第28卷 第10期2010年10月
科 学 学 研 究Studies i n Science of Sc i ence Vo.l 28N o .10
O c t .2010
文章编号:1003-2053(2010)10-1582-10
中国技术创新区域变化及其成因分析
)))基于面板数据的空间计量经济学模型
万坤扬,陆文聪
(浙江大学管理学院,浙江杭州310058)
摘 要:基于1995~2008年中国各省区技术创新产出的面板数据,运用技术创新集中度从大区和省区两个层面综合考察技术创新区域变化趋势,从空间计量经济学角度,采用M o ran .s I 指数验证了中国区域技术创新的空间特性。在此基础上借鉴G riliches-Jaffe 的知识生产函数(KPF ),利用P ane lD a ta 结合空间滞后模型实证分析中国技术创新区域空间格局变化的成因。计量结果显示,大中型工业企业R &D 支出以及创业投资与企业研发结合对区域技术创新贡献显著,是影响我国区域技术创新空间格局变化的主要因素。空间滞后模型参数结果表明本地区的技术创新会受到相邻地区技术创新正方向的影响。文章最后提出了相应的政策启示。关键词:技术创新;区域格局;知识生产函数;空间计量模型;面板数据;创业投资中图分类号:F062.4 文献标识码:A
收稿日期:2009-12-28;修回日期:2010-08-20
基金项目:浙江省高校优秀青年教师资助计划(浙教办高科120092164号)
作者简介:万坤扬(1978-),男,云南曲靖人,博士研究生,讲师,研究方向为技术经济及管理。
陆文聪(1962-),男,浙江温岭人,博士,教授、博士生导师,研究方向为农业经济及管理、技术经济及管理。
自从1912年熊彼特在5经济发展理论6一书中提出了一种独特的经济理论)))创新理论以后,技术创新对经济增长的作用日益受到重视和肯定。中国期望2020年建成创新型国家,使科技发展成为经
济社会发展的有力支撑。中国科技创新的基本指标是,到2020年,经济增长的科技进步贡献率要从39%提高到60%以上。但由于历史原因,解放后的相当长的时期,我国区域创新主要分布在华北和东北地区,但随着我国改革开放及西部大战略的实施,我国区域创新的空间格局也发生了明显的变化,华东、华南等沿海地区创新产出逐渐增加,但西部地区技术创新乏力,使得西部经济发展不具有可持续性。如何合理判断中国创新产出区域格局的变化程度及其主要影响因素,将有助于深入把握中国创新产出的区域变化趋势及其对建设创新型国家目标的影响,为我国经济可持续发展、实现全面小康和本世纪中叶达到中等发达国家水平的国家战略提供有益的参考依据。
囿于笔者的见识,目前尚无研究区域创新格局变化及其成因的文献,类似的研究主要区域创新能
力的研究。自Free m an 提出国家创新系统
[1]
概念以
后,区域创新系统作为国家创新系统研究的延伸,最先由Cooke [2]
提出,此后区域创新理论的研究在国际上不断升温,1996年国内首次出现/区域创新能
力0一词。国内关于区域创新的研究最多的聚焦在二个方面:(1)对区域创新能力影响因素的研究,主要考虑经济环境因素、政策环境因素、文化环境因素、人口结构特征、FD I 、高校科研、企业研发等等;(2)对区域创新能力评价的研究,侧重于构建不同的评价指标体系,利用因子分析法或聚类分析法等
评价区域相对创新能力大小[3-9]
。部分研究区域创新能力评价的学者近似的得出中国区域创新的格局特征。例如,周立、吴玉鸣研究结论显示,我国31个区域创新能力呈现出一种区域多元化的竞争格局,已经初步形成了一种创新的集群现象)))长江三角洲、珠江三角洲和京津地区三大创新能力极化区域[6]
。我国目前区域创新能力仍未摆脱东强西弱,从东部沿海向西部内陆由高到低呈梯次分布的格局
[10]
。1998~2005以来,中国区域创新能力变迁的
一个比较重要的现象是创新产出日益集中到少部分
第10期万坤扬陆文聪:中国技术创新区域变化及其成因分析
地区[9]。目前形成以环渤海地区、长江中下游地区为高创新能力聚集区,以西部三省(新疆、西藏、青海)为低创新能力聚集区[11]。
上述研究中部分学者虽然近似的描述了中国区域技术创新格局的变化。然而,从上述不同学者研究方法来看,现有研究大都限于采用聚类分析或因子分析计算某一时期区域创新能力的相对类别或排序,并没有从创新产出的角度,采用技术创新集中度从长时期揭示中国区域技术创新的历史格局变化。在探讨中国区域创新格局的成因方面,上述学者主要出发点在于评价区域创新能力,故指标设计考虑的是创新的资源要素,无法揭示影响区域创新格局变化的主要因素。根据Sco tt和Sto r per的新产业空间的理论框架,技术创新常局限于特定地区,即创新过程往往具有地理空间特性[12][13]。由于上述研究均没有考虑到不同地区之间可能存在的地理空间溢出效应,从而使现有的研究结论或推论缺乏应有的完整、科学的解释力。涉及到区域格局变化的研究所采用的数据一般为空间数据,且这些数据都具有显著的空间相关性特征,根据Anse li n所提出的空间计量经济学理论,某一地区空间单元上的某种经济特征与邻近地区同一经济特征是相关的,表明在认识技术创新空间格局区域变化特征的过程中,有必要将区域之间存在空间效应作为分析的假设前提,本地区与相邻地区的技术创新情况可能相互受到影响[14]。
1中国技术创新区域格局变化的描述性分析
目前,主流研究测量区域创新产出的指标主要有专利数量[15],延伸包括专利引文次数[16],但我国的专利文献利用率并不高[17]。因此,文章利用专利授权数量代表创新产出。我国专利分为发明、实用新型和外观设计三种。但根据OECD于1979提出的5技术创新调查手册6,外观设计与技术创新没有联系,所以本文仅针对发明专利及实用新型两项专利数量作为创新产出。
各地区技术创新集中度指的是某时期各地区技术创新产出占全国技术创新产出的比重,一般被用来衡量区域技术创新情况。该指标既能全面考察各省区技术创新对该时期全国技术创新产出的贡献情况,同时选取时间序列数据,又能比较各省区技术创新增长速度的差别。因此,技术创新集中度指标能够较好地同时从横向和纵向反映出中国各省区技术创新区域格局变化趋势基本情况。
本文利用技术创新集中度作为分析自1995年以来中国各省区技术创新区域格局变化趋势的指标,并按照国家区域地理划分标准,将全国分为华北、东北、华东、中南、华南、西南和西北七个技术创新大区来综合分析中国技术创新空间格局的变化,中国各省区技术创新集中度指标具体见表1。
从表1可以看出,中国区域技术创新呈现以下特征:(1)华北、东北的技术创新产出显著下降,华东、华南的技术创新产出显著增加。1995年,华北、东北技术创新产出占全国的38.95%,2008年则下降为全国的21.89%;同期华东、华南地区技术创新产出分别从占全国的28.84%和7.10%增加为占全国的43.44%和16.90%。(2)虽然我国实施西部大开发战略近10年,但西部地区的技术创新产出不仅没有增加,反而呈现递减趋势。西部地区技术创新产出占全国的比重从1995年的13.43%快速下降为2008年的9.21%。这成为我国西部大开发战略乃至国家战略目标实现的较大隐患。(3)从技术创新的细分省区层次来看,在1995~2008年间中国各省区技术创新呈现出以下几个特征:第一,技术创新大省格局发生了新的变化,开始出现新的技术创新大省。例如,上海、江苏、浙江、山东和广东技术创新产出占全国比重呈现明显的上升趋势,北京、河北、辽宁、黑龙江和湖南等原技术创新大省呈现明显的下降趋势,尤其以北京、辽宁下降得最为明显,技术创新集中度分别从1995年的12.25%和8.73%下降为2008年的7.46%和4.78%。第二,非技术创新大省的技术创新产出表现比较平稳,但变化趋势不仅相同。如天津、山西、内蒙古、吉林、安徽、河南、陕西和整个西北地区均呈现缓慢的下降趋势,仅福建、湖北和重庆呈现缓慢增长趋势。
综上所述,自1995年以来,中国技术创新区域格局已经发生了明显的变化,各省区变化趋势不尽相同,且呈现出向/长三角地区0和/珠三角地区0集中的趋势。总的来说,我国区域技术创新非常不平衡,这越来越不利于我国经济可持续发展和我国建设创新型国家、实现全面小康和本世纪中叶达到中等发达国家水平的国家战略目标的实现。
#
1583
#
科 学 学 研 究
第28卷
表1 中国各省区技术创新集中度(1995-2008)
%
地区
省区市
19952000
20012002
2003
2004200520062007
2008
华北
北京12.258.538.828.819.289.149.057.867.387.46天津 2.97 2.172.542.33 2.55 2.572.622.632.562.75河北 4.89 4.023.954.07 3.53 3.092.972.612.442.19山西 1.85 1.501.551.40 1.34 1.191.111.010.950.97内蒙古 1.05 1.111.000.890.720.690.620.550.550.49合计23.0217.3317.8617.4917.4216.6816.3614.6613.8913.86东北
辽宁8.737.827.406.71 6.49 5.945.875.335.004.78吉林 2.67 2.442.181.95 1.83 2.081.871.611.451.26黑龙江 4.53 3.523.023.09 3.32 2.962.812.572.271.99合计15.9313.7712.6111.7611.6410.9810.559.508.728.03华东
上海 3.84 4.494.785.80 6.747.307.307.897.867.93江苏 6.858.347.728.548.578.298.768.819.189.55浙江 5.29 6.817.227.467.678.008.9510.0211.1011.38安徽 1.71 1.881.741.68 1.58 1.431.491.331.411.47福建 1.60 2.192.312.52 2.56 2.472.312.432.222.18江西 1.47 1.421.201.08 1.120.930.970.880.900.85山东8.089.389.529.259.068.698.409.6510.1710.09合计28.8434.5034.4936.3337.3037.1138.1841.0142.8443.44中南
河南
3.65
4.364.013.72 3.20 3.093.023.123.082.93湖北 3.23 3.253.303.07 3.25 3.453.373.273.203.37湖南 4.80 3.683.683.24 3.19 2.853.032.622.532.27合计11.6811.2910.9810.039.649.409.429.018.818.56华南
广东 5.279.5110.7612.4312.6614.3414.6315.2015.3515.97广西 1.67 1.561.531.33 1.25 1.010.950.830.850.80海南0.170.200.170.100.180.160.130.120.120.12合计7.1011.2612.4613.8514.0915.5115.7116.1516.3216.90西南
重庆0.00* 1.381.391.46 1.73 1.781.821.831.731.61四川5.48*
*
3.663.403.23 2.95 3.072.912.792.943.12贵州0.770.830.770.700.620.690.790.880.820.71云南 1.33 1.401.501.11 1.00 1.050.990.880.840.69西藏
0.010.020.010.010.010.010.010.020.020.03合计7.597.287.086.51 6.31 6.596.516.406.346.16西北
陕西 3.45 2.272.122.21 1.82 2.111.791.721.691.83甘肃0.780.770.790.590.560.570.520.550.510.43青海0.220.160.140.110.070.070.070.060.070.06宁夏0.360.350.290.250.310.210.190.170.140.15新疆 1.03 1.021.190.860.850.770.710.770.680.58合计
5.84
4.56
4.52
4.03
3.60
3.72
3.27
3.28
3.09
3.05
注1:*重庆1995尚未设立为直辖市,其数值为0;**包括重庆数据
注o:专利为发明+实用新型两项,不包括外观设计资料来源:5中国统计年鉴1996~20096,经作者计算整理
2 中国技术创新区域格局变化成因的模型分析
2.1 理论分析与模型
(1)影响区域技术创新产出的要素
技术创新是复杂的知识生产活动,主要受R &D 经费投入、人力投入、政府政策等许多因素的影响,
造成技术创新区域空间格局的变动原因极为复杂。从国内外学者实证研究的结论来看,下列三类因素对区域技术创新产出可能会产生影响:(1)企业、高校的R &D 经费和研发人员投入[18-27]
;(2)外商直
接投资(FDI)[20][28][29];(3)创业投资(VC )[30-33]
。但就我国R &D 经费投入主体而言,独立研究机构的R&D 经费投入远高于高校的R &D 经费投入,具体如表2所示。
#
1584#
第10期万坤扬陆文聪:中国技术创新区域变化及其成因分析
表2我国R&D经费投入结构比重%研发主体200020012002200320042005200620072008企业39.4642.4343.5146.8248.5451.0354.2856.9458.09高校8.569.8210.1410.5410.229.899.228.488.45
研究机构28.8027.6727.2825.9221.9620.9418.8918.5417.57其他23.1820.0819.0716.7219.2818.1417.6116.0415.89
资料来源:5中国统计年鉴2001~20096,经作者计算整理
另外,就FD I对技术创新的影响而言,出现了所谓的/抑制论0、/促进论0和/双刃剑论0的分歧。最新实证研究结果显示,FD I仅对我国最低层次的技术创新产生显著的溢出效应[29]。本文采用的创新产出指标为发明与实用新型授权专利数量,因此FD I几乎不会影响其数值的变动,故文章不考虑FD I这一因素。
综上所述,本文研究企业、高校和研究机构的R&D经费投入以及创业投资、研发人员等因素对中国技术创新区域格局变化的影响。
(2)理论模型
多位学者研究证实,技术创新往往具有空间溢出效应[18][24~27],因此为综合分析中国技术创新区域格局的变化成因的同时合理考虑区域之间的空间效应,文章引入空间计量经济学方法来探讨这一问题。
从研究的统计模型来看,知识生产函数(KPF)是目前国际上研究知识生产和技术创新及其决定因素的重要理论模型。大量实证研究结果发现,作为一个经验模型,知识生产函数确实存在,而且在知识和创新研究中是一个很好的统计模型,并为大多数经验研究所证实[18][21][34-37]。因此,文章的研究采用知识生产函数这一统计模型来进行。
1知识生产函数。知识生产函数KPF最早由Griliches[36][37]最先提出来的,其实质是一个两要素的Cobb-Doug las生产函数,公式为:
l o g(K)=B k1log(R)+B k2log(U)+Z1+E k(1)其中,K为区域创新产出的代理变量(专利或创新),R和U分别为企业商业和高等院校的R&D支出,E k为统计误差项,Z1为反映其他额外影响的变量向量。之后,Jaffe[38]对G riliches的知识生产函数进行了扩展和改进,增加了一个附加方程:
l o g(R)=B R1log(U)+B R2Z2+E R(2) Z2是外生的本地特征变量,E R是统计误差项。Anselin,Varga和Acs引入空间计量经济学模型对这个分析框架作了进一步的扩展[18][34]。
o空间计量模型。Anseli n对空间计量经济学的定义是:在区域科学模型的统计分析中,研究由空间引起的各种特性的一系列方法[39]。根据空间计量经济学的研究思路,在选择具体的研究方法之前需要对数据进行空间相关性检验,以判断所选取的因变量是否具有空间相关性,若存在的话,才可以利用此方法来构建具体的实证模型进行空间计量估计和检验。
检验空间相关性存在与否,常用的是M oran [40]提出M oran.s I指数和Geary所定义的Gear y.s
C比率。但M oran.s I指数比Geary.s C比率更不易受偏离正太分布的影响,因此M oran.s I指数应用更加广泛[41]。
根据M oran[40]的定义,M o ran.s I指数表达式为:
M oran c sI=
1
E n
i=1
E n
j=1
w ij
@
E n
i=1
E n
j=1
w ij(x i-x
-
)(x j-x
-
)
E n
i=1
(x i-x
-
)2/n
(3)
式中,x i和x j分别代表第i和j地区的观察值; w ij表示二维空间权重矩阵W ij的元素,采用邻接标准或距离标准,用以定义空间对象的相互邻接关系。
一般邻接标准的W
ij
为:W
ij
=1,当区域i和区域j相邻;W ij=0,当区域i和区域j不相邻,式中,i j=1, 2,,,n。根据定义,M oran.s I取值范围为-1[ M oran.s I[1,若M oran.s I>0时,表明地区间的观察值呈现出空间正相关;若M o ran.s I<0时,表明地区间的观察值呈现出空间负相关;M oran.s I= 0,表明地区间的观察值相互独立;且M oran.s I的数值越大,空间正相关越强,M oran.s I的数值越小,空间负相关越强。
根据空间数据的分布可以计算正态分布M o-ran.s I的期望值E(I)、方差VAR(I)、标准差SE
#
1585
#
科 学 学 研 究第28卷
(I)和标准的Z 统计值:
E (I )=-1/(n -1),VAR (I )=
n 2
w 1+nw 2+3w 2
w 2
(n 2
-1)
-E 2
n (I )
(4)
式中,w 0=E
n
i=1
E n
j=1
w ij ,w 1=1
2E n i=1E
n
j=1
(w ij +
w ji )2
,w 2=
E
n
i=1
(w i .+w .j )2
,w i .和w .j 分别表示空
间权重矩阵W ij 第i 行和第j 列要素之和。
可以根据Z 统计值来检验M oran .s I 指数在正太分布假设条件下的显著性:
SE (I )=
VAR (I),Z =
M oran 's I -E (I )
SE (I)
(5)
空间计量模型有两种基本的模型结构,即空间滞后模型(Spatia l Lag M ode,l 简称SL M )和空间误差模型(Spatia l E rr o r M ode,l 简称SE M )[34]
。SL M
主要探讨各变量在某一地区是否有扩散现象(溢出
效应),公式为:
Y =Q W y +X B +E
(6)
式中,Y 为因变量,X 为n @k 的外生变量矩阵,Q 为空间回归关系系数,W 为n @n 阶的空间权值矩阵,一般用邻接矩阵,W y 为空间滞后因变量,E 为随机误差向量。
SE M 主要用来度量邻近地区因变量的误差冲击对本地区观察值的影响程度,因此该模型中的空间相关作用存在误差项当中。其公式为:
y =X B +E ,E =K W E +L
(7)
式中:E 是误差项向量;K 表示空间误差参数,衡量样本观察值中的空间溢出效应,即相邻地区的观察值y 对本地区观察值y 的影响方向和程度;W
为前面所提到的空间权重矩阵;L 为满足正态分布的随机误差向量。
上述两个模型的估计方法为了避免估计值有偏或者无效,需要通过工具变量法、极大似然估计法或广义最小二乘法等进行估计。鉴于本文需要研究区域创新的空间效应及各变量对技术创新区域格局变动的影响,故本文选择SL M 作为具体的空间计量模型形式。
由于本文采用同时考虑时间和空间效应的面板数据来进行分析,因此在具体的实证模型设置过程中需要结合Pane lData 来构建具体的模型形式。根据Ba lestra 和Nerlove
[42]
提出的分析面板数据的一
般模型,结合前面所介绍的空间滞后模型形式,可以
得到基于Pane lData 的空间滞后回归模型:
y it =A i +Q W y it +x it B +E
t =1,2,,,T;i =1,2,,,N (8)
在(8)中,A i 表示非观测效应,即不随时间而变的特征性影响;W y it 为空间滞后因变量;Q ,B 为待估参数,其余符号意义同前。
2.2 变量设置及实证模型、数据来源说明
基于以上的分析,实证研究首先构建知识生产函数,然后利用M oran .s I 指数检测区域技术创新是否具有空间相关性,最后采用Panel Data 的空间滞后回归模型进行中国技术创新区域格局变化成因的实证检验。
(1)变量设置及实证模型形式
根据前面的理论分析,本文主要研究创业投资、企业、高校和研发机构对中国技术创新区域格局变化的影响,故文章的因变量为万人发明与实用新型专利授权量(P);自变量为创业投资占GDP 比重(VC ),大中型工业企业R&D 支出占GDP 比重(L ME ),高校R&D 支出占GDP 比重(I H E)和研发机构R &D 支出占GDP 比重(RD I)。另外,文章构建创业投资占GDP 比重(VC )与大中型工业企业研发人员全时当量(FEL M E )的乘积(F*VC )来反映创业投资与企业研发结合对中国技术创新区域格局变化的影响。
借鉴Griliches-Jaffe 的KPF 模型,本文构建如下的基于Pane lData 知识生产函数:
ln P it =B 0+B 1ln VC it +B 2ln LM E it +B 3l n I HE it +B 4l n RD I it +B 5l n F *VC it +E (9) 在此基础上,考虑空间滞后效应,结合公式(8),可得出基于PanelD ata 的空间滞后回归模型:
ln P it =B 0+W l n P it +B 1ln VC it +B 2ln LME it +B 3l n I HE it +B 4l n RD I it +B 5l n F *VC it +E (10) (2)数据来源说明
由于海南,青海、广西和西藏没有统计上的创业投资数据,故本文的样本范围为中国剔除海南,青海、广西和西藏的27个省、直辖市、自治区(不包括港澳台三地)。考虑到变量的滞后性,本文的应变量采用2001~2008年省的面板数据,自变量均考虑一年的时滞,采用2000~2007年省的面板数据。创业投资占GDP 比重(VC )来源于5中国创业(风险)投资发展报告2002~20086,部分省份某年缺失数据根据前后年进行估算;万人发明及实用新型专利授权量(P)、大中型工业企业R &D 支出占GDP 比
#
1586#
第10期万坤扬陆文聪:中国技术创新区域变化及其成因分析
重(L ME)、高校R&D支出占GDP比重(I H E)和研发机构R&D支出占GDP比重(RDI)以及大中型工业企业研发人员全时当量(FEL M E)数据来源于5中国科技统计年鉴2001~20086和5中国统计年鉴2001~20096,并经计算整理得出。2.3空间计量分析结果与讨论
(1)区域创新产出的空间相关性检验结果
按照M oran.s I指数的计算办法,得出2001~ 2008年中国区域创新产出的分析结果,具体见表3。
表3中国区域创新产出的M oran.s I指数值(2001~2008)
年份20012002200320042005200620072008 M oran.s I0.26060.24920.25670.25130.26950.28830.30240.3119 Z值3.12** 2.03**2.01**1.86* 2.13**2.20**2.18**2.78**注:表示在10%显著,**表示在5%下显著,***表示在1%下显著
从表3的Z值统计检验可以发现,各时段M o-ran.s I均大于零,且均在5%统计水平下显著。这表明中国27个省域以万人发明与实用新型专利授权衡量的区域创新产出在空间分布上具有明显的空间相关性,也即中国各省区区域创新产出的空间分布并非相互独立变化,而是存在地区间的空间溢出效应。正的空间相关代表相邻地区的特性类似,即具有较高区域创新产出的省区相对地趋于和较高区域创新产出的省区相靠近,或者较低区域创新产出的省区相对地趋于和较低区域创新产出的省区相邻的空间联系结构。
(2)空间滞后计量模型的估计结果
由于数据空间相关性的存在,普通最小二乘法将会带来有偏或者无效的估计结果,一般采用最大似然估计、工具变量估计、广义最小二乘估计以及广义矩估计等方法作为空间计量模型的估计方法。本文选择广义最小二乘法(在Ev ie w s6.0中/I ntercep,t 截距项0选择/C ross section w eights,按截面取权数0)估计方法来对所构建的PanelData空间回归实证模型即式(10)进行估计,模型结果见表4。
表4知识溢出效应的空间滞后模型估计结果
变量
模型(Depend entV ariab l e:P?)
固定效应模型随机效应模型
C oeffi cient Std.E rror t-Statisti c Prob.C oeffi cient Std.E rror t-Statistic P rob.
Constant2.05210.65683.12440.0021 2.47730.68003.64290.0003 VC?-0.38420.0549-6.99540.0000-0.32900.0623-5.28270.0000 L M E?0.70330.07769.05770.00000.64690.09227.01830.0000 I HE?0.07670.04671.64250.10220.14770.05982.46930.0143 RDI?-0.13780.0626-2.19980.0291-0.13300.0660-2.01590.0451 F*VC?0.38550.05387.16520.00000.34600.06135.64740.0000 Q0.47100.14773.18940.00170.45000.12803.51660.0005 R20.95970.6756
R2adj0.95260.6663
F值136.03***72.54***
H aus m an Test24.38***
注:表示在10%水平下显著;**表示在5%水平下显著;***表示在1%水平下显著
根据表4的计量检验结果,我们分别得到了固定效应和随机效应两组模型估计结果。从R2值来看,模型的拟合优度固定效应模型优于随机效应模型,达到了95.97%;而H aus m an检验在1%水平下显著,拒绝了/H0:应该建立随机效应模型0的假设,固定效应模型使用起来更为可靠。因此,我们以固定效应模型的结果为依据,分析创业投资、大中型工业企业、高校、研发机构以及创业投资与企业结合对中国区域创新格局变化产生的影响。
从实证研究结论来看,高校R&D支出没有通过显著性检验,这与吴玉鸣的研究结论一致,表明大学对区域创新产出的贡献不明显[26]。另外,研发机构
#
1587
#
科 学 学 研 究第28卷
R &D 支出虽然通过5%的显著性检验,但回归系数为负,表明研发机构R&D 支出的增加并没有带来相应的区域创新产出的增加。造成高校与研发机构对区域创新产出没有贡献这一现象的主要原因可能有两个方面:第一,我国高校与研究机构的地域分布极端不平衡。中国各省区研究机构和高校研发投入集中度指标具体见表5所示。北京作为中国的政治中心,条件得天独厚,造成我国绝大部分的研究机构都分布在北京地区。从独立研究机构的R &D 经费集中度和研发人员全时当量集中度来看,仅北京就分别占了全国的1/3和1/4,并有逐步增加的趋势,这与北京的技术创新产出集中度降低趋势明显不一致,这说明北京独立研究机构虽然投入了极大的人力和物力,但并没有带来相应的创新产出。从高校的情况来看,我国的高等教育主要集中在北京、天津、东北三省、上海、江苏、湖北、广东、四川和陕西等少数地区。根据国外多位学者的实证研究结论,高校的知识溢出效应具有地域性
[18][19][21]
,中国高校
高度集中在少数地区影响了知识的扩散和传播,从而对中国总体上的技术创新没有贡献。可喜的是,随着中央及各地政府对教育的重视和投入,情况渐趋好转。以北京为例,其高校R&D 经费集中度从2000年占全国1/5降到2007年的1/6,同期研发人员全时当量集中度也相应下降。第二,我国当前高校、研发机构的科研管理的制度不合理。我国高校和科研机构在评价鉴定科技成果时,存在只注重研究的学术价值而忽视社会经济价值的情况,致使科研人员往往注重成果在技术上的先进性和原理上的合理性,而忽视了可行性。我国高校、研发机构的科技成果转化率为20%左右,实现产业化的不足5%。久而久之,许多科研人员缺乏经济意识,大量研发经费最终换来的,只是放在抽屉里的论文。研究与市场脱节,研究纯属自娱自乐,让研究成果不能有效地转化成产品,无法形成产业链乃至商业化。
从表4还可以看出,创业投资通过显著性检验,但系数为负,同样表明虽然我国及地方近几年出台了各项措施鼓励创业投资的发展,造成创业投资资本规模持续增加,但并没有带来持续的区域创新产出。其原因在于创业投资规模虽大,但实际投资到企业的较少。以2005年为例,中国创业资本规模达631.6亿元,但累计投资额仅为326.1亿元,仅为创业资本存量的51.6%,大量创业资本处于闲置状
态。
从表4可以看出,大中型工业企业R &D 支出通过显著性检验,且回归系数为正并达到0.7033,这表明企业研发投入对区域创新产出的贡献显著,企业研发是区域技术创新的主体,因此可以判断这一
因素是中国技术创新区域格局发生变化的重要原因之一。另外,创业投资与企业研发结合通过显著性检验,回归系数为正,表明这一因素也是中国技术创新区域格局发生变化的重要原因。因此,企业研发投资、创业投资与企业研发相结合是我国区域创新产出的主要途径,显著影响我国区域技术创新的空间格局变化。
正如前面所述,Q 为空间回归关系系数。在表4中,Q 能够很好的通过1%的显著性检验,表明由企业研发支出、创业投资与企业研发结合决定的区域创新产出在省域之间形成了很强的空间扩散效应,进一步验证了前面M oran .s I 指数结论。Q 指数为正,说明本区域创新产出受到相邻地区技术创新正方向的影响。在其他条件不变的前提下,来自邻近地区的技术创新产出每增加1%,本地区技术创新产出平均增加约0.471%,区域创新产出的空间溢出效应十分明显。3 结论及政策启示
3.1 研究结论
本文首先利用1995~2008年中国各省区发明与实用新型专利授权数据,采用技术创新集中度指标分析中国技术创新区域格局变化情况及其趋势,结果表明:从大区的角度来看,华北、东北的技术创新产出显著下降,华东、华南的技术创新产出显著增加;虽然我国实施西部大开发战略近10年,但西部地区的技术创新产出不仅没有增加,反而呈现递减趋势。从细分省区层次来看,技术创新大省格局发生了新的变化,开始出现新的技术创新大省。例如,上海、江苏、浙江、山东和广东技术创新产出占全国比重呈现明显的上升趋势,北京、河北、辽宁、黑龙江和湖南等原技术创新大省呈现明显的下降趋势,尤其以北京、辽宁下降得最为明显;其他非技术创新大省的技术创新产出表现比较平稳,但变化趋势不尽相同。
#
1588#
第10期万坤扬陆文聪:中国技术创新区域变化及其成因分析
表5中国各省区研究机构和高校研发投入集中度指标变化值%
R&D经费集中度研发人员全时当量集中度
研究机构高校研究机构高校
地区省区市20002007200020072000200720002007
华北
北京33.3334.5722.7415.1422.0324.2310.999.78天津 2.04 1.373.594.78 2.142.112.933.13河北 1.65 2.974.141.94 1.891.913.282.67山西0.930.740.801.29 1.871.722.302.73内蒙古0.260.320.350.39 1.030.680.991.05合计38.2139.9631.6123.5528.9630.6520.4919.36
东北
辽宁 4.23 3.643.175.51 4.403.625.475.83吉林 1.53 1.681.302.68 2.191.994.114.78黑龙江0.91 1.222.544.43 1.782.293.134.54合计 6.67 6.537.0212.628.377.9012.7115.15
华东上海8.768.439.688.347.687.416.796.44江苏 4.92 6.568.0310.32 5.324.786.726.92浙江 1.31 1.984.345.78 1.281.643.304.27安徽 2.28 2.115.042.46 2.471.872.722.58福建0.530.491.781.230.960.802.231.90江西0.980.760.431.35 1.301.201.501.89山东 1.57 1.562.023.20 1.872.554.535.15合计20.3521.8931.3232.6920.8820.2527.7929.14
中南河南 2.96 2.130.801.68 3.183.492.541.91湖北 4.07 4.665.684.19 5.324.505.445.00湖南 1.02 1.013.914.19 2.081.903.813.39合计8.057.8010.3910.0610.579.9011.7810.29
华南广东 2.69 1.634.784.70 2.521.995.695.79广西0.270.381.221.240.686.371.783.27海南0.150.200.010.080.180.180.050.12合计 3.11 2.216.026.02 3.378.557.519.19
西南重庆0.870.431.952.07 1.250.892.672.65四川10.027.754.326.349.597.347.185.04贵州0.210.240.140.310.800.670.470.72云南 1.21 1.920.710.71 1.481.532.042.59西藏0.020.060.070.030.050.150.070.09合计12.3210.407.189.4513.1710.5812.4311.08
西北陕西9.749.745.774.2812.159.324.753.43甘肃 1.11 1.010.450.92 1.521.721.470.88青海0.080.100.070.090.150.150.240.28宁夏0.050.060.050.100.150.140.390.41新疆0.300.300.120.240.710.840.450.79合计11.2911.226.465.6314.6812.187.295.79
资料来源:5中国科技统计年鉴2001~20086,经作者计算整理
在此基础上,本文借鉴Griliches-Jaffe的知识生产函数(KPF),利用基于Panel Data的空间滞后计量模型研究创业投资、研发机构、企业与高校研发投入以及创业投资与企业研发结合对中国技术创新区域格局变化的影响。M oran.s I指数验证了中国区域创新产出具有空间相关的特性,基于PanelData 的空间滞后计量模型结果显示,单纯的创业投资、高校R&D支出与研发机构R&D支出对区域创新产出没有贡献,而大中型工业企业R&D支出以及创业投资与企业研发结合对区域创新产出贡献显著,是影响我国区域技术创新空间格局变化的主要因素。空间滞后模型的Q通过1%的显著性检验,表明由企业研发支出、创业投资与创业投资与企业研发结合决定的区域创新产出在省域之间形成了很强的空间扩散(溢出)效应,本区域创新产出受到相邻地区技术创新正方向的影响。
#
1589
#
科 学 学 研 究第28卷
3.2 政策启示
(1)科学合理优化我国省区技术创新的空间布局。目前华东、华南的技术创新与经济发展形成了良好的互动,但东北地区和西部地区技术创新能力在持续下降,不利于我国振兴东北计划和西部大开发战略的实现。由于大中型工业企业R &D 支出以及创业投资与企业研发结合是影响我国区域技术创新空间格局变化的主要因素,因此国家应加大东北和西部地区的科研支持力度,出台政府支持政策鼓励企业继续增加R &D 经费的投入。在此基础上,东北及西部地区应该借鉴华东地区(尤其是江苏、浙江和山东)政府对创业投资发展的政策措施,优化中介服务,特别是企业与创投机构的信息交流平台建设,来促进创业投资与企业的结合。(2)除北京地区外,各地政府应加大人力和物力投入,扶持本地区独立研究机构和高校的发展,中央政府应加大对非北京地区研究机构和高校的支持力度,解决我国研究机构和高校区域分布极端不平衡的现状。(3)努力营造可持续发展研究的良好环境和氛围,从片面追加高校、研发机构R &D 经费支出转向完善科技评价体系,加强高校、研发机构的科研管理的制度、机制建设上。(4)建设全国性及区域性科研信息交流机构和平台,促进科研成果的转化和传播。文中空间计量模型表明,各地区技术创新存在一定的空间效应,因此充分发挥技术创新大省的知识溢出效应,促进技术创新能力不足的省区发展。参考文献:
[1] F ree m an C.T echnology Po li cy and Econom i c Perform
ance :l essons fro m Japan [M ].London :P i nter ,1987.
[2] Cooke P ,U ranga M G.R eg iona l i nnovati on sy stem s :i n -stit utiona l and o rganization d i m ensi ons [J].R esearch P o licy ,1992,26:156-171.
[3] 甄峰,黄朝永,罗守贵.区域创新能力评价指标体系
研究[J].科学管理研究,2000,(6):16-19.
[4] 中国科技发展战略研究小组.中国区域创新能力报
告2003[M ].北京:知识产权出版社,2005.
[5] 朱海就.区域创新能力评估的指标体系研究[J].科
研管理,2004,25(3):30-35.
[6] 周立,吴玉鸣.中国区域创新能力:因素分析与聚类
研究)))兼论区域创新能力综合评价的因素分析替代方法[J].管理科学学报,2006,(9):96-103.
[7] 孙锐,石金涛.基于因子和聚类分析的区域创新能力
再评价[J].科学学研究,2006,24(6):985-990.
[8] 任胜钢,彭建华.基于因子分析法的中国区域创新能
力的评价及比较[J].系统工程,2007,25(2):87-92.
[9] 李习保.中国区域创新能力变迁的实证分析:基于创
新系统的观点[J].管理世界,2007,12:18-30.[10] 柳卸林,胡志坚.中国区域创新能力的分布与成因
[J].科学学研究,2002,(5):550-556.
[11] 王家庭,贾晨蕊.中国区域创新能力及影响因素的
空间计量分析[J].中国科技论坛,2009,12:73-78.[12]
Sco tt A J .N ew Industria l Space [M ].L ondon :P ion ,1988.
[13] Sto rperM.T he T ransition to flex i b le spec i a lization i n i n -dustry :ex terna l econom i es ,the div i sion of labor and the crossi ng of i ndustr ial d i v i des[J].C a mbr i dge Journa l of Econo m ics ,1989,13:273-305
[14] A nse li n L.Spati a l E conom etr ics [M ].D all as :U n i ve r -sity of T exas,1999.
[15] G riliches Z .P atent stati stics as econom i c i nd i cato rs[J].
Journal of Econo m ic L i te ra t ure ,1990,28:1661-1707.
[16] H enderson R,Cockbu rn I .M easur i ng competence ?ex -p l o ri ng fir m effects i n phar m aceutica l research [J ].Stra teg ic M anage m ent Journa,l 1994,15:63-84.
[17] 李保集,郭小秦.我国专利文献信息利用的现状与问
题及对策[J].科技情报开发与经济,2009,19(6):139-142
[18] Anseli n L ,V arga A,A cs Z .L oca l geo -g raph ic sp ill o -ve rs bet w een un i versity resea rch and h i gh techno l ogy i n -novati ons[J].Journa l of U rban E cono m i cs ,1997,42:
422-448.
[19] A udre tsch D B ,F eld m an M P.R&D spillov ers and the
g eography of i nnova tion and producti on [J].Am er i can Econo m ic R ev ie w,1996,86(3):253-273.
[20] Basant R,F i kkert B.The eff ec ts of R &D,f o re i gn tech -no l ogy purchase ,and do m estic and i nte rnati onal sp ill o -ve rs on productiv it y i n Ind i an fir m s[J].T he R ev i ew of Econo m ics and Statistics ,1996,78(2):187-199.
[21] F ische rM M,V arga A.Spa ti a l know ledge spillovers and
university research :ev i dence from A ustria[J].T he An -na l s of R eg i onal Science ,2003,37:303-322.
[22] 符淼.省域专利面板数据的空间计量分析[J].研究
与发展管理,2008,20(3):106-112.
[23] 梁琦.知识溢出的空间局限性与集聚[J].科学学研
究,2004,22(1):76-81.
[24] 苏方林.中国省域R &D 溢出的空间模式研究[J]科
学学研究,2006,24(5):696-701.
[25] 王立平.我国高校R&D 知识溢出的实证研究:以高
技术产业为例[J].中国软科学,2005,12:54-59.
#
1590#
第10期万坤扬陆文聪:中国技术创新区域变化及其成因分析
[26] 吴玉鸣.大学、企业研发与区域创新的空间统计与计
量分析[J].数理统计与管理,2007,27(2):318-324.
[27] 吴玉鸣,何建坤.研发溢出、区域创新集群的空间计
量经济分析[J].管理科学学报,2008,11(4):59-66.
[28]
A it ken
B J ,H arrison A E .D o do m estic fi r m s benefit from fore i gn d irec t i nvest ment ?ev idence fro m V enezuala [J].Am er i can Econo m ic R ev ie w.1999,78(3):605-618.
[29] 李梅,谭力文.外商直接投资与我国技术创新:基于
省际面板数据的实证分析[J].国际贸易问题,2009,(3):97-103.
[30] Be rger A N,U de llG F.T he econom ics of s m all busi ness
finance :t he ro l es of pr i va te equity and deb t m arke t i n t he fi nancial g row th cycle [J].Journa l of Bank i ng and F i nance .1998,22:613-673.
[31] K o rt u m S ,L erner J .D oes ven t ure cap ital spur i nnova -tion ?[J].Inv estors and P ublic Po licy ,1998,6:20-32.
[32] K ortu m S ,L erner J .A ssess i ng t he contri buti on o f ven -ture cap ital t o innova ti on [J].RAND Journal of Eco -nom ics ,2000,31(4):674-692.
[33] 万坤扬,袁利金.创业投资与技术创新关系的实证分
析[J].工业工程与管理,2006,(1):72-76.
[34] A nseli n L,V arga A,A cs Z.G eog raph i c sp illovers and u -n i versity research :a spati a l econom etr ic pe rspecti v e [J].G row t h and Change ,2000,31:501-516.
[35] A cs Z,A udrestch D B ,Fe l d m an M.R ea l effects of aca -de m ic research :comm ent [J].T he Am er ican Econo m ic Rev ie w,1992,82(1):363-367.
[36] G riliches Z .Issues i n assessi ng the contr i bution o fR&D
to productiv it y gro w th [J].Be ll Journal o f Econo m ics ,1979,10:92-116.
[37]
G riliches Z.P roducti v ity ,R &D,and basic research at the fir m level i n the 1970s [J].Am erican Econom i cs Rev ie w,1986,76:141-154.
[38] Jaffe A.R eal effects o f acade m ic pesearch [J].Am er-i can Econom ic R ev i ew ,1989,79(5):957-970.
[39] A nse li n L.Spati a l Econom etr i cs :M ethods and M odels
[M ].D ordrecht :K l u w er A cade m ic Pub lishers ,1988.
[40] M o ran P.A test for seria l co rre lati on of resi dua ls [J].
B i om etr i ka ,1950,37:178-181.[41] G r iffit h D A.
Spati a l A utocorrelati on :A P ri m er ,R e -sou rce Publi cations i n G eography [M ].W ash i ngton :A ssoc i a ti on o f Am er ican G eog raphers,1987.
[42] Ba l estra P,N er l ove M.Poo li ng cross secti on and ti m e
ser i es data in t he esti m a ti on o f a dynam ic m ode :l t he de -m and f o r natural gas [J ].Econome trica ,1966,34
(3):585-612.
Empirical studies on the variation and contributing factors of regional
technology innovation structure in China
)))
spatial econom etr ics m odels based on panel data
WAN Kun -yang ,LU W en -cong
(1.Schoo l ofM anagement ,Zhe jiang U nivers it y ,H ang zhou 310058,Ch i na)
Abstrac t :Based on t he panel data of t he out puts o f technology i nnovati on i n Chi na from 1995t o 2008,the trend o f Chinese techno logy innova ti on structure variation w as ana lyzed usi ng t he i ndex o f techno logy i nnova ti on convergence both on the reg i on and prov i nce l eve ls .T hen w ith the spatial econo m etrics theo ry and m ethods ,the spa ti a l charac teristi cs o f Ch i nese techno l ogy i nnovati on data was checked by the M oran .s I index and the contr i bu ting facto rs of the var i ation abov e were stud i ed on the exper i ence of G riliches-Ja ffe K no w l edg e P roducti on F uncti on (KPF )usi ng Spati a l L ag M odel (SL M )based on Panel Da ta .The e m pir i ca l results show t ha t :the var i a ti on of Ch i nese techno l ogy innova ti on spati a l structure is effec ted positi v ely by the R&D expenditure o f larg e &m edi u m -sized enterprises (LM E)and t he co m bina ti on o f V en t ure Capita l and L M E fu ll-ti m e equ i va l ent of R&D personne,l both of t he m have an obv i ous pos-i ti ve e ffect on the reg iona l innova ti on .W hat .s m ore ,t he result of SL M para m ete r presents that the technology i nnova tion of l oca l area can be i nfl uenced po siti ve l y by the ne i ghbo rs reg i on .s techno logy i nnovation .T he article concludesw ith the correspondi ng po licy i m pl-i ca tions .
K ey word s :techno l ogy i nnova ti on ;reg i ona l structure ;kno w l edg e producti on function ;spatial econom etr i cs m ode ls ;panel data ;ven -t u re capita l
#
1591#
MATLAB空间面板数据模型操作简介 MATLAB安装：在民主湖资源站上下载MA TLAB 2009a，或者2010a，按照其中的安装说明安装MATLAB。（MATLAB较大，占用内存较大，安装的话可能也要花费一定的时间） 一、数据布局： 首先我们说一下MA TLAB处理空间面板数据时，数据文件是怎么布局的，熟悉eviews的同学可能知道，eviews中面板数据布局是：一个省份所有年份的数据作为一个单元（纵截面：一个时间序列），然后再排放另一个省份所有年份的数据，依次将所有省份的数据排放完，如下图，红框中“1-94”“1-95”“1-96”“1-97”中，1是省份的代号，94,95,96,97表示年份，eviews是将每个省份的数据放在一起，再将所有省份堆放在一起。 与eviews不同，MATLAB处理空间面板数据时，面板数据的布局是（在excel中说明）：先排放一个横截面上的数据（即某年所有省份的数据），再将不同年份的横截面按时间顺序堆放在一起。如图：
这里需要说明的是，MA TLAB中省份的序号需要与空间权重矩阵中省份一一对应，我们一般就采用《中国统计年鉴》分地区数据中省份的排列顺序。（二阶空间权重矩阵我会在附件中给出）。 二、数据的输入： MATLAB与excel链接：在excel中点击“工具→加载宏→浏览”，找到MA TLAB的安装目录，一般来说，如果安装时没有修改安装路径，此安装目录为：C:\Programfiles\MATLAB\R2009a\toolbox\exlink，点击excllink.xla即可完成excel与MATLAB的链接。这样的话excel中的数据就可以直接导入MATLAB中形成MATLAB的数据文件。操作完成后excel 的加载宏界面如图： 选中“Spreadsheet Link EX3.0.3 for use with MATLAB”即表示我们希望excel 与MATLAB实现链
中国区域经济发展的四种模式 进入21世纪以来，在改革开放已近30年的中国内地，在长三角、珠三角、浙江以及福建沿海地区，区域经济的活力丝毫不弱于任何小“龙”小“虎”。 温州进入“凯恩斯主义”时代？ 曾是中国民营经济发展教科书式范本的“温州模式”正在悄然发生转变。 温州这个令人惊叹的地方，生产出了占全国市场份额10%的服装、20%的鞋、60%的剃须刀、65%的锁具、80%的眼镜、90%的金属外壳打火机和90%的水彩笔。电器、泵、拉链、五金制品、汽摩配件、文教具等产业在国内也有十分重要的地位。 1986年，著名社会学家费孝通教授以“小商品、大市场”6字概括了“温州模式”，称其重要意义在于激活了一个民间自发的、遍及全国的大市场，并直接在生产者和消费者之间建立起了流通网络。 近年来，温州盛名之下其实难副，“前面的标兵越行越远，后面的追兵咄咄逼人”，传统产业的低技术含量和低附加值，成为影响温州竞争力和成长性的重要因素。 “温州模式”扬名世界的三件“利器”也出现了钝化的迹象：一是温州价廉物美的轻工产品频繁遭遇国际贸易壁垒，出口受阻；二是温州资本难寻出路；三是温州第一代创业者的市场精神在第二代接班人中已难觅踪迹。 温州市政府在经济发展初期的施政理念为温州民营经济的自由发展开辟了道路，但政府的公共服务职能在“无为”的旗帜下受到削弱。 2005年之后的温州经历了政府职能的一次巨大转变，从一向奉行的“无为”到“有为”，从“不管”到“强管”，招商引资成为这个地级市的“一号工程”。温州市委书记王建满表示：“如果没有外来资金的投入，没有先进设备的引进，没有先进智力的引入，温州要实现又快又好发展，难度很大。” 凯恩斯主义的出现标志着西方自由放任经济时代的结束，温州在经过20多年的自由发展之后，是否也进入了某种意义上的“凯恩斯主义”时代呢？一个强势的政府又会将“温州模式”引入怎样一条道路？ 苏州模式只长骨头不长肉？ “只长骨头不长肉”，对于多年来中国最耀眼的城市经济明星苏州而言，可能是最具争议的一种评价了。 所谓“苏州模式”，实际上是类似于早年日本和韩国“政府主导型”的一种经济发展模式，但又有自己的特色。政府除了提供制度和政策环境外，还通过制定非常明确的发展规划和战略来吸引外资。有外商笑称，“在苏州办事，找厂长、经理没有用，要找局长、找书记”。
面板数据分析简要步骤与注意事项（面板单位根检验—面板协整—回归分析） 面板数据分析方法： 面板单位根检验—若为同阶—面板协整—回归分析 —若为不同阶—序列变化—同阶建模随机效应模型与固定效应模型的区别不体现为R2的大小，固定效应模型为误差项和解释变量是相关，而随机效应模型表现为误差项和解释变量不相关。先用hausman检验是fixed 还是random，面板数据R-squared值对于一般标准而言，超过0.3为非常优秀的模型。不是时间序列那种接近0.8为优秀。另外，建议回归前先做stationary。很想知道随机效应应该看哪个R方？很多资料说固定看within，随机看overall，我得出的overall非常小0.03，然后within是53%。fe和re输出差不多，不过hausman检验不能拒绝，所以只能是re。该如何选择呢？ 步骤一：分析数据的平稳性（单位根检验） 按照正规程序，面板数据模型在回归前需检验数据的平稳性。李子奈曾指出，一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联，此时，对这些数据进行回归，尽管有较高的R平方，但其结果是没有任何实际意义的。这种情况称为称为虚假回归或伪回归（spurious regression）。他认为平稳的真正含义是：一个时间序列剔除了不变的均值（可视为截距）和时间趋势以后，剩余的序列为零均值，同方差，即白噪声。因此单位根检验时有三种检验模式：既有趋势又有截距、只有截距、以上都无。 因此为了避免伪回归，确保估计结果的有效性，我们必须对各面板序列的平稳性进行检验。而检验数据平稳性最常用的办法就是单位根检验。首先，我们可以先对面板序列绘制时序图，以粗略观测时序图中由各个观测值描出代表变量的折线是否含有趋势项和（或）截距项，从而为进一步的单位根检验的检验模式做准备。单位根检验方法的文献综述：在非平稳的面板数据渐进过程中,Levin andLin(1993)很早就发现这些估计量的极限分布是高斯分布,这些结果也被应用在有异方差的面板数据中,并建立了对面板单位根进行检验的早期版本。后来经过Levin et al.(2002)的改进,提出了检验面板单位根的LLC法。Levin et al.(2002)指出,该方法允许不同截距和时间趋势,异方差和高阶序列相关,适合于中等维度(时间序列介于25～250之间,截面数介于10～250之间)的面板单位根检验。Im et al.(1997)还提出了检验面板单位根的IPS法,但Breitung(2000)发现IPS法对限定性趋势的设定极为敏感,并提出了面板单位根检验的Breitung法。Maddala and Wu(1999)又提出了ADF-Fisher和PP-Fisher面板单位根检验方法。 由上述综述可知，可以使用LLC、IPS、Breintung、ADF-Fisher和PP-Fisher5种方法进行面板单位根检验。 其中LLC-T、BR-T、IPS-W、ADF-FCS、PP-FCS、H-Z分别指Levin,Lin&Chu t*
面板数据的F检验固定 效应检验 标准化工作室编码[XX968T-XX89628-XJ668-XT689N]
面板数据模型(P A N E L D A T A)F检验,固定效应检验1．面板数据定义。 时间序列数据或截面数据都是一维数据。例如时间序列数据是变量按时间得到的数据；截面数据是变量在截面空间上的数据。面板数据（panel data）也称时间序列截面数据（time series and cross section data）或混合数据（pool data）。面板数据是同时在时间和截面空间上取得的二维数据。面板数据示意图见图1。面板数据从横截面（cross section）上看，是由若干个体（entity, unit, individual）在某一时刻构成的截面观测值，从纵剖面（longitudinal section）上看是一个时间序列。 面板数据用双下标变量表示。例如 y , i= 1, 2, …, N; t= 1, 2, …, T i t N表示面板数据中含有N个个体。T表示时间序列的最大长度。若固定t不变，y , ( i i . = 1, 2, …, N)是横截面上的N个随机变量；若固定i不变，y. t, (t= 1, 2, …, T)是纵剖面上的一个时间序列（个体）。 图1 N=7，T=50的面板数据示意图 例如1990-2000年30个省份的农业总产值数据。固定在某一年份上，它是由30个农业总产总值数字组成的截面数据；固定在某一省份上，它是由11年农业总产值数据组成的一个时间序列。面板数据由30个个体组成。共有330个观测值。 对于面板数据y i t, i = 1, 2, …, N; t= 1, 2, …, T来说，如果从横截面上看，每个变量都有观测值，从纵剖面上看，每一期都有观测值，则称此面板数据为平衡面板数据（balanced panel data）。若在面板数据中丢失若干个观测值，则称此面板数据为非平衡面板数据（unbalanced panel data）。 注意：EViwes 、、既允许用平衡面板数据也允许用非平衡面板数据估计模型。
计量经济学是经济科学领域内的一门应用科学，以一定的经济理论和实际统计资料为基础，运用数学、统计方法与计算机技术，以建立经济计量模型为主要手段，定量分析研究具有随机特性的经济变量关系。 2、数理经济模型与计量经济模型的区别。 数理：揭示经济活动中各个因素之间的理论关系，用确定性的数学方程加以描述。 计量：揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述。 3、经典计量经济学模型的一般形式。 4、计量经济学的数据类型。 时间序列数据：按时间先后排列的统计数据。 截面数据：一个或多个变量在某一时点上的数据集合。 合并数据（平行数据）：既包含时间序列数据又有截面 数据。 5、建立计量经济学模型的步骤。 1） 模型的数学形式。③拟定模型中待估计参数的理论期望 值。 2）样本数据的收集： 差项产生序列相关。②截面数据易引起模型随机误差项 产生异方差。③样本数据的质量：完整性、准确性、可 比性、一致性。 3）模型参数的估计。 4 度检验、变量的显着性检验、方程的显着性检验。③计 量经济学检验：序列相关、异方差法（随机误差项）、 多重共线性（解释变量）④模型预测检验。 6、计量经济学模型的应用。 1）结构分析；2）经济预测；3）政策评价；4）检验与发展经济理论。 7、如何正确选择解释变量。 作为“变量”的原因：1 2）考虑数据的可得性；3）考虑入选变量之间的关系。 8、回归分析的目的。 1）根据自变量的取值，估计应变量的均值；2）检验建立在经济理论基础上的假设；3） 值，预测应变量的均值。 9、总体回归函数(PRF)和样本回归函数(SRF)各变量系数名称及函数方程。 10、随机误差项(Ui)的性质或主要内容。
1.excel与MATLAB链接： Excel： 选项——加载项——COM加载项——转到——没有勾选项 2. MATLAB安装目录中寻找toolbox——exlink——点击,启用宏 E:\MATLAB\toolbox\exlink 然后，Excel中就出现MATLAB工具 （注意Excel中的数据：） 3.启动matlab （1）点击start MATLAB （2）senddata to matlab ，并对变量矩阵变量进行命名（注意：选取变量为数值，不包括各变量） (data表中数据进行命名) （空间权重进行命名） （3）导入MATLAB中的两个矩阵变量就可以看见 4.将elhorst和jplv7两个程序文件夹复制到MATLAB安装目录 的toolbox文件夹
5.设置路径： 6.输入程序，得出结果 T=30; N=46; W=normw(W1); y=A(:,3); x=A(:,[4,6]); xconstant=ones(N*T,1); [nobs K]=size(x); results=ols(y,[xconstant x]); vnames=strvcat('logcit','intercept','logp','logy'); prt_reg(results,vnames,1); sige=results.sige*((nobs-K)/nobs); loglikols=-nobs/2*log(2*pi*sige)-1/(2*sige)*results.resid'*results.resid % The (robust)LM tests developed by Elhorst LMsarsem_panel(results,W,y,[xconstant x]); % (Robust) LM tests 解释
面板数据分析简要步骤与注意事项 面板单位根—面板协整—回归分析) 步骤一：分析数据的平稳性(单位根检验) 按照正规程序，面板数据模型在回归前需检验数据的平稳性。李子奈曾指出，一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联，此时，对这些数据进行回归，尽管有较高的R平方，但其结果是没有任何实 际意义的。这种情况称为称为虚假回归或伪回归( spurious regression )。他认为平稳的真正含义是：一个时间序列剔除了不变的均值(可视为截距)和时间趋势以后，剩余的序列为零均值，同方差，即白噪声。因此单位根检验时有三种检验模式：既有趋势又有截距、只有截距、以上都无。 因此为了避免伪回归，确保估计结果的有效性，我们必须对各面板序列的平稳性进行检验。而检验数据平稳性最常用的办法就是单位根检验。首先，我们可以先对面板序列绘制时序图，以粗略观测时序图中由各个观测值描出代表变量的折线是否含有趋势项和(或)截距项，从而为进一步的单位根检验的检验模式做准备。单位根检验方法的文献综述：在非平稳的面板数据渐进过程中 ,Levin andLin(1993) 很早就发现这些估计量的极限分布是高斯分布 , 这些结果也被应用在有异方差的面板数据中,并建立了对面板单位根进行检验的早期版本。后来经过Levin et al. (2002) 的改进, 提出了检验面板单位根的LLC法。Levin et al. (2002)指出,该方法允许不同截距和时间趋势，异方差和高阶序列相关，适合于中等维度(时间序列介于25?250之间，截面数介于10?250之间)的面板单位根检验。Im et al. (1997) 还提出了检验面板单位根的 IPS 法, 但 Breitung(2000) 发现 IPS 法对限定性趋势的设定极为敏感 , 并提出了面板单位根检验的 Breitung 法。Maddala and Wu(1999)又提出了 ADF-Fisher 和 PP-Fisher 面板单位根检验方法。 由上述综述可知，可以使用 LLC、IPS、Breintung 、ADF-Fisher 和 PP-Fisher5 种方法进行面板单位根检验。其中LLC-T 、BR-T、IPS-W 、ADF-FCS、PP-FCS、H-Z 分 别指 Levin, Lin & Chu t* 统计量、 Breitung t 统计量、 lm Pesaran & Shin W 统 量、计 ADF- Fisher Chi-square 统计量、PP-Fisher Chi-square 统计量、Hadri Z 统计 量，并且 Levin, Lin & Chu t* 统计量、 Breitung t 统计量的原假设为存在普通的单位根过程， lm Pesaran & Shin W 统计量、 ADF- Fisher Chi-square 统计量、 PP-Fisher Chi-square 统计量的原假设为存在有效的单位根过程， Hadri Z 统计量的检验原假设为不存在普通的单位根过程。 有时，为了方便，只采用两种面板数据单位根检验方法，即相同根单位根检验 LLC(Levin-Lin-Chu )检验和不同根单位根检验 Fisher-ADF 检验(注：对普通序列(非面板序列)的单位根检验方法则常用 ADF检验)，如果在两种检验中均拒绝存在单位根的原假设则我 们说此序列是平稳的，反之则不平稳。 如果我们以 T(trend )代表序列含趋势项，以 I (intercept )代表序列含截距项， T&I 代表两项都含，N (none)代表两项都不含，那么我们可以基于前面时序图得出的结论，在单位根检验中选择相应检验模式。 但基于时序图得出的结论毕竟是粗略的，严格来说，那些检验结构均需一一检验。具体操作可以参照李子奈的说法：ADF检验是通过三个模型来完成，首先从含有截距和趋势项的模型开始，再检验只含截距项的模型，最后检验二者都不含的模型。并且认
中国区域经济发展差距分析 （一）中国区域经济发展差距的主要表现 1、沿海与内地经济发展的差距 2、东、中、西部经济发展的差距 3、省区之间经济发展的差距 4、南北之间经济发展的差距 5、城乡之间经济发展的差距 （二）中国区域经济发展差距的形成原因 1、历史基础 区域经济发展水平的历史差异，是构成区域经济发展水平现实差距的重要 因素之一。 2、区位条件 区位条件是指一个地区与周围各种社会经济事物关系的总和，包括位置关系、地域分工关系、地缘政治关系、地缘经济关系以及交通、信息关系等。区位条件作为经济区域的成长基础，是一种重要的经济资源，它在实现工业化和经济起飞过程中，起着十分重要的甚至决定性作用。 3、制度因素 中国的改革，发展了市场经济，也同时造成了富裕的城市和东部地区更加 富裕，贫穷的农村和西部地区更加贫穷，贫富差距进一步扩大。 4、政策倾斜效应 政策的倾斜是中国区域经济发展不平衡的主要原因。 5、人力资源差异
区域间人力资源差异是区域经济社会发展存在差异的另一个重要原因。有 思想文化因素和教育共同组成的人力资源是区域发展的基础条件。应当看到，中国东、中、西部地区以及城市与农村之间，由于历史和现实的种种原因，思想文化和教育存在着较大差异。 （三）对中国区域经济发展差距的评价 1、区域经济发展差距的积极意义 （1）区域经济一定程度的发展差距是社会经济发展的动力源泉。 （2）区域经济发展的差距是区际竞争与合作的基础。 （3）区域经济发展的差距给落后地区造成一种压力。 2、区域经济发展差距的消极影响 （1）区域经济发展差距过大，会制约国民经济的总体发展和可持续发展。 （2）区域经济发展差距过大，会损害落后地区自我发展的能力，加剧区域经济的矛盾。 （3）区域经济发展差距过大，不利于社会公平和共同富裕的实现。 （4）区域经济发展差距扩大，不利于社会稳定和民族团结。 （四）解决中国区域经济发展不平衡的政策思路 1、在经济全球化时代背景之下，各地区经济都应融于世界经济体系之中。 2、遵循区域经济发展不平衡规律，继续允许和鼓励有优势的地区发展得更快、更好，以此引领全国经济发展。 3、积极采取有效措施，努力缓解区域经济差距扩大的趋势。 4、落后地区要加快改革开放的步伐，发挥自身优势，赶超发达地区。所谓落后地区，是指一定地域范围内经济发展水平处于低下层次的地区。它包括以下含义：① 落后地区是一个相对的地域概念。
转载：面板数据分析的思路和Eviews操作： 面板数据一般有三种：混合估计模型；随机效应模型和固定效应模型。首先，第一步是作固定效应和随机效应模型的选择，一般是用Hausman检验。 如果你选用的是所有的企业，反映的是总体的效应，则选择固定效应模型，如果你选用的是抽样估计，则要作Hausman检验。这个可以在Eviews 5.1里头做。 H0：应该建立随机效应模型。 H1：应该建立固定效应模型。 先使用随机效应回归，然后做Hausman检验，如果是小概率事件，拒绝原假设则应建立固定效应模型，反之，则应该采用随机效应模型进行估计。 第二步，固定效应模型分为三种：个体固定效应模型、时刻固定效应模型和个体时刻固定效应模型（这三个模型的含义我就不讲了，大家可以参考我列的参考书）。如果我们是对个体固定，则应选择个体固定效用模型。但是，我们还需作个体固定效应模型和混合估计模型的选择。所以，就要作F值检验。相对于混合估计模型来说，是否有必要建立个体固定效应模型可以通过F检验来完成。 H0：对于不同横截面模型截距项相同（建立混合估计模型）。SSEr H1：对于不同横截面模型的截距项不同（建立时刻固定效应模型）。SSEu
F统计量定义为：F=[( SSEr - SSEu)/(T+k－2)]/[ SSEu/(NT-T-k)] 其中，SSEr，SSEu分别表示约束模型（混合估计模型的）和非约束模型（个体固定效应模型的）的残差平方和（Sum squared resid）。非约束模型比约束模型多了T–1个被估参数。需要指出的是：当模型中含有k 个解释变量时，F统计量的分母自由度是NT-T- k。通过对F统计量我们将可选择准确、最佳的估计模型。 在作回归是也是四步：第一步，先作混合效应模型：在cross-section 一栏选择None ，Period也是None；Weights是cross-section Weights，然后把回归结果的Sum squared resid值复制出来，就是SSEr 第二步：作个体固定效用模型：在cross-section 一栏选择Fixed ，Period也是None；Weights是cross-section Weights，然后把回归结果的Sum squared resid值复制出来，就是SSEu 第三步：根据公式F=[( SSEr - SSEu)/(T+k－2)]/[ SSEu/(NT-T-k)]。计算出结果。其中，T为年数，不管我们的数据是unbalance还是balance 看observations就行了，也即Total pool (balanced) observations:的值，但是如果是balance我们也可以计算，也即是每一年的企业数的总和。比如说我们研究10年，每一年又500加企业，则NT＝10×500＝5000。K为解释变量，不含被解释变量。 第四步，根据计算出来的结果查F值分布表。看是否通过检验。检验准则：当F> Fα(T-1, NT-T-k) , α=0.01,0.05或0.1时，拒绝原假设，则结论是应该建立个体固定效应模型，反之，接受原假设，则不能建立个体固定效应模型。
面板数据模型 1．面板数据定义。 时间序列数据或截面数据都是一维数据。例如时间序列数据是变量按时间得到的数据；截面数据是变量在截面空间上的数据。面板数据（panel data）也称时间序列截面数据（time series and cross section data）或混合数据（pool data）。面板数据是同时在时间和截面空间上取得的二维数据。面板数据示意图见图1。面板数据从横截面（cross section）上看，是由若干个体（entity, unit, individual）在某一时刻构成的截面观测值，从纵剖面（longitudinal section）上看是一个时间序列。 面板数据用双下标变量表示。例如 y i t, i= 1, 2, …, N; t = 1, 2, …, T N表示面板数据中含有N个个体。T表示时间序列的最大长度。若固定t不变，y i ., ( i= 1, 2, …, N)是横截面上的N个随机变量；若固定i不变，y. t, (t = 1, 2, …, T)是纵剖面上的一个时间序列（个体）。 图1 N=7，T=50的面板数据示意图 例如1990-2000年30个省份的农业总产值数据。固定在某一年份上，它是由30个农业总产总值数字组成的截面数据；固定在某一省份上，它是由11年农业总产值数据组成的一个时间序列。面板数据由30个个体组成。共有330个观测值。 对于面板数据y i t, i= 1, 2, …, N; t = 1, 2, …, T来说，如果从横截面上看，每个变量都有观测值，从纵剖面上看，每一期都有观测值，则称此面板数据为平衡面板数据（balanced panel data）。若在面板数据中丢失若干个观测值，则称此面板数据为非平衡面板数据（unbalanced panel data）。 注意：EViwes 3.1、4.1、5.0既允许用平衡面板数据也允许用非平衡面板数据估计模型。 例1（file:panel02）：1996-2002年中国东北、华北、华东15个省级地区的居民家庭人均消费（不变价格）和人均收入数据见表1和表2。数据是7年的，每一年都有15个数据，共105组观测值。 人均消费和收入两个面板数据都是平衡面板数据，各有15个个体。人均消费和收入的
姓名：徐元挺学号：200701100130 院系：法学院班级：07级法学3班 中国区域经济发展现状分析 摘要：文章探讨了东北区域内部空间结构的优化和升级问题，提出了以沈阳-大连双核心城市组合模式来推动东北区域协调发展的，并就两城市之间的协同分工政策安排进行了阐述。 一、中国区域经济发展现状分析 在改革开放早期，国家为了搞活经济，通过实施沿海发展战略，以使珠江三角洲和长江三角洲地区加快对外开放。三十年间东南沿海地区成为中国经济的“隆起”地带。该地区的加速发展确实带动了全国经济的持续快速发展，实现了既定的目的。但是这种发展也因为政策性倾斜等方面原因加剧了中国不同地区、不同经济板块之间的经济发展不平衡性，从而也不利于中国经济的长期发展。 中国各地区经济发展的空间不平衡主要表现在两个方面：东部沿海经济发达地区和中西部经济欠发达地区的不平衡；中国南方经济板块和北方经济板块的不平衡。为了从根本上改变这种现状，国家首先实施了西部大开发和中部崛起战略，实现东中西部地区的互补发展；其次为了振兴北方经济，国家加大对环渤海地区经济发展的支持力度。 中国北方经济区域的发展与布局必须立足于东北亚区域经济板块。要想在东北亚区域经济整合过程中发挥更加积极的作用，就必须下大力气整合东北亚中国地区，使之形成统一的协同体。东北亚中国地区包括环渤海地区和中国东北地区，具体来说包括京津冀板块、山东半岛城市群、环渤海辽宁地区和其他东北地区及内蒙古东部地区。从发展现状来看，京津冀板块有北京和天津滨海新区的强力拉动，山东半岛城市群有青岛和济南的带动，这两个地区经济发展现状良好，而另外两个板块却发展缓慢。即东北地区的振兴事关中国北方经济的区域发展大局。 东北地区两个板块，环渤海辽宁地区的核心城市是大连，而另一地区的核心城市则是沈阳。这两个板块无论从行政区划上还是从文化历史传统上都是一脉相承的。但是在具体发展过程中这两个地区，或者说大连和沈阳两个城市的协同发展情况却并不能令人满意。因此，大连和沈阳的组合模式及协同发展有利于环渤海地区各板块间的有效整合，有利于改变中国经济“南重北轻”的格局，还有利于辽宁经济的协调发展。 二、东北区域空间结构分析 对一个区域进行空间结构分析最重要的就是评价该地区城市的竞争力状况，从而能够找到该区域经济增长的动力引擎，实现区域经济的发展。 城市的竞争力受多方面因素的影响，中国社科院倪鹏飞教授认为，城市竞争力系统构成是复杂的，其众多的要素和环境系统以不同的方式存在，又处在不同的维度和层次上，它们共同集成，构成城市综合竞争力，决定城市的价值收益。根据这一思路，倪鹏飞教授编制并出版了2003年《中国城市竞争力报告》一书，
中国区域经济发展 （农经081 ） 摘要：“统筹区域发展”，是党的十六届三中全会提出的完善社会主义市场经济的重要要求之一。当前，我国正在为到2020年实现全面建设小康社会的目标而奋斗，在此发展进程中，全国各地都有自己的区域发展特色。怎样正视我国东南西北地区的差距和发展潜力，是统筹区域发展的前提之一。 关键词：中国区域经济发展 1. 区域经济发展战略概述 区域经济发展战略是实现经济和社会目标的需要。区域经济发展战略相应的是：启动经济高速发展的车轮，实行非均衡发展战略；进一步加速经济发展，实行全局较均衡但局部不均衡的发展战略；保持协调发展、实现共同富裕，实行协调发展战略。 区域经济发展战略是走向共同富裕的需要。社会主义生产的目的是为了满足人民群众日益增长的物质文化需要需要，共同富裕是社会主义的本质特征。区域经济发展战略的精髓就是从“先富到后富再到共同富裕”。邓小平指出：“我们提倡一部分地区先富起来，是为了激励和带动其他地区也富裕起来，并且先富起来的地区帮助落后的地区更好的发展。”在视察南方讲话中，小平同志又一次强调了这个问题，他说：“走社会主义道路，就是要逐步实现共同富裕。”同时，他又指出：“如果富的愈来愈富，穷的愈来愈穷，两极分化就会产生，而社会主义制度就应该而且能够避免两极分化。” 区域经济发展的战略，其实质是顺应经济发展的客观规律，允许而不是限制一部分地区先发展起来：而其最终目的则是实现共同富裕。中央对东部沿海地区与中西部地区经济发展的战略关系高度重视，明确提出了加快中西部地区经济发展的战略方针，并进一步提出，“促进地区经济合理发展和协调发展。东部地区要充分利用有利条件，在推进改革开放中实现更高水平的发展，有条件的地区要率先实现现代化。中西部地区要加快改革开放和开发，发挥资源优势，发展优势企业”，要“从多方面努力，逐步缩小地区发展差距”。在“坚持区域经济协调发展”战略方针的指导下，党中央下决心加快中西部地区的发展步伐。这将使我国地区经济结构发生重要变化，与此相适应，将逐步形成地区经济协调发展的新格局，并为最终实现全国的共同富裕奠定基础。 2. 我国区域经济发展的国情 2.1 我国是个大国，经济区域众多，条件千差万别，因而区域经济发展的水平和状况有差异。
面板数据的分析步骤 面板数据的分析方法或许我们已经了解许多了，但是到底有没有一个基本的步骤呢？那些步骤是必须的？这些都是我们在研究的过程中需要考虑的，而且又是很实在的问题。面板单位根检验如何进行？协整检验呢？什么情况下要进行模型的修正？面板模型回归形式的选择？如何更有效的进行回归？诸如此类的问题我们应该如何去分析并一一解决？以下是我近期对面板数据研究后做出的一个简要总结，和大家分享一下，也希望大家都进来讨论讨论。 步骤一：分析数据的平稳性（单位根检验） 按照正规程序，面板数据模型在回归前需检验数据的平稳性。李子奈曾指出，一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联，此时，对这些数据进行回归，尽管有较高的R平方，但其结果是没有任何实际意义的。这种情况称为称为虚假回归或伪回归（spurious regression）。他认为平稳的真正含义是：一个时间序列剔除了不变的均值（可视为截距）和时间趋势以后，剩余的序列为零均值，同方差，即白噪声。因此单位根检验时有三种检验模式：既有趋势又有截距、只有截距、以上都无。 因此为了避免伪回归，确保估计结果的有效性，我们必须对各面板序列的平稳性进行检验。而检验数据平稳性最常用的办法就是单位根检验。首先，我们可以先对面板序列绘制时序图，以粗略观测时序图中由各个观测值描出代表变量的折线是否含有趋势项和（或）截距项，从而为进一步的单位根检验的检验模式做准备。 单位根检验方法的文献综述：在非平稳的面板数据渐进过程中,Levin andLin(1993) 很早就发现这些估计量的极限分布是高斯分布,这些结果也被应用在有异方差的面板数据中,并建立了对面板单位根进行检验的早期版本。后来经过Levin et al. (2002)的改进,提出了检验面板单位根的LLC 法。Levin et al. (2002) 指出,该方法允许不同截距和时间趋势,异方差和高阶序列相关,适合于中等维度(时间序列介于25～250 之间,截面数介于10～250 之间) 的面板单位根检验。Im et al. (1997) 还提出了检验面板单位根的IPS 法,但Breitung(2000) 发现IPS 法对限定性趋势的设定极为敏感,并提出了面板单位根检验的Breitung 法。Maddala and Wu(1999)又提出了ADF-Fisher和PP-Fisher面板单位根检验方法。 由上述综述可知，可以使用LLC、IPS、Breintung、ADF-Fisher 和PP-Fisher5种方法进行面板单位根检验。 其中LLC-T 、BR-T、IPS-W 、ADF-FCS、PP-FCS 、H-Z 分别指Levin, Lin & Chu t* 统计量、Breitung t 统计量、lm Pesaran & Shin W 统计量、ADF- Fisher Chi-square统计量、PP-Fisher Chi-square 统计量、Hadri Z统计量，并且Levin, Lin & Chu t* 统计量、Breitung t统计量的原假设为存在普通的单位根过程，lm Pesaran & Shin W 统计量、ADF- Fisher Chi-square统计量、PP-Fisher Chi-square统计量的原假设为存在有效的单位根过程，Hadri Z统计量的检验原假设为不存在普通的单位根过程。 有时，为了方便，只采用两种面板数据单位根检验方法，即相同根单位根检验LLC （Levin-Lin-Chu）检验和不同根单位根检验Fisher-ADF检验（注：对普通序列（非面板序列）的单位根检验方法则常用ADF检验），如果在两种检验中均拒绝存在单位根的原假设则我们
一分钟看完计量经济学！！！------开学后的计量笔记 建模是计量的灵魂，所以就从建模开始。 一、 建模步骤：A，理论模型的设计: a，选择变量b，确定变量关系c，拟定参数范围 B，样本数据的收集: a，数据的类型b，数据的质量 C，样本参数的估计: a，模型的识别b，估价方法选择 D，模型的检验 a，经济意义的检验1正相关 2反相关等等 b，统计检验：1检验样本回归函数和样本的拟合优度，R的平方即其修正检验 2样本回归函数和总体回归函数的接近程度:单个解释变量显著性即t检验，函数显著性即F检验，接近程度的区间检验 c，模型预测检验1解释变量条件条件均值与个值的预测
2预测置信空间变化 d，参数的线性约束检验：1参数线性约束的检验 2模型增加或减少变量的检验 3参数的稳定性检验：邹氏参数稳定性检验，邹氏预测检验----------主要方法是以 F检验受约束前后模型的差异 e，参数的非线性约束检验：1最大似然比检验 2沃尔德检验 3拉格朗日乘数检验---------主要方法使用 X平方分布检验统计量分布特征 f，计量经济学检验 1，异方差性问题：特征：无偏，一致但标准差偏误。检测方法：图示法，Park与Gleiser检验法，Goldfeld-Quandt检验法，White检验法-------用WLS修正异方差 2，序列相关性问题：特征：无偏，一致，但检验不可靠，预测无效。检测方法：图示法，回归检验法，Durbin-Waston检验法，Lagrange乘子检验法-------用GLS或广义差分法修正序列相关性 3，多重共线性问题：特征：无偏，一致但标准差过大，t减小，正负号混乱。检测方法：先检验 多重共线性是否存在，再检验多重共线性的范围-------------用逐步回归法，差分法或使用额外信息，增大样本容量可以修正。
MATLAB 空间面板数据模型操作简介 MATLAB 安装： 在民主湖资源站上下载 MA TLAB 2009a ，或者 2010a ，按照其中的安装说明 安装 MATLAB 。（ MATLAB 较大，占用内存较大，安装的话可能也要花费一定的时间） 一、数据布局 首先我们说一下 MA TLAB 处理空间面板数据时，数据文件是怎么布局的，熟悉 eviews 的同学 可能知道， eviews 中面板数据布局是：一个省份所有年份的数据作为一个单元（纵截面：一个时间 序列），然后再排放另一个省份所有年份的数据，依次将所有省份的数据排放完，如下图，红框中 “1-94”“1-95” “1-96” “ 1-97”中， 1是省份的代号， 94,95,96,97 表示年份， eviews 是将每个省 份的数据放在一起，再将所有省份堆放在一起。 与 eviews 不同， MATLAB 处理空间面板数据时，面板数据的布局是（在 excel 中说明）： 先排 放一个横截面上的数据（即某年所有省份的数据） ，再将不同年份的横截面按时间顺序堆放在一起。 如图：
这里需要说明的是， MA TLAB 中省份的序号需要与空间权重矩阵中省份一一对应，我们一般就采用《中国统计年鉴》分地区数据中省份的排列顺序。（二阶空间权重矩阵我会在附件中给出）。二、数据的输入： MATLAB 与 excel链接：在 excel中点击“工具→加载宏→浏览” ，找到 MA TLAB 的安装目录，一般来说，如果安装时没有修改安装路径，此安装目录为： C:\Programfiles\MATLAB\R2009a\toolbox\exlink ，点击 excllink.xla 即可完成 excel 与 MATLAB 的链接。这样的话 excel 中的数据就可以直接导入 MATLAB 中形成 MATLAB 的数据文件。操作完成后 excel 的加载宏界面如图： 选中“Spreadsheet Link EX3.0.3 for use with MATLAB ”即表示我们希望 excel 与
1.面板数据分析方法步骤 面板数据的分析方法或许我们已经了解许多了，但是到底有没有一个基本的步骤呢？那些步骤是必须的？这些都是我们在研究的过程中需要考虑的，而且又是很实在的问题。面板单位根检验如何进行？协整检验呢？什么情况下要进行模型的修正？面板模型回归形式的选择？如何更有效的进行回归？诸如此类的问题我们应该如何去分析并一一解决？以下是我近期对面板数据研究后做出的一个简要总结，和大家分享一下，也希望大家都进来讨论讨论。 步骤一：分析数据的平稳性（单位根检验） 按照正规程序，面板数据模型在回归前需检验数据的平稳性。李子奈曾指出，一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联，此时，对这些数据进行回归，尽管有较高的R平方，但其结果是没有任何实际意义的。这种情况称为虚假回归或伪回归（spurious regression）。他认为平稳的真正含义是：一个时间序列剔除了不变的均值（可视为截距）和时间趋势以后，剩余的序列为零均值，同方差，即白噪声。因此单位根检验时有三种检验模式：既有趋势又有截距、只有截距、以上都无。 因此为了避免伪回归，确保估计结果的有效性，我们必须对各面板序列的平稳性进行检验。而检验数据平稳性最常用的办法就是单位根检验。首先，我们可以先对面板序列绘制时序图，以粗略观测时序图中由各个观测值描出代表变量的折线是否含有趋势项和（或）截距项，从而为进一步的单位根检验的检验模式做准备。 单位根检验方法的文献综述：在非平稳的面板数据渐进过程中,Levin andLin(1993) 很早就发现这些估计量的极限分布是高斯分布,这些结果也被应用在有异方差的面板数据中,并建立了对面板单位根进行检验的早期版本。后来经过Levin et al. (2002)的改进,提出了检验面板单位根的LLC 法。Levin et al. (2002) 指出,该方法允许不同截距和时间趋势,异方差和高阶序列相关,适合于中等维度(时间序列介于25～250 之间,截面数介于10～250 之间) 的面板单位根检验。Im et al. (1997) 还提出了检验面板单位根的IPS 法,但Breitung(2000) 发现IPS 法对限定性趋势的设定极为敏感,并提出了面板单位根检验的Breitung 法。Maddala and Wu(1999)又提出了ADF-Fisher和PP-Fisher面板单位根检验方法。 由上述综述可知，可以使用LLC、IPS、Breintung、ADF-Fisher 和PP-Fisher5种方法进行面板单位根检验。 其中LLC-T 、BR-T、IPS-W 、ADF-FCS、PP-FCS 、H-Z 分别指Levin, Lin & Chu t* 统计量、Breitung t 统计量、lm Pesaran & Shin W 统计量、
计量经济学数据分析 学院：管理与经济学院 专业：技术经济及管理 姓名：葛文 学号：20808172
分析中国经济发展对中国股票市场的影响本文通过分析2000年到2007年各月股票市场流通市值（value），成交金额(turnover)，GDP现价和居民储蓄(saving)的相关数据，试图分析我国经济发展对股票市场的影响。数据来源为CCFR数据库和证监会网站。具体分析如下： 一、绘制四个数据变量的线性图，查看2000年到2007年他们各自的走势。 5000 10000 15000 20000 25000 2000200120022003200420052006 GDP 40000 60000 80000 100000 120000 140000 160000 180000 2000200120022003200420052006 SAVING 0 10000 20000 30000 40000 50000 60000 2000200120022003200420052006 turnover 10000 20000 30000 40000 50000 60000 2000200120022003200420052006 value 二、采用最小二乘法（ＯＬＳ）进行分析
回归表达式：gdp=10433.48+0.191218*turnover 其中：Prob低于0.05，说明对应系数显著不为零；R2=0.195641，说明拟合程度一般；Prob（F-statistic）=0.000013<0.05，说明至少有一个解释变量的回归系数不为零。 回归表达式：gdp=8470.567+0.196853*value 其中：Prob低于0.05，说明对应系数显著不为零；R2=0.154730，说明拟合程度一般；Prob（F-statistic）=0.000125<0.05，说明至少有一个解释变量的回归系数不为零。
中国区域经济发展的差距及其形成原因 摘要：改革开放以来，中国的区域经济发展差距不断拉大。东部地区的经济总量、具名收入、财政收入和产业结构水平明显高于中西部；制度、历史和区位、国家政策、基础设施、市场意识等诸多因素导致了中国区域经济发展差距产生和扩大；区域经济发展差距具有两面性，会对经济社会产生积极和消极的影响，所以要优化区域产业结构和布局，建立和完善区域协调发展机制，从而缩小区域经济发展差距。 关键词：区域经济发展差距影响对策 一、中国区域经济发展差距的特征 1、经济总量差距明显 2、产业结构水平东部领先 3、地区间居民收入差距悬殊 4、地区财政收入比重不平衡 二、中国区域经济发展差距的形成原因 1、历史基础：区域经济发展水平的历史差异，是构成区域经济发展水平现实差距的重要因素之一。 2、区位条件: 区位条件是指一个地区与周围各种社会经济事物关系的总和，包括位置关系、地域分工关系、地缘政治关系、地缘经济关系以及交通、信息关系等。区位条件作为经济区域的成长基础，是一种重要的经济资源，它在实现工业化和经济起飞过程中，起着十分重要的甚至决定性作用。 3、制度因素:中国的改革，发展了市场经济，也同时造成了富裕的城市和东部地区更加富裕，贫穷的农村和西部地区更加贫穷，贫富差距进一步扩大。 4、政策倾斜效应: 政策的倾斜是中国区域经济发展不平衡的主要原因。 5、人力资源差异: 区域间人力资源差异是区域经济社会发展存在差异的另一个重要原因。有思想文化因素和教育共同组成的人力资源是区域发展的基础条件。应当看到，中国东、中、西部地区以及城市与农村之间，由于历史和现实的种种原因，思想文化和教育存在着较大差异。 6、基础设施：一个地区基础设施的发展水平直接或间接地影响生产部门的成本和效益。当前，我国地区之间的基础设施建设极为不平衡，中西部地区的基础设施建设远远落后于东部地区，不仅制约了中西部地区经济的发展，也限制了外来资本进入中西部地区。 7、市场意识：东部地区改革开放的思想观念相对超前，市场意识较为浓厚。中西部地区原有的经济发展水平较低，在市场化的进程中具有起点低、起步晚、进展慢的特点。市场意识淡薄，是制约中西部地区经济发展的又一原因。 三、中国区域经济发展差距对宏观经济的影响 1、积极影响：（1）区域经济一定程度的发展差距是社会经济发展的动力源泉； （2）区域经济发展的差距是区际竞争与合作的基础； （3）区域经济发展的差距给落后地区造成一种压力； （4）存在一定程度区际差距有利于形成一种经济势差，使经济发达地区推动整个国民经济快速高效的发展； （5）适度的区域经济发展差距促使沉淀的生产要素流动起来，实现最优配置。 2、消极影响：（1）区域经济发展差距过大，会制约国民经济的总体发展和可持续发展。