中国东部工业生产率增长的技术集聚效应研究

王留奎

中国东部工业生产率增长的技术集聚效应研究

王留奎

（黄河水利职业技术学院，河南开封475004）

针对中国东部地区2006~2013年专利数据显示出的两种技术集聚指数，结合技术集聚效应和相关产业部门的劳动生产率，采用普通最小二乘法和两阶段最小二乘法，对工业劳动生产率与其影响因素的关系进行了静态面板分析。结果发现：资本深化始终有着非常显著的正向推动作用，专业化技术集聚效应有着不太显著的正向影响，多样化技术集聚效应有着较为显著的负面影响，第一产业有着不显著的正影响，第三产业有着显著的负面影响，建筑业有着非常显著的正作用。目前工业劳动生产率增长主要靠资本推动，技术集聚效应尚未充分表现出来，产业结构只有在充分优化之后才能起到积极的推动作用。

产业调整；技术集聚；劳动生产率；专利数据；技术聚集效应

0　引言

经济学界认为，政府可能影响经济增长的因素主要有3个：技术进步、资本深化和劳动投入。对于从农业国向工业国转型的经济体来说，相对富裕的劳动力可以在经济发展的最初阶段带来丰厚的“人口红利”［1］，因为在这个时期，充足的劳动力供给防止了资本报酬递减现象的出现。然而劳动投入所带来的边际产出终究会在到达一定阶段后逐渐减小，直至消失；当劳动力成为相对稀缺的资源时，增加资本投入同样可以刺激经济发展，但同样由于收益递减规律的作用，资本的边际产出会减小直至消失。经济增长理论强调：在既定资源的约束下，只有科技发展才能推动生产可能性曲线向外移动，即只有技术进步才能实现经济的长期增长，而技术进步最直接的影响就是能促进劳动生产率的提高。

有不少学者利用科技投入等变量（比如R＆D）围绕全要素生产率展开了较为深入的研究［2－5］，并得出许多有价值的结论。但是，由于全要素生产率不能详细区分劳动、资本、技术等各生产要素的贡献，而不同要素对经济的推动作用因经济主体及其所处的发展阶段的不同会有很大差别，所以分别考察各要素生产率的增长情况很有必要，尤其是对劳动生产率的研究，更具现实意义。

1　研究现状

有研究表明，在产业相对集中的地区，劳动生产率的增长更为明显［6，7］；同时在产业集聚的地区，较高的劳动生产率可以降低能源消耗强度，并伴随有规模经济的回报［8］，进而可以推动技术的进步。事实上，技术进步的一个突出表现就是专利产出的增加。在产业集聚区，同一相关领域专利的存量和流量一般都会很大，也就是说，产业集中会在一定程度上导致“技术集中”。由于专利是科技进步的结果，反过来又会进一步推动科技的发展和劳动生产率的提高，所以专利通常被用作衡量创新活动、进而影响经济发展的一个重要指标［9，10］；如果再考虑到其他资源集聚的因素，那么这种创新活动应该更加活跃［11］。

经济活动的集中可以带来专业化集聚和多样化集聚两种效应［12］。当然，“技术集聚”同样如此，不同的集聚形式对经济的发展会产生不同的影响。本文用发明专利的2种集聚效应代表技术集聚的2种具体表现形式：专业化技术集聚效应和多样化技术集聚效应。专业化技术集聚效应是指区域内由于相同或相近的同一产业的集中引起的相同技术领域专利的集中所带来的收益。这种技术的外部性主要发生在同一专利技术类别之间，高质量的同类专利集中可以更好地驱动技术创新，并有利于劳动生产率的提高，本文采用Krugman（克鲁格曼）专业化指标来计算专业化技术集聚效应。多样化技术集聚效应则是指区域内不同产业的集中引起的不同技术类别的专利集中所带来的收益。不同技术类别的专利集聚有利于不同技术之间的相互渗透，从而影响劳动生产率的发展。本文采用赫芬达尔—赫希曼指数（Herfindahl－Hirschman index）的倒数来测度多样化专利集聚水平。

此外，经济学界也普遍认为，产业结构优化对经济增长有着不可忽视的作用。目前我国经济发展的重点或产业结构的重心正在经历着一个相对漫长的由第一产业向第二产业和第三产业逐次转移的过程，整个产业结构的升级会经历由低技术、低附加值向高技术、高附加值的逐渐演变。产业结构优化的进程往往伴随着各产业部门之间产值、就业人员、国民收入比例等方面的变动，而该过程给工业部门带来的影响可能因产业关联程度、区域经济基础的不同而有较大差别。因此，在研究我国现阶段工业劳动生产率的影响因素时，其他产业部门的影响亦需要加以考虑。

本文从技术集聚效应的视角出发，结合第一产业、第三产业、建筑业等部门的劳动生产率，对现阶段我国工业劳动生产率的增长因素进行考察。由于东部是我国工业经济最发达的地区，技术发展水平居全国前列，所以选择经济发达的东部10个省、区（市），即广东、福建、山东、江苏、北京、天津、河北、上海、辽宁、山东为研究对象。

2　模型设定与数据来源

2.1模型设定

本文利用省级面板数据计量分析我国东部地区工业领域劳动生产率的影响因素。模型的设定首先需要确定自变量和因变量。很显然，工业劳动生产率（y）即为因变量，但以劳动生产率为因变量时，自变量的选取是一个非常麻烦的问题，因为除了可以量化的因素外，还有很多难以纳入模型的政策层面的人为原因。就影响劳动生产率的因素来说，现有的文献对解释变量的选择都不尽相同。考虑到分析结果的稳定性，在研究过程中逐步把技术集聚效应（kg、div）、第一产业劳动生产率（industryfirst）、第三产业劳动生产率（industrythird）和建筑业劳动生产率（construction）等变量引入模型中进行回归。由于生产率的发展往往是建立在前期基础上的，而资本深化（k）又是发展中国家经济增长中最关键因素，故首先考虑技术集聚效应和资本深化这2个变量的影响，在实际操作过程中首先给各变量取对数，模型具体设置如下：

式中：Y1，Y2，Y3，Y4和L1，L2，L3，L4分别为工业、第一产业、第三产业、建筑业的产值和就业人员年底数；K1为工业部门的资本存量，用固定资产投资代替；ε为随机误差。

两种技术集聚效应的计算公式如下：

（1）专业化技术集聚效应的计算公式为：

式中：kgit为i省t年专业化技术集聚效应；qijt为i省t年j技术类别发明专利的数量；qit为i省t年发明专利的总量；Qit为i省t年发明专利的数量；Qt为东部10省t年发明专利的总量。

（2）多样化技术集聚效应的计算公式为：

式中：divit为i省t年多样化技术集聚效应。

2.2数据来源

选取中国东部各省GDP、相关部门产值、工业固定资产投资及就业人数等数据，均来源于相应年份的《中国统计年鉴》。研究的时间区间设置为2006－2013年，必要的经济数据均以2006年为基期进行了调整。

对于专利技术类别，采用世界知识产权组织（WIPO）2011年的划分标准，WIPO把专利的国际分类号按技术类别分为5组35类。以此为依据，在我国专利信息服务平台按主分类号分别检索出东部10个省份发明专利在2006－2013年的申请量，并分别计算出专利的2种集聚指数。虽然专利有分类号和主分类号之分，主分类号是分类号之一，但主分类号表示专利的主要应用领域，因此按照组、主分类号进行检索更为合理。另外，申请的专利虽然不一定被授权，但相对而言申请量（特别是发明专利）更能反应一个国家或地区创新的活跃程度，因此，研究采用专利的申请量而非授权量。

3　实证结果及分析

考虑到选取的为短面板数据，需要采用静态面板分析法对上述方程进行估计。为了使结果更有说服力，首先采用普通最小二乘法（OLS）进行回归，其次采用两阶段最小二乘法（TSLS）对模型再进行估计。实际操作过程中，在工业劳动生产率一阶滞后期的基础上，逐步纳入其余变量进行回归，以使所得结果更加稳健。

3.1专业化技术集聚效应估计结果

表1显示的是模型（1）的OLS估计结果，第1行为仅将劳动生产率的滞后一期（ln y－1）作为解释变量进行回归的结果。结果表明，劳动生产率滞后一期的系数为正，而且在1%显著水平下通过了检验。为了更好地考察上述回归结果的稳健性及其他因素对劳动生产率的影响，又进一步纳入其他变量进行了回归。结果如第2至第6行所示，在其他变量进入模型之后，劳动生产率滞后一期仍然为正，且系数高达0.8以上，并且都在1%显著水平下通过了检验。

表1第2至第6行显示，从资本深化的角度来看，其系数恒为正，均在1%显著水平下通过了检验。这一结果表明，我国现阶段通过增加资本投入来提高工业劳动生产率依然是非常有效的。进一步就专业化技术集聚效应估计结果来看，尽管在纳入其他变量前后都没有通过显著性检验，但系数均为正，该因素对工业劳动生产率的发展有不太明显的正向推动作用。在逐步引入其余变量之后发现：（1）ln industryfirst系数为正，但没有通过显著性检验。这也意味着目前我国农业对工业的推动作用是非常弱的。（2）ln industrythird系数为负且在5%显著水平下通过了检验。这说明第三产业对工业的影响是负的，也正暗示着我国现阶段产业结构尤其是工业和第三产业的比例很不合理。（3）ln construction系数为正，且在5%显著水平下通过检验，从弹性来看，建筑业对工业的影响系数达到0.9以上。这就说明，建筑业对工业发展的推动作用是非常大的。

表1　专业化技术集聚效应的普通最小二乘法（OLS）估计结果Tab.1 The OLS estim ation results of professional technology agglomeration effect

当然，使用OLS估计方法对静态面板数据进行回归，可能会由于内生性问题而使得估计结果出现有偏性和非一致性。为此，再对模型（1）用TSLS进行估计，采用的工具变量为各省历年的研发（R＆D）投入，因为R＆D能刺激研发活动，从而可以增加专利产出，进而直接影响专利的两种集聚效应。为了考察工具变量的有效性，还对工具变量进行了必要的检验，具体结果见表2。

表2的结果与表1非常相似：工业劳动生产率滞后一期的系数恒为正，而且都在1%显著水平下通过了检验，同时ln k也通过了检验，也均为正。这依然说明对于工业劳动生产率的影响而言，除了其自身的滞后作用外，资本深化起着关键作用。ln kg始终没有通过显著性检验，但系数为正，也就是说尽管专业化技术集聚效应也为正，但作用很微弱。至于其他产业的影响，从系数和显著性检验结果来看，尽管有正有负，但结论与OLS分析的结果基本相同。

表2　专业化技术集聚效应的两阶段最小二乘法TSLS估计结果Tab.2 The TSLS estimation results of professional technology agglomeration effect

3.2多样化技术集聚效应估计结果

前文指出同类技术类别专利的集中对工业劳动生产率有着不太显著的正向推动作用，那么不同技术类别专利的集中对工业劳动生产率又会产生怎样的影响呢？与上述分析的逻辑一致，首先对模型（2）进行OLS估计，结果如表3所示：工业劳动生产率滞后一期的系数恒为正，而且都在1%显著水平下通过了检验；资本深化也都在1%显著水平下通过了检验且系数显著为正。与之前明显不同的是，多样化技术集聚效应基本都通过了检验，但符号都为负；ln industryfirst在10%显著水平下通过了检验，但在5%显著水平下却没有意义；ln industrythird在1%水平下显著为负；ln construction也在1%显著水平下通过了检验，且符号为正。表4显示，TSLS估计也得到了与OLS估计的类似结论。从2种方法的估计结果中，可得出以下结论：作为因变量的滞后一期工业劳动生产率，均在1%显著水平下对当前生产率具有很强的正影响；ln k始终有非常显著的正影响；作为技术集聚因素出现的变量ln div，在没有纳入其余变量之前系数为正，但统计上没有显著性意义，在陆续纳入其他变量之后，至少在10%显著水平下通过了检验，但系数为负，说明多样化技术集聚效应对工业劳动生产率的影响是负面的。而就其他因变量来说，ln industryfirst、ln industrythird、ln construction检验情况与专业化技术集聚效应估计的结果没有显著差异。除了lndiv之外，其他变量与专业化技术集聚效应的实证研究结果基本一致。

表3　多样化技术集聚效应的不同最小二乘法（OLS）估计结果Tab.3 The different OLS estim ation results of diversified technology agglomeration effect

表4　多样化技术集聚效应的两阶段最小二乘值估计结果Tab.4 The TSLS estimation results of diversified technology agglom eration effect

4　结论

近年来，我国专利产申请量保持了强劲的增长势头，仅2006－2013年发明专利的申请量就占1994年以来的85%左右。这种以专利为表征的科技进步对劳动生产率，尤其是工业劳动生产率的影响有多大，是不是我国经济依然停留在依靠资本和劳动高投入阶段，产业结构的优化作用如何，这类问题正成为学界研究的热点问题。本文从技术集聚效应的角度出发，利用我国东部地区的数据，分别运用OLS法和TSLS法进行了静态面板分析。结果表明：第一，增加资本投入依然对工业劳动生产率增长有着极其显著的作用，从这一意义上来说，我国经济增长还将长期处于资本推动阶段。第二，技术集聚的两种效应对工业的影响是相反的，这一结果显然与人们的正常预期不太一致。第三，从现阶段产业推动情况来看：第一产业对工业有非常有限的正作用，第三产业对工业劳动生产率存在比较明显的负面影响，建筑业对工业始终有非常显著的正向影响。

目前，我国正处于产业结构的调整期，三次产业比例尚不合理。长期以来，我国以农业为基础，大力发展工业，第三产业落后的局面尚没有得到根本转变。建筑业与工业同属第二产业，已在我国蓬勃发展十余年的建筑业在很大程度上刺激了钢铁、冶金、家具、装潢、建材等行业的空前发展，推动了中国经济的新一轮繁荣，所以建筑业对工业的正向推动作用是很明显的。对于正处于工业化中期阶段的中国来说，工业劳动生产率的提高依然依靠资本的推动，技术集聚的作用还没有充分发挥出来，尚未充分优化的产业结构的作用依然存在较大提升空间。

［1］钟水映，李魁.人口红利，空间外溢与省域经济增长［J］.管理世界，2010，19（4）：14－23.

［2］陈刚.R＆D溢出，制度和生产率增长［J］.数量经济技术经济研究，2010，27（10）：64－77.

［3］柳剑平，程时雄.中国R＆D投入对生产率增长的技术溢出效应——基于工业行业（1993－2006年）的实证研究［J］.数量经济技术经济研究，2011，28（11）：34－50.

［4］曹泽，李东.R＆D投入对全要素生产率的溢出效应［J］.科研管理，2010，31（2）：18－25.

［5］赵伟，张萃.中国制造业区域集聚与全要素生产率增长［J］.上海交通大学学报：哲学社会科学版，2008，16（5）：52－56.

［6］He C－f，Zhu S－j.Industrial agglomeration and labour productivity in transition：an empirical study of Chinese manufacturing industries［J］.Post－Communist Econom ies，2009，21（1）：103－115.

［7］M artínez－Galarraga J，Paluzie E，Pons J，ect.Agglomeration and labour productivity in Spain over the long term［J］.Cliometrica，2008，2（3）：195－212.

［8］Bala Subrahmanya M.Labour productivity，energy intensity and economic performance in small enterprises：A study of brick enterprises cluster in India［J］.Energy conversion and management，2006，47（6）：763－777.

［9］Kumar R，T ripathi RC，Tiw ari MD.A case study of impact of patenting in the current developing economies in Asia［J］.Scientometrics，2011，88（2）：575－587.

［10］M ainw aring L，M oore NJ，M urphy PD.A regional comparison of enterprise patent holdings：A study of British and Irish data［J］.Research Policy，2007，36（10）：1655－1665.

［11］Libaers D，Meyer M.Highly innovative small technology firm s，industrial clusters and firm internationalization［J］.Research Policy，2011，40（10）：1426－1437.

［12］原毅军，宋洋.服务业产业集聚与劳动生产率增长——基于中国省级面板数据的实证研究［J］.产业经济评论，2011，10（6）：50－61.

[责任编辑冯峰]

F424.4

B

1008-486X（2016）01-0088-06

2015-07-16

河南省教育厅人文社会科学研究规划项目：区域工业劳动生产率增长的技术集聚效应研究(2015-GH-068)

王留奎（1980-），男，河南许昌人，讲师，硕士，主要从事管理科学与工程的教学与研究工作。