4. 4 计量模型和数据说明
4. 4. 1 地区专业化水平的度量
衡量地区专业化水平的指标有Hoover系数法、Krugman专业化指数和γj企业集中度系数。Hoover系数法被用于一些研究地区专业化的文献中（Kim，1995； Amiti，1998），但其缺点也是很明显的，因为不同的产业结构分布可能会得出相同的基尼系数值，导致在地区专业化的比较分析中可能会得出错误的结论（Cowell，1995）。
γj系数是由Ellison和Glaeser（1999）最先设计的，它反映了行业内部结构对产业集聚和地区专业化程度的影响，被认为是衡量专业化程度的一种较好的方法。γj系数的计算必须采用企业层面的微观数据。但是，γj系数必须采用企业层面的微观数据，由于数据来源的限制，我们无法使用这个指标。[1]
因此，为了考察更长时间跨度的地区专业化，本章选择了Krugman专业化指数（或者简称K-spec指数）来衡量地区专业化程度，它测度的是第i个地区与其余地区平均水平的产业结构差异程度。Krugman（1991）和Midelfart-Knarvik等（2000）、范剑勇（2004）、黄玖立和李坤望（2006）以及胡向婷和张璐（2005）在研究中都采用了这一指标来衡量地区专业化水平。当然，我们会同时使用Hoover系数以及路江涌和陶志刚（2007）计算的γj系数，以检验实证结果的稳健性。
本章使用V ki代表了第i个省份第k个产业部门的总产出。第i个省份的K-spec指数为
其中
本章使用了产业的总产值数据而不是增加值数据，因为厂商地理位置的选择通常已考虑了中间投入的运输费用，并与其生产规模紧密相关，而总产值则能更好地反映生产规模（文玫，2004）。另外一种K-spec指数是用第i个省份第k个产业部门的总就业人数来代表V ki。但是在中国，就业数据可能受到几个因素的影响而不能准确地度量专业化水平。首先，各省区的经济发展水平不同，即使在相同行业，劳动力仍然是异质的。其次，国有企业中普遍存在劳动力过剩问题。更为重要的是，以农民工为主体的外地务工者并没有准确反映在当地的统计数据中。因此，这里选择使用总产出数据来代表V ki。本章只考虑工业中的制造业细分行业，不包括采矿业，木材及竹材采运业，电力、蒸汽、热水的生产和供应业，煤气生产和供应业，自来水的生产和供应业，因为这些行业严重依赖本地自然资源或本地需求。
K-spec指数的取值范围是[0，2]，当区域i的产业结构与所有其他地区的产业结构相同时取0，相反时则取2。该指数越大，表明该地区的专业化程度越高，从而暗示地区经济结构越符合本地的比较优势，同时地方保护行为越轻。我们根据（4. 2）式计算了历年我国29个省、自治区和直辖市（除西藏、重庆和港澳台地区外）的地区专业化水平。
4. 4. 2 计量模型
根据本章的理论框架，为了检验财政分权对中国地区专业化水平的影响，本章将初始的计量方程设定为如下形式：
SPEC是地区专业化水平的K-spec指数，X代表除了SPEC一阶滞后项以外的其他解释变量集。η是省别效应，ε是误差项，下标i和t分别代表省份和时间。对（4. 3）式进行差分，从而消除省别效应，就得到
对于（4. 4）式，如果使用一般的面板数据估计方法（固定效应或随机效应模型），会得到不一致的估计结果（Anderson和Hsiao，1982）。首先，由于本章采用年度数据度量地区专业化水平，考虑到地区专业化水平在时间上可能存在一定程度的持续性，本章把因变量的一阶滞后项作为解释变量之一。但这会出现解释变量的内生性问题，导致解释变量与随机扰动项相关。另外，本章采用的其他解释变量如财政分权度、对外开放度、私有化水平、交通设施条件等也都有可能是内生的。
基于对以上问题的考虑，在本章中采用GMM（广义矩）方法，该方法可以比较好地克服上述问题。本章运用了两种GMM面板估计，分别为差分GMM估计（DIF-GMM）和系统GMM（SYS-GMM）估计。差分GMM估计由Arellano 和Bond（1991）提出，它先对回归方程进行差分[即本章中的（4. 3）式]，消除未观测到的省别效应造成的遗漏变量偏误，然后对右端的变量（原回归式的差分值）进行工具替代以消除由联立偏误造成的潜在的参数不一致性。
但差分GMM也存在应用上的不足：首先，它不仅在差分时去掉了不能观测的地区特定变量，也同时去掉了不随时间变化的解释变量；其次，其估计量并不一定有效，小样本的情况更为明显。Arellano和Bover（1995）以及Blundell和Bond（1998）在差分GMM估计的基础上引入水平方程的工具变量，得到了系统GMM估计量，从而大大提高了估计结果的有效性和一致性。所以本章在计量结果中重点是报告系统GMM的估计结果。
另外，Bond（2002）认为，GMM估计的一致性取决于工具变量的有效性，两个识别检验是必要的。一个是Sargan检验，主要用于判断是否存在过度识别约束，零假设表明模型中工具变量的选取是正确的。另一个是差分误差项的序列相关检验，一阶序列相关同时二阶序列不相关表明模型设定是正确的。
4. 4. 3 变量说明
在计量模型中，本章重点关注的是财政分权对中国地区专业化的影响。除了专业化水平的滞后项外，本章还控制了对外开放度、交通条件、经济发展阶段、资本密集度、私有化程度等变量。
其一，对于财政分权指标，其度量仍然存在很多争议（例如，Lin和Liu，2000； Rodden，2004）。张晏和龚六堂（2005）详细讨论了财政分权的各种衡量指标。基于本章的研究目的，这里采用预算内本级政府财政支出指标，并且为控制政府支出规模与人口数量之间可能存在的正向关系，对该指标进行人均化，即分权指标dece=各省预算内人均本级财政支出/中央预算内人均本级财政支出。该指标可以被看作对实际分权程度的一种度量，它代表了地方政府财政自主性的大小，而财政越分权，地方政府就越有激励实施地方保护。
其二，对于对外开放指标open，我们选取进出口贸易占GDP的比重。进出口额均用当年的美元和人民币汇率的中间价折合为人民币，并且用CPI予以平减。新经济地理学的研究表明，对外开放本身会通过市场力量对地区专业化水平产生直接的作用（Fujita等，1999）。随着对外开放的深化，一些地区开始依照自己的比较优势参与国际分工，劳动密集型轻工业将会获得很大的发展。这会在一定程度上改变原先以重工业为主的产业结构，从而会降低该地区的专业化水平。
此外，本章还重点考察了分权和开放对地区专业化水平的交互影响，经济开放作为一种市场力量会冲击财政分权的保护效应。分权导致的地方政府采取保护行为的程度可能会随着开放度的提高而减弱。在经济开放度较低的情形下，分权激励下的地方政府会倾向于采取地方分割的政策。而随着经济开放度的提高，地方政府会越来越降低其市场保护的程度，获取专业化和产业集聚的收益。随着一个地区经济的逐步开放，地方政府实施保护政策的边际收益将会越来越小，而与此同时，市场分割带来的边际成本却在不断提高。因此，开放会不断弱化分权对国内市场一体化的负面影响。为了捕捉这种机制，本章借助财政分权和对外开放的交叉项dece×open来考察。
影响地区专业化水平的另一个重要因素是经济发展水平。Imbs和Wacziarg （2003）使用了跨国的数据，发现随着人均GDP的增长，一个国家的专业化水平会先降低后增加，专业化和经济发展水平呈现出了U形曲线的关系。为了检验中国各省份的专业化水平与人均GDP的曲线关系，本章引入了各省份的人均实际GDP及其平方项，分别是变量pgdp和p gd ps。
一个地区的交通条件和运输成本可能会对该地区的产业结构差异性和地区专业化程度有影响。一个交通设施条件越差的地区，经济会越封闭，其产业门类可能越齐全，该地区参与全国市场的分工程度越低，从而专业化水平越低。为了衡量一个地区的交通设施条件，构造变量tran[=（公路总里程+铁路总里程）/该地区面积]。
一个地区经济规模的大小对地区专业化有着微妙的影响。一方面，新经济地理学强调了规模报酬递增对产业集聚的影响。通过行业集聚可以支持供给的专业化、鼓励专业化劳动力市场的产生以及增大知识的溢出效应。如果一个地区某个产业享有很大的规模经济效应，那么更多的产业会聚集到这个地区，从而有利于地区专业化（Krugman，1991）。另一方面，经济规模较大的地区对各种产品的消费需求都较大，由于贸易成本的存在，这会有利于该地区产业结构的多样化（Kalemli-Ozcan等，2003）。为了考察经济规模对地区专业化的影响，本章使用人口数pop来代表经济规模。
另外，本章还控制了私有化程度对一个地区专业化水平的影响。私有化改革会冲击以重工业为主的地区，使其产业结构趋向多元化，从而降低专业化水平。本章构造私有化水平变量priv（=各省份的非国有单位职工占总职工人数的比重），我们预期其系数为负。
此外，本章还在回归方程中加入了三个时间虚拟变量，分别是Dum89、Dum94、Dum98。Dum89用来控制1989年政治风波对经济的冲击，Dum94用来考察1994年分税制改革引起的财政体制的剧烈变迁，Dum98则用来考察东南亚金融危机和国有企业大规模改革对经济地理活动的冲击。
本章使用的是1984—2004年各省份的面板数据，但是删除了1993年的数据[2]，样本包括除西藏、海南、重庆和港澳台地区以外的中国28个省、自治区和直辖市。[3]所有原始数据均来自《新中国55年统计资料汇编》、各省份的统计年鉴。
注释
[1]路江涌和陶志刚（2007）利用国家统计局工业企业数据库的数据，借助γ系数研究了中国制造业区域聚集因素，但是数据的时间跨度仅为1998—2003年。
[2]之所以删除1993年的数据是因为数据失真——事先宣布分税制改革使得地方政府在该年下半年开始了所谓的“造基数”运动，各省份突击征税导致了财政收支数据存在显著的人为扭曲（傅勇和张晏，2007）。
[3]海南和西藏的数据都不全，因此予以删除，重庆的数据则并入四川。