中国对外贸易空间集聚效应的应对策略分析

   引言
    长期以来，我国各省份、各区域经济发展的不平衡性是国内外学者关注的热点。国内学者魏后凯（1994）、杨开忠（1994）、林毅夫等（1998）分别运用不同的方法对我国各地区经济增长差异的形成原因、内在机理等进行了较为深入的探讨。对外贸易是经济发展的一个重要组成部分，事实上，有关研究也表明，各地区间对外贸易水平的差异是导致经济发展水平差异的重要原因（李斌和陈开军，2007），但是，国内学者对于我国各地区对外贸易发展差异的关注却相对较少（魏浩，2008）。
    已有的相关研究大都采用变异系数、不平衡系数、基尼系数以及协整分析等传统的统计研究方法进行分析，随着Krugman“新地理经济学”理论的不断发展，越来越多的研究开始寻求使用不同的方法将地理、区位等因素纳入贸易以及经济的分析中来，对不同地理位置上的个体之间的经济相关性以及地理分布情况进行统计分析，并通过与地图相结合的形式将分析结果形象地展示出来。在此基础上，将空间分析与传统的计量经济学方法相结合就形成了新的空间计量经济学分析。目前，这类研究方法已被广泛地应用到各领域中，比如经济学。在国外，不少学者已较多运用其进行经济分析，但在国内，相关的研究才刚刚起步，而且几乎没有学者运用空间统计分析、空间计量分析对我国不同省市的对外贸易差异情况及相关影响因素进行过研究。
    基于此，本文首先使用Geoda和Arcmap软件，运用空间统计分析Moran's I指数对中国1978-2007年间各省份对外贸易的空间相关性进行分析，形象地揭示出改革开放以来我国各省份对外贸易的地区分布情况；其次，使用Matlab软件，运用空间计量分析方法研究了影响我国各地区对外贸易发展的因素及其空间影响效应；最后，提出协调省市间、区域间对外贸易发展的政策建议。
    一、文献综述
    近年来空间统计分析技术已经在广泛的领域内得到应用，国外社会和行为科学的研究多借助空间统计分析方法来探索社会现象的空间模式和异常分布。目前，国外学者已经将空间统计分析方法和理念广泛运用到经济学研究中来。例如Chakrabarti（2003）对FDI的空间分布进行了理论分析。Ping等（2004）利用全局和局部的自相关统计方法对棉花产量的空间相关性及其模式变化进行了研究。Gallo和Ertur（2005）对1980-1995年期间138个欧洲地区人均GDP的时空动态变化进行了研究，认为存在全局和局部空间自相关，地区分布具有空间异质性和不均等性。Aroca等（2005）对1985-2002年墨西哥贸易自由化和经济收敛的空间尺度进行了分析，发现几个收入集聚地区之间的差异性已经显现，南方地区在收入方面存在空间相关性。Kellera和Shiueb（2007）利用空间统计方法，考察了1742-1795年中国121个地方市场的大米价格差异的空间模式，研究结果认为空间特征对区际贸易的扩张十分重要。Cabrer-Borrás等（2007）分析了西班牙地区的创新空间模式、地区的相互依赖性及其演进，发现当地能力、空间创新溢出都与当地的创新有关。
    国内很少有学者把空间统计分析和空间计量分析方法运用到经济研究中。目前，国内学者关于我国各地区对外贸易地区差异、空间集聚及其影响因素方面的代表性研究主要有：
    1.关于地区差距方面
    谢昭琼（2002）认为由于在收入水平、技术水平、人力资本、政策支持、资金状况、运输条件等方面存在差异，东部、西部对外贸易发展差异明显。许雄奇和张宗益（2003）认为，1992-2001年我国各省市之间的出口差异逐渐缩小，但东部、中部、西部三大地带之间出口发展存在显著差异，且中国出口发展的地区差异主要表现在三大地区之间。尹希果等（2004）认为我国各省市对外贸易发展差距明显。赵伟和何莉（2007）认为，从地区结构来看，东部、中部、西部三大地带间的差异在总体差异中占主导地位，我国对外贸易发展省际差异具有明显的阶段性，以1986年和1991年为界，分为三个阶段，这种阶段性主要与中国对外贸易发展的制度变迁、区域协调发展政策以及不同地区经济发展的差异相关。
    2.关于空间集聚方面
    到目前为止，国内很少有针对我国对外贸易的空间集聚程度进行定量研究的成果，仅有一些相关的研究成果。蒋满元（2008）认为，我国对外贸易增长的区域不平衡程度要远远超过经济增长的区域不平衡程度，全国对外贸易的区域集中度要远远大于GDP分布的区域集中度。鲁奇等（2007）认为，在出口方面，计划经济时期，我国出口国内分布地理集中度比较高，改革开放以后，出口地理集中度有所分散，但从1992年以来，随着市场经济体制的确立和不断完善，出口地理集中度又出现集中的趋势。除此以外，还有部分学者对影响我国对外贸易的相关因素做出了研究，高士亮和熊磊（2008）对中国对外贸易的宏观影响因素进行了实证检验，认为我国各省市出口贸易受其自身FDI、GDP及劳动力人数的显著影响，进口贸易受其FDI、GDP及国内投资的显著影响。张红霞等（2009）认为中国各省市对外贸易差异形成的因素主要包括政策因素、外商直接投资因素、人力资本因素、经济性基础设施因素、国内投资因素以及地理区位因素。李文等（2009）认为地理和初期条件是各地区的收入差距不断扩大以及引进外资成为三大地域间对外贸易发展差异形成的重要原因。
    已有研究为本文研究提供了很好的借鉴，本文在已有研究的基础上，运用更为科学的空间统计分析以及空间计量经济学研究方法对我国的对外贸易集聚情况及其影响因素进行更加深入的研究和分析。
    二、我国各省份对外贸易空间集聚的空间统计分析
    1.空间统计分析方法
    空间自相关有两种指标：全局指标和局部指标。全局指标用于探测整个研究区域的空间模式，使用单一的值来反映该区域的自相关程度；局部指标计算每一个空间单元与邻近单元就某一属性的相关程度。由于全局指标有时会掩盖局部状态的不稳定性，因此，在很多场合需要采用局部指标来探测空间自相关。目前比较流行、最为常用的指标是Moran's I指数。本文也采用这种指标。
    （1）全局Moran's I指数。全局Moran指数是用来度量空间自相关的全局指标，反映的是空间邻接或空间邻近的区域单元属性值的相似程度，即是测量区域单元的集聚效应的，是否具有相同属性的区域单元在空间上或地理上邻近。变量的全局Moran指数I用如下公式计算：
    
    
    
    其中，为区域i与j的邻近关系，它可以根据邻 接标准或距离标准来度量。两种最常用的确定空间权重矩阵的规则如下所示。
    一是简单的二进制邻接矩阵：
    
    二是基于距离的二进制空间权重矩阵：
    
    Moran指数I的取值一般为[-1，1]，小于0表示负相关，等于0表示不相关，大于0表示正相关。
    在零假设条件下，即分析对象之间没有任何空间自相关性，此时Moran's I的期望值为：
    
    对于全局Moran指数，可以用标准化统计量Z（I）来检验空间自相关的显著性水平，Z（I）的计算公式为：
    
    一般情况下，显著性水平可以根据Z值的P值检验来确定：通过计算Z值的P值，再将它与显著性水平α进行比较，决定拒绝还是接受零假设。如果P值小于显著性水平α，拒绝零假设；否则接受零假设。在实际分析过程中，一般取α=0.05。如果取α=0.05，则当Z＜-1.96或Z＞1.96时，拒绝零假设，观测变量的空间自相关显著，邻近位置观测属性趋异（Z＜-1.96）或趋同（Z＞1.96）；反之，则不拒绝零假设，观测变量在目标区域内整体上不存在显著的空间自相关。
    具体来说，根据Z值的大小可以判断：第一，当Z值为正且显著时，表明存在正的空间自相关，也就是说，相似的观测值趋于空间集聚；第二，当Z值为负且显著时，表明存在负的空间自相关，也就是说，相似的观测值趋于分散分布；第三，当Z值为零时，观测值呈独立随机分布。
    （2）局部Moran指数。当需要进一步考虑是否存在观测值的局部空间集聚，哪个区域单元对于全局空间自相关的贡献更大，以及空间自相关的全局评估在多大程度上掩盖了局部不稳定性时，就必须应用空间联系的局部指标（Local Indicators of Spatial Association，LISA）进行局部空间自相关分析。空间联系的局部指标满足下列两个条件：（1）每个区域单元的LISA，是描述该区域单元周围显著的相似值区域单元之间空间集聚程度的指标；（2）所有区域单元LISA的总和与全局的空间联系指标成比例。本文局部指标用局部Moran指数，定义如下：
    
    
    
    ＞0，表示该空间单元与邻近单元的属性值相似（“高—高”或“低—低”）；
    ＜0，表示该空间单元与邻近单元属性值不相似（“高—低”或“低—高”）。
    另外，局部指标也可以通过标准化来进行相应的显著性检验，其标准化的形式如下：
    
    这里、t是地区i在年份t的原始观察值，表示年份t所有地区原始观察值的平均值。、t为正值表示相近观察值的空间聚集而负值表示相异值的空间聚集。Anselin（1995）对LISA给出了两种解释：首先它可以被用作一个表示空间聚集的存在性的指标；其次它可以被用于局部异值点的诊断。
    2.研究说明
    到目前为止Anselin先后开发了SpaceStat和Geoda两种空间分析软件，在ArcGIS、SAS、SPLUS、Matlab等著名统计软件中，也都已经加入了用于空间统计分析的各种模块或工具箱，也可以根据Moran's I的定义自己编程计算。本文利用1978-2007年中国30省份的对外贸易统计数据，采用Log10对原始数据进行变换以减少变幅，然后利用Geoda软件进行全局Moran's I和局部Moran's I指数分析。由于海南的特殊位置，本文在进行计算和处理时，认为海南与广东、广西相连。
    另外，本文研究所用各省份进出口总额数据均来自《新中国五十五年统计资料汇编》以及历年《中国统计年鉴》。统计口径按经营单位所在地划分。由于在1997年重庆市才被设为直辖市，因此1997年以前重庆市的相关数据包含在四川省中，为了简便起见，在这里我们把重庆和四川合二为一进行分析。在进行局部分析时，从东部、中部、西部三大区域进行了比较分析①。改革开放以来，一般把中国经济的发展过程或不断深化对外开放的过程分为三个阶段：1978-1991年改革开放的初期，1992-2000年加快改革开放的时期，2001-2007年进一步深化对外开放的时期。因此，本文在分析问题时，时间点的选取基本上都是以这三个阶段为标准，即1978年、1992年、2001年和2007年。
    3.我国各省份对外贸易空间集聚分析结果
    （1）全局分析：Moran's I指数。从计算结果来看（见下页图1），1978-2007年中国30个省份历年对外贸易的全局Moran's I指数都大于零，标准化检验值Z均为正且都大于1.96，P值也都小于0.05，拒绝原假设（H0）。由此可知，我国30个省份的对外贸易存在显著的空间自相关。也就是说，对外贸易水平相似的省份一直趋于空间集聚，发达省份趋于集聚，落后省份也趋于集聚。
    从发展阶段来看（见图1），中国30个省份对外贸易的空间自相关经历了“先升、后降、再升、再降”的发展过程：1978-1983年，空间自相关显著性表现为急剧增强的态势，全局Moran's I指数从1978年的0.270增加到1983年的0.472；1984-1992年，空间自相关显著性表现为整体下降的态势，全局Moran's I指数从1984年的0.435下降到1992年的0.370；1993-2004年，空间自相关显著性表现为缓慢增强的态势，全局Moran’s I指数从1993年的0.385增加到2004年的0.443；2005-2007年，空间自相关显著性开始新一轮下降的态势，全局Moran’s I指数从2005年的0.420下降到2007年的0.411。
    
    （2）局部分析：LISA指标。根据局部Moran’s I的定义，＞0表示被考察省份与其周边省份的对外贸易情况相似，“高—高”集聚型或“低—低”集聚型；＜0则表示被考察省份与其周边省份的对外贸易情况相异，“高—低”集聚型或“低—高”集聚型。本文重点考察＞0的情况。也就是说，如果一个省份属于“高—高”集聚型，表明此地区的对外贸易比较发达，其对周边省份的正向带动作用比较大（极化效应）、辐射效应比较强；如果一个省份属于“低—低”集聚型，表明此地区的对外贸易比较落后，其对周边省份的负向带动作用比较大（极化效应）、辐射效应比较强。
    计算结果如表1所示，在1978-2007年的五个时间点上，表现为空间自相关且通过显著性检验的省份基本都是东部和西部省份，其中，“低—低”集聚型地区基本都是西部省份（2001年海南省除外），“高—高”集聚型地区都是东部沿海省份。从变化情况来看，正负向极化效应日益明显，涉及的省份也日益增多（见表1）。
    
    从“高—高”集聚 型省份来看，1978年“高—高”集聚型省份Moran’s I指数的最大值是1.065（广东），2007年增加到2.271（上海）；1978年“高—高”集聚型省份只有广东和海南，1992年只有福建，2001年和2007年地区的数量增加到4个，包括上海、江苏、浙江和福建，辐射效应强且显著，其中，2007年江苏的Moran’s I指数高达1.597且通过显著性检验。
    从“低—低”集聚型省份来看，青海、新疆、甘肃三个省份一直是对外贸易发展比较落后的地区，其中，青海一直是对外贸易发展落后的中心地带，四川、西藏、陕西和海南等省份表现出日益“脱贫”的趋势，2007年已经不属于“低低集聚”型地区，也就是说这些省份的对外贸易表现为快速发展的态势。总的来看，以上海为中心的正向增长极效应、以青海为中心的负向增长极效应都日益显著且稳定。
    从区域分布上来看，在所选取的这几年中，所有“高高集聚”的省份都是集中在东部沿海地区：上海、江苏、浙江、福建、广东和海南；而所有“低低集聚”的省份都是集中在西部地区：青海、西藏、新疆、四川、云南和甘肃等。
    因此，可以看出，我国各省份间对外贸易情况存在着明显的区域差距，中部、西部地区明显落后于东部地区，而且随着时间的增长，这种差异现象并没有呈现出明显缩小的趋势。
    三、影响我国各省份对外贸易因素的空间计量模型分析
    1.模型的设定和选择
    空间计量模型与一般计量模型的不同之处就在于前者在模型中引入了空间效应。通常所说的“空间效应”包括空间自相关（或空间依赖性）和空间差异性两个方面。前者是指一个地区的样本观测值与其相邻地区的观测值显著相关，后者则是指该地区的样本观测值与其相邻地区的观测值不具有显著相关性。在空间计量模型中，我们主要研究的是“空间自相关性”。事实上，我们所观察到的空间相关性主要来自于两个方面（Anselin，1988），一方面，不同地区经济变量样本数据的采集可能存在空间上的测量误差；另一方面，相邻地区间的经济联系的确客观存在。通常在进行计量模型分析时，我们假设研究的因变量存在空间自相关性，空间自相关性在空间回归模型中可以有两种表现方式，它既可以体现在误差项中又可以体现在因变量的滞后项里。据此，由Anselin（1998）可得出，空间计量的两种基本模型分别是空间自回归模型（Spatial Auto Regressive Model，SAR）和空间误差模型（Spatial Error Model，SEM）。
    空间自回归模型（SAR）的基本形式为：
    
    空间误差模型（SEM）的基本形式为：
    
    其中，Y和X分别表示因变量和自变量，i和t分别表示时间（年度）和截面样本个体，β表示解释变量的系数向量，p和λ分别表示空间自回归系数和空间自相关系数（本文统一将其称为空间相关系数），W表示空间权重矩阵，表示截距项，为服从正态分布的随机误差项。
    在做面板数据的空间回归分析时，除了以上这两种空间计量模型的选择之外，还有两种效应需要考虑，即固定效应和随机效应。在面板数据研究中，通常所选取的样本个体数值之间存在着一定的差异，这种差异可以解释为固定效应或者是随机效应。所谓固定效应是指不同个体之间的差异变动是确定的，而随机效应则是指这种差异变动是随机的。在多数实证研究中，假设个体效应属于服从某种分布的随机变量会比较牵强，固定效应往往更符合实际情况②。另外，在选择固定效应还是随机效应时的一个原则是，当样本回归分析局限于一些特定个体时（如本文中所采取的中国30个省级区划单位），一般选择用固定效应模型；而当样本是从很大总体中的一个随机抽样时，一般选择用随机效应模型③。
    除此之外，还有空间效应和时间效应的问题。空间效应反映的是随区位变化，但不随时间变化的背景变量（如经济结构和自然禀赋等）对稳态水平的影响；时间效应则是代表随时间变化，但不随区位变化的背景变量（如商业周期和暂时性冲击等）对稳态水平的影响。在实际分析中，有空间效应、时间效应以及空间、时间效应三种模型可供选择，需要根据模型分析的结果进行判断。本文由于只考虑“固定效应”，因此共涉及六个模型，分别为：SAR的空间固定效应模型，SAR的时间固定效应，SAR的时间、空间固定模型，SEM的空间固定效应模型，SEM的时间固定效应模型以及SEM的空间、时间固定效应模型。
    2.空间权重矩阵W的设定
    空间权重矩阵是空间计量模型的关键，也就是地区间空间影响方式的具体体现。前文已经说过，本文分析时使用的权重矩阵遵循的是最简单的“二进制相邻”原则。表2（见下页）给出了本文分析时所设置的中国30个省份的地理相邻信息（将海南省设为与广东、广西两省相邻）。
    3.参数估计方法
    最小二乘法不适合用来估计空间计量经济模型，这是因为在模型包含空间滞后误差项的情况下，虽然OLS估计量是无偏的，但不再有效。在模型包含空间滞后被解释变量的情况下，OLS估计量不仅是有偏的而且是非一致的，所以，一般使用极大似然法（ML）来估计空间计量经济模型（Anselin，1988）。对于空间面板数据模型而言，不能直接使用针对截面回归模型设计的ML估计程序，这就使得空间面板数据模型的估计问题显得更加复杂。另外，当空间权重矩阵的维数很大时，空间计量经济学中通常的ML估计程序是有问题的，这是因为超过400以上的空间权重矩阵的特征值难以可靠地估计。目前一个较为优化的方法是采用蒙特卡罗方法来近似对数似然函数中雅克比行列式的自然对数（Barry和Pace，1999）。这种方法在Matlab软件包中得到了实现，因此可用来估计上面所提到的六种模型。
    
    4.影响因素的分析
    （1）解释变量选取、数据及其来源。本文共选取了全国30个省份（四川、重庆合二为一），1994-2008年共15年的相关面板数据进行分析。数据主要来源于历年《中国统计年鉴》、《中国城市统计年鉴》、《中国对外经济贸易年鉴》，另外，还参考了中国国家统计局以及“infobank高校财经数据库”等网站的数据资料。这部分的操作是在Matlab软件中实现的，其中所使用的编程代码参考Elhorst和Lesage等人提供的相关信息④。
    本文选取“对外贸易总额”作为因变量，选取以下七个因素作为自变量，分别是 ：人均GDP水平，主要反映样本地区的经济发展水平；实际利用外资金额，主要反映样本地区的对外开放程度；高等教育在校生人数，主要反映出样本地区的教育发展程度；政府支出占GDP比重，主要反映出样本地区政府对经济的干预程度和当地的市场化程度；第二产业就业人员占全部就业人员比重，可以反映出当地的产业结构情况和工业化程度；专利申请受理数，可以从一定程度上反映出该地区的科技进步情况；公路里程占全国总里程的比重，则是反映出该地区的交通运输情况。
    因变量、自变量及其数据定义如表3所示：
    
    （2）计量分析及其结果。本文对两个模型进行分析：一是包括全国30省份在内的模型，以此从整体角度分析对外贸易的影响因素；二是为了能够更清楚地了解我国不同区域内各省市对外贸易影响因素的差异，方便将其进行比较分析，本文将全国各省份分为东、西、中部三个地区分别就其相应样本进行分析。
    
    模型一　整体分析
    由表4中的模型估计结果，我们可以得出以下结论：
    第一，由传统的固定效应模型以及引入空间效应的模型相比较，可以看出：
    ①引入空间效应的模型比传统的模型能更好地解释各地区的对外贸易差异现象。原因是：一方面，就调整后的而言，传统模型中其值是最小的；另一方面，从空间自相关系数p的显著性上来判断，除了在SAR时间固定效应模型中是不显著的以外，在其他5个模型中p均通过了至少5%的显著性水平的检验。因此，应该在模型中引入空间效应的影响因素，也就是说某一省份的对外贸易量会受到其相邻省份一些因素的影响。
    ②分别比较SAR模型以及SEM模型中的三个相应模型可以发现，从综合调整后的以及对数似然值Log-Likehood来看，空间固定效应模型都是最好的，这说明在所选取的面板数据中存在的非观测效应主要属于个体间（空间上）的固定效应。这可能由两种原因导致：一方面，由于在这里我们所选取的面板数据属于“短面板”（Short Panel），就是说时间序列的个数（15个）小于截面个体的数量（30个），这可能会导致相对于时间方面的效应来说，不同截面个体的效应更明显；另一方面，可能是由于在实际情况中，不同省份之间“外贸”水平的差异效应相对于时间序列变化所引起的差异效应来说更为突出。
    ③在两个空间固定效应模型中，的值分别达到了0.977以及0.982，这说明两个模型对于所选取样本的解释程度很高；其次，再通过比较SAR的空间固定效应模型以及SEM的空间效应模型的相应调整后的以及对数似然值Log-Likehood两个指标可以发现，二者的解释效果比较接近，其中SEM模型稍高一些，这说明我国省份之间的空间相关性对于其各自贸易水平的影响既可以通过所选取的七个解释变量来传递，同时也可以通过其他的一些因素（随机冲击）来传递，这可以从一定程度上证明对于各省份的对外贸易情况而言，其空间效应的影响作用是比较强的。
    第二，根据模型估计的各解释变量的系数及其显著性水平，可以看出：
    ①各省份人均GDP水平以及高等教育在校学生人数这两个解释变量在所有的模型中都通过了显著性水平为1%的检验，并且其符号均为正；另外，政府支出占GDP比重以及公路里程数占全国总里程数的比值这两个变量也都通过了至少10%的显著性检验，并且符号同样为正，说明这四个变量对于各省份的对外贸易水平均有显著的正向影响。另外，从系数绝对值上来看，Trans系数的绝对值最大，其实这与其他三个变量以及因变量都是对数形式也有关。
    ②各省份实际利用外资金额这一指标除了在SEM的空间固定效应中没有表现出显著性以外，在其他所有的模型中都通过了1%的显著性水平的检验，并且其符号为正，这从一定程度上也证明了FDI对于外贸水平具有显著的正向影响作用，即FDI与对外贸易之间的“互补效应”大于“替代效应”。
    ③各省份第二产业从业人员占全部就业人员比重以及专利申请受理数这两个指标也表现出一定的显著性，但是,在不同的模型中所表现出的符号方向却是不同的。需要注意的是，虽然这两个变量通过了大多数的显著性检验，但是就其系数的绝对值大小来看，其影响程度是比较小的。
    从全国30个省份的整体来看，空间效应比较明显，人均GDP水平、高等教育在校学生人数、政府支出占GDP比重、公路里程数占全国总里程数的比值、实际利用外资金额等变量对各省份对外贸易的发展均有显著的正向影响，第二产业从业人员占全部就业人员比重、专利申请受理数等变量对各省份对外贸易的发展影响方向和程度不确定。
    模型二　分区域模型
    本文将全国的省份分为东部、中部和西部三个地区，其中东部地区包括11个省份，中部地区包括8个省份，西部地区包括有11个省份，相应的空间计量分析结果分别如表5、表6、表7所示。
    
    
    
    
    由以上三个模型的估计结果比较，我们大致可以得出以下结论：
    第一，与全国30省份分析得出的结果一样，引入了空间效应的模型相对于传统的模型来说解释力更强，而且在所有的空间模型中，空间固定效应的模型比时间固定效应模型更好，其分别对应的空间滞后模型和空间误差模型之间差异并不大，两个都有很强的解释力。
    与全国30省份的分析相比，可以看出以下两点：一是所有的结果都显示空间滞后模型以及空间误差模型之间的差异并不大，而且都具有较好的拟合水平，这说明空间效应通过解释变量以及误差项两个途径影响因变量（对外贸易水平）。二是在将全国的省份分为东部、中部、西部三个区域之后，模型估计结果仍然显示，空间固定效应模型的解释力要强于相应的时间固定效应模型，如果说在之前的全国30省份的模型中，这个问题可能是由于“短面板”所引起的话，那么对于这三个分区域模型来说就没有办法这样解释了，因为这三个模型很显然不属于“短面板”情形，所以我们可以得出以下结论，即相对于时间序列变化引起的非观测效应而言，我国各省份之间的个体差异所引起的非观测效应更为显著。
    第二，从各个解释变量的系数及其显著性来看，我们可以看到，不同地区之间存在着一定的共性以及差异性。
    ①基本上在所有的模型中，各省份人均GDP水平以及高校在校学生人数两个解释变量都是显著的，且系数均为正，这与我们之前所预期的结果是相符的，从一定程度上证明了教育水平（高等教育水平）的提高对于该地区对外贸易发展具 有重要作用。
    ②相差比较大的是实际利用外资金额这一解释变量，在东部省份中，所有的模型里它都表现为显著的正向影响作用，但是在西部省份中，只有在三个模型中它才表现为具有显著的正向影响作用，而至于中部省份，所有的模型中这一解释变量均不显著。这说明在不同的区域，外商直接投资对对外贸易的影响作用是不同的，在东部地区这种影响最为显著，在西部地区表现出一定的显著性，而在中部地区则并没有表现出显著性。
    对于这样的结果，我们可以从以下两个方面来理解：一方面，我们知道由于地理上以及政策导向等方面的原因，东部地区相对其他两个地区来说是开放程度最高的地区，无论是外资还是外贸水平都很高，二者可以形成一个不断互相促进的机制，形成良性循环，而西部地区由于国家“西部大开发”政策的号召以及外商在西部地区投资的优惠政策的引导，逐渐开始吸引更多的外商投资，因此对西部区域内相关省份的对外贸易水平也从一定程度上起到了正向的促进作用，但是中部地区相对来说既没有地理条件上的优势又缺乏相应的政策引导，因此并没有对外贸的发展起到显著的促进作用。另一方面，我国东部地区由于实行对外开放较早，并且拥有独特的区位优势和较高的人力资源水平，从而形成了良好的投资环境，导致FDI进入中国东部地区之后能够迅速形成相应的生产能力，及时促进出口增长，与此同时，外商可以得到较高和较快的投资回报。而与之形成对比的是，中国中西部地区基础设施、教育水平和经济发展相对落后，因而外资进入西部地区之后，从资金投入、生产能力的扩张直至产品形成都需要一个相对较长的过程，从而导致投资效率相对低下，进而导致外商直接投资在我国的投资分布具有明显的马太效应，FDI对于贸易的创造效应和替代效应也存在一定的区域差异。
    ③对于其他变量来说，在不同的地区其影响效应不尽相同。在东部地区，Trans具有显著性和较强的影响效应，然而这种效应在西部和中部地区是递减的，在西部地区其系数甚至为负，这说明交通运输条件对东部地区对外贸易的发展具有重要的作用，而对于中部、西部来说却在一定程度上起了制约作用；在西部地区，自变量GOV主要表现为显著的负效应，而在中部和东部地区其影响效果并不显著，这说明政府干预有利于西部地区对外贸易的发展，而东部地区对外贸易的发展则更需要一个较为开放、自由的市场机制；在中部地区，Indus因素都通过了显著性检验，且影响系数比较大，而在东部和西部地区这种效果不明显，这说明中部地区的产业结构调整和工业化程度的提高将有利于对外贸易的发展；技术进步因素对东部、中部和西部地区对外贸易的发展整体上都是负影响，其中，技术进步因素在中部和西部地区都通过了显著性检验，且影响系数都为负，但单纯从数值上看，变量系数相对较小，这种负面效应解释力不强，不能肯定说明技术进步对对外贸易的负效应。
    总的来看，从三大区域对外贸易的发展来看，东部地区和西部地区的空间效应比较明显，中部地区的空间效应不明显，人均GDP水平、高校在校学生人数是影响区域对外贸易发展的共同因素，除此之外，利用外资、交通运输条件是影响东部地区对外贸易发展的重要因素，产业结构（工业化程度）、技术水平是影响中部地区对外贸易发展的重要因素，政府干预程度、技术水平是影响西部地区对外贸易发展的重要因素。
    四、结论
    从空间统计分析的结果可以看出，1978-2007年期间，中国的30个省份对外贸易存在显著的空间自相关；从空间集聚效应来看，具有明显的“马太效应”特征，其中，东部省份具有强强集聚的“马太效应”，中西部省份具有弱弱集聚的“马太效应”，东部以及中西部之间的差异较为明显，并且随着时间的推移这种集聚现象越来越明显，也就意味着地区之间的差距也在不断扩大。
    从空间计量分析的结果可以看出，从30个省份的整体来看，空间效应比较明显，人均GDP水平、高等教育在校学生人数、政府支出占GDP比重、公路里程数占全国总里程数的比值、实际利用外资金额等变量对各省份对外贸易的发展均有显著的正向影响，第二产业从业人员占全部就业人员比重、专利申请受理数等变量对各省份对外贸易的发展影响方向和程度不确定。从三大区域对外贸易的发展来看，东部地区和西部地区的空间效应比较明显，中部地区的空间效应不明显，人均GDP水平、高校在校学生人数是影响区域对外贸易发展的共同因素，除此之外，利用外资、交通运输条件是影响东部地区对外贸易发展的重要因素，产业结构（工业化程度）、技术水平是影响中部地区对外贸易发展的重要因素，政府干预程度、技术水平是影响西部地区对外贸易发展的重要因素。
    进一步来看：第一，SAR和SEM两个模型都能较好的解释数据，也就是说空间效应既可以通过所选取的自变量来传递，也可以通过误差项的随机冲击来传递；第二，根据模型估计的结果，可以看出我国各省份地区之间的这种差异效应要强于时间序列引起的效应；第三，不同地区FDI对于贸易的促进效应是不同的，东部地区的效应最为明显，中西部地区则相对较弱，故应改善中西部地区的相关基础设施建设，从而形成一个有利于投资转化为实际生产力的环境，以促进FDI对外贸易的带动作用；第四，对于各区域来说，高等教育水平对于各地区的对外贸易额都有显著的正向影响，由此可见，我国在提高教育水平以促进地区贸易以及经济的发展方面仍有很大的提升空间。
    总的来说，我国要想通过大力发展对外贸易协调区域经济发展，就必须根据各个省份和区域的实际情况，制定相应的政策措施，在不同的区域培育增长极和经济圈，发挥增长极的辐射作用，带动周边地区的发展，并加强全国省份间的关联性，发挥集聚效应，在省份间和区域间形成经济发展和对外贸易发展的联动局面，进而促进区域经济协调发展。
    注释：
    ①东部地区包括11个地区，分别是北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南；中部地区包括8个地区，分别是山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部地区包括11个地区，分别是四川（重庆+四川）、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古。
    ②B. H. Baltagi, Econometric Analysis of Panel Data[M],Third Edition, Publisher: John Wiley & Sons, 2005.
    ③J. P. Elhorst, 2003, Specification and Estimation of Spatial Panel Data Models[J], International Regional Science Review, 3（26）, 224～268.
    ④参考网站以及J. Paul Elhorst, 2003, Specification and Estimation of Spatial Panel Data Model, International Regional Science Review, 26, 224.