我国科技创新政策绩效区域异质性研究--基于2000～2010年大中型工业企业数据的研究

本文通过区分科技支出、采购、投资3项创新政策,并考虑创新异质性,利用省际面板数据进行创新效应实证分析。结果表明：我国科技支出、采购、投资3项科技创新政策的创新效应存在区域异质性,另外,部分效应也有区域一致性。这表明,政府应采用结构化的政策工具支持不同区域创新,同时倡导适度化的创新政策,控制同一区域创新支持规模。     

中国区域经济差异与极化的时空分析

借鉴国外相关差异系数和极化指数等系列数理公式,以地级行政区为基本单元,2000-2010年连续11年为研究时段,定量分析了中国区域经济差异与极化的演变过程和格局.结果表明:近10年的中国区域经济差异和极化演变趋势基本一致,总体呈现波动上升态势;从演变格局来看,东部地区的经济差异和极化较为显著,西部地区经济差异与极化扩大增强较快,东北地区的经济差异和极化呈现不断下降趋势,而中部地区经济差异和极化较小,却呈现逐步扩大趋势;就省域而言,大部分省域内部差异和极化的变化正向关联.     

江西省制造业产业集聚、地区专业化与经济增长实证研究

采用2006-2009年江西省11地级市20个制造业构成的时间—地区—行业的三维面板数据,实证分析产业集聚、地区专业化与经济增长的关系.结果表明,产业集聚、地区专业化与经济增长之间的关系并不是简单的线性关系,而是呈现倒U型的关系,并运用新地理经济学的相关理论分析拐点出现的原因.结果表明:追求经济增长最大化时,加工制造业较非加工制造业需要更高的专业化水平,非加工制造业较加工制造业需要更高的集聚水平;要素禀赋高的鄱阳湖地区较要素禀赋低的非鄱阳湖地区可以达到更高的产业集聚、地区专业化水平;江西省11个地区的产业集聚、专业化水平远没有达到经济增长最大时的水平..     

欧美日企业文化差异及其对地方企业网络发展的影响——以汽车产业为例

首先对比分析欧美与日本的企业文化差异,然后以汽车产业为例,探讨其企业文化差异对上海、广东汽车企业网络的影响,结果表明:欧美企业文化强调个人主义、理性主义和平等观念,而日本则强调集体主义、感性主义和等级观念;因企业文化差异,欧美跨国汽车企业与日本跨国汽车企业相比,中国本土企业进入前者组建的企业网络难度与稳定性要弱于后者,而竞争激烈程度要大于后者,且后者在海外组建地方企业网络相对前者更为迅速;尽管后者比前者对地方企业网络的创新作用要强,技术扩散更为频繁,但这仅限其“封闭的供应商网络”范围内,对中国本土企业的技术封锁更加极端.最后提出其存在的问题及相应对策.     

A new approach to the identification of regional clusters: hierarchical clustering on principal components

This study focuses on the identification of regional business clusters as a primary step in the design and implementation of cluster-based development strategies. A methodology that has not been used previously to identify clusters is applied to data on inter-industry linkages from the input–output table of a region in northern Spain. The first advantage of this approach, hierarchical clustering on principal components (HCPC), over the use of factorial analysis alone, is that it involves the application of objective clustering techniques to the principal components analysis results, which leads to a better cluster solution. A second advantage is derived from using a mixed algorithm for the clustering process – a combination of the Ward’s classification method with the K-means algorithm – which improves the robustness of the final results.     

Determinants of the global and regional CO2 emissions: What causes what and where?

Using the Stochastic Impacts by Regression on Population, Affluence, and Technology (STIRPAT) model and an unbalanced panel dataset of 128 countries covering 1990–2014, this study aims to examine the key impact factors (KIFs) of the global and regional carbon dioxide (CO₂) emissions and analyse the effectiveness of non-renewable and renewable energies. Given the potential cross-sectional dependence and slope heterogeneity, a series of econometric techniques allowing for cross-sectional dependence and slope heterogeneity is applied. The overall estimations imply that the KIFs at the global level are economic growth, followed by population size, non-renewable energy, and energy intensity in order of their impacts on CO₂ emissions; conversely, the KIFs at the regional level vary across different regions and estimators. The results also suggest that renewable energy can lead to a decline in CO₂ emissions at the global level. At the regional level, only for two regions (i.e., S. & Cent. America and Europe & Eurasia) renewable energy has a significant and negative effect on CO₂ emissions, which may be affected by the share of renewable energy consumption in the primary energy mix. Finally, the results indicate varied causality relationships among the variables across regions.

Abbreviations: AMG: Augmented mean group; BP: British Petroleum; BRICS: Brazil, Russia, India, China, and South Africa; CCEMG: Common correlated effects mean group; CD: Cross-section dependence; CIPS: Cross-sectionally augmented Im, Pesaran, and Shin; CO₂: Carbon dioxide; PS: Population size; D-H: Dumitrescu-Hurlin; EI: Energy intensity; EU: European Union; EU-5: Germany, France, Italy, Spain, and the United Kingdom; Europe & Eurasia, Europe and Eurasia; GDP: Gross domestic product; IEA: International Energy Agency; KIF: Key impact factor; LM: Lagrange multiplier; Mtoe, Million tonnes oil equivalent; NRE: Non-renewable energy; RE: Renewable energy; S. & Cent. America, South and Central America; STIRPAT: Stochastic Impacts by Regression on Population, Affluence, and Technology; VECM: Vector error correction model; WDI: World Development Indicators     

我国省域金融成熟度的收敛性——基于空间面板数据模型的实证分析

研究了金融开放背景下我国省域金融成熟度的空间相关性和区域收敛性。基于金融成熟度综合指标体系,全面衡量了2001—2010年我国31个省级行政区的金融产业发展水平,并利用Moran's I从全局及局域层面揭示了各省金融成熟度的空间关联性。在此基础上,选择标准β收敛模型、空间滞后模型和空间误差模型对我国区域金融发展的β收敛进行分阶段探索。结果表明:我国区域金融成熟度在金融开放过渡阶段呈显著的β收敛特征、地区差异在减小,而在全面开放阶段呈显著的发散特征、地区差异在增大;金融开放加大了我国金融发展的区域差异。     

基于网络层次分析法的区域软实力评价——以江苏省为例

基于国内外软实力研究文献,考虑各指标间的交互影响、指标的数据获取和量化等因素,构建了包括三级指标的区域软实力评价指标体系,并利用网络层次分析法对江苏省的软实力进行评价。研究结果表明:江苏省的综合软实力排名为全国第二,这主要得益于其区域文化、科技创新能力以及和谐度的排名靠前,而扩散度、人口素质、区域环境以及公共服务的得分偏低。据此提出强化江苏省综合软实力的相应措施:应进一步强化各类传媒的扩散作用、完善公共服务体制以及优化投资以及居住环境等。     

1996—2011年中国滨海旅游业发展区域差异研究

基于历年统计数据研究,结果表明：滨海旅游业发展呈现不断上升趋势。增加值已位居海洋产业体系第一位。选取26个与旅游业综合发展水平相关的指标,基于主成分分析法对中国滨海地区旅游业综合发展水平及存在差异进行研究．结果表明：广东、江苏、浙江得分最高,其旅游业综合发展水平最高;广西和海南得分居最后两位,其旅游业综合发展水平最低。希冀各滨海地区认清自身旅游业发展现状和潜力,制定不断提高综合竞争力的发展战略,对实现中国旅游业发展的既定目标提供理论借鉴和实践指导。     

中国城镇居民国内旅游消费的区域差异及变化

消费驱动是经济发展的基础性动力,旅游消费已成为我国城乡居民消费结构中的常规性项目。以全国39个主要城市为代表,通过分析2000-2009年中国城镇居民国内旅游消费的区域差异及其变化,发现中国城镇居民国内旅游消费规模不断上升,同时,中国城镇居民国内旅游消费的区域差异显著,空间格局变化明显;其中,城镇居民人均可支配收入、居民闲暇时间、消费偏好、相关政策因素以及一些重大事件等主导因素均会对中国城镇居民国内旅游消费格局产生重要影响。