中國資源型產(chǎn)業(yè)集聚對全要素生產(chǎn)率的影響研究

孫慧　朱俏俏

摘要本文基于2005-2014年中國31個省市自治區(qū)的面板數(shù)據(jù)，以全要素生產(chǎn)率增長對經(jīng)濟發(fā)展效率予以度量，運用多種計量分析和檢驗方法，在通過兩階段SYSGMM方法有效控制解釋變量內(nèi)生性問題的條件下，實證考察了資源型產(chǎn)業(yè)集聚對全要素生產(chǎn)率增長的非線性影響。結(jié)果表明，資源型產(chǎn)業(yè)集聚與全要素生產(chǎn)率增長呈顯著的倒“U”型曲線關(guān)系，并表現(xiàn)出強穩(wěn)定性，資源型產(chǎn)業(yè)最優(yōu)集聚規(guī)模為0.891，當(dāng)資源型產(chǎn)業(yè)集聚度小于倒“U”型曲線的拐點0.891時，資源型產(chǎn)業(yè)集聚對全要素生產(chǎn)率增長具有顯著的促進作用，一旦資源型產(chǎn)業(yè)集聚度超過這一拐點時，產(chǎn)業(yè)的過度集聚就會阻礙全要素生產(chǎn)率的增長；將資源型產(chǎn)業(yè)全要素生產(chǎn)率分解為技術(shù)進步和技術(shù)效率，由于資源型產(chǎn)業(yè)以水平型集聚為主，使得資源型產(chǎn)業(yè)技術(shù)效率的提高對全要素生產(chǎn)率增長的貢獻(xiàn)大于技術(shù)進步，當(dāng)集聚類型由水平型向垂直型轉(zhuǎn)化時，技術(shù)進步對全要素生產(chǎn)率的有利影響將會凸顯出來；資源型產(chǎn)業(yè)集聚與全要素生產(chǎn)率之間倒“U”型曲線的拐點值對于不同傳導(dǎo)機制因素的敏感程度不同，科技創(chuàng)新投入、人力資本水平、市場化程度、基礎(chǔ)設(shè)施建設(shè)四個因素推延了資源型產(chǎn)業(yè)最佳集聚規(guī)模閾值，降低了由于集聚規(guī)模擴大而對全要素生產(chǎn)率增長產(chǎn)生 “擁塞效應(yīng)”的風(fēng)險；中國48.39%的省份處于資源型產(chǎn)業(yè)集聚“規(guī)模效應(yīng)”階段，集聚規(guī)模的擴大會繼續(xù)促進全要素生產(chǎn)率的增長，51.61%的省份大多屬于資源富集省份，處于產(chǎn)業(yè)集聚 “擁塞效應(yīng)”凸顯階段，若繼續(xù)擴大集聚規(guī)模，過度集聚將進一步阻礙全要素生產(chǎn)率的增長。

關(guān)鍵詞資源型產(chǎn)業(yè)集聚；全要素生產(chǎn)率；集聚效應(yīng)；擁塞效應(yīng)；兩階段系統(tǒng)GMM

中圖分類號F061.5 文獻(xiàn)標(biāo)識碼A文章編號1002-2104（2016）01-0121-10doi：10.3969/j.issn.1002-2104.2016.01.017

資源型產(chǎn)業(yè)是以開發(fā)利用能源資源和礦產(chǎn)資源為主要基礎(chǔ)原料和依托的產(chǎn)業(yè)。資源型產(chǎn)業(yè)是資源豐裕地區(qū)經(jīng)濟社會發(fā)展的重要源泉，由于資源型產(chǎn)業(yè)更依賴本地豐富的自然資源，因此顯現(xiàn)出更強的空間集聚效應(yīng)，由自然資源的開采、利用、加工而形成的資源型產(chǎn)業(yè)集聚是區(qū)域經(jīng)濟發(fā)展的增長極，對提高地區(qū)資源型產(chǎn)業(yè)生產(chǎn)效率、促進區(qū)域經(jīng)濟發(fā)展的作用顯得尤為重要。

1研究綜述

產(chǎn)業(yè)集聚是自19世紀(jì)末以來備受學(xué)術(shù)界關(guān)注的一種經(jīng)濟現(xiàn)象。無論是Marshall的外部規(guī)模經(jīng)濟理論， J.B.Boudeville的產(chǎn)業(yè)區(qū)位理論，還是以Paul R. Krugman為代表的新經(jīng)濟地理學(xué)理論，都認(rèn)為產(chǎn)業(yè)在一定規(guī)模內(nèi)集聚有利于人力資本流動、知識信息外溢、基礎(chǔ)設(shè)施共享以及技術(shù)服務(wù)專業(yè)化，從而通過集聚產(chǎn)生的正向規(guī)模效應(yīng)降低生產(chǎn)成本、促進經(jīng)濟發(fā)展、改善生產(chǎn)效率，不斷提高集聚的邊際效益；而當(dāng)產(chǎn)業(yè)過度集聚時，則會引起管理效率降低、資源供給不足、交通擁擠嚴(yán)重以及生活成本上升等負(fù)向的擁塞效應(yīng)，集聚邊際效益下降，最終導(dǎo)致集聚的規(guī)模經(jīng)濟逐漸被規(guī)模不經(jīng)濟取代，經(jīng)濟發(fā)展在數(shù)量和質(zhì)量雙維度的經(jīng)濟效應(yīng)就會降低，甚至轉(zhuǎn)為負(fù)值。從理論研究可看出，產(chǎn)業(yè)集聚對經(jīng)濟發(fā)展效率的影響并非只是起單向線性的促進或阻礙作用，二者之間更可能存在某種其他形式的非線性關(guān)系。然而，目前大多數(shù)學(xué)者仍在線性關(guān)聯(lián)的分析范式下探討產(chǎn)業(yè)集聚與經(jīng)濟發(fā)展效率的關(guān)系，很少有實證研究對二者的非線性關(guān)聯(lián)進行識別驗證。例如， Sveikauskas[1]、Segal[2]、Moomaw[3]、Beeson[4]、Ciccone[5]、謝波[6]應(yīng)用線性模型實證考察了集聚與經(jīng)濟發(fā)展效率之間的正相關(guān)關(guān)系，強調(diào)了集聚規(guī)模效應(yīng)對企業(yè)生產(chǎn)效率的影響；Carlino[7]、Combes[8]、Sbergami[9]、Bautista[10]、Brulhart and Sbergami[11]運用線性檢驗?zāi)Ｐ?，得出相反的結(jié)論，認(rèn)為集聚與經(jīng)濟發(fā)展效率之間并沒有顯著聯(lián)系，甚至集聚會阻礙經(jīng)濟的增長和生產(chǎn)率的提高。

孫慧等：中國資源型產(chǎn)業(yè)集聚對全要素生產(chǎn)率的影響研究中國人口·資源與環(huán)境2016年第1期也有少數(shù)學(xué)者對集聚的非線性經(jīng)濟效應(yīng)進行了實證檢驗，Henderson[12]通過構(gòu)建城市規(guī)模模型證明了擁塞效應(yīng)的存在，其研究結(jié)論證明規(guī)模經(jīng)濟是有限的，其外部性隨著規(guī)模的擴大而減弱，擁塞效應(yīng)與集聚水平成負(fù)相關(guān)關(guān)系；Futagami和Ohkusa[13]從產(chǎn)品多樣性角度發(fā)現(xiàn)市場規(guī)模與經(jīng)濟發(fā)展效率之間存在倒“U”型曲線關(guān)系，無論是偏小還是偏大的市場規(guī)模均不利于經(jīng)濟的快速發(fā)展，只有市場規(guī)模處于中等適度水平，經(jīng)濟的發(fā)展才最有效率，因此證明了集聚的規(guī)模經(jīng)濟效應(yīng)呈非線性特征；Lin等[14]采用EllisonGlaeser指數(shù)測量了中國紡織業(yè)集聚度，證明集聚與勞動生產(chǎn)率二者呈倒“U”型關(guān)系；王燕、徐妍[15]以中國制造業(yè)為例，證明了產(chǎn)業(yè)空間集聚對全要素生產(chǎn)率的影響存在門檻效應(yīng)，其影響力隨產(chǎn)業(yè)集聚水平的提高而逐步減弱，集聚存在最優(yōu)規(guī)模；王晶晶等[16]采用兩階段系統(tǒng)廣義矩估計方法實證研究了服務(wù)業(yè)與勞動生產(chǎn)率之間的關(guān)系，指出服務(wù)業(yè)集聚的“擁塞效應(yīng)”和“集聚效應(yīng)”會在不同時期達(dá)到不同均衡。以上文獻(xiàn)驗證了集聚與經(jīng)濟效率之間存在非線性關(guān)系，但并沒有給出令集聚效應(yīng)發(fā)生結(jié)構(gòu)性轉(zhuǎn)變的拐點，即在多大的集聚水平下集聚經(jīng)濟會由“規(guī)模效應(yīng)”轉(zhuǎn)變?yōu)椤皳砣?yīng)”，亦或反之。因而，本文的研究將填補資源型產(chǎn)業(yè)在確定最優(yōu)集聚規(guī)模方面的空白，為后續(xù)進一步研究奠定基礎(chǔ)。

新古典經(jīng)濟增長理論認(rèn)為，一個經(jīng)濟體如果能長期保持快速增長，其必定伴隨有全要素生產(chǎn)率的較快提高[17]。已有文獻(xiàn)對集聚與經(jīng)濟發(fā)展效率二者關(guān)系的研究，更多地聚焦于集聚溢出效應(yīng)對經(jīng)濟增長總量的影響，而從經(jīng)濟增長效率視角，即集聚效應(yīng)如何對勞動生產(chǎn)率及全要素生產(chǎn)率產(chǎn)生影響，影響程度如何等方面的研究還比較匱乏。此外，對產(chǎn)業(yè)層面的考察主要集中于制造業(yè)、服務(wù)業(yè)部門，而專門針對資源型產(chǎn)業(yè)集聚效應(yīng)的研究較少，對資源型產(chǎn)業(yè)集聚與全要素生產(chǎn)率關(guān)系的研究更是少見。資源型產(chǎn)業(yè)全要素生產(chǎn)率是衡量地區(qū)資源型產(chǎn)業(yè)經(jīng)濟發(fā)展質(zhì)量的重要指標(biāo)，資源型產(chǎn)業(yè)全要素生產(chǎn)率的增長有助于資源型產(chǎn)業(yè)經(jīng)濟的持續(xù)發(fā)展。因此，本文選擇將全要素生產(chǎn)率作為研究變量，為考察資源型產(chǎn)業(yè)集聚對全要素生產(chǎn)率的影響。本文選取2005-2014年中國省級層面的資源型產(chǎn)業(yè)集聚規(guī)模為橫軸，以各省市自治區(qū)的全要素生產(chǎn)率年均增長率為縱軸，繪制出如圖1所示散點擬合圖。從圖1中可看出，二者在一定程度上呈倒“U”型曲線關(guān)系。在曲線的拐點兩側(cè)，資源型產(chǎn)業(yè)集聚與全要素生產(chǎn)率增長分別呈現(xiàn)出正相關(guān)性和負(fù)相關(guān)性。從以上分析及文獻(xiàn)研究中得到啟示，大膽提出假設(shè)：資源型產(chǎn)業(yè)在集聚過程中的規(guī)模經(jīng)濟并不是一直存在的，可能存在拐點，拐點之前規(guī)模效應(yīng)起主導(dǎo)作用，拐點之后擁塞效應(yīng)的約束作用被凸顯，即資源型產(chǎn)業(yè)集聚與全要素生產(chǎn)率之間存在倒“U”型曲線關(guān)系（見圖2）。本文接下來就資源型產(chǎn)業(yè)集聚對全要素生產(chǎn)率的非線性影響展開實證研究。

2模型設(shè)定、數(shù)據(jù)來源與方法介紹

2.1模型設(shè)定

根據(jù)本文研究目的以及第一部分提出的假說，主要考察資源型產(chǎn)業(yè)集聚如何影響全要素生產(chǎn)率的增長，二者之間是否存在某種非線性關(guān)系，因此，引入資源型產(chǎn)業(yè)集聚的二次方項，構(gòu)建如（1）式所示的基本靜態(tài)面板回歸模型：

生產(chǎn)率增長的散點擬合圖（2005-2014年）

Fig.1Scatter fitting chart of the agglomeration of

resourcebased industry and the growth of TFP

on Chinese provincial level （2005-2014）

倒“U”型曲線關(guān)系假說

Fig.2Inverted “U” curve hypothesis of the

relationship between the agglomeration of

resourcebased industry and TFP

TFPGit=α0+α1RAGGit+α2RAGGit2+α3Xit+εit （1）

其中，被解釋變量TFPG表示資源型產(chǎn)業(yè)全要素生產(chǎn)率增長；RAGG表示資源型產(chǎn)業(yè)集聚，RAGG2是其二次方項；X表示模型中影響全要素生產(chǎn)率增長的其他控制變量組成的向量集，本文主要包括滯后一期的全要素生產(chǎn)率增長（TFPGt-1）、技術(shù)進步（TECHG）、技術(shù)效率（EFFG）三個基本控制變量以及資源產(chǎn)業(yè)依賴（RD）、科技創(chuàng)新投入（TECHI）、人力資本水平（HC）、外商直接投資（FDI）、基礎(chǔ)設(shè)施建設(shè)（INF）、市場化程度（MAR）、政府干預(yù)程度（GOV）等七個其他控制變量；i代表各省級截面單位；t代表時間序列的年份；α0-α3為待估參數(shù)；ε為隨機擾動項。各變量的具體解釋說明如下：

（1）被解釋變量：資源型產(chǎn)業(yè)全要素生產(chǎn)率增長（TFPG）。本文采用DEAMalmquist指數(shù)法，對中國31個省市自治區(qū)各年的資源型產(chǎn)業(yè)全要素生產(chǎn)率進行了測算，并在回歸過程中將其進行減1處理，變換為以百分比為單位的相對于上一年的增長率形式從而得到該項指標(biāo)數(shù)據(jù)。測算所需的兩個投入變量勞動和資本分別采用資源型產(chǎn)業(yè)從業(yè)人員年平均人數(shù)和固定資產(chǎn)凈值予以度量。

（2）主要解釋變量：資源型產(chǎn)業(yè)集聚（RAGG）及其二次方項（RAGG2）。本文選擇區(qū)位熵指數(shù)作為衡量省級資源型產(chǎn)業(yè)集聚程度的指標(biāo)[18]，采用地區(qū)資源型產(chǎn)業(yè)總產(chǎn)值來計算資源型產(chǎn)業(yè)集聚程度。

（3）基本控制變量：A.滯后一期的資源型產(chǎn)業(yè)全要素生產(chǎn)率增長（TFPGt-1）。現(xiàn)實反映出當(dāng)期的全要素生產(chǎn)率通?？赡苁艿缴弦黄谏a(chǎn)效率的影響，為了捕捉這一“慣性”特征，本文加入資源型產(chǎn)業(yè)全要素生產(chǎn)率增長的一階滯后項作為基本控制變量。B.技術(shù)進步（TECHG）、技術(shù)效率（EFFG）。普遍認(rèn)為，有兩種情況可促使全要素生產(chǎn)率得以提高，一是在技術(shù)水平不變的情況下提高技術(shù)效率，使產(chǎn)出水平逐漸接近現(xiàn)有技術(shù)條件下的最大生產(chǎn)可能臨界值；二是源自最大生產(chǎn)可能臨界值的提高，即技術(shù)進步[19]。因此，本文將技術(shù)進步和技術(shù)效率引入模型以便考察技術(shù)效率的改善和技術(shù)進步的提高對全要素生產(chǎn)率增長的貢獻(xiàn)。

（4）其他控制變量：除引入以上3個基本控制變量外，根據(jù)經(jīng)濟學(xué)相關(guān)理論并參考大量文獻(xiàn)，結(jié)合數(shù)據(jù)的可得性選取了以下7個影響資源型產(chǎn)業(yè)全要素生產(chǎn)率增長的重要因素作為其他控制變量引入模型，用以考察以下因素是否能夠影響資源型產(chǎn)業(yè)集聚的溢出效應(yīng)。

A.資源產(chǎn)業(yè)依賴（RD）。資源產(chǎn)業(yè)依賴是地區(qū)經(jīng)濟對于資源的依賴程度，即資源型產(chǎn)業(yè)在地區(qū)經(jīng)濟中具有的地位高低和作用大小[19]。因此，資源產(chǎn)業(yè)依賴對全要素生產(chǎn)率的影響可能是正向的，也可能是負(fù)向的。本文選擇資源型產(chǎn)業(yè)從業(yè)人數(shù)占從業(yè)總?cè)藬?shù)的比重作為資源產(chǎn)業(yè)依賴指標(biāo)，反映出一個地區(qū)就業(yè)結(jié)構(gòu)向資源型產(chǎn)業(yè)的傾斜程度，從而從就業(yè)角度對資源產(chǎn)業(yè)依賴程度予以度量[19]。

B.科技創(chuàng)新投入（TECHI）。內(nèi)生經(jīng)濟增長理論認(rèn)為增加研究與開發(fā)（R&D）投入所帶來的技術(shù)創(chuàng)新有利于促進技術(shù)進步和生產(chǎn)效率的提高。本文用科技活動經(jīng)費支出占行業(yè)工業(yè)總產(chǎn)值比重這一指標(biāo)反映資源型產(chǎn)業(yè)科技創(chuàng)新投入水平，預(yù)期其系數(shù)符號為正。

C.人力資本水平（HC）。眾多學(xué)者從理論層面和實證角度均驗證了人力資本對全要素生產(chǎn)率增長具有積極作用[20-21]。第一，人力資本投入通過提高勞動者受教育程度、熟練掌握職業(yè)技能等途徑直接提高全要素生產(chǎn)率水平；第二，人力資本決定著地區(qū)或產(chǎn)業(yè)的技術(shù)創(chuàng)新能力，從而通過提高研發(fā)水平和增強技術(shù)吸收能力間接影響全要素生產(chǎn)率的提高。本文采用普通高等學(xué)校在校學(xué)生數(shù)占總?cè)丝诒戎貋韺θ肆Y本水平進行度量，預(yù)期其系數(shù)符號為正。

D.外商直接投資（FDI）。外商直接投資可帶來技術(shù)外溢與擴散效應(yīng)、競爭效應(yīng)、示范效應(yīng)，本文引入該指標(biāo)用以考察區(qū)域的對外開放程度能否影響資源型產(chǎn)業(yè)集聚的溢出效應(yīng)。本文采用實際利用外商直接投資占GDP的比重來反映外資利用水平，預(yù)期其系數(shù)符號為正。

E.基礎(chǔ)設(shè)施建設(shè)（INF）。資源型企業(yè)生產(chǎn)運作涉及到大量的原材料供應(yīng)和產(chǎn)品外銷，因此運輸條件的便利性、通達(dá)性是影響資源型產(chǎn)業(yè)發(fā)展的重要因素。本文用鐵路營業(yè)里程與公路里程數(shù)之和與地區(qū)面積的比值表示基礎(chǔ)設(shè)施建設(shè)水平，預(yù)期其系數(shù)符號為正。

F.市場化程度（MAR）。市場化進程是資源型產(chǎn)業(yè)技術(shù)進步和全要素生產(chǎn)率增長的主要力量源泉，市場化程度反映了資源型產(chǎn)業(yè)的要素配置效率。本文用非國有企業(yè)工業(yè)總產(chǎn)值與地區(qū)工業(yè)總產(chǎn)值的比重表示市場化程度，且預(yù)期其系數(shù)符號為正。

G.政府干預(yù)程度（GOV）。政府在適當(dāng)合理的程度內(nèi)對經(jīng)濟進行干預(yù)將有助于優(yōu)化資源配置、克服市場失靈、彌補市場機制的缺陷與不足，從而促進生產(chǎn)率的提高，但若干預(yù)過度或缺乏效率，那么在市場失靈的同時還會出現(xiàn)政府失靈，也會導(dǎo)致資源配置無效，對生產(chǎn)率的提高產(chǎn)生負(fù)面影響。本文用政府財政支出占GDP的比重表示政府干預(yù)程度，將其作為控制變量引入模型。

綜上，本文最終所構(gòu)建的回歸模型如下：

TFPGit=β0+β1RAGGit+β2RAGGit2+β3TFPGit-1

+β4TECHGit+β5EFFGit+β6RDit+β7TECHIit

+β8HCit+β9FDIit+β10INFit+β11MARit

+β12GOVit +δit （2）

其中，β0-β12為待估參數(shù)，δ為隨機擾動項。

2.2數(shù)據(jù)來源

本文以2005-2014年全國31個省市自治區(qū)為研究對象，重點考察資源型產(chǎn)業(yè)集聚如何影響全要素生產(chǎn)率增長。按照中國國民經(jīng)濟統(tǒng)計口徑，根據(jù)《國民經(jīng)濟行業(yè)分類》（GB/T 4754—2011）二位碼分類標(biāo)準(zhǔn)，本文將資源型產(chǎn)業(yè)界定為包括采礦業(yè)，電力、熱力、燃?xì)饧八a(chǎn)和供應(yīng)業(yè)以及資源型制造業(yè)等13個細(xì)分行業(yè)，具體為煤炭開采和洗選業(yè)、石油和天然氣開采業(yè)、黑色金屬礦采選業(yè)、有色金屬礦采選業(yè)、非金屬礦采選業(yè)、石油加工煉焦及核燃料加工業(yè)、非金屬礦物制造業(yè)、黑色金屬冶煉及壓延加工業(yè)、有色金屬冶煉及壓延加工業(yè)、金屬制品業(yè)、電力熱力的生產(chǎn)和供應(yīng)業(yè)、燃?xì)馍a(chǎn)和供應(yīng)業(yè)、水的生產(chǎn)和供應(yīng)業(yè)。數(shù)據(jù)主要來源于《中國統(tǒng)計年鑒》、《中國工業(yè)經(jīng)濟統(tǒng)計年鑒》、《中國經(jīng)濟普查年鑒（2004）》，其中少數(shù)缺失的數(shù)據(jù)利用各省份統(tǒng)計年鑒、萬德數(shù)據(jù)庫及灰色預(yù)測法予以補齊。

2.3計量方法

對面板數(shù)據(jù)進行參數(shù)估計最常用的方法是固定效應(yīng)和隨機效應(yīng)模型。但本文的動態(tài)面板數(shù)據(jù)模型可能存在因引入的被解釋變量滯后項與隨機擾動項相關(guān)而產(chǎn)生的內(nèi)生性問題，解決動態(tài)面板模型的內(nèi)生性問題，保證所得估計結(jié)果的無偏一致性，這兩種傳統(tǒng)方法并非有效。此時，兩階段系統(tǒng)廣義矩估計（SYSGMM）方法則是更好的選擇。

該方法對模型中含有被解釋變量滯后期、部分或全部解釋變量內(nèi)生、每個截面?zhèn)€體的隨機擾動項可能存在不同的異方差和序列相關(guān)模型都是適用的。

SYSGMM估計結(jié)果一致與否取決于工具變量是否有效，因此，必須對工具變量的過度識別限制問題進行Hansen檢驗，以及使用ArellanoBond檢驗（以下簡稱AB檢驗）對工具變量選擇的合理性進行判斷。若Hansen檢驗結(jié)果接受了原假設(shè)，即工具變量有效（Hansen統(tǒng)計量的p值≥0.1），且AB檢驗結(jié)果顯示隨機誤差項不存在二階序列相關(guān)（即AR（1）統(tǒng)計量的p值<0.1且AR（2）統(tǒng)計量的p值>0.1），則說明工具變量有效，模型設(shè)定合理。本文主要采用兩階段SYSGMM方法對選取的工具變量是否有效進行統(tǒng)計檢驗，在此基礎(chǔ)上對模型（3）進行參數(shù)估計。

另外，盡管前文提出了倒“U”型曲線假說，但資源型產(chǎn)業(yè)集聚與全要素生產(chǎn)率之間仍可能存在其他形式的非線性關(guān)系，如三次曲線形式的“N”型或倒“N”型，甚至更為復(fù)雜的其他形式的非線性關(guān)系。為確保假說檢驗結(jié)果的真實性、可靠性、穩(wěn)健性，不僅需證明二者之間的倒“U”型曲線關(guān)系顯著存在，還需要運用多種分析檢驗方法對其他曲線關(guān)系進行檢驗，考察其他類型曲線關(guān)系存在的可能性。因此，本文借鑒邵帥等[19]人的做法，除采用本文重點關(guān)注的能有效處理內(nèi)生問題的兩階段SYSGMM方法外，還運用了其他非線性分析方法——門限面板回歸（TPR）方法以及混合最小二乘法（POLS）、固定效應(yīng)（FE）模型和隨機效應(yīng)（RE）模型作為輔助分析方法，力求從多角度對資源型產(chǎn)業(yè)集聚與全要素生產(chǎn)率之間的關(guān)系進行識別。其中門限面板回歸方法最大的優(yōu)點是不需給出非線性方程的具體形式，樣本數(shù)據(jù)可內(nèi)生決定門限個數(shù)及門限值。

由于本文主要考察的是不同水平的資源型產(chǎn)業(yè)集聚對全要素生產(chǎn)率的直接非線性影響，因此將門限變量設(shè)定為RAGG本身。資源型產(chǎn)業(yè)集聚與全要素生產(chǎn)率之間非線性關(guān)系的走勢可以通過各門限區(qū)制對應(yīng)的系數(shù)符號的正負(fù)性和顯著性予以判斷。

值得注意的是，考慮到內(nèi)生性問題對模型回歸結(jié)果是否存在偏誤的重要影響，而以上分析檢驗方法中僅有SYSGMM能夠?qū)ζ溥M行有效控制，因而本文將對SYSGMM的回歸結(jié)果作重點分析，而將運用其他方法得出的回歸結(jié)果與之進行輔助對比分析，從而與SYSGMM的結(jié)果相互印證，增強結(jié)論的可靠性與穩(wěn)健性。

3結(jié)果及討論3.1整體分析結(jié)果及討論

門限效應(yīng)檢驗結(jié)果顯示，資源型產(chǎn)業(yè)集聚對全要素生產(chǎn)率增長在1%的水平上存在顯著的單一門限效應(yīng)，而雙重和三重門限效應(yīng)均不顯著（由于篇幅所限，文中省略了門限個數(shù)的顯著性檢驗過程），由此推斷，資源型產(chǎn)業(yè)集聚與全要素生產(chǎn)率增長之間可能存在著某種二次曲線關(guān)系。表1中的模型1為對應(yīng)的門限面板估計結(jié)果，從估計出的參數(shù)結(jié)果來看，在0.959這一門限值前后的兩個區(qū)制內(nèi)，資源型產(chǎn)業(yè)集聚的系數(shù)分別為0.106和-0.064，且分別在1%和5%的水平上顯著，說明資源型產(chǎn)業(yè)集聚和全要素生產(chǎn)率之間呈倒“U”型關(guān)系，以0.959為拐點，資源型產(chǎn)業(yè)集聚在拐點前后對全要素生產(chǎn)率增長分別表現(xiàn)出顯著的正效應(yīng)和負(fù)效應(yīng)。但模型1只是靜態(tài)模型，沒有考慮到經(jīng)濟變量的動態(tài)滯后效應(yīng)。因此，進一步采用能有效控制變量內(nèi)生問題的兩階段SYSGMM方法，對引入資源型產(chǎn)業(yè)集聚三次方項的（2）式進行估計（模型2），參數(shù)估計結(jié)果顯示，三次方項系數(shù)并不顯著，而一次方和二次方項系數(shù)依然高度顯著，且一次方系數(shù)為正，二次方系數(shù)為負(fù)。說明無論是采用基本的一般靜態(tài)模型，還是采用考慮滯后表1全要素生產(chǎn)率增長模型整體分析結(jié)果對模型1而言，分別對應(yīng)于其單一門限效應(yīng)的低門限區(qū)制和高門限區(qū)制。效應(yīng)與控制內(nèi)生性的動態(tài)模型；無論是采用無需設(shè)定具體方程模型的TPR方法，還是采用三次方程形式的SYSGMM方法，均拒絕了資源型產(chǎn)業(yè)集聚與全要素生產(chǎn)率增長存在三次關(guān)系的設(shè)想，從而肯定了二者之間倒“U”型曲線關(guān)系的存在。因此，接下來將重點關(guān)注二者的倒“U”型曲線關(guān)系，從多種角度采用多種計量方法予以檢驗。

模型3是本文重點采用的SYSGMM方法對（2）式的估計結(jié)果?？煽闯觯c模型2一樣，模型3中的AB檢驗與Hansen檢驗均符合GMM的估計要求，倒“U”型曲線關(guān)系依然存在。需要說明的是，雖然GMM方法具有諸多優(yōu)點，但其動態(tài)面板估計量易受到弱工具變量的影響而產(chǎn)生較大偏誤。Bond（2002）提出了一個判斷是否發(fā)生較大偏誤的經(jīng)驗法則，即將GMM估計量分別與包含被解釋變量滯后項的POLS和FE的估計量進行比較，若被解釋變量滯后項的GMM估計量介于POLS和FE所對應(yīng)的估計量之間，則GMM估計是有效的[22]。鑒于此，接下來分別采用加入了全要素生產(chǎn)率增長滯后一期作為解釋變量的兩種方法——動態(tài)POLS（模型4）和動態(tài)FE（模型5）進行參數(shù)回歸估計，通過比較可看出，模型3的滯后一期全要素生產(chǎn)率增長率的系數(shù)-0.055確實介于模型4的系數(shù)-0.043和模型5的系數(shù)-0.075之間，說明模型3的SYSGMM估計結(jié)果并沒有因為弱工具變量問題而產(chǎn)生明顯偏誤，倒“U”型曲線關(guān)系依然穩(wěn)健。

最后，為了更深入地探尋內(nèi)生性問題在資源型產(chǎn)業(yè)集聚對全要素生產(chǎn)率溢出效應(yīng)研究中的重要性，在模型6-模型8中分別給出了被眾多學(xué)者廣泛采用的三種靜態(tài)模型估計方法——靜態(tài)POLS、靜態(tài)FE和靜態(tài)RE的估計結(jié)果，并與SYSGMM方法的估計結(jié)果相比較，從而判斷內(nèi)生性問題的影響程度，考察SYSGMM估計結(jié)果的穩(wěn)健性。部分學(xué)者也采用類似的比較研究思路[15，19，23]。對比模型3可看出，在系數(shù)的顯著水平上，POLS、FE、RE的參數(shù)估計效果明顯欠于SYSGMM，資源型產(chǎn)業(yè)集聚的二次方項、人力資本水平、外商直接投資、基礎(chǔ)設(shè)施建設(shè)、政府干預(yù)程度等變量的系數(shù)均不顯著，甚至有些變量的系數(shù)符號與模型3的GMM估計結(jié)果相反，從而表明內(nèi)生問題顯著存在，有必要采用SYSGMM方法對其進行控制。需要注意的一點是，采用靜態(tài)POLS的模型6和靜態(tài)RE的模型8中的資源型產(chǎn)業(yè)集聚變量的二次項系數(shù)雖然為負(fù)，但沒有通過顯著性檢驗，而一次項系數(shù)顯著為正，說明如果僅以沒有控制個體效應(yīng)和內(nèi)生性問題的POLS和RE的估計結(jié)果作為判斷依據(jù)，就很可能得出我國省級層面資源型產(chǎn)業(yè)集聚會促進全要素生產(chǎn)率增長的錯誤結(jié)論。

綜上，無論采用何種方法均表明資源型產(chǎn)業(yè)集聚與全要素生產(chǎn)率增長之間存在顯著的倒“U”型曲線關(guān)系，即資源型產(chǎn)業(yè)的集聚效應(yīng)存在一個閾值，當(dāng)一個地區(qū)資源型產(chǎn)業(yè)的集聚度小于這個閾值時，產(chǎn)業(yè)的集聚效應(yīng)大于擁塞效應(yīng)，產(chǎn)業(yè)集聚就會對全要素生產(chǎn)率的增長顯現(xiàn)出積極影響，當(dāng)一個地區(qū)的資源型產(chǎn)業(yè)過度集聚，超過這一閾值時，產(chǎn)業(yè)集聚的正效應(yīng)就會消失，轉(zhuǎn)而集聚的“擁塞效應(yīng)”顯現(xiàn)出來，不利于生產(chǎn)率的增長。從各模型的拐點值大小來看，波動幅度較小，大致處于0.8-2.0之間，重點關(guān)注模型3的拐點值為0.891，是所有模型中的最小值，說明內(nèi)生性問題對于資源性產(chǎn)業(yè)集聚與全要素生產(chǎn)率之間倒“U”型曲線的拐點值存在向上的偏倚性影響。

3.2分步分析結(jié)果及討論

驗證了假說的合理性之后，本部分采用SYSGMM方法通過逐步依次添加控制變量的方法對資源型產(chǎn)業(yè)全要素生產(chǎn)率增長模型進行“獨特性”分析，以考察各控制變量對倒“U”型曲線及其拐點動態(tài)變化情況的影響程度及傳導(dǎo)路徑。表2中8組模型（其中模型8與表1中的模型3等同）的實證檢驗結(jié)果顯示，所有模型的殘差均通過1%水平的顯著性檢驗，存在一階自相關(guān)，但不存在二階自相關(guān)，且Hansen統(tǒng)計量均不顯著，從而表明各模型設(shè)定合理、工具變量有效。此外，除模型5和模型7的資源型產(chǎn)業(yè)集聚二次方項、模型7的基礎(chǔ)設(shè)施建設(shè)三個系數(shù)沒有通過顯著性檢驗以外，其余所有系數(shù)均至少通過10%水平的顯著性檢驗，并且在逐步添加控制變量的過程中，各系數(shù)符號均保持不變，表明回歸結(jié)果非常穩(wěn)健，所選取的變量對全要素生產(chǎn)率的增長具有重要影響。

模型1是包含除資源型產(chǎn)業(yè)集聚以及集聚二次方項兩個解釋變量外，僅加入滯后一期全要素生產(chǎn)率增長、技術(shù)進步、技術(shù)效率三個基本控制變量的估計結(jié)果，與前文的研究結(jié)果一致，資源型產(chǎn)業(yè)集聚一次項和二次項的系數(shù)分別顯著為正和顯著為負(fù)，拐點值為1.387，在7個模型中最大。

模型2引入了資源產(chǎn)業(yè)依賴這一指標(biāo)作為控制變量，其系數(shù)為負(fù)，且在1%的水平上通過顯著性檢驗，說明地區(qū)發(fā)展對資源型產(chǎn)業(yè)的依賴阻礙了其全要素生產(chǎn)率的增長。由于資源型產(chǎn)業(yè)大多科技含量不高、技術(shù)水平偏低，缺乏通過提高生產(chǎn)效率來促進產(chǎn)業(yè)發(fā)展的動力，導(dǎo)致與之相關(guān)的科技研發(fā)、技術(shù)創(chuàng)新、人力資本等因素投入不足，從而使全要素生產(chǎn)率的提升缺乏必須的人力物力支持。模型2較模型1的拐點值有所降低，說明地區(qū)經(jīng)濟發(fā)展對資源型產(chǎn)業(yè)的依賴在一定程度上削弱了產(chǎn)業(yè)集聚過程中集聚效應(yīng)對全要素生產(chǎn)率增長的積極影響，提前了資源型產(chǎn)業(yè)集聚擁塞效應(yīng)的顯現(xiàn)。

模型3和模型4依次引入了科技創(chuàng)新投入和人力資本水平兩個變量，科技創(chuàng)新和人力資本的溢出效應(yīng)有力地推動了全要素生產(chǎn)率的增長，其系數(shù)均為正值并顯著，且表2全要素生產(chǎn)率增長模型分步分析結(jié)果

模型5將外商直接投資引入了模型，與預(yù)期相反，外商直接投資的系數(shù)為負(fù)且高度顯著，說明外商直接投資沒有表現(xiàn)出技術(shù)擴散或正向技術(shù)外溢效應(yīng)，反而顯著抑制了全要素生產(chǎn)率的增長?？赡苡捎谖覈P(guān)系國家經(jīng)濟安全命脈的資源型產(chǎn)業(yè)的進入壁壘非常高，導(dǎo)致資源型產(chǎn)業(yè)吸引外資的能力較弱；其次，一個地區(qū)的資源型產(chǎn)業(yè)發(fā)展較快，集聚度較高，就容易擠出制造業(yè)發(fā)展，而制造業(yè)是吸引外資的重要部門，因此，制造業(yè)的萎縮又進一步降低了資源型產(chǎn)業(yè)的引資能力。

模型6引入了基礎(chǔ)設(shè)施建設(shè)這一控制變量，系數(shù)符號為正且顯著，符合預(yù)期，對全要素生產(chǎn)率的增長表現(xiàn)出積極影響，使最佳集聚規(guī)模由模型5的0.902向后推移到模型6的0.928。

模型7將控制變量市場化程度引入模型，其系數(shù)為正，通過1%的顯著性水平檢驗，對全要素生產(chǎn)率的增長起促進作用。說明市場化程度的提高有利于要素的自由流動，提高資源型產(chǎn)業(yè)的要素配置效率。

模型8是本文重點關(guān)注模型，加入了最后一個控制變量——政府干預(yù)程度，其系數(shù)符號顯著為負(fù)，說明政府在不合理的范圍干預(yù)經(jīng)濟發(fā)展，且政府的干預(yù)活動缺乏效率，導(dǎo)致資源配置失衡、市場活力不足、因此阻礙了全要素生產(chǎn)率的增長，縮小了資源型產(chǎn)業(yè)集聚的最佳規(guī)模閾值。

從模型1-模型8的估計結(jié)果來看，資源型產(chǎn)業(yè)集聚的一次項和二次項系數(shù)分別始終保持顯著為正和顯著為負(fù)，從而再次印證了資源型產(chǎn)業(yè)集聚與全要素生產(chǎn)率增長之間非常穩(wěn)健的倒“U”型曲線關(guān)系。從拐點值的變動幅度來看，倒“U”型曲線的拐點值對于不同傳導(dǎo)因素的敏感程度也有所差異?？萍紕?chuàng)新投入、人力資本水平、市場化程度、基礎(chǔ)設(shè)施建設(shè)四個因素推延了資源型產(chǎn)業(yè)最佳集聚規(guī)模閾值。此外，表2的結(jié)果顯示，技術(shù)進步、技術(shù)效率兩變量的系數(shù)始終為正，且高度顯著。技術(shù)效率變化對資源型產(chǎn)業(yè)全要素生產(chǎn)率變動的解釋力大于技術(shù)進步，反映出相對于技術(shù)創(chuàng)新，資源型產(chǎn)業(yè)發(fā)展更重視對當(dāng)前現(xiàn)有技術(shù)的改進和吸收，這可能與中國資源型產(chǎn)業(yè)的水平集聚類型有關(guān)。該集聚類型表現(xiàn)為處于同一生產(chǎn)階段技術(shù)相似的同種類型企業(yè)在地域上的集中，這種集聚有利于企業(yè)間技術(shù)外溢和擴散，但減弱了企業(yè)進行技術(shù)創(chuàng)新的動力，轉(zhuǎn)而依靠擴大企業(yè)規(guī)模、調(diào)整企業(yè)結(jié)構(gòu)、改進管理方式等途徑提高企業(yè)的生產(chǎn)效率。集聚的另一種形式為垂直型集聚，這種集聚使行業(yè)的上下游企業(yè)間形成緊密的產(chǎn)業(yè)鏈，鏈條企業(yè)發(fā)展目標(biāo)的一致性有助于技術(shù)研發(fā)和外溢，進而促進整個行業(yè)的技術(shù)進步。目前，由于我國資源型產(chǎn)業(yè)結(jié)構(gòu)單一、供應(yīng)鏈短，集聚類型更多地表現(xiàn)為水平型，因此，技術(shù)效率的提高對產(chǎn)業(yè)全要素生產(chǎn)率增長的作用大于技術(shù)進步。另外，從表1和表2可看出，所有模型均顯示滯后一期全要素生產(chǎn)率增長的系數(shù)為顯著負(fù)值，這是由于如果上一年全要素生產(chǎn)率增長較快，必然縮小了下一年的提升空間，反之，如果上一年增速較慢，下一年的提升空間就會較大。

3.3按拐點分組的區(qū)域分析及討論

根據(jù)模型設(shè)定最合理的表1中模型3的拐點值大小，可將中國31個省市自治區(qū)分為兩組：①資源型產(chǎn)業(yè)集聚度小于0.891的區(qū)域，有北京、吉林、上海、浙江、安徽、福建、湖北、湖南、廣東、廣西、海南、重慶、四川、云南和西藏等15個省份，占全國的48.39%，資源型產(chǎn)業(yè)集聚對全要素生產(chǎn)率增長表現(xiàn)出積極的“規(guī)模效應(yīng)”，這些省份的資源型產(chǎn)業(yè)集聚規(guī)模還有適度擴大的空間；②資源型產(chǎn)業(yè)集聚度大于0.891的區(qū)域，有天津、河北、山西、內(nèi)蒙古、遼寧、黑龍江、江蘇、江西、山東、河南、貴州、陜西、甘肅、青海、寧夏和新疆等16個省份，占全國的51.61%，這些省份大多屬于資源富集省份，資源型產(chǎn)業(yè)集聚度已超過最優(yōu)集聚規(guī)模，過度集聚將產(chǎn)生“擁塞效應(yīng)”，阻礙全要素生產(chǎn)率的增長。

4簡要結(jié)論與啟示

本文在梳理總結(jié)相關(guān)文獻(xiàn)的基礎(chǔ)上，提出資源型產(chǎn)業(yè)集聚與全要素生產(chǎn)率之間呈倒“U”型曲線關(guān)系的假說，并利用2005-2014年中國31個省市自治區(qū)的面板數(shù)據(jù)，以全要素生產(chǎn)率增長對經(jīng)濟發(fā)展效率予以度量，在通過兩階段SYSGMM方法有效控制解釋變量內(nèi)生性問題的條件下，實證考察了資源型產(chǎn)業(yè)集聚對全要素生產(chǎn)率的非線性影響，進而得出以下主要結(jié)論：

（1）資源型產(chǎn)業(yè)集聚對于全要素生產(chǎn)率增長呈現(xiàn)出顯著的倒“U”型曲線關(guān)系。在采用多種計量分析和檢驗方法并對多種影響因素進行控制后，這種倒“U”型曲線關(guān)系仍顯著存在，表現(xiàn)出強穩(wěn)健性。當(dāng)資源型產(chǎn)業(yè)集聚度小于倒“U”型曲線的拐點時，資源型產(chǎn)業(yè)集聚對全要素生產(chǎn)率增長具有顯著的促進作用；一旦資源型產(chǎn)業(yè)集聚度超過這一拐點時，產(chǎn)業(yè)的過度集聚就會阻礙全要素生產(chǎn)率的增長。

（2）將資源型產(chǎn)業(yè)全要素生產(chǎn)率分解為技術(shù)進步和技術(shù)效率，技術(shù)效率的提高對資源型產(chǎn)業(yè)全要素生產(chǎn)率增長的貢獻(xiàn)大于技術(shù)進步，反映出資源型產(chǎn)業(yè)更注重改進吸收現(xiàn)有技術(shù)，對技術(shù)創(chuàng)新的努力不夠，本文推測這可能與資源型產(chǎn)業(yè)水平型的集聚類型有關(guān)，當(dāng)集聚類型由水平型向垂直型轉(zhuǎn)化時，技術(shù)進步對全要素生產(chǎn)率的有利影響將會凸顯出來。

（3）資源型產(chǎn)業(yè)集聚與全要素生產(chǎn)率之間倒“U”型曲線的拐點值對于不同傳導(dǎo)機制因素的敏感程度有所差異。科技創(chuàng)新投入、人力資本水平、市場化程度、基礎(chǔ)設(shè)施建設(shè)四個因素推延了資源型產(chǎn)業(yè)最佳集聚規(guī)模閾值，降低了由于集聚規(guī)模擴大而對全要素生產(chǎn)率增長產(chǎn)生 “擁塞效應(yīng)”的風(fēng)險。

（4）在中國31個省市自治區(qū)中，有48.39%的省份處于資源型產(chǎn)業(yè)集聚“規(guī)模效應(yīng)”階段，集聚規(guī)模的擴大會繼續(xù)促進全要素生產(chǎn)率的增長；另51.61%的省份大多屬于資源富集省份，處于產(chǎn)業(yè)集聚 “擁塞效應(yīng)”凸顯階段，若繼續(xù)擴大集聚規(guī)模，過度集聚將進一步阻礙全要素生產(chǎn)率的增長。

本文的研究結(jié)論與產(chǎn)業(yè)集聚最佳規(guī)模論觀點相符，即資源型產(chǎn)業(yè)集聚與全要素生產(chǎn)率之間的關(guān)系并不是簡單的線性關(guān)系，集聚規(guī)模并不是越大越好，而是存在一個最優(yōu)規(guī)模，集聚企業(yè)太少不能發(fā)揮集聚經(jīng)濟的正向影響，集聚企業(yè)太多則可能導(dǎo)致規(guī)模不經(jīng)濟的負(fù)向效應(yīng)，降低生產(chǎn)效率。根據(jù)本文的研究結(jié)論，我國資源型產(chǎn)業(yè)集聚度在0.891水平上最有利于全要素生產(chǎn)率的提高。此外，要想提高資源型產(chǎn)業(yè)全要素生產(chǎn)率，除應(yīng)當(dāng)探尋適度的集聚規(guī)模外，還應(yīng)促使產(chǎn)業(yè)集聚形式由水平型向垂直型轉(zhuǎn)化升級，避免陷入“資源陷阱”，更重要的是，要加大科技創(chuàng)新投入力度、加強人力資本積累、提高市場化程度、完善基礎(chǔ)設(shè)施建設(shè)，以通過技術(shù)進步、提高技術(shù)效率、合理配置資源等途徑來激發(fā)或凸顯資源型產(chǎn)業(yè)集聚的“規(guī)模效應(yīng)”，避免或減弱“擁塞效應(yīng)”，促使資源型產(chǎn)業(yè)集聚與全要素生產(chǎn)率的倒“U”型曲線拐點向后推移，降低由于集聚規(guī)模擴大產(chǎn)生 “擁塞效應(yīng)”的風(fēng)險。

（編輯：田紅）

參考文獻(xiàn)（References）

[1]Sveikauskas L.The Productivity of Cities[J].Quarterly Journal of Economics，1975，89（3）：393-413.

[2]Segal D.Are There Returns to Scale in City Size？ [J]. The Review of Economics and Statistics， 1976，58（3）：339-350.

[3]Moomaw R L. Productivity and City Size：A Critique of the Evidence[J].The Quarterly Journal of Economics，1981， 96（4）：675-688.

[4]Beeson P.Total Factor Productivity Growth and Agglomeration Economies in Manufacturing：1959-1973[J]. Journal of Regional Science，1987， 27（2）：183-199.

[5]Ciccone A. Agglomeration Effects in Europe[J].European Economic Review， 2002， 46（2）：213-227.

[6]謝波.資源產(chǎn)業(yè)集聚、技術(shù)創(chuàng)新能力與區(qū)域經(jīng)濟增長：基于省際面板的實證分析[J].科技進步與對策，2013， （7）：31-36. [Xie Bo. Resources Industrial Agglomeration， Technology Innovation and Regional Economic Growth： Based on the Empirical Analysis of Provincial Panel [J]. Science & Technology Progress and Policy， 2013， （7）：31-36.]

[7]Carlino G A.Increasing Returns to Scale in Metropolitan Manufacturing [J]. Journal of Regional Science，1979，19：363-373.

[8]Combes P P.Economic Structure and Local Growth：France，1984-1993[J].Journal of Urban Economics，2002，47（3）：329-355.

[9]Sbergami F.Agglomeration and Economic Growth：Some Puzzles[R].HEI Working Paper No：02/2002，2002.

[10]Bautista A D. Agglomeration Economics， Economic Growth and the New Economic Geography in Mexico，Working Paper，Econ WPA，http：//129.3.20.41/ep2/urb/papers/0508.

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

[12]Henderson J V.Efficiency of Resource Usage and City Size[J]. Journal of Urban Economics，1986，19（1）：47-70.

[13]Futagami K，Ohkusa Y.The Quality Ladder and Product Variety：Larger Economies May Not Grow Faster [J].Japanese Economic Review，2003，54（3）：336-351.

[14]Lin H L，Li H Y，Yang C H. Agglomeration and Productivity：Firmlevel Evidence from Chinas Textile Industry[J].China Economic Review，2011，22（3）：313-329.

[15]王燕，徐妍.中國制造業(yè)空間集聚對全要素生產(chǎn)率的影響機理研究：基于雙門限回歸模型的實證分析[J].財經(jīng)研究， 2012，38（3）：135-144. [Wang Yan， Xu Yan. On the Effects of Manufacturing Spatial Concentration on Total Factor Productivity in China： Empirical Study Based on Doublethreshold Regression Model [J]. Journal of Finance and Economics， 2012， 38（3）：135-144.]

[16]王晶晶，黃繁華，于誠.服務(wù)業(yè)集聚的動態(tài)溢出效應(yīng)研究：來自中國261各地級及以上城市的經(jīng)驗證據(jù)[J].經(jīng)濟理論與經(jīng)濟管理， 2014， （3）：48-58. [Wang Jingjing， Huang Fanhua， Yu Cheng. The Analysis on Dynamic Effect of Service Agglomeration on Productivity：Evidence from 261 Cities in China [J]. Economic Theory and Business Management， 2014， （3）：48-58.]

[17]劉秉鐮，武鵬，劉玉海.交通基礎(chǔ)設(shè)施與中國全要素生產(chǎn)率增長：基于省域數(shù)據(jù)的空間面板計量分析[J].中國工業(yè)經(jīng)濟， 2010， （3）：54-64. [Liu Binglian， Wu Peng， Liu Yuhai. Transportation Infrastructure and the Increase in TFP in China：Spatial Econometric Analysis on Provincial Panel Data [J]. China Industrial Ecomomics， 2010， （3）： 54-64.]

[18]孫浦陽，韓帥，靳舒晶.產(chǎn)業(yè)集聚對外商直接投資的影響分析：基于服務(wù)業(yè)與制造業(yè)的比較研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2012， （9）：40-57. [Sun Puyang， Han Shuai， Jin Shujing. The Impact of Agglomeration on FDI in China：Based on Comparative Study Between Services Industry and Manufacturing Industry [J]. Journal of Quantitative & Technical Economics， 2012， （9）：40-57.]

[19]邵帥，范美婷，楊莉莉.資源產(chǎn)業(yè)依賴如何影響經(jīng)濟發(fā)展效率？有條件資源詛咒假說的檢驗及解釋[J].管理世界，2013， （2）：32-63. [Shao Shuai， Fan Meiting， Yang Lili. How the dependence of Resourcebased Industry influenced the Efficiency of Economic Development？ Test and Explanation of Conditional Resource Curse Hypothesis [J]. Management World， 2013， （2）：32-63.]

[20]魏下海.貿(mào)易開放、人力資本與中國全要素生產(chǎn)率：基于分位數(shù)回歸方法的經(jīng)驗研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2009， （7）：61-72. [Wei Xiahai. Trade Openness， Human Capital and Total Factor Productivity： A Quantile Regression Approach [J]. Journal of Quantitative & Technical Economics， 2009， （7）：61-72.]

[21]夏良科.人力資本與R&D如何影響全要素生產(chǎn)率：基于中國大中型工業(yè)企業(yè)的經(jīng)驗分析[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2010，（4）：78-94. [Xia Liangke. How Human Capital and R&D Investments Influence TFP：Empirical Analysis Based on Chinas Large and Mediumsized Industrial Enterprises [J]. Journal of Quantitative & Technical Economics， 2010， （4）：78-94.]

[22]Bond S.Dynamic Panel Data Models： A Guide to Micro Data Methods and Practice[R].CEMMAP Working Paper No：CWP09P02，2002.

[23]謝子遠(yuǎn)，鞠芳輝.同質(zhì)集聚、異質(zhì)集聚與產(chǎn)業(yè)國際競爭力[J].國際貿(mào)易問題，2014， （2）：13-23. [Xie Ziyuan， Ju Fanghui. Homogeneous Agglomeration， Heterogeneous Agglomeration and International Competitiveness of Industries [J]. Journal of International Trade， 2014， （2）：13-23.]

The Research on the Effection of Chinese Resources Industry Agglomeration

on Total Factor Productivity Growth

SUN Hui1，2ZHU Qiaoqiao1，2

（1.Center for Innovation Management Research of Xinjiang，Xinjiang University， Urumqi Xinjiang 830046，China；

2.School of Economics and Management，Xinjiang University， Urumqi Xinjiang 830046，China）

AbstractThis article empirically researches the nonlinear effect of resources industry agglomeration on total factor productivity growth， and measures the efficiency of economic development combining the total factor productivity growth，using a variety of econometric analysis and testing methods， under the condition of effective control of endogenous problems with twostage SYSGMM method， on the basis of panel data of 31 provinces in China during 2005-2014. The results show that the relationship shows a significantly inverted ‘U type curve between resourcebased industry agglomeration and total factor productivity growth， which also presents strong stability， and the optimal agglomeration size of resources industry is 0.899. It also shows that resourcebased industry agglomeration will significantly promote the growth of total factor productivity when the resourcebased industry agglomeration degree is lower than the inflection point of the inverted ‘U type curve， which is 0.891， and excessive industry agglomeration will hinder the growth of total factor productivity when the resourcebased industry agglomeration degree is beyond the inflection point. Total factor productivity of resourcebased industry is resolved to technology progress and technology efficiency； because of resourcebased industry mainly include horizontal agglomeration， the enhance of resourcebased industry technology efficiency makes greater contribution on the growth of total factor productivity than the technology progress does and technology progress will high light its positive effect on the total factor productivity when the type of agglomeration converts from horizontal type to vertical type. The inflection point value on the inverted ‘U type curve between resourcebased industry agglomeration and total factor productivity has different sensitive degrees to different transmission mechanism factors，and four factors， including science and technology innovation investment， human capital level， the degree of marketization， and the infrastructure construction， extend the threshold of resourcebased industry best agglomeration size and reduce the risk of produing ‘congestion effect because of agglomeration scale extending. 48.39% of Chinas provinces are in the stage of ‘scale effect of resourcebased industry， in which agglomeration scale extending will continuously promote the growth of total factor productivity， and 51.61% of Chinas provinces that almost belong to rich resource provinces are being in the highlight stage of industrial agglomeration ‘congestion effect， and excessive agglomeration will further hinder the growth of total factor productivity if the scale of agglomeration continues to expand.

Key wordsresourcebased industry agglomeration； total factor productivity growth； agglomeration effect； congestion effect； twostep SYS