一、引言

创新往往被视为区域增长的引擎，而知识积累是内生增长理论模型的基本内容。

知识空间溢出的动因在于，知识传播的成本随着距离的增加而增加，而行动者之间的短距离使知识生产者和在生产过程中利用知识的企业之间的互动更加顺畅和简单。创新是一种高度局域化的现象，即使在互联网或电子通信的边际成本为零的现代社会，位置也很重要。空间计量经济学领域的大量文献提供了经验证据，表明地理邻近性对于知识生产产生的空间溢出上起着重要作用。

论文借鉴了Debarsy和LeSage(,)的工作，他们扩展了传统的(横截面的)空间回归模型，包括不同类型依赖构的凸组合。

二、模型建立

2.1空间回归模型和知识生产函数

该文借鉴了Debarsy和LeSage()的方法，扩展了传统的空间回归模型，将不同类型的依赖结构包含在凸组合中，并结合了贝叶斯MarkoyChainMonteCarlo(MCMC)估计。他们认为，使用由不同权重矩阵的凸组合构造的单个权重矩阵比基于多个权重矩阵的模型(高阶空间回归模型)规范具有优势。高阶模型规范提出了涉及到包含多个W空间矩阵和相关依赖参数的空间滞后模型的估计和解释的几个问题。

高阶模型如(1)所示，其简化形式如(2)所示，其中是知识输出在n区域t时刻的向量，满足格布道格拉斯形式的知识生产函数，相关系数(传统上是资本和劳动)。向量表示扰动项，假设为正态分布，均值为零，方差为常数，既。是一个单位矩阵。

在(1)中，两个相关参数与两种相关结构相关。由此产生的一个问题是如何求解的参数范围，为此Elhorst等人()提供了两个权矩阵情况下的解。然而，他们的解决方案不容易推广到涉及两个以上权重矩阵的情况。

Debarsy和LeSage()提出的模型如(3)所示。在这个模型中的权矩阵反映了m个交替依赖结构的凸组合，每个交替依赖结构都有一个相关的标量，（取值在0到1之间，和为1）。

该模型面板数据变体的简化形式的矩阵表达式如(4)所示，其中为向量。这些面板数据向量需要进行转换，以考虑特定区域和特定时间的固定效应。

空间回归模型与知识传播成本随距离的增加而增加概念非常契合,可以从化简形式(4)中看出。（具体解释可以参考原文）在n个区域中，较遥远地区对知识生产过程的物质和人力投入在决定知识边缘产出方面的作用呈下降趋势。

在转向论文的建模方法的估计和推断之前，论文提供了一个不同类型的横截面依赖集的例子。当然，替代依赖集的本质以及这些依赖集的任何理论动机都是论文方法应用的焦点。

2.2替代依赖集

论文构造了四个替代依赖集，它们定义了每个区域的知识产出所依赖的j区域集。引入的一种依赖类型是空间依赖，其中集合反映了一些最邻近的区域(由区域之间的距离定义)，将空间权矩阵的对角设置为零。论文鉴于空间计量经济学KPE文献中对空间依赖的理论动机，认为对这种依赖集似乎是必要的。在下一节讨论加权矩阵凸组合模型的估计时，论文指出，基于Metropolis-Hastings引导的蒙特卡罗积分过程的对数边际似然估计可以作为MCMC估计过程的一部分。这就允许对与样本数据最一致的某个最邻近区域的q值进行正式的贝叶斯推断

过去的文献也