生产业集聚的影响因素分析

【摘要】 本文选取5个变量（制造业集聚水平、服务业集聚水平、地租、高素质人力资源、基础设施）分别对全国、除京沪外的全国进行生产业各产业集聚影响因素的计量回归分析，进而得出在不同范围内影响各生产业集聚的因素强弱，并选取具有代表性的工业大省（广东、江苏、浙江、山东），从各产业人均增加值方面对模型回归结果进行验证，得出生产业与制造业、服务业并不一定是互动发展的结论。

【关键词】 生产业 产业集聚 工业大省

理论上生产业与制造业具有很强的关联性，但现实却存有反例，即工业发展水平相近的地区，生产业的发展却存在较大的差异，如广东和山东，两省在2007年的工业增加值相近，而广东生产业增加值占GDP的比重为24%，山东仅为8%。这就提出了问题，即对于大都市以外的地区，影响生产业各产业集聚的因素究竟是什么？这些地区的生产业与该地的制造业或服务业是互动还是分离发展？本文将从全国范围的角度研究我国生产业集聚的影响因素，并用具有代表性的四个工业大省（广东、浙江、江苏、山东）进行实证分析，以期能较好地解释上述现象，结果不仅可以适用于这四省，还适用于我国除京沪以外的其他省份。

一、生产业集聚影响因素计量模型分析

1、前提假设

根据有关生产业集聚影响因素的文献回顾，笔者将已有的研究成果总结为4类，即：经济因素，包括经济环境、规模效应、前后向联系、人力资源；空间因素，包括接近上下游企业、办公租金；技术因素，包括创新环境、知识外溢；基础条件，包括自然资源、政治制度、基础设施（交通、信息通讯）、社会文化。本文要考察生产业到底是趋向于在制造业集聚的地区聚集还是在服务业集聚的地区聚集，基于以往学者的研究及本文主要的考察方向，提出以下假设。

（1）假设1：制造业越集聚的地区，生产业越容易集聚。生产业来自于制造业的分工深化，一直以来很多学者都认为生产业的服务对象是制造业，其与制造业在空间上有协同效应。例如2007年，广东制造业增加值比重为全国最高，生产业增加值比重也为全国最高。但同样是工业大省的江苏、浙江，它们的生产业增加值比重远低于广东。因此，探讨制造业与生产业的关系，即制造业的集聚能否带动生产业的集聚是本文研究各地区生产业集聚的一个重点，先假设这种吸引作用是正的、显著的。

（2）假设2：服务业越集聚的地区，生产业越容易集聚。有一些学者提出生产业的主要服务对象是其他服务业，而不是制造业。例如北京，该市的制造业在全国来说无足轻重，但其服务业增加值在全国前5位，生产业从业人数的比重在全国排第一位。但除京沪外，生产业是否还继续向服务业集聚区聚集，此问题为本文研究的另一个重点，也假设这种吸引作用也是正的、显著的。

（3）假设3：地理位置越好的地区，生产业越容易集聚。我国东中西部的生产业发展依旧存在着较大差距。例如在生产业从业的人员占全国比重的排名中，前10位有7个省市属于东部，后11位中有8个省市属于西部。基于此，本文假设生产业在地理位置越好的地区，越容易集聚。

（4）假设4：高素质劳动力资源越充足的地区，生产业越容易集聚。生产业不同于其他产业的一个重要特征是生产业对劳动力素质的要求高。生产业与高素质劳动力之间是互相促进的关系，但考虑到本文是探讨生产业集聚的影响因素，因此在此仅假设高素质劳动力资源越充足的地区，生产业越容易集聚。

（5）假设5：配套基础设施越完善的地区，生产业越容易集聚。空间可分性是生产业的另一个重要特征，这一特征的实现得益于信息技术的发展以及交通网络的密集。生产业企业的区位选择可以脱离制造业基地，而在大都市集聚，例如上海的生产业。因此，本文假设配套基础设施越完善的地区，生产业越容易集聚。

2、变量选取及模型构建

（1）变量选取。各变量的定义、所代表的因素与预期的影响综合见表1。

对变量需要解释如下：第一，TR指标的选取没有用除生产业以外的其他服务业来衡量，而是从事实考虑用所有服务业的指标来衡量。生产业内部各产业之间也存在着密切的服务与被服务关系，因此笔者认为，将生产业从总服务业中去除不能准确解释。第二，RENT变量计算公式为： RENTi==（i=1，2，……，31），其中RENTi表示各省市的商品房每平方米房价指数，即变量取值，FJi表示相应省市的商品房每平方米房价，FJ表示我国商品房每平方米的平均房价。

（2）模型建立。根据上文的假设及变量的选取，本文将建立的计量模型为：

PSI=？茁0+？茁1TR+？茁2IR+？茁3RENT+？茁4UNI+？茁5NET+？茁6ROAD

+？滋 （I=1，2，……，7）

各变量数据来源于《中国统计年鉴2008》，所有数据均为2007年数据。本文的基本样本容量为30个省份及直辖市，由于的部分数据无法获得，所以样本将不包含的数据。本文运用的统计软件为EVIEWS 3.1。

3、总体模型检验

（1）各变量间的相关性分析。各变量间的相关系数见表2。可以看出：各自变量均与被解释变量存在正相关性，衡量制造业和服务业集聚水平的两个变量存在很强的相关性，变量RENT、变量NET与变量ROAD，两两间存在很强的正相关性，变量UNI与两个主变量的相关性也较强。为避免多重共线性问题，要去除变量NET、ROAD及UNI。

由于本文的研究重点是制造业集聚水平和服务业集聚水平对生产业集聚的影响，因此需要对变量IR和TR分别做回归。这样一来，模型的两个拆分方程解释变量分别为（IR，RENT），（TR，RENT）。

（2）方程检验。先用全国30个省市的样本对两个主变量作回归，回归结果详见表3。两个方程均通过了方程总体线性检验与序列相关性检验，发现用TR作主变量的方程2拟合最好。另外，在0.5%的显著性水平下，两个方程中各变量均通过检验，其中变量TR的显著性最强，变量IR的显著性最弱。