制造業集聚對城市綠色全要素生產率的溢出效應研究
——基于城市等級視角

陳 陽 唐曉華

(遼寧大學 經濟學院，遼寧 沈陽 110036)

一、引言及文獻綜述

經濟“新常態”下，中國經濟面臨著生態破壞、環境污染、能源資源日益匱乏所帶來的嚴峻挑戰，進行綠色清潔生產、實現可持續發展成為中國城市化進程中需要面對的重要議題。但是，由于中國資源分配體系具有濃厚的行政等級色彩，高行政等級城市具有較高的政治方面權限，在財政收入、資源分配、基礎設施建設等方面具有政策優勢，從而能夠在產業布局、能源消耗量、環境污染排放等方面擁有調控優勢。由于行政等級不同導致城市間不平等和資源配置的行政中心偏向，在市場力量的合力作用下行政等級高的城市易于出現產業集中和人口增加等現象(魏后凱，2014)。因而，如何在行政等級差異情況下利用人口集聚和產業集中的優勢進行節能減排，成為中國城市化進程中必須要面對的問題。那么，產業集聚是如何影響能源消耗和污染減排的呢？一般而言，產業集聚初期，生產要素在集聚區內不斷集中，從而產生規模效應，而企業間通過環保知識互通、綠色技術共享、綠色設備共用等方式釋放環境正效應，從而提升了城市的綠色全要素生產率(李偉娜，2017)。但是，隨著生產要素的過度集中，此時會出現產業發展潛力不足、空間結構問題突出等情況，使得集中在同一位置的企業出現向外轉移的現象，而這將不利于城市生產效率的持續提升。

國內外學者對產業集聚與全要素生產率之間的關系進行了大量研究，但是并未形成一致的結論，現有三個部分文獻對這一問題進行研究。第一方面研究文獻，產業集聚效應顯著性研究。比如， Ottaviano et al.(2006)、Otsuka et al. (2010)、張公嵬等(2013)、于斌斌(2016)等認為, 產業集聚主要是通過勞動力共享、技術溢出、中間產品聯系三種途徑提升產業層面、企業層面、城市層面的全要素生產率。一般而言，全要素生產率可以分解為技術進步和技術效率兩個部分，學者在產業集聚如何提升全要素生產率的具體路徑的認識方面尚存在分歧。趙偉等(2008)、王麗麗(2010)認為，制造業集聚主要通過推動技術進步來改善全要素生產率；但是范劍勇等(2014)、孫慧等(2016)則認為，提升全要素生產率的主要途徑為技術效率改進，而不是技術進步。第二方面研究文獻，產業集聚約束性研究。Bode(2004)、Bautista(2005)認為, 產業集聚對生產率提升的作用并不顯著。而薄文廣(2007)實證研究證實制造業集聚的專業化效應對全要素生產率的改善作用不大，而這是由于產業性質與地理特征的差異造成的多樣化效應，而并非只是單調作用。程中華等(2015)認為，中國低效率的城市空間相關性正在逐漸增強，而制造業集聚阻礙了城市全要素生產率的提升。第三方面研究文獻則突破兩者單調線性關系的分析框架，探析產業集聚與全要素生產率之間的非線性關系。Brulhart et al.(2009)的研究證明，產業空間集聚與生產率提升并不是簡單的、不變的單調線性關系，而是非線性的并由許多條件決定的，最終用105個國家數據驗證了“威廉姆森假說”的存在。Cainelli et al.(1999)、Usai et al.(2001)、薄文廣(2007)等認為，集聚的專業化效應會阻礙生產率提升，而多樣化效應會促進生產率提升與創新績效提高。與之相反的是，Henderson(2001)、Cingano(2004)認為，多樣化對生產效率的影響并不顯著，而專業化效應對生產率則具有促進作用。

在城市等級與生產效率關系方面，國內外學者主要從城市規模和行政等級兩個方面對該問題進行研究。(1)從城市規模方面研究文獻來看，Sveikauskas(1975)認為，美國的城市規模擴大一倍，城市勞動生產率能夠提高5.98%。Segal (1976)則認為，人口超過200萬的城市要比人口數量25～200萬的城市生產效率高出6%。石大千等(2016)、魯志國等(2017)認為，城市規模與城市生產率之間存在明顯的倒U型關系，而且城市生產率也存在一個最優的城市規模。但是柯善咨等(2014)、陳杰等(2016)則認為，城市規模能夠提升城市生產效率的前提條件是存在與之相對應的城市產業結構，否則城市規模并不能促進效率改善。(2)從行政等級來看，Davis et al.(2003)認為，高等級城市能夠在資金補貼、外商直接投資以及進出口的開放程度等方面享受到中央政府的權力和優惠政策分配產生的不均等“偏愛”。Ades et al. (1995)、魏后凱(2014)、王垚等(2015)認為，城市行政等級的首要影響在于促進城市發展，擴大城市規模。李澎等(2016)認為，城市行政體制不但營造了城市發展環境的非公平性，而且導致高行政等級的城市吸納過多的生產要素，從而會對城市的資源配置效果產生極為不利的影響。

綜上，通過梳理已有文獻發現：首先，現有文獻缺少對地理距離影響產業集聚效應大小的研究。由于知識、技術的空間溢出效應不僅局限在本地，還會波及周邊地區，只是這種波及效應會隨著距離增加而衰減。其次，現有文獻忽視了產業集聚與城市等級之間的互動關系。由于高行政等級城市具有的高權限，從而在吸引外商投資、人才匯集等方面擁有優勢，這給產業發展帶來巨大便利；同時，制造業水平較高形成的產業等級聯系，使得產業內的人才、資本、技術跨地區流動增加，這極大提升了全要素生產率。

鑒于此，本文利用2004—2015年中國285個地級城市及地級以上行政等級城市的統計數據，在考慮城市等級情況下，對制造業集聚與城市綠色全要素生產率的關系在以下兩個方面進行拓展：(1)在產業集聚測算方法上，本文充分考慮城市行政等級和產業等級的差異，綜合考察城市制造業內部地位與區域等級的集聚水平；(2)在中國大部分城市正在進行“退二進三”趨勢下，考察以制造業等級聯系作為紐帶的制造業和服務業協同集聚是如何影響城市效率的。

二、制造業集聚影響綠色全要素生產率作用機制

在經濟新常態下，實現經濟增長由投入驅動向創新驅動的增長動力轉換，最終要以提升全要素生產率作為衡量標準*詳見：蔡昉. 全要素生產率是新常態經濟增長動力[N]. 北京日報，2015-11-23(第17版).。制造業作為國民經濟的主體，是立國之本、興國之器、強國之基，但是伴隨著制造業的迅猛發展，制造業的地理集中程度不斷增強，許多制造業行業不斷向經濟社會條件優越的東部沿海地區集中，這就形成了制造業在地區分布上的非均衡性特點。如何建立制造業集聚和城市生產效率之間有效聯系，并形成經濟增長動力轉換的重要突破口，成為相關研究重要課題。那么，制造業集聚是如何影響城市綠色全要素生產率的呢？不同制造業發展水平的城市又是如何利用等級“勢差”提升城市綠色全要素生產率的呢？這些都是需要明確回答的問題。

制造業集聚影響城市綠色全要素生產率的作用機制在于：制造業在不同城市的空間集聚將導致城市制造業發展水平存在差異，進而形成制造業的城市等級“勢差”；同時，結合制造業集聚外部性的作用，從而能夠有效影響城市綠色全要素生產率。因而，制造業集聚將通過集聚外部性、等級“勢差”機制作用于城市綠色全要素生產率。

1.集聚外部性機制

改善城市綠色全要素生產率的途徑主要有兩種：一是技術進步；二是優化資源配置效率。而制造業集聚的外部性機制影響城市綠色全要素生產率的主要效應有：(1)創新激勵效應。制造業企業在同一地區的集中，使得集聚區內企業競爭程度加劇，企業不得不更多采用節能低碳技術以代替高耗能資源的投入，促使制造業企業向價值鏈高端攀升，從而提升了城市綠色技術效率；同時，制造業企業的集聚將使得高素質技術人才集中，有助于企業間存在的緘默知識得以暢通流動，加快制造業技術的知識溢出效應，提高企業技術進步水平。(2)資源優化配置效應。勞動、資本等生產要素在集群內流動遵循報酬率高低原則，知識、技術等密集型行業本身具有較高的勞動生產率，因而擁有相對較高的要素報酬率，使得資本、勞動等要素不斷由低端制造行業流向高端價值鏈行業，進而改善城市資源錯配現象，降低行業單位能源消耗和碳排放水平，從而提升了城市生產效率，并實現了城市制造業結構的優化升級。(3)共享效應。制造業企業集聚，不僅會共享城市基礎設施等基本經濟發展條件，還能夠通過企業集聚形成產業節能減排的規模效應，集中分攤治污成本，共享減排和治污的處理設備，實現節能減排技術的溢出和共享；同時，政府能夠對制造業集聚企業實行集中監管和統一環保宣傳，建立動態治污監測系統，形成集聚企業互相監督的局面，進而改善城市綠色全要素生產率。

2.等級“勢差”機制

隨著城市專業化分工的深化，城市間分工協作能力將會得到提升。但是由于城市制造業發展水平不同，造成城市制造業在區域分工中的地位有所差異，有的城市成為區域制造中心，有的成為制造業“衛星”城市，中心城市和“衛星”城市之間產生了等級“勢差”，這種等級“勢差”將通過不同途徑影響城市生產效率。具體表現在以下兩種效應:(1)產業擴散效應。制造業中心城市立足于價值鏈高端行業，必然將傳統低端制造業行業轉移到衛星城市，保留知識、技術等高效率產業；而對于衛星城市而言，承接的集群化、系統性的產業，有助于改善城市技術水平與資源配置效率，提升城市生產效率。(2)技術進步效應。制造業中心城市擁有高素質技術人才、外商直接投資、跨國公司進駐等方面優勢，必然使得其成為區域創新中心，這有助于提升城市自身的全要素生產率；制造業中心城市作為區域技術進步的源泉，伴隨著技術知識向周邊制造業“衛星”城市的溢出，這也將會提升“衛星”城市的生產效率。

綜上，產業集聚將通過城市內部的集聚外部性機制(創新激勵效應、資源優化配置效應、共享效應)和區域產業等級中的“勢差”機制(產業擴散效應、技術進步效應)來提升城市綠色全要素生產率。

三、模型設定與數據說明

(一)模型設計

本文借鑒了Miller et al.(2000)的研究思路，并根據研究需要進行相應拓展。若研究城市投入產出形式采用C-D生產函數，則由于城市全要素生產率不僅受到人力資本水平的影響，還受制造業集聚水平的影響，因而C-D生產函數形式可以擴展為：

(1)

其中：Yit代表城市國民生產總值；AGGit表示制造業集聚水平；Hit表示人力資本水平；Kit為資本投入量；Lit為勞動投入量；α和β代表資本和勞動力的產出彈性系數；i代表城市；t代表時間。A(·)表示希克斯中性的技術進步效率函數，借鑒Hulten et al.(2006)的做法，假定其構成為多元組合，即：

(2)

將式(2)代入式(1)，可以得到：

(3)

其中：Ai0為初始的技術效率水平；λ為外生的技術變遷效；φ和σ分別表示制造業集聚水平和人力資本水平的彈性系數。

(4)

對式(4)取對數，可以得到：

Ln TFPit=Ln Ai0+λit+φiLn AGGit+σiLn Hit

(5)

由于本文研究重點是制造業集聚對城市綠色全要素生產率的影響機制。因此，在式(5)的基礎上，為檢驗制造業集聚的非線性影響關系，特加入制造業集聚的平方項：

(6)

其中:TFP為城市綠色全要素生產率；AGG為制造業集聚水平；X為控制變量，包括人均資本存量、人力資本水平、基礎設施水平、信息化水平、政府干預程度、政府支持力度、對外開放程度、經濟結構；ε是隨機擾動項；ρ是空間滯后系數，說明樣本值的空間依賴性；λ是空間誤差系數，說明誤差結構中存在的空間相關性, 當λ=0時，模型為空間滯后模型(SAR);當ρ=0時，模型為空間誤差模型(SEM)；ρ和λ反映鄰近地區經濟產出的相互影響和作用，即經濟的空間溢出大小；Wij為空間權重，反映不同地區間的空間聯系強度。

根據地理學第一定律，空間單元之間距離越近，則空間溢出效應越強，空間溢出效應隨著距離的增加而衰減，因而本文將采用空間反距離權重，具體形式如式(7)所示：

(7)

其中：D為距離閥值，dij為城市i和j之間的地理距離，距離閾值采用最大值，即D=3905.2km。

(二)變量說明

1.被解釋變量：城市綠色全要素生產率

本文參考Fare et al.(2007)構造的包含期望產出與非期望產出的生產可能性集合，利用基于非徑向SBM方向性距離的Malmquist—Luenberger指數，進而測算出2004—2015年中國285個城市的綠色全要素生產率的動態變化狀況。綠色全要素生產率涵蓋了勞動、資本、能源投入狀況，同時考慮到期望產出的增加與非期望產出的減少的情況，這也是與中國在經濟發展過程中將要解決的能源環境問題情況相符。本文所使用的Malmquist—Luenberger指數如下所示：

(8)

式(8)中，分別表示投入指標、期望產出與非期望產出，對于城市綠色全要素生產率(ML)大于或小于1，可以表示從t到t+1期城市綠色全要素生產率(ML)增長或下降。

(1)投入指標。①勞動力投入：該指標采用各個城市的就業人數表示；②資本投入：參照張軍等(2004)的處理方法，采用城市資本存量水平表示，并以2000年為基期進行價格因素平減；③能源消耗：本文借鑒秦炳濤(2014)的做法，采用城市全年全市用電量來表示。

(2)產出指標。①期望產出：城市國民生產總值。本文選擇城市國民生產總值表示，并以2000年為基期，利用價格指數消除價格因素的影響。②非期望產出：廢水排放量、二氧化硫排放量與煙塵排放量，本文將利用熵值法確定非期望產出的權重，以此計算非期望產出的綜合指標。

2.解釋變量：制造業集聚水平

地理集中度、區位基尼系數、區位熵、EG指數等傳統研究方法并沒有考慮到某一地區產業在區域范圍內的產業等級水平，而只是檢驗了產業在地區內部的結構性地位。因而，上述方法會造成某一城市的產業在地理范圍內發展水平較高或等級程度較高，但是由于城市經濟體量龐大或者處于產業轉型時期，產業在城市內部經濟結構中的地位并不高，以致必將低估產業的集聚水平，這也與現實中這一地區的產業發展地位不符，所以需要統籌考察產業在地區內部結構地位與外在區域等級雙重層面的集中問題。因而，本文將采用一個包含地區產業區域等級程度與內部區位熵的產業集聚測算方法，這能夠更加客觀地反映產業集聚特征，具體測算方法如下。

首先，城市制造業區位熵(LQ)水平主要用來衡量制造業在城市經濟結構中的內部地位，具體公式如下：

(9)

其次，城市制造業等級(LEVEL)表示某一城市的制造業發展水平在區域范圍內的等級。在中國經濟發展過程中，城市制造業發展水平越高，外商投資、政府政策、生產要素與科技人員等要素條件更為優越，制造業集聚的規模經濟越大，城市生產率可能就越高；反之，城市缺乏經濟發展的基本要素，生產效率提升就較為困難。因而本文將用城市制造業就業人數與周邊城市加權的制造業就業人數之比來代表城市制造業等級水平，具體公式如下所示：

(10)

其中：xit為城市i制造業的就業人數；W為空間權重；Xt表示時間t城市制造業就業人數的行向量。

最后，城市制造業集聚水平(AGG)為城市制造業區位熵與制造業等級水平的乘積，具體如下所示：

AGGit=LQit×LEVELit

(11)

3.控制變量

本文選取的控制變量主要包括：

(1)人均資本存量(K)。目前，估算資本存量最常用的方法為永續盤存法，本文用2003年固定資產投資總額作為分子除以折舊率與2004—2015年固定資產投資形成的平均增長率之和來估算2004年的資本存量，2004年以后的資本存量通過永續盤存法計算城市固定資產投資總額而得，具體公式如下：

Ki,t=Ki,t-1(1-δt)+Ii,t

(12)

其中：Ki,t表示第i個城市t年的資本存量；Ki,t-1表示第i個地區t-1年的資本存量；Ii,t表示第i個地區t年的固定資產投資，并利用城市固定資產投資價格指數調整為2000年不變價格；δt為第t年的折舊率，本文設定折舊率為10.96%。本文采用人均資本存量。

(2)人力資本水平(EDU)。考慮到不同教育水平下人力資本的差異性，本文采用人均受教育年限(EDU)來估計城市的人力資本水平。設定小學程度為6年，初中程度為9年，高中程度為12年，大專及以上程度為16年，則：城市平均受教育年限=6S1+9S2+12S3+16S4。其中，S1、S2、S3、S4分別表示各受教育水平人口數在總人口中的比例。

(3)基礎設施(ROD)。城市基礎設施的建設，不僅可以改善經濟運行環境，降低企業與外部的交易成本，還能夠加快傳統產業轉型升級的步伐，促進地區經濟增長；如果城市基礎設施改善只存在于城市內部層面，無法與城市外部形成緊密的聯系網絡，城市基礎設施的改善就不能有效提升城市效率水平。本文采用城市道路面積的人均占有面積來衡量城市基礎設施。

(4)信息化水平(TEL)。城市信息化水平的提升將會推動城市之間勞動力、資本等生產要素的跨區域、遠距離流動，地理空間距離對于要素的限制將會大大減弱，從而能夠大幅度提升制造業集聚水平，推動地區經濟發展；但是如果城市信息化只是硬件設施更新，而不是軟環境的改善，這樣的信息化水平提升將不利于城市生產率改善。本文采用人均郵電量來表示信息化水平。

(5)政府作用。在財政分權體制下，政府對經濟運行環境的干預會對地區生產效率產生影響：首先，當政府開支用于支付政府的行政開支時，其對經濟效率的影響將大打折扣；其次，當政府支出重點轉移到科學、教育等領域時，將有助于城市人力資本的形成、科技人員比重的增加，從而會有效提升城市全要素生產率。本文用扣除用于科學、教育等方面財政支出與城市國民生產總值之比表示政府干預程度(GOV)，用政府財政支出中科學、教育的支出比重表示政府對于科技領域的支持力度(GS)。

(6)對外開放程度(OPN)。外商直接投資不僅可以通過產業關聯、技術知識溢出和管理經驗等途徑影響城市的經濟產出，還能夠通過增加城市的資本存量提升城市開放水平。因而，本文采用城市的年度實際外商投資額(按歷年人民幣的平均匯率折算)占城市國民生產總值的比重作為對外開放程度(OPN)的代理變量。

(7)經濟結構(ES)。城市產業結構調整主要是從第一產業逐漸轉向第三產業的過程，一個城市中生產效率越高的產業比重越大，其生產效率、能源利用率、環境效率可能越高。本文借鑒汪偉等(2015)的做法，利用下述公式測算經濟結構：經濟結構=第一產業產值比重*1+第二產業產值比重*2+第三產業產值比重*3。

(三)數據來源

本文的數據主要來源于2005—2016年《中國城市統計年鑒》和2005—2014年《中國區域經濟統計年鑒》，其中外商直接投資涉及到匯率換算問題，需要利用《中國統計年鑒》中的歷年人民幣年平均匯率進行換算。本文的研究對象主要是中國的地級市城市，由于行政區域調整(巢湖、畢節、銅仁、三沙)和數據嚴重缺失(拉薩)，最后研究對象確定為285個城市。同時，對于個別缺失的數據，采用線性插補法確定。

四、制造業集聚特征及空間相關性檢驗

(一)城市制造業集聚特征

以2015年為例，利用式(9)和式(10)測算出中國285個城市制造業的區位熵與等級水平，并進而將制造業集聚劃分為四種集聚類型，結果如圖1所示。

圖1 2015年制造業類型劃分

(1)“高—優”產業。這一類型的城市主要分布在第一象限，具有“兩個中心”的發展特點，具體表現在：首先，在產業發展生命周期過程中，制造業在城市產業結構中仍然屬于中心產業，處于優勢地位；其次，制造業在區域制造業體系中位于中心城市，成為帶動區域制造業發展的“增長極”。這一類型的典型城市為天津、上海、大連、東莞、深圳、長沙、青島、廈門、寧波等城市，這些城市利用前期政策傾斜優勢，大力發展出口導向型、勞動密集型等制造業產業，逐漸成為制造業發展的區域核心城市；即使在中國經濟進入“三期疊加”的經濟發展新常態時期，這些城市也能充分利用前期積累下的制造業基礎優勢，順利實現制造業由勞動密集型產業向技術、知識密集型產業的轉型，使得城市制造業依然保持獨特的優勢。對于這一類型的城市，在制造業內部應該加快供給側結構性改革的步伐，在“盤活存量”的基礎之上逐漸向戰略新興產業、高端裝備制造業等高端制造業進行增量轉型升級，積極發揮制造業集聚所具有的空間溢出效應以及高等級城市的引領作用，從而帶動區域城市生產效率的進一步提升。

(2)“低—落”產業。第三象限為這一類型城市的分布點，而這一類型城市的主要特點是具有兩個“冷點”，具體表現在：首先，制造業在城市產業體系中屬于劣勢(冷點)產業，在經濟轉型之后服務業成為城市經濟發展的主導產業；其次，在區域制造業發展中屬于“冷點”區域，即低等級制造城市，這一類城市主要充當區域制造業核心城市的衛星城市，并為其提供配套服務。這一類型的典型城市以張家口、秦皇島、阜新、齊齊哈爾、連云港、湛江等中小城市為代表，這些城市或者存在依靠自然資源優勢發展的資源密集型產業，或者依托優越地理位置為區域中心城市提供配套服務的勞動密集型行業。這一類型城市由于存在典型的產業發展“路徑依賴”，產業升級調整滯后，導致制造業在城市內部屬于短板產業，且處于區域制造業價值鏈中的低端環節。這就需要地方政府制定科學合理、因地制宜的產業發展規劃，明確城市制造業發展定位，積極引導產業向重點園區和集聚區集中，形成集約化、特色化的產業發展格局。

(3)“高—落”產業。這一類型城市主要分布在第四象限，主要分布在以服務業為主的省會城市或大城市，表現出“一高一冷”的特點。“一高”為依托城市優越的政策支持、地理位置等條件，加之城市本身具有龐大經濟體量，使其成為區域制造業體系中的“熱點”城市；“一冷”是與服務業相比，制造業只會成為城市產業發展的劣勢產業。北京、沈陽、哈爾濱、南京、杭州、濟南、重慶、西安、成都等城市是這一類型城市的典型。這些城市具有優越的地理位置條件、得天獨地的政策支持力度、雄厚的科技教育資源等優勢，使得這些城市成為中國產業結構轉型升級的典型，服務業發展步伐較快，導致制造業在城市經濟中的地位下降，制造業逐漸成為劣勢產業；但是由于城市制造業立足于高端化、智能化、綠色化的定位，使得內部升級的制造業位于區域產業體系的高端環節，從而導致所在城市成為區域發展中的核心城市。對于這些城市而言，發展方向應當立足于高端化、智能化、綠色化的定位，加快產業兩化融合速度，大力發展服務型制造業，培育科技、物流、電子商務等生產性服務業，立足于區域產業價值鏈，成為區域制造業發展的創新引領中心。

(4)“低—優”產業。這一類型城市出現在第二象限，也具有“一高一冷”的特點，但是“高”的是城市產業體系中的地位，“冷”的是區域制造業體系中的等級。這一類型的城市受制于區域中心城市的“虹吸效應”，城市制造業發展條件欠缺，淪為區域制造業的低等級城市；同時，城市內部結構調整滯后，城市服務業的地位無法取代制造業，制造業仍然是城市經濟發展的支柱產業。典型代表城市為：葫蘆島、吉林、宿遷、鎮江、珠海、汕頭、清遠、攀枝花等。這一類型的制造業城市主要位于區域制造業中心城市周邊，是區域制造業價值鏈體系的重要一環，這些城市的定位明確為制造業城市，主要為區域中心城市的產業結構轉型升級提供產業基礎，同時也作為區域中心的產業轉移承接地。這些城市應立足于本地優勢，注重產業專業化和特色化，因地制宜發展特色產業，因勢利導深度挖掘城市制造業發展的特色資源和蘊含潛力，拓展制造業發展的相應產業鏈條；同時努力提升制造能力，為承接區域中心城市制造業轉移夯實基礎。

(二)空間相關性檢驗

接下來運用空間計量模型進行檢驗，而運用空間計量模型的前提條件是城市綠色全要素生產率之間存在空間相關性。若城市間經濟變量不存在空間關聯性，則空間計量模型的估計結果是有偏的，因而本文采用空間統計中的Moran′s I指數來檢驗城市綠色全要素生產率的空間相關性，具體根據Moran′s I指數公式得到的檢驗結果如表1所示。

由表1可知，2004—2015年中國城市綠色全要素生產率的Moran′s I指數至少都通過5%水平下的顯著性檢驗，且城市綠色全要素生產率Moran′s I指數都為正值，這說明中國不同城市之間的綠色全要素生產率并沒有表現出完全的隨機狀態，而是表現出較強的空間依賴性。同時，從表1可以看出，2004—2015年，中國城市綠色全要素生產率的空間相關程度呈現出先增強后減弱的演變趨勢，尤其在2010年之后減弱趨勢更加明顯。因此可以斷定，地理距離是中國城市制造業集聚影響綠色全要素生產率的重要環節，本文將地理距離作為空間權重具有一定的合理性，這為進一步研究城市綠色全要素生產率的空間溢出效應提供了理論支撐。

表1 2004—2015年中國城市全要素生產率Moran′s I變化狀況

注：*、**、***分別表示通過10%、5%、1%水平下的顯著性檢驗；括號內為t統計量。

五、估計結果與分析

(一)制造業集聚實證分析

對于究竟是選擇空間滯后模型(SAR)還是空間誤差模型(SEM)的問題，主要通過空間依賴性檢驗進行判斷，若LM(Lag)較LM(error)在統計上更加顯著，同時Robust LM(lag)顯著，Robust LM(error)不顯著，那么選擇SAR；反之，則選擇SEM。根據判斷結果，式(1)—(6)均適合采用空間滯后(SAR)模型。在固定效應和隨機效應選擇問題上，式(1)—(6)的Hausman檢驗結果表明，本文的空間計量模型使用固定效應模型更加合理。由于空間計量模型變量間存在相關性，模型不再滿足經典假設條件，若直接采用普通最小二乘法(OLS)進行參數估計，則得出的結果是有偏的。因此，本文將采用極大似然估計法(MLE)進行參數估計。

根據表2模型估計結果，從Sigma2、Log L統計量來看，空間滯后模型(SAR)的擬合效果比較理想，這表明所用模型能夠較好地反映影響中國城市綠色全要素生產率相關因素的實際狀況。模型(1)—(6)中空間滯后模型的系數ρ都通過1%水平的顯著性檢驗，這說明中國城市間經濟因素的空間溢出效應成為影響城市綠色全要素生產率的重要因素之一。

首先，從制造業內部地位視角出發。單獨考慮線性關系的模型(1)估計結果為負，在加入制造業內部地位的二次項之后的模型(2)估計結果表明：制造業在城市經濟中的地位與城市綠色全要素生產率之間具有顯著的非線性關系，兩者存在“倒U”型關系，即隨著制造業在城市經濟結構中的地位不斷提高，其對城市能源效率提升、環境污染減少的作用逐漸增大，而當制造業水平跨過某一門檻值之后，制造業地位的進一步提高將不利于城市綠色全要素生產率的提升。兩者之間表現出非線性關系的主要原因在于：在城市經濟發展初期，政府以工業化建設為主要目標，把獲得經濟效益見效快的制造業作為本地重點發展產業，進而投入大量的資金、勞動力、科研經費支持制造業發展，促進制造業成為城市經濟的主導優勢產業，而制造業在城市經濟結構中的地位大幅提升，能夠有效帶動城市經濟效率的提升；但是，從要素邊際遞減規律來看，在城區面積擴大放緩情況下，大量勞動力、資本等生產要素持續向制造業行業流入，必然使得勞動力、資本等要素的邊際收益由遞增轉向遞減，此時的制造業地位提升將不利于城市生產效率的進一步提高。

表2 產業集聚空間估計結果

注：*、**、***分別表示通過10%、5%、1%水平下的顯著性檢驗；括號內為t統計量。

其次，從制造業外部等級視角出發。單獨考察城市等級單調性的模型(3)估計結果為負，加入制造業區域等級二次項的模型(4)估計結果表明，制造業在區域中的等級程度與城市綠色全要素生產率之間呈現“U”型關系，且通過1%的顯著性水平檢驗。這主要是由于城市之間存在著“梯度轉移”現象，使得制造業等級與城市綠色生產效率的關系呈現出“U”型形式。新古典貿易理論認為，產業空間分布主要取決于資本存量、技術水平、資源稟賦、交通網絡等要素的集聚與分散程度，要素集中程度高的城市具有良好的資源稟賦條件，成為產業發展的排頭兵，即成為區域產業發展體系中的高等級城市。中國城市制造業發展符合新古典貿易理論，由于城市資源稟賦、國家政策、地理位置等方面條件優越，部分城市制造業得以快速發展，成為區域制造業發展中的高等級城市，并且形成了區域制造業價值鏈體系。制造業發展初期，高等級城市借助有利條件吸引周邊低等級城市資本、勞動力等生產要素的流入，這使得高、低等級城市在制造業發展條件上出現了巨大差異，高等級城市成為了區域制造業發展的核心城市，此時出現了典型的“集聚陰影效應”，這一效應并不利于周邊低等級城市的制造業發展和城市生產效率的改善。但是，隨著高等級城市技術水平提升，周邊勞動力與資本不斷流入，從而形成的虹吸效應，區域核心城市出現了交通擁擠、環境污染加重、要素資源競爭加劇等問題，區域核心城市不得不進行產業轉移，核心城市只保留高端制造業，低等級城市承接勞動、資源密集型產業，此時形成了資源充分利用、產業體系一體化的產業分布格局，從而推動了城市生產效率的提升。

再次，從制造業內、外部兩個層面出發的集聚水平進行分析。模型(5)的估計結果為負，加入二次方的模型(6)估計結果表明，制造業集聚水平與城市綠色全要素生產率之間呈現“倒U”型關系，即隨著城市制造業集聚水平的提高，其對城市生產效率的影響由正轉負，且通過1%的顯著性水平檢驗。制造業集聚水平的提高包括兩個方面：一是制造業在城市經濟結構中的重要性提高；另一個是城市制造業在區域產業一體化中的等級提高。具有制造業政策支持傾向的中心城市，周邊城市資本、勞動力等生產要素不斷向中心城市流入，制造業集聚具有的規模效應將會極大提升城市生產效率。但是，資本、勞動力等資源的過度集中將會導致其邊際收益下降，同時城市交通擁擠、交易成本上升、環境污染加劇、資本和勞動力出現逃離，使得城市制造業集聚活動中的擁擠效應凸顯，也會導致城市能源效率下降和污染程度加劇。因而，在實施制造業發展戰略過程中，應當充分考慮區域產業一體化趨勢，做到制造業內部地位與區域等級的均衡，以此達到最優的集聚規模。模型(7)借鑒魏后凱(2014)*本文將4個直轄市城市賦值為4；15個副省級城市賦值3；16個其余省會城市賦值2；剩余250個城市賦值1。對中國城市行政等級的分類方法，以檢驗行政等級在調節制造業集聚對城市綠色生產效率的作用。從集聚水平的估計結果來看，模型(7)比模型(6)的結果絕對值要大，這說明城市行政等級要比制造業等級對作用彈性要敏感，這是由于行政等級高的城市具有更大的政治權限，能夠充分利用高等級權限提供更大的政策支持、優質的公共服務；同時，中國行政等級高的城市擁有大量的科研院所、金融機構、能夠影響決策的成功人士等，使得高行政等級的城市在提升城市效率方面更具優勢。通過比較模型(6)與模型(7)的拐點，模型(6)集聚水平拐點的絕對值為4.66，而模型(7)的拐點絕對值為1.03，這說明行政等級的集聚拐點要比制造業等級的集聚拐點滯后，從而出現集聚的擁擠效應時間滯后現象。這是由于行政等級高的城市擁有較高的權限和能力，能夠借鑒低等級城市“先行先試”經驗，獲得優質、高效、保障完善的政策支持，從而可以有效對城市的產業結構進行調整，最終出現制造業集聚的擁擠效應滯后的現象。

最后，從控制變量出發。城市人均資本水平的提升對城市綠色生產效率的改善具有顯著的促進作用，資本投入增加能夠有效進行設備更新換代、引進先進機器設備、增加對科技研發的投入力度，這些都能夠提升城市綠色生產效率。較高水平的城市人力資源能夠有效改善城市生產效率，這主要由于中國的人力資源結構形成了典型的梯度分布格局，具體主要表現在：核心城市匯集了大量高素質人才，中小城市以低技術水平工人為主，這正好與現階段制造業的分布格局相吻合。由于城市間的基礎設施水平和信息化水平存在顯著的“網絡外部性”，只有城市之間形成有效聯系的網絡才能有效發揮網絡的外部性，但是由于現階段城市在基礎設施建設、信息化水平提升等方面存在投資、建設獨立性問題，使得兩者的外部性作用并未得到有效發揮。在市場成為資源配置主要方式情況下，政府干預經濟力度的增強明顯阻礙了勞動力、資本的跨區域流動，這不利于城市間協作分工、利益共享，也不利于城市經濟增長；同時，政府在科技、教育領域的資金支持并未能夠有效發揮應有作用，因而需要建立完善的監管體系，使得科技教育資金能夠真正投放到科技研發領域。城市對外開放水平的參數估計顯著為正，但并未通過顯著性檢驗。經濟結構的估計系數為正，這表明在供給側結構改革下進行的城市轉型升級才能有效釋放城市經濟中的“結構紅利”，實現“勞動力紅利”向“結構紅利”的轉變，從而有效改善城市的生產效率。

(二)制造業與服務業協同集聚實證分析

經濟新常態下，中國的產業結構轉型升級主要以“五大發展理念”為支撐，把實現經濟、社會和環境效益的協同創新作為目標。2015年中國285個城市中，第三產業比重超過第二產業的數量為166個。城市產業結構的優化，對于振興現階段中國實體經濟，促進制造業與服務業的協調發展，改進中國城市在能源利用效率和環境保護力度至關重要。因而，本文將探討中國以制造業為主的城市經濟結構中制造業與服務業協同集聚對效率提升作用。借鑒程中華等(2017)的協同集聚公式，設定具體公式如下：

(13)

其中：MLQ為制造業區位熵；SLQ為服務業區位熵；COLQ表示服務業與制造業在城市內部經濟中的協同水平，服務業與制造業等級的交互項表示在制造業為主的城市結構中服務業與制造業協同集聚水平。制造業與服務業協同集聚對城市綠色全要素生產率的估計結果見表3所示。

表3 制造業與服務業協同集聚空間估計結果

注：*、**、***分別表示通過10%、5%、1%水平下的顯著性檢驗；括號內為t統計量。

由表3的估計結果可以看出，以制造業為主的城市中，制造業、服務業以及制造業、服務業不同組成部分*借鑒李海艦(2012)的分類方法，將租賃和商業服務業，信息傳輸、計算機服務和軟件服務業，科研、技術服務和地質勘查服務業，金融服務業4個行業化為高端服務業，其余10個服務行業歸為低端服務業。形成的協同集聚對城市綠色全要素生產率表現出相同的“U型”關系，且都至少通過5%的顯著性水平檢驗，因而中國城市制造業、服務業協同集聚和綠色生產效率表現出非線性關系。這主要原因是：服務業是在制造業充分發展基礎之上發展起來的，在服務業發展初期不同效率水平的服務業部門會在城市內部簡單“堆積”，這加劇了城市土地、勞動力、能源等有限供給的資源競爭程度，從而必然引起土地價格提高、工資水平上漲、能源消耗增加，造成制造業行業的生產成本上升和行業競爭力下降，使得城市能源效率下降和環境污染水平提升。根據城市經濟學的觀點，在城市土地面積供應一定情況下，高附加值的服務業必然要比制造業擁有更大的“競租”價格，這使得服務業向城市中心區位集中，以勞動、資源、資本等密集型為主的制造業行業逐步向外遷移，導致城市的“次中心”出現，形成城市新的產業分布格局；同時技術、知識等密集型制造業行業能夠與服務業具有緊密的產業聯系，進而形成更大的效率提升動力，從而有效提升城市生產效率。

從估計系數的絕對值大小來看，制造業與服務業不同組成部分的結果呈現顯著的差異性，這使得集聚拐點*本文對拐點的計算主要采用二次函數中對對稱軸的計算公式，具體公式為：對稱軸=-b/2a。所呈現的協同集聚水平并不相同。通過計算可知，制造業與服務業協同集聚的拐點絕對值為1.68，制造業與高端服務業的拐點為1.96，制造業與低端服務業的拐點為1.66，制造業與生產性服務業為1.87，這說明以制造業為中心的城市制造業與高端服務業的協同集聚能夠更快的實現由負效應轉向正效應，這也符合產業發展現狀。與其他方式相比，制造業與高端服務業的協同集聚更容易吸引先進技術，更能有效利用高素質人才，易于獲得金融資本支持，從而可以有效減少交易成本，實現制造業由粗放型向創新驅動型的轉變。生產性服務業在中國制造業發展過程中提供了高質量、低成本的中間投入品，而制造業為生產性服務業提供了廣闊的市場，兩者的互動發展使得產業轉型升級加速，進而有效提升了城市生產效率，從而使得兩者協同集聚的拐點出現的較早。對于低端服務業而言，低附加值、低水平勞動力為主的低端服務業在城市的集中，必然會加劇對城市生產要素的競爭，使得兩者出現協同組織重構、協同發展促進城市效率提升的滯后時間更長等現象，這使得協同集聚拐點出現比高端服務業要晚。最后，從制造業與服務業協同集聚拐點絕對值來看，其與低端服務業拐點相近，這說明現階段中國制造業與服務業的互動發展還停留在低附加值、技術水平較低的低端服務業與制造業互動的階段，與高端生產性服務業的協同發展存在明顯不足，這將極大限制高端服務業中高端技術溢出效應的發揮、高素質人力資本的跨產業流動，并不利于產業集聚對城市效率提升的作用最大化。因而，這就需要以制造業為主的城市在發展過程中要更加注重城市產業結構特點，選擇與城市制造業相符合的服務業部門，真正發揮制造業與服務業協同發展的“1+1>2”效應。

對于控制變量，估計系數的正負號與單獨考察制造業集聚的結果相似，只是在絕對值大小方面存在微小差異，這說明控制變量在城市生產效率提升過程的作用具有穩定性。

(三)穩健性檢驗

在現實狀況中，經濟發展水平高的城市對落后城市將會產生更大的影響和更強輻射作用，更加接近現實的是權重矩陣需要同時納入距離與經濟因素，因而本文將利用嵌套權重模型進行穩健性檢驗，嵌套權重的公式如下：

(14)

利用空間滯后模型(SAR)采用嵌套權重模型進行的穩健性檢驗的結果如表4所示。根據表4可知：制造業集聚、制造業與服務業協同集聚等核心解釋變量在估計參數大小、符號方向上均取得了與上述結果較為一致的結論，因此制造業等級差異下城市制造業集聚影響城市綠色全要素生產率具有穩健性。

表4 穩健性檢驗結果

注：*、**、***分別表示通過10%、5%、1%水平下的顯著性檢驗；括號內為t統計量。

六、結論與政策啟示

本文利用2004—2015年中國285個地級城市及地級以上城市面板數據，運用空間計量模型，從城市內外部兩個方面考察了制造業集聚對城市綠色全要素生產率的影響。研究結論顯示，從制造業內部地位看，制造業地位的提升對城市生產效率的作用結果具有先增后減的趨勢；從制造業區域等級來看，制造業在區域經濟中的地位對城市能源、環境效率呈現“U型”關系；綜合考慮制造業內外部地位的集聚水平，隨著集聚水平的提升，其對城市效率的作用由正轉為負；由于行政等級高的城市權限能力較高，制造業等級下的城市制造業集聚更容易出現擁擠效應，導致城市綠色全要素生產率下降。由于中國城市面臨產業轉型壓力，使得以制造業為主的城市的服務業不得不重新進行結構調整，制造業、服務業以及制造業與服務業不同組成部分形成的協同集聚對城市綠色全要素生產效率表現出相同的“U型”關系，但是基于制造業與服務業協同集聚的拐點與低端服務業拐點相差不大。

本文實證結果的主要政策啟示為：

第一，以地方特色化產業集聚建設為抓手，實施差異化的節能減排政策。面對不同制造業發展階段的城市，制定差異化的節能減排政策，統籌兼顧產業發展的市場績效與環境績效。對于制造業集聚處于后期的城市而言，引導制造業進行區域轉移，持續加強環境規制強度，積極推進政府與市場“兩手抓”的節能減排管理模式，避免出現通過制造業轉移來規避環境規制；對于制造業發展水平較低的城市，通過對周邊落后城市的資金與技術幫扶制度，加強環境規制監督的力度，避免出現污染性產業向落后地區轉移，從而實現效率提升與節能減排的協調進步。

第二，城市產業結構調整以制造業發展特征為準，應適應制造業區域產業鏈特點。根據城市制造業區域價值鏈特點與結構調整趨勢，積極引導服務業的不同部門在不同城市進行梯度發展，以形成更具效率的產業協同發展格局。制造業發展規模較大的城市，優先以高端投入為特征的金融、商業等高端服務業作為主要的產業結構調整方向，這樣能夠更快的發揮出制造業與服務業協同集聚的空間溢出效應；對于制造業發展相對落后的城市而言，要注重生產性服務業的發展，提升制造業發展的服務保障，形成良性互動關系；同時，要避免低端服務業與勞動密集型制造業行業的勞動力資源競爭，形成制造業與服務業在勞動力豐富地位的錯位發展。

第三，要對城市產業空間分布進行宏觀調控，積極發揮制造業集聚效率提升的空間溢出效應。政府應確立不同規模城市的功能等級，明確城市間制造業發展的戰略性地位，避免城市間重復建設與惡性競爭，積極走集群化、錯位化、創新導向的制造業發展策略。國家級中心城市或區域性核心城市應當積極為周邊中小城市提供知識和技術支撐，使之成為區域經濟增長甚至是國家經濟發展的“技術池”或“智力區”；對于中心城市而言，應當立足于城市資源稟賦、比較優勢積極進行制造業轉型升級，同時要與鄰近城市形成功能互補的制造業分工格局。

薄文廣. 2007. 外部性與產業增長：來自中國省級面板數據的研究[J]. 中國工業經濟(1):37-44.

陳杰,周倩. 2016. 中國城市規模和產業結構對城市勞動生產率的協同效應研究[J]. 財經研究(9):75-86.

程中華,李廉水,劉軍. 2017. 產業集聚有利于能源效率提升嗎[J]. 統計與信息論壇(3):70-76.

程中華,張立柱. 2015. 產業集聚與城市全要素生產率[J]. 中國科技論壇(3):112-118.

范劍勇,馮猛,李方文. 2014. 產業集聚與企業全要素生產率[J]. 世界經濟(5):51-73.

柯善咨,趙曜. 2014. 產業結構、城市規模與中國城市生產率[J]. 經濟研究(4):76-88，115.

李海艦. 2012. 《中國高端服務業發展研究》評介[J]. 中國工業經濟(4):160.

李澎,劉若陽,李健. 2016. 中國城市行政等級與資源配置效率[J]. 經濟地理(10):46-51，59.

李偉娜. 2017. 產業結構調整對環境效率的影響及政策建議[J]. 經濟縱橫(3):54-58.

魯志國,汪行東. 2017. 城市規模與經濟密度對城市經濟效率的影響[J]. 城市問題(2):52-60.

秦炳濤. 2014. 中國區域能源效率研究：地級市的視角[J]. 世界經濟文匯(1):95-104.

石大千,張衛東. 2016. 城市規模是否提高了城市生產率[J]. 華東經濟管理(9):49-54.

孫慧,朱俏俏. 2016. 中國資源型產業集聚對全要素生產率的影響研究[J]. 中國人口·資源與環境(1):121-130.

王垚,王春華,洪俊杰,等. 2015.自然條件、行政等級與中國城市發展[J]. 管理世界(1):41-50.

王麗麗. 2012. 集聚、貿易開放與全要素生產率增長：基于中國制造業行業的門檻效應檢驗[J]. 產業經濟研究(1):26-34.

汪偉,劉玉飛,彭冬冬. 2015. 人口老齡化的產業結構升級效應研究[J]. 中國工業經濟(11):47-61.

魏后凱. 2014. 中國城市行政等級與規模增長[J]. 城市與環境研究(1):4-17.

于斌斌. 2016. 中國城市生產性服務業集聚模式選擇的經濟增長效應：基于行業、地區與城市規模異質性的空間杜賓模型分析[J]. 經濟理論與經濟管理(1):98-112.

張公嵬,陳翔,李贊. 2013. FDI、產業集聚與全要素生產率增長：基于制造業行業的實證分析[J]. 科研管理(9):114-122.

張軍,吳桂英,張吉鵬. 2004. 中國省際物質資本存量估算:1952—2000[J]. 經濟研究(10):35-44.

趙偉,張萃. 2008. 中國制造業區域集聚與全要素生產率增長[J]. 上海交通大學學報(哲學社會科學版)(5):52-56，64.

ADES A F, GLAESER E L. 1995. Trade and circuses: explaining urban giants [J]. Quarterly Journal of Economics, 110(1):195-227.

BODE E. 2004. Productivity effects of agglomeration externalities [R]. Third Spatial Econometrics Workshop.

BRULHART M， SBERGAMI F． 2009. Agglomeration and growth: cross-country evidence [J]． Journal of Urban Economics， 65(1):48-63．

CAINELLI G, LEONCINI R. 1999. Externalities and long-term local industrial development：some empirical evidence from Italy [J]. Revue Deconomie Industrielle, 90(1):25-39.

CINGANO F, SCHIVARDI F. 2004. Identifying the sources of local productivity growth [J]. Journal of the European Economic Association, 2(4):720-742.

DAVIS J C, HENDERSON J V. 2003. Evidence on the political economy of the urbanization process [J]. Journal of Urban Economics, 53(1):98-125.

FARE R， GROSSKOPF S， PASURKA C A． 2007. Environmental production functions and environmental directional distance functions [J].Energy, 32(7):1055-1066．

HENDERSON J V. 2001. Marshall′s scale economies [J]. Journal of Urban Economics, 53(1):1-28.

HULTEN C R, BENNATHAN E, SRINIVASAN S. 2006. Infrastructure,externalities,and economic development: a study of the Indian manufacturing industry [J]. World Bank Economic Review, 20(2):291-308.

MILLER S M， UPADHYAY M P． 2000. The effects of openness,trade orientation and human capital on total factor productivity [J]． Journal of Development Economics， 63(2):399-423．

OTSUKA A, GOTO M, SUEYOSHI T. 2010. Industrial agglomeration effects in Japan: productive efficiency,market access,and public fiscal Transfer [J]. Papers in Regional Science, 89(4):819-840.

OTTAVIANO G I P, PINELLI D. 2006. Market potential and productivity: evidence from finnish regions [J]. Regional Science & Urban Economics, 36(5):636-657.

SEGAL D. 1976. Are there returns to scale in city size [J]. Review of Economics and Statistics， 58(3)：339-350.

SVEIKAUSKAS L. 1975. The productivity of cities [J]. Quarterly Journal of Economics, 89(3):393-413.

USAI S, PACI R. 2001. Externalities and local economic growth in manufacturing industries [R]. University of Cagliari and Sassari Working Paper CRENOS, No.200113.