高新技术产业发展空间分布影响因素与区域差异*——基于广东省21个地级市的空间计量分析

张 鹏，王 娟

（华南理工大学工商管理学院，广东 广州 510640）

高新技术产业发展空间分布影响因素与区域差异*
——基于广东省21个地级市的空间计量分析

张 鹏，王 娟

（华南理工大学工商管理学院，广东 广州 510640）

以高新技术产业增长扩展的 C－D生产函数为基础，将空间自相关变量引入构建高新技术产业增长的空间计量模型，以广东省21个地级市2007－2011年的面板数据为研究样本，利用探索性空间数据分析方法 （ESDA）与空间滞后计量模型 （SLM）揭示广东高新技术产业发展影响因素，利用空间误差模型 （SEM）分析了广东不同发展水平的区域高新技术产业发展的差异化特征。研究结果揭示不同发展层次的区域具有不同的高新技术产业发展影响因素与发展特征，为实现高新技术产业发展，也需要有不同的政策目标与政策需求。

高新技术产业；空间分布；区域发展差异；空间计量

从全球范围看，各国的高新技术产业生产活动均出现向少数大城市或大都市圈集聚的现象，如美国的硅谷、128公路以及英国的剑桥郡，印度的班加罗尔，日本的筑波，北京中关村等（魏江，2003；Harvey，2009）。［1－2］从国内研究来看，有关高新技术产业的区位考察也基本集中在以北京为中心的环渤海地区、以上海为龙头的长三角地区和以深圳广州为中心的珠三角地区等经济发展较为发达的东部沿海地区 （罗勇和曹丽莉，2005；林善浪和张慧萍，2011；刘志彪和江静，2009）。［3－5］这些地区所受到的关注程度明显高于其他区域，这与我国高新技术产业的空间分布状况也是吻合的。于是就提出了这样的问题：既然现代化的信息传输网络、高速运输条件已经颠覆了传统的生产组织方式，高新技术产业活动跨越地理空间的成本几乎为零，那么为何本应该出现扩散趋势的高新技术产业仍旧选择落脚在要素成本相对昂贵的经济较发达东部沿海区域？高新技术产业在经济发达地区与欠发达地区的发展有无差异？现有的研究大多利用省级层面的数据分析了产业向东部沿海省份的集聚，但分析掩盖了省内经济发展不平衡的现实，并且研究大都只考虑到时间维度，而忽略了空间因素对于产业发展的影响。围绕这两个问题，本文拟就高新技术产业发展空间分布影响因素与区域差异利用空间计量模型展开分析讨论，希望从中获得指导我国高新技术产业发展的政策启示。

一、研究设定与空间计量模型构建

（一）空间计量模型的选择与构建

使用传统计量经济统计分析模型假定观察样本是在均匀同质空间具有独立同分布性质，但社会经济运行的实际是企业及人们的行为、经济活动都是发生在既定时间及空间范围内，资本、劳动力以及技术创新等各类生产要素的流动也依然受其所处地域的限制，因此在对社会经济现象进行研究的过程中不仅要考虑时间维度，也要考虑空间维度。并且由于经济计量分析所使用的统计数据不仅存在时间上的关联性，也会在空间上存在某种程度的关联性，经济活动经常会表现出与空间密切相关的特性或演变模式，因此经典计量统计分析的样本均质性假定存在很大程度的局限性，使用普通最小二乘法（OLS）对拟定模型进行回归分析，得出的结论会与实际情况有所偏差。在这种情况下，本文构建空间计量模型来对高新技术产业发展空间分布影响因素与区域差异进行分析，以把握高新技术产业发展中存在的空间效应以及空间溢出效应。

根据古典经济增长理论以及内生经济增长理论，影响产业经济增长的三大投入要素包括资本、劳动力以及技术进步因子，其中资本及劳动力投入两个要素对于经济产出具有直接的促进作用，而技术进步更多地则是通过提升资本及劳动力组合的生产效率对经济增长做出贡献；因为高新技术产业特有的准公共产品及高投入高风险等特征，政府支持作用对于矫正 “市场失灵”现象，推进产业的健康发展存在着很大影响；根据新经济地理学理论，在高新技术产业的发展中，各种投入要素的流动将促进产业内的企业及相关组织机构的经济活动在地理上的集聚，产业链中不同企业之间的前后向关联效应也将促使企业偏向于选择在市场规模更大的地区内进行自己的生产活动，因此较高的产业集聚程度在促进产业经济增长方面具备更大的优势（Anselin，1995；Martin和 Ottaviano，2001）。［6－7］而新贸易理论的研究揭示，随着信息技术的发展，以国际商品或服务贸易作为传递渠道在不同国家之间发生的技术外溢效应对于促进一国的产业经济增长具有越来越重要的作用，这在与发达国家建立贸易合作伙伴关系的发展中国家或落后国家的高新技术产业增长之上体现得尤为明显 （Krugman，1995）。［8］因此 Keeble和W ilkinson（2000）在对欧洲高新技术集群的研究中认为，资本投入、企业研发投入、政府支持力度、对外贸易以及产业集聚程度等都是影响高新技术产业发展的影响因素。［9］

在国内外众多对高新技术产业进行实证检验的参考文献中，大部分实证模型都是以 Romer（1990）［10］设定的扩展 C－D生产函数为基础，进而根据各自研究重心逐步加入不同的分析要素进行扩展，最终构建关于产业增长的多元线性回归模型。本文遵循了这种模型构建方法，根据新经济增长理论、新经济地理学理论、新贸易理论以及空间计量经济学等理论的指导思想，在资本投入以及劳动力投入两个基本要素的基础上逐步加入了技术创新水平、政府支持、产业集聚水平、对外贸易水平等变量，建立如下多元线性回归生产函数：

通常情况下我们更关注的是产业增长对于各种影响因素的产出弹性，而双对数线性模型中各个参数的系数则有着直接的经济含义，即产出弹性，对上式变形建立计量方程如下：

纵观国内关于高新技术产业的实证研究文献，大部分实证研究都是在模型a的基础上采用了传统的 OLS回归分析，并且因为数据的可获得性问题大多集中在国家或省级的层面上，研究只考虑到时间维度，而忽略了空间因素对于产业发展的影响。传统的 OLS回归分析并不是本文的初衷，正如前文所述，在描述空间分布和溢出效应时，传统的计量方法存在一定的局限。因此本文采用能够克服这些局限的空间滞后模型 （SLM）与空间误差模型（SEM）进行空间回归分析，将空间自相关变量引入模型a中。

空间滞后模型 （SLM）也可被称作空间自回归模型，它假设研究对象中某个特定区域的样本值与其附近地区的该样本值具有空间相关性，而并非是其它经济上不能解释的因素。空间滞后模型的方程如下：

其中，Y代表因变量，X为 n×k的外生解释变量矩阵，W代表 n×n阶空间权值矩阵，λ为空间回归关系数，反映了样本观测值中的空间依赖作用，即相邻区域的观测值 Wy对本地区观测值 y的影响方向和程度。λW代表空间滞后项，λ、β为待估参数。

与空间滞后模型不同，空间误差模型 （SEM）假设研究对象中某个特定区域的样本值与其附近区域的该样本值中无法进行预期或解释的因素具有空间相关性，空间误差自相关通常表示为残差自回归过程，具体如下所示：

其中，ξ代表回归所得残差序列，ρ为n×1的截面因变量向量的空间误差系数，W代表空间权值矩阵，v为正态分布的随机误差向量。参数 ρ衡量了样本观测值中的空间依赖作用，即相邻地区的观测值对本地区观测值的影响方向和程度，参数 β反映了自变量 X对因变量 Y的影响。SEM的空间依赖作用存在于扰动误差项之中，度量了邻接地区关于因变量的误差冲击对本地区观测值的影响程度。

由于最小二乘法假定样本在均质空间内独立同分布，所以一般选用最大似然估计法对上述空间自相关模型进行估计。从两个模型当中选择适合模型的检验方法，可以选择两个拉格朗日乘数检验，主要是通过比较 LMLAG以及 LMERROR检验值的显著性来做出最优选择，Anselin和 Florax（1995）［11］提出如下判别准则：如果 LMLAG显著而LMERROR不显著，就选择空间滞后模型，反之，则选择空间误差模型；在两个系数都表现出显著性的情况下，根据R－LMLAG以及R－LMERROR检验值的显著性对模型进行选择；而在两个系数都未表现出显著性的情况下，则直接保留最小二乘法的回归结果。

但上述空间计量模型及相关检验都是基于横截面数据之上，并不适合直接用于对面板数据的检验。基于这种现象，本文拟采用 Elhorst提出的方法，在对面板数据进行研究的过程中利用分块对角矩阵 C代替横截面数据检验公式中的空间权重矩阵W，便能实现检验方法在两种数据类型之间的变换。代换过后，空间滞后模型以及空间误差模型的基本形式如下。

空间滞后模型：

空间误差模型：

其中 T，I分别代表时间序列及横截面序列，IT为T维单位时间矩阵，WN为 n×n的空间权重矩阵。

按照上文所述将空间自相关变量引入本文模型a中，构建如下空间计量模型：

其中模型b为空间滞后模型，模型c为空间误差模型，ρ、λ分别为空间滞后变量及空间误差变量的自相关效应，其中前者代表的经济意义为某区域高新技术产业增长受地理上相邻区域的高新技术产业增长的影响程度，后者代表的经济意义则为附近区域样本值中无法解释或无法预期的成份对本地区高新技术产业经济增长的影响程度，该变量对于考察现实经济运行、提供具有针对性的政策建议并无太大实际意义。

（二）变量描述

因变量：高新技术产业工业总产值（Y），采用产业产出的工业总产值代表高新技术产业经济增长指标。

自变量包括：

资本投入（K）。利用高新技术企业中的企业资产额对资本投入变量进行衡量。

劳动力投入 （L）。利用高新技术产业从业人员数量对劳动力投入进行衡量。

技术创新水平 （INO）。本文选取高新技术产业内部企业 R＆D投入费用指标来反映其技术创新水平高低。

产业集聚水平（COL）。采用区位熵指标衡量地区产业集聚程度，区位熵能够如实地反映产业经济的空间分布，其计算公式如下：

其中，LQ表示产业集聚水平，Xj为j地区高新技术产业的工业总产值，Ij为j地区的工业总产值，为区域高新技术产业的工业总产值，为区域工业总产值。区位商越大，说明地区产业的集聚度越高，当区位商大于2的时候，表明该区域内的产业优势十分突出。

对外贸易 （EXP）。相对于进口贸易而言，出口贸易对产业内企业的关联作用、产业专业化水平的提高等更深层面因素的影响更为深远，因此本文采用高新技术产业的出口额对其对外贸易水平进行衡量。

政府支持 （G）。选取政府对于高新技术产业的资金投入，衡量其对产业的扶持作用。

除此之外，β1、β2、β3、β4、β5、β6分别代表以上变量的产出弹性，μi则为随机干扰变量。

二、空间计量模型的实证分析——以广东省21个地级市为例

（一）研究对象选择

广东是我国高新技术产业发展的重要区域，以深圳、广州为龙头的珠三角高新技术产业带是广东高新技术产业发展的核心区域，高新技术产业产值占广东全省的92.33%，拥有 9个国家级的高新技术产业开发区，集中了广东省 80%以上的国家级高新技术企业，成为我国高新技术产业最密集、发展最具活力的地区。但同时广东高新技术产业与经济发展区域不平衡的问题也同样显著，居于粤东西北的三大区域人均GDP不到珠三角的1／4，高新技术产业产值只占广东全省的7%，高新技术企业数量也仅占全省的20%，12个地级市都没有国家级的高新区，经济与产业发展状况明显落后于珠三角地区。在这种背景下，对广东21个地级市高新技术产业发展情况进行实证分析，对于理解我国高新技术产业发展空间布局与区域差异具有典型的样本意义。

本文所使用的行政区划单元内的产业统计数据主要来源于2008－2012年的 《广东火炬计划数据统计》、《广东统计年鉴》以及广东科技统计网站（http：／／www.sts.gd.cn／），所有地区年份的相关数据折算成2007年不变价进行处理，地理空间数据来源于国家基础地理信息中心。研究样本空间包括广东省 21个地级市高新技术产业的面板数据，研究时段为2007－2011年 5个年份。参照广东省政府划分标准，珠三角包括深圳、广州、佛山、珠海、东莞、中山、惠州、江门、肇庆9市；粤东包括汕头、汕尾、潮州、揭阳4市；粤西包括湛江、茂名、阳江3市；粤北包括韶关、河源、清远、梅州、云浮5市。

（二）探索性空间数据分析

探索性空间数据分析 （ESDA）方法主要包括全域空间自相关分析以及局域空间自相关分析两种类型，其中全域空间自相关分析用于描述整个区域内所有研究对象之间的空间分布模式、平均关联程度及其显著性，主要建立在 Moran's I统计值测量方法的基础之上，当Moran's I统计值处在0与1之间并且其Z检验结果在1%的显著性水平下显著之时，便证明了区域内的研究样本之间确实存在着正向的空间相关性。接下来就可以利用空间自相关模型对样本对象进行分析。

对样本数据首先进行全域空间自相关分析，结果见表1。

表1 广东省市域高新技术产业工业总产值分布 Moran'sI检验 （2007－2011年）

表1计算了广东省21个地级市2007－2011年各年的高新技术产业工业总产值的Moran'sI统计值。从表中可以看出，2007－2011五年来的Moran'sI统计值都通过了1%的显著性水平检验，高度显著，这表明了广东省市域高新技术产业工业总产值的分布存在着显著的正向空间自相关关系。换句话说，广东省内 21个地级市的高新技术产业工业总产值并不是在地理上随机分布的，而是表现为拥有较高 （低）高新技术产业工业总产值的地区常常与拥有较高 （低）高新技术产业工业总产值的地区在地理上相邻，即存在高新技术产业经济增长的空间集聚现象。观察五年来的 Moran'sI统计值，不难发现该检验值虽然上下波动较大，但从总体来说仍然呈现出上升的趋势，即广东省内市域高新技术产业工业总产值分布的正向空间自相关关系仍在维持并持续增大。

（三）广东省21个地级市高新技术产业发展空间自相关模型的估计与检验

1.总体分析

为了把握广东高新技术产业发展的溢出效应，必须对广东省21个地级市的高新技术产业增长模型的空间依赖性进行检验，即省内不同城市之间的空间滞后依赖或空间误差依赖。为了保证结论的可靠性，笔者从6个不同的空间权值矩阵来检验模型的空间依赖性，即使用两个地区之间距离倒数作为权值的空间矩阵与基于距离的2、3、4、5、6、7个最近邻接空间权值矩阵，对模型空间依赖性进行检验，所有的检验过程皆在 Matlab软件上完成，检验结果如表2所示。

表2 广东省市域高新技术产业经济增长回归模型的空间依赖性检验

从表2的检验结果中可以发现，使用6个不同空间权值矩阵所得出的模型空间依赖性检验结果，一致显示出 LMLAG检验值在1%的显著性水平下高度显著而LMERROR检验值不显著，基于此可以确定上文所建立的多元回归模型中只包含空间滞后效应而不包含空间误差效应。其中，利用基于距离的4个最近邻接空间权值矩阵所得到的LMLAG检验值显著性最强。为了比较使用不同空间权值矩阵进行空间计量检验的效果差异，本文接下来将按照以上两个拉格朗日乘数检验的结果分别建立空间自相关模型，探讨广东省市域高新技术产业增长的溢出程度，即利用模型b（SLM）来考察本地区高新技术产业增长受到相邻城市高新技术产业增长的影响程度。回归结果如表3所示。

在表3中，b－1、b－2、b－3、b－4、b－5、b－6等6个模型分别对应的是使用两个地区之间距离倒数作为权值的空间矩阵与基于距离的2、3、4、5、6、7个最近邻接空间权值矩阵的空间计量模型所得到的回归结果。从表中可以对比看出，在6个模型当中模型 b－3的 R2与 log－likelihood这两个检验值最大，而 AIC与 SC两个检验值最小，因此表3中的回归结果显示，最适合的空间权值矩阵是基于距离的4个最近邻接空间权值矩阵，这也与上文通过几个模型的LM检验所做出的推论相一致。

从空间滞后模型（SLM）中各解释变量的系数和检验结果可以看出，广东省 21个地级市高新技术产业发展存在着空间依赖性和异质性的预期，从模型 b－3中可以明显地看出，代表地区之间高新技术产业增长溢出效应的参数 W_lnY的估计值为0.205，并且在 1%的显著性水平下高度显著，在所有因素中要超过劳动力投入参数 lnL的估计值0.178居于第 4位，这说明广东省 21个地级市高新技术产业经济增长的空间溢出效应切实存在，与产业高增长城市相邻的地区能够从其高新技术产业的增长中获益。除此之外，从使用不同空间权值矩阵的空间计量模型的总体拟合情况可以看到，广东省内高新技术产业的空间溢出效应是有边界的，即某城市的高 （低）产业增长效应不会无限度地对省内所有其他城市造成影响，其溢出效应存在距离衰减，初步来看只能溢出到4个最邻接市域单位。

表3 广东省市域高新技术产业经济增长空间滞后模型回归结果

在其他广东高新技术产业产出的各个影响因素，除技术创新投入之外其他5个变量对于产业产出都有显著性的影响，按其产出弹性系数由大到小排序为：产业集聚 ＞对外贸易 ＞资本投入＞劳动力投入 ＞政府支持变量。

产业集聚程度的产出弹性系数为0.393，其对于高新技术产业增长的影响作用在各变量中排位第一，表明广东高新技术产业发展中集聚效应发挥了巨大作用，产业集聚广东高新技术产业竞争力的来源；而出口贸易变量对于高新技术产业的影响程度仅次于产业集聚程度变量，产业产出对该变量的产出弹性为0.368，表明广东省高新技术产业的经济增长仍在很大程度上属于外向型发展方式，对外开放仍是促进广东高新技术产业增长的重要推动因素。考虑到广东高新技术产业集聚主要集中在珠三角地区，而珠三角又是我国高新技术产业出口最大的地区，再加上广东高新技术产业发展较强的空间自相关溢出效应，这意味着区位仍是广东高新技术企业区域布局首要考虑因素，区位因素在广东高新技术产业发展中占有重要地位。广东高新技术产业发展资本与劳动投入重要性虽已相对下降，但资本投入仍然发挥着不容忽视的作用，而从整体上来看创新投入没有通过显著性检验，表明创新还未成为广东高新技术产业发展的明显驱动因素，广东高新技术产业发展要素驱动型增长虽已减弱，但产业发展转型升级仍要付出艰苦的努力。而政府投入资金产出弹性系数为0.079，在所有呈现出显著性的影响因素中居于末位，这表明广东高新技术产业发展已呈现出明显的自下而上发展特征。

2.分区域分析

利用探索性空间数据分析方法对广东省 21个地级市高新技术产业发展情况的分析表明，广东省内高新技术产业的发展在地域分布上呈现出一个中心 －外围的简单结构，即处于珠三角地区内的城市产业发展整体水平要比粤东西两翼以及粤北地区城市的整体水平高出一个层次，高新技术产业发展的分布呈现出较强的区域不平衡特征。珠三角9市是广东省高新技术产业发展的重要支柱。2007－2011年，珠三角地区城市高新技术产业的工业总产值占全省比重分别为 91.52%、89.25%、91.47%、93.72%及92.33%，且总体而言呈现出上升的趋势，这说明广东省内高新技术产业的发展仍然存在着比较严重的地区不平衡，且这一现象尚未表现出收敛的迹象。运用空间自相关模型对整个广东省高新技术产业增长的总体情况进行回归分析所得出的结论并不一定适用于各个不同地区，为了更严谨地揭示广东省内不同区域高新技术产业发展的影响因素，将分别利用珠三角、粤东、粤西以及粤北等 4个不同地区内的高新技术产业统计数据进行实证分析，以揭示广东发达区域与欠发达区域高新技术产业发展的差异化特征。

为了判断广东省内珠三角、粤东、粤西、粤北等4个区域内高新技术产业发展的空间依赖性，本文对珠三角、粤东、粤西、粤北的空间滞后依赖及空间误差依赖进行检验，所有的检验过程皆在Matlab软件上完成，检验结果如表4所示。

表4 广东省区域高新技术产业经济增长回归模型的空间依赖性检验

从表4中可以看出，粤西、粤北地区的产业经济增长模型中LMLAG检验值与LMERROR检验值都不显著，而珠三角以及粤东地区的产业经济增长模型中LMLAG检验值与 LMERROR检验值都呈现出了显著性，其中珠三角地区模型的 LMLAG检验值在1%的水平下高度显著，而LMERROR检验值则在5%的水平下显著；粤东地区模型的 LMLAG检验值在1%的水平下显著，LMERROR检验值则在10%的水平下显著。基于此，粤西、粤北地区应使用经典的OLS估计结果，而珠三角、粤东地区则应该采用空间误差模型 （SEM）进行进一步的回归估计，如表5所示。

表5 广东省区域高新技术产业经济增长空间滞后模型回归结果

在表5中，模型珠三角（SEM）、粤东（SEM）对应的是两个地区内的高新技术产业发展的空间误差模型 （SEM）估计结果，模型粤西、粤北对应的则是粤西、粤北地区内的高新技术产业增长的普通计量回归模型普通最小二乘法 （OLS）估计结果。接下来将以珠三角、粤东空间滞后模型回归结果与粤西、粤北的 OLS回归结果为对象进行下一步分析。

第一，珠三角地区高新技术产业增长影响因素分析。珠三角回归模型中的空间滞后变量 W_lnY在1%的显著性水平下高度显著，并且其产出弹性系数为0.205，这表明珠三角地区城市之间的高新技术产业发展具有较高的正向空间自相关性，即与产业增长率高的城市相邻区域能够从其高增长中受益，这种产业溢出效应使珠三角高新技术产业发展呈现出核心—中心—外围的空间布局特征，高新技术产业发展的协同已然形成。

资本投入、技术创新水平、产业集聚程度以及出口额等4个变量对珠三角产业产出呈现出显著性的正向影响作用，而劳动力投入及政府投入资金变量的影响作用则不显著。其中，在众多呈现出显著性的因素中产出弹性系数最大的是出口变量，其系数高达0.456，这表示在其他因素条件不变的前提下，出口额每增加1%，高新技术产业产出的工业总产值便能增加0.456%，珠三角高新技术产业发展外向型特征明显，外部需求在珠三角高新技术产业增长中发挥了巨大作用。由于在国际贸易中技术先进方对技术落后方的技术溢出效应大小取决于双方技术水平的差距以及后者对先进技术的吸收能力，这就要求其本身具备一定的产业基础及技术改进能力，因此国际贸易对产业发展水平较高的珠三角地区表现出比欠发达的粤东西北地区更大的促进作用。

值得注意的是，对珠三角地区高新技术产业产出影响程度排在第二位的是技术创新水平变量，其产出弹性系数为 0.309。在 4个地区当中，技术创新水平仅在珠三角地区产业增长回归模型中呈现出显著性的正向影响作用，并且占据明显重要的地位。这表明从珠三角区域来看，高新技术产业增长方式转型升级的努力已显示出不错的成效，以9个国家级高新区和占全省 80%以上的高新技术企业为主体的创新活动，在推动珠三角高新技术产业向高端化发展中发挥着越来越重要的影响。

珠三角高新技术产业产出对产业集聚水平的弹性系数为0.232，在所考察的多个因素中其重要性排在第三位，同时也是4个区域内产出弹性系数最大的。这说明珠三角地区内高新技术产业的集聚，确实对珠三角高新技术产业发展产生了较大的促进作用。在珠三角高密集的国家级高新区与星罗棋布的专业镇为产业集群载体基础上所形成的珠三角高新技术产业带，不仅还未产生 “拥挤效应”，反而正显示出较大的外部正向效应，以提升产业集群化程度为目标的集群战略与政策在珠三角高新技术产业发展中仍然具有较大的发展空间。

与创新在珠三角高新技术产业发展中作用重要相对，资本和劳动力投入在珠三角高新技术产业产出中所占地位下降，其中资本产出弹性为 0.149，而劳动力投入对于珠三角地区高新技术产业产出的作用并未通过显著性检验，这进一步说明珠三角高新技术产业依靠资本、劳动要素投入来获得产出增长的发展模式已有所改变，从业人员对产业增长所做出的贡献，已经不能单纯地依靠劳动力数量的多少来进行衡量，劳动者所拥有的知识、技术的多少才是更重要的决定因素。而政府投入资金对于珠三角地区高新技术产业产出有负向影响，这与广东省内的其余3个地区有着本质性的差别，珠三角作为经济较为发达地区更为依赖民间投资，高新技术产业自下而上发展的特征已较为明显。

第二，粤东西北高新技术产业增长影响因素分析。粤东地区高新技术产业增长影响因素产业集聚水平及技术创新投入 2个变量没有通过显著性检验，表明产业集群发展与创新在粤东高新技术产业发展中还没有发挥出作用。其他变量对于产业产出都产生显著性的正向影响作用，并且按其影响程度从大到小排序如下：政府投入资金、劳动力投入、出口额以及资本投入。与珠三角地区显著不同的是，政府投入资金对于粤东地区高新技术产业增长的影响作用最大，其产出弹性系数高达 0.437，这表明粤东地区的高新技术产业仍处于由政府投入主导的 “自上而下”的发展模式，政府支持对于产业增长起着决定性的关键作用。资本投入、劳动力投入变量的产出弹性系数分别为 0.136及 0.259，说明粤东地区高新技术产业增长对于资本及劳动力两种基本要素的投入尚存在很大的依赖性，要素投入驱动粗放型产业发展模式明显。模型中的空间滞后变量显著为正，其产出弹性系数为 0.258，表明粤东城市高新技术产业发展同样呈现较高的空间自相关效应。这可能与粤东地区属于共同的潮汕文化有关，其产业发展基础与经济发展水平虽低于珠三角但要比粤西北相对要好，这似乎意味着产业发展空间溢出效应存在门槛。

粤西地区高新技术产业增长影响因素产业集聚水平以及技术创新投入2个变量也没有通过显著性检验，产业集群发展与创新在粤西高新技术产业发展中不占重要地位。其他4个变量对于产业产出都具有显著性的正向影响，并且按其影响程度从大到小排序如下：劳动力投入、出口额、资本投入以及政府投入资金。总体而言，粤西地区高新技术产业的发展对于劳动力、资本等基本要素的投入同样具有很大的依赖性，属于依靠生产要素投入驱动的粗放型增长方式。而与粤东不同的是，出口对于产业增长存在较大的拉动作用，并且产业发展也表现出受政府支持影响程度较大的 “自上而下”模式，与粤东地区高新技术产业增长模式并无本质区别。粤西城市产业空间溢出效应不存在，这与三个城市产业发展差别较大有关。

粤北地区高新技术产业增长影响因素产业集聚程度、技术创新投入2个变量也没有通过显著性检验，而其余4个变量对于产业产出的影响程度按其系数大小排序如下：资本投入、政府资金投入、劳动力投入以及出口额。粤北5市之间也不存在空间溢出效应，这表明 5市之间的产业发展协同还远未形成。

从以上对广东整体以及珠三角、粤东、粤西、粤北为研究对象的高新技术产业发展空间计量模型实证分析结果来看，总体分析结果虽然反映出广东高新技术产业发展的特征，但明显看出省内不同发展层次地区存在差异，目前广东各区域高新技术产业的发展模式可以按照两种类型进行划分：在经济较为发达的珠三角地区高新技术产业发展中，与区位密切相关的出口、集群与溢出解释了珠三角高新技术产业增长的 80%以上，使珠三角高新技术产业发展具有明显的出口拉动、集群发展与产业发展协同特征，而技术创新在产出增长中所发挥的作用表明珠三角高新技术产业发展也已开始转向创新驱动，市场主导的高新技术产业自下而上发展已成为主流；而对于经济欠发达的粤东西北地区高新技术产业发展，目前都属于主要依靠资本劳动投入驱动的粗放型增长方式，技术创新与集群都尚未能对产业增长起到显著性的促进作用，并且仍属于受政府支持影响程度较大的“自上而下”发展模式。

三、结论与启示

以上分析表明，高新技术产业发展空间布局的形成不是偶然的，区位选择仍然在高新技术产业发展中占有重要位置，高新技术产业的空间分布在更大程度上取决于除资本、劳动基本生产要素以外的因素。从新古典增长理论的角度来看，无论是发达经济体为了实现持续增长的目标，还是欠发达经济体为了摆脱落后的发展格局，均要依赖快速的技术进步。在没有技术进步的情况下，资本的边际报酬会趋于递减，所以如何引致技术进步是高新技术产业 发 展 的 关键。林 毅夫 （2002、2003、2007）［12－14］认为，一 个国家 和地 区的 最优 产业，技术结构内生取决于这个经济体的要素禀赋结构。从这个视角出发，我们就不难理解为什么我国高新技术产业的空间布局会出现与区域经济格局高度耦合的现象。由于改革开放以来所实行的非均衡发展战略，在国际贸易的主要方式为海运的背景下，沿海地区地理区位的重要性不断上升，这不仅表现在国家层面东部沿海地区发展水平要超过中西部地区，也表现在一省之内沿海地区发展水平要超过省内腹地发展水平，在这种背景下产业和生产要素以很高的速率向该地区集聚。与此同时，对外开放、集群效应与空间溢出进一步推进沿海地区要素水平向高端化提升，从而形成了与产业结构演进相匹配的要素结构演进。我们的实证分析揭示，以珠三角为代表的经济发达地区有着高新技术产业更加适配的高端要素成长 “土壤”，其他一些禀赋条件和外部因素综合作用于这个“土壤”，共同导致了高新技术产业发展继续向经济发达地区集聚分布的现象。

对经济发达区域与欠发达区域高新技术产业发展的分析表明，两类区域在高新技术产业发展重要的特征变量上存在显著性差异，这既反映了两类区域在高新技术产业发展阶段的差异，也反映出两类区域高新技术产业发展水平的差异，同时对于经济发达区域内部发展程度相对接近城市之间空间相互影响的作用相对更强；但对于经济欠发达区域城市之间发展程度虽然接近，空间相互影响作用却很弱，这表明区域内城市间空间相互影响存在门槛效应。经济发达地区高新技术产业已呈现出较为明显的自下而上创新驱动发展特征，各地区间产业发展呈现良性协同，高新技术产业自我发展机制已然形成；而经济欠发达地区高新技术产业呈现自上而下基本要素驱动发展特征明显，并且各地区间产业空间溢出效应很弱，更为依赖政府政策的扶持。不同的发展特征意味着不同的政策需求，创新驱动发展适合于经济发达地区，但明显超越了经济欠发达地区要素支撑条件，在现阶段经济欠发达地区高新技术产业发展技术进步仍然以地方政府投入与资本引进为主，所以从数据分析结果来看，我国高新技术产业发展的有关战略、规划等的制订，亦需要针对不同类型的地区而区别对待。

［1］ 魏江.产业集群——创新系统与技术学习 ［M］.北京：科学出版社 ，2003.

［2］ David Harvey.Reshaping Economic Geography：TheWorld Development Report2009［J］.Development and Change，2009， 40（6）：1269－1277.

［3］ 罗勇，曹丽莉.中国制造业集聚程度变动趋势实证研究［J］.经济研究，2005（8）：106－127.

［4］ 林善浪，张慧萍.通达性、区位选择与信息服务业集聚——以上海为例 ［J］.财贸经济，2011（5）：106－115.

［5］ 刘志彪，江静.长三角制造业向产业链高端攀升路径与机制［M］.北京：经济科学出版社，2009.

［6］ Anselin L.Local Indicators of Spatial Association－LISA［J］. Geographical Analysis，1995（27）：93－115.

［7］ Martin P，Ottaviano G.Growth and Agglomeration［J］.International Economic Review，2001，42（4）：947－968.

［8］ Krugman P，Vernables A J.Globalization and the inequality of nations［J］.Quarterly Journal of Economics，1995，110（4）：857－880.

［9］ David Keeble，Frank Wilkinson.High－technology Cluster，Networking and Collective Learning in Europe［M］.Aldershot：Ashgate Publish Limited，2000.

［10］ Romer PM.Endogenous Technological Change［J］.Journal of Political Economy，1990，98（5），71－102.

［11］ Anselin L，R JG M Florax.New Directions in Spatial Econometrics［M］.Berlin：Springer Publish Limited，1995.

［12］ 林毅夫.发展战略、自生能力和经济收敛 ［J］.经济学季刊，2002（2）：269－300.

［13］ 林毅夫，李永军.比较优势、竞争优势与发展中国家的经济发展 ［J］.管理世界，2003（7）：21－28.

［14］ 林毅夫.潮涌现象与发展中国家宏观经济理论的重新构建［J］.经济研究，2007（1）：126－131.

Factors Affecting Spatial Distribution and Regional Difference of High-Tech Industry：Spatial Econometrics Research Based on 21 Cities in Guangdong

Zhang Peng，Wang Juan
（School of Business Administration，South China University of Technology，Guangzhou 510640，Guangdong，China）

By introducing spatial correlation variable，spatial econometricsmodel of high-tech industry is put forth. Based on 21 cities of Guangdong province from 2007 to 2010，ESDA and SLM are select to analyze factors affecting the developmentof high-tech industry in Guangdong，and SEM is select to analyze the regional difference of Guangdong.The factors affecting high-tech industry and the regional differences are discussed.

high-tech industry；spatial distribution；regional difference；spatial econometrics

F061.5

A

1009－055X（2015）03－0027－10

（责任编辑：邓泽辉）

2013－11－21

国家社会科学基金项目 （12BGL126）、广东省高新区发展引导专项计划 （2012B011000045）

张鹏 （1973－），男，河南郑州人，副研究员，博士，硕士生导师，主要研究方向为创新管理、高科技产业化。王娟 （1991－），女，安徽六安人，硕士生，主要研究方向为技术经济。