期刊信息
主办:中国财政学会
主管:中华人民共和国财政部
ISSN:1003-2878
CN:11-1077/F
语言:中文
周期:月刊
影响因子:2.582645
数据库收录:
北大核心期刊(1992版);北大核心期刊(1996版);北大核心期刊(2000版);北大核心期刊(2004版);北大核心期刊(2008版);北大核心期刊(2011版);北大核心期刊(2014版);北大核心期刊(2017版);中文社会科学引文索引-来源(1998);中文社会科学引文索引-来源(1999);中文社会科学引文索引-来源(2000-2002);中文社会科学引文索引-来源(2003);中文社会科学引文索引-来源(2004-2005);中文社会科学引文索引-来源(2006-2007);中文社会科学引文索引-来源(2008-2009);中文社会科学引文索引-来源(2010-2011);中文社会科学引文索引-来源(2012-2013);中文社会科学引文索引-来源(2014-2016);中文社会科学引文索引-来源(2017-2018);中文社会科学引文索引-来源(2019-2020);国家哲学社会科学学术期刊数据库;中国人文社科核心期刊;中国科技核心期刊;期刊分类:财政与税收
期刊热词:
新中国财政70年系列特稿
城镇化进程中财政政策工具影响效应分析(2)
【作者】网站采编
【关键词】
【摘要】(二)空间自相关性检验 通常在构建空间计量模型之前,需要对变量之间的空间自相关性进行检验。空间相关性检验分为全局空间自相关检验与局域空间自相
(二)空间自相关性检验
通常在构建空间计量模型之前,需要对变量之间的空间自相关性进行检验。空间相关性检验分为全局空间自相关检验与局域空间自相关检验。全局空间自相关检验主要是对变量值在整个区域空间特征的描述,一般通过对空间自相关统计量Moran’s I的估计来分析。Moran’s I统计量是一个检验全局空间自相关的指标,它反映的是空间邻接或空间邻近的区域单元属性值的相似程度。其计算方法为:
其中;Yi表示i区域的观测值,n为观测区域总数;ωij为空间权重矩阵的要素。标准化的Moran’sI统计量为:
其中分别为空间权重矩阵i行和j列之和。在不存在空间相关性的原假设下,Z服从标准正态分布。Moran’s I统计量的取值一般在[-1,1]之间,小于0表示负相关,等于0表示不相关,大于0表示正相关。越接近-1表示单元间的差异越大或分布越不集中;越接近1,则代表单元间的关系越密切,性质越相似;接近0,则表示单元间不相关。
表2 Moran’s I指数二值邻接矩阵年份**0.203**0.193**0.179**0.166**0.147*0.129*0.125*0.147*P值(0.022)(0.025)(0.030)(0.038)(0.047)(0.064)(0.086)(0.091)(0.064)地理距离矩阵年份***0.189**0.188**0.180**0.168**0.156**0.144**0.140**0.144**P值(0.010)(0.013)(0.013)(0.016)(0.023)(0.031)(0.044)(0.050)(0.044)
由表2可以看出,Moran指数从2007年到2015年保持在0.1以上,同时在二值邻接矩阵和地理矩阵下通过了显著性检验。地理距离矩阵的Moran指数比二值邻接矩阵的Moran指数更加显著,这表明单纯以两区域是否邻接来判断是否存在空间关联性是不严谨的,地理距离矩阵显然更合理。
为了进一步识别各省级行政区域城镇化水平的空间分布特征,运用局域空间自相关检验来可视化城镇化水平。局域空间自相关检验以Moran散点图表示(见下图)。Moran散点图以(z,Wz)为坐标点,为空间滞后因子,i表示第i个观测单元,yi表示第i个观测单元的观测值,表示所有观测单元观测值的均值,Wz表示对空间单元观测值的空间加权,W为空间加权矩阵。Moran散点图包括四个象限,其中第1、3象限代表观测值存在正向空间相关性,第2、4象限代表观测值存在负向空间相关性。第1象限反映了城镇化水平高的省级行政区域被高值省级行政区域所包围,即“高—高”(HH),表明该区域的省级行政区域的城镇化水平比较高;第2象限反映了城镇化水平低的省级行政区域被高值省级行政区域所包围,即“低—高”(LH);第3象限反映了城镇化水平低的省级行政区域被低值省级行政区域所包围,即“低—低”(LL),表明该区域的省级行政区域的城镇化水平比较低;第4象限反映了城镇化水平高的省级行政区域被低值省级行政区域所包围,即“高—低”(HL)。
上图分别为2007年、2011年、2015年我国城镇化水平的Moran散点图,揭示了不同时期城镇化水平的空间聚集类型和局部空间联系模式。2007年、2011年、2015年反映城镇化水平的Moran散点图中四个象限分布的省级行政区域如表3所示。从中可以看出,北京、天津、上海、江苏、浙江、山东、河南一直位于第一象限(HH);第二象限(LH)较为稳定的省级行政区域是山西、安徽、江西、海南;黑龙江、广西、重庆、贵州、云南、陕西、甘肃、青海、宁夏、新疆一直位于第三象限(LL);辽宁、广东持续位于第四象限(HL);而河北、湖北、湖南、内蒙古、四川、福建、吉林则出现了空间格局的改变。
省份2省份2北京HHHHHH河南HHHHHH天津HHHHHH湖北LLHHHH河北LHHHLH湖南LLLHLH山西LHLHLH广东HLHLHL内蒙古LHLLLL广西LLLLLL辽宁HLHLHL海南LHLHLH吉林LLLHLL重庆LLLLLL黑龙江LLLLLL四川LLHLHL上海HHHHHH贵州LLLLLL江苏HHHHHH云南LLLLLL浙江HHHHHH陕西LLLLLL安徽LHLHLH甘肃LLLLLL福建HHHHLH青海LLLLLL江西LHLHLH宁夏LLLLLL山东HHHHHH新疆LLLLLL
(三)空间计量模型的建构与分析
Moran指数的检验结果表明变量之间存在显著的空间依赖特征,因此,进一步构建空间计量模型是合理的。已有文献最常用的空间权重矩阵主要有两种:一是二值邻接权重矩阵,该矩阵假定如果两个区域有共同的边界,就将权重值ωij设为1,否则就为0;另一种是地理距离空间权重矩阵,选择两地之间地理距离的倒数表示区域i和j之间的空间关联强度。基于此,本文将采用二值邻接权重矩阵作为模型的空间权重矩阵。此外,为了检验结果的稳定性,也会使用地理距离权重矩阵进行估计,以便与二值邻接权重矩阵的估计结果进行对比。
目前,应用最广泛的空间计量模型主要是空间滞后模型(SLM)和空间误差模型(SEM)。空间滞后模型(SLM)假定区域之间的空间相关性主要来源于被解释变量之间的空间相关,模型设定为:
文章来源:《财政研究》 网址: http://www.czyjzz.cn/qikandaodu/2020/1010/355.html