資源產業空間集聚、傳導要素萃取與“資源詛咒”中介效應研究

薛雅偉，張 劍，云樂鑫

(1.青島理工大學管理工程學院，山東 青島 266520；2.青島理工大學濱海人居環境學術創新中心，山東 青島 266033；3.智慧城市建設管理研究中心(新型智庫)，山東 青島 266520；4.中央財經大學政府管理學院，北京 100081；5.青島理工大學商學院，山東 青島266520)

1 引言

自然資源在國家、地區經濟發展和居民福利水平提升中發揮著舉足輕重的作用，其豐裕程度與經濟增速間的關系一直是學者關注的焦點問題。“資源詛咒”假說的提出，進一步凸顯了兩者關系的復雜性[1]，在學術上和實踐中具有重要的研究價值和現實意義。

針對“資源詛咒”假說的驗證和傳導分析，許多學者均已從不同層面展開研究。其中，以Sachs和Warner[1]、Gylfason和Zoega[2]、Audy[3]為代表的學者從跨國層面證明“資源詛咒”普遍存在；另一部分以國外Steinar[4]、Corrigan[5]、Oskenbayev等[6]、Anne等[7]及國內徐康寧和韓劍[8]、胡援成和肖德勇[9]、邵帥[10]、傅利平和王中亞[11]為代表的學者，則在一國內部通過實證檢驗發現自然資源豐裕程度指標與區域經濟增長指標呈負向關聯。雖然對“資源詛咒”成立的支持者居多，但學術界對該假說的質疑卻從未停止，主要歸結為以下三方面問題：

①資源豐裕國家或地區的成功案例，是質疑者最常用的反駁論據。Rosser[12]通過對印度尼西亞案例分析得出“資源詛咒”并非普適性規律；Lederman和Maloney[13]利用25年間的跨國數據測算自然資源豐裕度與經濟增長的相關關系，研究發現“資源詛咒”并不存在；國內學者丁菊紅和鄧可斌[14]、張貢生和李伯德[15]、方穎等[16]也在不同地區層面揭示“資源詛咒”現象并未出現。②解釋變量存在內生性問題。該問題的提出源自Brunnscherweiler和Bulte[17]質疑Sachs和Warner采用初級產品出口作為資源豐裕程度的測度指標可能引發的內生性問題，即該指標為內生解釋變量，會導致使用最小二乘法估計結果不能真實地反映出“資源詛咒”是否存在，更無法準確測算傳導作用。Murshed和Serino[18]則從遺漏變量的視角考察指出內生性問題。③自然資源相關度量指標選取的科學性，是被質疑的焦點。Bulte等[19]對被廣泛沿用的初級產品出口份額度量指標進行修正，首次提出采用自然資源儲量替代初級產品出口份額作為度量指標，研究發現該修正指標可以通過弱化制度質量抑制經濟增長。但針對自然資源豐裕度這一度量指標，Mehlum等[20]、Alexeev和Conrad[21]則分別從跨國截面數據、人均資源占有量等不同層面和視角開展實證研究，結果表明并非所有研究均能證明詛咒現象的存在。Stijns[22]則進一步提出資源產業依賴度與自然資源豐裕度是兩個概念，前者應替代后者作為“資源詛咒”模型中新的度量指標，并通過計算該指標與制度質量指標的作用關系發現，不同資源對制度質量的影響不近相同。

針對上述問題，通過文獻梳理總結發現，以Ding Ning和Field[23]、邵帥和楊莉莉[24]為代表的學者提出有條件的“資源詛咒”假說，在一定范圍內減少了學術界對于問題①的分歧[25]；Roodman[26]和魏國學等[27]采用DIF-GMM方法估計動態面板數據回歸模型，并在Haber和Menaldo[28]進一步補充影響要素的條件下，將產生內生性問題的可能降到最低。針對指標選取的科學性問題，國內外學者多選取相對簡單的初級產品出口比重、初級產品部門產值的占比測度以及初級產品部門從業人員數占比測度等作為度量指標[29-32]，由于指標測算相對簡單，無法全面、科學地反映油氣資源的豐裕程度抑或資源豐裕地區對資源產業的依賴程度[33]。因此，需要更為科學、合理的度量指標作為分析模型的目標解釋變量。此外，當前“資源詛咒”傳導分析方法相對單一，且多借鑒和采用可直接觀察測算的面板回歸模型[16]，忽略了在傳導過程中無法預測或控制的中介效應，這給通過實證分析萃取影響要素揭示“資源詛咒”傳導效應造成了困難。

基于上述分析，本文將采用資源產業空間集聚度指標替代資源產業依賴度指標[34]，以油氣資源城市作為研究樣例，通過構建區域經濟增長的計量回歸模型，萃取影響“資源詛咒”效應的傳導要素，進而基于B-K中介分析方法建立“資源詛咒”傳導的中介效應模型，以期從經濟視閾和地理視閾共同揭示因資源豐裕而形成區位集聚特征，深入挖掘與分析“資源詛咒”的傳導機制，為破解“資源詛咒”、實現經濟長效發展提供科學的理論指導與數據支撐。根據測算結果，本文選取的資源產業空間集聚度指標，能更好地反映資源產業在區位上的被依賴程度，而非僅從規模上對其影響進行測算，可以替代資源豐裕度指標抑或測算資源豐裕地區的資源產業依賴度指標。同時，本文構建的中介效應模型除考慮直接影響參數之外，亦將包含某種內部機制的中介影響參數考慮其中，參照B-K中介效應檢驗程序，通過基于動態面板數據(Dynamic Pannel Data)的廣義矩估計方法，對中介效應模型的參數進行了測算。通過比較靜態、動態面板數據模型和中介效應模型的實證研究結果，給出油氣資源城市“資源詛咒”傳導概念模型，豐富了如何破解“資源詛咒”效應、實現區域經濟長效發展的研究視閾。

2 “資源詛咒”指標的重新測度

2.1 測算方法

測算方法的選取不僅要考慮過程的合理性，也要考慮指標數據的可得性與真實性。本文通過對常用的產業集聚測算方法(如赫芬達爾指數、熵指數、空間基尼系數、E-G集聚指數、DO指數)進行對比分析發現，Krugman[35]的空間基尼系數依據在i區域的j產業結構的空間洛倫茲曲線進行測算，不受限于企業區位分布數據的可得性，亦無須考慮企業之間規模差異，可作為資源產業空間集聚度的測算指標。由此，根據Krugman的測算方法，其原計算公式為：

(1)

式中，σ為Krugman算式的空間基尼系數指標，Si表示i地區某產業(資源產業)占該地區上級行政區域該產業(資源產業)從業人員數的比重，xi表示i地區全行業從業人員數占上級行政區域全行業從業人員數的比重。

由公式1可知，產業空間基尼系數為零，說明i地區某產業在該地區的分布相對均勻；產業空間基尼系數越大，表明i地區某產業在該地區存在集聚現象。當Si-xi為負值時，即產業空間集聚現象不明顯，且該產業在i地區不存在“密集”分布，反而存在“離散”分布的可能。|Si-xi|越大，則說明某產業在該地區的集聚現象或分散現象越明顯，但并不確定是集聚還是分散的。由此，對式1進行改進，改進后的資源產業空間集聚算式如下：

(2)

2.2 研究樣本與數據來源

選取我國地級油氣資源城市作為數據樣本，剔除1998-2013年間行政區劃有較大調整，且與其他城市有較大差距的油氣資源城市，確定10座地級行政區劃城市為研究樣本，見表1。

表1 研究樣本中油氣資源城市名單

產業空間集聚的測度主要依據四個相關統計指標，分別是公式3中求解Si和xi用到的i地區及上級地區資源產業從業人員數和全行業從業人員數。鑒于我國油氣資源城市層面的從業人員數據的統計口徑自1998年始做出新調整，因此這四個指標選取1998-2013年間的統計數據值作為樣本觀察值，主要指標數據值來源于《中國城市統計年鑒》的勞動力人員從業狀況及按行業劃分從業人員情況等統計數據，缺失數據由插值法補齊。

2.3 測算結果及比較分析

為驗證資源產業空間集聚度ω是否能夠替代資源產業依賴度RD[36]，將樣本數據代入公式3進行資源產業空間基尼系數測算，并對二者的測算結果進行比較分析，見表2。由表2可知，我國油氣資源城市產業空間集聚度的合計值為22.77，說明我國確實存在油氣資源產業的空間集聚現象；絕大多數城市的測算結果為正值，說明資源產業在這些城市均為集聚分布。僅有南陽的測算結果為負值，從表1可知，南陽屬于再生型城市，結果說明該市已經通過產業轉型升級擺脫對油氣資源產業的依賴。

測算結果對比顯示，克拉瑪依在資源空間集聚的測算中排名第1，ω值和RD均大于10；排名2到4位的城市分別為松原、盤錦、唐山，其ω值均大于1；排名5到9位的分別是延安、東營、大慶、榆林、濮陽，其ω值均大于0且小于1；排名末尾的是南陽，而且其產業空間集聚度的測算結果為-0.0038。

排名次序對比顯示，變化較大的是東營、大慶、唐山、松原，分別由第2下降為第6、第4下降為第7、第7上升為第4和第5上升為第2(先RD后ω)，

表2 資源產業空間集聚與產業依賴的比較分析

注：(1)ω表示資源產業空間集聚指標，RD表示資源產業依賴指標。(2)ω和RD的單位均為百分比。

其他各城市兩指標間的測算結果排名變化不大。那么與資源產業依賴度相比，資源產業空間集聚的測算結果為什么會出現相對明顯的變化？以松原為例，與其他城市相比，其人均GDP排名相對靠后(第7名)，發展規模較小，發展速度優勢并不明顯。資源產業依賴測算排名第5，排名上并不靠前是由于其油氣資源的儲、產規模與其他城市相比(如排名比他靠前的東營、大慶等)相對較小。而通過資源產業空間集聚度的測算，其排名由第5上升為第2，可見松原的經濟發展更加依賴資源產業。充分驗證了資源產業空間集聚度這一指標并非僅從規模上對資源產業影響進行測算，而且能夠更好地反映資源產業在區位上的被依賴程度，可以作為計量經濟模型的目標解釋變量。

3 基于產業空間集聚度的傳導要素萃取

3.1 模型構建、指標篩選與數據來源

在分析傳導要素對資源產業空間集聚指標與區域經濟增長關系的具體影響時，不僅考慮利用橫截面數據對規模經濟進行分析，同時還要考慮利用時間序列數據分析資源產業空間集聚等變量隨時間變化的個體異質性問題。鑒于經濟分析的實際情況，采用二維數據模型(時間序列回歸模型或截面數據回歸模型)無法滿足三維數據的估計特征[37]。需采用能夠反映截面、時間和變量(指標)三個維度的面板數據回歸模型，實現對區域經濟增長的規模特征以及個體時間差異特征的分析。因此，基于產業空間集聚度的油氣資源城市區域經濟增長的計量回歸模型采用面板數據回歸模型進行計算分析。

區域經濟增長模型的構建不僅要選取合理的“資源詛咒”測度指標，即目標解釋變量，還要盡可能全面地考慮傳導要素變量，主要包括學術界認同的主要生產投入要素和可能影響“資源詛咒”傳導的要素變量，并將其全面反映在區域經濟增長的計量回歸模型中，模型的簡化形式為：

yi=αi+xiβi+ui,i=1,2,…,N

(3)

式中，yi是T*1維被解釋變量向量，xi是T*1維解釋變量矩陣，ui是T*1維擾動項向量，滿足均值為零、方差為σu2的假設。這一模型的基本形式可以劃分為三種類型，具體的模型形式需要通過Hausman檢驗和最大似然比檢驗確定。

考察產業空間集聚度指標與區域經濟增長指標關系的同時，引入傳導要素變量測算對經濟增長指標的作用以及對集聚度指標與經濟增長指標關系的影響。構建的計量經濟模型為：

Gt=γ0+γ1lnYt-1+γ2ω+γ3Zt+εt

(4)

式中，t為時間變量；Yt-1為上一年度人均GDP增長率；ω為資源產業空間集聚度，單位為萬分比，計算見公式2；Zt為傳導要素變量；γ0-γ3為待估參數；εt為隨機擾動項。

被解釋變量Gt為人均GDP增長率，單位為元/人，計算公式為：

Gt=(1/t)ln(Yt/Yt-1)

(5)

該模型中，傳導要素變量Zt包含8個要素變量，分別為物質資本投資FI、人力資本投資HC、技術創新投入TI、個體與私營經濟PE、制造業發展MD、對外開放程度OP、居民儲蓄能力PS和政府干預程度GI[38]。模型中涉及的變量符號、度量指標、單位及預期符號見表3。

表3 變量名稱及說明

測算數據主要來源于《中國城市統計年鑒》、各省市公開的統計數據以及國研網、夏澤網等數據分析單位，缺失的數據采用插值法補齊。這里需要說明三點，一是各指標數據在選取時，如遇到國家與地方性城市統計年鑒數據有所不同，本文一律選取《中國城市統計年鑒》的統計數據作為研究來源；二是《中國城市統計年鑒》中地區參數的描述有“XX市”和“XX區”兩種，本文均選取“XX市”的統計數據作為測算依據；三是各數據庫中城市相關指標數據的統計口徑略有不同，如有“地區”、“市轄區”等，為保證計算結果的準確、合理，按照指標統計數據值選取的一致性原則，本文采用“地區”這一統計口徑作為面板數據樣本觀察值。

為更為全面、合理地分析被解釋變量與目標解釋變量和其他解釋變量的關系，本節將分別構建基于資源產業空間集聚度指標的全樣本靜態面板回歸模型和全樣本動態面板回歸模型，采用普遍的最小二乘法和差分的廣義矩陣估計方法，逐項添加8個傳導要素變量分析其對資源產業空間集聚度與經濟增長關系的沖擊作用，以期從產業空間集聚視角驗證我國油氣資源城市“資源詛咒”效應。具體模型如下：

(1)全樣本靜態面板回歸模型：

(6)

(2)全樣本動態面板回歸模型：

(7)

3.2 計量結果及分析

首先，采用LLC和ADF Fisher對靜態面板回歸模型進行平穩性檢驗。其次，通過Hausman和最大似然比估計檢驗方法，選擇模型的回歸形式，包含個體和時間項的固定效應、隨機效應和混合效應模型。選擇依據是：當P值小于0.05時，在Hausman檢驗中拒絕原假設，原假設為固定效應模型，則應選擇隨機效應模型；在最大似然比檢驗中拒絕原假設，原假設為混合效應模型，則應選取隨機效應模型。再次，考慮到自然資源對經濟增長的作用可能存在滯后性，研究利用DIF-GMM動態面板數據估計方法，考察面板數據的動態分析結果，通過Sargan檢驗方法檢驗模型估計結果的有效性。最后，利用逐步添加傳導要素的分步估計模型，分析傳導要素變量對“資源詛咒”模型中資源產業依賴度和經濟增長指標關系的沖擊作用，為進一步分析傳導機理奠定基礎。

3.2.1 整體估計結果及討論

計算1998-2013年間10個典型油氣資源城市的被解釋變量與目標解釋變量、控制變量間的具體關系，計算結果見表4。模型1為不含資源產業空間集聚度二次方項的全樣本靜態回歸模型，模型2為含資源產業空間集聚度二次方項的全樣本靜態回歸模型，模型3為全樣本動態回歸模型。

表4 區域計量經濟模型整體估計結果(1998-2013)

注：(1)***、**、*、分別表示1%、5%、10%的顯著水平；(2)括號內數值為t統計值；(3)因Sargan檢驗未通過，故未使用SYS-GMM估計。

首先分析資源產業空間集聚度ω與經濟增長指標的關系。在模型1、2、3中，資源產業空間集聚的系數估計值分別為-1.025778、-0.076034、-0.441933，且分別在10%、5%、10%的水平上顯著，說明油氣資源城市的資源產業空間集聚度與經濟增長之間存在負向關聯關系，符合“資源詛咒”假說。模型2和模型3的估計結果中，ω一次方項的系數均為正，且分別在10%和5%的水平上顯著，與此同時，這兩個模型中ω二次方項的系數均為負，且分別在5%和10%的水平上顯著，故資源產業空間集聚度與區域經濟增長間存在先促進后抑制的關聯關系。

其次，針對傳導要素變量展開分析。模型1中，物質資本投資、居民儲蓄能力及制造業發展的系數估計值分別為0.670224、0.001072、2.63574，且均在10%的水平上顯著，說明物質資本投資、居民儲蓄能力及制造業發展均促進經濟增長，且我國油氣資源城市發展過程中確實存在著由于資源產業的擴張而引發的對于物質資本積累、制造業發展的“擠出”效應，即資源對于消費的“激增”刺激使得整個地區進入低儲蓄率時期，對其他產業的投資減少。對外開放程度的系數為負，且通過顯著性檢驗，與ω的系數估計值符號相一致，說明對外開放程度越高，資源產業空間集聚度越高，對經濟增長的抑制作用就越強。與模型1相比，在模型2中對外開放程度的系數估計值變得不顯著，說明加入ω二次方項后，對外開放程度在對經濟增長的促進或抑制作用的“選擇”上變得“猶豫不決”。從結果來看，難以直接判斷制造業發展和對外開放程度對經濟增長是促進還是抑制。

在模型3中，物質資本投資的系數估計值也變得不再顯著，同時，人力資本水平和政府干預程度變得顯著起來，其系數均為負值，且分別在1%和10%的水平上顯著，說明使用兩步DIF-GMM的動態面板數據模型中，人力資本和政府干預在動態變化中的作用更為明顯。在加入滯后項的動態面板回歸模型3中，人力資本的累積作用得到體現，對區域經濟增長的貢獻顯著；而政府干預卻嚴重阻礙經濟增長，這可能是由于政府在應對資源過度開發等行為時存在決策時滯和行動時滯，其中行動時滯的反應時間較長，導致政府“不作為”現象的出現。

3.2.2 分步估計結果及討論

整體估計結果僅說明目標解釋變量和傳導要素變量與被解釋變量間的固定關系，并未揭示傳導要素變量對目標解釋變量和被解釋變量之間的負向關系有何影響，且這些要素會否對兩者間的關系產生沖擊。因此，利用DIF-GMM估計方法，通過分步添加傳導要素變量的方式考察傳導要素對資源產業空間集聚與區域經濟增長間關系的影響。變量添加的順序按照先添加經濟增長模型中的基本投入要素，包括物質資本投資、居民儲蓄能力、人力資本水平和技術創新投入，再添加影響傳導結果的要素變量，包括個體與私營經濟、制造業發展、對外開放和政府干預程度，計算結果見表5。

在模型1中，資源產業空間集聚的一次方項系數估計值為9.50775，系數符號為正，二次方項的系數估計值為-0.495141，系數符號為負，且均在10%的水平上顯著，說明1998-2013年這一時間段內，油氣資源城市已陷入“資源詛咒”困境。

分步依次添加傳導要素變量。模型2-5依次加入經濟增長模型中的四個基本要素——物質資本投資、居民儲蓄能力、人力資本水平和技術創新投入，結果顯示物質資本投資的系數為負，且隨變量的增加而變得更為顯著，說明盡管并未得到資源產業空間集聚度由不顯著到顯著的過程，但其自身對經濟增長的負向作用可能是由于資源產業空間集聚地區的產業相對單一，從而導致因過度投資對人力資本積累造成“侵蝕”效應，最終表現為其對經濟增長的抑制作用。居民儲蓄能力的添加對資源產業空間集聚度的影響并不顯著。人力資本水平的系數為正，且通過顯著性檢驗，說明其促進經濟增長，且對詛咒效應的傳導有明顯的抑制作用。技術創新投入的系數估計值并不顯著，但也使資源產業空間集聚度二次方項的系數估計值變小，且使物質資本投資的系數估計值變得不顯著，說明其不僅能抑制“資源詛咒”效應，也通過抑制物質資本投資對經濟增長的負向作用促進經濟增長。

模型6和8分別引入個體與私營經濟發展和對外開放程度，結果顯示，兩者系數均未通過顯著性檢驗，也未對資源產業空間集聚與經濟增長的關系造成影響。在模型7中，制造業發展的系數估計值雖然并不顯著，但卻使資源產業空間集聚二次方項的系數估計值變小，說明制造業發展對“資源詛咒”效應有明顯的抑制作用，但其自身的系數估計值不顯著可能是由于資源產業對其發展的“擠出”效應。模型8引入對外開放程度，其參數估計值未通過顯著性檢驗，即與經濟增長的正向關系并不顯著，且對資源產業空間集聚度的影響微乎其微。模型9中，政府干預程度的系數估計值符號為負，且通過顯著性檢驗，說明政府干預會對經濟增長的發展起抑制作用。

表5 區域計量經濟模型分步估計結果(1998-2013)

注：(1)﹡﹡﹡、﹡﹡、﹡、分別表示1%、5%、10%的顯著水平；(2)括號內數值為t統計值。

綜上所述，8個傳導要素中有6個與“資源詛咒”有直接或間接的顯著影響，而盡管個體與私營經濟和對外開放程度這2個要素的影響程度不明顯，但不能完全排除其具有傳導作用，需進一步通過中介模型的構建，計算并分析“資源詛咒”的傳導情況。

4 基于產業空間集聚的“資源詛咒”中介效應分析

構建基于資源產業空間集聚的“資源詛咒”傳導機理的中介效應模型(以下簡稱傳導模型)，分析資源產業空間集聚度與物質資本投資、居民儲蓄能力、人力資本投資、技術創新投入等8個傳導要素兩兩之間的關系，萃取顯著的傳導要素以及具體的傳導方向和作用。

4.1 基于資源產業空間集聚的中介效應模型

一國或地區的資源相對豐裕，其傳統產業的發展往往落后于資源產業。資源產業對于經濟增長的貢獻也極為巨大，甚至帶動整個地區的經濟發展。鑒于此，將油氣資源產業空間集聚度作為傳統經濟增長模型中的被解釋變量而非投入要素，而物質資本投資、人力資本水平、技術創新投入、個體與私營經濟發展、制造業發展、對外開放程度、居民儲蓄能力以及政府干預程度等傳導要素作為解釋變量，計算分析前后兩者之間的關系。通過面板數據模型的計算可以得出兩者是否關聯，正向還是負向關聯以及關聯的程度，進而結合“資源詛咒”效應下的經濟增長計量模型的計算結果，深入挖掘“資源詛咒”的傳導路徑及抑制“資源詛咒”的存在條件等。

圖1 B-K中介效應分析方法

根據B-K中介效應分析方法(見圖1)，前文已經計算目標解釋變量X與被解釋變量Y以及傳導要素變量M與被解釋變量Y的關系系數c和b(見公式3)，為觀察目標解釋變量與傳導要素變量的關系并計算關系系數a，沿用上文中使用的計量模型的基本形式，解釋變量換為傳導要素變量，被解釋變量換為資源產業依賴度和資源產業空間集聚度，如圖1所示。

基于資源產業空間集聚的傳導機理中介效應模型如公式8-15所示：

ωit=α0+α1FIit+μit

(8)

ωit=β0+β1PSit+μit

(9)

ωit=χ0+χ1HCit+μit

(10)

ωit=δ0+δ1TIit+μit

(11)

ωit=ε0+ε1PEit+μit

(12)

ωit=φ0+φ1MDit+μit

(13)

ωit=φ0+φ1OPit+μit

(14)

ωit=η0+η1GIit+μit

(15)

式中，ω表示資源產業空間集聚度的測度指標；FI、PS、HC、TI、PE、MD、OP、GI分別表示物質資本投資、居民儲蓄能力、人力資本水平、技術創新投入、個體與私營經濟發展、制造業發展、對外開放程度以及政府干預程度的測度指標；α、β、χ、δ、ε、φ、φ、η、γ分別表示各公式中的待估參數，預期符號分別為負、正、正、正、負、負、未知、負；μ為隨機擾動項。

4.2 測算結果分析

本節沿用3.2的參數估計方法，先利用Hausman和似然比檢驗確定模型的影響形式，而后進行模型計算。計算結果見表6。

表6 資源產業空間集聚度與傳導要素變量(1998-2013)

注：(1)﹡﹡﹡、﹡﹡、﹡、分別表示1%、5%、10%的顯著水平；(2)括號內數值為t統計值。

從模型1～8的估計結果來看，物質資本投資、居民儲蓄能力、人力資本水平、技術創新投入和制造業發展的系數估計值通過t檢驗，其參數估計值分別為-0.020154、0.000028、0.000002、0.038308、-0.280686，分別在10%、10%、5%、1%和5%的水平上顯著。

根據傳導模型的計算結果，與自然資源關系顯著的中間要素除物質資本投資、人力資本水平、居民儲蓄能力、技術創新投入和制造業發展。其中，物質資本投資與制造業發展具有負向中介作用，其他三個要素具有正向中介作用，具體傳導機制見圖2。

圖2 油氣資源城市“資源詛咒”傳導模型

由圖2可知，豐裕的油氣資源對區域經濟增長存在直接的、顯著的促進作用，而受傳導要素的影響，該作用被弱化，甚至轉化為對經濟增長的抑制作用。在這些傳導要素中，物質資本投資和制造業發展的介入導致“資源詛咒”效應的產生和擴大；居民儲蓄能力、人力資本水平、技術創新投入的介入則可以有效抑制“資源詛咒”效應；而個體與私營經濟、對外開放程度和政府干預程度對自然資源與區域經濟增長的關系影響不大。對于物質資本投資和制造業發展兩項要素而言，許多學者在研究“資源詛咒”傳導機理的過程中通過不同層面的數據分析得出相一致的結果，對這一現象的解釋有“荷蘭病”、初級產品論等[39,40]；而對于居民儲蓄能力、人力資本水平和技術創新投入而言，許多學者認為豐裕的自然資源對這三種要素同時存在的“擠出”效應并未出現在其研究結果中[41,42]，原因可能是由于研究對象的異質性問題，導致“資源詛咒”傳導機理的影響要素并非普遍使用于所有資源豐裕地區。

需要說明的是，油氣資源城市“資源詛咒”傳導概念模型中未涉及社會文化習俗、生態環境、貧富差距、礦難等難以量化的要素，但并不代表這些要素對“資源詛咒”沒有間接的影響。尤其是油氣資源開發具有明顯的外部不經濟性，對于生態系統的破壞問題相當突出，而日益惡化的城市生態環境使得政府在產業結構轉型、區域發展規劃、對外招商引資等方面受到嚴重的制約，大大降低對油氣資源城市的資金和其他資源的配置效率，甚至會引發資金和人才、技術等資源的外流，嚴重阻礙區域經濟增長。

5 結語

通過對Krugman的空間基尼系數計算方法的改進，測算油氣資源城市“資源詛咒”空間集聚度指標，并與資源產業依賴度的測算結果比較分析，證明選取該指標作為計量經濟模型中目標解釋變量更為科學、合理。在此基礎上構建基于油氣資源產業空間集聚的計量回歸模型并對其進行實證檢驗及分析。為更為科學、合理的分析油氣資源城市“資源詛咒”的傳導機理，借鑒B-K中介效應分析方法，構建傳導的中介效應模型，明確“資源詛咒”的測度指標與傳導要素間的關系。研究得到以下結論：

(1)通過對1998-2013年間我國10座油氣資源城市的資源產業空間集聚情況測算可知，我國油氣資源城市產業空間集聚度的合計值為22.7713，說明我國確實存在油氣資源產業的空間集聚現象。與產業依賴度相比，各城市整體排名變化不大，但根據發生變化的城市排名，資源產業空間集聚度能夠更好地反映資源產業在區位上的被依賴程度。

(2)資源產業空間集聚度指標與經濟增長指標的系數呈現負向關聯關系，且在含二次方項的動態和靜態模型中得到一致的結果，即兩個存在“促進-抑制”型非線性曲線關系，曲線呈倒U型關系；在新指標替代舊指標的面板數據模型計算結果中，依然能夠證實“資源詛咒”的存在。

(3)通過構建基于產業空間集聚的傳導機理概念模型，對傳統的傳導機理概念模型進行修正。結果顯示，物質資本投資和制造業發展的具有負向中介作用，在“資源詛咒”的傳導中起正向促進作用；而人力資本水平、技術創新投入和居民儲蓄能力具有正向中介作用，可以有效抑制“資源詛咒”效應；個體與私營經濟、對外開放程度和政府干預程度對“資源詛咒”的中介作用并不明顯。