模型设定检验与回归结果分析

利用2000年～2010年31个地区的面板数据模型分析乳制品产业集聚的影响因素。面板数据模型包含了个体、时间和指标三个方面的信息，在进行面板数据分析时，首先应选择合适的模型。如果模型形式设定不正确，估计结果就可能与模拟的经济现实出现偏差。面板数据模型可以分为混合模型、固定效应模型和随机效应模型。不同的模型所用的估计方法也不一样，至于选择哪种模型需要进行模型设定检验。我们首先用F统计量检验是应该建立混合回归模型，还是个体固定效应回归模型？F检验的原假设为真实模型是混合模型，备择假设为真实模型是固定效应模型。为此，构造F统计量（在EVIEWS8.0软件中称作冗余固定效应检验）：

其中，S1、S2分别表示混合估计模型和固定效应模型的残差平方和。N为截面个体，K为解释变量个数，T为时期数。如果F统计量大于临界值则应选择固定效应模型，反之应选择混合模型。固定效应模型又可分为个体固定效应模型和个体随机效应模型，为此利用Hausman统计量检验应该是建立个体随机效应模型还是个体固定效应模型，其统计量为：

其中，分别为固定效应模型的估计系数和标准差，和分别为随机效应模型估计的系数和标准差。K为解释变量数。若H统计量大于临界值则应选择个体固定效应模型，反之，则应选择个体随机效应模型。考虑到可能存在截面间异方差性和截面间的相关性造成估计结果偏差，对个体固定效应模型和个体随机效应模型分别采用广义最小二乘法（GLS）进行估计和可行的广义最小二乘估计（FGLS）进行估计。

面板数据的估计包含混合效应、固定效应和随机效应，在做面板数据分析时首先应选择合适的模型。软件分析结果显示，面板模型F检验统计量对应的P值趋近于0，因此可以拒绝原假设（混合模型）；个体随机效应的Hausman检验值在1%显著性水平下拒绝随机效应模型，故建立个体固定效应模型更为合理，回归结果见表4-2。

表4-2　中国乳制品产业集聚影响因素回归结果(www.xing528.com)

注：∗表示在1%水平上显著，采用Eviews8.0估计。

为此，我们对个体固定效应模型回归结果进行分析。调整后的决定系数R2=0.7383，表明模型拟合度较好；DW=1.9828，说明不存在自相关问题。从模型中反映出以下几点结论：

（1）原奶占有率和企业平均规模的系数均通过了T检验，而地理区位变量和市场需求的系数没有通过T检验；说明以原奶占有率衡量的资源禀赋和企业平均规模是乳制品产业集聚的主要影响因素，而市场需求和地理位置对产业集聚没有产生显著性影响，已经不是影响乳制品业布局的主要因素。

（2）原奶占有率的系数是各变量系数值中最大的，说明由资源禀赋所引起的产业的空间聚集效应是最强的，乳制品产业的布局主要受资源的约束，原料奶仍然是制约行业发展的主要因素。原奶占有率的系数为0.8414，说明原奶占有率每提高1%，产业集聚度提升0.8414%。

（3）企业平均规模对产业空间集聚的影响显著为正，说明规模经济存在于集聚经济利益中。对于区域乳品加工业的发展来说，各地区应注意培育具有较大规模的龙头型乳品企业，来带动地区乳品产业的发展，这也正是佩鲁的增长极理论所强调的推进型企业的作用。企业平均规模的系数为0.0796，说明企业平均规模每增加1%，产业集聚度提升0.0796%。

（4）市场需求的系数为正，表明在市场需求导向的作用下，我国乳制品业的发展出现了空间上的集中趋势。但是，由于市场需求的系数没有通过显著性检验，说明市场需求因素对于产业集聚的影响是有限的。