生产性服务业与制造业协同集聚是否能促进经济增长
——基于中国285个地级市的面板数据
2016-11-09豆建民刘叶
豆建民 刘叶
(上海财经大学 城市与区域科学学院，上海200433)
生产性服务业与制造业协同集聚是否能促进经济增长
——基于中国285个地级市的面板数据
豆建民刘叶
(上海财经大学 城市与区域科学学院，上海200433)
以2003—2012年中国285个地级市为样本，利用面板数据门限回归模型，实证研究了生产性服务业与制造业协同集聚对不同规模城市经济增长的门限效应。结果表明：协同集聚对城市经济增长存在双重门限效应。当城市规模小于23.004万时，协同集聚对城市经济增长表现出明显抑制作用；当城市规模处于23.004万和199.996万之间时，两个产业间的互补效应逐渐显现，城市经济也从协同集聚中获得好处；当城市规模大于199.996万时，受资源、环境等条件限制，协同集聚对城市经济显示出一定抑制作用。
生产性服务业；制造业；协同集聚 ；经济增长；门限效应
一、引言
产业集聚是一个国家或地区经济发展的重要特征，其与经济增长之间的关系是现代经济增长理论的核心问题之一。20世纪90年代以来，生产性服务业快速发展并逐渐成为推动我国城市经济增长的重要动力。随着经济全球化的深入和信息技术的完善，生产性服务业集聚程度不断提高，其与制造业集聚在空间上形成了互动发展的态势，两个产业间的协同集聚也受到越来越多学者的关注。他们从产业关联和产业分工、协同效应与产业结构升级、产业间的互动效应等方面对生产性服务业与制造业协同集聚现象的存在性与差异性、空间分布与水平测度、内在形成机制与演化机理等做了一系列的理论推演和实证剖析。总体来看，生产性服务业与制造业协同集聚的相关研究方向主要有：协同集聚的存在性研究(Guerrieri和Meliciani,2005[1]; Andersson,2006[2];Ellison,2010[3];高峰和刘志彪,2008[4];张益丰和黎美玲,2010[5];吉亚辉等，2012[6];柯善咨等,2014[7];吉亚辉和段荣荣,2014[8]等)；协同集聚的差异性研究(Desmet和Fafchamps,2005[9];陈国亮,2010[10];陈建军和陈菁菁,2011[11]；张晓涛和李芳芳，
2012[12]；詹宇铎等，2012[13];陈娜和顾乃华,2013[14]等)；空间分布与水平测度研究(王晓娟和陈建军,2006[15];邱灵等,2008[16];江曼琦和席强敏,2014[17];崔大树和杨永亮,2014[18];陆剑宝,2014[19];陈晓峰和陈昭锋,2014[20];胡艳和朱文霞,2015[21]等)；4. 内在形成机制与演化机理研究(王硕和郭晓旭,2012[22];陈国亮和陈建军,2012[23]等)。
那么，生产性服务业与制造业的协同集聚与我国城市经济增长之间是否存在必然的联系？进一步，这种协同集聚对不同城市经济发展的影响又有怎样的差异？从理论上讲，产业集聚可以通过地理上的邻近获得劳动力等要素资源的共享、知识与信息的外溢等，进而促进经济的增长。而生产性服务业与制造业间的协同集聚则会在产业关联效应的作用下，有效推动两类产业的互动与融合，实现产业的升级，进而促进区域经济的发展。陈晓峰和陈昭锋(2014)[20]、胡艳和朱文霞(2015)[21]通过相关实证研究认为，生产性服务业与制造业协同集聚对区域经济增长有促进作用。图1是2012年我国地级及以上城市人均GDP和生产性服务业与制造业协同集聚(下文简称“协同集聚”)相关关系的散点图，横轴为市辖区生产性服务业与制造业的协同集聚度的自然对数，纵轴为市辖区人均GDP(利用各省CPI折算的以2000年为基期的实际值)的自然对数。由图可知，人均GDP与协同集聚之间呈现正相关关系(系数在p<0.01的水平下显著)。
图1 2012年城市人均GDP和生产性服务业与制造业协同集聚散点图
但事实上，产业集聚对城市经济增长的影响存在很多约束机制，以至于在将这些理论分析应用于实证检验时得出不相一致的结论。Williamson(1965)在研究空间集聚与早期的经济发展关系时便提出“威廉姆森假说”，指出空间集聚在经济发展初期会显著促进地区经济效率的提升，但当经济发展水平达到某一门槛值后，集聚对经济增长的促进作用会变小甚至为负[24]。Brülhart和Sbergami(2009)利用国家面板数据研究发现，只有经济发展到一定水平时，产业集聚才会促进地区的经济增长[25]。徐盈之、刘修岩等(2011)利用中国省域面板数据，通过门槛面板回归模型考察了制造业集聚与经济增长之间的关系，其研究结果表明威廉姆森假说在中国显著存在[26]。孙浦阳、武力超等(2011)在研究国家内部经济活动的空间集聚对经济增长的影响时，发现对外贸易会抑制国内产业集聚对地区经济增长的促进作用[27]。王丽丽(2011)基于贸易开放的视角，对制造业集聚与全要素生产率增长之间的门限效应进行了检验，其研究结果表明制造业集聚与全要素生产率增长之间存在显著的贸易开放双门槛效应[28]。纪玉俊等(2015)以对外开放水平为门限变量构造了门限回归模型，对城市服务业集聚与经济增长进行了研究，结果表明城市服务业集聚对经济增长的影响存在门限效应[29]。于斌斌(2015)在研究城市群产业集聚对经济效率差异的门槛效应时指出，产业集聚对城市经济增长和效率提升的外部性会受到城市规模的约束，产业集聚只有在城市达到一定规模后才能产生规模报酬递增效应，从而促进城市经济的增长与效率改善[30]。
综上所述，当前相关研究多从单一产业或者整个产业来分析产业集聚对地区经济增长的门限效应，鲜有涉及生产性服务业与制造业协同集聚与经济增长关系的研究。而仅有的几篇文献，也是在没有考虑任何约束机制的前提下，得出协同集聚能够促进地区经济增长的结论。陈国亮和陈建军(2012)在研究二三产业共同集聚的内在机制时提出，随着城市规模的变化，二三产业的空间分布也发生一定变化，而其影响机制则是通过商务成本的作用使得二三产业在城市内部形成互补与挤出效应的动态变化[23]。于是，考虑到产业空间分布与城市规模间的关系，本文认为产业协同集聚与城市经济增长之间应该并非简单的线性相关关系，即前者对后者的影响可能会随着城市规模的不同而不同。因此，本文在以往研究的基础上利用我国285个地级市的面板数据，分析了生产性服务业与制造业集聚对城市经济增长的影响，并引入城市规模作为门限变量构建面板门限回归模型进行实证检验。在各城市和地区日益重视本地比较优势的背景下，深入探讨产业协同集聚与城市经济发展之间的关系，对于不同规模等级的城市选择合理的产业结构和功能定位，推动城市内部产业间的有效集聚和城市经济发展有着重要的理论与现实意义。
二、生产性服务业与制造业协同集聚与城市经济增长关系的理论基础
(一)协同集聚与城市规模
Ellison和Gleaser(1997)首次提出“co-agglomeration” (协同集聚)一词，指不同产业之间相互吸引、共同选址的总体趋势。由此可以看出，产业集聚不仅仅是单一产业在地理上不断集中的过程，更伴随着不同产业间在特定空间范围内的高度集中。考虑到MAUP(modifiable area unit problem，可塑性面积单元)问题，将生产性服务业与制造业协同集聚界定为两个产业在一个城市内部的集中分布现象。对于产业协同集聚的测度，Ellison和Gleaser(1997)构建的E-G指数以及之后的E-G修正指数都是较好的指标。但鉴于数据的可得性，本文将采用陈国亮等(2012)[23]和杨仁发(2013)[33]的方法，度量i地区生产性服务业与制造业的协同集聚水平(具体计算公式将在后文给出)。
为分析生产性服务业与制造业协同集聚同城市规模之间的关系，利用协同集聚指标，计算出中国285个地级市2003—2012年生产性服务业与制造业的协同集聚指数，并通过stata12.0做出城市规模和产业协同集聚的散点图以及二次拟合曲线(如图2所示)。其中，横轴为各城市市辖区人口规模的自然对数，纵轴为城市产业协同集聚度。拟合方程中一次和二次项的系数一正一负，且均在P<0.05的水平下显著，说明城市规模与协同集聚度呈倒“U”型关系，即随着城市规模的扩大，城市协同集聚度总体呈先上升后下降趋势。
图2 我国城市规模与产业协同集聚散点图注：(1)城市规模指城市人口规模；(2)剔除了小于-10的个别异常值。
(二)协同集聚对不同规模城市经济增长的影响机理
由前文分析可知，在不考虑任何约束条件的情况下，理论上生产性服务业与制造业协同集聚对城市经济增长具有正向影响。但是，考虑到城市规模与产业协同集聚之间的倒“U”型关系，本文认为协同集聚对于城市经济增长的影响会随着城市规模不同而有所不同，即生产性服务业与制造业协同集聚对城市经济的促进作用可能会存在“规模”门槛效应。首先，当城市规模较小时，集聚经济通常是基于同一或相近部门企业的集中分布，即“地方化经济”，这些同类型的企业通过中间品的共享、相互竞争与学习等方式，提高产业的生产效率，进而促进城市的经济增长。但是，由于此类城市可采取的生产过程是有限的，
图3 协同集聚对不同规模城市经济增长的影响机理图
产业间的协同集聚会因其中某些产业的集聚不经济，因而无法发挥其对经济增长的正向促进作用，甚至不利于城市经济的发展。其次，当城市规模扩大时，城市可选取的生产过程增多，为节约运输成本和靠近消费市场，更多类型的企业(尤其产业关联密切的企业)进入城市，逐渐在城市内部形成协同集聚模式。协同集聚通过不同产业间的良性互动与融合(产生技术创新，知识外溢等外部效应)，推动产业的优化与升级，促进城市经济的增长。再次，当城市规模进一步扩大时，受到资源、环境等条件的限制，协同集聚不断提高所带来的拥挤负效应日益凸显，并逐渐超过规模扩大所带来的收益，进而对城市经济增长产生抑制作用。此时，如果政府部门不进行干预，一部分企业会因无法承担这些高昂的拥挤成本，而选择迁移到周边甚至更远地区的专业化城市中*从本文对协同集聚的界定来看，相对于单一产业集聚，协同集聚是一种“多样化”的产业集聚模式。因此，将单一产业高度集聚(产业协同集聚度低)的城市称为专业化城市，将协同集聚度高的城市称为多样化城市。。
(三)协同集聚与城市经济增长的理论模型
1. 基础计量模型的设立
在投入一定的情况下，外部性总量的增加可以提高地区的总产出，并且降低产出的平均成本[34]。
那么，利用生产函数估计产业集聚与地区经济增长之间的关系是最为直接且常用的方法。因此，借鉴刘修岩(2009)的思路，将基本生产函数设定为希克斯中性的C-D函数形式
Yi=A(Coagi)·F(Ki,Li)
(1)
其中，Y表示地区总产出，K和L分别表示资本和劳动力，Coag为生产性服务业与制造业的协同集聚指标，假定生产函数F(·)为规模报酬不变。对式(1)两边同时除以L，可得
(Y/L)it=A(Coagi)·f[(K/L)it]
(2)
鉴于研究重点是考察生产性服务业与制造业协同集聚对城市经济增长影响的差异，因此在上述基本方程(2)的基础上，根据面板数据模型的要求构建本文的计量模型如下
lnyit=β0+β1lnCoagit+β2lnkit+γlnxit+εit
(3)
其中，x是由一系列控制变量组成的列向量，ε是随机误差项。
2. 变量说明与数据获取
(1)被解释变量：城市经济水平y是本文的被解释变量，用各城市市辖区的人均国内生产总值Agdp测度，并利用各省CPI指数折算成以2000为基期的实际值。
(2)核心解释变量：生产性服务业与制造业协同集聚度Coag，是本文的核心解释变量。考虑到文章的研究目的以及数据的可得性，借鉴陈国亮等(2012)[23]和杨仁发(2013)[33]的思路与方法，在构建i城市j产业集聚度指标的基础上，通过集聚指标的相对差异大小来衡量i城市生产性服务业与制造业的协同集聚程度。具体计算公式如下所示
(4)
(5)
其中，Lqji表示i城市j产业的区位熵(作为产业集聚度的衡量指标)，ejt表示i城市j产业的从业人员数，Ej表示全国j产业的从业人员总数，ei表示i城市所有产业的从业人员数，E表示全国所有产业的从业人员数；Coagi表示i城市生产性服务业与制造业协同集聚指数，Muqi和Psqi分别表示i城市生产性服务业和制造业的区位熵。由式(5)可知，i地区的两个产业的集聚水平越接近，协同集聚水平就越高，Coagi值就越大。
(3)门限变量：基于前文协同集聚对城市经济增长的影响机理分析，将城市规模变量(Size，用市辖区年末总人口表示)选为门限面板模型中的门限变量，用以检验与分析生产性服务业与制造业协同集聚对不同城市经济增长影响的差异。
(4)主要控制变量：影响经济增长的因素众多，主要引入以下几个因素作为模型的控制变量。(a)物质资本因素，用人均国内资本存量表示(记为k)，并借鉴柯善咨(2009)[35]中的方法进行估算。以2000年为基期，利用各城市市辖区限额以上工业企业流动资产和固定资产净值(年平均余额)估计限额以上工业资本存量，之后利用限额以上工业增加值占全市GDP总值的比重估计当年(2000年)各城市资本存量。2000年之后各年份的资本存量根据实际投资总额，用永续盘存法计算：Kit=(1-δ)Kit-1+It-1/dit-1。其中，K是资本存量，δ是年折旧率设为5%，I是实际投资。(b)城市对外开放程度，用人均FDI存量表示(记为Fdiit)。考虑到FDI发生作用的滞后性，采用FDI存量指标，借鉴柯善咨等(2014)[10]中的估算方法。以2000年开始计算，并假设2000年年存量是当年吸收FDI的三倍(根据当年平均兑换率换算成人民币)，之后各年FDI存量采用永续盘存法计算。(c) 城市产业结构，用第二产业增加值占GDP比重表示(记为indus)。(d)城市人力资本水平，用市辖区每万人在校大学生数表示(记为Cstu)，具体计算公式为：年在校大学生数/年平均人口数。(e) 本地市场效应，用市辖区社会消费品零售总额占全国的比重表示(记为Trs)。(f) 城市政府规模，用市辖区一般财政预算内支出占GDP的比重表示(记为Gov)，比重越大表明政府对城市经济发展的干涉力度越强；(g) 城市基础设施投资，用市辖区人均城市道路面积(记为Str)。2012年相关变量的描述统计量表1所示。
鉴于2003年新行业标准的使用与统计口径的一致性，本文使用2003-2012年除拉萨、巢湖、毕节和铜仁外的285个地级及以上城市的相关数据，主要的数据来源于2003—2012年的《中国城市统计年鉴》，各省价格指数等来自历年《中国统计年鉴》，缺省数据用插值法补充。文中生产性服务业包括交通运输、仓储及邮政业，信息传输、计算机服务和软件业，批发和零售业，金融业，房地产业，租赁和商业服务业以及科学研究、技术服务和地质勘查业等7类，制造业则参照国民经济行业分类与代码(GB/T4754-2011)涵盖行业大类代码13-43，共计31大类。
三、协同集聚与城市经济增长：基于门限回归模型的实证分析
(一)门限模型的设定
本文采用Hansen(1999,2004)中提出面板数据门限模型分析方法对协同集聚与城市经济增长的关系进行检验。Hansen给出的基本方程(单一门限值)形式为
yit=β0+β1xit·I(qit≤η)+β2xit·I(qit>η)+εit
(6)
其中，qit为门限变量，η为门限值，I(·)为指示函数，为随机扰动项。为检验生产性服务业与制造业集聚对城市经济增长规模门限效应，将城市规模变量引入模型，并结合基本计量模型(3)和面板门限模型(6)可得面板门限模型的设定，如下式(7)所示
lnAgdpit=β0+β1lnCogaitI(lnSize≤η)+β1lnCogait(lnSizeit>η)+β2lnkit+β3lnFdiit+β4lnInCstuit+β5lnCstuit+β6lnTrsit+β7lnCovit+β8lnStrit+εit
(7)
表4 城市规模的门限效应检验结果、门限值及置信区间
注：BS表示“Bootstrap”自抽样次数；***、**、*、分别表示通过1%、5%、10%水平下的显著性检验。
(二)门限效应检验
对于任一个门限值λ都可以通过求残差平方和Si(η)=ei(η)′ei(η)得到各参数的估计值，而最优门限值η*应该使其在所有残差平方和中最小，即：η*=arg minSi(η)。本文采用孙晓华等(2013)[35]的做法，首先利用Hansen的两机制门限回归模型来确定门限值的个数与大小，在得到门限值之后通过Bootstrap自助抽样法计算P值对门限值的显著性进行检验。为确定是否存在两个及以上门限值，重复上述步骤进行双门限或多门限检验即可。实际操作中，利用Stata 12.0软件进行门限效应检验，结果如表4所示。
由上表可知，以城市规模为门限变量时，单一门限和双重门限的F值分别为15.550和89.778，自抽样P值均为0.000，即在1%的水平下通过了显著性检验；而由三重门限效应的F值和P值可知，本文模型并不存在三重门限。所以，本文研究模型确定为双重门限模型，第一和第二门限值分别为12.346和14.507。在确定了城市规模的两个门限值之后，可将样本数据划分为三个区间(13.355,12.346]、(12.346,14.507]和(14.507,14.607)。考虑到城市经济发展是一个动态变化过程，当前经济增长受当期因素影响的同时也受到前期因素的影响。因此，在具体估计中，本文将被解释变量的滞后项作为解释变量引入模型，并借助动态GMM估计方法对城市经济增长与产业协同集聚之间的关系进行深入探讨。结合门限模型(7)，可以得到本文的实证计量模型如下：
下面将主要根据门限回归模型(8)，来分析不同城市规模下生产性服务业与制造业协同集聚对城市经济增长影响的差异。
四、协同集聚对城市经济增长门限效应的实证结果解析
考虑到内生性及过度识别等问题可能对模型估计带来的严重偏误，对模型(8)的参数采用系统GMM(Sys-GMM)方法进行估计，并通过AR(1)、AR(2)和Hansen J 统计量对模型进行序列相关性和过度识别检验。门限面板模型回归的Sys-GMM估计结果(表5)。
由上表Sys-GMM门槛回归结果可以看出，人均GDP滞后项(lnAgdp-1)的估计系数在三个样本模型中均为正且通过了1%的显著性水平检验。这表明城市当前经济发展与前期经济发展水平之间存在极显著正相关，同时也印证了利用Sys-GMM对模型(8)进行估计的合理性。
首先，对各模型中控制变量的参数估计进行扼要说明。(1)当城市规模小于23.004万人(lnSize<=12.346)时，国内人均物质资本存量、产业结构(二产增加值占GDP比重)、本地最终消费需求和基础设施对城市经济增长有显著促进作用(分别通过了1%、1%、1%和5%显著性检验)；国内人均FDI存量和政府规模对城市经济增长有促进作用，但并不显著。这说明当城市规模非常小时，物质资本投资、二产占比、本地消费需求和道路基础设施建设是小型城市经济发展的重要驱动力，FDI的作用未得以发挥且远小于国内资本。(2)当城市处于23.004万和199.669万之间(12.346
表5 协同集聚对城市经济增长门限效应的Sys-GMM回归结果
注：(1) ***、**、*、分别表示在1%、5%、10%水平上显著，括号内的值为调整后的稳健标准误；(2)AR(1)和AR(2)表示相应的P值；(3)Hansen J为模型过度识别的P值，原假设为不存在过度识别。
我们着重分析生产性服务业与制造业协同集聚对不同规模城市经济增长影响的差异。由三类不同城市规模的模型估计结果来看，lnCoag的参数估计不论在正负、大小还是显著性水平上都存在较为明显的差异，表明我国生产性服务业与制造业协同集聚对城市经济增长确实存在(规模)门限效应。
以下将分别考察三个模型中生产性服务业与制造业协同集聚与不同规模城市经济增长之间的关系。(1)由模型1可知，人均GDP对协同集聚指数的弹性为-0.123 4，且通过了1%的显著性检验，也就是说当城市规模小于23.004万人时，生产性服务业与制造业协同集聚对城市人均GDP呈现出明显的负作用。本文认为在城市规模较小时，制造业集聚占据主导地位，而服务业(尤其是注重技术和知识水平的生产性服务业)在这类城市中是集聚不经济的，其比例的增长甚至不利于城市经济效率的提升(柯善咨，2012)，此时产业的协同集聚模式对城市经济发展便会出现抑制作用。(2)由模型2可知，协同集聚的参数估计为0.0249，且通过了10%的显著性检验，即对于人口规模处于23.004万和199.996万之间的城市，生产性服务业与制造业的协同集聚式发展能够促进其经济发展。这在一定程度上说明，当城市人口规模跨越了一定门槛时，产业之间协同集聚式发展对城市经济发展会显示出促进作用。从商务成本的角度来看，随着城市规模的扩大，商务成本总体呈上升趋势，当商务成本上升到一定水平时协同集聚的互补效应才逐渐显现。表现出对经济增长的积极影响。(3)由模型3可知，生产性服务业与制造业协同集聚的参数估计为-0.073 3，未通过显著性检验。本文认为，当城市规模扩大到一定程度时，受资源与环境等条件的限制，进一步的协同集聚会对城市带来拥挤效应从而对城市经济发展产生抑制作用。
综上来看，生产性服务业与制造业协同集聚对城市经济增长的影响受制于城市规模，并不一定会促进城市的经济增长。当城市规模小于23.004万时，受制于生产过程的有限性，生产性服务业和制造业无法同时发挥集聚经济效应，使得协同集聚模式对这类城市经济增长产生了抑制作用；当城市规模大于23.004万且小于199.996万时，生产性服务业与制造业之间的互补效应逐渐凸显，两个产业间的良性互动使得协同集聚对城市经济增长的表现出正向促进作用；当城市规模大于199.996万时，过度集聚带来的拥挤效应使得协同集聚对城市经济发展表现出一定的抑制作用。
五、主要研究结论与启示
本文在基础计量模型和Hansen(1999)面板数据门限模型的基础上，以城市规模为门限变量建立了面板门限回归模型，利用我国285个地级市2003—2012年的相关数据，对生产性服务业与制造业协同集聚对城市经济增长的影响进行了研究，并着重对两者之间是否存在规模门限效应进行了验证。研究结果表明，协同集聚与城市经济增长之间存在两个规模门限值。之后，基于两个规模门限值将研究对象分为三组样本数据，并利用动态GMM估计方法分析了生产性服务业与制造业协同集聚对城市经济增长的门限效应。
主要研究结论有：(1)当城市人口规模低于第一门槛值(23.004万)时，生产性服务业与制造业协同集聚对城市经济增长表现出显著的抑制作用。这主要是由于规模较小的城市其制造业占据主导地位，生产性服务业不具备发展优势，无法使得存在上下游关联的诸多产业同时实现集聚经济(柯善咨，2012)，这种情况下产业间的协同集聚式发展将不利于城市经济的增长。(2)当城市规模处于23.004万和199.996万之间时，协同集聚对城市经济增长显示出正向促进作用，也就是说，跨越了第一门槛值的中型城市的经济可以从生产性服务业集聚与制造业集聚的互补效应中获得好处。(3)随着城市规模的进一步扩大(大于199.996万)，生产性服务业集聚占据了发展优势并对制造业集聚产生挤出效应，同时受资源、环境等诸多条件的限制，进一步的协同集聚会引发拥挤效应并对城市经济发展产生抑制作用。
因此，在当前促进产业转型升级、推动区域协调发展的背景下，不同类型的城市和地区应该推出差异化的产业发展策略，稳步推动本地经济持续健康发展。考虑到产业发展与城市规模间的匹配性，结合城市的经济发展水平，本文认为对于人口规模较小且经济欠发达的城市，应首先着重城市制造业的集聚式发展，通过制造业的集聚经济效应来提高本地经济发展水平，与此同时还应积极承接周边地区(尤其大城市)的产业转移，增强城市之间的有机联系，推动产业的优化升级与本地经济的可持续发展；对于规模较大的中型城市应更加关注本地二三产业间的协调发展，尤其通过生产性服务业的集聚式发展，推动制造业向价值链高端攀升，进一步促进两个产业之间协同集聚效应对本地经济增长的产生积极影响；对于城市规模较大且经济发达的城市，应注重高附加值产业的发展，顺应区域的同城化发展趋势，逐步探索高端生产性服务业与先进制造业在核心区发展，一般制造业在周边城市发展的“跨(城市)边界”协同集聚模式，推进城市与周边地区的协调发展。
[1]Guenier P, Melicianni V. Technology and International Competitiveness: The Interdependence Between Manufacturing and Producer Services[J]. Structural Change and Economic Dynamics，2005， 16(4)：489-502.
[2]Andersson. Co-location of Manufacturing & Producer Services: A Simultaneous Equation Approach[C]//Entrepreneurship and Dynamics in the Knowledge Economy, New York: Routledge,2006: 94-124．
[3]Ellison, Glaeser, William R. What Cause Industry Agglomeration? Evidence from Coagglomeration Patterns [J]. American Economic Review,2010,100(6)：1195-1213.
[4]高峰，刘志彪.产业协同集聚：长三角经验及对京津唐产业发展战略的启示[J].河北学刊，2008，(1)：142-146.
[5]张益丰，黎美玲.先进制造业与生产性服务业双重集聚研究[J].广东商学院学报，2011，(2)：9-16.
[6]吉亚辉，李岩，苏晓晨.我国生产性服务业与制造业的相关性研究——基于产业集聚的分析[J].软科学，2012，26(3)： 15-19.
[7]柯善咨，赵曜.产业结构、城市规模与中国城市生产率[J].经济研究，2014，(4)：76-88.
[8]吉亚辉，段荣荣.生产性服务业与制造业协同集聚的空间计量分析——基于新经济地理学视角[J].中国科技论坛，2014，(2)：79-84.
[9]Desmet, Fafchamps. Changes in the Spatial Concentration of Employment Across US Counties: A Sectoral Analysis 1972-2000[J].Journal of Economic Geography，2005，5(3)： 261-284．
[10]陈国亮.新经济地理学视角下的生产性服务业集聚研究[D].浙江大学，2010．
[11]陈建军，陈菁菁.生产性服务业与制造业的协同定位研究——以浙江省69个城市和地区为例[J].中国工业经济，2011，(6)：141-150.
[12]张晓涛，李芳芳.生产性服务业与制造业的互动关系研究——基于MS-VAR模型的动态分析[J]. 吉林大学社会科学学报，2012，(3)：100-107.
[13]詹宇铎,韩广华,董明.生产性服务业与制造业的协同发展机制研究[J].哈尔滨商业大学学报(自然科学版)，2012，(1)：118-122.
[14]陈娜，顾乃华.我国生产性服务业与制造业空间分布协同效应研究[J].产经评论，2013，(5)：35-45.
[15]王晓娟，陈建军.企业跨区域发展视角下的产业集群转型[J].学术月刊，2006，(10)：82-87.
[16]邱灵，申玉铭，任旺兵.北京生产性服务业与制造业的关联及空间分布[J].地理学报，2008，63(12)：1299-1310.
[17]江曼琦，席强敏.生产性服务业与制造业的产业关联与协同集聚[J].南开学报，2014，(1)：153-160.
[18]崔大树，杨永亮.生产性服务业空间分异的动因与表现——一个理论分析框架[J].学术月刊，2014，(3)：94-102.
[19]陆剑宝. 基于制造业集聚的生产性服务业协同效应研究[J].管理学报，2014，(3)：396-401.
[20]陈晓峰，陈昭锋.生产性服务业与制造业协同集聚的水平及效应——来自中国东部沿海地区的经验证据[J].财贸研究，2014，(2)：35-45.
[21]胡艳，朱文霞.基于生产性服务业的产业协同集聚效应研究[J].产经评论，2015，(2)：5-14.
[22]王硕，郭晓旭.垂直关联、产业互动与双重集聚效应研究[J].财经科学，2012，(9)：34-41.
[23]陈国亮，陈建军.产业关联、空间地理与二三产业共同集聚——来自中国212个城市的经验考察[J].管理世界，2012，(4)：82-100.
[24]Jeffery G, Williamson. Regional Inequality and the Process of National Development: A Description of the Patterns[J]. Economic Development and Cultural Change，1965，13(4)：1-84.
[25]Lhant M, Sbergami F. Agglomeration and Growth：Cross-country Evidence[J].Journal of Urban Economics，2009，65(1)：48-63.
[26]徐盈之，彭欢欢，刘修岩. 威廉姆森假说：空间集聚与区域经济增长——基于中国省域数据门槛回归的实证研究[J].经济理论与经济管理，2011，(4)：95-102.
[27]孙浦阳，武力超，张伯伟.空间集聚能否促进经济增长：不同假定条件下的思考[J].世界经济，2011，(10)：3-20.
[28]王丽丽.门槛效应、制造业地区集聚与全要素生产率增长——基于贸易开放的视角[J].财经论丛，2012，(5)：3-8.
[29]纪玉俊，张鹏，周璐.服务业集聚、对外开放水平与地区经济增长——基于我国231个城市的门限回归模型检验[J].产经评论，2015，(1)：25-33.
[30]于斌斌.中国城市群产业集聚与经济效率差异的门槛效应研究[J].经济理论与经济管理，2015，(3)：60-73.
[31]Bruce E, Hansen. Threshold Effects in Non-dynamic Panels: Estimation, Testing, and Inference [J].Journal of Econometrics，1999，(93)： 345-368.
[32]Mehmet Cancer， Bruce E, Hansen. Instrumental Variable Estimation of a Threshold Model[J].Econometric Theory，2004，(20)：813-843.
[33]杨仁发.产业集聚与地区工资差距——基于我国269个城市的实证研究[J].管理世界，2013，(8)：41-52.
[34]刘修岩.集聚经济与劳动生产率：基于中国城市面板数据的实证研究[J].数量经济技术经济研究，2009，(7)：109-118
[35]柯善咨.中国城市与区域经济增长的扩散回流与市场区效应[J].经济研究，2009，(8)：85-98.
[36]孙晓华，郭玉娇.产业集聚提高了城市生产率吗？——城市规模视角下的门限回归分析[J].财经研究，2013，(2)：103-112.
责任编辑应育松
Can Co-agglomeration between Producer Services and Manufactures Promote the Urban Economic Growth?——Based on the Panel Data of China's 285 Cities
DOU Jian-min, LIU Ye
(School of Urban and Regional Science, Shanghai University of Finance & Economics, Shanghai 200433, China)
This paper takes city scale as the threshold variable and establishes a threshold regression model. Then it makes an empirical study on the threshold effect of co-agglomeration between producer services and manufactures on the urban economic growth, based on the panel data of China's 285 cities from 2003 to 2012. Afterwards, it makes three sample regressions with the dynamic GMM estimation method. The key results indicate as follows: Firstly, there exist double threshold values between the co-agglomeration and the urban economic growth. Secondly, the co-agglomeration impedes the economic growth when the urban scale is less than 0.23004 million; when the urban scale is between 0.23004 million and 1.99996 million, the co-agglomeration have a significant positive influence on the urban economy; and the co-agglomeration may inhibits the economic growth to some extent when the urban scale is greater than 1.99996 million.
producer services; manufactures; co-agglomeration; economic growth; threshold effect
2015-12-25
上海财经大学研究生创新计划项目科研创新基金(2015110664)；湖北商务服务发展研究中心2014年度开放基金项目(2014Y001)。
豆建民，男，上海财经大学城市与区域科学学院教授，博士生导师，主要从事生产性服务业与制造业研究；刘叶，女，上海财经大学城市与区域科学学院博士生，主要从事生产性服务业与制造业研究。
F062.9
A
1005-1007(2016)04-0092-11
