1、第 40 卷 第 2 期2023 年 6 月上海第二工业大学学报JOURNAL OF SHANGHAI POLYTECHNIC UNIVERSITYVol.40 No.2Jun.2023文章编号:1001-4543(2023)02-0152-08DOI:10.19570/ki.jsspu.2023.02.009产产产业业业集集集聚聚聚对对对我我我国国国绿绿绿色色色全全全要要要素素素生生生产产产率率率的的的影影影响响响姚莉,许梦想,王细漫(上海第二工业大学 经济与管理学院,上海 201209)摘要:采用区位熵的方法分区域对我国二三产业的集聚程度进行分析,并通过 DEA-Malmquist 指数法
2、,测算不同区域的绿色全要素生产率,后聚焦二三产业集聚对我国不同区域绿色全要素生产率的影响进行实证分析。研究发现:在全国整体范围内,第二产业集聚有利于绿色全要素生产率的提升,第三产业集聚将抑制绿色全要素生产率的提升;分区域看,南部沿海地区第二产业集聚提升了绿色全要素生产率,而华中区域、大西北地区第二产业集聚对绿色全要素生产率则是抑制作用;东北地区及西南地区第三产业集聚对绿色全要素生产率的提升有促进作用,而南部沿海地区第三产业集聚却抑制了绿色全要素生产率。关键词:产业集聚;绿色全要素生产率;计量分析中图分类号:F062.1文献标志码:AThe Impact of Industrial Agglom
3、eration on Chinas Green TotalFactor ProductivityYAO Li,XU Mengxiang,WANG Ximan(School of Economics and Management,Shanghai Polytechnic University,Shanghai 201209,China)Abstract:The method of location entropy is used to analyze the agglomeration degree of my countrys secondary and tertiary industries
4、by region.The DEA-Malmquist index method is used to measure the green total factor productivity in different regions.Then focuson the impact of secondary and tertiary industry agglomeration on green total factor productivity in different regions of my country toconduct an empirical analysis.The stud
5、y found that:On a national scale as a whole,the agglomeration of secondary industries is ben-eficial to the improvement of green total factor productivity,while the agglomeration of tertiary industries will inhibit the improvementof green total factor productivity;by regions,the agglomeration of sec
6、ondary industries in the southern coastal region improves greentotal factor productivity,while the agglomeration of secondary industries in the central region of China and the great northwest regionis inhibitory to green total factor productivity;the agglomeration of tertiary industries in the north
7、east region and the southwest regionpromotes the improvement of green total factor productivity,while the agglomeration of tertiary industries in the southern coastal regioninhibits green total factor productivity.Keywords:industrial agglomeration;green total factor productivity;quantitative analysi
8、s0引言随着我国经济的快速发展,环境问题备受关注。习近平总书记在党的十九大会议上强调“必须树立和践行绿水青山就是金山银山的理念”,引导我国经济发展向绿色、低碳方向转变。党的二十大报告中收稿日期:2022-06-28通信作者:姚莉(1973),女,甘肃平凉人,校聘教授,博士,主要研究方向为国际商务,循环经济,区域经济学。E-mail:基金项目:上海市逆向物流与供应链协同创新中心(培育)项目(A30YD222711)资助第 2 期姚莉,许梦想,王细漫:产业集聚对我国绿色全要素生产率的影响153特别强调,“推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节”,要“加快推动产业结构、能源结构、交
9、通运输结构等调整优化”,“通过加速产业结构转换,着力提高全要素生产率,实现质量强国目标”。绿色全要素生产率(green total factor productiv-ity,GTFP)是基于全要素生产率的测算框架进行修订,将环境因素纳入测算的指标1,从本质上讲,它是偏向于清洁生产和生态友好的绿色生产效率2。提高 GTFP 意味着通过促进绿色技术的进步和在经济和环境绩效方面实现互惠互利的情况下,促进可持续经济发展3。因此在“绿色发展”的理念下,对我国 GTFP 的影响因素进行研究,从而更全面探究绿色经济发展的动因,是当前绿色经济发展的重要部分。目前,关于产业集聚与 GTFP 关系的研究,大致可以
10、分为 2 类:第 1 类是 GTFP 随着集聚类型的不同而存在差异,多数行业的产业集聚能够推动 GTFP提升,例如生产性服务业集聚和制造业集聚均会促进 GTFP 提升,并且生产性服务业集聚的促进作用更大4。但部分行业的影响效应并不显著甚至呈现出负相关关系,这说明产业集聚并不是在所有行业都表现为规模效应,部分行业的拥挤效应超过了规模效应5。第 2 类是产业集聚对城市 GTFP 具有时间和空间的异质性6。如保险业、银行等金融机构,其集聚对 GTFP 的影响所呈现的关系是倒“U”型的。从时间层面上分析,即在集聚前期,占主导地位的是拥堵效应,会抑制城市生产力的提高,但从长远来看,产业集聚可能会促进城市
11、生产力的提高7。而农业和制造业集聚对当地的 GTFP 的影响,所呈现的关系是倒“N”型,并对周边地区产生一定影响8-9。综上所述,学者们对不同产业集聚与 GTFP 关系进行了一定探究,但对于所研究产业集聚水平测定的方法以及确定二者关系的经济模型都不尽相同。本文则是通过我国二三产业发展的相关数据,采用区位熵的方法对我国二三产业的发展强度进行分析,探讨各省市产业集群的发展特征。同时采用DEA-Malmquist 指数法,在不同产业集群的背景下,对我国不同地区 GTFP 进行测算,使用固定效应回归模型,测算出不同区域二三产业集聚效应对 GTFP影响的程度,提出促进我国各个区域产业集群发展以及经济绿色
12、发展的对策和建议,以期为我国经济绿色发展提供新的依据。1假说提出本文核心解释变量是第二产业集聚(the sec-ond industry agglomeration,TSIA)以及第三产业集聚(the third industrial agglomeration,TTIA),其中孟卫军等10提出产业协同集聚对城市 GTFP 的提高,呈正向促进作用,主要通过绿色技术进步来促进GTFP 的提升。由此提出假设 1:假设1 TSIA优势明显会促使中国GTFP 提高。根据 国民经济行业分类(GB/T 47542011),第三产业即服务业。李体欣等11对生产性服务业集聚与 GTFP 的关系做了研究,并提出
13、生产性服务业集聚,通过绿色技术效率的作用,显著抑制 GTFP的提升。由此提出假设 2:假设 2TTIA 优势明显会抑制中国 GTFP提高。通过文献梳理,了解到产业集聚对城市 GTFP具有时间和空间的异质性。其中任阳军等12认为资源型产业的空间集聚对本地区 GTFP 产生明显的负面影响,对其他地区 GTFP 则产生显著的正向空间溢出效应。由此提出假设 3:假设 3不同区域二三产业集聚对 GTFP 的影响存在异质性。2模型构建、变量选取与数据说明2.1模型构建本文利用 FE 固定效应回归模型和分组回归模型,对 2 个核心变量之间的关系进行实证比较分析。其中,将我国 30 省份(除港澳台以及西藏地区
14、),划分为 7 个区域,做分组回归时,根据集聚程度的不同,做重点区域的回归分析。FE 固定效应回归模型为GTFPit=a0+a1TSIAit+a2TTIAit+ajnj=0zjit+i+t+it(1)式中:GTFPit为 i 城市 t 年的 GTFP;a0为截距项;a1 aj为回归系数;TSIAit为代表城市在 t 年第二产业的集聚程度;TTIAit为城市在 t 年第三产业的集聚程度;z 表示一系列控制变量的集合,上述变量具体设定方式在后续变量描述部分进行具体阐述;154上海第二工业大学学报2023 年 第 40 卷i和 t分别表示城市固定效应和年份固定效应;it为随机扰动项。2.2变量选取对
15、模型所涉及的变量收集整理,如表 1 所示。其中 GTFP 为本文被解释变量,TSIA 水平和 TTIA 水平为核心解释变量,其余为控制变量。2.2.1控制变量本文选择的控制变量主要包括产业结构(in-dustrial structure,IS)、人力资本(human capital,HC)、能源结构(energy-resource structure,ERS)、交通发展水平(transportation development level,TDL)、创新潜力(innovation potential,IP)。其中,IS 用第二产业占GDP 比重来表示;HC 用普通高校学生数与区域人口之比来表示
16、;ERS 用原煤与能源消耗总量之比来表示;TDL 用城市人均道路面积(m2)来表示;IP 用专利申请受理量与人口比来表示15。表 1 描述性统计表Tab.1 Table of descriptive statisticsVariableVariable nameDefinitionStd.Dev.MeanSourceGTFPGTFPDEA-Malmquist 指数0.1071.002计算TSIA第二产业区位熵(第二产业区域生产总值/地区生产总值的比值)/(第二产业全国生产总值/国内生产总值)0.1730.988计算TTIA第三产业区位熵(第三产业区域生产总值/地区生产总值的比值)/(第三产业全国生产总值/国内生产总值)0.180.974计算IS产业结构产业结构二产业/GDP0.0810.439文献 13ERS能源结构煤炭消费量/能源消耗总量0.3880.952文献 14HC人力资本普通高等学校在校学生数/年末常住人口0.0060.018文献 13IP创新潜力专利申请受理量/年末常住人口15.64711.939文献 13TDL交通和发展水平人均城市道路面积4.42713.729文献 13