长江中游城市群产业集聚与经济增长的实证研究*——基于动态面板GMM估计的分析

田 超 王 磊

一、引 言

目前，随着经济全球化和区域一体化程度的不断加深，城市群正逐步成为影响全球经济发展的重要空间单元。城市群是产业集聚经济活动的主要载体，产业集聚又通过集群效益提升城市群竞争优势和发展动力，因而两者是一个相互促进、相互影响的关系。全面认识和考察产业集聚与经济增长的关系，对于我国现阶段正处于初创期以及成长期的众多城市群来说，有利于其内部资源要素的合理分配与利用，进而引导区域产业健康有序发展。

理论研究方面，20世纪90年代初，以Krugman（1991）为代表的新经济地理学家开始把主流经济学家忽视的空间因素纳入一般均衡的分析框架，从而为研究区域经济增长提供了新的视角。而近些年来许多经济地理学家在糅合Krugman中心—外围模型以及Romer内生增长理论的基础上，通过将模型动态化，对产业集聚和经济增长进行研究并取得了一定的成果。Boldwin和Forslid（2000）构造了一个两部门间（农业和工业）产业要素流动的增长模型，并证明产业集聚有利于地区尤其是外围区域的经济增长。Martin和Ottaviano（2001）认为经济增长和产业集聚是一个“自我加强”（Self Reinforcement）的过程，空间集聚通过降低创新成本以及交易成本促进经济增长。Fujita和Thisse（2003）提出了一个两地区内生增长模型，发现产业集聚促使技术溢出的速度加快，从而有利于中心和外围地区的共同增长。

实证研究方面，学界普遍认为，产业集聚是促进经济增长的一个重要推动力。Crozet和Koenig（2005）利用欧盟1998—2000年的数据分析了空间集聚对增长的影响，发现制造业与服务业活动的集聚的确对区域经济的增长具有正面效应。潘文卿和刘庆（2012）基于我国工业企业数据，研究证明制造业的产业集聚对经济增长有显著的正向促进作用。但还有一些研究得出了相反的结论。Cerina和Mureddu（2014）将实证模型扩展到非贸易品后发现，产业集聚可能对实际收入的增长有负面影响。闫逢柱和乔娟（2010）基于新经济增长理论，考察了产业集聚对产业成长的影响，结果表明，产业集聚对产业成长总体产生了负面效应。

从目前的相关文献来看，主要存在着如下几个问题：首先，产业集聚与经济增长之间的关系存在分歧，大多数的研究都认为产业集聚对经济增长有明显的促进作用。然而，随着集聚理论的进一步发展，产业集聚可能会给地方经济增长带来不利影响，因而产业集聚对经济增长的关系可能不是简单地以线性的形式来表现；其次，对产业集聚与经济增长关系的研究多是采用静态框架进行分析，忽视它们之间存在的动态关系会对分析结果产生一定的影响；最后，研究对象上而言，学者们主要从两个层面出发——基于国家数据甚至跨国数据等宏观层面以及针对特定行业集中程度分析的微观层面，缺少中观层面的研究。

因此本文选取中部地区的重点开发区域长江中游城市群作为研究对象，然后构建一个动态面板模型，在引入一系列控制变量的基础上，分析了各产业对经济增长的作用，最后依据分析结果提出了相应的建议。

二、产业集聚分析

（一）工业分类标准

关于工业的分类通常用不同的标准来衡量。国家统计局按照经济活动的性质将工业划分成39个分类。本文选择从要素投入的角度将我国工业分为四类：一是以自然资源为主要投入的产业，简称为资源密集型产业；二是劳动密集型产业；三是资本密集型产业；四是技术密集型产业。

在产业的划分上，王岳平（2004）采用资本—劳动力比率和劳动力报酬—产出比率来衡量资本密集程度和劳动力密集程度；用R&D费用/销售额、工程技术人员数/就业总人数和微电子设备/生产经营设备来衡量技术密集度，将39个分类进行了归类。本文借鉴了其分类方法，具体标准如表1所示：

表1 工业分类标准

（二）集聚指标说明

目前对产业集聚水平进行测度的指标主要有行业集中度（CRn）、区位商（LQ）、赫希曼—赫芬达尔指数（HHI）、空间基尼系数（Gini）以及产业地理集中指数（EG）等。赫希曼—赫芬达尔指数和产业地理集中指数利用某行业所有企业市场份额的平方和对产业集中度进行测度，同时考虑了企业数目和规模的作用，能够准确地反映产业市场集中度的变化，但是其计算需要详细的微观企业数据，数据获取难度较大。因此在充分考虑产业集聚特征的基础上，鉴于数据的可获得性，以及为使分析结果稳固可靠，本文采用了空间基尼系数和区位商来测算集聚程度。空间基尼系数以及区位商的计算公式分别如下所示：

其中，Sij和Sik分别代表j和k地区i产业的总产值占城市群i产业总产值的比重；Si是各地区i产业比重的均值；n是地区的个数。空间基尼系数越接近于0，说明产业集聚程度越低；空间基尼系数越接近于1，说明产业可能集中在一个或几个地区，即该产业集聚程度越高。

其中，qij表示 i地区 j产业的总产值；qi表示 i地区的工业总产值；qj表示城市群j产业的总产值；q表示城市群的工业总产值。LQ值越大，表示产业的集聚程度越高，一般情况下，区位商大于1，说明相应产业在该地区具有比较优势；区位商大于2，则优势十分突出。

（三）集聚水平测度

鉴于数据可得性的限制，本文的研究仅限于规模以上工业企业。需要特别指明的是，本节在计算空间基尼系数、区位商时所指的整个行业的总产值均以整个长江中游城市群的工业总产值作为研究对象，而不是在全国范围内，这样可以排除由于地区差异带来的影响，使研究结果在长江中游城市群范围内具有可比性。

根据上一节的计算方法，可以得到长江中游城市群各产业的集中水平，空间基尼系数和区位商的结果分别如表2和表3所示。从空间基尼系数的变化情况来看，除劳动密集型产业外，资源密集型产业、资本密集型产业以及技术密集型产业的集聚程度均呈现出下降趋势。由于中部地区劳动力优势明显，因而劳动密集型产业呈现出集聚自我强化的特征。随着资源逐步消耗殆尽，资源密集型产业集中程度有所下降。另外，在产业转移以及政府引导下，资本密集型产业和技术密集型产业也开始分散布局。

表3列出了2011年各类产业区位商值大于2的城市分布。其中，资源密集型产业区位商较高的城市基本上资源要素富裕，产业结构单一，经济增长主要依赖于这类产业。劳动密集型产业区位商较高的城市则是人口大市，人力资源相对丰富。与预期相悖的一点是，资本密集型产业区位商较高的城市并非经济发展水平较高的省会城市，而是各省内较小的地级市，但是分析其产业结构发现，有色金属冶炼及压延加工业均为这些城市的支柱产业，因此很大程度上提高了区位商数值。而技术密集型产业区位商大于2的城市数目为零，说明现阶段长江中游城市群各城市经济增长方式仍以粗放型为主，产业结构有进一步调整优化的空间。

表2 长江中游城市群各产业空间基尼系数

表3 长江中游城市群区位商地区分布

三、产业集聚与经济增长的实证分析

（一）模型设定与数据来源

根据前文的理论假设，本文最终构建如下的动态面板数据模型，对产业集聚与经济增长的关系进行实证检验。

被解释变量ln GDPi，t代表第i个城市t时期地区生产总值的对数。ln GDPi，t-1解释变量为滞后一期地区生产总值的对数，Xij，t为第 i个城市 t时期 j产业的区位商，其中j=1，2，3，4，5，分别代表工业、资源密集型产业、劳动密集型产业、资本密集型产业和技术密集型产业，X2ij，t作为非线性变量引入到模型中。剩余的变量均为控制变量，主要考虑那些影响经济增长且能够体现区位特征的变量。ln areai，t表示 i城市 t时期行政区域面积的对数，urbi，t表示 i城市 t时期城镇化率，ln empi，t表示 i城市 t时期从业人员总人数的对数。μi代表城市个体效应，εi，t为残差项。本文的所有数据来源于《湖北统计年鉴》《湖南统计年鉴》《江西统计年鉴》《安徽统计年鉴》以及各城市统计年鉴（2007—2012年）。

（二）检验结果

虽然面板数据能够在一定程度上处理遗漏变量问题，但如果回归模型本身包含内生解释变量，就需要使用工具变量法以解决内生性问题。Arellano和Bond（1991）认为可以采用水平值的滞后项作为工具变量进行一阶差分GMM估计。Blundell和Bond（1998）进一步采用将差分变量的滞后项作为水平值的工具变量，并且估计过程中同时使用水平方程和差分方程进行系统GMM估计，相当于进一步增加了可用的工具变量，从而提高了估计效率。本文将 Xij，t、X2ij，t作为内生解释变量，将 ln areai，t、urbi，t和 ln empi，t作为外生解释变量，利用系统 GMM估计对上述方程进行检验。虽然Arellano和Bond（1991）认为，两步估计的标准协方差矩阵能更好地处理自相关和异方差问题，但存在向下的偏误，容易导致估计量的渐进分布偏差。但Windmeijer（2005）通过模拟分析表明，采用纠偏后的稳健性（VCE）估计，可以更好地进行统计推断，因此本文最终采用两步GMM估计。表4显示了系统GMM的回归结果。

Arellano-Bond AR（1）和 Arellano-Bond AR（2）的统计量表明，回归方程扰动项的差分存在一阶自相关，但不存在二阶自相关，故可以使用系统GMM对方程进行估计；Sargan统计量的P值均在0.5以上，表明计量模型的工具变量整体上是有效的。

从表4看出，产业集聚对经济增长的影响确实是非线性的，而具有不同要素密集度的产业，对经济增长的作用也有所差异。首先，从工业的整体回归结果看，除控制变量从业人员总人数的对数项不显著外，其余参与回归的各解释变量和控制变量都在1%水平上显著。区位商代表的产业集聚一次项系数为正，二次项系数为负，说明工业集聚与经济增长存在着明显的倒U型关系。这也与“威廉姆斯假说”（Williamson，1965）（Williamson Hypothesis）①以及国内外许多学者对产业集聚与经济增长关系的研究相一致（Brulhart M，2009；洪娟，2012；魏玮，2013）。在集聚快速成长期，源于劳动力市场共享、专业化投入与服务、知识及信息的流动等因素，产业集聚推动经济增长；当集聚发展到一定水平时，由于竞争过于激烈、资源短缺以及要素过于拥挤等因素诱发的集聚分散力可能会超过集聚初始向心力，从而对经济产生消极影响。

具体来看，对于资源密集型产业，参与回归的各解释变量和控制变量都在1%水平上显著。其中，区位商代表的产业集聚一次项系数为正，二次项系数为负，说明资源密集型产业的集聚与经济增长存在着明显的倒U型关系，即资源密集型的产业在集聚初期对经济增长的影响是正向的，起到推动作用，但是当集聚水平达到一定程度后，会对经济增长产生负影响，阻碍经济增长。自然资源作为物质生产活动的必要投入品，成为经济发展的重要物质基础，对国民财富的初始积累起到了非常关键的作用。资源密集型产业促使生产力获得较大发展，创造了巨大财富，但对资源环境不合理地开发和使用，也导致了许多严重的环境污染问题。随着时间的推移，一方面，各资源城市在开发建设中只考虑资源的开采，而忽略了城市发展的条件和因素，导致城市区位条件差、自我发展能力较弱。另一方面，城市产业单一，资源型产业既是主导产业，又是支柱产业，城市对资源产业的依赖性很大，造成城市功能不全，第三产业以及可替代产业发展落后。所以经济增速下降，产业集聚负外部性显现。依据我们的回归结果，可以计算出经济由增长转向下降的产业集聚的极值点，其区位商数值为8.187。所以，当一个城市的资源密集型产业区位商低于8.187时，产业集聚将对当地经济增长起促进作用。反之，则会抑制经济的增长。长江中游城市群的38个城市中，2006—2011年潜江和淮南资源密集型产业的区位商平均值超过了5.86，分别为9.24和11.35。潜江被誉为“江汉油城”，是我国南方重要的油气勘探开发与石油能源基地，2009年被国务院确定为第二批资源枯竭型城市。淮南是一个因煤而建、而兴的资源型城市，被称作中国能源之都。两座城市都面临着产业结构单一而带来经济崩溃的风险。由于长期以来对资源的过度依赖，导致接续与替代的综合产业链发展空间受限，单一资源发展路径在“城市自我深化”的锁定过程也使产业转型存在着不确定的风险。本文的分析结果在一定程度上验证了Auty（2001）“资源诅咒”（Resource Curse）②的假说，丰富的资源对一些地区的经济增长而言并不是充分的有利条件，反而是一种限制。

表4 产业集聚与经济增长的系统GMM估计结果

对于劳动密集型产业，参与回归的各解释变量和控制变量都在1%或5%水平上显著。但和资源密集型产业回归结果不同的是，区位商代表的产业集聚一次项系数为负，二次项系数为正，说明劳动密集型产业的集聚与经济增长存在着明显的U型关系。劳动密集型产业集聚的初始阶段可能会较快出现负面影响，而当集聚达到一定程度后，将对地方经济产生明显的促进作用。这主要是因为在发展的初期，劳动密集型产业不需要大量的投资，而长江中游城市群劳动力资源丰富且廉价，由于行业进入门槛低，当某一地区有利可图时，就会在短时间内吸引大量的企业。企业间激烈的竞争会导致行业利润降低，基础设施、资源环境压力不断增大，交通拥堵、环境破坏以及要素瓶颈等问题都将进一步制约地区经济的可持续发展，集聚不经济占主导地位。经过一段时间的筛选和淘汰后，大量中小型企业倒闭，剩余的是那些竞争力较强的大型企业集团，并且出现几家企业控制市场的局面，此时产业集中度进一步提高。由于规模经济效应得以发挥，由此带来技术、知识外溢并促进科技创新；另外，空间的临近性大大降低了企业间的交易成本。良好的外部环境有利于提升资源的利用效率，从而促进经济的增长。根据解释变量的估计系数，我们可以计算出由区位商代表产业集聚的极值点，其数值为1.451。而2006—2011年长江中游城市群38个城市劳动密集型产业区位商的平均值为1.237，和1.451比较接近，说明现阶段整体而言长江中游城市群劳动密集型产业处于U型曲线的极值点附近，产业发展已经开始从量变走向质变，产业集聚程度的进一步提升将有利于经济增长。

对于资本密集型产业和技术密集型产业，除从业人员总人数的对数项不显著外，其余参与回归的各解释变量和控制变量都在1%或5%水平上显著。和劳动密集型产业回归结果相类似的是，区位商代表的产业集聚一次项系数为负，二次项系数为正，说明资本密集型产业和技术密集型产业的集聚与经济增长存在明显的U型关系。在产业发展初期，处于快速工业化和城市化的地区，很有可能会陷入产业集聚的盲目性、无序性等形式的困境中。不顾产业集聚发展的条件和规律，各地区盲目建立产业集聚区，尤其是各类经济开发区和高新区；由于缺乏知识产权保护和行业自律，企业间竞相压价和模仿，创新行为所产生的外部经济不能内部化，“逐底竞争”③成为产业集聚的显著特征。由于产业聚集过程中产生的负外部性明显滞后于正外部性，将会阻碍地区经济的发展。当集聚程度提高后，又会降低交易成本和创新成本，促进经济的高速增长。一般认为，工业内部各产业的技术密集度差异很大，而技术密集度不同的产业知识溢出会存在差别。根据内生增长理论，知识溢出是促进长期经济增长的根本原因。技术含量高的生产活动集中时研发和技术知识的溢出更强，因而技术密集型产业的集聚比劳动密集型产业和资本密集型产业的集聚对经济增长产生更大的正效应，比较回归系数发现，技术密集型产业的系数值确实高于资本密集型产业和劳动密集型产业。无论是资本密集型产业还是技术密集型产业，其产业集聚极值点的数值（2.684和1.074）均高于2006—2011年长江中游城市群的平均值（1.016和0.852），很显然现阶段长江中游城市群资本密集型产业和技术密集型产业仍然属于粗放式的增长，离制造业的先进化、高端化还有较大的差距。要实现经济的快速增长，必须首先提高这两类产业的集聚水平。

四、结论与启示

本文在长江中游城市群2006—2011年工业数据的基础上，运用动态面板GMM估计方法对长江中游城市群产业集聚与经济增长的关系作了实证检验。尽管对工业整体的分析结果显示，产业集聚与经济增长呈现倒U型关系，但是对工业按要素密集度进一步分类后发现，不同类别产业与经济增长的关系差异较大。具体而言，资源密集型产业的集聚与经济增长存在倒U型关系，劳动密集型、资本密集型和技术密集型产业的集聚与经济增长存在U型关系。

相比于其他得出产业集聚与经济增长存在倒U型关系结论的研究，本文发现倒U型的曲线特征并不适用于所有的产业，因此对于不同产业的规划与布局需要差别而论。和其他文献产生区别的原因可能是这类文献多选取工业或制造业等宏观层面研究对象，而本文研究对象则较为中观，因而结论有所差异，也更具有现实意义。根据上述研究结果，对于长江中游城市群而言，提高劳动密集型、资本密集型和技术密集型产业的集聚程度，在一定程度上有利于产生规模经济，扩大经济规模。因此，政府应立足于加强基础设施以及服务环境建设，促进这三类产业活动的空间集聚，从而推动整个城市群的良性互动与发展。此外，长江中游城市群要摆脱对于资源密集型产业的过度依附，加快调整和提升产业结构；同时积极培育和壮大劳动密集型、资本密集型和技术密集型产业，通过持续的科技创新促进经济长期稳定的增长。加强产业集聚的水平和垂直分工，引导形成各集聚产业间的分工网络体系，实现整个城市群的可持续发展。

注释

①威廉姆斯假说认为，空间集聚在经济发展初期能显著促进效率提升，但达到某一门槛值后，空间集聚对经济增长的影响变小，甚至不利于经济增长，拥挤外部性更倾向于分散的地理空间结构。②1993年，Auty在研究产矿国经济发展问题时第一次提出了这个概念，即丰裕的资源对一些国家的经济增长并不是充分的有利条件，反而是一种限制。③“逐底竞争”用来形容竞争参与者为了寻找最高回报率，不惜以牺牲道德、触犯法律为代价。

［1］Arellano M，Bond S.Some Test of Specification for Panel Data:Monte Carlo Evidence and Application to Employment Equations［J］.Review of Economic Studies，1991，58（2）:277-297.

［2］Auty R.Resource Abundance and Economic Development［M］.Oxford：Oxford University Press，2001.

［3］Baldwin R，Forslid R.The Core-Periphery Model and Endogenous Growth：Stabilizing and Destabilizing Integration［J］.Economica，2000，（67）:307-324.

［4］Blundel R，Bond S.Initial Conditions and Moment Restrictions in Dynamic Panel Data Models［J］.Journal of Econometrics，1998，87 （1）:115-143.

［5］Brulhart M，Sbergami F.Agglomeration and Growth：Cross-country Evidence［J］.Journal of Urban Economics，2009，65（1）:48-63.

［6］Cerina F，Mureddu F.Is Agglomeration Really Good for Growth?Global Efficiency，Interregional Equity and Uneven Growth［J］.Journal of Urban Economics，2014，（84）：9-22.

［7］Crozet M，Koenig P.The Cohesion Vs Growth Trade off：Evidence from EU Regions（1980-2000）［EB/OL］.Econpapers，http://www.ersa.org/ersaconfs/ersa05/papers/716.pdf.2007.

［8］Fujita M，Thisse J.Does Geographical Agglomeration Foster Economic Growth?And Who Gains and Who Loses From It［J］.The Japanese Economic Review，2003，54（2）:121-145.

［9］Krugman P.Increasing Returns and Economic Geography［J］.Journal of Political Economy，1991，9（3）:483-499.

［10］Marshall A.Principles of Economics:An Introductory［M］.London:Macmillan，1890.

［11］Martin P，Ottaviano G.Growth and Agglomeration［J］.International Economic Review，2001，42（4）:947-968.

［12］Williamson J. Regional Inequality and the Process of National Development［J］.Economic Development and Cultural Change，1965，13（4）:1-84.

［13］Windmeijer F.A Finite Sample Correction for the Variance of Linear Efficient Two-step GMM Estimators［J］.Journal of Econometrics，2005，126（1）:25-51.

［14］洪娟，廖信林．长三角城市群内制造业集聚与经济增长的实证研究——基于动态面板数据一阶差分广义矩方法的分析［J］．中央财经大学学报，2012，（4）：85-90．

［15］潘文卿，刘庆．中国制造业产业集聚与地区经济增长——基于中国工业企业数据的研究［J］．清华大学学报：哲学社会科学版，2012，27（1）：137-147．

［17］王岳平．开放条件下工业结构升级［M］．北京：经济管理出版社，2004．

［18］魏玮，马松昌．基于动态面板GMM分析的产业集聚与经济增长实证研究——以山东半岛城市群为例［J］．上海经济研究，2013，（6）：23-31．

［19］闫逢柱，乔娟．产业集聚一定有利于产业成长吗？——基于中国制造业的实证分析［J］．经济评论，2010，（5）：63-71．