产业协同集聚、金融发展与制造业TFP

章激扬，许士道

（南京大学 商学院，南京 210093）

一、引言

伴随国内人口红利消失、要素价格上升和环境约束趋紧，国际市场萎缩和发达国家制造业回流，中国制造业亟需重塑竞争力，实现发展动能转换，其中重点在于提升制造业全要素生产率。党的十九大报告指出，要加快制造业强国建设，加快先进制造业发展，其中提升全要素生产率（TFP）是高质量发展的主攻方向之一。制造业作为实体经济的主体，其TFP水平的提升反映了高质量发展的成效。制造业TFP的提升建立于制造业发展模式的转型升级，这要求具有上下游关系的产业互动融合程度的加深，即实现现代服务业和制造业的“双轮驱动”［1］。正如2019年两会报告指出，要围绕推动制造业高质量发展，促进制造业和生产性服务业互动融合。事实上，在异质性产业实现融合的初级阶段，产业在空间上首先实现集聚，能够通过共享、匹配和学习效应推动经济发展的转型［2］。产业集聚过程中，产业之间尤其是生产性服务业和制造业之间在地理位置上的协同布局会显著影响制造业发展的演化路径，因而产业集聚对制造业TFP的研究一直广受学者们的关注。关于产业集聚对制造业TFP的研究主要从三个维度进行，并着重讨论了产业集聚带来了“集聚经济”还是“拥挤效应”。

第一，关于制造业集聚与制造业TFP的研究。柴志贤和黄祖辉（2008）研究了制造业集聚对19个细分制造业行业TFP的影响，其研究结论表明，制造业专业化集聚提高了制造业技术效率，制造业多样化集聚则促进了全要素生产率的提升［3］。朱英明（2009）的研究表明，制造业集聚带来的集聚经济对技术变化率不存在显著影响，但由此引致的城市化经济与规模经济正向推动了制造业全要素生产率［4］12-13。张公嵬和梁琦（2010）则通过实证分析证实了制造业集聚对制造业TFP以及其分解指标存在显著的促进作用［5］。张先锋和胡翠群（2013）的研究表明，制造业集聚促进了制造业TFP的增长，这一过程主要是通过提高制造业资源利用效率实现的［6］126，这一结论同时得到了龚关和胡关亮（2013）研究的支持［7］。Ke和Yu（2014）采用SFA测算制造业TFP，并通过实证检验证明了制造业集聚通过前沿技术和技术效率提升了制造业TFP，但抑制了制造业的技术进步［8］。Gornig和Schiersch（2019）基于集聚的外部性，认为制造业集聚的经济效应存在强度和方向上的差异，对高技术制造业企业TFP存在促进影响，但对低技术制造业企业的TFP不存在显著影响［9］。Wei等（2020）的研究表明，中国县级层面上的制造业集聚与制造业TFP存在显著的负向关系，且发达地区制造业集聚的负面效应明显高于欠发达地区，因而制造业的集聚并不总是能带来TFP的增长［10］。

第二，关于生产性服务业集聚与制造业TFP的研究。随着对产业关联研究的深入，生产性服务业在制造业发展过程中的角色愈发受到重视，因而，部分研究开始基于产业关联视角分析生产性服务业集聚对制造业发展效率或TFP的影响。Zhang（2015）的研究表明，生产性服务业的多样化集聚能够促进东西部地区的制造业劳动生产率，但对中部地区的制造业劳动生产率存在抑制作用［11］。刘奕等（2017）的研究表明，生产性服务业集聚对制造业生产效率的提升具有显著的促进作用［12］。宣烨和余泳泽（2017）则从微观企业入手，发现生产性服务业的集聚整体上促进了制造业全要素生产率，其中低端生产性服务业集聚对制造业企业TFP的促进作用更加明显［13］。梁军和从振楠（2018）认为，技术效率的提升使得生产性服务业集聚促进了制造业TFP乃至整个城市的TFP［14］。余东华和信婧（2018）的研究表明，生产性服务业集聚对制造业TFP产生了显著的推动作用，且当信息技术与生产性服务业集聚融合程度越高时，制造业的TFP水平就越高［15］65-66。

第三，关于生产性服务业与制造业协同集聚对制造业TFP影响的研究。随着产业之间的协调发展，产业活动在地理空间上的集聚现象愈发普遍［16～17］，且由于上下游关系的存在，制造业的区位选择更倾向于与生产性服务业在小区域内实现共聚［18］。随着生产性服务业和制造业在空间布局水平上的提升，部分研究开始关注产业协同集聚对制造业发展效率的影响。作为单产业集聚的高级阶段，产业协同集聚通过异质性产业关联和技术溢出作用于制造业的发展，进而影响制造业TFP。Cui（2012）认为，制造业和生产性服务业的发展存在相互促进的作用，产业集群的协同效应带来了制造业和生产性服务业的快速发展［19］。江静等（2007）、张振刚等（2014）指出，生产性服务业和制造业的互动提升了制造业的生产效率［20～21］。唐晓华等（2018）研究发现，在异质性产业规模等因素的影响下，生产性服务业与制造业的协同发展会对制造业TFP产生非线性的影响［22］。

关于产业集聚对制造业TFP影响的研究已较为丰富，也有少部分研究开始关注产业协同集聚对制造业TFP的影响，但纵观现有文献，鲜有研究探讨产业协同集聚作用于制造业TFP的具体路径，且忽略了这一影响过程可能存在的空间相关性。同时制造业尤其是高端制造业发展需要以一定的金融资本作为支持，在市场经济体制下，金融市场的发展能够显著影响制造业获取金融资本并缓解融资约束的能力。不仅如此，制造业TFP的提升需要制造业部门进行大量的创新投入，实现从数量型增长的粗放模式转向通过提升资本和技术等资源配置效率的集约模式发展，这一过程需要成熟完善的金融体系的支持［23］。正如十九届五中全会指出，要确保新增融资重点流向制造业和中小微企业。部分研究表明，金融发展带来的不同金融规模和金融效率会对制造业结构优化升级产生异质性影响［24］96-97，金融效率的提升会促进制造业结构的优化升级。在产业协同集聚区内部，制造业和生产性服务业会同时竞争现有的金融资本，金融发展越完善，制造业和生产性服务业的融资约束和创新约束越弱，考虑到资本的逐利性，现有的金融发展水平与产业协同集聚发展所需的金融支持是否匹配对制造业TFP的影响存在很大的不确定性，因而需要重点关注产业协同集聚影响制造业TFP过程中金融发展的作用。

相较于现有研究，本文可能存在的创新点为：（1）跨越单一的产业集聚视角，考察产业协同集聚对制造业TFP的影响，并详细分析了这一过程的具体作用路径；（2）从空间视角出发，考察产业协同集聚可能存在的空间外溢性，并着重讨论了是否考虑空间相关性之间存在的差异性；（3）产业协同集聚影响制造业TFP的过程中，金融发展水平的作用不可忽视，因而本文使用面板门槛模型，将产业协同集聚、金融发展和制造业TFP纳入同一分析框架，探讨由金融发展水平的异质性导致的产业协同集聚影响制造业TFP的异质性。

二、理论分析与研究假设

（一）产业协同集聚与制造业TFP

1.较低的产业协同集聚水平对制造业TFP的影响

较低的产业协同集聚会产生拥挤效应、竞争效应和空间负外部性，进而对制造业TFP产生抑制作用。

拥挤效应。通常认为，只有当产业协同集聚水平较高时，集聚区内部聚集了大量的产业部门才会产生明显的拥挤效应。但产业协同集聚带来“集聚经济”还是“拥挤效应”并非以集聚区内部的产业部门或企业数量作为评判依据，而是以内部产业部门间和企业间的协调性为基础，同时产业协同集聚的生产率效应通常还与发展环境的匹配程度密切相关。因此，即便集聚的产业数量不多且集聚程度不高，仍有可能出现过度竞争的局面。就中国早期的现实情况来看，产业协同集聚水平较低时，制造业的快速发展伴随生产性服务业发展的滞后，由此引致低匹配度的产业布局带来的低质量协同集聚会加剧不同生产率部门的要素竞争，造成严重的“拥挤”现象。同时，在产业协同集聚的早期，产业协同集聚并未形成有序、流程化的协作方式和规模化的生产方式，本质上并不能带来生产性服务业部门知识资本的溢出和技术的扩散，这在一定程度上抑制了制造业TFP的提升。

竞争效应。在早期的经济规模下，低水平产业协同集聚伴随产业部门发展的失调，加之逐步上涨的土地价格和要素价格以及愈发严格的环境规制，制造业部门成本上升的同时竞争力在下降。当产业协同集聚水平逐步提升时，生产性服务业的横向集聚会产生明显的竞争效应［15］66，当跨产业的协同集聚布局并不合理时，区域内部的基础设施和要素市场的竞争压力增大。当集聚的企业和行业部门的数量增加时，不同企业和生产部门一方面会进行技术革新以增强核心竞争力，另一方面会使用各种非生产性活动（如做广告和寻租等）扩大市场规模并获取一定的垄断势力，此时，大量创新能力不足、经营困难的制造业企业在竞争中失利，会选择缩减规模或直接退出市场，相关的产业资本会出现跨部门转移，造成制造业部门创新资本的减少，持续创新能力的减弱会引起制造业整体TFP的下降。

空间负外部性。产业协同集聚水平较低时，集聚区内部的制造业选址更注重成本节约和靠近消费市场，而非重点关注与生产性服务业的协同布局。

就产业间而言，低水平的产业协同集聚缺乏发展稳健的产业基础，此时的产业发展规模也相对有限，且早期的制造业部门的发展多以国际代工为主，难以通过有效的中间品需求反向推动生产性服务业的快速发展，由产业关联带来的产业间正外部性较为有限。同时，由低质量协同集聚引起的制造业生产成本和能源消耗的增加，导致高端生产要素出现跨部门和跨地区的转移，使得相关制造业部门的效率改善激励不足。

就地区间而言，一方面，基于政治锦标赛的地方政府竞争会导致明显的要素错配和产能过剩问题［24］89，由于生产性服务业发展较为滞后，地方政府会加大对制造业部门的投资，而制造业部门的低端供给和高端需求难以实现供需匹配，不及时进行供给侧结构性改革难以实现发展效率的实质性提升，此时，产业协同集聚水平的提高可能恶化要素和产品间供需错配的现象，原因在于，从制造业部门中游离出的生产要素只能流向服务业［25］，这在降低服务业生产率的同时，也通过产业关联降低制造业TFP。另一方面，由于制造业通常分布于城市外围，且制造业的污染成本存在跨边界转移的可能性，制造业企业可能会进一步向行政边界迁移，低端要素会向行政边界集中。同时，产业协同集聚引起的制造业部门资源再配置通常也并非是完全的帕累托改进，尤其是创新要素的配置，一个地区制造业部门创新要素的增加，很可能会导致其他地区制造业部门创新要素的流失，使得地区间制造业TFP的空间关联存在负外部性。

2.较高的产业协同集聚水平对制造业TFP的影响

较高的产业协同集聚会通过产业关联效应、市场规模效应和共享机制促进制造业TFP的提升。

产业关联效应。当产业协同集聚水平较高时，生产性服务业和制造业适配程度逐步提高，不满足产业协同发展需要的生产性服务业和制造业逐步退出协同集聚区。此时，具有直接上下游关系的生产性服务业和制造业分布于完整的生产链条上，生产性服务业的知识资本和技术通过产业间的关联机制对制造业部门产生了明显的外溢效应，由此对制造业TFP的提升起到促进作用［26］。生产性服务业的中间品嵌入制造业的生产环节，通过技术水平的提升降低了制造业的生产成本，强化制造业部门的核心竞争力，使其TFP水平大大增加。此时制造业的产出水平和技术水平均有别于传统的制造业，从而带来制造业内部结构的优化升级。协同集聚水平越高，由产业关联机制带来的产业联动水平越高，制造业部门TFP的提升会越高。

市场规模效应。当生产性服务业和制造业实现高水平的协同集聚时，由供需条件决定的生产要素市场和产品市场的规模会逐渐扩大，由此带来了较强的市场规模效应［4］14-15。从制造业的要素需求角度看，由于制造业和生产性服务业在地理位置上的集聚，制造业部门采购生产性服务业中间品的交易成本和运输成本趋于下降，且长期的供需关系降低了要素市场上的不确定性，同样降低了制造业部门的生产成本，这使得制造业部门的创新约束趋于缓解，反向推动了制造业部门的创新效率。从制造业部门的产品实现角度看，产业协同集聚加之较大的市场规模，制造业部门单位生产成本降低的同时伴随着产品实现周期缩短，同等时间内的周转次数增加，这使得同等要素投入下制造业的产品实现带来的利润增加，缓解了制造业部门采用更先进生产技术和进行技术引进及技术创新的资金约束，这均会对制造业TFP的提升产生正向影响。最后，市场规模效应带来的专业化分工也会对制造业部门的TFP产生促进作用［6］121。具体而言，无论是单一生产链的垂直型协同集聚还是多重生产链的水平式协同集聚，产品市场的多样化需求均有助于制造业部门实现专业化分工以实现生产效率的提高，这使得制造业部门的发展模式从“小而全”转向精细化生产，从而推动制造业部门整体的TFP的提升。

产业间的共享效应。产业间的共享效应主要是指基础设施共享和人才共享。当产业协同集聚水平较高时，区域内部的配套基础设施水平也会逐步完善。大量的生产性服务业和制造业企业实现空间集聚时，共享基础设施和专业化配套设施会降低此类设施的平均服务成本，避免了制造业部门重复投入和设施建设造成资源浪费［15］66，这表现为制造业企业平均成本的下降。当资本密集型和知识密集型制造业行业与生产性服务业在基础设施方面实现共享时，产业间关联网络愈发密集，形成更强的效率提升动力。就人才共享而言，不同的制造业细分行业与上游的生产性服务业行业可以共享各自行业的专业化人才，同时能够共享跨行业的复合型人才，这种人才共享使得制造业部门减少了人才搜寻的成本，同时能够最大程度上利用现有的人力资本，从而有助于制造业部门TFP的提升。同时，产业协同集聚条件下的共享效应还会提升制造业的学习能力，这也会对制造业TFP的提升产生促进作用。

假设1：产业协同集聚对制造业TFP存在正U型影响。

（二）产业协同集聚、金融发展与制造业TFP

在产业协同集聚的框架下，金融发展对制造业TFP可能存在双重影响。一方面，在产业协同集聚水平较高的地区，金融类资本大量流入，能够部分缓解制造业企业的融资约束，提高了制造业的技术创新能力［27］，减轻了制造业企业在技术创新和技术学习方面的资金压力，因而有助于提升制造业TFP水平。有研究表明，金融发展提供技术创新所需要的大规模融资，同时能够为制造业的技术创新提供长久的激励，促进创新行为的长期性和持续性，客观上提升了制造业的技术创新能力［28］。另一方面，金融发展也可能对制造业TFP产生抑制作用。一是制造业部门TFP的提升离不开金融部门的支持，但随着金融部门的发展，金融资本扩张带来产业间的资本竞争会提升制造业企业的融资成本，这可能会降低相关制造业企业在技术创新方面的投入；二是金融的发展需要足够的收益予以支撑，相较于制造业长期的投资回收期而言，部分虚拟行业“挣快钱”的特点会吸纳大量的金融资本，因而金融资本不一定会流向制造业。在产业协同集聚水平越高的地区，跨部门的资本竞争越可能降低会制造业获得金融资本的可能性。在制造业外部融资需求愈发强烈时，金融资本追求收益的特征会进一步压低制造业部门的创新生产能力，进而减缓制造业TFP提升的速度。但通常情况下，当产业协同集聚水平较高时，高匹配度下的产业协同集聚水平所需的金融发展越完善，产业关联效应和规模经济效应越有助于实现金融发展对制造业TFP的提升作用，但这种作用可能因为经济规模或产业协同集聚增速的下降而呈现出边际递减。

假设2：不同的金融发展水平下，产业协同集聚对制造业TFP的促进作用有所减弱。

三、模型设定与变量说明

（一）模型设定

基于现有研究和上述理论说明，本文选取了中国282个地级市2004—2016年的数据①由于本文测算制造业全要素生产率（TFP）使用的产出指标为工业产值，但由于《中国城市统计年鉴》只提供了2016年及以前分行业工业总产值数据，2017年及以后仅提供了规模以上工业企业主要财务指标，同时由于2004年之前相关变量缺失较为严重，基于测算口径统一和数据可获得性，本文最终采用的时间跨度为2004—2016年。，首先分析产业协同集聚对制造业行业TFP的影响，模型设定如下：

式（1）中，i和t分别表示城市和年份。tfp表示制造业行业的全要素生产率，agg表示产业协同集聚指数，为了衡量产业协同集聚对制造业TFP可能存在的非线性影响，模型中同时加入了产业协同集聚指数的二次项，controls表示本文实证过程中使用的控制变量集，λi和μt分别表示城市和时间虚拟变量，ε则表示模型设定过程中存在的随机误差项。

（二）变量说明

被解释变量：制造业行业TFP。本文使用DEAP2.1软件基于Malmauist指数对各城市制造业TFP进行测算，选择劳动投入和资本存量作为投入指标，工业产值作为产出指标。关于劳动投入指标，本文选择地级市制造业行业从业人数进行衡量。关于制造业资本存量的测算，通常使用的方法有永续盘存法或固定资产余额法。由于永续盘存法的使用涉及主观折旧率的选择，而不同折旧率的选择会使得资本存量的估计值存在显著差异，且中国城市统计年鉴中并不存在细分行业的固定资产投资数据，因而囿于数据的可获得性，城市层面的制造业资本存量较难通过永续盘存法测算得到。本文借鉴赵文军和于津平（2012）的做法，使用地级市规模以上工业企业的固定资产净值年均余额表示制造业的资本存量［29］，这一做法的优势在于，固定资产净值已经过相应的折旧处理，因而不涉及主观上折旧率的选择。

核心解释变量：产业协同集聚agg。通常用于衡量产业协同集聚的指数有E-G指数、泰尔指数和熵指数等。本文借鉴陈建军等（2016）的做法，使用生产性服务业和制造业各自的熵指数来构建产业协同集聚指标［30］。具体做法为，首先使用生产性服务业和制造业的就业人员计算二者各自的集聚指数，公式如下：

式（2）中，E表示当年全国所有行业的就业总数，Eij则表示i地区j行业当年的就业人数，其中j分别表示生产性服务业ps②本文选择“交通运输、仓储和邮政业”“信息传输、软件和信息技术服务业”“租赁和商务服务业”“金融业”和“科学研究和技术服务业”五个行业作为生产性服务业。和制造业m，Ei表示i地区当年的就业人数，Ej表示j行业当年的就业人数，agij则表示i地区j行业的集聚指数。在两产业各自集聚指数的基础上，计算生产性服务业和制造业的协同集聚指数，公式如下：

控制变量。在现有研究的基础上，本文在实证过程中控制了一系列控制变量：城市规模（size）使用城市年末总人口进行表示；基础设施水平（inf）使用市辖区人均城市道路面积表示；经济结构（es）衡量的方式为其中Si表示i产业在GDP中的占比；政府干预（gov）使用政府财政支出占GDP来表示；外商直接投资（fdi）使用当年实际使用外资占GDP的比重，计算过程中使用当年的汇率对FDI进行转换；产业结构（ind）使用第二产业产值与第三产业产值的比重进行衡量［31］；地区经济发展水平（pgdp）使用地区的人均GDP表示；人力资本支出（human）使用教育支出占财政支出的比重进行表示；电信发展水平（tel）使用人均邮电量进行表示；市场竞争度（com）使用Porter指数表示，具体的公式为其中Ni表示i城市工业企业的数量，Gi表示i城市的工业总产值。为了避免伪回归、消除异方差并尽可能获得平稳数据，本文在实证过程中对所有变量进行对数化处理①由于多个变量的值小于1，为了避免出现负值的情况，在进行对数化处理时统一乘以100。。

本文使用的数据来源于《中国城市统计年鉴》，在实证过程中使用各类价格指数将所有名义变量平减为以2004年为基期的不变价，对于部分缺失值，本文使用插值法进行补充。表1报告了所有变量的描述性统计。

表1 描述性统计

（三）实证结果分析②为了节约篇幅，本文省略了控制变量的回归结果，留存备索。

1.基准回归

基准回归结果列示于表2。从回归结果中可知，产业协同集聚对制造业TFP产生了显著的U型影响，即较低的产业协同集聚水平对制造业TFP产生了显著的抑制作用；随着产业协同集聚水平逐渐增加并超过拐点值后，产业协同集聚会促进制造业TFP，这验证了本文的假设1。

一个可能的解释是，当产业协同集聚水平较低时，尽管区域内部集聚的行业数和微观企业数量较少，但由于产业间协调发展的匹配程度较低，未能形成有序的协同发展模式，不同产业的异质性发展路径带来了显著的拥挤效应，具体表现为生产要素价格快速上涨、基础设施使用过度等，这使得在产业协同集聚的早期，生产性服务业的技术和知识资本没有能够实现向制造业部门溢出，一方面，以国际代工为主的制造业部门创新能力提升有限；另一方面，由于拥挤效应和竞争效应使得制造业部门甚至难以保持原有的竞争优势，最终表现为较低的产业协同集聚水平对制造业TFP产生了抑制作用。

在产业协同集聚水平逐步提高的过程中，不同的产业部门在空间上的选址更加合理，此时生产性服务业与制造业的匹配程度逐步提高，具有直接产业关联的生产性服务业和制造业在地理空间上更加临近，这一方面降低了制造业部门获取中间品的直接生产成本，也降低了制造业部门获取生产性服务业部门高水平的技术支持和知识资本的成本，同时在实现产业间的共享效应时，制造业部门能够共享生产性服务业的基础设施和人才资源等，对制造业TFP提升产生了促进作用。综合的结果使得产业协同集聚对制造业TFP的影响呈现出显著的正U型。从详细的数据统计上看，产业协同集聚水平超过U型拐点的样本共有587个，仅占样本总数的16.01%，东中西部地区的样本数分别为414个、96个和77个。这表明，中国的产业集聚水平还有较大的提升空间，且地区间产业协同发展布局的差异需要得到重点关注。需要指出的是，基于式（1）的线性回归方程，为了验证产业协同集聚对制造业TFP的U型关系具有显著的统计意义，本文借鉴Lind and Mehlum（2010）的做法［32］，对原文中两者之间的U型关系影响进行检验，表2最后一列汇报了Utest检验的p值结果。不难发现，至少在10%的显著性水平上拒绝了单调或者倒U型关系的原假设，即本文产业协同集聚对制造业TFP的影响在统计意义上存在显著的U型关系。

2.作用路径分析

制造业TFP指标又可细分为制造业生产技术变动（techch）和综合技术效率变动（effch），综合技术效率变动又可细分为纯技术效率变动（pech）和规模效率变动（sech）。在基准回归的基础上，本文尝试分析，产业协同集聚对制造业TFP的影响究竟是通过何种路径实现，具体做法是：将techch、effch、pech和sech分别取对数并作为模型的被解释变量。作用路径分析结果列示于表3。

表3 作用路径分析

从回归结果中可以看出，产业协同集聚对制造业生产技术变动不存在显著影响，对综合技术效率变动产生了显著的正U型影响，并且Utest检验的p值在1%的显著性水平上拒绝了原假设，再一次验证了产业协同集聚对综合技术效率变动的影响存在显著的U型关系。进一步分析可知，产业协同集聚对制造业TFP产生的U型影响主要是通过影响制造业纯技术效率变动实现。这一结果表明，产业协同集聚使得制造业部门对现有技术的使用效率提升，但却未对制造业部门整体技术水平和规模效率产生明显的影响。当前的生产性服务业的发展对制造业部门的技术溢出水平影响可能还较为有限，但通过与生产性服务业在空间上的协同布局，制造业部门能够通过共享效应和学习效应提升对现有技术的利用效率，进而使得产业协同集聚对制造业TFP产生了显著的正U型影响。

可能的原因在于，产业协同集聚水平较低时，协同集聚度的提升仅仅意味着生产性服务业和制造业规模的协同发展，此时相对较小的产业规模使得产业间的正外部性难以实现，同时由产业规模增长带来的资源分散冲击制造业的技术效率和规模效率［33］。随着产业协同集聚水平的提升，制造业部门对生产性服务业部门的技术追赶现象开始出现，但由于生产性服务业和制造业的多样化和专业化程度还较为有限，因而对制造业部门技术进步的提升作用尚不明显。同时，由于干中学的存在，产业协同集聚水平的提升可以通过良性的竞争和有序的合作改善制造业部门对现有技术的利用，进而推动制造业技术效率的提升。

3.基于空间相关性的分析

（1）全局空间相关性分析

区域间的经济活动通常具有明显的空间相关性，就本文的研究而言，产业协同水平的变动涉及不同的产业部门在地区间的迁址转移，制造业TFP的变动也涉及生产要素和新兴资源在区域内部和区域之间的流转。因此，本文基于空间相关性，建立空间自回归模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM），重新分析产业协同集聚对制造业TFP存在的影响，具体模型设定如式（4）所示。

式（4）中，当λ＝δ＝0时，上式演化为空间自回归模型（SAR）；当τ＝ρ＝δ＝0时，上式演化为空间误差模型（SEM）；当λ＝0时，上式演化为空间杜宾模型（SDM）。tfpit-1表示本地区制造业TFP的滞后项，tfpt表示其余地区制造业的TFP，W′i和d′i表示对应空间权重矩阵的第i行，controls表示控制变量集，与本文前述研究相一致，m′i表示扰动项空间矩阵的第i行，δ表示解释变量空间滞后项的系数。W为本文使用的空间权重矩阵。关于空间权重矩阵的设定，本文采用相邻矩阵表示，其中矩阵的第（i，j）个元素表示为：若i城市和j城市相邻，则对应元素为1，否则设定对应元素为0，在实证检验过程中对矩阵进行标准化处理［34］。

为了检验空间相关性的引入是否合适，需要对制造业TFP进行空间相关性分析，如果制造业TFP存在显著的空间相关性，则使用空间计量分析是合适的。基于此，本文使用全局莫兰指数（Global Moran）对不同年份的制造业TFP进行双尾检验，具体测算如式（5）所示。

式（5）中，xi表示i地区制造业TFP的观测值，为均值，为样本方差，wij为空间邻近矩阵的（i，j）元素，为所有空间权重之和。全局莫兰指数的取值范围为［-1，1］，若该指数值越趋向于1，则表示数据的高值及低值按类别分别在空间上集聚，空间正相关性越强；若该指数值越趋向于-1，则表示数据的高值及低值在空间上相互集聚，空间负相关性越强；若指数值趋向于0，则表示数据之间相互独立，在空间上随机分布，具体检验结果如表4所示。

表4 制造业TFP全局莫兰指数检验

从表4的检验结果来看，制造业TFP的全局莫兰指数值在各个年份均为正，并且至少通过了5%的显著性水平检验，由此可见制造业TFP存在显著的空间正相关性，因而建立空间计量模型是合理的。基于此，模型回归结果列示于表5。从空间相关性的系数（ρ／λ）上看，制造业TFP存在显著的空间相关性，这与表4的Moran指数的检验结果相一致。三种空间回归模型的结果均表明，产业协同集聚对制造业TFP的影响呈现显著的正U型，这表明考虑到可能存在的空间相关性，本文的研究结论依旧是成立的。此外，对数似然比检验表明，空间杜宾模型估计结果优于空间自回归和空间误差模型。从空间杜宾模型的回归结果可知，相邻地区的产业协同集聚对本地区的制造业TFP并不存在显著的影响。

表5 空间计量回归结果

鉴于上述空间杜宾模型的回归系数并不能直观反映产业协同集聚对制造业TFP的影响程度，因此，需要具体分析直接效应、间接效应和总效应，相关结果列示于表6。产业协同集聚对制造业TFP的直接影响和总影响均呈现了显著的正U型，而间接影响并不显著，这表明尽管存在显著的空间相关性，产业协同集聚对制造业TFP的总影响主要是由直接影响导致，而由空间溢出带来的间接效应尚未对制造业TFP的变动产生明显作用。进一步地，不考虑空间相关性基准回归的U型拐点值为5.681，考虑到空间相关性时，产业协同集聚影响制造业TFP的U型拐点值为5.693，这表明，尽管制造业TFP存在显著的空间正相关性，但这种正相关性可能是通过区域间产业部门的优质生产要素竞争而非正向空间外溢实现的，因而使得本地区产业协同集聚对制造业TFP由抑制转向促进的拐点值的到来发生了延迟。

表6 直接效应、间接效应和总效应

（2）局部空间相关性分析

《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》提出，发挥中心城市和城市群带动作用，建设现代化都市圈。2021年是“十四五”开局之年，推动城市群、都市圈发展，成为多个地区的重点工作内容。中国地域广袤，各个地区由于产业资源禀赋、金融发展基础和制造业发展水平等因素的不同，产业协同对制造业TFP的影响可能存在地区之间的差异，故前文基于全局空间相关性的分析可能在局部地区存在不同的结果。基于此，本文参考于伟等（2021）关于城市群空间界定及依据［35］，选取了京津冀、长三角、珠三角、长江中游、成渝、关中、哈长和中原八大城市群为研究对象，进一步考察了产业协同集聚在不同城市群是否存在异质性的影响，城市群空间范围界定和依据如表7所示。

表7 中国八大城市群空间界定及依据

构建空间模型的前提在于相关变量存在空间上的相关性，在上述关于中国城市群划分的基础上，表8汇报了不同城市群制造业TFP莫兰指数的检验结果。不难看出，除了长三角和中原城市群制造业TFP在绝大多数年份里存在显著的空间相关性之外，其余城市群均未呈现显著的空间相关性。鉴于不同城市群TFP空间相关性并不明显，因而从中国八大城市群的分析来看，前文关于中国全域范围内的空间分析在局部范围并未具有广泛的意义。

表8 不同城市群制造业TFP莫兰指数检验

表8（续）

四、进一步分析：金融发展如何影响产业协同集聚作用于制造业TFP的过程

本文的研究表明，产业协同集聚对制造业TFP产生了显著的正U型影响。而作为资本密集型行业，制造业生产过程的实现需要一定的金融支持，因此需要重点关注产业协同集聚影响制造业TFP过程中金融发展的作用。现有研究从产业集聚视角和金融发展视角对制造业TFP分别进行了大量的研究，但鲜有研究在分析产业协同集聚影响制造业TFP时将金融发展考虑在内。因此本文建立如下门槛模型，分析金融发展的异质性如何改变产业协同集聚影响制造业TFP的过程，具体模型如式（6）所示。

为了同时考察产业协同集聚本身对制造业TFP的直接作用以及金融发展在此过程中的间接作用，本文在建立门槛模型时保留了产业协同集聚的一次项和二次项。（6）式中，I（.）表示判断函数，当括号中的条件成立时为1，不成立时为0。此外值得注意的是，为了得到性状良好的回归结果，门槛变量的选取应该尽量外生。参考Hansen（1999）的文章［36］，由于严格外生的门槛变量比较难以获取，可以适当放宽严格外生的假定，且门槛变量的选取可以是使用模型本身已经有的变量或者模型以外的变量。鉴于此，本文选取的门槛变量为金融发展水平fin，采用金融机构的贷款余额与GDP的比重进行衡量。γ1，…，γn表示相应的门槛值，具体个数有待进一步检验来确定，其余变量与本文的基础回归部分相一致，在此不做赘述。

本文采用自抽样法300次获得门槛变量的个数、具体数值以及对应的显著性。从表9的门槛自抽样结果中可以看出，金融发展存在三个显著的门槛值，分别为0.004、0.014和0.017，因此本文基于三重门槛进行分析。

表9 门槛自抽样结果

表10汇报了本文门槛回归的结果。从产业协同集聚的系数上看，产业协同集聚对制造业TFP仍然存在显著的正U型影响，这再一次验证了本文基础回归结论的稳健性。从不同的金融发展区间上看，当金融发展大于第三个门槛值0.017时，样本区间因为多重共线性被舍去，可知大于0.017的金融门槛区间实际并不存在。因此，本文将金融发展分为三个区间，即低金融发展区间（fin＜0.004）、中等金融发展区间（0.004≤fin＜0.014）和高金融发展区间（0.014≤fin＜0.017）。结果表明，在低金融发展区间，产业协同集聚对制造业TFP不存在显著影响，在中等金融发展区间，产业协同集聚对制造业TFP产生了显著的促进作用，在高金融发展区间，产业协同集聚对制造业TFP仍然产生了显著的促进作用，但是促进作用有所减弱。

表10 门槛回归结果

对于此结果，可能的原因在于，在金融发展水平较低时，政府干预和政策性的金融支持会使得金融资本流向不具竞争优势的落后产业部门，此时金融扭曲较为严重。产业协同集聚区内的制造业部门难以争夺政策性金融资本，同时难以获得由生产性服务部门带来的知识溢出，制造业部门的创新约束和生产约束现象较为普遍。但同时，以出口驱动发展的模式依旧使得制造业获取了大量的国际FDI，这在一定程度上缓解了制造业部门的创新约束和生产约束，综合作用使得在金融发展的初期，产业协同集聚对制造业TFP的影响并不显著。随着金融发展水平的提升，产业协同集聚水平也进一步提高，高端生产性服务业和制造业的空间布局更加协调，金融资本在两部门之间的分配逐渐合理，无论是竞争性金融资本还是政策性金融资本都开始大量流向金融需求较高的制造业，缓解了制造业部门的创新约束和生产约束，同时，在外向型发展战略导向下，制造业获取的金融资本和FDI具有一定的替代性，这进一步缓解了制造业部门的信贷约束［37］，因而在产业协同集聚区的制造业部门既通过获取金融资本缓解金融约束，又通过金融资本和FDI的相互替代提升了制造业部门的学习能力，进而提升了制造业的TFP。随着金融发展水平的进一步提升，一方面，尽管产业协同集聚仍然能够通过金融发展对制造业TFP产生促进作用，但这种促进作用逐步下降，另一方面，金融资本的大量聚集会对以制造业为代表的实体经济的发展产生挤出，导致创新资源和生产要素“脱实向虚”，压缩了制造业部门TFP的提升空间，且产业协同集聚水平越高，金融资本竞争现象会进一步加剧，弱化了制造业部门的资本竞争力，这使得制造业部门的创新行为开始收缩，进而减缓了制造业部门TFP的提升速度，最终表现为产业协同集聚对制造业TFP的促进作用有所下降。

五、结论与政策建议

（一）结论

高质量发展阶段，中国制造业亟需重塑竞争力，重点任务之一在于提升制造业全要素生产率。本文选取了282个地级市2004—2016年的面板数据，实证检验了产业协同集聚、金融发展与制造业TFP之间的关系。本文的研究结果表明，产业协同集聚对制造业TFP的影响呈现显著的正U型，且这一过程主要是通过产业协同集聚影响制造业综合技术效率中的纯技术效率变动实现。当考虑到可能存在的空间相关性后，产业协同集聚对制造业TFP的影响仍然呈现显著的正U型，但是从抑制转向促进的拐点发生了延迟，且产业协同集聚对制造业TFP影响的总效应主要由直接效应构成。进一步的门槛回归表明，在低金融发展区间，产业协同集聚对制造业TFP不存在显著影响；在中等金融发展区间，产业协同集聚对制造业TFP存在显著的促进作用；在高金融发展区间，产业协同集聚对制造业TFP仍然存在显著的促进作用，但促进作用有所减弱。

（二）政策建议

基于上述的研究结论，本文提出如下政策建议：

首先，要继续推进产业协同布局，获取产业协同集聚对制造业TFP的促进作用。地方政府应当采取功能性产业政策和区位导向性产业政策，促进地区生产性服务业尤其是高端生产性服务业和制造业的协同集聚，既要提升产业协同集聚的水平，又要提高协同集聚的质量，通过产业关联效应和溢出效应提升制造业TFP。其次，由于地区间的经济发展水平和技术创新能力存在差异，因此要强化区域之间的分工与合作，从各地区的禀赋条件和发展定位出发，制定因地制宜的产业协同集聚引导政策，推动区域产业协同集聚内部结构的优化升级，同时能够在地区产业分工的基础上，通过地区间的高效合作，推动产业在地区间的有效转移并建立产业融合的中介平台，获取产业协同集聚对区域间制造业TFP的正向溢出效应。最后，要发挥产业协同集聚对制造业生产技术和规模效率的推动作用，即要通过产业协同集聚促进产业之间的互动融合，推动生产性服务业向制造业部门的技术溢出，又要在此基础上通过产业间的资源配置提升制造业的规模效率。

由于金融发展水平的提高能够使得产业协同集聚促进制造业TFP的提升，因而在推动产业协同集聚的过程中，一方面要同时推动金融发展水平的提升，银行的信贷规模和非银行金融机构的其他金融资本规模要与区域产业协同集聚的水平和集聚区内的经济规模相匹配，实现金融资本融资方式的多样化，为制造业发展提供综合性的融资服务，确保制造业TFP提升过程中不存在明显的外部资金约束。当金融发展体系足够成熟时，可推动金融机构针对制造业企业建立多样化、个性化的融资对接服务。另一方面，制造业行业和制造业企业要确保金融发展带来的资金支持得到有效利用，专注自身的核心业务，增加创新和产品研发投入，既能提升TFP水平以提高竞争力，又能以此为条件进一步扩大融资，为TFP的持续提升创造有利条件。