体育产业集聚对区域经济增长影响的实证分析——基于静态和动态面板数据模型

姚松伯，刘 颖

体育产业集聚对区域经济增长影响的实证分析
——基于静态和动态面板数据模型

姚松伯1，刘 颖2

基于我国2005—2015年的省级数据，利用静态和动态面板模型实证分析我国体育产业集聚对区域经济增长的影响，期间利用产业比重指数测算了各省市体育产业集聚水平。实证结果表明：1） 静态和动态面板模型都支持我国体育产业集聚能够显著促进经济增长的假设，其中，静态模型显示体育产业集聚度每提高一个单位，能够促进经济增长1.85个百分点；2） 体育产业集聚与经济增长之间存在显著的非线性关系，呈现倒U型的结构，即适度的体育产业集聚有助于经济增长，但过度的体育产业集聚不利于经济增长；3）我国体育产业集聚对经济增长的影响存在显著的地区差异，中部地区对经济增长的促进作用最强，东部地区次之，西部地区最低。对此也提出了相关的政策建议：1）政府应当在体育产业集聚的不同阶段发挥相应的作用；2）注重体育产业集聚的发展规划，避免体育产业内部结构趋同，尤其是体育产业集聚度较高的东部地区更应当寻求体育产业差异化发展；3） 加强体育产业之间的区域合作，促进中、西部地区的体育产业集聚。

体育产业；产业集聚；经济增长；地区差异

1 引言

众所周知，长期以来我国经济依靠投资、出口和消费三驾马车拉动保持了高速的增长，然而2012年我国经济开始步入新常态，在经济增速放缓、经济结构转型升级的关键时期，寻求新的经济增长点已成为我国经济发展的重中之重。随着全民健身上升为国家战略、健康中国战略等国家层面多项利好政策的频频推出，体育产业的活力得到了进一步释放，体育产业环境发生显著变化。体育产业作为公认的绿色、朝阳产业，正在为我国经济增长和产业结构调整做出越来越大的贡献。相关数据显示，近些年来，我国体育产业快速发展并取得长足进步，2006年，我国体育产业增加值仅为983亿元，而2015年我国体育产业增加值已经达到5 494亿元，仅用了10年时间增加了近4.6倍，2015年，体育产业增速更是达36%，成为我国现阶段经济增长中的亮点之一（图1）。

图1 2006—2015年我国体育产业增加值及增速图Figure 1. The Added Value and Growth of Sports Industry in China from 2006 to 2015

我国体育产业发展取得如此令世人瞩目的成就，与以下几个方面因素是分不开的：1）各项体育产业发展政策的出台与落实。2014年国务院发布《关于加快发展体育产业促进体育消费的若干意见》，2016年我国出台《体育发展“十三五”规划》，对于体育产业明确提出要在坚持改革引领、市场主导、创新驱动和协调发展的基本原则下，实现体育产业总规模超过3万亿，产业增加值在国内生产总值中比重达到1%，体育服务业增加值占比超过30%，体育消费额占人均居民可支配收入比例超2.5%等目标。随后，各省市迅速从自身情况出发制定体育产业发展规划；2）近些年来举办了多项各种级别、类型的体育赛事。2008年北京奥运会、2010年广州亚运会、4年一届的全国运动会、足球、篮球、乒乓球联赛等各种国际、国内体育赛事的举办对于推动我国体育产业的发展起到了重要的作用；3）我国居民消费结构升级与全民健康意识的提升。2016年我国城镇居民可支配收入达到33 616元，随着收入的提高以及对健康的重视，体育消费逐渐成为新的消费热点。

随着我国体育产业的进一步发展，在一些经济相对发达的地区，如北京、上海、广东、浙江、江苏等地建设了许多体育产业园区，形成了体育产业集聚，中、西部地区一些省份也在积极促进体育产业集聚，推动体育产业规模化发展。实践表明，引导产业集聚化发展有利于体育类企业之间的资源共享，产生规模效应和技术溢出效应等［33］，能够有效提升区域竞争优势，进而促进经济增长。然而，目前我国体育产业发展仍存在很多问题，如：体育产业市场效应不明显，对于经济增长的渗透率和带动性都比较有限；体育产业发展同质化比较严重，尤其是体育相关产品制造业，各地的体育产业园区大同小异；绝大部分省份的体育产业对于经济总量的贡献度比较低，还未能成为战略新兴产业等。

如何避免上述问题，既能充分发挥体育产业集聚对经济增长的促进作用，又能考虑到区域之间的差异，促进各区域与整体体育产业的共同发展，是目前亟需解决的问题。基于我国体育产业集聚发展的现实问题，本文力图对我国各地区体育产业集聚的现状进行分析，并利用2005—2015年的相关面板数据对全国及各区域体育产业集聚与经济增长的关系进行实证分析，从而找到体育产业集聚、经济增长以及地区差异之间的发展良策。

2 文献综述

通过检索发现，目前鲜有直接从产业集聚的角度研究体育产业对经济增长影响的成果，与之相关的成果主要集中在体育产业对经济增长的影响、体育产业集聚的衡量、其他产业集聚对经济增长的影响3个方面，本文也将从这3个方面出发对现有的文献成果进行梳理。

2.1 体育产业对经济增长的影响

关于体育产业对经济增长的影响，赵聂［23］（2009）认为，体育产业会在传统的增长引擎减弱甚至失灵时，成为经济增长的重点和突破口。接云峰［7］（2010）认为，体育产业与经济增长的关系已经由经济增长为体育产业打造基础的阶段转为体育产业发展带动居民消费和出口，进而拉动经济增长。曾鸣［18］（2010）的研究对竞技体育产业与经济增长的相关性进行了实证分析。闫琳琳等［16］（2010）利用时间序列数据、协整模型和误差修正模型分析了河北休闲体育产业对经济增长的影响。张羽［21］（2016）在我国体育产业发展现状分析的基础上，分别实证研究了体育财政投入、体育产业消费以及体育产业投资对经济增长的影响。陈文胜［1］（2012）通过体育产业对经济增长影响的实证分析发现，体育产业投资增加一个百分点可以带动经济增长0.7个百分点。许钟源等［15］（2014）运用时间序列数据，构建SVAR模型对我国体育产业发展与经济增长进行动态计量分析。庞善东等［9］（2016）对2001—2015年间体育产业与经济发展的相关文献进行理论研究，得出体育产业将成为新的经济增长点，体育经济是克服经济衰退的特殊产业经济，而且，在研究方法上实证的定量分析也逐渐多了起来。

2.2 体育产业集聚的测度

关于体育产业集聚测度研究的区别主要在于测度方法和研究对象方面，例如：宋昱［10］（2013）在研究中国体育产业集群发展时，利用空间集聚指数度量了我国体育用品制造业及相关子行业的产业集聚度；方春妮［3］（2009）利用空间基尼系数和行业集中度测量了我国体育用品产业的集聚状况；弓文［5］（2011）利用区位商测算了省级体育用品制造业和体育服务业的集聚度，并对其影响因素进行了实证分析；王良健等［11］（2012）采用信息熵、行业集中度、区位基尼系数、空间分离指数、区位商和Kernel密度估计对我国体育用品制造业和体育服务业的集聚程度进行定量研究；章颖［21］（2016）对福建省体育用品制造业和体育服务业的集聚水平进行定量分析，所用的方法与王良健（2012）类似，只不过未采用Kernel密度方法；徐茂卫等［13］（2012）基于对北京和广州体育产业集聚的案例研究，从比较优势理论和新经济地理理论视角出发，探讨了体育产业集聚的动力及其作用机制。

2.3 产业集聚对经济增长的影响

关于产业集聚对经济增长影响的研究在20世纪90年代成为热点，Baldwin等［27］（2000）、Ottaviano等［32］（2001）、Fujita等［29］（2002）通过实证研究发现，产业集聚有助于经济增长，并奠定了相关的研究基础。随后很多学者继续研究了不同产业的集聚对于经济增长的作用，如潘文卿等［8］（2012）、魏玮等［12］（2013）、谢品等［14］（2013）研究了制造业产业集聚对经济增长的影响；曹清峰等［2］（2014）、杨卫武等［17］（2015）研究了文化产业集聚对经济增长的影响；周海鹏等［23］（2016）、纪玉俊等［6］（2015）研究了金融产业集聚对经济增长的作用；傅远佳［4］（2011）、于谨凯等［19］（2014）实证分析了海洋产业集聚对经济增长的影响。

关于各个产业集聚对经济增长影响的实证结果不尽相同，比如：纪玉俊等［6］（2015）认为，金融产业集聚对经济增长的影响存在双重门槛效应，当集聚度较低时，有助于经济增长，当集聚度较高时则不利于经济增长；潘文卿等［8］（2012）、曹清峰等［2］（2014）分别认为，制造业集聚和文化产业集聚能够显著促进经济增长；于谨凯等［19］（2014）研究发现，海洋产业集聚与经济增长之间并非简单的线性关系，而是呈现出倒U型曲线关系。那么，体育产业集聚能否促进经济增长、体育产业集聚与经济增长之间是否存在非线性关系以及各个区域体育产业集聚对经济增长的影响是否有显著差异都是本研究重点关注的问题。

3 我国体育产业集聚度现状分析

衡量产业集聚度的方法很多，包括行业集中度指数（CR指数）、赫芬达尔指数（H指数）、空间基尼系数（G系数）、区位商（LQ值）、Ellision-Glaeser集聚指数（EG指数）等。其中，行业集中度指数与选取的企业大小和数量有关，主观性较强；赫芬达尔指数的计算需要大量微观企业的数据；空间基尼系数可用于测度产业分布的均衡性，当企业规模和区域不同时可比性较差；Ellision-Glaeser集聚指数能够比较准确地反映产业空间集聚度，但对于数据要求比较高，而且计算难度比较大。除此之外，区位熵也是衡量产业集聚最常用的指标，但是，更适用于衡量具有一定规模产业的集聚情况，而体育产业的整体规模都比较小，而且各地区的差异非常大，可能会出现一个较低的体育产业增加值的区域得到较大的体育产业集聚值，因此，本研究借鉴于杨卫武等［17］（2015）的研究方法，采用产业比重指数（CI指数）来衡量省际体育产业集聚度，主要原因在于，该指数能更直观地反映全国不同地区的体育产业集聚差别，而且计算相对简单，对于数据获取较为困难的体育产业比较适用，计算方式如下：

其中，Xit表示第i地区第t年的体育产业增加值，∑iXit表示第t年全国体育产业总增加值，CIit越大表明该地区体育产业集聚度越高。

由于目前体育产业统计不是非常完善，无法获取各省市的体育产业增加值，因此，本研究采用第三产业中的文化、体育和娱乐业与制造业中的文教、工美、体育和娱乐用品制造业之和作为体育产业增加值的替代指标，并用于计算体育产业集聚度。关于替代指标的有效性的解释如下：一方面，体育产业统计中主要包括体育服务业和体育及相关产品制造业，这两项分别包含在文化、体育和娱乐业以及文教、工美、体育和娱乐用品制造业之中；另一方面，体育产业与文化和娱乐业的融合程度非常高，体育产业带有强烈的文化特性与娱乐性质［20］，因此，文化、体育和娱乐业总体的集聚度能够在很大程度上反映体育产业的集聚情况。

3.1 各省市体育产业集聚情况

本研究对各省份体育产业的集聚度进行测算，结果如表1所示，将产业集聚度高低进行划分，并统计了部分年份不同产业集聚度包含的省份，结果如表2所示。

表1 各省份2005—2015年体育产业集聚度指数结果Table 1 The Provincial Sports Industry Agglomeration Index from 2005 to 2015

表2 2005、2010、2015年份不同集聚度包含的省份Table 2 Provinces Belonging to Different Agglomerations in 2005，2010 and 2015

从各省份体育产业集聚度的均值来看，可将集聚度划分为4个等级：1）集聚度在0.1以上的省份可视为集聚度极高的地区，仅包括排名前两位的广东、江苏，其中，广东的集聚度最高达到0.168，江苏的集聚度也超过0.1，单从2015年来看山东的集聚度也达到0.108，体育产业集聚度也非常高；2）集聚度在0.05～0.1之间的省份可视为集聚度较高地区，北京、山东和浙江非常接近，基本上都在0.085左右，福建的体育产业集聚度达到0.06，排名第6位，主要得益于福建高度发达的体育产品制造业；3）集聚度在0.01～0.05之间的省份可视为集聚度中等的地区，其中河南、湖南、安徽和辽宁的集聚度基本上在0.03左右，河北、湖北、四川、江西和天津的集聚度基本在0.02左右；4）集聚度在0.01以下的省份为集聚度极低的区域，除海南以外，基本上都是西部地区的省份。

从变化趋势上看，集聚度呈现下降趋势的省市包括北京、上海、广东，主要原因在于初期北京和上海体育产业比较发达，而同期其他地区的体育产业还较为落后，但随着各地体育产业的逐渐兴起，尤其是其他地区体育及相关产品制造业的迅速发展，分散了北京和上海的产业集聚度，而广东虽然有一定程度的下降，但因其体育产品制造业有长足的进步，因此仍然在集聚度上排名第1。集聚度稳定一段时间后有下降趋势的省份是辽宁，在2011年之前的其集聚度基本稳定在0.03左右，但近几年则下降至0.021。集聚度呈现明显上升趋势的省份有江苏、山东和河南，江苏的体育产业集聚度由2005年的0.098稳步上升至2015年的0.128，增幅达30.5%；山东体育产业集聚度在2005年仅为0.062，2011年迅速升至的0.105，增幅高达73.5%，而且，之后一直稳定在0.1以上，体育产业集聚度保持在了极高的水平上；河南的产业集聚度2005年仅为0.022，2012年达到0.05左右，之后几年也一直保持在这一水平。这3个省份体育产业集聚度的迅速提高，一方面是由于体育服务业的持续发展，但更多的是来自体育及相关产品制造业的突破性发展。其他省份的体育产业集聚度相对比较平稳，变化不是十分显著。

3.2 东、中、西部地区体育产业集聚情况

按照我国三大区域划分的方式，分别计算2005—2015年三大区域体育产业集聚度的均值，图2反映了东部、中部和西部地区体育产业集聚度的变化趋势。从图中可以看出：1）三大区域之间的产业集聚度存在显著的地区差异，东部地区体育产业集聚度最高，基本上都在0.06以上，中部地区次之，基本上在0.02左右，西部地区最低，基本在0.01左右；2）从变化趋势上看，2011年之前三大区域体育产业集聚度均值基本没有太大的变化，2011年之后，东部地区体育产业集聚度略微下降，中部地区则有一定程度的上涨，2011年为0.018，2015年则升至0.021，西部地区则一直没有太大的变化。此外，尽管东部和中部地区体育产业集聚度的差距有进一步缩小的趋势，但目前仍然存在较大的差异。

图2 2005—2015年3大区域体育产业集聚度变化情况折线图Figure 2． Changes of Sports Industry Agglomeration in Three Regions From 2005 to 2015

4 我国体育产业集聚对经济增长影响的实证分析

4.1 模型设定与数据说明

建立柯布－道格拉斯生产函数是估计地区产业集聚效应对经济增长影响最常用的方法，将体育产业集聚变量引入生产函数：

其中，Yit、Kit、Lit和CIit分别为第t年第i省市的产出、资本投入、劳动力投入和体育产业集聚，α、β和γ分别为资本、劳动力和体育产业集聚的产出弹性。假设规模报酬不变，将上式两边同时除以L，并取对数可得基础的计量模型：

其中，yit为劳均GDP的对数，kit为劳均资本投入的对数，由于体育产业集聚度采用的是相对指数，因此采用水平值。在该模型的基础上加入一系列的控制变量，可以得到本文的静态面板模型：

为了考量经济增长自身的惯性，以及面板数据中可能存在的内生性问题，借鉴潘文卿等［8］（2012）的做法，进一步引入经济增长的滞后一期，构成本研究的动态面板模型：

其中，模型的被解释变量为lnyit，用各省事劳均GDP的对数来表示，解释变量CIit用之前计算的行业比重指数来衡量，lnkit用各省市全社会固定资产投资劳均值的对数来衡量。控制变量中lnhit为人力资本的对数，新增长理论认为，人力资本的溢出效应有助于经济增长，用各省市平均受教育年限来衡量；lnmailit和lntranit为基础设施类的投入变量，lnmailit为邮电通讯基础设施水平，用劳均邮电业务量衡量，lntranit为交通基础设施水平，用劳均铁路与公路里程来衡量；lngovit为政府投入水平，实证研究发现，政府支出也会对经济增长产生一定的影响，用劳均政府支出规模来衡量；lnfdiit为外资使用水平，用各省市劳均实际外资使用量来衡量。所有使用数据来自各省市的《统计年鉴》、wind数据库，为了使数据具有可比性，对相关变量以2005年的不变价格进行平减。

本研究使用Stata 12.0软件，分别对全国、区域静态和动态面板模型进行实证分析，在实证过程中对如下3个假设进行检验。

H1：体育产业集聚对于经济增长有着显著的促进作用。H2：体育产业集聚与经济增长之间存在非线性关系。H3：体育产业集聚对经济增长的影响存在显著的地区差异。

4.2 静态面板模型实证分析

4.2.1 平稳性检验

为了保证回归结果的有效性，应当首先对各个变量进行平稳性检验，本研究分别采用Levin等［31］和Im等［30］两种方法检验各个变量是否存在单位根，结果如表3所示。从表中可以看出，交通基础设施水平lntran的原序列采用IPS检验时的伴随概率为0.096，无法通过5%统计水平的显著性检验，但在10%的统计水平上可以认为该序列不存在单位根，其他各个变量的原序列均能至少通过5%统计水平的显著性检验。因此，可以认为各个变量的面板数据都是平稳的，保证了本研究设定的模型不会出现伪回归的现象。

4.2.2 静态面板回归结果分析

对于静态面板数据回归的方法进行筛选，固定效应模型与混合OLS模型筛选的F检验结果显示，应当选择固定效应模型，利用Hausman检验进一步确定固定效应模型还是随机效应模型，结果显示，固定效应模型更适合本研究的模型。采用xtscc命令综合处理模型中可能存在的异方差、序列相关以及截面相关的问题，全国层面静态面板数据具体的回归结果如表4所示。

表4 静态面板模型回归结果Table 4 The Regression Results of Static Panel Model

1.线性关系回归分析

表4中（1）列和（2）列反映了体育产业集聚对经济增长影响的线性关系，（1）列是对模型4.1进行回归的结果，也是本研究的关注重点；（2）列是去掉（1）列回归中不显著的两个变量后，进一步回归的结果，从整体上看各个变量的系数并没有特别大的变化，而且，显著性推断也比较一致，在一定程度上体现了模型的稳定性。

从各个变量上看，体育产业集聚度CI的系数为正，且能通过5%统计水平的显著性检验，说明，地区体育产业集聚度的增加是可以对地区经济增长产生显著的促进作用，证明假设H1是成立的，这与潘文卿等［8］（2012）得出的制造业产业集聚能够显著促进经济增长，杨卫武等［17］（2015）得出的文化产业集聚有助于经济增长的结论是一致的。除此之外，与理论预期一致的是固定资产投资lnk的增加、资本水平lnh的提高、邮电通讯业务量lnmail的增加以及外资使用量lnfdi的提高都能够显著地促进经济增长。从系数的大小来看，人力资本水平也就是平均受教育年限的回归系数远大于人均固定资产投资的回归系数，说明，现阶段加大人力资本投入对于经济增长的促进作用更加明显，邮电通讯基础设施水平的提高能够有效降低信息沟通成本，合理进行资源配置，进而提高经济运行的效率，外商直接投资具有很强的溢出效应，通过多种溢出机制包括示范效应、人力资本溢出效应等促进本地企业的技术进步，进而显著地促进我国的经济增长。交通基础设施水平的回归系数为负值，而且未能通过10%统计水平的显著性检验，说明，人均铁路公路运营里程的提升并不会对经济增长产生显著影响，可能的原因是对于体育产业集聚对经济增长影响的模型来说，体育产业集聚使得很多企业在某些地方扎堆，在一定程度上对于交通基础设施的依赖度有所下降。此外，政府支出的回归系数为正，但也不显著，可能的原因在于，政府支出包括自身行政费用的支出以及对公共服务的支出，计量分析显示前者不利于经济增长，而后者的增加能够促进经济增长，虽然政府支出规模越来越大，但是，政府支出的两个部分截然不同的效果使得其对经济增长的作用还未能有效发挥。

2.非线性关系分析

（3）列和（4）列反映了体育产业集聚对经济增长影响的非线性关系。（3）列是引入后的非线性模型的回归结果，（4）列是除去（3）列中不显著的变量lntran后，进一步回归的结果，从整体上看各个变量回归系数的大小同样没有太大的变化，在统计推断上只有政府支出水平lngov的显著性水平有所提高，其他变量的显著性水平没有变化，因此，模型也是相对比较稳定的。

在模型4.1的基础上引入非线性解释变量CI2，这也是本研究关注的重点，其回归系数为－24.8，并且在1%统计水平上显著，说明，我国体育产业集聚与经济增长之间还存在明显的非线性关系，证明之前提出的H2假设是成立的，这与于谨凯等［19］（2014）在研究海洋产业集聚与经济增长的关系得到的结果相符。提示，体育产业集聚与经济增长之间也有着倒U型的关系，主要表现为当体育产业集聚度不是很高时，能够有效促进我国经济增长，但是，当体育产业集聚度超过一定水平后，将会对经济增长产生一定的阻碍作用。CI的回归系数为5.95，而且能够通过1%统计水平的显著性检验，说明，现阶段我国体育产业集聚的提升仍然能够对经济增长产生显著的促进作用，该系数相对于（1）列的线性模型有比较大的提高，主要是由于引入了非线性解释变量CI2。固定资产投资lnk、人力资本水平lnh、人均邮电通讯业务量lnmail和外资使用量lnfdi的回归系数均为正，且都至少能通过5%统计水平的显著性检验，只是在回归系数的绝对值上比线性模型的回归系数略小一些。此外，本研究还发现在非线性回归模型中，政府支出lngov的回归系数相对于线性模型有了一定的提升，而且通过了10%统计水平的显著性检验。

4.2.3 区域差异分析

从各区域产业集聚情况的分析中，发现东部、中部和西部地区体育产业集聚度有非常显著的差异，体育产业不同集聚水平对区域经济增长的影响是否也有明显的区别，也是本研究关注的重点。由于主要是为了分析体育产业集聚影响的地区差异，非线性关系并非本节关注的重点，因此，本节研究体育产业集聚与经济增长之间的线性关系。在表4中（2）列的基础上，仍然采用固定效应模型，并用xtscc命令对异方差和序列相关进行处理，分别对各个区域进行回归分析，结果如表5所示。

表5 分区域回归结果Table 5 Regional Regression Results

对比3个区域的估计结果可以发现，体育产业集聚在区域经济增长中所发挥的作用有很大的差异，证明了假设H3是成立的。西部地区体育产业集聚度的回归系数最小，而且在统计上也并不显著，说明，西部地区体育产业集聚对于经济增长有一定的促进作用，但并不很明显，主要原因可能在于西部地区目前的体育产业还比较落后，未能形成有效地产业集聚。中部地区体育产业集聚的回归系数最大，而且能够通过5%统计水平的显著性检验，说明，中部地区体育产业集聚正在为经济增长发挥着强力的促进作用。东部地区体育产业集聚度的回归系数居中，能够通过5%统计水平的显著性检验，说明，东部地区体育产业集聚也有助于经济增长。东部地区的体育产业集聚度远高于中部地区，但是，对经济增长的贡献度反而不如中部地区，提示，过高的体育产业集聚度反而可能不利于经济增长，这也从一个侧面证实了体育产业集聚与经济增长之间存在倒U型的曲线关系。

除此之外，本研究还发现东部地区固定资产投资lnk的回归系数最小，中部地区次之，西部地区最大，说明，东部地区物质资本投入对于经济增长的促进作用相对较低，经济增长的方式正在逐渐发生转变。而东部地区人力资本lnh的回归系数最高，说明，东部地区人力资本对于经济增长的促进作用越来越明显。

4.3 动态面板模型实证分析

关于动态面板数据模型的回归比较常用的方法有两种，差分广义矩估计（DIF-GMM）和系统广义矩估计（SYSGMM）。差分广义矩估计最早是由Arellano等［25］（1991）提出的，其基本思想是对动态面板数据进行一阶差分，以消除个体效应，然后假设原始动态模型的随机误差不相关，用滞后两阶及以上的变量作为差分变量的工具变量。但是差分广义矩估计的工具变量往往是弱工具变量，当时间跨度较小时弱工具变量的特性更加明显。系统广义矩估计是由Arellano等［26］（2004）以及Blundell等［28］（1995）提出的，则是进一步采用差分变量的滞后项作为水平值的工具变量，相当于增加了可用的工具变量，而且在估计过程中同时使用了水平方程和差分方程，能够更好地解决工具变量选择的问题，并处理大N小T型的面板数据。因此，本研究采用系统广义矩估计对动态面板数据进行估计，具体的估计结果及相关检验如表6所示。

4.3.1 动态面板回归结果分析

1.线性关系分析

表6的（1）列反映了动态面板模型中体育产业集聚与经济增长之间的线性关系，也是对模型4.2的回归结果。Arellano-Bond自相关检验结果说明，模型存在一阶自相关，但是，在5%统计水平上不存在二阶自相关，说明系统GMM估计的方法适用，模型设定合理。工具变量的过度识别Sargan检验的P值为0.981，说明，工具变量的选择有效，模型的总体矩条件成立。

表6 动态面板模型估计结果Table 6 The Estimation Results of Dynamic Panel Model

从估计的结果来看，体育产业集聚度CI的回归系数为3.023，而且，在1%统计水平上显著，说明，动态面板数据模型回归结果同样支持假设H1 “体育产业集聚对于经济增长有显著的促进作用”。经济增长的滞后变量L.lny的回归系数为正，且能通过10%统计水平的显著性检验，说明从全国范围上看，经济增长具有惯性，滞后一期的GDP有助于当期的经济增长。由于引入了经济增长的滞后一期变量L.lny构成了动态模型，使得回归的系数与静态面板回归的系数有所不同，主要在于交通基础设施变量lntran的系数由负变正，而且变得显著了，其可能的原因是由于考虑到经济增长的惯性，在一定程度上加强了交通基础设施水平对经济增长的促进作用。

2.非线性关系分析

表6的（2）列反映了动态面板模型中体育产业集聚与经济增长之间的非线性关系。Arellano-Bond自相关检验结果说明，模型存在一阶自相关和二阶不相关，提示，系统GMM估计的方法适用，模型设定合理。工具变量的过度识别Sargan检验P值为0.786，说明，工具变量的选择有效，模型的总体矩条件成立。

在非线性关系中，本研究重点考虑体育产业集聚CI2的系数，该系数为－68.247，而且在1%统计水平上显著，说明，动态回归的结果也同样支持假设H2 “体育产业集聚与经济增长之间存在非线性关系”。经济增长的滞后变量L.lny的回归系数比现行模型中稍微大一些，而且能通过1%统计水平的显著性检验，说明在非线性关系中，滞后一期的GDP仍然有助于当期的经济增长。CI的系数为正，而且在1%统计水平上显著，只是在绝对值上要大于静态模型，同样说明，现阶段我国体育产业集聚度的提高有助于经济增长。此外由于引入了非线性关系，使得政府支出lngov对经济增长的回归系数变得显著了。

4.3.2 区域差异分析

关于体育产业集聚对经济增长影响动态模型的区域差异，本研究同样也是重点关注线性关系，利用系统广义矩估计的方法将东部、中部和西部地区体育产业集聚对区域经济增长的影响进行动态面板回归分析，结果如表6中（3）、（4）、（5）列所示。从自相关的检验上看，三大区域均存在一阶自相关和二阶不相关，模型的总体设定合理。三大区域的Sargan检验均说明，模型的工具变量不存在过度识别的问题，总体矩条件有效。

从结果上看，三个区域CI的系数同样有着显著差异，与静态面板模型回归结果类似，仍然是中部地区最高，西部地区次之，东部地区最低，说明，动态面板模型同样支持假设H3 “体育产业集聚对经济增长的作用存在显著的地区差异”。值得注意的是，经济增长的滞后一阶L.lny对各区域经济增长的影响也是不同的，其中，东部地区显著为负，不利于经济增长，中部和西部地区则都为正，有助于经济增长。本研究尝试对这一现象进行解释，可能的原因在于：我国正处于经济结构转型时期，经济结构转型会降低原有经济增长的惯性，而东部地区一直走在经济结构转型的前列，因此，出现了L.lny回归系数为负，实际上也从另一个侧面说明东部地区经济转型取得了一定的成效。此外，中部地区人力资本水平lnh对经济增长的回归系数也是负的，可能的原因在于，东部地区对于人才的吸引力巨大，使得中部地区人力资本流向东部地区，降低了人力资本对中部地区经济增长的作用，而西部地区由于国家近些年来的政策支持，使得人力资本水平有了明显的提高，对于西部地区经济增长起到了显著的促进作用。

5 结论

产业集聚对于区域经济增长有着重要的影响，以往学者从理论和实证角度分析了很多产业集聚对于经济增长的作用，但是，目前有关体育产业集聚对经济增长影响还亟待加大力度进行全面的系统研究。我国体育产业近些年迅速发展，在很多地区也出现了一定程度的体育产业集聚，本研究正是在这样的背景下，利用2005—2015年的省级面板数据，定量分析我国体育产业集聚对经济增长的影响。

实证检验的结果表明：1）静态和动态面板模型都说明我国体育产业集聚能够显著促进经济增长，其中，静态模型显示体育产业集聚度每提高一个单位，能够促进经济增长1.85个百分点；2）体育产业集聚与经济增长之间存在显著的非线性关系，呈现倒U型的结构，即适度的体育产业集聚有助于经济增长，但过度的体育产业集聚不利于经济增长；3）我国体育产业集聚对经济增长的影响存在显著的地区差异，中部地区对经济增长的促进作用最强，东部地区次之，西部地区最低。

6 政策建议

基于上述结论，本研究试图提出一些促进我国体育产业发展，有利于发挥体育产业集聚对经济增长促进作用的政策建议。

1.政府在体育产业集聚的不同阶段发挥着相应的作用，在体育产业集聚的初始阶段制定科学的规划，完善体育产业扶持政策，为体育相关企业发展创造良好的生存环境。在体育产业集聚的形成阶段，促进、引导区域内体育产业相关企业之间的交流与合作，推广区域内的体育产业集群品牌塑造。在体育产业集聚的成熟阶段，集群内的企业已经明确了自身定位，产业集群的市场调节机制已经形成，政府应当淡化引导和管理的职能，回归服务的位置。

2.注重体育产业集聚的发展规划，避免体育产业内部结构趋同。过度的体育产业集聚，尤其是同质的体育产业过度集聚，其结果是区域内部的恶性竞争，造成极大的资源浪费，因此，应当根据各自区域的实际情况，科学制定具有差异化的体育产业集聚规划，比如，东北地区可以加强冰雪类体育产业集聚，东部沿海地区可以加强体育服务业、休闲体育业等方面的产业集聚，中部地区可以承接沿海体育及相关用品制造业内移，西部地区可以依据自身的地形特色、民族特色等加强体育旅游业，形成休闲体育集群等。

3.加强体育产业之间的区域合作，如大型的体育赛事常常需要多个地区共同参与，为区域间体育企业的沟通与交流创造了良好的条件，有助于体育资源的跨区域流动，也能在很大程度上促进体育产业发展相对落后的中、西部地区的体育产业集聚的提高。

［1］ 陈文胜. 体育产业发展对我国经济增长贡献的实证分析［J］.当代体育科技， 2012，2（19）：72-73.

［2］ 曹清峰，王家庭， 杨庭. 文化产业集聚对区域经济增长影响的空间计量分析［J］. 西安交通大学学报（社会科学版），2014，34（5）：51-57.

［3］ 方春妮. 体育产业集群研究［D］. 上海：上海体育学院，2009.

［4］ 傅远佳. 海洋产业集聚与经济增长的耦合关系实证研究［J］.生态经济， 2011（9）：126-129.

［5］ 弓文. 我国体育产业集聚水平测试及其影响因素研究［D］.长沙：湖南大学， 2011.

［6］ 纪玉俊， 周素娟. 我国金融产业集聚的区域经济增长效应——基于门槛回归模型的实证研究［J］. 产业经济评论，2015，（2）：43-51.

［7］ 接云峰. 体育产业发展与经济增长的影响关系研究［J］. 生产力研究， 2010，（8）：195-196.

［8］ 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.

［9］ 庞善东，靳英华. 基于理论研究视角下体育与经济增长和经济发展的关系［J］. 北京体育大学学报，2016，39（7）：16-21.

［10］ 宋昱. 体育产业的集群发展研究：中国的经验与问题［J］. 北京体育大学学报，2013，36（8）：17-23.

［11］ 王良健，弓文，侯虚怀. 我国省际体育产业集聚水平测度及动态演进研究［J］.北京体育大学学报，2012，35（10）：29-34.

［12］ 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）：23-32.

［13］ 徐茂卫， 管文潮. 我国体育产业集聚的动力机制［J］.上海体育学院学报， 2012， 36（3）：57-60.

［14］ 谢品，李良智， 赵立昌. 江西省制造业产业集聚、地区专业化与经济增长实证研究［J］. 经济地理， 2013，33（6）：103-108.

［15］ 许钟源，张佳斌. 基于SVAR模型的我国体育产业发展与经济增长动态计量分析［J］. 商，2014（26）：241-242.

［16］ 闫琳琳，高素英，张晓东，等. 休闲体育产业与经济增长关系实证研究［J］. 河北工业大学学报， 2010，39（2）：60-63.

［17］ 杨卫武，毛润泽. 文化产业集聚、经济增长与地区差异——基于省级面板数据的回归分析［J］. 上海师范大学学报（哲学社会科学版）， 2015，44（4）：34-42.

［18］ 曾鸣. 区域经济增长与体育产业发展相关性分析［J］. 统计与决策， 2010（20）：120-121.

［19］ 于谨凯，刘星华，单春红. 海洋产业集聚对经济增长的影响研究：基于动态面板数据的GMM方法［J］. 东岳论丛，2014，35（12）：140-143.

［20］ 张金桥，王健. 论体育产业与文化产业的融合发展［J］. 上海体育学院学报， 2012，36（5）：41-44.

［21］ 章颖. 福建省体育产业集聚水平测度及研究［J］. 福州大学学报：哲学社会科学版， 2017，31（2）：99-104.

［22］ 张羽. 体育产业发展对经济增长影响的动态计量研究［D］.长春：东北师范大学， 2016.

［23］ 赵聂.河南体育事业与经济社会发展关系研究［J］.河南社会科学，2009，17（3）：210-211.

［24］ 周海鹏，李媛媛，李瑞晶. 金融产业集聚对区域经济增长的空间效应研究［J］. 现代财经（天津财经大学学报），2016，（2）：63-76.

［25］ ARELLANO M，BOND S. Some tests of speci fi cation for panel data：Monte carlo evidence and an application to employment equations［J］. Rev Econ Stud，1991，58（2）：277-297.

［26］ ARELLANO M，BOVER O. Another look at the instrumental variable estimation of error-components models［C］// Centre for Economic Performance，Lse，2004：29-51.

［27］ BALDWIN R，MARTIN P. Agglomeration and regional growth［M］// Handbook of Regional and Urban Econ omics：Volume 4，2006，4（4）：2671-2711.

［28］ BLUNDELL R，BOND S. Initial conditions and moment restrictions in dynamic panel data models［J］. Econ Papers，1995，87（1）：115-143.

［29］ FUJITA M，THISSE J F. Economics of Agglomeration （electronic resource）：Cities，Industrial Location，and Regional Growth［M］.Cambridge：Cambridge University Press，2002.

［30］ IM K S，PESARAN M H，SHIN Y. Testing for unit roots in heterogeneous panels ［J］. J Econ，2003，115（1）：53-74.

［31］ LEVIN A，LIN C F，CHU C S J. Unit root tests in panel data：Asymptotic and fi nite-sample properties［J］. J Econ，2002，108（1）：1-24.

［32］ OTTAVIANO G I P，MARTIN P. Growth and agglomeration［J］.Int Econ Rev ，2001，42（4）：947-968.

［33］ PORTER M E. The competitive advantage of nations［J］. Harv Bus Rev，1990，68（2）：73-93.

An Empirical Analysis of the Impact of Sports Industry Agglomeration on Regional Economic Growth——Based on Static and Dynamic Panel Data Model

Yao Song-bo1，Liu Ying2

Based on the provincial panel data from 2005 to 2015，this paper analyzes the impact of sports industry agglomeration on regional economic growth with static and dynamic panel models，and calculates the level of provincial sports industry agglomeration with industry proportion index.The empirical results show that both static and dynamic panel models support the assumption that China’s sports industry agglomeration can significantly contribute to economic growth，and the static model shows that GDP will increase 1.85 percentage while sports industry agglomeration increases a unit. There is a signi fi cant nonlinear relationship between sports industry agglomeration and economic growth，presenting an inverted U-shaped structure，which means that moderate sports industry agglomeration can promote economic growth，but excessive sports industry agglomeration is not conducive to economic growth. The impact of China’s sports industry agglomeration on economic growth exist signi fi cant regional differences. The central region has the strongest effect on economic growth，followed by the eastern region and the lowest in the western region. This paper also presents some proposals：the government should play a corresponding role in different stages of sports industrial agglomeration development; in order to avoid the convergence of internal structure，government should pay attention to the development planning of sports industry agglomeration，the eastern region should seek differentiation in sports industry development；strengthen the regional cooperation of sports industry，and encourage the sports industry agglomeration in the central and western regions.

sports industry；industrial agglomeration；economic growth；regional discrepancies

G80-05

A

1000-677X（2017）11-0021-09

10. 16469/j. css. 201711003

2017-10-23；

2017-11-20

国家社会科学基金青年项目（13CTY004）。

姚松伯，男，硕士，主要研究方向为体育管理， E-mail:Sebastianyao@outlook.com；刘颖，女，教授，主要研究方向为体育管理。

1.上海体育学院，上海200438；2.沈阳体育学院，辽宁沈阳110102

1.Shanghai University of Sport，Shanghai 200438，China；2.Shenyang Sport University，Shenyang 110102，China.