我国西部地区经济发展空间分布特性及影响因素分析

一、引言

改革开放以来，坚持经济体制创新、制度创新，充分发挥自身优势，保证经济始终沿着中国特色社会主义市场经济道路不断向前，使我国经济迅猛发展。2010年，我国超过日本，跃居世界第二大经济体地位，经济发展水平实现了质的飞跃。但是，我国地域宽广、幅员辽阔。根据当前国家行政区划来看，我国主要分为东、中、西三部分。经济发展水平也大体上呈现东高西低的分布情况，西部地区属于我国经济发展落后地区。随着西部大开发战略的提出与实施，西部地区经济水平与过去相比显著提高。但是由于先天条件不足，加之长期经济发展落后，以及人力资本的严重匮乏，西部地区的经济发展水平与我国发达地区相比，还是较落后。此外，由于西部地区涵盖地域较广，包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆12省区，它们之间由于地域限制、人力资本、产业结构、科技水平、政策导向等原因，内部差异也较大。因此，一方面，要大力发展西部经济，从而缩小与东、中部地区的差距；另一方面，各省区要充分发挥自身优势，发展适合自身的产业结构，以此缩小西部地区组内差异。故，本文以西部12省区为研究对象，分析其经济发展水平的空间差异及其影响因素。

从既有文献来看，学者们多集中于经济发展水平综合评价、经济效率和影响因素三个层面的研究。综合评价方面，多以全国、省区、区域为研究对象，对经济发展水平进行综合评价，并探究区域经济发展不平衡现象成因[1][2][3]，且多采用主成分分析法[4][5]，因子分析法[6][7]，层次分析法[8]，熵权法[9]对经济发展水平进行综合评价。经济效率方面，学者们主要立足区域平衡角度，衡量区域经济效率的的高低。但研究方法有所不同，主要包括主成分分析法[4]，数据包络DEA模型[8][9]和全要素生产率[10]。影响因素方面，多结合计量模型[11][12][13]、柯布-道格拉斯生产函数模型[14]分析研究区域经济增长的影响因素。可以看出，现有文献关于经济发展的研究还不完善，多是根据研究需要集中于经济发展的某个层面，例如经济发展水平评价、经济效率研究或影响因素分析。

本文从西部经济发展水平出发，基于熵权TOPSIS综合排序法对西部地区经济发展空间分布特性进行分析。在此基础上，构建耦合模型判断其经济发展与本文引入的影响因素之间的耦合关联度，继而确定引入影响因素的正确性，进而构建面板回归模型，分析各个影响因素对其经济发展水平的影响程度。与现有研究相比，分析较为全面，既分析了西部地区经济发展水平的空间分布特性，又通过面板模型定量解释了西部地区经济发展的影响因素；影响因素确定方面，不同于直接构建模型确定影响因素对经济发展的影响程度，本文在确定了影响因素指标与经济发展高度耦合相关的基础上再建立面板模型，保证了影响因素引入的正确性；数据类型方面，现有研究多是截面数据或时序数据，鉴于本文以西部12个省区为研究对象，而经济发展是一个动态概念，所以选取面板数据，从时间、空间两方面研究西部地区经济发展水平的动态演变特性。

二、西部地区经济发展水平空间分布特性分析

(一)评价指标体系构建

区域发展水平是一个综合性的概念，不能单一考虑各地区GDP这一总量指标。既要衡量地区一段时期内的经济发展总量，又要全面分析体现经济发展的各个方面。本文根据科学性、适用性、可操作性、可比性和可量化性等原则，从经济规模、人民生活水平、地方财政能力、地方基础建设这四个方面选取了地区生产总值、人均地区生产总值、地方财政收入、社会消费品零售总额、全社会固定资产投资这5个指标来衡量西部地区经济发展水平。

经济规模方面，选取地区生产总值来衡量区域经济总量。地区生产总值是地区常驻单位在一定时期内所有生产活动的最终成果，体现了地区经济发展状况，从总量角度衡量了区域经济发展现有规模。该指标的差异体现了地区之间经济规模即经济实力的差异，对衡量区域经济发展水平具有重要作用。

人民生活水平方面，选取人均GDP、社会消费品零售总额这两个指标来衡量。人均GDP是地区核算期内生产总值与地区常住人口的比值，是衡量地区人民生活水平的一个重要标准；社会消费品零售总额不仅反映了零售商品市场的规模，更是从购买能力角度反映了一定时期内人民的生活水平状况。

地方财政能力方面，选取地方财政收入来衡量。地方财政收入是政府为履行职能、实施公共政策和提供公共物品与服务需要而筹集的一切资金的总和。政府在经济活动中提供公共物品和服务的范围和数量很大程度上取决于财政收入是否充沛。因此，地方财政收入是衡量地区政府财力的重要指标。

纤锌矿结构GaN基材料具有禁带宽、热导率高及化学稳定性好等诸多优良属性,使得GaN基半导体器件在紫外探测和光显示等领域显现出极大的潜力[1-5]。与传统的CsI和Cs2Te紫外光电阴极相比,GaN光电阴极具有量子效率高、日盲响应和宽光谱响应等优点,使其成为满足微弱紫外探测需求的新型紫外光电阴极。如何制备出长寿命、高灵敏度和强稳定性的新型紫外光电阴极一直都是探测领域的研究热点[6-9]。

地方基础建设方面，选取固定资产投资这一指标来衡量。固定资产投资是社会固定资产再生产的主要手段，以货币形式体现了建造和购置固定资产活动的工作量。该指标从固定资产更新、改建、扩建、新建的角度衡量了一定时期内地区基础设施建设能力。

指标体系如表1所示。

(二)西部地区经济发展水平综合评价

1.基于熵权法确定指标权重

通过问卷调查可得到客户对银行的满意程度。随机发放调查问卷800份，共收回有效问卷763份，其中男女比例分别为46%和54%；年龄段分布为18～25岁占28%，26～35岁占31%，36～45岁占27%，46～60岁占10%，60岁以上占4%，说明该行客户年轻人占比较大；年收入水平3万元以下占29%，3～5万元占30%，5～8万元占27%，8～12万元占9%，12万元以上占5%，基本上符合安徽地区现状。具体结果如表2所示。

表1 西部地区经济发展水平综合评价指标体系

  

系统层指标层指标类型经济发展水平地区生产总值(Y1)人均地区生产总值(Y2)地方财政一般预算收入(Y3)社会消费品零售总额(Y4)全社会固定资产投资(Y5)正正正正正

以2012—2016年《中国统计年鉴》为主要数据源，整理得到我国西部地区12个省区的上述指标2011—2015年短面板数据，以此建立2011—2015年原始数据矩阵，以熵权法确定指标权重，基本步骤如下：

谢灵运的山水诗创作对诗歌艺术发展的影响深远，一方面，“在体物的方法上，奠定了后世山水、景物一类的诗歌表现原则”[14](P129)；另一方面，“在哲学思想上，部分地受到道家自然观及佛教顿悟学说的影响，所以他的诗歌艺术观念中也有一种趋向自然美的倾向，使他能够对魏晋人工派的单纯的追求形式、雕刻之美的观念有所拔脱”[14](P131)。

(1)原始数据标准化和同趋势处理

从本文选择的指标来看，存在着量纲不一致的问题，因此首先要考虑消除量纲带来的影响，故需对数据进行标准化，公式如下：

 

(1)

指标包括正指标和逆指标两种类型，正指标越大越好，逆指标越小越好。在对数据进行标准化时要对数据进行同趋势处理，故在标准化时用式(1)进行处理。

(2)计算熵值

在确定权重之前，首先要求得各指标的信息熵dj，为此，对标准化数据归一化处理，进而计算各指标熵值。

 

(2)

 

(3)

(3)确定权重

将银子向那男子袖中一塞。那男子见银入袖中，心下大惊，一边止住泪痕，一边用眼角偷视于冰，口里哽哽咽咽的说道：“只怕使不得，只怕天下无此事，只怕我不好收他。”

熵值越小，说明该指标数据差异越大；熵值越大，则指标数据共同度越大，因此熵值赋权的思想是熵值越大，权重越小，熵值越小，权重越大。故采用信息熵的偏离度和各指标的熵值偏离度之和做商计算指标权重。

 

(4)

指标权重如表2所示。

 

表2 西部地区经济发展水平指标权重

  

指标层2011年2012年2013年2014年2015年年均权重Y10.2010.2010.2010.1960.2030.200Y20.2200.2130.2010.1980.2040.207Y30.2040.1990.1990.1980.1910.198Y40.1800.1900.2000.2130.1980.196Y50.1960.1970.1990.1960.2030.198

从表2各指标年均权重来看，地区生产总值、人均地区生产总值、地方财政一般预算收入的权重相对于社会消费品零售总额和全社会固定资产投资这两个指标权重略大。从熵权的思想来看，权重越大代表信息熵越小，即该指标数据的信息量越大，则该指标数据的差异性越大，这说明就西部地区而言，在地区生产总值、人均地区生产总值、地方财政一般预算收入这三个指标数据方面差异较后两个指标而言略大。另一方面，从各指标历年权重变化来看，各指标权重并不存在明显的趋势性，均呈现时高时低的变化，因此，这些指标数据的差异性并不存在明显的时间趋势，说明西部地区的经济发展水平的这五个评价指标的数据差异变化并不明显，即西部地区经济发展水平组内差异较小。

2.基于TOPSIS法计算综合得分

通过熵值对各指标客观赋权后，则要对西部12省区进行综合排序。TOPSIS方法为逼近于理想解的综合排序方法，该方法由Wang and Yoon首次在1981年提出。其原理是测度正理想解和负理想解，然后计算各个评价对象与正理想解和负理想解的距离，从而得到评价对象和正理想解的接近程度，并以此作为评判各评价对象优劣的依据。TOPSIS法计算综合得分步骤如下：

(1)确定权重集

B=R×W=(bij)m×n，(i=1，2，…，m；j=1，2，…，n)

(5)

其中，R为标准化后的数据集，为通过熵权求得的权重。

(2)计算正理想解集和负理想解集

A+表示正理想解集，A-表示负理想解集：

行常规西药治疗，即：①选用剂量为0.5 g的多索茶喊和250 mL的9%生理盐水进行静滴治疗（1次/d）；②除了使用多索茶喊外还可以服用布地奈德（0.1 mg/次，2次/d）。

 

(6)

 

(7)

(3)计算各评价对象与正、负理想解的距离

 

(8)

 

(9)

(4)确定贴近度

 

(10)

西部地区经济发展水平综合得分排名如表3所示。

学校建有先进图书馆，藏书2万多册，建有数字校园网，研究资料充实、丰富，查询方便快捷；拥有一流的教育信息化设施，校园网络系统速度快、容量大、覆盖全，拥有高效的网络教学和信息管理平台。物质条件保障有力，为教改的开展与实施提供了强大硬件支撑。

 

表3 西部地区历年经济发展水平综合排序

  

年份地区 2011年2012年2013年Ei排名Ei排名Ei排名内蒙古0.67120.65920.6522广 西0.45450.44850.4405重 庆0.52440.51140.4904四 川0.75010.73410.7181贵 州0.25180.26680.2728云 南0.38560.38360.3886西 藏0.035120.030120.03112陕 西0.57530.56730.5663甘 肃0.19890.19590.1989青 海0.128110.131110.13811宁 夏0.164100.163100.16710新 疆0.29270.30070.3117年份地区 2014年2015年2011-2015年Ei排名Ei排名平均得分排名内蒙古0.6620.59920.6482广 西0.42850.44850.4435重 庆0.50440.53940.5134四 川0.69810.72710.7251贵 州0.27880.30480.2748云 南0.37160.38760.3836西 藏0.030120.056120.03612陕 西0.56530.56230.5673甘 肃0.19690.19490.1969青 海0.142110.147110.13711宁 夏0.167100.173100.16710新 疆0.31970.30870.3067

首先，从各年份得分变化趋势和排名来看，得分变化较小，排名并未发生变化，说明西部地区经济发展水平时间趋势演变特性不明显。其次，从平均得分来看，大体上可以将西部地区经济发展水平分为以下四类：四川、内蒙古、陕西、重庆为第一类，得分较高，均在0.5分以上；广西、云南、贵州、新疆为第二类，得分在0.3—0.5之间；贵州、甘肃、宁夏、青海为第三类，得分在0.1—0.3之间；西藏排名最后，得分仅为0.03，与其他省域相差较大，单独一类。显然西部地区的经济发展水平排名与西部各省区的经济实力是相符的。最后，从得分区间来看，一方面，变动区间范围在0.036—0.725之间，说明我国西部地区经济发展水平存在显著的空间差异性；另一方面，可以看出，地理位置毗邻或接近的地区经济发展水平也接近，例如重庆、四川经济发展水平接近，甘肃、青海、宁夏经济发展水平也较为接近。

(三)空间分布特性分析

综上分析可知，西部地区经济发展水平时间分布特性不明显，空间分布方面，存在显著的空间差异性和一定的局部空间集聚效应。为了更加直观地呈现出西部地区的时空分布特性，选择2011年、2015年的经济发展水平得分和2011—2015年的平均得分利用ARCGIS软件绘制西部各省区的经济发展水平热力图，如图1—3所示。

  

图1 2011年西部地区年均经济发展水平热力图

可以看出，利用LSDV法估计的城市化率、第二产业增加值、规模以上工业企业R&D经费的系数并未与用OLS法估计的系数发生明显变化。这是因为LSDV模型只是引入了虚拟变量来表示个体效应，且二者在估计时都采用了聚类稳健标准误，因此与普通标准误相比更有效，可信度更高，在一定程度上这两种估计模型是等价的。其次，个体效应均值p值为0.031，说明个体效应是存在的。再从引入的虚拟变量来看，p值大多都通过了置信度为95%的检验，有的通过了置信度为90%的检验，个别的虚拟变量并未通过检验。未通过检验说明该个体并不存在明显的个体效应，应从模型中去掉，仅保留通过检验的虚拟变量，以此保证模型的准确性。最后，显然拟合效果也是很好的。考虑了个体固定效应，接下来，确定模型是否存在时间固定效应。综上，已知模型具备个体固定效应，故，需要在个体固定效应模型的基础上引入时间固定效应，从而达到检验是否存在时间效应的目的。个体和时间双效应模型如下：

二维码过闸方案中，脱机配对的方式，不能控制二维码进出站状态，容易造成进出站交易配对不成功。联机刷码的方式，进出站时间较长，不能适应城轨大客流通行的特点。联机回写的方式，对车站网络要求较高，必须保证网络通信较好，否则无法进出站。双脱机回写方案，采用脱机安全认证技术，检票速度不受网络条件影响，安全性高、交易速度快、支持城轨阶梯票价，把二维码等于同于实体卡，降低票务处理难度。

晚期非小细胞肺癌是严重危害人类健康的疾病之一，根据2011年WHO公布的具体数据显示，肺癌在发病率和病死率高居全球癌症首位[9]。有文献表明，即使在如今化疗高治疗率状况下，仍有一部分患者因为治疗过程产生并发症并恶化，导致治疗效果依旧不佳[10-11]。说明肺癌患者在接受化疗的早期康复中，护理方案占据很重要的地位。

  

图2 2015年西部地区年均经济发展水平热力图

  

图3 2011—2015年西部地区年均经济发展水平热力图

三、影响因素分析

如前所述，西部各地区的经济发展水平存在明显的空间差异性和一定的空间集聚特性。接下来，对西部经济发展水平的影响因素进行定量分析。影响经济发展水平的因素有很多，例如产业结构、科技进步、人力资本、地理限制、政策导向、历史积淀等。本文考虑到指标数据的可得性与量化性，在前人研究的基础上，主要从人口因素、产业因素、科技因素三个方面选择了13个指标衡量其对经济发展水平的影响。

人口因素方面，主要从人口规模、城镇化进程、人口结构和受教育水平这四个角度来衡量。我国人口密度呈现明显的东高西低状态，这与经济发展水平有着密不可分的关系。经济发展水平越高，城市的人口密度也就越高，反之则越低。因此，人口密度是衡量区域经济发展水平的一个重要指标；城镇化率越高，城镇化水平也就越高，相应地经济发展水平也就越高；抚养比从人口结构角度衡量了区域劳动人口承担的压力。抚养比越大，说明劳动人口占比越小，即从事经济活动的适龄人口就越少，从而在一定程度上影响了区域经济发展水平的提高；文盲率和大专学历及以上人口比例这两个指标对区域人口科学文化素质进行了衡量。一般来说，人口科学文化素质越高，则人力资本越丰富，从而经济发展水平也就越高。

产业因素方面，主要从第二、第三产业占比角度去衡量。考虑到自改革开放以来，我国发展重心主要向经济建设方面转移，区域产业结构发生了巨大变革，由第一产业主导转向第二、三产业主导，因此，第二、第三产业的发展速度在一定程度上体现了区域经济发展水平。第二产业占比越大，城市工业化程度就越高，从而经济发展水平也就越高。第三产业占比越大，说明服务业水平就越高，体现了向新兴产业方向的转移，第三产业发展迅速的地区一般是经济发展水平较高的地区。

写景，要情景交融。写景，不仅是客观事物的再现，更是作者主观情感的外观。因此我们不能单独写景，而要借助景物，抒发自己一定的思想感情。

科技因素方面，主要从科研投入和科研产出两方面进行衡量。规模以上工业企业R&D经费和规模以上工业企业R&D人员数分别从科研经费和从事科研人数两个方面对区域科研投入进行了比较；每十万人专利授权数和每十万人发明专利授权数则从科研产出角度对科研水平进行了测度。一般来说，经济水平越高，科技水平也就越高。这是由于经济水平高一方面决定了可以用于科研的经费较多，另一方面，经济水平高也意味着人力资本丰富，从而从事科学研究的人员也就越多。因此，科研水平也是测度经济发展水平的必要因素。

影响因素指标体系如表4。

在高校中，担任班主任的教师一般都比较年轻，大约在27岁-36岁之间。这些教师与大学生年龄差距较小，对生活充满热情，工作积极性高，与学生相处不容易产生代沟，能够更好的融入学生群体，与学生进行沟通。

表4 西部地区经济发展水平影响因素评价指标体系

  

目标层系统层指标层指标类型影响因素评价指标体系人口因素产业因素科技因素人口密度(X1)城市化率(X2)抚养比(X3)文盲率(X4)大专学历及以上人口比例(X5)第二产业增加值(X6)第三产业增加值(X7)第二产业增加值占比(X8)第三产业增加值占比(X9)规模以上工业企业R&D经费(X10)规模以上工业企业R&D人员数(X11)每十万人专利授权数(X12)每十万人发明专利授权数(X13)正正逆逆正正正正正正正正正

(一)经济发展水平与影响因素的耦合关联度分析

以《中国统计年鉴》、《教育统计年鉴》、《科技统计年鉴》为数据源，整理得到2011—2015年影响因素指标数据。为了说明人口因素、产业因素、科技因素对经济发展水平的影响，本文考虑分别用熵权法得到经济发展水平、人口因素、产业因素、科技因素的综合指数，然后将各影响因素的综合指数与经济发展水平综合指数建立耦合模型，以此判断这三个因素与经济发展水平是否存在显著的耦合相关，从而说明引入的影响因素指标体系的正确性。

1.构建综合指数模型

如上所述，首先分别确定经济发展水平、人口因素、产业因素、科技因素的综合指数。综合指数模型如下：

 

(11)

其中，wj代表各指标的权重，由前述熵权法确定；x'ij表示各指标数据的极差标准化，正指标标准化公式如式(1)，逆指标标准化公式如下：

 

(12)

从上述模型中可以看到，引入虚拟变量即是将原来的个体效应ui代替，从而判断个体效应来自哪些个体。以西部12个省区为研究对象，故具有12个个体，因此需要引入11个虚拟变量，然后利用Stata12对模型进行LSDV估计，估计结果如表9。

 

表5 西部地区经济发展水平与影响因素年均综合指数

  

地 区经济发展水平人口因素产业因素科技因素内蒙古0.6700.6960.5780.321广 西0.4390.4760.4210.299重 庆0.5120.7840.5260.809四 川0.8470.5290.6840.788贵 州0.2520.4070.3600.199云 南0.3660.4570.3820.201西 藏0.0170.0750.2660.001陕 西0.5690.7300.5550.818甘 肃0.1820.4880.2960.195青 海0.1000.4680.2720.053宁 夏0.1280.5780.3140.124新 疆0.3010.5340.2820.152

从表5可以看出，经济发展水平综合指数较高的省区，相应地，影响因素的综合指数也就越高。故，直观可以看出影响因素与经济发展水平之间存在着明显的关联。为了更加清晰地展示经济发展水平与影响因素之间的相互关联程度，以下从耦合模型入手，量化阐述西部地区经济发展水平与人口因素、产业因素、科技因素的关联程度。

智慧商圈系统有助于查找出传统商圈存在的问题，助力商圈信息化升级，对商圈的综合决策和智慧运营有一定的推进作用。智慧商圈系统适用于中大型商圈，对于客流量较少的小型商圈而言，需因地制宜，进行局部功能的建设和研究。随着新定位技术的出现，最终的解决方案可能是对多种定位技术进行融合，作为附加参数来提高定位精度，同时保持合理的成本。

2.构建耦合相关模型

“耦合”是源于物理学中的一个概念，原意是指两个或两个以上系统相互作用而产生的联合现象，意在反映系统之间的相互关联程度。目前，耦合模型得到了广泛应用，学者们经常通过耦合思想研究体系之间的相互依存度。本文建立耦合模型来描述各个影响因素与经济发展水平的关联程度。耦合模型如下：

 

(13)

其中，U代表耦合度，ui代表各个系统。由于想要了解各个影响因素与经济发展水平的关联程度，因此采用双系统耦合模型(i=2)，从而得到经济发展水平与各个影响因素之间历年的耦合度。同样由于篇幅限制，本文只给出年均综合指数之间的耦合度。年均耦合度如表6。

 

表6 西部地区经济发展水平影响因素与经济发展水平的年均耦合度

  

地区人口因素产业因素科技因素内蒙古1.0000.9970.997广 西0.9991.0001.000重 庆0.9781.0001.000四 川0.9730.9940.994贵 州0.9720.9840.984云 南0.9941.0001.000西 藏0.7700.4710.471陕 西0.9921.0001.000甘 肃0.8900.9710.971青 海0.7610.8860.886宁 夏0.7700.9060.906新 疆0.9600.9990.999

耦合度的取值在[0，1]之间，越接近0则关联度越小，越接近于1则关联度越大。一般来说，耦合度低于0.5，则耦合效果差；耦合度大于0.8，则耦合效果好。从表6看来，一方面，西部大多数省区的耦合度较高，均在0.8以上，说明西部大多数省区的人口因素、产业因素、科技因素与经济发展水平高度相关。另一方面，西藏、青海、宁夏的人口因素与经济发展水平的耦合度均低于0.8。这与现实是相符的。这三个省区都属于少数民族聚集区，人力资本的欠缺，使得这些地区的人口素质低下，不能很好地起到推动经济发展的作用，从而关联度较低。此外，西藏的产业因素和科技因素与经济发展水平的耦合度均低于0.5，耦合度低下。西藏地处西南，恶劣的气候、地理条件的限制、交通的不便利、人才的匮乏都使得西藏产业结构不完善，缺乏发挥自身优势的产业；其次科技投入少、科技人员严重不足，导致了科技水平落后，鉴于此，产业因素、科技因素不仅起不到推动经济发展的作用，在一定程度上还抑制了西藏经济的发展。

综上，在西部地区，除了西藏之外，经济发展水平与人口因素、产业因素、科技因素均存在显著的耦合相关，说明了本文引入的影响因素指标体系是正确的，确实对西部地区经济发展产生了影响。接下来，以2011—2015年面板数据建立面板回归模型，从而展示这三类影响因素对经济发展水平的影响程度。

(二)模型选取

选取2011—2015年数据，由于此面板数据时间小于研究对象，所以本文面板数据属于短面板，因此考虑建立短面板回归模型。由于面板数据为不同时间不同个体的数据，因此不同于普通时序或截面数据，在建立回归模型时则必须考虑这两方面的因素。传统的做法是将面板数据看成截面数据而进行混合回归，即要求样本中每个个体都拥有完全相同的回归方程，此做法会忽略个体之间不可观测或被遗漏的异质性，而该异质性可能与解释变量相关从而导致估计不一致。另一种做法是对每个个体均估计一个单独的回归方程，这种做法虽然考虑了个体之间的异质性，却忽略了个体间的共性。现在常用的方法是个体效应模型，此方法是前两种方法的折中，假定个体回归方程拥有相同的斜率、不同的截距，从而既考虑了个体的共性又考虑了个体的异质性。个体效应模型如下：

yit=x'it+z'iδ+μi+εit，(i=1，2，…，n；t=1，2，…，T)

(14)

其中，zi为不随时间而变的个体特征，xit表示可以随个体即时间而变的自变量，可以看出此模型随机扰动项由μi+εit两部分构成，为复合扰动项。另外，不可观测的个体异质性由μi表示。显然若μi不随个体而发生变化，表现为一个常数，则此个体效应模型变成前述的混合回归模型。

根据前文，将描述经济发展水平的地区生产总值作为被解释变量。由前文可知，这几个体系均选择了若干个指标，而各因素体系下的指标之间肯定存在着高度相关，如果全部引入，模型必然由于存在高度多重共线性而影响模型效果，因此应对人口因素、产业因素、科技因素的指标进行筛选。分别选择人口因素体系下的人口密度、城市化率、抚养比、文盲率，产业因素体系下的第二产业增加值，科技因素体系下的规模以上工业企业R&D经费、每十万人专利授权数这些指标作为解释变量。原因如下：首先，由前文可知，人口因素包括人口规模、城镇化进程、人口结构、受教育程度四个方面，而人口因素体系下的指标前三个都分别代表了人口因素的一个方面，因此这三个都要考虑进来。后两个指标都反映了该地区人口的受教育程度，考虑到指标的普遍性，在这里考虑选择文盲率。其次，产业因素方面，一是产业总量与产业占比必然存在高度相关，考虑到重要程度，选择产业占比因素；二是西部地区属于我国经济欠发达地区，经济发展水平较弱，因此第二产业的发展规模是衡量产业结构的最主要指标。第二产业占比越大，地区的经济发展水平也就越高，因此选择第二产业增加值作为产业因素的代表；最后，就科技因素体系而言，同样，为了避免指标的高度相关性，从科研投入和科研产出两方面各选择一个指标来衡量。考虑到影响的重要性，科研投入方面，选取R&D经费；科研产出方面，选取每十万人专利授权数来衡量。

综上，对于2011—2015年上述指标数据运用Stata12软件构建个体效应模型，得到的结果如表7。

 

表7 个体效应模型回归结果

  

变量系数标准误t值P值人口密度12.59958.3470.2200.830城市化率185.83754.6243.4000.002抚养比-5.31844.940-0.1200.906文盲率-4.88240.483-0.1200.905第二产业增加值1.1930.1746.8600.000规模以上工业企业R&D经费0.0040.0016.1700.000每十万人专利授权数-5.00210.621-0.4700.640

其次，从人口因素、产业因素、科技因素入手，分别选择了人口密度、城市化率、抚养比、文盲率、大专及以上人口比例、第二产业增加值、第三产业增加值、第二产业增加值占比、第三产业增加值占比、规模以上工业企业R&D经费、规模以上工业企业R&D人员数、每十万人专利授权数、每十万人发明专利授权数这13个指标来构建西部地区经济发展水平影响因素指标体系，分别计算得到综合指数，与经济发展水平综合指数构建耦合度模型，发现影响因素与经济发展水平均具有较强的耦合关联度，说明引入的影响因素的确对经济发展水平具有显著的影响。

鉴于此，下文将通过检验的人口因素中的城市化率、产业因素中的第二产业增加值、科技因素中的规模以上工业企业R&D经费与地区生产总值构建个体效应模型。个体效应模型包括固定效应和随机效应两种模型。随机效应即个体截距项与自变量不相关，而固定效应即是存在相关性，因此，在构建模型之前首先要进行检验，判断是固定效应还是随机效应。常用的检验即是豪斯曼检验，该检验的原理是建立原假设“Ho∶ui与xit,Zi不相关”。需要注意的是无论原假设成立与否，固定效应模型的估计都是一致的。如果原假设成立，则需要选择随机效应模型，但如果假设不成立，则随机效应模型估计不一致。豪斯曼检验统计量如下：

 

(15)

豪斯曼统计量近似服从卡方分布，如果统计量大于临界值，则拒绝原假设H0，从而选择固定效应模型，否则选择随机效应模型。本文豪斯曼检验结果为χ2(3)=12.03，p=0.0073，显然在95%的置信度下拒绝原假设，故应采用固定效应模型。

固定效应包括两个方面，一是个体固定效应，二是时间固定效应，因此在构建模型时要确定是存在个体固定效应还是时间固定效应，抑或是二者均存在。本文先采用个体固定效应模型。在估计时需要对个体模型两边对时间取平均，得然后用个体模型减去平均后的个体模型得最后，令

 

则

 

(16)

由于上式中已将ui消去，故只要与不相关，即可用最小二乘法一致地估计β。利用Stata12进行模型估计，结果如表8。

从表8可以看出，对于地区生产总值来说，城市化率的影响系数最大，达到174.2936，其次是第二产业增加值，规模以上工业企业R&D经费的影响系数最小，这与前面得到的结论是一致的。其次从截距项均值来看，p值仅为0.017，显然在95%的置信度下通过了检验，另外，结果显示“rho=0.98”，说明符合扰动项的方差主要来自个体效应ui的变动。此外，需要说明的是此F检验的原假设是“H0:全部ui=0”，显然拒绝原假设。故，以上三方面都说明了模型存在个体固定效应。

 

表8 个体固定效应模型回归结果

  

变量系数标准误t值P值城市化率174.29454.9283.1700.009第二产业增加值1.2130.2934.1300.002规模以上工业企业R&D经费0.0040.0013.8800.003个体效应均值-5920.6872114.292-2.8000.017个体效应标准差2436.315随机扰动项标准差374.396rho0.977F检验结果F(11,45)=40.970,p=0.000

模型存在个体固定效应，但是同样带来这样一个问题，哪些个体存在固定效应呢？设想通过引入虚拟变量来判断个体的固定效应，构建最小二乘虚拟变量模型(LSDV)，即对每个个体定义一个虚拟变量，然后引入n-1个个体虚拟变量包括在回归模型中，模型如下：

yit=x'itβ+z'iδ+γ2D2t+…+ηTDTt+εit(i=1，2，…，n；t=1，2，…，T)

(17)

将指标数据带入模型，进行实证分析，得到各年综合指数。由于篇幅限制，本文只给出2011—2015年的年均综合指数，如表5。

 

表9 个体固定效应LSDV模型回归结果

  

变量系数标准误t值p值城市化率174.29461.2752.8400.016第二产业增加值1.2130.3273.7000.003规模以上工业企业R&D经费0.0040.0013.4800.005D23505.886745.3934.7000.001D3-2102.8421246.654-1.6900.120D44490.2461576.1902.8500.016D53974.5491341.7362.9600.013D64827.7191028.1824.7000.001

(续表9)

  

变量系数标准误t值p值D73913.0442100.6251.8600.089D8-551.270696.085-0.7900.445D92308.1061476.7531.5600.146D10-284.0061711.013-0.1700.871D11-910.7221792.969-0.5100.622D122716.9351109.9372.4500.032个体效应均值-7744.6583124.088-2.4800.031R20.998

首先，从2011年来看，四川和内蒙古为第一类，陕西、重庆、广西、云南是第二类，新疆、甘肃、贵州为第三类，宁夏、西藏、青海为第四类。其次，从2015年经济发展水平的热力图来看，四川颜色最深，单独一类，陕西、内蒙古、重庆为第二类，广西、新疆、云南、贵州为第三类，甘肃、宁夏、青海、西藏为第四类。显然，就时间趋势来看，各省区并未发生太大变化，但一些省份也产生了一些细微变化：内蒙古由2011年的第一类变成了2015年的第二类，说明内蒙古的经济发展水平呈现些许下降趋势；广西、云南由2011年的第二类下滑为2015年的第三类，呈现下降趋势；甘肃由2011年的第三类变成了2015年的第四类，呈现下降态势。此外，从2011—2015年年均经济发展水平热力图来看，变动区间为0.03—0.72，空间差异较大，颜色分布差异明显，基本呈现东部较深、西部较浅的分布状况，这说明在西部地区，经济发展水平也呈现东高西低分布。另，从颜色分布还可看出呈现局部空间集聚现象，大体可以分为三部分：新疆、甘肃、青海、宁夏、西藏地理位置接近，热力图颜色接近；内蒙古、陕西、重庆、四川地理位置接近，颜色接近；云南、贵州、广西地理位置接近，颜色接近。综上，西部地区经济发展水平存在显著的空间差异效应且具有一定的局部集聚效应，但从时间变动趋势来看，有一定变化但并不显著。

yit=x'itβ+z'iδ+η2D2t+…+ηTDTt+ui+εit

经济学家李晓鹏是国研智库产业研究院院长，也是《国富论（少儿彩绘版）》《资本论（少儿彩绘版）》的作者。其创作主要把握好了三个方面，一是把对名著的介绍与作者的成长故事、其思想背后的历史故事结合起来，讲好故事；二是体现原著的思想主线，把精华的部分讲顺讲透，还原大师的思想脉络，做好取舍；三是把经典著作中的思想与孩子们熟悉的身边事例结合起来，突破时代举例子。

(18)

本文的面板数据为2011—2015年西部12省区数据，故需要引入四个时间虚拟变量。LSDV模型结果如表10。

显然，从结果来看，模型并不具有时间固定效应，从以下三个方面均可看出：一是引入时间效应后，城市化率的系数变为负的，这显然与现实不符；二是个体效应均值也未通过检验，这与前述个体效应模型是相背离的；三是时间虚拟变量在置信度为95%的水平下，均未通过检验。这三个方面均说明模型设定有误，因此本文短面板数据模型并不能引入时间固定效应。这印证了前述西部经济发展水平并不存在明显的时间趋势这一结论。鉴于此，本文面板数据模型选取个体效应LSDV模型。

 

表10 个体固定效应与时间固定效应双效应LSDV模型回归结果

  

变量系数标准误t值p值城市化率-44.999141.368-0.3200.756第二产业增加值1.3650.3004.5500.001规模以上工业企业R&D经费0.0030.0013.7300.003D2(2012)127.335185.1360.6900.506D3(2013)464.358358.3381.3000.222D4(2014)673.687523.4281.2900.224D5(2015)1135.265746.8471.5200.157个体效应均值2945.8385724.6050.5100.617个体效应标准差1290.094随机扰动项标准差368.185rho0.925R2within=0.9645;between=0.9727;overall=0.9720

以上内容从经济发展水平与影响因素的关联度入手，通过耦合模型得到西部地区除西藏外的人口因素、产业因素、科技因素与经济发展水平耦合度均较高，即耦合关联度较高，进而说明本文引入的影响因素指标体系是恰当的；其次为了具体了解影响因素对经济发展水平的影响程度，分别从人口因素、产业因素、科技因素中选择了具备代表性的指标构建短面板个体效应回归模型，通过分析确定了最终回归模型为个体固定效应LSDV模型，并得到结论：面板数据模型为固定效应模型而非随机效应模型，且仅存在个体固定效应，不存在时间固定效应；主要影响西部地区经济发展水平的指标分别是人口因素体系下的城市化率、产业因素体系下的第二产业增加值、科技因素体系下的规模以上工业企业R&D经费，且城市化率的影响度最高，第二产业增加值次之，规模以上工业企业R&D经费影响效果最弱。

四、结论

本文采用2011—2015年西部地区短面板数据，旨在研究西部12省区经济发展水平的空间分布特性。首先，从经济规模、人民生活水平、地方财政能力、地方基础建设四个方面入手，选取了地区生产总值、人均地区生产总值、地方财政一般预算收入、社会消费品零售总额、全社会固定资产投资这五个指标基于熵权TOPSIS法对西部地区经济发展水平进行综合评价，并进一步分析了西部地区经济发展水平的空间分布特性，得到如下结论：大体上可以将西部地区经济发展水平分为以下四类：四川、内蒙古、陕西、重庆为第一类；广西、云南、贵州、新疆为第二类；贵州、甘肃、宁夏、青海为第三类；西藏单独一类。西部地区经济发展水平时间趋势演变特征不明显，具有显著的空间差异性和一定的局部空间集聚特性。

从结果来看，城市化率、第二产业增加值、规模以上工业企业R&D经费对于地区生产总值的影响比较显著，其他指标的影响并不显著。这说明在西部地区人口密度、人口结构、受教育程度、科技产出对于经济发展水平的影响并不明显，这与西部地区的情况基本是相符的。西部地区相对我国东部、中部地区经济发展水平落后，人口素质、科技产出水平相对比较低下，并不能很好地起到推动经济发展的作用，因此影响效果较差。而对于城市化率、第二产业增加值、规模以上工业企业R&D经费这三个指标分别对地区生产总值起到正向的影响作用。从影响程度角度来看，城市化率的影响程度最高，第二产业增加值次之，规模以上工业企业R&D经费尽管p值为0.000，通过了检验，但是系数仅为0.003677，影响程度最小。

《路史》云：“女娲始治于中皇山，继兴于骊山之下，中皇山即女娲山，有天台鼎峙，今建女娲庙。”唐宋以来，女娲庙历经修葺扩建，尤其是清乾隆元年重修后，拥有正殿四重，房屋百余间，是当时平利最大的寺院，被誉为“名胜之方”。

最后，在确定影响因素与经济发展水平的耦合关联度后设想建立面板模型来具体说明各影响因素对经济发展水平的影响程度。在确立模型之前，考虑到各个影响因素体系下指标之间存在的相关性会影响模型效果，因此分别选择了人口因素体系下的人口密度、城市化率、抚养比、文盲率，产业因素体系下的第二产业增加值，科技因素体系下的规模以上工业企业R&D经费、每十万人专利授权数这些指标来作为解释变量与经济发展水平的主要指标地区生产总值建立面板模型。通过建模分析，最终确定了以城市化率、第二产业增加值、规模以上工业企业R&D经费这三个变量与地区生产总值建立面板模型，并在建模过程中，通过分析、检验得到以下结论：通过豪斯曼检验得到面板数据模型为固定效应模型而非随机效应模型，并且经过模型检验发现仅存在个体固定效应，不存在时间固定效应；影响西部地区经济发展水平的主要指标分别是人口因素体系下的城市化率、产业因素体系下的第二产业增加值、科技因素体系下的规模以上工业企业R&D经费，且城市化率的影响度最高，第二产业增加值次之，规模以上工业企业R&D经费影响效果相对最弱。

综上所述，一方面，西部地区的经济发展水平与人口因素、产业因素、科技因素是相辅相成的，要提高经济发展水平，就要通过不断引进人才来提升人力资本，并充分发挥自身优势大力发展适合自身的产业链。经济水平的提高必然伴随着人力资本质量的提高、产业结构的不断优化升级、科技水平的不断进步，从而形成“经济发展与人口因素、产业因素、科技因素”的良性互动。同时考虑到西部地区经济发展水平的空间集聚性，对于人力资本、产业结构、科技水平相似的地区，要加强交流合作，相互吸取经验，取长补短，共同提高。要通过不断学习经济发展水平较发达地区的发展模式，创新适合自身的发展模式，从而不断推动经济的发展。另一方面，由于城市化率、第二产业增加值、规模以上工业企业R&D经费这三个指标对于西部地区经济发展水平的影响程度较高，要保持住这种优势，加快城市化进程，继续加强和维护第二产业的地位，加大科技投入；另外，还要大力发展人口因素、产业因素、科技因素体系下影响并不显著的方方面面，从而使得这些不显著的影响因素变得显著，共同推动经济发展。

参 考 文 献

[2]田立.黑龙江省各地区农业经济发展水平综合评价实证研究[J].经济研究导刊，2013，(20):41-43.

[1]杜宜文，刘喆.基于主成分分析的经济发展水平综合评价[J].经济研究导，2012，(29):11-12.

[3]何意雄.我国中部地区经济发展综合评价研究——基于E-TOPSIS法的动态激励模型[J].商业经济研究，2016，(23):201-204.

[4]高继祖.西部地区经济增长效率综合评价分析[J].开发研究，2007，(3):22-24.

[5]傅前瞻.基于主成分分析的安徽县域经济发展水平综合评价[J].经济研究导刊，2008，(12):148-150.

[6]冯敏.中国各地区经济发展评价[J].商场现代化，2009，(2):32-33.

[7]汪磊，罗蓉，王志凌.因子聚类分析在西部中心城市经济发展评价中的应用[J].经济研究导刊，2009，(24):152-154.

[8]周桂萍.基于熵AHP法的经济发展评价[D].大连：大连理工大学，2007.

[9]何剑，刘琳.基于熵权TOPSIS法的西北五省经济开放度比较分析[J].开发研究，2013，(3):12-15.

[10]刘建国.区域经济效率与全要素生产率的影响因素及其机制研究[J].经济地理，2014，(7)：7-11.

[11]任若恩.经济发展的影响因素研究[J].经济研究参考，1996，(G4):26-56.

[12]赵矜娜.外资对西部经济增长的影响及效应研究[D].杨棱：西北农林科技大学，2008.

[13]周国富，夏祥谦.中国地区经济增长的收敛性及其影响因素——基于黄河流域数据的实证分析[J].统计研究，2008，(11):3-8.

[14]田新豹.我国高新区经济发展影响因素的实证分析[J].宏观经济研究，2013，(6):72-76，103.