项WlnLabpro对制造业集聚的影响系数同样为正数,并且通过了显著性检验,这表明劳动生产率的提高通过示范和学习效应有效地促进了相邻省域的制造业集聚,省域间的空间溢出效应显著。实际工资水平lnWage及其空间加权项WlnWage都与制造业的空间集聚负相关,并且都通过了显著性t检验,该结论与刘修岩等人[5]采用面板OLS方法得到工资水平与工业集聚关系的结论一致,并且这里的结论还进一步证实了相邻省域间的实际工资水平的竞相提高也会阻滞本省与制造业的集聚发展。
比较M（4）和M（2）的结果可知,基于0-1邻接空间权重矩阵和地理距离空间权重矩阵估计的结果基本上一致。由M（4）可知,制造业集聚的空间加权项WlnLQ为正,同样证实了省域制造业集聚自身的空间溢出效应的存在性。从国内、外市场潜力、二者的交互项以及这三个解释变量的空间加权项对制造业集聚的影响来看,对应的估计参数除了大小与M（2）稍有不同之外,参数性质（正负性）完全一致,并且除了空间项WlnMPf的估计参数外,其他估计参数也都具有显著的统计学意义。就供给影响因素而言,M（4）中交通运输条件、市场化程度、劳动生产率和实际工资水平以及这四个因素的空间加权项对制造业集聚的影响值,从影响方向（性质）来看与M（2）中对应的参数估计值完全一致,最显著地的差别在M（4）中劳动生产率lnLabpro和实际工资水平lnWage的估计参数没有通过显著性检验。
由于表（3）中的估计参数都是采用点估计方法得到的结果,LeSage等[52]认为点估计方法得到的直接影响和空间溢出效应本身存在一定的问题,并认为他们提出的偏微分求解方法更为有效。事实上,这种检验空间溢出效应的新方法也受到了很多人的认可并且得到了广泛的应用[40,51]。本文也采用LeSage等[52]提出的方法（限于篇幅,计算公式没有说明）求出偏差纠正的时空双固定模型M（2）和M（4）所对应的直接影响和空间溢出效应,结果见表4。
Tab. 4 The estimated result of direct impact and spillovers effects

表4 直接影响与溢出效应的估计结果

地理距离空间权重矩阵/M（2） 0-1邻接空间权重矩阵/M（4）
直接影响 溢出效应 总效应 直接影响 溢出效应 总效应
lnMPd 0.081*** 0.351** 0.431*** 0.058*** 0.169*** 0.227***
lnMPf 0.093*** 0.266** 0.360*** 0.084*** 0.033 0.117***
lnMPd×lnMPf -0.222*** -0.502* -0.724** -0.208*** -0.210* -0.418***
lnTraffic 0.027* -0.21 -0.183 0.051** -0.052 -0.0004
lnMarket 0.035*** 0.131 0.166 0.036*** -0.019 0.016
lnLabpro 0.004* 0.008** 0.011** 0.004 0.0002** 0.004**
lnWage -0.061* -0.662** -0.723** -0.032* -0.239** -0.271**

注：***、**、*分别表示1%、5%和10%的显著性水平。

由表4可知,基于地理距离空间权重矩阵得到的直接影响和溢出效应,无论是国内市场潜力,还是国外市场潜力,二者对制造业集聚的直接影响和溢出效应都显著为正,且直接影响效应要小于溢出效应。具体来说,一个省域的国内外市场潜力每增加1%,会通过直接影响分别使得该省域制造业集聚程度提高大约0.081和0.093个百分点;相邻省域的国内市场潜力每增加1%,则会通过空间溢出的作用使得该省域制造业集聚程度提高大约0.351和0.266个百分点。从总效应来看,国内市场潜力对制造业集聚的影响要大于国外市场潜力对制造业集聚的影响,具体表现为国内市场潜力每增加一个百分点,将会使得制造业集聚程度提高大约0.431个百分点,国外市场潜力每增加一个百分点,将会使得制造业集聚程度提高0.360个百分点。此外,国内外市场潜力的交互项对制造业集聚的直接影响、溢出效应和总效应分别为-0.222、-0.502和-0.724,且都通过了显著检验,这表明国内外市场之间存在竞争,二个市场具有较为显著的替代特征。
此外,基于地理距离空间权重矩阵得到的直接影响也表明交通运输条件、市场化程度和劳动生产率对于制造业集聚具有显著的促进作用,而实际工资水平对制造业集聚则具有一定程度的阻滞作用,基于地理距离空间权重矩阵得到的间接影响仅说明了劳动生产率的正向溢出效应和实际工资水平的负向溢出效应,而交通运输条件和市场化程度对制造业集聚的正向溢出效应则不具有显著的统计学意义。
进一步比较0-1邻接空间权重矩阵和地理距离空间权重矩阵得到的结果可知,国内市场潜力lnMPd、国外市场潜力lnMPf以及二者的交互项lnMPd×lnMPf对制造业集聚的直接影响和空间溢出效应的绝对值大小存在一定程度的差异,但从影响方向或者说性质来看完全具有一致性。二者最大的不同在于,基于0-1空间权重矩阵得到的结果未能证实国外市场潜lnMPf对制造业集聚的正向空间溢出效应的显著性、劳动生产率对制造业集聚的直接影响的显著性。这在恰好说明了进行空间计量分析时,空间权重的合理构建显得十分重要。

4 结论与讨论

为验证国内外市场潜力的扩大对于制造业集聚发展的重要意义。本文首先引入一个新经济地理学模型,从理论上分析了国内外市场潜力对于制造业区位选择（集聚）的影响,进而构建跨省面板数据,采用空间杜宾模型就中国省域国内外市场潜力对制造业集聚的影响效应进行了经验分析。理论分析表明如果一个地区的国内外市场潜力、生产率水平与地区的制造业集聚水平成正相关关系;而地区的工资水平和进入成本越低与该地区的制造业集聚水平成负相关关系。实证结果与理论预期基本一致,具体来说：
（1）不仅省域内的国内外市场潜力对本省域的制造业集聚具有显著的直接促进作用,而且相邻省域的国内外市场潜力对本省域的制造业集聚也具有显著的空间溢出效应,揭示了潜在的国内和国外市场在制造业集聚发展过程中的竞争关系及其替代特征。
（2）不仅本省域劳动生产率提升对本省域制造业集聚发展具有显著的直接促进作用,而且相邻省域的劳动生产率提升对本省域制造业集聚也存在显著的正向溢出效应。
（3）不仅本省域实际工资水平的上涨不利于本省域制造业的空间集聚,而且相邻省域的实际工资水平的上涨也不利于本省域制造业的集聚发展。
（4）本省域的交通基础设施显著地促进了该地区制造业的空间集聚,但没有证据表明相邻省域的交通基础设施改善对本省域制造业集聚也存在显著的空间外溢作用。
（5）一个省域的市场化程度的提高有利于促进该地区制造业的空间集聚,但相邻省域的市场化因素对本省域制造业集聚的不具有显著的空间溢出效应。
上述研究结论对相应的政策调整具有重要的启示作用：
（1）上述结论证实了国内和国外市场的市场潜力对于制造业集聚的重要意义,为此有必进一步挖掘国内外消费市场的潜力。考虑到中国显著的非均衡发展特征,在后金融危机时代,对于东部地区需要培养和开发中高端消费市场,以高技术含量、高质量的产品占领更广阔的国际市场,同时也需要将资源密集型和劳动密集型制造业向中西部转移来拓展国内市场;而对于中西部地区,更多的是需要扩大自身市场潜力,以增加居民收入、扩大和培育内需为导向,在承接东部产业转移的同时,着力发展与当地资源禀赋和内需导向相适应的制造产业。
（2）国内外市场潜力对制造业集聚具有空间外溢影响启发我们,不同区域的制造业集聚特征的形成并不是孤立的,制造业的发展既受到本地域需求方面因素的影响,同时也受到相邻地区需求方面因素的制约。因此,有必要加强地区间经贸合作和往来,打破地区间贸易保护壁垒,拓宽本地域商品的销售网络和覆盖面,进一步提高国内市场潜能,最好能多区域统筹规划、协同制定区域产业发展的策略;此外,也需要充分利用中国与周边国家的经贸合作平台,大力发展对外经济合作区、自由贸易区、边境贸易区的规模,弥补内陆地区海路不畅的困扰。
（3）制造业集聚的形成不仅受到市场需求因素的推动,同时也受到诸如交通运输条件、市场化程度、劳动生产率以及工资价格水平等供给因素的制约。考虑到目前物价水平和通货膨胀等方面的因素,寄希望通过减低人均劳动力成本来促进地区制造业集聚发展的可能性很小,但还是可以通过调节一些其它影响产业集聚供给因素的作用效果进而实现加快本地区制造业集聚发展的目的,比如：可以通过加强省级间的道路基础设施建设、提高交通运输连通网络密度,进而缩短省内外、内陆城市到沿海港口的运输里程和节约运输时间来减少运送成本;通过完善法律规范、构建地方保护审查机制等手段破除地方保护主义,减少地理邻接市场进入的阻力;通过扩大再教育和接受岗前培训的方式,改善劳动力的知识结构,进一步提升劳动者的从业技能来促进生产率水平的提升。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Francois Perroux.Economic space: Theory and application. The Quarterly Journal of Economics, 1950, 64(1): 89-104.The article presents the author's views on issues related to economics. The author discusses the concept of economic space and explores its applications. According to the author, the great inequality of nations and of economic resources amongst nations is a fact and an opinion is formed that the small country is condemned to impotence, dependence and exploitation. The author observes that a banal sense of space location creates the illusion of the coincidence of political space with economic and human space. Men and objects contained in a containing national space appear in effect to be threatened if the nation is small, if it is surrounded, if it is not economically well provided for, if it has not the outline to which it believes it has a claim by virtue of geographical configurations or historical tradition. Focusing on economic spaces, the author says that they are defined by the economic relations, which exist between economic elements. These economic spaces conveniently reduce to three types--economic space as defined by a plan; economic space as a field of forces; and economic space as a homogeneous aggregate.

DOI

[2]
孙军. 地区市场潜能、出口开放与我国工业集聚效应研究. 数量经济技术经济研究, 2009, 26(7): 47-60 .市场的扩大有利于规模经济的发挥，最终会引致产业集聚的形成。然而，在开放条件下，不同类型 的市场对于地区产业集聚的影响效果并不相同。本文通过建立一个包含地区和国外市场在内的新经济地理学模型，从理论上分析了不同类型的市场在地区工业集聚中 的作用，然后运用2002～2007年省级面板数据对全国范围内的样本及其子样本分别进行实证检验。分析发现，在全国范围内，只有地区市场潜能对工业产业 集聚具有显著性。对东部地区和中西部地区的子样本回归结果发现，两类市场对于地区工业集聚均有显著作用，并且两者之间具有明显的替代关系，这能够说明我国 的工业集聚为什么会发生在东部而不是其他地区。

[Sun Jun.Regional market potential, export opening up and China's industrial agglomeration effect. The Journal of Quantitative & Technical Economics, 2009, 26(7): 47-60.]

[3]
Golley J.Regional patterns of industrial development during China's economic transition. Economic of Transition, 2002, 10(3): 761-801.

[4]
Wen Mei.Relocation and agglomeration of Chinese industry. Journal of Development Economics, 2004, 73(1): 329-347.This paper investigates spatial concentration of Chinese manufacturing using the data collected in both the second and third national industrial censuses. It was found that many of China's manufacturing industries were highly geographically concentrated in several coastal regions in 1995. A historical comparison of the concentration levels between 1980, 1985 and 1995, suggests that manufacturing industries have become more geographically concentrated following the economic reform. An econometric analysis further supports new economic geography theory and reveals that China appeared to be on the upside of the upside down U curve.

DOI

[5]
刘修岩, 殷醒民, 贺小海. 市场潜能与制造业空间集聚: 基于中国地级城市面板数据的经验研究. 世界经济, 2007, 30(11): 56-63 .

[Liu Xiuyan, Yin Xingmin, He Xiaohai.Market potential and agglomeration in manufacturing industry: An empirical study based on panel data of prefecture-level cities. World Economy, 2007, 30(11): 56-63.]

[6]
梁琦. 产业集聚论. 北京: 商务出版社, 2004 .

[Liang Qi. Industrial Agglomeration.Beijing: Business Press, 2004.]

[7]
韩峰, 柯善咨. 空间外部性、比较优势与制造业集聚: 基于中国地级市面板数据的实证分析. 数量经济技术经济研究, 2013, 30(1): 22-38 .本文综合传统比较优势和外部性因素，在新经济地理框架下建立了理论和计量模型，研究了我国284个地级市制造业集聚的影响机制及地区差异，结果表明，传统比较优势仍是影响制造业区位的重要因素；城市之间存在明显的要素供给与市场需求的空间关联性，且已超过传统比较优势成为制造业集聚的主要来源；传统比较优势与空间外部性对制造业集聚的作用分别由西到东和由东到西依次递减。研究结论为进一步促进区域间产业转移和协调发展提出了重要启示。

[Han Feng, Ke Shanzi.Spatial externality, comparative advantage and agglomeration of manufacturing industry: An empirical study based on panel data of prefecture-level cities in China. The Journal of Quantitative & Technical Economics, 2013, 30(1): 22-38.]

[8]
王利德, 方创琳. 中国跨区域产业分工与联动特征. 地理研究, 2010, 29(8): 1392-1406 .

[Wang Lide, Fang Chuanglin.China's cross-regional industrial division and linkages. Geographical Research, 2010, 29(8): 1392-1406.]

[9]
吴三忙, 李善同. 中国制造业空间分布分析. 中国软科学, 2010, (6): 123-131 .

[Wu Sanmang, Li Shantong.Analysis of spatial distribution of manufacturing industry in China. China Soft Science, 2010, (6): 123-131.]

[10]
Krugman Paul.Increasing returns and economic geography. Journal of Political Economy, 1991, 99(3): 483-499.

[11]
Ning Lutao, Wang Fan, Li Jian.Urban innovation, regional externalities of foreign direct investment and industrial agglomeration: Evidence from Chinese cities. Research Policy, 2016, 45(4): 830-843.

[12]
金煜, 陈钊, 陆铭. 中国的地区工业集聚: 经济地理、新经济地理与经济政策. 经济研究, 2006, 41(4): 79-89 .

[Jin Yu, Chen Zhao, Lu Ming.Regional industrial agglomeration in China: Economic geography, new economic geography and economic policy. Economic Research, 2006, 41(4): 79-89.]

[13]
李君华, 彭玉兰. 中国制造业空间分布影响因素的实证研究. 南方经济, 2010, 28(7): 28-40 .利用2002年度中国省区/行业数据，本文估计了一个包含比较优势、新经济地理、知识外溢以及地方保护主义的中国制造业布局影响因素模型。回归结果支持了上述各种力量在制造业分布中所发挥的作用，并且特别强调了新经济地理和知识溢出在集聚经济过程中的因果累积循环性质。研究表明，对外开放、城市化、工业基础的增强、交通设施的改善和地方保护主义的削弱将非常有利于中国制造业的进一步集聚，知识溢出的作用也同样不容忽视。

[Li Junhua, Peng Yulan.An empirical study on the factors influencing the spatial distribution of China's manufacturing industry. South China Journal of Economy, 2010, 28(7): 28-40.]

[14]
李二玲, 庞安超, 朱纪广. 中国农业地理集聚格局演化及其机制. 地理研究, 2012, 31(5): 885-898 .

[ Li Erling, Pang Anchao, Zhu Jiguang.Analysis of the evolution path and mechanism of China's agricultural agglomeration and geographic pattern. Geographical Research, 2012, 31(5): 885-898.]

[15]
贺灿飞, 潘峰华, 孙蕾. 中国制造业的地理集聚与形成机制. 地理学报, 2007, 62(12): 1253-1264 .

[He Canfei, Pan Fenghua, Sun Lei.Geographical agglomeration and formation mechanism of manufacturing industry in China. Acta Geographica Sinica, 2007, 62(12): 1253-1264.]

[16]
贺灿飞, 朱彦刚, 朱晟君. 产业特性、区域特征与中国制造业省区集聚. 地理学报, 2010, 65(10): 1218-1228 .This paper explains industrial agglomeration by combining industrial attributes and provincial characteristics. Based on data from the first economic census in 2004, this study found that industrial agglomeration significantly varied by industry and across province. Overall, industrial agglomeration in the western provinces is much higher than that in the coastal provinces. Indidvidual industries however show significant different patterns. Statistical analysis indicates that provincial characteristics such as per captita GDP, road and raiway density, ratio of non-state-owned economy, ratio of governmental expenses to GDP, number of development zones, social capital and law enforcement, and trade barrier indeed influence the extent of industrial agglomeration. Controlling for provincial dummies, industrial attributes such as agricultural input intensity, labor input intensity, average enterprises size, industrial linkages, ratio of foreign capital in total capital, ratio of exports in gross output, ratio of profits and value added taxes in total sales, ratio of state capital in total capital, transportation input intensity and planned key industries are associated with industrial agglomeration. The significance of many interactions between industrial attributes and provincial characteristics suggests that industrial agglomeration is not only industry-specific but also province-specific. The policy implication is that local governments shall carefully choose industries to develop industrial clusters.

DOI

[He Canfei, Zhu Yangang, Zhu Shengjun.Industrial attributes, provincial characteristics and industrial agglomeration in China. Acta Geographica Sinica, 2010, 65(10): 1218-1228.]

[17]
马延吉. 区域产业集聚理论初步研究. 地理科学, 2007, 27(6): 756-760 .区域产业集聚要素主要分析行为主体要素、生产要素、支撑要素、时空要素、社会文化制度。区域产业集聚结构主要包括生产结构、空间结构与组织结构。产业在一定区域集聚发展有一定的功能效益，产业集聚发展有助于竞争力的提高，区域产业集聚的理想状态是促进区域可持续发展。对区域产业集聚机制的分析，从要素流动、区位因素、需求与成本因素、技术进步、分工、贸易等角度展开，侧重分析全球化与市场机制。对区域产业集聚的一般规律进行探讨，包括集聚与扩散的统一规律、周期发展规律等。区域产业集聚是在动态发展变化的，区域产业集聚具有开放性。区域产业集聚体现了产业集聚与区域之间的辨证关系，是人地关系的集中体现。区域产业集聚研究是地理学人地关系系统研究的重要命题。

DOI

[Ma Yanji.Study on the theory of regional industrial agglomeration. Acta Geographica Sinica, 2007, 27(6): 756-760]

[18]
李雪松, 孙博文. 高铁开通促进了地区制造业集聚吗?: 基于京广高铁的准自然试验研究. 中国软科学, 2017, (7): 81-90 .研究以京广高铁沿线城市为观察样本，构建了高铁开通背景下的内生运输成本与工资的制造业集聚决定模型，利用2000—2014年面板数据，采用处理效应模型探讨了高铁开通对站点城市制造业集聚的影响。结果显示。高铁开通对站点城市制造业集聚效应将逐渐经历集聚加速阶段（阶段Ⅰ）、集聚弱化阶段（阶段Ⅱ）以及扩散阶段（阶段Ⅲ）等三个阶段。高铁开通普遍提高了站点城市制造业的集聚水平，对中心城市制造业集聚的影响处于集聚弱化阶段（阶段Ⅱ），对非中心城市制造业集聚的影响处于集聚加速阶段（第1阶段）。

[Li Xuesong, Sun Bowen.Does high-speed rail promote regional manufacturing agglomeration?: Based on the quasi-natural experimental study of Beijing-Guangzhou High-speed Railway. China Soft Science, 2017, (7): 81-90.]

[19]
覃一东. 市场潜力、贸易开放度与中国省区工业集聚. 经济经纬, 2013, 30(1): 1-5 .笔者首先在规模报酬递增和“冰山形式”运输成本假定下建立了一个关于工业地区集聚影响因素的新经济地理学模型，然后采用我国2001年～2010年省际面板数据对市场潜力、贸易开放度和省域工业集聚关系进行实证检验。理论模型和计量检验结果均显示，市场潜力和贸易开放度显著促进我国工业集聚。此外，为克服计量模型的内生性问题，我们还引入了贸易开放度的工具变量，从而克服了以往研究中贸易开放度系数的低估问题。

DOI

[Qin Yidong.Market potential, trade openness and industrial agglomeration in China's provinces. Economic Survey, 2013, 30(1): 1-5.]

[20]
Tobler W R.A computer movie simulating urban growth in the Detroit region. Economic Geography, 1970, 46(2): 234-240.react-text: 589 The notion of a cartogram is reviewed. Then, based on a presentation from the 1960s, a direct and simple introduction is given to the design of a computer algorithm for the construction of contiguous value-by-area cartograms. As an example, a table of latitude/longitude to rectangular plane coordinates is included for a cartogram of the United States, along with Tissot's measures for this map... /react-text react-text: 590 /react-text [Show full abstract]

DOI

[21]
Anselin L.Spatial Econometrics: Methods and Models. Dordrecht: Kluwer Academic Press, 1988.

[22]
Fujita M, Krugman P, Vensbles A J.The Spatial Economy: Cities, Regions, and International Trade. Cambiradge: The MIT Press, 1999.

[23]
Krugman P.A dynamic spatial model. NBER Working Paper No.4219, 1992. A dynamic spatial model. NBER Working Paper No.4219, 1992. .

[24]
谢里, 张敬斌. 中国制造业集聚的空间技术溢出效应: 引入制度环境差异的研究. 地理研究, 2016, 35(5): 909-928 .基于Fujita和Thisse提出的理论框架,引入制度环境变量,研究地区制造业集聚和制度环境通过地区技术创新影响空间技术溢出的机制。在此基础上,采用2003-2012年中国内地30个省、自治区和直辖市的面板数据,运用面板工具变量两阶段最小二乘法(IV-TSLS)对其机制进行实证检验。研究表明:一方面,从全国总体样本来看,加入制度环境变量后,制造业集聚与法律制度的交互项对地区技术创新和空间技术溢出有显著的正向促进作用;另一方面,从分地区的样本来看,东部地区与全国样本检验结果一致,而中西部地区的制造业集聚并未产生显著的空间技术溢出效应。进而,提出通过优化制造业集聚提高空间技术溢出效应的政策建议。

DOI

[Xie Li, Zhang Jingbin.The spatial technology spillovers effect of Chinese manufacturing industries' agglomeration: The difference of institutional environment. Geographical Research, 2016, 35(5): 909-928.]

[25]
Harris C.The market as a factor in the localization of industry in the United States. Annals of the Association of American Geographers, 1954, 44(4): 156-198.Manufacturing in the United States is highly localized as a result of a complex of many factors. In the Belt of the Northern United States, which occupies only a twelfth of the country, is concentrated half the entire national market, seventy per cent of the industrial labor force, and the sources of supply of most materials and parts directly used in manufacturing. Location of manufacturing is strongly influenced by the distribution of other economic activities; these produce industrial raw materials, provide in themselves markets for specific industrial goods, and support people who constitute the markets for manufactured consumers' goods.

DOI

[26]
Redding S, Venahles A J.Economic geography and international inequality. Journal of international Economics, 2004, 62(1): 53-82.This paper estimates a structural model of economic geography using cross-country data on per capita income, bilateral trade, and the relative price of manufacturing goods. We provide evidence that the geography of access to markets and sources of supply is statistically significant and quantitatively important in explaining cross-country variation in per capita income. This finding is robust to controlling for a wide range of considerations, including other economic, geographical, social, and institutional characteristics. Geography is found to matter through the mechanisms emphasized by the theory, and the estimated coefficients are consistent with plausible values for the model's structural parameters.

DOI

[27]
Ottaviano, G I P, Dino Pinelli. Market potential and productivity: Evidence from Finnish regions. Regional Science and Urban Economics, 2006, 36(5): 636-657.New economic geography (NEG) stresses the role of various types of linkages as agglomeration forces. We show that a typical NEG model can be used to design an empirical methodology to assess whether linkages are relevant at all and, if so, whether they are more important for firms or workers in terms of productivity or amenity respectively. Applying the proposed methodology to Finnish NUTS 4 regions from 1977 to 2002, we find that linkages are indeed relevant and that firm-related demand and cost linkages are more important than worker-related cost-of-living linkages.

DOI

[28]
Hering Laura, Poncet Sandra.Market access and individual wages: Evidence from China. Review of Economics and Statistics, 2010, 92(1): 145-159.We consider the effect of geography on wages using individual data from 56 Chinese cities. We present a simple new economic geography model that links wages to individual characteristics and market access. The latter is calculated as a transport cost weighted sum of surrounding locations' market capacity. After controlling for individual skills and local factor endowments, we find that a significant fraction of the interindividual differences in returns to labor can be explained by the geography of market access. We further find greater wage sensitivity to market access for highly skilled workers and for workers in private and, particularly, foreign-owned firms.

DOI

[29]
周犀行, 欧阳薄蔓. 国内外市场潜力对FDI区位选择的影响研究. 国际贸易问题, 2013, (6): 124-134 .本文运用1996-2008年全国276个地级及以上城市和39个我国主要贸易伙伴的面板数据,通过估计固定效应模型,研究了我国城市面对的市场潜力对在华FDI区位选择的影响。为了估计各种市场潜力对FDI流量的不同影响,将市场潜力分为国内和国外市场潜力,并且将国内市场潜力分为省内和省外市场潜力。本文发现一个城市面对的国内市场潜力和国外市场潜力都对该城市吸收FDI具有显著的促进作用,而前者对FDI流量的影响更大。另外,一个城市面对的来自本省的市场潜力将正向影响该城市吸收外资,但来自外省的市场潜力却对该城市的FDI流入无显著影响,这反映了我国国内市场存在分割。

[Zhou Xixing, Ouyang Boman.The impact of domestic and foreign market potential on FDI location choice. Journal of International Trade, 2013, (6): 124-134.]

[30]
周敏. 世界港口交通地图集. 北京: 中国地图出版社, 2014 .

[Zhou Min.World Port Traffic Atlas. Beijing: China Map Publishing House, 2014.]

[31]
Krugman Paul.Geography and Trade. Cambridge, MA: MIT Press, 1991.

[32]
曾鹏, 孔令乾. FDI与高技术产业集聚互动机理探讨新: 经济地理学视角. 重庆人学学报: 社会科学版, 2017, 23(6): 1-12 .随着中国市场化改革的进一步推进,传统的经济发展模式已经不可持续,调整产业结构、淘汰落后产能,大力发展高技术产业逐渐成为共识。文章以2000-2014年中国30个省(市、区)相关面板数据为基础,首先对FDI与高技术产业集聚的互动关系进行探讨,然后通过相关理论分析,得出新经济地理因素、FDI与高技术产业集聚三者之间内在作用机理。在此基础上,通过构建高技术产业集聚的区位熵指数,建立三者之间的面板联立方程实证模型(SEM),并分别对全国省域和东中西部进行实证检验。研究结果显示,整体上FDI与高技术产业集聚两者之间具有相互促进的关系,新经济地理因素也有利于高技术产业集聚;但分地区而言,东中西部存在一定的差异。

DOI

[Zeng Peng, Kong Linqian.Study of the interactive mechanism between FDI and high tech industry agglomeration: The perspective of new economic geography. Journal of Chongqin University: Social Science Edition, 2017, 23(6): 1-12.]

[33]
王小鲁, 樊纲, 余静文. 中国分省市场化指数报告(2016). 北京: 社会科学文献出版社, 2017 .

[Wang Xiaolu, Fan Gang, Yu Jingwen.China's Market-Oriented Index Report (2016). Beijing: Social Sciences Academic Press, 2017.]

[34]
杨海生, 聂海峰, 徐现祥. 我国FDI区位选择中的“第三方效应”: 基于空间面板数据的实证分析. 数量经济技术经济研究, 2010, 27(4): 122-136 .

[Yang Haisheng, Nie Haifeng, Xu Xianxiang."Third-party effects" in FDI location selection in China: An empirical analysis based on spatial panel data. The Journal of Quantitative & Technical Economics, 2010, 27(4): 122-136.]

[35]
Yu Yihua.China-Spatdwm: Stata module to provide spatial distance matrices for Chinese provinces and cities. Statistical Software Components S457059, Boston College Department of Economics, 2009. China-Spatdwm: Stata module to provide spatial distance matrices for Chinese provinces and cities. Statistical Software Components S457059, Boston College Department of Economics, 2009. .

[36]
Feenstra, Robert C, Robert Inklaar, et al. The next generation of the penn world table. American Economic Review, 2015, 105(10): 3150-3182.We describe the theory and practice of real GDP comparisons across countries and over time. Effective with version 8, the Penn World Table (PWT) will be taken over by the University of California, Davis and the University of Groningen, with continued input from Alan Heston at the University of Pennsylvania. Version 8 will expand on previous versions of PWT in three respects. First, it will distinguish real GDP on the expenditure side from real GDP on the output side, which differ by the terms of trade faced by countries. Second, it will distinguish growth rates of GDP based on national accounts data from growth rates that are benchmarked in multiple years to cross-country price data. Third, data on capital stocks will be reintroduced. Some illustrative results from PWT version 8 are discussed, including new results that show how the Penn effect is not emergent but a stable relationship over time.

DOI

[37]
Breusch T S, Pagan A.The Lagrange multiplier test and its applications to model specification in econometric. Review of Economic Studies, 1980, 47(1): 239-253.This paper has two aims. The first is to exposit the various forms of the LM statistic and to collect together some of the relevant research reported in the mathematical statistics literature. The second is to illustrate the construction of LM tests by considering a number of particular econometric specifications as examples. It will be found that in many instances the LM statistic can be computed by a regression using the residuals of the fitted model which, because of its simplicity, is itself estimated by OLS. The paper contains five sections. In Section 2, the LM statistic is outlined and some alternative versions of it are discussed. Section 3 gives the derivation of the statistic for several econometric specifications. Applications in this section are the testing for a liquidity trap, autocorrelation, the error components model, diagonality of a covariance matrix in seemingly unrelated equation systems and choice between models generated by separate families of distributions. Section 4 considers the construction of a pseudo-LM statistic when estimation is difficult even under the null hypothesis and discusses the derivation of the exact distribution of the statistic. A concluding summary is given as Section 5.

DOI

[38]
Pesaran M H.General diagnostic tests for cross section dependence in panels. Cambridge Working Papers in Economics, No.0435, 2004. General diagnostic tests for cross section dependence in panels. Cambridge Working Papers in Economics, No.0435, 2004. .

[39]
Elhorst J P.Spatial panel data models. In: Fischer M M, Getis A (Eds.) Handbook of Applied Spatial Analysis: Software Tools, Methods and Applications. Berlin Heidelberg and New York: Springer, 2010: 377-407.

[40]
Elhorst J P.Matlab software for spatial panels. International Regional Science Review, 2014, 37(3): 389-405.Elhorst provides Matlab routines to estimate spatial panel data models at his website. This article extends these routines to include the bias correction procedure proposed by Lee and Yu if the spatial panel data model contains spatial and/or time-period fixed effects, the direct and indirect effects estimates of the explanatory variables proposed by LeSage and Pace, and a selection framework to determine which spatial panel data model best describes the data. To demonstrate these routines in an empirical setting, a demand model for cigarettes is estimated based on panel data from forty-six US states over the period 1963-1992.

DOI

[41]
Lungfei Lee, Jihai Yu.Estimation of spatial autoregressive panel data models with fixed effects. Journal of Econometrics, 2010, 154(2): 165-185.This paper establishes asymptotic properties of quasi-maximum likelihood estimators for SAR panel data models with fixed effects and SAR disturbances. A direct approach is to estimate all the parameters including the fixed effects. Because of the incidental parameter problem, some parameter estimators may be inconsistent or their distributions are not properly centered. We propose an alternative estimation method based on transformation which yields consistent estimators with properly centered distributions. For the model with individual effects only, the direct approach does not yield a consistent estimator of the variance parameter unless T T mathContainer Loading Mathjax is large, but the estimators for other common parameters are the same as those of the transformation approach. We also consider the estimation of the model with both individual and time effects.

DOI

[42]
Baltagi B H.Econometric Analysis of Panel Data. 3rd ed. Chichester: John Wily & Sons, 2005.This is a definitive book written by one of the architects of modern panel data econometrics. It provides both a practical introduction to the subject matter, as well as a thorough discussion of the underlying statistical principles without taxing the reader too greatly.

[43]
Hanson, Gordon H.Market potential, increasing returns and geographic concentration. Journal of International Economics, 2005, 67(1): 1-24.In this paper, I examine the spatial correlation between wages and consumer purchasing power across U.S. counties to see whether regional demand linkages contribute to spatial agglomeration. First, I estimate a simple market-potential function, in which wages are associated with proximity to consumer markets. Second, I estimate an augmented market-potential function derived from the Krugman model of economic geography, parameter estimates for which reflect the importance of scale economies and transport costs. The estimation results suggest that demand linkages between regions are strong and growing over time, but quite limited in geographic scope.

DOI

[44]
唐红祥. 交通基础设施视角下西部地区制造业集聚的区位熵分析. 管理世界, 2017, 33(6): 178-179 .

[Tang Hongxiang.Location entropy analysis of manufacturing agglomeration in western region from the perspective of transportation infrastructure. Management World, 2017, 33(6): 178-179.]

[45]
张萃, 赵伟. 对外开放与中国制造业区域集聚: 机理分析与实证检验. 国际贸易问题, 2009, (9): 89-96 .

[Zhang Cui, Zhao Wei.Opening up and regional agglomeration of China's manufacturing industry: Mechanism analysis and empirical test. International Trade Issues, 2009, (9): 89-96.]

[46]
Martin P, Rogers C A.Industrial location public infrastructure. Journal of International Economics, 1995, 39(3-4): 335-351.

[47]
吴三忙, 李善同. 国内市场一体化与制造业地理集聚演变研究. 山西财经大学学报, 2011, 33(8): 60-68 .

[Wu Sanmang, Li Shantong.Research on the integration of domestic market and the evolution of manufacturing agglomeration. Journal of Shanxi Finance and Economics University, 2011, 33(8): 60-68.]

[48]
李真, 范爱军. 地方保护、区域市场分割与产业集聚: 基于制造业数据的实证研究. 山西财经大学学报, 2008, 32(10): 50-56 .利用Ellison和Glacscr的行业区域集聚指数，测算了我国制造业20个行业 1999～2006年（2004年除外）的集聚程度及发展趋势，发现这20个行业的集聚程度总体上呈现上升趋势，技术密集型行业的集聚程度最高，且集中速 度较快。同时，重点考察了地方保护、区域市场分割对产业集聚的影响，实证结果显示，地方保护、市场分割阻碍了市场的空间集中，市场分割的阻碍作用非常显 著。另外，行业出口比重、行业外部性及劳动生产率均不同程度地影响着20个行业的集聚趋势。

DOI

[Li Zhen, Fan Aijun.Local protection, regional market segmentation and industrial agglomeration: An empirical study based on manufacturing data. Journal of Shanxi Finance and Economics University, 2008, 32(10): 50-56.]

[49]
金培振, 张亚斌, 邓孟平. 区域要素市场分割与要素配置效率的时空演变及关系. 地理研究, 2015, 34(5): 953-966 .

[Jin Peizhen, Zhang Yabin, Deng Mengping.The analysis of spatial temporal solution and the relationship between regional factor market segmentation and factors allocation efficiency. Geographical Research, 2015, 34(5): 953-966.]

[50]
金春雨, 程浩. 我国制造业空间集聚与制造业劳动生产率互动关系研究. 经济纵横, 2015, 32(3): 83-87 .制造业集聚与其劳动生产率之间存在互为因果、互相强化的关系,制造业集聚有利于劳动生产率提高,劳动生产率提高反作用于制造业集聚水平的提升。动态面板联立方程结果显示,考虑被解释变量滞后项作用后,制造业过度集聚产生拥挤效应不利于劳动生产率的提升,就业密度增加仍然对劳动生产率提高具有正向作用,劳动生产率提高仍然有利于制造业集聚水平的提升,制造业空间集聚存在自我强化机制。

[Jin Chunyu, Cheng Hao.Research on the Interaction between manufacturing agglomeration and manufacturing labor productivity in China. Economic Review, 2015, 32(3): 83-87.]

[51]
丁志国, 赵宣凯, 赵晶. 直接影响与空间溢出效应: 我国城市化进程对城乡收入差距的影响路径识别. 数量经济技术经济研究, 2011, 28(9): 118-130 .本文选取2000～2009年间我国31个省、直辖市和自治区的面板数据,通过选择恰当的空间面板计量模型(Spatial Panel Model)实证研究本地城市化进程对城乡收入差距的直接影响,以及相邻地区城市化进程对本地城乡收入差距的空间溢出效应。实证结果表明:我国城市化进程对缩减城乡收入差距的积极影响和消极影响并存,取决于城市化进程的不同政策路径选择;省际间的城市化进程存在空间溢出效应,即本地的城乡收入差距也会受到临近省份城市化进程的显著影响。

[Ding Zhiguo, Zhao Xuankai, Zhao Jing.Direct impacts and spatial spillover effects: How does the urbanization in China affect the urban-rural income inequality. The Journal of Quantitative & Technical Economics, 2011, 28(9): 118-130.]

[52]
LeSage J P, Pace R K. Introduction to Spatial Econometrics. New York: CRC Press, 2009.

Options
Outlines

/

〈 〉