高技术产业集聚对地区全要素生产率的影响研究
姚羽希
摘 要：当前经济发展进入了高质量发展阶段，高技术产业集聚已经成为推动地区经济高质量发展的重要手段之一。利用中国2001—2018年30个省份的面板数据，对高技术产业与地区全要素生产率之间的关系进行了研究。首先在考虑异方差以及内生性等问题后，采用GLS对模型进行估计，结果表明：高技术产业集聚对地区全要素生产率存在一个正向影响，但其作用效果并不是很大，且存在明显的空间差异，具体来说东部地区的高技术产业集聚对全要素生产率有显著的促进作用，西部和东北地区则是产生负向的影响，而在东部地区两者之间没有显著的关系。其次运用门槛回归模型，发现两者之间存在倒“U”型关系，最后就研究结论提出政策建议。
关 键 词：高技术产业集聚;全要素生产率;空间差异;门槛模型
DOI：10.16315/j.stm.2021.03.008
中图分类号：
F127;F121.3
文献标志码：
A
Research on the impact of high-tech industrial agglomeration
on regional total factor productivity
YAO Yu-xi
（Business School， Ningbo University， Ningbo 315211， China）
Abstract：The current economic development has entered the stage of high-quality development， high-tech industrial agglomeration has become one of the important means to promote the high-quality development of regional economy. Based on the panel data of 30 provinces in China from 2001 to 2018， this paper studies the relationship between high-tech industry and regional total factor productivity. Firstly， after considering heteroscedasticity and endogeneity， GLS is used to estimate the model. The results show that high-tech industrial agglomeration has a positive impact on regional TFP， but its effect is not very large， and there are obvious spatial differences. Specifically speaking， the high-tech industrial agglomeration in the eastern region has a significant role in promoting TFP， while the western region has a significant effect on TFP. But in the East， there is no significant relationship between them. Finally， the threshold regression model is used to develop the inverted “U” relationship between the two. Finally， the paper puts forward policy suggestions on the research conclusion.
Keywords：high tech industrial agglomeration; total factor productivity; spatial difference; threshold model
十九大報告提出我国经济社会进入高质量发展阶段，高技术产业作为知识经济时代的支柱产业，对我国经济增长起到了战略性引领的作用，对我国产业结构调整，经济增长方式转变具有重大的意义。根据2002年国家统计局印发的《高技术产业统计分类目录》，本文将高技术产业定义为投入成本高、创新效率高、科技人员从业比例高、收益率高和风险性高的“五高”产业。2019年的高技术产业主营业收入比2000年增长了近20倍。高技术产业作为我国重点发展产业，对地区经济发展以及生产率的提升具有重要作用。
产业集聚发展是当下产业发展的趋势，首先对产业集聚进行研究的是马歇尔在1980年提出的外部规模经济[1];克鲁格曼[2]作为新经济地理学的开创者，其中心—外围模型对集聚产生的原因进行了阐述，认为集聚的环境有利于降低企业的生产运营成本，而这种环境对于企业具有一定的吸引力，在循环累计的作用下，产业集聚渐渐加强，从而形成集聚中心，逐渐向外围扩散[3]。但是由于这种累计循环作用，集聚区的企业数量会不断增加，竞争由此产生，此时区域内的集聚效应将会降低，取而代之的是扩散效应[4]。长期来看，集聚力和扩散力的大小是产业选择集聚和扩散的决定性因素。
从对产业集聚的理论研究中可以看出，在产业集聚的初期阶段，其对经济发展确实存在推动作用。而高技术产业作为我国今后重点发展产业，关于高技术产业集聚，特别是对其与经济之间的关系问题研究日益增加，较多学着从高技术产业集聚对于创新绩效之间的关系进行了研究，且各学者的研究结果存在一定的差异。但是很少有学者针对高技术产业集聚是否对整个经济的全要素生产率具有一定的影响作用进行正面的回答。那么，高技术产业集聚是否对地区全要素生产率存在一定的影响作用，又是怎么影响的，是否存在地区异质性？基于此，本文利用2001—2018年中国省际面板数据，试图对上述问题进行回答研究结果。对新经济常态下中国发展高技术产业以及转换经济发展方式具有一定的现实意义。
1 文献综述
产业集聚与经济之间的关系一直是经济学中的热点研究问题，而全要素生产率是衡量地方经济的重要指标之一。目前已经有不少学者对两者之间的关系进行了研究，研究结果存在一定的分歧。有学者认为产业集聚对地方生产率存在正向的影响[5];也有部分学者呈反对意见，孙浦阳等[6]通过验证聚集经济中存在的拥堵效应来说明产业集聚对于经济的负向作用。另外有学者认为在不同行业，产业聚集对生产率的影响存在异质性[7]。大部分学者认为两者之间的关系并不是纯粹的线性关系。Lin等[8]以中国服装产业作为研究对象，认为该产业集聚度与地区全要素生产率之间存在一个倒“U”型关系。孙慧等[9]、惠炜等[10]分别以中国资源产业以及生产性服务业为例，得到了同样的结果。
随着中国社会，发展进入高质量发展阶段，越来越多的学者注意到高技术产业对经济社会发展的作用，对高技术产业集聚的研究主要在3个方面，一是对高技术产业集聚度的测度[11];二是对高技术产业集聚的影响因素的研究[12-13]。三是对高技术产业集聚与区域经济之间关系的研究，主要集中在高技术产业集聚对区域创新影响的研究上。这方面的研究也存在3种观点，第1种观点支持在高技术产业领域，其集聚对区域技术创新具有正向作用。于伟等[14]对2000—2016年省际数据进行空间方程研究，结果显示区域高技术产业集聚对区域研发效率存在正向影响。张可等[15]对高技术产业集聚与区域创新的关系进行研究，结果表明两者具有相互促进的关系。第2种观点则认为两者之间存在非线性的关系。吕承超等[16]将高技术产业集聚模式进行细分，研究其不同模式对高技术细分行业的创新产出的影响，研究结果显示不管是集聚模式的不同还是研究行业的不同，这两者之间的关系都会存在异质性，总的来说高技术产业集聚与地区创新产出存在倒“U”型关系。杨丽华[17]以长三角地区为例对其高技术产业的集聚度对出口贸易的影响进行了研究，研究显示其负面效应已经开始显现。
除了从技术创新视角来分析高技术产业集聚对区域经济的影响研究外，也有学者直接从区域经济的角度进行研究。李骏等[18]以中国省际高技术产业为例，以技术学习成本作为两者的联结效应，采用系统GMM面板模型，实证结果表明高技术产业集聚对于经济增长的影响并不是单一的线性关系，而是存在“拐点”效应。此外也有学者从其他视角进行了研究，晋盛武等[19]对中国高技术产业集聚与地区就业之间的关系进行研究，采用省级面板数据，实证结果显示高技术产业集聚对就业水平的影响存在门槛效应。
综上可知，目前少有文献对高技术产业集聚与生产率之间的关系进行研究。高技术产业集聚的文献多集中在对其集聚度的测度、影响因素及其与区域创新的研究上，少有文献从产业集聚的视角上，对高技术产业发展与区域全要素生产率之间的关系进行分析，同时也缺乏高技术产业集聚对区域全要素生產率影响的空间异质性研究。结合前人研究，高技术产业集聚度与全要素生产率之间的非线性关系不容忽视。基于此，本文在已有研究的基础上对高技术产业集聚与全要素生产率关系的内在机理、空间差异及影响规律进行系统的探讨。
2 高技术产业集聚对全要素生产率的影响及其区域差异
2.1 模型设定与变量解释
为了研究高技术产业集聚对地区全要素生产率的影响作用，本文设定研究模型如下：
TPFit=α0+α1LQit+βXit+θit+εit。（1）
其中：TPFit表示i省份t时间段的全要素生产率，LQit表示i省份t时间段的高技术产业集聚度，Xit表示影响地区全要素生产率的控制变量，α0表示截距项，α1为变量系数，θ为不可观测的地区效应，ε为随机扰动项。参考相关已有文献，以及数据可获得性，本文选取贸易开放程度、国家资本投入状态等作为文章的控制变量，可以将式（1）改写为
TPFit=α0+α1LQit+β1OPit+β2GCit+β3URBit+
β4HCit+θit+εit。（2）
其中：OP表示贸易开放程度、GC表示国家资本投入状况、URB表示城镇化水平、HC表示人力资本水平。
被解释变量：全要素生产率（TPF）是指生产系统内每个计算的时间单位内总产出与全部生产要素的真实投入量之比。本文借鉴Fare等[20]测算全要素生产率的方法，并对其进行改进，产出变量为各省2000年为基期计算的实际GDP，并以资本和劳动这2个要素作为投入变量，利用DEAP2.1计算各省历年全要素。对于资本存量的计算，本文的资本折旧率选择9.6%[21]，并且以2000年作为基期计算各省资本存量。而劳动要素则采用各省每年年底从业人数进行代替[22]。
核心解释变量：高技术产业集聚度（LQ）。产业集聚度的测度方法有很多，由于本文高技术产业集聚度测算侧重点在于行业专业化水平，因此采用波特提出的区位熵（Location）方法对高技术产业集聚度进行测度，其公式为如下：
LQit=gij/∑ni=1gij
∑nj=1gij/∑j∑igij。（3）
其中：gij是j地区i产业的总产值，则∑ni=1gij表示j地区所有产业的总产值，∑nj=1gij表示产业i在全国内所有的地区的总产值，
∑j∑igij表示全国各地所有产业的总产值，基于数据可获得性，本文采用主营业务收入来对高技术产业总产值进行描述。LQ的值越大表示，该地区的高技术产业集聚水平越高。
控制变量：为了实证结果的可靠性以及模型的稳健性，本文选取人力资本（HC）、城镇化水平（URB）、政府投入（GC）作为本文研究模型中的控制变量。其中人力资本（HC）采用HC=A×0+B×6+C×9+D×12+U×16，其中A、B、C、D、E分别表示《中国统计年鉴》中对居民受教育程度的统计口径，分别是未上过小学、小学、初中、高中、大专及以上的人口数量与所有人口数量之比[23]，而城镇化水平（URB）利用年末城镇人口占总人口数量的比重进行衡量，政府投入（GC）则由政府财政支出占GDP的比重来衡量。
2.2 数据来源
本文所选取的研究对象为2001—2018年中国除西藏外的30个省份，本文数据来源于2001—2019年《高技术产业统计年鉴》，2001—2019年《中国统计年鉴》以及个别省份的统计年鉴，最终得到各地区样本数据的描述统计，如表1所示。
高技术产业集聚程度与各地区全要素生产率，如图1所示。由图1可知，整体来说高技术产业与全要素生产率之间存在正相关关系，同时可以看到在散点图中，有部分边缘观测值出现，也就是说这种正相关关系存在一定的差异性，接下来将会对这两者之间的关系进行计量分析，以期更好的讨论两者之间的关系。
2.3 实证结果分析
指标数据的平稳性检验结果，如表2所示。区域样本数据同样通过平稳性检验，由于篇幅限制，其结果不放入正文。通过white、BP方法检验得出本文的模型中变量之间存在异方差，故选用GLS方法对模型进行估计，并且考虑到模型中可能存在的变量滞后性带来的误差，利用高技术产业集聚的滞后变量对模型进行再次估计，估计结果，如表3所示。
模型1是通过GLS方法对高技术产业集聚度 与地区全要素生产率之间的关系进行估计所得到的结果。可以看出，高技术产业集聚对地区全要素生产率的提高具有推动作用，其系数弹性为0.062，并通过1%的显著水平检验，高技术产业集聚对地区全要素生产率具有一定的正向影响作用。首先，高技术产业集聚会带来企业内部在技术研发等方面形成持续性的竞争态势，这一态势不仅会刺激企业更加专注于技术创新，而且由于在研发创新活动中，会产生技术服务、技术咨询、技术转化等服务，催生下游第三方外包服务企业，一方面提升了产业结构，另一方面市场的细分程度得到了进一步的提升，从而有利于全要素生产率的提升。其次，学习效应对全要素生产率的影响不容忽视。高技术产业集聚有利于区域内企业之间知识的传播和累计，对高技术企业自主创新能力的提高具有正向的影响作用，并且其集聚有利于高级生产要素的流通，在产业链上的所有企业都会有所获益。最后，规模效应对全要素生产率的影响，一方面，高技术产业集聚会带来劳动力、技术、各种生产要素的相对集中，而这就会导致产业集群开始拥有规模效应，最终会对全要素生产率有正向的影响。另一方面，高技术产业的专业化水平也会随着规模经济的产生而加强，从而使得处于产业链各级的厂商都会更加专注于自己的核心业务，最终对地区全要素生产率产生正向影响。
模型2是将滞后1年的高技术产业集聚度代替本期高技术产业集聚度作为模型中的核心解释变量的估计结果，与模型1的结果进行对比可以看到，其系数弹性为0.081，大于模型1的估计结果，说明高技术产业集聚对全要素生产率的影响存在一定的滞后效应，而不仅仅体现在当期的影响上。模型3则是采用系统GMM法进行估计，主要是为了克服可能存在的内生性问题，通过与模型1和模型2的估计结果相比较，结果没有什么大的变化，所以在充分考虑模型异方差以及内生性问题的基础上，对模型所估计出来的结果具有一定的可靠性。
从控制变量来看，政府投入（GC），影响系数在1%显著为负，表明政府投入对于地区全要素生产率存在抑制作用，造成这一现象的原因可能是政府支出结构的不完善，没有有效促进社会全要素生产率的提升。城镇化（URB）对全要素生产率具有显著的正向影响作用，其原因可能是城镇化的进程使得生产要素得以集中，另外基础设施的改善也对企业产生了一定的外部经济，最终带动地区全要素生产率的提升。人力资源（HC）对地区全要素生产率具有正向影响，主要是由于教育能够提高劳动者的基本素质，对人力资本的累计以及知识的生产有正向作用，从而可以促进地区全要素生产率的增长。
为保证估计结果的准确性以及有效性，除了前文中采用利用之后一阶高技术产业集聚作为变量以及系统GMM法外，本文还采用了其他方法对本文研究模型进行稳健性检验。模型4是在剔除2001年以及2018年的数据后进行检验的估计结构，模型5在模型4的基础上采用滞后一阶高技术产业集聚度作为变量估计的结果。通过稳健性检验可以看出本文研究模型具有一定的解释力度，通过此模型得出的结论具有较好的稳健性。
高技术产业集聚对全要素生产率影响的区域差异分析，如表4所示。模型6、模型7、模型8、模型9分别是利用GLS法对中国四大区域：东部地区、中部地区、西部地区、东北地区的估计结果。由表4可知，高技术产业集聚对全要素生产率的影响具有地区异质性，对东部地区虽然有一定的促进作用但是其作用非常弱，而对于中部和东北地区来说存在显著的抑制作用，西部地区则没有显著的正向影响。由表中各系数的均值中得出，东部的高技术产业集聚度最高，而之后的顺序分别是东北、西部、中部，且从前文的估计可以看出，高技术产业集聚对于全要素生产率虽然是有一定的正向作用，但是其作用非常小，所以可能是产业集聚后期带来的拥挤效应使得高技术产业集聚对地区全要素生产率的正向作用减少，所以将对两者之间的可能存在的非線性关系进行检验。
3 高技术产业集聚对全要素生产率影响的门槛效应分析
3.1 研究模型设定
从上文的估计结果可以得知，高技术产业集聚与地区全要素生产率之间可能存在某种非线性关系，为了验证这一想法，下面将采用Hansen提出的面板门槛模型对两者之间的关系进行进一步探索。高技术产业集聚与全要素生产率之间的关系的面板门槛模型如下所示：
TPFit=β0+β1LQit×1（LQit≤γ1）+β1LQit×
1（LQit>γ1）+δXit+ωit。（4）
其中：Xit为控制变量，与上文一致，1（*）表示性函数，当括号中的关系为假时候，则取值为0，当括号中的关系为真时，则取值为1，根据门槛变量高产业集聚度（LQ）与门槛值之间的关系大小来确定划分区间，并且其系数弹性用β1、β2进行区分。若经过检验存在多个门槛值，则门槛模型可以用下式表示（以两门槛模型作为例子）。
TPFit=β0+β1LQit×1（LQit≤γ1）+β2LQit×
1（γ1 1（LQit>γ2）+δXit+ωit。（5） 其中，γ1<γ2，两门槛模型是在第1个门槛的基础上进行估计的。 3.2 面板门槛回归结果 研究解释变量为地区全要素生产率（TPF），分别对模型具有3个、2个、1个门槛值进行估计，运用stata14，通过反复抽取300次，并通过检验统计量的P值判断是否存在门槛效应，包括存在几个门槛值，如表5所示。 由表5可知，当高技术产业集聚度（LQ）作为门槛变量时，一门槛模型在10%的水平下显著，即P值小于0.1，以此该模型存在1个门槛值，门槛估计结果，如表6所示。 为了保证所确定的门槛值的真实性和有效性，对门槛回归LR图进行绘制，如图2所示。由于门槛估计值是当似然比统计量LR无线趋近0时的γ，由图2可知，LR统计量的最低点为真实的门槛值，可以看到其真实门槛值明显处在虚线下方，而虛线则是临界值，为7.352 3，所以可以认为上文中得出的门槛值是真实有效的。 对门槛模型估计所得到的结果，如表7所示。由表7可知，当选取高技术产业集聚度（LQ）时，不同的LQ取值对地区全要素生产率的影响具有较大差异。具体来说，当高技术产业集聚度小于、等于0.148 3时，高技术产业集聚对地区全要素生产率具有正向影响作用，此时其系数弹性为1.226，且通过了1%的显著水平。当高技术产业集聚度大于0.148 3时，高技术产业集聚对地区全要素生产率反而产生了负向抑制作用，其系数弹性为-0.245，表明高技术产业集聚对地区全要素生产率具有非线性的倒“U”型影响。 4 结论与建议 本文选取我国2001—2018年30个省份作为研究对象，分别对高技术产业集聚与地区全要素生产率之间的线性关系以及非线性关系进行研究。本文研究的主要结论如下： 第一，全国层面上，在考虑异方差以及内生性等问题后，采用GLS对模型进行估计，研究结果显示高技术产业集聚对地区全要素生产率有显著的正向影响作用，但是影响的作用不显著，可能是由于产业集聚带来的拥挤效应已经开始显现。 第二，东、中、西和东北4个层面上，高技术产业集聚与全要素生产率之间的关系呈现差异性。估计结果显示在不同的地区高技术产业集聚确实会对地区全要素生产率产生不同的影响，具体来说东部和中部产生正向的影响，而西部和东北产生负向的影响。 第三，高技术产业集聚与全要素生产率存在非线性关系。就高技术产业集聚对地区全要素生产率的影响以高技术产业集聚度作为门槛变量进行门槛回归估计，结果显示高技术产业集聚与地区全要素生产率存在倒“U”型关系。 基于前文的研究结论提出可能的政策建议： 第一，控制合理规模，优化集聚环境。在经济发展过程中要注重对高技术产业的发展，并且在促进高技术产业发展的过程中要保持其增长和规模扩张速度合理，并且其集聚规模也不能无限扩大，需要保持在一定的范围内。在高技术产业发展过程中，不能仅仅关注集群的产生，更应该关注其内部结构是否合理以及产业集聚质量如何，为此需要通过建立产学研合作示范区、高技术服务业创新区等方式对高技术产业集聚的集聚环境进行优化，提高高技术产业集聚水平，充分释放高技术产业集聚的企业竞争效益、学习效应以及规模化效应。 第二，因势利导，合理布局。从研究结论可知在不同的地区高技术产业集聚对全要素生产率会产生不同的影响效应，因此各地区在制定高技术产业集聚发展战略时，因根据本地情况进行研究，并与相邻地区形成良好的协同互动。具体来说东部地区依托其区位优势，引进先进的技术及人才，发挥其“领头羊”的带动作用;中西部及东北地区做好东部地区高技术产业转移承接工作，逐步提升其经济实力。 第三，了解产业发展阶段，制定合理产业政策。要充分了解高技术产业集聚与地区全要素生产率呈倒“U”型关系，各地政府应该在不同的阶段实施不同的产业政策，最终促进地区全要素生产率的增长，完成高质量发展的目标。 参考文献： [1] 阿弗里德·马歇尔.经济学原理[M].华夏出版社，2017：24. [2] 克鲁格曼.发展、地理学与经济学[M].北京大学出版社，2000：33. [3] 罗能生，谢里，谭真勇.产业集聚与经济增长关系研究新进展[J].经济学动态，2009（3）：117. [4] BALDWIN R.MARTIN P.OTTAVIANO G.Global income divergence，trade and industrialization：The geography of growth take-off[J].Journal of Economic Growth，2001（6）：15. [5] 范剑勇，冯猛，李方文.产业集聚与企业全要素生产率[J].世界经济，2014，37（5）：51. [6] 孙浦阳，韩帅，许启钦.产业集聚对劳动生产率的动态影响[J].世界经济，2013，36（3）：33. [7] 柴志贤，黄祖辉.集聚经济与中国工业生产率的增长：基于DEA的实证分析[J].数量经济技术经济研究，2008，25（11）：3. [8] LIN H L，LI H Y，YANG C H.Agglomeration and productivity： [9] 孙慧，朱俏俏.中国资源型产业集聚对全要素生产率的影响研究[J].中国人口·资源与环境，2016，26（1）：121.
Firmlevel evidence from Chinas textile industry[J].China Economic Review，2011，22（3）：313.
[10] 惠炜，韩先锋.生产性服务业集聚促进了地区劳动生产率吗？[J].数量经济技术经济研究，2016，33（10）：37.
[11] 封伟毅，杨硕.高技术产业集聚度测度与比较研究：基于中国2007～2017年数据的实证分析[J].工业技术经济，2020，39（6）：154.
[12] 李国平，孙铁山，卢明华.北京高科技产业集聚过程及其影响因素[J].地理学报，2003（6）：927.
[13] 吳燕，谢童伟.长江经济带高等教育发展对高新技术产业集聚的影响分析[J].宏观经济研究，2020（3）：145.
[14] 于伟，张鹏，姬志恒.高技术产业集聚与区域研发效率的空间交互溢出效应：基于空间联立方程的实证研究[J].经济问题探索，2019（4）：121.
[15] 张可，徐朝晖.产业集聚与区域创新的交互影响：基于高技术产业的实证[J].财经科学，2019（1）：75.
[16] 吕承超，商圆月.高技术产业集聚模式与创新产出的时空效应研究[J].管理科学，2017，30（2）：64.
[17] 杨丽华.长三角高技术产业集聚对出口贸易影响的研究[J].国际贸易问题，2013（7）：158.
[18] 李骏，刘洪伟，陈银.产业集聚、技术学习成本与区域经济增长：以中国省际高技术产业为例[J].软科学，2018，32（4）：95.
[19] 晋盛武，盛淑洁.中国高技术产业集聚的就业效应研究：基于空间面板的实证分析[J].地理与地理信息科学，2015，31（1）：80.
[20] FARE R，GROSSKOPF S，NORRIS M.Productivity growth，technical progress，and efficiency change in industrialized countries[J].American Economic Review，1994（84）：409.
[21] 张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952—2000[J].经济研究，2004（10）：35.
[22] 颜鹏飞，王兵.技术效率、技术进步与生产率增长：基于DEA的实证分析[J].经济研究，2004（12）：55.
[23] 叶丹，黄庆华.区域创新环境对高技术产业创新效率的影响研究：基于DEA-Malmquist方法[J].宏观经济研究，2017（8）：132.
[编辑：厉艳飞]
猜你喜欢 高技术生产率门槛 门槛牡丹(2020年23期)2020-12-30门槛杂说青春期健康·青少版(2020年6期)2020-06-30跟踪导练（三）4时代英语·高一(2019年1期)2019-03-13外资来源地与企业生产率智富时代(2018年1期)2018-03-26外资来源地与企业生产率智富时代(2018年1期)2018-03-26桥式抓斗卸船机性能考核的分析珠江水运(2018年13期)2018-02-17高技术产业国际竞争力研究科学与财富(2017年25期)2017-09-17自主研发、外部知识获取与企业绩效研究软科学(2015年2期)2015-04-20中国“高技术不高”悖论的成因与政策建议当代经济研究(2009年5期)2009-07-30门槛最高的大学（前10名）湖北招生考试·高考资讯(2009年9期)2009-01-05