段進(jìn)軍，許銘雪

(蘇州大學(xué) 東吳商學(xué)院，江蘇 蘇州 215021)

0 引言

2001年12月11日中國(guó)正式加入世界貿(mào)易組織(WTO)，自此以后，中國(guó)更加深入地融入國(guó)際經(jīng)濟(jì)體系，更加積極地參與國(guó)際產(chǎn)業(yè)分工，為中國(guó)經(jīng)濟(jì)的增長(zhǎng)注入了強(qiáng)勁的動(dòng)力. 江蘇省作為我國(guó)改革開放的前沿陣地，在這一時(shí)期經(jīng)濟(jì)也獲得了長(zhǎng)足的發(fā)展，經(jīng)濟(jì)總量翻了近三番，經(jīng)濟(jì)結(jié)構(gòu)趨于合理，區(qū)域發(fā)展日益均衡，經(jīng)濟(jì)增長(zhǎng)的可持續(xù)性明顯增強(qiáng)[1]. 當(dāng)前，在國(guó)際經(jīng)濟(jì)增長(zhǎng)趨緩，我國(guó)經(jīng)濟(jì)發(fā)展進(jìn)入“新常態(tài)”的宏觀背景下，深入分析自加入WTO十五年以來(lái)江蘇經(jīng)濟(jì)發(fā)展的特征和路徑，不僅對(duì)促進(jìn)江蘇省自身經(jīng)濟(jì)的轉(zhuǎn)型升級(jí)、提質(zhì)增效有重要的現(xiàn)實(shí)意義，而且可以為其他省區(qū)經(jīng)濟(jì)發(fā)展的平穩(wěn)換擋，增強(qiáng)發(fā)展的可持續(xù)性提供有益的借鑒.

研究經(jīng)濟(jì)增長(zhǎng)的視角一般包括從時(shí)間角度、從空間角度和從機(jī)制角度，但傳統(tǒng)的研究方法往往是從上述視角中的某一個(gè)角度出發(fā)去分析問(wèn)題，很少有將上述三個(gè)角度綜合起來(lái)分析經(jīng)濟(jì)增長(zhǎng)特征的研究[2-5]. 本文首先采用地理加權(quán)回歸(GWR，Geographically Weighted Regression)的方法分析自加入WTO以來(lái)江蘇經(jīng)濟(jì)增長(zhǎng)的驅(qū)動(dòng)機(jī)制及其空間分異，然后采用經(jīng)驗(yàn)正交分解的方法對(duì)江蘇經(jīng)濟(jì)增長(zhǎng)驅(qū)動(dòng)因素間的協(xié)調(diào)性進(jìn)行時(shí)空分解，深入分析其時(shí)空結(jié)構(gòu). 地理加權(quán)回歸是一種廣泛應(yīng)用的空間數(shù)據(jù)分析方法，它允許回歸參數(shù)隨地理空間的變化而變化，將其應(yīng)用于經(jīng)濟(jì)驅(qū)動(dòng)機(jī)制的分析可以更為精細(xì)地展現(xiàn)經(jīng)濟(jì)驅(qū)動(dòng)因子的空間分異特征[6]. 經(jīng)驗(yàn)正交分解法(EOF，Empirical Orthogonal Function)主要用于要素場(chǎng)的時(shí)空展開[7]，該方法可以將波動(dòng)性大的要素場(chǎng)(如經(jīng)濟(jì)要素)分解為穩(wěn)定的空間分量和時(shí)間分量，不僅可以有效地降低要素場(chǎng)的維數(shù)，且各分量具有明確的物理內(nèi)涵，在分析要素場(chǎng)的時(shí)空分布特征及其成因方面有獨(dú)特的優(yōu)勢(shì)[8].

1 研究方法

1.1 地理加權(quán)回歸

事物在空間上具有相互依賴性和關(guān)聯(lián)性是一個(gè)普遍的現(xiàn)象，經(jīng)濟(jì)要素也不例外，GWR對(duì)傳統(tǒng)的線性回歸模型進(jìn)行了擴(kuò)展，擴(kuò)展后模型的參數(shù)是位置的函數(shù)[9]：

(1)

式中:ui和vi是第i個(gè)回歸點(diǎn)的坐標(biāo)，βj(ui,vi)是第i個(gè)回歸點(diǎn)的回歸系數(shù). 在GWR中，觀測(cè)值的權(quán)重在回歸過(guò)程中不再保持不變，而是通過(guò)與位置i的鄰接程度來(lái)進(jìn)行加權(quán)，因此回歸系數(shù)的估計(jì)值也將隨空間位置的變化而變化[10]：

(2)

其中:W(ui,vi)是空間權(quán)重矩陣，本研究以高斯函數(shù)來(lái)計(jì)算權(quán)重：

W(ui,vi)=e-(dij/2b)2,

(3)

式中:b為核函數(shù)的基帶寬度，dij為回歸點(diǎn)i到觀測(cè)點(diǎn)j的歐氏距離. 采用赤池信息準(zhǔn)則(AIC)檢驗(yàn)，該值最小時(shí)帶寬最佳[11].

由于在經(jīng)濟(jì)發(fā)展的各種指標(biāo)中，GDP仍然是衡量區(qū)域經(jīng)濟(jì)發(fā)展水平最具有代表性的指標(biāo)，本文以縣域的GDP作為GWR回歸中的應(yīng)變量. 在宏觀經(jīng)濟(jì)運(yùn)行中GDP的增長(zhǎng)主要靠投資、消費(fèi)和出口這“三駕馬車”拉動(dòng)，因此，本研究選取各縣域的固定資產(chǎn)投資、社會(huì)消費(fèi)品零售總額和出口額這三個(gè)量作為回歸的自變量. 考慮到GDP、固定資產(chǎn)投資、社會(huì)消費(fèi)品零售總額和出口額這幾個(gè)指標(biāo)間存在著數(shù)量級(jí)或單位上的差異，本研究取這幾個(gè)指標(biāo)在2002-2015年間的年平均增長(zhǎng)率作為實(shí)際參與回歸的變量[12].

1.2 經(jīng)驗(yàn)正交分解

在經(jīng)驗(yàn)正交分解(EOF)法中，一個(gè)要素的時(shí)空變化場(chǎng)X.

(i=1, 2, …,m;j=1, 2, …,n)，

(4)

其中:每一列代表要素在某個(gè)時(shí)間截面的空間場(chǎng)，每一行代表該要素在某個(gè)空間位置的時(shí)間變化，該要素場(chǎng)可以分解成空間函數(shù)V和時(shí)間函數(shù)Z兩個(gè)部分

X=VZ，

(5)

且各空間場(chǎng)各向量之間和時(shí)間場(chǎng)各向量之間正交，由式(5)可得

X·XT=A=V·Z·ZT·VT,

(6)

其中：A為實(shí)對(duì)稱矩陣，V是由A的特征向量構(gòu)成的矩陣，其每一列都代表一個(gè)典型的空間場(chǎng). 當(dāng)V求出后可利用V求出Z:

Z=VTX,

(7)

Z的行向量對(duì)應(yīng)于每一個(gè)空間場(chǎng)的時(shí)間系數(shù). EOF方法具有收斂快的特點(diǎn)，將特征值由大到小排列，只要取前面少數(shù)幾個(gè)特征場(chǎng)就可以近似地反映原始要素場(chǎng)的總體特征. 該方法的實(shí)質(zhì)是將原始要素場(chǎng)看成是由一系列典型的空間場(chǎng)和時(shí)間場(chǎng)線性組合而成的，尤其對(duì)于時(shí)空分布波動(dòng)較大的要素而言，該方法可以獲得少數(shù)能夠代表原始要素時(shí)空變化總體特征且內(nèi)涵較為明確的時(shí)空分量[13,14].

在計(jì)算各縣域GDP、固定資產(chǎn)投資、社會(huì)消費(fèi)品零售總額和出口額在2003-2015年期間各年增長(zhǎng)率的基礎(chǔ)上，本研究采用固定資產(chǎn)投資、社會(huì)消費(fèi)品零售總額和出口額各年增長(zhǎng)率與對(duì)應(yīng)年份GDP增長(zhǎng)率的差值作為衡量經(jīng)濟(jì)經(jīng)濟(jì)增長(zhǎng)協(xié)調(diào)性的指標(biāo)，利用EOF方法對(duì)各縣域、各年份相關(guān)差值指標(biāo)的矩陣進(jìn)行分解，分析經(jīng)濟(jì)增長(zhǎng)主要驅(qū)動(dòng)要素與經(jīng)濟(jì)增長(zhǎng)間協(xié)調(diào)性的時(shí)空分布特征. 用ArcGIS軟件對(duì)分析結(jié)果進(jìn)行可視化表達(dá)，數(shù)量分級(jí)采用自然裂點(diǎn)法. 為便于比較，本研究還對(duì)各分量的時(shí)間系數(shù)進(jìn)行了標(biāo)準(zhǔn)化處理[8].

2 數(shù)據(jù)來(lái)源

本文研究數(shù)據(jù)主要來(lái)源于2003-2016年的《江蘇統(tǒng)計(jì)年鑒》. 由于大部分地級(jí)市的市轄區(qū)面積較小，為研究方便，將地級(jí)市的市轄區(qū)合并為地級(jí)市大市區(qū). 由于行政區(qū)劃的調(diào)整，為保持分析結(jié)果前后的一致性和可比性，本研究的行政區(qū)劃以2012年的行政區(qū)劃為準(zhǔn)，在這之前和之后的行政區(qū)劃與其有不一致的，都按照2012年的行政區(qū)對(duì)相關(guān)指標(biāo)進(jìn)行拆分或合并計(jì)算.

3 結(jié)果分析

3.1 江蘇經(jīng)濟(jì)增長(zhǎng)驅(qū)動(dòng)因素分析

GWR模型的AIC值為239.94，決定系數(shù)R2為0.41，調(diào)整后的R2為0.33，模型殘差平方和為137.86；而采用傳統(tǒng)的最小二乘(OLS)法建立的模型AIC值為238.3，決定系數(shù)R2為0.33，調(diào)整后的R2為0.298，模型殘差平方和為155.78. 雖然GWR模型的AIC略大于OLS模型，但在模型的R2及殘差平方和等方面均優(yōu)于OLS模型.

通過(guò)對(duì)GWR模型回歸系數(shù)的分析發(fā)現(xiàn)，所有縣域單元都是社會(huì)消費(fèi)品零售總額的回歸系數(shù)最大，這反映了江蘇經(jīng)濟(jì)增長(zhǎng)主要的驅(qū)動(dòng)因素是內(nèi)生的消費(fèi)增長(zhǎng)，已經(jīng)擺脫了片面依靠投資和過(guò)分依賴出口的高風(fēng)險(xiǎn)增長(zhǎng)模式，步入了主要依靠?jī)?nèi)需的良性增長(zhǎng)軌道. 居第二位的增長(zhǎng)驅(qū)動(dòng)因素則有明顯的區(qū)域差異，大部分縣區(qū)居第二位的增長(zhǎng)驅(qū)動(dòng)因素都是固定資產(chǎn)投產(chǎn)，這表明全省大部分地區(qū)的經(jīng)濟(jì)增長(zhǎng)對(duì)投資還存在著一定程度的路徑依賴. 贛榆、東海、灌云、響水、灌南、新沂、沭陽(yáng)、濱海、射陽(yáng)、漣水、阜寧、建湖、大豐等縣域以及連云港、淮安和鹽城三個(gè)市的大市區(qū)居第二位的增長(zhǎng)驅(qū)動(dòng)因素是出口，上述縣區(qū)主要位于江蘇省的東北部，雖然經(jīng)濟(jì)發(fā)展相對(duì)滯后，但由于位于沿海的區(qū)位使得該地區(qū)外向型經(jīng)濟(jì)的發(fā)展具有一定的比較優(yōu)勢(shì)，加上相關(guān)經(jīng)濟(jì)指標(biāo)的基數(shù)較低，出口的增長(zhǎng)對(duì)經(jīng)濟(jì)的增長(zhǎng)拉動(dòng)作用比較明顯.

圖1 各變量回歸系數(shù)的空間分布Fig. 1 The distribution of regression coefficient a.Consumption;b. Investment;c.Export

從各變量回歸系數(shù)的空間分布看，消費(fèi)品零售總額的回歸系數(shù)在空間上明顯呈現(xiàn)由東南部向西北部遞減的趨勢(shì)，這與江蘇省經(jīng)濟(jì)發(fā)展的總體空間格局是一致的，這也表明越是經(jīng)濟(jì)發(fā)達(dá)的區(qū)域，消費(fèi)在拉動(dòng)經(jīng)濟(jì)增長(zhǎng)中的作用越重要，其經(jīng)濟(jì)增長(zhǎng)的內(nèi)生動(dòng)力越強(qiáng). 固定資產(chǎn)投資回歸系數(shù)的空間分布總體上具有由蘇南向北部和東北部逐漸遞減的特征，個(gè)別蘇北的縣區(qū)固定資產(chǎn)投資也具有較大的回歸系數(shù)，這個(gè)趨勢(shì)主要反映了蘇南地區(qū)在勞動(dòng)生產(chǎn)率和全要素生產(chǎn)率等方面的比較優(yōu)勢(shì)，對(duì)投資具有較大的吸引力，此外這一趨勢(shì)還表明在蘇南地區(qū)投資對(duì)經(jīng)濟(jì)的增長(zhǎng)拉動(dòng)效果更加明顯. 出口的回歸系數(shù)總體較小，其空間分布呈現(xiàn)由東北向西南遞減的趨勢(shì)，與固定資產(chǎn)投資系數(shù)的分布趨勢(shì)正好相反，東北部出口回歸系數(shù)較大的縣區(qū)大部分同時(shí)也是出口系數(shù)大于固定資產(chǎn)投資系數(shù)的縣區(qū)，該地區(qū)出口對(duì)經(jīng)濟(jì)增長(zhǎng)拉動(dòng)作用顯著的原因主要是該地區(qū)地處沿海，發(fā)展外向型經(jīng)濟(jì)具有一定的優(yōu)勢(shì)，加上相關(guān)經(jīng)濟(jì)指標(biāo)的基數(shù)較低而導(dǎo)致的.

3.2 江蘇經(jīng)濟(jì)增長(zhǎng)的協(xié)調(diào)性分析

圖2 消費(fèi)品零售總額增長(zhǎng)率和GDP增長(zhǎng)率差值指標(biāo)的分解結(jié)果Fig. 2 The decomposition results and standardizetime coefficients of coordination between consumption and GDPa.First component;b. Second component;c.Third component

消費(fèi)品零售總額增長(zhǎng)率和GDP增長(zhǎng)率差值指標(biāo)的第一分量的方差貢獻(xiàn)率為50.5%，第一分量大部分縣(市、區(qū))為正值，只有興化、姜堰、儀征、金壇、溧陽(yáng)等少數(shù)縣市為負(fù)值，這反映了總體上消費(fèi)的增長(zhǎng)速度還是快于GDP的增長(zhǎng)速度；第一分量值較大的縣(市、區(qū))有沛縣、睢寧、盱眙、贛榆等，主要是蘇北經(jīng)濟(jì)發(fā)展相對(duì)滯后的地區(qū)，這反映了這些地區(qū)經(jīng)濟(jì)發(fā)展的內(nèi)生動(dòng)力正逐步增強(qiáng)，蘇南地區(qū)值較大的主要是蘇州市市轄區(qū)，這表明蘇州市不僅經(jīng)濟(jì)發(fā)展水平高，而且在發(fā)展的可持續(xù)性方面也具有明顯的優(yōu)勢(shì)；從第一分量的時(shí)間系數(shù)看，2005年是一個(gè)極大值，2014年的值也較大，表明這兩年消費(fèi)增長(zhǎng)較快而其余年份波動(dòng)不大. 第二分量方差貢獻(xiàn)率為15.9%，其中正值和負(fù)值的縣(市、區(qū))各占一半，空間分布上總體呈現(xiàn)由南部和東部高，北部和西部低的特征；時(shí)間系數(shù)上2005年、2009年和2013年值較高，呈現(xiàn)出以4年為周期的波動(dòng)周期，2014年出現(xiàn)極小值，表明這一年蘇南地區(qū)消費(fèi)增長(zhǎng)乏力而蘇北增長(zhǎng)強(qiáng)勁. 第三分量方差貢獻(xiàn)率為12.4%，其中接近3/4的縣(市、區(qū))為正值，負(fù)值的縣(市、區(qū))主要分布在蘇北，而蘇北值較高的地區(qū)都是地級(jí)市的市轄區(qū)，反映了蘇南地區(qū)和地級(jí)市的市轄區(qū)等相對(duì)發(fā)達(dá)的地區(qū)在消費(fèi)增長(zhǎng)方面相對(duì)的優(yōu)勢(shì)；時(shí)間系數(shù)波動(dòng)較大，2003-2009年期間持續(xù)上升，2010年后有一個(gè)急劇下降，2010年后一直在0值附近徘徊，這反映了2008年后經(jīng)歷了一個(gè)短暫的刺激性增長(zhǎng)，2010年以后經(jīng)濟(jì)增長(zhǎng)逐步進(jìn)入新常態(tài)，經(jīng)濟(jì)增速趨緩，消費(fèi)增長(zhǎng)與GDP增長(zhǎng)基本保持同步. 以上三個(gè)分量能夠解釋總方差的78.8%，能夠反映消費(fèi)品零售總額增長(zhǎng)和經(jīng)濟(jì)增長(zhǎng)間協(xié)調(diào)性總體的時(shí)空分布特征.

圖3 固定資產(chǎn)投資增長(zhǎng)率和GDP增長(zhǎng)率差值指標(biāo)的分解結(jié)果Fig. 3 The decomposition results and standardizetime coefficients of coordination between investment and GDPa.First component;b.Second component;c.Third component

固定資產(chǎn)投資增長(zhǎng)率和GDP增長(zhǎng)率差值指標(biāo)的第一分量的方差貢獻(xiàn)率為50.9%，第一分量所有縣域的值都是正值，這表明全省固定資產(chǎn)投資的增長(zhǎng)普遍高于GDP的增長(zhǎng)，從空間分布上看，沿海地區(qū)的縣(市、區(qū))的值較高，反映了優(yōu)越的區(qū)位條件對(duì)投資的吸引力，蘇南的蘇州市市轄區(qū)、南京市市轄區(qū)和昆山市值較低，反映了這些地區(qū)經(jīng)濟(jì)增長(zhǎng)已經(jīng)擺脫了對(duì)投資的依賴；第一分量的時(shí)間系數(shù)極大值出現(xiàn)在2003年，次極大值在2011年，時(shí)間系數(shù)有一個(gè)以2～3年為周期的波動(dòng)節(jié)律，但總體上呈現(xiàn)緩慢下降的趨勢(shì)，表明江蘇省經(jīng)濟(jì)的增長(zhǎng)正逐步擺脫投資驅(qū)動(dòng)的模式. 第二分量的方差貢獻(xiàn)率為13.9%，值的空間分布總體呈現(xiàn)南部和東部大，北部和西部小的特征，表明蘇南和沿海地區(qū)對(duì)投資更具有吸引力；從時(shí)間系數(shù)上看，2008年以前都為負(fù)值，表明在2008年以前蘇南投資的增速在放慢，而蘇北投資的增速在加大，2008年之后，由于刺激性經(jīng)濟(jì)政策的實(shí)施，時(shí)間系數(shù)值有所增高，除了2011年出現(xiàn)一個(gè)極大值外，大部分年份比較均衡，在0值附近徘徊，這也表明刺激性經(jīng)濟(jì)政策的效果有限. 第三分量的方差貢獻(xiàn)率為9.4%，第三分量中有近2/3的縣(市、區(qū))為正值，值的空間分布沒(méi)有明顯的規(guī)律性；時(shí)間系數(shù)自2004-2008年呈下降趨勢(shì)，2008年后有所反彈，2009年后再次進(jìn)入下行通道，2012年迅速躥升后再次下行，這也反映了單純依靠投資驅(qū)動(dòng)經(jīng)濟(jì)增長(zhǎng)模式的不可持續(xù)性. 這一指標(biāo)前三個(gè)分量的總方差貢獻(xiàn)率為74.5%，也能夠較好地反映固定資產(chǎn)投資增長(zhǎng)和GDP增長(zhǎng)協(xié)調(diào)性的時(shí)空分布特征.

圖4 出口增長(zhǎng)率和GDP增長(zhǎng)率差值指標(biāo)的分解結(jié)果Fig. 4 The decomposition results and standardize timecoefficients of coordination between export and GDPa.First component;b.Second component;c.Third component

出口增長(zhǎng)率和GDP增長(zhǎng)率差值指標(biāo)的第一分量的方差貢獻(xiàn)率為61.4%，其中僅有大豐市、儀征市、金壇市、溧水縣、沭陽(yáng)縣、宿遷市市轄區(qū)、鎮(zhèn)江市市轄區(qū)和南通市市轄區(qū)為負(fù)值，其余縣(市、區(qū))都為正值，這表明江蘇省絕大多數(shù)縣域出口的增速高于經(jīng)濟(jì)的增速，經(jīng)濟(jì)發(fā)展的國(guó)際化程度較高；從空間分布上看，高值多集中在蘇北和蘇中，蘇南低值較為集中，這主要是由于蘇南地區(qū)過(guò)去外向型經(jīng)濟(jì)就比較發(fā)達(dá)，而加入WTO以后，蘇中和蘇北地區(qū)隨著國(guó)際貿(mào)易環(huán)境的改善，外向型經(jīng)濟(jì)發(fā)展的速度較快；從時(shí)間系數(shù)看，極大值出現(xiàn)在2004年，主要是由于剛剛加入WTO，在經(jīng)歷一個(gè)短暫的滯后期后，加入WTO對(duì)外貿(mào)的正向刺激作用開始顯現(xiàn)，2005年后時(shí)間系數(shù)波動(dòng)不大，在0值附近徘徊，表明江蘇出口增長(zhǎng)與經(jīng)濟(jì)增長(zhǎng)間相對(duì)平衡，沒(méi)有大的起伏. 第二分量的方差貢獻(xiàn)率為15.0%，除金湖、灌南和南通市市轄區(qū)為正值外，其余縣(市、區(qū))都為負(fù)值，總體分布趨勢(shì)是蘇南大于蘇北；第三分量的方差貢獻(xiàn)率為7.0%，其中3/4以上的縣(市、區(qū))為正值，約1/4左右的縣(市、區(qū))為負(fù)值，空間分布表現(xiàn)為蘇北大于蘇南. 第二和第三分量不僅在空間分布上具有相反的特征，而且在時(shí)間分布具有交替漲落的特點(diǎn)，第二分量的大值出現(xiàn)在2004年、2009年和2013年，第三分量的大值出現(xiàn)在2007年和2012年，這表明蘇南地區(qū)在2004年、2009年和2013年出口增長(zhǎng)較快，蘇北地區(qū)在2007年和2012年出口增長(zhǎng)較快. 這一指標(biāo)以上三個(gè)分量的總方差貢獻(xiàn)率為83.3%，完全能夠反映出口增長(zhǎng)和經(jīng)濟(jì)增長(zhǎng)協(xié)調(diào)性的時(shí)空分布特征.

4 結(jié)論

本研究運(yùn)用GWR模型分析了2002-2015年投資、消費(fèi)和出口這三大因素在驅(qū)動(dòng)江蘇省經(jīng)濟(jì)發(fā)展方面的作用，分析結(jié)果顯示，消費(fèi)的增長(zhǎng)是江蘇經(jīng)濟(jì)增長(zhǎng)最主要的動(dòng)力，表明江蘇開始逐漸擺脫經(jīng)濟(jì)增長(zhǎng)對(duì)投資驅(qū)動(dòng)的路徑依賴，經(jīng)濟(jì)增長(zhǎng)的內(nèi)生性和可持續(xù)性顯著增強(qiáng). 大部分縣(市、區(qū))居第二位的驅(qū)動(dòng)因素是投資，出口位居第三；只有部分位于江蘇省東北部的縣(市、區(qū))出口是第二位的驅(qū)動(dòng)因素. 各驅(qū)動(dòng)因素回歸系數(shù)的分布具有明顯的空間結(jié)構(gòu)特征：消費(fèi)品零售總額的回歸系數(shù)呈現(xiàn)由東南向西北遞減的趨勢(shì)，與江蘇省經(jīng)濟(jì)發(fā)展的總體格局是一致的；固定資產(chǎn)投資的回歸系數(shù)大體上由南向北遞減，反映了蘇南地區(qū)在吸引投資和投資效益方面有較強(qiáng)的相對(duì)優(yōu)勢(shì)；出口額的回歸系數(shù)由東北向西南遞減，這主要是由于江蘇東北部地處沿海，發(fā)展外向型經(jīng)濟(jì)的區(qū)位條件較好且經(jīng)濟(jì)基礎(chǔ)薄弱，加入WTO對(duì)外貿(mào)的促進(jìn)作用拉動(dòng)經(jīng)濟(jì)增長(zhǎng)的效果比較顯著.

以固定資產(chǎn)投資、消費(fèi)品零售總額、出口的年增長(zhǎng)率分別與GDP的增長(zhǎng)率的差值為指標(biāo)，運(yùn)用EOF方法分析了自加入WTO以來(lái)三大驅(qū)動(dòng)因素增長(zhǎng)與經(jīng)濟(jì)增長(zhǎng)間的協(xié)調(diào)性. 所有三個(gè)差值指標(biāo)經(jīng)時(shí)空分解后，前三個(gè)分量方差的總貢獻(xiàn)率都在70%以上，最大的達(dá)83.3%；所有的第一分量方差貢獻(xiàn)率都在50%以上，且絕大多數(shù)縣(市、區(qū))的值都為正值，這表明三大驅(qū)動(dòng)因素的增長(zhǎng)都快于經(jīng)濟(jì)的增長(zhǎng)，對(duì)經(jīng)濟(jì)增長(zhǎng)有著顯著的拉動(dòng)作用；第一分量的時(shí)間系數(shù)都在2003-2005年期間出現(xiàn)極大值，而后期波動(dòng)相對(duì)較小，這反映了加入WTO對(duì)江蘇經(jīng)濟(jì)增長(zhǎng)的刺激作用主要體現(xiàn)在加入后的初期，隨著時(shí)間的推移，這種刺激作用逐漸消退；所有差值指標(biāo)的第二和第三分量方差貢獻(xiàn)率在7%～16%之間，所占比重不大，在空間分布上主要體現(xiàn)為蘇南和蘇北的地域差異；第二、三分量的時(shí)間系數(shù)波動(dòng)都比較大，其中消費(fèi)與GDP差值和出口與GDP差值的第二分量有較為明顯的時(shí)間節(jié)律性；此外，2008年金融危機(jī)的影響在部分第二和第三分量上有顯著的反映，而在第一分量上影響不明顯，這表明金融危機(jī)對(duì)江蘇省經(jīng)濟(jì)發(fā)展的影響是有限的，江蘇具有較強(qiáng)的抗御國(guó)際經(jīng)濟(jì)風(fēng)險(xiǎn)的能力.