丁 宏

(南开大学 经济学院，天津 300071)

一、问题提出

产业同构是指国家间、地区间或城市间产业结构趋同的现象，包括产业、行业、产品等层面的同构[1]。大部分学者认为产业同构是一种普遍且必然的现象。具体到京津冀地区，张媛媛(2015)通过计算产业结构相似系数，认为京津冀地区产业同构程度低于长三角地区，但两地区都没有出现恶性趋同[2]；王帆(2016)根据区位商灰色关联分析法等方法，认为京津冀产业同构程度较深[3]。关于产业同构对区域经济增长的影响，目前学界尚存在分歧。一部分学者持“适度论”观点，认为适度的产业同构或产业趋同有利于促进地区间分工，而过度的产业同构会导致经济增长乏力、产业政策失效、恶性竞争等负面问题[4]；还有学者持“分类论”观点，认为要将产业同构或产业趋同分为“互补性趋同”和“恶性趋同”，前者有利于产业链的发展，应予以大力支持，而对于后者应当坚决制止[5]。可以考虑的是，对于产业同构的性质及对区域经济增长的影响，借助计量手段的数理分析能够清晰地展现出来。

产业同构对区域经济增长的影响是以空间溢出效应作为中间变量的。溢出效应(spillover effect)是指一个主体(如企业、政府等)在进行某项活动时，不仅对其自身产生影响，而且会对其他主体产生影响。区域经济学意义上的空间溢出效应可以理解为地区经济活动对其他地区经济活动的影响(或好或坏)，而其他地区并不为此支付任何费用，反映了地区经济活动对其他地区经济活动的“外部性”。目前关于溢出效应的研究主要集中在知识、技术溢出效应，这源于知识、技术所具有的非竞争性和部分非排他性[6]。孙志红和王亚青(2017)进一步将空间溢出效应分为知识空间溢出效应、技术空间溢出效应和经济空间溢出效应[7]。

产业同构的空间溢出效应可能体现在如下方面：产业同构有利于京津冀之间形成某一产业的产业链协同，提高产出品附加值；产业同构有利于京津冀地区在某些产业形成规模经济，提高经济活动质量和效益；产业同构有利于京津冀之间开展协同技术攻关、技术经验交流等活动，提高知识、技术资源在本区域的流动，进而拉动区域经济增长。上述讨论成立的前提是京津冀地区的产业同构必须是所谓“良性”的产业同构。因此，判断产业同构对于区域经济增长究竟表现为正向溢出还是负向溢出，将是本研究的重点所在。

本文拟利用京津冀地区2000—2016年工业行业面板数据，构建空间杜宾模型(spatial Durbin model，SDM)，考察产业同构对京津冀地区经济增长的空间溢出效应。现有文献对于产业同构现象的研究主要集中于现状和成因探讨，对于产业同构现象对区域经济增长的影响以定性判断居多且结论各异，而采用空间计量经济学方法进行的分析相对较少。本文基于京津冀地区产业数据开展实证分析，有利于进一步扩展研究空间，尤其是强调产业同构对经济增长的潜在负面效应。另外，本文将空间计量经济学研究方法引入产业经济学分析中，其中在空间权重矩阵的构造过程中采用产业结构相似系数作为元素，与现有空间计量经济学方法相比是具有原创性的尝试，以期得出符合预期和经济学常识的结论。

二、文献综述

衡量产业同构对区域经济增长的空间溢出效应关键之一是测度京津冀地区的产业同构程度。目前学界大多采用联合国工业发展组织国际工业研究中心提出的产业相似系数来衡量产业同构程度。马云泽和刘春辉(2010)除使用结构相似系数外，还从中观和微观层面使用了区位商法、工业的区域配置系数等方法，发现京津冀地区的产业同构在宏观层面上比较严重，但在中观和微观层面相对较轻，暂不存在重复建设等现象[8]。杜青(2014)采用了地区专业化系数衡量趋同性[5]，而潘峰(2016)也借助结构重合度指数等指标对产业同构程度进行了测度[9]。相对而言，马云泽和刘春辉的宏观、中观、微观“三分法”的借鉴意义更强，为本文提供较好的参考。

另一关键步骤为空间计量经济学模型的构建和空间溢出效应的测度。由于空间溢出效应的测度很大程度上取决于空间计量经济学模型的构建情况，故模型构建与溢出效应的测度一并予以说明。从横截面数据来看，埃尔霍斯特(2015)提出了横截面数据的线性空间依赖模型，以及空间溢出效应的测度方式[10]。而安虎森和吴浩波(2015)运用空间滞后面板数据模型(SAR模型)和空间误差面板数据模型(SEM模型)进行实证分析，并使用空间相关系数、空间权重矩阵等变量表示空间溢出效应[11]。此外，牛欣等(2012)通过构建包含空间溢出的外生增长模型，并通过在线性化的知识生产函数模型中加入“周边地区创新倾向的加权和”变量模拟空间溢出效应的大小[12]。金春雨和孙滨齐(2014)[13]则采用费尔南德斯和洛佩兹-梅南德斯(Fernandez & Lopez-Menedez,2005)[14]改进后的偏离-份额法模型(SSM模型)，通过“同位变化”变量描述空间相互作用，也能够体现空间溢出效应。潘文卿(2015)在研究中国区域经济发展研究中建立了静态多地区投入产出模型，利用投入产出结构分解技术测度空间溢出效应的强弱[15]。还有学者通过构建博弈模型的方法描述研发投入的空间溢出效应的发生机制[16-17]。综上，本文更倾向于借助空间面板数据完成空间计量经济学模型的构建和空间溢出效应的测度。

从现有文献来看，大部分的研究集中于省际产业同构层面，重点集中于产业同构的现状和成因探讨，对于产业同构现象对区域经济增长的影响以定性判断居多。这些定性判断涵盖了对当地经济增长、产业升级、市场秩序等多个方面的影响，缺乏整体框架来进行整合，并且大多聚焦产业同构对区域内部经济活动的潜在影响，较少考虑其对区域之间经济活动的影响。还有学者对产业集中度、主导产业相似度等技术指标的准确性提出质疑[18]。由此，本文旨在测度并识别京津冀地区的产业同构程度，并从空间计量模型的视角测度产业同构的空间溢出效应。

三、产业同构的测度

产业同构现象就其本质而言，是产业结构相似乃至趋同。由于常用的三次产业结构过于宽泛，无法有效说明产业同构现象是否存在以及程度如何等问题，所以本文主要考察工业行业内产业同构的现象。根据统计分析和实证分析的需要，采用产业结构相似系数(industrial structure similarity coefficient)和地区专业化指数(regional specialization index)两种方法进行研究。

(一)产业结构相似系数

产业结构相似系数由联合国工业发展组织提出，仿照相关系数概念，考察两地区间产业结构的相似程度，计算方式如下：

(1)

其中，Sij表示i地区和j地区的产业结构相似系数，Xik和Xjk分别表示i地区和j地区的k行业的工业产值在当地工业总产值中所占的比重，行业数为n。产业结构相似系数的取值范围为[0，1]，取值越大，说明i地区和j地区之间的产业结构相似度越高；反之越低。王永锋和华怡婷(2008)指出，在将产业结构相似系数用于一国不同地区产业结构的比较时，可将0.9作为产业结构相似程度高和低的分界线[19]。

(二)地区专业化指数

地区专业化指数由区域经济学的区位熵(location entropy)概念发展而来。参考翁媛媛等(2009)[20]的研究方法，地区专业化指数计算步骤如下：

(2)

(3)

(4)

(三)京津冀产业同构程度的测度

本文选取北京市、天津市和河北省2000—2016年14个工业行业的相应数据，计算京津冀地区的产业结构相似系数和地区专业化指数，数据来源包括《中国统计年鉴》《中国工业经济统计年鉴》等。考虑到考察期内中国工业行业的统计口径有调整，最终纳入统计范围的工业行业包括农副食品加工业，食品制造业，纺织业，石油加工、炼焦及核燃料加工业，化学原料及化学制品制造业，医药制造业，非金属矿物制品业，黑色金属冶炼及压延加工业，有色金属冶炼及压延加工业，金属制品业，通用设备制造业，专用设备制造业，电气机械及器材制造业，以及通信设备、计算机及其他电子设备制造业，共14个工业行业。此外，由于《中国工业经济统计年鉴》2012年后不再公布分行业工业总产值(gross industrial output value)数据，因此本文使用当年价格表示的分行业工业销售产值(sales value of industry)作为工业产值，进而计算出工业总产值指标。

表1为2016年京津冀地区的产业结构相似系数，图1为2000—2016年京津、京冀和津冀产业结构相似系数的变化趋势。由图1可以看出，2006年以前，京津两地的产业结构相似系数远超0.9，两地产业同构现象十分明显；2007年以后，两地产业结构相似系数开始稳步下降，说明产业同构现象开始缓解。京冀两地产业结构相似程度总体不大，产业结构相似系数最高时仅为0.503 7，且此后进入长时间的“下降通道”，说明产业同构现象基本未在京冀两地之间存在。津冀两地产业结构相似系数在2004年以前与京冀两地基本处于同一水平，但在2006年之后迅速升高，2008年后在0.8水平上缓慢升高并于2016年首度突破0.9的临界值，说明津冀两地长期存在着产业同构趋势，且产业同构现象在近年已经出现。总体上看，只有2007—2015年，京津冀三地中没有出现高于0.9的产业结构相似系数值，进一步说明已经出现了产业同构现象。

表1 2016年京津冀的产业结构相似系数

图1 2000—2016年京津、京冀、津冀产业结构相似系数变化趋势

地区专业化指数的测度结果同样可以验证图1的判断。表2为部分年份京津冀的地区专业化指数，图2为2000—2016年京津冀的地区专业化指数变化趋势。由图2可以看出，北京市的地区专业化指数在2004年后开始稳步上升，地区专业化程度在多数年份居于三地中最高；相比之下，天津市的地区专业化指数在三地中最低，并在波动中呈现下降趋势；河北省地区专业化指数在2005年前居于三地中最高，但此后呈现长期下降态势，近几年与天津市大致位于相同水平。

表2 部分年份京津冀的地区专业化指数

图2 2000—2016年京津冀地区专业化指数变化趋势

综上，产业同构现象在京津冀地区主要体现在津冀两地产业结构的趋同。作为华北地区重要的工业基地，天津市和河北省在钢铁、化工等工业行业方面长期具有相似性，也面临着类似的工业转型问题；北京市则通过在产业结构调整升级方面的不断投入，有效缓解甚至消除了产业同构现象。

四、模型设定与变量说明

在实证分析部分，本文将在识别产业同构现象的基础上，针对产业同构对区域经济增长的影响展开分析。首先，构建不含空间溢出效应的面板数据模型，判断产业同构对本地区经济增长的影响；其次，引入空间溢出效应，通过考虑地区间相互的经济影响进一步分析产业同构对本地区经济增长的影响；最后，对两组模型得出的计量结果进行对比，并得出结论。

(一)基础模型

本文采用柯布-道格拉斯(Cobb-Douglas)生产函数作为基础函数，计算方式如下：

(5)

其中，Yit、Ait、Kit、Lit分别代表代表i地区第t年的产出、技术水平(或“索洛余值”)、资本投入和劳动力投入。对式(5)两边同时取对数，得到：

lnYit=lnAit+αlnKit+βlnLit

(6)

考虑到数据的可得性，模型使用当年价格表示的地区生产总值数据，其中使用地区生产总值指数对其平减处理，最终得出真实地区生产总值realgdpit，作为产出Yit的测度指标。模型使用当年价格表示的全社会固定资产投资数据，并使用固定资产投资价格指数对其平减处理，最终得出真实全社会固定资产投资realcapiit，作为资本投入Kit的测度指标。由于固定资产投资对地区生产总值的贡献具有时滞性，一般认为滞后期为1年[21-22]，故将滞后1期的真实全社会固定资产投资lagrealcapiit加入公式。模型使用地区常住人口数popuit作为劳动投入Lit的测度指标，这样能够更大程度地涵盖地区生产总值的创造行为。模型使用地区研究与试验发展全时人员当量总量rdit作为技术水平Ait的测度指标。相关数据来源为国家统计局公布的《中国统计年鉴》《中国科技统计年鉴》等。

(二)普通面板模型的设定

本文构建不含空间溢出效应的普通面板数据模型，根据式(6)整理如下：

lnrealgdpit=c0+α1lnrealcapiit+α2lnlagrealcapiit+α3lnpopuit+α4lnrdit+α5lnSPit+uit

(7)

由于京津冀地区截面数据较少，上述模型除用于对京津冀地区的数据分析之外，还将范围扩大到广义的环渤海区域，具体包括北京市、天津市、河北省、山西省、内蒙古自治区、辽宁省和山东省。为克服异方差，提高回归显著性，模型对被解释变量和解释变量均进行了对数化处理。

(三)空间权重矩阵的设定及空间计量模型的构建

式(7)虽然已充分考虑本地区资本、劳动以及科技投入对于本地区经济增长的作用，但是难以考虑到不同区域之间的相互作用对本地区经济增长的作用。因此，需要引入能够反映空间溢出效应的模型，即空间杜宾模型(SDM)，基本公式为[23]：

yit=τyi,t-1+ρWyt+βxit+δDxt+ui+γt+εit

(8)

其中，yi,t-1为被解释变量yit的一阶滞后项；ρWyt为被解释变量的空间滞后项，ρ为空间自回归系数，W为被解释变量的空间权重矩阵；βxit为解释变量集及对应的系数矩阵，与多元线性回归模型类似；δDxt为解释变量的空间滞后项，δ为各个解释变量的空间滞后项系数矩阵，D为解释变量的空间权重矩阵；误差项ui和γt分别表示个体效应和时间效应，εit满足独立同分布条件。

空间计量模型的关键，是设置合理的空间权重矩阵W。本文采用两种思路，分别构造对产业同构的空间溢出效应具有解释能力的空间权重矩阵W1和W2。

借鉴已有研究[24-25]，本文构建经济距离加权矩阵W1，矩阵中各元素满足如下条件：

(9)

(10)

其中：

(11)

在该模型中，本文关注的是解释变量lnSPit的空间滞后项W1lnSPt的回归系数，反映了其他地区的地区专业化系数指标变化对本地区的地区生产总值变化的影响。如果回归系数为正，说明其他地区的地区专业化程度提高，或者说区域产业同构程度的降低，对本地区经济增长具有正向促进作用；反之则为阻碍作用。

同时，本文基于产业结构相似系数，构造了产业结构溢出矩阵W2，其构造方法是：将京津、京冀、津冀2000—2016年的产业结构相似系数取均值，将其作为3×3空间权重矩阵的元素，然后进行标准化处理。

但是，该构造方法在权重的赋予上存在问题。其一，当产业结构相似系数作为空间权重矩阵的元素出现时，其含义是产业结构相似程度越高，即产业同构现象越明显，则权重越高，但这样的赋权结果缺乏经济学理论支撑；其二，地区和自身的产业结构相似系数恒为1，即产业结构完全相同，但空间溢出效应并不考虑地区对自身的溢出，所以这样的权重分配可能会对结果产生影响。因此，本文对W2进一步修改，将通过前述步骤得到的矩阵元素均进行对数化处理，然后进行标准化处理，具体如式(12)所示：

(12)

经过调整后，W2中元素的取值与产业结构相似程度保持对应关系：元素取值越大，说明产业结构间差异越大，产业同构现象越不明显，从而越有可能产生空间溢出效应。在现实的经济活动中，产业结构间的差异性甚至互补性往往是产业转移、产业合作、产业链延伸等经济活动的基础条件。因此，产业结构溢出矩阵的设定是具有经济学意义的。

由此，本文建立如式(13)、式(14)所示的SDM模型：

(13)

其中：

(14)

在该模型中，本文关注的是被解释变量lnrealgdpit的空间滞后项W2lnrealgdpt的回归系数，即空间自回归系数ρ2，反映了考察区域内各地区的地区生产总值的变化情况对本地区的地区生产总值的变化情况的影响。如果ρ2显著为正，说明在W2的权重体系下，其他地区的地区生产总值的增长对本地区的地区生产总值的增长具有促进作用，此时区域经济处于良性发展状态；反之则为阻碍作用，此时区域经济处于恶性竞争状态。

需要注意的是，在上述两组SDM模型的建构过程中，对式(8)进行了两处简化：其一，由于未使用动态面板数据，故不加入被解释变量的一阶滞后项；其二，解释变量和被解释变量使用同样的空间权重矩阵，以便从单一溢出渠道进行观察。

五、计量结果

(一)普通面板模型计量结果

采用普通面板数据对式(7)进行分析时，可构造混合模型、个体固定效应模型和个体随机效应模型。根据F检验和豪斯曼(Hausman)检验结果，个体固定效应模型回归效果最好，故采用个体固定效应模型。采用空间面板数据对式(9)进行分析时，构造个体固定效应模型和个体随机效应模型。豪斯曼检验结果表明，采用个体随机效应模型回归效果更好，故采用个体随机效应模型。计量回归结果如表3所示，其中列(1)为采用京津冀地区数据回归，列(2)为采用环渤海数据回归。

表3 计量回归结果

总体上看，京津冀地区和环渤海地区的面板数据均表现出高拟合优度。但从解释变量整体的显著性水平来看，环渤海地区高于京津冀地区，可能原因是观测值数量增加对模型精确度的提升。就地区专业化指数而言，lnSPit在京津冀地区和环渤海地区数据中的回归系数均显著为正，显现出地区专业化程度的提高或者产业同构程度的降低对于经济增长具有正向促进作用。

从具体数值来看，京津冀地区数据的lnSPit回归系数(用coefJ表示)高于环渤海地区的回归系数(用coefH表示)。计量回归模型反映的是解释变量和被解释变量在平均水平上的关系，故可以借鉴统计学中假设检验的方法分析这种差异是否显著，该检验的原假设及备择假设分别为：

H0∶coefJ=coefH

H1∶coefJ≠coefH

引入z统计量进行计算，可得：

(15)

其中，n1、n2分别为样本1(相当于本文的京津冀地区数据样本)和样本2(相当于本文的环渤海地区数据样本)所含观测值的个数；σ1和σ2分别为样本1和样本2对应的总体方差，由于总体方差未知，故用样本1和样本2的总体标准差(overall standard deviation)的平方代替。

经计算，σ1≈0.027 3，对应n1=51；σ2≈0.021 1，对应n2=119。最终计算出z=4.223 9>z0.05=1.96，在5%的显著性水平上，可以认为回归系数存在差异。由此，可以认为区域范围越小，地区专业化程度提高对经济增长的促进作用越大。可能的解释是：当区域范围较小时，地区专业化程度的提高或者产业同构程度的降低，有利于区域内各地区在更低的交通运输成本、沟通成本、环境适应成本等条件下开展合作，同时更易于形成产业链，提高该区域的市场地位及竞争力。

(二)SDM模型计量结果

表4为式(10)—式(11)和式(13)—式(14)表示的两组空间计量模型的计量回归结果。其中，列(1)对应使用京津冀地区数据进行回归的式(10)—式(11)，列(2)对应使用京津冀地区数据进行回归的式(13)—式(14)。

表4 空间计量模型回归结果

为了突出计量效果，表4列(1)中的解释变量空间滞后项仅包括WlnSPt，其回归系数显著为正，说明其他地区的地区专业化程度与本地区经济增长具有正相关性，即本地区与其他地区之间产业同构程度的降低有利于促进本地区经济增长。与之相对应，产业同构对经济增长的空间溢出效应为负，即本地区与其他地区之间产业同构程度的上升对本地区经济增长具有阻碍作用。此外，列(1)中lnSPit的回归系数在5%显著性水平上显著为正，也验证了普通面板数据模型的结论。

表4列(2)的被解释变量空间滞后项Wlnrealgdpt的回归系数显著为正，说明通过W2赋予产业同构程度高的两地区更低的权重，以及赋予产业同构程度低的两地区更高的权重时，其他地区的经济增长对本地区经济增长具有促进作用。该模型同样说明了产业同构的空间溢出效应为负，只有有效降低产业同构程度才能使得区域经济增长呈现相互促进的趋势。此外，该模型中的解释变量空间滞后项Wlnlagrealcapit和WInpoput回归系数显著，在一定程度上可以说明产业结构对生产要素的调整作用：其他地区滞后1期的全社会固定资产投资在带动当地经济增长的同时，还能对本地区的经济增长产生拉动作用；但其他地区劳动投入或人力资本的增加倾向于对本地区的经济增长产生阻碍作用。随着各地区人才竞争的加剧，有大量人才流入的地区更有可能在区域经济发展中取得优势。

六、结论与对策建议

本文利用京津冀地区2000—2016年14个工业行业的面板数据，分别采用产业结构相似系数和地区专业化指数方法，对京津冀地区产业同构程度进行测度；通过构造普通面板数据模型，考察产业同构程度对经济增长的影响；引入空间溢出效应的空间杜宾模型，通过两种不同的空间加权矩阵——地理距离加权矩阵和产业结构溢出矩阵，考察产业同构对京津冀三地经济增长的空间溢出效应。实证结果显示，北京市产业专业化程度稳步提高，但天津市和河北省间的产业同构现象趋于严重；产业同构对经济增长表现出负向的空间溢出效应，且在区域范围扩大时更为显著。

第一，产业同构现象在京津冀地区主要体现在津冀两地产业结构的趋同。产业同构程度的测度结果表明，北京市的产业结构专业化程度稳步提高，但津冀两地产业同构程度呈现上升趋势。造成该现象的原因，一方面在于京津冀三地发展不平衡，因而在产业结构调整方面难以做到“步调一致”；另一方面，津冀两地同属传统工业密集地区，处于工业化后期的天津市和处于工业化中期的河北省均面临着工业转型升级的巨大压力。2015年通过的《京津冀协同发展规划纲要》明确了京津冀三地的产业定位，强调天津市应致力于打造“全国先进制造研发基地、北方国际航运核心区、金融创新运营示范区、改革开放先行区”，河北省应打造“全国现代商贸物流重要基地、产业转型升级试验区、新型城镇化与城乡统筹示范区、京津冀生态环境支撑区”。可以预见，天津市和河北省的工业转型将是缓解三地产业同构问题的关键，天津市应抓住国家大型航天项目、自贸区建设等契机，围绕交通运输、人工智能等领域加快产业结构调整；河北省应加快淘汰落后产能，按照“三去一降一补”的要求，围绕钢铁、制药等行业培育新业态，避免出现产能过剩和产业结构恶性趋同现象。

第二，产业同构对经济增长的影响及其空间溢出效应均表现为负面作用。通过面板模型和分别基于经济距离加权矩阵与产业结构溢出矩阵的SDM模型，本文的研究表明，在京津冀地区，只有降低产业同构程度，才能对经济增长产生促进作用。空间溢出效应的存在表明一地区产业结构的转型升级不仅关系到本地区经济增长的动力与潜力，而且对该地区的经济增长具有重要影响。随着雄安新区建设步伐加快，京津冀三地在产业协同、政策协同等方面的合作将陆续展开，合作机制将不断完善。三地应着力加强在科技、产业、区域政策方面的协调，防止过度竞争、恶性趋同现象的出现。尤其对于需控制产业同构程度增长态势的天津市和河北省而言，双方应不断加强政策沟通，通过共建产业园，以深化产业链、增加产品附加值为切入点，避免产品同质化的低端竞争；通过科技基础设施、人才共享等方式，提高科技创新水平，加快传统行业升级改造，不断推动国有企业改革，提高地区专业化水平和竞争力。