EN中文

经济地理 >

2020 , Vol. 40 >Issue 10: 11 - 21

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.10.002

区域经济与理论方法

中国区域经济差异与收敛的时空演进特征

  • 董雪兵 , 1, 2 ,
  • 池若楠 , 3, ※
展开
  • 1.浙江大学 区域协调发展研究中心，中国浙江 杭州 310058
  • 2.浙江大学 中国西部发展研究院，中国浙江 杭州 310058
  • 3.浙江大学 经济学院，中国浙江 杭州 310058
※池若楠（1992—），女，浙江瑞安人，博士研究生。主要研究方向为区域经济学。E-mail：。

董雪兵（1974—），男，浙江安吉人，博士，教授。主要研究方向为区域经济学、发展经济学与法律经济学。E-mail：。

收稿日期: 2019-09-09

  修回日期: 2020-07-07

  网络出版日期: 2025-04-21

基金资助

浙江省自然科学基金项目(LY18G030010)

收起

Characteristics of the Temporal and Spatial Pattern of the Economic Disparity and Convergence Between Different Regions in China

  • DOND Xuebing , 1, 2 ,
  • CHI Ruonan , 3, ※
Expand
  • 1. Center for Research Regional Coordination Development，Zhejiang University，Hangzhou 310058，Zhejiang，China
  • 2. China Academy of West Region Development，Zhejiang University，Hangzhou 310058，Zhejiang，China
  • 3. College of Economics，Zhejiang University，Hangzhou 310058，Zhejiang，China

Received date: 2019-09-09

  Revised date: 2020-07-07

  Online published: 2025-04-21

Fold

摘要

文章利用1978—2017年各省人均实际GDP数据，分别采用空间横截面数据模型和空间动态面板数据模型，从时间和空间两个维度分析中国经济收敛性特征。研究发现，改革开放40年，中国全域经济经历了“收敛—发散—收敛”的过程；中国经济区域收敛特征随时间推移而变化：四大板块间经历了“俱乐部收敛”“俱乐部收敛”不显著到“四大板块内部分化”的过程，南北区域间经历了不存在“俱乐部收敛”“俱乐部收敛”到“南方经济分化，北方经济收敛”的过程。这意味着我国四大板块间差距逐渐缩小，南北区域间差距逐渐扩大。进一步从创新要素视角讨论南北差距逐渐扩大的原因，认为可能是创新能力差距、人力资本流向、营商环境等因素影响了南北方区域创新能力，从而造成南北区域经济差距扩大。

关键词： 经济收敛; 经济分化; 南北差距; 四大板块差距; 高质量发展

本文引用格式

董雪兵 , 池若楠 . 中国区域经济差异与收敛的时空演进特征[J]. 经济地理, 2020 , 40(10) : 11 -21 . DOI: 10.15957/j.cnki.jjdl.2020.10.002

Abstract

Based on the spatial cross-sectional data model and spatial dynamic panel data model,this paper analyzes the characteristics of China's economic convergence from two perspectives of time and space exploiting real GDP per capita data of each province in China from 1978 to 2017 and. The study found that during the 40 years of reform and opening-up,China's global economy has experienced a "convergence-divergence-convergence" process. The regional convergence characteristics of the Chinese economy have changed over time. The four major sectors have gone through three stages: 1) the "club convergence" stage,2) the insignificant "club convergence" stage,and 3) the stage of differentiation within the four major sectors. The North and South regions have developed three phases: 1) the insignificant "club convergence" stage,2) the "club convergence" stage,and 3) the stage of economic differentiation within the southern region and economic convergence northern. These conclusions imply that the gap among the four major sectors has gradually narrowed,while between the north and south regions widened. This article further discusses the reasons for the widening gap between the North and the South from the perspective of innovation factors and believes that factors such as the gap in innovation capacity,the flow direction of human capital,and business environment et al. have affected the innovation capacity of the North and South regions,and widen the economic gap between North and South regions.

Key words： economic convergence; economic divergence; economic disparity between northern regions and southern regions; economic disparity between four regions; high-quality development

区域经济差距及其动态发展趋势是经济增长理论关注的话题之一[1-2]，区域经济发展不平衡是我国经济发展中长期存在的突出问题之一[3]，因此，区域经济差异一直是学界和政界共同持续关注的焦点。“十九大”报告指出，我国进入中国特色社会主义新时代，社会主要矛盾转化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。新的历史时期使得区域协调发展进入新的战略机遇期，这要求我们客观描述我国区域经济差异与收敛的现状，为深入推进重大区域性战略，增强我国区域发展的经济协调性奠定基础。
1990年代以来，国内外学者对中国地区经济收敛问题展开了大量的实证研究。这些文献大体上可以分为两类，一类是从经济总量的角度研究中国经济空间演变的整体特征，另一类是从更加具体的方面研究经济活动。第一类文献学者们主要采用σ收敛和β收敛模型研究得出，中国区域经济收敛具有阶段性和区域性特征：中国区域经济总体上不存在收敛趋势[4]，但呈现出先缩小后扩大又缩小的现象[5⇓⇓⇓⇓⇓⇓-12]；由于区域内部同质性和区域间异质性，我国经济存在东及中西俱乐部收敛特征，使各省区经济向其所在地带的稳态趋同[13,4]，而造成东中西地区经济差距的因素包括工业发展水平、物流效率、产业集聚、产业转移、要素投入以及人力资本、劳动力流动等[14]；除此以外，部分学者关注到南北经济差距在多个层面有扩大的趋势，认为主要原因在于北方资本积累速度较慢，经济体制改革滞后、经济结构不合理、劳动力数量减少等[14]。另外，有文献从更具体的角度分析经济活动的时空演变特征，包括经济社会协调发展水平[15]、城市产业转型[16]、城市土地开发区强度[17]等，他们研究表明社会协调发展水平呈现空间分异特征，城市产业转型呈现区域化特征，区域间城市土地开发强度差异逐渐缩小。从计量模型的角度来看，目前的研究主要采用横截面数据模型、面板数据模型以及考虑空间效应的空间计量模型估计β收敛，也有学者采用依据时间序列分析界定地随机收敛模型[18]、半参数变系数面板数据模型[19]等。
本文借鉴前人研究，尝试从以下方面进行补充完善：基于动态演进视角，分时段研究我国经济全域性收敛和区域性收敛特征；利用空间滞后模型和空间动态面板模型，在考虑空间相关性前提下，客观系统地分析我国经济收敛的特征。最后，从创新要素驱动的视角分析南北差距逐渐扩大的原因。

1 研究方法与数据描述

1.1 研究方法

本文重点是探求我国经济发展水平在时空上的“收敛”或“发散”的趋势。为了客观全面呈现1978—2017年40年里经济发展水平的时空演进特征，首先，本文采用 σ收敛来分析人均GDP存量水平在时空上的演进；其次，基于横截面数据模型以及空间动态面板模型采用β收敛分析增长速度在各省域层面的特征；再次，本文进一步考察中国经济是否存在俱乐部收敛以及是否随时间发生了变化。
1.1.1 σ收敛
σ收敛是指不同经济体的人均实际GDP的离差随时间推移而减少，文献中将不同经济体的人均实际GDP的离差定义为 σ系数，从经济存量维度描述地区经济差异随时间变动的轨迹。除 σ系数外，变异系数、泰尔指数等统计指标也常用于分析区域经济差距及其变动和因素分解。具体来说， σ系数和变异系数 C V的计算如等式（1）~（2）所示，泰尔指数及其分解如等式（3）~（6）所示。
$\sigma_{t}=\sqrt{\frac{\sum_{i=1}^{N}\left(\ln p G D P_{i t}-\overline{\ln p G D P_{t}}\right)^{2}}{N}}$
$C V_{t}=\sqrt{\frac{\sum_{i=1}^{N}\left(\ln p G D P_{i t}-\overline{\ln p G D P_{t}}\right)^{2}}{N}} / \overline{\ln p G P_{t}}$
式中：$\ln p G D P_{i t} $为 i省份在 t时期的人均实际GDP的对数值；$\overline{\ln p G D P}_{t} $为 t时期各省份人均实际GDP对数值的均值； N为 t时期的省份数量。
潘文卿认为，基于地区的Theil指数主要以T指标的分解来进行总体区域差异的计算[12]。一般来说，衡量人均GDP全域性差异的Theil指数 T P t可以分解为区域间差异 T B R t和区域内部的总差异 T W R t：
T P t = T B R t + T W R t
而地区间的差异是各自人均GDP占全国人均GDP相对比重的加权平均：
$T B R_{t}=\sum_{s} \frac{G D P_{s t}}{G D P_{t}} \ln \frac{G D P_{s t} / N_{s t}}{G D P_{t} / N_{t}}$
式中： G D P s t与 N s t分别代表 t时期s区域的实际GDP与人口数； G D P t与 N t分别代表 t时期全国实际GDP和人口数。地区内部的总差异是地区内各自省（区、市）域间差异的加权平均：
T W R t = ∑ s G D P s t G D P t T P s t
式中： T P s t为 t时期 s区域内省（区、市）间的差异，由该区域各省（区、市）人均实际GDP占该区域人均实际GDP相对比重的加权平均来得到：
$T P_{s t}=\sum_{i}\left(\frac{G D P_{s t}}{G D P_{s t}}\right) \ln \left(\frac{G D P_{s t i} / N_{s t i}}{G D P_{s t} / N_{s t}}\right)$
式中： G D P s i t与 N s i t分别代表 t时期s区域i省（区、市）实际GDP与人口数。

1.1.2 β收敛

β收敛源于新古典增长理论，从产出增量角度描述地区间经济差异，考察的是一个经济体内部差异长期变动的规律，如果初始人均实际GDP与人均GDP增长率之间呈负相关关系，则经济体将收敛，反之发散。关于 β收敛，经济学者们发展出了绝对 β收敛、条件 β收敛、俱乐部收敛等概念，绝对β收敛指的是所有经济体人均GDP将收敛于同一增长路径，条件 β收敛则认为该增长路径由一些结构特性决定，虽然后者认为每个经济体可以拥有不同的增长路径，但控制了一系列控制变量后，最终均衡状态仍然唯一。俱乐部收敛则认为可以存在多个增长路径和多个均衡状态，均衡状态的差异取决于初期经济发展水平的差异，即不同经济集团内部存在着同一收敛均衡状态[20-21]。
①横截面数据模型。为判定属于哪一种收敛类型，本文借鉴王志刚的做法[21]，设定计量模型为：
$\begin{aligned}\ln \left(\frac{p G D P_{i T}}{p G D P_{i 0}}\right)= & \alpha_{0}+D \alpha+\left(\beta_{0}+D d\right) \ln G D P_{i 0}+ \\& X \beta+\varepsilon_{i}\end{aligned}$
式中： p G D P i T为 i省（区、市）在 T时期的人均实际GDP； p G D P i 0为 i省（区、市）初始期人均实际GDP； ε i t是独立同分布的随机变量，且都服从 N 0 , σ 2， D = D 1 , D 2 , D 3； D i是度量东中西或者南部的虚拟变量，例如，若 i是东部省份，则 D i = 1，反之 D i = 0。如果估计的 β 0显著小于0，意味着不同地区间人均实际GDP的平均增长率在0~t时段与初期人均实际GDP水平呈现负相关，说明落后地区的经济增长速度快于发达地区，故而存在 β收敛；若 β 0 0且 β为零向量，则为绝对 β收敛模型，反之，为条件 β收敛模型；若 β 0 0且 d、 α不都为零向量，则存在“俱乐部收敛”。由于当 D α和 D d同时放入模型时，会由于共线性而影响模型估计的准确性，而二者的区别在于， α显著不为零向量，则说明不同地区的稳态值不同， d显著不为零向量，则说明不同地区的收敛速度和收敛值都有所不同 ① 。限于篇幅，仅在文中报告后者的结果，前者结果与后者并无显著差异。
②加入空间效应的横截面数据模型。经典的 β收敛模型是一个基于截面数据的模型，但考虑到不同地区间在地理上存在着一定程度的空间依赖性，本文进一步加入空间权重矩阵分析中国经济收敛的情况。基于横截面数据的空间计量模型主要包括空间滞后模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM）。本文采用LM/Robust-LM、Wald统计量以及LR统计量对空间计量模型进行选择。经检验（表2），本文选择空间误差模型（SEM）进行估计：
$\begin{array}{l}\begin{array}{r}\ln \left(\frac{p G D P_{i T}}{p G D P_{i 0}}\right)=\alpha_{0}+D \alpha+\left(\beta_{0}+D d\right) \ln p G D P_{i 0}+ X \beta+\mu_{i}\end{array} \\\mu_{i}=\lambda \sum_{j \neq i}^{n} \omega_{i j} \mu_{j}+\varepsilon_{i}\end{array}$
③空间动态面板数据模型。本文采用空间动态面板滞后模型[4] ② 来进一步分析中国经济收敛性。相比于横截面数据模型，空间动态面板滞后模型充分利用每一期数据信息，同时考虑当期和上一期产出水平的空间溢出效应，识别的信息更充分。具体模型设定如下：
$\begin{aligned}\ln p G D P_{i t}= & \lambda \sum_{j \neq i}^{n} \omega_{i j} \ln p G D P_{j t}+(\gamma+D d). \\& \ln p G D P_{i t-1}+\rho \sum_{j \neq i}^{n} \omega_{i j} \ln p G D P_{j t-1}+ \\& X \beta+\alpha_{i}+\eta_{t}+\varepsilon_{i t}\end{aligned}$
式中： α i是个体效应； η t是时间固定效应。以上所有式子中的 ω i j为0~1邻接矩阵的元素，若是邻省，则 ω i j = 1，否则为0。本文还采用了不同省（区、市）省会城市间直线距离的倒数作为 ω i j的取值。但本文借鉴潘文卿的做法[11]，设定了一定截止距离，如果两个地区间距离大于这一临界值，则 ω i j = 0，但是矩阵的选择并不影响结论。本文的控制变量主要包括人口增长率和投资率，其中投资率用固定资产投资额/GDP来度量[4] ① 。

1.2 数据描述

本文数据主要来源于1978—2017年《中国统计年鉴》。将不同年份的GDP换算成以2000年计价的GDP数据来计算人均实际GDP。另外，关于区域的划分，将中国大陆划分为东、中、西和东北四大板块和南北两大区域[14]。东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南10省（区、市）；中部地区包括山西、安徽、江西、河南、湖北和湖南6省；东北地区包括辽宁、吉林和黑龙江3省；其余12各省（区、市）为西部地区。北部地区有13个省（区、市），分别是黑龙江、吉林、辽宁、内蒙古、河北、北京、天津、山西、陕西、宁夏、甘肃、新疆、青海，其余l8个省（区、市）为南部地区。本文数据包括除港澳台和海南省外的30个省份数据。

2 经济收敛的时空特征分析

2.1 经济收敛的演进特征

2.1.1 σ收敛
由图1可知，根据我国人均实际GDP对数值计算的 σ系数和变异系数CV揭示的经济发展趋势基本上保持一致 ② 。1990年代前，中国经济表现出一定程度的收敛趋势，尤其是改革开放前五年，但在整个1990年代表现出明显的发散趋势，2003年以后又出现明显的收敛特征，尤其是2010年前后收敛的趋势较为明显。
图1 中国人均实际GDP的σ系数和变异系数变化趋势

Fig.1 The trend of σ coefficient and CV of real per capita GDP in China

另外，本文按照四大板块和南北区域分别考察经济收敛的情况，如图2所示。图2a表明，改革开放40年来，四大板块的经济发展趋势呈现了不同的态势。东部地区省区间的人均实际GDP有着明显收敛的趋势，虽然1992—2003年有趋异趋势，但是，2003年以后出现明显的收敛现象。2014年以后又出现了轻微的趋异趋势，但近五年保持稳定。中部地区各省区人均实际GDP差异变化不大，但1998和2005年前后出现一定趋异趋势。
图2 中国四大板块和南北区域人均实际GDP的 σ系数变化趋势

Fig.2 The trend of σ coefficient of real per capita GDP in four regions of China and Southern/Northern China

西部地区各省区间人均实际GDP的离差基本上保持平稳，虽然，约2001年以后出现一定趋异，后在2010年以后出现收敛迹象。东北地区各省区的人均实际GDP总体上呈现出收敛的现象。图2b表明，南部和北部的收敛趋势基本上保持一致。1990年代出现明显的趋异趋势，但是2005年以后，两地区的人均GDP均出现收敛趋势。同时，从曲线的振幅中可以看出，南部和北部的收敛速度存在差异，北部经济差距总体上在一个区间内波动，而南部经济经历了差距快速扩大又缩小的过程。由图2可知，我国不同区域间的经济差距呈现出不同的态势，可能存在俱乐部收敛的可能。

2.1.2 泰尔指数分解

根据四大板块和南北区域分别计算得到的区域差异和分解如图3所示。从图3a和图3b来看，中国全域性经济发展水平的差异确实在1980年代呈下降趋势，但进入1990年代后呈现上升趋势，1994—2005年有所波动，2005年后呈现下降趋势，而且在2010年后有明显下降，后保持平稳，与 σ收敛的结果保持一致。将全国Theil指数按照四大板块进行分解（图3a），发现四大板块内部的差异总体上是稳步下降的，因此，造成差异波动的主导力量是四大板块间的差异的波动，而且通过计算得到，1990年代以后，四大板块间的差异对Theil指数的贡献就高达50%以上，平均贡献率高67%。将全国Theil指数按照两大板块进行分解（图3b），发现全国区域差异主要由南北区域内差异主导，1978—2017年南北区域间差异对Theil指数的贡献度平均只有3%左右。值得一提的是，21世纪以前，南北区域间差异呈现下降趋势，1997—2013年，南北区域间差异在一个极小的区间内波动，2013年以后，南北区域间差异呈现上升趋势。综合来看，中国全域性经济发展水平差异在2013年以后呈现下降趋势，四大板块内、四大板块间以及南北区域内差异都在缩小，但南北区域间差异呈现扩大趋势。
图3 中国四大板块和南北区域人均实际GDP的泰尔指数及其分解变化趋势

Fig.3 The trend of Theil of real per capita GDP in four regions of China and Southern/Northern China

2.2 人均实际GDP的空间格局

相比于传统计量分析，空间计量将样本数据的空间信息及其属性纳入分析之中，其中，空间相关性是数据区位信息的重要属性，可以表现为空间依赖关系和空间异质性。本文以1978、1992、2004和2017年的数据为样本，采用Moran's I指数和Moran's I散点图 ① 来考察我国各省人均实际GDP的空间相关性。
从图4可以看出，改革开放40年，全局Moran's I值全部为正，且Z值都大于1.96，表明我国各省份人年均GDP水平存在显著的空间正相关性，即经济发展水平较好的省份在空间上趋向集聚。具体来看，全局Moran's I值由1978年的0.257上升到2006年的0.495，2006年以后虽有所下降，但2015年以后又呈现上升趋势 ② 。
图4 1978、1992、2004、2017年我国人均实际GDP的莫兰指数及散点图

Fig.4 Moran index and its scatter plot of China's per capita real GDP in 1978,1992,2004 and 2017

另外，本文采用局部Moran's I值度量局部空间特征，反映我国省域人均GDP空间分布格局（图略）。我国省域人均实际GDP局部空间特征主要包含高高集聚区域和低低集聚区域两种类型 ③ ，呈现出典型的俱乐部收敛。从时间演进角度来看，1978年高—高聚类只出现在京津冀地区，低—低聚类主要集中在四川、贵州、重庆和陕西，但2017年，长江三角洲区域也成为高水平经济发展集聚区。虽然40年西部地区低—低聚类区域的面积扩大，但从绝对量上来说是一种相比于40年前更高水平的低—低聚类，从这个角度来说，我国俱乐部收敛特征越来越明显。而且随着时间的推移，不同省份的经济表现有所不同。
如果不考虑 z值的显著性，可以将经济空间相关性的变化分为五种类型，见表1。第一种是由于政策红利或邻省的强溢出效应，本省经济发展水平显著提高；第二种是由于本省内生发展动力不足导致经济发展水平减弱；第三种由于本省的吸收能力不足或虹吸效应，导致本省的经济发展水平减弱。第四种由于邻省经济内生发展动力不足，其经济发展水平下降，可能表现出一种伪相关；第五种是经济空间相关性保持相对稳定。总的来看，我国各省份人均实际GDP存在正空间相关性，这为采用空间计量模型分析经济收敛性提供基础证据。
表1 经济空间相关性变化

Tab.1 Change on economic spatial correlation

类型 期初类型 期末类型 省份
类型一：本省经济发展水平提高 L-H H-H 浙江、江苏
L-L H-H 山东、福建
L-L H-L 湖北、重庆、广东
类型二：本身经济发展水平不足 H-L L-L 青海
类型三：邻省经济发展水平提高 L-L L-H 安徽、江西、山西
类型四：邻省经济发展水平不足 L-H L-L 西藏、甘肃、新疆
类型五：经济空间相关性保持相对稳定 内蒙古、吉林、河北、贵州、云南、陕西、河南、湖南、四川、宁夏、广西、黑龙江、辽宁、上海、北京、天津

3 基于空间计量模型的经济收敛分析

3.1 空间截面数据回归结果

表2第（1）列结果表明，当用经典的LM检验时，在1%显著性水平下，不存在空间误差相关性的假设被拒绝，且采用稳健的LM检验时，空间误差相关性在统计意义上仍然显著。第（2）和（3）列显示了空间滞后模型和空间误差模型的结果，SAR模型的空间项在10%的水平下并不显著，而SEM模型不仅空间项在5%的水平下显著，而且Wald的统计检验在5%水平下通过。另外，采用杜宾模型进行估计后，似然比检验（LR）的结果显示，可以接受假设 H 0 : θ + ρ β = 0，而拒绝假设 H 0 : θ = 0 ① 。由于稳健的LM检验也指向空间误差模型，所以，本文采用空间误差模型为基础分析模型。第五列显示的是在条件收敛模型和绝对收敛模型中选择的结果，Wald检验的结果显示，要接受 H 0 : β = 0的假设，所以，此部分采用绝对收敛模型，即模型（3）。
表2 经典β收敛空间计量模型的选择

Tab.2 Choice on spatial econometric model of classical beta convergence

（1）
OLS		 （2）
SAR		 （3）
SEM		 （4）
SDM		 （5）
SEM
l n p G D P 0 -0.425***（0.120） -0.432***（0.112） -0.544***（0.129） -0.604***（0.121） -0.572***（0.148）
常数 8.414***（1.402） 7.530（1.458） 9.783***（1.511） 1.334（2.771） 10.583***（1.775）
W ∙ g 0.274（0.201） 0.472**（0.191）
W ∙ l n p G D P 0 0.648**（0.259）
W ∙ e（g） 0.491**（0.205） 0.305（0.312）
P o p g r i T -0.333（0.339）
I n v e s t i T -0.360（0.255）
样本量 30 30 30 30 30
Pseudo R2 0.301 0.277 0.309 0.355 0.441
LM-Lag检验 1.531
稳健LM-lag检验 2.854*
LM-Error检验 5.482***
稳健LM-Error检验 6.805***
空间项Wald检验 1.84 5.74** 9.06**
空间项LR检验 5.45** 2.67
Wald检验（ H 0 : β = 0） 3.60
表3报告的是我国1978—2017年β收敛性分析的结果，共分为三个部分。第1部分汇报的是时间维度上全域收敛性结果（即不引入区域虚拟变量），第2部分和第3部分分别汇报的是四大板块和南北区域收敛性分析的结果。第（1）列是1978—2017年跨度40年的结果，第（2）~（5）列分别是1978—1990、1990—2000、2000—2012和2012—2017年 ① 的结果。
表3 空间横截面数据模型：分时段—分区域

Tab.3 Spatial cross-section data model：devided by time and reigon

变量 （1） （2） （3） （4） （5）
1978-2017 1978—1990 1990—2000 2000—2012 2012—2017
第1部分：
全域收敛性分析		 l n p G D P 0 -0.544***（0.129） -0.097（0.061） -0.043（0.064） -0.193***（0.053） -0.054**（0.024）
常数 9.783***（1.512） 1.998***（0.712） 1.480*（0.824） 3.674***（0.716） 1.156***（0.355）
W ∙ e（g） 0.491**（0.205） 0.089（0.242） 0.768***（0.125） 0.023（0.240） 0.550***（0.195）
样本量 30 30 30 30 30
Pseudo R2 0.309 0.078 -0.073 0.32 0.233
收敛速度 1.96% 0.78% 0.40% 1.65% 0.93%
稳态值 6.34 1.82 1.42 3.08 1.10
半收敛周期（年） 35.31 88.31 173.48 42.02 74.92
第2部分：
四大板块收敛性分析		 l n p G D P 0 -0.767***（0.102） -0.241***（0.053） -0.184***（0.057） -0.271***（0.094） -0.056**（0.027）
E · l n p G D P 0 0.021*（0.011） 0.013**（0.005） 0.029***（0.005） -0.011（0.007） 0.004（0.003）
M · l n p G D P 0 -0.02（0.013） -0.008（0.007） 0.002（0.006） -0.013*（0.007） 0.003（0.003）
W · l n p G D P 0 -0.037***（0.013） -0.011*（0.006） -0.011*（0.006） -0.022***（0.008） 0.006**（0.003）
常数 12.545***（1.242） 3.697***（0.637） 3.196***（0.726） 4.937***（1.281） 1.130***（0.399）
W ∙ e（g） -0.325（0.309） -0.332（0.258） -0.067（0.316） -0.578*（0.307） 0.592***（0.200）
样本量 30 30 30 30 30
Pseudo R2 0.654 0.463 0.745 0.339 0.342
稳态值：
东部 7.18 3.01 2.77 3.85 1.07
中部 7.02 2.96 2.70 3.85 1.07
西部 6.95 2.95 2.67 3.82 1.08
东北 7.10 2.98 2.70 3.88 1.07
收敛速度：
东部 3.43% 1.99% 1.53% 2.55% 0.89%
中部 3.87% 2.20% 1.83% 2.57% 0.91%
西部 4.07% 2.23% 1.97% 2.67% 0.85%
东北 3.64% 2.12% 1.85% 2.43% 0.96%
第3部分：
南北区域收敛性分析		 l n p G D P 0 -0.514***（0.130） -0.078（0.063） -0.034（0.061） -0.192***（0.052） -0.062***（0.017）
N · l n p G D P 0 -0.018（0.013） -0.005（0.005） -0.013**（0.006） 0.002（0.004） -0.004***（0.001）
常数 9.555***（1.523） 1.805**（0.730） 1.454*（0.784） 3.646***（0.703） 1.307***（0.247）
W ∙ e（g） 0.487**（0.210） 0.031（0.255） 0.766***（0.127） -0.013（0.258） -0.048（0.310）
样本量 30 30 30 30 30
Pseudo R2 0.363 0.109 0.087 0.323 0.514
稳态值：
北部 6.237 1.667 1.389 3.064 1.226
南部 6.311 1.674 1.406 3.059 1.231
收敛速度：
北部 1.90% 0.67% 0.44% 1.62% 1.14%
南部 1.80% 0.62% 0.31% 1.64% 1.07%
第1部分结果表明，40年来看，我国经济总体上呈现绝对 β收敛。本文进一步区分1990、2000以及2012年为分界点考察全域收敛情况。结果表明，1990年以前我国经济呈现β绝对收敛态势 ② ，但是1990—2000年期间，由于优先发展东部沿海地区的区域战略，我国在总体上并未出现经济收敛，2000年以后随着西部大开发战略以及中部崛起战略的推进，我国经济总体上再次出现收敛。而且第1部分的结果表明，随着中西部区域战略的推进，我国经济收敛的速度有所增加，但近几年略有下降。
表3第2部分和第3部分是分别引入了四大板块虚拟变量与期初实际人均GDP的交叉项和南北区域虚拟变量与期初实际人均GDP的交叉项的结果。第2部分的结果表明，从40年的长区间来看，我国存在东部区域和西部区域的俱乐部收敛，但中部和东北的收敛稳态值和收敛速度没有显著差异，而且空间误差项在统计意义上并不显著，说明四大板块内省域间不存在空间相关性。分时段的结果验证了我国区域战略影响经济收敛性的猜想，第（2）和（3）列结果表明1978—2000年期间东部地区的收敛性显著异于其他三大区域，第（4）和（5）列结果则说明随着2000年后中西部区域战略的实施，中西部逐渐出现俱乐部收敛的特征，但随着时间的推移，四大板块间区域差异逐渐缩小。
第3部分的结果表明，虽然从40年的长区间来看，南北区域间经济表现并无显著差异，南北省域间存在较强的空间相关性，但从分时段的结果中我们可以看到，早期南北区域间差异并不显著，区域内省域间的空间相关性较强，但是2012—2017年这个时段内，南北间收敛性差异在1%显著性水平下显著，区域内省域间空间相关性减弱。
综合表3第2和第3部分的结果，本文在一定程度上证实了南北区域差异扩大和四大板块间差异缩小的现象。具体来说，2012年以前，南北区域间差异并不显著，区域内省域间的空间相关性较强，但是2012年以后，南北区域之间差异显著，区域内省域间空间相关性减弱；2000年以前我国四大板块间差异显著，尤其是东部和西部虚拟变量所在项显著不为零，表明我国经济增长存在东部、西部及中部和东北三大经济收敛的“俱乐部”，但是，2000年以后，国家相继实施了西部大开发战略和中部崛起战略，我国经济呈现出东部和东北、中部及西部三大俱乐部收敛。随着区域发展战略的深入实施，我国四大板块间差异逐渐减小甚至在统计意义上不再显著。而且从稳态值的相对比例上来看，我国南北间差距在2012年之后有所增加，而东部和中西部的差距在不断缩小，东部和东北之间的差距经历了先缩小甚至东部被东北反超到再次扩大的过程。从收敛速度来看，由于经济经历快速发展的阶段，近十年经济发展差距逐渐缩小，经济收敛的速度逐渐放缓。

3.2 空间动态面板数据回归结果

为避免商业周期的影响[22]，本文不仅仅采用了年度数据，而且使用了4年平均值和每4年的首位观测进行分析，结果见表4第（1）~（6）列。表4结果表明，不同数据估计的结果非常接近： γ显著小于1，这表明改革开放40年来，我国各省的经济具有收敛性，即落后地区的经济增长速度快于富裕地区的经济增长，这与使用横截面数据估计后得出的结论基本一致。而且大部分情况下， λ和 ρ均显著，而且在Wald检验中，所有情况都无法拒绝 ρ + γ λ = 0的原假设，所以，本文的结果支持存在我国各省经济之间存在空间相关性。
表4 空间动态面板数据模型

Tab.4 Spatial dynamic panel data model

（1） （2） （3） （4） （5） （6）
78~17 78~17（均值） 78~14（间隔） 79~15（间隔） 80~16（间隔） 81~17（间隔）
l n p G D P i t - 1 0.976***（0.008） 0.967***（0.029） 0.905***（0.036） 0.978***（0.034） 0.926***（0.035） 0.932***（0.035）
W l n p G D P i t - 1 -0.105**（0.041） -0.176**（0.079） -0.129（0.083） -0.180**（0.080） -0.118（0.085） -0.179**（0.084）
I n v e s t i t 0.057***（0.010） 0.271***（0.037） 0.307***（0.051） 0.275***（0.043） 0.222***（0.037） 0.177***（0.033）
P o p g r i t -0.006（0.021） 0.083（0.135） -0.001（0.059） -1.247***（0.471） -0.290（0.313） 0.052（0.077）
W l n p G D P i t 0.107***（0.041） 0.220***（0.075） 0.218***（0.077） 0.225***（0.074） 0.146*（0.081） 0.205***（0.079）
样本量 1 170 270 270 270 270 270
收敛速度（%） 2.43 0.84 2.50 0.56 1.92 1.76
W a l d ρ + γ λ 0.00 0.67 1.55 0.57 0.10 0.05
R-squared 0.998 0.99 0.987 0.987 0.988 0.987
本文进一步考察不同时段和不同区域内经济增长收敛的情况。与表3相似，表5也分为三个部分：全域收敛性分析、四大板块收敛性分析和南北区域收敛性分析。第1部分结果表明，改革开放至今，虽然全域呈现出收敛的态势，但是不同时段的收敛情况有所不同，1978—2000年间全国各省经济呈现收敛的态势，2000年以后， γ显著大于1，这说明整体上经济呈现出一定发散的态势，但2012年以后，由于全国经济普遍运行速度放缓，各省间经济又呈现一定收敛趋势 ① 。值得一提的是，为与前文具有可比性，选择以2012年作为分界点，2000—2012年各省经济出现发散，但如果将时间段向前调制2008将出现收敛的态势。人类社会是一个复杂的系统，经济发展是一个连续过程，我们无法进行人为分割，鉴于此，本文认为比较稳健的结论是：在考虑产出人均产出水平空间溢出的前提下，以人均实际GDP为基础数据的研究表明，40年来，我国各省经济经历了经济收敛—经济发散—再收敛的过程。
表5 空间动态面板模型：分时段—分区域

Tab.5 Spatial dynamic panel data model：divided by time and region

（1）
1978—2017		 （2）
1978—1990		 （3）
1990—2000		 （4）
2000—2012		 （5）
2012—2017
第1部分：
全域收敛性分析		 l n p G D P i t - 1 0.979***（0.009） 0.965***（0.032） 0.730***（0.044） 1.106***（0.026） 0.994***（0.052）
W l n p G D P i t - 1 -0.104**（0.042） -0.046（0.088） -0.096（0.086） -0.066（0.084） 0.320**（0.146）
I n v e s t i t 0.060***（0.010） -0.057（0.063） 0.055（0.040） 0.028（0.018） 0.014（0.009）
P o p g r i t -0.006（0.021） 0.058（0.087） -0.135（0.126） -0.489**（0.202） -0.001（0.006）
W l n p G D P i t 0.108***（0.041） 0.060（0.081） 0.158*（0.086） 0.126（0.077） -0.294**（0.142）
样本量 1 140 330 300 360 150
R-squared 0.998 0.992 0.990 0.996 0.999
第2部分：
四大板块收敛性分析		 l n p G D P i t - 1 0.997***（0.011） 1.026***（0.041） 0.670***（0.066） 1.119***（0.033） 1.307***（0.071）
W l n p G D P i t - 1 -0.079*（0.042） -0.080（0.090） -0.240**（0.098） -0.249***（0.088） 0.587***（0.150）
I n v e s t i t 0.046***（0.012） -0.046（0.062） 0.070*（0.039） 0.020（0.018） 0.008（0.009）
P o p g r i t 0.016（0.021） 0.066（0.087） -0.217*（0.127） -0.328（0.201） 0.013*（0.007）
E · l n p G D P i t - 1 -0.012***（0.005） -0.076***（0.026） 0.039（0.049） -0.116***（0.023） -0.206***（0.044）
M · l n p G D P i t - 1 -0.005（0.005） -0.091***（0.028） 0.015（0.047） -0.072***（0.019） -0.284***（0.049）
W · l n p G D P i t - 1 -0.002（0.004） -0.095***（0.026） -0.057（0.040） -0.072***（0.018） -0.308***（0.046）
W l n p G D P i t 0.102**（0.041） 0.034（0.082） 0.102（0.089） 0.101（0.079） -0.209（0.144）
样本量 1 140 330 300 360 150
R-squared 0.994 0.786 0.717 0.463 0.495
第3部分：
南北区域收敛性分析		 l n p G D P i t - 1 0.978***（0.009） 0.964***（0.033） 0.724***（0.043） 1.157***（0.027） 1.004***（0.051）
W l n p G D P i t - 1 -0.105**（0.042） -0.047（0.089） -0.103（0.086） 0.112（0.086） 0.184（0.146）
I n v e s t i t 0.061***（0.010） -0.058（0.063） 0.060（0.040） 0.028（0.018） 0.013（0.009）
P o p g r i t -0.006（0.021） 0.057（0.087） -0.133（0.125） 0.080（0.201） 0.004（0.006）
N · l n p G D P i t - 1 -0.002（0.002） -0.004（0.014） -0.029（0.021） -0.054***（0.010） -0.068***（0.023）
W l n p G D P i t 0.107***（0.041） 0.061（0.081） 0.152*（0.086） 0.089（0.078） -0.413***（0.144）
样本量 1 140 330 300 360 150
R-squared 0.998 0.989 0.797 0.802 0.515
表5第2部分汇报的是四大板块区域收敛性分析的结果。第（2）~（5）列报告的是不同时段四大板块人均实际GDP收敛的结果。从虚拟变量显著性的结果来看，1990年以前，我国存在四大板块的俱乐部收敛，1990—2000年我国四大板块之间的差异性并不显著，2000年以后，我国四大板块出现不同程度的发散。而第3部分汇报的结果显示，随着时间的推移，南北之间差异逐渐明显，南方经济从收敛到发散，北方经济从发散到收敛。该结果与横截面数据回归的结果有所差异，一是由于空间相关性的体现有所不同，前者考虑的是被解释变量和被解释变量滞后期之间的相关性，而后者只是考虑了误差项之间的空间相关性；二是该结果在一定程度上说明了空间溢出效应无法被忽略，这可能是由于贸易成本的下降 ② 使得南方及四大板块内部经济集聚力大于分散力，从而造成了区域内部的分化。值得一提的是，2012—2017年南北区域内各省间空间相关性系数为负，而且在1%水平下显著，从侧面验证说明了空间呈现出类似“中心—外围”的经济地理格局。

3.3 进一步讨论

基于前面分析，本文得出的基本结论是2012年以后，南方内部出现经济分化，北方经济呈现收敛的总体特征。理论上，经济分化可能是“穷者愈穷，富者愈富”，也可能是源于“先发优势”，而经济收敛可能是“强者停滞甚至后退”，也可能是“弱者后来者居上”。但通过对增速的分析可知，南方省份2012—2017年均增速比2000—2012年均增速平均下降约2.3%（除去唯一年均增速为正的上海），而北方省份两阶段的年均增速平均下降约3.5%。由此，南北差距的扩大是由南方经济分化和北方经济收敛共同导致的，而且南方经济分化是源自长三角地区、珠三角地区以及云贵两省的经济优势，而北方经济收敛是由于华北地区和东北地区的经济增速回落[14]。现有文献从资本积累、体制机制改革、劳动力数量变化、经济结构以及价值链等角度分析了南北差距扩大的原因，认为北方资本存量增速放缓、国企比重偏高和市场活力不足等体制机制问题、劳动力数量下降较快、经济结构相对不合理等造成北方经济增速回落，南北差距扩大。
我国经济已经由高速增长阶段转向高质量发展阶段，创新成为我国实现高质量发展的第一动力。所以，本文尝试从创新要素驱动的视角分析南北差距逐渐扩大的原因。首先，南北存在创新能力差距。根据《中国区域创新能力报告》，2013—2016年，南北创新能力综合评价指数差距有所扩大，其中，除了知识获取维度的差距有所下降，知识创造、企业创新、创新环境以及创新绩效维度都所有上升。这说明，创新维度的南北差距可能是造成南北经济差距的原因之一。其次，人才是创新的主力军，但高人力资本的流向呈现向南发展的态势 ① 。从2015—2017年全国排名前列的学士、硕士以及博士的毕业去向来看，北京大学、清华大学前往广东的比例有所上升，中国科技大学硕士生和博士生更倾向于前往广东以及长三角地区，长三角地区的一流高校，如浙江大学、复旦大学、南京大学等毕业生则选择留在浙江或上海就业，珠三角地区的一流高校中山大学的毕业生在选择留在珠三角，甚至更高比例的高学历人才前往深圳就业。但南开大学、四川大学等高校就业有明显的地域特征，在天津或四川及西部地区就业比较多。再次，营商环境的差异影响创新活动。不仅仅是人才，高新技术企业也是提高区域创新能力的重要主体。目前，高新技术企业主要分布在京津、珠三角、长三角和中西部强省会城市，广东省的高新技术企业数量甚至超过江苏、浙江和山东三省之和[24]。研究表明，营商环境是影响企业创新活动的重要因素[25]。《2019年全国经开区营商环境指数报告》显示，长三角和珠三角营商环境指数最高。良好的营商环境将有助于消除转型经济中的寻租影响，促进企业创新。因此，本文认为，南北方制度差异将影响各种创新要素的流动，从而扩大南北方区域创新能力的差异，最终造成南北区域经济表现差异和南北差距扩大。最后，值得一提的是，规模较大的区域性经济中心是区域经济发展的重要引擎，长三角和珠三角作为南方重要的城市群，京津冀作为唯一可与其媲美的北方城市群，在城市群规模上的差异也是南北经济差距扩大的重要原因。

4 主要结论

本文利用1978—2017年中国各省实际人均GDP的横截面数据和动态面板数据，基于空间计量分析的方法，客观分析了时空演进视角下的我国各省人均实际GDP的收敛性问题。本文的主要边际贡献是，基于时空视角，系统全面分析我国全域经济收敛性和俱乐部收敛性特征，而且利用空间截面数据模型和空间动态面板数据估计对比，同时考虑个体效应、时间效应和空间效应，使得结果更可靠。
本文主要结论如下：第一，改革开放40年，中国全域经济经历了“收敛—发散—收敛”的过程。第二，中国经济存在“俱乐部”特征，但是“俱乐部”特征随时间推移而变化：四大板块间从存在“俱乐部”收敛特征逐渐过渡到“俱乐部”特征不明显甚至四大板块内部的分化，南北区域间从不存在“俱乐部”收敛特征逐渐过渡到“俱乐部”收敛甚至是“南方内部出现经济分化，北方经济收敛”的总体特征。这也意味着我国四大板块间差距逐渐缩小，南北区域间差距逐渐扩大。进一步，本文认为可能是创新能力差距、人力资本流向、营商环境等决定区域创新能力的因素和城市群规模经济效应大小影响了南北区域经济差距的演变。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Solow R M. A contribution to the theory of economic growth[J]. Quarterly. Journal of Economics, 1956, 20(1):65-94.

[2]
Swan T W. Economic growth and capital accumulation[J]. Economic Record, 2010, 32(2):334-361.

[3]
Lee B S, Peng J, Li G, et al. Regional economic disparity,financial disparity,and national economic growth:evidence from China[J]. Review of Development Economics, 2012, 16(2):342-358.

[4]
朱国忠, 乔坤元, 虞吉海. 中国各省经济增长是否收敛[J]. 经济学(季刊), 2014, 13(3):1171-1 194.

[5]
魏后凯. 中国地区经济增长及其收敛性[J]. 中国工业经济, 1997(3):31-37.

[6]
刘强. 中国经济增长的收敛性分析[J]. 经济研究, 2001(6):70-77.

[7]
张胜, 郭军, 陈金贤. 中国省际长期经济增长绝对收敛的经验分析[J]. 世界经济, 2001(6):67-70.

[8]
林光平, 龙志和, 吴梅. 我国地区经济收敛的空间计量实证分析:1978—2002年[J]. 经济学(季刊), 2005,4(s1):71-86.

[9]
沈坤荣, 唐文健. 大规模劳动力转移条件下的经济收敛性分析[J]. 中国社会科学, 2006(5):46-57.

[10]
傅晓霞, 吴利学. 技术效率、资本深化与地区差异——基于随机前沿模型的中国地区收敛分析[J]. 经济研究, 2006(10):52-61.

[11]
潘文卿. 中国区域经济差异与收敛[J]. 中国社会科学, 2010(1):72-84.

[12]
史修松, 赵曙东. 中国经济增长的地区差异及其收敛机制(1978—2009年)[J]. 数量经济技术经济研究, 2011(1):51-62.

[13]
覃成林, 刘迎霞, 李超. 空间外溢与区域经济增长趋同——基于长江三角洲的案例分析[J]. 中国社会科学, 2012(5):76-94.

[14]
盛来运, 郑鑫, 周平, 等. 我国经济发展南北差距扩大的原因分析[J]. 管理世界, 2018, 34(9):22-30.

[15]
江孝君, 杨青山, 张郁, 等. 中国经济社会协调发展水平空间分异特征[J]. 经济地理, 2017, 37(8):17-26.

[16]
樊新生, 闫妍, 罗庆. 基于相对优势的中国城市产业转型及区域差异[J]. 经济地理, 2019, 39(10):87-93.

[17]
周敏, 匡兵, 陶雪飞. 空间收敛视角下中国城市土地开发强度演变特征[J]. 经济地理, 2018, 38(11):98-122.

DOI

[18]
滕建州, 梁琪. 中国区域经济增长收敛吗?——基于时序列的随机收敛和收敛研究[J]. 管理世界, 2006(12):32-41.

[19]
周亚虹, 朱保华, 刘俐含. 中国经济收敛速度的估计[J]. 经济研究, 2009(6):40-51.

[20]
沈坤荣, 马俊. 中国经济增长的“俱乐部收敛”特征及其成因研究[J]. 经济研究, 2002(1):33-39.

[21]
王志刚. 质疑中国经济增长的条件收敛性[J]. 管理世界, 2004(3):25-30.

[22]
Islam N. Growth empirics:a panel data approach[J]. Quar-terly Journal of Economics, 1998, 113(1):319-323.

[23]
王赟赟, 陈宪. 高铁通勤成本对地区收入差距的影响研究——基于城市群集聚效应的分析[J]. 价格理论与实践, 2018(9):95-98.

[24]
山川网. 中国城市高新技术企业数量排名:长三角、珠三角城市群成绩亮眼[EB/OL]. http://www.sohu.com/a/278528964_99964340,2018-11-29.

[25]
夏后学, 谭清美, 白俊红. 营商环境、企业寻租与市场创新——来自中国企业营商环境调查的经验证据[J]. 经济研究, 2019(4):84-98.

Options
文章导航

/

〈 〉