服务业、战略性新兴产业协同集聚与经济高质量增长——基于2005-2018年省际面板数据的实证分析

吴 振 华

(辽宁大学 经济学院，辽宁 沈阳 110036)

一、文献回顾及问题的提出

伴随着工业经济向服务经济的转变，服务业集聚发展成为一国经济高质量增长的关键，战略性新兴产业成为新的经济增长点。产业集聚、协同集聚与经济高质量增长之间互动关系的研究日益成为国内外学界所关注的焦点。国外学者针对产业协同集聚的理念最初来自Ellison和Glaeser，之后学者们围绕着制造业和生产性服务业的协同集聚开展研究。Porterfeild和Pulver认为产业协同集聚能够更好地满足市场消费的需求，从整体上对制造业区域布局生产影响，有助于实现制造业和生产性服务业协同(1)Ellison G，Glaeser E L．The Geographic Concentratioin of Industry:Does Natural Advantage Explain Agglomeration?．The American Ecnonmic Review，1999(89)；Porterfeild S L，Pulver G C．Exports，Imports and Locations of Services Producers．International Regional Science Review，1991(14)．。Martin和Desmet发现制造业和生产性服务业在区位选择时互为作用，认为生产性服务业集聚能够带动制造业集聚(2)Martin A．Co-location of Manufacturing and Producer Service:A Simultaneous Equation Approach．Electronic Working Paper Series CESIS，2004；Desmet K，Fafchamps M．Changes in the Spatial Concentration of Employment across US countries：A Sectoral Analysis 1972—2000．Journal of economic geography，2005(3)．。国内学者研究焦点为谁在协同关系中占据主导地位，陈建军和陈菁菁发现生产性服务业集聚对制造业集聚的推动作用更大(3)陈建军，陈菁菁：《生产性服务业与制造业的协同定位研究：以浙江省69个城市和地区为例》，《中国工业经济》，2011年第6期。。李惠娟发现生产性服务业集聚大于社会性服务业，服务业集聚小于制造业，服务业与制造业之间存在协同集聚关系(4)李惠娟：《中国城市服务业集聚测度：兼论服务业集聚与制造业集聚的关系》，《经济问题探索》，2013年第4期。。吉亚辉和甘丽娟发现生产性服务业和制造业存在协同集聚，而东部协同集聚大于中西部(5)吉亚辉，甘丽娟：《中国城市生产性服务业与制造业协同集聚的测度及影响因素》，《中国科技论坛》，2015年第12期。。

根据上述研究，国内外研究焦点在于生产性服务业与制造业协同集聚，随着居民消费水平逐渐提升、消费需求呈现多样化，生活性服务业集聚显著，通过多样化供给提升居民幸福指数，进而带动劳动生产率提高，间接推动经济增长。此外，中国区域间经济发展水平及产业基础差异性明显，服务业集聚和战略性新兴产业协同集聚也会导致经济增长的区域差异。基于此，本文从全新视角研究区域生产性服务业集聚、生活性服务业集聚及两者协同集聚能否实现地区经济高质量增长，以期为服务业及战略性新兴产业集聚提供相应的理论指导。

二、服务业与战略性新兴产业协同集聚度

(一)协同测度方法

产业协同集聚测度方法有三种：一是计算产业集聚度相关系数或由集聚度绘制折线图观察产业集聚度变化趋势；二是计算产业集聚度的莫兰指数；三是计算产业协同集聚度。本文选择最常用的协同集聚度测量服务业与战略性新兴产业协同集聚水平。公式如下：

RPj=1-|Rpj-Rnj|/(Rpj+Rnj)

(1)

RLj=1-|Rlj-Rnj|/(Rlj+Rnj)

(2)

其中，RPj表示j省份生产性服务业与战略性新兴产业协同集聚度，RLj表示j省份生活性服务业与战略性新兴产业协同集聚度，Rpj、Rlj、Rnj分别为j省份生产性服务业、生活性服务业和战略性新兴产业的区位熵。其中，区位熵指数公式为：

Rij=(eij/Ei)/(ej/E)

(3)

其中，Rij代表j省份i产业区位熵，eij代表j省份i产业从业人员，Ei代表全国i产业从业人员，ej代表j省份从业人员，E代表全国从业人员。Rij>1，表示产业集聚现象较显著。

(二)协同测度结果

根据图1和图2显示：(1)东部地区生产性服务业与战略性新兴产业的协同集聚度呈现“下降—增加—下降”趋势，尤其是2009年产业协同集聚趋势显著，虽然东部地区战略性新兴产业布局呈现扩散态势，但生产性服务业与其协同布局愈发明显；生活性服务业与战略性新兴产业协同集聚度也呈现“下降—增加—下降”态势，假如两大产业协同布局处于初步阶段，那么，产业之间呈现出适应性差、布局结构不合理；随着区域产业集聚规划的出台，调整了产业间布局结构，两者协同集聚逐渐提高。但2013年之后，该协同现象有所减缓。(2)中西部地区战略性新兴产业与服务业协同集聚度均呈现下降态势。一方面，根据协同集聚公式，服务业和战略性新兴产业集聚的反向变动必导致协同集聚度下降。然而，产业集聚呈现路径依赖特征，某一产业集聚变化不仅受其滞后一期影响，而且受到关联产业当期及滞后一期影响。因此，静态协同集聚无法反映产业间协同集聚；另一方面，中西部地区两大产业本身集聚水平较低，协同布局仍处在探索期，缺少产业布局规划和资源分配政策，导致产业间无法实现良性互动，进而降低了协同集聚度。假如合理规划和引导产业协同布局、调整产业间布局结构，那么，两大产业协同集聚也会从无序状态走向合理状态。

三、研究设计

(一)计量模型构建

为了全方位地对比区域生产性服务业、生活性服务业和战略性新兴产业的协同集聚所产生的经济增长效应，同时，为了缓解变量存在内生性问题，此处选择GMM模型实证检验产业协同集聚对于区域经济高质量增长的影响，模型设定如下：

TFPit=α0+α1TFPit-1+α21nRPit+γ1nZit+εit

(4)

TFPit=β0+β1TFPit-1+β21nRLit+γ1nZit+εit

(5)

其中，TFP表示全要素生产率及其分解指标技术进步(TECHCH)和技术效率(EFFCH)，Z表示控制变量，α0和β0表示常数项，α1、α2、β1、β2和γ分别表示系数的边际效应，ε为随机误差项，i表示地区，t表示时间。

(二)指标选取

1.被解释变量和解释变量

(1)全要素生产率：采用非参数法的Malmquist指数法测算，所用的产出变量和投入变量如下：产出变量选择2005-2018年31个省份实际国内生产总值(以2005年不变价)；投入变量选择劳动投入和资本存量，其中，劳动投入为各省份就业总人口；资本存量采用永续盘存法估算。接下来，将全要素生产率分解为技术进步和技术效率两大部分，其中，技术进步通过运用新技术、新方法和新工艺等影响全要素生产率；技术效率表示在可变规模报酬下，通过管理创新、制度创新影响全要素生产率。(2)服务业与战略性新兴产业协同集聚。参考上文计算结果，此处不再赘述。

2.控制变量

第一，人力资本水平(HUM)，选择每万人高校在校大学生衡量。第二，对外开放水平(FDI)，以当年实际使用外资额占GDP比重衡量，并利用美元与人民币的平均汇率予以折算。第三，政府财政支出水平(GOV)，选择一般政府财政预算支出占GDP的比重衡量。第四，科研投入(RD)，选择地方财政科技支出占地方财政支出的比重衡量。第五，基础设施(INF)，选择人均道路面积与公路里程数之比衡量。

四、实证分析结果

(一)基准模型估计

把全国层面相关数据代入上述实证模型，Sargan检验表明模型设定具备一定的合理性。根据表1所示，未加入控制变量时，模型1和模型3中解释变量系数均在1%水平显著为负，说明生产性服务业与战略性新兴产业、生活性服务业与战略性新兴产业集聚度每增加1%，导致全要素生产率指数各自下降0.2%和0.1%。加入控制变量后，模型2和模型4中解释变量系数未发生变化，均在1%水平显著为负，说明服务业和战略性新兴产业集聚对全要素生产率发挥显著的负效应。其原因在于过度集聚产生了负外部性，随着集聚水平提升，该集聚区域地价、工资、交通拥挤等沉没成本增加，固定资本大的企业难以退出既有集聚区域，导致生产效率低下的企业成为僵尸企业，降低了自身和价值链上下游企业生产效率。不管是否加入控制变量，生产性服务业和战略性新兴产业集聚对全要素生产率的作用更高。

表1 基准估计结果(被解释变量：TFP)

根据表2所示，未加入控制变量时，模型5和模型7中解释变量系数均在1%水平显著为正，表示生产性服务业与战略性新兴产业、生活性服务业与战略性新兴产业集聚度每增加1%，导致技术进步指数各自增加0.0%和0.1%。加入控制变量后，模型6解释变量系数由正转为负，且在1%水平显著为负，说明生产性服务业与战略性新兴产业集聚对技术进步发挥显著的负效应；模型8中解释变量系数仍为正，且在1%水平上显著，说明生活性服务业与战略性新兴产业集聚对技术进步发挥显著的正作用。产生负作用的原因在于协同集聚区域内的产业价值链不匹配，难以发挥协同集聚的正外部性，更多的是争夺资源、生产成本上升。产生正作用的原因在于，一是学习行业内企业新知识、新技术，形成产业内知识、技术溢出效应；二是提高细分行业间的交流、合作频率及效率，形成产业间知识、技术溢出效应。由此，新技术、新工艺、新方法、新设备运用，最终推动了技术进步。此外，未加入控制变量时，技术进步更多地取决于生活性服务业与战略性新兴产业集聚度。加入控制变量后，技术进步取决于生产性服务业与战略性新兴产业集聚度。

表2 基准估计结果(被解释变量：TECHCH)

根据表3所示，未加入控制变量时，模型9和模型11中解释变量系数均在1%水平显著为负，表示生产性服务业与战略性新兴产业、生活性服务业与战略性新兴产业集聚度每增加1%，导致技术效率指数各自下降0.1%和0.2%。加入控制变量后，模型10解释变量系数由负转为正，且在1%水平显著为正，说明生产性服务业与战略性新兴产业集聚对技术效率发挥显著正效应。模型12中解释变量系数仍为负，但不显著。产生负作用原因在于拥挤效应，即企业过度集聚导致地价、工资、交通拥挤等生产成本提高，生产效率低下的企业落为僵尸企业，降低了企业自身和上下游企业的生产效率，不利于提高技术效率。产生正作用的原因在于正外部性，即通过共享劳动力市场，降低劳动力搜寻成本、原材料搜寻和运输费用，加强交流合作减少信息不对称等，促进集聚区域资源优化配置，改善企业生产管理，最终提高了技术效率。此外，未加入控制变量时，技术效率更多地取决于生活性服务业与战略性新兴产业集聚度；加入控制变量后，技术效率取决于生产性服务业与战略性新兴产业集聚度。

表3 基准估计结果(被解释变量：EFFCH)

在控制变量中，第一，人力资本系数在1%水平显著为正，说明人力资本对经济高质量增长产生正向推动作用，即较高人力资本代表该区域具备高素质劳动力，不仅提高了企业管理组织效率，而且也提高了企业对新技术的吸收和转化。第二，对外开放系数在1%水平对技术进步发挥显著正作用，原因在于外商直接投资的示范模仿效应、人员培训效应、竞争效应等；对外开放对全要素生产率和技术效率发挥显著负作用，原因在于外资企业进入对国内企业产生挤压效应，削弱了技术溢出效应。第三，政府财政支出在1%显著性水平对经济高质量增长发挥负效应，说明政府规模扩大导致资源配置效率的下降，从而不利于经济增长。第四，科研投入阻碍了全要素生产率，原因在于技术效率改善受到抑制(6)王伟，石珂菲：《技术效率、行业测度与中小企业高质量发展：基于SFA模型的实证分析》，《河南师范大学学报》(哲学社会科学版)，2019年第5期。。第五，基础设施对经济高质量增长发挥负作用，但不显著。

(二)区域异质性讨论

鉴于各省经济发展存在较大差异，此处把样本划分为东部、中部和西部(7)注：鉴于篇幅限制，中西部地区估计结果省略，如有需要可向作者索取。三大区域，研究不同类型服务业和战略性新兴产业协同集聚对区域全要素生产率及其分解指标的影响。

根据表4所示，以全要素生产率指数为被解释变量的方程中：(1)东部地区解释变量系数分别在5%和1%水平上显著为负，表示生产性服务业与战略性新兴产业、生活性服务业与战略性新兴产业集聚度每增加1%，导致全要素生产率指数分别下降0.7%和0.3%。(2)中部地区解释变量系数均在5%水平显著，生产性服务业与战略性新兴产业集聚度每增加1%，导致全要素生产率指数下降2.7%；生活性服务业与战略性新兴产业集聚度每增加1%，导致全要素生产率指数增加1.6%。(3)西部地区解释变量系数分别在1%和5%水平显著为正，说明服务业与战略性新兴产业集聚度每增加1%，导致全要素生产率指数分别提高1.8%和0.8%。服务业和战略性新兴产业集聚对全要素生产率指数作用由大到小依次为中部、西部和东部。其原因在于，东部地区服务业过度集聚、行业竞争过度，集聚的负外部性显著，从而不利于产业间良性互动；中部地区承接东部的产业转移，生活性服务业与战略性新兴产业协同集聚有利于产业融合，进而提高全要素生产率，而生产性服务业和战略性新兴产业在中部地区集聚度较低，且二者协同布局处于起步阶段，故对全要素生产率影响为负；西部地区以劳动、资源密集型产业为主，对服务业形成有效需求，服务业与战略性新兴产业协同集聚能使两大产业形成良性互动，有利于全要素生产率提升。

表4 东部地区估计结果

在以技术进步指数为被解释变量的方程中：(1)东部地区解释变量系数在模型15中显著为负，表示生产性服务业和战略性新兴产业集聚度每增加1%，导致技术进步指数下降0.3%；而生活性服务业与战略性新兴产业集聚对技术进步的影响不明显。(2)中部地区解释变量系数分别在1%和5%水平显著为正，服务业与战略性新兴产业集聚度每增加1%，导致技术进步指数分别增加4.9%和3.0%。(3)西部地区解释变量系数显著为正，表示生产性服务业和战略性新兴产业集聚度每增加1%，导致技术进步指数增加0.2%。服务业与战略性新兴产业集聚对技术进步指数的作用由大到小依次为中部、东部、西部。其原因在于，东部地区服务业与战略性新兴产业间的高度集聚形成了拥挤效应，从而阻碍技术进步；中西部地区企业技术进步空间大，服务业和战略性新兴产业协同集聚有利于产业间互动，企业通过吸收新技术，能够推动技术进步。

在以技术效率指数为被解释变量的方程中：(1)东部地区解释变量系数在模型17中显著为正，表示生产性服务业和战略性新兴产业集聚度每增加1%，导致技术效率指数增加0.6%。而生活性服务业与战略性新兴产业集聚对技术效率的影响不明显。(2)中西部地区解释变量系数均不显著。生产性服务业与战略性新兴产业集聚对技术效率指数的作用由大到小依次为中部、东部和西部，生活性服务业与战略性新兴产业集聚对技术效率指数的作用由大到小依次为西部、东部、中部。其原因在于，东部地区自身技术进步空间大，企业在技术进步取得突破进展时，会通过改善技术效率获取利润；中西部地区产业分工协作差，价值链上下游企业交易成本高，为了节约成本，企业选择纵向一体化产业组织模式，造成资源错配，降低生产效率。

(三)稳健性检验

本文选择替换产业集聚度、分时期回归予以稳健性检验。其中，替换变量借鉴孔海涛等的做法测算产业集聚度(8)孔海涛，于庆瑞，张小鹿：《环境规制、经济集聚与城市生产率》，《经济问题探索》，2019年第1期。。分时段回归选择以2008年为界限，各自考察2005-2008年和2009-2018年两个时间段服务业与战略性新兴产业集聚对全要素生产率的作用。估计结果同前文基本保持一致，但区域差异明显，说明结论具备一定稳健性。

五、结论与启示

本文选择2005-2018年省际面板数据，测算生产性服务业、生活性服务业、战略性新兴产业的集聚度，并基于GMM模型实证分析产业集聚对于全要素生产率及其分解指标的作用。结果发现：(1)服务业与战略性新兴产业集聚与全国、东部地区全要素生产率显著负相关；中部生产性服务业和战略性新兴产业集聚降低了全要素生产率，生活性服务业与战略性新兴产业集聚提升了全要素生产率；西部服务业与战略性新兴产业集聚提升了全要素生产率。(2)生产性服务业与战略性新兴产业集聚对全国技术进步发挥显著负效应，生活性服务业与战略性新兴产业集聚对全国技术进步发挥显著正效应；东部生产性服务业与战略性新兴产业集聚导致技术进步下降；中部服务业与战略性新兴产业集聚促进技术进步；西部生产性服务业与战略性新兴产业集聚推动技术进步。(3)生产性服务业与战略性新兴产业集聚对全国及东部地区技术效率发挥显著正效应。

本文结论具有以下启示：第一，制定战略性新兴产业发展规划，实现合理集中布局。处于发展初级阶段的战略性新兴产业，集聚区布局应考虑产业基础、创新环境等，以此制定兼顾针对性和可持续性发展规划。中西部不仅需要承接东部产业转移，也需要因地制宜地布局战略性新兴产业集聚区。第二，产业间资源配置优化，实现产业协同的良性互动。东部发挥产业协同集聚优势，优化产业间资源配置；中西部需要因地制宜，制定有效产业布局政策，保证协同集聚合理性。第三，产业规划中纳入生活性服务业集聚，实现产业协同布局合理化。东部借助人才和市场规模优势，引导生活性服务业集聚向更高层次发展；中西部把生活性服务业发展纳入服务业发展规划，为其提供有利市场环境，特别是引导产业协同布局实现良性互动。