高技术产业空间差距及分布时空演进
2016-08-17吕承超商圆月
吕承超 商圆月
[内容摘要]高新技术产业自20世纪50年代兴起以来，发展规模不断扩大，产业高端化发展趋势凸显，同时也存在严重的空间发展不平衡与多极化现象，这不利于我国产业结构升级。本文以主营业务收入作为衡量高技术产业发展水平的指标，利用Dagum基尼系数测度高技术产业整体及区域的空间差距，采用kernel密度估计探究高技术产业分布的动态演进，引用空间马尔科夫链讨论高技术产业分布的空间演进。研究发现：中国高技术产业发展水平逐年提高，但呈现东、中、西递减趋势，东部地区具有产业集聚现象；中国高技术产业空间差距、地区内差距和地区间差距均有下降趋势，导致空间差距的主导因素在不断变化，东、中、西部地区高技术产业在部分年份具有极化现象，邻域高技术产业的发展水平对本地区产业发展水平存在影响。
[关键词]高技术产业；Dagum基尼系数；kernel密度估计；空间马尔科夫链
一、引言及文献综述
高技术产业是以尖端科技和高新技术为基础，从事产品研发、技术创新、服务建设的企业集合，主要包括新材料、信息技术、生物技术三大领域。中国高新技术产业自20世纪50年代兴起以来，产业规模显著扩大，新兴产业门类不断涌现，高端化发展趋势日趋凸显，并逐步形成了长三角、珠三角、环渤海等独具特色的高新产业带和分别以北京中关村科技园区、上海高新区、深圳高新区、西安一杨凌高新区为中心的四大高技术产业密集区。从高新技术产业带和产业密集区的地理分布来看，产业带和产业密集区主要集中分布于东部沿海地区。以2013年为例，东部高技术产业主营业务收入为88334.62亿元，占当年高技术产业主营业务总收入的76.12%；中部主营业务收入为16520.22亿元，占高技术产业主营业务总收入的14.23%；西部主营业务收入为11204.06亿元，仅占高技术产业主营业务总收入的9.65%。就高技术产业主营业务收入来说，东部主营业务收入是中西部主营业务收入总和的3倍多；就高技术产业的企业数而言，东部高技术产业企业数为19496个，中部高技术产业企业数为4996个，西部高技术产业企业数为2402个。由此可见，从地理分布上中国高技术产业的空间差距十分明显。为此，本文对中国高技术产业空间差距及分布时空演进展开研究，旨在探索中国高技术产业分布是如何从时间和空间两个方面进行演进的，又将向何方发展？
目前，国内外学者对中国高技术产业空间差距及分布时空演进的研究主要集中在两个方面：
（一）高技术产业的空间差距研究
大部分学者通过各类指数及计量模型测度中国高技术产业的空间集聚现象。刘志迎和邓丽君发现，在1995-2004年我国高技术产业存在明显区域聚集，电子及通信设备和电子计算机等行业对高技术产业空间集聚的影响最大。梁晓艳等发现，在1995-2004年中国高技术产业不平衡程度正在逐渐加剧，且集聚在少数省区。韦素琼和李健发现，福建省高技术产业分布不均衡，高度集中在福州和厦门。施海燕等在从投入和产出方面进行分析后发现，中国高技术产业呈现两极化分布，东部沿海地区高技术产业存在显著的集聚效应。随着研究的深入，另有学者对差距来源和集聚的相关关系进行探究。刘华军和赵浩认为，在1995-2010年中国高技术产业空间非均衡特征显著，地区间差距是造成产业空间差距的主要来源。金春雨和王伟强从空间计量分析产业聚集，研究表明中国高技术产业空间集聚特征显著，区域间的产业集聚存在正相关关系。Aleeke等将德国制造业与产业特征、产业集聚理论联系，发现产业集群和高科技产业之间没有必然联系。
（二）高技术产业分布时空演进研究
部分学者以时间为轴线，研究世界及中国高技术产业的演进阶段。王铮等发现，世界高技术产业的空间集聚大致经历在大学附近聚集、科技园区、产业连绵带和企业分蘖4个阶段。许箫迪等利用信息熵和β指数发现中国高技术产业呈现“均衡-非均衡-均衡”的演变格局，且存在地理集中和地方性的行业垄断特征。然而，仅考虑时间层次产业演进研究显得相对狭隘，因此，部分学者提出将时间和空间有效结合来研究产业演进。丁焕峰和杜丽璇认为，广东省高技术产业的演化在时间上呈现“均衡一非均衡一均衡”的格局，在空间上表现为地理集中，且主要集中在珠三角地区。孙玉涛等发现，高技术产业以外部引进扩张模式为主，地域分布向东部沿海聚集，产业结构优化升级较慢。张弢和吴林兵发现，2002-2011年的高技术产业总产值呈上升趋势，空间演进呈现“不均衡-均衡-不均衡”特征，2002-2004年产业向少数省份聚集，2004年以后集聚放缓。Sun等研究发现，高技术产业转移模式包括震动传递和冲击转移，并用概念模型解释两种模式的转移机制。Zhang等发现，北京市高技术产业总体上具有明显的集聚特征，并且热点由中心城市向郊区转移，与1996年相比高科技公司多分布在北京市区。
综上所述，现有研究更多地关注高技术产业空间差距，对中国或局部高技术产业空间分布动态演进的研究不足。现存文献中，还没有学者将kernel密度估计和马尔科夫链运用于高技术产业空间研究中。为此，本文对1997-2013年中国高技术产业空间差距及其差距来源进行分析，并模拟中国31个省、自治区、直辖市的空间演进过程，把握地区发展的内部动态性及长期稳态分布，探究高技术产业空间效应对地区发展的影响，从而为高新技术产业的发展提供决策依据。
二、研究方法和数据
（一）研究方法
1.Dagum基尼系数及按子群分解方法。为了弥补泰尔指数小样本、异方差、分布不对称性的缺陷，Dagum提出一种新的基尼系数分解方法将基尼系数分为地区内差距贡献、地区间净值差距贡献和超变密度，有效解决空间差距来源问题。本文将研究对象分为东、中、西3个子群，利用Dagum基尼系数分析高技术产业地区差距问题。基尼系数定义如公式（1）所示，其中，n表示中国的省份个数，k表示划分的区域个数，j和h分别表示k个区域中的不同区域，y为中国高技术产业平均收入。另外，在进行地区划分时，首先将k个区域按平均收入进行排序。
根据Dagum基尼系数的分解，将基尼系数分解为地区内差距贡献Gw、地区间净值差距贡献Gnb和超变密度贡献Gt这3个部分，且满足G=Gw+Gnb+Gt。公式（2）和（3）表示地区内基尼系数Gjj和地区内差距贡献Gw；公式（4）和（5）表示地区间基尼系数Gjh和地区间净值差距贡献Gnb；公式（6）表示超变密度贡献Gt。其中：nj和nh分别表示j和h地区包含的省份个数；yji表示j地区第i个省份的高技术产业企业的平均收入；yhr表示h地区r省份高技术产业平均收入。
2.Kernel密度估计。核密度估计法是一种非参数估计法，主要用于随机变量概率密度估计，也被广泛用于空间差距研究中。Rosenblmt提出“核密度估计法”（kernel density estimation），该方法基于已知核函数推算出密度函数的光滑估计，从而找出随机变量的分布形态。假设随机变量x的概率密度函数为f（x），在x0的概率密度为f（x0），如公式（10）所示。其中，n为观测值个数，h为带宽（bandwidth），函数K（·）为核函数，本质上是权重函数，xi为独立同分布的观测值。
根据Kernel密度函数的表达形式不同，核函数分为uniform核、Triangular核、Epanechnikov核、Rectangle核和Gaussian核等类型。本文选用高斯核函数对高技术产业的分布动态进行估算，表达式如下：
3.空间马尔科夫链。该方法将研究对象划分为N种类型，通过马尔科夫转移矩阵得出转变概率，从而模拟出高技术产业的动态演进。马尔科夫链是一个随机过程{x（t），t∈T}，时间集合T对应各个时期，有限状态对应变量状态数，公式如式（12）所示。
状态转移就是指随机变量从一种状态转变为另一种状态。如果将高技术产业按省份平均产值高低划分为n种类型，就可以得到一个n×n的转移矩阵。空间马尔科夫链是将传统马尔科夫链与空间滞后结合，引入滞后算子构造空间马尔科夫转移矩阵，进而分析周边环境对地区动态演进的影响。本文的空间马尔科夫转移矩阵以初始年份高技术产业主营业务收入的空间滞后（高技术产业主营业务收入的加权平均）为条件，将初始状态的空间滞后划分为n种等级，让每种等级的空间滞后都对应着一个n×n的条件转移矩阵。具体的元素矩阵mij|λ表示在邻近省份的空间滞后类型为λ的条件下，该地区经过a年由初始状态i转变为状态j的概率。
（二）数据来源及处理
本文中的数据来源于《中国高技术产业统计年鉴》，时间跨度为1997-2013年。鉴于数据的时效性和可获得性，本文在计量分析部分采用的数据包括各省高技术产业主营业务收入和各省高技术产业企业数，用二者的比值即平均收入来衡量高技术产业发展水平。除香港、澳门、台湾地区外，本文将我国划分为三大区域，其中东部地区包括北京、天津、河北、山东、辽宁、江苏、浙江、上海、广东、福建、海南；中部地区包括内蒙古、吉林、黑龙江、山西、安徽、江西、河南、湖北、湖南；西部地区包括广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。
三、中国高技术产业空间差距测度及分解
本文根据Dagum基尼系数，将高技术产业按照东、中、西部3个区域进行分解，分别测度了1997-2013年高技术产业差距及子群分解差距，结果见表1。
（一）高技术产业空间差距及演变
从演变趋势看，1997-2013年中国高技术产业空间差距大体呈现“倒U”型发展趋势。若以1997年为基期，2013年中国高技术产业差距年均下降1.46%。这表明随着时间的推移，中国高技术产业空间差距在不断缩小。从具体数值看，考察期内高技术产业空间差距变化并不平稳，呈现两阶段变化趋势：第一阶段为1997-2004年，此阶段空间差距呈现上升和下降的反复波动趋势，除1999年和2004年空间差距有所下降以外，其余年份空间差距均在增加，其中2003年空间差距达到0.392，为考察期内空间差距最大值；第二阶段为2005-2013年，此阶段除2013年空间差距略有升高外，其余年份差距维持下降趋势，且由2005年的0.383下降为2013年的0.264，年均下降4.54%。
（二）高技术产业地区内差距及演变
从演变趋势看，东、中、西三大地区的地区内差距呈现下降趋势，只是下降幅度有所不同。若以1997年为基期，2013年东、中、西地区内的差距年均分别下降0.29%、3.40%和0.55%。从具体数值看，总体地区内差距变化趋势可以分为3个阶段：1997-2003年西部地区内差距大于东、中部地区；2004-2007年东部地区内差距最大，西部其次；2008-2013年西部地区内差距最大，东部最小。从区域划分来看，三大地区内差距都出现不同程度的反复波动，东部地区内差距的演变趋势呈现两阶段式变化，1997-2004年地区内差距出现上升和下降的反复波动，2004-2012年地区内差距维持下降态势；中部地区的地区内差距波动幅度较大，在考察期内呈现上升-下降的反复波动态势，1997-1999年地区内差距呈现上涨趋势，2002-2011年基本维持下降态势（除2004年和2009年外），随后连续两年增加；西部地区内差距的下降幅度大于上升幅度，整体呈现下降态势，1997-2008年维持下降趋势（除1998年外），2009-2013年地区内差距维持上升趋势。
（三）高技术产业地区间差距及演变
从演变趋势看，在考察期内高技术产业地区间差距下降幅度要大于上升幅度，且中国高技术产业地区间差距逐渐缩小。若以1997年为基期，东一中、东一西、中一西地区间差距分别年均下降3.61%、0.76%和0.85%。从具体数值看，1997-2011年东一西地区间差距最大，东一中地区次之。2012年地区间差距空间分布发生变化，中一西地区间差距首次超过东一中地区，位列第二。从区域划分看，东一西、东一中变化趋势趋同，大体呈现“两头小，中间大”的发展趋势，且分别于2013年达到考察期内地区间差距最小值0.336和0.210；中一西部地区间差距变化相对平稳，维持在0.2和0.4之间。
（四）高技术产业空间差距来源及贡献率
从变化趋势看，空间差距来源的分布可以分为3个层次：（1）1997-2001年和2011-2013年，超变密度是导致高技术产业空间差距的主要因素，地区内差距为次要因素；（2）2002-2004年和2008-2010年，超变密度仍然是主要因素，而地区间差距变成次要因素；（3）2005-2007年地区间差距成为导致空间差距的主要原因，超变密度变为次要原因。从具体数值看，地区内差距贡献变化比较平稳，地区间差距和超变密度贡献波动幅度较大。若以1997年为基期，地区间差距贡献年均下降4.42%，超变密度、地区内差距贡献年均分别上升0.32%和0.41%。另外，地区内差距贡献大体呈现下降一上升的变化趋势，贡献率始终在24%和30%之间变化；地区间差距和超变密度贡献变化趋势恰好相反，地区间差距呈现“倒U”型变化趋势，而超变密度呈现“U”型变化趋势，地区内差距于2006年达到考察期最小值35.1%，而超变密度于2006年达到考察期最大值41.21%。
四、中国高技术产业分布时空演进
（一）中国高技术产业分布动态演进——基于kernel密度估计
本文使用Kernel密度估计分析考察期内高技术产业的分布动态演进，不仅可以刻画高技术产业空间分布的整体形态，还可以通过对不同时期产业发展形态进行比较，把握高技术产业空间分布动态特征。
1.中国高技术产业Kernel密度估计。中国高技术产业核密度估计结果如图1所示。从整体来看，中国高技术产业分布动态演进呈现以下动态特征：（1）样本考察期内中国高技术产业核密度估计曲线整体向右偏移，这表明高技术产业发展水平不断从低向高演变，且高水平省市数量逐年增加。（2）从波峰形态来看，波峰经历了从扁平到陡峭再到扁平的过程。与1997年相比，2001年波峰变陡峭且宽度变窄，密度函数中心左移，表明高技术产业空间差距缩小；而2013年波峰又再次变得扁平，密度函数中心右移，但与1997年相比，峰值仍然较高且陡峭，这表明中国高技术产业空间差距整体具有减小态势。（3）从波峰数量来看，波峰分布呈现“单峰-双峰-单峰”变化趋势，初始时刻波峰由一个主峰构成，2005年波峰由一个主峰和一个侧峰构成，这表明高技术产业随着时间的推移出现了不太显著的两极化格局，之后波峰由两个变为一个表明极化现象消失。
2.东部高技术产业Kernel密度估计。东部高技术产业Kernel密度估计结果如图2所示。东部高技术产业分布动态演进特征如下：（1）从图形整体位置变化看，1997-2013年东部高技术产业整体分布向右移动，曲线中心也不断右移，这说明东部地区高技术产业发展水平整体显著提高。（2）从分布形态看，波峰呈现扁平——陡峭的波动趋势，其中，2001年比1997年波峰更加陡峭，且曲线中心有左移趋势，表明东部高技术产业空间差距变小了；而2005年波峰较为扁平，峰值减小，变化区间增大，表明2005年东部高技术产业空间差距较大；2009年、2013年波峰较为陡峭，意味着高技术产业空间差距在变小。（3）从波峰的数量看，除了1997年、2001年为明显的单峰分布外，其余年份均为双峰分布，尤其是2005年曲线具有明显的双峰特征，说明考察期末东部高技术产业极化现象较为突出。
3.中部高技术产业Kernel密度估计。中部高技术产业Kernel密度估计结果如图3所示。通过研究核密度曲线分布形态及波峰，可以得出中部高技术产业分布动态演进的特点：（1）1997-2013年波峰分布越来越陡峭，波峰宽度逐渐收窄，密度函数中心整体左移，说明中部高技术产业空间差距在不断减小；（2）从波峰数量看，考察期内分布曲线均有多个波峰，主要形态表现为一个主峰和多个侧峰，并且侧锋形态逐渐显著，表明中部地区高技术产业存在多极分化现象，并且极化程度有增加的趋势。
4.西部高技术产业Kernel密度估计。西部高技术产业Kernel密度估计结果如图4所示。通过对西部地区高技术产业分布形态进行分析，可以得出以下结论：（1）1997年、2001年、2005年、2009年分布曲线波动较小，高技术产业发展分布右拖尾较长，表明发展速度较快省份与速度较慢省份差距相对较大；2013年波峰宽度逐渐收窄，密度函数中心向左偏移，说明西部高技术产业空间差距较其他年份具有明显下降趋势。（2）波峰数量除了2005年有一个波峰外，其他年份都有两个或两个以上波峰，但均有一个主峰，这说明考察期内西部高技术产业存在极化现象，表现为两极分化或多极分化。
（二）中国高技术产业分布空间演进——空间马尔科夫链
上文kernel密度估计虽然清晰描述了中国高技术产业分布时间演进特征，但未能反映出高技术产业各省市空间演进的概率和路径。为此，本文采用马尔科夫链，构造转移概率矩阵，考察不同时间中国高技术产业地区内和地区间流动性，及产业转移的空间效应，其计算结果如表2所示。本文根据高技术产业发展水平高低和发展速度快慢，将高技术产业划分为5种类型，即高水平、较高水平、中水平、较低水平和低水平。
通过将空间马尔科夫转移矩阵和传统马尔科夫转移矩阵进行比较，发现邻域高技术产业的发展水平对本区域高技术产业发展水平存在影响，但作用方向有所区别，因此可能会产生正向的促进作用或反向的抑制作用。空间滞后的影响作用具体表现在：（1）当邻域处于不同发展水平时，各区域的转移概率矩阵与无空间滞后的转移概率矩阵相比，存在较大差异。例如，当不考虑空间滞后时，类型1稳定的概率为87.93%，向类型2转移的概率为12.07%；在考虑空间滞后的影响后，类型1稳定的概率分别变为90.91%、87.18%、90.91%、87.80%和66.67%，其分别向类型2转移的概率分别为9.09%、12.82%、9.09%、12.20%和33.33%。（2）邻域发展水平的提高会减小本区域发展水平向下转移的概率。例如，当分别以5种类型的省市为邻时，类型3的省市向类型2转移的概率分别为33.33%、30.00%、14.29%、11.11%和4.35%。与不考虑空间滞后的12.50%相比，向下转移的概率随着邻域发展水平提高而不断减小。（3）邻域发展水平的提高会增加本区域发展水平向上转移的概率。例如，在不考虑空间滞后的条件下，属于类型2的省市向类型3转移的概率为15.66%；在考虑空间滞后时，类型2向类型3转移的概率分别为0.00%、25.00%、18.75%、12.20%和12.50%。从总体来看，考虑空间滞后时转移概率下降的幅度要大于上升的幅度。
通过上述分析，可以发现若以发展水平比自己弱的省市为邻，将会受到邻域低发展水平的反向作用，导致自身向上转移的可能性降低，邻域向上转移的可能性升高；若以发展水平比自己强的省市为邻，本地区将会受到邻域地区的带动作用，增加产值及就业机会，促进经济发展，增加向高水平转移的概率，降低向低水平转移的概率。
五、结论与政策建议
本文运用地理信息系统、Dagum基尼系数、Kernel密度估计、空间马尔可夫链等研究工具，探究1997-2013年中国高技术产业空间差距及分布时空演进，得出4点结论：（1）从地理分布看，尽管产业平均收入逐年增加，但区域收入还存在显著差距。大批量、收入高的高技术企业在东中部形成产业集聚，而西部地区从事高技术产业的企业数量少，且整体收入偏低。（2）根据Dagum基尼系数及按子群分解发现，高技术产业空间差距、三大区域地区内及地区间差距均呈现下降趋势。由于地区内差距、地区间差距和超变密度在考察期内是不断波动的，导致高技术产业空间差距主导因素也不是一成不变的。除了2004-2007年外，其余年份超变密度均是导致产业空间差距的主导因素，这与刘华军和赵浩的研究结果有所区别。（3）通过ker-nel密度估计，发现高技术产业的整体发展水平在不断提高，高水平省市的数量在逐年增加，高技术产业空间差距在不断减小，多极化趋势在2005年出现后逐渐消失；东部地区高技术产业发展水平显著提高，地区内空间差距整体减小，极化现象在考察期末出现；中部地区高技术产业空间差距逐年减小，极化程度不断加剧；西部地区高技术产业空间差距整体具有减小趋势，考察期内具有两极或多极分化现象。（4）通过传统和空间马尔可夫的比较，可知与高技术产业发展水平较弱的省市为邻，其空间影响作用较小，对本地区促进作用不显著，但以发展水平较强的省市为邻，其空间辐射作用较为显著，增强向高水平转移的概率，降低向低水平转移的概率。
从研究结果看，高技术产业存在明显的空间差距，中西部极化现象明显，且由于各地区高技术产业发展水平参差不齐，空间效应也有所不同。为缩小高技术产业的空间差距，削弱地区极化，推动产业协调发展，本文根据研究成果提出如下建议：（1）强化高水平高技术产业的产业优势，增强其产业带动作用，提升高水平地区创新利用效率，减少创新资源浪费。（2）加大中低水平的产业研发投入，发展特色优势产业，加快高技术产业园区的基础设施和服务建设，优化产业布局。（3）推动东部地区产业向中西部地区转移，减小高技术产业的地区间差距，吸引外商企业在中西部投资设厂。（4）加强三大区域间的产业合作，打破行政区域限制，推动高技术产业空间一体化和市场一体化，促进资源在区域内和区域间的自由流动，实现区域间的信息共享，统筹高技术产业发展。
[收稿日期：2016.3.5 责任编辑：张友树]
