产业集聚、制度环境与中国战略性新兴产业的效率特征

吕洪渠 任燕燕

一、引言

国家在2009年正式提出了“战略性新兴产业”这一新的产业发展模式。2016年国务院发布《“十三五”国家战略性新兴产业发展规划》。规划明确指出到2020年战略性新兴产业要发展壮大，成为社会经济发展的新动力。创新能力和竞争力明显提高，形成全球产业发展新高地，产业结构要进一步优化形成产业新体系。十三五规划中还提出了战略性新兴产业发展的主要原则，原则中着重强调要坚持发挥“产业集聚”的作用。战略性新兴产业是否像许多传统产业一样存在空间集聚或空间差异特征？战略性新兴产业的集聚是否有利于产业技术效率和全要素生产率的提升？各地区战略性新兴产业发展的效率呈现何种规律？显然这需要运用空间量化方法去研究。

国家大力发展战略性新兴产业的目的是为了转变经济增长方式，培育知识技术密集、资源消耗低、成长潜力大的新行业，实现跨越式、可持续发展。这就要求这类行业具有较高的全要素生产率。通过对全要素生产率增长进行分解，可以了解经济增长的具体原因。索洛和Farrel先后测算出技术进步和技术效率变化对劳动生产率的影响。之后又有学者陆续从全要素增长率中分解出规模效率和配置效率。本文关注的重点在于战略性新兴产业技术效率的测度及其变化，将全要素增长率中技术效率增长率以外的部分都归为技术进步。

技术创新是经济社会发展的引擎。技术效率是决策单元(企业、个体或地区)向最优状态追赶的程度，技术进步是技术的创新，是前沿生产函数的移动。如果全要素生产率增长主要来源于技术进步，而技术效率提升缓慢，则意味着新技术未能得以有效推广；如果全要素生产率增长主要来源技术效率的提升，而技术进步速度过慢，则意味着产业发展陷入了“贫穷而有效率”的状态中。

本文关注的重点在于战略性新兴产业技术效率的计算以及技术效率提升与全要素生产率增长的比较。对战略性新兴产业技术效率方面的众多研究成果中可以看出学者们最关注的问题集中在两方面，一是效率的测度，二是效率的影响因素。研究技术效率和全要素生产率测度的常用方法有两种，一种是数据包络分析方法(DEA)，程贵孙、张雍、黄海霞、张治河、刘晖等人均选用这种方法。程贵孙、张雍(2015)用DEA-malmquist方法选取民营上市公司面板数据分析了战略性新兴企业的变动和影响因素*程贵孙、张雍：《战略性新兴产业民营上市公司生产率变动及影响因素》，《东南大学学报(哲学社会科学版)》2015年第5期。。张会新、白嘉(2016)运用DEA方法选取战略性新兴产业29个省的截面数据计算了各省技术效率，对中国战略性新兴产业发展绩效进行了实证评价*张会新、白嘉：《中国省域战略性新兴产业发展绩效评价》，《统计与决策》2016年第15期。。任保全、刘志彪、王亮亮(2016)用战略性新兴产业上市公司数据和Malmquist指数方法测度了战略性新兴产业技术效率*任保全、刘志彪、王亮亮：《战略性新兴产业生产率增长的来源：出口还是本土市场需求》，《经济学家》2016年第4期。。另一种方法是随机前沿分析方法(SFA)，肖兴志、谢理(2011)运用SFA和门限回归分析了战略性新兴产业技术效率，并指出研发投入对技术效率的影响*肖兴志、谢理 ：《中国战略性新兴产业创新效率的实证分析》，《经济管理》2011年第11期。。杨震宇(2016)用SFA方法利用2000-2013年省级和行业面板数据测算了其间我国战略性新兴产业全要素生产率的变化及其收敛性*杨震宇：《战略性新兴产业全要素生产率的测算及其收敛性分析》，《 科技管理研究》2016年第15期。。项本武、齐峰(2015)选取46个行业面板数据，用面板SFA方法分析了战略性新兴产业技术效率及其影响因素*项本武、齐峰：《中国战略性新兴产业技术效率及其影响因素》，《中南财经政法大学学报》2015年第2期。。综合以上研究成果可以看出,学者们研究战略性新兴产业技术效率时为求结果精准,大都选择了可得样本量较多的面板数据，运用面板数据随机前沿或者malmquist方法。但是很少有人在分析技术效率同时考虑各地区战略性新兴产业的空间关系。学者们研究时选取的数据大多是行业数据，对地区数据规律的研究相对较少。

在借鉴以往研究成果的基础上，本文从以下几个角度重新研究战略性新兴产业的发展特点。(1)分析方法的选择。充分考虑战略性新兴产业发展水平及其技术效率值存在的空间相关性，建立空间面板随机前沿模型分析技术效率及其影响因素；(2)数据的选取。不同于以往许多研究用高新技术产业数据代替战略性新兴产业数据，本文查阅多种年鉴资料，对七大产业的省级面板数据进行汇总；(3)对分析结果的解释。各地区战略性新兴产业技术效率的分布特征以及技术效率由高效率区域向低效率区域变迁的路径，通过对各地区技术效率增长率和全要素增长率特征进行分析,判断战略性新兴产业目前所处的发展阶段，并运用产业集聚、产业梯度转移等理论进行解释。

二、理论与中国经验分析

(一)产业集聚的作用

Rosenthal &Strange(2003)总结了促使产业集聚的因素，主要是投入品的共享、劳动力的共享、知识溢出、地区市场效应等*Rosenthal SS and Strange WC, “Geography, Industrial Organization, and Agglomeration”, Review of Economics and Statistics,2003, 85 (2), pp.377-393.。新经济地理理论认为产业集聚会影响生产效率。产业集聚带来的所有共享行为都会对经济发展产生正反两方面的效应。一方面共享可以减少成本投入，从而带来规模报酬递增的收益，还会通过技术溢出等方式促进全要素生产率提高；另一方面，过度的产业集聚会造成资源供给不足、产品输出受阻，进而集聚的边际效应下降，阻碍全要素生产率的提高。一些学者通过理论与实证研究分析了产业集聚对生产效率的影响方式。主要的观点有两种：一种认为产业集聚与全要素生产率之间存在或正或负的线性相关关系*Cingano F and Schivardi F, “Identifying the Sources of Local Productivity Growth”, Journal of the European Economic Association,2004, 2 (4), pp.720-742.，另一种观点认为产业集聚与生产效率之间不是简单的线性关系。如Ohkusa(2003)研究认为产业集聚的规模与经济发展效率之间存在倒“U”型关系*Sato M and Ohkusa Y, “The Relationship between Smoking Initiation and Time Discount Factor, Risk Aversion and Information”, Applied Economics Letters,2003, 10 (5), pp.287-289.，且存在最优效率值。

第一，产业集聚对战略性新兴产业生产率带来的影响首先是能够影响到整个产业的技术进步率。战略性新兴产业主要特征表现为创新性。产业集聚可以促进产业内企业上下游之间形成有效合作，促进技术交流，增加了企业创新的机会。产业集聚还加速了地区内的信息传递，使知识共享更为容易。这些都会促进产业内企业以及整个行业的技术创新，从而提高地区内产业的技术进步率。

第二，产业集聚增加了地区内战略性新兴企业吸纳投资的机会。Berger & Udell、Conti & Ferri(2001)分别论述过产业集聚对债务融资、企业内部融资和权益融资带来的正向影响*Masciandaro D，Ferri G，Messori M, Corporate Governance, Board Turnover and Performance: The Case of Local Banks in Italy，Social Science Electronic Publishing，2001.。目前战略性新兴产业的主要资金来源有三个：一是政策性融资；二是基于企业间相互担保的银行信贷担保融资；三是资本市场融资，主要是创业板。其中银行信贷担保融资和资本市场融资是中小型战略性新兴企业主要的融资方式，然而创业板上市的准入门槛也限制了很多创新性强但资金薄弱的小型企业进入。产业集聚增加了企业间的交流，有利于战略性新兴企业获取足够的创新资金。

第三，战略性新兴产业集聚会引发更多的产业内竞争。产业内竞争对整个地区战略性新兴企业的技术效率和全要素生产率有很大影响。一方面竞争会对地区内企业产生激励效果，促进企业创新升级，同时为降低生产成本会增加新技术的应用；另一方面，产业集聚也有可能给产业内企业带来区域间的无序竞争和区域内的盲目重复建设。有研究表明，由于技术溢出的存在，产业内的领头企业往往是“获益”最少、“付出”最多的，这很大程度上会降低作为创新主力的领头企业的创新动力，从而抑制了整个行业的技术进步和全要素生产率的提升。基于以上分析可以看出，产业集聚对战略性新兴产业存在影响，但是否能像国家所期望的那样促进战略性新兴产业效率的提升，还有待验证。

另外，按照目前对产业集聚形式的划分，产业集聚可分为专业化集聚即MAR效应和多样化集聚即Jacobs效应。前者往往伴随着产业的成熟期，后者往往伴随着产业的导入期*Neffke F，Henning M，Inter-industry Linkages in Local Economies，Frank Neffke，2011.。到目前为止，战略性新兴产业发展时间尚短，还不具备发展到成熟期的条件。本文将通过战略性新兴产业技术效率和全要素生产率特征加以验证。

(二)制度环境的影响

Hall & Jone将环境因素主要归纳为鼓励投资、生产、消费等行为的制度和政策，并得出研究结论：开明地利用先进技术的制度和政策、优厚的基础设施建设导致了地区间的差异。战略性新兴产业自诞生之日起一直受到国家各级政府的大力支持。可以说其生产效率必然与各地区的制度环境密不可分。国内外学者考察制度影响因素时，着重考虑的因素为市场化程度、对外开放程度、城市化水平*李俊强：《基于分位数回归的战略性新兴产业影响因素分析——以河北省为例》，《中国科技论坛》2016年第4期。*刘继兵、王琪、马环宇：《制度环境对战略性新兴产业创新能力的影响》，《科技进步与对策》2015年第23期。。

市场化在战略性新兴产业成长过程中，一方面起到优化资源配置、形成竞争机制、促进优胜劣汰的积极作用。另一方面由于市场机制本身存在的缺陷，市场化对新兴产业存在抑制作用，如技术溢出效应会导致企业研发动力被削弱，而如果过分控制了技术外溢又会造成技术壁垒，致使许多有能力、有动力投入战略性新兴产业的企业因信息不对称而无法找到切入点。一个地区城市化水平的提高有利于吸引投资和引进人才到该地区就业。其中一些资本的流入和创新型人才都会为地区技术创新带来新的动力，从而对战略性新兴产业的发展起到促进作用。对外开放会对战略性新兴产业发展产生影响。原因是一方面外商投资可能直接参与战略性新兴产业，另一方面外资企业通过产业关联、示范、技术溢出的方式推动了战略性新兴产业的发展。

在影响战略性新兴产业的制度环境因素中应该考虑所有制结构。国有企业和非国有企业在待遇、资源优势上存在明显差异。首先国有企业有机会吸收国有资金，并可利用政策优势获得大量低价甚至免费的生产资料，长期获得超额利润。相比之下非国有企业大多基础弱、规模小、技术水平相对低，在技术创新方面的投入有限，所以非国有企业在全要素生产率的提高过程中往往依靠的是技术效率的提升而非技术进步。国有资本对新技术的研发和推广也有着不可推卸的责任，对战略性新兴产业发展可以起到促进作用。但前提是需要健全国有资本的市场化运营机制，提高国有资本在战略性新兴产业中的使用效率。

影响战略性新兴产业的制度环境因素中还应该考虑地区消费水平。消费水平的高低代表着市场配置资源效率，蓬勃的消费需求是产业创新的动力之源*张樨樨、周振、汤丽华：《影响创业人口规模增量典型因素的实证研究》，《山东大学学报(哲学社会科学版)》2016年第3期。。从产业类别看，七大战略性新兴产业又分为十八大类行业。其中设备及装备制造行业属于明显的生产投资领域，高效节能、先进环保等七大类行业属于半生产半生活领域。生物制品、新能源汽车制造等行业更偏重于“生活消费”领域。一个地区的消费水平决定了新技术产品是否有足够的市场，进而影响了战略性新兴产业的生产效率。

(三)中国经验分析

十二五期间，七大战略性新兴产业产业得到迅速发展，2015年战略性新兴产业增加值占GDP的比重达到8%左右。为响应国家的战略部署，地方各级政府都对战略性新兴产业进行了扶持，但是扶持政策效果大都差强人意。普遍存在重要素投入，轻产品研发、科技创新的情况，很多地区战略性新兴产业规模扩张迅速但效益落后。

将2010年至2016年间战略性新兴产业各省要素投入与产出情况进行汇总并做横向比较，可以看出，2010年至2016年间，广东、江苏、山东、上海、浙江、河南、四川、天津、北京、福建等10省份的战略性新兴产业要素投入和产出均明显高于其他省份，10个省份中除河南、四川外，其余均为东部省份。其中广东、江苏两省的投入产出水平远高于其他省份。投入产出最少的省份为西藏、新疆、宁夏、青海、甘肃，均为西部省份。战略性新兴产业产出(即增加值)最高的省份依次是广东、江苏、山东、上海、浙江。图中还显示了各省投入产出效率的差异，相比来看广东、江苏、浙江、河南、四川、福建等省份的投入产出比明显高于山东、上海、天津。

图1显示了各省2010年至2016年战略性新兴产业发明专利授权总量的横向比较。从科技创新的角度来看，东部省份的战略性新兴产业专利授权量也明显高于西部省份。图中可见7年中专利授权量最高的省份为江苏、浙江、广东、山东、北京、上海；专利授权量最低的省份为青海、宁夏、西藏、海南。

图1 各省2010年至2016年战略性新兴产业发明专利授权总量

发明专利授权量反映了各地区产业内的科技创新力度。从图1可以看出，无论从要素投入产出的角度看还是从科技创新的角度看，战略性新兴产业已经表现出省际间的集聚现象。东部地区投入产出和科技创新成果都明显高于西部地区，最明显的战略性新兴产业集聚区在华东地区——江苏、山东、浙江、上海一带。各省内战略性新兴产业集聚情况，以及集聚对产业效率带来的影响可以通过进一步的实证研究来验证。

三、模型与实证方法

(一)战略性新兴产业随机前沿模型的构建

由于战略性新兴产业存在空间相关性，对生产边界及技术效率的分析不可以忽略空间交互作用。本文采取的思路是，以普通面板随机前沿模型为基础，充分考虑空间交互作用，构建两种模式的空间面板随机前沿模型，通过对三种模型的比较筛选，利用拟合最好的模型来测算各省份战略性新兴产业的技术效率。三种随机前沿模型同时考虑两种函数形式，即投入要素变量的一次形式和二次形式。所建立的三种模型矩阵形式分别为：

普通面板随机前沿模型：

一次形式：lnY=[lnklnl]B+v-u

二次形式：lnY=[lnklnl(lnk)2(lnl)2(lnk)(lnl)]B+v-u

(1)

空间面板随机前沿模型：

模式I：

(2)

模式II：

(3)

三式中lnY为战略性新兴产业主营业务收入的对数向量；lnk、lnl分别为战略性新兴产业固定资产投资额和从业人员平均人数的对数向量；αi为个体效应向量；v为一般随机误差项向量；u为无效率项；WN为中国31个省份的地理距离空间权重矩阵；IT为t阶单位矩阵；λ和ρ为相应方程的空间相关系数；B为回归系数向量。

为研究战略性新兴产业技术效率的影响因素，对三种随机前沿模型进行估计的同时对无效率项也进行建模估计。根据所选择的变量，将技术无效率项影响因素模型设定为如下两种形式：

uit=δ0+δ1clusterit+δ2cityit+δ3marketit+δ4statownit+δ5consumit+δ6openit+εit

(4)

(5)

(二)产业集聚度和技术效率及全要素生产率计算方法

测算产业集聚程度的指标主要有：空间基尼系数、产业集中度指数(CRn)、Hoover系数等。本文选择用区位熵来测算各省战略性新兴产业的集聚程度。区位熵的计算公式为：

(6)

其中qij为j地区的i产业的某经济指标，qj为j地区所有产业的该经济指标，qi为全国范围内i产业该经济指标，q为全国所有产业的该经济指标。LQij的值越高说明该地区的产业集聚水平越高。

普通随机前沿模型中可以通过计算无效率项并取指数函数来计算技术效率。空间随机前沿条件下计算技术效率需要加入空间权重，技术效率增长率表达式为：

(7)

技术效率增长率的非导数形式为：

(8)

运用Divisia生产率变化指数可以将相应的全要素生产率变化定义为：

(9)

(三)指标选择与数据整理

2009年以前不存在“战略性新兴产业”这一说法，但战略性新兴产业所属的很多行业却早已起步，因此为便于发现战略性新兴产业前后发展的规律，考虑到数据的完整性和可得性，可将战略性新兴产业相关数据追述到2009年以前。本文对于战略性新兴产业产值的测度选用“战略性新兴产业主营业务收入”这一指标。数据整理过程中参照汇总了多种统计资料，将七大行业的主营业务收入统一量纲后加总而成。随机前沿投入要素变量选择战略性新兴产业各行业固定资产投资额和各行业从业人员平均人数。战略性新兴产业主营业务收入及其资本和劳动投入要素数据由《中国高技术产业年鉴》《中国科技统计年鉴》《中国环境年鉴(2001-2015)》《中国新材料发展年鉴(2001-2015)》《中国新能源与可再生资源年鉴(2009-2015)》和《节能与新能源汽车年鉴(2010-2015)》汇总而成。

无效率项影响因素主要分为产业集聚和制度环境因素。产业集聚水平运用各省2000至2015年战略性新兴产业从业人员数测得战略性新兴产业的区位熵来表示。参考以往学者研究成果，制度环境因素选择城市化程度、市场化程度、外资利用程度、国有产权比重、消费水平五个解释变量。其中城市化程度为各省年度城镇人口与总人口的比值。市场化程度取自樊纲、王小鲁、朱恒鹏编制的《中国市场化指数(2011)》中的总指数。由于《中国市场化指数(2011)》只提供了1997-2009年的各类指数，按照通常的做法，2009年以后的数据均选择2009年的相应数据代替(潘越、戴亦一、刘建亮(2009))。外资利用水平为各省外商直接投资与GDP的比值，国有产权比重为各省全社会固定资产投资额中国有固定资产投资部分与总投资额的比值，消费水平为各省居民消费年度数据与各省人均GDP的比值。无效率项影响因素数据取自中国国家统计局网站。

四、实证结果分析

(一)空间相关性检验

在进行随机前沿估计时选择普通面板数据模型还是选择空间面板数据模型除了要比较模型估计的结果，还应该检验战略性新兴产业发展是否存在空间相关性。空间计量经济学中有多种方法检验空间相关关系，常见的有Moran’s I指数、Geary’C指数和Getis-Ord G指数。Moran’s I指数通常取值在-1到1之间，大于0为正相关，表示空间集聚，小于0为负相关，表示空间分散。表1报告了自2000年至2016年中国各省份战略性新兴产业产值之间的Moran’s I指数及其显著性水平。

表1 战略性新兴产业产值之间的Moran’s I指数

从两种指数测算的结果可以看出两种指数在每一年份中的P值均小于0.01，说明每一年的两种指数都在1%的水平下显著，并且15个年份的平均Moran’s I指数也显著。可认为各省份战略性新兴产业产值每年都存在显著的空间相关性。表1还显示了两种指数的变化特点。Moran’s I基本呈逐年升高的趋势。2001年达到最低值0.324，2015年达到最高值0.451。可以判断中国各省份战略性新兴产业产值有明显的空间集聚效应。

除了空间相关关系检验外，进一步计算各省战略性新兴产业人员投入的区位熵，来验证战略性新兴产业在各省中的集聚程度。并将所得的指标作为模型中的无效率影响因素进行参数估计。本文通过计算得到了2001至2016年战略性新兴产业省级区位熵，由于篇幅所限，不一一展示，仅将2016年东、中、西部三大地区七大战略性新兴产业的区位熵形成表2。

计算各省区位熵发现2016年战略性新兴产业区位熵值较高(超过1)的省份为江苏、广东、上海、福建、四川、北京、浙江。大多数仍然集中在东部地区。相比较而言山东省的区位熵值并不高，这与山东省人口基数大，各行业从业人员总数多有关。

表2 2016年三大地区分行业区位熵

表2显示了2016年三大地区七大产业的区位熵，表中21个区位熵值中大于1的有12个，可见战略性新兴产业各行业在不同的地区都存在一定的产业集聚现象。但是除了中部地区新能源汽车产业和西部地区新能源产业的区位熵数值大于2以外，其余10个数值均在2以下。说明各地区大多数战略性新兴产业集聚程度并不高。可以认为中部地区的新能源汽车产业和西部地区的新能源产业形成了一定程度的专业化集聚，整体上三大地区战略性新兴产业集聚形式主要是多样化集聚。

(二)模型的估计

对普通面板数据随机前沿模型、空间面板随机前沿模型三种模型分别进行估计，通过比较三种模型的估计结果，将模型做了筛选，保留了表现最优的模型，并将模型估计结果总结如下：

投入要素的二次项系数估计均无法通过显著性检验，可以认为投入要素仅存在一次形式。两种空间模型的一次函数形式中的空间自回归系数λ和ρ分均可通过显著性检验，结合空间相关性检验结合可以认为，空间随机前沿模型更加合理。空间自回归系数估计值为正，说明空间效应对战略性新兴产业发展存在正向影响。所有模型的随机效应σu2值都远大于σv2值，γ值在0.65以上，说明存在明显的技术无效率性；固定效应σu2值和γ值都非常小，显示不存在明显的技术无效率性。

三种模型得到的所有Hausman统计量均为负值，根据stata软件官方手册所给出的判断标准，Hausman统计量出现负值时应当选择随机效应模型。结合显著性检验结果和经济理论验证结果，仅有模式I和模式II的一次函数随机效应模型结果最为稳健，可信度也较高。接下来的技术无效率项影响因素分析也只运用这两个模型进行。

通过以上估计结果中各种指标的比较可以发现模式I与模式II的一次函数形式表现最为理想，表3展示了两个模型估计结果。

表3 最优估计结果

注：表中E-04表示10-4，E-05表示10-5。

模式I和模式II的一次函数随机效应模型所有技术无效率项影响因素变量均至少可通过5%水平上的显著性检验，且两个模型的回归系数符号一致，数值相当接近。模型筛选的结果还发现产业集聚程度clusterit的一次项能够通过显著性检验，二次项无法通过显著性检验，因此最终结果只保留该变量的一次项。估计结果说明产业集聚对战略性新兴产业技术效率的提升有线性的正向影响。

两个模型中变量city的估计系数均在-3.5附近，变量market的系数均在-0.55附近，变量statown的系数均小于-4.34，变量open的系数均小于-9.3。以上四个变量得到负的回归系数说明城市化水平、市场化水平、国有产权比重、地区对外开放程度这四个因素对战略性新兴产业技术效率存在正向影响。两个模型中变量consum的系数均在6.5以上，说明地区消费水平这一因素对战略性新兴产业技术效率存在负向影响。

五、战略性新兴产业效率分布特征及发展类型

(一)技术效率分布特征

经过模型比较后可选择拟合较好的随机前沿模型对战略性新兴产业技术效率进行测算。模式I和模式II的估计结果差别很小，可任选其中之一进行技术效率的测度。这里选择模式II的一次函数随机效应模型计算各省的战略性新兴产业技术效率，可得到全国31个省份2000年至2016年的技术效率值。由于2009年以前政府尚未提出“战略性新兴产业”的概念，并受篇幅所限，表4只展示2010年以后各省的技术效率值。

表4 31个省份战略性新兴产业技术效率

数据来源：根据模式II一次函数随机效应模型计算而得

表4计算结果可以看出2010至2016年的七年中全国所有省份的战略性新兴产业技术效率值均小于1，这说明各省份战略性新兴产业实际产出均未达到最有效产出水平，生产存在技术无效率。全国历年平均技术效率水平为0.832。表3中呈现的技术效率值还存在明显的地区差异。平均技术效率达到0.9以上的省份有9个，分别为北京、重庆、福建、甘肃、江苏、辽宁、上海、天津、浙江。其中7个省份分布在东部地区，1个省份在中部，1个省份在西部。平均技术效率在0.8以下的有13个省份，分别为安徽、广东、广西、贵州、河北、河南、江西、宁夏、青海、山西、陕西、新疆、西藏。其中仅有2个省份位于东部地区，8个省份位于中部地区，3个省份在西部地区。仅就五年的数据看全国平均技术效率波动不大也没有明显的趋势，但是将2010年以前各年份计算所得的“战略性新兴产业”所属行业技术效率值进行研究会发现，全国平均技术效率值有逐步上升的趋势。

(二)战略性新兴产业发展类型的划分

运用(8)、(9)两式分别计算战略性新兴产业技术效率增长率和全要素增长率，将所得数值统一按照组距为0.05进行分组，可以得到2010年到2016年间各省技术效率增长率、全要素增长率分布状况。按照技术效率增长率和全要素增长率的关系将各省战略性新兴产业类型划分为“效率驱动”型和“技术推进”型。

分组结果显示整体上看，全国平均的全要素生产率增长率为0.033，平均技术效率增长率为0.004，整体上全要素增长率远高于技术效率增长率。通过对技术效率增长率和全要素增长率的比较可以发现广西、安徽、山西、西藏、江西、浙江、重庆、江苏、福建等9个省份技术效率增长率超过了全要素增长率，明显属于效率驱动型。用其余省份全要素增长率剔除技术效率增长率而得到的技术进步率都比技术效率增长率要高，可以断定其余22个省份的战略性新兴产业属于技术推进型。

值得注意的是，技术推进型的省份中又有新疆、宁夏等15个省份2010至2016年间存在技术效率降低的情况，技术效率与技术进步发生了明显的背离。技术推进型的省份中，河北、广东、湖南、吉林、河南、湖北、宁夏、黑龙江、上海等省份的全要素增长率相对较快(超过0.1)，但技术效率反而有小幅下降或者几乎保持不变，可以归为此类情况。前沿技术水平不变的情况下，如果仅有少数生产单位参与前沿技术创新，也会影响新技术的推广进度。战略性新兴产业有相当多的行业属于知识技术密集型，这对参与的生产单位设置了较高的门槛条件，技术推进型的省份中，新疆、甘肃、辽宁、内蒙古、云南、陕西、海南、天津、山东等省全要素增长率相对较低(不足0.1)，而技术效率又有小幅降低或基本保持不变，可以归为此类型。

技术进步率远高于技术效率，且技术效率有所下降的情况也说明了这些地区的战略性新兴产业技术亟待推广，产业发展远未达到成熟期。而在产业导入期(初创期)，保持目前产业的多样化集聚，有利于战略性新兴产业的发展。

六、结论

通过对战略性新兴产业随机前沿模型的研究及技术效率的测度得到以下结论：

首先，战略性新兴产业发展特征。产业目前阶段是规模报酬递增的。两种投入要素的弹性之和大于1，这说明各地区增加战略性新兴产业的要素投入会加速产业的发展。劳动要素的产出弹性大于资本要素的产出弹性。这反映了目前我国战略性新兴产业增长模式还属于劳动密集型，先进技术和资本的投入没有起到决定作用。战略性新兴产业整体技术效率偏低，各地区技术效率呈增长趋势。技术效率存在由东部向中西部变迁的现象。东部地区战略性新兴产业起步较早，中西部地区战略性新兴产业发展更快。高技术效率区已经由最初的仅在东部沿海蔓延到中西部地区，全要素生产率提升主要源于技术进步。全国大多数省份战略性新兴产业研发出的新产品、衍生出的新技术尚未得到充分应用。战略性新兴产业明显处于初创期。

其次，战略性新兴产业发展的空间关系和空间集聚效应。各地区战略性新兴产业的发展存在空间正相关关系，战略性新兴产业存在空间集聚效应，但是集聚程度不高。从全国范围看，战略性新兴产业在东部地区集聚程度较高；从省级范围看，集聚程度较高的省份主要是江苏、广东、上海、福建、四川、北京、浙江等省。战略性新兴产业集聚的方式以多样化集聚为主，七大战略性新兴行业尚未形成明显的专业化集聚。

再次，产业集聚与制度环境的作用。战略性新兴产业的空间正相关关系对战略性新兴产业的发展具有正向影响。产业集聚对战略性新兴产业技术效率产生线性的正向影响。由于战略性新兴产业发展尚处于初创期，在一段时间内产业的多样化集聚会对当前的产业发展起到积极作用。战略性新兴产业技术效率明显受到城市化水平、市场化水平、国有产权比重、外资比重、地区消费水平等环境因素影响。城市化水平、市场化水平、国有产权比重、外资比重对战略性新兴产业技术效率有正向影响，地区消费水平对战略性新兴产业有负向影响。这说明了新兴产业技术远未得到推广，需要通过构建更加完善的制度环境促使产业走向成熟。

综上所述，各省份在发展战略性新兴产业过程中，由于基础、环境条件不同导致初始效率存在很大差异，但差异呈逐渐缩小的态势。产业发展中政策导向和制度环境起到了举足轻重的作用。各级政府积极推进扶持战略性新兴产业，促使了其产值的不断增长。但是一个产业的健康发展不仅体现在产值的增长，更应体现在其资源配置的合理化上。发展战略性新兴产业只有发挥其知识技术密集、物质资源消耗少、成长潜力大、综合效益好的特点，才能实现其对经济社会的全局带动和重大引领作用。政府应当充分考虑到目前战略性新兴产业技术效率偏低的特点，深究其原因，充分考虑本地区产业发展中存在的优势和劣势，扬长避短、取长补短，在产值增长的同时促使产业技术效率不断提高。

缩小地区间差距、提高技术效率水平、促进产业集聚都是国家对地区战略性新兴产业发展提出的要求。但在产业发展过程中有两点值得重视：一是各地区不能忽视自己的经济基础和资源优劣势。有一些省份不顾及本地区资源禀赋特征，不加区别的盲目投资战略性新兴行业，不仅造成了地区间重复投资、资源浪费的现象，也造成了新兴产业技术效率低下的局面。二是环境因素对战略性新兴产业存在重要影响。各地区在建设发展战略性新兴产业的过程中，应充分考虑本地区的环境因素，实现各种资源的优化配置，方能实现技术效率的快速提升。