制造業創新投入與中國城市經濟增長質量研究

黃志基，賀燦飛

(北京大學城市與環境學院，北京100871;北京大學－林肯研究院城市發展與土地政策研究中心，北京100871)

一、引言

改革開放以來，我國制造業跨入高速發展時期，尤其是加入“WTO”以后，發展更為迅速，在很多制造業領域占據了較大的生產和市場份額。2000年，我國的工業總產值約為4萬億元;到2010年，工業總產值實現16萬億元，十年實現總產值翻兩番。經濟學界對于中國經濟高速增長的解釋主要有兩種，一種認為中國經濟增長模式采用的是“自下而上”的自主式改革策略，其本質是一個不斷學習、改進和創新的過程［1－2］;另一種解釋則著眼于體制變化，認為中國經濟高速增長僅是一系列制度創新的結果，其實質則是“東亞發展模式”的延伸［3］。美國經濟學家保羅·克魯格曼(Paul Krugman)撰文指出，東亞的經濟增長完全可以用要素投入的增加來解釋，全要素生產率沒有貢獻，因此，他推斷在東亞經濟的增長中沒有技術進步的成分，不存在所謂的“東亞奇跡”［4］?？唆敻衤倪@一論點引發了關于東亞經濟增長模式的爭論，也引起了國內外學界對中國經濟增長模式和經濟增長質量的熱烈討論。許多研究沿襲了全要素生產率的分析方法，使之成為考察我國經濟增長來源的重要指標，用于判斷現有經濟增長質量和經濟發展模式的可持續性。

全要素生產率(Total Factor Productivity，以下簡稱TFP)是生產活動在某一特定時間內的效率，是用來衡量單位總投入的總產量的生產率指標。全要素生產率常被視為科技進步的指標，是衡量一個國家或地區經濟增長質量和技術進步、管理效率水平的重要標志［5］。TFP分析的核心在于考察經濟增長的質量，由于這種方法將TFP定義為投入要素之外影響經濟增長的各種要素，因而TFP的增長反映了技術進步、制度變革、結構演化等非投入要素。而這些因素目前被視為是決定各國或各地區之間經濟增長差異的主要因素［6］。由此，對不同國家或地區之間的TFP檢驗，也就成為跨國或跨地區經濟增長分析的重點之一。本研究以2005至2007年《中國工業企業數據庫》為基礎，基于OP方法［7］對全要素生產率進行全新估計［8］，研究城市制造業TFP的空間溢出效應及其影響因素，探討制造業創新投入對中國城市經濟增長質量的作用機理。

二、城市創新、外部性與TFP溢出效應

全要素生產率(TFP)是總產出的增長率與各要素投入增長率加權平均和(權重為各要素投入的產出彈性)的差額，它通?？梢员焕斫鉃榧夹g進步或制度變化等非生產型投入要素的貢獻。Solow于1957年發表了《技術變化和總量生產函數》，被認為是研究全要素生產率的開山之作。該研究把總產出看作是資本、勞動兩大投入要素的函數，從總產出增長中扣除資本、勞動力帶來的產出增長，所得到的余值作為技術進步對產出的貢獻。他的研究表明，美國在1909－1949年間的經濟增長中，80%以上歸結為技術進步的結果，即索洛余值(Solow's Residual)［9］。諾貝爾經濟學獲得者Denison(1962)在其著作《美國經濟增長的源泉》一書中，對美國經濟增長的因素進行了詳細分析［10］。Denison把經濟增長歸因于生產要素的投入導致的經濟增長和生產率提高導致的經濟增長。同時，Denison還估計了未來生產率的提高主要是由知識進步的提高導致的，知識進步對于經濟增長的重要性愈來愈顯著。他認為，Solow測量的技術進步之所以存在一個較大的TFP增長率，主要是由于對投入增長率的低估造成的，而這種低估又是由于對資本和勞動兩種投入要素的同質性假設造成的［11］。之后的研究，大多認為知識進步、技術進步是經濟增長的重要源泉，全要素生產率(TFP)作為衡量經濟增長質量的指標被不斷接受和深化。

現有文獻從創新活動、規模效應、人力資本、集聚外部性、基礎設施、對外貿易和產業結構等城市特征，考察了城市TFP增長的影響因素［5］，其中研究創新活動對城市TFP增長的影響成為焦點。Bronzini(2009)對意大利全要素生產率進行估算，得出R＆D投入對提升全要素生產率具有積極作用［12］。陶長琪和齊亞偉(2010)測算了中國1987－2007年28個省區的全要素生產率的變動，發現R＆D投入對技術效率的改善有顯著正向影響［13］。然而，并不是所有的研究都得到一致的結論。李賓(2010)測定了國內研發和國外技術溢出對中國TFP的影響。他在分析的過程中，考慮到了序列平穩性、內生性、殘差序列相關性等細節，其研究結果支持了國內研發對TFP的提高沒有起到應有的促進作用，甚至起著阻礙作用的質疑［14］。羅亞非等(2010)通過國際比較，也發現多數國家的研發創新主要依靠規模效率推動，而中國的技術進步效率不高，應該逐步提高研發投入的規模［15］。

創新活動對城市TFP增長的影響，不僅在于創新投入總量和強度，創新投入在產業間的多元化也是重要影響因素。其理論依據來源于MAR外部性和Jacobs外部性。新經濟增長理論認為城市外部性帶來的知識溢出是經濟增長與發展的基本特征，人們的知識可得性是城市創新與創意的核心因素［16］。MAR外部性強調知識溢出發生在同一個產業內部，單個產業的專業化能夠促進產業增長。而Jacobs外部性認為大多數重要的知識轉移發生在跨產業之間，城市的產業多元化比專業化更有利于創新，面臨多元化環境的產業將實現更快增長［17］。Jan Fagerbeg(2000)利用1973－1990年期間39個國家24個行業的數據，分析了專業化和結構變化對生產率增長的影響。結果表明，結構變化并不導致生產率的必然變化，但致力于發展高技術產業的國家，將比其他國家具有更高的生產率［18］。大量的實證研究試圖驗證MAR外部性和Jacobs外部性對經濟增長和創新的影響，但這些實證研究并沒有得出一致的結論［19－20］。

全要素生產率所代表的技術進步是否具有空間溢出效應，也是現有研究關注的重點。新增長理論認為技術進步是增長的重要源泉，而技術進步主要來源于自主創新和技術擴散兩種方式。在日益加速的區域經濟一體化進程中，一個地區或城市的技術進步程度不僅要受到區域內自主創新活動的影響，同時也受到區域之間技術擴散因素的影響。Bronzini(2009)發現地區生產率的增長與周邊地區的研發活動和公共設施建設具有正相關性［12］。也有研究表明，技術專業化或多樣化程度，以及城市創新率存在著顯著的空間自相關性［21］。

總之，新增長理論強調技術進步對經濟增長質量的積極作用。本文探討在經濟快速增長背景下，技術擴散與創新投入如何影響中國城市全要素生產率的增長，進而影響城市經濟增長質量。同時，本文利用中國2005至2007年《中國工業企業數據庫》數據，探討了創新投入多樣化或專業化如何影響城市全要素生產率的增長。

三、數據與方法

本研究使用的基礎數據是由國家統計局維護的《中國工業企業數據庫》。該數據庫由國家統計局建立，它的數據主要來自于樣本企業提交給當地統計局的年報匯總。該數據庫的全稱為“全部國有及規模以上非國有工業企業數據庫”，其樣本范圍為全部國有工業企業以及規模以上非國有工業企業，其統計單位為企業法人。這里的“工業”統計口徑包括“國民經濟行業分類”中的“采掘業”、“制造業”以及“電力、燃氣及水的生產和供應業”三個門類，主要是制造業(占90%以上)。這里的“規模以上”要求企業每年的主營業務收入(即銷售額)在500萬元及其以上。2005年、2006年、2007年數據庫統計的制造業企業個數分別為25.11萬、27.88萬、31.24萬。

本研究主要對象為城市全要素生產率，由企業全要素生產率加權求和得到，權重為企業的從業人員［22－23］。企業全要素生產率的估計，源于《地理與中國出口企業“生產率之謎”》［8］。楊汝岱等(2012)系統整理了《中國工業企業數據庫》，對企業級數據進行了詳細的校核和調整［8］。在此基數上，通過非平衡面板數據構建、資本變量處理和價格指數處理等步驟，得到估計企業全要素生產率的基礎數據。在企業全要素生產率估計方面，選擇OP方法［7］進行估計。OP方法是一種半參數估計，較傳統使用的OLS方法來估計全要素生產率有兩大優勢，一是規避聯立性(simultaneity)所引起的內生性，二是規避樣本選擇偏差(selection bias)所導致的內生性。用OP方法估計企業全要素生產率的表達式為:

其中企業的工業增加值為VA，資本為K(企業的固定資產凈值年平均余額)，勞動力為L(全部從業人員年平均人數)。

創新活動對城市TFP的影響是本研究主要考察的因素。對創新活動的研究，大量文獻采用了授予專利數來衡量區域的創新產出。由于本研究是基于地市層面，而地市層面的專利數據難以收集，即使能夠從省級統計年鑒上獲得某些省區的數據，也由于統計口徑不一致，從而導致無法進行比較。因此，本研究主要從《中國工業企業數據庫》所報告的企業研發投入經費，統計得到城市制造業研發投入，衡量城市制造業創新活動的水平。衡量創新投入的指標包括:城市研發總投入、城市研發投入強度和城市研發投入多樣化程度。城市研發總投入由制造業企業的研發投入經費加總得到;城市研發投入強度用城市研發總投入與制造業營業收入之比來衡量;城市研發投入多樣化程度用泰爾系數(Theil＇s relative entropy)來衡量［21］。泰爾系數的表達式如下:

其中，T為泰爾系數，n為城市中產業的個數;CREATEi表示第i類產業的研發投入;μ表示城市中所有產業平均的研發投入。泰爾系數的取值范圍在0－1之間。若所有的研發投入平均分配于各個產業中，則泰爾系數為0，說明研發投入趨于多樣化;若所有的研發投入集中于1個產業，則泰爾系數為1，說明研發投入趨于專業化。為了考察研發投入在制造業產業不同層面的分配情況，本研究分別計算了2位數、3位數、4位數產業的泰爾系數，分別用Theil_2，Theil_3，Theil_4表示。根據新增長理論，創新活動是推動經濟增長的重要因素，因此，我們預期研發總投入和研發投入強度對城市TFP的增長有正向影響。城市創新的多樣化，有利于城市化經濟，從而促進經濟增長，因此，預期泰爾系數對城市TFP增長有負向影響，即多樣化更有利于城市TFP增長。

本研究還探討了市場化、全球化、集聚經濟以及地方力量對城市TFP增長的影響。市場化力量是轉型期中國經濟發展的重要作用力，市場化程度的提高有利于企業的競爭，從而推動城市TFP增長。市場化用非國有資本占比(Non－nation ratio)來衡量，預期為正向影響。全球化力量在推動中國經濟增長方面具有重要的作用，尤其是中國加入“WTO”以后，中國已全面融入世界經濟一體化進程。本文用FDI占GDP比重(FDI_GDP)來衡量一個城市全球化影響的程度，預期為正向影響。集聚經濟通過知識溢出、中間投入品的分享以及降低交易成本等途徑，促進經濟增長。本研究用人口密度(lndensity)來衡量集聚經濟，并預期為正向影響。中國改革開放伴隨著經濟分權的增強，地方力量在促進區域經濟發展方面起著越來越重要的作用。本文用地方財政支出占GDP比重(Fisc_out_GDP)來衡量地方政府力量，預期為正向影響。最后，本研究還控制了人力資本和交通通達性兩個變量，分別用每千人擁有的高等教育在校人數(Edu_capita)和客運總量(Lntransportion_p)衡量。地級市層面的數據主要來源于相應年份的《中國城市統計年鑒》和《中國區域經濟統計年鑒》。

如前文所述，區別于以往研究，本文關注城市之間的相互影響帶來的外部性，而傳統的OLS方法并不合適，因此，本文選用空間回歸模型進行計量分析［24］。通常使用的空間回歸模型有空間滯后模型(SDM)和空間誤差模型(SEM)?？臻g滯后模型的表達式為:Y=ρWY+∑βX+ε，其中ρ和β為系數，ε為殘差，WY為空間滯后變量，X為自變量，模型含義為空間單元的經濟增長受到該空間單元自身因素(∑βX)和周邊空間單元經濟增長(WY)的影響?？臻g誤差模型為Y=∑βX+ε，其中∈=λWε+μ該模型認為經濟增長是由非系統性的擾動因素導致，這種隨機擾動帶來的溢出即為空間外部性。判斷使用空間滯后模型還是空間誤差模型，一般通過最大似然LM—Lag檢驗及最大似然LM—Error檢驗等空間效應檢驗來進行［24］。最后需要說明的是關于空間權重矩陣的設置。一般來說，空間權重矩陣設置主要有兩種，一種為基于鄰接關系，包括邊鄰接(Rook Contiguity)和廣義邊鄰接(Queen Contiguity);另一種為基于距離的空間矩陣，主要包括K近鄰指數(K－Nearest Neighbor)和距離閥值(Threshold Distance)。因為本研究的單元為中國地級市，由于單元之間鄰接不規則，而且有較多未鄰接的單元，故不適宜選擇基于鄰接關系，而需選擇基于距離的空間權重矩陣設置。經過多次比較，本文選擇d=330km作為距離閥值①選擇d=330km，是因為內蒙古和西部地區有些地市面積太大，而距離測定是以區域中心點為起點設定，所以若距離設置小于330km，將出現一些地市沒有鄰接單元的情況。，以保障每個城市均有鄰接單元。

四、實證分析:中國城市制造業全要素生產率影響機制

(一)中國城市制造業全要素生產率和研發投入空間格局

本研究計算了2005年至2007年期間，全國286個地級市(未含拉薩)制造業平均的全要素生產率。結果表明，在地級市層面，城市制造業TFP表現出顯著的空間差異(圖1)。山東半島、東部沿海和珠三角地區是制造業全要素生產率比較高的地區，大部分地區TFP都大于2.5。四川、河南、內蒙古、遼寧的部分地市的TFP也較高。東部地區的TFP水平較高，可能得益于該地區較高的經濟發展水平和比較成熟的市場機制，中國2001年加入WTO進一步激活了東部地區的區位和制度優勢，從而帶動了全要素生產率的增長。中部地區以及東北部分地區制造業全要素生產率水平相對較低，區位劣勢、市場機制未充分發育、對外貿易不足以及規模、集聚效益未能充分實現可能是其主要原因。

圖1 中國286個地級市制造業全要素生產率(TFP)分布圖(2005－2007年平均)

城市研發投入強度(研發投入與營業收入之比)是衡量城市創新活動的重要指標。圖2展示了2005年至2007年期間，全國286個地級市(未含拉薩)制造業平均的研發投入強度。與以往認識不太一致的是，從總體上看，研發總投入較高的區域并沒有顯著集中于東部等發達地區，而在中西部地區分布也較為廣泛。環渤海地區除了幾個中心城市，如北京、天津、大連、濟南、青島之外，其他地級市的研發投入強度僅維持在中等水平。長三角地區的研發總投入也未能形成顯著的集中分布。而最為“異常”的是珠三角地區的研發總投入水平，除了廣州、佛山等少數幾個地市外，其他城市都較低，這可能與珠三角地區主要從事出口加工型、勞動力密集型產業有關。而重慶、四川、陜西、湖北等省市的地級市研發投入強度相對較高，表現出與經濟發展水平不一致的態勢，這可能因為這些地區分布較多的國有企業，以及三線建設時期遺留下來的大量重工業企業，這些企業是國家重點支持的關系國民經濟命脈的產業，因此相應地研發投入強度也較高。

圖2 中國286個地級市制造業研發投入強度分布圖(2005－2007年平均)

本文也展示了地級市層面制造業研發總投入水平。從分布來看，北京、天津、上海和重慶四個直轄市以及廣州市的研發總投入相對較高，同時也可以看出這些大城市周邊地市的研發總投入也較高，表明存在空間相互影響效應。另外，山東半島和東北老工業基地核心區也是研發總投入水平較高的地區。

(二)空間相關性分析

新經濟增長理論認為，技術擴散是技術進步以及經濟增長的重要源泉。為了進一步探析地級市制造業全要素生產率和研發投入Theil系數是否具有空間自相關效應，本研究運用探索性空間分析技術(ESDA)［25］，分別計算了我國地級市城市制造業TFP和Theil系數的Moran＇s I值(表1)。從計算結果來看，城市TFP的Moran＇s I值為0.2971，而且P值小于0.01，說明城市TFP具有顯著的空間自相關效應?？疾霻heil系數，無論是哪個層級的制造業研發投入，其Theil系數均具有顯著的空間自相關效應，而且Theil_4、Theil_3、Theil_2的Moran＇s I值表現出依次遞減的關系，說明制造業劃分得越細，其研發投入多樣化程度的空間自相關作用越強。

表1 我國地級市城市制造業TFP和Theil系數的Moran＇s I值和p值

為了進一步探析各空間區域單元的自相關程度，本研究運用局部空間自相關分析技術，分別對地級市制造業全要素生產率和研發投入Theil系數繪制了LISA集聚圖(圖3－圖5)。LISA集聚圖將區域與周邊自相關劃分為5個類型，分別為“高－高”、“低－低”、“高－低”、“低－高”以及空間自相關不顯著(P＞0.05)?！案撸摺北硎狙芯繀^域為高值，其周邊區域也為高值，因此研究區域為高值聚集區，具有顯著的高值空間相關性;相反，“低－低”表示研究區域為低值，其周邊區域也為低值，表明研究區域為低值聚集區，具有顯著的低值空間相關性?！案撸汀?、“低－高”為兩類特殊的區域，被稱為“熱點”(hotspot)區域?！案撸汀北硎狙芯繀^域為高值，而其周邊區域為低值;而“低－高”區域正好相反。這兩類區域有可能成為研究發現的重點地區。

針對中國286個地級市制造業全要素生產率(TFP)空間布局來看，“高－高”區域主要集中在山東半島城市群、以江蘇、上海、浙江為中心的長三角城市群、以廣州、深圳為中心的珠三角城市群、以及福建沿海等區域。這些區域制造業全要素生產率較高，表明技術進步促進經濟增長的能力較強，這與它們的經濟發展水平是相適應的?！暗停汀眳^域主要集中在西部的甘肅、寧夏、陜西，以及東北的黑龍江省等。“高－低”區域也有一些分布，主要在哈爾濱、長春等東北省會城市，以及西部甘肅省、東北若干地區。而“低－高”區域主要分布在中部以東部沿海地區鄰近的地級市。

圖3 中國286個地級市制造業研發總投入分布圖(2005－2007年平均)

圖4 中國286個地級市制造業全要素生產率(TFP)的LISA集聚圖

圖5 中國286個地級市制造業創新投入Theil_2系數的LISA集聚圖

圖6 中國286個地級市制造業創新投入Theil_3系數的LISA集聚圖

城市制造業研發投入的Theil系數反映的是研發投入在產業間的多樣化或專業化。Theil系數越高(即越趨近于1)，則表示研發投入越集中于少數產業中，體現出研發投入在產業間的專業化。如果Theil系數越低(即越趨近于0)，則表示研發投入越分散于所有產業中，體現出研發投入在產業間的多樣化。從圖5、圖6可以看出，不論是哪個產業層次的Theil系數，其空間分布差異比較明顯?！案撸摺眳^域主要分布在西部地區，如甘肅、陜西、云南、貴州、廣西等區域;而“低－低”區域主要分布在東部沿海地區，主要集中在江蘇、浙江、上海、福建和廣東等區域。結果說明，東部沿海地區的研發投入在產業間表現出多樣性，研究投入分散于比較多的產業門類;而西部地區的研發投入在產業間表現出專業化，研究投入集中于少數幾個產業門類。

(三)解釋中國城市制造業TFP空間格局

按照Anselin(2005)提供的方法，本研究首先通過計算LM值來選擇空間計量模型。主要步驟是首先判斷空間滯后模型和空間誤差模型的LM值，選擇LM值具有顯著性特征的模型繼續進行回歸分析。若兩個模型的LM值均不顯著，則繼續判斷穩健性LM值，選擇具有顯著性特征的模型繼續進行回歸分析。按照這一思路，通過表2的分析可知，兩個模型的LM值均顯著，但空間滯后模型的穩健性LM值的顯著性優于空間誤差模型或與空間誤差模型相似。因此，本研究考慮選擇空間滯后模型進行空間回歸分析。

本文分別應用普通OLS模型和空間滯后模型進行回歸分析。為了從不同方面研究創新投入對城市TFP增長的影響，本研究分別引入研發總投入、研發投入強度和研發投入多樣化程度(Theil_2，Theil_3，Theil_4)進行回歸分析。以上數據均為2005年至2007年的年平均值。回歸分析使用Geoda軟件［25］完成。

圖7 中國286個地級市制造業創新投入Theil_4系數的LISA集聚圖

表2 空間滯后模型和空間誤差模型的LM檢驗

模型可以很好解釋城市TFP增長的空間格局，R2達到0.45，而且通過F檢驗。多重共線性指數(Multicollinearity condition index)介于40至50之間，說明模型的多重共線性問題不嚴重，不影響統計回歸結果。模型中的控制變量大多顯著，能有力支撐模型的解釋力度。Lndensity的系數顯著為正，說明集聚經濟對城市TFP的增長有顯著的促進作用。Non－nation ratio的系數為正，說明非國有資本比重越大，城市TFP增長越快，預示著市場化有利于城市TFP增長。同時，該系數在引入研發總投入、研發投入強度的模型中顯著為正，而在引入研發投入多樣化程度的模型中顯著性較差，說明非國有資本比重變量解釋前者比解釋后者重要。FDI_GDP的系數不顯著，表明模型在控制其他變量情形下，全球化作用未能顯著促進城市TFP的增長。Fisc_out_GDP的系數顯著為負，說明地方財政支出沒有引起城市制造業創新投入的增長。在中國企業普遍創新資金投入不充分的情況下，地方財政支出的增加可能促使制造業企業將資金轉投生產或銷售環節，反而降低了創新活動投入比例。姚洋等(2001)在分析中國工業企業技術效率時，也發現公共研發投入對企業的效率產生負的影響［26］。人力資本和交通通達性變量均與城市TFP正相關，說明加大人力資本投入，以及改善基礎設施通達性，有利于城市TFP增長。

表3 我國地級市城市制造業TFP影響因素回歸結果(1)

統計結果表明，在控制相關城市特征變量的基礎上，城市制造業創新活動仍顯著影響城市制造業TFP的增長。城市制造業創新投入通過3個方面來加以討論。首先，引入制造業研發總投入到模型中，其系數顯著為正，說明研發總投入的增加有利于TFP增長。其次，將研發投入強度引入模型中，其系數顯著為正，說明研發投入強度越高的城市，其TFP越高，科技進步實力越強。再次，分別引入2位數、3位數、4位數制造業的研發投入多樣化程度，即Theil_2，Theil_3，Theil_4。回歸統計結果表明，Theil_2，Theil_3，Theil_4的系數均顯著為負，說明研發投入的多樣化更有利于城市制造業TFP的增長，這也驗證了Jacobs外部性對中國工業增長具有更顯著的作用。值得注意的是，針對中國制造業分類，不同層級的泰爾系數，對城市制造業TFP的影響是一致的，即各個層級的研發投入多樣化均有利于城市TFP增長，這與Huallachain等(2011)［22］的發現不一致。后者認為針對高層面類別技術專業化有利于創新城市的增長，而低層面類別技術多樣化更有利于創新城市的增長。進一步考察Theil_2，Theil_3，Theil_4的系數發現，其呈現逐步遞減的趨勢，說明層級劃分越細，其研發投入多樣化對城市TFP增長越顯著。

本文區別于以往研究的重要特征是，引入空間滯后模型進行計量分析。從統計結果看，空間滯后變量系數(Spatial lag coefficient)顯著為正，空間滯后單元的TFP增長1%，本研究單元的TFP則增長0.3%，說明城市TFP存在著顯著的空間自相關效應，從而進一步驗證了引入空間計量模型的必要性?？臻g計量模型的引入也降低了模型解釋變量的相關系數，表明普通OLS模型高估了解釋變量的解釋力度。

表4 我國地級市城市制造業TFP影響因素回歸結果(2)

五、結論和政策啟示

本研究以2005至2007年《中國工業企業數據庫》為基礎，基于OP方法對全要素生產率進行全新估計，研究城市制造業TFP的空間溢出效應及其影響因素，探討創新活動對中國城市經濟增長質量的作用。首先，本文發現城市制造業TFP呈現“東高西低”的基本格局，城市研發總投入主要集中在四個直轄市和少數幾個經濟發展水平較高的地區，如廣州等;而城市研發投入強度則呈現東西分布較為均衡的態勢，這一態勢的形成與我國經濟發展和產業布局的歷史沿革有關。第二，通過空間自相關分析，本研究發現城市制造業TFP以及泰爾系數均具有典型的空間自相關效應，城市制造業TFP“高高”聚集主要分布在東部，而“低低”聚集主要分布在西部，與經濟發展水平吻合;而泰爾系數“高高”聚集主要分布在西部，而“低低”聚集分布在西部，說明東部地區研發投入趨于在產業間多樣化。第三，空間計量模型結果表明，研發總投入和研發投入強度顯著正向影響城市TFP，而研發投入的泰爾系數與城市TFP具有顯著的負向關系，說明制造業創新研發投入在產業之間的多樣化更利于城市TFP增長。

本文通過對中國城市制造業研發投入和全要素生產率的研究，揭示了在中國現有經濟體制環境下，創新投入確實有利于城市經濟增長質量的提升。本文的政策含義在于:首先，我國城市經濟增長質量的提升依賴于創新投入的增長，要通過各種方式促進城市制造業企業的創新活動。可以通過加大政策支持力度和資金支持力度，不斷拓展制造業企業的融資渠道，搭建高效的融資平臺，提高制造業企業創新投入總量和投入強度。其次，在提高創新投入的基礎上，要提高城市創新投入的多元化，促進產業間創新活動溢出效應，支撐城市整體經濟發展質量的提升。伴隨著中國制造業升級與調整，可以通過吸引不同產業的國內外研發企業和機構，尤其是促進外資的技術溢出效應，加強外資企業和內資企業正式與非正式的創新交流，通過構建有效的產業間協作，實現創新效率的增長，從而有力提升中國城市經濟增長質量。再次，各城市或地區應充分利用技術進步帶來的空間溢出效應，積極融入我國區域經濟增長的總體布局中。要發揮城市群在引領未來中國經濟發展的核心作用，加強城市群內部協作與整合，通過提升城市群整體效益，促進區域一體化發展。

［1］Naughton B.Growing Outof the Plan:Chinese Economic Reform［M］．Cambridge:Cambridge University Press，1995．

［2］張軍．雙軌制經濟學:中國的經濟改革1978－1992［M］．上海:上海人民出版社，上海三聯書店，1997．

［3］Sachs J，Woo W．Structural Factors in Economic Reforms of China，Eastern Europe and the Former Soviet Union［J］．Economic Policy，1994，9(18):101－145．

［4］Krugman P．The Myth Of Asia＇s Miracle:A Cautionary Fable［J］．Foreign Affairs，1994，73(6):62－78．

［5］劉建國，李國平，張軍濤．經濟效率與全要素生產率研究進展［J］．地理科學進展，2011，30(10):1263－1275．

［6］周曉艷，韓朝華．中國各地區生產效率與全要素生產率增長率分解(1990－2006)［J］．南開經濟研究，2009，(5):26－48．

［7］Olley S，Pakes A．The Dynamics of Productivity in the Telecommunications Equipment Industry［J］．Econometrica，1996，(64):1263–1298．

［8］Yan R D，He CF．Geography and the Productivity Puzzle of China＇s Exporters［R］．Working Paper，2012．

［9］Solow R M．Technical Change and the Aggregate Production Function［J］．Review of Economics and Statistics，1957，39(3):312－320．

［10］Denison E F．The Sources of Economic Growth in the United States and the Alternatives Before Us［M］．New York:Committee for Economic Development，1962．

［11］Denison E F．Why Growth Rates Differ:Post－War Experience in Nine Western Countries?［M］．Washington:Brookings Institution，1967．

［12］Bronzini R，Piselli P．Determinants of Long－Run Regional Productivity with Geographical Spillovers:The Role of R＆D Human Capital and Public Infrastructure［J］．Regional Science and Urban Economics，2009，39(2):187－199．

［13］陶長琪，齊亞偉．中國全要素生產率的空間差異及其成因分析［J］．數量經濟技術經濟研究，2010，(1):19－32．

［14］李賓．國內研發阻礙了我國全要素生產率的提高嗎?［J］．科學學研究，2010，28(7):1035－1042，1059．

［15］羅亞非，王海峰，范小陽．研發創新績效評價的國際比較研究［J］．數量經濟技術經濟研究，2010，(3):28－41．

［16］Lucas．On the Mechanics of Economic Development［J］．Journal ofMonetary Economics，1988，(22):3－421．

［17］Jacobs．The Economy of Cities［M］．New York:Vintage，1996．

［18］Jan Fagerbeg．Technological Progress，Structural Change and Productivity Growth:A Comparative Study［J］．Structural Change and Economic Dynamics，2000，(11):393－411．

［19］Beaudry C，Schiffauerova A．Who＇s Right，Marshall or Jacobs?The Localization Versus Urbanization Debate［J］．Research Policy，2009，(38):318–337．

［20］賀燦飛，潘峰華．中國城市產業增長研究:基于動態外部性與經濟轉型視角［J］．地理研究，28(3):726－737．

［21］Huallachain BO，Lee D S．Technological Specialization and Variety in Urban Invention［J］．Regional studies，2011，45(1):67－88．

［22］Hsieh C T，Klenow P J．Misallocation and Manufacturing TFP in China and India［J］．Quarterly Journal of Economics，2009，124(4):1403－1448．

［23］Brandt L，Biesebroeck JV，et al．Creative Accounting or Creative Destruction?Firm－Level Productivity Growth in Chinese Manufacturing［J］．Journal of Development Economics，2012，97(2):339－351．

［24］Anselin L，Griffith D．Do Spatial Effects Really Matter in Regression Analysis?［J］．Papers in Regional Science，1988，65(1):11－34．

［25］Anselin L，Syabri L，Youngihn K．GeoDa:An Introduction to Spatial Data Analysis［J］．Geographical Analysis，2006，(38):5－22．

［26］姚洋，章奇．中國工業企業技術效率分析［J］．經濟研究，2001，(10):13－19．