中国经济增长与能源消费空间面板分析

1、中国经济增长与能源消费空间面板分析*作者感谢匿名审稿人所给予的指导和建议，当然文责自负。王火根1 沈利生21. 华侨大学商学院；2. 华侨大学数量经济与技术经济研究所、中国社会科学院数量经济与技术经济研究所 【摘要】 近年来面板数据广泛应用于各类统计分析，但变量的空间相关并没有引起足够的重视。本文引入空间面板回归模型研究中国各省市经济增长和能源消费的关系。利用matlab软件及其spatial econometric模块建立和比拟传统面板回归模型与空间面板回归模型，研究结果说明空间面板回归模型较传统面板回归模型优越，我们的工作为空间面板数据分析提供了一个应用实例。关键词 经济增长；能源消费；空

2、间面板自相关；空间面板回归中图分类号 F224 文献标识码 AA Spatial Panel Statistical Analysis on Chinese Economic Growthand Energy ConsumptionAbstract This article studies the spatial panel autocorrelation of the Chinese provincial economic growth and the energy consumption. We found there was statistically significant spati

3、al panel autocorrelation for these three variables. Further, we established and compared the simple linear panel regression model and the spatial linear panel regression. Our results indicated that the spatial linear panel regression model was better than the simple linear panel regression.Key words

4、 Economic growth, Energy consumption, Spatial panel autocorrelation, Spatial linear panel model一、前言经济增长与能源消费之间关系一直是经济领域学者热门研究的主题。特别是20世纪70年代石油危机以来，世界上更多的国家都在寻找能源与经济增长之间的真实关系。有关能源消费与经济增长的关系问题，国内外学者进行了大量的研究。如Granger和Kraft(1978)、Masih 和 Masih (1996)、Cheng (1999)、Asafu-Adjaye (2000)、George Hondroyiannis

5、等人(2002)、McAvinchey和Yannopoulos (2003)等分别对各研究对象的能源消费和经济增长进行标准的单位根检验和协整检验，以考察能源消费与经济增长的长期均衡和短期动态调整。对于我国能源需求与经济增长的研究，Yong Chang和Jiang Chang2003通过Granger因果关系检验考察了国内和国际油价波动对中国经济增长的影响。林伯强2004那么通过协整分析考察了不同时期我国能源需求与经济增长的关系；王海鹏等2005运用协整理论和Granger因果关系检验实证研究了我国电力消费与经济增长之间的协整关系和因果关系。但是这些研究一般都集中在时间数据或面板数据，根本上都没

6、有涉及空间分布格局的描述或统计分析，而对区域经济增长和能源消费的空间相似性或差异的研究更少。中国幅员辽阔，地区间的空间差异非常明显，传统上利用全国总量时间序列数据进行分析，往往会掩盖这种十分显著的区域空间差异。因为存有空间差异，时间序列回归方法或面板数据不再适合于解释经济增长与能源消费的复杂关系，难以得出真正反映现实的分析结论。因此，在处理区域数据时，需要适当地引入空间统计分析方法Anselin, 1988, Baltagi, Song and Koh, 2003, Anselin, Le Gallo and Jayet, 2005。本文首先利用空间邻近性矩阵和空间自相关系数检验中国省级经济增

7、长和能源消费是否具有显著的空间相关性，然后我们建立并比拟传统线性回归模型和空间线性回归模型，再进一步检验两类回归模型的残差是否具有显著的空间相关性，以确定建立空间回归模型的必要性，我们的分析揭示了中国省级经济增长和能源消费的数量关系。二、计量模型在经济学中，生产函数是表示生产投入与生产产出之间技术经济关系的重要理论模型。传统上，一个地区的生产函数关系可以用柯布-道格拉斯(Cobb-Douglas)齐次方程式表示: 1式(1)中是资本份额与劳动份额的弹性系数；A为技术进步, 包括结合性和非结合性的技术进步。上述C-D生产函数在解释生产过程中只考虑了两个生产要素, 即资本和劳动力, 但是在当今社会

8、，由于能源因素在生产过程中的重要性日渐增大, 在研究生产过程中忽略能源的影响将会产生很大的误差，所以有必要对C-D 生产函数加以改良。Nerlove在1965年研究美国电力工业的资料时，发现其生产过程可以描述为: 2其中表示产出，A表示生产要素投入效率，K表示资本投入，E表示燃料投入，L表示劳动力投入，分别表示资本、燃料、劳动力弹性系数。将Nerlove的公式和C-D生产函数进行比拟可以发现， Nerlove在原有C-D生产函数的结构根底上增加了和燃料投入有关的乘子，比照C-D生产函数和Nerlove公式的指数，假设用这两个函数对同一生产过程进行解释，由此可以看出, Nerlove公式的本质含

9、义, 就是将原本分摊在资本和劳动力要素中的能源因素的影响从C-D生产函数中剥离了出来, 形成独立的第三要素。考虑数据的比照性和经济学意义，我们对所采用的变量都取对数形式，具体如下： 3其中，指地区，指时间。三、空间面板数据模型 1，模型设定及其经济意义空间经济计量学所研究的空间效应包括空间自相关或空间依赖性和空间差异性。前者指一个地区的样本观测值与其他地区的观测值相关。观测值在空间上缺乏独立性，而且空间相关的程度及模式由绝对位置和相对位置(布局、距离)决定。后者指由于空间单位的异质性而产生的空间效应在区域层面上的非均一性(Anselin , 1988a)。空间相关性来自于两方面(Anselin

10、 ,1988)：一方面，不同地区经济变量样本数据的采集可能存在空间上的测量误差；另一方面，相邻地区间的经济联系客观存在，尤其是在区域一体化和经济全球化的今天，地区间经济联系更加密切。由以上两方面可知，空间自相关性在空间自回归模型中表达在误差项和因变量的滞后项，因此，空间经济计量的两种根本模型分别是空间自回归模型(Spatial Auto regressive Model ,SAR) 和空间误差模型(Spatial Error Model ,SEM) ,这两个模型的根本形式为:空间自回归模型(SAR) : 4空间误差模型(SEM) : 5其中，y为因变量，X为自变量向量包括常数项，为变量系数,和

11、分别为空间自回归系数和空间自相关系数， 为误差成分。在一维误差分解模型中，或；在二维误差分解模型中，、以及。分别为时间维度与截面维度，为T维单位时间矩阵，为nn的空间权重矩阵(n为地区数)，权数系数可以根据实际情况决定。根据误差成分分解的不同可以分为固定效应还是随机效应，本文使用空间固定效应模型(Elhorst 2003) 选择固定效应模型而非随机效应模型的理由是样本回归分析局限于一些特定的个体时(如中国的30个省级区划单位)，固定效应模型应该是更好的选择(Baltagi，2001)。模型中控制了两类非观测效应空间固定效应和时间固定效应，前者反映随区位变化，但不随时间变化的背景变量(如经济结构

12、和自然禀赋等)对稳态水平的影响；后者代表随时间变化，但不随区位变化的背景变量(如商业周期和暂时性冲击等)对稳态水平的影响。设和分别为空间固定效应的N维列向量和时间固定效应的T维列向量，如下所示：那么对应于每个观测值的空间和时间固定效应列向量如下所示：其中和分别为T维和N维元素全为1的列向量。那么4、5可以转化为以下表达式： 6 7Anselin(2003)从空间滞后变量的类型和空间相关性的作用范围两个维度，对空间计量经济模型进行了分类，并在一定程度上揭示了空间误差模型和空间滞后模型的经济意义。这两个模型所反映的空间相关性都是全局性的，考察范围内任何两个地区之间都存在相关性，并且相关强度服从距离

13、衰减规律；空间自回归模型意味着一个地区经济增长的所有解释变量，都会通过空间传导机制作用于其他地区，而空间误差模型那么反映了区域外溢是随机冲击的作用结果。因此，模型(6)和模型(7)不仅考虑了区域经济增长的空间和时间异质性，而且把空间相关性明确引入了生产函数方程。这就在很大程度上纠正了可能的模型误设问题，而且还2页空白没用的，请掠过阅读吧哈,这2页空白没用的，请掠过阅读吧哈,请掠过阅读吧，哈哈哈A、针对报警信息的客户，在JUSTESS系统的客户报警界面上，点击外呼按钮，JUSTESS系统通过JUSTCALL呼叫中心后台向当前坐席发起呼叫，坐席接通后，启动弹屏触发，弹出座席管理界面；然后向客户发起

14、呼叫，并建立会话；B、针对需要派工单做回访的客户，在JUSTESS系统的客户派工单界面上，点击外呼按钮，JUSTESS系统通过JUSTCALL呼叫中心后台向当前坐席发起呼叫，坐席接通后，启动弹屏触发，弹出座席管理界面；然后向客户发起呼叫，并建立会话；C、在坐席人员可以在坐席管理界面中新增或者调用历史效劳记录。可根据客户需求量身定制各类业务流程与方案。第二节新方案的影响交强险新方案推出后，在赔付本钱上升和客户享受费率优惠等因素的作用下，保险行业将面临较大的经营压力，承保方面可能会出现一定的亏损。中国保监会14日下午举行机动车交通事故责任强制保险费率调整听证会，就中国保险行业协会提出的?关于上报交

15、强险费率方案的请示?，听取各方面意见。新方案实施后，首先责任限额将由目前的6万上到为12万元，死亡赔偿限额上升至11万，在增加风险保障的同时会给保险行业增加赔付本钱，预计这种赔付本钱上升的幅度在1520。其次，无责赔偿比例从目前的20降至10，这种比例的降低会导致保险行业赔付本钱的降低，这种降低的程度预计在23。第三，推出的费率浮动方法已经导致交强险实际的费率水平逐年下降，预计每年下降的幅度会增加约5。到2021年，目前投保人当中预计将会有69的客户会享受到30的费率优惠。空白没用的，请掠过阅读吧哈这1页空白没用的，请掠过阅读吧哈空白没用的，请掠过阅读吧，这1页空白没用的，请掠过阅读吧，一信用

16、风险的侵蚀。当前我国对企业和个人的信用制度还没有真正建立起来，对失信者尚缺乏严厉而有效的制裁措施。在开展这项业务的过程中，少数保户在自身利益的驱使下，制假造假者有之，人车逃逸者有之，金融诈骗者有之。总之，信用风险，或者说客户的个人道德风险已成为阻碍这项业务健康开展的最大障碍。据调查，从车贷险业务开展以来，保户拖欠银行贷款有的是恶意拖欠情况严重。按照保险公司与银行的合作协议，保户在3个月内如不按期归还贷款，将由保险公司以支付赔款的方式代替保户归还。这样，保险公司就成为承当信用风险的唯一责任者，因而直接影响到保险公司的稳定经营。据调查说明，20002002年某产险公司保户中已拖欠银行贷款逾期时间在

17、3个月以上的贷款金额高达4 629万元其中三年期的为3 783万元。这一贷款数额是这家保险公司在同一时期内所收保费的数倍，如果这些逾期贷款都要由保险公司归还，那么这家公司将面临严重亏损。 二管理疏漏的侵蚀。保险公司内部管理的疏漏构成了管理风险。在开展这项业务的过程中，一些公司为了扩大自己的市场份额，争取更多的保费收入，盲目放松承保条件，业务不分良莠，给整个险种的经营带来不可弥补的损失。主要表现在：一是资信调查不严格，核保手续不标准。一些分支机构本来不具备开展这项业务的条件，却盲目上马；一些公司对资信调查不重视、不严格，有些根本流于形式。对于要求办理该项业务的，根本上是来者不拒，给一些信用度很差

18、的客户以可乘之机。如某一经销商为了能够得到较多的银行贷款，不惜以欺骗手段购置他人的身份证，到银行为自己办理车贷险业务，直到案发后问题才暴露。二是违规操作。目前，海南省一些产险公司在承保的过程中都采取了总颁条款附加业务协议书的方式开展业务。为了能够拉到更多的业务，这些公司在合作协议中都明显突破或篡改了原条款的规定。比方有些协议规定，发生保险责任事故后先由保险公司赔款，而后由银行通过权益转让将抵押权转让给保险公司，然后保险公司才能处理抵押物。这些协议不但和总颁条款的规定有很大的出入，而且把购车环节的所有风险全都揽到保险公司名下，银行、经销商几乎没有任何风险。三是承保质量低下。从某产险公司承保的业务

19、结构看，60。70为容易出险的营运车，而档次较高、风险较小的家庭自用车承保数量较少。 空白没用的，请掠过阅读吧哈这1页空白没用的，请掠过阅读吧哈空白没用的，请掠过阅读吧，这1页空白没用的，请掠过阅读吧，要强化行业自律，标准行业行为。保险监管部门应进一步加强对开展该项业务的全程监控，各地保险行业协会要充分发挥其行业自律、行业协调和行业监督的职能，牵头产险公司制定车贷险行业自律公约，并定期通报执行情况；要对主要汽车经销商建立能反映其销售业绩和信誉情况的行业档案及“黑名单，为各公司的稳健经营提供信息依据。 坚持稳健经营的原那么。转变过去一哄而上的局面，成立专业车贷险公司，统一资信调查和核保核赔的原那

20、么和程序。要始终坚持效益为先的原那么，防止无序竞争和只顾规模不管效益的经营行为。 可以为考察区域外溢提供启发。2，空间相关性检验和模型选择空间相关性检验是空间计量经济分析的一个重要内容。区域空间相关性的检验主要有基于极大似然估计的假设检验的Wald、LR和LM统计量和空间相关指数Morans I和Geary C，它们的原假设。但是Morans I(Moran 1948)、LMerr(Burridge 1980)、LMsar、Lratios、Walds(Anselin 1988b)等空间相关性检验都是针对单个截面回归模型提出的，不能直接用于面板数据模型。本文用分块对角矩阵代替Morans I等统

21、计量计算公式中的空间权重矩阵，就可以方便地把这些检验扩展到面板数据分析(何江,张馨之 2006)。LMerr和LMsar及其稳健形式的空间相关性检验，不仅可以用来检验空间相关性，还可以为模型设定提供线索(Anselin & Rey 1991；Anselin & Florax 1995)，帮助我们在模型(6)和模型(7)之间进行选择。在模型选择问题上，目前通行做法是先用OLS方法估计不考虑空间相关性的受约束模型，然后进行空间相关性检验，如果LMsar(或LMerr)比LMerr(或Lmsar)统计量更显著，那么恰当的模型是空间滞后模型(或空间误差模型)。Anselin和Rey(1991)利用蒙特

22、卡罗实验方法证明，这种方法能够为空间计量经济模型的选择提供很好的指导。3，参数估计最小二乘法不适合用来估计空间计量经济模型，这是因为在模型包含空间滞后误差项的情况下，虽然OLS估计量是无偏的，但不再有效；在模型包含空间滞后被解释变量的情况下，OLS估计量不仅是有偏的而且非一致。所以，一般使用极大似然法ML来估计空间计量经济模型(Anselin，1988a；Anselin & Hud1992)。对于空间面板数据模型而言，不能直接使用针对截面回归模型设计的ML估计程序，这就使得空间面板数据模型的估计问题显得更加复杂。另外，当空间权重矩阵的维数很大时，空间计量经济学中通常的ML估计程序是有问题的，这

23、是因为超过400以上的空间权重矩阵的特征值难以可靠地估计(Kelejian & Prucha，1999)。一个目前可以利用的解决方法是，用蒙特卡罗方法来近似对数似然函数中雅克比行列式的自然对数(Barry and Pace，1999)。这种方法在Matlab软件包 Matlab的空间计量经济学程序可从econometrics下载，主要由Lesage和Elhorst等人编写。中得到了实现，可用来估计模型(6)和模型(7)。Smirnov and Anselin2001给出了一般空间面板模型的极大似然估计MLE函数为:如果，那么对于空间滞后模型有以下形式： 8其中，为空间转换的雅可比行列式。如果雅

24、可比行列式对角结构一致，那么8式可以简化为： 9为使模型更为一般化，继续假设，那么9式又可以化为： 10其中：。对于空间误差模型，似然函数可简化为： 11四、实证分析及估计结果1，样本选择与数据描述 本研究采用年度数据，为了检验近来年中国能源消费与经济增长关系，同时考虑到数据的可得性，选择样本区间为：19992005年。数据主要来自于中国官方资料：(1)?中国统计年鉴?(各期)；(2)?新中国50年统计资料汇编?。由于西藏数据不全而略去，这样最终用来进行实证分析的样本为1999-2005年中国大陆地区的30个省份的面板数据。为便于数据可比拟和减少异方差，所有数据均取对数，其中LnY表示GDP的

25、对数，LnK表示资本存量的对数，LnE表示电力消费的对数，LnL表示劳动力的对数。各变量的具体数据及构造如下。GDP：为消除物价因素的影响，我们取1999年为基期，根据地区生产总值指数生成实际GDP(单位：亿元)。数据来自于?中国统计年鉴?(2000-2006年)。能源消费：考虑到近年来中国能源生产和消费总量中，煤炭和石油供需存在明显低估。相比之下，由计算机直接读出的电力消费量数据就相当准确。此外电力消费是中国能源消费的主要方式。因此，使用电力消费更能准确反映能源消费与经济增长之间的内在联系(林伯强，2003)，所以本文采用各地区电力消费量作为能源消费量，单位：亿千瓦小时。劳动力：劳动力采用了

26、三个产业累计从业人数，单位：万人。资本存量：测算资本存量的根本方法是由戈德史密斯Goldsmith于1951年开创的永续盘存法，现在被 OECD 国家所广泛采用，它的根本公式为： 12其中Kit表示第个地区第t年的资本存量，Ki,t-1表示第个地区第t-1年的资本存量，Iit表示第个地区第t年的投资，Pit为各地区固定资产投资价格指数，t表示第t年的折旧率。可见，为了构造1999-2005年期间的资本存量时间序列，我们还需要知道初始的资本存量和资本折旧率。由于中国统计年鉴中并没有各地区资本存量的根底数据, 本文直接采用张军在?中国省际物质资本存量估算：1952-2000?文中1998年的资本存

27、量数据作为基数, 然后根据?中国统计年鉴?得到以后各期资本存量。1999年后固定资产投资价格指数可以直接?中国统计年鉴?得到，折旧率t=0.05，单位：亿元。 2，经济空间权重W的设定空间权重矩阵是空间计量模型的关键，也是地区间空间影响方式的表达。最常用的是简单二分权重矩阵，遵循的判定规那么是Rook相邻规那么，即两个地区拥有共同边界那么视为相邻。矩阵的设定方式如下：主对角线上的元素为0，如果地区与地区相邻，那么为1，否那么为0。经过行标准化处理，用每个元素同时除以所在行元素之和，使得每行元素之和为1，表1列出了中国31个省市地理相邻信息。这种设置方式简单，计算简便，故使用广泛。表1 中国31

28、个省市地理相邻信息序号地区相邻信息序号地区相邻信息1北京2、317湖北12、14、16、18、22、272天津1、3、1518湖南14、17、19、20、22、243河北1、2、4、5、6、15、1619广东13、14、18、20、214山西3、5、16、2720广西18、19、24、255内蒙古3、4、6、7、8、27、28、3021海南196辽宁3、5、722重庆17、18、23、24、277吉林5、6、823四川22、24、25、26、27、28、298黑龙江5、724贵州18、20、22、23、259上海10、1125云南20、23、24、2610江苏9、11、12、1526西藏23、

29、25、29、3111浙江9、10、12、13、1427陕西4、5、16、17、22、23、28、3012安徽10、11、14、15、16、1728甘肃5、23、27、29、30、3113福建11、14、1929青海23、26、28、3114江西11、12、13、17、18、1930宁夏5、27、2815山东2、3、10、12、16 31新疆26、28、2916河南3、4、12、15、17、27资料来源：?中华人民共和国地图?。然而，相邻地区间的经济联系并非完全相同，因此，林光平(2005) 在二元权重矩阵的根底上设置了经济权重矩阵，其形式为:，其中，W为空间地理位置权重矩阵，E为经济强度矩阵。

30、事实上，相对于经济落后地区而言，落后地区对兴旺地区的影响力度较小，而兴旺地区能够对周围落后地区产生更大的辐射力和吸引力，即有更强烈的空间影响力，因此，本文将重新设置经济空间权重矩阵，以便能够更好的模拟地区间现实存在的经济关联性。文章通过计算考察期间各地区实际GDP占所有地区实际GDP之和比重的均值来衡量地区经济水平的上下，并假设经济实力强的地区对周围地区产生的空间影响力就大，反之就弱陈晓平,李国平 2006。经济空间权重矩阵(W)是地理空间权重w与各地区GDP所占比重均值为对角元的对角矩阵的乘积，具体形式为：，其中，3，实证分析首先利用LSDV(Least Square Dummy Varia

31、bles)方法估计传统的固定效应模型的回归结果见(13) 式，其中固定影响系数值见表2通过使用Eviews 6 Beta软件得到。 (13) 3.82 (14.61) 19.04 2.78 表2 各地区横截面固定影响系数省市省市省市省市北京0.042上海0.416湖北0.311云南-0.027天津0.209江苏0.379湖南0.228陕西-0.273河北0.070浙江0.280广东0.330甘肃-0.582山西-0.462安徽0.257广西-0.054青海-0.865内蒙古-0.190福建0.460海南0.115宁夏-1.017辽宁0.316江西0.178重庆-0.069新疆-0.108吉林0

32、.055山东0.350四川0.038黑龙江0.245河南0.035贵州-0.667从回归结果来看，D.W.=0.78，存在自相关，这种相关是不是存在空间相关呢？下面我们对空间回归误差项进行检验，检验结果如表3所示。表3 空间相关性检验检验方法样本数检验值临界值概率Lmerr21061.59817.6110Lmsar21034.2636.6350Lratios21026.6836.6350Moran2109.5461.960Walds2103.076.6350.079从检验结果来看，除了Walds检验概率为0.079外，其它的检验都否认原假设，因此我们认为回归误差项存在空间自相关，同时由于空间误

33、差项检验值大于空间滞后项检验值，即Lmerror=61.598Lmsar=34.243，因此我们选择空间面板误差估计方法SEM分别对四种情况进行估计软件采用Matlab7.10软件和Spatial econometric模块。SEM估计结果：没有固定影响Pooled model with spatial error autocorrelation, no fixed effects -1.69 (14.42) (4.75) (10.93) 14 (10.82) =0.9303，=0.9293，=0.0594，log-likelihood = -10.12 只有固定影响(Pooled model

34、 with spatial error autocorrelation and spatial fixed effects) 15 1.04 (8.73) (3.36) (97.68)=0.9832，=0.9790，= 0.0027，log-likelihood = 330.96619值如表4所示：表4 各地区固定影响值省市省市省市省市北京5.3583上海5.8606湖北5.6196云南4.9874天津5.1796江苏6.1233湖南5.4773陕西4.8647河北5.6478浙江5.8767广东6.1437甘肃4.4667山西4.8262安徽5.3850广西5.0549青海3.6242内蒙古

35、4.8861福建5.6641海南4.3943宁夏3.5553辽宁5.6747江西5.1416重庆4.9259新疆4.8306吉林5.0627山东6.0869四川5.4820黑龙江5.4556河南5.5950贵州4.3595(3) 只有时间影响Pooled model with spatial error autocorrelation and time period fixed effects 16 13.72 (4.70) (12.52) (10.75)=0.9247，=0.9213，= 0.0641，log-likelihood = -18.09 值如表5所示： 表5 各时间固定影响值年份

36、1999200020012002200320042005-0.0324-0.0451-0.0359-0.0687-0.1011-0.1352-0.1634既有时间又有空间固定影响(Pooled model with spatial error autocorrelation, spatial and time period fixed effects) 4.53 (13.69) (12.24) (4.86) 17(5.91) 值分别如表6，表7所示。表6 各地区空间固定影响值省市省市省市省市北京0.1604上海0.5657湖北0.2372云南-0.0963天津0.4385江苏0.2671湖南0

37、.0836陕西-0.3152河北-0.0334浙江0.2042广东0.2183甘肃-0.5368山西-0.4102安徽0.1139广西-0.1519青海-0.5428内蒙古-0.1118福建0.4616海南0.2799宁夏-0.6944辽宁0.3392江西0.1089重庆-0.1新疆-0.0036吉林0.1162山东0.1809四川-0.1478黑龙江0.2452河南-0.1655贵州-0.7112表7 各时间固定影响值年份1999200020012002200320042005-0.0276-0.01430.01460.01240.00640.00270.0057 4，结果分析由13-17式

38、和表2-7的模型估计结果，可以得到如下结论:a四种估计的空间误差参数的估计值统计检验显著(p=0.000)，说明文中分析30个省、直辖市和自治区地区生产总值GDP和能源消费都有显著的空间相关特征，反映出邻近省、直辖市和自治区之间能源消费和地区生产总值具有明显的相似性和集聚效应。但是我们从回归结果中也发现，在不同的情况下，这些模型存在很大的差异性：14式假定地区之间经济开展水平是同质的，由于没有考虑地区之间存在结构性差异，特别是沿海地区生产技术水平较高，而中西部生产技术水平较低。事实上，经济开展水平较低的省市比拟多，如果假定生产技术水平相同且放在一起进行回归的话，容易产生异方差，使得估计的全要素

39、生产率系数偏低，从而导致估计的能源、资本和劳动力三者弹性系数之和偏高；15式只考虑了地区之间结构性的差异影响，没有考虑期间影响，此时期间影响值一起反映在固定影响系数里，使得固定影响系数整体偏高，从而导致估计的能源、资本和劳动力三者弹性系数之和偏低；16式只考虑了期间影响，没有考虑地区之间固定影响，回归结果与14式根本上相同，差异就是把期间影响局部别离出来了；17式既考虑了地区之间结构性差异，又考虑了期间差异，此时回归方程把全要素生产率分解为地区的固定影响局部和期间影响局部，比拟好地消除了横截面上由于结构性差异和时间上期间差异产生的异方差，防止了伪回归的问题，可以比拟客观地反映真实情况。b从空间

40、误差回归的四个模型来看，既有时间项又有空间固定影响拟合得到的，log-likelihood有明显改良，同时各回归变量都显著，并且空间误差项也通过检验，由此可知，地区之间既存在固定效应影响，又存在时间固定效应影响，同时说明一些省略的因素如地区生产技术水平，管理能力等因素对周边地区具有很强的扩散效应。c从模型空间固定影响参数的估计结果看，不同的地区固定影响参数表现出很大的差异性，地区经济开展水平越高的地方，全要素生产率越高，同时也说明能源使用效率也越高，如上海、江苏、浙江、山东、福建、广东等沿海经济兴旺地区最高，中东北部地区江西、湖南、湖北、安徽、河南、河北、辽宁等地区次之，西北部地区最低，这与我

41、国各地区实际生产情况是一致的。d从传统面板回归的模型13式和空间回归的模型17式结果比拟可知：由于空间溢出效应，生产函数中的三要素弹性系数之和大于常规面板回归得出的弹性之和，特别是劳动力的生产效率从0.203提高到0.398，这说明在影响地区经济开展的空间变量中，邻近地区经济开展水平对邻近地区的经济开展有正向影响，由于技术、管理等因素的溢出，会促进邻近地区资本效率和劳动力效率的提高。e传统面板数据回归残差的空间相关性检验结果说明残差存在空间相关结构，所分析的中国30个省、市直辖市和自治区之间以经济增长在空间分布上具有明显的正自相关关系(空间依赖性)，各省域经济增长并非表现出完全随机状态，而是表

42、现出相似值之间的空间联系结构。因此，从整体上讲，省域之间的经济增长和能源消费是存在空间相关性的，因此，对于中国区域经济增长和能源消费的理论与实证研究，传统上只从时间维度出发的研究思路，无视空间维度的相关性和异质性，在理论上存在严重缺乏，与现实不符，必须在普通面板线性回归模型中描述的根底上引入空间变量。参考文献1 李序颖、顾岚：?空间自回归模型及其估计?J，?统计研究?2004年第6期。2 国家测绘局：?中华人民共和国地图?M，?北京: 中国地图出版社?2004年。3 陈晓玲、李国平：?我国地区经济收敛的空间面板数据模型分析?J，?经济科学?2006年第5期。4 何江、张馨之：?中国区域经济增长

43、及其收敛性：空间面板数据分析?J，?南方经济?2006年第5期。5 吴玉鸣、徐建华：?中国区域经济增长集聚的空间统计分析?J，?地理科学?年2004第6期。6 王海鹏、田澎、靳萍：?基于变参数模型的中国能源消费与经济增长关系研究?J，?数理统计与管理?2006年第3期。7 邹艳芬、陆宇海：?基于空间自回归模型的中国能源利用效率区域特征分析?J，?统计研究?2005年第10期。8 林伯强：?电力消费与中国经济增长:基于生产函数的研究?J，?管理世界?2003年第11期。9 Anselin , L. Spatial Econometrics : Methods and Models M. Dord

44、recht: Kluwer Academic. 198810 Anselin, Luc and Bera, Anil. Spatial dependence in linear regression models with an introduction to spatial econometrics. In Ullah, Amman and Giles, David E.A., editors, Handbook of Applied Economic Statistics, pages 237289. Marcel Dekker, New York. 199811 Anselin, Luc and Le Gallo, Julie. Panel Data Spatial Econometrics with PySpace. Spatial Analysis Laboratory (SAL). Department of Agricultural and Cons