丁 嵩，李 紅

(廣西大學(xué)商學(xué)院，南寧 530004)

0 引言

國家或地區(qū)間收入增長趨于收斂抑或發(fā)散是現(xiàn)代增長理論的核心問題之一。近年來關(guān)于中國地區(qū)與城鄉(xiāng)差距是否擴大的爭論又使得這一問題成為研究熱點，特別是伴隨著空間計量經(jīng)濟學(xué)的興起，將區(qū)域間空間相互作用及空間異質(zhì)性的雙重影響納入中國地區(qū)間收入增長收斂問題的研究方興未艾，并主要結(jié)合σ-收斂、絕對 β-收斂、條件 β-收斂、俱樂部收斂等度量方法［1－13］。誠然，經(jīng)濟發(fā)達省區(qū)內(nèi)部也有發(fā)達與欠發(fā)達、核心區(qū)與外圍之別，故不能一概而論。以廣東省這樣的發(fā)達省份而言，得益于改革開放的優(yōu)惠政策及鄰近港澳的獨特區(qū)位優(yōu)勢，經(jīng)過30多年的高速發(fā)展，以珠江三角洲為代表的廣東省已成為推動中國經(jīng)濟快速增長的三大經(jīng)濟區(qū)之一。2010年，廣東實現(xiàn)地區(qū)生產(chǎn)總值46 013.06億元，約占全國的11.47%，經(jīng)濟總量連續(xù)22年居全國首位。然而，對于廣東省內(nèi)部地區(qū)收入增長是趨于收斂還是發(fā)散，多年來一直是學(xué)者爭論的焦點［14－20］。整體而言，當前運用空間計量經(jīng)濟學(xué)方法對中國區(qū)域經(jīng)濟收斂的研究多集中在省域尺度層面，且得出的結(jié)論不盡相同;對于省域內(nèi)部收入增長差異的研究則多借助于構(gòu)建指標體系，運用主成分及聚類分析方法，或僅利用探索性空間數(shù)據(jù)分析方法(exploratory spatial data analysis，簡稱ESDA)進行簡單的描述性分析;通過構(gòu)建具體的空間計量模型，考慮省域內(nèi)各地區(qū)空間相互作用以及空間異質(zhì)性的影響，進而討論省域內(nèi)部收入增長收斂性的文獻則并不多見。事實上，以更小空間尺度的區(qū)域經(jīng)濟差異分析為切入點，既可避免將發(fā)達省區(qū)內(nèi)的欠發(fā)達地區(qū)視同先進，又可更深入地揭示區(qū)域經(jīng)濟集聚與差異的空間分布格局與成因。因此，本研究以廣東省21個地級市為研究單元，以人均GDP為研究指標，運用空間統(tǒng)計與計量模型，在標準β-收斂模型中加入空間權(quán)重矩陣構(gòu)建空間計量模型，分析地區(qū)經(jīng)濟空間相互作用與空間依賴性對廣東省各地市收入增長收斂性的影響。

1 研究數(shù)據(jù)、方法與模型構(gòu)建

1.1 數(shù)據(jù)來源

以廣東省21個地級市的人均GDP為測度指標，以2000—2010年為時間段。基礎(chǔ)數(shù)據(jù)分析來源于2001—2011年《廣東省統(tǒng)計年鑒》，各地市人均GDP按照2000年不變價計算，消除了物價波動的影響。此外，根據(jù)區(qū)位分布以及經(jīng)濟的發(fā)展程度，習(xí)慣上把廣東省劃分為珠三角、東西兩翼及粵北山區(qū)4個區(qū)域①珠三角包括廣州、深圳、珠海、佛山、江門、東莞、中山、惠州和肇慶9個市，東翼指汕頭、汕尾、潮州和揭陽4個市，西翼指湛江、茂名和陽江3個市，粵北山區(qū)包括韶關(guān)、河源、梅州、清遠和云浮5個市。。文中相關(guān)空間權(quán)重矩陣以及空間計量模型的計算均利用GeoDa軟件完成，相關(guān)地圖的輸出借助于ArcGIS軟件。

1.2 研究方法

探索性空間數(shù)據(jù)分析是一系列空間數(shù)據(jù)分析方法和技術(shù)的集合，以空間關(guān)聯(lián)測度為核心，通過對事物或現(xiàn)象空間分布格局的描述與可視化，發(fā)現(xiàn)空間集聚和空間異常，揭示研究對象之間的空間相互作用機制。其本質(zhì)上是由數(shù)據(jù)驅(qū)動的探索過程，而不是由理論驅(qū)動的演繹推理過程，目的是“讓數(shù)據(jù)自己說話”，通過數(shù)據(jù)分析來發(fā)現(xiàn)問題［21］。本研究引入 Global Moran’s I和 Local Moran’s I分別測度全局和局部的空間關(guān)聯(lián)特征:前者檢驗整個研究區(qū)域中鄰近地區(qū)間是相似(空間正相關(guān))、相異(空間負相關(guān))還是相互獨立，后者檢驗局部地區(qū)是否存在相似或相異的觀察值。

1.2.1 Global Moran’s I指數(shù)(用 IG表示)。Global Moran’s I指數(shù)處于－1和1之間，值接近1時表明具有相似的屬性聚集在一起(即高值與高值相鄰、低值與低值相鄰);值接近于－1時表明具有相異的屬性聚集在一起(即高值與低值相鄰、低值與高值相鄰)。如果Moran’s I指數(shù)接近于0，則表示屬性是隨機分布的，或者不存在空間自相關(guān)。其計算公式如下:

式中:n為研究的地區(qū)總數(shù);Yi和Yj分別為區(qū)域i和區(qū)域j的屬性值;Wij為空間權(quán)重矩陣，當空間相鄰時為1，不相鄰時為0;S2為屬性值的方差;分別為Yi和Yj的平均值。

1.2.2 Local Moran’s I指數(shù)(用IL表示)。區(qū)域i的 Local Moran’s I(用ILi表示)用來度量區(qū)域i和它鄰域之間的關(guān)聯(lián)程度。正的ILi表示一個高值被高值所包圍(高—高)，或者是一個低值被低值所包圍(低—低);負的ILi表示一個低值被高值所包圍(低—高)，或者是一個高值被低值所包圍(高—低)。其計算公式如下(式中變量的意義與上式相同，式中的j的疊加不包括區(qū)域i本身，即j≠i):

Global Moran’s I和 Local Moran’s I均用 GeoDA 軟件計算，對Global Moran’s I選擇999次空間排列次數(shù)，判斷顯著性水平，并對Local Moran’s I采用95%置信水平的檢測，通過顯著性檢測的地區(qū)以局部空間自相關(guān)指標LISA分布圖顯示。

1.3 空間計量模型的構(gòu)建

1.3.1 β-收斂的標準模型。計算公式為:

式中:εi為隨機誤差項向量;α為常數(shù)項;Yit代表第i個地區(qū)第t年的實際人均收入水平;Yit+k為i個地區(qū)第t+k年的實際人均收入水平。如果公式(3)中的估計系數(shù)β＜0，則說明廣東省各地市在K時段內(nèi)收入增長存在收斂，即落后地市的收入增長比發(fā)達地市要快，否則就拒絕該假設(shè)。本研究選取廣東省21個地市2000年的人均GDP為初始水平，時間跨度K為10年，樣本期末值為2010年的人均GDP。

1.3.2 β-收斂的空間滯后模型。計算公式為:

式中:ρ為空間滯后系數(shù)，反映了樣本觀測值的空間依賴作用，即相鄰區(qū)域的觀測值對本地區(qū)觀測值的影響方向和程度;W為n×n階空間權(quán)重。式(4)表明，一個地區(qū)的實際人均收入增長率可能與周圍鄰近地區(qū)及整個系統(tǒng)內(nèi)的收入增長情況相關(guān)。

1.3.3 β-收斂的空間誤差模型。計算公式為:

式中:λ為n×1階的因變量向量的空間誤差系數(shù);μ為正態(tài)分布的隨機誤差項向量。式(5)表明，一個地區(qū)的實際人均收入增長率可能不僅與該地區(qū)初始的實際收入水平有關(guān)，同時還與其他鄰近地區(qū)實際收入水平的隨機誤差項有關(guān)。

2 計量分析

2.1 空間自相關(guān)性檢驗

利用GeoDa軟件，選擇Rook一階鄰接關(guān)系(直接的鄰居定義為鄰接關(guān)系)的空間權(quán)重矩陣對廣東省21個地市的人均GDP進行全局空間自相關(guān)性檢驗，分析它們是否在地理空間上有空間依賴性。

對于Global Moran’s I指數(shù)的計算結(jié)果，可以用標準化統(tǒng)計量Z值來檢驗空間自相關(guān)的顯著性水平。Global Moran’s I指數(shù)在p值(p為伴隨概率)為5%的水平下顯著且為正值(表1)，表明存在著顯著的全局正空間自相關(guān)性。這意味著2000—2010年廣東省21個地市的人均GDP在空間上呈現(xiàn)出一種集聚現(xiàn)象，具有高(低)收入水平的地市與其他具有高(低)收入水平的地市在空間位置的分布上相互鄰近。此外，在考察期內(nèi)，廣東省21個地市的Global Moran’s I指數(shù)呈現(xiàn)整體強化的趨勢，空間集聚性不斷增強。2009—2010年出現(xiàn)緩慢下降可能是由于近年來廣東省實施了一系列旨在縮小區(qū)域之間差距的政策，比如加快珠三角地區(qū)相關(guān)產(chǎn)業(yè)向粵東西北地區(qū)轉(zhuǎn)移，推進農(nóng)村勞動力向城市和第二、第三產(chǎn)業(yè)轉(zhuǎn)移，即“雙轉(zhuǎn)移”政策等。

利用ArcGIS的Jenks自然斷點法，繪出了標準β-收斂殘差項的空間分布四分位圖(圖1，第一到第四等級為從小到大排序)?？梢?，普通最小二乘法(OLS)估計的回歸方程殘差值表現(xiàn)出很強的空間聚集特征，相對較大的正殘差值集中在粵北山區(qū)的清遠市(圖中顏色較深部分)，而相對小的負殘差值則集中在粵北山區(qū)的云浮以及東翼的汕頭等市(圖中顏色較淺部分)，說明標準的β-收斂模型在地理空間上會系統(tǒng)地高估人均GDP(產(chǎn)生負的殘差值)，而在其他地區(qū)又會低估人均GDP(產(chǎn)生正的殘差值)。此外，最大的殘差正值與最小的殘差負值很少相鄰;殘差值也比較有規(guī)律地在空間上分布，在視覺上給人一種空間上連續(xù)的印象，這也說明在沒有考慮空間依賴與相互作用的標準β-收斂方程中，計算結(jié)果可能是有偏的，在空間上表現(xiàn)出非隨機分布的特征。

表1 2000—2010年廣東省人均GDP的Global Moran’s I與檢驗Tab.1 Global Moran’s I of per capita GDP and testing in Guangdong Province during 2000—2010

2000年廣東省位于Moran散點圖第1象限(高—高)的8個城市全部屬于珠三角經(jīng)濟區(qū)(圖2)，表明在珠三角經(jīng)濟區(qū)內(nèi)部空間依賴作用明顯，自身經(jīng)濟的高速發(fā)展既得益于周圍鄰近地區(qū)，又通過溢出效應(yīng)促進周圍鄰近地區(qū)的收入增長。位于第3象限(低—低)的城市有11個，大部分屬于珠三角經(jīng)濟區(qū)之外的東、西兩翼以及粵北山區(qū)，表明隨著與核心地區(qū)(珠三角)的距離越來越遠，經(jīng)濟發(fā)展的空間溢出效應(yīng)遞減。位于第2象限(低—高)的有清遠、韶關(guān)2個城市，沒有任何城市位于第4象限(高—低)。對比2010年的Moran散點圖發(fā)現(xiàn)，處于高—高類型的城市依舊位于珠三角經(jīng)濟區(qū)，而低—低類型的則還是東、西兩翼以及粵北山區(qū)，這表明在考察期內(nèi)廣東省的空間集聚格局變化不大，核心—外圍結(jié)構(gòu)依舊顯著存在。

圖1 標準β-收斂回歸方程估計殘差的空間分布四分位圖Fig.1 Quartile map of residual value estimated by standard β-convergence regression equation

珠三角的東莞、中山兩市無論在2000年還是2010年均通過了局部Moran散點圖顯著性水平(本研究選取5%)，是典型的高—高類型(圖3);而顯著的低—低類型的城市則由2000年的1個增加為2010年的4個，且大部分位于東翼地區(qū)，是顯著的低速增長帶。此外，高—高類型以及低—低類型的城市位于不同的經(jīng)濟區(qū)也說明了廣東省各地區(qū)的收入水平存在著顯著的空間異質(zhì)性。

圖2 2000，2010年廣東省人均GDP的Moran散點圖Fig.2 Moran scatter plot of per capita GDP in Guangdong Province(2000，2010)

以上探索性空間數(shù)據(jù)分析方法表明，廣東省各地市的收入水平存在著較強的空間集聚和空間依賴性，差異也比較明顯。因此，在對各地市進行收入增長收斂研究時，不能忽視空間因素，應(yīng)該在標準β-收斂模型中考慮空間作用的影響，故普通的計量模型已不再適用，空間計量的應(yīng)用實有必要。

2.2 空間計量估計與分析

空間相關(guān)性分析已經(jīng)定量說明了廣東省各地市的收入水平之間具有顯著的空間依賴性，需要采用空間計量模型進行估計(表2)。為進行對比分析，本研究利用2000—2010年廣東省21個地市的人均GDP，首先對標準的β-收斂模型進行OLS估計(表2中的模型Ⅰ)，其后對數(shù)據(jù)進行極大似然法(ML)估計其空間計量模型(表2中的模型Ⅱ與Ⅲ)。

圖3 2000，2010年廣東省人均GDP的局部空間自相關(guān)顯著性水平圖Fig.3 LISA significant map of per capita GDP in Guangdong Province(2000，2010)

表2 不同模型對廣東省各地市收入增長收斂估計的結(jié)果Tab.2 Estimated results about economic growth convergence in Guangdong Province by different models

標準β-收斂的擬合優(yōu)度為3.2%，擬合優(yōu)度非常低;β系數(shù)為負，但是沒有通過10%顯著性檢驗，因此，只能說明各地市的收入增長存在著不太顯著的收斂趨勢。此外，殘差的Moran指數(shù)以及整體的Moran指數(shù)均為正，都達到了0.268，且都通過了5%的顯著性水平檢驗，說明了各地市的收入增長存在著正的空間相關(guān)性。標準的β-收斂模型由于沒有考慮到這種空間相互作用，使得OLS估計存在著模型設(shè)定不恰當?shù)膯栴}。

因為事先無法根據(jù)經(jīng)驗推斷空間滯后模型(spatial lag model，簡稱SLM)和空間誤差模型(spatial error model，簡稱SEM)是否存在空間依賴性，故有必要構(gòu)建一種判別規(guī)則，以決定哪種空間模型更加符合客觀實際。Anselin和Florax給出如下判別規(guī)則:如果在空間依賴性的檢驗中發(fā)現(xiàn)LMLAG較之于LMERR在統(tǒng)計上顯著，且R-LMLAG顯著而R-LMERR不顯著，則可以斷定適合的模型是空間滯后模型;相反，如果LMERR比LMLAG在統(tǒng)計上顯著，且R-LMERR顯著而R-LMLAG不顯著，則斷定空間誤差模型是恰當?shù)哪Ｐ停?2］。分析發(fā)現(xiàn)LMLAG和LMERR均沒有通過5%的顯著性水平檢驗(表3)。因此，我們分別給出了模型Ⅱ與Ⅲ的估計結(jié)果。通過對比這兩個模型，可以發(fā)現(xiàn)空間誤差模型Ⅲ是比較適當?shù)哪Ｐ?。首先，SEM模型的擬合優(yōu)度檢驗值R2(29.8%)高于 SLM模型(15.6%)，且都高于標準 β-收斂模型(3.2%)。當然，由于采用ML法估計參數(shù)，基于殘差平方和分解的擬合優(yōu)度檢驗意義不是很大。為此，比較對數(shù)似然函數(shù)值log L可以發(fā)現(xiàn)，SEM的log L值(54.676)大于 SLM(53.542)，且 SEM 的 AIC，SC 值(－ 105.353，－103.264)均小于 SLM(－ 101.083，－97.950)。其次，SEM模型的β項系數(shù)以及常數(shù)項依次通過了5%，1%的顯著性水平，而SLM模型均沒有通過5%的顯著性水平。此外，SEM模型殘差的 Moran指數(shù)已經(jīng)非常小(0.011)，且沒有通過10% 的顯著性水平檢驗，這表明在考慮了空間效應(yīng)后，用極大似然法估計的SEM模型殘差的空間自相關(guān)性已經(jīng)被成功消除，模型的估計殘差在空間上呈隨機分布狀態(tài)。因此，相比之下，SEM是相對合適的模型。

空間誤差模型表明:廣東省各地市的收入增長不僅與各地市起始時間的收入水平有關(guān)，同時還與其他相鄰地市收入水平的隨機誤差項有關(guān);空間誤差項的系數(shù)λ(0.592)顯著地大于0，說明各地市收入水平的殘差項對相鄰地市的收入水平具有擴散效應(yīng);β系數(shù)(－0.017)顯著地小于0，說明在考慮到空間相互作用后，收斂方向雖然沒有發(fā)生變化，但是卻從之前不太顯著的收斂趨勢轉(zhuǎn)變?yōu)轱@著的收斂趨勢，且收斂速度明顯上升，由標準β-收斂模型估計的0.60% 上升為空間誤差模型估計的1.71%。

表3 標準β-收斂模型的空間相關(guān)性檢驗Tab.3 Diagnosis for spatial autocorrelation of standard β-convergence model

3 基本結(jié)論與政策啟示

發(fā)達省區(qū)內(nèi)部也有發(fā)達與欠發(fā)達、核心與外圍地區(qū)之分。為考察省區(qū)內(nèi)部地區(qū)收入增長的空間差異和收斂趨勢，本研究選取我國經(jīng)濟較為發(fā)達的廣東省為案例，先采用探索性空間數(shù)據(jù)分析方法，對其2000—2010年各地市人均GDP的空間模式進行測度，發(fā)現(xiàn)各個地市收入水平之間存在著顯著的全局正相關(guān)性及空間異質(zhì)性，且空間相關(guān)性呈整體強化的趨勢。同時，標準β-收斂模型在地理空間上會系統(tǒng)性地高估部分地區(qū)(主要是粵北山區(qū)的云浮以及東翼的汕頭市)的收入增長率，而在其他地區(qū)(粵北山區(qū)的清遠市)又會低估收入增長率，殘差值在空間上表現(xiàn)出非隨機分布的特征。因此，在考察標準β-收斂時，地理空間效應(yīng)不容忽視。進一步，通過進行空間計量檢驗，發(fā)現(xiàn)空間誤差模型是比較合適的模型，而且，與標準β-收斂的OLS估計結(jié)果相比，考慮空間相互作用之后，收斂方向雖然沒有發(fā)生變化，但卻從之前不太顯著的收斂轉(zhuǎn)變?yōu)轱@著的收斂，且收斂速度明顯上升。實證表明，在考慮到空間依賴性對收入增長收斂的影響之后，2000—2010年廣東省21個地市人均收入增長呈明顯的收斂性。其中，珠三角地區(qū)的人均收入增長較慢，東、西兩翼及粵北山區(qū)的人均收入增長較快。

既然考慮空間相互作用后各地市的人均收入增長呈明顯收斂趨勢，那么，一個很重要的政策啟示就是:從省域?qū)用嫔现贫ǖ厥谐叨鹊膮^(qū)域政策時，既要實行因地制宜、有所差別的政策;又要考慮到各地區(qū)的空間相互作用、空間外部性以及空間溢出效應(yīng)，以實現(xiàn)區(qū)域之間的良性互動。具體就廣東省層面而言，當前可能的思路是在深入實施產(chǎn)業(yè)和勞動力的“雙轉(zhuǎn)移”政策、統(tǒng)籌發(fā)展各個地市的主體功能區(qū)、優(yōu)化珠三角地區(qū)的經(jīng)濟發(fā)展方式的同時，重點開發(fā)東、西兩翼以及粵北山區(qū)，形成多中心、網(wǎng)狀的區(qū)域聯(lián)動格局，促進要素之間的合理流動，特別需要關(guān)注人力資本、技術(shù)知識普遍存在的空間溢出效應(yīng)。通過這種不斷累積，弱化地理位置以及政策因素對于區(qū)域差異的影響，區(qū)域間人均收入增長的收斂趨勢最終將得以實現(xiàn)。

作為一個初步的嘗試，本次研究的時間段過短、空間權(quán)重的選擇較簡單等，可能限制了研究結(jié)論的科學(xué)性。為此，未來可能的研究方向是:選取更長的時間段或更貼近實際的經(jīng)濟社會空間權(quán)值矩陣，引入空間面板計量模型，深入具體地分析區(qū)域收入或經(jīng)濟增長差異的收斂機制。

［1］Ying L G.Measuring the Spillover Effects:Some Chinese Evidence［J］.Papers in Regional Science，2000，79(1):75－89.

［2］Ying L G.Understanding China’s Recent Growth Experience:A Spatial Econometric Perspective［J］.The Annals of Regional Science，2003，37(4):613 －628.

［3］林光平，龍志和，吳梅.我國地區(qū)間收斂的空間計量實證分析［J］.經(jīng)濟學(xué)季刊，2005(S1):67－82.

［4］林光平，龍志和，吳梅.中國地區(qū)經(jīng)濟σ-收斂的空間計量實證研究分析［J］.數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2006(4):14－21.

［5］吳玉鳴.中國省域經(jīng)濟增長趨同的空間計量經(jīng)濟分析［J］.數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2006(12):101－108.

［6］魯鳳，徐建華.中國區(qū)域經(jīng)濟差異的空間統(tǒng)計分析［J］.華東師范大學(xué)學(xué)報(自然科學(xué)版)，2007(2):44－51.

［7］張笑旭，馮宗憲.中國人均GDP的空間相關(guān)與地區(qū)收斂［J］.經(jīng)濟學(xué)，2008，7(2):399 －413.

［8］潘文卿.中國區(qū)域經(jīng)濟差異與收斂［J］.中國社會科學(xué)，2010(1):72－84.

［9］李小建，喬家君.20世紀90年代中國縣際經(jīng)濟差異的空間分析［J］.地理學(xué)報，2001，56(2):136－145.

［10］吳玉鳴.縣域經(jīng)濟增長集聚與差異:空間計量經(jīng)濟實證分析［J］.世界經(jīng)濟文匯，2007(2):37－57.

［11］洪國志，胡華穎，李郇.中國區(qū)域經(jīng)濟發(fā)展收斂的空間計量分析［J］.地理學(xué)報，2010，65(12):1548－1558.

［12］張學(xué)良.中國區(qū)域經(jīng)濟收斂的空間計量分析——基于長三角1993—2006年132個縣市區(qū)的實證研究［J］.財經(jīng)研究，2009，35(7):100 －109.

［13］張學(xué)良.長三角地區(qū)經(jīng)濟收斂及其作用機制［J］.世界經(jīng)濟，2010(3):126－140.

［14］甄峰，顧朝林，沈建法，等.改革開放以來廣東省空間極化研究［J］.地理科學(xué)，2000，20(5):403 －410.

［15］趙瑩雪.廣東省縣際經(jīng)濟差異與協(xié)調(diào)發(fā)展研究［J］.經(jīng)濟地理，2003，23(4):467 －471.

［16］唐明琴.地區(qū)經(jīng)濟差異的動態(tài)演化及形成機理——基于廣東省1994—2008年地區(qū)面板數(shù)據(jù)［J］.學(xué)術(shù)研究，2010(8):51－58.

［17］歐陽建國，歐曉萬，余甫功.區(qū)域經(jīng)濟差異的σ收斂——基于廣東省各地區(qū)數(shù)據(jù)的實證分析［J］.湖北社會科學(xué)，2010(2):77 －84.

［18］曾慶泳，陳忠暖.基于GIS空間分析法的廣東省經(jīng)濟發(fā)展區(qū)域差異［J］.經(jīng)濟地理，2007，27(4):558－561.

［19］王曉丹，王偉龍.廣東省區(qū)域經(jīng)濟差異的探索性空間數(shù)據(jù)分析:1990—2009［J］.城市發(fā)展研究，2011，18(5):43－48.

［20］周春山，王曉珊，盛修深，等.1990年代以來廣東省縣域經(jīng)濟差異研究［J］.地域研究與開發(fā)，2011，30(2):27－32.

［21］Anselin L.Exploratory Spatial Data Analysis and Geographic Information Systems［C］//Painho M.New Tools for Spatial Analysis.Luxembourg:Eurostat，1994:45 －54.

［22］Anselin L，F(xiàn)lorax R.Small Sample Properties of Tests for Spatial Dependence in Regression Models［C］//Anselin L，F(xiàn)lorax R.New Direction in Spatial Econometrics.Berlin:Springger-Verlag，1995:21 －74.