一 問題提出

改革開放以來，工業(yè)化和城市化率先在東部沿海地區(qū)大范圍推廣，環(huán)渤海地區(qū)、珠三角地區(qū)和長三角區(qū)域等經(jīng)濟帶的突飛猛進發(fā)展帶動了中國經(jīng)濟的高速增長。2016年中西部地區(qū)生產(chǎn)總值為315574億，而東部地區(qū)生產(chǎn)總值為456044億，處于絕對領先位置。全國百強城市中有61個位于東部，說明東部沿海地區(qū)在中國經(jīng)濟中的重要地位。2016年我國國內(nèi)生產(chǎn)總值增速為6.7%，其中制造業(yè)增速6.1%，其增加值占比為39.8%。中國經(jīng)濟的可持續(xù)增長離不開制造業(yè)的協(xié)調(diào)發(fā)展，如何提高制造業(yè)生產(chǎn)效率是未來發(fā)展的重點。

東部沿海地區(qū)經(jīng)濟快速發(fā)展，但近幾年兩極分化、非均衡發(fā)展等問題不斷凸顯。西部大開發(fā)、產(chǎn)業(yè)轉(zhuǎn)移以及絲綢之路等政策實施意在改善東部與中西部地區(qū)的兩極分化，提高中西部集聚經(jīng)濟效應，但結(jié)果卻不盡人意，中西部地區(qū)仍舊呈現(xiàn)全要素生產(chǎn)率低下、產(chǎn)業(yè)過度集聚、經(jīng)濟發(fā)展缺乏內(nèi)生動力等問題(章元和劉修巖，2008[1]；郭麗娟和鄧玲，2013[2])。集聚經(jīng)濟又稱外部規(guī)模經(jīng)濟，產(chǎn)生的馬歇爾外部性和雅各布外部性可以促進全要素生產(chǎn)率，但地區(qū)基礎設施的發(fā)展會影響企業(yè)內(nèi)部與企業(yè)間的有效連接，基礎設施水平提升可以有效減少交易成本，提高外部性(董曉芳和袁燕，2014[3]；王良舉和陳甬軍，2014[4])。通過測算中國207個地級市集聚經(jīng)濟、全要素生產(chǎn)率和基礎設施水平可知，東部沿海地區(qū)的全要素生產(chǎn)率、集聚經(jīng)濟效應和基礎設施水平都遠高于中西部，產(chǎn)業(yè)高度集聚(大于0.05)和相關化(大于1.6)；但與美國、德國和日本相比，中國集聚經(jīng)濟發(fā)展尚不均衡，全要素生產(chǎn)率與基礎設施和集聚經(jīng)濟分布存在著顯著的差異，并非呈正相關關系(1)集聚經(jīng)濟分為馬歇爾外部性和雅各布外部性，馬歇爾外部性(綜合EG指數(shù))和雅各布外部性(相關多樣性)都是通過中國2003-2013年工業(yè)企業(yè)數(shù)據(jù)庫的銷售產(chǎn)值、工業(yè)總產(chǎn)值和在職人數(shù)，運用熵權法并進行算術平均求得；全要素生產(chǎn)率是考慮非期望產(chǎn)出的我國207個地級市制造業(yè)2003-2013年GML指數(shù)，并通過算術平均求得；基礎設施是我國207個地級市2003-2013年的公共營運汽車總數(shù)、實有道路面積和建成區(qū)綠化覆蓋率按熵權法并進行算術平均求得。(范劍勇，2004[5]；劉修巖，2014[6]；陸根堯和林永然，2015[7])。產(chǎn)業(yè)轉(zhuǎn)移、西部大開發(fā)政策并沒有充分發(fā)揮作用，中西部地區(qū)基礎設施相對落后，沒有很好地承接東部產(chǎn)業(yè)，而產(chǎn)業(yè)同構(gòu)、重復建設現(xiàn)象加重了東部沿海地區(qū)資源錯配、環(huán)境污染和擁擠等問題，基礎設施難以滿足當?shù)匦枨蟆?/p>

基于以上背景，本文建立面板平滑轉(zhuǎn)換模型，引入非期望產(chǎn)出的數(shù)據(jù)包絡方法求出GML指數(shù)，研究中國分地區(qū)集聚經(jīng)濟在基礎設施變化的條件下，如何影響全要素生產(chǎn)率提升的問題。

二 文獻綜述與研究假說

現(xiàn)有研究認為經(jīng)濟活動的集聚和經(jīng)濟增長之間存在著高度相關性(Hohenberg和Lees，1995[8]；張萬里和魏瑋，2018[9])。集聚經(jīng)濟水平是影響地區(qū)經(jīng)濟發(fā)展和生產(chǎn)率空間差異性的重要因素。反之，經(jīng)濟增長和生產(chǎn)率的空間差異也會作用于集聚效應(Thisse和Fujita，2002)[10]。集聚經(jīng)濟主要通過馬歇爾外部性(產(chǎn)業(yè)集聚)和雅各布外部性(相關多樣性)對企業(yè)和當?shù)厣a(chǎn)率產(chǎn)生影響，這兩種外部性對不同地區(qū)不同行業(yè)的作用是不同的(Glaeser et al.，1992[11]；Henderson，2003[12]；傅十和和洪俊杰，2008[13]；普雁翔，2010[14])。馬歇爾外部性(產(chǎn)業(yè)集聚)通過規(guī)模經(jīng)濟和知識溢出促進經(jīng)濟增長(杜威劍和李夢潔，2015[15]；韋曙林和歐梅，2017[16])。雅各布外部性(相關多樣性)則通過行業(yè)間的知識溢出對企業(yè)全要素生產(chǎn)率產(chǎn)生影響，促進地區(qū)經(jīng)濟增長(孫曉華，2012[17]；Boschma和Iammarino，2015[18]；周國富等，2016[19])。但越來越多學者發(fā)現(xiàn)產(chǎn)業(yè)集聚和相關多樣性與地區(qū)經(jīng)濟增長之間存在著非線性關系，甚至具有負向關系，所以本文提出以下待檢驗假設：

(1)基礎設施規(guī)模會影響馬歇爾外部性與全要素生產(chǎn)率之間的非線性關系。

馬歇爾外部性雖然會產(chǎn)生規(guī)模經(jīng)濟和知識溢出，但環(huán)境污染、擁擠現(xiàn)象和要素錯配等問題也會隨之而出，導致其對全要素生產(chǎn)率的促進作用不斷減小(甚至出現(xiàn)負值)。在基礎設施發(fā)展不足時，政府不斷吸引產(chǎn)業(yè)集聚，會阻礙產(chǎn)業(yè)規(guī)模經(jīng)濟效應的發(fā)揮，提高交易成本(唐根年等，2009[20]；Rizov et al.，2012[21]；鹿坪，2017[22])。如果一個地區(qū)基礎設施不足，正外部性會隨產(chǎn)業(yè)集聚水平不斷增加而降低，甚至產(chǎn)生阻礙作用；而如果該地區(qū)產(chǎn)業(yè)集聚水平低，基礎設施規(guī)模卻較為龐大，則會造成一定程度的資源浪費；只有基礎設施與產(chǎn)業(yè)集聚水平達到吻合狀態(tài)，才能對全要素生產(chǎn)率產(chǎn)生最大效用(陳旭等，2016[23]；謝子遠和吳麗娟，2017[24])。

(2)基礎設施規(guī)模會影響雅各布外部性與全要素生產(chǎn)率之間的正向非線性關系。

雅各布外部性指行業(yè)間的外部性，主要通過知識溢出(技術交流)對全要素生產(chǎn)率產(chǎn)生影響。相關多樣性促使企業(yè)管理者和利益相關者不斷提升資源共享的能力，以知識溢出的形式促進創(chuàng)新。決定企業(yè)管理者和其他利益相關者共享資源的主要因素是企業(yè)之間的“認知距離”。如果“認知距離”過大，或者企業(yè)之間存在技術范疇的“鴻溝”，現(xiàn)有技術制約共享資源的有效重組，企業(yè)難以創(chuàng)新；如果“認知距離”太小，企業(yè)之間的結(jié)構(gòu)和技術相似，也難以產(chǎn)生有效的創(chuàng)新(Burt，2004[25]；Aarstad et al.，2016[26])。這種“認知距離”在一定程度上與基礎設施水平相關，并且能夠通過作用于企業(yè)的有效創(chuàng)新，對全要素生產(chǎn)率產(chǎn)生影響。所以相關多樣性與基礎設施規(guī)模達到適當?shù)钠胶獠艜龠M創(chuàng)新的實現(xiàn)，相關多樣性通過基礎設施的變化對全要素生產(chǎn)率產(chǎn)生非線性影響(Nooteboom et al.，2007[27]；沙文兵，2013[28]；Hassink，2014[29])。

(3)不同地區(qū)馬歇爾外部性和雅各布外部性對全要素生產(chǎn)率的非線性影響不同。

引入地區(qū)異質(zhì)性分析發(fā)現(xiàn)，東部地區(qū)的經(jīng)濟發(fā)展水平和創(chuàng)新水平遠遠高于中、西部地區(qū)，東部地區(qū)的相關多樣性對企業(yè)創(chuàng)新的影響與中、西部地區(qū)相比更加顯著。隨著基礎設施的不斷增加且突破某一臨界值，更高水平的基礎設施誘導不同地區(qū)相關多樣性對所屬地區(qū)企業(yè)創(chuàng)新產(chǎn)生更為顯著的正向促進作用。但東部地區(qū)相關多樣性已經(jīng)很高，隨著基礎設施的再次增加，因地域狹小而出現(xiàn)擁擠的缺點，使得其對全要素生產(chǎn)率的正向影響變小。東部地區(qū)產(chǎn)業(yè)集聚水平高，技術水平較高，經(jīng)濟規(guī)模較大，當基礎設施水平較低時，集聚水平增加很容易造成擁擠；當基礎設施提高到滿足產(chǎn)業(yè)集聚水平時，其對全要素生產(chǎn)率正向影響最大；當基礎設施水平過高，只有技術水平的提高才能提升全要素生產(chǎn)率。中西部地區(qū)產(chǎn)業(yè)集聚和基礎設施較為落后，其對全要素生產(chǎn)率產(chǎn)生正的非線性影響(魏瑋和張萬里，2017)[30]。

綜上所述，國內(nèi)外文獻對集聚經(jīng)濟及其與生產(chǎn)率之間關系的研究甚多，但存在以下方面的不足。在研究對象上，國內(nèi)大多數(shù)學者的相關多樣性指標為省級層面，缺乏對于地級市分行業(yè)數(shù)據(jù)的研究，本文使用中國工業(yè)企業(yè)數(shù)據(jù)庫，通過加總不同地區(qū)不同行業(yè)相關指標，重新建立相關多樣性指標；指標使用上，國內(nèi)大多使用單一的就業(yè)人數(shù)或銷售產(chǎn)值來衡量集聚指數(shù)和相關多樣化，本文則采用熵權法求出就業(yè)人數(shù)、銷售產(chǎn)值和生產(chǎn)總值下的相關多樣性和產(chǎn)業(yè)集聚指標(呂開宇等，2016[31]；張萬里和魏瑋，2018[32])；在方法上，本文通過計算TFP指數(shù)和引入非期望產(chǎn)出的GML指數(shù)，進行面板平滑轉(zhuǎn)換模型分析(PSTR)，并使用普通面板回歸和ML指數(shù)進行穩(wěn)健性檢驗(柯孔林和馮宗憲，2008[33]；金春雨和王偉強，2016[34]；孫海波等，2017[35])；此外，馬歇爾外部性、雅各布外部性和基礎設施與全要素生產(chǎn)率之間存在內(nèi)生性，這一問題亟需解決(Gardiner et al.，2011[36]；劉修巖，2014[6]；孫慧和朱俏俏，2016[37])。

三 模型設定、變量選取與數(shù)據(jù)說明

(一)模型設定

PSTR是一種門檻模型，適用于集聚經(jīng)濟與全要素生產(chǎn)率之間的非線性關系分析，表達式如下：

(1)

其中γ為轉(zhuǎn)換速度，會影響模型的平滑性，c為平滑參數(shù)，qit為轉(zhuǎn)換變量，轉(zhuǎn)換函數(shù)具體為：

(2)

其中γ>0，c1≤c2≤…≤cm，0≤g(qit;r,x)≤1，xit的函數(shù)值將在b1和b1+b2之間平滑(Gonzlez et al.，2004[38]；陳創(chuàng)練等，2016[39])。本文通過上述理論分析構(gòu)建如下模型：

lnθ=μit+∑β×(xit+zit)+∑β′g(lnEGit;γ1,c1)×xit+uit

(3)

(二)變量選取

本文以我國30個制造業(yè)2003-2013年的數(shù)據(jù)為樣本，由于引入非期望產(chǎn)出和傳統(tǒng)的全要素生產(chǎn)率都會減少一年，并且這里使用滯后一期被解釋變量作為工具變量，實際回歸樣本區(qū)間為2005-2013年。具體如下：

1.被解釋變量

采用全要素生產(chǎn)率(TFP)、引入非期望產(chǎn)出的GML指數(shù)和ML指數(shù)作為模型的被解釋變量，主要變量數(shù)據(jù)從《中國城市統(tǒng)計年鑒》獲得，對于沒有數(shù)據(jù)的指標，使用中國工業(yè)企業(yè)數(shù)據(jù)庫相關數(shù)據(jù)進行加總替代(2)全要素生產(chǎn)率通過Matlab編程獲得。。

(1)投入指標。將固定資產(chǎn)合計(億元)、年末從業(yè)人數(shù)(萬人)、流動資產(chǎn)總值(億元)、主營業(yè)務成本(億元)作為投入變量。

(2)產(chǎn)出指標。使用利潤總額(億元)、主營業(yè)務收入(億元)和工業(yè)總產(chǎn)值(億元)衡量。

(3)非期望產(chǎn)出指標。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。

2.核心解釋變量

(1)馬歇爾外部性(產(chǎn)業(yè)集聚EG)：本文通過計算就業(yè)人數(shù)、銷售產(chǎn)值和工業(yè)總產(chǎn)值下的EG指數(shù)，然后使用熵值法進行加權。該指數(shù)通過赫芬達爾指數(shù)和空間基尼指數(shù)求出，能夠反映集聚程度和產(chǎn)業(yè)結(jié)構(gòu)(Guo et al.，2016[40]；劉楊和蔡宏波，2017[41])。

(2)雅各布外部性(相關多樣性RV)：本文借鑒Aarstad et al.(2016)[26]的研究，使用中國工業(yè)企業(yè)數(shù)據(jù)庫中三分位行業(yè)作為相關多樣性的分類標準，運用熵值法加權就業(yè)人數(shù)、銷售產(chǎn)值和工業(yè)總產(chǎn)值下的相關多樣性(Balland et al.，2009[42]；Aarstad，2016[26])。

3.轉(zhuǎn)換變量

本文使用基礎設施(Infra)作為轉(zhuǎn)換變量，采用熵值法，對2004-2014年《中國城市統(tǒng)計年鑒》中的人均實有道路面積、人均公共營運汽車數(shù)量和建成區(qū)綠化覆蓋率進行加權。

4.控制變量

人力資本(Edu)積累能提升勞動力素質(zhì)和職業(yè)技術水平，從而影響全要素生產(chǎn)率，本文使用熵權法對人均普通高校教師數(shù)和人均普通高校學生數(shù)進行加權平均，以衡量人力資本水平，預期系數(shù)為正；研發(fā)投入(R&D)作為創(chuàng)新投入能夠提高未來科學技術水平，提升全要素生產(chǎn)率，由于《中國城市統(tǒng)計年鑒》沒有研發(fā)投入數(shù)據(jù)，本文使用滯后兩期的科技活動經(jīng)費支出占工業(yè)總產(chǎn)值的比重來衡量。隨著基礎設施規(guī)模擴大，“認知距離”減少，由研發(fā)投入引起的知識溢出會顯著增加，預期研發(fā)投入與全要素生產(chǎn)率為正的非線性關系(謝榮輝和原毅軍，2016)[43]；外商直接投資(FDI)反映一個地區(qū)的對外開放程度，其增加能夠提高當?shù)丶夹g外溢和擴散效應，本文使用當年實際使用外資金額占工業(yè)總產(chǎn)值的比重來衡量，預期對全要素生產(chǎn)率產(chǎn)生正向影響；政府適度干預經(jīng)濟有助于提高全要素生產(chǎn)率，優(yōu)化資源配置，但是過度干預會導致政府失靈，這里使用財政支出占工業(yè)總產(chǎn)值的比重作為政府干預程度(GOV)的衡量指標。

5.工具變量

(三)數(shù)據(jù)來源與描述性統(tǒng)計

以上變量數(shù)據(jù)從2003-2013年中國工業(yè)企業(yè)數(shù)據(jù)庫和《中國城市統(tǒng)計年鑒》中搜集和計算獲得。由于PSTR模型和全要素生產(chǎn)率都需要平衡面板數(shù)據(jù)，剔除數(shù)據(jù)缺失的地區(qū)，得到207個地級市。

表1為描述性統(tǒng)計，相關多樣性的標準差最大，為2.5461，數(shù)據(jù)變化幅度大；GML指數(shù)的標準差最小，為0.0131，數(shù)據(jù)變化幅度小。

表1 描述性統(tǒng)計分析

四 實證檢驗和結(jié)果分析

實證檢驗被解釋變量與解釋變量的非線性關系，需先說明PSTR模型的合理性。同時，還需要確定轉(zhuǎn)換函數(shù)個數(shù)r、門檻數(shù)m以及轉(zhuǎn)換斜率γ和位置參數(shù)c的初始值。

(一)非線性檢驗及門檻個數(shù)的選擇

首先對面板數(shù)據(jù)進行平穩(wěn)性檢驗，結(jié)果見表2?？梢钥闯鏊凶兞烤@著拒絕存在單位根的假設，即所有變量都不存在單位根。

表2 面板數(shù)據(jù)的單位根檢驗

(續(xù)上表)

VariablesHTIPSFisherlnFDI-6.555***-9.058***22.089***(0.00)(0.00)(0.00)lnGOV-15.919***-8.751***20.086***(0.00)(0.00)(0.00)lnGc-33.377***-5.312***18.919***(0.00)(0.00)(0.00)

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

表3 線性與剩余非線性檢驗

(續(xù)上表)

模型原假設:H0:r=0備擇假設:H1:r=1LMLMFLRT原假設:H0:r=1備擇假設:H1:r=2LMLMFLRTAICm=1m=2BICm=1m=2Model6(東部)38.2722.14039.11016.8790.72617.040(0.03)(0.00)(0.00)(0.66)(0.80)(0.65)5.6515.1335.4395.200Model7(中部)30.7711.90831.4579.9950.85810.066(0.00)(0.01)(0.00)(0.44)(0.57)(0.44)5.9466.9905.3235.681Model8(西部)35.2431.72226.5028.8820.3409.031(0.01)(0.02)(0.00)(0.98)(0.97)(0.83)6.8096.5335.7765.491

由于內(nèi)生性問題，本文使用地理中心度指標、滯后一期全要素生產(chǎn)率和滯后一期基礎設施作為工具變量。通過stata14.0軟件得到豪斯曼檢驗結(jié)果，顯著拒絕所有變量均為外生變量的原假設。弱工具變量檢驗表明，可以將以上三個變量作為有效的工具變量。

(二)實證結(jié)果及分析

傳統(tǒng)的OLS無法對PSTR模型中的非線性關系進行回歸，并且該模型還存在需要識別的未知參數(shù)，這里主要通過網(wǎng)格搜索法獲得使模型殘差平方和最小的平滑參數(shù)和位置參數(shù)(5)網(wǎng)格搜索法、PSTR回歸都通過matlab編程得到結(jié)果。。將傳統(tǒng)全要素生產(chǎn)率和引入非期望產(chǎn)出的GML指數(shù)作為被解釋變量進行回歸，具體結(jié)果見表4。大多數(shù)核心解釋變量的回歸系數(shù)在10%水平下顯著，說明了本文使用PSTR模型的可靠性。圖1為Model1-Model8的轉(zhuǎn)換函數(shù)，可以看出除Model3和Model4高低機制不顯著外，其他模型均存在顯著的高低機制，傳統(tǒng)的線性模型或非線性模型都會產(chǎn)生一定的偏誤，使用非期望產(chǎn)出的GML指數(shù)作為被解釋變量的回歸結(jié)果要比傳統(tǒng)全要素生產(chǎn)率效果要好。

圖1 不同模型回歸結(jié)果的轉(zhuǎn)換函數(shù)

以傳統(tǒng)全要素生產(chǎn)率為例，除中部地區(qū)，其他地區(qū)均存在兩個門檻值，呈現(xiàn)顯著的非線性關系。以全國地級市和東部地區(qū)為樣本進行回歸，其轉(zhuǎn)換水平分別為γ=0.939和γ=7.584，門檻值分別為EG1=e-2.549和EG2=e-3.519、EG1=e-2.991和EG2=e-4.025，當基礎設施規(guī)模較小時，產(chǎn)業(yè)集聚和相關多樣性都對全要素生產(chǎn)率產(chǎn)生正向作用，當基礎設施增加到門檻值時，兩者對全要素生產(chǎn)率的正向作用最大，當基礎設施超過門檻值不斷增加時，這種關系又下降，但仍為正，屬于過度集聚經(jīng)濟。中部地區(qū)存在一個門檻值EG=e-2.215，轉(zhuǎn)換水平為γ=0.544，當基礎設施規(guī)模較小時，兩種外部性都對全要素生產(chǎn)率產(chǎn)生負向影響，但是當基礎設施不斷增加到門檻值時，這種關系不斷變?yōu)檎瑢儆诩劢?jīng)濟推進型。而對于西部地區(qū)，其存在兩個門檻值EG1=e-3.951和EG2=e-3.185，轉(zhuǎn)換水平為γ=99.176，基礎設施規(guī)模較小時，產(chǎn)業(yè)集聚和相關多樣化對全要素生產(chǎn)率的影響為正，當基礎設施規(guī)模不斷增加到門檻值時，正向作用降低，但是隨著基礎設施規(guī)模再次不斷增加時，正向作用又開始增加。

以引入非期望產(chǎn)出的GML指數(shù)為例，除中部地區(qū)存在一個門檻值外，其他地區(qū)的回歸結(jié)果都顯示存在兩個門檻值，具體分析如下。對于全國樣本和東部地區(qū)，其門檻值分別為EG1=e-3.403和EG2=e-2.159、EG1=e3.598和EG2=e-2.785，轉(zhuǎn)換水平分別為γ=29.934和γ=9.542。當基礎設施規(guī)模較小時，集聚經(jīng)濟對GML指數(shù)產(chǎn)生正向作用，但隨著基礎設施規(guī)模增加到門檻值，這種正向作用不斷增強；當基礎設施規(guī)模再次增加時，正向作用又不斷降低，但仍為正值，與傳統(tǒng)全要素生產(chǎn)率相比，這種正向關系要小得多，說明環(huán)境污染等確實影響了兩者之間的關系，屬于過度集聚經(jīng)濟。對中部地區(qū)來說，當基礎設施規(guī)模過小時，GML指數(shù)與產(chǎn)業(yè)集聚的關系為負，與相關多樣性關系為正，但隨著基礎設施規(guī)模增加到門檻值，集聚經(jīng)濟對GML指數(shù)的作用不斷加強，和Model3相比，系數(shù)相對變小，屬于集聚經(jīng)濟推進型。而對于西部地區(qū)，當基礎設施規(guī)模過小時，集聚經(jīng)濟對GML指數(shù)的正向作用比較大，但是隨著基礎設施規(guī)模增加到門檻值EG1=e-4.075，這種正向關系變?nèi)?，隨著基礎設施規(guī)模增加到EG2=e-3.493，這種正向關系又不斷加強，同樣和Model4相比，系數(shù)要相對小一些，說明環(huán)境污染等因素確實嚴重影響了集聚經(jīng)濟和GML指數(shù)之間的關系。

由此可見，馬歇爾外部性和雅各布外部性對全要素生產(chǎn)率的影響都為非線性，并且隨著基礎設施規(guī)模的不同，非線性關系也不一樣，假設(1)和假設(2)成立。而分地區(qū)的集聚經(jīng)濟與全要素生產(chǎn)率之間的關系也不同，假設(3)成立。

表4 模型的參數(shù)估計結(jié)果

(續(xù)上表)

變量Model1(全國)ββ'Model2(東部)ββ'Model3(中部)ββ'Model4(西部)ββ'lnFDI-0.0008**0.0003***-0.00170.0045*-0.0027*0.0053***-0.0008 0.0008***(-2.41)(3.12)(-1.55)(1.75)(-1.74)(6.44)(-0.08)(3.55)lnGOV-0.0124*0.0093*0.0124***0.00250.0173**-0.0576***-0.0102**0.1633***(-1.67)(1.85)(2.86)(0.41)(2.09)(-3.16)(-2.44)(3.02)lnGML-1-0.00570.0040*0.0020-0.00670.0039-0.0353-0.00530.0078(-0.83)(0.49)(0.53)(-1.32)(0.42)(-1.11)(-0.67)(0.81)lnInfra-1-0.0708-0.0753-0.2129***0.1256*0.2307-0.8297-0.2941***-0.0605(-0.50)(-0.34)(-3.33)(1.45)(1.19)(-1.51)(-3.43)(-0.46)lnGc0.0090-0.0234***-0.09310.0168*(0.64)(-3.50)(-1.23)?(1.64)γ0.9397.5840.54499.176C1-2.549-2.991-2.215-3.951C2-3.519-4.025-3.185變量Model5(全國)ββ'Model6(東部)ββ'Model7(中部)ββ'Model8(西部)ββ'lnInfra0.0017*0.0047**0.00470.0086***0.0058***0.0101*0.0059*0.0219*(1.84)(2.52)(0.96)(2.58)(4.60)(1.70)(1.84)(1.81)lnEG0.0007*-0.0004***0.0023-0.0031***-0.0009**0.0013*-0.0019***0.0048***(1.78)(-6.79)(0.28)(-2.89)(-1.97)(1.67)(-3.89)(3.88)lnRV0.0206-0.0146***0.0226***-0.0104*0.0072***0.0099**0.0051*0.0152***(0.35)(-5.43)(5.42)(-1.75)(2.74)(2.02)(1.86)(2.86)lnEdu0.0077**0.0029*0.0009*0.0007**0.0005***0.0003**0.0006***0.0031*(2.02)(1.74)(1.92)(2.51)(4.75)(2.22)(3.43)(1.85)lnR&D0.00080.0021***0.0024***0.0024**0.0078**0.0030***0.00980.0297*(1.35)(6.03)(3.04)(2.49)(2.09)(3.44)(0.72)(1.75)lnFDI-0.0006***0.0015**0.0015*0.0027*-0.0003*0.0005***-0.0067 0.0189***(-2.56)(2.37)(1.73)(1.75)(-1.91)(3.22)(-0.94)(4.98)lnGOV-0.0023**0.00320.0190***0.0114**-0.0021*0.0031***-0.0185*0.0701*(-2.26)(1.39)(5.12)(2.22)(-1.84)(2.57)(-1.82)(1.81)lnGML-1-0.0045***0.0073***-0.0008-0.0017-0.0056**0.01240.0389-0.0778(-2.62)(2.67)(-0.19)(-0.33)(-2.07)(0.23)(1.21)(-1.16)lnInfra-1-0.4274-0.0248-0.5148***0.0570-0.3731***-0.0724-0.15620.3125(-14.17)(-0.59)(-8.75)(0.62)(-9.69)(-1.17)(-0.57)(1.59)

(續(xù)上表)

變量Model5(全國)ββ'Model6(東部)ββ'Model7(中部)ββ'Model8(西部)ββ'lnGc0.0045-0.00190.0037-0.0015*(1.46)(-0.29)(0.59)?(-1.87)γ29.9349.54214.8611.215C1-3.403-3.598-3.357-4.075C2-2.159-2.785-3.493

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

首先考慮馬歇爾外部性，東部地區(qū)屬于過度集聚經(jīng)濟。由于本文樣本區(qū)間為2005-2013年，期初正是東部沿海地區(qū)快速發(fā)展階段，制造業(yè)不斷向該地區(qū)集聚，原有的基礎設施無法承載不斷集聚的制造業(yè)，其對全要素生產(chǎn)率的影響較?。浑S后東部地區(qū)不斷加大基礎設施建設，城市化進程加快，慢慢滿足制造業(yè)集聚，此時知識外溢和規(guī)模效應最大。當基礎設施再次增加的時候，由于地域限制，影響當?shù)厝厣a(chǎn)率的因素已經(jīng)從規(guī)模轉(zhuǎn)變?yōu)榧夹g革新，基礎設施的作用下降，所以馬歇爾外部性作用下降。對于中部地區(qū)而言，發(fā)展雖然較東部地區(qū)緩慢，但優(yōu)于西部，基礎設施規(guī)模小時，大量的西部產(chǎn)業(yè)和勞動力向中部集聚，基礎設施的不足阻礙產(chǎn)業(yè)集聚對全要素生產(chǎn)率的正向作用。由于中部地區(qū)地域廣闊，有著較為豐富的研發(fā)、外商和港口資源，科技技術的不斷進步降低當?shù)匚廴舅?，交易成本隨著基礎設施的完善而降低，因此，隨著基礎設施規(guī)模的不斷增加，對全要素生產(chǎn)率的影響也不斷加強。西部地區(qū)地處偏遠，缺乏足夠的技術人員和高科技產(chǎn)業(yè)，且距離港口較遠，加上企業(yè)融資困難，當?shù)氐娜厣a(chǎn)率本就低下，企業(yè)之間的關聯(lián)性較弱，因此當基礎設施規(guī)模小時，產(chǎn)業(yè)集聚對全要素生產(chǎn)率的作用為正。國家推動實施的西部大開發(fā)、產(chǎn)業(yè)轉(zhuǎn)移政策導致地區(qū)產(chǎn)業(yè)盲目集聚，卻沒有重視基礎設施建設，產(chǎn)業(yè)集聚超過基礎設施承載能力?；A設施的進一步增加可以吸引更多的R&D、FDI以及科技人員等，降低環(huán)境污染，促進當?shù)仄髽I(yè)規(guī)模經(jīng)濟和知識溢出效應的發(fā)揮，產(chǎn)業(yè)集聚對全要素生產(chǎn)率的正向影響加強。

對于雅各布外部性，“認知距離”為企業(yè)互補資源的新組合提供了機會?！罢J知距離”的擴大致使企業(yè)之間無法充分吸收彼此的知識并加以轉(zhuǎn)化利用?！罢J知距離”超過飽和點后，效果變?yōu)樨撝?。知識存量和吸收能力影響知識溢出，隨著基礎設施的增加，企業(yè)知識存量和吸收能力促進知識溢出效率提升的影響作用不斷加強，使得企業(yè)“認知距離”與全要素生產(chǎn)率之間的非線性變化趨勢更加明顯。比較東部、中部和西部地區(qū)，相關多樣性均對企業(yè)創(chuàng)新產(chǎn)生正向影響。東部地區(qū)本身相關多樣化水平就比較高，基礎設施規(guī)模較小時，“認知距離”受其影響小，對全要素生產(chǎn)率的正向作用就比較弱。期初嚴重的環(huán)境污染明顯降低了當?shù)厣a(chǎn)水平，隨著基礎設施增加，污染降低，“認知距離”的不斷縮小造成相關多樣性對全要素生產(chǎn)率的正向影響變大。前文理論假設認為，基礎設施的持續(xù)增加會促使“認知距離”減少，甚至近乎為無，交通成本不斷降低會導致企業(yè)相互模仿和學習，加劇產(chǎn)業(yè)結(jié)構(gòu)同構(gòu)現(xiàn)象。產(chǎn)業(yè)同構(gòu)可能減少企業(yè)間相互學習的行為，減弱正向溢出效應。與產(chǎn)業(yè)專業(yè)化類似，中部地區(qū)產(chǎn)業(yè)種類多，產(chǎn)業(yè)間的溢出效應大于西部地區(qū)，西部地區(qū)企業(yè)不斷向中部地區(qū)匯集，產(chǎn)業(yè)內(nèi)規(guī)模擴大和產(chǎn)業(yè)間相互關聯(lián)能夠促進技術創(chuàng)新、高技術人才集聚和外商直接投資的增加。因此，中部地區(qū)基礎設施水平的提升會加速產(chǎn)業(yè)多樣化對全要素生產(chǎn)率的正向作用。此外，西部地區(qū)同樣存在不同類型產(chǎn)業(yè)，產(chǎn)業(yè)間的相互學習和關聯(lián)會促進地區(qū)全要素生產(chǎn)率的提高，然而由于高技術人才不斷外流，導致正向作用較弱。雖然“西部大開發(fā)”和“產(chǎn)業(yè)轉(zhuǎn)移”等政策能夠促進西部地區(qū)提高產(chǎn)業(yè)生產(chǎn)能力，但基礎設施的落后無法承載產(chǎn)業(yè)集聚帶來的擁擠效應，不利于全要素生產(chǎn)率的提升。因此，西部地區(qū)應加速基礎設施建設，吸引高新技術和技術人員集聚，知識溢出效應才能隨著“認知距離”的降低而發(fā)揮促進作用。

對于其他控制變量：人力資本(lnEdu)、滯后兩期的研發(fā)投入(lnR&D)和外商投資(lnFDI)都對全要素生產(chǎn)率產(chǎn)生正向影響，且這種影響隨著基礎設施的增加而加強。東部地區(qū)全要素生產(chǎn)率比中西部地區(qū)受到政府干預度(lnGOV)的作用要大，這與大多數(shù)學者研究結(jié)論相似。

(三)穩(wěn)健性檢驗

對上述研究進行穩(wěn)健性檢驗，首先使用引入非期望產(chǎn)出的ML指數(shù)作為被解釋變量進行回歸，如表5所示。從結(jié)果可以看出，與GML指數(shù)作為被解釋變量的結(jié)果基本類似，集聚經(jīng)濟對ML指數(shù)的作用是非線性的，并且不同地區(qū)這種非線性影響因基礎設施規(guī)模的大小而不同，說明本文采用GML指數(shù)的合理性。

表5 模型的參數(shù)估計結(jié)果

表6則使用普通面板回歸對模型進行穩(wěn)健性檢驗。表3顯示相關多樣性和產(chǎn)業(yè)集聚對GML指數(shù)的影響隨著基礎設施水平的變化呈非線性變化，因此這里引入基礎設施的平方項、一次項與相關多樣性和產(chǎn)業(yè)集聚的交互項。表6顯示相關多樣性和產(chǎn)業(yè)集聚都對GML指數(shù)產(chǎn)生正向影響，且隨著基礎設施的增加非線性關系有所不同。總體來看，模型的回歸結(jié)果是穩(wěn)健的。

表6 模型的參數(shù)估計結(jié)果

五 結(jié)論及政策啟示

本文基于非線性面板平滑轉(zhuǎn)換模型，運用引入非期望產(chǎn)出的GML指數(shù)和傳統(tǒng)全要素生產(chǎn)率，利用2003-2013年中國207個地級市30個二位數(shù)制造業(yè)的面板數(shù)據(jù)，研究馬歇爾外部性和雅各布外部性隨著基礎設施水平變化對全要素生產(chǎn)率的影響。研究結(jié)論是：(1)產(chǎn)業(yè)集聚和相關多樣性隨著基礎設施水平的變化對全要素生產(chǎn)率的影響是非線性的，并基本為正；(2)考慮環(huán)境污染等非期望產(chǎn)出的GML指數(shù)受集聚經(jīng)濟的影響要小于傳統(tǒng)全要素生產(chǎn)率；(3)不同地區(qū)集聚經(jīng)濟與全要素生產(chǎn)率的非線性關系不同，東部沿海地區(qū)出現(xiàn)過度集聚經(jīng)濟，說明基礎設施建設沒有跟上制造業(yè)的集聚；(4)人力資本、研發(fā)投入和外商投資隨著基礎設施的增加，與全要素生產(chǎn)率成不斷增加的正向關系；(5)東部地區(qū)政府干預對當?shù)厝厣a(chǎn)率產(chǎn)生較強的正向作用，中西部地區(qū)正向作用較低。

集聚經(jīng)濟是促進區(qū)域發(fā)展的主要驅(qū)動力，其產(chǎn)生的馬歇爾外部性和雅各布外部性通過規(guī)模經(jīng)濟和知識外溢促進企業(yè)生產(chǎn)率提升。而如何優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，避免兩極分化，促進產(chǎn)業(yè)轉(zhuǎn)移，合理配置資源是經(jīng)濟高質(zhì)量發(fā)展亟需解決的問題。針對上述結(jié)論得到以下幾點啟示：第一，東部地區(qū)已經(jīng)出現(xiàn)過度集聚經(jīng)濟，當務之急是提高當?shù)鼗A設施水平，并加快產(chǎn)業(yè)轉(zhuǎn)移，優(yōu)化配置資源。第二，西部大開發(fā)、產(chǎn)業(yè)轉(zhuǎn)移以及絲綢之路不單純是產(chǎn)業(yè)的集聚，政府應該提高中西部地區(qū)基礎設施水平，縮小“認知距離”，促進企業(yè)內(nèi)部以及企業(yè)之間開展知識交流。第三，中西部地區(qū)產(chǎn)業(yè)生產(chǎn)效率低，當?shù)貞撎岣呖蒲醒a貼，發(fā)揮院?？蒲袃?yōu)勢，促進產(chǎn)學研結(jié)合，并積極招商引資，提高企業(yè)的全要素生產(chǎn)率。第四，政府應該加大對污染減排和處理的科研投入，引入國外先進技術，并對不同地區(qū)采用不同的清潔機制，減少污染。第五，中西部地區(qū)要加強不同企業(yè)之間的交流，發(fā)揮知識溢出效應，擴展產(chǎn)業(yè)鏈，并完善當?shù)亟鹑隗w系，解決融資難問題。