粤港澳大湾区制造业要素集聚与创新效率联动研究

张向荣

1（深圳大学中国经济特区理论研究中心， 深圳 518031）2（深圳市科技开发交流中心， 深圳 518031）

引言

产业经济学中最显著的地理特征问题即为产业集聚问题。波特认为，产业的空间集聚是构建一国（地区）核心竞争优势的主要因素。随着经济全球化的发展，中国制造业的空间格局形成了明显的“东倾”现象，并通过规模经济和学习效应显著促进了沿海地区产业经济的发展，在这一过程中，粤港澳大湾区作为拥有我国最发达城市群、世界级海港群和空港区的代表性东部区域，实现了经济与产业发展的腾飞［1］。但进入21 世纪后，中国东部沿海地区制造业的“产业同构”现象越发严重，谢子远和吴丽娟（2017）指出，制造业资本、人力及技术要素的过度集聚，不仅导致了管理成本的迅速上升，也因为产品的同质化降低了制造业的边际利润，出现了非均衡发展下的“拥挤效应”，严重削弱了我国整体产业竞争力，使得相关区域制造业发展陷入瓶颈［2］。对粤港澳大湾区而言，如何调整产业结构，实现城市间合理的要素分配和产业分工，将成为实现粤港澳大湾区未来突破式发展的核心问题。

创新是产业发展的核心要素和利润之源。任治（2017）认为，当前我国的制造业发展水平较低，整体处于全球利润链的下游［3］，且严重被西方发达国家的“低端锁定”战略所制约，提升制造业在全球产业链中的位置，已经成为全社会的共识。但地理层面的要素集聚现象对制造业的创新转变产生了难以估量的外部性影响（张虎和韩爱华，2017）［4］。胡彬和万道侠（2017）针对当前中国制造业产业集聚中较为普遍的拥挤效应及转型升级困境，考察了产业集聚对制造业企业技术创新模式的作用，研究证明产业集聚显著降低了企业选择高端创新模式的概率［5］。张万里和魏玮（2018）的分析中指出，引入非期望产出的制造业集聚与效率并非呈简单的正向线性关系，他们将制造业分为集聚推进型、集聚递减型和过度集聚型，部分制造业出现一个甚至多个门槛值，说明东部拥挤和西部能源利用效率低已经严重阻碍当地经济发展，提高创新效率是解决收入差距的关键［6］。创新效率显著关联于要素集聚已经是不争的事实，但我国许多区域在实现创新效率提升的过程中，依然忽视要素集聚的作用，造成了过度集聚现象下的创新实践失败。

对于要素集聚现象的实践的偏差也与学理认知不足有着紧密关联。我国大量学者已经认识到产业集聚过程中的负外部性问题，如沈能等（2014）从行业异质性视角入手，引入过度集聚带来的拥挤效应重新考察中国制造业全要素生产率的变化，并采用非线性门限回归模型考察不同类型产业集聚效应的门槛特征并确定最佳的转移时机和区位选择［7］。研究表明：产业集聚对行业生产率的影响并非单调，而是随着产业集聚度由弱变强，会对行业生产率产生先提高后降低的影响，且具有显著的三重非线性门槛特征。唐晓华等（2017）基于区位基尼系数、地理集中度、全局莫兰指数探究我国制造业的空间关联模式，发现我国制造业集聚存在典型的“倒U 型”结构，且呈现出由东到西“聚集-离散-聚集”的地理分布［8］。王翔（2017）指出，由于制造业的技术构成、产业周期与资源禀赋情况不尽相同，处于不同技术效率下的产业对要素的利用也产生了较大差别，对于某一集聚水平下的制造业进行“拥挤”和“适度”的判断时，需要从更为微观的层面观察各个分行业的技术效率［9］。本文拟从要素集聚与创新效率的异质性特征和非线性特点出发，确定粤港澳大湾区的要素集聚与创新效率的关联特征，进而对粤港澳大湾区未来的最优要素投入（产业转移）政策提供参考。

1 变量选取及数据来源

本文的核心解释变量包括全要素生产率（TFP）与产业集聚度（G），被解释变量为创新效率（CE）。全要素生产率从“投入-产出”角度衡量了制造业的集聚效率；而产业集聚度则从“空间密布”角度衡量了制造业的集聚水平，两者能够全面的分析企业内部要素集聚的优度。而创新效率衡量了单位投入“输入-输出”的比例优化情况。下面分别解释两个解释变量及被解释变量的计算过程。

全要素生产率。对于全要素生产率的计量，Malmquist 方法已经成为衡量制造业累积增长率的统一指标。Malmquist 全要素生产率指标基于决策单元的投入-产出效率评价，并纳入距离函数分析要素间的分布情况，李永周和韩波（2018）指出，指标不仅解决了制造业中不同产业生产函数形式不统一的问题，还避免了生产无效率项在原始函数中可能造成的计量误差［10］，通过简单的投入产出数据从根本上解析生产函数的技术效率情况，从而不必受到要素价格信息的干扰，广泛适用于面板数据的分析。假定投入产出间隔为1 期，起始期为t期，Malmquist 全要素生产指数可以表示为：

式（1）中，xt，yt表示t期的投入和产出向量，xt＋1，yt＋1为下一期的投入产出向量；则表示以技术值Tt为参照的距离函数。

进一步假定短期内存在规模报酬不变，Malmquist 指数可以进一步分解为技术效率变动（TC）和技术进步（TP）指数。卢燕群和袁鹏（2017）认为，技术效率不同于创新效率，是指各个决策单元向技术前沿面迁移的距离，当决策单元越靠近前沿面，就越能够实现既定技术水平下最大产出的可能［11］，而创新效率的增长，则是指全产业技术水平因创新而产生增长的过程。Malmquist 指数的技术效率分解过程如下：

产业集聚度。从地理经济学角度来看，产业的集聚包含了空间角度的聚合以及产业相似度的提升过程，陶长琪和彭永樟（2017）指出，随着单一产业在区域产业中比例的提升，产业相似度的提升不仅能够带来“规模效应”，也有可能引起广泛竞争情况下的“拥挤效应”［12］。对此，本文选用克鲁格曼提出的中性空间指标“空间基尼系数”来衡量制造业的产业集聚度，该指标的计算方向如下：

式（3）中，ski和skj分别代表区域i和区域j中k产业的占比，n是区域的总数；表示k产业在所有区域占比的均值。空间基尼系数值处于［0，1］的范围中，当各个地区占比与均值一致时，基尼系数等于0；当所有k产业的销售占比均集中于某一地区时，基尼系数等于1。对该地区本身而言，空间基尼系数的上升代表该地区某一产业的集聚水平上升。

科技创新效率（CE）。对于制造业的分行业创新效率，本文借鉴孙晓华等（2018）的方法［13］，采用超效率DEA 方法进行测度，该方法假定在C2R模型中存在n个决策单元（DMUj），每个决策单元存在m种输出和s种输出情况，xij＞0 表示第j个决策单元DMUj的第i种输出类型的输入量，其中xj＝（x1j，x2j，…，xmj）T，yj＝（y1j，y2j，…，ysj）T。由此，判断各个决策单元有效性的超效率DEA 模型可以写作：

运用式（2）～（4），本文计算得到了粤港澳大湾区制造业2000～2018 年的28 个分行业的技术效率变动（TC）、技术进步（TP）、产业集聚度（G）及创新效率（CE）。本文参照沈能等（2014）的设定［7］，将制造业的28 个分行业分为4 类子产业：劳动密集型产业、资本密集型产业、技术密集型产业和资源密集型产业，分类情况如表1 所示。

本文设定投入向量为各个行业的固定资产净值和劳动力人数，产出指标为工业增加值，产业占比指标为销售额比例，为了消除价格效应造成的统计误差，采用固定资产价格对相关变量进行了平价处理。在创新效率的计算过程中，根据数据可得性因素，选取制造业科技活动人数（R＆D活动人数）和科技与研发支出（R＆D 经费内部支出）两类指标作为创新投入指标，以专利申请数作为创新产出指标。孟卫东和傅博（2017）的研究证实，科技创新的影响不仅存在于当期，而是会在一段时间内对产业发展形成促进作用［14］，应该采用存量数据（而非流量数据）进行估计，故需要引入永续盘存法计算科技投入的存量数据，本文以2000 年为基期，计算了科技经费的存量数据：

增强班级的凝聚力，在农村来说，说起来容易，但作起来难．只要我们大家能勇于创新，勇于研究，不断地发现困难，总结经验，相信会建立起一个生机勃勃的班集体．班集体的凝聚力的强弱则可以反映班风、学风的优劣。一个优秀的有凝聚力的班集体应该是有共同目标、有组织核心、有正确舆论、有旺盛士气的集体。

表1 制造业的4 类子行业（根据要素种类分配）

式（5）中，K代表研发活动资本存量，E代表研发活动固定资产购建费，δ代表研发活动资本存量的折旧率。同时综合相关研究的设定，R＆D资本存量一般为15%，其中基期研发活动资本存量用以下公式进行估计：

粤港澳大湾区城市群包含广东省的广州、深圳、珠海、东莞、佛山、惠州、中山、江门、肇庆9 个城市，以及香港和澳门特别行政区，总计11 个城市。原始统计数据来自《广东省统计年鉴》、《香港统计年鉴》 及《澳门统计公报》，变量计算结果如表2 所示。

由表2 可见，2000～2018 年，粤港澳大湾区制造业的平均全要素生产率为1.1081，表明粤港澳地区制造业的平均产出水平较高，行业内部的技术效率处于高效率层次。与之对应的是，全要素生产率的分解指标技术效率（TC）和技术进步（TP）分别为1.0955 和1.0270，两者均高于1，说明粤港澳区域的制造业仍处于技术前沿区间。本文还纳入了要素比例（CAP）、直接投资（FDI）、市场化水平（MAR）3 个控制变量，以消除宏观性经济变量对制造业要素集聚的影响，要素比例根据资本投入／劳动投入衡量；直接投资数据以外商直接投资总额／行业总资产衡量；市场化水平采用了《中国分省份市场化指数报告》 中的城市市场化水平数据。

表2 2000～2018 年粤港澳大湾区4 类制造业相关数据

2 要素集聚对创新效率的异质性分析

2.1 模型设定

在确定核心指标的基础上，进一步构建分析要素集聚与创新效率相关性的模型，需要深入结合相关经济理论。制造业要素集聚对创新效率的变动存在显著的“异质性”影响，由于制造业要素的集聚，相关产业在区域内比例的集中，有助于形成“规模效应”，帮助企业降低单位成本，提升边际收益，并促进相关企业的市场竞争力（杨蕾和杜鹏，2017；梁涵，2018）［15，16］。另外，制造业要素的集聚具有较为明显的负外部性，不仅会削弱周边区域的市场联动性，还会因为市场“拥挤效应”而降低市场活力，增加环境负担，进而形成大量的损耗（陶长琪和周璇，2016）［17］。由此，本文就要素集聚与创新效率的异质性问题展开分析，通过上文中构建的4 类制造业子行业，分析要素集聚与创新效率之间的关系，计量模型设定如下：

式（7）中，除了设定核心解释变量及控制变量的影响水平外，考虑到集聚效应在时序上会产生影响，还设定了各个核心解释变量的滞后项，由于TFP实质上被分解成TC和TP两个变量，在计量模型中为避免共线性，仅仅量化估计TC和TP变量对应的相关性，模型中不存在TFP项目。以往的研究在分析要素集聚的异质性问题时，往往忽视空间相关性问题，根据关兴良等（2016）的研究结论，空间数据一定存在强弱不等的空间依赖性，相同地理经济区的城市之间，发展不可避免地会相互影响［18］，对此，本文进一步引入空间滞后模型（SLM）分析粤港澳经济区城市间的空间冲击情况，基础公式如下：

其中，y是被解释变量；X为一个n*k的系数矩阵；λ为空间自回归系数，用以分析邻近区域的被解释变量y对本区域内部被解释变量y的影响程度；W为空间权重矩阵，本文采用服从0～1分布的空间邻接矩阵；ε为模型可能产生的随机误差向量，服从正态分布。

2.2 回归结果

在Stata 12.0 的软件环境下，根据模型（7）、（8）及上文中计算得出的各项数据，对粤港澳大湾区制造业要素集聚与创新效率的异质性进行实证分析，结果如表3 所示。由表3 可见，模型中的空间参数（λ）通过了1%的显著性检验，表明粤港澳大湾区制造业的要素集聚具备显著的空间外部性特征，区域内部各个城市的制造业要素集聚会显著影响其他城市的发展，空间参数均为正值，说明粤港澳地区各个城市制造业的空间集聚影响具备“协同效应”而非饱和市场下的“挤出效应”，各个城市的生产率较高，且市场仍未达到相互挤出的瓶颈。

由表3 的回归结果可以得出以下两个方向的相关结论：（1）核心解释变量。粤港澳制造业全样本回归结果表明，当期与滞后一期的聚集度变量（G）与创新效率显著正相关，关联强度随着时间推移有所下降，表明制造业要素集聚能够显著提升粤港澳大湾区的科技效率。分组检验结果表明，聚集度的促进效应具备显著异质性，对技术密集型、资本密集型和资源密集型制造业依然存在显著的正向影响，但强度并不一致；对劳动密集型制造业存在显著的负向影响，表明粤港澳大湾区的劳动密集型制造业要素集聚已经出现了显著的“拥挤效应”，需要向周边区域疏散部分劳动密集型制造产业。从技术效率（TC）变动的变量回归来看，全样本回归同样与创新效率间存在正向联系，但未通过显著性检验，表明技术效率变动与科技效率增长间并未存在内在联系，分样本回归中，技术效率与聚集度变量存在类似的异质性关系，对劳动密集型制造业存在显著负向影响，说明要素集聚的拥挤效应不仅不利于科技效率的发展，而且对现有技术的利用也会造成不利影响，随着劳动力资源的集聚，相关产业需要投入的训练成本大大增加，进而降低了行业整体的边际产出；（2）相关控制变量。要素比例（CAP）变量仅仅对技术密集型产业产生了显著的正面影响，说明技术密集型产业对要素的分配反应相对敏感，要素结构的优化能够促进技术密集型产业内部效率的提升。外部直接投资（FDI）变量对粤港澳地区的制造业全样本、劳动密集型及资源密集型制造业产生了显著的负面影响，说明粤港澳地区的资本相对充裕，外资的进入不仅无法提升行业技术效率，反而会加剧市场上的异质资本间的技术冲突，进而降低本土企业的创新效率。市场结构（MAR）变量对劳动密集型和资本密集型产业产生了显著的正面影响，说明粤港澳地区

的劳动密集型产业和资本密集型产业存在一定的市场结构问题，行业外溢能力较差，对本地市场的依赖性较强，当市场结构改善时，这两类制造产业会显著改善科技创新效率。市场结构变量对技术密集型产业产生了一定的负面影响，说明技术密集型产业的市场结构相对均衡，在此基础上改变相关产业的结构会造成一定的负面影响。

表3 制造业要素集聚对创新效率的GMM 估计结果

3 要素集聚对创新效率的非线性效应

3.1 模型设定

由上文的异质性分析不难发现，制造业要素集聚与创新效率之间存在行业间的异质性，同时随着集聚度的上升，制造业创新效率本身也存在非线性的增长过程，要素集聚对创新效率的影响存在显著的“门槛效应”，这也为产业集聚最佳水平的确定提供了依据，对此，本文进一步设定门槛效应模型，分析要素集聚与创新效率之间的非线性关系。具体采用Hansen（1999）提出的门限检验模型，该模型不仅能有效确定门槛的存在性，还能够对内生门槛效应及交叉效应进行检验，从而估计门限的个数及大小，考虑到技术效率和技术进步作为分解变量，无法通过门槛检验的基本假设，本文采用产业集聚度（G）设定非线性门槛，删除模型（7）中全要素生产率相关变量，并纳入门槛值及交叉值，模型设定如下：

式（9）中，λ1、λ2、λ3、…、λn均为门槛值，I（G）为门槛值上下所对应的要素函数，由此将要素集聚的影响划分为多个区间。

3.2 回归结果

在Stata 12.0 的软件环境下，对要素集聚度与科技创新效率进行门限检验，首先需要判定粤港澳大湾区制造业是否存在门槛以及门槛值的大小，采用Bootstrap 抽样2000 次，门槛检验结果如表4 所示。

表4 门槛形式估计情况

由表4 结果可见，双重门槛形式检验处于99%的置信区间内，相比于单一门槛检验的95%的置信水平更加显著，说明了双重门槛的适用性。而三重门槛检验结果并不显著，自抽样检验下各个分行业的双重门槛值如表5 所示。

表5 分行业双重门槛值

根据双重门槛将原始样本进一步分为8 个组别，再进行门限回归，由此可以得到如表6 所示的回归结果。

表6 分行业门限回归结果

续 表

对于粤港澳大湾区制造业的要素集聚效应而言，与前一部分异质性检验类似的是，劳动密集型行业存在明显的负相关性，其余是3 类分行业的关联性显著为正。但通过表6 的回归结果可以看出，要素集聚对创新效率的影响并非线性过程，其影响系数因为行业和区间的不同而产生显著的非单调变化，随着要素集聚水平的提升，会出现先增长、后下降的过程。

4 结论及建议

粤港澳大湾区建设已经写入十九大报告与政府工作报告，关系着我国国家战略发展，但粤港澳大湾区制造业突出的结构性问题，仍需要从多个方向进行解决。本文从制造业要素集聚的多重影响入手，基于粤港澳大湾区2000～2018 年的城市数据，分析粤港澳大湾区要素集聚过程中对创新效率的异质性影响，并通过门限回归模型分析了产业集聚度的多重门槛特征。研究表明：（1）粤港澳大湾区制造业尚未触及要素集聚的饱和值，要素集聚过程对创新效率产生了显著的正向影响，但这一影响系数在制造业的分类别分析中是有所差异的；（2）从制造业分类结果来看，粤港澳大湾区的劳动密集型和资源密集型制造业已经开始出现集聚过度情况下的“拥挤效应”，两个区域的全要素生产率与集聚度对创新效率存在显著的负向影响；（3）门限回归结果表明，粤港澳大湾区制造业要素集聚与创新效率的联动中存在显著的“倒U 型”结构，要素集聚与创新效率之间存在一个最优的联动水平。

实现我国粤港澳大湾区的产业经济发展，调整产业结构，并促进城市之间更加合理的产业分工，应该从以下几个角度展开：（1）在具备要素集聚空间的城市促进要素集聚，在出现要素拥挤的城市实现要素出清。要素集聚是创新效率提升的主要动力，在资源基础较差的区域发展科技创新，会显著提升制造业的技术价值，并显著拉动创新效率的提升，当要素集聚提升到一定程度，要素投入与创新效率间达到最优水平，两者之间的联动能够互相促进；（2）制定符合最优要素联动水平的发展战略，通过制造业要素的合理搭配，完善要素集聚的最优结构，实现创新效率的增长。粤港澳大湾区的产业发展离不开创新效率的支持，所以需要确定最优要素投入以保障最优的创新效率联动水平；（3）针对粤港澳大湾区制造业的分行业异质特征，应该有的放矢，根据相关行业与创新效率的关联水平进行针对性改良。粤港澳大湾区的劳动密集型产业的技术效率和资源集聚程度均触及瓶颈值，说明产生的过度集中已经对产业经济发展造成了伤害，应该转移部分产业至周边地区，并尽快分散区域内部已有的劳动密集型企业，资源密集型产业触及了技术升级和技术进步的瓶颈值，说明资源密集型产业的全要素生产率因为“拥挤效应”产生了下滑，并限制了创新效率的发展，在治理资源密集产业过程中应该从要素生产角度入手，实现现有技术水平下的产出优化。