产业协同集聚对区域创新效率的空间溢出效应

文章通过引入产业关联系数对产业协同集聚水平的测算方法进行修正,并基于2000—2017年的面板数据,通过空间杜宾模型实证分析了制造业与生产性服务业协同集聚对区域创新效率的空间溢出效应。研究发现：我国制造业与生产性服务业协同集聚水平呈现阶段性波动特征,且协同效应不断加强,共聚趋势逐渐弱化;制造业与生产性服务业协同集聚对区域创新效率的影响呈“倒U”型,且存在显著的空间溢出效应;地理邻近地区产业协同集聚的扩散效应大于回流效应,但经济距离阻碍了产业协同集聚的外溢效果。     

中国战略性新兴产业创新能力的时空演进及驱动因素研究

文章基于2009—2021年中国30个省份1045家战略性新兴产业上市企业数据,采用探索性空间数据分析法全面揭示产业创新能力的时空演进特征,并结合空间杜宾模型、门槛模型考察研发投入对产业创新能力的空间溢出及非线性效应。结果显示：产业创新能力整体呈波动增长态势,且东部地区产业创新能力高于中西部地区;产业创新能力在空间上大致呈“东强西弱”的稳定分布格局,且集聚类型总体呈以东部沿海省份为代表的“高-高”型,以及以中西部内陆省份为代表的“低-低”型;研发投入对产业创新能力既存在显著的直接促进作用,更多体现在实质式创新领域,又存在显著的正向空间溢出效应,更多体现在策略式创新领域;在政府创新资助单一门槛下,研发投入对产业创新能力存在边际递增的非线性效应。     

制造业集聚、空间知识溢出与城市创新绩效——来自中国283个城市的证据

制造业是技术创新的重要载体，也是创新驱动发展的主力军。文章基于2009—2019年中国283个地级及以上城市的面板数据，采用空间杜宾模型实证检验了制造业集聚、空间知识溢出对城市创新绩效的影响。研究发现：制造业集聚与城市创新绩效存在先抑制、后促进的“U”型曲线关系；分区域来看，制造业集聚对创新型城市创新绩效存在非线性的促进作用，与非创新型城市创新绩效存在先促进、后抑制的“倒U”型曲线关系；无论是创新型城市还是非创新型城市，制造业集聚对城市创新绩效都存在显著的空间知识溢出效应，即制造业集聚不仅会对本地区城市创新绩效产生影响，而且会通过知识空间溢出影响周围其他城市创新绩效。     

粮食主产区农业生态效率时空演变及影响因素研究

文章基于碳源与碳汇双重视角,利用超效率SBM-Undesirable模型测算了1993—2020年我国13个粮食主产区的农业生态效率,并运用Kernel密度估计、双向固定效应模型等方法考察农业生态效率的时空演变、收敛问题及影响因素。研究结果表明：（1）粮食主产区农业生态效率总体呈波动上升态势,效率“高高”集聚范围正逐渐超过“低低”集聚范围。（2）各粮食主产区的农业生态效率自西向东呈“U”型增长,自南向北持续上升,空间上形成以东北地区、华东地区和四川盆地为重心的分布格局,区域效率差异表现出“快速缩小—相对稳定—不断扩大—缓慢缩小”的演变趋势。（3）粮食主产区农业生态效率主要受农作物种植结构、农村人力资本、财政支农水平、农业受灾率等10类因素的影响,其中,农村人力资本与农业生态效率之间呈“U”型关系。     

数字经济、知识溢出与区域高质量发展

文章在测度数字经济和区域高质量发展综合指数的基础上，运用空间计量模型探讨了数字经济与区域高质量发展之间的关系。研究发现，数字经济对区域高质量发展在空间上有显著的“倒U”型影响，该影响存在明显的空间溢出效应且间接效应大于直接效应。通过偏微分分解发现，在科研人员溢出空间权重矩阵下，直接效应检验结果显示数字经济与区域高质量发展之间的“倒U”型关系并不明显，而间接效应和总效应检验结果显示，二者之间存在显著的“倒U”型关系；在科研资本溢出空间权重矩阵下，间接效应和总效应检验结果显示，数字经济对区域高质量发展有显著的“U”型影响，而直接效应的影响不显著。拓展性分析显示，东部地区数字经济对区域高质量发展存在显著的促进作用，中部地区数字经济对区域高质量发展存在显著的“U”型影响。     

产业集聚、环境规制与工业绿色发展效率——基于成渝地区双城经济圈的实证

文章基于2008—2019年成渝地区双城经济圈16个地级及以上城市的面板数据，采用Super-SBM模型对成渝地区双城经济圈工业绿色发展效率进行测度，并对其时空演进特征、空间溢出效应进行分析；构建空间杜宾模型研究产业集聚与工业绿色发展效率的空间关系，并通过门槛回归模型进一步考察在环境规制约束条件下产业集聚对工业绿色发展效率的影响。研究发现：研究期间虽然成渝地区双城经济圈工业绿色发展效率水平相对较高，但存在一定下行压力，呈现“中间高、两边低”的空间分异特征；工业绿色发展效率类型转移存在“俱乐部收敛”现象，并具有明显的空间溢出效应；产业集聚在提升本地区工业绿色发展效率的同时，还存在较强的空间负外部性；产业集聚对工业绿色发展效率的影响随环境规制强度的变化呈现边际效益递减的特征。     

城市绿色创新的时空特征及影响因素分析

文章基于2000—2019年285个地级及以上城市面板数据,运用熵值法、探索性空间分析工具以及空间计量模型,考察我国城市绿色创新的时空特征及其影响因素。研究发现：第一,研究期内,排名靠前的城市绿色创新水平均衡发展,排名靠后的城市则存在发展短板问题。城市绿色创新水平呈波动上升态势,空间分布格局再现“胡焕庸线”和“绿色创新马赛克”,呈“四核两带多点”的分布特征。第二,城市绿色创新表现出很强的空间依赖性,空间关联程度逐年提升。东部沿海城市多位于高值集聚区域,中西部城市多位于低值集聚区域和异质性区域。第三,环境规制与城市绿色创新存在“U”型曲线关系。财政科技支出、人力资本和外商直接投资对本地和周边城市绿色创新水平的提高具有促进作用。此外,城市绿色创新具有正向的空间溢出效应。     

不同空间权重矩阵下文化产业集聚机制和溢出效应——基于2004—2011年省际面板数据的实证

在综合考虑多种要素对文化产业空间集聚协同作用的基础上,构建四种不同空间权重矩阵下的空间面板计量模型,实证研究文化产业空间集聚机制及溢出效应。研究表明:在纳入经济因素的空间权重矩阵下,中国文化产业集聚存在正的空间溢出效应,说明具有相似经济属性的地区文化产业存在示范效应,而地理位置上的"邻接"不能显著地促进地区间文化产业聚集与发展;各影响因素对文化产业空间集聚的直接效应和溢出效应也不尽相同,直接效应是文化产业集聚的核心机制。     

城市化发展中的产业升级:集聚推动、溢出效应与空间衰减——基于西北地区的空间计量

城市化和产业发展进程中均呈现集聚经济特征,城市化发展中的要素集聚对集聚形态下的产业层次提升具有明显的推动。基于2005—2012年西北地区30个城市的面板数据,利用空间计量方法分析了城市化发展对产业升级的推动效应。研究结果表明,西北地区城市化发展带来的要素集聚对产业升级具有明显的正向推动,同时城市化集聚对相邻城市的产业升级存在空间溢出效应,利用空间阈值权重矩阵进一步分析后发现,600km以内时城市化发展对产业升级存在显著的正向空间溢出,但溢出效应随空间距离的增长呈现下降趋势,超出600km之后转为负向空间溢出,同时城市化发展中其他结构性因素对产业升级存在空间效应,空间效应方向和趋势由于各结构因素的特征而有所差异。基于上述实证研究,提出了相应的政策建议。     

制造业产业集聚、环境规制与经济高质量发展

文章基于空间相关性，采用2007—2019年我国30个省份的面板数据，运用空间误差模型，考察制造业产业集聚对经济高质量发展的影响，并分析环境规制的调节作用。研究发现：经济高质量发展与制造业产业集聚水平具有较强的正向空间相关性；在环境规制的调节作用下，制造业产业集聚与经济高质量发展之间呈现“倒U”型关系；对于经济情况不同的地区和技术含量不同的产业，产业集聚对经济高质量发展的影响以及环境规制的作用存在差异；此外，利用门槛效应模型发现，高技术产业集聚对经济高质量发展的影响存在显著的门槛效应。     

Nonparametric prediction of spatial multivariate data

This paper investigates a nonparametric spatial predictor of a stationary multidimensional spatial process observed over a rectangular domain. The proposed predictor depends on two kernels in order to control both the distance between observations and that between spatial locations. The uniform almost complete consistency and the asymptotic normality of the kernel predictor are obtained when the sample considered is an alpha-mixing sequence. Numerical studies were carried out in order to illustrate the behaviour of our methodology both for simulated data and for an environmental data set.     

空间回归模型选择的反思

空间计量经济学存在两种最基本的模型:空间滞后模型和空间误差模型,这里旨在重新思考和探讨这两种空间回归模型的选择,结论为:Moran’s I指数可以用来判断回归模型后的残差是否存在空间依赖性;在实证分析中,采用拉格朗日乘子检验判断两种模型优劣是最常见的做法。然而,该检验仅仅是基于统计推断而忽略了理论基础,因此,可能导致选择错误的模型;在实证分析中,空间误差模型经常被选择性遗忘,而该模型的适用性较空间滞后模型更为广泛;实证分析大多缺乏空间回归模型设定的探讨,Anselin提出三个统计量,并且,如果模型设定正确,应该遵从Wald统计量>Log likelihood统计量>LM统计量的排列顺序。     

Spatially Balanced Sampling of Continuous Populations

When sampling from a continuous population (or distribution), we often want a rather small sample due to some cost attached to processing the sample or to collecting information in the field. Moreover, a probability sample that allows for design‐based statistical inference is often desired. Given these requirements, we want to reduce the sampling variance of the Horvitz–Thompson estimator as much as possible. To achieve this, we introduce different approaches to using the local pivotal method for selecting well‐spread samples from multidimensional continuous populations. The results of a simulation study clearly indicate that we succeed in selecting spatially balanced samples and improve the efficiency of the Horvitz–Thompson estimator.     

空间面板数据模型设定问题分析

空间面板数据模型将空间计量经济学和面板数据方法相结合,不仅同时考虑时空特征,而且将空间效应纳入研究体系,成为当前计量经济学的热点研究领域,但其模型设定、参数估计及模型检验也更为复杂,实证研究中往往出现模型设定偏误等问题。因此,基于空间面板数据模型的前沿理论,重点探讨模型设定中的常见问题,包括空间滞后模型与空间误差模型的选择、随机效应与固定效应的选择以及模型拟合优度的选择与比较,为模型的应用和新模型的扩展提供理论依据和参考。     

人口空间分布及迁移影响的实证分析——基于空间计量方法与河南省数据

在传统研究方法的基础上考虑空间相关性,运用空间计量经济学的理论与方法,并以河南省人口数据为例进行人口空间分布及迁移的实证研究。一方面,研究中运用全域空间性和局域空间性的相关知识分析河南省人口空间分布,通过定量性指标的运用得出河南省人口空间分布存在相关性,且是高值集聚,即人口密度较高的地区集中在一起;另一方面,在考虑空间相关性的基础上建立空间计量模型,主要研究各个政府支出对河南省人口迁移和分布的影响,结果发现各支出的影响显著。     

空间数据分析的发展

空间统计学是研究空间问题的一门学科,它是应用数学快速发展的一个分支。尽管传统的数据分析中有许多很好的方法,但却不能完全地套用于空间数据的分析。空间模型的估计不仅与各种回归形式的假设有关,而且还与空间相关、空间异质的特性有关。从空间模型及推断、适应性估计、非参数回归、空间不相关性检验几个方面研究了空间数据分析方法的发展以及未来的趋势。     

Spatial bootstrapped microeconometrics: Forecasting for out-of-sample geo-locations in big data

Spatial econometric models estimated on the big geo-located point data have at least two problems: limited computational capabilities and inefficient forecasting for the new out-of-sample geo-points. This is because of spatial weights matrix W defined for in-sample observations only and the computational complexity. Machine learning models suffer the same when using kriging for predictions; thus this problem still remains unsolved. The paper presents a novel methodology for estimating spatial models on big data and predicting in new locations. The approach uses bootstrap and tessellation to calibrate both model and space. The best bootstrapped model is selected with the PAM (Partitioning Around Medoids) algorithm by classifying the regression coefficients jointly in a nonindependent manner. Voronoi polygons for the geo-points used in the best model allow for a representative space division. New out-of-sample points are assigned to tessellation tiles and linked to the spatial weights matrix as a replacement for an original point what makes feasible usage of calibrated spatial models as a forecasting tool for new locations. There is no trade-off between forecast quality and computational efficiency in this approach. An empirical example illustrates a model for business locations and firms' profitability.     

中国城市入境旅游的经济增长效应及空间溢出性

基于2004—2013年中国285个城市面板数据,运用空间杜宾模型和地理加权回归模型,以金融危机发生时间为断点,对比分析金融危机发生前后入境旅游的经济增长效应和空间溢出效应,探究入境旅游经济增长效应的时空演变趋势。研究发现:入境旅游存在空间交互作用,表现为正向交互性,城市经济增长的空间集聚过程并不是孤立的系统;金融危机发生后,入境旅游对经济增长的促进作用强度及空间溢出效应不仅没有下降,反而有所增加。空间局部分析还发现,从整体上看,城市入境旅游对经济增长的促进作用有所提高;空间分布上,城市入境旅游对经济增长产生抑制作用和无显著作用的地区在空间上不断缩小,而产生促进作用的地区呈现集聚发展,并不断向邻近地区扩散。     

Estimation and Prediction in the Presence of Spatial Confounding for Spatial Linear Models

In studies that produce data with spatial structure, it is common that covariates of interest vary spatially in addition to the error. Because of this, the error and covariate are often correlated. When this occurs, it is difficult to distinguish the covariate effect from residual spatial variation. In an i.i.d. normal error setting, it is well known that this type of correlation produces biased coefficient estimates, but predictions remain unbiased. In a spatial setting, recent studies have shown that coefficient estimates remain biased, but spatial prediction has not been addressed. The purpose of this paper is to provide a more detailed study of coefficient estimation from spatial models when covariate and error are correlated and then begin a formal study regarding spatial prediction. This is carried out by investigating properties of the generalized least squares estimator and the best linear unbiased predictor when a spatial random effect and a covariate are jointly modelled. Under this setup, we demonstrate that the mean squared prediction error is possibly reduced when covariate and error are correlated.     

基础设施对县域经济全要素生产率影响的空间计量检验

线性模型下的研究大都肯定基础设施对全要素生产率(TFP)的促进作用。放宽线性模型假设,以1 183个县域为样本构建空间Durbin模型,检验基础设施对县域TFP的空间溢出效应。结果显示:实体性基础设施(城市化建设和通讯)弱化了所在县域TFP,对毗邻县域TFP没有产生显著的溢出作用;社会性基础设施(教育和金融服务)提升了所在县域TFP,但对毗邻县域TFP产生了显著的负向溢出。一方面说明实体性基础设施会加剧城市对县域的空间剥夺,另一方面又说明县域间对金融信贷和人力资源的空间争夺。因此,在将基础设施投资作为反经济周期政策工具时应更为谨慎。