中國高新區(qū)的趕超路徑及影響因素研究

姜彩樓，馬 林，鄭斯彥

(1．南京信息工程大學(xué)中國制造業(yè)發(fā)展研究院，江蘇 南京 210044;2．河海大學(xué)商學(xué)院，江蘇 南京 210098)

1 引言

近年來，高新技術(shù)產(chǎn)業(yè)成為世界各國爭先發(fā)展的戰(zhàn)略性領(lǐng)域，并在實踐中形成了以各類科技園區(qū)為空間載體的發(fā)展形式。其中，依托技術(shù)驅(qū)動或者產(chǎn)業(yè)資本驅(qū)動是科技園區(qū)發(fā)展的基本模式，前者往往由于產(chǎn)學(xué)研轉(zhuǎn)化周期以及市場競爭等因素的作用，難以取得預(yù)期效果，而后者能夠充分利用高新技術(shù)產(chǎn)業(yè)特征，迅速集聚高科技資本進入國際分工體系而獲取競爭優(yōu)勢，如印度的班加羅爾軟件園和韓國大德科技園等。

中國高新區(qū)具有顯著的產(chǎn)業(yè)資本集聚特征，在相關(guān)政策和戰(zhàn)略的多重作用下，已形成了巨大的規(guī)模，成為重要的經(jīng)濟增長極［1］。然而，由于過于倚重產(chǎn)業(yè)資本集聚，由此帶來的弊端也日益顯現(xiàn)，如園區(qū)產(chǎn)業(yè)結(jié)構(gòu)雷同、內(nèi)生動力不足等，這不僅容易導(dǎo)致高新區(qū)在關(guān)鍵技術(shù)及特定價值鏈環(huán)節(jié)上形成路徑依賴，還容易在新一輪全球產(chǎn)業(yè)結(jié)構(gòu)調(diào)整中被鎖定在低端［2］。能否盡快從產(chǎn)業(yè)資本集聚軌道向技術(shù)積累和趕超軌道轉(zhuǎn)變，將是決定中國高新區(qū)趕超成功的關(guān)鍵。本研究將以52個國家級高新區(qū)作為樣本 (截至2009年，我國目前共有55個國家級高新區(qū)，其中，楊凌為農(nóng)業(yè)示范區(qū)，泰州高新區(qū)和寧波高新區(qū)成立的時間比較遲，本文未將其作為研究樣本)，對這一問題展開深入研究。

2 中國高新區(qū)的趕超路徑及演化特征

使用增長核算方程可以分析中國高新區(qū)的趕超路徑。表1顯示，中國高新區(qū)經(jīng)濟增長有63．2% 來自于固定資本貢獻，31．8%來自于技術(shù)進步貢獻，5．0%來自于人力資本貢獻。其中，固定資本貢獻在發(fā)展初期相當(dāng)顯著，大多維持在68%以上，在2001年甚至達到95．8%。全要素生產(chǎn)率貢獻在發(fā)展初期一直比較低，直到2001年才開始上升，到2009年達到60．4%，反映出技術(shù)進步的促進作用主要發(fā)生在后期。

在1997—2009年，國家級高新區(qū)固定資本年均增速為26．3%，最高年份甚至高達52．2%，遠高于改革開放以來14．2%的宏觀經(jīng)濟固定資本年均增速，說明高新區(qū)資本推進的導(dǎo)向非常明顯。而到了后期，全要素生產(chǎn)率的貢獻開始上升，反映出在資本推進逐漸淡出的背景下，高新區(qū)增長的內(nèi)生性有所增強。

表1 要素貢獻分解

在經(jīng)濟趕超過程中，生產(chǎn)要素會不斷從低 效率部門向高效率部門轉(zhuǎn)移，直至產(chǎn)業(yè)結(jié)構(gòu)趨于均衡［3］。我們使用增量勞動產(chǎn)出效率對高新區(qū)產(chǎn)業(yè)結(jié)構(gòu)演化進行比較 (見表2)，發(fā)現(xiàn)高新區(qū)增量勞動產(chǎn)出效率均值為29．7%，說明高新區(qū)產(chǎn)業(yè)結(jié)構(gòu)高級化較為迅速。在分區(qū)域的比較中 (選取北京、武漢和西安的高新區(qū)作為智力密集型區(qū)域樣本，無錫、蘇州、廣州和深圳的高新區(qū)作為外資集聚區(qū)域樣本，吉林、長春、鞍山和大慶作為傳統(tǒng)工業(yè)集聚區(qū)樣本)，外資集聚區(qū)域樣本年均增量勞動產(chǎn)出率最高，為219．7%，智力密集型區(qū)域樣本為11．6%，而傳統(tǒng)工業(yè)集聚區(qū)域樣本為-66．6%。從動態(tài)過程來看，外資集聚區(qū)域樣本和智力密集型區(qū)域樣本都表現(xiàn)出了明顯的波動上升趨勢，而前者的上升幅度又明顯高于后者，說明外資集聚型區(qū)域樣本產(chǎn)業(yè)結(jié)構(gòu)高級化更加迅速。

與前兩者不同，傳統(tǒng)工業(yè)區(qū)樣本增量勞動產(chǎn)出率在1999—2002年之間呈現(xiàn)出波動性上升趨勢，而自2003年以后一直呈負向增長，且有加速的趨勢，說明傳統(tǒng)工業(yè)區(qū)樣本產(chǎn)業(yè)結(jié)構(gòu)改善主要發(fā)生在前期，而到了后期缺乏進一步改善的動力。這主要是該類地區(qū)產(chǎn)業(yè)結(jié)構(gòu)以傳統(tǒng)的加工制造業(yè)為主，難以為高新區(qū)發(fā)展提供先進的產(chǎn)業(yè)資本和技術(shù)支持，如長春、鞍山等高新區(qū)。而在外資集聚區(qū)域和智力密集型區(qū)域，高新區(qū)可以持續(xù)獲得技術(shù)密集度高的產(chǎn)業(yè)資本，乃至于研發(fā)性資本，從而能夠推動產(chǎn)業(yè)結(jié)構(gòu)不斷高級化，如北京中關(guān)村、上海高新區(qū)等。另外，從資本結(jié)構(gòu)來看，外資集聚區(qū)和智力密集區(qū)樣本在2002年之前就完成了資本深化，人均資本逐漸停滯甚至出現(xiàn)負增長，而傳統(tǒng)工業(yè)區(qū)的資本深化相對緩慢，在后期甚至出現(xiàn)了加速上升的現(xiàn)象，說明傳統(tǒng)工業(yè)區(qū)樣本產(chǎn)業(yè)結(jié)構(gòu)要相對滯后。

表2 資本結(jié)構(gòu)及增量勞動產(chǎn)出

3 中國高新區(qū)趕超的影響因素

3.1 模型與數(shù)據(jù)

根據(jù)Agion等關(guān)于內(nèi)生增長的論述［4］，我們建立包含空間組織效應(yīng)及其他控制變量的回歸方程:

式中，下標(biāo)i表示各高新區(qū)單元，t代表年份;因變量Cath代表趕超變量;C為常數(shù)項;Growth為直接投入變量;Aggl為空間組織效應(yīng)變量;X為影響高新區(qū)趕超的其他控制變量;μi為高新區(qū)特定且不隨時間變動的誤差項;εit為時變誤差且遵循一階自回歸過程。

在投入變量中，我們將重點考慮資本形成對于高新區(qū)趕超的影響。資本形成可以從資本廣化和資本深化兩個維度進行度量，我們將分別檢驗固定資本增長速度 (Fixed)和人均資本變化率(Stru)，并考慮人力資本(Human)的影響。

從內(nèi)生性視角來看，經(jīng)濟趕超成功的關(guān)鍵在于全要素生產(chǎn)率 (TFP)的提升，我們將其作為直接驅(qū)動因素納入到回歸方程 (這里使用基于DEA的Malmquist指數(shù)計算)。在高新區(qū)趕超的空間組織效應(yīng)方面，使用區(qū)域?qū)ｉT化率 (Aggl)作為待檢驗變量。

高新區(qū)母城容易因為具有較高的經(jīng)濟“勢能”而對高新區(qū)產(chǎn)生溢出效應(yīng)，這里采用高新區(qū)母城GDP/高新區(qū)技工貿(mào)來度量經(jīng)濟上的“勢差”(Citygap)，檢驗?zāi)赋堑囊绯鲂?yīng)。

高新區(qū)之間的趕超和模仿主要取決于增長差距和技術(shù)差距，我們選擇本年度增長最高值作為參照指標(biāo)，使用“技工貿(mào)最高值/高新區(qū)技工貿(mào)”來衡量增長差距 (Ygap)，使用“勞動生產(chǎn)率最高值/高新區(qū)勞動生產(chǎn)率”來衡量技術(shù)差距 (TFP-gap)，用于檢驗競爭效應(yīng)和模仿效應(yīng)。

建立高新區(qū)經(jīng)濟趕超方程:

物化技術(shù)是高新區(qū)技術(shù)趕超的主要來源，這里重點考慮資本形成的影響。同樣考慮區(qū)域?qū)ｉT化率 (Aggl)的作用?？刂谱兞恐饕紤]增長差距、技術(shù)差距和科技支出 (Buget)的影響［5］。

技術(shù)追趕方程如下:

這里采用系統(tǒng)GMM方法進行檢驗，該方法的優(yōu)勢在于方便對相關(guān)變量的滯后值進行檢驗，從而提高檢驗的自由度，同時也能夠避免變量之間的共線性問題。研究樣本為1996—2009年52個國家級高新區(qū)及其所在城市的數(shù)據(jù)資料，這些數(shù)據(jù)分別來源于科技部火炬中心以及《中國火炬統(tǒng)計年鑒》(2006—2009)，其余數(shù)據(jù)均來源于《中國城市統(tǒng)計年鑒》(1996—2009)和中經(jīng)網(wǎng)數(shù)據(jù)庫。

3.2 結(jié)果分析

表3和表4分別報告了經(jīng)濟追趕方程和技術(shù)追趕方程的估計結(jié)果，這里使用被解釋變量的1期滯后值、控制變量的1期滯后值作為工具變量，其中，方程I和VIII為基準模型的估計值，方程II和IX為加入時間效應(yīng)變量后的估計值，方程III和X為1997—2002年的分階段估計值，方程IV和XI為2003—2009年的分階段估計值，方程V和XII為智力密集區(qū)高新區(qū)樣本的估計值，方程VI和XII為外資密集區(qū)高新區(qū)樣本的估計值，方程VII和XIV為傳統(tǒng)工業(yè)區(qū)高新區(qū)樣本的估計值 (以母城擁有985高校的21個高新區(qū)作為智力密集區(qū)域樣本;以21個東部沿海城市的高新區(qū)作為外資集聚區(qū)域樣本;以東北傳統(tǒng)工業(yè)城市以及中西部地區(qū)傳統(tǒng)工業(yè)城市的28個高新區(qū)作為傳統(tǒng)工業(yè)區(qū)域樣本)。表格的最后兩行分別為AB檢驗的P值和Sargan檢驗值，結(jié)果顯示在5%顯著性水平上，所有估計都通過了檢驗，說明模型的估計結(jié)果是有效的。

在整體樣本的檢驗中，固定資本形成速度通過了1%水平的顯著性檢驗，且相關(guān)系數(shù)達到0．766，說明資本廣化對于高新區(qū)趕超具有顯著的正向促進作用。在分區(qū)域樣本的檢驗中，固定資本形成速度在外資集聚區(qū)域和傳統(tǒng)工業(yè)區(qū)域樣本中分別通過5%和1%水平的顯著性檢驗，相關(guān)系數(shù)分別達到1．048和0．697，而在智力密集區(qū)樣本中，固定資本形成速度沒有通過顯著性檢驗。我們認為，由于中國高新技術(shù)產(chǎn)業(yè)主要集中于全球價值鏈的加工制造環(huán)節(jié)，且中國高新技術(shù)產(chǎn)品的對外貿(mào)易又在不斷強化這一地位，導(dǎo)致中國高新區(qū)資本廣化主要沿著加工制造環(huán)節(jié)進行，在外資集聚區(qū)和傳統(tǒng)工業(yè)區(qū)樣本中尤為突出。而智力密集區(qū)樣本大多依托智力資源作為主要推動力，如北京中關(guān)村科技園區(qū)、武漢東湖高新區(qū)等，這類樣本中資本廣化的促進作用較為微弱。

在分階段的檢驗中，固定資本形成速度未通過前期的顯著性檢驗，而到后期顯著為正，人力資本形成速度在前期通過了1%顯著性水平的檢驗，相關(guān)系數(shù)達到0．749。作為反映資本結(jié)構(gòu)變化的變量，Stru在前期的回歸系數(shù)顯著為正，而至后期轉(zhuǎn)為負數(shù)。我們認為，這主要是由于高新區(qū)前期主要是勞動密集型資本推動的，而隨著固定資本的比重開始上升，固定資本形成成為高新區(qū)經(jīng)濟擴張的新動力。

在高新區(qū)的趕超過程中，專業(yè)化集聚通常會形成溢出效應(yīng)，比如人力資本的集聚不僅能夠提高內(nèi)生性的個體效應(yīng)，也會提升社會生產(chǎn)的外部效應(yīng)［6］，且在資本完全流動的情況下，產(chǎn)業(yè)將向資本充裕的地區(qū)集聚，帶來新的增長。變量Aggl在整體樣本和后期樣本中均通過了10%顯著性水平檢驗，且系數(shù)為正，說明區(qū)域?qū)I(yè)化集聚具有顯著的增長效應(yīng)，這意味著在實踐層面，高新區(qū)作為特定的空間組織形式是行之有效的。

表3 經(jīng)濟趕超方程的GMM估計結(jié)果

在其他空間變量中，反映增長差距的變量 Ygapt-1在后期樣本、外資集聚區(qū)樣本和傳統(tǒng)工業(yè)區(qū)樣本中產(chǎn)生了顯著的正向促進作用，反應(yīng)技術(shù)差距的變量TFPgapt-1通過了整體樣本、分階段樣本和傳統(tǒng)工業(yè)區(qū)域樣本的檢驗，這說明高新區(qū)之間存在著激烈的相互趕超和模仿。而反應(yīng)母城經(jīng)濟增長“勢能”的變量回歸結(jié)果不太理想，這說明母城對于高新區(qū)經(jīng)濟趕超的促進作用并不明顯。

在對高新區(qū)全要素生產(chǎn)率的檢驗中，TFP指數(shù)通過了1%顯著性水平的檢驗，且系數(shù)顯著為正，說明中國高新區(qū)的經(jīng)濟趕超具有顯著的技術(shù)進步特征。通過對技術(shù)趕超方程進行回歸，我們可以進一步區(qū)分這種技術(shù)進步的來源。

表4顯示，滯后1期的技術(shù)進步指數(shù)在整體樣本中通過了10%水平的顯著性檢驗，且系數(shù)為負，說明技術(shù)進步更容易在低技術(shù)水平的高新區(qū)中發(fā)生。在其他空間變量的檢驗中，反映增長差距的變量Ygapt-1通過了所有方程的檢驗，反映技術(shù)差距的變量TFPgapt-1通過了整體樣本、后期樣本和傳統(tǒng)工業(yè)區(qū)域樣本的檢驗，說明高新區(qū)技術(shù)進步并不具有內(nèi)生性，而可能是部分來自于園區(qū)之間的相互競爭及管理制度的模仿。

反映資本集聚速度的Fixed系數(shù)在整體樣本中顯著為負，在分階段檢驗中，F(xiàn)ixed的系數(shù)從之前的未通過檢驗到顯著為負，說明到了發(fā)展后期，高新區(qū)固定資本規(guī)模擴張已經(jīng)成為抑制全要素改善的重要因素。作為反映資本結(jié)構(gòu)變化的變量，Stru的系數(shù)顯著為正，說明在資本積累過程中，全要素生產(chǎn)率的改善主要是通過資本深化完成的。而從資本結(jié)構(gòu)的變化來看，高新區(qū)的資本深化已經(jīng)接近穩(wěn)態(tài)，人均資本至2004年已經(jīng)轉(zhuǎn)為負值，說明高新區(qū)趕超在不朝“技術(shù)偏向”路徑演化的情況下，其經(jīng)濟增長已接近于穩(wěn)態(tài)。

在對空間效應(yīng)的檢驗中，Aggl的系數(shù)在前期檢驗中顯著為正，而后期則未通過顯著性檢驗，說明區(qū)域?qū)I(yè)化集聚對于技術(shù)進步的促進作用主要體現(xiàn)在前期，進入成熟期以后，這種促進作用逐漸消退。作為反映母城科技支出力度的變量，Buget在前期顯著為正，而后期顯著為負，說明母城科技支出對于高新區(qū)技術(shù)進步的促進作用收效甚微。

表4 技術(shù)追趕方程的GMM估計結(jié)果

續(xù)表

4 政策建議

根據(jù)上述研究，我們提出如下政策建議:

第一，加快高新區(qū)的創(chuàng)新功能主體建設(shè)，推動高新區(qū)發(fā)展從產(chǎn)業(yè)要素驅(qū)動向創(chuàng)新要素驅(qū)動轉(zhuǎn)變。要逐漸摒棄以資本集聚作為主要推進手段的趕超方式，向以創(chuàng)新資源集聚作為主要目標(biāo)的發(fā)展路徑轉(zhuǎn)變，如通過加強高新區(qū)創(chuàng)新孵化功能建設(shè)、加速官產(chǎn)學(xué)研一體化等，推動高新區(qū)從產(chǎn)業(yè)資本推進向創(chuàng)新資本推進轉(zhuǎn)變。

第二，進一步優(yōu)化政策結(jié)構(gòu)，優(yōu)化高新區(qū)的協(xié)同創(chuàng)新體系［7］。供給面政策要立足于從加強資本供給向加強創(chuàng)新資源供給轉(zhuǎn)變;環(huán)境面政策要進一步強化高新區(qū)服務(wù)功能，如完善高新區(qū)中介服務(wù)體系、加強投融資體系建設(shè)等;在需求面政策上，要注重制定涵蓋外資、貿(mào)易以及產(chǎn)業(yè)等層面的綜合政策，進一步擴展高新區(qū)的國內(nèi)外市場，推動高新區(qū)向國際化發(fā)展。

第三，重視空間資源的優(yōu)化與重組。注重區(qū)域產(chǎn)業(yè)資本和科技資源的專業(yè)化分工，圍繞特定的產(chǎn)業(yè)鏈和技術(shù)創(chuàng)新鏈推動高新區(qū)發(fā)展;重視高新區(qū)和母城的空間分工與協(xié)作，利用高新區(qū)之間的競爭與模仿效應(yīng)促進高新區(qū)發(fā)展;注重高新區(qū)內(nèi)部的專業(yè)化分工與建設(shè)，著力培育各類創(chuàng)新集群，推進高新區(qū)升級轉(zhuǎn)型。

［1］姜彩樓．創(chuàng)新集群與高新區(qū)升級轉(zhuǎn)型［M］．北京:科學(xué)出版社，2012．

［2］呂政，張克俊．國家高新區(qū)轉(zhuǎn)換的界面障礙及破解思路［J］．中國工業(yè)經(jīng)濟，2006，215(2):5-12．

［3］袁富華．長期增長過程的“結(jié)構(gòu)性加速”與“結(jié)構(gòu)性減速”:一種解釋［J］．經(jīng)濟研究．2012，(3):127-140．

［4］Philippe Agion，Peter Howitt．內(nèi)生增長理論(中譯本)［M］．北京:北京大學(xué)出版社，2004．

［5］謝子遠．國家高新區(qū)技術(shù)創(chuàng)新效率影響因素研究［J］．科研管理．2011，32(11):52-58．

［6］Lucas，Robert E．．On the Mechanism of Economic Development．［J］．Journal of Monetary Economics，1988．22(1):3-42．

［7］歐光軍，孫騫．基于SEM的高新區(qū)協(xié)同創(chuàng)新體系構(gòu)建及影響因素探悉-以56個國家級高新區(qū)為例［J］．工業(yè)技術(shù)經(jīng)濟．2013，233(3):97-104．