Page 145 - 《社会》2020年第3期

社会 · ２０２０ · ３

到 ， 犅犢犕 模型与 犐犐犇 模型估计结果十分接近 （ 包括系数的标准误 ）， 但
与 犛犔犕 模型相比 ， 个别系数估计存在一定程度的偏差 。 ３５
（ ２ ） 基于贝叶斯方法 ， 犛犔犕 输出空间滞后系数 （ ρ 值 ） 边际后验分
布 ， 提供了测度空间自相关水平的替代指标 。 ３６ 贝叶斯估计的目的不是
找到模型参数的单一 “ 最佳 ” 值 ， 而是将未知参数视为随机变量 ， 需要确
定的是模型参数的后验分布 。 基于 犐犖犔犃 包定义的 犛犔犕 模型 （ 参见
犌狅犿é狕犚狌犫犻狅 ， 犲狋犪犾． ， ２０１７ ）， 经从内部尺度 （ 犻狀狋犲狉狀犪犾狊犮犪犾犲 ） 重缩放 （ 狉犲
狊犮犪犾犲 ） 到模型尺度 （ 犿狅犱犲犾狊犮犪犾犲 ） 后 ， ３７ 模型 ４ 、 ６ 中公办 、 民办养老资源
ρ 系数后验均值分别为 ０．３１６８ （ 犛犇＝０．１７７４ ） 和 －０．１２３５ （ 犛犇＝
０．２３４０ ）（ 边际后验分布见图 ７ ）。 根据可信区间是否跨越零点可判
断 ， 在显著性取＜ ０．１ 的水平下 ， 公办养老资源 ρ 系数统计显著 ， 而对
狆
民办养老资源来说整体上不显著 。 ３８
在未含协变量的 犛犔犕 模型中 ， 公办 、 民办养老资源空间滞后效应
边际后验均值 （ ρ 值 ） 分别为 ０．４６１７ （ 犛犇＝０．０９２３ ） 和 ０．４７９３ （ 犛犇＝
０．１８８６ ）， ３９ 均在＜ ０．０５ 的水平上显著 。 与此相对照 ， 模型纳入各观
狆
测协变量控制相关因素后 ， 公办养老资源 ρ 后验均值只是略有下降 ，
而民办养老资源 ρ 后验均值转为负值 ， 整体不再显著 。 实际上 ， 这主要
是由纳入模型的人口 — 空间因素造成的 ， 比如在老年人口密度高的区
域 ， 民办养老资源也趋向于相对集中的布局 ， 然而这实际上并非空间扩
散或示范之类的效应 。 公办养老资源的配置则较少考虑这方面的因

３５． 因为属于非标准化系数 ， 不能直接进行同模型系数之间的比较 ， 需要考虑不同变量各自
的量纲 。
３６． 在独立同分布及数据正态随机变动的假定下 ， 莫兰 犐 指数分布已知 ， 相关检验具有各种优化
性质 （ 犆犾犻犳犳犪狀犱犗狉犱 ， １９７３ ， １９８１ ）。 然而将莫兰 Ι 指数用于超出基本假定的情境时是成问题的
（ 犠犪犾犱犺狉 ， １９９６ ； 犌狉犻犳犳犻狋犺 ， ２０１０ ）。 有学者指出 （ 犔犻 ， 犲狋犪犾． ， ２００７ ）， 对于空间自相关回归过程 （ 犛犃犚 ）
生成的数据 ， 莫兰 犐 指数只有当 犛犃犚 过程空间依赖参数 （ ρ ） 接近 ０ 时才是对其好的估计 。
３７． 参见 犺狋狋 狆 狊 ：／／ 犻狀犾犪．狉犻狀犾犪犱狅狑狀犾狅犪犱．狅狉 犵 ／ 狉犻狀犾犪．狅狉 犵 ／ 犱狅犮 ／ 犾犪狋犲狀狋 ／ 狊犾犿． 狆 犱犳 ， 网址浏览于 ２０１８
年 ５ 月 １ 日 。
３８． 不区分养老资源属性 ， 整体模型 ρ 参数边际后验均值 ０．４３２８ （ 犛犇＝０．０９６７ ）（ 狆 ＜ ０．０５ ），
意味着整体来看 ， 在控制相关因素后 ， 市域乡镇 ／ 街道养老资源具有可观的正向空间依赖性 。
然而从结果来看 ， 公办和民办养老资源在此方面存在差异 。 控制相关人口因素后 ， 民办养老
资源空间扩散效应并不显著 。
３９． 民办养老资源相比于公办 ρ 参数后验标准差值大也表明前者在空间交互作用方面异质
性较强 。

８
１
· ３ ·