可以在论文中同时使用面板数据模型和空间杜宾模型吗？

（3篇文章，见目录）

文章1：中国城市创新空间溢出效应测度及分解

文章标题1：《中国城市创新空间溢出效应测度及分解》程开明 章雅婷
文章来源：《科研管理》Science Research Management

摘要：城市聚集了不同才能、教育和文化背景的人群，为创新的产生及溢出创造良好环境。依据 2009 ～ 2012年全国 272 个地级以上城市的面板数据，利用 莫兰指数（Moran's I指数）指数检验城市创新产出的空间自相关性，基于空间杜宾模型开展城市创新空间溢出效应的测算及分解，进而考察创新空间溢出效应随地理距离的变动模式。结果表明: (1) 中国城市创新活动具有显著的正向空间溢出效应且表现出较强的稳健性，但不同地区的溢出效应差异较大。(2) 城市创新产出主要影响因素的直接效应均较明显，但间接效应的显著性表现不一。(3) 城市创新空间溢出效应随距离增加呈先增强后减弱的倒U型模式，全国城市的溢出效应在650公里处效应最强，东部、中部及西部城市分别在150公里、550公里及750公里处达到最大值。结论对于提升城市创新能力具有启示意义。

关键词：城市创新; 空间溢出; 效应分解; 地理距离

1 引言

城市创新对于区域经济发展日显重要，创新产生后便不断对外扩散，空间维度上表现为创新空间溢出效应[1]。对区域创新溢出的分析[2,3]，本文将研究对象从省市层级的分析转到城市层级分析。部分学者逐步注意到创新的空间溢出特征，并运用空间计量模型加以分析与验证[7,8]，考虑空间自相关性使得估计结果更为合理[9-17]。

2模型构建及选择

2.1 计量模型的构建

知识生产函数（KPF）常用于区域创新的特征经验分析，创新产出函数： （K钱，L人员，D经济环境，其他为弹性系数和随机误差）;取自然对数后 ，i代表城市 t代表年份。

2.2 空间计量分析的准备

首先需检验变量是否存在显著的空间自相关性，在此利用莫兰Moran’s I 指数来检验创新产出的空间自相关性。构建空间权重指数 式3（空间分布不连续，所以选择了地理距离）得到的莫兰指数值表现为显著（表1），之后引入空间效应，得到空间滞后面板模型（SAR）：

和空间误差面板模型（SEM）:

进一步构建空间杜宾模型（SDM）：

2.3 模型形式的选择

利用 LM 检验（空间模型）与 Robust LM 检验（非空间模型）在普通面板模型与空间面板模型之间进行选择（表2），结果表明，数据接受空间滞后模型、空间误差模型，一般应选择空间杜宾模型。开展Wald检验确定空间杜宾模型的适应性（表3），使用空间杜宾模型的检验通过。空间杜宾模型的优势在于能够从总效应中分解出直接效应和间接效应，避免变量内生性而导致的有偏、不一致估计结果。

3 实证结果及讨论

3.1 空间杜宾模型的估计结果

空间杜宾模型（SDM）包括空间个体固定效应和空间个体随机效应，用OLS可以得到参数估计（表4），由R方和Hausman检验结果认为应选用空间杜宾个体固定效应模型对城市创新空间溢出效应进行解析。表4结果表示人员投入的空间滞后系数为-0. 0619，空间溢出系数为 0. 3690，通过显著性检验，表明城市之间具有显著的正向创新空间溢出效应，高创新产出的城市相邻彼此受益。

3.2 不同空间权重矩阵的稳健性检验

为检验表 4 估计结果的稳健性，再构造基于地理距离倒数与基于地理距离倒数平方的空间权重矩阵进行模型估计（表5），结果表明构建的模型具有稳健性。

3.3 效应分解下的城市创新空间溢出

由于空间杜宾模型既有因变量的空间滞后项又有自变量的空间滞后项，可利用效应分解方法将自变量影响因变量的总效应分解为直接效应（变量对城市本身造成的影响）和间接效应（变量对其他城市造成的影响）。用“求偏微分法”测算两种效应（表6），结果显示，直接效应对本城市的创新产出有促进作用，间接效应中资金投入、经济发展的空间溢出效应明显。总效应（直接效应与间接效应的综合作用）使得资金投入和经济发展系数为正且显著，更多分析结果见原文献。

3.4 创新空间溢出效应的区域差异

城市创新产出在不同地区呈现出明显的空间梯度性，将城市分为东部、中部、西部进一步解析差异特征（表7），结果表明，创新空间溢出效应：东部>中部>西部；SDM分解效应的比较（表8）。

3.5 创新空间溢出的地理距离变动模式

地理空间范围会对城市创新空间溢出效应产生明显的影响，考查创新空间溢出的地理变动模式。以50公里的距离递减的距离负指数衰减形式构建空间权重矩阵估计SDM（表9），结果表明，随着地理距离的变化，城市创新空间溢出呈先增强后减弱的倒 U 型过程，在 650 公里处溢出效应最强，对三大地区进一步分析后发现都呈U型变化过程，但因面积本省存在差异，所以最优溢出效应的距离门槛值也存在较大差异。

（展望：”当然，文中主要基于地理距离的空间权重矩阵开展分析，未来可结合经济距离构建空间权重矩阵进行拓展分析; 另外，利用空间计量模型测度创新空间溢出效应时还可引入时间维度，通过时空模型分析创新溢出的时空混合特征。“）

文章【参考文献】

参考文献:

1. Arrow K J． The economic implication of learning by doing［J］．Ｒeview of Economic Studies，1962，29( 6) : 155 － 173．
2. 吴玉鸣． 空间计量经济模型在省域研发与创新中的应用研究［J］． 数量经济技术经济研究，2006，23( 5) : 74 － 85．Wu Yuming． A spatial econometric model and its applicationto research ＆development and regional innovation［J］． TheJournal of Quantitative ＆ Technical Economics，2006，23( 5) : 74 － 85．
3. 窦雪霞，程开明，窦志强． 创新溢出的空间尺度与实证检验［J］． 科研管理，2009，30( 4) : 51 － 56．Dou Xuexia，Cheng Kaiming，Dou Zhiqiang． Theoretical and empirical analysis on the spatial dimension of innovation spillover［J］． Science Ｒesearch Management，2009，30( 4) : 51 － 56．
4. Marshall A． Principles of economies［M］． London: Macmillan ，1920．
5. Arrow K． J． The economic implications of learning by doing［J］． The Ｒeview of Economic Studies，1962，29: 155－ 173．
6. Ｒomer P． M． Increasing returns and long － run growth［J］．Journal of Political Economy，1986，94: 1002 － 1037．
7. Autant － Bernard C． Spatial econometrics of innovation: Ｒecent contributions and research perspectives［J］． Spatial Economic Analysis，2012，7( 4) : 403 － 419．
8. Anselin L，Varga A ＆ Acs Z J． Local geographic spillovers between university research and high technology innovations J］． Journal of Urban Economics，1997，42( 3) : 422 － 448．
9. Anselin L，Varga A，Acs Z J． Geographic spillovers and university research: A spatial econometric approach ［J］． Growth and Change，2000，31( 4) : 501 － 516．
10. Le Sage J P，Pace Ｒ K． Spatial econometric modeling of origin-destination flows［J］． Journal of Ｒegional Science，2008，48(5) : 941 － 967．
11. 李志宏，王娜，马倩． 基于空间计量的区域间创新行为知识溢出分析［J］． 科研管理，2013，34(6) : 9 － 16．Li Zhihong，Wang Na，Ma Qian． Knowledge spillovers analysis on interregional innovative behaviors based on spatial measurement ［J］． Science Ｒesearch Management，2013，34(6) : 9 － 16．
12. Gallie’E P ＆ Digo L． Spatial spillovers in France: A study on individual count data at the city level［J］． Annales d ’Economie et Statistique，2007，( 87 /88) : 221 － 246．
13. Autant － Bernard C，Le Sage J P． Quantifying knowledge spill overs using spatial econometric tools［J］． Journal of Ｒegional Science，2011，51( 3) ，471 － 496．
14. Ｒosina M，Paci Ｒ，Usai S． Spatial spillovers and innovation activity in European regions［J］． Environment and Planning，2005，37( 10) : 1793 － 1812．
15. Fischer M M，Scherngell T，Jansenberger E． The geography of knowledge spillovers between high － technology firms in Europe: Evidence from a spatial interaction modeling perspective［J］．Geographical Analysis，2006，38( 3) : 288 － 309．
16. 符淼． 地理距离和技术外溢效应———对技术和经济集聚现象的空间计量学解释［J］． 经济学( 季刊) ，2009，8( 4) :1549 － 1566．Fu Miao． Geographical distance and technological spillover effects: A spatial econometric explanation of technological and economic agglomeration phenomena ［J］． China Economic Quarterly，2009，8( 4) : 1549 － 1566．
17. Elhorst J P． Spatial panel data models［C］． In Fischer Manfred M，Getis Arthur( eds) ． Handbook of applied spatial analysis: Software tools， methods and applications ［A］．Springer，2010．
18. Jaffe A B． Ｒeal effects of academic research［J］． American Economics Ｒeview，1986，79( 5) : 957 － 970．
19. Le Sage J，Pace Ｒ． Introduction to spatial econometrics［M］．New York: CＲC Press，2009．
20. 马野青，林宝玉． 在华 FDI 的知识溢出效应———基于专利授权数量的实证分析［J］． 世界经济研究，2007 ( 5) : 20－ 25．Ma Yeqing，Lin Baoyu． The knowledge spillover effects of FDI in China: An empirical analysis based on the number of patent authorizations［J］． World Economy Studies，2007，(5) : 20 － 25．

文章2：城市蔓延对电力强度的影响——基于中国地级及以上城市面板数据的分析

文章标题2：《城市蔓延对电力强度的影响——基于中国地级及以上城市面板数据的分析》程开明 徐扬
文章来源：《城市问题》

摘要：以城市蔓延指数的测算为基础，利用中国213个地级及以上城市的面板数据，分析了城市蔓延对电力强度的影响效应。结果显示: 总体上城市蔓延对电力强度具有显著的正向影响; 电力强度随城市蔓延的扩散呈先递减后递增的U型特征，当城市蔓延指数为0.6左右时，电力能源效率最高; 不同地区、不同规模城市的蔓延程度对电力强度的影响具有稳健性，但实际效应存在差异。

关键词：城市蔓延; 电力强度; 动态面板模型; U 型特征

一 引言

本研究基于城市蔓延与能源消耗的关联性，利用地级以上城市的面板数据，多角度探析城市蔓延影响电力强度的实际效应，进而提出有针对性的对策建议，以期为中国城市健康发展提供理论支持。

二 模型与数据

城市蔓延使得产业结构变化，使得城市空间电力供给成本升高。

1.模型设定

构建面板计量模型：

城市电力强度=城市蔓延指数+第二产业增加值占GDP比重+第三产业增加值占GDP比重+人均居住面积+固定效应+时间效应+白噪声误差项

2.变量说明

电力强度：反映电力资源利用效率的重要指标。

城市蔓延指数： ,SPR<0城市呈紧凑型发展，0<SPR<1城市正在蔓延，SPR>1城市收缩。

第二产业增加值占 GDP 比重和第三产业增加值占 GDP 比重：反映产业结构对电力消耗的影响效应。

城市居民人均居住面积：在此以城市居民人均居住面积反映居民生活方式。

3.数据来源

选取2000-2015年全国地级及以上城市相关指标的面板数据，用移动平均法和均值法补齐部分数据，然后算得城市蔓延指数，并对各变量进行单位根检验（数据为时间序列数据）。

三 实证分析

1.面板单位根检验

为避免伪回归，需先开展面板单位根检验，采用 LLC 方法对各变量进行单位根检验，表2显示变量序列为平稳序列，可开展回归分析。

2.计量分析结果

（1）普通面板模型估计结果

模型1：混合 OLS 模型估计；模型2：个体固定效应模型；模型3：个体随机效应模型。后Hausman检验表明应拒绝随机效应模型，选择固定效应模型（表3）。

（2）动态面板模型估计结果

为消除变量内生性带来的影响，故构建以下动态面板模型，并采用差分广义矩估计方法开展模型估计（表 4），结果表明扰动项存在一阶自相关，使用一阶GMM估计，同时Sargan检验结果也表明工具变量均有效。为进一步探究在何等城市蔓延程度下电力能源利用效率最优，模型7为引入城市蔓延指数的二次项的差分GMM估计，城市蔓延和电力强度呈现U型特征。

3.稳健性检验

（1）四大地区的估计结果

将全国分为东部、中部、西部和东北部，构建动态面板模型，再次进行差分GMM估计（表5）。

（2）不同规模城市的估计结果

按城市规模划分为5类进行分析（表6）。

文章【参考文献】

1. Galster G． ，Hanson Ｒ． ，Ｒatcliffe M． Ｒ． ，et al． Wrestling sprawl to the ground: defining and measuring an elusive concept［J］． Housing Policy Debate，2001( 4) : 681 － 718
2. Besussi E． ，Chin N． Identifying and measuring urban sprawl［C］． In: Longley P． ，Batty M． ( Eds． ) ，Advanced Spatial A-nalysis: The CASA Book of GIS［A］． CA: ESＲI Press，2003:109-128.
3. Frenkel A． ，Ashkenazi M． Measuring urban sprawl: how can we deal with it? ［J］． Environment and Planning B: Planning and Design，2008( 1) : 56 － 79.
4. 洪世键，张京祥． 城市蔓延的界定及其测度问题探讨———以长江三角洲为例［J］． 城市规划，2013( 7) : 42 － 45.
5. Torrens P.M.A toolkit for measuring sprawl[J].Applied Spatial Analysis and Policy，2008( 1) : 5 － 36.
6. 徐妍． 城市蔓延定量表达、内在机理及调控策略研究———以南京为例［D］.安徽农业大学，2013: 20 － 22.
7. 曾晨等． 城市蔓延综合指数的评价与分析———以武汉市为例［J］． 地域研究与开发，2015( 2) : 62 － 68.
8. Resch E． ，et al． Impact of urban density and building height on energy use in cities［J］． Energy Procedia，2016( 96) : 800 － 814.
9. Larson W． ，A． Yezer． The energy implications of city size and density［J］． Journal of Urban Economics，2015( 90) : 35 － 49.
10. 方国斌，马慧敏，宋国君.中国各地区人口密度对能源强度的影响研究[J].现代管理科学，2016( 4) : 15 － 17.
11. Silva da A． N． Ｒ． ，Costa G． C． F． ，Brondino N． C． M． Urban sprawl and energy use for transportation in the largest Brazilian cities［J].Energy Sustainable Development，2007( 3) : 44 － 50.
12. Susilo Y，Stead D． Urban form and the trends of transport emissions and energy consumption in the Netherlands［J］． Journal of Embryology ＆ Experimental Morphology，2008( 5) : 223 － 251.
13. Gudipudi Ｒ． ，et al． City density and CO2efficiency［J］． Energy Policy，2016( 91) : 352 － 361.
14. 滕飞,刘毅,金凤君.中国特大城市能耗变化的影响因素分解及其区域差异[J].资源科学，2013( 2) : 240 － 249.
15. 里德·尤因等． 城市形态对美国住宅能源使用的影响［J］． 国城市规划，2013( 2) : 31 － 41.
16. Navamuel E L，Morollón F Ｒ，Cuartas B M． Energy consumption and urban sprawl: evidence for the Spanish case［J］． Journal of Cleaner Production，2018( 172) : 3479 － 3486.
17. 王家庭等． 产业发展是否推动了中国的城市蔓延? ——基于35 个大中城市面板数据的实证检验［J］． 西安交通大学学报( 社会科学版) ，2017( 4) : 9-18.

文章3：城市化、城市集中度与人力资本积累——基于省级面板数据的实证研究

文章标题3：《城市化、城市集中度与人力资本积累——基于省级面板数据的实证研究》程开明 姜山
文章来源：《商业经济与管理》JOURNAL OF BUSINESS ECONOMICS

摘要：鉴于人力资本对经济增长的作用日显重要，人们希望知道哪些因素显著影响到人力资本，其中城市化水平、城市集中度等通过经济集聚强度而明显影响人力资本积累。城市化通过刺激人力资本供给与需求，创造良好的人力资本投资环境而促进人力资本积累，城市集中度提高带来的规模优势与外部不经济双重效应使其对人力资本积累具有两面性。依据2000—2015年我国30个省( 直辖市、自治区) 的面板数据，考虑省份之间的异质性及空间相依性，分别建立非线性面板模型和空间杜宾模型开展实证分析。结果表明: 城市化水平与人力资本积累高度正相关，城市化对人力资本积累产生显著的促进效应; 城市集中度与人力资本之间存在倒 U 型关系，不同地区城市集中度对人力资本的影响效应存在明显差异; 城市化、城市集中度对人力资本的影响效应具有较强的稳健性。结论对于推动城市与区域经济高质量发展具有启示意义。

关键词：城市化; 城市集中度; 人力资本; 空间杜宾模型; 倒 U 型

一 、引言

本文从三个层面开展分析。首先，解析城市化、城市集中度影响人力资本积累的内在机制，提出待检验的假设命题; 其次，依据2000—2015年中国省级行政区面板数据，构建面板计量模型探析城市化水平、城市集中度对人力资本积累的影响效应; 最后，考虑到省份之间的空间自相关性，利用空间杜宾模型进一步分析城市化水平、城市集中度影响人力资本积累的空间效应及地区差异。考虑到城市集中度影响人力资本积累的非线性特征和变量的空间依赖性，分别引入城市集中度的二次项和空间杜宾模型来开展分析，具有一定的创新性。

二、城市化、城市集中度对人力资本积累的影响机制

（一）城市化对人力资本积累的影响机制

从需求角度看，城市刺激着人们加大人力资本投资；从供给角度看，城市的众多特性为人力资本积累创造了良好环境。提出以下命题:

命题一：城市化水平与人力资本水平密切正相关，城市化水平的提升通过刺激人力资本供给、需求而促进人力资本积累。

（二）城市集中度对人力资本积累的影响机制

城市集中度处于较低水平时其提高意味着大城市的规模快速扩张，将通过集聚经济促进人力资本积累。当城市集中度处于较高水平时，大城市的集聚不经济日趋突出，适当控制大城市规模有利于抑制大城市的集聚不经济，推动整个城市规模体系的均衡发展，进而促进地区人力资本积累。综合城市集中度对人力资本积累的两方面作用，得到以下命题:

命题二：城市集中度对人力资本积累的影响具有两面性，较低水平的城市集中度提高有利于促进人力资本积累，高水平的城市集中度进一步提升不利于人力资本积累。

三、城市化、城市集中度影响人力资本积累的实证分析

（一）计量模型设置

人均人力资本存量的对数=城市化水平+城市集中度+城市集中度二次项+控制变量+固定效应+时间效应+白噪声误差项

分别采用组内离差估计法和可行的广义最小二乘估计（Feasible Generalized Least Squares，FGLS）估计固定效应与随机效应，组内离差估计法可有效消除固定效应模型中同一横截面的组内相关性，而可行的广义最小二乘估计则主要解决随机效应模型中不同组间的异方差问题。

（二）指标说明及数据来源

1、人力资本存量；2、城市化水平；3、城市集中度；4、控制变量；

样本数据由2000-2015年中国大陆地区30个省、直辖市、自治区的面板数据组成。其中部分数值取基期可比价指标值（消除价格因素影响），见表1。

为解决数据可能含有的非平稳性变量带来伪回归的问题，对表1各指标进行LLC检验和多重共线性检验，检验结果表明，变量均平稳且不存在多重共线性。

（三）实证结果分析

表2相当于汇总了上一篇文献的全部分析，模型1：OLS；模型2：组内离差估计的固定效应面板模型；模型3：模型2引入二次项考查非线性影响；模型4-7：四大地区的模型。

Hausman检验拒绝随机效应模型，所以得到的是固定效应模型的结果，模型3的显著性表明城市化水平提高有利于人力资本积累，城市集中度与人力资本积累之间的非线性关系存在存在倒U型非线性特征（图1），其总效应为负。可解释为，一方面城市化可以强化人力资本存量，但也可能竞争大降低人力资本存量，另一方面城市化衍生的问题造成城市负外部性而侵蚀人力资本[28]，图2也展现了四大地区城市集中度对人力资本存量的影响情况。

研究期间城市集中度总体有所下降，减缓了城市规模的两极分化，有利于促进人力资本积累。各个控制变量的显著性表现也汇总在表2中。

四、进一步讨论：人力资本积累的空间效应

之前的讨论是基于各省份是彼此独立，并未考虑地区间的空间相关性。各地区在方方面面都存在相互作用的情况，而且人力资源常出现跨区域流动的特征，这些都会对人力资本的积累产生影响，所以还需要考虑空间效应对各模型的影响。

（一）空间自相关检验

考虑空间相依性（构造空间矩阵），采用二值领接空间权重矩阵，利用全局莫兰指数（Moran's I指数）对变量进行空间自相关检验（表3）。

表3检验结果表明：多个变量存在空间自相关；城市集中度的空间自相关性逐渐又显著转为不显著，可能是政策规划差异较大造成；总体存在空间效应，应将空间效应引入对人力资本存量的影响效应模型内。

（二）全国层面的空间面板计量分析

引入空间自相关性，基于全样本数据建立广义嵌套空间模型( General Nesting Spatial Model，GNS) 进行分析,式（2）：

其中Xt是变量矩阵，mui是其他未知的固定效应，alpha是时间效应，varepsiloni~N(0,sigma^2)

1.lambda=0时，模型变为空间杜宾模型（SDM）；

2.theta=lambda=0时，模型变为空间自回归模型（SAR）；

3.rho=theta=0时，模型变为空间误差模型（SEM）；

4.rho=0时，模型变为广义空间自回归（SAC）；

5.rho=theta=lambda=0时，模型变为普通面板数据模型。

利用LeSage和Pace(2009)的判别方法对模型进行判别，采用极大似然估计（QMLE）进行参数估计。

表4的结果说明，将模型设定为SDM是合理的。与表2的模型3相比，部分变量的显著性水平有所提高，空间自相关系数rho通过显著性检验，认为邻近省份的人力资源存量对该省份的人力资本积累有促进作用；自变量空间自回归系数theta在urban、size为正效应，其他为负效应，htec的空间溢出效应不显著。

空间计量模型既可以直接表现本地区对本地区的影响程度，还可以表现邻近地区对本地区间接的相互作用。表5由偏微分技术对各变量的直接效应、间接效应和总效应进行测算。

从表5知，城市化对人力资本的直接效应与间接效应都很显著，但因省份之间城市化水平的显著空间自相关性，使得间接效应(1.439) 要高于直接效应(0.745)，其他变量间的影响见原文。

（三）分地区的空间面板计量分析

基于之前的分析，对四大地区进行SDM建立，见表6，结果显示：

1、四个地区均通过了空间自相关系数显著性检验，表明省份之间存在正向空间溢出效应，但小于全样本结果。

2、四大地区的城市化水平对人力资本积累结果基本一致，但城市集中度存在较大差异，其他控制变量也有明显差异。

3、各地区自变量的空间自回归系数rho与全样本估计结果有较大差异，其中城市化水平在西部地区有显著的正向空间溢出作用，而东部、中部和东北地区不显著。城市集中度一次项在西部有负空间溢出，城市集中度的空间溢出效应在东部和西部呈现相反空间外部效应，总体呈现负空间溢出效应。

（四）稳健性检验

前文分别采用普通面板模型和空间杜宾模型( SDM) 检验了城市化水平、城市集，中度对人力资本积累的影响效应，接下来从变换城市集中度测度指标、剔除直辖市样本数据和转换空间权重矩阵三方面开展稳健性检验。稳健性检验结果见表7，检验结果表明文中选取的模型具有较强的稳健性。

五、结论与启示

文章【参考文献】

［1］LUCAS Ｒ E.On the mechanics of economic development［J］. Journal of Monetary Economics，1988，22( 1) : 3－42．

［2］TEMPLE J.The New growth evidence［J］.Journal of Economic Literature,1999，37( 1) : 112－156．

［3］GENNAIOL N,LA P Ｒ,LOPEZDESILANES F,et al.Human capital and regional development［J］. Quarterly Journal ofEconomics，2013，128( 1) : 105－164．

［4］沈建法． 城市化与人口管理［M］． 北京: 科学出版社，1999: 121－148．

［5］SIMON C J. Human capital and metropolitan employment growth［J］.Journal of Urban Economics，1998，43( 2) : 223－243．

［6］GLAESEＲ E L,MAＲE D C. Cities and skills［J］.Journal of Labor Economics,2001,19( 2) : 316－342．

［7］时慧娜． 中国城市化的人力资本积累效应［J］． 中国软科学，2012( 3) : 117－127．

［8］HASSLEＲ J,MOＲA J V Ｒ.Intelligence,social mobility,and growth［J］. American Economic Ｒeview，2000，90( 4) : 888－908．

［9］周光霞,林乐芬.城市集聚经济与劳动力流动——理论框架与实证研究[J].商业研究,2018( 3) : 152－161．

［10]LI H,LIANG Y,FＲAUMENI B M,et al.Human capital in China,1985—2008[J],Ｒeview of Income ＆ Wealth,2013,59( 2) :212－234．

［11］BEＲTINELLI L,ZOU B T.Does urbanization foster human capital accumulation? [J].Journal of Developing Areas，2008，41(2) : 171－184．

［12］郭凯明，余靖雯． 城镇化过程中人口增长趋势转变与人口政策［J］.金融研究，2016( 4) : 17－33．

［13］EATON J，ECKSTEIN Z． Cities and growth: theory and evidence from France and Japan［J］． Ｒegional Science and Urban Economics，1997，27( 4) : 443－474．

［14］BLACK D，HENDEＲSON V． A theory of urban growth［J］． Journal of Political Economy，1999，107( 2) : 252－284．

［15]BACOLOD M,BLUM B S.Strange W C.Skills in the city[J].Journal of Urban Economics,2009,65(2):136－153．

［16］赵红军． 交易效率、城市化与经济增长［M］． 上海: 上海人民出版社，2004: 226－263．

［17］DUＲANTON G，PUGA D． Nursery cities: urban diversity，process innovation，and the life cycle of products［J］． American Economic Ｒeview，2001，91( 5) : 1457－1477．

［18］杨波，吴聘奇． 城市化进程中城市集中度对经济增长的影响［J］． 社会科学研究，2007( 4) : 20－26．

［19］梁文泉,陆铭.后工业化时代的城市: 城市规模影响服务业人力资本外部性的微观证据[J].经济研究,2016(12):90－103．

［20］朱平芳，徐大丰． 中国城市人力资本的估算［J］． 经济研究，2007( 9) : 84－95．

［21］钱雪亚，王秋实，刘辉． 中国人力资本水平再估算: 1995－2005［J］． 统计研究，2008( 12) : 3－10．

［22］彭国华． 中国地区收入差距、全要素生产率及其收敛分析［J］． 经济研究，2005( 9) : 19－29．

［23］岳书敬． 我国省级区域人力资本的综合评价与动态分析［J］． 现代管理科学，2008( 4) : 36－37．

［24］李海峥.中国人力资本报告 2017[R].北京: 中央财经大学中国人力资本与劳动经济研究中心,2017: 95-339．

［25］周文． 城市集中度对经济发展的影响研究［M］． 北京: 中国人民大学出版社，2016: 54－82．

［26］李红阳，邵敏． 城市规模、技能差异与劳动者工资收入［J］． 管理世界，2017( 8) : 36－51．

［27］王丽霞，李静． 城市化的人力资本“侵蚀效应”———三个维度的理论逻辑与检验［J］． 经济学家，2017( 7) : 80－86．

［28］SULLIVAN A O． Urban economics，8th edition［M］． New York: McGraw-Hill，2012: 45－67．

［29］LESAGE J P，PACE Ｒ K． Introduction to spatial econometrics［M］． Florida: CＲC Press，2009: 155－188．

［30］YU J,JONG Ｒ D,LEE L F.Quasi-maximum likelihood estimators for spatial dynamic panel data with

fixed effects when both n，and T，are large［J］.Journal of Econometrics，2008，146( 1) : 118－134．

［31］VEGA S H,ELHOＲST J P.The SLX model[J].Journal of Ｒegional Science,2015,55( 3) : 339－363．

［34］BICKAＲT B A，ＲUTH J A． Green eco-seals and advertising persuasion［J］． Journal of Advertising，2012，41( 4) : 51－67．

［35］PETTY Ｒ E，CACIOPPO J T． The elaboration likelihood model of persuasion［M］/ /PETTY Ｒ E，CACIOPPO J T． Communication and persuasion: central and peripheral routes to attitude change． Springer，New York: Springer-Verlag，1986: 1－24．

［36］黄静，刘洪亮，郭昱琅． 在线促销限制对消费者购买决策的影响研究———基于精细加工可能性视角［J］． 商业经济与管理，2016( 5) : 76－85．

［37］HEＲＲMANN A，ZIDANSEK M，SPＲOTT D E，et al． The power of simplicity: processing fluency and the effects of olfactory cues on retail sales［J］． Journal of Ｒetailing，2013，89( 1) : 30－43．

［38］KOZUP J C，CＲEYEＲ E H，BUＲTON S． Making healthful food choices: the influence of health claims and nutrition information on consumers＇ evaluations of packaged food products and restaurant menu items［J］． Journal of Marketing，2003，67( 2) : 19－34．

［39］ZHAO X，LYNCH JＲ J G，CHEN Q． Ｒeconsidering Baron and Kenny: myths and truths about mediation analysis［J］． Journal of consumer Ｒesearch，2010，37( 2) : 197－206．

［40］PＲEACHEＲ K J，HAYES A F． Asymptotic and resampling strategies for assessing and comparing indirect effects in multiple mediator models［J］． Behavior Ｒesearch Methods，2008，40( 3) : 879－891．

［41］HAYES A． Introduction to mediation，moderation，and conditional process analysis［J］． Journal of Educational Measurement，2013，51( 3) : 335－337．

［42］PAGIASLIS A，KＲONTALIS A K． Green consumption behavior antecedents: environmental concern，knowledge，and beliefs［J］． Psychology ＆ Marketing，2014，31( 5) : 335－348．

（~看完这三篇文章后，对空间杜宾模型印象最深，之后会尝试对相应板块的内容做一个编程实现。文章3会抽时间再细读一下。~）

顶一下

(0)

0%

踩一下

(0)

0%