产业集聚对制造业绿色全要素生产率的影响——基于长短期行业异质性视角的经验分析

屈小娥，胡琰欣，赵昱钧

（西安交通大学 经济与金融学院，陕西 西安 710061）

随着改革开放以来经济的高速增长及工业化、城市化进程的加速推进，中国能源与环境问题日益突出，提高生产率的同时如何兼顾资源环境，走可持续发展之路成为政府和学术界关注的热点。许多学者将能源耗费和污染排放纳入全要素生产率的衡量系统，从全国、省际、行业等多个角度探究绿色全要素生产率的影响因素。近几年，中国逐渐步入经济中高速增长的“新常态”，产业转型升级，从传统的粗放式增长向集约式发展的需要越来越迫切。当前产业发展过程中，产业集聚已经成为一个不可忽视的重要现象。作为经济活动最鲜明的地理特性以及影响企业生产率的重要因素，产业集聚带来的共享基础设施、信息交流传播、技术溢出以及规模经济效益带来的分工细化等优势，对产业升级换挡、优化空间布局、提高技术附加值等都可能具有较大的作用。但是，产业集聚可能带来的拥挤效应也不容忽视，近年来关于规模效应和拥挤效应哪一个占据主导地位的相关研究层出不穷，多数学者绕开了具体每个制造业行业的差异化特征，从总体上研究产业集聚在不同时间阶段、不同外部条件或者不同产业集聚程度下呈现出规模效应还是拥挤效应，或者仅根据要素禀赋对行业进行简单的划分。因此，从行业异质性视角探讨产业集聚效应的研究尚显不足。结合当前产业集聚现状及可持续发展的迫切需要，有必要探究产业集聚是否为绿色全要素生产率的提升提供了新思路，对经济的可持续发展起到了怎样的作用？本文基于行业异质性视角，从长期和短期两个方面探究产业集聚对中国制造业不同行业的绿色全要素生产率的差异化影响，以及影响效应的异质性变化规律。对进一步厘清产业集聚的经济和环境效应，为中国产业可持续发展以及供给侧结构性改革提供更多思路。

一、文献综述

近三十年来，产业集聚的生产率效应问题一直是国内外学者的研究热点，大量学者针对该议题做出了深入的研究和激烈的争论，相关研究结论大体划分为以下5种类型：（1）促进论，产业集聚对生产率提升具有促进作用；（2）阻碍论，产业集聚阻碍了生产率的增长；（3）条件论，两者之间的关系随时间和外部条件的改变而有所变化；（4）分类论，不同类别的产业集聚对生产率存在差异化的作用；（5）曲线论，两者之间存在非线性关系。

很多研究支持促进论的观点。Beeson（1987）[1]、Ciccone 和 Hal（1996）[2]、Brulhart和 Mathys（2008）[3]等都证实了产业集聚对生产率具有正面作用。陈柳（2010）[4]研究了产业集聚对制造业全要素生产率增长的影响，发现两者之间存在显著的正相关关系，且这种促进作用是通过技术效率的提高产生的。韩峰等（2014）[5]以中国284个地级以上城市作为研究对象，认为经济活动的空间集聚对能源效率具有正向的净集聚效应，这一影响主要是由于空间技术外溢和中间投入品的规模经济引起的。胡翠和谢世清（2014）[6]考察了集聚在垂直行业间的溢出对竞争力的影响，发现上、下游行业集聚对制造业企业生产率有显著为正的影响。少数学者支持阻碍论，如Broersma和Oosterhaven（2009）[7]利用荷兰地区层面数据，研究发现集聚对劳动生产率的增长具有抑制作用。Marian等（2012）[8]利用荷兰企业层面的数据，实证检验发现产业集聚对企业生产率具有负面作用。也有不少研究支持条件论，如Henderson（1974）[9]基于美国和巴西20世纪70年代的数据，研究发现产业集聚能够产生规模经济效应，但随着城市规模的扩张，该效应逐渐减弱。周圣强和朱卫平（2013）[10]运用全国60个工业城市的数据，实证研究发现，2003年之前产业集聚主要呈现出规模经济效应，之后产业集聚的拥挤效应逐步显现。孙浦阳等（2013）[11]利用地级市数据的研究表明，在产业集聚初期主要表现为拥挤效应，但随着时间的推移，集聚的正面效应逐渐占据主导地位。韦曙林和欧梅（2017）[12]将资产专用性纳入产业集聚与企业生产率关系的分析框架，利用微观企业层面数据进行经验检验，发现企业的资产专用性水平越低，产业集聚对企业生产率的促进作用越大。还有一些学者持分类论观点，如范剑勇等（2014）[13]研究发现，专业化集聚通过提升技术效率实现企业生产率的进步，多样化集聚则没有明显的作用。孙晓华和郭旭（2015）[14]将制造业行业划分为资本密集型、劳动密集型和技术密集型，分别考察了要素集聚对3种行业生产率的影响，研究表明资本集聚对3种要素密集型行业的生产率都具有正向效应，劳动集聚仅对劳动密集型行业产生积极的生产率效应。沈鸿和向训勇（2017）[15]基于企业成本加成决定机制的视角，提出了检验产业集聚与生产率关系的新思路，研究表明专业化产业集聚阻碍了企业生产率的提高，多样化产业集聚对企业生产率具有较为显著的促进作用。宣烨和余泳泽（2017）[16]以生产性服务业作为研究对象，发现生产性服务业多样化集聚比专业化集聚更能带动制造业企业生产率的提升，且国有制造业企业比非国有企业更能从生产性服务业的空间集聚中获得正面效应。近几年，关于两者之间曲线关系的研究逐渐增多。Gopinath等（2004）[17]基于美国制造业数据的研究发现，当产业集聚水平越过某个临界值时，就会阻碍生产率提升。沈能等（2014）[18]利用28个制造业行业数据，从行业异质性角度考察了不同类型产业集聚效应的门槛特征，发现产业集聚对行业生产率的影响系数在不同行业、不同集聚区间存在差异，呈现出非线性三重门槛特征，并在此基础上确定最佳的产业集聚转移时机和区位选择。孙慧和朱俏俏（2016）[19]采用系统广义矩估计法研究了资源性产业集聚对全要素生产率的影响效应，发现两者之间呈现出“倒U形”曲线关系。惠炜和韩先锋（2016）[20]研究了生产性服务业集聚对地区劳动生产率的影响，发现两者之间存在非线性的动态关系，且呈现出明显的空间差异。

以往研究从不同角度探讨了产业集聚与全要素生产率之间的关系，但从行业异质性视角作为切入点的研究并不多，现有文献在研究行业异质性产业集聚的效应时，大多依据资本、劳动、资源和技术4种要素密集型将制造业行业进行粗略的划分，鲜有研究具体考察每个制造业行业的产业集聚对其生产率的差异化影响效应、变化规律以及受到哪些客观因素的制约。同时，几乎没有文献从长短期异质效应的角度探讨二者之间的影响规律。另外，大多数研究在分析产业集聚的生产率效应时，较少将能源和环境因素引入研究框架。本文在前人研究的基础上，运用变系数模型，对制造业各个行业产业集聚的绿色生产率异质性效应、异质滞后效应、异质交互效应、长短期异质效应等进行具体细致的分析。

二、模型与变量说明

（一）产业集聚的测度

目前，测度产业集聚程度的方法很多，如区位熵、EG指数、赫芬达尔指数、DO指数等。本文选择空间基尼系数测算产业集聚。空间基尼系数根据产业的分布与全部产业的地理分布差异来判断产业的空间分布特征，可以测算各行业在不同地区空间分布的均衡程度，使不同行业的结果具有可比性。根据相关研究（克鲁格曼，1991）[21]，空间基尼系数公式可表示如下

其中，Si为i地区某行业年末从业人数占全国该行业年末从业人数的比重；xi为i地区年末从业人数占全国年末从业人数的比重；n为地区数。空间基尼系数越大，表示某个行业在全国的分布越集中，该行业的集聚程度越大；空间基尼系数越小，说明某个行业在全国的分布越分散，该行业的集聚程度越小。其中，各省各制造业行业2006—2015年的年末从业人数数据来源于《中国劳动统计年鉴》。

（二）绿色全要素生产率的测度

本文采用基于非参数数据包络分析的DEA-Malmquist指数模型测度2006—2015年中国制造业各行业的绿色全要素生产率。Malmquist生产率指数用距离函数定义，无须考虑生产函数形式，适用于面板数据分析。鉴于数据的可得性，本文以21个制造业行业为研究对象，将能源投入和污染排放纳入全要素生产率测算框架，定义各投入产出指标如下：

1.期望产出。采用制造业行业规模以上工业总产值衡量，该指标既包含了中间产品的转移价值，也包含了生产过程中新创造的价值，反映了规模节约和资源配置效率的经济效能，比工业增加值和工业净产值指标更合理。用各行业工业生产者出厂价格指数 （2006=100）平减得到各行业剔除价格因素后的实际值，2006—2011年数据来源于 《中国工业统计年鉴》《中国经济普查年鉴》，2012年以后数据来源于各省统计年鉴，缺失数据采用内插法补足。

2.非期望产出。由于SO2是一种主要环境污染物，选取制造业各行业的SO2排放量作为污染排放的代理变量，SO2排放量作为负向产出，需要对其取倒数，数据来源于《中国环境统计年鉴》。

3.资本投入。鉴于统计年鉴中没有资本存量这一数据，因此，借鉴相关文献，采用制造业行业固定资产净值作为资本投入的代理变量，并用固定资产投资价格指数（2006=100）进行消胀处理，数据来源于《中国工业统计年鉴》。

4.劳动力投入。由于缺乏各行业劳动者劳动时间、受教育程度等相关数据，无法获得劳动者素质和劳动效率的指标，因此，选择制造业各行业全部从业人员年平均人数作为劳动力投入的代理变量，数据来源于《中国工业统计年鉴》。

5.能源投入。选择经过标准煤法折算后的制造业行业能源消费总量作为能源投入的代理变量，单位为万吨标准煤。能源投入是非期望产出即污染物排放的主要来源，数据来源于《中国能源统计年鉴》。

另外，Malmquist生产率指数测算出来的指标并不是各年的绿色全要素生产率，而是相对于上一年的变化率，因此设定基年的绿色全要素生产率为1，再依次乘以以后各年的生产率指数，得到2006—2015年的绿色全要素生产率。

（三）其他变量测度

产业集聚往往不是单独产生生产率效应，而是和多个外部因素共同作用于行业绿色生产率，因此选取行业平均规模、产权制度和资产专用性3个角度，分别考察它们和产业集聚的交互效应，变量的具体设定如下：

1.行业平均规模（labit）。采用各行业工业总产值与行业企业数之比表示，工业总产值采用工业生产者出厂价格指数（2006=100）平减。

2.产权制度（PRit）。用各行业国有工业销售产值占该行业工业销售产值的比重衡量。

3.资产专用性（ASit）。用各行业固定资产与总资产的比值衡量。该比值越大，表示资产专用性越强。

（四）模型设定

理论上，产业集聚对提升绿色全要素生产率具有积极作用。但由于制造业各行业存在技术差距，要素禀赋等其他条件也差异巨大，产业集聚水平和绿色全要素生产率水平各不相同，考虑到产业集聚对绿色全要素生产率的影响可能存在行业异质性，因此，构建长期均衡面板数据模型如下

其中，gtfpit为制造业各行业历年绿色全要素生产率；Git为制造业各行业历年空间基尼系数，是产业集聚的代理变量；εit为随机扰动项；i为制造业各行业；t为时间跨度；γ为产业集聚G对绿色全要素生产率gtfp的影响大小和方向。

（五）模型设定的合理性分析

为避免数据不平稳可能导致的伪回归现象，保证模型结果及相关检验的有效性，需要对数据进行单位根和协整检验。

1.单位根检验。分别采用LLC检验、ADF-Fisher检验、ADF-PP检验3种方法对产业集聚ln G和绿色全要素生产率ln gtfp进行单位根检验，二者都通过了单位根检验，表明产业集聚ln G和绿色全要素生产率ln gtfp都是平稳序列。

2.协整检验。得出产业集聚和绿色全要素生产率为平稳序列之后，进一步检验二者是否存在协整关系。传统的检验方法为基于残差的检验，本文采用基于误差修正模型的协整检验方法（Westerlund，2007）[22]进行协整关系检验，该方法克服了基于残差的面板协整检验的缺陷，避免了“同要素限制”①“同要素限制”假设长期误差修正系数与短期动态调整系数相等。Banerjee A（1999）[23]研究表明，当无法实现这一假设时，以残差为基础的面板协整检验统计量将变得不再可靠。，同时，考虑了截面异质性、截面内的序列相关和截面间的相关性。它的原假设是不存在协整关系。检验结果如表1所示。

表1 面板协整检验结果

由检验结果可知，无论是假设各个截面误差修正速度相同还是不同，无论是否考虑序列相关，检验结果均为强烈拒绝原假设，即产业集聚和绿色全要素生产率之间存在长期协整关系。说明模型的设定是合理的，本文将在上述协整关系检验的基础上进一步分析产业集聚对绿色全要素生产率的行业异质效应。

三、计量检验与结果分析

（一）行业异质效应分析

为避免随机误差项存在异方差、序列相关引起的估计偏误，采用广义最小二乘法（GLS）对固定效应变系数模型进行估计。首先进行长期行业异质效应分析，具体模型如下

其中，截距项代表除产业集聚之外的其他因素对绿色全要素生产率的影响；c反映的是总体平均影响；αi反映了各行业i对总体平均影响的偏离；βi代表各制造业行业i的弹性系数，反映了制造业产业集聚对绿色全要素生产率的行业异质影响效应。模型估计结果如表2所示。

表2 产业集聚对绿色全要素生产率影响的行业异质效应

由表2可以看出，对于大多数制造业行业来说，产业集聚对绿色全要素生产率存在显著影响，且呈现出明显的行业异质特征。黑色金属冶炼及压延加工业的β值为正向显著，且数值最大，达到1.819 7。比这个系数略小但也为正向的行业是农副食品加工业、饮料制造业、造纸及纸制品业。这几个行业的产业集聚估计系数较大，说明它们的产业集聚度对绿色全要素生产率显示出较强的正向影响，且通过了1%或5%水平的显著性检验。β值显著为正的行业中，食品制造业的β值最小，仅为0.343 5，非金属矿物制品业β值也较小，系数为0.542 9。这些行业的产业集聚水平对绿色全要素生产率也呈现出正向影响，但影响强度相对较小。还有一些行业的β值大小居中，如烟草制品业、专用设备制造业，系数分别为0.761 6和0.835 1。除此之外，一些行业的β值为负，且通过了显著性检验，分别是有色金属冶炼及压延加工业、交通运输设备制造业，其产业集聚系数分别为-0.661 9和-3.460 5。说明这两个行业的产业集聚对绿色全要素生产率造成了负面的影响，产业集聚度越大，绿色全要素生产率水平越低。另外，纺织业、纺织服装鞋帽制造业、石油加工炼焦及核燃料加工业、医药制造业等9个制造业行业的β值均未通过显著性检验，说明这些行业的产业集聚对绿色全要素生产率的影响并不明显。

（二）异质滞后效应分析

考虑到产业集聚发挥规模效应、技术外溢效应需要一定的时间，因此产业集聚的生产率效应发挥可能存在滞后性，需要考虑产业集聚的滞后期对绿色全要素生产率的影响效应，设定模型如下

其中Git-1、Git-2、Git-3分别代表滞后1期、滞后2期、滞后3期的产业集聚，其他变量含义与模型（3）相同。同样采用广义最小二乘法对3个模型进行估计，估计结果如表3所示。

表3 产业集聚对绿色全要素生产率影响的异质滞后效应

由表3可知，多数行业从滞后1期到滞后3期的系数都显著，说明产业集聚的绿色生产率效应发挥需要一段时间，存在滞后效应。具体来看，有些行业产业集聚系数为正，且从滞后1年到滞后3年，系数逐渐增大或逐渐由不显著变为显著，如农副食品加工业、饮料制造业等，说明对于这些行业，随着时间推移，产业集聚对绿色全要素生产率的促进作用越来越大；有些行业从滞后1年到滞后3年，系数也为正，但系数逐渐减小或逐渐由显著变为不显著，如食品制造业、造纸及纸制品业、化学原料及化学制品制造业等，这些行业随着时间的推移，产业集聚对绿色全要素生产率的推动作用逐渐减弱；除此之外，烟草制品业的产业集聚系数先增大后减小，说明从滞后1期到滞后3期，烟草制品业的产业集聚的绿色生产率增长效应先呈现出强化的趋势，而后又逐渐弱化。部分行业产业集聚的滞后项系数为负，其中，通信设备计算机及其他制造业负向影响逐步增大，有色金属冶炼及压延加工业与之相反，抑制效应逐渐削弱，交通运输设备制造业的抑制效应先缩小后扩大。电器机械及器材制造业的产业集聚系数先呈现出不显著的正向，再到显著的负向，再到不显著的正向；仪器仪表及文化办公用品制造业的产业集聚系数逐渐由不显著的负向变为显著的正向。另外，个别行业从滞后1年到滞后3年产业集聚系数一直不显著，分别是金属制品业、专用设备制造业、石油加工炼焦及核燃料加工业、医药制造业，说明这些行业的滞后效应不明显。

（三）异质交互效应分析

除了考察产业集聚自身对各制造业行业的绿色全要素生产率的影响之外，引入3个变量，从3个角度揭示产业集聚与这些外部条件的共同作用对绿色全要素生产率的异质性作用。这3个变量是行业平均规模、产权制度和资产专用性。构建交互效应模型如下

其中，labit代表各行业的平均规模；PRit代表各行业的产权制度；ASit代表各行业的资产专用性。采用广义最小二乘法对3个模型进行估计，估计结果如表4所示。

表4 产业集聚对绿色全要素生产率影响的异质交互效应

1.对绝大多数行业来说，产业集聚与行业平均规模的交互项对绿色全要素生产率的影响显著且为负向，说明行业平均规模越小，越有利于产业集聚发挥对绿色全要素生产率的促进作用。首先，黑色金属冶炼及压延加工业的负向交互影响最大，系数为-0.299 1；其次是烟草制品业、化学纤维制造业，系数分别为-0.240 9、-0.230 5；仪器仪表及文化办公用品制造业的交互项系数不显著，说明该行业的规模大小对产业集聚的绿色生产率效应的发挥作用不大。比较产业集聚与行业平均规模的交互项系数与单独将产业集聚作为自变量的系数，发现对于不少行业来说，产业集聚的系数不显著，但产业集聚与行业平均规模的交互项系数变为显著，如纺织业、纺织服装鞋帽制造业、石油加工炼焦及核燃料加工业、医药制造业、金属制品业、通用设备制造业、电器机械及器材制造业、通信设备计算机及其他制造业、仪器仪表及文化办公用品制造业。

2.对大部分行业而言，产业集聚与产权制度的交互项显著且方向为正。其中，石油加工炼焦及核燃料加工业的交互项系数最大，系数为0.919 4，其他系数较大的行业为交通运输设备制造业、黑色金属冶炼及压延加工业、饮料制造业，系数分别为0.615 6、0.507 9、0.457 1。有不少行业的交互项系数不显著，如农副食品加工业、烟草制品业、纺织服装鞋帽制造业、非金属矿物制品业、金属制品业、电器机械及器材制造业、通信设备计算机及其他制造业、仪器仪表及文化办公用品制造业。比较产业集聚与产权制度的交互项系数与单独产业集聚的系数可以看出，大部分行业的交互项系数小于单独将产业集聚系数作为自变量时的系数，一些行业的产业集聚系数显著，而交互项系数却变得不显著，如农副食品加工业、烟草制品业、非金属矿物制品业。说明总体而言，国有产权对产业集聚的绿色生产率效应具有轻微的抑制作用，国有产权比例越大，产业集聚的绿色生产率增长效应越难以发挥。相反，一些行业产业集聚单独作为自变量时系数为负或者不显著，交互项系数变为显著的正向，如有色金属冶炼及压延加工业、交通运输设备制造业、纺织业、石油加工炼焦及核燃料加工业、医药制造业、通用设备制造业。说明对于这几个行业，国有产权与产业集聚的共同作用能够对绿色全要素生产率的提高起到更大的拉动作用。

3.从产业集聚与资产专用性的交互效应来看，大部分行业的交互效应不显著。只有造纸及纸制品业、石油加工炼焦及核燃料加工业、医药制造业、有色金属冶炼及压延加工业、交通运输设备制造业、通信设备计算机及其他制造业的交互效应系数显著且方向为正。比较产业集聚系数与交互项的系数发现，多数行业在单独将产业集聚作为自变量时系数为显著正向，将产业集聚与资产专用性的交互项作为自变量时，系数变为不显著；造纸及纸制品业、石油加工、炼焦及核燃料加工业的交互项系数虽然显著，但均比产业集聚的系数小，说明这些行业的资产专用性阻碍了产业集聚的绿色生产率增长效应。个别行业与之相反，如医药制造业产业集聚系数不显著，但交互项系数变得显著且方向为正；有色金属冶炼及压延加工业、交通运输设备制造业和通信设备、计算机及其他制造业的产业集聚系数为显著的负向，而交互项系数变为显著的正向。对于这几个行业，它们的资产专用性推动了产业集聚的绿色生产率效应。

（四）异质短期波动效应分析

运用误差修正模型分析两者的异质性短期关系。构建如下误差修正模型

其中，Δgtfpit代表一阶差分的绿色全要素生产率；ECMit代表误差修正项；ΔGit代表一阶差分的产业集聚。估计结果如表5所示。

表5 产业集聚对绿色全要素生产率的异质短期波动效应

由表5可以看出，大约有1/2行业的误差修正项系数为负值且显著，表明这些行业存在误差修正机制。误差修正项ECM系数Φ反映的是短期均衡偏离长期均衡时向长期均衡调整的速度，Φ为负值保证了短期波动向长期均衡的收敛，当上一期的绿色全要素生产率低于或高于长期均衡值时，负的误差修正项具有反向调整作用，对绿色全要素生产率起到上拉或下推的作用，使其逐渐向长期均衡值靠拢。从行业异质性角度来看，误差修正项系数显著为负的行业中，系数绝对值最大的是金属制品业，Φ为-1.10，表示金属制品业的绿色全要素生产率的短期波动向长期均衡的调整速度最快；系数绝对值最小的行业是医药制造业，Φ为-0.24，表明医药制造业的绿色全要素生产率向长期均衡调整的较慢。其他行业的误差修正项系数不显著或系数显著为正，说明这些行业不存在误差修正机制。ΔGit的系数φ表示短期内产业集聚对绿色全要素生产率的影响效应，由表5可知，大多数行业的系数φ不显著，说明在短期，产业集聚对绿色全要素生产率没有明显的作用。只有3个行业的短期效应显著，它们是纺织服装鞋帽制造业、非金属矿制品业和专用设备制造业，影响系数分别为0.94、0.31和0.20，说明这3个行业的产业集聚对绿色全要素生产率的短期影响是正向的。

从长期和短期效应的比较来看，纺织服装鞋帽制造业的短期促进效应显著，而长期效应不显著；非金属矿物制品业、专用设备制造业长期促进效应较之短期效应明显增强；纺织业、石油加工炼焦及核燃料加工业、医药制造业、金属制品业、通用设备制造业、电器机械制造业、通信设备计算机及其他制造业、仪器仪表及文化、办公用品制造业的短期和长期效应都不显著；其他行业的短期效应不显著，但长期内产业集聚对绿色全要素生产率的促进作用明显。

四、结论与启示

理论上，根据信息扩散效应、技术模仿效应、劳动力的“蓄水池”效应等，制造业产业集聚可能有利于提高行业的绿色全要素生产率，但由于企业之间的相互模仿导致企业的技术研发和创新被其他企业无偿获取，使企业缺乏技术创新动力，以及产业集聚的拥挤效应，因此，产业集聚对绿色全要素生产率的提高也可能产生阻碍作用。同时，每个制造业行业的技术水平、行业规模、要素禀赋、市场结构各不相同，因此，每个行业的产业集聚对绿色全要素生产率的影响效果也可能呈现出差异化的特征。为验证不同的制造业行业两者之间的关系，本文运用变系数模型，采用固定效应广义最小二乘法检验了各行业产业集聚对绿色全要素生产率的影响和作用机制。主要结论如下：

1.21个制造业行业中，多数行业的产业集聚与绿色全要素生产率呈现出显著的正相关关系，主要表现为规模效应；少数行业（有色金属冶炼及压延加工业、交通运输设备制造业）的产业集聚对绿色全要素生产率的影响为负向，主要表现为拥挤效应；还有部分行业（纺织业、纺织服装、鞋帽制造业等）两者之间的关系不显著。

2.从滞后效应来看，从滞后1年到滞后3年，多数行业的滞后效应显著。随着滞后期的增加，产业集聚的绿色生产率效应在不同的行业表现出差异性的变化规律，如有的行业滞后效应逐渐增强，有的逐渐削弱等。

3.从交互效应来看，对于绝大多数行业，产业集聚与行业平均规模的交互作用对绿色全要素生产率的影响为负向，表明行业平均规模越小，产业集聚的绿色生产率增长效应越强；大部分行业产业集聚与国有产权的交互作用对绿色全要素生产率的影响为正向，但影响强度明显低于产业集聚的单独影响，或者交互效应不显著，说明这些行业的国有产权使产业集聚对绿色全要素生产率产生了轻微的抑制效应。与之相反，个别行业（有色金属冶炼及压延加工业等）的产业集聚系数为负向或不显著，但交互项系数为正向且显著，说明这些行业的国有产权占比越高，越有助于推动产业集聚发挥积极作用；产业集聚与资产专用性的交互效应在多数行业不显著，个别行业虽表现为正向的显著效应，但与产业集聚的系数相比较小，说明资产专用性越强，产业集聚的绿色生产率效应越受到阻碍，但仍有个别行业（交通运输设备制造业等）呈现出相反的规律。

4.从短期波动效应来看，大多数行业的短期效应并不明显，只有纺织服装鞋帽制造业、非金属矿制品业和专用设备制造业3个行业在短期呈现出显著的正向效应。比较长期和短期效应，各个行业也表现出差异巨大的规律，如长期促进效应显著，短期没有明显效应；长期效应不明显，短期内表现出显著的促进效应等。

根据以上结论，本文得出如下启示：由于不同行业当期和滞后期的产业集聚对绿色全要素生产率的作用可能是促进也可能是抑制，或者是没有明显作用，且随着滞后期的增加，两者之间的关系也呈现出各自不同的较为复杂的变化规律。并不是每个制造业行业都能从集聚中获益，也并不是所有行业当年的集聚就能催动当年的绿色生产率快速提升，有的行业的集聚效应两三年之后才开始展现，有的行业当年的集聚对行业的生产率产生立竿见影的拉动作用，但随着时间的推移，拉动效应呈现出边际效应递减规律。可见，对所有行业采用相同的产业集聚政策的“一刀切”的做法是不当的。应该考察具体行业的各自特征、所处的产业集聚阶段以及产业集聚的绿色生产率效应的变化规律制定有针对性的效率促进政策。

第一，对于当期和滞后期集聚的正向效应显著且弹性系数较大的行业，或滞后期正向效应一开始不明显，随着时间的推移逐步凸显的行业，如黑色金属冶炼及压延加工业、农副食品加工业、饮料制造业、纺织业、纺织服装鞋帽制造业、电器机械及器材制造业、仪器仪表及文化办公用品制造业，应鼓励和带动集聚水平进一步提高，大力发展地方工业园区，但并不是盲目地将大量企业圈在一起，物理上的聚合并不能产生集聚的生产率效应，重点是企业之间的互动和合作，形成一个信息、技术、资源合理流动的企业网络，健全集聚区的组织管理制度，建立公共服务平台和有序的信息共享机制，为企业提供市场信息、前沿技术信息、教育培训等服务，既能实现企业之间的交流学习，又不伤害企业自主创新的积极性。

第二，对于集聚的负面效应显著或者随着滞后期的增加逐渐显现出负向效应的行业，如通信设备、计算机及其他制造业、有色金属冶炼及压延加工业、交通运输设备制造业，应致力于减轻或消除集聚带来的可能引起阻碍效率提升的因素，如加强集聚区的配套基础设施，提供企业之间交流合作的机会等。如果采取措施之后集聚的抑制效应依然得不到改善，就应逐步削弱和降低行业的集聚度，将部分企业转移至其他地方。至于选择哪些企业转移以及转移至何地，应该充分考虑企业自身的属性，在企业的集聚成本和转移成本之间进行比较，优先选择转移成本较低、集聚带来的损耗较大的企业。转移目的地的选择一方面要遵循市场配置资源的规律，考虑企业的生产要素成本和市场；另一方面政府要发挥引导作用，将目的地的资源和环境承载力纳入考虑范围。

第三，对于集聚的绿色生产率效应不显著或者随着滞后期增加集聚的边际正向效应逐渐减弱直至效用不明显的行业，如金属制品业、专用设备制造业、石油加工、炼焦及核燃料加工业、医药制造业、食品制造业、造纸及纸制品业、化学原料及化学制品制造业、化学纤维制造业、非金属矿物制品业、通用设备制造业，应该保持适度稳定的集聚度，不能盲目提升集聚度，同时，应致力于集聚区的产业价值链升级，将处于价值链低端的业务转移至海外，在集聚区内着力打造价值链高端的业务，将集聚区纳入全球价值链体系中。

第四，从行业规模来看，对于绝大多数行业，企业规模越小越能从产业集聚的外部性中获益。因此，在建立工业园区，进行集聚区的企业选择时，应该把企业规模因素考虑在内，优先选择小企业进入集聚区，同时在提供集聚区的配套服务时，着重为小企业提供服务，因此相较大企业，小企业的集聚能为行业绿色生产率的提升发挥更大的效能。从产权制度来看，对多数行业，国有占比越大，产业集聚的绿色溢出效应越不明显。针对这些行业，应该放开市场准入，降低集聚区内国有企业占比，为民营企业进驻工业园区、产业园提供便利条件。另外，加速资产流动，降低资产粘滞导致的企业进入退出通道不畅。可以借鉴“共享经济”的理念，建立集聚区内的资产共享机制，对于一些共同需要的机器设备等固定资产，只需取得其使用权，无须取得所有权，变购买为租赁，降低企业的进入退出成本。

第五，鉴于大部分行业在短期内的产业集聚并不能发挥正向的绿色生产率效能，对这些行业的集聚政策和规划不能急于求成，追求立竿见影，应该设计长期、稳定的集聚规划；对于纺织服装鞋帽制造业、非金属矿制品业和专用设备制造业，这3个行业的产业集聚在短期内即能产生积极的绿色生产率推进作用，因此应在短期内积极加大产业集聚度，激发产业集聚对绿色生产率的短期驱动效应。另外，鉴于大多数行业长期效应和短期效应存在差异，因此不应设定一以贯之、一成不变的集聚策略，每个行业应该根据自身在特定集聚阶段的实际状况及变化情况对集聚策略作出适时的动态调整。