相关多样性、非相关多样性与地区工业劳动生产率增长——兼对演化经济地理学理论观点的拓展研究

李福柱 厉梦泉



相关多样性、非相关多样性与地区工业劳动生产率增长
——兼对演化经济地理学理论观点的拓展研究

李福柱 厉梦泉

演化经济地理学将产业多样性进一步细分为相关多样性与非相关多样性，弥补了Jacobs(1969)对产业多样性认知的不足。基于新古典范式针对2001-2010年我国大陆30个省级经济区工业面板数据的实证分析结果表明：相关多样性与非相关多样性具有明显的产业外部性差异；具有相关多样性特征的产业组合在静态和动态两个视角下均对地区工业劳动生产率增长有着显著的外部性，相关多样性水平高的地区比非相关多样性水平高的地区具有更强的生产率外部性，相关多样性更符合Jacobs(1969)对多样性知识溢出的诠释；非相关多样性对地区工业劳动生产率增长不能直接产生有效的外部性。

相关多样性； 非相关多样性； 区域工业发展； 劳动生产率； 外部性

一、引言

外部性②MAR外部性、Jacobs外部性和知识溢出已经成为外部性理论的基本概念，本文对其内涵不再赘述。客观上存在，然而，在产业外部性发生机理仍被视为“黑箱”以及外部性强度难以被准确度量的条件下，现有外部性研究围绕产业内的专业化外部性(即MAR外部性)与产业间的多样性外部性(即Jacobs外部性)是否显著问题尚未形成一致认识，特别在新古典分析框架下，国内外对于工业部门内产业外部性的已有研究成果更多地支持MAR外部性的存在，认为MAR外部性能够促进生产率增长，提高地区工业竞争力，工业部门的多样性则有利于促进地区就业与产出增长，导致以提高生产率为主要目标的工业布局政策倾向于过度追求地区生产专业化，致力于向区域外部输出本地产品，地区经济及其工业发展更多地依赖于外部需求的扩大，但是，较为单一的工业组合极易因外部需求减少而使地区经济增长受到冲击。

二、相关多样性与非相关多样性的外部性差异：文献综述

相关多样性、非相关多样性在地区就业与产出增长中所表现出的外部性差异并不能完整地诠释Jacobs外部性，由于技术外部性提高了知识创新效率，扩大了知识创新的应用范围，是生产率得以提高的重要源泉，因此只有厘清二者是否具有显著的生产率外部性及其差异，才能进一步完善Jacobs外部性的理论体系。值得关注的是，国外一般采用2级产业数据作为测度非相关多样性知识溢出效应水平或外部性强度的样本产业，以3级或3级以下产业数据作为测度相关多样性知识溢出效应水平的样本产业；国内现有有关三次产业内各部门间相关多样性对促进城市就业与产出增长的积极外部性，以及三次产业间非相关多样性在降低城市失业率与稳定经济发展方面的作用(孙晓华等，2012)等的研究*孙晓华、柴玲玲：《相关多样化、无关多样化与地区经济发展——基于中国282个地级市面板数据的实证研究》，《中国工业经济》2012年第6期。，存在由于产业多样性划分过于宽泛而难以反映相关多样性本质特征等问题，未能在狭义的Jacobs外部性理论基础上探讨我国地区工业组合中相关多样性与非相关多样性的生产率外部性特征。

三、相关多样性、非相关多样性生产率外部性的研究方法

(一)样本产业选择与数据来源

合理选择检验相关多样性与非相关多样性知识溢出效应的样本产业是决定研究结果可靠性的重要因素。产业的可细分层次越多，相比上一级产业，下一级细分产业间的技术相似度就越高，但产业层级也不宜划分得过于细致，原因在于：产业细分等级越低，对细分产业的统计数目越多，数据的可获得性也就越低；同时，产业细分等级越低，细分产业间技术相似度或共性技术比重也就越高(如工业门类下的5级或6级产业)，因而会包含一定程度的MAR外部性。此外，单纯依靠现有计量回归分析方法并不能完全识别地区工业部门中产业内与产业间技术外部性的主导类型，关键在于合理选择能够充分反映二者特征的样本产业与度量指标。

(二)计量回归分析模型构建

假定地区工业部门年度劳均产值能够反映工业平均劳动生产率水平，本文采用集约形式的Cobb-Douglas生产函数，模型如下：

yi,t=Ai,tKi,t

(1)

其中，i表示省(市)，t表示年份；yi,t为地区工业平均劳动生产率；Ai,t为地区工业部门全要素生产率，根据前述理论主张，假定各省级经济区工业部门Ai,t主要来源于工业部门内的多样性知识溢出，暂不考虑MAR外部性的影响；Ki,t为地区工业部门劳均固定资本存量，反映当期单位劳动力资本投入水平。

根据近似复合利率增长规则，为反映劳动生产率变化并获得面板数据标准分布形态，对(1)式两边取对数，获得(2)式：

lnyi，t=lnAi，t+lnKi，t

(2)

依据理论预期结果和计量回归分析模型要求选取被解释变量、解释变量与控制变量，本文设定如下计量回归分析模型：

lnyi，t=α0+α0lnRVi,torlnUVi,t+α2lnKi,t+α3lnPeredi,t+α4Regiondum+ui,t(3)

(三)变量定义与度量指标选取

被解释变量劳动生产率yi,t由i省(市)第t年全部工业企业总产值*由于缺失部分年份的分省市工业企业增加值，本文只能采用工业企业总产值代替增加值指标，以满足动态面板数据模型对数据连续性的要求。除以全部工业企业从业人员年平均人数得到，总产值依据工业品出厂价格指数缩减为2001年价格(单位：万元)。解释变量包括相关多样性熵指数RVi,t或非相关多样性熵指数UVi,t、劳均固定资本存量Ki,t，控制变量包括工业从业人员分布密度Peredi,t和地区虚拟变量Regiondum，ui,t为随机误差项。

地区工业部门内2级产业非相关多样性熵指数UVi,t的计算公式如下：

式中，Pi,j为i省(市)第t年工业部门内某2级产业j全部工业企业总产值所占地区工业企业总产值比重。

式中，Pj,k为i省(市)第t年某2级产业j内3级产业k全部工业企业总产值所占地区工业企业总产值比重。

2.劳均固定资本存量ki,t。资本深化是劳动生产率增长的决定因素之一，采用资本的服务值来度量资本投入水平最为理想，然而，利用国内现有公开统计数据难以测度出分省(市)工业部门资本服务值，一般以固定资本存量的核算值作为资本投入的度量指标。本文劳均固定资本存量由各年各省(市)工业企业固定资产净值(依据固定资产投资价格指数平减为2001年价格)除以工业企业从业人员年平均人数得到。

3.工业从业人员分布密度Peredi,t。密集的地区经济活动，既能为产业间知识溢出提供更好的溢出来源，产生显著的地理外部性*地理外部性是指地区经济活动密度对本地区生产率的影响，如Ciccone and Hall (1996)、范剑勇(2006)分别考察了非农就业密度对地区劳动生产率的影响。，也是影响产业间多样性知识溢出的经济地理因素。为辅助多样性熵指数更好地反映一定地理空间范围内工业部门从业人员分布密度对产业间多样性知识溢出的影响，一个厚的工业劳动力市场无疑是工业多样性知识来源的最佳控制变量。工业部门主要分布在非农化地区，工业部门内的知识溢出活动主要集中于工业化地区，本文采用各省(市)相应年份城市市辖区每平方公里工业从业人员年平均人数作为工业从业人员分布密度度量指标。

表1 相关多样性、非相关多样性熵指数年平均值及其排序*表中相关多样性、非相关多样性熵指数年平均值的时间范围为20012010年。

续表1

地区相关多样性熵指数年平均值排名非相关多样性熵指数年平均值排名天津3.173150.62922北京3.104160.58724河北3.030170.82611重庆3.002180.53925陕西2.955191.1487海南2.929200.67020内蒙古2.697211.1815吉林2.695220.67119云南2.679230.82412甘肃2.645240.9889宁夏2.559251.1496贵州2.556261.1288黑龙江2.252271.3122新疆2.006281.2154山西1.968291.2783青海1.923301.3941

4. 地区虚拟变量Regiondum。引入地区虚拟变量既有利于综合反映多样性产业地区分布差异对地区工业劳动生产率增长的地理外部性，也能在一定程度上消除因地区工业发展环境不同所产生的随机影响，同时，地区虚拟变量还能够识别模型验证目标与非验证目标之间可能存在的差异。从表1中可以看出，30个省(市)相关多样性与非相关多样性年平均值基本表现出负向关系，故地区虚拟变量值的选取应将检验地区划分为高相关多样性水平地区和高非相关多样性水平地区两类，本文以相关多样性熵指数年平均值排名前15位且非相关多样性熵指数排名后15位的12个省份(浙江、江苏、山东、福建、湖南、上海、湖北、江西、辽宁、广东、广西和天津)为高相关多样性水平地区，赋值为1，其余18个省级经济区均赋值为0。

四、数据检验与实证结果分析

(一)数据检验

为消除模型的内生性问题，本文采用成熟的动态面板数据模型(DPD)分析解释变量对被解释变量的作用方向与影响程度。运用相关计量分析软件针对模型设定形式及异方差性、序列自相关性等进行检验，检验排除了模型存在异方差性和序列自相关性的可能性，且模型在随机效应下具有很好的稳定性。

表2 数据平稳性检验结果*表中***和*分别表示相应变量在1%、10%置信水平上平稳。

由于相关多样性与非相关多样性熵指数具有不同的分布形态，本文将回归方程设定为两种类型：相关多样性变量模型(1)和(2)分别选用相关多样性熵指数及其一期滞后项作为关键变量，非相关多样性变量模型(3)和(4)分别选用非相关多样性熵指数及其一期滞后项作为关键变量，两类模型中其它变量均保持不变。采用Kao检验模型，分别针对上述两种情况就各变量对数形式进行平稳性检验，检验结果显示：各变量序列对数形式数据平稳，序列存在1阶单整(见表2)；进一步分别对两类模型进行协整检验，在1%置信水平下一、二类模型ADF统计检验值分别为-5.602、-5.252，故相关多样性与非相关多样性变量模型中变量间均存在长期稳定的均衡关系，面板数据模型回归分析结果可信。

(二)实证结果分析

动态面板数据模型能够更好地揭示各解释变量对大陆30个省级经济区工业劳动生产率增长的作用方向与影响程度，将相关多样性熵指数与非相关多样性熵指数纳入模型后发现，相关多样性水平越高，对地区工业劳动生产率增长所产生的外部性强度也越大，工业相关多样性水平地区差异对工业劳动生产率增长具有控制效应，资本深化是决定地区工业劳动生产率增长的基本因素，工业劳动力的地理集中能够产生相对偏弱的生产率外部性。

1.相关多样性对地区工业劳动生产率增长具有显著的外部性。模型(1)和模型(2)的回归分析结果表明，当期与滞后一期的相关多样性熵指数项系数均为正，t统计量在1%置信水平上显著，相关多样性在静态和动态两种情况下均对地区工业劳动生产率增长有着显著的外部性。

从静态视角来看，掌握一定共性技术或相关知识的企业家和被雇佣劳动者更有能力吸收相近知识，知识的有效溢出更多地发生在销售相关产品的企业、劳动者等微观主体之间，知识有效溢出的发生提高了工业劳动者的工作技能和企业的创新效率，是工业劳动生产率增长的外部动力，多样性的地区相关工业组合有利于促进地区工业劳动生产率增长，即相关多样性具有显著的静态生产率外部性。

相关多样性还具有动态的生产率外部性。模型(2)中相关多样性熵指数一期滞后项系数高达1.698，相关多样性的动态外部性显著。相关多样性知识溢出不仅发生于产业间微观组织的横向传播层面，还具有跨期的持续发生特性，相关多样性在一定地理空间内存在着持续的动态或时间外部性。同时，在不考虑其它影响因素的情况下，相关多样性水平越高，产业间动态知识溢出效应就越强，也越有利于地区工业劳动生产率的增长。

表3 相关多样性、非相关多样性与地区工业劳动生产率增长的回归分析结果*表中括号内为t统计量值，***、**和*分别表示在1%、5%和10%置信水平上显著，×表示该项在10%置信水平上没有通过显著性检验。

3.资本深化仍是地区工业劳动生产率增长的决定因素。资本投入是我国地区经济增长的主要动力，资本深化主要表现为资本数量增加与资本质量改善两个方面，是工业化过程的必然要求，尽管包含技术进步在内的资本投入能够在一定程度上替代资本数量规模的变动，但扣除价格变动的影响后，该替代效应会反映在劳均固定资本存量变动之中，因而实践中以价值计算的劳均固定资本存量水平可以揭示地区工业的资本深化过程。模型(1)至模型(4)中劳均固定资本存量的回归系数均大于1，且在1%置信水平上显著。尽管部分地区由于淘汰落后工业产能、促进产业结构升级及生态环境保护与土地利用规划双重约束等原因，年度及地区间工业固定资本投入出现了较大幅度的的波动差异，导致劳均固定资本存量的统计分布形态不平滑，进而导致劳均固定资本存量对地区工业劳动生产率增长的影响程度弱于相关多样性熵指数，但无论基于新古典生产函数理论或计量回归分析结果，工业劳均固定资本存量增加对工业劳动生产率增长均具有直接的推动作用，工业资本投入增加与资本技术含量提高仍是工业劳动生产率增长的基本因素。

4.具有相关多样性的地区工业组合更有利于产生工业从业人员的地理外部性。模型(1)和模型(2)中工业从业人员分布密度项系数值均约为0.2，且在1%置信水平上具有显著性，工业从业人员分布密度对地区工业劳动生产率增长具有积极的地理外部性。在地区工业组合表现为相关多样性的条件下，工业从业人员的地理集中有利于劳动者在转换工作岗位时以更短的时间找到相同或相近的就业岗位，减少适应新工作岗位所需的人力资本投资，提高劳动效率，形成劳动力共享优势，促进相关技术知识以较非相关技术知识更有效的方式在从业人员间流动，从而间接提高劳动技能与创新效率。

模型(3)和模型(4)中工业从业人员分布密度项系数值仍为正，但仅约为0.09，其值小于模型(1)和模型(2)中的对应值，这说明在地区产业组合表现为非相关多样性的条件下，工业从业人员的地理集中也能够产生积极的地理外部性，但对具备非相关技术知识的劳动者而言，其工作岗位转换与差异化技术知识吸收过程均需结合一定的人力资本投资或研发活动才能实现。

5.高相关多样性水平地区为工业劳动生产率增长提供了更好的溢出环境。工业相关多样性水平较高而非相关多样性水平较低的12个省级经济区的地区虚拟变量回归系数均为正，且在5%置信水平上具有显著性。总体上，无论从地区工业发展基础条件或改革开放以来地区工业化进程中结构优化水平视角来看，相比其它省市，上述12个高相关多样性水平省市中小型工业企业数目较多，细分产业门类相对齐全，相关细分产业的多样性地理集中为积极Jacobs外部性的产生提供了良好的溢出来源，地区工业组合体中相关多样性水平越高，就越有利于为知识溢出提供良好的产业发展环境，这也符合Jacobs外部性理论的基本主张。

五、研究结论

以往新古典范式下的产业间外部性研究忽略了多样性产业间的技术关系差异，对Jacobs外部性的传统界定存在理论缺陷，导致研究结论存在较大分歧。演化经济地理学主要代表人物Frenken et al.(2007)和Boschma et al.(2008)基于演化视角将产业多样性进一步细分为相关多样性与非相关多样性，弥补了Jacobs(1969)对产业多样性认知的不足，是进入21世纪以来Jacobs外部性理论研究中取得的重大突破。

(1)具有相关多样性特征的工业组合能够对地区工业劳动生产率增长产生积极的外部性，相关多样性在静态(当期)和动态(滞后一期)情况下均具有显著的产业外部性，相关多样性水平越高，对地区工业劳动生产率增长的外部性强度越大，相关多样性更加符合Jacobs(1969)对多样性知识溢出的理论预期，相关多样性水平高的地区比非相关多样性水平高的地区具有更强的生产率外部性。

(2)非相关多样性对地区工业劳动生产率增长不能直接产生有效的知识溢出效应，但也不能就此而否定其知识溢出效应的存在，因为差异化技术知识的吸收需要借助人力资本投资(包括“干中学”和在职培训等)、研发投入等才能实现。本文不针对这一问题进行探讨，拟在今后获取详尽相关数据后，借助案例进一步分析非相关多样性知识溢出的发生机理与特征。

(3)资本深化仍然是决定工业劳动生产率增长的基本因素。包含技术进步的相关产业资本质量改善与资本规模增加，既是促进地区工业劳动生产率增长的直接动力，也是获取本地工业规模报酬递增的外部性源泉之一。

(4)工业劳动者是工业技术知识溢出的重要载体，劳动力禀赋优势不仅是降低劳动力成本、促进地区工业发展的有利条件，此外，工业劳动力特别是相关工业部门劳动者的地理集中，在降低企业与劳动者“选择”成本、产生劳动力共享收益的同时，也能够更便利地促进产业间技术知识的溢出与融合。

从上述研究结论中，本文得出明确的政策启示。在以发展主导产业、提高产业竞争力为核心目标的地区生产专业化过程中，要重视促进相关产业的地理集中，形成存在技术联系的、相关多样性特征明显的地区工业综合体，具体分为以下2个方面：

(1)在发挥比较优势、打造以主导产业为龙头的地区产业链的过程中，应充分调查地区工业发展资源与相关支持条件，结合产业间技术关系，优化工业资本投入，注重在工业产业链的每一个环节上延伸相关行业，形成技术相关、产品互补的地区工业结构。工业部门内相关多样性产业的地理集中，既有利于增强地区经济抵御外部需求冲击的能力，扩大就业规模，也有利于提高劳动生产率，获取外部规模报酬递增收益，并进而提升地区工业竞争力。

(2)在我国新型工业化、城镇化与基本公共服务均等化协调发展背景下，工业趋于在城市郊区和城镇布局，应统筹考虑城市化地区中各工业区、生活居住区等功能区之间交通、通讯等基础设施的便利化水平，尤其应加强制造业基地及制造业基地间的生产性与生活性基础设施建设，为促进人力资本的流动与交流、提升地区产业创新能力创造良好的知识溢出环境。

[责任编辑：贾乐耀]

RelatedVariety,UnrelatedVarietyandtheGrowthofRegionalIndustrialLaborProductivity——AnExtensiveStudyoftheTheoryofEvolutionaryEconomicGeography

LI Fu-zhu LI Meng-quan

(College of Economics, Ocean University of China, Qingdao 266100, P.R.China; College of Economics, Ocean University of China, Qingdao 266100, P.R.China)

Taking the dynamic industrial panel data of 30 provincial-level regions of mainland China from 2001 to 2010 as samples, the study shows that evident industrial externality differences exist between related variety and unrelated variety. Related variety has positive externality on the growth of regional industrial labor productivity, both in the static model and dynamic model. That is, a higher level of regional related variety leads to stronger industrial externality, while unrelated variety has no direct externality on the growth of regional industrial labor productivity.Keywords: related variety; unrelated variety; regional industrial development; labor productivity; externality

国家社科基金项目“我国区域经济增长效率格局及其变化趋势研究”(项目编号13BJL085)、山东省社科规划研究项目“蓝色经济区海洋食品加工业集群演化机理与发展战略研究”(项目编号12CJJJ06)部分理论研究成果。

李福柱，中国海洋大学经济学院副教授，经济学博士(青岛 266100)；厉梦泉，中国海洋大学经济学院区域经济学硕士研究生(青岛 266100)。感谢中国海洋大学经济学院博士研究生刘铁鹰对计量分析软件使用提供的建议，文责作者自负。