集聚經(jīng)濟(jì)、基礎(chǔ)設(shè)施與制造業(yè)全要素生產(chǎn)率：來自中國207個(gè)地級市的證據(jù)

一 問題提出

改革開放以來，工業(yè)化和城市化率先在東部沿海地區(qū)大范圍推廣，環(huán)渤海地區(qū)、珠三角地區(qū)和長三角區(qū)域等經(jīng)濟(jì)帶的突飛猛進(jìn)發(fā)展帶動了中國經(jīng)濟(jì)的高速增長。2016年中西部地區(qū)生產(chǎn)總值為315574億，而東部地區(qū)生產(chǎn)總值為456044億，處于絕對領(lǐng)先位置。全國百強(qiáng)城市中有61個(gè)位于東部，說明東部沿海地區(qū)在中國經(jīng)濟(jì)中的重要地位。2016年我國國內(nèi)生產(chǎn)總值增速為6.7%，其中制造業(yè)增速6.1%，其增加值占比為39.8%。中國經(jīng)濟(jì)的可持續(xù)增長離不開制造業(yè)的協(xié)調(diào)發(fā)展，如何提高制造業(yè)生產(chǎn)效率是未來發(fā)展的重點(diǎn)。

東部沿海地區(qū)經(jīng)濟(jì)快速發(fā)展，但近幾年兩極分化、非均衡發(fā)展等問題不斷凸顯。西部大開發(fā)、產(chǎn)業(yè)轉(zhuǎn)移以及絲綢之路等政策實(shí)施意在改善東部與中西部地區(qū)的兩極分化，提高中西部集聚經(jīng)濟(jì)效應(yīng)，但結(jié)果卻不盡人意，中西部地區(qū)仍舊呈現(xiàn)全要素生產(chǎn)率低下、產(chǎn)業(yè)過度集聚、經(jīng)濟(jì)發(fā)展缺乏內(nèi)生動力等問題(章元和劉修巖，2008[1]；郭麗娟和鄧玲，2013[2])。集聚經(jīng)濟(jì)又稱外部規(guī)模經(jīng)濟(jì)，產(chǎn)生的馬歇爾外部性和雅各布外部性可以促進(jìn)全要素生產(chǎn)率，但地區(qū)基礎(chǔ)設(shè)施的發(fā)展會影響企業(yè)內(nèi)部與企業(yè)間的有效連接，基礎(chǔ)設(shè)施水平提升可以有效減少交易成本，提高外部性(董曉芳和袁燕，2014[3]；王良舉和陳甬軍，2014[4])。通過測算中國207個(gè)地級市集聚經(jīng)濟(jì)、全要素生產(chǎn)率和基礎(chǔ)設(shè)施水平可知，東部沿海地區(qū)的全要素生產(chǎn)率、集聚經(jīng)濟(jì)效應(yīng)和基礎(chǔ)設(shè)施水平都遠(yuǎn)高于中西部，產(chǎn)業(yè)高度集聚(大于0.05)和相關(guān)化(大于1.6)；但與美國、德國和日本相比，中國集聚經(jīng)濟(jì)發(fā)展尚不均衡，全要素生產(chǎn)率與基礎(chǔ)設(shè)施和集聚經(jīng)濟(jì)分布存在著顯著的差異，并非呈正相關(guān)關(guān)系(1)集聚經(jīng)濟(jì)分為馬歇爾外部性和雅各布外部性，馬歇爾外部性(綜合EG指數(shù))和雅各布外部性(相關(guān)多樣性)都是通過中國2003-2013年工業(yè)企業(yè)數(shù)據(jù)庫的銷售產(chǎn)值、工業(yè)總產(chǎn)值和在職人數(shù)，運(yùn)用熵權(quán)法并進(jìn)行算術(shù)平均求得；全要素生產(chǎn)率是考慮非期望產(chǎn)出的我國207個(gè)地級市制造業(yè)2003-2013年GML指數(shù)，并通過算術(shù)平均求得；基礎(chǔ)設(shè)施是我國207個(gè)地級市2003-2013年的公共營運(yùn)汽車總數(shù)、實(shí)有道路面積和建成區(qū)綠化覆蓋率按熵權(quán)法并進(jìn)行算術(shù)平均求得。(范劍勇，2004[5]；劉修巖，2014[6]；陸根堯和林永然，2015[7])。產(chǎn)業(yè)轉(zhuǎn)移、西部大開發(fā)政策并沒有充分發(fā)揮作用，中西部地區(qū)基礎(chǔ)設(shè)施相對落后，沒有很好地承接?xùn)|部產(chǎn)業(yè)，而產(chǎn)業(yè)同構(gòu)、重復(fù)建設(shè)現(xiàn)象加重了東部沿海地區(qū)資源錯(cuò)配、環(huán)境污染和擁擠等問題，基礎(chǔ)設(shè)施難以滿足當(dāng)?shù)匦枨蟆?/p>

基于以上背景，本文建立面板平滑轉(zhuǎn)換模型，引入非期望產(chǎn)出的數(shù)據(jù)包絡(luò)方法求出GML指數(shù)，研究中國分地區(qū)集聚經(jīng)濟(jì)在基礎(chǔ)設(shè)施變化的條件下，如何影響全要素生產(chǎn)率提升的問題。

二 文獻(xiàn)綜述與研究假說

現(xiàn)有研究認(rèn)為經(jīng)濟(jì)活動的集聚和經(jīng)濟(jì)增長之間存在著高度相關(guān)性(Hohenberg和Lees，1995[8]；張萬里和魏瑋，2018[9])。集聚經(jīng)濟(jì)水平是影響地區(qū)經(jīng)濟(jì)發(fā)展和生產(chǎn)率空間差異性的重要因素。反之，經(jīng)濟(jì)增長和生產(chǎn)率的空間差異也會作用于集聚效應(yīng)(Thisse和Fujita，2002)[10]。集聚經(jīng)濟(jì)主要通過馬歇爾外部性(產(chǎn)業(yè)集聚)和雅各布外部性(相關(guān)多樣性)對企業(yè)和當(dāng)?shù)厣a(chǎn)率產(chǎn)生影響，這兩種外部性對不同地區(qū)不同行業(yè)的作用是不同的(Glaeser et al.，1992[11]；Henderson，2003[12]；傅十和和洪俊杰，2008[13]；普雁翔，2010[14])。馬歇爾外部性(產(chǎn)業(yè)集聚)通過規(guī)模經(jīng)濟(jì)和知識溢出促進(jìn)經(jīng)濟(jì)增長(杜威劍和李夢潔，2015[15]；韋曙林和歐梅，2017[16])。雅各布外部性(相關(guān)多樣性)則通過行業(yè)間的知識溢出對企業(yè)全要素生產(chǎn)率產(chǎn)生影響，促進(jìn)地區(qū)經(jīng)濟(jì)增長(孫曉華，2012[17]；Boschma和Iammarino，2015[18]；周國富等，2016[19])。但越來越多學(xué)者發(fā)現(xiàn)產(chǎn)業(yè)集聚和相關(guān)多樣性與地區(qū)經(jīng)濟(jì)增長之間存在著非線性關(guān)系，甚至具有負(fù)向關(guān)系，所以本文提出以下待檢驗(yàn)假設(shè)：

(1)基礎(chǔ)設(shè)施規(guī)模會影響馬歇爾外部性與全要素生產(chǎn)率之間的非線性關(guān)系。

馬歇爾外部性雖然會產(chǎn)生規(guī)模經(jīng)濟(jì)和知識溢出，但環(huán)境污染、擁擠現(xiàn)象和要素錯(cuò)配等問題也會隨之而出，導(dǎo)致其對全要素生產(chǎn)率的促進(jìn)作用不斷減小(甚至出現(xiàn)負(fù)值)。在基礎(chǔ)設(shè)施發(fā)展不足時(shí)，政府不斷吸引產(chǎn)業(yè)集聚，會阻礙產(chǎn)業(yè)規(guī)模經(jīng)濟(jì)效應(yīng)的發(fā)揮，提高交易成本(唐根年等，2009[20]；Rizov et al.，2012[21]；鹿坪，2017[22])。如果一個(gè)地區(qū)基礎(chǔ)設(shè)施不足，正外部性會隨產(chǎn)業(yè)集聚水平不斷增加而降低，甚至產(chǎn)生阻礙作用；而如果該地區(qū)產(chǎn)業(yè)集聚水平低，基礎(chǔ)設(shè)施規(guī)模卻較為龐大，則會造成一定程度的資源浪費(fèi)；只有基礎(chǔ)設(shè)施與產(chǎn)業(yè)集聚水平達(dá)到吻合狀態(tài)，才能對全要素生產(chǎn)率產(chǎn)生最大效用(陳旭等，2016[23]；謝子遠(yuǎn)和吳麗娟，2017[24])。

(2)基礎(chǔ)設(shè)施規(guī)模會影響雅各布外部性與全要素生產(chǎn)率之間的正向非線性關(guān)系。

雅各布外部性指行業(yè)間的外部性，主要通過知識溢出(技術(shù)交流)對全要素生產(chǎn)率產(chǎn)生影響。相關(guān)多樣性促使企業(yè)管理者和利益相關(guān)者不斷提升資源共享的能力，以知識溢出的形式促進(jìn)創(chuàng)新。決定企業(yè)管理者和其他利益相關(guān)者共享資源的主要因素是企業(yè)之間的“認(rèn)知距離”。如果“認(rèn)知距離”過大，或者企業(yè)之間存在技術(shù)范疇的“鴻溝”，現(xiàn)有技術(shù)制約共享資源的有效重組，企業(yè)難以創(chuàng)新；如果“認(rèn)知距離”太小，企業(yè)之間的結(jié)構(gòu)和技術(shù)相似，也難以產(chǎn)生有效的創(chuàng)新(Burt，2004[25]；Aarstad et al.，2016[26])。這種“認(rèn)知距離”在一定程度上與基礎(chǔ)設(shè)施水平相關(guān)，并且能夠通過作用于企業(yè)的有效創(chuàng)新，對全要素生產(chǎn)率產(chǎn)生影響。所以相關(guān)多樣性與基礎(chǔ)設(shè)施規(guī)模達(dá)到適當(dāng)?shù)钠胶獠艜龠M(jìn)創(chuàng)新的實(shí)現(xiàn)，相關(guān)多樣性通過基礎(chǔ)設(shè)施的變化對全要素生產(chǎn)率產(chǎn)生非線性影響(Nooteboom et al.，2007[27]；沙文兵，2013[28]；Hassink，2014[29])。

(3)不同地區(qū)馬歇爾外部性和雅各布外部性對全要素生產(chǎn)率的非線性影響不同。

引入地區(qū)異質(zhì)性分析發(fā)現(xiàn)，東部地區(qū)的經(jīng)濟(jì)發(fā)展水平和創(chuàng)新水平遠(yuǎn)遠(yuǎn)高于中、西部地區(qū)，東部地區(qū)的相關(guān)多樣性對企業(yè)創(chuàng)新的影響與中、西部地區(qū)相比更加顯著。隨著基礎(chǔ)設(shè)施的不斷增加且突破某一臨界值，更高水平的基礎(chǔ)設(shè)施誘導(dǎo)不同地區(qū)相關(guān)多樣性對所屬地區(qū)企業(yè)創(chuàng)新產(chǎn)生更為顯著的正向促進(jìn)作用。但東部地區(qū)相關(guān)多樣性已經(jīng)很高，隨著基礎(chǔ)設(shè)施的再次增加，因地域狹小而出現(xiàn)擁擠的缺點(diǎn)，使得其對全要素生產(chǎn)率的正向影響變小。東部地區(qū)產(chǎn)業(yè)集聚水平高，技術(shù)水平較高，經(jīng)濟(jì)規(guī)模較大，當(dāng)基礎(chǔ)設(shè)施水平較低時(shí)，集聚水平增加很容易造成擁擠；當(dāng)基礎(chǔ)設(shè)施提高到滿足產(chǎn)業(yè)集聚水平時(shí)，其對全要素生產(chǎn)率正向影響最大；當(dāng)基礎(chǔ)設(shè)施水平過高，只有技術(shù)水平的提高才能提升全要素生產(chǎn)率。中西部地區(qū)產(chǎn)業(yè)集聚和基礎(chǔ)設(shè)施較為落后，其對全要素生產(chǎn)率產(chǎn)生正的非線性影響(魏瑋和張萬里，2017)[30]。

綜上所述，國內(nèi)外文獻(xiàn)對集聚經(jīng)濟(jì)及其與生產(chǎn)率之間關(guān)系的研究甚多，但存在以下方面的不足。在研究對象上，國內(nèi)大多數(shù)學(xué)者的相關(guān)多樣性指標(biāo)為省級層面，缺乏對于地級市分行業(yè)數(shù)據(jù)的研究，本文使用中國工業(yè)企業(yè)數(shù)據(jù)庫，通過加總不同地區(qū)不同行業(yè)相關(guān)指標(biāo)，重新建立相關(guān)多樣性指標(biāo)；指標(biāo)使用上，國內(nèi)大多使用單一的就業(yè)人數(shù)或銷售產(chǎn)值來衡量集聚指數(shù)和相關(guān)多樣化，本文則采用熵權(quán)法求出就業(yè)人數(shù)、銷售產(chǎn)值和生產(chǎn)總值下的相關(guān)多樣性和產(chǎn)業(yè)集聚指標(biāo)(呂開宇等，2016[31]；張萬里和魏瑋，2018[32])；在方法上，本文通過計(jì)算TFP指數(shù)和引入非期望產(chǎn)出的GML指數(shù)，進(jìn)行面板平滑轉(zhuǎn)換模型分析(PSTR)，并使用普通面板回歸和ML指數(shù)進(jìn)行穩(wěn)健性檢驗(yàn)(柯孔林和馮宗憲，2008[33]；金春雨和王偉強(qiáng)，2016[34]；孫海波等，2017[35])；此外，馬歇爾外部性、雅各布外部性和基礎(chǔ)設(shè)施與全要素生產(chǎn)率之間存在內(nèi)生性，這一問題亟需解決(Gardiner et al.，2011[36]；劉修巖，2014[6]；孫慧和朱俏俏，2016[37])。

三 模型設(shè)定、變量選取與數(shù)據(jù)說明

(一)模型設(shè)定

PSTR是一種門檻模型，適用于集聚經(jīng)濟(jì)與全要素生產(chǎn)率之間的非線性關(guān)系分析，表達(dá)式如下：

(1)

其中γ為轉(zhuǎn)換速度，會影響模型的平滑性，c為平滑參數(shù)，qit為轉(zhuǎn)換變量，轉(zhuǎn)換函數(shù)具體為：

(2)

其中γ>0，c1≤c2≤…≤cm，0≤g(qit;r,x)≤1，xit的函數(shù)值將在b1和b1+b2之間平滑(Gonzlez et al.，2004[38]；陳創(chuàng)練等，2016[39])。本文通過上述理論分析構(gòu)建如下模型：

lnθ=μit+∑β×(xit+zit)+∑β′g(lnEGit;γ1,c1)×xit+uit

(3)

(二)變量選取

本文以我國30個(gè)制造業(yè)2003-2013年的數(shù)據(jù)為樣本，由于引入非期望產(chǎn)出和傳統(tǒng)的全要素生產(chǎn)率都會減少一年，并且這里使用滯后一期被解釋變量作為工具變量，實(shí)際回歸樣本區(qū)間為2005-2013年。具體如下：

1.被解釋變量

采用全要素生產(chǎn)率(TFP)、引入非期望產(chǎn)出的GML指數(shù)和ML指數(shù)作為模型的被解釋變量，主要變量數(shù)據(jù)從《中國城市統(tǒng)計(jì)年鑒》獲得，對于沒有數(shù)據(jù)的指標(biāo)，使用中國工業(yè)企業(yè)數(shù)據(jù)庫相關(guān)數(shù)據(jù)進(jìn)行加總替代(2)全要素生產(chǎn)率通過Matlab編程獲得。。

(1)投入指標(biāo)。將固定資產(chǎn)合計(jì)(億元)、年末從業(yè)人數(shù)(萬人)、流動資產(chǎn)總值(億元)、主營業(yè)務(wù)成本(億元)作為投入變量。

(2)產(chǎn)出指標(biāo)。使用利潤總額(億元)、主營業(yè)務(wù)收入(億元)和工業(yè)總產(chǎn)值(億元)衡量。

(3)非期望產(chǎn)出指標(biāo)。使用工業(yè)廢水排放量(萬噸)、工業(yè)煙(粉)塵排放量(萬噸)、工業(yè)二氧化硫排放量(萬噸)三個(gè)指標(biāo)。

2.核心解釋變量

(1)馬歇爾外部性(產(chǎn)業(yè)集聚EG)：本文通過計(jì)算就業(yè)人數(shù)、銷售產(chǎn)值和工業(yè)總產(chǎn)值下的EG指數(shù)，然后使用熵值法進(jìn)行加權(quán)。該指數(shù)通過赫芬達(dá)爾指數(shù)和空間基尼指數(shù)求出，能夠反映集聚程度和產(chǎn)業(yè)結(jié)構(gòu)(Guo et al.，2016[40]；劉楊和蔡宏波，2017[41])。

(2)雅各布外部性(相關(guān)多樣性RV)：本文借鑒Aarstad et al.(2016)[26]的研究，使用中國工業(yè)企業(yè)數(shù)據(jù)庫中三分位行業(yè)作為相關(guān)多樣性的分類標(biāo)準(zhǔn)，運(yùn)用熵值法加權(quán)就業(yè)人數(shù)、銷售產(chǎn)值和工業(yè)總產(chǎn)值下的相關(guān)多樣性(Balland et al.，2009[42]；Aarstad，2016[26])。

3.轉(zhuǎn)換變量

本文使用基礎(chǔ)設(shè)施(Infra)作為轉(zhuǎn)換變量，采用熵值法，對2004-2014年《中國城市統(tǒng)計(jì)年鑒》中的人均實(shí)有道路面積、人均公共營運(yùn)汽車數(shù)量和建成區(qū)綠化覆蓋率進(jìn)行加權(quán)。

4.控制變量

人力資本(Edu)積累能提升勞動力素質(zhì)和職業(yè)技術(shù)水平，從而影響全要素生產(chǎn)率，本文使用熵權(quán)法對人均普通高校教師數(shù)和人均普通高校學(xué)生數(shù)進(jìn)行加權(quán)平均，以衡量人力資本水平，預(yù)期系數(shù)為正；研發(fā)投入(R&D)作為創(chuàng)新投入能夠提高未來科學(xué)技術(shù)水平，提升全要素生產(chǎn)率，由于《中國城市統(tǒng)計(jì)年鑒》沒有研發(fā)投入數(shù)據(jù)，本文使用滯后兩期的科技活動經(jīng)費(fèi)支出占工業(yè)總產(chǎn)值的比重來衡量。隨著基礎(chǔ)設(shè)施規(guī)模擴(kuò)大，“認(rèn)知距離”減少，由研發(fā)投入引起的知識溢出會顯著增加，預(yù)期研發(fā)投入與全要素生產(chǎn)率為正的非線性關(guān)系(謝榮輝和原毅軍，2016)[43]；外商直接投資(FDI)反映一個(gè)地區(qū)的對外開放程度，其增加能夠提高當(dāng)?shù)丶夹g(shù)外溢和擴(kuò)散效應(yīng)，本文使用當(dāng)年實(shí)際使用外資金額占工業(yè)總產(chǎn)值的比重來衡量，預(yù)期對全要素生產(chǎn)率產(chǎn)生正向影響；政府適度干預(yù)經(jīng)濟(jì)有助于提高全要素生產(chǎn)率，優(yōu)化資源配置，但是過度干預(yù)會導(dǎo)致政府失靈，這里使用財(cái)政支出占工業(yè)總產(chǎn)值的比重作為政府干預(yù)程度(GOV)的衡量指標(biāo)。

5.工具變量

(三)數(shù)據(jù)來源與描述性統(tǒng)計(jì)

以上變量數(shù)據(jù)從2003-2013年中國工業(yè)企業(yè)數(shù)據(jù)庫和《中國城市統(tǒng)計(jì)年鑒》中搜集和計(jì)算獲得。由于PSTR模型和全要素生產(chǎn)率都需要平衡面板數(shù)據(jù)，剔除數(shù)據(jù)缺失的地區(qū)，得到207個(gè)地級市。

表1為描述性統(tǒng)計(jì)，相關(guān)多樣性的標(biāo)準(zhǔn)差最大，為2.5461，數(shù)據(jù)變化幅度大；GML指數(shù)的標(biāo)準(zhǔn)差最小，為0.0131，數(shù)據(jù)變化幅度小。

表1 描述性統(tǒng)計(jì)分析

四 實(shí)證檢驗(yàn)和結(jié)果分析

實(shí)證檢驗(yàn)被解釋變量與解釋變量的非線性關(guān)系，需先說明PSTR模型的合理性。同時(shí)，還需要確定轉(zhuǎn)換函數(shù)個(gè)數(shù)r、門檻數(shù)m以及轉(zhuǎn)換斜率γ和位置參數(shù)c的初始值。

(一)非線性檢驗(yàn)及門檻個(gè)數(shù)的選擇

首先對面板數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)，結(jié)果見表2。可以看出所有變量均顯著拒絕存在單位根的假設(shè)，即所有變量都不存在單位根。

表2 面板數(shù)據(jù)的單位根檢驗(yàn)

(續(xù)上表)

VariablesHTIPSFisherlnFDI-6.555***-9.058***22.089***(0.00)(0.00)(0.00)lnGOV-15.919***-8.751***20.086***(0.00)(0.00)(0.00)lnGc-33.377***-5.312***18.919***(0.00)(0.00)(0.00)

注： ***、**和*分別表示在1%、5%和10%水平上顯著；括號中為參數(shù)估計(jì)的P值。

表3 線性與剩余非線性檢驗(yàn)

(續(xù)上表)

模型原假設(shè):H0:r=0備擇假設(shè):H1:r=1LMLMFLRT原假設(shè):H0:r=1備擇假設(shè):H1:r=2LMLMFLRTAICm=1m=2BICm=1m=2Model6(東部)38.2722.14039.11016.8790.72617.040(0.03)(0.00)(0.00)(0.66)(0.80)(0.65)5.6515.1335.4395.200Model7(中部)30.7711.90831.4579.9950.85810.066(0.00)(0.01)(0.00)(0.44)(0.57)(0.44)5.9466.9905.3235.681Model8(西部)35.2431.72226.5028.8820.3409.031(0.01)(0.02)(0.00)(0.98)(0.97)(0.83)6.8096.5335.7765.491

由于內(nèi)生性問題，本文使用地理中心度指標(biāo)、滯后一期全要素生產(chǎn)率和滯后一期基礎(chǔ)設(shè)施作為工具變量。通過stata14.0軟件得到豪斯曼檢驗(yàn)結(jié)果，顯著拒絕所有變量均為外生變量的原假設(shè)。弱工具變量檢驗(yàn)表明，可以將以上三個(gè)變量作為有效的工具變量。

(二)實(shí)證結(jié)果及分析

傳統(tǒng)的OLS無法對PSTR模型中的非線性關(guān)系進(jìn)行回歸，并且該模型還存在需要識別的未知參數(shù)，這里主要通過網(wǎng)格搜索法獲得使模型殘差平方和最小的平滑參數(shù)和位置參數(shù)(5)網(wǎng)格搜索法、PSTR回歸都通過matlab編程得到結(jié)果。。將傳統(tǒng)全要素生產(chǎn)率和引入非期望產(chǎn)出的GML指數(shù)作為被解釋變量進(jìn)行回歸，具體結(jié)果見表4。大多數(shù)核心解釋變量的回歸系數(shù)在10%水平下顯著，說明了本文使用PSTR模型的可靠性。圖1為Model1-Model8的轉(zhuǎn)換函數(shù)，可以看出除Model3和Model4高低機(jī)制不顯著外，其他模型均存在顯著的高低機(jī)制，傳統(tǒng)的線性模型或非線性模型都會產(chǎn)生一定的偏誤，使用非期望產(chǎn)出的GML指數(shù)作為被解釋變量的回歸結(jié)果要比傳統(tǒng)全要素生產(chǎn)率效果要好。

圖1 不同模型回歸結(jié)果的轉(zhuǎn)換函數(shù)

以傳統(tǒng)全要素生產(chǎn)率為例，除中部地區(qū)，其他地區(qū)均存在兩個(gè)門檻值，呈現(xiàn)顯著的非線性關(guān)系。以全國地級市和東部地區(qū)為樣本進(jìn)行回歸，其轉(zhuǎn)換水平分別為γ=0.939和γ=7.584，門檻值分別為EG1=e-2.549和EG2=e-3.519、EG1=e-2.991和EG2=e-4.025，當(dāng)基礎(chǔ)設(shè)施規(guī)模較小時(shí)，產(chǎn)業(yè)集聚和相關(guān)多樣性都對全要素生產(chǎn)率產(chǎn)生正向作用，當(dāng)基礎(chǔ)設(shè)施增加到門檻值時(shí)，兩者對全要素生產(chǎn)率的正向作用最大，當(dāng)基礎(chǔ)設(shè)施超過門檻值不斷增加時(shí)，這種關(guān)系又下降，但仍為正，屬于過度集聚經(jīng)濟(jì)。中部地區(qū)存在一個(gè)門檻值EG=e-2.215，轉(zhuǎn)換水平為γ=0.544，當(dāng)基礎(chǔ)設(shè)施規(guī)模較小時(shí)，兩種外部性都對全要素生產(chǎn)率產(chǎn)生負(fù)向影響，但是當(dāng)基礎(chǔ)設(shè)施不斷增加到門檻值時(shí)，這種關(guān)系不斷變?yōu)檎?，屬于集聚?jīng)濟(jì)推進(jìn)型。而對于西部地區(qū)，其存在兩個(gè)門檻值EG1=e-3.951和EG2=e-3.185，轉(zhuǎn)換水平為γ=99.176，基礎(chǔ)設(shè)施規(guī)模較小時(shí)，產(chǎn)業(yè)集聚和相關(guān)多樣化對全要素生產(chǎn)率的影響為正，當(dāng)基礎(chǔ)設(shè)施規(guī)模不斷增加到門檻值時(shí)，正向作用降低，但是隨著基礎(chǔ)設(shè)施規(guī)模再次不斷增加時(shí)，正向作用又開始增加。

以引入非期望產(chǎn)出的GML指數(shù)為例，除中部地區(qū)存在一個(gè)門檻值外，其他地區(qū)的回歸結(jié)果都顯示存在兩個(gè)門檻值，具體分析如下。對于全國樣本和東部地區(qū)，其門檻值分別為EG1=e-3.403和EG2=e-2.159、EG1=e3.598和EG2=e-2.785，轉(zhuǎn)換水平分別為γ=29.934和γ=9.542。當(dāng)基礎(chǔ)設(shè)施規(guī)模較小時(shí)，集聚經(jīng)濟(jì)對GML指數(shù)產(chǎn)生正向作用，但隨著基礎(chǔ)設(shè)施規(guī)模增加到門檻值，這種正向作用不斷增強(qiáng)；當(dāng)基礎(chǔ)設(shè)施規(guī)模再次增加時(shí)，正向作用又不斷降低，但仍為正值，與傳統(tǒng)全要素生產(chǎn)率相比，這種正向關(guān)系要小得多，說明環(huán)境污染等確實(shí)影響了兩者之間的關(guān)系，屬于過度集聚經(jīng)濟(jì)。對中部地區(qū)來說，當(dāng)基礎(chǔ)設(shè)施規(guī)模過小時(shí)，GML指數(shù)與產(chǎn)業(yè)集聚的關(guān)系為負(fù)，與相關(guān)多樣性關(guān)系為正，但隨著基礎(chǔ)設(shè)施規(guī)模增加到門檻值，集聚經(jīng)濟(jì)對GML指數(shù)的作用不斷加強(qiáng)，和Model3相比，系數(shù)相對變小，屬于集聚經(jīng)濟(jì)推進(jìn)型。而對于西部地區(qū)，當(dāng)基礎(chǔ)設(shè)施規(guī)模過小時(shí)，集聚經(jīng)濟(jì)對GML指數(shù)的正向作用比較大，但是隨著基礎(chǔ)設(shè)施規(guī)模增加到門檻值EG1=e-4.075，這種正向關(guān)系變?nèi)酰S著基礎(chǔ)設(shè)施規(guī)模增加到EG2=e-3.493，這種正向關(guān)系又不斷加強(qiáng)，同樣和Model4相比，系數(shù)要相對小一些，說明環(huán)境污染等因素確實(shí)嚴(yán)重影響了集聚經(jīng)濟(jì)和GML指數(shù)之間的關(guān)系。

由此可見，馬歇爾外部性和雅各布外部性對全要素生產(chǎn)率的影響都為非線性，并且隨著基礎(chǔ)設(shè)施規(guī)模的不同，非線性關(guān)系也不一樣，假設(shè)(1)和假設(shè)(2)成立。而分地區(qū)的集聚經(jīng)濟(jì)與全要素生產(chǎn)率之間的關(guān)系也不同，假設(shè)(3)成立。

表4 模型的參數(shù)估計(jì)結(jié)果

(續(xù)上表)

變量Model1(全國)ββ'Model2(東部)ββ'Model3(中部)ββ'Model4(西部)ββ'lnFDI-0.0008**0.0003***-0.00170.0045*-0.0027*0.0053***-0.0008 0.0008***(-2.41)(3.12)(-1.55)(1.75)(-1.74)(6.44)(-0.08)(3.55)lnGOV-0.0124*0.0093*0.0124***0.00250.0173**-0.0576***-0.0102**0.1633***(-1.67)(1.85)(2.86)(0.41)(2.09)(-3.16)(-2.44)(3.02)lnGML-1-0.00570.0040*0.0020-0.00670.0039-0.0353-0.00530.0078(-0.83)(0.49)(0.53)(-1.32)(0.42)(-1.11)(-0.67)(0.81)lnInfra-1-0.0708-0.0753-0.2129***0.1256*0.2307-0.8297-0.2941***-0.0605(-0.50)(-0.34)(-3.33)(1.45)(1.19)(-1.51)(-3.43)(-0.46)lnGc0.0090-0.0234***-0.09310.0168*(0.64)(-3.50)(-1.23)?(1.64)γ0.9397.5840.54499.176C1-2.549-2.991-2.215-3.951C2-3.519-4.025-3.185變量Model5(全國)ββ'Model6(東部)ββ'Model7(中部)ββ'Model8(西部)ββ'lnInfra0.0017*0.0047**0.00470.0086***0.0058***0.0101*0.0059*0.0219*(1.84)(2.52)(0.96)(2.58)(4.60)(1.70)(1.84)(1.81)lnEG0.0007*-0.0004***0.0023-0.0031***-0.0009**0.0013*-0.0019***0.0048***(1.78)(-6.79)(0.28)(-2.89)(-1.97)(1.67)(-3.89)(3.88)lnRV0.0206-0.0146***0.0226***-0.0104*0.0072***0.0099**0.0051*0.0152***(0.35)(-5.43)(5.42)(-1.75)(2.74)(2.02)(1.86)(2.86)lnEdu0.0077**0.0029*0.0009*0.0007**0.0005***0.0003**0.0006***0.0031*(2.02)(1.74)(1.92)(2.51)(4.75)(2.22)(3.43)(1.85)lnR&D0.00080.0021***0.0024***0.0024**0.0078**0.0030***0.00980.0297*(1.35)(6.03)(3.04)(2.49)(2.09)(3.44)(0.72)(1.75)lnFDI-0.0006***0.0015**0.0015*0.0027*-0.0003*0.0005***-0.0067 0.0189***(-2.56)(2.37)(1.73)(1.75)(-1.91)(3.22)(-0.94)(4.98)lnGOV-0.0023**0.00320.0190***0.0114**-0.0021*0.0031***-0.0185*0.0701*(-2.26)(1.39)(5.12)(2.22)(-1.84)(2.57)(-1.82)(1.81)lnGML-1-0.0045***0.0073***-0.0008-0.0017-0.0056**0.01240.0389-0.0778(-2.62)(2.67)(-0.19)(-0.33)(-2.07)(0.23)(1.21)(-1.16)lnInfra-1-0.4274-0.0248-0.5148***0.0570-0.3731***-0.0724-0.15620.3125(-14.17)(-0.59)(-8.75)(0.62)(-9.69)(-1.17)(-0.57)(1.59)

(續(xù)上表)

變量Model5(全國)ββ'Model6(東部)ββ'Model7(中部)ββ'Model8(西部)ββ'lnGc0.0045-0.00190.0037-0.0015*(1.46)(-0.29)(0.59)?(-1.87)γ29.9349.54214.8611.215C1-3.403-3.598-3.357-4.075C2-2.159-2.785-3.493

注： ***、**和*分別表示在1%、5%和10%水平上顯著；括號中為參數(shù)估計(jì)的t值。下表同。

首先考慮馬歇爾外部性，東部地區(qū)屬于過度集聚經(jīng)濟(jì)。由于本文樣本區(qū)間為2005-2013年，期初正是東部沿海地區(qū)快速發(fā)展階段，制造業(yè)不斷向該地區(qū)集聚，原有的基礎(chǔ)設(shè)施無法承載不斷集聚的制造業(yè)，其對全要素生產(chǎn)率的影響較?。浑S后東部地區(qū)不斷加大基礎(chǔ)設(shè)施建設(shè)，城市化進(jìn)程加快，慢慢滿足制造業(yè)集聚，此時(shí)知識外溢和規(guī)模效應(yīng)最大。當(dāng)基礎(chǔ)設(shè)施再次增加的時(shí)候，由于地域限制，影響當(dāng)?shù)厝厣a(chǎn)率的因素已經(jīng)從規(guī)模轉(zhuǎn)變?yōu)榧夹g(shù)革新，基礎(chǔ)設(shè)施的作用下降，所以馬歇爾外部性作用下降。對于中部地區(qū)而言，發(fā)展雖然較東部地區(qū)緩慢，但優(yōu)于西部，基礎(chǔ)設(shè)施規(guī)模小時(shí)，大量的西部產(chǎn)業(yè)和勞動力向中部集聚，基礎(chǔ)設(shè)施的不足阻礙產(chǎn)業(yè)集聚對全要素生產(chǎn)率的正向作用。由于中部地區(qū)地域廣闊，有著較為豐富的研發(fā)、外商和港口資源，科技技術(shù)的不斷進(jìn)步降低當(dāng)?shù)匚廴舅?，交易成本隨著基礎(chǔ)設(shè)施的完善而降低，因此，隨著基礎(chǔ)設(shè)施規(guī)模的不斷增加，對全要素生產(chǎn)率的影響也不斷加強(qiáng)。西部地區(qū)地處偏遠(yuǎn)，缺乏足夠的技術(shù)人員和高科技產(chǎn)業(yè)，且距離港口較遠(yuǎn)，加上企業(yè)融資困難，當(dāng)?shù)氐娜厣a(chǎn)率本就低下，企業(yè)之間的關(guān)聯(lián)性較弱，因此當(dāng)基礎(chǔ)設(shè)施規(guī)模小時(shí)，產(chǎn)業(yè)集聚對全要素生產(chǎn)率的作用為正。國家推動實(shí)施的西部大開發(fā)、產(chǎn)業(yè)轉(zhuǎn)移政策導(dǎo)致地區(qū)產(chǎn)業(yè)盲目集聚，卻沒有重視基礎(chǔ)設(shè)施建設(shè)，產(chǎn)業(yè)集聚超過基礎(chǔ)設(shè)施承載能力?；A(chǔ)設(shè)施的進(jìn)一步增加可以吸引更多的R&D、FDI以及科技人員等，降低環(huán)境污染，促進(jìn)當(dāng)?shù)仄髽I(yè)規(guī)模經(jīng)濟(jì)和知識溢出效應(yīng)的發(fā)揮，產(chǎn)業(yè)集聚對全要素生產(chǎn)率的正向影響加強(qiáng)。

對于雅各布外部性，“認(rèn)知距離”為企業(yè)互補(bǔ)資源的新組合提供了機(jī)會。“認(rèn)知距離”的擴(kuò)大致使企業(yè)之間無法充分吸收彼此的知識并加以轉(zhuǎn)化利用?！罢J(rèn)知距離”超過飽和點(diǎn)后，效果變?yōu)樨?fù)值。知識存量和吸收能力影響知識溢出，隨著基礎(chǔ)設(shè)施的增加，企業(yè)知識存量和吸收能力促進(jìn)知識溢出效率提升的影響作用不斷加強(qiáng)，使得企業(yè)“認(rèn)知距離”與全要素生產(chǎn)率之間的非線性變化趨勢更加明顯。比較東部、中部和西部地區(qū)，相關(guān)多樣性均對企業(yè)創(chuàng)新產(chǎn)生正向影響。東部地區(qū)本身相關(guān)多樣化水平就比較高，基礎(chǔ)設(shè)施規(guī)模較小時(shí)，“認(rèn)知距離”受其影響小，對全要素生產(chǎn)率的正向作用就比較弱。期初嚴(yán)重的環(huán)境污染明顯降低了當(dāng)?shù)厣a(chǎn)水平，隨著基礎(chǔ)設(shè)施增加，污染降低，“認(rèn)知距離”的不斷縮小造成相關(guān)多樣性對全要素生產(chǎn)率的正向影響變大。前文理論假設(shè)認(rèn)為，基礎(chǔ)設(shè)施的持續(xù)增加會促使“認(rèn)知距離”減少，甚至近乎為無，交通成本不斷降低會導(dǎo)致企業(yè)相互模仿和學(xué)習(xí)，加劇產(chǎn)業(yè)結(jié)構(gòu)同構(gòu)現(xiàn)象。產(chǎn)業(yè)同構(gòu)可能減少企業(yè)間相互學(xué)習(xí)的行為，減弱正向溢出效應(yīng)。與產(chǎn)業(yè)專業(yè)化類似，中部地區(qū)產(chǎn)業(yè)種類多，產(chǎn)業(yè)間的溢出效應(yīng)大于西部地區(qū)，西部地區(qū)企業(yè)不斷向中部地區(qū)匯集，產(chǎn)業(yè)內(nèi)規(guī)模擴(kuò)大和產(chǎn)業(yè)間相互關(guān)聯(lián)能夠促進(jìn)技術(shù)創(chuàng)新、高技術(shù)人才集聚和外商直接投資的增加。因此，中部地區(qū)基礎(chǔ)設(shè)施水平的提升會加速產(chǎn)業(yè)多樣化對全要素生產(chǎn)率的正向作用。此外，西部地區(qū)同樣存在不同類型產(chǎn)業(yè)，產(chǎn)業(yè)間的相互學(xué)習(xí)和關(guān)聯(lián)會促進(jìn)地區(qū)全要素生產(chǎn)率的提高，然而由于高技術(shù)人才不斷外流，導(dǎo)致正向作用較弱。雖然“西部大開發(fā)”和“產(chǎn)業(yè)轉(zhuǎn)移”等政策能夠促進(jìn)西部地區(qū)提高產(chǎn)業(yè)生產(chǎn)能力，但基礎(chǔ)設(shè)施的落后無法承載產(chǎn)業(yè)集聚帶來的擁擠效應(yīng)，不利于全要素生產(chǎn)率的提升。因此，西部地區(qū)應(yīng)加速基礎(chǔ)設(shè)施建設(shè)，吸引高新技術(shù)和技術(shù)人員集聚，知識溢出效應(yīng)才能隨著“認(rèn)知距離”的降低而發(fā)揮促進(jìn)作用。

對于其他控制變量：人力資本(lnEdu)、滯后兩期的研發(fā)投入(lnR&D)和外商投資(lnFDI)都對全要素生產(chǎn)率產(chǎn)生正向影響，且這種影響隨著基礎(chǔ)設(shè)施的增加而加強(qiáng)。東部地區(qū)全要素生產(chǎn)率比中西部地區(qū)受到政府干預(yù)度(lnGOV)的作用要大，這與大多數(shù)學(xué)者研究結(jié)論相似。

(三)穩(wěn)健性檢驗(yàn)

對上述研究進(jìn)行穩(wěn)健性檢驗(yàn)，首先使用引入非期望產(chǎn)出的ML指數(shù)作為被解釋變量進(jìn)行回歸，如表5所示。從結(jié)果可以看出，與GML指數(shù)作為被解釋變量的結(jié)果基本類似，集聚經(jīng)濟(jì)對ML指數(shù)的作用是非線性的，并且不同地區(qū)這種非線性影響因基礎(chǔ)設(shè)施規(guī)模的大小而不同，說明本文采用GML指數(shù)的合理性。

表5 模型的參數(shù)估計(jì)結(jié)果

表6則使用普通面板回歸對模型進(jìn)行穩(wěn)健性檢驗(yàn)。表3顯示相關(guān)多樣性和產(chǎn)業(yè)集聚對GML指數(shù)的影響隨著基礎(chǔ)設(shè)施水平的變化呈非線性變化，因此這里引入基礎(chǔ)設(shè)施的平方項(xiàng)、一次項(xiàng)與相關(guān)多樣性和產(chǎn)業(yè)集聚的交互項(xiàng)。表6顯示相關(guān)多樣性和產(chǎn)業(yè)集聚都對GML指數(shù)產(chǎn)生正向影響，且隨著基礎(chǔ)設(shè)施的增加非線性關(guān)系有所不同?？傮w來看，模型的回歸結(jié)果是穩(wěn)健的。

表6 模型的參數(shù)估計(jì)結(jié)果

五 結(jié)論及政策啟示

本文基于非線性面板平滑轉(zhuǎn)換模型，運(yùn)用引入非期望產(chǎn)出的GML指數(shù)和傳統(tǒng)全要素生產(chǎn)率，利用2003-2013年中國207個(gè)地級市30個(gè)二位數(shù)制造業(yè)的面板數(shù)據(jù)，研究馬歇爾外部性和雅各布外部性隨著基礎(chǔ)設(shè)施水平變化對全要素生產(chǎn)率的影響。研究結(jié)論是：(1)產(chǎn)業(yè)集聚和相關(guān)多樣性隨著基礎(chǔ)設(shè)施水平的變化對全要素生產(chǎn)率的影響是非線性的，并基本為正；(2)考慮環(huán)境污染等非期望產(chǎn)出的GML指數(shù)受集聚經(jīng)濟(jì)的影響要小于傳統(tǒng)全要素生產(chǎn)率；(3)不同地區(qū)集聚經(jīng)濟(jì)與全要素生產(chǎn)率的非線性關(guān)系不同，東部沿海地區(qū)出現(xiàn)過度集聚經(jīng)濟(jì)，說明基礎(chǔ)設(shè)施建設(shè)沒有跟上制造業(yè)的集聚；(4)人力資本、研發(fā)投入和外商投資隨著基礎(chǔ)設(shè)施的增加，與全要素生產(chǎn)率成不斷增加的正向關(guān)系；(5)東部地區(qū)政府干預(yù)對當(dāng)?shù)厝厣a(chǎn)率產(chǎn)生較強(qiáng)的正向作用，中西部地區(qū)正向作用較低。

集聚經(jīng)濟(jì)是促進(jìn)區(qū)域發(fā)展的主要驅(qū)動力，其產(chǎn)生的馬歇爾外部性和雅各布外部性通過規(guī)模經(jīng)濟(jì)和知識外溢促進(jìn)企業(yè)生產(chǎn)率提升。而如何優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，避免兩極分化，促進(jìn)產(chǎn)業(yè)轉(zhuǎn)移，合理配置資源是經(jīng)濟(jì)高質(zhì)量發(fā)展亟需解決的問題。針對上述結(jié)論得到以下幾點(diǎn)啟示：第一，東部地區(qū)已經(jīng)出現(xiàn)過度集聚經(jīng)濟(jì)，當(dāng)務(wù)之急是提高當(dāng)?shù)鼗A(chǔ)設(shè)施水平，并加快產(chǎn)業(yè)轉(zhuǎn)移，優(yōu)化配置資源。第二，西部大開發(fā)、產(chǎn)業(yè)轉(zhuǎn)移以及絲綢之路不單純是產(chǎn)業(yè)的集聚，政府應(yīng)該提高中西部地區(qū)基礎(chǔ)設(shè)施水平，縮小“認(rèn)知距離”，促進(jìn)企業(yè)內(nèi)部以及企業(yè)之間開展知識交流。第三，中西部地區(qū)產(chǎn)業(yè)生產(chǎn)效率低，當(dāng)?shù)貞?yīng)該提高科研補(bǔ)貼，發(fā)揮院?？蒲袃?yōu)勢，促進(jìn)產(chǎn)學(xué)研結(jié)合，并積極招商引資，提高企業(yè)的全要素生產(chǎn)率。第四，政府應(yīng)該加大對污染減排和處理的科研投入，引入國外先進(jìn)技術(shù)，并對不同地區(qū)采用不同的清潔機(jī)制，減少污染。第五，中西部地區(qū)要加強(qiáng)不同企業(yè)之間的交流，發(fā)揮知識溢出效應(yīng)，擴(kuò)展產(chǎn)業(yè)鏈，并完善當(dāng)?shù)亟鹑隗w系，解決融資難問題。