我国产业集聚的“马太效应”研究-基于区域差异视角的面板数据协整分析

我国产业集聚的“马太效应”研究——基于区域差异视角的面板数据协整分析刘海波张欣（吉林省长春市东北师范大学经济学院，130117）摘要：区域产业集聚水平的差异会导致各区域发展进入“马太效应”循环，有可能是落入“趋同假说”，也有可能落入“发展趋异”。本文通过计算八大地区的GINI系数、Theil系数的T值和L值，来判断我国区域的产业集聚和发展差异状况，并利用PanelData的单位根检验、协方差分析和Hausman设定形式检验、Pedroni协整分析和ECM模型对两变量间的面板回归结果的可信度和长短期因果关系进行检验，最终得出区域内产业集聚水平和区域差异变化的长短期因果关系存在，并且更重要的是二者呈负相关关系，据此得出：区域内产业集聚水平的提高，有利于区域内差异的缩减，证明满足“马太效应”的“趋同假说”。关键词：产业集聚马太效应区域差异PanelData厂商希望选择在市场潜力大的区域，即靠近大市场，而只有很多厂商集聚的地区才会有大市场，这是集聚区域外部经济的正外部性，它会促使生产集中，同时，还有其他一些因素，如拥挤或土地成本等，这是集聚区域外部经济的负外部性，它们会促使生产分散，所以，由于产业集聚本身“集聚力”与“分散力”的同时存在，各个区域的增长或衰落自然的进入“马太效应”（MatthewEffect）循环。“马太效应”主要存在着两种不同的观点：一种是新古典增长理论的“趋同假说”。该假说认为，由于资本的报酬递减规律，当发达地区出现资本报酬递减时，资本就会流向还未出现报酬递减的欠发达地区，其结果是发达地区的增长速度减慢，而欠发达地区的增速加快，最终导致两类地区发达程度的趋同。另一种观点是，当同时考虑到制度、人力资源等因素时，往往会出现另外一种结果，即发达地区与欠发达地区之间的发展，常常会呈现“发展趋异”的“马太效应”。落后地区的人才会流向发达地区，落后地区的资源会廉价流向发达地区，落后地区的制度又通常不如发达地区合理，于是循环往复，地区差异会越来越大。那么我们国家产业集聚的发展使区域经济是符合“趋同假说”，还是“发展趋异”？如果是前者，那么结果将表现为区域差异的缩小，如果是后者，那么区域差异将进一步扩大。本文将对这一结果进行实证研究。一、引言产业集聚的研究始于19世纪末，Weber(1909)是第一位系统研究工业集聚理论的经济学家，Marshall（1920）、Scitovsky（1954）、Myrdal（1957）、Hirschman（1958）、Kaldor（1985）、Scott&Storper（1992a，1992b）、Krugman（1991，1996，1999）、Portter（1998）、Baldwin(2000)、Ottaviano等(2002)相继对产业集聚的影响因素和生成机理进行研究。国内对于产业集聚现象的研究起步比较晚，以王缉慈(2001)、金碚(2003)、魏后凯（2003）、梁琦（2004）、何雄浪（2007）等为代表对产业集聚的性质、成因及其优势等定性理论进行了大量研究，以杨宝良（2003）、文玫（2004）、朱希伟(2004)、江激宇（2006）等为代表对我国产业集聚现状及其影响因素等进行了经验分析，并发现中国的许多制造业都高度集中在上海、广东、山东、江苏等沿海省份，而且自改革以来,中国制造业在地域上变得更为集中了。但国内关于产业集聚水平和区域差异相结合的研究并不多见，个别是从劳动力转移或劳动生产率的角度（范剑勇，2004；姚林如等，2006）来阐述产业集聚带来的正外部性而导致区域差异的变化。关于区域差异的研究，已有的研究文献大致是沿着两个方向进行的：一是采用各种指标对区域差异进行测度和分解，如基尼系数、标准差、变异系数、Theil系数等（范建勇等，2002；陈秀山等，2004；杨明洪等，2006），对我国的经济在不同时段和空间尺度上的区域差异进行测度，除总体测度外，大部分分为东、中、西三大区域，个别的分为七大区域进行测度，最后结论都是区域间的总体差异在扩大，而区域内部差异在缩小；二是从经济增长出发，采用模型对区域经济的收敛性，即是否满足收敛或者俱乐部收敛三个角度进行分析，如魏后凯（1997），蔡昉等（2000），林毅夫等（2003），林光平等（2006）等等，最后结论都是在各自的假定条件和分析技术的指导下，各统计口径的经济区域表现出各自的收敛。上述两个角度的研究重在解释区域经济差异变化的状况和趋势，没有具体解释区域差异形成的原因，而对区域差异变化的原因探究，也都限于描述性的分析，大多强调自然环境、地理区位、宏观的区域经济发展政策、市场化程度、所有制结构、外商投资、投入要素等的作用，定量方面的分析研究较少，尤其从产业集聚的角度直接研究对区域差异的定量研究几乎没有，那么产业集聚水平与区域差异之间的长短期因果关系是否成立？如果成立，产业集聚水平的单位变化会导致区域差异的多少单位变化？如何利用产业集聚水平的不断变化，达到缩小区域差异的目的？本文依据2004年国务院发展研究中心发展战略和区域经济研究部提出的区别于原东中西三个经济区域的划分方式，将全国划分八大经济区即为南部沿海地区（广东、福建、海南）、东部沿海地区（上海市和江苏省、浙江省）；北部沿海地区（山东、河北、北京、天津）；东北地区（辽宁、吉林、黑龙江）；长江中游地区（湖南、湖北、江西、安徽）、黄河中游地区（陕西、河南、山西、内蒙古）；西南地区（广西、云南、贵州、四川、重庆）、西北地区（甘肃、青海、宁夏、西藏、新疆）。，利用1999年-2003年的相关数据，将以上问题一一进行验证和说明。即为南部沿海地区（广东、福建、海南）、东部沿海地区（上海市和江苏省、浙江省）；北部沿海地区（山东、河北、北京、天津）；东北地区（辽宁、吉林、黑龙江）；长江中游地区（湖南、湖北、江西、安徽）、黄河中游地区（陕西、河南、山西、内蒙古）；西南地区（广西、云南、贵州、四川、重庆）、西北地区（甘肃、青海、宁夏、西藏、新疆）。本文的分析共分为四大部分：第一部分通过计算基尼系数这一描述产业集聚水平的指标判断各区域产业集聚水平的变化；第二部分利用Theil系数对我国区域差异进行八大地区的T和L分解，分析我国区域差异的变化情况；第三部分利用面板数据的协整和因果分析方法对产业集聚水平和区域差异的长短期因果关系进行检验；第四部分据此提出相应的结论。二、八大地区的产业集聚水平分析在分析各地区的制造业分布状况上，本文用该地区的制造业分布的区位基尼系数来代表，其公式如下：其中，Dtj、Dtk是行业j和行业k的产值在该地区制造业的工业总产值中所占的份额，n是行业的个数，是各行业在该地区制造业所占份额的均值。对每一年，以Dtj递降的次序把Dtj累积相加，以累积的行业个数除以n作为横坐标，Dtj相应的累积值作为纵坐标，逐个描出Dtj的累积值，所得到的曲线就成为洛伦兹（Lorenz）曲线。区位基尼系数等于洛伦兹曲线与45度线之间面积的两倍。各行业产值在地区内分布的越平均，该地区的区位基尼系数就小，否则就大。当该地区的工业总产值在各个行业平均分布时，区位基尼系数就为0；极端的，如果该地区工业完全集中在一个行业，区位基尼系数就为1。GINI系数大说明该地区产业分布差异比较明显，当地产业分布比较集中，专业化生产很强；GINI系数小说明该地区产业分布比较分散，各产业发展水平相当，或均处于较高发展水平，或均处于较低发展水平。利用八大地区各年各行业的工业总产值数据（1990年不变价格）计算各地区的区位分布基尼系数见表1。从表1中可以看到，东部沿海地区的产业集聚水平各年与八大地区的平均集聚水平基本一致，东北地区、南部沿海地区、西南地区和西北地区各年均高于均值，而北部沿海地区、黄河中游和长江中游历年均低于均值，这一规律五年来从未突破。东部沿海地区是我们国家产业集聚效率达到最大化的地区，所以我们假定八大地区的平均集聚水平是我们国家产业集聚水平的效率最大化水平，这一假定有一定的合理性，那么在这一假定下，高于或低于这一水平的地区均存在效率浪费或效率不足问题；1999-2002年，八大地区的产业集聚水平都在提高，这也可以从均值的变化看出，说明我们国家整体上产业趋于进一步集聚，而2003年是因为我们国家行业的统计的统计口径发生了变化，1999-2002年应用的是《国民经济行业分类和代码》的GB/T4754-94划分标准，而2003年应用的是GB/T4754-2002划分标准。表1八大地区1999-2003年的基尼系数北部沿海黄河中游东北地区东部沿海长江中游南部沿海西南地区西北地区均值19990.3655850.28970.42080.40510.34010.51310.40790.46070.40037320000.39174390.29710.43360.40810.34260.53110.41980.46190.41074320010.4080270.29930.44640.41730.36060.55640.43250.47560.42451620020.41235820.33270.48030.45740.37390.60130.45230.47690.44839520030.39803380.31250.46480.43470.37290.58520.43860.47160.434792数据来源：2000-2004各年《中国工业经济统计年鉴》三、八大地区区域差异的状况分析Theil系数是唯一满足可分解性的一类不平等测度（Shorrocks，1980，1984），所以本文应用Theil系数对我国的区域差异进行八大地区分解，以探究差异是如何在八大地区内部和地区之间变化的。（一）区域差异的衡量及其地区分解：Theil系数Theil系数又称泰尔熵，最早是由Theiland等人于1967年首先提出，它有以下四个优点：（1）可以将区域差异按产业结构或地域结构进行多层次分解；（2）采用经济规模加权；（3）如果所有区域的平均收入和人口规模变动相同的比例，则Theil系数不变；（4）Theil系数不受考察的空间单元个数的影响，因而可以比较不同区域系统内的经济差异，所以它可以用来分析区域差异总体变化过程、区际差异和区内差异变化的情况，以及区际差异和区内差异变化对区域总体差异变化的影响，并从中获得更多的政策信息。Theil系数包括TheilT和TheilL，两者的不同在于前者以GDP数据比重加权，后者以人口比重加权，下面的分解公式只就TheilT指标展开。其中TheilT的计算公式为：（1）式中，为Theil系数，测度区域总体差异；为第地区中j省区的制造业行业的产值；为第地区中j省区的人口值；Y为全国的总制造业产值；N为全国的总人口值。本文中把全国划分为八大地区，利用对Theil系数进行分解，可以进一步分析区内差异、区际差异及其对区域总体差异的影响。如果定义为i区内省区间的差异，为区际的差异，Theil系数的分解计算式如下：（2）（3）那么，中国省区经济差异可以分解为区际差异和区内差异之和，即（4）Theil系数越大，区域差异越大；反之亦然。（二）我国制造业区域差异的八大地区分解依照上面所列公式，依据2000-2004年《中国工业经济统计年鉴》的分行业的统计数据，选择其中所列的20个制造业行业的1990不变价格计算的工业产值，人口数来源于《中经网统计数据库》。根据各地区的制造业产值和人口数据，对我国省区的经济差异分解为八大地区间和地区内差异，并按T和L分别进行分解，结果见表2和表3。1.Theil-T值结果分析从表2的TheilT值结果来看：（1）从地带间和共计两栏的值来看，显然地区间的差异变化趋势与全国的差异变化趋势基本相同，大体呈上升态势，说明制造业的总体差异和地区间的差异在逐渐扩大；（2）从各地区的T值大小来看，北部沿海地区的T值最大，说明北部沿海地区内部的差异最大，东部沿海地区、南部沿海地区、东北地区和长江中游地区的T值相对较高，说明差异程度中等，而黄河中游地区、西南地区和西北地区的T值较小，说明相对来讲它们内部的差异最小，且各地区各年的T值是不断变化的，时涨时落，也说明区域内部差异不稳；（3）从差异贡献率的大小和变化趋势看，地带内的贡献率呈递减趋势，地带间的差异构一直在70％以上，2003年达到77.15％，且呈递增趋势，说明我国总体差异是主要是由地带间的差异造成的，而且这种趋势还在扩大；（4）从八大地区对地带内差异的贡献率看，沿海地区内的差异显著高于其他地区，说明发达地区各省区之间发展不平衡，省区之间的制造业发展水平差异较大，对区域内制造业发展差异的影响显著，对总体制造业差异的贡献率大，而其他落后地区各省区之间的制造业发展较沿海地区均衡，对区域内制造业发展差异的影响相对较小，对总体制造业差异的贡献率也小；（5）北部沿海地区和东部沿海地区的贡献率变化较为突出，波动幅度在1％左右，前者的贡献率不断下降，后者的贡献率波动较大，但趋于下降，这说明北部沿海地区的内部差异靠原先的落后省份的发展差距在逐渐缩小，东部沿海地区的制造业较为活跃，但省区之间的差异也在逐渐缩小，而其他地区相对较为平稳，这也是Theil系数T的特点所在，对富裕地区赋予了较大的权重，对贫穷地区赋予了较小的权重，所以贫穷地区内部即使有微弱的变化，T值反映不突出，下面的Theil系数L将修正这一结果。表2八大地区的TheilT分解结果TheilT1999200020012002200319992000200120022003地区值值值值值贡献率贡献率贡献率贡献率贡献率北部沿海0.083760.086210.086650.079720.076539.5048710.023589.444238.462307.63522黄河中游0.002090.001560.001410.000600.001380.083010.056450.047200.019820.04190东北地区0.039040.037400.038930.039930.040901.814021.711411.638891.634181.52908东部沿海0.051500.040420.046460.040610.045128.909846.997197.696666.828657.21076长江中游0.039950.034870.032450.028590.021382.073451.661391.410691.222270.80349南部沿海0.041480.040670.042340.040010.040204.475754.413894.559074.452314.52300西南地区0.009590.015280.019060.021210.028820.392160.605250.692790.789260.98858西北地区0.016280.016340.016900.017860.020290.135580.133740.125730.126890.12242地带内0.047080.044510.047000.043060.0441527.3886725.6029025.6152623.5356822.85446地带间0.124830.129340.136470.139890.1490372.6113374.3971074.3847476.4643277.14554共计0.171910.173850.183470.182950.19318100100100100100数据来源：中国各年《中国工业经济统计年鉴》和《中经网统计数据库》2.Theil－L值结果分析与Theil系数T相比，Theil系数L对贫穷地区赋予了较大的权重，所以起到弱化总体差异和地带内差异的作用，但却会扩大地带间的差异。从结果来看，与T值相比，制造业总体差异L值相对较小，地带内差异L值也相对较小，但地带间差异L值却相对较大。Theil系数L说明的内容和趋势和Theil系数T值前三条基本相当，不同之处在于：（1）从八大地区对地带内差异的贡献率看，长江中游地区取代东部沿海地区，成为区域内差异比较高的地区，这也说明长江中游地区中的省区之间制造业发展水平差异也较大，对总体制造业差异的贡献率大；（2）长江中游和西南地区的差异贡献率曲线变化较为特殊，前者大幅下降，而后者大幅上升，这说明长江中游各省区的制造业发展差异逐渐缩小，西南地区的制造业由于个别地区的加速发展使整体区域的差异扩大。表3八大地区的TheilL分解结果TheilL1999200020012002200319992000200120022003地区值值值值值贡献率贡献率贡献率贡献率贡献率北部沿海0.071590.076650.076770.072020.069776.392876.594226.256925.832065.29270黄河中游0.002240.001670.001510.000620.001370.209480.149550.127970.052260.10800东北地区0.043590.041660.044540.046650.047742.334002.121622.142022.218492.11617东部沿海0.040490.032790.037580.033410.037932.686422.122402.294912.024062.16188长江中游0.037220.032470.030230.026710.020154.304323.557163.137302.747121.94214南部沿海0.054290.054640.057040.054120.055403.105993.103783.082742.912822.80460西南地区0.009930.015230.018710.021490.029031.213441.776232.070962.362622.98992西北地区0.031700.030990.032710.032640.034980.899150.848110.853140.849620.85561地带内0.033770.033710.035020.033570.0344521.1456920.2730819.9659518.9990518.27102地带间0.125920.132550.140400.143130.1541078.8543179.7269280.0340581.0009581.72898共计0.159690.166260.175420.176710.18855100100100100100数据来源：中国各年《中国工业经济统计年鉴》和《中经网统计数据库》四、我国的产业集聚水平和区域差异关系面板数据的实证分析PanelData模型的分析手段解决了遗漏变量和个体异质性问题，这是其它方法处理三维信息数据时所无法比拟的，因此，本文应用PanelData协整检验来考察我国产业集聚水平和区域差异的长短期因果关系，并对影响幅度进行测度。Engle和Granger（1987）指出，变量间协整的前提是各变量同阶单整，因此在进行PanelData协整前首先要进行面板数据的单位根检验；在单整阶数一致的基础上，判定PanelData的模型形式，以区域差异为因变量建立PanelData模型；进一步为了防止PanelData的伪回归，对其变量进行协整检验；在存在协整关系的基础上，更进一步的建立PanelData的误差纠正模型，从而对二者的长短期因果关系进行验证。（一）面板数据的单位根检验本文的PanelData为前文所述的1999-2003年的描述产业集聚水平的GINI系数和描述区域内差异的Theil－T或Theil－L，拟以前者作为自变量，后者为依变量，分别建立两个PanelData模型，如果两个方程的回归参数的方向是一致的，那么将强有力的支持本文的结论。为了建立正确的PanelData模型，首先对各变量进行单位根检验。面板数据的单位根检验有多种检验统计量，但每一种都不可克服的缺陷，为了避免单一方法可能存在的缺陷，本文选择LLC检验、ADF－Fisher、IPS

检验和PP－Fisher检验四种方法来进行PanelData的单位根检验，而且为了减缓数据的波动，取各变量的对数形式，检验结果见表4。表4各变量面板数据单位根检验结果变量（水平值）LLCADF－FisherIPS

PP－Fisherlog(TheilT?)截距+趋势-23.42610.0000

35.9550

0.0029-3.620.000151.6759

0.0000log(TheilL?)截距+趋势-12.220.000025.710.0583-1.540.062148.310.0000log(GINI?)无截距无趋势-3.138740.0008

26.22070.0510

38.2801

0.0014注：第一行为统计指标值，第二行为其相伴概率。单位根检验的上述四个检验统计量，它们的原假设均为有单位根，对于Theil－T的对数形式，在1%以下其检验结果均可拒绝原假设；对于Theil－L的对数形式，ADF-Fisher检验和IPS检验在10%以下可以拒绝原假设，而其余两个检验统计量在1％以下可以拒绝原假设；对于GINI的对数形式，只有ADF-Fisher检验是在10%以下可以拒绝原假设，而其余三个检验统计量在1%以下其检验结果均可拒绝原假设。综合起来认为三个变量都不存在单位根，所以认为原序列都是平稳序列，具备面板协整的前提，可以建立面板数据的回归模型。（二）面板数据的模型识别及模型构建为了建立有效的面板数据模型，还要对其模型的具体形式进行识别，通常的识别方法有两种，即协方差分析和Hausman检验，本文利用Eviews6.0，对两个PanelData模型分别计算了两种检验统计量，结果如表5所示。表5协方差分析检验结果S1S2S3F2F1Chi-SqSta2.361.7639.5327-0.874.744621NoweightNoweightNoweightF0.05（14，24）＝2.11F0.05（7，24）＝2.42P.

0.02942.531.7631.2019.42-1.047.520607NoweightNoweightNoweightF0.05（14，24）＝2.11F0.05（7，24）＝2.42P.

0.0061附注：前两行是log(TheilT)?为依变量，后两行是log(TheilL)?，n＝8，T＝5，K＝1从表5中可以看出，两个PanelData模型的F2值大于其临界值2.11，而F1值小于其临界值1.98，所以最终确定模型为变截距模型；另外从Hausman检验的检验统计量相伴概率来看，拒绝随机效应原假设的风险很小，所以两个PanelData模型都应该建立固定效应的变截距模型，而且本文研究的数据是包含所有个体成员的总体，即个体成员单位之间的差异可以被看作回归系数的参数变动，固定影响变截距模型是一个很好的PanelData模型；另外，时期效应不是本文研究主要目的，但带有各地区特征的地区性因素是本文关注的焦点之一，综合以上各个因素，最终选用固定效应变截距的PanelData模型，建立模型形式如下：（8）（9）借助Eviews6.0进行分析，回归结果见6。表6PanelData模型的回归结果被解释变量LOG(THEIL-T?)LOG(THEIL-L?)变量系数T值系数T值C-6.356383-6.965055-6.279310-6.940046LOG(GINI?)-3.041759-2.812016-3.063688-2.852243AR(1)0.4165472.7888100.4423293.048323FixedEffects(Cross)北部沿海地区_1.1189060.930209黄河中游地区-3.996076-4.076803东北地区0.7923000.852325东部沿海地区0.6516630.373723长江中游地区-0.339696-0.510550南部沿海地区1.5016801.734324西南地区0.1793400.104704西北地区0.0918840.592067R20.9852060.985257SSR0.7054630.696438Loglikelihood15.6281515.83416AIC-0.351759-0.364635SC0.1062830.093408F值162.7822163.3622从表6可以看出各项统计指标的效果良好，但为了得到客观可靠的结果，还需进行变量间协整关系的检验等，对表6的具体分析，见本文的最后结论。（三）PanelData的协整检验及变量间的长期关系检验协整检验是检验变量间长期均衡关系的常用方法，为了检验变量间的长期关系，本文采用由Pedroni(1997a,1997b)提出的可考虑异方差情形的PanelData协整检验(panelcointegra-tion)方法,其优点是允许最大程度的个体差异:不仅每个个体的协整系数可以不同而且还允许有不同的短期动态学。Pedroni提出了两种形式的检验，一种检验是用联合组内尺度描述，包括四个统计量，分别是PanelvStatistic、Panelrho-Statistic、PanelPP-Statisticc、PanelADF-Statistic；另一种是组间尺度描述，包括三个统计量，分别是Grouprho-Statistic、GroupPP-Statistic和GroupADF-Statistic，原假设为没有协整关系。Pedroni证明,在一般性的假定条件下,上述七个统计量在经过均值和标准差调整后,都渐进服从标准正态分布,可以用来进行统计检验。在备择假设下,Panelv-Statistic趋向正无穷,因此正态分布的右尾部分用来拒绝原假设,即大的正的Panelv-Statistic值意味着可以拒绝原假设；而其它六个统计量趋向负无穷,因此正态分布的左尾部分用来拒绝原假设,即大的负值意味着可以拒绝原假设。本文对GINI、Theil-T和GINI、Theil-L两组PanelData利用Eviews6.0分别进行Pedroni检验，检验结果见表7。表7PanelData的协整检验结果LOG(THEIL-T?)LOG(THEIL-L?)Log(GINI?)StatisticProb.StatisticProb.Panelv-Statistic

7.676167

0.0000

8.855400

0.0000Panelrho-Statistic

1.878539

0.0683

1.739527

0.0879PanelPP-Statistic-2.701063

0.0104-2.969796

0.0048PanelADF-Statistic-2.805135

0.0078-3.233635

0.0021Grouprho-Statistic

2.751228

0.0091

2.663150

0.0115GroupPP-Statistic-4.953726

0.0000-3.882341

0.0002GroupADF-Statistic-4.078720

0.0001-4.912788

0.0000从表7的回归结果可以看出，只有Panelrho-Statistic是在10％的显著性水平上显著，而其它统计量基本在1％的水平上显著，所以，综合来看都可以拒绝没有协整关系的原假设，认为每组PanelData都具有协整关系，所以区域差异（log(Theil-T)、log(Theil-L）)和产业集聚水平的（GINI）的长期关系成立。（四）误差修正模型及Granger因果关系检验受数据资料所限，本文所用的PanelData时间数据跨度不长，在进行上述检验得到的长期关系会令人质疑（DimitrisK.ChristopoulosandEfthymiosG.Tsionas，2004）。为了进一步增强检验结果的可信度，在长期关系成立的条件下，有必要再次进行长短期因果关系检验，通过长短期因果关系检验，可以进一步增强区域差异（log(Theil-T)、log(Theil-L）)和产业集聚水平的（GINI）长短期因果运行规律的认识。而在时间序列协整分析中，如果协整关系存在，就可以建立误差修正模型，估计变量间的长短期因果关系，所以在此引入Engle和Granger（1987）提出的两步法，基于PanelData建立误差修正模型（panel－basederrorcorrectionmodel）去估计变量间的长短期关系。由于两组PanelData间的协整关系的存在，并且它们的残差经过ADF检验也是平稳序列，所以利用上述两个PanelData回归模型的残差，建立下面的回归模型，进行面板Granger因果关系检验。（10）（11）表示一阶差分。上述模型中，如果残差平稳，短期因果关系可以通过GINI差分项回归系数的显著性来说明，长期因果关系可以通过和回归系数的显著性来说明。利用前述的Hausman检验，判定模型均为变截距的随机效应模型，由于模型中引入的变量都是平稳变量，所以可以用T检验对变量之间的长短期因果关系进行检验，方程（10）和（11）的回归结果如表8所示。表8PanelData的误差修正模型检验结果变量回归系数标准误差T值相伴概率-3.3899510.811380-4.1780050.0004LOG(GINI?)-1.1143360.266197-4.1861370.0004-1.0825120.258193-4.1926410.0004LOG(GINI?)-3.3309800.803216-4.1470530.0005附注：LOG(GINI?)第三行为方程（10）的结果，第五行为方程（11）的结果表8显示它们的T值很大，相伴概率非常小，所以拒绝它们长短期因果关系不存在的原假设，认为产业集聚水平既是影响区域差异的长期原因，同时也是其短期原因。综合这部分的分析认为，PanelData的上述检验统计量检验结果良好，我们可以根据表6得到客观可靠的结论。五、结论经过上述分析，我们可以得到以下结论：1.东部沿海地区是我们国家的产业集聚发挥效率最高的地区，代表我们国家产业集聚的最优规模和水平，而东北地区、南部沿海地区、西南地区和西北地区产业集聚程度存在效率浪费的情况，北部沿海地区、黄河中游和长江中游存在产业集聚效率不足问题；高于效率最大化水平的东北地区和南部沿海地区值之所高，是因为这两个地区工业基础比较好的条件下还有突出的典型行业存在，如黑金属冶炼压延业、烟草制造业等，而西南地区和西北地区之所以高，是因为地区工业总产值较低，而相对的个别行业有所发展，但不是十分突出；低于效率最大化水平的北部沿海地区是因为在工业总量较大的基础上，各个行业齐头并进，而黄河中游和长江中游却是各个行业在相对较低的水平上平行发展，没有任何相对优势行业；2.通过八大地区的地区差异分解可以看出：总体上中国省区经济差异在进一步增大，增加的主要原因在于地带间的平均差异增大，而且近年来比重上升较快，说明八大地区之间的差异对我国总体差异变化的贡献率越来越大，全国总体制造业差异的扩大很大程度上来源于八大地区间的非均衡发展；其中沿海地区地带间的差异显著高于其他地区，其中又以北部沿海地区为最，即北部沿海地区内部差距最大，对我国区域总体差差异的贡献最大，但近年来这种影响趋于减少；八大地区内部差异平均而言具有不断缩小趋势，呈现出所谓的“俱乐部收敛”特征，但各个地区并不满足严格的收敛，就具体地区而言，北部沿海地区、东部沿海地区、长江中游地区的内部差异在快速缩小，而西南地区的内部差异正在快速增加；3.两个面板数据的回归结果表6显示：区域内产业集聚水平的提高对区域差异的影响是负影响，当然这种差异指的是区域内差异，所以提高区域内的产业集聚水平将会达到缩小区域内差异的目的；从各个截面固定效应值来看，对区域差异影响的区域因素（除产业集聚水平外影响区域差异的因素）不同，黄河中游和长江中游的区域因素禀赋最差，北部沿海和南部沿海区域因素禀赋最好；而产业集聚效率最高的东部沿海地区的截面系数显示它的区域因素禀赋现在已经一般，但东北地区相对而言却有较好的区域因素禀赋基础；4.区域内的区域差异和产业集聚水平的长短期因果关系存在，而且产业集聚水平绝对量的提高会导致区域差异的缩小，这说明我国区域内的区域差异和产业集聚水平满足“马太效应”的“趋同假说”，即区域内的产业进一步集聚有利于区域内部的差异缩小；但我国从整体上而言，产业集聚水平在逐渐增加，相伴的区域的总体差异也在扩大，两者显然具有正相关关系，所以区域整体上而言又满足“马太效应”的“趋异发展”。那么如何利用产业集聚这种具有竞争优势的生产方式，最终也达到区域总体上的“趋同假说”，在区域发展政策的制定上仍有很大的研究空间。TheResearchonMatthewEffectinIndustryAgglomerationofOurCountry——basedonthePanelDataco-integrationanalysisinregiondifferenceangleLiuHaiboZhangXin(JilinprovinceChangchuncitynortheastnormaluniversityschoolofeconomy,130117)AbstractThedifferenceofregionagglomerationlevelcanleadregionaldevelopmenttothecycleofMatthewEffect,butitmaybefallinto“consistencyhypothesis”,orinto“developingdiscrepancy”.ThisarticlebycountingGINIcoefficient,Theil-TandTheil-Lineightregions,tojudgetheconditionsofindustryagglomerationanddevelopingdifferenceinourcountryregions;inthebasisofPanelData,makesuseofunitroottest,covarianceanalysisandHausmantest,Pedronico-integrationandECMmodeltotesttherelationshipbetweenvariables,namelytheconfidenceofregressionresultsinPanelDatamodelandtheshortorlongcausaleffect,finallyweconcludethattheshortandlongcausaleffectsareinexistencebetweenindustryagglomerationlevelandregiondifferencelevel,anditisimportantthattherelationshipisnegativecorrelation,herebywhichillustratesthatheighteningthelevelofregionalindustryagglomerationwillbehelptoreduceregionaldifference,thereforewetestifythetwovariablessatisfy“developingdiscrepancy”ofMatthewEffect.Keywordsindustryagglomeration,MatthewEffect,regiondifference,PanelData参考文献：[1]Weber,A.(1909).EnglishTranslation:TheTheoryoftheLocationofIndustries[M].ChicagoUniversityPress,Chicago,1929.[2]Marshall,A.(1890).PrinciplesofEconomics[M].Macmillan,London.8thEditionPublishedin1920.中译本:经济学原理(上卷),商务印书馆,1964:284-290.[3]ScitovskyT.,1954,"TwoConceptofExternalEconomies,"JournalofPoliticalEconomy,62,pp.70-82.[4]Myrdal,R.,1957,EconomicTheoryandUnder-developedRegions.London:Duckworth[5]Hirschman.0..1958.TheStrategyofEconomicDevelopment.NewHaven,CT:Yale[6]Kaldor,N.,1985a:TheScourgeofMonetarism,SecondEdtion,Oxford[7]Scott,A.J.andStorper,M,1992a,“Regionaldevelopmentreconsidered”,InRegionaldevelopmentandcontemporaryindustrialresponse:Extendingflexiblespecialization,ed.H.ErnsteandV.Meier,1-24.London:Belhaven.--------1992b,“Industrializationandregionaldevelopment”,InPathwaystoindustrializationandregionaldevelopment,ed.M.StorperandA.Scott,3-17.London:Routledge.[8]Krugman,P.R.IncreasingReturnsandEconomicGeography[J].JournalofPoliticalEconomy,1991(99):483-499.

[9]Krugman,P.R.TheSelf-OrganizingEconomy[M].Blackwell,Cambridge[10]Fujita,M.,Krugman,P.andVenables,J.1999,TheSpatialEconomy:Cities,RegionsandInternationalTrade,CambridgeMA[11]Poter,M.E.,1998,“Clustersandneweconomicscompetition”,HarvardBusinessReview,No.11.[12]Baldwin,R.E.andR.Forslid(2000)“TheCore-PeripheryModelandEndogenousGrowth”,Economica67,pp307-324.[13]Ottaviano,G.I..P.andTabuchiT.andThisseJ.AgglomerationandTradeRevisited.InternationalEconomicReview,2002,(43):409-436.[14]王缉慈,等.创新的空间:企业集群与区域发展[M].北京:北京大学出版社,2001.[15]金碚等著:《竞争力经济学》,