中国制造业创新活动的空间集聚：趋势与成因

王 燕，王志强，汪涛武

（1.南开大学 经济学院，天津 300071；2.中北大学 经济与管理学院，太原 030000）

1 问题的提出

大量理论和实证研究业已表明，空间是非中性的。即经济活动的空间集聚可以通过专业劳动力市场、专业性中间品市场以及知识和信息外溢等马歇尔-阿罗-罗默外部性、雅各布斯外部性、交易费用节约等途径提升经济活动效率[1，2]。同理，创新活动的空间集聚也可以成为中国经济新常态背景下提升制造业创新活动效率的有效途径之一。那么，在2000年以来，中国制造业的创新活动在空间上是更加集聚了吗？抑或如制造业的生产活动那样，以2004年为转折点，经历了“雁阵转移”或“倒U”型空间演进轨迹[3-5]？

查阅相关文献后发现，欧美发达国家在20世纪末已经开始研究创新活动的空间集聚。Audretsch和Feldman（1996）[6]以美国公开期刊和杂志上的新产品商业广告为创新活动的代理变量，研究发现，创新活动在空间上的集聚度比一般意义上生产活动的集聚度更高。Carrincazeaux等（2001）[7]以企业研发人员为创新活动的代理变量，发现法国研发人员最多的6个地区的研发人员在全国的比重高达75%，但这6个地区的生产性工人的占比仅为45%。Buzard和Carlino（2009）[8]以有研发活动的企业为创新活动的代理变量，再次证实创新活动在空间上更加集聚的结论，同时发现美国东北工业走廊、五大湖区域、加利福尼亚湾以及南加州地区是美国创新活动的密集区。2004年以后国内陆续出现了相关测度和研究文献。罗发友（2004）[9]以省级地区的制造业专利授权量为创新活动的代理变量，研究发现2002年北京、上海、江苏、浙江、广东和山东6个省区专利授权量占全国的份额为60.73%，从动态的视角来看，1994—2002年创新活动的空间集中度持续上升。张玉明和李凯（2007）[10]、张丽华和林善浪（2010）[11]、蒋天颖（2013）[12]等同样利用省级专利数据对不同时期创新活动的空间分布进行研究，均发现：中国省级区域的创新活动具有空间集聚和空间自相关的特点。

由于不同学者采用了不同的研究对象（制造业或整体经济）、单一的创新活动代理变量（专利授权量、其他专利数据、新产品销售收入等）、不同的空间集聚度测算指标，使得不同文献研究结果的不可比性较强，时间连续性较弱。在已有文献的基础上，本文以制造业而非整体经济的创新活动作为唯一的研究对象，地区创新活动主要来自于制造业以及大量的国有科研院所、大学等机构，但前者的空间分布更多受到市场机制和经济环境的作用，区位选择更加灵活，更能反映未来经济发展的空间趋势。利用多样化的创新活动代理变量对创新活动进行测度，因为不同变量在代理创新活动时都具有明显的优缺点，以专利授权量为例，一些发明并不申请专利，而且不同专利的质量和经济价值是不同的，因此，采用单一代理变量无法准确衡量创新活动。采用多样化的空间集聚度指标，因为不同测算指标各有优劣势，仅通过单一指标进行判断时容易产生认识偏误。

2 数据来源与测度方法

2.1 研究对象与数据来源

本文的研究对象是1997—2016年中国制造业全行业及28个细分行业创新活动的集聚度，空间尺度是31个省、自治区和直辖市。所指的“制造业”不包括采掘业、电力燃气和水的供应业；同时，考虑到工业行业划分标准在2002年存在部分调整（由GB/T4757-1994调整为GB/T4757-2002），工艺品及其他制造业、废弃资源和废旧材料加工业也不包含在本文的制造业范围内。因此，本文的制造业包含从农副产品加工业（行业代码为13）到仪器仪表及文化办公用品制造业（行业代码为41）的28个两位数行业。

制造业全行业的科技数据来自于1998—2017年《中国科技统计年鉴》，其衡量的是大中型企业的科技活动，本文以科学家和工程师、有科研机构企业、新产品产值等三个指标来衡量制造业的创新活动；对应的，以年末劳动力人数、企业数、总产值等三个指标衡量一般意义上的生产活动（即总的生产活动，包含着创新活动）。28个两位数制造业行业各年各地区的科技数据来自于1998—2009年中国工业企业微观数据库，其衡量的是全部国有及规模以上非国有企业的数据，本文以微观数据库中仅有的创新指标——新产品产值衡量创新活动，对应地，以总产值衡量一般意义上的生产活动。为确保数据在跨年份可比，利用2017年《中国价格统计年鉴》分行业工业品出厂价格指数，将各年价值数据调整为2003年可比价格的数据。相关数据来源还包括：2004年和2008年《中国经济普查年鉴》，1998—2017年《中国工业经济统计年鉴》等。

2.2 测度方法

空间集聚度测算指标可以分为绝对集聚度和相对集聚度两类。绝对集聚度包括绝对空间基尼系数[13]、空间HHI指数、CR系列指数、熵指数[5]等；相对指标主要包括相对空间基尼系数和EG指数等。绝对集聚度指标将每个省看成是对等的空间单元，而在相对集聚度指标中，每个省的重要性由其经济总量在全国的占比所决定，是非对等的。本文主要选取绝对空间基尼系数和相对空间基尼系数作为衡量集聚的主要指标，同时以空间HHI指数和CR4指数作为检验空间基尼系数测算结果稳健性的辅助指标。

（1）绝对空间基尼系数（简写为AGini）。其表达式为：

其中，n表示地区个数，si表示各地区在i产业上的平均份额；sij表示j地区i产业在全国i产业中的份额，sik表示k地区i产业在全国i产业中的份额。其原理是首先得到洛伦兹曲线，继而计算洛伦兹曲线与45度线之间的面积。其取值范围为[0，1]，产业集聚度越接近1，产业越集中；产业集聚度等于0，表示产业在各空间均匀分布。

（2）相对空间基尼系数（简写为CGini）。其表达式为：

其中，Xr表示区域r制造业总产值在中国制造业中的占比；Sr表示区域r的i行业在全国i行业中的占比。其取值范围为[0，1]，产业集聚度越接近1，产业越集中；产业集聚度等于0，表示产业在各空间均匀分布。

（3）空间HHI指数和CR4指数。其表达式分别为：

其中，分子表示产值最大的前四个地区的产值之和，分母表示全国i产业产值。

其中，Sir表示r地区i产业在全国i产业中的占比。

3 中国制造业创新活动的空间演进趋势

首先从全行业的视角，即把整个制造业看成一个整体，测算创新的集聚度；考虑到产业具有较强异质性，本文继而考察每个细分行业的集聚度演进趋势，以检验从全行业观察到的集聚现象和规律在细分行业是否成立。同时，将创新活动的集聚度和生产活动的集聚度进行对比分析，以期回答创新的空间演进和生产的空间演进是否具有一致性。

3.1 全行业创新活动的空间演进趋势

图1报告了1997—2016年中国制造业省级AGini系数的测度结果。若以创新要素投入代理创新，则除个别年份（2004—2008年）外，大多数时间内创新的集聚度高于生产活动的集聚度。1997年以来，创新的集聚度持续上升，截止到2016年已经高达0.575；而生产的集聚度在1997—2004年间持续上升，但2004年以后基本保持在0.528左右，始终低于创新的集中度；若以创新型企业作为创新的代理指标，可以发现：1997—2005年间，创新的集聚度仅略高于生产的集聚度，但2005年以后，创新活动加速集聚，远高于生产的集聚水平。创新的集聚度持续上升，2016年时高达0.734，但生产的集聚度在2004年以后出现了降低的趋势，同样形成了明显的“倒U”型轨迹；若以新产品产值代理创新，则1997—2016年间，创新的集聚度始终远远大于生产的集中度。创新的集聚度经历了“准N”型趋势，1997—2002年持续上升，随后下降到2009年的0.592，截止到2016年底，创新的集聚度再次上升到0.639的较高水平，而生产的集聚度经历了明显的“倒U”型变动趋势，2006年的0.547是其最高集聚度。

图1基于AGini系数的制造业大中型企业生产活动与创新活动的集聚度演进趋势

表1报告了在相同集聚度测算指标下，依据生产活动和创新活动的不同代理变量所测算的集聚度时间序列的相关程度。AGini系数下，使用不同生产活动指标衡量的生产集聚度时间序列的相关系数均大于0.9，因此可以认为，“倒U”型生产集聚度演进趋势得到了来自不同指标的高度支持，结果是稳健的；而创新的集聚度方面，以新产品产值测度的集聚度演进趋势为“准N”型上升趋势，但以有科研机构企业和科学家工程师测度的演进趋势为持续上升性。因此，相关系数较低。但依然可以看出，1997—2016年创新的集聚度整体上呈波动性的上升趋势。为了验证AGini系数的可信度，本文还以HHI系数、CR4和CR6系数为集聚度测度指标计算生产和创新的集聚度，最终测度结果高度支持根据AGini系数所得出的观察。由于篇幅所限，本文仅公布空间HHI指数对生产和创新的集聚度测度结果，见图2。

表1 相同算法下各代理变量时间序列的相关系数

图2 基于HHI指数的生产活动与创新活动集聚度演进趋势

按地区新产品产值在全国新产品产值中的占比计算，1997年中国制造业创新活动的“核心地区”由上海（14.83%）、江苏（13.99%）、广东（10.82%）和山东（9.32%）组成，四地区共占比48.96%，除辽宁和四川新产品产值占比大于5%外，其余25个地区的占比均低于5%，均值为1.54%；随着创新活动的不断集聚，截止到2016年底，12个省份的占比有所上升，且主要分布在东部和中部地区，上升幅度最大的是浙江（8.48个百分点），下降幅度最大的是上海（8.60个百分点），2016年中国制造业创新活动的“核心地区”已经调整为广东（18.51%）、江苏（16.84%）、浙江（12.85%）和山东（9.13），四地区占比上升到57.32%，比1997年（48.96%）有所上升；除上海（6.23%）、山东（9.13%）外，其余25个地区的占比低于5%，均值下降为0.82%。这说明创新活动“核心区”的核心地位进一步强化了，而“边缘区”的边缘地位也更加明显了。

综上研究，本文初步得出如下结论：第一，1997—2016年间，中国制造业大中型企业创新的空间集聚度始终高于生产的空间集聚度；第二，1997—2016年间，中国制造业大中型企业创新的集聚度呈波动型上升趋势；而生产的集聚度演进趋势为显著的“倒U”型，2004年左右达到全行业生产活动集聚度的最高点；第三，1997—2016年间中国制造业的创新核心地有所调整，上海的创新地位有所下滑，但浙江异军突起。2016年间，创新活动的核心地区由江苏、山东、广东和浙江组成，创新的区域极化现象非常突出，创新在空间上的核心-边缘模式逐步形成。

3.2 制造业细分行业创新活动的空间演进趋势

由于不同行业在发展阶段、开放度、市场化程度以及规模报酬水平等方面存在较强异质性，针对制造业全行业所得出的结论在不同细分行业同样成立吗？本文在构建1998—2009年各产业各省的总产值（代表生产活动）和新产品产值（代表创新活动）数据库的基础上利用不同的集聚度指标进行了测度，以期回答上述问题。

从表2中可以看出，无论使用绝对空间基尼系数测算还是相对空间基尼系数测算,制造业28个细分产业中，除通信设备、计算机及其他电子设备制造业（产业代码40）和仪器仪表及文化、办公用机械制造业（产业代码41）等2个产业外，其他26个产业的创新集聚度在1998—2009年10年中始终高于生产集聚度。这和全行业的观察结果是相似的。之所以创新的活动集聚度始终高于生产活动的集聚度，主要是因为创新活动比生产活动更依赖集聚外部性，或集聚外部性对创新活动的作用和意义远大于对生产活动的作用。具体而言，地区专业劳动市场（由地区的高校、科研院所和企业研发部门组成）、地区专业中间品市场（地区高度发达的生产性服务业，例如风险投资、银行和证券等金融机构、会计、法律以及咨询等中介机构）和知识外溢给创新活动带来的正外部性效应更大；而生产活动，尤其是新产品之外成熟型产品的生产更加关注的是初级劳动力成本、土地成本以及环境成本，其从集聚外部性中获得的成本节约更低，甚至微乎其微。另外，两种活动对地区制度和文化发展水平的要求也存在较大差异，创新活动的发展更加需要公平竞争和优胜劣汰的市场环境，更加需要宽松、自由、兼收并蓄、鼓励个性发展和创造的文化氛围[13]，以深圳为代表的东南沿海的部分先发城市在这些方面具有绝对优势。

为了更加准确的判定演进趋势，本文将每个行业1998—2009年的集聚度对时间项进行线性回归，从表2中可以看出，以AGini系数衡量，28个细分行业中有16个行业的创新集聚度演进趋势属于持续上升型；4个行业属于持续下降型；1个行业属于“U”型；7个行业属于其他类型，即无较为规则的变动轨迹。为了验证AGini系数测度的演进趋势的可信性，本文在计算CGini系数、HHI系数和CR4指数的基础上分析了不同集聚度指标测度结果的相关系数。结果发现：在绝大多数行业，AGini系数、HHI系数和CR4系数之间的相关系数均大于0.9；AGini系数和CGini系数仅在5个行业的相关系数较低，食品制造业、木材加工及木、竹、藤、棕、草制品业等2个行业在CGini系数的测度下表现为“倒U”型，非金属矿物制品业、黑色金属冶炼与压延加工业、仪器仪表及文化、办公用机械制造业等3个行业表现为其他型。以上稳健性检验表明，不同集聚度指标测度的创新集聚度演进趋势基本保持一致，AG-ini系数的测度结果比较可信。可以得出结论：1998—2009年中国制造业28个细分行业，多数行业（16个）的创新集聚度演进趋势是持续上升型的；以各细分行业集聚度平均值衡量的中国制造业的创新集聚度趋势表现为明显的持续上升型。

表2 1998—2009年制造业细分行业创新活动的集聚度演进趋势

4 创新活动区位选择与持续集聚——来自新经济地理学的解释

新经济地理学在解释经济活动的空间分布和区位选择时创造性地将第一天性和第二天性结合起来。所谓第一天性,主要是指区域之间先天的差异，如原料、气候特性、地表的崎岖不平等程度、天然的运输方式等[14]，PaulK-rugman（2000）[15]也将其称为“历史的偶然的因素”。第二天性主要是指基于经济活动收益递增基础上的集聚力和分散力的循环累积效应[16]。具体到中国制造业的创新活动持续集聚的原因，可以从如下两方面展开。

4.1 第一天性的原因

首先是地形、气候优势和交通优势。东部地区以平原为主，地形平坦，且气候温和湿润。无论东部省际间，还是东部与海外市场间，水陆交通都异常便捷。其次是东部地区先行先试的政策和制度优势。改革开放以来，国家东部地区优先发展战略使得东部无论在市场化改革进程还是对外开放水平上，都处于绝对的领先地位。根据樊纲和王小鲁等（2011）[17]的推算，截止到2010年底，由山东、江苏、浙江和广东组成的创新核心区的市场化指数分别高达9.23、11.98、12.04和10.97，远高于中西部地区的市场化得分。因此，无论是生产活动还是创新活动，东部企业面临的制度成本在一定程度上要低于中西部企业。以上来自第一天性的原因可以理解为引起中国制造业创新活动首先在东部沿海地区出现并集聚的初始力量。

4.2 第二天性的原因

随着创新活动和创新型企业在东部的不断出现，马歇尔集聚外部性以及基于收益递增特征的循环累积因果效应不断发挥作用。

首先，创新活动或创新型集群在东部的出现会培养和发展出具有较高专业化水平和辐射能力较广的劳动市场，使集聚地建立起人力资本优势，这种地方化的专业性劳动市场的出现又进一步吸引创新型企业的到来，并强化了当地集群的创新型特点，形成了正反馈机制。例如医药专业的优秀技术和管理人才更可能在江苏、浙江、山东、广东和北京等医药制造业创新活动集聚地获得更多更优的就业机会；同样，广东、江苏和北京必然是通信或计算机专业顶尖技术人才的首选工作地，因为三省市的通信计算机制造业创新活动在全国占比达到了69.4%。

其次，创新活动在东部的发展也会不断促进东部专业化中间品市场的发展，出现了新经济地理学所强调的与需求关联的循环累计效应（即本地市场效应）和与成本关联的循环累计效应（即价格指数效应）。第一，与成熟型产品的生产过程不同，创新活动的技术性更强，复杂度更高，更加强调专业化分工，外包和上下游关系更为复杂，即不同的研发活动之间是高度关联，相互需要的。根据核心-边缘垂直联系模型的本地市场效应：为了降低冰山交易成本，企业都愿意定位在市场规模较大的区位。一种创新活动更愿意定位在其他创新活动较多的地方，因为其他创新活动为这种创新活动提供了市场，是这种创新活动的需求者；随着这种创新活动的到来，创新地的市场规模更大了，又进一步吸引更多创新活动的到来。这样就形成了与需求关联的循环累积正反馈效应。第二，创新活动在东部的出现和发展吸引和培育了与之相关的上下游企业和多种生产性服务业，这极大地降低了东部地区的价格指数和创新成本，继而吸引鼓励更多创新活动迁入东部和鼓励既有东部企业进一步创新。这样就形成了与成本关联的循环累积正反馈效应。第三，东部先发地区与中西部地区之间交通与通信设施的进一步完善也是创新活动持续向东部集聚的重要原因，因为区际之间交通与通信设施的完善意味着冰山交易成本的下降，这会导致由本地市场效应和生产成本效应构成的集聚力大于市场拥挤效应所构成的分散力，最终进一步集聚成为创新型企业和创新活动区位选择的主流。

最后，创新型企业在东部的集聚会使得集聚地发生更多的信息和技术外溢，这会降低创新地企业获取信息和知识的成本，吸引更多创新型企业和研发人才的到来，同时也有助于提升集聚地研发活动的效率。

5 结论

本文利用1998—2016年《中国科技统计年鉴》的数据和1998—2009年工业企业的微观数据，对中国制造业全行业创新活动和28个细分行业创新活动的空间演进趋势进行了较为全面的统计分析，得到以下结论：第一，无论从全行业的角度，还是细分行业的角度，1998—2016年创新活动的集聚度始终高于生产活动的集聚度，这和文献[6]、文献[8]等对美国制造业生产活动和创新活动集聚度对比研究的结论是高度一致的。第二，1998—2016年以来，制造业全行业创新的集聚度呈明显的持续上升趋势，山东、江苏、浙江和广东组成了中国制造业创新活动的核心地区；而生产的集聚度在2004年左右出现持续降低的趋势，导致生产的集聚度呈明显的“倒U”型演进趋势。第三，1998—2011年以来，绝大多数细分行业创新活动的集聚度持续上升，这也使得中国制造业创新活动集聚度持续上升。为了增强上述研究结论的稳健性和可信度，本文还选取了不同的集聚度测算指标和不同的反映创新活动的指标，结果表明：通过以绝对空间基尼系数（AGini）为集聚度测度变量和以新产品产值为创新代理变量的研究结论是稳健可信的。最后，本文从新经济地理学的视角出发，认为包括东部地区气候、地形、交通、制度和人力资本优势等在内的“第一天性”和基于收益递增思想的循环累计效应以及集聚外部性是促成中国制造业创新活动持续向东部地区集聚的主要原因。