《统计建模大赛论文：广东省高技术产业创新效率的空间分异与收敛性研究》11000字

统计建模大赛论文：广东省高技术产业创新效率的空间分异与收敛性研究目录TOC\o"1-2"\h\u3407一、绪论 [13]。OLS是一种纯粹的线性定量关系，忽略了空间这个变量。；SEM考虑到随机干扰因素；SLM考虑空间滞后效应，这意味着解释变量受其自身或其他解释变量的前期影响，反过来产生了这一现象。其流程图如下：图SEQ图\*ARABIC9基于LM检验的β收敛模型选择方法β收敛的空间滞后模型设定为：ln（12）β收敛的空间误差模型设定为：ln（13）其中，i代表样本中所包含的地区，W是空间权重矩阵，yt0是初始指标值，yt这些数据选自于2011年-2019年的广东省各城市的发展质量的面板数据，本次论文对其进行城市高技术产业创新发展的收敛性检验。本文控制变量由：（1）R$D人员投入（x1），（2）地方高科技财政经费投入（x2），(3)地方高技术拨款所占比重（x3），(4)未授权专利比例（x4），需要说明的是我们选取x3更能代表政府的相对重视程度，x2能更好比较努力程度。2.空间绝对β收敛分析表SEQ表\*ARABIC8空间相关性检验结果检验方法统计值P值LMErroe12.4890.000LMErroe(Robust)14.0860.000LMLag0.8840.347LMLag(Robust)2.4810.115根据利用软件对其进行的空间相关性检验的结果显示（见表8），其对应的传统绝对β收敛模型，以及所求得对应的OLS回归残差值为0.4343，而且当显著性水平为1%时，也通过了显著性水平的检验。还有对于未加入的解释变量中的残差值中可能会存在空间效应。这也说明了本篇论文在其进行绝对β收敛的估计时，也适当的加入表征空间的变量，以至于能更好的并且更符合模型估计的经济现象与其的解释实际。我们可以从表8中的看出相关结果，只有LM−error和RobustLM−error通过了显著性检验，基于流程，我们选择SEM模型来进行解释以及得出结论，更加符合的经济学地理现象。为了更好分析检验结果，也对SLM模型进行了对比。其结果可以从表9中所得：表SEQ表\*ARABIC9高技术产业效率绝对β收敛的估计结果变量普通面板SLMSEM系数t值P值系数z值P值系数z值P值β-1.325-18.50.00-1.234-4.360.00-1.262-4.390.00Rho0.05091.870.06Sigma0.49511.540.000.4911.560.00Lambda0.0522.120.03cons1.28715.960.001.3966.40.0018.690.00对于和相较于空间计量模型的结果，我们可以知道对应的SLM模型以及SEM模型对于的β值均小于0。所以可以认为在传统OLS估计β值为-1.325在0.1%有显著性水平即。再加入了空间效应以后，可以看出来SLM以及SEM模型对于的β值均通过了0.1%显著性水平下的检验，所以认为其存在显著的空间绝对β收敛效应。拉格朗日检验证明了，SEM模型是更加适合分析高技术产业创新效率收敛这种有显著性水平的现象，而且对于SEM模型里面的Sigma和Lambda估计值均呈现显著结果，这也恰恰说明了本论文选择和采用空间计量的方法，来对其验证绝对β收敛是很合理的。3.空间条件β收敛的估计结果分析表SEQ表\*ARABIC10空间相关性检验结果检验方法统计值P值LMError12.8320.000LMError(Robust)14.0760.000LMLag1.0420.307LMLag(Robust)2.2860.131根据表10得出的的空间相关性检验结果可以看出来，和绝对收敛的结果相似，只有LM−error和RobustLM−error通过显著性检验，说明对于条件β收敛，我们选择SEM是比较符合实际的社会经济实况。其结果如表11所示：表SEQ表\*ARABIC11高技术产业效率条件β收敛的估计结果变量普通面板SLMSEM系数t值P值系数z值P值系数z值P值β-1.323-18.060.00-0.64-1.870.061-0.865-2.700.007X1-0.009-0.180.85-0.29-2.440.015-.196-2.230.026X20.02190.270.7850.2011.500.1330.202.500.012X3-0.050-0.480.630-0.165-1.000.315-0.215-2.100.036X40.0860.840.404-0.004-0.030.9770.0490.340.736Rho0.0471.780.075Sigma0.46611.560.0000.45311.360.00Lambda0.7032.310.02cons1.2381.850.060.7960.700.4850.7711.750.08表11中，加入4个变量后，SLM和SEM的β值为负数，SEM通过了0.01的显著性水平下的检验，SLM则是在0.1水平下显著，这也说明用SEM来估计结果更为可信。其结果也表明了条件β收敛的存在，表明在实际经济现象上则是，广东省21个省份高技术产业创新效率水平与其增长率存在负相关关系。也就是说，在相关因素的影响下，广东省高技术创新效率呈现明显的收敛趋势。表11中我们可以看出，R&D人员投入，地方财政经费投入和地方高技术拨款所占比重都通过了0.05的显著性水平下的检验，其中地方财政经费投入比重对收敛趋势有着正向影响，而人员的投入累计和科技拨款比重却有着负向变化。新发展格局下，由于落后城市政府对高技术创新发展越来越重视，在这一方面努力追赶高质量发展的城市，缓解了高质量发展城市越加投入所形成的差异，这也说明了广东省高技术产业在城市间存在投入不均衡问题，需要经过长期的努力来调节。而未授权专利比例在这里有一个正向作用，很明显没有通过检验，这部分相关性有待进行探讨。六、结论与建议（一）研究结论本文站在我国高技术产业创新的新发展理念之上，以广东省地域空间分异为研究重点，以高技术产业创新效率为观测指标，从空间分异以及空间收敛两个角度，分析广东省高技术产业创新效率的空间相关性、空间聚集情况、空间收敛现象，主要分析的结果如下：1.本文基于SBM−DEA的超效率模型，然后根据数据利用MacDeap软件从而计算得出，广东省的21个省份高技术产业创新效率，发现在2011年-2019年之间观察到的广东省高技术产业创新效率变化中，粤西地区和粤北地区发展趋势波动较大，其高技术产业创新发展具有很大潜力。珠三角和粤东有上升后下降的趋势，珠三角区域应该重视的主要是技术效率相关，粤东地区对于技术效率的重视，对技术进步效率，规模效率都直接或者间接的影响了创新效率的发展。2.采用GeoDa软件计算，计算出2011年-2019年高技术产业创新效率全局Moran’I指数，比较2011年-2019年全域Moran’I指数，呈现负相关关系逐渐转化为正相关关系，说明了广东省的各省份之间，互相作用以及影响。广东省21座城市高技术产业创新效率呈现局部自相关关系，在不同的年份形成了不同的聚集形态，粤西、粤东、粤北地区主要呈现低高聚集和低低聚集，珠三角地区呈现高值聚集。3.分析广东省呈现σ收敛的情况，并在此基础下，分析得到广东省具有绝对β收敛和条件β收敛，并且适用SEM模型进行空间计量分析，说明了广东省各个城市高技术产业创新效率增长率随时间的发展趋于稳定水平且广东省21个省份高技术产业创新效率水平与其增长率存在负相关关系。（二）对策建议1.建立完善的高技术产业合作机制广东省各个城市之间存在空间关系，局域自相关进一步为我们剖析了广东省城市之间的聚集关系。其实证结果表明，在四个区域中，只有珠三角地区为高值聚类，甚至粤西地区有向低低聚集变化的趋势。因此，考虑到四个区域技术效率、技术进步的差异性，从而应鼓励四个地域交流合作，建立完善的高技术产业合作机制，积极发挥高质量地区的示范效应和带动作用，促进广东省高技术产业协同发展。2.合理优化广东省区域间与区域内的要素流动广东省作为发展大省，根据政策导向以及区域经济之间的联系，把控着资源配置的利用。刺激广东省高技术产业协同发展，需要多方因素达到均衡。正确认识到各区域间与区域内结构的差异性是不可避免的，需要因地制宜，对于不同的区域应当制定不同的政策，同时提高各区域之间的协同能力，因此要有一定的政策性倾斜，尽量使得资源在各地区得到合理的分配，以便资源能够得到有效利用。3.保持优势，加大创新保护力度要继续保持珠三角地区的发展优势，需要进一步提升珠江三角地区高技术产业良好发展的趋势，可以重点扶持研究高技术产业的企业、科研机构以及学校的工作人员，通过诸如此类的方式带动粤东、粤西、粤北地区的发展。另外，在加大高新技术产业技术化的过程中，我们应该要保护好产权意识，尤其是在专利，知识产权方面相关的内容。捍卫技术创新的劳动成果。保护高技术创新的价值，配置良好的合法环境，使技术创新专利利用最大化，带动新的经济发展。（三）不足与展望高技术产业创新效率的研究是一个较为复杂的系统