產業集聚與城市全要素生產率

程中華，張立柱

(1.泰山學院管理學院，山東 泰安 271021；2.東南大學經濟管理學院，江蘇 南京 211189)

產業集聚與城市全要素生產率

程中華1,2，張立柱1

(1.泰山學院管理學院，山東 泰安 271021；2.東南大學經濟管理學院，江蘇 南京 211189)

本文基于2003—2012年中國285個地級及以上城市的統計數據，運用空間計量模型實證研究了產業集聚對城市全要素生產率影響的空間溢出效應。研究結論表明：中國城市全要素生產率的空間相關性呈逐年增強的趨勢，其溢出效應在0～950千米范圍內呈現先升后降的“倒U型”曲線過程，波峰出現在500千米左右；制造業集聚對城市全要素生產率的影響顯著為負，生產性服務業集聚和市場潛能有利于城市全要素生產率的提升；從集聚外部性效應來看，MAR外部性和Porter外部性對城市全要素生產率存在顯著負向影響，Jacobs外部性有利于城市全要素生產率的提升，這意味著制造業集聚所帶來的負影響主要是由MAR外部性和Porter外部性所主導。

產業集聚；全要素生產率；集聚外部性；空間計量模型

1 文獻回顧與問題提出

經濟活動的空間集聚能否促進全要素生產率的提升，一直是新經濟地理學關注的焦點。許多學者利用不同方法計算全要素生產率，進而分析產業集聚對全要素生產率的影響[1-4]。關于產業集聚與全要素生產率的已有研究更多的是從制造業集聚這單一角度進行分析，忽視了服務業集聚尤其是對生產性服務業集聚的關注則相對更少。事實上，由于生產和消費在時空上的不可分性，生產性服務業比制造業更依賴于本地市場容量，顯現出更強的空間集聚效應[5]。因此，深入分析生產性服務業集聚對全要素生產率的內在關聯機制及影響效應就顯得尤為重要。

對于產業集聚與全要素生產率的研究，現有文獻忽視了兩個重要問題。第一個問題是貨幣外部性(市場潛能)對于全要素生產率的影響。當許多企業都采取相同的決策時，企業的區位選擇就帶來了一種基于貨幣的“空間外部性”，從而導致市場潛能較大的地區有著更高的全要素生產率[6]。因此，分析城市全要素生產率的影響效應問題，必須從經濟地理外部性的貨幣外部性和技術外部性兩個方面同時進行分析。第二個被忽視的問題是地理距離對于全要素生產率的影響。由于運輸成本和貿易成本的存在，產業集聚不僅與本城市的經濟特征有關，而且還會受到空間臨近的其他經濟體的影響[7]。也有學者引入地理距離來分析技術和全要素生產率空間溢出的變化趨勢。Moreno等通過設定不同距離閾值的空間權重矩陣研究發現，歐洲17個國家138個城市之間的技術溢出范圍為250千米[8]。Fischer等以全要素生產率來衡量技術創新水平，發現歐洲區域間的技術溢出效應在300千米范圍內顯著[9]。符淼分析了地理距離與技術外溢效應，結果表明，800千米內為技術的密集溢出區，800～1250千米為技術的快速下降區[10]。但是大多數研究仍將地理距離處理為一個“黑匣子”，從而掩蓋了城市之間的空間溢出效應。因此，分析城市全要素生產率的影響效應問題，必須要將地理距離引入分析當中，充分考慮空間溢出效應對于全要素生產率的影響。

在既有研究的基礎上，本文將利用2003—2012年中國285個地級及以上城市的統計數據對產業集聚與城市全要素生產率的關系進行深入分析。

2 模型建立、變量說明與數據來源

2.1 空間計量模型的建立

本文的研究重點是考察產業集聚對中國城市全要素生產率的影響。因此，借鑒潘文卿、于斌斌等學者的空間計量方法[11-12]，本文建立如下基本的空間計量模型:

(1)

其中，TFP表示城市全要素生產率，agglo表示產業集聚水平，mp表示市場潛能，X表示控制變量，ηi,vt,εit分別為地區效應、時間效應和隨機擾動項，ρ和λ分別為空間滯后系數和空間誤差系數，反映了城市之間的空間溢出效應。Wij代表空間權重矩陣，反映了城市單元之間的空間聯系，本文以城市間直線距離的倒數作為權重，這樣能夠充分考慮空間臨近但并不相鄰的兩個城市也可能存在相互作用的事實。為了驗證產業集聚是否帶來集聚效應和擁塞效應，本文將在模型中引入產業集聚水平的二次項進行檢驗。同時，不同行業的產業集聚所形成的集聚效應和擁塞效應存在明顯差異，從而對城市全要素生產率可能產生不同的影響效應。為此，本文將分別考察制造業集聚(magglo)和生產性服務業集聚(psagglo)對城市全要素生產率的影響。因此，本文設定的基本模型修改為：

(2)

2.2 變量說明

(1)被解釋變量：城市全要素生產率(TFP)。本文參考蔣仁愛[13]的做法采用索羅余值法測算城市全要素生產率，其最大的優點是有著堅實的經濟理論基礎，能比較合理的反映投入產出的相對變化效率。

(3)控制變量：①人力資本(edu):人力資本是影響城市全要素生產率的重要因素，本文采用每萬人中高等學校在校生人數作為其代理變量。我們預計其對城市全要素生產率有顯著的正影響。 ②外商直接投資(fdi)：外商直接投資可以增加一個城市的資本存量，還能通過產業轉移、技術關聯和知識溢出影響城市的全要素生產率。本文采用年度實際外商投資額占GDP的比重來衡量。我們預期其對城市全要素生產率有顯著的正影響。③基礎設施(infra)：基礎設施的改善能夠顯著的降低生產要素的運輸成本和交易費用，有助于城市規模效應和集聚經濟的形成，從而有利于技術進步。本文采用城市道路人均占有面積作為城市基礎設施的代理變量。我們預期其對城市全要素生產率有顯著的正影響。

2.3 數據來源

根據數據的可得性和有效性原則，本文最終選取了2003—2012年中國285個地級及以上城市10年的面板數據進行分析。本文數據主要來源于《中國城市統計年鑒》(2004—2013年)和《中國統計年鑒》(2004—2013年)，并且對個別城市所缺失的數據采用插值法進行補充。

3 空間計量檢驗與回歸結果分析

3.1 空間相關性檢驗

本文采用Moran’s I指數從整體上檢驗城市全要素生產率的空間相關性，其計算公式如下：

(3)

通過計算發現，中國城市全要素生產率的Moran’s I指數在2003—2012年間都通過了1%的極顯著性檢驗，這表明，中國城市全要素生產率具有非常顯著的空間自相關性，即全要素生產率相似的城市存在明顯的空間集聚效應，而且，中國城市全要素生產率的空間相關性隨時間推移呈現出波動式遞增趨勢，這表明中國城市之間的集聚效應正在增加，城市之間的全要素生產率差距越來越大。因此，本文可以推斷：地理距離是影響中國城市全要素生產率的重要因素，考慮地理距離的變化來分析產業空間集聚對城市全要素生產率的影響效應就顯得尤為重要，因此本文利用空間計量模型來進行實證分析就變得切實可行。

表1 2003—2012年中國城市全要素生產率的Moran’s I指數

注：*、**、***分別表示通過10%、5%、1%水平下的顯著性檢驗。

3.2 回歸結果分析

空間面板模型采取SAR模型還是SEM模型，可以通過比較兩個Lagrange乘數及其穩健性來選擇。相應的選擇標準是：如果LM_LAG比LM_ERR更加顯著，且Robust_LM_LAG通過顯著性檢驗而Robust_LM_ERR沒有通過檢驗，則選擇SAR模型；反之，則選擇SEM模型。本文對模型1～5經過檢驗之后均選擇SAR模型來進行檢驗，另外Hausman檢驗支持模型選擇固定效應估計。整個過程利用Matlab軟件實現，估計結果見表2。

表2 空間面板模型的回歸結果

注：*、**、***分別表示通過10%、5%、1%水平下的顯著性檢驗，括號內為漸進的t統計量。

從回歸結果可以發現，空間滯后回歸系數ρ在1%的水平上極顯著為正，這說明在以往研究中常被忽視的區域間外部性對于城市全要素生產率有著重要的影響，鄰近地級市之間存在明顯的空間外溢效應，這意味著鄰近城市全要素生產率的提升能顯著的提升本城市的全要素生產率，由此可見，對城市全要素生產率進行研究時，不能忽視空間因素的存在和溢出效應的影響。從模型2、4、5回歸結果來看，制造業集聚和生產性服務業集聚的二次項系數都不顯著，這說明制造業集聚和生產性服務業集聚都沒有產生擁塞效應。回歸結果當中制造業集聚的系數顯著為負，生產性服務業集聚的系數顯著為正，這表明制造業集聚顯著降低了城市全要素生產率，而生產性服務業集聚有利于城市全要素生產率的提升。本文認為在擁塞效應不顯著的前提下，制造業集聚對城市全要素生產率影響為負與中國實際相符，給出的可能解釋為：一是中國制造業在全球價值鏈分工體系中處于價值鏈的低端，產品技術含量低、產品附加值低，制造業企業在同一城市進行激烈相互競爭，導致中國制造業企業的技術創新比較容易被模仿和復制，從而抑制了知識和技術溢出效應的發揮，也就降低了城市全要素生產率；二是中國制造業集聚只是地理位置上的集聚，發揮產業集聚效應的有效方式仍處于探索和形成過程之中，企業之間尚未形成橫向和縱向的協作機制以及競爭合作關系，因此降低了城市全要素生產率。生產性服務業集聚顯著提高了城市全要素生產率，可能的解釋是：一是生產性服務業發達的城市，基礎設施條件好，知識密集程度高，交易成本較低，集聚區的企業可以通過共享基礎設施、知識外溢和勞動力市場的好處，從而提高了城市全要素生產率；二是生產性服務業集聚區在前沿知識、技術方面具有優勢，集聚區內企業可以實現面對面交流與互動，能夠產生較強的知識與技術的外溢效應；集聚的學習效應促進了包括隱性知識在內的高級生產要素的快速轉移，加快了企業對新技術、新方法的吸收，有利于企業研發和自主創新，進而提高了城市全要素生產率。市場潛能對城市全要素生產率具有極顯著的正向影響，這表明一個地區擁有大規模的市場需求，關聯效應所帶來的貨幣外部性將導致該地區獲得較高的全要素生產率。人力資本、外商直接投資、基礎設施都顯著提高了城市全要素生產率，這與我們的理論預期相一致。

3.3 空間相關系數隨地理距離的變化

為了深入分析城市全要素生產率的溢出效應隨地理距離增加的變化趨勢，本文設定不同距離閾值的空間權重矩陣分別帶入式(1)進行回歸，其中權重矩陣Wij,d設定為：

(4)

其中dij為i城市與j城市之間的直線距離，閾值d的作用不是將距離d以外的城市從空間權重矩陣中去掉，而是將距離d以內的城市從空間權重矩陣中去掉，這樣處理便于深入考察城市間近距離的空間溢出效應。本文設定距離閾值從300千米開始，每相隔50千米進行一次回歸，并將不同的距離閾值及空間滯后系數記錄下來，見表3。

表3 空間滯后系數和地理距離的關系

注：*、**、***分別表示在10%、5%、1%的顯著性水平下顯著。

由表3可以看出，中國城市全要素生產率的溢出效應在0～950千米范圍內呈現出先升后降的“倒U型”曲線過程，其峰值出現在500千米左右，到1000千米之后就無法通過10%的顯著性檢驗。可以這樣進行解釋：在0～500千米之內，較短的地理距離有助于形成高效的勞動力和產品市場，產業的前向和后向關聯效應都能顯著的提高本城市的市場潛能；同時過短的空間距離也有利于知識和技術的溢出，從而形成有利于企業技術創新的中心-外圍發展模式，進而增強了全要素生產率的空間溢出效應；在500～950千米之間，城市間的溢出效應出現緩慢下降，這表明，由于受到了地理距離和行政分割的制約，在集聚中心以外距離集聚中心較近的企業由于交通成本的增加難以和集聚中心的企業競爭，集聚中心所帶來的集聚陰影效應在一定程度上抑制了全要素生產率的空間外溢；同時在500～950千米范圍內，中國的省際之間存在著嚴重的市場分割，省際間的市場分割將加大不同省城市間的實際距離，從而在一定程度上限制了城市間全要素生產率的集聚溢出效應。在950千米以外，由于地理距離的增加和權重矩陣中存在經濟聯系的城市單元的減少，城市間的溢出效應不再顯著。

4 集聚外部性對城市全要素生產率的影響效應

通過上述分析可以發現，制造業集聚在沒有產生擁塞效應的前提下，顯著降低了城市全要素生產率，即制造業集聚程度越高城市全要素生產率反而越低，這與產業集聚理論不一致。本文將從集聚外部性視角作進一步分析。產業集聚外部性可以總結為三類：MAR外部性、Jacobs外部性和Porter外部性。那么，產業集聚的3種外部性如何影響城市全要素生產率？本文借鑒于斌斌和金剛的方法，分別采用專業化指數、多樣化指數和競爭指數來測度產業集聚的MAR外部性、Jacobs外部性和Porter外部性，其計算公式分別為：

(5)

(6)

(7)

其中，sji為i城市中j產業的就業人數占該城市總就業人數的比重，si為所有j產業的就業人數占全部城市就業人數的比重，Ni為i城市的工業企業數目，Gi為所有i城市的工業增加值。根據檢驗結果，本文同樣選擇SAR模型和固定效應，具體回歸結果見表4。

從回歸結果可以發現，Jacobs外部性對城市全要素生產率的影響顯著為正，而MAR外部性和Porter外部性對城市全要素生產率卻存在明顯的負向影響，這表明Jacobs外部性是中國城市全要素生產率提升的主要來源，可能的原因是：第一，在更加多樣化的產業結構當中，數量品種繁多的中間品廠商及企業間的上下游產業鏈關系都會提高城市的創新能力，進而產生更高的全要素生產率；第二，企業還能充分利用周圍高校和科研機構，獲得高素質的人才和最新的科研成果，促進企業的技術創新。MAR外部性和Porter外部性顯著為負，并且Porter外部性的負影響遠遠大于Jacobs外部性的正影響，這表明在制造業集聚水平較高和競爭程度較強的城市，同一產業的空間集聚容易導致企業技術創新被模仿和激烈的行業內競爭，這些現象并不利于城市知識和技術溢出效應的發揮，進而降低了城市全要素生產率。為什么制造業集聚在沒有產生擁塞效應的條件下抑制城市全要素生產率的提升？這正是由于產業集聚的MAR外部性和Porter外部性在起主導作用，雖然制造業集聚并沒有形成擁塞效應，但是創新水平低和行業內過度競爭嚴重抑制了城市全要素生產率的提升。

表4 集聚外部性對城市全要素生產率影響的空間計量結果

注：*、**、***分別表示通過10%、5%、1%水平下的顯著性檢驗。

5 結論與啟示

①中國城市全要素生產率的空間相關性呈逐年增強的趨勢，其空間溢出效應在0～950千米范圍內呈現先升后降的“倒U型”曲線過程，波峰出現在500千米左右。②制造業集聚對城市全要素生產率的影響顯著為負，而生產性服務業集聚促進了全要素生產率的提升，但這兩類集聚并沒有產生明顯的擁塞效應。③從集聚外部性效應來看，MAR外部性和Porter外部性對城市全要素生產率存在顯著的負向影響，Jacobs外部性有利于城市全要素生產率的提升；制造業集聚之所以抑制全要素生產率的提升，主要是MAR外部性和Porter外部性的負效應起主導作用。

本文的啟示有：①在制造業集聚過程中，應加強知識產權保護和技術創新激勵，以消除模仿性的技術復制和同質化競爭。推動和加強東部技術含量低、環境污染重和勞動密集型制造業有效向中西部進行轉移，從而為高技術制造業和服務業的發展騰出經濟和地理空間。②在生產性服務業集聚過程中，應采取各種政策促進中國服務業特別是生產性服務業集聚發展，以發揮服務業尤其是生產性服務業集聚對城市技術進步的影響，著力發展物流、金融、培訓、中介、售后等生產性服務業，積極融入全球研發網絡和市場營銷體系。③加大對城市科技教育、基礎設施等領域的投資，對于不同城市應發揮比較優勢，實施城市錯位發展戰略，減少對生產要素和商品流通的限制，逐步減少地區間的運輸成本，逐步消除不同城市間的市場分割，有效促進中西部地區市場潛能的提高。

[1]陳柳.中國制造業產業集聚與全要素生產率增長[J].山西財經大學學報，2010，32(12):60-66.

[2]張公嵬，陳 翔，李 贊.FDI、產業集聚與全要素生產率增長——基于制造業行業的實證分析[J].科研管理，2013,34(9):114-122.

[3]王燕，徐妍.中國制造業空間集聚對全要素生產率的影響機理研究——基于雙門限回歸模型的實證分析[J].財經研究，2012,(3):135-144.

[4]王麗麗.門檻效應、制造業城市集聚于全要素生產率增長——基于貿易開放的視角[J].財經論叢，2012,(5):3-8.

[5]王晶晶，黃繁華，于誠.服務業集聚的動態溢出效應研究——來自中國261個地級及以上城市的經驗證據[J].經濟理論與經濟管理，2014,(3)：48-58.

[6]章韜.經濟地理外部性與城市全要素生產率差異——來自中國地級城市的證據[J].上海經濟研究，2013,(12):31-48.

[7]韓峰，柯善咨.追蹤中國制造業集聚的空間來源：基于馬歇爾外部性與新經濟地理的綜合視角[J].管理世界，2012,(10)：55-70.

[8]Moreno R,Paci R,Usai S.Spatial Spillover and Innovation Activity in European Regions[J].Environment and Planning A,2005,37(10):1793-1821.

[9]Fischer M M,Scherngell T,Reismann M.Knowledge Spillovers and Total Factor Productivity:Evidence Using a Spatial Panel Data Model[J].Geographical Analysis,2009,41(2):204-220.

[10]符淼.地理距離與技術外溢效應——對技術和經濟集聚現象的空間計量學解析[J].經濟學(季刊)，2009，8(4)：1549-1566.

[11]潘文卿.中國的區域關聯與經濟增長的空間溢出效應[J].經濟研究，2012,(1)：54-65.

[12]于斌斌，金剛.中國城市結構調整與模式選擇的空間溢出效應[J].中國工業經濟，2014,(2)：31-44.

[13]蔣仁愛，馮根福.貿易、FDI、無形技術外溢與中國技術進步[J].管理世界，2012,(9)：49-60.

[14]劉修巖，賀小海，殷醒民.市場潛能與地區工資差距：基于動態面板數據的實證研究[J].管理世界，2007,(10)：48-55.

(責任編輯 譚果林)

Industrial Agglomeration and Cities’ Total Factor Productivity

Cheng Zhonghua1,2，Zhang Lizhu1

(1.School of Management,Taishan College,Taian 271021,China;2.School of Economics,Southeast University,Nanjing 211189,China)

Using statistical data from 285 cities in 2003—2012,this paper studied the spatial spillovers effect of industrial agglomeration on Chinese cities’ TFP by using spatial econometric model.The results showed that there was an increasing growth in the space correlation of TFP,and TFP spillovers rose in the first,then declined,which can be described as inverted U process,and the peak showed in 500km or so.Manufacturing agglomeration on TFP was significantly negative.Producer service industry agglomeration and market potential significantly promoted TFP.MAR externality and Porter externality inhibited the TFP.Jacobs externality promoted the TFP and this meant that the negative effect of manufacturing industry agglomeration was mainly due to MAR externality and Porter externality.

Industrial agglomeration;Total factor productivity;Agglomeration externality;Spatial econometric model

國家自然科學基金“環境規制下中國制造業轉型升級研究”(71173116),國家社科基金項目“產業聚集的福利效應與中國區域福利均等化政策研究”(11CJL065)。

2014-07-15

程中華(1983-)，男，山東泰安人，泰山學院管理學院講師，東南大學經濟管理學院博士研究生；研究方向：產業經濟學。

F062.9

A