[内容摘要]运用空间面板计量方法研究中国2001-2010年贸易开放、技术进步与劳动收入份额之间的关系,可见它们之间具有明显的空间相关性。贸易开放对劳动收入份额具有正影响,技术进步则表现为负影响。除此之外,对劳动收入份额有正效应的因素还有国有经济、产业结构及人力资本;而外商投资、资本产出比及银行部门扩张对其有负影响。从空间溢出效应看,贸易开放、技术进步、外商投资和银行部门扩张在空间上具有溢出效益,其他变量的空间溢出效益不显著。
[关键词]贸易开放;技术进步;劳动收入份额;空间面板模型
Trade Openness, Technological Progress and Labor Income Share:Based on Spatial Econometrics of Panel Data with Provincial Data
Abstract:this paper analyses the relationship between trade openness, technological progress and the laborincome share in China by spatial econometrics of panel data. The results shows that there was obvious spatialautocorrelation in labor income share. Trade openness has a positive influence on labor income share, tech-nological progress has a negative influence. state-owned economy, industrial structure and human capitalalso have positive effect on labor income share; And the foreign investment, capital output ratio and expan-sion of the banking sector have negative influence . Further spatial spillover effect results show that tradeopenness, technological progress, FDI and expansion of banking sector has overflowbenefits in space, whilethe other variable has no significant overflow benefits.
Key words:Trade Openness; Technological Progress; Labor Income Share; Spatial Panel Data Model 
　　一、引 言
　　关于劳动收入份额变化原因的研究,从已有文献来看,可由以下三个方面进行归纳。第一是在新古典框架下的分析,在完全竞争市场条件下可体现为资本和劳动两种要素相对价格及投入比的变化,可用资本与劳动投入比这一指标来反映。[1][2]第二是在修改新古典框架的基础上,考察要素市场及产品市场上偏离完全竞争的程度对劳动收入份额的影响。[3][2]第三是考察经济发展对劳动收入份额的影响,李嘉图最早提出这一观点。产业结构转型是经济发展的一个重要特征,因此Serres等、[4]Morel[5]利用Solow[6]的分解方法,认为导致劳动收入份额下降的一个原因则是产业结构的转型。而其他一些经验研究认为,在控制了产业结构和生产技术这两种影响因素后,通货膨胀率,市场开发程度,劳动者的讨价还价能力,劳动力市场的管制及劳动力调整成本等一些反映或影响市场竞争程度的变量,均会对劳动收入份额产生显著影响。
　　贸易开放作为解释劳动收入份额的一个重要开放性视角,学者们从不同角度深入地进行了研究,但贸易开放与劳动收入份额的关系并未达成共识。Harrison认为贸易开放会使劳动者的讨价还价能力下降,从而导致劳动收入份额的下降。[7]但Diwan认为在危机时期贸易开放与劳动收入份额为正相关,贸易开放对劳动收入份额的负向影响可视为经济正常时期的一个典型特征。[8]Claudia M1Buch认为贸易开放对德国和意大利的劳动收入份额产生正向作用。[9]邵敏和黄玖立的研究认为贸易开放会对行业劳动者收入份额的提高起正向作用。[10]张全红则持相反观点,认为贸易开放对劳动收入份额起负向影响。[11]
　　近年来,偏向型技术进步成为解释劳动收入份额变化的一个重要视角。20世纪30年代Hicks最早提出了偏向型技术进步的概念,近年来Acemoglu的研究又使人们对偏向型技术进步加强关注。技术进步偏向的存在性已被许多实证文献所验证。Acemoglu认为,劳动与资本之间的替代或互补关系决定了技术进步影响要素收入份额的方向。[12]Bentolila and Saint-Paul则认为在OECD国家技术进步与劳动收入份额是负相关关系。[2]
　　此外,还有一些学者把国际贸易和技术进步结合起来考察劳动收入份额的影响因素: Acemoglu认为,单独使用技术进步或对外贸易都不能很好地解释劳动收入的变化,技术进步和对外贸易会相互作用,这种相互作用能更好地解释劳动收入份额的下降。[12]Morel利用加拿大工业行业数据,指出对外贸易、劳动技术生产率、工会讨价还价能力等因素会影响劳动收入份额。[5]周申和杨红彦研究了1999-2009年我国工业部门劳动收入份额的变化原因,指出贸易开放起正向作用,而技术进步则带来消极效应。[13]张莉等利用1980-2007年的跨国经济发展数据,认为国际贸易会影响技术进步,从而进一步地影响到劳动收入份额,并指出发展中国家表现为劳动节约型技术进步,从而导致劳动收入份额的下降。[14]
　　综合来看,对国民收入初次分配中劳动收入份额变化的探讨集中于国家或行业层面,并没有深入到国家的不同区域,然而,鉴于中国区域经济发展的差异性,各地区的贸易开放和技术进步等方面必然存在差异,但是鲜有学者注意到这种因素的差异性对区域劳动收入份额的影响。鉴于此,本文拟从区域差异的视角对劳动收入份额下降的原因进行较为系统地考察,着重考虑贸易开放及技术进步对劳动收入份额的影响,揭示劳动收入份额的空间异质性。与已有文献的差异表现为:第一:针对空间相关性采用更严谨科学的检验方法进行分析,以求更准确地描述控制各经济因素下的区域劳动收入份额的变化;第二:空间计量模型中的权重矩阵w不是采用二元邻接矩阵,而是采用具体的距离矩阵来表示;第三:考虑贸易开放和资本偏向型技术进步对劳动收入份额的影响,以避免单纯考虑贸易开放或技术进步对劳动收入份额影响必然会存在的偏误;第四:通过直接和间接效应的分解方法以检验区域间是否存在贸易开放及技术进步的空间溢出效应,由检验结果来科学的识别影响中国劳动收入份额的因素。
　　贸易开放、技术进步对劳动收入份额的影响路径分析
　　为了更深层次的理解贸易开放及技术进步对劳动收入份额的影响路径,本文将劳动收入份额进行分解。由sh的计算公式: sh=IL/PQ=I/ (PQ/L),得:ln (sh) =ln (I) -ln (PQ/L)其中I为平均劳动收入, PQ为国内生产总值, PQ/L为全员劳动生产率。由此,可得表示劳动收入份额变化具体分解式为:$ln (sh) =$ln (I) -$ln (PQ/L)$ln (sh) <0则意味着劳动收入份额为下降趋势。该式表明劳动收入份额的变化可由平均劳动收入的变化与全员劳动生产率的变化之差来表示。当$ln (I)>$ln (PQ/L),即劳动收入的增长大于全员劳动生产率的变化时,劳动者收入份额上升,反之则下降。
　　现在将贸易开放及技术进步的影响纳入分析框架。通过上述劳动收入份额的分解式,贸易开放影响劳动收入份额的途径有两种:一方面,根据H-O模型,贸易开放会改变要素相对价格进而影响劳动收入份额;另一方面,贸易开放能够通过影响ln (PQ/L)进而影响劳动收入份额。技术进步则会通过其偏向性影响劳动生产率的增长,进而影响劳动收入份额。假设ln (I)t=a. tradet, ln (PQ/L)t=b. tradet+c. tect,其中trade为贸易开放, tec为技术进步, tradet+1=tradet+$trade, tect+1=tect+$tec。从而,在第t+1期时, ln (I)t+1=ln (I)t+a.$trade, ln (PQ/L)t+1=ln (PQ/L)t+b.$trade+c.$tec。进一步得到:ln (sh)t+1-ln (sh)t= (a-b).$trade-c.$tec当a>b,$trade>0时, ln (sh)t+1>ln (sh)t,即当贸易开放对劳动者收入的边际作用较大时,则会提高劳动者收入份额,反之则会使其降低。而偏向资本的技术进步则会对劳动收入份额造成向下的压力。
　　计量模型设定与数据来源
　　(一)空间面板模型选择
　　空间因素在研究区域经济问题时发挥重要作用,采用空间计量模型则可以充分考虑到空间因素的影响,避免模型的误设。本文认为可以经由OLS- [SAR或SEM] -SDM-Manski由左至右展开对空间计量模型形式的检验。本文选择从最简单的OLS模型开始检验,是考虑到方便技术上的实现。本检验路径的核心不在于模型能否较好的拟合样本,而是在于模型间是否能等价。基于SAR或SEM模型适用性的检验,若检验结果支持其中任一模型,或两模型同时成立,则进一步估计SDM,若对原假设H0BH=0和H0BH=-DB不能同时得出支持结论,则表示SDM模型不能简化为SAR或SEM,这表明模型的空间滞后影响中同时涵盖了被解释变量、解释变量及各控制变量的因素,这时SDM能更好地解释变量空间交互作用。最后, LeSage and Pace等指出Manski模型的估计可由SDM模型来实现,但由于Manski模型是比SDM等模型更普遍的形式,后文仍对Manski进行了检验和比较。[15]在MATLAB软件中通过调用Elhorst、Donald Lacombe等设计的空间计量MATLAB工具包可实现上述模型的估计和检验。¹
　　本文设立模型为式(1),括号中的内容根据模型检验设定。其中sh表示劳动收入份额; X表示各解释变量,包括:贸易开放度、技术进步、外商直接投资比重、国有经济比重、产业结构、资本产出比、银行部门的扩张、人力资本; w表示空间权重矩阵。shit=A+ (QENj=1wijshit) +BTXit+ (EKk=1(HkENj=1wijxkjt)) +Li+Ti+Uit(1)Uit= (KENj=1wijUjt) +Eit
　　样本选取与变量内生性处理
　　本文选取数据的时间区间为2001-2010年,包含中国31个省区的面板数据。数据来源于历年5中国统计年鉴6和5中国劳动统计年鉴6。相关解释变量如下: sh表示劳动收入份额,表达式为劳动收入份额/ (1-劳动收入份额);trade表示贸易开放度,用一省区贸易额与该省区GDP之比表示; tec表示技术进步,陈瑾瑜指出全要素生产率和技术进步之间存在差异,可见用TFP来代替技术进步易导致估计结果偏误,本文选择陈瑾瑜的方法测量技术进步;[16]rfdi表示外商直接投资比重,用FDI与GDP的比重表示; rose表示国有经济比重,具体为国有经济生产总值与工业生产总值之比; rin表示产业结构,本文采用传统指标表示产业结构,即农业和非农业产值之比; kty表示资本产出比,用资本存量与GDP的比值表示; rbnk表示银行部门的扩张,具体用存贷款总额与GDP的比值即金融深度表示; Hum表示人力资本,具体用人均受教育年数衡量。由于各解释变量之间可能受共同相关的因素影响,造成与模型残差项相关的可能性而导致内生性问题,且变量间的内生性问题将导致实证估计结果的偏误。用待估计模型中的各解释变量的滞后一期项代替其当期项进行估计,可有效避免内生性对估计结果的影响。
　　空间权重矩阵
　　由于不同形式的空间权重矩阵表示其对经济联系机制的假设不同,从而对估计结果产生不同的影响,因此空间权重矩阵的选择是空间计量模型应用的另一难点。通常空间权重矩阵分为:二分rook邻近矩阵、k-nearest邻近矩阵及距离矩阵、负指数矩阵和负幂律矩阵。事实上, rook相邻矩阵和k-nearest邻近矩阵认为只有相邻的区域间才会存在空间交互作用,并假设经济关系在空间上具有突变性,通常仅用于分析边界划分明显的空间问题,常用于早期空间计量操的选择。随距离衰减的权重矩阵可以针对较普遍的经济问题,因而逐步广泛应用。基于引力模型,权重矩阵元素计算公式为:wij=sh0jd2ij, iXj; wij=0, i=j该矩阵表示省区间的联系与两者间的距离dij相关,且还受到地区初始劳动收入份额的影响。空间权重矩阵中使用的中国省区GIS地理距离来自Scott Merry-man (RiskManagement Agency, USDA)。
　　实证结果及解释
　　设定空间计量模型的前提是空间相关的存在性,对中国省区劳动收入份额分布模式的检验也是本文进一步分析空间溢出效应的基础。Moran作为检验空间相关性的指标,可通过GeoDa和MATLAB计量工具包来实现。但由于计算中对变量去/均值0时, GeoDa用变量均值这一指标(均值Moran),而MATLAB中用的则是变量的拟合值(条件Moran),º两个软件中得出的Moran值也不同。本文认为条件Moran能表达更广泛的涵义: GeoDa中的去均值方法得到的是混合空间相关,即所有因素的共同作用下产生的空间相关;而MATLAB中去拟合值的方法则是控制了贸易开放及技术进步之后的空间相关性质,两者的差值能反映贸易开放及技术进步对劳动收入份额空间相关的影响。此外,当数据为面板数据时,将原空间权重矩阵替换为分块对角化矩阵的检验方法是无效的,这相当于直接把面板数据理解为一个大截面数据。为避免此问题,本文编写了针对面板数据的Moran panel程序以计算面板数据Moran指数,给出了历年Moran指数值(见表1)。表1中国各地区劳动收入份额的MoranI空间自相关检验结果年份条件moran均值moran差值年份条件moran均值moran2001-01190***(-21212)01315***(21997)01505 2006-01101***(-11712)01360***(31512)2002-01211***(-21311)01317***(31056)01528 200701022**(01714)01359**(31502)2003-01248**(-11719)01321**(31127)01569 200801089**(11174)01358***(31498)2004-01201**(-21038)01348***(31336)01549 2009-01012***(-11084)01357***(31474)2005-01182**(-11632)01356***(31462)01538 201001001***(01068)01358***(31498)   注:***、**、*分别表示在1%、5%、10%的水平下通过了显著性检验;括号内为z统计量。 
　　经测算,本样本面板全局Moran指数值为011742,并由表1可以得出,控制了贸易开放及技术进步的影响之后,区域劳动收入份额空间自相关性表现出了完全不同的形式,说明空间自相关属性和地区要素(本文着重分析贸易开放及技术进步变量)的作用密不可分,是劳动收入份额空间相关性的重要来源,这对研究贸易开放及技术进步的空间溢出是个好消息,因为其显著性影响了因变量的空间相关性,即说明其可能存在较为显著的空间交互作用。表2OLS以及LSDV模型残差空间自相关检验结果混合回归空间固定效应回归时间固定效应回归空间和时间固定效应回归tradeit-1215981***213924***011808 012815***tecit-1-119023***-211569***-112898***-014525***rfdiit-1-115428***-112345***-111152***-013523***roseit-1217895***215967***011548**013558***rinit-1014616***-018005 216556***010898ktyit-1-117976***-115634***-115555***-012338***rbnkit-1-113456***-112334**-111116***-012378***munit-1114566***112334**111123***012376***截距项619554***R2018576 019503 018623 019665Ad R2018567 019590 018569 019637Log likehood -80216637 -41811801 -14717382 -14717382Lmlagpanel 161810345***119918898***1413279***212935R-Lmlagpanel 24341122***107411065***010254 3312727***Lmerror 22511386***22111788***3211329***113623R-Lmerrorpanel 113114566***9412567***1718923***130818909***LR 76919871***130719001***130719001***   注: ***、**、*分别表示在1%、5%和10%水平上显著。表3空间面板模型的估计结果(SAR, SEM)面板SAR面板SEM系数t p系数t ptradeit-1012836 611365 010000 012888 610238 010000tecit-1-014266 -1012393 010000 -014359 -1017949 010000rfdiit-1-013512 -912105 010000 -013855 -911949 010000roseit-1013539 711624 010000 013421 710623 010000rinit-1010765 111164 012633 010886 112869 011977ktyit-1-012137 -812938 010000 -012213 -814367 010000rbnkit-1-012276 -814735 010000 -012103 -811232 010000humit-1012388 515567 010000 012397 515677 010000W*dep1var -010012 -010199 019943Spat1aut 012002 316443 010029R2019954 019954corr2 014398 014397Log likelihood 88611124 88615667Lmlagpanel 015417 014576 016254 014256R-Lmlagpanel 119243 011553 214225 011212Lmerror 112317 012598 117796 011885R-Lmerrorpanel 216548 011009 315125 010601LR 234918640 010000 234911206 010000 
　　本文遵循OLS- (SAR或SEM) -SDM-Manski这一由左至右的路径展开进行模型形式的检验。首先对LSDV和SAR与SEM进行了残差空间自相关性质检验, LSDV模型的检验结果表明,在空间固定和时间固定及空间时间双固定效应模型中, R-Lmlagpanel和R-Lmerrorpanel均显著,都可能存在空间相关性。进一步空间面板SAR和SEM的检验结果显示,模型较好地控制了残差空间自相关性质,仅在SEM模型中R-Lmerrorpanel显著,说明这两个模型均能较好地对问题进行分析,但检验结果仍有存在残差自相关的可能。
　　由以上检验结果可知,此时需要对更普遍形式的SDM进行检验,估计结果如表4所示。由检验结果可知, loglikelihood由886提升到926,表明SDM模型较之SAR和SEM模型拟合度有显著提高,并且Wald和LR均显著;更一般形式的MM模型结果表明, MM确实对估计效率有提高,对应于SDM-fe模型在5%水平上显著的LR值,理论上Manski模型并不能简化成SDM模型,并且Manski模型的估计结果并不合理,结果不符合这一取值范围,另考虑忽略MM模型中残差空间相关带来的系数估计偏误较小,本文认为SDM模型为最适当的模型。进一步由Hausman检验结果得知,估计时应采用固定效应模型。表4空间面板模型的估计结果(SDM, MM)»SDM-fe SDM-re MMtradeit-1012922***012888***012992***tecit-1-016146***-016112***-015323***rfdiit-1-013498***-013328***-013013***roseit-1013542***013557***013444***rinit-1010799***010789***010772***ktyit-1-012112***-012100***-012003***rbnkit-1-012233***-012198***-012056***humit-1012456***012398***012534***W* trade -010977***011154**013971***W* tec 017044***016556***010856W*rfdi 012045*011969*010601W*rose -011057**011297*014054***W*rin -010085***010094**011062***W*kty 011254***011278**012467***W*rbnk 011433**011476*013902***W*hum 012626**-012166**-011044W*dep1var 011716***010629 -110375***Spat1aut 017659***teta 010472***R2019976 019655 019950corr2 014741 011419 013977Log likelihood 92614665 -6543717660 92710765Wald-spatial-lag 6712338***5914334***LR-spatial-lag 5916904***7719102***Wald-spatial-error 5315399***5414439***LR-spatial-error 6013356***7914995***Hausman test 2610493***LR (MM vs SDM-fe) 1911289**   注: ***、**、*分别表示在1%、5%和10%水平上显著。 
　　表4的检验结果表明,贸易开放及技术进步在区域劳动收入份额变化过程中起重要作用,且区域劳动收入份额还受到其他因素变动的影响,即存在空间交互性。W*dep1var等空间滞后项系数显著,这表明:首先,贸易开放程度的增大、国有经济比重的增加、产业结构优化、人力资本的提升在空间上表现出了对劳动收入份额的积极作用。其次,也存在着消极的空间影响(W* tec ; W*rfdi ; W*kty),即各因素综合影响劳动收入份额的变化。最后,空间滞后项和交互项的显著性表明可能存在空间溢出效应,即贸易开放、技术进步及其他因素在空间上对其他地区劳动收入份额的变化产生影响。为了进一步检验空间效应的存在性,本文计算了SDM估计模型下的直接效应和间接效应,并对空间溢出效应进行了检验。检验结果见表5。根据间接效益的显著性可以判断空间溢出效益的存在,根据K个N*N偏微分矩阵的分析结果可知,贸易开放、科技进步、外商直接投资和银行部门的扩张在空间上具有溢出效益,而其他变量的空间溢出效益则不显著。贸易开放的结果表明虽然贸易开放在本地区表现为正的直接效益,但在区域间却对劳动收入份额的增长具有消极影响,对周边区域的劳动收入份额存在着空间上的负向溢出效应;技术进步在本地区表现为负的直接效益,但在区域间却对劳动收入份额的增长具有积极影响,对周边区域的劳动收入份额存在着空间上的正向溢出效应。可见,若不能及时对其他区域的发展策略作出调整,则可能面临收入分配效率上的损失。而除人力资本变量外其他变量的直接效应和间接效应都表现为相反性,则说明各变量中的矛盾已经凸显,迫切需要对各变量发展结构的合理性进行重新审视。
　　表5各变量直接效应和间接效应及空间溢出效应检验系数t pTRADEit-1012928 616012 010000tecit-1-016023 -1313051 010000rfdiit-1-013444 -818657 010000直接效应roseit-1013655 815044 010000rinit-1010856 111290 010633ktyit-1-012001 -610011 010000rbnkit-1-012238 -613456 010000humit-1012467 518796 010000tradeit-1-010999 -518432 010000tecit-1015991 416592 010551rfdiit-1011637 310326 010051间接效应roseit-1-011267 -113348 013245rinit-1-010125 -110266 014543ktyit-1010855 213344 017521rbnkit-1011155 214034 010043humit-1012756 314401 013245tradeit-1011929 412522 010000tecit-1-010032 -310244 010000rfdiit-1-011807 -312433 012544总效应roseit-1012388 416067 012344rinit-1010731 010856 014433ktyit-1-011146 -213321 012217rbnkit-1-011083 -210321 012515humit-1015223 1214069 010056
　　五、结论及启示
　　劳动收入份额与贸易开放及技术进步有着密切的联系,更为重要的是劳动收入份额作为初次收入分配的组成部分也成为未来调整方向的关键。因此,加深对贸易开放、技术进步与劳动收入份额关系的理解至关重要。本文利用2001-2010年间中国各省区的面板数据对贸易开放和技术进步在区域劳动收入份额分布的空间相关性的影响及其在劳动收入份额上表现的直接和间接效益进行了分析,发现了中国劳动收入份额存在不平衡的事实。且控制贸易开放及技术进步后,区域劳动收入份额的空间分布性质发生了显著变化,即区域贸易开放及技术进步是构成中国劳动收入份额在区域空间分布的重要影响因素。贸易开放及技术进步在区域劳动收入份额方面的影响是复杂的,讲述着中国区域劳动收入份额与贸易开放及技术进步不匹配的事实。进一步,贸易开放与技术进步在空间上具有显著的溢出效应,区域劳动收入份额还受到其他区域因素调整的影响。本文针对中国劳动收入份额变化原因的研究有助于更深层次地探讨要素分配的相关政策建议和措施。首先,贸易开放对劳动收入份额具有正向作用。这可以说明,一方面,可以更好地发挥中国劳动力资源丰裕的优势,发挥贸易开放对劳动力价格的影响从而提高劳动收入份额;另一方面,可调整贸易开放的结构,合理化其影响技术进步的方向。其次,改善中国的技术进步模式。为避免劳动收入份额的进一步降低,有必要改进技术进步模式,加强自主创新能力,注重劳动密集型技术的开放、引进和应用。再次,继续发展劳动密集型产业、继续深化国有企业改革以及提高劳动者素质等都将有利于提高劳动收入份额。m
    主要参考文献:[1] Ferguson, C. E. NeoclassicalTheory ofTechnical Progress and Relative Factor Shares [J]. Southern EconomicJournal, 1968, 34 (4).[2] Bentolila, S, Saint- Paul G. Explaining Movements in the Labor Share [J]. Contributions to Macroeco-nomics, 2003, 3 (1).[3] Blanchard, O. The Medium Run [J]. Brookings Papers on Economic Activity , 1997, (2).[4] Serres, A. D., S carpetta, S., Maisonneuve, C. D. L. FallingWage Shares in Europe and theUnited States:How Important is Aggregation Bias? [J]. Empirica, 2001, 28 (4).[5] More, l L. ASectoral Analysis of Labourps Share of Income in Canada [J]. Working paper, Research Depart-ment, Bank of Canada, 2005.[6] Solow, R. M. ASkeptical Note on the Constancy of Relative Shares [J]. American Economic Review, 1958,48 (4).[7] Harrison, A. E. Has Globalization Eroded Laborps Share? Some Cross-Country Evidence [J]. Mimeo, UCBerkeley , 2002 (46).[8] Ishac Diwan. Debt as Sweat: Labor, Financial Crises and the Globaliation of Captial [J]. workpaper, 2001.[9] Claudia M. Buch. Tradeps Impact on the Labor Share: Evidence from German and Italian Regions [J]. IAWDiscussion Papers, 2008 (46).[10]邵 敏,黄玖立.外资与劳动收入份额-基于工业行业的经验研究[J].经济学(季刊), 2010(4).[11]张全红.我国劳动收入份额影响因素及变化原因)))基于省际面板数据的检验[J].财经科学,2010 (6).[12] Daron Acemoglu. Technical Change, Inequality and the Labor Market [J]. Journal of Economic Literature,2002, (40).[13]周 申,杨红彦.国际贸易、技术变动对我国工业部门劳动收入份额的影响[J].国际经贸探索, 2011 (4).[14]张 莉,李捷瑜,徐现祥.国际贸易、偏向型技术进步与要素收入分配[J].经济学(季刊),2012 (1).[15] LeSage J. P., Pace R. K. Introduction to spatial econometrics. Chapman /&Hall/CRC. 2009.[16]陈瑾瑜.全要素生产率与技术进步间的差别及测算[J].数量经济技术经济研究, 2012 (6).