论文部分内容阅读
本文对制造业地区间非均衡发展进行统计测度和影响因素分解研究。对非均衡发展的量化分析方法主要包括描述统计、综合指数、模型分解,它们分别代表了非均衡统计测度方法发展的三个阶段。早期的研究者主要采用洛伦兹曲线、数据分布和方差、变异系数等方法评析发展的均衡性;之后,研究学者基于样本数据与均值的贴近程度,福利效用函数等不同角度,构建出非均衡测量的综合指标;随着研究的推进,研究学者通过模型量化进一步分析非均衡,呈现出从单一到复杂的发展趋势。测度方法的发展完善和补充了非均衡领域的研究,同时为实际测量提供了可行的方法。但在国内外关于非均衡发展的文献中,大多都只选用单个方法进行非均衡测量,同时没有探究因素分解模型的适用条件,本文综合运用多种测量方法对制造业的地区间非均衡发展进行测量,并探索分解模型的适用条件,通过实证结果验证相关的非均衡理论。本文首先运用描述统计和指数方法(基尼系数、泰尔指数、MLD指数、阿特金森指数)测量和对比西部、中部、东部地区制造业的发展水平,同时从横向角度比较不同方法的差异,并探讨了不同方法测量非均衡结果相近的原因;其次通过产生随机数对非均衡分解模型进行模拟验证,探索Oaxaca Blinder分解法和夏普里值分解法的适用条件和环境,同时分析夏普里值分解法优于Oaxaca Blinder分解法的情形及原因;并以制造业为例进行实证分析,基于产出投入比角度,探索影响西部和东部、中部与东部制造业发展非均衡的主要因素,根据实证数据自变量间低度相关性,结合最优的对半数模型,选用夏普里值法进行模型的影响因素分解。研究结果表明:东部地区制造业产发展力指数的非均衡程度最高,其次是西部地区,最后是中部地区。2008年至2015年期间,东部和西部地区、东部和中部地区制造业发展呈现非均衡,总体差距呈现“倒U型”分布。四种指数方法在测量区域间非均衡程度时,总体趋势相同,但是不同方法之间还是存在细微的差别,就整体而言,MLD指数和阿特金森指数所测量结果更为接近,这是由于MLD指数和阿特金森指数的核心原理相近,都是通过比较样本观测值和均值的贴近程度来度量非均衡性;Oaxaca Blinder分解法和夏普里值分解法方法的适用前提为:自变量间相关性低,而自变量和因变量间相关性高的情形。若某些自变量分布越非均衡,夏普里值分解法的度量结果比Oaxaca Blinder分解法更为准确,这是由于Oaxaca Blinder分解法相较于夏普里值分解法对回归系数更为敏感;影响东部和西部、东部和中部地区发展差距变化的主要原因可分为两个方面,一个是城市化进程,一个是政府宏观调控干预的行为。实证结果表明政府干预缩小地区差距与循环累积因果原理相符合。