产业转移对全要素生产率影响机制分析

纪程凯

[提要] 本文基于我国31个省1997～2016年面板数据，实证考察产业转移对全要素生产率的影响。研究发现：全要素生产率的变化与产业转移方向有关，产业转移降低承接地全要素生产率，提高转出地的全要素生产率，而人力资本、外商资本等均能提高区域全要素生产率。

关键词：产业转移;全要素生产率;系统GMM

基金项目：重庆市研究生科研创新资助项目（项目批准号：CYS18298）;重庆师范大学研究生科研创新资助项目（项目批准号：YKC18036）

中图分类号：F062.9 文献标识码：A

收录日期：2018年11月23日

一、绪论

产业转移是实现区域产业结构升级的重要途径。改革开放以来，我国东部地区得益于优越的地理区位条件，承接了大量国际产业转移，经济得到了快速发展，而中西部地区发展则相对缓慢。经过多年发展，我国区域间经济发展不平衡的现象愈发严重，东西部地区差距明显;受制于东部地区环境容量、城市规模等因素，中西部地区的生产要素无法完全自由地向生产率更高的东部地区流动，进而造成了区域间要素错配。近十年来，随着东部地区产业结构升级，劳动和资本价格不断上升，且环境规制的不断增强，导致东部地区的制造业面临的成本不断上升，且随着我国铁路网的不断完善，中西部地区的运输成本也进一步降低，这些原因导致了东部地区的制造业开始向中西部转移。2010年，国务院颁布了《关于中西部地区承接产业转移的指导意见》，对我国产业转移进行了政策上的指导。那么，东部地区的发展路径能否适用于中西部地区，向中西部转移的制造业又是否提升了中西部发展的质量和效率，其影响的机制又如何，这些仍然是当前需要探讨的问题。基于此，本文通过对我国产业转移的度量及区域全要素生产率的计算，实证分析产业转移对全要素生产率的影响及其作用机制。

二、文献综述

（一）产业转移的理论基础。产业转移是产业资本空间分布的动态变化，产业转移的过程中也伴随着生产要素的重新配置。关于产业转移的理论基础主要包括马克思的国际分工理论、赤松要的“雁行模式”以及弗农的“产品周期理论”等。

马克思的国际分工理论认为，生产力水平体现在分工的发展程度上，随着生产力的不断发展，国际分工和国内分工成为未来经济发展的趋势，而由于区域间生产要素的稀缺性和资本的逐利性，导致产业总是向能创造最大利润的区域进行转移。现代产业转移理论的渊源可以追溯到赤松要的“雁行模式”，发达地区的落后产业在欠发达地区仍然存在比较优势，而欠发达地区的要素价格存在比较优势，进而通过产业转移促进了各个区域间的产业结构调整和升级。弗农则进一步地发展了产品生命周期理论，他认为由于产业存在着生命周期，不同生命周期对要素的需求不同，因此会引发产业在要素充裕程度不同的国家或地区转移。

从理论上看，产业转移有助于促进资源合理配置、提高区域生产率，然而在实际中，由于产业转移的动因，如资源开发型、低成本型、市场拓展型、集群吸引型等不同，产业转移对区域全要素生产率的影响仍然需要加以分析和讨论。

（二）产业转移对全要素生产率影响研究现状。众多学者研究了产业转移对全要素生产率的影响。张公嵬（2013）、范剑勇等（2014）通过实证研究发现，产业转移引发的产业集聚效应，能够促进产业承接地的资源配置效率，提高了区域的全要素生产率，相似观点的学者还有马永红（2015）、谢子远（2017）等;而也有学者认为产业转移降低了区域全要素生产率，如路铭（2014）、张秀生（2017）等，主要原因在于产业转移使生产率较低的企业得到存活，且承接地丰富的要素使企业难以从“粗放型”向“集约型”转变，从而降低了资源配置效率。

产业转移对区域全要素生产率的影响机制到底如何，对产业转出地和承接地的影响是否存在异质性，仍然需要进一步的探讨。本文在以往学者研究的基础上，进一步探究了产业转移对区域全要素生产率的影响，以及全要素生产率的影响因素，从而为我国后续的产业转移提供参考和借鉴。

三、计量模型

以2003～2016年各省全要素生產率为被解释变量，以各省理念产业转移指数为主要的解释变量，并进一步加入了一系列的控制变量，进而建立一个基准分析模型：

其中，FAIit表示i省份t年的产业转移指数，Xit为控制变量矩阵，用各省份人均GDP作为经济发展水平的代理变量，用各省份高校在读学生与常住人口的比例作为人力资本水平的代理变量，用各省份人均道路面积作为技术设施水平的代理变量，用第三产业产出占GDP的比重作为产业结构的代理变量，用各省份主要城市的实际利用外商投资额的总和作为外商直接投资的代理变量，？籽t代表了时间效应，？滋i为固定效应，？着it为随机干扰项。

四、实证结果

为了保证回归结果的稳健性，本文对式（1）分别进行了系统GMM、固定效应和OLS回归。利用stata15软件，结果如表1所示。模型（2）是基于全样本对式（1）进行系统GMM的估计结果，以此为基准模型展开讨论，作为比较，模型（1）、（3）、（4）分别给出了差分GMM、混合OLS和固定效应模型的估计结果。估计结果可知，全要素生产率的一阶滞后项作为其本身的解释变量，在1%显著性水平下显著为正，系数为0.452，说明区域全要素生产率（TFP）存在一定的持续性，其主要原因可能在于，当期通过技术改进等对全要素生产率产生的影响会随时间而衰减;产业转移指数（FAI）对全要素生产率有负向影响，系数为-0.03且在1%显著性水平下显著，说明产业转移的确能够影响区域的全要素生产率，且考虑到产业转出地时产业转移指数的值为负，产业承接地的产业转移指数为正，说明产业转出地的全要素生产率会提高，而产业承接地的全要素生产率则会下降。从控制变量看，人力资本、基础设施水平、外商投资的系数为正，且均在10%的显著性水平上显著，说明这些因素均对当期的全要素生产率有促进作用;值得思考的是，经济发展水平的系数显著为负，说明经济发展水平越高，全要素生产率越低，可能的原因是本文所涉及的行业均是需要转移的劳动密集型、资源密集型及重污染型行业，经济发展水平越高的地区，人力成本及资源成本越高，同时受到的环境规制越强，进而对其要素生产率产生了负面的影响;产业结构系数不显著，说明产业转移并不受转出或转入地的产业结构的影响。

为了保证系统GMM估计参数的有效性，需要进行水平方程残差项的序列相关检验和工具变量有效性的Hansen检验及新增工具变量有效性的Difference-in-Hansen检验。参考Arellano & Band（1995）的方法，若水平方差转换差分方程的残差项存在一阶相关而不存在二阶相关，则可推断水平方程残差项不存在序列相关;针对模型（2）的一阶和二阶检验AR（1）和AR（2）的值分别为0.004和0.397，即差分方程存在显著的一阶自相关而不存在二阶自相关，由此可断定模型设定是合理的。而Hansen检验及Difference-in-Hansen检验均显著拒接工具变量不合理的原假设，说明工具变量的构造是有效的。参考Roodman（2009）、胡兵（2013）的研究，判断GMM估计是否可靠的另一个方法是通过滞后项的系数;由于滞后变量的内生性，系统GMM滞后项的系数应该介于混合OLS和固定效应模型估计量之间。由表1列示的结果看，系统GMM因变量之后项的系数为0.452，介于混合OLS估计结果（0.460）和固定效应结果（0.349）之间，同样也说明了系统GMM估计结果的稳健性。比较模型（1）～（4）可以看出，主要变量的系数变化较小，且符号均保持一致。说明系统GMM的估计系数是有效的。（表1）

注：*、**、*** 分别表示在10%、5%和1%显著性水平下显著，括号内为标准误，AR（1）、AR（2）及Hansen Test 和Difference-in-Hansen 的值为p 值

五、几点建议

本文基于我国31个省市2007～2016年的面板数据，实证检验了产业转移与全要素生产率之间的关系及全要素生产率的影响因素。研究结论说明，产业转移对全要素生产率的影响同产业转移的方向有关，产业转出地全要素生产率得到了提升，承接地的要素生产率是下降的，而区域的人力资本、外商投资、基础设施水平等均能促进生产率的提升。基于本文的研究结论，提出以下建议：第一，产业承接地在承接相关产业时，不仅仅是承接相关资本，同时也要注重人才的引进和培养，提高转移产业的可持续发展能力;第二，承接劳动密集型产业要注意产业选择，对于低生产效率的行业要给予淘汰或升级，从而使承接产业向集约型发展模式转变;第三，产业转出地要及时将落后产能的企业进行淘汰和转移，以促进高新技术产业的发展，提高自身的要素生产率。

主要参考文献：

[1]范剑勇，冯猛，李方文.产业集聚与企业全要素生产率[J].世界经济，2014.37（5）.

[2]马永红，张帆，苏鑫.基于区际产业转移视角的欠發达地区企业技术创新能力提升路径研究[J].科技进步与对策，2015.32（21）.

[3]谢子远，吴丽娟.产业集聚水平与中国工业企业创新效率——基于20个工业行业2000～2012年面板数据的实证研究[J].科研管理，2017.38（1）.

[4]张公嵬，陈翔，李赞.FDI、产业集聚与全要素生产率增长——基于制造业行业的实证分析[J].科研管理，2013.34（9）.

[5]张秀生，黄鲜华.区域制造业产业转移促进了全要素生产率提升吗？——基于中国地级市数据的研究[J].宏观质量研究，2017.5（3）.

[6]陆铭，向宽虎.破解效率与平衡的冲突——论中国的区域发展战略[J].经济社会体制比较，2014（4）.

[7]Roodman D.How to do xtabond2：An introduction to difference and system gmm in stata[J].For Online Publication，2009.

[8]Arellano M，Bover O.Another look at the instrumental variable estimation of error-components models[J].Journal of econometrics，1995.68（1）.

[9]胡兵，乔晶.中国对外直接投资的贸易效应——基于动态面板模型系统GMM方法[J].经济管理，2013.35（4）.