自贸区背景下县域产业结构升级影响因素的异质性研究

李新光 张永起 黄安民

[摘 要] 基于20012014年福建省58个县级市的数据，利用半参数地理加权回归（SGWR）模型，对福建省县域产业结构升级的影响因素进行实证研究。空间自相关分析结果显示：福建省县域产业结构存在显著的空间自相关性和异质性，具有明显集聚特征；采用包含全局和局域解释变量的SGWR模型的统计性质明显优于传统全局线性回归模型与全变参数的地理加权回归模型；实证结果进一步发现：金融集聚、金融发展效率、财政支出对产业结构升级的影响具有明显的空间异质性，即在东南地区和西北地区的影响存在较大差异，城镇化和投资回报率则具有全域常参数特征。最后，根据实证结论提出促进县域产业结构升级的差异化政策建议。

[关键词] 产业结构升级；影响因素；空间异质性；半参数地理加权回归

[中图分类号]F269 [文献标志码]A [文章编号]10036121（2017）02004710

一、问题的提出

近年来，有关产业结构升级的影响，国内学者们进行了广泛研究，主要表现如下三个方面：第一，产业结构升级测度的研究。李子伦（2014）提出产业结构升级应该包括科技创新能力、人力资本积累水平和资源利用效率三个方面，并采用因子分析对三大指标进行了测度。[1]91林晶、吴赐联（2014）对福建省产业结构升级指数进行了测算，More值测算结果显示福建省产业结构转换速度不利于产业结构升级。[2]42樊福卓（2013）提出了产业结构相似指数，并指出在研究多地区模式时应该注意灵活使用两种测度方法，避免掉入“用法陷阱”。[3]98第二，采用空间计量方法对产业结构升级影响因素的研究。随着空间计量经济学的发展，近年出现较多学者将空间计量模型方法应用于产业结构的研究领域。如张翠菊、张宗益（2015）采用空間计量方法，从消费、需求、投资供给、技术进步、城市化四个方面分析了它们对产业结构升级的影响。[4]32高远东，等（2015）采用空间面板计量模型，对中国省份面板数据进行估计，发现社会需求、消费需求对产业结构高级化影响显著，制度安排则不然。[5]97武晓霞（2014）采用空间面板计量方法，从投资、政府消费、外贸规模、个人消费等方面对省域产业结构升级的影响因素进行了分析。[6]91张晓燕，等（2015）采用空间面板模型发现金融集聚、城镇化对产业结构升级具有正向促进作用，存在显著的空间溢出效应。[7]124贾敬全、殷李松（2015）采用空间计量模型得出安徽省财政支出对产业结构升级的影响较为复杂。[8]第三，采用时间序列、定性研究等方法分析某些因素对产业结构升级的影响。如李西江（2015）[9]32、王立国和赵婉妤（2015）[10]23分别应用VAR模型、协整方法分析金融发展对产业结构升级的影响；孙根紧（2015）从资源供给、技术进步两个方面定性地分析了金融集聚对产业结构升级的影响[11]59；郑开焰、李辉文（2015）采用区位熵的方法计算了福建省不同视角的金融区位熵，并采用回归模型分析了它们对产业结构升级的影响。[12]144李子伦、马君（2014）定性地分析财政支出对产业结构的影响机理。[13]79

以上研究分别从不同角度分析了产业结构升级的影响因素，但是存在明显的不足：首先，多数文献主要基于协整、VAR等时间序列模型对产业结构升级影响因素进行的研究，但是由于各地区经济结构发展、资源禀赋、地理位置的区域差异，产业结构升级表现出明显的异质性，采用传统的时间序列模型会忽视这种空间差异性。其次，针对福建省的研究相当少，考虑到福建省经济发展、资源禀赋、地理位置的地域差异来研究产业结构升级影响因素异质性的文献则更少。近年虽有少量学者采用考虑空间因素的空间计量模型分析产业结构升级的影响因素，但是他们所采用的空间计量模型仍主要是基于不变的常参数模型，没有考虑空间异质性，这将导致模型估计结果可能出现偏误。如有学者用金融发展作为门槛变量，发现不同层次金融发展水平对产业结构升级的影响是非线性的[14]85，这就进一步证明了采用常参数模型去研究产业结构升级的影响可能会存在偏误。当然，也有较新的文献[15]638采用ESDA、GWR对甘肃县域产业结构差异作了时空对比分析，但是其将所有变量都考虑成空间异质性，可能会由于待估参数过多损失样本自由度，从而影响估计结果的精度。因此，本文试图克服前述常参数模型和纯变参数模型的缺陷，采用半参数地理加权回归（SGWR） 模型来估计各因素对福建县域产业结构升级的异质性影响，进而得到更加符合福建县域产业结构升级实际的差异化对策建议，以期为福建或其他地区产业结构顺利升级提供理论支撑和实践指导。

二、福建县域产业结构升级的空间异质性半参数地理加权回归模型

在考虑空间因素对产业结构升级影响因素的实证模型中，常参数线性回归模型或常参数空间计量模型是首先考虑的方法，其中空间计量模型通过引入被解释变量的空间滞后项或误差的空间滞后项来体现空间相关性，可以克服传统线性回归模型忽略空间因素的缺陷。前述文献综述已提及，近年已有少数学者将空间计量模型应用到产业结构升级影响因素的分析。其次，采用变参数的空间计量模型，如考虑解释变量的影响随样本空间位置变化的变参数地理加权回归模型（GWR）[16]555，目前也有学者将ESDA、GWR方法应用到产业结构的差异研究。[15]638综合考虑这些实证方法，采用传统经典的线性回归模型会存在忽略空间相关性和空间异质性的问题；而采用常参数的空间计量模型虽然考虑了空间相关性，但是仍然没有很好地刻画出解释变量影响的空间异质性效果；而基于GWR模型虽能很好地克服前述两种方法的缺陷，即同时考虑了空间相关性和异质性，允许不同的地理位置有不同的参数估计值，能反映产业结构升级影响因素的空间异质性特征。但是，它不加区分的将所有解释变量均考虑空间异质性，有可能导致待估参数过多影响自由度和参数估计的有效性。因此，本文将综合常参数（global）模型和变参数（local）模型的特点，首次采用半参数的地理加权回归（SGWR）[17]2分析福建县域产业结构升级影响因素的空间异质性问题。空间半参数的GWR模型具体表述如下：

不考虑空间相关性和异质性的传统经典全局常参数回归模型：

其中y是被解释变量，x是解释变量向量，εi为随机扰动项，β0是常数项，βk是第k个解释变量的待估参数。

GWR模型则是在上述传统模型基础上，放宽了常参数β0、βk不随空间位置变化的假设：

其中，（ui，vi）表示空间位置i的坐标（经纬度），βk（ui，vi）表示第k个解释变量的待估参数随着地理空间位置坐标（ui，vi）的不同而变化。

半参数GWR模型则同时包含传统经典模型中全局（global）常参数特征和部分变量（loacal）变参数特征的一种模型：＼[18＼]14

其中，zl，i表示具备全局（global）常参数γl特征的第l个变量，可以看出该模型同时包含全局项（global）和局域项（local）。

三、福建县域产业结构升级影响因素实证分析

（一）指标选取与数据

产业结构升级是本文实证的核心指标，通过借鉴已有学者的做法，用第二、三产业产值之和占GDP比重表示产业结构升级（记为c23gdp）[4]32[19]115[20]5，作为模型（2）和（3）中的被解释变量。

然后，我们分析产业结构升级的主要影响因素，从而确定模型中的解释变量。产业结构升级的影响因素众多，本文主要参照张翠菊、张宗益（2015）[4]32，高铂睿、李珊珊（2016）[19]115，贾敬全、殷李松（2015）[8]18的做法，从财政支出、金融发展、投资、城市化等角度去分析影响产业结构升级的因素，选取政府财政支出占GDP比重表示政府需求因素，记为czzc；用城市化代表农村劳动力向城市转移对产业发展的作用，记为czh；用金融机构贷款余额/储蓄余额表示金融发展效率，代表金融系统运行效率对产业结构升级的支持，记为cdb；用gdp/固定资产总投资表示投资回报率，代表固定资产投资对产业结构升级的支持，记为tzhbl。此外，较多学者发现金融集聚对产业结构升级具有重要影响，他们采用区位熵（Location Quotient）来衡量金融产业的集聚程度（记为jjd），因此，本文亦借鉴这些学者的做法[12]143[20]5[21]104[22]102，采用jjdij=xij/xjxi/x 计算县域金融集聚程度，其中xij表示县域j金融业i的规模（存款余额+贷款余额），xj表示县域j的gdp，xi表示全省金融业i的总规模，x表示全省GDP的总和。

根据数据的可得性和完整性，本文选取样本为福建省58个县级市（不包括地级市）。样本区间为2001～2014年，所有指标均作剔除物价处理，最后将各个指标分地区取各年的平均值建立截面SGWR模型。数据均来自历年《福建省统计年鉴》、福建省统计局、国研网，本文实证过程相继用到Arcgis、Geoda、Stata、GWR4软件。

（二） 空间相关性检验

受到经济、社会、地理、历史等因素的影响，不同区域的产业结构发展存在差异。另外，由于区域之间人口、资本的流动愈来愈频繁，使得不同区域的产业发展必然存在空间关联性。因此，在采用变参数的GWR模型分析之前，有必要检验空间相关性的存在。本文主要采用空间计量经济学中的空间自相关分析来检验福建县域产业结构升级的空间相关性。衡量空间相关性常用的指标有全局Moran's I和局域Moran's I。

全局Morans I的计算公式：

It=n∑ni=1∑nj=1wij（xi-x-）（xjt-x-）∑ni=1∑nj=1wij∑ni=1（xi-x-）2 （4）

其中n表示经济地区单元数，wij是空间权重矩阵，x-为n个经济单元的平均值，xi和xj分别表示经济单元i和j的某种属性值。Moran's I指数的取值一般在＼[-1，1＼]之间，大于0为代表空间正相关，小于0代表空间负相关，接近0则表示不存在空间自相关。该指标值越大，空间相关性越大，区域之间的集聚效应越强。

为了进一步考察各县域产业结构的局部空间集聚程度，采用Luc Anselin（1995）[23]94提出的局域Moran's I，即LISA，它能具体反映某个地区i和其邻近地区的空间相关性，计算公式如下：

Ii=（xi-x-）s2*∑nj=1wij（xj-x-），s2=1n∑j（xi-x-）2，x-=1n∑ni=1xi （5）

图1 福建县级产业结构升级指数的Moran散点图

图2 福建县级产业结构升级指数的局域lisa图

在进行空间自相关分析前需要确定W的选择，本文采用Geoda1.6.6软件所提供的二进制Rook和Queen相邻W（contiguity weight）、门槛距离W（threshold distance）、K最近邻居（knearest neighbours）。利用2001～2014年福建省各县市产业结构升级指数的平均值数据，分别计算了基于queen、门槛距离d1～d4、K4～K6的Moran's I检验结果，发现基于3倍最小门槛距离Wd3的福建省县市产业结构升级指数的Moran's I最强，说明其最能刻画各县市产业结构升级指数的空间自相关性，同时发现随着距离的成倍增长（d1→d2→d3→d4），Moran's I也从0.20→0.2657→0.1501→0.1168，且均在1%水平下显著，满足空间距离衰减效应规律。因此，为了节约篇幅，后续空间相关性分析主要基于Wd3的空间权重矩阵。最后，本文绘制了福建省县域产业结构升级指数的全局Moran散点图，如图1所示。同时也绘制了各县市的局域Moran' I（LISA）检验结果（表1）、LISA集聚图（图2）。

基于空间权重矩阵Wd3的全局Moran's I 指数为0.15，采用999次模拟的P值为0.002，通过1%显著性水平检验，说明福建省各县市产业结构升级指数存在正的空间自相关性。全局moran's 不能描绘县域产业结构升级指数的局域空间自相关和集聚特征。因此，本文进一步采用Moran's I散点图和局域lisa来分析局域空间分布特点。通过分别计算出各区域的LISA指数，可以画出福建省各县市产业结构升级指数的Moran散点图，该散点图的横坐标为福建县域城市的产业结构升级指数Y，纵坐标为空间滞后算子W_Y，从而将各县域产业结构升级水平局部相关性分成四种类型：第一象限（HH）表示高值集群区域，即本地区产业结构升级水平高，周围地区也高；第二象限（LH）表示低高集群區域，即本地区产业结构升级水平低，周

可见，福建省县域城市产业结构表现出空间分布的中心（核心）-外围（边缘）特征，具有比较明显的集聚性和局部空间自相性，不同县域存在不同产业结构空间分布特征。因此，在分析各县市产业结构升级影响因素时需要考虑这种空间异质性特征，采用既能体现传统常参数特征又能体现变参数异质性特征的计量模型——半参数地理加权回归模型来进行建模估计。

（三）空间异质性GWR变参数估计过程及结果分析

通过上述空间自相关分析可以看出，福建县域产业结构升级指数存在较明显的空间自相关性和异质性，但是这并不能反映各种影响因素对县域产业结构升级的作用方向及大小，需要通过回归分析进行估计。为了便于进行模型的比较，下面首先估计不考虑空间因素的混合OLS常参数模型和考虑空间异质性的变参数GWR模型，然后再估计半参数GWR模型，这样通过比较不同模型，最终准确地反映各因素对福建县域产业结构升级作用的贡献差异。

1.全域常参数估计（OLS）

采用普通最小二乘法，估计传统经典的常参数回归模型，结果见表 3。

从全局OLS估计结果来看，金融发展效率、投资回报率和城镇化的估计系数是不显著的，而财政支出的估计系数为-2.1832，金融集聚的系数为0.5032，且均通过了1%的显著性水平检验。

经典线性常参数最小二乘法模型是假定各个解释变量的影响是均质的，忽略了空间异质性问题。由前述的空间相关性分析可知，福建省县域的产业结构升级指数可能存在空间异质性，不同县域各解释变量对被解释变量的影响可能是存在差异的，因此有必要采用变参数地理加权回归模型，来定量估计58个县域产业结构升级水平影响因素的空间差异特征。

2. 局域变参数GWR估计

在进行变参数GWR分析时，采用高斯权值函数和adaptive bi-square核函数，最佳带宽的选择标准依据AICc，通过搜索，确定最佳带宽为58，此时AICc为-169.016。表 4给出了GWR参数回归的五组分位数估计结果，前5列分别给出各解释变量参数的最小值、1/4分位数、中位数、3/4分位数、最大值，最后一列是OLS全域（global）的平均数估计结果，即分别表示将58个县域产业结构升级水平由低到高排序后处于最小低、1/4分位数、中位数、3/4分位数、最大值、平均数位置时各影响因素对产业结构升级水平的作用大小问题。GWR估计结果显示不同分位点上各个解释变量的估计值均有显著差异，这进一步证明了福建省县域产业结构升级水平存在空间异质性。

与全局普通最小二乘法相比，采用局域变参数GWR模型后的残差平方和从0.148减少到0.114，两种方法的方差比F统计量为2.1334，且通过10%显著性水平检验，说明GWR模型优于OLS模型。

上述GWR模型虽然放松了常参数回归模型中解释变量影响是不变的假设，但它把所有变量都当成local变参数进行估计的做法有可能会“放松过度”或“矫枉过正”，因为有可能只有一部分变量是常参数的，另一部分变量则是空间异质性的。因此，有必要进一步对每个变量是local还是global进行统计检验，检验方法依据Tomoki Nakaya etc（2014）提出的方法，主要是对比局域（local）参数和全局（global）参数两种估计方法下AICc（或AIC，BIC，MDL，CV）的差异是否显著，如果前者比后者的相应准则值大小超过2，则认为local变参数优于global参数；如果两种情况下的差异小于2甚至出现正的，则全局参数形式优于 local局域参数。经过反复检验，得到检验结果（表 5）。

从上述检验来看，如果将部分变量从Local改成global，AICc将会有进一步改进的余地，即能使AICc降低0.6990。通过模型调试和检验，发现把jjd、cdb、czzc当作local参数、把tzhbl、czh当作global参数的情形时，AICc不再出现有任何改进的余地（改进为0.0000）（表 6）。

3.半参数GWR模型

在进行半参数GWR估计时，仍然采用高斯adaptive bi-square核函数类型，最佳带宽的选择标准依据AICc，通过搜索，确定最佳带宽为58，此时AICc为-168.979。估计结果如表 7。

为了比较不同估计方法的效果，表 8列出了评价模型的主要常见指标。从结果来看，AIC、CV、残差平方和RSS大小排序：SGWRGWR>OLS。可见， SGWR模型估计的效果明显优于另外两个模型，进而增强了本文采用SGWR方法的合理性。

为了进一步观察不同县域三个变量local参数的估计情况，表9列示了每个县市czzc、cdb、jjd对产业结构升级影响的估计值。总体上来看，czzc和jjd在各个县域都通过至少5%显著性水平检验，cdb的估计参数则部分通过5%显著性水平检验；同时，local R2比OLS具有较大程度的提高。图3～图5还给出三个变量local参数的空间四分位地图，从而可以更加清楚地看出三个变量对产业结构升级影响程度的空间分布特征。

进一步，通过对表9进行纵向和横向比较分析，可以得出各县市局域解释变量对产业结构升级的影响。

表9第2列显示财政支出的估计系数均为负，说明财政支出会对产业结构升级表现出抑制效应。从绝对值的空间分布来看（图5），抑制作用较大的县域主要集中在东南部，如安溪、惠安、永春、德化、石狮、晋江、南安、东山、漳浦、龙海、南靖、长泰、华安、漳平、大田。抑制作用较小的县域主要集中在西北部地区，如浦城、武夷山、寿宁、松溪、建阳、光泽、政和、邵武、周宁、泰宁、建瓯、建宁、顺昌、将乐。可见，财政支出对产业结构升级并没有表现出促进作用，这与赵楠、高娜（2014）[24]131指出财政支出不利产业结构升级的论述是一致的。这是因为，财政支出分为一般行政、民生安全、循环经济、城乡协调、经济发展与运输和其他六个方面，其中民生安全支出、行政开支和经济发展、运输方面的支出只会对产业结构升级起抑制效应，城乡协调和循环经济起促进作用。[8]根据福建省2014年政府财政支出的子类项目来看， 城乡协调和循环经济支出在财政总支出中的比重仅为19.7%，大部分的支出主要用于民生安全支出、行政开支、交通运输等方面，这些开支在短期內并不能直接促进产业结构升级水平的提升。

表9第4列反映的是金融发展效率对产业结构升级的影响，符号有正有负。从空间分布来看（图 3），符号为正且在5%水平下显著的县市主要集中在西北部地区，如邵武、武夷山、浦城、光泽、松溪、政和、建阳、寿宁等；符号为负且不显著的主要集中在南部地区，如安溪、漳平、华安、长泰、南靖、晋江、石狮、永定、龙海等。可见，金融发展效率对产业结构的影响是复杂的，不是简单的促进或抑制，具有变参数的特征。这与已有相关学者的研究也基本吻合，王立国、赵婉妤（2015）研究发现金融发展的效率能促进我国产业结构的升级[10]22；而高铂睿、李珊珊（2015）发现融资效率对广州市的产业升级的影响在短期内是负向的。[19]115结合本文的实证结果，进一步证实了金融发展效率对产业结构升级的影响不是固定不变的，会因空间地理位置的变化而变化，不能用简单的常参数模型来估计，这恰恰说明本文采用半参数GWR模型把金融发展效率变量当作局域loca变量的合理性。

表9第6列显示金融集聚对产业结构升级的影响均为正，且绝大多数估计参数通过至少5%显著性水平检验。从空间分布来看（图4），影响较高的县市主要集中在中西部地区，如闽清、建阳、光泽、建阳、邵武、泰宁、建瓯、建宁、顺昌、将乐、沙县、明溪、宁化、尤溪、清流；影响较低的县市主要集中在南部地区，如安溪、上杭、漳平、华安、长泰、南靖、永定、南安、龙海、漳浦、平和、云霄、诏安、东山。可见，从整体上来看，金融集聚对福建产业结构升级具有显著的正向促进作用，这与国内学者的研究结论相同。[11]59[12]143[20]5 [25]80

从表9横向角度来分析，各县市财政支出、金融发展效率、金融集聚对产业结构升级的影响大小在不同县市表现几乎一致，三者对产业结构升级的影响由大到小排序为：金融集聚>金融发展效率>财政支出。此外，从全局部分参数估计结果来看，城镇化（aczh）的影响为正，但是也不能通过显著性检验。投资回报率（atzhbl）对产业结构升级的影响为负，未能通过显著性检验，这与高铂睿、李珊珊（2015）[19]115结果基本一致；

四、结论与政策建议

本文基于半参数地理加权回归模型框架，采用同时兼顾传统经典常参数（global）和局域（local）变参数特征的半参数GWR模型，对福建2001～2014县域产业结构升级的影响因素进行实证估计。结果发现：通过对比OLS模型、GWR模型、半参数GWR模型的估计结果发现，半参数GWR模型相比其他两个模型在拟合优度等多项指标上具有明显的优势，很好地刻画了估计系数的空间异质性。总体而言，在推动县域产业结构升级驱动因素中，从重要程度来看，依次是金融集聚度、金融发展效率、财政支出、固定资产投资、城镇化；从区域差异程度来看，金融集聚和金融发展效率对产业结构升级的影响强度表现东南部低、西北部高的梯度变化特征；财政支出的抵制效果在地区间的差异也很显著，表现为东南部高、西北部低。

从上述研究可以得到如下启示：第一，进一步优化福建金融生态环境，加强监督管理，将金融业打造成全省支柱产业之一，充分发挥其对产业结构升级的促进作用。政府可以充分为区域金融的发展打造良好的外部环境，利用自贸区设立后所带来的得天独厚的优势，准确定位平潭、厦门、福州三地的功能，建立一个高水平、高效率、多层次的县域金融体系，顺利带动各县市产业顺利转型和升级。第二，建立和完善多层次、体现地区差异化的资本市场，为自贸区背景下金融市场的蓬勃发展打下基础。随着自贸区的建立，福建县域的金融集聚程度将显著增加，这将会推动福建省主导产业的发展，发达的资本市场将是产业结构升级的重要基础。因此，探讨和建立多层次、多渠道和多形式的金融体系，也有利于企业的融资成本。第三，优化财政支出结构，应该增设促进产业转型的资金预算科目，可适当压縮一般行政等方面支出，增加产业升级的资金投入。 当然，本文的研究还有值得拓展的地方：由于本文建模时使用样本是截面数据，样本信息的来源相对有限，而若能同时综合时间序列和截面数据两个维度信息来研究福建省县域产业结构升级的发展，这样得到的信息将更加全面、结论更加科学。因此，在未来的研究中，可以进一步考虑采用空间面板计量模型或时空地理加权回归模型来研究产业结构升级影响因素的时空异质性。

[参考文献]

[1]李子伦.产业结构升级含义及指数构建研究——基于因子分析法的国际比较[J].当代经济科学，2014（1）：8998+127.

[2]林晶， 吴赐联.福建产业结构升级测度及产业结构优化研究[J].科技管理研究，2014（2）：4144.

[3]樊福卓.一种改进的产业结构相似度测度方法[J].数量经济技术经济研究，2013（7）：98115.

[4]张翠菊，张宗益.中国省域产业结构升级影响因素的空间计量分析[J].统计研究，2015（10）：3237.

[5]高远东，张卫国， 阳琴.中国产业结构高级化的影响因素研究[J]. 经济地理，2015（6）：96101+108.

[6]武晓霞.省际产业结构升级的异质性及影响因素——基于1998～2010年28个省区的空间面板计量分析[J].经济经纬，2014（1）：9095.

[7]张晓燕，冉光和，季健.金融集聚，城镇化与产业结构升级——基于省级空间面板数据的实证分析[J].工业技术经济，2015（9）：123130.

[8]贾敬全，殷李松.财政支出对产业结构升级的空间效应研究[J].财经研究，2015（9）：1828.

[9]李西江.金融发展、金融结构变迁与产业结构升级[J].财经问题研究，2015（6）：3239.

[10]王立国，赵婉妤.我国金融发展与产业结构升级研究[J].财经问题研究，2015（1）：2229.

[11]孙根紧.金融集聚对产业结构升级的影响研究[J].社会科学家，2015（8）：5963.

[12]郑开焰，李辉文.福建省金融集聚效应与产业结构升级[J].福建论坛：人文社会科学版，2015（8）：143149.

[13]李子伦，马君.财政政策支持产业结构升级的国际经验借鉴[J].财政研究，2014（6）：7880.

[14]陶爱萍，徐君超.金融发展与产业结构升级非线性关系研究——基于门槛模型的实证检验[J].经济经纬，2016（2）：8489.

[15]庄良，王新敏，马卫，尚正永.甘肃省产业结构的时空分异及其动力机制研究[J].干旱区地理，2016（3）：638646.

[16]McMillen D P. Geographically Weighted Regression： The Analysis of Spatially Varying Relationships[J]. American Journal of Agricultural Economics，2004（2）：554556.

[17]http：//eprints.maynoothuniversity.ie/4846/

[18]https：//geodacenter. asu. edu/drupal_files/gwr/GWR4manual. pdf.

[19]高铂睿，李珊珊.现代金融体系支持产业转型升级的时间序列分析——以广州市为例[J]. 经济地理，2015（3）：115119.

[20]邓向荣，刘文强.金融集聚对产业结构升级作用的实证分析[J]. 南京社会科学，2013（10）：512+20.

[21]任英华，徐玲，游万海.金融集聚影响因素空间计量模型及其应用[J].数量经济技术经济研究，2010（5）：104115.

[22]钱明辉，胡日东.構建区域性金融服务中心能力的研究[J].经济地理，2013（4）： 101106.

[23]ANSELIN LUC. Local indicators of spatial association—LISA [J].Geographical analysis， 1995（2）：93115.

[24]赵楠，高娜.财政政策支持产业结构升级的策略研究[J].云南民族大学学报：哲学社会科学版，2014（2）：131135.

[25]孙晶，李涵硕.金融集聚与产业结构升级——来自2003～2007 年省际经济数据的实证分析[J].经济学家，2012（3）：8086.

[26]张继焦，刘仕刚.关于当前中国经济社会结构转型的几点思考[J].广西师范学院学报：哲学社会科学版，2016（1）：15.

[27]王立国.中国特色社会主义市场经济下公平与效率的认识与实践[J].生产力研究，2011（4）：120121+143.

[责任编辑]王立国