聚集外部性(財政學)

集聚外部性區(qū)域外部性：

MAR外部性

Jacobs外部性

Porter外部性MAR外部性MAR外部性產生于同行業(yè)內企業(yè)間的知識外溢。在這種情況下，產業(yè)的空間集聚以及區(qū)域專業(yè)化趨向于刺激企業(yè)間的知識外溢和當?shù)氐墓I(yè)增長。

這個理論表明存在一個壟斷市場：事實上，它允許人們保護他們的創(chuàng)新，并更好地利用他們。這些外部性是由以下指標給出：MAR外部性（cont.）Si

j

t表示在部門就業(yè)人數(shù)j在區(qū)域i時間t占區(qū)域i時間t總人數(shù)的比率S

j

t表示在部門就業(yè)人數(shù)在全國水平下時間t占時間t全國總人數(shù)的比例Jacobs外部性Jacobs外部性基于這樣一個假設，通過不同生產活動之間的交叉供養(yǎng)，工業(yè)品種能夠促進長期發(fā)展。競爭是最適合這種類型的外部性的市場形式，因為只有競爭使企業(yè)提高知識水平，從而生存。這種外部性通常是由Hirshman-Herfindal逆指數(shù)的表達。Porter外部性Porter外部性表示了MAR和Jacobs論文的一個交叉。由下面的指標表達：firm

I

j

t

是表示在時間t區(qū)域i部門j公司的數(shù)量由于無法得到部門的企業(yè)數(shù)量，因此這個外部性在我們的分析中省略。此外，一個特定的地方經濟產生的外部性很可能不發(fā)揮它們的影響，但它們可以影響其他位置的性能。我們有一個額外的變量，其目的是量化與產業(yè)集聚過程有關的外部特征；因此，我們考慮一個變量表達的溢出效應在地區(qū)接近給定區(qū)域集中就業(yè)和其作用是當?shù)厣L的改進產生的，生產能力和效率。我們用下列表達式表示這個變量：Ek,t表示位置k在時間t的就業(yè)人數(shù)d

j

,k表示兩個通用地點的距離，j，k代表識別距離矩陣W的下標。這個索引是空間中的一個滯后變量。特別是，我們使用作為衡量的距離從一個區(qū)域和其他人的距離表示在公里的距離。這個距離矩陣有一個有趣的經濟含義：距離的增加減少了一個特定區(qū)域和鄰近區(qū)域之間的聯(lián)系強度換句話說，這個指數(shù)隱含地假定，溢出效應，除了距離，只是取決于就業(yè)水平（就業(yè)的濃度），無論在鄰近地區(qū)的就業(yè)類型。相反，如就業(yè)質量的因素（熟練/非技術工人）和/或就業(yè)專業(yè)化，或其他類似的因素，可能發(fā)揮的作用，在確定的溢出效應。不幸的是，不可用的更具體的數(shù)據(jù)不允許我們有一個更完美的索引時，估計空間溢出效應的影響。此外，它是要強調個體對于使用環(huán)境變量可以在計量分析產生偏數(shù)據(jù)缺乏重要。特別是，如果我們假設熟練工人產生在生產比不熟練工人的增加，在分析均勻就業(yè)指標如總人數(shù)考慮（技術和非技術的）而不是一個分類，可以偽造向上或朝下對生產的影響。換句話說，如果總的就業(yè)是由不熟練的工人，我們可能會觀察到一個虛假的溢出效應的影響，對生產的底部（或頂部）。然而，非可用性的存款總數(shù)據(jù)的就業(yè)質量（熟練/非技術工人）不允許控制這種影響研究方法隨機前沿方法：使我們能夠驗證的影響，集聚外部性的區(qū)域生產過程的性能。β收斂分析：使我們能夠驗證在意大利的區(qū)域性能收斂的存在。隨機前沿分析我們假設柯布-道格拉斯生產函數(shù)除了考慮Y、L、K,還包括區(qū)域外部性(MAR

i,

t

和Ji,t)和技術進步Ai,t.隨機前沿分析（cont.）假設集聚外部性對企業(yè)而言是外生的，我們用以下方式模擬他們：隨機前沿分析（cont.）因此，在空間外溢性假設下，我們估計的函數(shù)是：隨機前沿分析（cont.）我們的分析將進行2步。首先，我們認為一個模型，效率低下是一個函數(shù)的集聚外部性，當我們實施了一個模型，還包括導致效率低下的因素之間的空間溢出效應，最后，我們比較了溢出效應如何影響效率的確定。隨機前沿分析（cont.）我們模型集聚外部性的外溢效應，通過提高效率提高了所有投入的生產力。我們的柯布道格拉斯生產函數(shù)將有下面的形式：

（3）

τi,t表示效率測量，0<τi,t<1,ωi,t表示測量誤差隨機前沿分析（cont.）對等式（3）求對數(shù)得到：ηt表示時間影響，ηi表示捕獲區(qū)域未觀測到的異質性隨機前沿分析（cont.）期望非效率函數(shù)：zi,t

表示影響效率的向量變量λ是向量的系數(shù)隨機前沿分析（cont.）一個單級的最大似然允許我們估計生產函數(shù)的參數(shù)和等式（5）中的參數(shù)。我們?yōu)閡i,t考慮四種不同的情況：1.無效率是MAR外部性和Jacobs外部性的函數(shù)2.在1的基礎上還考慮了空間溢出效應3.在1的基礎上考慮依賴于特定地區(qū)的非效率反應的不同4.在3的基礎上添加上空間溢出效應隨機前沿分析（cont.）四種不同的情況的函數(shù)模型：1.

2.3.4.隨機前沿分析（cont.）通過這種方式模型化的外部性被解釋為非效率的決定因素，因為他們直接解釋了不同地區(qū)的非效率結果。β收斂的空間分析β收斂意味著區(qū)域性能增長率與初始效率得分相關聯(lián)。特別是，有β收斂時，低性能區(qū)域的增長速度快于高性能的，導致前者最終趕上后者在生產性能。在我們的分析中，我們考慮的計量經濟學模型，其中包括空間效應。如果在鄰近的地區(qū)存在空間溢出，或當一個人工空間框架不符合市場的過程時，這些模型是相關的。β收斂的空間分析我們用OLS模型開始收斂分析，緊接著進行允許控制空間效應的空間診斷測試。OLS模型：εit

表示隨機項誤差β收斂的空間分析此外，因為地理的意大利地區(qū)的特點是一個強烈的極化結構，我們包括一個虛擬變量（南），以確定南部地區(qū)為目標。這使我們能夠控制的以2個區(qū)域（意大利北部和意大利南部）為特征的差異。為了評估空間影響，我們實現(xiàn)了四個測試，特別是拉格朗日乘數(shù)測試。LM-Lag和

RobustLM-Lag讓我們評估是否空間滯后模型是一種比OLS模型更好的選擇。β收斂的空間分析相反，LM-Error和

RobustLM-Error讓我們來測試是否空間誤差模型的OLS模型的最佳選擇。RobustLM-Lag和RobustLM-Error只有在LM-Lag和LM-Error有意義時才考慮。

β收斂的空間分析總體而言，我們考慮空間效應的三個模型，每一個模型都允許一個收斂過程的不同解釋。β收斂