文/崔凌云

?

高房價下山東省制造業(yè)集聚的空間效應(yīng)分析——基于空間面板模型的實(shí)證

文/崔凌云

摘要：本文選取2009-2013年山東省17地市兩位數(shù)制造業(yè)統(tǒng)計數(shù)據(jù)，分析了山東省制造業(yè)集聚的特征并采用空間杜賓面板模型測算了資本投入、勞動投入、制造業(yè)集聚以及房價上漲對制造業(yè)產(chǎn)出的空間效應(yīng)。本文的實(shí)證過程中采用了三種不同的權(quán)重矩陣，結(jié)果顯示，當(dāng)前山東制造業(yè)生產(chǎn)過程中，資本投入的直接效應(yīng)較小，溢出效應(yīng)較大；無論采用何種權(quán)重衡量，勞動投入的產(chǎn)出彈性均遠(yuǎn)大于資本投入，且制造業(yè)中勞動力為稀缺要素。

關(guān)鍵詞：產(chǎn)業(yè)集聚；平均集中率；空間杜賓面板模型；空間溢出效應(yīng)

經(jīng)濟(jì)活動在空間上各地理單元間的分布往往不均衡，特別是在工業(yè)生產(chǎn)中。若特定產(chǎn)業(yè)的很大份額集中在少數(shù)幾個地區(qū)，其空間分布越不均衡，產(chǎn)業(yè)集聚程度越高。美國經(jīng)濟(jì)學(xué)家波特認(rèn)為這種產(chǎn)業(yè)集聚具有外部經(jīng)濟(jì)，通過規(guī)模收益遞增和創(chuàng)新可以促進(jìn)產(chǎn)業(yè)發(fā)展和地區(qū)經(jīng)濟(jì)增長。近年來，各級政府越來越認(rèn)可產(chǎn)業(yè)集聚的正外部性，通過推動鄰近地區(qū)經(jīng)濟(jì)一體化來促進(jìn)有序的產(chǎn)業(yè)集聚，實(shí)現(xiàn)1+1>2的效果?？缡〉膮^(qū)域經(jīng)濟(jì)一體化主要有珠江三角洲一體化、長江三角洲一體化和京津冀一體化，各省省內(nèi)也有局部一體化戰(zhàn)略，如山東省2013年確立了“兩區(qū)一圈一帶”發(fā)展戰(zhàn)略，劃分了山東半島藍(lán)色經(jīng)濟(jì)區(qū)、黃河三角洲高效生態(tài)經(jīng)濟(jì)區(qū)、省會城市群經(jīng)濟(jì)圈和西部經(jīng)濟(jì)隆起帶①。

學(xué)界也認(rèn)可產(chǎn)業(yè)集聚的作用。新經(jīng)濟(jì)地理的中心-外圍論從動態(tài)角度刻畫了有序產(chǎn)業(yè)集聚的三階段：第一階段，企業(yè)和工人向一個地區(qū)集中，地區(qū)專業(yè)化生產(chǎn)水平提高，初步形成“中心-外圍”結(jié)構(gòu)；第二階段，為避免過度擁擠，資源密集型產(chǎn)業(yè)有序向外圍轉(zhuǎn)移；第三階段，實(shí)現(xiàn)區(qū)域內(nèi)自由貿(mào)易和專業(yè)化分工，本區(qū)域工業(yè)生產(chǎn)水平顯著上升。隨著政府主導(dǎo)的區(qū)域一體化向縱深發(fā)展，空間視角下的產(chǎn)業(yè)集聚成為近幾年學(xué)術(shù)討論的熱點(diǎn)。范劍勇、李方文（2011）發(fā)現(xiàn)地市級層面制造業(yè)分布較為平均，城市體系的扁平化特征明顯，但縣級層面的產(chǎn)業(yè)集聚趨勢非常明顯；宋馬林等（2012）利用我國中部六省88個地市8年數(shù)據(jù)，采用LISA統(tǒng)計分析了第二產(chǎn)業(yè)的空間集聚與擴(kuò)散狀態(tài)，通過馬爾科夫鏈模擬，找到了各狀態(tài)之間的轉(zhuǎn)移概率，預(yù)測了其未來發(fā)展?fàn)顟B(tài)；徐文娟、鐘立新（2015）比較了廣東、浙江兩省5年間兩位數(shù)制造業(yè)的產(chǎn)業(yè)集聚情況，其指標(biāo)包括靜態(tài)與動態(tài)SP指數(shù)、MoranI指數(shù)和制造業(yè)中心值，說明兩省間產(chǎn)業(yè)集聚與擴(kuò)散的行業(yè)存在差異。以上文章僅分析了產(chǎn)業(yè)集聚的空間相關(guān)性，并未利用空間面板分析其影響因素。在既有基礎(chǔ)上，本文將使用空間面板模型研究山東省17地市制造業(yè)集聚對工業(yè)生產(chǎn)的空間影響。

一、指標(biāo)說明

本文選擇以地區(qū)制造業(yè)平均集中率衡量產(chǎn)業(yè)集聚水平，其計算公式為：

其中，i代表地市，N為地市數(shù)量，r代表細(xì)分行業(yè)，R為細(xì)分行業(yè)部門的數(shù)量，為i地市r細(xì)分行業(yè)的工業(yè)總產(chǎn)值，為i地市r細(xì)分行業(yè)的工業(yè)總產(chǎn)值占全省該細(xì)分行業(yè)工業(yè)總產(chǎn)值的份額。即為i地市的制造業(yè)平均集中率，該指標(biāo)越大，表明制造業(yè)在特定地區(qū)越集中。

本文選取山東省2009-2013年17地市28個制造業(yè)細(xì)分行業(yè)②的工業(yè)總產(chǎn)值，代入公式計算各地市及經(jīng)濟(jì)區(qū) 的制造業(yè)平均集中率。2013年制造業(yè)集聚程度較高的城市是青島、煙臺和威海，較低的城市是萊蕪、日照和濟(jì)寧，前者2013年制造業(yè)總產(chǎn)值排名第1、2和10位，且都位于山東半島，后者的總產(chǎn)值排名17、16和13，且多位于魯西南地區(qū)，說明發(fā)達(dá)的制造業(yè)和其集聚程度呈正相關(guān)。與2009年相比，2013年山東省17地市中，集聚程度上升的有9個，其中居前三位的是泰安（0.028）、東營（0.027）和德州（0.017）；集聚程度下降的有8個，居前三位的分別是濰坊（-0.031）、煙臺（-0.03）和濟(jì)南（-0.02）。

二、計量方法

（一）空間計量方法

靜態(tài)空間面板模型可以表示為：

式（4）中ρ、β和δ均為未知系數(shù)，根據(jù)Elhorst2012年設(shè)計的方法，可以通過假設(shè)檢驗(yàn)檢驗(yàn)SDM是否可簡化為SAR，通過假設(shè)檢驗(yàn)檢驗(yàn)SDM是否可簡化為SEM。因此，本文空間面板模型為：

（二）變量選取

本文采用山東省17地市的主要經(jīng)濟(jì)指標(biāo)為樣本，樣本區(qū)間為2009-2013年，數(shù)據(jù)來源為各地市各年的統(tǒng)計年鑒，變量選取和數(shù)據(jù)描述如下：因變量：lnY，其中Y為各地市各年的兩位數(shù)制造業(yè)（細(xì)分行業(yè)）工業(yè)總產(chǎn)值,以2009年為基期，用地區(qū)生產(chǎn)總值指數(shù)對其進(jìn)平減處理。本文將實(shí)際工業(yè)總產(chǎn)值取對數(shù)得到lnY，反映制造業(yè)的發(fā)展水平。主要解釋變量：lnK，其中K為各地市各年制造業(yè)固定資產(chǎn)凈值③，以2009年為基期，用地區(qū)生產(chǎn)總值指數(shù)進(jìn)行了平減。本文將實(shí)際固定資產(chǎn)凈值取對數(shù)得到lnK。資本投入主要是固定資產(chǎn)投入，它是制造業(yè)生產(chǎn)的基礎(chǔ)；lnL，其中L為各地市各年制造業(yè)從業(yè)人員數(shù)，取對數(shù)后得到lnL，勞動投入同樣是制造業(yè)生產(chǎn)不可或缺的條件；meancon，為各地市各年的制造業(yè)平均集中率，衡量產(chǎn)業(yè)集聚程度，計算方法見前文第二部分的指標(biāo)說明?？刂谱兞浚簆house為房價上漲率，在各地市各年的統(tǒng)計年鑒中，有上年為100的新建住宅銷售價格指數(shù)④，該指數(shù)減去100即為phouse。

（三）空間權(quán)重矩陣的構(gòu)建

本文構(gòu)建三種空間權(quán)重矩陣來進(jìn)行空間計量分析。

一是高速公路里程數(shù)權(quán)重矩陣W1。根據(jù)地理學(xué)第一定律,任何事物與周圍事物之間均存在聯(lián)系，而距離近的事物比距離遠(yuǎn)的事物聯(lián)系密切，因此在描述本文樣本的空間結(jié)構(gòu)時，首先考慮距離權(quán)重矩陣W1。令不同地市i和j間高速公路的里程數(shù)為d，則

為W1中對應(yīng)元素，并在矩陣內(nèi)按行進(jìn)行標(biāo)準(zhǔn)化。

二是鄰接權(quán)重矩陣W2。不同地市i 和j若相鄰則為1，不相鄰在為0，這表現(xiàn)為在矩陣W2中，對角線上元素為0，其它元素為

同樣，矩陣W2中按行進(jìn)行標(biāo)準(zhǔn)化。

三是經(jīng)濟(jì)活動權(quán)重矩陣W3。制造業(yè)生產(chǎn)或集聚本身是經(jīng)濟(jì)活動，單純以地理距離或鄰接來刻畫其空間結(jié)構(gòu)不夠細(xì)致，還要綜合考慮非地理因素的影響。因此，在借鑒了李靖等（2010）的思路后，本文的W3為：其中，Y為各地市各年制造業(yè)實(shí)際工業(yè)總產(chǎn)值，為考察期內(nèi)第i地市制造業(yè)實(shí)際總產(chǎn)值平均值，為考察期內(nèi)制造業(yè)實(shí)際總產(chǎn)值的平均值。

三、模型選擇和結(jié)果分析

（一）模型選擇

為選擇出適合本文樣本的空間面板模型，根據(jù)Elhorst2012年設(shè)計的方法，第一步估計無空間效應(yīng)的面板模型并進(jìn)行LM檢驗(yàn)：

本文數(shù)據(jù)N（17）大T（5）小，因此屬于短面板模型固定效應(yīng)模型更適合。運(yùn)行Elhorst提供的Matlab程序包可以看出⑤，空間固定效應(yīng)中應(yīng)考慮殘差項(xiàng)的空間自相關(guān)，空間時間雙固定效應(yīng)中是否應(yīng)包含因變量的空間滯后項(xiàng)和殘差項(xiàng)的空間自相關(guān)，需要進(jìn)一步檢驗(yàn)。

為確定空間固定效應(yīng)和時間固定效應(yīng)的聯(lián)合顯著性，需進(jìn)行LR檢驗(yàn)。LR檢驗(yàn)結(jié)果顯示⑥，空間固定效應(yīng)和時間固定效應(yīng)均呈現(xiàn)1％水平上的聯(lián)合顯著，因此應(yīng)建立空間時間雙向固定效應(yīng)模型。

根據(jù)Elhorst2012年設(shè)計的方法，第二步進(jìn)行Wald檢驗(yàn)和LR檢驗(yàn)，判斷面板模型是否可簡化為SAR面板模型或SEM面板模型。檢驗(yàn)的判斷標(biāo)準(zhǔn)為，對于兩項(xiàng)原假設(shè)和如果不能拒絕且第一步中LM檢驗(yàn)和穩(wěn)健LM檢驗(yàn)顯示因變量的空間效應(yīng)顯著，則應(yīng)選用SAR面板模型；如果不能拒絕且第一步中LM檢驗(yàn)和穩(wěn)健LM檢驗(yàn)顯示殘差項(xiàng)的空間效應(yīng)顯著，則應(yīng)選擇SEM面板模型；如果兩項(xiàng)原假設(shè)均可拒絕，則應(yīng)選擇SDM面板模型。

根據(jù)聯(lián)合顯著性檢驗(yàn)結(jié)果，本文對空間時間雙固定效應(yīng)模型進(jìn)行Wald檢驗(yàn)和LR檢驗(yàn)，結(jié)果見表1。表1中第一列為基于極大似然法（QML）估計的空間杜賓模型，第二列為基于Yu和Lee （2008）的糾偏QML估計。這里T=5， N=17,滿足N>T，T>N1/3=2.57，根據(jù)Yu 和Lee（2008）的研究，此時應(yīng)使用糾偏QML。第一列的Wald檢驗(yàn)和LR檢驗(yàn)均在5％顯著水平拒絕了兩項(xiàng)原假設(shè)和第二列在10％顯著水平亦可拒絕兩項(xiàng)原假設(shè)和即此時空間杜賓模型（SDM）不能簡化為SAR或SEM，第三列的估計結(jié)果檢驗(yàn)在5％顯著水平也支持空間杜賓模型（SDM）。對于應(yīng)選擇第三列的空間隨機(jī)時間固定效應(yīng)模型的估計結(jié)果，還是第二列的空間時間雙固定效應(yīng)模型的估計結(jié)果，Hausman檢驗(yàn)的統(tǒng)計量為10.32，其p值為0.3248，故不能拒絕空間隨機(jī)效應(yīng)的原假設(shè)，此時應(yīng)選擇第三列的估計結(jié)果。

（二）結(jié)果分析

根據(jù)表1中第三列的估計結(jié)果，本地資本投入的產(chǎn)出彈性為0.083，勞動投入的產(chǎn)出彈性為0.305，這兩項(xiàng)系數(shù)均在5％水平顯著。其他地市資本投入亦能增加本地制造業(yè)產(chǎn)出，其系數(shù)為0.472，在1％水平顯著，這表明資本在山東并不稀缺，制造業(yè)資本的使用不存在競爭性，且各地市間制造業(yè)產(chǎn)出是相互促進(jìn)的；值得注意的是，現(xiàn)階段其他地市資本投入對本地產(chǎn)出的增加系數(shù)0.472遠(yuǎn)大于本地資本和勞動的產(chǎn)出增加系數(shù)0.083和0.305，這表明制造業(yè)應(yīng)協(xié)調(diào)各地市后統(tǒng)一發(fā)展。本地制造業(yè)集聚程度對產(chǎn)出的影響為11.065，在1％水平顯著，其他地市制造業(yè)集聚對本地產(chǎn)出的影響為-3.561，在10％水平不顯著，說明產(chǎn)業(yè)集聚僅在本單元內(nèi)規(guī)模收益遞增和知識溢出，這種經(jīng)濟(jì)外部性還不能在相鄰空間單元顯著擴(kuò)散。估計結(jié)果還顯示出，本地房價上漲將減少本地制造業(yè)產(chǎn)出，其他地市房價上漲將增加本地制造業(yè)產(chǎn)出，但兩項(xiàng)系數(shù)（絕對值）均非常小，且不顯著。

表1中的結(jié)果由高速公路里程數(shù)權(quán)重矩陣W1獲得，為比較產(chǎn)業(yè)集聚的相互影響，表2中利用鄰接權(quán)重矩陣W2和經(jīng)濟(jì)活動權(quán)重矩陣W3對本文樣本再次進(jìn)行估計，其結(jié)果依然支持空間隨機(jī)和時間固定的SDM模型。

當(dāng)考慮鄰接關(guān)系時，模型（2）給出，本地資本投入的產(chǎn)出彈性為0.077，在10％水平顯著，本地勞動投入的產(chǎn)出彈性為0.388，在1％水平顯著，產(chǎn)業(yè)集聚對本地產(chǎn)出的影響系數(shù)為10.086，在1％水平顯著，本地房價上漲將使本地產(chǎn)出減少，但其系數(shù)如模型（1）一樣，非常小且不顯著。鄰接地市資本投入對本地制造業(yè)產(chǎn)出的彈性為0.171，在5％水平顯著，此項(xiàng)系數(shù)遠(yuǎn)小于以W1為權(quán)重矩陣時的系數(shù)0.472，說明資本溢出效應(yīng)主要發(fā)生在非鄰接地市。鄰接地市的產(chǎn)業(yè)集聚水平和房價漲幅對本地制造業(yè)生產(chǎn)影響與以W1為權(quán)重矩陣時基本相同，且都不顯著。（見表2）

表1　包含空間時間雙固定效應(yīng)的空間杜賓模型（SDM）估計

當(dāng)綜合考慮經(jīng)濟(jì)活動的影響時，模型（3）給出，本地資本投入的產(chǎn)出彈性降為0.066，在10％水平顯著，本地勞動投入的產(chǎn)出彈性將為0.285，在5％水平顯著，本地產(chǎn)業(yè)集聚水平的影響系數(shù)為10.245，比模型（2）中略有下降，同樣也在1％水平顯著。本地房價上漲對本地制造業(yè)產(chǎn)出的影響為負(fù)，但同前兩個模型一樣，系數(shù)非常小且不顯著。在以經(jīng)濟(jì)活動權(quán)重矩陣W3衡量的模型（3）中，其他地市，特別是制造業(yè)發(fā)達(dá)地市的資本投入對本地市制造業(yè)產(chǎn)出的影響繼續(xù)下降，為0.059，在1％水平顯著，這說明模型（1）中的資本溢出效應(yīng)主要發(fā)生在非鄰接的制造業(yè)欠發(fā)達(dá)地市。模型（3）中，其他地市的勞動投入對本地市產(chǎn)出的影響在1％水平顯著，這和前兩個模型不同，雖然數(shù)值較小，僅為-0.075，但說明制造業(yè)發(fā)達(dá)地市的勞動力投入增加，將吸引本地市制造業(yè)工人流出而減少本地產(chǎn)出。模型（3）中，其他地市產(chǎn)業(yè)集聚對本地市產(chǎn)出的影響為正，但依然不顯著，其他地市房價上漲能帶來本地市產(chǎn)出增加，系數(shù)僅為0.003，但在1％水平顯著。

最后，綜合三個模型可發(fā)現(xiàn)，周邊地市制造業(yè)產(chǎn)出對本地市制造業(yè)產(chǎn)出的影響均為負(fù)，但都不顯著。注：括號內(nèi)為t值，*,**,***分別表示10％、5％、1％顯著水平。

表2　變換權(quán)重矩陣的空間杜賓模型估計結(jié)果

四、結(jié)論

綜合前文的空間面板分析表明，目前山東省各地市制造業(yè)生產(chǎn)中：資本投入的直接效應(yīng)較小，溢出效應(yīng)較大，且溢出主要面向非鄰接的制造業(yè)欠發(fā)達(dá)地市；無論采用何種權(quán)重衡量，勞動投入的產(chǎn)出彈性均遠(yuǎn)大于資本投入，且制造業(yè)勞動力為稀缺要素，一地市勞動投入增加將使其他地市制造業(yè)產(chǎn)出減少，這種減少在以經(jīng)濟(jì)活動因素衡量的權(quán)重矩陣W3中是顯著的；本地產(chǎn)業(yè)集聚能顯著促進(jìn)本地制造業(yè)產(chǎn)出增加，對其他地市產(chǎn)出的影響不顯著；雖然房價上漲，但房價對本地制造業(yè)產(chǎn)出的影響數(shù)值上非常小且統(tǒng)計上也不顯著。

注釋：

①2009年國務(wù)院批復(fù)建立黃河三角洲高效生態(tài)經(jīng)濟(jì)區(qū)，2011年國務(wù)院批復(fù)建立山東半島藍(lán)色經(jīng)濟(jì)區(qū)，2013年山東省確立省會城市群經(jīng)濟(jì)圈和西部隆起經(jīng)濟(jì)帶，明確了“兩區(qū)一圈一帶”發(fā)展戰(zhàn)略。

②這28個細(xì)分行業(yè)在“國民經(jīng)濟(jì)行業(yè)分類與代碼（GB/4754-2011）”中對應(yīng)為C13-C27，C29-C42。由于篇幅有限，平均集中率的計算結(jié)果文中并未列出，如有需要，請向作者索取。

③由于部分地市統(tǒng)計年鑒的統(tǒng)計口徑差異，濰坊市以固定資產(chǎn)原價替代了固定資產(chǎn)凈值，臨沂市以總資產(chǎn)減流動資產(chǎn)近似估計了固定資產(chǎn)凈值。

④年鑒中缺少威海市和濱州市2009-2011年、聊城市2011年數(shù)據(jù)，本文均通過插值法計算獲得。

⑤運(yùn)行結(jié)果如有需要，請向作者索取。

⑥由于篇幅有限，LR檢驗(yàn)結(jié)果并未列出，如有需要，請向作者索取。

參考文獻(xiàn)：

[1] Elhorst,J.P.(2003). "Specification and Estimation of Spatial Panel Data Models."International Regional Science Review 26(3):244-268.

[2] 邵挺,范劍勇.房價水平與制造業(yè)的區(qū)位分布——基于長三角的實(shí)證研究[J].中國工業(yè)經(jīng)濟(jì),2010,(10):24-32.

[3] 范劍勇,李方文.中國制造業(yè)空間集聚的影響:一個綜述[J].南方經(jīng)濟(jì),2011,(06):53-66+6.

[4] 宋馬林,王舒鴻,黃蓓,胡百紅.我國中部六省產(chǎn)業(yè)集聚與擴(kuò)散的空間計量[J].地理研究,2012,(03):534-542.

[5] 于斌斌,楊宏翔,金剛.產(chǎn)業(yè)集聚能提高地區(qū)經(jīng)濟(jì)效率嗎?——基于中國城市數(shù)據(jù)的空間計量分析[J].中南財經(jīng)政法大學(xué)學(xué)報,2015,(03):121-130.

[6] 徐文娟,鐘立新.基于空間變換的產(chǎn)業(yè)集聚計量模型及實(shí)證檢驗(yàn)[J].統(tǒng)計與決策,2015,(15):131-134.

[7] 唐運(yùn)舒,馮南平,高登榜,楊善林.產(chǎn)業(yè)轉(zhuǎn)移對產(chǎn)業(yè)集聚的影響——基于泛長三角制造業(yè)的空間面板模型分析[J].系統(tǒng)工程理論與實(shí)踐,2014,(10):2573-2581.

[8] 譚銳,趙祥,黃亮雄.高房價下的制造業(yè)轉(zhuǎn)移:城市間還是城市內(nèi)?[J].經(jīng)濟(jì)學(xué)報,2015,(02):56-75.

[9] 李婧,譚清美,白俊紅.中國區(qū)域創(chuàng)新生產(chǎn)的空間計量分析——基于靜態(tài)與動態(tài)空間面板模型的實(shí)證研究[J].管理世界,2010,(07):43-55+65.

（作者單位：齊魯工業(yè)大學(xué)金融學(xué)院）