考虑空间溢出效应的估计结果

1.空间相关性分析

地理学第一定律指出空间距离越近，空间要素之间的相互影响就越大。Moran'I检验可以衡量地区观测值的分布是离散、集聚还是随机的，以探索观测值在空间上是如何排列的。其计算公式为：

其中，Wij为空间权重矩阵W中的元素，I值一般在-1和1之间，若I小于0，表明地区的观测值呈现空间负相关，该值越接近-1，空间差异性越大，说明随着距离的缩减，两地区变量的观测值更为不同；若I大于1，表明地区的观测值呈现空间正相关，该值越接近1，空间相关性越大，说明随着距离的缩减，两地区变量的观测值更为相似；若I等于0，表明地区的观测值空间相关性不存在。

根据已设定的空间权重矩阵及公式（12），表5给出了沈阳经济区2001至2013年城镇化Moran'I指数值。

表5　2001至2013年沈阳经济区城镇化的Moran'I指数

由表5可以看出，每年的Moran'I指数均大于零，且均在1%的显著性水平下通过检验，说明各地区城镇化存在全局空间正相关性。具体而言，除个别年份外沈阳经济区城镇化Moran'I指数逐年增加，由0.193 7增长至0.281 5，说明空间相关性不断增加。P值逐年减小，由0.006减少至0.001，说明空间相关性的可信度不断增强。

2.沈阳经济区基础设施的溢出效应测度

在运用式（9）进行实证分析前，要对空间计量模型进行LM检验，通过分析LM（Lag）和LM（Error）统计量，判断空间计量模型是否有效及本研究适用空间滞后模型还是空间误差模型，具体检验结果见表6。

如表6所示，LM（Lag）统计量在5%的显著性水平下显著，而LM（Error）在5%的显著性水平下没能通过检验，因此，本文应选用空间滞后模型更优。

表6　拉格朗日数乘检验(www.xing528.com)

表7的估计结果与表4相比，R2和log-L变大，说明空间滞后模型的拟合度和估计效果更好。在空间滞后模型的回归结果中，经济发展水平和产业结构的影响系数为0.203和0.511，基础设施的直接贡献率为0.198。与表6的计量结果相比，各变量的影响系数均有所减小，其中基础设施对城镇化的直接贡献率减少了0.015。基础设施的间接作用，即基础设施的空间溢出效应，可通过推算得出。我们可以通过式（6）而知本地基础设施和外地基础设施对本地城镇化的影响系数之和为α3P（δ），通过泰勒展开式可转换为以下形式：

由式（13）推出基础设施空间溢出效应的计算公式为：

根据式（14）计算得出基础设施对城镇化的空间溢出效应为0.043，本地基础设施和相邻地区基础设施对本地城镇化的贡献率之和为0.241。假定其他影响因素不变，若基础设施存量每增加1%，由基础设施直接带动城镇化发展为0.198个百分点，由基础设施的正外部性带动城镇化发展为0.043个百分点。

表7　空间滞后模型的估计结果

3.城市基础设施的溢出效应测度

本文从溢出效应接收者的角度利用式（7）简化的空间杜宾模型验证基础设施对各地区城镇化的溢出效应，估计结果见表8。

表8　基础设施对各城市城镇化空间溢出效应的计量结果

注：***、**、*分别代表1%、5%、10%的显著水平。

表8的回归结果显示，在10%的显著性水平下，基础设施对各市的溢出效应均能满足显著性要求。从体现基础设施溢出效应的系数来看，基础设施对各市溢出效应强弱不同。其中，基础设施对营口市的溢出效应最大，为0.124；其次是阜新市，为0.082，最小的是抚顺市，仅为0.019。对比沈阳经济区内各城市基础设施的直接作用与基础设施溢出效应可以看出，部分城市相邻地区基础设施对本地城镇化的影响大于本地基础设施对本地城镇化的影响，部分城市则相反。