長江中游城市群產業(yè)集聚與經濟增長的實證研究*——基于動態(tài)面板GMM估計的分析

田 超 王 磊

一、引 言

目前，隨著經濟全球化和區(qū)域一體化程度的不斷加深，城市群正逐步成為影響全球經濟發(fā)展的重要空間單元。城市群是產業(yè)集聚經濟活動的主要載體，產業(yè)集聚又通過集群效益提升城市群競爭優(yōu)勢和發(fā)展動力，因而兩者是一個相互促進、相互影響的關系。全面認識和考察產業(yè)集聚與經濟增長的關系，對于我國現階段正處于初創(chuàng)期以及成長期的眾多城市群來說，有利于其內部資源要素的合理分配與利用，進而引導區(qū)域產業(yè)健康有序發(fā)展。

理論研究方面，20世紀90年代初，以Krugman（1991）為代表的新經濟地理學家開始把主流經濟學家忽視的空間因素納入一般均衡的分析框架，從而為研究區(qū)域經濟增長提供了新的視角。而近些年來許多經濟地理學家在糅合Krugman中心—外圍模型以及Romer內生增長理論的基礎上，通過將模型動態(tài)化，對產業(yè)集聚和經濟增長進行研究并取得了一定的成果。Boldwin和Forslid（2000）構造了一個兩部門間（農業(yè)和工業(yè)）產業(yè)要素流動的增長模型，并證明產業(yè)集聚有利于地區(qū)尤其是外圍區(qū)域的經濟增長。Martin和Ottaviano（2001）認為經濟增長和產業(yè)集聚是一個“自我加強”（Self Reinforcement）的過程，空間集聚通過降低創(chuàng)新成本以及交易成本促進經濟增長。Fujita和Thisse（2003）提出了一個兩地區(qū)內生增長模型，發(fā)現產業(yè)集聚促使技術溢出的速度加快，從而有利于中心和外圍地區(qū)的共同增長。

實證研究方面，學界普遍認為，產業(yè)集聚是促進經濟增長的一個重要推動力。Crozet和Koenig（2005）利用歐盟1998—2000年的數據分析了空間集聚對增長的影響，發(fā)現制造業(yè)與服務業(yè)活動的集聚的確對區(qū)域經濟的增長具有正面效應。潘文卿和劉慶（2012）基于我國工業(yè)企業(yè)數據，研究證明制造業(yè)的產業(yè)集聚對經濟增長有顯著的正向促進作用。但還有一些研究得出了相反的結論。Cerina和Mureddu（2014）將實證模型擴展到非貿易品后發(fā)現，產業(yè)集聚可能對實際收入的增長有負面影響。閆逢柱和喬娟（2010）基于新經濟增長理論，考察了產業(yè)集聚對產業(yè)成長的影響，結果表明，產業(yè)集聚對產業(yè)成長總體產生了負面效應。

從目前的相關文獻來看，主要存在著如下幾個問題：首先，產業(yè)集聚與經濟增長之間的關系存在分歧，大多數的研究都認為產業(yè)集聚對經濟增長有明顯的促進作用。然而，隨著集聚理論的進一步發(fā)展，產業(yè)集聚可能會給地方經濟增長帶來不利影響，因而產業(yè)集聚對經濟增長的關系可能不是簡單地以線性的形式來表現；其次，對產業(yè)集聚與經濟增長關系的研究多是采用靜態(tài)框架進行分析，忽視它們之間存在的動態(tài)關系會對分析結果產生一定的影響；最后，研究對象上而言，學者們主要從兩個層面出發(fā)——基于國家數據甚至跨國數據等宏觀層面以及針對特定行業(yè)集中程度分析的微觀層面，缺少中觀層面的研究。

因此本文選取中部地區(qū)的重點開發(fā)區(qū)域長江中游城市群作為研究對象，然后構建一個動態(tài)面板模型，在引入一系列控制變量的基礎上，分析了各產業(yè)對經濟增長的作用，最后依據分析結果提出了相應的建議。

二、產業(yè)集聚分析

（一）工業(yè)分類標準

關于工業(yè)的分類通常用不同的標準來衡量。國家統(tǒng)計局按照經濟活動的性質將工業(yè)劃分成39個分類。本文選擇從要素投入的角度將我國工業(yè)分為四類：一是以自然資源為主要投入的產業(yè)，簡稱為資源密集型產業(yè)；二是勞動密集型產業(yè)；三是資本密集型產業(yè)；四是技術密集型產業(yè)。

在產業(yè)的劃分上，王岳平（2004）采用資本—勞動力比率和勞動力報酬—產出比率來衡量資本密集程度和勞動力密集程度；用R&D費用/銷售額、工程技術人員數/就業(yè)總人數和微電子設備/生產經營設備來衡量技術密集度，將39個分類進行了歸類。本文借鑒了其分類方法，具體標準如表1所示：

表1 工業(yè)分類標準

（二）集聚指標說明

目前對產業(yè)集聚水平進行測度的指標主要有行業(yè)集中度（CRn）、區(qū)位商（LQ）、赫希曼—赫芬達爾指數（HHI）、空間基尼系數（Gini）以及產業(yè)地理集中指數（EG）等。赫希曼—赫芬達爾指數和產業(yè)地理集中指數利用某行業(yè)所有企業(yè)市場份額的平方和對產業(yè)集中度進行測度，同時考慮了企業(yè)數目和規(guī)模的作用，能夠準確地反映產業(yè)市場集中度的變化，但是其計算需要詳細的微觀企業(yè)數據，數據獲取難度較大。因此在充分考慮產業(yè)集聚特征的基礎上，鑒于數據的可獲得性，以及為使分析結果穩(wěn)固可靠，本文采用了空間基尼系數和區(qū)位商來測算集聚程度?？臻g基尼系數以及區(qū)位商的計算公式分別如下所示：

其中，Sij和Sik分別代表j和k地區(qū)i產業(yè)的總產值占城市群i產業(yè)總產值的比重；Si是各地區(qū)i產業(yè)比重的均值；n是地區(qū)的個數?？臻g基尼系數越接近于0，說明產業(yè)集聚程度越低；空間基尼系數越接近于1，說明產業(yè)可能集中在一個或幾個地區(qū)，即該產業(yè)集聚程度越高。

其中，qij表示 i地區(qū) j產業(yè)的總產值；qi表示 i地區(qū)的工業(yè)總產值；qj表示城市群j產業(yè)的總產值；q表示城市群的工業(yè)總產值。LQ值越大，表示產業(yè)的集聚程度越高，一般情況下，區(qū)位商大于1，說明相應產業(yè)在該地區(qū)具有比較優(yōu)勢；區(qū)位商大于2，則優(yōu)勢十分突出。

（三）集聚水平測度

鑒于數據可得性的限制，本文的研究僅限于規(guī)模以上工業(yè)企業(yè)。需要特別指明的是，本節(jié)在計算空間基尼系數、區(qū)位商時所指的整個行業(yè)的總產值均以整個長江中游城市群的工業(yè)總產值作為研究對象，而不是在全國范圍內，這樣可以排除由于地區(qū)差異帶來的影響，使研究結果在長江中游城市群范圍內具有可比性。

根據上一節(jié)的計算方法，可以得到長江中游城市群各產業(yè)的集中水平，空間基尼系數和區(qū)位商的結果分別如表2和表3所示。從空間基尼系數的變化情況來看，除勞動密集型產業(yè)外，資源密集型產業(yè)、資本密集型產業(yè)以及技術密集型產業(yè)的集聚程度均呈現出下降趨勢。由于中部地區(qū)勞動力優(yōu)勢明顯，因而勞動密集型產業(yè)呈現出集聚自我強化的特征。隨著資源逐步消耗殆盡，資源密集型產業(yè)集中程度有所下降。另外，在產業(yè)轉移以及政府引導下，資本密集型產業(yè)和技術密集型產業(yè)也開始分散布局。

表3列出了2011年各類產業(yè)區(qū)位商值大于2的城市分布。其中，資源密集型產業(yè)區(qū)位商較高的城市基本上資源要素富裕，產業(yè)結構單一，經濟增長主要依賴于這類產業(yè)。勞動密集型產業(yè)區(qū)位商較高的城市則是人口大市，人力資源相對豐富。與預期相悖的一點是，資本密集型產業(yè)區(qū)位商較高的城市并非經濟發(fā)展水平較高的省會城市，而是各省內較小的地級市，但是分析其產業(yè)結構發(fā)現，有色金屬冶煉及壓延加工業(yè)均為這些城市的支柱產業(yè)，因此很大程度上提高了區(qū)位商數值。而技術密集型產業(yè)區(qū)位商大于2的城市數目為零，說明現階段長江中游城市群各城市經濟增長方式仍以粗放型為主，產業(yè)結構有進一步調整優(yōu)化的空間。

表2 長江中游城市群各產業(yè)空間基尼系數

表3 長江中游城市群區(qū)位商地區(qū)分布

三、產業(yè)集聚與經濟增長的實證分析

（一）模型設定與數據來源

根據前文的理論假設，本文最終構建如下的動態(tài)面板數據模型，對產業(yè)集聚與經濟增長的關系進行實證檢驗。

被解釋變量ln GDPi，t代表第i個城市t時期地區(qū)生產總值的對數。ln GDPi，t-1解釋變量為滯后一期地區(qū)生產總值的對數，Xij，t為第 i個城市 t時期 j產業(yè)的區(qū)位商，其中j=1，2，3，4，5，分別代表工業(yè)、資源密集型產業(yè)、勞動密集型產業(yè)、資本密集型產業(yè)和技術密集型產業(yè)，X2ij，t作為非線性變量引入到模型中。剩余的變量均為控制變量，主要考慮那些影響經濟增長且能夠體現區(qū)位特征的變量。ln areai，t表示 i城市 t時期行政區(qū)域面積的對數，urbi，t表示 i城市 t時期城鎮(zhèn)化率，ln empi，t表示 i城市 t時期從業(yè)人員總人數的對數。μi代表城市個體效應，εi，t為殘差項。本文的所有數據來源于《湖北統(tǒng)計年鑒》《湖南統(tǒng)計年鑒》《江西統(tǒng)計年鑒》《安徽統(tǒng)計年鑒》以及各城市統(tǒng)計年鑒（2007—2012年）。

（二）檢驗結果

雖然面板數據能夠在一定程度上處理遺漏變量問題，但如果回歸模型本身包含內生解釋變量，就需要使用工具變量法以解決內生性問題。Arellano和Bond（1991）認為可以采用水平值的滯后項作為工具變量進行一階差分GMM估計。Blundell和Bond（1998）進一步采用將差分變量的滯后項作為水平值的工具變量，并且估計過程中同時使用水平方程和差分方程進行系統(tǒng)GMM估計，相當于進一步增加了可用的工具變量，從而提高了估計效率。本文將 Xij，t、X2ij，t作為內生解釋變量，將 ln areai，t、urbi，t和 ln empi，t作為外生解釋變量，利用系統(tǒng) GMM估計對上述方程進行檢驗。雖然Arellano和Bond（1991）認為，兩步估計的標準協(xié)方差矩陣能更好地處理自相關和異方差問題，但存在向下的偏誤，容易導致估計量的漸進分布偏差。但Windmeijer（2005）通過模擬分析表明，采用糾偏后的穩(wěn)健性（VCE）估計，可以更好地進行統(tǒng)計推斷，因此本文最終采用兩步GMM估計。表4顯示了系統(tǒng)GMM的回歸結果。

Arellano-Bond AR（1）和 Arellano-Bond AR（2）的統(tǒng)計量表明，回歸方程擾動項的差分存在一階自相關，但不存在二階自相關，故可以使用系統(tǒng)GMM對方程進行估計；Sargan統(tǒng)計量的P值均在0.5以上，表明計量模型的工具變量整體上是有效的。

從表4看出，產業(yè)集聚對經濟增長的影響確實是非線性的，而具有不同要素密集度的產業(yè)，對經濟增長的作用也有所差異。首先，從工業(yè)的整體回歸結果看，除控制變量從業(yè)人員總人數的對數項不顯著外，其余參與回歸的各解釋變量和控制變量都在1%水平上顯著。區(qū)位商代表的產業(yè)集聚一次項系數為正，二次項系數為負，說明工業(yè)集聚與經濟增長存在著明顯的倒U型關系。這也與“威廉姆斯假說”（Williamson，1965）（Williamson Hypothesis）①以及國內外許多學者對產業(yè)集聚與經濟增長關系的研究相一致（Brulhart M，2009；洪娟，2012；魏瑋，2013）。在集聚快速成長期，源于勞動力市場共享、專業(yè)化投入與服務、知識及信息的流動等因素，產業(yè)集聚推動經濟增長；當集聚發(fā)展到一定水平時，由于競爭過于激烈、資源短缺以及要素過于擁擠等因素誘發(fā)的集聚分散力可能會超過集聚初始向心力，從而對經濟產生消極影響。

具體來看，對于資源密集型產業(yè)，參與回歸的各解釋變量和控制變量都在1%水平上顯著。其中，區(qū)位商代表的產業(yè)集聚一次項系數為正，二次項系數為負，說明資源密集型產業(yè)的集聚與經濟增長存在著明顯的倒U型關系，即資源密集型的產業(yè)在集聚初期對經濟增長的影響是正向的，起到推動作用，但是當集聚水平達到一定程度后，會對經濟增長產生負影響，阻礙經濟增長。自然資源作為物質生產活動的必要投入品，成為經濟發(fā)展的重要物質基礎，對國民財富的初始積累起到了非常關鍵的作用。資源密集型產業(yè)促使生產力獲得較大發(fā)展，創(chuàng)造了巨大財富，但對資源環(huán)境不合理地開發(fā)和使用，也導致了許多嚴重的環(huán)境污染問題。隨著時間的推移，一方面，各資源城市在開發(fā)建設中只考慮資源的開采，而忽略了城市發(fā)展的條件和因素，導致城市區(qū)位條件差、自我發(fā)展能力較弱。另一方面，城市產業(yè)單一，資源型產業(yè)既是主導產業(yè)，又是支柱產業(yè)，城市對資源產業(yè)的依賴性很大，造成城市功能不全，第三產業(yè)以及可替代產業(yè)發(fā)展落后。所以經濟增速下降，產業(yè)集聚負外部性顯現。依據我們的回歸結果，可以計算出經濟由增長轉向下降的產業(yè)集聚的極值點，其區(qū)位商數值為8.187。所以，當一個城市的資源密集型產業(yè)區(qū)位商低于8.187時，產業(yè)集聚將對當地經濟增長起促進作用。反之，則會抑制經濟的增長。長江中游城市群的38個城市中，2006—2011年潛江和淮南資源密集型產業(yè)的區(qū)位商平均值超過了5.86，分別為9.24和11.35。潛江被譽為“江漢油城”，是我國南方重要的油氣勘探開發(fā)與石油能源基地，2009年被國務院確定為第二批資源枯竭型城市?；茨鲜且粋€因煤而建、而興的資源型城市，被稱作中國能源之都。兩座城市都面臨著產業(yè)結構單一而帶來經濟崩潰的風險。由于長期以來對資源的過度依賴，導致接續(xù)與替代的綜合產業(yè)鏈發(fā)展空間受限，單一資源發(fā)展路徑在“城市自我深化”的鎖定過程也使產業(yè)轉型存在著不確定的風險。本文的分析結果在一定程度上驗證了Auty（2001）“資源詛咒”（Resource Curse）②的假說，豐富的資源對一些地區(qū)的經濟增長而言并不是充分的有利條件，反而是一種限制。

表4 產業(yè)集聚與經濟增長的系統(tǒng)GMM估計結果

對于勞動密集型產業(yè)，參與回歸的各解釋變量和控制變量都在1%或5%水平上顯著。但和資源密集型產業(yè)回歸結果不同的是，區(qū)位商代表的產業(yè)集聚一次項系數為負，二次項系數為正，說明勞動密集型產業(yè)的集聚與經濟增長存在著明顯的U型關系。勞動密集型產業(yè)集聚的初始階段可能會較快出現負面影響，而當集聚達到一定程度后，將對地方經濟產生明顯的促進作用。這主要是因為在發(fā)展的初期，勞動密集型產業(yè)不需要大量的投資，而長江中游城市群勞動力資源豐富且廉價，由于行業(yè)進入門檻低，當某一地區(qū)有利可圖時，就會在短時間內吸引大量的企業(yè)。企業(yè)間激烈的競爭會導致行業(yè)利潤降低，基礎設施、資源環(huán)境壓力不斷增大，交通擁堵、環(huán)境破壞以及要素瓶頸等問題都將進一步制約地區(qū)經濟的可持續(xù)發(fā)展，集聚不經濟占主導地位。經過一段時間的篩選和淘汰后，大量中小型企業(yè)倒閉，剩余的是那些競爭力較強的大型企業(yè)集團，并且出現幾家企業(yè)控制市場的局面，此時產業(yè)集中度進一步提高。由于規(guī)模經濟效應得以發(fā)揮，由此帶來技術、知識外溢并促進科技創(chuàng)新；另外，空間的臨近性大大降低了企業(yè)間的交易成本。良好的外部環(huán)境有利于提升資源的利用效率，從而促進經濟的增長。根據解釋變量的估計系數，我們可以計算出由區(qū)位商代表產業(yè)集聚的極值點，其數值為1.451。而2006—2011年長江中游城市群38個城市勞動密集型產業(yè)區(qū)位商的平均值為1.237，和1.451比較接近，說明現階段整體而言長江中游城市群勞動密集型產業(yè)處于U型曲線的極值點附近，產業(yè)發(fā)展已經開始從量變走向質變，產業(yè)集聚程度的進一步提升將有利于經濟增長。

對于資本密集型產業(yè)和技術密集型產業(yè)，除從業(yè)人員總人數的對數項不顯著外，其余參與回歸的各解釋變量和控制變量都在1%或5%水平上顯著。和勞動密集型產業(yè)回歸結果相類似的是，區(qū)位商代表的產業(yè)集聚一次項系數為負，二次項系數為正，說明資本密集型產業(yè)和技術密集型產業(yè)的集聚與經濟增長存在明顯的U型關系。在產業(yè)發(fā)展初期，處于快速工業(yè)化和城市化的地區(qū)，很有可能會陷入產業(yè)集聚的盲目性、無序性等形式的困境中。不顧產業(yè)集聚發(fā)展的條件和規(guī)律，各地區(qū)盲目建立產業(yè)集聚區(qū)，尤其是各類經濟開發(fā)區(qū)和高新區(qū)；由于缺乏知識產權保護和行業(yè)自律，企業(yè)間競相壓價和模仿，創(chuàng)新行為所產生的外部經濟不能內部化，“逐底競爭”③成為產業(yè)集聚的顯著特征。由于產業(yè)聚集過程中產生的負外部性明顯滯后于正外部性，將會阻礙地區(qū)經濟的發(fā)展。當集聚程度提高后，又會降低交易成本和創(chuàng)新成本，促進經濟的高速增長。一般認為，工業(yè)內部各產業(yè)的技術密集度差異很大，而技術密集度不同的產業(yè)知識溢出會存在差別。根據內生增長理論，知識溢出是促進長期經濟增長的根本原因。技術含量高的生產活動集中時研發(fā)和技術知識的溢出更強，因而技術密集型產業(yè)的集聚比勞動密集型產業(yè)和資本密集型產業(yè)的集聚對經濟增長產生更大的正效應，比較回歸系數發(fā)現，技術密集型產業(yè)的系數值確實高于資本密集型產業(yè)和勞動密集型產業(yè)。無論是資本密集型產業(yè)還是技術密集型產業(yè)，其產業(yè)集聚極值點的數值（2.684和1.074）均高于2006—2011年長江中游城市群的平均值（1.016和0.852），很顯然現階段長江中游城市群資本密集型產業(yè)和技術密集型產業(yè)仍然屬于粗放式的增長，離制造業(yè)的先進化、高端化還有較大的差距。要實現經濟的快速增長，必須首先提高這兩類產業(yè)的集聚水平。

四、結論與啟示

本文在長江中游城市群2006—2011年工業(yè)數據的基礎上，運用動態(tài)面板GMM估計方法對長江中游城市群產業(yè)集聚與經濟增長的關系作了實證檢驗。盡管對工業(yè)整體的分析結果顯示，產業(yè)集聚與經濟增長呈現倒U型關系，但是對工業(yè)按要素密集度進一步分類后發(fā)現，不同類別產業(yè)與經濟增長的關系差異較大。具體而言，資源密集型產業(yè)的集聚與經濟增長存在倒U型關系，勞動密集型、資本密集型和技術密集型產業(yè)的集聚與經濟增長存在U型關系。

相比于其他得出產業(yè)集聚與經濟增長存在倒U型關系結論的研究，本文發(fā)現倒U型的曲線特征并不適用于所有的產業(yè)，因此對于不同產業(yè)的規(guī)劃與布局需要差別而論。和其他文獻產生區(qū)別的原因可能是這類文獻多選取工業(yè)或制造業(yè)等宏觀層面研究對象，而本文研究對象則較為中觀，因而結論有所差異，也更具有現實意義。根據上述研究結果，對于長江中游城市群而言，提高勞動密集型、資本密集型和技術密集型產業(yè)的集聚程度，在一定程度上有利于產生規(guī)模經濟，擴大經濟規(guī)模。因此，政府應立足于加強基礎設施以及服務環(huán)境建設，促進這三類產業(yè)活動的空間集聚，從而推動整個城市群的良性互動與發(fā)展。此外，長江中游城市群要擺脫對于資源密集型產業(yè)的過度依附，加快調整和提升產業(yè)結構；同時積極培育和壯大勞動密集型、資本密集型和技術密集型產業(yè)，通過持續(xù)的科技創(chuàng)新促進經濟長期穩(wěn)定的增長。加強產業(yè)集聚的水平和垂直分工，引導形成各集聚產業(yè)間的分工網絡體系，實現整個城市群的可持續(xù)發(fā)展。

注釋

①威廉姆斯假說認為，空間集聚在經濟發(fā)展初期能顯著促進效率提升，但達到某一門檻值后，空間集聚對經濟增長的影響變小，甚至不利于經濟增長，擁擠外部性更傾向于分散的地理空間結構。②1993年，Auty在研究產礦國經濟發(fā)展問題時第一次提出了這個概念，即豐裕的資源對一些國家的經濟增長并不是充分的有利條件，反而是一種限制。③“逐底競爭”用來形容競爭參與者為了尋找最高回報率，不惜以犧牲道德、觸犯法律為代價。

［1］Arellano M，Bond S.Some Test of Specification for Panel Data:Monte Carlo Evidence and Application to Employment Equations［J］.Review of Economic Studies，1991，58（2）:277-297.

［2］Auty R.Resource Abundance and Economic Development［M］.Oxford：Oxford University Press，2001.

［3］Baldwin R，Forslid R.The Core-Periphery Model and Endogenous Growth：Stabilizing and Destabilizing Integration［J］.Economica，2000，（67）:307-324.

［4］Blundel R，Bond S.Initial Conditions and Moment Restrictions in Dynamic Panel Data Models［J］.Journal of Econometrics，1998，87 （1）:115-143.

［5］Brulhart M，Sbergami F.Agglomeration and Growth：Cross-country Evidence［J］.Journal of Urban Economics，2009，65（1）:48-63.

［6］Cerina F，Mureddu F.Is Agglomeration Really Good for Growth?Global Efficiency，Interregional Equity and Uneven Growth［J］.Journal of Urban Economics，2014，（84）：9-22.

［7］Crozet M，Koenig P.The Cohesion Vs Growth Trade off：Evidence from EU Regions（1980-2000）［EB/OL］.Econpapers，http://www.ersa.org/ersaconfs/ersa05/papers/716.pdf.2007.

［8］Fujita M，Thisse J.Does Geographical Agglomeration Foster Economic Growth?And Who Gains and Who Loses From It［J］.The Japanese Economic Review，2003，54（2）:121-145.

［9］Krugman P.Increasing Returns and Economic Geography［J］.Journal of Political Economy，1991，9（3）:483-499.

［10］Marshall A.Principles of Economics:An Introductory［M］.London:Macmillan，1890.

［11］Martin P，Ottaviano G.Growth and Agglomeration［J］.International Economic Review，2001，42（4）:947-968.

［12］Williamson J. Regional Inequality and the Process of National Development［J］.Economic Development and Cultural Change，1965，13（4）:1-84.

［13］Windmeijer F.A Finite Sample Correction for the Variance of Linear Efficient Two-step GMM Estimators［J］.Journal of Econometrics，2005，126（1）:25-51.

［14］洪娟，廖信林．長三角城市群內制造業(yè)集聚與經濟增長的實證研究——基于動態(tài)面板數據一階差分廣義矩方法的分析［J］．中央財經大學學報，2012，（4）：85-90．

［15］潘文卿，劉慶．中國制造業(yè)產業(yè)集聚與地區(qū)經濟增長——基于中國工業(yè)企業(yè)數據的研究［J］．清華大學學報：哲學社會科學版，2012，27（1）：137-147．

［17］王岳平．開放條件下工業(yè)結構升級［M］．北京：經濟管理出版社，2004．

［18］魏瑋，馬松昌．基于動態(tài)面板GMM分析的產業(yè)集聚與經濟增長實證研究——以山東半島城市群為例［J］．上海經濟研究，2013，（6）：23-31．

［19］閆逢柱，喬娟．產業(yè)集聚一定有利于產業(yè)成長嗎？——基于中國制造業(yè)的實證分析［J］．經濟評論，2010，（5）：63-71．