龔文龍

內(nèi)容摘要：本文基于2003-2014年中國(guó)東部98個(gè)城市的面板數(shù)據(jù)，使用區(qū)位熵計(jì)算了東部城市傳統(tǒng)商業(yè)集聚和多元商業(yè)集聚的程度，并利用DEA-Malmquist指數(shù)模型估算了城市全要素生產(chǎn)率，最后探索不同商業(yè)集聚與城市全要素生產(chǎn)率之間的相關(guān)性。研究發(fā)現(xiàn)，東部城市全要素生產(chǎn)率變動(dòng)呈現(xiàn)倒U型，其中技術(shù)效率變動(dòng)是主要推動(dòng)因素；相比于傳統(tǒng)商業(yè)集聚，東部城市的多元商業(yè)集聚程度顯示了一定的弱化現(xiàn)象，但多元商業(yè)集聚對(duì)城市全要素生產(chǎn)率貢獻(xiàn)仍然大于傳統(tǒng)商業(yè)集聚，而且這種貢獻(xiàn)是通過(guò)提升城市技術(shù)效率進(jìn)行傳導(dǎo)，而非技術(shù)進(jìn)步。

關(guān)鍵詞：商業(yè)集聚 城市全要素生產(chǎn)率 區(qū)位熵 中國(guó)東部城市

引言

經(jīng)濟(jì)活動(dòng)在有限空間內(nèi)的集聚如何改善全要素生產(chǎn)率（TFP），一直是經(jīng)濟(jì)地理學(xué)研究的焦點(diǎn)問(wèn)題，其中，產(chǎn)業(yè)集聚與TFP之間的關(guān)系吸引了較多的關(guān)注。

借鑒現(xiàn)有相關(guān)研究結(jié)論，似乎可以直接推論商業(yè)集聚對(duì)城市TFP的正向促進(jìn)關(guān)系。但隨著城市內(nèi)部經(jīng)濟(jì)部門(mén)的網(wǎng)絡(luò)化交叉的進(jìn)一步加劇，商業(yè)范疇已從傳統(tǒng)的批零餐飲住宿拓展到交通、信息、金融、租賃等廣義服務(wù)行業(yè)，那么，這種廣義多元商業(yè)集聚與傳統(tǒng)商業(yè)集聚對(duì)城市TFP會(huì)形成何種不同作用？值得進(jìn)一步研究。另一方面，相比于中國(guó)中西部城市，東部城市的商業(yè)基礎(chǔ)較為雄厚，產(chǎn)業(yè)發(fā)展也相對(duì)完善，因此多元商業(yè)集聚的經(jīng)濟(jì)效應(yīng)也更為顯著。基于此，本文選取中國(guó)商業(yè)經(jīng)濟(jì)較為發(fā)達(dá)的東部地區(qū)98座城市為對(duì)象，使用2003-2014年的面板數(shù)據(jù)，探索多元商業(yè)集聚與傳統(tǒng)商業(yè)集聚與城市TFP之間的動(dòng)態(tài)關(guān)系，并根據(jù)分析結(jié)果提出相應(yīng)政策建議。

指標(biāo)與模型設(shè)定

（一）商業(yè)集聚的衡量

產(chǎn)業(yè)集聚度的衡量指標(biāo)主要包括行業(yè)集中度、赫芬達(dá)爾-赫希曼指數(shù)、EG空間集聚指數(shù)、空間基尼系數(shù)、CIP產(chǎn)業(yè)集聚指數(shù)以及區(qū)位熵等，不同指標(biāo)有明顯的優(yōu)缺點(diǎn)。商業(yè)集聚可以看成是通過(guò)商業(yè)資源與區(qū)域條件相互協(xié)調(diào)和匹配的動(dòng)態(tài)演化過(guò)程，其發(fā)展結(jié)果是形成區(qū)域空間范圍內(nèi)商業(yè)業(yè)態(tài)的有機(jī)系統(tǒng)，也是商業(yè)服務(wù)效率在空間內(nèi)的調(diào)整和改善的過(guò)程。根據(jù)研究實(shí)際，本文選擇區(qū)位熵作為衡量城市商業(yè)集聚的專業(yè)化指標(biāo)。

區(qū)位熵（LQ）被普遍運(yùn)用于區(qū)域產(chǎn)業(yè)集聚分析，是某區(qū)域的商業(yè)占該地區(qū)全行業(yè)的比重與全國(guó)層面上該商業(yè)占全國(guó)產(chǎn)業(yè)比重的比值，其計(jì)算見(jiàn)公式（1）。值得注意的是，以往研究?jī)H使用行業(yè)就業(yè)人數(shù)作為計(jì)算口徑，而忽視了勞動(dòng)力主體在能力等方面的異質(zhì)性。為彌補(bǔ)此缺陷，本文將行業(yè)平均工資納入指標(biāo)，以反映勞動(dòng)力在能力方面的差別。因此，本文將 qi，j（t）定義為t年i城市j行業(yè)的就業(yè)人數(shù)與工資收入的乘積，以反映勞動(dòng)力的綜合素質(zhì)水平。

（1）

（二）城市全要素生產(chǎn)率指標(biāo)

本文使用非參數(shù)法的DEA-Malmquist指數(shù)模型計(jì)算城市TFP，以人力資本存量和物質(zhì)資本存量為投入變量，實(shí)際GDP為產(chǎn)出變量。Malmquist指數(shù)模型計(jì)算的原理如下：

上式（2）中， xti與 yti表示i城市t年的投入與產(chǎn)出量， xit+1與 yit+1則表示i城市t+1年的投入與產(chǎn)出量， Dit（xit， yit）與Dit（xt+1i，yt+1i） 則分別代表在t年的技術(shù)水平下，i城市在t年和t+1年的產(chǎn)出距離函數(shù)。當(dāng)Mi（xt+1，yt+1，xt，yt） 大于1時(shí)，表示i城市的TFP增長(zhǎng)為正值，反之則為負(fù)值。為進(jìn)一步理解TFP變動(dòng)的原因，將上式（2）進(jìn)一步分解和變形得到如下表達(dá)式：

其中， ECi表示i城市t年和t+1年的效率變動(dòng)，而TCi表示i城市生產(chǎn)技術(shù)前沿在產(chǎn)出增量上的移動(dòng)，即技術(shù)進(jìn)步變動(dòng)。在實(shí)際計(jì)算中，通過(guò)獲得城市在各年份的投入和產(chǎn)出量，利用DEA非參數(shù)前沿效率分析法，可以求得城市TFP值及其變動(dòng)情況。

（三）模型設(shè)定

為探索商業(yè)集聚與城市TFP之間的關(guān)系，本文設(shè)計(jì)如下基本解析模型。

其中， LQit為傳統(tǒng)商業(yè)集聚水平，LQ*it為多元商業(yè)集聚水平，Conmit代表i城市t年控制變量類型m，γit為城市個(gè)體因素，εit為隨機(jī)擾動(dòng)項(xiàng)。另外，考慮到內(nèi)生性問(wèn)題，為改善解析模型設(shè)定時(shí)的偏誤，在模型（7）中加入TFP變量的滯后項(xiàng)。

同時(shí)，為進(jìn)一步探索廣義多元商業(yè)集聚對(duì)城市TFP的作用機(jī)理，將TFP分解為技術(shù)效率變動(dòng)（EC）和技術(shù)進(jìn)步變動(dòng)（TC），并構(gòu)建回歸方程，實(shí)際回歸分析中以因變量以增長(zhǎng)率計(jì)算。

數(shù)據(jù)說(shuō)明與變量計(jì)算

本文選取中國(guó)東部11省市的地級(jí)以上城市為對(duì)象，除江蘇省淮安、宿遷和泰州3市因早期建制原因數(shù)據(jù)缺失，最終確定98個(gè)城市的2003-2014年面板數(shù)據(jù)為研究樣本。在商業(yè)類型確定上，選取批發(fā)與零售、餐飲與住宿為傳統(tǒng)商業(yè)范圍，加入交通與倉(cāng)儲(chǔ)、信息傳輸與計(jì)算機(jī)軟件服務(wù)、金融、租賃與商業(yè)服務(wù)作為廣義多元商業(yè)范圍。各類數(shù)據(jù)均來(lái)自歷年《中國(guó)城市統(tǒng)計(jì)年鑒》、《中國(guó)統(tǒng)計(jì)年鑒》和《中國(guó)城市（鎮(zhèn)）生活與價(jià)格年鑒2012》。數(shù)據(jù)統(tǒng)計(jì)口徑采用全市范圍。

（一）城市產(chǎn)出變量計(jì)算

對(duì)于城市產(chǎn)出量的計(jì)算，本文以歷年城市GDP表示。鑒于城市統(tǒng)計(jì)年鑒中GDP數(shù)據(jù)均為名義值，在實(shí)際測(cè)算中需剔除價(jià)格因素的影響?？紤]居民消費(fèi)價(jià)格指數(shù)（CPI）能較為客觀反映全社會(huì)價(jià)格總體的變動(dòng)情況，本文選擇以1993年為基期，使用歷年CPI為基礎(chǔ)的折算指數(shù)對(duì)城市GDP進(jìn)行折算。折算公式見(jiàn)（11），其中Cpio，t 為i城市所在o省在t年的GDP折算指數(shù)，cpio，t*為i城市所在o省t*年的居民消費(fèi)價(jià)格指數(shù)。

（二）城市投入變量計(jì)算

本文選擇勞動(dòng)和資本為城市經(jīng)濟(jì)發(fā)展的兩種主要投入量。在勞動(dòng)投入量（L）的測(cè)算上，本文借鑒馮云廷等（2016）的研究，選取城市從業(yè)人員作為勞動(dòng)力存量指標(biāo)，包括城市單位從業(yè)人員以及個(gè)體與私營(yíng)從業(yè)人員。

在資本存量的測(cè)量上，借鑒張軍等（2004）的研究，本文采用永續(xù)盤(pán)存法計(jì)算歷年資本存量。具體公式見(jiàn)（12），其中，Ki，t和Ki，t-1分別為i城市t年和t-1年的資本存量，Ii，t是i城市t年的名義總投資，δ 為資本折舊率。為了剔除名義總投資中的價(jià)格因素影響，本文確定了固定資本折算指數(shù)的計(jì)算方法，見(jiàn)公式（13），其中Pio，t為i城市所在的o省t年的資本折算指數(shù)，Pio，t*為i城市所在的o省t*年的固定資本價(jià)格指數(shù)。借鑒張軍等（2004）的研究結(jié)果，本文采用9.6%作為資本折舊率，即大約10年的折舊年限，也意味著1993年的固定資本在2003年全部折舊完畢。

（三）控制變量的選擇

控制變量主要包括：城市對(duì)外開(kāi)放度（FOR），使用城市當(dāng)年外商直接投資額占GDP比重表示；城市科技投入（REA），使用當(dāng)年財(cái)政支出中科技支出的比重表示；城市基礎(chǔ)設(shè)施（IFR），使用人均占有的城市道路面積來(lái)表示；城市人力資本投入（HUM），使用城市中每萬(wàn)人中高等學(xué)校在校生數(shù)表示。

實(shí)證結(jié)果與分析

（一）指標(biāo)計(jì)算結(jié)果

區(qū)位熵指標(biāo)。由于篇幅所限，本文僅列出部分省區(qū)城市的傳統(tǒng)商業(yè)和廣義多元商業(yè)區(qū)位熵指標(biāo)的描述性統(tǒng)計(jì)（見(jiàn)表1）。從計(jì)算結(jié)果中可以發(fā)現(xiàn)兩個(gè)特點(diǎn)，一是，從整體上看東部不同城市間兩種類型的商業(yè)集聚程度差異巨大，最大值與最小值之間的差距存在十倍以上的標(biāo)準(zhǔn)差。二是，廣義的多元商業(yè)的區(qū)位熵普遍小于傳統(tǒng)商業(yè)，這是一個(gè)有趣的發(fā)現(xiàn)。在東部城市中，以批發(fā)零售、餐飲和住宿等傳統(tǒng)商業(yè)集聚度均值為1.37，高于加入了交通、信息、金融、租賃等多元商業(yè)集聚度均值0.86。也就是說(shuō)，以傳統(tǒng)商業(yè)種類算，東部城市的商業(yè)集聚度在普遍是較高的，然而如果將商業(yè)種類拓展，這種集聚水平反而降低了。這說(shuō)明，隨著中國(guó)區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展政策的推進(jìn)，包括交通網(wǎng)絡(luò)基礎(chǔ)設(shè)施投資的逐年累積、通信成本的下降、以及網(wǎng)絡(luò)金融等新型融資方式的崛起，導(dǎo)致與之相關(guān)的商業(yè)行為對(duì)區(qū)域集中的依賴程度是下降的，這使得東部城市在交通、信息、金融、租賃等方面的商業(yè)集聚趨勢(shì)是減弱的。但是，這種集聚程度的弱化是否意味多元商業(yè)集聚對(duì)城市TFP增長(zhǎng)的作用也會(huì)同步弱化？這個(gè)問(wèn)題需要進(jìn)一步通過(guò)城市層面的數(shù)據(jù)加以驗(yàn)證。

城市TFP變動(dòng)。東部城市的TFP變動(dòng)情況（見(jiàn)表2）。由表2可知，自2003年以來(lái)東部98城的TFP增速大致經(jīng)歷了個(gè)倒U型的變動(dòng)過(guò)程，到2007年之前，TFP增長(zhǎng)率由退化到實(shí)現(xiàn)增長(zhǎng)，并在2007年到達(dá)峰值。另外，2008年金融危機(jī)使得當(dāng)年的TFP增速明顯退化，但在2009年經(jīng)濟(jì)政策刺激的作用下，城市TFP又迅速得以恢復(fù)，并接近危機(jī)前的峰值，與實(shí)際經(jīng)濟(jì)運(yùn)行情況吻合?？傮w來(lái)看，整個(gè)樣本期間東部城市平均TFP變化為0.99，呈現(xiàn)增速弱退化狀態(tài)。值得注意的是，從均值上看，2003-2014年?yáng)|部城市的技術(shù)效率實(shí)現(xiàn)了0.6%的增長(zhǎng)，具體表現(xiàn)在純技術(shù)效率和規(guī)模效率的改善，但技術(shù)進(jìn)步顯示退化了1.6%。

（二）數(shù)據(jù)平穩(wěn)性檢驗(yàn)與模型形式選擇

考慮到不同城市之間存在相互影響，本文使用截面相關(guān)的面板單位根進(jìn)行數(shù)據(jù)的平穩(wěn)性檢驗(yàn)。利用stata14軟件對(duì)各變量進(jìn)行ADF檢驗(yàn)，檢驗(yàn)結(jié)果如表3所示。其中，t-bar表示不同截面通過(guò)ADF檢驗(yàn)所得到的t值平均值，Z[t-bar]是t-bar的標(biāo)準(zhǔn)化形式，并在原假設(shè)下服從N（0，1）分布。檢驗(yàn)結(jié)果顯示，各個(gè)序列的數(shù)據(jù)均拒絕了原假設(shè)，且在1%水平下顯著，說(shuō)明各個(gè)序列的數(shù)據(jù)均為一階單整，可以通過(guò)一階差分獲取平穩(wěn)數(shù)列。

在確定數(shù)列的平穩(wěn)性后，本文對(duì)分析模型進(jìn)行一階差分以消除城市個(gè)體因素的影響，并判斷模型是否存在個(gè)體效應(yīng)，以便確定固定效應(yīng)或是隨機(jī)效應(yīng)?？紤]使用似然比檢驗(yàn)（LRT）對(duì)基本解析模型（6）進(jìn)行個(gè)體效應(yīng)檢驗(yàn)，結(jié)果顯示LR chi2（1）=103.51，Prob>chi2=0.000，即當(dāng)了約束條件增加后，模型的差異極為顯著，據(jù)此可判斷存模型在個(gè)體效應(yīng)。其余以同樣方法檢驗(yàn)，均顯示了個(gè)體效應(yīng)的存在。利用Hausman檢驗(yàn)確定各個(gè)模型最終形式，其檢驗(yàn)原假設(shè)為城市個(gè)體影響因素與變量不相關(guān)，通過(guò)估計(jì)得到檢驗(yàn)統(tǒng)計(jì)均顯示Prob=0.000，即拒絕了原假設(shè)，最終確定差分簡(jiǎn)化模型均為固定效應(yīng)模型。

回歸結(jié)果與分析

在回歸分析中，本文將TFP變化、技術(shù)效率變化、技術(shù)變化計(jì)算結(jié)果減1，以獲得各個(gè)指標(biāo)的增長(zhǎng)率，最終得到回歸結(jié)果（見(jiàn)表4）。由表4可知，模型（6）和（7）顯示，傳統(tǒng)商業(yè)集聚和多元商業(yè)集聚對(duì)城市全要素生產(chǎn)率均有顯著的正向影響。值得注意的是，多元商業(yè)集聚的系數(shù)（0.031）要高于傳統(tǒng)商業(yè)集聚（0.012），并P<0.01的水平上影響顯著。這一結(jié)果說(shuō)明，即使近年來(lái)東部城市的多元商業(yè)集聚程度相對(duì)下降，但對(duì)城市TFP變動(dòng)的影響反而是顯著提升的。也就是說(shuō)，包括交通運(yùn)輸、金融以及信息服務(wù)在內(nèi)的多元商業(yè)的集聚能夠產(chǎn)生類似于制造業(yè)集聚所形成的外部性，這種外部性可以表現(xiàn)為知識(shí)溢出、交易成本的下降以及不同商業(yè)行為之間更加默契的協(xié)調(diào)與匹配，從而優(yōu)化了城市經(jīng)濟(jì)資源的配置，表現(xiàn)為對(duì)全要素生產(chǎn)率變動(dòng)的正向影響。

模型（8）探索了在考慮了城市TFP增長(zhǎng)滯后項(xiàng)的情況下，多元商業(yè)集聚對(duì)城市全要素的影響。由回歸結(jié)果可知，多元商業(yè)集聚的系數(shù)為0.038，并在P<0.001的水平上顯著，而且加入滯后項(xiàng)后，模型可決系數(shù)也有所提升，說(shuō)明整體解釋力有所加強(qiáng)。模型（9）和（10）分別進(jìn)一步考察了多元商業(yè)集聚與城市技術(shù)效率變動(dòng)和技術(shù)進(jìn)步變動(dòng)的關(guān)系。其中，模型（9）以技術(shù)效率增長(zhǎng)作為因變量，可以看出，多元商業(yè)集聚對(duì)城市TFP中的技術(shù)效率的增加有顯著的正向影響，不足的是模型參數(shù)整體上雖然顯著但水平并不高（處于P<0.05的水平）。模型（10）回歸結(jié)果顯示多元商業(yè)集聚對(duì)城市TFP中的技術(shù)進(jìn)步變動(dòng)并沒(méi)有產(chǎn)生顯著影響。值得注意的是，模型中技術(shù)進(jìn)步率的滯后項(xiàng)的系數(shù)非常顯著。這也應(yīng)證了大多數(shù)研究的結(jié)果，由于從技術(shù)進(jìn)步到獲取收益之間存在著一定時(shí)間的遲滯，因此技術(shù)進(jìn)步變動(dòng)因素在推動(dòng)城市TFP增長(zhǎng)中也會(huì)發(fā)生相應(yīng)的滯后。

結(jié)論、啟示與不足

（一）結(jié)論與啟示

本文首次將商業(yè)集聚分為傳統(tǒng)商業(yè)集聚和多元商業(yè)集聚，以中國(guó)東部城市2003-2014年面板數(shù)據(jù)為研究樣本，應(yīng)用區(qū)位熵測(cè)算了各城市商業(yè)集聚程度，并使用非參數(shù)方法的DEA-Malmquist指數(shù)模型計(jì)算了東部城市的TFP，最后利用面板數(shù)據(jù)回歸，分析了兩種商業(yè)集聚類型與城市TFP之間的關(guān)系。經(jīng)計(jì)算與分析，本文得出以下結(jié)論。

第一，傳統(tǒng)和多元商業(yè)集聚都在東部城市中的集聚程度差異巨大，最大值與最小值之間的差距存在十倍以上的標(biāo)準(zhǔn)差；另外，隨著近年來(lái)中國(guó)對(duì)中西部鐵路、公路等基礎(chǔ)設(shè)施建設(shè)的積累、網(wǎng)絡(luò)的便捷及通信費(fèi)用的降低、網(wǎng)絡(luò)金融產(chǎn)品的出現(xiàn)，東部城市多元商業(yè)集聚的區(qū)位熵總體上小于傳統(tǒng)商業(yè)集聚的區(qū)位熵。也就是說(shuō)，相比較傳統(tǒng)商業(yè)集聚程度，包括交通、信息、金融等在內(nèi)的多元商業(yè)集聚程度反而是降低的。

第二，從東部城市全要素生產(chǎn)率的動(dòng)態(tài)變動(dòng)情況看，從2003年以來(lái)東部城的TFP增速大致經(jīng)歷了個(gè)倒U型的變動(dòng)過(guò)程，并在2007年到達(dá)峰值。由于2008年金融危機(jī)的影響，東部城市當(dāng)年的TFP增速退化較快，但2009年經(jīng)濟(jì)刺激下獲得了反彈?？傮w而言，東部城市的TFP增長(zhǎng)率的改善來(lái)自于技術(shù)效率，而非技術(shù)進(jìn)步。

第三，傳統(tǒng)商業(yè)集聚和多元商業(yè)集聚均能夠?qū)Τ鞘蠺FP產(chǎn)生正向影響，但是，相比于傳統(tǒng)商業(yè)集聚，多元商業(yè)集聚對(duì)城市TFP的影響顯著性更強(qiáng)，而且影響系數(shù)更高。將城市TFP變動(dòng)被分解為技術(shù)效率變動(dòng)和技術(shù)變動(dòng)后進(jìn)行分類回歸分析可以發(fā)現(xiàn)，多元商業(yè)集聚改善城市TFP的路徑是技術(shù)效率而非技術(shù)進(jìn)步。

研究結(jié)論對(duì)于如何促進(jìn)區(qū)域經(jīng)濟(jì)發(fā)展具有一定的啟示意義。目前東部城市的多元商業(yè)集聚水平總體上雖然呈現(xiàn)相對(duì)下降的趨勢(shì)，但多元商業(yè)集聚對(duì)城市全要素生產(chǎn)率的影響依然大于集中度相對(duì)較高的傳統(tǒng)商業(yè)集聚，并通過(guò)改善城市技術(shù)效率而提升TFP。在此情形下，東部城市應(yīng)積極實(shí)施有針對(duì)性的經(jīng)濟(jì)和社會(huì)政策提升多元商業(yè)的集聚水平。首先，各城市應(yīng)在提升自身在區(qū)域物流和交通節(jié)點(diǎn)上的位置方面下功夫，能夠打造區(qū)位物流的競(jìng)爭(zhēng)優(yōu)勢(shì)。其次，要加快城市信息網(wǎng)絡(luò)基礎(chǔ)設(shè)施建設(shè)，進(jìn)一步降低信息傳輸成本，引進(jìn)和鼓勵(lì)信息服務(wù)業(yè)在本地的發(fā)展等。最后，對(duì)所涉及的各個(gè)商業(yè)行業(yè)（尤其是金融業(yè)）的人才出臺(tái)具有針對(duì)性的引進(jìn)政策，除了在住房和待遇上給予支持外，配偶就業(yè)、子女入學(xué)等也應(yīng)有必要的政策傾斜。

（二）研究不足

本文的不足之處有二。一是，本文雖然使用了TFP及其分解項(xiàng)的滯后項(xiàng)緩解了模型的內(nèi)生性問(wèn)題，但對(duì)于引入滯后項(xiàng)本身所帶來(lái)的內(nèi)生性問(wèn)題缺乏相應(yīng)處理，這可能形成新的估計(jì)偏誤。二是，對(duì)多元商業(yè)集聚的涵義的界定上存在商榷空間，本文選取了第三產(chǎn)業(yè)中六個(gè)產(chǎn)業(yè)，嚴(yán)格而言，整個(gè)第三產(chǎn)業(yè)也可以被看成是廣義商業(yè)。因此，如何有效減輕模型內(nèi)生性以及完善商業(yè)集聚的內(nèi)涵值得在后續(xù)研究中進(jìn)一步探索。

參考文獻(xiàn)：

1.張公嵬，陳翔，李贊. FDI、產(chǎn)業(yè)集聚與全要素生產(chǎn)率增長(zhǎng)——基于制造業(yè)行業(yè)的實(shí)證分析[J].科研管理，2013（34）

2.范劍勇，馮猛，李方文. 產(chǎn)業(yè)集聚與企業(yè)全要素生產(chǎn)率[J].世界經(jīng)濟(jì)，2014（5）

3.郭悅，鐘廷勇，安燁. 產(chǎn)業(yè)集聚對(duì)旅游業(yè)全要素生產(chǎn)率的影響——基于中國(guó)旅游業(yè)省級(jí)面板數(shù)據(jù)的實(shí)證研究[J]. 旅游學(xué)刊，2015（30）

4.林春.產(chǎn)業(yè)集聚與中國(guó)金融業(yè)全要素生產(chǎn)率——基于省域數(shù)據(jù)的GMM分析[J]. 證券市場(chǎng)導(dǎo)報(bào)，2016（6）

5.程中華，張立柱. 產(chǎn)業(yè)集聚與城市全要素生產(chǎn)率[J]. 中國(guó)科技論壇，2015（3）

6.舒輝，周熙登，林曉偉. 物流產(chǎn)業(yè)集聚與全要素生產(chǎn)率增長(zhǎng)——基于省域數(shù)據(jù)的空間計(jì)量分析[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2014（3）

7.馮云廷，陳昶志，高詹. 我國(guó)城市全要素生產(chǎn)率空間結(jié)構(gòu)及空間關(guān)聯(lián)性分析[J]. 財(cái)經(jīng)問(wèn)題研究，2016（5）

8.張軍，吳桂英，張吉鵬. 中國(guó)省際物質(zhì)資本存量估算：1952-2000[J]. 經(jīng)濟(jì)研究，2004（10）