張萬里 魏 瑋

(西安交通大學 經濟與金融學院，陜西 西安 710061)

一、問題提出與文獻評述

改革開放至今，中國經濟獲得高速增長，從而進入產業(yè)轉型升級的關鍵時期。根據國家統(tǒng)計局數據，2016年中國工業(yè)增加值同比上年增長6.0%，其中制造業(yè)增長6.8%，從而確保了中國國內生產產值以6.7%的增長速度而增長。從近年來制造業(yè)發(fā)展情況可以看出(圖1)，其生產產值呈現正向波動趨勢，中國高速增長的GDP離不開制造業(yè)的穩(wěn)步發(fā)展，提升制造業(yè)的生產效率是未來發(fā)展的重中之重。

圖1 2000—2015年中國制造業(yè)銷售產值和增長率

數據來源：國家統(tǒng)計局

由于中國非均衡發(fā)展戰(zhàn)略最早在環(huán)渤海、珠三角和長三角區(qū)域實施，這些地區(qū)良好的制度條件和市場環(huán)境促進了產業(yè)重構，制造業(yè)也不斷向這些區(qū)域集聚，從而支撐了中國經濟的快速發(fā)展(韓峰 等，2013)。圖2為中國207個地級市綜合EG指數(右)和效率的分布圖(左)，總體上東部沿海地區(qū)的綜合EG指數和效率*綜合EG指數是利用207個地級及以上行政級別市不同行業(yè)2003—2013年的工業(yè)總產值和在職人數，運用熵權法并進行算數平均而求得；效率是考慮非期望產出的207個地級及以上行政級別市不同行業(yè)2003—2013年的效率，并通過算數平均求得。遠大于中西部地區(qū)，產業(yè)高度集聚(大于0.05)，但中國集聚經濟發(fā)展還沒實現均衡(劉修巖，2014)；效率與集聚分布存在顯著性差異，過度集聚問題突出(范劍勇，2004)。由于港口優(yōu)勢和國家政策支持，制造業(yè)不斷向東部沿海地區(qū)集聚，而較高企業(yè)間的分工合作水平、充裕的勞動力市場、健全的匹配制度和知識外溢等因素共同造成了外部性，使得東部集聚地區(qū)企業(yè)具有更高的效率(李曉萍 等，2015)。但近年來，產業(yè)同構、重復建設問題加劇了東部沿海地區(qū)資源錯配、環(huán)境污染和擁擠(魏守華 等，2013；張可 等，2015；季書涵 等，2016)。制造業(yè)的非均衡發(fā)展表現為中國經濟空間上的不平衡性，這迫使各級政府必須推行優(yōu)化產業(yè)結構的政策，然而西部大開發(fā)和產業(yè)轉移帶來的產業(yè)聚集并沒有能夠有效促進當地生產率的大幅提升，且西部地區(qū)與東部地區(qū)產業(yè)集聚差距仍在不斷擴大。產業(yè)集聚中出現的粗放型發(fā)展是以生態(tài)環(huán)境為代價的，會對當地經濟社會造成一定的負面影響(沈能 等，2014；楊仁發(fā)，2015)。因此，在環(huán)境硬約束條件下，從產業(yè)結構、地區(qū)分布及時機抉擇等方面解決過度集聚問題是中國產業(yè)結構升級的關鍵。

圖2 中國各省區(qū)效率(左)和綜合EG指數(右)分布* 圖2通過arcgis軟件做出，由于中部地區(qū)和西部地區(qū)部分城市數據缺失，所以圖中該部分顏色較輕。

集聚能夠產生外部性，并促進經濟增長。有學者對集聚現象進行了分析(文東偉 等，2014；袁海紅 等，2014)。也有文獻研究集聚與經濟增長之間的關系，但并未得到一致研究結論。一些學者認為，集聚會形成規(guī)模經濟，產生知識和創(chuàng)新溢出，從而促進經濟增長(陳得文 等，2010；盛龍，2013)。另外一些學者認為，集聚會加劇環(huán)境污染、擁擠和資源錯配，對經濟增長的作用有限甚至起阻礙作用(季書涵 等，2017；張可 等，2015)。集聚對生產率的作用在不斷減小，出現了作用不顯著現象，甚至表現出非線性關系(Rizov et al.，2012)。但這些研究都忽略了集聚的內生性問題，需要尋找工具變量研究兩者關系(Bosker，2007)。也有文獻通過建立傳統(tǒng)非線性模型、傳統(tǒng)門限模型進行研究，從而得出集聚與生產率之間呈現負相關或倒“U”型曲線關系研究結論(唐根年，2009；惠煒 等，2016；陳旭 等，2016)。多數研究認為過度集聚產生的原因是環(huán)境污染，集聚可以提高產出效率，通過技術改進實現的效率提升可能只提高單位產出，但是會加重環(huán)境污染(宋馬林 等，2013；葉寧華 等，2014)。集聚引起的環(huán)境污染能否對區(qū)域生產率產生影響值得深思，且這種關系在不同地區(qū)、不同類型制造業(yè)中的影響機制是不同的，研究不同分類生產率、集聚和污染之間的關系是非常重要的(魏瑋 等，2015)。

現有文獻大多分析整個制造業(yè)的集聚水平，對行業(yè)分類也只是限于省級層面，而本文以工業(yè)企業(yè)數據庫為基礎，通過加總不同行業(yè)、不同地區(qū)企業(yè)相關指標用以代表地級及以上行政級別市不同行業(yè)數據，以期進行微觀和宏觀層面分析；由于數據的不完全性，通過單一的就業(yè)人數、銷售產值來測量集聚指數還不夠全面，本文通過熵權法對不同指標得出的集聚指數進行加權(呂開宇 等，2016)；現有研究計算生產率并未考慮環(huán)境污染、擁擠等非期望產出(郭貫成 等，2014)，同時集聚和生產率之間存在內生性，內生性問題急需解決(Gardiner et al.，2011)，本文對這一問題也加以考慮；現有研究過度關注集聚并未體現門限轉換的平滑，為了準確刻畫集聚與生產率之間的非線性關系，本文使用更為合理的PSTR模型(趙增耀 等，2012；孫海波 等，2017)；現有文獻鮮有從區(qū)域層面和要素密集度視角探究集聚與生產率之間的關系，不同地區(qū)要素密集度制造業(yè)的行業(yè)特征引致出不同的集聚和生產率關系，上述關系會引致出不同的最優(yōu)集聚水平，對此本文也予以關注。

綜上，本文以207個地級及以上行政級別市2003—2013年的面板數據為研究對象，使用數據包絡和PSTR模型探究空間視角下不同地區(qū)要素密集度集聚與生產率之間的關系。

二、理論分析

制造業(yè)集聚實質是勞動力的集聚，勞動力集聚促成市場的形成，產業(yè)集聚勢必引致出勞動力集聚現象。本文通過研究勞動力轉移對區(qū)域系統(tǒng)效率的影響，以此反映制造業(yè)集聚對效率的影響。區(qū)域系統(tǒng)效率取決于區(qū)域內企業(yè)，而區(qū)域內企業(yè)的分布受制于擴散和集聚的交互作用。區(qū)域系統(tǒng)效率是區(qū)域內所有企業(yè)生產總值與勞動力福利及其他成本之差。接下來借鑒中心外圍理論和吳穎等(2008)的理論分析框架，在資源有效的約束條件下分析集聚對生產率的影響。

(一)模型假設

(1)假設經濟系統(tǒng)中存在兩個區(qū)域i1、i2，區(qū)域i1與區(qū)域i2相比存在集聚優(yōu)勢，即單位勞動成本低，熟練勞動力在勞動力中占比高。

(2)整個經濟系統(tǒng)的勞動力包括熟練工人和非熟練工人，整個經濟系統(tǒng)的勞動力恒為L。

(3)資源有限，技術短期不變。

(二)參數選取

(1)定義不同地區(qū)的的貿易成本因子為Ti，不同區(qū)域的集聚水平隨Ti的增大而減小。

(2)定義不同區(qū)域集聚程度為σ(σ∈(0,1))，當σ→1時，空間集聚程度大；當σ→0時，空間集聚程度小。

(3)定義區(qū)域內的生產損失因子為Ai。不同區(qū)域的集聚福利水平隨Ai增大而降低。影響A1的因素包括環(huán)境污染、擁擠等，而影響A2的因素指由于與區(qū)域i1的地區(qū)差距擴大產生的社會成本。

(三)模型設定

借鑒中心外圍理論定義區(qū)域系統(tǒng)生產模型，即：隨著Ti的降低，區(qū)域集聚水平將提高，熟練勞動力在某區(qū)域集聚降低了該區(qū)域價格指數，進而引起其他區(qū)域相對價格指數上升，因此區(qū)域系統(tǒng)生產函數如下：

(1)

其中，P是價格指數，Y是地區(qū)產值，Y是勞動L、資本K和人均資源耗費量αi的增函數，設熟練工人數量占比為φi，其他工人為1-φi，區(qū)域i兩類勞動力的生產率分別為Wis和Wir(i=1,2)，熟練勞動力總是向區(qū)域i1轉移，由于熟練工人會帶動非熟練工人生產率的提升。區(qū)域i2向本區(qū)域內的勞動力轉移會對非熟練勞動力產生負外部性，因此，本文將L1作為區(qū)域i2非熟練勞動力的負向影響因素。短期技術水平不變，則熟練工人生產率W1s和W2s也不變，則：

Y1=φ1W1sL1+(1-φ1)W1rL1

(2)

Y2=φ2W2sL2+(1-φ2)W2r(L1)L2

(3)

區(qū)域i2的工人不斷向區(qū)域i1轉移，從而對區(qū)域i2造成負面影響，即?Y2/?L1<0。其他非熟練勞動力也會向區(qū)域i2集聚，則φ2會不斷減少。

區(qū)域效率函數為區(qū)域生產函數減去總成本的結果，式(4)可以表示為：

(4)

(5)

通過引入資源約束條件，同時假定αis、αir為熟練工人、非熟練工人人均耗費資源量，則有式(6)：

φ1α1sL1+(1-φ1)α1rL1+φ2α2sL2+(1-φ2)α2r(L1)L2+α2r(L1)L3≤R

(6)

其中，R為資源總量，L3為新進入的非熟練勞動力，由于缺乏工作經驗，在勞動力市場沒有競爭優(yōu)勢，所以只會進入競爭壓力相對較小的區(qū)域i2。非熟練勞動力區(qū)域的生產率會隨鄰近熟練勞動力區(qū)域的溢出效應而增加，區(qū)域i1的勞動力熟練區(qū)域增加意味著區(qū)域i2熟練勞動力向區(qū)域i1轉移，所以?α2r/?L1>0。前文假定區(qū)域i1的技術短期不變，所以熟練勞動力的流入不會對當地熟練勞動力、非熟練勞動力人均耗費資源產生影響。通過對式(6)求L1的偏導數，則有：

φ1α1s+(1-φ1)α1r+(1-φ2)α2r(L1)L2+α2r(L1)L3>0

(7)

(8)

一階條件為?LL/?L1=?LL/?L2=0，這反映出中國現階段存在嚴重兩級分化及環(huán)境污染等問題。產業(yè)集聚引起的最常見的經濟現象就是規(guī)模效應，而規(guī)模經濟往往造成長期平均成本降低和知識溢出外部性。集聚對效率還會產生環(huán)境污染、生產要素擁擠以及要素錯配等負外部性，而并非單調遞增，這會嚴重抑制當地資源配置效率。因此，各行業(yè)的發(fā)展水平與行業(yè)規(guī)模并非呈現簡單線性關系，各地方政府不能僅僅注重短期利益，一味提高區(qū)域內產業(yè)勞動力的集聚水平，而應采用合理的措施促進集聚對區(qū)域效率的影響。

三、模型設定、變量選取與數據說明

PSTR作為一種門檻模型，更加符合集聚與效率之間的非線性關系，具體公式如下：

(9)

其中，γ為轉換速度，會影響模型的平滑性；c為平滑參數；qit為轉換變量，具體轉換函數表示如下：

(10)

(11)

(一)變量選取與方法介紹

1.效率變量的選取

本文引入非期望產出DEA模型求解不同行業(yè)的地級市層面效率(王藝明 等，2016)。由于現有年鑒沒有統(tǒng)計地級市不同行業(yè)數據，所以使用工業(yè)企業(yè)數據庫數據對相關指標進行加總，其中非期望產出指標利用《中國城市統(tǒng)計年鑒》相關數據，其具體指標選取如下：(1)投入指標，將固定資產合計(億元)、年末從業(yè)人數(萬人)、流動資產總值(億元)、主營業(yè)務成本(億元)作為投入變量；(2)產出指標，主要包括利潤總額(億元)、主營業(yè)務收入(億元)、工業(yè)總產值(億元)；(3)非期望產出指標，基于熵權法，使用工業(yè)廢水排放量(萬噸)、工業(yè)煙(粉)塵排放量(萬噸)、工業(yè)二氧化硫排放量(萬噸)三個指標構造綜合污染指數。

2. PSTR模型變量的選取

(1)被解釋變量：生產率(θ)。以一個行業(yè)所有地區(qū)所有年份為樣本，基于上述指標，使用Matlab軟件進行編程，采用非期望產出DEA模型進行求解。

(2)核心解釋變量：綜合EG指數。首先求出以就業(yè)人數、工業(yè)總產值和銷售產值為研究對象的EG指數，然后對不同行業(yè)所有EG指數用熵權法進行加權平均。由于EG指數是通過赫芬達爾—赫希曼指數和空間基尼指數方式測算而得，能夠有效反映集聚程度和產業(yè)結構情況，所以本文采用該指數(范慧慧 等，2009)。

(3)控制變量。由于不同行業(yè)地級市數據的缺失，本文控制變量的選取與效率變量選取類似，即使用工業(yè)企業(yè)數據庫相關指標的加總替代地級市數據，具體選取方式如下：融資能力(Fi)，用利息支出與銷售收入的比表示；外商參與度(FDI)使用外商投資總額比工業(yè)生產總值衡量；道路密度(Road)用年末實有城市道路面積與行政區(qū)域土地面積之比表示；使用就業(yè)人數、銷售產值和工業(yè)總產值求出的相關多樣化指標進行熵權法加權作為地級市相關多樣化衡量指標RV(Frenken et al.，2007)；基于數據可得性，本文選取科學技術支出和公共財政支出之比來表示研發(fā)投入，即R&D(謝榮輝 等，2016)。

(二)數據來源與描述性統(tǒng)計

以上變量數據來源于《中國城市統(tǒng)計年鑒》和工業(yè)企業(yè)數據庫，由于PSTR模型和DEA模型需要平衡面板數據，本文剔除數據缺失地區(qū)，最終以207個地級及以上行政級別市作為研究對象。本文按照工業(yè)企業(yè)數據庫分類的30個二分位制造業(yè)，采用郭克莎(2005)、趙書華等(2009)等分類方法，按生產要素密集度把數據劃分為勞動密集型、技術密集型、資本密集型和資源密集型四類，具體結果見表1*之所以先考慮資源密集型，是因為過度依賴資源，并使用存貨占生產總值的比表示，如果該數值超過所有行業(yè)的均值，數值超過50%，則為資源密集型。資本與勞動是相互對立的，所以使用人均固定資產占比來區(qū)分資本密集型和勞動密集型，如果小于均值且數值超過50%，則為勞動密集型；如果該指標大于均值且數值超過50%，則為資本密集型。技術人員占所有員工的比例是區(qū)分技術密集型的主要變量，對于其他沒有分類的制造業(yè)，如果該指標大于平均值且數值超過50%，則將其劃分為技術密集型，此種分類方法可能使部分制造業(yè)沒有被劃分，則回到第二步，如果剩下的制造業(yè)人均固定資產占有額小于50%，則歸為勞動密集型，反之歸為資本密集型。。

表1 制造業(yè)按要素密集度分類

表2是變量的描述性統(tǒng)計，ln FDI(外商參與度)的標準差最大(26.165)，變化波動最為明顯；Gc(地理中心度)的標準差最小(0.014)，變化波動較??；其他變量標準差差異不大，表現為波動的一致性。

表2 描述性統(tǒng)計分析

四、實證檢驗和結果分析

在對集聚與生產率之間關系進行實證檢驗前，需要對PSTR模型進行轉換函數的數量、位置參數的數量m以及平滑參數r和位置參數c的初始值的選擇。

(一)非線性檢驗及門檻個數的選擇

在進行實證分析前需要檢驗面板數據的平穩(wěn)性，以確保實證結果的穩(wěn)健性。表3為單位根檢驗結果，除變量R&D的LLC檢驗結果不顯著外，其他變量檢驗結果均顯著，并不存在單位根。

表3 面板數據的單位根檢驗

注:***、**和*分別表示在1%、5%和10%水平上顯著；括號中為參數估計的P值。下同。

相關文獻研究結果表明，面板數據各截面之間存在相關性會導致傳統(tǒng)單位根檢驗失效，從而造成顯著性偏差。接下來對截面相關性進行檢驗，表4為截面相關檢驗結果，除Edu外的其它變量均顯著拒絕截面相互獨立的原假設*這里主要使用Pesaran(2004)的CD統(tǒng)計量來檢驗截面相關性，P為滯后期。。

表4 截面相關性檢驗

表5為第二代單位根檢驗，意在解決截面相關性問題。與第一代檢驗相似，所有變量在不同階數下的CIPS和CZ統(tǒng)計量均拒絕了存在單位根的原假設。

表5 第二代面板單位根檢驗

(續(xù)表5)

統(tǒng)計量P=1P=2P=3R&DCIPS-1.707**(0.01)-2.031**(0.04)-3.093**(0.01)CZ-53.625***(0.00)-56.000***(0.00)-61.333***(0.00)lnRoadCIPS-2.718**(0.01)-2.089**(0.02)-3.714***(0.00)CZ-25.623***(0.00)-30.112***(0.00)-41.16***(0.00)RVCIPS-3.301***(0.00)-2.056**(0.04)-1.955**(0.01)CZ-37.746***(0.00)-46.421***(0.00)-66.066***(0.00)GcCIPS-4.090***(0.00)-3.875**(0.02)-2.658***(0.00)CZ-45.004***(0.00)-53.330***(0.00)-68.889***(0.00)

表6 線性與剩余非線性檢驗

(續(xù)表6)

模型原假設:H0∶r=0備擇假設:H0∶r=1LMLMFLRT原假設:H0∶r=1備擇假設:H0∶r=2LMLMFLRTAICm=1m=2BICm=1m=2A8250.277(0.00)9.826(0.01)255.310(0.00)19.285(0.01)2.189(0.02)19.314(0.01)4.9645.5115.2135.672A9109.625(0.00)4.241(0.00)111.158(0.00)21.047(0.01)2.388(0.01)21.103(0.01)5.0005.2236.3576.570A1089.053(0.00)3.419(0.00)89.898(0.00)38.541(0.00)4.391(0.01)38.698(0.00)4.2464.3554.9675.124A11223.095(0.00)8.795(0.00)228.174(0.00)25.031(0.01)2.844(0.01)25.093(0.01)4.0054.1874.5344.623A1277.939(0.00)2.988(0.00)78.641(0.00)36.562(0.07)2.078(0.09)36.715(0.08)4.1124.0334.5704.338A1340.328(0.02)1.543(0.05)40.922(0.00)0.978(0.80)0.109(0.91)0.098(0.83)4.7754.8044.1294.456A1438.699(0.03)1.479(0.64)39.233(0.00)2.615(0.65)0.292(0.83)2.617(0.70)5.3545.5605.1915.339A1539.911(0.02)1.524(0.05)40.389(0.00)19.082(0.01)2.159(0.03)19.190(0.01)4.5434.9035.5465.955A1686.161(0.00)3.403(0.00)88.762(0.00)30.298(0.00)3.452(0.00)30.611(0.04)5.7804.3676.1475.909

由于效率和生產率之間可能存在內生性問題，所以本文采用劉修巖(2014)提出的地理中心度指標來解決內生性問題。在使用工具變量前需要進行豪斯曼檢驗，通過stata得到統(tǒng)計量chi2(3)=1851，這顯著拒絕所有變量均為外生變量的原假設。接下來采用弱工具變量檢驗地理中心度是否為有效工具變量，得到統(tǒng)計量F=26.132，地理中心度Gc為有效工具變量。

(二)實證結果及分析

PSTR回歸首先需要通過網格搜索法選取適用于模型的殘差平方和最小的初始值*網格搜索法、PSTR回歸都通過matlab編程得到結果。。表7為所有模型(A1、A2、A3、A4、A5、A6、A7、A8、A9、A10、A11、A12、A13、A14、A15、A16)的實證結果，可以看出大多數變量的回歸系數在1%顯著性水平下顯著，說明了模型具有可靠性。圖3為所有模型(A1、A2、A3、A4、A5、A6、A7、A8、A9、A10、A11、A12、A13、A14、A15、A16)的轉換函數，除了模型A12只有少數觀察值在高低機制之間，其他模型的高低機制之間都存在大量觀察值，這表明使用非平滑轉換模型或線性模型會產生偏誤。

圖3不同模型回歸結果的轉換函數

從全國層面來看，所有類型制造業(yè)都只有一個門檻值，并且除了資本密集型制造業(yè)外，其他類型制造業(yè)轉換程度都比較低，分別為γ=0.095、γ=0.159、γ=0.096。勞動密集型制造業(yè)門檻值為EG=e-3.552，集聚程度低的時候，其對生產率的關系為負，隨著集聚水平的增加，其對效率的負向關系減弱，但仍為負，屬于集聚遞減型。資本密集型制造業(yè)兩者之間關系數值前期為負，隨著集聚水平提高到門檻值EG=e-10.573，集聚開始對效率產生正向作用，并且正向作用比較大，屬于集聚推進性。技術密集型、資源密集型制造業(yè)門檻值分別為EG=e-14.141、EG=e-3.707，集聚初期對效率產生正向作用，隨著集聚水平提高到門檻值，這種正向作用開始減弱，但兩者仍為正相關，屬于過度集聚型。

東部地區(qū)勞動密集型和資源密集型制造業(yè)轉換程度γ=0.068和γ=0.055，所以斜率的變化較為平緩。勞動密集型門檻值為EG=e-5.382，前期集聚和效率的關系為正，到達門檻后這種關系減弱，最終變?yōu)樨撝?，屬于過度集聚型。資本密集型、技術密集型和資源密集型制造業(yè)的門檻值分別為EG=e-10.462、EG=e-10.015和EG=e-23.934，當集聚水平小于門限值時，集聚與效率呈現正相關，隨著集聚水平提高，集聚與效率的正相關關系逐步增強，屬于集聚推進型。

對于中部地區(qū)而言，勞動密集型、資本密集型和資源密集型制造業(yè)轉換程度γ=14.048、γ=182.527和γ=58.841，轉換斜率曲線比較陡峭。勞動密集型制造業(yè)門限值為EG=e-14.048，集聚對效率的影響初始為正，達到門檻值后，這種作用突然增大，屬于集聚推進型。資本密集型、技術密集型制造業(yè)的門檻值分別為EG=e-14.369、EG=e-14.476，集聚對效率的作用初期都為正，但是隨著集聚水平不斷提高，這種正向作用不斷變弱，甚至變?yōu)樨撝?，屬于過度集聚型。資源密集型制造業(yè)存在兩個門檻值EG1=e-10.892和EG2=e-15.496，集聚初期對效率產生正向作用，但隨著集聚水平提高到第一個門檻值，這種作用變?yōu)樨?，隨著集聚水平繼續(xù)提高到第二個門檻值，其對效率的作用又變?yōu)檎?，并且正向關系比較弱，屬于過度集聚型。

表7 模型的參數估計結果

(續(xù)表7)

A1 A2 A3 A4 A5 A6 A7 A8β60.021(1.31)-0.012***(-4.58)-0.003(-1.09)0.005(0.62)2.083***(3.86)-0.003(-0.54)-0.007***(-2.62)-0.026*(-1.87)β70.380***(3.13)0.098***(3.19)0.121***(5.15)0.245***(3.94)5.416***(5.88)0.729***(9.60)0.632***(7.28)-0.153***(-6.55)β80.073(0.08)0.202***(2.94)0.806***(3.24)-1.059*(-2.02)20.848(1.01)0.119*(1.69)0.012(0.13)3.730***(3.70)β'1-0.068***(-8.07)0.014***(8.61)-0.007***(-9.05)-0.019***(-7.39)-2.849***(-9.06)0.003***(6.88)0.005(0.86)0.015***(5.13)β'21.172(1.58)1.029(1.06)9.084***(2.68)7.793(1.45)1.952(1.29)2.259**(2.26)4.732***(4.44)-1.411*(-1.83)β'3-0.006***(-3.66)-0.001***(-5.26)-0.002***(-3.59)-0.005***(-6.49)-0.147***(-3.28)-0.052***(-3.30)-4.771(-1.39)0.009***(5.43)β'4-52.493***(-3.58)-4.131***(-3.49)4.264(0.93)-12.477(-1.39)-19.099***(-4.15)0.865(0.63)1.043(0.63)-1.430(-0.08)β'5-6.112**(-7.57)-0.383***(-5.20)-2.772***(-11.18)-1.658***(-3.04)-16.943(-6.91)-0.549***(-9.62)-0.767***(-14.72)3.129***(4.52)β'6-0.029(-1.60)0.011***(9.85)0.001(0.22)-0.001(-1.00)-2.096***(-3.85)0.016***(12.10)0.011***(6.36)0.044**(2.03)β'7-0.101***(-3.30)-0.010***(-3.62)-0.047***(-5.62)-0.063*(-2.02)-5.464***(-5.88)-0.028***(-8.56)-0.028***(-5.87)0.251***(6.91)γ0.0951.6340.1590.0960.0681.3211.1230.055c13.55210.57314.1413.7075.38210.46210.01523.934 A9 A10 A11 A12 A13 A14 A15 A16β10.046(0.85)0.012***(4.65)0.023***(6.16)0.085**(2.21)7.866***(3.87)0.115***(5.37)0.013***(6.67)0.084***(5.31)β2-1.003***(-3.09)-8.318***(-3.51)-3.972***(-6.13)-1.245***(-4.37)-9.875***(-2.80)-1.030**(-2.22)8.931(0.75)-3.776(-1.55)β3-0.037***(-3.59)-0.048***(-4.90)-0.047***(-4.67)-0.057***(-6.29)-0.208(-0.25)-0.010***(-5.27)-0.085***(-4.71)-0.051***(-2.93)β4-14.744***(-8.36)-15.206***(-4.91)-9.395***(-7.36)-13.295***(-9.09)76.032(1.01)-15.692***(-6.51)-10.472***(-6.88)-10.314***(-5.57)β5-0.629***(-6.02)-0.707***(-6.89)-0.518***(-5.99)-0.540***(-6.22)96.453(1.19)-0.469**(-2.36)-0.840***(-6.36)-0.475***(-3.78)β6-0.013***(-4.09)-0.016***(-5.68)-0.011***(-4.81)-0.008***(-3.29)16.801(-1.35)0.018**(-2.28)-0.015***(-2.92)-0.036(-0.07)β7-0.008***(-3.32)-0.011***(-4.32)-0.007***(-3.73)-0.004*(-2.08)35.534**(2.37)-0.009***(-2.69)-0.012***(-4.46)-3.15*(-1.65)β80.585***(4.99)0.526***(4.38)0.579***(5.11)-0.168**(-2.12)61.514**(2.01)0.663***(3.52)-0.202(-1.46)0.407***(2.73)β'10.025(0.53)-0.021**(-2.21)-0.012***(-4.06)-0.120(-0.62)-9.862***(-3.87)-0.062***(-2.81)0.001(1.31)-0.052***(-2.76)β'2-8.769**(-2.32)-1.232(-0.17)5.235***(3.17)-0.662(-0.19)9.899***(2.80)-1.174**(-2.41)-17.468(-0.67)8.649(1.51)β'3-0.016(-0.89)-0.031*(-1.91)0.017***(0.96)-4.695***(-5.03)0.207(0.26)-0.009***(-3.25)-0.046(-1.15)-0.078**(-2.37)β'48.072***(4.19)6.276**(2.57)4.191**(2.02)10.739***(7.20)-76.396(-1.01)-2.794(-0.54)12.599***(4.10)-8.513**(-2.34)β'5-1.419(-7.76)-0.534*(-1.99)-1.592***(-10.04)-0.874***(-7.25)-99.132(-1.20)-0.225***(-3.39)0.023(0.05)0.237(0.66)β'60.004***(2.79)0.005***(3.301)0.008(5.87)0.002*(1.75)-16.839(-1.37)-0.012(-0.73)-0.033(-1.05)-0.012***(-4.78)β'70.009***(2.84)0.010***(3.119)0.008***(2.82)0.004*(1.72)-29.633**(-2.37)0.018**(2.53)-0.002(-0.43)0.023***(4.03)γ51.281182.5272.18158.8410.0361.4838.0523.458c114.04814.36914.47610.89215.32015.05515.1372.078c2---15.496---15.656

注:***、**和*分別表示在1%、5%和10%水平上顯著；括號中為參數估計的t值。

對西部地區(qū)而言，勞動密集型和資本密集型制造業(yè)分別存在一個轉換機制EG=e-15.320和EG=e-15.055，當集聚水平較小的時候，其對效率產生正向作用，隨著集聚水平不斷提高，這種關系逐漸變?yōu)樨?，屬于過度集聚型。技術密集型制造業(yè)集聚對效率初期為正，隨著集聚水平不斷提高到門檻值EG=e-15.137，這種關系不斷深化，屬于集聚推進型。資源密集型制造業(yè)存在兩個門檻值，分別為EG1=e--2.078和EG2=e-15.656，當集聚水平較低的時候，其對效率的作用為正，當產業(yè)不斷集聚時，兩者變?yōu)樨撓嚓P，然而隨著集聚水平不斷提高并達到第二個門檻值時，集聚對效率又產生正向作用，并且作用比較小，屬于過度集聚型。

接下來按照行業(yè)分類對不同地區(qū)進行分析，可以看出東部和西部地區(qū)勞動密集型制造業(yè)屬于過度集聚型，由于2003—2013年正是中國產業(yè)結構向技術型、集約型轉型的重要時期，此時廉價勞動力優(yōu)勢不復存在，此時大型機械設備和技術開始廣泛應用，勞動力數量的增加并不能造成生產率的顯著提高。距離港口較遠、勞動力外流以及企業(yè)融資難都促使西部地區(qū)集聚對生產率的微弱正向作用不斷變?yōu)樨摰?，而東部地區(qū)因為對外開放政策以及國外FDI的介入，其產業(yè)結構不斷向資本和技術密集型轉變，高昂的生產成本和租賃費用導致勞動密集型制造業(yè)的不斷退出，所以生產率不斷下降。由于中部地區(qū)發(fā)展水平比西部地區(qū)要好，既沒有高昂的房價，也沒有激烈的競爭，加之大量引進FDI和技術，勞動力不斷聚集，隨著集聚水平的提高，效率也得到顯著提高，屬于集聚推進型。

對于資本密集型制造業(yè)而言，中部地區(qū)屬于過度集聚型，因為資本密集型是以大量資本和機械設備為基礎的，為了避開西部偏遠地區(qū)以及生產成本較高的東部沿海地區(qū)，資本密集型企業(yè)會選擇在中部地區(qū)發(fā)展，隨著集聚水平不斷提高，競爭壓力不斷增加，生產率開始下降，那些發(fā)展較好的資本密集型企業(yè)便會向東部地區(qū)轉移。而東部沿海地區(qū)城市快速發(fā)展，吸引了大量熟練勞動力、機械設備和技術聚集，降低了企業(yè)成本，所以企業(yè)數量不斷增加并產生規(guī)模經濟，從而獲得超額利潤，促進了生產率提高。但是東部地區(qū)也會伴隨擁擠、競爭等問題，這種正向關系會減弱。西部地區(qū)資本密集型制造業(yè)的集聚水平不高，競爭壓力較小，在政府的政策支持下，隨著集聚水平不斷的提高，這種正相關不斷提高。

全國范圍、東部地區(qū)資源型制造業(yè)都屬于過度集聚型，由于資源本身可以帶來高利潤，從而促進生產率顯著提高，當資源消耗殆盡時，企業(yè)會出現發(fā)展瓶頸，此時企業(yè)會倒閉或者遷移，并且這些企業(yè)污染處理技術水平并不高，污染帶來的負外部性將導致生產率再次降低。西部和東部地區(qū)制造業(yè)集聚初期對效率會產生正向影響，但是隨著集聚水平提高，其影響變?yōu)樨撓虻?，但是當集聚水平提高到一定限度后，其對生產率的作用又開始為正，但是正向作用效果不如集聚初期，這是因為集聚初期的污染已經嚴重影響企業(yè)正常生產，但是中西部地區(qū)地域遼闊，資源豐富，促使這類企業(yè)不斷提高污染處理技術，此時生產率又開始提高。

技術型制造業(yè)的特點是前期投入成本高，一旦度過瓶頸期，產業(yè)的收益和規(guī)模會顯著增加。而東部地區(qū)在熟練勞動力、FDI和技術方面存在優(yōu)勢，并且相關多樣化水平高，隨著集聚水平不斷提高促進有效技術的產生，并且該類型產業(yè)外部性較高，從而促進當地生產率顯著提高。而西部地區(qū)發(fā)展緩慢，西部大開發(fā)、產業(yè)轉移、一帶一路等政策都促使技術型產業(yè)不斷發(fā)展，保證其生產率不斷提高。由于接近東部地區(qū)，中部地區(qū)大量技術人員愿意轉移到東部沿海地區(qū)發(fā)展，而且該地區(qū)主要以其他密集型產業(yè)為主，發(fā)展技術密集型產業(yè)不具有優(yōu)勢，隨著集聚水平不斷增加，生產率會降低，屬于過度集聚型。

五、結論及政策啟示

基于2003—2013年中國207個地級及以上行政級別市30個二分位制造業(yè)的面板數據，運用非期望產出數據包絡模型和非線性面板平滑轉換模型進行參數估計，研究了不同地區(qū)要素密集度下集聚與生產率之間關系，從而得到以下主要結論：(1)考慮環(huán)境污染等非期望產出的東部沿海地區(qū)城市生產率要顯著高于中西部地區(qū)城市生產率；(2)東部沿海地區(qū)集聚指數顯著大于中西部地區(qū)，中西部地區(qū)城市產業(yè)過度集聚要多于東部沿海城市；(3)相關多樣化對生產率的影響基本為正，但中西部資源密集型制造業(yè)為負相關；(4) 人力資本和研發(fā)投入對生產率的影響隨著集聚水平的提高而提升，且數值顯著為正；(5)道路密度初期對生產率產生負向作用，各地區(qū)基礎設施建設沒有跟上集聚水平的提高；(6)國外的科技水平與管理模式對中國制造業(yè)的作用顯著，外商投資與效率呈現正相關。

如何處理貧富兩級分化，促進產業(yè)結構升級，合理優(yōu)化資源配置是解決當今社會問題的關鍵，因此本文的政策性啟示為：第一，地方政府應該采取相應的稅收和補貼壁壘政策，避免過度集聚出現，需要對當地企業(yè)進行適當干預，從而合理優(yōu)化資源配置；第二，政府應當加強產學研結合，大力培養(yǎng)高科技人才，發(fā)揮院?？蒲袃?yōu)勢，積極引進外商投資，借鑒國外先進管理模式，加速依靠廉價勞動力的傳統(tǒng)模式向以高科技技術為導向的產業(yè)模式轉型；第三，政府和企業(yè)應通過研發(fā)和引入國外技術，提高污染處理水平，針對不同地區(qū)污染狀況及集聚水平制定相應的政策，引導外商投資向清潔產業(yè)轉移，降低環(huán)境污染程度；第四，中西部地區(qū)地方政府應加大投入財政支出力度，提高當地基礎設施水平，建立健全良好的金融體系，解決企業(yè)融資難問題，吸引東部地區(qū)企業(yè)進入，提高產業(yè)相關多樣化水平；第五，中西部地區(qū)應實施人才保留政策，避免熟練勞動力大量外流，提高當地企業(yè)生產率。