中国地区GDP数据质量评估——基于空间面板数据模型的经验分析,本文主要内容关键词为:中国论文,面板论文,经验论文,数据模型论文,质量论文,此文献不代表本站观点,内容供学术参考,文章仅供参考阅读下载。
一、引言
改革开放以来,中国的经济发展迅速,GDP总量已超过德国,成为仅次于美国和日本的世界第三大经济体。世界对中国宏观经济数据的质量给予了高度关注,特别是2008年爆发了由美国次贷危机导致的世界性金融危机以后,国际研究机构对中国GDP与相关经济数据的匹配性提出了质疑,如认为中国官方有关GDP的增长数据与能源消耗减少以及财政收入负增长等相互矛盾。类似的质疑在1998年亚洲金融危机期间也曾出现过,当时我国的外贸进出口和价格下行,能源需求出现负增长,但GDP仍保持高增长。2002年以后我国能源需求大幅提升,又有人质疑我国的GDP被低估。总之,中国的GDP数据似乎很难令人满意,社会各界对其准确性的质疑时有发生。为此,国内外学者从不同的角度、利用不同的方法对中国GDP数据的真实性进行了研究,并形成了两种对立的观点。
一部分学者认为,中国的GDP数据存在很大的水分。孟连和王小鲁(2000)从地区GDP汇总结果与国家统计局公布的数据存在差异、通胀与经济增长的关系出现背离等方面进行分析后认为,1992-1997年中国GDP的高估程度为2.5个百分点。Thomas G.Rawski(2001)对中国1998-2001年经济增长率与能源消耗数据、生产与投资数据、消费与收入数据之间的不一致性进行分析后认为,中国的GDP数据存在严重的上偏误差,4年累积的实际经济增长率不会超过官方公布数据的1/3,其中,1998年的GDP增长率比官方统计的7.8%要低得多,2.2%只是一个上限,实际结果可能更低,甚至是-2%。
另一部分学者认为,中国的GDP数据基本属实。Klein和Ozmucur(2002)选取了对中国经济有广泛代表性的15个经济指标进行了主成分分析,结果表明,各指标的变动与中国官方估计的实际GDP变动是一致的。任若恩(2002)认为,Rawski论证中国经济增长率存在上偏误差的方法过于简化和草率,孟连和王小鲁的研究方法也不够严谨和全面。阙里和钟笑寒(2003)借鉴Klein和Ozmucur的思想,使用1984-2001年的中国省际面板数据,为中国GDP增长的真实性讨论提供了地区一级数据的检验,其结果表明,从整个时期来看,中国地区GDP数据没有出现违背经济规律的统计特征,年度特殊影响也不严重,地区特殊影响虽然较大,但可以从地区经济结构及变化等方面的差异上得到解释。
那么,近几年来中国GDP数据的可靠性究竟如何?特别是2008年以来在经历了特大地震灾害、全球经济陷入严重困境的情况下,中国及各地方的数据是否真实地反映了经济发展状况?针对这些问题,本文将借鉴Klein和Ozmucur的数据质量评估思想,重新筛选合适的变量,构建空间面板数据模型,对2005-2008年中国各省区的GDP数据质量进行经验分析。
二、理论框架和研究方法
(一)GDP数据质量评估的基本思路
影响一个国家或地区经济增长的因素众多而复杂,单独某个或少数几个经济活动指标不可能客观、全面地反映经济的整体运行情况,特别是对中国这样一个大的经济体来说更是如此。因此,为了能够真实地解释GDP增长,应选取足够多的、相对独立的、有代表性的经济指标,从整体上分析GDP与相关经济指标的协调情况。但是,由于各评估指标之间通常存在不同程度的相关关系,在采用常规的回归分析方法对GDP数据的质量进行评估时,难免会出现多重共线性问题。这种共线性不仅会使一些评估指标的显著性明显下降,而且可能导致评估指标回归系数的正负符号出现违背一般经济规律的结果,即原本应该为正(负)的回归系数变为负(正),从而错误地得出中国GDP数据失真的结论。因此,为了避免共线性对回归分析的不利影响,同时又不减少评估指标的个数,应该对评估指标进行主成分回归,即先从众多评估指标中提取若干彼此之间互不相关的主成分,再将这些主成分与GDP进行回归,估计出一个尽量合理、可靠的回归模型,然后根据该模型的回归系数以及主成分与原评估指标之间的相关系数,还原出GDP与原评估指标之间的系数,最终根据其正负情况判断是否与经济规律相符。如果出现违背,则认为GIDP数据失真,存在数据造假现象;反之,则认为GDP数据的真实性较好。
此外,在对地区一级的GDP数据质量进行评估时,还应考虑地理空间因素对经济增长的影响。通常情况下,一个地区的某种经济地理现象与邻近地区的同一现象是相关的,几乎所有空间数据都具有空间相关或空间依赖的特征,不满足经典计量分析中相互独立的基本假设。在对地区GDP数据质量进行评估时,如果不考虑邻近地区之间经济增长的相关性,则最终的评估结果必然不够准确甚至是错误的。前面的文献在对中国地区一级的GDP数据质量进行评估时,都没有考虑地理空间因素对经济增长的影响。空间计量经济学可以为空间相关问题的解决提供有效的方法,本文在对中国地区一级的GDP数据质量进行评估时,尝试将地理空间因素纳入评估模型中。
(二)空间面板数据模型
空间计量经济学所研究的空间相关性是指一个地区的样本观测值与其他地区的观测值相关。对于空间相关性的检验,主要是利用空间相关指数Moran's I以及基于极大似然估计假设检验的Wald、LR等统计量,但这些检验都是针对截面空间回归模型提出的,不能直接用于空间面板数据模型。要把这些检验扩展到空间面板数据分析,还必须用分块对角矩阵(为T维单位时间矩阵,为N×N的空间权重矩阵,T为时期数,N为地区数,表示矩阵的kronecker乘积)代替Moran's I等统计量计算公式中的空间权重矩阵。
空间相关性通常来源于两个方面,一是地区间密切的经济往来使相邻地区的经济存在明显的溢出效应,二是邻近地区关于因变量的误差冲击对本地区的观测值产生影响。于是,空间相关性主要体现在因变量的滞后项和误差项上,空间计量经济模型也表现为空间滞后模型(SAR)和空间误差模型(SEM)两种基本形式。这两种模型所反映的空间相关性都是全局性的,在考察范围内任何两个地区之间都存在一定的相关性,并且相关强度服从距离衰减规律。空间滞后模型主要反映一个地区经济增长的所有解释变量是如何通过空间传导机制作用于其他地区的,空间误差模型则强调区域外溢是随机冲击的作用结果。
当经济问题的研究从横截面数据拓展到面板数据时,基于横截面数据的空间计量经济模型就要拓展到空间面板数据模型。空间滞后面板数据模型(SAR Panel)和空间误差面板数据模型(SEM Panel)如下式所示:
对于模型的选择,目前通行的做法是,先用最小二乘法(OLS)估计不考虑空间相关性的受约束模型,然后进行空间相关性检验,如果拉格朗日乘数LMsar比LMerr在统计上更加显著,且稳健R-LMsar显著而R-LMerr不显著,就可以认为空间滞后面板数据模型是比较合适的模型;反之,如果拉格朗日乘数LMerr比LMsar在统计上更加显著,且稳健R-LMerr显著而R-LMsar不显著,就可以认为空间误差面板数据模型是比较合适的模型。
根据误差成分分解的不同,空间面板数据模型可以分为固定效应模型和随机效应模型。其中,固定效应模型控制了两类非观测效应——空间固定效应和时间固定效应,前者反映随区位变化但不随时间变化的背景变量(如经济结构和自然禀赋等)对均衡水平的影响,后者反映随时间变化但不随区位变化的背景变量(如商业周期和暂时性冲击等)对均衡水平的影响。
设sf和tf分别为空间固定效应的N维列向量和时间固定效应的T维列向量:
模型(3)、(4)不仅考虑了区域经济增长的空间和时间异质性,而且引入了空间相关性因素,这就在很大程度上避免了模型误设问题。
三、实证分析
(一)指标选取和数据处理
要客观地评估地区GDP数据质量,需借助于一套科学合理的评估指标体系。评估指标选取是否恰当,会对最终的评估结果有直接的影响。
本文遵循系统性、独立性和可行性原则,参照Klein和Ozmucur(2002)、阙里和钟笑寒(2003)的指标选取方法,并结合国家统计局《地区GDP数据质量评估方案(征求意见稿)》中的指标,选取了反映投资、消费、对外贸易、企业效益、居民收入、财政收入、能源消耗、货物运输和信贷投放等经济生活各主要方面的9个评估指标(如表1所示)。这些指标与GDP的关系体现在,它们或是与支出法和收入法GDP的组成部分高度相关,或是与GDP有确定的联系,且预期各指标与GDP均正相关。
表1 地区GDP数据质量评估指标体系
本文选取了2005-2008年中国30个省区(除西藏外)各指标的年度数据,共计120个观测样本,数据来源于2006-2009年《中国统计年鉴》和中经网统计数据库。为了消除价格因素对各指标的影响,我们对以货币形式表现的数据进行了价格调整,将其统一换算为2004年不变价。具体而言,我们用各地区GDP价格指数调整各地区现价GDP,用各地区固定资产投资价格指数调整各地区全社会固定资产投资,用各地区居民消费价格指数调整各地区社会消费品零售额、全社会职工工资总额、各项税收和存贷款余额,用各地区工业品出厂价格指数调整各地区规模以上工业企业利润总额,用美国居民消费价格指数调整各地区出口总额。
(二)模型估计及检验
1.主成分提取。由于所选指标较多,且与GDP的关系都较为密切,因而不可避免地会存在多重共线性。为了消除多重共线性的影响,需要利用主成分分析法对各指标提取主成分变量。本文共提取了9个主成分变量F1~F9(限于篇幅,主成分特征及其与原变量关系表从略),并得出各样本的主成分得分,对GDP与这些主成分变量进行回归分析。
2.经济空间权重的设定。空间权重矩阵是地区间影响方式的体现,其基本形式只考虑了地理相邻信息,即地理空间权重矩阵(W)。最常用的地理空间权重矩阵是二进制邻接空间权重矩阵,它用来定义空间对象的相互邻接关系,即完全是基于地理位置上相邻与否来设置地区间的空间相关性,地区间的相互作用程度随相隔距离的增加而减弱,其设定方式为:
其中,为二进制邻接空间权值矩阵W中的任一元素,i=1,2,…,n,j=1,2,…,m,m=n或m≠n,主对角线上的元素为0。W需要进行标准化处理,即用每个元素同时除以所在行元素之和,使得每行元素之和为1。
事实上,相邻地区间的经济联系并非完全相同,经济落后地区一般对发达地区的影响力较小,而发达地区能够对周围地区产生较大的辐射力,即具有更强的空间影响力。要更好地模拟地区间现实存在的经济关联性,需设置经济空间权重矩阵。通常的做法是,计算考察期间各地区实际GDP占所有地区实际GDP之和的比重均值,以此来衡量地区经济水平的高低,并假设经济实力强的地区对周围地区产生的空间影响力大,反之则弱。经济空间权重矩阵(WE)是地理空间权重矩阵W与各地区GDP所占比重的均值(除以各地区的均值之和)为对角元的对角矩阵的乘积,其形式为:
3.空间相关性检验和空间面板数据模型估计。
(1)空间相关性检验。表2给出的检验结果表明,根据OLS估计的模型存在明显的空间相关性。其中,Moran's I为0.34085511,其检验统计量为552916474,空间相关性检验的尾概率远远小于1%,其他两个统计量LR和Wald也十分显著。可见,模型误差中的空间相关问题非常严重,中国的地区经济增长存在明显的空间相关性。传统研究忽视了空间维度的相关性,直接采用OLS法对经典线性回归模型进行估计,这是与经济发展现实不符的。因此,在对地区GDP数据质量进行评估时,有必要在模型中引入空间相关性因素,以反映地区之间的相互作用。
表2 空间相关性检验
(2)判断空间因素的特殊影响是固定影响还是随机影响。我们分别对SAR Panel和SEM Panel进行Hausman检验,结果表明,两模型均具有固定影响。一般来讲,选择固定效应模型或随机效应模型的定性标准为:当样本是随机地取自所考察的总体时,随机效应模型应是更恰当的设定;而当回归分析局限于一些特定的个体时(如中国各省级行政单位),固定效应模型应是更好的选择。基于上述检验结果和标准,并结合本文的研究需要,我们选取固定效应模型。模型结果显示,从各种固定效应形式(空间固定效应、时间固定效应和时空固定效应)的空间滞后和空间误差模型来看,同时包含空间和时间固定影响的模型的拟合优度和对数似然值LogL有明显改进,各回归变量的显著程度较高,空间滞后项和空间误差项也通过了检验。可见,地区之间既存在空间固定效应影响,又存在时间固定效应影响。
(3)区分空间相关是空间滞后还是空间误差形式。表3给出的拉格朗日乘子滞后和误差及其稳健性检验结果表明,在1%的显著性水平上,LMerr比LMsar显著,且R-LMerr显著,而R-LMsar不显著,因此,应选择SEM Panel时空固定效应模型,即模型(4)是更恰当的模型形式。
(4)对地区GDP(经标准化处理)和9个主成分变量建立SEM Panel时空固定效应模型。表4给出的极大似然(ML)估计结果表明,各主成分变量(除F9外)的回归系数均在1%的水平上显著。模型的空间误差项系数为0.349969,同样通过了1%的显著性检验,从而进一步证实了中国地区经济增长有明显的空间相关性,经济增长通过地理空间机制发挥作用。以空间误差自相关形式表现的空间相关性表明,一些省略的因素如地区生产技术水平、管理能力等,对周边地区具有很强的扩散效应。此外,模型的和LogL均较高,分别为0.9998和343.14187。可见,SEM Panel时空固定效应模型消除了模型的空间自相关,从而能够比较客观地反映真实情况,模型设定形式科学、合理,结果也更为准确、可靠。
表3 模型设定检验
表4 SEM Panel时空固定效应模型ML估计
(三)评估结果分析
1.GDP与相关经济指标的匹配性分析。根据主成分变量与原始经济指标(评估指标)的相关系数矩阵,可以还原出GDP与各原始经济指标对应的回归系数,如表5所示。
从表5中可以看出,GDP与各原始经济指标对应的回归系数均为正值,说明各评估指标与GDP之间均为正向关系,这符合基本经济规律,从整体上证实了中国地区GDP与各经济指标的匹配性较好,GDP数据的可靠性较高,不存在明显的失真现象。
表5 GDP与原始经济指标对应的回归系数
根据各系数的相对大小,我们具体分析GDP与各指标的匹配程度。
(1)GDP与投资、消费、出口指标的匹配生。全社会固定资产投资、社会消费品零售总额和出口总额的系数均较大,说明投资、消费、出口对中国经济增长的贡献均较大,与中国经济发展的现实情况相符;同时也说明中国各地区的GDP与上述反映产品最终使用去向的经济总量指标的匹配性较好。例如,全社会固定资产投资的系数高达0.323421,说明近年来投资始终是推动国民经济平稳较快增长的强大动力。投资增长快,则GDP的增速也较高;如果投资增速出现明显回落,则GDP的增速也必然下滑。实际情况也确实如此,如2003-2007年间,我国全社会固定资产投资一直保持着20%以上的增长速度,GDP增长率也在10%以上;2008年第四季度由于受金融危机的影响,全社会固定资产投资增长率下降为16.8%,相应的,GDP增长率也回落到6.8%的较低水平。另外,社会消费品零售总额的系数高达0.336508,说明消费对经济增长的带动作用日渐强劲,这与我国近年来的情况基本相符。为了扩大内需,加快经济发展方式的转变,我国政府采取了一系列刺激消费的积极措施,推出了包括减免农业税等一系列扶农、支农、惠农的政策,特别是在应对国际金融危机的一揽子政策方案中,民生工程成为政府4万亿元投资计划的主要投向,通过“家电下乡”等措施有效地刺激了农村消费市场,取得了很好的效果。从出口总额的系数来看,其为0.255963,比较适中,说明近年来出口对经济的促进作用小于投资和消费,这也与我国的实际情况基本相符。在国际金融危机的强烈冲击下,我国的外需迅速萎缩,外向型经济发展受到了很大的影响。
总之,从反映产品最终使用去向的几个经济总量指标与GDP数据的匹配性来看,中国各地区GDP数据的质量从总体上看是可信的。
(2)GDP与企业效益、居民收入和财政收入指标的匹配性。规模以上工业企业利润总额和全社会职工工资总额两个指标的系数均适中,分别为0.308906和0.304939,说明企业效益、居民收入与GDP之间的协调情况较好。各项税收的系数也适中,达到0.279104,说明政府收入与经济总量基本保持了同步增长。那么,如何认识“2009年上半年我国GDP同比增长7.1%,而财政收入同比下降2.4%”这一看似矛盾的现象呢?我们认为,这种不协调主要是因为金融危机时期需求结构的变化以及政府出台的扩大内需政策促进了一、三产业及建筑业的发展,从而保证了GDP的增长,而且使GDP增长快于工业增长;与工业生产密切相关的增值税、企业所得税、进口环节税收等主要税种,则因工业生产受到外需大幅下降的冲击而大幅减收。另外,2008年下半年国家实施了增值税转型等大规模的结构性减税政策,导致2009年上半年的税制结构与2008年上半年不可比,这也是导致GDP增长而税收并未同步增长(甚至减少)的重要原因之一。事实上,从2009年下半年开始,随着税制结构可比性的增强,这种GDP增长与税收增长的不协调很快就消失了。这说明仅凭“2009年上半年我国GDP同比增长7.1%,而财政收入同比下降2.4%”这一点就质疑甚至否定GDP数据的可靠性,是站不住脚的。
(3)GDP与能源消耗、货物运输和信贷投放指标的匹配性。全社会电力消费量的系数较大,达到0.322961,说明总体上中国经济的快速增长是建立在能源大量消耗的基础上,这一结果与社会各界对中国粗放型经济发展方式的基本判断相符。那么,如何解释金融危机期间中国经济总量持续增长而电力消费却连续几个月出现负增长呢?我们认为,一是因为金融危机期间产业结构变化较大,用电量相对较少的第三产业增长较快,如2009年一季度第三产业增加值同比增长7.4%,超过第二产业2.1个百分点,其占GDP的比重也由2008年同期的42.7%提升到44.3%,超过第二产业中工业的比重,而工业增加值占GDP的比重则由2008年一季度的46.0%下降到2009年一季度的44.1%;二是因为主要高耗能产业的生产及用电量增长放缓,而用电相对较少的高技术产业增长较快,如2009年一季度用电量占规模以上工业企业63%左右的六大高耗能产业增加值同比增长2.3%,比2008年同期回落了12.5个百分点,用电量则从2008年一季度的增长13.2%变为下降3.7%,下降幅度超出规模以上工业企业用电量降幅1.1个百分点。所以,正如国家统计局有关负责人所指出的,简单地用经济总体增速与部分能源消耗增速的数据进行对比,以质疑GDP数据的真实性,是犯了总体与部分对比的错误,其观点是站不住脚的。
货物周转量的系数最小,为0.124617,说明尽管随着我国经济的发展,物流量在不断增大,但货物运输与GDP的关系不是十分密切。其原因在于,货物运输主要是与工业增长密切相关的,工业增长较快时,货物运输增长也较快;如果工业增加值占GDP的比重相对下降,而第三产业的比重相对上升,则货物周转量与GDP的关系很可能减弱。尽管如此,我们的经验分析证实,GDP与货运周转量具有一定的正相关性,与现实相符。由此,不能做出GDP数据违背基本经济规律以及数据不真实的判断。
存贷款余额的系数适中,为0.289705,说明我国信贷投放对经济增长的促进作用较为明显,这也与经济规律相符。金融危机爆发后,为了实现“保增长”的目标,我国及时采取了适度宽松的货币政策,信贷投放迅速增加,这些新增的信贷必将对国民经济企稳回升发挥积极的作用。
2.时间特殊影响分析。通过观察SEM Panel时空固定效应模型的时间固定效应,我们可以分析GDP的数据质量随时间变化是否存在较大幅度的波动(如表6所示)。
表6 时间特殊影响
从表6中可以看出,在考察期间的4个年份特殊影响都不显著(p值均大于0.7),这说明整体来看我国各地区GDP数据的质量在各年份之间是基本稳定的,与上述评估指标是匹配的,“近年来中国GDP数据存在严重高估”的说法不能成立。尤其是在2008年这一特殊年份,我国经历了特大地震灾害,国际金融风暴又使全球经济陷入严重困境,对此,我国政府及时采取了有效的经济刺激措施,并同国际社会展开密切的经济合作,共同应对危机,使中国经济仍然实现了“保八”的增长目标,经济增速达8.9%。我们的经验分析证实,这一增长水平是可靠的。
3.空间特殊影响分析。利用上文估计的SEM Panel时空固定效应模型,可以得到各地区的空间固定效应值(如表7所示)。由于空间计量方法已经把地区间的空间相关从固定效应中剥离出来,因此,这里的固定效应值可以直接反映各地区的特殊因素对GDP数据质量的影响。
从表7中可以看出,空间固定效应显著为正的省市有7个,分别为河北、上海、江苏、浙江、山东、河南和广东,它们大多处在经济较发达的东部沿海地区。出现这种情况的原因可能是,前面实证过程中没有考虑的一些经济因素如产业结构、技术进步、外商投资等,以及无法反映到模型中的社会因素如优越的自然条件、区位优势、人文环境等,都被包含在空间固定效应中。然而,更为可能的情况是,这些地区的GDP数据存在一定程度的高估。通过对比各省区GDP初步核实数据和第二次经济普查修订数据(2005-2008年),我们发现,山东2007、2008年的GDP分别高估78.24、138.77亿元,广东2006、2007年的GDP分别高估44.95、410.69亿元,上海、江苏和浙江2007年的CDP分别高估187.69、181.05、142.08亿元,河北、河南2006年的GDP分别高估144.67、133.18亿元。①当然,初步核实数据与普查修订数据在统计方法上存在一定的差异性,但结合本文的实证检验,我们更倾向于这些地区的GDP数据可能存在一定程度的高估。
表7 空间特殊影响
空间固定效应显著为负的省市有14个,分别为山西、内蒙古、吉林、江西、广西、海南、重庆、贵州、云南、陕西、甘肃、青海、宁夏和新疆,它们大多处在我国经济欠发达的中西部内陆地区,这些省市的GDP数据极有可能存在一定程度的低估。通过比较这些地区的GDP初步核实数据与普查修订数据之间的差异,我们发现,2008年山西、江西、海南、重庆、贵州、陕西、青海和宁夏的GDP分别低估了376.67、490.72、43.83、697.00、228.16、463.26、57.10、105.41亿元。当然,由于这些欠发达地区的统计基础比较落后,初步核实数据难免会有一定的误差,但结合本文的实证检验,我们更倾向于这些地区的GDP数据可能存在一定程度的低估。
此外,其余的9个省市——北京、天津、辽宁、黑龙江、安徽、福建、湖北、湖南和四川的空间固定效应都不显著(p值均大于0.1),说明这些地区由基本经济要素决定的真实GDP数据与官方公布的数据大体一致,不存在明显的高估或低估现象。
四、结论与启示
本文的经验分析表明,中国地区经济增长存在明显的空间相关性,在对各地区GDP的数据质量进行评估时不能忽视空间因素的影响。空间面板数据模型的估计结果显示,总的来看,中国地区GDP与各经济指标的匹配性均较好,没有发现GDP数据存在系统的高估或低估的证据,特别是电力消费量和财政收入相对于GDP的变化趋势都符合基本经济规律;从不同年份来看,2005-2008年各年间的时间固定效应均不显著,特别是在金融危机爆发的2008年,没有发现地区GDP高估的迹象,从而进一步证实了我国各地区GDP的数据质量在各年份之间是基本稳定的,与各主要经济指标的匹配性较好;分省区来看,除9个省市GDP数据的可靠性相对较好之外,一些经济较发达的东部沿海省市的GDP数据存在一定程度的高估,而一些经济欠发达的中西部内陆省区的GDP数据存在一定程度的低估。
基于上述结论,我们认为,我国官方公布的GDP数据总体上能够客观地反映宏观经济发展形势,一些国外学者怀疑我国的官方统计数据的真实性,进而怀疑中国经济增长的现状和前景,他们的判断是没有说服力的。同时,我们也应该看到,当前我国的地区GDP统计工作尚需进一步改进和完善,特别是那些存在高估或低估现象的省市更要查找原因,采取更科学的方法进行统计。国家统计局已经表示,要对地方GDP数据统一进行核算,这对提高统计数据的质量和公信力具有十分重要的意义。
注释:
①依据第二次全国经济普查结果及国家普查年度GDP核算方法,国家统计局对各省GDP初步核实数据进行了统一修订。文中的GDP高估值和低估值,都是根据修订后的公告整理得到的。
标签:面板数据论文; 固定效应模型论文; 成分分析论文; 经济模型论文; 相关性分析论文; 空间分析论文; 统计模型论文; 相关性检验论文; 矩阵管理论文; 辽宁gdp论文; 经济增长论文; 经济论文; 误差分析论文; 相关矩阵论文; 江苏gdp论文; 矩阵分解论文; 经济学论文;