EN中文

Economic geography >

2025 , Vol. 45 >Issue 5: 75 - 84

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.05.008

Path Dependence Transition from Urban Economic Specialization to Diversification

  • WU Shengnan ,
  • YANG Yang , ※
Expand
  • Institute for Yangtze River Delta and Yangtze River Economic Belt Development，Shanghai University of Finance and Economics，Shanghai 200433，China

Received date: 2023-02-06

  Revised date: 2024-12-24

  Online published: 2025-07-07

Fold

Abstract

Under the background of China's high-quality economic development, urban industrial upgrading faces the critical challenges in terms of breaking specialized path dependence and cultivating diversified economic structures. Based on the panel data covering 19 industries across 286 prefecture-level cities in China from 2007 to 2019, this study analyzes the path dependence of specialized economy and diversified economy respectively at the industrial and urban levels using a linear probability model. It's found that: 1) High industrial correlation has strengthened the specialized economy, and there is dual heterogeneity at the industrial and urban levels. 2) From the industrial perspective, the path dependence of the service industry is stronger than that of industry and agriculture. 3) From the perspective of cities, industrial correlation of cities on with high innovation capabilities has more prominent promotion effect on specialization. Furthermore, both industrial linkage intensity and urban innovation capacity significantly inhibit economic diversification, though their marginal negative effects exhibit diminishing trends over time. Finally, based on the above, it is proposed that precise policies should be implemented in stages, industries and regions to promote the transformation of specialized economy and diversified economy from zero-sum game to collaborative symbiosis, and ultimately achieve the sustainable upgrading of urban industrial structures.

Key words： specialized economy; diversified economy; urban innovation; industrial agglomeration; industry relatedness; path dependence

Cite this article

WU Shengnan , YANG Yang . Path Dependence Transition from Urban Economic Specialization to Diversification[J]. Economic geography, 2025 , 45(5) : 75 -84 . DOI: 10.15957/j.cnki.jjdl.2025.05.008

在当前全球价值链重构和国内新发展格局构建的双重背景下，产业转型升级的质量和效率将直接决定我国经济能否突破中等收入陷阱、实现创新驱动发展的战略目标。产业转型升级作为经济结构优化调整的核心驱动力，是实现经济高质量发展的关键路径和必然选择。产业转型能否成功，主要面临三大关卡：企业进入关卡、产业专业化关卡以及创新关卡[1]。当前，学界与政策制定者主要聚焦于降低企业准入门槛这一初始环节，却相对低估了产业专业化的重要作用。单纯的企业数量增长存在明显的局限性，这就导致实践中以吸引企业进入为导向的政策难以有效培育具有内生增长动能的专业化产业集群，产业园区缺乏造血功能，陷入产业空心化的发展困境，难以形成持续的区域竞争优势。
事实上，通过产业集聚形成的专业化产业是构建区域比较优势的微观基础，而多种专业化产业的形成与共存则是促使区域经济结构从专业化向多样化演变的核心机制。城市产业专业化发展与产业关联度密不可分，具有路径依赖效应[2]。较高的产业关联度会促使新形成的专业化产业与城市现有产业体系保持高度协同，这种自我强化的正反馈机制导致城市产业结构趋向单一化演进。从形成机制来看，城市专业化经济的产生源于两个层面的作用：首先是初始资源禀赋差异，包括地理区位、自然资源等先天条件，这决定了各城市产业发展的差异化起点；其次是市场与政府的双重强化机制，一方面集聚效应会吸引生产要素向优势产业集中，另一方面地方政府的发展策略会进一步通过政策倾斜强化既有产业优势。然而，这种专业化发展模式存在显著的脆弱性风险，过度专业化虽然能在短期内实现规模经济效益，但会导致城市经济系统韧性不足，抗风险能力下降。因此，从可持续发展视角来看，要从产业内互补转向产业间联动，打破路径依赖的锁定效应，实现从专业化经济向多样化经济的演进。
在经济结构向多样化转型的过程中，对于其作用机制的研究具有重要的理论价值和实践意义。现有文献主要研究城市创新能力与产业路径依赖之间的直接关系[3-4]，本文则在此基础上，引入产业关联度这一关键变量，打开路径依赖形成机制的黑箱，以进一步探讨城市创新能力在打破路径依赖时的异质性影响与动态演变规律。
本文将从产业层面探讨专业化经济路径依赖的形成过程，以产业关联度衡量路径依赖；通过城市层面的检验，分析创新与专业化经济和多样化经济的关系，为理解产业转型规律提供参考借鉴。

1 文献综述与研究框架

1.1 产业关联度与新的产业专业化

在演化经济地理学框架下，关联度最初被广泛用于衡量出口产品的路径依赖特征。学者们运用技术相似性搭建产品空间网络，发现国家层面的产业演化呈现显著的路径依赖性，即各国更趋向于生产现有的专业化产品，并基于此逐渐形成更大的关联性生产空间，不断升级和扩充出口商品种类。这种演化模式导致大多数发展中国家被锁定在核心产品空间的外围位置，不利于发展具有国际竞争力的出口产业[5-6]。对于一国内部的产业演化，瑞典的实证研究揭示了技术关联度对产业演化的筛选机制，即具有技术关联的产业更容易嵌入区域生产体系，而技术关联性弱的产业则面临被淘汰的风险[7]。在此基础上，关联度分析被进一步运用到产业—区域匹配维度，学者们基于欧洲国家的研究结果认为：高创新能力的地区，其新产业的形成更不依赖于区域原有的专业化产业组合；而低创新能力地区，区域新产业的形成则有较强的路径依赖[8]。相较之下，中国的产品出口和区域产业演化也具有路径依赖的特征，但是已有文献往往停留在研究这种路径依赖的形成原因和方式上[9]，而没有探析这种路径依赖特性对于新的专业化产业形成的影响[10]。此外，以产业关联度衡量的路径依赖在不同大类产业和不同类型城市中的表现也不同，本文在以往研究的基础上不仅聚焦于路径依赖对产业专业化的作用机理，更通过产业异质性和城市异质性的双重维度，揭示路径依赖效应的差异化表现。

1.2 创新与路径依赖

城市内的产业集聚通过路径依赖形成专业化经济，而在专业化经济向多样化经济转型的过程中，产业演化的路径依赖成为关注点。有研究发现，路径依赖可以通过创新进行突破，进而形成技术多样化和产业多元化的发展路径[11]。也有研究表明，创新和多样化经济之间存在着双向因果关系，是一个相互促进的过程：一方面，多样化的投资和产业结构能够促进创新能力的增长[12]；另一方面，技术创新通过降低进入壁垒和创造新市场需求[13]，有利于推动产业向多元化发展，进而促进多样化经济发展[14]。还有研究表明，产业结构和创新之间存在着U型关系[15]，二者互动存在阶段性特征。总体来看，现有文献大多聚焦于技术创新对路径依赖的突破作用，忽视了创新和基于集聚的多样化经济之间的内在联系。然而，创新和路径依赖均是经济发展到一定阶段的产物，经济的发展会呈现出周期性的波动，各种要素在不同阶段中也存在此消彼长、相伴相生抑或相互抑制的关系[16-17]，不同阶段中创新和路径依赖之间的关系需要辩证看待。而多样化经济则产生于工业化时期，是社会分工的结果[18]。发展多样化经济的基本条件包括：多样化的需求[19]、有技能的剩余劳动力[20]以及低成本运输[21]。这一转型过程体现为经济发展的质变跃迁：在农耕文明阶段，生存型需求主导下的经济系统被锁定在以家庭为单位的农业生产之中，形成单一的专业化经济结构。而当基本需求得到满足后，发展型需求推动了两个根本性转变：一方面，追求效率改进的工业革命催生了规模化生产；另一方面，提升生活品质的服务需求促进了第三产业的蓬勃发展。这种结构性转型的实现需要关键要素的协同变革：农业剩余劳动力必须通过人力资本投资完成技能转换，而产业间的协同发展则依赖于运输成本的突破性降低——后者直接塑造了现代城市的空间结构[22]。因此，在多样化经济的形成过程中，创新和路径依赖始终共存。

1.3 研究框架

本文旨在基于演化经济地理学视角，检验路径依赖下专业化经济的形成过程，通过实证分析揭示创新与专业化经济和多样化经济的关系。其中，专业化经济是在比较优势理论下，依赖城市资源禀赋追求短期经济效益最大化的结果[23]；而多样化经济则是城市追求可持续发展而形成的内在产业结构[24]。鉴于城市内单一的产业专业化发展模式往往会伴随着潜在的经济风险[25]，因此需要探索如何通过创新驱动实现建立在专业化经济基础上的城市多样化经济。本文的研究框架如图1所示。首先，从产业集聚视角出发探索高产业关联度如何推动城市在现有专业化产业组合基础上形成新的专业化产业，并运用回归分析方法对这一过程进行实证检验。在此基础上，本文对专业化经济的城市异质性和产业异质性进行分析。当城市的专业化产业数量增加时，即有更多的产业进入城市的专业化产业组合，则意味着城市的多样化经济得以发展。然后，基于此对专业化经济和多样化经济判定，即以产业层面的比较优势形成论证专业化经济，以城市层面的专业化产业组合论证多样化经济，并进一步探讨城市创新能力和产业类型对路径依赖效应影响的异质性。最后，通过时间效应检验，揭示专业化经济向多样化经济演化的趋势。
图1 研究框架及逻辑

Fig.1 Logic and framework of research

2 研究设计

2.1 变量处理与数据说明

产业关联度是建立在产业邻近性概念基础上的，产业邻近性在演化经济地理学中被定义为两个产业同时实现专业化发展的条件概率，一般以国家为单元衡量国家产业之间的邻近性[26]。产业邻近性指标的构建依赖于产业集聚的理论基础，首先需要计算区域内每个产业的集聚程度，然后将集聚程度超过某一水平的产业看作区域的专业化产业。
本文运用标准化区位商（SLQ）衡量产业在城市内的集聚程度[27]。计算公式如下：
S L Q i c = L Q i c - μ σ = L Q i c - 1 n ∑ i L Q i c ∑ L Q i c - 1 n ∑ i L Q i c 2 n
L Q i c = E i c / E * c E i * / E * *
式中： E i c为城市c产业i的就业人数，带有*的表示全部产业或者全部城市。在传统的区位商分析中，LQ>1表示产业在区域内集聚程度较高，为区域的专业化产业，LQ<1则相反，这个临界值1是由经验得出的。之后的学者试图利用LQ的Z统计量进行标准化得到SLQ，并用5%的Z分布即SLQ>1.64确定临界值，以此来判断产业在区域内是否达到专业化水平。但是运用Z统计量确定临界值的方法需要假定LQ为正态分布，而实际上大多数LQ不符合正态分布，即用1.64来确定产业专业化的临界值并不可靠。于是在此基础上，Tian用自助抽样法来确定临界值[28]，不同于依赖正态分布的1.64的临界值取值，自助抽样法分析的是不能以正态分布进行描述的来源于总体的样本。在区位商的衡量中，对SLQ进行自助重抽样，取95%的分位数作为临界值，在5%的水平上确定产业在区域内的专业化地位。该方法对每个产业都有一个不同的临界值，该临界值是根据每个产业SLQ的经验分布确定的，相比于假定正态分布统一确定为1.64的临界值，处理更为客观和科学。
在此基础上，关键变量产业关联度主要通过产业邻近性指数 φ i , j , t和产业专业化状态虚拟变量 X k , c , t进行构建[29]。计算公式如下：
d i , c , t = ∑ k φ i , k , t X k , c , t ∑ k φ i , k , t
式中： d i , c , t表示t时期产业i和城市c的专业化产业组合之间的关联性，是由产业邻近性指数和产业专业化状态虚拟变量共同构建的复合变量，衡量的是产业和城市之间的关联性。
φ i , j , t = m i n P X i , t X j , t , P X j , t X i , t
式中： φ i , j , t表示t时期产业i和产业j同时达到专业化水平的概率，是产业的邻近性指数，用产业的专业化最小条件概率进行衡量。
$X_{k, c, t}=\left\{\begin{array}{l}1, \text { 产业 } k \text { 在城市 } c \text { 是专业化的 } \\0, \text { 其他 }\end{array}\right.$
式中： X k , c , t表示t时期中产业k在区域c的专业化状态，用SLQ衡量，当SLQ大于临界值时，表示产业k在城市c呈现出专业化特征， X k , c , t取1，反之， X k , c , t取0。
d c ' = ∑ i d i , c
式（6）通过对每个城市内19个产业的产业关联度加总得到城市层面的产业关联度，并将这个加总的产业关联度作为城市多样化经济的代理变量。
以上指标所采用的数据均来源于《中国城市统计年鉴》，基于数据一致性和可获得性原则，研究样本涵盖中国大陆286个地级及以上城市（以下简称“城市”） ①。产业分类选取《中国城市统计年鉴》中的19个大类产业（表1），以产业就业人数计算标准化区位商。
表1 产业分类

Tab.1 Industry classification

序号 产业 备注
1 农林牧渔业 第一产业
2 采矿业 第二产业
3 制造业 第二产业
4 电力、热力、燃气 及水生产和供应业 第二产业
5 建筑业 第二产业
6 交通运输、 仓储和邮政业 第三产业
7 信息传输、计算机服务和软件业 第三产业
8 批发和零售业 第三产业
9 住宿和餐饮业 第三产业
10 金融业 第三产业
11 房地产业 第三产业
12 租赁和商业服务业 第三产业
13 科学研究、技术服务和地质勘查业 第三产业
14 水利、环境和公共设施管理业 第三产业
15 居民服务、修理和其他服务业 第三产业
16 教育 第三产业
17 卫生、社会保障 和社会福利业 第三产业
18 文化、体育、 娱乐用房屋 第三产业
19 公共管理和社会组织 第三产业
关于城市创新能力的测度，本文以专利授权数量作为代理变量，并运用k-means聚类算法，对城市创新能力进行聚类，将286个城市分为高创新能力、中等创新能力和低创新能力三类。其中，高创新能力的城市4个，分别为北京、上海、广州、深圳；中等创新能力的城市22个，其中大部分为省会城市和直辖市；低创新能力的城市260个。专利授权数据来源于中国研究数据服务平台（CNRDS）。相关变量的描述性统计见表2。
表2 变量的描述性统计

Tab.2 Descriptive statistics of variables

名称 变量 类型 观测量 均值 标准差 最小值 最大值
多样化经济 y c , t 被解释变量 2288 0.223 0.417 0.000 1.000
专业化经济 y i , c , t 70642 0.051 0.221 0.000 1.000
城市产业关联度 d c , t - 5 ' 解释变量 2288 0.000 1.000 -2.400 11.624
产业关联度 d i , c , t - 5 70642 0.050 0.122 -0.425 1.996
城市创新 I c , t - 5 2288 6.271 1.728 1.099 11.419
职工工资 w a g e c , t - 5 控制变量 2287 10.385 0.360 9.162 12.678
经济绩效 t f p c , t - 5 2288 -1.188 0.421 -4.287 0.275
外商直接投资 o p e n c , t - 5 2183 -3.273 1.003 -6.078 -0.066
财政支出 f i n a n c , t - 5 2288 8.365 0.685 6.577 11.819
年末总人口 p o p u c , t - 5 2288 5.858 0.697 2.898 8.124
儒家学院数 rujia 工具变量 1808 2.470 0.924 0.000 4.382
专业化指数 HHI 替换变量 2286 -1.862 0.338 -2.650 -0.409
多样化指数 DIV 2281 1.027 1.463 -7.684 2.526

2.2 模型构建

产业关联度对专业化经济的回归模型如式（7）所示，其中产业关联度为关键解释变量，产业的专业化状态为被解释变量。
y i , c , t = α + β · d i , c , t - 5 + γ c , t + θ i , t + ε i , c , t
y i , c , t = 1 , i 产 业 在 t 年 为 c 城 市 的 专 业 化 产 业 0 , 其 他
根据以往研究，本文通过观察5年间隔内的区域专业化动态来确定一个地区新的专业化产业的进入[30]。解释变量 d i , c , t - 5为t-5时期产业i与城市c的专业化产业组合之间的关联度，用于衡量路径依赖。被解释变量 y i , c , t为5年后即t时期产业i在城市c的专业化状态，如果i产业在t时期为c城市的专业化产业则取值为1，反之则为0。 γ c , t为城市—时间的固定效应， θ i , t为产业—时间的固定效应， ε i , c , t为随机扰动项。
由于被解释变量为虚拟变量，用Logit或者Probit模型会导致估计的有偏和不一致性，所以采取线性概率模型（LPM）进行回归估计[31]。线性概率模型在近年的研究中被大多学者应用于衡量具有大量虚拟变量的回归模型。
城市产业关联度对多样化经济的基准回归模型如式（9）所示。
y c , t = α + ρ · ∑ i d i , c , t - 5 + γ c + θ t + ε c , t
y c , t = 1 , 相 比 5 年 前 专 业 化 产 业 数 量 增 加 0 , 其 他
式中：关键解释变量 ∑ i d i , c , t - 5为城市总的产业关联度，同样进行滞后5年的处理。被解释变量 y c , t表示城市的多样化经济发展趋势。如式（10）所示，城市c相比于5年前专业化产业的数量增加则表现为多样化经济的发展， y c , t取值为1，反之，城市c相比于5年前专业化产业的数量不变甚至减少则不表现为多样化经济的发展， y c , t取值为0。 γ c为城市固定效应， θ t为时间固定效应， ε c , t为随机扰动项。
y c , t = α + ρ · ∑ i d i , c , t - 5 + δ · I c , t - 5 + ω · I c , t - 5 ∑ i d i , c , t - 5 + γ c + θ t + ε t , c
式（11）衡量创新对多样化经济的影响，同时，创新作为调节变量，调节产业关联度对多样化经济的影响。根据调节效应的基本模型设定，加入城市创新指数、产业关联度和创新指数的交互项验证创新在多样化经济发展中的调节效应。 γ c为城市固定效应， θ t为时间固定效应， ε c , t为随机扰动项。更多模型设计见稳健性检验。

3 专业化经济的路径依赖分析

表3展示了专业化经济的路径依赖实证结果。从列（1）全样本回归结果中看出，产业关联度对专业化经济具有显著正向影响，产业关联度变量系数为0.324，且在p<0.01的水平上显著。结果表明专业化经济总体上呈现出路径依赖特征，城市内新专业化产业的形成与既有的专业化产业组合呈现显著的正相关。
表3 专业化经济的路径依赖检验结果

Tab.3 Empirical results of path dependence in specialized economy

产业样本异质性 城市样本异质性
（1）全样本 （2）农业 （3）工业 （4）服务业 （5）高创新 （6）中创新 （7）低创新
变量 y y y y y y y
d i , c , t - 5 0.324*** 0.309*** 0.206*** 0.418*** 0.531*** 0.093* 0.282***
常数项 0.035*** 0.034*** 0.043*** 0.030*** 0.072 0.061*** 0.034***
观测值 43472 2288 9152 32032 608 3344 39520
R2 0.104 0.025 0.234 0.169 0.672 0.166 0.088

注：***、**和*分别代表1%、5%和10%的显著水平；为节省版面，标准误未显示。表4~表9同。

本文进一步对专业化经济路径依赖的产业异质性和城市异质性进行分析。表3列（2）~（4）为三次产业分样本回归结果，从中看出服务业专业化的路径依赖最强，产业关联度系数达0.418（p<0.01）；其次是农业，产业关联度系数为0.309（p<0.01）；工业的路径依赖性相对最弱，产业关联度系数为0.206（p<0.01）。这一差异可以从产业集聚的决定因素——知识溢出、劳动力池和投入共享[32]等角度得到解释。服务业作为产业结构优化升级的关键部门，其发展水平与城市经济发展阶段和人口集聚程度密切相关。服务业投资更注重短期收益回报，这种特性强化了既有集聚区的吸引力。此外，服务业的集聚表现出较强的正外部性，更容易获得熟练劳动力与其他生产要素，所以服务业表现出较强的路径依赖。相比之下，农业和工业发展对集聚的要求相对较低。其中，农业发展的地域选择主要受自然禀赋条件制约，虽然整体上表现出较低的路径依赖，但由于农业生产对特定地理条件的依赖性，在自然资源优势区域仍会形成一定的路径锁定效应。值得注意的是，现代农业技术进步正在逐步弱化自然禀赋的约束，这使得农业的路径依赖强度介于服务业和工业之间。而现代工业由于受技术进步和全球化影响，其区位选择对本地条件的依赖性进一步降低，加之产业链的跨区域分布特性，使其表现出最弱的路径依赖特征。
表3列（5）~（7）展示了不同创新能力城市样本的异质性回归结果。从中发现，高创新能力城市专业化经济的路径依赖最强，产业关联度系数为0.531（p<0.01），表明其产业结构演进具有显著的自我强化特征，能够有效促进城市新的专业化产业的形成。低创新能力城市的专业化经济也显示出显著的路径依赖特性，但产业关联度系数小于高创新能力城市，为0.282（p<0.01）。中等创新能力城市的路径依赖效应相对最弱，产业关联度系数仅为0.093（p<0.1）。这一差异可从创新驱动的循环累积效应角度进行解释。创新能力高的城市通常具有较高的生产效率和要素回报率，在此情况下，产业关联度对专业化经济的促进作用更强。所以，高创新能力的城市会通过自身的循环累积效应加强专业化经济的路径依赖。反之，创新能力相对较低的城市，其产业集聚水平也相对较低，尚未形成区域内产业发展的强路径依赖，循环累积的效应也还未形成，因而路径依赖效应相对有限。

4 多样化经济的路径依赖分析

在专业化经济的基础上，本文进一步分析城市多样化经济是否也具有路径依赖的特征，同时检验产业关联度和城市创新能力在多样化经济中扮演何种角色。基于2012—2019年全国城市面板数据的分析，结果发现多样化经济发展的城市在全国城市中的比例仅为22.4%，表明我国大多数城市尚未表现出多样化经济的发展特征。根据表4列（1）~（3）的回归结果，产业关联度和创新能力都显著抑制城市多样化经济的发展，相比较来看，产业关联度变量的系数为-0.241（p<0.01），创新能力变量的系数为-0.057（p<0.05），说明产业关联度对城市多样化经济的负向影响程度更大，即城市多样化经济的发展受到历史产业结构的锁定效应，既有的产业关联网络形成了强大的路径依赖。同时，创新资源倾向于强化既有优势产业，可能进一步强化了专业化发展模式，也不利于多样化经济的发展。这一现象可能与我国城市发展阶段特征密切相关，即创新资源往往集中在少数优势产业领域，导致创新强化专业化的发展路径。
表4 多样化经济的路径依赖检验结果

Tab.4 Empirical results of path dependence in diversified economy

变量 （1） （2） （3） （4）
y y y y
d c , t - 5 ' -0.241*** -0.241*** -0.310***
I c , t - 5 -0.059** -0.057** -0.057**
I c , t - 5 · d c , t - 5 ' 0.010*
常数项 0.223*** 0.596*** 0.578*** 0.580***
观测值 2288 2288 2288 2288
R2 0.389 0.305 0.391 0.392
为进一步检验产业关联度和创新能力对城市多样化经济的协同作用，本文在模型中加入产业关联度和创新能力的交互项，检验两者之间的交互效应，结果见表4列（4）。通过交互项系数，分别计算出在平均水平上产业关联度和创新能力对多样化经济的偏效应。当产业关联度取平均值时，创新能力对多样化经济的偏效应为-0.054，当创新能力取平均值时，产业关联度的偏效应为-0.309。由此可见，通过两者的相互作用，产业关联度对多样化经济的负向作用进一步扩大。这一发现可以从产业集聚、成本收益和市场供需3个维度进行理论解释。从集聚的角度看，较高的产业关联度意味着城市内的产业集聚在向产业集群发展，专业化产业组合高度相关，城市内很难再形成新的专业化产业。同时，创新在集聚过程中强化了城市原有专业化产业组合，城市产业形成技术壁垒，路径依赖表现更加明显。从成本收益的角度看，高产业关联度意味着城市能从现有的专业化产业组合中获利，通过规模经济降低交易成本，所以维持现状成为城市短期内的最优解。而以企业为主体的创新也具有逐利性，所以从创新的调节效应上表现为创新促进产业关联度，而对多样化经济有负向作用。从供需角度看，较高的产业关联度能够促进城市在现有专业化产业组合上形成比较优势，这种比较优势提高了来自其他城市的需求，增强了城市内产业发展的路径依赖，不利于多样化经济的发展。这些机制共同构成了我国城市经济发展中的“双重锁定”现象：既有的产业网络结构通过创新活动得到强化，而创新资源又倾向于流向优势产业领域，二者相互强化形成正反馈循环，最终抑制经济多样化发展。这一发现为理解城市产业转型困境提供了新的理论视角。

5 路径依赖的时空演化效应

5.1 产业关联度的时空演化分析

为深入探究路径依赖的时空演化规律，本文分别选取2003、2008、2013和2019年的产业关联度加总值进行可视化分析，均用自然断裂点分类法将各年份的数值范围划分为4个等级。图2展示了城市产业关联度的时空演化特征。从时序演变看，2003—2019年高产业关联度的城市数量呈递减趋势，城市的产业关联度与专业化经济密不可分，表明从整体上看城市经济发展的路径依赖效应逐渐减弱，经济多样化发展趋势逐步显现。具体而言，在此期间，城市产业发展对区域专业化产业组合的依赖程度逐渐降低，为多样化经济的形成创造了有利条件。从空间演变看，2003年产业关联度较高的城市在东、中、西部地区呈“川”字形均衡分布。2008年，这一分布格局被打破，高产业关联度城市主要分布于北方及中部地区。这些地区的产业发展活力与多样化经济发展动力明显小于东部沿海地区，印证了高产业关联度与地区专业化经济的紧密联系。2013年，产业关联度较高的城市进一步向北方和西部集中，空间格局的分化特征更为明显。到2019年，高产业关联度城市数量持续减少，湖北、河南等中部地区的城市产业关联度明显降低，标志着这些区域正从专业化发展迈向多样化发展。综合时空分析结果可以发现，城市产业关联度具有明显的时空分异特征，城市路径依赖效应整体呈现渐进弱化趋势，这一演变过程预示着我国城市经济发展存在突破专业化路径锁定、实现多样化转型的现实可能性。
图2 城市产业关联度空间分布变化

注：基于自然资源部标准地图服务网站下载的审图号为GS（2023）2763号的标准地图制作，底图无修改。

Fig.2 Evolution of industrial linkage intensity

5.2 路径依赖的时间效应检验

为了进一步检验专业化经济与多样化经济路径依赖的时间效应，本文运用2003—2013年的面板数据进行回归（表5、表6）。表5列（1）全样本分析结果显示，产业关联度系数为0.025（p<0.01）。分产业检验发现，只有服务业的产业关联度系数显著，为0.023（p<0.01）。在分城市创新能力样本的回归中，产业关联度系数均显著，在低创新城市组中为0.020（p<0.01），中等创新城市组中也为0.020（p<0.01），高创新城市组中则为0.037（p<0.01）。纵向比较分析显示，所有显著的产业关联度系数均小于2007—2019年样本的系数。这一方面说明产业关联度对专业化经济的促进作用具有时间上的普遍性，另一方面也说明产业关联度对专业化经济的正向作用随着时间推移呈现强化趋势。
表5 专业化经济路径依赖的时间效应

Tab.5 Temporal effects of path dependence in specialized economy

全样本 产业分类 城市分类
农业 工业 服务业 低创新 中创新 高创新
（1） （2） （3） （4） （5） （6） （7）
变量 y y y y y y y
d i , c , t - 5 0.025*** -0.012 0.007 0.023*** 0.020*** 0.020*** 0.037**
常数项 0.050*** 0.053*** 0.049*** 0.050*** 0.044*** 0.056*** 0.395***
观测值 31460 1716 6864 22880 28600 2420 440
R2 0.529 0.584 0.491 0.636 0.458 0.550 0.894
表6 多样化经济路径依赖的时间效应

Tab.6 Temporal effects of path dependence in diversified economy

变量 （1） （2） （3） （4）
y y y y
d c , t - 5 ' -0.314*** -0.313*** -0.313***
I c , t - 5 -0.040* -0.023 -0.026
d c , t - 5 ' * I c , t - 5 0.001
常数项 0.226*** 0.226*** 0.226*** 0.225***
观测值 1716 1716 1716 1716
R2 0.455 0.371 0.456 0.456
表6揭示了产业关联度与创新能力对多样化经济影响的动态演变特征，从中看出，列（1）回归结果显示产业关联度对多样化经济的影响显著为负（-0.314），且绝对值大于2007—2019年的回归系数（-0.241），说明产业关联度对多样化经济的抑制作用随着时间推移在减弱。列（2）中创新对多样化经济的影响在p<0.1的水平上显著为负（-0.040），绝对值小于2007—2019年的回归系数（-0.060），说明创新对多样化经济的负向影响也在减弱。在加入创新和产业关联度的交互项之后，发现交互项系数不显著，与2007—2019年显著为正的交互项系数结果不同。上述检验结果表明在城市产业体系演化过程中，产业关联度和创新对多样化经济的负向作用整体呈现弱化态势。

6 稳健性检验

6.1 剔除部分样本

在专业化经济的路径依赖回归中，被解释变量是产业的专业化状态，为确保研究结论的可靠性，本文基于产业发展特征进行稳健性检验。从产业发展来看，在本研究时间内最多发生一次专业化状态的改变，所以本文选择剔除研究时间内专业化状态发生多次（超过一次）改变的数据样本进行再检验。由表7可知，回归结果中产业关联度系数依旧显著为负，作用方向和显著性与基准回归结果基本相同。分样本检验结果也整体保持稳定，表明研究结论具有稳健性。
表7 剔除部分样本的稳健性检验结果

Tab.7 Robustness test results after sample exclusion

变量 全样本
（1）		 城市分样本 产业分样本
高创新（2） 中创新（3） 低创新（4） 农业（5） 工业（6） 服务业（7）
d i , c , t - 5 0.212*** 0.517*** 0.056 0.170*** 0.050** 0.131*** 0.283***
常数项 0.020*** -0.009 0.032*** 0.020*** 0.044*** 0.032*** 0.014***
观测值 30162 342 2292 27510 1704 6468 21984
R2 0.098 0.731 0.165 0.077 0.919 0.245 0.171

6.2 加入控制变量

本文进一步在城市层面的回归模型中加入控制变量，检验结果的稳健性。在要素市场层面，以职工工资对数值（lnwage）衡量劳动力价格，以常住人口对数值（lnpopu）反映市场规模效应；在开放经济维度，引入外商直接投资对数值（lnopen）表征对外开放程度；在经济发展效率层面，以全要素生产率对数值（lntfp）衡量地区经济绩效；在政府作用方面，选取地区财政支出（lnfinan）的对数值进行衡量，回归模型如式（12）所示。其中， γ c为城市固定效应，吸收不随时间变化的城市特质； θ t为时间固定效应，以捕捉宏观经济周期波动； ε c , t为随机扰动项。
y c , t = α + ρ d c , t - 5 ' + δ I c , t - 5 + ω I c , t - 5 d c , t - 5 ' + a 1 l n w a g e c , t - 5 + a 2 l n o p e n c , t - 5 + a 3 l n t f p c , t - 5 + a 4 l n p o p u c , t - 5 + a 5 l n f i n a n c , t - 5 + γ c + θ t + ε c , t
表8展示了加入控制变量之后的实证检验结果，从中看出，控制变量的系数均不显著。同时，加入控制变量对产业关联度、创新以及两者交互项系数的正负、大小和显著性都没有较大影响。虽然列（2）中加入对外开放程度控制变量使得产业关联度和创新的交互项变得不显著，但总体来看，加入各种层面的控制变量之后，基准回归结果仍然是稳健的。
表8 加入控制变量后的回归结果

Tab.8 Results after adding control variables

变量 （1） （2） （3） （4） （5）
y y y y y
d c , t - 5 ' -0.314*** -0.306*** -0.310*** -0.316*** -0.312***
I c , t - 5 -0.059** -0.057** -0.057** -0.055** -0.057**
d c , t - 5 ' · I c , t - 5 0.011* 0.010 0.010* 0.011* 0.011*
lnwage 0.146 0.141
lnopen 0.090 0.070
lntfp -0.014 -0.016
lnpopu -0.120 -0.152
lnfinan -0.007 -0.012
常数项 -0.932 0.576*** 0.587*** 1.328 0.105
观测值 2287 2282 2288 2288 2281
R2 0.392 0.391 0.392 0.392 0.391

6.3 工具变量检验

创新与多样化经济之间可能存在双向因果关系，为了排除这种内生性对实证结果的影响，本文采用工具变量法进行检验。现有研究发现，儒家文化有利于企业家精神的培育，进而有利于促进创新[33]。本文选取儒家学院数量（lnrujia）作为城市创新的工具变量，进行两阶段最小二乘回归。结果发现，第一阶段估计中儒家学院数量对创新水平呈现显著正向影响系数为0.168（p<0.01），验证了工具变量的有效性。工具变量回归显著为负系数为0.160（p<0.05），说明创新对多样化经济的抑制作用依然显著。加入产业关联度变量后，工具变量依然显著，估计结果保持稳健，排除了双向因果导致的内生性偏误，使得创新抑制多样化经济的结论具有更强的因果解释力。

6.4 替换被解释变量

为了进一步检验基准回归中专业化经济和多样化经济测度方法的稳健性，本部分采用替代性方法对被解释变量进行测度并在城市层面进行回归检验。具体而言，在基准分析中基于集聚理论构建的区位商指标与传统测度方法存在差异。为此，本文引入两种经典指标进行对比验证，即运用赫芬达尔指数（HHI）计算产业集中度，衡量专业化经济： H H I = ∑ i = 1 19 ( E i c / E * c ) 2 = ∑ i 19 S i 2。运用熵指标计算产业多样化指数（DIV），衡量多样化经济： D I V = ∑ i = 1 19 S i l n ( 1 / S i )。回归结果见表9。从中看出，以HHI指数衡量的专业化回归结果中，产业关联度对HHI指数的影响显著为负，而列（2）中创新对HHI指数的影响显著为正。与表3中列（1）的结果相比，说明产业关联度虽然能促进个别新的产业专业化，但对于城市内全部产业的集中度具有负向作用。这一发现揭示出路径依赖仅能让城市内与专业化组合高度相关的产业更加集聚，但对于全部产业而言，很难形成整体的路径依赖。相反，创新能力的提升显著促进了城市整体产业集中度的提高。此外，由列（4）~（6）还可看出，产业关联度对DIV指数的影响显著为正，而创新对DIV指数的影响显著为负。与表4的结果相比，说明产业关联度通过扩大城市内不同产业集中度的差异程度，客观上呈现出以多样化指数衡量的多样化状态。而创新在其中能弥补产业间的集中度差距，从而呈现出负向影响。替换被解释变量后的实证结果与文中结论并不相悖，且更深化了对城市产业演进中路径依赖与创新作用机制的理解。
表9 替换被解释变量的检验结果

Tab.9 Test results after replacing the explained variable

变量 （1） （2） （3） （4） （5） （6）
HHI HHI HHI DIV DIV DIV
d c , t - 5 ' -0.161*** -0.137*** 0.106*** 0.166***
I c , t - 5 0.135*** 0.098*** -0.097*** -0.047
d c , t - 5 ' · I c , t - 5 -0.003** -0.014**
lnwage -0.175*** -0.226*** -0.315*** -0.291 -0.070 -0.214
lntfp -0.001 0.016 0.029 -0.220** -0.082 -0.221**
lnopen 0.094*** 0.052*** 0.042*** 0.077* 0.090** 0.126**
lnfinan 0.067*** -0.120*** 0.015 0.279** 0.285*** 0.344***
lnpopu -0.061*** -0.227*** -0.178*** 0.142** 0.250*** 0.239***
常数项 0.024 2.155*** 1.843*** 0.874 -1.286 -0.537
观测值 1194 2180 1194 1190 2175 1190
R2 0.424 0.274 0.485 0.030 0.011 0.035

7 结论与启示

7.1 研究结论

本文基于中国286个城市19个产业的面板数据，从产业层面和城市层面对专业化经济和多样化经济的路径依赖进行了实证分析，得出以下结论：①城市内产业关联度提高能够显著促进新的专业化产业的形成，且存在明显的异质性特征。从产业类型看，服务业路径依赖强度最大，其次是工业，对农业的影响最小。从城市特征看，高创新能力城市的产业专业化路径依赖效应最为突出。②多样化经济发展面临产业关联度和创新能力的双重约束，城市创新能力目前表现出专业化强化效应，尚未促进城市经济突破路径依赖的发展模式。③专业化经济和多样化经济的路径依赖存在不同的时间效应。其中，在专业化经济中，产业关联度对新的产业专业化的正向影响随着时间推移而持续增强；而在多样化经济中，产业关联度和创新对多样化经济的负向影响则随着时间推移而减弱。

7.2 政策启示

基于对城市专业化经济与多样化经济路径依赖特征及其动态演化规律的分析，本文得出以下政策启示：①分阶段施策，采取“短期强化路径依赖—中长期促进路径突破”的渐进式策略。要根据产业集聚经济的动态变化规律，因时因地制定相应的产业政策[34]。短期内，在产业关联度较高、创新能力强的城市，优先利用其路径依赖效应，强化现有专业化产业的技术升级与产业链延伸。比如通过税收优惠和研发补贴等手段，引导产业向高附加值领域转型，形成“专业化+创新”的双轮驱动；中长期阶段，随着时间推移，产业关联度和创新对多样化经济的抑制作用减弱，需逐步引入跨产业协同政策。比如设立跨行业创新基金，鼓励制造业与服务业的融合，推动传统工业城市向“专业化—多样化”混合经济转型。②优化三次产业结构，差异化推进服务业多样化发展。针对服务业路径依赖最强的特点，重点推动其内部多样化，实施“服务业+数字化”转型；在工业领域，通过技术赋能降低工业对区域禀赋的依赖，推广智能工厂和绿色制造；在农业领域，结合乡村振兴战略，推动农业农村的跨界融合，打破传统路径依赖。③以创新为杠杆，建立创新要素梯度配置机制。在高创新能力城市建立“创新飞地”，将部分研发功能向周边低创新城市转移，既缓解本地路径依赖压力，又带动区域协同发展。而在低创新能力城市则培育特色产业集群，吸引技术人才返乡创业，重点培育与本地资源匹配的新兴产业，逐步突破低端锁定。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Duranton G, Puga D. Nursery cities:Urban diversity,process innovation,and the life cycle of products[J]. American Economic Review, 2001, 91(5):1454-1477.

[2]
任卓然, 贺灿飞, 张培风. 外资企业、多维关联互动与中国区域产业路径升级[J]. 经济地理, 2024, 44(4):22-32.

[3]
于璠, 于涛, 葛纯宝. 地方化产业集群空间演化及影响机制实证分析——基于泰州市生物医药产业微观数据考察[J]. 经济地理, 2022, 42(7):135-145.

[4]
谭志雄, 罗佳惠, 韩经纬. 比较优势、要素流动与产业低端锁定突破:基于“双循环”新视角[J]. 经济学家, 2022, 34(4):45-57.

[5]
Hidalgo C A, Klinger B, Barabasi A L, et al. The product space conditions the development of nations[J]. Science, 2007, 317(5837):482-487.

[6]
Hidalgo C A, Hausmann R. Country Diversification, Product Ubiquity,and Economic Divergence[R]. Cambridge: Center for International Development at Harvard University, 2010.

[7]
Neffke F, Henning M, Boschma R. How do regions diversify over time? Industry relatedness and the development of new growth paths in regions[J]. Economic Geography, 2011, 87(3):237-265.

[8]
Xiao J, Boschma R, Andersson M. Industrial diversification in Europe:The differentiated role of relatedness[J]. Economic Geography, 2018, 94(5):514-549.

[9]
韩超, 岳巧钰. 高质量发展中的绿色底色:出口视角下绿色产品渗透与路径依赖[J]. 财经研究, 2024, 50(8):4-18,78.

[10]
齐放, 贺灿飞. 企业本地根植对城市出口产品结构动态的影响研究[J]. 地理科学进展, 2022, 41(7):1195-1212.

[11]
贺灿飞, 任卓然, 叶雅玲. 中国产业地理集聚与区域出口经济复杂度[J]. 地理研究, 2021, 40(8):2119-2140.

[12]
Moaniba I M, Su H, Lee P. On the drivers of innovation:Does the co-evolution of technological diversification and international collaboration matter?[J]. Technological Forecasting and Social Change, 2019,148:119710.

[13]
吴志军, 舒晓杰, 孔欣紫. 数字经济驱动城市产业结构升级的时空演变[J]. 经济地理, 2025, 45(1):77-86.

[14]
Andersen A D, Gulbrandsen M. The innovation and industry dynamics of technology phase-out in sustainability transitions:Insights from diversifying petroleum technology suppliers in Norway[J]. Energy Research & Social Science, 2020,64:101447.

[15]
付宏, 毛蕴诗, 宋来胜. 创新对产业结构高级化影响的实证研究——基于2000—2011年的省际面板数据[J]. 中国工业经济, 2013(9):56-68.

[16]
邵朝对, 李坤望, 苏丹妮. 国内价值链与区域经济周期协同:来自中国的经验证据[J]. 经济研究, 2018, 53(3):187-201.

[17]
陈漫, 张新国. 经济周期下的中国制造企业服务转型:嵌入还是混入[J]. 中国工业经济, 2016(8):93-109.

[18]
米尔顿·弗里德曼. 资本主义与自由[M]. 北京: 商务印书馆,1999.

[19]
张颖熙. 中国城镇居民服务消费需求弹性研究——基于QUAIDS模型的分析[J]. 财贸经济, 2014(5):127-135.

[20]
周申, 海鹏, 张龙. 贸易自由化是否改善了中国制造业的劳动力资源错配[J]. 世界经济研究, 2020(9):3-18.

[21]
Coşar A K, Demir B. Domestic road infrastructure and international trade:Evidence from Turkey[J]. Journal of Development Economics, 2016,118:232-244.

[22]
Henderson V. The size and types of cities[J]. American Economic Review, 1974,64:640-656.

[23]
康江江, 宁越敏. 长三角地区主导产业专业化集聚演变与影响因素[J]. 世界地理研究, 2024, 33(6):116-127.

[24]
Gilchrist D A, Louis L V. An equilibrium analysis of the diversification of regional agriculture[J]. Environment and Planning A, 2001, 33(1):11-26.

[25]
钞小静, 沈坤荣. 城乡收入差距、劳动力质量与中国经济增长[J]. 经济研究, 2014, 49(6):30-43.

[26]
Balland P, Boschma R, Frenken K. Proximity and innovation:From statics to dynamics[J]. Regional Studies, 2015, 49(6):907-920.

[27]
Cortinovis N, Xiao J, Boschma R, et al. Quality of government and social capital as drivers of regional diversification in Europe[J]. Journal of Economic Geography, 2017, 17(6):1179-1208.

[28]
Tian Z. Measuring agglomeration using the standardized location quotient with a bootstrap method[J]. Journal of Regional Analysis & Policy, 2013, 43(2):186-197.

[29]
Boschma R. Relatedness as driver of regional diversification:A research agenda[J]. Regional Studies, 2017, 51(3):351-364.

[30]
Boschma R, Minondo A, Navarro M. The emergence of new industries at the regional level in s pain:A proximity approach based on product relatedness[J]. Economic Geography, 2013, 89(1):29-51.

[31]
Greene W H. Econometric Analysis[M]. London: Pearson Press, 2003.

[32]
Rosenthal S S, Strange W C. The determinants of agglomeration[J]. Journal of Urban Economics, 2001, 50(2):191-229.

[33]
陈刚, 邱丹琪. 儒家文化与企业家精神——一项流行病学研究[J]. 财经研究, 2021, 47(3):95-109.

[34]
朱纪广, 李小建. 产业集聚对区域经济高质量增长的影响效应——基于空间溢出效应视角[J]. 经济地理, 2022, 42(10):1-9.

Options
Outlines

/

〈 〉