第第 （1.6）式中，I表示全域Moran's指數值，n表示評估單元數量，表示評估單元要素值，表示評估單元要素均值，表示要素i與j的空間權重。全域Moran'sI指數取值一般在-1到1之間，其中正值表示要素在空間上呈現正相關，當其值逐漸接近于1時，則表示要素空間相關性越強，負值表示要素在空間上為負相關關系，0表示各要素之間不存在空間相關性。通常，Moran'sI的是否存在顯著相關性的檢驗是通過標準化統計量Z來實現的，其計算公式如下： （1.7）其中，表示Moran'sI的期望值，表示Moran'sI的方差。同時，空間權重矩陣是進行空間計量分析的前提，用以度量兩個區域之間的空間距離。空間權重矩陣的構建可以考慮考慮不同觀測對象之間相互發生空間互動效應的影響因素，包括地理距離、經濟水平等。文章考慮在空間分布中起顯著影響的地區之間的地理距離因素，運用地理學第一定律，建立如下空間地理距離權重矩陣： （1.8）表示兩個地區的空間地理距離。一般來說，地理位置越近的兩個地區，其相互間影響程度也更加強烈，而地理分布距離較遠的，相互間影響則較為不顯著甚至可能不存在。據此，文章運用Stata15.0軟件，對遼寧省14個地級市制造業生態效率值的空間自相關性檢驗的Moran’sI指數值進行計算，得到遼寧制造業生態效率面板的Moran'sI值，如表1.1：表1.1制造業生態效率面板的Moran'sI值Table1.1Moran’sIvalueofmanufacturingeco-efficiencypanel地理距離矩陣Moran'sI值-0.048伴隨概率0.083自變量數7樣本數182由表1.1可知，遼寧制造業生態效率的空間自相關Moran'sI統計量為負值，并且Moran'sI統計量通過顯著性檢驗，表明遼寧各地級市的制造業生態效率為負空間自相關，遼寧制造業生態效率水平高的地級市與創新制造業生態效率水平低的地級市包圍，而且地級市之間的制造業生態效率差距越來越大，制造業生態效率較高的城市，如沈陽、大連、盤錦等地，并沒有很好的帶動周圍相鄰的城市制造業生態效率的提升，制造業生態效率值高的地區周邊集聚著大量擁有制造業生態效率值低的地區。為詳細描述遼寧各城市制造業產業集聚與生態效率的空間分布特征及其空間相關性，圖1.1和圖1.2描繪了2005-2017年遼寧各地級市制造業產業集聚度以及制造業生態效率平均值的空間分布。圖1.1遼寧省各城市歷年制造業產業集聚均值的空間分布Figure.1.1spatialdistributionofaveragevalueofmanufacturingindustryagglomerationbycitiesinLiaoningprovince圖1.2遼寧省各城市歷年制造業生態效率均值的空間分布Fig.1.2spatialdistributionofmanufacturingeco-efficiencyincitiesofLiaoningprovince圖1.1和圖1.2分別是遼寧制造業產業集聚和生態效率的均值分布圖，如圖所示均分為四個區間，為便于表述，此處規定得分區間[0，0.5]、[0.5，0.8]、[0.8，1]、[1，+]，依次分別表示低水平、較低水平、較高水平、高水平，在圖中根據顏色深淺判斷。首先，如圖1.1顯示的遼寧制造業產業集聚分布，位于高水平區間的7個地級市，分別是大連、營口、鞍山、遼陽、本溪、撫順和葫蘆島，大部分城市處于遼寧東中部地區；位于較高水平的有兩個地級市，分別是沈陽和丹東；處于低水平的也有兩個地級市，分別是朝陽和錦州；位于較低水平的同樣包括三個地級市，分別為鐵嶺、阜新和盤錦，分布較散。其次，遼寧制造業生態效率分布如下：位于高水平區間的包括四個地級市，分別是沈陽、盤錦、營口和大連，均處于遼寧中部；位于較高水平的包括錦州、鐵嶺和遼陽三個地級市；位于低水平的包括撫順、本溪、朝陽和葫蘆島四個地級市；處于較低水平的城市數量為三個，分別是丹東、丹東和鞍山。從上述分析以及圖1.1、圖1.2可以看出，遼寧各地級市制造業產業集聚與生態效率均具有明顯的集聚特征，具有較高水平的制造業產業集聚和生態效率的城市周圍包圍著具有較低水平的制造業產業集聚和生態效率的城市，且彼此容易產生密切聯系，處在城市網絡中的每一城市制造業產業集聚或生態效率的改變均會通過空間關聯效應傳導給其他鄰近城市，并通過與其他城市的協同作用在空間上形成分散的分布狀態。這種分布特征進一步印證了制造業生態效率具有空間相關性的結論。1.2.2空間計量估計方法識別在進行空間模型的選擇與識別分析上，文章借鑒了范建雙等的研究方法ADDINCNKISM.Ref.{B56F2AA2463F4e5aA272F385FA1F904A}[85]，分別進行了空間固定效應、時間固定效應以及時空雙重固定效應下的LM檢驗、Hausman檢驗、LR檢驗以及Wald檢驗，相關檢驗結果如表1.3：由表可知，在地理空間距離矩陣下，拉格朗日乘數滯后（LM-lag）與拉格朗日乘數誤差（LM-err）均通過10%的顯著性檢驗，而它們的穩健性則通過1%的顯著性檢驗。相對來說，在統計量上，LM-err及其穩健性的統計量遠大于LM-lag及其穩健性的統計量，說明空間誤差模型相對空間自回歸模型更優，但空間誤差模型相對空間自回歸模型都通過了顯著性檢驗，二者都能夠有效地控制空間相關性，適用于空間計量模型，初步判定后認為，選擇更為一般化的空間杜賓模型較為合適。表1.3空間地理矩陣下的空間計量模型檢驗Table1.3Verificationofspatialmetrologicalmodelbasedonspatialgeographicmatrix檢驗方法統計量伴隨概率SAR模型與SEM模型檢驗LM-lag1.580.075R-LM-lag3.200.009LM-err35.340.060R-LM-err10.2970.001Hausman檢驗SAR32.720.0000SEM26.740.0004SDM9.490.0000SAR模型LR檢驗SFE183.430.0000STE97.310.0180SEM模型的LR檢驗SFE37.680.0000STE96.40.0473SDM模型的弱化檢驗Wald-lag22.310.0028LR-lag13.710.0466Wald-err20.350.0060LR-err19.940.0298Hausman檢驗能夠用于檢驗空間面板計量模型適用于固定效應還是隨機效應，由檢驗結果值可知，SAR、SEM與SDM三種模型統計量均為正值，都通過了Hausman檢驗，因此，在空間計量中應該選擇固定效應。在更進一步的LR檢驗中，能夠對LR似然比判斷時間固定效應、空間固定效應與時空雙重固定效應哪一個更適合于該研究，根據檢驗結果可知，在固定效應的空間計量模型中，應該選擇對時間和空間同時進行控制的雙重固定效應。Wald檢驗用于判斷SDM模型是否會退化為SAR模型或者SEM模型，表1.3的檢驗結果顯示，地理空間地理矩陣下的Wald-lag、LR-lag、Wald-err、LR-err的統計量均在5%的顯著性水平下拒絕原假設，說明SDM模型不可能退化為SAR模型或SEM模型，因此，在實證分析中，選擇一般化的SDM模型更優。綜上，在進行遼寧省14個地級市制造業產業集聚對生態效率的空間計量分析中，應該選擇時間與空間雙重固定下的空間杜賓模型進行實證分析。為了便于模型估計，文章對部分變量做了對數處理。據此，建立了如下基礎面板模型，如式（1.9）： （1.9）式中，表示對數后的第i個地區第t年的生態效率值，、分別表示地區效應和時間效應，表示殘差。進一步地，將遼寧制造業產業集聚二次項納入SDM模型中，檢驗制造業產業集聚與生態效率之間是否存在非線性關系，并找出可能存在的拐點。1.3空間計量模型估計結果在遼寧制造業對生態效率影響分析的空間計量分析中，盡管時空雙重固定效應下的空間杜賓模型的選擇更優，但為了比較和檢驗各變量參數估計的穩健性，文章還列出了雙重固定效應下的SAR模型與SEM模型估計結果，表1.4報告了遼寧制造業對生態效率影響研究的空間面板計量分析結果：表1.4的結果顯示，在SAR、SEM與SDM三種空間面板模型中，ρ與系數均高度顯著，說明遼寧制造業生態效率具有顯著的空間溢出，與Moran'sI指數檢驗的結果一致。同時，SDM模型的對數似然估計值與擬合優度均大于SAR與SEM模型的值，進一步說明SDM模型的選用是優于SAR模型與SEM模型的。表1.4制造業產業集聚影響生態效率的面板空間計量估計結果Table1.4Panelspaceeconometricestimatesoftheimpactsofindustrialagglomerationoneco-efficiency變量SARSEMSDM-1.548*-1.8581***-3.089**0.4450.62161.122*lnisc11.25***12.3905***11.75***gov-2.685*-0.8332-0.802lnpgdp0.0640-1.0560***-0.240lnis0.929***1.5821***1.225***lnis0.929***1.5821***1.225***W*-15.01**W*5.533*表1.4（續）變量SARSEMSDMW*lnisc35.77*W*gov11.62W*lnpgdp-1.704W*lnfdi0.373W*lnis1.826W*dep.var-1.242***-1.163***spat.aut.-1.5924***R20.70020.61030.7042log-likelihood5.96517.898512.7192注：***、**、*分別表示通過了10%、5%以及1%的顯著性水平檢驗。空間地理權重矩陣下，核心解釋變量制造業產業集聚一次項（）的估計結果顯著為負，二次項系數（）顯著為正，說明伴隨著遼寧制造業產業集聚水平的提升，遼寧制造業生態效率呈現先減后增的正“U”型變化趨勢，從而驗證了假設H1和假設H3b，遼寧制造業產業集聚對其生態效率的影響是非線性的。認為可能的原因是，制造業產業集聚在到達拐點之前，遼寧制造業的快速擴張，不僅導致了資源的大量消耗，也使得各種污染物排放量急劇增加。同時，處于弱調控環境的制造業企業，由于缺乏清潔生產技術、除污技術等的研究、開發和應用的外部監督壓力和內部驅動力，企業難以實現低能耗、低排放的技術突破。因此，該階段的制造業產業集聚水平的提升雖然促進了地區經濟增長，但資源消耗和污染物排放量也隨著制造業集聚水平的提高而加劇，阻礙制造業生態效率的提升。當制造業產業集聚繼續擴大并越過拐點時，制造業集聚水平的提升能顯著促進生態效率的提高。此時，制造業集聚處于成熟階段，集聚效應、規模效應等開始發揮作用，有利于降低制造業企業生產成本，提高企業專業化生產能力，實現知識、技術溢出，提高企業生產技術水平。同時，制造業產業集聚區內各企業之間通過共享、共建污染處理設施和中間投入品市場，能有效降低企業成本，促進生態效率改善。通過計算制造業集聚的生態效率影響系數發現，遼寧制造業產業集聚促進提高的切入點為1.377。同時，空間交互項（W*）、（W*）的參數估計符號與和的保持一致，表明制造業產業集聚具有顯著的空間溢出效應。一個區域的制造業集聚不僅影響自身生態效率，還會對臨近區域的生態效率產生影響，驗證了假設H2。就控制變量而言，產業結構升級（lnisc）、工業結構（lnis）與制造業生態效率均存在顯著正向相關關系。在產業結構升級過程中，產業結構逐步從低級形態向高級形態轉變，會帶來經濟增長方式與經濟發展模式的轉變，引導資本、勞動等生產要素實現由低附加值、勞動密集型產業向高附加值、技術密集型、知識密集型產業的轉變，改善資源配置，推動高技術產業、綠色環保產業發展，進而促進生態效率的提升。而工業結構對生態效率的影響則主要通過改變能源需求、消耗強度以及消費結構的變化對環境產生影響。一般來說，大型企業資金充足，研發能力強，技術水平高，不論是能源利用效率還是污染治理能力都遠遠高于小企業。產業結構升級的空間交互項（W*lnis）的參數估計也是顯著為正的，說明臨近地區產業結構升級同樣能有效提升本區域制造業生態效率，而工業結構的改善對臨近區域的制造業生態效率無顯著溢出。地區經濟發展水平（lnpgdp）、政府干預（lngov）和對外開放（lnfdi）均不利于制造業生態效率的改善。地區經濟發展水平的提升具有規模效應、結構效應和技術效應，規模效應會為本區域帶來更多污染，加大污染治理壓力，阻礙本區域生態效率的提升，對外開放的發展一方面會為本地帶來更多的資金支持與更好的技術，提升本地區制造業技術生產效率，減少環境污染，但“污染避難所假說”也表明，開放經濟下發達國家的骯臟產業會向環境規制標準較低的地區轉移，不利于生態效率的提升。為進一步研究遼寧制造業集聚對生態效率的直接影響與空間溢出效應，使各變量對制造業生態效率的空間外溢效應能夠得到準確判定，文章對時空雙重固定效應下的空間杜賓模型的參數估計效果進行了分解，分解結果如表1.5：表1.5空間效應分解結果Table1.5Decompositionresultsofspatialeffects變量直接效.應間接效應總效應-2.304***-6.203*-8.507*0.820*2.3283.148*lnisc13.66***10.2323.