摘要: 在优选、 创新计量方法并建立省际面板矩阵的基础上， 发挥面板模型兼具截面和时序分析的优长， 利用EViews 和 ArcGIS 软件， 探讨影响经济增长的投入要素及其时空演变过程与耦合规律， 给出驱动结构的中国经验模式。结果显示:(1)总体上， 研究结论符合发展经济学关于经济动力系统由资本、 劳动力及人力资本等组分构成的基本假说， 投资占绝对主导地位(贡献率为 82． 5%)， 而人力资本弹性最大(0． 772)， 预示了发展的前景方向;(2)时序上， 经济驱动结构因受真实时间影响而呈现出阶段性特征， 3 个解释变量表现出 4 种组合形式及有序过程， 印证了经济驱动力必将向资本、 人力资本演进的一般规律;(3)在空间维度上， 经济驱动类型涵盖了 3 大类 7 亚类， 集聚为由 9个板块构成的经济地图， 突破了关于中国传统经济地带(类型)假说的认知， 勾绘出地域主体功能深入演进及分异的新格局;(4)经济驱动结构不是简单的时空耦合， 而是在契合一般时序规律的同时， 在空间上表现出复杂性及自适应性。

关 键 词: 经济驱动结构;资本投入;人力资本;劳动投入;面板数据

0 引言

从要素投入角度考察区域增长的驱动方式及特征是国内外学术界关于宏观经济运行系统的研究重点之一， 对认识区域经济增长方式及其制约因素与源动力有着重要理论和实践价值［1 －2 ］ 。以往的研究聚焦于区域增长模式如何取决于物质资本、 劳动力、 基础设施、 研发活动、 全要素生产率等各种投入要素而又反作用于它们的互动关系命题， 给出经验解释［3 －6 ］ 。不过， 这些文献大多要么选取特定区域或者极少数区域作时间序列分析， 要么选取某种尺度作截面分析， 而少量面板分析文献则又局限于强调区域间结构稳定的个体固定效应， 未能全面而精细刻画出驱动结构在真实时间和省际区域中的效能表现。作为经济地域复杂适应性系统的组分， 各省市区在内外环境作用下， 难免在驱动结构上形成偏差［7 ］ ;另一方面， 区域经济有其周期性规律， 各省市区的发展程度及其驱动系统与其所处发展阶段有关。

为此， 本研究在优选和建立省际面板矩阵的基础上， 利用面板模型兼具截面和时序分析的优长， 试图管窥影响经济增长的投入要素及其时空演变过程与耦合规律。

1 计量模型、 变量和指标遴选

1． 1 计量模型构造区域经济动力系统的常用研究模型是柯布－道格拉斯生产函数， 即 CD 模型。该模型是在社会技术条件衡稳且属于外生的假定下， 以劳动力和资本二要素的组合投入作为观察变量， 探索区域经济的投入－产出关系及其数学表达式。经验研究证实了 CD 模型在工业化上升时期具有较强的适用性， 从投入角度揭示区域经济增长的实质及来源;其缺陷则在于社会技术条件不变的假设， 即忽略了技术条件的作用， 尤其是注重技术创新的知识经济时代人力资本对区域增长的贡献。新经济增长理论的代表人如舒尔茨、 罗默和卢卡斯等人， 阐明了以知识、 技术、 经验和健康为内容的人力资本在区域发展中的基础性作用， 认为人力资本投资和积累是经济增长的 “发动机”［8 ］ ， 而中外经济发展的实践和趋势也给出了相当多辅证［9 ］ 。至于如何在区域生产函数中辨识或体现人力资本， 有两种处理法:其一， 将总产出增长中未能被劳动和资本投入所解释部分归为技术进步的结果，称为全要素生产率亦即“索洛剩余” ;其二， 将人力资本从劳动力中分离出来， 构建反映人力资本并使之内生化的生产函数。考虑到社会技术条件包括科技、 制度、 文化等多种非经济要素， 技术进步也并不等同全要素生产率， 故而， 选用后者更能寻求到人力资本的增长绩效的直观证据［10 ］ 。表达式:Y = AK α L β H γ 。 (1)式中: Y 为总产出;K 为物质资本投入;L 为劳动力投入;H 为人力资本投入;A 为综合要素倾向是个常数; α， β， γ分别对应为物质资本、劳动力和人力资本的产出弹性。取自然对数作线性化处理， 则有:ln Y = ln A + α ln K + β ln L + γ ln H 。 (2)

1． 2 变量和指标遴选

1．2．1 经济产出指标。选取地区总产值 GDP 表征各省历年产出水平 ， 利用地区生产总值指数将地区 GDP 转化为可比价格， 以降低价格因素对研究结论的影响。

1．2．2 资本投入指标。对于资本投入 K 有多种评估:其一， 将当年固定资产投资或固定资本形成总额视为 K值;其二， K 值等于固定资本形成总额与流动资金之和即资本形成总额; 其三， K 值是资本形成总额的增加值［11－12 ］ 。 此3 种评估法的优点是易于从统计年鉴中获取指标， 其最大缺陷是没有考虑到资本的累积性及其作用效应的滞后性。为弥补不足， 张军等学者援引了戈登史密斯(Goldsmith)开创的永续存盘法［13 ］ 。因其兼顾了固定投资的存量和增量， 信度和效度得到明显提升。计算公式:K i， t = [ 100 K i， t－1 (1 － δ t ) + I i， ]t/μi， t。 (3)式中: i 为研究区内第 i 个省市区;t 为观察期内第 t 年;K i， t 是指i省市区t年的资本投入; K i， t－1 则为其前一年的资本投入; δ t 为第t年经济折旧率; I i， t 为i省市区t年的固定资产投资额; μ i， t 为 i 省市区 t 年的固定资产投资价格指数。经济折旧率 δ i 尚未有统计公布， 一般作间接核算或者合理估计［14 ］ ， 其阈值基本保持在0．05 ～ 0．10。 由于保全资本价值的方法是资本重置或补足， 而重置的价格则可依据银行贷款利率计算， 故而可比照金融机构法定贷款 1 年期利率作为资本折旧率， 1989—2011 年的利率为0． 053 和0．1 之间。 为降低不同年份和不同区域价格因素的影响， 利用 μ i， t 指数将固定资产投资额换算成可比值。μ i， t 指数是从 1991 年开始统计公布的， 对于 1989， 1990年及个别地区缺失数据， 则参照 “各地区零售物价指数”进行估计， 并结合各地区固定资产投资价格指数曲线的平滑移动作了调整。 至于基期的资本存量， 则按专家的经验估算并参考研究文献， 粗略设定为各地区1988 年生产总值的 2 倍。

1．2．3 劳动投入指标。 前人研究中， 多将就业人口视为区域劳动力投入量 L， 忽略了区域间和行业间的劳动力差异。事实上， 城乡间、 农业和非农业之间的劳动投入水平存在着质的区别， 尤其是在农业劳动力富余的情况下其边际效益更低， 遑论还有大量的隐性失业人口。可见， 应对各地就业人口进行区分处理， 可依据城乡收入比例， 将 “第一产业就业人员” 折算为等同于其他产业就业效率的可比就业人口， 定义为标准就业人口。计量公式:L i， t = L i， t， 1 θ i， t/θi， t+ L i， t， 2 + L i， t， 3 。 (4)式中: L i， t 为i 省市区t 年的标准劳动投入量; L i， t， 1为i 省市区 t 年第一产业就业人员; L i， t， 2 为 i 省市区 t 年第二产业就业人员; L i， t， 3 为 i 省市区 t 年第三产业就业人员; θ i， t为 i 省市区 t 年的城镇居民可支配收入; θ i， t 为 i 省市区 t年的农村居民纯收入。

1．2． 4 人力资本指标。测度区域人力资本存量比较困难， 为方便收集数据并简化研究内容， 本模型借鉴并采用受教育年限法来测度区域人力资本存量［15 －16 ］ 。该方法是将受教育程度划分为 5 层级， 即文盲或半文盲、 小学、 初中、 高中包括中专、 大专及以上， 视同级教育所形成的人力资本是无差别的， 并对各级受教育程度进行赋权以量化区域人力资本。参考传统教育序列所规定的教育年限， 分别赋予 1， 6， 9， 12， 16 年的权值。人力资本存量计算式:H i， t = ∑5λ =1ω λ H ' i， t， λ 。 (5)式中: H i， t 为i省市区t年的人力资本存量;λ为受教育程度分级， 如上所述划分为5级; ω λ 为第λ受教育层级的权值;H ' i， t， λ 为 i 省市区 t 年第 λ 级受教育程度的人口数。

2 数据获取与面板处理

2． 1 数据获取鉴于数据可得性和统计口径的一致性， 将研究期界定为 1989—2011 年， 原始数据均来源于历年中国统计年鉴和人口统计年鉴。西藏因为指标数据缺失过多而未纳入到实证研究;重庆于 1997 年设直辖市， 为保持面板的齐整性， 缺失的数据参照四川省。对指标作了如下处理或调整:① 关于区域产出， 1989—1991 年选用的统计指标是 “地区国民生产总值” ， 1992—2011 年选用“地区生产总值” ;② 关于劳动投入， 1989—1992 年选取的统计指标是 “分行业社会劳动者人数” ， 1993—2011 年选用“按三次产业分就业人员数” ;③ 关于受教育程度， 对1989， 1991 和 1992 年的缺失数据进行了插值处理。以省级行政区作为研究单元， 难免会受到人口、 面积、 资本、 经济等方面的规模差异的影响。 为此， 可将区域总量指标转换成了人均指标， 以提高各截面的可比性及其结论的可靠性。 从而， 区域投入－产出的总量指标则相应变为人均产出(Y)、 人均资本投入(K)、 人均劳动投入(L) 和人均人力资本投入(H)。 式(2) 改写为:ln Y = ln A + α ln K + β ln L + γ ln H 。 (6)

2． 2 面板数据处理该面板数据的截面 N 为30 个省市区， 时间序列长度T 为 23 年， 以人均产出为被解释变量， 以人均资本投入、人均劳动投入和人均人力资本投入3 个变量作为解释变量(记为 k)。 对式(6) 赋予时间属性和截面特征， 则有:ln Y i， t = ln A i， t+ αi， t ln K i， t+ βi， t ln L i， t+ γi， t ln H i， t。(7)运用计量经济软件 EViews 6． 0， 逐步对面板数据开展混合估计、 基于时点和基于个体的变截距与变系数估计， 以揭示经济增长的要素投入种类与时空耦合规律。具体步骤如下。第一步， 估计面板混合回归模型。混合模型又称为无个体、 亦无时点影响的不变系数模型， 其优点在于能描述研究对象的总体特征和趋势。对省际面板数据进行混合回归， 就是将所有省市区视为一个内聚性且稳定发展的经济区， 探讨中国经济增长的主要驱动力及其组合方式。选用 OLS 估计法， 得到一个有效混合回归模型:ln Y i， t = 0． 893 + 0． 695 ln K i， t + 0． 221 ln L i， t +0． 772 ln H i， t 。 (8)(9． 492 ＊ ＊ ＊ )(62． 534 ＊ ＊ ＊ ) (5． 606 ＊ ＊ ＊ )(10． 412 ＊ ＊ ＊ )Ｒ 2 = 0． 972 F = 7 464． 306 SSE = 19． 407式中:括号内数值为相应回归系数的 t 统计量; * 表示回归系数在0．1统计水平上显著， ＊ ＊ 表示在0．05水平上显著， ＊ ＊ ＊ 表示在0．01 水平上显著;Ｒ 2为可决系数;F 即 F统计量;SSE 为残差平方和。第二步， 估计基于时点的面板模型。

 社会经济现象有其时间过程， 只是变化的范围、 周期、 频率和强度不等而已。 对经济驱动力作时点模型估计， 目的是确定真实时间对经济驱动力的影响， 以揭示其时间律动性。 时点面板模型分为时点变截距模型和时点变系数模型;根据截距项的统计特性， 时点变截距模型又分为时点固定效应和时点随机变截距模型。 试算的结果是适用于时点固定效应模型(Hausman 检验统计量为 5．466 2， 其概率值p 为 0．141)， 给出时点固定效应变截距模型式(9) 和变系数模型式(10):ln Y i， t = (1． 260 + τ t ) + 0． 705 ln K i， t + 0． 263 ln L i， t +0． 562 ln H i， t 。 (9)(7． 484 ＊ ＊ ＊ )(49． 313 ＊ ＊ ＊ ) (7． 484 ＊ ＊ ＊ )(8． 810 ＊ ＊ ＊ )Ｒ 2 = 0． 985 F = 1 728． 062 SSE = 10． 282ln Y i， t = (1． 233 + τ t ) + α t ln K i， t+ βt ln L i， t+γ t ln H i， t 。 (10)(8． 169 ＊ ＊ ＊ )Ｒ 2 = 0． 988 F = 524． 044 SSE = 8． 449式中: α t， βt 和 γ t 分别为t年的物质资本、 劳动力和人力资本的估计参量;τ 代表固定效应; τ t 是指 t 年的固定效应，反映的是不同时点下相对平均截距项的偏离程度。主要回归结果见表 1。第三步， 估计基于个体的面板模型。经济社会发展普遍存在区域差异， 这与各省市区的地理条件、 资源赋存、 发展阶段、 市场发育和文化制度等方面有关， 即使在全世界也很难找到两个具备相同的发展水平和发展环境的区域。因而， 有必要对区域的要素投入结构开展基于个体的面板模型拟合， 探究各省市区的经济驱动差异。基于个体的面板模型分为个体变截距模型和变系数模型;而个体变截距模型又分为个体固定效应和随机效应变截距模型， 初算表明个体固定效应模型更合理(Hausman 检验统计量为 5． 485， 其概率值 p 为 0． 140)。对面板数据进行个体固定效应变截距和变系数拟合， 得到式(11)和式(12):ln Y i， t = (0． 449 + τ i ) + 0． 668 ln K i， t + 0． 084 ln L i， t +1． 050 ln H i， t 。 (11)(3． 506 ＊ ＊ ＊ ) ( 44． 544 ＊ ＊ ＊ ) (1． 277)(9． 395 ＊ ＊ ＊ )Ｒ 2 = 0． 980 F = 958． 485 SSE = 13． 660 ln Y i， t = (0． 722 + τ i ) + α i ln K i， t+ βi ln L i， t+γ i ln H i， t 。 (12)(3． 822 ＊ ＊ ＊ )Ｒ 2 = 0． 987 F = 340． 704 SSE = 8． 962式中: τ i 为 i 省市区的固定效应， 反映不同截面下相对平均截距项的偏离程度。主要参数估计见表 2。

3 模型比较与甄选及其经济学意义

3． 1 模型的比较与甄选混合回归模型、 基于时点的面板模型和基于个体的面板模型都通过了拟合优度检验与总体显著性检验: Ｒ 2及其修正值均大于 0．97， 表明拟合很好;F 值很大， 在0．01 统计水平上均为显著;除了式(11) 的劳动投入外，混合回归模型、 变截距模型的回归参数的显著性水平均为 0．01。为确定哪个模型更能精细而深刻拟合面板数据， 必须 对各模型进行比较与甄选。 对于混合模型与变截距模型， EViews 6．0 提供了一种利用冗余变量似然比统计量 LＲ 来作比较和选择的方法。 输出的检验结果显示， 时点固定效应变截距模型和个体固定效应变截距模型的统计量 LＲ 值分别为 419．210 和 231．770， 显著性水平均为 0．000， 表明与变截距模型相比， 混合模型是有偏差的。 而对于变截距模型和变系数模型之间的选择， 主要是根据协方差的统计检验量 F' 来确定， 表达式:F' =(S 2 － S 1 ) [ / (N － 1) ] kS 1 [ / NT － N(k + 1 ] )。 (13)式中: S 2 和 S 1 代表变截距模型和变系数模型的残差平方和， 即 SSE 值;时点模型和个体模型的 F' 为 1．347 和6．207， 均大于 0．05 检验水平下的 F 分布临界值 1．290，表明与变系数模型相比， 变截距模型是有偏差的。 可见，无论是时点模型还是个体模型， 可得出一致性结论:变截距模型优于混合模型， 而变系数模型则优于变截距模型。

3． 2 计量模型的经济学意义

3．2．1 驱动结构总体特征。 对省际面板数据作混合回归分析、 时点固定效应变截距回归分析和个体固定效应变截距回归分析， 目的是通过固定一些扰动因素， 寻求宏观经济增长的总体驱动力及关键投入要素。 混合回归分析没有把时间影响和空间影响纳入到模型中， 后二者则是在时间维度和空间维度对扰动因素作了限定的基础上对面板数据拟合的结果。 3 个模型从宏观层面勾画出总体生产函数， 为分析经济增长的内驱力与主导因素提供了实证经验。其一， 混合回归模型式(8) 揭示了20 多年来宏观经济增长模式:一方面， 要素投入规模不断扩大， 不仅在总量上更在人均水平上得到提升， 其中 K 年均增长率为0．18， L 年均增长率为 0．008， H 年均增长率为 0．021;另一方面， 从产出弹性来看， Y 对 K， L 和 H 的弹性分别为0．695， 0．221 和0．772， 表明每增加一个单位 K， L 和 H， Y将增长 0．695， 0．221 和 0．772 个单位。其二， 变截距模型式(9) 和式(11) 印证了上述判断。 虽然时点变截距模型和个体变截距模型都存在固定效应， 并在一定程度上表现出对平均截距的偏离， 但是这种震荡是适度可控的， 因为其截距项的 t 检验值为7．484 和3．506， 表明在0．01 统计水平上为显著。 更重要的是， 这两个模型在证实时点效应和个体效应的同时，也证实了结构的相对稳定性， 即解释变量的结构参数在不同的截面上是相同的:在时点变截距模型中， Y 对 K， L和 H的弹性值大致保持为0．705， 0．263 和0．562;在个体变截距模型中， Y 对 K， L 和 H 的弹性大致保持为 0．668，0．084 和1．050。 可见， 物质资本、 劳动力和人力资本在不同年份间、 不同省市区间的投入比例与产出效益呈现出某种稳态。

3．2．2 驱动结构历时性特征。 时点变系数模型较时点变截距模型更有解释力， 证实经济驱动结构具有时序性。 式(10) 与表1 的拟合结果给出了区域发展动力的时间过程、 变化特征及其数量关系:① α t 比较平稳且t统计量在 0．01 统计水平上均为显著， 表明 1989 年来资本投入在中国经济增长中发挥着主导性稳定器作用。 ② β t 先升后降， 其 t 统计量集中于1996—2005 年在0．05 统计水平上显著， 表明劳动投入显著发挥效用期为 1996—2005年， 这 10 年正是劳动力区域间、 城乡间流动转移的加速期。 ③ γ t 则持续上升， 其 t 统计量从 1998 年开始变得显著(仅 1999， 2009， 2010 年的显著水平为 0．1)， 表明人力资本投入在新时期以来开始发挥效用。可见， 物质资本、 劳动力和人力资本 3 个解释变量明显呈现出 4 种组合形式与发展阶段:1989—1995 年为第一阶段， 主导驱动力为资本投入， 是资本主导发展期;1996—1997 年为第二阶段， 劳动投入开始成为资本投入之外的又一驱动力， 是资本、 劳动双驱动期;1998—2005年为第三阶段， 人力资本效应显现并成为区域发展的新增点， 进入了资本、 劳动力和人力资本三力驱动期;2006—2011 年为第四阶段， 劳动投入对经济增长的贡献日趋式微， 至此形成了以资本投入和人力资本投入为主的新驱动结构。总体上， 区域经济增长主要源于资本的贡献， 劳动力的贡献份额小， 并出现向资本、 人力资本演进的态势， 这与区域发展阶段性理论所描述的演进规律相符合［17 ］ 。

3．2．3 驱动结构共时性特征。个体固定效应变系数模型回归系数的 t 统计量的显著性及 Beta 值可供分析各省市区的具体驱动特征及贡献份额， 并通过比较和归并来判断其驱动类型， 揭示经济驱动力的区域差异。所谓Beta 值， 即对面板数据作标准化处理后的回归参量;而Beta 值所占的比重就是各解释变量的贡献份额或贡献率［18 ］ 。相关 Beta 值及其贡献份额见表 3。对比各省市区的投入要素的 Beta 值及其显著性检验值初步判断经济驱动结构的组分。在 5% 统计检验水平 上， 3个解释变量均显著的省市区有10个:北京、 天津、 河北、 山西、 内蒙古、 河南、 湖北、 安徽、 湖南、 江西。进一步对其余 20 个省市区作逐步回归， 求得优化模型:山东、 浙江、 福建、 广东、 海南、 新疆、 青海、 宁夏 8 个省市区只有资本投入显著， 其余省份均为两个解释变量显著。据此可将各地区的经济驱动力分为 3 类:资本驱动型、 双驱动型、 三力驱动型。进而， 对比各省市区的要素贡献率， 识别经济驱动力的主导因子:资本投入为首要因子， 在所有省市区中均显著， 且平均贡献率达 75%， 高于 80%的省市区有14 个， 低于50%的省市区只有3 个; 人力资本投入是次要因子， 在 21 个省市区中表现出显著， 平均贡献率为29%， 最大值为黑龙江的44．4%， 最小值为贵州的 13．4%;劳动投入为弱影响因子， 仅在 11 个省市区中表现出显著， 平均贡献率为 11． 8%， 最大值为安徽的21．7%， 最小值为内蒙古的5%。最后， 将前面两步分析结论进行叠加， 并借助 ArcMap 技术， 使经济驱动力的区域类型可视化， 探讨经济驱动力的空间特征和规律。经济驱动力的空间模式见图 1。依据驱动力的组分及其贡献份额， 经济驱动类型划分为 3 大类型和 7 亚类: 资本驱动Ⅰ型呈带状分布在东南沿海 5 省， 多是较早实施对外开放的省份， 大规模资本投入成为了经济快速发展强劲动力;① 资本驱动Ⅱ型主要分布在西北地区 3 个省区， 虽然该区域同样是以资本投入作为单一驱动力， 然而其主要原因却不是因为资本充裕， 只是相对于长期短缺的劳动力和人力资本而言物质资本更占优。② 双驱动Ⅰ型包括江苏和上海两省市;双驱动Ⅱ型集中分布在东北三省， 该地区作为老工业基地在资本存量和人力资本方面具有明显优势， 二者对经济发展的贡献率都很大;双驱动Ⅲ型集中分布于西部地区的 7 省市区， 与东北三省一样同属于由物质资本和人力资本组成的双驱动型， 其不同点在于人力资本对于经济驱动的贡献率较低， 这就意味着资本投入才是该地区的主导驱动力， 而人力资本存量不足且易于外流导致其效用未能真正得以发挥。③ 三力驱动Ⅰ型集中分布在华中五省， 3 个解释变量的贡献率均占有一定份额，其中劳动投入的平均贡献率为 17．2%， 资本投入的平均贡献率为 44． 7%， 人力资本投入的 平 均 贡 献 率 为38．1%， 这是由于该区域劳动力充足、 受教育程度良好而资本稀缺， 从而形成了三力比较均衡发挥作用的局面;三力驱动Ⅱ型连片分布于华北 5 个省市区， 与三力驱动Ⅰ型相比， 其不同之处是劳动投入的贡献率很低(小于 8%)， 主要贡献来自于快速增长的物质资本和坚实的人力资本， 以 2010 年来看， 其人均固定投资额超出全国水平 10 666 元， 人均受教育水平高于全国水平 0． 7年。④ 总体上计算三个解释变量对因变量的贡献率， 资本投入是全部省市区均为显著且贡献率占主导地位的唯一变量， 平均贡献率达 75．0%， 其次是人力资本投入，平均贡献率为 29．2%， 最后是劳动投入， 仅在华中、 华北显著， 平均贡献率为 11．8%。

4 结论及启示

借鉴区域发展驱动力的研究成果， 针对现有计量模型中关于区域资本、 经济折旧率和有效劳动等指标代表性不足的问题， 对模型作了改进以使其更能符合中国实际;利用区域经济学方法和省际面板数据， 对新时期经济增长的动力系统进行了定性和定量分析， 从总体层面、 时空维度探讨经济驱动结构的时空特征及耦合规律， 得出如下结论及启示。其一， 省际面板数据的混合回归、 时点固定效应变截距回归和个体固定效应变截距回归 3 个模型均通过了拟合优度检验和总体显著性检验， 揭示出 20 年来发展中的共性规律， 给出了宏观经济增长的总驱动特征:1)在适度科学简化并固定某些扰动因素前提下， 各省市区的基本驱动结构是趋同的， 即支撑中国区域经济发展的投入要素主要由资本、 劳动力及人力资本等组分构成， 这与西方发展经济学关于经济动力系统的实证经验是一致的;2) K， L 和 H 的贡献率分别是 82．5%， 13．4%和 4．1%， 其产出弹性为 0． 695， 0． 221 和 0． 772。可见，积累和持续投资仍然是经济增长的现实动力， 人力资本的经济效应尚不足以让人盲目乐观， 预计投资拉动增长的模式还将持续。不过， 人力资本的弹性最大， 表明其发展潜力极大， 将是驱动结构调整的主导方向。其二， 时点变系数模型通过了检验， 并从混合回归模型、 时点变截距模型中优选出来， 表明经济驱动结构具有时序性， 其组分在时间过程中先后演替为 4 种组合方式及发展阶段:1)20 年来经济驱动结构经历了资本主导发展期(1989—1995 年) →资本、 劳动驱动期(1996—1997 年) →资本、 劳动力和人力资本三力驱动期(1998—2005 年) →资本投入为主、 人力资本投入为辅的新驱动期(2006—2011 年);2)资本投入的贡献最大且贯穿了整个研究期， 劳动力的作用微弱且仅限于 1996—2005年的 10 年间， 人力资本效应的发挥稍晚于劳动力， 且所占份额很小。在某种程度上， 该结论体现了经济驱动结构从劳动、 资本型向资本、 人力资本型演进的必然规律，也与多数对中国经济增长的因素及其作用特征的判断相类似［19 ］ 。其三， 个体变系数模型从混合回归模型、 个体变截距模型中优选出来， 说明经济驱动结构与每个省市区自身客观实际尤其是发展阶段及相邻区域发展方式有关，表现出特有的空间特征及模式:1)经济驱动类型大致涵盖了 3 大类型和 7 亚类， 其中资本驱动型细分出 2 个亚型， 双驱动型细分出 3 个亚型， 三力驱动型细分出 2 个亚型;2)区域经济呈现出集聚态势和空间关联性， 演化为由 7 个类型、 9 个主体功能板块构成的经济地图， 突破了关于中国传统经济地带(类型)假说的认知［20 －21 ］， 勾绘出地域功能深入演进及分异的新格局。3)不同解释变量的平均贡献率存在明显差异， 由资本投入(75． 0%)向人力资本投入(29． 2%)而后是劳动投入(11． 8%)递减。其四， 面板分析因其能将截面和时间序列同时纳入数学模型， 为探讨经济驱动结构的时空耦合性提供了有力工具， 并得到新经验启示:1)资本投资的贡献率具有西北地区和东南地区两头高、 中西部地区较低的特点，大致呈现为 “U” 型空间格局;2)人力资本的贡献率具有自西南向华中、 华北、 东北渐次上扬的特征， 形似 “U” 型右侧部分;3)劳动力贡献率则是自华南向华北递降， 形似 “U” 型左侧部分。这表明， 经济驱动结构远非前人研究所认为的简单线性时空耦合， 它在时序上遵循驱动力发展的内在规律， 又在空间上表现出系统演替的复杂性及对各省市区基于比较优势的特有经济运行方式的自适应性。

参考文献:［ 1］ 杨淑华． 我国经济发展方式转变的路径分析— — —基于经济驱动力视角［ J］ ． 经济学动态， 2009(3):30 －33．［ 2］ Young A． Gold into Base Metals:Productivity Growth inthe People’ s Ｒepublic of China during the Ｒeform Period［ J］ ． Journal of Political Economy， 2003， 111(6):1220 －1260．［ 3］ Fleisher B， Li Haizheng， Zhao Minqiang． Human Capital，Economic Growth， and Ｒegional Inequality in China［J］ ．Journal of Development Economics， 2010， 92(2):215 －231．［ 4］ 白永秀， 王颂吉． 经济发展方式转变的目标及影响因素［ J］ ． 经济学家， 2011(6):102 －104．［ 5］ Zhu Jin， Lan Mingyong， Fu Xiaolan． Spatial Characteristicsand Dynamics of Provincial Total Factor Productivity inChina［J］ ． Journal of Chinese Economic and BusinessStudies， 2008， 6(2):197 －217．［ 6］ 陶长琪， 齐亚伟． 中国全要素生产率的空间差异及其成因分析［ J］ ． 数量经济技术经济研究， 2010(1):19 －32．［ 7］ 陈才． 区域经济地理学［ M］ ． 2 版． 北京:科学出版社，2009:171 －180．［ 8］ Ｒomer P M． Endogenous Technological Change［J］ ． Jour- nal of Political Economy， 1990， 98(5):102 －103．［ 9］ 王军， 杨惠馨． 2006—2008 年中国省际高技术产业效率实证研究［ J］ ． 统计研究， 2010， 27(12):46 －50．［ 10］ 季民河， 武占云， 苏海龙， 等． 中国经济增长与制度变迁的空间面板数据分析［ J］ ． 地域研究与开发， 2011，30(6):1 －5．［ 11］ 单豪杰． 中国资本存量 K 的再估算:1952—2006 年［ J］ ． 数量经济技术经济研究， 2008(10):17 －31．［ 12］ 孙琳琳， 任若恩． 资本投入测量综述［J］ ． 经济学，2005， 4(4):823 －841．［ 13］ 张军， 吴桂英， 张吉鹏． 中国省际物质资本存量估算:1952—2000［ J］ ． 经济研究， 2004(10):35 －44．［ 14］ 李治国， 唐国兴． 资本形成路径与资本存量调整模型— — —基于中国转型时期的分析［J］ ． 经济研究，2003(2):34 －42．［ 15］ 徐现祥， 舒元． 物质资本、 人力资本与中国地区双峰趋同［ J］ ． 世界经济， 2005(1):47 －57．［ 16］ 李海峥， 梁玲， Barbara Fraumeni， 等． 中国人力资本测度与指数构建［ J］ ． 经济研究， 2010(8):42 －54．［ 17］ 王一鸣． 我国中长期经济增长趋势与加快转变经济发展方式［ J］ ． 宏观经济研究， 2010(12):3 －14．［ 18］ McGrew J C， Monrod C B． An Introduction to StatisticalProblem Solving in Geography［ M］ ． 2nd ed． Long Grove:Waveland Press， Inc． ， 2009．［ 19］ 金相郁， 段浩． 人力资本与中国区域经济发展的关系— — —面板数据分析［ J］ ． 上海经济研究， 2007(10):22 －29．［ 20］ 杨晓光， 樊杰， 赵燕霞． 20 世纪 90 年代中国区域经济增长的要素分析［J］ ． 地理学报， 2002， 57(6):701 －708．［ 21］ 徐建华， 鲁凤， 苏方林， 等． 中国区域经济差异的时空尺度分析［ J］ ． 地理研究， 2005， 24(1):57 －68．