黃河流域資源型產業集聚對城市全要素生產率的影響

江勝名

摘要：產業在空間上的集聚逐漸成為城市經濟的常見現象，這對提升城市的全要素生產率具有十分重要的意義。基于2005—2020年黃河流域100個地級市的面板數據，文章分別從多樣化集聚和專業化集聚的效應比較、作用路徑以及城市類型差異三個方面，詳細探究了黃河流域資源型產業集聚對城市全要素生產率的作用效果。研究表明：①不同模式資源型產業集聚對黃河流域城市全要素生產率的影響具有異質性。多樣化集聚有利于城市全要素生產率的提升，專業化集聚卻抑制了城市全要素生產率的發展。②進一步研究發現，多樣化集聚通過效率變動和技術進步路徑正向促進黃河流域城市全要素生產率，專業化集聚則是通過效率變動正向影響該流域城市全要素生產率。③分城市類型探究，多樣化集聚能夠同時促進黃河流域資源型城市和非資源型城市全要素生產率的提升，而專業化集聚既不利于資源型城市，也不利于非資源型城市生產率的增長。因此，文章建議黃河流域的企業應多元化發展，積極學習其他企業完備的管理經驗和技術知識，促進資源有效結合，同時鼓勵企業向關聯行業延伸，拓寬產業鏈，支持市場良性競爭，加大科技研發規模，實施職業技能培訓，發揮技術進步和效率變動的正向作用。

關鍵詞：黃河流域;資源型產業;城市全要素生產率;多樣化集聚;專業化集聚

中圖分類號：F263? ? 文獻標志碼：A? ? 文章編號：1001-862X（2022）03-0090-008

具有自然資源稟賦優勢的地區往往能夠優先吸引資本、勞動力等，實現生產要素的轉移和優化配置，從而形成資源型產業集聚這一生產組織形式。[1]作為一種伴生現象，企業往往表現為規模性集中的特征，產生密切合作與深度分工的行為，形成完整的價值鏈條，如形成有色金屬冶煉生產基地、循環經濟產業園區等。伴隨著企業的深入發展，資源型產業在同一空間上集聚形式會有所不同，一般會分化為多樣化和專業化兩種模式。多樣化集聚為不同行業的企業在空間上的橫向集聚，專業化集聚則為同類行業的企業在空間上的縱向集聚。事實上，無論是多樣化集聚還是專業化集聚，均能通過對投入要素的不同配置和利用行為，改變企業和勞動力的匹配程度，形成生產要素的蓄水池，作用于地區經濟的協調發展。[2]當然，這兩種集聚模式下的企業活動也存在著不同之處，會產生差異化的經濟效應。如Jacobs認為多樣化集聚強調企業間具有交換互補知識的行為，可以正向激勵多樣化知識的溢出，促進創新活動的開展[3];專業化集聚通常源于企業間的激烈競爭行為，有可能會弱化行業的創新動力。這意味著，基于不同模式的產業集聚有可能會對城市全要素生產率產生不同的影響。

通常情況下，本地自然資源稟賦優勢是發展資源型產業的基礎，也是資源富集地區經濟發展的重要支撐。黃河流域蘊藏著豐富的礦產資源，以其基本資源的儲量為例，黃河流域范圍內的煤炭、天然氣資源儲量分別占全國總量的75%、61%左右，是全國基本能源的主要生產地和供應地。這使得黃河流域在發展資源型產業上具有天然的優勢，易形成資源型產業的集聚現象。2021年10月，中共中央、國務院印發了《黃河流域生態保護和高質量發展規劃綱要》，作為指導當前和今后一個時期黃河流域生態保護和高質量發展的綱領性文件，進一步明確了黃河流域的區位重要性，并強調了黃河流域在全國經濟社會發展格局中的地位。在這個視角上，本文以黃河流域資源型產業為研究對象，試圖探究不同模式下的資源型產業集聚對城市全要素生產率的影響，同時考慮到不同類型城市的資源豐富程度存在差異，本文將分組考察產業集聚對黃河流域城市全要素生產率的異質性影響，這對該區域經濟高質量發展具有重要的理論和現實意義。

一、研究設計

（一）范圍界定

參考中共中央、國務院印發的《黃河流域生態保護和高質量發展規劃綱要》，將青海、寧夏、甘肅、陜西、山西、內蒙古、河南、山東以及四川9個省區規劃為黃河流域范圍。本文以黃河流域9個省區作為研究范圍，在此基礎上根據數據完整性和可得性的原則，選擇2005—2020年100個地級及以上城市作為具體研究對象。

本文重點考察的是資源型產業集聚對城市全要素生產率增長的作用。為明確資源型產業具體范圍，本文以《國民經濟行業分類》（GB/T 4754—2017）作為標準，并結合數據可得性，將資源型產業界定為采礦業以及電力、熱力、燃氣及生產和供應業兩大類。

（二）模型設定

為了探究不同模式下資源型產業集聚對城市全要素生產率的影響，本文將產業集聚分成多樣化集聚（DIV）和專業化集聚（SPE），建立如下模型：

TFPit=α0+α1IAit+α2TFP_lag+α3controlsit+δit（1）

其中，i表示時間，t表示城市，被解釋變量TFP表示以Malmquist模型測算出來的城市全要素生產率，解釋變量IA表示產業集聚，具體分為資源型產業多樣化集聚程度（DIV）和專業化集聚程度（SPE），控制變量controls包括環境規制（ENV）、信息化水平（INFOR）、公共財政支出（GI）、資源依賴（RD）、居民儲蓄能力（PS）。α0、α2、α3為待估參數，δit為隨機擾動項。

（三）指標選擇

1.被解釋變量

全要素生產率（TFP）：本文以2005—2020年黃河流域100個中國地級市及以上城市為決策單元，使用DEAP2.1軟件測算全要素生產率。測算全要素生產率具體包括兩類指標：一是產出指標（GDP），二是投入指標（資本存量、勞動投入、能源投入）。

（1）產出指標：用地區生產總值代表各市的產出情況，同時為消除通貨膨脹因素的影響，利用研究對象所在省份的價格指數將各市生產總值以2005年的不變價格進行調整。

（2）投入指標：①資本存量，使用永續盤存法進行測算，公式為：

Kit=Iit+（1-δ）Ki（t-1）（2）

其中，Kit為i地區t年的資本存量，Ki（t-1）為i地區（t-1）年的資本存量，Iit為i地區t年的全社會固定資產投資額。

Ki0=■（3）

其中，Ki0為初始資本存量，Ii0為初始年份的全社會固定資產投資額，γ為2005—2020年全社會固定資產投資額的年實際增長率，δ為折舊率，這里借鑒張軍的做法，將折舊率設為9.6%。[4]此外，由于缺少地級市固定資產投資價格指數，本文故采用省級固定資產投資價格指數對相應地級市的全社會固定資產投資額進行平減。②勞動投入，采取年末就業人數表示。③能源投入，由于地級市缺乏有關能源消費等方面的統計數據，而電力消費水平和能源消費量具有較強的關聯性，因此本文將全社會用電量作為能源投入的衡量指標。[5]

2.核心解釋變量

產業集聚分為多樣化集聚和專業化集聚兩種模式。本文采用赫芬達爾-赫希曼指數來衡量多樣化集聚指標，同時借鑒方杏村等學者的做法構建專業化集聚指標。[6]具體指標計算見公式（4）和（5）。

DIVi=1-？蒡j=1Eij（4）

SPEi=？蒡j ρj（Nij-Nj）（5）

其中，Eij是i城市j行業的從業人員數與該城市除j行業以外其他行業的就業人數之比;ρj為指標權重，代表j行業在i城市的就業人數占全國j行業的比重;Nij是j行業在i城市中的就業比重，Nj是j行業在全國就業中所占的就業比重。

3.控制變量

（1）環境規制（ENV）。目前學術界衡量環境規制的指標并沒有統一的說法，本文參照李夢潔、仲偉周等學者的做法，采用改進的熵值法來測算， 選取工業廢水排放量、工業SO2排放量和工業煙粉塵排放量構建綜合性指標。[7-8]

首先，對不同指標進行無量綱化處理，令X*ij=■*70+30。其中，i指年份，j指各類污染物，Xij為各單項指標原始值，maxXj、minXj為各地區單項指標每年的最大值和最小值，X*ij為標準化后的值。再對m年的n種污染物計算出比重Gij=X*ij/■X*ij，熵值hj=-（■）■GijlnGij，以此確定權重Kij=（1-hj）/■（1-hj），則第i年的環境規制綜合指數為ENVi=■（Kij*100）*（Gij*100）。式中第i年的環境規制綜合指數ENVi越大，表示環境規制強度越大。

（2）信息化水平（INFOR）。采用移動電話接入戶數來表示。

（3）公共財政支出（GI）。采用地方政府的公共財政支出來表示。

（4）資源依賴（RD）。采用資源型產業從業人數占從業總人數的比重作為資源產業依賴指標，即采礦業與電力、熱力、燃氣及生產和供應業的就業總人數占從業總人數的比重，來反映一個地區就業結構向資源型產業的傾斜程度，從就業角度對資源產業依賴程度予以度量。

（5）居民儲蓄能力（PS）。采用人均城鄉居民儲蓄年末余額來表示。

（四）數據來源

本文以2005—2020年沿黃河流域100個地級及以上城市數據作為研究對象，原始數據主要來自歷年《中國城市統計年鑒》、相應省市的統計年鑒或各地級市的《國民經濟與社會發展統計公報》，價格指數和固定資產投資價格指數均來自相應省市的統計年鑒，部分缺少數值采用臨近兩年平均值替代。各變量描述性統計見表1。

二、基準回歸分析

基于前文建立的模型，同時結合逐個加入控制變量的方法，驗證各變量對城市全要素生產率影響的顯著性。表2報告的是資源型產業的多樣化、專業化集聚對全要素生產率影響的整體回歸結果，可以發現產業的多樣化集聚、專業化集聚的確會對城市全要素生產率產生作用。

從多樣化集聚來看，資源型產業的DIV值對全要素生產率的影響系數顯著為正，說明多樣化集聚對城市全要素生產率具有正向促進作用，具體表現為伴隨著產業多樣化集聚程度的增大，城市全要素生產率也會提升。這是因為多樣化集聚對不同行業的集聚作用，關鍵在于互補知識、勞動力等在企業之間的頻繁交換，本質是在生產中形成互補經濟，發揮協同作用。一方面，為了吸收多樣化的專業知識，相似知識需求的企業傾向于選擇集聚。這有助于最大程度發揮互補知識的溢出效應，消除信息不對稱，降低信息搜尋和協調成本，優化要素配置，促進城市全要素生產率的上升。[9]張鳳超等學者進一步指出通過知識和技術在不同產業的交流與擴散，能正向激勵知識互補和創新溢出，進一步助推城市的經濟發展。[10]另一方面，互補的勞動力市場是城市規避和抵御風險的重要保障之一。在多樣化集聚的過程中，隨著具有崗位相似性企業的增多，會形成大量互補的勞動力，企業間的“集體學習”模式亦有助于勞動力的相互學習，提升勞動力的工作能力。[11]當某個企業解散或受到沖擊時，部分勞動力可應聘其他企業或轉移到相似崗位，避免失業，進而成為城市經濟發展的基礎。

從專業化集聚來看，資源型產業的SPE值對全要素生產率的影響系數則顯著為負，說明專業化集聚對城市全要素生產率為抑制作用，具體表現為伴隨著產業專業化集聚程度的增大，城市全要素生產率卻在降低。這是因為，產業專業化集聚表現為同一類型企業在某一地區的聚集，而眾多的資源型企業具有同質性、重復性，它們行為相似，互相學習，易傾向于形成單一、趨同的生產模式。[10]基于此，一方面，企業的同質化特征會降低產業的要素配置效率、管理效率，企業間的相互模仿并不利于單個企業進行研發創新，有可能使得其技術投入動力不足，反倒容易形成惡性競爭。學者王濤指出這種趨同的惡性競爭行為會造成單個企業缺乏研發的積極性和主動性，不利于產業的投入、創新和進一步發展，進而對城市全要素生產率產生負向作用。[12]另一方面，專業化集聚使得行業具有明顯的邊界感，企業的知識溢出行為、創新溢出活動會更多地局限于行業內部的信息溝通，較難在不同行業間實現擴散和流動，這將弱化整個行業的創新動力，不利于全要素生產率的提升。事實上，如果一個城市的產業高度專業化，其“專業化特征”亦會使城市面臨的不確定風險逐漸增多，城市不易應對突發的外部沖擊。

三、進一步分析

通常情況下，能夠提升全要素生產率的路徑有兩種，一是在技術水平保持不變的情況下，通過提升生產效率使得產出水平最大，如提高工人的“干中學”水平;二是通過技術的不斷提高促使產出增大，如某一項新技術的應用。由理論模型和全要素生產率的測算方式可知，全要素生產率可進一步分解為效率變動指數（EFF）和技術進步指數（TECH），這為探究產業集聚如何實現城市全要素生產率的提升提供了思路。因此，本文將效率變動和技術進步作為變量引入模型，并構建交互項進一步考察產業集聚對全要素生產率的貢獻。公式（6）為添加效率變動指數（EFF）和技術進步指數（TECH）作為變量而設定的模型，公式（7）、（8）分別添加了產業集聚和分解指數的交互項進一步探究而設定的模型。具體如下：

TFPit=β0+β1IAit+β2EFFit+β3TECHit

+β4controlsit+δit（6）

TFPit=γ0+γ1IAit+γ2IAit*EFFit+γ3controlsit+δit（7）

TFPit=θ0+θ1IAit+θ2IAit*TECHit+θ3controlsit+δit（8）

其中，IA表示多樣化集聚（DIV）和專業化集聚（SPE），EFF表示效率變動指數，TECH表示技術進步指數，IA*EFF表示產業集聚通過改變效率變動的路徑對城市全要素生產率的影響;IA*TECH表示產業集聚通過改變技術進步的路徑對城市全要素生產率的影響，β0-β4、γ0-γ3、θ0-θ3均為待估參數。

（一）資源型產業集聚對全要素生產率的影響路徑分析

表3報告的是效率變動指數、技術進步指數、不同模式產業集聚與全要素生產率分解項的交互項對城市全要素生產率影響的回歸結果。表3第（1）、（4）列分別引入了效率變動指數和技術進步指數，可以發現：一方面，多樣化集聚確實能顯著促進全要素生產率的提升，專業化集聚不利于全要素生產率水平的進一步提高;另一方面，效率變動和技術進步對全要素生產率的影響系數均為正，這表明兩者皆能正向顯著促進城市全要素生產率提升，驗證了效率變動和技術進步確實是城市全要素生產率提升的路徑。

表3第（2）、（3）、（5）、（6）列分別添加了多樣化集聚和效率變動、多樣化集聚和技術進步、專業化集聚和效率變動、專業化集聚和技術進步的交互項，以檢驗產業集聚與全要素生產率分解項的協同影響，尋找提升城市全要素生產率的路徑。

從表3第（2）、（3）列中可以看出，在控制其他影響因素的情況下，兩個交互項的影響系數均顯著為正，這說明多樣化集聚可以通過效率變動路徑和技術進步路徑共同推動城市全要素生產率水平上升。一方面，互補知識和勞動力等在企業間、行業間的頻繁溢出有利于勞動力學習多樣化的技能和知識，幫助企業自身獲得持續發展的動力，有利于企業效率的提升。張司飛等學者認為資源型產業的集聚能極大改善資本、勞動力等要素市場的不平衡性，加強企業和勞動力的匹配程度，達到促進效率水平和技術創新的作用。[13]另一方面，當資源型產業加深與其他產業的互動協作程度時，不僅能共享基礎設施等硬件資源，還能共享平臺、信息等軟件資源，能有效降低信息成本，提升技術、知識的傳播范圍，有利于推動城市技術水平的進一步提升，最終增強城市全要素生產率的水平。對此，學者Stefanie 和Leker指出，共同的平臺基礎有助于企業將外部資本、創新成果納入到現有價值鏈中，拉動企業形成更優化的資源配置，實現產業延伸。[14]王延霖等學者以高技術服務業為例，發現從長期來看，高技術服務業和資源型產業融合將有助于資源型企業實現創新成果向經濟效益的轉化。[15]此外，持續擴大研發投入，促進企業間的協同創新，有助于增強產業競爭力，保持產業領先優勢，進而促進技術水平的提升。由此看來，多樣化集聚不僅正向激勵了行業的效率變動指數，還能促進技術的進步，最終推動了城市全要素生產率的提升。

從表3第（5）、（6）列中可以看出，在控制其他影響因素的情況下，專業化集聚和效率變動交互項的影響系數顯著為正，而專業化集聚和技術進步的交互項并不顯著，這說明專業化集聚更多的是通過促進效率變動的路徑來影響城市全要素生產率。這可能是因為專業化集聚通常表明行業具有一定的專門化、標準化的特征，其崗位勞動力的替代彈性較低，勞動力技能通過不斷的經驗總結來發揮“干中學”效應，有助于勞動力加快工作進度，提升工作效率。劉乃全等學者研究也發現，為了追求規模提升和收益增加，企業往往傾向于在成熟產品上持續加大投入，獲得外部性效應，這表現為企業生產效率的顯著提升。[16]值得注意的是，專業化集聚形成的行業邊界感，易形成企業集群，促進信息、知識在資源型產業的企業間擴散，有助于提升這一行業的整體生產效率。但是寇冬雪指出專業化集聚同質性的創新溢出具有較強的相似性與模仿性，往往局限于本行業內流動，也形成明顯的擁擠效應。[17]進一步地，專業化集聚并不一定有利于資源型產業與其他行業產生溢出行為，難以降低本行業的整體經營成本，會影響本行業技術水平的提升。由此看來，專業化集聚有助于資源型產業內企業的生產效率的提升，抑制了資源型企業與其他行業的企業互動協作，這就使得專業化集聚能夠影響效率水平的提升，卻不利于本行業內的技術進步，進而影響了城市全要素生產率。

（二）不同城市類型視角下資源型產業集聚對全要素生產率影響的差異分析

資源型城市作為我國重要的能源資源戰略保障基地，是國民經濟持續健康發展的重要支撐。基于資源型城市和非資源型城市，進一步考察不同模式下的產業集聚對城市全要素生產率影響的異質性，對不同城市類型形成適宜的產業發展模式具有借鑒意義。因此，本文根據《全國資源型城市可持續發展規劃（2013—2020年）》（簡稱《規劃》）將樣本城市分為資源型城市和非資源型城市兩種城市類型，其中資源型城市為《規劃》所包含的城市，非資源型城市為《規劃》里未包含的城市，其回歸結果如表4所示。

回歸結果顯示：從多樣化集聚來看，無論是資源型城市還是非資源型城市，多樣化集聚對城市全要素生產率的影響均顯著為正，表明多樣化集聚程度的提升有利于城市全要素生產率的升高。與之相反，專業化集聚對不同類型城市全要素生產率的影響均顯著為負，表明專業化集聚程度的提升反而會使城市全要素生產率降低。進一步對比影響系數的大小，可以看到多樣化集聚對非資源型城市全要素生產率的正向激勵作用要高于其對資源型城市的作用，與之相似的是，專業化集聚對非資源型城市全要素生產率的負向作用也強于其對資源型城市的作用。

對此，本文認為可以從資源型城市和非資源型城市自身的產業發展環境來理解。與非資源型城市相比，資源型城市的發展主要依賴于第二產業，產業發展很容易受到自然資源的影響，易形成路徑依賴。一方面，在資源依賴的背景下，資源型城市的發展與當地能源、原材料等有著緊密聯系，城市往往會依托當地的自然資源形成主導產業，產生專業化集聚。而伴隨著資源型城市的專業化集聚程度加深，產業發展逐漸成熟，同類型的生產有可能會造成行業內部競爭加劇，影響到本行業內的技術進步。另一方面，多樣化集聚使得非資源型城市并不局限于本行業自身發展，往往會與其他行業互動協作、相互學習，有助于城市全要素生產率的顯著提升。

四、結論與建議

本文首先利用DEA-Malmquist模型估計了黃河流域100個地級市的全要素生產率，并在此基礎上驗證了不同模式資源型產業集聚對城市全要素生產率的貢獻。本文的主要結論包括：第一，產業集聚可分為多樣化集聚和專業化集聚兩種模式，且這兩個模式的產業集聚對城市全要素生產率的影響存在異質性。第二，多樣化集聚能促進城市發展，隨著多樣化集聚程度的提升，城市全要素生產率也會上升。第三，專業化集聚對城市全要素生產率具有顯著的負向作用，隨著專業化產業集聚程度上升，其城市全要素生產率在降低。第四，進一步將全要素生產率分解為效率變動指數和技術進步指數，可以發現效率變動和技術進步的確是促進城市全要素生產率的兩條路徑。第五，多樣化集聚借助效率變動和技術進步的路徑共同推動城市全要素生產率的提升，而專業化集聚主要通過效率變動路徑影響城市全要素生產率。第六，通過探究不同類型城市的異質性，可以發現多樣化集聚在資源型城市和非資源型城市中均能顯著地促進城市全要素生產率的提升，而專業化集聚在資源型城市和非資源型城市中均表現為抑制作用。

基于以上結論，本文提出以下建議。第一，發揮多樣化集聚的正向激勵作用，合理規劃產業布局，鼓勵并推進不同企業深度合作。一方面，應重視政府的產業協調功能，政府應有意向地引進更多科技研發水平高的企業。通過政府宏觀稅收政策的引導、調控和傾斜，整合各類資源，促進資源的高效配置，鼓勵企業進行多元化發展。另一方面，企業自身要善于學習、吸收其他企業完備的管理經驗和技術知識，主動參與產學研有效對接平臺，并保持企業間的多元化協作和互補，營造資源型產業與多種創新資源相結合的現象。第二，考慮到專業化集聚程度較高的區域擁擠效應十分明顯的事實，應當積極引導企業有序進入或退出行業，實現市場的良性競爭與多業態發展，還應鼓勵企業向關聯行業延伸，拓寬產業鏈以覆蓋更多的上下游行業。特別是資源型城市的企業，應當積極參與多樣化的企業交流活動，主動與其他產業的企業進行互動、學習和深度融合，延伸價值鏈。第三，堅持技術進步是經濟發展的內在驅動力，應著重加強資源型企業的技術研發能力。各地區要鼓勵企業、高校和科研機構等加大科技研發規模，重視黃河流域的基礎研究，合理優化科技研發結構。同時還應關注到人力資本的重要性，積極實施廣泛的職業技能培訓行動，增強勞動力的從業能力，促進效率水平的提升，充分發揮技術進步和效率變動對城市全要素生產率的雙輪驅動作用。

參考文獻：

[1]朱俏俏，孫慧.資源型產業集聚的動態溢出效應研究[J].工業技術經濟，2016，（3）：36-46.

[2]張天華，陳博潮，雷佳祺.經濟集聚與資源配置效率：多樣化還是專業化[J].產業經濟研究，2019，（5）：51-64.

[3]Jacobs J.The Economy of Cities[M].New York：Vintage Books USA，1969.

[4]張軍，吳桂英，張吉鵬.中國省際物質資本存量估算：1952—2000[J].經濟研究，2004，（10）：35-44.

[5]林伯強.結構變化、效率改進與能源需求預測——以中國電力行業為例[J].經濟研究，2003，（5）：57-65，93.

[6]方杏村，田淑英，王曉玲.財政分權、產業集聚與綠色經濟效率——基于270個地級及以上城市面板數據的實證分析[J].經濟問題探索，2019，（11）：164-172.

[7]李夢潔，杜威劍.環境規制與就業的雙重紅利適用于中國現階段嗎？——基于省際面板數據的經驗分析[J].經濟科學，2014，（4）：14-26.

[8]仲偉周，陳玉潔.環境規制對異質性就業的影響機制及政策涵義——基于中國地級市動態面板數據的分析[J].軟科學，2019，（3）：5-8.

[9]劉奕，夏杰長，李垚.生產性服務業集聚與制造業升級[J].中國工業經濟，2017，（7）：24-42.

[10]張鳳超，黎欣.產業集聚、城市人口規模與區域經濟協調發展——基于我國12個城市群的比較研究[J].華南師范大學學報（社會科學版），2021，（2）：156-166，207-208.

[11]韓峰，陽立高.生產性服務業集聚如何影響制造業結構升級？——一個集聚經濟與熊彼特內生增長理論的綜合框架[J].管理世界，2020，（2）：72-94.

[12]王濤.工業專業化、多樣化集聚與碳排放[J].工業技術經濟，2019，（6）：131-138.

[13]張司飛，王琦.資源型產業集聚、要素扭曲配置與技術創新[J].工業技術經濟，2020，（6）：29-37.

[14]Stefanie B，Leker J.Industry Convergence and its Implications for the Front End of Innovation：a Problem of Absorptive Capacity[J].Creativity & Innovation Management，2010，（2）：165-175.

[15]王延霖，郭曉川，劉虹.高技術服務業與資源型產業融合對資源型企業兩階段創新效率的影響[J].科技進步與對策，2020，37（11）：60-69.

[16]劉乃全，吳友，趙國振.專業化集聚、多樣化集聚對區域創新效率的影響——基于空間杜賓模型的實證分析[J].經濟問題探索，2016，（2）：89-96.

[17]寇冬雪.產業專業化集聚、多樣化集聚與環境污染——基于中國285個城市的實證分析[J].云南財經大學學報，2020，（9）：3-17.

（責任編輯 吳曉妹）