我国体育产业集聚对产业效率的影响研究

李海杰，邵桂华，王 毅

党的十九大报告明确提出区域协调发展战略，这将扩大产业要素在更大空间范围中流动和布局提出了更高要求[1]。2014年国发〔2014〕46 号文件颁布后，我国体育产业迅速发展，随之地区集聚现象也越发明显。其要素流动性较强的特性决定了体育产业集聚不仅可以通过共享劳动力市场和知识外溢等正向外部性促进产业的增长，也可以通过同类行业间争夺资源等造成的拥挤效应对产业增长产生抑制作用。对我国体育产业空间集聚与产业效率的关系进行实证研究，将对我国体育产业布局规划和区域经济协同发展具有重要的实践指导意义。而目前直接从体育产业的空间集聚视角探讨其效率的成果较为匮乏，尤其在新经济地理理论的基础上对体育产业集聚提升产业效率的空间溢出效应的研究仍极为少见。区域之间的体育产业效率是否存在地理空间溢出作用——一个区域对其相邻区域的体育产业效率是否有影响？在进行体育产业集聚对产业效率的影响研究时，为避免研究结论与客观现实之间产生偏差，须考虑体育产业效率的空间自相关性。

已有空间集聚与产业效率关系的研究多缺乏地理和空间视角，容易导致研究结论不够严谨。随着空间计量方法的引入，唐鹏等[2]的研究指出，体育用品制造业主营业务收入区位熵等因素显著正向影响体育用品制造业全要素生产率。除此之外，更鲜有考虑空间自相关性的体育产业效率与空间集聚关系的研究，但这不能说明产业效率与空间集聚是无关系的。相反，近年来学者们在其他产业集聚与产业效率的关系研究中有所成果。王志祥等[3]发现，物流产业集聚除显著提升本地绿色经济运行效率外，还具有显著的随空间距离增加呈现衰减特征的空间溢出效应。周杰文等[4]指出，R&D经费对绿色经济效率具有抑制作用，R&D 人员会促进绿色经济效率的提高。齐芮等[5]的研究结果显示，科技服务业集聚对工业效率提升具有明显的溢出作用，并通过空间外溢效应提升周围地区的工业效率。

尽管体育产业被誉为朝阳产业，但研究仍然滞后，体育产业空间集聚与产业效率的关系未得到足够重视。体育领域已有研究成果表明，通过区位熵等来测度产业集聚水平相对容易，通过DEA 方法测度体育产业效率问题也已解决。然而目前关于体育产业空间集聚与产业投入产出效率的研究亟待补充。因此本文在已有研究成果的基础上，从空间关联视角出发，以中国大陆31个省（市、自治区）2016年体育产业相关数据为基础，测算体育产业效率与空间集聚水平，并通过构建空间计量模型，探索体育产业集聚与产业效率之间的关系，以期为政府和企业在今后制定体育产业发展策略时给予有价值的理论和实践参考。

1 体育产业投入产出效率测度

1.1 体育产业投入产出效率评价体系的建立

《国家体育产业统计分类》将体育产业范围确定为体育管理活动等11 大类，从国家和多省发布的2015 年和2016 年体育产业总产出和增加值数据公告中看来，又将上述11 大类合为3个内部结构，即体育用品和相关产品制造、体育场地设施建设和体育服务业（除体育用品和相关产品制造、体育场地设施建设外的9大类）。投入产出指标选取依据经济学传统3大要素，即资本、劳动和土地进行分类选取，基于体育场地设施建设总产出在产业总产出中占比较小（2016年占比1.2%，2015年占比0.9%），且数据较难获取及其对体育产业效率影响可由资本投入替代等原因，本文未将其纳入效率评价范围，故仅选择资本和劳动2 方面收集相关指标[6]。在《国家体育产业统计分类》及公告结构基础上，综合考虑数据选择科学性、可获得性及完整性，借鉴已有相关研究成果，最终构建中国体育产业效率评价指标体系（见表1）。

表1 中国体育产业投入产出效率评价指标体系Table1 China's sports industry input and output efficiency evaluation index system

1.2 体育产业数据来源及处理

以31 个省市区为研究区域。本文数据来源于国家统计局向社会公开的《中国工业统计年鉴2017》《中国第三产业统计年鉴2017》中分行业数据和分地区数据，数据真实有效。其中部分体育相关数据统计与文化产业相交叉，借鉴何广顺等人[7]、韩元军等人[8]的数据剥离思路，利用部门（行业）指标比重法进行相关指标数据剥离。由于本文时间跨度为1 年，无需考虑价格变动因素的影响，因此亦无需将价值性指标进行平减处理。最终获得我国体育产业投入产出效率评价指标原始数据，由于篇幅所限，在此不再列出。

1.3 体育产业资源的CCR模型分析

DEA（数据包络分析）是使用数学模型对决策单元（不包括中国港澳台地区的31个省市区）进行相对效率评价的非参数系统分析方法。DEA 方法在选取多个投入与产出指标的基础上，即使指标不同质，其仍能够规避主观要素干扰和评价要素单一问题[9]，这也是其不可被低估的优越性的体现[10]。运用DEA模型探索体育产业资源利用效率，既是对体育产业系统内部运行效率的评测，更是企图在此基础上找出产出不足的低效部分，确定影响体育产业效率的关键因素。为估计各个决策单元产出与投入的实际比值与理论比值间的距离[11-12]，本文运用DEA-Solver PRO5.0 软件，构建基于产出导向的固定规模报酬CCR模型，对31个省市区的体育产业资源综合效率值、投入冗余与产出不足值进行估算[13]。

表2 测算结果显示，我国体育产业投入产出综合效率有效的有北京、天津、内蒙古等13 个省份，有效率为41.9%，即这13个省份的体育产业投入效率值达到1，其他18个省份的体育产业资源投入处于无效率状态。我国体育产业资源投入综合效率均值为0.877 57，说明我国体育产业资源投入效率良好，低于平均效率值的省份有河北、山西、辽宁等9 个省份，占全国的29%。综合效率标准差为0.185 884，说明各地省份的综合效率存在一定差异。

体育产业资源投入冗余率与产出不足率结果显示了非有效省份在各个评价指标方面的非有效程度和改进的幅度。表2中除了13个体育产业资源投入产出综合效率有效的省份外，其余18个省份均有投入冗余和产出不足的状况，产出不足率明显小于投入冗余率。从各投入产出指标具体来看，体育产业资源投入端体育用品制造业资产总计冗余率达8.128 6%，有9 个省份需要进行效率改进；体育用品制造业平均用工人数冗余率达8.815 6%，有9个省份需要进行效率改进；体育企业法人单位资产总计冗余率为2.967 4%，有3个省份需要进行效率改进；而体育企业法人单位从业人员冗余率高达17.744 9%，有13 个省份需要进行效率改进。对体育用品制造业而言，首先其财务竞争力是其发展战略中的核心，故应重视成本控制的重要性，合理安排其财力资源投入。在供给侧改革背景下，尤其该调整体育用品制造业资本结构，将投入资源配置到能产生较高经济效益和社会效益的环节上。其次，由劳动密集型向知识密集型产业转变是体育用品制造业的发展趋势，虽然目前我国体育用品制造业用工人员呈现较高的冗余状态，但中高端专业化人才短缺，且已成为体育用品制造业快速发展的制约因素[14]。对体育服务业而言，其资产投入显然是4个投入指标中冗余率最低的，多数省份仍有加大资产投入的空间。其次，尽管从业人员有较高冗余率，但其中体育专门人才亦较为缺乏，加之其流动性也受限，这些因素仍阻碍着我国体育产业的发展[15]。因此应该通过体育高等院校体育专门人才培养和开展校企合作项目等方式，提高服务人员劳动素质，加强体育管理与服务人才的交流与合作。此外，体育产业资源产出端结果显示，尽管体育用品制造业的冗余率稍低于体育服务业的冗余率，全国体育用品制造业主营业务收入的产出不足率却明显高于体育企业法人单位营业收入的产出不足率，分别为9.445 4%和2.043 3%，优化体育用品制造业资源配置已刻不容缓。

表2 体育产业资源的CCR模型分析结果一览表Table2 List of CCR model analysis results of sports industry resources

1.4 体育产业资源的BCC模型分析

因为不能确保全国各个省份体育产业均在最佳规模条件下发展，且其相关投入规模亦存在明显差异[16]，因此本文继续构建规模报酬可变的BCC模型。

纯技术效率衡量在相同的规模条件下，最小的要素投入所带来的最大产出能力，反映决策单元体育产业资源的整合与利用效率水平。表3显示我国体育产业资源的纯技术效率均值为0.937 48，北京、天津、内蒙古等22 个省份纯技术效率值为1，有效率为70.97%。此外，仅有四川和云南高于全国纯技术效率平均值。

我国体育产业资源平均规模效率值为0.939 467，略高于纯技术效率，与任蓓[17]的我国体育产业规模效率强于纯技术效率的研究结果相一致。北京、天津、内蒙古等13 个省份实现了规模有效，但有58.06%的省份未达到规模效率最优。与相关研究结果一致，我国体育产业资源供给与需求结构之间不协调，资源投入产出体系效率较低。全国各省份综合超效率值的标准差为0.362 169，各省份体育产业资源投入产出效率水平存在一定差距，具体其空间分布及自相关性特征将在后文进行深入分析。

规模报酬可分为不变、上升及下降。处于规模报酬不变阶段的18 个省份的产出会与其投入同步。此外，10 个（占比32.26%）省份处于规模报酬上升阶段，3个（占比9.68%）省份处于规模报酬下降阶段。就处于规模报酬上升阶段的省份而言，体育产业资源投入产出规模制约了其效率的提高，处在这个阶段的省份应该加大物力、人力、财力等资源投入，以达到高效。相反地，处在规模报酬下降阶段的3个省份不宜加大投入，因为即使继续增加资源投入，产出效率的增加却依然不会明显。

表3 体育产业资源的BCC与SE-DEA模型分析结果一览表Table3 List of analysis results of BCC and SE-DEA models of sports industry resources

2 体育产业集聚水平测度

2.1 区位熵分析

本文选择区位熵表示体育产业集聚水平。区位熵反映特定地区产业集群程度，衡量要素的空间分布状况，即产业在地区经济中的份额与产业在整个国民经济中的比重[18]。其计算公式为：

式中：Lij表示i地区j产业（体育用品制造业和体育服务业）的资产总计、用工人数、营业收入；Li表示i地区规模以上产业（工业和第三产业）的资产总计、用工总数、营业总收入；Lj表示全国j产业（体育用品制造业和体育服务业）的资产总计、用工人数、营业收入；L表示全国规模以上产业（工业和第三产业）的资产总计、用工人数、营业收入。通常情况下，若LQ值大于1，说明体育产业在该地区的地位和比重高于全国水平，则该地区的体育产业集聚程度较高；若LQ值小于1，说明体育产业在该地区的地位和比重低于全国水平，则该地区的体育产业集聚程度较低[19]。

由表4可知，就体育用品制造业而言，2016年体育用品制造业资产总计、平均用工人数、主营业务收入产业集聚程度最高的省份均为广东。有6个省份体育用品制造业资产总计的区位熵大于1，有13个省份体育用品制造业平均用工人数的区位熵大于1，其标准差显示内部各省份间差距较大，有12个省份体育用品制造业主营业务收入的区位熵大于1。就体育服务业而言，体育企业法人单位资产总计、体育企业法人单位从业人员、体育企业法人单位营业收入的区位熵均小于1，说明体育服务业的地位和比重比较低，集聚程度并不高。胡用岗[20]的解释为，若地区某产业的区位熵指数大于1，说明此产业有着一定的专业化程度，反之，则说明此产业还不具备专业化意义。这也说明我国体育用品制造业的专业化程度强于体育服务业。由测算数据可知，体育服务业从业人员的集聚水平高于其总资产集聚水平，说明其人力资本投入集聚程度大于财力资本投入集聚程度。运用ArcGIS10.2 软件“自然间断点分级法（Jenks）”将体育产业区位熵划分5 个等级，以直观呈现体育产业集聚空间分布。结果显示，除体育企业法人单位从业人员外的其他集聚指标状态呈现出明显的空间非均衡特征，而指标空间自相关性有无的确定还需进行探索性空间数据分析（ESDA）。

表4 2016年中国体育产业区位熵Table4 China Sports Industry Location Entropy in 2016

2.2 基于ESDA的省域体育产业集聚分析

ESDA是一种识别某些变量在空间上是否具有关联性和集聚现象的空间数据分析方法，其又包括全局空间自相关和局部空间自相关[21]。我国体育产业效率具有空间位置特征，同时具有空间异质性和空间集聚性，因此空间自相关分析适合于研究中国体育产业效率的地理空间分布特性。

运用OpenGeoDa1.2.0软件，采用基于邻接关系的空间权重矩阵，对2016年我国体育产业区位熵的全局空间自相关Moran’s I 指数进行测算，具体结果见表5。统计结果显示，除体育企业法人单位从业人员全局自相关Moran’s I 指数没有通过10%显著性检验之外，其他体育产业指标区位熵均通过了检验，且其全局自相关Moran’s I 指数均为正。体育企业法人单位资产总计区位熵通过了1%显著性检验，全局自相关Moran’s I 指数最大，体育用品制造业平均用工人数的全局自相关Moran’s I指数最小。局部空间自相关测算结果显示，在所有的指标中，大部分省份处于低低同质区，其次为高高同质区和低高异质区，处于高低异质区的省份数量最少。这说明，我国省域体育产业的投入和产出均处于较低水平，体育产业较强的省份较少。在今后的体育产业发展政策制定中，应尊重区域发展水平差异客观现实，以政策倾斜或者资源整合等方式，尽可能实现我国体育产业的整体高效发展。

表5 2016年我国体育产业全局自相关相关参数统计Table5 Statistics of the relevant auto-correlation parameters of China's sports industry in 2016

3 体育产业集聚与产业效率关系的实证分析

3.1 省域体育产业效率空间分布及自相关分析

超效率DEA 模型可以对有效单元的效率分值做出更精确的估计[22]。由ArcMap10.2 绘制的2016 年体育产业综合超效率四分位空间分布图显示，体育产业综合超效率以西部地区内蒙古、陕西和东部地区北京、天津、山东、海南为最高，中部地区湖北、湖南、江西次之，狭长的甘肃省西部近邻青海、西藏效率最低。

运用探索性空间数据分析，采用累计一次和二次queen 的空间权重矩阵，测算2016年体育产业综合超效率的全局空间自相关Moran’s I指数。结果显示，体育产业综合超效率在90%置信水平下表现为正向空间相关性。运用局部空间关联指标LISA 检验发现，超效率值形成了以陕西为中心的高—低（HL）集聚区，并通过了5%显著性检验，超效率排名第6 的陕西近邻山西、河南、湖北、重庆、四川、甘肃、宁夏超效率分别在第27、23、10、9、18、14、29位，均较陕西落后。同时，形成了以甘肃为中心的低—低（LL）集聚区，并通过了1%显著性检验，甘肃及其近邻四川、青海、宁夏、西藏超效率分别在第14、18、26、29、31 位，均处于落后状态。根据Moran’s I 指数和LISA 检验结果可知，我国体育产业综合超效率空间非均衡分布特征明显，存在显著的空间集聚现象。故在分析基于省域数据的体育产业综合超效率问题时，需要运用计量模型进行空间效应分析。

3.2 省域体育产业集聚与产业效率关系的空间计量分析

空间滞后模型SLM和空间误差模型SEM是可处理截面数据的空间常系数回归模型。前者主要探索各因素在一个地区溢出效应的有无，表达式为：

式中：Y表示被解释变量；X表示n×k的外生变量解释矩阵；ρ表示反映空间依赖作用的回归系数；W表示n×n阶的空间权重矩阵；Wy表示被解释变量的空间滞后项；ε表示随机误差项向量。

后者主要探索观测值受相邻地区未考虑到的因素和随机误差的影响情况，表达式为：

式中：λ表示n×1 的截面被解释变量向量的空间误差系数，衡量样本中相邻地区观测值对本地区观测值的影响方向和程度；μ表示正态分布的随机误差向量。本文采纳ANSELIN[23]的建议运用极大似然率法进行SLM 和SEM 参数的估计，并采用对数似然估计值（LogL）、赤池信息准则（AIC）和施瓦茨准则（SC）3 个拟合度指标进行空间回归模型选择：对数似然估计值越大，赤池信息准则和施瓦茨准则值越小，模型拟合效果越好。

为探讨体育产业资源投入空间集聚对产出效率的影响，将2016 年31 个省市区的体育产业截面数据的投入产出超效率作为被解释变量，将体育用品制造业资产总计区位熵（LQ-ZHIZONGJI）、体育用品制造业平均用工人数区位熵（LQ-ZHIYONGGON）、体育企业法人单位资产总计区位熵（LQ-FUZONGJI）、体育企业法人单位从业人员区位熵（LQ-FUCONGYE）作为解释变量，建立空间计量回归模型。

空间滞后模型假设为：

空间误差模型假设为：

为将普通OLS 模型与空间SLM 和SEM 模型进行差异对比，首先对2016 年31 个省市区的体育产业超效率与产业集聚水平进行了空间OLS回归，计算结果见表6。

由表6 可知，空间OLS 回归估计模型的拟合优度R2较小（0.137 9），且4 个解释变量均没有通过10%显著性检验。从可能的影响方向来看，4 个解释变量中仅有体育用品制造业资产总计区位熵指标的回归系数为负，说明体育用品制造业资产总计集聚程度可能对体育产业效率产生抑制作用。其他3个解释变量的回归系数为正，说明此3 个解释变量可能对体育产业效率产生促进作用。其中，体育企业法人单位资产总计区位熵指标回归系数最大，其次为体育企业法人单位从业人员区位熵指标回归系数，体育用品制造业平均用工人数区位熵回归系数最小。从模型选择判别依据来看，OLS模型的对数似然估计值最小，而赤池信息准则和施瓦茨准则值均大于SEM 模型值，说明OLS 模型不是用来解释的最适模型。忽视了空间相关性和空间异质性的经典线性回归模型会导致模型结果出现偏差，使得需要对以上结果进行进一步检验，因此继续运用空间计量的SLM和SEM模型进行分析。

利用极大似然估计法进行了SLM 和SEM 模型的空间计量估计后，根据3 个拟合优度指标选择最优解释模型。对比表6 对数似然估计值来看，SEM 模型的值较SLM 模型大。对比赤池信息准则和施瓦茨准则值来看，SEM 模型的值均较SLM模型相应值小。因此SEM 模型优于SLM 模型，故最终选择SEM 模型进行解释。SEM 模型分析的Breusch-Pagan test 值为4.717 7，P=0.317 5，未通过10%显著性检验，说明回归残差不存在异方差性。

首先，SEM模型中参数λ回归系数小于零，且在10%水平下显著，说明某一地区与体育产业效率相关的误差，会随着基于邻接关系的空间权重矩阵冲击给邻近地区，并对该地区的体育产业效率产生显著的抑制作用。其次。主要投入要素集聚对体育产业效率的影响作用差别较大。空间集聚对体育产业效率的影响由集聚产生的正负两种合力结果所表现出来，即由同行业在地理上集聚产生的规模扩散效应和由于资源竞争导致生产成本增加造成的拥挤效应两者共同作用的结果。空间误差模型估计结果显示，体育用品制造业资产总计区位熵（LQZHIZONGJI）的回归系数为-0.293 9，P=0.141 4，未通过显著性检验；体育用品制造业平均用工人数区位熵（LQ-ZHIYONGGON）的回归系数为0.066 6，P=0.1614，未通过显著性检验；体育企业法人单位从业人员区位熵（LQ-FUCONGYE）回归系数为0.021 9，P=0.968 7，也未通过显著性检验。可见体育用品制造业资金、人力以及体育服务业人力投入集聚对体育产业效率的提升作用并不明显。SEM模型的4个解释变量中，仅有体育企业法人单位资产总计区位熵指标通过了5%显著性检验，其回归系数为1.153 4，即每增加1%的体育企业法人单位资产总计区位熵指标值，就会使体育产业效率提高1.153 4%，说明体育企业法人单位资产集聚是体育产业效率提升的重要因素，体育服务业属于资本密集型产业。虽然我国体育产业投入要素在地理上呈现集聚状态，但其规模效应在与拥挤效应的比较中并未显示出其明显优势，体育用品制造业的专业化集聚所产生的规模效应已被其拥挤效应所抵消。本研究结果并未像先前汪艳等[24]在劳动力资源集聚对体育用品制造业增长研究中得出的劳动力资源集聚抑制体育用品制造业增长的结论，但本文结果至少说明体育用品制造业平均用工人数集聚对体育产业效率提升没有显著影响。

表6 2016年空间集聚对中国体育产业效率影响的回归结果Table6 Regression results of the impact of spatial agglomeration in 2016 on the efficiency of China's sports industry

4 我国体育产业空间发展模式选择

在体育产业效率提升及区域协同发展的目标导向下，体育产业投入资源配置亟待空间建设与模式选择。本文针对以陕西为中心的高—低（HL）体育产业效率集聚区、以甘肃为中心的低—低（LL）体育产业效率集聚区，分别提出中心—外围、“飞地经济”发展模式及实施路径[25]。

4.1 高—低（HL）体育产业效率集聚区采用中心—外围发展模式

应用中心—外围发展模式需要如下2个基本条件：（1）区域中由中心发展较好地区与周边稍弱地区组成，即此模式中必须有体育产业效率较高的地区，以保证拥有可以对其他地区起到助力和借鉴作用的基础；（2）区域内地区地理位置需邻近。中心—外围发展模式扩散效应和辐射效应的发挥需要体育产业效率较高的陕西直接向周边省份起到扩散和辐射作用，而城市之间空间位置越邻近，区域内增长极的辐射作用越高效，城市之间的联系会更加便捷和密切。地理位置相近更容易引进先进管理理念和方式，更有利于创新，也可以吸引更多人才和直接资金投入达到提高辐射效果的目的。相反，地理位置相隔越远，以上推动力要素的正外部性就逐渐降低，增加着要素转移的难度和成本。显然，中心—外围发展模式在高—低（HL）集聚区是可行的。

为实现区域体育产业效率和经济的整体发展，首先需要政府树立区域一体化发展大局观，加强彼此间交流与合作。作为区域的中心省份，陕西应站在以西北区域经济整体发展的高度上，在市场、城市化、产业等方面制定相应策略，一方面通过自身体育用品制造业资本向体育服务业资本转化，另一方面通过向周边省份输出体育服务业资本的方式，切实发挥中心城市的作用。作为区域的周边省份，山西、河南、四川、甘肃、宁夏等不应寄所有希望于中心城市。相反，其应该在政府、社会和学界等层面加强合作与协调，通过建立协调机制和机构，对自身的经济、文化、社会、环境等方面进行深入研究，积极发掘和发挥自身优势，形成自身体育产业发展新动力，为自身体育产业经济的可持续发展提供基础。

4.2 低—低（LL）体育产业效率集聚区采用“飞地经济”发展模式

尽管当前我国体育产业效率格局并未形成高—高（HH）集聚区，但相对于体育产业效率落后的甘肃及其近邻，后者对效率的提升有更加迫切的需求。相较于中西部省份，东部省份在体育服务业方面的经济产出较体育用品制造业有更大的效果。当前，东部省份体育用品制造业也正积极寻求更广阔的空间以释放能量和扩大生产规模。由于区位空间的限制，东部省份体育用品制造业只能另择远处更适宜的发展空间和机会，而甘肃及其近邻正为其提供了条件。尽管从全国数据研究结果来看，体育用品制造业资金和人员的集聚对体育产业效率的提升作用并不明显，但因发展阶段不同，产业集聚对某些区域的体育产业效率仍起着重要作用。

为达到区域体育产业效率提升和经济发展的目的，“飞地经济”发展模式需要“飞出地”和“飞入地”在要素优化配置机制的基础上进行。前者通过输出资金、人才、先进管理经验等，为后者转移出相对后者来说具有发展优势的产业及其生产要素，后者通过补充和完善本地已有产业链争取形成新的体育产业效率增长极。其次，需要政府明确自身角色定位，遵循市场化运作机制，充分释放市场活力，尤其应通过弱化行政管理体制界限等手段和方式，积极推动体育产业市场化运作。

5 结 论

基于2016年省域体育产业相关数据，利用数据包络分析模型测算了体育产业投入产出效率；运用区位熵估计了体育产业空间集聚水平并进行了探索性空间数据分析；构建了体育产业效率与产业集聚的OLS、SLM、SEM回归模型，探寻了体育产业空间集聚对产业效率的影响。在此基础上提出了提升体育产业效率的空间发展模式，主要结论如下。

（1）我国体育产业资源的效率不高且有待进一步提高，尤其体育服务业产出的发展空间很大。体育用品制造业的产出不足率明显高于体育服务业产出不足率。两者在资金投入和人员安排的结构上需要不断调整和进一步优化。各省份仍需认清本地区体育产业发展现状，挖掘和抓好适宜本省份发展的潜力产业，优化产业布局，改善体育产业结构，将资源投入切实转化为产出。纯技术效率和规模效率结果显示，我国体育产业各方面资源投入结构有待改善。规模报酬结果表明在整体上加大体育产业财力、人力资源投入将对大多数省份体育产业发展具有促进作用。

（2）2016年我国体育用品制造业的集聚水平高于体育服务业，前者在投入和产业上的集聚水平差别较后者大。体育服务业的人力资本投入集聚程度大于财力资本投入集聚程度。我国体育产业各集聚指标状态呈现出明显的空间非均衡特征，这是国家在实现区域经济协同发展和今后体育产业区域布局规划中应关注的问题。

（3）体育产业效率在空间上存在显著的集聚现象，基于空间计量经济学的视角，空间误差模型结果显示在投入要素集聚中，体育用品制造业总资产集聚、体育用品制造业平均用工人数集聚与体育企业法人单位从业人员集聚对体育产业效率的提升作用不显著，而体育企业法人单位总资产集聚对体育产业效率有明显提升作用，规模效应显著。SEM模型的空间自相关系数λ小于零，即某一地区与体育产业效率相关的误差，会随着基于邻接关系的空间权重矩阵冲击给邻近地区，并抑制该地区体育产业效率的提升。

（4）高—低（HL）体育产业效率集聚区应采用中心—外围发展模式；而低—低（LL）体育产业效率集聚区更适宜“飞地经济”发展模式。

6 建 议

随着各省份发展体育产业政策的出台，作为朝阳产业的体育产业也将处在一个较长的黄金发展时期中。而体育产业集聚作用具有两面性，政府和企业需要科学布局和规划体育产业空间格局，以保证资源利用高效和产业可持续发展。根据研究结论，提出以下建议。

（1）政策的制定和颁布，需充分考虑各地区体育产业发展实际现状与其空间关联性，加强和促进相邻省份之间体育企业的交流与合作，为生产要素跨省域流动提供基础和保障。尤其体育产业效率低—低聚集区的省份，需要积极寻求体育产业投入资源合理科学配置方式，通过走出去和引进来以改变低效现状，探索体育产业高效可持续发展模式。

（2）优化体育用品制造业与体育服务业资本投入结构，重点考虑体育服务业资本投入的空间格局，支持体育服务企业资本区域空间集聚，以充分发挥体育服务业资本集聚对本地区体育产业效率的提升作用，尽可能减小体育产业效率溢出效应对周边地区产业效率的抑制作用。在资本集聚的同时，需求注意企业管理方式及技术的创新，以创新为又一驱动力，多向多方式促进体育产业效率的提升。

（3）加强体育产业区域间良性互动，通过协调管理方式创新、基础设施建设、项目引进和人力资源培养与引进，积极争取和创造与外界沟通的途经与桥梁。通过引进体育产业关联产业，重构区域经济产业链，利用其他产业或者当地区域区位优势和资源禀赋开拓体育市场，吸引资金流入，加快发展体育服务业。