電子及通訊設備制造業集聚對其全要素生產率影響研究

劉 芹，陳玉璞 （上海理工大學，上海 200093）

0 引言

電子及通訊設備制造業是為其他行業提供信息化產品和支持的基礎與保證，國務院《中國制造2025》提出加快從制造大國轉向制造強國，電子及通訊設備制造業作為有力支撐將推動發展智能制造和工業互聯網；《國務院關于積極推進“互聯網+”行動指導意見》明確未來3年以及10年的“互聯網+”發展目標，提出包括智慧能源、便捷交通、普惠金融、協同制造、綠色生態等共11項重點行動，推動互聯網由消費領域向生產領域擴展，電子及通訊設備制造業的需求會進一步提升。而全要素生產率是衡量產業質量的重要指標，它的提高有利于電子及通訊設備制造業的持續發展。在此背景下，電子及通訊設備制造業集聚能不能提高其全要素生產率，如果能，那么最優的集聚規模是多少？這些問題的解決對于我國建設產業鏈完善、創新能力強、特色鮮明的戰略性新興產業集聚區有很大的意義。

國內外學者有很多學者就產業集聚和全要素生產率之間的關系來展開研究。Chia－L.C.,Les Oxley（2009）[3]利用Herfindahl指數來測算臺灣242個四分位行業的集聚水平，并研究了集聚和全要素生產率之間的關系，發現產業集聚以及研發支出對全要素生產率的顯示正效應。范劍勇、馮猛等（2014）[4]用LP半參估計法測算了我國通信設備、計算機與其他電子設備業企業縣級層面的數據，研究產業集聚與全要素生產率之間的關系，專業化集聚對全要素生產率的增長有積極的促進作用，而多樣化集聚不具有這一功效。吳明琴與童碧如（2016）[5]通過對我國制造業企業數據進行研究發現產業集聚與企業全要素生產率之間存在正相關關系，這種關系在非國有企業之間表現的尤為顯著。楊浩昌、李廉水等（2016）[6]通過對我國高技術產業研究發現高技術產業的集聚能促進了其技術進步的提升，這一促進作用在東部地區的表現更為顯著。Ren Lu,Min Ruan和Torger Reve（2016）[7]基于我國珠江三角洲1993～2012的數據研究不同階段的集群對其全要素生產率的影響，發現新生的集群對集群內企業的全要素生產率有負面的影響，而成熟的集群則會對其全要素生產率產生積極的影響。

現有的文獻主要集中在研究產業集聚與全要素生產率的線性關系研究上，對于兩者之間非線性關系的研究比較少，針對電子及通訊設備制造業的研究則更少，但是由于產業之間的差異性，特別是作為高技術產業的電子及通訊設備制造業集合當代尖端技術，需要更多研發投入，對其他產業滲透性強，它的專利保護意識也會更為強烈。所以專門針對電子及通訊設備制造業的相關研究，對國家相關的政策和產業自身發展戰略的制定有很大的參考價值。所以本文將基于我國大陸地區省際面板數據來研究電子及通訊設備制造業集聚對其全要素生產率的影響。

1 模型設定

電子及通訊設備制造業集聚減少了交易費用，節約了生產成本，產生了外部規模效應和外部范圍效應以及較為完善公共設施和公共秩序，這些極大提高了生產效率和資源配置利用效率，對技術效率有積極的影響；集聚所創造更為有利的知識經驗傳播環境，以及企業的競爭所促使的技術改進與創新，對技術進步起著積極的影響，有利于全要素生產率的提高。產業過度集聚所帶來的擁擠效應以及集聚發展過程中的路徑依賴產生的鎖定效應，破壞了正常的市場的秩序，資源配置得不到有效的配置，企業管理效率大打折扣，技術進步受到阻礙，對全要素生產率產生了消極影響。所以本文假設產業集聚與全要素生產率之間存在倒“U”型的曲線關系。為了考察全要素生產率的各個拆分項如何對全要素生產率產生的影響，本文在選取控制變量時加入了純技術效率（PECH）、規模效率（SECH）、技術進步（TECHCH） 三項，此外還有技術知識溢出（TS）、政府補助（GS）、人力資本水平（HL）、R&D投入（RD），構建如下回歸模型：

其中：i表示省份，t表示年份，j表示控制變量的個數，agg是電子及通訊設備制造業的集聚程度。

技術知識溢出（TS）指企業進行科技開發活動后產出的新知識可以通過各種渠道擴散到其他企業中，對周邊企業產生溢出效應，所以技術知識的溢出對全要素生產率的影響為正。本文參考王弓（2016）[8]研究選擇國內專利申請授權數來衡量，預期符號為正。

政府補助（GS）是政府無償對企業進行的財政撥款，可以在一定程度上緩解企業的資金問題，對企業研發活動提供支持，激發企業研究與創新的熱情，本文選用政府對研發活動提供的資金來衡量政府補助，預期符號可能為正。

人力資本水平（HL）對全要素生產率的影響主要表現在兩方面：第一，勞動者較高的受教育程度、較為熟練的專業技能掌握以及運用程度對全要素生產率的增長有著積極的影響；第二，高素質的勞動者可以提高企業的管理效率、研發水平、技術知識的吸收能力，從而對全要素生產率產生積極的影響。本文參照孫慧（2016）[9]的做法選取人力資本水平的衡量指標為普通高等學校在校生數量，預期符號為正。

R&D投入（RD）會促進技術的創新與進步，從而對全要素生產率有正向的促進作用。本文對R&D的衡量指標選取的是R&D經費的內部投入，預期符號為正。

2 數據來源與指標測算

（1） 數據來源

本文使用2009～2015年全國大陸地區各省市自治區的面板數據，以電子及通訊設備制造業為例重點研究了產業集聚對全要素生產率的影響。考慮到數據質量與數據可得性，刪除了數據不完整的西藏、新疆、內蒙古、寧夏、海南、青海，選取剩余的25個省、直轄市、自治區數據。數據主要來自于《中國統計年鑒》、《中國高技術產業統計年鑒》、《中國科技統計年鑒》。因變量全要素生產率用Malmquist指數，通過DEAP軟件計算。自變量中專業化集聚水平的測度借鑒Glasser et al（1995）[10]的測度方法計算得出。

（2）電子及通訊設備制造業全要素生產率的測度

本文選用DEA－Malmquist方法，運用DEAP軟件來測算全要素生產率。將不同的省份作為不同的決策單元。本文參考楊清可、段學軍（2014）[11]基于DEA－Malmquists模型對高技術產業發展效率的時空測試與省際差異的研究，在投入指標的選取上從人力、物力、財力三方面投入入手，選擇了企業數、從業人員年平均數、固定資產投資額、R&D經費內部支出四個指標；在產出指標的選擇上，既要考慮電子與通訊設備制造業的總體產出水平，也不能忽視了它的技術創新能力，所以本文選擇主營業務收入和新產品銷售收入兩項作為產出指標。本文在計算全要素生產率的投入和產出指標體系如表1所示：

表1 電子與通訊設備制造業TFP測度指標體系

（3）電子及通訊設備制造業集聚的測算

本文選用專業化集聚水平作為產業集聚的衡量指標，大量研究文獻對專業化集聚和多樣化集聚的測量做出了貢獻，本文沿用Glasser et al（1995）的測度方法，并參考陳勁、梁靚（2013）[12]的做法采用以下方法來測算專業化集聚水平：

公式中，aggij代表j地區i產業的專業化集聚程度；L是從業人員年平均人數，Lij代表j地區i產業從業人員年平均人數，Lj代表j地區高技術產業的從業人員年平均人數，Li代表全國范圍內的i產業從業人員年平均人數，L代表全國高技術產業的年平均從業人數。

3 計量分析

面板數據模型主要有混合模型、固定效應模型和隨機效應模型三種，本文先分別采用三種不同的模型整體來進行回歸分析，然后通過Hausman檢驗和似然比檢驗（Likelihood Ratio）來確定最適合的模型形式。

首先基于上文確定的計量模型對電子及通訊設備制造業集聚對其全要素生產率的影響用混合OLS進行估計，結果如表2中的第一列模型1所示。解釋變量專業化集聚水平的系數為0.508，在5%的顯著性水平下通過檢驗；專業化集聚水平的平方項系數為-0.348，并在5%的顯著性水平下通過檢驗；回歸方程呈現倒“U”型曲線，拐點為0.73，即最優的專業化集聚水平為0.73。

固定效應模型的回歸結果如表2中的第二列模型2所示。解釋變量專業化集聚水平的系數為0.51，在5%的顯著性水平下通過檢驗；專業化集聚水平的平方項系數為-0.343，并在10%的顯著性水平下通過檢驗；同樣，回歸方程呈現倒“U”型曲線，拐點為0.743。

隨機效應模型的回歸結果如表2中的第三列模型3所示。解釋變量專業化集聚水平及專業化集聚平方項的系數分別為0.611和0.432，且均在5%的顯著性水平通過檢驗。回歸方程呈倒“U”型曲線，拐點為0.707。

綜上三種模型的分析，我國的電子及通訊設備制造業集聚與其全要素生產率之間均存在著顯著的倒“U”型曲線關系，拐點大概在0.7到0.8之間。也就是說對于我國的電子及通訊設備制造業來說并不是專業化集聚程度越高全要素生產率就越高，其中存在一個最優的集聚水平，達到這個水平之前，電子及通訊設備制造業的集聚對其全要素生產率有積極的影響，達到最優的水平之后，集聚便會對其全要素生產率產生消極的影響。本文進行Hausman檢驗和似然比檢驗（Likelihood Ratio）來確定最適合分析我國電子及通訊設備制造業集聚對其全要素影響情況的模型形式。結果表明隨機效應模型即表2中的模型3更適合本文的研究情況。

表2 電子及通訊設備制造業集聚對其全要素生產率影響的整體估計

確定了電子及通訊設備制造業集聚及其全要素生產率之間顯著的倒“U”型關系，以及適合本文的模型形式之后，本文采用逐步代入控制變量的方法來進行下一步的具體分析，以考察各控制變量對全要素生產率以及倒“U”型曲線的具體影響情況。結果如表3所示：

表3 電子及通訊設備制造業集聚對其全要素生產率影響的分步分析

通過對模型1～5的分析，在逐步加入變量的過程中，倒“U”型的曲線關系是存在的，解釋變量專業化集聚水平符號一直為正，且至少在5%水平下通過檢驗，集聚水平的平方項系數一直為負，均在5%的顯著性水平下通過檢驗。主要的控制變量全要素生產率的三個拆分項均在1%的顯著性水平下符號持續為正，其他控制變量除了模型2、模型3中的變量GS（政府補助）不顯著外，其他控制變量至少在10%的顯著性水平下通過檢驗。所有變量符號均保持不變，證明本文假設的電子及通訊設備制造業集聚與其全要素生產率之間的倒“U”型曲線關系和所選取的控制變量對全要素生產率的影響都是十分穩健的。

模型1除解釋變量選取的是產業集聚、產業集聚的平方項之外，控制變量選取技術進步、技術效率和規模效率，回歸結果顯示為倒“U”型曲線，拐點為0.708。

模型2增加了控制變量政府補助，其符號為正，從單個控制變量來看，政府補助對全要素生產率的影響并不顯著，原因可能是政府在對企業進行補貼的時候有可能存在“規模歧視”和“所有制歧視”（羅雨澤，2016）[13]，針對性的補貼部分企業，造成社會福利的流失；另一方面企業在收到政府補助款的時候并沒有有效地利于研究開發，導致政府補助并不是資源合理、有效的分配，所以全要素生產率的影響并不顯著。

模型3增加了控制變量TS（技術知識溢出），回歸結果顯示，在5%的顯著性水平下，知識溢出對全要素生產率具有積極的影響，這也驗證了之前的猜想。

模型4增加了控制變量HL（人力資本水平），人力資本水平對全要素生產率有顯著的積極作用，并且促進了拐點值的后移，表明高素質的勞動者對全要素生產率的增長有顯著的推動作用。

模型5增加了控制變量RD（研發支出），是本文最終完整的模型形式，和預期相反研發投入的系數為負，并沒有對全要素生產率的增長產生積極影響。原因可能是一方面企業進行研發投資可能是出于尋租的動機，而不是致力于真正的技術進步與創新（羅雨澤，2016）[13]。申香華（2010）[14]也指出企業為了獲得政府的補貼，或者僅僅是為了完成政府分配的指標，會發送“虛假的”創新信號；另一方面，我國的專利保護制度還不是十分的健全，尤其是在電子及通訊設備制造業這種高技術行業，企業花費大量的成本進行的技術創新研發后，技術成果會被模仿，從而使得最終企業獲得回報遠遠低于預期，甚至可能面臨虧損，企業不會真正的對R&D進行大量的投資。羅雨澤（2016）在對我國高技術產業TFP的影響因素進行分析時指出知識產權保護的缺位已經對我國國內企業的自主研發和FDI的自主創新績效產生了明顯的抑制作用。除此之外，我國的研發投入所帶來的專利產品雖然多，但是專利向實際生產的轉化率還比較低。

4 結束語

本文利用2009～2015年中國大陸地區25個省份（除西藏、新疆、內蒙古、寧夏、海南、青海）的面板數據，控制了其它可能影響全要素生產率的指標：技術溢出、政府補助、人力資本水平、研發投入之后，分析了電子及通訊設備制造業集聚對其全要素生產率的影響機制，最終得到以下三個結論：

（1）無論采用總體回歸分析還是逐步代入分析，專業化集聚水平系數都顯著為正，集聚水平的平方項系數都顯著為負，這表明我國電子及通訊設備制造業集聚與其全要素生產率之間存在顯著的倒“U”型關系，而且這種關系是十分穩健的。在最優集聚程度之前專業化集聚對全要素生產率有積極作用，超過最優的集聚水平之后專業化集聚對全要素生產率產生消極影響。

（2）從最優的集聚規模來看，本文分析結果表明，對我國電子及通訊設備制造業來說最優的專業化集聚規模在0.7左右，控制變量的加入會導致最優的專業化集聚規模產生小范圍的波動，但結果維持在0.7～0.75之間。

（3）將全要素生產率分解為技術進步（TECHCH），純技術效率（PECH）和規模效率（SECH）之后，三項對全要素生產率的影響都顯著為正。就影響程度來看規模效率＞技術進步＞純技術效率。電子及通訊設備制造業屬于技術密集型行業，科技含量高，技術和產品更新速度快，企業的發展需要大量的資金投入與長期的人才積累和技術積累，對技術和人才的有效管理和利用是十分重要的。目前我國相關專利保護和轉化體系還不完善，相關研發成果并沒有有效地轉化為生產力，此外企業自身管理水平、結構模式尚有不足之處，沒有達到資源的合理、有效利用，可能是純技術效率存在不足之處的原因。

本文研究尚有很多的不足之處，比如控制變量的選取方面，仍有很多因素會對全要素生產產生影響，本文只選取少量的指標進行研究，期待在后續研究中更加全面地考慮其他影響因素，以對電子及通訊設備制造業和其全要素生產率之間的關系進行更全面的把握。本文用宏觀數據對我國電子及通訊設備制造業集聚和其全要素生產率之間的關系進行研究，期待以后可以從企業等微觀層面出發對產業集聚對全要素生產率的影響機制進行更深入細致的分析。此外，在以后的研究中可以對國內和國外的一些電子及通訊設備制造業的產業園區進行對比分析，和國際接軌，向世界發達國家學習，為我國電子及通訊設備制造業全要素生產率的提高作出更多貢獻。

[1]李小建.經濟地理學[M].2版.北京：高等教育出版社，2006.

[2]成剛.數據包絡分析與MaxDEA軟件[M].北京：知識產權出版社，2014.

[3]Chia－Lin Chang,Les Oxley.Industrial agglomeration,geographic innovation and total factor productivity:The case of Taiwan[J].Mathematics and Computers in Simulation,2009,79(9):2787－2796.

[4]范劍勇，馮猛，李方文.產業集聚與企業全要素生產率[J].世界經濟，2014(5):51－73.

[5]吳明琴，童碧如.產業集聚與企業全要素生產率：基于中國制造業的證據[J].產經評論，2016(7):30－44.

[6]楊浩昌，李廉水，劉軍.高技術產業聚集對技術創新的影響及區域比較[J].科學學研究，2016(2):212－219.

[7]Ren Lu,Min Ruan,Torger Reve.Cluster and co－located cluster effects:An empirical study of six Chinese city regions[J].Research Policy,2016(12):1984－1995.

[8]王弓，葉蜀君.金融產業集聚對新型城鎮化影響的理論與實證研究[J].管理世界，2016(1):174－175.

[9]孫慧，朱俏俏.中國資源型產業集聚對全要素生產率的影響研究[J].中國人口資源與環境，2016(1):121－130.

[10]Glaeser.E L,Kallal H D.Growth in cities[J].Journal of Political Economy,1995,103(5):1065－1090.

[11]楊清可，段學軍.基于DEA－Malmquist指數模型的高技術產業發展效率的時空測度與省際差異研究[J].經濟地理，2014(7):103－110.

[12]陳勁，梁靚，吳航.開放式創新背景下產業集聚與創新績效關系研究——以中國高技術產業為例[J].科學學研究，2013(4):623－629.

[13]羅雨澤，羅來軍，陳衍泰.高新技術產業TFP由何而定？——基于微觀數據的實證分析[J].管理世界，2016(2):8－18.

[14]申香華.成長空間、盈虧狀況與營利性組織財政補貼績效——基于2003～2006年河南省和江蘇省上市公司的比較研究[J].財貿經濟，2010(9):64－69.