長三角地區產業布局選擇：多樣化還是專業化

牛黎光，方大春

(安徽工業大學 商學院，安徽 馬鞍山 243002)

一、引言

長三角一體化高質量發展關鍵在于構建一體化的長三角產業分工合作體系。因資源稟賦、發展情況和歷史特征不同，城市產業布局方式呈現兩種不同特征：專業化集聚和多樣化集聚。專業化集聚與多樣化集聚對經濟增長會產生怎樣的影響？經濟學家有兩種不同觀點：地區產業專業化更有利于促進知識溢出和經濟增長而形成馬歇爾-阿羅-羅默(MAR，Marshall-Arrow-Romer)外部性，地區產業多樣化更有利于促進知識溢出和經濟增長形成雅各布斯(Jacobs)外部性。國內學者對此也有大量研究：蘇紅鍵、趙堅以全國284個地級單位為樣本對中國城市產業專業化和職能專業化特征進行了分析，得出傾向于支持MAR溢出的結果[1]。蔣媛媛利用全域專業化指數測算中國地區專業化水平，提出整體的地區專業化水平與我國經濟發展水平存在倒U關系[2]。俞梅珍、林志帆使用面板門檻模型研究產業專業化的潛在異質性，發現其對經濟增長的影響存在明顯的倒U型非線性特征[3]。張遼、楊成林發現多樣化與經濟增長間存在倒U關系，相關多樣化能夠顯著促進地區經濟增長，而無關多樣化對地區經濟增長有明顯的阻礙作用[4]。周國富等通過理論分析得出，應當結合所處的外部經濟環境來分析產業的相關或無關多樣化對經濟增長影響[5]。當前長三角地區存在的產業集聚與區域創新的空間分布存在明顯的高度一致性現象[6]。隨著長三角一體化進程加快，研究產業集聚對于長三角的經濟發展究竟產生怎樣影響，具有重要意義。本文以長三角城市群41市為樣本，從實證角度考察產業專業化和多樣化對城市群內部城市經濟增長的影響，以期能為長三角城市群產業結構調整與實踐提供參考。

二、專業化和多樣化

(一)長三角各城市專業化和多樣化指數

目前多樣化指標和專業化指標的計算有多種方法。測度專業化的方法有區位熵、赫爾芬達-赫希曼指數等。區位熵通常用于衡量產業在特定區域中的相對集中度，是比較專業化程度的重要指標。測度產業多樣化的方法主要有赫希曼-赫芬達爾多樣化指數、相對多樣化指數(克魯格曼變異指數倒數)、熵指數等。

通過比較上述專業化的衡量方法，利用區位熵(SIi)來衡量城市的專業化水平。

SIi=∑Sij/Sj

(1)

為了便于不同城市間專業化的比較，借鑒李金滟、宋德勇[7]的做法采用相對專業化指數(RSIi)：

(2)

測度城市的多樣化指數(DIi)選取赫希曼-赫芬達爾指數(HHI)的倒數：

(3)

為了便于城市間的比較，同專業化指標選取一樣，采用相對多樣化指數(RDIi)：

RDIi=1/∑(|Sij-Sj|)

(4)

公式中Sij表示i城市的j行業在城市i中的就業份額,Sj則表示j行業在全國所有的行業中所占就業份額。RSIi增大，表明區域專業化程度提高；RDIi增大，表明區域的多樣化程度提高。

各產業數據從《中國城市統計年鑒》中選取2009-2018年的行業數據進行分析，借鑒魏瑋等[8]與周國富等[5]對服務業的分類方法將19個行業劃分為九大經濟部門：農、林、牧、漁業；采礦業；制造業；電力、燃氣及水的生產和供應業；建筑業；生產性服務業(金融業、房地產業、租賃和商務服務業)；消費性服務業(住宿和餐飲業、居民服務修理和其他服務業、文化體育和娛樂業)；流通性服務業(批發和零售業、交通運輸倉儲和郵政業、信息傳輸計算機服務和軟件業)；社會性服務業(科學研究技術服務和地質勘査業、水利環境和公共設施管理業、教育、衛生和社會工作、公共管理社會保障和社會組織)。

(二)長三角各城市產業的專業化和多樣化特征分析

首先，根據式(2)和式(4)測度長三角城市群城市的專業化和多樣化水平，見表1、表2。鑒于篇幅有限僅列出2009年、2012年、2015年、2018年的城市群各市的計算結果。

由表1可知大部分城市的專業化指數都處于一個較低的水平。淮南和淮北的專業化指數在41市中在各個年份都處于較高水平，淮南在8以上，而淮北在12以上，遠高于其他城市。淮南和淮北在2018年分別達到11.06和13.24。淮南和淮北的專業化主要集中在采礦業。淮安和衢州的專業化指數常處于較低水平。由淮安各年份的專業化最大值可知，淮安的專業化主要集中在制造業和建筑業。衢州的專業化并不集中于某些特定行業，而是呈現出較為分散的分布。總體上看上海、南京、蘇州、合肥的專業化指數有上升趨勢，而杭州呈現出下降趨勢。變化幅度最大的是宣城，從2009年到2012年有較大幅度的提升，而2012年到2015年出現大幅度下降。

表1 長三角41市各年專業化指數

由表2可以看出，亳州、池州的多樣化指數變化較大，并且呈現出逐年增長的趨勢。其中連云港的多樣化指數長期維持在較高水平，而蘇州和淮北的產業多樣化指數長期處于較低水平。上海、南京、合肥多樣化指數呈現出下降趨勢，而蘇州、杭州有上升趨勢。

表2 長三角41市各年多樣化指數

三、模型設計、數據來源

(一)模型設計

在模型設計方面，城市經濟學家亨德森等人將城市視為一個整體，以C-D函數為基礎，加入了產業專業化與多樣化因素。城市產出函數可以表示為：

(5)

式中：Y為總產出，i代表特定城市，t為時間，L為勞動投入，K為資本投入，α與β分別為資本和勞動的產出彈性，f(SIi,t)與g(DIi,t)分別表示城市產業專業化、多樣化對產出的影響。

以公式(5)為基礎推導城市產業專業化、多樣化與經濟增長的模型。對公式(5)兩邊取對數，以消除數據異方差。由于經濟增長容易受到上一期經濟發展情況的影響，擬構建動態面板模型，并基于現有文獻控制了一些影響變量。得：

lnYi,t=InYi,t-1+β0+β1RSIi,t+β2RDIi,t+β3lnWorki,t+β4lnGdzci,t+β5lnOpeni,t+β6lnUrbani,t+β7lnRoadi,t+εi,t

(6)

為了考察多樣化與專業化水平與經濟增長之間是否存在非線性關系，在式(6)的基礎上加入多樣化指數和專業化指數的平方項。

(7)

(8)

(9)

其中：Y表示城市的GDP，i表示某個城市，t表示年份；RSI和RDI分別為相對產業專業化指數與相對產業多樣化指數；Work表示就業人數，采用全市就業總人數；Gdzc表示固定資產投資；Open表示經濟外向度，使用進出口總額占GDP的比重衡量各省份對外開放水平；Urban表示城鎮化率，使用常住人口城鎮化率(占總人口比重)；Road表示人均城市道路面積；εit是隨機擾動項。

(二)數據來源

研究樣本為長三角地區40個地級市和1個直轄市，選取2009年到2018年的相關數據，數據來源于2010—2019年《中國統計年鑒》、《中國城市統計年鑒》和長三角城市群對應省市各年統計年鑒，個別缺失值由線性插值法補齊。

資本投入(Gdzc)用資本存量，借鑒劉常青等[9]物質資本存量進行估算的方法，其估算方法為永續盤存法。其估算公式為：

Kt=Kt-1(1-δ) +(It+It-1+It-2)/3

(10)

其中K為資本存量；t為時間；δ為折舊率；It是t年的實際投資額。考慮到數據的可得性，永續盤存的起始時間取2007年。為消除價格因素的影響，對人均生產總值以2009年為基期進行平減。

表3 變量描述性統計

四、實證研究結果及分析

基于2009—2018年41市面板數據，使用Stata15.0進行回歸分析。由于在式(6)中納入了時間效應，被解釋變量的滯后項會引起嚴重的內生性問題，從而使參數估計出現失誤。如果繼續采用傳統面板模型估計方法，會導致估計結果發生偏差，從而使得到的統計結果偏離真實值。而動態面板系統GMM估計方法可以較好地克服模型嚴重的內生性問題。

根據兩個主要解釋變量設計了四個不同形式的模型，模型1不包含專業化和多樣化指數，模型2、模型3和模型4分別對應式(7)、式(8)和式(9)。由模型2和模型3計算出RSI(專業化)和RDI(多樣化)的拐點值分別為5.109 3和5.195 2。

在對各變量與因變量間的關系分析之前，首先對系統GMM模型中動態關系的設定是否合理進行檢驗。由表4可知，模型2至模型4的AR(1)的p值均小于0.05，AR(2)的p值均大于0.05，即隨機誤差項存在一階序列相關和二階序列不相關。用來判斷工具變量過度識別的Sargan檢驗的p值均大于0.1，不能拒絕工具變量有效性假設，這說明工具變量的選取是合理且有效的，即系統GMM估計的結果是可信的。

表4 模型估計結果

具體來看，RSI(專業化)在模型2和模型4中均為正，且在1%置信水平上高度顯著，說明產業專業化對經濟增長有顯著的正向效應。其二次項系數均為負，且在1%水平顯著，表明產業專業化水平與經濟增長之間存在非線性關系，系數為負說明在臨界值5.109 3之前產業專業化水平的提升有助于經濟增長，超過臨界值之后的產業專業化水平增長將阻礙經濟的增長。由表1可知大部分城市的專業化水平小于臨界值，從城市群整體來看，產業專業化的增長正對經濟增長發揮著正向作用。

RDI(多樣化)在模型3和模型4中，一次項系數為負，二次項系數為正，且在1%水平顯著，說明產業多樣化對經濟增長有負向作用，且產業多樣化和經濟增長之間存在非線性關系。二次項系數為正，說明在臨界值5.195 2之前產業多樣化水平的提升對經濟增長有負向作用，而超過臨界值后的產業多樣化水平的提升有助于經濟增長。由表2可知大部分城市的多樣化水平小于臨界值，從城市群整體來看，產業多樣化的提高正對經濟增長發揮著負向作用。

在模型1至模型4中Work(就業人數)、Open(經濟外向度)和Road(人均道路面積)系數均為負，且在1%置信水平上高度顯著。Work(就業人數)系數為負值，而Gdzc(固定資產投資)為正值，一方面表明長三角地區產業是資本或技術密集型，勞動力過多投入會對經濟增長產生負作用；另一方面表明長三角地區人力資本需要提升，適應戰略性新興產業發展。Open(經濟外向度)和Road(人均道路面積)的系數絕對值較小，表示其對經濟的影響程度相對較小，表明國外經濟尚未完全從經濟危機中恢復，長三角地區基礎設施水平暫時能夠滿足經濟發展需要。Gdzc(固定資產投資)和Urban(城鎮化率)系數均為正，且在1%置信水平上高度顯著，表明固定資產投資與城鎮化對城市經濟有促進作用。

五、穩健性檢驗

為了進一步確定上述結果的準確性，通過剔除“異常”樣本[10]進行穩健性檢驗，并利用Bond提出的一個經驗判斷法則進一步驗證系統GMM估計結果的有效性，以Y滯后項為例，OLS估計量的系數為0.882 2，固定效應模型估計量的系數為0.404 4，系統GMM估計的系數(0.473 9)介于二者之間，說明系統GMM方法估計出的系數是合理的，可見系統GMM估計結果是有效的。

由表5可知，模型7的AR(1)p值小于0.05，AR(2)p值大于0.05，Sargan檢驗的p值大于0.1，說明剔除“異常”樣本的系統GMM估計有效。可以看出，各解釋變量的顯著性和符號都與模型4基本保持一致，模型的整體解釋程度相差較小，說明模型的估計結果是穩健的。

表5 產業專業化多樣化與城市經濟增長的關系

六、結論與建議

(一)結論

基于2009—2018年長三角城市群41市的面板數據，通過構建動態面板計量經濟學模型，運用系統GMM方法實證檢驗了專業化、多樣化對長三角城市群經濟增長的影響。

研究結果表明，長三角城市群經濟發展具有一定的慣性，城市上一期的發展狀況對其后經濟增長有影響。產業專業化對經濟增長有顯著的正向作用，說明提高產業專業化水平有利于促進城市經濟增長。長三角城市在發展特色產業或承接經濟發達地區的產業轉移時，應注重培養主導產業，加強對承接產業的篩選，提高城市產業專業化水平。需要注意的是，產業專業化對經濟增長的影響存在倒“U”型特征，地區產業專業化水平存在一個最優值而并非越高越好。地區產業專業化水平高于一定程度易導致其支柱產業過于單一，影響地區經濟的穩定性，不但其抗風險能力變差，而且影響地區經濟的可持續增長的能力。

產業多樣化對經濟增長有顯著的負向作用，地區經濟發展前期過多地提升多樣化水平使得資源配置不集中，難以取得較好的成果。需要注意的是，產業多樣化對經濟增長的影響存在正“U”型特征，即多樣化對經濟增長的促進作用會先出現一個負向促進階段，在某一點上促進作用發生變化，超過這一點時，多樣化可能會促進經濟增長。

(二)建議

第一，城市產業發展戰略需要立足自身特征。根據產業專業化、多樣化對經濟發展影響的“U”型特征，充分發揮好產業集聚的兩種模式在城市經濟發展不同階段的積極作用。政府應根據城市產業專業化和多樣化水平合理規劃城市產業發展方向，不要過度追求過高的專業化或者多樣化水平。政府在選擇引進或培育重點產業時，應該更多地考慮當地的區位、資源、環境等特點。尤其是中小城市在發展特色產業或承接經濟發達地區的產業轉移時，應注重培育主導產業，加強對承接產業的篩選，提高城市產業專業化水平，積極融入長三角城市群分工體系。

第二，城市產業布局需要在長三角產業共生網絡尋找立足點。城市產業多樣化集聚與專業化集聚對經濟增長不同影響是基于生產要素不完全流動性。隨著長三角交通一體化和公共服務一體化深入推進，生產要素流動加快，產業集聚不僅給城市自身帶來效應，也對其他城市產生效應。實際上，隨著產業內分工細化，產業之間會形成共生網絡。城市在選擇合適的產業發展時，應該站在長三角一體化層面考慮城市間的產業分工，避免城市間的惡性競爭。城市群內大城市應當積極承擔、發揮好中心城市的輻射帶動作用，其他城市應當圍繞主導產業做好產業承接、配套工作和積極發展自身特色產業，深化城市群內部城市間的產業分工，以促進長三角一體化高質量發展。