经济增长与其代价的空间效应分析——基于安徽省空间面板数据模型的经验研究

李荣富，傅懿兵，王 萍

(1.池州学院商学院，安徽池州247000；2.烟台职业学院会计系,山东烟台264000；3.东北财经大学经济学院，辽宁大连116025)

经济增长是有代价的，国内外学者对此作了有益的探索。20世纪60年代末，较早关注经济增长代价的英国著名经济学家Mishan（1968）首次将经济增长的代价划分为经济代价和社会代价[1]，然而并没有就如何衡量或测算它们给出明确的说明。或许是由于经济增长代价测量的复杂性和隐蔽性，有的学者以显性的成本度量经济增长的代价，分析经济增长对成本粘性的影响，得出成本对需求变化显示出非对称的反应[2]。国内学者基于中国的经济现实对改革开放后的经济增长代价进行了丰富而卓有成效的研究，主要表现在五个方面：一是认为中国的经济增长代价具有必然性[3]。二是经济增长代价的价值计量就是经济增长成本，包括中间投入、资源成本和环境成本，并推论“经济增长质量就是实现经济增长成本的最小化”[4]。三是中国经济增长代价有着多样性，如“投入性代价、目标限定性代价、牺牲性代价和失误性代价”[5]“严峻的环境污染和扭曲的生态破坏、畸形的房地产市场和脆弱的实体经济、潜在的地方债务‘地雷’和不稳定的金融系统风险、失衡的经济蛋糕分配和链网式的强势利益集团”[6]。陈曦（2013）对中国经济增长的社会代价进行了研究，揭示了经济增长的社会代价具有客观性、普遍性、隐蔽性、可控性等特征，运用包括人民生活水平、教育发展水平、社会卫生水平、社会就业水平、社会文化与体育水平等五个方面的18个基础指标，综合评价了中国1978－2011年经济增长的社会代价，也深入分析了经济增长的社会代价产生的原因[7]。陈真玲等（2013）根据可持续发展理论，“将社会发展代价定义为包括人与人之间关系的代价和人与自然之间关系的代价”，并选择代表性的指标描述社会代价，从定量角度实证分析了经济增长的社会代价，认为“必须要千方百计降低社会代价，才能提高经济发展的质量，促进经济与社会的可持续发展”[8]。四是估算中国经济增长某一方面的代价存在着不确定性[11]。五是降低中国经济增长代价的必然选择是转变中国经济增长方式[10－11]。

通过现有文献，本文发现主要研究不足在于：未能关注不同区域的经济增长和经济增长代价的空间效应，特别是不同地理空间的经济增长代价对邻近区域的负外溢效应而阻碍了经济增长，但分析这种效应或许更有利于解释经济增长的区域差异。本研究以安徽省为样本，分析2000-2015年16市（不含2011年被撤并的巢湖市）经济增长与经济增长代价的空间数量关系，创新之处在于：采用相关替代指标，基于真实数据度量经济增长代价；运用空间面板数据模型分析区域经济增长代价和经济增长的空间交互影响。

1 变量选择和数据来源

1.1 观测变量选择

1.1.1 经济增长代价 本文借鉴现有研究成果对经济增长代价的测度思想，将安徽省经济增长代价分为三个层次来度量，即经济增长的经济代价、经济增长的资源环境代价和经济增长的社会代价，测算具体指标分别为：经济增长的经济代价包括城镇登记失业率、产业结构合理化程度；经济增长的资源环境代价包含单位GDP工业废水排放量、单位GDP工业废气排放量、单位GDP工业固体废物产生量；经济增长的社会代价包括实际GDP折算负值。这些观测变量在研究中将作为解释变量，相关说明见表1。

表1 经济增长代价的测量指标

其中，产业结构合理化程度（SD）采用吕明元和尤萌萌(2013)[12]的处理,即取产业结构合理化（SR）的倒数 ，，该值越小，产业结构越不合理，反之，则相反。实际GDP折算负值，作为经济增长社会代价的近似替代指标，以实际GDP的一定比例（本研究取4%）折算并取负值，度量的是经济增长的社会控制成本，相当于经济增长的负投入[13]。

安徽省16市空间分布图

1.1.2 经济增长 本文利用人均GDP指标度量经济增长[14]。在面板数据分析中，为了剔除不同时期价格因素的影响，反映产出的实际增减，采用对16市现价人均GDP按安徽省GDP平减指数（1978=100）折算为各市人均实际GDP，在分析中取其自然对数作为被解释变量。

1.1.3 空间权重矩阵 本文以安徽省16市的一阶Rook二进制邻近矩阵作为空间分析的权重矩阵，即W＝（wij）：

1.2 数据来源

由于部分数据的缺失，考虑数据的可得性，本研究分析的样本期间确定在2000－2015年，所用数据为安徽省2016年行政区划调整前的数据（涉及到安庆、铜陵、六安和淮南四市）。空间截面单位为安徽省16市；分析所采用的客观基础数据均来源于安徽省统计局相应年度的统计年鉴，其中16市的名义GDP数据均采用安徽省GDP平减指数（1978=100）折算为各市实际GDP。面板数据模型的估计和检验采用了J.Paul Elhorst提供的程序包（http://www.regroningen.nl/elhorst/software.shtml），并经过修改后得出有关结果。

2 空间面板模型的设定和选择

2.1 空间相关性判断

分析安徽省16市在样本期间2000－2015年间的经济增长是否存在空间相关性是进行空间面板计量分析的前提。本文根据多数研究者的处理方法，对被解释变量（取自然对数的人均实际GDP）与解释变量（经济增长的经济代价、资源环境代价和社会代价）及空间权重运用全局空间自相关的莫兰指数（Moran’s I）进行检验，结果见表2。

表2 2000－2015年安徽省经济增长的Moran’s I

由表2可知，Moran's I都为正值，除2005、2009和2010年外，其他12年均通过了10%显著性水平检验，表明安徽省各市之间的经济增长存在着显著的空间相关性，也说明在反映各市的经济增长与其代价之间的数量特征时，纳入的解释变量中至少应该包括经济增长的空间效应。但是，Moran's I只能提供是否存在空间相关性的统计判断，不能据以确定空间计量模型的具体形式，还需要通过模型的设定和检验实现对存在空间交互效应的经济现象数量关系的实际反映形式。

2.2 空间面板数据模型的设定和检验

面板数据模型涉及固定效应和随机效应，本研究中，本文采用固定效应的面板数据模型（以下如不作特别说明，均指固定效应的面板数据模型），这是因为本文选择的样本16市基本是总体安徽省的地级市，并且建立的面板数据模型只限于分析和推断样本的经济增长及其代价的空间效应或空间经济关系。

作为比较，先估计不含空间交互效应的非空间面板数据模型即一般面板数据模型，结果见表3。

表3 非空间面板数据模型的估计

从表3得知，4种模型估计的偏回归系数符号不完全符合经济意义，因此考虑采用空间面板数据模型。而由表2的Moran’s I值，本文已得出安徽省各市的经济增长与其代价之间存在着空间交互效应，为此初步设定三种形式的空间面板数据模型，即空间面板自回归模型（SAR）、空间面板误差模型（SEM）和空间面板Durbin模型（SDM）如下：

SAR模型：

SDM模型：

上述模型中，i，j为截面单位（i，j＝1，2，…，N）；t为时期（t＝1，2，…，T）；u和η分别表示空间效应和时间效应。若ui=0和ηt=0，则模型为混合估计模型；若ui≠0，但ηt=0，则模型为空间固定效应模型；ui=0，而ηt≠0，模型为时间固定效应模型；ui≠0且ηt≠0，模型为空间和时间固定效应模型。

在此基础上，本文首先进行SAR和SEM模型设定的（robust）LM检验和LR检验，见表4。

由表4的检验结果可知，无约束似然比LR的固定效应联合显著性检验的空间固定效应和时间固定效应都在1%显著性水平上拒绝了原假设，说明模型中同时存在空间和时间的双向固定效应，由此在空间和时间固定效应的SAR与SEM模型中，通过（robust）LM检验判断SAR和SEM模型的选择：尽管SAR模型的LM检验（LM spatial lag）和SEM模型的LM检验（LM spatial error）均表明模型中空间残差相关不显著，但是二者的稳健LM检验（robust LM spatial lag和robust LM spatial error）在1%显著性水平上皆显示SAR与SEM模型中存在着显著的空间残差实质性相关，这也证实了前文Moran’s I的检验结果，本文据此判定空间和时间固定效应的SAR和SEM模型可以同时成立。

表4 空间面板模型的（robust）LM和LR检验

根据空间计量经济学的理论，具备这样的空间交互效应特征的空间面板数据能够用广义形式的SDM模型来描述，而SDM模型是否为最后确定的适当的空间面板数据模型形式，还需要通过SAR和SEM模型的Wald检验（Wald test spatial lag和Wald test spatial error），以判明SDM模型可否简化为SAR和SEM模型。如果Wald检验结果表明SDM模型可以简化为SAR和SEM模型，那么可以确定SDM模型是最终的空间面板数据模型。因此，本文还需要进一步对双向固定效应的SDM模型进行参数估计，并作Wald检验，结果见表5。

从表5中可以获知，Wald检验均在1%显著性水平上拒绝了原假设，本文因此可以确定SDM模型是分析2000－2015年安徽省16市空间面板数据模型的恰当模型。

表5 双向固定效应的SDM模型估计和Wald检验

从双向固定效应的SDM模型（误差修正）的估计结果中可以发现，不含空间滞后效应的解释变量系数的符号均与理论预期一致，且系数除产业结构合理化程度（SD）、单位GDP工业废气排放量（IWGE）和单位GDP工业固体废弃物产生量（IWSG）外，在5%显著性水平上具有统计显著性，因而估计结果具有经济意义，即表明安徽省市域经济增长的经济代价、资源环境代价和社会代价对其经济增长具有负向效应，也就是说中长期以来，安徽省的经济增长客观上存在着经济代价、资源环境代价和社会代价。空间交互效应的被解释变量W×lnPGDP的系数为0.2068，并通过了1%显著性水平检验，表明安徽省相邻市域的经济增长有着正向反馈机制，除对当地经济产生直接影响外，还对其他相邻市域产生了显著的空间溢出效应，幅射并带动着其他相邻市域的经济增长。空间滞后解释变量的系数除W×IWSG外，其余均具有统计显著性，一方面揭示了经济增长代价既具有地方效应又存在溢出效应，另一方面也说明通过空间面板数据模型分析安徽省经济增长的空间交互效应不能遗漏解释变量的空间滞后项，以免造成模型的估计偏误。

3 空间效应分析

解释变量对被解释变量的空间效应通过求偏导数将其分解为直接效应和间接效应，也可以分别称之为本地效应和溢出效应。对确定的空间面板数据SDM模型的估计结果，进一步求出其空间效应，结果见表6。

从表6中可以得知，安徽省经济增长的经济代价（城镇登记失业率UNER和产业结构合理化程度SD）的本地效应分别为－0.0164和－0.0181，表明在地区经济增长过程中包括劳动力在内的要素资源配置不合理或错误地配置在效率低的部门以及产业结构转换或升级缓慢，将不利于当地经济增长，从而使得经济增长为此付出低效的代价。而经济代价的溢出效应亦为负值，且分别通过了5%和1%显著性水平的检验，说明经济增长的经济代价具有外溢效应，原因可能是因为当地要素资源使用效率低、产业结构没有及时得到调整，促使要素资源流出到相邻地区，而相邻地区由于对要素资源的吸纳能力有限导致负向效应被传染。

安徽省经济增长的资源环境代价（单位GDP工业废水排放量IWWD、单位GDP工业废气排放量IWGE和单位GDP工业固体废弃物产生量IWSG）本地效应均为负值：-0.0010，-0.0012和-0.0001，这同样说明安徽省中长期的资源环境代价拖累了本地区的经济增长。然而，工业废水排放量和工业固体废弃物产生量的溢出效应都不显著地为正值，这可能主要是由于随着国家和安徽省环境保护执法力度的加强、当地加大资源环境治理的投资和有效地采取资源环境的保护措施，以及经济主体环境保护意识的增强，使得工业废水、固定废弃物产生的污染及时得到治理，从而降低了向相邻地区扩散的程度，这也减轻了相邻地区资源环境保护的成本而有利于其经济增长。与此相反，当地工业废气排放却显著地扩散到其相邻地区，并由此造成后者经济增长的代价，原因也许是工业废气排放通常会产生空气污染，治理难度加大，随着地理空间范围的扩大而向其相邻地区传播，增加了相邻地区的资源环境保护成本而不利于经济增长。

安徽省经济增长社会代价的本地效应显著为-0.0035，表明随着当地经济增长，经济犯罪、社会腐败、侵犯知识产权、社会败德等造成的直接和间接经济损失在提高，而不有利于本地区经济的增长。社会代价的溢出效应在1%的显著性水平上为正0.0270，这或许说明当地对经济增长的社会环境的综合治理改善了相邻地区经济发展的社会环境，因而促进了其经济增长，这种示范效应有益于减少其社会调节成本，由此也进一步揭示经济发展的社会环境是需要共同维护的，只有各地齐抓共管、建立符合生产力发展的价值取向才能获得经济增长的外在效应。

4 结论与启示

本文运用安徽省2000-2015年16市的面板数据，判明了经济增长与经济增长代价存在着空间相关性，设定和检验了空间面板数据模型，并将最终模型确定为恰当的空间和时间固定效应的SDM模型（误差修正）。通过误差修正的双向固定效应SDM模型参数估计和空间效应分析，本文得出：（1）安徽省经济增长存在着经济代价、资源环境代价和社会代价，与安徽省经济社会发展的现实是吻合的；（2）安徽省经济增长和经济增长代价均存在空间效应，其中经济增长有着正向的当地效应和溢出效应，而各层次的经济增长代价均存在本地负效应，经济代价和资源环境代价中工业废气排放的外溢效应为负，社会代价和资源环境代价中工业废水排放量与工业固体废弃物产生量有着正向的溢出效应。

由此，本文得到启示：（1）安徽省各地方政府应运用宏观调控职能，降低各层次经济增长代价对本地经济增长的抑制效应，在一定的经济增长目标下最小化经济增长代价，提高经济增长质量；（2）各市要优化要素资源配置，提高资源使用效率，调整和优化产业结构，促进经济增长方式由高代价发展方式向低代价发展方式转换；（3）立足科学发展观，坚持可持续发展，充分考虑经济增长、社会发展与资源环境的协调，避免经济增长对资源环境的人为伤害；激发大众创新的活力，减少经济增长对资源环境的依赖；（4）各地大力发展文化产业，积极营造经济增长的良好社会环境，降低经济增长的社会代价。