新型城镇化、创新驱动与产业结构升级

汪雅珍，张廷海

(安徽财经大学 国际经济贸易学院，安徽 蚌埠 233030)

当前，中国经济发展已由高速增长阶段转变为高质量发展阶段，长三角地区是我国经济发展最活跃、开放程度最高、创新能力最强的区域之一，实现其高质量发展对提升国内整体经济水平具有十分重要的意义，2014年《国家新型城镇化规划(2014—2020年)》中也明确强调新型城镇化建设的重大意义之一即促进经济高质量发展。实现经济高质量发展，重点应推动产业结构转型升级，而促进产业转型升级，创新是第一驱动力。创新为产业转型升级提供新动能、注入新活力。中国共产党第十八次全国代表大会报告中提出“创新驱动发展战略”，将“创新驱动”的重要性提升到从未有过的高度，“创新驱动”也必须贯彻到区域和产业发展战略中。同时作为缩小城乡差距和贫富差距的有效途径，[1]城镇化对于促进长三角地区产业结构升级具有重要作用，新型城镇化进程的不断推进为产业升级提供了广阔的基础平台。特别是在新一轮城镇化进程中，新型城镇化被视为加速产业转型升级的重要契机，使其成为经济新常态下产业升级的新思路和新途径，因而在新型城镇化背景下，以创新驱动积极有效引导长三角产业结构升级具有十分重要的意义。

一、文献综述

国内外学者关于新型城镇化、创新驱动与产业结构升级的研究，主要从以下三个方面来体现：第一是对于新型城镇化的研究，学者们从中国新型城市化的现实意义[2]到主要表现[3]都展开了深入讨论，再到新型城镇化水平的测度，学者们分别采用了因子分析和主成分分析法[1]、熵值法和灰色关联度法[4-5]、AHP层次分析法[6]，通过构建指标体系对新型城镇化水平进行了测度。第二是对于产业结构升级的测度，大都是通过对三次产业加权求和的方式来测定产业结构升级水平[7-8]。也有学者对产业结构升级的因素分析从产业结构高级化和合理化两方面分开来研究[9-10]。第三关于新型城镇化对产业结构的影响研究，国外学者分别从城镇化的人力资本效应[11]和现代产业要素的集聚[12-13]得出新型城镇化能够影响地区产业结构升级。刘志彪(2010)指出，在发展中实现产业转型升级需要选择以进一步城市化来推动[14]，闫星宇和许士道(2019)通过实证研究得出城镇化和市场化均显著促进了产业结构升级[15]。

其次关于创新驱动对产业结构升级的影响研究，学者们分别从创新的供给和需求[16]、投入研发经费和研发人员[17]来推动产业结构升级。也有学者从创新与产业结构之间的互动与耦合关系进行研究，王慧艳等(2019)提出创新能力提高对产业升级的推动作用要大于产业升级对科技创新的拉动作用[18]。叶堂林和毛若冲(2019)运用熵值法、耦合协调度模型进行分析，认为技创新能力与产业结构升级的耦合总体处于稳定阶段[19]。

最后关于空间双重差分的研究，国内目前研究较少，大多数学者使用的是一般双重差分模型，许清清等(2019)利用双重差分方法评估了人口迁移政策对劳动力流动的影响，得出人口迁移政策显著引导了劳动力的流动，从而促进了产业结构升级[20]。张军等(2019)基于双重差分空间自回归模型就我国现有11个自贸区对地区经济增长的影响强度展开经验研究[21]。国外学者对于空间双重差分研究较早，Heckert和Mennis(2012)测量了费城创新的空地绿化计划对住宅物业价值的影响，在运用空间双差分时增加了空间效应，得出该程序的影响随着与处理地块距离的增加而减小[22]。

通过对以往文献的梳理，可以发现，学者们对于新型城镇化测度和概念的研究很多，对于产业结构升级的测量，大多是用一二三产业占比来衡量。在研究方法上，罕有文献运用空间双重差分的方法，多数是运用DID法，但是忽略空间溢出效应无疑会对结果产生影响。因而，论文的边际贡献有：第一采用新型城镇化建设试点政策评估其对长三角产业结构升级的影响，作为目前少有量化识别新型城镇化建设对区域经济作用的研究，对于长三角经济“新常态”背景下的城镇化建设转型具有重要意义；第二采用空间双重差分法来评估新型城镇化政策对长三角地区产业结构升级的影响，丰富了空间双重差分方面的文献。

二、机理分析

(一)新型城镇化对产业结构升级的影响分析

根据克拉克定理，随着经济的不断发展，第一产业在中的比重不断下降，而第二、三产业的比重逐渐增加。城镇化进程是该行业从低到高过程不断演变升级的伴随发展。新型城镇化区别于传统城镇化的地方在于，不仅仅是用城镇化人口来衡量地区城镇化水平，它体现在经济、文化、社会、环境等多个方面。首先在新型城镇化的过程中，会使大量农村人口向城市转移，劳动力数量和质量都得到了提升，进而促进产业结构升级。其次在新型城镇化进程中，随着人们收入水平的提高，还会释放出巨大的消费需求和引发大规模投资需求，也会有利于产业结构升级。新型城镇化建设包含环境保护，传统粗放式的经济发展模式已经被摒弃，新型城镇化转型以生产方式转变为关键，形成集约化、可持续化的生产发展模式来提高企业的生产效益，促进产业结构升级。

(二)创新驱动对产业结构升级的影响分析

产业结构体现了经济的发展水平，其合理性直接决定了经济是否具有快速增长的潜力。因此，产业结构可以反映经济发展的质量和可持续性。随着中国进入新常态发展时期，产业结构及其优化升级对国家经济越来越重要。因而在此趋势下亟需以创新驱动促进产业结构升级。具体来说，创新驱动主要通过提高人力资本和研发投入来助推产业结构升级。

人力资本表现为受过高等教育的人数，高等教育既通过提高工人的技能对产业结构产生直接影响，又通过促进技术传播而产生间接影响。随着人们受教育水平的提高，普通劳动力接受更高知识技能的培训进而进入更高人均产出的产业，同时其创新能力和对创造性工作的适应能力进一步提升，人力资本质量的提高又促进了产业结构由第一产业向第二第三产业的升级。研发投入是创新活动的物质保障和基础，它体现了创新的强度，是创新活动最为重要的资源。在投资驱动阶段，资金投入对产业发展尤为重要，能够加速产业动态变化。特别地，当传统产业产能过剩，第三产业发展滞后，更需要从创新投入这一供给侧为产业转型升级助力。研发投入多投入于高技术产业和服务业，促进了产业结构向高级化转型。

三、计量模型的构建

一项公共政策的推行会影响到社会中的部分群体，还有部分群体受到影响较小甚至是未受公共政策和项目实施的定量评估通常采用双重差分法，其在对特定政策的效应评估上具有优越性(肖浩等，2014；范子英等，2018)[23-24]。两个虚拟变量分别设置如下：一是实验组和控制组。将新型城镇化试点城市作为实验组，定义为1，非试点城市作为控制组，定义为0。二是政策时间虚拟变量。由于新型城镇化试点及实施方案公布于2014年底，所以将2015年及以后作为政策发生期，定义为1，将2015年以前定义为0。用于评估新型城镇化建设效果的实验组与控制组样本选择范围见表1。

表1 新型城镇化实验组和控制组地域分布(2015)

(一)双重差分模型

为被解释变量，为产业结构升级指数，Xit是i地区t时间的可观测变量向量，为新型城镇化水平。对每个地区考虑两种情况，处理前(b)和处理后(a)。进一步，引入一个固定效应φi和一个漂移项θt。则各自处理前和处理后的结果如下：

其中，ybit,0是未处理地区，处理前的因变量，ybit,1是处理地区，处理前的因变量。

处理后，得到处理地区的另外一种情况，即：

参数α捕捉了对处理地区的直接处理效应。定义Dit是地区i在t时间的处理示性变量，可以写成：

利用处理前和处理后公式，得到平均处理效应

设定的一个重要假设是，对于总体的每一个成员，只有一个潜在结果是可以观察到的。这个假设，有时被称为可观测假设，来自于所谓的稳定单位处理值假设(SUTVA)。

(二)空间双重差分模型

如同一般的空间研究，需要将地区间的相互关系考虑在内。这将产生两个地区(处理区域)和周围区域(未处理区域)传播影响的可能性，违反了SUTVA假设，这使得因果推断更加困难。由方程(1)-(3)组成的模型，在方程(2)中考虑两个地区，即处理和未处理地区的促进效应。因而可以识别两种不同的影响，在处理后的情况下：在处理地区和未处理地区。后者取决于地区间近似程度。在处理后的情况下，可以有

其中，wi是n×1的向量，将每个地区与其他所有地区联系起来。dit是一个n×1的向量，如果地区被处理，则dit=1，否则dit=0。参数α捕捉了处理地区的直接处理效应，β表示了处理对于所有地区的间接效应，包括处理和未处理地区，以邻居的处理为条件，其由w'dit决定。

根据之前Dit的定义，可以有

yit=(1-Dit)yit,0+Dityit,1 (6)

利用“处理前”和“处理后”的定义，现在三种效应可以被计算ATE(平均处理效应)、ATET(对于处理单位的平均处理效应)和ATENT(对于未处理单位的平均处理效应)，具体如下：

这些表达式很清楚的显示在传统的DID方法中存在偏误，如果空间溢出效应存在处理效应中，没有被考虑，由w'ditβ表示。

按照矩阵表示，其数据结构为面板数据，我们可以有

Yt=φ+θt+μ(Xt)+(α+Wβ)Dt+Ξt(8)

其中，Yt=(Y1t,…,Ynt)'是一个nt×1维的观测向量，φ=(φ1,…,φn)是一个nt×1维的地区固定效应，Xt=(X1t,…,Xnt)'是nt×k维的协变量矩阵。

Dt=(D1,…Dt)'是一个哑变量，显示处理地区，W是一个n×n维的邻接矩阵，Ξt=(U1t,…,Unt)'是一个nt×1维的误差项向量。α和β是待估参数，μ是将Xt连接yt的函数。βWDt是显示对于两个地区处理的间接效应，即处理和未处理地区。

为了清晰起见，在每一个时间点，对W矩阵进行如下分解：

W=WT,T+WT,NT+WNT,T+WNT,NT

其中，DDt=diag(Dt)是一个n×n矩阵，元素为Dt主对角线元素，且其他元素为0，DCt=diag(ιn-Dt)，ιn是元素为1的向量。

在这种方式下，Wij表示j地区对i地区的邻近效应，i,j=T(treated)orNT(untreated)

Yt=φ+θt+μ(Xt)+(α+(WT,T+WT,NT+WNT,T+WNT,NT)β)Dt+Ξt(10)

则，我们可以清楚地看到，β表示一种平均效应。

一个更为真实的模型考虑到不同的W矩阵的不同效应。

通过构建WT,NTDt和WNT,NTDt为0矩阵，则无约束模型为

Yt=φ+θt+μ(Xt)+(α+(WT,Tβ1+WNT,Tβ2))Dt+Ξt(11)

上述两个方程是SDID模型的两个具体形式。

需要注意的是，上述模型并不包含传统空间交互效应，如在SAR和SEM模型中。然而，我们可以对控制效应建模，包含一个自回归空间项，或在SEM中包含一个空间误差项，或者同时包含上述两项。

在第一个方程中，γ是1×k维的待估参数，ρ是空间自回归参数。在第二个方程中，γt是不包含空间项的误差项，λ是待估的空间误差参数。因而，模型6和7的完整形式如下

四、实证结果与分析

(一)变量选取

1.因变量用产业结构升级指数表示，对于产业结构升级的测度，借鉴付凌辉[25]对产业结构升级的衡量方法，定义产业结构高级化指标如下：首先根据三次产业占GDP比重分成三个部分，从而便构造出一组三维向量X0=(X1,0,X2,0,X3,0)，三维空间向量的每一个分量代表三次产业增加值分别占GDP比重，然后分别计算X0与各产业的由低层次到高层次排列的向量X1=(1,0,0)，X2=(0,1,0)，X3=(0,0,1)间的夹角θ1,θ2,θ3，X1,1=1,X2,2=1,X3,3=1其他情况为0，其中：

其次，定义产业结构高级化值W的计算公式如下：

W越大，表明产业结构升级水平越高，利用长三角2004年至2018年三次产业结构比重数据，可以计算不同时期长三角产业结构升级指数W(见图1)。

图1 长三角2004年至2018年产业结构升级指数

产业结构升级指数的测度结果表明2004年至2018年长三角产业结构升级水平呈现上升趋势。

2.解释变量为：双重差分量(du×dt)与创新驱动，创新驱动用经费内部支出占比重即研发投入(rd)和普通高等院校在校学生数与常住人口的比重即人力资本(labor)来衡量。

3.控制变量为：(1)经济开放度(fdi)，一个地区的可以通过资本引入、产业关联、技术外溢等多种方式影响该地区的产业结构升级，用外商直接投资占比重来衡量；(2)政府干预水平(gov)，政府通过经济政策和行政管理来调节经济，对地方经济的干预很可能会影响区域市场运作和产业发展，用财政支出占比重来衡量；(3)就业状况，就业情况能够反映地区产业发展状况。分别用第二产业从业人员数占比(employ1)和第三产业就业人员数占比(employ2)来衡量；(4)金融发展(fin)。产业结构升级离不开金融发展的支撑，用贷款余额占比重来衡量。

(二)数据来源

在本次评估分析中所使用到的相关参数均来自于长三角地区27个地级城市在2004年至2018年期间的统计数据。部分数据信息来源于《中国城市统计年鉴》(2004-2018年)、各城市统计年鉴和统计公报。对缺失数据较少城市采用移动平均法进行补齐。

表2 描述性统计

(三)实证结果分析

1.基于双重差分的新型城镇化对产业结构升级影响分析。

首批新型城镇化试点政策提供了一个准自然实验，从图2和图3可以看出，在实验组和控制组中，新型城镇化政策实施后，产业结构升级指数的变化情况。接下来首先用双重差分法进行基本回归，结果见表3。

图2 实验组产业结构升级变化情况 图3 控制组产业结构升级变化情况

表3 新型城镇化建设对产业结构升级的影响

新型城镇化政策作为中国城镇化建设的最新成果，通过统筹兼顾的发展方式，对推进城镇化进程和社会发展具有重要作用。模型(1)至(7)为依次加入城市特征控制变量，估计结果显示，在加入不同的控制变量下，新型城镇化建设均能显著促进地区产业结构升级；创新驱动在不加入第三产业就业人员数占比的情况下均能显著促进地区产业结构升级，说明创新作为推动产业发展的重要推动力，其发展受到第三产业就业情况的影响比较大，即应当加快促进一二产业人群就业向第三产业就业转移，积极推动第三产业发展，以创新驱动产业结构升级；对外直接投资显著抑制了产业结构升级，可能是因为外商投资的结构性倾斜加大了地区三次产业的结构偏差。导致工业过度扩张而第三产业发展滞后，也可能是过度依赖外商投资，导致本地区自身技术水平处于较低水平，抑制了产业结构升级；政府干预、第二产业就业人数占比和金融发展均显著促进了地区产业结构升级。

2.基于空间双重差分的新型城镇化对产业结构升级影响分析。

(1)关于空间权重矩阵的选取及空间相关性检验，通常根据空间单元的邻接性来确定，如果两地区相邻则对应元素取1，否则取0。经过计算得出产业结构升级指数的全局Moran'sI为0.271，且在1%的水平下显著。并作出2004年至2018年长三角27个城市每一年的莫兰散点图，如图4所示。从图中可以看出，大都数城市年份均分布在一三象限，说明长三角地区的空间集聚特征越来越明显，具有较高产业结构升级水平的地区被更多的具有同样水平的地区所包围；同时具有较低产业结构升级水平的地区被更多的低水平地区所包围，而那些高产业结构升级水平和低产业结构升级水平集聚的地区减少了。

图4 长三角27个城市2004年至2018年莫兰散点图

(2)模型选定。基于邻接矩阵，首先通过豪斯曼检验得出选用固定效应，进一步通过LR检验和Wald检验得出应当选用SDM模型。结果如下所示：

(3)实证结果分析。首先进行图形分析，图5图6分别为实验组和控制组新型城镇化政策实施前后产业结构升级的变化情况，可以看出，政策实施后，均有利于地区产业结构升级。进一步通过空间双重差分效应分解得到如表4所示的结果。

从表4可以看出，模型(1)至(6)中，新型城镇化均能显著促进长三角产业结构升级，这与非空间双重差分结果一致。模型(2)中创新驱动也能显著促进产业结构升级，模型(5)和(6)中创新驱动中的人力资本均能显著促进产业结构升级，但模型(6)中研发投入显著抑制了产业结构升级。二三产业就业人数占比均显著促进了产业结构升级。模型(3)中政府干预对产业结构升级的影响显著为正但在模型(6)中这种正向影响不显著。进一步通过效应分解得到，第三产业就业人数占比具有显著负向的空间溢出效应，对外直接投资均具有显著负向的空间溢出效应，可能是因为随着我国开放程度的提高，外商直接投资流入企业过高，跨国公司对行业内的本国企业形成强有力的冲击，从而导致外商直接投资带来的技术溢出效应不理想。研发投入和金融发展均具有显著正向的空间溢出效应。也说明外商直接投资、金融发展、第三产业就业人数和研发投入均不仅能影响当地产业结构升级还对周围地区产业发展产生影响。

表4 空间双重差分效应分解

图5 实验组产业结构升级变化情况 图6 控制组产业结构升级变化情况

(四)稳健性检验

为研究实证结果的稳健性，对所使用的数据用改变政策时间带宽的方法进行处理，以2015年为新型城镇化政策实施年，用2014-2015年为新型城镇化试点政策面板数据进行稳健性检验。并且分别加入控制变量进行回归，评估结果显示，2014-2015年面板数据回归报告与前文评估结果一致，无显著性差异，说明评估结果是稳健的。

五、结论及政策建议

创新是推动产业结构升级的第一驱动力，新型城镇化建设也为产业结构升级提供了平台。通过研究发现：(1)通过构建邻接空间权重矩阵得出长三角地区产业结构发展存在显著的空间相关性，且通过全局莫兰散点图得出大多数年份城市位于一三象限，说明长三角地区的空间集聚特征越来越明显；(2)在使用双重差分模型和空间双重差分模型时发现新型城镇化和创新驱动均能显著促进长三角产业结构升级，但系数值变小了，从空间计量的角度看，实施新型城镇化战略不仅对本地区产业结构升级产生影响，对周边地区产业结构升级也可能会产生影响，而忽视空间效应将会高估新型城镇化政策对产业结构升级的影响；(3)通过空间双重差分效应分解得到，第三产业就业人数占比具有显著负向的空间溢出效应，对外直接投资和金融发展均具有显著负向和正向的空间溢出效应，研发投入具有显著正向的空间溢出效应。说明外商直接投资、金融发展、第三产业就业人数占比和研发投入均不仅能影响当地产业结构升级还对周围地区产业发展产生影响。

通过以上结论，提出如下政策建议：

(1)充分利用新型城镇化政策积极推动长三角产业结构升级。政府应该建立合理的区域产业转移承接机制，其发展水平也应与产业转移、产业结构升级相匹配，实现产城融合。新型城镇化需要从整体上协调全国产业结构发展，在推进农民转为市民工作的同时，需要从全局出发，通盘筹划，照顾到各方面及其相互间的关系。在新型城镇化进程中发挥区域特点，重点培养优势产业，通过宏观调控、资源配置、政策鼓励等措施实现全国产业结构升级。

(2)创新驱动的主要动力来源于人力资本和研发投入，因而需要加强高层次科技人才的培养和引进。一方面，通过增加对高等教育的投资，以实现人力资本积累。另一方面，通过建立政府单位、技术企业和研究机构等实体共同参与的科技人才合作保障体系，促进科学劳动分工和各个实体之间的联合合作。除此之外，进一步提高研发投入水平，并形成有效的研发投入水平激励机制。同时需要合理化研发投入结构，适当提高基础研究和应用研究经费的比重，实现研发投入的多元化。