□ 陳錦其 李金昌

作者陳錦其，中共浙江省委黨校馬克思主義研究院副教授；（杭州 311121）李金昌（通訊作者），浙江財經大學黨委書記、教授、博士生導師。（杭州 310018）

內容提要 以創(chuàng)新重構經濟增長新動力和以生產率重塑經濟質量新內涵是經濟高質量發(fā)展的兩大戰(zhàn)略。本文利用中國發(fā)明專利微觀數據測算了城市技術集聚水平，并在理論分析技術集聚影響城市勞動生產率機制的基礎上，基于2003—2018年285個地級以上城市的面板數據進行實證檢驗。研究發(fā)現：技術集聚能顯著提升城市勞動生產率，這一結論在經過一系列穩(wěn)健性檢驗后仍然成立；機制分析表明，城市技術集聚主要通過優(yōu)化就業(yè)結構、降低資本錯配和激發(fā)創(chuàng)業(yè)活力等渠道提升勞動生產率；拓展分析表明，城市蔓延、技術市場和知識產權保護等環(huán)境因素在技術集聚提升勞動生產率的過程中都具有重要作用。研究結論對我國以創(chuàng)新驅動生產率提升為內核的高質量發(fā)展戰(zhàn)略的政策設計具有一定的參考價值。

一、引言

提高勞動生產率能夠在有效降低失業(yè)率的同時提高工資（鄧紅亮和陳樂一，2019），是經濟高質量發(fā)展的內在要求和提升國際競爭力的核心內容，已然成為推進共同富裕的堅實基礎。改革開放以來，我國積極發(fā)揮資源要素稟賦的比較優(yōu)勢，選擇了投資帶動的要素驅動發(fā)展模式，勞動生產率從1978年的917元/人提升至2021年的146380元/人，名義增長了159倍。①然而，我國的勞動生產率與發(fā)達國家還存在較大差距，尚不及OECD國家的一半，只相當于美國的1/12、日本的1/11（李競博，2019）。更重要的是，新常態(tài)下受人口老齡化、投資邊際效率下降、中美貿易摩擦升級等因素的影響，傳統(tǒng)要素驅動生產率提升日趨乏力，難以有效支撐經濟高質量發(fā)展。為此，中國經濟亟待從規(guī)模速度型粗放增長轉向質量效率型集約增長，從要素驅動轉向創(chuàng)新驅動。基于此，本文重點關注的問題是：技術創(chuàng)新集聚能否有效驅動勞動生產率提升？其中影響路徑是什么？深入回答這些問題，對有效實施創(chuàng)新驅動發(fā)展戰(zhàn)略、推動經濟高質量發(fā)展和推進共同富裕進程具有重要現實意義。

理論上，技術創(chuàng)新是提升勞動生產率、推動經濟持續(xù)發(fā)展的主要動力。經驗研究也證實，技術創(chuàng)新對經濟增長及生產率提高的貢獻都不容忽視（葉祥松和劉敬，2018）。直觀上看，中國巨額的研發(fā)投入盡管帶來了專利數量的迅猛增加，但生產率并未同步提高（孔令丞和柴澤陽，2021），科技創(chuàng)新似乎陷入了困境。對此，不少研究從創(chuàng)新動機失真、激勵機制扭曲和創(chuàng)新測度有偏等角度展開了討論。例如，劉林青和譚力文（2006）認為國內企業(yè)申請專利是出于防御性保護動機，這些創(chuàng)新不具備價值創(chuàng)造功能；黎文靖等（2021）指出現有知識產權保護未能有效矯正企業(yè)的策略性和象征性創(chuàng)新行為；還有研究認為傳統(tǒng)指標未能揭示創(chuàng)新價值，有必要依據專利類型、被引次數、申請書長度等特征優(yōu)化測度方法。然而，現有研究多數是基于同質性技術的假設，且只關注地理空間的集聚，未能識別技術種類的多樣性，忽視了技術空間的集聚。

事實上，研發(fā)投入的提升不僅大幅增加了專利的數量，也使得專利的技術種類不斷擴張。自1985年《專利法》實施至2018年，發(fā)明專利申請總量從4065件快速增長至1393815件；對應年份，專利技術小類從209類增長至609類，專利技術大類也從88類增長至122類，技術門類更加豐富、技術關聯更加緊密，呈現技術集聚的特征。②那么，能否從技術集聚視角解釋創(chuàng)新如何有效提升勞動生產率？關于這一問題的思考和回答，對于科學制定科技創(chuàng)新政策、有效提升勞動生產率具有重要的現實意義。

現有文獻中，與本文相關的一類是關于勞動生產率影響因素的研究，大體可以劃分為要素驅動和創(chuàng)新驅動兩個階段。針對要素驅動階段，提升勞動生產率主要通過增加要素投入和改善要素配置來實現，相關文獻從資本投入、FDI、資源配置、基礎設施建設等多個角度對影響中國勞動生產率提升的成因開展了深入的研究。進入到創(chuàng)新驅動階段，提升勞動生產率主要依靠創(chuàng)新驅動和組織變革來實現，且傳統(tǒng)要素的邊際效應也更加依賴于技術稟賦條件（Ballestar et al.，2020）。相關文獻認為創(chuàng)新投入、教育質量、互聯網發(fā)展、ICT投資、人工智能等知識和技術要素成為影響生產率的主因。例如，胡晟明等（2021）基于中國勞動力動態(tài)調查數據的研究發(fā)現，人工智能應用對勞動生產率的作用呈現“倒U型”關系，過度的人工智能應用會引發(fā)“生產率悖論”現象。

與本文相關的另一類文獻是關于集聚經濟效應的研究，但是現有文獻主要以產業(yè)尤其是制造業(yè)為樣本，結論尚存爭議。范劍勇（2006）較早指出，非農產業(yè)規(guī)模報酬遞增的地方化是產業(yè)集聚的源泉，提高了地區(qū)勞動生產率，后續(xù)諸多研究得到了類似的結論。其他研究還發(fā)現金融集聚、人口集聚、出口集聚等也能促進經濟發(fā)展，而且集聚效應往往會隨著時間的推移呈現逐漸增強的趨勢（Brülhart & Mathys，2008）。但是，如果經濟集聚只有正外部性，那么一個地區(qū)的集聚水平將會無限增加，這顯然不符合實際。事實上，產業(yè)集聚會同時產生“擁塞效應”和“集聚效應”，當擁塞效應大于集聚效應時，就會產生抑制經濟增長的現象。孫浦陽等（2013）的研究表明，集聚初期擁塞效應占主導地位，集聚并不利于勞動生產率提升。劉和東和劉繁繁（2021）的研究表明，要素集聚對高新技術產業(yè)發(fā)展存在邊際遞減效應。不難發(fā)現，關于集聚經濟是否有利于經濟發(fā)展存在一定爭議，本質上應該是經驗問題，其結果會受到特定情景和具體領域的影響。

綜上，目前學界關于如何提升勞動生產率已經開展了深入的討論，并就創(chuàng)新驅動的重要性形成了廣泛的共識。然而，現有研究主要集中在創(chuàng)新數量層面，忽視了技術門類多樣性的作用，而深入到技術集聚影響機制的研究則更加匱乏?；诖耍疚臉嫿顺鞘屑夹g集聚測度指標，采用2003—2018年285個地級以上城市的面板數據，進一步對其影響勞動生產率的作用機制開展理論分析和實證檢驗。與現有文獻相比，本文的邊際貢獻主要體現在三個方面：（1）從技術集聚的視角切入，通過一千萬余件中國發(fā)明申請專利數據測算了技術集聚水平，有效彌補了測度指標內涵單一、結果有偏的缺陷。（2）深入分析了技術集聚通過就業(yè)結構、資本配置和創(chuàng)業(yè)活力等渠道影響城市勞動生產率的機理，加深了技術集聚影響生產率的認識和理解。（3）考察了城市蔓延、技術市場和知識產權保護等環(huán)境因素的調節(jié)效應，使研究結論在政策層面更具啟示意義。

二、理論機制分析

技術集聚具有地理空間成“群”和技術空間成“網”的雙重集聚特征，既能發(fā)揮地理空間集聚的規(guī)模優(yōu)勢，還能發(fā)揮技術空間集聚的關聯優(yōu)勢，有助于將區(qū)域技術創(chuàng)新能力轉化為經濟發(fā)展新動能，提升城市勞動生產率。本文通過梳理相關領域的研究成果，定性地歸納出技術集聚將通過就業(yè)結構、資本配置以及創(chuàng)業(yè)活力等渠道影響勞動生產率。

（一）就業(yè)結構的渠道作用

技術集聚有利于厚植城市的知識基礎，還會影響科技人才在產業(yè)間和區(qū)域間的流動，從而影響就業(yè)結構。一方面，在要素自由流動的情況下，技術集聚程度高的城市，借助其創(chuàng)新的規(guī)模效應和技術的關聯效應將吸引高科技人才、管理人才等高端勞動力不斷流入。另一方面，技術集聚增加了部門之間勞動力的技術關聯性，降低了高技能勞動力跨區(qū)域跨部門流動的技術障礙。高新技術集聚區(qū)暢通了知識在勞動力之間的傳播渠道，強化了勞動力之間的技能匹配，加速了各項技能和創(chuàng)意的溢出，這種知識共享自然提升了勞動力的各項能力，讓他們得以更自主地擇業(yè)，從而優(yōu)化了就業(yè)結構。

就業(yè)結構升級也是與勞動力資源配置優(yōu)化同步的過程，具體表現為勞動力資源在產業(yè)、區(qū)域等層面的優(yōu)化配置來提升勞動生產率。改革開放以來，我國農村剩余勞動力向工業(yè)、服務業(yè)的轉移有效提升了勞動生產率，以城市化為主要載體的服務業(yè)發(fā)展進一步優(yōu)化了城市就業(yè)結構，提升了勞動生產率（黃繁華和郭衛(wèi)軍，2020）。就業(yè)結構升級的生產率提升效應還體現在勞動力技能的工資溢價上，這就會激勵人們不斷提升自身技能以獲得更理想的職位，激發(fā)勞動力對自身能力提升的自我投資，從而提高城市整體的人力資本水平，有效提升勞動生產率。

（二）資本配置的渠道作用

技術集聚會引導資本投向技術密集型產業(yè)，有利于優(yōu)化資本配置、降低資本錯配程度。一方面，隨著創(chuàng)新地理集聚程度的提高，資本的集聚程度也隨之提高，會在區(qū)域層面形成金融機構以及各項業(yè)務的專業(yè)化分工模式（王如玉等，2019）。針對創(chuàng)新創(chuàng)業(yè)的專項資本往往會整合金融機構、社會、政府等多元融資渠道籌建創(chuàng)新創(chuàng)業(yè)投資基金，將資金配置到收益率高的領域和項目，從而提升金融機構和金融部門整體的資本配置效率。另一方面，技術集聚有助于金融機構更好地識別技術及其產業(yè)化前景，降低科技金融的風險，從而能更好地圍繞創(chuàng)新鏈打造資金鏈，形成金融與其他相關部門間的協(xié)同合作。以技術關聯為紐帶，金融機構和相關企業(yè)還會通過基礎設施共享、知識信息快捷流動以及相關業(yè)務的合作交流等途徑降低運營成本，形成金融、科技和產業(yè)之間的良性互動，降低資本錯配程度（崔書會等，2019）。

資本是經濟發(fā)展的重要因素，完善的資本市場體系能夠使閑散資金流向高回報率的項目，推動勞動生產率提升。事實上，無論是在城市、產業(yè)還是在企業(yè)層面，金融和資本市場發(fā)展都能夠顯著提升生產率。在高技術集聚區(qū)，金融機構還能夠率先發(fā)揮科技對金融系統(tǒng)的支持作用，如近年來涌現出的互聯網金融、科技金融等諸多新業(yè)態(tài)新產品，都是從高技術集聚區(qū)孵化形成的。金融領域的創(chuàng)新，不僅會提升金融機構的效率、優(yōu)化金融體系，還會提高城市整體的資本配置效率，更好地發(fā)揮金融對實體經濟的支持能力。金融機構還會借助信息和大數據等科學技術進一步推動產業(yè)鏈金融的發(fā)展，用金融支持傳統(tǒng)產業(yè)鏈向工業(yè)互聯網轉型升級，整體推動生產率的提升。

（三）創(chuàng)業(yè)活力的渠道作用

技術集聚增加勞動力、資本、科技等要素和資源的匹配程度，完善創(chuàng)業(yè)生態(tài)體系，提升城市的創(chuàng)業(yè)活躍度。一方面，技術集聚有助于形成地理鄰近且技術關聯的高技能勞動力池，能夠快捷有效地進行相互匹配和合作。同時，技術集聚有助于形成以企業(yè)為核心，涵蓋大學、科研院所、政府、創(chuàng)業(yè)投資機構、中介服務組織等多元化主體的區(qū)域創(chuàng)業(yè)生態(tài)體系，降低高技術創(chuàng)業(yè)的風險和門檻，為高技能團隊自主創(chuàng)業(yè)提供了一體化平臺。另一方面，技術集聚也會積極發(fā)揮新技術的先行先試和近距離溢出優(yōu)勢，如近年來的互聯網、云計算、大數據等數字技術為創(chuàng)業(yè)提供了便利和機會（趙濤等，2020），為創(chuàng)業(yè)活動提供了便利化的技術支持。

創(chuàng)業(yè)是經濟發(fā)展的內在動力，通過推動新技術、新產業(yè)和新模式的變革，提升勞動生產率。一方面，創(chuàng)業(yè)是要素資源整合優(yōu)化的過程，具有示范帶動效應。通過創(chuàng)業(yè)活動，將勞動力、技術、資本等生產要素重新組合，提升了新技術的商業(yè)化運用效率，形成新的產業(yè)部門，推動經濟發(fā)展。另一方面，創(chuàng)業(yè)是迭代提升的動態(tài)過程，不斷帶動區(qū)域經濟轉型升級。隨著創(chuàng)業(yè)的代際延續(xù)，企業(yè)會不斷積累知識、經驗、資源，也會遇到來自市場、技術、管理等不同領域的機遇和挑戰(zhàn)，這就會激勵或者倒逼企業(yè)家持續(xù)提升個人能力、增加研發(fā)投入、擴大社會網絡，從而會在城市層面表現為產業(yè)的轉型升級、勞動力工資提升和勞動生產率提高（劉偉麗和楊景院，2022）。

三、技術集聚的測算與典型事實

（一）技術集聚的測算

測算城市的技術集聚水平，一個重點是確定該城市的某類技術相對于其他城市來說是否具有比較優(yōu)勢。方法上，一般采用Balassa（1965）提出的顯示性比較優(yōu)勢（Revealed Comparative Advantage，RCA）指數，具體由一個城市某種技術專利數量占該城市技術專利總量的份額與全國此種技術專利數量占全國所有技術專利數量的份額之比來表示。如果RCA大于等于1，說明該城市此種技術具有比較優(yōu)勢；如果RCA小于1，則說明該城市此種技術沒有比較優(yōu)勢。以patentsikt表示城市i在t年的專利技術k的數量，那么相應的技術比較優(yōu)勢指數表述如下：

取RCA=1作為界定城市的某技術是否具有顯示性比較優(yōu)勢的臨界值。如果RCA≥1說明該技術具有顯示性比較優(yōu)勢，記為x=1；相反，如果RCA<1說明該技術不具有顯示性比較優(yōu)勢，記為x=0。具體如下：

測算城市的技術集聚水平，另一個重點是合理測算每一對技術之間的關聯程度。沿用產品空間理論（Hidalgo et al.，2007）相似的方法，即共址鄰近性，定義為在同一城市具有比較優(yōu)勢的任意兩種技術共同出現的最小概率。其邏輯是，如果兩種具備顯示性比較優(yōu)勢的技術在不同城市共同出現的次數越多，那么表明開發(fā)這兩種技術所需的創(chuàng)新能力越相似，也就是技術之間轉換的難度越小，技術之間的關聯程度就越高。具體如下：

式（3）中，xikt表示技術k具備顯示性比較優(yōu)勢的情況，xilt表示技術l具備顯示性比較優(yōu)勢的情況。P（xikt｜xilt）表示在技術l具備顯示性比較優(yōu)勢的條件下，技術k也具備顯示性比較優(yōu)勢的條件概率。同理，P（xilt｜xikt）表示在技術k具備顯示性比較優(yōu)勢的條件下，技術l也具備顯示性比較優(yōu)勢的條件概率?？紤]到P（xikt｜xilt）與P（xilt｜xikt）的取值不一定相等，設定取二者的較小值，這樣能規(guī)避相同技術之間可能出現的不同關聯程度，同時也滿足了條件概率值的對稱性要求。

基于以上技術顯示性比較優(yōu)勢及其關聯系數的測算，可以參照Balland et al.（2018）的思路計算每種技術的關聯密度指標。技術的關聯密度反應了該技術與其它技術關聯的密集程度。如果將這些技術都限定于某一城市范圍內，那么可以計算該城市任意技術的關聯密度。具體而言，城市i中技術k的關聯密度等于該技術與城市i其它技術之間的關聯密度之和，除以該技術與全國所有其它技術的總和。那么，城市i的技術k的關聯密度指標表示如下：

根據指標結構，技術關聯密度介于0和100之間。其含義為：如果技術k的關聯密度等于0，那么表示城市i沒有與技術k關聯的技術；相反，如果技術k的關聯密度等于100，那么表示城市i的技術k與所有技術都密切關聯。進一步地，對于整個城市而言，如果擁有N項比較優(yōu)勢技術，其技術集聚等于N項技術關聯密度的平均值。具體如下：

式（5）中，TAit表示城市技術集聚指標，同樣介于0和100之間，其反應了城市i在地理空間范圍內集聚的以關聯密度為權重的技術集聚平均水平。

（二）技術集聚的典型事實

依據城市、IPC小類、年度三個屬性，本文對國家知識產權局公開公布的1985—2018年10072416件發(fā)明申請專利進行分類統(tǒng)計，并根據上述指標測算了城市技術集聚水平。③考慮到歷年城市技術集聚實際數據都在0~50之間，本文采用間隔為10的等距分層法將城市劃分為高水平、中高水平、中等水平、中低水平與低水平五類。

結果表明，1985年至2018年中國城市技術集聚的空間分布格局變化較為明顯。1985年，中國城市技術集聚的整體水平較低，尚無中等水平以上的城市，絕大部分城市為低水平區(qū)域，僅北京和上海的技術集聚程度為中低水平區(qū)域。究其原因，1985年才開始系統(tǒng)記錄專利數據，尚不能全面反應各地的創(chuàng)新能力及其技術集聚程度，導致技術集聚程度系統(tǒng)性偏低。2001年，城市技術集聚程度總體上有了大幅提高，北京已經躍升為高水平組，另有南京、天津、廣州等6市邁入中高水平組，上海、哈爾濱、大連等11市邁入中等水平組，合肥市、佛山市、寧波市等23市跳出低水平組加入中低水平組。2008年，城市技術集聚程度進一步提高，高水平組保持6市，中高水平組增加至21市，中等水平組增加至36市，中低水平組增加至51市。至2018年，高水平組達22市，中高水平組達63市，中等水平組為117市，中低水平和低水平組分別僅剩62市和21市，城市技術集聚程度整體躍升。

四、研究設計

（一）模型設定

為了考察技術集聚對城市勞動生產率的影響，借鑒經濟發(fā)展領域相關文獻的通常做法（孫浦陽等，2013），設立如下計量模型：

式（6）中，下標i、t分別表示城市和年份。LP表示被解釋變量勞動生產率。核心解釋變量TA表示技術集聚。α0為常數項，α1和γX為模型的待估參數。X為一組控制變量，用于控制影響城市勞動生產率的其它因素，包含物質資本（Inv）、研發(fā)水平（R&D）、政府作用（Gov）、對外開放水平（FDI）、人力資本（Edu）、互聯網發(fā)展（Internet）和基礎設施（Infr）等變量。同時，模型控制了城市個體特征（μ）以及所有城市共同面臨且隨時間變化的趨勢效應（η），ε表示隨機誤差項。所有回歸的標準誤差在城市層面進行聚類調整。

（二）變量說明

1.勞動生產率（LP）。勞動生產率是被解釋變量，本文采用相關文獻常用的以城市實際產出與勞動力數量之比來測算（孫浦陽等，2013）。其中，勞動力為各城市單位從業(yè)人員數加上城鎮(zhèn)私營和個體從業(yè)人員數，實際產出是以2003年為基期利用價格平減指數對城市名義生產總值進行平減所得。

2.技術集聚（TA）。技術集聚是本文的核心解釋變量，采用上文式（5）的技術集聚指標進行測算。

3.控制變量。（1）物質資本（Inv）：中國經濟增長的歷史表明，投資在其中發(fā)揮了重要作用。本文選用城市固定資產投資與地方GDP的比值測算物質資本投入。（2）研發(fā)水平（R&D）：研發(fā)水平的提高有利于效率改善和生產可能性邊界擴張，是生產率提升的重要支撐力量（關書和成力為，2020）。本文選用軟件、科技和教育三類從業(yè)人員占全社會從業(yè)人員的比重來測度研發(fā)水平。（3）政府作用（Gov）：政府支出是地方政府治理區(qū)域經濟的重要政策工具，在提升勞動生產率中發(fā)揮著重要作用。本文采用地方政府一般性支出占地方GDP的比重作來衡量政府作用的強度。（4）對外開放水平（FDI）：對外開放水平對生產率的影響具有增效和“被俘獲”的兩面性作用。本文采用外商直接投資占固定資產投資的比重反映城市的對外開放水平，測算過程中利用當年實際匯率換算成人民幣。（5）人力資本（Edu）：人力資本有助于增強人們吸收新知識的能力，對勞動生產率具有倍增效應。本文通過計算人均受教育年限衡量人力資本。（6）互聯網發(fā)展（Internet）：互聯網提升勞動生產率的事實已得到諸多研究的驗證（程名望等，2020）。本文參照黃群慧等（2019）的測算方法，通過主成分法綜合互聯網普及率等四個基礎指標形成綜合指標，以此代理互聯網發(fā)展水平。（7）基礎設施（Infr）：基礎設施通過降低運輸成本和交易費用促進勞動生產率的提升。本文采用城市道路面積占建成區(qū)面積的比例來衡量各個城市的基礎設施水平。

（三）數據來源與描述性統(tǒng)計

專利技術數據來源于中國國家知識產權局專利數據庫，具體包含10072416件發(fā)明申請專利。其他數據均來自《中國城市統(tǒng)計年鑒》、《中國城市建設統(tǒng)計年鑒》、《中國區(qū)域經濟統(tǒng)計年鑒》、部分地級市統(tǒng)計年報以及EPS數據庫，個別城市的缺失數據采用線性插值法予以補充。鑒于城市層面數據可獲得性以及專利數據發(fā)布的滯后性，本文的樣本區(qū)間設定為2003—2018年，包含了除拉薩、巢湖、畢節(jié)、銅仁、三沙和海東之外的285個地級及以上城市，形成了4560個觀測值。本文數據的描述性統(tǒng)計見表1。

表1 主要變量的描述性統(tǒng)計

五、實證結果與分析

（一）基準回歸結果

為了消除潛在內生性的影響，這里參考劉修巖等（2017）的處理思路，并考慮到創(chuàng)新影響經濟的滯后性，將核心解釋變量技術集聚（TA）滯后二期。④F檢驗和Hausman檢驗均拒絕隨機效應模型，基準模型采用固定效應模型更合適。為便于比較，表2同時列出混合回歸模型、隨機效應模型和固定效應模型的估計結果。模型（1）的結果顯示，技術集聚（TA）的系數值在1%的水平下顯著為正，值為0.248，這說明技術集聚有效促進了城市勞動生產率提升。模型（2）是混合最小二乘法（POLS）的估計結果，技術集聚的系數顯著為正且大于固定效應的系數。究其原因，一方面可能由于POLS回歸方程中未控制年度效應和地區(qū)效應導致，另一方面可能因為POLS本身存在估計結果偏高的謬誤。模型（3）是隨機效應的估計結果，技術集聚系數顯著為正且高于固定效應，這可能是由于未控制城市固定效應引起的。這一結果表明，技術集聚的確能提升城市勞動生產率。

表2 基準回歸結果

（二）穩(wěn)健性分析

前文已經對核心解釋變量做滯后兩期處理，有效控制了內生性問題。為進一步驗證研究結論的可靠性，本文還從以下幾個方面展開討論：（1）增加控制變量，加入城市化水平（Urb）和產業(yè)高級化（Ind）兩個變量；（2）考慮到4個直轄市在資源配置和政治地位的特殊性，在回歸中剔除北京、上海、天津和重慶的樣本；（3）通過5%雙邊縮尾重新選擇樣本。表3結果顯示，核心解釋變量對勞動生產率的影響在顯著性水平、作用方向乃至系數值上都展現了穩(wěn)健性，說明前文結論是可靠的。

表3 穩(wěn)健性檢驗

（三）影響渠道分析

根據前文的理論機制分析，就業(yè)結構、資本配置和創(chuàng)業(yè)活力是技術集聚影響勞動生產率提升的三條渠道。

接下來本文通過以下步驟對渠道機制開展檢驗：第一步，技術集聚影響勞動生產率的基準模型估計；第二步，分別估計技術集聚對就業(yè)結構、資本配置和創(chuàng)業(yè)活力的影響；第三步，分別考察就業(yè)結構、資本配置和創(chuàng)業(yè)活力對勞動生產率提升的影響。借鑒中介效應的常用檢驗方法（溫忠麟和葉寶娟，2014），采用如下遞歸模型進行分析：

其中，式（7）與式（6）相同。式（8）中，M表示中介變量，包括就業(yè)結構（Job）、資本錯配（Mismatch）和創(chuàng)業(yè)活力（Entrep）三個變量。式（9）是在式（7）的基礎上加入中介變量。如果β1和φ1、φ2都顯著，可以依據公式計算出中介效應占總效應的比重。

三個中介變量分別為：（1）就業(yè)結構（Job）。鑒于本文考察的是創(chuàng)新型人員的就業(yè)結構，主要集中在工業(yè)和服務業(yè)領域，因此本文采用程名望等（2020）的方法，以第二三產業(yè)就業(yè)人數占總就業(yè)人數的比重來衡量就業(yè)結構。（2）資本錯配（Mismatch）。借鑒崔書會等（2019）的方法計算各城市資本錯配指數（Mismatch）。（3）創(chuàng)業(yè)活力（Entrep）。采用私營和個體從業(yè)人員占總就業(yè)人口的比重表示城市創(chuàng)業(yè)活力。該指標數值越大，表明就業(yè)群體中自我雇傭的比例越高，創(chuàng)業(yè)活力也越大。

表4給出了上述影響機制檢驗的結果。中介效應第二步檢驗的系數β1和φ2都顯著，且第三步檢驗的系數φ1也顯著，說明中介效應確實存在，不必進行Sobel檢驗（蔡海亞和徐盈之，2017）。

表4 機制檢驗結果

對于就業(yè)結構的渠道作用，表4模型1中技術集聚的系數顯著為正（值為0.003），說明技術集聚顯著優(yōu)化了就業(yè)結構。從模型2可以看出，就業(yè)結構對勞動生產率的估計系數在1%的水平下顯著為正（值為2.681），可以認為就業(yè)結構是影響勞動生產率的重要途徑；同模型中，技術集聚的系數也顯著為正（值為0.240），且小于基準回歸系數，這說明技術集聚通過優(yōu)化就業(yè)結構促進了勞動生產率的提升。對于資本配置的渠道作用，模型3中技術集聚的系數顯著為負（值為-0.238），說明技術集聚顯著降低了資本錯配程度；從模型4可以看出，資本錯配對勞動生產率的估計系數在1%的水平下顯著為負（值為-0.232），可以認為資本配置是影響勞動生產率的重要途徑；此外，技術集聚的系數顯著為正（值為0.193），且小于基準回歸系數，這說明技術集聚通過弱化資本錯配提升了勞動生產率。對于創(chuàng)業(yè)活力的渠道作用，模型5中技術集聚的系數顯著為正（值為0.127），說明技術集聚顯著提升了創(chuàng)業(yè)活力；從模型6可以看出，創(chuàng)業(yè)活力對勞動生產率的估計系數在1%的水平下顯著為正（值為0.295），可以認為創(chuàng)業(yè)活力是影響勞動生產率的重要途徑；此外，技術集聚的系數也顯著為正（值為0.211），且小于基準回歸系數，這說明技術集聚通過提高創(chuàng)業(yè)活力促進了勞動生產率的提升。

通過檢驗中介機制發(fā)現，技術集聚可以通過優(yōu)化就業(yè)結構、合理化資本配置和激發(fā)創(chuàng)業(yè)活力等機制間接提升城市勞動生產率。進一步的分析表明，由于勞動力、資本和企業(yè)家在資源配置中的流動性、靈活度等方面的差異，三類中介效應占總效應的比例存在較大差異，具體為資本配置的貢獻率最大（占比為22.19%），創(chuàng)業(yè)活力次之（占比為15.06%），就業(yè)結構最?。ㄕ急葹?.22%）。

六、拓展分析：技術集聚提升勞動生產率的環(huán)境效應

前文已經檢驗了技術集聚提升勞動生產率三條渠道的作用。但是，技術集聚能否有效提升城市勞動生產率可能還受到外部環(huán)境的影響，有待進一步理論分析和實證檢驗。

第一，低密度扁平化的蔓延式發(fā)展模式，增加了通勤距離、延長了通勤時間，影響了技術集聚提升勞動生產率所需的交流平臺和知識溢出渠道（Martinus et al.，2020），會抑制技術集聚的生產率提升效應。第二，成熟的技術市場能夠有效傳遞技術需求和技術供給等信息，降低信息不對稱程度，及時將創(chuàng)新成果轉移轉化為新產品和新工藝，擴大技術的應用領域和應用對象（Zheng et al.，2017），優(yōu)化創(chuàng)新要素配置效率，進而使得技術集聚持續(xù)有效地提升城市勞動生產率。第三，加強知識產權保護的核心是保護創(chuàng)新成果的產權，是創(chuàng)新成果轉移轉化的前置條件。有效保護知識產權，有利于正向引導創(chuàng)新人才的預期和創(chuàng)新資源的合理流動，促進產業(yè)結構優(yōu)化升級（顧曉燕等，2020），有效促進技術集聚對城市勞動生產率的提升作用。

基于以上理論分析，實證檢驗將在式（6）的解釋變量中分別加入技術集聚（TA）與城市蔓延指數（SPR）、技術市場發(fā)展（MT）和知識產權保護水平（IPR）乘積項，具體計量模型如下：

上式中，Z分別表示城市蔓延指數（SPR）、技術市場發(fā)展（MT）和知識產權保護水平（IPR）。具體而言，（1）城市蔓延指數（SPR）參考程開明和徐揚（2019）的思路，以人口變動率與城市建成區(qū)面積變動率的比值進行測算。（2）技術市場發(fā)展（MT）采用戴魁早（2018）的做法，選取技術市場交易額衡量。（3）知識產權保護水平（IPR）采用樊綱等（2011）編制的“中國市場化指數”分項指標“市場中介組織的發(fā)育和法律制度環(huán)境”作為代理指標。

表5模型1的估計結果顯示，城市蔓延指數與技術集聚乘積項的系數顯著為負，值為-0.116。這說明，在城市蔓延較慢的城市，技術集聚對勞動生產率的提升作用較強，而在城市蔓延較快城市，技術集聚對勞動生產率的提升作用相對較弱?；蛘哒f，城市蔓延會削弱技術集聚對勞動生產率的提升作用，這印證了毛文峰和陸軍（2020）的結論。

表5模型2中加入了技術集聚與技術市場發(fā)展的乘積項，結果顯示，其乘積項系數顯著為正，系數值為1.424。這說明，在技術市場成熟的城市中，技術集聚對城市勞動生產率的作用更加明顯；相反，在技術市場發(fā)展較差的地區(qū)中，技術集聚對城市勞動生產率的作用受到抑制?；蛘哒f，技術市場的改善在一定程度上能夠促進技術集聚對城市勞動生產率的提升作用，能夠協(xié)調技術供需雙方的對接，強化了技術信息交流、溝通乃至合作的渠道。

表5模型3的估計結果可以看出，加入技術集聚與知識產權保護水平乘積項之后，乘積項的影響系數顯著為正，系數值為0.021。這說明，在知識產權保護水平較高的地區(qū)，技術集聚影響勞動生產率的作用相對較大。換句話說，隨著城市知識產權保護水平的不斷提高，技術集聚對城市勞動生產率的提升作用會更加明顯。

表5 城市技術集聚影響勞動生產率的調節(jié)效應檢驗

七、結論和政策含義

本文在理論分析技術集聚影響城市勞動生產率機理的基礎上，采用2003—2018年中國285個地級以上城市的面板數據，從內部渠道和外部環(huán)境的雙重角度，分別采用中介效應模型和調節(jié)效應模型對城市技術集聚影響勞動生產率的作用機制進行了實證分析。城市技術集聚影響勞動生產率受內部渠道和外部環(huán)境的雙重影響。從內部渠道看，技術集聚可以通過優(yōu)化就業(yè)結構、合理化資本配置和激發(fā)創(chuàng)業(yè)活力而間接提升城市勞動生產率；從外部環(huán)境看，城市蔓延、技術市場和知識產權保護等城市環(huán)境對技術集聚的生產率提升效應都具有重要的影響?；谏鲜鲅芯拷Y論，本文提出以下政策啟示：

第一，優(yōu)化創(chuàng)新目標導向，因地制宜地推動城市技術集聚。豐富技術集聚的政策視角，從地理空間集聚向地理和技術雙重集聚轉變，既要注重創(chuàng)新活動在空間層面集聚成“群”，更要結合城市經濟發(fā)展階段、創(chuàng)新資源稟賦等實際情況，圍繞城市創(chuàng)新體系的優(yōu)勢技術、技術前沿領域、產業(yè)鏈需求方向等，因地制宜地集聚相互關聯的創(chuàng)新資源和科創(chuàng)人才，更要讓創(chuàng)新活動在技術層面集聚成“鏈”成“網”，充分發(fā)揮創(chuàng)新在地理和技術的雙重集聚對推動技術進步和經濟發(fā)展的整體效能。

第二，優(yōu)化創(chuàng)新載體平臺，梯次有序地建設創(chuàng)新空間體系。創(chuàng)新載體和創(chuàng)新平臺往往以城市或更大區(qū)域的重大發(fā)展戰(zhàn)略的需求為發(fā)展方向，具有明確的技術路線和持續(xù)的創(chuàng)新投入，是兼地理和技術雙重集聚的創(chuàng)新空間，能較好地規(guī)避因城市蔓延等不利因素對技術集聚的影響。為此，要以城市創(chuàng)新需求為導向，以現有創(chuàng)新載體和創(chuàng)新能級為基礎，重點打造由新型研發(fā)機構、高新區(qū)、科創(chuàng)走廊、自主創(chuàng)新示范區(qū)、創(chuàng)新策源地等梯次分明的創(chuàng)新空間體系，優(yōu)化科創(chuàng)資源的空間配置。

第三，推進要素市場化配置，讓創(chuàng)新要素有序流動。創(chuàng)新人才、科創(chuàng)資金和企業(yè)家精神等創(chuàng)新資源和要素是技術集聚積極推進城市勞動生產率提升的重要渠道。為此，要堅持科技面向經濟社會發(fā)展的導向，充分發(fā)揮市場對創(chuàng)新要素資源配置的決定性作用。要以創(chuàng)新地理邊界趨弱、創(chuàng)新要素流動日益便捷、創(chuàng)新的技術關聯日趨稠密為契機，著力破除阻礙創(chuàng)新人才、科創(chuàng)資本等創(chuàng)新要素合理流動的體制機制障礙，改革人才引進、激勵、發(fā)展和評價機制，強化創(chuàng)新創(chuàng)業(yè)激勵導向，破除制約科技成果轉移擴散的障礙，充分釋放技術集聚對城市高質量發(fā)展的動能和效能。

第四，優(yōu)化創(chuàng)新生態(tài)環(huán)境，完善科技創(chuàng)新服務體系。知識產權保護、技術市場乃至城市緊湊度等都是影響技術集聚效能發(fā)揮的創(chuàng)新生態(tài)環(huán)境因素。為此，要更好發(fā)揮政府在推動創(chuàng)新發(fā)展過程中的戰(zhàn)略規(guī)劃、制度規(guī)范、統(tǒng)籌協(xié)調、政策支持、環(huán)境營造等方面的引導作用。積極倡導創(chuàng)新文化，深入推進數字化改革，強化知識產權的創(chuàng)造、保護、運用；積極培育發(fā)展科技服務新業(yè)態(tài)，大力支持科技研發(fā)、互聯網和軟件等新興服務業(yè)的發(fā)展；發(fā)展線上線下相融合的技術交易市場，積極推進大數據、云計算等先進技術建設，完善技術轉移與交易、成果轉化與產業(yè)化的科技服務體系，引導科技服務機構創(chuàng)新服務模式和商業(yè)模式，推進全鏈條全方位的科技服務體系建設。

注釋：

①數據來源：1978年的數據來源于馬曉河和趙淑芳（2008），2021年的數據來源于國家統(tǒng)計局《2021年國民經濟和社會發(fā)展統(tǒng)計公報》。

②數據來源：發(fā)明專利申請總量數據來源于國家知識產權局編制的對應年份《中國專利統(tǒng)計年報》，專利技術分類數據由作者通過國家知識產權局專利數據庫和國際專利分類表（IPC）的匹配測得。

③考慮到篇幅限制，測算結果留存?zhèn)渌鳌?/p>

④本文計算了自1985—2018年的技術集聚（TA）面板數據，因此，在實證中對其滯后二期并不會改變模型的樣本量。