两业协同集聚对城市制造业全要素生产率的影响——基于禀赋差异视角

邢 会，谷江宁，张金慧

（河北工业大学 经济管理学院，天津 300401）

一、引 言

党的十九大报告做出我国经济已由高速增长转向高质量发展的重大判断，制造业高质量发展是经济高质量发展的重要内容，是经济高质量发展的题中之义。《中国制造2025》和党的十九大报告都提出，要推动中国从制造大国向制造强国转变，各部委、省市也纷纷响应并积极出台推动制造业高质量发展的相关文件。实现制造业高质量发展的关键在于全要素生产率（Total Factor Productivity，TFP）问题的解决，生产性服务业与制造业之间的融合发展被视为制造业效率提升的有效路径［1］。2014年，国务院发布《关于加快发展生产性服务业促进产业结构调整升级的指导意见》（下文简称《意见》）明确提出，要因地制宜引导生产性服务业向制造业集中区域聚集。从现实来看，一些制造业发达地区大力支持生产性服务业集聚区建设，如江苏省截至2020 年8 月共认定107 家省级生产性服务业集聚示范区，成为引领和支撑制造业高质量发展的重要增长极。事实上，经济发达的国家或地区均实现了从制造业“单轮驱动”向生产性服务业与制造业“双轮驱动”发展模式的转变。可以说，生产性服务业与制造业协同集聚（下文简称两业协同集聚）是中国提高制造业TFP的重要引擎。

已有研究发现，两业协同集聚有利于激励企业提高创新水平、降低资源错配、促进产业结构优化升级和提升制造业效率，但由于集聚存在适当规模区间，两业协同集聚对制造业TFP存在的非线性影响或抑制效应也不容忽视［2-5］。与此同时，由于当前中国区域发展的非均衡性，各城市禀赋结构不尽相同，从而使两业协同集聚的作用也存在较大差别，即两业协同集聚所带来的制造业TFP变化受制于城市禀赋结构差异。

鉴于此，本文将使用中国2009—2019年273个城市面板数据，从理论和实证两个方面论述两业协同集聚对制造业TFP的影响及作用机制，并把城市要素禀赋结构、资源禀赋和制度禀赋差异纳入分析框架，探究两业协同集聚对城市制造业TFP产生的差异化影响。

二、文献综述

随着制造业发展瓶颈不断趋紧，学者们对于制造业全要素生产率迟滞问题的关注逐渐增强，李媛恒等利用索洛残差法和DEA-Malmquist 指数法测算中国制造业全要素生产率，发现自金融危机后中国制造业全要素生产率开始下降［6］。为此，学者们分别从国际贸易、数字技术、产业政策等方面对制造业全要素生产率的影响因素展开诸多深入探讨［7-9］。宣烨和余泳泽研究发现，生产性服务业空间集聚显著提升了制造业企业TFP［10］。王岚同样认为，中国绝大多数制造业行业已跨越“服务化陷阱”，进一步加大与服务业的融合力度有利于提升中国制造业TFP［11］。不难发现，以往研究虽然已经关注了生产性服务业在制造业TFP中的重要作用，但是以产业协同集聚为切入点的研究较少。

Ellison and Glaeser 首次将产业协同集聚定义为相关联产业在地理上的集中定位［12］。产业协同集聚源于马歇尔外部性、知识溢出与产业间的供需关系，是专业化和多样化的统一体［13-14］。从现有文献来看，关于两业协同集聚对制造业的影响，如同硬币的两面，通常具有正负双重效应。

一方面，两业协同集聚对制造业具有规模经济效应，即两业协同集聚能够通过共享、匹配和学习等途径有效节约制造业的生产成本、提高技术创新水平，从而带来各种正外部性。刘叶和刘伯凡发现，两业协同集聚扩展了制造业生产边界，进而提升城市群范围内的制造业全要素生产率［15］；白东北和张营营研究发现，产业协同集聚会通过降低企业边际成本和促进企业研发创新的方式提高制造业企业出口国内附加值［16］；Scott和Mattoon认为，在相关产业间保持有益的协同集聚将进一步促进经济绩效的提高［17］。

另一方面，两业协同集聚也会带来拥挤效应。协同集聚根据地区要素配置情况对结构调整和经济发展动力产生影响，一旦超过集聚的最优临界值后，会加剧资源错配，造成环境污染、企业成本升高等问题，对制造业TFP形成抑制效应。近年来，协同集聚的负外部性逐渐得到学者们的关注。Li 等认为，在资源错配较高的地区，盲目推广产业协同集聚会造成拥挤效应，从而导致污染叠加［18］；陆凤芝和杨浩昌认为，在协同集聚初期，生产性服务业与制造业存在空间上的错配，抑制了企业的科技创新，同时也加剧了环境污染［19］；黄繁华和郭卫军认为，本地的生产性服务业与制造业协同集聚程度增强对邻近城市的资源要素具有虹吸效应，从而降低该区域企业的要素成本，提高区域内的创新水平［20］。

然而，以往研究仍存在以下不足：①主要集中在单一产业集聚与制造业TFP的关系，缺乏两业协同集聚对制造业TFP作用效果的经验证据；②忽视了城市的禀赋差异性，在不同禀赋下产业集聚效应存在一定差别，通过区分城市禀赋的异质性问题，能够得到更加稳健的结论。

本文的边际贡献在于：①探究两业协同集聚与制造业TFP提升的适度区间，协同集聚规模过小或规模过度都不利于制造业TFP的提升，两者之间可能具有非线性关系；②将禀赋差异纳入本文的分析框架，从要素禀赋结构、自然禀赋和制度禀赋三方面实证检验两业协同集聚对城市制造业TFP 影响的差异性，丰富了现有研究视角。

三、理论分析与研究假设

（一）两业协同集聚对制造业全要素生产率的影响

在产业集群的不同阶段，经济活动的空间集中往往具有不同的集聚效应［21］。当两业协同集聚规模较小时，即处于初步集聚阶段，此时生产性服务业结构以租赁、交通、仓储等低端服务业为主，协同集聚带来的规模经济效应和技术外溢效应并不明显。生产性服务业的发展在空间上对制造业形成挤出效应，在追逐投资回报率的前提下，大量劳动力、资本会从制造业转向生产性服务业，限制了制造业的规模扩张和效率提升，从而不利于制造业TFP的提升。

随着协同集聚水平的不断提升，生产性服务业结构从低端向高端优化，与本地制造业协调发展的水平不断提高。生产性服务业凭借其高科技、高附加值属性，在与制造业协同分工的过程中为其提供高效、细化的生产性服务，满足制造业多样化需求［22］，有效降低了制造业的生产与交易成本，同时促进专业化知识系统地从生产性服务业向制造业转移，形成了知识积累和集体学习效应，使制造业企业在“干中学”和“用中学”中不断提高研发和创新效率，促进制造业TFP的提升，由此提出假设1。

H1：两业协同集聚对城市制造业TFP 的影响并不是简单的促进或抑制关系，而是具有非线性关系，即两业初步集聚阶段，对制造业TFP 会产生抑制作用，随着协同集聚水平的不断提高，会显著促进制造业TFP的提升。

（二）基于禀赋的差异性分析

新结构经济学特别强调禀赋结构的作用与差异，一个经济体的最优发展路径依赖于该地区的要素禀赋结构［23］。由于要素禀赋结构差异的存在，最优产业结构也各不相同［24］。

在不同要素禀赋结构的地区，两业协同集聚水平具有很大的差异，对制造业效率也会产生差异化集聚效果。从动态看，一个经济体的要素禀赋结构会沿着劳动—资本—技术的路径升级。在劳动力要素丰富、资本相对稀缺的地区，主要以劳动密集型产业为主，发展交通运输及仓储等低端生产性服务业能够与本地区的制造业结构相匹配，并促进制造业TFP的提升。随着要素禀赋的升级，资本要素相对丰富，产业结构逐步向资本密集型产业升级，此时制造业更依赖金融业等生产性服务业的支持。随着要素禀赋的进一步提升，技术成为更具比较优势的要素，产业结构以技术密集型产业为主，科研、信息等高知识含量的生产性服务业为高端制造业TFP的提升提供了很好的支撑作用。因此，遵循地区经济发展阶段与禀赋结构来选择产业发展路径，是促进制造业TFP提升和经济高质量发展的最好办法。

王勇和汤学敏的研究强调了自然禀赋和制度禀赋在产业变迁中的重要性［25］。根据自然禀赋可以将城市分为资源型城市和非资源型城市，资源型城市在发展的初期往往侧重发展当地资源产业，产业的单一性容易引发城市产业结构的失调，也会制约产业效率的提升，因此资源型城市在制造业转型升级中更需要生产性服务业的引入来打破原有的路径锁定。行政级别、法律法规等正式制度是制度禀赋的重要内容，发挥两业协同的集聚效应需要发挥有为政府作用。据此，本文推断要素禀赋结构、自然禀赋和制度禀赋存在差异性的地区，两业协同集聚对制造业TFP将产生不同的影响作用，由此提出假设2。

H2a：两业协同集聚对制造业TFP 的提升关键在于能否与本地要素禀赋结构相匹配，在不同的要素禀赋结构的地区，两业协同集聚对城市制造业TFP具有差异化的增长效应；

H2b：考虑自然禀赋的差异，资源型城市和非资源型城市两业协同集聚对制造业TFP 的增长效应有所不同；

H2c：考虑制度禀赋的差异，相关制度支持和城市行政级别会影响两业协同集聚效应的发挥。

四、研究设计

（一）模型设定

为考察两业协同集聚对城市制造业TFP 的影响，构建本文的回归模型如下：

其中：Manuit代表城市i年份t的制造业 TFP 水平；rit代表城市协同集聚水平；xit代表影响制造业TFP的其他控制变量。

前文分析发现，两业协同集聚对制造业TFP的影响呈现非线性关系，因此，为了能够更准确地反映两者关系，本文在式（1）的基础上引入两业协同集聚的二次项，据此把计量模型形式设置如下：

（二）数据说明

1.被解释变量：城市制造业全要素生产率（Manu）

制造业全要素生产率是对资本、劳动等生产要素产出效率的综合体现，是制造业高质量发展的核心动力。

DEA-Malmquist 指数法更能体现制造业TFP的动态变化。本文利用DEA-Malmquist指数方法，选取制造业投入和产出指标对制造业效率进行测算。在投入指标方面，选取劳动和资本两项指标，劳动投入用制造业从业人员数来表示，资本投入利用制造业流动资本与固定资本之和表示；在产出指标方面，采用制造业利润总额与增值税之和进行衡量。

DEA模型要求投入和产出数据均为正数，而有些城市制造业利润总额与增值税之和存在负值情况，为解决这一问题，本文借鉴张涛等的做法，对所有的制造业产出变量加上一个合适正数，从而使所有年份的城市制造业产出值均为正数［26］。这一做法避免了将数值归一化和标准化等方法带来的数据巨大改变，保证了DEA-Malmquist法测算效率的准确性。

由于利用DEA-Malmquist指数法测算出的制造业TFP是两个时期的相对数值，因此，设定2009年制造业TFP 值为1，用下一年TFP 变动值与本年TFP 数值的乘积分别表示2009—2019 年各年相对应的全要素生产率数值，并取对数。

2.解释变量：产业协同集聚指数（r）

本文通过计算区位熵来构建产业协同集聚指数（ri）［27］，具体公式如下：

其中：m为制造业；LQim代表制造业的区位熵集聚指数；s为生产性服务业（1）；LQis代表生产性服务业的区位熵集聚指数。在实际处理中，对两业协同集聚指数取对数。

3.控制变量

借鉴已有文献，本文设定如下控制变量：①城市发展水平（PGDP），采用各地区实际人均GDP 的对数来衡量；②人力资本（HC），采用普通本专科在校学生数占总人口比重的对数来衡量；③信息化程度（INF），鉴于数据所限，以互联网宽带接入用户数予以代理，并取对数；④基础设施建设（TD），以各地区的人均年末实有城市道路面积予以代理，并取对数；⑤产业结构（IS），以第二产业与第三产业的比重予以代理，并取对数。本文所采用的货币数据均以2009 年为基期进行平减处理，以消除通货膨胀的影响。

本文运用2009—2019 年中国273 个地级市的面板数据来考察两业协同集聚对城市制造业TFP的影响机制，使用的数据来自《中国城市统计年鉴》，样本主要为市辖区范围，若样本缺失则使用全市范围数据替代，其他无法获得的样本采用线性插值法进行补充。

各变量描述性统计见表1所列。

表1 变量描述性统计

五、实证研究

（一）基准回归结果

本文主要运用普通最小二乘估计（OLS）、随机效应（RE）和固定效应（FE）这三种方法进行实证检验。表2 分别报告了OLS、RE 和FE 估计的结果。根据豪斯曼检验结果，固定效应模型优于混合回归模型和随机效应模型，因此，本文主要以固定效应模型的估计结果对两业协同集聚与城市制造业TFP的非线性关系进行解释。

根据表2 第（6）列的回归结果，两业协同集聚的一次项、二次项系数方向依次为负和正，表明两业协同集聚对城市制造业TFP 呈显著“U”型影响，拐点值为1.80，由此H1 得到证实。结合描述性统计结果来看，多数城市两业协同集聚水平低于1.80，即位于拐点的左侧，说明两业协同集聚会抑制制造业TFP的提升，因为在城镇化和工业化初期或中期，无论是制造业还是生产性服务业，其数量和质量都较低，协同集聚带来的规模经济效应并不明显，追求大而全的产业结构反而会加剧资源的匮乏程度，不利于城市制造业TFP的提升。当两业协同集聚水平超过拐点值1.80时，其对制造业TFP存在显著的提升效应。此时，两业协同集聚度相对较高，城镇化和工业化也处于快速扩张阶段，制造业的产能扩张引致了巨大的生产性服务需求。两业协同集聚能够充分发挥规模效应、投入产出关联效应和知识溢出效应，提供高效、多样的生产性服务，满足制造业高速发展的要求。

表2 基准回归结果

（二）稳健性检验

为了提高估计结果的可靠性，本文通过替换解释变量、滞后全要素生产率、截尾处理三种方法进行稳健性检验。①替换解释变量。本文借鉴江曼琦和席强敏的做法，将房地产业也纳入生产性服务业的范畴［28］，重新测度生产性服务业集聚和两业协同集聚水平。②滞后全要素生产率。刘建民等认为，全要素生产率是一个动态变量，上一期全要素生产率可能会对下一期产生影响［29］。因此，本文将滞后一期的全要素生产率作为被解释变量再次进行实证分析。③截尾处理。为排除潜在极端值的影响，对制造业TFP 在1%水平上进行双边截尾处理，并利用固定效应模型重新估计。由表3检验结果可知，本文的估计结果具备稳健性。

表3 稳健性检验

（三）要素禀赋结构的异质性结果

考虑两业协同集聚与制造业TFP 关系受到地区要素禀赋结构差异的影响，本文引入劳动、资本和技术三要素，将要素禀赋结构分解成资本—劳动要素禀赋结构和技术—劳动要素禀赋结构。资本—劳动要素禀赋结构用资本劳动比（K/L）表示，即采用资本存量与劳动力数量的比值来加以衡量［30］；技术—劳动要素禀赋结构用技术劳动比（T/L）表示，即采用各城市专利申请量与劳动力数量的比值来加以衡量。本文利用2019年城市资本劳动比和技术劳动比的均值作为分组依据，将273个城市区分为低资本—劳动要素禀赋结构组、高资本—劳动要素禀赋结构组、低技术—劳动要素禀赋结构组、高技术—劳动要素禀赋结构组。表4 列示了区分要素禀赋结构的估计结果，从结果上看，主要变量估计系数的符号和显著性均没有发生太大的变化，两业协同集聚与制造业TFP 之间的非线性关系在不同的要素禀赋结构组均成立。

表4 要素禀赋检验

从城市资本—劳动要素禀赋分组来看，低资本—劳动要素禀赋结构组拐点对应的两业协同集聚水平小于全样本拐点所对应的两业协同集聚水平，而高资本—劳动要素禀赋结构组则相反。这表明相比资本要素，劳动要素越丰富，两业协同集聚越容易发挥对制造业TFP 的提升作用。从城市技术—劳动要素禀赋分组来看，低技术—劳动要素禀赋结构组的拐点大于全样本所对应的拐点，而高技术—劳动要素禀赋结构组的拐点小于全样本所对应的拐点。这表明相比劳动要素，技术要素越丰富，两业协同集聚越容易发挥对制造业TFP 的提升作用，H2a得到验证。

形成这种结论的原因可能是：劳动要素仍是中国制造业发展过程中最为重要的一个比较优势来源［31］，但要素的生产效率决定了经济绩效，对制造业而言，技术要素是形成竞争新优势的关键，增加人力资本要素的投入更有助于提高协同集聚所带来的外部性收益，从而带来制造业生产效率的提升。

（四）自然禀赋的异质性结果

两业协同集聚对城市制造业TFP 的影响还存在自然禀赋差异。本文按照自然资源禀赋的差异将样本分为资源型城市和非资源型城市，分析两业协同集聚对制造业TFP 的自然资源禀赋异质性影响，结果见表5 所列。从表5 第（1）和第（2）列可以看出，两业协同集聚一次项、二次项的系数分别为负、正，两业协同集聚对资源型城市和非资源型城市的制造业效率均为“U”型影响，但从拐点来看，资源型城市的拐点小于非资源型城市的拐点，表明资源型城市依靠当地资源发展起来的制造业具有较大的转型空间，生产性服务业与制造业的融合程度越高，越容易跨过拐点，发挥其对制造业TFP 的增长效应，从而验证了H2b。对比现有文献，杨桐彬和朱英明认为，产业协同集聚促进了资源型城市可持续发展［32］；裴耀琳和郭淑芬研究发现，相比于非资源型城市，生产性服务业集聚更有利于资源禀赋水平较高的资源型城市的产业结构调整［33］。这在一定程度上说明了在自然资源禀赋约束下，发展生产性服务业对提高资源开发利用率、缓解资源型产业技术进步迟滞、促进资源型城市转换经济增长动能的意义重大。

（五）制度禀赋的异质性结果

2014 年，《意见》的发布为两业协同集聚提供了制度支持。那么，2014 年后两业协同集聚对制造业TFP 的提升作用是否更加明显？为了检验这种制度禀赋的异质性，本文尝试以2014 年作为分界点并进行回归，具体见表5所列。从表5第（3）和第（4）列可以看出，2009—2014 年、2015—2019 年两业协同集聚与制造业TFP 之间均为“U”型关系，拐点分别为1.84和1.14。这意味着《意见》颁发后，两业协同集聚对制造业TFP 的影响由负转正的拐点提前。在相关制度的激励下，两业协同集聚对制造业TFP 的提升作用在短期内进一步被强化。郭淑芬等研究同样发现，《意见》颁发后，两业协同集聚的提升能对产业结构合理化和高级化产生正向作用［34］，这进一步说明了在促进两业融合发展进程中，发挥有为政府作用的重要性。

一个城市的制度禀赋还表现在自身的行政级别上，行政等级越高，对资源的调配能力和立法权限也就越大。本文为了进一步研究两业协同集聚是否因城市行政级别不同对制造业TFP 的影响存在差异，将样本按城市行政级别分为高行政等级城市和低行政等级城市，其中高行政等级城市包括省会城市、副省级城市和其他较大的市。从表5 第（5）和第（6）列可以看出，在低行政等级城市，两业协同集聚与制造业TFP 之间呈显著的“U”型关系，而在高行政等级城市，两者的关系并不显著，由此验证了H2c。原因可能是，在高行政等级城市，政府干预和行政行为更浓烈，这会使资源偏离市场竞争的配置结果，最终带来制造业企业的效率扭曲，从而抵消由于集聚效应带来的外部性影响［35］。

表5 自然禀赋和制度禀赋检验

六、结论与启示

本文利用中国2009—2019 年273 个城市面板数据，分析并检验了生产性服务业与制造业协同集聚影响城市制造业全要素生产率的非线性关系，同时从城市要素禀赋结构、资源禀赋和制度禀赋差异出发，区分两业协同集聚的差异化影响。研究发现：

（1）两业协同集聚对城市制造业TFP 具有“U”型非线性影响。当两业协同集聚水平低于1.80 的拐点值时，会抑制制造业TFP 的提升；当协同集聚水平超过拐点值1.80后，对制造业TFP表现出提升效应，多数城市两业协同集聚水平位于拐点的左侧。

（2）两业协同集聚对城市制造业TFP的影响因要素禀赋结构、自然禀赋和制度禀赋的不同而存在差异性。资本—劳动要素禀赋结构城市和技术—劳动要素禀赋结构城市两业协同集聚对城市制造业TFP 均具有“U”型非线性影响，其中低资本—劳动要素禀赋结构城市和高技术—劳动要素禀赋结构城市更容易跨过拐点，发挥两业协同集聚对城市制造业TFP的提升作用。

（3）考虑自然禀赋的差异，两业协同集聚对资源型城市和非资源型城市的制造业TFP 均为“U”型影响，资源型城市更容易跨过拐点，发挥对城市制造业TFP的增长效应。

（4）考虑制度禀赋的差异，在政策层面，《意见》颁发后，两业协同集聚对制造业效率的提升作用进一步被强化。在城市级别层面，低行政等级城市两业协同集聚与制造业TFP 之间呈显著的“U”型关系，高行政等级城市则不显著。

基于上述结论，本文得出如下启示：

（1）鉴于两业协同集聚与制造业全要素生产率之间存在非线性影响，两业协同集聚对制造业全要素生产率的提升作用存在临界拐点，故应注重利用两业协同集聚驱动制造业全要素生产率提升的潜力，确保两业协同集聚保持在合理区间，充分释放两业协同集聚带来的正外部效应。

（2）根据要素禀赋结构，加快两业协同集聚的步伐。制造业的发展必须始终立足于本地的要素禀赋结构，各地区在形成紧密的产业分工的同时，也要持续优化要素禀赋结构，进一步提高资本劳动比，加大资本投入和人才引进，在量的积累上实现要素禀赋的升级，为制造业高质量发展创造新的动能。

（3）关注自然禀赋对两业协同集聚的制造业全要素生产率提升效应的影响。在资源型城市，要积极扩大生产性服务业集聚规模，延伸产业链，培育非资源型产业和新型行业的发展，通过产业结构调整逐渐使当地制造业摆脱对自有资源的过度依赖，促进制造业转型升级。

（4）发挥有为政府作用，因地制宜制定相关产业发展战略，同时努力营造良好的制度环境，避免过多的行政干预，进而在有效制度禀赋的保护下实现制造业全要素生产率提升。

注 释：

（1）生产性服务业包括“交通运输、仓储和邮政服务业”“信息传输、计算机服务和软件业”“金融业”“租赁和商业服务业”“科研、技术服务和地质勘查业”五大行业。