董直庆，赵 星

(华东师范大学经济与管理学部，上海200241)

一、引言

自1978年改革开放以来，生产要素投入主导中国经济保持了近40年来的高增长。然而，在要素高投入和经济高增长过程中，区域经济发展不平衡现象日趋凸显，如何缩小地区间发展差距实现经济协调发展问题日益突出。《2015年政府国务院工作报告》提出西部开发、东北振兴、中部崛起和东部率先的“四大板块”政策，以及京津冀协同发展、长江经济带一体化和一带一路政策，政策激励取得一定成效。然而，导致地区间经济增长差距的因素存在多元化特征，要素禀赋、环境区位、经济基础、市场发展水平、经济制度等一系列因素均在其中扮演重要角色。

依据新经济地理理论，地区经济发展还会受空间关联区域经济行为的影响。通常经济一体化易诱发区域空间关联效应逐渐强化，要素流动在提高区域关联强度中发挥重要作用。当前，区际要素流动和集聚正不断改变地区要素结构，影响地区比较优势并诱发地区间经济增长方式转变和经济增长差距变化。关于要素流动与区域经济增长问题，研究思路主要有三：

一是资本流动与经济增长的关系。Romer将资本引入经济增长模型中，强调资本累积对经济增长的重要作用[1]。若假定资本流动外生，Gao认为以机器设备等实物形态表现的物质资本在区域间自由流动，在虚拟的金融资本作用下将加速区域经济走向均衡[2]。Klobodu和Adams采用ARDL模型结合加纳国家数据，发现无论长期或短期，资本流动对经济增长的影响均为负向[3]。Eng和Wong利用非对称Granger因果关系检验发现，资本流动对九个亚洲国家的经济增长存在非对称影响，其中资本流入对一国经济增长没有影响，而资本流出对其经济增长存在负向作用[4]。对于我国经济资本流动的影响，国内学者对资本流向及其与地区经济差距关系并未形成共识。郭金龙和王宏伟发现，资本流动存在两种驱动力，在政府主导下大量资本通过中央财政转移渠道由东部地区向中西部地区流动[5]。同时，市场经济又激励资本从中西部地区流向东部地区，但整体上资本流入对地区经济增长的贡献显著，暗示中西部经济增长差距可能会持续扩大。豆建民和肖灿夫研究发现，发达地区流向落后地区的资本流动速度加快，出现西部资本潮涌现象，将缩小区际尤其是东中西部地区的经济增长差距[6-7]。

二是劳动力流动与经济增长的关系。基于内生经济增长模型，数理演绎结果发现，若在资本市场和商品市场的双重冲击环境中，跨国劳动力流动会影响一国经济的动态调整过程[8]。由于中国劳动力流动受户籍制度限制，Bosker等认为，若取缔地区间劳动力流动限制，则将会导致中国经济出现明显的中心—外围现象，经济增长差距持续[9]。市场经济发展事实表明，伴随中国城镇化和工业化进程加快，出现较大规模农村剩余劳动转移的“民工潮”现象[10]。而且在1997—2007年间，中西部地区剩余劳动开始向东部地区转移，有力地推动了东部地区的工业化进程和经济增长。中西部地区劳动力流出现象突出，持续的劳动力流出将阻碍其工业化进程和经济增长[11]。胡荣才等认为，国家政策倾斜和引导劳动力重新回流西部地区，中部地区劳动力流出拉大，出现中部地区经济塌陷和中东西经济差距[12]。王飞等利用CGE模型，发现劳动力跨区域流动扩大区域间经济规模的差距，却有利于缩小人均收入差距，且作用效果与流动强度正向相关[13]。刘会政和王丽娜利用京津冀地区数据，检验结果发现劳动力流动有利于增加有效劳动数量、改善要素配置、提高劳动生产率，进而提高地区整体经济产出，缩小地区工资和人均消费水平差距[14]。李晓阳和黄毅祥表明，劳动力过度迁移会形成人口不合理空间分布，大城市尤其是特大城市的劳动力过度迁入会产生规模不经济，劳动力适度回流将缩小经济增长差距[15]。

三是技术流动与经济增长的关系。通常资本与劳动流动，只能对经济增长产生短期冲击，而技术水平将决定经济增长的长期均衡路径。与资本、劳动流动的经济增长机制不同，前沿技术主要掌握于发达地区，技术流动方向主要从发达地区向欠发达地区，通常技术对周边地区即邻地的经济存在溢出效应[16]，即技术扩散可以促进区域经济收敛，并且技术扩散的强度会随着空间距离的增加而减弱，类似结论已得到一定验证。同时，Keller发现技术扩散与地区空间距离成反向关系，技术扩散的强度影响落后地区技术赶超[17]。许治等测度北京、上海两中心城市技术扩散效应，发现由于区位距离差异，不同地区受京沪技术扩散影响效果存在差异，整体而言北京对全国的技术扩散效应要高于上海[18]。夏万军和纪宏认为技术扩散强度主要取决于地区经济结构[19]，而张强和卢荻则认为技术能否扩散以及扩散强度如何，取决于技术“低洼”地区的技术水平与对先进技术的吸收能力[20]。

在自由市场经济环境中，地区经济发展水平主导要素流动方向和流动强度，优势地区会持续吸引生产要素流入且流入地易形成集聚效应，推动区域经济更快增长，进而扩大区域间经济增长差距。当然，要素流动、要素集聚与经济增长之间存在双向促进作用，越是经济发达地区要素流入越多，要素流入越多且要素流动越自由，经济增长将越快[21]。Fujita和Thisse基于两部门内生增长模型，实证检验发现要素集聚和经济增长存在耦合式发展趋势[22]。当然，要素集聚和相关集聚经济的产生不仅仅受制于市场机制，Tripathi认为集聚经济也可能是由政策引导所形成的[23]。Fan等研究表明，无论是生产和创新要素层面、产业层面或城市层面的集聚，均对提升企业生产率和地区经济发展产生积极影响[24-27]。其主要原因可能，一方面是集聚产生规模经济和专业化分工，提高了专业技术和技能的匹配性，从而优化要素配置效率提高经济增长；另一方面，要素集聚加速产业间和产业内的知识技术溢出，提高区域整体的技术水平和生产率[28]。梁琦等认为，集聚的匹配、共享和学习效应要求更高的劳动技能和劳动生产率，进而吸引高技能劳动向高密度集聚地流动，形成更具优势的匹配效应和溢出效应[29]。但王良举认为现有研究可能高估集聚效应，因为中心区正向的集聚效应源自高生产率企业，而集聚对低生产率企业产生的拥挤问题易被忽视[30]。

就我们研究所及，文献研究对要素流动与经济增长关系并未形成共识，现有研究特点主要有三：一是关于要素流动与区域经济增长的关系，文献更多关注单一要素诸如资本或劳动流动对经济增长的影响，忽视资本、劳动和技术要素的异质性及其引发的差异性后果；二是重点关注要素流入地的经济增长效应，缺乏系统考察要素流动方向和强度变化的经济影响，以及对要素流出地可能造成的经济后果；三是文献更多将产业集聚和要素集聚等同，忽视产业集聚更多只是生产要素在产业层面的表现形式。事实上，劳动、资本和技术集聚程度存在差异，其经济增长效应不同，而且产业层面研究集聚效应易忽视要素集聚形式的多样性。基于此，本文拟采用空间计量方法，从资本、劳动与技术三要素视角，在度量要素流动方向和流动强度的基础上，动态分析异质性要素的流动方向和流动强度，及其对要素流入地与流出地的非对称经济效应；再结合要素集聚可能引发的经济后果，对比不同要素集聚在高集聚地与低集聚地对经济增长的异质性影响。

二、指标设计、空间计量模型选择与数据来源说明

(一)要素流动指标设计和数据来源说明

1.资本流动KF。关于度量资本流动的主要方法，Feldstein和Horioka从投资和储蓄相关性角度考察资本流动性[31]；王小鲁和樊纲[32]、豆建民[6]用货物与服务净出口扣除国外净出口后的负值、李小平和陈勇[33]采用中国省际资本存量占全国比重的变动、郭金龙[5]采用各地区商品流动近似衡量资本流动。根据国家统计局统计口径，固定资产投资来源包括国家预算内资金、国内贷款、利用外资、自筹资金和其他资金，本文采用固定资产投资中除去自筹资金部分近似作为各省市资本流动指标。

2.劳动力流动LF。关于劳动力流动，现有测度方法主要包括：陆铭等采用人口机械增长量表征劳动力流动规模[34]；樊士德等采用各地净迁入和净迁出人口中的劳动力比重表征劳动力流动[35]；才国伟等定义现住地和五年前常住地发生跨省变化的那部分人口为流动人口[36]；由于流动人口更多表现为暂住人口，潘越等将劳动流入量定义为居民1年以内暂住人口的1/2和居住时间1年以上的暂住人口，劳动力流出则采用两个口径测算，一是人口户籍迁移数据，二是利用人口分布矩阵中人口流出数据除以总人口得到平均流出率，乘以人口暂住总数，得到人口流动估计值[11]。综合上述劳动力测算指标，可以看出大多数指标都是采用人口流动作为劳动力流动的近似比例，这是由于我国转移的人口大部分属于就业型劳动力，人口转移直接反映劳动力流动。借鉴以往文献思路，本文采用各地区的劳动增长率减去人口自然增长率，乘以总劳动力表征劳动力流动。

3.技术流动TF。关于技术流动的度量，主要思路包括：郭晗和任保平以及张辽将地区申请专利增长率作为地区间技术扩散的指标[16，37]；白俊红和蒋伏心、白俊红等选择引力模型来界定跨区创新要素流动数量，主要指标是R&D人员流动规模和R&D资本流动规模[38-39]。不过，以上两种方法均存在不足。其中，专利申请增长率并不能准确表示技术流动，而引力模型只是近似估算各地区受到其它地区吸引力变量影响的加权和，无法反映技术流动的现实情况。为能够真实反映技术流动情况，本文采用三个指标衡量技术流动。指标1为规模以上工业企业购买国内技术经费支出；指标2采用技术市场技术流向地域合同金额；指标3是技术市场技术流向地域合同金额和技术市场技术输出地域合同金额的差额。其中，指标1与指标2反映地区技术流入总规模，指标3反映地区技术净流入规模。

4.其他指标。(1)物质资本K。采用张军资本存量估计思路[40]，利用永续盘存法计算所得。(2)劳动力L。劳动力采用各省统计年鉴中的就业人数。(3)其他控制变量：交通基础设施inf，用各省铁路运营公里数表示；对外开放度open采用各地区进出口总额占GDP的比重表征，由于进出口总额是以美元进行核算的，采用当年人民币兑美元的平均汇率进行换算；市场化程度pro来自王小鲁等的中国市场化指数报告[41]。原始数据来源于历年的《中国统计年鉴》《中国科技统计年鉴》以及各省区《统计年鉴》。样本为2000—2015年中国30个省级行政区域(除去西藏和港澳台地区)。

(二)Moran I指数

区域经济发展存在空间关联性，尤其是生产要素跨区域流动，会引发地区间经济增长出现相关性。为此，本文首先采用Moran I指数法对区域GDP进行空间相关性检验。

表1给出了2000—2015年我国GDP的Moran I指数。

表1 2000—2015年我国GDP的全局Moran I指数

表1数据显示，在2000—2015年的样本期间，GDP全局Moran I指数保持1%的显著性水平且系数为正，说明我国区域经济增长表现出显著正向的空间相关性，而且其显著性水平从2000年的0.210提高到2015年的0.222，暗示地区间经济增长空间相关性不断增强。

图1 2000年我国省域经济增长Moran I散点图

图2 2015年我国省域经济增长Moran I散点图

为能够更准确地描述区域经济活动在空间分布特征，借助局部Moran I散点图进行考察(见图1和图2)。图中的1至30依次代表京、津、冀、晋、内蒙古、辽、吉、黑、沪、苏、浙、皖、闽、赣、鲁、豫、鄂、湘、粤、桂、琼、渝、川、贵、云、陕、甘、青、宁、新30个地区。图1和图2数据显示：(1)经济增长的地区分布规律非常明显且分布特征稳定。在2000年至2015年共16年的时间内，大部分地区空间分布特征未发生显著变化。其中落入H-H和H-L区域(第1象限和第4象限)大部分为东部沿海城市，而中西部地区则普遍落入L-H和L-L区域(第2象限和第3象限)。主要原因在于，东部沿海城市的经济发展水平和市场化程度较高，要素需求大、报酬高且工作环境更具吸引力，诱使要素大量流入到东部，形成要素集聚的经济增长效应。(2)要素流动和集聚效应差异显著。在第1象限的地区，要素流动有力地促进东部整体经济的发展，形成要素流动与经济增长良性循环。在第4象限的地区，如广东和四川依赖周边地区要素流入，并没有对外围地区产生明显的良性溢出效应。对于地处中西部的大部分地区，由于经济市场化水平相对较低，要素流动障碍明显且要素配置效率低，要素流出现象明显。再在第3象限地区，周边地区的经济发展水平较低，要素流动集聚对本地经济作用甚微，第2象限的地区即使被高水平地区所环绕，经济也未被惠及。

(三)空间计量模型选择

不同空间计量模型其经济意义往往存在差异：一是空间自相关模型(SAR)，以因变量的空间滞后项表征空间关联地区对本地区的空间影响；二是空间误差模型(SEM)，以误差项反映空间效应；三是空间杜宾模型(SDM)，以空间交互项反映空间效应[42]。空间杜宾模型是一种综合考虑上述两种类型的空间模型，不仅本地区自变量会影响自身的经济水平，空间关联地区经济活动也会对本地经济产生影响。基于这类原因，为获得拟合效果最好的空间计量模型，本文首先建立OLS模型见(2)式，检验模型回归之后残差的空间莫兰指数，建立(2)—(4)式所示SAR、SEM和SDM模型。

lnYit=αit+β1lnLit+β2lnKit+β3lnKFit+β4lnLFit+β5lnTFit+β6lnXit+εit

(1)

lnYit=αit+ρWlnYit+β1lnLit+β2lnKit+β3lnKFit+β4lnLFit+β5lnTFit+β6lnXit+εit

(2)

lnYit=αit+β1lnLit+β2lnKit+β3lnKFit+β4lnLFit+β5lnTFit+β6lnXit+μit
μit=λWμit+εit

(3)

lnYit=αit+ρWlnYit+β1lnLit+β2lnKit+β3lnKFit+β4lnLFit+β5lnTFit
+β6lnXit+φ1WlnKFit+φ2WlnLFit+φ3WlnTFit+εit

(4)

其中，Yit为i地t时期的GDP，W为空间权重矩阵。

本文选用空间距离权重矩阵(主对角线元素均为0，非主对角线上的元素为1/d2)来表征区际的空间效应。其中d为两个省份省会之间的地理距离；WYit为空间关联省份GDP的空间加权自相关变量；ρ为空间自相关系数，表示空间关联地区经济活动对本地经济活动的影响；KFit、LFit、TFit为i地的资本、劳动和技术流动水平；WKFit、WLFit、WTFit为空间关联地区要素流动的空间加权变量，其系数φi表示空间关联地区要素流动对本地经济活动的影响程度；Lit和Kit分别为i地劳动力人数和物质资本存量。Xit为一系列控制变量，包括交通基础设施(inf)、对外开放度(open)、市场化程度(pro)等;μit和εit为扰动项，满足εit～iid(0,σ2)、μit～iid(0,σ2)。

三、要素流动的经济效应检验结果

基于上文中的模型设定和研究思路，我们首先用OLS方法进行回归分析。回归结果及残差的空间相关性识别结果见表2和表3所示。

表2 OLS回归结果

表3 OLS模型残差的空间相关性检验

表2和表3结果显示：生产要素和要素流动在经济增长中均扮演重要角色。无论是资本、劳动还是技术，均表现出5%的显著性水平且系数为正，表明任一类要素的流动均有利于提高要素配置效率和经济产出。若仅从系数上看，资本流动贡献接近于资本存量贡献的40%，而劳动流动贡献约为劳动力贡献的40%，技术流动贡献约2%，表明忽视任一类型的要素流动，均可能导致生产要素和要素流动的贡献判定出现偏误。

表3的OLS残差空间相关性检验结果显示，OLS回归残差存在空间相关性，表明OLS回归模型对要素流动的贡献判断可能并不完全合理。为能够有效涵盖相关性可能对回归结果产生的影响，结合区域经济活动交融和相关性影响的现实，利用空间面板模型SAR、SEM和SDM重新进行估计，以充分反映空间相关性可能存在的影响，再结合自然对数值(Log-L)、Wald 检验和LR检验空间模型的拟合效果[43]。结果见于表4。由于技术进步在经济增长过程中的特殊地位，回归模型选择不同的技术流动指标加以细分考察。其中，模型①、④、⑦采用规模以上工业企业购买国内技术经费支出表征技术流动，模型②、⑤、⑧选择技术市场技术流向地域(合同金额)定义技术流动，模型③、⑥、⑨采用技术市场技术流向地域(合同金额)和技术市场技术输出地域(合同金额)的差额表示技术净流动规模。

表4结果显示：(1)在空间面板模型SAR、SEM和SDM回归模型中，三类要素流动均保持10%及以上的显著性水平且系数为正，表明要素流动均正向作用于经济增长，进一步证实忽视要素流动对经济增长的作用将弱化生产要素的贡献，印证OLS模型估计的结果。(2)三类要素流动相对于要素存量贡献作用明显但不同模型贡献存在一定差异。在SAR模型中，资本流动占资本存量贡献的1/4，劳动流动占劳动力存量的60%～70%。而在SEM模型和SDM模型中，资本流动的贡献出现明显下降，但劳动流动与劳动力本身相比却有着明显提高，其份额与存量贡献相当。(3)其他控制性变量在三类模型中保持正向显著性，市场作用不容忽视。

表4 空间面板模型回归结果

若从模型拟合效果上，依据拟合优度和对数似然值，可以认为SAR和SEM模型劣于SDM模型。为充分考察SDM模型的优劣度，进行Wald检验和LR检验，Wald空间滞后检验、LR空间滞后检验、Wald空间误差检验和LR空间误差检验的P值为零，均保持1%的显著性水平，可以判定SDM模型的拟合效果更具说服力。

根据SDM即模型⑦-⑨的估计结果，不难发现：

(1)三类要素流动基本保持1%的显著性水平且系数均为正。表明无论是OLS模型、SAR、SEM或SDM模型，均证实要素流动对经济增长的显著正向影响。

(2)三类要素流动贡献存在差异且相对于其要素自身贡献明显。资本流动占资本贡献的1/5，意味着整体经济的增长近45%～50%来自资本。而劳动流动占劳动贡献3/2，即劳动流动在样本期内贡献超过劳动自身，经济增长近30%来自于劳动。即资本和劳动要素可以解释80%中国的经济增长，这与当前主流研究结果吻合。而对于技术流动，其对经济增长的影响正向且系数基本保持0.05～0.07，表明技术对经济增长的作用存在较大的增长空间。

(3)三类要素的空间流动相关性作用正向显著。资本、劳动、技术的空间交互项系数(W*KF、W*LF、W*TF)均显著为正，表明要素流动促进本地经济增长的同时，空间关联地区的要素流动也会对本地区的经济增长产生影响。

此外，控制变量估计系数均显著为正，其中市场化影响程度最大，交通基础设施的影响最小。表明，按照市场机制配置生产要素，由于劳动力的“趋优性”和资本的“逐利性”，生产要素将流入到高报酬、高效率及市场更完善地区。若要素流动使要素流入地形成要素集聚，则易实现规模经济效应。反之，过度流出会损害要素流出地的经济增长。

四、要素流动方向的经济增长效应检验

上述研究表明，要素流动对经济增长有着明显的驱动效应，也暗示不同要素流动地区要素流动对经济增长有着不同的影响。为充分认识要素流动方向对经济增长的影响，本部分进一步考察要素流动方向即要素流入或流出与经济增长的作用关系。

(一)要素流入地与流出地的划分

第一，关于资本的流入地与流出地。本文采用各省(区市)资本存量与全国平均资本存量的差额，作为判断资本流入地与流出地的标准。若该指标大于0的年份超过小于0的年份，则认为该地区是资本流入地，反之，指标大于0的年份比小于0的年份少，认为该地区是资本流出地。将各省的资本存量数据采用上述方法进行计算，可以得出判定，资本的流入地：京、冀、辽、沪、苏、浙、闽、鲁、豫、鄂、粤。资本流出地：津、晋、内蒙古、吉、黑、皖、赣、湘、桂、琼、渝、川、贵、云、陕、甘、青、宁、新。

第二，关于劳动力的流入地与流出地，借鉴张辽[37]、郭晗和任保平[16]的分类思想，本文采用地区劳动力变动率减去该地区劳动力自然增长率，作为地区劳动力净流动规模。劳动力流入地和流出地划分与资本相同。将省际劳动力数据采用上述方法进行计算，判定劳动力流入地：京、津、沪、苏、浙、闽、鲁、粤。劳动力流出地：冀、晋、内蒙古、辽、吉、黑、皖、赣、豫、鄂、湘、桂、琼、川、渝、贵、云、陕、甘、青、宁、新。

第三，关于技术的流入地与流出地，采用技术市场成交额与全国平均成交额的差额作为判断技术要素的流入地与流出地标准，技术流入地与流出地划分与资本和劳动思路类似。可知技术流入地：京、津、辽、沪、苏、浙、鲁、粤。技术流出地：冀、晋、内蒙古、吉、黑、皖、闽、赣、豫、鄂、湘、桂、琼、渝、川、贵、云、陕、甘、青、宁、新。

可以发现，资本、劳动和技术的流入地基本一致，流出地也比较相似。这可能源于要素相似的流动属性。资本的“逐利性”使资本会流入到资本配置效率更高、边际收益更高和配置结构更完善的地区。劳动力的“趋优性”使劳动力要素流入到劳动力高边际收益和市场制度更完善的地区。而发达地区对技术需求更高，且发达地区或同一区域经济相似性，对技术有着相似需求，使技术流向发达地区或相似地区。同理，要素的流出地主要是经济发展水平比较低的地区，比如中西部地区，进而不同类型要素的流入地和流出地类似。最后根据每个地区三类要素流入或流出地的频次，确定要素的流入地与流出地，结果见表5。

表5 要素流入地与流出地

(二)要素流入地和流出地的经济增长效应检验

依据前述要素的流入地与流出地的分类，结合相关模型对要素流入地与流出地的要素流动和经济增长关系进行回归，考察要素流动方向对异地经济增长的作用差异，结果见表6。

表6结果显示：

(1)流入地和流出地空间关联性的经济增长效应显著但非一致性特征明显。首先，空间计量模型中流入地与流出地的空间项系数(ρ或λ)均显著为正，表明空间关联地区经济发展会促进流入地和流出地的经济增长。其次，流入地空间项系数(ρ或λ)显著高于流出地空间项系数，说明流入地空间关联地区经济发展对经济增长的促进作用更大。这可能是要素流入地及空间关联地区，大多分布在东部沿海地区，而流出地及空间关联地区主要分布在中西部。东部沿海地区强关联性诱发流入地经济受空间关联省份经济活动的影响大。

表6 要素流入地与流出地的空间面板回归结果

(2)本地和空间关联地区要素流动对经济增长的作用显著。本地的资本、劳动、技术流动(KF、LF、TF)的估计系数显著为正，而且资本、劳动、技术的空间交互项系数(W*KF、W*LF、W*TF)正向显著。可知，不仅本区域的要素流动会促进本地的经济增长，而且空间关联区域的要素流动，也会对本地的经济增长发挥正向影响。

(3)要素流动对经济增长的作用存在异地效应。首先，流入地的空间关联地区要素流动效应更显著。流入地资本、劳动、技术的空间交互项系数(W*KF、W*LF、W*TF)显著高于流出地系数，且高于本地的要素流动(KF、LF、TF)系数。表明空间关联区域的资本、劳动、技术流动对流入地经济增长的贡献更大，且空间关联区域劳动力流动比本地域内的劳动力流动对经济增长的作用更强。其次，流出地的经济增长主要源于本地要素和要素流动。流出地的本地资本、劳动、技术流动系数(KF、LF、TF)显著高于流入地系数，且高于相应要素空间交互项。说明要素流出地主要依靠本地区要素和区域内的要素流动拉动经济增长，要素流出地囿于有限的空间关联度，致相邻地区要素流动对本地经济影响有限。无论是对于本地还是邻地的要素流动而言，资本、劳动和技术流动贡献均出现依次递减。

五、空间集聚的异地经济增长效应检验

一般地，要素流动往往易在流入地形成要素集聚，形成的规模经济对集聚地经济增长产生积极影响。为考察要素流动引发集聚对经济增长的影响，本部分根据要素的集聚程度，将要素流入地分为高集聚地和低集聚地，进一步考察不同集聚度的地区经济增长差异。

关于要素集聚度的衡量，主要指标有区位熵、HHI指数、基尼系数，区位熵主要用于识别产业集聚，赫芬达尔系数和基尼系数则主要测度地理集中度。本文采用区位熵测算要素集聚度，然后根据HHI指数，将资本、劳动、技术集聚度的平方和作为本文的总集聚度见式(5)所示。其中，资本集聚度正相关于资本深化度，资本集聚用地区资本存量与全国资本存量之比表示；劳动力集聚度采用地区劳动力人数和全国劳动力人数之比表示；技术集聚度用各省技术市场合同成交额与各省R&D经费支出之比表示，结果见表7。

(5)

表7 流入地要素集聚度

根据表7，可知高集聚地主要包括：北上广苏；低集聚地主要有鲁浙津闽。其中，京沪主要是技术的高集聚地，苏粤主要是资本与劳动的高集聚地。在低集聚地中，除天津外的鲁浙闽主要是技术的低集聚，天津主要是劳动力的低集聚。依据集聚度回归结果见表8。

表8 集聚地的空间面板回归结果

表8结果显示：空间计量模型中高集聚地与低集聚地的空间项系数(ρ或λ)均显著为正，表明空间关联地区的经济发展会促进集聚地的经济增长。资本和劳动力(K、L)的估计系数，本地资本、劳动、技术的流动(KF、LF、TF)和相应要素空间交互项系数(W*KF、W*LF、W*TF)均显著为正，表明要素和要素流动均会提高要素集聚地的经济产出。控制变量估计系数显著为正，其中，市场化程度的作用贡献最明显而交通基础设施的影响有限。

不同集聚度的地区回归结果显示：(1)高集聚地空间关联效应更显著。高集聚地空间项系数显著高于低集聚地空间项系数，暗示高集聚地空间关联地区的经济发展促进本地区经济增长的程度较大。相比于低集聚地，高集聚地区间的经济活动紧密，空间关联性强，导致高集聚地经济增长受到空间关联地经济活动的影响显著。(2)高集聚地要素流动贡献更突出。资本、劳动、技术的空间交互项系数(W*KF、W*LF、W*TF)显著高于低集聚地，表明资本、劳动、技术流动对高集聚地经济增长的贡献程度更大。与低集聚地相比，高集聚地的要素集聚程度较高，要素更集中且更易形成规模经济，可能是高要素集聚地更易对空间关联区域的资本和技术形成虹吸效应，推动本地经济增长。(3)低集聚地本地的要素流动作用更明显。本地资本、劳动、技术流动系数(KF、LF、TF)显著高于高集聚地系数，表明本区域内要素流动对低集聚地经济增长的作用更大，说明低集聚地主要依靠本地区要素和区域内部的要素流动拉动经济增长。结合表7的结果，高和低集聚地的主要差异是技术集聚度。在要素的流动过程中，由于技术流向并集聚在高集聚地区，使高集聚地区技术进步快、产出效率和创新能力高，进而更快提升高集聚地经济产出水平。反之，高集聚地区经济又会吸引其他地区的生产要素流入，又进一步增强高集聚地的集聚经济效应，形成良性循环。而低集聚地的技术集聚程度较低，企业的生产技术相对落后，生产率和研发水平低，导致生产要素流向高集聚地，进一步削弱低集聚地的集聚经济效应，因此提高低集聚地区要素积累和区域内要素流动更为关键。

六、结论

本文采用2000—2015年中国30个省区市面板数据，运用空间计量分析方法建立空间SAR、SEM和SDM模型，检验要素的区际流动、要素集聚对区域经济增长的影响。结果发现：(1)我国地区经济增长并非独立，而是受到与之相邻地区的影响，在空间分布上具有明显的正向相关性，空间关联地区的经济发展会促进本地经济增长。(2)不同要素流动方向的异地经济增长效应迥异。划分要素流入地与要素流出地，发现流入地经济增长受到空间关联省份经济活动的影响强于流出地，地区间要素流动有力地促进要素流入地的经济增长。相对而言，本地区的要素投入和区域内要素流动，是驱动流出地经济增长的主要动力。(3)将要素流入地根据要素集聚度进行分组，发现高集聚地经济增长受空间关联省份经济活动的影响强于低集聚地，地区间要素流动是高集聚地经济增长的重要源泉，且空间关联区域的要素流动，比域内要素流动对经济增长的作用更强，表明高集聚地会对空间关联区域要素形成虹吸效应，而低集聚地经济增长主要依靠本地要素投入和区域内要素流动。