下载:
-
由于长期高强度开发、低效率经营，资源型城市普遍面临矿产资源枯竭、生态环境破坏、社会结构紊乱、经济增长乏力等问题，严重阻碍其可持续发展进程。基于比较优势理论，资源型城市在发展的初期大多选择以资源开发及加工作为主导产业，逐步形成资源依赖型产业集聚，产业结构形成路径依赖式递进，最终将资源型城市锁定于单一产业发展路径[1]。但随着国民经济服务化转型，资源型城市传统发展模式难以为继，经济社会发展开始步入困局。因此，亟待打破锁定效应引起的资源型产业主导城市经济的自强机制，实现资源型城市产业转型升级，进而增强其可持续发展能力。
在产业结构理论和产业集聚理论的引导下，发展服务业成为资源型城市寻求新旧动能转换的重要途径。但由于资源型城市产业结构调整进程缓慢、市场化和社会化程度较低、人才和技术制约明显，缺少发展高端服务业的要素基础和市场环境[2]。此时，通过发挥资源型产业比较优势，延伸资源产业链条，大力发展生产性服务业，对于资源型城市产业转型升级更加具有现实意义。并且，通过促进生产性服务业与采矿业和制造业的深度融合，可以发挥产业协同集聚带来的技术溢出效应、企业竞争效应以及产业关联效应，为实现资源型城市可持续发展带来契机[3]。据此，本文在有效测算资源型城市产业协同集聚指数和可持续发展水平的基础上，实证检验产业协同集聚能否提升资源型城市可持续发展能力，以期为资源型城市探索产业转型升级路径和协调经济社会发展提供有益借鉴。
-
随着资源型城市发展瓶颈不断趋紧，学者对资源型城市转型和可持续发展问题的关注逐渐增强，主要从资源型城市衰退原因、转型路径、可持续发展理念和对策等角度展开系统研究[4]。当前对于资源型城市可持续发展内涵的研究主要以定性讨论为主。例如，支大林[5]将可持续发展理念较好地融入到资源型城市转型进程，提出资源型城市在开发利用自然资源谋求发展的过程中，既要满足当代人需要，又不对后代人满足其需要的能力构成危害，主动采取合理高效利用资源、提取资源消耗补偿金、发展接续替代产业、改善民生和保护生态环境等措施，实现经济社会与资源环境的协调发展。同时，也有部分学者采用定量分析方法，基于评价指标体系衡量资源型城市可持续发展水平，以及计量经济学方法识别影响因素，据此提出改革路径和调控政策[6]。
可持续发展水平测度方法主要包括：层次分析法、生态足迹法和数据包络分析法等[7]。由于城市间要素流动日益频繁，可持续发展能力的时空格局变化和空间相关性问题逐渐得到重视[8]。对于影响因素识别，学者从政府行为、市场环境和资源禀赋等角度展开讨论[9]。总体上看，产业结构是影响资源型城市可持续发展的重要因素[10]。在路径依赖和沉淀成本的共同作用下，资源型城市产生功能性锁定、制度性锁定和认知性锁定，并最终落入“产业结构刚性”陷阱[11]。资源依赖型产业主导下的产业结构激起资源环境损耗与经济社会发展之间的矛盾，带来资源型城市转型难题[12]。同时，由于生产性服务业较高的技术进步水平以及对资本要素和劳动要素较强的集聚能力，可以有效推动经济的可持续发展和高质量增长，学者提出资源型城市应围绕优势支柱产业发展生产性服务业等政策建议[13]。
-
自Ellison和Glaeser[14]提出产业协同集聚的概念后，学者对协同集聚效应的产生机制和作用效果进行大量研究。协同集聚效应的产生机制主要围绕马歇尔空间外部性的思想展开，即中间投入品与最终产品供应商之间的联系、共享劳动力市场、增加信息交换和创新机会[15]。首先，随着社会分工逐步深化，生产性服务业从制造业中剥离，并为制造业提供专业化服务。学者从中间产品的供需关系视角证实制造业与生产性服务业协同集聚现象的存在，并衍生出“需求遵从论”“供给主导论”和“互动融合论”等理论观点[16]。其次，生产性服务业的规模经济使得信息流通速度加快，交易成本和制造业成本降低，促进制造业与生产性服务业协同集聚[17]。再次，在空间外部性正反馈机制作用下进一步深化产业协同集聚程度。从Jacobs外部性看，上下游关联产业集聚加速产业间互动融合，促进专业化人才的知识共享以及交叉领域的技术溢出。从Porter外部性看，产业协同集聚通过专业化分工机制营造竞争性市场环境，企业间良性竞争催生技术创新，形成集群竞争优势和高端化产业体系[18]。
在协同集聚效应理论研究基础上，产业协同集聚对经济效率的影响得到大量实证检验，但结论尚未统一。唐晓华等[19]发现，制造业与生产性服务业间的良好协同发展对制造业效率的提升具有显著的促进影响。伍先福[20]认为，产业协同集聚可以通过外部性经济和产业间良性互动促进生产效率提升，但也可能通过拥塞效应、沉没成本、集聚组合等作用路径阻碍生产效率提升。于斌斌等[21]实证发现，由于中国制造业技术门槛较低，制造业集聚并未表现出显著的技术溢出效应，反而是表现出“三高一低”和过度竞争的特征，且并未与生产性服务业形成良性互动。张虎等[22]研究表明，制造业与生产性服务业协同集聚空间相关程度整体不高，协同集聚具有空间溢出效应和空间反馈机制，知识溢出、技术创新与层级分工程度对制造业与生产性服务业协同集聚具有正向影响。
综上所述，现有研究仍然存在以下不足：一是，针对资源型城市可持续发展的研究，虽然已经意识到传统制造业转型升级是实现可持续发展的必要条件，但对生产性服务业的重视程度不够，更缺乏产业协同集聚作用效果的经验证据。二是，针对产业协同集聚的研究，虽然已经意识产业协同集聚具有显著的经济效益，但鲜有文献探究其具体影响机制，更缺乏资源型城市层面的实证分析。本文的边际贡献可能体现在以下几个方面：一是，现有研究主要针对制造业与生产性服务业协同集聚效应，基于资源型城市采矿业同样需要转型升级的现实考量，本文关注采矿业和制造业与生产性服务业之间的协同集聚效应。二是，深化关于资源型城市可持续发展影响因素的研究，既检验产业协同集聚的作用效果，又识别出中介变量的影响机制。三是，进一步采用空间计量模型检验产业协同集聚的空间溢出效应，并对溢出效应的动态变化特征和空间外溢范围进行多维度探究。
-
为检验资源型城市产业协同集聚对可持续发展的作用效果，本文构建如下基准实证模型
$${{\rm{Sus}}_{it}} = {\beta _0} + {\beta _1}{{\rm{Coa}}_{it}} + \delta {X_{it}} + {\alpha _i} + {\eta _t} + {\varepsilon _{it}}$$ (1) 其中，i、t分别为城市和年份；Sus为资源型城市可持续发展；Coa为资源型城市产业协同集聚；X为一系列控制变量；β和δ为待估参数；αi、ηt分别为个体固定效应和时间固定效应；εit为随机扰动项。
为进一步检验资源型城市产业协同集聚对可持续发展的影响机制，借鉴中介效应模型的研究思路，在模型（1）的基础上设定如下模型
$${M_{it}} = {\pi _0} + {\pi _1}{{\rm{Coa}}_{it}} + \delta {X_{it}} + {\alpha _i} + {\eta _t} + {\varepsilon _{it}}$$ (2) $${{\rm{Sus}}_{it}} = {\beta _0} + \beta _1^{'}{{\rm{Coa}}_{it}} + \tau {M_{it}} + \delta {X_{it}} + {\alpha _i} + {\eta _t} + {\varepsilon _{it}}$$ (3) 其中，M为一系列中介变量；式（2）反映产业协同集聚对中介变量的影响；式（3）反映中介变量对可持续发展的影响。如果系数π1和τ都显著，则表明变量M在产业协同集聚与可持续发展之间具有中介效应。同时，可以根据π1×τ的结果量化和比较中介变量的作用效果。
资源利用与环境污染在区域间的空间相关性问题已经得到广泛关注[23]，因此资源型城市可持续发展具有存在空间相关性的可能。同时，陈建军等[24]研究发现，产业协同集聚对城市生产效率的影响存在空间溢出效应。对于资源型城市而言，邻近城市之间的资源禀赋和产业基础十分相似，在学习效应和追赶效应作用下，产业协同集聚可能表现出空间互动性。因此，有必要进一步检验产业协同集聚对资源型城市可持续发展的影响是否存在空间溢出效应。本文在模型（1）~模型（3）的基础上进一步设定如下空间计量模型
$${{\rm{Sus}}_{it}} = {\beta _0} + \rho {{W}}{{\rm{Sus}}_{it}} + {\beta _1}{{\rm{Coa}}_{it}} + \delta {X_{it}} + \theta {{W}}{{\rm{Coa}}_{it}} + \varphi {{W}}{X_{it}} + {\alpha _i} + {\eta _t} + {\varepsilon _{it}}\begin{array}{*{20}{c}} {}&{{\varepsilon _{it}} = \lambda {{W}}{\varepsilon _{it}} + {\mu _{it}}} \end{array}$$ (4) $${M_{it}} = {\pi _0} + \rho {{W}}{M_{it}} + {\pi _1}{{\rm{Coa}}_{it}} + \delta {X_{it}} + \theta {{W}}{{\rm{Coa}}_{it}} + \varphi {{W}}{X_{it}} + {\alpha _i} + {\eta _t} + {\varepsilon _{it}}\begin{array}{*{20}{c}} {}&{{\varepsilon _{it}} = \lambda {{W}}{\varepsilon _{it}} + {\mu _{it}}} \end{array}$$ (5) $${{\rm{Sus}}_{it}} = {\beta _0} + \rho {{W}}{{\rm{Sus}}_{it}} + \beta _{_1}^{'}{{\rm{Coa}}_{it}} + \tau {M_{it}} + \delta {X_{it}} + \theta {{W}}{{\rm{Coa}}_{it}} + \zeta {{W}}{M_{it}} + \varphi {{W}}{X_{it}} + {\alpha _i} + {\eta _t} + {\varepsilon _{it}}\begin{array}{*{20}{c}} {}&{{\varepsilon _{it}} = \lambda {{W}}{\varepsilon _{it}} + {\mu _{it}}} \end{array}$$ (6) 其中，ρ为空间自回归系数；θ、φ、ζ为空间滞后项系数；λ为空间误差系数；μit为服从正态分布的随机误差项；W为空间权重矩阵，本文利用两市之间空间地理距离的倒数表示矩阵的元素。若λ=θ=φ=0，则为空间面板自回归模型（SAR）；若ρ=θ=φ=0，则为空间面板误差模型（SEM）；若λ=0则为空间面板杜宾模型（SDM）。
-
借鉴郭存芝等[25]基于DEA效率评价方法构建综合指标体系，据此测算资源型城市可持续发展水平。首先，构建指标评价体系。资源型城市可持续发展是以资源的合理高效利用为前提，以经济可持续发展为核心，以生态和环境保护为条件，以人和社会可持续发展为最终目的发展[26]。因此，可将资源与环境的消耗状况作为投入指标，将经济与社会的发展状况作为产出指标，进而评价资源型城市可持续发展水平。具体内容如表1所示。其次，使用熵值法对综合指标体系客观赋权，生成包含“资源利用”与“环境污染”投入，以及“经济发展”与“社会发展”产出的综合指标①。最后，使用超效率DEA模型测算出全国115个资源型城市2005—2017年可持续发展水平。
表 1资源型城市可持续发展综合指标体系
类型 一级指标 二级指标 三级指标 权重 投入指标 资源利用 土地 单位产值使用土地面积（‒） 0.155 2 水 单位产值用水量（‒） 0.207 2 电 单位产值用电量（‒） 0.205 2 气 单位产值液化石油气用量（‒） 0.432 3 环境污染 废水污染 单位工业产值废水排放量（‒） 0.402 0 废气污染 单位工业产值二氧化硫排放量（‒） 0.404 6 生活污染 生活垃圾无害化处理率（+） 0.193 5 产出指标 经济发展 经济增长 地区生产总值增长率（+） 0.072 5 经济规模 人均地区生产总值（+） 0.100 7 人均固定资产投资（+） 0.110 3 人均财政收入（+） 0.171 6 经济结构 第三产业产值比重（+） 0.003 0 工业化系数（+） 0.002 7 经济效益 第一产业劳动生产率（+） 0.378 8 第二产业劳动生产率（+） 0.102 8 第三产业劳动生产率（+） 0.057 7 社会发展 生活水平 人均年末储蓄余额（+） 0.099 0 人均商品消费额（+） 0.124 3 基础设施 人均城市道路面积（+） 0.150 8 人均绿地面积（+） 0.197 7 科技教育 科学技术支出占财政支出比重（+） 0.033 3 每万人拥有普通高校教师数（+） 0.202 9 公共服务 每万人拥有公共汽车数（+） 0.125 6 每万人拥有医生数（+） 0.066 2 注：括号内符号表示指标方向；权重系数为年度均值。 -
借鉴陈建军等[24]提出的修正E-G指数法，使用采矿业和制造业从业人数加总数据，以及生产性服务业从业人数数据，测度全国115个资源型城市2005—2017年的产业协同集聚指数。具体公式如下
$${{\rm{Coa}}_{ms}} = \left( {1 - \frac{{\left| {{{\rm{LQ}}_m} - {{\rm{LQ}}_s}} \right|}}{{{{\rm{LQ}}_m} + {{\rm{LQ}}_s}}}} \right) + ({{\rm{LQ}}_m} + {{\rm{LQ}}_s})$$ (7) $${{\rm{LQ}}_{ij}} = {{\frac{{{q_{ij}}}}{{{q_j}}}} / {\frac{{{q_i}}}{q}}}\begin{array}{*{20}{c}} {}&\;\;{i = m,s} \end{array}$$ (8) 其中，Coams为产业协同集聚指数；m为采矿业和制造业加总；s为生产性服务业；LQm为采矿业和制造业的集聚指数；LQs为生产性服务业的集聚指数，计算方法如式（8）所示；LQij代表j市i产业在全国的区位熵指数；qij为
j市i产业的就业人数；qj为 j市采矿业、制造业和生产性服务业的就业总人数；qi为 全国i产业的就业人数；q为全国采矿业、制造业和生产性服务业的就业总人数。借鉴刘叶和刘伯凡[3]的做法，将交通运输、仓储和邮政业，信息传输、计算机服务和软件业，科学研究、技术服务和地址勘查业，金融业，以及租赁和商务服务业五个产业加总作为生产性服务业。 -
鉴于资源与环境的投入状况，以及经济与社会的产出状况是影响资源型城市可持续发展的关键因素。产业协同集聚可能通过投入环节的资源利用效率和环境污染水平，以及产出环节的技术进步水平和就业结构优化等机制，进一步作用于资源型城市可持续发展。
1）资源利用效率（Res）。资源型城市基于禀赋优势通常缺乏集约式发展的内在激励，粗放式加工生产导致资源利用效率较低。而产业集聚可以带来技术溢出效应、基础设施共享效应和规模经济效应，进而提升资源配置效率[27]。同时，产业协同集聚有利于发挥专业化分工机制，促使采矿业和制造业企业聚焦加工制造环节。此时提高资源利用效率将成为企业提质增效的关键，激励企业升级技术装备、降低能源损耗。而资源利用效率提升有利于增强资源型城市可持续发展能力。本文采用GDP与城市用电量的比值反映资源利用效率。
2）环境污染程度（Pol）。资源型城市环境污染主要来自煤炭开采、洗选业和金属冶炼业，这些高污染行业由于产品附加值和技术含量较低，企业通常缺乏自主减排动力。而随着服务外包业务的发展，生产性服务业可以为采矿业和制造业在节能技术更新和减排设备升级等方面提供综合解决方案[28]，进而缓解资源型城市环境污染。但是，产业过度集聚也可能产生拥挤效应，在缺乏有效环境规制的情况下，“扎堆”式集聚可能恶化资源型城市生态环境[29]，进而阻碍可持续发展能力提升。本文采用单位工业产值SO2排放量和单位工业产值污水排放量的均值反映环境污染程度。
3）技术进步水平（Tec）。科技创新能力无疑是促进资源型城市可持续发展的内生动力来源。但由于产业结构长期处于价值链低端锁定，资源型城市普遍面临企业技术更新迟滞、社会创新意识匮乏的被动局面。而提高产业集聚程度能够通过资源配置效应和知识溢出效应促进企业创新[30]。同时，生产性服务业占比逐渐提升有利于吸引私有部门参与社会分工，促进资源型城市打破国企垄断的利益藩篱，发挥私营经济创新意识和效率优势，为资源型城市可持续发展注入科技研发活力。本文采用基于DEA-Malmquist指数方法测算的全要素生产率作为技术进步水平的代理变量②。
4）就业结构优化（Emp）。产业间合理的就业结构是城市经济发展和居民生活水平提升的关键[31]。由于资源型产业对劳动力技能要求较低，缺乏科学系统的培训机制，劳动力就业转换能力较差，失业工人再就业问题成为约束资源型城市可持续发展的重要因素。而产业协同集聚有利于促进垂直专业化分工，为资源型城市在生产服务环节创造更多的就业机会，使得剩余劳动力在产业间实现有效转移[32]。就业结构的优化有利于营造和谐稳定的社会环境，保障资源型城市实现可持续发展。本文采用生产性服务业就业人数与采矿业和制造业就业人数的比值反映就业结构优化。
-
参考现有文献的选择，本文确定如下四个控制变量：（1）经济发展水平（Eco）。经济发展水平的提升通常意味着经济社会的全面进步，采用人均GDP的自然对数表示[18]。（2）政府规模（Gov）。政府规模反映政府干预市场的能力，资源型城市政府干预过强可能存在寻租等问题，进而阻碍经济效率提升，但是政府规模提升也可能促进城市公共服务水平的提升，采用人均财政收入作为政府规模的代理变量[20]。（3）投资水平（Inv）。企业投资水平提升可以带来规模经济效应和技术进步效应，采用固定资产投资占GDP的比重衡量[33]。（4）城市规模（Sca）。城市规模越大，集聚经济效应越明显，可有效带动经济社会发展，但也可能引起交通堵塞、环境污染等“城市病”，采用人口数量占资源型城市总人口的比重衡量[34]。
-
根据《全国资源型城市可持续发展规划（2013—2020年）》明确地级行政区资源型城市的名单，兼顾数据可得性，本文最终确定115个资源型城市作为样本，观测期为2005—2017年。构建综合指标体系的具体指标数据，测算产业协同集聚的基础数据，以及控制变量数据来源于《中国城市统计年鉴》和各省市统计年鉴，部分年份个别缺失数据采用插值法补齐。数据统计口径尽量保持在市辖区层面，但部分环境污染指标仅有全市层面数据，由于采用相对指标，不会对结果产生实质性影响。变量的描述性统计如表2所示③。
表 2变量的描述性统计
类别 名称（符号） mean max min S.D. N 被解释变量 可持续发展（Sus） 0.125 6 1.576 9 0.012 1 0.117 5 1 495 核心解释变量 产业协同集聚（Coa） 0.956 5 2.801 9 0.191 4 0.510 5 1 495 中介变量 资源利用效率（Res） 0.203 5 1 0.039 9 0.155 1 1 495 环境污染程度（Pol） 0.147 2 0.765 8 0.009 5 0.107 5 1 495 技术进步水平（Tec） 0.397 4 1 0.120 5 0.140 4 1 495 就业结构优化（Emp） 0.709 0 16.666 7 0.053 0 1.118 6 1 495 控制变量 经济发展水平（Eco） 1.248 8 3.484 4 −1.323 5 0.711 8 1 495 政府规模（Gov） 0.382 8 7.619 2 0.005 1 0.474 0 1 495 投资水平（Inv） 0.739 8 2.770 2 0.023 8 0.329 2 1 495 城市规模（Sca） 0.008 7 0.032 8 0.001 4 0.005 6 1 495 -
首先，采用OLS法对模型（1）进行估计。观察表3列（1）和列（2）的回归结果，可以发现产业协同集聚（Coa）对资源型城市可持续发展（Sus）具有显著的正向影响。这体现出资源型城市通过发展生产性服务业，促进采矿业和制造业与生产性服务业之间形成上、下游产业关联，可以优化资源型城市产业结构，增强可持续发展能力。对比现有文献，陈建军等[24]提出产业协同集聚对城市生产效率具有增进作用，蔡海亚和徐盈之[35]证明产业协同集聚对雾霾污染存在明显的改善作用，这些发现在一定程度上与本文的结果相互印证。然而，生产效率和雾霾污染仅是影响城市可持续发展的部分因素，资源型城市亟待解决的问题是如何全面协调资源、环境投入和经济、社会产出之间的关系。本文进一步验证资源型城市通过提高产业协同集聚可以实现资源环境集约与经济社会发展的“双赢”④，不仅可以进一步支持产业协同集聚具有经济效益和社会效益的论断，也可以为资源型城市从产业转型方面谋求可持续发展提供理论依据。
表 3产业协同集聚对资源型城市可持续发展的作用效果
变量 Sus（1） Sus（2） Coa（3） Sus（4） Coa 0.016 5*（1.96） 0.027 8***（3.51） 0.781 1**（2.07） Coa_IV 1 157.693**（2.55） Eco 0.111 3***（13.12） 0.139 9***（4.78） 0.216 7***（3.38） Gov 0.019 1***（2.79） 0.034 8（1.52） −0.006 6（−0.26） Inv 0.030 8***（3.94） 0.012 5（0.42） 0.020 1**（2.85） Sca −2.722 3**（−2.07） −10.497 6**（−2.38） −4.961 1*（−1.83） City FE Yes Yes Yes Yes Year FE Yes Yes Yes Yes R2 0.1447 0.266 0 LM statistic 4.096（P=0.043 0） Fstatistic 16.744 HansenJstatistic 5.758（P=1.000 0） N 1 495 1 495 1 495 1 495 注：括号内为t统计量；***、**、*分别表示在1%、5%和10%水平上显著；Hausman检验结果支持采用固定效应模型。 其次，考虑可能存在反向因果关系导致的内生性问题，有必要选择合适的工具变量，进一步利用2SLS法对模型（1）进行估计。借鉴宣烨和余泳泽[36]的思路，本文将城市海拔作为产业协同集聚的工具变量。一方面，城市海拔是一个地理因素，可以满足外生性要求；另一方面，海拔越高资源开采和运输成本越大，不利于采矿业和制造业集聚，同时海拔越高经济相对落后、人才和技术制约明显，不利于生产性服务业集聚。因此，城市海拔满足相关性要求。另外，由于本文研究样本为面板数据，如果只采用城市海拔作为工具变量则会因固定效应而无法度量，因此需要寻找一个随时间变化的工具变量。市内交通对于产业间要素流动起到桥梁作用，进而可以影响产业协同集聚程度。因此，本文选择市内交通便捷程度作为工具变量，具体采用前一期城市出租车数量占全国的比重予以度量，以避免当期交通便捷程度对经济社会产生直接影响。为了保持城市海拔和市内交通便捷程度两者作用方向相一致，最终采用城市海拔的倒数与市内交通便捷程度的交互项作为产业协同集聚的工具变量（Coa_IV）。
表3列（3）和列（4）分别为第一阶段和第二阶段回归结果。第一阶段的回归结果表明，工具变量与产业协同集聚正相关；第二阶段的回归结果证实产业协同集聚可以促进资源型城市可持续发展水平提升。同时，LM statistic的结果在5%显著性水平上拒绝了工具变量识别不足的原假设，WaldFstatistic的结果大于Stock-Yogo检验10%水平上的临界值，可以拒绝工具变量弱识别的原假设，HansenJstatistic的结果无法拒绝工具变量有效的原假设，因此本文选择的工具变量是有效的。
再次，观察表3列（2）控制变量的回归结果。经济发展水平、政府规模和投资水平对可持续发展具有显著的正向影响，而城市规模对可持续发展产生显著的负向影响。可能原因在于，人均收入和政府财政收入增长带动私人和政府部门消费水平提升，进而刺激资源型城市经济持续增长；企业固定资产投资增长有利于设备更新、技术升级，转变粗放式发展模式，从而有效提高资源型城市可持续发展能力。但是，资源型城市普遍面临市场化程度较低的问题，由此导致公共服务供给相对不足、人口规模过大可能带来巨大的生态压力和社会压力，从而降低资源型城市的可持续发展能力。
-
表4列（1）~列（4）是模型（2）的回归结果，列（5）~列（8）是模型（3）的回归结果。可以发现，产业协同集聚（Coa）对资源利用效率（Res）、技术进步水平（Tec）和就业结构优化（Emp）具有显著的正向影响，而对环境污染程度（Pol）具有显著的负向影响。同时，资源利用效率、技术进步水平和就业结构优化对可持续发展具有显著的正向影响，而环境污染程度对可持续发展具有显著的负向影响。这表明资源利用效率、环境污染程度、技术进步水平和就业结构优化均是产业协同集聚影响资源型城市可持续发展的重要机制。资源型城市可持续发展能力提升主要体现在资源和环境投入环节更加集约，经济和社会产出环节更加高效。从投入环节看，产业协同集聚带来技术外溢效应和专业化分工效应，可以有效提高采矿业和制造业的节能减排能力；从产出环节看，产业协同集聚促进资源型城市转换经济增长动能、激发市场主体活力，可以带来显著的经济效益和社会效益，进而提升可持续发展能力。
表 4产业协同集聚对资源型城市可持续发展的影响机制
变量 Res（1） Pol（2） Tec（3） Emp（4） Sus（5） Sus（6） Sus（7） Sus（8） Coa 0.029 3** −0.013 7* 0.038 8*** 1.871 9*** 0.024 7*** 0.025 7*** 0.020 8*** 0.032 4*** （2.40） （−1.80） （4.61） （27.85） （3.16） （3.28） （2.65） （3.27） Res 0.105 1*** （6.04） Pol −0.153 2*** （−5.50） Tec 0.182 1*** （7.27） Emp 0.002 5** （2.77） Control variables Yes Yes Yes Yes Yes Yes Yes Yes City FE Yes Yes Yes Yes Yes Yes Yes Yes Year FE Yes Yes Yes Yes Yes Yes Yes Yes R2 0.208 6 0.178 2 0.410 0 0.401 2 0.285 1 0.281 9 0.293 4 0.266 3 N 1 495 1 495 1 495 1 495 1 495 1 495 1 495 1 495 注：括号内为t统计量；***、**、*分别表示在1%、5%和10%水平上显著；Hausman检验结果支持采用固定效应模型。 下面进一步量化和比较中介变量的作用效果。根据公式π1×τ可知，资源利用效率、环境污染程度、技术进步水平和就业结构优化的作用效果分别为0.003 1、0.002 1、0.007 1和0.004 7。可见，产出环节是产业协同集聚的主要着力点。产业协同集聚可以较为有效地缓解资源型城市技术进步迟滞和就业结构僵化的问题，进而提高经济增长速度，增强社会发展动力。但是，产业协同集聚对于资源利用效率和环境污染治理的提升效果有待进一步提高，资源枯竭和环境恶化仍是制约资源型城市可持续发展的主要障碍。
-
通常采用Moran’sI指数判断变量是否存在空间相关性。Moran’sI指数介于−1~1之间，大于0表示变量具有空间正相关性，小于0表示变量具有空间负相关性，等于0表示变量不存在空间相关性。本文采用地理距离空间权重矩阵检验115个资源型城市2005—2017年可持续发展水平的空间相关性。表5显示Moran’sI指数在观测期内均显著为正，表明资源型城市可持续发展水平具有空间正相关性，同时也验证将空间因素纳入分析框架的必要性。
表 52005—2017年资源型城市可持续发展水平的空间相关性检验
指数 2005年 2006年 2007年 2008年 2009年 2010年 2011年 Moran’sI指数 0.022** 0.036*** 0.035*** 0.032*** 0.037*** 0.036*** 0.015* （2.187） （2.951） （2.933） （2.888） （3.116） （3.028） （1.577） 指数 2012年 2013年 2014年 2015年 2016年 2017年 Moran’sI指数 0.008** 0.010* 0.007** 0.017** 0.013*** 0.016** （2.137） （1.332） （2.148） （2.097） （3.121） （2.052） 注：括号内为z统计量；***、**、*分别表示在1%、5%和10%水平上显著。 下面对空间计量模型的适用性进行检验。普通面板模型个体固定效应和时间固定效应联合非显著性LR检验值分别为1 126.12、506.28，均通过1%的显著性检验，表明个体和时间双固定效应模型为基准传统面板回归模型。内生空间交互效应和误差项空间交互效应的LM检验值分别为13.142 6、13.156 9，对应的伴随概率低于1%，表明两种空间交互效应同时存在。空间杜宾模型的Hausman检验值为63.02，通过1%的显著性检验，应选用个体时间双固定效应空间模型。Wald检验值为55.54，LR检验值为52.58，均通过1%的显著性检验，表明SDM模型无法退化为SEM模型和SAR模型。因此，本文主要对SDM模型的结果进行分析。
-
分别采用SDM模型、SEM模型和SAR模型对模型（4）进行检验，通过表6可以发现，Coa系数大小、方向和显著性都十分接近。在考虑资源型城市之间可能存在的空间相关性后，产业协同集聚对可持续发展的影响仍然显著为正。以表6列（3）为例，可持续发展水平的空间自回归系数ρ为正，且通过1%显著性水平检验，进一步证明加入空间因素的必要性。同时，产业协同集聚的空间滞后项系数同样显著为正。这表明邻近资源型城市产业协同集聚对本地区可持续发展具有正向溢出效应，邻近城市资源利用效率提升和环境治理效果改善可以带来一定的示范效应。这启示资源型城市之间可以通过区域合作实现互惠互利，进而增强其可持续发展能力。
表 6产业协同集聚作用效果的空间计量检验
变量 SEM（1） SAR（2） SDM（3） Coa 0.027 3***（3.63） 0.012 3***（3.68） 0.028 8***（3.76） λ（W×error） 0.916 5***（53.00） ρ（W×Sus） 0.830 5***（21.63） 0.729 1***（14.18） W×Coa 0.0030**（2.26） Control variables Yes Yes Yes W×Control variables No No Yes R2 0.439 5 0.433 9 0.501 1 N 1 495 1 495 1 495 注：括号内为z统计量；***、**、*分别表示在1%、5%和10%水平上显著。 在包含全局效应设定的SDM模型中，变量的参数估计不再代表其对资源型城市可持续发展的边际影响。此时通过点估计来判断是否存在空间溢出效应可能存在偏误。因而有必要进一步从Sus对Coa的偏微分视角展开直接效应和溢出效应分析[37]。如表7所示，表7列（1）为模型（4）中产业协同集聚（Coa）的空间效应分解结果，无论是直接效应、溢出效应还是总效应，均显著为正，再次证明本地区产业协同集聚和邻近城市产业协同集聚均能增强资源型城市可持续发展能力。然而，产业协同集聚的正向溢出效应的作用机制如何，即邻近城市产业协同集聚提升能否通过上述中介变量进一步作用于本地区可持续发展水平？本文着重对中介变量的效应分解情况进行分析。
表 7产业协同集聚以及中介变量的空间效应分解
变量 Coa（1） Coa（2） Res（3） Coa（4） Pol（5） Coa（6） Tec（7） Coa（8） Emp（9） 直接效应 0.028 8*** 0.031 2*** 0.097 4*** −0.013 4* −0.143 2*** 0.041 5*** 0.177 5** 1.872 5*** 0.003 0** （3.72） （2.62） （5.77） （−1.70） （−5.20） （4.99） （7.70） （28.52） （1.00） 溢出效应 0.012 7** 0.000 1** 0.112 2* −0.044 0 −0.002 3 0.215 4** 0.213 8*** −0.118 4* 0.040 1 （2.34） （2.52） （1.92） （−0.29） （−0.01） （2.43） （3.21） （−2.23） （0.06） 总效应 0.041 5** 0.031 3** 0.209 6 −0.057 4 −0.145 5 0.256 9*** 0.391 3 1.754 1*** 0.043 1 （2.46） （2.26） （1.16） （−0.37） （−0.79） （2.82） （0.20） （3.30） （0.97） 注：括号内为z统计量；***、**、*分别表示在1%、5%和10%水平上显著。 表7中，列（2）、列（4）、列（6）、列（8）为模型（5）中产业协同集聚（Coa）的空间效应分解结果，列（3）、列（5）、列（7）、列（9）为模型（6）中中介变量的空间效应分解结果。首先，列（2）和列（3）显示出Coa和Res的溢出效应均显著为正。这表明邻近城市产业协同集聚可以通过对资源利用效率产生正向溢出效应，进而提升本地区可持续发展水平。资源依赖产业通常对资源利用效率尤为关注，本地企业通过学习模仿引进邻近城市前沿技术和先进设备，在提高本地资源利用效率的同时增强其可持续发展能力。其次，列（4）和列（5）显示出Coa和Pol的溢出效应均为负，但并不显著。这体现出资源型城市之间尚未形成有效的协同治理机制，大气污染和水污染都具有较为复杂的空间关联，只有相邻城市同时实施行之有效的减排措施，才能通过环境污染治理增强其可持续发展能力。再次，列（6）和列（7）显示出Coa和Tec的溢出效应均显著为正。这表明邻近城市产业协同集聚可以通过对技术进步水平产生正向溢出效应，进而提升本地区可持续发展水平。生产性服务业受地理因素制约较弱，为扩大市场规模，生产性服务业企业通常会寻求更远距离地服务于制造业企业[38]。因此，产业协同集聚在促进本地技术进步的同时，也将通过生产性服务业企业产生的知识外溢，促进邻近城市技术进步水平和可持续发展能力提升。最后，列（8）和列（9）显示出Coa的溢出效应均显著为负，而Emp的溢出效应并不显著。这体现出相似的产业结构可能引起资源型城市之间对劳动力资源的竞争，邻近城市产业协同集聚对本地区劳动力产生较强的吸引力，不利于本地区就业结构升级，进而未能显著提升本地区可持续发展水平。总之，产业协同集聚主要通过资源利用效率和技术进步水平两个作用机制，对邻近城市可持续发展水平产生正向外溢效应。这启示资源型城市之间有必要在污染协同防治方面加强合作，在产业错位发展方面加强沟通，以便进一步提升可持续发展能力。
-
资源型城市生产性服务业的发展需要突破资源依赖产业主导下的产业结构刚性陷阱，集聚效应的发挥面临较大挑战，产业协同集聚对可持续发展的正向影响并非一蹴而就，可能存在纵向递进趋势。因此，本文进一步考虑产业协同集聚的直接效应、溢出效应及总效应随时间的动态变化。设定模型如下
$${{\rm{Sus}}_{it}} = {\beta _0} + \rho {{W}}{{\rm{Sus}}_{it}} + {\beta _1}{{\rm{Coa}}_{it}} \times {\rm{year}} + \delta {X_{it}} + \theta {{W}}{{\rm{Coa}}_{it}} \times {\rm{year}} + \varphi {{W}}{X_{it}} + {\alpha _i} + {\eta _t} + {\varepsilon _{it}}$$ (9) 其中，year表示年份虚拟变量，其他变量含义与上文一致。图1为根据地理距离空间权重矩阵所得到的2005—2017年产业协同集聚空间动态效应分解情况。
图 1产业协同集聚空间动态效应分解
整体看来，直接效应的变动趋势相对平缓，2006年以后本地区产业协同集聚对资源型城市可持续发展开始呈现正向影响。溢出效应和总效应呈现快速上升的趋势，2013年和2015年以后总效应和溢出效应的影响相继变为正向。初始阶段竞相模仿发展生产性服务业可能加剧城市之间的恶性竞争，导致产业协同集聚对邻近资源型城市可持续发展水平产生负向溢出效应。但随着资源型城市产业协同集聚程度的提升，生产性服务业辐射范围逐渐扩大，对邻近城市的影响也将转为正向。尤其是2013年以后各地逐渐落实《全国资源型城市可持续发展规划》，将发展生产性服务业作为资源型城市产业转型升级的重要抓手，鼓励城市之间进行产业合作和同城化发展，扩大了产业协同集聚在资源型城市之间的正向溢出效应。
-
资源型城市之间的学习成本，以及生产性服务业市场搜寻成本可能随着空间距离的增加而上升，导致产业协同集聚的溢出效应具有空间衰减性。因此，本文进一步设置不同阈值的地理距离空间权重矩阵，检验产业协同集聚对资源型城市可持续发展溢出效应的有效范围。空间权重矩阵设定为
$${{w}_{ij}} = \left\{ \begin{array}{l} 1/{d_{ij}}\begin{array}{*{20}{c}} {}&{i \ne j,{d_{ij}} < D} \end{array} \\ 0\begin{array}{*{20}{c}} {}&{}&\;{i = j} \end{array} \\ \end{array} \right.$$ (10) 其中，dij为资源型城市之间的地理距离；D为距离阈值。本文以200千米为起始阈值，每50千米进行一次检验，直至阈值范围达到1 500千米。产业协同集聚的溢出效应在不同地理距离范围内的变动情况如图2所示。
图 2产业协同集聚溢出效应的空间范围
图2反映出产业协同集聚的溢出效应具有一定的空间范围。在600千米范围内，空间溢出效应处于较高水平，而超过600千米后，空间溢出效应下降速度十分明显。说明产业协同集聚的溢出效应主要作用于省内资源型城市。从溢出系数的显著性来看，超过950千米范围后，产业协同集聚将不会对邻近资源型城市可持续发展产生影响。可能的原因在于，省份之间的行政壁垒成为资源型城市之间知识和技术外溢的主要障碍；一定范围内的城市具有相似的资源禀赋和产业基础，更有可能将获得的知识和技术有效转化为生产力，进而提升本地区可持续发展能力。
-
基于资源型城市比较优势，促进采矿业和制造业与生产性服务业协同集聚既符合经济规律又尊重客观现实，是资源型城市推动产业结构转型升级、实现可持续发展的必要条件。本文采用2005—2017年115个资源型城市面板数据，利用固定效应面板模型、中介效应模型和空间面板模型，实证检验产业协同集聚对可持续发展的作用效果、影响机制和空间溢出效应。结果发现：
（1）产业协同集聚对资源型城市可持续发展具有促进作用。并且，资源利用效率、环境污染程度、技术进步水平和就业结构优化是产业协同集聚影响可持续发展的重要机制，其中技术进步水平和就业结构优化的作用效果更为明显。（2）可持续发展水平的提升不仅受到自身产业协同集聚的正向影响，同时还受到邻近资源型城市产业协同集聚的正向溢出效应，并且资源利用效率和技术进步水平是溢出效应的主要作用机制。（3）进一步分析空间效应的动态变化特征，发现产业协同集聚的直接效应变动趋势相对平缓，长期具有正向影响，溢出效应和总效应呈现快速上升的趋势，近年来的影响相继变为正向。同时，产业协同集聚的溢出效应存在一定的有效距离阈值，主要作用于省内资源型城市。
基于上述结论，文本提出如下政策建议：
1. 立足产业基础，完善产业体系，促进产业协同发展。资源型城市工业基础较为优越，为其发展生产性服务业，突破“产业结构刚性”陷阱创造条件。资源型城市要鼓励采矿业和制造业企业主辅分离，扩大服务外包业务供给，在做优加工制造环节的同时促进上、下游生产服务环节协同发展。同时要加强产业园区建设和财政税收扶持力度，吸引物流仓储、技术服务和地址勘查等生产性服务业企业集聚，促进资源型城市产业链向纵深方向发展。
2. 提高资源效率，加强环境保护，增强可持续发展能力。当前资源型城市要想进一步提升可持续发展能力，则有待拓宽产业协同集聚的作用机制，而资源利用效率和环境污染程度仍有较大的改善空间。因此，应引导采矿业使用先进工艺，提高制造业装备科技含量，发挥生产性服务业的技术优势，实现资源开采、使用、回收，以及再利用效率的全面提升；应建立采矿业资源开发生态补偿机制和生态修复机制，健全制造业全方位的环境规制体系，完善资源投入、产品加工、废物利用和环境整治各环节的联动机制。
3. 突破行政壁垒，加强区域协作，发挥空间溢出效应。资源环境约束趋紧、经济社会发展失衡是资源型城市面临的共性问题。资源型城市之间具有深化合作的产业基础和利益诉求。因此，国家层面应加强顶层设计，引导采矿业和制造业在区域范围合理布局；省级层面应突破行政壁垒，促进资源和劳动力等要素合理流动，提高要素配置效率；市级层面应加强产业合作，扩大产业协同集聚带来的知识和技术外溢范围。
产业协同集聚对资源型城市可持续发展的影响
doi:10.15918/j.jbitss1009-3370.2021.3999
- 指标标准化时需要注意：若评价该指标为逆向投入指标，或正向产出指标，则按下式处理：
$ x_{ij}^* = {{{x_{ij}}} / {\max {x_{ij}}}}\text{。}i = 1, 2, \cdots, n;j = 1, 2, \cdots, m $ \normalsize $ x_{ij}^* = {{{\rm{min }}{x_{ij}}} / {{x_{ij}}}}\text{。}i = 1, 2, \cdots, n;j = 1, 2, \cdots, m $ \normalsize - 对于资源利用效率和环境污染程度两个变量，本文采用极值化方法对其进行无量纲化处理，公式为：
\begin{document}$x_i^{'} = {{{x_i}} / {\max {x_i}}} $\end{document}
作者简介:
杨桐彬（1993—），男，博士研究生，E-mail：15651963599@163.com
朱英明（1965—），男，教授，博士生导师，E-mail：yingmingzhu0428@163.com
The Impact of Industrial Co-agglomeration on Sustainable Development of Resource
-
摘要:通过发展生产性服务业促进产业协同集聚是资源型城市推动产业结构转型升级、实现可持续发展的必要条件。采用2005—2017年115个资源型城市面板数据，实证检验产业协同集聚对可持续发展的作用效果、影响机制和空间溢出效应。结果发现：（1）产业协同集聚对资源型城市可持续发展具有促进作用，并且资源利用效率、环境污染程度、技术进步水平和就业结构优化是产业协同集聚影响可持续发展的重要机制。（2）可持续发展水平的提升不仅受到自身产业协同集聚的正向影响，同时受到邻近资源型城市产业协同集聚的正向溢出效应，并且资源利用效率和技术进步水平是溢出效应的主要作用机制。（3）产业协同集聚的直接效应变动趋势相对平缓，长期具有正向影响，溢出效应和总效应呈现快速上升趋势，近年来的影响相继变为正向。同时，产业协同集聚的溢出效应存在一定的有效距离阈值。据此提出资源型城市增强可持续发展能力的政策建议。Abstract:It is a necessary condition for resource-based cities to promote the transformation and upgrading of industrial structure and realize sustainable development by developing productive service industry to promote industrial co-agglomeration. Based on the panel data of 115 resource-based cities from 2005 to 2017, this paper empirically tested the effect, influence mechanism and spatial spillover effect of industrial co-agglomeration on sustainable development. The results showed that: (1) industrial synergy had a positive impact on the sustainable development of resource-based cities. Resource utilization efficiency, environmental pollution, technological progress and employment structure optimization were the influence mechanisms of industrial co-agglomeration affecting the sustainable development. (2) The promotion of sustainable development level was not only positively affected by its own industry co-agglomeration, but also by the positive spillover effect of industrial co-agglomeration in neighboring resource-based cities. The resource utilization efficiency and technological progress were the main channels of spillover effect. (3) In recent years, the direct effect of industrial co-agglomeration was relatively flat, with a long-term positive impact; spillover effect and total effect showed a rapid upward trend, and the impact had become positive one after another. At the same time, the spillover effect of industrial co-agglomeration had a certain effective distance threshold. This paper putted forward some policy suggestions to enhance the sustainable development ability of resource-based cities.注释:1) 指标标准化时需要注意：若评价该指标为逆向投入指标，或正向产出指标，则按下式处理：
$ x_{ij}^* = {{{x_{ij}}} / {\max {x_{ij}}}}\text{。}i = 1, 2, \cdots, n;j = 1, 2, \cdots, m $ \normalsize ；若该指标为正向投入指标，或逆向产出指标，则按下式处理：$ x_{ij}^* = {{{\rm{min }}{x_{ij}}} / {{x_{ij}}}}\text{。}i = 1, 2, \cdots, n;j = 1, 2, \cdots, m $ \normalsize ； x ij为第 i个被评价对象的第 j个指标的数值。2) DEA-Malmquist指数的测算需要明确投入产出变量，本文以年末单位从业人数和资本存量作为投入变量，以GDP作为产出变量，其中资本存量采用永续盘存法估算。3) 对于资源利用效率和环境污染程度两个变量，本文采用极值化方法对其进行无量纲化处理，公式为：$x_i^{'} = {{{x_i}} / {\max {x_i}}} $ 。4) 以DEA模型测算的资源型城市可持续发展水平，可以体现资源和环境投入与经济和社会产出之间的相对关系，可持续发展水平提升意味着在不过分消耗资源和损害环境的同时，可以实现经济和社会的全面发展，从而实现“双赢”的结果。 -
表 1资源型城市可持续发展综合指标体系
类型 一级指标 二级指标 三级指标 权重 投入指标 资源利用 土地 单位产值使用土地面积（‒） 0.155 2 水 单位产值用水量（‒） 0.207 2 电 单位产值用电量（‒） 0.205 2 气 单位产值液化石油气用量（‒） 0.432 3 环境污染 废水污染 单位工业产值废水排放量（‒） 0.402 0 废气污染 单位工业产值二氧化硫排放量（‒） 0.404 6 生活污染 生活垃圾无害化处理率（+） 0.193 5 产出指标 经济发展 经济增长 地区生产总值增长率（+） 0.072 5 经济规模 人均地区生产总值（+） 0.100 7 人均固定资产投资（+） 0.110 3 人均财政收入（+） 0.171 6 经济结构 第三产业产值比重（+） 0.003 0 工业化系数（+） 0.002 7 经济效益 第一产业劳动生产率（+） 0.378 8 第二产业劳动生产率（+） 0.102 8 第三产业劳动生产率（+） 0.057 7 社会发展 生活水平 人均年末储蓄余额（+） 0.099 0 人均商品消费额（+） 0.124 3 基础设施 人均城市道路面积（+） 0.150 8 人均绿地面积（+） 0.197 7 科技教育 科学技术支出占财政支出比重（+） 0.033 3 每万人拥有普通高校教师数（+） 0.202 9 公共服务 每万人拥有公共汽车数（+） 0.125 6 每万人拥有医生数（+） 0.066 2 注：括号内符号表示指标方向；权重系数为年度均值。 
下载:
导出CSV
表 2变量的描述性统计
类别 名称（符号） mean max min S.D. N 被解释变量 可持续发展（Sus） 0.125 6 1.576 9 0.012 1 0.117 5 1 495 核心解释变量 产业协同集聚（Coa） 0.956 5 2.801 9 0.191 4 0.510 5 1 495 中介变量 资源利用效率（Res） 0.203 5 1 0.039 9 0.155 1 1 495 环境污染程度（Pol） 0.147 2 0.765 8 0.009 5 0.107 5 1 495 技术进步水平（Tec） 0.397 4 1 0.120 5 0.140 4 1 495 就业结构优化（Emp） 0.709 0 16.666 7 0.053 0 1.118 6 1 495 控制变量 经济发展水平（Eco） 1.248 8 3.484 4 −1.323 5 0.711 8 1 495 政府规模（Gov） 0.382 8 7.619 2 0.005 1 0.474 0 1 495 投资水平（Inv） 0.739 8 2.770 2 0.023 8 0.329 2 1 495 城市规模（Sca） 0.008 7 0.032 8 0.001 4 0.005 6 1 495 下载:
导出CSV
表 3产业协同集聚对资源型城市可持续发展的作用效果
变量 Sus（1） Sus（2） Coa（3） Sus（4） Coa 0.016 5*（1.96） 0.027 8***（3.51） 0.781 1**（2.07） Coa_IV 1 157.693**（2.55） Eco 0.111 3***（13.12） 0.139 9***（4.78） 0.216 7***（3.38） Gov 0.019 1***（2.79） 0.034 8（1.52） −0.006 6（−0.26） Inv 0.030 8***（3.94） 0.012 5（0.42） 0.020 1**（2.85） Sca −2.722 3**（−2.07） −10.497 6**（−2.38） −4.961 1*（−1.83） City FE Yes Yes Yes Yes Year FE Yes Yes Yes Yes R2 0.1447 0.266 0 LM statistic 4.096（P=0.043 0） Fstatistic 16.744 HansenJstatistic 5.758（P=1.000 0） N 1 495 1 495 1 495 1 495 注：括号内为t统计量；***、**、*分别表示在1%、5%和10%水平上显著；Hausman检验结果支持采用固定效应模型。 下载:
导出CSV
表 4产业协同集聚对资源型城市可持续发展的影响机制
变量 Res（1） Pol（2） Tec（3） Emp（4） Sus（5） Sus（6） Sus（7） Sus（8） Coa 0.029 3** −0.013 7* 0.038 8*** 1.871 9*** 0.024 7*** 0.025 7*** 0.020 8*** 0.032 4*** （2.40） （−1.80） （4.61） （27.85） （3.16） （3.28） （2.65） （3.27） Res 0.105 1*** （6.04） Pol −0.153 2*** （−5.50） Tec 0.182 1*** （7.27） Emp 0.002 5** （2.77） Control variables Yes Yes Yes Yes Yes Yes Yes Yes City FE Yes Yes Yes Yes Yes Yes Yes Yes Year FE Yes Yes Yes Yes Yes Yes Yes Yes R2 0.208 6 0.178 2 0.410 0 0.401 2 0.285 1 0.281 9 0.293 4 0.266 3 N 1 495 1 495 1 495 1 495 1 495 1 495 1 495 1 495 注：括号内为t统计量；***、**、*分别表示在1%、5%和10%水平上显著；Hausman检验结果支持采用固定效应模型。 下载:
导出CSV
表 52005—2017年资源型城市可持续发展水平的空间相关性检验
指数 2005年 2006年 2007年 2008年 2009年 2010年 2011年 Moran’sI指数 0.022** 0.036*** 0.035*** 0.032*** 0.037*** 0.036*** 0.015* （2.187） （2.951） （2.933） （2.888） （3.116） （3.028） （1.577） 指数 2012年 2013年 2014年 2015年 2016年 2017年 Moran’sI指数 0.008** 0.010* 0.007** 0.017** 0.013*** 0.016** （2.137） （1.332） （2.148） （2.097） （3.121） （2.052） 注：括号内为z统计量；***、**、*分别表示在1%、5%和10%水平上显著。 下载:
导出CSV
表 6产业协同集聚作用效果的空间计量检验
变量 SEM（1） SAR（2） SDM（3） Coa 0.027 3***（3.63） 0.012 3***（3.68） 0.028 8***（3.76） λ（W×error） 0.916 5***（53.00） ρ（W×Sus） 0.830 5***（21.63） 0.729 1***（14.18） W×Coa 0.0030**（2.26） Control variables Yes Yes Yes W×Control variables No No Yes R2 0.439 5 0.433 9 0.501 1 N 1 495 1 495 1 495 注：括号内为z统计量；***、**、*分别表示在1%、5%和10%水平上显著。 下载:
导出CSV
表 7产业协同集聚以及中介变量的空间效应分解
变量 Coa（1） Coa（2） Res（3） Coa（4） Pol（5） Coa（6） Tec（7） Coa（8） Emp（9） 直接效应 0.028 8*** 0.031 2*** 0.097 4*** −0.013 4* −0.143 2*** 0.041 5*** 0.177 5** 1.872 5*** 0.003 0** （3.72） （2.62） （5.77） （−1.70） （−5.20） （4.99） （7.70） （28.52） （1.00） 溢出效应 0.012 7** 0.000 1** 0.112 2* −0.044 0 −0.002 3 0.215 4** 0.213 8*** −0.118 4* 0.040 1 （2.34） （2.52） （1.92） （−0.29） （−0.01） （2.43） （3.21） （−2.23） （0.06） 总效应 0.041 5** 0.031 3** 0.209 6 −0.057 4 −0.145 5 0.256 9*** 0.391 3 1.754 1*** 0.043 1 （2.46） （2.26） （1.16） （−0.37） （−0.79） （2.82） （0.20） （3.30） （0.97） 注：括号内为z统计量；***、**、*分别表示在1%、5%和10%水平上显著。 下载:
导出CSV
-
[1] HASSINK R. How to unlock regional economies from path dependency? from learning region to learning cluster[J]. European Planning Studies, 2005, 13(4): 521-535.doi:10.1080/09654310500107134 [2] 张旺, 申玉铭, 曾春水. 十五以来中国资源型城市服务业发展研究[J]. 经济地理, 2012, 32(8): 57-63. [3] 刘叶, 刘伯凡. 生产性服务业与制造业协同集聚对制造业效率的影响: 基于中国城市群面板数据的实证研究[J]. 经济管理, 2016, 38(6): 16-28. [4] HE S Y, LEE J, ZHOU T, et al. Shrinking cities and resource-based economy: the economic restructuring in China's mining cities[J]. Cities, 2017, 60: 75-83.doi:10.1016/j.cities.2016.07.009 [5] 支大林. 我国资源型城市转型与可持续发展的困境及破解对策[J]. 福建论坛(人文社会科学版), 2015(4): 13-21. [6] LI H, LONG R, CHEN H. Economic transition policies in Chinese resource-based cities: an overview of government efforts[J]. Energy Policy, 2013, 55: 251-260.doi:10.1016/j.enpol.2012.12.007 [7] 秦炳涛, 刘蕾, 陶玉. 我国资源型城市的可持续发展评价[J]. 环境经济研究, 2019, 4(3): 142-158. [8] 熊彬, 胡振绅. 空间视角下资源型城市转型效率差异演化及影响因素分析: 以东北地区资源型城市为例[J]. 华东经济管理, 2019, 33(7): 78-86. [9] 李虹, 邹庆. 环境规制、资源禀赋与城市产业转型研究: 基于资源型城市与非资源型城市的对比分析[J]. 经济研究, 2018, 53(11): 182-198. [10] 姜海宁, 张文忠, 余建辉, 张建伟. 山西资源型城市创新环境与产业结构转型空间耦合[J]. 自然资源学报, 2020, 35(2): 269-283. [11] GRABHER G. The weakness of strong ties: the lock-in of regional development in the Ruhr area[C]// GERNOT G. Embedded Firm on the Socioeconomics of Industrial Networks. London and New York:Routledge,1993: 255-277. [12] 杨桐彬, 朱英明, 王念. 东北地区资源型城市产业结构升级的战略效应[J]. 商业研究, 2020(4): 78-84. [13] 邓兰兰. 基于资源型城市转型的生产性服务业发展研究[J]. 商业研究, 2012(8): 90-95. [14] ELLISON G, GLAESER E L. Geographic concentration in U. S. manufacturing industries: a dartboard approach[J]. Journal of Political Economy, 1997, 105(5): 889-927.doi:10.1086/262098 [15] ELLISON G, GLAESER E L, KERR W R. What causes industry agglomeration? evidence from coagglomeration patterns[J]. The American economic review, 2010, 100(3): 1195-1213.doi:10.1257/aer.100.3.1195 [16] ANDERSSON M. Co-location of manufacturing and producer services: a simultaneous equations approach[C]// Entrepreneurship and Dynamics in the Knowledge Economy. London: Routledge, 2006: 110–140. [17] 杨桐彬, 朱英明, 刘梦鹤, 周波. 资源型城市产业协同集聚、市场化程度与环境污染[J]. 产业经济研究, 2020(06): 15-27+112. [18] 文丰安. 生产性服务业集聚、空间溢出与质量型经济增长: 基于中国285个城市的实证研究[J]. 产业经济研究, 2018(6): 36-49. [19] 唐晓华, 张欣钰, 李阳. 制造业与生产性服务业协同发展对制造效率影响的差异性研究[J]. 数量经济技术经济研究, 2018, 35(3): 59-77. [20] 伍先福. 生产性服务业与制造业协同集聚提升全要素生产率吗?[J]. 财经论丛, 2018(12): 13-20. [21] 于斌斌, 杨宏翔, 金刚. 产业集聚能提高地区经济效率吗: 基于中国城市数据的空间计量分析[J]. 中南财经政法大学学报, 2015(3): 121-130. [22] 张虎, 韩爱华, 杨青龙. 中国制造业与生产性服务业协同集聚的空间效应分析[J]. 数量经济技术经济研究, 2017, 34(2): 3-20. [23] 任亚运, 张广来. 城市创新能够驱散雾霾吗: 基于空间溢出视角的检验[J]. 中国人口·资源与环境, 2020, 30(2): 111-120. [24] 陈建军, 刘月, 邹苗苗. 产业协同集聚下的城市生产效率增进: 基于融合创新与发展动力转换背景[J]. 浙江大学学报(人文社会科学版), 2016, 46(3): 150-163. [25] 郭存芝, 彭泽怡, 丁继强. 可持续发展综合评价的DEA指标构建[J]. 中国人口·资源与环境, 2016, 26(3): 9-17. [26] 侯明, 张友祥. 资源型城市可持续发展研究综述[J]. 当代经济研究, 2012(8): 58-61. [27] 师博, 任保平. 产业集聚会改进能源效率么?[J]. 中国经济问题, 2019(1): 27-39. [28] 刘奕, 夏杰长, 李垚. 生产性服务业集聚与制造业升级[J]. 中国工业经济, 2017(7): 24-42.. [29] 杨仁发. 产业集聚、外商直接投资与环境污染[J]. 经济管理, 2015, 37(2): 11-19. [30] 戴一鑫, 李杏, 晁先锋. 产业集聚协同效度如何影响企业创新: “地理、技术、组织”共生演化的视角[J]. 当代财经, 2019(4): 96-109. [31] 范剑勇, 颜燕, 王加胜. 改革以来就业结构变动及其对经济增长的贡献[J]. 宏观经济研究, 2001(9): 43-47. [32] 程盈莹, 赵素萍. 垂直专业化分工对中国劳动力就业结构的影响: 基于全球价值链的视角[J]. 经济经纬, 2016, 33(2): 131-136. [33] 曹玉平. 空间集聚、技术创新与中国省域经济增长: 基于面板数据FE-IV模型的实证研究[J]. bob手机在线登陆学报(社会科学版), 2017, 19(6): 58-69. [34] 邓翔, 张卫. 大城市加重地区环境污染了吗?[J]. bob手机在线登陆学报(社会科学版), 2018, 20(1): 36-44. [35] 蔡海亚, 徐盈之. 产业协同集聚、贸易开放与雾霾污染[J]. 中国人口·资源与环境, 2018, 28(6): 93-102. [36] 宣烨, 余泳泽. 生产性服务业集聚对制造业企业全要素生产率提升研究: 来自230个城市微观企业的证据[J]. 数量经济技术经济研究, 2017, 34(2): 89-104. [37] ELHORST J P. Matlab software for spatial panels[J]. International Regional Science Review, 2014, 37(3): 389-405.doi:10.1177/0160017612452429 [38] 余泳泽, 刘大勇, 宣烨. 生产性服务业集聚对制造业生产效率的外溢效应及其衰减边界: 基于空间计量模型的实证分析[J]. 金融研究, 2016(2): 23-36. -
点击查看大图
图(2)/
表 (7)
计量
- 文章访问数:736
- HTML全文浏览量:286
- PDF下载量:24
- 被引次数:0
