江苏县域经济要素关系及演化过程的分位数回归_柯文前

分位数回归下的区域经济差异研究引言区域经济差异是各国经济发展过程中的普遍现象，我国各地区经济发展的同时也伴随着地区间经济发展的差异性。

十九大报告指出我国社会当前的主要矛盾为“人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾”，地区间经济发展水平的差异即不平衡性的加剧，会引发一系列的社会和政Z矛盾，成为制约我国经济健康持续协调发展的关键问题。

如何均衡发展地区间的经济，实现缩小区域经济发展差距、促进区域经济协调发展，已经成为我国政F关注的焦点。

要解决好这一问题，只有弄清地区间经济发展差异的程度、趋势和形成机制，才能提出有针对性的解决方案。

本文旨在对我国地区间经济发展水平的差异性进行测度，并在此基础上探究影响地区经济差异的因素，从而为缩小地区间差异、促进区域经济协调发展提供政策建议。

对于改革开放以来我国区域经济差异的测度及影响因素的研究，近年来得到很多学者的关注。

测度的研究主要集中在两个方面：一是测度的方法。

多数学者利用标极差、标准差、变异系数、基尼系数和泰尔指数等测度区域经济的差异；考虑到区域经济差异的空间异质性，也有一些学者将空间因素引入测度模型中，利用测度分解公式对差异进行不同角度的分解。

二是测度的视角。

大部分学者对我国省际及东中西三大区域的差异进行测度分析并进行比较。

在影响因素的研究方面，资本投入、劳动力转移、技术创新、制度变迁、产业结构等都是热点研究对象，同时区位因素、城市化因素、经济开放程度、初期收入、人口增长率、储蓄率、受教育水平、失业率等也是近年来备受关注的重要因素。

在实证分析方法上，面板数据模型、短面板动态空间误差模型、地理加权回归分析方法是普遍采用的方法。

从目前的研究成果来看，研究视角多采用传统的东中西三大区域，而没有结合我国新时代经济政策特征进行区域的划分；研究方法上只得到了影响因素对于差异影响的大小，而没有因素随差异变化的变化趋势。

据此，本文将采用五区域视角，利用分位数回归模型，对区域经济差异的大小及影响进行动态分析。

由表 2 可知，随着 τ 取值逐渐变大，自变量 X 的回归系数 β 也逐渐递增，变化范围从 0.34336 到 0.709066， 全距为 0.365706。在 0.05 的分位数上， 每 增加 1 个单位的 X， Y 增加 0.343360 个单位；而在 0.95 的分 位数上，每增 加 1 个单位的 X， Y 增加 0.709066 个单位。因变量 Y 从低水平到高水平， 自 变量 X 所起的作用越来越大。
2009 年
由图 2 可知， 从右下方到右上方， 随着取值逐 渐变大， 7 条 QR 曲线的斜率逐渐增大， 其间的间隙 先宽后窄， 间隙较宽说明两条分位数回归曲线间的 数据比较稀疏， 间隙较窄说明两条分位数回归曲线 间的数据比较密集。另外， OLS 曲线为图中的虚线， 中位数曲线为图中的粗实线， 中位数曲线位于 OLS 曲线的上方说明食品支出的数据是右偏分布， 而非 在异方差情形下， QR 比 OLS 能够 正态分布。可见， 提供更多有用的信息。
3.2 同方差情形下 QR 与 OLS
但从 y 和 x 观测值的散点图 （见图 2 ） 可以发现 数据中存在异方差。在上式回归的基础上， 做 White 检验。 因为 TR =176.1140>x
2 2 0.05(）
为克服异方差， 对和同取对数， 得到两个新变 量和。 利用 Eviews 6.0， 其中普通最小二乘法估计的 线性模型如下： LnY=0.571425+0.851879LnX （41.99496 ） R =0.8833 F=1763.577 利用 Eviews 6.0， 在 τ 值依次为 0.05、 0.1、 0.25、 0.5、 0.75、 0.9、 0.95 处做分位数回归，得到一组回归 方程和曲线， 其结果如下：

基于空间⾃相关的江苏省县域经济实⼒空间差异研究基于空间⾃相关的江苏省县域经济实⼒空间差异研究作者：黄飞飞，张⼩林，余华，崔开俊， HUANG Fei-fei， ZHANG Xiao-lin， YU Hua， CUI Kai-jun作者单位：南京师范⼤学地理科学学院,南京,210046刊名：⼈⽂地理英⽂刊名：HUMAN GEOGRAPHY年，卷(期)：2009，24(2)被引⽤次数：0次参考⽂献(30条)1.江苏省地图集 20042.魏后凯现代区域经济学 20063.李⼩建.乔家君20世纪90年代中国县际经济差异的空间分析[期刊论⽂]-地理学报 2001(02)4.罗仁福.李⼩建.覃成林中国省际经济趋同的定量分析[期刊论⽂]-地理科学进展 2002(01)5.欧向军.沈正平.朱传耿江苏省区域经济差异演变的空间分析[期刊论⽂]-经济地理 2007(01)6.欧向军.陈修颖改⾰开放以来江苏省区域经济差异成因分析[期刊论⽂]-经济地理 2004(03)7.管卫华.赵嫒.林振⼭改⾰开放以来江苏省区域空间结构变化[期刊论⽂]-地理研究 2004(41)8.仇⽅道.朱传耿.单勇兵江苏省县域综合实⼒评价及分异特征[期刊论⽂]-地理与地理信息科学 2003(06)9.孔令强.王光玲因⼦分析⽅法在县域经济发展⽔平综合评价中的应⽤[期刊论⽂]-企业经济 2006(08)10.胡良民.苗长虹.乔家君河南省区域经济发展差异及其时空格局研究[期刊论⽂]-地理科学进展 2002(03)11.赵建新论区域经济差异的衡量指标与测度⽅法 1998(03)12.赵光华.丁艳萍陕西省县域经济发展⽔平的差异[期刊论⽂]-长安⼤学学报（社会科学版） 2006(04)13.张敦富.覃成林中国区域经济差异与协调发展 200114.G Carl.I Ku hn Analyzng spatial autocorrelation in species distributions using Gaussian and logit models 200715.Hideo Ezoe.Sayska Nakanura Size distribution and spatial autocorrelation of subpopulations in a size structured metapopulation model 200616.Desislava Rusinova Groowth in transition:Reexamining the roles of factor inputs and geogrraby 200717.Cem Ertur Wilfried koch Regional disparities in the European Union and the enlargement process:an exploratory spetial data analysia,1995-2000 200618.蒲英霞.葛莹.马荣华基于ESDA的区域经济空间差异分析⼀以江苏省为例[期刊论⽂]-地理研究 2005(16)19.潘竟虎.张佳龙.张勇⽢肃省区域经济空间差异的ESDA-GIS分析[期刊论⽂]-西北师范⼤学学报(⾃然科学版) 200620.马晓冬.马荣华.徐建刚基于ESDA-GIS的城镇群体空间结构[期刊论⽂]-地理学报 2004(06)21.陈思源.曲福⽥.曹⼤贵ESDA⽀持下的城市地价分布信息提取[期刊论⽂]-国⼟资源遥感 2006(03)22.张昆.张松林美国马萨诸塞州华⼈空间分布⾃相关研究[期刊论⽂]-世界地哩研究 2007(01)23.<江苏省地图集>编纂委员会江苏省地图集 200424.⽶红.张⽂璋实⽤现代统计分析⽅法及SPSS应⽤ 200425.徐建华现代地理学中的数学⽅法 200226.施⾦龙.吕洁应⽤统计学 200527.鲁凤中国区域经济差异的空间统计分析 200428.孟斌.王劲峰.张⽂忠基于空间分析⽅法的中国区域差异研究[期刊论⽂]-地理科学 2005(04)29.李⼩建经济地理学 199930.王恩涌.赵荣.张⼩林⼈⽂地理学 1999相似⽂献(4条)1.学位论⽂徐佩佩浙江省县域经济差异实证研究2009区域经济差异是各国在经济发展过程中存在的⼀种普遍问题，也是区域经济学研究的核⼼问题。

koenker和bassett提出的分位数回归方法Koenker和Bassett提出的分位数回归方法是一种统计建模方法，专门用于研究依变量在不同分位数处的条件分布。

该方法的核心是通过最小化残差的绝对值来估计条件分位数，从而对整个分布进行建模。

分位数回归的基本思想是通过引入一个分位数水平，将样本分为两个部分：低于分位数水平和高于分位数水平。

然后，针对每个部分分别建立一个回归模型。

这两个模型分别描述了在给定分位数水平下，依变量与自变量之间的关系。

这与传统的普通最小二乘回归不同，因为它关注整个分布而不是均值。

具体来说，Koenker和Bassett提出的分位数回归方法通过优化分位数回归损失函数来估计模型参数。

该损失函数是残差的绝对值与一个分位数相关的权重函数的乘积之和。

通过调整权重，可以选择不同的分位数水平，从而估计整个条件分布。

这种方法在处理偏态数据或存在异方差性质的数据时特别有用，因为它允许对数据的不同分位数进行更灵活的建模，而不仅仅局限于均值。

分位数回归在经济学、金融学和社会科学等领域中得到广泛应用，用于研究因变量在不同分位数下的变化和影响。

分位数回归的起源和发展
分位数回归是一种统计学方法，用于分析变量之间的关系。

它的起源可以追溯到20世纪70年代，当时经济学家Huber和Ronchetti 提出了一种新的回归方法，称为“分位数回归”。

分位数回归的主要思想是通过对数据进行分位数分析，来确定变量之间的关系。

与传统的OLS回归方法不同，分位数回归不仅考虑了数据的平均值，还考虑了数据的分布情况。

这使得分位数回归更加适用于非正态分布的数据。

分位数回归的发展经历了多个阶段。

在20世纪80年代，分位数回归被广泛应用于经济学领域，特别是在劳动经济学和财政政策方面。

在90年代，分位数回归开始应用于其他领域，如医学、环境科学和社会科学等。

随着计算机技术的发展，分位数回归的应用范围也不断扩大。

现在，分位数回归已经成为一种常用的统计学方法，被广泛应用于各个领域。

例如，在金融领域，分位数回归被用于预测股票价格和汇率波动；在医学领域，分位数回归被用于研究药物的剂量和疗效；在环境科学领域，分位数回归被用于研究气候变化和环境污染等问题。

分位数回归是一种重要的统计学方法，它的起源可以追溯到20世纪70年代，经历了多个阶段的发展。

随着计算机技术的不断发展，分位数回归的应用范围也不断扩大，成为各个领域研究的重要工具。

经济论坛Economic ForumMay.2013 Gen.514No.052013年5月总第514期第05期区域之间、区域内部以及省域经济发展存在显著差异，是我国区域经济发展的一个重要特点。

近年来在对区域经济差异问题的研究中，理论和实证研究都有较大突破。

在理论上，空间经济学把空间因素纳入一般均衡理论分析框架，解释了“块状”区域经济的空间分布规律，得出空间非中性的重要结论。

在实证上，国内外学者引入空间数据分析方法，对区域经济差异的空间集聚、空间结构、空间相关性等特征进行了分析，显示了空间因素对区域经济发展差异的重要影响（Rey，1999；Ertur，2006；Maie，2000；Zhang&Felmingham，2002；王晓丹、王伟龙，2011；马晓熠、裴韬，2010）。

改革开放以来，江苏省作为我国经济快速增长且最具活力的省份之一，其区域经济发展差距也迅速扩大，形成了苏南、苏中、苏北经济发展差异明显的区域经济格局。

那么江苏省区域经济发展是否存在空间相关性？区域经济发展差异有什么样的空间统计特点？本文运用探索性空间数据分析方法(ES⁃DA)，选取江苏省13个地级市2001～2010年10年间的人均GDP数据进行空间数据分析，试图更准确地揭示江苏省区域经济的全局和局域空间相关性及空间集聚特征。

一、探索性空间数据分析方法探索性空间数据分析(Exploratory Spatial Data Analysis,ESDA)是空间计量经济学的一个重要分支，主要研究与空间位置相关的空间自相关性（空间依赖性）以及空间差异性。

ESDA本质上是由数据驱动的探索过程，其目的是要揭示对象的空间分布、辨别对象的空间离群点和发现对象的空间关联模式，分析内容包括全局空间自相关和局域空间自相关。

全局自相关是从区域整体上刻画区域活动空间分布的集群情况，通常检验区域变量之间是否存在全局空间相关性，最广泛运用的是Moran指数。

收稿日期：2023-11-08基金项目：国家自然科学基金项目“描述性创新信息披露与企业创新：作用机制与经济后果”（72064001）；东华理工大学研究生创新专项资金项目“经济政策不确定性、创新能力与省域经济韧性”（DHYC-202349）作者简介：周明（1975- ），男，江西吉安人，东华理工大学经济与管理学院教授，管理学博士，研究方向为城市创新、区域创新；钟宇春（2000- ），女，江西赣州人，东华理工大学经济与管理学院硕士研究生，研究方向为区域经济韧性、经济政策。

省域经济韧性的测度、空间格局与动态演进周 明，钟宇春（东华理工大学 经济与管理学院，南昌 330013）摘 要：提升经济韧性水平是谋划未来经济高质量发展的题中之义。

本文基于2012－2021年我国30个省份的面板数据对省域经济韧性发展水平进行测度，并对其空间分布特征及动态演进态势进行研究。

结果表明：（1）2012－2021年我国省域经济韧性水平总体呈现上升趋势，并在东西方向上呈现“强-中-弱”阶梯式递减的空间格局。

（2）省域经济韧性发展水平空间聚集效应显著，主要呈现双高（H-H ）及双低（L-L ）聚集的空间组织模式。

（3）省域经济韧性的发展具有动态复杂性，全国整体、东部地区、中部地区和西部地区经济韧性水平皆呈现上升趋势，但省份之间差异较大。

同时东部地区经济韧性存在轻微的两极分化现象。

因此，各省份应立足于自身的经济发展水平，从抵抗力、恢复力和进化力三方面提升经济韧性水平，同时有效利用与相邻省份地理空间上的临近优势，实现强经济韧性省份与弱经济韧性省份间的优势互补。

关键词：省域；经济韧性；空间分布；动态演进中图分类号：F127 文献标志码：A 文章编号：1672-626X （2024）02-0005-13一、引言当前，中国经济韧性强、潜力大、活力足，长期向好的基本面依然不变。

随着国内外政治、经济、社会和技术环境等方面的发展变化，VUCA （易变性、不确定性、复杂性、模糊性）成为当前环境形势的常态特征，“经济韧性”正日益成为世界各国在追求经济发展中必须重视的战略问题。

896.4746 476.3200
454.4782 386.3602
584.9989 423.2783
第16章 分位数回归
16.1 问题的提出
install.packages("quantreg") library(quantreg) data(engel) attach(engel) hist(foodexp) curve(density(foodexp),add=T) plot(income,foodexp,xlab="Household Income",ylab="Food Expenditure",type = "n", cex=.5) points(income,foodexp,cex=.5,col="blue")
第16章 分位数回归
16.2 总体分位数和总体中位数 另外，如果随机变量 y 分布是对称的，那么其均值与中位数是相同的。当其中位数小于均值时，分布是右
偏的。反之，分布是左偏的。一般来讲，工资的分布是右偏的（如图16-3），所以如果单纯以平均工资来反映 工资的话，这是很不恰当的，因此美国等一些国家除了公布平均工资外，还会同时公布工资的中位数和1/4、3/ 4分位数等。
表 16-1 恩格尔定律的部分数据
No. 1 2 3 4 5 6 7 8 9 10
收入 420.1577 541.4117 901.1575 639.0802 750.8756 945.7989 829.3979 979.1648 1309.8789 1492.3987
消费 255.8394 310.9587 485.6800 402.9974 495.5608 633.7978 630.7566 700.4409 830.9586 815.3602

面板数据分位数回归及其经济应用面板数据分位数回归是一种多变量回归方法，在经济学中具有广泛的应用。

它通过使用面板数据集，考虑个体和时间的异质性，可以更准确地估计经济变量在不同分位数的变化。

面板数据是指对同一组个体（例如家庭、企业或国家）进行多个时间观察的数据集。

与传统的横截面数据或时间序列数据相比，面板数据具有更多的信息，可以提供更准确的估计结果。

面板数据分位数回归将这些数据应用到经济学研究中，以分析变量在不同分位数下的影响和变化。

面板数据分位数回归的基本思想是将依变量和解释变量的关系扩展到不同的分位数。

传统的回归模型通常使用一个条件的均值作为衡量标准，而忽略了分布的其他信息。

而面板数据分位数回归通过分析不同分位数下的条件均值，可以确定变量对于不同个体和时间的异质性的影响。

面板数据分位数回归在经济学中有许多重要的应用。

首先，它可以用于研究不同收入群体的收入差距。

通过将个体收入与其他解释变量的关系扩展到不同收入分位数，可以更好地理解收入分配的变化和影响因素。

这对于制定公共政策和减少贫困具有重要意义。

其次，面板数据分位数回归可以用于研究教育、健康和劳动力市场等领域的不平等问题。

通过分析不同分位数下的教育水平、健康状况和工资收入等变量，可以揭示不同个体和时间的异质性，并提供政策建议。

此外，面板数据分位数回归还可以用于分析企业和产业的效率和生产力的变化。

通过将生产率和利润等变量与其他解释变量在不同分位数下的关系进行比较，可以对企业和产业的差异进行深入研究，为企业管理和政策制定提供参考。

总之，面板数据分位数回归是一种重要的经济学方法，它能够更准确地分析经济变量在不同分位数下的变化。

它在研究收入差距、教育和健康不平等、企业效率等方面具有广泛的应用前景。

通过利用面板数据的丰富信息，我们可以更好地理解经济现象，为公共政策和管理决策提供科学依据。

关键词 ： 开发 区； 经 济增 长； 面板数据 ； 江苏省
０ 引 言
建 立经 济 开 发 区并 形 成 产 业 聚 集 是 目前 多 数 发 展 中国家 作 为 拉 动 经 济 增 长 、 带 动就业 、 促 进 出 口和提 高税 收 的主 要方 式 。江 苏开 发 区从 南 到北 、 从东 到 西地呈 现 出迅速 发 展 、 互相牵引的态势。由
长 的主要 因素 ， 通过 对比分析得 出三个地 区在发展 方式上 的异 同以及各 影响要 素对 不 同地 区经济增 长的贡献 率。
结果表 明， 自主创新和开放 水平能够大力带动江 苏省所有地 区的开发 区经济 ， 苏北 的发展要 义在 于加 大环境 保护 力度 ， 苏 中的发展 重点在 于提 高集约水平 ， 苏南的发展模式较 为成 熟 ， 应 着重提 高管理水平 。
的浙 江 省 开 发 区 的 转 型 升 级 之 路 。 孙 亚 南 （ ２ ０ １ ２ ） ［ ３ Ｊ 从 开 发 区企 业 人 驻 动 机 的 角 度 分 析 了开 发 区的发展 现状 和 问题 ， 从 三个 阶段 推 导 出 江苏 省
于受到土地规划和资源禀赋等方面 的约束 ， 这种开 发区狂潮逐 渐从接 近饱和的江苏南部 向江苏北部
经济发展。
庄 宇
孙亚南
开发 区经济增长要素分析及发展建议
高 新 技 术 产 业 化
１ ． ３ 非常态 视 角
现经济效益的同时却牺牲 了开发区的长远利益 ， 这
种 非可持 续 发 展 模 式 必 然 不 利 于 经 济 实 力 的 持 续 提 升 。经 济 和环境 应 该 协 调发 展 ， 这样 才 能 促 进 经 济 的可持 续发 展 （ 吉亚辉 和 张营周 ， ２ ０ ０ ６ ） ¨ 。

x11 x1m
A
=
(1)
来衡量城镇化发展，更加注重选用综合性指标来全面反映城镇化水 平；在研究方法上，更加多元化，运用极差、标准差、变异系数、
xn1 xnm n×m
基尼系数、锡尔指数等方法定量分析区域差异的程度；运用GIS聚
x i 其中 ij 为第 个方案第 j 个指标的数值；
类的分析方法，探索城镇化的空间差异；运用地统计的相关方法，
从全国、省域的角度去分析，从县域尺度的研究也只是选取一个= 年 (i 1= , 2,, n); ( j 1, 2,, m)
(2)
份或一个县级单元作为研究对象，针对江苏省运用综合指标方法研
对于负向指标：
究长时江间苏尺省度属下于各东县部域沿的海城发镇达化省时份空= ，演经变济及发差展异实的力研居究全几国乎前没列有，。县 xij
样本数据需进行平移和非负化处理，对于正向指标：
从地理学的视角，探索城镇化空间差异的异质性，演变趋势以及演
变规律。同时，也有学者采用空间= 滞后模型、地理探测器等方法， xij
深入分析城镇化空间差异的形成机理。但是，国内的研究更多注重
xij − min( x1 j , x2 j ,, xnj )
+1
max( x1 j , x2 j ,, xnj ) − min( x1 j , x2 j ,, xnj )
1, 2,, m)
(3)
化发展综合水平，探索城镇化发展的时空差异，有助于了解省内县 域城镇化发展水平差异，为类似省份促进区域经济协调发展、促进 城乡一体化发展提供一定的借鉴，具有积极的现实意义。
一、数据来源和研究方法 本文主要研究1999年～2014年江苏省县域城镇化时空演变状 况，时间跨度为15年，以5年作为一个时间间隔，选取1999年、2004

二、分位数回归及其估计
损失函数
• 定义 在统计学中损失函数是一种衡量损失和错 误程度的函数。常常记作 L( , a) 。
损失函数常用形式
分位数回归参数估计的思想
对于之前的线性模型来说，就是使 得残差平方和最小，即损失函数为平方 损失函数，此为最小二乘回归。而如果 损失函数为绝对值损失函数，则称为最 小一乘回归，它使得残差绝对值的和最 小。最小一乘回归是分位数回归的特例。
似然比检验：
• 似然比 • 命题：H0 : g C • 检验思想：如果约束是无效的，有约束的最大似然函 数值当然不会超过无约束的最大似然函数值，但如果 约束条件“有效”，有约束的最大值应当“接近”无 约束的最大值，这正是似然比检验的基本思路。 •
L( , 2 ) 似然比： ˆ , ˆ2) L(
最小二乘估计假定解释变量只能影响 被解释变量的条件分布的均值位置。 而分位数回归估计能精确地描述解释 变量对于被解释变量的变化范围以及条件 分布形状的影响,能够更加全面的描述被解 释变量条件分布的全貌，而不是仅仅分析 被解释变量的条件期望（均值），也可以 分析解释变量如何影响被解释变量的中位 数、分位数等。不同分位数下的回归系数 估计量常常不同，即解释变量对不同水平 被解释变量的影响不同。
现假设因变量Y由k个自变量组成的矩阵X线性表 ' E ( Y | X x ) x 示，对于条件均值函数 i ，求解
arg min R
^
k
n ' 2 ( Y x ) i i i 1
得参数估计值。
分位数回归是对如上简单形式的扩展：
arg min R
拒绝域，LR
2 1
(q )

经济 增长 问 题 一 直 以来 都 是 经 济 领 域研 究
的一 个热 门话题 ， 新古 典经 济增 长 理论 将经 济 增
长收 敛性 研 究 细 分 为 为 ｏ ｒ 收敛 、 口收敛 、 俱 乐 部 收敛 。其 中 收敛 又可 分 为 绝 对 卢 收敛 和 相 对 卢
收敛。绝对 收敛假说是指各地 区经济状况相
一
、
弓 ｌ 言
虑到 各地 区之 间 的 空 间 （ 或经济） 相关性 ， 将 空 间计 量方 法也逐 步 引入到 经济 收敛 问题 中来 。 改革 开放 以来 ， 江 苏省 经济 发展 在 全 国始终 处 于领先 地位 。但与 此 同时 ， 江 苏各 地 区经 济 发 展 却呈现 出较 大 的区域差 异 ， 甚 至存 在 不 断扩 大 的可能 。 为此 ， 研 究 江 苏 省 各 地 区经 济 收 敛 状
收 稿 日期 ： ２ ｏ １ ３—０ ９— ２ ０
基金项 目： 江苏省高校哲学社会科学研究重点项 目《 优化江苏省经济布局的政 策措施研究》 （ 项 目编号 ： ２ ０ １ ２ Ｚ Ｄ Ｉ ＸＭ１ ０ ） ； 江苏高校 优势学科建设工程资助项 目（ Ｐ Ａ Ｐ Ｄ） 。
作者简介 ： 陈耀辉（ １ ９ ６ ３ 一 ） ， 男， 安徽 安庆 人 ， 南 京财经 大学 经济学 院教 授， 硕士 生导 师 ， 研 究方 向为数 量经 济分 析； 殷 文 超 （ １ ９ ９ Ｏ 一 ） ， 女， 安徽池州人 ， 南 京 财经 大学 经 济 学 院 硕 士 研 究 生 ， 研究 方 向为 数 量 经 济 分 析 。
经济 增 长 收 敛 的空 间计 量 分析 ： 以江苏省县域经济为例
陈耀 辉 ， 殷 文超
（ 南 京 财 经 大 学 经 济 学 院 ，江 苏 南京 ２ １ ０ ０ ２ ３ ）

基于因子模型的江苏省县域经济竞争力探析摘要:县域经济是国民经济的重要基础,江苏省县域经济在本省经济发展中有着至关重要的作用。

本文以因子分析为基础,初步建立了县域经济竞争力的指标体系,并对各指标进行量化测算,以分析各指标的意义。

最后算出各县市的综合竞争力,结合地域因素进行总结。

关键词:江苏省;县域经济;因子分析;经济竞争力2009年,江苏省国内生产总值达34061.19亿元,稳居全国第二位。

与兄弟省份相比,江苏省县域经济在全省国民经济发展中的地位更为重要,2008年江苏省全部52个县(县级市)国内生产总值约为16262.52亿元,占江苏省GDP的53.65%,县域经济已然撑起江苏省经济发展的半边天。

根据2009年召开的全国县域经济科学发展交流年会公布的报告,全国十强县中江苏省独占7个,全国百强县中江苏省占24个,江苏省县域经济规模在所有省市中一枝独秀。

一、构建县域经济竞争力的评价指标体系综合评价县域经济综合实力,不仅能够反映经济发展规模,还能正确反映经济发展的结构、潜力、质量等一系列指标。

因此,不能够完全以GDP或财政收入等单一的指标对其进行评价,也不能落入对多个经济指标的简单加总的“窠臼”,应该在客观分析省级范围内县域经济发展水平、发展程度和发展潜力的基础上,按照一定的原则,通过研究各个变量之间的内部依赖关系,继而构建数个有代表性的与全部指标关联性较强的“因子”,并最终得出衡量县域经济竞争力的合理体系。

目前在多指标综合评价经济效益问题研究中,利用主成分分析或因子分析建立综合评价函数已成为公认的优先方法。

参考国内外学者的研究方法[1],本文拟在因子分析的基础上,结合江苏省县域经济发展的客观情况,按照经济发展、经济潜力和经济发展的可持续力[2]等建立相应的指标体系。

为此,本文建立了3个大类、11个小类、52①个具体指标的三级评价体系[3]。

3个大类分别是经济发展、经济潜力和可持续发展3个方面。

其中,经济发展包含经济运行(GDP、人均GDP、三次产业产值、农林牧渔总产值、工业总产值、社会消费品零售总额、进出口总额)、经济外向度(FDI、外贸依存度、贸易差额、外商投资企业工业总产值)和基础设施建设(固定资产投资额、金融机构贷款余额、等级公路里程、公路客运量、公路货运量、用电量、固定电话持有量、移动电话持有量、互联网用户数)3个小块;经济潜力包括科教文卫(科学技术财政支出、医疗卫生财政支出、图书馆藏书量、各类技术专业人员、卫生机构床位数、卫生技术人员)、经济结构(第三产业从业人员比重、第二产业就业人员比重、工业企业总资产、工业企业主营业务收入)和经济效率(GDP增长率、工业劳动生产率、耕地产出率、地均GDP、工业利润)3个小块;可持续发展包括居民生活(在岗职工平均工资、农村人均收入、居民储蓄、农村恩格尔系数)、政府能力(地方财政总收入、地方财政总支出)、自然资源(人均耕地面积、复种指数、有效灌溉率、人口密度)、环境保护(工业固体废物综合利用率、三废综合利用总产值、工业废水达标率)和农业发展(农业机械总动力、农村用电量)5个小块。

第25卷第5期2023年 10月沈阳大学学报(社会科学版)J o u r n a l o f S h e n y a n g U n i v e r s i t y (S o c i a l S c i e n c e )V o l .25,N o .5O c t .2023文章编号:2095-5464(2023)05-0016-09收稿日期:20220702基金项目:国家社会科学基金资助项目(21B J Y 092);安徽省高校哲学社会科学重点项目(2023A H 052623);六安市社会科学创新发展研究课题(2022L S K 42)㊂作者简介:曹萍萍(1990),女,安徽蚌埠人,讲师,博士㊂中国县域数字经济发展的空间分异及影响因素研究曹萍萍(皖西学院经济与管理学院,安徽六安 237012)摘 要:基于全国1880个县的截面数据,采用M o r a n s I 指数㊁泰尔指数㊁地理加权回归等方法,对县域数字经济发展的空间特征进行研究,并具体分析影响因素的作用程度和方向㊂研究发现:中国县域数字经济整体呈现 东高西低 的空间分布格局,且数字乡村总指数及各分维度指数均存在显著的空间正相关性㊂县域数字经济发展差异主要来自于区域内差异,贡献率为66.24%㊂从影响因素看,经济发展水平和人力资本对县域数字经济的影响较大,但对不同地区的影响效果存在异质性㊂最后,根据研究结果得出启示并提出建议,为推进县域经济高质量发展提供参考㊂关 键 词:县域;数字经济;空间差异;影响因素;地理加权回归中图分类号:F 327 文献标志码:AS p a t i a lD i f f e r e n t i a t i o na n dI n f l u e n c i n g F a c t o r s o fD i gi t a l E c o n o m y D e v e l o p m e n t a t C o u n t y -l e v e lR e gi o n s i nC h i n a C A OP i n g p i n g(S c h o o l o fE c o n o m i c s a n d M a n a g e m e n t ,W e s tA n h u iU n i v e r s i t y,L u a n237012,C h i n a )A b s t r a c t :B a s e do nt h ec r o s s -s e c t i o n a ld a t ao f1880c o u n t i e si n C h i n a ,t h i s p a p e r a d o p t sM o r a n s I i n d e x ,T h i e l i n d e x a n d g e o g r a p h i c a l l y w e i g h t e d r e g r e s s i o n t o s t u d yt h es p a t i a lc h a r a c t e r i s t i c s o ft h e d i g i t a le c o n o m y d e v e l o pm e n ti n c o u n t i e s ,a n d s p e c i f i c a l l y a n a l y z e s t h e e f f e c t d e g r e e a n d d i r e c t i o n o f i n f l u e n c i n g f a c t o r s .T h e r e s u l t s s h o wt h a tt h es p a t i a ld i s t r i b u t i o no fC h i n a sc o u n t y -l e v e ld i g i t a le c o n o m y l a r g e l y f o l l o w s a n e a s t h i g h a n dw e s t l o w "p a t t e r n ,a n d t h e r e i s a s i g n i f i c a n t p o s i t i v e s p a t i a l c o r r e l a t i o nb o t h i n t h e o v e r a l l d i g i t a l r u r a l i n d e x a n d i t s s u b -d i m e n s i o n a l i n d i c e s ;t h e d e v e l o p m e n td i s p a r i t y m a i n l y c o m e s f r o mi n t r a -r e g i o n a ld i f f e r e n c e s ,a c c o u n t i n g f o r 66.24%o f t h ev a r i a n c e ;i nt e r m so f i n f l u e n c i n g f a c t o r s ,t h ee c o n o m i cd e v e l o p m e n t l e v e l a n dh u m a nc a p i t a l h a v eas i g n i f i c a n t i m p a c to nt h ed i g i t a l e c o n o m y ,b u t t h e i r e f f e c t sv a r y a c r o s sd i f f e r e n tr e g i o n s .D r a w i n g f r o m t h e s er e s u l t s ,i t p u t sf o r w a r d i n s i g h t sa n dr e c o mm e n d a t i o n st o p r o v i d ear e f e r e n c ef o r p r o m o t i n g h i g h -q u a l i t y e c o n o m i c d e v e l o p m e n t i n c o u n t y -l e v e l r e g i o n s .K e y w o r d s :c o u n t y -l e v e l r e g i o n ;d i g i t a l e c o n o m y ;s p a t i a l d i f f e r e n t i a t i o n ;i n f l u e n c i n g f a c t o r s ;g e o g r a p h i c a l l y w e i g h t e d r e gr e s s i o n在以大数据㊁人工智能为代表的数字经济时代,发展县域数字经济已成为新时期推动农业农村现代化㊁乡村振兴和城乡融合发展的 新动能 ㊂2021年,中央一号文件‘中共中央国务院关于全面推进乡村振兴加快农业农村现代化的意见“指出了以数字化转型加速农村现代化发展的指导意见,明确各县域要在农村数字基础设施㊁智慧农业㊁乡村治理数字化㊁农村数字普惠金融等数字经济领域全面发力,提高大数据运用的社会价值,最大限度地解放农村劳动力㊁释放农村生产力,推动农村经济效率数字化转型,全面提高农业和农村经济的发展效益[1]㊂县域是我国数字经济发展的主阵地,但县域数字经济水平可能存在着显著的空间分异特征,且县域数字经济发展还会受到一些关键因素的影响,阐明这些问题对提升县域数字经济水平㊁实现县域经济高质量㊁缩小区域发展不平衡问题具有重要的理论和现实意义㊂关于数字经济方面的研究,早期学者们从不同视角界定了数字经济的概念和特征㊂B r y n j o l f s s o n 等[2]认为数字经济是信息的数字化㊂K i m 等[3]将数字经济的活动归纳为商品和服务以数字化形式进行交易㊂C a r l s s o n [4]则认为数字经济更强调新活动,将数字经济称作 新经济 ㊂康铁祥[5]将数字经济定义为以数字技术为基础进行的经济活动的总和㊂目前,关于数字经济的定量研究主要侧重全国㊁省域等宏观尺度,如张雪玲等[6]采用熵值法测度了2007 2015年中国整体的数字经济发展指数,结果显示我国数字经济发展总体上呈增长趋势㊂刘军等[7]测度了中国30个省份的数字经济发展水平,发现区域数字经济发展存在着 数字经济鸿沟 ㊂李研[8]基于D E A -M a l m qu i s t 指数测度了中国28个省份数字经济产出效率,结果表明数字经济产出效率主要来源于技术进步㊂也有少数学者从市级层面探讨数字经济发展水平及其分布特征,如曹萍萍等[9]对数字经济发展水平的空间收敛性进行检验,结果发现城市间数字经济发展指数呈收敛趋势,中国数字经济发展存在显著的绝对β收敛和条件β收敛㊂综上所述,已有研究取得诸多进展,但仍存在一些不足㊂一是现有文献多停留在国家整体和省级层面,鲜有文献在县域层面考察数字经济发展的空间分布格局㊂二是关于数字经济发展影响因素的研究往往忽视了地理上的空间异质性㊂本文的主要贡献在于克服了上述不足㊂首先,利用空间趋势方法描绘中国县域数字经济发展的空间分布总体格局;其次,基于M o r a n s I 指数和泰尔指数揭示县域数字经济发展的空间集聚特征和空间差异特征;最后,将县域数字经济发展的空间属性纳入到模型中,基于地理加权回归模型分析县域数字经济发展水平影响因素的空间异质性,以期进一步提升县域数字经济发展水平,助力全面推进乡村振兴㊂一、方法与数据1.空间集聚和差异指标(1)M o r a n s I 指数㊂M o r a n s I 指数是度量全局空间自相关性的重要指标,通过计算区域内地理单元之间的关联程度及其显著性,从而直接反映研究变量的空间分布情况㊂因此,本文利用M o r a n s I 指数测度县域数字经济发展的全局空间自相关性,并判断县域数字经济发展水平变化与邻近县域空间是否有关㊂计算公式如下:71第5期 曹萍萍:中国县域数字经济发展的空间分异及影响因素研究I =n ðn i =1ðnj =1W i j (x i -췍x )(x j -췍x)ðn i =1(x i -췍x )2ðn i =1ðnj =1W i ()j (1)式中:I 为全局M o r a n 指数;n 为研究县域数量;x i ㊁x j 分别表示县区i 和j 的数字经济发展水平;W i j 为空间权重矩阵;췍x 为县域数字经济发展水平的平均值;I 的取值在[-1,1]之间,当M o r a n s I >0时,表示县域数字经济发展水平呈空间正相关,县域数字经济发展在空间上倾向于集聚;当M o r a n s I <0时,县域数字经济发展水平为空间负相关,其分布表现为离散状态,I 的绝对值越趋近于0,表示县域数字经济发展趋于随机分布,越接近于1,说明空间相关性越强㊂(2)泰尔指数㊂泰尔指数从信息熵的概念出发测算研究目标的差异性,具有较好的可分解性质,能够全面剖析研究对象的空间差异㊂基于此,本文利用泰尔指数法测算了县域数字经济发展的区域差异,在分别计算中国不同地区县域数字经济总指数及各维度泰尔指数的基础上,对泰尔指数进行二阶分解,获得中国四大地区间县域数字经济发展差异及地区内各县域数字经济发展差异㊂泰尔指数及其分解的具体公式如下所示:T =1n ðni =1y i 췍y l n y i 췍æèçöø÷y (2)T q =1n q ðn q i =1y q i 췍y q l n y q i 췍y æèçöø÷q (3)T =T w +T b =ð4q =1n q n 췍y q췍y T æèçöø÷q +ð4q =1n q n 췍y q 췍y l n 췍y q 췍æèçöø÷y (4)式(2)中:T 为县域数字经济发展的泰尔指数,其取值范围介于[0,1]之间,数值越大表示中国县域数字经济发展水平差异越大;n 为县区划单位个数;i 为某一县区;y i 为第i 个县域的数字经济发展水平,췍y 为各县域数字经济发展水平的平均值㊂式(3)中:T q 为四大板块县域数字乡村发展的泰尔指数;n q 为各地区县域单位数量;y q i 为位于地区第i 个县域单位的数字经济发展水平;췍y q 为q 地区县域数字经济发展水平均值㊂在式(2)和式(3)的基础上,式(4)进一步将中国县域数字经济发展泰尔指数分解为地区内差异(T w )和地区间差异(T b )㊂2.地理加权回归法地理加权回归模型(GWR )是将观测值的空间属性嵌入到回归方程中,通过引入地理距离权重,量化县域数字经济发展影响因素的空间异质性,从而体现各变量系数在不同空间的非平稳性㊂其模型构建如下:y i =β0(λi ,μi )+ðiβk (λi ,μi )x k i +εi (5)式中:y i 为县域i 的数字乡村总指数;(λi ,μi )为县域i 的采样点坐标;βk (λi ,μi )为连续函数βk (λ,μ)在县域i 的值,xk i 为县域i 上第k 个解释变量;εi 为独立分布的随机误差项㊂3.数据来源与指标选取本研究以1880个县级区划单位为研究对象㊂所用县域数字经济指数来源于2018年北京大学新农村发展研究院,该研究机构依据国家宏观统计数据㊁行业数据和互联网大81沈阳大学学报(社会科学版) 第25卷数据等全样本数据测算了中国县域数字乡村总指数和基础设施分指数㊁经济数字化分指数㊁生活数字化分指数㊁治理数字化分指数㊂各指数的具体含义见表1㊂表1 县域数字经济各指数含义指 数含 义数字乡村总指数 基础设施分指数 经济数字化分指数生活数字化分指数治理数字化分指数数字乡村为以物联网㊁云计算㊁大数据和移动互联等新兴信息技术为依托,促进数字化与农业农村农民的生产和生活各领域全面深度融合,以乡村经济社会数字化转型助推乡村振兴的创新发展新形态县域信息基础设施㊁金融基础设施㊁商业基础设施㊁农产品终端服务平台㊁基础数据资源体系等方面的数字基础设施建设进度县域数字化生产㊁数字化供应链管理㊁数字化营销和普惠金融数字化程度农民消费㊁文化㊁旅游㊁教育㊁医疗㊁生活服务等各方面数字化水平运用互联网㊁大数据㊁人工智能等技术手段进行行政管理的程度根据已有研究可知,县域经济发展水平㊁产业结构和网络基础设施是乡村数字经济发展的基础,县区人口规模和人力资本决定着乡村数字经济发展的可持续性,而财政支出作为政府宏观调控的重要手段,也可能会对乡村数字经济发展产生重要的影响[1011]㊂为综合讨论影响县域数字经济发展的各类因素,结合前人的相关研究,本文以人均G D P ㊁网络基础设施㊁产业结构㊁财政支出㊁人口规模和人力资本6项指标作为代表,构建地理加权回归模型㊂各类影响因素数据来源于2018年‘中国县域统计年鉴“㊂二、县域数字经济发展空间分布特征1.趋势面分析对2018年县域数字乡村总指数进行空间趋势线分析的结果如图1所示,其中,X 轴图1 县域数字经济发展的空间趋势线和Y 轴分别代表正东方向和正北方向,Z 轴表示县域数字乡村总指数,可以发现我国县域数字经济发展水平整体上呈现出 东高西低 的空间分布格局㊂具体来看,在西东方向上,县域数字经济发展水平呈不断上升的趋势,西部地区县域数字经济发展整体较为滞后;在南北方向上,县域数字经济发展水平呈现先小幅上升,随后不断下降的趋势,表明江浙一带数字乡村经济发展水平明显高于其他县域㊂2.空间集聚特征分析为探讨中国县域数字经济发展水平的空间分布集聚特征,通过A r c G I S10.4平台得到县域数字乡村总指数及其他四个分项指数的全局空间自相关系数㊂表2的结果显示数表2 县域数字经济发展水平空间分布的M o r a n s I 指数指 数M o r a n s I 指数Z 检验值显著性水平数字乡村总指数0.199207.0350.000基础设施分指数0.124128.9140.000经济数字化分指数0.189196.6930.000生活数字化分指数0.194201.9550.000治理数字化分指数0.158164.5670.00091第5期 曹萍萍:中国县域数字经济发展的空间分异及影响因素研究字乡村总指数的M o r a n s I 指数为正值,且在1%的水平下显著,表明中国县域数字经济发展水平存在显著的空间正相关性,即数字经济发展水平较高的县域其附近县域的数字经济发展水平也较高,县域数字经济在空间上呈现集聚的状态㊂此外,基础设施㊁经济数字化㊁生活数字化和治理数字化四项分指数也表现出显著的集聚分布特征,其中,生活数字化分指数的集聚程度更强㊂图2 县域数字经济发展水平的M o r a n s I 散点图为进一步研究中国不同县域数字经济发展水平的空间关联特征,运用局部自相关分析了各县域数字乡村总指数之间的空间自相关分布情况,并绘制了中国县域数字经济发展水平的M o r a n s I 散点图,结果如图2所示㊂图2中的四个象限分别对应县域之间四种不同类型的空间集聚模式,其中第一㊁三象限分别表示高高 集聚和 低低 集聚,说明存在空间正相关;第二㊁四象限则分别表示 低高 集聚和 高低 集聚,表示存在空间负相关㊂根据图2,绝大多数县域落在第一和第三象限,即中国县域数字经济发展存在 高高 集聚和 低低 集聚特征,数字经济发展水平较高的县域与较高的县域相邻,而数字经济发展水平较低的县域则与较低的县域相邻㊂同时,发现落在第三象限的县域占比较大,表明中国整体县域数字经济发展水平仍然偏低㊂3.空间差异特征分析根据表3,在中国县域数字经济发展水平各指数中,基础设施分指数得分最高,说明中国县域数字基础设施发展水平较高,经济数字化分指数㊁生活数字化分指数和治理数字化分指数得分明显较低㊂从发展水平绝对差异来看,中国县域数字经济各指数绝对差异最大的为治理数字化分指数,其次是基础设施分指数,而经济数字化分指数和生活数字化分指数绝对差异较小;从相对差异看,治理数字化分指数相对差异最明显,数字乡村总指数相对差异最小㊂从偏度来看,县域数字乡村总指数㊁基础设施分指数和经济数字化分指数呈现左偏,表明中国多数县域数字乡村总指数㊁基础设施分指数和经济数字化分指数高于县域平均水平;生活数字化分指数和治理数字化分指数呈右偏,但极化程度较弱㊂从峰度来看,数字乡村总指数㊁基础设施分指数和经济数字化分指数大于3,表明离散程度比正态分布更大,而生活数字化分指数和治理数字化分指数离散程度较小㊂表3 中国县域数字经济发展水平各指数差异指 数平均值绝对差异相对差异偏 度峰 度数字乡村总指数49.79812.6370.254-0.5833.939基础设施分指数 70.84918.1690.256-1.3175.740经济数字化分指数40.26311.1260.276-0.1763.757生活数字化分指数45.18013.9340.3080.0202.658治理数字化分指数42.70822.4070.5250.2102.482接下来,研究进一步对东㊁中㊁西和东北四大板块间县域数字乡村总指数和各分指数发展差异进行比较,结果如表4所示㊂东部地区县域数字乡村总指数及各分指数发展水02沈阳大学学报(社会科学版) 第25卷平普遍高于中㊁西和东北地区,经济数字化和生活数字化分指数的绝对差异最大,但数字乡村总指数和各分指数相对差异在四大板块居中㊂县域数字乡村总体发展水平最低的为西部地区,相较于其他地区,其绝对差异和相对差异都比较大,呈现出低水平差异发展的态势㊂东北地区县域数字乡村总体发展水平略高于西部地区,而其发展差异性却低于西部地区㊂中部地区县域数字乡村总体发展相较于其他地区表现居中,且不论绝对差异和相对差异都低于其他地区,表现为中水平均衡发展状态㊂经济数字化分指数和生活数字化分指数发展水平最低的均为西部地区,其发展的相对差异却显著高于其他区域,呈现低水平差异化发展㊂基础设施分指数和治理数字化分指数发展水平最低的为东北地区,其发展的差异性也较大,同样呈现出低水平差异发展的态势㊂中部地区基础设施分指数发展水平最高,但发展差异性最小,呈高水平均衡发展的状态㊂表4 中国四大地区县域数字经济发展水平及各指数差异指 数差异指数东部地区中部地区西部地区东北地区数字乡村总指数基础设施分指数经济数字化分指数生活数字化分指数治理数字化分指数平均值59.14056.60442.15143.736绝对差异9.5007.04511.8837.375相对差异0.1610.1240.2820.169平均值 78.55578.70563.95761.676绝对差异11.80611.43621.05012.985相对差异0.1500.1450.3290.211平均值 48.83945.24433.14539.550绝对差异9.7377.2289.4277.692相对差异0.1990.1600.2840.194平均值 56.08153.03036.02539.765绝对差异11.1159.92010.9049.472相对差异0.1980.1870.3030.238平均值 55.27851.28634.13926.489绝对差异20.87217.06120.93319.614相对差异0.3780.3330.6130.740根据式(2)~(4),在分别测算中国东部㊁中部㊁西部和东北板块县域数字乡村总指数及各分指数泰尔指数的基础上,对泰尔指数进行二阶分解,获取四大区域内县域数字经济发展差异及区域间发展差异,泰尔指数的分解结果如表5所示㊂数字乡村总指数及4个分指数的发展差异均主要来自于区域内差异,从区域内差异对总差异的贡献率来看,基础设施分指数的贡献率最高,为83.873%,其次为治理数字化分指数,贡献率为81.081%,生活数字化分指数的贡献率最低,仅为59.852%,说明基础设施分指数与治理数字化分指数区域内差异较区域间差异更为显著㊂对比四大区域的泰尔指数,发现中部地区县域在数字乡村总指数及各指数方面的差异程度均要小于其他三个区域,西部地区各县域在表5 县域数字经济发展区域差异及其分解指 数区域内差异差异贡献率/%区域间差异差异贡献率/%泰 尔 指 数东部中部西部东北数字乡村总指数 0.02466.2400.01233.7600.0130.0080.0450.015基础设施分指数 0.02383.8730.00416.1270.0120.0090.0410.019经济数字化分指数0.02765.8470.01434.1530.0210.0140.0440.020生活数字化分指数0.03059.8520.02040.1480.0200.0180.0480.027治理数字化分指数0.11481.0810.02718.9190.0760.0580.1770.24912第5期 曹萍萍:中国县域数字经济发展的空间分异及影响因素研究22沈阳大学学报(社会科学版)第25卷基础设施㊁经济数字化㊁生活数字化三个指数方面的差异居首位,东北地区各县域在治理数字化方面差异较大㊂三、县域数字经济发展水平影响因素分析1.基准回归在深入了解县域数字经济发展空间分布的基础上,本文结合相关研究,从县域社会经济发展的多个方面引入相关变量,通过运用地理加权回归模型解释县域数字经济发展的空间差异㊂具体来说,选择县域数字乡村总指数来反映县域数字经济发展水平,同时作为被解释变量㊂选择人均G D P对数(A G D P)㊁产业结构(第三产业占G D P的比重,I S)㊁网络基础设施(电话用户数占总人数比重,T I)㊁人口规模(县总人口,P o p)㊁人力资本(中小学生在校人数占总人口比重,E d u)㊁财政支出(公共预算支出占G D P的比重,G o v)作为解释变量来研究县域数字经济发展差异的成因㊂为消除量纲差异造成的系数差异过大,这里将比值数据单位统一为1%,数值单位统一为亿元㊂为了比较不同模型结果的拟合效果,本文同时给出了普通最小二乘模型(O L S)和地理加权回归模型(GWR)结果,分别如表6和表7所示㊂表6O L S模型的估计结果变量回归系数稳健标准误差T值P r(>t)A G D P-0.0030.097-0.0400.972I S0.1490.0265.7600.000G o v-0.1560.014-10.9000.000P o p0.0730.0088.8200.000E d u0.2250.0872.6000.010T I0.1670.0394.3300.000常数项42.0081.48028.3900.000表7G W R模型的估计结果变量最小值25%分位数中位数75%分位数最大值A G D P-0.4400.3220.8071.2461.921I S-0.2070.0460.1270.1900.432G o v-0.254-0.092-0.052-0.0040.146P o p-0.0460.0090.0310.0690.285E d u-1.0110.0320.4680.6871.352T I-0.1660.0230.1080.2180.530常数项24.74033.89138.71543.86552.468根据表6普通最小二乘模型的估计结果,产业结构㊁人口规模㊁人力资本㊁网络基础设施与县域数字乡村指数之间显著正相关,且均在1%的水平下显著㊂人均G D P和县域数字乡村指数之间不显著,而财政支出和县域数字乡村指数之间在1%水平下显著负相关㊂这说明县域财政并没有起到支撑乡村数字经济发展的作用,乡村数字经济发展的提高更多依靠当地产业结构㊁基础设施㊁人口规模和人力资本等来驱动㊂F检验值为105.43 (P=0.000),模型整体效果显著,通过调整R2可知,该模型可以解释县域数字乡村指数总变差的42.6%㊂但由于普通最小二乘模型并没有考虑到空间距离因素的影响,仅从总体上描述各变量对县域数字乡村指数的影响,得到的是一个全域估计,不能反映参数的空间非稳定性㊂所以在此基础上,考虑地理加权回归模型,在模型中加入空间距离,从而进一步得到局域估计,结果见表7㊂在具体进行GWR 估计时,采用高斯核函数,选择a d a pt i v e 法使A I C c 最小的带宽进行局域估计㊂通过计算可得最优宽带是54,C V 得分为64.808㊂GWR 模型的拟合优度达到0.705,远高于O L S 模型的0.426,且GWR 模型的A I C c (12546.894)比O L S 模型的A I C c (13730.735)更小,说明GWR 模型的解释能力更强㊂GWR 模型可计算各因素对每一空间单元的影响,为了研究方便,表7中详细统计了各因素对县域数字乡村指数影响程度的最小值㊁25%分位数㊁中位数㊁75%分位数和最大值㊂具体来看,各变量的系数均有正有负,且系数值大小各异,说明这些影响县域数字乡村发展的各因素具有较强的空间异质性,各因素在不同县域间的影响作用并不一致㊂以中位数的符号来看,人均G D P ㊁产业结构㊁基础设施㊁人口规模和人力资本关于县域数字乡村指数的回归系数均为正,说明随着县域经济发展水平的提高㊁产业结构优化㊁基础设施完善㊁人口规模的增长及人力资本的提升,县域数字乡村发展水平会不断提高㊂其中,人均G D P 和人力资本对县域数字经济的影响效果较为显著,而上述O L S 回归未考虑到县域地理空间的异质性,忽视了人均G D P 的显著作用㊂特别是财政支出关于县域数字乡村指数的回归系数在75%分位数之前均为负数,而在最大值位置上的县域为正数㊂这说明中国绝大多数县域财政都没有起到促进县域数字乡村发展的作用,主要与中国整体县域财政支出水平较低有关㊂2.异质性分析为更加详细地了解不同地区县域数字乡村发展影响因素的地理空间差异,本文接下来分别对东部㊁中部㊁西部和东北的县域数字乡村指数影响因素进行地理加权回归,得到结果如表8所示㊂表8 分地区G W R 估计分位点区域A G D P I SG o vP o pE d uT I最小值25%分位数中位数75%分位数最大值东部0.086-0.037-0.159-0.014-0.170-0.222中部0.573-0.250-0.077-0.005-0.548-0.043西部-0.118-0.050-0.201-0.047-1.017-0.073东北0.1260.054-0.0250.0370.4990.054东部0.3240.087-0.0660.0210.284-0.025中部0.876-0.140-0.0400.0110.3840.136西部0.1200.142-0.112-0.019-0.5780.059东北0.2900.064-0.0110.0450.5990.127东部0.5300.173-0.0120.0320.4130.038中部1.061-0.0330.0320.0190.5160.230西部0.5820.177-0.0880.017-0.1040.128东北0.6390.074-0.0030.0510.6780.185东部1.3440.2310.0440.0540.5570.120中部1.2550.0820.0620.0290.6470.311西部1.0350.317-0.0540.0930.4010.259东北0.9890.0880.0000.0560.7640.250东部1.6710.3940.1490.0780.8420.573中部1.9190.1340.1030.1400.7530.437西部1.9920.431-0.0200.2851.1450.412东北1.1770.1030.0200.0800.9360.325表8的回归结果显示:对于东部地区,以中位数的系数来看,人均G D P 关于县域数字乡村指数的回归系数最大,达到0.5以上,且符号为正,说明东部地区县域经济发展水平是推动数字经济发展的主要推动力㊂此外,人力资本对东部地区数字经济的影响也较大㊂32第5期 曹萍萍:中国县域数字经济发展的空间分异及影响因素研究42沈阳大学学报(社会科学版)第25卷对于中部和东北地区来说,人均G D P和人力资本同样是影响县域数字经济发展的重要因素,而西部地区县域数字经济的发展更多依赖于当地经济发展水平的提高和产业结构的提升㊂值得注意的是,对于西部地区,财政支出在各分位数上的系数均为负值,这表明西部地区财政支出对县域数字乡村指数的显著负影响是导致整体回归系数为负的主要原因㊂受限于西部地区县域地方财政,政府支出并未发挥出促进当地数字经济发展的作用㊂接下来,比较各类因素对四大地区影响的差异,以中位数的系数看,人均G D P㊁财政支出和网络基础设施对中部地区县域数字经济发展的促进作用最大,产业结构对西部地区县域数字经济发展的影响最大,而人口规模和人力资本对东北地区县域数字经济发展的影响最大㊂四、结论与启示本文利用空间统计模型对县域数字经济发展的空间分异特征进行了探究,同时检验了影响数字经济发展的关键影响因素㊂结果发现:①县域数字经济发展水平空间集聚特征明显,主要表现为 低低 集聚,反映出中国县域数字经济发展水平整体偏低;②县域数字经济发展存在显著差异,且主要来源于区域内差异,其中,西部和东北地区县域数字经济发展较落后;③县域数字经济发展水平受当地发展经济水平㊁人口规模等多种因素的影响,其中,经济发展水平和人力资本对县域数字经济的正向影响较显著,财政支出并未发挥出促进整体县域数字经济发展的作用,且各影响因素的作用存在地区异质性㊂为此提出以下两点政策启示:第一,加快数字经济集聚发展,推动区域数字经济协调发展㊂加强县域间的交流合作,切实发挥江浙地区县域数字经济发展的 高地 作用,引导和促进数字经济集聚发展㊂同时,以产业升级为重点,对实体经济实施数字化改造,助推经济发展落后县域实现 数字赶超 ㊂加大数字经济与各县域特色优势产业融合,利用数字化技术推动产业升级,有效激活数字经济发展相对落后地区的后发优势;第二,探索数字经济发展路径,推动县域经济高质量发展㊂在数字经济时代,各县域应加快新型网络基础设施建设,通过营造良好的市场环境吸引人才,有效探索数字经济发展路径,逐渐培育和壮大县域数字经济,提升经济效率,加快县域经济高质量发展㊂参考文献:[1]中共中央国务院关于全面推进乡村振兴加快农业农村现代化的意见[E B/O L].[20220202].h t t p s:ʊw w w.g o v.c n/z h e n g c e/2021-02/21/c o n t e n t_5588098.h t m.[2]B R Y N J O L F S S O N E,K A H I NB.U n d e r s t a n d i n g t h e d i g i t a l e c o n o m y:d a t a,t o o l s a n d r e s e a r c h[M].C a m b r i d g e:T h eM I TP r e s s,2000,1(1):10001162.[3]K I M B,B A R U A A,WH I N S T O N A B.V i r t u a lf i e l d e x p e r i m e n t sf o ra d i g i t a le c o n o m y:a n e w r e s e a r c hm e t h o d o l o g y f o r e x p l o r i n g a n i n f o r m a t i o ne c o n o m y[J].D e c i s i o nS u p p o r t S y s t e m s,2002,32(1):215231.[4]C A R L S S O N B.T h ed i g i t a le c o n o m y:w h a t i sn e w a n d w h a t i sn o t?[J].S t r u c t u r a lC h a n g ea n d E c o n o m i cD y n a m i c s,2004,15(3):245264.[5]康铁祥.中国数字经济规模测算研究[J].当代财经,2008,280(3):118121.[6]张雪玲,焦月霞.中国数字经济发展指数及其应用初探[J].浙江社会学,2017,248(4):3240.[7]刘军,杨渊鋆,张三峰.中国数字经济测度与驱动因素研究[J].上海经济研究,2020,381(6):8196.[8]李研.中国数字经济产出效率的地区差异及动态演变[J].数量经济技术经济研究,2021,38(2):6077.[9]曹萍萍,徐晓红,李壮壮.中国数字经济发展的区域差异及空间收敛趋势[J].统计与决策,2022,38(3):2227.[10]王雪,何广文.中国县域普惠金融发展的空间非均衡及收敛性分析[J].现代经济探讨,2020,458(2):4149.[11]张龙耀,邢朝辉.中国农村数字普惠金融发展的分布动态㊁地区差异与收敛性研究[J].数量经济技术经济研究,2021,38(3):2342.ʌ责任编辑刘洋ɔ。

详细描述
无条件分位数回归在金融领域的应用包括但不限于股票市场、债券市场和衍生品市场的分析。通过建模自变量 如历史价格、交易量等与因变量如收益率或波动率之间的定量关系，有助于投资者理解市场的风险和潜在回报 ，从而制定更为有效的投资策略。
环境科学
总结词
无条件分位数回归在环境科学研究中被用于预测和评估环境变量之间的复杂关系，特别是在气候变化 、生态系统和环境污染等领域。
公式通常包括一个响应变量和一个或 多个解释变量，通过最小化预测值与 实际值之间的差异来估计模型参数。
无条件分位数回归通常使用加权最小 二乘法或迭代加权最小二乘法进行估 计。
回归方法比较
无条件分位数回归与传统的回归模型 有所不同，主要区别在于分位数回归 不依赖于数据的特定分布，具有更广 泛的适用性。
详细描述
医学诊断需要综合考虑多种因素，无条件分位数回归能够全面分析患者的生理指标、病史等信息，为医生提供 准确的诊断参考。
案例四：社会学行为预测
总结词
无条件分位数回归在社会学行为预测中具有广泛的应用前景，能够揭示社会现象背后的规律和趋势。
详细描述
社会学研究涉及大量数据和复杂关系，无条件分位数回归能够深入挖掘社会现象中的非线性关系和趋 势，为社会学家提供有力的研究工具。
分位数回归可以更好地捕捉数据的复杂性 和不确定性，提供更准确的预测和更丰富 的信息。
然而，由于无条件分位数回归的复 杂性，它可能需要更多的计算资源 和更复杂的算法来实现。
02
无条件分位数回归的理论 基础
统计推断
点估计
无条件分位数回归的点估计主要涉及使用核密度估计、样条插值等方法对未 知的分位数进行估计。
详细描述
无条件分位数回归在环境科学中的应用包括但不限于气候变化研究、生态系统健康评估和环境污染预 测。该方法能够揭示环境变量在不同分位数上的响应关系，为环境管理和政策制定提供科学依据。

我国高校科技创新能力现状及影响因素——基于AHP-TOPSIS和QR分位数回归模型蔡文伯;陈念念【期刊名称】《现代教育管理》【年(卷),期】2022()1【摘要】高校作为科技创新的重要组成部分,能够培育满足国家战略需求的科技力量,支撑区域高质量发展。

利用2010—2018年省际面板数据,结合AHP-TOPSIS模型、σ收敛模型以及QR分位数回归模型实证分析我国高校科技创新能力和影响因素。

结果表明:我国高校科技高素质人才投入能力、校企合作能力以及成果转化能力存在不足;随着时间推移,我国高校科技创新能力整体上升且呈现由东部向东北、中部和西部顺序递减趋势;东部和西部各省高校科技创新能力存在显著差异,中部各省高校科技创新能力存在波动性差异,东北各省高校间科技创新能力差异逐渐减弱;人力资本投入、科研机构、科技经费拨入、高校专利授权、发表论文、市场创新环境、国际学术交流和经济发展水平是影响我国高校创新能力的主要因素。

因此,应优化科研生态环境,提升高校科技创新人才质量,加强科技经费投入,提供多元融资渠道,发挥经济对高校科技创新能力的助推作用。

【总页数】12页(P41-52)【作者】蔡文伯;陈念念【作者单位】石河子大学师范学院;西南民族大学【正文语种】中文【中图分类】G649.211【相关文献】1.我国区域经济可持续发展效率影响因素实证分析——基于面板数据分位数回归模型2.基于分位数回归模型的我国农村居民收入影响因素分解研究3.我国物流服务能力的影响因素及其影响程度分析——基于分位数回归法的分析视角4.我国财险公司再保险需求的影响因素分析——基于面板数据分位数回归模型的实证研究5.我国创业板企业价值影响因素分析——基于面板分位数回归模型的研究因版权原因，仅展示原文概要，查看原文内容请购买。