代 斌

(山东大学商学院，山东威海264209)

一、问题的提出

国家和区域间的竞争力表现为对各种生产要素的吸引以及利用这些要素创造价值的能力，而产业集聚在全球化和区域化相互合作与竞争中起到了不可替代的作用。对于产业集聚与经济增长和技术创新的研究，新地理经济学、集群理论和内生增长理论等研究范式普遍认为产业集聚能够通过降低交易成本、加强企业竞争、共享基础设施和要素资源、获得知识技术外溢以及扩展上下游相互关联的产业链等途径提高生产效率，促进经济增长。

事实上，国内外学者从不同角度对集聚效应进行了实证检验，其中，支持产业集聚的技术溢出效应的结果大量存在。Bottazzi＆Peri(2003)［1］利用1977—1995年间欧洲186个区域的数据进行实证检验发现，知识和技术的溢出效应随距离递减。Gilbert，McDougall，Andretsch(2007)［2］利用 127 个不同地区的微观企业数据检验发现，集聚效应通过技术知识溢出促进企业创新。此外，Dekle＆Eaton(1999)［3］、Harris＆Ioannides(2000)［4］、Ottaviano＆Pinelli(2006)［5］、Braunerhjelm＆Borgman(2006)［6］和 Brulhart＆Mathys(2007)［7］等学者分别利用不同国家的数据分析得出产业集聚与生产率之间存在正向影响关系。

但是，也有不少学者的检验结果不支持产业集聚的技术溢出效应。Bode(2004)［8］在扩展Ciccone和Hall(1996)理论模型的基础上，利用德国的数据检验得出经济集聚与生产率没有显著关系。Bautista(2006)［9］采用工具变量法对墨西哥32个州年度数据进行实证检验，结果不支持聚集经济对于技术溢出的促进作用。Gopinath等(2004)［10］研究美国制造业行业数据，发现产业集聚与生产率的增长并没有直接相关性，而呈现倒U关系;另外，Carlino(1979)［11］、Jones(1995)［12］的相关实证研究发现集聚效应与生产率之间是负相关的关系。

那么，究竟产业集聚能否促进技术的溢出?针对国内外学者实证检验结果的分歧，本文尝试从技术吸收角度探讨这一问题。尽管集聚效应对技术溢出的促进作用在理论上得到了有效的论证，但在实际数据的检验中却存在差异，由此本文猜测，在现实经济中，产业集聚的技术溢出效应的实现可能依赖于其他的因素。在现有文献的实证研究中不难发现，发达国家和地区的检验结果普遍存在着技术溢出效应，但是对于发展中国家和地区的技术溢出效应，假设检验却难以得到一般性的结论。一个可能的解释就是各个国家和地区吸收能力的差异导致了产业集聚的技术溢出效果不同，而R＆D经费投入作为反映技术吸收能力的关键因素，对产业集聚的技术溢出效应产生了重要影响。Eaton ＆Kortum(1999)［13］，Kinoshita(2000)［14］，Connolly(2003)［15］实证研究发现，R＆D投入会促进产业吸收、消化先进技术，增强技术溢出效应;吴延兵(2006)［16］和李小平等(2006)［17］利用中国行业数据研究表明，R＆D 能促进行业内部技术扩散，提高行业劳动生产率。基于此，本文在研究产业集聚的技术溢出效应时，将R＆D纳入同一框架中进行分析，研究在不同R＆D强度下，产业集聚与技术溢出的变动关系。

二、模型设定和变量选择

集聚经济的发展促进了同质和相互关联企业的集中，而高度依附于企业的科技知识在高集聚地区得到了大量的累积，如何将集聚经济带来的知识技术转化为生产力，这与一个地区的技术吸收能力息息相关。因此，本文尝试在R＆D视角下研究集聚经济的技术溢出效应，摒弃以往对产业集聚与技术溢出的简单线性研究，借鉴Hansen(1999)［18］提出的系统内生分组的非线性回归方法——门限模型，选取不同地区的R＆D强度作为门槛变量，测算各省的全要素生产率(TFP)增长，并将其作为技术溢出的代理变量，检验产业空间集聚和区域技术溢出水平的非线性关联。

(一)门槛模型不设定

本文研究在R＆D水平约束下产业集聚的技术溢出效应，结合Hansen的面板门槛模型，初步将研究的回归方程设定为:

其中，技术溢出水平(TFPit)为被解释变量，R＆D强度(Innoit)为门槛变量，制造业集聚指数(Aglit)为门槛依赖变量，城镇化水平(Ubrit)、人力资本发展水平(Ubrit)、技术追赶项(Catch_upit)为控制变量，ηit为个体效应，表示不随时间变化但是影响地区技术进步的资源禀赋差异;εit为随机扰动项，假设其服从均值为零且方差有限的正态分布。门槛模型主要解决两方面问题:一是联合估计门槛值γ和斜率值β;二是进行门槛效应检验，即门槛的显著性检验和门槛真实性检验。

(二)数据来源及变量说明

本文采用的是我国29个省份1986—2011年的样本数据进行实证分析。由于西藏省份数据存在严重缺失，所以不将其纳入样本范围;而重庆市在1997年之前缺失数据，所以将重庆市和四川省合并为同一样本分析，其他缺失数据采用插值法补齐。除特别指出外，数据的来源均为《中国工业经济统计年鉴》、《中国统计年鉴》、《中国科技统计年鉴》以及各省《统计年鉴》。各项指标的描述性统计如表1。

表1 各指标的描述性统计

其中，全要素生产率(TFPit)增长作为衡量地区技术溢出水平的指标。衡量不同测算地区全要素生产率的方法优缺点，我们使用数据包络分析(DEA)的Malmquist生产率指数，计算TFP的增长。Malmquist生产率是利用投入产出效率计算每个年份相对要素生产率，本文以1978年不变价格的实际GDP作为产出变量，投入变量采用资本存量和劳动要素，资本存量沿用张军等(2004)［19］的做法选取9.6%的经济折旧率，采用永续盘存法估计中国各省1985—2011年的资本存量，并折算为1978年不变价格;劳动要素选择各省年底从业人数代替，具体原理可见颜鹏飞等(2004)［19］相关论文。

本文研究的是在R＆D经费支出约束水平下产业集聚与全要素生产率增长的变动关系，因此，本文选取各省份的R＆D强度作为门槛变量(Innoit)，产业集聚水平作为门槛依赖变量(Aglit)。对于R＆D强度指标，本文选取R＆D经费存量占生产总值百分比表示。产业集聚水平选择的是中国各省份的制造业集聚程度，测算指标为制造业的区位熵指数，用各省份制造业的生产总值占该省份所有行业的比例，除以全国制造业生产总值在全国总行业生产总值的比例，即可测算出不同地区的制造业集聚水平。

在门限模型设定中，为更全面地反映集聚水平高对全要素生产率增长的影响程度，本文选取中国各个省份的城镇化水平(Ubrit)、人力资本水平(Ubrit)和技术追赶项(Catch_upit)作为控制变量。其中，城镇化选取的是各省份非农村人口的比例;人力资本别表示各教育层次的权重和不同教育程度的从业人员比重，本文借鉴杨文举(2006)［21］的方法，根据受教育程度的不同赋予从业人员不同权重:文盲、半文盲、小学、初中、高中、大专及以上分别为0、1、6、9、12、16，以陈钊等(2004)［22］的数据为基础，估算我国各省份历年从业人员的人均受教育年限表示各地区的人力资本水平;技术追赶项Catch_up=Hi(Ymax-Yi)/Yi，Ymax，其中，表示的是最发达地区的人均收入水平，以上海市人均收入表示，Yi表示i省份的人均收入水平。

三、集聚对全要素生产率(TFP)增长的实证结果及讨论

(一)模型门槛效应检验

在模型系数估计之前，必须检验模型是否存在门槛效应。针对本文建立的实证模型，为判断模型究竟存在几个门槛值，Hansen构造了门限模型的F统计量进行识别。检验结果如下:

表2 门槛效应检验

通过模型的门槛效应检验结果可知，单门槛效应在1%的显著性水平下显著，且F统计量为37.985，P值为0.006;双门槛效应在5%的显著性水平下显著，且F统计量为10.955，P值为0.016;三重门槛效应在10%的显著性水平下显著，且F统计量为8.635，P值为0.068。为确定门槛个数，需进一步检验门槛值及其置信区间。

(二)门槛值的确定和检验

门槛效应检验的原假设(H0)为:β1=β2，Hansen(1996)提出使用极大似然估计量检验模型门槛值，模型的门槛值则是能够使LR估计值接近于零的门槛变量的取值，基于此，本文采用“自助取样法”(bootstrap)，运用 stata12.0抽样500次，测算模型的LR值，进而确定模型的门槛置信区间。

上图为门限自抽样检验的LR趋势线，LR与图中虚线相交的点为门槛变量(Innoit)的置信区间，由图1可知，估计出的第一个门槛值置信区间为［2.261，3.265］，抽样结果显示，当门槛变量为2.790时，LR的值最接近零，所以门槛单一门槛值为2.790，在确定第一个门槛值的基础上继续抽样验证第二个门槛。模型存在第二个门槛，LR趋势线与虚线相交于1.179和1.908，这是第二个门槛值的置信区间，抽样结果显示第二个门槛值为1.511。为判断第三个门槛值是否可取，在固定两个门槛的基础上对样本重新抽样，确定第三个门槛值为8.652，但在样本数据中只有极个别的数值在8.652之上，由此判定第三个门槛值是游离于整体样本之外的离群值。因此，本文将模型设定为双门槛面板门槛模型，门槛变量R＆D强度(Inno it)的两个门槛值分别为2.790和1.511。

(三)模型的估计结果及讨论

根据模型门槛效应检验的结果，将模型修正为双重门槛模型，如下:

基于上述模型，将模型内生分组，分别在地区R＆D强度位于1.511以下、1.511与2.790之间以及2.790以上，对模型系数进行回归估计，以期研究在不同R＆D强度下，产业集聚对全要素生产率的增长的影响差异程度。为使模型估计更加直观，本文采用面板固定效应模型和门槛模型分别对变量进行估计对比，见表3。

表3 模型估计结果

由表3可知，城镇化水平的加剧对于地区全要素生产率的增长促进作用不显著，这是因为虽然廉价的农村劳动力涌入城镇，但从事的大部分工作是简单的体力劳动，并不能有效促进地区企业之间的技术知识流动，并且随着地区的城镇化进程的加快，居民的收入差距也不断扩大(蔡昉，2003)［23］，不同时期城乡收入差距对经济增长的影响效应不同(王少平等，2007)［24］，所以城镇化不能直接促进地区生产率提高;人力资本与全要素生产率增长的关系显著为正，表明人力资本在吸收、消化集聚效应带来的知识技术积累中起到显著的促进作用;技术追赶项对全要素增长的影响显著为负，这说明全要素生产率存在马太效应，落后地区并没有表现出对发达地区生产率的追赶。

本文关注的重点是在不同R＆D强度下，产业集聚对全要素生产率(TFP)增长影响的差异性。通过面板固定效应的检验结果可见，产业集聚对TFP增长的影响并不显著，由此表明产业集聚与TFP增长的关系并不是简单的线性关系。而在面板门限模型估计结果中，产业集聚对TFP增长的影响存在显著的门槛效应。在R＆D强度位于1.511以下，产业集聚与TFP增长的关系虽然为正，但并不明显;当R＆D强度跨越1.511，产业集聚对TFP增长的正向影响在置信水平为10%的条件下显著;而当R＆D强度位于2.790以上时，产业集聚对TFP增长的促进作用明显加强，显著性水平也进一步提高。两种模型的估计结果充分支持了本文的预期假设，地区的科研投入会对产业集聚的技术溢出效应产生约束和限制，当研发投入较低时，集聚所带来的技术积累得不到有效的吸收和消化，因此不会产生技术溢出效应，对TFP增长的促进作用也不明显;随着R＆D经费的不断投入，则会促进集聚地区内科学技术的进步，将集聚效应产生的技术积累有效地转化为生产力，促进地区创新能力和经济水平的发展;当R＆D强度得到进一步提高，技术知识的转化效应加速，对地区的投入产出效率的促进作用尤为明显。

(四)对于样本的内生性分组

依据双重门槛模型估计结果，可以将研究对象分为三组，即较低R＆D强度组(Innoit≤1.511)，中等R＆D强度组(1.511 ＜Innoit≤2.790)和较高R＆D强度组(Innoit﹥2.790)。为直观地研究中国历年R＆D支出变化，本文选取了1995年、2000年、2005年和2011年的各省R＆D指标对比分析。

表4 各省历年R＆D强度分组

由内生分组结果可见，我国的R＆D强度总体呈现上升趋势。在1995年，各省份的R＆D强度投入普遍偏低，绝大部分地区落在第一区间，只有三个省份的科技研发投入达到中等水平，而在较高R＆D强度组只有两个省份;在2000年，各省的R＆D经费产生了一定的变化，但总体变化不明显，只有广东省进入到中等R＆D强度组，其他各省的区间并没有变动;而随着经济发展和科技进步，各省对科研经费投入越来越重视，2005年各省的R＆D强度发生了较大的变动，共有11个省份的R＆D强度达到了中等水平，而上海和天津的经费支出跨越过了第二个门槛值，进入了较高R＆D强度组;在2011年，各省的R＆D强度进一步提高，较低R＆D强度组只剩下海南省，中高R＆D强度组的省份数均为14个。此外，本文发现，我国R＆D强度在东中西部地区存在差异。以2011年底的各省分组为例，虽然大部分省份的R＆D投入水平达到了中等以上水平，但是经过进一步分类发现，东中西地区R＆D水平存在显著的差异，东部地区的11个省份共有9个位于较高R＆D强度组，而中西部大部分省份则仍位居中等R＆D强度组。

四、产业集聚对TFP增长作用渠道的进一步验证

在验证产业集聚对全要素生产率增长存在门槛效应的基础上，本文进一步研究在不同R＆D水平下，产业集聚对TFP增长的作用渠道。基于数据包络(DEA)的估算方法，TFP增长可以进一步分解:［25］

由(3)式可知，TFP增长可以分解为两部分，一个是技术效率的改进(EFFCH)，一个是技术进步的变化(TECH)。其中，EFFCH是要素强处置和规模报酬不变条件下的相对效率变化指数，测度的是t到t+1期每个观察对象到最佳时点的追赶程度。TECH测度的是技术边界从t到t+1期的移动，该指标大于1表示技术进步，等于1时技术无进步，小于1时技术退步。为进一步研究产业集聚对全要素生产率增长的门槛效应的作用渠道，本文分别验证在R＆D(Innoit)约束下产业集聚(Aglit)对技术进步(TECH)和技术效率(EFFCH)影响的门槛效应。关于门槛效应研究和门槛F统计验证步骤限于文章篇幅不再列出，实证最终结果见表5。

表5 模型估计结果

针对模型估计结果，本文重点研究在不同R＆D强度下产业集聚促进全要素生产率增长的作用渠道。通过表4的检验结果可见，在较低R＆D区间，集聚对技术进步(EFFCH)的影响不显著，但是随着科研经费投入水平的不断提高，集聚对技术进步(EFFCH)的促进作用逐渐加强，且十分显著;而产业集聚对于技术效率(EFFCH)影响起初为正，但是随着R＆D强度的提高，集聚对于技术效率的影响作用逐渐为负。这说明产业集聚的技术效应主要是通过促进技术进步来实现的，R＆D水平的提高则会加快集聚地区新信息、新创意、新技术在企业之间的传播速度，促进新工艺、新技术的外溢的实现，进而促进地区技术进步;但是，随着地区专业化水平的提高，大量同质和关联企业的不断集中，集聚密度达到一定程度之后，地方公共设施供给难以满足需求的快速增长，会出现能源紧张、交通拥挤、要素供给不足等“拥挤现象”，同时在高集聚密度的区域，企业内部的管理方式相对落后、企业之间的恶意竞争等现象会在一定程度影响技术效率的改进，在本文实证结果中，集聚对技术效率影响的先正后负，也充分说明了这个问题。综合来看，尽管在不同R＆D强度下，产业集聚对技术进步和技术效率的影响不尽相同，但整体上R＆D对产业集聚的技术溢出起到了显著的促进作用。

五、结论与启示

本文基于1986—2011年中国省际数据，利用面板门限模型，以各省R＆D强度为门槛变量，产业集聚水平为门槛依赖变量，检验了不同R＆D强度下产业集聚的技术溢出效应。研究结果表明，产业集聚的技术溢出效应确实存在着门槛效应，只有当R＆D强度达到1.511时，产业集聚对全要素生产率的促进作用才在统计上表现出一定的显著性，而当R＆D强度跨越2.790时，产业集聚对全要素生产率的促进作用则表现得十分显著。这意味着，随着区域R＆D投入的不断增加，产业集聚的技术溢出效应会不断加强，而集聚产生的技术积累则能有效地转化为生产力，带来地区生产率水平的提高，促进区域经济发展。因此，区域在利用产业集聚带来的技术溢出效应提高产业技术水平时，应注意加大R＆D投入，提高区域R＆D水平，为产业集聚发展提供良好的技术吸收消化环境，突破R＆D投入对产业集聚技术溢出效应的限制和约束，有效提升产业竞争力。

此外，本文发现，虽然R＆D强度对产业集聚的技术溢出效应整体上存在着积极影响，但不同R＆D强度下产业集聚对全要素生产率的具体作用渠道却不同。其中，产业集聚在不同的R＆D强度下与技术进步之间均存在正向影响，且产业集聚对技术进步的促进作用随着R＆D强度的加强愈加明显。然而，产业集聚与技术效率水平则仅在中低R＆D强度的区域中趋于同方向变化，也就是说，随着R＆D强度的提高，集聚对技术效率的积极作用将越来越弱，甚至出现负向影响。这说明在集聚程度较高的区域，“拥挤现象”、同质企业之间恶性竞争等现象相应较严重，这将阻碍产业技术效率的提高。对此，应注意加强对产业集聚区企业的监管，完善相应的法律法规，减少企业间的恶性竞争，同时也要及时完善产业发展所需的公共配套设施，减少产业集聚过程中的技术效率浪费，促进集聚区产业健康可持续发展。

最后，通过对中国各省R＆D支出变化的研究，本文指出，尽管中国各省R＆D强度总体呈现上升趋势，但区域发展却不平衡，东部地区大部分省份的R＆D投入水平均达到了中等以上水平，而中西部地区的大部分省份则仍处于中等R＆D强度组。值得注意的是，通过实证分析本文还发现，全要素生产率的增长并不具有收敛性，落后地区的全要素生产率并不具有更快的增长率。全要素生产率的这种马太效应将会导致东中西部生产率差距的进一步扩大，使区域发展的不平衡性加剧。因此，在加大各省R＆D强度的同时，更应注意协调东中西部产业发展，改善中西部地区产业发展的基础设施，提高中西部地区从业人员的受教育水平，加大对中西部产业发展R＆D投入的政策支持，提高中西部地区产业的技术吸收、消化能力，促进产业生产率的增长，缓解区域产业发展不平衡的矛盾，实现经济快速健康可持续发展。

［1］Bottazzi L.and G Peri.Innovation and Spillovers in Regions:Evidence from European Patent Data［J］.European Economic Review，2003，46:687-710.

［2］Gilbert B.A ，Mcdougall P.Pand Audretsch D.B.Clusters.Knowledge Spillovers and New Venture Performance:An empirical examination［J］.Journal of Business Venturing，2007.

［3］Dekle R and Eaton J.Agglomeration and Land Rents:Evidence from the Prefectures［J］.Journal of Urban Eeonomics，1999，46(2):200-214.

［4］Harris T.F and Ioannides Y.M.Productivity and Metropolitan Density.Discussion Paper，Department of Economics，Tufts University，2000.

［5］Ottaviano G.I.P and D.Pinelli.Market Potential and Productivity:Evidence from Finnish Regions［J］.Regional Science and Urban Economics，2006，36:636-657.

［6］Pontus Braunerhjelm and Benny Borgman.Agglomeration，Diversity and Regional Growth.Electronic Working Paper 71，2006.

［7］Brulhart M.and Mathys N.Sectoral Agglomeration Economics in a Panel of European Regions.CEPR Discussion Paper，2007，6410.

［8］Bode E.Productivity Effects of Agglomeration Externalities.Working Paper，2004

［9］ Bautista A.D.Agglomeration Economies，Economic Growth and the New Economic Geography in Mexieo［Z］.EconWPA，2005

［10］Gopinath M，Piek D.and Y.Li.An Empirical Analysis of Productivity Growth and Industrial Concentration in US Manufacturing［J］.Applied Economics，2004，36(1):1-17

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

［12］Jones C.R＆D-Based Models of Economic Growth.Journal of Political Economy［J］，Vol.103，1995:759-784.

［13］ Jonathan Eaton and Samuel Kortum.International Technology Diffusion:Theory and Measurement［ R］，Boston University and NBER，Working paper，1996b:1-56.

［14］Kinoshita Y.R＆D and Technology Spillovers Via FDI:Innovation and Absorptive Capacity［R］，CEPR Working Paper Number 349，2000.

［15］Connolly M.The Dual Nature of Trade:Measuring Its Impact on Imitation and Growth［J］，Journal of Development Economics，2003，72:31-55.

［16］吴延兵.R＆D与生产率—基于中国制造业的实证研究［J］.经济研究，2006，(11):60-71.

［17］李小平，朱钟棣.国际贸易、R＆D溢出和生产率增长［J］.经济研究，2006，(12):31-43.

［18］Hansen B.E.Effects in No-dynamic Panels:Estimation，Testing，and Inference［J］.Journal of Econometrics.1999，93(2):345-368.

［19］张 军，吴桂英，张吉鹏.中国省际物质资本存量估算:1952—2000［J］.经济研究，2004，(10):35-44.

［20］颜鹏飞，王 兵.技术效率、技术进步与生产率增长:基于DEA的实证分析［J］.经济研究，2004，(12):55-65

［21］杨文举.适宜技术理论与中国地区经济差距的实证研究［D］.武汉大学.

［22］陈 钊，陆 铭，金 煌.中国人力资本和教育发展的区域差异:对于面板数据的估算［J］.世界经济，2004，(12):25-31.

［23］蔡 昉.城乡收入差距与制度变革的临界点［J］.中国社会科学，2003，(5):16-25.

［24］王少平，欧阳志刚.我国城乡收入差距的度量及其对经济增长的效应［J］.经济研究，2007，(10):44-55.

［25］ Fare R，Grosskopf S and Norris M.Productivity Growth，Technical Progress and Efficiency Change in Industrialized Countries［J］.American Economic Review，1994，84:66-83