我国省域信息技术发展与经济增长关系的空间异质性研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇我国省域信息技术发展与经济增长关系的空间异质性研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：以内生经济增长模型为基础，采用空间计量分析方法，对我国省域信息技术发展与经济增长关系的空间异质性进行实证分析。结果发现，GDP和信息技术发展存在显著的低值集聚和高值集聚的空间自相关，并且呈现出经济发达地区信息技术发展对经济增长的贡献较大，经济落后地区信息技术发展对经济增长的贡献相对较小的空间异质性特点。
关键词：信息技术；经济增长；空间异质性；地理加权回归模型
中图分类号：F062.5 文献标识码：A 文章编号：1001-8409（2012）11-0105-05
Research on Spatial Heterogeneity of the Relationship Between Information Technology Development and Economic Growth in China
ZHOU Qin1， ZHANG Hong-li2， WANG Cheng-zhang1
（1. School of Management and Economics， Southwest Jiaotong University， Chengdu 610031； 2. School of Statistics， Southwest University of Finance and Economics， Chengdu 611130）
Abstract： This paper aims at analyzing the spatial heterogeneity of the relationship between provincial-level information technology development and regional economic growth based on the model of endogenous growth and the use of the spatial econometric methods. Result shows that there was global positive correlation and low-value and high-value clustering phenomenon in GDP and information technology significantly and reflected an obvious spatial heterogeneity， the more developed areas of economic， the greater the contribution of information technology to economic growth，and economical backward areas of information technology showed smaller contribution to economic growth.
Key words： information technology； economic growth； spatial heterogeneity； geographically weighted regression model
一、引言
信息技术的发展对全球各国经济、社会与文化生活产生了复杂而深刻的影响，正逐步成为推动世界经济和社会发展的关键因素[1]。同时，随着以云计算和移动宽带为突破口的信息处理和传输技术的发展，信息技术及产业正在酝酿一次新的飞跃。如何抓住信息技术大力发展的契机，促进我国经济可持续增长是理论界关注的重点。近二十年来，大量国内外学者对信息技术发展与经济增长之间的关系进行了深入研究。
早期研究以新古典经济增长为分析框架，定位信息技术为独立的生产要素或资本投入，提出随着信息技术投资和应用范围扩大，相关设备价格不断下降提高了产出和生产率，从而投入要素间的“替代效应”和信息技术资本积累对经济增长产生直接促进效应，并以此为依据采用新古典生产函数模型测算信息技术与经济增长之间的关系[2～6]。中后期研究逐渐发现新古典增长框架的局限，于是在内生经济增长框架中开展研究，通过构建“干中学”、“知识溢出”、“研究与开发”等形式的技术进步模型，把信息技术进步内生化，测算信息技术与经济增长之间的关系[7～9]。
国内也开展了大量信息技术与经济增长关系的研究，郑晔和钟昌标以内生经济增长理论为依据，发现信息技术发展对我国区域生产率提高和经济增长具有显著促进作用[10]。汪斌、余冬筠在我国信息化发展水平测算的基础上，分析信息化对我国国民经济的带动和对三大产业的差别影响，发现信息化对工业增长的贡献最大[11]。朱洪文和马晓辉采用主成分分析、聚类分析等方法，对我国各省信息技术发展水平进行分类，发现各省份信息化建设方面的区域差距较大[12]。刘荣添和叶民强实证检验信息化水平对我国区域经济增长的作用，提出信息化是影响区域经济增长的主要因素，经济水平越发达，信息化水平越高，从而对区域经济增长的促进作用就越显著[13]。张红历和周勤等对我国省域信息技术发展的空间结构及其空间网络效应对经济增长的贡献进行研究，结果表明，信息技术发展对我国经济增长有显著促进作用，省域间经济增长有显著的空间溢出效应，但是信息技术的空间溢出对经济增长的促进作用还不显著[14]。
以上文献不足之处在于，研究方法多局限于经典计量经济学的时间序列、面板模型或区域截面模型，对各地区间的相互作用关系和区位差异不予考虑，因此导致在分析之前就假定变量间的关系具有同质性。这一平均意义上的全局模型掩盖了变量间关系局部联系的空间异质性，而在实际中由于我国地大物博，地区经济特征各不相同，在资源禀赋、 产业结构、知识创新、信息技术发展水平等方面均存在差异，因此地区间的空间异质性非常明显[15]。有些文献采用人为外生分组方法，如按照不同地区所处的行政界限进行简单的分区回归分析，由于样本规模的选取可能存在采样误差，这种研究空间异质性的方法存在明显不足，很难让人信服得到的参数估计值变化是由于空间关系的异质性所致，需要对研究方法进行创新，而空间计量学中的空间变系数模型则是近些年研究空间异质性的前沿和方法，得到了越来越多的应用[16，17]。
本文基于内生经济增长理论，建立并比较经典线性回归模型和空间计量学的空间变系数模型，对我国信息技术发展与省域经济增长关系的空间异质性进行研究，验证信息技术作为一种生产要素对经济增长产生的作用与空间差异性，基于空间维度特征视角对我国信息技术发展与经济增长关系进行深入探索，为
制定相关政策提供依据。
二、方法、模型与数据
（一）研究方法
1954年Tobler提出地理学第一定律“地球上任何事物都和其他事物有关系，但是距离近的比距离远的关系更大”[18]， 之后Krugman、Cliff、Anselin和Fujita等结合空间计量经济学和新经济地理学，在区域经济学的分析中引入空间因素，为经济增长提供了一个崭新的分析思路[19，20]。空间数据的特有性质通过空间自相关性和空间异质性刻画，空间自相关性指不同位置的观测值在空间上是非独立的并呈现出某种非随机的空间模式；空间异质性，也称为空间非平稳性，指研究对象的经济行为或经济关系、空间行为或空间关系存在不稳定[21]。
分析空间效应的计量模型分为两类：一类是空间常系数模型，包括空间截面模型和空间面板模型，度量全局空间自相关性，估计的参数为整个研究区域内的平均值，无法揭示区域间的差异性；另一类是同时纳入了空间自相关性和空间差异性效应的空间变系数模型，其变量间的关系随空间位置的变化而变，揭示了变量之间经济关系的非平稳性。Fortheringham 和Brunsdon等基于局部光滑的思想，提出的地理加权回归（Geographically Weighted Regression，GWR）模型，通过局部参数估计有效探测和表达空间非平稳性，是空间变系数模型的主要建模方法[22]，基本思想如下：
地理加权回归模型是在普通线性回归模型的基础上进行扩展，如式（1）。其定区位i的回归系数不再是利用全局信息获得的假定常数，而是利用邻近观测值的子样本数据进行局域回归估计而得的，是一个随着空间上局部地理位置变化而变化的变数。
yi=β0（ui，vi）+nk=1βk（ui，vi）xik+εi（1）
式（1）中，假定有i =1，2，…，m，k=1，2，…，n的系列解释变量观测值{xik}，及系列被解释变量{yi}，ε是回归模型的随机误差项。回归系数βk的下标k表示与观测值联系的m×1阶待估计参数向量是关于地理位置（ui，vi）（通常是空间坐标）的k+1元函数。GWR模型可以对每个观测值估计出k个参数向量的估计值。Brunsdon等依据“接近位置 i 的观察数据比那些离i位置远一些的数据对βk（ui，vi）的估计有更多的影响”思想，利用加权最小二乘法来估计参数
[22]。
（二） 信息技术与经济增长计量模型
信息技术本质上是一种技术进步，Audretsch 和Welfens以内生经济增长模型为基础，通过将技术进步因素分解为信息技术和非信息技术两部分的方法将信息技术的作用分离出来，构建了如式（2）的模型[23]。
Y=A0KαLβIγ （2）
式（2）中，Y代表社会总产量或国内生产总值GDP；K和L代表资本和劳动要素投入量，α与β代表劳动和资本投入的产出弹性；I表示信息技术，γ表示信息技术因素的产出弹性；A0为除信息技术以外的其他技术进步因素，假设为常数。将式（1）两边取对数，并将产出与物质资本以单位劳动的形式表示，转换为如式（3）的线性模型。
ln（Yt/Lt）=c+αln（Kt/Lt）+γlnIt+ε （3）
其中，Yt/Lt是劳均国内生产总值，即劳动生产率；Kt/Lt是劳均资本投入；It是信息技术发展水平；ε是残差。式（2）为估计信息技术与经济增长关系的计量模型。
（三） 数据指标及来源
模型选取样本为我国大陆30个省、市、自治区（不包括），所需指标如表1，样本期为2001～2010年，国内生产总值、物质资本存量和邮电业务总量指标均以2000年为基数的不变价。
三、信息技术与经济增长空间变系数模型结果及分析
以式（2）为依据，本文分别对2001～2005年和2006～2010年的平均数据进行普通最小二乘回归（Ordinary Least-squares regression，OLS）和GWR模型估计，结果如表2。
（2）模型估计采用lesage编写的matlab模块和SAM（Spatial Analysis in Macroecology） [31]共同完成
GWR模型是否优于OLS模型的显著性检验可采用R2、F检验以及AIC信息准则检验，由表2可知，2001～2005年OLS模型R2为0.928，而GWR模型的R2则不是固定的，是局部拟合优度，2001～2005年局部R2在0.925～0.966之间变化，平均值为0.943，2006～2010年局部R2在0.896～0.968之间变化，平均值为0.935，比OLS模型均有所提高；2001～2005年和2006～2010年的GWR模型F检验显著，说明GWR模型总体回归是显著的。同时，表3中GWR 模型的AIC比相应的OLS模型的都小，根据 Fotheringham等人确定的评价标准，只要两者之差大于3，则判定GWR模型比OLS模型更接近真实模型
[21]。GWR 模型还提供了方差分析进行空间变异的显著性检验，验证GWR 模型是否比OLS 模型更好、更显著地描述了变量间的关系，如表3。
由表3可知，2001～2005年和2006～2010年的两个GWR模型的残差均比OLS模型要小，F检验均通过了5%的显著性检验，表明GWR模型较OLS模型更显著地描述了二者之间的关系，即我国信息技术与省域经济增长的关系存在明显的空间变异，下述主要对表2中GWR结果进行分析。
对于2001～2005年而言，劳均物质资本存量对经济增长的贡献最大且显著为正，但是二者关系也存在空间差异性，最小值为0.691，最大值为0.787，标准差为0.023；2006～2010年劳均物质资本存量对经济增长的贡献有所增加，且空间差异性也有所扩大，最小值为0.653，最大值为0.856，标准差为0.038；2001～2005年信息技术对经济增长的贡献显著为正，最小值为0.090（不显著），最大值为0.231，标准差为0.029；2006～2010年信息技术对经济增长的贡献有所增加，而空间差异性则有所减少，最小值为0.147，最大值为0.233，标准差为0.020，信息技术系数的变异系数为0.102，比劳均物质资本存量系数的变异系数0.046大，表明我国各省信息技术对经济增长的贡献差异比劳均物质资本存量对经济增长的贡献差异要大。但是随着信息技术的发展，这种差异性从2001～2005年的0.175减少到了2006～2010年的0.102；而劳均物质资本存量的差异从2001～2005年的0.03增长到了2006～2010年的0.046，差异略有增大。具体而言，2001～2005年和2006～2010年我国30个省市自治区GWR模型估计系数值，如表4。
GWR模型的回归参数还可以在地图上展示，用于直观地分析变量经济关系的空间变化， 2001～2005年和2006～2010年劳均物质存量和邮电业务总量对经济增长的贡献空间分布如图1。
由表3和图1可知，2001～2005年平均劳均物质资本存量对经济增长的贡献空间分布呈现如下规律：首先整体分布上明显呈现出空间集聚性和空间差异性，劳均物质资本存量对GDP的边际贡献在0.691～0.787之间，从北至南呈“梯度递减”态势，黑龙江、吉林、辽宁、北京、天津、河北、内蒙古位于“第一梯度”，甘肃、青海、宁夏、陕西、河南、山东、江苏和安徽位于“第二梯度”，四川、重庆、湖北、湖南、江西和浙江位于“第三梯度”，贵州、云南、广西、广东和福建劳均物质资本存量对GDP的边际贡献相对较低位于“第四梯度”；2006～2010年，之前明显的“梯度递减”态势发生了显著变化，但是整体分布上依旧显现出了空间集聚和空间差异性，劳均物质资本存量对GDP的边际贡献在0.653～0.856之间波动，但是空间差异性有所减少，中西部省份GDP增长劳均物质资本存量依赖最大，东部的黑龙江、吉林、北京、山东、江苏、上海、浙江，以及中部的一些省份如湖北、重庆、贵州和广西GDP增长对劳均物质资本存量相对位于低位。对于信息技术而言，2001～2005年对GDP的贡献空间分布仍呈现出明显空间集聚性和空间差异性，与劳均物质存量的空间分布相反，从北至南呈“梯度递增”态势，对GDP的贡献在0.090～0.231之间波动；2006～2010年空间分布结构也发生了显著变化，信息技术边际贡献大小从东至西呈“梯度递减”态势，且空间差异性减少，贡献较大的省份集中在东部沿海，表明经济发达地区，信息技术发展对区域经济增长的贡献较大，经济落后地区，信息技术发展对区域经济增长的贡献则较小。
四、结论
本文构建了信息技术与省域经济增长的传统回归模型和空间变系数模型中的地理加权回归模型，对二者关系的空间异质性进行分析，得出如下主要结论。
（1）地理加权回归模型由于纳入了空间自相关性和空间异质性，估计结果呈现出比传统回归模型较强的解释能力。研究表明：资本仍然是我国各省经济增长最大的推动力，信息技术是今后促进我国经济持续快速健康发展的新推动力，对经济增长会发挥越来越重要的作用。省域经济实力是信息技术发展最主要的因素，经济实力较发达的地区，信息技术发展越快，对经济增长的贡献也越大。反映了二者之间关系的空间异质性和空间集聚特征的差异。另外，劳均物资资本存量对经济增长贡献的空间差异性较小，但是呈增大趋势。而信息技术对经济增长贡献的空间差异性较劳均物资资本存量大，但是呈缩小趋势。信息技术在我国的发展目前还只是低水平的空间显著集聚，还没有形成空间上高水平的显著集聚。
（2）信息技术的广泛应用带来了社会经济各项活动的信息化，基于信息技术的网络是现代经济有效运行的重要基础。互补、共享和网络效应构成信息技术促进经济增长的核心，网络效应来源于网络节点之间的合作和互补，表现为参加网络者从同其他使用者交往过程中得到的价值，随着网络规模扩展，网络成员之间相互作用，网络价值也在扩大[14]。结果显示：我国信息技术发展对经济增长的促进作用呈现出了空间集聚的差异特征，为了促进信息技术网络效应的发挥，各省应积极开放思想，从宏观经济层面建立以区域为基础的信息技术发展和合作机制的制度创新，促进各省信息网络、信息产业及信息人才、信息资源等的共享合作，从而促进区域经济共同发展，逐渐缩小信息技术对经济增长影响效应的空间差异性。
参考文献：
[1]Melville， Kraemer .The Productivity Impact of Information Technology Across Competitive Regimes： The Role of Industry Concentration and Dynamism [J]. Decision Support Systems，2008，43（1）： 229–242.
[2]Bresnahan .Breaking up Bell： Essays on Industrial Organization and Regulation[J].Information Economics and Policy， 1986（2）：87–89.
[3]Solow，Robert M. We’d Better Watch Out [J]. New York Times Book Review，1987（7）：12-36.
[4]Oliner S， Sichel D. Computers and Output Growth Revisited：How big is the Puzzle？ [J]. Brookings Thesis On Economic Activity：Macroeconomics，1994 （2） ：254-285.
[5]Brynjolfsson E. The Productivity Paradox of Information Technology [J]. Communication of the ACM，1993（12）：67-77.
[6]Jorgenson Stiroh .Computers and Growth[J].Economics of Innovation and New Technology，1994（3）： 295-316.
[7]Brynjolfsson E， Hitt L M. Computing Productivity： Firm-Level Evidence [J]. Review of Economics and Statistics， 2003（4）： 793-808.
[8]Crafts N. Steam as a General Purpose Technology： A Growth Accounting Perspective[J]. Economic Journal， 2003，495（114） ：338-351.
[9]Mittal N， Nault B R. Investments in Information Technology： Indirect Effects and Information Technology Intensity [J]. Information Systems Research，2010（1）：140-154
[10]郑晔，钟昌标. 信息网络对区域经济发展影响的机制分析[J]. 数量经济技术经济研究，2002（12）：85-88.
[11]汪斌，余冬筠. 中国信息技术发展的经济结构效应分析——基于计量模型的实证研究[J]. 中国工业经济，2004（7）：21-28.
[12]朱洪文，马晓辉. 区域信息技术发展水平比较与差异因素的实证研究[J].学术交流，2005 （8）：80-83.
[13]刘荣添，叶民强. 信息技术发展与经济增长的计量分析——来自29个省份面板数据的经验：1992～2004[J]. 经济问题探索，2006（9）：9-14.
[14]张红历，周勤，王成璋. 信息技术、网络效应与区域经济增长：基于空间视角的实证分析[J].中国软科学，2010（10）：112-123.
[15]吴玉鸣，李建霞. 基于地理加权回归模型的省域工业全要素生产率分析[J]. 经济地理，2006（5）：748-752.
[16]苏方林. 基于地理加权回归模型的县域经济发展的空间因素分析[J].学术论坛，2005（5）：81-84.
[17]汤庆园，徐伟，艾福利. 基于地理加权回归的上海市房价空间分异及其影响因子研究[J]. 经济地理，2012（2）：52-58.
[18]Tobler W A. Computer Movie Simulating Urban Growth in the Detroit Region [J].Economic Geography，1970（2）：234-240.
[19]Krugman P. Increasing Returns and Economic Geography [J]. Journal of Political Economy， 1991（3）：483-499.
[20]Anselin L. Spatial Econometrics： Methods and Models[M].Dordrecht Kluwer Academic Publishers， 1998.
[21]Fotheringham A S， Charlton M， Brunsdon C. The Geographically of Parameter Space： An Investigation of Spatial Non～Stationary[J]. International Journal of Geographical Information Systems，1996（5）：605-627.
[22]Brunsdon C， Fotheringham A S. Charlton M. Geographically Weighted Regression： A Method for Exploring Spatial Nonstationarity[J]. Geographical Analysis， 1996（4）：281-298.
[23]Audretsch D B，Welfens P J J .The New Economy and Economic Growth in Europe and the US [M]. Berlin： Springer Heidelberg，2002.
[24]单豪杰. 中国资本存量K的再估算：1952～2006年[J].数量经济技术经济研究，2008（10）：17-31.