粵港澳大灣區制造業要素集聚與創新效率聯動研究

張向榮

1（深圳大學中國經濟特區理論研究中心， 深圳 518031）2（深圳市科技開發交流中心， 深圳 518031）

引言

產業經濟學中最顯著的地理特征問題即為產業集聚問題。波特認為，產業的空間集聚是構建一國（地區）核心競爭優勢的主要因素。隨著經濟全球化的發展，中國制造業的空間格局形成了明顯的“東傾”現象，并通過規模經濟和學習效應顯著促進了沿海地區產業經濟的發展，在這一過程中，粵港澳大灣區作為擁有我國最發達城市群、世界級海港群和空港區的代表性東部區域，實現了經濟與產業發展的騰飛［1］。但進入21 世紀后，中國東部沿海地區制造業的“產業同構”現象越發嚴重，謝子遠和吳麗娟（2017）指出，制造業資本、人力及技術要素的過度集聚，不僅導致了管理成本的迅速上升，也因為產品的同質化降低了制造業的邊際利潤，出現了非均衡發展下的“擁擠效應”，嚴重削弱了我國整體產業競爭力，使得相關區域制造業發展陷入瓶頸［2］。對粵港澳大灣區而言，如何調整產業結構，實現城市間合理的要素分配和產業分工，將成為實現粵港澳大灣區未來突破式發展的核心問題。

創新是產業發展的核心要素和利潤之源。任治（2017）認為，當前我國的制造業發展水平較低，整體處于全球利潤鏈的下游［3］，且嚴重被西方發達國家的“低端鎖定”戰略所制約，提升制造業在全球產業鏈中的位置，已經成為全社會的共識。但地理層面的要素集聚現象對制造業的創新轉變產生了難以估量的外部性影響（張虎和韓愛華，2017）［4］。胡彬和萬道俠（2017）針對當前中國制造業產業集聚中較為普遍的擁擠效應及轉型升級困境，考察了產業集聚對制造業企業技術創新模式的作用，研究證明產業集聚顯著降低了企業選擇高端創新模式的概率［5］。張萬里和魏瑋（2018）的分析中指出，引入非期望產出的制造業集聚與效率并非呈簡單的正向線性關系，他們將制造業分為集聚推進型、集聚遞減型和過度集聚型，部分制造業出現一個甚至多個門檻值，說明東部擁擠和西部能源利用效率低已經嚴重阻礙當地經濟發展，提高創新效率是解決收入差距的關鍵［6］。創新效率顯著關聯于要素集聚已經是不爭的事實，但我國許多區域在實現創新效率提升的過程中，依然忽視要素集聚的作用，造成了過度集聚現象下的創新實踐失敗。

對于要素集聚現象的實踐的偏差也與學理認知不足有著緊密關聯。我國大量學者已經認識到產業集聚過程中的負外部性問題，如沈能等（2014）從行業異質性視角入手，引入過度集聚帶來的擁擠效應重新考察中國制造業全要素生產率的變化，并采用非線性門限回歸模型考察不同類型產業集聚效應的門檻特征并確定最佳的轉移時機和區位選擇［7］。研究表明：產業集聚對行業生產率的影響并非單調，而是隨著產業集聚度由弱變強，會對行業生產率產生先提高后降低的影響，且具有顯著的三重非線性門檻特征。唐曉華等（2017）基于區位基尼系數、地理集中度、全局莫蘭指數探究我國制造業的空間關聯模式，發現我國制造業集聚存在典型的“倒U 型”結構，且呈現出由東到西“聚集-離散-聚集”的地理分布［8］。王翔（2017）指出，由于制造業的技術構成、產業周期與資源稟賦情況不盡相同，處于不同技術效率下的產業對要素的利用也產生了較大差別，對于某一集聚水平下的制造業進行“擁擠”和“適度”的判斷時，需要從更為微觀的層面觀察各個分行業的技術效率［9］。本文擬從要素集聚與創新效率的異質性特征和非線性特點出發，確定粵港澳大灣區的要素集聚與創新效率的關聯特征，進而對粵港澳大灣區未來的最優要素投入（產業轉移）政策提供參考。

1 變量選取及數據來源

本文的核心解釋變量包括全要素生產率（TFP）與產業集聚度（G），被解釋變量為創新效率（CE）。全要素生產率從“投入-產出”角度衡量了制造業的集聚效率；而產業集聚度則從“空間密布”角度衡量了制造業的集聚水平，兩者能夠全面的分析企業內部要素集聚的優度。而創新效率衡量了單位投入“輸入-輸出”的比例優化情況。下面分別解釋兩個解釋變量及被解釋變量的計算過程。

全要素生產率。對于全要素生產率的計量，Malmquist 方法已經成為衡量制造業累積增長率的統一指標。Malmquist 全要素生產率指標基于決策單元的投入-產出效率評價，并納入距離函數分析要素間的分布情況，李永周和韓波（2018）指出，指標不僅解決了制造業中不同產業生產函數形式不統一的問題，還避免了生產無效率項在原始函數中可能造成的計量誤差［10］，通過簡單的投入產出數據從根本上解析生產函數的技術效率情況，從而不必受到要素價格信息的干擾，廣泛適用于面板數據的分析。假定投入產出間隔為1 期，起始期為t期，Malmquist 全要素生產指數可以表示為：

式（1）中，xt，yt表示t期的投入和產出向量，xt＋1，yt＋1為下一期的投入產出向量；則表示以技術值Tt為參照的距離函數。

進一步假定短期內存在規模報酬不變，Malmquist 指數可以進一步分解為技術效率變動（TC）和技術進步（TP）指數。盧燕群和袁鵬（2017）認為，技術效率不同于創新效率，是指各個決策單元向技術前沿面遷移的距離，當決策單元越靠近前沿面，就越能夠實現既定技術水平下最大產出的可能［11］，而創新效率的增長，則是指全產業技術水平因創新而產生增長的過程。Malmquist 指數的技術效率分解過程如下：

產業集聚度。從地理經濟學角度來看，產業的集聚包含了空間角度的聚合以及產業相似度的提升過程，陶長琪和彭永樟（2017）指出，隨著單一產業在區域產業中比例的提升，產業相似度的提升不僅能夠帶來“規模效應”，也有可能引起廣泛競爭情況下的“擁擠效應”［12］。對此，本文選用克魯格曼提出的中性空間指標“空間基尼系數”來衡量制造業的產業集聚度，該指標的計算方向如下：

式（3）中，ski和skj分別代表區域i和區域j中k產業的占比，n是區域的總數；表示k產業在所有區域占比的均值。空間基尼系數值處于［0，1］的范圍中，當各個地區占比與均值一致時，基尼系數等于0；當所有k產業的銷售占比均集中于某一地區時，基尼系數等于1。對該地區本身而言，空間基尼系數的上升代表該地區某一產業的集聚水平上升。

科技創新效率（CE）。對于制造業的分行業創新效率，本文借鑒孫曉華等（2018）的方法［13］，采用超效率DEA 方法進行測度，該方法假定在C2R模型中存在n個決策單元（DMUj），每個決策單元存在m種輸出和s種輸出情況，xij＞0 表示第j個決策單元DMUj的第i種輸出類型的輸入量，其中xj＝（x1j，x2j，…，xmj）T，yj＝（y1j，y2j，…，ysj）T。由此，判斷各個決策單元有效性的超效率DEA 模型可以寫作：

運用式（2）～（4），本文計算得到了粵港澳大灣區制造業2000～2018 年的28 個分行業的技術效率變動（TC）、技術進步（TP）、產業集聚度（G）及創新效率（CE）。本文參照沈能等（2014）的設定［7］，將制造業的28 個分行業分為4 類子產業：勞動密集型產業、資本密集型產業、技術密集型產業和資源密集型產業，分類情況如表1 所示。

本文設定投入向量為各個行業的固定資產凈值和勞動力人數，產出指標為工業增加值，產業占比指標為銷售額比例，為了消除價格效應造成的統計誤差，采用固定資產價格對相關變量進行了平價處理。在創新效率的計算過程中，根據數據可得性因素，選取制造業科技活動人數（R＆D活動人數）和科技與研發支出（R＆D 經費內部支出）兩類指標作為創新投入指標，以專利申請數作為創新產出指標。孟衛東和傅博（2017）的研究證實，科技創新的影響不僅存在于當期，而是會在一段時間內對產業發展形成促進作用［14］，應該采用存量數據（而非流量數據）進行估計，故需要引入永續盤存法計算科技投入的存量數據，本文以2000 年為基期，計算了科技經費的存量數據：

增強班級的凝聚力，在農村來說，說起來容易，但作起來難．只要我們大家能勇于創新，勇于研究，不斷地發現困難，總結經驗，相信會建立起一個生機勃勃的班集體．班集體的凝聚力的強弱則可以反映班風、學風的優劣。一個優秀的有凝聚力的班集體應該是有共同目標、有組織核心、有正確輿論、有旺盛士氣的集體。

表1 制造業的4 類子行業（根據要素種類分配）

式（5）中，K代表研發活動資本存量，E代表研發活動固定資產購建費，δ代表研發活動資本存量的折舊率。同時綜合相關研究的設定，R＆D資本存量一般為15%，其中基期研發活動資本存量用以下公式進行估計：

粵港澳大灣區城市群包含廣東省的廣州、深圳、珠海、東莞、佛山、惠州、中山、江門、肇慶9 個城市，以及香港和澳門特別行政區，總計11 個城市。原始統計數據來自《廣東省統計年鑒》、《香港統計年鑒》 及《澳門統計公報》，變量計算結果如表2 所示。

由表2 可見，2000～2018 年，粵港澳大灣區制造業的平均全要素生產率為1.1081，表明粵港澳地區制造業的平均產出水平較高，行業內部的技術效率處于高效率層次。與之對應的是，全要素生產率的分解指標技術效率（TC）和技術進步（TP）分別為1.0955 和1.0270，兩者均高于1，說明粵港澳區域的制造業仍處于技術前沿區間。本文還納入了要素比例（CAP）、直接投資（FDI）、市場化水平（MAR）3 個控制變量，以消除宏觀性經濟變量對制造業要素集聚的影響，要素比例根據資本投入／勞動投入衡量；直接投資數據以外商直接投資總額／行業總資產衡量；市場化水平采用了《中國分省份市場化指數報告》 中的城市市場化水平數據。

表2 2000～2018 年粵港澳大灣區4 類制造業相關數據

2 要素集聚對創新效率的異質性分析

2.1 模型設定

在確定核心指標的基礎上，進一步構建分析要素集聚與創新效率相關性的模型，需要深入結合相關經濟理論。制造業要素集聚對創新效率的變動存在顯著的“異質性”影響，由于制造業要素的集聚，相關產業在區域內比例的集中，有助于形成“規模效應”，幫助企業降低單位成本，提升邊際收益，并促進相關企業的市場競爭力（楊蕾和杜鵬，2017；梁涵，2018）［15，16］。另外，制造業要素的集聚具有較為明顯的負外部性，不僅會削弱周邊區域的市場聯動性，還會因為市場“擁擠效應”而降低市場活力，增加環境負擔，進而形成大量的損耗（陶長琪和周璇，2016）［17］。由此，本文就要素集聚與創新效率的異質性問題展開分析，通過上文中構建的4 類制造業子行業，分析要素集聚與創新效率之間的關系，計量模型設定如下：

式（7）中，除了設定核心解釋變量及控制變量的影響水平外，考慮到集聚效應在時序上會產生影響，還設定了各個核心解釋變量的滯后項，由于TFP實質上被分解成TC和TP兩個變量，在計量模型中為避免共線性，僅僅量化估計TC和TP變量對應的相關性，模型中不存在TFP項目。以往的研究在分析要素集聚的異質性問題時，往往忽視空間相關性問題，根據關興良等（2016）的研究結論，空間數據一定存在強弱不等的空間依賴性，相同地理經濟區的城市之間，發展不可避免地會相互影響［18］，對此，本文進一步引入空間滯后模型（SLM）分析粵港澳經濟區城市間的空間沖擊情況，基礎公式如下：

其中，y是被解釋變量；X為一個n*k的系數矩陣；λ為空間自回歸系數，用以分析鄰近區域的被解釋變量y對本區域內部被解釋變量y的影響程度；W為空間權重矩陣，本文采用服從0～1分布的空間鄰接矩陣；ε為模型可能產生的隨機誤差向量，服從正態分布。

2.2 回歸結果

在Stata 12.0 的軟件環境下，根據模型（7）、（8）及上文中計算得出的各項數據，對粵港澳大灣區制造業要素集聚與創新效率的異質性進行實證分析，結果如表3 所示。由表3 可見，模型中的空間參數（λ）通過了1%的顯著性檢驗，表明粵港澳大灣區制造業的要素集聚具備顯著的空間外部性特征，區域內部各個城市的制造業要素集聚會顯著影響其他城市的發展，空間參數均為正值，說明粵港澳地區各個城市制造業的空間集聚影響具備“協同效應”而非飽和市場下的“擠出效應”，各個城市的生產率較高，且市場仍未達到相互擠出的瓶頸。

由表3 的回歸結果可以得出以下兩個方向的相關結論：（1）核心解釋變量。粵港澳制造業全樣本回歸結果表明，當期與滯后一期的聚集度變量（G）與創新效率顯著正相關，關聯強度隨著時間推移有所下降，表明制造業要素集聚能夠顯著提升粵港澳大灣區的科技效率。分組檢驗結果表明，聚集度的促進效應具備顯著異質性，對技術密集型、資本密集型和資源密集型制造業依然存在顯著的正向影響，但強度并不一致；對勞動密集型制造業存在顯著的負向影響，表明粵港澳大灣區的勞動密集型制造業要素集聚已經出現了顯著的“擁擠效應”，需要向周邊區域疏散部分勞動密集型制造產業。從技術效率（TC）變動的變量回歸來看，全樣本回歸同樣與創新效率間存在正向聯系，但未通過顯著性檢驗，表明技術效率變動與科技效率增長間并未存在內在聯系，分樣本回歸中，技術效率與聚集度變量存在類似的異質性關系，對勞動密集型制造業存在顯著負向影響，說明要素集聚的擁擠效應不僅不利于科技效率的發展，而且對現有技術的利用也會造成不利影響，隨著勞動力資源的集聚，相關產業需要投入的訓練成本大大增加，進而降低了行業整體的邊際產出；（2）相關控制變量。要素比例（CAP）變量僅僅對技術密集型產業產生了顯著的正面影響，說明技術密集型產業對要素的分配反應相對敏感，要素結構的優化能夠促進技術密集型產業內部效率的提升。外部直接投資（FDI）變量對粵港澳地區的制造業全樣本、勞動密集型及資源密集型制造業產生了顯著的負面影響，說明粵港澳地區的資本相對充裕，外資的進入不僅無法提升行業技術效率，反而會加劇市場上的異質資本間的技術沖突，進而降低本土企業的創新效率。市場結構（MAR）變量對勞動密集型和資本密集型產業產生了顯著的正面影響，說明粵港澳地區

的勞動密集型產業和資本密集型產業存在一定的市場結構問題，行業外溢能力較差，對本地市場的依賴性較強，當市場結構改善時，這兩類制造產業會顯著改善科技創新效率。市場結構變量對技術密集型產業產生了一定的負面影響，說明技術密集型產業的市場結構相對均衡，在此基礎上改變相關產業的結構會造成一定的負面影響。

表3 制造業要素集聚對創新效率的GMM 估計結果

3 要素集聚對創新效率的非線性效應

3.1 模型設定

由上文的異質性分析不難發現，制造業要素集聚與創新效率之間存在行業間的異質性，同時隨著集聚度的上升，制造業創新效率本身也存在非線性的增長過程，要素集聚對創新效率的影響存在顯著的“門檻效應”，這也為產業集聚最佳水平的確定提供了依據，對此，本文進一步設定門檻效應模型，分析要素集聚與創新效率之間的非線性關系。具體采用Hansen（1999）提出的門限檢驗模型，該模型不僅能有效確定門檻的存在性，還能夠對內生門檻效應及交叉效應進行檢驗，從而估計門限的個數及大小，考慮到技術效率和技術進步作為分解變量，無法通過門檻檢驗的基本假設，本文采用產業集聚度（G）設定非線性門檻，刪除模型（7）中全要素生產率相關變量，并納入門檻值及交叉值，模型設定如下：

式（9）中，λ1、λ2、λ3、…、λn均為門檻值，I（G）為門檻值上下所對應的要素函數，由此將要素集聚的影響劃分為多個區間。

3.2 回歸結果

在Stata 12.0 的軟件環境下，對要素集聚度與科技創新效率進行門限檢驗，首先需要判定粵港澳大灣區制造業是否存在門檻以及門檻值的大小，采用Bootstrap 抽樣2000 次，門檻檢驗結果如表4 所示。

表4 門檻形式估計情況

由表4 結果可見，雙重門檻形式檢驗處于99%的置信區間內，相比于單一門檻檢驗的95%的置信水平更加顯著，說明了雙重門檻的適用性。而三重門檻檢驗結果并不顯著，自抽樣檢驗下各個分行業的雙重門檻值如表5 所示。

表5 分行業雙重門檻值

根據雙重門檻將原始樣本進一步分為8 個組別，再進行門限回歸，由此可以得到如表6 所示的回歸結果。

表6 分行業門限回歸結果

續 表

對于粵港澳大灣區制造業的要素集聚效應而言，與前一部分異質性檢驗類似的是，勞動密集型行業存在明顯的負相關性，其余是3 類分行業的關聯性顯著為正。但通過表6 的回歸結果可以看出，要素集聚對創新效率的影響并非線性過程，其影響系數因為行業和區間的不同而產生顯著的非單調變化，隨著要素集聚水平的提升，會出現先增長、后下降的過程。

4 結論及建議

粵港澳大灣區建設已經寫入十九大報告與政府工作報告，關系著我國國家戰略發展，但粵港澳大灣區制造業突出的結構性問題，仍需要從多個方向進行解決。本文從制造業要素集聚的多重影響入手，基于粵港澳大灣區2000～2018 年的城市數據，分析粵港澳大灣區要素集聚過程中對創新效率的異質性影響，并通過門限回歸模型分析了產業集聚度的多重門檻特征。研究表明：（1）粵港澳大灣區制造業尚未觸及要素集聚的飽和值，要素集聚過程對創新效率產生了顯著的正向影響，但這一影響系數在制造業的分類別分析中是有所差異的；（2）從制造業分類結果來看，粵港澳大灣區的勞動密集型和資源密集型制造業已經開始出現集聚過度情況下的“擁擠效應”，兩個區域的全要素生產率與集聚度對創新效率存在顯著的負向影響；（3）門限回歸結果表明，粵港澳大灣區制造業要素集聚與創新效率的聯動中存在顯著的“倒U 型”結構，要素集聚與創新效率之間存在一個最優的聯動水平。

實現我國粵港澳大灣區的產業經濟發展，調整產業結構，并促進城市之間更加合理的產業分工，應該從以下幾個角度展開：（1）在具備要素集聚空間的城市促進要素集聚，在出現要素擁擠的城市實現要素出清。要素集聚是創新效率提升的主要動力，在資源基礎較差的區域發展科技創新，會顯著提升制造業的技術價值，并顯著拉動創新效率的提升，當要素集聚提升到一定程度，要素投入與創新效率間達到最優水平，兩者之間的聯動能夠互相促進；（2）制定符合最優要素聯動水平的發展戰略，通過制造業要素的合理搭配，完善要素集聚的最優結構，實現創新效率的增長。粵港澳大灣區的產業發展離不開創新效率的支持，所以需要確定最優要素投入以保障最優的創新效率聯動水平；（3）針對粵港澳大灣區制造業的分行業異質特征，應該有的放矢，根據相關行業與創新效率的關聯水平進行針對性改良。粵港澳大灣區的勞動密集型產業的技術效率和資源集聚程度均觸及瓶頸值，說明產生的過度集中已經對產業經濟發展造成了傷害，應該轉移部分產業至周邊地區，并盡快分散區域內部已有的勞動密集型企業，資源密集型產業觸及了技術升級和技術進步的瓶頸值，說明資源密集型產業的全要素生產率因為“擁擠效應”產生了下滑，并限制了創新效率的發展，在治理資源密集產業過程中應該從要素生產角度入手，實現現有技術水平下的產出優化。