基于SEM 的新能源产业集群形成影响因素实证研究

郭立伟，叶 峥

（浙江大学城市学院商学院，浙江杭州 310015）

综观新能源产业的发展，集群化特征越来越明显。世界各地涌现了许多有代表性的新能源产业集群案例，如丹麦奥胡斯创新型风电产业集群、美国得克萨斯州资源导向型风电产业集群、美国加州太阳能光伏产业集群、美国Toledo 太阳能产业集群等一大批国外新能源产业集群相对已经成熟，中国江苏、浙江、河北、江西、新疆和内蒙古等地区光伏产业集群正蓬勃发展，内蒙古、新疆、甘肃和河北等地区的风电累计装机容量正遥遥领先中国其他地区，天津、江苏等地区风电产业集群正日渐壮大。

从实践层面来看，新能源产业集群不可能在所有地区形成和发展。那么，新能源产业集群形成的关键因素是什么？综观文献，对新能源产业集群形成的影响因素进行深入研究的寥寥可数，而且现有文献基本上是基于波特的钻石模型或GEM 模型进行研究。本文在新能源产业集群文献研究的基础上，将新能源产业集群形成的影响因素归纳为产业基础、技术创新水平、市场需求、政府政策、制度环境和资金支持等6个方面，并运用结构方程模型（Structural Equation Modeling，简称SEM）方法验证新能源产业集群形成影响因素的概念模型。

1 研究假设

1.1 产业基础对新能源产业集群形成的影响

波特［1］68-71在《国家竞争优势》中提出了国家竞争优势的钻石体系，生产要素作为国家优势的关键要素之一，一般可以被归纳为人力资源、天然资源、知识资源、资本资源和基础设施等。其中，天然资源、非技术人工与半技术人工等属于初级生产要素，而现代化通信的基础设施、高等教育人力（如电脑科学家和工程师）属于高级生产要素；公路系统、受过大学教育而且上进心强的员工等属于一般性生产要素，而技术型人力、先进的基础设施等属于专业性生产要素。毋庸置疑，高级生产要素对竞争优势的重要性比初级生产要素高多了，拥有专业性生产要素，产业也会产生更高级的竞争优势。Padmore 等［2］对波特的钻石体系作了改进，提出了GEM 模型，该模型三要素分别是基础（groundings）、企业（enterprises）、市场（markets）。其中基础要素包括资源和设施，本质上是企业集群外部为集群内部企业在生产过程所提供的要素。生产要素这些产业基础对产业集群的形成提供支撑作用，对于新能源产业集群而言，产业基础显得尤为重要。在钻石体系中，“生产要素”条件是解决澳大利亚可再生能源集群当前困境的最重要推动力［3］。梁慧超等［4］通过面板模型进行实证分析，结论是新能源关联产业发展水平和基础设施建设是推动京津冀地区新能源产业集聚形成的重要因素。新能源产业中的装备制造业涉及机械加工、材料、电子和机械零配件加工等制造业，新能源产业集群的形成离不开这些相关产业的发展。如美国Toledo 太阳能产业集群的形成离不开该地区玻璃行业的集群发展［5］，韩国Saemangeum 风电产业集群的成功离不开造船工业和机械工业等与风电产业息息相关的行业［6］，德国风电技术创新集群的形成离不开德国机械制造和电子技术等相关产业的支撑［7］，美国加利福尼亚光伏制造产业集群中很多企业甚至脱胎于电脑芯片和硬件行业［8］。基础设施建设是产业集群形成与发展的又一重要因素。Hidayatno 等［9］利用系统动力学的方法，对印度尼西亚开发可再生能源产业集群的相关因素进行了探讨，因果循环图中的收益循环表明，印度尼西亚可再生能源产业集群利润将增加集群中产业基础设施的投资，这项投资将增加集群中的行业数量，因为更多的基础设施可以支持集群中的更多行业，从而将提高产能，增加产业集群销售收入，最终增加产业集群利润。邱立成等［10］认为，强有力的基础设施（包括新能源发电电网延伸范围、公平的上网电价设计、铁路基础设施等）可以将新能源产业聚集起来形成区位优势，并使用面板数据模型对欧盟新能源产业集聚的影响因素进行了实证分析。根据以上分析，提出如下假设：

H1：产业基础对新能源产业集群形成存在正向影响。

1.2 技术创新水平对新能源产业集群形成的影响

熊彼特［11］在《经济发展理论》中提出“创新不是孤立事件，并且不在时间上均匀分布，而是相反，它们趋于群集，或者说成簇地发生，这仅仅是因为在成功的创新之后，首先是一些，接着是大多数企业步其后尘；其次，创新甚至不是随机的均匀地分布于整个经济系统，而是倾向于集中在某些部门及其邻近部门。”，从技术创新不断完善的视角、技术创新资源共享的视角、技术创新扩散的视角分析可以得出技术创新能诱发产业集群的形成［12］。技术创新水平的提高会增加产品创新的数量，可以提高产业集群的销售和集群的利润，进而促进集群中的行业数量的增加，提升集群竞争力［9，13］。事实上，技术创新与产业集群相互融合，彼此影响。对于新能源产业集群的形成而言，技术创新无疑是至关重要的因素［14］。人们普遍认为，风电产业集群取得成功的关键条件是获得与风电技术相关的高技能人才和专业知识，可是单个的高科技公司、单个的研究机构或公共当局无法满足集群内的风电知识和技术需求，必须通过他们之间的密切合作进行获得、加工、利用、创新和传播［15］。根据以上分析，提出如下假设：

H2：技术创新水平对新能源产业集群形成存在正向影响。

1.3 市场需求对新能源产业集群形成的影响

波特［1］78在国家竞争优势的钻石体系中，将需求条件作为国家优势的第二个关键要素，不过这里的市场需求仅指国内的需求市场。在产业竞争优势上，国内市场的影响力主要通过客户需求的形态和特征来施展。这种市场特征会影响企业如何认知、解读并回应客户的需求。国内市场除了为企业提供对客户更多更充分的认识、行动上更多的自信外，还可以让客户与公司的技术主管、管理层直接面对面沟通，以便充分掌握客户的处境等。如果国内市场的客户对产品、服务的要求或挑剔程度很高，本地企业会在市场压力下努力改善和创新，形成更先进的竞争优势，进而成为这个国家的产业竞争优势。Padmor 等［2］在GEM 模型中将市场要素分为本地市场和外部市场（包括国际市场），认为外部市场可以弥补本地市场需求的不足。对于新能源产业而言，市场需求是新能源产业集群发展的动力，它会刺激新能源企业改进和创新。Porter［3］认为澳大利亚的市场需求状况基本上是有利于该国可再生能源集群发展的，比如人均电力需求高、大量消费者愿意支付“绿色能源溢价”、制定立法和政策以刺激对清洁能源的需求、制定严格的环境标准，以提高需求的复杂性等，不利的因素主要是该国立法和政策落后于其他主要新能源产业发达国家5～7 年、主要人口中心之间的距离抑制了对大型绿色项目的需求。因此，澳大利亚的市场需求和生产要素条件混合在一起，可以支持该国可再生能源集群的蓬勃发展。根据以上分析，提出如下假设：

H3：市场需求对新能源产业集群形成存在正向影响。

1.4 政府政策对新能源产业集群形成的影响

波特［1］113在国家竞争优势的钻石体系中提出国家竞争优势的最后一个因素是“政府”。政府与钻石体系的其他关键要素（如生产要素、市场需求等）之间的关系既非正面，也非反面。政府的补贴、教育和资金市场等政策会影响到生产要素，对国内市场的影响也很微妙。因此，政府政策对产业集群的形成与发展是一把双刃剑，既可能是产业集群成长的助推器，也可能是阻碍产业集群成长的绊脚石［1］113，［16］。许多国家和地区新能源产业集群形成的经验表明，政府政策对新能源产业集群形成显得尤为重要。欧盟各成员国高度重视制定各项环境政策以促进新能源产业发展，欧盟各成员国的环境政策对新能源产业集聚效应的影响显著［17］。韩国Jeonbuk 省风电集群的形成，中央政府起了强大的助推作用［6］。德国风电技术创新集群的形成最重要的影响因素是该国大力发展可再生能源产业的诸项政策［7］。中国江苏沿海风电集群具有地方政府领导的特点，风电产业的价格补贴政策、税收激励政策等政策在集群初期发挥了刺激技术创新和培育国内市场需求的关键作用［15，18］。根据以上分析，提出如下假设：

H4：政府政策对新能源产业集群形成存在正向影响。

1.5 制度环境对新能源产业集群形成的影响

GEM 模型中的基础要素分为资源和设施，设施又分为硬件设施（道路、港口和通信设施等）和软件设施（商业环境、文化等制度安排）。文化创造信任，信任降低搜寻成本、签约成本和执行成本，提高交易效率［19］。制度环境对新能源产业集群形成而言，确实有重要作用。Tilleman［20-21］运用面板数据模型进行实证分析，发现制度环境调整对风能和太阳能制造业集群的产生和发展起着积极、直接和缓和的影响，随着技术不确定性的增加，这种积极的直接影响是增强的。McCauley 等［22］分析了美国马萨诸塞州中部一个可持续的能源集群，认为全面的制度支持可以支撑可持续能源集群的行动。Meijer［23］对坦桑尼亚农村能源集群进行了探索性研究，发现创业家精神的驱动是坦桑尼亚能源集群形成的有利因素，而在家庭关系以外缺乏信任是集群形成的一个重要的制度障碍，它阻碍了必要的企业联系的形成。根据以上分析，提出如下假设：

H5：制度环境对新能源产业集群形成存在正向影响。

1.6 资金支持对新能源产业集群形成的影响

资本资源在波特［1］68的钻石体系中属于初级生产要素和一般性生产要素，每个国家金融产业的资本成本、可运用的资金总额有很大的差异，可以通过信用贷款、抵押贷款、垃圾债券（指高风险、转让频繁的股票）和风险资本等形式运作。一般而言，企业技术创新需要大量的资金投入。由于新能源技术和市场的极不确定性，新能源产业具有高技术、高投入、高风险和高收益四高特征，且投入周期较长，所以新能源产业对于资金投入的要求更高。毋庸置疑，多元的融资渠道与稳定的资金来源是新能源产业技术创新活动顺利开展的根本保障［24］。银行信贷是我国目前风电产业主要的资金来源方式，银行信贷与风电产业技术创新不仅存在长期均衡的正向相关关系，也存在着短期可调整误差［25］。正是资金的持续供应，风电产业技术创新活动才得以不断发展。此外，风险投资与高技术产业集群之间存在相互促进的关系［26］。英国剑桥高技术产业集群的形成、美国加州的太阳能产业集群的形成［27，29］，风险投资在此过程中均发挥了极其重要的作用。澳大利亚在可再生能源领域有世界一流的知识资本，但缺乏必要的风险资本将创意转变成成功的新能源企业，加上缺乏廉价的生产成本等其他因素，导致澳大利亚可再生能源集群落后于领先国家相应的集群［3］。由于缺乏风险资本和组织支持技术投资，美国Toledo 太阳能集群面临着严峻挑战［5］。根据以上分析，提出如下假设：

H6：资金支持对新能源产业集群形成存在正向影响。

综上分析，本文构建了新能源产业集群形成影响因素的概念模型，其中产业基础、技术创新水平、市场需求属于新能源产业集群形成的内在驱动力，政府政策、制度环境、资金支持属于新能源产业集群形成的外在激发力，具体如图1 所示。

图1 新能源产业集群形成影响因素的概念模型

2 研究设计

2.1 变量测量

根据图1 提出的概念模型，本文涉及的变量包括新能源产业的集群水平、产业基础、技术创新水平、市场需求、政府政策、制度环境、资金支持等。在变量的测量方式上，本文对变量的测度均采用主观感知方法以李克特5 级量表（Likert Scale）打分法为主。根据李克特5 级打分法的原则，本文在调查问卷中将每个具体题项设计了5 个等级，分别为：1=“完全不符合”，2=“比较不符合”，3=“一般符合”，4=“比较符合”，5=“完全符合”。在量表开发中，尽量采用相对成熟的标准量表，同时根据前人研究中对变量内涵的界定，对一些变量自行开发设计了量表。

2.1.1 被解释变量

借鉴波特［28］的思想，郭立伟［29］提出新能源产业集群是指新能源开发、制造、运输和系统安装等相关企业和相关机构在特定地理位置的集中、联系与合作，通过技术创新与制度创新，实现能源安全、能源高效利用、助推经济转型升级、保护生态环境、实现可持续发展的创新型集群。据此，本文设计了“本地新能源产业链上中下游企业及相关机构的数量有很多”“本地新能源产业链上中下游企业及相关机构的联系与合作较为频繁”“本地新能源产业链上中下游企业及相关机构同外地新能源企业和机构的联系与合作较为频繁”3 个题项，对新能源产业的集群水平进行度量。

2.1.2 解释变量

借鉴Hidayatno 等［9］、He 等［15］、Porter［3］、Calzonetti［5］、邱立成等［10，17］的研究成果，本文设计了“本地的新能源产业相关产业基础（电力系统、新材料、电力电子和控制系统等）较为厚实”“本地的新能源产业基础设施（电力基础设施、铁路基础设施等）良好”“本地的新能源资源禀赋（光照、风力等）较好”“本地的新能源产业劳动力资源丰富”“本地的经济发展水平较好”5 个题项，对产业基础进行度量。

借鉴Hidayatno 等［9］、He 等人［15］的研究成果，本文设计了“本地的新能源企业研发投入较高”“本地的新能源有关专利申请授权数较多”“本地的新能源新产品产值较高”3 个题项，对技术创新水平进行度量。

借鉴He 等［15］、Porter［3］等的研究成果，本文设计了“本地新能源市场需求规模较大”“面向本地的周边地区新能源市场需求规模较大”“面向本地的国外新能源市场需求规模较大”3 个题项，对市场需求水平进行度量。

借鉴Hidayatno 等［9］、He 等［15］、苑景莹等［18］、Porter［3］、邱立成等［17］的研究成果，本文设计了“本地的新能源产业政策较为适当”“本地的新能源产业税收减免政策较为适当”“本地的新能源产业财政补贴政策较为适当”“本地的新能源产业信贷优惠政策较为适当”“本地的新能源产业研发政策较为适当”“本地的新能源产业价格政策较为适当”“本地的新能源产业人才引进政策较为适当”“本地的新能源产业企业引进政策较为适当”8 个题项，对政府政策进行度量。

借鉴Tilleman［20］、Meijer［23］、Calzonetti［5］等的研究成果，本文设计了“本地公众对新能源产品的参与（购买）意识较强”“本地创新创业文化氛围浓厚”“本地社会的信任环境较好”3 个题项，对制度环境进行度量。

借鉴Porter［3］、Calzonetti［5］等的研究成果，本文设计了“本地新能源企业资本市场融资规模较大”“银行信贷对本地新能源企业支持较大”“风险资本对本地新能源企业支持较大”3 个题项，对资金支持水平进行度量。

2.2 数据收集

2.2.1 样本选择

本文研究的问题是新能源产业集群形成影响因素，所以选择的专家是光伏发电和风力发电等新能源产业中高级管理人员和研究人员。为尽可能获得适于本研究的相对充足且真实有效的样本量，本文较多地对浙江省、江苏省、上海市光伏发电和风力发电等新能源产业的中高级管理人员和研究人员进行了专家调查，专家的来源以新能源企业为主。因此，本文从以下部门和单位选择相应专家：（1）中国环境科学学会环境经济学专业委员会新能源领域的相关专家；（2）全国光伏发电和风力发电等新能源企业的中高级管理人员；（3）厦门大学中国能源经济研究中心的相关教授；（4）浙江省太阳能行业协会的专家和研究人员；（5）浙江省可再生能源协会的专家和研究人员；（6）江苏省可再生能源协会的专家和研究人员；（7）中国生产力学会新能源发展委员会的专家和研究人员；（8）浙江大学、浙江工业大学、宁波大学和浙江理工大学等从事新能源或产业集群研究的教授。

2.2.2 问卷发放与回收

从2017 年11 月到2018 年9 月，笔者逐一开展了实地调查、专家调查问卷的发送与回收工作。其中对全国光伏发电和风力发电等新能源产业内相关企业的中高级管理人员专家调查问卷是通过以下6种渠道完成的：一是通过参加2017 年11 月在无锡举行的第九届中国（无锡）国际新能源大会暨展览会（CREC2017），与众多光伏企业员工进行了面对面的交流，收集了包括尚德、隆基、天合和晶科等知名光伏企业共74 份有效问卷；二是通过参加2017年11 月在南京举行的第七届加强应用长江经济带“一带一路”分布式能源创新发展论坛，在参会期间发送问卷80 份，回收60 份，有效问卷51 份；三是通过参加2017 年12 月在杭州举行的中国户用光伏品牌巡展暨全国户用光伏经销商推广大会浙江杭州站活动，在参会期间收集有效问卷35 份；四是通过参加2018 年9 月在上海举行的第十三届亚洲太阳能光伏创新合作论坛，在参会期间收集有效问卷45份；五是通过参加2018 年9 月在南京举行的第十一届中国（江苏）国际风电产业发展高峰论坛，在参会期间收集有效问卷75 份；六是通过浙江省太阳能行业协会、浙江省可再生能源协会、江苏省可再生能源协会对问卷调研和回收工作的支持及一些开发区的实地调研完成，收集有效问卷42 份。笔者在全国共发送500 份专家调查问卷，回收问卷378 份，问卷回收率达75.6%，其中有效问卷322 份。

2.3 研究方法的选择

考虑到新能源产业集群形成的内在驱动力和外在激发力影响因素、新能源产业的集群水平所涉及的变量具有主观性强、数据不易获得、度量误差大、因果关系比较复杂等特点，在数据分析时采用多元回归等传统计量方法效率低且效果不理想。本文将通过使用结构方程模型来验证图1假设的概念模型。结构方程模型方法整合了因素分析与路径分析两种统计方法，同时检验模型中包含的显性变量、潜在变量、干扰或误差变量之间的关系，进而获得自变量对依变量影响的直接效果、间接效果或总效果，从而对各种因果模型进行模型辨识、估计与验证［30］。本文运用AMOS 21.0 软件来实现结构方程模型的分析过程。

3 实证分析

3.1 数据分析

在运用AMOS 21.0 分析运算之前，必须对样本数据进行合理性及有效性的分析检验，主要是样本数据的效度与信度检验。

本文利用SPSS 20.0 软件得到样本数据的KMO值为0.884，根据因子分析的KMO 值判别标准，本次调查数据适合进行因子分析。进一步采用Bartlett球度检验来判断因子分析的适应性，SPSS 20.0 软件输出统计结果为：近似卡方值=6 095.817，P=0.000，小于显著水平0.05。结合KMO 值和值两个统计结果，本文认为322 份专家调查问卷数据适合进行因子分析。然后，本研究继续采用KMO 检验和Bartlett 球度检验对产业基础、技术创新水平、市场需求、政府政策、制度环境、资金支持、新能源产业集群水平的衡量指标进行构建效度的检验，结果如表1 所示。

表1 各变量KMO 检验和Bartlett 球度检验

同时，本文所有变量测量题项中的题项对所有题项（Item-Total）的相关系数均大于0.35，绝大多数在0.5 以上，Cronbach's a 系数都大于0.7，符合建构信度检验判别标准，表明本文设计的量表信度较高，测量指标之间的内在关联程度较高。

3.2 初始SEM 模型的变量及路径

在构建概念模型的基础上，本文设定了针对AMOS 21.0 软件的初始结构方程模型，图2 是该模型的路径图。

图2 初始结构方程路径

经过AMOS 21.0 的第一次迭代运算，得到总体样本SEM 模型估计的基本适配度指标、整体模型适配度指标（模型外在质量的评估）、模型内在结构适配度指标（模型内在质量的检验）。模型拟合结果表明，初始模型拟合的卡方值（）为1 341.311（自由度DF=329），同时，从P=0.000＜0.05 来看，不显著，卡方自由度比为4.077 ≥3，但小于较宽松的规定值5，这表明模型拟合效果不佳；该初始模型的RMSEA 值为0.098，超出建议的0.05～0.08模型适配尚可区间，但介于0.08～0.10，模型属于普通适配［30］；残差均方和平方根RMR 值为0.055，大于0.05 的参考值；规准适配指数NFI 值为0.787，比较适配指数CFI值为0.823，并未大于0.9的参考值。简约适配度指数PGFI 值为0.629，简约调整后的规准适配指数PNFI 值为0.685，均在0.5 以上，从这两个指标看模型属于可接受范围。总体而言，初始模型没有与总体样本数据很好地拟合，还需要对初始SEM 模型作进一步修正，使假设模型与总体样本实际数据更契合。

初始总体样本SEM 模型外因潜在变量对内因潜在变量间的路径系数如表2 所示，除2 条路径以外，结构方程模型中其他路径系数相应的C.R.值均大于1.96，且在P≤0.05 的水平上具有统计显著性。其中，未达到SEM 拟合要求的路径包括新能源产业集群水平（Q）政府政策（F）、新能源产业集群水平（Q）市场需求（S）。

表2 初始总体样本SEM 模型的路径系数

3.3 总体样本SEM 模型的修正

针对初始模型拟合结果不理想的情况以及部分路径无法通过显著性检验的结果，必须对初始模型进行局部的修改或调整，以提高假设模型的适配度。SEM 模型修正主要包括删除路径、限制路径或释放原先限制的路径。理论假设概念模型图中认为参数具有正向的影响时，则路径系数的参数估计值必须是正数，若是原先期望的参数符号与实际数据正好相反，则此条路径最好删除，模型再重新评估。修正指标MI（modification indices）若大于3.84，表示模型的参数有必要加以修正，如将限制或固定的参数改为自由参数。AMOS 21 软件操作中内定的MI 指标值界限为4.00。本文在初始模型判断中，有两条路径的C.R.值较低，P值较高，有两条路径原先期望的参数符号与实际数据正好相反。根据上述模型修正的方法，首先将QF、QS 两条路径删除，同时根据MI 指数增加相应指标变量的残差间协方差关系对模型进行修正，如表3 所示。

表3 总体样本SEM 增加的协方差关系及其相应MI 值

通过上述路径删除和增加残差间的协方差关系对初始SEM 进行修正，修正后模型适配度检验结果和路径系数如表4～表7 所示。

表4 修正后总体样本SEM 基本适配度检验摘要表

表5 修正后总体样本SEM 整体模型适配度检验摘要表

表5（续）

表6 修正后总体样本SEM 内在适配度检验摘要表

表7 修正后总体样本SEM 模型的路径系数

模型适配结果表明，总体样本SEM 修正模型拟合的χ2为334.849（DF=103），同时，从P=0.000＜0.05 来看，χ2不显著，卡方自由度比为3.251 ≥3，但小于较宽松的规定值5，模型拟合效果有所改善；模型的RMSEA 值为0.084，模型仍属于普通适配，但模型拟合效果有所改善；RMR 值为0.049，小于0.05 的参考值；NFI、IFI、TLI、CFI 值分别为0.900、0.928、0.904、0.927，均大于0.900的参考值，模型拟合效果有较大改善，说明修正后总体样本SEM 模型的拟合效果已经较好。

修正后总体样本SEM 测量模型中各个指标变量的因素负荷系数及相应的C.R.值如表8 所示。可以看到，除C3C（产业基础）外，各个指标变量的因素负荷系数估计值均在0.5～0.95 的区间内，且C.R.值均大于1.96，参数估计值的S.E.都大于0，参数估计值显著性的概率值均小于0.001。综合各项指标的检验结果可以认为，修正后的总体样本SEM模型比初始模型有了较大程度的改善。模型最终的路径图如图3 所示。

表8 修正后总体样本SEM 测量模型中指标变量的参数估计值

图3 修正后的总体样本结构方程路径

4 研究结论与启示

根据表10 修正后总体样本SEM 模型的路径系数，考察各项假设：

假设H1验证：γ1=0.281，C.R.=2.749，P=0.006，得到临界比大于参考值1.96，且标准化路径系数均在0.01 的显著性水平上，说明产业基础对新能源产业集群的形成具有显著的正向影响，产业基础越厚实，新能源产业集群越容易形成，即假设H1成立。

假设H2验证：γ2=0.128，C.R.=1.913，P=0.056，得到临界比略小于参考值1.96，且标准化路径系数均只能在10%的水平上显著，说明技术创新水平对新能源产业集群的形成具有正向影响，但显著性没有通过5%的水平。

假设H3验证：SEM 模型中新能源产业集群水平（Q）市场需求（S）的路径系数均为负，与研究假设相反，故此条路径均已被删除。说明假设H3（市场需求对新能源产业集群的形成具有正向影响）没有通过验证。

假设H4验证：SEM 模型中新能源产业集群水平（Q）政府政策（F）的路径系数均为负，与研究假设相反，故此条路径均已被删除。说明假设H4（政府政策对新能源产业集群的形成具有正向影响）没有通过验证。

假设H5验证：γ5=0.219，C.R.=2.940，P=0.003，可得到临界比大于参考值1.96，且标准化路径系数均在0.01 的水平上显著，说明制度环境对新能源产业集群的形成具有显著的正向影响，制度环境越合理，新能源产业集群越容易形成，即假设H5成立。

假设H6验证：γ6=0.283，C.R.=4.703，P=0.000，得到临界比大于参考值1.96，且标准化路径系数均在0.01 的水平上显著，说明资金支持对新能源产业集群的形成具有显著的正向影响，资金支持力度越大，新能源产业集群越容易形成，即假设H6成立。

假设检验结果总结如表9 所示。

表9 假设检验结果

综上分析，完善新能源配套产业，加强硬件基础设施建设是新能源产业集群形成的基础保障；培育公众的环保低碳消费意识，鼓励新能源企业创新创业，构建良好的营商环境是新能源产业集群形成的制度保障；多元的融资渠道与稳定的资金来源是新能源产业集群形成的根本保障。虽然技术创新水平对新能源产业集群形成的正向影响没有通过5%的显著性水平，但技术创新水平毫无疑问是新能源产业集群形成的重要推力，应加强政产学研的四方联动，真正提升新能源产品创新的数量和质量。市场需求对新能源产业集群的形成具有正向影响没有通过验证，可能是由于新能源产业仍过分依赖于国外市场，应积极推动国内市场。政府政策对新能源产业集群的形成具有正向影响没有通过验证，可能是由于现阶段政府政策存在一些问题和缺陷所致，比如政策条文原则性规定多，但实施配套细则少，实施效果自然不尽人意，所以应完善新能源产业扶持政策，提升执行效率，多利用市场手段，推动新能源产业的创新发展。