制造业集聚对工业绿色全要素生产率的溢出效应研究

曹 泽，汪永春，殷天赐

制造业集聚对工业绿色全要素生产率的溢出效应研究

曹 泽1，汪永春1，殷天赐2

（1.安徽建筑大学 经济与管理学院，安徽 合肥 230022；2. 南京信息工程大学 管理工程学院，江苏 南京 210044）

基于中国2008—2019年31个省市自治区的区域面板数据，采用Malmquist-Luenberger指数测度工业绿色全要素生产率，并采用区位熵指数测度制造业产业集聚水平，构建空间计量模型研究制造业集聚对工业绿色全要素生产率的溢出效应，实证结果表明：制造业集聚对工业绿色全要素生产率的增长存在显著的促进作用，受知识流动与技术溢出的影响，制造业集聚能提高企业的科技研发实力与自主创新水平，降低生产过程中的污染排放，实现绿色可持续生产。工业绿色全要素生产率存在空间相关性，提高地区科技创新水平，完善环境保护机制，合理配置产业结构均有助于工业绿色全要素生产率的增长。

制造业；产业集聚；空间溢出；绿色全要素生产率

过去30年，得益于充裕的劳动力人口，发展劳动密集型工业实现了经济规模的扩张和绩效增长，中国经济已然跃居世界第二大经济体。然而，伴随着人口红利逐渐消失[1]，环境承载力下降[2]以及城市环境质量恶化[3]等问题的出现，经济持续增长动能不足，如何实现高质量增长，协调经济增长与资源环境的关系成为当前亟待解决的问题。习近平总书记在党的十九大报告中明确指出，要全面提高全要素生产率以推动经济高质量发展，在关注经济总量外延式扩张的同时，更要注重内涵式增长[4]，生态文明建设也被提升到国民社会发展的“千年大计”高度。生态文明建设绕不开绿色发展，其核心目的在于转变经济增长方式，提高经济发展效率，实现经济绿色高效可持续增长。相关数据表明，截至2019年，中国位列全球第11个空气污染最严重的国家，全国共有将近160个城市的空气质量不合格，占全部城市数量的比重接近1/2，绿色经济发展面临的挑战依然严峻。

产业集聚作为一种特殊的产业空间分布形式，在产业发展和国民经济增长过程中扮演着重要的角色，是协调区域发展和规制环境的有效媒介[5]。但是，产业集聚带动经济增长的同时，也不可避免的存在污染环境等负外部性[6]，在当前传统经济扩张模式无以为继，高投入、高排放、低产出的生产方式不可持续的背景下，研究制造业产业集聚与工业绿色全要素生产率的关系，揭示两者的传导路径与作用机制，对于实现国民经济又快又好发展具有积极的意义。

对于产业集聚能否促进绿色全要素生产率的增长，一直以来都受到新经济地理学派的关注。现有文献中产业集聚与绿色全要素生产率的研究，主要存在两种主流观点。第一种观点认为产业集聚会对绿色全要素生产率产生促进作用，如Zeng等[7]、Brulhar[8]、Rizov[9]、任阳军等[10]通过构建计量模型，证明了产业集聚与绿色全要素生产率之间正向的相关关系，认为产业集聚可以通过降低企业研发成本，规制环境、共享技术溢出、提高自主创新能力和降低中间品价格等途径提高生产效率，从而实现绿色全要素生产率的增长；第二种观点认为，产业集聚会对绿色全要素生产率产生抑制作用，如刘军等[6]认为产业集聚加剧了环境污染，Carlino[11]认为产业集聚对绿色全要素生产率的影响不显著，甚至会对生产效率产生负向作用。

由于绿色全要素生产率的测算体系缺乏相应的理论基础和研究范式，基于绿色评价视角对地区工业绿色全要素生产率进行的研究尚不多见。现有文献大多讨论了产业集聚与环境之间的关系，缺乏对代表创新驱动的绿色全要素生产率进行的研究。此外，传统全要素生产率没有考虑资源约束和环境污染的负面影响，不符合绿色可持续发展观。同时，部分文献对集聚的产业也没有进行必要的界定与说明。已有研究表明，制造业产值增加带来了大部分经济增长[12]，同样也导致了环境污染[13]，从而影响工业整体生产效率。鉴于此，本文选取2008—2019年中国省域31个省市自治区的面板数据，测度制造业集聚程度与工业绿色全要素生产率，并构建空间计量模型，讨论制造业集聚对工业绿色全要素生产率变动的作用机制及溢出效应，以期从空间分布和产业集聚的双重视角下，为提高工业绿色全要素生产率，促进经济高质量发展提供理论支撑和相应的政策建议。

1 研究设计

1.1 研究方法

(1)产业集聚测度

区位熵指数通常用来衡量某一区域内某项指标的分布，从而反映该指标在某一区域内的集聚状况[14]，如式(1)所示。

通常认为，当LQ≥1时，制造业出现集聚，反之，制造业集聚不显著。

(2)绿色全要素生产率测度

定义生产集合是测度制造业绿色全要素生产率的首要条件。基于柯布—道格拉斯生产函数，定义同时包含期望与非期望产出的技术模型，如式(2)所示[15]。

式中：()表示通过投入产出的集合，为期望产出量，为非期望产出量。

每个省市自治区视为一个决策单元，决策单元的相对效率通过距离函数表征，如式(3)所示。

式中：=(g, g-b)，代表期望和非期望产出的变化向量，方向距离函数代表生产投入沿方向所能获得的产出；代表距离函数值。

存在非期望产出时，制造业产出与污染排放的比值最大，=(g, -g)，可通过式(4)求解[16]。

令ML(malmqusit-luenberger)指数代表绿色全要素生产率，如式(5)所示。

对ML指数进行分解，可得到绿色技术效率MLECH和绿色技术进步指数MLTCH，如式(6)、(7)所示。

当ML指数大于0时，表明绿色全要素生产率的提升；反之则下降。MLECH和MLTCH的判别准则与ML指数相同。

(3)空间计量模型

为了研究制造业集聚对工业绿色全要素生产率溢出效应的影响，选取了科技创新、环境规制、经济发展水平、产业结构、产业结构高级化、财政分权与开放水平在内的7个控制变量。考虑到区域发展不仅受到自身某一因素的影响，还与相邻区域的影响因素有关。因此，基于基准计量模型，引入解释变量与被解释变量的空间滞后项，在拉格朗日乘数检验和对数似然比检验的基础上，构建空间杜宾模型进行溢出效应研究，如式(8)所示。

式中：lngtfp为工业绿色全要素生产率的向量，lnmagg为核心解释变量制造业集聚矩阵，为空间自相关系数，为空间权重矩阵，1、2、3、4为待估参数，control为上述7个控制变量；lngtfp为工业绿色全要素生产率的空间滞后项，lnmagg为制造业集聚的空间滞后项，control为控制变量的空间滞后项；ε为随机扰动项。

2 变量说明

2.1 被解释变量

工业绿色全要素生产率() 工业绿色全要素生产率在传统生产函数技术模型的基础上，将工业排放纳入到研究框架中，相较于传统全要素生产率，工业绿色全要素生产率反映了在考虑环境因素时工业生产过程中的综合生产状况。

测度工业绿色全要素生产率采用了3类指标：投入、产出和非期望产出。其中，投入指标遵循生产函数的标准框架，选择劳动力、资本和企业家才能；产出指标选择工业总产值；非期望产出指标选择综合污染系数，由工业废水排放量和二氧化硫排放量通过熵权法计算得到。

2.2 核心解释变量

制造业集聚度() 制造业集聚采用区位熵指数来测算，以轻纺工业和资源加工业中的食品加工、纺织、石油化工、机械制造、金属冶炼、医药器械制造等具体产业的从业人数来测度各地区制造业的聚集状态。

2.3 控制变量

科技创新() 科技创新有助于企业进行技术革新，从而提高生产效率，降低经营成本和污染排放，促进绿色全要素生产率的增长。科技创新指标由R&D经费支出、有效发明专利数和技术市场成交额通过熵权法计算得到。

环境规制() 环境规制有助于约束企业的排污行为，倒逼企业进行技术革新，降低排放。但也有研究表明，环境规制对不同行业的绿色生产的影响存在异质性[17]。因此，有必要检验环境规制指标对工业绿色全要素生产率的影响，以地区工业污染治理投资占当年GDP的比重来衡量地区环境规制的强度。

经济发展水平() 地区经济发展大部分依靠产业发展，而地区经济发展水平影响到企业的自主创新能力和政府的环境治理能力，以人均GDP来衡量地区的经济发展水平。其中，GDP以2008年为基期进行平减。

产业结构高级化() 发展知识密集型产业有助于提高产业结构层次，能够将生产服务支持融入制造业，加快知识流动，形成良好的创新氛围，促进新技术的产生，从而转变企业生产方式，提高生产效率。地区产业高级化水平以地区第三产业增加值占第一产业与第二产业增加值之和的比重来衡量。

产业结构() 产业结构调整会影响企业生产效率，反应了地区生产要素的结构与分配状况。地区的产业结构以地区第二产业增加值占第一产业与第三产业增加值之和的比重来衡量。

财政分权() 产业集聚可以通过财政分权来影响效率[2]，通过发挥政府干预实现环境治理。地区财政分权的程度以地区财政支出占地区GDP的比重来衡量。

开放水平() 普遍认为地区开放程度对生产效率的影响不容忽视[4]，地区开放水平以地区进出口总额占地区GDP的比重衡量。

为了削减异方差，以上所有数据均作取自然对数处理。

3 实证分析

3.1 工业绿色全要素生产率测度

基于2008～2019年中国31个省市自治区的工业投入产出数据，测度2009—2019年工业绿色全要素生产率，测算结果如表1所示。

表1 工业绿色全要素生产率测度

根据表1的结果所示，我国大部分省份的工业绿色全要素生产率平均值均大于1，表明我国工业绿色发展状况进入良性阶段。大部分省份的工业绿色全要素生产率逐年递增，到2019年，除海南省、甘肃省和新疆自治区外，其余省市自治区均已突破1，不少省市如天津市、河北省、江苏省等地区突破1.1。东部地区的工业绿色全要素生产率相比于中西部地区略低，这是由于绿色全要素生产率的技术模型中不仅考虑生产技术和技术效率的影响，还考虑了环境因素的影响，中西部地区的工业水平虽然低于东部地区，但也因为较低的工业发展水平，污染排放量也较低，导致其工业绿色全要素生产率高于东部地区。

3.2 工业绿色全要素生产率的空间自相关检验

讨论产业集聚对工业绿色全要素生产率的溢出效应，首先对工业绿色全要素生产率进行空间自相关检验，通常采用Moran’s I指数检验变量的空间相关性，计算结果如表2所示。

表2 工业绿色全要素生产率的Moran’s I检验

注：*、**、***表示在1%、5%和10%的显著性水平下显著，下同。

根据表2的结果可知，除2015年的Moran’s I指数未通过显著性检验，其余所有年份的Moran’s I指数均在5%的显著性水平下显著，表明中国省域工业绿色全要素生产率存在显著的空间自相关。2009—2010年的Moran’s I指数显著为负，2011—2019年为正，表明工业绿色全要素生产率随时间呈现区域异质性。而Moran’s I指数逐渐增大也表明我国工业绿色全要素生产率存在显著的集聚溢出趋势，产生空间溢出效应。

3.3 基准回归

对产业集聚与工业绿色全要素生产率的关系进行初步的研判。考虑到面板回归模型不是本文研究的重点，因此在不进行Chow检验和Huasman检验的条件下，设定混合回归、个体效应回归和时间效应回归三种不同的面板回归模型进行研究，回归结果如表3所示。

表3 面板回归结果

注：括号内为t统计量。

根据表3的回归结果所示，除开放水平外，其余所有变量均通过了显著性检验。产业集聚在三组模型中系数均为正，表明制造业集聚有助于提高工业绿色全要素生产率；科技创新、环境规制、经济发展水平、产业结构高级化、产业结构、财政分权的系数也均为正数，表明上述各指标对工业绿色全要素生产率呈现出显著的促进作用，改进上述指标有助于推动工业绿色全要素生产率的增长。地区开放水平的回归结果未通过显著性检验，表明开放水平对工业绿色全要素生产率的作用机制不显著，工业全要素生产率的变动不会受到地区开放程度的影响。开放水平的回归系数表现为负数，即对工业绿色全要素生产率的增长存在抑制作用。

3.4 空间计量模型回归

构建空间计量模型前，首先对方程进行拉格朗日乘数检验和似然比检验。在拉格朗日乘数检验中，空间滞后检验和空间误差检验的显著性均在5%的显著性水平下显著，更进一步选择空间杜宾模型。似然比检验中，空间滞后与误差似然比检验同样通过了5%的显著性检验。从理论检验的角度，选择空间杜宾模型研究产业集聚与工业绿色全要素生产率的溢出效应。此外，根据Hausman检验的结果，拒绝固定效应的假设，因此，构建随机效应空间杜宾模型，回归结果如表4所示。

表4 空间杜宾模型回归结果

续表

变量系数标准误T统计量 ρ0.6000***0.054011.1117 R20.9969-- LogL581.6243-- LR-lag20.7293***-- LR-error23.6204***-- Hausman testHausman test-statistic=-16.2033 p-value=0.5462

根据表4结果所示，在空间滞后项中产业集聚、环境规制显著为负，表明本地制造业集聚、环境规制的强度对相邻地区的工业绿色全要素生产率存在抑制作用，经济发展水平同样呈现出负弹性，但未通过显著性检验。产业结构高级化与产业结构对本地和相邻地区的工业绿色全要素生产率表现为正弹性，表明产业结构调整因素并非本地化，技术溢出与知识流动使得相邻区域的产业结构向更高层次发展，从而推动整体工业的发展。进一步地，采用偏导矩[18]的方法得到不同因素的效应分解，如表5所示。

表5 效应分解

根据效应分解结果可知：

(1)制造业集聚对工业绿色全要素生产率增长的直接效应呈现出显著的正弹性。制造业集聚有助于企业生产的横向关联，提高技术流动效率，易于创造集体创新、共同学习的生产氛围与环境，从而革新企业生产技术，降低排放，促进工业绿色全要素生产率的提高；而间接效应为负，表明本地制造业集聚通过产生“虹吸效应”，吸纳相邻地区的制造业企业、资本与劳动力，弱化相邻地区的制造业集聚程度，从而限制相邻地区工业绿色全要素生产率的增长，表现出一定的“本地效应”。

(2)科技创新的直接、间接效应均表现为正弹性。表明科技创新对工业绿色全要素生产率的增长呈现显著的正弹性。提高科技创新水平有助于企业改进生产技术，提高自主创新实力，采用更为先进环保的生产技术，在生产中提高效率，降低投入和排放的同时增加产出，有助于推动绿色发展。同时，由于技术的流动与扩散，有助于形成良好的创新氛围，辐射相邻地区，提高相邻地区企业的生产技术，推动整体工业绿色全要素生产率的增长。

(3)环境规制的直接效应表现为正弹性，间接效应表现为负弹性。环境规制对工业绿色全要素生产率的作用敏感，地区环境规制强度趋严，则企业排放愈低，能有效减轻环境压力，提高绿色全要素生产率的增长；间接效应为负表明当本地环境规制强度较高时，会导致一些低层次的高排放企业转向相邻地区生产，从而对相邻地区的环境造成影响，抑制其绿色全要素生产率的增长。

(4)经济发展水平的直接、间接效应分别表现为正弹性，表明地区经济发展水平与工业发展水平相辅相成，经济发展水平越高，则工业发展条件越成熟，固定投入要素得到更多的产出，促进绿色全要素生产率的增长。

(5)产业结构调整因素包括产业结构与产业结构高级化。二者均表现出正弹性，虽存在部分不显著的问题，但总体反映了技术的可溢出性和知识的可流动性，相邻区域之间的技术引进与技术模仿有助于促进企业实现技术创新，从而促进工业绿色全要素生产率的增长。

(6)财政分权的直接、间接效应均未通过显著性检验，且呈现负弹性，表明我国政府的财政支出可能更多的用在新兴产业的发展上，对于工业发展的干预并不多。此外，由于我国工业发展规模大，市场成熟，不需要过多的政府干预也可以实现市场经济的良性循环。

(7)地区开放水平的直接、间接效应同样未通过显著性检验且呈现负弹性，表明地区进出口贸易不是影响工业生产的因素之一，对工业绿色全要素生产率的增长没有直接作用。作为“世界工厂”的中国，工业水平处于世界领先地位，工业发展对进出口的依存度不高。

4 结论与建议

本文在测度中国省域工业绿色全要素生产率的基础上讨论产业集聚及其他因素对工业绿色全要素生产率的溢出效应。实证结果表明，制造业集聚对工业绿色全要素生产率的增长存在显著的促进作用，受知识流动与技术溢出的影响，制造业集聚能提高企业的技术水平，降低生产排放实现绿色可持续生产。从控制变量来看，提高科技创新水平，完善环境规制机制，促进地区经济水平的提高，合理产业结构配置均有利于工业绿色全要素生产率的增长。

基于上述实证结论，提出如下建议：

(1)提高制造业集聚水平，持续发挥产业集聚的正向外部性，重视科技创新。各地区应当结合自身资源禀赋与技术水平，优化产业发展环境，提高资源配置效率，合理规划产业集聚的空间区位，细化产业布局，为制造业集聚提供良好的环境。

(2)完善环境规制机制，保证生产的同时打造生态友好型工业。完善环境保护机制，重视经济增长质量，坚持“绿水青山就是金山银山”的基本思路，建设污染监测体系，强化对污染排放的覆盖检测，建立制造业生产环境资源数据库，实现环境信息的共享与集成。

(3)建立长效协同发展机制，合理配置产业结构。通过合理的产业转移，将东部地区冗余的制造业向中西部地区转移，共同开发，共同保护，共享收益。为东部地区的高层次产业发展提供经济空间与地理空间，实现真正意义上的“腾笼换鸟”，促进地区产业升级。提高高技术企业补贴额度和发放效率，平衡地区发展，注重人力资本的积累，实现工业绿色全要素生产率的再增长。

[1] 蔡昉. 人口转变、人口红利与刘易斯转折点[J]. 经济研究, 2010(4): 4-13.

[2] 周鹏飞, 沈洋, 朱晓龙. 制造业产业集聚对城市绿色经济效率的影响: 机理、测度与路径[J]. 城市发展研究, 2021, 28(3): 92-99.

[3] 胡绪华, 陈默. 生产性服务业集聚、房价上涨与地区绿色经济效率提升—基于中国大中型城市数据的实证分析[J]. 南京审计大学学报, 2020, 17(1): 82-92.

[4] 曹泽, 殷天赐, 陈星星. 长三角地区建筑业全要素生产率的空间溢出效应研究[J]. 建筑经济, 2020, 41(12): 26-30.

[5] 何雄浪, 张泽义. 经济活动空间分布的探究:技术溢出、环境污染与贸易自由化[J]. 地理科学, 2015, 35(2): 161-167.

[6] 刘军, 程中华, 李廉水. 产业聚集与环境污染[J]. 科研管理, 2016, 37(6): 134-140.

[7] Zeng D Z, Zhao L X. Pollution havens and industrial agglomeration[J]. Journal of Environmental Economics and Management, 2009, 58(2): 141-153.

[8] Brulhar M, Mathys N A. Sectoral agglomeartion economies in a panel of European regions[J]. Regional Science and Urban Economics, 2008, 38(4): 348-362.

[9] Rizov M, Oskam A, Walsh P. Is there a limit to agglomeration? Evidence from productivity of Dutch firms[J].Regional Science and Urban Economics, 2012, 42(4): 595-606.

[10] 任阳军, 汪传旭, 李伯棠, 等. 产业集聚对中国绿色全要素生产率的影响[J]. 系统工程, 2019, 37(5): 31-40.

[11] Carlino G A. Increasing returns to scale in metropolitan manufacturing[J]. Journal of Regional Science, 1979, 19: 363-373.

[12] 李剑培, 顾乃华, 潘捷. 中国制造业省际贸易的本地市场效应研究[J]. 国际经贸探索, 2021, 37(7): 50-68.

[13] 郭威, 司孟慧. 金融集聚提升制造业绿色全要素生产率了吗[J]. 现代经济探讨, 2021(6): 38-48.

[14] 陈莉, 檀文飞, 殷天赐. 中国省域信息产业集聚对经济发展效率的影响[J]. 黑龙江工程学院学报, 2021, 35(3): 39-46.

[15] Fare R, Grosskopf S, Pasurka C A. Environmental production functions and environmental directional distance functions[J]. Energy, 2007, 32(7): 1055-1066.

[16] 殷天赐. 中国省域建筑业绿色全要素生产率的空间溢出效应研究[D]. 合肥: 安徽建筑大学, 2021.

[17] 邓玉萍, 王伦, 周文杰. 环境规制促进了绿色创新能力吗?—来自中国的经验证据[J]. 统计研究, 2021, 38(7): 76-86.

[18] LeSage J, Pace P K. Introduction to Spatial Econometrics[M]. NewYork: CRC Press, 2009.

Study on the Spillover Effect of Manufacturing Agglomeration on Industrial Green Total Factor Productivity

CAO Ze1, WANG Yong-chun1, YIN Tian-ci2

（1. School of Economics and Management, Anhui Jianzhu University, Hefei 230022, China;2. School of Management Engineering, Nanjing University of Information Science and Technology, Nanjing 210044, China）

Based on the regional panel data of 31 provinces and autonomous regions in China from 2008 to 2019, the Malmquist-Luenberger index was used to measure the green total factor productivity of industry, and the location entropy index was used to measure the industrial agglomeration level of manufacturing industry. A spatial econometric model is built to study the spillover effect of manufacturing agglomeration on industrial green total factor productivity. The empirical results show that manufacturing agglomeration has a significant promoting effect on the growth of industrial green total factor productivity. Under the influence of knowledge flow and technology spillover, manufacturing agglomeration can improve enterprises’ scientific and technological research and development strength and independent innovation level, reduce pollution emissions in the production process, and realize green and sustainable production. There is a spatial correlation between industrial green total factor productivity. Raising the level of regional scientific and technological innovation, improving the environmental protection mechanism, and rationally allocating the industrial structure will contribute to the growth of industrial green total factor productivity.

manufacturing industry; industrial agglomeration; space overflow; green total factor productivity

10.15916/j.issn1674-3261.2022.06.011

F426

A

1674-3261(2022)06-0408-07

2021-09-30

国家社会科学基金一般项目(16BRK026)

曹 泽(1969-)，男，安徽阜阳人，教授，博士。

殷天赐(1996-)，男，安徽合肥人，博士生。

责任编辑：陈 明