“双循环”视角下国内市场整合对出口技术复杂度升级的空间溢出效应研究

雷娜 张汝飞

[摘 要]文章选取中国2002—2017年30个省份的面板数据，对国内市场整合影响出口技术复杂度的空间溢出效应进行了实证检验。研究结果表明，中国省域出口技术复杂度呈现出由东部沿海向中西部内陆地区梯度递减的格局，并存在明显的正向空间相关性。在考虑空间关联的情况下，国内市场整合程度的提高显著促进了出口技术复杂度提升，市场整合的空间溢出效应是驱动出口技术复杂度升级的重要因素。市场整合的空间溢出效应存在时期异质性特征，在市场整合处于相对较低水平时期，其空间溢出效应不显著;而在市场整合处于较高水平时期，其空间溢出效应大幅增加，对出口技术复杂度升级起到显著推进作用。

[关键词]市场整合;空间溢出效应;出口技术复杂度

[中图分类号]F753.62;C812 [文献标识码]A [文章编号]1673-0461（2021）09-0018-11

一、引 言

改革开放以来，特别是加入WTO后，中国凭借丰富的劳动力和自然资源优势积极参与国际分工，对外贸易迅猛增长，成为具有全球影响力的贸易大国。然而，在全球价值链分工体系中，中国仍然处于中低端位置[1]，外贸“大而不强”问题依然突出。随着国内外形势的深刻变化，中国对外贸易以量取胜、以廉取胜的发展模式已不可持续。特别是新冠肺炎疫情发生后，国际形势不稳定性、不确定性更加突出，中国外贸发展面临的挑战和压力进一步增大。党的十九届五中全会强调要“立足国内大循环，发挥比较优势，协同推进强大国内市场和贸易强国建设”。中国拥有14亿人口的超大规模市场和巨大的消费潜力，进一步畅通国内经济循环，推进国内市场整合，依托国内大量需求形成的规模经济效应提升出口技术复杂度，构建企业参与国际大循环的竞争新优势，成为实现贸易强国战略和经济高质量发展的可行路径和客观选择。

近年来，关于出口技术复杂度影响因素的研究得到国际贸易学界普遍关注。毛其淋（2012）[2]认为，物质资本相对丰富的地区在资本密集型产品出口上具有比较优势，可能会生产和出口更多相对资本密集和复杂的产品，从而具有较高的出口技术复杂度;人力资本和研发投入作为国内自主创新的基本源泉 [3]，不仅直接促进了知识资本积累，提高了生产率水平，而且间接促进了知识转移、吸收与利用，从而促进了出口技术水平提升 [4];进口贸易、FDI及OFDI作为外部技术转移与扩散的重要渠道，也对发展中国家出口技术复杂度提升发挥着积极影响[5-7]。此外，金融发展[8]、物流发展 [9]、基础设施 [10]、知识产权保护 [11]等因素都显著促进了中国出口技术复杂度提升。然而，鲜有文献关注国内市场整合对出口技术复杂度的影响效应。在国内经济转型升级的关键时期和全球经贸风险及不确定性加剧的背景下，立足中国特有超大规模市场优势，深入探讨国内市场整合与出口技术复杂度之间的关系，对于实现国内国际双循环的良性互动无疑具有重要理论价值与现实意义。

随着中国基础设施建设的不断完善和市场一体化水平的提升，各省份之间的“距离”进一步缩短，地区间经济联系日益密切，一个地区很难脱离其他地区而独立发展。因此，各省份出口技术复杂度可能存在空间相关性。在考虑空间维度的情况下，市场整合程度的提高是否可以推动出口技术复杂度提升？其发挥作用的机制又是什么？如何扩大市场整合影响出口技术复杂度的正向空间溢出效应？为了解答这些问题，本文将在系统阐释市场整合趋势下出口技术复杂度空间溢出效应理论机制的基础上，选取中国2002—2017年的省际面板数据，对国内市场整合影响出口技术复杂度的空间溢出效应进行实证检验，并提出相应政策建议，以弥补已有研究的不足，对该领域研究作出一定边际贡献。

二、理论机制分析

根据Myrdal（1957）[12]的“地理上的二元经济”理论，经济发展是一个各种因素相互作用、互为因果、循环积累的非均衡发展过程。在这一过程中存在两种效应：一是回波效应（即极化效应），表现为生产要素从落后地区向发达地区流动，导致区域经济差距进一步扩大;二是扩散效应，指生产要素由发达地区向落后地区转移扩散，使区域经济差距不断缩小。相似的，Hirschman（1958）[13]也提出了极化效应与涓滴效应（即扩散效应）这一对概念，并强调了极化效应转向扩散效应的必然性。然而，无论是极化效应还是扩散效应，均通过典型的新古典趋利机制而加以实现 [14]，只有不断降低区域间贸易壁垒，促进市场整合程度提升，才能消除空間距离对要素流动带来的阻碍。本文将以上述理论为依据，阐释国内市场整合进程中，出口技术复杂度空间溢出效应的形成机制。

由于中国不同地区自然资源禀赋的差异性和社会资源配置的非均衡性，各地区出口技术复杂度存在极大差异，国内市场整合程度的提升降低了区域间贸易壁垒，为极化效应和扩散效应的释放提供了空间。

一方面，随着市场整合程度的提升，市场将在区域间资源配置中发挥决定性作用，经济资源的稀缺性和逐利性特征会使其自动由低边际收益率区域向高边际收益率区域转移集中。高出口技术复杂度地区往往具有更大利润空间和更广阔的发展前景，在“择优”机制作用下，邻近地区的产品、技术、人才和资金等资源要素以及先进企业将不断涌入当地市场。如研发人才会流入经济发达、待遇丰厚和环境优越的区域，而研发资本也偏向流入创新风险低、收益高的区域。优质创新要素的集聚进一步提高了当地出口技术复杂度，进而吸引更多邻近地区要素资源流入，最终造成邻近地区创新资源流失，出口技术复杂度提升受阻。此时便形成出口技术复杂度的极化效应，其作用力是由低出口技术复杂度地区指向高出口技术复杂度地区的集聚力量，由外围向中心方向集聚。因此，一个地区出口技术复杂度的提升可以通过极化效应抑制邻近地区出口技术复杂度的提升。随着区域间市场整合程度的提升，科技创新资源和创新主体不断在极化效应集聚力的作用下，由低出口技术复杂度地区流入高出口技术复杂度地区，从而造成先进地区出口技术复杂度的大幅提升，以及落后地区因资源流失而导致的出口技术复杂度增长停滞，地区间的出口技术复杂度差距将进一步扩大。

另一方面，市场整合程度的提升减少了地区分割和行政垄断，为商品、生产要素跨区域流动和企业跨区域经营创造了基本条件。高出口技术复杂度地区的科技创新成果可以通过产品、信息、技术和人才等技术交流与合作方式扩散到邻近地区，带动其技术进步和生产效率提升 [15]。高出口技术复杂度地区先进的基础设施、完善的金融和信息服务等也使周边地区共同受益，降低其生产成本和交易成本，获得外在经济效益 [16]。同时，发达地区先进企业对邻近地区的产业转移和投资，可以弥补邻近地区资金、要素等缺口，带来先进技术和管理经验，进而提升邻近地区企业经营管理水平和综合竞争力。此外，高质量商品和先进企业的进入会为当地企业带来竞争压力，迫使他们加大研发投入，加强管理、技术等方面的创新和变革，进而提高地区整体技术水平和竞争力 [17]。此时便形成出口技术复杂度的扩散效应。扩散效应是由高出口技术复杂度地区指向低出口技术复杂度地区的发散力量，由中心向外围方向扩散。因此，一个地区出口技术复杂度的提升，可以通过扩散效应促进其邻近地区出口技术复杂度提升。随着市场整合程度的提高，低出口技术复杂度地区不断在扩散效应发散力的作用下，通过承接高出口技术复杂度地区技术扩散和产业转移获得后发优势，在快速提升出口技术复杂度的同时，也逐步缩小地区间出口技术复杂度差距，最终实现整个国家出口技术复杂度升级。

市场整合趋势下，出口技术复杂度的极化效应和扩散效应同时产生，二者作用力方向相反，极化效应导致高出口技术复杂度地区对邻近地区生产资源和创新要素的掠夺，抑制邻近地区出口技术复杂度提升;而扩散效应促进了地区间技术交流与合作，为邻近地区提供了生产资源和创新要素，可以促进邻近地区出口技术复杂度提升。随着地区间空间经济联系不断加强，极化效应和扩散效应的总量都在增加，出口技术复杂度的空间溢出效应为正值还是负值，取决于何种效应居于主导地位。在地区间打破贸易壁垒逐步实现市场整合的初期，生产资源和创新要素会在利益最大化的驱使下，不断地从低出口技术复杂度地区流入高出口技术复杂度地区，此时极化效应大于扩散效应，市场整合对出口技术复杂度影响的空间溢出效应为负;随着时间的推移，市场整合程度不断提升，区域间要素流动成本大幅下降，有利于生产可能性边界的扩展，推进扩散效应份额不断上升。同时，高出口技术复杂度地区生产资源和创新要素逐渐累积到一定限度，可能出现“拥挤效应”，使企业面临市场竞争加剧、要素资源价格上升等众多负面约束，进而促使生产资源和创新要素向周边地区转移扩散。随着扩散效应逐渐增强，极化效应逐渐减弱，两种效应相互抵消，最终扩散效应超过极化效应占据主导地位，市场整合对出口技术复杂度影响的空间溢出效应转为正值并不断增大。

三、模型设定、变量选取与数据说明

（一）模型设定

1.空间计量模型

空间面板模型主要包括空间自回归模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM）三类。在三类模型中，SDM模型更具综合性和一般化，将其附加一定限制条件即可简化为SAR模型或SEM模型。由于三类空间面板模型假定的空间传导机制并不相同，所揭示的经济含义亦有所差别，因此，本文将分别对SAR、SEM和SDM模型进行估计。

空间自回归模型（SAR）假定一个地区的被解释变量受邻近地区被解释变量的影响，模型设定如下：

空间误差模型（SEM）假定不同地区被解释变量之间的空间相关性主要通过模型随机误差项的关联性来体现，模型设定如下：

空间杜宾模型（SDM）同时考虑了上述两类空间溢出机制，即假定一个地区的被解释变量同时受到邻近地区被解释变量和解释变量的影响，模型设定如下：

2.空间权重矩阵

由于空间邻近省份往往具有相似的区位条件、资源禀赋与产业基础，彼此间存在较强的示范效应与竞争效应，因此，相邻省份出口技术复杂度之间可能存在更为显著的相互影响。因此，本文選择常用的地理相邻权重矩阵对省份间出口技术复杂度的依赖程度和溢出效应进行分析。地理相邻权重矩阵W根据各省份在空间上的邻接关系进行赋值，矩阵主对角线上元素为0，非主对角线元素构造原则为：若省份i与j不相邻，则取值为0，若省份i与j相邻，则取值为1。由于海南与大陆不邻接，本文借鉴多数文献的做法，假定其与广东、广西相邻。

（二）变量选取

被解释变量：出口技术复杂度（Soph）。本文沿袭陈晓华等（2011）[18]的研究，对Hausmann等（2007）[19]提出的RCA指数法进行了修正，剔除了加工贸易带来的指标测算偏差，更为真实准确地反映了中国制造业各行业及省份层面的出口技术复杂度。计算公式如下：

核心解释变量：市场整合程度（Integ）。参照盛斌和毛其淋（2011）[5]的做法，在利用Parsley和Wei（2001）[20]的相对价格法计算市场分割指数的基础上，对国内市场整合程度进行测算。

控制变量：物质资本（Cap），借鉴周兵等（2012）[21]的方法，以各省份固定资本形成总额占GDP的比重来衡量;人力资本（Edu），以各省份居民平均受教育年限来衡量，即对文盲、小学、初中、高中和大专及以上教育程度分别按0年、6年、9年、12年和16年进行折算，再与相应教育水平人口占6岁及以上人口比重相乘并求和得出;研发投入（Rd），以各省份科研经费内部支出占GDP的比重来衡量;进口贸易（Imp），采用各省份进口贸易总额与GDP之比来反映;外商直接投资（Fdi），以各省份实际利用外商直接投资额来衡量;金融发展（Fin），以各省份金融机构人民币贷款余额占GDP的比重来代表;基础设施（Infra），采用各省份铁路营业里程和公路里程之和来衡量;物流效率（Logis），以各省份货物周转量来反映。

（三）数据说明

基于数据可得性与连续性，选取中国2002—2017年30个省级行政区（西藏和港澳台除外）数据为样本。在出口技术复杂度指标测算中，进料加工进口、来料加工装配进口及出口数据均来源于国研网统计数据库，并根据《国民经济行业分类》（GB/T 4754—2011）将国研网HS四位码商品出口数据归类汇总到20个制造业行业之中①;各省份人均GDP②、市场整合程度③、物质资本、人力资本、基础设施、物流效率等指标测算数据来源于《中国统计年鉴》;研发投入测算所用数据来源于《中国科技统计年鉴》;进口贸易、外商直接投资及金融发展相关测算数据来源于各省份统计年鉴。以美元为单位的外商直接投资数据根据美元对人民币中间汇率折算为人民币表示，并以居民消费价格指数（2000年为基期）进行平减，以剔除物价水平波动的影响。除物质资本、研发投入、进口贸易、金融发展等比率性指标外，出口技术复杂度、市场整合程度、人力资本、外商直接投资、基础设施和物流效率等指标均取对数进入模型，以消除量纲及异方差问题。样本处理之后，各变量描述性统计如表1所示。

四、实证结果分析

（一）中国省域出口技术复杂度的空间格局

为了直观了解中国出口技术复杂度的空间分布格局与演变情况，本文基于三分位数将出口技术复杂度分为高出口技术复杂度、中出口技术复杂度、低出口技术复杂度3个区间。由表2可见，随着时间的推移，中国各省份出口技术复杂度不断提升，但呈现出显著的区域差异。出口技术复杂度较高的省份大多位于东部沿海地区，其中北京、天津、上海、江苏、浙江及广东地区始终位于高出口技术复杂度区间。海南虽属东部沿海地区，但出口技术复杂度仍位于中低水平。出口技术复杂度较低的省份大多位于西部地区，其中青海、甘肃、宁夏、内蒙古、云南、贵州、广西始终位于低出口技术复杂度区间。位于中出口技术复杂度区间的省份主要分布于中部地区。在西部省份中，四川2002年及2012年均跨入高出口技术复杂度区间，重庆在2012年及2017年跨入高出口技术复杂度区间，陕西也在2017年居于高出口技术复杂度区间，而其他西部省份与东部地区出口技术复杂度存在较大差距。总体来看，中国省域出口技术复杂度呈现出由东部沿海向中西部内陆地区梯度递减的格局，具有明显的区域集聚态势。高出口技术复杂度省份大多与高出口技术复杂度省份相邻，而低出口技术复杂度省份往往与低出口技术复杂度省份相邻，中出口技术复杂度省份基本居于高、低出口技术复杂度省份之间，这意味着中国各省份出口技术复杂度可能具有空间相关性，有必要从统计上进行验证。

（二）空间相关性检验

1.全局莫兰指数

全局莫兰指数的计算公式为：

本文首先利用全局莫兰指数对出口技术复杂度变量进行了空间相关性检验，结果显示（见表3），2002—2017年，基于地理相邻权重矩阵的中国各省份出口技术复杂度全局莫兰指数全部为正值，且在大多数年份至少通过10%水平的显著性检验，表明中国相邻省份出口技术复杂度存在明显的空间正相关关系。2002—2007年Morans I值呈现逐渐上升趋势，并在2007年达到峰值0.389，出口技术复杂度在空间上的集聚呈现出由弱到强的趋势。这可能是因为加入WTO后，中国制造业发展迅速，科技创新资源不断向经济发展水平高、区位优势明显的发达地区集中，从而使出口技术复杂度呈现出显著的空间集聚特征。2008年后Morans I值有所下降，2011—2017年Morans I值显著低于2008年前的水平，说明省份间出口技术复杂度空间相关性有所减弱，在个别年份呈现出随机分布特征。这可能是由于随着改革开放逐步深化，中国制造业整体竞争力不断增长，部分中西部省份出口技术复杂度得到显著提升，区域发展不平衡状况得到一定改善。

2.局部莫兰指数

以上结果表明中国各省份出口技术复杂度不服从随机分布，具有空间正相关性。但全局莫兰指数不能具体解释省份之间的空间关联情况。因此，本文进一步采用局部莫兰指数具体分析各省份之间的空间相关性。局部莫兰指数的计算公式为：

式（7）中各符号含义与式（6）相同。局部莫兰指数Ii大于0表示地区i的高（低）值被周围高（低）值包围;Ii小于0表示地区i的高（低）值被周围低（高）值包围。

图1为基于地理相邻权重矩阵绘制的部分年份中国出口技术复杂度局部莫兰指数散点图。可以看出，在4个年份中，大部分省份集中于第Ⅰ、Ⅲ象限，呈现出“高—高”“低—低”空间聚集趋势。“高—高”集聚型地区多为东部发达省份，而“低—低”集聚型地区多为西部落后省份。2002年共9个省份位于第Ⅰ象限，9个省份位于第Ⅲ象限;2007年共8个省份位于第Ⅰ象限，12个省份位于第Ⅲ象限;2012年共8个省份位于第Ⅰ象限，9个省份位于第Ⅲ象限;2017年共11个省份位于第Ⅰ象限，10个省份位于第Ⅲ象限。这与全局莫兰指数分析所得结论基本一致，再次证实省份间出口技术复杂度存在正向空间相关性，即出口技术复杂度较高的省份在地理上相互邻近，而出口技术复杂度相对较低的省份在地理上也趋于集中。

（三）模型结果及分析

1.空间计量模型估计

为提高回归结果准确性，本文分别对SAR、SEM和SDM模型进行估计，并借鉴Anselin等（2004）[22]提出的判断标准，依据Loglikelihood值、Wald检验和LR检验，选择拟合效果最佳的模型进行分析。表4列（1）、（3）、（5）分别为SAR、SEM和SDM模型固定效应估计，列（2）、（4）、（6）为随机效应估计。根据Hausman检验结果，SAR模型应选择随机效应估计，SEM和SDM模型应选用固定效应估计。估计结果显示，SAR、SEM和SDM模型的空间系数ρ或λ均显著为正，表明相邻省份出口技术复杂度存在较强的空间依赖性。从模型拟合效果来看，SDM模型与SAR、SEM模型相比，R2值最高且Loglikelihood值最大，表明SDM模型的估计结果最优。

本文进一步对SDM模型进行了Wald检验和LR检验，检验结果如表5所示。可以看到，Wald检验及LR检验均在1%水平上拒绝了原假设，这表明SDM模型不能简化为SAR或SEM模型，即SDM模型包含的两种空间传导机制对出口技术复杂度的作用不可忽略，选择SDM模型进行分析更为合理。

2.空间溢出效应分解

对于普通面板模型来说，回归系数即表示解释变量的边际效应。而在包含空间滞后项的空间计量模型中，地区解释变量对自身被解释变量和邻近地区被解释变量都可能产生影响。因此，SDM模型的回归系数并不能直接反映各解释变量对被解释变量的影响程度。本文遵循LeSage和Pace（2009）[23]提出的方法，采用偏微分将SDM模型的总效应分解为直接效应与间接效应。直接效应表示本地区解释变量对自身被解释变量的影响;间接效应又称为空间溢出效应，表示邻近地区解释变量对本地区被解释变量的影响。总效应则为两者之和，反映了解释变量对所有地区被解释变量的平均影响。估计结果显示（见表6），市场整合程度的直接效应和空间溢出效应在10%水平上显著为正，总效应在5%水平上显著为正。这说明，在考虑空间关联的情况下，市场整合程度的提高显著促进了出口技术复杂度提升。市场整合程度对出口技术复杂度影响的空间溢出效应显著为正，说明在国内市场一体化进程中，出口技术复杂度的扩散效应大于其带来的极化效应，扩散效应居于主导地位。市场整合连通了先进地区与落后地区间的市场通道，这為省份间的技术扩散和产业转移提供了基本条件。各省份的创新成果以产品、技术、信息、人才等方式不断扩散到邻近地区，使邻近地区能够快速实现创新赶超，促进其出口技术复杂度的提高。另外，商品和要素的自由流动可以弥补各省份资源要素缺口和产业劣势，在一定程度上为其追赶高出口技术复杂度地区提供了条件。市场整合程度的空间溢出效应在总效应中所占比重达到72.36%，表明市场整合的空间溢出效应是驱动出口技术复杂度提升的重要因素。

从控制变量来看，物质资本的直接效应和总效应分别在1%和10%水平上显著为正，而间接效应不显著。说明物质资本投入主要促进了本地出口技术复杂度提升，而其带来的空间溢出效应较小。人力资本变量的直接效应为正，但不显著。说明人力资本水平的提高对当地出口技术复杂度提升具有正向影响，但其驱动作用还有待提升，这也暗示了中国在教育发展和人力资本配置上存在的问题。人力资本是企业提升技术水平和生产绩效的重要资源，但只有人力资本积累到一定程度、达到一定层次，并且和其他要素资源紧密配合，对技术创新的促进作用才能显现，因此，人力资本层次偏低，人职匹配不合理和激励机制不健全等，可能影响了人力资本对当地出口技术复杂度提升的促进作用。人力资本的空间溢出效应及总效应在1%水平上显著为正，说明人力资本具有明显的外部性，可以通过技术扩散对其邻近省份出口技术复杂度发挥正向积极影响，总体上有利于推进中国出口技术复杂度的提升。研发投入的直接效应显著为负，间接效应和总效应均为正但不显著，本文认为这与研发激励机制不健全，研发效率偏低有关。进口贸易的直接效应在1%水平上显著为正，而空间溢出效应及总效应不显著。这可能是由于省份间的技术势差，影响了对进口贸易品承载的先进技术和知识的消化、吸收与利用，而对于技术水平相近的省份，进口贸易产生的技术转移空间及创新收益狭小，从而导致进口贸易对邻近省份溢出效应不显著，在整体上也未对出口技术复杂度升级产生显著推进作用。外商直接投资、金融发展、物流效率的直接效应、间接效应和总效应均在1%水平上显著为正。基础设施的空间溢出效应在10%水平上显著为正，直接效应和总效应均在1%水平上显著为正。外商直接投资、金融发展、基础设施和物流效率的空间溢出效应在总效应中所占比重分别达到88.39%、72.15%、54.82%和85.12%，这表明FDI的增加、金融环境的改善、基础设施的完善和物流效率的提升不但促进了当地出口技术复杂度提升，还对邻近省份出口技术复杂度产生了积极显著影响。

3.时期异质性分析

样本数据显示，2002—2008年，国内市场整合程度总体水平较低且波动幅度较大，各省份市场整合指数平均值为58.85。2009年后国内市场一体化进程明显加快，并在2014年达到历史高点（值为109），2009—2014年，市场整合指数平均值达到76.85。为对比分析市场整合不同阶段出口技术复杂度空间溢出效应的异质性特征，本文将样本分为2002—2008年、2009—2014年两个时期进行估计④，SDM模型空间溢出效应分解结果分别报告于表7第（1）—（3）列及第（4）—（6）列。

可以看出，在2002—2008年市场整合处于相对较低水平时，市场整合对出口技术复杂度影响的直接效应和总效应都在1%水平上显著为正，空间溢出效应为正但不显著，直接效应所占比重为66.15%。这说明，本阶段市场整合主要对当地出口技术复杂度升级发挥积极效应，而对邻近省份空间溢出效应非常微弱。如理论分析部分所述，在市场整合初期，市场机制将驱使优势资源向高出口技术复杂度地区集聚，极化效应一般居于主导地位，从而导致高出口技术复杂度地区对邻近地区的正向溢出效应不显著。在2009—2014年，市场整合对出口技术复杂度影响的直接效应在10%水平上显著为正，其空间溢出效应和总效应均在1%水平上显著为正，空间溢出效应所占比重达到88.25%。直接效应系数由0.129降至0.037，而间接效应系数由0.067提高至0.278。这说明，在市场整合处于较高水平时期，市场整合对当地出口技术复杂度的推进作用有所减弱，而对邻近省份出口技术复杂度的空间溢出效应大幅增加，扩散效应开始居于主导地位，且对出口技术复杂度升级起到更加突出的推进作用。这与前文理论分析相一致。

（四）稳健性检验

由于相邻省份在经济上的相互关系并不完全相同，经济发展水平相近省份之间往往存在更强空间相关性。因此，本文采用将区域经济差距考虑在内的经济地理权重矩阵W′ 重新进行空间计量估计，以检验回归结果稳定性。经济地理权重矩阵W′ =W×E，其中矩阵E主对角线元素为0，非主对角线元素为Eij =1Yi -Yj （i≠j）， Yi 为省份i样本期间人均实际GDP均值。表8第（1）—（3）列报告了经济地理权重矩阵下SDM模型的空间效应测算。可以看出，核心解释变量估计系数符号及显著性水平未发生实质性变化。同时，由于人均 GDP无法衡量不同行业技术水平之间的差异，本文借鉴许治和王思卉（2013）[24]的方法，采用制造业各行业劳动生产率数据，替代人均GDP重新测算了各省份出口技术复杂度，并將其纳入模型进行估计，空间效应测算结果报告于表8第（4）—（6）列。可以发现，核心解释变量估计系数符号及显著性无明显变化。这表明，估计结果不会因空间权重矩阵设定及被解释变量的测度方法不同而发生较大变化，回归结果在总体上是稳健可靠的。

五、结论与政策启示

本文利用中国2002—2017年30个省份的面板数据，对国内市场整合影响出口技术复杂度的空间溢出效应进行了实证检验。总体来看，市场整合对出口技术复杂度的影响具有显著正向空间溢出效应，即市场整合对出口技术复杂度影响的“扩散效应”大于其带来的“极化效应”。市场整合的空间溢出效应在总效应中所占比重达到72.36%，成为驱动出口技术复杂度提升的重要因素。研究证实，统一开放的国内市场是增强高出口技术复杂度地区“扩散效应”的基础。国内大循环的畅通和健康发展有利于出口技术复杂度提升，构建企业参与国际大循环的竞争新优势。各省份要充分认识到出口技术复杂度提升的空间关联特征以及市场整合对出口技术复杂度影响的正向空间溢出效应，从经济整体发展着眼，打破行政区划界限，超越局部短期利益，使“以邻为壑”转向“以邻为友”，在推进国内市场整合，清除资源要素流动壁垒和企业生产经营空间拓展障碍的基础上，加强区域产业联动，深化区域交流合作，进一步扩大市场整合影响出口技术复杂度的正向空间溢出效应，推进中国出口技术复杂度的整体跃升。

一方面，要延伸和大力发展国内价值链，推进区域间产业联动和经济融合。高出口技术复杂度地区主要通过产业间的扩散和吸纳效应带动周边地区发展，因此，区域产业关联程度将影响扩散效应的实现。因而建立延伸和大力发展国内价值链，带动关联产业发展，是放大高出口技术复杂度地区扩散效应，推进制造业整体转型升级的重要途径。一是继续深化“一带一路”“长江经济带”等贯穿南北、横跨东西的轴带式发展战略，塑造有利于培育国内价值链的经济地理格局。二是充分利用区域与产业异质性特征，因地制宜推进制造业价值链升级。东部地区主要从事研发、设计和销售，占据国内价值链乃至全球价值链的高端环节;中部地区应不断增强生产制造能力，积极承接新兴产业布局和转移，重点发展中间价值环节;西部地区应大力提升初级产品加工能力，成为国内价值链能源资源及初级产品来源地。更加科学有序地引导产业由东向西梯度转移，逐步形成合理的国内价值链分工格局和独立完整的国内经济循环体系。三是加快淘汰落后产能，做大做强本土优质企业，提高企业跨区域运营能力和空间资源整合集成能力，为国内价值链分工的推进提供微观主体。四是统筹传统和新型基础设施发展，构建现代化基础设施体系，大力发展现代物流业，提升对外联系通达度。不断完善社会信用体系，提高政府管理运行效率，降低企业运行的交易成本，为国内价值链分工的深入开展创造良好基础条件和市场环境。

另一方面，要加强区域科技交流与合作，构筑开放共享、合作共赢的区域发展格局。一是建立健全区域合作法律法规制度体系，加强深化区域合作的法治建设，用法律手段来规范和引导区域合作行为。成立区域合作协调机构，完善区域合作与协商机制，妥善解决区域合作规划、监督及资金分配等问题。建立健全区域利益协调和补偿机制，实现地方经济利益的再分配，在平等、互利、协作的基础上促进各地区共同进步，从根本上缩小地区发展差距，有效缓解区域经济的“马太效應”，提高跨区域合作的稳定性和长效性。二是加强区域科技合作与协同创新，加大对跨省协同创新项目财政支持力度，推动高校、科研院所、企业、研发机构等创新主体跨区域开展产学研合作，共建科技创新中心，实现互利共赢发展。充分发挥东部发达地区技术、人才等资源优势，鼓励东部省份与西部省份合作创新，对西部地区进行对口科技援助，扩大东部地区的辐射带动作用和知识溢出效应，形成以强带弱、强弱衔接的空间协同格局，提升国家整体技术创新能力。结合受援地区产业资源优势，加大国家重大科技工程、科研基础设施、研发力量的布局，增强受援地区自我发展能力，推动单向支援向互利合作转变。三是拓展区域科技创新合作平台，顺应“互联网+”发展趋势，依托现代信息技术手段搭建区域合作网络平台，实现区域创新创业、项目成果、人才交流等信息的开放共享，打造以大数据平台为支撑的创新应用共同体。充分发挥国家和省际间重大经贸投资洽谈会、论坛、博览会等会展平台作用，搭建区域合作和项目推介网络，加快科技创新成果向落后地区扩散，增强创新主体之间的互动交流和对接合作，推动区域合作创新及创新资源优化配置。

[注 释]

① 为减少指标测算偏差，本文对制造业相关行业进行了合并：将农副食品加工业、食品制造业合并为“食品加工和制造业”，将木材加工和木、竹、藤、棕、草制品业及家具制造业合并为“木材加工和家具制造业”，将造纸和纸制品业 、印刷和记录媒介复制业合并为“造纸印刷制造业”，将黑色金属冶炼和压延加工业、有色金属冶炼和压延加工业、金属制品业合并为“金属及金属制品业”，将计算机、通信和其他电子设备制造业及仪器仪表制造业合并为“计算机通信电子设备及仪器仪表制造业”，将化学纤维制造业并入纺织业。

② 本文选择了粮食、水产品、饮料烟酒、服装鞋帽、纺织品、家用电器及音像器材、日用品、化妆品、中西药品及医疗保健用品、书报杂志及电子出版物、燃料、建筑材料及五金电料等12类商品的零售价格指数，对市场整合程度进行了测算，商品种类覆盖面更为广泛，增强了指标准确性和代表性。

③ 为消除价格因素影响，本文采用各省份人均GDP指数（2000年=100）对人均GDP进行缩减从而得到实际人均GDP数据。

④ 2014年后各省份市场整合指数出现下降，这可能与新常态下中国经济下行压力普遍加大，地方保护主义有所抬头有关。为观察对比市场整合程度处于低水平和高水平发展阶段影响效应的差异化特征，本文并未将2009年后市场整合指数处于下降状态的年份（即2015—2017年）纳入模型。

[参考文献]

[1]迟 福林. 推动高质量发展要加快动力变革[N].经济日报，2018-03-01（014）.

[2]毛 其淋， 盛斌. 对外经济开放、区域市场整合与全要素生产率[J]. 经济学（季刊）， 2012， 11（1）：181-210.

[3]ASCARI  G， COSMO V D. Determinants of total factor productivity in Italian regions[J].Scienze regionali， 2005，4（2）：27-59.

[4]ZHANG  H Y，YANG X H. Intellectual property rights and export sophistication[J]. Journal of international commerce， economics and policy， 2016， 7（3）：1-19.

[5]盛 斌， 毛其淋. 进口贸易自由化是否影响了中国制造业出口技术复杂度[J]. 世界经济， 2017， 40（12）：52-75.

[6]毛 海欧， 刘海云. 中国OFDI如何影响出口技术含量——基于世界投入产出数据的研究[J]. 数量经济技术经济研究， 2018， 35（7）：97-113.

[7]李 琛，赵军，刘春艳.双向FDI协同与制造业出口竞争力升级：理论机制与中国经验[J].产业经济研究，2020（2）：16-31.

[8]齐 俊妍， 王永进， 施炳展， 等.金融发展与出口技术复杂度[J]. 世界经济， 2011， 34（7）：91-118.

[9]董 宇， 杨晶晶. 物流发展对出口技术复杂度的影响——基于我国省际面板数据的研究[J]. 国际商务（对外经济贸易大学学报）， 2016（2）：29-38.

[10]卓 乘风， 邓峰. 基础设施投资与制造业贸易强国建设——基于出口规模和出口技术复杂度的双重视角[J]. 国际贸易问题， 2018（11）：104-119.

[11]沈 国兵，黄铄珺.行业生产网络中知识产权保护与中国企业出口技术含量[J].世界经济，2019，42（9）：76-100.

[12]MYRDAL  G. Economic theory and underdeveloped regions[M]. London：Duckworth，1957.

[13]HIRSCHMAN  A O.The strategy of economic developmentn[M]. New Haven：Yale University Press，1958.

[14]BLAIR  J P，CARROLL M C.Innercity neighborhoods and metropolitan developmentn[J].Economic development quarterly， 2007，21（3）：263-277.

[15]AGHION  P， BLOOM N， BLUNDELL R， et al. Competition and innovation：an invertedu relationship[J]. The quarterly journal of economics， 2005， 120（2）：701-728.

[16]CARLINO  G A， CHATTERJEE S， HUNT R M. Urban density and the rate of invention[J]. Journal of urban economics， 2007， 61（3）：389-419.

[17]ALFARO  L， CHARI A. Deregulation， misallocation， and size：evidence from India[J]. The journal of law and economics， 2014，57 （4）， 897-936.

[18]陈 晓华， 黄先海， 刘慧. 中国出口技术结构演进的机理与实证研究[J].管理世界， 2011（3）：44-57.

[19]HAUSMANN  R， HWANG J， RODRIK D. What you export matters[J]. Journal of economic growth， 2007， 12（1）：1-25.

[20]PARSLEY  D C， WEI S J. Limiting currency volatility to stimulate goods market integration：a pricebased approach[R]. NBER Working Paper， 2001.

[21]周 兵， 張倩， 张晨阳. 金融环境因素背景下的FDI与产业集聚[J]. 管理世界， 2012（1）：172-173.

[22]ANSELIN  L. Advances in spatial econometrics：methodology，tools and applications[M].Berlin：Springer Verlag Press， 2004.

[23]LESAGE  J P， PACE R K. Introduction to spatial econometrics[M]. Boca Raton：CRC Press， 2009.

[24]许 治，王思卉.中国各省份出口商品技术复杂度的动态演进[J].中国工业经济，2013（8）：44-56.

（责任编辑：张积慧）