第一章緒論1.1研究背景及意義1.1.1研究背景計量模型是用于分析經(jīng)濟(jì)問題的科學(xué)而有力的工具。從區(qū)域經(jīng)濟(jì)的空間范圍來看，區(qū)域經(jīng)濟(jì)的要素具有空間流動性，技術(shù)存在空間輸出性等，因此運用不考慮變量在空間上的聯(lián)系的傳統(tǒng)計量方法構(gòu)建經(jīng)濟(jì)模型來對經(jīng)濟(jì)問題進(jìn)行研究分析時，不能合理的解釋具有空間效應(yīng)的經(jīng)濟(jì)現(xiàn)象，甚至容易與實際情況產(chǎn)生大的偏差。在人類社會的經(jīng)濟(jì)行為中，大量經(jīng)濟(jì)問題的分析都應(yīng)將研究視角放到空間維度上進(jìn)行?？臻g計量經(jīng)濟(jì)學(xué)的產(chǎn)生和發(fā)展，正是為經(jīng)濟(jì)學(xué)的研究提供了這一空間視角和研究方法。近年來，隨著信息技術(shù)的在各領(lǐng)域取得的不斷突破，加快了地理信息系統(tǒng)（GIS）的高速發(fā)展，使得地理信息、空間數(shù)據(jù)的獲取更加便捷，為空間計量經(jīng)濟(jì)學(xué)的迅速發(fā)展提供了數(shù)據(jù)和分析基礎(chǔ)。經(jīng)濟(jì)差異是區(qū)域經(jīng)濟(jì)發(fā)展中最為普遍的經(jīng)濟(jì)現(xiàn)象，誠然適度的差異，能夠促進(jìn)區(qū)域之間的合作并有利于提高競爭意識，優(yōu)化資源的配置?？梢坏┎町愡^大，不僅會阻礙區(qū)域經(jīng)濟(jì)發(fā)展，甚至引發(fā)社會矛盾，不利于社會、經(jīng)濟(jì)的平穩(wěn)、健康和諧發(fā)展。因此，基于空間計量經(jīng)濟(jì)的研究逐漸成為區(qū)域經(jīng)濟(jì)研究的重點。改革開放以來，我國的經(jīng)濟(jì)發(fā)展迅速，取得了舉世矚目的成就。廣西也積極響應(yīng)國家政策，加快經(jīng)濟(jì)轉(zhuǎn)型升級與經(jīng)濟(jì)增長方式。就GDP而言，廣西從1978年的75.85億上升到2017年的20396.25億，人均GDP也由225元提高至41955元，經(jīng)濟(jì)實力顯著增強(qiáng)。但是與其他發(fā)達(dá)城市和沿海地區(qū)相比，廣西的經(jīng)濟(jì)水平仍有較大差距。由于不同區(qū)域之間自然環(huán)境、社會資源、人文因素等方面的差異，廣西的區(qū)域經(jīng)濟(jì)發(fā)展也存在較大差異。目前，在廣西區(qū)域經(jīng)濟(jì)發(fā)展的研究中，采用的研究方法大多還是以傳統(tǒng)的計量經(jīng)濟(jì)模型為主，而將空間效應(yīng)考慮在內(nèi)的還不多。本文將應(yīng)用空間計量分析方法對廣西區(qū)域經(jīng)濟(jì)的發(fā)展進(jìn)行深入研究，整體思路為：首先，分析2008—2017年間廣西區(qū)域經(jīng)濟(jì)發(fā)展的趨勢，再在此基礎(chǔ)上選取對廣西區(qū)域經(jīng)濟(jì)發(fā)展影響較大的幾個主要因素作為解釋變量，建立相關(guān)模型，以便更具體的分析哪些因素對廣西區(qū)域經(jīng)濟(jì)的發(fā)展起到促進(jìn)和抑制作用，進(jìn)而提出有利于縮小廣西區(qū)域經(jīng)濟(jì)差異、推進(jìn)廣西區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展的政策建議。1.1.2研究意義廣西是我國西南地區(qū)經(jīng)濟(jì)圈的重要組成部分，近年來，中央對廣西經(jīng)濟(jì)發(fā)展的支持力度不斷加大，相繼出臺了珠江-西江經(jīng)濟(jì)帶發(fā)展規(guī)劃、西部陸海新通道總體規(guī)劃、中國(廣西)自由貿(mào)易試驗區(qū)總體方案、中國—東盟信息港建設(shè)方案、面向東盟的金融開放門戶總體方案等多項政策文件[1]，為促進(jìn)廣西經(jīng)濟(jì)的健步增長增添了動力。憑借特殊的地理位置，廣西將成為我國“一帶一路”戰(zhàn)略發(fā)展中的重要支點，為廣西構(gòu)建“南向、北聯(lián)、東融、西合”新格局提供了重大發(fā)展機(jī)遇。但是廣西各地市在經(jīng)濟(jì)發(fā)展中仍存在明顯的差異，運用Lasso方法分析影響廣西區(qū)域經(jīng)濟(jì)增長的主要因素具有客觀性，同時也能提高變量的解釋精度；同時從空間計量的角度對選取出的影響因素進(jìn)行建模分析，并針對空間效用在廣西區(qū)域經(jīng)濟(jì)發(fā)展中的影響展開研究都具有理論及現(xiàn)實意義。1.2國內(nèi)外研究綜述1.2.1國外研究綜述（1）區(qū)域經(jīng)濟(jì)發(fā)展問題自20世紀(jì)以來就備受關(guān)注，相關(guān)的研究成果層出不窮。國外對區(qū)域經(jīng)濟(jì)研究主要集中于區(qū)域劃分依據(jù)、區(qū)域經(jīng)濟(jì)差異的成因分析、縮小區(qū)域經(jīng)濟(jì)差異的對策等方面。具有代表性的成果有：JohnFriedman（1969）[2]提出之所以產(chǎn)生區(qū)域經(jīng)濟(jì)差異，其根本原因是受經(jīng)濟(jì)發(fā)展條件和經(jīng)濟(jì)效益的影響，故需要增加政府干預(yù)，以保障落后地區(qū)經(jīng)濟(jì)生產(chǎn)的基本條件，進(jìn)而吸引到如投資、技術(shù)和人才等生產(chǎn)要素，促進(jìn)經(jīng)濟(jì)效益的提高和縮小區(qū)域經(jīng)濟(jì)差距。JamesG.MacLaughlin和JohnA.MacAgnew（1986）[3]運用葛蘭西關(guān)于霸權(quán)的著作和意大利問題（南方問題）的理論邏輯，將區(qū)域經(jīng)濟(jì)發(fā)展定義為一個政治地理問題，并用于1945-1972年間北愛爾蘭地區(qū)工業(yè)政策的討論。他們認(rèn)為區(qū)域經(jīng)濟(jì)發(fā)展的相對平衡既不獨立于政治，也不遵循某種自然的經(jīng)濟(jì)秩序；相反，在很大程度上取決于國家的實際需要，使經(jīng)濟(jì)活動普遍合法化或由某一政黨所代表的政治社會秩序的實際需要。文章最后對該方法與其他方法進(jìn)行了簡要的比較。GeraldA.Carlino和LeonardMills（1996）[4]為了檢驗新古典增長模型的收斂性預(yù)測，對美國各地區(qū)人均收入和人均工資在1929-1990年間的時間序列進(jìn)行檢驗，發(fā)現(xiàn)美國地區(qū)人均收入的趨同支持新古典模型的收斂性預(yù)測，但人均工資趨同的證據(jù)不太確鑿，且對人均工資的沖擊比對人均收入的沖擊更持久。UweWalz（1996）[5]提出了一個動態(tài)、雙區(qū)域一般均衡模型，其中區(qū)域間生產(chǎn)和貿(mào)易模式是內(nèi)生決定的。局部增長源于一個工業(yè)部門的地域集中，地域集中是區(qū)域市場規(guī)模與區(qū)域競爭在差異化投入產(chǎn)業(yè)中相互作用的結(jié)果。區(qū)域要素稟賦具有不可流動性，如果稟賦差異較大，則區(qū)域間的專業(yè)化、貿(mào)易和增長模式將普遍存在；當(dāng)區(qū)域大小相等時，存在多重平衡。SriyaIyer（2005）[6]探討了社會資本、經(jīng)濟(jì)績效與區(qū)域發(fā)展之間的關(guān)系，強(qiáng)調(diào)了這種關(guān)系在空間上的復(fù)雜性和變異性。與在正式增長模型中使用社會資本指標(biāo)的傳統(tǒng)宏觀經(jīng)濟(jì)方法不同，所需要的是按區(qū)域評估社會資本影響的更細(xì)致的分析。為此他對美國40個社區(qū)（分為9個地區(qū)）的24000多人展開調(diào)查，研究了2000年社會資本社區(qū)基準(zhǔn)調(diào)查的社會資本數(shù)據(jù)，這些數(shù)據(jù)顯示了不同地區(qū)社會資本的顯著差異。這一系列調(diào)查研究結(jié)果表明，教育對社會資本的幾乎所有指標(biāo)都很重要，種族多樣性與較低的社會資本水平有關(guān)。AllisonBramwell,DavidA.Wolfe（2008）[7]認(rèn)為，一些大學(xué)對地方和區(qū)域經(jīng)濟(jì)活力的貢獻(xiàn)遠(yuǎn)比過度機(jī)械化的描述所顯示的要豐富得多。除了產(chǎn)生可商業(yè)化的知識和合格的研究科學(xué)家外，大學(xué)還產(chǎn)生其他知識轉(zhuǎn)移機(jī)制，加拿大滑鐵盧大學(xué)（UniversityofWaterloo）的一項詳細(xì)案例研究，包括其漸進(jìn)的合作社和創(chuàng)業(yè)教育計劃，以及創(chuàng)新的知識產(chǎn)權(quán)政策，說明了滑鐵盧大學(xué)對地方和區(qū)域經(jīng)濟(jì)增長和創(chuàng)新的貢獻(xiàn)方式。SaschaSardadvar（2012）[8]提出了N個區(qū)域經(jīng)濟(jì)系統(tǒng)的空間新古典增長模型。區(qū)域產(chǎn)出增長是由區(qū)域間固定資本轉(zhuǎn)移決定的，這取決于初始要素稟賦以及區(qū)域在空間上的相對位置，該模型的動態(tài)特性通過Taylor近似得到，理論和實證結(jié)果都表明，如果在一個區(qū)域內(nèi)發(fā)現(xiàn)相對較高的人力資本稟賦，則對增長有利；如果在鄰近區(qū)域發(fā)現(xiàn)相對較高的人力資本稟賦，則對增長不利。（2）空間計量經(jīng)濟(jì)方面具有代表性的成果有：LucAnselin（1988）[9]回顧和評價了空間理論結(jié)構(gòu)有效性的形式化評估方法及其在空間計量經(jīng)濟(jì)學(xué)中的應(yīng)用和潛力。強(qiáng)調(diào)剩余空間自相關(guān)檢驗、公共因素檢驗和非嵌套假設(shè)檢驗。其次，關(guān)注信息論標(biāo)準(zhǔn)、貝葉斯方法和啟發(fā)式程序。同時，對模型驗證作為一個多目標(biāo)決策問題及其在規(guī)劃和政策分析中的應(yīng)用提出了一些看法。LucAnselin（1996）[10]利用Bera和Yoon提出的修正拉格朗日乘數(shù)（LM）檢驗，提出了基于普通最小二乘（OLS）殘差的空間誤差自相關(guān)和空間誤差自相關(guān)的空間誤差自相關(guān)的簡單診斷檢驗方法（經(jīng)濟(jì)計量理論，1993，9649-658）。通過MonteCarlo方法研究了測試的有限樣本大小和功率性能，結(jié)果表明，調(diào)整后的LM試驗具有良好的有限樣本特性。此外，它們比未經(jīng)調(diào)整的對應(yīng)項更適合于識別依賴源（滯后或誤差）。J.KeithOrd,ArthurGetis（2001）[11]提出了一種在具有非均勻空間數(shù)據(jù)特征的全局自相關(guān)存在下檢驗局部空間自相關(guān)的統(tǒng)計方法。在確定了全局自相關(guān)的結(jié)構(gòu)之后，他們引入了一種新的可用于局部結(jié)構(gòu)檢驗的方法，并通過幾組數(shù)據(jù)例子來說明這個統(tǒng)計的性能，將其與另一個不考慮全局結(jié)構(gòu)的度量進(jìn)行了比較。Biles（2004）[12]為了更進(jìn)一步分析區(qū)域經(jīng)濟(jì)政策的影響作用，他以墨西哥國家的區(qū)域經(jīng)濟(jì)政策為研究中心，運用空間計量的方法對區(qū)域經(jīng)濟(jì)政策的空間乘數(shù)效應(yīng)進(jìn)行建模評估，估計了區(qū)域經(jīng)濟(jì)政策的溢出效應(yīng)。區(qū)域間投入產(chǎn)出分析表明，加工廠的生產(chǎn)對國家城鄉(xiāng)地區(qū)的經(jīng)濟(jì)增長和收入分配都產(chǎn)生了積極影響。MauroCostantini和GiuseppeArbia（2006）[13]對意大利國內(nèi)九十二個省1951-2000年間的經(jīng)濟(jì)增長的收斂性問題展開研究，采用AGDP作為被解釋變量，通過搜集相關(guān)數(shù)據(jù)建立面板數(shù)據(jù)的回歸模型進(jìn)行實證分析，提出了空間效應(yīng)對意大利國內(nèi)92個省的經(jīng)濟(jì)增長的收斂性有顯著影響的結(jié)論。JohanLundberg（2006）[14]使用空間計量經(jīng)濟(jì)學(xué)分析瑞典的地方增長，調(diào)查了1981-1999年間瑞典城市平均收入增長和凈移民率的決定因素。研究表明，鄰近城市的凈移民率之間存在正相關(guān)關(guān)系，這表明凈移民傾向于向鄰近城市“溢出”。在平均收入增長方面，研究結(jié)果顯示，20世紀(jì)80年代的誤差項具有空間依賴性，但沒有明確的證據(jù)支持條件收斂假說。BernardFingleton（2007）[15]考慮了兩個對全球經(jīng)濟(jì)長期動態(tài)具有不同含義的相互競爭的理論：新古典理論，暗示條件收斂；新經(jīng)濟(jì)地理學(xué)，暗示多重均衡。這些相互競爭的非嵌套假設(shè)結(jié)合在人工嵌套、面板數(shù)據(jù)、模型中，體現(xiàn)了空間自回歸誤差過程，并在1970年、1980年、1990年和2000年使用77個國家的面板進(jìn)行了測試。新經(jīng)濟(jì)地理學(xué)理論在解釋力上表現(xiàn)出優(yōu)越性，但同時也引入了一些重要的估計和測量問題。Mohl,T.Hagen（2010）[16]對歐盟結(jié)構(gòu)性基金的經(jīng)濟(jì)增長效應(yīng)進(jìn)行了三方面的分析：首先，利用126個地區(qū)的結(jié)構(gòu)性基金數(shù)據(jù)集，通過區(qū)分目標(biāo)1、目標(biāo)2和目標(biāo)3，對結(jié)構(gòu)性基金進(jìn)行了更精確的計量。在這一過程中，納入了2000-2006年的財務(wù)展望。其次，利用系統(tǒng)GMM估計器，以內(nèi)部工具辨識為基礎(chǔ)，解決面板情境下的內(nèi)生性問題。最后，運用空間面板計量估計器來控制空間溢出效應(yīng)。結(jié)果表明，目標(biāo)1的支付實際上確實促進(jìn)了區(qū)域經(jīng)濟(jì)增長，而目標(biāo)1、目標(biāo)2和目標(biāo)3的總量對歐盟區(qū)域的增長率沒有正面和顯著的影響。關(guān)于Lasso方法，最早由Tibshirani（1996）[17]提出的一種新的線性模型估計方法，通過模擬研究，表明Lasso方法具有子集選擇的優(yōu)點，可以應(yīng)用于各種統(tǒng)計模型。Keithknight,WenjiangFu(2000)[18]應(yīng)用Lasso方法證明了回歸估計的漸進(jìn)性態(tài)，當(dāng)懲罰參數(shù)的取值為0時，極限分布的正概率質(zhì)量為0。HuiZou（2006）[19]推導(dǎo)了變量選擇一致的Lasso方法的一個必要條件，并提出新的方法，稱為自適應(yīng)Lasso方法。Wang,H.,Li,G.andTsai,C（2007）[20]研究了兩類Lasso估計，一種是與傳統(tǒng)Lasso估計方法相似但在調(diào)諧參數(shù)上Lasso估計量不是完全有效，另一種是可以有效的計算估計量，通過仿真研究，得出改進(jìn)后的Lasso估計優(yōu)于傳統(tǒng)估計。PeterJ.Bickel（2009）[21]證明了在稀疏情形下，Lasso估計法和Dantzig選擇法的作用相似，并針對這兩種方法推導(dǎo)出一般非參數(shù)回歸模型中預(yù)測風(fēng)險的oracle不等式。1.2.2國內(nèi)研究綜述（1）對于空間計量經(jīng)濟(jì)的研究，我們國內(nèi)的起步相對較晚，林光平、吳梅等（2005）[22]以我國二十八個省市的人均GDP作為被解釋變量，運用空間計量經(jīng)濟(jì)對1978-2002年間28個省市AGDP進(jìn)行收斂分析，研究顯示我國28省域經(jīng)濟(jì)發(fā)展具有緩慢收斂趨勢。吳玉鳴分別在2006、2007年[23]-[24]應(yīng)用空間計量模型對省域經(jīng)濟(jì)增長和縣域經(jīng)濟(jì)發(fā)展的問題進(jìn)行研究分析，研究結(jié)果表明空間效應(yīng)對省域經(jīng)濟(jì)增長和縣域經(jīng)濟(jì)發(fā)展產(chǎn)生一定程度的影響。姚德龍(2008)[25]從空間計量經(jīng)濟(jì)學(xué)的角度，分析了經(jīng)濟(jì)地理、新經(jīng)濟(jì)地理及經(jīng)濟(jì)政策等因素在中國省域工業(yè)集聚水平上產(chǎn)生的影響。得出我國省域工業(yè)分布具有空間相關(guān)性，因此可建立空間計量模型對影響因素進(jìn)行深入分析并提出相關(guān)建議。張曉旭等(2008)[26]采用中國30個省份人均GDP的數(shù)據(jù)進(jìn)行空間探索性分析，發(fā)現(xiàn)自1978年以來我國各省人均收入具有空間相關(guān)性，且這種空間相關(guān)程度逐年遞增。為了更深入研究我國各省份AGDP增長的收斂性，分別建立了三種不同的空間計量模型進(jìn)行對比。闞大學(xué)、羅良文(2010)[27]基于空間計量經(jīng)濟(jì)學(xué)的理論知識和方法，實證分析了我國城市化水平與能源強(qiáng)度問題，提出城市化和能源強(qiáng)度均受相鄰地區(qū)的影響的觀點。鐘祖昌(2011)[28]對我國31省市的物流產(chǎn)業(yè)集聚情況進(jìn)行分析，并將空間效應(yīng)加入影響因素的面板數(shù)據(jù)模型中,實證分析結(jié)果表明:我國省域的物流產(chǎn)業(yè)具有較強(qiáng)的空間聚集相關(guān)性，區(qū)域經(jīng)濟(jì)發(fā)展水平、政府干預(yù)、外商投資及市場化進(jìn)程等因素對物流業(yè)集聚產(chǎn)生影響。李建豹等(2012)[29]從空間計量的角度分析蘭新鐵路輻射帶的縣域經(jīng)濟(jì)差異，研究表明，蘭新鐵路輻射帶的縣域經(jīng)濟(jì)存在顯著的空間集聚性，產(chǎn)業(yè)結(jié)構(gòu)、財政收入等因素對區(qū)域經(jīng)濟(jì)產(chǎn)生顯著影響，其中前者是正向影響而后者是負(fù)面影響。闞立娜等(2014)[30]對陜西省83個縣市的經(jīng)濟(jì)增長趨同情況進(jìn)行了定量測度，發(fā)現(xiàn)加入和不加入空間效應(yīng)，建立的空間面板數(shù)據(jù)模型分析結(jié)果有所不同，說明空間效應(yīng)對縣域經(jīng)濟(jì)增長的趨同趨勢有促進(jìn)作用。張可云等(2016)[31]對山東省區(qū)域經(jīng)濟(jì)增長進(jìn)行趨同效應(yīng)分析，建立了空間趨同計量模型，研究表明加入空間效應(yīng)后，山東省各區(qū)域之間經(jīng)濟(jì)増長具有明顯的趨同效應(yīng)，其中政府支出、投資水平、人力資本和工業(yè)化水平都對這一趨同效應(yīng)有正向的促進(jìn)作用。（2）對于廣西區(qū)域經(jīng)濟(jì)的研究，毛蔣興,何力等(2009)[32]運用數(shù)學(xué)分析方法和斷裂點理論,對廣西北部灣城市群進(jìn)行區(qū)域經(jīng)濟(jì)格局研究,探討符合城市群發(fā)展、促進(jìn)城市群區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展的，以發(fā)揮城市群最大增長極的規(guī)模效應(yīng)的城市群健康發(fā)展的行政區(qū)劃調(diào)整模式。李蘭瀾(2011)[33]選取2006—2009年的相關(guān)經(jīng)濟(jì)指標(biāo)對廣西區(qū)域經(jīng)濟(jì)發(fā)展現(xiàn)狀進(jìn)行比較,研究廣西“兩區(qū)一帶”的區(qū)域發(fā)展格局。提出憑借西部發(fā)展的利好政策，把握邊貿(mào)優(yōu)勢堅持開展區(qū)域合作，積極發(fā)揮各地的比較優(yōu)勢促進(jìn)發(fā)展“兩區(qū)一帶”的不同思路。

張協(xié)奎，黃躍(2014)[34]以2004-2012年為研究區(qū)間，構(gòu)建廣西14個地市的市域經(jīng)濟(jì)發(fā)展綜合評價指標(biāo)體系,從差異系數(shù)、權(quán)重變化、GIS時空波動等多角度對廣西區(qū)域經(jīng)濟(jì)發(fā)展差異進(jìn)行分析。結(jié)果表明,各地市的經(jīng)濟(jì)差異存在比較明顯的波動現(xiàn)象,而空間集聚效應(yīng)也隨時間推移逐步顯現(xiàn)。戚兆坤，高安剛(2015)[35]從經(jīng)濟(jì)總量水平、人均GDP、工業(yè)化程度以及經(jīng)濟(jì)增長率等方面,通過聚類分析將廣西十四地市按照經(jīng)濟(jì)發(fā)展綜合水平進(jìn)行了分類比較，并建立衡量區(qū)域經(jīng)濟(jì)發(fā)展水平的指標(biāo)體系,總結(jié)區(qū)域經(jīng)濟(jì)發(fā)展差異的主要原因。黃馨嫻,胡寶清(2017)[36]采用差異系數(shù)、極化指數(shù)并結(jié)合ESDA技術(shù)方法,對2004—2014年廣西區(qū)域經(jīng)濟(jì)極化的演變趨勢進(jìn)行研究。提出廣西的經(jīng)濟(jì)極化指數(shù)總體而言水平偏低，大部分縣域在空間上受鄰近區(qū)域的影響不明顯,區(qū)域化經(jīng)濟(jì)發(fā)展模式有待完善的研究結(jié)論。國內(nèi)關(guān)于Lasso方法的應(yīng)用研究起步較晚，柯鄭林（2011)[37]在其碩士論文中對線性回歸模型中變量選擇的Lasso方法及其相關(guān)方法進(jìn)行了優(yōu)劣性比較,并提出求解Lasso估計的一個新算法——隨機(jī)模擬算法,且該算法與最小角回歸算法得出的結(jié)論相似。劉睿智，杜溦（2012）[38]針對以風(fēng)險分散和指數(shù)跟蹤為目的的資產(chǎn)組合構(gòu)建提出了基于變量選擇觀點的Lasso選擇方法,研究表明在資產(chǎn)選擇中Lasso方法具有一定的優(yōu)勢,文中基于2010年3月-2012年2月日收益率數(shù)據(jù)應(yīng)用Lasso方法實證分析了滬深300指數(shù)的指數(shù)跟蹤檢驗,證明Lasso方法在組合構(gòu)建及預(yù)測分析中效果良好。周雁舟，喬輝等（2013）[39]提出了一種基于Lasso和最小角回歸(LARS)算法的軟件復(fù)雜性度量屬性特征選擇方法。劉曉寧（2014）[40]比較了線性回歸模型中變量選擇的Lasso算法以及基于線性模型的等方法,指出這些方法之間的聯(lián)系,然后對比驗證了幾個選自UCI數(shù)據(jù)集的數(shù)據(jù),提出在變量選擇方法上的具體操作步驟。楊麗娟，馬云艷（2016）[41]在時間序列場合下對Lasso方法與AdaptiveLasso方法進(jìn)行比較,數(shù)值模擬結(jié)果表明AdaptiveLasso方法比Lasso方法更加有效。1.2.3文獻(xiàn)評述以上學(xué)者在區(qū)域經(jīng)濟(jì)方面的研究成果為我們提供了經(jīng)濟(jì)理論基礎(chǔ)和豐富的研究方法。就運用空間計量模型研究區(qū)域經(jīng)濟(jì)問題而言，上述文獻(xiàn)在進(jìn)行分析時皆基于單一的空間權(quán)重矩陣，未從多種關(guān)系建立的空間權(quán)重矩陣進(jìn)行對比討論。此外對于經(jīng)濟(jì)模型中的解釋變量，均從借鑒文獻(xiàn)和經(jīng)驗判斷的角度進(jìn)行選取，具有一定的主觀性。而關(guān)于Lasso方法在變量選擇方面的應(yīng)用，許多學(xué)者的研究表明具有良好的效果?；谇叭说难芯砍晒疚慕⒃贚asso方法和空間計量的角度對廣西區(qū)域經(jīng)濟(jì)展開研究。

1.3研究思路與研究內(nèi)容1.3.1研究思路首先，對選題的研究背景及意義進(jìn)行簡要分析，并對國內(nèi)外關(guān)于區(qū)域經(jīng)濟(jì)和空間計量模型的相關(guān)文獻(xiàn)進(jìn)行綜述，其次，對空間計量經(jīng)濟(jì)的相關(guān)理論和空間計量模型進(jìn)行總結(jié)概述，然后運用廣西2008—2017年14個地市的地區(qū)生產(chǎn)總值進(jìn)行空間相關(guān)性的檢驗。在得出廣西各地市GDP存在空間相關(guān)性后，收集整理2017年廣西經(jīng)濟(jì)發(fā)展的相關(guān)指標(biāo)數(shù)據(jù)，運用Lasso方法提取各地市第二產(chǎn)業(yè)比重、固定資產(chǎn)投資、出口額、公共財政預(yù)算收入、社會消費品零售總額和勞動力等指標(biāo)作為影響廣西區(qū)域經(jīng)濟(jì)發(fā)展的影響因素，并基于此構(gòu)建空間滯后模型進(jìn)行實證分析。最后根據(jù)空間滯后模型的估計結(jié)果提出廣西區(qū)域經(jīng)濟(jì)發(fā)展的相關(guān)結(jié)論和政策建議。1.3.2研究內(nèi)容研究內(nèi)容分為六個部分：第一章緒論，首先闡明本文的研究背景及意義，其次分別對區(qū)域經(jīng)濟(jì)、空間計量經(jīng)濟(jì)以及Lasso方法的國內(nèi)外相關(guān)文獻(xiàn)做研究評述，之后介紹本文的研究思路與研究內(nèi)容，進(jìn)而總結(jié)本文的創(chuàng)新點。第二章是空間計量分析的相關(guān)理論及模型介紹，先介紹了空間計量經(jīng)濟(jì)理論、空間效應(yīng)的定義及度量方法、最后重點提出常用的空間計量模型及其檢驗方法。第三章是對廣西區(qū)域經(jīng)濟(jì)發(fā)展現(xiàn)狀進(jìn)行統(tǒng)計分析。首先分析了2008—2017年廣西全區(qū)的經(jīng)濟(jì)發(fā)展趨勢和三次產(chǎn)業(yè)貢獻(xiàn)度，其次對廣西14個地市2008—2017年的地區(qū)生產(chǎn)總值數(shù)據(jù)進(jìn)行統(tǒng)計分析，了解其發(fā)展趨勢，最后通過廣西各地市GDP的空間分布圖、Moran’sI散點圖和LISA集聚圖分析廣西區(qū)域經(jīng)濟(jì)的空間相關(guān)性。第四章是基于Lasso方法對解釋變量進(jìn)行選擇，通過兩種不同的空間權(quán)重矩陣背景下對2017年廣西各市GDP與其影響因素建立一般線性回歸模型后運用最小二乘法（OLS）進(jìn)行估計，經(jīng)過對比分析得出基于4-近鄰空間權(quán)重矩陣的空間滯后模型（SLM）更適用于研究分析廣西區(qū)域經(jīng)濟(jì)的發(fā)展。第五章是在第四章的實證分析的基礎(chǔ)上，對模型的估計結(jié)果進(jìn)行總結(jié)和分析，并對廣西區(qū)域經(jīng)濟(jì)發(fā)展提出針對性建議。第六章是提出本研究的不足和對下一步的研究進(jìn)行展望，以期完善對廣西區(qū)域經(jīng)濟(jì)發(fā)展的研究。1.4創(chuàng)新點本研究的創(chuàng)新點主要體現(xiàn)在：首先，通過Lasso方法選，利用R軟件選取出第二產(chǎn)業(yè)比重、投資力度、社會消費品零售總額、財政收入、就業(yè)人員和出口總額六方面影響廣西區(qū)域經(jīng)濟(jì)發(fā)展的主要因素，有別于其他學(xué)者從借鑒文獻(xiàn)和經(jīng)驗判斷的角度對經(jīng)濟(jì)變量進(jìn)行選??；其次，本文采用空間計量的方法，通過Geoda、Stata等軟件將經(jīng)濟(jì)問題中的空間影響因素一起納入對廣西區(qū)域經(jīng)濟(jì)發(fā)展的研究中，有別于傳統(tǒng)的應(yīng)用時間序列、多元統(tǒng)計分析等方法來研究區(qū)域經(jīng)濟(jì)問題；最后，在實證分析中，與以往的研究不同，本文將空間權(quán)重矩陣進(jìn)行了推廣，建立了兩種不同的空間權(quán)重矩陣，并在此基礎(chǔ)上分別討論了空間滯后模型和空間誤差模型的擬合度，經(jīng)過實證分析最終選出適合用于研究廣西區(qū)域經(jīng)濟(jì)發(fā)展的空間計量模型。

第二章空間計量分析的相關(guān)理論及模型2.1空間計量經(jīng)濟(jì)理論“空間計量經(jīng)濟(jì)學(xué)”最早由荷蘭經(jīng)濟(jì)學(xué)家JeanPaelinck提出，后來在Anselin[42]等人的研究和完善中逐步發(fā)展起來。Anselin在他的著作中，給出空間計量經(jīng)濟(jì)學(xué)（SpatialEconometrics）的定義：“在基于空間效應(yīng)恰當(dāng)設(shè)定的基礎(chǔ)上，對區(qū)域經(jīng)濟(jì)模型進(jìn)行一系列模型設(shè)定、估計、檢驗及預(yù)測的一系列計量經(jīng)濟(jì)學(xué)方法”[43]。最終空間計量經(jīng)濟(jì)學(xué)在地理學(xué)思想的基礎(chǔ)上發(fā)展成為計量經(jīng)濟(jì)學(xué)的一個分支，綜合了統(tǒng)計學(xué)、運籌學(xué)、計算機(jī)技術(shù)等多門學(xué)科知識對空間截面數(shù)據(jù)和面板數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，用于研究空間交互作用在區(qū)域間的經(jīng)濟(jì)行為中的表現(xiàn)的一門綜合學(xué)科[44]。隨著空間計量經(jīng)濟(jì)學(xué)的迅速發(fā)展，目前已在區(qū)域科學(xué)、經(jīng)濟(jì)學(xué)等領(lǐng)域廣泛應(yīng)用。2.2空間效應(yīng)及度量地理空間上的經(jīng)濟(jì)行為常常存在一定程度的空間交互作用和空間結(jié)構(gòu)變化，也即空間效應(yīng)。經(jīng)典計量經(jīng)濟(jì)學(xué)分析方法是建立在樣本獨立假設(shè)的基礎(chǔ)上，然而空間數(shù)據(jù)之間并不一定相互獨立，而是存在某些空間關(guān)聯(lián)及依賴性，這樣一來經(jīng)典計量分析方法則不再適用于分析和研究與地理位置相關(guān)的數(shù)據(jù)的空間關(guān)聯(lián)性問題，因此將空間效應(yīng)納入經(jīng)濟(jì)計量分析成為空間計量經(jīng)濟(jì)學(xué)研究的核心問題?？臻g效應(yīng)多體現(xiàn)在空間依賴性（也稱空間自相關(guān)）和空間異質(zhì)性上，而絕大多數(shù)的空間數(shù)據(jù)都含有空間依賴性。2.2.1空間依賴性空間依賴性[45]主要表現(xiàn)為觀測值跟空間位置之間的一致性，是指在樣本數(shù)據(jù)當(dāng)中的某一個空間位置i的觀測值與鄰近位置j的觀測值之間存在相關(guān)性，其中：i≠j。一般也可以用下式表述：，其中下標(biāo)i的取值范圍：i=1，…，n，說明這種依賴性可以發(fā)生在多個觀測值之間?？臻g依賴性并不是說否定空間各單位之間的獨立性，而各單位之間的絕對或相對位置對空間相關(guān)程度產(chǎn)生影響。空間依賴性的度量方法有全域和區(qū)域的空間自相關(guān)。全域空間自相關(guān)用于刻畫空間單位上觀測值之間的全體分布狀況，即在全域范圍內(nèi)的聚集特征是否存在。度量全域空間自相關(guān)的統(tǒng)計量主要有：全域統(tǒng)計量、全域統(tǒng)計量和全域統(tǒng)計量，其中應(yīng)用最廣泛的是全域統(tǒng)計量：（2.1）（2.1）式是全域的計算公式，其中，為觀測值的方差，為均值，為空間權(quán)重矩陣W中的（i,j）元，的取值范圍為[-1,1]，當(dāng)時，表示空間負(fù)相關(guān)；當(dāng)時，表示空間正相關(guān)；而，則表示空間無關(guān)。1948年指出近似服從正態(tài)分布，其中，，，，。從而統(tǒng)計量可在標(biāo)準(zhǔn)化后近似服從標(biāo)準(zhǔn)正態(tài)分布，即區(qū)域空間自相關(guān)則用于刻畫區(qū)域空間單位觀測值的分布特征，分析區(qū)域間聚集所發(fā)生的位置和空間相關(guān)性。度量區(qū)域空間自相關(guān)的指標(biāo)有空間關(guān)聯(lián)的區(qū)域指標(biāo)、G統(tǒng)計和散點圖。LISA指標(biāo)一般用局部的值進(jìn)行分析。（2.2）（2.2）式是局部的計算公式，相關(guān)參數(shù)與全域定義一致。同樣的，對局部進(jìn)行標(biāo)準(zhǔn)化得到統(tǒng)計量對于標(biāo)準(zhǔn)化后的統(tǒng)計量和行標(biāo)準(zhǔn)化后的空間權(quán)重矩陣，有，，則（2.2）式可以化簡為（2.3）其中，為空間權(quán)重矩陣W進(jìn)行行標(biāo)準(zhǔn)化后的（i,j）元。對（2.3）式求和，即，恰好等于簡化后的全域統(tǒng)計量。故局部本質(zhì)上是全域在各空間單位上的分解，當(dāng)全域空間比較平穩(wěn)時，局部的差異很小，且局部的值近似等于全域的樣本均值；反之，若全域空間存在極端值或加大差異，則局部中較大的值產(chǎn)生的影響也較大。2.2.2空間異質(zhì)性空間異質(zhì)性又稱為空間不均勻性，指地理位置上的區(qū)域不具有勻質(zhì)性，具體來說就是由于各個變量處于不同的位置而產(chǎn)生的差異性，比如發(fā)達(dá)和落后地區(qū)之間，區(qū)域數(shù)值存在大小差異。受空間異質(zhì)性的影響，不同空間區(qū)域內(nèi)，變量之間的關(guān)系常與位置距離相關(guān)，因此在進(jìn)行空間數(shù)據(jù)分析時，應(yīng)將空間異質(zhì)性考慮其中，使分析結(jié)果更有效、真實。2.2.3空間權(quán)重矩陣在空間計量分析中，空間關(guān)聯(lián)由空間矩陣具體表現(xiàn)出來。因此，空間權(quán)重矩陣[46]是空間計量分析中用于反映空間效應(yīng)的一個重要的基礎(chǔ)概念，也是度量和檢驗空間相關(guān)性的基礎(chǔ)?？臻g權(quán)重矩陣在介紹空間依賴性時也有提到，通常將其定義為一個的二元對稱矩陣，用來表示n個位置上的空間單元（如區(qū)域）間的鄰接關(guān)系：（2.4）常見的空間權(quán)重矩陣主要有以下三種[46]：（1）基于相鄰關(guān)系的空間權(quán)重矩陣根據(jù)兩地區(qū)的地理相鄰程度來量化矩陣元素的值，且默認(rèn)與自身不相鄰，即（2.5）（2）基于地理距離的空間權(quán)重矩陣根據(jù)兩地區(qū)間的地理距離的倒數(shù)來量化的值，即（2.6）（3）基于經(jīng)濟(jì)距離的空間權(quán)重矩陣用各地區(qū)之間的經(jīng)濟(jì)變量距離作為測度，如區(qū)域生產(chǎn)總值、人均生產(chǎn)總值等。當(dāng)大部分引用以經(jīng)濟(jì)發(fā)展水平的距離為定義的對象時，則稱它為經(jīng)濟(jì)距離權(quán)重矩陣。此時，的取值如下：（2.7）其中，，為第i個空間單元在第t年的經(jīng)濟(jì)變量的取值。2.3空間計量模型空間相關(guān)性表現(xiàn)在擾動相關(guān)和實質(zhì)相關(guān)兩個主要方面，被列為隨機(jī)干擾項的影響因素，因其具有空間相關(guān)性而引起擾動相關(guān)；實質(zhì)相關(guān)則是反映現(xiàn)實存在的空間交互作用。針對模型構(gòu)建時關(guān)于空間相關(guān)性的兩種不同表現(xiàn)方式，可以用空間滯后模型（SLM）和空間誤差模型（SEM）[46]這兩種不同的模型來刻畫?？臻g計量模型的構(gòu)建思路是：首先建立一般計量模型，然后通過空間滯后變量將空間效應(yīng)加入到一般線性回歸模型中，再對加入滯后變量得到的新模型進(jìn)行估計、檢驗和診斷。（2.8）（2.9）式（2.9）就是在一般線性回歸模型（2.8）式基礎(chǔ)上引入空間自相關(guān)因素后得到的新模型，其中：y是因變量，X是自變量矩陣，是對應(yīng)的自變量系數(shù)矩陣，、分別是因變量、殘差的空間權(quán)重矩陣；是空間自相關(guān)系數(shù)；是殘差自相關(guān)系數(shù)；是隨機(jī)誤差項；是服從正態(tài)分布的隨機(jī)誤差項。2.3.1空間滯后模型若，則（2.9）式演變成：（2.10）式（2.10）即為空間滯后模型，主要研究某個區(qū)域會不會對附近區(qū)域產(chǎn)生擴(kuò)散影響（也稱空間溢出效應(yīng)）。用于揭示區(qū)域經(jīng)濟(jì)的變化除了與區(qū)域本身的變動有關(guān)，還受到鄰近區(qū)域的影響?？臻g滯后模型在經(jīng)濟(jì)學(xué)中的解釋為：若不同的區(qū)域經(jīng)濟(jì)變量之間有著空間相關(guān)性，那么只在模型中引用本地區(qū)的解釋變量，將會導(dǎo)致模型的設(shè)定有偏。2.3.2空間誤差模型若則（2.9）式演變成：（2.11）式（2.11）即為空間誤差模型），用于研究某個區(qū)域的觀測值會不會受到來自鄰近地區(qū)被解釋變量的誤差的影響。SEM模型在經(jīng)濟(jì)學(xué)中的解釋是，來自不同區(qū)域的觀測值的空間交互關(guān)系，主要體現(xiàn)在模型誤差項的自相關(guān)性，存在具有時間延續(xù)特征的空間傳遞性。2.3.3模型的估計與檢驗最小二乘法（OLS）常用于一般線性回歸模型的估計，雖然空間計量模型建立組織一般線性回歸模型的基礎(chǔ)之上，但是由于存在空間效應(yīng)的影響，對空間滯后和空間誤差模型使用最小二乘法（OLS）進(jìn)行的參數(shù)估計，結(jié)果不再是無偏或有效的，從而對于SLM和SEM模型，通常采用極大似然法（ML）、工具變量估計法（IV）、廣義矩估計法（GMM）和估計法等方法來估計，其中最廣泛使用的是極大似然法（ML）。空間計量模型最常用的的檢驗方法為檢驗和LM檢驗。指數(shù)已在前文做了計算公式的介紹，要補(bǔ)充說明的是，檢驗只能用來檢驗空間的關(guān)聯(lián)性，對于模型的選擇沒有直接的判斷功能。至于要選擇的是空間滯后模型或空間誤差模型，可通過觀測兩個拉格朗日乘數(shù)的檢驗[47]，即對LMLAG、LMERR和R-LMLAG、R-LMERR的顯著性結(jié)果進(jìn)行診斷。LMLAG或R-LMLAG顯著時選擇空間滯后模型，反之LMERR或R-LMERR的顯著時選用空間誤差模型。

第三章廣西區(qū)域經(jīng)濟(jì)發(fā)展的統(tǒng)計分析3.1廣西區(qū)域經(jīng)濟(jì)發(fā)展現(xiàn)狀3.1.1廣西全區(qū)經(jīng)濟(jì)發(fā)展現(xiàn)狀廣西壯族自治區(qū)位于我國的西南部，南鄰北部灣，毗鄰粵港澳，面向東南亞，同時具備沿海、沿江及沿邊的區(qū)位優(yōu)勢。自2008年廣西壯族自治區(qū)成立50周年以來，廣西經(jīng)濟(jì)發(fā)展取得巨大突破，各地市也積極發(fā)揮自身優(yōu)勢，促進(jìn)全區(qū)經(jīng)濟(jì)進(jìn)入快車道。圖1顯示，2008-2017年，十年間廣西經(jīng)濟(jì)呈增長趨勢，全區(qū)生產(chǎn)總值從2008年的7038.88億元增長到2017年的20396.25億元，但從2011年起經(jīng)濟(jì)增長的幅度逐漸放緩。圖1圖2圖2是2008-2017年廣西三次產(chǎn)業(yè)對GDP的貢獻(xiàn)率變化情況，數(shù)據(jù)顯示，廣西的第一產(chǎn)業(yè)貢獻(xiàn)率處于10%以下，低于第二、第三產(chǎn)業(yè)；2008年—2014年，盡管廣西第二、三產(chǎn)業(yè)貢獻(xiàn)率均有波動，但第二產(chǎn)業(yè)貢獻(xiàn)率仍明顯高于第三產(chǎn)業(yè)；但從2014年起廣西第三產(chǎn)業(yè)貢獻(xiàn)率大幅提升，并在2017年出現(xiàn)反超第二產(chǎn)業(yè)的勢頭，由此可見近年來廣西的產(chǎn)業(yè)結(jié)構(gòu)有了較大的轉(zhuǎn)變，對區(qū)域經(jīng)濟(jì)的發(fā)展產(chǎn)生重要影響。3.1.2廣西各地市經(jīng)濟(jì)發(fā)展現(xiàn)狀廣西壯族自治區(qū)所轄的14個地級市2008—2017年各地GDP發(fā)展的趨勢如圖3所示，從圖中可以看到，各地市GDP均呈現(xiàn)增長趨勢，其中南寧、柳州、桂林和玉林四市的經(jīng)濟(jì)水平一直穩(wěn)居全區(qū)前四位，防城港、北海、欽州等北部灣沿海城市經(jīng)濟(jì)發(fā)展較為平穩(wěn)，折線起伏變化較為明顯的是梧州市和百色市，而崇左、河池、來賓、賀州等四市經(jīng)濟(jì)水平較為落后。圖3數(shù)據(jù)來源：2009—2018年廣西統(tǒng)計年鑒圖4是2008—2017年廣西14地市GDP年平均增長量（億元）和年平均增長率（%）的條形圖，圖中顯示，南寧、柳州市的年平均增長量明顯高于其他地市，賀州市平均增長量最低；但從年平均增長率來看，北海市的平均增長率最高而河池市最低。雖然總體而言，廣西14地市的經(jīng)濟(jì)有較好的增長趨勢，但各地市的經(jīng)濟(jì)增長的極差較大，從而對廣西總體經(jīng)濟(jì)的增長帶來不同程度的影響。圖42008—2017年14地市GDP平均增長量（億元）、平均增長率（%）條形圖數(shù)據(jù)來源：由2009—2018年廣西統(tǒng)計年鑒中數(shù)據(jù)計算而得通過本節(jié)的描述統(tǒng)計分析我們直觀的看到廣西區(qū)域經(jīng)濟(jì)發(fā)展存在明顯的差異，為了更全面的了解廣西區(qū)域經(jīng)濟(jì)發(fā)展的趨勢，縮小各地區(qū)域經(jīng)濟(jì)差異，下文將從空間經(jīng)濟(jì)學(xué)的角度對各地市經(jīng)濟(jì)發(fā)展進(jìn)行分析。3.2廣西區(qū)域經(jīng)濟(jì)發(fā)展的空間相關(guān)性分析3.2.1廣西各地市GDP空間分位圖（1）（2）（轉(zhuǎn)下頁）（接上頁）（3）（4）（5）（6）（8）（轉(zhuǎn)下頁）（接上頁）（9）（10）圖52008—2017年廣西各地市GDP分位圖圖5中（1）—（10）依次是廣西2008—2017年各地市GDP的水平分位圖，圖中顏色的深淺代表著各地市GDP的高低。從整體上看2008—2017這十年間南寧、柳州及桂林三座城市的經(jīng)濟(jì)發(fā)展水平一直排在廣西的高水平位置，處于中上水平的百色、玉林和梧州經(jīng)濟(jì)發(fā)展較為穩(wěn)定，賀州經(jīng)濟(jì)發(fā)展也比較穩(wěn)定但經(jīng)濟(jì)水平降低，北海、防城港的經(jīng)濟(jì)發(fā)展水平呈現(xiàn)增長趨勢，與之相反的是河池、貴港、來賓經(jīng)濟(jì)發(fā)展水平有所下降。2008—2012年間，河池、崇左、來賓經(jīng)濟(jì)發(fā)展波動較為明顯，2015—2017年全區(qū)經(jīng)濟(jì)發(fā)展分位圖格局一致，從圖中可以看到，廣西區(qū)域經(jīng)濟(jì)發(fā)展呈現(xiàn)出部分空間聚集分布的狀態(tài)。3.2.2廣西各地市GDP的全域空間相關(guān)性分析為進(jìn)一步研究廣西區(qū)域經(jīng)濟(jì)的空間相關(guān)性，用廣西2008—2017年各地市GDP計算全域Moran’sI指數(shù)來分析，其中空間權(quán)重矩陣采用2.2.3節(jié)中論述的（2.5）式，且以具有公共邊界為依據(jù)，即一階Rook矩陣，計算結(jié)果整理得表1和圖6所示。表1廣西2008—2017年各地市GDP的全域Moran’sI指數(shù)年份2008年2009年2010年2011年2012年Moran'sI-0.288-0.290-0.287-0.305-0.313Z-value-1.513-1.562-1.540-1.689-1.753P-value0.0700.0600.0600.0500.040年份2013年2014年2015年2016年2017年Moran'sI-0.326-0.328-0.330-0.334-0.335Z-value-1.859-1.890-1.927-1.979-1.678P-value0.0400.0400.0400.0300.020圖6由表1可知，2008—2017年廣西14地市GDP的Moran’sI指數(shù)都是負(fù)數(shù)，從2012年起，P值都小于0.05，表明廣西各地市GDP發(fā)展在空間分布上具有顯著的負(fù)相關(guān)性，即經(jīng)濟(jì)發(fā)展呈現(xiàn)分散分布，且由圖6可見隨著時間的推移，這種負(fù)相關(guān)性逐漸增強(qiáng)但幅度不大。3.2.3廣西各地市GDP的局部空間相關(guān)性分析由上文全域空間自相關(guān)檢驗可知，廣西14地市間經(jīng)濟(jì)發(fā)展存在整體的空間相關(guān)性，為了探討具體的區(qū)域間的聯(lián)系，下面采用LocalMoran’sI散點圖和LISA顯著性圖進(jìn)行局部空間相關(guān)性分析。（2）（轉(zhuǎn)下頁）（接上頁）（4）（5）（6）圖7Moran’sI散點圖常用于研究局部空間的相關(guān)性問題，圖7中（1）—（6）依次為2012—2017年廣西各地市GDP局部Moran’sI散點圖，由圖可見，廣西大部分地區(qū)落都在二、四象限內(nèi)，其中，第二象限代表低-高聚集，具體指GDP觀測值較低的地區(qū)被觀測值較高的地區(qū)包圍的區(qū)域，其空間集群關(guān)系為負(fù)相關(guān)，落入此象限的城市有來賓、河池、北海、防城港、貴港、欽州、百色。第四象限代表高-低聚集，具體指GDP觀測值較高的地區(qū)包圍觀測值較低的地區(qū)所形成的區(qū)域，也是負(fù)相關(guān)的空間集群關(guān)系，落入該象限的有桂林、玉林、柳州、南寧四個城市。代表高-高聚集的第一象限和代表低-低聚集的第三象限則呈現(xiàn)的是正的相關(guān)關(guān)系，從圖7可以看出分布在一、三象限的城市很少，在第三象限中的是賀州和梧州，沒有城市落入第一象限。通過LISA集聚圖可以發(fā)現(xiàn)，2012—2017年廣西各市GDP的LISA集聚圖均如圖8所示的顯著水平（故只展示2017年）。來賓市一直顯著處在低-高區(qū)域中心，這與來賓市成立較晚（2002年立市），近年來經(jīng)濟(jì)發(fā)展較為緩慢有關(guān)。與此同時，南寧市則一直顯著處于高-低區(qū)域中心，作為廣西省會城市，南寧市經(jīng)濟(jì)發(fā)展較快，進(jìn)而拉開了與周邊城市的差距。圖82017年廣西各地市GDP局部LISA集聚圖通過本節(jié)的空間統(tǒng)計分析，初步確定了廣西14地市經(jīng)濟(jì)發(fā)展自2012年起具有明顯的空間負(fù)相關(guān)性，接下來將通過查找影響廣西各地市經(jīng)濟(jì)差距的因素，建立空間計量模型，深入檢驗廣西區(qū)域經(jīng)濟(jì)發(fā)展的空間效應(yīng)問題，并從影響因素中尋求縮小經(jīng)濟(jì)差異的措施。

第四章基于Lasso變量選擇的廣西區(qū)域經(jīng)濟(jì)發(fā)展空間計量分析經(jīng)過上文的空間統(tǒng)計分析，明確了廣西14個地市GDP發(fā)展間存在空間自相關(guān)，因此本章將以2017年廣西各地市GDP作為被解釋變量，建立空間計量模型加以分析。關(guān)于變量的選取，高少龍[48]較為系統(tǒng)、全面的介紹了常見的變量選擇方法并進(jìn)行模擬及實證分析，提出Lasso方法選擇的變量可以提高準(zhǔn)確度，進(jìn)而更好的解釋模型。張靜[49]基于Lasso方法從16個影響居民消費支出的因素中選取了7個最顯著的影響變量，結(jié)合BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行消費支出預(yù)測研究，結(jié)果表明精度最優(yōu)。喻勝華等[50]利用Lasso方法從眾多影響糧食價格波動的因素中選出7個主要因素，并結(jié)合支持向量機(jī)對糧食價格進(jìn)行預(yù)測分析，預(yù)測效果最優(yōu)?；诖?，本章在利用Lasso方法選取變量的基礎(chǔ)上建立空間計量模型，對廣西區(qū)域經(jīng)濟(jì)發(fā)展進(jìn)行實證分析。4.1基于Lasso方法的變量選擇4.1.1Lasso方法簡介1996年才提出的Lasso方法[17]因能從高維變量中高效提取出關(guān)鍵變量，提高模型的解釋精度而獲得高度評價和廣泛應(yīng)用。假設(shè)有自變量矩陣，其中，，因變量，且假定數(shù)據(jù)已進(jìn)行標(biāo)準(zhǔn)化處理，即則建立Y與X之間的線性模型：（4.1）其中，為常數(shù)項，為各變量系數(shù)，為隨機(jī)擾動項。記，則的Lasso估計如下：（4.2）其中懲罰參數(shù)。若為最小二乘估計的值，則，那么當(dāng)時，模型（4.1）中回歸系數(shù)的Lasso估計，其絕對值將小于的絕對值。而當(dāng)s逐步減小時，某些的Lasso估計值也會隨之變小甚至為0，此時，與等于0相應(yīng)的變量代表它和因變量Y的關(guān)系不大，將被剔除，進(jìn)而實現(xiàn)變量選擇的作用。關(guān)于懲罰參數(shù)s[49]常用的估計和檢驗方法有交叉驗證法、廣義交叉驗證法及常用的Akaike信息準(zhǔn)則（Akaikeinfocriterion，簡記:AIC）。關(guān)于Lasso問題的求解，在Lasso方法提出的初期就因算法復(fù)雜而遭遇推廣瓶頸，而后Efron[51]等提出的最小角回歸算法(，簡稱LARS），極大提高了Lasso的計算效率。LARS算法解析如下：設(shè)為指標(biāo)集，定義矩陣（4.3）其中，令（4.4）定義中的角分向量（4.5）其中為K維列向量，且所有元素等于1。由此可以證明角分向量為單位向量，且.建立LARS估計，假設(shè)當(dāng)前估計是，則（4.6），即下面介紹LARS算法的具體步驟：（1）計算（4.6）式中的值；（2）取，計算及；（3）計算，為全部的自變量矩陣；（4）計算，其中，表示只取集合中最小的正數(shù)值來計算；（5）令，返回步驟（1），直至使用所有的自變量進(jìn)行運算。在實際應(yīng)用中，可利用R語言程序?qū)崿F(xiàn)其算法。4.1.2基于Lasso方法的變量選擇根據(jù)經(jīng)濟(jì)增長理論，影響經(jīng)濟(jì)增長的因素有很多，通過上一章的分析可知，第二產(chǎn)業(yè)對廣西經(jīng)濟(jì)發(fā)展的貢獻(xiàn)較大，因此三次產(chǎn)業(yè)中考慮選用第二產(chǎn)業(yè)占GDP的比重作為影響因素；其他影響因素及變量表示見表2。表2與廣西區(qū)域經(jīng)濟(jì)發(fā)展有關(guān)的影響變量一覽表變量名稱單位變量符號變量名稱單位變量符號第二產(chǎn)業(yè)比重%X1教育支出億元X8投資力度%X2進(jìn)出口總額萬元X9社會消費品零售總額億元X3出口額萬元X10公共財政收入億元X4進(jìn)口額萬元X11公共財政支出億元X5私人汽車總量輛X12就業(yè)人數(shù)萬人X6居民存款額億元X13就業(yè)平均工資元X72017年廣西各地市GDP作為被解釋變量，記為Y，表2列舉的13個自變量中，除了X1、X2，其他變量及Y需做取自然對數(shù)處理，分別記為，隨后運用Lasso方法建立模型：（4.7）其中，為常數(shù)項，為各變量系數(shù)，為隨機(jī)擾動項。圖9是利用R語言程序運行得到的變量選擇路徑圖，到第7步時AIC值達(dá)到最小。AIC值做為模型擬合優(yōu)良性的衡量標(biāo)準(zhǔn)，當(dāng)其值變小，表明模型的擬合度得以提高，因此根據(jù)AIC準(zhǔn)則，基于Lasso方法最終選取出X1、X2、X3、X4、X6、X10等6個主要變量，如表3所示。圖9表3變量系數(shù)估計值變量系數(shù)估計值0.490593460-0.1110648200.300162040.071852510.200825080000.1756299400由表3知，影響廣西經(jīng)濟(jì)增長的主要因素即為第二產(chǎn)業(yè)比重、投資力度、社會消費品零售總額、財政收入、就業(yè)人員和出口總額。針對以上選出的6個解釋變量做如下說明：（1）用第二產(chǎn)業(yè)產(chǎn)值占GDP的比重來反映各地區(qū)生產(chǎn)力發(fā)展水平，記為SI；（2）投資是促進(jìn)經(jīng)濟(jì)增長的重要動力，用固定資產(chǎn)投資總額與GDP的比值表示投資力度，記為IFA；（3）居民消費能力與地方經(jīng)濟(jì)水平相關(guān)，社會消費品零售總額能反映各地區(qū)居民生活水平，記為TSC；（4）區(qū)域經(jīng)濟(jì)的發(fā)展有賴于地方財政的支持，用公共財政預(yù)算收入代表財政收入，記為PBI；（5）本文用城鎮(zhèn)非私營就業(yè)人數(shù)代表各地市勞動力水平，記為NU；（6）廣西作為面向東南亞國家的重要門戶，用出口額反映各地區(qū)出口貿(mào)易水平，單位：億元，記為Exp。其他影響因素作為隨機(jī)誤差項，選取的變量數(shù)據(jù)均來自2018年《廣西統(tǒng)計年鑒》。4.2空間權(quán)重矩陣的選擇明確了變量和數(shù)據(jù)的處理后，接下來要對空間權(quán)重矩陣進(jìn)行設(shè)定。前文是建立在一階Rook矩陣上進(jìn)行的空間相關(guān)性分析，故下文繼續(xù)選取一階Rook矩陣進(jìn)行實證分析。同時，由于廣西區(qū)域經(jīng)濟(jì)發(fā)展呈現(xiàn)負(fù)的空間相關(guān)性，即經(jīng)濟(jì)分布較為發(fā)散，故基于地理距離的空間權(quán)重矩陣進(jìn)行實證分析也十分有必要。然而廣西的地貌特征較為復(fù)雜，部分地區(qū)山地較多，14地市之間，最大的距離約有730公里，為能更客觀的反映空間關(guān)系，避免因部分倒數(shù)值過小而對權(quán)值造成影響，本文將采用4-近鄰權(quán)重矩陣進(jìn)行分析，這是基于距離與鄰近關(guān)系的復(fù)合型矩陣：（4.8）在4-近鄰空間權(quán)重矩陣的背景下，經(jīng)驗證，2017年廣西各地市GDP的全域Moran’sI指數(shù)為-0.304（P=0.05），具有顯著的負(fù)的空間相關(guān)性，可用于進(jìn)一步分析。4.3空間計量實證分析4.3.1模型的建立為了研究廣西各地市GDP與各地生產(chǎn)力發(fā)展水平、投資力度、居民生活水平、公共財政收入、勞動力和出口貿(mào)易水平等主要影響因素之間的關(guān)系，我們先假設(shè)被解釋變量與解釋變量之間滿足一般線性回歸模型：（4.9）其中表示隨機(jī)誤差項，表示各解釋變量對應(yīng)的回歸系數(shù)。接下來，分別基于兩種空間權(quán)重矩陣對模型進(jìn)行OLS估計，結(jié)果如下：表4空間相關(guān)性診斷DF統(tǒng)計值P值Moran'sI(error)10.5820.367LagrangeMultiplier(error)10.3740.541RobustLM(error)10.3840.535LagrangeMultiplier(lag)14.5840.048RobustLM(lag)15.3810.026R-squared0.9942AdjustedR-squared0.9891F-statistic198.32表5基于4-近鄰權(quán)重矩陣的線性回歸模型的OLS估計結(jié)果空間相關(guān)性診斷DF統(tǒng)計值P值Moran'sI(error)1-0.0170.094LagrangeMultiplier(error)10.4090.052RobustLM(error)11.3030.037（轉(zhuǎn)下頁）（續(xù)表5）空間相關(guān)性診斷DF統(tǒng)計值P值LagrangeMultiplier(lag)14.3740.036RobustLM(lag)15.2680.022R-squared0.9942AdjustedR-squared0.9891F-statistic198.32參照2.3.3中關(guān)于空間計量模型的檢驗方法，根據(jù)表4、表5可知，模型（4.9）基于兩種矩陣的空間滯后檢驗中，LMLAG和R-LMLAG都通過了5%的顯著性檢驗，表明可以選用空間滯后模型分析廣西區(qū)域經(jīng)濟(jì)的發(fā)展。而基于4-近鄰權(quán)重矩陣的模型關(guān)于空間誤差的檢驗，R-LMERR也通過了5%的顯著性檢驗，亦可建立空間誤差模型進(jìn)行對比，最終選出最優(yōu)模型。4.2.2模型的參數(shù)估計由上一節(jié)的分析，廣西區(qū)域經(jīng)濟(jì)發(fā)展選取空間滯后模型時，計算公式如下：（4.10）其中，表示空間自回歸系數(shù)，W表示空間權(quán)重矩陣，表示隨機(jī)誤差項。若選用空間誤差模型，公式如下：（4.11）其中，表示空間誤差系數(shù)，W表示空間權(quán)重矩陣，表示隨機(jī)誤差項。在2.3節(jié)中介紹過，最小二乘法（OLS）適用于一般線性回歸模型的估計，而對空間滯后模型和空間誤差模型不再適合用OLS進(jìn)行參數(shù)估計，故本文采用極大似然法（ML）分別對兩類模型進(jìn)行估計：（1）空間滯后模型（2.10）式的ML估計由整理得，（4.12）令，則（4.12）式化為（4.13）于是得到空間滯后模型的對數(shù)似然函數(shù)為（4.14）其中表示的絕對值。對于給定的，使得對數(shù)似然函數(shù)最大時，的估計量分別為（4.15）其中分別為和的回歸系數(shù)。同理，（4.16）其中矩陣，和分別為和的回歸殘差。從而，ML估計量等價于GLS估計量，因此可先用OLS估計模型和得到回歸系數(shù)估計量和殘差，并代入（4.14）式估計，之后由的估計值用GLS再次估計模型和得到相應(yīng)估計量，再重新估計值……通過這樣的步驟迭代最終得到最優(yōu)的值。通過Stata軟件迭代計算后得SLM模型估計結(jié)果見表6、表7。表6基于一階Rook矩陣的SLM模型估計結(jié)果VariableCoefficientStd.Errorz-valueProbabilitySI0.78960180.20935083.770.000IFA-0.11681270.0918471-1.270.203LnTSC0.38209190.07340955.200.000LnPBI0.16076360.07225742.220.026LnUN0.21830770.07257093.010.003LnExp0.08735260.0142136.150.000CONSTANT2.8305280.26072710.860.000W_LNGDP0.00020040.00129210.160.877R-squared0.994LogL24.611895AIC-31.22379SC-34.596表7基于4-近鄰空間權(quán)重矩陣的SLM模型估計結(jié)果VariableCoefficientStd.Errorz-valueProbabilitySI0.91236870.17685515.160.000IFA0.04728030.09194350.510.607LnTSC0.37884320.05457536.940.000LnPBI0.12534680.06041232.070.038LnUN0.18299210.06073233.010.003LnExp0.06725220.01332595.050.000CONSTANT0.72572380.82973580.870.382W_LNGDP0.20053330.07621782.630.009R-squared0.996LogL27.40016AIC-36.80032SC-31.04881（2）空間誤差模型（2.11）式的ML估計由，得，令，則空間誤差模型的對數(shù)似然函數(shù)整理為（4.17）其中表示的絕對值。由于SEM模型的ML估計與GLS等價，故先通過GLS估計：（4.18）再由一階條件計算的估計值，（4.19）并將估計的值代入（4.17）式來估計，與SLM模型的ML估計相似，經(jīng)過上述步驟迭代估計后最終選取最優(yōu)的值。通過Stata軟件迭代計算后得到SEM模型估計結(jié)果如表8所示。表8VariableCoefficientStd.Errorz-valueProbabilitySI0.89289720.26755593.340.001IFA-0.1555230.0840784-1.850.064LnTSC0.4217240.07635735.500.000LnPBI0.18392240.07732932.380.017LnUN0.18907570.0633662.980.003LnExp0.0861760.01125297.660.000CONSTANT2.8330380.22944812.350.382LAMBDA-0.85027960.5844793-1.450.146R-squared0.993LogL25.559961AIC-33.11992SC-27.36841表7和表8分別是對應(yīng)模型（4.3）、（4.4）基于4-近鄰權(quán)重矩陣的參數(shù)估計結(jié)果，可通過對數(shù)似然函數(shù)值（Loglikelihood，簡記：LogL）的大小、AIC準(zhǔn)則及施瓦茲準(zhǔn)則（Schwarzcriterion，簡記:SC）來診斷模型的優(yōu)劣[51]。SC準(zhǔn)則的診斷思想與前面提到的AIC準(zhǔn)則相類似，當(dāng)LogL值增大，AIC值和SC指減小時，模型的擬合度將明顯提高。從上表中數(shù)據(jù)可以看到，模型的值明顯大于模型的LogL值，同時模型AIC和SC的值均小于模型，故可認(rèn)為SLM模型的擬合度相對更好。表明廣西區(qū)域經(jīng)濟(jì)發(fā)展的研究在4-近鄰權(quán)重矩陣的背景下，采用模型解釋更優(yōu)于模型。進(jìn)一步對比表6、表7可以看到，不論是基于何種空間權(quán)重矩陣的SLM模型，各地生產(chǎn)力發(fā)展水平、居民生活水平、公共財政收入、勞動力及出口貿(mào)易水平等因素都對區(qū)域經(jīng)濟(jì)發(fā)展起到顯著的正向影響作用。投資力度在一階Rook矩陣的背景下和在4-近鄰權(quán)重矩陣的背景下對區(qū)域經(jīng)濟(jì)的發(fā)展影響均不顯著。為了提高模型估計的精度，對于解釋變量中于被解釋變量的影響作用不顯著的因素我們考慮逐一剔除，直至有模型能滿足所有解釋變量均顯著影響被解釋變量。因此，接下來將兩種權(quán)重矩陣背景下均未通過5%的顯著性的“投資力度”這一解釋變量剔除，再進(jìn)行一次回歸分析。估計結(jié)果分別如表9、表10所示。表9基于一階Rook矩陣的SLM模型估計結(jié)果（剔除變量后）VariableCoefficientStd.Errorz-valueProbabilitySI0.78163780.22101533.540.000LnTSC0.32959730.06411795.140.000LnPBI0.12438960.07008491.770.076LnNU0.22026430.07663152.870.004LnExp0.07427580.01036427.170.000CONSTANT2.6153130.209497412.480.000W_LNGDP0.00102080.00118240.860.388表10VariableCoefficientStd.Errorz-valueProbabilitySI0.90005360.17710735.080.000LnTSC0.38884470.05152817.550.000LnPBI0.13923780.05460792.550.011LnUN0.18695230.06088793.070.002LnExp0.07272370.00810998.970.000CONSTANT1.0622020.51662452.060.040W_LNGDP0.17275330.05442483.170.002對比表9、表10數(shù)據(jù)可知，剔除“投資力度”變量后，兩種背景下的空間滯后模型的擬合優(yōu)度都有所提升，但基于一階Rook矩陣的SLM模型的擬合優(yōu)度略低于4-近鄰空間權(quán)重矩陣背景下的SLM模型，在一階Rook空間權(quán)重矩陣背景下，公共財政預(yù)算收入及自回歸系數(shù)都缺乏顯著性。因此，對廣西區(qū)域經(jīng)濟(jì)的發(fā)展研究最終確定以第二產(chǎn)業(yè)比重、社會消費品零售總額、公共財政預(yù)算收入、勞動力以及出口總額作為解釋變量，并選用基于4-近鄰空間權(quán)重矩陣的空間滯后模型：（4.20）4.2.3SLM模型結(jié)果的分析由表10中的數(shù)據(jù)可知，各變量的系數(shù)均在5%的顯著性水平下通過了檢驗，表明選取的解釋變量對廣西區(qū)域經(jīng)濟(jì)的發(fā)展起到明顯的影響作用。其中，自回歸系數(shù)是顯著的，表明2017年廣西各市GDP存在顯著的相關(guān)性，即廣西區(qū)域經(jīng)濟(jì)在空間上具有溢出效應(yīng)。此外，所有變量的系數(shù)都顯著為正，說明第二產(chǎn)業(yè)比重、公共財政收入，出口總額、就業(yè)人數(shù)和社會零售消費品總額對廣西區(qū)域經(jīng)濟(jì)的發(fā)展都起到正向的促進(jìn)作用，提高第二產(chǎn)業(yè)比重和居民消費水平、穩(wěn)健的財政收入和穩(wěn)定的以及開拓就業(yè)市場和出口貿(mào)易都能拉動經(jīng)濟(jì)的增長。

第五章結(jié)論及建議5.1結(jié)論本文運用全域指數(shù)和局部指數(shù)分析了廣西區(qū)域經(jīng)濟(jì)發(fā)展的空間相關(guān)性，并對廣西14地市GDP與其影響因子建立空間計量模型進(jìn)行實證分析，得出如下結(jié)論：通過計算2008-2017年廣西各地市GDP的全域指數(shù)發(fā)現(xiàn)，廣西各地市的全域指數(shù)均小于0大于-1，這表明廣西14地市之間的經(jīng)濟(jì)發(fā)展有一定的空間負(fù)相關(guān)性，且自2012年起這種空間相關(guān)性顯著。負(fù)相關(guān)說明廣西區(qū)域經(jīng)濟(jì)在空間分布上是發(fā)散效應(yīng)，這也與廣西獨特的自然環(huán)境和地貌特征有關(guān)。通過局部的自相關(guān)性檢驗發(fā)現(xiàn)，2008—2011年廣西經(jīng)濟(jì)發(fā)展的空間分布呈現(xiàn)來賓市的經(jīng)濟(jì)發(fā)展水平較低而與相鄰的南寧、柳州經(jīng)濟(jì)發(fā)展水平較高的空間相關(guān)性的顯著狀態(tài)，2012年—2017年，來賓市依然呈現(xiàn)本地經(jīng)濟(jì)水平低而周邊地區(qū)經(jīng)濟(jì)水平高的特點，有所差別的是南寧市呈現(xiàn)出了本地經(jīng)濟(jì)水平高而鄰接地區(qū)經(jīng)濟(jì)水平低的顯著空間關(guān)聯(lián)性特點。第三，通過建立空間計量模型及檢驗，得出空間滯后模型更適合用于廣西區(qū)域經(jīng)濟(jì)發(fā)展的研究。在OLS估計結(jié)果的基礎(chǔ)上根據(jù)LMLAG和LMERR的顯著性診斷出應(yīng)在原模型的基礎(chǔ)上加入空間滯后因素，使得改進(jìn)后的SLM模型擬合度明顯提高，且滯后變量顯著，說明樣本存在空間依賴性。同時，Lasso方法選取的解釋變量，其系數(shù)均通過了5%的顯著性水平檢驗，表明變量的選擇是合理的。第四，實證分析中，選取的六個解釋變量中第二產(chǎn)業(yè)結(jié)構(gòu)比重、社會消費品零售總額、公共財政收入、就業(yè)人數(shù)及出口額這五個因素都對廣西區(qū)域經(jīng)濟(jì)發(fā)展起到顯著的正向促進(jìn)作用，其中第二產(chǎn)業(yè)比重的系數(shù)最大，也即影響最大?？臻g滯后系數(shù)顯著且為正，說明廣西各地市的經(jīng)濟(jì)發(fā)展有明顯的空間溢出效應(yīng)，即本區(qū)域的經(jīng)濟(jì)發(fā)展會受周邊區(qū)域的影響。5.2政策建議基于前面的分析和結(jié)論，針對廣西區(qū)域經(jīng)濟(jì)的發(fā)展，本文提出以下幾點建議：第一，提倡區(qū)域合作，實現(xiàn)區(qū)域經(jīng)濟(jì)共同發(fā)展。南寧處在“高-低”區(qū)域中心，應(yīng)充分利用空間溢出效應(yīng)，加強(qiáng)對周邊地市的幫扶，擴(kuò)大輻射區(qū)域。同時，處在“低—高”區(qū)域的以來賓為代表的城市，要積極開發(fā)本市優(yōu)勢，探索與南寧、柳州、桂林等城市的經(jīng)濟(jì)合作路徑，實現(xiàn)互惠共贏，共同推進(jìn)廣西區(qū)域經(jīng)濟(jì)的協(xié)調(diào)發(fā)展。第二，調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，加快工業(yè)化進(jìn)程。首先，廣西各地市第二產(chǎn)業(yè)的比重仍舊偏低，產(chǎn)業(yè)結(jié)構(gòu)不合理。其次，第二產(chǎn)業(yè)比重在區(qū)域經(jīng)濟(jì)發(fā)展中是加大經(jīng)濟(jì)差異的主要影響因素，因此提高第二產(chǎn)業(yè)比重，加快工業(yè)化進(jìn)程是提升各市整體經(jīng)濟(jì)水平的迫切要求。柳州、玉林作為廣西的工業(yè)基地，應(yīng)充分發(fā)揮龍頭作用，以開發(fā)信息化產(chǎn)業(yè)、打造工業(yè)園區(qū)等途徑，引領(lǐng)來賓、河池等鄰近落后地區(qū)走向工業(yè)化道路。第三，加大財政投入，調(diào)整固定資產(chǎn)的投資。目前，穩(wěn)健的財政收入可以有效促進(jìn)廣西地方經(jīng)濟(jì)的增長，因此各地市政府應(yīng)把握好宏觀調(diào)控，完善稅收監(jiān)管政策，調(diào)整固定資產(chǎn)投資比例。固定資產(chǎn)投資對自然環(huán)境較為艱苦的桂西地區(qū)，可加大交通等基礎(chǔ)設(shè)施方面的建設(shè)投資。但是對于經(jīng)濟(jì)較發(fā)達(dá)的地區(qū)應(yīng)適當(dāng)減少固定資產(chǎn)投資的力度，鼓勵私人投資。因此各地市應(yīng)積極發(fā)揮地理和資源優(yōu)勢，結(jié)合本地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)特點不斷吸引外商投資，拉動本地區(qū)經(jīng)濟(jì)快速發(fā)展。第四，大力發(fā)展對外貿(mào)易。廣西作為面向東南亞的重要門戶，近年來對外貿(mào)易得到良好的發(fā)展，但進(jìn)出口貿(mào)易總額遠(yuǎn)不足廣東等沿海經(jīng)濟(jì)發(fā)達(dá)地區(qū)。各地政府應(yīng)抓住“一帶一路”的發(fā)展機(jī)遇，聯(lián)合金融機(jī)構(gòu)出臺融資優(yōu)惠政策扶持中小型外貿(mào)企業(yè)發(fā)展，優(yōu)化進(jìn)出口貿(mào)易結(jié)構(gòu)，完善自貿(mào)區(qū)建設(shè)，鼓勵加大金融支持開展跨境電商、積極開拓對外貿(mào)易市場，共同促進(jìn)地區(qū)整體經(jīng)濟(jì)的增長。第五，完善就業(yè)服務(wù)平臺。充分利用互聯(lián)網(wǎng)信息平臺的優(yōu)勢，構(gòu)建線上人力資源系統(tǒng)，拓寬勞動力市場，保障就業(yè)問題。同時，建立健全人才培養(yǎng)機(jī)制，加大就業(yè)培訓(xùn)力度，全面提高勞動者的業(yè)務(wù)能力和綜合水平。經(jīng)濟(jì)欠發(fā)達(dá)城市應(yīng)落實就業(yè)補(bǔ)貼政策，促進(jìn)人才引進(jìn)和防止人才流失。第六，鼓勵居民積極消費。在實證分析中，社會消費品零售總額系數(shù)為正，反映到實際生活中，應(yīng)鼓勵大眾消費。

第六章研究展望本文基于空間計量模型對廣西區(qū)域經(jīng)濟(jì)的發(fā)展進(jìn)行分析并獲得相關(guān)結(jié)論，但在進(jìn)行空間計量分析的過程仍存在諸多不足，有待下一步研究。第一，研究指標(biāo)的選取。本文以廣西14地市GDP作為被解釋變量，運用Lasso方法從第二產(chǎn)業(yè)比重、投資力度、社會消費品零售總額、出口額、居民存款等13個經(jīng)濟(jì)指標(biāo)中選出6個經(jīng)濟(jì)指標(biāo)作為解釋變量進(jìn)行研究分析，研究指標(biāo)從維度上看尚缺乏全面性。下一步可以增加地方交通運輸?shù)然A(chǔ)設(shè)施發(fā)展指標(biāo)、城市化水平以及醫(yī)療衛(wèi)生等社會福利水平指標(biāo)進(jìn)行研究。第二，研究單元的界定。廣西劃分有北部灣經(jīng)濟(jì)區(qū)、桂西資源富集區(qū)和珠江-西江經(jīng)濟(jì)帶，今后可以將這“兩區(qū)一帶”[33]作為研究單元，對其經(jīng)濟(jì)現(xiàn)狀展開分析，建立合適的計量模型探討廣西區(qū)域經(jīng)濟(jì)增長的趨同問題。第三，空間權(quán)重矩陣的比較。本文僅采用最常用的一階Rook矩陣和4-近鄰空間權(quán)重矩陣為基礎(chǔ)分別建立空間計量模型進(jìn)行對比研究，今后可從經(jīng)濟(jì)距離的角度設(shè)定空間權(quán)重矩陣，使研究結(jié)果更有針對性。第四，空間面板模型的應(yīng)用。本文僅采用2017年的經(jīng)濟(jì)數(shù)據(jù)建立空間計量模型，未將研究的時間區(qū)間全部納入廣西區(qū)域經(jīng)濟(jì)發(fā)展的分析中，今后將采用空間面板數(shù)據(jù)來深入研究廣西區(qū)域經(jīng)濟(jì)發(fā)展動態(tài)。

參考文獻(xiàn)[1]中國—東盟博覽會：助推廣西開放合作的引擎[EB/OL].[2019-09-18]./BIG5/n2/2019/0918/c179464-33364055.html.[2]JacquesDorselaer,JohnFriedman,IsmaelSilvaFuenzalida,etal.[Migrant-NativeSocioeconomicDifferencesinLatinAmericanCities:AStructuralAnalysis]:Commentaries.1969,4(1):31-51.[3]JamesG.MacLaughlin,JohnA.MacAgnew.HegemonyandtheRegionalQuestion:ThePoliticalGeographyofRegionalIndustrialPolicyinNorthernIreland,1945-1972[J].AnnalsoftheAssociationofAmericanGeographers,1986,76(2).[4]GeraldA.Carlino,LeonardMills.Testingneoclassicalconvergenceinregionalincomesandearnings[J].RegionalScienceandUrbanEconomics,1996,26(6).[5]UweWalz.Transportcosts,intermediategoods,andlocalizedgrowth[J].RegionalScienceandUrbanEconomics,1996,26(6).[6]SriyaIyer,MichaelKitson,BernardToh.Socialcapital,economicgrowthandregionaldevelopment[J].RegionalStudies,2005,39(8).[7]AllisonBramwell,DavidA.Wolfe.Universitiesandregionaleconomicdevelopment:TheentrepreneurialUniversityofWaterloo[J].ResearchPolicy,2008,37(8).[8]SaschaSardadvar.GrowthanddisparitiesinEurope:Insightsfromaspatialgrowthmodel*[J].PapersinRegionalScience,2012,91(2).[9]LucAnselin.ModelValidationinSpatialEconometrics:AReviewandEvaluationofAlternativeApproaches.1988,11(3):279-316.[10]LucAnse