摘要：以经济收敛理论为基础对我国31个省区1990-2013年城镇化水平的收敛性进行分析。通过设置多种空间权重矩阵将空间效应纳入计量模型，实证结果表明：我国城镇化水平存在显著的空间正相关，地理距离因素是影响城镇化空间相关性的主要因素；地区城镇化水平不存在绝对β收敛和条件β收敛，单纯靠市场的自我调节机制难以缩小区域差距，政府应适当加强宏观调控作用；控制变量的引入加快了城镇化率的发散速度，与理论预期相反的是，经济发展水平对城镇化增长率存在负向影响，区域间经济水平差距过大是加快城镇化水平发散的重要原因。
关键词：关键词城镇化；收敛性；理论假说；空间计量
中图分类号：F2911文献标识码：A文章编号：1000-4149（2016）01-0001-09
一、引言
我国城镇化进程在近十年加速推进，2011年城镇化率首次突破50%，2013年实现进一步增长，达到5373%数据来源：2014年《中国统计年鉴》。
，接近世界平均水平。但由于自然资源、历史条件和政策倾斜等原因，东部沿海省份经济发展水平和城镇化发展速度远远超过中西部地区，且各省省情不同导致区域内差异也十分突出。城镇化作为经济发展的结果，必然经历区域间不均衡发展的过程，而城镇化作为经济增长的重要源泉，其过大的区域差异必然也导致经济增长的进一步不均衡。城镇化作为推动我国经济持续健康增长的主要战略措施，如何正确认识城镇化发展区域差异及其变动趋势，为各地区制定适合的城镇化政策提供理论依据，是亟待解决的重大问题。
城镇化区域差异问题尽管已经受到学术界的关注，但以往采用统计指标衡量区域差异的方法较为简单。城镇化收敛性主要研究我国城镇化水平落后地区与发达地区相比是否具有更快的增长率，即是否存在赶超现象，运用计量方法研究城镇化区域差异问题。索罗-斯旺（SolowSwan）的新古典增长理论是收敛性理论的起源，鲍莫尔（Baumol）最早将理论运用于计量实证，研究表明：经济增长率和初始产出水平之间存在显著负相关。但其样本的选择引起了德隆（Delong）对其结论的质疑，由此经济收敛性研究开始受到关注，涌现了大批经典文献：如巴罗（Barro）、巴罗和萨拉-伊-马丁（SalaiMartin）、曼昆（Mankiw）、罗默（Romer）和韦尔（Weil）、伯纳德（Bernard）和 杜尔劳夫（Durlauf）的研究[5-8]。国内学者对收敛性的研究主要集中在经济增长上，研究结论却不尽一致，少数学者认为我国经济存在σ收敛，即我国省域间经济增长差异将逐渐缩小并最终处于同一稳态水平；大部分研究表明我国存在显著的条件β收敛，即控制了影响稳态的因素才能观测到收敛性的存在；也有部分学者研究我国东、中、西部间是否存在俱乐部收敛，即子样本内部的收敛。
虽然并未形成统一的研究结论，但收敛性研究方法却日渐成熟，近年来已有不少学者研究其他领域的收敛性，其中以碳排放、居民收入、能源利用效率等领域的收敛性研究最为广泛。在城镇化收敛性研究方面，吕健和余洁等分别采用空间截面数据和传统面板数据考察我国省域城镇化水平的收敛性，两者均得出了我国城镇化存在收敛性的研究结论。但前者忽视了解释变量的内生性问题和个体异质性的重要特征，后者以空间相互独立为前提，明显与客观现实不符，因此，其研究结论有待进一步证实。鉴于面板数据能控制个体异质性特征，空间计量能将空间相关性纳入模型中，本文采用空间面板数据模型研究城镇化的收敛性。
本文主要解决我国城镇化水平是否存在空间相关性以及各地区城镇化水平差距是否随着时间的推移而降低从而形成收敛趋势等问题。与以往研究相比，本文的突破主要体现在：①将空间因素纳入城镇化分析体系，考虑地区间的相互作用，采用多种空间权重矩阵，结论更为可靠；②从收敛的视角研究城镇化水平区域差异的变动趋势，比以往仅采用统计指标的方法更为细致和深入。
二、理论假说
从城镇化过程来说，人口倾向于从落后地区向发达地区迁移，由此经济水平差异的持续性会导致城镇化水平的发散增长，但不同层面和宏观层面的收敛机制使得城镇化水平出现收敛趋势。
1微观收敛机制
微观收敛机制包括比较利益机制和适度人口规模机制，主要通过控制城镇化饱和点保证城镇化收敛。城乡之间存在受教育机会、基础设施、保障水平、就业机会和收入等各方面的差距，为了谋求更好的生活条件和生涯发展，农村人口更倾向于向城镇发展。农村人口的大量减少促进农业生产率的提高，缩小城乡收入差距，吸引劳动力回流农村。
在经济发展初期，城市大量劳动力的集聚具有知识技术外溢、扩大市场规模等规模经济效应，但过度的人口转移也会产生环境污染、交通拥挤、犯罪率上升等负面效应。因此，城镇存在着适度人口规模：超过适度人口规模时，随着经济的发展，农村人口向城镇转移的负面效应大于其经济规模效应，会出现人口迁移放缓甚至停止或出现逆城镇化现象。城镇化不可能无限扩张，农村人口转移带来的农业生产率提高和递增的城市负面效应限制了城镇化的发展，保证了城镇化收敛性的存在。
2中观收敛机制
中观收敛机制包括经济增长收敛机制和社会服务收敛机制，主要通过影响城镇化发展促进城镇化收敛。经济增长收敛来源于索罗-斯旺的新古典增长理论。由于其持有的资本边际收益递减的基本假设，一国或地区期初有效劳均资本水平越低，资本增长率越高，从而产出水平增长率也越高，进而存在落后地区向发达地区的赶超，在存在区域要素流动的情况下，资本会从资本存量水平低的地区流向存量水平高的地区，劳动力则反向流动，从而促进经济的收敛性。当前研究国内经济收敛的学者中，大部分认为我国经济存在不同的收敛情况。经济增长是城镇化发展的核心动力。我国东部沿海经济发达地区集聚了大量中西部劳动力，从而城镇化水平较高。但随着中西部经济逐渐向东部的趋同，势必会吸引大规模的劳动力回流，从而促进城镇化水平的收敛。 关于社会服务趋同的系统理论在学术界尚未形成，但不少学者以新古典增长理论模型为基础从不同方面对社会服务收敛进行实证研究，包括政府支出方面和公共卫生服务方面。地区间社会服务的收敛虽然不能直接促进各地区城镇化水平的收敛，但是社会服务的趋同可以在一定程度上减少人口的跨地区迁移，特别是高学历、高能力人才从低服务水平城市向高服务水平城市的流动，从而降低城市化水平的地区差异。
3宏观收敛机制
宏观收敛机制指政府行为收敛机制，主要通过政策引导加强内在机制的作用。改革开放以来，沿海地区由于政策偏向实现了较高水平的经济发展。随着地方差距的不断扩大，社会矛盾日益加剧，为了促进中西部地区经济发展，我国政府先后实行“西部大开发”和“中部崛起”战略，试图从东部地区引进人力资源和知识技术促进中西部的经济发展，在客观上有利于缩小省域间城镇化发展差异。同时，社会服务的趋同也是我国政府大力推行的政策之一。政府通过建立更为完善的转移支付体系，加大对欠发达地区的投资力度，从宏观政策上保证各地区人们享受相同水平的公共服务。
各地区城镇化发展过程中，由于自然和历史条件等原因形成城镇化水平的地区差异，然而在经济因素和社会因素趋同的内在机制以及国家政策引导的外在影响下，城镇化水平将逐渐收敛。同时，城镇化并不是无限扩张，在城镇化水平饱和点的约束下，各地区城镇化水平也会发生收敛现象。
三、变量选择和数据来源
城镇化率衡量指标为人口城镇化率，即以城镇人口占总人口的比重表示，被解释变量为城镇化率各年增长率。关于城镇化的影响因素，根据以往研究大体可以分为三类：经济因素、社会因素和制度因素。经济因素，如工业发展、服务业发展、经济全球化等对劳动力的需求，使大量农村剩余劳动力向城镇转移。而社会因素，如教育、社会保障水平、基础设施建设等，其中教育可通过升学使农村人口向城市人口转移，但整体而言，社会因素对城镇化的直接促进作用较弱，影响主要体现在城镇人口的增加对社会公共品的需求加大，社会服务水平欠缺会阻碍城镇化的发展。制度因素一般作为根本影响因素。基于此，条件收敛中引入影响稳态的变量如下。
（1）人均生产总值（GDP）。人均生产总值是衡量经济发展水平的规模指标，城镇化率与经济发展水平息息相关，经济发展水平越高的地区城镇化水平越高，稳态值越大，因此预期符号为正。
（2）产业结构（CON）。以
二、三产业产值之和占GDP的比重表示。产业结构是经济发展水平的结构指标，随着经济的发展，劳动力将从第一产业向
二、三产业转移，因此
二、三产业比重越大，对非农就业需求越大，因此预期符号为正。
（3）对外开放程度（CR）。以出口额占GDP的百分比来表示。对外开放有利于城市出口导向产业的发展，创造更多就业机会从而吸引农村人口的转移，因此预期符号为正。
（4）比较利益衡量指标（CX）。以城镇居民家庭人均可支配收入与农村居民家庭人均纯收入之比，即城乡收入比来表示。城镇较农村条件优越成为吸引农村劳动力迁移的主要动力，但城乡差距另一方面也造成一系列社会问题从而阻碍城镇化的发展，因此预期符号需由实证分析确定。
（5）教育（EDU）。以高等学校在校学生数（万人）的对数形式表示。一般来说，受教育程度越高，越易接受城市的消费和价值观念，尤其是高等学校大学生越易在城市居住，因此有利于城镇化的发展，预期符号为正。
本研究样本为1990-2013年中国大陆31个省、市、自治区面板数据。城镇化率1990-2000年数据来源于周一星、田帅对我国分省城市化水平数据的修补周一星、田帅对海南省城市化水平的修补从1990年开始，为了保证我国省份的完整性，本文数据样本为1990-2013年。，重庆市1990-1996年数据根据其含重庆和不含重庆的四川省城镇化率计算得到，2001-2013年数据来自历年《中国统计年鉴》及各省统计年鉴，各控制变量数据均来源于《新中国六十年统计资料汇编》、各省统计年鉴和国家统计局，其中人均GDP以1978年不变价格计算。
四、城镇化水平收敛性的实证检验
1空间权重矩阵的设定
空间权重矩阵体现了空间观测单位中的依赖关系。目前学者们普遍采用邻接权重矩阵，但非相邻而距离接近的区域之间显然也会发生空间联系，且经济实力强的地区对周围地区影响更大，更容易吸引人口迁移。因此，为了使研究结论更为稳健，本文分别建立邻接权重矩阵、地理距离权重矩阵和经济权重矩阵综合测度各省区间城镇化水平的空间相关关系。
（1）邻接权重矩阵。邻接权重矩阵以省区间是否相邻作为空间关系存在与否的判断标准，若省区间存在共同边界则表明存在空间相关性，具体形式见
（1）式。Wij为空间权重矩阵中第i行和第j列的元素，表示区域i和区域j的相关程度。邻接权重矩阵因其简单易处理而应用广泛，但其不相邻则不发生空间联系以及具有共同边界赋值相同的假定显然不符合客观现实，如北京仅与天津和河北相邻，但其作为全国政治文化中心，显然对大部分地区都有影响，且很难说北京对相近地区如吉林省的影响与对较远地区如新疆的影响一致。
wij=1当区域i和区域j相邻时0当区域i和区域j不相邻或i=j时
（1）
（2）地理距离权重矩阵地理距离权重矩阵下各省会之间直线距离通过ARCGIS软件根据中国电子地图自动生成。。鉴于邻接权重矩阵仅考虑相邻地区间的影响且不能区别对不相邻地区的影响程度，许多学者开始采用距离权重矩阵。距离权重矩阵以空间相关性随地理距离的增加而递减为前提，通过距离的远近衡量省区间的相关关系，考虑更远空间区域之间的依赖性，距离的测度一般以省区经济中心的直线距离或交通距离表示。本文采用各省会之间直线距离的倒数表示省区间空间关系程度，具体形式如
（2）式所示：wij=1dij当i≠j时0当i=j时
（2）
（3）经济权重矩阵。虽然地区间交互作用与地理特征存在较大相关，但城镇化过程涉及人口迁移，经济发展水平高的地区对人口的吸引力远远大于落后地区，因此，经济因素是影响空间关系的重要因素。本文借鉴陈晓玲经济空间权重矩阵的设计[24]，其优点主要体现在区别了两个地区间的相互作用强度，揭示了经济发展水平高的地区具有更强的空间影响与辐射作用[25]。具体形式如
（3）式所示，其中wi为邻接权重矩阵，y为人均GDP： W*i=wi*diag（y1∑Ni=1yi， y2∑Ni=2yi， yN∑Ni=1yi），
N=31yi=1t1-t0+1∑t1t=t0yit
（3）
2.我国城镇化水平的空间自相关
空间面板与传统面板模型的区别在于空间相关性的测度，空间自相关性一般通过Moran指数检验，Moran指数取值在-1到1之间，负值表示负相关性，取值越接近0相关性越弱。本文利用
软件计算得到在邻接权重矩阵下城镇化水平代表性年份的Moran值，如表1所示。从表1中可以看出我国城镇化水平的Moran’s I值均为正值且都通过5%的显著性水平，表明城镇化水平存在显著的空间正相关性，高城镇化水平的地区相互临近，在整个样本期内Moran’s I值波动上升，表明正相关性逐渐增强。
3模型设定
根据空间依赖性来源的不同，空间计量基础模型分为空间自回归模型（SAR）和空间误差回归模型（SEM）：空间自回归模型主要解释一个地区的经济现象直接影响另一地区，空间误差回归模型的空间相关性来源于不可观测的随机冲击。本文通过在传统收敛模型中添加空间相关因子构建回归方程如下：
绝对β收敛情况：
空间自回归模型：lnyt+1，iyt，i=αi+βlnyt，i+ρWlnyt+1，iyt，i+εt，i
空间误差回归模型：lnyt+1，iyt，i=αi+βlnyt，i+εt，iεt，i=λWεt，i+μt，i
条件β收敛情况：
空间自回归模型：lnyt+1，iyt，i=αi+βlnyt，i+ρWlnyt+1，iyt，1+γkXk+εt，i
空间误差回归模型：lnyt+1，iyt，i=αi+βlnyt，i+γkXk+εt，i εt，i=λwεt，i+μt.i
其中，yt，i表示i地区在第t期的城镇化率；lnyt+1，iyt，i表示i地区t时期的城镇化率增长率；αi表示个体固定效应，反映对随区位变化但不随时间变化的经济结构和资源禀赋等因素的控制；Xk表示影响城镇化率稳态的控制变量；若β显著小于零，则认为我国城镇化率存在绝对收敛性或条件收敛。
4.实证结果分析
（1）绝对β收敛。在进行空间计量分析本文空间计量模型估计和空间相关性检验均通过Matlab软件实现。之前，需对模型的空间相关性进行检验，传统的各项检验指标如Moran’s I、LMerr、Lmsar、 Robust LMerr和Robust Lmsar均针对截面模型提出，本文借鉴何江和张馨之的做法，用分块对角矩阵代替统计量计算公式中的空间权重矩阵进行面板数据的检验[26]。检验结果如表2所示，各检验指标均显著。根据安瑟林（Anselin）等人的模型判定准则[27-29]，LMerr和Lmsar在1%的显著性水平下显著，Robust LMerr在5%的显著性水平下通过检验，且实证结果表明
各权重矩阵下SEM模型Loglikelihood值大于SAR模型，因此优先选择SEM模型，表明一个地区城镇化率的增长率受到邻近地区城镇化率增长率的随机冲击的影响。事实上，各权重矩阵的SEM和SAR模型的估计结果并未出现较大的差异。表3中各模型的空间相关系数均显著为正，表明城镇化率存在显著的空间依赖性，城镇化水平高的地区其邻近地区城镇化水平也较高。进一步比较各空间权重矩阵下空间自相关系数的大小，在SEM模型下，地理距离权重矩阵的空间自相关系数（04400）显著大于邻接权重矩阵和经济距离权重矩阵（分别为01270和01170），说明城镇化水平空间自相关性并非仅发生在相邻区域间而是随区域间距离增加而衰减，造成城镇化水平空间自相关性的主要因素为地理因素而非经济因素。地理位置的临近一方面由于交通的便利、社会风俗文化习惯的趋同大大
减小了人口迁移的阻力，另一方面便于地区间资源信息的传播，其城镇化发展过程的成功模式更容易形成示范带动效应，因此距离权重矩阵比经济权重矩阵和邻接权重矩阵更能反映城镇化水平空间相关性的客观现实。需要指出的是，经济权重矩阵的空间自相关系数较邻接权重矩阵并无显著提高，部分原因可能是经济发展水平高的地区虽然吸引人口迁移，但却难以有效将其转变为城镇人口，其过程只是简单的“物理运动”。
表3中的估计结果显示，期初城镇化水平的系数显著为正，说明我国城镇化水平不存在绝对收敛，我国城镇化发展区域差异较大。就目前的发展情况来看，城镇化水平较高的地区仍然具有相对城镇化水平低的地区较高的增长率，距离权重矩阵的期初城镇化水平系数（00342）明显大于邻接权重矩阵和经济权重矩阵（分别为00199和00200），表明空间相关性加速了城镇化水平的发散速度。这可能是因为非相邻地区与本地区存在自然条件和经济条件等差距，吸引本地区劳动力进行迁移，阻碍本地区城镇化水平的提高，因此区域间的城镇化水平难以实现同一稳态的收敛，但是可进一步探究是否存在条件收敛。
（2）条件β收敛。
是否存在收敛到各自稳态的趋势尚未可知。本文采用添加外生变量的方法检验我国各省城镇化率的条件收敛性，在对模型进行回归之前，同样需要进行空间相关性检验。检验结果如表4所示，各项检验指标均显著。根据前面所述的模型判定原则，优先选择空间自回归模型，实证结果表明不论选择哪种空间权重矩阵，SEM和SAR模型中空间相关系数均显著为正，如表5所示。
估计结果中期初城镇化水平显著为正，表明我国城镇化水平并不存在条件收敛趋势。即使控制了影响城镇化水平的稳态因素，其发展也并不收敛于各自的稳态水平，且其发散速度显著高于绝对收敛的发散速度。表明控制变量的引入加大了我国城镇化区域差距。
对回归结果进一步分析可知，教育和对外开放程度均不显著。而原本理论上教育和对外开放程度能促进城镇化的发展，形成较高的稳态值。造成该现象可能的原因是本文选取的教育指标为高等学校在校学生数，而在校学生并不一定从农村人口转变为城镇人口，同时落后地区的高等学校学生更倾向于向发达地区转移，对本地区城镇化水平的提高贡献有限。因此教育有利于本地区的城镇化增长率的结论尚须进一步研究。对外开放程度的提高虽然能带动出口导向型产业的发展，但可能相关行业更多吸引高素质人才，对农村劳动力的需求有限，并不能显著加快城镇化的发展。 经济因素包括人均GDP和产业结构系数显著为负，与预期相反。这并不表明经济的发展会阻碍城镇化率的提高，大部分学者的研究表明我国经济不存在绝对收敛，区域间经济差距的扩大使得落后
地区的农村人口甚至城镇人口向经济发达地区迁移，导致落后地区人口城镇化率难以提高。虽然城镇化率存在严格的约束点，但是就目前的发展情况来看，我国区域间经济发展的发散也加剧了城镇化水平的发散。城乡收入差距的系数显著为正。城乡收入差距的拉大表明城镇较农村更为优越，农村人口为谋求更好的就业机会和更高的收入向城镇迁移，因此有利于城镇化率的提高，但须认识到，依靠拉大城乡收入差距推动城镇化进程并非健康长久的发展之计。
五、结论及启示
本文主要对我国城镇化水平的空间相关性进行了分析以及利用空间面板模型考察我国城镇化水平的收敛性，主要研究结论如下：第一，广泛运用的邻接权重矩阵和经济权重矩阵低估了城镇化水平的空间相关性，距离权重矩阵更能反映客观事实；第二，1990-2013年我国城镇化水平不存在显著绝对β收敛和条件β收敛；第三，人均GDP、产业结构变量和城乡收入差距等变量的引入加快了城镇化水平的发散速度，且人均GDP和产业结构对城镇化率增长率影响为负，而教育和对外开放程度影响却不显著。
从本文的实证研究可以得到以下启示：第一，各地区政府应当彻底改变各自为政的观念，积极寻求区域间合作和互助，借鉴邻近地区城镇化发展过程的成功模式，因地制宜制定适合本地区城镇化发展的政策，实现区域间共赢；第二，中央政府应加强宏观调控作用，继续深入推行新一轮“西部大开发”和“中部崛起”战略，加大转移支付力度，通过政策优惠与帮扶，在经济发展水平和社会服务等方面实现其对发达地区的趋同，由此带动落后地区城镇化水平的提高，缩小城镇化区域差距；第三，城乡收入差距对城镇化增长率的促进作用是暂时的，过大的城乡收入差距造成的一系列社会问题也不符合新型城镇化的要求，因此，通过拉大城乡收入差距提高城镇化水平并非良策。
参考文献：
[1]文余源.中国城市化水平地区差异及其变动[J]. 地域研究与开发，2005
（5）：25-29.
[2]张立. 1980年代以来我国区域城市化差异的演变――及其影响因素[J]. 城市规划，2010
（5）：9-17.
[3]BAUMOL W J. Productivity growth， convergence， and welfare： what the longrun data show[J]. The American Economic Review，1986，76
（5）：1072-1085.
[4]DELONG J B. Productivity growth， convergence， and welfare： comment[J]. The American Economic Review，1988，78
（5）：1138-1154.
[5]BARRO R. Economic growth in a cross section of countries[J]. The Quarterly Journal of Economics，1991，106
（2）：407-443.
[6]BARRO R，SALAIMARTIN X. Convergence across states and regions[J].Brookings Papers on Economic Activity，1991
（1）：107-182.
[7]MANKIW N G， ROMER D， WEIL D N. A contribution to the empirics of economic growth[J].The Quarterly Journal of Economics，1992，107
（2）：407-437.
[8]BERNARD A B，DURLAUF S N. Interpreting tests of the convergence hypothesis[J].Journal of Econometrics，1996
（76）：161-173.
[9]林光平，龙志和，吴梅.中国地区经济σ收敛的空间计量实证分析[J].数量经济技术经济研究，2006
（4）：14-21.
[10]蔡P，都阳.中国地区经济增长的趋同与差异――对西部开发战略的启示[J].经济研究，2000
（10）：30-37.
[11]沈坤荣，马俊.中国经济增长的“俱乐部收敛”特征及其成因研究[J].经济研究，2002
（1）：33-39.
[12]许广月.碳排放收敛性：理论假说与中国的经验研究[J].数量经济技术经济研究，2010
（9）：31-42.
[13]李新光，胡日东.中国农村地区居民收入收敛的空间计量实证检验[J].上海经济研究，2014
（1）：90-103.
[14]徐盈之，管建伟.中国区域能源效率趋同性研究：基于空间经济学视角[J].财经研究，2011
（1）：112-123.
[15]吕健.中国城市化水平的空间效应与地区收敛分析：1978―2009年[J]. 经济管理，2011
（9）：32-44.
[16]余洁，方大春.中国城镇化水平收敛性研究――基于面板数据的实证分析[J]. 吉林工商学院学报，2013
（6）：11-15.
[17]SOLOW R M. A Contribution to the theory of economic growth[J].The Quarterly Journal of Economics，1956，70
（1）：65-94. [18]SWAN T W.Economic growth and capital accumlation [J].Economic Record，1956，32：334-361.
[19]潘杰，刘国恩，李晨赵.我国政府卫生支出地区差异收敛性研究[J]. 财政研究，2011
（10）：16-19.
[20]刘小勇，丁焕峰.区域公共卫生服务收敛性研究――基于动态空间面板模型的实证分析[J].经济评论，2011
（4）：70-78.
[21]蒋伟.中国省域城市化水平影响因素的空间计量分析[J]. 经济地理，2009
（4）：613-617.
[22]秦佳，李建民.中国人口城镇化的空间差异与影响因素[J].人口研究，2013
（2）：25-40.
[23]周一星，田帅.以“五普”数据为基础对我国分省城市化水平数据修补[J].统计研究，2006
（1）：62-65.
[24]陈晓玲，李国平.我国地区经济收敛的空间面板数据模型分析[J].经济科学，2006
（5）：5-17.
[25]李婧，谭清美，白俊红.中国区域创新生产的空间计量分析――基于静态与动态空间面板模型的实证研究[J].管理世界，2010
（7）：43-65.
[26]何江，张馨之.中国区域经济增长及其收敛性：空间面板数据分析[J].南方经济，2006
（5）：44-52.
[27]ANSELIN L， BERA A K， FLORAX R. Simple diagnostic tests for spatial dependence[J]. Reginol Science and Urban Economics， 1996
（26）：77-104.
[28]ANSELIN L. Spatial econometrics： methods and models [M]. Dordrecht： Kluwer Academic Publishers， 1988：81-115.
[29]ANSELIN L. Spatial externalities，spatial multipliers，and spatial econometrics[J].International Regional Science Review， 2003
（26）：153-166.
