生產性服務業與制造業協同集聚提升全要素生產率嗎？

伍先福

(廣西師范大學經濟管理學院，廣西 桂林 541004)

一、引言與文獻綜述

在中國城市經濟快速發展過程中，生產性服務業與制造業協同集聚的發展張力與影響力逐漸凸顯，理由在于：其一，在過多依賴制造業而導致區域經濟發展動力日漸衰減的困境面前，地方政府的思維邏輯開始從“制造業優先發展”向“多產業協同發展”轉變；其二，面對日趨激烈的市場競爭，以“分離式生產”為特征的傳統市場分工所帶來的生產效率提升效果越來越不理想，而基于縱向或橫向關聯的行業或企業因近距離“協同式生產”和“融合性生產”所獲得的“外部性績效”越來越顯著，這從根本上驅動著兩大產業由“分離式集聚”向“協同式集聚”轉型。與此同時，全要素生產率(TFP)增長對中國城市經濟發展的內驅力將越來越大。那么，生產性服務業與制造業協同集聚是否促進了中國城市TFP的提升？

既有文獻主要從專業化集聚與多樣化集聚視角展開探討。從專業化集聚看，Melo et al.(2009)對集聚經濟與生產率間關系的重要文獻進行了梳理，發現34項研究中有31項成果表明了集聚與生產率之間呈現正向關系[1]。而Henderson et al.(1992)從兩種集聚類型的對比出發，發現專業化集聚可使企業從同一行業中獲益，而多樣化集聚則可使企業從整個城市范圍內獲益[2]。深入研究發現，多樣化集聚存在“相關多樣化”與“無關多樣化”之分[3]，并非所有的多樣化都能顯著地促進地區經濟增長。Boschma和Iammarino(2009)的研究發現，相關多樣化對地區經濟增長有促進作用，但無關多樣化無顯著影響[4]?？梢?，不管是專業化集聚還是多樣化集聚、尤其是多樣化集聚中的相關多樣化集聚，均能從整體上推動區域經濟增長和生產率提升。據此，是否可以推導生產性服務業與制造業協同集聚亦能促進生產率的提升？

事實上，產業協同集聚將對生產率提升產生正反兩方面的影響。其中，積極作用主要來源于外部性經濟和產業間良性互動。一方面，產業協同集聚對生產率提升表現出明顯的外部性特征。從MAR外部性看，協同集聚的兩產業將共享基于投入產出關聯的供需大市場，以及一般集聚經濟均能共享的勞動力市場[5]，也可進一步推動知識和技術在企業間的溢出，并使各自企業提升對應的“銷售市場”和“要素市場”的學習能力[6]，繼而促進生產性服務業與制造業企業生產效率的共同提升。從Jacobs外部性看，不同產業間的知識溢出與學習效應往往更顯著，突破性創新常常發生在不同產業的交叉融合過程中[7]，而生產性服務業與制造業協同集聚為兩大產業的融合發展提供了良好的契機，不同產業企業間的相互學習效應能帶動生產性服務業與制造業自身生產率的提升，進而能推動整個城市經濟的增長。從Porter外部性看，技術創新和知識外溢源自企業之間的相互競爭而非壟斷[8]，而生產性服務業與制造業協同集聚為企業競爭營造了相對有利的成長環境，且激烈的競爭會使低效率的企業無法在大市場中生存[9]，進而促進協同集聚區的生產率提升。另一方面，構成產業之間及內部的良性互動有利于生產率提升。研究表明產業間毫無關聯的多樣化集聚并不能推動城市經濟增長[4]。生產性服務業在集聚過程中不僅提高了自身的技術擴散率，而且會引導其所服務的制造業企業采取新技術和新工藝，從而整體提升了產業集聚區適應外部市場競爭環境變化的能力[10]。同時，為維系生產性服務業企業與制造業企業間的長期合作關系，下游企業會向其上游企業提供資金進行研發，幫助上游企業進行管理培訓、組織生產流程、控制質量以及購買原材料等[11]，這些都將有利于生產性服務業企業生產率的提升。

除上述積極因素外，產業協同集聚對生產率的影響也表現一定消極作用。第一，擁塞效應。產業協同集聚的過程雖然為生產性服務業和制造業企業的投入產出溝通節約了各種交易成本、人才搜尋成本等，但當一個地區的產業集聚過度時，當地的地租、交通、時間等成本就會相應增加，從而不利于企業生產率的提升。Henderson(1986)的研究表明，產業集聚的集聚效應會向擁塞效應轉變[12]。第二，沉沒成本。由于沉沒成本，產業協同集聚區的生產性服務業企業、尤其是制造業企業無法輕易退出某個地區，致使生產率相對較低的企業長久停留在產業集聚區甚至演變成“僵尸企業”，從而會降低相關企業的生產或服務效率。第三，集聚組合。不同性質的集聚組合所產生的外部性經濟也通常存在較大差異，越是資本和技術密集的企業，其產生的知識技術溢出效應越強，且其吸收其他企業溢出知識的能力也越強，其對生產率的提升效果相對越理想；反之，則越不理想。

綜上，基于具體作用路徑，產業協同集聚既可能正向促進全要素生產率提升，也可能負向抑制全要素生產率增長。究竟最終整體作用結果如何，則需視具體作用條件而論。遺憾的是，既有文獻尚缺乏這方面的專門探討。對此，本文擬從實證研究的視角，以中國246個地級及以上城市為觀測樣本，根據構成產業區位熵的高低形成不同作用條件，并借助經典的面板數據模型加以實證檢驗。相對于既有研究，本文的特色在于采取層層抽絲逐漸深入的思路，借助虛擬變量來對不同作用條件下的產業協同集聚進行內生分組，并對分組后的IV-GMM實證檢驗結果進行逐一闡釋。

二、模型構建與變量選取

(一)模型構建

借助經典的面板計量模型，可對不同作用條件下產業協同集聚影響全要素生產率的整體結果進行實證檢驗。在具體模型構建時，由于面板模型存在個體效應與時間效應、固定效應與隨機效應之分，如果僅憑主觀判斷而選取其中的某種模型，則可能因模型選擇不當而造成回歸結果偏誤。對此，比較合理的做法是建立一般性面板數據模型，再通過相關檢驗將其簡化為個體固定效應、雙向固定效應、一般隨機效應、雙向隨機效應模型等。由于本文主要研究產業協同集聚與全要素生產率(TFP)之間的因果關系，同時考慮到產業協同集聚與其構成產業區位熵指數之間所存在的內生相互關系，有必要基于構成產業區位熵構建虛擬變量。因此，綜合上述理論思路和實踐檢驗需求，本文擬構建如下的待檢驗模型：

lnTFPit=C+β1lnrit+δD+ηDlnrit+γlnControlt+λt+vi+uit

(1)

其中，TFP(全要素生產率)為本文的被解釋變量；r為本文的核心解釋變量，代表生產性服務業與制造業協同集聚指數；D表示虛擬變量，Dlnr表示虛擬變量與產業協同集聚指數對數的交乘項；Control為系列控制變量，主要包括經濟發展水平、人力資本、稟賦結構、產業結構、城鎮化指數、市場化程度、市場競爭度、外資依賴度、政府干預度和基礎設施水平等；λt是第t期的截距項，代表第t期對被解釋變量的特有效應，也稱為“時間固定效應”；vi是選擇固定效應模型時各個城市不隨時間變化而變化的量，如為隨機效應，則沒有vi；μ是服從i.i.d.的擾動項，β1、δ、η、γ待估參數。下標i和t(t=2003，…，2014)分別代表第i個城市和第t年。

(二)變量選取與數據說明

1.變量選取

(1)被解釋變量。全要素生產率(TFP)采用DEA Malmquist全局超效率指數進行測度，并采用該指數的累乘積形式。測度TFP所需的資本存量K采用永續存盤法進行計算，城市基年基本存量、城市固定資本形成額的測度參照王藝明等(2016)方法，即通過市省固定資產投資比進行折算[13]；投資價格指數遵循單豪杰(2008)思路，即2004年及以前采用分省的固定資產形成價格指數，2004年以后采用分省的固定資產投資價格指數[14]；折舊率設置為10.96%。此外，為盡量減少基年資本存量核算誤差引起的資本存量測算偏誤，本文選擇遠離樣本考察期(2002～2014年)的1985年作為城市資本存量核算的基年。

(2)主要解釋變量。產業協同集聚指數(r)，參照陳國亮和陳建軍(2012)、楊仁發(2013)的方法[15][16]，采用產業協同集聚相對指數法進行測度，具體為：

第一步，構建城市i產業j的區位熵指數(LQij)，其計算公式為：

LQij=(eij/Ej)/(ei/E)

(2)

其中，eij表示城市i產業j的從業人員數，Ej表示全國產業j的從業人員總數，ei表示城市i所有產業的從業人員數，E表示全國所有產業的從業人員總數。數據測度上，從業人員一律采用分行業“年末單位從業人員數”來進行衡量。

第二步，構建產業協同集聚指數(ri)，其計算公式為：

ri=1-|LQim-LQis|/(LQim+LQis)

(3)

其中，m為制造業，包括《國民經濟行業分類(GB/T4754-2011)》中13～43代碼行業；s為生產性服務業，包括交通運輸、倉儲和郵政服務業，租賃和商務服務業，金融服務業，信息傳輸、計算機服務和軟件業，科學研究、技術服務和地質勘查業等五大產業。

虛擬變量及其交乘項。為具體檢驗不同作用條件下產業協同集聚對全要素生產率的影響，有必要對產業協同集聚進行內生分組，而比較合理的劃分依據便是其構成產業區位熵。具體地，首先將構成產業區位熵指數從小到大(或從大到小)進行排序，然后將其均勻地分為三個等份，再根據大、中、小的分組來生成虛擬變量，并與r產生交乘項。

(3)控制變量。結合TFP影響因素的既有文獻，本文主要考慮如下的控制變量。第一，經濟發展水平(pgdp)，采用人均地區生產總值來衡量。第二，人力資本(human)，借鑒孫慧和朱俏俏(2016)的方法，采用“每萬人高校在校大學生數量”作為代理變量。第三，結構因素，稟賦結構(klo)采用實際資本存量與勞動力就業量的比值來衡量；產業結構(indser)采用各城市市轄區內二、三產業增加值之比進行測度。第四，城鎮化指數(urb)，采用通過人口城鎮化、經濟城鎮化、空間城鎮化和社會城鎮化等4個一級指標及8個二級指標構建的城鎮化指數來衡量[17]。第五，市場作用力，首先是市場化程度(mark)，借鑒肖攀等(2013)的方法，采用城鎮私營和個體從業人員占城市勞動力就業總數的比重來衡量；其次是市場競爭度(com)，參考孫曉華和郭玉嬌(2013)等，采用城市i市轄區內的工業企業數與工業生產總值之比除以城市i市轄區樣本年度里企業總數與工業生產總值之比的平均值來近似描述。第六，外資依賴度(FDI)，主要用于檢驗“效率提升說”與“污染天堂說”，考慮到該指標市轄區數據不全，以各城市全市當年實際使用外資金額占全市GDP的比重來衡量。第七，政府干預度(gov)，使用市轄區一般財政預算內支出占GDP的比重來衡量。第八，基礎設施水平(inf)，考慮到數據可得性，采用市轄區人均城市道路面積作為代理變量。

2.數據來源與處理

(1)數據來源與樣本遴選。本文選取數據較完整的中國246個地級市作為實證觀測對象，并考慮到產業協同集聚活動主要發生在市轄區而采用了市轄區數據，數據主要來源于《中國城市統計年鑒》和《中國統計年鑒》。在時期跨度選擇上，由于我國2003年在產業統計口徑有著較大調整，本文選取2004～2015年作為取值區間，即2003～2014年的觀測數據[注]計算TFP指數的時間跨度為2002～2014年。其中，2002～2003年度的TFP數據對應產業協同集聚及其他變量2003年的數據。其他的均可依此類推。。

(2)數據處理。在具體變量核算或數據整理時，采取如下的處理方法。第一，在測算TFP指數時，勞動力投入數據由“年末單位從業人員數”和“城鎮私營和個體從業人員”兩個統計變量組成；產出變量數據選取“地區生產總值”來加以衡量，并以1978年為基期的相應省份GDP平減指數對其進行平減處理。第二，考慮到數據的連貫性，將個別變量的個別缺失數據采用插值法進行補充。第三，考慮到各變量因帶有一定時間趨勢而可能引發異方差問題，并進而可能造成回歸偏誤，我們對所有變量一律進行對數化處理。

三、實證研究結果及分析

(一)內生性問題及其解決

根據Durbin-Wu-Hausman檢驗結果，我們發現各模型存在內生性，可能引起回歸結果偏誤。進一步對主要解釋變量和控制變量依次進行Wald內生性檢驗，發現產業協同集聚指數(lnr)和人均地區生產總值(lnpgdp)為內生變量，即與擾動項存在相關關系，可能是與被解釋變量TFP之間存在逆向因果關系所致，這與我們的理論判斷相符。一方面，產業協同集聚影響TFP增長，但TFP增長也會反過來影響產業協同集聚發展，一個城市的TFP增速越高，就越能激發當地企業技術研發、產品創新、業務趕超等的動能，也因此能驅動企業利潤率的提升，進而推動產業協同集聚的發展。另一方面，雖然人均GDP增長能為TFP提升奠定經濟基礎，但根據索羅殘差公式，TFP本身即是GDP增幅中的一部分，因此一個城市的TFP增長率越高，其人均GDP也一般會相應得到提升。對此，本文以lnr和lnpgdp的滯后一階、兩階分別作為相應內生變量的工具變量，并用IV-GMM對每個待檢驗方程進行面板數據回歸。

(二)產業協同集聚影響TFP的IV-GMM估計

1.無內生分組的面板回歸。如果不進行內生分組，即刪除式(1)的虛擬變量及其交乘項，則發現產業協同集聚指數(lnr)的系數顯著為負，其系數大小為-0.025(回歸結果略)。說明在全國均值水平下，生產性服務業與制造業協同集聚顯著抑制了全要素生產率增長，這與既有多數文獻認為產業專業化集聚有利于生產率提升的結論存在較大出入，也似乎與我們的現象認知和邏輯推理不符。本文認為其主要原因在于，誠如文獻綜述所言，產業協同集聚作用于TFP時有著諸多作用力相沖的影響路徑，如果負向作用力大于正向作用力，則整體結果為負。而產業協同集聚影響TFP的負向作用力之所以大于正向作用力，一方面是產業協同集聚的整體質量偏低使然，另一方面是某些情形下產業協同集聚與構成產業區位熵指數成反比所致。當其中一個構成產業專業化集聚度低時，根據式(3)，另一構成專業化集聚度越低，產業協同集聚指數相反越高，這種缺乏產業積累沉淀的協同集聚指數自然不利于生產率增長。這是因為此時的產業協同集聚不僅整體規模有限，而且同處一地的生產性服務業與制造業之間的投入產出關聯較弱，則外部性經濟與產業間良性互動所釋放的積極作用力非常有限，使得沉沒成本、不良集聚組合等釋放的消極作用力相對性大幅攀升，從而造成整體結果為負的局面?？梢?，產業協同集聚影響TFP增長的作用規律不能一概而論，而是應基于構成產業區位熵指數內生分組的前提下，對不同組別中的具體作用規律進行分別闡述。

2.內生分組后的IV-GMM估計。以構成產業區位熵指數低為參照組，分別根據生產性服務業區位熵指數與制造業區位熵指數生成虛擬變量gmr2、gmr3、gsr2、gsr3。如此，式(1)實則演化為分段函數模型，其IV-GMM回歸如表1所示。其中，IV-2SLS回歸后的豪斯曼檢驗均支持固定效應模型。

表1 產業協同集聚對TFP影響的IV-GMM面板估計

注：gmr2、gmr3、gsr2和gsr3分別代表制造業區位熵指數中、制造業區位熵指數高、生產性服務業區位熵指數中和生產性服務業區位熵指數高；*、** 和*** 分別表示通過10%、5%和1%的顯著性水平檢驗，括號內為標準誤；Hansen檢驗為P值，其原假設為“所有工具變量都是外生的”；lnpgdp、lnr的工具變量均分別為L(1/2).lnpgdp、L(1/2).lnr。

表1中，lnr的系數顯著為負(即參照組)，說明構成產業集聚度低時的產業協同集聚與TFP提升成反比。相對于參照組，構成產業集聚度中或高時的lnr系數已由負轉正，且構成產業集聚度高時的系數值大于構成產業集聚中的系數值，說明構成產業集聚度越高，產業協同集聚越傾向于促進TFP增長。為進一步分析構成產業中或高時的產業協同集聚邊際影響系數，我們將表1兩個模型對應的分組方程撰寫出來，其結果如式(4)、式(5)所示。其中，Control代表所有控制變量，A代表所有控制變量的回歸系數矩陣。

(4)

(5)

根據式(4)，我們發現在不同制造業區位熵指數作用下，lnr對lnTFP的影響存在質的差異。在制造業區位熵指數高、中、低3個方程中，lnr的邊際影響系數分別為0.077、-0.046和-0.178。也就是說，如果制造業區位熵指數高，則生產性服務業與制造業協同集聚能顯著地促進TFP增長，否則就會顯著抑制TFP增長。而在另兩組的抑制力大小上，如果制造業區位熵指數低，則其與生產性服務業協同集聚對TFP的抑制力更大；如果制造業區位熵指數中，則其產業協同集聚對TFP的抑制力明顯減弱。可見，隨著制造業區位熵指數的提升，生產性服務業與制造業協同集聚對TFP的影響將由負轉正，其臨界點大約在全國制造業區位熵指數水平值的2/3處。而之所以跨過制造業區位熵指數2/3閾值后的lnr邊際系數整體為正，主要是因為：第一，跨過閾值后的制造業集聚已具備相對較大的產業規模，使得此時的制造業集聚與生產性服務業集聚對TFP的正外部性力量能充分釋放；第二，跨越閾值后的生產性服務業與制造業之間的良性互動趨于頻繁，促成兩大產業間的投入產出關聯不斷得到強化，由此交互作用而成的產業協同集聚較好地滿足了Jacobs正外部性的作用條件，因而能更好地發揮出對TFP提升的整體帶動力；第三，跨域閾值后的產業協同集聚區，產業之間、尤其是產業內部的企業競爭趨于激烈，迫使協同集聚區內的企業不斷進行技術創新和管理變革，如此能不斷強化協同集聚區的Porter正外部性力量；第四，相對于正向作用力，跨域閾值后的擁塞效應、沉沒成本、交易成本等負向作用力較小，使得此時的產業協同集聚能有效推動TFP提升。

根據式(5)，在不同生產性服務業區位熵指數作用下，lnr對lnTFP的影響僅存在量的不同。即在生產性服務業區位熵指數高、中、低3個方程中，lnr的邊際影響系數均為負，說明不管生產性服務業區位熵指數高或低，相應的生產性服務業與制造業協同集聚均對TFP增長起著抑制作用。不同的是，這種抑制力隨著生產性服務業區位熵指數的提高而降低。之所以此時的產業協同集聚邊際影響系數始終沒有突破由負轉正的臨界點，其原因可能在于：一方面，由于制造業是生產性服務業的需求部門，制造業一般處于相對超前發展的狀態，只有制造業區專業化集聚具備較強競爭力，其與生產性服務業協同集聚才能推動TFP增長；另一方面，生產性服務業區位熵指數高、中、低的分組仍過于粗陋，隨著產業協同集聚對TFP的邊際作用系數不斷趨近于零，在分組數足夠多的前提下，必然在生產性服務業區位熵指數最高的那組中出現lnr邊際作用系數為正的情形。

3.基于構成產業專業化集聚影響的進一步探討。我們分別以制造業集聚指數、生產性服務業集聚指數替代產業協同集聚指數對式(1)進行回歸，發現無內生分組時，制造業集聚傾向于抑制TFP提升(系數為-0.013)，而生產性服務業集聚能顯著促進TFP增長(系數為0.037)。內生分組后的回歸結果如表2所示，我們發現當制造業集聚指數低或生產性服務業集聚指數低時，制造業集聚對TFP的邊際影響顯著為負(模型一)或傾向于為負(模型二)，其余情形的邊際影響系數基本為正但表現出量的差異，說明制造業集聚度越高越有利于TFP提升，而生產性服務業集聚度越低才越有利于TFP增長。

表2 構成產業專業化集聚對TFP影響的IV-GMM面板估計

注：LQ根據式(2)計算，在模型一、二代表制造業集聚指數，在模型三、四代表生產性服務業集聚指數；gmr2、gmr3、gsr2和gsr3同表1；*、** 和*** 分別表示通過10%、5%和1%的顯著性水平檢驗，括號內為標準誤；控制變量及檢驗結果略。

綜合表1、2，我們發現構成產業專業化集聚與產業協同集聚影響TFP時的內在關聯。在很大程度上產業協同集聚抑制或促進TFP提升的結果，正是其構成產業專業化集聚對TFP邊際作用力的整體合力使然。當制造業集聚程度低時，制造業集聚對TFP的抑制力與生產性服務業集聚對TFP的推動力交相作用(表2的模型一、三)，造成產業協同集聚影響TFP的整體合力顯著為負(表1的模型一)。當制造業集聚程度高時，制造業集聚與生產性服務業集聚均能有效推動TFP提升，其相應的產業協同集聚自然有利于TFP增長。當以生產性服務業集聚程度作為分組依據時，制造業集聚均傾向于抑制TFP提升(表2的模型二)，生產性服務業均能促進TFP增長(表2的模型四)，但兩者交相作用所形成的產業協同集聚合力仍然為負(表1的模型二)?？梢?，相對于生產性服務業集聚而言，制造業集聚在產業協同集聚中所能發揮的作用更大。只有當制造業集聚有利于TFP提升時，相應的產業協同集聚才能推動TFP增長。一旦制造業集聚不利于TFP提升，即便此時的生產性服務業有利于TFP提升，相應的產業協同集聚仍然不利于TFP增長。

(三)穩健性檢驗

除采用單豪杰(2008)資本存量測算的MI指數作為被解釋變量進行驗證外，本文還采用以張軍(2004)資本存量測算的MI指數作為被解釋變量對式(1)進行驗證(結果略)，發現其IV-GMM回歸結果基本一致。同時，本文采用傳統的IV-2SLS方法對表1涉及的兩個模型進行重新回歸(結果略)，發現兩個方程不論在系數顯著性、系數符號還是系數值大小上，均與表1非常接近，這說明因本文選用數據的異方差問題而引起的偏誤不大，也再次證明采用IV-GMM得出的結論是穩健可信的。

四、結論與政策建議

在理論綜述的基礎上，本文以中國246個地級及以上城市2003～2014年的面板數據為觀測樣本，通過構建經典面板模型并借助IV-GMM回歸進行檢驗，結果發現中國城市產業協同集聚對全要素生產率的影響呈現非線性特征：隨著制造業區位熵指數的提升，生產性服務業與制造業協同集聚對TFP的影響將由負轉正，其臨界點大約在全國制造業區位熵指數水平值的2/3處；隨著生產性服務業區位熵指數的提升，雖然生產性服務業與制造業協同集聚對TFP增長均表現出抑制作用，但其抑制力隨著生產性服務業區位熵指數的提高而降低。

基于上述結論，本文提出如下的政策建議。首先，產業協同集聚的“雙輪驅動”戰略不宜在全國范圍內全面鋪開，這種戰略相對而言更適合于在制造業集聚程度較高的城市推廣。在制造業集聚程度相對較低的城市，應重點考慮制造業專業化集聚發展道路，并通過制造業的優先發展來帶動生產性服務業的內生性增長。如果不顧城市專業化集聚實際而盲目推進“雙輪驅動”戰略，則可能不僅會抑制該城市全要素生產率提升，而且會因該戰略實施導致的資源錯配而破壞整個城市經濟的良性循環。其次，應采取有效措施切實提升產業協同集聚區的構成產業專業化集聚質量，注重產業集聚的高質量發展、尤其是技術進步?？梢哉f，越是高質量的專業化集聚，越是容易形成有利于MAR、Jacobs、Porter等正外部性力量釋放的氛圍和平臺，就越能推動專業化集聚及相應產業協同集聚對TFP的增長。最后，基于短期發展目標，可針對所在城市專業化集聚程度來確定其產業協同集聚的差異化發展目標。從制造業專業化集聚視角看，當其專業化集聚度低時，應以產業協同集聚對技術進步的推動效應為主要目標，并警惕產業協同集聚對效率改善和規模變化的消極影響。隨著制造業專業化集聚度的逐漸提升，應適時將產業協同集聚的主要目標定位到效率改善上，并警惕技術進步可能停滯不前的消極影響。從生產性服務業專業化集聚視角看，應始終將產業協同集聚對技術進步的推動效應作為主要目標，并警惕此時對效率改善的消極影響。