产业协同集聚对全要素生产率影响的门槛效应研究
——基于中国246个城市的实证检验

伍先福

(广西师范大学 经济管理学院，广西 桂林 541004)

摘 要 ：在借助一般门槛模型估计门槛值的基础上，利用门槛值生成虚拟变量来构建分段函数以求解模型参数，并进一步利用中国246个地级及以上城市2003—2016年的面板数据进行实证检验，结果发现：当制造业专业化集聚度分别跨越门槛值1.0299、2.1741、2.0651后，生产性服务业与制造业协同集聚对全要素生产率、纯效率改善和生产规模变化的影响均由负转正，而跨过门槛值2.1741后对纯技术进步的正向影响却由正转负；当以生产性服务业专业化集聚度为门槛变量时，生产性服务业与制造业协同集聚对全要素生产率及其分解指标的门槛效应不显著或不存在。

关键词 ：产业集聚；协同集聚；全要素生产率；门槛效应

一 、问题提出与文献综述

党的十九大报告指出，我国经济发展必须坚持质量第一、效益优先，以供给侧结构性改革为主线，推动经济发展质量变革、效率变革、动力变革，提高全要素生产率。综合既有文献，发现影响全要素生产率(下文简称TFP)提升的因素众多，而产业集聚(包括专业化集聚、多样化集聚和产业协同集聚等)被认为是相对重要的一项，且多表现出非线性的影响。从既有研究看，产业专业化集聚对TFP影响的“门槛效应”普遍存在：当以制造业专业化集聚水平为门槛变量时，只有集聚水平介于0.0155～0.0492之间才最有利于促进TFP增长(王丽丽 等，2009)。而且，产业空间集聚对TFP及技术进步的影响在不同门限区间的行业技术梯度特征较明显，资源性和中低技术行业的集聚水平较低但集聚效应较高(王燕 等，2012)。当以生产性服务业专业化集聚度为门槛变量时，发现生产性服务业专业化聚集对经济增长(TFP提升)的作用呈现出先负后正的“U”形特征(李子叶 等，2015)。虽然既有文献对产业集聚与生产率之间的非线性关联或门槛效应进行了较有意义的探讨，但这些研究基本上以制造业或服务业的专业化集聚为研究对象，并未将产业协同集聚作为一个整体予以分析。那么，生产性服务业与制造业协同集聚作用于TFP时是否存在“门槛效应”？

产业协同集聚由构成产业专业化集聚度聚合而成，其作用于TFP的机理必然与构成产业专业化集聚息息相关。当一个构成产业专业化集聚度低时，另一构成产业专业化集聚度越低，产业协同集聚指数相反越高，这种缺乏产业积累沉淀的协同集聚指数并不利于生产率增长。这是因为，此时的产业协同集聚不仅整体规模有限，而且相应的生产性服务业与制造业之间的投入产出关联较弱，则外部性经济与产业间良性互动所释放的积极作用力非常有限，使得沉没成本、不良集聚组合等释放的消极作用力相对性大幅攀升。相反，当一个构成产业专业化集聚度高时，另一构成产业专业化集聚度越高，产业协同集聚指数也越高，整体上可推动TFP提升。这是因为，此时的产业协同集聚能较好地发挥MAR外部性(Henderson,2003)、Jacobs外部性(Jacobs,1970)、Porter外部性(Porter,1998)等积极力量，使得其作用情景与专业化集聚作用于TFP时相仿；而据Melo等(2009)对集聚经济与生产率间关系的重要文献梳理，发现34项研究中有31项成果表明了集聚与生产率之间呈现正向关系。据此，本文推测，产业协同集聚作用于TFP时呈现出随构成产业专业化集聚度变化而由负转正的门槛效应规律，即当构成产业集聚度低时，产业协同集聚度与TFP增长成反比；当构成产业集聚度高时，产业协同集聚度与TFP增长成正比。

为此，本文拟以构成产业专业化集聚度为门槛变量，以产业协同集聚度为门槛依赖变量进行门槛效应验证。本文的研究特色在于，以产业协同集聚的构成变量——制造业专业化集聚度和生产性服务业专业化集聚为门槛变量，如此可更有效地观察产业协同集聚对TFP影响的非线性特征；同时，所构建的两阶段门槛模型较好地解决了内生性问题，即在根据一般门槛模型求出门槛值的基础上，利用门槛值构建虚拟变量生成分段函数模型，并采用IV-GMM方法对模型参数进行估计。

二 、研究设计

(一 )模型构建

1.一般面板门槛模型的构建

Hansen(1999)正式提出并构建了门槛模型，并对门槛值的参数估计与假设检验进行了严格的统计推断。以包含两个门槛值的面板模型为例，可对其模型设定如下：

该材料由世界上最高比例的植物基原材料-聚酯和聚氨酯制成。 “Ultrasuede BX”也是世界上第一种采用植物基聚氨酯制成的无纺麂皮绒面料。

(1)

式(1)中，1(·)1(·)为示性函数，即当括号内命题为真时取值1，反之则取0；ε 为服从i .i .d .且为正态分布的扰动项。参考式(1)，本文首先构建如下一般性面板门槛模型：

(2)

(3)

(4)

(5)

（41）世祿權臣不信，非毀玄帝降言誠訓。（《太上說玄天大聖真武本傳神呪妙經註》卷六，《中华道藏》30/579）

调研结果与《宜昌市装备制造业人才白皮书》相似：宜昌市有关机械制造专业群的高端技能人才严重缺乏；宜昌市装备制造业最紧缺的高技能人才岗位见图1：

2.基于内生性视角的两阶段门槛模型

虽然Hansen(1999)所构建的门槛模型较好地解决了固定效应情形下门槛效应估计问题，但该模型要求所有解释变量均为外生变量。而根据整体模型的Durbin-Wu-Hausman检验及具体变量的Wald检验结果，发现产业协同集聚指数(r )和人均地区生产总值(pgdp )为内生变量。可见，直接沿用原有Hansen门槛模型进行参数回归的方法可能并不妥当。为此，本文参照李梅等(2012)的处理思路，即首先根据式(2)-(5)进行门槛值估计，然后，根据相应门槛值生成虚拟变量，并构建如下代求参数模型：

(6)

(7)

(8)

(9)

(2)门槛依赖变量。本文门槛依赖变量与核心解释变量相同，均为产业协同集聚指数(r )。

(二 )变量选取

苏轼“以诗为词”的词学理论是建立在“诗词同源”基础之上的，“清诗绝俗，甚典而丽。搜研物情，刮发幽翳，微词宛转，盖诗之裔”［3］。词为诗之苗裔，苏轼重点强调的是词如诗的主观抒情性、个性化的色彩，用以淡化词之媚俗，展现文人士大夫刚健清雅的精神境界，这就打破了词为艳科的藩篱，摆脱了音律对词的束缚，从而改革词风，扩大词境，促进词之雅化，提高词之品格。古往今来的论者，对“以诗为词”的褒扬者，其在自己所处时代的历史境遇内，皆是以诗词的相通之处——诗词均出自于《诗》、《骚》、古乐府，都能吟咏性情，皆可作为察政观俗的工具，词可寓诗人的句法［4］50为基点，进而对苏轼“以诗为词”理论的进行发扬。

本文被解释变量包括全要素生产率及其分解项，并根据基于超效率模型的Global Malmquist指数法(DEA)进行测度。在Malmquist指数(MI指数)分解上，本文采用Ray等(1997)的分解思路，即将TFP 变化分解为纯技术效率变化(PEC )、纯技术变化(PTC )和规模变化因子(SCH )。在变量形式上，一律采用累乘积。测度TFP 所需的资本存量K 采用永续存盘法进行计算，其中，城市基年基本存量、城市固定资本形成额的测度参照王艺明等(2016)方法，即通过市省固定资产投资比进行折算；投资价格指数遵循单豪杰(2008)思路，即2004年及以前采用分省的固定资产形成价格指数，2004年以后采用分省的固定资产投资价格指数；折旧率设置为10.96%。此外，为了尽量减少基年资本存量核算误差引起的资本存量测算偏误，本文选择远离样本考察期(2002—2016年)的1985年作为城市资本存量核算的基年。

2.核心解释变量

产业协同集聚指数(r )为本文的核心解释变量，具体测算参考陈国亮等(2012)、杨仁发(2013)等的思路，即首先构建城市i 产业j 的区位熵指数，其公式为：

式(2)至式(5)中，TFP 、PEC 、PTC 、SCH 为被解释变量，分别代表全要素生产率、纯效率改善、纯技术进步、生产规模变化等；q 为门槛变量，γ ₁、γ ₂为对应的门槛值；r 为核心解释变量，即生产性服务业与制造业协同集聚指数；X 为系列控制变量；u _i 表征不随时间变化而变化的个体效应，ε 是服务i .i .d .及正态分布的扰动项；为待估参数。

LQ _ij =(e _ij /E _j )/(e _i /E )

(10)

其中，e _ij 表示城市i 产业j 的从业人员数，E _j 表示全国产业j 的从业人员总数，e _i 表示城市i 所有产业的从业人员数，E 表示全国所有产业的从业人员总数。

其次，根据式(10)测算结果构建产业协同集聚指数，其计算公式为：

r _i =1-|LQ _im -LQ _is |/(LQ _im +LQ _is )

(11)

(1)门槛变量。本文门槛变量为构成产业专业化集聚度，即分别为制造业区位熵指数(mr )和生产性服务业区位熵指数(sr )，其测算公式同式(10)。

3.门槛变量及门槛依赖变量

根据式(11)，可测算出城市i 任意两大产业间的协同集聚指数r _i ，其值越大，则说明该城市产业协同集聚程度越高。

1.被解释变量

式(6)至式(9)中，dummy 1、dummy 2为存在两个门槛值下依次生成的两个虚拟变量。其他各变量的含义同式(2)至(5)。在对式(6)至式(9)的参数回归时，本文选择GMM方法，其一是考虑到模型内生性问题，其二是考虑到本文基于中国246个城市的面板数据存在不同程度的异方差，所以，相对于NLS估计，GMM更适用于本文模型。

4.控制变量

结合TFP 影响因素的既有文献，本文主要考虑如下控制变量：第一，经济发展水平(pgdp )，采用人均地区生产总值来衡量。第二，人力资本(human )，采用“每万人高校在校大学生数量”为代理变量。第三，结构因素，禀赋结构(klo )采用实际资本存量与劳动力就业量的比值来衡量；产业结构(indser )采用市辖区二、三产业增加值之比进行测度。第四，城镇化指数(urb )，通过人口城镇化、经济城镇化、空间城镇化、社会城镇化等4个一级指标及8个二级指标构建的城镇化指数来衡量(伍先福 等,2016)。第五，市场作用力，首先是市场化程度(mark )，借鉴肖攀等(2013)，采用城镇私营和个体从业人员占城市劳动力就业总数的比重来衡量；其次是市场竞争度(com )，参考孙晓华等(2013)采用城市i 市辖区内的工业企业数与工业生产总值之比除以城市i 市辖区样本年度里企业总数与工业生产总值之比的平均值来近似描述。第六，外资依赖度(FDI )，考虑到该指标市辖区数据不全，以各城市全市当年实际使用外资金额占全市GDP的比重来衡量。第七，政府干预度(gov )，使用市辖区一般财政预算内支出占GDP的比重来衡量。第八，基础设施水平(inf )，参考洪功翔等(2014)，采用市辖区人均城市道路面积作为代理变量。

以上变量所用样本数据均来自于历年《中国城市统计年鉴》和《中国统计年鉴》。在时期跨度上，为保持统计口径一致，本文选取2004—2017年的年鉴，即2003—2016年的观测数据① 计算TFP指数的时间跨度为2002—2016年，其中，2002—2003年度的TFP 数据对应产业协同集聚及其他变量2003年的数据，依此类推。；在样本遴选上，以数据完整作为基本筛选依据，最终遴选出中国246个地级及以上城市作为观测样本。针对变量核算或数据整理，采取如下处理方法：第一，测算TFP 指数及其分解指标所用的劳动力投入由“年末单位从业人员数”和“城镇私营和个体从业人员”加总而成，产出变量数据为平减后“地区生产总值”。第二，测算产业协同集聚指数的制造业包括《国民经济行业分类(GB/T4754—2011)》中13-43代码行业，生产性服务业包括交通运输、仓储和邮政服务业，租赁和商务服务业，金融服务业，信息传输、计算机服务和软件业，科学研究、技术服务和地质勘查业等五大产业，并一律采用分行业“年末单位从业人员数”来衡量。此外，考虑到各变量因具有时间趋势而可能引发异方差问题，并进而可能造成回归偏误，我们对所有变量一律进行了对数化处理。

三 、实证分析

(一 )门槛值的确定

门槛值的确定包括两步，即先求解门槛值再对其进行检验。求解门槛值时，本文将所有样本分成400个格栅，并针对式(2)至(5)的每重门槛值检验均采用Bootstrap抽样500次，然后计算相应的临界值、P 值及置信区间，其检验结果如表1所示。当门槛变量为制造业区位熵指数(L.lnmr )时② Wald检验结果显示，lnmr 为内生变量，因而对其进行了一阶滞后处理。，式(2)至式(5)的单一门槛检验均至少在5%的水平是显著的，而其双重、三重门槛检验均未通过(三重门槛结果略)，因此均选择单一门槛模型，说明该情形下产业协同集聚对全要素生产率及其分解指标影响的门槛效应普遍存在；当以生产性服务业区位熵指数(lnsr )为门槛变量时，式(2)、式(3)的单一门槛均至少通过了10%的显著性检验，但式(4)和式(5)没有通过检验，说明该情形下产业协同集聚作用于技术进步(PTC )与规模变化(SCH )时并不存在显著的门槛特征。

表 1门槛特征检验结果 、估计值和置信区间

注：*、**、***是指分别通过10%、5%、1%的显著性水平检验

(二 )门槛回归结果

1.以制造业区位熵指数为门槛变量

综上，当mr 分别跨不同门槛值时，产业协同集聚(r )对TFP 、PEC 、PTC 、SCH 的影响分别表现出“V”形、“V” 形、倒“V”形和左上凸角折线型等非线性关系。这个结论与我们的预期基本相符，其理由在于，一方面，产业协同集聚作用于TFP 及PEC 、SCH 等的正向力量主要来自于MAR外部性、Jacobs外部性、Porter外部性及其产业间的有效互动，而这些正向力量的发挥往往建立在相对较大的产业规模、尤其是制造业规模之上。所以，当制造业专业化集聚度较低时，产业协同集聚度的提升仅仅意味着两大产业的同步发展，而相对较小的产业规模不但使其外部性经济功效难以得到有效发挥，而且因产业协同集聚增长而导致的资源过度分散进一步冲击着资源利用率的最大化，其结果既不利于生产效率改善，也不利于生产规模扩大。另一方面，产业协同集聚作用于PTC 发展的正向力量主要来自于Porter外部性作用下的技术追赶力量。根据技术赶超理论，技术相差越大，技术进步越容易，否则越艰难。当制造业专业化集聚度较低时，所在城市的生产技术与前沿技术的差距往往相对较大，则产业协同集聚可通过高效竞争更好地推动技术进步；而随着制造业专业化集聚度的逐渐提高，所在城市技术进步的空间将越来越小，使得其产业协同集聚通过竞争作用于技术进步的推动力亦逐渐变小。

将表1以lnmr 为门槛变量的门槛估计值依次代入式(6)至式(9)，其IV-GMM回归结果如表2所示。作为对比，模型一列出了未考虑门槛效应的回归结果，说明不考虑非线性时，生产性服务业与制造业协同集聚(lnr )在均值上倾向于抑制lnTFP 增长，这与前文推断相符。在模型二中，lnr 对lnTFP 增长的影响表现出“V”型非线性特征：即在没有跨越门槛值之前，lnr 对lnTFP 增长的影响显著为负；而当mr 跨越门槛值1.0299(e 0.0295)以后，lnr 的系数由负变正，且通过了1%的显著性水平检验，即跨越门槛后的产业协同集聚能显著地促进TFP 增长，其边际影响系数相对于跨越门槛前的参照组系数上升了0.155，其对TFP 增长的整体边际影响系数为0.076(0.155-0.079)，这就意味着，跨越门槛值后的产业协同集聚指数每提高1%，将推动TFP 增长约0.046%。

进一步对lnr 影响TFP 分解指标的门槛效应进行分析(模型三、四、五)。首先，从lnr 影响lnPEC 的门槛效应来看，当mr 跨过门槛值2.1741(e ^0.7766)后，lnr 对lnPEC 的影响由负变正，其整体边际影响系数为0.029(0.098-0.069)，说明只有在制造业专业化集聚度足够高的前提下，产业协同集聚才能推动技术效率改善。其次，从lnr 影响lnPTC 的门槛效应来看，当mr 越过门槛值2.1741(e ^0.7766)后，lnr 对lnPTC 的相对影响系数显著为负(-0.045)，且其边际影响系数为负(-0.023)。这说明，只有mr 保持在合理范围内时，产业协同集聚才能更有效地促进技术进步。最后，从lnr 影响lnSCH 的门槛效应来看，当mr 越过门槛值2.0651(e ^0.7252)后，lnr 对lnSCH 的显著为正(0.032)，且其边际影响系数为正(0.041)。这说明只有在制造业自身高度集中的情况下，生产性服务业与制造业协同集聚才有利于企业进行整合、兼并等行为，进而使其生产规模得以不断扩大。

为确保将新鲜的蔬果送到各家各户，肖健每天凌晨4点多就起床了。5点多，在大棚里就能看到他与农民一起采收并将蔬果装车的忙碌身影。这样的生活比他坐办公室那几年辛苦多了，可他却乐此不疲：“这里天蓝、空气新鲜、还能与蔬果零距离接触。久坐办公室，这些美景一样也看不到呢。”

（3）结果：对比乌头碱加热不同时间的HPLC图，筛选出乌头碱变化情况较明显的图谱（图1）进行分析，发现乌头碱在浸泡过程中峰面积逐渐增大，表明其较多的溶解在水溶液中，尚无较明显的色谱峰出现，在加热后开始发生变化，20 min内基本水解完全，并有新的色谱峰出现，表明有新的成分产生，并且伴随加热时间的延长，所生成的化合物含量有所增加而乌头碱本身含量有所下降，表明乌头碱在加热过程中发生了变化，转变成了其他成分，这与文献结果[6-8]一致。将加热不同时间的样品检测后得到色谱图中较明显的色谱峰峰面积进行比较，选出变化较为明显的色谱图及其对应的样品，进行液质联用测定。

表 2门槛模型的 IV-GMM回归结果 (门槛变量 ：L.lnmr )

注：dummy 1-dummy 4为虚拟变量，当括号内命题为真时取值为1，否则为0；*、**、***是指分别通过10%、5%、1%的显著性水平检验；圆括号内为标准误；Hansen检验为P 值，其原假设为“所有工具变量都是外生的”；内生变量lnr 、lnpgdp 的工具变量分别设定为L(1/2).lnr、L(1/2).lnpgdp1

2.以生产性服务业区位熵指数为门槛变量

将表1以lnsr 为门槛变量的门槛估计值分别代入模型式(6)和式(7)，其IV-GMM回归结果如表3所示。在sr 没有跨越门槛估计值之前，两个模型的产业协同集聚指数(lnr )均为负但不显著，说明生产服务业集聚度偏低同样不利于协同集聚作用于TFP 的增长。而当sr 分别跨越相应模型的门槛值以后，两个模型中lnr 的边际影响系数相对于跨越门槛前的参照组系数均有所减小，但仍不显著。可见，当以lnsr 为门槛变量时，虽然存在随lnsr 变化而变化的门槛效应，但其影响效应并不明显。其原因可能在于，两大产业本身的性质决定了其在协同发展中的定位，一方面，只有制造业因自身专业化集聚而得到了较大程度的发展，才能衍生出对生产性服务业的中间需求，进而才能使其协同集聚从整体上促进TFP 及其分解指标的发展；另一方面，在制造业集聚发展到一定程度以后，生产性服务业在协同集聚中的重要性就会逐渐显现。因此，当制造业集聚度不高时，一个城市的生产性服务业与制造业协同集聚应该以制造业为主导；当制造业集聚程度已相对较高时，其制造业的主导地位就应该让位于生产性服务业。实践上，这种思路正好得到了北京、上海、广州等大城市产业协同发展轨迹的印证，并进而分别出现了以这些城市的生产性服务业集聚为中心的京津冀、长三角、珠三角等城市群，而这种城市群实质上就是中心-外围(C-P)城市发展模式的扩大版。

注2 本节针对时延条件下的异构多智能体编队系统，设计合理的脉冲控制协议ui(t)，同时考虑切换有向拓扑，整理得到脉冲控制条件下的编队系统式(3)，下一步将对系统式(3)获得编队控制一致性的基本条件进行分析和探讨.

3.技术推广体系不健全，基层养殖技术薄弱。科技服务体系不健全，技术推广投入少，基层畜牧兽医人员文化素质不高。养殖业整体生产水平低，主要表现为规模养殖比例小、散养户仍占相当比重，散养户、小规模养殖场（户）缺少技术员，欠缺养猪品种、饲料、饲养、管理、废弃物处理等技术支持。

表 3门槛模型的 IV-GMM回归结果 (门槛变量 ：lnsr )

注：dummy 1-dummy 2为虚拟变量，其含义同表2；*、**、***是指分别通过10%、5%、1%的显著性水平检验；圆括号内为标准误；Hansen检验为P 值，其原假设为“所有工具变量都是外生的”

3.稳健性检验

本文利用连续变量交乘项回归结果进行稳健性检验，即以门槛变量制造业区位熵指数和产业协同集聚指数的交乘项依次进入无虚拟变量的式(6)至式(9)进行GMM回归，如果交乘项系数为正，则说明门槛变量对产业协同集聚指数具有积极强化作用；如果交乘项系数为负，则说明门槛变量对产业协同集聚指数具有消极抵抗作用。从回归结果来看(已略)，虽然交乘项系数均不显著，但其系数符号已充分反映出制造业区位熵指数与产业协同集聚指数之间的相互作用关系。除模型六的交乘项系数为负外，其他三个模型均为正，说明在制造业区位熵指数的平均值水平上，产业协同集聚倾向于对TFP 整体及PEC 和SCH 产生积极促进作用，而对PTC 则倾向于产生消极抑制作用，这个结论刚好印证了表2的门槛效应回归结果。可见，本文的实证检验结论是稳健可信的。

四 、结论与启示

本文以246个地级及以上城市2003—2016年的面板数据为观测样本，通过构建基于内生性视角的两阶段门槛模型，并以构成产业专业化集聚度为门槛变量，对产业协同集聚作用于全要素生产率增长的门槛效应进行了实证检验。结果发现，分别以两种构成产业专业化集聚度作为门槛变量所呈现的门槛效应存在较大差异：一方面，当以制造业区位熵指数为门槛变量时，门槛值前的产业协同集聚抑制了TFP 增长，而跨越门槛值(1.0299)后的产业协同集聚能显著地促进TFP 增长，且其对TFP 增长的整体边际影响系数约为0.076；进一步综合产业协同集聚影响TFP 三大分解指标的门槛效应可知，产业协同集聚在跨越制造业区位熵指数门槛值后对TFP 增长的积极影响主要来源于对技术效率改善和对技术进步的推动。另一方面，当以生产性服务业区位熵指数为门槛变量时，虽然跨越门槛值后产业协同集聚作用于TFP 增长及纯效率改善的消极影响有减小倾向，但其影响效果并不明显；而作用于纯技术进步和生产规模变化时并不存在门槛效应。

确定各热料仓矿料和矿粉的用量。必须从二次筛分后进入各热料仓的矿料取样进行筛分，根据筛分结果，通过计算，使矿质混合料的级配接近目标配合比，以确定各热料仓矿料和矿粉的用料比例，供拌和机控制室使用。同时反复调整冷料仓进料比例，以达到供料均衡。

上述结论有着如下政策启示：首先，现有条件下不宜冒然推进“双轮驱动”战略，产业协同集聚程度并非越高越好，在制造业或生产性服务业专业化集聚度较低的前提下，旨在提高产业协同集聚水平的做法可能不仅会抑制全要素生产率增长，而且会因资源错配而影响整个城市经济的良性发展。其次，应全面把握所在城市产业协同集聚的空间形态，在对所在城市构成产业专业化集聚情况进行详实调查的基础上，全面评估所在城市构成产业专业化集聚水平的优劣势，并对所在城市产业协同集聚的发展趋势进行科学预测。最后，应针对所在城市专业化集聚度来确定差异化发展目标，从制造业专业化集聚视角看，当其专业化集聚度低时，应以产业协同集聚对技术进步的推动效应为主要目标，并警惕产业协同集聚对效率改善和规模变化的消极影响；随着制造业专业化集聚度的逐渐提升，应适时将产业协同集聚的主要目标定位到效率改善上，并警惕技术进步可能停滞不前的消极影响。从生产性服务业专业化集聚视角看，应始终将产业协同集聚对技术进步的推动效应作为主要目标，并警惕此时对效率改善的消极影响。

参考文献 ：

陈国亮,陈建军. 2012.产业关联、空间地理与二三产业共同集聚 [J]. 管理世界(4):82-100.

洪功翔，张兰婷，李伟军. 2014.金融集聚对全要素生产率影响的区域异质性[J].经济经纬 (4):7-12.

李梅,柳士昌. 2012.对外直接投资逆向技术溢出的地区差异和门槛效应[J].管理世界(1):21-32.

李子叶,韩先锋, 冯根福. 2015.我国生产性服务业集聚对经济增长方式转变的影响[J].经济管理(12):21-30.

单豪杰. 2008.中国资本存量K的再估算:1952～2006年[J].数量经济技术经济研究(10):17-31.

孙晓华,郭玉娇. 2013.产业集聚提高了城市生产率吗?[J].财经研究(2):103-112.

王丽丽,范爱军. 2009.空间集聚与全要素生产率增长[J].财贸经济(12):105-110.

王燕, 徐妍. 2012.中国制造业空间集聚对全要素生产率的影响机理研究[J].财经研究(3):135-144.

王艺明,陈晨, 高思航. 2016.中国城市全要素生产率估算与分析:2000-2013[J].经济问题(8):1-8.

伍先福, 杨永德. 2016.生产性服务业与制造业协同集聚提升了城镇化水平吗[J].财经科学(11):79-90.

肖攀,李连友，唐李伟，等. 2013.中国城市环境全要素生产率及其影响因素分析[J].管理学报(11):1681-1689.

杨仁发. 2013.产业集聚与地区工资差距[J].管理世界(8):41-52.

HANSEN B E.1999. Threshold effects in non-dynamic panels: Estimation, testing, and inference[J]. Journal of Econometrics, 93(2):345-368.

HENDERSON J V. 2003.Marshall’s Scale Economies[J]. Journal of Urban Economics,53(1):1-28.

JACOBS J. 1970.The economy of cities.[C]// The economy of cities. Random House: 1018-1020.

MELO P C, GRAHAM D J, NOLAND R B. 2009.A meta-analysis of estimates of urban agglomeration economies [J]. Regional Science & Urban Economics , 39(3):332-342.

PORTER M E. 1998.Cluster and the new economics of competition[J]. Harvard Business Review,76(6):77-90.

RAY S C, DESLI E. 1997.Productivity growth, technical progress, and efficiency change in industrialized countries: Comment[J]. The American Economic Review,87(5):1033-1039.

Research on Threshold Effect of Industrial Co -agglomeration ’s Impact on Total Factor Productivity ——Based on the Empirical Test of 246 Cities in China

WU Xian-fu

(College of Economics and Management ,Guangxi Normal University ,Guilin 541004,China )

Abstract :Based on the estimation of the threshold value with reference to the general threshold model, this paper constructs piecewise function to solve model parameters by using virtual variable generated from the threshold value. Then the paper carries out an empirical test using the panel data of 246 cities of prefecture-level and above in China during 2003-2016. It is found that the effect of industrial co-agglomeration with producer services on TFP(total factor productivity), PEC(pure efficiency change) and production scale change turns from negative to positive after the threshold value of 1.0299, 2.1741 and 2.0651 are passed respectively in the specialized agglomeration index of manufacturing, while this effect on pure technological progress turns from positive to negative after reaching the threshold value of 2.1741. With the specialized agglomeration of producer services being the threshold variable, the threshold effect of industrial co-agglomeration on TFP and its decomposition indicators is not significant, or even null.

Key words ：Industrial Agglomeration; Co-agglomeration; TFP; Threshold Effect

基金项目 ：广西高等院校中青年教师基础能力提升项目(2017KY0606)；广西哲学社会科学规划研究课题(18FJY006);广西人文社会科学发展研究中心项目(GT2018012)；广西师范大学博士科研启动基金资助项目(师政科技〔2017〕10号-23)

作者简介 ：伍先福(1980— )，男，湖南娄底人，博士，副教授、硕士生导师，主要从事产业经济学研究。

中图分类号 ：F26

文献标识码： A

文章编号： 1006-1096(2019)02-0072-07

收稿日期： 2018-04-16

(编校：育川)

标签：产业集聚论文;  协同集聚论文;  全要素生产率论文;  门槛效应论文;  广西师范大学经济管理学院论文;