劉冬萍

(合肥師范學院 經濟與管理學院，安徽 合肥 230001)

1 理論梳理與研究假設

1.1 理論梳理

國內外學者對產業集聚的生產要素配置效應研究已經比較充分，相繼出現集聚規模經濟論、生產要素擁擠論、集聚生命周期論三種不同的觀點.

集聚經濟理論：規模經濟效應 該理論認為產業集聚促進了勞動力、資本、技術以及市場環境等生產要素的集中和優化，形成了內部規模經濟從而降低企業生產成本.[1-3]同時，還產生了知識外溢和技術外溢等外部規模經濟，不斷帶來經濟體內創新產出和技術進步，提高了要素配置效率(勞動生產率)，促進集聚區的經濟增長.

國內有關產業集聚對生產要素配置和經濟增長影響的研究起步較晚，多是對國外有關理論的延伸和實證檢驗，并且認為產業集聚對生產要素配置效率有正向影響. 如范劍勇利用2004年我國276個城市數據，實證發現非農產業集聚對勞動生產率具有顯著的促進作用[4]；劉修巖基于2003—2006年我國211個地級市的面板數據，通過工具變量法研究發現，就業密度、專業化水平等集聚因素對非農勞動生產率有顯著正向影響[5]；張治棟等運用安徽省縣域面板數據，也得到了集聚能顯著促進工業增長的結論[6].

集聚不經濟理論：擁擠效應 該理論認為隨著行業在一定程度上集聚，同類企業對勞動力、資本等生產要素的需求快速增加，造成要素價格上漲，生產成本上升；另一方面，同類企業的高度集聚還會帶來過度競爭，造成低利潤或負利潤等不經濟現象.[7-9]同時，集聚區基礎設施、自然環境的承載力是有限的，過度集聚也會造成難以承載等問題，如交通擁堵、環境污染、生態破壞.

隨著我國東部沿海集聚區內勞動力成本上漲、交通擁擠、過度競爭等問題的出現，國內學者發現各集聚區在獲取了規模經濟的同時，也產生了各種形式的集聚不經濟. 如王緝慈等通過對沿海地區外向型產業集群的分析發現，產業集聚過程中出現了“逐底競爭”的無序現象[10]；唐根年等研究發現部分制造業呈現聚集過度、生產要素擁擠的現象，生產要素配置效率存在損失[11]；胡浩然等也驗證了擁擠效應的存在[12-14].

集聚生命周期理論：適度規模 該理論認為在集聚早期，規模經濟效應遠大于擁擠效應. 隨著集聚的加深，擁擠效應不斷增大. 在規模經濟效應和擁擠效應達到動態平衡時，集聚的總效應在某地區達到最高(拐點)，之后過度集聚便會出現阻礙生產要素有效配置的現象.[15-17]

近年來，國內學者開始對我國產業集聚的適度規模和最優集聚度問題進行了探索性研究. 周圣強等利用面板數據門限回歸法實證分析了產業集聚與全要素生產率的倒“U”型關系，并測算了“拐點”，但并未考慮資源能源消耗、環境污染等因素[18]；潘雅茹等研究發現區位熵低于1.45時，產業集聚會對全要素能源效率有顯著正向影響；高于1.45時，則會抑制全要素能源效率的提升，二者現存在穩健倒“U”形關系[19]；李駿等驗證了產業集聚的“拐點”效應[20].

1.2 研究假設

通過梳理可以看出，規模經濟論強調產業集聚對生產要素配置效率的正向促進效應，而集聚擁擠論則分析了負向阻礙效應. 相對而言，集聚生命周期論對產業集聚的正負效應及其相互作用機制進行了深入剖析，比較全面，更加符合當前實際，即產業集聚并不總是有效的，存在適度集聚規模. 當前，隨著皖江承接產業轉移示范區、長江經濟帶等國家政策的全覆蓋，安徽省制造業產業集群日益增多，截止2018年底，已形成209家省級產業集群專業鎮. 張晴運用安徽各地市面板數據實證驗證了戰略新興集聚對區域經濟競爭力有顯著促進效應[21]. 然而，在取得規模經濟的同時，安徽也出現了資源開發過度、污染轉入等不經濟現象[22]. 那么，安徽制造業集聚對生產要素配置效率的影響是否也存在“拐點”？

基于此，本文提出假設：

制造業集聚與生產要素配置效率呈倒U型關系. 當集聚規模處于較低水平時，規模經濟占主導作用，集聚規模的提高有利于提升要素配置的效率，屬于集聚的要素配置效應提升階段，此時會吸引更多企業進入集聚區；規模持續擴大后，過多的企業集聚將使企業資源消耗及生產要素價格上升，逐漸超出集聚區的承受能力，出現資源成本上升等要素擁擠現象，阻礙要素的有效配置，直到完全抵消了規模經濟，達到動態平衡(臨界點)，此時生產要素配置的效率達到最大；當集聚規模超過動態平衡時的臨界點之后，要素擁擠帶來的效率降低占據主體，進入要素配置的效率下降階段.

2 模型構建與變量說明

2.1 模型構建

本研究借鑒周圣強和朱衛平的方法[18]，以全要素生產率來衡量生產要素的配置效率[21]，建立制造業集聚的要素配置效應模型為

TFPjt=β0+β1·Aggjt+γ∑Xjt+μj+εjt

(1)

其中，t代表時期，j代表行業，TFPjt為行業的全要素勞動生產率(基數為1)；Aggjt為產業集聚指數，考慮到單一測度指標的局限性，本研究分別將地理集聚指數(EGjt)、區位熵(LQjt)和空間基尼系數(Gjt)納入模型中進行檢驗；Xjt為其他控制變量，μj表示個體效應，εjt為隨機干擾項. 為了提高模型的準確性，對全要素勞動生產率及控制變量取對數，以降低樣本離散程度. 同時，考慮到產業集聚對全要素生產率的非線性影響，在模型中依次加入產業集聚的二次項、三次項，修正模型為

(2)

針對該模型，本文首先采用靜態面板固定效應估計進行檢驗，然后運用動態面板(系統GMM)方法再次進行估計，旨在通過不同估計方法，對結果的一致性進行評估. 其中，靜態面板估計中的個體效應能夠得到有效體現，但可能存在內生性問題，系統GMM則以滯后一期項為工具變量，能很好的解決內生性問題.

2.2 變量說明

2.2.1 全要素勞動生產率(TFPj)本文以全要素生產率(TFP)作為衡量勞動生產率的指標，采用基于產出的非參數數據包絡分析-馬奎斯特指數法(DEA-Malmquist)來測度各行業全要素生產率(TFP)的變化情況.j行業的全要素生產率指數計算公式為

(3)

距離函數Dc、Dv恰好為數據包絡分析法(DEA)中CCR模型和BCC模型中最優值的導數. 因此，可利用DEA方法求解出ΔTFPj指數. 本文利用Deap2.1軟件進行DEA-Malmquist測算. 產出指標為產值，采用各行業規模以上工業總產值衡量，并用工業生產者出廠價格指數平減得到各行業剔除價格因素后的實際值. 投入指標為資本和勞動力，其中勞動力投入采用制造業各行業全部從業人員年平均人數來衡量；資本投入采用制造業各行業固定資產投資合計來衡量，并用固定資產投資價格指數進行平減處理. 需要說明的是，由于Malmquist指數法測算的指標并不是各年的當量，而是相對于上一年的變化. 因此，為了便于實證檢驗，以基年全要素生產率為基數，設定為1，則以后各年TFPj為上年的全要素生產率乘以當年的ΔTFP.

2.2.2 集聚程度(EG、LQ、G)本研究分別采用行業地理集聚指數(EGjt)、行業區位熵(LQjt)和行業空間基尼系數(Gjt)作為關鍵解釋變量，來檢驗制造業集聚對全要素生產率的影響.

假設某地區有m個地市、n個產業，則j產業的EG指數計算公式為

(4)

其中，EGjt代表j產業的EG指數；sijt為t時期i市j產業的規模占該產業總規模的比重，xit表示t時期i市所有行業總規模占該地區總規模的比重.Hjt為t時期該地區j產業企業規模分布的赫芬達爾指數，采用關愛萍等的替代性辦法[23]測算，即

(5)

其中，ouputijt為t時期產業j在i市的產值，ouputjt為t時期產業j在全省的總產值，kijt為t時期產業j在i市的企業單位數.

行業區位熵(LQjt)與各地區制造業專業化水平不同，但計算方式類似，即

(6)

其中，j表示行業，Pjt、TPjt分別表示安徽省和全國t時期j行業的總產值；Pt表示t時期安徽省制造業總產值；TPt表示t時期全國的工業總產值，LQjt表示相對于全國來說，t時期j行業的集聚專業化水平.

行業的空間基尼系數(Gjt)計算公式為

(7)

其中，Sijt代表i地區j行業t時期產值占全省該行業比重，xit表示i地區產值占全省總產值的比重.Gjt為安徽省j行業t時期的基尼系數，取值介于0～1，值越大，表示該行業在地理上的集聚程度越高，即產業在地理上愈加集中.

2.2.3 其他控制變量1)市場化水平(MLjt) 用各行業總產值減去國有控股工業企業產值后與該行業總產值之比來衡量. 2)外商投資企業產出占比(Fjt) 用各行業外商投資企業產值占該行業總產值的比重衡量. 3)企業平均規模(ASj) 采用各行業總產值與規模以上企業數之比來衡量，產值采用工業生產者出廠價格指數(以2010年為基年，記為100)平減.

2.3 數據來源與描述統計

本研究采用2010—2017年安徽28個兩位數制造業行業面板數據作為樣本. 考慮到2012年行業分類體系的變化，將之前的橡膠制品業與塑料制品業合并為橡膠與塑料制品業，將之后的汽車制造業和船舶、航空航天及其他運輸制造業合并為交通運輸制造業. 安徽省各行業產值、行業企業數、行業全部從業人員平均人數、固定資產投資額等數據均來源于2011—2018年的《安徽統計年鑒》. 其中，2018年的安徽統計年鑒中，缺少2017年各行業產值數據，以主營業務收入代替. 另外，在計算集聚指數時，16個市分行業產值、企業數及從業人員數數據則來自于各地市的統計年鑒. 《2016年阜陽統計年鑒》缺失，以同年安徽省指標值減去其他地市該指標值來替代. 各類貨幣量指標均按照2010年的不變價格進行了平減以消除物價因素. 各變量原始數據的描述性指標見表1.

表1 相關變量的描述性統計

3 實證研究：產業集聚的要素配置效應檢驗

3.1 變量的平穩性檢驗

本文所使用的面板數據T為8，N為28，是典型的短面板數據，但因為要進行動態面板估計，為了避免出現偽回歸的現象，對模型中的面板數據采用單位根(ADF)進行平穩性檢驗(結果見表2). 各變量的ADF檢驗統計量均顯著，不存在單位根，均為平穩面板序列.

表2 ADF檢驗結果

注：檢驗類型中的LLC(C.T.K)中C表示截距項，T表示時間趨勢項，K表示滯后階數項；lnF部分數據缺失，為非平衡面板，故用Fisher單位根檢驗.

3.2 模型估計結果

表3為靜態面板固定效應模型的估計結果，表4為動態系統GMM模型的估計結果，系統GMM估計以自變量的滯后項為工具變量，能很好地避免內生性問題. 由模型1、模型2、模型7和模型8的估計結果可以看出，地理集聚指數(EG)的一次項對全要素勞動生產率(lnTFP)有顯著影響，且估計系數為正，但其二次方項(EG^2)對全要素勞動生產率的影響并不顯著，表明地理集聚指數與全要素勞動生產率之間呈正向線性關系，并非倒U型關系，反映了安徽省制造業地理集聚有利于提高生產要素配置效率；由模型3、模型4、模型9和模型10的估計結果可以看出區位熵(LQ)及其二次方項(LQ^2)對全要素勞動生產率均有顯著影響，且二次方項的估計系數為負，表明行業區位熵與行業全要素勞動生產率之間呈顯著的倒U型關系；由模型5和模型6的估計結果可以看出空間基尼系數(G)及其二次方項(G^2)對全要素勞動生產率的影響均不顯著，考慮可能存在內生性問題，而模型11和模型12采用系統矩估計方法，在解決內生性問題的前提下，空間基尼系數一次項的估計系數顯著為正，二次項估計系數仍不顯著，表明空間基尼系數與全要素勞動生產率有正向線性關系.

表3 全要素生產率(lnTFP)影響因素的靜態面板固定效應模型

續表3

注：* 、* * 、* * * 分別表示0.1、0.05、0.01的顯著性水平下顯著.

總體來說，以行業地理集聚指數(EG)、行業空間基尼系數(G)為表征的產業集聚，其要素配置效應均體現出促進作用，并沒有出現先“揚”后“抑”的倒U型特征. 以行業區位熵(LQ)為表征的產業集聚，與行業全要素勞動生產率呈現顯著的倒U型關系. 具體來說，根據模型10，行業區位熵的一次項(EG)和二次方項的估計系數均在 1%的水平上顯著，符號分別為正和負，即當行業區位熵水平低于拐點值(2.04)時，集聚對全要素勞動生產率會產生促進作用. 表明當行業專業化水平不高時，集聚帶來的生產規模擴張，使得企業能夠共享基礎設施、降低運輸成本，實現集聚的規模經濟效應；當高于拐點值(2.04)時，過多的企業集聚一方面會引起同類企業的過度競爭，另一方面會使得生產要素價格上升，逐漸超出集聚區的承受能力，出現要素擁擠現象，阻礙要素的有效配置. 但從安徽各行業的區位熵水平來看，2010—2017年，28個制造業224個樣本中，僅有電氣機械和器材制造業的6個樣本的區位熵水平超過拐點值，其余均小于拐點水平，反映了安徽省制造業的行業專業化水平普遍偏低，對行業全要素生產率總體上仍然是促進作用，抑制作用尚不明顯. 總體來說，目前安徽省制造業集聚對生產要素配置效應總體上呈現出促進作用，未來一段時間內安徽應進一步促進制造業的集聚發展.

另外，由表4中的模型7至模型9結果可知，行業全要素勞動生產率具有顯著的時間滯后效應，前一期的勞動生產率對后一期的有顯著正向影響，即當前勞動生產率較高的行業，其未來的勞動生產率就可能持續走高，即行業全要素勞動生產率有明顯的路徑依賴特征.

表4 全要素生產率(lnTFP)影響因素的動態系統GMM模型

續表4

最后，模型1至模型12中，各控制變量對全要素生產率的影響均在不同水平下顯著. 其中，市場化水平(lnML)的估計系數均顯著為正，與預期結果一致，表明市場化水平越高的行業，其全要素勞動生產率也越高；企業平均規模(lnAs)的估計系數均顯著為正，表明企業平均規模越高的行業，其勞動生產率也越高，從另一個角度反映了規?；a能提高生產效率；外資企業產出占比(lnF)的估計系數均顯著為負，表明外資企業產出占比越高的行業，其全要素勞動生產率越低，與蘇楠等研究結論[24]相似，這可能是由于地方政府為了引進外資而給予過多優惠政策，阻礙了市場對資源的有效配置.

4 結論與建議

本文以安徽28個兩位數制造業為例，實證檢驗了產業集聚的要素配置效應. 發現：1)以行業地理集聚指數、行業空間基尼系數為表征的產業集聚，要素配置效應均主要體現出促進作用，并沒有出現先“揚”后“抑”的倒U型特征；2)以行業區位熵為表征的產業集聚，與行業全要素勞動生產率呈現顯著的倒U型關系，當行業區位熵水平低于拐點值時，集聚對全要素勞動生產率會產生促進作用；3)從各行業的區位熵水平來看，僅有電氣機械和器材制造業的區位熵水平超過拐點值，其余均小于拐點水平，反映出安徽省制造業的行業專業化水平普遍偏低，對行業全要素生產率總體上仍然是促進作用，抑制作用尚不明顯.

綜上所述，安徽省制造業集聚對生產要素的配置總體上呈現出積極地促進作用，未來一段時間內應進一步促進制造業的集聚發展，特別是專業化集聚水平. 具體來說：1)各級地方政府在承接產業轉移、促進產業升級過程中應充分考慮資源優勢，引導有利于形成專業化特色的行業優先集聚，同時在提供完善政策的基礎上，由市場機制來引導企業的集聚與擴散行為，從而提高生產要素的配置效率；2)以合肥、蕪湖為中心，積極促進計算機、通信、汽車、航空航天設備等先進制造業的高端化發展，提升自主創新能力，為承接長三角地區高新技術產業轉移奠定好技術基礎；3)針對宿州、阜陽、淮北等制造業欠發達的皖北地區，進一步提升和促進農副食品加工業、食品制造業等具有區位優勢的制造業集聚，同時加大對交通運輸、物流配送、通訊、網絡等基礎設施等的建設力度，營造開放、公平公正的商業氛圍，為省內制造業合理、有序的轉入做好“軟硬件”準備.