产业集聚、市场竞争性与劳动生产率——基于高技术产业面板数据的实证分析

一 引 言

在供给侧改革的背景下，经济增长的动力正由传统要素投入驱动向创新驱动转变。随着我国经济发展进入“新常态”阶段，发展方式不再单纯依靠规模上的扩张而是依靠技术进步带来质量上的提升。因此，在经济增长方式转型升级时期，技术创新相对更活跃的高技术产业有了更广阔的发展空间。面对我国“人口红利”效应递减，企业劳动力低成本比较优势减弱，世界经济复苏迹象并不明朗，外部有效需求不足等情况，传统产业增长缺少强劲的动力，一些产业部门出现严重的产能过剩。然而，在国家政策支持和要素供给充裕的利好条件下，高技术产业持续地快速发展(卫平和郭江，2017)[1]，2015年，高技术产业的主营业务收入已经超越13万亿，增长速度为9.8%，超过当期GDP的增长速度。

产业发展迫切需要创新注入新的增长动力，具有高附加值、高增长率特点的高技术产业在信息技术快速发展的推动下形成了集聚，发挥规模报酬递增的机制，而产业集聚对劳动生产率有明显的正向效应(惠炜和韩先峰，2016[2]；陈利泰和张祖妞，2011[3]；Ciccone,2002[4])。尤其是在全球经济一体化的背景下，全球产业价值链的分工和合作进一步加深，发达国家的大型跨国公司保持甚至不断提升自身产业价值链高附加值环节的优势地位，而发展中国家的企业现阶段还不能超越处于产业价值链高附加值环节的跨国企业，而只有抓住全球产业分工中的部分重要环节，以此为突破，促进企业较快地由产业价值链低端向高端转变。高技术产业是我国国民经济中具有重要战略地位的产业，关乎我国经济转型升级(汪传旭和任阳军，2016)[5]。根据高技术产业发展趋势，高技术产业最有可能成为我国实现以创新驱动经济增长的支柱产业之一，助推我国产业价值链整体向高附加值转变。因此，关于高技术产业集聚与劳动生产率之间的关系问题值得关注和讨论，对实现经济长期的、稳定的、高质量的增长具有重要战略意义。

二 文献综述

世界各个国家或地区的生产率表现出巨大差异，其中外部性影响作用十分重要(范剑勇和石灵云，2009)[6]。马歇尔(1890)[7]最早提出了“外部经济”理论，他认为集聚会产生劳动力市场的共享、投入的共享以及知识外溢，产生外部规模经济，进而影响劳动生产率，通常称为“马歇尔外部性”。Jacobs(1969)[8]认为行业的多样性更易于产生知识溢出的外部性，是技术创新的重要来源，从而实现经济增长。外国学者对产业集聚影响生产效率问题进行了大量的实证研究。Cicccone(2002)[4]利用欧洲5个国家628个地区的跨部门数据研究发现，这5个国家的就业密度与劳动生产率之间的弹性系数是4.5%。Henderson(2003)[9]研究认为一个区域通常会有产业专业化集聚和产业多样化集聚并存的情况，且与产业多样化相比，产业专业化即“马歇尔外部性”是显著的。Gopinath et al.(2004)[10]认为美国制造业的产业集聚与劳动生产率之间是倒“U”形的二次关系。Brülhart和Mathys(2008)[11]研究得出，从长期来看，产业集聚效应对生产效率的正向作用会逐渐加强。Klein和Crafts(2015)[12]研究得出，美国工业专业化程度与生产率的提高有关，而产业多样性对生产率的正向影响只有在大城市表现显著。

国内学者对产业集聚与劳动生产率的关系也给予大量的关注，并且涌现出很多具有现实价值的研究成果。程大中和陈福炯(2005)[13]研究发现，除房地产业以外，我国服务业相对密集度对劳动生产率具有正向效应，验证了“凡尔登定律”。范剑勇和石灵云(2009)[6]将产业的外部性分为产业内集聚和关联产业集聚，并通过实证检验得出，产业外部性对劳动生产率具有明显的正向影响，并且关联产业集聚效应要比产业内集聚效应更弱。张海峰和姚先国(2010)[14]分别检验了产业专业化“马歇尔外部性”和产业多样化“雅各布斯外部性”对劳动生产率的影响，研究结果表明，规模以下工业企业劳动生产率的提高更得益于产业多样化，即“雅各布斯外部性”，而产业专业化的影响并不显著。蔡敬梅(2013)[15]通过空间误差模型检验发现，产业集聚的城市化效应对劳动生产率的提高具有显著的推动作用。孙浦阳等(2012)[16]分别研究了我国工业和服务业集聚对其劳动生产率的影响，两类影响差异较大，从长期看，工业集聚对劳动生产率提高影响要强于服务业集聚对劳动生产率的影响。杨勇(2015)[17]研究发现，旅游产业集聚具有的典型性产业链式外部性，是影响旅游业劳动生产率的重要因素。申朴等(2015)[18]在不设定比较优势的情况下，证明了服务业空间集聚对服务业劳动生产率的提高具有促进作用。惠炜和韩先峰(2016)[2]研究发现，生产性服务业集聚对劳动生产率的促进作用显著，并通过面板门槛模型进一步发现生产性服务业集聚对劳动生产率非线性动态影响是显著的。纪玉俊和张莉键(2017)[19]研究发现，将对外开放水平作为门槛变量，服务业集聚能够有效利用对外开放的有利条件促进经济增长。

综上所述，近些年来有关产业集聚与劳动生产率关系的研究成果颇丰，但仍有值得深入讨论和改进的地方。首先，国内学者大部分研究工业集聚和服务业集聚整体对生产率的影响，且在量化产业集聚时，往往侧重产业集聚专业化和多样化其中的一类。本文认为随着我国市场经济体制的不断完善，分析产业集聚对劳动生产率的影响不仅要考虑专业化和多样化，还应考虑市场竞争性。原因是产业集聚会加剧市场竞争，而市场竞争因素会反作用于劳动生产率，尤其在科学技术快速更新的时代，知识技术密集型产业市场竞争尤为激烈。高技术产业是知识技术密集型产业，目前发展速度比较快，同时，具有技术研发性质的行业比其他行业在空间上更容易集聚(Buzard和Carlino,2013)[20]，因此市场竞争外部效应对劳动生产率的影响不能忽视，但是现有文献关于高技术产业集聚的研究，尤其是高技术产业集聚外部性与劳动生产率的关系研究仍有不足。其次，对两者线性关系的研究较多，而高技术产业集聚对劳动生产率的非线性影响研究鲜有。第三，目前我国处于后工业化阶段，需求侧治理难以有效促进经济增长，因此本文将结合我国当前供给侧改革的背景，从高技术产业供给角度，探讨我国高技术产业集聚对劳动生产率的影响，这对于我国经济转型升级具有重要的现实意义。

三 模型设定、变量构造与数据来源

(一)模型设定

根据前文的理论机制分析，考虑我国高技术产业供给因素对劳动生产率的影响，以及保持模型的稳定性和控制其他可能影响高技术产业劳动生产率的因素，本文建立如下的基本方程进行回归估计，分析专业化外部效应、多样化外部效应与市场竞争外部效应对高技术产业劳动生产率的影响：

lnYit=β0+β1Xit+β2controlit+υi+μt+εit

(1)

(2)

其中,Yit为被解释变量，本文采用劳动生产率labpit表示(下标i代表省份，t表示年份)；高技术产业集聚Xit为本文关注的核心解释变量，根据理论机制分析，将高技术产业集聚外部性具体细分为专业化speit、多样化divit、产业集聚的市场竞争性makit；υi表示省级地区效应；μt为时间效应；εit是方程的随机扰动项。本文根据以往文献研究，选取影响高技术产业生产率的其他重要控制变量Controlit：资本投入水平(k)、外商直接投资(fdi)、政府干预程度(gov)、劳动力投入水平(l)、各省级地区工资水平(wage)、信息化程度(mail)、基础设施建设水平(inf)。

(二)变量构造

1.被解释变量：高技术产业的劳动生产率labpit。劳动生产率为劳动力要素投入的生产率，具体用高技术产业劳均总产值(高技术产业总产值与年均从业人员之比)来衡量。范剑勇(2006)[21]、刘修岩(2009)[22]以及孙浦阳等(2013)[16]在研究产业集聚与非农产业劳动生产率的关系中都采用了这一衡量指标。

2.核心解释变量：高技术产业集聚。在以往相关研究中，产业集聚通常选取就业密度指标衡量，但是随着我国“人口红利”效应的锐减和城镇化规模的扩张，会大大降低以就业密度衡量的产业集聚程度(顾乃华和陈秀英，2015)[23]，由此本文主要借鉴了杨仁发(2013)[24]、祝树金等(2014)[25]以及程中华和刘军(2015)[26]的度量方法，将高技术产业集聚效应具体细分为专业化spe、多样化div、市场竞争性mak，其测算公式如下：

speit=ei/Ei

(3)

(4)

makit=(Ni/Zi)/(∑Ni/∑Zi)

(5)

其中，ei为第i个省级地区高技术产业就业人数占该省份总就业人数的比重，Ei表示第i个省级地区所有高技术产业就业人数占全部省份总就业人数的比重，Ni是第i个省级地区高技术产业企业数目，Zi表示第i个省级地区高技术产业总产值。

3.控制变量: 参考以往相关文献，梳理出回归分析时需要控制的变量。(1)资本投入水平(k)：用固定资产投资额占GDP的比重衡量；(2)外商直接投资(fdi)：高技术产业发展存在一定程度的对外依赖，用外商实际投资额占GDP比重来表示；(3)政府干预程度(gov)：政府宏观政策对高技术产业发展有重要的影响作用，采用财政支出占GDP比重来表示；(4)劳动力投入水平(l)：选取就业人员年均数量；(5)各省级地区工资水平(wage)：工资水平越高对科技人员的吸引力越强，也就有利于高技术产业提高生产效率，本文选用省级地区平均工资表示；(6)信息化程度(mail):信息化发展程度也是推动高技术产业发展的重要影响因素，本文采用人均邮电量来衡量；(7)基础设施建设水平(inf)：在基础设施条件相对较好情况下，更利于高技术产业生产要素的自由流动，降低交易成本和运输费用，本文采用省级地区人均城市道路面积来衡量。

(三)数据来源

本文选取的变量较多，从研究的整体性考虑，根据样本数据的有效性和获取性原则，将样本区间确定为：2001-2010年。最终利用全国31个省级地区的面板数据进行实证分析，原始数据主要来源于《中国统计年鉴》、各省统计年鉴、《中国人口与就业统计年鉴》、《中国劳动统计年鉴》、《中国高技术产业数据库》及中经网数据库，并进行计算整理。表1反映了全国31个省级地区各变量的统计特征。

表1 全国31个省级地区各变量的统计特征

四 检验结果与分析

本文选取的是全国31个省级地区的面板数据，为得到可靠的计量结果，需要确定适于本文面板数据模型的具体估计方法。通过F检验的P值均为0.0000，因此要拒绝原假设，表明模型中存在固定效应；其次通过豪斯曼(Hausman)检验可以验证模型是否存在随机效应。由于使原假设成立的P值为0.0000，即拒绝原假设，应该采用固定效应模型。

(一)实证结果与分析

通过Stata12软件，运用全国31个省级地区高技术产业2001-2010年的平衡面板数据，将高技术产业集聚效应具体分为专业化外部性spe、多样化外部性div、市场竞争外部性mak对劳动生产率进行回归估计。Gopinath et al.(2004)[10]认为美国制造业集聚与劳动生产率之间是倒“U”形的二次关系，为检验我国高技术产业集聚与劳动生产率是否也存在倒“U”形的二次关系，本文将在模型2、模型4以及模型6分别加入专业化spe、多样化div、市场竞争性mak的平方项。固定效应回归结果如表2所示。

表2 高技术产业集聚对劳动生产率固定效应模型的回归结果

注：***、**、*分别表示在1%、5%、10%的显著性水平显著；()内表示稳健的标准误。

从高技术产业专业化集聚对劳动生产率影响方面看，专业化集聚系数在5%显著性水平下为正，表明高技术产业专业化集聚对劳动生产率的提高具有正向效应。模型1的回归结果中，控制变量回归系数显著为正的分别是资本投入水平k、外商投资水平fdi、工资水平lnwage、信息化程度lnmail、基础设施建设水平lninf，这说明以上变量对高技术产业劳动生产率具有促进作用，其中从外商投资水平fdi系数可以看出，劳动生产率受其影响程度较大，即高技术产业对外资依赖程度较高。而政府干预程度gov和劳动力投入水平l的回归系数为负，说明政府干预程度越高越不利于高技术产业劳动生产率的提升，可能源于在受到中央管理部门和追求当地经济增长目标的双重约束下，地方政府对市场的干预行为并没有促进高技术产业劳动生产率的提高。由于高技术产业属于知识技术密集型产业，对劳动者的知识水平有更高要求，而检验结果显示劳动力投入系数为负，这说明劳动力投入对生产效率产生了抑制作用，也意味着劳动力投入数量上的增多并不会提升高技术产业的劳动生产率，因此高技术产业发展还需要更多具备高级知识和技术的劳动力投入。

从高技术产业集聚多样化和市场竞争性对劳动生产率的影响方面看，多样化div系数为正但并不显著，市场竞争性mak系数在1%显著性水平下为-0.09，说明高技术产业集聚产生的市场竞争性对劳动生产率的提高产生了负向影响，可能是市场竞争机制还不够完善阻碍了劳动生产率的提高。从企业制度角度分析，大型国有企业过分依赖政府给予的垄断地位，缺少市场竞争机制，因此这类企业对研发投入的积极程度并不高(龚刚，2016)[27]，这可能是影响高技术产业劳动生产率的重要因素之一。

从高技术产业集聚与劳动生产率之间的非线性关系看，模型2在加入spe2变量后，回归结果显示在5%显著性水平下，一次项系数为正，而二次项系数为负。表明高技术产业专业化集聚与劳动生产率之间存在非线性关系，并且是倒“U”形的二次关系。当高技术产业专业化集聚程度spe*接近5.54水平时，专业化集聚对劳动生产率具有正向效应，如果超过临界值spe*则产生负向效应。根据本文所选样本，广东省高技术产业集聚专业化的程度最接近正向效应的最大值，上海市、江苏省和天津市的高技术产业集聚专业化对劳动生产率促进作用的影响程度也高于其他省份。同理，在模型4和模型6中分别加入div2变量和mak2变量，检验结果显示，两个模型一次项的回归系数为负，二次项回归系数为正，且有显著性。说明高技术产业集聚多样化和市场竞争性与劳动生产率之间存在着非线性的U形关系，这就意味着高技术产业集聚多样化和市场竞争性水平超过临界值后，对劳动生产率是递增的影响，多样性div*转折点为2，市场竞争性mak*为7.47。在全国31个省级地区中，高技术产业集聚多样化对劳动生产率是递增影响的省级地区共有16个，而市场竞争性对劳动生产率达到正向影响的省级地区还没有。这就意味着各地区市场竞争机制还不够完善，要充分发挥市场配置资源的基础作用，在供给侧改革目标下，发展知识和技术密集型产业是关键，尤其是高技术产业，要想获取在国际产业价值链中的优势地位，需要良好的市场竞争环境，企业才能加大对创新研发的投入，将新技术和新产品投放到市场中。因此宏观上，政府应转变经济管理模式，建立有效的竞争机制，加强企业知识产权保护力度，为我国经济社会发展提供安全、有序的市场竞争环境。

(二)稳健性检验

从上文的实证检验分析可以得出，我国高技术产业集聚专业化、多样化对劳动生产率的提高都具有正向效应，而市场竞争性对劳动生产率具有抑制作用。本部分将分别从空间上和时间上的子样本对以上回归结果进行稳健性检验，以验证估计结果是否会因样本区间的变动而发生改变。检验结果如表3所示。

由表3的回归结果可知，三种衡量高技术产业集聚的指标，即产业集聚专业化、产业集聚多样化以及市场竞争性对劳动生产率的影响与前文得出的结论基本一致，并且回归系数没有明显差距，基本处于同一水平。同时，也再次验证了高技术产业集聚专业化与劳动生产率之间是倒“U”形的二次关系, 高技术产业集聚多样化和市场竞争性与劳动生产率之间是“U”形关系。

表3 子样本稳健性检验结果

注：***、**、*分别表示在1%、5%、10%的显著性水平显著；()内表示稳健的标准误。

五 结论与政策启示

本研究采用全国31个省级地区2001-2010年的平衡面板数据，从线性和非线性角度检验了我国高技术产业集聚对劳动生产率的影响。检验结果表明，高技术产业集聚专业化对劳动生产率具有显著的正向效应，而高技术产业集聚多样化对劳动生产率促进作用并不显著，市场竞争性外部性对劳动生产率具有一定抑制作用。从非线性关系来看，高技术产业集聚专业化与劳动生产率之间呈现倒“U”形的二次关系；高技术产业集聚多样化和市场竞争性与劳动生产率之间呈现“U”形关系。本文的研究不仅体现了我国不同省级地区高技术产业集聚水平，也反映了高技术产业集聚产生的不同外部效应对劳动生产率的影响，这将有助于更深入地研究高技术产业集聚影响劳动生产率的规律，合理优化高技术产业集聚规模，进而有效地促进劳动生产率的提高。在供给侧改革目标指引下，本研究成果可能为高技术产业发展规划提供参考。

首先，高技术产业集聚专业化外部性对劳动生产率具有正向效应，从非线性关系上看，两者呈现倒“U”形的二次关系。由于我国各省份高技术产业集聚专业化水平差异较大，其中，广东省、上海市以及江苏省已接近顶点，而一些省份集聚专业化程度还比较低，因此地方政府应注重因地制宜地调整高技术产业集聚专业化的规模，促进地区间协同发展。产业集聚专业化水平较低地区不应过分依赖政府给予的各项优惠产业政策，政府要引入市场竞争机制，倒逼产业集聚专业化水平较低地区的高技术产业企业加强研发投入力度，从而促进劳动生产率的提高，刺激经济增长。同时，产业集聚专业化水平较高的地区也不能片面地追求集聚效应带来的规模经济效益，要创造有效供给以引领国际和国内市场需求。其次，创新驱动经济增长是供给侧改革目标的重中之重，而创新和研发需要投入大量的资本，因此要增强高技术产业敢于投入的信心，政府就要不断完善市场经济竞争机制，提供安全、有序、公平的市场竞争环境，激发企业研发投入的积极性，提高劳动生产率促进经济高质量增长。最后，高技术产业是知识、技术、人才密集型的产业，因此政府要加大对高等教育的投入，提高人才技术水平和知识资本积累，同时做好网络信息服务以及公共基础设施的建设，为高技术产业集聚提供更好的支撑体系。

[1] 卫平, 郭江. 供给侧视角的我国高技术产业产能过剩测度与影响因素[J]. 产经评论, 2017, 8(5): 123-132.

[2] 惠祎, 韩先峰. 生产性服务业集聚促进了地区劳动生产率吗？[J]. 数量经济技术经济研究, 2016, (10): 37-55.

[3] 陈立泰, 张祖妞. 服务业集聚与区域经济差距: 基于劳动生产率视角[J]. 科研管理, 2011, (12): 126-133.

[4] Ciccone, A.. Agglomeration Effects in Europe[J].EuropeanEconomicReview, 2002, 46(2): 213-227.

[5] 汪传旭, 任阳军. 高技术产业绿色创新效率的空间溢出效应[J]. 产经评论, 2016, 7(6): 76-84.

[6] 范剑勇, 石灵云. 产业外部性、 企业竞争环境与劳动生产率[J]. 管理世界, 2009, (8): 65-72.

[7] 马歇尔. 经济学原理(中译本)[M]. 北京: 人民日报出版社, 2009.

[8] Jacobs, J..TheEconomyofCities[M]. New York: Random House, 1969.

[9] Henderson, V. J.. Marshall’s Scale Economics[J].JournalofUrbanEconomics, 2003, 53(1): 1-28.

[10] Gopinath, M., Pick, D., Li, Y.. An Empirical Analysis of Productivity Growth and Industrial Concentration in US Manufacturing[J].AppliedEconomics, 2004, 36(1): 1-17.

[11] Brülhart, M., Mathys, N.. Sectoral Agglomeration Economics in a Panel of European Regions[J].RegionalScienceandUrbanEconomics, 2008, 38(1): 348-362.

[12] Klein, A., Crafts, N.. Agglomeration Economies and Productivity Growth: U.S. Cities, 1880-1930[Z]. CEPR Discussion Paper No.DP10673, 2015, (6).

[13] 程大中, 陈福炯. 中国服务业相对密集度及对其劳动生产率的影响[J]. 管理世界, 2005, (2): 77-84.

[14] 张海峰, 姚先国. 经济集聚、 外部性与企业劳动生产率——来自浙江省的证据[J]. 管理世界, 2010, (12): 45-51.

[15] 蔡敬梅. 产业集聚对劳动生产率的空间差异影响[J]. 当代经济科学, 2013, (6): 25-32.

[16] 孙浦阳, 韩帅, 张诚. 产业集聚结构与城市经济增长的非线性关系[J]. 财经科学, 2012, (8): 49-57.

[17] 杨勇. 集聚密度、 多样性和旅游企业劳动生产率——兼对产业集聚理论观点的拓展研究[J]. 财贸经济, 2015, (2): 148-160.

[18] 申朴, 刘康兵, 尹翔硕. 产业集聚对我国服务外包生产率的影响: 理论模型与经验证据[J]. 产业经济研究, 2015, (1): 45-52.

[19] 纪玉俊, 张莉健. 不同对外开放水平下服务业集聚的经济增长效应差异[J]. 产经评论, 2017, 8(2): 34-45.

[20] Buzard, K., Carlino, G.. The Geography of Research and Development Activity in the U.S.[A]//In Giarratani, F.,Hewings, G., McCann, P. (Eds.).HandbookofEconomicGeographyandIndustryStudies[M]. London: Edward Elgar, 2013.

[21] 范剑勇. 产业集聚与地区间劳动生产率差异[J]. 经济研究, 2006, (11): 72-81.

[22] 刘修岩. 产业集聚与经济增长: 一个文献综述[J]. 产业经济研究, 2009, (3): 70-78.

[23] 顾乃华, 陈秀英. 财政约束、 城市扩张与经济集聚密度、 劳动生产率变动[J]. 经济学家, 2015, (6): 30-40.

[24] 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.

[25] 祝树金, 于晓路, 钟腾龙. 我国地区产业多样化、 技术创新与经济发展——基于面板数据联立方程模型的研究[J]. 产经评论, 2014, 5(6): 52-62.

[26] 程中华, 刘军. 产业集聚、 空间溢出与制造业创新——基于中国城市数据的空间计量分析[J]. 山西财经大学学报, 2015, (4): 34-44.

[27] 龚刚. 论新常态下的供给侧改革[J]. 南开学报(哲学社会科学版), 2016, (2): 13-20.