溢出效应、城市规模与动态产业集聚
|
摘要
运用中国2003—2014年的省级面板数据,在动态框架下考察了产业集聚变化的影响因素。实证研究发现:产业内溢出通常会对动态产业集聚产生负效应,且在长期会变得更加明显;产业间溢出能显著促进动态产业集聚,其主要来源是靠近中间投入品供给市场与共享专业化劳动力市场;城市规模对产业集聚的净效应在短期内显著为正,但在中长期则不明显。进一步分析认为,多元产业集聚是实现技术创新、产业/产城融合与区域发展之间良性循环的基础。
Using the provincial panel data from 2003 to 2014 in China, this paper examined the influencing factors of the development of agglomeration in a dynamic framework. The empirical results are as follows. Firstly, inter-industry spillover usually has a negative effect on dynamic industrial agglomeration, and it becomes more obvious in the long run. Secondly, intra-industry spillover,which mainly comes from the proximity of the supply markets of intermediate inputs and the sharing of specialized labor pool, can significantly promote dynamic industrial agglomeration.Finally, the net effect of city size on industrial agglomeration is significantly positive in the short term, but not obvious in the medium and long term. Further analysis believes that multi-industry agglomeration is essential for the benign circulation among technological innovation, industry co-agglomeration, industry-city integration and regional development.
Using the provincial panel data from 2003 to 2014 in China, this paper examined the influencing factors of the development of agglomeration in a dynamic framework. The empirical results are as follows. Firstly, inter-industry spillover usually has a negative effect on dynamic industrial agglomeration, and it becomes more obvious in the long run. Secondly, intra-industry spillover,which mainly comes from the proximity of the supply markets of intermediate inputs and the sharing of specialized labor pool, can significantly promote dynamic industrial agglomeration.Finally, the net effect of city size on industrial agglomeration is significantly positive in the short term, but not obvious in the medium and long term. Further analysis believes that multi-industry agglomeration is essential for the benign circulation among technological innovation, industry co-agglomeration, industry-city integration and regional development.
引文
[1]Kim S. Expansion of markets and the geographic distribution of economic activities:The trends in US regional manufacturing structure,1860-1987[J]. The Quarterly Journal of Economics,1995,110(4):881-908.
[2]Kim S. Regions,resources,and economic geography:Sources of US regional comparative advantage,1880-1987[J].Regional Science and Urban Economics,1999,29(1):1-32.
[3]Ellison G,Glaeser E L. The geographic concentration of industry:Does natural advantage explain agglomeration?[J]. The American Economic Review,1999,89(2):311-316.
[4]白重恩,杜颖娟,陶志刚,等.地方保护主义及产业地区集中度的决定因素和变动趋势[J].经济研究,2004(4):29-40.
[5]金煜,陈钊,陆铭.中国的地区工业集聚:经济地理、新经济地理与经济政策[J].经济研究,2006(4):79-89.
[6]Surico P. Geographic concentration and increasing returns[J]. Journal of Economic Surveys,2003,17(5):693-708.
[7]韩峰,柯善咨.空间外部性、比较优势与制造业集聚——基于中国地级市面板数据的实证分析[J].数量经济技术经济研究,2013(1):22-38.
[8]Rosenthal S S,Strange W C. The determinants of agglomeration[J]. Journal of Urban Economics,2001,50(2):191-229.
[9]黄玖立,李坤望.对外贸易、地方保护和中国的产业布局[J].经济学(季刊),2006,5(3):733-760.
[10]李世杰,胡国柳,高健.转轨期中国的产业集聚演化:理论回顾、研究进展及探索性思考[J].管理世界,2014(4):165-170.
[11]陈建军,陈怀锦,刘月.预期、集聚的动态演化与政策:基于文献的讨论[J].浙江大学学报(人文社会科学版),2015(4):130-141.
[12]Rosenthal S S,Strange W C. Evidence on the nature and sources of agglomeration economies[A]//In J V Henderson,J Thisse(eds.). Handbook of regional and urban economics(Vol. 4)[M]. Amsterdam:Elsevier,2004:2119-2171.
[13]Combes P P,Gobillon L. The empirics of agglomeration economies[A]//In G Duranton,J Vernon,W C Strange(eds.).Handbook of urban and regional economics(Vol.5A)[M]. Amsterdam:Elsevier,2015:328-336.
[14]Glaeser E L,Kallal H D,Scheinkman J A,et al. Growth in cities[J]. Journal of Political Economy,1992,100(6):1126-1152.
[15]Henderson V,Kuncoro A,Turner M. Industrial development in cities[J]. The Journal of Political Economy,1995,103(5):1067-1090.
[16]Combes P P,Magnac T,Robin J M. The dynamics of local employment in France[J]. Journal of Urban Economics,2004,56(2):217-243.
[17]薄文广.外部性与产业增长——来自中国省级面板数据的研究[J].中国工业经济,2007(1):37-44.
[18]贺灿飞,潘峰华.中国城市产业增长研究:基于动态外部性与经济转型视角[J].地理研究,2009,28(3):726-737.
[19]吴三忙,李善同.专业化、多样化与产业增长关系——基于中国省级制造业面板数据的实证研究[J].数量经济技术经济研究,2011,28(8):21-34.
(1)“三高一低”是指高投入、高消耗、高污染、低效益,“三低一高”是指低投入、低消耗、低污染、高效益。
(2)目前,中国林业的第二、第三产业占比约为66%,而发达国家的这一比例一般均超过70%,甚至高达90%以上。其中,中国林业第三产业产值的占比仅为16%,说明林业产业转型升级的空间很大。
(3)若劳动力技能不受区位或产业影响,那么在集聚分析中则不需要考虑该因素,此时sc,s,t反映的是纯粹的劳动力市场因素,应包含在市场因素中。然而,不同技术水平的劳动力更易集聚在某个区位或产业,因而此时应将选择效应作为集聚的影响因素加以考虑。
(4)MAR外部性和Poter外部性都认为技术外部性主要发生在同一产业内(即专业化的影响),但前者认为垄断有利于产业增长,因为它能将外部性内部化,而后者则认为竞争有利于创新和模仿,因而可以加快产业发展。与此不同,Jacobs外部性强调的是不同产业的企业之间的知识溢出(即聚焦多元化的影响)。
(5)其中,吴三忙和李善同(2011)的结论与Gleaser(1992)的结论相一致,且薄文广(2007)的研究也表明MAR外部性与城市制造业产业就业增长存在负向关系。贺灿飞和潘峰华(2009)的研究表明,MAR外部性和Poter外部性与城市制造业就业增长存在非线性关系,且当专业化和竞争超过一定水平时就会抑制产业增长。薄文广(2007)、贺灿飞和潘峰华(2009)的研究结果表明,城市多样化水平在达到一定程度后才会显著促进产业增长。
(6)受数据可得性的限制,本文无法获得区域-产业就业的个体数据。但上述分析表明,城市规模有助于提升sc,t,因此可以考察城市规模对区域产业就业变动的影响,以间接揭示城市劳动力特征对产业集聚动态变化的作用。
(7)由于尚不存在成熟的实证结果来指导如何设定产业内溢出与产业间溢出,因此本文借鉴Hanlon和Miscio(2017)的方法,将它们简单表示为产业就业人数的线性函数。
(8)在分析产业集聚的影响因素时,部分文献首先计算每个产业的集聚指数或产业的共同集聚指数,然后将其作为被解释变量。本文将区域产业就业人数变化而不是集聚指数变化作为被解释变量,原因在于:一是在计量分析时若被解释变量和部分解释变量都利用就业人数来构建,则会使得解释变量对被解释变量的意义变得难以解释,因而建议使用产业就业人数作为被解释变量,以识别集聚的机制(Dumais et al.,2002;Combes and Gobillon,2015);二是利用集聚指数分析集聚长期趋势的文献表明,产业集聚水平较为稳定或变动较小(Kim,1995;Dumais et al.,1997;路江涌、陶志刚,2007),因而不适合作被解释变量。
(9)实证模型省略了式(11)中的Δlnwt+1,是因为该时间效应与区域-时间效应和产业-时间效应的同时引入会带来共线性问题。
(10)此处,投入-产出关联、劳动力共享与马歇尔外部性的来源(即中间投入品共享、劳动力池)有不同含义,其中马歇尔外部性中的中间投入共享和劳动力共享是货币外部性的来源。本文将这些参数与就业人数的乘积放入计量方程,衡量的是产业间知识溢出,反映的是产业s的中间投入供给产业k的技术对该产业技术进步的影响。
(11)将产业的职业分类特征作为劳动力池的衡量指标并不全面(Kolko,2010),因为职业分类不能完全反映劳动力的技术水平或专业化水平,而专业化劳动力或不同技能水平的劳动力则更容易集聚在一起,因而在衡量劳动力池时加入产业就业人口特征是一个有益补充。不过,即使不考虑产业就业人口特征的相似性,劳动力池对产业集聚也没有特别大的影响。
(12)本文使用了现有文献中较为通用的反映产业间联系的指标。但需要注意的是,向后关联和向前关联只反映了产业间相互联系的一部分,确切地说只反映了间接效应。
(13)我国没有产业-职业就业的公开统计数据,因而本文使用美国的产业-职业匹配统计数据,同时有助于缓解内生性问题。
(14)对于动态面板模型(即方程(16)),一般研究均采用面板工具变量法(IV)和系统(或差分)GMM方法进行估计。在利用差分GMM和系统GMM对模型(16)进行估计时,我们发现实证数据不满足相应的使用条件,且存在弱工具变量问题。同时,由于T较小,使用FE-2SLS方法将低估系数r。因此,本文使用面板IV法进行估计。考虑到本文所用的面板数据集具有n大T小的特征,因而本文采用Hausman和Taylor(1981)提出的HT估计量来估计方程(16),且对回归方程(16)和(18)的估计结果的比较仅限于l燮2(对应的T≥10)。
(15)本文对工具变量的选取进行了定性讨论,见文中的估计策略部分。由于选取的工具变量个数等于内生解释变量个数,导致过度识别检验失效,故无法报告Hansen J统计量。这里采用ln Lc,s,t滞后一期和滞后二期作为IV进行过度识别检验,结果显示接受原假设“H0:所有工具变量都是外生的”。考虑到样本数据的时间维度较小,因此这里仅选用ln Lc,s,t-1作为IV。
(16)部分学者对我国制造业5年或10年的集聚变动进行了研究,根据MAR指标测算的结果表明,|τ軇s,s|的取值范围为[0.2,0.5]。MAR指标估计值的绝对值整体偏大,可能是因为学者们采用的是固定效应模型。
(17)具体包括:纺织服装鞋帽皮革羽绒及其制品业,木材加工及家具制造业,交通运输设备制造业(l=1时为负),建筑业(l=1时为负),住宿和餐饮业,信息传输、软件业和信息技术服务业,教育,卫生和社会工作,文化、体育和娱乐业(l=10时为负)。由于共线性问题,本文剔除了煤炭开采和洗选业。
(18)本文构建的向前关联指标只考虑了产业的中间使用,不包括消费、投资、出口等最终需求市场,而新经济地理学一般以最终需求市场构建前向关联指标,揭示集聚的金钱外部性。那么,最终需求市场是否有利于产业技术进步进而促进区域产业就业增长,则有待进一步研究。
[2]Kim S. Regions,resources,and economic geography:Sources of US regional comparative advantage,1880-1987[J].Regional Science and Urban Economics,1999,29(1):1-32.
[3]Ellison G,Glaeser E L. The geographic concentration of industry:Does natural advantage explain agglomeration?[J]. The American Economic Review,1999,89(2):311-316.
[4]白重恩,杜颖娟,陶志刚,等.地方保护主义及产业地区集中度的决定因素和变动趋势[J].经济研究,2004(4):29-40.
[5]金煜,陈钊,陆铭.中国的地区工业集聚:经济地理、新经济地理与经济政策[J].经济研究,2006(4):79-89.
[6]Surico P. Geographic concentration and increasing returns[J]. Journal of Economic Surveys,2003,17(5):693-708.
[7]韩峰,柯善咨.空间外部性、比较优势与制造业集聚——基于中国地级市面板数据的实证分析[J].数量经济技术经济研究,2013(1):22-38.
[8]Rosenthal S S,Strange W C. The determinants of agglomeration[J]. Journal of Urban Economics,2001,50(2):191-229.
[9]黄玖立,李坤望.对外贸易、地方保护和中国的产业布局[J].经济学(季刊),2006,5(3):733-760.
[10]李世杰,胡国柳,高健.转轨期中国的产业集聚演化:理论回顾、研究进展及探索性思考[J].管理世界,2014(4):165-170.
[11]陈建军,陈怀锦,刘月.预期、集聚的动态演化与政策:基于文献的讨论[J].浙江大学学报(人文社会科学版),2015(4):130-141.
[12]Rosenthal S S,Strange W C. Evidence on the nature and sources of agglomeration economies[A]//In J V Henderson,J Thisse(eds.). Handbook of regional and urban economics(Vol. 4)[M]. Amsterdam:Elsevier,2004:2119-2171.
[13]Combes P P,Gobillon L. The empirics of agglomeration economies[A]//In G Duranton,J Vernon,W C Strange(eds.).Handbook of urban and regional economics(Vol.5A)[M]. Amsterdam:Elsevier,2015:328-336.
[14]Glaeser E L,Kallal H D,Scheinkman J A,et al. Growth in cities[J]. Journal of Political Economy,1992,100(6):1126-1152.
[15]Henderson V,Kuncoro A,Turner M. Industrial development in cities[J]. The Journal of Political Economy,1995,103(5):1067-1090.
[16]Combes P P,Magnac T,Robin J M. The dynamics of local employment in France[J]. Journal of Urban Economics,2004,56(2):217-243.
[17]薄文广.外部性与产业增长——来自中国省级面板数据的研究[J].中国工业经济,2007(1):37-44.
[18]贺灿飞,潘峰华.中国城市产业增长研究:基于动态外部性与经济转型视角[J].地理研究,2009,28(3):726-737.
[19]吴三忙,李善同.专业化、多样化与产业增长关系——基于中国省级制造业面板数据的实证研究[J].数量经济技术经济研究,2011,28(8):21-34.
(1)“三高一低”是指高投入、高消耗、高污染、低效益,“三低一高”是指低投入、低消耗、低污染、高效益。
(2)目前,中国林业的第二、第三产业占比约为66%,而发达国家的这一比例一般均超过70%,甚至高达90%以上。其中,中国林业第三产业产值的占比仅为16%,说明林业产业转型升级的空间很大。
(3)若劳动力技能不受区位或产业影响,那么在集聚分析中则不需要考虑该因素,此时sc,s,t反映的是纯粹的劳动力市场因素,应包含在市场因素中。然而,不同技术水平的劳动力更易集聚在某个区位或产业,因而此时应将选择效应作为集聚的影响因素加以考虑。
(4)MAR外部性和Poter外部性都认为技术外部性主要发生在同一产业内(即专业化的影响),但前者认为垄断有利于产业增长,因为它能将外部性内部化,而后者则认为竞争有利于创新和模仿,因而可以加快产业发展。与此不同,Jacobs外部性强调的是不同产业的企业之间的知识溢出(即聚焦多元化的影响)。
(5)其中,吴三忙和李善同(2011)的结论与Gleaser(1992)的结论相一致,且薄文广(2007)的研究也表明MAR外部性与城市制造业产业就业增长存在负向关系。贺灿飞和潘峰华(2009)的研究表明,MAR外部性和Poter外部性与城市制造业就业增长存在非线性关系,且当专业化和竞争超过一定水平时就会抑制产业增长。薄文广(2007)、贺灿飞和潘峰华(2009)的研究结果表明,城市多样化水平在达到一定程度后才会显著促进产业增长。
(6)受数据可得性的限制,本文无法获得区域-产业就业的个体数据。但上述分析表明,城市规模有助于提升sc,t,因此可以考察城市规模对区域产业就业变动的影响,以间接揭示城市劳动力特征对产业集聚动态变化的作用。
(7)由于尚不存在成熟的实证结果来指导如何设定产业内溢出与产业间溢出,因此本文借鉴Hanlon和Miscio(2017)的方法,将它们简单表示为产业就业人数的线性函数。
(8)在分析产业集聚的影响因素时,部分文献首先计算每个产业的集聚指数或产业的共同集聚指数,然后将其作为被解释变量。本文将区域产业就业人数变化而不是集聚指数变化作为被解释变量,原因在于:一是在计量分析时若被解释变量和部分解释变量都利用就业人数来构建,则会使得解释变量对被解释变量的意义变得难以解释,因而建议使用产业就业人数作为被解释变量,以识别集聚的机制(Dumais et al.,2002;Combes and Gobillon,2015);二是利用集聚指数分析集聚长期趋势的文献表明,产业集聚水平较为稳定或变动较小(Kim,1995;Dumais et al.,1997;路江涌、陶志刚,2007),因而不适合作被解释变量。
(9)实证模型省略了式(11)中的Δlnwt+1,是因为该时间效应与区域-时间效应和产业-时间效应的同时引入会带来共线性问题。
(10)此处,投入-产出关联、劳动力共享与马歇尔外部性的来源(即中间投入品共享、劳动力池)有不同含义,其中马歇尔外部性中的中间投入共享和劳动力共享是货币外部性的来源。本文将这些参数与就业人数的乘积放入计量方程,衡量的是产业间知识溢出,反映的是产业s的中间投入供给产业k的技术对该产业技术进步的影响。
(11)将产业的职业分类特征作为劳动力池的衡量指标并不全面(Kolko,2010),因为职业分类不能完全反映劳动力的技术水平或专业化水平,而专业化劳动力或不同技能水平的劳动力则更容易集聚在一起,因而在衡量劳动力池时加入产业就业人口特征是一个有益补充。不过,即使不考虑产业就业人口特征的相似性,劳动力池对产业集聚也没有特别大的影响。
(12)本文使用了现有文献中较为通用的反映产业间联系的指标。但需要注意的是,向后关联和向前关联只反映了产业间相互联系的一部分,确切地说只反映了间接效应。
(13)我国没有产业-职业就业的公开统计数据,因而本文使用美国的产业-职业匹配统计数据,同时有助于缓解内生性问题。
(14)对于动态面板模型(即方程(16)),一般研究均采用面板工具变量法(IV)和系统(或差分)GMM方法进行估计。在利用差分GMM和系统GMM对模型(16)进行估计时,我们发现实证数据不满足相应的使用条件,且存在弱工具变量问题。同时,由于T较小,使用FE-2SLS方法将低估系数r。因此,本文使用面板IV法进行估计。考虑到本文所用的面板数据集具有n大T小的特征,因而本文采用Hausman和Taylor(1981)提出的HT估计量来估计方程(16),且对回归方程(16)和(18)的估计结果的比较仅限于l燮2(对应的T≥10)。
(15)本文对工具变量的选取进行了定性讨论,见文中的估计策略部分。由于选取的工具变量个数等于内生解释变量个数,导致过度识别检验失效,故无法报告Hansen J统计量。这里采用ln Lc,s,t滞后一期和滞后二期作为IV进行过度识别检验,结果显示接受原假设“H0:所有工具变量都是外生的”。考虑到样本数据的时间维度较小,因此这里仅选用ln Lc,s,t-1作为IV。
(16)部分学者对我国制造业5年或10年的集聚变动进行了研究,根据MAR指标测算的结果表明,|τ軇s,s|的取值范围为[0.2,0.5]。MAR指标估计值的绝对值整体偏大,可能是因为学者们采用的是固定效应模型。
(17)具体包括:纺织服装鞋帽皮革羽绒及其制品业,木材加工及家具制造业,交通运输设备制造业(l=1时为负),建筑业(l=1时为负),住宿和餐饮业,信息传输、软件业和信息技术服务业,教育,卫生和社会工作,文化、体育和娱乐业(l=10时为负)。由于共线性问题,本文剔除了煤炭开采和洗选业。
(18)本文构建的向前关联指标只考虑了产业的中间使用,不包括消费、投资、出口等最终需求市场,而新经济地理学一般以最终需求市场构建前向关联指标,揭示集聚的金钱外部性。那么,最终需求市场是否有利于产业技术进步进而促进区域产业就业增长,则有待进一步研究。