纺织产业集聚与全要素生产率<br/>——以新疆、江苏和浙江为例∗

纺织产业集聚与全要素生产率
——以新疆、江苏和浙江为例∗

2018-05-15张建磊程隆棣刘蕴莹

新疆大学学报(自然科学版)（中英文） 2018年1期

张建磊，程隆棣，刘蕴莹

(东华大学纤维材料改性国家重点实验室,上海松江201620)

0 引言

产业集聚是产业集群形成的过程，是区域经济发展的重要特点之一．作为重要的国民经济支柱行业，纺织产业的发展伴随着大量产业集群的产生．目前我国已有29个纺织产业基地市（县）、73个纺织产业特色名城、96个纺织产业特色名镇，在我国纺织产业发展和经济增长的过程中发挥了很大的作用．

传统观点认为要素投入是经济增长的推动力量，纺织业同其他行业一样依赖高投资和廉价劳动力实现了快速发展，然而要素投入会随着边际生产力的递减而难以持续．纺织业的发展正面临着一系列的压力，严重制约着以劳动密集型企业为主的纺织业的持续盈利能力．只有效率驱动才是保持纺织业长期可持续增长的中坚力量．全要素生产率（TFP）是衡量经济增长效率的重要工具，是指经济增长扣除投入要素以后的技术因素和非技术因素，包含了技术进步、管理改善和制度创新对经济增长的贡献．

产业集聚具有外部性．同类或处于产业链不同环节的企业聚集在一定地域，促使区域经济产生规模效应，降低生产成本和交易成本等；实现资源共享，如劳动力资源、基础设施等；通过技术溢出效应相互学习；实现专业化分工生产，提高域内企业的生产效率．学者们普遍认为，产业集群的形成基本是自发的或者说是市场主导的．我国的各种经济开发区也可视为特定的产业集聚区，但这种集聚区内企业的关联性与自然形成的集聚区相比仍然较弱．

梳理文献发现，产业集聚对全要素生产率的促进作用主要表现在通过外部经济效应、专业化分工[1−3]，技术外溢、优化资源配置[4−6]，吸附劳动力资源[7]等方面，最终实现生产效率的提高．产业集聚程度的加深也会产生拥挤效应，对区域经济发展产生不利影响．拥挤效应主要表现为在一定区域内要素的相对稀缺导致生产要素价格的上升，并导致生产效率的下降．已有学者注意到在一些行业，产业集聚对全要素生产率增长的影响呈倒U型[8]，在拐点处将会出现拥挤效应和生产效率的下降．

纺织业是我国最先发展的行业之一，学术界对纺织产业集聚研究较多，相关的研究成果较为丰富；但对纺织产业全要素生产率的关注比较少，取得的研究成果较为有限[9−12]；并且对纺织产业集聚与全要素生产率的综合研究更是少之又少，仅有刘超[13]以江苏纺织业为例研究了产业集聚与劳动生产率之间的关系，且缺乏全局性的数据对比研究．

中国纺织产业发展严重不平衡，产业规模差异巨大．东部地区产业集聚程度也远大于中西部地区，甚至出现了一定程度的拥挤效应，仅靠要素投入难以维持行业整体经济效益，造成资源配置效率的下降．面对纺织业区域失衡的现状，有必要进一步研究不同区域纺织业产业集聚与全要素生产率的关系，弥补这方面的研究空白，并为今后产业结构调整与产业区域转移做出积极有效的实证与理论支撑．

江苏与浙江是中国纺织产业发达地区，产业规模大，集聚程度高，且面临着产业结构调整与产业转移的压力，故选取江苏与浙江作为东部沿海地区纺织产业的代表．新疆是我国重要的棉花主产区，在一带一路与国家产业结构调整的政策指导下承接了大量的东部沿海地区的纺织产业转移，纺织产业迎来了新的发展契机，故选取新疆作为中西部纺织产业的代表．利用新疆、江苏、浙江三个省份纺织产业的数据，来研究纺织产业集聚对全要素生产率的影响，并探讨其中的区域差异．本文所研究的纺织业指的是按照国民经济行业分类中的纺织业，不包括纺织服装、服饰业．

1 纺织产业集聚与全要素生产率的测算

1.1 产业集聚的测算

产业集聚的衡量指标主要有区位熵、基尼系数、E−G指数、行业集中度、赫芬达尔指数、H指数等．本文选取区位熵来衡量新疆、江苏、浙江这三个地区纺织业的产业集聚水平，其计算公式如下：

其中，LQit为i省区在t时期的区位熵指数，它由i省区t时期纺织行业资产总额占比与t时期全国纺织产业资产总额占比的比值得到，数据来源为2006—2015年新疆、江苏、浙江和中国统计年鉴，资产总额选用的是纺织业和全部规模以上工业企业资产总计这一指标．区位熵衡量了i省区纺织产业集聚程度，如果该指标大于1，表示该省区纺织产业有集聚趋势，且高于全国平均水平，反之则低于全国平均水平.测算结果见表1．

由表1可知，在2005—2014年间，新疆纺织产业集聚水平总体上呈现先上升后下降的趋势，目前保持在0.7左右，不但远小于江苏的1.7与浙江的3.3，而且低于全国平均水平，揭示出东西部纺织产业集聚水平的巨大差异．江苏纺织产业集聚水平呈缓慢下降的态势，从最高的2.072降到目前的1.777，但仍高于全国平均水平．浙江纺织产业集聚水平是3个省区里面最高的，目前稳定在3.34左右，远高于全国平均水平，显示了较高的发展水平，这也与其较大的纺织产业规模和较高的技术管理水平相适应．

表1 新疆、江苏和浙江纺织产业区位熵和TFP指数

其中，同为纺织业发达省份的浙江，其纺织产业总产值始终略小于江苏，但在产业集聚程度上却相当于江苏的2倍之多，主要是由于浙江民营企业发展较早、较快，这类企业更容易在一定区域内集聚，通过技术溢出效应互相学习，吸取先进企业的技术与管理经验，共享区域内的基础设施、人力资源市场等，更容易实现对集聚区域外同类企业的吸引，提高产业集聚程度．

1.2 全要素生产率的测算

全要素生产率的测算方法有增长核算法、生产前沿面法与指数法，其中非参数数据包络分析曼奎斯特（DEA-Malmquist）指数法使用最为广泛．本文选取非参数DEA-Malmquist指数法分别测算新疆、江苏和浙江纺织业的全要素生产率Malmquist指数(简称“TFP指数”)，其优点在于无需对生产函数的形式进行假定，也不需要满足参数方程中各项严格的约束条件．

1.2.1 测算方法

非参数DEA-Malmquist指数法是在非参数DEA模型基础上发展来的动态分析全要素生产率变动的方法．在给定技术前沿面下，通过计算两期生产单元的Shephard距离函数比值来测算全要素生产率变动．为了避免参照技术前沿的随意选择，F¨are等构造出t到t+1时期的全要素生产率Malmquist指数（TFP指数）：

TFP指数表示的是t+1时期的全要素生产率相对于t时期的比值；若M0(xt,yt,xt+1,yt+1)大于1，说明从t时期到t+1时期的全要素生产率增长了；反之则说明下降了．

TFP指数可以分解为技术效率指数与技术进步指数的乘积，分别表示全要素生产率表动中的技术效率变化与技术变化：

式（3）右边第一项表示技术效率指数（TE），第二项表示技术进步指数（TP）．其中，技术效率指数又可进一步分解为纯技术效率指数（PE）和规模效率指数（SE）．

故TFP指数的分解形式可表示为：

其中，

1.2.2 数据来源

采用非参数DEA-Malmquist指数法计算TFP指数需要两组投入数据，劳动力要素和资本要素，一组产出数据，有效产出变量．

由于发达国家常用劳动时间作为劳动力要素的衡量指标，但限于国内统计体系的欠缺，常用在职劳动力数量或就业人员总数代替，本文选用省级纺织业年底在岗职工人数作为劳动力要素指标．

国内外一般采用资本存量作为资本要素的衡量指标，广泛使用永续盘存法进行测算．当期资本存量等于上一期不变价格的资本存量与当期不变价格的固定资本投资额之和减去不变价格的资本折旧量，其计算公式如下：

其中，kt−1与kt分别表示上一期与当期不变价格资本存量，δ为经济折旧率，I为当期不变价格固定资本投资额．

与大多数文献类似，本文选取固定资本形成总额作为固定资本投资额，利用固定资产投资价格指数平减调整为2004年价格．参考张军对中国省际资本存量的估算[14]，本文选取9.6%为各省市固定资本形成总额的经济折旧率．参考曹跃群对服务业资本存量的研究[15]，本文选取基期即2004年的固定资本形成总额除以10%作为初始资本存量．本文选取纺织业的规模以上工业企业总产值作为有效产出变量，并利用工业品出厂价格指数平减调整为2004年价格．

上述指标数据的时序长度为2005—2014年，其数据均来自于新疆、江苏和浙江统计年鉴，数据描述统计特征如表2所示．

表2 投入产出变量的描述统计特征（2004—2014）

1.2.3 测算结果

经过计算，得到了2005—2014年新疆、江苏和浙江三个省份的纺织业全要素生产率Malmquist指数，结果如表1所示．

从整体上看，2005—2014年间新疆、江苏和浙江的全要素生产率年均增长率分别是10.45%、2.67%和-4.75%，表明全要素生产率对新疆纺织业的增长贡献维持了强劲的上升势头，对江苏纺织业的贡献居中，但是对浙江纺织业增长的促进作用却在逐渐减小，且明显弱于新疆和江苏．

新疆和江苏纺织业均有3个年份全要素生产率比上一期有所下降，然而浙江纺织业有8个年份均在下降．新疆纺织业的全要素生产率整体维持了增长趋势，这与新疆纺织业利用优惠扶持政策，逐步淘汰落后产能、加速更新机械设备、提高职工劳动素质与管理水平密不可分；仅在2008年出现了大幅下降，为上一年度的0.691，主要是金融危机导致的需求不足、投资下降所致．江苏纺织业与之类似，但在2013与2014年全要素生产率出现了连续下降．浙江纺织业全要素生产率则呈现明显的下降趋势，仅在2007与2013年出现了上升；显示出浙江纺织业的发展遇到了一定的瓶颈问题导致全要素生产率增长乏力．

2 纺织产业集聚对全要素生产率影响的实证分析

2.1 模型设定

由于面板数据模型具有样本容量更大、参数估计更可靠、降低多重共线性的影响等优势，为了更准确地检验纺织产业集聚与全要素生产率之间的关系，参考张公嵬等[16]构建的模型后，本文构建了如下面板数据模型．对面板数据进行参数估计最常用的方法是固定效应和随机效应模型，本文选取的是固定效应模型．

其中，i和t分别表示i省区和t时期.本文选取的被解释变量TFPch为全要素生产率Malmquist指数（TFP指数），解释变量LQ为区位熵，控制变量HR为就业人数，Y ARN为纱线产量．其中就业人数（HR）选取的是各省纺织业年平均从业人员数量，纱线产量（Y ARN）选取的是规模以上工业企业本年度纱线产量，数据的时序长度为2004—2014年，取自于新疆、江苏和浙江统计年鉴．

2.2 回归结果及分析

表3 纺织产业集聚对TFP指数影响的估计结果

对表3的回归结果进行分析，可以得到如下几点结论：

第一，提高产业集聚水平能促进TFP指数增长；但出现拥挤效应时，继续提高产业集聚水平会抑制TFP指数增长．新疆纺织产业集聚程度目前仅为0.6，产业规模与技术水平均低于全国平均水平，有较大的发展空间．新疆在积极发展纺织产业集聚区，承接东部沿海地区纺织产业转移的过程中，获取了先进的纺织生产技术和管理经验，通过技术溢出效应促进了本地区纺织产业的技术创新，实现了全要素生产率的快速增长．江苏纺织产业集聚程度目前为1.8左右，产业发展水平较高，众多产业集群通过引进FDI的技术溢出效应，产业分工的协作效应，专业化生产带来的规模效应等提高了纺织产业全要素生产率．浙江纺织产业集聚程度目前为3.4左右，远高于新疆和江苏，但是却出现了产业集聚抑制TFP指数的现象，说明浙江纺织产业集聚已经出现了拥挤效应．产业集聚对纺织产业全要素生产率的影响并不是简单的正向作用，过度集聚会抑制TFP指数增长．

第二，过度集聚对TFP指数的抑制作用说明东部地区纺织业的发展遇到了一定的问题．通过对比新疆、江苏和浙江纺织产业集聚对全要素生产率的作用可以发现，新疆的系数为0.523，大于江苏的0.451，而浙江的则是-0.598，这不仅说明TFP指数出现较大差异，也说明过度集聚对TFP指数的抑制作用．全要素生产率反映了技术进步、管理改善和制度创新对经济增长的贡献．虽然东部地区纺织业发达省份，如浙江，经济体量大，纺织业总产值占比大，产业集聚程度高，但也面临着劳动力成本急剧上升，土地供应日趋紧张、价格逐步攀升，技术进步、管理改善和制度创新对经济发展的贡献增长缓慢甚至逐渐萎缩的问题；这些问题可以归结于产业过度集聚带来的拥挤效应，不仅对当地纺织企业的持续盈利能力造成了严重的挑战，也势必会抑制TFP指数的增长．

第三，区域间产业集聚与TFP指数的巨大差异为东部地区的纺织产业向中西部地区转移提供了新的发展思路与转移动机．根据国际纺织产业的发展规律来看，纺织产业向劳动力成本相对低廉、原料集中产地、土地供应充足地区转移是必然趋势，并通过技术创新以维持纺织企业的持续盈利能力．新疆、江苏与浙江纺织产业集聚程度与TFP指数的巨大差异提示我们可以通过承接产业转移提高中西部地区纺织产业集聚程度，充分利用当地丰富的原料资源、劳动力优势，利用技术溢出效应、外部经济等促进纺织产业技术创新，实现全要素生产率的增长；也能缓解东部地区纺织产业过度集聚带来的拥挤效应，减小土地、电力、原材料、劳动力价格上升带来的生产经营压力，利用技术创新优化资源配置，调整产能结构，促进全要素生产率的增长．这是在中国纺织业区域发展不平衡和自主创新能力不足的现状下最实际的一种方式，但通过技术创新实现纺织产业的可持续发展仍然是未来的发展方向．