張徑偉++楊樹旺+++吳超

中圖分類號：F062.9 文獻(xiàn)標(biāo)識碼：A

內(nèi)容摘要：制造業(yè)的結(jié)構(gòu)調(diào)整和轉(zhuǎn)型升級過程中，集聚效應(yīng)對勞動生產(chǎn)率的影響不可忽視。本文利用2004-2014年長江經(jīng)濟(jì)帶109個地級市相關(guān)數(shù)據(jù)，借助動態(tài)GMM方法，就制造業(yè)集聚對勞動生產(chǎn)率的動態(tài)影響進(jìn)行分析。結(jié)論表明，長江經(jīng)濟(jì)帶制造業(yè)集聚對勞動生產(chǎn)率存在長期動態(tài)影響效應(yīng)，并出現(xiàn)擁塞效應(yīng)向促進(jìn)效應(yīng)的轉(zhuǎn)換；長江經(jīng)濟(jì)帶上中下游制造業(yè)集聚水平存在差異。因此，依托長江黃金水道的天然交通便利，加快上中下游地區(qū)的制造業(yè)轉(zhuǎn)移及集聚，有利于提高長江經(jīng)濟(jì)帶區(qū)域勞動生產(chǎn)率，促進(jìn)整體經(jīng)濟(jì)發(fā)展。

關(guān)鍵詞：制造業(yè)集聚 勞動生產(chǎn)率 長江經(jīng)濟(jì)帶 動態(tài)GMM

近年來，我國經(jīng)濟(jì)增長面臨著較大的下行壓力，其中一個很重要的原因在于勞動生產(chǎn)率的下降。從制造業(yè)整體來看，依賴規(guī)模擴(kuò)張和投資驅(qū)動的低效率增長模式已經(jīng)陷入瓶頸，難以為繼。鋼鐵、造船、汽車等傳統(tǒng)行業(yè)的產(chǎn)能過剩問題影響到了勞動生產(chǎn)率的提升，不利于經(jīng)濟(jì)的穩(wěn)定增長?！肮┙o側(cè)改革”要求我國制造業(yè)企業(yè)加快技術(shù)進(jìn)步，在提升勞動生產(chǎn)率的基礎(chǔ)上增加供給?？梢姡瑒趧由a(chǎn)率的提高將會成為我國未來經(jīng)濟(jì)增長的重要支撐點，同時也是制造業(yè)轉(zhuǎn)型升級的重要任務(wù)。

制造業(yè)的集群特征在所有產(chǎn)業(yè)中最為突出，諸多制造業(yè)企業(yè)的群聚能夠帶來較為顯著的集聚效應(yīng)（羅勇，2005）。在制造業(yè)的結(jié)構(gòu)調(diào)整和轉(zhuǎn)型升級過程中，集聚效應(yīng)對勞動生產(chǎn)率的影響不可忽視。長江經(jīng)濟(jì)帶是我國新一輪改革開放轉(zhuǎn)型的示范區(qū)，作為我國最重要的工業(yè)走廊之一，鋼鐵、汽車等一大批制造業(yè)匯聚于此，在今后很長一段時間內(nèi)將成為我國調(diào)結(jié)構(gòu)、穩(wěn)增長的中堅力量?；诖耍疚囊蚤L江經(jīng)濟(jì)帶主要地級市為研究對象，就制造業(yè)集聚對勞動生產(chǎn)率的動態(tài)規(guī)律進(jìn)行探討。

相關(guān)文獻(xiàn)綜述

有關(guān)制造業(yè)集聚對勞動生產(chǎn)率影響的問題探討，現(xiàn)有的研究大多從產(chǎn)業(yè)集聚的“集聚效應(yīng)”和“擁塞效應(yīng)”（孫浦陽，2013）兩個角度出發(fā)，不同的學(xué)者的研究結(jié)論各異。

?？颇岷秃罓枺–iccone&Hall，1993）基于美國非農(nóng)產(chǎn)業(yè)的相關(guān)數(shù)據(jù)分析了其就業(yè)密度對生產(chǎn)率的影響，實證結(jié)果表明集聚產(chǎn)生的正向作用在就業(yè)密度高的地區(qū)會更強。其后，?？颇幔–iccone，2002）基于之前的研究，運用跨國數(shù)據(jù)探究了歐美主要國家二者間的關(guān)系，結(jié)果表明美國產(chǎn)業(yè)集聚帶來的正向效應(yīng)強于歐洲國家。布魯哈特和梅西斯（Brulhrt&Mathys，2008）對希科尼和豪爾（Ciccone&Hall，1993）的模型進(jìn)行了如下改進(jìn)：一是以動態(tài)GMM方法對其中的內(nèi)生性進(jìn)行了處理，二是探討了不同行業(yè)之間的差異。當(dāng)然，其實證結(jié)果也支持了產(chǎn)業(yè)的集聚效應(yīng)。同時，國內(nèi)持有同樣觀點的代表學(xué)者當(dāng)屬范建勇（2006），其基于我國的數(shù)據(jù)也得出了類似的結(jié)論。

海德森（Herderson）較早的得出了相反的結(jié)論，指出產(chǎn)業(yè)集聚會產(chǎn)生“擁擠效應(yīng)”。此后，不同的學(xué)者都對該效應(yīng)進(jìn)行了探討，其中最著名的當(dāng)屬威廉姆森（Williamson）提出的“威廉姆森假說”，該假說認(rèn)為經(jīng)濟(jì)發(fā)展的初期主要表現(xiàn)為集聚效應(yīng)，其后基礎(chǔ)設(shè)施的完善及資本市場的擴(kuò)張則會使產(chǎn)業(yè)集聚阻礙經(jīng)濟(jì)的發(fā)展，即二者的關(guān)系并不曾顯出簡單的線性，而存在非線性，即存在臨界值。劉修巖等（2010）基于我國的數(shù)據(jù)，測量了產(chǎn)業(yè)集聚與TFP之間的關(guān)系，結(jié)果表明當(dāng)越過臨界點后產(chǎn)業(yè)集聚會降低TFP，從而支持了這一結(jié)論。

其后，部分學(xué)者轉(zhuǎn)而從動態(tài)視角對二者的關(guān)系進(jìn)行探討。事實上，產(chǎn)業(yè)集聚從萌芽到發(fā)展過程中的影響不可能是單一和線性的，往往是集聚與擁塞可能會并存，從而達(dá)到產(chǎn)業(yè)集聚效應(yīng)的均衡態(tài)（Brulhrt&Mathys，2008）。在產(chǎn)業(yè)集聚的動態(tài)性研究中，內(nèi)生性問題的處理不可避免（范劍勇，2006）。一方面，遺漏變量的存在會導(dǎo)致嚴(yán)重的內(nèi)生性，如某些變量不僅會影響勞動生產(chǎn)率，更會對產(chǎn)業(yè)集聚水平產(chǎn)生影響，而這就導(dǎo)致了普通最小二乘估計（OLS）的無偏、一致及有效特性受到了干擾；同時，勞動生產(chǎn)率高的地區(qū)往往會吸引那些生產(chǎn)率水平較高的企業(yè)向該地區(qū)集聚，甚至擠出該地區(qū)生產(chǎn)水平較低的企業(yè)，從而形成一種自選擇效應(yīng)，而這在新經(jīng)濟(jì)地理學(xué)的異質(zhì)性作用下會進(jìn)一步得到強化。

由此可見，理論上產(chǎn)業(yè)集聚對勞動生產(chǎn)率的影響存在“擁塞效應(yīng)”與“集聚效應(yīng)”兩種解釋，而經(jīng)驗證據(jù)對二種效應(yīng)均得到了支持；產(chǎn)業(yè)集聚對勞動生產(chǎn)率的影響存在動態(tài)性與內(nèi)生性問題，尋找合適的研究方法成為解決此問題的出路。另外，現(xiàn)有的研究還未將產(chǎn)業(yè)集聚對勞動生產(chǎn)率的影響研究放置于長江經(jīng)濟(jì)帶區(qū)域范圍中展開，這成為本文選擇長江經(jīng)濟(jì)帶這一區(qū)域的學(xué)術(shù)支撐。

研究設(shè)計

（一）模型設(shè)定

如前所述，集聚既可能帶來促進(jìn)也可能帶來擁塞，從而形成一個穩(wěn)定的均衡態(tài)。為此，本文立足于Mathys（2007）的相關(guān)研究，對Ciccone（2002）的研究引入科布-道格拉斯（C-D）生產(chǎn)函數(shù)度量資本累積，同時以不變跨期替代彈性的永久生存消費者函數(shù)建立生產(chǎn)函數(shù)的動態(tài)性。一般而言，資本累積過程不是一蹴而就的，其本身是一個非常慢速的過程，具有極強的動態(tài)性和連續(xù)性。但由于資本存量的度量極其復(fù)雜，而我國又缺乏對應(yīng)的相關(guān)數(shù)據(jù)，本文并不探討其影響，而重點將勞動生產(chǎn)率視作一個動態(tài)累積的過程，即其不僅受到滯后期勞動生產(chǎn)率的影響，更受到產(chǎn)業(yè)集聚等控制變量當(dāng)期及滯后期的影響，而這本身也體現(xiàn)了勞動生產(chǎn)率變化具有緩慢累積的特性，在本文中僅將人力資本作為控制變量加入到模型中，具體表達(dá)式如下：

Pdt=αPdt-1+β0Ddt+β1Ddt-1+γ0Xdt+

γ1Xdt-1+εd+ρt+νdt

其中，d與t分別表示地區(qū)與時間。那么，Pdt就是地區(qū)d在t時刻的勞動生產(chǎn)率，Pdt-1則是滯后一期的勞動生產(chǎn)率。對于Ddt和Ddt-1及Xdt和Xdt-1的解釋與之類似，D表示產(chǎn)業(yè)集聚水平，而X則表示相關(guān)的控制變量。同時為了控制不同年份宏觀變量的影響，本文還加入了ρt，對應(yīng)的為了控制地區(qū)非時變因素的影響，本文加入了εd，殘差項以νdt表示。

在上面的模型表達(dá)式中，εd表示非時變效應(yīng)，其代表了各個地區(qū)固有因素的影響，在一定時期內(nèi)很難發(fā)生變化。在這種情況下，模型中加入勞動生產(chǎn)率的滯后一期Pdt-1則會導(dǎo)致其與εd產(chǎn)生極強的相關(guān)性，即內(nèi)生性問題。那么傳統(tǒng)的OLS或者固定效應(yīng)估計結(jié)果都將是有偏的，為此本文采用基于大樣本的動態(tài)面板估計方法對其進(jìn)行處理，以保證估計結(jié)果的合理。

（二）估計方法

如前所述，由于本文模型設(shè)定中包含勞動生產(chǎn)率的滯后一期Pdt-1，即動態(tài)面板模型與非時變因素εd產(chǎn)生極強的相關(guān)性。為此，一個可行的辦法是進(jìn)行一階差分對個體效應(yīng)進(jìn)行處理，然后選取水平變量的滯后項作為差分方程中內(nèi)生變量的工具變量，這就是Arellano和Bond（1991）提出的，被稱為“差分廣義矩估計”（first-difference GMM）。這種方法雖然可以在大樣本下保證估計結(jié)果是一致的，但是其還存在諸多不足。

最明顯的問題是，由于“差分廣義矩估計”（first-differenceGMM）選取的工具變量為水平變量的滯后項，從而存在工具變量不具有足夠的識別效力，即所謂的弱工具問題，進(jìn)而引發(fā)估計偏誤。同時，其僅僅利用差分方程的信息，而丟掉了水平方程的相關(guān)信息，喪失了更多的矩條件?；诖?，“系統(tǒng)廣義矩估計量”（systemGMM）被引入其中，其中最具代表性的工作當(dāng)屬于Arellano和Bover（1995）及Blundell和Bond（1998）。針對兩個方法的比較，Bond和Windmeijer（2002）的研究指出，由于系統(tǒng)GMM利用了更多水平方程的信息，從而顯著降低了小樣本情況下的偏誤。為此，本文也主要采用該估計方法。

但是，與諸多計量方法一樣，系統(tǒng)GMM的使用也是基于眾多前提的，主要包括：水平方程中殘差項不存在自相關(guān)問題，也就是在差分方程中的殘差項具有一階相關(guān)，而二階不相關(guān)的特性。同時，對于工具變量的識別，應(yīng)當(dāng)滿足工具變量不存在過度識別的情況，同時也可以對弱工具問題進(jìn)行有效處理。

（三）變量選擇

本文所使用的數(shù)據(jù)來自2004-2014年的《中國統(tǒng)計年鑒》及上海、江蘇、浙江、安徽、湖北、湖南、江西、重慶、四川、云南與貴州的統(tǒng)計年鑒。主要經(jīng)濟(jì)變量如下：

勞動生產(chǎn)率。關(guān)于勞動生產(chǎn)率的計算，本文并不采用全要素生產(chǎn)率等較為復(fù)雜的方式，而是采用一個相對較為簡單的工業(yè)產(chǎn)值與就業(yè)量的比重來衡量。事實上，諸如范劍勇（2006）與劉修巖（2010）的相關(guān)研究均以其作為因變量，論證了該指標(biāo)的合理性，為此本文出于數(shù)據(jù)的可得性以及指標(biāo)對比的難易程度，選取該指標(biāo)作為勞動生產(chǎn)率的度量變量。

產(chǎn)業(yè)集聚。關(guān)于產(chǎn)業(yè)集聚的度量方式包括較為主觀的波特案例分析法，較為滯后的投入產(chǎn)出分析法及較為常用的區(qū)位熵法（Location Quotient，LQ）。這其中由于區(qū)位熵法既不像波特案例分析法那么依賴專家的主觀判斷，而是可以基于客觀數(shù)據(jù)進(jìn)行度量，又不像投入產(chǎn)出分析法需要基于過往的相關(guān)資料進(jìn)行計算，事實上投入產(chǎn)出表的更新一直較為緩慢，而可以動態(tài)連續(xù)的度量產(chǎn)業(yè)的集聚程度，同時其數(shù)據(jù)的收集和整理難度較小，因而國內(nèi)外都普遍采用該方法進(jìn)行度量。

人力資本。人才對于一個地區(qū)經(jīng)濟(jì)發(fā)展，或者勞動生產(chǎn)率的提高具有重要的作用，在相關(guān)新經(jīng)濟(jì)增長理論的著作中有較多的論述?？紤]到人力資本度量的難易程度，本文選取實證中常采用的以在校（中專）人數(shù)占比來度量地區(qū)人力資本的水平。具體如表1所示。

實證分析

基于前述的理論框架和樣本描述，運用STATA軟件進(jìn)行Sys-GMM估計。需要指出的是，為獲取較為穩(wěn)健的估計量，本文在實證分析中加入了“twostep”選項，對應(yīng)的估計結(jié)果如表2所示。

從以上結(jié)果可以看出，F(xiàn)（Wald）檢驗值在OLS、FE與Sys-GMM中均通過1%顯著性水平下的檢驗，且OLS與FE的調(diào)整R2分別為0.869與0.862，模型整體顯著；對應(yīng)主模型Sys-GMM，關(guān)于AR（2）檢驗的p值為0.809，表明無法拒絕不存在二階序列相關(guān)的原假設(shè)，這表明關(guān)于原始方程殘差不相關(guān)的假定是符合的；同時Sargan過度識別檢驗的p值為0.16，同樣無法拒絕不存在過度識別的原假設(shè)，即工具變量與殘差項不存在相關(guān)性，遺憾的是并沒有類似于傳統(tǒng)工具變量如IV估計直接給定關(guān)于弱工具檢驗的相關(guān)結(jié)果。Bun和Windmeijer（2007）的研究指出，當(dāng)存在弱工具變量問題時，系統(tǒng)GMM得出的結(jié)果將會導(dǎo)致估計結(jié)果有偏。對此，Bond指出在此類方程中，OLS具有明顯的高偏自回歸系數(shù)的傾向，而FE具有明顯低偏自回歸系數(shù)的傾向，因此系統(tǒng)GMM關(guān)于自回歸系數(shù)的估計結(jié)果理應(yīng)落在二者之間。因此在這種情況下，就可以理解為選取的工具變量不存在弱工具變量問題，即與內(nèi)生變量具有極強的相關(guān)性。事實上，表2關(guān)于自回歸系數(shù)的估計結(jié)果在OLS、FE與系統(tǒng)GMM下分別為0.740、0.462與0.476。這就論證了本文選取的工具變量具有較強的合理性。

回歸結(jié)果表明，三種估計方法均支持了產(chǎn)業(yè)集聚與勞動生產(chǎn)率之間的關(guān)系存在動態(tài)性。具體而言，當(dāng)期產(chǎn)業(yè)集聚會帶來擁塞效應(yīng)，其系數(shù)為-0.093，通過了1%水平上的顯著性檢驗，而滯后期產(chǎn)業(yè)集聚會帶來促進(jìn)效應(yīng)，其系數(shù)為0.046，也通過了1%水平上的顯著性檢驗。這表明產(chǎn)業(yè)集聚在長江經(jīng)濟(jì)帶的不同時期有不同的影響，短期內(nèi)由于企業(yè)迅速集聚帶來的基礎(chǔ)設(shè)施超載、人口膨脹等問題處于主導(dǎo)地位，其后隨著企業(yè)競爭過程中的交流、技術(shù)擴(kuò)散等，導(dǎo)致企業(yè)及產(chǎn)業(yè)之間的協(xié)調(diào)力度不斷增強，進(jìn)而使促進(jìn)效應(yīng)處于主導(dǎo)地位。

實證結(jié)果中先出現(xiàn)擁塞，其后出現(xiàn)促進(jìn)效應(yīng)的主要原因在于二者的特性存在明顯差異，從而在不同階段達(dá)到均衡態(tài)。在集聚的初期，大量的企業(yè)和人員涌入某個區(qū)域，基礎(chǔ)配套設(shè)施等不可能在當(dāng)期就得到擴(kuò)張以滿足大量人員和企業(yè)的涌入，從而導(dǎo)致短期內(nèi)人口膨脹、交通堵塞等阻礙生產(chǎn)率提高的行為。此外，一個值得注意的現(xiàn)象是本文的變量選取均是基于人均指標(biāo)的計算，而事實上人口迅速集聚必然會影響個體產(chǎn)出水平。本文的研究結(jié)果也與Brulhrt和Mathys（2008）對歐洲的研究結(jié)論類似，其研究指出集聚帶來的促進(jìn)效應(yīng)不僅依賴于基礎(chǔ)設(shè)施的完善程度，更依賴于企業(yè)間的交流和人員的往來等，而這都需要時間，如基礎(chǔ)設(shè)施建設(shè)不可能當(dāng)期完成，這也就為地區(qū)引入相關(guān)產(chǎn)業(yè)提供了啟發(fā)，即完善的規(guī)劃引導(dǎo)和基礎(chǔ)設(shè)施建設(shè)應(yīng)該在之前完成。正是由于二者特性的差異，尤其是對于時間的要求才導(dǎo)致了本文回歸結(jié)果中先出現(xiàn)產(chǎn)業(yè)集聚的擁塞效應(yīng)，其后才出現(xiàn)產(chǎn)業(yè)集聚的促進(jìn)效應(yīng)。

此外，本文選取的勞動生產(chǎn)率指標(biāo)和產(chǎn)業(yè)集聚指標(biāo)均為制造業(yè)相關(guān)數(shù)據(jù)，而該產(chǎn)業(yè)的集聚水平呈現(xiàn)從長江下游經(jīng)中游向上游遞減的趨勢，即下游制造業(yè)產(chǎn)業(yè)集聚程度過高，而上中游地區(qū)制造業(yè)集聚水平相對偏低。從長江經(jīng)濟(jì)帶整體制造業(yè)集聚對勞動生產(chǎn)率的動態(tài)影響規(guī)律出發(fā)進(jìn)行考慮，中上游地區(qū)應(yīng)當(dāng)承接下游地區(qū)的制造業(yè)轉(zhuǎn)移，在制造業(yè)轉(zhuǎn)移的過程中不斷加強遷入地基礎(chǔ)設(shè)施、社會服務(wù)、要素資源等水平的提高。

結(jié)論

研究結(jié)果表明在長江經(jīng)濟(jì)帶制造業(yè)集聚的形成和發(fā)展過程中，促進(jìn)與擁塞效應(yīng)交替存在，目前促進(jìn)效應(yīng)逐漸占據(jù)主導(dǎo)地位。具體而言，短期內(nèi)由于制造業(yè)企業(yè)迅速集聚帶來的基礎(chǔ)設(shè)施超載、人口膨脹等問題處于主導(dǎo)地位，其后隨著企業(yè)競爭過程中的交流、技術(shù)擴(kuò)散等，導(dǎo)致企業(yè)及產(chǎn)業(yè)之間的協(xié)調(diào)力度不斷增強，進(jìn)而使促進(jìn)效應(yīng)處于主導(dǎo)地位；長江經(jīng)濟(jì)帶上中下游制造業(yè)集聚水平存在顯著差異，中上游地區(qū)產(chǎn)業(yè)集聚水平不高，從長江經(jīng)濟(jì)帶整體出發(fā)加以考慮，如何有序推動制造業(yè)逐步遷移，提高中上游地區(qū)承接能力成為關(guān)鍵。

以上結(jié)論就長江經(jīng)濟(jì)帶制造業(yè)集聚對勞動生產(chǎn)率的動態(tài)影響做出了判斷，對其進(jìn)一步的制造業(yè)發(fā)展方向具有重要啟示：第一，長江經(jīng)濟(jì)帶的制造業(yè)集聚發(fā)展，應(yīng)當(dāng)統(tǒng)籌把握上中下游三段地區(qū)，把握各地區(qū)經(jīng)濟(jì)轉(zhuǎn)型、產(chǎn)業(yè)轉(zhuǎn)移的戰(zhàn)略機遇，推動資本、人才等要素的不斷積聚，進(jìn)而提升長江經(jīng)濟(jì)帶整體競爭力；第二，未來的很長一段時間，制造業(yè)的集聚對勞動生產(chǎn)率將發(fā)揮正向效應(yīng)，應(yīng)充分利用長江黃金水道的交通便利，加快制造業(yè)的區(qū)際間合理轉(zhuǎn)移，促進(jìn)制造業(yè)的有效集聚，達(dá)到提升勞動生產(chǎn)率的最終目的。

參考文獻(xiàn)：

1.羅勇，曹麗莉.中國制造業(yè)集聚程度變動趨勢實證研究[J].經(jīng)濟(jì)研究，2005（8）

2.孫浦陽，韓帥，許啟欽.產(chǎn)業(yè)集聚對勞動生產(chǎn)率的動態(tài)影響[J].世界經(jīng)濟(jì)，2013（3）

3.Ciccone，A.and R.E. Hall，Productivity and the density of economic activity[J]. National Bureau of Economic Research，1993

4.Ciccone，A.Input chains and industrialization[J].The Review of Economic Studies，2002，69（3）

5.Brulhart，M. and N.A. Mathys，Sectoral agglomeration economies in a panel of European regions[J]. Regional Science and Urban Economics，2008，38（4）

6.范劍勇.產(chǎn)業(yè)集聚與地區(qū)間勞動生產(chǎn)率差異[J].經(jīng)濟(jì)研究，2006（11）

7.Mathys，N.A.“A Dynamic Model of Sectoral Agglomeration Effects.”mimeo，University of Lausanne（www.hec.unil.ch/nmathys/），2007

8.Arellano，M. and S. Bond，Some tests of specification for panel data：Monte Carlo evidence and an application to employment equations[J]. The review of economic studies，1991，58（2）

9.Arellano，M.and O.Bover，Another look at the instrumental variable estimation of error-components models[J]. Journal of econometrics，1995，68（1）

10.劉修巖.集聚經(jīng)濟(jì)、公共基礎(chǔ)設(shè)施與勞動生產(chǎn)率—來自中國城市動態(tài)面板數(shù)據(jù)的證據(jù)[J].財經(jīng)研究，2010（5）