产业协同集聚对区域创新效率的影响研究——以高技术产业与生产性服务业为例

崔蓬伟，谷人旭，王腾飞

（华东师范大学a.城市发展研究院；b.城市与区域科学学院，上海 200241）

0 引言

高技术产业是资本、知识与技术密集型产业，产品附加值高［1］，且与服务业产业关联度较高［2］。生产性服务业贯穿制造业产业链，是产业创新的重要推动力［3］。相比单一产业的专业化集聚，制造业与生产性服务业协同集聚对区域生产力的提升作用更强［4］。随着我国经济发展进入新常态，科技创新成为经济发展的新动力［5］。当前我国已步入高质量发展阶段，但区域间创新能力不平衡问题依旧突出。“十四五”规划提出将现代服务业与先进制造业深度融合，以构建优质高效的服务产业新体系，从而解决我国制造业“大而不强”，服务业亟待融合式创新发展的现实问题。高技术产业发展水平是区域经济发展水平和创新能力的重要体现，探究高技术产业与生产性服务业协同集聚的时空演化与区域影响有利于推动生产性服务业融合创新与制造业转型升级，提高区域创新水平［6］。

在产业协同集聚研究中，国外学者关注形成机理讨论，国内学者则关注产业协同集聚测度及其对区域发展的影响［7］。①协同集聚概念由Ellison 等［8］提出，即在生产上关联的产业往往呈现出地理集聚的现象。Ellison等［9］学者还进一步研究了产业协同集聚的形成机制，认为Marshall［10］提出的劳动力市场共享、产业投入产出关联和技术外溢等产业集聚要素也适用于对不同产业协同集聚的解释。②产业协同集聚水平测度涉及国家级新区、城市、省域和国家等不同层面，受信息传输能力、交通设施水平、政策、人力资源等多方面影响，我国产业间协同集聚程度存在较大的区域差异［11］。③不同产业协同集聚的效应研究以制造业与服务业及其细分行业为主要对象，研究主题包括对产业发展、经济增长、绿色发展、区域创新的影响，研究形式包括对产业协同集聚效应的直接分析和产业协同集聚效应与单一产业集聚效应的对比分析。首先，产业协同集聚可以促进产业升级［12］，提高区域生产力［13］，降低环境污染程度［14］。其次，产业协同集聚可能对区域创新产生不同影响：一方面，产业协同集聚通过共享创新资源［15］促进知识溢出和细化产业链分工［7］，进而促进区域创新；另一方面，过度集聚可能产生拥挤效应或产业发展的路径依赖，从而阻碍区域创新［15，16］。由此可见，现有针对产业协同集聚与区域创新的研究呈现以下3 个方面的特征：一是研究对象多为制造业与生产性服务业协同集聚，鲜有针对高技术产业与生产性服务业的讨论。中国在世界高技术产品贸易网络中处于核心节点，高技术产业发展迅速且与生产性服务业产业关联度高，二者的协同集聚值得讨论；二是研究主题多为产业协同集聚的测度、集聚机理及其对区域经济发展的影响，对新常态下区域创新发展关注较少；三是区域创新效率相比创新产出更能体现区域创新的综合效果，而目前关于产业协同集聚对区域创新效率影响的讨论较少。

基于此，本文以我国30 个省份为研究区域，分析高技术产业与生产性服务业协同集聚的时空特征与行业特征，并分析二者协同集聚对于投入—产出视角下区域创新效率的影响及其异质性，以期为我国科学布局高技术产业与生产性服务业，加快创新型国家建设，推动新常态下经济高质量发展提供有益的参考。

1 数据来源与研究方法

1.1 数据来源

高技术产业是R＆D 投入强度相对高的制造业行业。生产性服务业是贯穿于制造业产业链的不同功能环节，并为实现制造业产业附加值提供研发、营销和管理等保障服务的行业［17］。依据《中国高科技产业统计年鉴》、《国民经济行业分类》（GB/T4754 -2017）和《生产性服务业统计分类（2019）》筛选行业，在考虑数据可得性后，剔除航空、航天器及设备制造业和信息化学品制造业两类高技术产业，最终确定本文研究的高技术产业与生产性服务业具体产业（表1）。本文主要分析高技术产业与生产性服务业协同集聚水平及其对创新效率的影响，并同一般制造业（C）与生产性服务业协同集聚进行对比分析。产业协同集聚测度、区域创新效率评价和控制变量数据来自《中国高科技产业统计年鉴》《中国城市统计年鉴》《中国统计年鉴》《中国科技统计年鉴》和《中国劳动统计年鉴》。其中，产业协同集聚测度、区域创新效率评价中的投入项和控制变量数据时限为2009—2019 年，区域创新效率评价中的产出项数据时限为2010—2020 年。

表1 产业名称与字母表示对照Table 1 Industry name and letter representation comparison

考虑到数据的可得性与连续性，本文选取除西藏自治区、香港特别行政区、澳门特别行政区和台湾地区外的30 个省份进行分析。参考国家统计局的区域划分方法，将30 个省份划分为东部地区（北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南），中部地区（山西、安徽、江西、河南、湖北和湖南）、西部地区（内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆）和东北地区（辽宁、吉林和黑龙江）。

1.2 研究方法

区位商相对差异指数：现有研究主要以两种方法测度产业协同集聚程度，分别为E- G 指数法、区位商相对差异指数法。其中：E-G指数法侧重于衡量单一区域的整体集聚程度［18］；而区位商相对差异指数法可测度整体区域不同地区内部协同集聚程度［19］。本文基于区位商指数，测度高技术产业与生产性服务业协同集聚程度，并在总集聚程度测算基础上区分协同集聚质量与协同集聚深度。其具体测度公式如下：

式（1）—（4）中：CO、COq、COd分别为产业协同集聚度、产业协同集聚质量、产业协同集聚深度；LQij为i 地区j 产业区位商；Qij为i 地区j 产业就业人数；qi为i 地区总就业人数；qj为全国j 产业总就业人数；q 为全国所有产业总就业人数；m 与n 分别为不同的产业。

产业协同集聚质量COq表示两种产业的区位商接近程度，当某一区域高技术产业与生产性服务业的区位商较大、中等或较小时，协同集聚质量的结果较高。产业协同集聚深度COd以高技术产业与生产性服务业区位商之和表示，单一产业集聚水平的提高即可引起产业协同集聚深度的提升。产业协同集聚度CO 反映了高技术产业与生产性服务业整体协同集聚程度，当区域内高技术产业与生产性服务业专业化集聚程度较高时，产业协同集聚度呈现高值［19］。

数据包络分析：以数据包络分析（Data Envelopment Analysis，DEA）方法评价区域创新效率。由于区域创新受区域发展水平与政策等条件影响，本文选用基于规模报酬可变（VRS）假设的BCC模型进行区域创新效率评价。基于评价指标体系，得出区域创新纯技术效率（vrste）、规模效率（scale）和二者乘积综合效率（crste）3 个结果。本文重点分析了产业协同集聚对区域创新综合效率（crste）的影响。

以投入与产出的角度评价区域创新效率：在区域创新投入中，R＆D 人员是参与区域创新的人力资本，体现了区域创新潜力。R＆D 经费可以表示区域对于研发的实际资金投入。企业是产品生产与更新的主体，规模以上工业企业R＆D项目数可以体现企业对区域创新的重视与促进。因此，统筹考虑区域创新人员投入、经费投入与企业支持，选择R＆D 人员全时当量、R＆D经费内部支出和规模以上工业企业R＆D项目数作为投入指标。在区域创新产出方面，科技论文、专利授权与新产品销售收入分别是区域创新在知识创造、技术提升与市场转化层面的体现。SCI、EI和CPCI- S等主要检索工具涵盖基础研究与应用研究的主要创新科研成果。专利授权数包括发明专利、实用新型专利和外观设计专利。高技术产业新产品销售收入可以体现创新成果的市场竞争力。因此，统筹考虑科研产出与经济产出，本文选择专利授权数、主要检索工具收录科技论文篇数和高技术产业新产品销售收入作为产出指标。评价体系共包含6 个指标，小于评价单元总数的1/3，具有可行性［20，25］。

表2 区域创新效率评价指标体系Table 2 Index system of regional innovation efficiency evaluation

区域创新投入需要一定的时间才可转化为区域创新产出。因此，在对区域创新效率的评价中参考已有研究中的处理方式［21］，将区域创新投入对产出的滞后时间设定为1 年，创新投入项选取2009—2019年数据，创新产出项选取2010—2020 年数据，由此得出2009—2019 年我国30 个省份的创新效率。

面板Tobit 回归分析：由BCC 模型评价得出的区域创新效率取值为0—1，且区域创新效率与产业协同集聚指数测度均可得出连续年份结果，因此本文采用面板Tobit 模型分析2009—2019 年高技术产业与生产性服务业协同集聚对区域创新效率的影响。设定计量模型如下：

式中：Y 为被解释变量；X 为解释变量；Z 为控制变量；α为常数；εit为随机扰动项。

变量名称及定义如表3 所示：①政府支持。在区域创新中，政府承担着创新资源整合与调控、创新激励政策实施、区域基础设施建设等方面职能。政府支持是我国中西部地区创新活动的重要推动力，而政府的过度干预也可能阻碍企业释放创新活力［22］。②基础设施。良好的基础设施建设有利于创新人才聚集和创新成果交流，而交通便捷性是基础设施完备性的反映［23］。③对外开放水平。创新活动需要来自区域内部的自主创新和来自区域外部的交流与学习，同时对外开放水平的提高也可能对本地资源产生“挤出效应”。④人力资本水平。人才是创新活动的行为主体，劳动者素质越高的地区通常更善于有效利用各类创新资源，实现知识与技术的融合，促进区域创新效率提高［24］。⑤创新基础。创新投入影响创新能力提升，区域创新基础为创新活动提供资金保障，对区域创新效率产生直接影响。⑥经济发展水平。经济发展水平高的地区可以为创新活动提供更加充足的创新资源与更加便利的创新条件，从而吸纳更多的创新人才，促进区域创新效率提升［25］。

表3 面板Tobit回归模型指标体系Table 3 Index system of panel Tobit regressionmodel

2 产业协同集聚程度演化特征

2.1 协同集聚程度演化的区域分析

2009—2019 年，全国高技术产业与生产性服务业协同集聚程度呈上升趋势，其协同集聚程度低于一般制造业与生产性服务业协同集聚程度，这一差距随时间演化呈缩小趋势。在研究时段内，高技术产业与生产性服务业协同集聚水平的提高主要表现为协同集聚度和协同集聚深度的提升，协同集聚质量提升不明显（图1）。对全国平均水平而言，高技术产业与生产性服务业单一产业专业化集聚水平的提升促进了产业间协同集聚深度和协同集聚度的提高，但两类产业集聚水平接近程度较低，集聚水平差距仍然存在。

图1 2009—2019 年产业协同集聚水平均值对比Figure 1 Comparison of the average level of industrial collaborative agglomeration from 2009 to 2019

高技术产业与生产性服务业协同集聚水平存在区域差异：总体协同集聚度、协同集聚质量与协同集聚深度均表现为东部与中部地区各省份平均值高于西部与东北地区省份平均值，这一差距在总体协同集聚度和协同集聚深度上呈缩小趋势。其中，高技术产业与生产性服务业协同集聚深度高值逐渐于沿海与沿长江省份聚集分布，协同集聚程度的区域差异性源于各省份间高技术产业与生产性服务业专业化集聚水平的差异。

在各区域的发展中，东部地区各省份产业协同集聚程度较高，2009—2019 年呈下降趋势。广东、江苏与上海的协同集聚度与协同集聚深度较高，天津、山东、浙江与福建的协同集聚质量较高（图2）。东部地区各省份具有较好的产业集聚基础，高技术产业与生产性服务业区位商均值较高，在协同集聚度上也呈现出高值分布。中部地区各省份的均值在2009—2019 年呈明显提升，其中，协同集聚质量均值由2009 年略高于全国均值提升至2019 年全国最高。江西高技术产业与生产性服务业在协同集聚度、协同集聚深度和协同集聚质量上都呈明显的上升趋势；湖南与河南的产业协同集聚质量提升明显。西部地区各省份协同集聚度均值较低，2009—2019年整体呈增长趋势。四川、重庆在西部各省份中处于高值，内蒙古、新疆与甘肃协同集聚深度值较低，这些省份高技术产业和生产性服务业专业化集聚均处于低水平；青海协同集聚深度经历了先降低后升高的过程，其协同集聚质量未发生明显的改变。东北三省高技术产业与生产性服务业的协同集聚深度与协同集聚质量均值较低，在2009—2019 年呈下降趋势。其中，东北三省高技术产业专业化集聚程度远低于平均水平，由此造成高技术产业与生产性服务业协同集聚度降低。

图2 2009—2019 年高技术产业与生产性服务业协同集聚程度演变Figure 2 Evolution of the degree of collaborative agglomeration of high- tech industry and producer services from 2009 to 2019

2.2 协同集聚程度演化的产业分析

除空间分布差异外，全国高技术产业与生产性服务业细分产业对呈现不同水平的协同集聚。各产业对协同集聚度的全国均值呈现明显差异：2009—2019 年，医药制造业（R）与水利、环境和公共设施管理业（N），科学研究、技术服务和地质勘查业（M），教育（P）组成的产业对协同集聚度均值较高。电子及通信设备制造业（S）、计算机及办公设备制造业（T）与信息传输、软件和信息技术服务业（I）、租赁和商务服务业（L）组成的产业对协同集聚度均值较低（表4）。即在高技术产业中，医药制造业更易实现与生产性服务业在特定空间范围内的协同集聚，电子及通信设备制造业、计算机及办公设备制造业与生产性服务业协同集聚度较低。

表4 2009—2019 年协同集聚度全国均值前五组与后五组产业对及其结果Table 4 National average value of synergistic agglomeration for the top five and bottom five industry pairs and their r esults from 2009 to 2019

考虑细分产业对所在省份，整理出2009 年、2014年、2019 年所有省份高技术产业与生产性服务业细分产业对协同集聚水平的前十组和后十组（表5）。在考虑具体年份、区域及产业对的情况下，高技术产业与生产性服务业协同集聚水平分异较大：高值组集中出现于天津、广东、重庆等经济发展水平较高的省份，低值组集中出现在西藏、内蒙古、山西、陕西等中西部省份。2009 年和2014 年，居民服务、修理和其他服务业（O）与高技术产业协同集聚度分别出现于前十组和后十组中，表明居民服务、修理和其他服务业（O）与高技术产业协同集聚水平在不同地区及产业间分异较大。2019 年，计算机及办公设备制造业（T）与生产性服务业协同集聚度分别出现于前十组与后十组中，结合表4 计算机及办公设备制造业（T）与生产性服务业协同集聚度均值较低的特征，可知计算机及办公设备制造业（T）与生产性服务业协同集聚水平在不同地区和不同细分产业间差异较大。医药制造业（R）与生产性服务业细分行业协同集聚水平均值较高且少有突出高值与低值，即医药制造业（R）与生产性服务业细分行业协同集聚水平普遍较高。

表5 2009、2014、2019 年协同集聚度前十组与后十组产业对及其结果Table 5 The top ten and bottom ten industry pairs and their results of collaborative agglomeration in 2009，2014，2019

3 协同集聚对区域创新效率的影响

3.1 综合影响

面板Tobit回归结果如表6 所示。

表6 产业协同集聚度对区域创新效率影响的对比分析Table 6 Comparative analysis of the influences of industrial collaborative agglomerations on regional innovation efficiency

从表6 可见：①高技术产业与生产性服务业协同集聚度的提高可以显著提升区域的创新效率，而一般制造业与生产性服务业协同集聚对区域创新效率的提升无明显作用。在同一区域内，高技术产业与生产性服务业协同集聚更容易实现创新资源共享，一般制造业与生产性服务业间的知识溢出不明显。②高技术产业与生产性服务业协同集聚质量对于区域创新效率的提高无显著影响，而一般制造业与生产性服务业协同集聚质量的提升对于区域创新综合效率的增长有抑制作用。一般制造业与生产性服务业专业化集聚水平越接近，越可能产生创新资源争夺与“拥挤效应”，由此阻碍区域创新效率的提高。③高技术产业与生产性服务业协同集聚深度的扩大促进了区域综合创新效率的提高，而一般制造业与生产性服务业协同集聚深度的变化对区域创新效率的提高无明显影响。与一般制造业相比，高技术产业专业化集聚水平的提高更能促进区域创新要素整合。

因此，相较于一般制造业，高技术产业与生产性服务业协同集聚可以更显著地提升区域创新效率。具体而言，当高技术产业与生产性服务业在同一区域集聚并发展时，二者集聚水平的接近并不能引起区域创新效率的提高，二者集聚水平的提升才可以促进区域创新效率增加。相比于协同集聚质量，高技术产业与生产性服务业协同集聚深度的增加对区域创新效率的促进作用更为明显。另外，政府支持力度的加大，对外开放水平和经济发展水平的提高，可以促进区域创新综合效率的显著增长。现有区域创新基础阻碍了区域创新效率提升，创新投入未能有效转化为创新产出。基础设施建设和人力资本水平对区域创新效率无明显影响。

3.2 区域异质性

区域之间在经济发展、社会治理等多方面存在差异，关于产业集聚的研究应考虑行业与区域异质性［26］。不同区域间，高技术产业与生产性服务协同集聚对于区域创新效率的影响也不尽相同（表7）。具体表现为：①东部地区各省份高技术产业与生产性服务业协同集聚水平的提高对于区域创新效率的促进作用不显著。区别于全国平均水平，东部各省份基础设施水平与人力资本水平的发展显著阻碍了区域创新，而区域创新基础促进了东部各省份创新效率的提高。②中部地区各省份高技术产业与生产性服务业整体协同集聚水平的提高可以显著促进区域创新效率提升。其中，产业协同集聚深度的增大对于区域创新效率的提升有显著的正向作用，而产业协同集聚质量的提升对于区域创新效率的提升无显著影响。③西部地区各省份高技术产业与生产性服务业协同集聚水平的提高未能明显提升区域创新效率。2009—2019 年，西部各省份高技术产业与生产性服务业协同集聚程度处于较低水平，未能有效促进区域创新综合效率的提升。西部省份经济发展水平与对外开放水平相对较低，创新基础薄弱，政府支持显著促进了区域创新效率的提升。②东北地区各省份高技术产业与生产性服务业整体协同集聚水平的提高可以提升区域创新效率。产业协同集聚质量的提高或集聚深度的增大不能单方面显著促进区域创新效率的提升，只有高技术产业与生产性服务业专业化集聚水平均处于高值，且集聚深度与集聚质量均较高时，不同产业间才能实现高效的知识流动，从而提升东北各省份创新综合效率。

表7 高技术产业与生产性服务业协同集聚对区域创新效率影响的区域异质性Table 7 Regional heterogeneity on the impact of high- tech industry and producer services collaborative agglomeration on regional innovation efficiency

3.3 行业异质性

高技术产业与生产性服务业整体协同集聚度的提高可以提升区域创新综合效率。为分析这一促进作用是否具有行业异质性，将高技术产业进行细分，讨论各类高技术产业与生产性服务业协同集聚度对区域创新效率的影响（表8）。电子及通信设备制造业（S）与生产性服务业协同集聚对区域创新效率的提高有明显促进作用。计算机及办公设备制造业（T）与生产性服务业协同集聚对区域创新效率的提高有抑制作用，其协同集聚更可能在区域形成“拥挤效应”或产业发展的路径依赖，从而抑制区域创新效率提升。医药制造业（R）、医疗仪器设备及仪器仪表制造业（U）与生产性服务业协同集聚对于区域创新效率的提高无明显影响，其协同集聚不能明显促进区域技术进步或创新规模扩大。因此，不同细分类别的高技术产业与生产性服务业协同集聚对区域创新效率的影响具有产业异质性，影响性质不同且影响程度有差异。

表8 高技术产业与生产性服务业协同集聚对区域创新效率影响的行业异质性Table 8 Industry heterogeneity on the impact of high- tech industry and producer services collaborative agglomeration on regional innovation efficiency

4 结论与政策启示

本文通过区位商相对差异指数、数据包络分析和面板Tobit 回归分析，研究了2009—2019 年我国30 个省份高技术产业与生产性服务业协同集聚特征，分析其对区域创新效率的影响及其异质性，并与一般制造业进行对比。主要结论如下：①相比一般制造业，高技术产业与生产性服务业协同集聚程度较低，这一差距在逐渐缩小。高技术产业与生产性服务业协同集聚水平的提高源于整体协同集聚度和协同集聚深度的提升，协同集聚质量提高较少。东部与中部地区各省份的产业协同集聚程度高于西部地区与东北地区省份的平均值，高技术产业与生产性服务业协同集聚深度经过演变发展为沿海与沿长江省份高值分布的格局。②高技术产业与生产性服务业整体协同集聚度和协同集聚深度的增大促进了区域创新综合效率的提升。一般制造业与生产性服务业整体协同集聚度和协同集聚深度的提高对区域创新效率的提升无明显作用，一般制造业与生产性服务业协同集聚质量的提高阻碍了区域创新效率的提升。相较而言，高技术产业与生产性服务业协同集聚对区域创新效率的提升作用更为显著。③高技术产业与生产性服务业协同集聚对区域创新效率的影响呈现区域异质性。东部与西部各省份高技术产业与生产性服务业协同集聚水平的提高对于区域创新效率的促进作用不显著；中部地区各省份高技术产业与生产性服务业整体协同集聚水平的提高可以显著促进区域创新效率提升，其中，产业协同集聚深度的增大对于区域创新效率的提升有显著的正向作用；东北地区各省份高技术产业与生产性服务业整体协同集聚水平的提高促进了区域创新效率增长。④高技术产业与生产性服务业协同集聚对区域创新效率的影响呈现行业异质性。高技术产业不同细分行业与生产性服务业集聚对于区域创新效率影响的性质不同，其影响存在促进、阻碍与无明显作用等不同结果。电子及通信设备制造业与生产性服务业协同集聚可以促进区域创新效率提升，计算机及办公设备制造业与生产性服务业协同集聚对区域创新效率的提高有抑制作用，而医药制造业、医疗仪器设备及仪器仪表制造业与生产性服务业协同集聚对于区域创新效率的提高无明显影响。

结合上述研究，提出以下政策启示：①兼顾产业协同集聚质量与深度，提高产业协同集聚整体水平。高技术产业与生产性服务业协同集聚对区域创新效率的提升作用强于一般制造业，大多区域高技术产业与生产性服务业协同集聚水平较低，应促进高技术产业与生产性服务业深度集聚。不同产业集聚水平的接近和集聚程度的提高均可影响区域创新效率，仅追求单一产业集聚度的提高是片面的，因此应逐步提高产业协同集聚水平。②立足区域基础与产业发展需求，科学布局高技术产业与生产性服务业。在创新驱动发展背景下，区域发展应以本地产业协同集聚的客观事实为依据，基于本地产业基础聚集高技术产业和生产性服务业。知识溢出与技术创新需要区域禀赋支撑，要统筹考虑本地资源、区域发展水平和产业发展的要素需求，发挥区域优势，促进产业协同集聚。③关注区域创新效率演变趋势，因地制宜构建创新环境。依据区域内的发展瓶颈制定创新发展政策：东部地区应转变以“经济增长”为核心的基础设施建设，更多考虑创新发展的环境需求；中西部和东北地区应加强政府对区域创新的政策支持，以更科学的扶持方式增强创新投入，同时通过经济发展为区域创新提供基础。