劉冬萍

(合肥師范學(xué)院 經(jīng)濟與管理學(xué)院，安徽 合肥 230001)

1 理論梳理與研究假設(shè)

1.1 理論梳理

國內(nèi)外學(xué)者對產(chǎn)業(yè)集聚的生產(chǎn)要素配置效應(yīng)研究已經(jīng)比較充分，相繼出現(xiàn)集聚規(guī)模經(jīng)濟論、生產(chǎn)要素擁擠論、集聚生命周期論三種不同的觀點.

集聚經(jīng)濟理論：規(guī)模經(jīng)濟效應(yīng) 該理論認為產(chǎn)業(yè)集聚促進了勞動力、資本、技術(shù)以及市場環(huán)境等生產(chǎn)要素的集中和優(yōu)化，形成了內(nèi)部規(guī)模經(jīng)濟從而降低企業(yè)生產(chǎn)成本.[1-3]同時，還產(chǎn)生了知識外溢和技術(shù)外溢等外部規(guī)模經(jīng)濟，不斷帶來經(jīng)濟體內(nèi)創(chuàng)新產(chǎn)出和技術(shù)進步，提高了要素配置效率(勞動生產(chǎn)率)，促進集聚區(qū)的經(jīng)濟增長.

國內(nèi)有關(guān)產(chǎn)業(yè)集聚對生產(chǎn)要素配置和經(jīng)濟增長影響的研究起步較晚，多是對國外有關(guān)理論的延伸和實證檢驗，并且認為產(chǎn)業(yè)集聚對生產(chǎn)要素配置效率有正向影響. 如范劍勇利用2004年我國276個城市數(shù)據(jù)，實證發(fā)現(xiàn)非農(nóng)產(chǎn)業(yè)集聚對勞動生產(chǎn)率具有顯著的促進作用[4]；劉修巖基于2003—2006年我國211個地級市的面板數(shù)據(jù)，通過工具變量法研究發(fā)現(xiàn)，就業(yè)密度、專業(yè)化水平等集聚因素對非農(nóng)勞動生產(chǎn)率有顯著正向影響[5]；張治棟等運用安徽省縣域面板數(shù)據(jù)，也得到了集聚能顯著促進工業(yè)增長的結(jié)論[6].

集聚不經(jīng)濟理論：擁擠效應(yīng) 該理論認為隨著行業(yè)在一定程度上集聚，同類企業(yè)對勞動力、資本等生產(chǎn)要素的需求快速增加，造成要素價格上漲，生產(chǎn)成本上升；另一方面，同類企業(yè)的高度集聚還會帶來過度競爭，造成低利潤或負利潤等不經(jīng)濟現(xiàn)象.[7-9]同時，集聚區(qū)基礎(chǔ)設(shè)施、自然環(huán)境的承載力是有限的，過度集聚也會造成難以承載等問題，如交通擁堵、環(huán)境污染、生態(tài)破壞.

隨著我國東部沿海集聚區(qū)內(nèi)勞動力成本上漲、交通擁擠、過度競爭等問題的出現(xiàn)，國內(nèi)學(xué)者發(fā)現(xiàn)各集聚區(qū)在獲取了規(guī)模經(jīng)濟的同時，也產(chǎn)生了各種形式的集聚不經(jīng)濟. 如王緝慈等通過對沿海地區(qū)外向型產(chǎn)業(yè)集群的分析發(fā)現(xiàn)，產(chǎn)業(yè)集聚過程中出現(xiàn)了“逐底競爭”的無序現(xiàn)象[10]；唐根年等研究發(fā)現(xiàn)部分制造業(yè)呈現(xiàn)聚集過度、生產(chǎn)要素擁擠的現(xiàn)象，生產(chǎn)要素配置效率存在損失[11]；胡浩然等也驗證了擁擠效應(yīng)的存在[12-14].

集聚生命周期理論：適度規(guī)模 該理論認為在集聚早期，規(guī)模經(jīng)濟效應(yīng)遠大于擁擠效應(yīng). 隨著集聚的加深，擁擠效應(yīng)不斷增大. 在規(guī)模經(jīng)濟效應(yīng)和擁擠效應(yīng)達到動態(tài)平衡時，集聚的總效應(yīng)在某地區(qū)達到最高(拐點)，之后過度集聚便會出現(xiàn)阻礙生產(chǎn)要素有效配置的現(xiàn)象.[15-17]

近年來，國內(nèi)學(xué)者開始對我國產(chǎn)業(yè)集聚的適度規(guī)模和最優(yōu)集聚度問題進行了探索性研究. 周圣強等利用面板數(shù)據(jù)門限回歸法實證分析了產(chǎn)業(yè)集聚與全要素生產(chǎn)率的倒“U”型關(guān)系，并測算了“拐點”，但并未考慮資源能源消耗、環(huán)境污染等因素[18]；潘雅茹等研究發(fā)現(xiàn)區(qū)位熵低于1.45時，產(chǎn)業(yè)集聚會對全要素能源效率有顯著正向影響；高于1.45時，則會抑制全要素能源效率的提升，二者現(xiàn)存在穩(wěn)健倒“U”形關(guān)系[19]；李駿等驗證了產(chǎn)業(yè)集聚的“拐點”效應(yīng)[20].

1.2 研究假設(shè)

通過梳理可以看出，規(guī)模經(jīng)濟論強調(diào)產(chǎn)業(yè)集聚對生產(chǎn)要素配置效率的正向促進效應(yīng)，而集聚擁擠論則分析了負向阻礙效應(yīng). 相對而言，集聚生命周期論對產(chǎn)業(yè)集聚的正負效應(yīng)及其相互作用機制進行了深入剖析，比較全面，更加符合當(dāng)前實際，即產(chǎn)業(yè)集聚并不總是有效的，存在適度集聚規(guī)模. 當(dāng)前，隨著皖江承接產(chǎn)業(yè)轉(zhuǎn)移示范區(qū)、長江經(jīng)濟帶等國家政策的全覆蓋，安徽省制造業(yè)產(chǎn)業(yè)集群日益增多，截止2018年底，已形成209家省級產(chǎn)業(yè)集群專業(yè)鎮(zhèn). 張晴運用安徽各地市面板數(shù)據(jù)實證驗證了戰(zhàn)略新興集聚對區(qū)域經(jīng)濟競爭力有顯著促進效應(yīng)[21]. 然而，在取得規(guī)模經(jīng)濟的同時，安徽也出現(xiàn)了資源開發(fā)過度、污染轉(zhuǎn)入等不經(jīng)濟現(xiàn)象[22]. 那么，安徽制造業(yè)集聚對生產(chǎn)要素配置效率的影響是否也存在“拐點”？

基于此，本文提出假設(shè)：

制造業(yè)集聚與生產(chǎn)要素配置效率呈倒U型關(guān)系. 當(dāng)集聚規(guī)模處于較低水平時，規(guī)模經(jīng)濟占主導(dǎo)作用，集聚規(guī)模的提高有利于提升要素配置的效率，屬于集聚的要素配置效應(yīng)提升階段，此時會吸引更多企業(yè)進入集聚區(qū)；規(guī)模持續(xù)擴大后，過多的企業(yè)集聚將使企業(yè)資源消耗及生產(chǎn)要素價格上升，逐漸超出集聚區(qū)的承受能力，出現(xiàn)資源成本上升等要素擁擠現(xiàn)象，阻礙要素的有效配置，直到完全抵消了規(guī)模經(jīng)濟，達到動態(tài)平衡(臨界點)，此時生產(chǎn)要素配置的效率達到最大；當(dāng)集聚規(guī)模超過動態(tài)平衡時的臨界點之后，要素擁擠帶來的效率降低占據(jù)主體，進入要素配置的效率下降階段.

2 模型構(gòu)建與變量說明

2.1 模型構(gòu)建

本研究借鑒周圣強和朱衛(wèi)平的方法[18]，以全要素生產(chǎn)率來衡量生產(chǎn)要素的配置效率[21]，建立制造業(yè)集聚的要素配置效應(yīng)模型為

TFPjt=β0+β1·Aggjt+γ∑Xjt+μj+εjt

(1)

其中，t代表時期，j代表行業(yè)，TFPjt為行業(yè)的全要素勞動生產(chǎn)率(基數(shù)為1)；Aggjt為產(chǎn)業(yè)集聚指數(shù)，考慮到單一測度指標(biāo)的局限性，本研究分別將地理集聚指數(shù)(EGjt)、區(qū)位熵(LQjt)和空間基尼系數(shù)(Gjt)納入模型中進行檢驗；Xjt為其他控制變量，μj表示個體效應(yīng)，εjt為隨機干擾項. 為了提高模型的準確性，對全要素勞動生產(chǎn)率及控制變量取對數(shù)，以降低樣本離散程度. 同時，考慮到產(chǎn)業(yè)集聚對全要素生產(chǎn)率的非線性影響，在模型中依次加入產(chǎn)業(yè)集聚的二次項、三次項，修正模型為

(2)

針對該模型，本文首先采用靜態(tài)面板固定效應(yīng)估計進行檢驗，然后運用動態(tài)面板(系統(tǒng)GMM)方法再次進行估計，旨在通過不同估計方法，對結(jié)果的一致性進行評估. 其中，靜態(tài)面板估計中的個體效應(yīng)能夠得到有效體現(xiàn)，但可能存在內(nèi)生性問題，系統(tǒng)GMM則以滯后一期項為工具變量，能很好的解決內(nèi)生性問題.

2.2 變量說明

2.2.1 全要素勞動生產(chǎn)率(TFPj)本文以全要素生產(chǎn)率(TFP)作為衡量勞動生產(chǎn)率的指標(biāo)，采用基于產(chǎn)出的非參數(shù)數(shù)據(jù)包絡(luò)分析-馬奎斯特指數(shù)法(DEA-Malmquist)來測度各行業(yè)全要素生產(chǎn)率(TFP)的變化情況.j行業(yè)的全要素生產(chǎn)率指數(shù)計算公式為

(3)

距離函數(shù)Dc、Dv恰好為數(shù)據(jù)包絡(luò)分析法(DEA)中CCR模型和BCC模型中最優(yōu)值的導(dǎo)數(shù). 因此，可利用DEA方法求解出ΔTFPj指數(shù). 本文利用Deap2.1軟件進行DEA-Malmquist測算. 產(chǎn)出指標(biāo)為產(chǎn)值，采用各行業(yè)規(guī)模以上工業(yè)總產(chǎn)值衡量，并用工業(yè)生產(chǎn)者出廠價格指數(shù)平減得到各行業(yè)剔除價格因素后的實際值. 投入指標(biāo)為資本和勞動力，其中勞動力投入采用制造業(yè)各行業(yè)全部從業(yè)人員年平均人數(shù)來衡量；資本投入采用制造業(yè)各行業(yè)固定資產(chǎn)投資合計來衡量，并用固定資產(chǎn)投資價格指數(shù)進行平減處理. 需要說明的是，由于Malmquist指數(shù)法測算的指標(biāo)并不是各年的當(dāng)量，而是相對于上一年的變化. 因此，為了便于實證檢驗，以基年全要素生產(chǎn)率為基數(shù)，設(shè)定為1，則以后各年TFPj為上年的全要素生產(chǎn)率乘以當(dāng)年的ΔTFP.

2.2.2 集聚程度(EG、LQ、G)本研究分別采用行業(yè)地理集聚指數(shù)(EGjt)、行業(yè)區(qū)位熵(LQjt)和行業(yè)空間基尼系數(shù)(Gjt)作為關(guān)鍵解釋變量，來檢驗制造業(yè)集聚對全要素生產(chǎn)率的影響.

假設(shè)某地區(qū)有m個地市、n個產(chǎn)業(yè)，則j產(chǎn)業(yè)的EG指數(shù)計算公式為

(4)

其中，EGjt代表j產(chǎn)業(yè)的EG指數(shù)；sijt為t時期i市j產(chǎn)業(yè)的規(guī)模占該產(chǎn)業(yè)總規(guī)模的比重，xit表示t時期i市所有行業(yè)總規(guī)模占該地區(qū)總規(guī)模的比重.Hjt為t時期該地區(qū)j產(chǎn)業(yè)企業(yè)規(guī)模分布的赫芬達爾指數(shù)，采用關(guān)愛萍等的替代性辦法[23]測算，即

(5)

其中，ouputijt為t時期產(chǎn)業(yè)j在i市的產(chǎn)值，ouputjt為t時期產(chǎn)業(yè)j在全省的總產(chǎn)值，kijt為t時期產(chǎn)業(yè)j在i市的企業(yè)單位數(shù).

行業(yè)區(qū)位熵(LQjt)與各地區(qū)制造業(yè)專業(yè)化水平不同，但計算方式類似，即

(6)

其中，j表示行業(yè)，Pjt、TPjt分別表示安徽省和全國t時期j行業(yè)的總產(chǎn)值；Pt表示t時期安徽省制造業(yè)總產(chǎn)值；TPt表示t時期全國的工業(yè)總產(chǎn)值，LQjt表示相對于全國來說，t時期j行業(yè)的集聚專業(yè)化水平.

行業(yè)的空間基尼系數(shù)(Gjt)計算公式為

(7)

其中，Sijt代表i地區(qū)j行業(yè)t時期產(chǎn)值占全省該行業(yè)比重，xit表示i地區(qū)產(chǎn)值占全省總產(chǎn)值的比重.Gjt為安徽省j行業(yè)t時期的基尼系數(shù)，取值介于0～1，值越大，表示該行業(yè)在地理上的集聚程度越高，即產(chǎn)業(yè)在地理上愈加集中.

2.2.3 其他控制變量1)市場化水平(MLjt) 用各行業(yè)總產(chǎn)值減去國有控股工業(yè)企業(yè)產(chǎn)值后與該行業(yè)總產(chǎn)值之比來衡量. 2)外商投資企業(yè)產(chǎn)出占比(Fjt) 用各行業(yè)外商投資企業(yè)產(chǎn)值占該行業(yè)總產(chǎn)值的比重衡量. 3)企業(yè)平均規(guī)模(ASj) 采用各行業(yè)總產(chǎn)值與規(guī)模以上企業(yè)數(shù)之比來衡量，產(chǎn)值采用工業(yè)生產(chǎn)者出廠價格指數(shù)(以2010年為基年，記為100)平減.

2.3 數(shù)據(jù)來源與描述統(tǒng)計

本研究采用2010—2017年安徽28個兩位數(shù)制造業(yè)行業(yè)面板數(shù)據(jù)作為樣本. 考慮到2012年行業(yè)分類體系的變化，將之前的橡膠制品業(yè)與塑料制品業(yè)合并為橡膠與塑料制品業(yè)，將之后的汽車制造業(yè)和船舶、航空航天及其他運輸制造業(yè)合并為交通運輸制造業(yè). 安徽省各行業(yè)產(chǎn)值、行業(yè)企業(yè)數(shù)、行業(yè)全部從業(yè)人員平均人數(shù)、固定資產(chǎn)投資額等數(shù)據(jù)均來源于2011—2018年的《安徽統(tǒng)計年鑒》. 其中，2018年的安徽統(tǒng)計年鑒中，缺少2017年各行業(yè)產(chǎn)值數(shù)據(jù)，以主營業(yè)務(wù)收入代替. 另外，在計算集聚指數(shù)時，16個市分行業(yè)產(chǎn)值、企業(yè)數(shù)及從業(yè)人員數(shù)數(shù)據(jù)則來自于各地市的統(tǒng)計年鑒. 《2016年阜陽統(tǒng)計年鑒》缺失，以同年安徽省指標(biāo)值減去其他地市該指標(biāo)值來替代. 各類貨幣量指標(biāo)均按照2010年的不變價格進行了平減以消除物價因素. 各變量原始數(shù)據(jù)的描述性指標(biāo)見表1.

表1 相關(guān)變量的描述性統(tǒng)計

3 實證研究：產(chǎn)業(yè)集聚的要素配置效應(yīng)檢驗

3.1 變量的平穩(wěn)性檢驗

本文所使用的面板數(shù)據(jù)T為8，N為28，是典型的短面板數(shù)據(jù)，但因為要進行動態(tài)面板估計，為了避免出現(xiàn)偽回歸的現(xiàn)象，對模型中的面板數(shù)據(jù)采用單位根(ADF)進行平穩(wěn)性檢驗(結(jié)果見表2). 各變量的ADF檢驗統(tǒng)計量均顯著，不存在單位根，均為平穩(wěn)面板序列.

表2 ADF檢驗結(jié)果

注：檢驗類型中的LLC(C.T.K)中C表示截距項，T表示時間趨勢項，K表示滯后階數(shù)項；lnF部分數(shù)據(jù)缺失，為非平衡面板，故用Fisher單位根檢驗.

3.2 模型估計結(jié)果

表3為靜態(tài)面板固定效應(yīng)模型的估計結(jié)果，表4為動態(tài)系統(tǒng)GMM模型的估計結(jié)果，系統(tǒng)GMM估計以自變量的滯后項為工具變量，能很好地避免內(nèi)生性問題. 由模型1、模型2、模型7和模型8的估計結(jié)果可以看出，地理集聚指數(shù)(EG)的一次項對全要素勞動生產(chǎn)率(lnTFP)有顯著影響，且估計系數(shù)為正，但其二次方項(EG^2)對全要素勞動生產(chǎn)率的影響并不顯著，表明地理集聚指數(shù)與全要素勞動生產(chǎn)率之間呈正向線性關(guān)系，并非倒U型關(guān)系，反映了安徽省制造業(yè)地理集聚有利于提高生產(chǎn)要素配置效率；由模型3、模型4、模型9和模型10的估計結(jié)果可以看出區(qū)位熵(LQ)及其二次方項(LQ^2)對全要素勞動生產(chǎn)率均有顯著影響，且二次方項的估計系數(shù)為負，表明行業(yè)區(qū)位熵與行業(yè)全要素勞動生產(chǎn)率之間呈顯著的倒U型關(guān)系；由模型5和模型6的估計結(jié)果可以看出空間基尼系數(shù)(G)及其二次方項(G^2)對全要素勞動生產(chǎn)率的影響均不顯著，考慮可能存在內(nèi)生性問題，而模型11和模型12采用系統(tǒng)矩估計方法，在解決內(nèi)生性問題的前提下，空間基尼系數(shù)一次項的估計系數(shù)顯著為正，二次項估計系數(shù)仍不顯著，表明空間基尼系數(shù)與全要素勞動生產(chǎn)率有正向線性關(guān)系.

表3 全要素生產(chǎn)率(lnTFP)影響因素的靜態(tài)面板固定效應(yīng)模型

續(xù)表3

注：* 、* * 、* * * 分別表示0.1、0.05、0.01的顯著性水平下顯著.

總體來說，以行業(yè)地理集聚指數(shù)(EG)、行業(yè)空間基尼系數(shù)(G)為表征的產(chǎn)業(yè)集聚，其要素配置效應(yīng)均體現(xiàn)出促進作用，并沒有出現(xiàn)先“揚”后“抑”的倒U型特征. 以行業(yè)區(qū)位熵(LQ)為表征的產(chǎn)業(yè)集聚，與行業(yè)全要素勞動生產(chǎn)率呈現(xiàn)顯著的倒U型關(guān)系. 具體來說，根據(jù)模型10，行業(yè)區(qū)位熵的一次項(EG)和二次方項的估計系數(shù)均在 1%的水平上顯著，符號分別為正和負，即當(dāng)行業(yè)區(qū)位熵水平低于拐點值(2.04)時，集聚對全要素勞動生產(chǎn)率會產(chǎn)生促進作用. 表明當(dāng)行業(yè)專業(yè)化水平不高時，集聚帶來的生產(chǎn)規(guī)模擴張，使得企業(yè)能夠共享基礎(chǔ)設(shè)施、降低運輸成本，實現(xiàn)集聚的規(guī)模經(jīng)濟效應(yīng)；當(dāng)高于拐點值(2.04)時，過多的企業(yè)集聚一方面會引起同類企業(yè)的過度競爭，另一方面會使得生產(chǎn)要素價格上升，逐漸超出集聚區(qū)的承受能力，出現(xiàn)要素擁擠現(xiàn)象，阻礙要素的有效配置. 但從安徽各行業(yè)的區(qū)位熵水平來看，2010—2017年，28個制造業(yè)224個樣本中，僅有電氣機械和器材制造業(yè)的6個樣本的區(qū)位熵水平超過拐點值，其余均小于拐點水平，反映了安徽省制造業(yè)的行業(yè)專業(yè)化水平普遍偏低，對行業(yè)全要素生產(chǎn)率總體上仍然是促進作用，抑制作用尚不明顯. 總體來說，目前安徽省制造業(yè)集聚對生產(chǎn)要素配置效應(yīng)總體上呈現(xiàn)出促進作用，未來一段時間內(nèi)安徽應(yīng)進一步促進制造業(yè)的集聚發(fā)展.

另外，由表4中的模型7至模型9結(jié)果可知，行業(yè)全要素勞動生產(chǎn)率具有顯著的時間滯后效應(yīng)，前一期的勞動生產(chǎn)率對后一期的有顯著正向影響，即當(dāng)前勞動生產(chǎn)率較高的行業(yè)，其未來的勞動生產(chǎn)率就可能持續(xù)走高，即行業(yè)全要素勞動生產(chǎn)率有明顯的路徑依賴特征.

表4 全要素生產(chǎn)率(lnTFP)影響因素的動態(tài)系統(tǒng)GMM模型

續(xù)表4

最后，模型1至模型12中，各控制變量對全要素生產(chǎn)率的影響均在不同水平下顯著. 其中，市場化水平(lnML)的估計系數(shù)均顯著為正，與預(yù)期結(jié)果一致，表明市場化水平越高的行業(yè)，其全要素勞動生產(chǎn)率也越高；企業(yè)平均規(guī)模(lnAs)的估計系數(shù)均顯著為正，表明企業(yè)平均規(guī)模越高的行業(yè)，其勞動生產(chǎn)率也越高，從另一個角度反映了規(guī)?；a(chǎn)能提高生產(chǎn)效率；外資企業(yè)產(chǎn)出占比(lnF)的估計系數(shù)均顯著為負，表明外資企業(yè)產(chǎn)出占比越高的行業(yè)，其全要素勞動生產(chǎn)率越低，與蘇楠等研究結(jié)論[24]相似，這可能是由于地方政府為了引進外資而給予過多優(yōu)惠政策，阻礙了市場對資源的有效配置.

4 結(jié)論與建議

本文以安徽28個兩位數(shù)制造業(yè)為例，實證檢驗了產(chǎn)業(yè)集聚的要素配置效應(yīng). 發(fā)現(xiàn)：1)以行業(yè)地理集聚指數(shù)、行業(yè)空間基尼系數(shù)為表征的產(chǎn)業(yè)集聚，要素配置效應(yīng)均主要體現(xiàn)出促進作用，并沒有出現(xiàn)先“揚”后“抑”的倒U型特征；2)以行業(yè)區(qū)位熵為表征的產(chǎn)業(yè)集聚，與行業(yè)全要素勞動生產(chǎn)率呈現(xiàn)顯著的倒U型關(guān)系，當(dāng)行業(yè)區(qū)位熵水平低于拐點值時，集聚對全要素勞動生產(chǎn)率會產(chǎn)生促進作用；3)從各行業(yè)的區(qū)位熵水平來看，僅有電氣機械和器材制造業(yè)的區(qū)位熵水平超過拐點值，其余均小于拐點水平，反映出安徽省制造業(yè)的行業(yè)專業(yè)化水平普遍偏低，對行業(yè)全要素生產(chǎn)率總體上仍然是促進作用，抑制作用尚不明顯.

綜上所述，安徽省制造業(yè)集聚對生產(chǎn)要素的配置總體上呈現(xiàn)出積極地促進作用，未來一段時間內(nèi)應(yīng)進一步促進制造業(yè)的集聚發(fā)展，特別是專業(yè)化集聚水平. 具體來說：1)各級地方政府在承接產(chǎn)業(yè)轉(zhuǎn)移、促進產(chǎn)業(yè)升級過程中應(yīng)充分考慮資源優(yōu)勢，引導(dǎo)有利于形成專業(yè)化特色的行業(yè)優(yōu)先集聚，同時在提供完善政策的基礎(chǔ)上，由市場機制來引導(dǎo)企業(yè)的集聚與擴散行為，從而提高生產(chǎn)要素的配置效率；2)以合肥、蕪湖為中心，積極促進計算機、通信、汽車、航空航天設(shè)備等先進制造業(yè)的高端化發(fā)展，提升自主創(chuàng)新能力，為承接長三角地區(qū)高新技術(shù)產(chǎn)業(yè)轉(zhuǎn)移奠定好技術(shù)基礎(chǔ)；3)針對宿州、阜陽、淮北等制造業(yè)欠發(fā)達的皖北地區(qū)，進一步提升和促進農(nóng)副食品加工業(yè)、食品制造業(yè)等具有區(qū)位優(yōu)勢的制造業(yè)集聚，同時加大對交通運輸、物流配送、通訊、網(wǎng)絡(luò)等基礎(chǔ)設(shè)施等的建設(shè)力度，營造開放、公平公正的商業(yè)氛圍，為省內(nèi)制造業(yè)合理、有序的轉(zhuǎn)入做好“軟硬件”準備.