专门化、多样化和中国地区工业产业增长的关系，本文主要内容关键词为：中国论文,关系论文,产业论文,地区论文,工业论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、导言
在20世纪的最后20年，市场机制在中国逐步建立并强化，给中国带来了前所未有的经济增长，从1988年到1997年，工业总产值以年均14％的速度增长，从而引起了国内外学者广泛的关注（注：这方面比较有代表性的文献见Wu（1995），Woo（1998），Naughton（1999）。此外，还有大量的中文文献可供参考。）。然而，在中国经济发展过程中，有一个比较重要的现象，那就是沿海省份和内陆省份在经济增长上的差异不断扩大（注：近年来出现了大量讨论中国改革以来地区间不平等的宏观分析和微观分析（Wu,1995; Jian et al.,1996; Fleisher和Chen,1997;Raiser,1998; Wu,1999,D murger,2000等）。这些研究特别显示了沿海省份和内陆省份在收入和生产率方面的差异不断扩大。）。这种差异既源于历史条件、地理区位、发展政策，同时也源于这两个地区在内在经济结构上的不同。近年来学术界对中国经济增长过程中传统要素投入的作用讨论较多，但工业结构，尤其是本文要讨论的“集聚（agglomeration）经济”对增长的作用却很少有人注意，而后者往往是决定地区比较利益，进而决定一个企业或一批企业的区域定位及其增长的重要因素。
近年来，在地理经济和增长理论方面，众多理论研究和实证研究都尝试用不同方法来揭示“集聚经济”的作用和性质（注：参见Glaeser et al.(1992); Henderson et al.(1995); Combes(2000b); Henderson et al.(2000)。）。这些研究试图回答这样一个问题：在一个给定的地区，某种企业是否能从本地区的同行业的其他企业或不同行业的其他企业的经济活动中受益？如果同一产业的企业在某个地区的集中，也就是“产业专门化（specialisation）”，能进一步促进该产业在这个地区的增长，这种规模效应被称为“区域定位经济（localisation）”。从动态角度来说，这种效应被称为“Marshall－ArrowRomer型外部性”（注：Glaeser et al.（1992）在其文章中首次采用了这个术语，本文以下简称为“MAR型外部性”。），该理论源于Marshall（1920）、Arrow（1962）和Romer（1990）的论著。相反，如果某个产业的增长主要得力于地区工业格局的“多样化（diversity）”，这种效应就对应于一种“城市化经济（urbanization）”，在动态的背景下被称为“Jacobs型外部性”（Jacobs，1969）。对于经济增长和工业发展来说，这两种外部性均具有非常广泛而深刻的政策含义：如果MAR型外部性起主导作用，同类企业将会向某个特定的地区集中；反之，如果某个行业较多地受Jacobs型外部性的支配，这个行业的企业的发展就需要一个产业多样化的环境，也就是说多种产业的并存，而不是同类产业的集中。总之，产业专门化是一种发生于产业内的外部性；产业多样化是一种发生在产业间的外部性。
Glaeser et al.（1992）在一项关于1956－1987年美国城市发展的研究中发现产业多样化对企业的增长具有显著的作用。然而Henderson et al.（1995）的研究则表明，在1970－1987年期间，专门化在产业的增长中起着主导作用。本文的目的在于通过研究1988－1997年期间中国地方工业经济的发展，探讨这两种外部性在中国的情况。具体来说，在发展中国家，或者说在中国这样一个向市场经济过渡的国家，我们同样能观察到以上两种效应的动态过程吗？Mody和Wang（1997）曾在一项对1985－1989年中国7个沿海省份的数据的分析中发现，产业专门化对地区增长具有负效应，那么，这个结果仍然适用于我们所研究的时期（1985－1997年）并适用于所有的中国省份吗？这些外部性的强度和来源会随产业的不同而发生变化吗？
利用29个省30个产业的panel数据（注：panel数据即同时具有两个截面的二维数据（例如年份－省，产业－省等），在不同的文献中有不同的中文译法。Greene的经典著作《经济计量分析》的中译本（中国社会科学出版社1998年版）将其译为“同时利用横截面和时间序列数据”；李子奈等编著的《高等计量经济学》（清华大学出版社2000年版）将其译为“平行数据”或“面板数据”；还有的文献将其译为“嵌板数据”。），我们将探讨产业专门化、产业多样化和其他因素在中国各省内对工业活动增长的作用。在此，我们并不是要对某种增长模型作出验证，我们的目的主要在于分析工业结构对产业增长的作用。本文结构如下：第2节简要回顾中华人民共和国成立以来的工业政策；第3节总结有关工业结构和产业增长之间的关系的文献；第4节介绍模型和变量；第5节讨论结果；最后第6节作出结论。
二、中国工业化空间格局的演变
从1949年中华人民共和国成立到1977年的改革前夕，中国政府实行的工业政策深受前苏联的影响，并带有浓厚的“备战”色彩。中国按照前苏联模式建立起中央集权的计划经济以推进国家工业化。这种模式的特点是优先发展重工业，限制与西方国家的贸易与资本的往来。这种政策在投资方面表现为“高积累”，通常不利于农业的发展。在毛泽东时代，中国实行的是一种推动地区平衡发展和鼓励地区自给的战略。在20世纪60年代初期，越战的升级和中苏关系的恶化，导致了中国注重地方经济的自给自足以适应“备战”的需要。典型的例子便是“三线”建设。从地理上来看，这种政策使得国家的投资向内地倾钭，其中很大一部分投向了四川、陕西、湖北、甘肃、河南和贵州等省（Démurger et al.，2001）。由于企业没有自主权（注：政府直接控制了所有工业经济实体在生产、就业和投资等方面的决策。），又缺乏市场机制和价格信号，这种体制无论在资源分配方面，还是在资源使用方面，都表现为非常低的效率和效益。
这种政策的一个直接结果便是工业在空间上的分散。在中国出现了一种与地理经济学基本原理相悖的现象：一些重点工程和重要的工业基地被放在内陆省份，有的甚至被放在经济相对比较落后的省份；相反，经济基础较好的沿海省份却被冷落。重工业的这种分散严重地限制了规模经济和潜在的“溢出（spillover）效应”。
始于20世纪70年代末的经济体制改革引入了市场机制，国家对价格和生产量的计划控制逐步减弱，同时，非国有经济发展迅速。此外，政府投资开始转向东部，沿海省份被作为增长极而得到优先发展。这种地区发展政策的主要目的在于充分开发这些省份在要素禀赋方向的比较优势。政府试图在沿海省份发展高增加值的消费品产业，提高传统工业的技术含量，并将高能耗的工业活动移向相对落后的省份。内陆省份逐步偏重于能源和原材料的生产、运输以及农业的发展（Yang，1997）。工业格局逐步由各地区自给自足转向各地区互相补充。与这些新政策相配合的是对外开放，后者旨在吸引外商直接投资，并促进一些特区与外界的交流，在这些特区，地方政府在对投资者提供优惠政策方面享有高度自主权（Yang，1997；Démurger，2000）。自20世纪80年代以来，深圳、珠海、汕头、厦门和海南5个经济特区相继建立，随后是14 个沿海城市的开放（注：14个城市为大连、秦皇岛、天津、烟台、青岛、连云港、南通、上海、宁波、温州、福州、广州、湛江和北海。），以及沿海开发区和开发带的建立（注：更详细的情况见Démurger et al.（2001）。）。到20世纪90年代中期，经济开发区和经济开发带已遍布全国。许多研究都强调了对外开放政策对地区经济增长的重要作用（例如Mody和Wang，1997；Démurger，2000）。
新中国50多年来的工业政策对各省的工业结构产生了深刻的影响。中国省份的规模一般比较大，在改革前，省际间的交通与通迅不很发达，地方保护主义盛行（这种趋势在改革后由于地方政府自主权的上升还有所增强），这些因素导致了各省在工业格局上的同构现象，即所有省份都拥有比较全的工业体系，也就是说拥有大部分工业产业。因此各产业或多或少都具有地域上的分散性。一般来说，在改革期间比较富裕的省份同时也是工业化水平较高的省份，这些省都具有多样化的工业结构；相反，那些相对较落后省份的工业往往被某些资源指向型的产业和产品增加值较低的产业所主宰，以煤炭生产为主的山西省便是一个很典型的例子。
三、经济结构与地区发展
近年来，在地区经济结构如何影响经济活动的集聚或分散，并进而影响地区经济增长这个问题上，学术界出现了一些争论。这些争论主要集中在产业专门化、产业多样化和竞争度等因素如何影响产业的增长这个问题上。
主张专门化的文章认为，同一产业的企业在地域上的集中所产生的外部性，有利于该产业所有企业的发展。这种外部性发生于企业之外，而作用于企业所属的产业之内。其好处在于同一产业的企业能共享特定的劳动力市场、信息和产业内部的联系等资源。同时，集中能强化同一产业内部企业之间的竞争。这种外在作用被称为MAR型外部性。 按照这个分析逻辑，某种产业的生产在一个区域的集中，能强化那些具有共同的目标并具有相似的能力的个人或企业之间的互动关系，从而提高地区的生产率，推动经济的增长。
相反，Jacobs（1969）则认为最重要的外部性来源于企业所属的产业的外部。他认为在一个地区，众多产业的并存比某一个产业的集中更能给地区带来活力，也就是说产业的多样化比产业的专门化的作用更为重要。这是因为专门化只偏重于同一产业内企业之间的交流，而多样化则能导致产业之间的交流，从而产生更具有生产力的新思想和新组合。一种行业的某些思想或技术在传播过程中可为一些其他产业的企业所吸收，因此地方产业的多样化能促进知识的扩散和运用，也就是“知识的外部性”。Combes（2000b）指出：在技术相近的产业之间， 一个产业的革新往往能带来另一个产业的革新。这就是产业间的“溢出效应”。与这种效应相伴的是城市化的发展，这两个趋势互相融合，互相促进。Porter（1990）指出，产业间（不是产业内）的专门化既是一个产业自身增长的源泉，又是该产业所处的地域的集聚经济的动力。
许多实证研究都试图定量评估地区经济结构（专门化或多样化）对某种集聚的作用，并分析其动态外部性。Glaeser et al.（1992）的文章堪称此类研究的先驱。作者通过对1956－1987年期间170个城市的6个最重要的产业的分析，估量了地区经济结构对就业增长的作用。某个产业的专门化被定义为“产业在某个地区的就业量在该地区就业总量中所占的份额与该产业的就业总量在全国就业总量中所占的份额之比”。产业多样化被定义为除所研究的产业外的其他5个产业的就业份额。 地区竞争度被定义为产业在城市的企业个数与其全国平均值之比。作者还引入了产业的初始就业水平，以测量趋同效应。所有的变量都取期初值。用最小二乘法估计出的结果表明，专门化对增长起负作用；相反，地区的竞争度和产业多样化有利于增长。这就是说产业间的外部性比产业内的外部性更为重要。
Henderson et al.（1995）通过按产业进行回归，细化了以上的研究。他们分析了1970－1987年期间224个大都市地区8个产业的情况。不同于Glaeser et al.（1992），他们将多样化定义为Herfindhal集中化指数的倒数（注：该指数的公式定义详见后文。）。他们也引入了就业的初始水平，但没有引入有关竞争的变量。除了有关标志产业特征的变量外，他们还在回归中引入了标志地区特征的变量。总的经济规模被定义为期末其他产业的就业。他们的结果揭示了传统产业和高技术产业的差异。具体来说，对于传统产业的增长，仅有MAR 型外部性起正向作用；而对于高技术产业的增长，MAR型和Jacobs 型两种外部性都起促进作用。
虽然Glaeser et al.（1992）文章和Henderson et al.（1995）的文章均引起了众多的批评和发展（注：例如，Cainelli和Leoncini（1999）采用与Glaeser et al.（1992）相同的发展模型，试图解释在1961－1991年期间知识的外部性对意大利工业就业增长率的作用。Maurel（1997）在对法国工业的研究中沿用了Henderson et al.（1995）的分析方法，他们的结果表明，专门化、竞争和多样化对工业增长均具有正向作用。），但对发展中国家产业结构和地区增长的关系的讨论却相对不多。在此，我们仅能引证Henderson et al.（2000）对韩国产业的分析，以及Mody和Wang（1997）对1985－1989年期间中国沿海省份的研究。后者使用了7省23个产业的样本，其结果表明， 专门化对产业增长的具有负影响，而竞争对产业增长的影响为正。这两个变量与被解释变量之间的关系都呈非线性的二次型。
如果说以上这些文章标志着此项研究在近年来已取得了可观的进展，下面比较难的问题就在于准确地测量这些外部性作用的性质和幅度。在本文中，利用中国分省分产业的数据，验证以上这些因素在我们所研究的期间内（1988－1997年）是否对增长还起着同样的作用，具有非常重要的意义。
四、实证模型和变量
在本节中我们依次介绍理论模型、各个变量的定义以及最终的计量经济学回归模型，并对有关指标值作一简略的统计描述。
（一）理论模型
我们采用两要素（资本和劳动）的Cobb－Douglas生产函数。由于我们的目标是分析地区工业结构对地区产业的增长的影响，我们选择线性约简形式的方程如下：
lnG[,sp]＝ln（A[,sp]）＋αln（L[,sp]）＋βln（K[,sp]）＋u[,sp]（1）
其中：G[,sp]表示P省（P＝1，2，…，29）的s产业（s＝1，2，…，30）的增加值在1988－1997期间内的增长幅度；A为技术水平， 或者说技术系数；L和K分别表示劳动和资本的投入；u[,sp]为随机项。
我们假设某省某产业的技术系数依赖于知识的外部性，即由A 以下因素决定：产业专门化（S）、企业数量规模（T）、该产业所处的外部工业环境的多样化（div ）以及该产业所在省份的工业初始发展水平（VA）。则方程（1）可写为如下形式：
lnG[,sp]＝αln（L[,sp]）＋βln（K[,sp]）＋χln（S[,sp]）＋δln（T[,sp]）＋ψln（div[,sp]）＋γln（VA[,p]）＋u[,sp] （2）
本文使用的数据大部分来源于中国国家统计局（State Statistical Bureau）在1989－1998年期间历年出版的《中国工业经济统计年鉴》。我们拥有29个省30个工业产业在1988－1997年的发展情况，因此，我们的分析是基于一种“省－产业”的数据组合。企业被界定为“乡及乡以上独立核算工业企业”，这就是说包括了大部分国有企业、城镇集体企业、合资企业和外资企业，但不包括非独立核算企业以及村级经济等。由于数据的限制，我们只能将“省”作为地域的分析单位。选用其他分析单位，如城市地区等，则需要作出很多较强的假设。不过考虑到在中国“省”代表着一级很重要的行政机构，在制定经济政策方面具有相当大的自主权，我们可以假设它们都是相对独立的地域实体。
由于西藏自治区的许多数据都不完整，我们在回归分析中除去了西藏。此外，由于重庆是1997年才成为自辖市的，我们在分析中将其并于四川。另外，根据国家统计局的最新分类，工业被分为37个大类，但由于有些产业的定义在我们所研究的期间内有所变动，无法进行时间跨度上的分析，因此我们最终只保留了30个数据比较完整的工业产业。
（二）变量
被解释变量为省的产业在1997年的增加值和1988年的增加值之比的对数值，即ln（VA[,sp，1997]／VA[,sp，1988]），其中表示产业的增加值。Glaeser et al.（1992）和Henderson et al.（1995）均以就业水平来衡量产业的增长。然而我们以上讨论的经济集聚力，或者作用于地区的生产，或者作用于增加值，或者作用于要素的生产率，均不是直接作用于就业。因此在本文中我们以产业增加值的水平来衡量产业的增长（注：我们曾试图用人均指标作为被解释变量，但结果不显著。）。
解释变量有两类，第一类为生产要素：资本和劳动的增长。在本文中，我们取产业的固定资产净值为资本投入，取职工人数为劳动投入。这两个变量均取增长率的形式，即ln（K[,sp，1997]／K[,sp，1988]）和ln（L[,sp，1997]／L[,sp，1988]）。
第二类为工业结构。一个工业产业在某个给定省份的增长，可能受到该产业在省内集中程度（即专门化或MAR型外部性）、地区工业格局的多样化（即Jacobs型外部性）和企业数量规模等因素的影响。在缺乏有关知识外部性直接信息的情况下，我们沿用前面提到的有关集聚经济和产业集中的一些研究所采纳的指标来近似测量这种经济的集聚效应。
我们采用与Henderson et al.（1995）相同的方法来测量专门化和多样化。P省s产业的专门化指数被定义为s产业的增加值在P省工业总体中的所占的份额与该产业在全国工业总体中的所占的份额之比，即：
其中：n表示全国总体；VA[,sn]为S产业在全国范围内的增加值总量；VA[,p]和VA[,n]分别为P省和全国工业增加值的总量。这个指数度量了s产业相对于全国水平而言在P省的专门化。如果这个变量对增长的作用为正，则表明知识的外部性能在产业内部提高企业的生产率。
我们用标准化的Herfindhal集中性指数的倒数来测量多样性，即对于P省s产业，其外部工业环境的多样性被定义为除s 产业以外的所有其他产业在P省工业增加值中所占的份额，其公式为：
其中S为产业总数；VA[,s′p]为P省除s产业以外的所有其他产业的增加值之和。这个指标代表了s产业在P省所具有的产业多样性，它并不必然与s产业的专门化指数负相关。如果存在Jacobs型外部性， 这个描述产业多样化的变量在给定的省内将对产业的增长起正向作用。
我们用P省s产业的企业个数与该产业的增加值的比值（也就是单位产出的企业个数）除以该比值在全国范围内的平均值来近似描述企业数量规模，即：
其中NBE[,sp]和NBE[,sn]分别为P省和全国s产业的企业个数。严格地来说，这个指标的构造应建立在企业水平的数据上，但我们不占有这样的统计数据。Glaeser et al.（1992）认为这个变量可以非常好地描述企业面临的竞争环境。因为这个指标值越大，省内同行业的企业个数就越多，企业面临的竞争也就越强。但Charlot和Combes（2000：p.135）指出：“这个变量仅在所有被研究的地理区域都具有同样大小的条件下才能反映竞争度，而这个条件一般都不成立。”我们在此用这个变量来测量P省s产业的企业的平均数量规模。对于企业来说，规模经济有内在和外在两种情况。如果是内在的，规模经济主要反映在企业规模上：企业规模越大，生产成本越低；相反，如果是外在的，规模经济主要反映在企业数量上，在这种情况下，大企业将处于相对不利的地位。
我们引入地区总的工业增加值（VA[,p]）以测量地区经济的规模。对于企业来说，相对较大的经济规模不仅意味着相对较大的市场和需求，而且还意味着企业有可能与外界同产业或不同产业的其他企业发生更多的交流。此外，地区经济规模这个变量还可以反映某些纯粹的地区特征的外部性。这种外部性可以是正向的，如公共产品和公共设施的共享；也可以是负向的，如污染、拥挤等（Combes，2000b；Charlot和Combes，2000）。这个变量还在一定程度上反映了一省的初始发展水平（注：我们在此不引入产业增加值的初始水平，而该水平在增长理论中通常被作为增长理论中的“条件趋同效应”（即β－convergence，也称相对趋同）的代表。Combes（2000a）曾指出， 同时引入变量“产业规模”和表示产业专门化的变量“产业在总体中所占的份额”，有可能导致对后者估计的偏差。Combes的这个观点可以解释Henderson et al.（1995）结果中的一个悖论，即同时得到一个产业在总体中所在份额（即专门化）的正效应和该产业发展水平的负效应（Charlot和Combes，2000）。）。
除生产要素是用增长率表示外，所有其他变量均取期初值（即1988年的值）（注：Henderson et al.（1995）在缺乏实际理论佐证的情况下将变量都取期末值，这样做给分析带来了混淆，使得结果难以解释。）。动态的外部性假设前期的工业环境会影响本期的增长。这是因为专门知识的积累会随着时间的推移而增加。我们最后的回归方程如下（注：我们在初步的分析中进行了大量的回归，测试过多种函数形式，如取对数的形式和不取对数形式。最后确定的方程形式是能给出最优结果而又无实质性变动的一种。需要指出的是，无论采取何种方程形式，回归系数的符号始终一致。此外，受Pregibon（1979）的启示，我们也对回归作了若干必要的统计检验。）：
ln（VA[,sp，1997]／VA[,sp，1988]）＝αln（L[,sp，1997]／L[,sp，1988]）＋βln（K[,sp，1997]／K[,sp，1988]）＋χln（S[,sp，1988]）＋δln（T[,sp，1988]）＋ψln（div[,sp，1988]）＋γln（VA[,p，1988]）＋u[,sp]（6）
（三）统计描述
在进行回归分析前，我们先对数据作一简要的统计描述。总的来说，1988－1997年是中国工业增加值迅速增长的时期。表1 依次列出了专门化、企业数量规模和多样化这3个指数值最高的5个产业和最低的5 个产业。在所有的省都具有较强的专门化趋势的产业有黑色金属矿采选业、电力蒸气热水生产供应业、石油和天然气开采业、木材及竹材采运业和烟草加工业。这些产业或者是自然资源开发型的，或者是在改革前曾有过较大发展的。对比之下，多样化指数值在产业间的变化相对较小。具有最强的多样化工业环境的产业是烟草行业。这表明一种产业可能既是专门化、集中化较强的产业，同时又是享有多样化工业格局的产业。因此，专门化和多样化这两个变量分别从不同的角度反映了地区工业结构，但二者又并不互相排斥。
表1 专门化指数、企业规模指数和多样化指数的最高值和最低值
指数值最高的5个产业 指数值最低的5个产业
产业指数值
产业 指数值
产业专门化指数
黑色金属矿采选业 83.31 文教体育用品制造业
19.97
电力蒸气热水生产供应业37.88 电气机械及器材制造业 23.97
木材及竹材采运业 37.04 化学纤维工业 24.96
煤炭采选业36.39 塑料制品业
25.13
烟草加工业35.27 服装及其他纤维制品制造业 25.22
企业数量规模指数
木材及竹材采运业 162.09 纺织业
28.13
石油和天然气开采业118.87 饮料制造业
29.82
文教体育用品制造业 69.81 非金属矿物制品业 31.18
烟草加工业 56.17 电子及通信设备制造业 31.26
化学纤维工业
49.87 塑料制品业
31.62
产业多样化指数
烟草加工业 22.89 普通机械制造业
20.43
石油和天然气开采业 22.89 文教体育用品制造业
21.00
煤炭采选业 22.14 木材及竹材采运业 21.07
黑色金属冶炼及压延加工业
21.89 黑色金属矿采选业 21.12
电气机械及器材制造业
21.85 纺织业
21.16
五、实证分析结果
大部分探讨工业结构对地区产业增长的影响的研究使用的估计方法都是最小二乘法或一般Tobit。这样做至少有一点是值得商榷的。 因为既然数据是二维的（分地区并分行业），那么使用panel 方法来估计似乎更为恰当。panel 方法能使我们能使我们有效地控制由于观察值的个体特征（无论我们是否能观察到）而造成的非均匀性（heterogeneity）。
在此项研究中，我们首先进行Breusch－Pagan的LM检验以判断是否有必要使用panel方法，结果表明， 在回归中我们不能忽视个体（即产业）的特殊影响，即选择panel方法是必要的。准确地说， 就是假设回归方程中的随机项u[,sp]由两部分构成：一是产业的个体影响μ[,s]；一是传统的随机项ε[,sp]。其次，我们进行Hausman（1978）检验，以判断这种个体影响是固定影响（fixed effect）还是随机影响（random effect），结果表明模型具有固定影响，因此，我们最终采用分产业的固定影响panel模型。此外，为了获得较多的观察值， 我们采用非整理的panel数据，即不删去某些数据部分缺省的观察值。然而， 这样做会使样本的异方差性加剧，从而使组内（within）线性估计系数值不是具有最小偏差的系数值。为了获得更准确有效的统计值，我们在回归中使用Sevestre和Matyas（1996）的方法修正异方差性。
我们作了两类回归。首先，我们使用产业固定影响的panel 方法对所有的产业进行回归， 也就是说将数据视为二维（省－产业）的panel形式，将所有产业放在同一回归里。然后，我们分产业进行独立的回归，以分析解释变量的系数在不同产业间的变化。在所有的回归中，我们都使用了White（1980）方法修正了样本中可能存在的异方差性。
表2和表3分别为两类回归的结果。从中可见，分产业的回归与不分产业的回归给出了基本相同的结果，解释变量回归系数的符号在结果显著的情况下大体上保持不变。由于分产业后的回归的观察值数要少得多，因此这后一种回归中的系数的显著度要低一些。分产业的分析还表明，工业结构在某些特定的产业中的影响比不分产业的平均影响要强得多。在此我们仅讨论回归系数在1％、5％或10％水平下显著的情况。
表2 产业增加值增长的回归结果（不分产业，1988－1997）[a]
(1) (2)
(3) (4)(5) (5)
所有省份所有省份 所有省份 所有省份 沿海省份[b] 内陆省份[b]
资本,K 0.546 0.539 0.546 0.525 0.3220.565
(7.32) (7.45)(7.55)(7.05)(3.11)
(6.63)
劳动,L 0.349 0.319 0.316 0.334 0.7020.207
(2.02) (1.87)(1.90)(1.93)(5.06)
(1.11)
产业专门化 -0.1139-0.0758
-0.1290 -0.0514
指数,S (-2.82)(-1.75)
(-1.83) (-1.04)
企业数量规 0.141
0.105 0.139 0.064
模指数,T (3.98)
(2.96)(2.63)
(1.44)
产业多样化0.0920.130 0.697 0.058
指数,div (1.48)
(1.96)(3.37)
(0.85)
省特征变量
省工业增加 0.087 0.109 0.0820.101 0.104 0.089
值,VA
(3.87) (4.63) (3.61)
(4.24)(2.74)(3.05)
调整后的R[2] 0.439 0.447 0.4250.454 0.600 0.394
观察值数 798
798798 798
280
518
注：（a）在标准差的估计中使用了White（1980）矩阵以修正异方差性。所有回归均用固定影响的非整理panel模型估计。括号内为检验值。
（b）沿海省份为北京、天津、山东、河北、上海、江苏、浙江、福建、广东和海南，其余为内陆省份。
表3 产业增加值增长的回归结果（分产业，1988－1997）[a]
产业资本 劳动 专门化 企业规模多样化
省工业观察调整
增加值值数后的
R[2]
煤炭采选业-0.465*2.131*** -0.109* -0.017-0.0600.039 260.618
黑色金属矿采选业
0.251 0.710**
-0.149*
0.078-0.1510.078 240.861
石油和天然气开采业 0.097 0.030 -0.364
-0.0410.956 -0.267 150.261
木材及竹材采运业
0.379 -0.164** -0.074
-0.0160.092 0.510**190.445
食品加工业-0.055 1.299***
0.3610.2600.531**
0.142* 280.537
饮料制造业 0.290 0.971*** -0.381***0.134 0.422**
0.109 280.679
烟草加工业 0.875*** -0.468*** 0.146*
0.087 -0.203-0.049 280.702
纺织业 0.802**
-0.2320.3030.285 0.228 -0.097 260.621
服装及其他纤维制品制造业
0.579*** 1.085*** -0.119
0.294 0.007 0.022 280.848
皮革毛皮羽绒及其制品业 0.408 0.955**
0.0340.609*** 0.633*0.208* 280.840
木材加工及竹藤棕草制品业
0.287 0.753**
-0.056
0.348*** 0.073 0.304***
280.783
家具制造业 0.501*** 1.611*** 0.1310.770*** -0.3950.204* 270.695
造纸及纸制品业-0.017 1.896*** -0.224** 0.250**
0.402*** 0.135 280.745
印刷业记录媒介的复制
0.493**
0.699 0.2110.136 -0.272** 0.141**280.544
文教体育用品制造业 0.590**
0.620**
-0.0140 0.206 0.348 0.157 260.853
化学原料及化学制品制造业
0.283*** 1.363**
0.2160.438*** -0.1050.158***
280.803
医药制造业 0.293 0.885*-0.543***0.021 0.593*0.099 280.630
化学纤维制造业 0.812*** -0.163-0.367** -0.0250.057 0.100 250.608
橡胶制品业 1.668*** -0.2860.545*
0.169 -1.026** -0.879 280.698
塑料制品业 0.813*** 0.829*** -0.031
0.441*** 0.233 0.139***
270.620
非金属矿物制品业
0.333**
0.740*** -0.205
0.286**
-0.0060.100* 280.477
黑色金属冶炼及压延加工业
0.101 0.350 -0.016
0.056 -0.2070.084 270.089
金属制品业 0.623*** 0.494**
0.0690.352*** 0.058 0.156***
280.773
普通机械制造业 0.281**
1.463*** -0.062
0.012 -0.0810.166* 280.711
交通运输设备制造业 0.545**
1.538**
-0.154
-0.1030.470**
-0.051 280.829
电气机械及器材制造业
0.724*** 1.453*** -0.237** 0.257*** -0.215*
0.200***
280.947
电子及通信设备制造业
0.756*** 0.490 0.121-0.1600.437 0.530***
260.887
仪器仪表及文化办公用机械
0.530**
1.044**
0.0450.057 -0.727** 0.049 270.759
电力蒸气热水生产供应业 0.435*** 0.434 -0.280** 0.003 -0.0620.054 280.669
自来水的生产和供应 0.399**
-0.591-0.338* 0.033 -0.111-0.045 270.494
注：（a）在标准差的估计中使用了White（1980）矩阵以修正异方差性。所有回归均用固定影响的非整理panel模型估计。
***、**和*分别表示结果在10％、5％和1％的水平下显著。
资本和劳动这两个生产要素的作用同我们的预期相符：二者的投入均对产业增加值的增长起正向作用。
反映工业结构的变量的回归结果非常有意思。产业专门化的初始水平对地区产业的增长有很强的负作用（表2的第1列），换句话说，一个产业在地区工业格局中占的位置越重要，它的后续发展就越慢。如同Glaeser et al.（1992）和Combes（2000b）， 我们可以用产品周期理论来解释专门化的这个负向作用：在初始阶段，某种产品是在一个特定的地区生产和发展；但当生产和技术发展到一定阶段后，生产就逐步移向其他地区了，因而同一地区产业专门化对于该产业的增长就变得不太重要了。这个结果一方面证实了Mody和Wang（1997）对1985－1989年期间中国工业分析的结论；另一方面它也同Glaeser et al.（1992）对美国工业、Combes（2000b）对法国工业以及Cainelli和Leoncini （1999）对意大利工业的研究的结果相一致。
分产业的回归进一步证实了专门化在中国的工业产业增长中的负向作用。结果显著的专门化系数值都位于－0.5到－0.1之间。只有两个产业的回归系数显著为正：橡胶制品业和烟草加工业。其中，由于烟草加工业近年来在云南省发展迅速，该产业的专门化对产业增长的正向影响可以用其特殊的生产方式和投入来解释。从表3中， 我们还可以注意到，专门化的负向作用似乎与产业的生产方式是否现代化无关，也就是说在传统产业和现化产业之间没有很大的区别。总之，具有一个专门化的工业环境，或者说同一产业的生产在地理位置上的集中，似乎并不利于产业的发展。
竞争度（即企业的数量规模）对产业的增长具有显著的正向作用（见表2的第二列）。这表明在同一产业内， 众多小企业的存在是动态外部性的重要组成部分，从而也是该产业增长重要源泉。在Mody和Wang（1997）对1985－1989年期间中国工业的研究中，企业数量规模和产业增长之间也呈正向关系。Glaeser et al.（1992）、Cainelli和Leoncini（1999）以及Maurel（1996）也得到了类似的结果。在表3 分产业的回归中，该变量所有结果显著的系数的符号也都是正的。一般来说，新兴的企业的发展都比较快，这些企业具有较强的灵活性和适应能力，这种现象在中国尤为突出。这是因为相当一部分新企业都属于非国有的中、小型企业，它们都是权力下放的产物，具有很强的自主权，经营灵活，生产率较高，从而发展较快，远远超出那些在目前调整阶段陷于困境的大型国有企业（Jian et al.，1996）。
在其他条件相同的情况下，多样化的经济环境有利于产业的增长（见表2的第3列）。这个变量显著的正向影响证明了“产业间”外部性的重要性。这个结果表明，企业可以从同省产业多样化中获得好处。需要说明的是在我们的研究中，地区被定义为“省”，从数据加总的层次来说这是一个相对较高级别和相对大的地域空间，因此多样化的正向影响更可能是源于产业间的商业关系，而不一定是源于产业间对互补技术的分享与开发。
从表3的结果来看， 产业多样化变量的回归系数的符号在各产业间的变化较大。有4个产业的回归系数显著为负， 它们分别是电气机械及器材制造业、仪器仪表及文化办公用机械、印刷业记录媒介的复制和橡胶制品业；有6个产业的回归系数显著为正，它们分别是饮料制造业、食品加工业、皮革毛皮羽绒及其制品业、医药制造业、造纸及纸制品业和交通运输设备制造业；其他产业的回归系数不显著。
至于“期初省工业增加值”，在其他条件相同的情况下，这个变量对地区产业的增长具有正向作用。这个结果表明，发展起点较高的省比那些相对落后的省具有更强的增长势头。结合以上多样化指数的正向作用，这个结果反映了一种本地对产品多样化的需求。
在以上的分析中，我们都假设所有的工业产业在任何地方都以同样的方式回应解释变量。然而由于改革以来沿海省份的发展速度远远快于内陆省份，这种趋势完全有可能反映到各省工业产业的发展上。为了分析回归系数在地域间的差异，我们将样本分割为两个子样本：沿海省份和内陆省份，然后分别在这两个子样本中进行回归。由于对外开放，沿海省份的工业在改革后得到了迅速发展，此外，从历史上来看，这些省份也具有较好的基础，如人力资源、交通和通迅设施等（Song et al.，2000）。所有这些都为经济增长提供了良好的环境。特别是“硬件”方面的基础设施，如交通和通讯，能够提高投入要素的生产率，并能为企业之间的交流和外部性的产生提供便利，从而保证经济的长期增长。随着基础设施建设的发展，企业的经营者能更方便地接受新知识和采用一些新技术，从而在整体上促进技术的进步和经济增长（Shleifer，1990）。最后，从地理位置上看，沿海省份是外商直接投资的主要接受者，这不仅给这些省份的工业发展带来了资金，而且还带来了先进的技术和现代的管理方式，从而有力地促进了生产率的提高。
表2的第5行和第6行显示了分地域的回归结果。 由于我们在回归中没有对Cobb－Douglas生产函数中资本和劳动的系数作出约束， 因此这两个系数之和可以被视为规模经济的作用，即资本和劳动的投入越大，增长率就越高。我们的结果表明，规模经济在沿海省份的作用总的来说要超过其在内陆省份的作用。从专门化指数来看，一个较高的地区产业专门化水平对该产业的后续增长起负向作用。至于多样化指数，位于沿海省份的企业的增长对产业间的外部性（也就是产业的多样化）的反映非常强。这就是说位于沿海省份的工业产业对知识外部性的传播很敏感。相反，这个变量在内陆省份不显著。这个结果反映了中国工业产业发展过程中的一个重要现象，即沿海工业和内地工业在发展动力方面存在着差异。在沿海省份，市场机制对增长的作用比较大，经济活动主要受市场的支配；相反，内陆省份的产业的增长更多地取决于计划经济和政府的投入，动态外部性或者说集聚经济的影响尚不明显。不过其他研究表明，产业间的“溢出效应”已经由沿海省份逐步扩散到了中部省份，但还没有扩散到西部省份（Brun et al.，2002）。
总之，我们的结果表明，地区产业增长的理论模型在对中国工业的实证研究中得到了很好的验证和发展。 简而言之， 本文的结果证实了Jacobs型外部性的影响，即地区工业产业多样化对产业增长的促进作用；但否定了MAR型外部性的影响，即根据我们的结果， 同一产业在地区内的集中并不利于产业自身的后续增长，这个结果“中和”了Porter（1990）的结论（注：在Porter的结果中，两种外部性的影响都是正向的。）。此外，其他研究表明，专门化、多样化、企业个数和地区经济规模都会对地区发展水平之间的趋同或发散起重要作用（Charlot and Combes，2000）。我们的结果似乎说明，在中国目前所处的发展阶段中，与增长相伴而来的是省际不平等的加剧，这一点可以从省工业增加值初始水平的正向作用中得到证实。同时，位于沿海省份的产业和位于内陆省份的产业似乎具有不同的增长动力。在中国当前的发展处于“中心”位置的沿海省份，一方面具有较快的增长速度，另一方面经济也日趋多样化（Duranton，2000）。
六、结论
本文通过对1988－1997年中国各省工业产业数据的实证分析，研究了地区工业结构（产业专门化、产业多样化、竞争度等）与产业增长之间的关系。对panel数据的回归结果表明， 一个产业在省内的规模越大，其发展的后劲就越小；相反，一个多种产业并存的工业格局有利于各产业的发展。也就是说Jacobs型外部性一般发挥着正向作用；而MAR 型外部性却起着的负向作用。分产业的分析与不分产业分析的结果基本一致。我们的结果还表明，位于沿海省份的产业和位于内陆省份的产业在我们所研究的时段内（1988－1997年）具有不同的增长动力。特别值得一提的是，在市场机制比较发达的沿海省份，产业的增长更受知识外部性的传播的影响。如果内地能受到沿海的拉动或辐射，中、西部省份的增长将能成为中国整体发展中最有效的部分。然而，许多研究（Word Bank,1994; Young,2000; Poncet,2002）却都表明中国国内省际间的交流呈下降的趋势。在未来的发展过程中，如何解决这个矛盾，是中国政府的决策者需要慎重思考的问题之一。