产业聚集、科技创新与经济增长

摘 要：通过将科技创新引入新经济地理学模型进行分析，从理论方面探讨产业聚集、科技创新与经济增长之间的关系，并基于我国30个省、市、自治区的面板数据，利用区位熵指数和熵权法分别对产业聚集水平和科技创新水平进行测度，运用探索性空间数据分析发现我国经济增长存在空间依赖性，由此引入空间面板计量模型和空间效应分解模型，实证分析产业聚集和科技创新的经济增长效应。研究得出：产业聚集通过毗邻经济、规模经济以及聚集经济等方式带动生产效率提高，促进经济增长;在经济下行压力和经济发展方式转变“双重压力”下，科技创新作为“第一生产力”仍然是推动经济增长的源泉动力;产业聚集和科技创新协同发展，共同助推经济增长，对于有效改善我国经济以往“粗放型”增长方式具有重要现实意义。

关键词：新经济地理学;产业聚集;科技创新;经济增长

中图分类号：F062.9文献标识码：A文章编号：1007-2101（2021）01-0079-11

收稿日期：2020-10-29

作者简介：丁嘉铖（1992-），男，吉林桦甸人，东北师范大学博士研究生。

一、引言

改革开放40多年以来，我国经济迅猛发展，但同时也带来了一系列经济社会问题，在“人口红利”面临消失的情况下，我国所获得的资源配置效率以及所赢得的稳定的资本报酬效应都将逐渐消失，为了实现经济的可持续发展，我国必然要通过提高资源配置效率来稳固推动经济高质量增长。党的十九大报告指出要“促进我国产业迈向全球价值链中高端，培育若干世界级先进制造业集群”，由近些年各地区产业聚集的发展可以发现，产业聚集形成区域经济空间状态，导致上下游企业分工细化，提升产品质量，同时大规模的生产降低了生产成本，“成本洼地”反过来又促进产业聚集。与此同时，经济新常态下传统的粗放、低附加值的发展方式不能满足我国对于高质量发展的需求，我国面临经济下行的巨大压力，经济发展方式迫切需要从原有的“粗放型”转向“集约化”。“十三五”期间，国家再次强调要坚持创新是引领发展的第一动力，把创新摆在国家发展全局的核心位置。科技创新作为经济发展的第一驱动力为经济增长在面对下行压力与转型升级“双重压力”下提供了持续动力。而产业聚集与科技创新之间又存在互促机制，产业聚集可以带动企业以及人员“非正式联系”，短期内快速带动科技创新发展。同时，科技创新为产业聚集生态化发展提供持续不断的动力，打造产业聚集健康体系。伴随日趋严重的资源短缺、劳动力成本攀升、资本边际报酬递减等问题的出现，在追求经济增长“量”的同时，更重要的是追求经济增长的“质”，因此推进产业聚集与科技创新协同发展，对于缓解我国经济下行压力和促进经济发展方式转型具有重大现实意义。

二、文献综述

有关产业聚集、科技创新与经济增长的国内外研究主要集中于产业聚集的经济增长效应、科技创新的经济增长效应以及产业聚集与科技创新之间关系三个方面。

产业聚集作为在空间上增加收益的源泉，可以通过连接的上下游部门提高资源利用效率和改善生产要素成本，减少因信息不对称等方面引发的逆向选择，从而推动经济增长，继而产生外部性[1-2]。产业聚集和经济增长之间也存在相互作用，产业聚集可以通过聚集带来的资源、技术等方面的优势，促进经济增长;反过来，经济增长又会吸引更多的资源等聚集，从而带动产业聚集度水平的提升[3]。实证研究方面，Geppert等（2008）[4]人对西德进行了研究，发现产业聚集和经济增长之间存在正向关系。孙晓华等（2018）[5]以我国数据为样本进行研究，发现产业聚集形成了比较优势，同时改善了生产要素的空间配置，显著地拉动了地区经济增长。黄永明等（2019）[6]通过对我国省际面板数据的研究发现产业聚集对我国经济增长的推动作用较大。相反，一些学者发现产业聚集并非总是促进经济增长的，或会产生门槛效应，或会产生负外部性。Ercole等（2017）[7]测算产业聚集水平，并得出了专业化聚集对经济增长拉动作用不明显的结论。李骏等（2018）[8]通过实证研究发现，产业聚集对经济增长的推动作用存在拐点，当产业聚集度超过某一水平后，产业聚集对经济增长是负影响的。

科技创新作为经济发展的第一动力，可以通过技术、知识等方面的溢出提升全要素生产率、改善福利水平，进而从多个方面促进经济增长[9-10]。严成樑等（2010）[11]研究发现，科技创新主要是通过知识的进一步积累，进而转化为技术应用到实际生活中，从而提高科技创新水平，拉动经济增长。洪银兴（2011）[12]认为，我国对于科技创新的大力投入增强了科技创新由企业转向包括产学研的各个阶段，推动我国科技创新多方面发展，提升科技创新水平，进而拉动经济增长。但一些学者的研究发现我国科技创新虽然投入总量大，但投入质量有待提高。庞瑞芝等（2014）[13]研究发现，我国各省份科技创新水平不足，创新成果转化效率较低，导致科技创新对经济增长的拉动作用不明显。叶祥松等（2018）[14]通过分析我国科技创新困境，发现科技创新对全要素生产率的促进作用并不明显，虽然国家对于科技创新投入资金巨大，但成果转化还有待进一步加强。

产业聚集能够带来有效的技术外部性，进而带动科技创新水平的提高，反过来，提升科技创新水平又可以提高资源利用效率、降低生產成本等，从而吸引更多产业聚集[15]。张可（2019）[16]研究发现产业聚集和科技创新之间存在互促机制，产业聚集可以通过技术溢出和规模经济效应促进科技创新，同时科技创新可以通过增长极效应和知识溢出提升产业聚集度水平。陈长石等（2019）[17]研究发现，产业聚集主要通过溢出效应等对创新规模具有推动作用，而对创新效率影响较小。然而产业聚集对科技创新并未一直发挥促进作用。Bagella等（2000）[18]研究发现，产业聚集的技术溢出使得模仿创新变得更加容易，因此溢出方无法获得足够的报酬，降低了创新动力。胡彬等（2017）[19]研究发现由于政府方面提供的便利，产业聚集反而降低了高端创新模式，“创新惰性”阻碍了科技创新的发展。

从已有研究可以看出，国内外学者对产业聚集、科技创新与经济增长进行了不同角度的研究，但大多数研究都集中在产业聚集的经济增长效应和科技创新的经济增长效应，并且很少有学者对产业聚集、科技创新与经济增长的内在机制进行分析。新时期，面对日益加剧的经济下行压力，单方面的研究无法承载经济社会更高的要求，产业高质量聚集与科技高效率创新将是推动经济增长的必由之路。产业聚集的技术外部性及科技创新引发的聚集皆说明产业聚集与科技创新之间存在着密不可分的关系，因此分析“产科独立”与“产科协同”对于减缓我国经济下行压力具有重要的现实意义。

三、基本假设与数理分析

（一）基本假设

本文构建两区域（东部、西部）、两部门（农业、工业）、两种生产要素（资本、劳动力）的新经济地理学模型，即2×2×2模型。两区域在偏好、贸易开放度、资源禀赋和生产技术水平方面是对称的。工业部门以规模报酬递增、垄断竞争为特征;农业部门以规模收益不变、完全竞争为特征。假设工业品贸易在区内交易无成本，在区际贸易遵循冰山交易成本τ（τ>1），也就是某一区域的实际需求量为c，那么必须运送τc才能满足该c的需求;农业品贸易在区内、区际交易都无成本。假设资本可以在区域间自由流动，但勞动力不能在区域间转移，而且资本所有者不能跨区流动，即资本在另一区域的收益汇回原地消费。为便于区分，我们用加“*”来表示西部地区的所有变量。

两区域的消费者偏好相同，都消费一组差异化的制造业产品和农产品。消费两种产品时的效用函数为U=CμMC1-μA，其中CM和CA分别表示制造业产品消费和农产品的消费，μ是消费者支出在制造业产品上的支付份额，1-μ是消费者支出在农产品上的支付份额（0<μ<1）;消费一组制造业产品时的效用函数为CM=（∫nwi=0c（σ-1）/σidi）σ/（σ-1），其中ci为第i种产品的消费，σ是任意两种工业品之间的替代弹性且为常数，N为东西部地区生产的工业品种类数（nw=n+n*）。

假设科技创新水平为t。现阶段，人工智能的快速发展带来生产方式的变革，越来越多的制造业由以往的人工生产转变为半自动化或全自动化的机器生产，生产方式的变革带来劳动力的解放，因此科技创新水平的提高必然带来生产效率提高，进而减少单位产出所需的劳动量。把1/t看成是单位产出所需劳动力数量的确定系数，完全没有科技创新时的劳动力需求系数为1，而科技创新水平最高时的劳动力需求系数接近为0，则t≥1。这样，如果用t和t*、aM和a*M分别表示东西部科技创新水平和单位工业品产出所需的劳动量，则东部和西部单位产出所需的实际劳动量，分别为aM/t和a*M/t*。

（二）数理分析

根据消费者效用最大化的一阶条件，我们可以分别求出东部和西部对制造业产品的需求函数和东西部地区工业品价格指数：

ci=μYp-σiP1-σMc*i=μY*（p*i）-σ（P*M）1-σP1-σM=σ/σ-1aM/t1-σ×nw1-σ+n*φw*1-σP*M1-σ=σ/σ-1a*M/t*1-σ×n*w*1-σ+nφw1-σ （1）

其中，Y和Y*分别表示东部和西部的收入水平，PM和P*M分别表示东部和西部的工业品价格指数，φ为区际市场开放度，n和n*分别为东部和西部厂商数量，w和w*分别为东部和西部劳动力工资水平。有了需求函数，则可以求出产品的价格。

由于东西部厂商都用1单位资本作为固定成本，一定量的劳动力作为可变成本。这样，东部地区厂商i的成本函数为π+aM/txiwl，其中π为单位资本的利息，即资本的利息率;aM/t为东部地区在现有技术水平为t的情况下单位产出所需的劳动量;xi为产出量;wl为劳动力的工资水平。任何一个地区的厂商所生产的产出品，不仅要满足当地消费者的需求，还要满足另一个区域消费者的需求。这样，东部地区厂商的总产出量为xi=ci+τc*i，其中c*i为西部地区消费者的实际需求，τc*i是为满足需求c*i而需要实际生产的数量。根据厂商利润最大化一阶条件，我们可以求出东部厂商制定的价格，则p=aMwσ/tσ-1。由于冰山交易成本，东部生产的产品运到西部后价格变为p*=τp。同理，西部生产的产品运到东部后价格变成p-=τp-*，其中p-*是西部生产的产品在西部销售时的价格。这样，我们可以写出东西部厂商各自的价格以及运到对方市场后的价格：

p=σσ-1aMtwp-=σσ-1a*Mt*τw*，p*=σσ-1aMtτwp-*=σσ-1a*Mt*w*（2）

其中，p为东部生产并在东部销售时的价格，p*为东部生产并在西部销售时的价格，p-为西部生产并在东部销售时的价格，p-*为西部生产并在西部销售时的价格。

有了上面的价格水平，我们可以求出厂商的产出量。尽管该经济系统中的所有厂商为垄断厂商，但它们所面对的市场又是完全竞争市场。因此，实现均衡时，每个厂商的利润是零利润。因此，我们可以得出东部厂商的产出水平且每个厂商的产出规模都相等，即x=σ-1π/waM/t。同理，西部的厂商规模为x*=σ-1π*/[w*（a*M/t*）]。

有了上面的价格水平和产出水平，我们可以写出厂商的利润函数。东部厂商的总产出为x=c+τc*，故东部厂商的销售收入为pc+p*c*=p（c+τc*）=px。在垄断情况下，均衡时厂商的利润为零利润，因此px=π+waM/txπ=p-waM/tx。这样，利润函数为：

π=pxσ=μσp1-σYP1-σM+τ1-σY*（P*M）1-σπ*=p-*x*σ=μσp-*1-στ1-σYP1-σM+Y*（P*M）1-σ（3）

式（3）中工业品价格指数仍为未确定函数，需要进一步完善该函数。消费者把本周期的收入全部支出，这样可以把收入水平Y和Y*写成支出水平E和E*。用Ew来表示经济系统总支出，用SE和S*E来分别表示东部的支出份额和西部的支出份额，则SE=E/Ew、S*E=E*/Ew;用nw表示经济系统总体厂商数量，并用Sn和S*n来表示东部和西部的产业份额，则Sn=n/nw、S*n=n*/nw。把上述这些以及式（2）中的4种价格代入到式（1）中的P1-σM和（P*M）1-σ中，则东西部区域工业品价格指数可以写为：

P1-σM=p1-σSn+φ（ta*M/t*aM）1-σS*n（P*M）1-σ=p1-σφSn+（ta*M/t*aM）1-σS*n（4）

如果把上述工业品价格指数代入到式（3）的厂商利润函数中，则我们可以得出东西部地区的资本收益率：

π=pxσ=b（t*aMta*M）1-σSE（t*aM/ta*M）1-σSn+φS*n+φS*E（t*aM/ta*M）1-σφSn+S*nπ*=p-*x*σ=bφSE（t*aM/ta*M）1-σSn+φS*n+S*E（t*aM/ta*M）1-σφSn+S*n（5）

式（5）中假設资本可以在区域间自由流动，当厂商的资本收益率不同时，资本将会向高收益的地区转移，直到两地区的资本收益率相等为止。即当π=π*时，资本将不会发生转移，达到均衡状态。如果初始东西部地区厂商的技术水平相同，那么单位产出所需的劳动量相同。这样，假设初始时东西部地区单位产出所需的劳动量相等，都等于1，即aM=a*M=1。

根据式（5）以及均衡时资本收益率相同的条件，可以得出产业份额函数Sn为：

Sn=（1-φ2）（t*/t）1-σSE-φ1-（t*/t）1-σφ（t*/t）1-σ-φ1-（t*/t）1-σφ（6）

设η=（t*/t）1-σ，则η表示东西部地区相对科技创新水平。若η>1，则东部地区科技创新水平较高;若η<1，则西部地区科技创新水平较高。若提高东部地区科技创新水平，则t就变大，进而η变大;若提高西部地区的科技创新水平，则t*变大，进而η变小。产业份额函数可写为：

Sn=（1-φ2）ηSE-φ（1-ηφ）（η-φ）（1-ηφ）（7）

产业份额Sn在本文中也可看作经济量，即某一区域的产业份额增加，则该区域的经济量也相应的增长。

在式（7）中，求Sn对SE的微分，则当满足ηφ<1的条件时，dSn/dSE>0，即某一区域产业份额与该区域市场规模同向变化，即当市场开放度足够大以至生产要素在区域间完全自由流动时，如果某一区域具有较大规模的市场份额，则资本（产业）将大量流入该区域，这不仅进一步扩大该区域的市场规模，而且还不断扩大该区域的产业聚集度，同时也就实现了该区域的经济量的增长，因此可以得出命题1。

命题1：某一区域市场规模越大，则越有利于拥有较大份额的产业。也就是说，在其他条件不变的情况下，某一区域市场规模越大，则越有利于提高产业聚集度，进而实现经济的增长。

在式（7）中，求Sn对η的微分，则dSn/dη>0，即产业份额与η同向变化，即某一区域的科技创新水平越高，该区域的产业份额就越大。也就是说，某一区域的创新能力很强，则大量的产业向该区域集中，提高该区域的产业聚集度，且这些产业中的大多数将为高新技术产业部门，这将推动该区域的高质量发展，因此可以得出命题2。

命题2：某一区域科技创新能力越强，越有利于拥有较大份额的产业。也就是说，在其他条件不变的情况下，某一区域科技创新能力越强，则越有利于高新技术产业部门的聚集，这有利于该区域的经济增长。

四、指标选取、数据处理与研究方法

市场规模扩大意味着区域人口规模的扩大和人均收入水平的提高，这必然吸引大量产业向该区域聚集，而产业的大量聚集必然促进该区域经济的增长。同时，当大量厂商聚集在某一有限空间范围内时，一方面有利于知识和技术的溢出，另一方面将加剧厂商间的竞争。为了在厂商间竞争中胜出，许多厂商不断引进先进生产技术以及不断研发，提高自身的劳动生产率水平。因此，本文提出如下假设。

假设1：市场规模的扩大提高产业聚集度。产业聚集度的提高，通过毗邻经济、规模经济以及聚集经济促进区域经济的增长。

假设2：产业聚集度的提高，有利于知识和技术的溢出，又加剧厂商间竞争。技术溢出和厂商间竞争加剧，有利于厂商提高技术创新能力。厂商创新能力的提高，有利于促进区域经济增长和区域经济高质量发展。

（一）指标选取

1. 被解释变量为经济增长水平（lnGDP）。

用各省市的GDP来表示经济增长水平。为消除价格因素影响，以所研究年份的第一年作为基期，将地区生产总值换算成实际地区生产总值，同时，为消除量纲的影响，对其进行对数化处理。

2. 解释变量为产业聚集水平（AGG）和科技创新水平（TI）。综合国内外众多文献，目前衡量产业聚集的指标主要有区位熵指数、空间基尼系数、行业集中度指数、赫芬达指数等。本文选取国内外研究较为成熟的区位熵指数法测度产业聚集水平，并且区位熵指数可以有效消除地区规模差异，可以准确反映出产业聚集的空间分布情况。借鉴库姆斯[20]的研究，具体公式如下：

AGGit=（eit/Et）/（qit/Qt）（8）

式（8）中，AGGit代表i区域t时期的产业聚集水平，eit代表i区域t时期工业增加值，Et代表t时期全国工业增加值，qit代表i区域t时期地区生产总值，Qt代表t时期国内生产总值。若聚集水平大于1，说明该区域聚集水平较高;若聚集水平小于1，则说明聚集水平较低。

产业聚集的测度结果表明，我国各省市产业聚集水平存在明显差异，以工业为主的省份，例如河北、安徽、河南等地产业聚集水平普遍较高，而黑龙江、海南、甘肃等地产业聚集水平普遍较低。整体上看，近两年产业聚集水平有所下降，可能是因为产业结构有所转变，落后产业的淘汰以及高技术产业的兴起使得产业聚集处于“过渡期”。

科技创新不能仅仅从投入方面来测度，更要看科技创新所得成果以及转化到现实中的作用大小。因此本文借鉴李廉水等[21]对制造业新型化的研究，从规模以上工业企业R&D、产品开发、专利和技术转化4个层次、11个指标综合测度科技创新水平（见表1）。

在科技创新测算综合值的方法选择上，为了客观反映出科技创新发展的现状，本文通过熵权法计算指标体系中变量在整体所占比重，最后运用比重求出各省市科技创新水平，具体步骤如下。

数据标准化处理：

Xij=xij-Min（xi）Max（xi）-Min（xi）×100%（正向）（9）

Xij=Max（xi）-xijMax（xi）-Min（xi）×100%（负向）（10）

各指标的信息熵：

Ej=-ln（n）-1∑ni=1pijlnpij（11）

其中指标的比重：

pij=Yij/∑ni=1Yij（12）

如果pij=0，则定义：

limpij→0pijlnpij=0（13）

其中n为年份个数。确定各指标权重：

Wi=1-Eik-∑Ei   i=1，2，...，k（14）

运用求得的权重可求出各省市的科技创新水平。

通过测度可知，各省份科技创新水平差距较大，其中广东、江苏、山东科技创新水平较高，而内蒙古、海南、青海则较低，这可能主要是因为地区发展差距带来了资源分布的不均。整体上看，随着时间的推移，多数省份的科技创新水平有所上升，可能的原因是在经济下行压力下，国家提倡转型升级以及企业为了提升竞争力而加快科技创新。

3. 控制变量包括劳动力投入（L）和政府行为（GOV）。

影响经济增长的因素不计其数，综合众多文献，考虑到模型的可行性，本文选取劳动力投入和政府行为作为控制变量。其中劳动力投入采用城镇单位就业人员占各地区的总人口比重来表示;地方政府行为采用地方财政一般预算支出占地区生产总值的比重来表示。

（二）数据来源与处理

本文采用我国30个省、市、自治区（除西藏、中国香港、中国澳门、中国台湾）2011—2018年的数据作为样本，研究产业聚集、科技创新与经济增长间的关系。各指标数据来源于2012—2019年《中國统计年鉴》《中国科技统计年鉴》，各省市统计年鉴、统计公报及国家统计局网站。各变量的统计描述如表2所示。

（三）研究方法

1.探索性空间分析。

文章是运用空间计量模型还是标准计量模型来进行分析，首先要研究经济增长的空间状态，因此需要对所选的数据样本进行探索性空间数据分析。本文采用全局Morans I指数（莫兰指数）及其统计检验对数据样本进行探索性空间数据分析，其中Morans I的定义为：

I=n∑ni=1∑nj=1ωijxi-x-xj-x-∑ni-1xi-x-2∑ni=1∑nj=1ωij（15）

公式中，n代表区域数量，xi代表属性值，ωij则代表空间权重矩阵（i，j）元素。Morans I的取值范围为-1≤I≤1，Morans I≥0则代表各区域之间研究对象为正相关，Morans I≤0代表各区域之间研究对象为负相关，即存在空间排斥现象，若Morans I值趋近0，则表明空间分布无规则。

2. 空间权重矩阵的设定。

空间权重矩阵作为测度各变量间在区域上空间联系的紧密程度，并且鉴于任何事物都与其他事物具有关联性，基于“地理学第一定理”，即来自n个区域的空间数据Xini=1，下标i代表地区i，地区i与地区j间的距离为wij，则定义“空间权重矩阵”为：

W=w11…w1nwn1…wnn（16）

其中，主对角上元素代表同一区域的距离，其值w11=…=wnn=0，当地区i与地区j有共同的边界时wij=1，反之，则wij=0。

3.空间计量模型。

根据莫兰指数测度空间相关性后，预期探究产业聚集、科技创新与经济增长间的关系，本文采用空间计量模型，鉴于各地区经济增长之间可能存在空间辐射效应，因此，引入空间自回归模型（SAR），具体公式如下：

lnyit=σ∑nj=1wijlnyit+βXit+μi+λt+εit（17）

其中，lnyit表示i地区t时期地区生产总值的对数，Xit表示解释变量，μi代表个体效应，γt代表时间效应，εit代表随机扰动项。

鉴于区域经济增长可能受其他因素影响，因此引入空间误差模型（SEM），具体公式如下：

lnyit=βXit+μi+γt+εit

εit=ηWiεi+ξit（18）

其中，wij表示空间权重矩阵中的元素，Xit表示解释变量，β表示待估参数，μi代表个体效应，γt表示时间效应，ξit表示误差项。

另外，鉴于模型估计系数可能对于解释变量实际的辐射效应产生误差，本文为给予上述模型估计系数有效分析，运用LeSage和Pace（2009）[22]对该问题的处理办法，采用空间回归模型偏微分法对解释变量存在的效应进行分解，处理办法如下：

首先对空间自回归模型（17）作模型变换，变为矩阵形式：

y=（1-ρW）-1Xβ+（1-ρW）-1ε（19）

其中，各变量的意义和上述一致，由于

（I-λW）-1=I+λW+λ2W2+λ3W3+…，因此可将式（19）写为：

y=∑kr=1βr（I-λW）-1xr+（I-λW）-1ε（20）

式（20）中，xr代表X里包含k个解释变量里的第r个解释变量，通过Sr（W）=βr（I-λW）-1，则展开式（20）为：

y1y2yn=Sr（W）11Sr（W）21…Sr（W）1nSr（W）21Sr（W）22…Sr（W）2n      …  Sr（W）n1Sr（W）n2…Sr（W）nnx1rx2rxnr+（I-λW）-1ε （21）

式（21）中，Sr（W）ij代表Sr（W）中（i，j）元素，通过对被解释变量对第j个地区有关第r个解释变量求偏微分可以得到式（22），若i=j则可以得出式（23）：

yixjr=Sr（W）ij（22）

yixir=Sr（W）ii（23）

其中，Sr（W）ij代表地区j的第r个解释变量对第i个地区产生的作用，当i=j时，Sr（W）ii代表地区i的第r个解释变量对本地区产生的作用，式（22）可以看作间接效应，也就是矩阵Sr（W）非对角元素的均值，式（23）看作直接效应，也就是矩阵Sr（W）对角元素的均值，总效应即为两者之和。

五、实证分析

（一）经济增长的探索性空间分析

在运用空间模型分析之前，首先对经济增长水平进行空间依赖特征分析。基于邻接矩阵与双尾统计检验，表3列出了经济增长Morans I指数及其显著性。从表3中可以看出，Morans I指数在1%水平上均显著，说明经济增长水平具有较强的空间依赖特征。在考察期内，Morans I指数均大于0.255，表明经济增长水平具有较高的正的空间相关性。同时，在考察期内，Morans I指数呈“U”型变化趋势，2014年以后经济增长的空间相关性呈现增强趋势。

为进一步分析各省份经济增长的空间相关性，基于标准化邻接矩阵单尾检验，利用2011年、2014年、2016年、2018年数据绘制Morans I散点图进行分析。从图1可以看出，此时Morans I指数与基于双尾检验的结果略有差异，超过2/3的省份集中在第一和第三象限，说明我国各省份经济增长之间存在空间相关性，并且随着时间推移，第二和第四象限的省份有减少趋势，说明空间联系得到加强。具体来看，北京、河北、上海、浙江、安徽、福建、山东、河南等地区处于第一象限，经济增长在这些地区可视为“高—高”集聚，海南、云南、甘肃、青海、宁夏、新疆等地区则处于第三象限，经济增长在这些地区可视为“低—低”集聚。同时从Morans I散点图可看出各省市分布在各象限内相对稳定，说明我国经济增长具有较为稳定的空间相关性。

（二）空间计量模型分析

通過对经济增长的探索性空间分析得出：各地区经济增长的空间相关性一直保持稳定且较高的水平，所以引入空间面板计量模型。表4给出了产业聚集和科技创新独立效应与交互效应的普通面板OLS、空间自回归模型（SAR）和空间误差模型（SEM）的检验结果，

（1）（3）（5）为产业聚集和科技创新独立情况下的检验结果，（2）（4）（6）为产业聚集和科技创新交互情况下的检验结果。普通面板的LM检验值为679.15，HAUSMAN检验对应的P值为0.00，因此拒绝随机效应的原假设，选用固定效应模型进行分析。在空间滞后及空间误差检验中LM-lag和LM-error的值为分别5.772、17.867，说明在1%的显著水平上拒绝了空间滞后项与空间误差项无自相关的原假设，再次表明应选择空间计量模型。在空间自回归与空间误差模型的选择上，由于空间自回归模型的Log L统计量更大，拟合优度较高，并且LM检验结果也说明空间自回归模型的拟合效果更好，因此选用固定效应的空间自回归模型。

从表4空间自回归模型检验结果可以看出，产业聚集（AGG）对我国经济增长具有显著的促进作用。首先，产业聚集通过“规模经济”打破“小作坊”模式，使得企业拥有大型专业化设备和富裕劳动力，带来企业生产成本降低，促进企业内部生产效率提高，进而推动经济增长;其次，产业聚集通过“聚集经济”使得各个部门之间信息交流实现“便利化”，资本和技术等在部门之间相互转化，带来部门间互促发展，共同推动经济增长;最后，产业聚集通过“毗邻经济”使得区外企业可以低成本或无成本学习聚集区内企业先进技术及管理经验，从而带动大范围生产效率提高，有助于实现企业“本地化”，共同推动经济增长。至此，假设1得到验证。科技创新（TI）对我国经济增长亦有显著的促进作用，我国正处于经济发展方式转变的过程中，这必然对经济增长产生冲击，加大经济下行压力，但科技创新可以通过转化创新成果，改变企业经济发展方式，提高生产效率，同时科技创新能够增强企业核心竞争力，提升企业形象，改善营商环境，增强企业自身实力，另外，科技创新所带来的技术外部性促进更多企业发展，共同推动经济增长。控制变量中，劳动力投入（L）对我国经济增长有显著促进作用，说明在经济下行压力下，以劳动力为主的企业依然占据重要部分，劳动要素质量的提高以及劳动力的持续投入继续对经济增长产生持久动力。政府行为（GOV）对我国经济增长有显著的负向影响，随着我国经济快速发展，“看不见的手”逐渐完善，而对于经济发展的需求导致地方政府迫切利用公共政策等众多的“看得见的手”干扰市场运行，导致区域出现争资源、争招商、争项目等竞争行为，不利于经济健康平稳发展。

（三）空间效应分解

为了更具体地分析产业聚集、科技创新与经济增长间的空间效应，通过借助偏微分方程对空间效应进行分解。表5给出了产业聚集与科技创新独立模型、产业聚集与科技创新协同模型下各变量对经济增长的直接效应、间接效应和总效应。在产业聚集与科技创新独立模型下，产业聚集的直接效应、间接效应和总效应显著为正，并且直接效应为0.255大于间接的0.105，说明产业聚集存在空间溢出效应，但产业聚集对本地区经济增长的促进作用更为明显，这与现实情况相符合，产业聚集总是在扩大本地区产业规模并提升本地区经济之后才会对周边地区产生影响。科技创新的直接效应、间接效应和总效应也显著为正，直接效应0.121大于间接效应0.048，同样说明科技创新存在空间溢出效应，但科技创新对本地区经济增长的推动作用更为明显。劳动力投入的直接效应和总效应显著为正，间接效应不显著，说明劳动力投入更多对本地区经济增长产生正向影响，辐射效应较弱。政府行为直接效应、间接效应和总效应显著为负，对经济增长影响与空间自回归模型得出结果相似。

在产业聚集与科技创新协同模型下，产业聚集与科技创新交叉项的直接效应、间接效应和总效应显著为正，直接效应0.129大于间接效应0.061，说明“产科协同”对本地区经济增长的推动作用更为明显，也会对周边地区产生辐射效应，实现共同发展。新时代下推进产业聚集与科技创新协同发展有助于加快我国经济增长方式由“粗放型”向“集约化”的转变，为应对经济下行压力带来更多保障。至此，假设2得到验证。劳动力投入与政府行为空间效应与上文相似，验证了分析结果的可靠性。

六、结论及建议

本文基于2011—2018年我国30个省、市、自治区的相关数据，对我国经济增长进行空间依赖性分析，得出我国经济增长存在显著的正向空间依赖性，由此引入空间面板计量模型，并通过模型的相关检验，确定引入空间面板自回归模型，最后利用空间效应分解，深入探究了产业聚集与科技创新对我国经济增长的独立以及协同效应，得出如下结论。

1. 产业聚集对我国经济增长具有显著的促进作用。首先，产业聚集通过“规模经济”打破“小作坊”模式，使得企业拥有大型专业化设备和富裕劳动力，带来企业生产成本降低，促进企业内部生产效率提高;其次，产业聚集通过“聚集经济”使得各个部门之间信息交流实现“便利化”，资本和技术等在部门之间相互转化，带来部门间互促发展;最后，产业聚集通过“毗邻经济”使得区外企业可以低成本或无成本学习聚集区内企业先进技术及管理经验，从而带动大范围生产效率提高，有助于实现企业“本地化”。

2. 在经济下行压力和经济发展方式转变“双重压力”下，科技创新可以通过转化创新成果，改变企业经济發展方式，提高生产效率;同时科技创新能够增强企业核心竞争力，提升企业形象，改善营商环境，增强企业自身实力;另外，科技创新所带来的技术外部性促进更多企业发展，因此科技创新作为“第一生产力”依旧是推动经济增长的源泉动力。

3. 产业聚集和科技创新协同发展，对本地区经济增长的推动作用更为明显，也会对周边地区产生辐射效应，实现共同发展。因此新时代下推进产业聚集与科技创新协同发展有助于加快我国经济增长方式由“粗放型”向“集约化”的转变，这对于有效改善我国经济以往“粗放型”增长方式具有重要现实意义，为应对经济下行压力带来更多保障。

4. 劳动力投入可以带动劳动要素质量的提高。在经济下行压力下，以劳动力为主的企业依然占据重要部分，劳动要素质量的提高以及劳动力的持续投入继续对经济增长产生持久动力。但政府行为对现阶段经济增长产生了部分干扰。

根据上述分析，本文提出以下政策性建议：

第一，继续引导产业聚集，进一步发挥聚集经济的经济增长效应。

产业聚集以其自身优势成为我国经济增长的重要推手，在生产要素高效利用的需求下，对于稳固推动经济增长具有重要的现实意义。对此，产业聚集区要引导产业形成合理布局，逐步淘汰落后产业，为高效型产业的进入腾出空间，形成地区优质的产业链，达到产业链内部的优质投入产出关系，进而合理配置各种资源，对高效型产业形成内部吸引力，反过来又会促进产业链的进一步完善，会把优质产业留在区域内，对技术密集型产业形成更高的吸引力，为我国的经济高质量发展奠定良好的基础。同时各地区依据地方资源建设具有“领头羊”作用的特色产业聚集区，充分发挥地区特色，对本地区特有资源进行深层次加工、提炼，提升原材料的利用率，进而加快产业链的延伸、发展，从而提高产业聚集质量，进而形成高水平的“规模经济”“聚集经济”，进一步推动经济增长。

第二，强化产业聚集和科技创新“协同效应”，共同助力经济增长。

产业聚集作为科技创新的重要平台，使科技创新得以快速发展，同时科技创新水平的提高有助于形成优质的产业链，加强产业聚集，因此在经济下行压力和经济转型时期，推进产业聚集和科技创新“协同效应”有助于缓解经济下行所带来的经济发展的压力。对此，各级政府要宏观调控聚集区企业优势互补，上游企业要加强生产检测，从原材料、生产过程及最终产品的质量方面严格按照高标准进行，以期为下游企业提供优质产品，下游企业要依据上游企业提供的产品进行科学生产，加强科技创新能力，在市场需求情况下，加大企业生产规模，为市场提供可靠商品，倒逼上游企业高质生产，逐渐形成优势产业链。同时加强企业信息交流，对于高质量创新型企业给予额外补贴，打造一体化服务平台，为企业科技创新提供便利，形成良好的创新环境，加强产业聚集和科技创新协同经济增长效应。

第三，预防发展过程中的“陷阱”，助力经济健康发展。

产业聚集过度发展以及行政壁垒阻碍科技创新发展都不利于我国经济增长。对此，要打破地区间产业封锁，引导产业深度融合，在短期发展目标的基础上，更要考虑我国的一体化发展，要以市场为导向，以政策为辅助，以企业自身发展需要为重点，遵从企业转移需要。加强区域间产业的“非正式联系”，为科技创新水平的提升提供一个更加快捷的方式，进而从地区内部加强对区外产业的吸引力，实现地区间产业的良性互动、错位发展，以东部为引领，盘活东北和西北地区市场，形成高水平的“毗邻经济”。有针对地制定人才以及科技等创新资源在区域间的合理流动政策，实现创新资源的均等化，同时要确保发展过程中与资源环境的协调，形成“绿色、减量、提质、增效”的发展格局，实现经济绿色可持续发展。

参考文献：

[1]

MASAHISA FUJITA， JACQUES-FRANOIS THISSE. Economics of agglomeration： cities， industrial location， and regional growth[M]. Cambridge University Press， 2002.

[2]范剑勇，冯猛，李方文.产业集聚与企业全要素生产率[J].世界经济，2014（5）： 51-73.

[3]MARTIN P， OTTAVIANO G I P.Growth and agglomeration[J].International Economic Review， 2001（4）：947-968.

[4]GEPPERT K， GORNIG M， WERWATZ A.Economic growth of agglomerations and geographic concentration of industries：evidence for west germany[J].Regional Studies， 2008， 42 （3）： 413-421.

[5]孙晓华，郭旭，王昀.产业转移、要素集聚与地区经济发展[J].管理世界，2018（5）：47-62+179-180.

[6]黄永明，姜泽林.金融结构、产业集聚与经济高质量发展[J].科学学研究，2019（10）：1775-1785.

[7]ERCOLE R， O'NEILL R.The influence of agglomeration externalities on manufacturing growth within indonesian locations[J].Growth & Change， 2017， 48 （1）： 91-126.

[8]李骏，刘洪伟，陈银.产业集聚、技术学习成本与区域经济增长——以中国省际高技术产业为例[J].软科学，2018（4）：95-99.

[9]SANG-CHUL PARK，SEONG-KEUN LEE.The innovation system and regional growth strategy in Denmark[J]， AI & SOCIETY，2005（19）： 292-308.

[10]ERIC C. WANG.R&D efficiency and economic performance： a cross-country analysis using the stochastic frontier approach[J]， Journal of Policy Modeling，2007（25）：345-360.

[11]嚴成樑，周铭山，龚六堂.知识生产、创新与研发投资回报[J].经济学（季刊），2010（3）：1051-1070.

[12]洪银兴.科技创新与创新型经济[J].管理世界，2011（7）：1-8.

[13]庞瑞芝，范玉，李扬.中国科技创新支撑经济发展了吗？[J].数量经济技术经济研究，2014（10）：37-52.

[14]叶祥松，刘敬.异质性研发、政府支持与中国科技创新困境[J].经济研究，2018（9）：116-132.

[15]DURANTON G， PUGA D. Diversity and specialisation in cities： why， where and when does it matter？[J]. Urban Studies， 2000， 37（3）： 533-555.

[16]张可.产业集聚与区域创新的双向影响机制及检验——基于行业异质性视角的考察[J].审计与经济研究，2019（4）：94-105.

[17]陈长石，姜廷廷，刘晨晖.产业集聚方向对城市技术创新影响的实证研究[J].科学学研究，2019（1）：77-85.

[18]BAGELLA M， BECEHETTI L. The Geographical agglomeration-private R&D expenditure effect： empirical evidence on italian data[J]. Economics of Innovation and New Technology， 2002（3）：233-247.

[19]胡彬，万道侠.产业集聚如何影响制造业企业的技术创新模式——兼论企业“创新惰性”的形成原因[J].财经研究，2017（11）：30-43.

[20]COMBES P P. Economic structure and local growth： france， 1984-1993[J]. Journal of Urban Economics， 2000（47）：329-355.

[21]李廉水，程中华，刘军.中国制造业”新型化”及其评价研究[J].中国工业经济，2015（2）：63-75.

[22]LESAGE J，PACE R.Introduction to spatial econometrics[M].Florida：CRC Press， Taylor & Francis Group， 2009.

责任编辑：武玲玲

Industrial Agglomeration， Technological Innovation and Economic Growth

———Analysis based on New Economic Geography Model

Ding Jiacheng

（School of Geographical Sciences， Northeast Normal University， Jilin Changchun 130024， China）

Abstract：

Based on the panel data of 30 provinces， cities and autonomous regions in China， by introducing scientific and technological innovation into the new economic geography model， this paper discusses the relationship among industrial agglomeration， scientific and technological innovation and economic growth from the theoretical aspect， location entropy index and entropy weight method is used to measure the aggregation level of industry and science and technological innovation respectively， and uses the exploratory spatial data analysis to find that China's economic growth have spatial dependence， thereby introducing spatial panel econometric model and spatial effect decomposition model to empirically analyze the economic growth effect of industrial agglomeration and technological innovation. It is concluded that industrial agglomeration promotes production efficiency and economic growth by means of adjacent economy， scale economy and agglomeration economy. Under the "double pressure" of economic downward pressure and economic development mode， scientific and technological innovation is still the driving force of economic growth. Industrial agglomeration and scientific and technological innovation promote economic growth， which is of great practical significance to effectively improve China's previous "extensive" growth mode.

Key words：new economic geography; industrial agglomeration; technological innovation; economic growth