中国高新技术产业集聚模式对绿色创新效率的影响研究

□ 王黎明 赵彦琳 王 帅

(山东理工大学 经济学院, 山东 淄博 255012)

一、引 言

随着中国经济进入高质量发展新阶段,经济发展模式须从粗放型向可持续发展型转变。但是2020年全国337个地级及以上城市中空气质量超标的占比40.1%，全年一次能源消费量占世界的比重为26.1%,创历史新高(1)数据来源于《2020 年全国生态环境质量简况》《世界能源统计年鉴2021》。。因此,以高水平生态保护推动经济高质量发展,全面实现绿色转型迫在眉睫。绿色创新通过利用新技术、新知识降低环境污染,同时获得相应经济收益,已成为创新发展的新路径。但是目前我国绿色创新效率存在区域发展不平衡问题[1-3]。高新技术产业作为知识密集型、环境友好型产业,是推动绿色转型的重要产业依托。现有研究文献虽然对影响绿色创新效率,包括环境规制[4]、对外直接投资[5]、政府补贴[6]、R&D投入[7]等因素进行了研究,但对产业不同集聚模式如何影响绿色创新效率尚未有深入的探讨。产业集聚区内,专业化和多样化不同类型集聚模式,因地区人口规模产生的集聚外部性,对绿色创新效率是具有一定影响的。因此,本文将采用2004—2019年中国大陆省级面板数据,从地区人口规模这一角度探讨产业集聚模式与绿色创新效率的关系。

二、文献综述

根据集聚外部性是否源于同一产业,产业集聚可划分为专业化集聚和多样化集聚。二者能否推动创新,学者们持不同意见。以Marshall、Arrow、Romer[8]为代表的学派认为同一行业在特定区域的专业化集聚有利于劳动力的共享以及知识的外溢,即专业化集聚正向促进创新,Baptista and Swann[9]、陈利[10]等通过研究证实了此观点;以Jacobs[11]为代表的学派则认为不同行业间的多样化集聚更能促进知识的流动和外溢,即多样化集聚更能促进创新,Feldman and Audretsch[12]、张璐[13]等通过论证支持这一基本观点。但卢飞[14]、雷振丹[15]等研究发现,专业化集聚和多样化集聚并不是互相对立,而是协同发展关系。

人口规模增长能够为劳动力聚集、学习溢出、公共物品共享以及多元化需求等带来积极效应[16]。对于专业化集聚,一方面,单一类型的企业集聚在同一地区,形成专业的劳动力和产品市场,降低企业生产成本。另一方面,同类企业共享知识和技术,创新要素在集聚区内迅速扩散,集中优势发展特色产业,充分发挥知识溢出效应,提升绿色创新效率。但继续扩大人口规模,造成环境恶化、拥挤、劳动力工资和土地价格上升等规模不经济问题,抵消集聚外部性[17],甚至会超过集聚收益[18],阻碍绿色创新效率。多样化集聚在人口规模发展初期,异质性信息、资源、技术等的共享存在较大障碍,难以形成规模优势。随着人口规模不断扩大,需求多样化、市场容量大、创新型人才集聚、知识和技术外溢效应明显,规模优势开始显现并逐步扩大。后期,由于人口规模扩大引致集聚负效应,甚至会不断加剧。

基于此,本文提出假设:H1:专业化集聚与绿色创新效率为倒“U”型关系;H2:多样化集聚与绿色创新效率为倒“U”型关系。

三、研究方法与数据来源

(一)研究方法

1.考虑非期望产出的Super-SBM模型

传统的DEA模型大多基于径向、角度的计量方法来评价,不能真实反映效率。SBM(Slack-based Measure)模型改进之后虽然避免了径向和角度导致的测度结果偏差,但在测度过程中可能出现多个决策单元同时有效的情况,不利于评价决策单元。因此,借鉴Tone[19]、Li et al[20]的方法,采用包含非期望产出的Super-SBM模型测算绿色创新效率,模型描述如下:

假设有n个决策单元,每个决策单元都包含投入、期望产出和非期望产出三个向量,若消耗m单位投入分别会产生s1、s2单位的期望产出和非期望产出。因此,这三个向量分别表示为x∈Rm,yg∈Rs1,yb∈Rs2将其定义为三个矩阵X、Yg、Yb,如下:

X=[x1,x2…xn]∈Rm×n

其中,X>0,Yg>0,Yb>0,则生产可能性集可以表示为:

ρ={(x,yg,yb)|x≥λx,yg≥λyg,

yb≥λyb,λ≥0}

则Super-SBM模型可以表示为:

其中,ρ*表示被评价DMU的效率值,ρ*越大,决策单元越有效率,且对于s-、sg和sb是严格单调递减的。S表示松弛量,s-为过多投入,sg为不足的期望产出,sb为过多的非期望产出,λ为各个变量的权重。

2.中介效应模型

借鉴温忠麟等[21]归纳的中介效应模型,采用层级回归,分别建立集聚模式对绿色创新效率、集聚模式对地区人口规模、集聚模式和地区人口规模对绿色创新效率的回归模型,探讨地区人口规模在产业集聚模式与绿色创新效率之间的作用机制,具体如下所示:

gieit=θ1Marit+θ2Jacobsit+

θ3MJit+θXit+εit

(1)

lnSizeit=∂1Marit+∂2Jacobsit+

∂3MJit+∂Xit+εit

(2)

gieit=β1Marit+β2Jacobsit+β3lnSizeit+

β4MJit+βXit+εit

(3)

3.门槛效应模型

为进一步探讨地区人口规模在产业集聚模式与绿色创新效率之间的作用范围,借鉴Hansen的面板门槛模型,构建专业化集聚和多样化集聚与绿色创新效率的多门槛回归模型如下:

gieit=μ+θ1MaritI(qit≤γ1)+

θ2MaritI(γ1

θnMaritI(qit>γn)+θXit+εit

(4)

gieit=φ+μ1JacobsitI(qit≤γ1)+

μ2JacobsitI(γ1

μnJacobsitI(qit>γn)+δXit+εit

(5)

i和t分别表示省份和年份,gieit表示绿色创新效率,Marit和Jacobsit分别表示产业专业化集聚和多样化集聚,lnSizeit表示地区人口规模,MJit表示专业化集聚和多样化集聚的交互项,qit为门槛变量,γ为门槛估计值;I(·)为示性函数;Xit表示其他控制变量。

(二)指标选取

被解释变量:绿色创新效率(gie)。绿色创新效率综合考量了经济收益、环境污染和能源消耗,因此涉及经济收益引致的期望产出效率和环境污染、能源消耗引致的非期望产出降低效率[22]。参考董会忠[3]等构建的评价体系,从投入、期望产出和非期望产出三个维度测度,并在此基础上处理相关指标,获得以下7项指标:选取R&D人员全时当量、运用永续盘存法处理得到的R&D资本存量、基于万t(吨)标准煤为单位的能源消耗总量分别代表人员、资本和能源投入指标;选取专利申请受理数、新产品销售收入、建成区绿化覆盖率作为期望产出指标;选取工业废水排放量、工业二氧化硫排放量和工业烟粉尘排放量、工业固体废弃物排放量,利用熵权法计算得到的污染排放综合指数作为非期望产出指标。

解释变量:专业化集聚(Mar)、多样化集聚(Jacobs)、地区人口规模(lnSize)。其中,地区人口规模采用各地区年末人口数来衡量;专业化集聚和多样化集聚,借鉴李金滟、宋德勇[23]的做法,采用高新技术产业各行业2的就业人数来衡量。计算公式如下:

Mari,t代表专业化集聚,Jacobsi,t代表多样化集聚。sij,t代表t时期i地区高新技术产业中j行业的从业人数与t时期i地区全行业的从业人数之比;sj,t代表全国高新技术产业中t时期j行业的从业人数与t时期全行业的从业人数之比。

2从2015年开始,高新技术产业由五个细分行业调整为六个细分行业,增加了信息化学品制造业。为了保持前后数据的统一性,本文只选用医药制造业、航空航天器及办公设备制造业、电子及通信设备制造业、计算机及办公设备制造业、医疗设备及仪器仪表制造业这五个细分行业作为考察对象。

控制变量:选取第三产业占GDP的比值表征产业结构,选取政府财政科技支出占地方财政支出的比重表征政府扶持强度,选取实际利用外商直接投资额表征对外开放度,选取污染治理完成投资额表征环境规制强度,选取年末城镇人口占总人口的比重表征城镇化程度,选取人均GDP表征经济发展水平。

表1 各变量定义与计算方法

(三)数据来源

基于数据的可获得性,以2004—2019年中国大陆省级层面(除西藏)的高新技术产业为研究样本,相应数据来源于EPS数据平台、《中国能源统计年鉴》、《中国环境统计年鉴》、《中国高技术统计年鉴》、《中国统计年鉴》,部分缺失数据通过线性插值得到。

四、集聚模式对绿色创新效率的影响研究

(一)绿色创新效率

运用MAXDEA Ultra7.1软件,对绿色创新效率进行测算,并计算各省域绿色创新效率均值(图1)。结果显示:中国高新技术产业绿色创新效率存在明显地区差异。北京、江苏、浙江、广东、天津、上海、重庆在30个省域中排名靠前;陕西、甘肃、青海、宁夏、新疆、贵州、湖北、江西、黑龙江、河北绿色创新效率排名靠后。北京绿色创新效率最高,为1.537;青海最低,为0.092。北京市凭借政府政策红利及领先的高技术企业集群吸引大量高素质人才,绿色创新效率领先优势较为明显;江苏、浙江、广东、天津、上海、重庆等省域往往出现创新要素冗余,完善创新体系,科学化、合理化其组织结构是提升绿色创新效率的关键;福建、海南、山西、海南等因有限的经济规模及地区人口规模,绿色创新效率较低;甘肃、青海、宁夏、新疆等绿色创新低效率省域,产业结构不合理创新要素流失,创新体系不完善等均是阻碍其绿色创新效率的重要因素。

图1 各省2004—2019年绿色创新效率均值

分区域看(图2),绿色创新效率呈现出东—中—西—东北依次递减的空间差异性,这与我国高新技术产业发展形势相一致。东部地区凭借雄厚的经济实力吸引大量高新技术企业、人才、资本等创新要素汇集,集聚外部性效应明显,而中部、西部以及东北地区自身经济规模有限,高新技术产业相对较少,难以形成集聚规模,高层次、战略性人才相对缺乏,R&D经费投入相对较少,自主创新不足,同时承接某些绿色创新高效率地区高耗能产业转移,导致这些地区陷入内生动力不足与发展绿色刚性需要“双重陷阱”尴尬境地。

图2 2004—2019年分区域绿色创新效率均值

(二)中介效应检验

首先Hausman检验在1%的水平下强烈拒绝模型为随机效应的原假设,因此采用固定效应模型。同时,为了确保结果有效性,对各变量做了膨胀因子(VIF)检验。VIF最大值为4.95,均值为2.76,远小于10,表明各数据没有很强的共线性,回归结果见表2。

表2 中介效应回归结果

从回归结果可知:多样化集聚在模型(1)系数为0.249 9,在1%的水平下通过检验,说明多样化集聚显著提升绿色创新效率。模型(2)以地区人口规模为被解释变量,系数为-0.007 4,在10%的水平下通过检验,说明多样化集聚在一定程度上阻碍地区人口规模扩大。模型(3)中多样化集聚的系数为0.241 5,地区人口规模的系数为-1.368 4,此时多样化集聚系数与(1)相比有所下降,这是因为地区人口规模在多样化集聚和绿色创新效率的关系中发挥了部分中介效应,且间接效应占总效应的比例为4.05%,说明多样化集聚对绿色创新效率的有4.05%的部分被地区人口规模所抑制。由模型(1)～(3)可知,专业化集聚抑制绿色创新效率,且不存在地区人口规模中介效应。

此外,产业结构、经济发展发展水平系数显著为负,说明当下我国高污染、高能耗的粗放型发展结构仍占主体地位,阻碍绿色创新活动。环境规制系数为负,说明环境规制的成本效应挤占企业创新支出,阻碍绿色创新效率。政府扶持强度系数为正,说明政府财政科技投入提升创新主体资本投入水平,对开展绿色创新活动有积极推动作用。对外开放度、城镇化程度系数显著为正,说明我国高新技术产业对外合作吸纳外部创新资源,增强核心竞争力,对内重塑城镇化发展理念、推动城镇化建设,有效促进绿色创新效率。

(三)门槛效应检验

对模型是否存在门槛效应进行检验,分别以Mar和Jacobs作为解释变量,lnSize作为门槛变量,利用Bootstrap“自抽样”法对门槛进行检验,检验结果见表3、表4。

表3 专业化集聚门槛效应检验

表4 多样化集聚门槛效应检验

专业化集聚在全国、西部地区对绿色创新效率不存在门槛效应,在东、中部地区5%、1%的水平下分别通过单门槛检验,门槛值分别为2 173、3 611,在东北地区5%的水平下通过双门槛检验,门槛值为4 315、3 835。

多样化集聚在全国对绿色创新效率5%的水平下通过了双门槛检验,门槛值为3 622.95、2 839,在东部地区5%的水平下通过了双门槛检验,门槛值为1 601、3 612,在中、西以及东北地区分别在5%,5%,1%的水平下通过了单门槛检验,门槛值分别为3 611、4 682、4 341。

确定门槛值以后,对高新技术产业不同集聚模式对绿色创新效率的地区人口规模门槛效应及其空间差异性进行检验,表5、表6分别为门槛估计结果。

表5 专业化集聚门槛模型估计结果

表6 多样化集聚门槛估计结果

1.对全国绿色创新效率的影响

专业化集聚对绿色创新效率不存在门槛效应,表明专业化集聚连续抑制绿色创新效率。多样化集聚对绿色创新效率存在双重门槛效应。当地区人口规模在第一个门槛值前后,多样化集聚系数由0.058 6上升到0.354 6,当地区人口规模跨过第二个门槛值后,多样化集聚系数转为0.078 3,系数均为正值,这表明多样化集聚能连续有效提升绿色创新效率,但系数在两个门槛值之间系数达到最大,说明此区间段内多样化集聚对绿色创新效率促进作用最强。

2.对地区绿色创新效率的影响

分区域看,东、中、西以及东北四个地区专业化集聚和多样化集聚两种集聚模式对绿色创新效率的地区人口规模门槛效应存在差异。东、东北两个地区人口规模门槛值前后专业化集聚系数均为负,但门槛值后的系数均大于门槛值前,阻碍作用进一步加强。中部地区门槛值前后专业化系数由正转为负,对绿色创新效率的作用由促进转为抑制。随着地区人口规模的扩大,三个地区专业化集聚对绿色创新效率的抑制作用逐步扩大,H1得到验证,体现在倒“U”型曲线的后半段。四个地区多样化集聚在地区人口规模门槛值前后系数均为正,但东部地区在两个门槛值之间多样化集聚系数最大,中部地区在门槛值之前多样化集聚系数最大,西部以及东北地区在门槛值后多样化集聚系数最大,这些区间段内多样化集聚对绿色创新效率的促进作用更明显。随着地区人口规模的扩大,四个地区多样化集聚对绿色创新效率的促进作用逐步扩大并慢慢减弱,H2得到验证,体现在倒“U”型曲线前半段。这也符合我国高新技术产业集聚特征。东部地区随着地区人口规模的扩大和发展,拥挤效应和规模不经济等负效应开始显现。自中部崛起战略深入实施以来,中部成为承接东部地区产业转移的主要载体,产业专业化集聚程度进一步增加,但承接的产业以劳动密集型为主,异质性不足,随地区人口规模的扩大,发展内生动力不足,提高内生动力与发展绿色产业将会是中部地区发展的重中之重。西部地区依丰富的资源禀赋、廉价的劳动力、土地吸引资源密集型企业集聚,与中部地区类似,西部地区作为产业承接地之一,长期粗放型的生产,大幅加大生态环境压力,倒逼西部地区布局绿色环保型产业。东北地区近年来由于投资环境不佳、创新要素流失严重,导致集聚程度较低,一定程度上阻碍创新。

更进一步地(表7),浙江、江苏、山东、广东等6个省域专业化集聚由于规模过分扩张发生“拥挤效应”以及产业、产品趋同现象,遏制了企业创新动力,一定程度阻碍了绿色创新效率,需加快高技术产品更新换代速度,合理规划产业结构,设置高技术企业的准入门槛。山西、江西、湖北、安徽、湖南、青海、宁夏、新疆、内蒙古、甘肃、重庆、贵州、陕西、吉林、黑龙江等15个省域在承接东部地区人才、技术等优势资源的同时,也加大了能耗及污染,遵循产业发展规律,积极引导产业集聚,完善高耗能产业准入机制,并通过制定严格的能耗政策倒逼企业转型升级,改善投资与营商环境,引进高素质、高层次人才是未来发展关键。云南、广西、四川、辽宁四个省域应扩大产品异质性,有效发挥多样化集聚的正外部性。

表7 2019年不同集聚模式对绿色创新效率提升的地区人口规模门槛效应分类

五、结论与讨论

本文以2004—2019年中国高新技术产业为研究对象,理论与实证相结合分析集聚模式如何通过地区人口规模水平影响绿色创新效率,得出以下结果:(1)中国高新技术产业绿色创新效率存在东中西东北依次递减的差异性特征。(2)产业集聚模式通过影响地区人口规模间接影响绿色创新效率。多样化集聚对绿色创新效率的作用中有4.05%的部分是通过地区人口规模发挥中介效应实现的。(3)专业化集聚阻碍绿色创新效率,且抑制作用随地区人口规模逐步扩大。多样化集聚促进绿色创新效率,且促进作用随地区人口规模先逐步扩大后慢慢减弱。浙江、江苏、山东、广东等6个省域已进入集聚负外部性不断加大的阶段,云南、广西、四川、辽宁4个省域正处于多样化集聚正外部性显著发挥作用的阶段。此外,产业结构、经济发展水平、环境规制阻碍绿色创新效率,对外开放程度、政府支持力度、城镇化程度则促进绿色创新效率。

针对上述结论,本文提出建议如下:

第一,倡导差异化发展。各区域应根据资源禀赋、发展现状因地制宜制定差异化战略，进一步提升各省域绿色创新效率。东部地区应利用其经济优势,积极发挥高新技术产业知识溢出效应、辐射作用,带动周边低效率城市向高效率发展;中西部及东北地区在承接东部地区高新技术产业转移时设置一定的门槛,提高集聚质量,并加大绿色专项技术的研发与推广,加速高污染、高耗能高技术企业的绿色转型,引导区域绿色创新发展。细化到各省域,如山东省应继续深化发展新材料、新医药、电子信息、智能装备制造业等支柱型产业;山西省煤炭资源和中医药资源丰富,可考虑发展节能环保(以煤气层为主)和中医药产业;陕西省航空航天及设备制造业在全国范围内表现出绝对优势,应充分引导航空企业的发展。

第二,适宜引导产业集聚。由于地区人口规模导致集聚模式对绿色创新效率的影响存在差异,因此,未来各区域及省域在引导产业集聚时,应选取适合的集聚模式及产业扶持政策,切实发挥产业集聚的正外部性。人口规模较小的区域应继续发挥专业化集聚优势,同时在基础设施、人才引进、税收优惠、投融资平台建设等方面积极改善产业集聚区的软环境,吸引更多企业入驻;人口规模大的区域,要以发挥产业比较优势为导向,引导产业多样化集聚,同时通过完善产业链、突破核心关键技术、优化地区产业结构,形成多元化的产业集聚格局。

第三,合理化地区人口规模。集聚模式对绿色创新效率的地区人口规模门槛效应要求各地区根据其特征合理化地区人口规模。首先,各地区应根据当地优势资源、特色产业制定相关人才政策,使人才与本地产业紧密联系,充分发挥人才集聚的知识溢出效应。其次,需要建立一个协调服务部门,将各项人才政策收集汇总,以发挥政策合力作用。引入人才时,需创造出错位竞争优势。欠发达地区应区别于北上广深等热门地区制定人才政策,不盲目追寻高精尖人才,而是要根据自身定位寻找与地区相匹配的人才,必要的话,可以在相关方向给予政策倾斜。最后,引进人才应向自我培育转变。各地区应通过产学融合,联合开展人才培育,有计划地培养与本地产业方向相一致的人才,并辅以相应的政策优惠,吸引人才扎根本土,促使地区人口规模与产业集聚平衡发展,提升绿色创新效率。□