区域经济学的主要研究内容是什么（区域经济学又到了变革时期）

经济增长不是均质的，而是根据部门、产业门类和地区的不同具有不同的速度，常常伴随着区域极化的现象；某些主导地位的部门和具有很强创新能力的企业和产业门类集中在一定区域内，发展成为具有高度规模经济的资本密集型和技术密集型的增长极；增长极本身增长迅速，对周边的拉动效应明显。增长及理论对经济增长在空间和地理上非均质化这一现象的经验描述和总结，是与均质增长这一新古典传统的决裂，空间变量的引入丰富了抽象的经济分析。

不过通过增长极理论促进和改善经济不发达地区与的发展，这一目标从来没有实现过。在实践过程中，增长极概念的应用遇到巨大困难，甚至遭到批评。如发动机产业的确定、增长极门槛值的确定，以及增长极辐射范围的确定都十分困难。

我的思考：在农村欠发达地区龙头产业的带动非常明显，龙头行业对整个地区的经济结构的引领作用特别突出，在某些地区，尤其是淘宝村，几乎都是做同一个产业或者相关配套产业。既然作用非常明显，也不用纠结于如何确定增长极的阈值、增长极的发动机等。政府制定公平的市场竞争规则，让市场自发产生增长极的发动机。

图片来自网络，和本文无关

基本思想：一个地区的经济增长是由该地区的出口经济部门所唯一决定的，区域外的需求构成了区域发展的源动力。根据出口理论，一个地区的经济可以分为两个部门：一个是出口导向的基本部门，满足区域之外的产品和服务需求。第二个是非基本部门，满足区域内的产品和服务需求。出口理论刻画区域内的经济良性循环，促进区域经济在增长的动力来源于服务外部的第一部门。不过，出口理论存在不同的意见。

图片来自网络，和本文无关

（1）区域经济增长的其他需求变量，如投资和消费被忽视。

（2），服务部门的功能被低估。服务部门不仅涉及区域创新可能性和创新能力，而且常常影响出口部门竞争能力的变量，因而在两个部门之间存在一种双向互动的关系，而非单向的依存关系。

（3）解释小区域更有效，区域越大，该区域的经济增长对跨区域的需求依赖越小。（4）实际应用中遇到困难，如两个部门的精确划分、区域经济边界模糊等。

图片来自网络，和本文无关

增长及理论和出口基础理论强调区域发展的单一影响因素，即聚集效应和出口需求；而区域经济增长理论试图尽可能地考察区域经济增长的所有要素，以及他们之间的功能关系。三个代表性模型：新古典区域经济增长模型、Horst Siebert的区域经济增长模型和源自新增长极理论的区域经济增长模型。

形成于20世纪90年代，代表人物是Paul Krugman。该理论将经济活动的空间聚集主要归因于规模报酬递增。

图片来自网络，和本文无关

新经济地理学的分析是基于这样的事实：企业和产业倾向于在一定的区域内聚集，而不同的行业通常在不同的地点聚集。Krugman首先构造了两区域模型，其中只存在于农业和工业两个部门。农业部门被假定在空间上固定的，是完全竞争。工业部门被认为具有规模报酬递增的特征。

分析表明，经济活动的空间聚集取决于向心力和离心力共同作用，影响两种力量的因素由三个：企业的规模报酬、运输成本和生产要素的流动性。根据这一模型，在运输成本很小和要素流动性强的假设下，工业企业会由于规模报酬递增而在两个区域中的一个区域内聚集，从而形成“中心-外围模式（Core-Periphery-Pattern）”。

空间聚集一旦形成，由于规模报酬递增会产生循环往复的因果关系，因而聚集会保持并强化下去。不过由于离心力的平衡作用，聚集不会是无限制的。

图片来自网络，和本文无关

从亚当斯密算起，经济学发展到现在已经是几百年的时间了。期间随着社会的变化，经济学自身不断演化，成为现在的样子。不过任何一门学科最终的目的是解释社会，预测未来。那么经济学做到了吗？

从上面区域经济发展的各种理论来看，经济学家们为了能够发表论文，为了能和数学扯上关系——建立模型，否则期刊不会录用——已经把现实问题抽象到极致。抽象的优点是能够方便地理解和计算，也容易形成一门学科。但是对现实问题的解释则降低太多，那么怎样才能得到一个折中的结果，既能解释经济现象，又能为期刊所接受？

经济学的极度抽象弱化了对社会经济现象的解释和预测，显然这不是经济学界的本意。从另一个角度看，任何经济现象都不会孤立于整体社会发展，而是所有社会发展的关系总和。因此对经济现象的解释，也不能仅仅从经济层面，而是要深入到现象之后，寻找促使经济现象发生的诸多因素。经济学者早就注意到这个问题，也开始深入研究经济现象背后的动因，每个动因都可能包含多个变量。不断增加的变量、变量间复杂的纠缠，变量在现实世界的解释，都变得非人力可及。

大数据，即意味着多维度、多尺度、多形态的数据集合，这里不仅有结构化的二维数据，还有声音、文字、图片、视频等多种数据存储方式。另一个层面是数据量大，物联设备的进步使得采集数据的场景迅速增加，比如每天街道上摄像头就会产生天量数据。如果物联汽车进入生活实际，每一辆行驶在街头的无人驾驶的汽车都是360度无死角摄像机组，其产生的数据量几乎不敢想象。生产的每个环节、供应链上的每个链条都产生大量的数据，之前只能装作看不到，现在则可以将这些数据综合利用起来，进一步分析经济行为。

人工智能是大数据的技术维度。天量的数据面前，个人的手工力度可以忽略不计，只有用人工智能技术。比如上面的天量视频数据，可以用机器视觉技术发现、比对、搜索、定位等。机器学习技术完全可以助力经济数据，得到汇总、分析甚至预测。