長江經濟帶產業協同集聚的技術創新效應
——基于生產性服務業與制造業的實證分析

□邱志萍 幸 怡

一、引言

2020 年7 月，黨中央提出了要加快形成以國內大循環為主體、國內國際雙循環相互促進的新發展格局。江小涓和孟麗君（2021）[1]認為當前中國經濟總量和內需規模持續增長，內循環地位較外循環有了明顯提升，同時全球產業鏈則步入了停頓和回縮的深度調整期。2020 年11 月，習近平總書記在全面推動長江經濟帶發展座談會中強調，要勇于創新，堅持把經濟發展的著力點放在實體經濟上，圍繞產業基礎高級化、產業鏈現代化，發揮協同聯動的整體優勢，全面塑造創新驅動發展新優勢。[2]紀祥裕和顧乃華（2020）[3]提出目前許多城市已將生產性服務業與制造業協同集聚作為產業現代化發展的重要抓手，協同集聚逐漸成為創新驅動發展的重要平臺。張虎等（2017）[4]認為只有不斷提高制造業與生產性服務業協同集聚程度，發揮生產性服務業在產業融合中的粘合劑作用，才能促進產業間協同互動發展。因此，產業協同集聚不僅有利于實現優勢互補的專業化分工，還有助于推動產業鏈延伸和提高產業鏈現代化水平，并以此加快實現創新型驅動發展。由此引發本文思考的是，在當前構建“雙循環”新發展格局的背景下，長江經濟帶生產性服務業與制造業協同集聚對科技創新將產生怎樣的影響？進一步從空間關聯性視角來看，協同集聚對科技創新的空間溢出效應又將會是怎樣的？為此，本文將基于長江經濟帶108 個城市面板數據進行系統的實證研究，為塑造區內產業協同聯動優勢、推動產業鏈現代化發展和實現協同集聚的創新效應提供政策參考。

二、文獻綜述

學術界證實了不同產業之間存在協同集聚現象及其潛在的創新效應。Helsley 和Strange（2014）[5]認為產業集聚不僅是單一產業在地理上的集中與自我強化，而且也是相關產業協同集聚的演化過程。Ellison 等（2010）[6]著重闡述了產業協同集聚的微觀機制與形成動因，認為主要表現在勞動力市場效應、中間投入品和知識溢出三大因素。陳國亮和陳建軍（2012）[7]基于產業與空間兩大視角研究城市二三產業共同集聚的作用機理，發現二三產業共同集聚的原因在于產業前后向關聯。Kolko（2010）[8]認為生產性服務業與制造業協同集聚將產生明顯的知識溢出效應，并能顯著促進產業間的直接交易。Ke 等（2014）[9]研究發現一個具有完善發達的生產性服務業的城市能夠有效吸引制造業企業集聚，同時擁有較多制造業企業集聚的地區也有著相對完善的生產性服務業企業，兩產業之間表現出明顯的協同集聚效應。Yuan 等（2017）[10]發現生產性服務業的從業活動主要分布在市中心區域，而制造業就業則分散于城郊和老城區，二者空間分布狀況呈現協同集聚和可分離性的特點。江曼琦和席強敏（2014）[11]認為產業特征和產業間聯系是產業協同集聚的主要因素。紀祥裕和顧乃華（2020）[3]研究發現產業協同集聚顯著提升了全國城市創新水平，并具有顯著的正向外溢效應，同時城市創新存在典型的空間互動集聚現象。原毅軍和高康（2020）[12]基于省級層面考察了產業協同集聚對區域創新效率的空間效應及其地理衰減邊界，發現產業協同集聚顯著提升本地創新效率，并通過研發人員互動對周邊地區的創新效率產生正向溢出效應，但這存在明顯的地理衰減效應。

通過梳理發現，現有關于產業協同集聚的創新效應的研究顯得相對匱乏，在長江經濟帶層面尚未展開系統性的研究。基于2003—2019 年108 個樣本城市的面板數據，本文將實證檢驗長江經濟帶生產性服務業與制造業協同集聚對技術創新的影響，圍繞變量替換、剔除特殊樣本、面板分位數估計和克服內生性問題等方面進行系統的穩健性檢驗，并進一步探討不同時段、不同板塊和不同城市規模的異質性影響。此外，考慮空間關聯特征，借助空間杜賓模型進一步刻畫協同集聚的“本地-鄰地”技術創新空間溢出效應，以豐富現有研究。

三、實證設計和數據來源

（一）模型設定

為考察長江經濟帶產業協同集聚的技術創新效應，本文構建如下基準計量模型：

其中c 為常數項，λ1為城市固定效應，δt為時間固定效應，εit為隨機誤差項；PAT 為技術創新，COAG 為產業協同集聚，α 預期為正；Zit為控制變量向量，β 為對應待估參數。

（二）變量說明

1.被解釋變量。借鑒張虎等（2017）[4]的做法，基于城鎮單位從業人員數據，采用區位熵指標計算生產性服務業集聚（PSQ）和制造業集聚（MQ），并以此計算產業協同集聚，即：

2.核心解釋變量。白俊紅和劉怡（2020）[13]認為專利是區域技術創新的重要體現。本文采用每百萬人擁有專利授權數(項/百萬人)刻畫技術創新（PAT）。

3.控制變量。借鑒已有研究的做法[3][12][14]，考慮數據可得性，本文主要選取政府參與、科技投入、人力資本、互聯網信息發展、交通基礎設施和外商投資等指標作為控制變量。具體來看，政府參與（GOV）為當地技術創新提供重要平臺和實現機制，采用除科學技術和教育支出外的地方政府一般預算財政支出占GDP 的比重（%）來表示，預期為正；科技投入（TEC）與技術創新產出緊密相連，科技經費投入的增加保障了技術創新的研發資金需求，采用科學技術支出占地方政府一般預算財政支出的比重（%）來表示，預期為正；人力資本（HC）為地區技術創新提供重要的驅動力和支撐，為提升創新產出與效率貢獻智力支持，采用每萬人普通高等學校教師數（人）來表示，預期為正；互聯網信息發展（NET）有效降低了技術創新過程中面臨的信息成本，同時有效強化技術擴散與溢出，采用人均電信業務量（元/人）表示，預期為正；交通基礎設施（TIF）能夠有效降低創新要素流動成本，增強地區對科技人才的吸引力，更易于獲得技術擴散的紅利，采用單位地區行政面積下擁有的年末實有道路面積（平方米/平方千米）表示，預期為正；外商投資（FDI）為當地增加資本存量、引入先進技術和管理經驗等要素，并通過產業與技術關聯和知識溢出進一步作用于技術創新，采用人均實際利用外資額(美元/人)表示，預期為正。

（三）數據來源

依據國家統計局公布的《生產性服務業統計分類（2019）》標準，本文選取交通運輸、倉儲和郵政業、信息傳輸、計算機服務和軟件業、金融業、租賃和商務服務業、科學研究和技術服務等行業來表示生產性服務業。考慮數據的可得性，本文樣本為2003—2019 年長江經濟帶108 個地級及以上城市，所需數據均源于歷年《中國城市統計年鑒》、各省及城市統計年鑒和中國國家統計局官網。本文采用移動平均法補齊個別缺失數據，并對人力資本數據加1 再取對數，以解決零值無法對數化問題。各變量描述性統計及方差膨脹因子見表1。

表1 變量描述性統計表和方差膨脹因子VIF（Obs=1836）

四、實證檢驗與分析

（一）基準結果與分析

由表1 可知，各變量VIF 的均值為2.16，對應最大值僅為2.97，遠小于臨界值10，這表明模型不存在嚴重的多重共線性問題。Hausman 檢驗結果強烈拒絕原假設，說明應采用固定效應模型進行實證檢驗。為盡可能地克服遺漏變量的問題，本文所有實證分析過程均控制了時間效應和城市個體效應，以確保估計結果的可靠性。此時，表2 第（1）列結果顯示，當不考慮控制變量時，產業協同集聚的估計系數顯著為正（0.539）；進一步考慮控制變量后，第（2）列顯示模型擬合優度有所提高，產業協同集聚變量在1%水平上顯著為正（0.406），這說明長江經濟帶生產性服務業與制造業協同集聚具有顯著正向的創新驅動效應。長江經濟帶具有廣闊的縱深空間優勢和要素稟賦差異性的特點，應積極推動制造業和服務業產業戰略升級，強化城市間及其內部的產業協作關系，形成以價值鏈為紐帶的產業分工模式，為實現區域內創新發展提供支持。此外，所有控制變量的結果與預期相符，政府參與、科技經費投入、人力資本、互聯網信息發展、交通基礎設施和外商投資均能夠顯著促進技術創新發展。

表2 基準估計和穩健性檢驗結果

（二）穩健性檢驗與分析

1.替換關鍵變量。關鍵變量的替換主要針對被解釋變量和核心自變量，即采用其他指標或方法度量技術創新和產業協同集聚。金培振等（2019）[15]認為就技術創新而言，與實用新型專利和外觀設計專利相比，發明專利的研發成本與技術復雜度更高，而且申請程序與保護規定更嚴格，更能體現城市的實質性創新能力。因此，本文將采用每百萬人發明型專利授權量（項/百萬人）重新衡量城市技術創新水平（INPAT），對應結果報告于表2 第（3）列。就產業協同集聚而言，借鑒高康和原毅軍（2020）[16]的研究思路，在原有產業協同集聚COAG 計算公式的基礎上納入表征空間外溢效應的地理距離衰減系數，即，其中dis 表示108 個城市之間的地理距離(公里)，對應結果報告于表2 第（4）列。此時，產業協同集聚對發明型專利INPAT 的影響仍在5%水平上顯著為正（0.362），同時考慮空間外溢的產業協同集聚SCOAG 變量仍顯著為正(0.422)，這都支持基準結果。

2.剔除特殊樣本。在本文的研究樣本中，既有直轄市、省會城市和普通地級市，也有內陸城市和沿海城市。一般來說，城市等級越高，其生產分工優勢就越突出，創新要素集聚程度也越明顯。相比內陸城市，沿海城市更加靠近國際市場，在參與國際市場分工過程中更易于對其內部產業布局和技術創新情況產生影響。鑒于此，本文將依次剔除直轄市、直轄市及省會城市和沿海城市，對應估計結果分別報告于表2 第(5)-(7)列。可見，無論是何種特殊樣本的剔除，產業協同集聚都始終顯著為正，仍支持基準結果。

3.面板分位數估計。面板數據分位數回歸（Quantile Regression for Panel Data，QRPD）在不假設數據分布服從正態分布的情況下，能夠很好地識別不同分位點下解釋變量對被解釋變量的邊際影響，有區別于均值回歸的OLS 方法。[17]鑒于此，本文采用面板分位數回歸模型進行實證估計（如圖）。結果顯示，除0.9 分位點外，其余分位點下產業協同集聚始終顯著為正，對應系數位于基準結果(虛線)附近，進而再次驗證了基準結果的穩健性。

圖基于面板分位數估計的產協同集聚估計系數及置信區間

4.克服內生性問題。值得注意的是，現實經濟系統中仍可能存在其他難以觀測的隨時間變化而又同時影響產業協同集聚與技術創新的因素，由此產生的內生性問題導致估計結果存在一定的偏誤。為此，有必要克服上述問題，以獲得穩健的估計結果。

首先，對核心解釋變量及所有控制變量分別進行滯后一期處理，采用OLS 方法進行再估計，得到表3 第（1）-（2）列結果。據此可知，產業協同集聚始終在1%統計水平上顯著為正，系數分別為0.499 和0.495，這與前文基準結果相符。

然后，采用工具變量法進行估計。借鑒陳大峰等（2020）[18]的做法，采用各城市各期產業協同集聚水平減去當期集聚水平的平均值作為工具變量IV。該變量在考慮雙向固定效應后始終與各城市-年份產業協同集聚程度相關，但與歷年城市技術創新水平不存在直接的因果關系，因而滿足工具變量相關性和外生性的兩個基本要求。相應的檢驗結果表明：最小特征值統計量分別為20784.27 和20722.46，均遠大于Wald 檢驗的臨界值（16.38），表明所選工具變量與內生變量存在很強的相關性；Kleibergen-Paap rk LM 檢驗在1%統計水平下顯著，Kleibergen-Paap Wald rk F 統計量則遠大于Stock-Yogo 檢驗的臨界值（16.38），表明工具變量能夠很好地被識別，且不存在弱工具變量問題。表3 第（3）-（4）列的內生性檢驗結果表明，產業協同集聚在5%的顯著性水平上強烈拒絕其為外生變量的原假設。此時，在克服內生性問題后，產業協同集聚始終在1%水平上顯著為正，進而驗證了基準結果的可靠性。

最后，還采用動態面板系統GMM 方法進行實證檢驗，以捕捉技術創新潛在的動態慣性因素和克服內生性問題。表3 第（5）列顯示：Sargan 和Hansen 檢驗均接受工具變量為外生變量的原假設，AR(1)檢驗P 值為0.000，而AR（2）檢驗P 值為0.157，表明所選工具變量有效且模型誤差項不存在殘差序列相關，滿足系統GMM 估計要求；與工具變量法結果相比，系統GMM 得到的產業協同集聚系數及顯著性并未發生明顯變化，仍支持前文基準結果。

（三）異質性檢驗與分析

1.不同時間段。本文以2008 年全球金融危機為節點，將樣本時間分為危機前(2003-2007 年)和危機后（2008—2019 年）兩個時間段樣本，實證檢驗的結果報告于表4 第(1)-(2)列。由此可知，危機前后產業協同集聚變量均通過了5%顯著性水平的統計檢驗，估計系數分別為0.737 和0.353，這表明危機后產業協同集聚對技術創新的促進作用更小，這可能是因為全球金融危機和諸多經濟不確定性因素導致區內經濟環境受到負面沖擊的影響，改變了原有的產業分工格局和科技創新環境，導致產業協同集聚的創新驅動效應較弱。

2.不同地區板塊。考慮到長江經濟帶橫跨中國東中西三大板塊，因此，本文將樣本城市分為東部地區、中部地區和西部地區，實證檢驗的結果報告于表4 第（3）-（5）列。由此可知，東部地區產業協同集聚在1%水平上顯著為正且估計系數為0.949，中部地區則在5%水平上顯著為正且估計系數為0.447，而西部地區則未通過顯著性檢驗，這表明長江經濟帶東部城市產業協同集聚的技術創新效應最強，中部地區其次，而西部地區最弱且不顯著。因此，為推動長江經濟帶實現高質量發展，應實施差異化的產業及創新發展政策，強化東部與中西部城市的產業分工合作，優化內陸地區科創環境，以共同強化產業協同集聚的創新驅動效應。

3.不同城市人口規模。依據2014 年國務院公布的《關于調整城市規模劃分標準的通知》，本文將2019 年樣本城市市轄區人口數高于100 萬人劃為大型城市，而低于100 萬人則劃為中小型城市，對應的實證結果報告于表4 第（6）-（7）列。由此可知，大型城市產業協同集聚系數在1%統計水平上顯著為正(0.410)，而中小型城市的系數僅為0.194 且不顯著，這說明長江經濟帶大型城市產業協同集聚的技術創新效應更加明顯。相比中小城市，大型城市擁有更為全面的產業分工體系和較強的創新能力，在制造業和生產性服務業的深度融合與分工協作獨具優勢，進而引致更加顯著的知識溢出效應，為推動科技創新發展提供堅實的產業基礎。

（四）考慮空間溢出效應的拓展分析

為系統考察產業協同集聚與技術創新空間關聯特征，以及二者潛在的空間溢出效應，本文采用空間計量模型進行實證檢驗。關于空間權重矩陣的設定，考慮到地理鄰接矩陣無法充分反映區域間空間關聯，白俊紅等（2017）[19]采用地理距離矩陣(W1)，即兩城市之間地理距離的倒數來表示。此外，為確保實證結果的穩健性，本文還借鑒邵帥等（2016）和Shao 等（2020）[20-21]的做法，構建兼顧地理與經濟意義的空間權重矩陣。這具體包括：考慮空間經濟非對稱的地理經濟嵌套矩陣（W2），采用W1 與樣本期內兩城市人均GDP 均值比值的乘積來表征；考慮城市經濟相對影響力的地理經濟空間權重矩陣（W3），采用W1 與樣本期內城市人均GDP 均值占所有樣本人均GDP 均值比重的乘積來表征。經過空間自相關檢驗發現，不同權重矩陣下Moran's I 值始終在1%統計水平上顯著為正，且整體上呈增長趨勢，這表明技術創新和產業協同集聚在空間上呈現出愈加強化的空間依賴性和集聚特征。①

接下來，本文將進一步考慮空間相關性特征，借助108 個城市面板數據的空間杜賓模型SDM 實證檢驗長江經濟帶產業協同集聚對技術創新的空間溢出效應。具體模型設定如下：

其中，c1表示常數項表示個體城市固定效應表示時間固定效應表示隨機誤差項；W 為空間權重矩陣，α1、β1、ρ、θ 和γ 表示對應變量的待估參數。

本文對空間計量模型形式作出合理規范的選擇，借鑒LeSage 和Pace（2009）、Anselin 等（2004）[22-23]的檢驗思路，綜合考慮（Robust）LM 檢驗、自然對數值Log-L、Wald 檢驗和LR 檢驗等方式進行比較分析。以W1為例，采用空間滯后模型SAR、空間誤差模型SEM 和空間杜賓模型SDM 進行估計。由表5 第（1）-（3）列顯示：Hausman 檢驗強烈拒絕原假設，宜采用固定效應模型；在SAR 和SEM 下LM 和Robust LM 檢驗值均顯著為正，表明模型設定需同時考慮空間滯后與誤差因素。進一步比較自然對數Log-L、Wald 和LR 的結果，發現SDM 的Log-L 數值更大，Wald 與LR 檢驗在空間滯后和空間誤差情形下均在1%統計水平上顯著，表明應采用SDM 模型進行實證分析。

為確保估計結果的穩健有效性，還將基于空間權重矩陣W2 和W3 進行SDM 估計，實證結果分別報告于表5 第（4）-（5）列。相應的(Robust)LM 檢驗、Log-L、Wald 檢驗和LR 檢驗結果均表明，采用SDM 模型進行實證分析是合理的。綜合第（3）-（5）列結果，在空間權重矩陣W1-W3 的設定下，SDM 的空間項系數均在1%統計水平上顯著為正，產業協同集聚在1%統計水平上顯著為正，這說明前一時期與地理相近的城市擁有較高的技術創新水平，將會促使本地區當期技術創新水平的進一步提高，呈現出明顯的正向時空互動效應，同時一個城市技術創新將會受到本地協同集聚及周邊城市產業協同集聚外溢效應的共同影響。

表5 基于空間計量模型的拓展性檢驗

基于SDM 模型進一步整理得到直接效應、間接效應和總效應（表6），結果顯示：三種空間權重矩陣下同一變量的直接與間接及總效應的作用方向和顯著性水平基本保持一致，說明空間溢出效應結果具有較強的穩健性。以矩陣W1 下的結果為例，產業協同集聚直接效應顯著為正（0.330），而其間接效應則顯著為負（-3.248），最終的總效應仍為負（-2.946）且不顯著，表明區域內本地區產業協同集聚對周邊鄰近城市技術創新產生一定的“虹吸效應”，這與紀祥裕和顧乃華（2020）[3]在全國城市層面得到的研究結論不相符。樣本期內協同集聚和技術創新的空間關聯性愈加強化，產業協同集聚過程將匯聚周邊城市各類要素，加之城市間技術創新存在典型的競爭效應，進而導致產業協同集聚對周邊城市創新產生一定的負向溢出效應。此外，除科技經費投入變量未通過顯著性檢驗外，其余控制變量的直接效應均顯著為正，這與前文基準結果相符。間接效應顯示：本地區的科技經費投入、互聯網發展和交通基礎設施建設將產生顯著正向的空間溢出效應，進而有效促進周邊城市技術創新發展。而本地區政府行為、人力資本積累和外商投資活動則不會產生顯著的溢出影響效應。經比較發現，考慮到經濟社會發展的需要，本地區的政府行為、人力資本發展和外商投資活動等因素與周邊城市存在明顯的競爭效應，相應的科技經費投入在創新驅動背景下對周邊城市則表現出一定的正向示范效應，同時互聯網信息與交通基礎設施的不斷發展完善將促使地區間創新要素實現高效低成本流動，進而產生明顯正向的空間溢出效應。

表6 SDM 模型的直接效應、空間溢出效應和總效應

五、研究結論與政策建議

（一）研究結論

本文基于2003-2019 年長江經濟帶108 個樣本城市的面板數據，實證檢驗生產性服務業與制造業協同集聚的技術創新效應。研究表明：第一，長江經濟帶產業協同集聚具有正向顯著的技術創新效應，該結論在替換關鍵變量、剔除特殊樣本、面板分位數估計和克服內生性問題等一系列穩健性檢驗中始終成立。第二，模型中控制變量的結果表明，政府參與、科技經費投入、人力資本積累、互聯網信息發展、交通基礎設施和外商投資均能夠顯著促進技術創新發展。第三，2008 年經濟危機前后產業協同集聚均顯著促進技術創新發展，但危機后的促進作用明顯更小；東部板塊城市產業協同集聚的技術創新效應最強，中部地區其次，而西部地區最弱且不顯著；大型城市產業協同集聚的顯著技術創新效應更大，而中小型城市則未通過顯著性檢驗。第四，無論采用地理距離還是兼顧經濟與地理意義的權重矩陣，長江經濟帶技術創新和產業協同集聚均在空間上呈現出愈加強化的空間依賴性和集聚特征，同時各變量的直接效應與間接效應的作用方向和顯著性水平基本保持一致，表明空間計量結果具有較強的穩健性。第五，產業協同集聚對技術創新的直接效應顯著為正，而間接效應顯著為負，總效應仍為負，表明協同集聚將顯著促進本地技術創新的發展，但也會產生顯著的負向空間溢出效應，對周邊鄰近城市技術創新產生明顯的“虹吸效應”。

（二）政策建議

1.逐步消除產業分工的制度性障礙，培育本地產業聯動優勢和核心競爭力，增強區域內科技創新的驅動力。應以雙循環發展新格局為契機，完善產業協同集聚和現代產業鏈發展的制度設計，消除產業聯動與合作的壁壘，加快融入全球價值鏈分工，積極推進區域經濟一體化進程。構建產業優勢互補的分工合作機制，充分發揮產業協同聯動優勢，發揮生產性服務業對制造業的融合互動作用，以產業協同集聚推動產業鏈現代化發展。完善多層級的區域創新體系，構建區內創新交流與合作平臺，促進科技創新成果的跨區域轉移與交易，有序引導創新要素的自由流動與高效配置，為實現創新型驅動發展提供重要支撐。

2.強化區內產業協同集聚的技術創新驅動效應，逐步消除協同集聚對周邊地區創新的“虹吸效應”，并就不同稟賦優勢的地區實施差異化的政策安排。加快推進跨區域協同集聚和科技創新良性互動機制，實現產業協同集聚對本地—鄰近地區技術創新共同發展。此外，東部地區和大城市應重點實現高端服務業與制造業的深度融合，培育現代化的產業鏈體系和獨具優勢的創新能力；中西部地區和小城市則應重點消除產業協作與技術創新的制度性障礙，優化企業協同集聚和創新的外部環境，逐步強化產業協同集聚的創新促進效應。

3.加大區域內科技經費和人力資本的投入，加快實現互聯網信息與交通等設施聯通，堅持高質量的經濟開放，進而有效推進區內創新驅動發展。積極發揮政府的作用，為技術創新和產業協作提供實際有效的合作平臺，引導研發人才與資金等資源向相對落后地區流動，發揮中國制度優勢來實現尖端技術創新。進一步充分發揮市場在技術研發領域配置資源的基礎性作用，加快智能化、信息化和網絡化的信息通訊技術發展，依托數字化平臺實現產業與創新的聯動發展。此外，還應持續引進高質量的外資和技術，加快優化企業外部的營商環境，強化跨區域產學研合作，形成良性互動的高質量創新發展格局。

注：

①限于篇幅，本文未報告空間自相關性檢驗結果，有興趣的讀者可以向作者索取。