长江三角洲制造业专业化演进与驱动因素

沈惊宏

(安庆师范大学 资源环境学院，安徽 安庆 246133)

0 引言

区域分工是经济发展的一种必然趋势，同时也是区域经济联系的重要形式[1]。区域分工能够使不同区域资源、要素实现合理配置，进行专业化生产，实现产业互补，发挥专业生产优势，有利于统筹区域关系，形成一体化经济格局。产业同构、市场分割，不利于专业化生产、区域分工协作以及生产技术和管理体制的创新发展。实现专业化生产，建设区域经济一体化是现代经济发展的重要途径。2019年12月中共中央、国务院印发了《长江三角洲区域一体化发展规划纲要》，通过一体化战略把长江三角洲(以下统称为“长三角”)建设成为“中国综合实力最强的区域”。

诸多区域经济学和经济地理学者关注经济发展的内生作用机制，并聚焦于产业集聚与专业化对区域经济增长的影响[2]。古典经济学家亚当·斯密从绝对成本的角度论证了分工对于经济增长的作用机制，传统的区域分工贸易理论认为区域分工取决于各地区技术或者要素禀赋[3]，由于资源禀赋和区位不同而形成的区域比较优势，使得某些产业集聚于一定区域，构成了区域产业分工网络[4]。赫克希尔-俄林模型阐述了区域各种生产要素的相对丰裕程度，产生的价格差异导致了国际贸易和国际分工[5]。另外，新贸易理论[6]、竞争优势理论[7]等都为开展实证分析奠定了理论基础。梳理国内区域分工的研究成果主要体现在以下几个方面：一是不同产业区域分工的差异性及分工程度，探求不同产业在区域间的空间特征和发展水平[8]；二是单一产业的区域分工格局，主要分析某一种产业在区域上的分布状况[9,10]；三是区域分工与经济发展关系，分析区域分工对经济增长、产业创新等的促进作用[11]；四是专业化生产及其影响因素，分析区域分工的背后作用因素[12]；五是其他方面，如专业化与多样化比较、产业分工合作模式等[13]。实证方法上也有很大拓展，运用区位熵、区域分工指数、基尼系数和赫希曼—赫芬达尔指数等[14]对产业专业化、区域分工、竞合关系开展研究。已有成果鲜有探讨各产业间在整个区域的布局情况比较，影响因素分析上也少有查明其作用力空间异质性。本文在长三角一体化背景下，论证长三角地区制造业专业化空间布局演化以及作用力的空间异质性，意在以制造业为切入点对长三角地区产业专业化深入了解，为深化区域分工与合作，促进产业合理布局，更好推进长三角地区一体化提供科学参考。

1 数据来源与研究方法

1.1 数据来源

长三角区域一体化发展规划范围包括上海、江苏、浙江和安徽三省一市，覆盖41个城市，面积35.8万平方公里。根据《国民经济行业分类与代码(GB/T4754-2017)》标准，选择C门类，考虑到数据的一致性，删除金属制品、机械和设备修理业，将汽车制造业与铁路船舶航空航天和其他运输设备制造业合并为交通运输设备制造业，共计29种制造业。数据主要来源于各城市2009、2019年统计年鉴，取规模以上工业企业经济指标，并根据分类标准以及城市行政区范围的变化做行业数据调整，极少数城市2018年数据未能获取，根据历年数据进行回归分析获得。行政区划地图数据来源于国家1: 10,000基础地理信息数据。

1.2 研究方法

(1)产业专业化指数。利用变异系数可以比较几组数据间离散程度的原理，本文用其比较不同产业在整个研究区的布局均衡度，从而了解哪些产业专业化相对强或弱，如公式(1)：

(1)

(2)城市(产业)专业化指数。变异系数测算的是各产业的专业化强弱，进一步了解优势产业的城市分布，以及各城市产业的专业化和集中度(以下简称“城市专业化”)，借助区位熵进行度量，公式(2)：

(2)

其中，Cij为城市专业化指数，指数越大，城市专业化越强；qij为城市j的产业i产值，qj为城市j的所有产业总产值，qi为上级区域产业i的产值，q为上级区域所有产业总产值。

(3)地理加权回归模型 为分析专业化影响因素的空间异质性，本文采用英国学者Fotheringham提出的地理加权回归模型(GWR)[15]，GWR使用邻近数据的观测值来估计局部回归，并随着空间位置的变化而变化，GWR模型表示为：

(3)

其中，yi为城市专业化指数，ui、vi是城市i的地理坐标；β0(ui,vi)是城市i的常数项，βk(ui,vi)是城市i的第k个回归参数；p为城市独立变量的个数，xik为城市i的第k个独立变量；εi是城市i的随机误差。

2 长三角制造业专业化演进

2.1 产业专业化

根据公式(1)测算得到长三角2008年和2018年各种产业专业化指数(表1)，如表1所示，长三角产业专业化演进表现为如下特征。

表1 2008年和2018年长三角产业专业化指数

(1)长三角产业专业化指数有所下降。通过比较，2018年专业化指数平均数比2008年降低了0.199，可见，长三角专业化在减弱。主要是因为这一地区地域广阔、经济发展差距大，特别是安徽地区和江浙一些地区正在承接发达城市的产业，来自东部地区的产业扩散和产业转移还正在进行中。电气机械和器材制造业、家具制造业、农副食品加工业、其他制造业、印刷和记录媒介复制业、橡胶和塑料制品业、通用设备制造业等7个产业的专业化指数和位序都较大，说明这些产业专业化急剧增强。黑色金属冶炼和压延加工业、有色金属冶炼和压延加工业、医药制造业、仪器仪表制造业、化学原料和化学制品制造业、纺织服装服饰业与文教工美体育和娱乐用品制造业等6种产业存在同构。

(2)专业化程度与稳定性主要由专业资本和技术含量而定。2008年和2018年专业化指数皆在前十位的产业为：计算机通讯和其他电子设备制造业、烟草制品业、石油煤炭及其他燃料加工业、交通运输设备制造业四种产业。2008年和2018年专业化指数均在后十位的产业为：造纸和纸制品业、纺织业、文教工美体育和娱乐用品制造业、木材加工和木竹藤棕草制品业四种产业。前者大多技术含量高、资金投入大、历史品牌声誉高，后者表现为应用范围广、耗量大、低投入、低成本、技术含量底。在高度市场化环境中，只有具备这些特性的产业才能有较高的专业化或产业同构下的发展稳定性。

(3)产业专业化变化强度根据附加值变化强度而定。从2008年到2018年，专业化指数排名位序前进10位以上的产业是：电器机械和器材制造业、家具制造业、农副食品加工业、其他制造业和通用设备制造业，这些产业附加值经历了较高到较低的过程，由于产品利润变得较低，大量资本转移，因此，这些产业专业化急剧提升且很强。而对于附加值较高的医药制造业、有色金属冶炼和压延加工业、仪器仪表制造业、化学原料和化学制品制造业、纺织服装服饰业、黑色金属冶炼和压延加工业等六种产业专业化位序下降较大，专业化排序较靠后。

2.2 城市专业化

根据式(2)，测算得到2008年和2018年长三角各城市专业化指数。鉴于数据量大，仅把各产业的区位熵最高城市列出，如表2。数据显示，城市产业区位熵体现如下特点。

表2 长三角产业区位熵首位城市

(1)城市专业化增强的产业其城市经济发展程度不同。发达城市产业区位熵高的多集中于高附加值、资本大的产业，欠发达城市产业区位熵高的多集中于低附加值、低投入、劳动密集型产业。2018年，对于计算机通信和其他电子设备制造业、石油煤炭及其他燃料加工业、化学原料和化学制品制造业、医药制造业、黑色金属冶炼和压延加工业、有色金属冶炼和压延加工业、交通运输设备制造业与仪器仪表制造业等高附加值产业来说，上海、苏州、无锡、常州、南京、杭州、宁波、嘉兴等城市区位熵普遍较高，以计算机通信和其他电子设备制造业为例，区位熵前十位的为：苏州(2.376)、合肥(1.409)、上海(1.302)、杭州(1.216)、无锡(1.016)、南京(0.855)、徐州(0.688)、滁州(1.658)、常州(0.586)、嘉兴(1.571)。对于农副食品加工业、食品制造业、纺织服装、木材加工和木竹藤棕草制品业、印刷和记录媒介复制业等附加值低的产业，安徽城市和江浙欠发达城市区位熵普遍都高，以木材加工和木竹藤棕草制品业为例，区位熵前十位的为：淮南(10.341)、舟山(10.012)、宿州(6.234)、六安(4.429)、蚌埠(4.404)、亳州(4.267)、淮北(4.065)、淮安(3.362)、阜阳(3.033)、滁州(2.543)。换言之，高附加值产业主要布局于江浙沿海和沿江发达城市，低附加值产业主要布局于欠发达地区。

(2)优势产业区位熵变化较小。表2中，有12个产业2008年到2018年城市首位区位熵没有变化，也就是说这些城市优势产业一直领先于长三角其他城市。两个年度中，实际上绝大数产业区位熵前五位城市相同，仅有极少数城市的优势产业发生了大变动，如2008年专用设备制造业区位熵最高的是淮南，而徐州仅位居18位，2018年徐州该产业区位熵已是首位。分析产业区位熵最高城市会发现，优势产业大体变动较小的原因有多方面，如铜陵、马鞍山拥有相应的金属特色资源；亳州、绍兴拥有悠久的草药、桑蚕历史产业文化；舟山有着地理区位优势；徐州、安庆有着传统的产业；另外东部部分城市着力打造专业化产业，如苏州、温州。值得关注的是，上海、杭州、南京和合肥都不在所有产业的绝对优势城市之列，绝对优势的制造业没有位于省会和直辖市，与城市发展规划密切相关。

(3)少数发达城市专业化强化，欠发达城市专业化减弱。把2008年和2018年各城市产业区位熵指数进行比对，以产业区位熵上升产业10种及以下的城市和下降20种及以上的城市为例，前者是上海、南京、常州、苏州、无锡、杭州、宁波和嘉兴等8个城市，后者是阜阳、淮北、蚌埠、安庆、芜湖、马鞍山、黄山、宣城、宿迁等9个城市。也就是说，前8个城市中大多产业区位熵在下降，而后9个城市仅少数产业区位熵在上升。不难发现，发达城市专业化得到加强，而欠发达城市专业化在减弱，前者在逐渐产业转移，后者正在产业转入。进一步分析数据发现，除合肥、池州外，安徽其他城市区位熵提升的产业数大于下降的产业数；江苏和浙江除了泰州、南通、淮安、温州、湖州、舟山外，其他城市专业化有加强趋势。实际上，安徽地区和江浙地区制造业发展理念上存在差距，安徽正在大规模地承接江浙地区的产业转移，尤其是皖江城市带各城市表现尤为突出。江浙两省和上海地区，发达城市专业化在增强，附加值低、污染大的产业在转移优化；其他城市产业专业化10年内变化并不大，但有加强趋势。主要原因是：一方面未进一步发展附加值低和耗能大、污染大的产业，同时自己落后产业淘汰较慢，而先进的制造业发展步履维艰。总之，长三角少数发达城市专业化增强，安徽大多城市专业化在减弱。

2.3 专业化的影响因素

以2018年城市专业化指数为因变量，通过对各种解释变量反复实验建模，观测P值小于0.01的各解释变量，最后以人均GDP、城镇化率和距离为解释变量进行建模测算其全局和局域关系，分别做普通最小二乘法和地理加权回归分析。这里的距离是每个城市到达其他40个城市实际距离的平均值，通过GIS网络分析得到。普通最小二乘法(OLS)分析得到人均GDP、城镇化率和与其他城市距离的P value分别为0.00671、0.00102、0.00079。利用ArcGIS10.5的地理加权回归工具，核类型设为ADAPTIVE，带宽方法为AICc，分析结果见表3。

表3 OLS与GWR模型比较

城市专业化的GWR分析具体结果：最佳带宽为360km，与OLS分析相比，AICc从643.069下降到633.807，按照Fortheringham的标准，只要两者之差大于3，即为最佳带宽。有效数为11。RAdj2由0.681提升到了0.711，可见 GWR拟合结果优于OLS。GWR测算各解释变量空间异质性见图1。通过测算结果，可以得出影响专业化因素及其空间作用力。

(1)人均GDP、城镇化率和距离对城市专业化有主要影响。从GWR建模结果可以知道，人均GDP、城镇化率和距离对专业化有较大影响。值得一提的是，前期建模过程中，全域相关关系研究中发现财政收入、固定资产投资、GDP等要素对城市专业化也有一定促进作用，但在空间异质性上不明显，因此不能局域加权建模。

(2)人均GDP和城镇化率对专业化有促进作用。图1(a)、图1(b)显示，人均GDP和城镇化率两者都表现出自东向西的渐渐弱化作用，也就是说，较高的人均GDP和城镇化对长三角东部城市专业化增强有积极促进作用，而皖西、皖北、苏北和浙南因受人均GDP和城镇化的影响，专业化较弱。显然,人均GDP和城镇化率较高是随着区域经济规模不断提高，这使得发达地区有财力在科研、外贸、市场营销和规模效应上提高经济效率，从而使得专业化生产规模和市场占有率越大。

(3)空间距离对专业化有反作用。图1(c)显示，城市间空间距离的空间作用力自中心向周边逐渐得到加强，也就是说城市空间距离越大，专业化减弱；空间距离越小，专业化越强。由于地理距离衰减规律的作用，离区域经济中心地带越近，越容易受到影响；反之，离得越远，则经济就越不发达。当下，长三角核心地带城市专业化正在加强，与此同时，也是产业转移的过程，这些转移出去的产业被周边地区所承接。

(a) (b) (c)

3 结论与启示

基于长三角制造业分析了产业专业化、城市专业化演进过程。产业专业化是通过计算不同产业在整个长三角地区的变异系数分析其离散程度，离散大则该产业专业化强；城市专业化通过测算区位熵分析其专业化程度，区位熵越大，则该城市的产业专业化越强；以GWR模型分析了城市专业化影响因素的空间作用力。研究发现：长三角整体上产业专业化在减弱，不同产业由于性质不同其专业化演变趋势有所差异；少数发达城市专业化显著增强，欠发达城市专业化减弱；GWR分析表明人均GDP和城市化率对增强城市专业化具有促进作用，而城市空间距离对城市专业化有一定反作用。

长三角作为中国重要经济区，2008年到2018年的10年里，长三角制造业表现为少数产业和少数大城市专业化得到增强。长三角作为整体来说，需科学谋划加快产业专业化进程，长三角产业发展才能真正一体化。应该加强长三角地区合作，依据各自资源禀赋、产业发展优势、经济实力和区位特点等重要因素整体规划产业发展布局。