黄河流域资源型产业集聚对城市全要素生产率的影响

江胜名

摘要：产业在空间上的集聚逐渐成为城市经济的常见现象，这对提升城市的全要素生产率具有十分重要的意義。基于2005—2020年黄河流域100个地级市的面板数据，文章分别从多样化集聚和专业化集聚的效应比较、作用路径以及城市类型差异三个方面，详细探究了黄河流域资源型产业集聚对城市全要素生产率的作用效果。研究表明：①不同模式资源型产业集聚对黄河流域城市全要素生产率的影响具有异质性。多样化集聚有利于城市全要素生产率的提升，专业化集聚却抑制了城市全要素生产率的发展。②进一步研究发现，多样化集聚通过效率变动和技术进步路径正向促进黄河流域城市全要素生产率，专业化集聚则是通过效率变动正向影响该流域城市全要素生产率。③分城市类型探究，多样化集聚能够同时促进黄河流域资源型城市和非资源型城市全要素生产率的提升，而专业化集聚既不利于资源型城市，也不利于非资源型城市生产率的增长。因此，文章建议黄河流域的企业应多元化发展，积极学习其他企业完备的管理经验和技术知识，促进资源有效结合，同时鼓励企业向关联行业延伸，拓宽产业链，支持市场良性竞争，加大科技研发规模，实施职业技能培训，发挥技术进步和效率变动的正向作用。

关键词：黄河流域;资源型产业;城市全要素生产率;多样化集聚;专业化集聚

中图分类号：F263    文献标志码：A    文章编号：1001-862X（2022）03-0090-008

具有自然资源禀赋优势的地区往往能够优先吸引资本、劳动力等，实现生产要素的转移和优化配置，从而形成资源型产业集聚这一生产组织形式。[1]作为一种伴生现象，企业往往表现为规模性集中的特征，产生密切合作与深度分工的行为，形成完整的价值链条，如形成有色金属冶炼生产基地、循环经济产业园区等。伴随着企业的深入发展，资源型产业在同一空间上集聚形式会有所不同，一般会分化为多样化和专业化两种模式。多样化集聚为不同行业的企业在空间上的横向集聚，专业化集聚则为同类行业的企业在空间上的纵向集聚。事实上，无论是多样化集聚还是专业化集聚，均能通过对投入要素的不同配置和利用行为，改变企业和劳动力的匹配程度，形成生产要素的蓄水池，作用于地区经济的协调发展。[2]当然，这两种集聚模式下的企业活动也存在着不同之处，会产生差异化的经济效应。如Jacobs认为多样化集聚强调企业间具有交换互补知识的行为，可以正向激励多样化知识的溢出，促进创新活动的开展[3];专业化集聚通常源于企业间的激烈竞争行为，有可能会弱化行业的创新动力。这意味着，基于不同模式的产业集聚有可能会对城市全要素生产率产生不同的影响。

通常情况下，本地自然资源禀赋优势是发展资源型产业的基础，也是资源富集地区经济发展的重要支撑。黄河流域蕴藏着丰富的矿产资源，以其基本资源的储量为例，黄河流域范围内的煤炭、天然气资源储量分别占全国总量的75%、61%左右，是全国基本能源的主要生产地和供应地。这使得黄河流域在发展资源型产业上具有天然的优势，易形成资源型产业的集聚现象。2021年10月，中共中央、国务院印发了《黄河流域生态保护和高质量发展规划纲要》，作为指导当前和今后一个时期黄河流域生态保护和高质量发展的纲领性文件，进一步明确了黄河流域的区位重要性，并强调了黄河流域在全国经济社会发展格局中的地位。在这个视角上，本文以黄河流域资源型产业为研究对象，试图探究不同模式下的资源型产业集聚对城市全要素生产率的影响，同时考虑到不同类型城市的资源丰富程度存在差异，本文将分组考察产业集聚对黄河流域城市全要素生产率的异质性影响，这对该区域经济高质量发展具有重要的理论和现实意义。

一、研究设计

（一）范围界定

参考中共中央、国务院印发的《黄河流域生态保护和高质量发展规划纲要》，将青海、宁夏、甘肃、陕西、山西、内蒙古、河南、山东以及四川9个省区规划为黄河流域范围。本文以黄河流域9个省区作为研究范围，在此基础上根据数据完整性和可得性的原则，选择2005—2020年100个地级及以上城市作为具体研究对象。

本文重点考察的是资源型产业集聚对城市全要素生产率增长的作用。为明确资源型产业具体范围，本文以《国民经济行业分类》（GB/T 4754—2017）作为标准，并结合数据可得性，将资源型产业界定为采矿业以及电力、热力、燃气及生产和供应业两大类。

（二）模型设定

为了探究不同模式下资源型产业集聚对城市全要素生产率的影响，本文将产业集聚分成多样化集聚（DIV）和专业化集聚（SPE），建立如下模型：

TFPit=α0+α1IAit+α2TFP_lag+α3controlsit+δit（1）

其中，i表示时间，t表示城市，被解释变量TFP表示以Malmquist模型测算出来的城市全要素生产率，解释变量IA表示产业集聚，具体分为资源型产业多样化集聚程度（DIV）和专业化集聚程度（SPE），控制变量controls包括环境规制（ENV）、信息化水平（INFOR）、公共财政支出（GI）、资源依赖（RD）、居民储蓄能力（PS）。α0、α2、α3为待估参数，δit为随机扰动项。

（三）指标选择

1.被解释变量

全要素生产率（TFP）：本文以2005—2020年黄河流域100个中国地级市及以上城市为决策单元，使用DEAP2.1软件测算全要素生产率。测算全要素生产率具体包括两类指标：一是产出指标（GDP），二是投入指标（资本存量、劳动投入、能源投入）。

（1）产出指标：用地区生产总值代表各市的产出情况，同时为消除通货膨胀因素的影响，利用研究对象所在省份的价格指数将各市生产总值以2005年的不变价格进行调整。

（2）投入指标：①资本存量，使用永续盘存法进行测算，公式为：

Kit=Iit+（1-δ）Ki（t-1）（2）

其中，Kit为i地区t年的资本存量，Ki（t-1）為i地区（t-1）年的资本存量，Iit为i地区t年的全社会固定资产投资额。

Ki0=■（3）

其中，Ki0为初始资本存量，Ii0为初始年份的全社会固定资产投资额，γ为2005—2020年全社会固定资产投资额的年实际增长率，δ为折旧率，这里借鉴张军的做法，将折旧率设为9.6%。[4]此外，由于缺少地级市固定资产投资价格指数，本文故采用省级固定资产投资价格指数对相应地级市的全社会固定资产投资额进行平减。②劳动投入，采取年末就业人数表示。③能源投入，由于地级市缺乏有关能源消费等方面的统计数据，而电力消费水平和能源消费量具有较强的关联性，因此本文将全社会用电量作为能源投入的衡量指标。[5]

2.核心解释变量

产业集聚分为多样化集聚和专业化集聚两种模式。本文采用赫芬达尔-赫希曼指数来衡量多样化集聚指标，同时借鉴方杏村等学者的做法构建专业化集聚指标。[6]具体指标计算见公式（4）和（5）。

DIVi=1-？蒡j=1Eij（4）

SPEi=？蒡j ρj（Nij-Nj）（5）

其中，Eij是i城市j行业的从业人员数与该城市除j行业以外其他行业的就业人数之比;ρj为指标权重，代表j行业在i城市的就业人数占全国j行业的比重;Nij是j行业在i城市中的就业比重，Nj是j行业在全国就业中所占的就业比重。

3.控制变量

（1）环境规制（ENV）。目前学术界衡量环境规制的指标并没有统一的说法，本文参照李梦洁、仲伟周等学者的做法，采用改进的熵值法来测算， 选取工业废水排放量、工业SO2排放量和工业烟粉尘排放量构建综合性指标。[7-8]

首先，对不同指标进行无量纲化处理，令X*ij=■*70+30。其中，i指年份，j指各类污染物，Xij为各单项指标原始值，maxXj、minXj为各地区单项指标每年的最大值和最小值，X*ij为标准化后的值。再对m年的n种污染物计算出比重Gij=X*ij/■X*ij，熵值hj=-（■）■GijlnGij，以此确定权重Kij=（1-hj）/■（1-hj），则第i年的环境规制综合指数为ENVi=■（Kij*100）*（Gij*100）。式中第i年的环境规制综合指数ENVi越大，表示环境规制强度越大。

（2）信息化水平（INFOR）。采用移动电话接入户数来表示。

（3）公共财政支出（GI）。采用地方政府的公共财政支出来表示。

（4）资源依赖（RD）。采用资源型产业从业人数占从业总人数的比重作为资源产业依赖指标，即采矿业与电力、热力、燃气及生产和供应业的就业总人数占从业总人数的比重，来反映一个地区就业结构向资源型产业的倾斜程度，从就业角度对资源产业依赖程度予以度量。

（5）居民储蓄能力（PS）。采用人均城乡居民储蓄年末余额来表示。

（四）数据来源

本文以2005—2020年沿黄河流域100个地级及以上城市数据作为研究对象，原始数据主要来自历年《中国城市统计年鉴》、相应省市的统计年鉴或各地级市的《国民经济与社会发展统计公报》，价格指数和固定资产投资价格指数均来自相应省市的统计年鉴，部分缺少数值采用临近两年平均值替代。各变量描述性统计见表1。

二、基准回归分析

基于前文建立的模型，同时结合逐个加入控制变量的方法，验证各变量对城市全要素生产率影响的显著性。表2报告的是资源型产业的多样化、专业化集聚对全要素生产率影响的整体回归结果，可以发现产业的多样化集聚、专业化集聚的确会对城市全要素生产率产生作用。

从多样化集聚来看，资源型产业的DIV值对全要素生产率的影响系数显著为正，说明多样化集聚对城市全要素生产率具有正向促进作用，具体表现为伴随着产业多样化集聚程度的增大，城市全要素生产率也会提升。这是因为多样化集聚对不同行业的集聚作用，关键在于互补知识、劳动力等在企业之间的频繁交换，本质是在生产中形成互补经济，发挥协同作用。一方面，为了吸收多样化的专业知识，相似知识需求的企业倾向于选择集聚。这有助于最大程度发挥互补知识的溢出效应，消除信息不对称，降低信息搜寻和协调成本，优化要素配置，促进城市全要素生产率的上升。[9]张凤超等学者进一步指出通过知识和技术在不同产业的交流与扩散，能正向激励知识互补和创新溢出，进一步助推城市的经济发展。[10]另一方面，互补的劳动力市场是城市规避和抵御风险的重要保障之一。在多样化集聚的过程中，随着具有岗位相似性企业的增多，会形成大量互补的劳动力，企业间的“集体学习”模式亦有助于劳动力的相互学习，提升劳动力的工作能力。[11]当某个企业解散或受到冲击时，部分劳动力可应聘其他企业或转移到相似岗位，避免失业，进而成为城市经济发展的基础。

从专业化集聚来看，资源型产业的SPE值对全要素生产率的影响系数则显著为负，说明专业化集聚对城市全要素生产率为抑制作用，具体表现为伴随着产业专业化集聚程度的增大，城市全要素生产率却在降低。这是因为，产业专业化集聚表现为同一类型企业在某一地区的聚集，而众多的资源型企业具有同质性、重复性，它们行为相似，互相学习，易倾向于形成单一、趋同的生产模式。[10]基于此，一方面，企业的同质化特征会降低产业的要素配置效率、管理效率，企业间的相互模仿并不利于单个企业进行研发创新，有可能使得其技术投入动力不足，反倒容易形成恶性竞争。学者王涛指出这种趋同的恶性竞争行为会造成单个企业缺乏研发的积极性和主动性，不利于产业的投入、创新和进一步发展，进而对城市全要素生产率产生负向作用。[12]另一方面，专业化集聚使得行业具有明显的边界感，企业的知识溢出行为、创新溢出活动会更多地局限于行业内部的信息沟通，较难在不同行业间实现扩散和流动，这将弱化整个行业的创新动力，不利于全要素生产率的提升。事实上，如果一个城市的产业高度专业化，其“专业化特征”亦会使城市面临的不确定风险逐渐增多，城市不易应对突发的外部冲击。

三、进一步分析

通常情况下，能够提升全要素生产率的路径有两种，一是在技术水平保持不变的情况下，通过提升生产效率使得产出水平最大，如提高工人的“干中学”水平;二是通过技术的不断提高促使产出增大，如某一项新技术的应用。由理论模型和全要素生产率的测算方式可知，全要素生产率可进一步分解为效率变动指数（EFF）和技术进步指数（TECH），这为探究产业集聚如何实现城市全要素生产率的提升提供了思路。因此，本文将效率变动和技术进步作为变量引入模型，并构建交互项进一步考察产业集聚对全要素生产率的贡献。公式（6）为添加效率变动指数（EFF）和技术进步指数（TECH）作为变量而设定的模型，公式（7）、（8）分别添加了产业集聚和分解指数的交互项进一步探究而设定的模型。具体如下：

TFPit=β0+β1IAit+β2EFFit+β3TECHit

+β4controlsit+δit（6）

TFPit=γ0+γ1IAit+γ2IAit*EFFit+γ3controlsit+δit（7）

TFPit=θ0+θ1IAit+θ2IAit*TECHit+θ3controlsit+δit（8）

其中，IA表示多样化集聚（DIV）和专业化集聚（SPE），EFF表示效率变动指数，TECH表示技术进步指数，IA*EFF表示产业集聚通过改变效率变动的路径对城市全要素生产率的影响;IA*TECH表示产业集聚通过改变技术进步的路径对城市全要素生产率的影响，β0-β4、γ0-γ3、θ0-θ3均为待估参数。

（一）资源型产业集聚对全要素生产率的影响路径分析

表3报告的是效率变动指数、技术进步指数、不同模式产业集聚与全要素生产率分解项的交互项对城市全要素生产率影响的回归结果。表3第（1）、（4）列分别引入了效率变动指数和技术进步指数，可以发现：一方面，多样化集聚确实能显著促进全要素生产率的提升，专业化集聚不利于全要素生产率水平的进一步提高;另一方面，效率变动和技术进步对全要素生产率的影响系数均为正，这表明两者皆能正向显著促进城市全要素生产率提升，验证了效率变动和技术进步确实是城市全要素生产率提升的路径。

表3第（2）、（3）、（5）、（6）列分别添加了多样化集聚和效率变动、多样化集聚和技术进步、专业化集聚和效率变动、专业化集聚和技术进步的交互项，以检验产业集聚与全要素生产率分解项的协同影响，寻找提升城市全要素生产率的路径。

从表3第（2）、（3）列中可以看出，在控制其他影响因素的情况下，两个交互项的影响系数均显著为正，这说明多样化集聚可以通过效率变动路径和技术进步路径共同推动城市全要素生产率水平上升。一方面，互补知识和劳动力等在企业间、行业间的频繁溢出有利于劳动力学习多样化的技能和知识，帮助企业自身获得持续发展的动力，有利于企业效率的提升。张司飞等学者认为资源型产业的集聚能极大改善资本、劳动力等要素市场的不平衡性，加强企业和劳动力的匹配程度，达到促进效率水平和技术创新的作用。[13]另一方面，当资源型产业加深与其他产业的互动协作程度时，不仅能共享基础设施等硬件资源，还能共享平台、信息等软件资源，能有效降低信息成本，提升技术、知识的传播范围，有利于推动城市技术水平的进一步提升，最终增强城市全要素生产率的水平。对此，学者Stefanie 和Leker指出，共同的平台基础有助于企业将外部资本、创新成果纳入到现有价值链中，拉动企业形成更优化的资源配置，实现产业延伸。[14]王延霖等学者以高技术服务业为例，发现从长期来看，高技术服务业和资源型产业融合将有助于资源型企业实现创新成果向经济效益的转化。[15]此外，持续扩大研发投入，促进企业间的协同创新，有助于增强产业竞争力，保持产业领先优势，进而促进技术水平的提升。由此看来，多样化集聚不仅正向激励了行业的效率变动指数，还能促进技术的进步，最终推动了城市全要素生产率的提升。

从表3第（5）、（6）列中可以看出，在控制其他影响因素的情况下，专业化集聚和效率变动交互项的影响系数显著为正，而专业化集聚和技术进步的交互项并不显著，这说明专业化集聚更多的是通过促进效率变动的路径来影响城市全要素生产率。这可能是因为专业化集聚通常表明行业具有一定的专门化、标准化的特征，其岗位劳动力的替代弹性较低，劳动力技能通过不断的经验总结来发挥“干中学”效应，有助于劳动力加快工作进度，提升工作效率。刘乃全等学者研究也发现，为了追求规模提升和收益增加，企业往往倾向于在成熟产品上持续加大投入，获得外部性效应，这表现为企业生产效率的显著提升。[16]值得注意的是，专业化集聚形成的行业边界感，易形成企业集群，促进信息、知识在资源型产业的企业间扩散，有助于提升这一行业的整体生产效率。但是寇冬雪指出专业化集聚同质性的创新溢出具有较强的相似性与模仿性，往往局限于本行业内流动，也形成明显的拥挤效应。[17]进一步地，专业化集聚并不一定有利于资源型产业与其他行业产生溢出行为，难以降低本行业的整体经营成本，会影响本行业技术水平的提升。由此看来，专业化集聚有助于资源型產业内企业的生产效率的提升，抑制了资源型企业与其他行业的企业互动协作，这就使得专业化集聚能够影响效率水平的提升，却不利于本行业内的技术进步，进而影响了城市全要素生产率。

（二）不同城市类型视角下资源型产业集聚对全要素生产率影响的差异分析

资源型城市作为我国重要的能源资源战略保障基地，是国民经济持续健康发展的重要支撑。基于资源型城市和非资源型城市，进一步考察不同模式下的产业集聚对城市全要素生产率影响的异质性，对不同城市类型形成适宜的产业发展模式具有借鉴意义。因此，本文根据《全国资源型城市可持续发展规划（2013—2020年）》（简称《规划》）将样本城市分为资源型城市和非资源型城市两种城市类型，其中资源型城市为《规划》所包含的城市，非资源型城市为《规划》里未包含的城市，其回归结果如表4所示。

回归结果显示：从多样化集聚来看，无论是资源型城市还是非资源型城市，多样化集聚对城市全要素生产率的影响均显著为正，表明多样化集聚程度的提升有利于城市全要素生产率的升高。与之相反，专业化集聚对不同类型城市全要素生产率的影响均显著为负，表明专业化集聚程度的提升反而会使城市全要素生产率降低。进一步对比影响系数的大小，可以看到多样化集聚对非资源型城市全要素生产率的正向激励作用要高于其对资源型城市的作用，与之相似的是，专业化集聚对非资源型城市全要素生产率的负向作用也强于其对资源型城市的作用。

对此，本文认为可以从资源型城市和非资源型城市自身的产业发展环境来理解。与非资源型城市相比，资源型城市的发展主要依赖于第二产业，产业发展很容易受到自然资源的影响，易形成路径依赖。一方面，在资源依赖的背景下，资源型城市的发展与当地能源、原材料等有着紧密联系，城市往往会依托当地的自然资源形成主导产业，产生专业化集聚。而伴随着资源型城市的专业化集聚程度加深，产业发展逐渐成熟，同类型的生产有可能会造成行业内部竞争加剧，影响到本行业内的技术进步。另一方面，多样化集聚使得非资源型城市并不局限于本行业自身发展，往往会与其他行业互动协作、相互学习，有助于城市全要素生产率的显著提升。

四、结论与建议

本文首先利用DEA-Malmquist模型估计了黄河流域100个地级市的全要素生产率，并在此基础上验证了不同模式资源型产业集聚对城市全要素生产率的贡献。本文的主要结论包括：第一，產业集聚可分为多样化集聚和专业化集聚两种模式，且这两个模式的产业集聚对城市全要素生产率的影响存在异质性。第二，多样化集聚能促进城市发展，随着多样化集聚程度的提升，城市全要素生产率也会上升。第三，专业化集聚对城市全要素生产率具有显著的负向作用，随着专业化产业集聚程度上升，其城市全要素生产率在降低。第四，进一步将全要素生产率分解为效率变动指数和技术进步指数，可以发现效率变动和技术进步的确是促进城市全要素生产率的两条路径。第五，多样化集聚借助效率变动和技术进步的路径共同推动城市全要素生产率的提升，而专业化集聚主要通过效率变动路径影响城市全要素生产率。第六，通过探究不同类型城市的异质性，可以发现多样化集聚在资源型城市和非资源型城市中均能显著地促进城市全要素生产率的提升，而专业化集聚在资源型城市和非资源型城市中均表现为抑制作用。

基于以上结论，本文提出以下建议。第一，发挥多样化集聚的正向激励作用，合理规划产业布局，鼓励并推进不同企业深度合作。一方面，应重视政府的产业协调功能，政府应有意向地引进更多科技研发水平高的企业。通过政府宏观税收政策的引导、调控和倾斜，整合各类资源，促进资源的高效配置，鼓励企业进行多元化发展。另一方面，企业自身要善于学习、吸收其他企业完备的管理经验和技术知识，主动参与产学研有效对接平台，并保持企业间的多元化协作和互补，营造资源型产业与多种创新资源相结合的现象。第二，考虑到专业化集聚程度较高的区域拥挤效应十分明显的事实，应当积极引导企业有序进入或退出行业，实现市场的良性竞争与多业态发展，还应鼓励企业向关联行业延伸，拓宽产业链以覆盖更多的上下游行业。特别是资源型城市的企业，应当积极参与多样化的企业交流活动，主动与其他产业的企业进行互动、学习和深度融合，延伸价值链。第三，坚持技术进步是经济发展的内在驱动力，应着重加强资源型企业的技术研发能力。各地区要鼓励企业、高校和科研机构等加大科技研发规模，重视黄河流域的基础研究，合理优化科技研发结构。同时还应关注到人力资本的重要性，积极实施广泛的职业技能培训行动，增强劳动力的从业能力，促进效率水平的提升，充分发挥技术进步和效率变动对城市全要素生产率的双轮驱动作用。

参考文献：

[1]朱俏俏，孙慧.资源型产业集聚的动态溢出效应研究[J].工业技术经济，2016，（3）：36-46.

[2]张天华，陈博潮，雷佳祺.经济集聚与资源配置效率：多样化还是专业化[J].产业经济研究，2019，（5）：51-64.

[3]Jacobs J.The Economy of Cities[M].New York：Vintage Books USA，1969.

[4]张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952—2000[J].经济研究，2004，（10）：35-44.

[5]林伯强.结构变化、效率改进与能源需求预测——以中国电力行业为例[J].经济研究，2003，（5）：57-65，93.

[6]方杏村，田淑英，王晓玲.财政分权、产业集聚与绿色经济效率——基于270个地级及以上城市面板数据的实证分析[J].经济问题探索，2019，（11）：164-172.

[7]李梦洁，杜威剑.环境规制与就业的双重红利适用于中国现阶段吗？——基于省际面板数据的经验分析[J].经济科学，2014，（4）：14-26.

[8]仲伟周，陈玉洁.环境规制对异质性就业的影响机制及政策涵义——基于中国地级市动态面板数据的分析[J].软科学，2019，（3）：5-8.

[9]刘奕，夏杰长，李垚.生产性服务业集聚与制造业升级[J].中国工业经济，2017，（7）：24-42.

[10]张凤超，黎欣.产业集聚、城市人口规模与区域经济协调发展——基于我国12个城市群的比较研究[J].华南师范大学学报（社会科学版），2021，（2）：156-166，207-208.

[11]韩峰，阳立高.生产性服务业集聚如何影响制造业结构升级？——一个集聚经济与熊彼特内生增长理论的综合框架[J].管理世界，2020，（2）：72-94.

[12]王涛.工业专业化、多样化集聚与碳排放[J].工业技术经济，2019，（6）：131-138.

[13]张司飞，王琦.资源型产业集聚、要素扭曲配置与技术创新[J].工业技术经济，2020，（6）：29-37.

[14]Stefanie B，Leker J.Industry Convergence and its Implications for the Front End of Innovation：a Problem of Absorptive Capacity[J].Creativity & Innovation Management，2010，（2）：165-175.

[15]王延霖，郭晓川，刘虹.高技术服务业与资源型产业融合对资源型企业两阶段创新效率的影响[J].科技进步与对策，2020，37（11）：60-69.

[16]刘乃全，吴友，赵国振.专业化集聚、多样化集聚对区域创新效率的影响——基于空间杜宾模型的实证分析[J].经济问题探索，2016，（2）：89-96.

[17]寇冬雪.产业专业化集聚、多样化集聚与环境污染——基于中国285个城市的实证分析[J].云南财经大学学报，2020，（9）：3-17.

（责任编辑 吴晓妹）