研究领域：发展经济学
广东工业产业知识溢出效应SUR空间经济计量分析
吴梅1龙志和1林光平2
（1.华南理工大学经济与贸易学院，广东广州510640
2.美国波特兰州立大学，俄勒冈州，美国97207）
摘要：知识溢出是造成产业集聚的重要原因之一，但国际学术界对区域经济结构如何影响知识溢出的扩散,并最终推动产业发展的看法并不一致。本文采用广东省2000—2006年21个地区30个产业面板数据，使用SUR空间经济计量方法对各地区工业中知识溢出效应进行实证研究。结果表明，在考察期广东省各地区工业产业间存在MAR溢出效应及Jacobs 溢出效应，没有明显的证据表明存在Porter外溢效应。
关键词：工业产业知识外溢SUR空间经济计量模型
中图分类号：F061.5文献标识码：A
Among
SpilloversAmong Spatial Econometric Analysis of Knowledge Spillovers
Industries in Guangdong China
Mei Wu1Zhi-He Long1Kuan-Pin Lin2
（1.School of Economics and Commerce,South China University of Technology,Guangzhou, China,510640
2.Department of Economics,Portland State University,Portland,Oregon USA,97207)
Abstract:Knowledge spillovers are important reasons for industrial clustering.However,the international academic community doesn’t share the same opinion on how the regional economic structure affects the proliferation of knowledge spillovers and ultimately to promote industrial https://www.doczj.com/doc/f216101645.html,ing industrial production panel data of30industries across21counties in Guangdong province from2000to2006,we study the effects of knowledge spillovers by SUR Spatial Econometric model.MAR effect and Jacobs effect are found in the industries across regions.And there is no evidence that the emerging effect of Porter spillover is consistent with the economic development of the regions.
Keyword:Industry;Knowledge Spillovers;SUR;Spatial Econometric Models
广东工业产业知识溢出效应SUR空间经济计量分析
吴梅1龙志和1林光平2
（1.华南理工大学经济与贸易学院，广东广州510640
2.美国波特兰州立大学，俄勒冈州，美国97207）
摘要：知识溢出是造成产业集聚的重要原因之一，但国际学术界对区域经济结构如何影响知识溢出的扩散,并最终推动产业发展的看法并不一致。本文采用广东省2000—2006年21个地区30个产业面板数据，使用SUR空间经济计量方法对各地区工业中知识溢出效应进行实证研究。结果表明，在考察期广东省各地区工业产业间存在MAR溢出效应及Jacobs 溢出效应，没有明显的证据表明存在Porter外溢效应。
关键词：工业产业知识外溢SUR空间经济计量模型
一、引言
地理集聚、知识溢出，以及报酬递增间的紧密关联、相互作用，已成为区域经济增长理论研究的重要思想。经济活动呈现局部集中，而非空间上均匀分布，称之为聚集经济。理论观点上，知识溢出是造成产业集聚的重要原因之一，产业地理集聚又有利于知识的溢出和创新，故聚集经济通常被认为是区域经济增长的重要动力。
在区域经济及产业经济文献中，知识溢出有两组学术讨论和争论的概念：其一是知识溢出至少包括产业内溢出和产业间溢出两种类型，即由从马歇尔(Marshall，1890)发端，经阿罗(Arrow，1962)和罗默(Romer，1986)延续的产业内溢出理论，称之为MAR溢出。另外一种是以20世纪60年代末简·雅各布(Jacobs，1969，1985)对地方多元化产业间知识溢出的研究成果。她认为多元化的产业结构更有利于地方竞争力和创新，被称为Jacobs溢出。与此相对应，MAR溢出与产业地方性集聚、Jacobs溢出与城市化集聚一脉相承，成为解释空间集聚和城市发展动力的重要概念(李青，2007)。其二是区域竞争或垄断对知识溢出外部性的影响。MAR外部性理论认为区域竞争对创新和经济增长不利，垄断有利于创新和经济发展；Jacobs外部性理论则相反，认为区域竞争刺激企业的创新从而促进了经济增长；波特(Porter，1990)提出了一种类似MAR外部性的理论，即Porter外部性。他认为知识在特殊的聚集产业内溢出刺激经济增长，强调区域竞争而不是区域垄断促进了创新的实施和应用。
大量实证研究表明，工业产业发展中存在不同的知识溢出类型。本研究使用广东省2000
—2006年21个地区30个产业的面板数据，采用空间经济计量分析技术，力图揭示随经济发展，广东省工业产业中知识溢出效应作用的变动规律。
本文安排如下，第二部分为相关文献综述，第三部分介绍面板数据空间经济计量模型和面板数据SUR空间经济计量模型，第四部分是本研究采用理论模型、数据及实证结果，第五部分是结论。
二、文献综述
尽管知识外溢的研究与争论一直是理论界的热点，直到1992年Glaeser et al.才首次用实证的方法对知识外溢效应进行研究。Glaeser et al.(1992)选择了三个不同的变量分别刻画产业的专业化、多样化和竞争性水平，通过对美国1956-1987年170个城市六个最大产业部门就业人数的增长数据的影响，考察知识溢出对区域经济的作用。结果表明，在促进就业人口增长的因素中，存在明显的Jacobs外溢性和Porter外溢性，不存在MAR外溢性。随后，Henderson et al.（1995）做了类似的研究，用1970-1987年美国224个城市八个制造业部门的数据进行研究，结果发现传统产业中存在MAR溢出性，高新技术产业中同时存在Porter外溢和MAR外溢。
近年，有关这个领域的研究文献逐渐增多，但是有关知识溢出外部性实证研究文献几乎都集中于西方发达国家。比如，Cainelli和Leoncini(1999)、Paci&Usai(2000，2005)、Ron& Simona（2007）研究了意大利的知识溢出状况。Maurel（1999）、Combes et al.（2000）、Massard and Riou(2002)等对法国的知识溢出进行了相关研究；Partridge and Rickman(1999)、Feldman and Audretsch（1999）、Rosenthal and Strange(2003)、King et al.(2003)利用美国的相关数据进行了研究。Van der Panne(2004)、Boschma and Weterings(2005)、Frenken et al(2007)、Louw et al.(2007),De Groot et al.(2008)对荷兰也进行了类似研究。Staber(2001)、Christoph Alsleben(2005)研究了德国工业产业知识溢出状况；Andersson et al.(2005)利用瑞典数据进行了相关研究，等等。这些研究主要围绕着就业人口、专利和技术创新，以及工业增加值等，考察产业增长是如何受三种知识外溢影响。
文献中，有关亚洲国家的相关研究相对较少。Sj?holm(1999)以印度尼西亚各省的工业为研究对象，发现存在显著的Jacobs外溢，但找不到证据说明存在MAR外溢和Porter外溢。Dekle(2002)以日本各县为单位进行了相关研究，发现金融、服务和批发及零售行业存在显著的MAR外溢的负影响，制造业行业却不存在明显的知识外溢效应。Kyoung-Hwie Mihn （2004）、Lee et al.(2005)对韩国制造业部门进行实证分析：前者对制造业部门分别从地区
和按产业两个角度入手，同时发现了MAR 外溢和Jacobs 外溢。Sonobe and Otsuka (2006)研究了1976－1996年台湾各镇区的制造业产业的知识溢出，结果不支持任何一种溢出效应存在，等等。
关于我国同类知识溢出研究的文献国际上有三篇：Mody and Wang(1997)采用1985-1989年中国沿海7个省份23个产业数据，研究发现MAR 外溢的负向影响和Porter 外溢的正向影响。Ce′cile BATISSE （2002）采用1988-1994年中国29个省份30个制造行业数据，发现全国范围及沿海省份和内地省份都存在MAR 外溢的负向影响和Jacobs 外溢的正向影响，只有在沿海省份发现Porter 外溢的正向影响。Zhang and WU (2008)采用2006年全国2807个县161个产业的数据研究，发现存在MAR 外溢和Jacobs 外溢效应,且对于经济市场化水平较高和高科技产业，多样化所带来的外溢效应更显著。此外，国内文献中大多数学者都是用定性的方法对三种知识溢出进行分析，仅有龙志和、蔡杰（2006）采用中国1999-2003年间30个省市（不包括西藏）及25个产业的面板数据，对各省区经济结构与产业发展关系作实证研究，结果表明无论从全国还是分东、中、西部三个经济带，产业发展均不存在MAR 溢出效应及Jacobs 溢出效应，但在全国及东部地区存在显著的Porter 溢出效应。
综上，可以看到现有研究中有一个共同点，就是知识溢出的空间相关性被忽略①。事实上，知识溢出与地区之间、产业之间的空间联系密不可分。由于分析技术方面的困难，已有研究中将区域或产业通常作为相互独立体，不考虑区域及产业间潜在的相互作用对知识溢出的影响。本研究尝试采用空间经济计量技术，采用面板数据SUR(seemingly unrelated regressions)空间经济计量模型进行实证研究，考察当区域间的相互影响不仅地理上相关，同时在时间上也相关时广东工业产业中的知识溢出效应。
三、面板数据及面板数据SUR 空间经济计量模型简介
3.1面板数据空间经济计量模型
空间计量经济学基本思想是将地区或机构间的相互关系引入模型。例如，对经典截面线性回归模型（3-1）通过一个行标准化对角为０的空间权重矩阵W 进行修正：
（3-1）
y X βε=+空间经济计量模型主要分成两种：一种是空间滞后模型(Spatial Lag Model,SLM)，
y Wy X λβε
=++①
国内文献中，仅见王铮等(2003)、许箫迪等（2006）、苏方林（2007）、朱美光(2007)等讨论过知识溢出的空间特性，但是研究重点多见于从经济地理学角度研究知识溢出强度的空间衰减性和知识溢出的空间路径等，鲜有对产出影响的实证分析。
或(3-2)
()I W y X λβε?=+另一种是空间误差模型(Spatial Error Model,SEM)：
y X u
u Wu βρε
=+=+或（3-3）
1()y X I W βρε?=+?其中，是空间误差自相关系数，是空间滞后因变量系数，是白噪音干扰项。ρλε面板数据空间经济计量模型的思想与此相同。Anselin （1988）和Elhorst （2003）等在传统的面板数据模型中，引入空间滞后误差项或空间滞后被解释变量，提出面板数据空间经济计量模型。具体而言，空间面板数据模型划分为空间固定效应模型和空间随机效应模型，每一种模型下又包含空间滞后模型和空间误差模型。
对于同时包含空间维度和时间维度的面板数据除了空间相关性以外，可能存在时间上的相关性，在模型中考虑时间维度会大大增加描述的复杂性，但综合时间空间的模型在实际工作中非常有用。在经典的经济计量学中，这是综合截面和时间序列数据的情形。如果数据不存在空间相关，则可以采用经典的面板数据模型。在空间经济计量模型中，可考虑两种方法引入时间因素：其一，动态模型，将时间变化设为因变量的滞后变量引入模型。这种方法在文献中已经受到了广泛的关注。其二，空间似不相关回归模型，即SUR 模型(seemingly unrelated regressions model )。考虑不同截面的数据在不同时间段存在有相关性，允许截面误差项在时间上存在相关性。这种方法对时间相关的结构较少的限制，也就是在传统的SUR t ε模型中引入空间，称为SUR 空间经济计量模型(Anselin,1988a,Chap.10;and Anselin,1988b)。在经济分析中采用此模型时，各方程之间不独立，各个方程的误差项之间存在相关性。这样，研究中不仅考虑了地区之间的空间相关性，同时还考虑了考察时段内各地区之间的相关性在时间上存在相关。不过，从文献上看，尽管Anselin 很早就提出了空间SUR 模型的思想，但是相关的研究鲜见，经济实证研究几乎没有。
如上文介绍，经典空间经济计量模型有两类：模型（3-2）所示的面板数据空间滞后模型和模型（3-3）所示的面板数据空间误差模型。面板数据SUR 空间计量模型也同样的包括有两类：
1）面板数据空间滞后SUR 模型：
[]it t t it it t it
y Wy X λβε=++
其中，，2[]it t Var εσ=2[]it is ts
E εεσ=具体而言，每个时间t=1，…，T ，空间滞后SUR 模型各截面回归模型的形式如下：
111111
y Wy X λβε=++222222
y Wy X λβε=++………
T T T T T T
y Wy X λβε=++其中，，。可以将上述方程写成迭代形式：
'[]N E EE I =Σ?'[]ts t s E σεε=，n n n n Y X B Y E ?
=+Λ+'[]N
E EE I =Σ?其中，，，1,,(,...,)n n t n Y y y =1,,(,...,)n n k n X x x =1,,(,...,)n n t n E εε=，表示每第方程中的维的,1,,,(,...,),,1,...,n n j n n t n j n Y y y y W y j t ????
===,j n y j 1n ×向量观测值，表示第个外生变量的维观测值，表示每第方程中的维的,l n x l 1n ×,j n εj 1n ×误差向量，是一个维的权重矩阵，，则是相应的系数矩阵，，维数分别n W n n ×B Λβλ为，。
k t ×t t ×2）面板数据空间误差SUR 模型：it it t it
y X βε=+,[]it t i t it
W u ερε=+其中，，2[]it t Var u σ=2[]it is ts
E u u σ=具体而言，对每个时间t=1，…，T ，空间误差SUR 模型各截面回归模型的形式如下：
11111111
,y X u u Wu βρε=+=+22222222
,y X u u Wu βρε=+=+………
,T T T T T T T T
y X u u Wu βρε=+=+其中，，。上述方程的迭代形式如下：
'[]E EE I =Σ?'[]ts t s E σεε=n n n
Y X B U =+
，n n n U U R E ?=+'[]E EE I
=Σ?其中，同空间滞后模型一样，，
，1,,(,...,)n n m n Y y y =1,,(,...,)n n k n X x x =，，，
1,,(,...,)n n m n E εε=1,,,,(,...,),,1,...,n m n j n n n j n U u u u W u j m ????===1()m
j j R diag ρ==与前述定义相同，表示每第方程中的维的向量观测值，表示第个外生变量,j n y j 1n ×,l n x l 的维观测值，表示每第方程中的维的误差向量，是一个维的权重1n ×,j n u j 1n ×n W n n ×矩阵，误差项之间存在空间自相关，R 则是相应的系数矩阵，表示每第方程中的ρ,j n εj 维的误差向量。
1n ×面板数据SUR 空间经济计量模型的估计可以通过最大似然（ML ）法，两阶段最小二乘估计（2SLS ），广义矩估计（GMM ）法等方法进行估计。本研究中采用最大似然法ML 进行估计。
四、实证研究
4.1．理论模型的确定及数据来源和说明
本研究理论模型的出发点是柯布－道格拉斯生产函数（C —D 生产函数）：
(4-1)
,,,,,,,,i j t i j t i j t i j t Y A L K αβ=式中，Y 代表工业产业增加值，L 表示劳动，K 表示资本，A 代表技术水平，i 代表某个区域，j 代表某个产业，t 代表时间。
将方程（4-1）两边取对数可得：
(4-2)
,,,,,,,,ln ln ln ln i j t i j t i j t i j t Y A L K αβ=++知识外溢包括MAR 外溢、Jacobs 外溢和Porter 外溢，实证模型就转化成如下形式：
(4-3)
,,1,,2,,3,,4,,5,,,,,ln ln ln i j t i j t i j t i j t i j t
i j t i i j i j t Y L K spec divi comp ααααααλε=+++++++其中，Spec 变量代表某地区某产业的专业化水平，用来衡量MAR 溢出，结合前人的研究经验，本文指标采用以下计算公式：
(4-4),,,,,,,,i j t i t i j t n j t n t VA VA spec VA VA =
其中，表示t 时期全省产业j 的工业增加值总和，表示t 时期区域i 产业,,n j t VA ,,i j t VA
j 的工业增加值，表示t 时期区域i 所有工业增加值总和，表示t 时期全省所有工
,i t VA ,n t VA 业增加值总和（以下指标中相同变量意义相同）。该公式是个相对指标，能较为客观地比较不同产业间的专业化水平。如果spec 的值大于1，那么认为t 时期区域i 产业j 的区域集中度较高，根据MAR 外溢理论，该区域产业的知识外溢更为活跃，更有利于该产业的发展。
Divi 表示产业多样化，用来衡量Jacobs 外溢，该指标根据标准化的赫芬达尔（Herfindhal ）指数来计算产业多样化程度：
(4-5)
,,2,,()1/,,,2,,()1/,,,i j t J VA i j t VA VA i t i j t j j divi J VA n j t VA VA n t n j t j j ′∑?′≠=′∑?′≠该公式同样是一个相对指标，值越大说明该地区该产业所面临的产业环境越多样化。根据Jacobs 外溢理论，产业的多样化环境与产业发展呈正相关关系。需要指出的是，这个指标反映的是t 时期产业j 在区域i 所面临的产业多样化环境，它的值越高并不意味着t 时期产业j 在区域i 的产业集中度越低。
Comp 是描述产业竞争性的指标，用来衡量Porter 溢出，即计算某个产业内部的市场竞争程度，考虑到指标的可获得性等因素，本文采用以下计算公式：
(4-6)
,,,,,,,,,,//i j t i j t i j t n j t n j t NUM L comp NUM L =其中，指t 时期i 地区从事产业j 的企业个数，表示t 时期全省从事,i j NUM ,n j NUM 产业j 的企业个数。指t 时期i 地区从事产业j 的员工个数，表示t 时期全省从事产,i j L ,n j L 业j 的员工个数，该值越大，说明t 时期i 地区j 产业所处的市场环境竞争越激励。根据Porter 外溢理论，竞争程度越高对产业发展及创新更为有利。
考虑到一个地区某产业的产出可能还会受到一些其他外生因素的影响，本研究中还引入了控制变量，即各地区的人均GDP 水平指标(PGDP)。具体的实证估计模型如下：
,1,2,3,4,5,ln ln ln i j i j i j i j i j i j Y L K spec divi comp ααααα=+++++
(4-7)
6,,,,ln i t i i j i j t PGDP ααλε+++其中，为模型误差，，为模型的固定效应或随机效应，具体判断将依据豪,,i j t εi α,i j λ斯曼（Hausman ）检验来决定固定效应模型与随机效应模型的取舍。系数、、、、
1α2α3α4α
、代表了影响产业产出的诸要素的系数值。由于资本与劳动的投入是产业发展的主要5α6α源泉，、的预期值将为正。如果存在MAR 外溢，预期为正值。如果有Jacobs 外溢，1α2α3α预期为正值。如果竞争更有利于促进经济增长，预期为正值。
4αα5本研究采用广东省2000－2006年广东省21个地区30个工业产业的面板数据②，对各地区工业产业中知识溢出效应做实证研究。研究数据均来源于各年《广东工业经济统计年鉴》③。同时，本研究以1990年为基期，通过全省的工业生产指数把工业增加值折算为1990年的不变价格水平表示的实际值。本研究计算采用GPE2/Gauss 7.0软件(Lin,2001)。研究中采用的估计方法是面板数据空间SUR 模型，为了估计的简便，实证中，将30个产业的数据视为混合数据，每一时间下的各个地区所有产业的观测值数据作为一个整体，这样上述的三维面板数据就转换成了一个二维面板数据。
4.2．面板数据SUR 经济计量模型回归结果
首先，根据原始数据对经典的面板数据模型（4-7）（未考虑空间相关性模型）进行估计。考虑到不同时段各个地区之间，可能会存在有时间上的联系。研究中，对每一地区各产业的2000－2006年7年的回归方程进行了联立。估计结果如表1所示。
表1面板数据SUR 空间模型估计结果
注：方格中第一个数是系数估计值，第二个数是T 统计值；**,*表示在5%和10%显著性水平上不显著。
下同。通过表1不难发现，各时期劳动、资本、专业化水平及多样化水平及各地区的人均GDP 的系数估计值显著，但是竞争性水平估计不显著。为此，在上述估计面板SUR 模型估计的基础上，针对各时期模型估计的残差进行检验。从表2可见，除了2003年Moran’s I 统计量值在10％的显著性水平下显著外，其他各个时期Moran’s I 统计量值都在5％的显著性水平下显变
量
LnL LnK SPEC DIV COMP LnPGDP 估
计
值
0.6539447.185220.4993451.555420.0575888.8947240.243924.8004418.1862e-0050.551111-0.075299-2.38492②21个地区包括广州，深圳，珠海，佛山，江门，肇庆，东莞，中山，惠州，汕头，韶关，湛江，茂名，梅州，汕尾，河源，阳江，清远，潮州，揭阳，云浮。其中前9个地区属于珠三角区域。
③由于国家统计局2004年起按新的《国民经济行业分类》标准，2004年的工业经济数据与之前的统计口径又有所变化，相关的数据不具有可比性。为保证产业分类的统计数据一致性，在广东省统计局的帮助下，本研究将2004年前后两个时间段的数据进行了统一，采用2004年以前的统计标准对数据进行了重新的整理，形成了一套完整的数据。
著，说明各时期模型都存在明显的空间相关性问题。也就是说，由于存在空间相关性的情况下，原估计量是有偏，或者是无偏但非有效。因此，对地区间知识溢出进行研究时，需要在模型中引入空间相关性。在两类常系数空间自相关回归模型(空间滞后模型和空间误差模型)中，空间滞后模型(SLM)主要关注空间交互的存在性和强度(符淼,2008)，研究各变量在地区间的是否存在扩散(吴玉鸣,2005)、集聚效应。鉴于此，可以预测应将SLM 模型作为合适的修正模型。为此，进一步比较针对模型估计残差的LM-Lag 和LM-Error 检验，发现LM-Lag 检验统计上显著，根据Anselin et al.(2004)提出的判别准则④，故空间模型的形式考虑选择空间滞后模型，这同时也印证了我们之前的预测。
表2各时期方程的空间相关性检验
4.3．面板数据SUR 空间经济计量模型回归结果
本文采用地区之间的距离的倒数作为权重矩阵中对应的元素，亦即：和，其中，代表空间权重矩阵中所对应的元素，代表两个地,1i j ij
w d =,0i i w =,i j w ij d 区之间的距离，为了规范，研究中采用通过两个地区经纬度坐标计算出来的距离。从表3可见，表示空间相关性的系数估计值SPLAG 显著，即不同地区之间的工业发展对周围临近地区的工业发展具有正向溢出影响，充分说明在原模型中引入空间相关性的必要。2000年
2001年2002年2003年Moran’s I
-0.0092106-5.6624-0.0096912-4.4574-0.0047379-1.9551-0.0038547**-1.3755LM-error
P-值
0.957160.327900.00476110.944990.836040.360530.000320210.98572LM-lag
P-值9.01520.0026775
9.56730.00198089.21180.0024046 5.01460.025*******年
2005年2006年’s I -0.0070150
-3.0311
-0.0060970-2.8875-0.0086721-3.9243P-值0.64693
0.42121
0.745990.387750.00818100.92793P-值
5.5600
0.018375 5.63210.01763412.3160.00044902④Anselin 等(2004)指出，如果LMLAG 较之LMERR 在统计上更加显著,则可以断定适合的模型是空间滞后模型;相反,如果LMERR 比LMLAG 在统计上更加显著,则可以断定空间误差模型是恰当的模型。
表3面板数据SUR 空间模型估计结果
进一步，比较表1和表3，可知无论是传统的面板SUR 模型，还是考虑空间效应的面板SUR 模型，两者的估计结果从符号上来说没有太大的差异，但是具体的估计数值上却有所不同：
1）劳动和资本对产出的贡献弹性都为正，并且系数估计值相对较大，说明劳动与资本对广东工业产业的发展起着显著的作用，同时劳动的产出弹性大于资本的产出弹性，显示广东工业增长中劳动的贡献大于资本。
2）人均GDP 指标的估计系数显著为负，显示经济越发达的地区工业产业的发展相对较慢，即广东各个地区产业增长中存在“条件收敛”现象(Barro and Sala-i-Martin ,1995)。
4）专业化溢出效应的系数估计都显著，且考虑空间相关性之后，估计值相对提高。说明同产业内的知识扩散明显的随着地区间经济交流的增加和复杂化而提高。即从广东全省层面上看，某产业集中度越高，越有利于促进知识在同产业内企业间扩散。可能的原因在于，高集中的产业环境可以给企业带来正效应：首先是共享的劳动力市场；其次是投入与产出市场集中，大量的同行业的企业集聚，会吸引原材料供应商和顾客群体，减少企业的交易费用；最后，行业内信息网络的建立和共享，减少同行业内的交流和交易的成本，有利于企业之间非正式的知识溢出。这与广东省内出现的众多企业集群的实际经济现象相符合。
5）从多样化指标DIV 指标看，首先，无论考虑空间相关性与否都是显著为正，并且数值较大，明显大于其他两种外溢效应。说明广东省工业产业的知识溢出不仅在同产业内存在，更存在于不同行业中，多样化的产业发展环境对知识溢出有明显促进作用。地理集聚企业的多样性与差异性促进了企业的创新，不同的产业空间集聚产生了互惠的影响。但是，随着地区相关性的引入，Jacobs 知识溢出效应减小，可能的原因在于不同地区间空间联系的加强，地区间的知识溢出取代了地区内部不同产业之间的知识溢出；
6）对于竞争性COMP 指标，无论考虑空间相关与否，本研究都没有发现竞争性环境对知识溢出的促进作用。
五、结论
在考虑了产业间的空间相关性后，本研究结果发现，在广东省的整体工业发展过程中，
变
量
LnL LnK SPEC DIV COMP LnPGDP SPLAG 估
计
值0.6524945.2660.4908949.6370.0641209.65350.137922.75668.1584e-005*0.54328-0.20853-10.4190.2117812.442
Jacobs外溢性效应对区域产业发展起主导作用；MAR外溢性次之；并不存在Porter外溢效应。从知识溢出角度考虑，本研究的政策建议是，现阶段应侧重于鼓励走多样化的产业发展战略，走多元化经济发展之路。同时，应鼓励产业专业化的发展，即应充分发挥本地区资源、劳动力、市场、政策优惠等比较优势，大力发展全省范围内集聚程度较高的专业性产业。
本研究利用新近数据，对广东省工业产业知识溢出效应进行了实证分析，尤其是将地区间空间相关性引入了面板数据SUR模型的分析当中，补充完善了已有研究的不足。进一步的研究方向可以考虑时变系数的面板数据SUR模型空间经济计量技术，考察地区间和产业间的相互作用同时随着时间变化时对区域知识创新与扩散的影响。
参考文献
[1]Anselin,L.(1988a).Spatial Econometrics:Methods and Models.Kluwer Academic Publishers,Dordrecht,The Netherlands.
[2]Anselin,L.(1988b).A test for spatial autocorrelation in seemingly unrelated regressions.Economics Letters,28:335–341.
[3]Baltagi,B.H.,Egger,P.,Pfaffermayr,M.,.Estimating Models of Complex FDI:Are There Third-Country Effects?[R]Texas A&M University,unpublished manuscript,2005.
[4]Ce′cile BATISSE.Dynamic externalities and local growth A panel data analysis applied to Chinese provinces[J].China Economic Review13,pp.231–251,2002.
[5]Elhorst P.J.Specification and Estimation of Spatial Panel Data Models[J].International Regional Sciences Review,2003,26(3):pp.244-268
[6]Frenken,K.,F.G.van Oort and T.Verburg.Related Variety,Unrelated Variety and Regional Economic[J], Regional Studies,2007,41,pp.685-697.
[7]Friso de Vor and Henri L.F.de Groot,Agglomeration Externalities and Localized Employment Growth[R]，inbergen Institute Discussion Paper,VU University Amsterdam,and Tinbergen Institute,2008.
[8]Glaeser,E.L.,Kallal,H.D.,Scheinkman,J.A.,&Schleifer,A.Growth in cities[J].Journal of Political Economy,
1992,100,pp.1126-1152.
[9]Henderson,V.Kuncoro,A.&Turner,M.Industrial development in cities[J].Journal of Political Economy,1995,
103,pp.1067-1090.
[10]Mody,A.and F.Y.Wang.Explaining Industrial Growth in Coastal China:Economic Reforms...and What
Else?[J],World Bank Economic Review,199711,pp.293-325.
[11]Kyoung-Hwie Mihn.An Analysis of Agglomeration Economies in the Manufacturing Sector of Korea[J]. KIET Occasional Paper,2004,No.56.
[12]Lee,B.S.,K.Sosin and S.H.Hong.Sectoral Manufacturing Productivity Growth in Korean Regions[J], Urban Studies,2005,42,pp.1201-1219.
[13]Louw,E.and Y.Bontekoning.Planning of Industrial Land in the Netherlands:its Rationales and Consequences[J],Tijdschrift voor Economische en Sociale Geografie,2007,98,pp.121-129.
[14]Raffaele Paci,Stefano Usai.Agglomeration economies and growth in Italian local labour systems.1991-2001 [J].PRELIMINARY VERSION,May2005.
[15]Ron Boschma*&Simona Iammarino.Related variety and regional growth in Italy[R],Science and Technology Policy Research(SPRU)Electronic Working Paper,2007,No.162.
[16]Sonobe,T.and K.Otsuka.The Division of Labor and the Formation of Industrial Clusters in Taiwan[J], Review of Development Economics,2006,10,pp.71-86.
[17]Sj?holm,F.Productivity Growth in Indonesia:The Role of Regional Characteristics and Direct Foreign Investment[J],Economic Development and Cultural Change,1999,47,pp.559-584.
[18]ZHANG Mingqian and WU Yilin,Impact of agglomeration spillover in spatial difference of innovation activities—panel data analysis of China manufacturing industry[R]，Micro Evidence on Innovation in Developing Economies Conference Papers,2008.
[19]Lin,https://www.doczj.com/doc/f216101645.html,putational Econometrics:GAUSS Programming for Econometricians and Financial Analysts[M], ETEXT Publishing,Los Angles,2001.
[20]Harry H.Kelejian,Ingmar R.Prucha.(2004).Estimation of simultaneous systems of spatially interrelated cross sectional equations[J].Journal of Econometrics,118,295-313.
[21]Kelejian,Harry H.and Prucha,I.(1999).A generalized moments estimator for the autoregressive parameterina spatial model.International Economic Review,40:509–533.
[22]Lee,L.-F.(2003).Best spatial two-stage least squares estimators for a spatial autoregressive model with autoregressive disturbances.Econometric Reviews,22:307–335.
[23]蔡杰,龙志和.知识动态溢出对产业发展的影响——来自中国省级面板数据的证据[J]，南方经济，2006，(4)。
[24]苏方林.中国省域R&D溢出的空间模式研究[J]，数量经济技术经济研究，2007，(2)。
[25]王峥、马翠芳、王莹、翁桂兰.区域间知识溢出的空间认识[J]，地理学报，2003，(5)。
[26]许箫迪、王子龙、李晓雯.区域知识溢出的集群效应研究[J]，财贸研究，2006，(2)。
[27]李青.知识溢出：对研究脉络的基本回顾[J]，《数量经济技术经济研究》，2007，(6)。
[28]朱美光.基于区域知识能力的空间知识溢出模型研究[J]，软科学，2007,Vol21.(2)。
[29]符淼省域面板数据的空间计量分析[J].研究与发展管理，2008(6)，106-112。
联系方式：
联系人：吴梅
通讯址：广州市五山华南理工大学工商管理学院邮编：510640
电话：020－31664316（O），139********（M）
E-mail:wumei@https://www.doczj.com/doc/f216101645.html,