EN中文

Economic geography >

2021 , Vol. 41 >Issue 7: 146 - 154

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.07.016

Spatial Econometric Analysis on the Influence of Elements Flow and Industrial Collaborative Agglomeration on Regional Economic Growth：Based on Manufacturing and Producer Services

  • TANG Chang'an , 1 ,
  • QIU Jiawei 2 ,
  • ZHANG Lijia , ※ ,
  • LI Hongyan 4
Expand
  • 1. School of Business，Jiangsu University of Technology，Changzhou 213001，Jiangsu，China
  • 2. The Mathematics School，Shandong University，Jinan 250100，Shandong，China
  • 3. Faculty of International Trade，Shanxi University of Finance and Economics，Taiyuan 030006，Shanxi，China
  • 4. Hunan Vocational College of Commerce，Changsha 410205，Hunan，China

Received date: 2020-05-23

  Revised date: 2021-06-10

  Online published: 2025-03-31

Fold

Abstract

Taking manufacturing and producer services,which are closely related to industries,as an example,this paper studies the important role of industrial co-agglomeration in improving production efficiency and innovation ability,so as to realize the regional economy growth of "quantity" and "quality". Firstly,based on the industrial synergy agglomeration index,it measures the level of industrial co-agglomeration between manufacturing and producer services in 30 provinces of China from 2003 to 2016. Secondly,it explores the important role of industrial collaborative agglomeration on regional economic growth from the perspective of production efficiency and technological innovation by the means of the spatial measurement model. The results show: the industrial co-agglomeration can improve production efficiency,and promote innovation and economic growth,which has a significant space spillover effect and is of great significance to realize the regional economy growth of "quantity" and "quality". Moreover,the industrial co-agglomeration has a significant spatial spillover effect and has a positive guiding significance to the cross-regional cooperation of the economic development. Therefore,in the course of the current economic development,the regions should strengthen the integrated development consciousness,break through the regional boundary,strengthen the regional cooperation,and realize the common development on the basis of the regional advantages.

Key words： industrial collaborative agglomeration; production efficiency; technological innovation; spatial econometric analysis

Cite this article

TANG Chang'an , QIU Jiawei , ZHANG Lijia , LI Hongyan . Spatial Econometric Analysis on the Influence of Elements Flow and Industrial Collaborative Agglomeration on Regional Economic Growth：Based on Manufacturing and Producer Services[J]. Economic geography, 2021 , 41(7) : 146 -154 . DOI: 10.15957/j.cnki.jjdl.2021.07.016

随着世界经济全球化发展的持续推进，产业集聚与融合发展作为生产要素跨区域流动与整合的产业组织发展形式，具有降低成本、扩大经济规模、优化经济结构、促进技术创新的重要作用，也越来越成为经济一体化发展的重要途径。随着我国经济的快速发展，产业集聚在地理空间上表现出单一产业集聚、二三产业协同集聚等多种集聚形式，其中制造业与生产性服务业集聚表现尤为明显，制造业服务化也成为制造业升级转型、促进经济增长的重要途径。当前，在“创新、协调、绿色、开放、共享”的发展理念下，如何扭转经济增长主要依靠“要素投入”这一局面，发挥产业协同集聚在经济增长中的重要作用，成为政府和学者关注的重要课题。基于此，本文分析制造业与生产性服务业协同集聚（下文简称为“两产业协同集聚”）对经济增长的重要性，以期为我国进一步推动制造业与生产性服务业协同集聚提供对策建议。
国内外学者对产业协同集聚与经济增长之间关系进行了较为深入的探讨，认为产业协同集聚不仅可以实现经济“量”的增长，更可以推动经济增长“质”的提升，从而实现经济可持续发展。一方面，产业协同集聚可以通过资源的有效配置，提高产业生产效率。Fitzgerald在研究OECD国家制造业集聚效应的过程中，发现产业集聚可以通过要素流动与积累重构区域内生产要素结构从而提高生产效率[1]。Driscoll发现食品产业、纺织产业等劳动力密集型产业集聚对城市就业岗位的增加、生产效率提升都具有明显的促进作用[2]。Fujita等则将推动产业集聚形成的推力描述为生产要素的“滚雪球”效应，即集聚与生产要素积累存在相互促进、相互影响的关系[3]。钟韵、刘书瀚等将研究视角扩展为多产业的协同集聚，认为城市群范围内的生产性服务业与制造业的协同集聚对经济生产效率的提升也有积极的促进作用[4-5]。Sveikauskas等在研究产业集聚对区域生产效率的作用时发现，产业协同集聚对区域经济增长的重要作用具有门槛效应，因此在产业集聚发展过程中要将集聚规模控制在合理的范围内[6]。张明斗等从“本地—邻地”效应研究视角发现制造业与生产性服务业对本地城市经济效率的影响呈“倒U型”走势，而对邻地城市经济效率呈“U”型走势[7]，要发挥产业协同对生产效率的促进作用，就要科学合理地布局两产业。由此可见，产业协同集聚与生产效率存在相关关系，因此在产业跨区域分工合作的视角下，研究产业协同集聚的经济增长效应具有重要意义。
另一方面，产业协同集聚会通过创新能力的提升，延长产业链，优化产业结构进而实现经济“质”的发展。Jacobs发现产业协同集聚可以促进行业之间的知识和技术溢出，进而推动市场分工持续深化与产业结构优化升级[8]。Pakes发现创新产业集聚，可以通过调整要素结构、汇集高级人才、引进专业技术设备等，进而降低创新投入，提高创新效率，推动技术创新进而为经济增长提供新动力[9]。Amin认为地区产业协同集聚可以通过创新环境的构建、创新成本的节约实现区域内创新水平的提升[10]。李骏等通过对我国制造业与生产性服务业协同集聚的研究，进一步验证了技术创新对经济增长的中介效应[11]。汤长安等研究了产业协同集聚的技术创新效应，认为不同产业的协同集聚对地区技术创新具有重要影响，而且这种影响存在明显的地区异质性[12]。
综上所述，目前国内外学者关于产业协同集聚与区域经济增长等问题的研究，为本文奠定了基础，但有待于从以下几个方面深入研究：一方面，目前有关产业协同集聚对区域经济增长效应的研究，主要探讨产业集聚与经济增长规模之间的关系，忽略了对经济增长“质”方面的关注，在我国产业融合创新以及经济发展动能转换的背景下，经济发展“质”的问题逐渐成为经济发展不可忽视的目标。因此，本文将区域经济增长“量”与“质”都纳入到经济增长的体系中，研究两产业协同集聚对生产效率以及创新能力的影响。另一方面，鲜有学者对产业协同集聚促进经济“量”与“质”增长的理论机理进行系统分析。基于此，本文在借鉴前人研究的基础上，在研究经济增长中加入表征经济可持续增长的变量——地区创新能力，构建产业协同集聚—地区生产效率—经济“量”增长和产业协同集聚—地区创新能力—经济增长“质”提升的理论模型，并进行实证检验。

1 理论分析

产业协同集聚作为产业空间布局的重要形式，对区域经济增长具有重要的推动作用：①产业协同集聚促进区域经济生产效率的提高。通过洼地效应带动区域经济规模的扩大，实现经济“量”的增加。通过产业关联效应延伸产业链，深化产业内分工进而促进生产效率的提升。②产业协同集聚通过创新效应促进产业内、区域内创新能力的提升，促进技术变革，通过空间溢出效应深化产业内分工以及区域内专业化分工，为区域内产业结构和经济结构调整奠定基础，发挥“1+1>2”的重要作用，实现区域经济“量”和“质”增长（图1）。
图1 产业协同集聚促进经济增长的内在机制

Fig.1 Internal mechanism of industrial collaborative agglomeration to promote economic growth

1.1 产业协同集聚与生产效率

随着服务经济时代的到来，以知识密集型、劳动密集型为特点的生产性服务业与制造业之间的联系日渐密切，对经济“量”的增长发挥着重要的作用，主要表现在对经济规模以及经济生产效率等方面：①产业洼地效应扩大经济规模。一方面，成功的产业协同集聚所形成“产业洼地”具有生产成本低、生产效率高等优点，会对集聚区外的产业形成吸引力，大量劳动力、资本等生产要素逐渐汇集，形成要素市场，为经济规模的扩大提供了条件。另一方面，随着产业协同集聚规模扩大，有限资源供给与无限生产需求之间的矛盾逐渐显露，优胜劣汰的市场规则会促使企业不断引进新技术和管理方法提高资源利用效率。同时市场秩序也进一步完善与规范，引导地区经济增长。②产业关联效应提高生产效率。一方面，随着产业协同集聚规模的扩大，生产要素基于“趋利性”不断地向回报率高的产业流动，实现资源的合理配置与生产效率的提升；另一方面，产业集聚布局会缩短企业间的距离，有利于企业间合作关系的形成与维护，在一定程度上可以降低生产活动中的显性及隐形交易成本，提高技术研发投资比重。同时，集聚区内存在的合作与竞争也有利于新技术研发、信息交流氛围的形成，从而推动技术进步、人才引进以及管理创新。

1.2 产业协同集聚与技术创新

产业协同集聚区可为经济发展提供创新的氛围，以及技术、人才以及资金的支撑，发挥技术在经济发展中的主导作用，提升经济发展质量并进行经济发展潜力储备，主要表现为：①技术创新效应推动技术革新。大规模产业协同集聚可以为技术创新创造良好的氛围，在提升产业技术水平的同时，促进产业发展向着高端价值链转移，促进经济高质量发展。一方面，产业协同集聚通过技术外溢推动技术在不同产业之间扩散。以制造业与生产性服务业为例，在两产业协同集聚的过程中，生产性服务业中高水平的技术、设备、人才都可以融入制造业，推动制造业技术的提升与革新。另一方面，产业协同集聚可以实现技术“需求”与“供给”的有效对接，提升区域内创新效率。高等院校、科研机构等作为创新的集中供给者，拥有丰富的创新成果，但信息传递不畅通造成科研成果无法快速被企业所利用，创新成果转化效率较低。而产业协同集聚可以弥补这一缺陷，有效地将“产学研”充分结合，实现技术“供给”与“需求”有效对接，推动产业良性互动，加速创新成果转化。②空间溢出效应优化经济发展结构。一方面，产业集聚可以深化产业分工，延长产业链。随着产业协同集聚的持续推进，处于同一产业链的企业，逐渐进行专业化分工，集中进行某一生产环节的生产活动，在这一过程中，产业发展逐渐向核心环节、高技术环节集中，低端环节逐渐剥离，有效地实现技术创新外部化。另一方面，产业集聚带来区域内分工，区域专业化生产形成。随着区域内产业专业化生产的推进，产业生产活动逐渐将生产利润小的、处于价值链低端的劳动密集型产业、资源密集型产业转换到其他生产力水平较低的区域内，各区域在原有比较优势的基础上进行区域专业化生产，促进经济整体发展。

2 我国产业协同集聚水平的测度与分析

2.1 指标选取与数据来源

①指标选取。本文借鉴Ellison、Glaeser的研究[13-14]，采用E-G共同集聚指数来进行产业协同集聚水平的测度，计算公式为：
R i j = 1 - S m i - S m j S m i + S m j + S m i + S m j
式中： R i j代表m省内不同产业i、j之间的协同集聚水平； S m i和 S m j分别表示产业i与产业j在m省的集聚水平，具体采用区位熵计算， S m i = e m i / E i e m / E，其中 e m i为m省产业i的从业人数， E i为全国各省产业i的从业人数总数， e i表示m省所有产业就业人员总人数，E表示全国所有产业就业人员总人数。
②数据来源与产业范畴。本文搜集了我国30个省份（因数据获得原因，未包括西藏及港澳台地区）2003—2019年的数据进行制造业与生产性服务业协同集聚水平的测度。数据主要来源于《中国统计年鉴》（2004—2020年）、EPS数据库、国家统计局等网站。对于个别数据的缺失，本文采用TREND插补法加以补充和替代。
本文所研究的制造业共31类，主要包括国民经济行业分类以及代码（GB/T4574-2011）中所划分的13~43类；生产性服务业共8类，包括交通运输、仓储和邮政业，信息传输、软件和信息技术服务业，批发和零售业，金融业，房地产业，租赁和商务服务业，科学研究和技术服务业，水利、环境和公共设施管理业。

2.2 测度结果与分析

①协同集聚水平描述性特征。图2为2003—2019年我国、分地区两产业协同集聚水平平均值折线图。可以看出，时间上，不论全国或分地区，两产业协同集聚水平均呈波动变化，除了2006年中西部两产业协同集聚存在反方向变化外，其他年份三地区产业协同集聚发展均保持相似的发展趋势。
图2 中国制造业与生产性服务业协同集聚水平分区域时间变化趋势图

Fig.2 Change trend of collaborative agglomeration level between manufacturing industry and producer services in China

全国、东中西不同地域维度下两产业协同集聚的平均水平存在明显差异，表现出东—中—西递减的态势。17年来全国两产之间的协同集聚水平平均值为2.65，东部高于全国水平为2.88，且一直保持着较为稳定的状态，年均变化幅度较小，这得益于东部较高的经济发展水平以及较成熟完善的产业结构体系。中部为2.64位于第二，低于全国平均水平，并且在2006年两产业协同集聚水平达到局部小高峰，主要是因为2006年是“中部崛起”计划实施元年，全国各地响应党中央的号召助力中部经济的发展。西部为2.44，为三大区域内最低，与全国平均水平相差较大，且中西部两产业协同集聚水平在时间上表现出相反的变化趋势，这可能是因为受2000年西部大开发战略和2006年中部崛起战略影响，中西部在承接东部产业转移及经济建设的过程中存在大量的资源竞争。因此，我国制造业与生产性服务业协同集聚水平提升的关键在于全面提升西部地区的产业协同集聚水平。
②协同集聚水平空间演化特征。本文利用ArcGIS 10.2软件，采用自然断裂法对2003、2011和2019年3年的中国省级两产业协同集聚水平空间布局情况进行可视化处理（图3）。总的来看，我国两产业协同集聚水平存在明显的空间分异，东中西部严重失衡。东部由于较高的经济发展水平以及较为完善的产业结构，各省两产业协同集聚水平远高于中西部地区，且产业协同集聚水平高的省份主要分布在沿海地区，如北京、上海、天津、广东等产业结构发展比较成熟的省份。中西部各省份两产业协同集聚分布表现出“核心—外围”的地理分布特征，中部的湖北，西部地区的四川等省份都是产业协同集聚水平的集聚核心区。
图3 中国各省制造业与生产性服务业协同集聚指数空间分布图

Fig.3 Spatial distribution of the collaborative agglomeration index of manufacturing and producer service industries in Chinese provinces

3 产业协同集聚对区域经济增长作用的实证研究

在经济新常态下，经济发展不仅要实现数量的增长，还要实现动能转换以及质量提升，而产业协同集聚作为产业空间结构调整的产业发展趋势，对经济数量以及质量提升具有重要意义，因此，本部分对产业协同集聚对生产效率、技术创新的重要作用进行实证研究。

3.1 产业协同集聚与生产效率

①空间计量模型。我国产业以及经济发展存在显著的空间地域差异，因此，在考虑其他控制变量的基础上，加入空间因素，构建考察区域经济增长的空间滞后、空间误差和空间杜宾模型：
L P i t = β 1 R i t + β 2 H r i t + β 3 K i t + β 4 E D i t + β 5 J T i t + λ ∑ j N W i t u j t + α + γ t + u i t
L P i t = β 1 R + β 2 H r i t + β 3 K i t + β 4 E D i t + β 5 J T i t + ρ ∑ j = 1 N W i t u j t + α i + γ t + ε i t
L P i t = λ ∑ j = 1 N W i t y j t + δ ∑ j = 1 N W i j X i t + α i + γ t + u i t
式中： L P i t为地区生产效率； R i t为产业协同集聚水平； H r i t为人力资本存量； K i t为物质资本存量； E D i t为就业密度； J T i t为交通通达性； β 1 ~ β 5是各变量的系数； α i t为截距项； ε i t为随机误差；W为空间权重矩阵（选择地距离矩阵和经济地理矩阵）； β为空间误差系数； λ为自回归系数。
②变量选取与描述性统计。本文选取了地区生产效率作为被解释变量，两产业协同集聚水平为核心解释变量，人力资本、物质资本、就业密度以及外商直接投资等为控制变量，各变量具体如下：
被解释变量：地区生产效率（LP）。使用城市GDP与地区就业人员总数的比值对城区域生产率进行衡量，单位为万元/人。
核心解释变量：产业协同集聚水平（R）。用上文通过产业协同集聚相对指数R计算的2003—2019年中国30个省份的制造业与生产性服务业协同集聚指数来表示。
控制变量：人力资本存量（Hr）度量地区生产的劳动力投入，并根据年龄段受教育程度赋予不同的权重，将文盲（半文盲）、小学、初中、高中、大专及以上受教育水平分别赋予2、6、9、12、16的权重，然后将该权重乘以不同阶段受教育人数对总人数的占比。
物质资本存量（K）：本文借鉴Young、张军等学者的研究[15-16]，以2003年为基期，以按照PIM方法对我国30个省份2003—2019年的物质资本存量进行估算。
地区就业密度（ED）：采用各地区工业就业人数占各地区面积比值来表示，单位为万人/万km2。
地区交通通达性（JT）：采用各省份单位面积的公路、铁路通车里程来度量，单位为km/km2。
为了消除异方差的影响，本文对数据进行对数化处理，并利用Stata 14软件对变量进行描述性统计分析，结果见表1。可见，各变量都比较平稳，实证分析的基础较好。
表1 变量的描述性统计

Tab.1 Descriptive statistics of the variables

Variable Obs mean Std. Dev. Min Max
LP 510 10.863 0.723 8.338 12.409
R 510 2.661 0.106 1.858 2.533
Hr 510 9.856 1.048 6.752 11.937
K 510 5.398 0.888 3.326 7.746
ED 510 8.699 0.845 5.865 9.978
Jt 510 11.925 2.039 4.477 14.941
④空间计量模型回归结果。根据空间计量模型选择标准，综合考虑LM检验和Wald检验结果（表2）以及R2和LogL等指标的基础上，本文选择空间杜宾模型（SDM）的具体回归结果对制造业与生产性服务业协同集聚对地区生产效率的影响进行解释说明，具体结果见表3。
表2 空间面板模型的LM检验结果

Tab.2 The LM test results of the space panel model

LM检验 地理矩阵（W1） 经济地理矩阵（W2）
T值 P值 T值 P值
LM-lag 57.886 0.000 100.262 0.000
LM-error 78.724 0.000 109.881 0.000
R-lmlag 48.366 0.000 87.792 0.000
R-lmerror 73.201 0.000 88.945 0.000
表3 空间计量模型回归结果

Tab.3 Regression results of spatial econometric model

变量 地理矩阵（W1） 经济地理矩阵（W2）
SLM（I）-re SEM（I）-re SDM（I）-re SLM（I）-re SEM（I）-re SDM（I）-fe
c 0.599（1.55） 2.180***（3.72） 1.729***（3.66） 0.916***（2.43） 2.201***（4.46） -
R 0.490***（2.62） 1.438***（4.83） 1.123***（3.67） 0.535***（2.87） 1.262***（4.58） 0.648**（1.98）
Hr 0.285***（7.83） 0.569***（15.30） 0.349***（7.60） 0.340***（10.16） 0.608***（24.33） 0.411***（7.71）
K 0.057（1.37） -0.0216（-0.52） 0.057（1.35） 0.041（0.98） -0.027（-0.63） 0.044*（1.04）
ED -0.0002**（-2.50） -7.08e-06（-0.08） -0.002*（-1.65） -0.0001***（-1.58） 0.00007***（0.843） -5.0002***（-1.61）
JT 0.015（1.37） 0.006***（0.54） 0.007（0.62） 0.009***（0.79） 1.005（0.42） 0.009（0.3996）
W·R - - -0.311（-0.90） - - -0.269（-0.70）
W·Hr - - -0.099*（-1.66） - - -0.092（-1.40）
W·K - -0.181**（-2.52） - - 0.257**（2.38）
W·ED - - 0.0003***（2.23） - - -0.0005**（-2.24）
W·JT - 0.053**（2.50） - 0.088***（3.35）
ρ 0.551***（10.33） 0.6971***（9.93） 0.454***（8.14） 0.474***（9.73） 0.501***（7.65） 0.382***（5.72）
R2 0.9179 0.9140 0.9230 0.9194 0.9153 0.9293
LogL 142.5655 134.1495 241.4518 138.6455 123.3557 234.8033
SDM→SLM 46.3953*** - - 136.4427***

注：*、**、***表示在10%、5%、1%的显著水平，括号内为t值。表6同。

根据表3的结果可以看到，产业协同集聚水平R对地区生产效率的回归系数在地理矩阵下为1.123，经济地理矩阵下为0.648，并在95%的水平上显著。地理矩阵下的R回归系数较高，说明产业协同集聚对生产效率的促进作用具有一定的辐射范围，因此在发挥产业协同集聚的生产率提升效应时要考虑其辐射范围。以经济地理矩阵为例，两产业协同集聚水平每提升一个单位，地区生产效率就会提高0.648个单位。产业协同集聚伴随着要素的跨区域流动，可以提升生产要素的效率，而且集聚区内所有产业共享交通、通信等基础设施，节约了生产成本，也会形成有利于技术创新发展的环境，推动创新成果形成。
人力资本Hr的回归系数在不同矩阵下都为正，分别为0.349和0.411，均在99%的水平上显著，说明可以通过提高地区教育水平的方式提升地区生产效率。这主要是因为随着产业协同集聚的提升，人力资本也不断地在地区间积累，劳动力专业化知识以及技能也在不断地升级优化，有利于生产效率的提升。经济地理矩阵下的系数远大于地理矩阵下的系数，说明在流动壁垒的影响下，人力资本的跨区域流动存在困难，因此要制定合理科学的人才吸引和激励政策为经济发展提供充足的人才供给。
物质资本投入K的系数在两矩阵下相差不大，都为正且通过10%的显著性检验，说明地区物质资本的不断投入会对地区生产效率产生正向促进作用，但是这种促进效应会受到技术水平的影响。地区就业密度ED在不同矩阵下都在1%的水平上显著为负。就业密度与生产效率成相反关系，说明我国城市内存在着严重的拥挤效应，大量的就业人员所带来的对城市基础设施的需求的高速增长与城市基础设施以及就业岗位供给严重失衡，城市基础设施远不能满足城市就业人员的需求，不利于地区生产效率的进一步提升。区域间交通通达性JT在不同矩阵下都对生产效率具有促进作用，但是并未通过显著性检验。究其原因主要是区域进出成本越低，人力资本等生产要素的流动成本就越低，越有利于生产资源的合理配置，有利于生产效率的提高。

3.2 产业协同集聚提升地区创新能力

①空间计量模型。本文构建了产业协同集聚与区域创新水平的空间滞后、空间误差以及空间杜宾模型：
C X i t = β 1 R i t + β 2 H r i t + β 3 Z J i t + β 4 W g i t + β 5 F D I i t + β 6 i n f i t + λ ∑ j N W i t u i t + α + γ t + u i t
C X i t = β 1 R i t + β 2 H r i t + β 3 Z J i t + β 4 W g i t + β 5 F D I i t + β 6 I n f i t + ρ ∑ j N W i t u i t + α + γ t + ε i t
C X i t = λ ∑ j = 1 N W i j y i t + δ ∑ j = 1 N W i j X i t + α i + γ t + u i t
式中：CX表示地区创新能力；R表示产业协同集聚水平；Hr表示科研人员投入；ZJ表示科研经费投入；Fdi表示外商直接投资；Wg表示地区工资水平；Inf代表的是地区的信息化水平。
②变量选取及描述性统计。在这部分实证中，选取区域创新水平为被解释变量，制造业与生产性服务业协同集聚水平为核心解释变量，控制变量包括科研人员、科研经费投入、地区工资水平、地区信息化程度、外商直接投资等变量，具体为：
被解释变量：创新能力（CX）。一个地区创新水平的高低主要体现在这个地区创新产出的高低，考虑到专利授权会受到申请机构偏好的影响，以及专利发布时滞性，本文使用各地区专利申请受理量与人口的比值来代表地区创新能力，单位：件/万人。
解释变量：产业协同集聚水平（R）。采用上文具体测度的2003—2019年中国30个省份的制造业与生产性服务业协同集聚指数来表示。
控制变量：人力资本水平（Hr）。指标选取同上文一样。科研投入（ZJ），采用R&D内部经费支出与GDP的比重表示。一个地区的基本工资水平越高，越可以吸引更多优秀人才，有利于推动地区劳动力从事技术创新等活动。本文采用各区域职工历年平均工资现值作为工资水平（Wg）的代理变量。外商投资（FDI）采用各省统计年鉴中的外商直接投资额来表示。本文用地区长途光缆线路长度（km）表征地区信息化水平（Inf）。
为了消除异方差，对每个变量进行了对数化处理，并且利用Stata 14对变量进行描述性统计，见表4。可以看出各变量之间还是比较平稳的，实证分析基础较好。
表4 变量的描述性统计

Tab.4 Descriptive statistics of the variables

Variable Obs mean Std. Dev. Min Max
CX 510 12.158 17.401 0.230 104.993
R 510 2.655 0.339 1.411 3.531
Hr 510 2.180 0.105 1.858 2.543
ZJ 510 1.419 1.070 0.174 6.315
Wg 510 10.511 0.613 9.249 12.024
Fdi 510 11.973 2.036 4.477 14.941
Inf 510 9.947 0.887 6.426 11.714
③空间计量模型回归结果。本部分遵循与上文一样的空间模型选择标准，认为空间杜宾模型（SDM）结果更优，且Hausman检验也在1%的水平上显示随机效应模型更具解释力，因此，本文最后选择空间杜宾模型下的随机效应模型进行产业协同集聚与区域创新水平的回归结果分析，具体结果见表5。
表5 空间面板模型的LM检验结果

Tab.5 The LM test results of the space panel model

LM检验 地理矩阵（W1） 经济地理矩阵（W2）
T值 P值 T值 P值
LM-lag 51.840 0.000 55.86 0.000
LM-error 35.743 0.000 8.421 0.004
R-lmlag 50.238 0.000 55.315 0.000
R-lmerror 40.715 0.000 7.871 0.005
表6的结果显示，核心变量R对区域创新能力提升在两大矩阵下都具有显著的正向促进作用。假定其他条件保持不变，在经济地理矩阵下，区域创新能力就会提高0.1025个单位，而且其空间滞后项系数显著为正，这说明地区产业协同集聚水平具有空间溢出效应，不仅可以有效地提升本地区的创新能力，对邻地的创新能力也具有正向促进作用。究其原因可能是因为：一方面，产业协同集聚有利于知识的传播，可以有效地促进区域内信息、技术以及工作经验的快速扩散，降低创新成本，提高创新生成的概率。另一方面，产业协同集聚不仅可以带来区域内同类企业之间的竞争，也为企业合作提供机会。同类产业之间激烈的竞争迫使企业不断地创新，以保障自己不会被日新月异的市场所淘汰，而合作共赢的企业关系在节约创新成本的基础上可以有效地共享信息与知识，进而有效地促进地区创新的形成。
表6 空间计量模型回归结果

Tab.6 Regression results of spatial econometric model

变量 地理矩阵（W1） 经济地理矩阵（W2）
SLM（I）-re SEM（I）-fe SDM（I）-re SLM（I）-fe SEM（I）-fe SDM（I）-re
c -10.177***（-10.92） - -4.722***（-5.57） - - -1.357***（1.9030）
R 0.341***（5.69） 0.280***（3.88） 0.368***（5.56） 0.209***（3.22 ） 0.240***（3.43） 0.1025***（0.1219）
Hr -0.192**（-2.55） -0.283***（-3.76） -0.226***（-2.97） -0.206***（-2.85） -0.202***（-2.71） -0.016（0.0474）
ZJ -0.071（-1.13） -0.125*（-1.87） 0.086***（1.26） -0.118*（-1.88） -0.095（-1.41） 0.333***（0.0474）
Wg 0.916***（9.88） 1.392***（22.68） 0.00001***（4.77） 0.733***（7.36） 1.408***（22.05） 9.32e-061***（1.67e-06）
Inf 0.079***（4.41） 0.067***（3.64） 2.23e-06***（0.98） 0.072***（4.06） 0.079***（4.46） 0.000103**（0.000017）
FDI -0.229***（-3.65） -0.161**（-2.21） -0.116***（6.16） -0.241*（-3.46） -0.228***（-3.32） 0.0049（0.013）
W·R - - -0.114（0.450） - - 1.338***（0.504）
W·Hr - - 0.100（1.01） - - -0.223*（0.124）
W·ZJ - - 0.422***（4.43） - - 0.164***（0.154）
W·Wg - - 0.00002***（2.50e-06） - - -8.00e-07***（4.69e-06）
W·Inf - - 1.75e-06（0.42） - - 0.000027***（0.000100）
W·FDI - - 0.025（0.76） - - -0.1971***（0.0507）
ρ 0.271***（5.16） - 0.384***（7.55） 0.459***（8.39） - 0.263***（0.139）
R2 0.921 0.848 0.924 0.780 0.870 0.756
Log L 121.156 121.156 127.595 231.288 137.853 108.631
SDM→SLM - - 83.936*** 76.929***
两类空间矩阵下的人力资本Hr系数为负相关，说明当前我国低水平人力资本供给会对地区创新能力产生阻碍作用。虽然随着义务教育的发展，我国人力资本不断提高，但是高端人才供给仍存在巨大缺口，供给与需求的不均衡极大地限制地区创新能力的提升。人力资本空间滞后系数在地理矩阵下为正，但不显著，在经济地理矩阵下显著为负，说明地区人力资本对地区创新能力提升的作用存在较大的地域局限性，人力资本流动障碍所导致的人力资本流动性差也限制了人力资本在创新方面的重要作用。
科研经费投入（ZJ）的回归系数在两类矩阵下都显著为正，说明加大对科研经费投入可以有效地促进地区创新能力的提升。以经济地理矩阵的回归结果为例，每增加一单位科研经费的投入，地区创新能力就会提高0.333个单位。科研经费投入的空间滞后系数也显著为正，说明科研经费投入对创新水平的提升具有显著的正向空间溢出效应。例如，在地理矩阵下空间溢出系数为0.422，说明如果城市周边地区科技研发经费投入每增加一个单位，该地区创新水平也会提升0.422个单位。
地区工资水平（Wg）系数在两类矩阵下都显著为正，但回归系数较小，说明一个地区工资水平越高，可以为区域创新发展提供良好的基础条件，但是这种影响非常有限。地区信息化水平（Inf）的回归系数在两类矩阵下都显著为正，而且系数绝对值相差不大，说明一个地区信息化水平的提高，可以有效地促进地区创新水平的提升，这主要是因为，一方面信息化程度高的地区，经济发展水平高，勇于创新、善于创新的社会氛围非常有利于创新思想的碰撞、创新成果的形成；另一方面，网络信息传播的低成本性、便捷性以及时效性可以快速地推动高新技术的扩散，有利于创新水平的进一步提升。
对于外商直接投资（FDI）来说，在两类矩阵下表现出较明显的差别，在地理矩阵下外商直接投资对地区创新水平的影响系数显著为负，而在经济地理矩阵下影响系数表现为不显著的正相关。究其原因，一方面，外资带来技术和知识的外溢会加速行业内技术的提高和更新，该地区为了提供与外资企业的契合度必然会主动地学习技术、引进人才，形成生产要素洼地；另一方面，为吸引外资而进行的基础设施建设，对“空间溢出效应”和“蒂伯特选择”作用下的“用脚投票”机制作用发挥有利，进而形成地区基础设施建设、产业发展与外资引进的良性循环。

4 对策建议

产业协同集聚作为产业空间布局的重要趋势，对生产效率以及技术创新都有重要意义，是实现经济增长的重要方式。因此，应采取措施不断推进产业之间的协同集聚，为经济增长提供动力。①打破地方保护主义，增强一体化发展意识。各省份需要在考虑本地区资源环境优势的前提下，制定科学的产业发展规划，合理布局制造业与生产性服务业。区域之间要摒弃地区保护主义以及正确认识地区之间的差异，本着共同发展的原则，开展多方位合作，形成区域层级下的产业协同集聚机制，推动区域经济整体发展。②突破区域界限，加强区域合作。通过空间计量模型可知，不论是地区生产效率还是创新水平的提升都存在极大的空间相关性。因此，各地区要相互合作，产业协同发展更应突破行政区划的局限与束缚，以“同城化”发展的理念进行生产要素以及产业的合理流动与分配，在提高城市内部基础设施承载能力的同时，通过不断加强公路、铁路等城市之间交通基础设施建设，打破产业协同集聚与融合发展的空间壁垒，进一步加速生产要素与产业在更大的空间范围内流动，实现不同区域经济空间格局的调整。③升级要素层次，提高地区生产效率。要制定产业联动发展政策，指导加强不同产业之间的关联，促进产业的横向与纵向延伸，提升产业之间的协同高度以及协同质量。目前我国存在着高水平专业人才严重缺乏，人力资本层次低的问题，要通过国外人才引进、国内人才培养的方式升级人力资本层次。④完善区域创新体系，缩小区域创新差异。产业协同集聚所具有的技术正外部性是解决区域经济增长后劲不足问题的关键，在区域经济增长过程中扮演着“永动机”的角色。因此，应该在构建完善创新体系的基础上，加大对教育以及创新培育的投入，提高人力资本的知识层次、能力水平以及创新意识，激发和鼓励学习效应、有效互动效应下的可能创新。要加强交通、通信等基础设施建设，吸引外商直接投资，强化对国外先进技术的引进、学习。政府要加大对培育地区创新性产业的支持，形成各区域自身特色的创新产业，不断缩小地区之间的创新差距。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Fitzgerald K, Harmon. Thoracic paravertebral blockade[J]. Anaesthesia, 2004(59):1027-1029.

[2]
Driscoll J C, Kraay A C. Consistent co-variance matrix estimation with spatially dependent panel data[J]. Review of Economics and Statistics, 2006, 80(4):549-560.

[3]
Fujita M, Thissse J F. Economics of agglomeration:cities,industrial location, and agglobalization(second edition)[M]. Cambridge: Cambridge University Press, 2012.

[4]
钟韵, 秦嫣然. 中国城市群的服务业协同集聚研究——基于长三角与珠三角的对比[J]. 广东社会科学, 2021(2):5-15,254.

[5]
刘书瀚, 于化龙. 生产性服务业集聚的经济增长效应研究——基于中国三大城市群的比较分析[J]. 中国科技论坛, 2020(6):44-53,145.

[6]
Sveikauskas L. The producyivity of cities[J]. The Quarterly Journal of Economic, 1975, 89(3):393-413.

[7]
张明斗, 王亚男. 制造业、生产性服务业协同集聚与城市经济效率——基于“本地—邻地”效应的视角[J]. 山西财经大学学报, 2021, 43(6):5-28.

[8]
Jacobs J. The Economy of City[M]. New York: Vintage,1969.

[9]
Pakes A, Griliches Z. Patrnes and R&D at the firm level:a first report[J]. Economics Letters, 1980, 5(4):377-381.

[10]
Amin M. Location of vertically linked industries:agglomeration versus comparative advantage[J]. European Economic Review, 2005, 49(4):809-32.

[11]
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):95-99.

[12]
汤长安, 张丽家. 产业协同集聚的区域技术创新效应研究——以制造业与生产性服务业为例[J]. 湖南师范大学社会科学学报, 2020, 49(3):140-148.

[13]
Ellison G, Glaeser E L. Geograhpic concentration in U.S. manufacturing industries:a dartboard approach[J]. Journal of Political Economy, 1997, 105(5):889-927.

[14]
Ellison G, Glaeser E L, Kerr W R. What cause industry agglomeration?Evidence from agglomeration patters[J]. American Economic Review, 2010(2):1195-1213.

[15]
Young Alwy. Gold into base metals:productivity growth in the People’s Republic of China during the reform period[J]. Journal of Political Economy, 2003(6):1220-1260.

[16]
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):35-44.

Options
Outlines

/

〈 〉