高技术产业集群外部性效应差异研究——基于2009—2014年省级面板数据的分析

张 弛,陈 昭,欧阳秋珍

(1.北卡罗来纳州立大学管理学院，美国北卡罗来纳州 NC27695；2.广东外语外贸大学经济贸易学院，广东 广州 510006；3.湖南文理学院经济与管理学院，湖南 长沙 415000)

高技术产业集群外部性效应差异研究
——基于2009—2014年省级面板数据的分析

张 弛1,陈 昭2,欧阳秋珍3

(1.北卡罗来纳州立大学管理学院，美国北卡罗来纳州 NC27695；2.广东外语外贸大学经济贸易学院，广东 广州 510006；3.湖南文理学院经济与管理学院，湖南 长沙 415000)

本文利用2009—2014年省级面板数据对中国不同高技术产业集群三种外部性效应的差异进行研究，结果发现：①医药制造业的MAR溢出对产业发展带来负面影响，Jacobs溢出推动产业的发展，Porter溢出对产业发展影响不显著；②电子及通信设备制造业的MAR溢出对产业发展带来负面影响，Jacobs溢出效应不显著，同时Porter溢出对该行业发展起到促进作用；③计算机及办公设备制造业MAR溢出效应为正，但是该行业不存在Jacobs溢出，同时Porter溢出效应为正；④医疗设备及仪器仪表制造业的MAR溢出对产业发展带来负面影响，Jacobs溢出效应为正，Porter溢出影响效应不显著。文中对上述结果进行了总结分析，指出差异化结论的原因所在，并对各高技术产业集群发展提出政策建议。

高技术产业集群；外部性；MAR溢出效应；Jacobs溢出效应；Porter溢出效应

高技术产业的发展是推动技术进步的动力之源，它对于一个国家和地区的产业结构调整和经济发展起着前瞻性和带动性作用。为实现“到 2020 年要将我国建设成为技术创新型国家”这一战略目标，必须从根本上提高高技术产业自主创新能力。但是随着企业研发能力提高，技术更新换代速度加快，企业如果仅依靠自主研发，难以跟上技术更新的速度。技术溢出作为外源性技术进步方式之一，是低成本获得技术的重要方式，中国高技术企业必须有效吸收技术，改造再创新，才能对发达国家的高技术企业实现技术追赶。高技术产业集群对技术溢出具有显著促进作用[1-3]，因此国务院将高技术产业集群作为调整产业结构、推动传统产业改造、增强国际竞争力的重大战略部署。但是除了技术溢出外，其他通过产业集聚产生的外部性效应有好有坏，并且不同行业间外部性效应不尽相同。在中国不同高技术产业集群过程中，哪种类型的外部性促进产业发展？哪种限制产业发展？找到这两个问题的答案，能够对高技术产业未来发展提供实用建议。

1 文献综述

通过产业集聚的外部性主要包括三个方面：一是由Marshall[4]最先提出，并由Arrow[5]跟Romer[6-7]拓展的基于产业专业化集聚而产生的外部性，简称MAR溢出，其主要思想是通过促进产业内的分工来发展区域经济；二是产业间外部性，简称Jacobs溢出。Jacobs[8]将外部性的好处归因于产业间的互补作用，认为互补的知识能在传播与交换中促进创新，进而推动区域经济发展；三是由产业间竞争产生的外部性，简称Porter溢出。Porter[9]指出不同产业之间是通过相互竞争创造外部性的，由于创新者感受到被快速效仿的压力，因此为保持竞争优势而不断创新。

在Jaffe[10]把空间因素引入知识生产函数后，知识在区域之间的溢出效应不断得到学者们的关注，知识的空间溢出日益成为研究热点。Glaeser等[11]采用美国1956年和1987年170个城市6大产业的数据，研究发现城市产业多样化和企业竞争有利于地区经济增长，从而验证了Jacobs溢出理论，而MAR溢出则对地区经济增长的影响作用为负。但是该研究没有对产业进行具体的细分，没有阐述不同类型产业外部性的原因。基于此，Henderson等[12]采用美国1970年和1987年224个都市区的数据，分别对美国五大传统制造业和三大高新技术产业进行计量实证检验，证实在成熟产业中知识外溢的主要原因是MAR溢出，而高新技术产业中MAR溢出和Jacobs溢出同时存在，然而他们的研究却没有引入表征Porter溢出的变量。此后，众多学者也采用其他国家或地区的数据对三种外部性进行了实证检验。Duranton等[13]提出了“技术池”假说，认为多样化集聚可以为企业提供更多的技术机会，Jacobs溢出使企业能够以小规模的生产实践以及较低的成本搜寻最佳生产流程；而当技术成熟时，规模化生产面临重新选址的问题，而此时专业化集聚能使企业获得更多的MAR溢出，从而降低生产成本。“技术池”假说的贡献在于通过知识生产的动态过程将MAR溢出和Jacobs溢出联系起来，阐明了两种溢出并存的条件，因而增强了溢出理论的现实解释力。相似的研究也围绕法国[14]、意大利[15]等国家展开。

针对中国产业集群外部性效应的研究也在近年来开始涌现。一些研究表明MAR溢出对地区经济增长的影响为负，Porter溢出对地区经济增长的影响为正，但Jacobs溢出对地区经济增长的影响或者显著为正[16]，或者存在U形函数关系[17]，或者不显著[18]。另外一些研究则发现MAR溢出和Jacobs溢出对产业经济增长均具有显著正向影响[19-20]。此外，范剑勇等[21]研究发现产业内集聚和关联产业集聚对地方经济增长的影响都为正，但产业内集聚的影响远高于关联产业集聚的影响；石灵云等[22]研究表明，从静态角度，MAR溢出和Jacobs溢出都使地区劳动生产率提高，但从动态角度，MAR溢出阻碍了地区经济增长，而Jacobs溢出则不显著；吴三忙等[23]利用省级制造业面板数据的实证研究表明专业化对制造业增长的影响为负，而多样化的产业环境和竞争有利于制造业产业增长。彭向等[24]采用1999—2007年30个地区21个工业行业数据，利用动态面板数据模型研究发现MAR溢出与Jacobs溢出对地区创新的影响显著为正，而Porter溢出创新影响显著为负。刘满凤等[25]发现沿海发达地区的MAR效应小Jacobs效应大；而西部落后地区则正好相反，MAR效应大Jacobs效应小，而当知识溢出效应用MAR溢出、Jacobs溢出提取后，描述高技术产业集群发展的变量之间不再具有空间相关性。其中东部地区的Jacobs溢出能够有效促进创新效率的提高；中部地区的MAR溢出却阻碍了创新效率的提高；而西部地区MAR溢出对创新效率的促进作用较为明显[26]。杨浩昌等[27]发现产业聚集对科技创新的影响存在明显的行业差异：多数机械电子制造业和轻纺制造业的产业聚集有利于促进科技创新，而部分资源加工工业的产业聚集则在一定程度上抑制了科技创新。此前研究证明了在我国高技术产业集聚过程中存在MAR、Jacobs与Porter溢出三种外部性，但是由于数据及分类等方面的原因，对三种溢出效应的结论各异，同时虽然相关研究发现产业集聚对不同高技术产业影响不同，但是针对各高技术产业集聚过程中三种溢出带来正效应还是负效应以及其大小的研究更是一片空白。本文将在以下方面拓展前人的研究：对中国高技术产业进行划分，探究在各个高技术行业集聚过程中外部性是否都存在以及其效应如何。

2 理论分析与假设提出

2.1 MAR溢出效应

MAR溢出对高技术企业影响的传导机制主要有以下两个方面：①随着产业在特定区域内集中程度的增加，知识在同一产业内所有企业间的传播和扩散速度加快，相同产业从业人员交流成本和交通成本将会大大降低，这将会促使他们更多地进行沟通、交流和互相学习，甚至企业在集群地理区域内可以免费地获取某些技术和知识，从而导致了知识溢出和创新程度的提高，整个产业群发展速度加快；②由于产业集群内企业数量众多，并且各子行业高度类同，产业所用技术具有较高的通用性，因此当单一创新主体成功进行科技研发时，周边的企业能够低成本从技术溢出中获利，这种“搭便车”行为使得创新主体获得低于平均资金回报率的创新生产效率，创新主体无法从技术创新中获利，导致知识溢出效应从根本上抑制创新主体进行知识创新的积极性。如此循环，使得整个产业集群都缺乏创新的氛围，进而抑制了整个产业群的技术进步，对产业发展起到负面作用。针对具体产业MAR溢出的效应，应根据两种传导机制作用强度进行判断，由此我们提出假设H1(a)：MAR溢出对高技术产业集群发展起促进作用;H1(b)：MAR溢出对高技术产业集群发展起抑制作用。

2.2 Jacobs溢出效应

Jacobs溢出对高技术产业影响的传导机制主要有以下两个方面：①多元化的产业结构有利于地方创新，因为知识往往是在互补产业间而不是在相似产业间溢出，互补的知识在多样化的企业和经济行为人之间的交换能够促进创新的搜索与实践。当某一高技术产业集群能够消化、吸收其他高技术产业集群的溢出效应时，产业发展速度加快。②但是根据史修松等[28]、刘璇和邓向荣[29]等的研究，中国高技术产业集群多数是由政府通过优惠政策形成的企业空间集聚，而不是以产业集群的自主机制和高产业的内在关联性而形成的。同时高新区过分重视硬件建设忽略技术环境构筑，各高新区产业集群产业结构雷同，缺乏明晰的产业定位和产业特色，产业集群中技术开发者之间关联度低，导致技术扩散渠道不畅，互补性溢出效应不明显。由此我们提出假设H2(a)：Jacobs溢出对高技术产业集群发展起促进作用;H2(b)：Jacobs溢出对高技术产业集群发展作用不显著。

2.3 Porter溢出效应

Porter溢出对高技术产业影响的传导机制主要有以下两个方面：①当某一高技术产业集群成功进行科技创新时，将会给另一高技术产业集群造成压力，其他高技术产业集群为避免被淘汰，将会加大科研开发力度，因而提高了其他高技术产业集群的科研产出；②根据李凯等[30]、谢子远和鞠芳辉[31]等的研究，Porter溢出可能导致产业集群内不同产业集群间出现过度竞争的现象，企业过度的研发投入导致研发效率降低，资金配置紧张。同时过度竞争阻断了知识扩散渠道，知识和信息虽然更容易在处于同一地区的企业之间传播，但前提是他们之间相互信任，能够频繁地面对面交流，具有紧密的社会联系，然而由于我国市场机制不完善和相关法律不健全，企业间缺乏合作意识，长期各自为战，没有充分地相互学习与交流。在激烈的竞争中，企业为了防止技术外泄，减小创新成果被模仿的概率，延长创新成果的收益期，对其他企业严密设防甚至可能散布虚假信息，这就阻断了知识和信息的扩散渠道，产业集群不仅不能促进知识和信息的流动，反而对其产生了阻碍作用。针对具体产业Porter溢出的效应，应根据两种传导机制作用强度进行判断。由此我们提出假设H3(a)：Porter溢出对高技术产业集群发展起促进作用;H3(b)：Porter溢出对高技术产业集群发展起抑制作用。

3 模型构建与数据处理

3.1 面板数据模型建立

本文理论模型的出发点是柯布—道格拉斯生产函数：

Y=ALαKβ

(1)

式中，Y代表工业的主营业务收入，K为资本投入，L为劳动力的投入，A为技术及制度等其他外生变量。对等式两边取对数可得：

lnYi,j=lnAi,j+αlnLi,j+βlnKi,j+lnA′

(2)

式中，Yi,j代表省份i产业j的主营业务收入，Ai,j代表省份i产业j的技术外生变量，Li,j代表省份i产业j的劳动力投入，Ki,j代表省份i产业j的资本投入，根据金煜等[32]的研究，城市化程度及基础措施的改善等因素有利于产业集聚，因此以A′代表地区发达程度作控制变量。根据本文实际使用的模型，将式(2)中Ai,j这个解释变量再分为speci,j、divii,j和cpeti,j三个解释变量，分别代表MAR外溢、Jacobs外溢和Porter外溢。我们应用省级面板数据进行实证，因此以PGDPi即省份i的人均GDP代表省份i的发达程度等其他外生变量A′。于是模型转化为：

lnYi,j=α1lnLi,j+α2lnKi,j+α3speci,j+α4divii,j+α5cpeti,j+α6lnPGDPi+αi+εi,j

(3)

式中，α1、α2、α3、α4、α5、α6为以上几个影响产业增长的变量的系数，αi为模型的固定效应或随机效应，εi,j是综合扰动项。表示产业内的专业化程度，用于衡量MAR溢出的大小。对于高新技术产业集群知识溢出的MAR溢出测度，本文借助Henderson等[12]及吴三忙等[23]所采用的测度方法，利用区域i产业j的产业专业化指数来测度MAR溢出。具体计算公式如下：

(4)

其中，VAn,j为全国所有省份产业j的主营业务收入总和；VAi,j为省份i产业j的主营业务收入总和；VAi为省份i全部产业的主营业务收入总和；VAn为全国所有省份全部产业主营业务收入总和，speci,j越大，则说明i省市j产业的专业化程度越高，反之相反。

对于高技术产业集群知识溢出的Jacobs溢出测度，本文借助彭向和蒋传海[24]等的做法，应用多样性指数表示产业之间的互补程度。具体计算公式如下：

(5)

式中，VAn,j、VAi,j、VAi及VAn意义同上。divii,j值越大，则说明i省市j产业与其他产业互补性越强，反之相反。

对于高新技术产业集群知识溢出的Porter溢出的测度，本文借助Feldman[33]、彭向和蒋传海[24]等的测算方法，利用表示产业之间的竞争程度，衡量Porter溢出的大小。具体计算公式如下：

(6)

其中，Numi,j表示i省市j产业的企业总数，Ei,j表示i省市j产业的员工总数，Numn,j表示全国j产业的企业总数，En,j表示全国j产业的员工总数。cpeti,j值越大，则说明i省市j产业面临的市场竞争越大，反之相反。各变量的含义如表1所示。

表1 变量名称及单位

3.2 数据来源与筛选

鉴于数据的连续性与可获性，同时2008年美国金融危机前后中国高技术企业集聚及规模差异较大，本文以2009—2014年为统计样本时间，根据《中国高技术产业统计年鉴》的数据，相比其他地区，新疆、宁夏、青海、甘肃、西藏、海南和内蒙古地区的高技术企业数量明显较少，至今仍不足100家，产业集聚作用不明显，同时由于数据缺失较多，因此本文予以剔除，保留其余24个省份及地区：北京、天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、上海、江苏、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东、广西、重庆、四川、云南和陕西，这24个省份涵盖了全国绝大多数的高技术企业，因此与全区域数据计算得出的结果差异较小。数据来源为国家统计局汇编的2010—2015年的《中国高技术产业统计年鉴》及《中国统计年鉴》。同时以2009年为基期，利用我国的PPI指数将每年工业主营业务收入折算到2009年价格水平，利用地区PGDP指数将每年地区PGDP折算到2009年水平。根据国家统计局印发的《高技术产业统计分类目录的通知》，我国高技术产业划分为五类：电子及通信设备制造业、电子计算机及办公设备制造业、医疗设备及仪器仪表制造业、航空航天器制造业、医药制造业。其中由于航空航天器制造业有关数据缺失较多，因此本文予以剔除。

3.3 有关数据的描述性统计

本文的总体样本为2009—2014年医药制造业、电子及通信设备制造业、电子计算机及办公设备制造业、医疗设备及仪器仪表制造业的省级面板数据，相关变量的描述性统计见表2。

表2 四大高技术行业相关变量的描述性统计

根据有关统计指标可知：①医药制造业专业化程度普遍较高，但是不同地区差异较大，产业互补程度全国各地都较低，产业竞争程度适中；②电子及通信设备制造业专业化程度较低，产业互补程度与产业竞争程度适中；③计算机及办公设备制造业专业化程度较低，产业互补程度适中，产业竞争程度较高，但是不同地区差异较大；④医疗设备及仪器仪表制造业专业化程度和产业互补程度适中，产业竞争程度较高，但是不同地区差异较大。

4 实证研究结果

4.1 医药制造业技术溢出效应的实证研究结果

对医药制造业相关变量分别运用面板固定效应模型和随机效应模型进行回归，并通过Hausman检验来判断选用哪个模型，回归结果见表3。

表3 医药制造业技术溢出效应估计结果

注：*、**、***分别表示在10%、5%、1%的水平上拒绝原假设。

我们对模型(1)进行Hausman检验，结果支持固定效应。所有模型显著的系数符号都相同，因此我们认为模型是稳健的。医药制造业的MAR溢出对产业发展带来负面影响，验证H1(b)；Jacobs溢出推动产业的发展，验证H2(a)；Porter溢出对产业发展影响不显著。其原因是虽然我国医药企业众多，但是知名度较高、能够形成品牌的较少，多数化学和生物药物都是仿制品，极少有受世界认可的自主研发的药物。依靠仿制生产的药物同质性较强，但是医药市场容量有限，医药企业的获利只能通过流通领域恶性竞争，如变相压价和回扣以及过度的广告投入。以上因素导致医药企业研发投入不足，无法获得稳定的技术产出，技术进步只能通过模仿，这导致MAR溢出对产业发展带来负面影响，同时医疗器械及仪器仪表制造业与医药制造业为上下游产业，医药企业的学习和模仿能力大大提高，医疗器械及仪器仪表制造业的技术能够与医药制造业的技术形成互补，技术在两个产业将溢出强度增加，因此Jacobs溢出推动产业的发展。由于整个产业自主创新较少，医药企业感受到同行的研发压力也相对较少，因此Porter溢出对产业发展影响不显著。

4.2 电子及通信设备制造业技术溢出效应的实证研究结果

对电子及通信设备制造业相关变量分别运用面板固定效应模型和随机效应模型进行回归，并通过Hausman检验来判断选用哪个模型，回归结果见表4。

表4 电子及通信设备制造业技术溢出效应估计结果

注：*、**、***分别表示在10%、5%、1%的水平上拒绝原假设。

我们对模型(1)进行Hausman检验，结果支持固定效应。所有模型显著的系数符号都相同，因此我们认为模型是稳健的。电子及通信设备制造业的MAR溢出对产业发展带来负面影响，验证H1(b)；Jacobs溢出效应不显著，验证H2(b)；同时Porter溢出对该行业发展起到促进作用，验证H3(a)。由于电子及通信设备制造业研发门槛较低，但是产品的生命周期较短，这导致创新主体的收益较低，多数企业选择“搭便车”来获取技术，这对每个创新个体的创新积极性造成打击，因此MAR溢出对该产业发展带来负面影响；同时由于该产业产值占高技术产业产值一半有多，该产业从其他高技术产业吸收的技术相对较少，因此Jacobs溢出的效应不显著；同时该产业存在大量中小企业，要想不被淘汰必须依靠不断创新，但是中小企业R&D投入更多考虑主营业务收入及利润等短期目标，研发投入较为理性，因此Porter溢出对该行业发展起到促进作用。

4.3 计算机及办公设备制造业技术溢出效应的实证研究结果

对计算机及办公设备制造业相关变量分别运用面板固定效应模型和随机效应模型进行回归，并通过Hausman检验来判断选用哪个模型，回归结果见表5。

我们对模型(1)进行Hausman检验，结果支持固定效应。所有模型显著的系数符号都相同，因此我们认为模型是稳健的。计算机及办公设备制造业MAR溢出效应为正，验证H1(a);但是Jacobs溢出不显著，验证H2(b);同时Porter溢出效应为正，验证H3(a)。经过多年的发展，中国计算机及办公设备制造业企业实力不断增强，逐步形成民族品牌，计算机制造企业的发展思路已经从过去的模仿制造变成自主创新，并且不同企业专攻不同的产品市场，当计算机及办公设备制造企业聚集时，彼此能够互相学习，享受专业化所带来的优势，因此MAR溢出效应为正；但是该产业与其他高技术产业技术差距较大，互补的技术应用难度较大，因此Jacobs溢出不显著；计算机及办公设备制造业聚集时，由于受到同行研发压力的刺激，企业会不断加大研发投入，但是经过多年的竞争，目前我国的计算机制造业企业多数为老牌企业，风险控制能力较强，彼此形成良性竞争，因此Porter溢出效应为正。

表5 计算机及办公设备制造业技术溢出效应估计结果

注：*、**、***分别表示在10%、5%、1%的水平上拒绝原假设。

4.4 医疗设备及仪器仪表制造业技术溢出效应的实证研究结果

对医疗设备及仪器仪表制造业相关变量分别运用面板固定效应模型和随机效应模型进行回归，并通过Hausman检验来判断选用哪个模型，回归结果见表6。

表6 医疗设备及仪器仪表制造业技术溢出效应估计结果

注：*、**、***分别表示在10%、5%、1%的水平上拒绝原假设。

我们对模型(1)进行Hausman检验，结果支持固定效应。所有模型显著的系数符号都相同，因此我们认为模型是稳健的。医疗设备及仪器仪表制造业的MAR溢出对产业发展带来负面影响，验证H1(b)，原因与医药制造业类似；Jacobs溢出效应为正，验证H2(a)，其原因是该产业技术能够与医药制造业形成技术互补，共同进步；Porter溢出影响效应不显著，原因与医药制造业类似。

5 基本结论与政策建议

基本结论如下：①医药制造业的MAR溢出对产业发展带来负面影响，Jacobs溢出推动产业的发展，Porter溢出对产业发展影响不显著；②电子及通信设备制造业的MAR溢出对产业发展带来负面影响，Jacobs溢出效应不显著，同时Porter溢出对该行业发展起到促进作用；③计算机及办公设备制造业MAR溢出效应为正，但是该行业不存在Jacobs溢出，同时Porter溢出效应为正；④医疗设备及仪器仪表制造业的MAR溢出对产业发展带来负面影响，Jacobs溢出效应为正，Porter溢出影响效应不显著。

政策建议如下：①针对医药制造业，国家需要维护正常市场秩序，打击行业的不正之风，引导企业自主创新，减少负的MAR外部性带来的影响；政府应当出台相关政策，鼓励其他高技术企业与医药制造企业形成集群，让医药制造企业充分享受技术互补所带来的正外部性；医药制造企业应加强与区域城市间企业的合作，积极融入区域分工体系，做专做精，提高产业专业化和职能专业化水平。②国家应当加大对电子及通信设备制造企业创新的补贴力度，完善对其知识产权及专利等方面的立法，对借用他人专利及技术的企业进行收费，减少负的MAR外部性带来的影响；消费者应当避免购买“山寨”电子产品，降低技术效仿者的收益；政府可适度扩大电子及通信设备制造产业集群规模，充分利用正的Porter外部性带来的好处，促进企业在竞争中创新发展。③政府在规划计算机及办公设备制造业群时，应当引导类型相同或者相似的企业集聚，促进企业专业化发展，同样应当适度增加规模，提高产业群内的竞争强度，充分利用正的Porter外部性带来的好处。④医疗设备及仪器仪表制造企业加强与医药制造企业的联系，促进彼此技术的进步。

[1]官建成，刘顺忠．区域创新机构对创新绩效影响的研究[J].科学学研究，2003(2)：210-214．

[2]谢子远.国家高新区技术创新效率影响因素研究[J].科研管理，2011，32(11):52-58.

[3]刘修岩.空间效率与区域平衡:对中国省级层面集聚效应的检验[J].世界经济，2014(1):55-80.

[4]MARSHALL A.Principles of economics[M]Macmillan，London，1895.

[5]ARROW K.The economic implications of learning by doing[J].Review of economic studies，1962(65):155-173.

[6]ROMER P M.Endogenous technological change[J].Journal of political economy，1990(5):71-102.

[7]ROMER P M.Increasing returns and long-run growth[J].Journal of political economy，1999，94(5):1002-1037.

[8]JACOBS J.The economy of cities[M].NewYork:Vintage，1969.

[9]PORTER Michael E.The competitive advantage of nations[M].New York:Free Press，1990.

[10]JAFFE A B.Real effects of academic research[J].American economic review，1989，79(5):957-70.

[11]GLAESER E，KALLAL H，SCHEINKMAN J，SCHLEIFER A.Growth in cities[J].Journal of political economy，1992，100(6):1126-1152.

[12]HENDERSON J V，TURNER M，KUNCORO A.Industrial development in cities[J].Journal of political economy，1995，103(5):1067-90.

[13]DURANTON G，PUGA D.Nursery cities：urban diversity，process innovation，and the life cycle of products[J].American economic review，2001，91(5):1454-1477.

[14]COMBES P P.Economic structure and local growth：France，1984—1993[J].Journal of urban economics，2000，47(3):329-355.

[15]CAINELLI，GIULIO，LEONCINI，et al.Externalities and long-term local industrial development.Some empirical evidence from Italy[J].Revue déconomie industrielle，1999，90(1):25-39.

[16]BATISSE C.Dynamic externalities and local growth：a panel data analysis applied to Chinese provinces[J].China economic review，2002，13(2-3):231-251.

[17]薄文广.外部性与产业增长——来自中国省级面板数据的研究[J].中国工业经济，2007(1)：37-44.

[18]GAO T.Regional industrial growth：evidence from Chinese industries[J].Regional science & urban economics，2004，34(1):101-124.

[19]石灵云，刘修岩.地方化经济、城市化经济与劳动生产率——基于中国制造业四位数行业的实证研究[J].南方经济，2008(3):43-51.

[20]苏红键，赵坚.产业专业化、职能专业化与城市经济增长——基于中国地级单位面板数据的研究[J].中国工业经济，2011(4):25-34.

[21]范剑勇，石灵云.产业外部性、企业竞争环境与劳动生产率[J].管理世界，2009(8):65-72.

[22]石灵云，殷醒民，刘修岩.产业集聚的外部性机制——来自中国的实证研究[J].产业经济研究，2007(6):1-7.

[23]吴三忙，李善同.专业化、多样化与产业增长关系——基于中国省级制造业面板数据的实证研究[J].数量经济技术经济研究，2011(8):21-34.

[24]彭向，蒋传海.产业集聚、知识溢出与地区创新——基于中国工业行业的实证检验[J].经济学(季刊)，2011(3):913-934.

[25]刘满凤，吴卓贤.高新技术产业集群知识溢出的Mar效应和Jac效应的实证研究[J].科学学与科学技术管理，2013(8):83-92.

[26]韩庆潇，杨晨，李鹏.中国高技术产业知识溢出与创新效率分析[J].中国科技论坛，2015(2):67-71.

[27]杨浩昌，李廉水，刘军.制造业聚集、科技创新与行业差异[J].中国科技论坛，2016(3):75-80.

[28]史修松，赵曙东，吴福象.中国区域创新效率及其空间差异研究[J].数量经济技术经济研究，2009(3):45-55.

[29]刘璇，邓向荣.技术空间扩散范围测度研究——以我国四大直辖市为例[J].科学学研究，2010，28(9):1331-1337.

[30]李凯，任晓艳，向涛．产业集群效应对技术创新能力的贡献——基于国家高新区的实证研究[J].科学学研究，2007(3)：448-452．

[31]谢子远，鞠芳辉.产业集群对我国区域创新效率的影响——来自国家高新区的证据[J].科学学与科学技术管理，2011，32(7):69-73.

[32]金煜，陈钊，陆铭.中国的地区工业集聚:经济地理、新经济地理与经济政策[J].经济研究，2006(4):79-89.

[33]FELDMAN M P，AUDRETSCH D B.Innovation in cities：science-based diversity，specialization and localized competition[J].European economic review，1999，43(2):409-429.

(责任编辑 沈蓉)

On the Difference of Industrial Clusters’ Externality Across Chinese High-tech Industries——Based on Provincial Panel Data from 2009 to 2014

Zhang Chi1,Chen Zhao2,Ouyang Qiuzhen3

(1.Management College，North Carolina State University,North Carolina,NC27695,USA；2.School of Economics& Trade，Guangdong University of Foreign Studies,Guangzhou 510006,China；3.School of Economics& Management，Hunan University of Arts and Science,Changsha 415000,China)

By utilizing panel data of Chinese High-tech industries across 24 provinces or municipalities from 2009 to 2014，this paper analyses the influence of three kinds of externality on various high-tech industries.The outcome shows that：①In Industry of Medicines Manufacture，MAR spillover effect is negatively related to the development of the industry，while Jacobs spillover shows a positive effect and Porter spillover has little effect.②In Industry of Manufacture of Electronic Equipment and Communication Equipment，MAR spillover effect is also negatively related to the development of the industry and Jacobs spillover shows little effect，but Porter spillover gives a boost to the development of this industry.③Both MAR and Porter spillover effect in Industry of Manufacture of Computers and Office Equipment are positively related to the development of the industry，but Jacobs spillover effect does not exist.④In Industry of Manufacture of Medical Equipments and Measuring Instrument，MAR spillover effect does harm to the development of the industry，but Jacobs spillover effect is beneficial，while Porter spillover has little effect.Based on the above conclusion，some suggestions for the development of high-tech industries are provided.

High-tech industries clusters；Externality；MAR spillover effect；Jacobs spillover effect；Porter spillover effect

教育部人文社科研究青年基金项目“传递、吸收与再创新：国际技术溢出作用我国高技术产业的演化路径分析”(14YJC790091)，广东省大学生创新创业计划项目“多渠道技术溢出空间逻辑、溢出门槛与自主创新模式的研究”(201611846008)。

2016-08-23

张弛(1994-)，男，广东广州人，博士在读；研究方向：企业并购与公司治理。

C812

A