中国产业集聚效应与区域经济增长关系的实证研究摘要：本文以工业企业为例，在提出工业产业集聚对工业经济增长产生正向影响的理论假说之上，利用面板数据计量模型对全国25个省份的相关数据进行实证分析，结果显示工业产业集聚对工业的经济增长有促进作用，并在此基础上，提出中国从政策上应该促进产业集聚，形成产业链条，从而提升产业效率，进而促进经济增长的建议。
关键词：经济增长；产业集聚；泰尔指数一、引言及文献综述从古至今，如何实现有效快速的经济增长一直是学者们普遍关注的重点。
随着产业集聚理论的发展和成熟，其与经济增长的关系为学者们提供了探讨新的经济增长推动力的新的角度。
新古典经济学家马歇尔最早关注产业集聚效应，他把经济规模划分为“外部规模经济”和“内部规模经济”两类，认为产业集聚是因为外部规模经济所导致的，他还指出有三个原因导致了产业集聚的产生，即稳定的技术市场、附属产业提供的经济的原料以及技术外溢。
马歇尔之后，胡佛的产业集聚最佳规模论认为，产业集聚区域是一种规模经济区，就任何一个产业而言，集聚的企业过多或过少，都不会达到集聚的最佳效果。
佩鲁（Francois Perruox，1955）的增长极理论认为20世纪的经济增长是以支配效应为特征的，通过“增长极”对周围资源和产业的吸聚和带动作用可以实现非均衡增长战略。
迈克尔·波特（Michael Porter，1990）引入“集群”概念，揭示了产业发达国家的普遍现象——产业集群，并高度评价了其在形成与提高产业竞争优势中的重要性。
以保罗·克鲁格曼（Paul Robin Krugman，1991）为代表的新经济地理学派对产业集聚机制以及产业集聚与区域经济增长关系做了系统、严谨的模型化研究，提出了基于产业集聚的制造业中心——农业外围的区域经济增长模型。
中国学术界从20世纪80年代末开始对产业集聚的研究，大量研究则是在2000年以后。
朱英明（2003）构建了区域经济增长的概念性模型，据此他分析了产业集聚的区域效应，并以日本和韩国为例，说明了产业集聚的区域差异，以长江三角洲为例，定量分析了发达地区的外商投资企业空间集聚与地区增长的关系。
范剑勇（2003）采用新经济地理学的分析框架和理论假定，从要素流动、制造业规模报酬递增和运输成本的相互作用来解释制造业在东部沿海地区集聚与地区差距的因果关系。
罗勇（2007）通过建立多个计量经济模型，对中国制造业进行了实证分析，验证了产业集聚不但带来了经济增长，也扩大了区域经济差距。
然而，前人的研究结果有两点不足之处：一是大部分学者在研究产业集聚与区域经济增长的关系时往往是以某一个特定的区域为例来说明。
但是由于在中国不同地区的经济、政治、文化等方面的差异，尤其是经济政策上的差异，使得更多时候对某一个地区的研究并不能代表总体上产业集聚与区域经济增长的关系。
二是在实证研究中，大部分学者只是简单构造研究产业集聚效果与经济增长指标之间关系的计量模型，而在模型中忽视了传统经济增长理论所证明的影响经济增长的几个重要的因素，如技术进步、劳动力数量以及人均资本等。
因此，本文试图弥补上述缺陷：一是运用各省地级市的数据计算并观察各个省份的产业集聚效果，运用面板数据从全国范围考察产业集聚对区域经济增长的影响效应，说服力较强；二是将产业集聚因素纳入柯布—道格拉斯生产函数，将产业集聚理论与传统经济增长理论相结合，从而更加全面的说明经济增长的影响因素。
二、产业集聚的测算在衡量产业集聚的指标中，区位基尼系数、E-G指数、产业方差系数的运用比较多，而计算泰尔指数的文献较少，因此本文运用泰尔指数衡量产业集聚程度。
由于泰尔指数需要通过省级以下地级市的工业企业总产值和就业人数计算得出该省的泰尔指数，因而4个直辖市的泰尔指数无法计算，西藏省和青海省工业总产值过低，产业集聚现象比较难以出现，本文通过计算全国25个省份（直辖市、西藏、青海除外）的泰尔指数来说明我国工业产业集聚现象。
本文采用以全国各省各地区工业企业总产值为计算对象、工业企业就业人数为权重计算泰尔指数，公式如下：■（2.1）其中，Theil为各省份泰尔指数，Ei为各地级市工业企业就业人数，E为各省份工业企业就业人数，GDPi为各地级市工业企业年总产值，GDP为各省份工业企业年总产值。
泰尔指数越高，说明该省工业企业集聚效应越强；泰尔指数越低，说明该省工业企业集聚效应越弱。
通过计算出来的我国2005-2010年各个省份的泰尔指数，整体上基本都小于0.4，其中，黑龙江的产业集聚效应最大，5年平均泰尔指数不足0.1的省有17个，说明现在我国各个省份的工业产业集聚效应不高，并没有充分利用好集聚所带来的外部效应，这也是制约我国工业发展的原因之一。
三、工业经济增长影响因素的理论模型历史上有很多经典的经济增长模型阐述过关于经济增长的影响因素。
索洛经济增长模型创建了“资本深化”和“资本广化”两个概念，表明了长期经济增长除了要有资本以外，更重要的是靠技术的进步、教育和训练水平的提高。
而罗默的内生增长模型把经济增长建立在内生技术进步上，将技术进步完全的内生化，说明了增长的原动力是知识积累而不是资本的积累。
可以总结出，影响经济增长的最主要的几个因素是技术进步、劳动力投入以及资本的积累。
因此，在研究经济增长的驱动因素时，以上三个变量是必不可少的。
本文通过将产业集聚因素纳入柯布—道格拉斯生产函数，从而构建用于实证分析的理论模型。
根据柯布—道格拉斯生产函数Y=AL？琢K？茁，工业总产量取决于技术进步、劳动力投入以及资本投入。
根据新地理经济学的解释，产业集聚会通过规模经济以及知识外溢从而促进技术的进步。
因此，本文将柯布—道格拉斯函数中的A进行进一步分解，即A=A（Theil，X）其中Theil表示产业集聚效果的泰尔指数，X为影响技术进步的其他因素。
进一步的，本文考虑到工业企业中国有企业的比例对技术进步的影响。
一般认为，国有企业因政府长期大力扶持而导致企业缺乏竞争力和创新精神，往往效率和生产力都很低下，而且国有企业内部在体制、机制、管理等方面都存在着许多劣势和不足。
所以工业企业中国有企业所占份额越高，工业企业整体的技术进步就越慢。
所以，本文将生产函数中的技术进步因素进一步分解为A=A（Theil，SOE，X）其中，SOE为工业企业中国有企业的比重。
而模型中的X因素，本文将使用工业企业科技研发投入量来进行计量。
工业企业的科技研发投入的大小会对工业企业的技术进步产生影响，一般来说，工业企业的研发投入越多，生产及管理技术越先进。
因此，A=A（Theil，SOE，RD）其中RD为科技研发指标。
基于以上分析，运用线性模型，本文将生产函数设定为Y=Theil？酌SOE？啄RD？兹L？琢K？茁（3.1）将上述函数等式两边取对数，得到函数：LnY=γLn（Theil）+δLn（SOE）+θLn（RD）+αLnL+βLnK（3.2）上述生产函数说明，总产出的变化率取决于产业集聚的变化、国有企业占比的变化、研发投入的变化、劳动力数量的变化以及资本积累的变化。
四、工业经济增长影响因素的实证研究（一）模型设计及变量选择根据本文推导的生产函数，本文建立如下计量模型：Log（Y）it=c+？酌Log（Theil）it+？啄Log（SOE）it+？兹Log（RD）it+？琢Log（L）it+？茁Log（K）it+？滋it（4.1）Y为工业总产值，采用各省各年规模以上工业企业总产值，log（Y）则为工业总产值增长率，用它来代表各个省份工业的经济增长程度，该数值越高，说明经济增长越快。
Theil为泰尔指数，用它来代表各个省份工业企业产业集聚程度，Log（Theil）表示工业产业集聚程度的变化，其值越高，聚集程度越高。
K表示人均资本量，采用的是各省份规模以上工业企业固定资产净值与其就业人数之比，Log（K）为人均资本量的增加量，本文用它来代表影响经济增长的资本积累因素，Log（K）越大，资本深化越快，因而理论上经济增长越快。
L表示劳动力数量，采用各省规模以上工业企业年平均就业人数，Log（L）为劳动力增长率，本文用它来代表影响经济增长的劳动力增加因素，Log（L）越大，劳动力增长越快，经济增长也将越快。
RD表示研发指标，采用各省大中型工业企业科技活动经费内部支出总额来表示，Log（RD）表示研发投入的增长率，本文用它来表示影响经济增长的技术进步因素，Log（RD）越大，认为技术进步更快，经济增长也越快。
SOE表示国有企业比重，采用各省份国有工业企业总产值与全部国有企业及其他规模以上非国有工业企业总产值之比，Log（SOE）表示国有企业比重的变化情况，其值越高，国有企业比重越大，理论上经济增长反而应该越慢。
（二）数据来源本文采用的是面板数据，数据的时间跨度为2005-2010年。
样本数据来自全国25个省份（直辖市、西藏、青海除外）的具体数据，分别取自国家统计年鉴、中国工业统计年鉴、中国科技统计年鉴以及中国城市统计年鉴等。
（三）分析结果经过Hausman检验，本文应该运用固定效应面板模型。
通过Eviews5.0检验，各个解释变量系数的t值以及F统计量均显著，回归结果如下：Log（Y）it=c-0.04Log（Theil）it-0.42Log（SOE）it+0.14Log（RD）it+1.25Log（L）it+0.81Log（K）it+？滋it（4.2）1、产业集聚与工业经济增长。
Log（Theil）指数变量的t统计量P值为0.0031，在5%显著性水平下，其对经济增长率的影响显著，4.2式中Log（Theil）系数为负数，由于泰尔指数的值介于0和1之间，所以，工业产业集聚对工业总产量的影响为正向的。
这说明关联性企业在地域上的相对集中一方面有利于公共基础设施的规模化建造、集约化使用，以及共享性生产设备的专业化建造、专业化服务，从而能够有效降低各个环节零配件与组装企业的生产成本。
另一方面，创新信息在集群内的溢出和扩散，激励集群内企业更多地实施创新活动，从而提高本企业的生产率，促进经济增长。
2、其他变量对工业经济增长的影响。
Log（RD）变量在5%显著性水平下也通过了检验，说明随着工业企业科技研发投入的增加，企业的产值增长率也得到了一定程度的提高。
这与本文之前分析的结果相一致。
Log（SOE）即国有企业比重的变化量也通过了显著性检验，不过与之前分析的结果不同，国有企业比重增加反而会促进经济增长。
国有企业虽然一直是效率低下的代名词，目前也仍然位于效率的最底层，但是毕竟近年来的改革也使其效率有了不断的提高。
因此从动态上说，国有企业不断提高的效率可能会导致产量的提高。
Log（K）即人均资本变量的变化率通过了显著性检验，说明资本深化的确有助于经济增长。
