区域创新活动的空间效应及影响因素研究

研究目标：探究区域创新活动的空间效应及影响因素。研究方法：采用1998～2014年中国30个省份的面板数据,运用空间计量经济学,建立静态与动态空间面板模型,并从地理特征与社会经济特征两方面构建5个空间权重矩阵进行实证分析。研究发现：区域创新活动具有正向空间相关性,并呈现明显的空间集聚现象;地理特征与社会经济特征对区域创新活动均产生影响,其效果以社会经济特征更大;利用动态空间面板模型进行估计优于静态空间面板模型。研究创新：根据地理距离空间矩阵进行的空间相关性检验与R&D资本存量新估算方法使模型结果更准确;交通水平距离空间矩阵构建合理。研究价值：进行区域创新空间相关性分析时,可准确选择适当模型、估算方法及影响因素。     

生产性服务业对制造业生产效率提升效应的实证分析——基于中国城市面板数据的空间计量分析

依托生产性服务业的发展带动制造业生产效率的提升,对于中国制造业转型升级具有重要意义。基于2005-2016年中国239个城市层面的面板数据,运用空间面板计量模型（SEM和SAR）,并且构建地理邻接与地理距离两种空间权重矩阵,实证分析了生产性服务业对制造业效率的提升作用。研究表明,生产性服务业不仅可以提升本地区的制造业效率,而且通过空间溢出效应提升其邻近地区的制造业效率。各个区域的生产性服务业对制造业效率的提升作用存在一定的差异,其中长江三角洲地区的提升作用明显高于其他地区,而中部地区的提升作用最小,并且中部地区的空间溢出效应不显著。     

制造业服务化的就业效应：空间关联、影响机制与异质性

本文基于省级层面投入产出表测算得到的制造业服务化数据,与中国工业企业数据库匹配合并,得到2000—2013年省份-行业层面面板数据,采用动态空间杜宾模型实证探讨制造业服务化对中国制造业行业就业规模的影响效应。研究发现：制造业服务化会显著提升本区域的制造业就业规模,但对于空间关联区域的劳动力市场将产生“虹吸效应”,即降低空间关联区域的就业规模。机制分析发现,制造业服务化主要通过产品创新和市场规模两条渠道来影响制造业就业。异质性分析发现,对于东部地区以及非劳动密集型行业而言,制造业服务化对就业规模的扩大作用与负向空间溢出效应并存;对于中部地区以及劳动密集型行业而言,制造业服务化只存在负向的空间溢出效应;而对于西部地区来说,制造业服务化带来的就业效应尚未显现。拓展性分析发现,服务业集聚水平的提升以及服务业的不断开放,均能显著增强制造业服务化对本区域就业带来的提升效应,同时弱化对空间关联区域劳动力市场的虹吸效应。     

物流产业集聚的工业减排效应——基于长三角空间面板模型

根据物流产业的发展和工业新型绿色发展理念,选取长三角地区2004-2016年物流业集聚和工业污染排放的空间面板数据,构建"反距离平方"空间权重矩阵。根据Moran指数揭示长三角工业二氧化硫排放的空间集聚情况和空间格局,并对比不同时期工业二氧化硫排放空间分布特征。建立空间面板杜宾模型来考察物流业集聚对工业排放的影响。结果发现:长三角的工业二氧化硫排放集聚水平有增高趋势。物流业集聚水平降低了工业的废气排放,对于其他地区的溢出效应不明显。     

复合FDI空间计量模型的估计——基于第三方国家影响因素的研究

目前国内外对FDI的研究主要关注FDI东道国和母国双边的影响因素.本文在此基础上,将第三方国家经空间加权后的影响因素考虑进来,试图为这方面相对缺乏的实证研究提供补充.由于输入国市场间的依赖度与跨国公司的贸易有重要关联,我们将贸易成本(距离)作为空间权重,基于1995～2005年的美国输出FDI和中国输入FDI的面板数据,先忽略空间相关性,用传统的两国家三因素模型进行估计,而后使用近期发展起来的空间面板数据广义矩估计方法来建立新的复合FDI模型,对比两个模型可以发现第三方国家的影响是显著的.     

数字经济发展对共同富裕的影响——基于空间溢出效应的实证分析

基于2012—2020年我国31个省（区、市，未包括港澳台）面板数据，运用熵值法构建省级层面数字经济综合发展水平指标和共同富裕指数，通过运用面板回归模型和空间计量模型，实证检验数字经济发展对共同富裕的直接促进作用和空间溢出效应。结果表明：数字经济发展显著促进共同富裕，是新时代推动共同富裕的关键力量；数字经济发展对共同富裕的积极影响存在显著空间溢出效应；数字经济背景下，教育发展与研发创新不仅直接促进共同富裕，而且存在显著空间溢出效应，成为推进共同富裕的着力点，区域协调发展也能为共同富裕提供突破口。建议不断完善数字经济发展机制，科学配置数字经济基础设施，积极促进区域数字经济协调发展，增加教育和研发创新投入。     

含空间自回归误差项的空间动态面板模型的有效估计

扰动项的空间过程会影响空间计量模型的估计效果。通过探究空间关联误差效应下空间动态面板数据（SDPD）模型拟极大似然估计（QML）的有限样本性质,发现含空间自回归误差项的SDPD模型大样本性质较好;其估计结果优于不含空间自回归误差项的模型;较强的误差项空间相关性对参数估计精度的影响程度较大;误差项分布偏离正态性会影响模型的估计结果,但模型总体估计的稳健性良好。总体蒙特卡洛结果与本文的理论分析一致。     

数字普惠金融对众创空间发展的影响研究

“大众创业、万众创新”理念掀起了全民创业的浪潮，众创空间作为新时代服务大众的创新创业平台发展迅速。基于2016—2020年我国31个省份的面板数据，构建指标衡量体系并运用熵权法计算众创空间发展水平，结合固定效应模型和中介模型实证研究数字普惠金融对于众创空间发展的影响及其影响路径。研究结果表明：数字普惠金融显著促进了众创空间的发展，其中数字普惠金融的使用深度和数字化程度对众创空间发展影响显著；数字普惠金融通过提高居民消费水平、提升技术创新水平、推动产业结构高级化促进众创空间发展。     

一种新的包含可变时间效应的内生时空权重矩阵构建方法

研究目标：引入一种基于年度全局Moran指数比的内生时空权重矩阵构建方法，并评估其合理性。研究方法：基于标准化的空间权重矩阵和以年度全局Moran指数比为基础的时间权重矩阵，经过克罗内克积组合形成内生时空权重矩阵；并以两江新区辐射带动力影响因素分解问题为例，评估了内生时空权重矩阵的引入合理性。研究发现：相对于传统的外生时空权重矩阵而言，内生时空权重矩阵能够模拟空间溢出效应在时间上的动态转移和传导效应，却不会导致模型估计结果变异性质发生明显改变。研究创新：构建了一种新的内生性的、包含可变时间效应的时空权重矩阵。研究价值：为面板数据空间计量模型建模实践构建了一种更为精准的时空权重矩阵设计方式。     

货币政策、利率联动效应与银行风险承担

守住不发生系统性金融风险底线，关键在于宏观货币政策与微观银行体系。在人民币国际化背景下，基于货币政策的银行风险承担渠道以及17家银行的非平衡动态面板数据，通过构建中介效应模型，实证检验了在岸离岸人民币利率联动在货币政策银行风险承担传导机制中的中介效应。研究发现，宽松的货币政策提高了银行风险承担水平；利率联动在宽松货币政策的银行风险承担渠道中发挥了完全中介效应，但在期限、渠道与微观特质三维度上呈现显著异质性。研究结论对于全面考察货币政策通过利率联动效应影响银行风险承担的核心逻辑、实时监测预警利率联动冲击下的银行风险承担水平、妥善解决“大而不能倒”风险等提供了有益的启示。     

Fixed Effects and Random Effects Estimation of Higher-order Spatial Autoregressive Models with Spatial Autoregressive and Heteroscedastic Disturbances

Abstract

This paper develops a unified framework for fixed effects (FE) and random effects (RE) estimation of higher-order spatial autoregressive panel data models with spatial autoregressive disturbances and heteroscedasticity of unknown form in the idiosyncratic error component. We derive the moment conditions and optimal weighting matrix without distributional assumptions for a generalized moments (GM) estimation procedure of the spatial autoregressive parameters of the disturbance process and define both an RE and an FE spatial generalized two-stage least squares estimator for the regression parameters of the model. We prove consistency of the proposed estimators and derive their joint asymptotic distribution, which is robust to heteroscedasticity of unknown form in the idiosyncratic error component. Finally, we derive a robust Hausman test of the spatial random against the spatial FE model.     

Inference in some disaggregated models with special covariance structure

This paper is concerned with parameter identification and estimation in linear structural equation models. We consider a special class of models which arises naturally when we disaggregate economic relations. We show that substantial gains in identification and estimation efficiency for ‘macro’ economic parameters can arise from disaggregation and analysis of the resulting ‘micro’ model.     

WHICH AGGLOMERATION EXTERNALITIES MATTER MOST AND WHY?

This paper revisits the ongoing discussion on the importance of agglomeration externalities – specifically specialization, diversity and competition effects – that may contribute to innovation, productivity and urban employment growth. Previous meta‐analyses suggested that the evidence on agglomeration externalities is strongly context‐specific. Expanding an earlier analysis of 31 articles, we seek to draw in this paper more robust conclusions by means of the statistical evidence for agglomeration externalities presented in 73 scientific articles, all building on the seminal work of Glaeser et al. (1992). Our results confirm that the heterogeneity among studies is huge and can only be partially accounted for by means of an ordered probit analysis. Additionally, some evidence of publication bias is found. We conclude that the conventional lines of inquiry in this literature may now have reached strongly diminishing returns. New lines of inquiry, using rich micro‐level data on firms and workers, dynamic general equilibrium models at the macro level, more attention for spatial and temporal variation in the impacts of agglomeration, and further investigations into the spatial scope of externalities are promising avenues for further research that can enhance our understanding of how agglomeration externalities continue to fuel our increasingly urbanized world.     

基于空间均衡格局下的长沙市城市空间发展战略研究

本文依托空间均衡的概念,以长沙市城市发展的核心问题出发,以追求空间均衡为目标,针对城市总体规划中宏观范畴与微观范畴两个层面对城市空间均衡进行探讨,宏观层面上重点对城市发展的目标与定位进行空间理解,微观上重点从居住—就业平衡、公共资源配置、城市开发与生态保护、权力配置四个角度进行分析,提出空间均衡应予以关注的重点,希冀对长沙市总体规划编制有一定的借鉴意义。     

带未知异方差广义空间模型的有效估计

空间单元大小以及其它的经济特征上的差异,常常会导致空间异方差问题。本文给出了广义空间模型异方差问题的三种不同估计方法。第一种方法是将异方差形式参数化,来克服自由度的不足,使用ML估计进行实现。而针对异方差形式未知时,分别采用了基于2SLS的迭代GMM估计和更加直接的MCMC抽样方法加以解决,特别是MCMC方法表现得更加优美。蒙特卡罗模拟表明,给定异方差形式条件下, ML估计通过异方差参数化的方法依然可以获得较好的估计效果。而异方差形式未知的情况下,另外两种方法随着样本数的增大时也可以与ML的估计结果趋于一致。     

Estimating and Forecasting with a Dynamic Spatial Panel Data Model*

This study focuses on the estimation and predictive performance of several estimators for the dynamic and autoregressive spatial lag panel data model with spatially correlated disturbances. In the spirit of Arellano and Bond (1991) and Mutl (2006) , a dynamic spatial generalized method of moments (GMM) estimator is proposed based on Kapoor, Kelejian and Prucha (2007) for the spatial autoregressive (SAR) error model. The main idea is to mix non‐spatial and spatial instruments to obtain consistent estimates of the parameters. Then, a linear predictor of this spatial dynamic model is derived. Using Monte Carlo simulations, we compare the performance of the GMM spatial estimator to that of spatial and non‐spatial estimators and illustrate our approach with an application to new economic geography.     

Data‐Driven Identification Constraints for DSGE Models

We propose imposing data‐driven identification constraints to alleviate the multimodality problem arising in the estimation of poorly identified dynamic stochastic general equilibrium models under non‐informative prior distributions. We also devise an iterative procedure based on the posterior density of the parameters for finding these constraints. An empirical application to the Smets and Wouters ( 2007 ) model demonstrates the properties of the estimation method, and shows how the problem of multimodal posterior distributions caused by parameter redundancy is eliminated by identification constraints. Out‐of‐sample forecast comparisons as well as Bayes factors lend support to the constrained model.     

A Bayesian estimation of macro and micro CES production functions

The paper presents a Bayesian estimation of CES production functions. The proposed estimation method is easier to use than methods so far developed and it allows a direct comparison with the maximum likelihood estimator. A Bayesian highest posterior density interval inference is made to examine the validity of the Cobb–Douglas representation. The method is applied to Japanese macro data and to micro data on two Japanese manufacturing plants. The results indicate that the current practice of employing the Cobb–Douglas form a priori ought to be corrected. In addition, the micro data present results paradoxical to the commonly held view of capital intensity.     

Bayesian Inference in Spatial Sample Selection Models

In this study, we consider Bayesian methods for the estimation of a sample selection model with spatially correlated disturbance terms. We design a set of Markov chain Monte Carlo algorithms based on the method of data augmentation. The natural parameterization for the covariance structure of our model involves an unidentified parameter that complicates posterior analysis. The unidentified parameter – the variance of the disturbance term in the selection equation – is handled in different ways in these algorithms to achieve identification for other parameters. The Bayesian estimator based on these algorithms can account for the selection bias and the full covariance structure implied by the spatial correlation. We illustrate the implementation of these algorithms through a simulation study and an empirical application.     

混合地理加权回归模型中的空间相关性检验和参数估计研究

对混合地理加权回归模型,提出新的空间相关性检验统计量,利用三阶矩?2逼近方法导出了其检验p-值的近似计算公式,模拟结果显示该检验统计量在检测空间相关性方面具有满意的功效。为了处理数据中可能同时存在的空间相关性和空间异质性,引入一类新的混合地理加权空间滞后回归模型,模拟结果表明该估计方法具有较高的可靠性和稳健性,与全局空间滞后回归模型比较,混合地理加权空间滞后回归模型在处理空间异质性方面具有更优良的表现。