空间面板模型的回归结果

对于城市创新的面板数据的分析，可以分成两类。一类是没有空间效应的面板模型，另一类是有空间效应的模型。每类模型都分成固定效应模型和随机效应模型。在普通面板模型的基础上，引入进空间滞后误差，就可以检验是否存在空间误差效应以及其具体影响。在这里，计算空间效应时，采用的都是反距离空间矩阵。具体回归的结果如下：

表7-5：城市创新力的面板模型结果

注：***是指99.00%显著，**是指95.00%显著，*是指90.00%显著

根据表7-5所示，空间误差效应并不显著，这说明没有必要引入空间滞后误差因素。此外，无论是普通面板模型，还是空间面板模型，固定效应模型的回归结果都相似，而随机效应模型的回归结果也很相似。之所以很相似，道理其实很简单，因为引入的空间滞后误差并没有发挥显著作用，因此，空间面板模型和普通面板模型的回归结果就很接近。(www.xing528.com)

若引入空间滞后效应，那么，情况可能会有所不同。为了检验时间的直接效应，也可以引入两个时间虚拟变量，对应于2015年和2016年。具体回归的结果如下：

表7-6：城市创新力面板数据的空间滞后效应

注：***是指99.00%显著，**是指95.00%显著，*是指90.00%显著

根据表7-6，当把空间滞后因变量引入模型之后，在固定效应模型中，空间滞后回归系数不显著，但是在随机效应模型中，空间滞后效应在一定程度上是显著的。这说明，不能简单地否定空间滞后效应的影响和作用。加入年份虚拟变量后，其回归系数都不显著，这说明年份的影响并不明显。也就是说，从2014年到2016年期间，总体而言，并没有明显的变化。这也符合城市创新能力提升的客观规律，因为一个城市不可能在短期获得在创新能力上的显著提升。也就是说，城市提升其创新能力是个过程，需要长期的积累，才能逐渐体现在创新能力上的明显提升。