Empirical Analysis of Spatial Spillover Effect Stems from Land Resource Misallocation and Economic Fluctuation

DUAN Lizhi; LI Yushuang

doi:10.15957/j.cnki.jjdl.2020.03.023

Economic geography >

2020 , Vol. 40 >Issue 3: 207 - 215

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.03.023

Empirical Analysis of Spatial Spillover Effect Stems from Land Resource Misallocation and Economic Fluctuation

DUAN Lizhi ^,¹ ,
LI Yushuang ^,²^,^※

Expand

1. School of Economics and Trade，Hunan University，Changsha 410079，Hunan，China
2. School of Business，Jiaxing University，Jiaxing 314001，Zhejiang，China

Received date: 2019-08-26

Revised date: 2020-01-10

Online published: 2025-04-11

Fold

Abstract

This paper constructs a spatial self-lagging of X model (SLX) by using the time-varying gravitational spatial weight matrix to explore the spatial spillover effect of land resource misallocation on economic fluctuation. The empirical results show that land resource misallocation in a region can alleviate economic fluctuation of adjacent regions,that is,land resource misallocation has a negative spatial spillover effect on economic fluctuation;the negative spatial spillover effect of land resource misallocation on economic fluctuation is mainly achieved by reducing the density marginal fluctuation. Further research finds that the spatial spillover effects of land resource misallocation on economic fluctuation are different among the three different grades of cities: in the top-down spatial spillover effects,not every type of high-grade cities have spillover effects on low-grade cities,but in the bottom-up spatial spillover effects,each type of low-grade cities have spillover effects on high-grade cities. The spatial spillover effects between the same grade cities are not significant.

Key words： land resource misallocation; economic fluctuation; SLX model; time-varying gravitational spatial weight matrix; spatial spillover effect; land sale at low price

Cite this article

DUAN Lizhi , LI Yushuang . Empirical Analysis of Spatial Spillover Effect Stems from Land Resource Misallocation and Economic Fluctuation[J]. Economic geography, 2020 , 40(3) : 207 -215 . DOI: 10.15957/j.cnki.jjdl.2020.03.023

在我国城市化和工业化快速发展的进程中，地方政府依靠土地拉动GDP是不争的事实。由于工业经济对GDP的拉动在短期内能起到吹糠见米的效果，因此，在政治晋升和财政竞争的双重压力下，低价出让工业用地吸引工业投资和高价出让商服用地获取财政收入，成了地方政府提速经济的常用手段。自然资源部城市地价监测报告数据显示：2018年我国城市工业用地平均地价为824元/m²，而商服用地平均地价为7 479元/m²，高达工业用地平均地价的9倍之多。学术界将这种低价出让工业用地行为视为土地资源错配^{[1⇓⇓⇓-5]}。土地资源作为社会生产与经济活动的基本要素，其配置状况会直接影响经济增长与经济波动。为达到稳定经济和稳定就业的目标，地方政府利用土地供给的垄断权，策略性地低价出让工业用地以吸引工业投资，即利用工业经济偏好的土地资源错配方式在短期内可以熨平经济波动^[5]。防止经济大幅波动、实现经济可持续增长，一直是宏观经济学关注的焦点、政策制定者关心的话题。然而，目前学术界关于土地资源错配对经济波动的影响研究仍显不足，土地资源错配对经济波动的空间溢出效应研究更是无人涉足。

经济波动是宏观经济学研究的重要内容之一。关于我国经济波动的研究，成果颇丰。黄赜琳研究发现，技术冲击可以解释经济波动的主要部分^[6]；许伟等研究发现，技术冲击可以解释经济波动的主要部分，而货币政策冲击可以解释物价波动的主要部分^[7]；仝冰研究发现，与投资相关的冲击可以解释经济波动的主要部分^[8]；余建干等研究发现，金融冲击可以解释经济波动的主要部分，金融冲击在利率规则和数量规则下对产出波动的解释度均可到达40%左右^[9]；项后军等研究发现，地方债务波动会影响经济波动，伴随着地方债务规模变动幅度增大，经济波动会更加剧烈^[10]。此外，还有学者从经济体制改革^[11]、劳动生产率冲击^[12]、产业结构^[13]、外包^[14]等方面探讨了我国的经济波动问题。

近年来，Hsieh等关于资源错配的开创性研究^[15]，引起了学术界对资源错配问题的广泛关注。同时，也引起一些学者开始对中国土地资源错配问题进行研究。例如，李力行等研究了土地资源错配对工业企业间资源配置效率的影响^[1]；张雄等研究了土地资源要素错配对经济效率损失的影响^[16]；李勇刚等研究了土地资源错配对产业结构升级的影响^[2]；余泳泽等研究了土地资源错配对环境污染的影响^[3]。目前关于土地资源错配对经济波动的影响，只有段莉芝等做了初步研究^[5]。他们分析了土地资源错配对经济波动的影响机制，并利用中国地级市数据进行了实证分析，其结果显示，土地资源错配在短期内能够减缓经济波动^[5]。但是，鲜有学者研究土地资源错配对经济波动的空间溢出效应。

与已有文献相比，本文的贡献如下：一是在研究内容上，利用中国地级市统计数据，实证分析土地资源错配对经济波动的空间溢出效应，并进一步探讨一线、二线、三线城市相互间的空间溢出效应。如，一线城市土地资源错配会对二线、三线城市的经济波动产生什么影响，同样地，三线城市土地资源错配又会对一线、二线城市的经济波动产生什么影响等诸如此类的问题。二是在研究方法上，本文将构建一个新的空间计量模型。该模型采用一个综合地理距离与经济联系的时变引力空间权重矩阵，与普通引力空间权重矩阵相比，它更符合现实经济。因为普通的引力空间权重矩阵是静态的，其隐含假设是城市间每一期的经济联系固定不变，而现实中，城市间每一期的经济联系却会随着经济因素变化而不断变化。

1 机制分析

从理论上讲，土地资源错配主要通过3个效应对邻近地区的经济波动产生影响，分别是经济波动的空间传递效应、土地资源错配行为的示范效应和土地资源错配行为的虹吸效应。本地区土地资源错配影响邻近地区经济波动的机制如图1所示。

显示原图|下载原图ZIP|生成PPT

图1 本地区土地资源错配影响邻近地区经济波动的机制

Fig.1 Mechanism of land resource misallocation in a region affecting economic fluctuation in adjacent regions

经济波动的空间传递效应是指当某一地区受到个体冲击时，会引发本地区的经济产生波动，由于各地区间又存在着千丝万缕的联系，所以本地区的经济波动又会引起邻近地区的经济产生波动，从而引发地区间的经济波动协同。例如，当某一地区经济扩张时，它会通过贸易传导、金融传导和期望传导等途径拉动邻近市场的生产与需求，从而带动邻近地区的经济扩张；反之，当某一地区经济收缩时，它也会对邻近地区的经济产生负向影响，从而产生了经济波动的空间传递。关于我国经济波动的空间传递效应，有不少学者证实了它的存在：黄晶研究发现，我国地区经济波动具有一定的空间关联，并且会通过周期空间溢出，形成周期协同^[17]；邓虎等测算发现，我国地区经济波动的同步性指数大约为0.773^[18]。由于土地资源错配会直接影响本地区的经济波动，因此，通过经济波动的空间传递效应，土地资源错配会间接影响邻近地区的经济波动。具体而言，土地资源错配会直接降低本地区的经济波动，通过经济波动的空间传递效应，本地区经济波动的下降又会降低邻近地区的经济波动，即本地区土地资源错配会降低邻近地区的经济波动。简言之，通过经济波动的空间传递，土地资源错配会对邻近地区的经济波动产生负向空间溢出效应。

土地资源错配行为的示范效应是指当某一地方政府采取低价出让工业用地方式拉动经济时，邻近地区也会跟着学习、模仿，从而导致土地资源错配行为在区域间形成“示范—模仿”的扩散机制。随着经济体制改革的不断推进，中央政府逐步下放权力到地方，使地方政府逐渐成为了相对独立的利益主体。此时，追求本地区利益最大化自然而然就成了地方政府的行动目标^[19]。在信息获取便利的条件下，具有风险规避偏好的地方政府在制定和实施经济政策时，通常会观察邻近地区的政府行为并加以模仿，以尽可能地选择占优策略，达到利益最大化的目标。特别是当某地方政府实施的经济政策行之有效时，邻近地区更会立刻学习并尽可能地模仿，即地方政府的经济决策存在着“同群效应”^[19]。实行工业经济偏好的土地资源错配政策是地方政府短期内提升招商引资竞争力、推动本辖区经济快速增长的制胜法宝，这一政策势必会对邻近地区起到良好的示范效应，由此，本地区的土地资源错配行为会被传递到邻近地区。由于土地资源错配会降低经济波动，因此，通过土地资源错配行为的示范效应，会对邻近地区的经济波动产生负向空间溢出效应。

土地资源错配行为的虹吸效应是指当某一地方政府采取低价出让工业用地吸引工业投资时，能够将邻近地区的资源吸引过来，从而间接对邻近地区的经济产生负向影响。工业经济偏好的土地资源错配行为实际上是区域间招商引资竞争的结果，政府通过低价出让工业用地来提升招商竞争力，争夺外来投资。杨继东等指出：“每一笔成功的工业土地出让通常意味着当地赢得了一笔新的固定资产投资。”^[20] 新的固定资产投资不仅吸引邻近地区的劳动力流入本地，还会吸引邻近地区的资金流入本地，与新的固定资产投资形成配套，即吸引周边资源向本地区集聚。劳动力、资金等资源的流出必然会引起经济波动，因此，通过土地资源错配行为的虹吸效应，会对邻近地区的经济波动产生正向空间溢出效应。

综上所述，土地资源错配对邻近地区经济波动的影响效果是不确定的：如果经济波动的空间传递效应或土地资源错配行为的示范效应起主导作用，那么本地区土地资源错配将对邻近地区的经济波动产生负向影响，即存在负向空间溢出效应；如果土地资源错配行为的虹吸效应起主导作用，那么本地区土地资源错配将对邻近地区的经济波动产生正向影响，即存在正向空间溢出效应。

2 空间计量模型设定与数据说明

2.1 空间计量模型设定

学者们常用空间自回归模型（SAR）、空间杜宾模型（SDM）和空间自滞后模型（SLX）来研究经济变量间空间溢出效应。在这三种空间计量模型中，空间自回归模型与空间杜宾模型不仅需要处理被解释变量空间滞后项的内生性问题，还需要进行直接效应与间接效应的分解，估计过程繁琐而复杂；空间自滞后模型不包含被解释变量空间滞后项，解释变量空间滞后项的系数直接代表空间溢出效应，无需再进行直接效应与间接效应的分解^[21]，估计过程相对简便。基于此，本文将采用空间自滞后模型来研究土地资源错配对经济波动的空间溢出效应。具体模型设置如下：

（1）

g s d i t = α + β · l r m i t + λ · ∑ w i j t l r m i t + χ · c o n t r o l i t + κ · ∑ w i j t c o n t r o l i t + μ i + ε i t

式中：i为城市；t为时间；

g s d i t

为经济波动；

l r m i t

为土地资源错配程度；

∑ w i j t l r m i t

为土地资源错配程度的空间滞后项；

c o n t r o l i t

为控制变量；

∑ w i j t c o n t r o l i t

为控制变量的空间滞后项；

μ i

为个体效应；

ε i t

为误差项。系数

λ

代表土地资源错配对经济波动的空间溢出效应，它是本文重点关注的对象。在宏观经济学中，凯恩斯主义学派认为，财政支出变动会导致经济波动，所以，政府能够运用财政支出政策干预经济，熨平经济波动，但是，实际经济周期学派则不认同这一观点。实际经济周期学派认为，技术冲击才是导致经济波动的主要因素。基于此，这里的控制变量主要包括财政支出规模（

g o v i t

）与全要素生产率变化指数（

t f p i t

），财政支出规模用于衡量政府对经济的干预，全要素生产率变化指数用于衡量技术水平的变化。为不失一般性，我们也控制了财政支出规模的空间滞后项

∑ w i j t g o v i t

与全要素生产率变化指数的空间滞后项

∑ w i j t t f p i t

。

与已有研究相比，本文的空间计量模型是新的空间计量模型，该模型的特点在于采用了一个综合地理距离与经济联系的时变引力空间权重矩阵：

（2）

w g, i j t = q i t × q j t d i j 2 i ≠ j 0 i = j

式中：

q i t

为城市i在t期时的实际人均GDP；

q j t

为城市j在t期时的实际人均GDP；

d i j

为城市i与城市j之间的距离。由此可见，

w g, i j t

会随着时间而变化，是时变引力空间权重矩阵。普通的引力空间权重矩阵是静态的，其隐含假设是城市间每一期的经济联系固定不变，但是这一假设并不符合现实经济。现实中，城市间每一期的经济联系都随着经济因素变化而变化。因此，时变引力空间权重矩阵能更准确地测度土地资源错配对经济波动的空间溢出效应。本文后续的实证结果也证实，采用时变引力空间权重矩阵的估计结果优于采用普通引力空间权重矩阵的估计结果。

2.2 数据说明

关于被解释变量经济波动（

g s d i t

），部分学者采用实际GDP增长率的滚动标准差进行衡量^[14]，但是该方法会消耗一定的样本量，而且也未剔除经济趋势所带来的影响。因此，本文使用实际GDP增长率波动项的绝对值来衡量经济波动^[5]。其中，实际GDP增长率波动项采用HP滤波法获得。

土地资源错配（

l r m i t

）是指地方政府利用土地一级市场上的垄断权，低价出让工业用地换取工业投资的行为。由于地级市的工业用地价格缺少官方统计数据，因此，无法直接测度每个城市的土地资源错配状况。然而，杨其静等认为，虽然《中国土地资源统计年鉴》没有提供地级市工业用地出让的详细数据且真实的交易价格数据也难以获得，但是，土地出让方式中的“协议出让”可以作为“工业用地”与“低价出让”的代名词^[22]。在已有相关研究中，许多学者均支持这一观点^{[1,2,5,23⇓-25]}，其中，李力行、段莉芝等明确指出，协议出让土地面积占比越大，土地资源错配程度就越高^[1,5]。因此，借鉴已有研究，本文以协议出让土地面积与总出让面积之比来衡量土地资源错配程度^[1,2,5,22]。

关于财政支出规模（

g o v i t

），使用财政支出与GDP之比来衡量。关于全要素生产率变化指数（

t f p i t

），使用Malmquist生产率指数来衡量。本文采用SBM-VRS模型测算Malmquist生产率指数，其中，投入变量为非农资本存量与非农就业人数，产出变量为非农产出^①。文中名义变量均依据省级层面消费者价格指数进行了以2003年为基期的价格平减。考虑到直辖市的行政级别明显高于普通的地级市，在资源禀赋和经济发展水平等方面也明显优于其他地级市，因此这里剔除了北京、上海、天津和重庆等4个直辖市，另外还剔除了数据缺失严重的一些城市，最后本文的样本空间为2007—2016年279个地级市数据。

相关原始数据来源于历年《中国国土资源统计年鉴》《中国城市统计年鉴》与国家统计局网站。

3 实证分析

3.1 基准回归结果分析

空间自滞后模型不包含被解释变量空间滞后项，其估计方式较为简便，可采用固定效应估计或随机效应估计等方式进行。由于固定效应估计可以排除个体效应所导致的内生性问题，因此本文采用固定效应估计。表1列Ⅰ报告了普通面板数据模型的估计结果，该模型并未考虑土地资源错配对经济波动的空间溢出效应。可以发现，土地资源错配的系数显著为负，说明本地区土地资源错配能够减缓自身的经济波动。表1列Ⅱ至列Ⅳ报告了空间自滞后模型的估计结果，其中，列Ⅱ采用的是地理距离权重矩阵，列Ⅲ采用的是时变引力空间权重矩阵，列Ⅳ采用的是普通引力空间权重矩阵。可以发现，根据对数似然值、AIC准则与BIC准则，采用地理距离权重矩阵、时变引力空间权重矩阵与普通引力空间权重矩阵的空间自滞后模型均优于普通面板数据模型。由此表明，研究土地资源错配对经济波动的影响，需要考虑空间溢出效应。另外，在空间自滞后模型中，采用时变引力空间权重矩阵的模型优于采用地理距离权重矩阵和普通引力空间权重矩阵的模型。因此，下面将依据时变引力空间权重矩阵的估计结果进行相应的分析。

表1 基准回归的结果

Tab.1 The results of benchmark regression

	Ⅰ 普通面板	Ⅱ 地理距离矩阵	Ⅲ 时变引力矩阵	Ⅳ 普通引力矩阵
$l r m i t$	-2.978^***	-1.651	-1.752	-1.786
$l r m i t$	（-3.244）	（-1.379）	（-1.462）	（-1.489）
$∑ w i j t l r m i t$		-3.854^**	-3.879^**	-3.117^*
$∑ w i j t l r m i t$		（-2.199）	（-2.229）	（-1.831）
$g o v i t$	-0.254	-0.448	-0.109	-0.424
$g o v i t$	（-0.117）	（-0.195）	（-0.048）	（-0.184）
$t f p i t$	70.225^***	68.202^***	67.041^***	68.350^***
$t f p i t$	（11.741）	（11.400）	（11.260）	（11.406）
$∑ w i j t g o v i t$		2.884	4.372	8.160
$∑ w i j t g o v i t$		（0.428）	（0.728）	（0.961）
$∑ w i j t t f p i t$		83.875^***	109.697^***	84.216^***
$∑ w i j t t f p i t$		（5.029）	（7.094）	（4.504）
常数项	-66.811^***	-148.436^***	-173.312^***	-149.703^***
常数项	（-11.119）	（-8.493）	（-10.643）	（-7.671）
样本量	2 790	2 790	2 790	2 790
log-lik	-9 531.972	-9 515.648	-9 502.178	-9 519.136
AIC	19 071.94	19 045.3	19 018.36	19 052.27
BIC	19 095.68	19 086.83	19 059.89	19 093.81

注：小括号内为t值。***、**、*分别表示在1%、5%、10%的水平上显著。log-lik为对数似然值。log-lik数值越大代表模型估计效果越好，AIC与BIC数值越小代表模型估计效果越好。下同。

表1列Ⅲ显示了采用时变引力空间权重矩阵的估计结果：土地资源错配空间滞后项的系数为负，且在5%的水平上显著，即土地资源错配对经济波动有着显著的负向空间溢出效应，本地区土地资源错配能够稳定邻近地区的经济增长，减缓它们的经济波动^②。这一结果表明，在本地区土地资源错配影响邻近地区经济波动的机制中，经济波动的空间传递效应与土地资源错配行为的示范效应起着主导作用：土地资源错配会直接减缓本地区的经济波动，而经济波动往往具有正向空间传递性，从而间接减缓了邻近地区的经济波动^㉓（㉓我们测算了2007—2016年经济波动的全局Moran's I指数，其结果显示历年的全局Moran's I指数均显著为正，说明我国城市间的经济波动的确存在正向空间传递性。限于篇幅，省略了结果（备索）。）；地方政府的土地资源错配行为具有示范效应，邻近地区也会跟着学习、模仿，而土地资源错配又能减缓经济波动^②，从而间接减缓了邻近地区的经济波动。另外，在模型中，土地资源错配估计系数的显著性虽然下降了，但它依然为负^③。关于控制变量，全要素生产率变化指数及其空间滞后项的系数显著为正，即技术冲击也是引起经济波动的主要因素之一，这与实际经济周期理论基本保持一致。财政支出规模的系数为负，但并没有通过显著性检验。我国经济运行中常常出现经济过热与过冷并存的局面，此时，财政政策的有效发挥需以差异化、精细化为前提，不能搞“一刀切”，而我国在这方面还有待提升，因此财政支出规模的系数并不显著。

3.2 稳健性检验

本文主要从4个方面进行稳健性检验：第一，通过更换空间权重矩阵来检验结果的稳健性；第二，通过进一步处理内生性来检验结果的稳健性；第三，通过加入更多的控制变量来检验结果的稳健性；第四，通过更改模型滞后期来检验结果的稳健性。

在基准回归中，采用了时变引力空间权重矩阵，同时也采用了地理距离权重矩阵与普通引力空间权重矩阵，其结果基本保持一致。这里，我们将再采用两种空间权重矩阵来检验基准模型的稳健性。第一种空间权重矩阵是经济权重矩阵：

（3）

w e, i j t = 1 / q i t - q j t i ≠ j 0 i = j

式中：

q i t

为城市i在t期时的实际人均GDP；

q j t

为城市j在t期时的实际人均GDP。该空间权重矩阵也是一个时变经济权重矩阵。第二种空间权重矩阵是地理与经济嵌套的权重矩阵：

（4）

w d e, i j t = τ w d, i j + 1 - τ w e, i j t i ≠ j 0 i = j

式中：

w d, i j

为地理距离权重矩阵^④

④ 地理距离权重矩阵设置为： $w d, i j = 1 / d i j 2 i ≠ j 0 i = j$ ，其中， $d i j$ 为城市i与城市j之间的距离。

；

w e, i j t

为经济权重矩阵^⑤

⑤ 经济权重矩阵 $w e, i j t$ 如式（3）所示。

；

τ

为地理距离权重矩阵的权重。参考邵帅等的研究^[26]，

τ

设定为0.5。与邵帅等^[26]的权重矩阵不同，本文地理与经济嵌套的权重矩阵是一个时变权重矩阵。

表2列Ⅰ报告了采用经济权重矩阵的实证结果，表2列Ⅱ报告了采用地理与经济嵌套权重矩阵的实证结果，可以发现，更换空间权重矩阵后，土地资源错配空间滞后项的系数依然为负，且在5%的水平上显著。

表2 稳健性检验的结果

Tab.2 The results of robustness test

	Ⅰ 经济矩阵	Ⅱ 嵌套矩阵	Ⅲ 2SLS	Ⅳ 控制更多变量	Ⅴ 更改滞后期
$∑ w i j t l r m i t$	-3.365^**（-2.044）	-4.047^**（-2.142）	-4.882^**（-2.557）	-3.728^**（-2.131）
$∑ w i j t - 1 l r m i t - 1$					-6.225^***（-4.17）
$l r m i t$	-1.173（-1.029）	-1.272（-1.059）	-1.333（-1.073）	-1.744（-1.456）	-2.247（-1.51）
控制变量	控制	控制	控制	控制	控制
W_控制变量	控制	控制	控制	控制	控制
常数项	-42.057^***（-2.778）	-102.847^***（-4.953）	-173.705^***（-10.665）	-163.852^***（-9.729）	-180.467^***（-10.54）
样本量	2 790	2 790	2 790	2 790	2 511

考虑到土地资源错配的空间滞后项变量可能存在内生性，这里以土地资源错配的两阶空间滞后项作为工具变量，然后采用两阶段最小二乘法（2SLS）重新估计模型，结果如表2列Ⅲ所示。可以发现，进一步处理内生性后，土地资源错配空间滞后项的系数依然为负，且在5%的水平上显著。在基准回归模型中，我们只控制了财政支出规模、全要素生产率变化指数及其空间滞后项。为降低遗漏变量所带来的估计偏误，这里又添加了经济开放程度、信贷规模及其空间滞后项作为控制变量，结果见表2列Ⅳ^①。可以发现，加入更多的控制变量后，土地资源错配空间滞后项的系数依然为负，且在5%的水平上显著。

考虑到本地区土地资源错配对邻近地区经济波动的空间溢出效应具有时滞性，这里更改模型滞后期，即将当期的土地资源错配空间滞后项更改为滞后一期的土地资源错配空间滞后项。表2列Ⅴ报告了更改模型滞后期的实证结果，可以发现，滞后一期的土地资源错配空间滞后项的系数依然为负，且在1%的水平上显著。

由此可见，经过一系列稳健性检验后，本文研究结论仍然成立：本地区土地资源错配能够在一定程度上稳定邻近地区的经济增长，减缓它们的经济波动。

3.3 边际分析

从边际分析的角度来看，一个地区的经济波动有两种表现形式：一种是企业个数的波动，即扩展边际波动；另一种是企业生产的波动，即密度边际波动。因此，本地区土地资源错配主要通过两种方式来影响邻近地区的经济波动。第一种是本地区土地资源错配通过影响邻近地区企业个数的波动，即通过影响邻近地区扩展边际波动的方式来影响其整体经济波动；第二种是本地区土地资源错配通过影响邻近地区企业产出的波动，即通过影响邻近地区密度边际波动的方式来影响其整体经济波动。

为探讨土地资源错配对经济波动的空间溢出效应是通过何种方式实现，下面分别构建如下模型：

（5）

n s d i t = α + β · l r m i t + λ · ∑ w i j t l r m i t + χ · c o n t r o l i t + κ · ∑ w i j t c o n t r o l i t + u i + ε i t

（6）

u s d i t = α + β · l r m i t + λ · ∑ w i j t l r m i t + χ · c o n t r o l i t + κ · ∑ w i j t c o n t r o l i t + u i + ε i t

式中：

n s d i t

为扩展边际波动程度，即企业个数增长率的波动；

u s d i t

为密度边际波动程度，即单位企业实际产值增长率的波动；

n s d i t

与

u s d i t

的相关原始数据来源于历年《中国城市统计年鉴》。

表3报告了边际分析的结果，其中，列Ⅰ与列Ⅳ是采用地理距离权重矩阵的结果，列Ⅱ与列Ⅴ是采用时变引力空间权重矩阵的结果，列Ⅲ与列Ⅵ是采用普通引力空间权重矩阵的结果。可以发现：在3种权重矩阵情况下，本地区土地资源错配对邻近地区扩展边际波动的影响系数均为负，但并没有通过显著性检验；本地区土地资源错配对邻近地区密度边际波动的影响系数均为负，且通过了显著性检验。这说明土地资源错配对经济波动的负向空间溢出效应，主要通过降低密度边际波动来实现。

表3 边际分析的结果

Tab.3 The results of marginal analysis

	Ⅰ $n s d$	Ⅱ $n s d$	Ⅲ $n s d$	Ⅳ $u s d$	Ⅴ $u s d$	Ⅵ $u s d$
$∑ w i j t l r m i t$	-26.240（-1.426）	-22.090（-1.203）	-24.462（-1.370）	-26.464^***（-2.763）	-24.048^**（-2.518）	-28.188^***（-3.036）
$l r m i t$	-13.865（-1.103）	-14.862（-1.176）	-13.857（-1.101）	-4.956（-0.758）	-6.546（-0.996）	-4.551（-0.695）
控制变量	控制	控制	控制	控制	控制	控制
W_控制变量	控制	控制	控制	控制	控制	控制
常数项	-399.932^**（-2.179）	-388.606^**（-2.262）	-409.195^**（-1.999）	-314.289^***（-3.291）	-272.313^***（-3.047）	-339.022^***（-3.185）
样本量	2 790	2 790	2 790	2 790	2 790	2 790

4 进一步分析

城市间发展不均衡是我国区域经济发展的主要特征之一，一线中心城市被视为区域经济的增长极，而二、三线城市则被视为外围城市。根据增长极理论，各等级城市间的相互影响主要体现在增长极城市会对周边外围城市产生溢出效应。增长极理论将各级城市视为处于不同地位的经济体，增长极城市处于主导地位，而周边外围城市处于被主导地位。可以发现，从增长极理论视角来看，土地资源错配对经济波动的空间溢出效应主要表现为一线中心城市土地资源错配会对二、三线城市的经济波动产生影响。与增长极理论不同，中心地模型则认为：经济的空间溢出效应不一定只存在于中心城市对外围城市，外围城市对中心城市也可能存在空间溢出效应。基于此，下面我们将进一步分析不同等级城市间土地资源错配对经济波动的空间溢出效应。

为了方便表述模型，先假设土地资源错配空间滞后项为

l r m i t L a g = ∑ w i j t l r m i t

，然后将279个城市划分为一线城市、二线城市和三线城市这三个不同的等级，并分别用符号L、M、S来表示。借鉴柯善咨^[27]、Ke等^[28]的研究，接着将土地资源错配空间滞后项分解成：

（7）

l r m i t L a g = l r m i t L + l r m i t M + l r m i t S

同时，设定3个虚拟变量L、M和S，用于识别不同类型的城市。最后，用这3个虚拟变量分别与式（7）相乘，得到9个空间滞后项，从而可以估计不同等级城市间的空间溢出效应。这9个空间滞后项分别是：

l r m i t L M

、

l r m i t L S

、

l r m i t M S

、

l r m i t M L

、

l r m i t S L

、

l r m i t S M

、

l r m i t L L

、

l r m i t M M

、

l r m i t S S

。此时，基准回归方程式（1）演变为：

（8）

g s d i t = α + λ 1 · l r m i t L M + λ 2 · l r m i t L S + λ 3 · l r m i t M S + λ 4 · l r m i t M L + λ 5 · l r m i t S L + λ 6 · l r m i t S M + λ 7 · l r m i t L L + λ 8 · l r m i t M M + λ 9 · l r m i t S S + β · l r m i t + χ · c o n t r o l i t + κ · ∑ w i j t c o n t r o l i t + u i + ε i t

式中：

λ 1

、

λ 2

、

λ 3

分别为一线城市对二、三线城市的空间溢出效应以及二线城市对三线城市的空间溢出效应，这代表着高等级城市土地资源错配对低等级城市经济波动的空间溢出效应；

λ 4

、

λ 5

、

λ 6

分别为二线城市对一线城市的空间溢出效应以及三线城市对一、二线城市的空间溢出效应，这代表着低等级城市土地资源错配对高等级城市经济波动的空间溢出效应；

λ 7

、

λ 8

、

λ 9

分别为一线城市对一线城市、二线城市对二线城市、三线城市对三线城市的空间溢出效应，这代表着同等级城市间土地资源错配对经济波动的空间溢出效应。

关于一线、二线、三线城市的划分标准，根据《第一财经周刊》发布的《2016中国城市商业魅力排行榜》，将排行榜中的“一线城市”“新一线城市”与“二线城市”归为一线城市，将排行榜中的“三线城市”归为二线城市，排行榜中的“四线城市”与“五线城市”归为三线城市。据此标准，将本文的279个城市划分为45个一线城市、70个二线城市和164个三线城市，具体结果见表4。需要说明的是，考虑到直辖市的行政级别明显高于普通的地级市，同时为了与基准实证分析的样本保持一致，这里并没有包含4个直辖市。

表4 一线、二线、三线城市的划分

Tab.4 Division of first-，second- and third-tier cities

城市等级	城市名
一线城市	石家庄市、太原市、沈阳市、大连市、长春市、哈尔滨市、南京市、无锡市、徐州市、常州市、苏州市、南通市、扬州市、杭州市、宁波市、温州市、嘉兴市、金华市、合肥市、福州市、厦门市、泉州市、南昌市、济南市、青岛市、烟台市、潍坊市、郑州市、洛阳市、武汉市、长沙市、广州市、深圳市、珠海市、汕头市、佛山市、惠州市、东莞市、南宁市、海口市、成都市、贵阳市、昆明市、西安市、乌鲁木齐市
二线城市	唐山市、秦皇岛市、邯郸市、邢台市、保定市、张家口市、廊坊市、运城市、呼和浩特市、包头市、赤峰市、鄂尔多斯市、呼伦贝尔市、鞍山市、抚顺市、吉林市、齐齐哈尔市、大庆市、连云港市、淮安市、盐城市、镇江市、泰州市、湖州市、绍兴市、衢州市、舟山市、台州市、芜湖市、蚌埠市、莆田市、漳州市、南平市、龙岩市、赣州市、宜春市、上饶市、淄博市、济宁市、威海市、临沂市、安阳市、宜昌市、荆州市、株洲市、衡阳市、岳阳市、常德市、郴州市、怀化市、湛江市、梅州市、中山市、揭阳市、柳州市、桂林市、三亚市、泸州市、德阳市、绵阳市、南充市、宜宾市、遵义市、丽江市、宝鸡市、咸阳市、榆林市、兰州市、西宁市、银川市
三线城市	承德市、沧州市、衡水市、大同市、阳泉市、长治市、晋城市、朔州市、晋中市、忻州市、临汾市、吕梁市、乌海市、通辽市、巴彦淖尔市、乌兰察布市、本溪市、丹东市、锦州市、营口市、阜新市、辽阳市、盘锦市、铁岭市、朝阳市、葫芦岛市、四平市、辽源市、通化市、白山市、松原市、白城市、鸡西市、鹤岗市、双鸭山市、伊春市、佳木斯市、七台河市、牡丹江市、黑河市、绥化市、宿迁市、丽水市、淮南市、马鞍山市、淮北市、铜陵市、安庆市、黄山市、滁州市、阜阳市、宿州市、六安市、亳州市、池州市、宣城市、三明市、宁德市、景德镇市、萍乡市、九江市、新余市、鹰潭市、吉安市、抚州市、枣庄市、东营市、泰安市、日照市、莱芜市、德州市、聊城市、滨州市、菏泽市、开封市、平顶山市、鹤壁市、新乡市、焦作市、濮阳市、许昌市、漯河市、三门峡市、南阳市、商丘市、信阳市、周口市、驻马店市、黄石市、十堰市、襄樊市、鄂州市、荆门市、孝感市、黄冈市、咸宁市、随州市、湘潭市、邵阳市、张家界市、益阳市、永州市、娄底市、韶关市、江门市、茂名市、肇庆市、汕尾市、河源市、阳江市、清远市、潮州市、云浮市、梧州市、北海市、防城港市、钦州市、贵港市、玉林市、百色市、贺州市、河池市、来宾市、崇左市、自贡市、攀枝花市、广元市、遂宁市、内江市、乐山市、眉山市、广安市、达州市、雅安市、巴中市、资阳市、六盘水市、安顺市、曲靖市、玉溪市、保山市、昭通市、思茅市、临沧市、铜川市、渭南市、延安市、汉中市、安康市、商洛市、嘉峪关市、金昌市、白银市、天水市、武威市、张掖市、平凉市、酒泉市、庆阳市、定西市、石嘴山市、吴忠市、固原市、克拉玛依市

表5报告了进一步分析的实证结果，其中，列Ⅰ、列Ⅱ和列Ⅲ分别是采用地理距离权重矩阵、时变引力空间权重矩阵和普通引力空间权重矩阵的实证结果。可以发现，根据对数似然值、AIC准则与BIC准则，采用时变引力空间权重矩阵的模型优于采用地理距离权重矩阵与普通引力空间权重矩阵的模型。因此，下面将依据时变引力空间权重矩阵的估计结果进行分析。

表5 进一步分析的实证结果

Tab.5 The empirical results of further analysis

		Ⅰ 地理距离矩阵	Ⅱ 时变引力矩阵	Ⅲ 普通引力矩阵
高→低	$l r m i t L M$	-15.349^*（-1.723）	-16.476^*（-1.904）	-10.803（-1.471）
	$l r m i t L S$	-19.399^*（-1.945）	-20.161^**（-2.217）	-6.169（-0.805）
	$l r m i t M S$	-5.243（-0.634）	0.343（0.043）	-7.712（-0.993）
低→高	$l r m i t M L$	25.639^***（2.861）	21.257^**（2.329）	19.480^**（2.370）
	$l r m i t S L$	-16.089^**（-2.463）	-13.075^**（-2.130）	-14.132^**（-1.972）
	$l r m i t S M$	-14.469^**（-2.288）	-11.494^*（-1.871）	-13.695^*（-1.951）
同等级	$l r m i t L L$	-1.159（-0.132）	-1.215（-0.137）	0.174（0.024）
	$l r m i t M M$	8.025（0.678）	3.967（0.354）	4.849（0.456）
	$l r m i t S S$	2.508（0.674）	-0.280（-0.082）	1.770（0.431）
	$l r m i t$	-1.698（-1.408）	-1.808（-1.502）	-1.940（-1.603）
	控制变量	控制	控制	控制
	W_控制变量	控制	控制	控制
	常数项	-149.969^***（-8.588）	-174.037^***（-10.675）	-151.501^***（-7.752）
	样本量	2 790	2 790	2 790
	log-lik	-9 501.973	-9491.699	-9 509.63
	AIC	19 033.95	19 013.4	19 049.26
	BIC	19 122.95	19 102.41	19 138.27

表5列Ⅱ显示了采用时变引力空间权重矩阵的估计结果：第一，一线城市土地资源错配对二、三线城市的经济波动产生了负向空间溢出效应，二线城市土地资源错配对三线城市的经济波动的空间溢出效应并不显著^①；第二，二线城市土地资源错配对一线城市的经济波动产生了正向空间溢出效应^②，三线城市土地资源错配对一、二线城市经济波动产生了负向空间溢出效应；第三，同等级城市间土地资源错配对经济波动的空间溢出效应并不显著。上述实证结果基本符合增长极理论与中心地模型的结论。由此可见，在三类不同等级城市间，土地资源错配对经济波动的空间溢出效应不尽相同：在自上而下的空间溢出效应中，并不是每类高等级城市都对低等级城市存在空间溢出效应，而在自下而上的空间溢出效应中，每类低等级城市都对高等级城市存在空间溢出效应，同等级城市间的空间溢出效应则并不显著。

5 结论与讨论

目前学术界关于土地资源错配对经济波动的影响研究仍显不足，土地资源错配对经济波动的空间溢出效应研究更是无人涉足。本文构建了一个采用时变引力空间权重矩阵的空间自滞后模型，分析了土地资源错配对经济波动的空间溢出效应，尤其是探讨了一线、二线、三线城市之间的空间溢出效应。实证结果表明：采用时变引力空间权重矩阵的模型优于采用地理距离权重矩阵与普通引力空间权重矩阵的模型；本地区土地资源错配能够减缓邻近地区的经济波动，即土地资源错配对经济波动存在负向空间溢出效应，且该结论在一系列稳健性检验后仍然成立。边际分析结果显示：土地资源错配对经济波动的负向空间溢出效应主要通过降低密度边际波动来实现。进一步研究发现，在三类不同等级城市间，土地资源错配对经济波动的空间溢出效应不尽相同：在自上而下的空间溢出效应中，并不是每类高等级城市都对低等级城市存在空间溢出效应，而在自下而上的空间溢出效应中，每类低等级城市都对高等级城市存在空间溢出效应，同等级城市间的空间溢出效应则并不显著。

虽然土地资源错配可以稳定本地区及邻近地区的经济增长，减少经济大幅波动，但长期来看，以土地资源错配稳增长的方式不可持续，它会对经济的高质量发展产生诸多负面影响。例如，工业经济偏好的土地资源错配方式会导致制造业产能严重过剩，阻碍产业结构升级，加剧经济结构扭曲，不利于城市创新能力的提升等。因此，只有完善政绩考核体系，深化土地市场改革，提升土地要素市场化水平，减少土地资源错配，提高资源配置效率，才能促进经济持续、稳定增长。另外，由于不同等级城市间土地资源错配对经济波动的空间溢出效应是不一样的，有的是存在负向溢出效应，有的是存在正向溢出效应，有的不存在溢出效应，这就要求地方政府在制定稳增长、稳就业政策时必须充分考虑空间溢出效应的异质性。

References

Publishing order | Descend order by publishing year | Descend order by cited within

[1]	李力行, 黄佩媛, 马光荣. 土地资源错配与中国工业企业生产率差异[J]. 管理世界, 2016(8):86-96.

[2]	李勇刚, 罗海艳. 土地资源错配阻碍了产业结构升级吗? ——来自中国35个大中城市的经验证据[J]. 财经研究, 2017, 43(9):110-121.

[3]	余泳泽, 宋晨晨, 容开建. 土地资源错配与环境污染[J]. 财经问题研究, 2018(9):43-51.

[4]	张少辉, 余泳泽. 土地出让、资源错配与全要素生产率[J]. 财经研究, 2019, 45(2):73-85.

[5]	段莉芝, 陈乐一, 李玉双. 土地资源错配与经济波动——基于中国地级市数据的实证分析[J]. 中国土地科学, 2019, 33(7):64-72.

[6]	黄赜琳. 技术冲击和劳动供给对经济波动的影响分析——基于可分劳动RBC模型的实证检验[J]. 财经研究, 2006, 32(6):98-109.

[7]	许伟, 陈斌开. 银行信贷与中国经济波动:1993—2005[J]. 经济学(季刊), 2009,8(3):969-994.

[8]	仝冰. 混频数据、投资冲击与中国宏观经济波动[J]. 经济研究, 2017, 52(6):60-76.

[9]	余建干, 吴冲锋. 金融冲击、货币政策规则的选择与中国经济波动[J]. 系统工程理论与实践, 2017, 37(2):273-287.

[10]	项后军, 巫姣, 谢杰. 地方债务影响经济波动吗[J]. 中国工业经济, 2017(1):43-61.

[11]	陈乐一, 杨云. 经济体制改革对经济周期波动的调节和缓解作用研究[J]. 经济社会体制比较, 2016(3):153-165.

[12]	邓红亮, 陈乐一. 劳动生产率冲击、工资粘性与中国实际经济周期[J]. 中国工业经济, 2019(1):23-42.

[13]	陈柏福. 我国产业结构变动对经济周期波动影响的实证分析[J]. 经济地理, 2010, 30(12):2030-2 036.

[14]	张少军. 外包造成了经济波动吗? ——来自中国省级面板的实证研究[J]. 经济学(季刊), 2013, 12(2):621-648.

[15]	Hsieh C T, Klenow P J. Misallocation and manufacturing TFP in China and India[J]. Quarterly Journal of Economics, 2009, 124(4):1403-1 448.

[16]	张雄, 张安录, 邓超. 土地资源错配及经济效率损失研究[J]. 中国人口·资源与环境, 2017, 27(3):170-176.

[17]	黄晶. 国内贸易、空间溢出与省际经济周期协同:1987— 2011[J]. 财贸研究, 2014(4):18-27.

[18]	邓虎, 李玉双. 我国区域经济周期阶段同步性的分析[J]. 经济问题探索, 2012(11):1-5.

[19]	邓慧慧, 赵家羚. 地方政府经济决策中的“同群效应”[J]. 中国工业经济, 2018(4):59-78.

[20]	杨继东, 杨其静. 保增长压力、刺激计划与工业用地出让[J]. 经济研究, 2016, 51(1):99-113.

[21]	Vega S H, Elhorst J P. The SLX model[J]. Journal of Regional Science, 2015, 55(3):339-363.

[22]	杨其静, 卓品, 杨继东. 工业用地出让与引资质量底线竞争 ——基于2007—2011年中国地级市面板数据的经验研究[J]. 管理世界, 2014(11):24-34.

[23]	梁若冰, 韩文博. 区域竞争、土地出让与城市经济增长:基于空间面板模型的经验分析[J]. 财政研究, 2011(8):48-51.

[24]	颜燕, 贺灿飞, 刘涛, 等. 工业用地价格竞争、集聚经济与企业区位选择——基于中国地级市企业微观数据的经验研究[J]. 城市发展研究, 2014, 21(3):9-13.

[25]	王玉波. 土地财政与城市用地规模及人口增长联动关系区域差异[J]. 经济地理, 2019, 39(10):172-182.

[26]	邵帅, 李欣, 曹建华, 等. 中国雾霾污染治理的经济政策选择 ——基于空间溢出效应的视角[J]. 经济研究, 2016, 51(9):73-88.

[27]	柯善咨. 中国城市与区域经济增长的扩散回流与市场区效应[J]. 经济研究, 2009, 44(8):85-98.

[28]	Ke S, Feser E. Count on the growth pole strategy for regional economic growth? Spread-backwash effects in Greater Central China[J]. Regional Studies, 2010, 44(9):1131-1 147.

Options

Outlines

模态框（Modal）标题