The Impact of Forestry Industry Agglomeration on Forestry Economic Growth：An Empirical Analysis Based on 11 Provinces and Autonomous Region in Southern Collective Forest Areas
-
摘要: 在理论分析林业产业集聚对林业经济增长的影响基础之上，以南方集体林区11省（自治区）为例，利用1998—2018年的长面板数据，采用区位熵指数测度了南方集体林区11省（自治区）的林业产业集聚水平。基于柯布—道格拉斯生产函数，在选择固定效应模型后，采用可行广义最小二乘法（FGLS）以及utest检验，实证分析了林业产业集聚对林业经济增长的影响。结果表明：（1）南方集体林区11省（自治区）的林业产业集聚水平存在时空差异；（2）林业产业集聚与林业经济增长之间存在“倒U型”关系。因此首先要注重林业产业集聚发展规律，将其控制在合理范围内；其次是要注重提升林业产业集聚质量，优化产业布局；最后则是要制定差异性、针对性的林业产业集聚发展措施。Abstract: Based on the theoretical analysis of the impact of forestry industrial agglomeration on forestry economic growth,taking 11 provinces of southern collcetive forestry area as an example,this paper uses the long panel data from 1998 to 2018 to measure the level of forestry industrial agglomeration on 11 provinces in southern collective forestry area by using the location entropy index. Based on the Cobb-Douglas production function, after selecting the fixed-effects model, the feasible generalized least squares (FGLS) and utest test are used to empirically analyze the impact of forestry industry agglomeration on forestry economic growth. The research results show that: （1） there are spatial and temporal differences in the level of forestry industry agglomeration on 11 provinces in southern collective forest area; （2） there is an “inverted U-shaped” relationship between forestry industry agglomeration and forestry economic growth. Therefore, firstly, we should pay attention to the law of forestry industry agglomeration development and control it within a reasonable range; secondly, we should focus on improving the quality of forestry industry agglomeration and optimizing the industrial layout; finally, we should develop different and targeted industrial agglomeration development measures.
-
随着中国经济迈入质量为先的新发展阶段，实现经济高质量发展已成为中国式现代化的本质要求以及全面建设社会主义现代化国家的首要任务。县域经济是以县级行政区为单位的区域经济单元。常言道“县为国之基，农为县之本”，县域经济既是区域经济发展的基石，也是国家高质量发展的支撑。如何顺应新发展阶段的使命与要求，更好地推动县域经济高质量发展，是加快中国乡村振兴与城镇化进程，着力推进城乡融合和区域协调发展的重要内容。党的十八大以来，党中央高度重视县域经济社会发展，不断深化县域放权赋能改革，持续激发县域高质量发展新活力。习近平总书记强调，要把县域作为城乡融合发展的重要切入点，推进空间布局、产业发展、基础设施等县域统筹，把城乡关系摆布好处理好，一体设计、一并推进；党的二十大报告中明确部署，要“推进以县城为重要载体的城镇化建设”，“坚持城乡融合发展，畅通城乡要素流动”；2022年12月中共中央办公厅、国务院办公厅印发的《乡村振兴责任制实施办法》再次强调要“以县域为重要切入点加快城乡融合发展”。这些部署和要求为新发展阶段县域经济高质量发展提出了更高的要求，也指明了新思路与新路径。
广东作为中国改革开放前沿省份，在全面建设社会主义现代化国家新征程中承担着走在全国前列、创造新辉煌的重要使命和任务。依托粤港澳大湾区国家战略强化引擎功能，广东正引领着中国实现更高层次的对外开放与改革创新，实现高质量发展。县域经济作为广东经济重要的组成部分，是广东打造新发展格局战略支点的重要支撑，但多年来县域经济一直是制约广东整体经济实力和区域发展潜力的重要因素，面临着发展水平低、区域差异大的困境[1]。在推进广东高质量发展的过程中，最大难点在于县域，重点和着力点也在县域。广东省委省政府高度重视县域振兴发展， 2022年12月召开的省委十三届二次全会明确强调：“突出县域振兴，高水平谋划推进城乡区域协调发展，实施‘百县千镇万村’高质量发展工程，推动城乡区域协调发展向着更高水平和更高质量迈进。”在新的区域发展战略背景下，科学测评广东县域经济高质量发展水平，探究广东县域经济高质量发展水平的时空演变格局和差异来源，对于制定和完善相关区域政策，进一步推动广东整体高质量发展具有重要的参考意义。
一、 文献综述
关于高质量发展问题已形成了较为丰富的研究成果，已有研究主要集中在以下三个方面：一是关于高质量发展的内涵定义界定。推动经济高质量发展的前提是准确把握高质量发展的内涵定义，但因高质量发展的本质具有丰富性和多维性，而使其概念不易把握[2]。学者基于各自的研究视角对高质量发展定义给出了不同的表述，如任保平等将高质量发展归纳为经济增长到一定阶段后，经济结构优化、新旧动能转换、经济社会协同发展、人民生活水平显著提高的结果[3]；赵剑波等认为高质量发展是中国经济由数量和规模向质量和效益转变的发展，包括了发展观念的转变、增长模式的转变以及对民生水平的关注[4]。二是关于高质量发展水平的测度评价，多集中于评价指标的构建以及评价方法的选取。高质量发展作为一个涉及多领域、多学科的综合概念，仅从单一指标或角度出发进行评价有一定缺陷，因此构建综合指标体系已成为学界普遍共识。如从五大发展理念出发，构建突出“创新、协调、绿色、开放、共享”等方面内容的高质量发展评价体系[5−7]；或从经济增长的规模、高效、成果分配以及稳定性、共享性、可持续性等视角出发选取测度指标等[8−9]；而在测度方法的选择上也较为多样，存在因子分析法[10]、熵值法[11]、熵值-TOPSIS法[8]等多种方法对高质量发展水平进行测度。三是关于高质量发展的影响因素探究。高质量发展受到经济发展阶段影响、依赖于健全的质量文化环境以及完备的政策法规体系为保障[4]。从已有研究来看，科技创新、人才集聚、投资及消费水平、基础设施等因素对经济高质量发展具有显著的影响作用[12−13]。
综上所述，现有成果对于高质量发展的内涵意义、指标体系构建、影响因素等做了丰富的论述，对本文的研究具有重要的参考意义。从区域结构来看，县域是支撑经济社会发展的重要单元。随着中国经济发展进入新时代，推动县域经济高质量发展既是全面贯彻新时代新经济发展理念的迫切需要，更是促进中国社会经济发展转型的战略选择[14]。但现有关于县域层面的高质量发展评价内容还较为不足，而涉及广东县域的相关研究则更少。2018年6月广东省委十二届四次全会提出实施以功能区为引领的区域发展新战略，加快构建由珠三角核心区、沿海经济带、北部生态发展区构成的“一核一带一区”区域发展格局，标志着广东迈入了区域协调发展战略的全新阶段，对不同主体功能区的高质量发展提出新的要求，部署新的战略任务。在这样的背景下，如何缩小广东城乡与区域间的差异就成了亟待研究的重要命题。因此，本文将基于已有研究，构建高质量发展评价指标体系对广东57 个县（市）经济高质量发展水平进行全面客观的测度，并探究广东县域经济高质量发展水平时空分布特征，剖析县域经济发展差异来源，为助推广东区域间高质量协调发展提供一定的理论支撑和参考依据。
二、 材料与方法
（一） 基于改进的AHP法−熵值法求综合得分
1. 指标无量纲化的处理
在计算权重之前，有必要先对原始数据进行无量纲化处理，从而消除指标内因量纲和数量级不一致所造成的影响。
$$ {X}_{ij}=\left\{\begin{array}{c} \dfrac{{x}_{ij}-{x}_{j{\rm{min}}}}{{x}_{j{\rm{max}}}-{x}_{j{\rm{min}}}}\qquad (\mathrm{正}\mathrm{向}\mathrm{指}\mathrm{标})\\ \dfrac{{x}_{j{\rm{max}}}-{x}_{ij}}{{x}_{j{\rm{max}}}-{x}_{j{\rm{min}}}} \qquad(\mathrm{负}\mathrm{向}\mathrm{指}\mathrm{标})\end{array}\right. $$ (1) 式（1）中Xij为第i个县（市）经标准化后的指标j，xij为第i个县（市）的原始指标j，i=1, 2, 3, ···, n，j=1, 2, 3, ···, m。而xjmax表示指标j的最大值，xjmin表示指标j的最大值。
而对于适中指标的处理，本文参考了王亚男等[6]的研究，先通过式（2）将指标正向化，再进行无量纲化处理：
$$ {x}_{ij}^{\mathrm{*}}=\frac{|{x}_{ij}-{{\bar x}_{j}}|}{{x}_{j{\rm{max}}}-{x}_{j{\rm{min}}}} $$ (2) 2. 指标权重的确定
为了能够更全面客观地确定权重，本文综合采用AHP法以及熵值法分别确定权重，再运用最小信息熵原理将两种方法计算的权重综合计算最终权重。
①AHP法。AHP法是通过两两比较指标间的重要性进行打分，来确定判断矩阵中元素的值，并进行一致性检验，进而确定权重。传统的AHP法一般是基于专家打分来确定权重，本文采用章海波等[15]使用的经过改进后的AHP法，通过利用样本标准差来确定判断矩阵内部元素的值，此种方法对原有方法的标度进行了扩展，使得所确定的指标更加符合研究区域的具体情况。
②熵值法。通过熵值法对评价指标赋予权重，能够在一定程度上消除主观赋值的缺陷，体现出各个指标对于评价对象的重要性差异。对于某项指标而言，有效信息量越大，不确定性越小，那么熵值法赋予的权重就越大，反之亦然[16]。
③最小相对信息熵原理确定组合权重。综合AHP法求得的主观权重W1j和熵值法求得的客观权重W2j可以得到组合权重Wj，j=1, 2, ···, m。根据最小相对信息熵原理，运用拉格朗日乘子优化法可得组合权重公式：
$$ {W}_{j}=\frac{{\left({W}_{1j}{W}_{2j}\right)}^{0.5}}{\displaystyle\sum _{j=1}^{m}{\left({W}_{1j}{W}_{2j}\right)}^{0.5}}\quad(j=1, 2 \cdots m) $$ (3) 3. 县域综合评价值的确定
将组合权重Wj与各县（市）经过无量纲化处理后的值Xij进行线性加权运算，即可得到县域高质量发展评价结果Zi，公式如下：
$$ {Z}_{i}=\displaystyle\sum _{j=1}^{m}{X}_{ij}\cdot{W}_{j}\quad(i=1,2,3\cdots ,n\text{；}j=1,2,3\cdots m) $$ (4) 式（4）中，Zi为最终的高质量发展综合得分，Zi介于0～1之间且与广东县域经济高质量发展水平呈正相关关系，即Zi越大表明广东县域经济高质量发展水平越高。
（二） Dagum基尼系数
Dagum在泰尔指数的基础之上将基尼系数分解成了区域内差距贡献Gw，区域间超变净值差距贡献Gnb，区域间超变密度贡献Gt 三部分，三部分满足的关系是：总差距G=Gnb+Gw+Gt。Dagum基尼系数能有效辨析区域差距的来源，同时也能够解决样本之间的交叉重叠问题[17]。
（三） Kernel密度估计
Kernel密度估计运用连续的密度曲线来刻画变量的分布状态，假设f（Z）为广东县域经济高质量发展综合得分Z的密度曲线，则有：
$$ f\left(Z\right)=\frac{1}{nh}\displaystyle\sum _{i=1}^{n}K\frac{{(Z}_{i}-\bar{Z})}{h} $$ (5) 式（5）中，n为广东县域个数，h为带宽，K(·)为核密度曲线，本文运用较常使用的高斯核密度函数对广东县域高质量发展综合得分的分布动态演进进行估计，公式为[18]：
$$ K\left(Z\right)=\frac{1}{\sqrt{2{\text{π}} }}{e}^{-\frac{{Z}^{2}}{2}} $$ (6) 三、 新发展阶段广东县域经济高质量发展水平评价指标体系的构建
高质量发展作为一个综合性概念，是“量”和“质”的有机统一，党的二十大报告指出推动高质量发展就是要“推动经济实现质的有效提升和量的合理增长”。“量”和“质”两者相互作用，相辅相成，经济“量”的合理增长能够为经济结构转型、人民生活水平提升、生态环境改善等一系列经济“质”的提升提供坚实的物质基础，而经济“质”的有效提升反过来又能够促进经济“量”的稳步增长。因此，对于广东县域高质量发展评价指标的构建不仅要考虑到“量”的增长，更要考虑到“质”的提升，才能充分显示出高质量发展的本质内涵以及基本特征。
在参考了已有相关研究[5，7，14]的基础之上，本文从发展规模、发展结构、发展效率、发展效益4 个系统层维度出发构建广东县域经济高质量发展评价指标体系，其中发展规模、发展效率指标涉及的是经济高质量发展“量”的角度，而发展结构、发展效益指标涉及的是经济高质量发展“质”的角度。具体来说，发展规模指标用于衡量经济发展的宏观水平，发展结构指标用于衡量县域与所在地级市发展差距以及产业结构转型升级程度，发展效率指标用于衡量经济增长速度，发展效益指标用于衡量人民生活水平质量以及人均存量。
指标层选取方面遵循数据选取的科学性、合理性、层次性以及可获取性原则，总共选取23 个指标对广东县域高质量发展水平做出全面的评价（表1）。所用数据来源于2012—2021年的《广东统计年鉴》《中国县域统计年鉴》、各城市的统计年鉴、政府工作报告以及政府官方网站统计数据等。对于少部分缺失数据，根据插值法进行推算补充。对收集到的数据运用Excel、Stata等软件进行模型设定、数据分析。
表 1 广东县域经济高质量发展评价指标体系系统层 指标层 指标属性 权重/% AHP法 熵值法 综合 发展规模 GDP/万元 + 7.53 6.99 7.70 地方财政收入/万元 + 3.99 8.06 6.02 地方财政支出/万元 + 6.94 5.15 6.35 社会消费品零售总额/万元 + 5.01 8.46 6.91 居民储蓄存款余额/万元 适中 5.33 6.69 6.34 年末金融机构各项贷款余额/万元 适中 4.98 7.61 6.54 发展结构 县域与所在市人均GDP之比 适中 4.30 10.63 7.18 县域与所在市人均地方财政收入之比 适中 6.49 7.61 7.46 第二产业产值比率/% + 5.63 2.65 4.10 第三产业产值比率/% + 6.15 1.84 3.57 发展效率 GDP增长率/% + 2.80 0.47 1.22 财政一般预算收入增长率/% + 2.23 0.58 1.21 财政一般公共预算支出率/% + 2.58 0.95 1.66 社会消费品零售总额率/% + 2.09 1.46 1.85 人均GDP增长率/% + 3.60 0.94 1.95 第二产业产值增长率/% + 2.24 1.08 1.65 第三产业产值增长率/% + 2.47 0.98 1.66 发展效益 人均GDP/元 + 3.87 3.92 4.13 人均地方财政收入/元 + 4.94 5.94 5.75 生态环境状况指数 + 6.07 1.21 2.88 每千人医疗卫生机构床位数/张 + 4.23 3.17 3.88 普通中学在校生人数/人 + 4.38 8.05 6.30 每千人电话用户数/户 + 2.18 5.56 3.69 四、 新发展阶段广东县域经济高质量发展水平测度结果分析
（一） 广东县域经济整体高质量发展水平评价
图1展示了2011—2020 年广东县域经济高质量发展各维度得分走势 。可以看出，综合得分保持着相对稳定的增长态势，历年均值为0.269，年均增幅达3.21%，研究期间广东县域经济高质量发展水平在稳定提升。从系统层得分来考察，规模、效益两个维度的得分呈现稳定上涨态势，增幅均值分别为7.18%、4.43%，效率维度得分在波动中不断降低，跌幅均值达3.91%；而结构维度得分位于0.050～0.057之间，波动幅度不大。总的来看，广东县域经济高质量发展水平的提升是4 个维度协调推动、共同作用的结果，研究期间经济规模增长与人民生活质量提升是推动广东县域经济高质量发展的关键力量。
（二） 广东“一核一带一区”县域经济高质量发展水平评价
图2展示了2011—2020年广东分区域县域经济高质量发展综合得分及各维度得分。从测度结果来看，珠三角核心区（简称“一核”）的县域发展质量较高，综合得分在4 个区域中排名第一，历年均值为0.313，年均增速达3.31%。从系统层得分来看，规模和效益维度得分较高，历年均值为0.134和0.085，凭借着临近广州、深圳等核心城市的地理优势，“一核”的县域经济增长尤其是经济规模扩张和经济效益提升获得了充足的动力。此外，结构维度得分同样在4 个区域中排名均位于前列，但增速较慢，年均增速仅为0.55%；而效率维度得分则波动较大，2012、2019和2020年有较大跌幅。“一核”12个县（市）中四会市、博罗县和惠东县发展表现较为强劲，高质量发展综合得分均值均超过了0.4。近年来，“一核”的县（市）与周边核心城市的合作在不断扩展，2022年出台的《广东省都市圈国土空间规划协调指引》将四会市纳入了广州都市圈，博罗县、惠东县纳入了深圳都市圈 ，这进一步促进了珠三角一体化发展，为珠三角核心区的县域经济带来了新的增长活力。
沿海经济带西翼地区（简称“一带”西翼）经济高质量发展综合得分均值为0.268，在4 个区域中排名第二，年均增速达3.68%。分维度来看，规模、效益维度得分较高且排名较为稳定，同时保持着一定的增长趋势，增速均值分别为8.89%、3.88%。“一带”西翼有着优越的地理位置，作为广西、海南与珠三角的交汇处，此处能够承接珠三角地区的产业转移；而由阳江港、茂名港、湛江港构成的港口集群能够与南海沿岸城市进行方便的贸易，实现港口间的联动，已成为粤港澳大湾区与外界进行资源共享的重要交汇点，为当地县域带来了新的增长活力。在“一带”西翼10 个县（市）中高州市、信宜市、化州市的综合得分均值超过了0.3，得分均值分别为0.358、0.309、0.307，在该地区县域中发展质量表现较为优异，在该地区县域中发展质量表现较为优异，但仍有4县市（吴川市、遂溪县、阳春市、徐闻县）的综合得分低于广东省平均水平。
沿海经济带东翼地区（简称“一带”东翼）整体上以新型工业化和新型城市化为抓手，以交通一体化为龙头，积极联手融入珠三角，对接海峡西岸经济区，此处的县域经济总体上保持着稳中向好的发展势头，经济高质量发展综合得分均值为0.265，年均增幅达到2.63%。从4 个维度指标得分来看，规模和结构维度排名位于前列，历年均值分别为0.104和0.054，均高于全省平均水平。“一带”东翼8 个县（市）中普宁市高质量发展水平综合得分均值达0.445，远高于该地区县域平均水平，原因在于普宁市有着“一带”东翼最大的陆路口岸，建成了多条高速公路与轨道交通，积极融入粤港澳大湾区发展，并通过产业集聚打造高质量产业园区，经济得到了高速发展，普宁市现已成为“一带”东翼重要的商埠和经济信息中心，但与此形成鲜明对比的是该区仍有超过一半的县（市）综合得分低于全省平均值，县域间经济高质量发展水平仍存在着较大的差距。
北部生态发展区（简称“一区”）县域整体发展水平较低，高质量发展综合得分均值为0.228，在4 个区域中排名最后，年均增速为3.29%。在“一区”27 个县（市）中仅有新兴县、蕉岭县、英德市、平原县高质量发展综合得分均值高于全省水平，绝大部分县（市）综合得分在0.2上下波动，发展相对较弱，主要是受到交通、土地、资金、人才等因素的制约，但 “一区”有着丰富的绿色资源，使得此处的生态安全问题受到省委省政府的强烈重视，2022 年的广东政府工作报告中指出要“加快北部生态发展区绿色发展步伐，完善生态补偿机制，支持各市壮大县域、镇域经济，因地制宜发展水经济、清洁能源、绿色矿业等，积极发展农产品种养和深加工、乡村旅游经济，打造生态经济发展新标杆。”随着绿水青山资源正不断转化为金山银山资源，以及区域对口帮扶政策的稳定施行，未来“一区”县域有着相当大的发展空间。
（三） 广东县域经济高质量发展水平时空演变分析
为了进一步探究广东县域经济高质量发展空间分布格局，运用ArcGIS软件中的自然断裂法将广东57个县（市）高质量发展水平划分为高、较高、中、较低、低5 个等级，按照时间间隔探究2011、2014、2017以及2020 年广东县域经济高质量发展水平空间分布演变格局（图3）。
从图3来看，广东县域经济高质量发展水平空间格局呈现出明显的不均衡分布态势。“一核”处于领先地位，此处县域高质量发展水平位于高等级的县（市）数量最多；“一带”西翼的县域高质量发展水平绝大部分位于较高和中等级之间，存在少部分县域位于低和较低等级，而东翼县域的发展质量则绝大部分位于低至中等级之间，“两翼”县域高质量发展水平呈现明显的差异化分布；“一区”县域发展质量较为落后，此处县域高质量发展水平较多位于低和较低等级，且基本没有位于高等级的县（市）。总的来看，广东县域经济高质量发展呈现出“核心强劲，东西适宜，北部较弱”的空间格局。
（四） 广东县域经济高质量发展水平区域差异探究
将广东57 个县域按照“一核一带一区”划分为4大区域，并测算出广东县域经济高质量发展水平差距的基尼系数以及区域差距分解来源（图4）。可以看出，总体基尼系数呈现明显的“三段式”发展走势，2011—2015 年总体基尼系数波动态势明显，并于2013年达到历年最低值0.129，2016—2019年总体基尼系数稳定在0.150左右，直到2020年才有所下降，区域总体差距略有缩小；区域间基尼系数同样呈现“三段式”走势，2011—2015年波动幅度较大，2014年达到最高值0.079，2016—2018年稳定在相对较低的水平，2019—2020年逐渐回升，区域间差距逐渐增大；2011—2014年区域内基尼系数和超变密度值差距不大，均保持在0.033左右，但2015年起超变密度值开始逐渐增长，直到2020年才有所下跌，而区域内基尼系数稳定在0.034左右，波动态势不显著。从各维度贡献率来考察，区域间贡献率最大，平均贡献率为47.76%，是区域差距的主要来源，呈现“升—降—升”的走势；超变密度贡献率在波动中增长，表明区域间的样本交叉重叠问题对广东县域经济高质量发展区域差异的影响逐渐增大，2020年有所回落；区域内贡献率走势较为稳定，平均贡献率为23.61%。
图5为运用Kernel密度估计法得到的2011—2020年广东县域经济高质量发展水平动态分布图。从波峰的移动来看，广东县域经济高质量发展水平分布曲线的主峰位置在波动中右移，广东县域经济高质量发展水平在不断提升；仅2011年出现两个主峰，其余年份均为单峰分布，未显著出现极化情况，但研究期间主峰逐渐变低且宽度收窄，右拖尾出现拉长现象，分布延展性在一定程度上存在拓宽趋势，说明区域发展不均衡的程度在逐渐扩大，这也与上文基于基尼系数测算结果的分析结论保持一致。
五、 结论与政策建议
（一）结论
本文构建了涵盖规模、结构、效率、效益4 个系统层共23 个具体指标的广东县域经济高质量发展评价指标体系，综合改进后的AHP法和熵值法得到对各项指标赋予的权重，利用综合指数模型测算出2011—2020年广东县域经济高质量发展综合得分和4个系统层得分，并描述广东“一核一带一区”县域经济高质量发展综合得分和系统层得分发展趋势；探究广东县域经济高质量发展水平的时空演变格局以及区域差距来源和分布动态。主要结论如下。
第一，研究期间广东县域经济高质量发展综合得分均值为0.269，综合得分呈波动上升态势，广东县域高质量发展水平在逐渐提升；分维度得分来看，呈现“规模＞效益＞结构＞效率”的发展态势，经济总量增长与人均存量增加是推动广东县域经济高质量发展水平的决定性因素。
第二，广东各区域间县域经济高质量发展不均衡，呈现出“核心强劲，东西适宜，北部较弱”的空间格局。
第三，Dagum基尼系数的结果显示总体基尼系数呈现波动中上升的态势，广东县域经济高质量发展水平的区域差距在扩大，区域间差距是造成广东县域经济高质量发展水平差距的主要来源；核密度估计结果显示，研究期间广东县域经济高质量发展水平未显著出现极化现象，但根据主峰及右拖尾变化情况可以看出广东县域经济区域发展不均衡的程度在逐渐扩大。
（二）建议
基于上述结论，为进一步提高广东县域经济高质量发展水平，推进县域经济高质量协同发展，本文提出以下建议。
第一，突出结构调整与优化，形成县域弹性产业结构。将县域经济结构的战略性调整作为广东转变经济发展方式的主攻方向，加快对广东县域地区现代产业体系建设重点项目的投资，引导广东县域产业科学化发展；建立面向县域中小微企业的公共服务平台、政务服务体系、融资服务体系和小企业上市梯度培育工程，推动县域地区民营企业自主创新能力提升。
第二，突出产业分化与集群再造，加快县域特色产业体系建设。以大项目带动产业分化与集群发展，紧密围绕产业发展规划，合理制定产业空间布局与功能错位，重点建设城市产业核心区和重点产业园区、实现区域产业特色化。
第三，突出“产城人”协同发展，形成县域发展新格局。完善产业配套，发挥规模效应，坚持以产兴城、以城促产，增强产业发展新活力，促进县域城镇化与经济发展协调并举；以产聚人，留人促产，完善保障制度确保人才引得来、留得住，努力实现产、城、人三者和谐共进新局面。
第四，突出区际借位与协作，推动县域经济跨区域联动发展。统筹区域间协调发展，加强 “一核一带一区”内部联动发展的同时也需要加强广东同周边省区、国内其他区域的经济联系与合作，重点在于基础设施建设、产业分工与布局等方面有机联动、合力推进，实现广东县域经济高质量协同发展。
-
表 1 林业产业区位熵指数
年份 浙江 福建 广西 安徽 湖南 湖北 江西 贵州 四川 云南 江苏 1998 1.55 2.65 2.30 1.01 1.44 0.67 1.92 0.86 0.97 2.00 0.45 1999 2.05 2.09 2.47 1.01 1.56 0.69 1.79 0.66 0.83 1.72 0.39 2000 2.22 2.06 2.40 1.07 1.78 0.80 1.81 0.72 0.84 1.67 0.40 2001 2.20 1.96 2.17 0.83 1.71 0.83 1.91 0.68 0.84 1.45 0.36 2002 2.22 1.78 1.98 0.81 2.03 0.82 1.93 0.80 0.79 1.28 0.67 2003 1.93 1.79 1.71 1.18 2.02 0.87 1.66 0.86 0.86 0.95 0.75 2004 1.75 2.00 1.75 0.88 1.71 1.00 2.06 1.17 1.03 1.51 0.77 2005 1.52 3.11 1.63 0.95 1.52 1.18 2.09 1.09 1.20 1.52 0.78 2006 1.40 2.72 1.79 0.95 1.48 1.10 2.06 0.98 1.20 1.50 0.68 2007 1.37 2.75 1.95 1.02 1.44 1.02 2.27 1.45 1.41 1.59 0.67 2008 1.30 2.71 2.11 1.06 1.36 0.97 2.42 1.42 1.34 1.56 0.67 2009 1.18 2.40 2.26 1.02 1.41 0.92 2.39 1.26 1.34 1.48 0.66 2010 1.12 2.05 2.41 1.05 1.30 0.80 2.02 1.16 1.22 1.44 0.68 2011 1.38 2.32 2.28 1.22 1.17 0.73 1.80 0.95 1.10 1.24 0.74 2012 1.24 2.13 2.30 1.27 1.16 0.68 1.72 0.80 1.00 1.17 0.78 2013 1.12 2.08 2.63 1.36 1.22 0.73 1.77 0.79 0.97 1.25 0.76 2014 1.05 1.96 2.92 1.43 1.23 0.75 2.00 0.78 0.97 1.23 0.71 2015 1.01 1.90 2.96 1.49 1.29 0.91 2.12 0.89 1.02 1.28 0.67 2016 1.01 1.83 2.97 1.49 1.35 1.05 2.16 0.97 1.06 1.32 0.63 2017 1.01 1.79 3.25 1.54 1.45 1.12 2.40 1.99 1.06 1.38 0.61 2018 1.05 1.95 3.31 1.59 1.51 1.14 2.42 2.40 1.09 1.47 0.60 均值 1.46 2.19 2.36 1.15 1.48 0.89 2.03 1.08 1.05 1.43 0.64 
下载: 导出CSV
表 2 变量描述性统计
变量类型 变量名称 变量符号 平均值 标准差 最小值 最大值 被解释变量 林业总产值 lnY 15.24107 1.04610 10.67143 17.05608 核心解释变量 林业产业集聚 LQ 1.43166 0.61629 0.00657 3.31060 林业产业集聚平方项 LQ2 2.42781 2.05933 0.00004 10.96009 控制变量 城镇化率 C 0.42643 0.12875 0.14040 0.69610 林业产业结构 S 0.21812 0.36917 0.00154 2.43267 林业劳动力 lnL 10.51686 0.53262 9.20964 11.67807 实际造林面积 lnF 11.70901 1.05275 8.13212 13.49146 林业资本存量 lnK 13.25868 1.30407 9.99498 17.38438
下载: 导出CSV
表 3 多重共线性检验结果
变量 VIF 1/VIF LQ 1.67 0.5987 LQ2 1.51 0.6620 C 2.35 0.4259 S 1.03 0.9738 lnL 2.65 0.3769 lnF 1.79 0.5572 lnK 1.81 0.5521 Mean VIF 1.83
下载: 导出CSV
表 4 面板单位根检验结果
变量 检验方法 IPS Fisher-ADF LLC lnY 0.0336** 0.0000*** 0.0043*** LQ 0.0379** 0.0000 *** 0.0460** LQ2 0.0156** 0.0000*** 0.0129** C 0.0000*** 0.0298** 0.0001*** S 0.0168** 0.0000*** 0.0501* lnL 0.0015*** 0.0080*** 0.0000 *** lnF 0.0163** 0.0392** 0.0018*** lnK 0.0223** 0.0000*** 0.0000*** 注：*、**、***分别表示P<0.1、P<0.05、P<0.01。
下载: 导出CSV
表 5 可行广义最小二乘法估计结果
变量 FGLS LQ 0.6170***（−12.57） LQ2 −0.2606***（−5.76） C 3.9600***−12.56 S −0.0662***（−34.53） lnL −0.3449***（−4.53） lnF −0.0246（−1.50） lnK 0.1768***（−6.00） Wald chi2（8） 1981.96 Prob＞chi2 0.000 注：***表示P<0.01；括号内为t统计量。
下载: 导出CSV
表 6 Utest检验结果
item Lower bound Upper bound Interval −1.0735 1.8761 Slope 1.1766 −0.3610 t-value 9.3730 −2.3138 P>t 0.01993** 0.0107** t 2.31 P 0.0108** 极值点 1.1836 注：**表示P<0.05。
下载: 导出CSV
表 7 广义矩估计结果
变量 GMM L.lnY 0.1234**（2.24） LQ 0.4328***（3.98） LQ2 −0.2917**（−3.05） C 5.8524***（9.47） S −0.0704***（−83.03） lnL −0.0555（−0.44） lnF 0.0199（0.54） lnK 0.1441***（3.31） AR（2）检验 0.394 Hansen检验 0.133 注：*、**、***分别表示P<0.1、P<0.5、P<0.01；L.lnY表示被解释变量滞后一期；括号内为t统计量。
下载: 导出CSV
表 8 动态面板纠偏最小二乘虚拟变量估计结果
变量 纠偏LSDVC L.lnY 0.4440***（12.11） LQ 0.4315***（5.86） LQ2 −0.2016***（−4.17） C 2.8938***（5.42） S −0.0700***（−17.95） lnL −0.4683***（−3.11） lnF −0.0104（0.35） lnK 0.0975***（3.32） OLS 0.5033***（2.68） FE 0.4178***（2.12） 注：**、***分别表示P<0.5、P<0.01；括号内为z统计量。
下载: 导出CSV
表 9 稳健性检验结果
变量 （1） （2） （3） LQ 0.4761*** 0.7073*** 0.6124*** （7.84） （12.85） （14.18） LQ2 −0.3369*** −0.3166*** −0.2658*** （−5.59） （−7.05） （−6.11） C 6.8210*** 3.5228*** 3.7712*** （17.90） （10.34） （11.83） S −0.0743*** 0.0168 −0.0670*** （−53.52） （1.15） （−28.20） lnL 0.0141 −0.4682*** −0.3415*** （0.15） （−5.20） （−4.50） lnF 0.0128 −0.0089 −0.0220 （0.37） （0.52） （−1.38） lnK 0.1434*** 0.1847*** 0.1809*** （6.25） （5.75） （6.45） lnG 0.0670* （1.80） Observations 231 220 231 Number of region 11 11 11 注：*、***分别表示P<0.1、P<0.01；括号中为t统计量或者z统计量。
下载: 导出CSV
-
[1] 魏肖杰, 张敏新. 中国林业产业集聚影响因素作用机制的实证研究: 基于空间杜宾模型[J]. 资源开发与市场, 2018, 34(12): 1731. DOI: 10.3969/j.issn.1005-8141.2018.12.016. [2] 王见, 任秀峰, 夏凡, 等. 产权强度对集体林区森林资源增长的影响: 基于云南省10 县 500 户数据的实证[J]. 湖南农业大学学报(社会科学版), 2021, 22(6): 21. DOI: 10.13331/j.cnki.jhau(ss).2021.06.003. [3] 魏后凯. 我国产业集聚的特点、存在问题及对策[J]. 经济学动态, 2004(9): 58. [4] 程鹏飞, 李婕, 张红丽, 等. 林业产业集聚、林业经济增长及其空间溢出效应: 基于2004—2015年省际面板数据的空间计量分析[J]. 安徽农业大学学报, 2018, 45(6): 1063. DOI: 10.13610/j.cnki.1672-352x.20190102.004. [5] MASAHISA F, JACQUES-FRANOIS T. Does Geographical Agglomeration Foster Economic Growth? And Who Gains and Looses from It?[J]. Japanese Economic Review, 2003, 54(2): 121. DOI: 10.1111/1468-5876.00250.
[6] 孟子恒, 朱海燕, 刘学忠. 农业产业集聚对农业经济增长的影响研究: 基于苹果产业的实证分析[J]. 中国农业资源与区划, 2022, 43(2): 231. DOI: 10.7621/cjarrp.1005-9121.20220223. [7] 杨巧, 陈虹. 产业协同集聚对经济增长质量影响的实证[J]. 统计与决策, 2021, 37(19): 98. DOI: 10.13546/j.cnki.tjyjc.2021.19.022. [8] 何雄浪, 王舒然. 产业集聚、知识溢出与中国区域经济增长[J]. 云南财经大学学报, 2021, 37(9): 15. DOI: 10.16537/j.cnki.jynufe.000725. [9] 赵文琦, 胡健. 能源产业集聚对经济增长的影响研究: 基于“一带一路”沿线西部9省区的实证分析[J]. 西安财经大学学报, 2020, 33(5): 71. DOI: 10.19331/j.cnki.jxufe.2020.05.008. [10] 伍先福, 唐峰陵. 产业协同集聚对广西经济增长的影响研究[J]. 数学的实践与认识, 2020, 50(5): 312. DOI: 10.16331/j.cnki.issn1002-736x.2019.05.011. [11] 于谨凯, 刘星华, 单春红. 海洋产业集聚对经济增长的影响研究: 基于动态面板数据的GMM方法[J]. 东岳论丛, 2014, 35(12): 140. DOI: 10.15981/j.cnki.dongyueluncong.2014.12.023. [12] 陈池波, 孟权, 潘经韬. 农产品加工业县域集群发展的时空差异及驱动因素: 以湖北为例[J]. 学习与实践, 2019(12): 46. DOI: 10.19624/j.cnki.cn42-1005/c.2019.12.006. [13] 许佳彬, 李翠霞. 畜牧业产业集聚对县域经济增长的影响: 黑龙江省例证[J]. 中国农业大学学报, 2021, 26(10): 223. DOI: 10.11841/j.issn.1007-4333.2021.10.22. [14] MARTIN P, OTTAVIANO G I P. Growth and agglomeration[J]. International Economics Review, 2001, 42(4): 947. DOI: 10.1111/1468-2354.00141.
[15] 汪浩. 林业产业转型升级的驱动因素及发展对策: 以江苏省苏北地区为例[J]. 科技与经济, 2011, 24(4): 48. DOI: 10.3969/j.issn.1003-7691.2011.04.010. [16] 刘洵, 马贵珍, 麦强盛. 云南林业产业集聚与区域经济增长研究[J]. 西南林业大学学报, 2017, 37(1): 216. DOI: 10.11929/j.issn.2095-1914.2017.01.035. [17] 徐端阳, 杨建州, 江钰婷. 南方集体林区林业第二产业集聚水平及效应分析[J]. 林业经济问题, 2012, 32(6): 523. DOI: 10.3969/j.issn.1005-9709.2012.06.011. [18] 夏永红, 沈文星. 木材加工产业集聚、共聚与劳动生产率效应[J]. 南京林业大学学报(自然科学版), 2019, 43(3): 131. DOI: 10.3969/j.issn.1000-2006.201805058. [19] 于化龙. 生产性服务业集聚对区域经济增长的影响研究[D]. 天津: 天津大学, 2020. [20] 卢星星. 产业集聚异质性对经济增长的影响机制研究[D]. 南昌: 江西财经大学, 2019. [21] EVA J, DRAHOMÍRA P, MAGDALENA B D, et al. The age of clusters and its influence on their activity preferences[J]. Technological and Economic Development of Economy, 2013, 19(4): 621. DOI: 10.3846/20294913.2013.837115.
[22] 魏肖杰, 张敏新. 中国林业三次产业集聚互动机制研究[J]. 技术经济与管理研究, 2019(3): 102. DOI: 10.3969/j.issn.1004-292X.2019.03.019. [23] 李研, 张大红. 要素投入对林业经济增长影响的实证分析[J]. 统计与决策, 2018, 34(15): 133. DOI: 10.13546/j.cnki.tjyjc.2018.15.032. [24] 曹兰芳, 司易, 孙刚. 人力资本对林业产业发展质量的影响研究[J]. 广东农业科学, 2021, 48(7): 152. DOI: 10.16768/j.issn.1004-874X.2021.07.019. [25] JUDSON R A, OWEN A L. Estimating Dynamic Panel Data Models: A Guide for Macro-economists[J]. Economics letters, 1999, 65(1): 9. DOI: 10.1016/S0165-1765(99)00130-5.
[26] 赵雯, 谢星, 封思贤. 负实际利率对银行风险行为的影响研究: 基于银行风险承担渠道的分析[J]. 统计与信息论坛, 2020, 35(7): 45. DOI: 10.3969/j.issn.1007-3116.2020.07.006. -
期刊类型引用(4)
1. 盛童，李俊倩，吴树畅，安翠平，刘平. 数字化背景下县域经济高质量发展的挑战与对策研究——以山东省为例. 时代经贸. 2025(03): 136-138 . 
百度学术
2. 陈艳. 乡村振兴背景下县域金融助力地方经济发展研究——以广西为例. 商展经济. 2024(15): 36-39 . 百度学术
3. 谢易和. 广东县域经济发展问题、原因分析及财政政策建议. 农业经济. 2024(12): 100-102 . 百度学术
4. 李龙英，肖小爱. 广东生态发展区县域特色产业发展研究. 产业创新研究. 2023(21): 39-41 . 百度学术
其他类型引用(3)
计量
- 文章访问数: 1998
- HTML全文浏览量: 892
- PDF下载量: 14
- 被引次数: 7