政府科教支持下產業集聚對全要素生產率的影響研究

雷雨亮 方敏 徐樂

摘 要：基于新結構經濟學理論，運用空間杜賓模型，依據長江經濟帶108個城市2003-2019年數據，考量產業集聚技術外部性發揮的有限性，以及政府科教支持對產業集聚技術外部性的交互作用。結果顯示：在一定臨界值之前，產業集聚能推動全要素生產率的提升，過度集聚則會產生擁塞效應，多元化集聚可能產生的擁塞效應更強，專業化集聚對全要素生產率的作用更穩定，產業集聚對全要素生產率具有積極的空間溢出效應。政府加大教育支持有助于釋放產業集聚的技術外部性，但在當前的支持力度下，政府科教支持效果甚微。

關鍵詞： 產業集聚;政府科教支持;全要素生產率;長江經濟帶

中圖分類號：F424?? 文獻標識碼： A??? 文章編號：1003-7217（2022）02-0139-08

一、引 言

如何保持經濟持續增長一直是經濟學家爭辯的“不朽”話題，歸根結底是關于如何提高“效率”的問題。當前中國正面臨勞動力成本和人口撫養比上升壓力，經濟高質量發展比以往任何時候更依賴全要素生產率（TFP）的提升。如果無法依靠技術創新來擴展生產的可能性邊界，經濟發展將停滯不前。現有研究表明，由勞動力和資本的產業間配置和空間分布所形成的產業集聚是全要素生產率提升的重要動力[1]。在人口紅利消失、資本回報率遞減的工業化后期，產業集聚外部性的發揮對技術創新和經濟高質量發展尤為重要。然而，若一味模仿甚至照搬發達城市的產業布局，忽視本地的產業發展階段和要素稟賦結構特征，則會造成產業無序集聚及資源配置扭曲，使得經濟發展陷入低效率的境地。

新結構經濟學理論倡導者林毅夫（2012）認為在“有效市場”里政府應當“因勢利導”，爭做“有為政府”，企業則應當按照比較優勢謀求在某一地區的發展[2]。一個城市的比較優勢來源于要素稟賦結構，經濟發展的核心問題不是產業結構升級，而是要素稟賦結構升級問題，這離不開對教育和科學研發的投入。因此，政府在積極實施產業支撐政策、吸引產業集聚的同時，往往會通過科教支持政策，為本地區產業技術進步積累人力資本，改善要素稟賦結構。

已有研究也驗證了人力資本、科技創新和產業集聚對提升全要素生產率的重要性。從人力資本與科技創新角度，夏良科（2010）基于中國大中型工業企業的經驗數據指出人力資本與R&D是影響TFP的重要因素[3]。蘇科和周超（2021）則采用長江經濟帶103個城市的數據，指出人力資本水平的提升，有助于科技創新對綠色全要素生產率正向作用的發揮[4]。從產業集聚角度，伍先福（2019）則基于246個城市的數據，驗證了生產性服務業與制造業協同集聚對全要素生產率的門檻效應[5]。郭麗燕等（2020）的研究顯示，人力資本流動和高新技術產業集聚二者相互作用共同推動經濟增長[6]。然而，關于政府科教支持是否有助于產業集聚外部性發揮的問題，在以往的研究中并未得到具體且深入的分析。

鑒于此，本文將在梳理不同產業集聚模式對全要素生產效率影響的基礎上，進一步探討政府科學和教育支持機制下產業集聚的技術外部性的發揮問題。由于長江經濟帶城市群具有經濟發展階段和產業結構自西向東逐漸升級，產業集聚多種模式并存的特征，在經濟高質量發展的背景下以長江經濟帶城市為研究對象，解答以上問題，將為各級城市制定更加科學的產業政策，促進產業集聚外部性有效發揮，實現經濟發展向“技術驅動”和“創新驅動”轉型提供典型的經驗證據。

二、理論機制與研究假設

（一）產業集聚、政府科教支持對全要素生產率的直接效應

技術進步是影響一個國家經濟持續發展的決定性因素，全要素生產率是度量技術進步的重要指標[7]。一個國家或地區全要素生產率的影響因素主要包括以下五個方面：技術創新、基礎設施投資、教育水平、市場效率、體制。其中，基礎設施投資、教育水平和體制方面大多依賴于政府部門的積極支持，技術創新和市場效率則主要依賴于產業集聚、結構升級和知識部門投入。就其成分而言，全要素生產率包含資源配置效率和微觀生產效率[8]。其中，資源配置效率可以是在產業之間流動產生的配置效率，表現為產業結構不斷升級;也可以是通過勞動力和其他生產要素在空間上流動形成的資源配置效率，表現為產業集聚。微觀生產效率的提升則主要通過人力資本和科學技術投入獲得。20世紀80年代，新經濟增長理論在內生技術進步模型中提出對知識生產部門的投入不足會導致一國經濟長期處于低增長率狀態，而且知識和人力資本具有很強的溢出效應[9]。然而，當不同國家或地區所積累的人力資本水平存在差距時，即使面對相同的知識，其運用的效果也會不同。由此可見，產業集聚、人力資本和知識投入都是提升全要素生產率的重要渠道，其中人力資本充足是知識溢出效應產生的前提。基于此，本文提出以下假設：

假設H1 產業集聚和政府科教支持都有助于提高全要素生產率。

（二）產業集聚的外部性及其空間溢出效應

在城市化的推動下，熟練勞動力逐漸向工資水平和生產效率更高的地區遷移，具有相對優勢的地區因更多熟練勞動力的加入而形成產業集聚。產業集聚外部性的產生源于共享中間投入品、專業化的勞動力供應市場和知識、技術升級。前兩者可以歸納為規模經濟效應，后者歸納為技術溢出效應。按照集聚模式劃分，產業集聚又可以劃分為專業化和多元化集聚。通過專業化的資源互補，同一城市同一產業的企業能通過專業化的投入和產出市場獲得規模經濟效率。專業化的產業集聚也能加劇企業之間的良性競爭，促使企業在技術創新上保持強烈的憂患意識。一旦新的技術產生，便會擴散開來。企業只有不斷地創新，提高生產效率才會獲得市場競爭力。一方面，城市化經濟中的多元化“大熔爐”通過提供互補的技術和知識，促進新產品、新想法和新技術的產生，推進跨行業的知識交流;另一方面，當市場足夠大時，多元化的產業集聚通過共享中間投入品、提供多元化的產品和服務，培育和擴大消費市場，產生規模經濟效率。然而，規模經濟效應和技術升級的產生受到地方稟賦結構，以及由稟賦結構所決定的產業結構的約束。隨著區域稟賦結構的調整，產業集聚的形式和產業的選擇都不是唯一最優的[10]。產業集聚通過自組織演化的機制，不斷地進行主導產業培育和衰退產業轉移。當區域內產業過度集聚時，造成資源不足，企業利潤率下降，產生擁塞效應，阻礙技術進步[11]。gzslib202204011850

產業集聚的外部性也具有一定的空間溢出效應。一方面，在競爭機制作用下，當產業集聚在相鄰城市之間發生時，將促使相鄰城市的企業不斷改良技術，淘汰落后產能，進而推動相鄰城市的產業技術升級;另一方面，在知識共享機制作用下，同一產業領域的企業可以通過各種會議展示新技術，共謀城市群產業發展。然而，當鄰近城市的產業集聚達到較高水平時，可能會對本地市場產生“虹吸效應”。由于市場份額下降，技術人員流失，本地產業規模效益持續降低，企業逐漸退出，技術水平也難以升級。因此，產業集聚外部性的空間溢出效應可能因產業集聚水平不同而存在差異。基于此，本文提出以下假設：

假設H2 產業集聚技術外部性的發揮具有有限性，過度集聚會產生擁塞效應。

假設H3 產業集聚的技術外部性具有空間溢出效應。

（三）政府科教支持對產業集聚技術外部性的調節效應

即使在有效的市場里，產業集聚、知識、人力資本外部性的發揮，依然需要一個“有所為，有所不為”的政府。“東亞奇跡”的案例說明，市場與政府之間并不是對立或者替代關系，“強”政府或“弱”政府，都只是政府在謀求經濟持續發展過程中“相機抉擇”的表象。一味地依賴市場調節，可能導致資源協調成本過高，無法產生集聚的規模經濟效率;若僅僅依靠人力資本自發地流動和“人才政策”的吸引，則可能導致各城市陷入“搶人大戰”，不利于企業成本控制和知識技術共享機制的形成。而政府的科教支持能改善地區稟賦結構，適宜的產業布局將有助于稟賦優勢的充分發揮。從產業布局的時空演化進程可見，企業更傾向于布局在人力資本水平較高、知識密集的地區，如此更容易獲得技術和知識外部性[12]。特別是制造業集聚能與當地知識、人力資本的集聚形成有效的、良性的互動關系，共同推進技術創新[13]。基于此，本文提出以下假設：

假設H4 政府科教支持有助于產業集聚技術外部性的發揮。

三、模型、變量和檢驗

（一）變量選取

被解釋變量全要素生產率（TFP）用以反映技術進步率。測度全要素生產率的方法主要分為參數法和非參數法，非參數法通常適用于微觀經濟數據，參數法中生產函數法和隨機前沿生產函數法則需要滿足過多限制性假設條件。因此本文采用索洛剩余法進行測度全要素生產率來反映技術進步率。參照張軍和施少華（2003）的方法[14]，以1987年為基期，采用2004-2020年《中國城市統計年鑒》相關指標數據，估算出2003-2019年長江經濟帶108個城市的全要素生產率（TFP）。

主要解釋變量產業集聚指數，在實證分析過程中將被分為專業化集聚指數（rzi）和多元化集聚指數（rdi），分別估計其影響參數。參考于斌斌（2016）研究中基于區位熵的方法，構建產業專業化和產業多元化集聚指數[15]。如式（1），i城市j產業就業人數占i城市就業人數的比重與全國j產業從業人數比重之商的最大值則為產業專業化集聚指數rzii。

rzii=MAX（sji/sj）=MAX（empji/empiempj/emp）（1）

如式（2），用i城市j產業就業人數占i城市就業人數的比重與全國j產業從業人數比重之差的絕對值來表示產業多元化集聚指數rdii。

rdii=1/∑jsji-sj=1/∑jempjiempi-empjemp（2）

政府教育支持和政府科學支持，主要用相應財政支出占比來衡量。人力資本是全要素生產率提升的重要途徑，政府在提升人力資本水平方面所提供的支持，也可能進一步通過促進產業集聚來對全要素生產率提升產生間接作用。

根據文獻梳理和理論分析，控制變量主要包括產業結構、國內投資力度、外商投資力度、金融支持力度和人力資本水平，分別用第三產業增加值占GDP的比例、固定資產投資占比、FDI占比、金融貸款余額占比以及在校大學生占常住人口比例來衡量。

（二）模型設立

由于技術和知識空間溢出效應的存在，檢驗產業集聚對全要素生產率的作用時有必要采用空間計量模型。通過檢驗，結果顯著拒絕H0：θ=0，ρ=0。同時，根據Akaike和Schwarz的貝葉斯信息標準估計了AIC和BIC統計量，結果都顯示選擇空間杜賓模型（SDM）進行實證估計更為有效。具體模型設定如下：

ln TFP=∝+τln TFPit-1+ρ∑nj=1wijln TFPit+

∑Kk=1∑nj=1wijlnxjtkθk+∑Kk=1βkln xitk+μi+

γt+εit（3）

xitk=β1ln clusterit+β2ln cluster2it+β3ln eduit+

β4ln sciit+β5ln thirdit+β6ln third2it+

β7ln invit+β8ln fdiit+β9ln loanit+

β10ln pstuit （4）

式（3）中，TFP表示索洛剩余法計算的全要素生產率。其中wij表示城市i與城市j之間的空間權重矩陣元素。ρ是空間自回歸系數，表達了相鄰區域間全要素生產率之間的空間交互關系。θ代表自變量的空間自回歸系數，當θ不為零時，說明本地解釋變量對相鄰地區有溢出效應或虹吸效應。μi和γt則分別表示個體固定效應和時間固定效應。式（4）中，cluster表示產業集聚指數，具體分為產業專業化集聚指數rzi和產業多元化集聚指數rdi，edu為政府教育支持，sci為政府科學支持，third表示產業結構，inv表示國內投資力度，fdi表示外商投資力度，loan為金融支持力度，pstu表示人力資本水平。本文研究內容涉及經濟、金融、產業、技術和人口等多個方面，區域之間相互作用既受到地緣因素的影響，也受到區域間經濟差距的約束。因此本文將引入經濟地理矩陣，以更好地擬合各區域的空間關系。gzslib202204011851

W*=W·E（5）

式（5）中，W=1/D2ij，Dij為城市i與城市j之間的地理距離;E=1/PGDPij，PGDPij表示城市i與城市j之間人均GDP的差距。當地理距離和經濟差距越大時，地理權重越小。最后將空間矩陣中每個元素除以所在行元素之和，以保證每行權重之和為1，也稱空間權重矩陣的“行標準化”。

（三）數據處理與變量說明

以長江經濟帶108個城市為研究對象，以2002年國民經濟行業分類為劃分依據，選取2003-2019年的指標數據。變量明細表見表1，從表格中可見，這些控制變量都具有很大的極差，這些差異將構成全要素生產率差異的重要原因。

（四）空間自相關性檢驗

通過計算長江經濟帶各城市TFP的全局Morans I指數發現，2003-2019年期間全要素生產率的空間自相關系數處于不斷波動中，僅在2009年和2011年Morans I指數表現出顯著的空間負相關關系，2018年呈現出顯著的空間正相關關系。整體上，長江經濟帶城市群TFP的全局空間相關性不顯著。

根據Anselin Local Morans I指數，本文進一步分析2003-2019年長江經濟帶TFP局部聚類情況。2003年，湘西州、銅仁市和鹽城市表現出顯著的“高-高”集聚，安徽省的銅陵市、馬鞍山和江蘇的鹽城市則出現“低-低”集聚。此外，也有少數城市表現出“高-低”分散和“低-高”分散，大部分城市的局部集聚特征不顯著。2008年，云南南部TFP呈現明顯的“高-高”集聚，江西省內則出現大范圍的“低-低”集聚區域，TFP局部分散的城市依然較少。此后，全要素生產率的“高-高”集聚區域逐漸減少，江西省和安徽省內依然存在少數“低-低”集聚城市。如圖1所示，2019年，長江經濟帶大部分城市TFP局部空間關系依然不顯著，江西省東北部與安徽省南部形成“高-高”集聚區域，該區域外圍零星分布著“低—高”分散城市。而在云南省境內則出現顯著的“高-低”分散和“低-低”集聚區域。由此可見，整體而言長江經濟帶各區域全要素生產率參差不齊，協同關系并不緊密。

四、實證結果分析

（一）產業集聚對TFP的總體效應分析

首先運用Stata軟件實現空間杜賓模型（SDM）和普通面板模型（OLS）估計，在Hausman檢驗之后，均選擇固定效應模型。專業化集聚與多元化集聚的模型估計結果分別展示在表2中。

從表2的結果可以看出，與普通面板的OLS結果相比，使用空間杜賓模型估計的系數顯著性水平得到了提升，說明考慮空間溢出效應情況下，解釋變量對被解釋變量的影響更加具有統計顯著性。根據表中SDM模型估計的專業化集聚指數的參數可得，（TFPi/TFPi）/（rzij/rzij）=0.0307-0.0214ln rzi，TFP對專業化產業集聚指數rzi的彈性與該城市當時的專業化集聚水平有關。當專業化集聚水平逐漸上升時，全要素生產率的彈性下降。rzi大于4.1978后，TFP對rzi的彈性由正轉負。同理，從多元化集聚參數估計結果可見，（TFPi/TFPi）/（rdij/rdij）=0.0681-0.0858 ln rdi，TFP對多元化集聚指數rdi的彈性也與該城市當時多元化集聚水平相關。當多元化集聚指數rdi上升到2.2116時，TFP對rdi的彈性由正轉為負。這意味著在一定的產業集聚臨界值前，產業集聚能持續推動全要素生產率的提升。然而產業過度集聚則會產生擁塞效應，抑制全要素生產率上升。

在不考慮其他因素和常數的情況下，比較專業化集聚和多元化集聚與TFP的關系，發現盡管一個城市產業的專業化集聚指數rzi與多元化集聚指數rdi之間存在此消彼長的關系，但二者對TFP的影響趨勢大體上保持一致。當產業集聚水平較低時，TFP對產業集聚指數的彈性較大，但隨著產業集聚水平上升，彈性逐漸下降為負。不同之處在于，rzi與TFP函數曲線在經過極值點后，下降趨勢平緩，而rdi與TFP函數曲線在經過極值點后下降趨勢明顯。可見，當地方產業集聚指數達到較高水平后，多元化集聚模式比專業化集聚模式對TFP的抑制效應更明顯。這意味著各類產業混亂地集聚在資源稟賦有限的地區時，造成的“擁塞效應”會抑制本地TFP提升。與之相比，專業化集聚不僅能在較長階段內對TFP產生積極效應，而且在推動TFP提升到高位后能“功成身退”，幾乎不會隨著專業化集聚水平的進一步增長而對TFP產生明顯的“副作用”。因此，專業化集聚對TFP的外部性更具穩定性。

在專業化集聚和多元化集聚模型估計結果中，產業結構的參數幾乎一致。在早期第三產業增加值占GDP比重較低，隨著產業結構不斷高級化，當第三產業增加值占比高于33.639%時，TFP對產業結構的彈性由負向正轉變，且彈性越來越大。當第三產業增加值占GDP比例超過85%后，TFP對產業結構高級化的彈性也將大于1。2003-2019年間長江經濟帶108個城市第三產業增加值平均占比達到36.78%，因此，整體而言，產業結構變遷對TFP產生著積極作用。近年來，全國第三產業增加值占比都有大幅提升，2019年平均占比達到53.9 %，產業結構升級對TFP的推動作用也將越來越明顯。

空間杜賓模型估計結果還顯示了固定資產投資、貸款、外商投資等投資方面的重要因素對TFP的影響，三者估計參數均顯著為負。這意味著在樣本期內投資因素對長江經濟帶TFP并沒有產生積極作用，可能與房地產市場過度投資和資本市場投資的“脫實向虛”密切相關[16]。盡管資金方面的投入產生了負面效果，但人力資本對TFP的積極作用顯著。TFP對在校大學生人數占比的彈性為0.0313。從這一數值來看，人力資本對TFP的影響力并不大，但隨著高等教育的逐漸普及，人力資本存量對TFP的貢獻將不容忽視。

（二）全要素生產率影響因素的長期直接效應與長期間接效應gzslib202204011851

采用空間杜賓模型，既考慮了其他地區解釋變量對本地區被解釋變量的作用，也考慮到了其他地區TFP對本地區TFP的影響。當模型中存在解釋變量和被解釋變量的滯后項時，估計參數就不僅反映了各解釋變量對TFP的影響，還包含空間溢出效應。為進一步檢驗變量之間的空間交互關系，下面將從長期直接效應和長期間接效應來分析總體效應，具體結果見表3。長期直接效應實際為長期平均直接效應，是將108個城市變量對該城市TFP的直接效應求算術平均的結果;長期間接效應則是其他地區解釋變量對本城市TFP影響的算術平均;二者相加便得到總效應。長期間接效應主要反映了其他地區解釋變量對本地區TFP的空間溢出效應，根據估計結果可得，其他地區rzi超過4.1378前能持續對本地區TFP增長產生正向的空間溢出效應。也幾乎是在這一臨界值之后，rzi的繼續上升對本地區和其他地區的TFP都會產生抑制作用。當rdi低于2.2172時，本地區TFP對其他地區rdi的彈性為正，反之為負。當其他地區第三產業增加值占比超過33.43%后，對本地區TFP的積極效應越發明顯。

綜合直接和間接效應可知，無論是本地區還是其他地區，當專業化產業集聚指數小于4.2，多元化集聚指數小于2.2，第三產業增加值占比超過33.43%時，都能推動TFP上升。從間接效應估計結果中可知，其他地區人力資本水平的提升對本地區TFP增長亦能產生顯著的空間溢出效應。因此，培育人才、提高勞動力的知識水平是推動TFP增長的有效途徑。這不僅能為本地區高質量發展貢獻力量，也能促進人才流向周邊城市，或為家鄉發展出謀劃策。

（三）政府科教支持下產業集聚的技術外部性

考慮到政府對科教事業的投入是提升人力資本的重要支持，在基本估計模型的基礎上，本文加入了政府對教育和科學的財政支出占比，估計這兩方面投入因素對TFP的影響。進一步地，本文還引入了教育支出和科學支出占比與產業集聚的交互項，分析政府科教支持是否能改善產業集聚對TFP作用的有限性。表4中顯示了回歸的結果，部分變量結果與表2基本一致，此處省略展示。

由表4列（1）和列（4）可知，TFP對教育支出占比和科學支出占比的彈性都顯著為正，相比之下教育支出占比的提高對TFP的推動作用更強。政府科學支出占比對TFP的作用比較小，但實際上R&D投入經費75%來源于企業，尤其是大型企業才是科學研究與試驗發展投入的主力軍。在中國，企業R&D投入對全要素生產率的影響彈性最大，其次為科研機構和高等學校。在政企合力支持下，大規模的R&D投入將對全要素生產率的提高產生巨大的推動力。列（2）和列（5）考慮了教育支出占比對產業集聚的調節作用，回歸結果顯示，教育支出占比越大，更有助于產業集聚，包括專業化產業集聚和多元化產業集聚都能獲得技術外部性，對TFP的正向促進作用將更持久。如若教育支出占比超過了20%，那么專業化產業集聚能在大于4.1時依然對TFP發揮積極作用。而教育支出占比30%以上時，才能發揮出其對多元化產業集聚積極性的這種延續作用。從列（3）和列（6）中可以得到，科學支出對產業集聚的調節作用并不顯著，這可能與長江經濟帶城市各政府一般預算支出中科學支出占比較低有關，不足以與產業集聚產生交互作用。

綜上檢驗結果可見，良好的高等教育和充分的科學投入有助于推進“產學研”一體化和自主創新創業，直接推動全要素生產率增長。在推進產業集聚發展的同時，加大教育支出，將有助于進一步釋放產業集聚技術外部性。然而，目前政府對教育和科學的投入在促進產業集聚，從而推動技術升級和經濟發展效率提升方面發揮的調節作用還有待加強。

（四）穩健性檢驗說明

為了檢驗產業集聚對全要素生產率影響的穩健性，從長江經濟帶108個城市中隨機抽取54個城市進行模型估計，得到的結果與表2基本一致，但部分控制變量參數估計不顯著。此外，本文考慮到產業集聚對全要素生產率的作用是否主要來自大規模企業集群的問題，并就此進行了穩健性檢驗，發現大型企業集群不會改變產業集聚外部性發揮作用的拐點，但有助于提高其外部效應水平①。

五、結論與政策啟示

在梳理產業集聚、產業結構變遷和政府科教支持與全要素生產率的理論機制基礎上，以長江經濟帶108個城市數據為依據，實證分析不同產業集聚和產業結構水平下對全要素生產率作用的差異性，并試圖從科學與教育投入方面探討政府人力資本支持下產業集聚對全要素生產率的外部性，得到如下結論：第一，近年來長江經濟帶108個城市全要素生產率的空間關系逐漸增強，重心逐漸向長三角區域轉移，并向內陸擴大輻射范圍。第二，適度的產業集聚，包括專業化和多元化集聚能持續推動全要素生產率的提升，過度集聚則產生擁塞效應。多元化集聚可能產生的擁塞效應更強，專業化集聚的外部性更具穩定性。第三，良好的高等教育和充分的科學投入有助于推進“產學研”一體化和自主創新創業，直接推動全要素生產率增長。相較于科學支出，加大教育支出對產業集聚知識和技術溢出效應發揮的調節作用更顯著。2003-2019年間，固定資產投資、貸款、外商投資等投資方面因素對長江經濟帶TFP并未產生積極作用。

基于以上結論，建議：第一，適時調整產業集聚模式，避免產業過度集聚阻礙經濟發展。在發展多元化產業的同時，注重產業之間的有效融合，推動產業融合創新。第二，加大政府教育投資力度，提高人力資本配置效率。利用高等教育機構與職業技能培訓機構培養高素質人才，同時制訂合理的人才計劃，吸引符合核心地方企業發展需求的人才流入。促進人力資本與產業集聚的良性互動，以人才促創新，以產業育人才。

注釋：

①? 限于篇幅，結果省略不展示。

參考文獻：

[1] 涂正革，陳立.技術進步的方向與經濟高質量發展——基于全要素生產率和產業結構升級的視角[J].中國地質大學學報（社會科學版），2019，19（3）：119-135.gzslib202204011851

[2] 林毅夫.新結構經濟學[M].北京：北京大學出版社，2012.

[3] 夏良科. 人力資本與R&D如何影響全要素生產率——基于中國大中型工業企業的經驗分析[J]. 數量經濟技術經濟研究， 2010， 27（4）： 79-95.

[4] 蘇科，周超.人力資本、科技創新與綠色全要素生產率——基于長江經濟帶城市數據分析[J].經濟問題，2021（5）：71-79.

[5] 伍先福.產業協同集聚對全要素生產率影響的門檻效應研究——基于中國246個城市的實證檢驗[J].經濟經緯，2019， 36（2）：72-78.

[6] 郭麗燕，黃建忠，莊惠明.人力資本流動、高新技術產業集聚與經濟增長[J].南開經濟研究，2020（6）：163-180.

[7] Solow R M. A contribution to the theory of economic growth[J]. The Quarterly Journal of Economics， 1956， 70（1）： 65-94.

[8] 蔡昉.中國經濟增長如何轉向全要素生產率驅動型[J].中國社會科學，2013（1）：57-72，207.

[9] Romer M， Romer P M. Endogenous technological change[J]. NBER? Working Papers， 1989， 98（5）：71-102.

[10]方敏，楊勝剛，周建軍，等.高質量發展背景下長江經濟帶產業集聚創新發展路徑研究[J].中國軟科學，2019（5）：137-150.

[11]Meijers E J， Burger M J. Spatial structure and productivity in US? metropolitan areas[J]. Environment and Planning A， 2010， 42（6）：1383-1402.

[12]范劍勇.產業集聚與地區間勞動生產率差異[J].經濟研究，2006（11）：72-81.

[13]倪進峰，李華.產業集聚、人力資本與區域創新——基于異質產業集聚與協同集聚視角的實證研究[J].經濟問題探索，2017（12）：156-162.

[14]張軍，施少華.中國經濟全要素生產率變動：1952-1998[J].世界經濟文匯，2003（2）：17-24.

[15]于斌斌.中國城市生產性服務業集聚模式選擇的經濟增長效應——基于行業、地區與城市規模異質性的空間杜賓模型分析[J].經濟理論與經濟管理，2016（1）：98-112.

[16]李江濤，褚磊，紀建悅.房地產投資與工業全要素生產率[J].山東大學學報（哲學社會科學版），2018（5）：131-139.

（責任編輯：鐘 瑤）

The Impact of Industrial Agglomeration on Total Factor Productivity

in the Context of Governmental? Science and Education Suppont：

A Case Study of 108 Cities Along Yangtze Economic Belt

LEI Yuliang1， FANG Min2，XU Le1

（1.College of Economics， Hunan Agricultural University， Changsha，Hunan 410000， China;

2.Hunan Science and Technology Affairs Center， Changsha，Hunan 410013， China）

Abstract：Based on the new structural economic theory， this paper estimates the limitation of the technological externalities of industrial agglomeration， and the interaction between the governments scientific and educational support and industrial agglomeration? by constructing Spatial Durbin Models and using the data of 108 cities in the Yangtze River Economic Belt from 2003 to 2019. The results show that below? a certain critical value， industrial agglomeration can promote the improvement of total factor productivity， while excessive agglomeration will produce a congestion effect. The congestion effect of diversified agglomeration is stronger， and the effect of specialized agglomeration on TFP is more stable. Industrial agglomeration has a positive spatial spillover effect on TFP. The governments increasing educational support helps to release the technological externalities of industrial agglomeration， but the governments scientific support has little effect under the current level of support.

Key words：industrial agglomeration; government scientific and educational support; TFP; Yangtze Economic Belt

收稿日期： 2021-07-21

基金項目：? 湖南省社會科學基金項目（18YBQ068）