创新型产业集群试点政策促进了城市高技术产业发展水平提升吗

王欢

内容提要：创新型产业集群试点是突破传统产业集群低端锁定与促成产业升级的政策尝试。基于2006-2019年中国266个地级市面板数据，以中国创新型产业集群试点设立为一项准自然实验，使用双重差分模型评估了创新型产业集群试点政策的实施效果。研究发现，试点政策显著提升了城市高技术产业发展水平；试点政策显著促进了东中部地区城市高技术产业发展水平提升，但对西部和东北部地区的影响不显著；与高行政级别城市相比，试点政策对一般城市高技术产业发展具有更显著的正向影响；试点政策显著促进了非资源型城市高技术产业发展水平提升，但对资源型城市的影响不显著。机制检验表明，试点政策能够强化政策激励、增强科技型人才储备和改善创新环境，进而对城市高技术产业发展产生积极影响。

一、 引 言

创新驱动发展已成为中国经济发展的新常态。创新驱动发展的本质是高技术产业创新向中低技术产业转移和扩散，以此带动中低技术产业资源配置优化和全要素生产率提升的过程(王伟光等，2015)。因此，高技术产业发展水平被认为是决定社会经济发展水平和发展质量的重要衡量因素之一(李海超和王美东，2019)，对于促进中国经济结构转型和经济增长具有重要推动作用(杨武和田雪娇，2018)。如何促进中国高技术产业发展水平的提升？产业集群作为支撑中国经济发展的重要产业组织形式，与产业创新和产业发展有着紧密联系，甚至成为产业转型和升级的重要驱动。这是否表明，产业集群的形成能够有效推动高技术产业发展水平的提升？然而，现实情况是，中国很多产业集群仍然属于劳动密集的代工型集群，自主创新能力不足，深陷于价值链低端的“锁定”，其增长模式仍停留在规模扩张而非质量提升。

为引导产业集群发展方向，充分发挥其在转变经济发展方式中的辐射带动作用，2011年中国科技部启动实施了“创新型产业集群建设工程”。该工程的总体思路是：发挥政府主导作用，通过规划指引和政策促进，推动区域科技服务体系的建立和完善，强化产业集群品牌和人才建设，吸引和培育科技型企业，以此促进传统产业升级和新兴产业培育发展，从而提升产业创新能力和国际竞争力。随后全国各地加快创新型产业集群布局，截至2020年，全国有61个产业集群入选科技部火炬中心的创新型产业集群试点名单。可以说，创新型产业集群试点政策作为地方发展目标和国家战略导向结合的重要着力点，已成为提升产业创新能力和产业链现代化水平的重要推动力量，经过数年实践，也到了检验其政策实施效果的时间节点上。

然而，当前学术界对创新型产业集群试点政策经济效应的讨论较少。现有研究主要从理论层面剖析了中国创新型产业集群形成的影响因素与作用机制(沈小平和李传福，2014)，梳理了中国创新型产业集群的区域和行业分布、发展现状等，提出当前国家创新型产业集群发展面临的问题(李金华，2019)，以及未来国家创新型产业集群的培育策略(李金华，2020)。还有少数文献通过构建DEA模型探讨了中国创新型产业集群的投入产出效率(张冀新和王怡晖，2019)。虽有研究从宏观层面肯定了创新型产业集群试点政策的创新效应(田颖等，2019)，但总体而言，鲜有文献专门就创新型产业集群试点政策对高技术产业发展的影响效应进行系统探究，也鲜有研究深入考察创新型产业集群试点政策影响高技术产业发展的内在机理，相关研究亟待跟进。微观层面的研究往往难以判断政府政策的总体效应，并且相对于省级层面乃至于国家层面，城市层面的政策效果评估更加科学和具有针对性，且能够高效实施(李政和杨思盈，2019)。

图1 创新型产业集群试点政策的发展历程资料来源：根据科学技术部火炬高技术产业开发中心网站资料整理。

鉴于此，本文把中国创新型产业集群试点设立看作一项准自然实验，基于2006-2019年中国266个地级城市的面板数据，利用双重差分模型，考察中国创新型产业集群试点政策能否促进城市高技术产业发展水平的提升、政策效应是否存在异质性以及背后的作用机制。本研究为国家创新试点政策效果的评估提供了量化科学依据，而且对于提升城市高技术产业发展水平及中国产业的国际竞争力具有重要现实意义。

二、 政策背景与理论机制

1. 政策背景

创新型产业集群试点是指经国家科技部批准，旨在创新驱动产业发展和强化科技服务经济方面先行先试、探索经验、形成以点带面示范效果的产业集群，包括战略性新兴产业集群，或者正在转型的传统产业集群。中国创新型产业集群建设是一个由浅入深、逐渐推开的探索式发展过程(如图1所示)。2011年7月国家科学技术部着手规划创新型产业集群建设工程方案，2013年2月出台了试点认定管理办法，同年6月批准首批10个创新型产业集群试点单位，这标志着创新型产业集群建设由规划方案正式落地为具体的试点探索与政策实践。2014年和2017年科技部分别批复了第二批22个和第三批29个试点单位。至此，中国创新型产业集群试点增加至61个，涉及55个地级及以上城市，具体城市名单如表1所示。这些试点大多依托高新技术产业开发区布局建设，成为区域高技术产业培育和发展的重要载体。

创新型产业集群试点政策实施以来，取得了显著成效。据《中国火炬年鉴2021》数据，2020年全国创新型产业集群包括企业2.6万家，其中高新技术企业1.2万家；企业科技经费支出3161.5亿元，科技活动人员116.2万人，创造营收62618.3亿元，工业总产值47032.3亿元，净利润5711.8亿元，税费2995.0亿元，出口创汇1249.8亿美元；科技成果方面，授权发明专利4.0万件，注册商标18.5万件，形成国家或行业标准1071件，技术合同成交额1870.8亿元。2020年4月，就新时期中国创新型产业集群的发展方向，科技部出台了《关于深入推进创新型产业集群高质量发展的意见》，提出未来一个时期，要在现有创新型产业集群基础之上，立足创新型产业，继续扩大试点范围，将完善创新型产业集群动态监测和考核评价工作体系，对试点建设进行分类指导和推广示范。因此，为更好地“试点建设—总结经验—复制推广”，对现阶段试点政策经济效应的评估显得十分重要。

表1 创新型产业集群试点的城市分布

2. 理论机制

创新型产业集群是指在特定区域内集聚的产业链关联企业、研发机构和中介服务机构，通过分工合作和协同创新，形成的具有行业和区域带动作用的产业组织形态。在中国经济结构亟待转型的背景下，促进传统产业集群向创新型产业集群升级，由传统产业集群的生产协作系统升级为创新协同系统是十分必要的。创新型产业集群试点政策是加速创新型产业集群形成和发展的重要政策探索，也是政府参与和支持区域产业创新发展的一项重要举措，促使各主体单元更加密切地参与到区域创新的合作、协同中来，有利于促进区域高技术产业发展水平的提升。具体而言：

一是试点政策通过强化政策激励来提升地区高技术产业发展水平。高技术产业发展需要政府确立自身“扶持者”的重要角色(陈子韬等，2020)，而创新型产业集群的设立会强化地方政府在产业创新发展中的政策激励，进而对地区高技术产业发展产生促进作用。首先，作为试点建设主体，地方政府会主动将创新型产业集群建设纳入产业发展规划或战略目标，建立试点工作推进机制，定期研究、部署集群建设工作，进而加强对创新型产业的重视程度。其次，科技部火炬中心对每个试点实施动态监测，定期开展考核评价工作。在严格的考评机制下，为提升试点建设成效，地方政府会主动加大创新激励措施，如综合运用财税优惠、用地优惠、信贷支持等激励方式，有效鼓励企业开展科技创新活动。特别是针对高新技术企业的所得税税率优惠，有助于降低企业研发投资的边际成本，鼓励企业加大研发投资力度。最后，为使得试点建设进程与现代化产业体系紧密对接，促进产业链创新链深度融合，地方政府还会主动加大对科技型企业的财政补贴，降低企业研发创新风险，从而带动地区高技术产业R&D效率的提升(卢方元和李彦龙，2016)。

二是试点政策通过增强科技型人才储备来提升地区高技术产业发展水平。人才作为创新发展的战略资源(徐军海和黄永春，2021)，是产业集群由要素驱动转向创新驱动的重要前提。随着试点工作的深入，各地不断提升创新要素集聚能力，尤其在高水平科技人才引进方面出台多种举措，从高层次技术人才工作平台搭建、科研立项、成果转化以及表彰奖励等诸多方面为科技人才引进创造优良条件。而流入的科技型人才会对本地创新要素形成有效补充，使得本地创新要素结构得到改善。并且科技型人才作为高技术产业发展的核心要素，在集聚状态下会进一步放大单个科技人才资本的“外在效应”，演变出在分散状态下所没有的高效率，促进技术进步和生产率的提高，推动高技术产业发展(裴玲玲，2018)。特别是，科技人才决定了一个地区的知识吸收能力(刘晔等，2019)，对于高技术产业技术和知识的识别、获取、转化以及创造性应用具有不可替代的作用。因此，作为知识的载体、创新的源泉，科技人才储备程度高的地区会更容易产生创新，促使该地区的技术和知识密集型产业进一步发展壮大(牛冲槐等，2012)。

三是试点政策通过改善创新环境来提升地区高技术产业发展水平。试点政策鼓励集群企业与科研机构、高校建立多种形式的研发中心和技术平台；支持建设多元投入、市场主体、公益目标的新型协同创新平台；加强科技企业孵化器、科技中介机构和技术转移服务平台等服务设施建设；引导产业集聚核心区的交通、邮电、会展场所等基础设施建设；同时注重加强知识产权的保护和协同运用以及创新文化的营造等软环境建设，最终打造一个有利于创新的集群生态和营商环境。创新环境是地方高技术产业的生存之基，其不仅影响高技术产业创新效率(叶丹和黄庆华，2017)，也是决定高技术产业竞争力的关键因素，高质量的创新环境对于维持高技术产业长期稳定的创新产出至关重要(叶堂林等，2020)。尤其是，基础设施反映一个地区高技术产业发展的硬件条件(裴玲玲，2018)，也是承载高技术产业创新活动的平台，对高技术产业创新要素的交互与传输具有调整功能，优良的基础设施环境有利于促进高技术产业基础研发效率和成果转化效率的提升(张涵和杨晓昕，2018)。因此，在试点政策推动下，地方创新环境得到优化，进而带动高技术产业发展水平提升。

根据上述分析，提出以下研究假说：

假说1：创新型产业集群试点政策对城市高技术产业发展水平具有显著正效应；

假说2：创新型产业集群试点政策能够强化政策激励、增强科技型人才储备和改善创新环境，进而对城市高技术产业发展水平产生积极影响。

三、 研究设计

1. 模型构建

当前，创新型产业集群试点持续稳定扩张，为研究试点政策对高技术产业发展水平的影响提供了理想的准自然实验场景。第一，创新型产业集群试点的认定取决于政府决策，具有一定的外生性，有利于克服内生性干扰。第二，创新型产业集群试点政策旨在促进区域传统产业升级和新兴产业培育，试点政策的实施落地在地级市层面。本文基于产业技术进步视角和地级市层面展开政策效果分析，有利于克服政策外溢性对研究结论的干扰。第三，虽然试点城市逐年增多，但仍有多数城市尚未获得试点认定，这自然形成了试点和非试点两组样本，符合准自然实验构建试验组和参照组的逻辑要求。因此，本文通过构建双重差分模型来测度创新型产业集群试点政策对城市高技术产业发展水平的影响效应。其基本思想是通过比较设立试点和不设立试点两种情况下城市高技术产业发展水平的差异，来判别试点政策的实际效用。鉴于试点是分期批复、逐步设立的，即实施试点政策的时间起点不同，而传统双重差分模型仅能评估单一时点的政策效用，故本文借鉴Beck等(2010)的做法，构建基于双向固定效应的多期双重差分模型进行检验，具体如式(1)所示：

Htechit=α0+α1treatit×postit+τControlsit+μi+ϑt+εit

(1)

其中，Htechit表示城市高技术产业发展水平，treat为创新型产业集群设立与否的地区虚拟变量，post为创新型产业集群设立前后的时间虚拟变量，treat×post为核心解释变量，即政策虚拟变量，其系数反映了创新型产业集群设立与否对城市高技术产业发展水平的影响效应，α0表示常数项，Controls表示控制变量集，i表示城市，t表示样本年度，μi表示各城市的个体固定效应，ϑt表示时间固定效应，εit为扰动项。

本文主要考察系数α1，若α1显著为正，表示试点政策有利于促进城市高技术产业发展水平提升。

2. 相关变量与数据说明

(1) 被解释变量：高技术产业发展水平(Htech)。借鉴杨武和田雪娇(2018)构建的高技术产业发展指标体系，本文从产业规模和产业竞争力两个方面考察城市高技术产业发展水平。从业人员数目可以反映高技术产业经营规模，专利申请数是影响高技术产业竞争力的主导因素之一(胡红安和刘丽娟，2014)。因此，选取从业人员数与发明专利申请数分别作为高技术产业规模和产业竞争力的测度指标。考虑到城市层面高技术产业从业人员数据难以获取，本文以《国民经济行业分类》中信息传输、计算机服务和软件业从业人员作为城市高技术产业从业人员的代理变量。在实证分析时对从业人员数和发明专利申请数两项衡量指标进行合成，权重的确定采用变异系数法(杨武和田雪娇，2018)。

(2) 核心解释变量：试点政策虚拟变量(treat×post)。根据城市是否设立创新型产业集群试点，本文设置组别虚拟变量treat，将试点所在城市视为实验组，其对应的treat变量取值为1，将尚未开展试点培育或认定的城市视为参照组，其对应的treat变量取值为0。同时，设置时间虚拟变量post，将试点政策实施当年及之后的post变量赋值为1，其他赋值为0。生成组别虚拟变量和时间虚拟变量的交乘项treat×post，用以反映政策实施的净效应。

(3) 控制变量。在模型中加入如下控制变量：地区经济发展水平(Pgdp)，以人均GDP的对数值来表示；地区开放程度(FDI)，以实际利用外资额与GDP的比值来表示，利用历年汇率将万美元转换为万元人民币计价；地区金融发展水平(Finance)，以年末金融机构各项存贷款余额与GDP的比值来表示；城市规模(Pop)，以总人口的对数值来表示；人力资本水平(Human)，以每万人大学生数的对数来表示；信息化发展水平(Infor)，以地区国际互联网用户数占总人口的比重来表示。

本文的创新型产业集群试点数据来自中国科学技术部火炬中心网站，各城市专利数据来源于CNRDS数据库，其他数据来源于2007-2020年《中国城市统计年鉴》。为更加精准地评估试点政策效应，本文剔除了拥有培育期创新型产业集群但尚未达到试点认定标准的城市样本，剔除了在研究期间发生行政范围调整以及数据缺失比较严重的城市，最终构建了2006-2019年中国266个地级及以上城市的面板数据，包含3724个样本观测值，其中试点城市55个，非试点城市211个。本文数据处理软件为Stata 15.0。主要变量的描述性统计见表2。

表2 变量描述性统计

3. 模型适用性检验

图2 共同趋势及动态效果检验

DID模型适用的前提条件是：在试点政策冲击之前，实验组与参照组的高技术产业发展水平应当具有共同发展的趋势。这里采用跨期动态面板模型检验试点政策实施前后高技术产业发展水平的动态变化，以检验政策效应的平行趋势。考虑到本文运用了多期DID模型，试点政策首次实施为2013年，此后设立试点的城市日益增多，因此本文以2013年为时间节点考察试点政策实施前3个年份、当年、后5个年份高技术产业发展的政策效应。检验结果见图2，图中圆点表示试点政策效应的估计系数大小，短竖线表示置信区间。第一，通过观察试点政策实施之前实验组与参照组的高技术产业发展水平可知，试点政策实施之前的3个年份，相应的估计系数值均接近于0，且置信区间包含0，即在统计上不显著，这表明试点政策实施之前，两组高技术产业发展水平变化没有显著差异，即试点政策实施之前研究样本满足平行趋势假设。第二，本文进一步考察了试点政策对高技术产业发展水平影响的动态特征。由图2可知，政策实施之后，试点政策效应的估计系数随着时间推移不断增大，且置信区间不包含0，这说明试点政策的实施对城市高技术产业发展水平有明显提升作用，该趋势符合DID模型适用的前提条件。

四、 实证分析

1. 基准回归分析

为评估试点政策对城市高技术产业发展水平的影响，本文采取逐步加入控制变量的方式，并基于双向固定效应模型进行回归分析。表3显示，试点政策虚拟变量treat×post的估计系数始终在1%水平上显著为正，表明创新型产业集群试点政策对城市高技术产业发展水平的提升作用是显著的，本文假说1得到验证。

在控制变量上，城市经济发展水平和城市规模对高技术产业发展水平具有显著的促进作用。经济发展水平较高的城市，能够提供更充足的研发经费支持产业技术升级改造；规模较大的城市，劳动力异质性程度较高，能够促进专业化和多样化生产效率提升，激励企业加大创新投入，促进城市高技术产业发展水平提升。城市对外开放度、金融发展水平、人力资本水平和信息化发展水平没有对城市高技术产业发展水平产生显著的积极影响。可能的原因在于：虽然FDI能够带来技术溢出效应，但当东道国学习能力不足时，会导致其无法吸收外溢的先进技术；金融发展能缓解企业融资约束，但当前中国金融资源的分配极不均衡，大量中小企业仍面临严峻的融资约束，制约了企业创新；高校为城市创新提供人力资本支持，但当高校过于注重发展规模而忽视人才培养质量时，会导致人力资本的创新效应不显著；城市互联网建设促进了知识交流和传播，但中国各城市内部的互联网发展水平差距较大，其对不同城市的创新溢出不均衡，导致从全国层面的估计结果看，互联网对城市高技术产业发展水平的影响不明显。

表3 基准回归结果

2. 稳健性检验

(1) PSM-DID。为排除样本选择性偏误和内生性等问题，本文采用PSM-DID法重新估计试点政策对城市高技术产业发展水平的影响(Heckman等，1998)。具体地：首先，采用模型(1)中的控制变量作为协变量，基于Logit回归模型计算各协变量倾向得分，使用1对4邻近匹配方法对实验组和参照组样本进行匹配；然后，检验匹配后样本的平衡性，图3的检验结果显示，匹配前各协变量的点离标准化偏误为0的竖线较远，表明实验组和参照组协变量之间的差异较大，匹配后各协变量标准化偏误的绝对值都在10%以内，表明匹配效果较好，满足双重差分的平衡假设；最后，运用匹配后的新样本采用式(1)进行回归，表4中第(1)列显示，试点政策虚拟变量的估计系数为0.0898，且在5%水平上显著为正，前文研究结论保持不变。

图3 匹配前后的协变量标准化偏差

(2) 安慰剂检验。尽管实验组和参照组在试点政策实施之前满足平行趋势假设，但仍要考虑城市高技术产业发展水平的变化是否由同一时期其他随机因素或政策引起，为排除这种可能，参照胡兆廉等(2021)的方法，进行安慰剂检验。具体方法为：首先，由计算机生成一个随机变量，将试点政策虚拟变量进行随机替换，使试点政策对城市高技术产业发展水平的影响变得随机，即随机生成了新的实验组；其次，将随机处理后的样本按照式(1)进行回归，并重复1000次；最后，将1000次回归结果中试点政策虚拟变量的t值汇总起来，绘制核密度图，并与基准回归中试点政策虚拟变量的t值进行对比。观察图4可以发现，在这1000次回归中产生的绝大多数t值小于基准回归的t值(3.78)，说明试点政策对城市高技术产业发展水平的影响是显著的，可以忽略其他随机因素对估计结果的影响，依旧支持了前文结论。

图4 核密度分布

(3) 更换变量测度方式的检验。一项政策的实施效果往往具有滞后性，为尽可能降低滞后性对模型估计结果的影响，本文以各城市高技术发展水平的滞后1期值和滞后2期值作为被解释变量的替代指标，采用式(1)重新检验试点政策对城市高技术产业发展水平的影响。表4中第(2)和(3)列估计结果与基准回归结果基本一致，进一步支持了本文研究结论。

(4) 其他稳健性检验。考虑模型估计方法影响估计结果的可能性，本文尝试变更模型估计方法重新进行估计。在基准回归模型的基础上，进一步控制城市-年份，即采用联合固定效应模型重新进行检验。表4中第(4)列显示，treat×post的估计系数为0.1793，且在1%水平上显著，研究结论未发生变化。考虑存在极端值影响估计结果的可能性，本文对样本的控制变量以及被解释变量进行上下1%和5%的缩尾处理后重新进行估计，由表4中第(5)和(6)列的估计结果可知，treat×post的估计系数仍显著为正，研究结论不变。

表4 稳健性检验

3. 异质性分析

前文分析表明，创新型产业集群试点政策能够显著提升城市高技术产业发展水平。那么，这种提升效应是否因城市特质的不同而存在差异呢？基于模型(1)，本文将从地理区位、行政级别、资源禀赋3种城市特质出发，分别进行试点政策效应的异质性考察。

(1) 地理区位异质性。中国区域发展不平衡问题由来已久，四大经济区在交通运输条件、对外开放程度以及产业基础等方面差异明显，这可能进一步导致同样的政策冲击对不同区位城市的影响效应存在差异。为此，本文根据地理区位将样本划分为东部、中部、西部和东北部4组子样本，分别观察不同区位的试点政策效应。表5中第(1)至(4)列显示，试点政策虚拟变量对城市高技术产业发展水平的估计系数在东部、中部均显著为正，在西部和东北部不显著，表明相对于西部和东北部，试点政策对东部、中部高技术产业发展水平的提升作用更大。这可能得益于东部和中部地区在人力资本、金融资源和区位上积累的优势，使其能够抓住政策机遇来促进其高技术产业发展水平提升。西部地区囿于经济与科技基础薄弱、政策壁垒相对冗繁、基础设施建设相对落后，东北部地区创新资源短缺、新兴产业处于较低发展水平，导致试点政策没有对这两个区域高技术产业发展水平产生实质性的提升作用。

(2) 行政级别异质性。在中国现有行政体系下，城市的行政级别通常划分为直辖市、副省级城市、省会城市和一般地级市，包括优惠政策、基础设施建设、人力资本和资金等重要的生产要素或资源，往往由上级城市到下级城市顺次分配(纪祥裕和顾乃华，2019)。鉴于此，本文将样本划分为高级别城市(直辖市、副省级城市、省会城市)和一般地级市2组子样本，分别观察试点政策对不同级别城市高技术产业发展水平的影响。表5中第(5)和(6)列显示，试点政策对低级别城市高技术产业发展水平具有显著促进作用，对高级别城市高技术产业发展水平影响不显著，说明试点政策对低级别城市高技术产业发展水平的促进作用相对于高级别城市更加明显。究其原因，低级别城市与高级别城市相比，创新经济发展水平普遍较低，这些城市更加需要国家创新政策的引导与支持，吸引创新要素集聚，转变经济发展方式，促进产业创新发展，试点政策对这些城市而言更可能是“雪中送炭”，因而具有更加显著的边际效用。

(3) 资源禀赋异质性。中国疆域辽阔，各地区资源禀赋差异较大，约40%的城市以本地自然资源的开采和加工为主导产业。在国家节能减排政策和创新驱动战略的推进下，这些城市面临着经济与资源环境协调发展的严峻挑战。显然，新兴产业的培育和发展能够消化高耗能与高污染引致的生产成本上升。创新型产业集群是培育新兴产业的空间载体，尤其对于发展初期的新兴产业而言，集群式发展模式尤为重要。鉴于此，本文依据2013年《全国资源型城市可持续发展规划(2013-2020年)》的分类标准，将样本划分为资源型城市和非资源型城市2组子样本，分别观察试点政策对不同资源禀赋城市高技术产业发展水平的影响。表5中第(7)和(8)列显示，试点政策虚拟变量对资源型城市高技术产业发展水平的估计系数没有通过显著性检验，对非资源型城市高技术产业发展水平的估计系数在1%水平上显著为正。这说明试点政策促进了非资源型城市高技术产业发展水平提升，对资源型城市高技术产业发展水平的影响不显著。可能的原因在于，资源型城市大多形成了对资源“路径依赖”的经济发展模式，城市产业结构单一，缺乏创新型产业培育和发展的技术、人才等要素基础，导致借助创新型产业集群试点支持产业创新水平提升这一路径无法实现。

表5 异质性检验结果

4. 影响机制检验

为全面把握创新型产业集群试点政策与城市高技术产业发展水平的关系，需进一步对其内在影响机理进行探究。这里借鉴Baron和Kenny(1986)的研究方法，通过构建中介效应模型，识别试点政策对城市高技术产业发展水平的作用机制并验证假说2。在式(1)的基础上，构建如式(2)和式(3)所示的中介效应模型：

Mit=γ0+γ1treatit×postit+θControlsit+μi+ϑt+εit

(2)

Htechit=ρ0+ρ1treatit×postit+ρ2Mit+ωControlsit+μi+ϑt+εit

(3)

其中，M表示中介变量，这里从政府、人才和环境三个方面加以考虑，其他变量定义同式(1)一致。

由表3可知，试点政策虚拟变量对高技术产业发展水平的影响显著为正，使得可以进行后续中介效应检验。式(2)是试点政策对中介变量影响效应的检验，式(3)是同时包含试点政策虚拟变量与中介变量的检验，若式(2)中的估计系数γ1与式(3)中的ρ2均显著，且式(3)中的ρ1相比式(1)中的α1有所下降，则表明中介效应成立。

本文对中介变量的设置如下：财政科技支出反映了政府发挥政策激励作用的基本手段。因此，参考董春风等(2021)的研究，使用财政科技投入密度，即政府财政科学技术支出与城市建成区面积之比衡量政策激励(Pol)。科技人才是促进高技术产业发展的关键核心要素，以城市每万人中科学研究和技术服务从业人员数的对数衡量其科技人才储备情况(Tal)。城市交通基础设施是区域创新体系的重要组成部分，是创新活动开展必不可少的前提条件，参考李政和杨思盈(2019)的思路，通过城市基础设施条件反映城市创新环境(Env)，并以道路面积占城市面积的比重作为衡量城市基础设施水平的代理变量。

对上述中介效应进行检验，结果如表6所示。首先，基于模型(2)，检验试点政策对中介变量的影响。由第(1)列可知，试点政策虚拟变量的估计系数为0.0198，且在1%水平上显著，表明试点政策能够有效强化地方政府对科技创新的政策激励。由第(2)列可知，试点政策虚拟变量的估计系数为0.1371，且在1%水平上显著，表明试点政策有利于促进科技型人才在城市的集聚，增强高水平人才储备。由第(3)列可知，试点政策虚拟变量的估计系数为0.0805，且在5%水平上显著，表明试点政策带动了城市基础设施建设，优化了创新环境。至此，试点政策对各中介变量的影响通过显著性检验。然后，基于模型(3)，将试点政策和中介变量同时进行回归分析，由第(4)列可知，试点政策虚拟变量和中介变量的估计系数均显著为正，并且加入各中介变量后，试点政策虚拟变量的估计系数为0.1241，低于表3中第(7)列的估计系数0.1685，表明政策激励、科技型人才储备和创新环境是试点政策促进城市高技术产业发展水平提升的重要传导路径，本文假说2得到验证。

表6 中介机制检验结果

五、 结论与政策建议

本文使用2006-2019年中国266个地级市面板数据，结合多期DID模型，考察了创新型产业集群试点政策对城市高技术产业发展水平的影响效应及作用机制，研究发现：第一，创新型产业集群试点政策显著提升了城市高技术产业发展水平，该结论经过PSM-DID检验、安慰剂检验和替换衡量指标等一系列稳健性分析后仍然成立。第二，异质性检验发现，试点政策对城市高技术产业发展水平的影响效应在不同城市间存在明显差异：分地理区位来看，试点政策对东部和中部城市高技术产业发展水平均具有显著促进作用，对西部和东北部城市高技术产业发展水平的影响不显著；分行政级别来看，试点政策促进了一般地级市高技术产业发展水平提升，对副省级、直辖市和省会等高等级城市高技术产业发展水平的影响不显著；分资源禀赋来看，试点政策促进了非资源型城市高技术产业发展水平提升，对资源型城市高技术产业发展水平的影响不显著。第三，试点政策能够通过强化政策激励、增强科技型人才储备与改善创新环境对城市高技术产业发展水平产生间接促进作用。

基于以上研究结论，本文的主要政策建议如下：第一，推动创新型产业集群试点政策有序扩散。创新型产业集群试点政策的实施效果得到了肯定，为进一步发挥这一政策的经济效用，国家应有序推进创新型产业集群的深度建设。同时，加强对已有试点实施效果的动态跟踪评价，据此设计合理的监管、调整与改进机制以及必要的推动措施，切实发挥其创新驱动产业发展的引领示范效应。第二，优化创新型产业集群试点的空间布局。在试点推广过程中，应倡导因地制宜的发展战略，结合城市固有属性在试点布局上做出差异化安排。同时，要防止各地在创新型产业集群建设上盲目跟进、产业发展趋同化等现象，国家应从整体发展战略出发，结合地区特色资源优势，明确各试点主攻方向，聚焦区域产业链关键环节强链、补链，推动产业集群向全球产业链、价值链高端跃升。第三，积极探索创新型产业集群试点政策影响高技术产业发展的多维路径。影响各地高技术产业发展的因素众多，地方政府应进一步发挥创新战略引领者的角色，在市场配置资源的基础上，引导财政支出更多地向创新型产业倾斜，通过市场和政府的合力促进地方产业发展和科技创新结合；还要重视科技型人才的传导作用，强化人才战略，通过制定更加宽松的人才引进政策和更具吸引力的留住人才政策，为地方高技术产业发展做好人力资本支撑；同时，各地要抓住国家支持创新型产业集群试点建设的契机来改善创新环境质量，优化支撑高技术产业发展的软硬件基础设施与配套服务体系，促进高技术产业主体培育与载体建设。