“互联网+”是否能促进产业聚集——基于2007—2014年省级面板数据的检验

刘　军,石喜爱

(1.南京信息工程大学经济管理学院，江苏　南京　210044;2.东南大学经济管理学院，江苏　南京　211189)

1　文献综述

关于“互联网+”对产业聚集影响的研究并不多见，相关的研究主要集中在“互联网+”的内涵与“互联网+”对产业聚集的影响两个方面。

1.1　“互联网+”的内涵

互联网已经深入渗透各个行业之中，催生了众创、众包等新型商业模式的出现。由于互联网巨大的影响力，使其成为经济发展的重要影响因素[1]。“互联网+”的重点在于推进两化融合，互联网是把双刃剑，在警惕互联网威胁的同时也要充分借力互联网带来的机遇，促进产业的发展[2]。“互联网+”对经济社会产生影响，主要在于互联网本身存在的强大破坏力、生命力与包容性。互联网打破了原来封闭的产业环境，并且作为一种新型的竞争手段来实现跨界经营，挑战传统行业，产生了互联网价值链与实体产业价值链的融合、重新排列，提升企业竞争力，以全新的方式创造价值[3]。

正是由于互联网对于各个行业的强大支撑和带来的发展动力，因而产生了众多关于互联网与行业发展融合和具体应用的研究。谢平等研究了不同于银行融资和资本市场融资的第三种融资模式——互联网金融模式及其支付手段、信息处理和资源配置方式[4]。李海舰等认为传统企业必须适应互联网的大环境，对其进行改造,向智慧型组织发展[5]。辜胜阻等认为“互联网+”能推进产业改造和促进商品的生产与流通，培育新的经济增长点[6]。根据以上研究我们可以发现，“互联网+”已经在经济发展中落地生根，促进不同产业的发展，正在为整个社会带来深刻变革。

已有文献主要关注在于“互联网+”的基本讨论及衍生影响，而较少对“互联网+”的定义进行界定，因而，本文定义“互联网+”是基于互联网基础设施建设和开发利用，对社会经济的各个方面进行信息化改造、联网与深度融合，来提升产品价值、改造商业模式、推动产业结构变化以促进经济发展的过程。“互联网+”的过程其实也就是互联网的发展过程，通过技术积淀与用户的开发利用来不断推动互联网与各个行业的融合。

1.2　“互联网+”对产业聚集的影响

早期的学者就已关注到以互联网为代表的信息通信技术对于产业聚集的积极作用，Liu以北京经济技术开发区星网工业园为例探讨了信息通信技术对于产业聚集的动态作用，认为信息通信技术只是有利于产业聚集而不是一种确定性的驱动力量[7]。Hong等的研究发现信息通信技术促进了制造业的地理集中度，并且这种促进作用对于高新技术产业影响更显著[8]。从近期的研究来看，汪明峰等指出互联网将通过学习与知识共享来驱动产业聚集，有利于地区价值链的提升[9]。冯伟认为信息流动是产业聚集的原因，信息流动有利于产业聚集的快速形成[10]。赵凯构建博弈模型，发现促进企业信息传递与共享有利于加强产业集群并产生正外部性[11]。具体到行业中来，黄佳军等认为银行机构集聚受到信息成本和交通成本的影响，造成了地区银行业务差异[12]。Gallagher以美国制造业为例分解了产业间贸易的信息成本和运输成本，并指出信息成本是产业协同集聚的重要影响因素[13]。刘家林等通过分析集群企业间信息网络的结构形态和关系特性，认为信息网络有助于集群企业间形成联结能力和促进创新能力的提升[14]。宋周莺等认为信息技术通过影响企业区位因素变化和商业运行模式来改变产业的空间组织形态[15]。孙要中等指出集群信息优势有利于企业的聚集进而产生聚集效应，但信息效应受到信息量和信息传递效率影响，因而一定程度上制约了产业集群的边界[16]。已有文献主要集中于研究信息化与产业聚集之间的作用关系，从而为本文的研究奠定了扎实的理论基础。

2　机理分析与假设

“互联网+”对产业聚集的影响可以从正负两个方面进行阐述。

2.1　“互联网+”促进产业聚集

一是“互联网+”通过促进劳动力共享来促进产业聚集。Alfred Marshall认为，产业聚集的产生源于劳动力共享以及知识溢出等外部性。首先，“互联网+”有利于促进产业的分化，产生新的就业岗位，从而形成产业聚集；其次，网络的发展带来信息效率提升，信息发展水平成为地区的比较优势，吸引劳动力的聚集；最后，通过互联网平台能对众多就业信息加工处理，使得就业的供给与需求快速匹配，减弱了就业信息不对称，有利于实现劳动力共享。

二是“互联网+”通过促进知识溢出来促进产业聚集。产业聚集促使产业内部和产业之间的在同一区域内进行更多的交流，有利于巩固新学知识和激发创意，产生知识溢出，而互联网极大地提升了信息效率，使得产业内部和产业之间的交流更加的快速和准确，知识和技术能够以更加快捷的方式进行传递，扩大了知识的溢出效应，更大地促进了产业聚集。

2.2　“互联网+”促进产业扩散

产业聚集在某一区域会降低交易成本，相关企业为了获得较低的交易成本，通常会向该区域聚集，而“互联网+”可能会对上述机制产生一些改变。企业的交易成本部分源于营销渠道和供应链维护，企业为从外部获取资源需要通过谈判、巩固客户关系等手段进行维护，建立复杂的分销网络、服务体系和沟通层级，中间环节的增多无疑降低了渠道的效率，直接导致物流成本的增加和客户体验的变差。“互联网+”能快速构建企业间的沟通渠道，依靠互联网就能直接服务消费者，使得彼此之间能充分交流和实现信息共享，降低彼此间信息搜寻成本和时空距离来巩固客户关系，缩短供应链响应时间来降低库存和提升客户体验。所以，以“互联网+”为手段，通过减小信息成本来降低交易成本，使产业的发展不再囿于空间邻近，而可以“互联网+”作为交流渠道和创新媒介，可能会使企业从聚集区域扩散开来。

产业的聚集与扩散是由区域向心力和离心力共同决定，“互联网+”会对产业聚集产生一定的向心力(正向影响)，也可能产生离心力(负向影响)，最终结果取决于两者之间的对比。若正向影响大于负向影响，则“互联网+”促进产业聚集；反之，则“互联网+”促进产业扩散。本文参考于斌斌等的划分方法[17]，将产业聚集划分为制造业聚集和生产性服务业聚集，提出假设1：“互联网+”有利于促进制造业聚集；假设2：“互联网+”有利于促进生产性服务业聚集。考虑到地区间的异质性，本文进一步提出。假设3：“互联网+”对于制造业聚集存在区域差异；假设4：“互联网+”对于生产性服务业聚集存在区域差异。

3　模型设计与变量说明

3.1　计量模型设定

本文的计量模型设定如下：

(1)

其中j=1,2，分别表示制造业聚集和生产性服务业聚集；i表示各省份地区，t表示年份，ε表示残差。

3.2　变量说明

(1)被解释变量：产业聚集(Agglo)。本文将产业聚集分为制造业聚集和生产性服务业聚集，现有的关于产业聚集的测度方法较多，考虑到区位商能够更好地度量产业的聚集水平与特性，本文将以区位商来对产业聚集水平进行衡量，测算公式如下：

(2)

其中，Mit表示地区i在时间t时的制造业(生产性服务业)的就业人数，Mt表示所有地区在t时的制造业(生产性服务业)的总就业人数，Pit表示地区i在时间t时的总就业人数，Pt表示在时间t时全国的总就业人数。

(2)核心解释变量：互联网+(IP)。目前关于“互联网+”的研究大多停留在定性研究的层面，定量的不多，有学者考虑用企业在信息处理设备方面的投资额或者互联网普及率来表示“互联网+”，本文以互联网普及率与电信固定资产投资的乘积来表示“互联网+”，主要原因在于：一是反映了社会对于互联网利用的程度和互联网基础设施建设水平；二是这种乘积交互代表着互联网带来的乘数效应；三是 “互联网+”对产业的影响是多方面的，因而从社会整体的角度来量化更为恰当，保证了变量的外生性；四是由于统计年鉴中“互联网”的相关指标较少而难以构建指标体系进行量化。

(3)控制变量：①交通基础设施(Infra)，本文借鉴刘军等[18]的做法，用各地区等级公路和营业铁路里程数之和与各省区域面积的比值来衡量地区的基础设施建设。本文预期，交通基础设施建设对产业聚集存在正向影响。②经济开放水平(Eco)，本文借鉴刘军[18]、金春雨[19]、樊秀峰[20]等的做法，用各地区进出口总额与各地区GDP的比值来衡量经济开放水平。本文预期，经济开放水平对产业聚集存在正向影响。③环境规制(Enr)，参考刘军等[18]的做法，用各地区工业污染治理投资完成额与该地区工业总产值的比值来表征环境规制。本文预期，环境规制对产业聚集存在正向影响。

本文所用数据来源于国家数据(http://data.stats.gov.cn/)、国研网、《中国统计年鉴》《中国工业统计年鉴》《中国人口和就业年鉴》《中国环境统计年鉴》和《中国金融年鉴》，考虑到部分指标的获取难度和统计时间问题，故将数据的时间跨度设定为2007—2014年。由于西藏地区的多个指标缺失，最后统计得到内地30个省市数据。在数据处理中，将部分计量单位为美元的指标根据当年平均汇率换算为人民币。考虑到异方差问题，本文对各变量指标取对数，所得各变量指标的数据特征如表1所示。

表1　变量指标的描述性统计

4　实证研究

面板数据的估计有多种模型形式，每种模型都有相应的假设前提，如果前提不符合就可能得到错误的结论。为了得到较为稳健的计量结果，本文参考国内外学者对于面板数据的通常处理方法，分别采用固定效应(FE)、随机效应(RE)进行估计，所用的软件为stata12.0。

本文将产业聚集分为制造业聚集和生产性服务业聚集，为了探究“互联网+”是否对产业聚集存在影响以及是否存在区域间的差异，将实证研究分为两部分：一是“互联网+”对制造业聚集影响的回归分析，二是“互联网+”对生产性服务业影响的回归分析，并分别就地区差异进行比较。

4.1　“互联网+”对制造业聚集影响的回归分析

(1)“互联网+”影响制造业聚集的总体面板数据回归。根据以上设计的估计方法，针对“互联网+”影响制造业聚集，利用2007—2014年面板数据对各解释变量的系数进行估计，估计结果如表2所示。

表2　“互联网+”影响制造业聚集的总体 面板数据回归结果

注：***、**、*分别表示变量系数通过了0.01、0.05、0.1水平下的显著性检验；括号内数值为标准误；OBS表示观测样本数(下同)。

对于制造业聚集的检验，根据hausman检验结果，P值为0.2824，0.2824>0.05，随机效应结果更稳健，因而选择方程2进行分析。

在控制了交通基础设施建设、经济开放水平和环境规制等变量的条件下，“互联网+”促进了制造业聚集(通过10%的显著性检验)，表明其对制造业聚集的正向影响大于负向影响，假设1得到验证。从总体面板数据的回归分析结果来看，当“互联网+”程度增加1%，制造业聚集就增加0.0483%。同时，研究发现交通基础设施建设和经济开放水平显著正向影响制造业聚集，而环境规制对于制造业聚集影响不显著，这表明通过推进交通基础设施建设和提升经济开放水平等手段可以推动制造产业的聚集和发展，在所有因素中交通基础设施建设对制造业聚集影响最大。同时“互联网+”水平的不断提高优化了地区的制造业投资环境，显著改善了制造业的成本结构，尤其是制造业高度依赖于供应链，而供应链又得益于信息能力的提升。因此，“互联网+”为制造业聚集提供了良好的市场基础，能够显著促进制造业聚集。

(2)“互联网+”影响制造业聚集的分地区面板数据回归。“互联网+”水平在东部、中部和西部地区间存在一定差异，本文针对各个地区考察了“互联网+”对制造业聚集影响的差异性。根据地区设立控制变量east和central，对模型进行重新估计，计量方法和软件保持不变。令east为东部地区的虚拟变量，当研究样本为东部地区时，east取值为1，其他地区取值为0。令central为中部地区的虚拟变量，当研究样本为中部地区时，central取值为1，其他地区取值为0，估计结果如表3所示。

表3　“互联网+”影响制造业聚集的分地区 面板数据回归结果

针对制造业聚集的分地区估计，根据hausman检验结果，P值为0.0696，由于0.0696>0.05，随机效应结果更稳健，因而选择方程4进行分析。

基于分地区面板数据的回归分析结果显示，以西部地区作为参照样本，“互联网+”对制造业聚集的影响系数为0.0366(没有通过显著性检验)。东部地区的“互联网+”对制造业聚集的影响系数为0.023(该系数为西部地区影响系数与作为虚拟变量的东部地区影响系数之和，通过了5%的显著性检验)。中部地区的“互联网+”对制造业聚集的影响系数为0.1111(该系数为西部地区影响系数与作为虚拟变量的中部地区影响系数之和，通过了5%的显著性检验)。“互联网+”对制造业聚集存在区域差异，对中部地区影响最大，东部次之，西部没有显著影响，假设3得到了验证。各地区制造业聚集影响因素中交通基础设施建设影响最大。

东部地区制造业发展水平高于中部地区，西部地区发展水平最低，可能的预估就是“互联网+”促进对东部地区制造业聚集的影响最大，中部次之，西部最弱。而表3的估计结果与所预估的并不一致，这可能的解释是，东部地区制造业发展水平较高，但其目前“互联网+”水平无法满足东部地区省份制造业发展的需要，而中部地区的“互联网+”水平与其制造业发展相互匹配，因而能极大地促进制造业聚集。

4.2　“互联网+”对生产性服务业聚集影响的回归分析

(1)“互联网+”影响生产性服务业的总体面板数据回归。参照上述估计方法与过程，针对“互联网+”影响生产性服务业问题，估计结果见表4。

表4　“互联网+”影响生产性服务业聚集的 总体面板数据回归结果

对于生产性服务业聚集的检验，根据hausman检验结果，P=0.0438<0.05，固定效应结果更稳健，因而选择方程5进行分析。

根据回归结果，“互联网+”的估计系数未通过显著性检验，其对生产性服务业聚集不存在显著的影响关系，假设2没有得到验证。同时，发现交通基础设施建设和环境规制显著正向影响生产性服务业聚集(分别通过了5%和1%的显著性检验)，而经济开放水平对于生产性服务业聚集影响不显著，这表明通过推进基础设施建设和加强环境规制等手段可以推动生产性服务业的聚集。影响因素中交通基础设施建设影响最大。

(2)“互联网+”影响生产性服务业聚集的分地区面板数据回归。参照上述分地区的估计方法与过程，针对“互联网+”影响生产性服务业问题，分地区的估计结果如表5所示。

根据hausman检验结果，P=0.0696>0.05，随机效应结果更稳健，因而选择方程8进行分析。

表5　“互联网+”影响生产性服务业聚集的 分地区面板数据回归结果

基于分地区面板数据的回归估计结果显示，以西部地区作为参照样本，“互联网+”对生产性服务业聚集的影响系数为0.0079，并通过了10%的显著性检验。东部地区的“互联网+”对生产性服务业聚集的影响系数为0.0291，没有通过显著性检验。中部地区的“互联网+”对生产性服务业聚集的影响系数为-0.0116，没通过显著性检验。“互联网+”对生产性服务业聚集存在区域差异，假设4得到了证实。所有影响因素中交通基础设施建设影响最大。

估计结果可能的解释是，尽管西部地区影响显著但其经济份额较小，又由于受到东中部地区的影响，因而“互联网+”对生产性服务业聚集从整体而言影响不显著。西部地区由于“互联网+”水平不发达导致信息闭塞，进而导致生产性服务业较落后。“互联网+”的发展一定程度上解决了生产性服务业对于信息交流的问题，促进了生产性服务业的聚集。

根据“互联网+”对制造业聚集和生产性服务业聚集的估计结果的对比可以发现，交通基础设施建设无论是在分产业还是分地区的比较中均对产业聚集的影响最大。这说明，中国产业在发展过程中，极大地依赖于交通基础设施的建设，且甚于“互联网+”，但这并没否认“互联网+”对于产业聚集的积极作用。根据制造业聚集影响因素分析结果可知，“互联网+”是制造业聚集的重要因素，互联网的发展并没有弱化交通成本的影响，而是进一步拉近了制造业企业彼此的时空距离，加剧了制造业聚集。而根据生产性服务业聚集影响因素的分析结果可知，生产性服务业在经济落后地区依赖于“互联网+”的发展，但无论从整体还是地区的角度看，交通基础设施建设影响更为深刻，这带来的启示是经济落后地区在发展生产性服务业时需重视“互联网+”的发展，而在经济发展到一定条件时则需在交通基础设施建设方面进行投入，从而引导产业的进一步发展。

根据以上估计结果，针对其他控制变量进行对比分析发现，经济开放水平对制造业聚集影响显著而对生产性服务业聚集影响不显著，环境规制对制造业聚集影响不显著而对生产性服务业聚集影响显著。这带来的启示是，各个地区是优先发展制造业还是生产性服务业，可以从经济开放水平和环境规制着手，具有良好的外贸条件的地区优先发展制造业，而具有环境优势的地区可以发展生产性服务业，充分利用各个地方的资源优势，打造地区特色的产业聚集。

5　结论

(1)从总体数据的估计结果来看，在控制了基础设施建设、经济开放水平和环境规制等变量的前提下，“互联网+”有利于制造业聚集，对生产性服务业聚集影响不显著。基础设施建设对制造业聚集和生产性服务业聚集影响显著，经济开放水平对制造业聚集影响显著而对生产性服务业影响不显著，环境规制对制造业聚集影响不显著而对生产性服务业聚集影响显著。

(2)分区域的回归结果表明，“互联网+”对制造业聚集的影响存在差异性，对中部地区影响最大，东部次之，西部影响不显著。“互联网+”对生产性服务业的影响也具有差异性，对西部影响显著，而对东中部地区影响不显著。

参考文献：

[1]宁家骏.“互联网+”行动计划的实施背景、内涵及主要内容[J].电子政务,2015(6):32-38.

[2]邬贺铨.“互联网+”行动计划:机遇与挑战[J].人民论坛·学术前沿,2015(10):6-14.

[3]赵振.“互联网+”跨界经营:创造性破坏视角[J].中国工业经济,2015(10):146-160.

[4]谢平,邹传伟.互联网金融模式研究[J].金融研究,2012(12):11-22.

[5]李海舰,田跃新,李文杰.互联网思维与传统企业再造[J].中国工业经济,2014(10):135-146.

[6]辜胜阻,曹冬梅,李睿.让“互联网+”行动计划引领新一轮创业浪潮[J].科学学研究,2016(2):161-165+278.

[7]LIU Weidong，DICKEN Peter，YEUNG H W C.New information and communication technologies and local clustering of firms：a case study of the Xingwang Industrial Park in Beijing[J].Urban geography，2004，25(4):390-407.

[8]HONG J，FU S.Information and communication technologies and geographic concentration of manufacturing industries：evidence from China[J].Mpra paper，2008，48(11):2339-2354.

[9]汪明峰，李健.互联网、产业集群与全球生产网络——新的信息和通信技术对产业空间组织的影响[J].人文地理，2009(2):17-22.

[10]冯伟.信息流动与产业集聚:来自江苏的例证[J].中国矿业大学学报(社会科学版),2010(1):70-76.

[11]赵凯.信息不对称时产业链企业研发投资行为及产业集群效应分析[J].产业经济研究，2015(4):21-31.

[12]黄佳军,余凌曲,叶晓花.银行业务地域特征和银行机构集聚[J].开放导报,2011(3):32-35.

[13]GALLAGHER R M.Shipping costs，information costs，and the sources of industrial coagglomeration[J].Journal of regional science，2013，53(2)：304-331.

[14]刘家林，杨锐，陈之荣.信息网络、联结能力与创新绩效——基于传统产业集群的实证分析[J].科技进步与对策，2011，28(12):58-63.

[15]宋周莺，刘卫东.信息技术对产业集群空间组织的影响研究[J].世界地理研究，2013(1):57-64.

[16]孙要中，魏剑锋.基于信息空间制约的产业集群边界[J].当代经济科学，2009，31(2):72-77.

[17]于斌斌,金刚.中国城市结构调整与模式选择的空间溢出效应[J].中国工业经济,2014(2):31-44.

[18]刘军,段会娟.我国产业集聚新趋势及影响因素研究[J].经济问题探索,2015(1):36-43.

[19]金春雨,王伟强.我国高技术产业空间集聚及影响因素研究——基于省级面板数据的空间计量分析[J].科学学与科学技术管理,2015(7):49-56.

[20]樊秀峰,康晓琴.陕西省制造业产业集聚度测算及其影响因素实证分析[J].经济地理,2013(9):115-119+160.