Spatial spillover effects of export-oriented economic development in the Yangtze River Economic Belt
CAI Bingbing, ZHAO Wei,, LI Zhengyang, YANG HuiCollege of Environment and Planning, Henan University, KaiFeng 475004, China通讯作者:
收稿日期:2019-01-10修回日期:2019-04-27网络出版日期:2019-10-29
基金资助: |
Received:2019-01-10Revised:2019-04-27Online:2019-10-29
作者简介 About authors
蔡冰冰,女,河南周口人,硕士研究生,研究方向为城市与区域综合发展E-mail:
摘要
关键词:
Abstract
Keywords:
PDF (4803KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
蔡冰冰, 赵威, 李政旸, 杨慧. 长江经济带外向型经济空间溢出效应. 资源科学[J], 2019, 41(10): 1871-1885 doi:10.18402/resci.2019.10.10
CAI Bingbing.
1 引言
长江经济带承东启西,横贯中国东、中、西三大区域,是中国国土开发和经济布局战略中极其重要的发展轴[1]。2014年,长江经济带上升为国家重点实施战略。此外,国务院明确指出,要培育长江经济带全方位对外开放新优势,全面提升对外开放水平。国家政策的扶持为长江经济带外向型经济发展迎来了良好的契机,因此,坚持对外开放,积极发展外向型经济仍是长江经济带当前乃至未来经济活动的重点。2017年,长江经济带GDP总量占全国的43.86%;进出口总额占全国的43.46%;实际使用外商投资额占全国的50.44%。可见,长江经济带在中国外向型经济发展中占有举足轻重的地位,长江经济带的外向型经济发展是一个重要的研究课题。目前关于长江经济带经济方面的研究主要集中在经济空间结构演变[2]、经济发展方式[3]以及人口、交通[4,5]等因素对经济发展的影响等领域,另有部分****对长江经济带外向型制造业[6]、外向型服务业[7],以及外向型经济的发展特征[8]进行分析,而基于市域尺度定量探究长江经济带外向型经济空间溢出效应的研究较少。外向型经济具有较强的出口创汇能力,地区通过发展外向型经济,能积极参与国际劳务合作,充分利用外资,实现资本的快速积累与增长[9]。梳理国内外相关文献,关于外向型经济的研究主要集中在以下四方面:一是探讨外向型经济及外向型企业对经济发展的影响[10,11,12],认为外向型经济与经济发展间存在正相关关系,积极发展外向型企业能促进经济发展。二是探究外向型经济的内涵及发展路径[9,13],认为外向型经济的发展路径在不同的历史时期应随时代背景的变化而作出相应调整。三是从地理学角度出发,基于省域[14]、市域尺度[15],测度外向型经济发展水平,并探究其区域差异或时空演变特征,常采用的方法有熵权-TOPSIS[14]、探索性数据分析[15]等方法。四是采用结构方程模型[16]、多元线性回归分析[17]等定量分析方法,测度经济实力、产业结构、基础设施建设等因素对外向型经济的影响。
由此可见,****们虽然定量分析了外向型经济的影响因素,但大多采用传统的回归模型进行分析,忽视了地区经济活动的空间溢出效应。根据新经济地理学相关理论,地理空间的相关性或异质性等空间联系能对区域经济活动的溢出效应产生影响[18]。目前,国内外关于空间溢出效应的研究已有较为丰硕的成果。如焦敬娟等[19]研究发现中国省级区域创新对经济发展的正向溢出效应具有显著的地带性差异;张学波等[20]认为京津冀地区县域经济发展的负向溢出效应大于正向溢出效应;李新光等[21]研究表明高铁开通后,福建省58个县级市经济增长的溢出效应更加显著;Fukuda[22]研究发现日本采取的量化加质化双宽松政策(QQE)对东亚经济的正向溢出效应大于负向溢出效应。不难发现,已有研究大多基于经济增长、区域创新、政策制度等研究视角,采用马尔科夫链、空间计量模型、GIS空间分析等方法测度区域整体的空间溢出效应,缺乏对区域内部溢出效应差异的深入研究。综上所述,提出以下疑问:长江经济带上、中、下游地区外向型经济的溢出效应是否一致?若不一致,各地区存在什么差别?因此,本文在考虑外向型经济发展的空间相关性和依赖性的基础上,通过构建空间计量模型,对长江经济带全局及上、中、下游地区的空间溢出效应进行实证分析。
本文的创新之处主要体现在以下两方面。首先,为避免单一权重矩阵设定产生的误差,分别构建基于邻近关系、地理距离、经济引力模型权重矩阵的空间计量模型测度空间相关性。第二,从全局和分区两个研究视角入手,全面测度长江经济带外向型经济的空间溢出效应。具体做法为:运用熵权-突变级数法测算2005—2017年长江经济带105个市域单元的外向型经济发展水平;在空间权重矩阵的基础上,利用空间自相关方法测度长江经济带外向型经济的空间相关性;进一步构建空间计量模型,分别对长江经济带及上、中、下游地区外向型经济的空间溢出效应进行实证分析;综合分析结果,提出促进各地区外向型经济发展的建议,以期为长江经济带早日构建全方位、多层次、宽领域的对外开放新格局提供参考。
2 研究区概况、研究方法与数据来源
2.1 研究区概况
依据2014年国务院颁布的《关于依托黄金水道推动长江经济带发展的指导意见》[23],长江经济带包括江苏、浙江、安徽、湖北、湖南、江西、四川、贵州、云南、上海和重庆9省2市,面积约为205万km2。基于数据可得性原则,本文研究区域涵盖长江经济带105个市域,综合考虑到行政区划的完整性与区域经济发展条件,将长江经济带划分为上、中、下游地区进行研究(图1),其中,上游地区包括重庆、四川、贵州、云南3省1市;中游地区包括安徽、江西、湖北、湖南4省;下游地区包括上海、江苏、浙江2省1市。2017年,长江经济带常住人口约为5.95亿人,其中城镇人口约为3.47亿人,上、中、下游地区常住人口城镇化率分别为51.00%、55.49%和71.34%;地区国内生产总值约为370998亿元,上、中、下游地区占全区比重为23.27%、31.38%和45.36%;进出口总额约为17849亿美元,而上、中、下游地区的分布更加不均衡,其分布比例为9:9:82;实际使用外商投资额约为1375亿美元,上、中、下游地区占全区比重分别为17.36%、38.67%和43.96%。图1
新窗口打开|下载原图ZIP|生成PPT图1长江经济带空间范围示意图
Figure 1Spatial scope of the Yangtze River Economic Belt
2.2 研究方法
首先,构建长江经济带外向型经济发展水平评价指标体系;其次,依据指标体系建立的数据库,采用熵权-突变级数法测算2005—2017年长江经济带105个市域单元外向型经济发展水平;第三,分别构建基于邻近关系、地理距离、经济引力模型的权重矩阵,在此基础上利用全局空间自相关方法检验长江经济带外向型经济发展水平的空间相关性;最后,构建空间计量模型,测度各解释变量对长江经济带外向型经济的空间溢出效应。2.2.1 构建指标体系
在参考众多****研究的基础上,从外贸、外资、对外经济与旅游4个层面入手,共选取9项指标构建长江经济带外向型经济发展水平综合评价指标体系,具体见表1。其中,进出口总额能够较为全面地反映出研究区域与其他国家间的贸易往来情况,故采用人均外贸额、进口依存度和出口依存度表征外贸层面;外资层面则借助人均实际使用外商投资额和投资依存度表示,这两项指标能够反映出研究区域对外商投资的吸引力及利用外资的水平;外经层面根据人均对外经济合作额和外经依存度测算,反映区域在对外金融活动中的影响力及活跃程度;国际旅游业是一种具有综合性服务功能的外向型产业,选取人均旅游外汇收入和旅游依存度来表示旅游层面。
Table 1
表1
表1长江经济带外向型经济发展水平综合评价指标体系
Table 1
系统层(权重) | 指标层 | 计算方法 | 权重 | 单位 |
---|---|---|---|---|
外贸层面(0.396) | 人均外贸额 | 进出口贸易总额/总人口 | 0.158 | 美元 |
进口依存度 | 进口总额/GDP | 0.139 | % | |
出口依存度 | 出口总额/GDP | 0.010 | % | |
外资层面(0.133) | 人均实际使用外商投资额 | 实际使用外商投资额/总人口 | 0.080 | 美元 |
投资依存度 | 实际使用外商投资额/GDP | 0.048 | % | |
对外经济层面(0.162) | 人均对外经济合作营业额 | 对外经济合作营业额/总人口 | 0.112 | 美元 |
外经依存度 | 对外经济合作营业额/GDP | 0.050 | % | |
旅游层面(0.309) | 人均旅游外汇收入 | 旅游外汇收入/入境旅游人数 | 0.160 | 美元 |
旅游依存度 | 旅游外汇收入/GDP | 0.149 | % |
新窗口打开|下载CSV
2.2.2 熵权-突变级数
长江经济带外向型经济发展水平评价的实质是基于外贸、外资、外经和旅游4个系统的评价问题,需要将4个系统逐步分层剖析。突变级数法适宜解决多个系统的评价决策问题,且算法简单精确,能将评价对象进行多层次分解[24],应用时要充分考虑评价对象的相对重要程度,再根据突变模糊隶属函数的归一公式计算变量综合值,具体公式见黄亮[25]等的研究。因此,对评价对象的重要程度进行排序至关重要。熵权法作为一种客观赋权方法,能够克服权重赋值的主观性、臆断性等问题,故采用熵权法测度评价对象的权重,并根据权重大小确定其重要程度(系统层和指标层具体权重见表1),由此判断长江经济带外向型经济系统层的重要性由大到小依次为:外贸层面、旅游层面、外经层面、外资层面。
根据突变理论[26],突变模型随评价对象的个数而变化,当其评价对象的个数依次为2个、3个和4个时,对应的突变模型分别为尖点突变模型、燕尾突变模型和蝴蝶突变模型,由此,构建长江经济带外向型经济的突变级数结构图(图2)。另外,若各评价对象间存在明显的相关性,称评价对象为“互补型”,取评价对象的平均值为各系统突变级数的综合值;若不存在相关性,则为“非互补型”,根据“大中取小”的原则确定综合值[25]。因此,对外向型经济各评价对象进行Pearson相关性分析,结果显示各评价对象之间均存在显著的相关性,据此,判断评价对象为“互补型”,所以取评价对象的平均值作为各系统突变级数的综合值。
图2
新窗口打开|下载原图ZIP|生成PPT图2长江经济带外向型经济发展水平突变级数结构图
Figure 2The catastrophe progression model of export-oriented economic development in the Yangtze River Economic Belt
2.2.3 构建空间权重矩阵
进行空间相关性分析的前提和基础是构建空间权重矩阵,空间权重的设定直接影响分析结果的稳定性与可靠性[27],因此,合理的空间权重矩阵是空间计量分析的关键。经济地理学家们在探究区域空间互动关系时,为避免单一矩阵设定产生的误差,提出多维邻近思想[28],基于此,为准确测度长江经济带市域单元外向型经济的空间相关性,分别构建基于邻近关系、地理距离、经济引力模型的权重矩阵进行对比分析。
(1)邻近关系权重矩阵。通常认为,地区的经济发展行为存在空间溢出效应,即一个地区经济发展易受相邻市域的影响[29],因此,构建基于邻近关系的权重矩阵十分必要。邻近关系权重的矩阵设定较为简单,即地理位置相邻时赋值为1,不相邻时赋值为0。例如,杭州与绍兴在地理上相邻,则杭州与绍兴的权重赋值为1;与苏州在地理上不相邻,则与苏州的权重赋值为0。
(2)地理距离权重矩阵。一些****认为地区经济行为的影响程度会随着距离增大而衰减[30],邻近关系权重矩阵不能全面反映地区间的相关性,并且一个地区与它所有不相邻的地区之间的相关程度也存在差异。例如,从邻近关系权重矩阵来看,上海和南京、长沙的邻近关系权重均为0,但实际上,上海对其地理距离较近的南京的影响程度远大于距离较远的长沙。基于此,根据各市域单元行政中心所在地的经纬度构建地理距离权重矩阵,权重公式如下[27]:
式中:
(3)经济引力模型权重矩阵。邻近权重矩阵和地理权重矩阵分别基于邻近关系和地理距离的研究视角探究市域间的相关性,但是考虑到距离较近的市域其经济发展差距可能较大,而距离较远的市域却有相近的经济发展水平[27],例如,苏州和泰州在地理位置上处于邻近关系,但在研究期间内,苏州的外向型经济发展水平始终远超泰州;然而,成都和武汉在空间上不相邻,且地理距离较远,其外向型经济发展水平却始终处于较为接近的状态。因此,构建综合考虑地理距离和经济因素的经济引力模型权重矩阵,权重公式如下[27]:
式中:
2.2.4 全局空间自相关
除了构建合理的空间权重矩阵,进行空间计量分析之前还需要检验研究对象是否存在显著的空间相关性[31]。因此,采用全局Moran’s I指数测度长江经济带外向型经济发展的空间相关性,其公式如下:
式中:
2.2.5 空间计量模型
(1)模型构建
各地区的外向型经济发展不是相互独立的,而是可能受到其他地区经济活动的影响,因此,采用能纳入区域经济活动空间因素的空间计量模型考察各变量对长江经济带外向型经济的空间溢出效应[33]。常用的空间计量模型有空间滞后模型(SAR)、空间误差模型(SEM)和空间杜宾模型(SDM)3种。
其中,空间滞后模型(SAR)适用于相邻市域解释变量对本市域外向型经济产生作用的情况,公式如下:
式中:Yit为i市域第t年的外向型经济发展水平;β为解释变量的系数;X表示解释变量;W是105×105阶空间权重矩阵;ρ为空间自回归系数;ε为随机扰动项。
空间误差模型(SEM)适用于本市域与相邻市域的空间效应由误差项呈现出来的情况,即市域间的相互作用因为其所处位置不同而产生差异时,应该采用空间误差模型,公式如下:
式中:μ为正态分布的随机误差向量;λ为空间扰动项的自回归系数;其他变量含义同式(4)。
空间杜宾模型(SDM)包含了上述两种空间传导机制,用于本市域外向型经济发展不仅受本市域解释变量的影响,相邻市域被解释变量和解释变量也对其产生作用的情况,公式如下:
式中:θ为交互项系数;其他变量含义同式(4)。已有研究表明,空间杜宾模型在3种模型中能更好地估计溢出效应,应优先考虑,并且可通过以下两个假设条件判断空间杜宾模型是否适用于研究[34]:① θ=0;② θ=-ρβ,若检验结果均拒绝原假设,则说明空间杜宾模型是适用于研究的最优模型[30]。
此外,根据Lesage等[35]的研究,为了更好地探究长江经济带外向型经济的空间溢出效应,可利用偏微分方法将其溢出效应分解为直接效应、间接效应和总效应进行分析。其中,直接效应能反映出本市域解释变量对本地区外向型经济的影响;间接效应表达了本市域解释变量对相邻市域外向型经济产生的作用;总效应则表示本市域解释变量对整个区域外向型经济的影响,其具体计算过程参考王龙杰等[18]的研究。
(2)变量设计
参考已有研究[16,17],经济实力、产业结构、基础设施建设、区位条件、区域政策等因素与外向型经济发展密切相关,因此,共选取12项解释变量测度以上因素对长江经济带外向型经济的空间溢出效应,具体见表2。其中,人均国内生产总值、人均固定资产投资额、人均社会消费品零售额、人均邮电业务量、科技投入强度分别表示地区经济实力、投资强度、消费水平、通讯水平、政府科技投入等方面;产业结构则由第二产业比重和第三产业比重表示。另外,交通连接度指数通过计算公路网密度并对其进行赋值得出[36],用其反映地区交通便利程度。一般来讲,与其他市域单元相比,省会城市往往能聚集更多的社会经济资源,从而在区域发展过程中起重要的引领作用;而口岸与港口均是区域对外开放的重要门户,能为区域外向型经济发展提供便利的条件,因此,选取与省会城市的区位关系、与一类空运港口城市的区位关系、与重要港口城市的区位关系3项解释变量测度区位条件对长江经济带外向型经济的空间溢出效应。根据程钰等[37]计算与中心城市区位关系指数的研究思路,与省会城市、一类空运口岸城市、重要港口城市的区位关系主要受本市域与省会城市、口岸城市、重要港口城市的地理距离及其经济实力的影响,根据GDP总量、人口总量、两地的空间距离等指标计算得出。此外,由于政府调控能为区域外向型经济发展提供强有力的制度支撑,所以以国家级区域经济政策为切入点[38],结合外向型经济的发展条件,从国家宏观区域政策、经济技术开发区、开放口岸等方面入手,对2005—2017年长江经济带各市域单元享有的区域经济政策进行梳理(表3),进而测度政府调控对长江经济带外向型经济的空间溢出效应。
Table 2
表2
表2长江经济带外向型经济发展水平解释变量
Table 2
符号 | 变量 | 变量说明 | 符号 | 变量 | 变量说明 |
---|---|---|---|---|---|
PGDP | 人均国内生产总值 | 反映经济实力 | RS | 科技投入强度 | 反映政府科技投入 |
PFI | 人均固定资产投资额 | 反映投资强度 | TC | 交通连接度指数 | 反映交通便利程度 |
SI | 第二产业比重 | 反映产业结构 | LRC | 与省会城市的区位关系 | 反映区位条件 |
TI | 第三产业比重 | 反映产业结构 | LRA | 与一类空运口岸城市的区位关系 | 反映区位条件 |
PRS | 人均社会消费品零售额 | 反映消费水平 | LRW | 与重要港口城市的区位关系 | 反映区位条件 |
VPT | 人均邮电业务量 | 反映通讯水平 | RP | 区域经济政策 | 反映政府调控 |
新窗口打开|下载CSV
Table 3
表3
表32005-2017年长江经济带主要区域经济政策定位表
Table 3
年份 | 类型 | 区域 | 年份 | 类型 | 区域 |
---|---|---|---|---|---|
—— | NNA | 上海 | 九江、赣州、吉安、上饶、黄石、 | ||
—— | CNET | 上海(5个)、南京(3个)、南通、 | 重庆、广安、德阳、遵义 | ||
连云港、苏州(2个)、扬州、盐城、 | 2010 | CNHTI | 宿州、芜湖、新余、宜昌 | ||
无锡、杭州(3个)、宁波(2个)、 | 2011 | NNA | 舟山 | ||
温州、湖州、无锡、芜湖、合肥、 | 2011 | CNET | 宿州(2个)、嘉兴、铜陵、滁州、 | ||
南昌、武汉、长沙、重庆(2个)、 | 池州、萍乡、荆州、湘潭、曲靖 | ||||
成都、贵阳、昆明 | 2011 | NSRTD | 金华 | ||
—— | FAP | 上海、南京、杭州、宁波、温州、 | 2011 | CNHTI | 上海、无锡、益阳 |
合肥、黄山、南昌、武汉、长沙、 | 2012 | CNET | 南通、泰州、宿州、金华、绍兴、 | ||
张家界、重庆、成都、贵阳、昆明 | 杭州、南昌、鄂州、十堰、遂宁、 | ||||
—— | FWP | 上海、南京、连云港、南通、苏州 | 绵阳、广元 | ||
(4个)、镇江、无锡、泰州、常州、 | 2012 | FWP | 泰州 | ||
宁波、舟山、温州、台州、嘉兴、 | 2012 | NSRTD | 温州 | ||
芜湖、铜陵、安庆、马鞍山、九江、 | 2012 | CNHTI | 常州、鹰潭、衡阳、乐山 | ||
武汉、黄石、岳阳 | 2013 | CNET | 上海 | ||
—— | CNHTI | 南京、徐州、宿州、常州、无锡、 | 2013 | CNET | 上海、宿迁、南通(2个)、无锡、 |
徐州、合肥、蚌埠、南昌、景德镇、 | 苏州、宿迁、嘉兴、杭州、六安、 | ||||
武汉、襄阳、孝感、长沙、株洲、 | 宣城、安庆、宜春、赣州(2个)、 | ||||
重庆、成都、自贡、绵阳、贵阳、 | 娄底、宜宾、内江、昆明 | ||||
昆明、玉溪 | 2013 | NSRTD | 南通 | ||
2005 | CNET | 湖州 | 2013 | CNHTI | 南通、衢州、荆门 |
2005 | FAP | 宜昌 | 2014 | NNA | 贵阳、安顺 |
2005 | FWP | 池州 | 2014 | CNET | 宿州、宁波、衢州、丽水、宣城、 |
2005 | NSRTD | 上海 | 长沙 | ||
2006 | CNET | 长沙 | 2014 | FAP | 金华、常州、淮安 |
2006 | FWP | 盐城 | 2014 | FWP | 南通(2个) |
2006 | CNHTI | 上海、常熟、马鞍山 | 2014 | CNHTI | 镇江 |
2007 | FAP | 盐城 | 2015 | NNA | 长沙、南京、昆明 |
2007 | NUA | 武汉城市圈、长株潭城市群 | 2015 | FAP | 连云港、南通、扬州 |
2008 | CNET | 马鞍山 | 2015 | NUA | 长江中游城市群 |
2008 | FWP | 南通 | 2015 | CNHTI | 盐城、连云港、扬州、杭州、嘉兴、 |
2008 | FAP | 徐州、无锡 | 抚州、吉安、赣州、随州、郴州、 | ||
2009 | FRP | 上海 | 重庆、泸州、德阳、攀枝花 | ||
2009 | CNHTI | 泰州、湘潭 | 2016 | NNA | 南昌、九江 |
2010 | NNA | 重庆 | 2016 | NUA | 长三角城市群、成渝城市群 |
2010 | FWP | 重庆 | 2016 | CNHTI | 湖州 |
2010 | CNET | 常熟、淮安、徐州、镇江、宿州、 | 2017 | CNHTI | 淮安、宿迁、铜陵、咸宁、常德、 |
襄阳、武汉、岳阳、常德、长沙、 | 内江 | ||||
金华、嘉兴、宁波、绍兴、安庆、 |
新窗口打开|下载CSV
此外,借助SPSS软件对上述12项解释变量进行共线性检验,结果显示,人均国内生产总值(PGDP)、人均社会消费品零售额(PRS)、与省会城市的区位关系(LRC)和与一类空运港口城市(LRA)的区位关系4项解释变量未通过共线性检验并予以剔除,最终纳入人均固定资产投资额(PFI)、第二产业比重(SI)、第三产业比重(TI)、人均邮电业务量(VPT)、科技投入强度(RS)、交通连接度指数(TC)、与重要港口城市的区位关系(LRW)、区域经济政策(RP)8项解释变量探究长江经济带外向型经济的空间溢出效应。
2.3 数据来源
测度长江经济带外向型经济发展水平所需数据均来自2006—2018年《中国城市统计年鉴》[39]、《中国区域经济统计年鉴》[40]、长江经济带各省市统计年鉴,以及2017年各市域国民经济与社会发展统计公报,个别年份缺失数据采用插值法计算获取。长江经济带外向型经济发展水平解释变量中,人均国内生产总值、人均固定资产投资额、第二产业比重、第三产业比重、人均社会消费品零售额、人均邮电业务量、科技投入强度、交通连接度指数、与省会城市的区位关系9项指标所需数据均来自以上年鉴和公报;与一类空运港口城市的区位关系所需数据通过《中国口岸年鉴》[41]获取;与重要港口城市的区位关系所需数据来自《中国港口年鉴》[42];区域经济政策所需数据主要来源于中华人民共和国商务部网站、中华人民共和国科技部网站、中华人民共和国发展和改革委员会网站。3 实证结果与分析
3.1 空间相关性检验
根据公式(1),借助Stata软件分别测度基于邻近关系、地理距离、经济引力模型权重矩阵下的Moran’s I指数,具体见表4。结果显示,2005—2017年长江经济带外向型经济在3种权重矩阵下的Moran’s I指数均为正值,且大于0.4,P值也通过了1%水平下的显著性检验,说明长江经济带外向型经济发展水平相近的地区在空间分布上表现出较强的空间集聚特征。此外,与2005年相比,3种权重矩阵下2017年的Moran’s I指数均有所增长,则表明随着时间发展,外向型经济的集聚态势有所增强。通过对比Moran’s I指数的大小,发现邻近权重矩阵下的Moran’s I指数最大,而经济引力模型权重矩阵下的Moran’s I指数最小,说明经济引力模型权重矩阵会使长江经济带市域单元间外向型经济的空间相关性减弱,而邻近权重矩阵会使空间相关性增强,即长江经济带各市域外向型经济发展水平更倾向于受到相邻市域的影响。Table 4
表4
表4长江经济带外向型经济发展水平全局Moran’s I指数变化
Table 4
年份 | 邻近权重 | 地理距离权重 | 经济引力模型权重 | ||||||||
---|---|---|---|---|---|---|---|---|---|---|---|
Moran’s I | P值 | Z值 | Moran’s I | P值 | Z值 | Moran’s I | P值 | Z值 | |||
2005 | 0.505 | 0.000 | 7.394 | 0.456 | 0.000 | 10.485 | 0.433 | 0.000 | 9.867 | ||
2006 | 0.490 | 0.000 | 7.173 | 0.456 | 0.000 | 10.489 | 0.436 | 0.000 | 9.930 | ||
2007 | 0.512 | 0.000 | 7.493 | 0.466 | 0.000 | 10.710 | 0.447 | 0.000 | 10.172 | ||
2008 | 0.537 | 0.000 | 7.842 | 0.479 | 0.000 | 10.996 | 0.451 | 0.000 | 10.261 | ||
2009 | 0.528 | 0.000 | 7.712 | 0.493 | 0.000 | 11.313 | 0.467 | 0.000 | 10.611 | ||
2010 | 0.519 | 0.000 | 7.594 | 0.494 | 0.000 | 11.344 | 0.475 | 0.000 | 10.784 | ||
2011 | 0.497 | 0.000 | 7.273 | 0.475 | 0.000 | 10.924 | 0.449 | 0.000 | 10.219 | ||
2012 | 0.526 | 0.000 | 7.692 | 0.504 | 0.000 | 11.568 | 0.487 | 0.000 | 11.059 | ||
2013 | 0.516 | 0.000 | 7.55 | 0.492 | 0.000 | 11.282 | 0.464 | 0.000 | 10.545 | ||
2014 | 0.525 | 0.000 | 7.672 | 0.489 | 0.000 | 11.235 | 0.459 | 0.000 | 10.440 | ||
2015 | 0.543 | 0.000 | 7.933 | 0.506 | 0.000 | 11.608 | 0.470 | 0.000 | 10.688 | ||
2016 | 0.610 | 0.000 | 8.899 | 0.554 | 0.000 | 12.702 | 0.526 | 0.000 | 11.949 | ||
2017 | 0.567 | 0.000 | 8.289 | 0.524 | 0.000 | 12.016 | 0.481 | 0.000 | 10.941 |
新窗口打开|下载CSV
3.2 空间计量模型选择
首先,对空间计量模型进行Hausman检验,判断计量模型为固定效应还是随机效应,结果显示Hausman的检验结果为43.41,且在0.1%显著性水平下拒绝原假设,则说明构建固定效应下的空间计量模型进行分析更为科学。因此,基于邻近关系、地理距离、经济引力模型权重矩阵,构建固定效应的SAR、SEM、SDM模型,回归结果见表5。Table 5
表5
表5长江经济带外向型经济空间计量模型回归结果
Table 5
解释变量 | 邻近权重 | 地理距离权重 | 经济引力模型权重 | ||||||||
---|---|---|---|---|---|---|---|---|---|---|---|
SAR | SEM | SDM | SAR | SEM | SDM | SAR | SEM | SDM | |||
lnPFI | 0.078*** [0.005] | 0.077*** [0.012] | 0.071*** [0.011] | 0.067*** [0.005] | 0.063*** [0.011] | 0.059*** [0.010] | 0.071*** [0.005] | 0.067*** [0.011] | 0.064*** [0.011] | ||
lnSI | 0.041* [0.012] | 0.044 [0.028] | 0.025** [0.009] | 0.042** [0.0160] | 0.049** [0.018] | 0.044** [0.017] | 0.042*** [0.008] | 0.048** [0.018] | 0.051** [0.018] | ||
lnTI | 0.112*** [0.012] | 0.115*** [0.022] | 0.119*** [0.028] | 0.093*** [0.011] | 0.095*** [0.025] | 0.105*** [0.029] | 0.098*** [0.011] | 0.095*** [0.025] | 0.108*** [0.033] | ||
lnVPT | 0.034*** [0.005] | 0.029* [0.014] | 0.036** [0.011] | 0.040*** [0.004] | 0.045*** [0.012] | 0.043*** [0.012] | 0.042*** [0.004] | 0.045*** [0.012] | 0.045*** [0.012] | ||
lnRS | -0.002 [0.004] | 0.002* [0.002] | -0.001 [0.007] | 0.001 [0.003] | 0.001 [0.008] | 0.002 [0.008] | -0.001 [0.003] | -0.001 [0.008] | 0.001 [0.009] | ||
lnTC | 0.066*** [0.015] | 0.075** [0.029] | 0.084* [0.035] | 0.043 [0.033] | 0.057 [0.032] | 0.053** [0.014] | 0.045 [0.038] | 0.0560 [0.033] | 0.053** [0.014] | ||
lnLRW | 0.005 [0.003] | -0.001 [0.007] | 0.004* [0.002] | -0.004 [0.003] | -0.003 [0.007] | -0.004 [0.007] | -0.002 [0.003] | -0.001 [0.007] | -0.003 [0.008] | ||
lnRP | 0.040*** [0.005] | 0.056*** [0.012] | 0.050*** [0.011] | 0.045*** [0.005] | 0.049*** [0.010] | 0.047*** [0.010] | 0.045*** [0.005] | 0.045*** [0.010] | 0.046*** [0.011] | ||
ρ | 0.338*** [0.019] | —— | 0.555*** [0.046] | 0.512*** [0.021] | —— | 0.710*** [0.054] | 0.441*** [0.021] | —— | 0.004*** [0.001] | ||
λ | —— | 0.624*** [0.049] | —— | —— | 0.815*** [0.049] | —— | —— | 0.771*** [0.047] | —— | ||
AIC | -3523.7 | -3632.2 | -3719.3 | -3712.2 | -3712.3 | -3754.8 | -3544.2 | -3637.3 | -3547.4 | ||
BIC | -3471.5 | -3580.0 | -3541.9 | -3660.0 | -3660.1 | -3577.3 | -3492.0 | -3585.1 | -3369.9 | ||
log L | 2377.630 | 2428.158 | 2496.244 | 1866.091 | 1866.131 | 1911.383 | 1782.080 | 1828.656 | 1828.656 |
新窗口打开|下载CSV
从表5长江经济带外向型经济空间计量模型回归结果可知,3种空间权重矩阵下,SAR、SEM、SDM模型的空间系数(ρ或λ)均为正值,且通过0.1%水平下的显著性检验,说明长江经济带外向型经济发展存在显著的正向空间溢出效应,即本市域与其他市域外向型经济的发展会产生相互影响,本市域外向型经济发展水平提升的同时,能够促进相邻市域外向型经济发展。为进一步确定最优模型,借助LM检验、Wald检验和LR检验方法判断以下两个假设条件:① θ=0和② θ=-ρβ是否成立(表6),检验结果均拒绝原假设,说明SDM模型不能等价转换为SAR和SEM模型。此外,邻近权重矩阵下的Moran’s I指数和对数似然值(log L)均为3种权重矩阵中最大,根据Anselin提出的Moran’s I指数最大原则[43],最终选用基于邻近权重矩阵的SDM模型进行具体分析。
Table 6
表6
表6空间计量模型检验结果
Table 6
指标 | 检验方法 | 统计量 | 概率 | 指标 | 检验方法 | 统计量 | 概率 |
---|---|---|---|---|---|---|---|
LM检验 | LM test no spatial lag | 115.239 | 0.000 | Wald检验 | Wald spatial lag | 30.575 | 6.895e-04 |
robust LM test no spatial lag | 41.794 | 0.000 | Wald spatial error | 28.544 | 0.0015 | ||
LM test no spatial error | 86.853 | 0.000 | LR检验 | LR spatial lag | 29.838 | 9.106e-04 | |
robust LM test no spatial error | 13.408 | 0.000 | LR spatial error | 28.229 | 0.0017 |
新窗口打开|下载CSV
3.3 全局溢出效应研究
基于上述分析,通过构建基于邻近权重矩阵的SDM模型研究长江经济带外向型经济空间溢出的直接效应、间接效应和总效应,具体结果见表7。Table 7
表7
表7长江经济带外向型经济SDM模型回归结果
Table 7
解释变量 | 直接效应 | 间接效应 | 总效应 | |||||
---|---|---|---|---|---|---|---|---|
弹性系数 | 标准误差 | 弹性系数 | 标准误差 | 弹性系数 | 标准误差 | |||
lnPFI | 0.074*** | [0.012] | 0.030*** | [0.002] | 0.105** | [0.039] | ||
lnSI | 0.019 | [0.036] | 0.018* | [0.010] | 0.158* | [0.016] | ||
lnTI | 0.122*** | [0.030] | 0.011*** | [0.004] | 0.133*** | [0.011] | ||
lnVPT | 0.043*** | [0.011] | 0.078* | [0.038] | 0.130** | [0.043] | ||
lnRS | -0.005 | [0.007] | -0.041 | [0.032] | -0.046 | [0.036] | ||
lnTC | 0.083* | [0.036] | -0.034 | [0.102] | 0.049*** | [0.014] | ||
lnLRW | 0.001* | [0.002] | 0.022* | [0.001] | 0.023* | [0.003] | ||
lnRP | 0.043*** | [0.012] | -0.013*** | [0.002] | 0.030*** | [0.005] |
新窗口打开|下载CSV
(1)直接效应方面,第三产业比重的弹性系数最大,为0.122,且通过0.1%水平下的显著性检验,主要是因为第三产业较第一、第二产业更具辐射影响力,能更加充分地调动资金、技术、人才等生产要素,因而成为促进本市域外向型经济发展最活跃的因素。此外,人均固定资产投资额、人均邮电业务量、交通连接度指数、与重要港口城市的区位关系、区域经济政策5项解释变量的弹性系数也均显著为正,其中,与重要港口城市的区位关系的弹性系数最小,主要是因为港口城市能以其水运交通职能加强区域与国外经济的联系,本市域通过加强与港口城市的区位关系只能间接融入到对外经济活动中,因而对外向型经济的提升作用有限。第二产业比重和科技投入强度的弹性系数虽为正值,但均未通过显著性检验。
(2)间接效应方面,人均固定资产投资额的弹性系数较大,且通过0.1%水平下的显著性检验,说明人均固定资产投资额具有最为显著的正向空间溢出效应,即本市域投资强度的提升对相邻市域具有显著的促进作用。第二产业比重、第三产业比重、人均邮电业务量、与重要港口城市的区位关系4项解释变量的弹性系数均显著为正,反映出以上变量提升均能促进相邻市域外向型经济显著发展。区域经济政策的弹性系数显著为负,主要是因为本市域区域经济政策的扶持能为本市外向型经济发展创造良好的制度环境,进而吸引外商投资与外企进入,抑制了相邻市域外向型经济的发展。此外,科技投入力度和交通连接度指数2项解释变量均未通过显著性检验。
(3)总效应方面,第三产业比重的弹性系数受直接效应的影响较大,略低于第二产业比重,但通过0.1%水平下的显著性检验,说明与第二产业相比,第三产业比重提升对区域整体外向型经济发展水平的提升作用较为明显,并成为长江经济带外向型经济整体水平显著提升的主要因素。人均固定资产投资额、第二产业比重、人均邮电业务量、交通连接度指数、与重要港口城市的区位关系、区域经济政策6项变量的弹性系数均显著为正,说明以上变量对长江经济带外向型经济均产生正向影响。此外,科技投入力度的弹性系数为负,且未通过显著性检验。
3.4 分区溢出效应研究
按照前文所述,将长江经济带划分为上、中、下游地区,对外向型经济的空间溢出效应进行分区探究,具体回归结果见表8。结果显示,上、中、下游地区的空间自回归系数均显著为正,说明3个地区外向型经济均存在显著的正向空间溢出效应。Table 8
表8
表8长江经济带分地区外向型经济SDM模型回归结果
Table 8
解释 变量 | 上游地区 | 中游地区 | 下游地区 | ||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|
直接效应 | 间接效应 | 总效应 | 直接效应 | 间接效应 | 总效应 | 直接效应 | 间接效应 | 总效应 | |||||
lnPFI | 0.022** [0.013] | -0.025 [0.032] | -0.004 [0.031] | 0.065*** [0.013] | -0.020 [0.025] | 0.045 [0.031] | 0.092*** [0.019] | -0.015 [0.038] | 0.077* [0.036] | ||||
lnSI | 0.039 [0.068] | 0.302* [0.129] | 0.341* [0.163] | 0.070 [0.037] | 0.300* [0.120] | 0.370** [0.132] | -0.064* [0.017] | -0.120** [0.019] | -0.185 [0.010] | ||||
lnTI | 0.112* [0.055] | -0.001 [0.108] | 0.102 [0.131] | 0.097* [0.040] | 0.039*** [0.011] | 0.135*** [0.033] | 0.087* [0.037] | 0.060 [0.088] | 0.147** [0.026] | ||||
lnVPT | 0.060*** [0.012] | 0.075 [0.045] | 0.135** [0.046] | 0.025** [0.008] | 0.015* [0.003] | 0.040* [0.010] | 0.065*** [0.017] | 0.054*** [0.005] | 0.118*** [0.031] | ||||
lnRS | 0.005** [0.008] | -0.057* [0.025] | -0.053** [0.032] | -0.011 [0.006] | -0.008** [0.001] | -0.019*** [0.005] | -0.011 [0.015] | 0.083*** [0.024] | 0.070* [0.032] | ||||
lnTC | 0.031 [0.042] | -0.049 [0.095] | -0.018 [0.107] | 0.039 [0.034] | 0.016 [0.056] | 0.054 [0.073] | 0.095*** [0.025] | 0.138* [0.056] | 0.233*** [0.067] | ||||
lnLRW | 0.001 [0.015] | -0.082*** [0.025] | -0.082** [0.028] | -0.027** [0.010] | -0.072** [0.025] | -0.099*** [0.030] | 0.015 [0.009] | -0.004 [0.045] | 0.011* [0.007] | ||||
lnRP | 0.059*** [0.016] | 0.032 [0.054] | 0.091*** [0.016] | 0.055*** [0.013] | -0.070* [0.035] | -0.016 [0.036] | 0.033* [0.013] | -0.007*** [0.004] | 0.024*** [0.010] | ||||
ρ | 0.212** [0.066] | 0.217** [0.069] | 0.451*** [0.077] |
新窗口打开|下载CSV
3.4.1 上游地区
(1)直接效应方面,人均邮电业务量的弹性系数为0.060,低于第三产业比重,但通过0.1%水平下的显著性检验,说明在上游地区,提升通讯水平是促进本市域外向型经济发展水平显著提升的主要途径。人均固定资产投资额、第三产业比重、科技投入强度、区域经济政策4项解释变量的弹性系数均为正值,其中,区域经济政策的弹性系数虽然通过0.1%水平下的显著性检验,但其弹性系数较小,表明区域经济政策对上游地区本市域外向型经济发展水平的提升强度仍需进一步加强,上游地区在今后发展过程中要积极融入国家重大战略,积极争取国家政策的扶持,以此推进外向型经济发展。此外,第二产业比重、交通连接度指数、与重要港口城市的区位关系3项解释变量的弹性系数均为正值,但未通过显著性检验。
(2)间接效应方面,与重要港口城市的区位关系的弹性系数为负,其值最小,且通过0.1%水平下的显著性检验,反映出在上游地区中本市域与相邻市域存在竞争关系,本市域与最近港口城市的区位关系提升,将会显著抑制相邻市域外向型经济的发展。此外,第二产业比重的弹性系数最大,但仅通过5%水平下的显著性检验,说明第二产业比重对相邻市域外向型经济的正向溢出效应有待提升。科技投入强度的弹性系数显著为负,而人均固定资产投资额、第三产业比重、人均邮电业务量、交通连接度指数和区域经济政策5项变量的弹性系数均未通过显著性检验。
(3)总效应方面,区域经济政策的弹性系数为0.091,通过0.1%水平下的显著性检验,表明政府调控对上游地区整体外向型经济发展具有显著的推动作用。第二产业比重和人均邮电业务量2项解释变量的弹性系数均显著为正,分别通过5%和1%水平下的显著性检验,说明第二产业和通讯水平对长江经济带上游地区外向型经济的整体提升作用有限。科技投入强度、与重要港口城市的区位关系的弹性系数均显著为负,主要是因为二者间接效应的负向溢出效应强于直接效应的正向促进作用,导致总效应呈现出显著的负向影响。人均固定资产投资额和交通连接度指数的弹性系数均为负值,且未通过显著性检验。第三产业比重的弹性系数为正值,也未通过显著性检验,这可能与长江经济带上游地区如云南、贵州等地部分市域产业结构发展不平衡、第三产业发展滞后有关。
3.4.2 中游地区
(1)直接效应方面,人均固定资产投资额的弹性系数为0.065,且通过0.1%水平下的显著性检验,表明加强投资强度是促进中游地区本市域外向型经济发展水平显著提升的重要途径。第三产业比重、人均邮电业务量、与重要港口城市的区位关系、区域经济政策4项解释变量的弹性系数均通过显著性检验,其中,与重要港口城市的区位关系的弹性系数为负值,且通过1%水平下的显著性检验,反映出本市域与重要港口城市区位关系的提升会阻碍外向型经济的发展。第二产业比重、科技投入强度、交通连接度指数3项解释变量均未通过显著性检验。
(2)间接效应方面,仅第三产业比重的弹性系数通过0.1%水平下的显著性检验,且为正值,说明第三产业比重的正向溢出效应最为显著,在中游地区,本市域第三产业的发展能使相邻市域外向型经济发展水平显著提升。第二产业比重和人均邮电业务量的弹性系数为正值,且均通过显著性检验。此外,科技投入强度、与重要港口城市的区位关系和区域经济政策3项解释变量的弹性系数均为负值,且均通过显著性检验,说明以上3项解释变量对相邻市域均具有显著的负向溢出效应,即在政府科技投入、区位条件、政府调控3方面,本市域与相邻市域间存在明显的竞争关系。此外,人均固定资产投资额和交通连接度指数的弹性系数均未通过显著性检验。
(3)总效应方面,第三产业比重的弹性系数显著为正,且通过0.1%水平下的显著性检验,表明提升第三产业比重是促进中游地区整体外向型经济发展的重要手段。受直接效应和间接效应的负向影响,使得与重要港口城市的区域关系的弹性系数为负值,且通过0.1%水平下的显著性检验,成为对中游地区外向型经济阻碍作用最强的因素。这主要是因为中游地区的重要港口均为内河港口,其在自然条件及硬件设施等方面都受到极大限制,导致港口城市的服务能力不强,因而对外向型经济发展起明显的抑制作用。此外,第二产业比重、通讯水平对中游地区均产生积极影响,科技投入强度则呈现负向影响。人均固定资产投资额、交通连接度指数和区域经济政策3项解释变量的弹性系数均未通过显著性检验。
3.4.3 下游地区
(1)直接效应方面,交通连接度指数的弹性系数最大,为0.095,且通过0.1%水平下的显著性检验,说明交通便利程度是促进下游地区本市域外向型经济发展的主要因素。人均固定资产投资额、第二产业比重、第三产业比重、人均邮电业务量和区域经济政策5项解释变量的弹性系数也均通过显著性检验,其中,第二产业比重的弹性系数为负值,但仅通过5%水平下的显著性检验,仍表明本市域第二产业比重的提升会抑制外向型经济的发展,这主要是因为下游地区第二产业比重与第三产业比重呈此消彼长的态势,第三产业发展势头强劲,已成为促进外向型经济发展的重要影响因素,而第二产业比重增长,势必会使第三产业比重下降,进而抑制外向型经济发展。此外,科技投入强度、与重要港口城市的区位关系的弹性系数均未通过显著性检验。
(2)间接效应方面,科技投入强度的弹性系数为0.083,且通过0.1%水平下的显著性检验,说明下游地区中政府科技投入具有最为显著的正向溢出效应,本市域科技投入增加能促进相邻市域外向型经济发展。人均邮电业务量和交通连接度指数的弹性系数均显著为正,说明通讯水平和交通便利程度对相邻市域的外向型经济同样产生正向影响。第二产业比重和区域经济政策的弹性系数均显著为负,且分别通过1%和0.1%水平下的显著性检验,反映出以上2项解释变量对相邻市域均产生显著的负向溢出效应。此外,人均固定资产投资额、第三产业比重、与重要港口城市的区位关系的弹性系数均未通过显著性检验。
(3)总效应方面,交通连接度指数的弹性系数最大,且通过0.1%水平下的显著性检验,说明交通是促进下游地区外向型经济提升最重要的因素,这主要是因为便利的交通加速生产要素的流动,能为外向型经济活动的顺利开展提供保障。人均邮电业务量、区域经济政策的弹性系数也均通过0.1%水平下的显著性检验。此外,人均固定资产投资额、第三产业比重、科技投入强度、与重要港口城市的区位关系4项解释变量仅通过1%和5%水平下的显著性检验,说明投资强度、政府科技投入、区位条件等因素对长江经济带下游地区外向型经济发展的提升作用有限。此外,仅有第二产业比重的弹性系数未通过显著性检验。
4 结论与建议
4.1 结论
以长江经济带105个市域单元为例,基于2005—2017年外向型经济相关数据,从全局和分区两个层面入手,采用空间自相关与空间计量模型探究长江经济带外向型经济的空间溢出效应,主要得出以下结论:(1)在邻近关系、地理距离、经济引力模型权重矩阵下,2005—2017年长江经济带外向型经济均表现出较强的空间集聚特征,且研究期间内空间集聚程度有所增强。此外,邻近权重矩阵下的Moran’s I指数始终最大,各市域外向型经济更倾向于受相邻市域的影响。
(2)从全局层面看,长江经济带外向型经济具有显著的正向空间溢出效应,本市域外向型经济发展水平提升的同时,能够促进相邻市域外向型经济发展。此外,第三产业比重提升不仅对各市域的外向型经济表现出明显的提升作用,而且是促进长江经济带外向型经济整体发展最主要的因素。
(3)从分区层面看,各变量对长江经济带上、中、下游地区外向型经济的空间溢出效应存在明显的差异。上游地区中,人均邮电业务量的提升是促进本市域外向型经济发展的重要因素;与重要港口城市的区位关系对相邻市域产生显著的负向溢出效应;区域经济政策对上游地区整体外向型经济的提升作用最为显著。中游地区中,加强区域投资强度是促进本市域外向型经济发展水平显著提升的关键;第三产业比重对相邻市域和区域整体的外向型经济均产生积极的促进作用,与最近内河港口的区位关系是对中游地区外向型经济负向影响最大的因素。下游地区中,交通连接度指数增大对本市域和整个区域的促进作用最强;科技投入强度的正向空间溢出效应最明显。
4.2 建议
基于上述研究结果,结合国家建设长江经济带的战略背景,对于如何促进长江经济带上、中、下游地区外向型经济发展,提出以下建议:(1)上游地区首先要以成渝城市群为依托,加强区域内部经济合作,明确城市分工,逐步提升区域综合竞争力,进而争取国家更多政策的扶持,为外向型经济发展创造良好的制度环境。其次,积极融入国家重大战略中,利用独特的地理位置,依托西南对外开放通道,强化对外开放,努力建设成为中国面向西南开放的重要门户,深化对外交流与合作,提高对外开放层次。最后,强化通讯基础设施建设,努力提升各市的通讯水平,促进信息高效流通,为外向型经济的信息交流提供保障。
(2)中游地区要依托先进制造业基地、综合交通运输枢纽和现代服务业中心产业基地,利用连南接北、承东启西的区位优势,有序推进产业承接与转移,不断优化产业结构,充分发挥二、三产业,特别是第三产业对外向型经济的推动作用。其次,继续扩大固定资产投资,尤其要加大外商投资力度,以发挥投资对经济增长的推动作用。另外,要挖掘内河港口的巨大潜力,不断完善内河港口的基础设施建设,规范发展方向,提升内河港口服务水平,处理好内河港口与沿海港口的衔接,从而保障与国际经济交流活动的顺利开展。
(3)下游地区首先要进一步加强交通网络建设,充分发挥其海陆空交通枢纽的重要作用,打通多条跨国交通通道,逐步形成连通国际市场的跨国交通网络,成为中国对外开放的重要门户,为中国和世界各国进行经济活动提供便利的条件,进而推动地区外向型经济发展。其次,加强政府科技经费投入,提高区域创新能力,努力形成以科技创新为核心的经济增长极,培育以科技为核心的竞争优势,提升开放层级,充分发挥上游地区对中、下游地区外向型经济发展的引领作用。
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 1]
[J]. ,
DOI:10.1007/s11187-009-9233-3Magsci [本文引用: 1]
In this paper the relationship between a country's prevalence of new ventures and its rate of economic growth is investigated, while taking into account new ventures' export orientation. It is generally acknowledged that new venture creation as well as export activity may both be important strategies for achieving national economic growth. However, to our knowledge no attempt has been made to investigate empirically the role of export-driven new ventures in economic growth. We focus on the national level and use data for a sample of 34 countries over the period 2002-2008. Our results suggest that, on top of a positive relation between entrepreneurial activity in general and subsequent macroeconomic growth, there is an additional positive effect of export-oriented early-stage entrepreneurship in higher-income countries. However, there is no such additional effect in lower-income countries.
[J]. ,
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[D]. ,
[本文引用: 2]
[D]. ,
[本文引用: 2]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[Z].
[本文引用: 1]
[Z].
[本文引用: 1]
[D]. ,
[本文引用: 1]
[D]. ,
[本文引用: 1]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 4]
[J].
[本文引用: 4]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[J].
[本文引用: 1]
[J].
[本文引用: 1]
[M]. ,
[本文引用: 1]