产业集聚对技术创新影响实证研究

王 奇，岳宏志

(西北大学 经济管理学院，西安 710127)

提要：基于31个省市2008—2017年的年度面板数据，以研发费用和人力资本水平为门限变量，利用面板单门限模型研究了产业集聚对技术创新的影响。研究发现，产业集聚对技术创新的影响存在基于研发费用和人力资本水平的门限效应，产业集聚对技术创新的影响在门槛值前后都是起正向的促进作用，不过在门槛值之前的促进作用显著大于在门槛值之后的促进作用。进一步使用中介效应模型分析了产业集聚影响技术创新的过程和作用机制，研究结果表明，从总效应和直接效应上看，产业集聚对技术创新施加了显著的正向影响；从间接效应上看，产业集聚对技术创新的影响存在以人均GDP、研发费用为中介变量的显著的部分中介效应；中介效应占比分别为23.12%、15.49%。

一、引言

技术创新在宏观上影响着一个国家的整体发展，在微观上决定着一个企业的长期生存与发展。在当下的市场经济条件下，顾客的个性化需求丰富多样并且不断发展、市场环境的多变性都要求制造型企业和服务型企业加强产品的开发工作和相关技术的进一步提高。在当下的政府决策层面，党的十八大明确提出“科技创新是提高社会生产力和综合国力的战略支撑，必须摆在国家发展全局的核心位置”。

工业是国民经济的主导，工业部门的技术创新具有示范性和引领性的作用，其技术创新可以带动其他产业的技术创新和生产效率的提高。工业产品种类繁多，生产工序复杂，很多工业产品需要经过多个工厂、多道工序加工后，最终才能到达消费者手里。因此，工厂之间以及工业生产各部门之间往往通过产品之间的联系、工序联系、空间联系、信息联系等不同的联系方式形成了不同工业活动的集聚现象。而技术创新活动在地理上的集聚分布往往是伴随着工业产业在空间上的集聚发生的。世界各国在发展高新技术产业时都将有关企业和配套设施在空间上做适当的集中。如美国的“硅谷”、日本的“筑波科学城”、英国的“苏格兰高新技术产业区”、法国的“法兰西岛科学城”、新加坡的“国家高科技区”、中国台湾新竹科学工业园区。我国技术创新集聚往往伴随着产业集聚而发生，因此，有必要研究产业集聚与技术创新之间的关系。

二、研究动态

现有研究对产业集聚和技术创新的关系有两种主要认识：第一种观点认为产业集聚对技术创新有正向的促进作用；第二种观点认为在一定的条件下产业集聚对技术创新起促进作用，不过对于“一定条件”不同的学者有着不同的研究结论。

熊璞等认为高技术产业集聚水平对区域技术创新存在单一门槛效应当，高技术产业集聚水平(区位熵)低于0.850 0时，高技术产业集聚对区域技术创新具有显著促进作用；当超过 0.850 0时，高技术产业集聚对区域技术创新则表现出明显的抑制作用[1]。谢臻等研究了在创新模式不同的地区，随着专利保护程度的不同，产业集聚对技术创新所起的正向作用是不同的[2]。杜威剑基于中国工业企业数据库证实了产业集聚对企业创新决策和新产品产出具有显著的促进作用[3]。张长征探讨了金融市场在联结产业集聚与产业创新效率中的作用，发现越是落后地区的金融市场联结高新技术产业集聚推动其产业创新效率越为明显[4]。陈斌研究了长三角城镇化、产业集聚与区域创新承载力的耦合关系，发现城镇化与产业集聚耦合发展既放大了城镇化对创新承载力的影响效应，也放大了产业集聚对创新承载力的影响效应[5]。杜江等以经济发展水平为门限变量，当经济发展水平较低时，产业集聚对技术创新有抑制作用，当经济发展水平较高时，产业集聚对技术创新有促进作用，研究认为产业集聚对技术创新存在非线性的影响，呈“U”形；各地区的技术创新在空间上存在相关性和空间溢出效应[6]。袁丹等研究认为产业集聚对技术创新的影响存在基于研发资本投入的门槛效应，产业集聚对技术创新的影响呈现先负后正的“U”形曲线特征[7]。Catherine Beaudry认为仅仅只有产业集聚一个因素并不能导致更高的技术创新水平，只有当处于创新型企业密集的区域才会导致更高的技术创新[8]。黎继子等产业集群中集中度高的主导行业企业对集群技术创新呈正效应，而产业集群中其他行业的企业对集群技术创新呈负效应[9]。

总之，现有文献分析产业集聚对技术创新的影响，或者以产业集聚水平作为门槛变量，或者以研发资本投入作为门槛变量分析两者之间的非线性关系，或者研究在其他因素影响之下产业集聚对技术创新的影响，比较关注产业集聚对技术创新影响的条件。此外，不同学者对技术创新所选择的测量尺度各不相同，对产业集聚测度所用的方法也有差异，并且具体测度产业也不尽相同，因此得出的结论有一定的适用范围。本文在借鉴已有研究成果的基础上，以大型工业企业R&D费用和地区平均受教育年限为门槛变量，探讨了产业集聚程度与技术创新(大型工业企业所拥有的有效专利数)之间的非线性关系，并利用中介效应模型分析产业集聚影响技术创新的渠道，以期进一步丰富产业集聚理论，为技术创新水平的提高提供有益启发。

三、实证设计

(一)变量选择

本文所使用的数据均来源于《中国统计年鉴》，根据研究需要选取的变量主要有以下几个。

被解释变量：技术创新(用Pit表示)。朱月仙等认为专利是R&D活动的主要产出之一，专利申请量和R&D经费支出存在显著的正线性相关关系[10]。因此本文中各个省份的技术创新水平是用该省份大中型工业企业所拥有的有效发明专利数来衡量。为了避免各个省份所拥有的有效发明专利数之间的差异过大，对各省所拥有的专利数取了自然对数后即为本文的被解释变量。

关键解释变量：产业集聚水平(用ILQit表示)，由于工业是国民经济中一个极为重要的物质生产部门，工业部门的技术创新可以为其他部门提供先进的技术装备，对一个地区的技术创新创平有着广泛的影响，因此本文的产业集聚水平是指工业产业的集聚水平，并用常用区位熵指数测度各个地区的工业产业集聚水平。产业聚集是指在产业发展过程中，处在一个特定的领域内相关的企业或机构，由于之间的共性和互补性而紧密联系在一起，形成在地理上一组相互联系、相互支撑的产业群现象。郝俊卿详细探讨了产业集聚的识别维度和各种测量方法的优缺点，测量产业集聚程度比较典型的方法有产业集中度、区位熵指数、空间基尼系数、赫芬达尔指数、EG指数等[11]。区位熵指数法适合从宏观、中观层面测量产业集聚程度，因此本文的产业集聚水平用区位熵指数表示。区位熵也称生产的地区集中度指标或专门化率，是比率的比率，计算公式如下：

其中LQij是j地区的i产业在全国的区位熵，qij是j地区i产业的相关指标(如产值)，qj为j地区所有产业的相关指标，qi指在全国范围内i产业的相关指标，q为全国所有产业的相关指标。区位熵值越高代表产业集聚水平就越高，当LQij>1时，则认为j地区的某一产业在全国经济中具有优势，当LQij<1时，则认为j地区的该产业在全国经济中具有劣势。区位熵方法简便易行，可在一定程度上反映出地区层面的产业集聚水平。本文选取产值指标对各个地区的产业集聚水平进行测算(具体结果略)。

门槛变量：研发投入和人力资本水平，由于专利申请量和R&D研发费用高度相关，因此选择研发投入作为门槛变量。研发投入用各个省份的R&D经费(万元)来衡量，记为RDCit，在实际研究中取了自然对数。专利申请量也与各个地区的人力资本水平密切相关，因此也将人力资本选作门槛变量。人力资本水平用各省份的平均受教育年限表示，记为EDUit，借助现有研究的做法，本文人力资本水平计算如下：人力资本水平=小学文化程度就业人员比重×6年+初中文化程度就业人员比重×9年+高中文化程度就业人员比重×12年+中专文化程度就业人员比重×12年+大学专科文化程度就业人员比重×15年+大学本科文化程度就业人员比重×16年+研究生程度就业人员比重×19年。为了后文实证结果报告方便，把这两个门槛变量统一记为kit。

控制变量。本文选取的控制变量有研发人员投入、产业结构、金融发展水平、政策支持程度、对外开放程度。其中研发人员投入用各地区R&D人员全时当量(万人年)取自然对数后来衡量；产业结构变量用各地区第一、二、三产业的产值占GDP的比重衡量；金融发展水平用各地区金融业增加值占GDP的比重衡量；政策支持程度用地方财政一般预算支出占GDP的比重衡量；对外开放程度用进出口总额占GDP的比重衡量。

(二)变量的统计描述

从各个省份2008—2017年大型工业企业所拥有的有效发明专利数可以看出，各地区所拥有的有效发明专利数随着时间的推移整体上呈现上涨的走势，有些省份在个别年份有些波动，这说明技术创新水平是在不断提高。用区位熵指数测算各个省份逐年的产业集聚程度，可以看出截至2017年底，工业产业集聚程度在全国具有优势的地区有安徽、福建、广东、河北、河南、湖北、湖南、吉林、江苏、江西、山东、山西、陕西、天津、浙江、重庆。工业产业集聚程度低于0.5的只有西藏，其余省市的工业产业集聚程度接近于1。

(三)计量模型设定

本文利用Hasen提出的个体固定效应变截距面板门限模型进行建模，使用的是面板单门限模型，模型表达形式如下：

(1)

(2)

其中，i=1，2，…，N；t=1，2，…，T；qit是门限变量(可以是解释变量的一部分)，γ为待估门限值；外生解释变量xit，εit独立同分布且与xit不相关。可以将式(2)变形为

(3)

参数的估计原理是根据残差平方和(SSR)最小原理进行。根据研究需要本文构造如下的计量模型：

Pit=μi+αnCtrit+β1ILQit×I(kit≤γ)+

β2ILQit×I(kit>γ)+εit。

(4)

其中Pit代表技术创新水平，Ctrit表示一组控制变量，包括人均GDP、金融发展水平、政策支持程度、研发人员投入、产业结构、对外开放程度，ILQit代表工业产业集聚程度，I是为指示性函数，当kit≤γ时，I取1，否则I取0，kit代表门槛变量，γ代表门槛值。αn为相应的系数向量，μi反映各省份的个体异质性，εit为随机干扰项。

四、实证分析

(一)门槛效应检验

进行门限回归的前提是门限效应确实存在，需要进行面板门限模型的两大检验：门限效应的显著性检验与门限估计值的真实性检验。先进行门限效应的显著性检验，通过自助法获得F统计量对应的P值，如果P值小于0.1，则拒绝无门限效应的原假设。检验结果如表1所示，变量研发费用和人力资本水平的单一门槛在1%的水平下通过了检验，而双重门槛在1%、5%和10%的水平均未通过显著性检验。产业集聚与技术创新之间存在非线性关系，门限效应显著。

表1 门限效应检验结果

其次，进行门限估计值的真实性检验，即确定门限值的置信区间，门限值在置信区间范围内就是一致的。检验结果见表2，由表2可知，当门槛变量为研发费用时，门槛值为10.599 2，对应95%的置信区间为[10.131 7，10.964 1]。当门槛变量为人力资本水平时，门槛值为5.5770，对应95%的置信区间为[5.560 5，6.935 9]。

(三)实证结果与分析

模型一报告固定效应的估计结果，以研发费用为门限变量的实证结果由模型二报告，以人力资本水平为门限变量的实证结果由模型三报告，各个参数的估计结果见表3。由模型一可知：关键解释变量产业集聚度(ILQ)的系数为正，且在5%的统计水平上显著，这说明随着工业产业集聚程度的提高有利于大型工业企业的技术创新水平的提高。显然，产业集聚不仅能节约运费、减少劳动消耗、还可共同利用基础设施降低生产基本费用；产业集聚会使得企业以更快的速度获取最新的知识和了解技术前沿，企业之间人员的交流、知识的共享、技术交流以及思想的碰撞有利于创新型思维火花诞生，这对每一个企业的技术创新水平的提高是有利的。但是，产业集聚和技术创新水平会一直都保持线性的正相关关系吗？还是产业集聚对技术创新水平的线性影响，会受到其他因素诸如研发费用、人力资本水平的影响。

表2 不同门槛变量的门槛值估计结果

以研发费用为门槛变量的模型二表明：产业集聚对技术创新有正向影响且这种影响却并非是线性的，具体而言在研发费用低于门槛值时，产业集聚对技术创新水平的正向影响较大，在研发费用高于门槛值时，产业集聚对技术创新的正向影响较小且这种影响的统计水平并不显著。

在以人力资本水平为门槛变量的模型三表明：在人力资本水平较低时产业集聚对技术创新的影响为正，在人力资本水平较高时产业集聚对技术创新的影响为负，并且模型一和模型二的回归结果也表明人力资本水平对技术创新有负向影响。这种状况的出现并不符合经济学直觉，首先从理论上来讲一个地区的人力资本水平越高说明该地区在聚集人才方面有优势，而人才培养是技术创新进步的灵魂，大型工业企业的技术创新必定以人才的培养为前提。其次，从实际出发也可以发现在人力资本水平高的地区，技术创新水平也会更高。因此合理的估计结果应该是在人力资本水平高于门槛值时产业集聚对技术创新的影响为正。

出现这种估计结果的可能原因是：解释变量人力资本水平和人均GDP之间存在严重的相关性。表4的模型四表明人力资本水平对技术创新的影响为正，但在加入人均GDP后人力资本水平对技术创新的影响由正变负，如模型五所示。为了证实人均GDP和人力资本水平之间存在相关关系，以人均GDP为被解释变量的模型六表明，人力资本水平的系数为正，且在1%的统计水平上显著，这表明人力资本水平和人均GDP之间存在正相关关系。通过计算得人力资

表3 产业集聚对技术创新影响的回归结果

本人力资本水平和人均GDP之间的相关系数为0.676 7，且在1%的统计水平上显著。由于人力资本水平和人均GDP之间的相关性造成了在人力资本水平较高时产业集聚对技术创新的影响为负。为了克服变量之间较为严重的相关性带来的估计不准问题，去掉变量人均GDP后进一步用面板门限模型进行估计。去掉变量人均GDP之后，变量人力资本水平通过了面板门限模型的两大检验，门限效应检验的P值为0.000 0，门限估计值为5.577 0，门限估计值的置信区间为[5.560 5，6.935 9]。参数估计结果如模型七所示，在人力资本水平低于5.577 0时，产业集聚前的回归系数为11.527，且在1%的统计水平上显著，这表明产业集聚对技术创新的影响为正。在人力资本水平高于5.577 0时，产业集聚前的回归系数为4.166，且在1%的统计水平上显著，这表明产业集聚对技术创新的影响为正。不过，在人力资本低于门槛值5.577 0时，产业集聚对技术创新的作用显然大于超过门槛值时产业集聚对技术创新的作用。因此，由表4可知在以人力资本水平为门槛变量的模型中，产业集聚和技术创新之间存在非线性关系，且人力资本水平在低于和高于门槛值5.5770时，产业集聚对技术创新都有正向影响，但是影响程度不同。

表4 以人力资本水平为门槛变量的回归结果

五、中介效应模型和实证结果分析

(一)中介效应

使用中介效应模型进一步分析产业集聚影响技术创新的渠道，中介效应模型可以分析解释变量对被解释变量影响的过程和作用机制，比单纯分析变量之间的因果关系在方法上要更深入。在分析变量X对Y的影响时，如果变量X通过影响变量M来影响变量Y，则称变量M为中介变量，中介变量发挥的作用被称为中介效应。选择人均GDP和研发费用作为中介变量，探讨产业集聚是否通过人均GDP和研发费用这两条途径对技术创新产生影响。没有选择人力资本作为中介变量和对人力资本的衡量有关，本文使用教育水平作为人力资本的代理变量，现有研究认为教育水平的提高会促进技术创新水平的提高，但是产业集聚是否会促进教育水平的提高，本文的检验结果并不显著；如果使用更为宽泛的人力资本定义，将劳动力的经验、受教育程度、营养状况、在职培训等因素综合处理后作为人力资本，则产业集聚对人力资本可能是促进作用，限制于数据的可得性和变量衡量较为困难，未能加入这些因素。

选择人均GDP作为中介变量的理由是：国内现有研究普遍认为在现阶段产业集聚对经济发展起推动作用，经济发展水平的提高必然是有利于技术创新水平的提高，因为技术创新是需要投入大量的资金才能顺利进行，这是基于经验认为应该存在产业集聚通过影响经济发展进而影响技术创新，是否真实存在还有待后文检验。选择研发费用作为中介变量的理由是：产业集聚会加剧企业间的竞争，促使企业在技术创新上进行更多的投入；产业集聚程度的提高也会加强企业之间的合作，使得创新更容易，为了利用产业集聚带来的创新环境，企业也会加大研发费用的支出；因此，产业集聚会促进研发费用的增加，而研发费用又直接和技术创新相关，因此预期产业集聚促使研发费用增加进而促进技术创新水平提高，这一路径是存在的。

(二)中介效应模型和检验方法

中介效应的检验方法众多，大体可分为：逐步法、Sobel检验、Bootstrap检验、系数差值法，各种检验方法在检验功效方面各有优劣。本文采用依次检验回归系数进行检验，并用Sobel检验看前面的检验结果是否稳健，借鉴温忠麟等对中介效应分析方法和模型发展的介绍[12]，构建如下三个递归方程，由于本文选了两个中介变量，出于建立模型简洁性考虑，将中介变量人均GDP和研发费用统一记为M，中介效应模型如下所示

Pit=A+αILQit+β2Controlit+μ1，

(5)

Mit=B+βILQit+β3Controlit+μ2，

(6)

(7)

在式(5)～(7)中i代表省份，t代表年份，μi为随机扰动项，A、B、C为截距项，Pit代表技术创新，ILQit为产业集聚，Mit为中介变量、具体为人均GDP和研发费用，Controlit为控制变量，具体包括研发人员投入、政策支持程度、金融发展水平等变量。

(三)产业集聚通过中介变量影响技术创新的实证结果分析

1.人均GDP为中介变量的中介效应模型结果解释

中介效应模型的第一步检验了产业集聚对技术创新的总效应为3.008，与模型二的回归结果一致，产业集聚前的系数为正，表明产业集聚对技术创新有促进作用；第二步检验产业集聚对人均GDP的影响，根据回归结果可知，产业集聚可以显著的促进人均GDP的增加，其参数估计值为1.015；第三步检验了产业集聚和人均GDP对技术创新的影响，从回归结果可以看出中介变量人均GDP对技术创新有显著的促进作用，参数估计值为0.685，产业集聚的参数估计值为2.313，显著的低于模型八中的3.008，说明人均GDP在产业集聚促进技术创新水平提高过程中的中介效应显著存在，是产业集聚促进技术创新的重要因素。由参数估计值可知，产业集聚每提升1个单位，人均GDP可以提高1.015个单位；人均GDP每提高一个单位，技术创新可以提高0.685个单位；即产业集聚每提升1个单位，通过人均GDP能够促进技术创新水平提高0.695个单位，中介效应占比23.12%。也就是说产业集聚对技术创新的促进作用有23.12%是通过人均GDP来实现的。此外，作为稳健性检验的Sobel统计量为3.575，大于5%显著性水平上的临界值0.97，表明中介效应的检验结果是稳定的。

2.研发费用作为中介变量的中介效应模型结果解释

在研发费用作为中介变量的模型中，首先检验产业集聚对技术创新的总效应为2.737，产业集聚可以显著的促进技术创新；其次产业集聚对研发费用有显著的促进作用，参数估计值为0.897；最后检验产业集聚和研发费用对技术创新的影响，从模型十三可知，中介变量研发费用对技术创新有显著的正向影响，其参数估计值为0.473，产业集聚的参数估计值为2.313，显著的低于模型十一的2.737，说明研发费用在产业集聚促进技术创新过程中的中介效应显著存在，也是产业集聚促进技术创新的重要因素。由参数估计值可知，产业集聚每提升1个单位，研发费用可以提高0.897个单位；研发费用每提升1个单位，技术创新可以提高0.473个单位；即产业集聚每提升1个单位，通过研发费用能够促进技术创新提高0.424个单位，中介效应占比15.49%。即产业集聚对技术创新的促进作用有15.49%是通过研发费用实现的，作为稳健性检验的Sobel统计量为2.734，大于5%显著性水平上的临界值0.97，表明中介效应的检验结果是稳定的。

六、结论与建议

(一)结论

本文基于《中国统计年鉴》2008到2017年的数据，利用固定效应模型和面板门限模型探讨了工业产业集聚和技术创新之间的关系；利用中介效应模型分析了产业集聚影响技术创新的机制，得出了以下2个结论：

1.产业集聚对技术创新的影响存在基于研发费用和人力资本水平的门槛效应，在门槛值前后，产业集聚对技术创新都有正向影响，不过影响程度不同。具体来讲，当研发费用的投入低于门槛值时，产业集聚对技术创新的影响较大；高于门槛值时，产业集聚对技术创新的影响下降。当人力资本水平低于门槛值时，产业集聚对技术创新的影响较大，高于门槛时，对技术创新的影响下降。

表5 以人均GDP和研发费用为中介变量的实证结果

2.中介效应模型回归的结果表明，在总体效应上，产业集聚对技术创新有显著的正向影响。从间接效应上看，产业集聚对技术创新的影响存在以人均GDP、研发费用为中介变量的显著的部分中介效应。

(二)建议

通过以上对结果的分析，提出以下3点政策建议。

(1)首先，产业集聚在门槛值前后的参数估计值都为正，因此，加大研发资金的投入和提高人力资本水平都会为产业集聚推动技术创新营造更加有利的环境。其次，产业集聚对技术创新的作用在低于门槛值时的作用要大于高于门槛值时的作用，可以得出在增加研发资金投入和提高人力资本水平时要施行不同政策。在研发资金投入不足的地区和人力资本水平较低的地区，要进一步增加资金投入和提升人力资本水平；在研发资金投入较多的地区要进一步提高研发资金的使用效率；在人力资本水平较高的地区，在提高人力资本水平的同时，更要提升产学研融合的水平，使教育为技术创新做更大贡献。

(2)中介效应模型表明，产业集聚对技术创新的总效应为正，意味着现阶段提高产业集聚可以促进技术创新水平的提高，而我国产业集聚水平不高且存在明显的区域不均衡现象，东部地区产业集聚水平高、中西部产业集聚程度较低，因此在政策上应大力支持产业集聚程度的提高，进一步提高中西部地区的产业集聚程度。

(3)产业集聚对技术创新存在以人均GDP、研发费用为中介变量的显著的部分中介效应，这表明在产业集聚对技术创新施加影响的过程中，经济发展水平和研发资金投入发挥了重要作用。具体而言，如果地方政府想要制定提高产业集聚程度的经济发展政策，此时，该政策可以提高经济发展水平和增加对研发资金投入。在此基础上，地方政府会参照现有的经济发展情况和研发资金投入情况，根据地方经济发展规划等因素综合决定技术创新的发展方向和速度，此时，企业也会参照地区经济发展水平、研发资金投入的情况，制定自己的研发发展规划。政策含义有两点：其一，地方政府既要重视产业集聚对技术创新的直接推动作用，也要重视产业集聚可以通过促进经济发展、研发资金投入的途径间接推动技术创新水平的提高。其二，应当加强经济政策对人们预期的引导作用，通过透明化的政策影响企业家的投资回报预期，如提高产业集聚程度的政策，应做到让社会公众知道是提高哪个产业的集聚程度，有哪些政策优惠，如提高技术产业的集聚程度，便会吸引私人部门对技术创新投入的增加。