基于ESDA的吉林省区域经济增长趋同性：时空演进与驱动因素解析

基于ESDA的吉林省区域经济增长趋同性：时空演进与驱动因素解析一、引言1.1研究背景与意义区域经济增长是一个复杂系统内部各种因素相互作用的结果，一直以来，如何解释经济增长及各地区经济发展水平的差距，都是经济增长理论研究的热点问题。吉林省作为中国重要的工业基地和农业产区，在国家经济格局中占据着重要地位。然而，随着经济的快速发展，吉林省内部各区域之间的经济增长差异逐渐显现，这种差异不仅影响了区域经济的协调发展，也对社会稳定和可持续发展带来了挑战。因此，深入研究吉林省区域经济增长的趋同性，对于揭示区域经济发展规律，制定科学合理的区域发展政策具有重要的现实意义。在经济全球化和区域一体化的背景下，区域经济增长趋同理论逐渐成为经济学研究的重要领域。新古典经济增长理论提出趋同的概念，认为相比经济发达地区，经济落后地区有更快的增长速度，最终各地区的经济发展水平将趋于一致。新经济增长理论则通过将增长要素内生化，改进了新古典经济增长理论在趋同研究中的不足，同时推动了趋同的实证研究，重点由绝对趋同向条件趋同转移，使近年来的理论研究和实证研究更加关注对人力资本、研发（R&D）和学习能力等因素的分析。在区域经济研究中，探索性空间数据分析（ESDA）技术逐渐发展和完善起来，使空间关系和数值相关分析上顾此失彼的问题得到妥善解决。ESDA技术是一系列空间分析方法和技术的集成，通过对事物或现象空间分布格局的描述与可视化，发现空间集聚和空间异常，解释研究对象之间的空间相互作用机制。此外，它还能通过可视化技术反映区域经济差异的空间分布特征，揭示区域和地理单元间的空间相互作用在区域经济增长中的影响。因此，近年来ESDA技术已在广泛的领域内得到应用，为区域经济增长趋同性研究提供了新的视角和方法。通过ESDA技术，可以直观地展示区域经济增长的空间分布特征，揭示区域之间的空间关联和相互作用，从而为深入理解区域经济增长趋同现象提供有力支持。本研究通过研究吉林省区域经济增长的空间自相关性，探讨吉林省区域经济增长过程中的绝对趋同和条件趋同现象，并进一步分析吉林省区域经济增长的长期均衡和因果关系，不仅有助于丰富和完善区域经济增长理论，为区域经济发展提供理论支持，还能为吉林省制定科学合理的区域发展政策提供决策依据，促进区域经济的协调发展，缩小区域经济差距，实现共同富裕的目标。1.2国内外研究现状区域经济增长趋同性研究一直是经济学领域的重要课题，吸引了众多学者的关注。国外对区域经济增长趋同性的研究起步较早，理论发展较为成熟。新古典经济增长理论认为，在资本边际收益递减规律的作用下，不同地区的经济增长最终会趋向收敛，即落后地区的经济增长速度会快于发达地区，从而缩小地区间的经济差距。Solow通过构建索洛模型，对经济增长中的资本积累、劳动力增长和技术进步等因素进行了分析，为新古典经济增长理论的趋同研究奠定了基础。然而，新古典经济增长理论的趋同假设在现实中受到了一定的挑战，许多实证研究发现，地区间的经济增长并没有呈现出完全的趋同趋势。为了弥补新古典经济增长理论的不足，新经济增长理论应运而生。该理论强调技术进步、人力资本、研发（R&D）和学习能力等因素在经济增长中的内生作用，认为这些因素的差异会导致区域经济增长的差异，从而使趋同过程变得更加复杂。Romer将技术进步内生化，认为知识和技术的外部性是经济持续增长的关键因素，不同地区在知识和技术创新方面的差异会影响其经济增长速度和趋同趋势。Lucas则强调人力资本在经济增长中的核心作用，认为人力资本的积累和溢出效应能够促进区域经济的增长和趋同。随着研究的深入，学者们开始关注区域经济增长趋同的实证研究。Barro和Sala-i-Martin通过对美国各州和日本各县的经济数据进行分析，发现存在明显的趋同现象，即初始人均收入较低的地区在随后的一段时间内增长速度更快。然而，也有学者得出了不同的结论。Quah通过对全球多个国家的经济数据进行研究，发现世界经济增长存在“双峰趋同”现象，即经济增长出现了分化，形成了高收入和低收入两个趋同俱乐部，中间收入国家的经济增长相对较慢，难以实现向高收入国家的趋同。在国内，区域经济增长趋同性研究也取得了丰富的成果。许多学者对中国区域经济增长的趋同性进行了实证分析，研究结果表明，中国区域经济增长在不同阶段和不同地区呈现出不同的趋同特征。蔡昉和都阳的研究发现，1978-1990年期间，中国地区经济增长存在显著的趋同现象，但在1990年之后，趋同趋势逐渐减弱，地区间经济差距有所扩大。林毅夫和刘培林则认为，中国区域经济增长不存在绝对趋同，但存在条件趋同，即各地区在考虑了初始条件、要素禀赋、政策等因素后，经济增长会趋向于收敛。近年来，随着空间数据分析技术的发展，探索性空间数据分析（ESDA）技术在区域经济研究中的应用日益广泛。ESDA技术能够有效地揭示区域经济数据的空间分布特征和空间自相关性，为区域经济增长趋同性研究提供了新的视角和方法。Anselin首次将ESDA技术引入区域经济研究领域，通过全局Moran'sI指数和局部Moran'sI指数等指标，分析了区域经济变量的空间相关性和集聚特征。此后，众多学者运用ESDA技术对不同地区的区域经济增长趋同性进行了研究。例如，李静和马仪亮采用ESDA方法对2012-2022年京津冀地区各市旅游总收入数据进行分析，揭示了该地区旅游经济发展的空间相关性和差异性，发现全局莫兰值从2012年的-0.0353增长至2022年的0.0043，显示出从低水平的空间离散性转向空间集聚性的趋势。在吉林省区域经济增长趋同性研究方面，也有一些学者进行了相关探索。张晶基于GIS采用ESDA技术对1985-2006年间吉林省人均GDP数据进行分析，揭示了吉林省各地区人均GDP水平在空间上存在异质性，并论证了吉林省区域经济增长在不同时段的趋同现象。然而，现有研究在对吉林省区域经济增长趋同性的影响因素分析方面还不够深入，缺乏对各因素作用机制的系统研究，且在研究方法上，虽然引入了ESDA技术，但在与其他分析方法的结合应用上还有待进一步加强，以更全面、深入地揭示吉林省区域经济增长趋同的内在规律。1.3研究方法与创新点本文综合运用多种研究方法，全面深入地探究吉林省区域经济增长趋同性。在数据处理与空间分析方面，借助探索性空间数据分析（ESDA）技术，对吉林省各地区的经济数据进行处理与分析。该技术以空间关联测度为核心，通过计算全局Moran'sI指数，探索吉林省区域经济在整体空间上的分布特征，判断是否存在空间自相关以及自相关的程度和方向。利用局部Moran'sI指数，识别各地区经济增长的局部空间集聚模式，揭示不同区域间经济增长的空间异质性。例如，通过ArcGIS软件，直观呈现出各地区经济增长的空间分布格局，为后续研究提供可视化依据，清晰展示经济增长高值或低值集聚的区域。在经济增长趋同分析中，基于新古典经济增长理论和新经济增长理论，构建计量模型。选用萨拉-伊-马丁趋同检验模型，对吉林省区域经济增长进行绝对β-趋同和条件β-趋同检验。在绝对β-趋同检验中，考察初始人均收入与经济增长速度之间的关系，判断经济增长是否存在落后地区追赶发达地区的趋势；在条件β-趋同检验中，引入市场化水平、人力资本、外资利用、劳动参与率、总储蓄率和政府支出等控制变量，分析在考虑这些因素后，各地区经济增长是否趋向收敛，以更准确地揭示吉林省区域经济增长趋同的内在机制。本文的创新点主要体现在三个方面。在数据方面，选取了多维度、长时间序列的数据，涵盖吉林省各地区的经济、社会、人口等多方面指标，且时间跨度长，能够更全面、动态地反映吉林省区域经济增长的变化情况，避免因数据单一或时间跨度短而导致的研究局限性。在方法上，将ESDA技术与计量模型有机结合，既利用ESDA技术揭示区域经济增长的空间分布特征和空间自相关性，又通过计量模型从经济理论角度分析趋同现象和影响因素，弥补了以往研究中仅侧重于单一方法的不足，使研究结果更具说服力。在视角上，从空间维度深入研究吉林省区域经济增长趋同性，充分考虑地区间的空间相互作用和空间异质性，突破了传统研究中仅从时间序列或不考虑空间因素的局限，为吉林省区域经济发展研究提供了新的思路和方向，有助于制定更具针对性的区域发展政策。二、理论基础与研究方法2.1区域经济增长趋同理论2.1.1趋同假说的概念与分类趋同假说认为，在经济增长过程中，不同区域的经济发展水平会逐渐趋向一致。这一假说最初源于新古典经济增长理论，其核心观点是在资本边际报酬递减规律的作用下，经济落后地区的资本边际生产率较高，从而吸引资本流入，促进经济增长，最终使得各地区经济发展水平趋于收敛。随着研究的深入，趋同假说逐渐发展出多种类型，主要包括σ-趋同、β-趋同和俱乐部趋同。σ-趋同是指不同区域间人均收入水平的离散程度随时间逐渐减小，通常用标准差或变异系数等指标来衡量。若某一时期内，各区域人均收入的标准差或变异系数不断下降，表明区域间经济差距在缩小，存在σ-趋同现象。例如，若吉林省各地区在过去十年间人均GDP的标准差持续降低，就说明该省区域经济增长存在σ-趋同趋势。β-趋同可分为绝对β-趋同和条件β-趋同。绝对β-趋同指初始人均收入水平较低的区域，其经济增长速度会相对较快，从而实现各区域经济发展水平的趋同。在绝对β-趋同检验中，若回归方程中初始人均收入变量的系数为负，即表明存在绝对β-趋同。条件β-趋同则认为，区域经济增长不仅取决于初始人均收入，还受到其他诸多因素的影响，如人力资本、技术水平、政策制度等。只有在控制了这些影响因素后，各区域才会趋向于自身的稳态增长路径，实现趋同。例如，在研究吉林省区域经济增长时，考虑到各地区的人力资本水平、产业结构等差异后，若发现各地区经济增长呈现出趋同趋势，这就是条件β-趋同的体现。俱乐部趋同是指在具有相似经济结构、资源禀赋、制度环境等条件的区域之间，经济增长会出现趋同现象，形成一个个趋同俱乐部。处于同一俱乐部内的区域，经济发展水平逐渐接近，而不同俱乐部之间的差距可能依然存在甚至扩大。例如，吉林省某些地理位置相邻、产业结构相似的地区，可能会形成一个经济增长趋同俱乐部，这些地区在发展过程中相互影响、相互促进，经济增长速度和发展水平逐渐趋同。2.1.2新古典经济增长理论与趋同新古典经济增长理论以Solow-Swan模型为代表，该模型假设生产函数具有规模报酬不变和资本边际报酬递减的性质。在模型中，经济增长主要依赖于资本积累、劳动力投入和技术进步。由于资本边际报酬递减，当一个地区的资本存量不断增加时，其资本边际产出会逐渐下降，投资回报率降低。此时，资本会流向资本边际产出更高的地区，即经济落后地区。随着资本的流入，落后地区的经济增长速度加快，而发达地区由于资本边际报酬递减，增长速度放缓，最终不同地区的经济增长将趋向收敛，实现趋同。例如，假设吉林省存在A、B两个地区，A地区经济发达，资本存量丰富，B地区经济相对落后，资本存量较少。根据新古典经济增长理论，A地区由于资本边际报酬递减，新增投资带来的产出增加逐渐减少；而B地区资本相对稀缺，资本边际产出较高，吸引A地区的资本流入。在资本流入的推动下，B地区的经济增长速度加快，随着时间的推移，A、B两个地区的经济发展水平逐渐接近，呈现出趋同趋势。同时，技术进步被视为外生给定的因素，以固定的增长率促进所有地区的经济增长，进一步推动了区域经济增长的趋同。2.1.3新经济增长理论对趋同的影响新经济增长理论打破了新古典经济增长理论中技术外生和资本边际报酬递减的假设，将经济增长的要素内生化。该理论强调技术进步、人力资本、研发（R&D）和学习能力等因素在经济增长中的核心作用。技术进步不再是外生给定的，而是由经济系统内部的研发投入、知识积累和创新活动所驱动。人力资本被视为一种特殊的生产要素，其积累和提升能够提高劳动生产率，促进经济增长。例如，通过教育和培训提高劳动者的技能水平，使其能够更有效地运用新技术和新设备，从而推动经济发展。在新经济增长理论框架下，趋同的机制和条件发生了显著变化。由于不同地区在技术创新能力、人力资本水平、研发投入等方面存在差异，这些差异会导致区域经济增长出现分化。技术创新能力强、人力资本丰富、研发投入高的地区，能够持续获得技术进步和知识积累，实现长期的经济增长。而技术创新能力弱、人力资本匮乏、研发投入不足的地区，经济增长可能较为缓慢，甚至陷入停滞。因此，新经济增长理论认为，区域经济增长不一定会出现绝对趋同，只有当各地区在技术、人力资本等关键要素上逐渐趋同时，才可能实现条件趋同。这一理论为解释区域经济增长的差异和趋同现象提供了更全面和深入的视角，使趋同研究更加贴近现实经济发展情况。2.2ESDA技术原理与方法2.2.1ESDA的基本概念与特点探索性空间数据分析（ESDA）是一系列空间分析方法和技术的集成，旨在对空间数据进行深入探索和分析，以揭示数据背后隐藏的空间分布特征、空间关联模式和空间异质性。它以空间关联测度为核心，通过对空间数据的可视化和统计分析，帮助研究者发现数据中的空间规律和异常现象，从而为进一步的理论建模和假设检验提供基础。ESDA具有数据驱动的特点，它不依赖于预先设定的理论模型或假设，而是直接从数据出发，通过各种空间分析方法和可视化技术，让数据“说话”，从而发现潜在的空间模式和关系。在研究吉林省区域经济增长趋同性时，ESDA技术可以直接对吉林省各地区的经济数据进行分析，无需事先假设经济增长的空间分布模式，能够更客观地揭示区域经济增长的实际情况。该技术强调对空间集聚和空间异常的探测。空间集聚是指在空间上相邻的区域具有相似的属性值，形成高值或低值的聚集区域。通过ESDA技术，可以识别出吉林省区域经济增长中高增长区域和低增长区域的集聚情况，如哪些地区的经济增长速度较高且相互邻近，形成经济增长的热点区域；哪些地区经济增长速度较低且集中分布，形成经济增长的冷点区域。空间异常则是指某些区域的属性值与周围区域明显不同，呈现出独特的特征。ESDA技术能够帮助发现这些异常区域，进一步分析其形成的原因和对整体区域经济增长的影响。ESDA还注重可视化表达，通过地图、图表等直观的方式展示空间数据的分布和特征，使复杂的空间信息更容易被理解和解读。利用ArcGIS软件制作的空间自相关地图，可以清晰地展示吉林省各地区经济增长的空间自相关情况，不同的颜色和符号代表不同的空间关联程度，研究者可以直观地看到经济增长在空间上的集聚和差异特征，为深入分析提供直观依据。2.2.2全局空间自相关分析全局空间自相关分析用于衡量整个研究区域内所有空间单元的属性值在空间上的分布特征，判断是否存在空间自相关以及自相关的程度和方向。全局莫兰指数（GlobalMoran'sI）是最常用的全局空间自相关指标之一，其计算公式为：I=\frac{n\sum_{i=1}^{n}\sum_{j=1}^{n}w_{ij}(x_{i}-\bar{x})(x_{j}-\bar{x})}{\sum_{i=1}^{n}\sum_{j=1}^{n}w_{ij}\sum_{i=1}^{n}(x_{i}-\bar{x})^{2}}其中，n为空间单元的数量；x_{i}和x_{j}分别为空间单元i和j的属性值；\bar{x}为所有空间单元属性值的均值；w_{ij}为空间权重矩阵，表示空间单元i和j之间的空间邻接关系或距离权重。若i和j相邻，则w_{ij}=1；若不相邻，则w_{ij}=0（基于邻接关系的空间权重矩阵）。也可以根据距离的倒数等方式来定义权重，以反映空间单元之间的距离衰减效应。全局莫兰指数I的取值范围为[-1,1]。当I>0时，表示存在正的空间自相关，即相似的属性值在空间上趋于集聚，高值与高值相邻，低值与低值相邻。若吉林省区域经济增长的全局莫兰指数为正，说明经济增长速度相近的地区在空间上呈现集聚分布，可能形成经济增长的热点区域或冷点区域。当I<0时，表示存在负的空间自相关，即不同的属性值在空间上趋于分散，高值与低值相邻。若I=0，则表示空间分布是随机的，不存在明显的空间自相关。全局莫兰指数的统计显著性通常通过Z检验来判断，Z统计量的计算公式为：Z=\frac{I-E(I)}{\sqrt{VAR(I)}}其中，E(I)为莫兰指数的期望值，VAR(I)为莫兰指数的方差。在给定的显著性水平下（如\alpha=0.05），若|Z|>Z_{\alpha/2}（Z_{\alpha/2}为标准正态分布的双侧分位数），则拒绝原假设，认为存在显著的空间自相关；否则，接受原假设，认为空间分布是随机的。通过全局空间自相关分析，可以从整体上了解吉林省区域经济增长在空间上的分布特征，判断是否存在空间集聚或分散的趋势，为后续的局部空间自相关分析和趋同研究提供基础。2.2.3局部空间自相关分析局部空间自相关分析用于探测每个空间单元与其相邻单元之间的局部空间关联模式，识别出局部的空间集聚和异常区域。局部莫兰指数（LocalMoran'sI）和Getis-OrdGi*是常用的局部空间自相关指标。局部莫兰指数的计算公式为：I_{i}=\frac{(x_{i}-\bar{x})}{\sum_{i=1}^{n}(x_{i}-\bar{x})^{2}/n}\sum_{j=1}^{n}w_{ij}(x_{j}-\bar{x})其中，I_{i}表示空间单元i的局部莫兰指数，其他参数含义与全局莫兰指数计算公式相同。局部莫兰指数I_{i}反映了空间单元i与其相邻单元属性值之间的相似程度。当I_{i}>0时，表明空间单元i与其相邻单元的属性值相似，存在高值集聚（High-High）或低值集聚（Low-Low）的情况。若某地区的局部莫兰指数为正，且该地区经济增长速度较高，其周边地区经济增长速度也较高，则属于高值集聚；反之，若该地区经济增长速度较低，周边地区经济增长速度也较低，则属于低值集聚。当I_{i}<0时，表明空间单元i与其相邻单元的属性值差异较大，存在高值与低值相邻（High-Low或Low-High）的异常情况。若某地区经济增长速度较高，但周边地区经济增长速度较低，或者反之，则属于这种异常情况。Getis-OrdGi统计量用于检测局部空间单元的高值或低值集聚，其计算公式为：其中，表示空间单元在距离阈值内的Getis-OrdGi统计量；w_{ij}(d)为基于距离d的空间权重矩阵，当空间单元j与i的距离小于等于d时，w_{ij}(d)=1，否则w_{ij}(d)=0；x_{j}为空间单元j的属性值。G_{i}^{*}(d)值越大，表明空间单元i周围的属性值越高，存在高值集聚的可能性越大；G_{i}^{*}(d)值越小，表明空间单元i周围的属性值越低，存在低值集聚的可能性越大。通过对G_{i}^{*}(d)进行标准化处理和显著性检验，可以确定局部空间集聚的显著性。这些局部空间自相关指标能够帮助我们深入了解吉林省区域经济增长在局部空间上的集聚模式和热点区域。通过计算各地区的局部莫兰指数和Getis-OrdGi*统计量，可以准确识别出经济增长的高值集聚区域（热点区域）和低值集聚区域（冷点区域），以及存在异常空间关联的区域，为进一步分析区域经济增长的差异和趋同提供详细的空间信息。2.2.4LISA集聚图与空间异质性分析LISA集聚图（LocalIndicatorsofSpatialAssociationClusterMap）是基于局部空间自相关分析结果绘制的一种可视化地图，用于直观展示空间单元的局部空间关联模式和集聚特征。在LISA集聚图中，每个空间单元根据其局部莫兰指数的计算结果被分类到不同的集聚类型中，通常包括高-高集聚（HH）、低-低集聚（LL）、高-低异常（HL）和低-高异常（LH）四种类型。高-高集聚表示该空间单元及其相邻单元的属性值都较高；低-低集聚表示该空间单元及其相邻单元的属性值都较低；高-低异常表示该空间单元属性值较高，但其相邻单元属性值较低；低-高异常表示该空间单元属性值较低，但其相邻单元属性值较高。以吉林省区域经济增长为例，绘制LISA集聚图时，首先需要计算各地区的局部莫兰指数，然后根据局部莫兰指数的正负和大小将各地区划分到相应的集聚类型中。使用ArcGIS软件，将不同集聚类型的地区用不同的颜色或符号在地图上表示出来。高-高集聚地区可以用红色表示，低-低集聚地区用蓝色表示，高-低异常地区用黄色表示，低-高异常地区用绿色表示。这样，通过LISA集聚图可以直观地看到吉林省各地区经济增长在空间上的集聚和异质性特征。LISA集聚图能够清晰地揭示吉林省区域经济增长在空间上的异质性。从图中可以看出，经济增长高值集聚区域（红色区域）通常集中在某些特定的地区，这些地区可能具有较好的经济基础、产业结构和发展条件，形成了经济增长的核心区域。经济增长低值集聚区域（蓝色区域）则分布在其他地区，可能受到资源、地理位置、产业发展等因素的限制，经济增长相对缓慢。高-低异常和低-高异常区域（黄色和绿色区域）的存在表明这些地区与相邻地区的经济增长差异较大，可能是由于特殊的政策、资源开发或产业布局等原因导致的。通过对LISA集聚图的分析，可以深入了解吉林省区域经济增长的空间格局，为制定区域发展政策提供依据。例如，对于高-高集聚区域，可以进一步加大政策支持和资源投入，发挥其辐射带动作用；对于低-低集聚区域，需要制定针对性的发展策略，促进其经济增长；对于高-低异常和低-高异常区域，需要深入分析其形成原因，采取相应的措施来缩小区域经济差距。三、吉林省区域经济增长现状分析3.1吉林省经济发展总体态势3.1.1经济增长规模与速度吉林省作为中国东北地区的重要省份，在国家经济格局中占据着独特的地位。近年来，吉林省的经济规模持续扩大，地区生产总值（GDP）呈现出稳步增长的态势。从历史数据来看，2013-2024年期间，吉林省GDP总量从9427.89亿元增长至14361.22亿元。其中，2023年吉林省实现地区生产总值13531.19亿元，按可比价格计算，比上年增长6.3%，高于全国1.1个百分点，领先幅度比前三季度扩大0.5个百分点，位居全国前列。到了2024年，吉林省GDP达到14361.22亿元，同比增长4.3%，用绝对值测算看，增幅是6.13%，测算值略高于公布值。这一增长趋势表明吉林省经济发展具有较强的稳定性和活力，在全国经济增长中发挥着积极的作用。人均GDP是衡量一个地区经济发展水平和居民生活水平的重要指标。在2013-2023年期间，吉林省人均GDP也实现了显著增长，从35139元增长至57739元。人均GDP的增长不仅反映了吉林省经济总量的增加，还意味着居民的平均收入水平和生活质量得到了提升。这一增长成果得益于吉林省经济的持续发展、产业结构的优化以及居民就业和收入状况的改善。与全国平均水平相比，吉林省人均GDP在部分年份略高于全国平均水平，这显示出吉林省在经济发展方面取得了一定的成效，居民生活水平处于相对较高的水平。然而，也应看到，在一些年份，吉林省人均GDP与全国平均水平仍存在一定差距，这表明吉林省在经济发展过程中还面临着一些挑战，需要进一步加快经济发展步伐，提高经济发展质量，缩小与全国先进地区的差距。为了更直观地展示吉林省经济增长规模与速度的变化趋势，制作了图1和图2。图1清晰地呈现了2013-2024年吉林省GDP总量的逐年增长情况，从折线的上升趋势可以明显看出吉林省经济规模的不断扩大。图2则对比了2013-2023年吉林省人均GDP与全国平均水平的变化，通过两条折线的走势，可以直观地了解到吉林省人均GDP在这期间的增长态势以及与全国平均水平的差距变化。[此处插入图1：2013-2024年吉林省GDP总量变化趋势图][此处插入图2：2013-2023年吉林省人均GDP与全国平均水平对比图][此处插入图2：2013-2023年吉林省人均GDP与全国平均水平对比图]3.1.2产业结构演变产业结构是衡量一个地区经济发展水平和发展阶段的重要标志，其优化升级对于地区经济的可持续增长具有关键作用。吉林省产业结构在过去几十年间经历了显著的演变，三次产业占GDP比重呈现出动态变化的趋势。2013-2024年期间，吉林省三次产业结构发生了较为明显的调整。第一产业占GDP比重整体呈下降趋势，从2013年的13.3%下降至2024年的11.1%。这一变化反映了随着经济的发展，吉林省农业在经济总量中的相对地位逐渐下降，同时也表明吉林省在推进工业化和城市化进程中，资源逐渐向第二、三产业转移。然而，农业作为吉林省的基础产业，仍然在保障粮食安全、促进农村经济发展等方面发挥着重要作用。2023年吉林省粮食总产量达837.3亿斤，再创历史新高，较上年增长21.14亿斤，为国家粮食安全作出了重要贡献。第二产业占GDP比重在这一时期呈现出先下降后上升再下降的波动变化。2013-2016年期间，第二产业比重有所下降，从37.9%降至37.4%。这可能是由于经济结构调整、传统工业面临转型升级压力等因素导致的。2017-2018年，第二产业比重有所回升，分别达到36.6%和36.7%。这得益于吉林省加大了对工业的支持力度，推动了产业结构的优化升级，一些新兴产业和高端制造业得到了快速发展。但在2019-2024年，第二产业比重又再次下降，2024年降至31.9%。这可能与全球经济形势、市场需求变化以及产业结构进一步调整有关。尽管比重有所下降，但第二产业仍然是吉林省经济的重要支柱，2023年全省规模以上工业增加值同比增长6.8%，汽车制造业、装备制造业等重点产业发展良好，对经济增长起到了重要的支撑作用。第三产业占GDP比重则呈现出持续上升的趋势，从2013年的48.8%上升至2024年的57.1%。这表明吉林省服务业发展迅速，在经济中的地位日益重要。随着居民收入水平的提高和消费结构的升级，对金融、旅游、文化、教育等服务业的需求不断增加，推动了第三产业的快速发展。2023年吉林省接待国内游客3.14亿人次，同比增长172.8%，实现国内旅游收入5277.35亿元，同比增长242%，旅游消费成为推动第三产业增长的重要动力。同时，现代服务业如信息技术服务、电子商务等也取得了长足发展，为经济增长注入了新的活力。为了更清晰地展示吉林省产业结构的演变过程，制作了图3。从图中可以直观地看出三次产业占GDP比重的变化趋势，以及各产业在不同时期对经济增长的贡献变化。这种产业结构的演变符合经济发展的一般规律，即随着经济的发展，产业结构逐渐从以第一产业为主向以第二、三产业为主转变，产业结构不断优化升级。吉林省产业结构的调整和优化，有助于提高经济发展的质量和效益，增强经济的稳定性和可持续性。未来，吉林省应继续推动产业结构的优化升级，加大对新兴产业和现代服务业的支持力度，促进三次产业的协调发展，以实现经济的高质量发展。[此处插入图3：2013-2024年吉林省三次产业结构变化趋势图]3.2区域经济增长的空间差异3.2.1地区经济增长差异的描述性统计为了深入了解吉林省各地区经济增长的差异情况，对2013-2024年吉林省9个地区（长春、吉林、四平、辽源、通化、白山、松原、白城、延边）的人均GDP进行了描述性统计分析，结果如表1所示。[此处插入表1：2013-2024年吉林省各地区人均GDP描述性统计]从均值来看，2013-2024年期间吉林省各地区人均GDP均值为45962.44元。其中，长春市的人均GDP均值最高，达到65479.58元，这表明长春市作为吉林省的省会和经济中心，经济发展水平较高，居民收入水平也相对较高。辽源市的人均GDP均值相对较低，为34787.33元。长春市与辽源市人均GDP均值的较大差距，直观地反映出吉林省区域经济增长在不同地区之间存在明显的不平衡性。标准差是衡量数据离散程度的重要指标，它反映了各地区人均GDP相对于均值的偏离程度。2013-2024年吉林省各地区人均GDP的标准差为12147.78，数值较大，说明各地区人均GDP的离散程度较高，经济增长差异较为显著。其中，2024年长春市人均GDP为73568元，而辽源市仅为41294元，两者相差32274元，进一步体现了地区间经济增长的较大差距。变异系数是标准差与均值的比值，它消除了数据量纲的影响，能够更准确地反映数据的相对离散程度。吉林省各地区人均GDP的变异系数为0.2643，表明各地区人均GDP相对于均值的相对离散程度较高。这意味着吉林省区域经济增长的差异不仅体现在绝对数值上，在相对水平上也较为突出。例如，长春市人均GDP均值较高，其变异系数相对较小，说明长春市经济增长相对较为稳定；而一些经济发展水平较低的地区，如辽源市，其变异系数相对较大，经济增长的波动性较大。通过对吉林省各地区人均GDP的描述性统计分析，可以看出吉林省区域经济增长存在明显的地区差异，经济发展水平较高的地区与较低的地区之间差距较大，且各地区经济增长的稳定性和波动性也存在差异。这种地区经济增长差异对吉林省整体经济的协调发展和均衡布局带来了挑战，需要进一步深入分析其背后的原因，并采取相应的政策措施来促进区域经济的协调发展。3.2.2空间差异的初步可视化分析为了更直观地呈现吉林省区域经济增长的空间差异，利用ArcGIS软件制作了2013年和2024年吉林省各地区人均GDP的空间分布地图，如图4和图5所示。在地图制作过程中，根据人均GDP的数值范围，采用自然间断点分级法将各地区划分为不同的等级，并用不同的颜色表示，以便更清晰地展示空间差异。[此处插入图4：2013年吉林省各地区人均GDP空间分布地图][此处插入图5：2024年吉林省各地区人均GDP空间分布地图][此处插入图5：2024年吉林省各地区人均GDP空间分布地图]从图4中可以看出，2013年吉林省人均GDP较高的地区主要集中在中部地区，以长春市为核心，呈现出向周边地区逐渐递减的趋势。长春市作为吉林省的政治、经济和文化中心，拥有较为完善的产业体系和丰富的资源，吸引了大量的投资和人才，经济发展水平较高。吉林市作为吉林省的第二大城市，人均GDP也相对较高，处于第二梯队。而东部和西部的一些地区，如白城、白山等地，人均GDP相对较低，经济发展相对滞后。这可能是由于这些地区地理位置偏远，交通不便，产业结构单一，资源开发利用程度较低等因素导致的。对比图4和图5可以发现，2024年吉林省区域经济增长的空间格局发生了一些变化。长春市的经济增长依然强劲，人均GDP进一步提高，在全省的领先地位更加稳固。同时，一些周边地区的经济也取得了较快发展，与长春市的经济联系更加紧密，形成了一定的经济集聚效应。例如，松原市在2024年人均GDP有了显著提升，与长春市的差距有所缩小。这可能得益于松原市近年来加大了对石油化工、农业等产业的发展力度，积极推进产业升级和转型，促进了经济的快速增长。然而，部分地区的经济发展仍然相对缓慢，区域经济增长的空间差异依然存在。白城市和辽源市等地的人均GDP虽然有所增长，但在全省仍处于较低水平，与经济发达地区的差距仍然较大。这表明吉林省在促进区域经济协调发展方面仍面临着较大的挑战，需要进一步加强区域合作，优化产业布局，加大对经济欠发达地区的支持力度，以缩小区域经济增长的空间差异。通过空间分布地图的可视化分析，可以直观地看到吉林省区域经济增长在空间上呈现出不均衡的分布特征，存在明显的高值区和低值区。这种空间差异不仅反映了各地区经济发展的现状，也为进一步研究区域经济增长趋同性提供了重要的线索。后续将通过ESDA技术，对这种空间差异的关联性和集聚特征进行深入分析，以揭示吉林省区域经济增长趋同的内在机制。四、基于ESDA的吉林省区域经济增长趋同性实证分析4.1数据来源与处理本研究的数据主要来源于2013-2024年的《吉林省统计年鉴》，同时，还参考了吉林省各地区政府发布的年度经济报告，以及国家统计局官方网站上的相关统计数据。这些数据涵盖了吉林省9个地区（长春、吉林、四平、辽源、通化、白山、松原、白城、延边）的地区生产总值（GDP）、年末总人口、固定资产投资、财政支出、社会消费品零售总额等多个方面，能够全面、准确地反映吉林省区域经济增长的状况。在数据收集过程中，对原始数据进行了初步的审核，确保数据的完整性和准确性。对于存在缺失值的数据，采用了多种方法进行填补。若缺失值为某地区某一年份的个别经济指标数据，且该指标与其他指标存在较强的线性关系，使用线性回归模型进行预测填补。对于地区生产总值（GDP）缺失值，通过分析该地区其他经济指标（如固定资产投资、社会消费品零售总额等）与GDP的历史数据关系，建立线性回归方程，预测并填补缺失的GDP值。若缺失值为某地区连续多年的多个指标数据，参考该地区相邻年份的数据以及周边地区类似发展水平地区的数据，采用均值法或插值法进行填补。对于一些波动较大的数据，如某些年份个别地区的工业增加值出现异常波动，通过与相关部门沟通核实，确认数据是否存在录入错误。若为错误数据，进行修正；若为真实波动，采用移动平均法进行平滑处理，以减少异常值对分析结果的影响。为了消除数据量纲和数量级的影响，使不同指标的数据具有可比性，对数据进行了标准化处理。采用Z-score标准化方法，计算公式为：z_{i}=\frac{x_{i}-\bar{x}}{s}其中，z_{i}为标准化后的数据，x_{i}为原始数据，\bar{x}为原始数据的均值，s为原始数据的标准差。例如，对于人均GDP数据，首先计算出2013-2024年吉林省各地区人均GDP的均值和标准差，然后根据上述公式对每个地区每年的人均GDP进行标准化处理。经过标准化处理后，所有数据的均值为0，标准差为1，从而消除了数据之间的量纲差异，便于后续的数据分析和模型构建。4.2全局空间自相关分析结果4.2.1全局莫兰指数计算与结果分析利用ESDA技术中的全局空间自相关分析方法，对2013-2024年吉林省各地区人均GDP进行分析，以探究吉林省区域经济增长在整体空间上的相关性和集聚趋势。全局莫兰指数（GlobalMoran'sI）是衡量全局空间自相关的重要指标，其计算公式为：I=\frac{n\sum_{i=1}^{n}\sum_{j=1}^{n}w_{ij}(x_{i}-\bar{x})(x_{j}-\bar{x})}{\sum_{i=1}^{n}\sum_{j=1}^{n}w_{ij}\sum_{i=1}^{n}(x_{i}-\bar{x})^{2}}其中，n为空间单元的数量，本研究中吉林省包含9个地区，即n=9；x_{i}和x_{j}分别为空间单元i和j的人均GDP值；\bar{x}为所有空间单元人均GDP的均值；w_{ij}为空间权重矩阵，表示空间单元i和j之间的空间邻接关系。在本研究中，采用基于邻接关系的空间权重矩阵，若地区i和地区j相邻，则w_{ij}=1；若不相邻，则w_{ij}=0。通过计算，得到2013-2024年吉林省区域经济增长的全局莫兰指数结果如表2所示。[此处插入表2：2013-2024年吉林省区域经济增长全局莫兰指数计算结果]从表2可以看出，2013-2024年期间，吉林省区域经济增长的全局莫兰指数均大于0，表明吉林省各地区的人均GDP在空间上存在正的自相关关系，即经济增长水平相似的地区在空间上呈现集聚分布。具体来看，2013年全局莫兰指数为0.2867，到2024年上升至0.3572，呈现出逐渐上升的趋势。这说明随着时间的推移，吉林省区域经济增长的空间集聚特征愈发明显，经济增长水平相近的地区之间的空间关联程度不断增强。进一步分析，经济增长水平较高的地区如长春市，其周边地区的经济增长水平也相对较高，形成了经济增长的高值集聚区域。这可能是由于长春市作为吉林省的省会和经济中心，具有较强的经济辐射带动能力，能够促进周边地区的经济发展，形成经济增长的集聚效应。相反，经济增长水平较低的地区也往往在空间上相互邻近，形成低值集聚区域。例如，白城市和辽源市等地，经济发展相对滞后，它们在空间上的相邻分布使得低值集聚特征更为突出。这种空间集聚现象不仅反映了区域经济增长的空间分布特征，也为深入研究吉林省区域经济增长趋同性提供了重要线索。4.2.2空间自相关的显著性检验为了判断全局莫兰指数所反映的空间自相关是否显著，需要对其进行显著性检验。通常采用Z检验来判断莫兰指数的显著性，Z统计量的计算公式为：Z=\frac{I-E(I)}{\sqrt{VAR(I)}}其中，E(I)为莫兰指数的期望值，VAR(I)为莫兰指数的方差。在零假设下，即假设空间分布是随机的，不存在空间自相关时，莫兰指数的期望值E(I)=-\frac{1}{n-1}。对于基于邻接关系的空间权重矩阵，莫兰指数的方差VAR(I)可通过相应的公式计算得出。在给定的显著性水平\alpha=0.05下，双侧检验的临界值Z_{\alpha/2}=1.96。若计算得到的|Z|>1.96，则拒绝零假设，认为存在显著的空间自相关；若|Z|\leq1.96，则接受零假设，认为空间分布是随机的，不存在显著的空间自相关。对2013-2024年吉林省区域经济增长的全局莫兰指数进行Z检验，结果如表3所示。[此处插入表3：2013-2024年吉林省区域经济增长全局莫兰指数Z检验结果]从表3可以看出，2013-2024年期间，吉林省区域经济增长全局莫兰指数的Z统计量均大于1.96，且P值均小于0.05。这表明在5%的显著性水平下，拒绝零假设，即吉林省区域经济增长存在显著的空间自相关。这进一步验证了前文通过全局莫兰指数分析得出的结论，即吉林省各地区的人均GDP在空间上并非随机分布，而是存在明显的正空间自相关关系，经济增长水平相似的地区在空间上呈现集聚分布，且这种集聚趋势在统计上是显著的。通过显著性检验，增强了研究结果的可靠性和可信度，为后续深入分析吉林省区域经济增长趋同性提供了坚实的基础。4.3局部空间自相关分析结果4.3.1局部莫兰指数与LISA集聚图绘制在完成全局空间自相关分析后，为进一步深入探究吉林省各地区经济增长的局部空间关联模式，对2013-2024年吉林省各地区人均GDP进行局部空间自相关分析。通过计算各地区的局部莫兰指数（LocalMoran'sI），以揭示每个地区与其相邻地区在经济增长水平上的相似性或差异性。局部莫兰指数的计算公式为：I_{i}=\frac{(x_{i}-\bar{x})}{\sum_{i=1}^{n}(x_{i}-\bar{x})^{2}/n}\sum_{j=1}^{n}w_{ij}(x_{j}-\bar{x})其中，I_{i}表示空间单元i的局部莫兰指数，x_{i}和x_{j}分别为空间单元i和j的人均GDP值，\bar{x}为所有空间单元人均GDP的均值，w_{ij}为空间权重矩阵，表示空间单元i和j之间的空间邻接关系，若地区i和地区j相邻，则w_{ij}=1；若不相邻，则w_{ij}=0。以2024年为例，计算得到吉林省各地区的局部莫兰指数结果如表4所示。[此处插入表4：2024年吉林省各地区局部莫兰指数计算结果]从表4可以看出，长春市的局部莫兰指数为0.6578，数值较大且为正，表明长春市与其相邻地区的经济增长水平呈现出显著的高值集聚特征。长春市作为吉林省的省会和经济中心，拥有丰富的资源、完善的产业体系和强大的经济辐射能力，吸引了大量的投资和人才，带动了周边地区的经济发展，使其与周边地区形成了经济增长的高值集聚区。吉林市的局部莫兰指数为0.4321，同样为正，说明吉林市及其相邻地区也存在一定程度的经济增长高值集聚现象。吉林市是吉林省的重要工业城市，工业基础雄厚，与周边地区在产业上存在紧密的联系，促进了区域经济的协同发展。而白城市的局部莫兰指数为-0.2356，为负值，表明白城市与其相邻地区的经济增长水平差异较大，存在低-高异常情况，即白城市经济增长水平相对较低，但其相邻地区经济增长水平相对较高。这可能是由于白城市地理位置相对偏远，产业结构相对单一，经济发展受到一定限制，而周边地区在产业发展、资源利用等方面具有优势，导致了这种经济增长的空间异质性。为了更直观地展示各地区与相邻地区的空间关联模式，利用计算得到的局部莫兰指数绘制LISA集聚图。在ArcGIS软件中，将局部莫兰指数的计算结果与吉林省地区行政区划图进行关联，根据局部莫兰指数的正负和大小，将各地区划分为高-高集聚（HH）、低-低集聚（LL）、高-低异常（HL）和低-高异常（LH）四种类型，并分别用不同的颜色在地图上表示出来。高-高集聚地区用红色表示，低-低集聚地区用蓝色表示，高-低异常地区用黄色表示，低-高异常地区用绿色表示。2024年吉林省区域经济增长的LISA集聚图如图6所示。[此处插入图6：2024年吉林省区域经济增长LISA集聚图]从图6中可以清晰地看到，高-高集聚区域主要集中在以长春市为核心的中部地区，这些地区经济增长水平较高，相互之间的空间关联紧密，形成了经济增长的热点区域。低-低集聚区域分布在部分东部和西部地区，这些地区经济增长相对缓慢，区域间的经济联系较弱，形成了经济增长的冷点区域。高-低异常和低-高异常区域则分散在其他地区，反映了这些地区与相邻地区在经济增长上的不协调和异质性。通过LISA集聚图，能够直观地了解吉林省区域经济增长在局部空间上的集聚和差异特征，为进一步分析区域经济增长趋同性提供了重要的可视化依据。4.3.2热点区与冷点区的时空演变为了深入探究吉林省区域经济增长的热点和冷点区域的动态演变过程，对2013-2024年期间各年份的局部空间自相关分析结果进行对比分析。通过观察不同年份LISA集聚图中热点区（高-高集聚区域）和冷点区（低-低集聚区域）的分布变化，揭示吉林省区域经济增长空间格局的时间演变规律。2013年，吉林省区域经济增长的热点区主要集中在长春市及其周边的部分地区。长春市凭借其省会城市的优势，在产业发展、科技创新、人才集聚等方面具有明显的优势，经济增长迅速，带动了周边地区的发展，形成了相对集中的高-高集聚区域。然而，热点区的范围相对较小，仅覆盖了少数几个地区，表明当时吉林省经济增长的核心区域较为集中，对周边地区的辐射带动作用还不够强。随着时间的推移，到了2018年，热点区的范围有所扩大。除了长春市及其周边地区外，吉林市的经济发展也取得了显著成效，逐渐融入了热点区的范围。吉林市加大了对产业升级和转型的支持力度，推动了汽车、化工等传统产业的创新发展，同时积极培育新兴产业，经济增长速度加快，与长春市形成了协同发展的态势，共同构成了吉林省经济增长的核心区域。这一时期，热点区的扩大反映了吉林省区域经济增长的集聚效应逐渐增强，核心区域的辐射带动作用得到了进一步发挥。到了2024年，热点区在2018年的基础上进一步巩固和发展。长春市和吉林市作为热点区的核心，经济增长持续强劲，对周边地区的带动作用更加明显。松原市等地区在这一时期也取得了较快的经济增长，逐渐向热点区靠拢。松原市依托其丰富的石油资源和农业资源，加大了对石油化工、农产品加工等产业的投入和发展，产业结构不断优化，经济实力不断增强，与热点区的经济联系日益紧密。这表明吉林省区域经济增长的空间格局逐渐优化，经济增长的核心区域不断壮大，对周边地区的辐射带动作用更加广泛和深入。在冷点区方面，2013年，冷点区主要分布在吉林省的东部和西部地区，如白城市、辽源市、白山市等地。这些地区由于地理位置偏远、交通不便、产业结构单一等原因，经济发展相对滞后，形成了低-低集聚的冷点区域。在随后的几年里，虽然冷点区的范围有所缩小，但部分地区的经济发展仍然相对缓慢，冷点区的格局并没有发生根本性的改变。白城市在产业发展方面面临着诸多挑战，传统产业转型升级困难，新兴产业发展缓慢，经济增长动力不足，导致其在经济增长方面仍然处于相对落后的地位。辽源市虽然在经济转型方面做出了一定的努力，但由于产业基础薄弱，转型难度较大，经济增长速度仍然较慢，冷点区的特征依然较为明显。通过对热点区和冷点区时空演变的分析可以看出，吉林省区域经济增长的空间格局在2013-2024年期间发生了显著的变化。热点区的范围逐渐扩大，经济增长的集聚效应不断增强，核心区域的辐射带动作用日益凸显。然而，冷点区的存在仍然是吉林省区域经济协调发展面临的重要挑战，需要进一步加大对冷点区的支持力度，促进其经济增长，缩小区域经济差距，实现吉林省区域经济的均衡发展。4.4趋同检验与结果分析4.4.1σ-趋同检验σ-趋同检验主要通过计算吉林省各地区经济增长指标的标准差或变异系数等指标，来判断区域经济增长差距是否随时间逐渐减小，从而确定是否存在σ-趋同现象。本研究选取人均GDP作为衡量经济增长的指标，计算2013-2024年吉林省9个地区人均GDP的标准差，公式为：\sigma_t=\sqrt{\frac{\sum_{i=1}^{n}(y_{it}-\bar{y}_t)^2}{n-1}}其中，\sigma_t为第t年的标准差，y_{it}为第i个地区在第t年的人均GDP，\bar{y}_t为第t年吉林省各地区人均GDP的均值，n为地区数量，本研究中n=9。计算结果如表5所示。[此处插入表5：2013-2024年吉林省各地区人均GDP标准差计算结果]从表5可以看出，2013-2024年期间，吉林省各地区人均GDP的标准差呈现出波动变化的趋势。2013年标准差为10534.56，到2016年略有上升，达到11245.78。这可能是由于部分地区在这一时期经济发展速度较快，而部分地区发展相对滞后，导致地区间经济增长差距有所扩大。2017-2020年，标准差逐渐下降，2020年降至9876.32。这表明在这一阶段，吉林省区域经济增长差距逐渐缩小，存在σ-趋同现象。这可能得益于吉林省在产业结构调整、区域协调发展等方面采取的一系列政策措施，促进了各地区经济的协同发展。然而，2021-2024年，标准差又出现了上升趋势，2024年达到12897.45。这可能是由于受到外部经济环境变化、疫情等因素的影响，各地区经济增长受到不同程度的冲击，导致经济增长差距再次扩大。为了更直观地展示标准差的变化趋势，绘制了图7。从图中可以清晰地看到标准差的波动情况，进一步验证了吉林省区域经济增长差距在不同时期的变化趋势。总体而言，吉林省区域经济增长在2013-2024年期间不存在持续的σ-趋同现象，而是呈现出阶段性的变化特征，区域经济增长差距在不同时期有所波动。[此处插入图7：2013-2024年吉林省各地区人均GDP标准差变化趋势图]4.4.2β-趋同检验β-趋同检验旨在分析经济增长速度与初始经济水平之间的关系，判断经济增长是否存在落后地区追赶发达地区的趋势。本研究构建β-趋同回归模型，分绝对β-趋同和条件β-趋同进行检验。绝对β-趋同模型设定为：\frac{\lny_{i,t+T}-\lny_{it}}{T}=\alpha+\beta\lny_{it}+\varepsilon_{it}其中，\frac{\lny_{i,t+T}-\lny_{it}}{T}表示第i个地区在t到t+T时期的人均GDP平均增长率，y_{it}为第i个地区在t时期的人均GDP，\alpha为常数项，\beta为回归系数，\varepsilon_{it}为随机误差项。若\beta\lt0，则表明存在绝对β-趋同，即初始人均GDP较低的地区经济增长速度更快。利用2013-2024年吉林省各地区人均GDP数据，对绝对β-趋同模型进行回归估计，结果如表6所示。[此处插入表6：吉林省区域经济增长绝对β-趋同回归结果]从回归结果来看，\beta系数为-0.0354，且在1%的显著性水平下显著。这表明吉林省区域经济增长存在绝对β-趋同，即初始人均GDP较低的地区在2013-2024年期间经济增长速度相对较快，呈现出落后地区追赶发达地区的趋势。例如，辽源市在2013年人均GDP相对较低，但在后续的发展过程中，其经济增长速度较快，逐渐缩小了与其他地区的差距。在绝对β-趋同检验的基础上，进一步考虑其他影响经济增长的因素，进行条件β-趋同检验。引入市场化水平、人力资本、外资利用、劳动参与率、总储蓄率和政府支出等控制变量，构建条件β-趋同模型为：\frac{\lny_{i,t+T}-\lny_{it}}{T}=\alpha+\beta\lny_{it}+\sum_{j=1}^{k}\gamma_jX_{ijt}+\varepsilon_{it}其中，X_{ijt}为第i个地区在t时期的第j个控制变量，\gamma_j为第j个控制变量的回归系数，k为控制变量的个数。对条件β-趋同模型进行回归估计，结果如表7所示。[此处插入表7：吉林省区域经济增长条件β-趋同回归结果]从条件β-趋同回归结果可以看出，在控制了市场化水平、人力资本等因素后，\beta系数为-0.0486，依然在1%的显著性水平下显著为负。这表明吉林省区域经济增长存在条件β-趋同，即各地区在考虑了多种影响因素后，经济增长会趋向于自身的稳态增长路径，实现趋同。具体来看，市场化水平的回归系数为0.0235，在5%的显著性水平下显著为正，说明市场化水平的提高对经济增长具有促进作用，市场化程度越高的地区，经济增长速度越快。人力资本的回归系数为0.0312，在1%的显著性水平下显著为正，表明人力资本水平的提升能够显著促进经济增长，高素质的劳动力资源是推动区域经济发展的重要因素。外资利用的回归系数为0.0156，在10%的显著性水平下显著为正，说明合理利用外资能够对经济增长起到一定的推动作用。劳动参与率的回归系数为0.0108，但不显著，说明劳动参与率对经济增长的影响不明显。总储蓄率的回归系数为0.0205，在5%的显著性水平下显著为正，表明较高的总储蓄率能够为经济增长提供资金支持，促进经济发展。政府支出的回归系数为-0.0123，在5%的显著性水平下显著为负，说明政府支出对经济增长的促进作用不明显，可能存在政府支出效率不高或支出结构不合理等问题。通过β-趋同检验可以看出，吉林省区域经济增长存在绝对β-趋同和条件β-趋同现象，初始经济水平较低的地区具有追赶发达地区的潜力。同时，市场化水平、人力资本、外资利用和总储蓄率等因素对经济增长具有显著的促进作用，而政府支出需要进一步优化结构和提高效率，以更好地促进区域经济增长。4.4.3俱乐部趋同分析俱乐部趋同分析旨在判断吉林省是否存在具有相似经济结构、资源禀赋和发展条件的地区，这些地区之间的经济增长是否会出现趋同现象。本研究采用聚类分析方法，以2013-2024年吉林省各地区人均GDP、产业结构、固定资产投资、财政支出等指标为变量，对吉林省9个地区进行聚类分析。在聚类分析过程中，首先对数据进行标准化处理，消除量纲和数量级的影响。然后，采用欧氏距离作为距离度量方法，使用K-Means聚类算法进行聚类。通过多次试验，确定最佳聚类数K=3。聚类结果如表8所示。[此处插入表8：吉林省区域经济增长俱乐部趋同聚类结果]从聚类结果可以看出，第一类包括长春市和吉林市，这两个地区经济发展水平较高，产业结构较为优化，固定资产投资和财政支出规模较大，具有较强的经济实力和发展潜力。长春市作为吉林省的省会，是全省的政治、经济和文化中心，拥有较为完善的产业体系和丰富的资源，在汽车制造、生物医药、信息技术等领域具有较强的竞争力。吉林市是吉林省的重要工业城市，工业基础雄厚，在化工、汽车零部件等产业方面具有一定的优势。这两个地区在经济增长过程中相互影响、相互促进，形成了一个经济增长趋同俱乐部。第二类包括松原市、延边州和通化市，这些地区经济发展水平处于中等水平，产业结构以资源开发和制造业为主，具有一定的特色产业。松原市依托其丰富的石油资源，在石油化工、农产品加工等产业方面取得了较快发展。延边州作为中国朝鲜族聚居地，具有独特的民族文化和旅游资源，在旅游、食品加工等产业方面具有一定的发展优势。通化市在医药、葡萄酒等产业方面具有较强的竞争力，是中国著名的医药城和葡萄酒城。这三个地区在经济发展过程中，通过发挥自身特色产业优势，加强区域合作，经济增长速度和发展水平逐渐趋同。第三类包括四平市、辽源市、白城市和白山市，这些地区经济发展水平相对较低，产业结构相对单一，主要以传统农业和制造业为主，经济增长面临一定的压力。四平市在农业、机械制造等产业方面有一定基础，但产业结构有待进一步优化。辽源市曾经是中国重要的煤炭生产基地，但随着煤炭资源的逐渐枯竭，经济转型面临较大挑战。白城市和白山市地理位置相对偏远，交通不便，产业发展受到一定限制。这四个地区在经济增长过程中，由于面临相似的发展困境，经济增长速度相对较慢，形成了一个经济增长趋同俱乐部。吉林省区域经济增长存在俱乐部趋同现象，不同俱乐部之间的经济发展水平和增长速度存在差异。经济发达地区之间、中等发展水平地区之间以及经济欠发达地区之间分别形成了趋同俱乐部。这表明在区域经济发展过程中，地区之间的经济联系和协同发展对于促进经济增长趋同具有重要作用。为了促进吉林省区域经济的协调发展，应根据不同俱乐部的特点和发展需求，制定差异化的区域发展政策，加强区域合作，促进资源的合理配置和产业的协同发展，缩小区域经济差距。五、影响吉林省区域经济增长趋同性的因素分析5.1影响因素的理论分析5.1.1人力资本人力资本是指通过教育、培训、健康投资等方式形成的凝结在劳动者身上的知识、技能和健康状况等。人力资本对区域经济增长趋同具有重要影响，主要体现在以下几个方面。人力资本的提升能够显著提高劳动生产率。具有较高人力资本水平的劳动者，通常具备更丰富的专业知识和技能，能够更熟练地操作先进的生产设备，采用更高效的生产方法，从而提高单位时间内的产出。在汽车制造产业中，高素质的技术工人能够更精准地控制生产流程，减少次品率，提高生产效率，进而提升整个产业的经济效益。相比之下，人力资本水平较低的地区，劳动者技能相对匮乏，生产效率低下，经济增长受到限制。随着时间的推移，人力资本水平高的地区经济增长速度更快，而人力资本水平低的地区经济增长相对缓慢，这种差异会影响区域经济增长的趋同性。如果各地区在人力资本积累方面的速度和程度不同，就可能导致区域经济增长差距的扩大或缩小，进而影响趋同趋势。人力资本能够促进技术创新。高素质的人才是技术创新的核心力量，他们具备较强的创新思维和研发能力，能够推动新技术、新产品的开发和应用。在信息技术领域，大量的科研人才通过不断的创新和研发，推动了软件开发、互联网技术等方面的快速发展，为经济增长创造了新的动力。技术创新能够提高生产效率，降低生产成本，开拓新的市场，从而促进区域经济的增长。在经济增长趋同的过程中，技术创新起着关键作用。拥有丰富人力资本和较强技术创新能力的地区，能够更快地实现产业升级和经济结构优化，经济增长速度加快，与其他地区的差距可能会缩小，促进区域经济增长趋同。相反，人力资本匮乏、技术创新能力弱的地区，可能会在经济发展中逐渐落后，加大区域经济增长的差距，阻碍趋同进程。人力资本还具有外部性。一个地区的人力资本积累不仅会促进本地区的经济增长，还会对周边地区产生辐射带动作用。高校和科研机构集中的地区，培养的高素质人才不仅为本地区的企业提供了智力支持，还可能通过人才流动、技术交流等方式，将知识和技术传播到周边地区，促进周边地区的经济发展。这种外部性有助于缩小区域经济增长的差距，推动区域经济增长趋同。例如，长春市作为吉林省的经济和教育中心，拥有众多高校和科研机构，培养了大量的高素质人才。这些人才不仅为长春市的经济发展做出了重要贡献，还通过与周边地区的合作和交流，带动了周边地区的产业升级和技术进步，促进了区域经济的协同发展。5.1.2科技创新科技创新是推动区域经济增长的重要动力，对区域经济增长速度和趋同具有关键作用。研发投入是科技创新的基础，充足的研发投入能够支持科研机构和企业开展前沿技术研究和产品开发。吉林省在汽车产业的研发投入不断增加，推动了新能源汽车、智能网联汽车等领域的技术突破，提高了汽车产业的核心竞争力，促进了相关企业的发展和壮大，带动了区域经济的增长。研发投入还能够吸引高素质的科研人才，形成创新人才集聚效应，进一步提升科技创新能力。专利数量是衡量科技创新成果的重要指标之一。专利数量的增加表明一个地区在技术创新方面取得了更多的成果，这些成果能够转化为实际生产力，推动产业升级和经济增长。在医药产业，专利技术的应用能够开发出更有效的药物和治疗方法，提高企业的市场份额和经济效益，促进区域经济的发展。拥有更多专利的地区，往往能够在市场竞争中占据优势地位，经济增长速度更快。在区域经济增长趋同的过程中，科技创新成果的差异会影响各地区的经济增长速度。科技创新能力强、专利数量多的地区，经济增长速度较快，可能会逐渐缩小与其他地区的差距，促进趋同。而科技创新能力弱、专利数量少的地区，经济增长相对缓慢，可能会加大与发达地区的差距，阻碍趋同进程。科技创新能够促进产业结构优化升级。通过科技创新，传统产业可以引入新技术、新工艺，提高生产效率和产品质量，实现转型升级。吉林省的传统化工产业通过科技创新，采用清洁生产技术，降低了环境污染，提高了资源利用效率，实现了产业的可持续发展。科技创新还能够培育新兴产业，如人工智能、大数据、生物医药等，为区域经济增长注入新的动力。新兴产业的发展往往能够带动相关产业的协同发展，形成新的产业集群，促进区域经济的增长。在区域经济增长趋同的过程中，产业结构的优化升级起着重要作用。产业结构合理、新兴产业发展迅速的地区，经济增长更具活力，与其他地区的差距可能会缩小，推动区域经济增长趋同。相反，产业结构单一、传统产业占比较大且缺乏创新的地区，经济增长可能会受到限制，加大区域经济增长的差距，不利于趋同。5.1.3产业结构产业结构调整和优化对区域经济增长的协调性和趋同性具有重要影响。产业结构升级是指产业从低附加值向高附加值、从劳动密集型向技术密集型和知识密集型转变的过程。随着产业结构的升级，地区经济增长的动力和方式发生改变。在吉林省，汽车产业从传统燃油汽车向新能源汽车和智能网联汽车转型，不仅提高了产品的附加值和技术含量，还带动了上下游产业的协同发展，如电池制造、软件开发等产业。这种产业升级能够提高生产效率，增加经济产出，促进区域经济增长。对于经济相对落后的地区，产业升级可以为其提供新的发展机遇，使其能够追赶发达地区。通过引入先进技术和管理经验，发展高附加值产业，落后地区可以提高经济增长速度，缩小与发达地区的差距，促进区域经济增长趋同。产业结构的协调性也影响着区域经济增长趋同。各产业之间的协调发展能够实现资源的有效配置，提高经济系统的整体效率。在吉林省，农业、工业和服务业之间存在着紧密的联系。农业的发展为工业提供原材料，工业的发展为农业提供技术装备和支持，服务业则为农业和工业提供生产性服务和消费性服务。如果各产业之间发展不平衡，会导致资源配置不合理，影响经济增长。若工业发展过快，而服务业发展滞后，会导致生产性服务不足，影响工业的进一步发展。这种不协调会阻碍区域经济增长趋同，因为经济增长的不平衡会加大地区之间的差距。相反，各产业协调发展的地区，经济增长更加稳定和可持续，有利于缩小区域经济差距，促进趋同。产业结构的优化还能够促进区域间的产业协同发展。吉林省各地区根据自身的资源禀赋和产业基础，形成特色产业，并加强区域间的产业合作，实现优势互补。长春市在汽车产业方面具有优势，而通化市在医药产业方面具有特色，两地通过产业合作，实现了技术、人才和市场的共享，促进了双方产业的发展，也推动了区域经济的协同增长。区域间的产业协同发展能够打破地区之间的行政壁垒，促进生产要素的自由流动，提高资源配置效率，从而促进区域经济增长趋同。通过产业协同，经济发达地区的产业优势可以辐射到经济欠发达地区，带动其经济发展，缩小区域经济差距。5.1.4政策因素国家和地方政策在吉林省区域经济增长趋同中发挥着重要的引导和调控作用。国家实施的区域发展政策，如振兴东北老工业基地战略，为吉林省的经济发展提供了政策支持和资金扶持。在该政策的推动下，吉林省加大了对基础设施建设的投入，改善了交通、能源等基础设施条件，为经济发展创造了良好的硬件环境。政策还鼓励企业进行技术创新和产业升级，对符合产业政策的企业给予税收优惠、财政补贴等支持。这些政策措施促进了吉林省经济的发展，提高了经济增长速度。对于经济相对落后的地区，区域发展政策可以帮助其弥补发展短板，加快经济发展步伐，缩小与发达地区的差距，促进区域经济增长趋同。通过政策引导，将资源向落后地区倾斜，改善其投资环境，吸引外部投资，推动产业发展，实现经济追赶。地方政府制定的产业扶持政策对区域经济增长趋同也具有重要影响。地方政府根据本地区的产业基础和发展优势，确定重点扶持产业，并出台相应的政策措施。吉林省某些地区政府为了推动当地医药产业的发展，设立了医药产业园区，提供土地、税收、金融等方面的优惠政策，吸引了大量医药企业入驻。这些企业在政策的支持下，加大了研发投入，扩大了生产规模，提高了市场竞争力，促进了当地经济的增长。产业扶持政策还可以引导产业集聚，形成产业集群效应。产业集群内的企业之间通过分工协作，实现资源共享、技术交流和知识溢出，提高了产业的整体竞争力和创新能力。产业集群的发展能够带动周边地区的经济发展，促进区域经济增长趋同。以汽车产业集群为例，核心企业的发展会带动零部件供应商、物流企业等相关企业的集聚，形成完整的产业链，不仅促进了本地区的经济增长，还通过产业关联效应带动周边地区的发展，缩小区域经济差距。政策的实施还能够促进区域间的协调发展。政府通过制定区域协调发展政策，加强区域间的合作与交流，推动生产要素的自由流动和优化配置。吉林省通过建立区域合作机制，促进了长春市与周边地区在产业、交通、人才等方面的合作。在产业合作方面，长春市的汽车产业向周边地区延伸产业链，带动了周边地区汽车零部件产业的发展；在交通方面，加强了区域间的交通基础设施建设，实现了互联互通，降低了物流成本；在人才方面，建立了人才交流平台，促进了人才的合理流动。这些区域协调发展政策有助于打破地区之间的行政分割，实现资源的共享和优势互补，促进区域经济增长趋同。通过区域协调发展，各地区可以充分发挥自身优势，实现共同发展，缩小区域经济差距，推