王柏生

(廣東工業(yè)大學 經(jīng)濟與貿(mào)易學院， 廣州 510520)

2008年的國際金融危機喚醒了人們對實體經(jīng)濟的重視，歐美等發(fā)達國家紛紛實施旨在振興制造業(yè)的“再工業(yè)化”戰(zhàn)略，如美國推出“先進制造業(yè)國家戰(zhàn)略”、英國發(fā)布“工業(yè)2050”戰(zhàn)略、德國實施 “工業(yè)4.0”戰(zhàn)略等等，正重塑全球制造業(yè)發(fā)展新格局。與此同時，新興經(jīng)濟體國家憑借廉價的要素價格優(yōu)勢，加快承接中低端制造業(yè)轉(zhuǎn)移，越南、泰國、印度、印尼等發(fā)展中國家正逐步替代中國成為勞動密集型制造業(yè)的新投資地。中國制造正面臨“前有圍堵后有追兵”的雙重夾擊，制造業(yè)轉(zhuǎn)型升級刻不容緩。在此背景下，《中國制造2025》橫空出世，制造強國的目標任務(wù)上升為國家戰(zhàn)略，為制造業(yè)轉(zhuǎn)型升級提供了戰(zhàn)略機遇。

中國制造業(yè)的發(fā)展得益于產(chǎn)業(yè)集聚。近年來，高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)、工業(yè)園區(qū)等集聚區(qū)如雨后春筍般涌現(xiàn)在中華大地，促進了制造業(yè)的蓬勃發(fā)展。然而，已有學者研究發(fā)現(xiàn)，一方面，產(chǎn)業(yè)集聚不僅能帶來經(jīng)濟效應(yīng)，促進產(chǎn)業(yè)的轉(zhuǎn)型升級；另一方面，當產(chǎn)業(yè)過度集聚時還會引發(fā)“擁擠效應(yīng)”，進而阻礙產(chǎn)業(yè)的發(fā)展，可謂是“成為集聚、敗也集聚”。因此，探究中國制造業(yè)的產(chǎn)業(yè)集聚現(xiàn)狀，厘清產(chǎn)業(yè)集聚與產(chǎn)業(yè)轉(zhuǎn)型升級的關(guān)系，對制定產(chǎn)業(yè)發(fā)展政策具有重要的理論指導(dǎo)意義。

1 文獻綜述

1.1 制造業(yè)產(chǎn)業(yè)集聚

制造業(yè)產(chǎn)業(yè)集聚一直是產(chǎn)業(yè)經(jīng)濟學和區(qū)域經(jīng)濟學領(lǐng)域關(guān)注的焦點之一，學者們主要從產(chǎn)業(yè)集聚度的測算、產(chǎn)業(yè)集聚的影響因素以及產(chǎn)業(yè)集聚的經(jīng)濟效應(yīng)等三個方面展開研究。羅勇和曹麗莉使用E-G指數(shù)對制造業(yè)產(chǎn)業(yè)集聚水平進行了測算，得出了1997—2003年間我國制造業(yè)集聚程度呈增長趨勢的結(jié)論[1]。王子龍等測算了1994—2003年間我國高技術(shù)產(chǎn)業(yè)的空間集聚指數(shù)和行業(yè)集中度，除醫(yī)藥制造業(yè)以外，我國高技術(shù)產(chǎn)業(yè)總體集聚水平正在不斷提高[2]。趙玉林和魏芳運用熵指數(shù)和行業(yè)集中度測算了1995—2006年我國高技術(shù)產(chǎn)業(yè)的集聚程度，發(fā)現(xiàn)我國高技術(shù)產(chǎn)業(yè)的集聚水平和產(chǎn)業(yè)地方專業(yè)化程度都在不斷提高[3]。楊曉琴和于津平指出，知識溢出和不均衡的地方保護主義是影響我國高科技產(chǎn)業(yè)集聚的決定性因素[4]。文東偉和冼國明基于企業(yè)層面的數(shù)據(jù)測算了中國制造業(yè)的集聚程度，發(fā)現(xiàn)制造業(yè)集聚能促進企業(yè)出口[5]。席艷玲和吉生保在計算了1997—2010年間我國高技術(shù)產(chǎn)業(yè)集聚水平后，進一步分析了規(guī)模經(jīng)濟、交通便利程度、人力資本、FDI等要素對我國高技術(shù)產(chǎn)業(yè)集聚的影響作用[6]。韓峰和柯善咨對我國制造業(yè)集聚狀況進行實證分析后發(fā)現(xiàn)，市場需求而、專業(yè)化勞動、區(qū)域研發(fā)溢出以及中間投入可得性是影響制造業(yè)產(chǎn)業(yè)集聚的關(guān)鍵因素[7]。尹希果和劉培森指出，城市規(guī)模和交通運輸均與制造業(yè)集聚呈現(xiàn)出“倒U型”關(guān)系[8]。

1.2 制造業(yè)轉(zhuǎn)型升級

關(guān)于制造業(yè)轉(zhuǎn)型升級，學者們主要從如何提升中國制造業(yè)在全球價值鏈上的位置以及如何制造業(yè)轉(zhuǎn)型升級的實現(xiàn)機制這兩個角度展開研究。劉志彪認為制造業(yè)轉(zhuǎn)型升級的關(guān)鍵在于能否創(chuàng)建具有自主知識產(chǎn)權(quán)的品牌[9]。孫軍和梁東黎運用企業(yè)模型就全球價值鏈下發(fā)展中國家如何實現(xiàn)產(chǎn)業(yè)升級展開了研究。結(jié)果表明，發(fā)展中國家企業(yè)技術(shù)進步的動力源泉一方面來源于“干中學效應(yīng)”，另一方面來源于市場需求引致的企業(yè)自主創(chuàng)新能力[10]。趙付春和焦豪基于雙元性理論的視角揭示了產(chǎn)業(yè)升級的微觀機制，提出產(chǎn)業(yè)升級離不開現(xiàn)有產(chǎn)業(yè)的開發(fā)式創(chuàng)新和新型產(chǎn)業(yè)的探索式創(chuàng)新這兩者的共同作用[11]。胡遲總結(jié)出中國制造業(yè)轉(zhuǎn)型升級的五條路徑，即推動制造業(yè)長期穩(wěn)健發(fā)展、提高企業(yè)戰(zhàn)略管理能力、完善供應(yīng)鏈管理、促進產(chǎn)業(yè)融合以及開拓新興產(chǎn)業(yè)[12]。王春暉和趙偉在研究了區(qū)域開放條件下各類產(chǎn)業(yè)協(xié)同集聚的過程后發(fā)現(xiàn)，廠商在獲取集聚外部性的同時也推動了地區(qū)的產(chǎn)業(yè)升級[13]。張志元和李兆友的研究發(fā)現(xiàn)：全球經(jīng)濟梯度發(fā)展效應(yīng)、國家戰(zhàn)略的積極推動、科學技術(shù)的發(fā)展、需求結(jié)構(gòu)的升級以及產(chǎn)業(yè)組織結(jié)構(gòu)的改革和創(chuàng)新是促進我國制造業(yè)產(chǎn)業(yè)轉(zhuǎn)型升級的五大關(guān)鍵因素[14]。

通過對文獻的整理分析后發(fā)現(xiàn)，國內(nèi)關(guān)于制造業(yè)產(chǎn)業(yè)集聚與產(chǎn)業(yè)轉(zhuǎn)型升級的關(guān)系研究較少，而產(chǎn)業(yè)集聚產(chǎn)生的經(jīng)濟效應(yīng)如“學習效應(yīng)”、“技術(shù)溢出效應(yīng)”會對產(chǎn)業(yè)的轉(zhuǎn)型升級產(chǎn)生重大影響。因此，本文以中國制造業(yè)為研究對象，探究產(chǎn)業(yè)集聚對產(chǎn)業(yè)升級的影響作用。

2 中國制造業(yè)集聚水平的測度

2.1 產(chǎn)業(yè)集聚水平的測度方法

測度產(chǎn)業(yè)集聚水平常用的方法主要有區(qū)位熵、赫芬達爾指數(shù)、空間基尼系數(shù)以及E-G指數(shù)，表1給出了這四種方法的計算公式。

鑒于區(qū)位熵能夠更好地反映出某一產(chǎn)業(yè)部門的專業(yè)化程度，且能體現(xiàn)出產(chǎn)業(yè)在地區(qū)層面的集聚水平，比較符合本文的研究，因此選擇區(qū)位熵作為測度產(chǎn)業(yè)集聚水平的指標。

表1 產(chǎn)業(yè)集聚水平的測度方法

2.2 產(chǎn)業(yè)集聚水平的測度結(jié)果

本文以2011—2018年中國制造業(yè)為研究對象，利用區(qū)位熵的方法計算了中國各個省級行政區(qū)(港澳臺除外)制造業(yè)的集聚水平，數(shù)據(jù)來源于《中國統(tǒng)計年鑒》(2011—2018)、各省(直轄市)的統(tǒng)計年鑒(2011—2018)。制造業(yè)產(chǎn)業(yè)集聚水平的計算結(jié)果見表2。

從表2可以看出，共有9個省(直轄市)的區(qū)位熵值大于1，它們分別是天津、上海、江蘇、浙江、福建、江西、山東、河南、廣東，表明這些省份的制造業(yè)集聚水平較高。從地理區(qū)域來看，華東地區(qū)的區(qū)位熵值最高，除了安徽省之外，其余六個省份的區(qū)位熵值大都超過1；西南和西北地區(qū)的區(qū)位熵值普遍較低。從具體省(市)來看，區(qū)位熵值最高的是廣東，為1.8(2018年)，說明廣東省制造業(yè)存在高度集聚的現(xiàn)象；區(qū)位熵值最低的是西藏，僅為0.09(2018年)，說明西藏的制造業(yè)不存在集聚現(xiàn)象。

表2 2011—2018年中國制造業(yè)產(chǎn)業(yè)集聚水平

3 中國制造業(yè)轉(zhuǎn)型升級指數(shù)的測算

3.1 產(chǎn)業(yè)轉(zhuǎn)型升級指數(shù)的測算方法

對于產(chǎn)業(yè)轉(zhuǎn)型升級指數(shù)的測度，目前學術(shù)界主要有三種方法，分別為公式計算法、單一指標法以及綜合評價法，具體衡量方法如表3所示。

表3 產(chǎn)業(yè)轉(zhuǎn)型升級指數(shù)的測度方法

考慮到綜合評價法能更加全面地反映出產(chǎn)業(yè)轉(zhuǎn)型升級的情況，本文參考余東華等[22]學者的方法，選擇從產(chǎn)業(yè)高端化、產(chǎn)業(yè)智能化、產(chǎn)業(yè)綠色化三個維度來構(gòu)建綜合評價體系(見表4)來測算制造業(yè)轉(zhuǎn)型升級指數(shù)。

表4 制造業(yè)轉(zhuǎn)型升級綜合評價指標體系

3.2 產(chǎn)業(yè)轉(zhuǎn)型升級指數(shù)的測算結(jié)果

3.2.1 指標權(quán)重的確定

在構(gòu)建了制造業(yè)轉(zhuǎn)型升級評價指標體系之后，首先需要確定各項指標的權(quán)重，本文采用熵權(quán)法來確定權(quán)重，計算過程如下：

1)構(gòu)建指標矩陣。首先構(gòu)建基于原始數(shù)據(jù)的初始矩陣：

(1)

其中，i=1,2,…,n；j=1,2,…,m，xij為第i個評價對象的第j個評價指標的值。

因此，在工業(yè)機器人運動過程控制算法研究中，采用魯棒控制方法保證機器人的抗干擾能力，結(jié)合自適應(yīng)等算法對實時變化的參數(shù)進行識別與調(diào)整，在盡量降低控制算法復(fù)雜程度又保證控制算法有效性是目前主要的研究方向。

2)指標矩陣的無量綱化處理。由于得到的原始數(shù)據(jù)差異較大，為消除量綱對結(jié)果產(chǎn)生的影響，需要對原始數(shù)據(jù)進行無量綱化處理。

對正向指標的無量綱化處理：

(2)

對逆向指標的無量綱化處理：

(3)

由此可得到經(jīng)過無量綱化處理后的新矩陣R：

(4)

3)指標熵值的計算。

(5)

4)各項指標權(quán)重的計算。

(6)

3.2.2 產(chǎn)業(yè)轉(zhuǎn)型升級指數(shù)的計算

在確定了各項指標的權(quán)重之后，便可由公式(7)計算出產(chǎn)業(yè)轉(zhuǎn)型升級指數(shù)。

(7)

中國制造業(yè)產(chǎn)業(yè)轉(zhuǎn)型升級指數(shù)的計算結(jié)果如表5所示。

表5 2011—2018年中國制造業(yè)轉(zhuǎn)型升級指數(shù)

續(xù)表5

時間地區(qū) 20112012201320142015201620172018東北遼 寧0.34950.28150.38990.32940.29230.33150.31390.2907吉 林0.29730.24350.32970.34830.32130.36980.3590.3159黑龍江0.20070.1580.20450.19490.17670.19790.18230.1588華東上 海0.72960.74720.72590.71650.75850.79740.76960.8038江 蘇0.60720.68650.65960.63310.61360.68770.67260.6351浙 江0.60910.68040.69120.63240.68410.62620.65880.6967安 徽0.46870.41760.50470.52960.51820.56870.57510.5579福 建0.51660.53820.54460.55060.54910.52520.52380.5389江 西0.40940.36540.49020.48110.4660.52630.54450.5054山 東0.61890.62880.62010.62740.63230.62560.61310.6069華南河 南0.34430.31020.43880.4730.46960.54660.54750.5296湖 北0.51740.4680.55050.52020.49720.540.52480.4834湖 南0.37340.34450.32770.39610.36950.39970.36850.2603廣 東0.71080.71390.72670.72730.71360.73420.72560.7518廣 西0.24610.19360.27840.2530.22890.25570.24130.2167海 南0.1660.13690.19040.1780.14880.15380.13920.1314西南重 慶0.57460.51210.50340.54480.53270.57040.56740.5416四 川0.34130.31380.37530.36060.33270.36340.34970.332貴 州0.20830.16410.24760.20140.17150.19010.17480.1622云 南0.48950.43710.50750.46380.44580.4570.44780.4321西 藏0.09970.06970.07260.0630.06810.05610.06290.0683西北陜 西0.49360.40570.48030.45640.46170.45850.44680.4643甘 肅0.33440.34360.37910.32790.37330.38530.36770.3453青 海0.27990.24790.21280.26980.24530.27320.25750.2341寧 夏0.11980.16330.19670.10560.10050.12840.12530.1342新 疆0.12470.10690.14870.13210.11470.15590.16760.1478

從表5中的計算結(jié)果可以發(fā)現(xiàn)，產(chǎn)業(yè)轉(zhuǎn)型升級指數(shù)最高的是上海，為0.803 8，最低的是西藏，僅為0.068 3。整體上看，制造業(yè)轉(zhuǎn)型升級指數(shù)普遍較低，僅有3個省份的產(chǎn)業(yè)轉(zhuǎn)型升級指數(shù)超過了0.7，它們分別是上海、北京和廣東，大部分地區(qū)的產(chǎn)業(yè)轉(zhuǎn)型指數(shù)都低于0.5。分區(qū)域來看，華東地區(qū)的產(chǎn)業(yè)升級指數(shù)值普遍較高，均在0.5以上，而西北地區(qū)的產(chǎn)業(yè)轉(zhuǎn)型升級指數(shù)值均低于0.5。

4 產(chǎn)業(yè)集聚促進產(chǎn)業(yè)轉(zhuǎn)型升級的實證分析

4.1 模型構(gòu)建與變量說明

為了檢驗中國制造業(yè)產(chǎn)業(yè)集聚能否促進產(chǎn)業(yè)轉(zhuǎn)型升級，本文構(gòu)建如下計量模型：

Upgradeit=β0+β1aggit+β2govit+β3infit+β4humit+β5fdiit+β6costit+λi+δt+εit

(8)

其中，i表示地區(qū)(中國大陸31個省級行政區(qū))，t表示時間(2011—2018年)；Upgradeit為被解釋變量，表示各個地區(qū)制造業(yè)的轉(zhuǎn)型升級指數(shù)；aggit為解釋變量，表示各個地區(qū)制造業(yè)產(chǎn)業(yè)集聚水平；其余變量為控制變量，包括政府支出govit(用各地區(qū)政府支出占地區(qū)GDP比重來衡量)、基礎(chǔ)設(shè)施建設(shè)infit(用各地區(qū)擁有的公路里程占地區(qū)面積的比重來衡量)、人力資本humit(用各地區(qū)每百人中在校大學生人數(shù)來衡量)、外商直接投資fdiit(用各地區(qū)實際利用外商直接投資占地區(qū)GDP的比重來衡量)以及勞動力成本costit(用各地區(qū)城鎮(zhèn)單位平均工資來衡量)；λi為個體固定效應(yīng)；δt為時間固定效應(yīng)；εit為隨機擾動項；β0為常數(shù)項，β1表示產(chǎn)業(yè)集聚水平對產(chǎn)業(yè)轉(zhuǎn)型升級的影響程度，β2、β3、β4、β5、β6表示各個控制變量對產(chǎn)業(yè)轉(zhuǎn)型升級的影響程度。各變量的原始數(shù)據(jù)均來源于2011—2018年的《中國統(tǒng)計年鑒》以及《中國工業(yè)統(tǒng)計年鑒》。

4.2 計量結(jié)果分析

本文根據(jù)2011—2018年中國制造業(yè)31個細分行業(yè)的總體面板數(shù)據(jù)，使用stata14.0軟件對模型(8)進行估計。由于Hausman檢驗的p值為0.000 5<0.05，故選擇固定效應(yīng)模型，計量結(jié)果見表6。為消除多重共線性的影響，本文在進行回歸估計時把變量逐個加入到模型中，如列(1)中只加入產(chǎn)業(yè)集聚水平變量，列(2)中增加政府支出變量，以此類推。同時，在所有回歸模型中控制了地區(qū)固定效應(yīng)和時間固定效應(yīng)，以消除當年能夠影響所有地區(qū)的不可觀測的因素和地區(qū)不隨時間變化的影響因素帶來的影響。

表6回歸結(jié)果表明，產(chǎn)業(yè)集聚水平(agg)的系數(shù)顯著為正，即制造業(yè)產(chǎn)業(yè)集聚對產(chǎn)業(yè)轉(zhuǎn)型升級產(chǎn)生了顯著的正向影響，產(chǎn)業(yè)集聚水平每提高1%，產(chǎn)業(yè)轉(zhuǎn)型升級指數(shù)提高2.54%。同時，控制變量的回歸系數(shù)除了勞動力成本之外，均顯著為正，對產(chǎn)業(yè)轉(zhuǎn)型升級正向影響最大的是人力資本，人力資本回歸系數(shù)每提高1個單位，產(chǎn)業(yè)轉(zhuǎn)型升級指數(shù)將提高3.15個單位，說明了人才在制造業(yè)產(chǎn)業(yè)轉(zhuǎn)型中起到重要的推動作用；對產(chǎn)業(yè)轉(zhuǎn)型升級正向影響最小的是基礎(chǔ)設(shè)施建設(shè)，其回歸系數(shù)每提高1%，產(chǎn)業(yè)轉(zhuǎn)型升級指數(shù)提高1.26%。勞動力成本的回歸系數(shù)顯著為負，表明勞動力成本的上升會對制造業(yè)產(chǎn)業(yè)轉(zhuǎn)型升級產(chǎn)業(yè)負向影響，工資每提高1個單位，產(chǎn)業(yè)轉(zhuǎn)型升級指數(shù)下降1.2個單位。

表6 計量回歸結(jié)果

注：括號中的值為穩(wěn)健標準誤；*、**、***分別代表參數(shù)估計值在10%、5%、1%的置信水平上顯著。

5 結(jié)論

本文首先使用區(qū)位熵測度了中國制造業(yè)31個細分行業(yè)的產(chǎn)業(yè)集聚程度，然后從產(chǎn)業(yè)高端化、產(chǎn)業(yè)智能化以及產(chǎn)業(yè)綠色化三個維度構(gòu)建了制造業(yè)轉(zhuǎn)型升級綜合評價指標體系，并運用熵權(quán)法確定了各項指標權(quán)重后計算了制造業(yè)轉(zhuǎn)型升級指數(shù)，最后基于2011—2018年中國省際面板數(shù)據(jù)，實證檢驗了中國制造業(yè)產(chǎn)業(yè)集聚對產(chǎn)業(yè)轉(zhuǎn)型升級的影響作用，得出了以下結(jié)論：①華東地區(qū)制造業(yè)集聚程度普遍較高，而西北地區(qū)和西南地區(qū)的集聚程度較低，制造業(yè)集聚水平最高省份的是廣東；②中國制造業(yè)轉(zhuǎn)型升級指數(shù)整體偏低，最高的三個地區(qū)依次是上海、北京和廣東；③產(chǎn)業(yè)集聚顯著促進了制造業(yè)轉(zhuǎn)型升級，政府支出、基礎(chǔ)設(shè)施建設(shè)、人力資本、外商直接投資同樣對制造業(yè)轉(zhuǎn)型升級產(chǎn)生了顯著的正向影響，其中，對制造業(yè)轉(zhuǎn)型升級正向影響最大的是人力資本，而勞動力成本則對制造業(yè)轉(zhuǎn)型升級產(chǎn)生了負向影響。