李新光 張永起 黃安民

[摘 要] 基于20012014年福建省58個縣級市的數(shù)據(jù)，利用半?yún)?shù)地理加權(quán)回歸（SGWR）模型，對福建省縣域產(chǎn)業(yè)結(jié)構(gòu)升級的影響因素進行實證研究?？臻g自相關(guān)分析結(jié)果顯示：福建省縣域產(chǎn)業(yè)結(jié)構(gòu)存在顯著的空間自相關(guān)性和異質(zhì)性，具有明顯集聚特征；采用包含全局和局域解釋變量的SGWR模型的統(tǒng)計性質(zhì)明顯優(yōu)于傳統(tǒng)全局線性回歸模型與全變參數(shù)的地理加權(quán)回歸模型；實證結(jié)果進一步發(fā)現(xiàn)：金融集聚、金融發(fā)展效率、財政支出對產(chǎn)業(yè)結(jié)構(gòu)升級的影響具有明顯的空間異質(zhì)性，即在東南地區(qū)和西北地區(qū)的影響存在較大差異，城鎮(zhèn)化和投資回報率則具有全域常參數(shù)特征。最后，根據(jù)實證結(jié)論提出促進縣域產(chǎn)業(yè)結(jié)構(gòu)升級的差異化政策建議。

[關(guān)鍵詞] 產(chǎn)業(yè)結(jié)構(gòu)升級；影響因素；空間異質(zhì)性；半?yún)?shù)地理加權(quán)回歸

[中圖分類號]F269 [文獻(xiàn)標(biāo)志碼]A [文章編號]10036121（2017）02004710

一、問題的提出

近年來，有關(guān)產(chǎn)業(yè)結(jié)構(gòu)升級的影響，國內(nèi)學(xué)者們進行了廣泛研究，主要表現(xiàn)如下三個方面：第一，產(chǎn)業(yè)結(jié)構(gòu)升級測度的研究。李子倫（2014）提出產(chǎn)業(yè)結(jié)構(gòu)升級應(yīng)該包括科技創(chuàng)新能力、人力資本積累水平和資源利用效率三個方面，并采用因子分析對三大指標(biāo)進行了測度。[1]91林晶、吳賜聯(lián)（2014）對福建省產(chǎn)業(yè)結(jié)構(gòu)升級指數(shù)進行了測算，More值測算結(jié)果顯示福建省產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換速度不利于產(chǎn)業(yè)結(jié)構(gòu)升級。[2]42樊福卓（2013）提出了產(chǎn)業(yè)結(jié)構(gòu)相似指數(shù)，并指出在研究多地區(qū)模式時應(yīng)該注意靈活使用兩種測度方法，避免掉入“用法陷阱”。[3]98第二，采用空間計量方法對產(chǎn)業(yè)結(jié)構(gòu)升級影響因素的研究。隨著空間計量經(jīng)濟學(xué)的發(fā)展，近年出現(xiàn)較多學(xué)者將空間計量模型方法應(yīng)用于產(chǎn)業(yè)結(jié)構(gòu)的研究領(lǐng)域。如張翠菊、張宗益（2015）采用空間計量方法，從消費、需求、投資供給、技術(shù)進步、城市化四個方面分析了它們對產(chǎn)業(yè)結(jié)構(gòu)升級的影響。[4]32高遠(yuǎn)東，等（2015）采用空間面板計量模型，對中國省份面板數(shù)據(jù)進行估計，發(fā)現(xiàn)社會需求、消費需求對產(chǎn)業(yè)結(jié)構(gòu)高級化影響顯著，制度安排則不然。[5]97武曉霞（2014）采用空間面板計量方法，從投資、政府消費、外貿(mào)規(guī)模、個人消費等方面對省域產(chǎn)業(yè)結(jié)構(gòu)升級的影響因素進行了分析。[6]91張曉燕，等（2015）采用空間面板模型發(fā)現(xiàn)金融集聚、城鎮(zhèn)化對產(chǎn)業(yè)結(jié)構(gòu)升級具有正向促進作用，存在顯著的空間溢出效應(yīng)。[7]124賈敬全、殷李松（2015）采用空間計量模型得出安徽省財政支出對產(chǎn)業(yè)結(jié)構(gòu)升級的影響較為復(fù)雜。[8]第三，采用時間序列、定性研究等方法分析某些因素對產(chǎn)業(yè)結(jié)構(gòu)升級的影響。如李西江（2015）[9]32、王立國和趙婉妤（2015）[10]23分別應(yīng)用VAR模型、協(xié)整方法分析金融發(fā)展對產(chǎn)業(yè)結(jié)構(gòu)升級的影響；孫根緊（2015）從資源供給、技術(shù)進步兩個方面定性地分析了金融集聚對產(chǎn)業(yè)結(jié)構(gòu)升級的影響[11]59；鄭開焰、李輝文（2015）采用區(qū)位熵的方法計算了福建省不同視角的金融區(qū)位熵，并采用回歸模型分析了它們對產(chǎn)業(yè)結(jié)構(gòu)升級的影響。[12]144李子倫、馬君（2014）定性地分析財政支出對產(chǎn)業(yè)結(jié)構(gòu)的影響機理。[13]79

以上研究分別從不同角度分析了產(chǎn)業(yè)結(jié)構(gòu)升級的影響因素，但是存在明顯的不足：首先，多數(shù)文獻(xiàn)主要基于協(xié)整、VAR等時間序列模型對產(chǎn)業(yè)結(jié)構(gòu)升級影響因素進行的研究，但是由于各地區(qū)經(jīng)濟結(jié)構(gòu)發(fā)展、資源稟賦、地理位置的區(qū)域差異，產(chǎn)業(yè)結(jié)構(gòu)升級表現(xiàn)出明顯的異質(zhì)性，采用傳統(tǒng)的時間序列模型會忽視這種空間差異性。其次，針對福建省的研究相當(dāng)少，考慮到福建省經(jīng)濟發(fā)展、資源稟賦、地理位置的地域差異來研究產(chǎn)業(yè)結(jié)構(gòu)升級影響因素異質(zhì)性的文獻(xiàn)則更少。近年雖有少量學(xué)者采用考慮空間因素的空間計量模型分析產(chǎn)業(yè)結(jié)構(gòu)升級的影響因素，但是他們所采用的空間計量模型仍主要是基于不變的常參數(shù)模型，沒有考慮空間異質(zhì)性，這將導(dǎo)致模型估計結(jié)果可能出現(xiàn)偏誤。如有學(xué)者用金融發(fā)展作為門檻變量，發(fā)現(xiàn)不同層次金融發(fā)展水平對產(chǎn)業(yè)結(jié)構(gòu)升級的影響是非線性的[14]85，這就進一步證明了采用常參數(shù)模型去研究產(chǎn)業(yè)結(jié)構(gòu)升級的影響可能會存在偏誤。當(dāng)然，也有較新的文獻(xiàn)[15]638采用ESDA、GWR對甘肅縣域產(chǎn)業(yè)結(jié)構(gòu)差異作了時空對比分析，但是其將所有變量都考慮成空間異質(zhì)性，可能會由于待估參數(shù)過多損失樣本自由度，從而影響估計結(jié)果的精度。因此，本文試圖克服前述常參數(shù)模型和純變參數(shù)模型的缺陷，采用半?yún)?shù)地理加權(quán)回歸（SGWR） 模型來估計各因素對福建縣域產(chǎn)業(yè)結(jié)構(gòu)升級的異質(zhì)性影響，進而得到更加符合福建縣域產(chǎn)業(yè)結(jié)構(gòu)升級實際的差異化對策建議，以期為福建或其他地區(qū)產(chǎn)業(yè)結(jié)構(gòu)順利升級提供理論支撐和實踐指導(dǎo)。

二、福建縣域產(chǎn)業(yè)結(jié)構(gòu)升級的空間異質(zhì)性半?yún)?shù)地理加權(quán)回歸模型

在考慮空間因素對產(chǎn)業(yè)結(jié)構(gòu)升級影響因素的實證模型中，常參數(shù)線性回歸模型或常參數(shù)空間計量模型是首先考慮的方法，其中空間計量模型通過引入被解釋變量的空間滯后項或誤差的空間滯后項來體現(xiàn)空間相關(guān)性，可以克服傳統(tǒng)線性回歸模型忽略空間因素的缺陷。前述文獻(xiàn)綜述已提及，近年已有少數(shù)學(xué)者將空間計量模型應(yīng)用到產(chǎn)業(yè)結(jié)構(gòu)升級影響因素的分析。其次，采用變參數(shù)的空間計量模型，如考慮解釋變量的影響隨樣本空間位置變化的變參數(shù)地理加權(quán)回歸模型（GWR）[16]555，目前也有學(xué)者將ESDA、GWR方法應(yīng)用到產(chǎn)業(yè)結(jié)構(gòu)的差異研究。[15]638綜合考慮這些實證方法，采用傳統(tǒng)經(jīng)典的線性回歸模型會存在忽略空間相關(guān)性和空間異質(zhì)性的問題；而采用常參數(shù)的空間計量模型雖然考慮了空間相關(guān)性，但是仍然沒有很好地刻畫出解釋變量影響的空間異質(zhì)性效果；而基于GWR模型雖能很好地克服前述兩種方法的缺陷，即同時考慮了空間相關(guān)性和異質(zhì)性，允許不同的地理位置有不同的參數(shù)估計值，能反映產(chǎn)業(yè)結(jié)構(gòu)升級影響因素的空間異質(zhì)性特征。但是，它不加區(qū)分的將所有解釋變量均考慮空間異質(zhì)性，有可能導(dǎo)致待估參數(shù)過多影響自由度和參數(shù)估計的有效性。因此，本文將綜合常參數(shù)（global）模型和變參數(shù)（local）模型的特點，首次采用半?yún)?shù)的地理加權(quán)回歸（SGWR）[17]2分析福建縣域產(chǎn)業(yè)結(jié)構(gòu)升級影響因素的空間異質(zhì)性問題。空間半?yún)?shù)的GWR模型具體表述如下：

不考慮空間相關(guān)性和異質(zhì)性的傳統(tǒng)經(jīng)典全局常參數(shù)回歸模型：

其中y是被解釋變量，x是解釋變量向量，εi為隨機擾動項，β0是常數(shù)項，βk是第k個解釋變量的待估參數(shù)。

GWR模型則是在上述傳統(tǒng)模型基礎(chǔ)上，放寬了常參數(shù)β0、βk不隨空間位置變化的假設(shè)：

其中，（ui，vi）表示空間位置i的坐標(biāo)（經(jīng)緯度），βk（ui，vi）表示第k個解釋變量的待估參數(shù)隨著地理空間位置坐標(biāo)（ui，vi）的不同而變化。

半?yún)?shù)GWR模型則同時包含傳統(tǒng)經(jīng)典模型中全局（global）常參數(shù)特征和部分變量（loacal）變參數(shù)特征的一種模型：＼[18＼]14

其中，zl，i表示具備全局（global）常參數(shù)γl特征的第l個變量，可以看出該模型同時包含全局項（global）和局域項（local）。

三、福建縣域產(chǎn)業(yè)結(jié)構(gòu)升級影響因素實證分析

（一）指標(biāo)選取與數(shù)據(jù)

產(chǎn)業(yè)結(jié)構(gòu)升級是本文實證的核心指標(biāo)，通過借鑒已有學(xué)者的做法，用第二、三產(chǎn)業(yè)產(chǎn)值之和占GDP比重表示產(chǎn)業(yè)結(jié)構(gòu)升級（記為c23gdp）[4]32[19]115[20]5，作為模型（2）和（3）中的被解釋變量。

然后，我們分析產(chǎn)業(yè)結(jié)構(gòu)升級的主要影響因素，從而確定模型中的解釋變量。產(chǎn)業(yè)結(jié)構(gòu)升級的影響因素眾多，本文主要參照張翠菊、張宗益（2015）[4]32，高鉑睿、李珊珊（2016）[19]115，賈敬全、殷李松（2015）[8]18的做法，從財政支出、金融發(fā)展、投資、城市化等角度去分析影響產(chǎn)業(yè)結(jié)構(gòu)升級的因素，選取政府財政支出占GDP比重表示政府需求因素，記為czzc；用城市化代表農(nóng)村勞動力向城市轉(zhuǎn)移對產(chǎn)業(yè)發(fā)展的作用，記為czh；用金融機構(gòu)貸款余額/儲蓄余額表示金融發(fā)展效率，代表金融系統(tǒng)運行效率對產(chǎn)業(yè)結(jié)構(gòu)升級的支持，記為cdb；用gdp/固定資產(chǎn)總投資表示投資回報率，代表固定資產(chǎn)投資對產(chǎn)業(yè)結(jié)構(gòu)升級的支持，記為tzhbl。此外，較多學(xué)者發(fā)現(xiàn)金融集聚對產(chǎn)業(yè)結(jié)構(gòu)升級具有重要影響，他們采用區(qū)位熵（Location Quotient）來衡量金融產(chǎn)業(yè)的集聚程度（記為jjd），因此，本文亦借鑒這些學(xué)者的做法[12]143[20]5[21]104[22]102，采用jjdij=xij/xjxi/x 計算縣域金融集聚程度，其中xij表示縣域j金融業(yè)i的規(guī)模（存款余額+貸款余額），xj表示縣域j的gdp，xi表示全省金融業(yè)i的總規(guī)模，x表示全省GDP的總和。

根據(jù)數(shù)據(jù)的可得性和完整性，本文選取樣本為福建省58個縣級市（不包括地級市）。樣本區(qū)間為2001～2014年，所有指標(biāo)均作剔除物價處理，最后將各個指標(biāo)分地區(qū)取各年的平均值建立截面SGWR模型。數(shù)據(jù)均來自歷年《福建省統(tǒng)計年鑒》、福建省統(tǒng)計局、國研網(wǎng)，本文實證過程相繼用到Arcgis、Geoda、Stata、GWR4軟件。

（二） 空間相關(guān)性檢驗

受到經(jīng)濟、社會、地理、歷史等因素的影響，不同區(qū)域的產(chǎn)業(yè)結(jié)構(gòu)發(fā)展存在差異。另外，由于區(qū)域之間人口、資本的流動愈來愈頻繁，使得不同區(qū)域的產(chǎn)業(yè)發(fā)展必然存在空間關(guān)聯(lián)性。因此，在采用變參數(shù)的GWR模型分析之前，有必要檢驗空間相關(guān)性的存在。本文主要采用空間計量經(jīng)濟學(xué)中的空間自相關(guān)分析來檢驗福建縣域產(chǎn)業(yè)結(jié)構(gòu)升級的空間相關(guān)性。衡量空間相關(guān)性常用的指標(biāo)有全局Moran's I和局域Moran's I。

全局Morans I的計算公式：

It=n∑ni=1∑nj=1wij（xi-x-）（xjt-x-）∑ni=1∑nj=1wij∑ni=1（xi-x-）2 （4）

其中n表示經(jīng)濟地區(qū)單元數(shù)，wij是空間權(quán)重矩陣，x-為n個經(jīng)濟單元的平均值，xi和xj分別表示經(jīng)濟單元i和j的某種屬性值。Moran's I指數(shù)的取值一般在＼[-1，1＼]之間，大于0為代表空間正相關(guān)，小于0代表空間負(fù)相關(guān)，接近0則表示不存在空間自相關(guān)。該指標(biāo)值越大，空間相關(guān)性越大，區(qū)域之間的集聚效應(yīng)越強。

為了進一步考察各縣域產(chǎn)業(yè)結(jié)構(gòu)的局部空間集聚程度，采用Luc Anselin（1995）[23]94提出的局域Moran's I，即LISA，它能具體反映某個地區(qū)i和其鄰近地區(qū)的空間相關(guān)性，計算公式如下：

Ii=（xi-x-）s2*∑nj=1wij（xj-x-），s2=1n∑j（xi-x-）2，x-=1n∑ni=1xi （5）

圖1 福建縣級產(chǎn)業(yè)結(jié)構(gòu)升級指數(shù)的Moran散點圖

圖2 福建縣級產(chǎn)業(yè)結(jié)構(gòu)升級指數(shù)的局域lisa圖

在進行空間自相關(guān)分析前需要確定W的選擇，本文采用Geoda1.6.6軟件所提供的二進制Rook和Queen相鄰W（contiguity weight）、門檻距離W（threshold distance）、K最近鄰居（knearest neighbours）。利用2001～2014年福建省各縣市產(chǎn)業(yè)結(jié)構(gòu)升級指數(shù)的平均值數(shù)據(jù)，分別計算了基于queen、門檻距離d1～d4、K4～K6的Moran's I檢驗結(jié)果，發(fā)現(xiàn)基于3倍最小門檻距離Wd3的福建省縣市產(chǎn)業(yè)結(jié)構(gòu)升級指數(shù)的Moran's I最強，說明其最能刻畫各縣市產(chǎn)業(yè)結(jié)構(gòu)升級指數(shù)的空間自相關(guān)性，同時發(fā)現(xiàn)隨著距離的成倍增長（d1→d2→d3→d4），Moran's I也從0.20→0.2657→0.1501→0.1168，且均在1%水平下顯著，滿足空間距離衰減效應(yīng)規(guī)律。因此，為了節(jié)約篇幅，后續(xù)空間相關(guān)性分析主要基于Wd3的空間權(quán)重矩陣。最后，本文繪制了福建省縣域產(chǎn)業(yè)結(jié)構(gòu)升級指數(shù)的全局Moran散點圖，如圖1所示。同時也繪制了各縣市的局域Moran' I（LISA）檢驗結(jié)果（表1）、LISA集聚圖（圖2）。

基于空間權(quán)重矩陣Wd3的全局Moran's I 指數(shù)為0.15，采用999次模擬的P值為0.002，通過1%顯著性水平檢驗，說明福建省各縣市產(chǎn)業(yè)結(jié)構(gòu)升級指數(shù)存在正的空間自相關(guān)性。全局moran's 不能描繪縣域產(chǎn)業(yè)結(jié)構(gòu)升級指數(shù)的局域空間自相關(guān)和集聚特征。因此，本文進一步采用Moran's I散點圖和局域lisa來分析局域空間分布特點。通過分別計算出各區(qū)域的LISA指數(shù)，可以畫出福建省各縣市產(chǎn)業(yè)結(jié)構(gòu)升級指數(shù)的Moran散點圖，該散點圖的橫坐標(biāo)為福建縣域城市的產(chǎn)業(yè)結(jié)構(gòu)升級指數(shù)Y，縱坐標(biāo)為空間滯后算子W_Y，從而將各縣域產(chǎn)業(yè)結(jié)構(gòu)升級水平局部相關(guān)性分成四種類型：第一象限（HH）表示高值集群區(qū)域，即本地區(qū)產(chǎn)業(yè)結(jié)構(gòu)升級水平高，周圍地區(qū)也高；第二象限（LH）表示低高集群區(qū)域，即本地區(qū)產(chǎn)業(yè)結(jié)構(gòu)升級水平低，周

可見，福建省縣域城市產(chǎn)業(yè)結(jié)構(gòu)表現(xiàn)出空間分布的中心（核心）-外圍（邊緣）特征，具有比較明顯的集聚性和局部空間自相性，不同縣域存在不同產(chǎn)業(yè)結(jié)構(gòu)空間分布特征。因此，在分析各縣市產(chǎn)業(yè)結(jié)構(gòu)升級影響因素時需要考慮這種空間異質(zhì)性特征，采用既能體現(xiàn)傳統(tǒng)常參數(shù)特征又能體現(xiàn)變參數(shù)異質(zhì)性特征的計量模型——半?yún)?shù)地理加權(quán)回歸模型來進行建模估計。

（三）空間異質(zhì)性GWR變參數(shù)估計過程及結(jié)果分析

通過上述空間自相關(guān)分析可以看出，福建縣域產(chǎn)業(yè)結(jié)構(gòu)升級指數(shù)存在較明顯的空間自相關(guān)性和異質(zhì)性，但是這并不能反映各種影響因素對縣域產(chǎn)業(yè)結(jié)構(gòu)升級的作用方向及大小，需要通過回歸分析進行估計。為了便于進行模型的比較，下面首先估計不考慮空間因素的混合OLS常參數(shù)模型和考慮空間異質(zhì)性的變參數(shù)GWR模型，然后再估計半?yún)?shù)GWR模型，這樣通過比較不同模型，最終準(zhǔn)確地反映各因素對福建縣域產(chǎn)業(yè)結(jié)構(gòu)升級作用的貢獻(xiàn)差異。

1.全域常參數(shù)估計（OLS）

采用普通最小二乘法，估計傳統(tǒng)經(jīng)典的常參數(shù)回歸模型，結(jié)果見表 3。

從全局OLS估計結(jié)果來看，金融發(fā)展效率、投資回報率和城鎮(zhèn)化的估計系數(shù)是不顯著的，而財政支出的估計系數(shù)為-2.1832，金融集聚的系數(shù)為0.5032，且均通過了1%的顯著性水平檢驗。

經(jīng)典線性常參數(shù)最小二乘法模型是假定各個解釋變量的影響是均質(zhì)的，忽略了空間異質(zhì)性問題。由前述的空間相關(guān)性分析可知，福建省縣域的產(chǎn)業(yè)結(jié)構(gòu)升級指數(shù)可能存在空間異質(zhì)性，不同縣域各解釋變量對被解釋變量的影響可能是存在差異的，因此有必要采用變參數(shù)地理加權(quán)回歸模型，來定量估計58個縣域產(chǎn)業(yè)結(jié)構(gòu)升級水平影響因素的空間差異特征。

2. 局域變參數(shù)GWR估計

在進行變參數(shù)GWR分析時，采用高斯權(quán)值函數(shù)和adaptive bi-square核函數(shù)，最佳帶寬的選擇標(biāo)準(zhǔn)依據(jù)AICc，通過搜索，確定最佳帶寬為58，此時AICc為-169.016。表 4給出了GWR參數(shù)回歸的五組分位數(shù)估計結(jié)果，前5列分別給出各解釋變量參數(shù)的最小值、1/4分位數(shù)、中位數(shù)、3/4分位數(shù)、最大值，最后一列是OLS全域（global）的平均數(shù)估計結(jié)果，即分別表示將58個縣域產(chǎn)業(yè)結(jié)構(gòu)升級水平由低到高排序后處于最小低、1/4分位數(shù)、中位數(shù)、3/4分位數(shù)、最大值、平均數(shù)位置時各影響因素對產(chǎn)業(yè)結(jié)構(gòu)升級水平的作用大小問題。GWR估計結(jié)果顯示不同分位點上各個解釋變量的估計值均有顯著差異，這進一步證明了福建省縣域產(chǎn)業(yè)結(jié)構(gòu)升級水平存在空間異質(zhì)性。

與全局普通最小二乘法相比，采用局域變參數(shù)GWR模型后的殘差平方和從0.148減少到0.114，兩種方法的方差比F統(tǒng)計量為2.1334，且通過10%顯著性水平檢驗，說明GWR模型優(yōu)于OLS模型。

上述GWR模型雖然放松了常參數(shù)回歸模型中解釋變量影響是不變的假設(shè)，但它把所有變量都當(dāng)成local變參數(shù)進行估計的做法有可能會“放松過度”或“矯枉過正”，因為有可能只有一部分變量是常參數(shù)的，另一部分變量則是空間異質(zhì)性的。因此，有必要進一步對每個變量是local還是global進行統(tǒng)計檢驗，檢驗方法依據(jù)Tomoki Nakaya etc（2014）提出的方法，主要是對比局域（local）參數(shù)和全局（global）參數(shù)兩種估計方法下AICc（或AIC，BIC，MDL，CV）的差異是否顯著，如果前者比后者的相應(yīng)準(zhǔn)則值大小超過2，則認(rèn)為local變參數(shù)優(yōu)于global參數(shù)；如果兩種情況下的差異小于2甚至出現(xiàn)正的，則全局參數(shù)形式優(yōu)于 local局域參數(shù)。經(jīng)過反復(fù)檢驗，得到檢驗結(jié)果（表 5）。

從上述檢驗來看，如果將部分變量從Local改成global，AICc將會有進一步改進的余地，即能使AICc降低0.6990。通過模型調(diào)試和檢驗，發(fā)現(xiàn)把jjd、cdb、czzc當(dāng)作local參數(shù)、把tzhbl、czh當(dāng)作global參數(shù)的情形時，AICc不再出現(xiàn)有任何改進的余地（改進為0.0000）（表 6）。

3.半?yún)?shù)GWR模型

在進行半?yún)?shù)GWR估計時，仍然采用高斯adaptive bi-square核函數(shù)類型，最佳帶寬的選擇標(biāo)準(zhǔn)依據(jù)AICc，通過搜索，確定最佳帶寬為58，此時AICc為-168.979。估計結(jié)果如表 7。

為了比較不同估計方法的效果，表 8列出了評價模型的主要常見指標(biāo)。從結(jié)果來看，AIC、CV、殘差平方和RSS大小排序：SGWRGWR>OLS?？梢?， SGWR模型估計的效果明顯優(yōu)于另外兩個模型，進而增強了本文采用SGWR方法的合理性。

為了進一步觀察不同縣域三個變量local參數(shù)的估計情況，表9列示了每個縣市czzc、cdb、jjd對產(chǎn)業(yè)結(jié)構(gòu)升級影響的估計值?？傮w上來看，czzc和jjd在各個縣域都通過至少5%顯著性水平檢驗，cdb的估計參數(shù)則部分通過5%顯著性水平檢驗；同時，local R2比OLS具有較大程度的提高。圖3～圖5還給出三個變量local參數(shù)的空間四分位地圖，從而可以更加清楚地看出三個變量對產(chǎn)業(yè)結(jié)構(gòu)升級影響程度的空間分布特征。

進一步，通過對表9進行縱向和橫向比較分析，可以得出各縣市局域解釋變量對產(chǎn)業(yè)結(jié)構(gòu)升級的影響。

表9第2列顯示財政支出的估計系數(shù)均為負(fù)，說明財政支出會對產(chǎn)業(yè)結(jié)構(gòu)升級表現(xiàn)出抑制效應(yīng)。從絕對值的空間分布來看（圖5），抑制作用較大的縣域主要集中在東南部，如安溪、惠安、永春、德化、石獅、晉江、南安、東山、漳浦、龍海、南靖、長泰、華安、漳平、大田。抑制作用較小的縣域主要集中在西北部地區(qū)，如浦城、武夷山、壽寧、松溪、建陽、光澤、政和、邵武、周寧、泰寧、建甌、建寧、順昌、將樂?？梢?，財政支出對產(chǎn)業(yè)結(jié)構(gòu)升級并沒有表現(xiàn)出促進作用，這與趙楠、高娜（2014）[24]131指出財政支出不利產(chǎn)業(yè)結(jié)構(gòu)升級的論述是一致的。這是因為，財政支出分為一般行政、民生安全、循環(huán)經(jīng)濟、城鄉(xiāng)協(xié)調(diào)、經(jīng)濟發(fā)展與運輸和其他六個方面，其中民生安全支出、行政開支和經(jīng)濟發(fā)展、運輸方面的支出只會對產(chǎn)業(yè)結(jié)構(gòu)升級起抑制效應(yīng)，城鄉(xiāng)協(xié)調(diào)和循環(huán)經(jīng)濟起促進作用。[8]根據(jù)福建省2014年政府財政支出的子類項目來看， 城鄉(xiāng)協(xié)調(diào)和循環(huán)經(jīng)濟支出在財政總支出中的比重僅為19.7%，大部分的支出主要用于民生安全支出、行政開支、交通運輸?shù)确矫?，這些開支在短期內(nèi)并不能直接促進產(chǎn)業(yè)結(jié)構(gòu)升級水平的提升。

表9第4列反映的是金融發(fā)展效率對產(chǎn)業(yè)結(jié)構(gòu)升級的影響，符號有正有負(fù)。從空間分布來看（圖 3），符號為正且在5%水平下顯著的縣市主要集中在西北部地區(qū)，如邵武、武夷山、浦城、光澤、松溪、政和、建陽、壽寧等；符號為負(fù)且不顯著的主要集中在南部地區(qū)，如安溪、漳平、華安、長泰、南靖、晉江、石獅、永定、龍海等?？梢?，金融發(fā)展效率對產(chǎn)業(yè)結(jié)構(gòu)的影響是復(fù)雜的，不是簡單的促進或抑制，具有變參數(shù)的特征。這與已有相關(guān)學(xué)者的研究也基本吻合，王立國、趙婉妤（2015）研究發(fā)現(xiàn)金融發(fā)展的效率能促進我國產(chǎn)業(yè)結(jié)構(gòu)的升級[10]22；而高鉑睿、李珊珊（2015）發(fā)現(xiàn)融資效率對廣州市的產(chǎn)業(yè)升級的影響在短期內(nèi)是負(fù)向的。[19]115結(jié)合本文的實證結(jié)果，進一步證實了金融發(fā)展效率對產(chǎn)業(yè)結(jié)構(gòu)升級的影響不是固定不變的，會因空間地理位置的變化而變化，不能用簡單的常參數(shù)模型來估計，這恰恰說明本文采用半?yún)?shù)GWR模型把金融發(fā)展效率變量當(dāng)作局域loca變量的合理性。

表9第6列顯示金融集聚對產(chǎn)業(yè)結(jié)構(gòu)升級的影響均為正，且絕大多數(shù)估計參數(shù)通過至少5%顯著性水平檢驗。從空間分布來看（圖4），影響較高的縣市主要集中在中西部地區(qū)，如閩清、建陽、光澤、建陽、邵武、泰寧、建甌、建寧、順昌、將樂、沙縣、明溪、寧化、尤溪、清流；影響較低的縣市主要集中在南部地區(qū)，如安溪、上杭、漳平、華安、長泰、南靖、永定、南安、龍海、漳浦、平和、云霄、詔安、東山。可見，從整體上來看，金融集聚對福建產(chǎn)業(yè)結(jié)構(gòu)升級具有顯著的正向促進作用，這與國內(nèi)學(xué)者的研究結(jié)論相同。[11]59[12]143[20]5 [25]80

從表9橫向角度來分析，各縣市財政支出、金融發(fā)展效率、金融集聚對產(chǎn)業(yè)結(jié)構(gòu)升級的影響大小在不同縣市表現(xiàn)幾乎一致，三者對產(chǎn)業(yè)結(jié)構(gòu)升級的影響由大到小排序為：金融集聚>金融發(fā)展效率>財政支出。此外，從全局部分參數(shù)估計結(jié)果來看，城鎮(zhèn)化（aczh）的影響為正，但是也不能通過顯著性檢驗。投資回報率（atzhbl）對產(chǎn)業(yè)結(jié)構(gòu)升級的影響為負(fù)，未能通過顯著性檢驗，這與高鉑睿、李珊珊（2015）[19]115結(jié)果基本一致；

四、結(jié)論與政策建議

本文基于半?yún)?shù)地理加權(quán)回歸模型框架，采用同時兼顧傳統(tǒng)經(jīng)典常參數(shù)（global）和局域（local）變參數(shù)特征的半?yún)?shù)GWR模型，對福建2001～2014縣域產(chǎn)業(yè)結(jié)構(gòu)升級的影響因素進行實證估計。結(jié)果發(fā)現(xiàn)：通過對比OLS模型、GWR模型、半?yún)?shù)GWR模型的估計結(jié)果發(fā)現(xiàn)，半?yún)?shù)GWR模型相比其他兩個模型在擬合優(yōu)度等多項指標(biāo)上具有明顯的優(yōu)勢，很好地刻畫了估計系數(shù)的空間異質(zhì)性?？傮w而言，在推動縣域產(chǎn)業(yè)結(jié)構(gòu)升級驅(qū)動因素中，從重要程度來看，依次是金融集聚度、金融發(fā)展效率、財政支出、固定資產(chǎn)投資、城鎮(zhèn)化；從區(qū)域差異程度來看，金融集聚和金融發(fā)展效率對產(chǎn)業(yè)結(jié)構(gòu)升級的影響強度表現(xiàn)東南部低、西北部高的梯度變化特征；財政支出的抵制效果在地區(qū)間的差異也很顯著，表現(xiàn)為東南部高、西北部低。

從上述研究可以得到如下啟示：第一，進一步優(yōu)化福建金融生態(tài)環(huán)境，加強監(jiān)督管理，將金融業(yè)打造成全省支柱產(chǎn)業(yè)之一，充分發(fā)揮其對產(chǎn)業(yè)結(jié)構(gòu)升級的促進作用。政府可以充分為區(qū)域金融的發(fā)展打造良好的外部環(huán)境，利用自貿(mào)區(qū)設(shè)立后所帶來的得天獨厚的優(yōu)勢，準(zhǔn)確定位平潭、廈門、福州三地的功能，建立一個高水平、高效率、多層次的縣域金融體系，順利帶動各縣市產(chǎn)業(yè)順利轉(zhuǎn)型和升級。第二，建立和完善多層次、體現(xiàn)地區(qū)差異化的資本市場，為自貿(mào)區(qū)背景下金融市場的蓬勃發(fā)展打下基礎(chǔ)。隨著自貿(mào)區(qū)的建立，福建縣域的金融集聚程度將顯著增加，這將會推動福建省主導(dǎo)產(chǎn)業(yè)的發(fā)展，發(fā)達(dá)的資本市場將是產(chǎn)業(yè)結(jié)構(gòu)升級的重要基礎(chǔ)。因此，探討和建立多層次、多渠道和多形式的金融體系，也有利于企業(yè)的融資成本。第三，優(yōu)化財政支出結(jié)構(gòu)，應(yīng)該增設(shè)促進產(chǎn)業(yè)轉(zhuǎn)型的資金預(yù)算科目，可適當(dāng)壓縮一般行政等方面支出，增加產(chǎn)業(yè)升級的資金投入。 當(dāng)然，本文的研究還有值得拓展的地方：由于本文建模時使用樣本是截面數(shù)據(jù)，樣本信息的來源相對有限，而若能同時綜合時間序列和截面數(shù)據(jù)兩個維度信息來研究福建省縣域產(chǎn)業(yè)結(jié)構(gòu)升級的發(fā)展，這樣得到的信息將更加全面、結(jié)論更加科學(xué)。因此，在未來的研究中，可以進一步考慮采用空間面板計量模型或時空地理加權(quán)回歸模型來研究產(chǎn)業(yè)結(jié)構(gòu)升級影響因素的時空異質(zhì)性。

[參考文獻(xiàn)]

[1]李子倫.產(chǎn)業(yè)結(jié)構(gòu)升級含義及指數(shù)構(gòu)建研究——基于因子分析法的國際比較[J].當(dāng)代經(jīng)濟科學(xué)，2014（1）：8998+127.

[2]林晶， 吳賜聯(lián).福建產(chǎn)業(yè)結(jié)構(gòu)升級測度及產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化研究[J].科技管理研究，2014（2）：4144.

[3]樊福卓.一種改進的產(chǎn)業(yè)結(jié)構(gòu)相似度測度方法[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2013（7）：98115.

[4]張翠菊，張宗益.中國省域產(chǎn)業(yè)結(jié)構(gòu)升級影響因素的空間計量分析[J].統(tǒng)計研究，2015（10）：3237.

[5]高遠(yuǎn)東，張衛(wèi)國， 陽琴.中國產(chǎn)業(yè)結(jié)構(gòu)高級化的影響因素研究[J]. 經(jīng)濟地理，2015（6）：96101+108.

[6]武曉霞.省際產(chǎn)業(yè)結(jié)構(gòu)升級的異質(zhì)性及影響因素——基于1998～2010年28個省區(qū)的空間面板計量分析[J].經(jīng)濟經(jīng)緯，2014（1）：9095.

[7]張曉燕，冉光和，季健.金融集聚，城鎮(zhèn)化與產(chǎn)業(yè)結(jié)構(gòu)升級——基于省級空間面板數(shù)據(jù)的實證分析[J].工業(yè)技術(shù)經(jīng)濟，2015（9）：123130.

[8]賈敬全，殷李松.財政支出對產(chǎn)業(yè)結(jié)構(gòu)升級的空間效應(yīng)研究[J].財經(jīng)研究，2015（9）：1828.

[9]李西江.金融發(fā)展、金融結(jié)構(gòu)變遷與產(chǎn)業(yè)結(jié)構(gòu)升級[J].財經(jīng)問題研究，2015（6）：3239.

[10]王立國，趙婉妤.我國金融發(fā)展與產(chǎn)業(yè)結(jié)構(gòu)升級研究[J].財經(jīng)問題研究，2015（1）：2229.

[11]孫根緊.金融集聚對產(chǎn)業(yè)結(jié)構(gòu)升級的影響研究[J].社會科學(xué)家，2015（8）：5963.

[12]鄭開焰，李輝文.福建省金融集聚效應(yīng)與產(chǎn)業(yè)結(jié)構(gòu)升級[J].福建論壇：人文社會科學(xué)版，2015（8）：143149.

[13]李子倫，馬君.財政政策支持產(chǎn)業(yè)結(jié)構(gòu)升級的國際經(jīng)驗借鑒[J].財政研究，2014（6）：7880.

[14]陶愛萍，徐君超.金融發(fā)展與產(chǎn)業(yè)結(jié)構(gòu)升級非線性關(guān)系研究——基于門檻模型的實證檢驗[J].經(jīng)濟經(jīng)緯，2016（2）：8489.

[15]莊良，王新敏，馬衛(wèi)，尚正永.甘肅省產(chǎn)業(yè)結(jié)構(gòu)的時空分異及其動力機制研究[J].干旱區(qū)地理，2016（3）：638646.

[16]McMillen D P. Geographically Weighted Regression： The Analysis of Spatially Varying Relationships[J]. American Journal of Agricultural Economics，2004（2）：554556.

[17]http：//eprints.maynoothuniversity.ie/4846/

[18]https：//geodacenter. asu. edu/drupal_files/gwr/GWR4manual. pdf.

[19]高鉑睿，李珊珊.現(xiàn)代金融體系支持產(chǎn)業(yè)轉(zhuǎn)型升級的時間序列分析——以廣州市為例[J]. 經(jīng)濟地理，2015（3）：115119.

[20]鄧向榮，劉文強.金融集聚對產(chǎn)業(yè)結(jié)構(gòu)升級作用的實證分析[J]. 南京社會科學(xué)，2013（10）：512+20.

[21]任英華，徐玲，游萬海.金融集聚影響因素空間計量模型及其應(yīng)用[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2010（5）：104115.

[22]錢明輝，胡日東.構(gòu)建區(qū)域性金融服務(wù)中心能力的研究[J].經(jīng)濟地理，2013（4）： 101106.

[23]ANSELIN LUC. Local indicators of spatial association—LISA [J].Geographical analysis， 1995（2）：93115.

[24]趙楠，高娜.財政政策支持產(chǎn)業(yè)結(jié)構(gòu)升級的策略研究[J].云南民族大學(xué)學(xué)報：哲學(xué)社會科學(xué)版，2014（2）：131135.

[25]孫晶，李涵碩.金融集聚與產(chǎn)業(yè)結(jié)構(gòu)升級——來自2003～2007 年省際經(jīng)濟數(shù)據(jù)的實證分析[J].經(jīng)濟學(xué)家，2012（3）：8086.

[26]張繼焦，劉仕剛.關(guān)于當(dāng)前中國經(jīng)濟社會結(jié)構(gòu)轉(zhuǎn)型的幾點思考[J].廣西師范學(xué)院學(xué)報：哲學(xué)社會科學(xué)版，2016（1）：15.

[27]王立國.中國特色社會主義市場經(jīng)濟下公平與效率的認(rèn)識與實踐[J].生產(chǎn)力研究，2011（4）：120121+143.

[責(zé)任編輯]王立國