工业效率与中国增长极形成的关系研究

奥鹏网院作业

工业效率与中国增长极形成的关系研究
——基于中国地级市数据的实证检验和理论解释*
徐佳宾 孙晓谛

[提 要] 本文阐述了工业效率的提升对增长极形成的作用机理。在此基础上，选用了城市区域贡献率水平、城市区域增长率水平和城市区域发展水平三个判定条件，运用核密度估计法对2001—2018年中国200个地级市，是否成为中国经济增长极进行了筛选和识别。本文实证检验了工业效率提升对增长极形成的作用机制，发现工业效率的提升能够显著推动增长极形成，其作用的过程机理是工业效率的提升一方面直接推动增长极形成，另一方面通过产业结构的升级间接地推动增长极的形成。同时发现，道路基础设施和互联网基础设施是通过促进工业效率提升，间接影响增长极的形成。人口规模和地方财政科技支出对增长极的形成也有显著正向影响。

[关键词] 增长极；工业效率；核密度估计；基础设施

一、问题提出
改革开放40多年来，中国经济呈现出各个地区此起彼伏的相互竞争增长的态势，这种态势表现在各个地区经济似乎都在增长，但各个地区经济增长有明显差异，因而对整个国家经济增长贡献的程度、对区域主导产业的形成以及对区域经济发展水平的变化产生了重要影响。同时，随着时间推移，每个地区的工业效率都在发生变化，且同一时期不同地区工业效率之间存在着差异。那么，地区工业效率变化和该地区是否形成增长极之间，是不是存在关联？如果存在关联，这种关联背后的内在逻辑是什么？这一问题被中国经济增长的实践不断提问。中国有活力的城市如重庆等因为工业效率的提升成为中国经济的增长极。同时中央和地方政府都意识到，培育壮大新的增长点增长极，才能牢牢把握发展主动权。

本文首先探讨了工业效率提升对增长极形成影响的内在逻辑。其次，构建了增长极和增长极形成指标。在此基础上，实证检验了工业效率的提升对增长极形成影响的作用机制。最后进一步检验了道路基础设施和互联网基础设施在增长极形成过程中的内在机理。研究发现：工业效率的提升显著推动了增长极的形成；工业效率对增长极形成的作用一部分是通过直接效应发挥的，另一部分是通过产业结构升级实现的，且中国增长极形成过程中的直接效应比较显著，产业结构升级带来的间接效应还处在从属地位；互联网基础设施和道路基础设施对增长极形成的推动作用被工业效率完全中介，即互联网基础设施和道路基础设施不会对增长极形成产生直接影响。

本文主要贡献体现在以下三个方面：(1)给出了一个理解工业效率提升对增长极形成影响的理论逻辑框架，揭示了工业效率的提升对增长极形成影响的内在机制；(2)利用可得数据构建了增长极和增长极形成度量指标，实证检验了工业效率的提升对增长极形成的影响强度及其作用机制；(3)进一步实证检验了道路基础设施和互联网基础设施在增长极形成过程中的内在作用。

二、文献回顾与理论假说
(一)文献回顾
增长极概念最早是由Perroux(1950)提出的。Perroux(1955)指出，增长并非同时出现在所有地方，它是以不同的强度首先出现在一些增长点或增长极上，然后通过不同的渠道向外扩散，并对整个国民经济产生不同的最终影响。增长极主要描述为一个在投入产出意义上相互联系的产业综合体，并由推动性或刺激性产业主导，凭借其创新和刺激主导其他产业的能力，成为发展的引擎(Parr，1999)。在很大程度上，Perroux用抽象的经济空间来阐述他的论点，这是他早些时候提出的一个概念(Perroux，1950)。然而，Perroux充分认识到经济空间中的增长极也应该作为一个地域实体存在，并考虑了地域实体的影响(Parr，1999)。因此，他注意到了空间集中的强化作用、对区域间差异的影响以及增长极对其环境的影响(Perroux，1955)。在他对德国鲁尔区的早期和后来的研究中都关注到这一点。在这样一个空间内，增长极间分化是根据公司间或行业间交易的强度来衡量的。

在Perroux研究的基础上，Hirschman、Boudeville、Friedman和Myrdal等国外学者对增长极理论进行了进一步完善。Hirschman(1958)提出了不平衡增长理论。他认为，经济进步并不同时出现在每一点上，当某一点出现经济进步，产生的巨大的动力会吸引周围经济要素向这一点集聚，形成与周围地区有明显差别的、具有较高收入水平的核心区域。因此，综合Perroux和Hirschman的观点来看，增长极不仅是区域经济规模的扩张，而且是区域创新能力的提高。Boudeville(1966)对增长极进行了研究，他认为增长极应该立足于经济空间上的产业和地理空间上的城镇，以主导产业为中心的产业集群所在的城市造就增长极。本文认为Boudeville理解的增长极是需要将经济空间和地理空间结合到一起观察分析。经济空间中的一个给定的结构在一定条件下可以转化为地理空间中的各种结构，地理空间中的一个给定的结构在一定条件下也可以转化为经济空间中的各种结构，地理空间中的增长极本身就是一个实体，在经济空间中可能有不同的表现形式(Parr,1999)。Friedman(1966)提出了“中心—外围”理论，并从经济的角度把社会和政治因素引入模型阐述区域之间发展的不均衡性。他认为任何国家和地区的区域系统都是由中心和外围两个系统组成。核心区域是指城市或城市集聚区，Friedman理解的核心区域实际上就是存在于经济空间和地理空间交叉点上的增长极。Myrdal(1972)在Boudeville和Friedman研究成果的基础上，对增长极的研究提出了累积性因果循环原理，用“扩散效应”和“回波效应”说明了经济发展的不平衡性。增长极是区域经济发展不平衡的结果。经济发展的不平衡推动了生产要素向增长极的集中(Kanaroglou，2004)。从这个角度讲，充满活力的城市，不仅以竞争的方式发挥作用，而且在实现增长和竞争力以及区域和国家繁荣方面也发挥了作用(Papadaskalopoulos et al.，2005)。

随着对经济发展问题研究的深入，国外学者对增长极问题仍然非常重视。一个地区能否形成增长极需要从该地区是否存在能够推动区域增长极形成的作为核心经济力量的推进性产业、该地区是否有强大的空间效应以及该地区与周围环境是否有较强的联系这三个维度进行评价 (Kotlebova & Siranova，2014)。除了这三个维度，政治相关方面(Dumitrică & Dinu，2013)也是重要的影响增长极形成的因素。目前国外也有很多文献对各种增长极的案例研究进行深入分析(Dranca，2013)。Suvorova(2020)以德国为例研究了增长极发展的直接影响和反向影响。增长极概念适用于狭隘的区域范围(Kotlebova & Siranova，2014)，也适用于全球范围(Kotlebova & Siranova，2017)。Kotlebova & Siranova(2017)从全球的角度出发对增长极加以理解，他们认为，增长极是指在一定的经济空间内，某一经济体的增长主导作用使周边国家受益的实体，从而导致共同的更强劲的经济增长。

在国内研究中，有关增长极问题的研究可以分为定性研究和定量研究。(1)定性研究方面。这类研究主要是涉及增长极的内涵(安虎森，1997；苗长虹，2016；蔡绍洪和俞立平，2016)、增长极的特征(安虎森，2007；夏永祥和葛一，2011)和增长极的形成机制(安虎森，2007)。安虎森(1997)直接探讨了增长极理论本身，并对增长极理论进行了综述。苗长虹(2016)认为增长极有推进型企业、主导产业、增长中心、空间节点、创造场和学习场六种形态。安虎森(2007)根据局部溢出模型，论证了经济增长率—资本集中—市场规模—创新中心—经济增长率的增长极形成机制，并得出了增长极形成的四大条件，即持续增长、经济规模、市场规模和创新中心。童中贤等(2012)从区位条件、资源禀赋、产业结构、组团性、人文环境和开放程度六个角度出发，提出了增长极开发模式。夏永祥和葛一(2011)从区位特点、经济外向度、港口承载力、现有产业群、交通线路和政府间合作六个角度分别对丹东作为东北东部地区增长极的优劣势进行分析。(2)定量研究方面。定量研究主要涉及增长极指标体系构建(肖良武等，2017)、特定增长极作用的实证研究(潘文卿和李子奈，2008)和增长极影响因素的实证研究。肖良武等(2017)基于经济发展、经济结构与经济环境视角，构建了一个完整多层次的指标评价体系。需要指出的是，科学的指标评价体系需要尽量规避指标之间的因果关系，但是很多指标体系的设计并没有注意到这一点。潘文卿和李子奈(2008)通过多区域投入产出模型,从最终产品对总产品生产的影响角度分析了环渤海、长三角、珠三角这三大增长极对中国内陆经济发展的外溢效应，并没有对其是不是增长极做出判断。蔡绍洪和俞立平(2016)从产业集群的角度理解增长极，忽略了并不是所有形成产业集群的地区都能发展成为增长极。

通过对国内外文献的梳理可以发现，无论是定性分析还是定量分析，有关工业效率对增长极形成影响的文献尚比较缺乏，体现在以下三个方面：(1)增长极和增长极形成指标的量化；(2)工业效率和增长极形成关系的逻辑论证；(3)工业效率对增长极形成的作用机制的实证检验。这些问题为接下来的研究提供了广阔的空间。

(二)理论假说
1.增长极的判定。基于国内外研究可判定，增长极不仅是经济空间的概念，也是地理空间的概念。它不仅利用了地理空间的区位优势，也利用了经济空间的优势，吸引了生产要素向其集聚，形成优势产业，进而成为区域上的主导产业，在地理空间和经济空间当中通过促进效率的提升实现经济规模的扩张和创新能力的提高，然后将获得的区域优势扩散到周边地区，带动整个国家经济发展。

伴随着国家经济发展，各个地区经济地位是会发生变化的。有些城市空间的增长极可能会延续，也有可能消失，同时还会出现新的增长极，这是因为它们在地理空间和经济空间中的优劣势发生转变。这种转变表现为增长极会轮流更替带动国家经济发展。这主要是因为该区域生产效率的变化带动了该地区经济规模的变化和创新能力的变化。该地区经济规模的变化和创新能力的变化既可直接表现为推动该地区的增长极形成，也可表现为在地区上某个产业经济规模的扩张和创新能力的迅速提高，从而通过产业结构变动效应，间接地促进了该地区增长极的形成。在当代中国，区域生产效率的变化主要表现为所在城市区域工业效率的变化。

工业效率的变化，引发产业体系和主导产业的变化，进而引起区域增长极的形成和消失。在地理空间上，不同地区存在着不同的地理条件、自然条件资源和人力资源条件上的占先优势(Fafurida et al.，2020)。有些地区利用了先发的生产要素，形成了高效率的产业体系和主导产业，但是随着时间推移，由于没有培养高级生产要素，无法形成新的更先进更高效率的产业体系和主导产业，自然而然会从增长极中退出。有些地区没有先发生产要素，后来形成高级生产要素，形成先进高效率的产业体系和主导产业，形成增长极。还有些地区利用先发要素形成高效率产业体系和主导产业，形成了增长极；同时培养新的高级生产要素，实现原有产业的更替升级，形成了更高效率的产业体系和主导产业，持续维持了增长极。经济空间上的优势是指地方政府将中央政策优势变为本区域的产业优势。有些地区很好地利用了国家政策，结合地方资源优势和区位优势，形成了符合本地经济发展的属地化的地方政策，从而促进本地产业发展，形成有效率的产业，增强了地方形成高效率产业体系和主导产业的优势，有助于形成增长极。还有些地区没能将国家政策和地方优势有效结合起来，削弱了地方形成高效率产业体系和主导产业的优势，从而不利于该区域形成增长极。

从本文给出的增长极概念出发可以得到增长极表现出来的四个特征。增长极首要的特征就是能够实现自身快速增长。这就意味着增长极增长速度要高于给定空间增长速度。而增长极之所以能实现自身的快速增长是因为增长极有高于周围空间的人力资源、固定资本、货币资本和技术等生产要素和创新吸引能力。那么增长极为什么对生产要素和创新有较高吸引能力呢？Myrdal认为这是因为增长极具有高于周围空间的收益率。这也就意味着增长极劳动力工资水平和资本收益率要高于周围空间。相应地，增长极人均收入水平也要高于周围空间。同时，Hirschman认为人均收入水平衡量了经济进步在核心区和边缘区发展的差异性的最终结果。于是我们得出增长极的第二个特征，即增长极具有高于给定空间的人均收入水平。由于与周围空间存在着相互依赖相互关联的经济联系，增长极能够通过这种经济联系将人力资源、固定资本、货币资本和技术等生产要素和创新输出到周围空间，进而推动整个国民经济的增长。可以看出增长极具备的第三个特征是对国民经济增长具有很高的贡献率。唯物辩证法认为万事万物都是在运动和变化着的，增长极亦是如此。增长极是在给定时间和空间下形成的，当时间和空间发生变化时，增长极就会发生变化。增长极会随着时间和空间的变化而变化，这就是增长极的第四个特征。在时间给定、空间变化的情况下，研究对象发生变化，增长极发生相应变化。如果研究全国的增长极，就要以全国为研究对象，考察哪些城市是全国的增长极，这些城市就是国家级增长极。如果要研究西部地区的增长极，就要以西部地区为研究对象，考察哪些城市是西部地区的增长极，这些城市就是区域级增长极。如果要研究西部地区某个省份的增长极，就要以西部地区某一省份为研究对象，考察哪些城市是西部地区某一省份的增长极，这些城市就是省级增长极。在一定条件下，一座城市可能同时是省级增长极、区域级增长极和国家级增长极。在时间变化、空间给定的情况下，研究对象不变，增长极也会发生相应变化。有些城市前期是增长极，但是现期不是增长极；有些城市前期不是增长极，经过发展，成为增长极；有些城市前期是增长极，现期虽然仍然是增长极，但是增长极所处的层级发生变化。在时间给定、空间不变的情况下，研究对象不变，不同增长极所处层级不同。虽然同是增长极，但是不同增长极对研究对象经济的贡献存在高低差异。贡献越高，增长极所处的层级越高。贡献越低，增长极所处的层级越低。当几个增长极对研究对象经济的贡献大体一致时，几个增长极所处的层级相同。综上所述，增长极具有能够实现自身的快速增长、高于给定空间的人均收入水平、对经济增长具有很高的贡献率和随着时间和空间的变化而变化四个特征。本文始终以全国为研究对象，不考虑不同的国家级增长极之间的层级差异以及随着时间变迁的国家级增长极的层级变化，只考察随着时间变迁的国家级增长极的形成。

2.工业效率的提升与增长极形成。理论上讲，工业效率的提升对增长极形成的作用既可以通过直接效应完成，也可以通过间接效应完成。直接效应强调的是区域工业体系效率提升对区域增长极形成的直接推动作用。区域工业体系是区域经济中相互作用相互联系的各种工业构成的整体，它构成了区域经济整体中的一个主要系统，因而与区域经济中的其他产业存在相互依赖相互作用的关系。各个工业构成的工业整体成为区域经济发展过程中的主导产业群，各个工业之间的协同运作整体发力，实现了整个工业体系运行效率的最大化。工业作为一个产业整体的效率提升，意味着工业体系内各种要素之间的协同水平提高。整体工业体系运行效率提升，不仅促进了工业体系数量规模的扩张，而且促进了工业体系创新能力的提升，进而创造了经济空间上的区域优势，吸引了生产要素向其集聚，对增长极在区域上的形成产生了直接效应。

工业效率的提升对增长极形成的间接推动效果是通过优化工业体系与区域内其他产业的结构关系实现的，即工业效率的提升通过促进产业结构升级推动增长极的形成。在间接效应下，工业效率的提升突出表现为主导产业效率的提升。一方面，整个工业体系效率的提升推动了主导产业升级。升级后的主导产业比原来的主导产业能够更迅速、更为有效地吸收创新成果，更能满足不断增长的市场需求，并获得较高和持续的发展速度。另一方面，由于与其他相关联的产业之间存在着前向关联、后向关联和旁侧关联，主导产业工业效率的提高会通过前向关联、后向关联和旁侧关联将这种效率提升扩散到与其产生关联的产业，使得其他产业产生不同程度的生产效率提升(徐佳宾，2007)。在这两方面的共同作用下，主导产业效率的提升，带动整个区域经济发展，推动区域增长极的形成。

因此，工业效率的提升一方面作为工业体系整体效率提升对增长极形成产生直接推动作用，另一方面通过促进产业结构升级对增长极形成产生间接推动作用。既然工业效率在理论上能够通过直接效应和间接效应对增长极形成产生推动作用，那么可以通过提升工业效率来影响增长极形成。综上，根据以上理论分析，可提出：

假说1 工业效率的提升会推动增长极形成。

三、增长极形成指标的量化
根据本文第二部分的理论分析，判断一个地区是不是增长极不仅要看区域经济增长对国民经济增长是否具有较高的贡献率，还要看是否满足能够实现自身的快速增长和具有高于给定空间的人均收入水平两个条件。据此，本文给出增长极的三个判定条件：第一，城市区域贡献率水平高，城市区域贡献率水平不低于临界点；第二，城市区域增长率水平高，经济增长率水平不低于当年全国平均增长率水平，即GYit≥GYt；第三，城市区域发展水平高，人均国内生产总值不低于当年全国人均国内生产总值水平，即Yit/Lit≥Yt/Lt。那么如何判定城市经济增长贡献率的高低呢？

接下来我们构建城市区域经济增长率对全国经济增长率的贡献率指标。本文用Yt表示t期一国国内生产总值，用Yit表示t期地区i的国内生产总值。那么t期该国国内生产总值Yt和t-1期国内生产总值Yt-1分别表示为：

Yt=Y1t+Y2t+…+Yit+…+Ynt,i∈[1,n]

(1)

Yt-1=Y1(t-1)+Y2(t-1)+…+Yi(t-1)

+…+Yn(t-1),i∈[1,n]

(2)

则t期的该国国内生产总值增长率水平表示为：

width=61,height=34,dpi=110=width=125,height=34,dpi=110

width=171,height=34,dpi=110
width=167,height=34,dpi=110
width=204,height=34,dpi=110

(3)

文章使用GYt表示t期该国的经济增长率水平，GYit表示t期地区i的增长率水平，有：

GYt=width=201,height=34,dpi=110

width=221,height=34,dpi=110
i∈[1,n]

(4)

根据上述表达式，t期地区i对该国经济增长率的绝对贡献为width=80,height=34,dpi=110相对贡献为width=81,height=34,dpi=110本文使用t期地区i对该国经济增长率的相对贡献width=74,height=34,dpi=110衡量地区经济增长率对全国经济增长率的贡献率，相对贡献率指标由上一年度城市区域生产总值占国内生产总值的比重和本年度城市区域增长率与国家增长率的比值的乘积构成。所有地区增长率对全国经济增长率的贡献率之和为100%，即：

width=297,height=34,dpi=110
width=253,height=34,dpi=110
(5)

依据增长极判定条件，本文分四步确定增长极。第一步，将所有城市按照贡献率从高到低进行排序，截取排名靠前的城市加入增长极的候选列表当中；第二步，从候选列表中剔除GYit<GYt的城市；第三步，从候选列表中剔除Yit/Lit<Yt/Lt的城市；第四步，候选列表中的剩余城市就是本年度增长极城市。

那么，城市贡献率达到什么样的标准才是排名靠前呢？理论上讲有三种判断标准。第一种是选择贡献率排名在一定位置之前的城市作为增长极。我们可以选择贡献率排名在前10或者前20的城市作为增长极候选城市。但是，这种判断标准存在着以下两个问题。首先，伴随着经济发展，增长极的数量不是一成不变，而是会发生变化的。按照不变的数量去确定增长极的合理性有待商榷。其次，人为选择贡献率排名在前10或者前20的城市作为候选城市缺乏客观性。第二种是选择贡献率达到某一水平的城市作为增长极候选城市。我们可以选择贡献率在1%以上或者在1.5%以上的城市作为增长极。虽然这种方式不限制增长极城市的数量，符合经济发展过程中增长极是变动的这一事实，但是依然存在以下两个方面的问题。首先，人为选择1%以上或者1.5%以上的城市作为增长极候选城市缺乏客观性。其次，随着经济发展，增长极城市的贡献率水平临界值不是一成不变的，是会发生变化的。使用一刀切的方式确定贡献率临界值的合理性值得深究。第三种是使用核密度估计法确定临界点。这就要求我们在一定的置信水平下确定贡献率水平的置信区间。这种估计方法不限制增长极的数量，考虑到了增长极城市贡献率水平变化的因素，具有客观性和动态性。鉴于以上分析，本文依照第三种判断标准，使用核密度估计法确定贡献率的临界值，进而确定增长极候选城市。本文使用stata进行核密度估计，估计变量为城市区域贡献率水平，带宽为stata默认带宽，置信水平为10%。首先，绘出2001—2018年城市贡献率的核密度和正态密度，绘图工具stata14，结果见图1。图1中第一行到第三行从左到右分别展示了2001—2005年、2006—2010年和2011—2015年城市贡献率的核密度和正态密度，最后一行从左到右依次展示了2016年、2017年、2018年和全样本下城市贡献率的核密度和正态密度。直观上来看，贡献率水平的核密度曲线和正态密度曲线有一定差距。本文使用非参数Shapiro-Francia法检验，结果显示无论是2001—2018年子样本还是全样本均在1%的显著水平下拒绝正态假设。

下面考虑对变量城市区域贡献率cont取自然对数，使之更接近于正态分布。然后我们绘出取对数后的城市区域贡献率的核密度和正态密度，绘图工具stata14，结果见图2。图2中第一行到第三行从左到右分别展示了2001—2005年、2006—2010年和2011—2015年取对数后城市贡献率的核密度和正态密度，最后一行从左到右依次展示2016年、2017年、2018年和全样本下取对数后城市贡献率的核密度和正态密度。直观上来看，取对数后的变量虽然不完全符合正态密度分布，但已较接近于正态分布。与图1相比，图2拟合优度有很大的改进。同时，非参数Shapiro-Francia检验结果显示，显著性有较大改进。

width=699,height=257,dpi=110
图1 2001—2018年城市贡献率的核密度与正态密度
资料来源：原始数据来源于《中国城市统计年鉴》和《中国统计年鉴》，由stata14绘图。

width=699,height=257,dpi=110
图2 2001—2018年取对数后的城市贡献率的核密度与正态密度
资料来源：原始数据来源于《中国城市统计年鉴》和《中国统计年鉴》，由stata14绘图。

接下来文章将参照标准正态分布表，在10%单侧置信水平下测算贡献率的下限，以确定城市区域贡献率的临界值。在10%的单侧置信水平下，高于贡献率临界值的城市对全国经济增长的贡献显著，低于贡献率临界值的城市对全国经济增长的贡献不显著。下面推导每一年10%单侧置信水平下贡献率下限的计算公式。把该问题转变成数学语言为：已知lncont～N(μ,σ2)，找到点lncontmax，使得P(lncont>lncontmax)=0.10；并求出此时对应的contmax值。由此，设

P(lncont>lncontmax)

width=187,height=32,dpi=110
width=202,height=32,dpi=110

(6)

故而，

width=162,height=32,dpi=110

(7)

查表知，

Φ(1.28)=0.90

(8)

即，

width=85,height=32,dpi=110=1.28

(9)

因此，

contmax=e(μ+1.28σ)

(10)

其中，contmax表示t期10%单侧置信区间下贡献率水平的临界值，lncontmax表示t期10%单侧置信区间下取对数后的置信水平的临界值，μ表示取对数后贡献率的平均值，σ表示取对数后贡献率的标准差。根据式(10)可以计算出2001年到2018年200个城市在10%单侧贡献率水平下的临界值。以2018年为例，10%置信水平下对应的临界值为0.006，这就意味着在10%的显著水平下，贡献率高于0.006的城市对全国经济增长率的贡献显著，低于0.006的城市对全国经济增长率的贡献不显著。接着我们对2001—2018年城市贡献率进行比较分析。分析发现，随着时间推移，贡献率的临界值呈现波动性下降趋势，2018年贡献率的临界值是自2001年以来的最低值。同时，贡献率临界值以上的城市数量和城市组成也在不断变化。 确定贡献率临界值之后，我们取高于贡献率临界值的城市加入增长极的候选列表，从候选列表中剔除GYit<GYt的城市，同时剔除Yit/Lit<Yt/Lt的城市。这样，候选列表中的剩余城市就是本年度增长极城市，每一年的增长极城市也就确定下来了。仔细对照每一年的增长极城市，我们发现每一年的增长极城市数量和组成都是变动的，总体上有4种情况：有些城市t-1期是增长极，t期不是增长极；有些城市t-1期不是增长极而t期是增长极；有些城市t-1期和t期均不是增长极；有些城市t-1期和t期均是增长极。对于本文有意义的是，t-1期不是增长极而t期是增长极的城市定义为t期形成增长极，用cibit表示增长极形成。

四、模型设定和变量说明
(一)实证模型设定
为了验证工业效率的提升对增长极形成的影响，本文构造如下实证模型：

cibit=β0+β1rccroit+∑θXit+ai+zt+εit

(11)

其中，i表示城市，t表示时间，本文实证采用2002—2018年中国地级市面板数据(统计描述见表1)。cibit是反映该城市是不是增长极的指标，属于0-1变量。如果城市i在t-1期不是增长极而t期是增长极，则记cibit=1；其余情况，则记cibit=0。rccroit是表征工业生产效率的变量，Xit表示其他控制变量。系数β1衡量工业效率提升对增长极形成的影响。如果β1显著大于0，表明工业效率提升能够显著推动增长极形成。

(二) 被解释变量
本文使用0-1变量cibit来衡量增长极形成。文章第三部分给出了增长极变化的四种情况，如果一个城市在t-1期不是增长极而t期是增长极，记cibit=1；如果是其他三种情况，记cibit=0。前文已经详述，这里不再赘述。

(三)核心解释变量
已有研究通常使用参数估计方法和非参数估计方法测算工业效率。参数估计方法包括OLS法、OP法、 LP法、ACF法和尹恒法。非参数估计方法包括DEA法等。当然，这些方法各有各的问题。索洛残差法存在内生性问题和样本选择偏差问题，OP法中的“零投资”现象会引起样本截断问题(吕越等，2017)。LP法的问题体现在以下两个方面。一方面，要想识别劳动力投入系数βl，需要假设企业i在t时期的劳动力投入lit完全由资本投入kit、中间投入mit以及时间t决定；另一方面，由Robinson部分线性模型的研究可知，如果βl可识别，式(12)必须是正定的。

E[{lit-E[lit|kit,mit,t]}{lit-E[lit|kit,mit,t]}′]

(12)

根据上文提到的假设，式(12)只能是零矩阵，不满足识别条件。但这些问题本身并不是本文弃用OP，LP还是ACF以及尹桓方法而使用DEA方法的根本原因。本文弃用OP，LP，ACF以及尹桓方法而使用DEA方法最根本原因是，无论是OP，LP，ACF还是尹桓法，都是针对微观企业计算全要素生产率的方法；且除了OP以外，其他几种方法都需要有中间投入的变量，这些方法实际上都不适用于计算城市工业全要素生产率这种宏观变量。这因为根据中国城市层面的既有数据，使用这些方法无法估算城市地区内工业部门的工业效率，只能估算城市地区层面的工业效率。基于以上考量，本文使用DEA-CCR-O法测算工业生产效率。其中，产出变量为工业总产值，投入变量为劳动力投入和固定资产投入。工业总产值数据、资本投入数据和劳动力投入数据均来源于2002—2019《中国城市统计年鉴》。考虑到数据可得性，城市工业产出数据使用工业总产值数据；城市工业资本投入数2002—2008年使用工业固定资产净值年平均余额，2009—2018年使用固定资产总计进行估计；城市工业劳动力投入数据使用工业单位从业人员人数。

需要指出的是，对于产业结构水平的测算，考虑到使用第二产业增加值比重或者第三产业增加值比重都不能比较全面地反映产业结构水平，参照已有产业结构水平的测算方法(袁航和朱承亮，2018)，本文使用如下方法估计产业结构水平：

indsit=1×agriit/cgdpit+2×induit/cgdpit

+3×servit/cgdpit

(13)

其中，indsit表示城市i在时期t的产业结构水平，agriit，induit和servit分别表示城市i在时期t的第一产业增加值、第二产业增加值和第三产业增加值，cgdpit表示城市i在时期t的区域生产总值。

(四)控制变量
增长极的形成是多种复杂要素共同作用的结果，任何单个要素都不能完整做出解释。这些因素既包括上文强调的产业结构水平，也包括人口规模、基础设施、科技创新、对外开放等，还包括金融业发展、商业发展等。因此，在控制变量的选择上，本文选取可能会对增长极形成产生影响的变量作为控制变量，包括城市金融发展水平、通信发展水平、城市人口规模、互联网基础设施、供电基础设施、产业结构水平、对外开放程度、道路基础设施、财政支出规模、财政支出结构和商业发展水平。变量的描述统计分别见表1。

表1 变量描述性统计

width=736,height=525,dpi=110
(五)数据说明
本文数据主要来源于《中国统计年鉴》和《中国城市统计年鉴》。其中，增长极原始数据来源于《中国统计年鉴》和《中国城市统计年鉴》。工业效率的原始数据来源于《中国城市统计年鉴》。控制变量来源于《中国城市统计年鉴》。本文的数据是涉及城市和时间的两维度面板数据。城市选择上，考虑到如果贡献率为负值或者缺失值，取对数后贡献率的缺失会导致每一年的样本数不同，得到的贡献率的临界值会存在偏差，所以在年鉴给定城市的基础上，本文选取2001—2018年不存在贡献率负值或缺失值的200座城市。时间跨度上，增长极的确定选取2001—2018年的数据，增长极的形成和实证检验选取2002—2018年的数据。

五、实证分析
(一)基本回归分析
为了消除变量单位对回归结果的影响，在回归之前本文对所有连续性变量进行了去中心化处理，同下文。表2展示了实证模型式(11)的估计结果和相应的平均边际效应。本文首先采用普通logit模型对工业效率提升如何影响增长极形成进行了初步估计，并计算出其平均边际效应，列于第(2)～(3)列中。可以发现，工业效率提升对增长极形成具有显著正向的促进作用，且在1%的水平上显著，工业效率提高1个单位，增长极形成的可能性提高0.034。在表2第(4)～(5)列中，逐步加入金融发展水平等控制变量，发现工业效率对增长极形成的影响依然显著为正，并在5%的水平上显著。根据描述性统计结果，在给定样本下，增长极形成“cibit=1”的发生频率为1.59%，或可视为稀有事件。如果存在稀有事件，即使样本容量达到数千，偏差依然存在，称为“稀有事件偏差”。为了对可能存在的稀有事件偏差进行校正，本文采用补对数—对数模型进行估计，列于表3第(2)～(3)列中。估计结果显示，与logit模型相比，使用补对数—对数模型后，变量估计系数有些变化但变量的显著性基本没变。这说明发生频率为1.59%的事件可能还不够稀有，故稀有事件偏差并不明显，普通logit模型的估计结果可信。表3第(4)～(5)列展示了probit模型回归结果，在5%的水平上显著，与logit模型的估计结果一致。总体而言，无论是使用logit模型、补对数—对数模型，还是probit模型，工业效率提升对增长极形成的促进作用都是显著存在的。这一致说明了工业效率提高推动了增长极形成，初步验证了理论假说1，即工业效率提升会推动增长极形成。

表2 基本模型估计结果

width=736,height=635,dpi=110
注：***，**和*分别表示在1%，5%和10%的显著水平下显著；括号内为稳健标准误。

表3 基本模型估计结果

width=736,height=632,dpi=110
注：***，**和*分别表示在1%，5%和10%的显著水平下显著；括号内为稳健标准误。

在控制变量方面，城市人口规模的系数为正，并在1%的水平上显著。这说明人口规模越高的城市，越容易形成增长极。可能有以下三方面的原因。(1)一般来讲，城市人口规模越高，人口密度也越高。较高的人口密度提高了居住外部性和城市舒适度(Ahlfeldt et al.，2015)。高人口密度生活模式有利于提升商品和服务的多样性以及城市宜居程度。人口规模越高的城市对人口的吸引能力越强。这样，流入人口加上原有的居住人口使得人口密度较高的城市的产品市场规模和劳动力市场规模越大，这就吸引富有竞争力的企业进入，形成经济活动的集聚，推动增长极的形成。(2)较高的城市人口规模会形成劳动力蓄水池。增长极形成的过程就是产业结构升级的过程，在产业结构升级的过程中就会形成劳动力和资本等生产要素在产业之间的流动。与吸引区域外的劳动力流入相比，本地已经形成的劳动力储备降低了企业的用工成本，更有利于形成符合本区域的工业体系。(3)人口规模越高，越能提升产业集聚程度。人口集聚使得面对面交流和空间上的接近成为可能。而面对面交流和空间上的接近促进了知识外溢发生。产生的知识外溢效应提高了企业创新能力。同时，人口集聚带来的经济活动的集聚使得市场的竞争活力增强，市场中的企业更有动力加大研发投入，良好的创新环境促进市场创新能力提高。因此，人口集聚吸引主导产业中龙头企业的进入，推动了以主导产业为中心的产业集聚地增长极的形成。

财政支出结构系数为正，在1%的水平上显著，财政支出规模并不显著。这说明财政支出规模的大小对增长极的形成并没有显著影响，但财政科技支出占财政支出的比重有显著正向影响。这就意味着，财政科技支出占财政支出的比重越高的城市越容易形成增长极。财政科技支出比重的高低衡量了地方政府对科技创新的重视程度。财政科技支出比重越高，地方政府对科技创新的重视程度越高，这会从以下三个方面对增长极的形成产生影响。(1)地方政府越重视，越有利于形成良好的创新环境。良好的创新环境吸引投资者到该城市进行投资和生产经营，这一方面有利于形成生产活动的集聚，为增长极的形成奠定了基础；另一方面作为经济增长的三驾马车之一，投资的扩大拉动了城市经济增长，推动增长极的形成。(2)地方政府对科技创新的重视对城市内的企业进行科技创新活动起到了一定程度的激励和引导作用。恰当的产业政策能引领产业创新发展方向，提高产业创新效率(Peters et al.，2012)。产业创新效率提高加快了创新成果的转化，促进了城市产业结构的升级，推动了增长极的形成。(3)财政科技支出比重越高，就意味着地方政府在科技创新上的财政补贴和优惠的税收激励越多。这一方面降低了城市内高新技术企业自主创新的内源融资约束，另一方面降低了企业研发成本和所面临的不确定性(袁航和朱承亮，2018)。这两个方面能有效提高自主创新的积极性与主动性，促进了城市区域产业结构由低层次经济形态向高层次经济形态转化，推动产业结构升级。这一结论表明政府对增长极形成有重要的影响。从国家层面上看，在各个区域发展优势不太明显的情况下，国家政策会成为打造增长极的重要杠杆。曹清峰(2020)使用双重差分法实证检验了国家级新区的设立对区域经济增长的持续带动作用，检验结果显示国家级新区的设立使得所在城市年均GDP增长率显著提高了约1.51个百分点,且其带动效应可持续7年。从区域层面上看，某座城市想要成为增长极，就需要各城市理出大思路、拿出硬措施，实现跨越发展，争先进位(李昌明，2010)。从增长极的形成方式来看，有的是市场机制为主，有的是政府干预为主。按照政府的干预力度，增长极的形成可以分为自发形成、政府主导培育形成和政府引导培育形成。无论是自发形成、政府主导培育形成和政府引导培育形成，政府的作用均不可忽视，三者的差别仅在于政府干预力度高低。

产业结构水平系数为正，在1%的水平上显著。产业结构如何对增长极形成产生影响前文已经详细论述过，这里就不再做理论论述。值得注意的是，已有研究认为城市道路面积和互联网接入用户数会对增长极的形成有显著正向影响，但是这里并不显著。这一点将在下文进行详尽分析。

(二)内生性检验和稳健性检验
从本文构建的模型来看，可能会产生三个方面的内生性问题。第一个问题是核心解释变量和被解释变量之间互为因果。这是由于，工业效率会通过促进产业结构升级影响增长极形成，同时增长极形成会吸引更多的生产要素进入，推动技术进步、分工深化和更大规模的产业集聚，进而促进生产效率提升。第二个问题是遗漏变量。对增长极形成有较强解释力的变量没有加入本文的模型中导致的内生性问题。第三个问题是样本选择偏误。正如前文所述，如果城市贡献率为负值或者缺失值，取对数后贡献率缺失会导致每一年的样本数不同，计算的贡献率临界值会存在偏差，影响增长极和增长极形成的估计效果，所以本文在年鉴给定城市的基础上，将这些贡献率为负值和缺失值的城市剔除。因此，在所选择的样本中因变量(cib)不存在缺失值，无法进行Heckman两步法检验。为了解决其余两种原因带来的内生性问题，本文使用弱内生性样本法和工具变量法进行检验。

弱内生性样本法。本文采用工业效率水平相对较低的弱内生性子样本(中部地区、西部地区和东北地区子样本)进行回归检验，检验结果显示，工业效率系数在10%水平下显著为正。

工具变量法。一个理想的工具变量必须满足两个基本条件。一个是工具变量与内生解释变量显著相关。第二个是给定已有的控制变量的情况下工具变量与残差项无关。本文选取了移动电话年末用户数(rmtel)和实际使用外资额(rufc)两个变量作为工具变量。对于第一个条件，本文选取的两个工具变量理论上很显然满足。移动通信使得该城市与其他城市之间同一产业内企业与企业、上下游企业之间、企业与高校研究所科研机构之间的交流合作更加便利畅通，知识溢出效应和学习创新效应更加明显，推动了工业效率提升。实际使用外资衡量的开放程度一方面会通过促进人力资本积累产生影响进而会提高区域创新能力(张宽和黄凌云，2019)；另一方面在提高劳动生产率的同时，还会降低垄断势力。在这两个方面的共同作用下，工业生产效率得以提高。尽管理论上本文选取的两个工具变量和内生变量相关，两步法第一步回归结果也显示工具变量回归系数为正且均在1%的水平下显著，但是本文依然进行了弱工具识别检验，检验结果列于表4第(2)列中。弱工具识别检验的原假设H0是工具变量与内生变量不相关，备择假设H1是工具变量与内生变量相关。弱工具识别检验结果显示，CLR，K，K-J，AR和Wald的P值均小于0.05，在5%水平上显著，则应该拒绝原假设H0，接受备择假设H1。这说明本文所选取的两个工具变量与内生变量相关，不是弱工具变量。关键是第二个条件，这个需要本文进行工具变量的过度识别检验。进行过度识别检验可以解决两个问题，一是由于模型中含有的内生解释变量的个数少于所选取的工具变量的个数的问题，二是检验工具变量的外生性。过度识别检验的原假设H0是所有的工具变量均为外生。结果显示P值为0.871，在1%水平上接受原假设，这说明所选取的工具变量都是外生变量。弱工具变量检验和过度识别检验的结果证实本文所选取的工具变量符合工具变量选取的两个条件。

表4 弱工具识别检验结果

width=736,height=174,dpi=110
注：***，**和*分别表示在1%，5%和10%的显著水平下显著。

确定工具变量之后，本文进行IV probit回归，结果显示，工业效率系数在1%的水平下显著为正。同时，本文进行了ivprobit两步法进行回归，结果显示，在1%显著水平下工业效率系数依然显著为正。弱内生性样本法和工具变量法检验结果均支持工业效率提升显著推动增长极形成的理论假说。

接下来，我们更换核心解释变量检验工业效率与增长极形成关系的稳健性。首先，采用索罗残差法测算的全要素生产率衡量工业效率水平，进行稳健性检验。检验结果证明了工业效率提升与增长极形成之间的正向促进关系，在1%水平下显著。接着采用DEA-BCC-O法测算工业生产效率，进行稳健性检验，检验结果显示工业效率系数在10%显著水平下为正。检验结果与DEA-CCR-O法和索罗残差法一致，说明工业效率对增长极形成的正向促进关系具有稳健性。(1)限于篇幅，文中略去了内生性检验和稳健性检验结果，需要者可向作者索取。

从上面的分析中可以看出，内生性检验结果和稳健性检验结果均支持工业效率与增长极形成的正向促进关系。

(三)作用机制检验
为了验证工业效率对增长极形成的作用机制，本文使用逐步回归法检验产业结构升级对工业效率和增长极形成关系的中介作用，列出如下实证模型：

cibit=α0+α1rccroit+∑φXit+mi

+zt+εit

(14)

cibit=β0+β1rccroit+β2indsit+∑θXit

+ni+ft+εit

(15)

indsit=β0+β1rccroit+∑δYit+mi

+kt+εit

(16)

逐步回归法检验产业结构对工业效率和增长极形成关系中介效应的结果列于表5第(2)～(4)列中。考虑到内生性对实证结果的影响，本文使用ivprobit 两步法对式(14)进行回归， ivprobit两步法第二步回归结果列于表5第(2)列中。回归结果显示，工业效率系数为正，在1%水平下显著，这表明工业效率提升能够显著促进增长极形成。回归模型使用上文选取的两个工具变量并对工具变量进行了过度识别检验和弱工具变量检验。过度识别检验结果列于表5中，结果表明P=0.725，接受原假设，即两个工具变量均为外生。弱工具变量检验结果列于表4第(3)列中，结果表明CLR，K，K-J，AR和Wald的P值均小于0.01，在1%水平上显著，则应该拒绝原假设H0，接受备择假设H1，即工具变量与内生变量相关。模型所使用工具变量符合工具变量选择的两个条件。式(14)回归结果可信。在式(14)基础上，加入变量产业结构水平(indsit)，构建式(15)，同样使用ivprobit两步法回归，ivprobit两步法第二步回归结果列于表5第(3)列中。回归结果显示，工业效率系数和产业结构水平系数均为正，都在1%水平下显著，但是工业效率系数有所下降。回归模型使用上文选取的两个工具变量，依然对工具变量进行了过度识别检验和弱工具变量检验。过度识别检验结果列于表5第(3)列中，结果表明P=0.871，接受原假设，即两个工具变量均为外生。弱工具变量检验结果列于表4第(4)列中，结果表明CLR，K，K-J，AR和Wald的P值均小于5%，在5%水平上显著，则应该拒绝原假设H0，接受备择假设H1，即工具变量与内生变量相关。模型所使用工具变量符合工具变量选择的两个条件。接着，继续对式(16)进行回归，考虑到不随时间变化、不可观测的城市特性因素对增长极形成的影响，我们还控制了城市固定效应，使用固定效应模型，回归结果列于表5第(4)列中。回归结果显示，工业效率系数在1%水平下显著为正，这说明工业效率提升能够显著促进产业结构升级。综合三个模型的回归结果，产业结构水平对工业效率和增长极形成关系具有部分中介效应，也就是说工业效率对增长极形成的一部分作用是通过直接效应发挥的，另一部分作用是通过产业结构升级实现的。前者体现了整个工业体系对增长极形成的作用，后者体现了工业结构本身的变化对增长极形成的推动作用。我们在比较这两种效应的时候发现，目前中国增长极形成过程中产业体系效应明显强于产业结构效应。理论假说1得到进一步论证。

表5 工业效率与增长极形成——作用机制探究

width=368,height=745,dpi=110
注：***，**和*分别表示在1%，5%和10%的显著水平下显著；括号内为稳健标准误；沃尔德检验展示的是chi2(1)的值。

六、实证分析的拓展
上文已经验证，工业效率提升显著推动增长极的形成。但是，从以上实证分析结果可以看到，道路基础设施和互联网基础设施对增长极形成的影响并不显著，这似乎并不符合实际情况。接下来，本文在控制其他变量不变的情况下，尝试分析道路基础设施和互联网基础设施系数不显著的原因。

(一)道路基础设施
为了找到城市道路建设对增长极形成影响不显著的原因，本文尝试使用逐步回归法检验工业效率对道路建设和增长极形成关系的中介作用，列出如下实证模型：

cibit=α0+α1rroadit+∑φXit+mi

+zt+εit

(17)

cibit=β0+β1rroadit+β2rccroit+∑θXit

+ni+ft+εit

(18)

rccroit=β0+β1rroadit+∑δYit+mi+kt+εit

(19)

逐步回归法检验工业效率对城市道路规模和增长极形成关系中介效应的结果列于表6第(1)～(4)列中。本文使用普通probit模型对式(17)进行回归，回归结果列于表6第(2)列中。回归结果显示，在不考虑工业效率因素的情况下，城市道路规模系数为正，在5%水平下显著，这表明城市道路建设提升能够显著促进增长极形成。在式(17)基础上，加入变量工业效率(rccroit)，构建式(18)，考虑到内生性对实证结果的影响，使用ivprobit 两步法回归， ivprobit 两步法第二步回归结果列于表6第(3)列中。回归结果显示，工业效率系数在1%水平下显著为正，城市道路规模系数不显著。回归模型使用上文选取的两个工具变量，依然对工具变量进行了过度识别检验和弱工具变量检验。过度识别检验结果列于表6中第(3)列中，结果表明P=0.725，接受原假设，即两个工具变量均为外生。弱工具变量检验结果列于表4第(6)列中，结果表明CLR，K，K-J，AR和Wald的P值均小于0.01，在1%水平上显著，则应该拒绝原假设H0，接受备择假设H1，即工具变量与内生变量相关。模型所使用工具变量符合工具变量选择的两个条件。接着，继续对式(19)进行回归，考虑到不随时间变化、不可观测的城市特性因素对增长极形成的影响，我们还控制了城市固定效应，回归方法使用固定效应模型，回归结果列于表7第(4)列中。回归结果显示，城市道路系数在1%水平下显著为正，这说明城市道路建设提升能够显著促进工业效率提升。综合三个模型的回归结果，工业效率对城市道路建设和增长极形成之间的关系具有完全中介效应，也就是说，城市道路规模不会对增长极形成产生直接影响，而是会通过促进工业效率提升推动增长极形成。

表6 道路基础设施—基于年末实有城市道路面积

width=368,height=724,dpi=110
注：***，**和*分别表示在1%，5%和10%的显著水平下显著；括号内为稳健标准误；沃尔德检验展示的是chi2(1)的值。

下面我们分析城市道路规模对工业效率提升有正向促进作用的原因。本文认为，道路基础设施通过以下四个方面对工业效率产生正向影响。(1)较高的城市道路覆盖率降低生产者和消费者通行成本，减少通行时间，提高通行效率。与道路覆盖率较低的城市相比，进入道路覆盖率较高的城市带来的较低的通行成本、较短的通行时间和较高的通行效率会更具有吸引力。(2)较高的城市道路覆盖率缩短了生产者与消费者的市场距离，降低了企业面临的市场不确定性，减少了消费者信息不对称带来的影响。消费者的需求是多变的和多样的。生产者与消费者之间距离的缩短一方面使得消费者的需求能够被生产者及时捕捉到，生产者能够及时感知到消费者需求的变化，根据消费者的需求去改变生产，减少了市场不确定性，降低了可能存在的风险。另一方面，消费者能够将自己的需求及时传递给生产者，消费者的个性化需求能够被满足，提高了商品带给消费者的效用水平。(3)较高的城市道路覆盖率缩短了生产者与生产者的距离，降低了生产者之间的交易成本。生产者与生产者之间并不是孤立存在的。当生产者与生产者之间是上下游关系时，下游生产者可以依据消费者的需求灵活调整生产，及时从上游生产者那里进行生产原材料的补给。当生产者与生产者是竞争关系时，生产者能够及时了解竞争对手行为，及时做出反应。(4)较高的城市道路覆盖率缩短了消费者与消费者之间的距离，降低了消费者的搜寻成本。消费者能够从其他消费者那里得到商品的使用反馈，减少了市场上可能存在的“劣币驱逐良币”现象的发生。因此，城市道路建设通过提高工业效率推动增长极的形成。

(二)互联网基础设施
参考对于城市道路建设问题的研究经验，我们对互联网问题进行了相同的检验，但是检验结果显示，互联网发展对于工业效率提升和增长极形成作用依旧不明显。因此，互联网对工业效率和增长极形成的影响可能不是线性的，于是对互联网因素取对数进行研究。本文尝试使用逐步回归法检验工业效率对互联网建设和增长极形成之间关系的中介作用，列出如下实证模型：

cibit=α0+α1rlnrinteit+∑φXit+mi

+zt+εit

(20)

cibit=β0+β1lnrinteit+β2rccroit+∑θXit

+ni+ft+εit

(21)

rccroit=β0+β1lnrinteit+∑δYit+mi

+kt+εit

(22)

逐步回归法检验工业效率对互联网基础设施和增长极形成关系中介效应的结果列于表7第(2)～(4)列中。本文使用普通probit模型对式(20)进行回归，回归结果列于表7第(2)列中。回归结果显示，在不考虑工业效率因素的情况下，互联网因素系数为正，在1%水平下显著，这表明互联网普及度提升能够显著促进增长极形成。在式(20)基础上，加入变量工业效率(rccroit)，构建式(21)，考虑到内生性对实证结果的影响，使用ivprobit 两步法回归， ivprobit 两步法第二步回归结果列于表7第(3)列中。回归结果显示，工业效率系数在1%水平下显著为正，互联网因素系数不显著。回归模型使用上文选取的两个工具变量，依然对工具变量进行了过度识别检验和弱工具变量检验。过度识别检验结果列于表7第(3)列中，结果表明P=0.635，接受原假设，即两个工具变量均为外生。弱工具变量检验结果列于表4第(5)列中，结果表明CLR，K，K-J，AR和Wald的P值均小于0.01，在1%水平上显著，则应该拒绝原假设H0，接受备择假设H1，即工具变量与内生变量相关。模型所使用工具变量符合工具变量选择的两个条件。接着，继续对式(22)进行回归，考虑到不随时间变化、不可观测的城市特性因素对增长极形成的影响，我们还控制了城市固定效应，回归方法使用固定效应模型，回归结果列于表7第(4)列中。回归结果显示，互联网因素系数在1%水平下显著为正，这说明互联网普及度提升能够显著促进工业效率提升。综合三个模型的回归结果，工业效率对互联网接入用户数和增长极形成之间的关系具有完全中介效应，也就是说，互联网接入用户数不会对增长极形成产生直接影响，而是会通过促进工业效率提升推动增长极形成。

表7 互联网基础设施——基于互联网接入用户数

width=368,height=704,dpi=110
注：***，**和*分别表示在1%，5%和10%的显著水平下显著；括号内为稳健标准误；沃尔德检验展示的是ch2(1)的值。

下面分析互联网因素对工业效率提升有正向促进作用的原因。20世纪80年代以来，信息通信技术的兴起和快速普及催生了数字经济，互联网基础设施成为国家构建信息高速公路的基石(郑世林等，2014)。互联网因素对工业效率提升的正向促进作用来源于以下四个方面。(1)互联网基础设施的发展大幅降低了跨区域流动的成本和空间集聚的成本，并且不同要素通过功能的连接实现了在不同地理空间上集聚规模的扩大(孙志燕和侯永志，2019)。(2)互联网具有显著的网络效应。无论是个别产业专业技术进步还是共性技术进步，都会通过产业与产业之间的前向关联、后向关联和旁侧关联将技术进步扩散出去。互联网基础设施的发展加强了产业与产业之间技术扩散和创新，提高技术扩散的效率，促进工业效率提升。(3)互联网基础设施的普及提高了信息传播的速度和效率。互联网的普及能够及时将产品信息传递给更多的消费者，将需求信息传递给更多的生产者，及时沟通消费者的需求信息和生产者的供给信息，降低了由于信息不对称带来的消费者和生产者的搜寻成本，降低了生产者的额外成本和消费者的效用损失，这促进了工业效率的提升。(4)扩大了产品能够触达的消费者范围。与互联网发展水平不高的城市相比，互联网发展水平较高的城市能触达更多的消费者，市场范围更大，降低了生产者的营销成本，促进生产效率的提升。

七、结论性评述
本文阐述了工业效率提升对增长极形成的作用机理。在此基础上，选用了城市区域贡献率水平、城市区域增长率水平和城市区域发展水平三个判定条件，运用核密度估计法对2001—2018年中国200个地级市，是否成为中国经济增长极进行了筛选和识别。本文实证检验了工业效率提升对增长极形成的作用机制，发现工业效率的提升能够显著推动增长极形成，其作用的过程机理是工业效率的提升一方面直接推动增长极形成，另一方面通过产业结构的升级间接地推动增长极的形成。同时发现，道路基础设施和互联网基础设施是通过促进工业效率提升，间接影响增长极的形成。人口规模和地方财政科技支出对增长极的形成也有显著正向影响。根据研究结论，本文得到以下五点启示。

第一，工业效率能够显著推动增长极的形成。对于当前中国来讲，必须要发展工业和制造业。工业和制造业是中国经济发展的立国之本，也是地区经济发展的立足之本。因此，我们要提高工业的效率。提高工业效率可以通过发展战略新兴产业和改造传统工业两条路径实现。地方政府不能因为原来是传统产业就放弃，而是要对它进行改造，促进工业效率提升，焕发生机。研究发现，像上海、北京等地区也是从传统工业起步，它们之所以能够成为增长极就是因为对传统工业进行了改造，提高了工业效率。工业效率的提高对当代中国经济发展和区域增长极的形成有重要作用。

第二，工业效率对增长极形成有极大的推动作用，这种作用可以体现为直接效应和间接效应，研究发现直接效应强于间接效应。这一发现说明，工业的产业体系对增长极的形成有至关重要的作用。这种在城市区域上形成的集群效应，体现在工业体系内各个产业之间存在着很强的相互关联，正是产业之间的相互作用和相互协同推动了一个地区增长极的形成。这正是本文所要表达的观点，但也是本文的欠缺之处，具体体现在没有深入研究各个地区工业体系的发展情况。同时，论文研究发现工业效率确实能够推动产业结构的改进和升级，产业结构改进和升级对一个地区增长极的形成确实有显著推动作用。

第三，城市道路规模和互联网接入用户数对增长极形成的直接作用不显著，但并不意味着城市道路规模和互联网接入用户数对增长极的形成不重要，两者并不矛盾。存在的中介机制解释了这一悖论产生的原因。工业效率对地区增长极的形成有非常显著的作用，城市道路规模和互联网接入用户数对工业效率的提升具有显著促进作用。这再次强调了中国经济发展过程中工业和制造业的发展才会有工业效率的提升，同时也深刻说明城市道路和互联网接入等基础设施的发展，不会自然而然地形成区域增长极，而是需要有效率的工业发展。作为地方政府，必须意识到，工业不仅是国家的立国之本，也是区域经济发展的立足之本。

第四，人口规模对增长极形成确实有显著作用。一个地区能够成为增长极确实离不开劳动力支撑，所以人口规模对增长极形成的显著影响是可以理解的。研究认为，增长极的形成很大程度上依靠工业效率的提高，在工业效率提高的过程中需要各种技能的劳动力。地区工业效率提高的过程，正是该地区整个工业体系吸纳不同技能的劳动力的过程，也是吸引劳动力要素在不同产业之间发生流动的过程。同时，劳动力在该地区的集聚，和在产业之间的流动，提升了该地区的工业效率。包含各种技能的人口规模对形成具有鲜明区域特色的工业体系的增长极具有显著的促进作用。

第五，地方财政支出结构对增长极的形成有重大影响。地方科技支出对区域工业效率有普遍的改进和提升作用。这种作用体现在两个方面，一方面地方财政科技支出促进了整个地方工业体系的技术进步；另一方面地方政府对科技创新的重视对地区产业结构升级有显著作用。这正是我们研究得出的结论，也是本文的欠缺之处，人口因素和财政科技支出因素是本文尚需深化讨论的问题。

参考文献

安虎森，1997：《增长极理论评述》，《南开经济研究》第1期。

安虎森，2007：《增长极形成机制及增长极与外围区的关系》，《南开学报(哲学社会科学版)》第4期。

蔡绍洪、俞立平，2016：《循环产业集群的内涵、机理与升级研究——构建西部生态脆弱地区绿色增长极》，《管理世界》第11期。

曹清峰，2020：《国家级新区对区域经济增长的带动效应——基于70大中城市的经验证据》，《中国工业经济》第7期。

李昌明，2010：《中国区域发展态势、差距、原因及对策研究》，《经济学动态》第2期。

吕越、李小萌、吕云龙，2017：《全球价值链中的制造业服务化与企业全要素生产率》，《南开经济研究》第3期。

苗长虹，2016：《增长极概念的演化与区域发展重点的转变》，《区域经济评论》第4期。

潘文卿、李子奈，2008：《三大增长极对中国内陆地区经济的外溢性影响研究》，《经济研究》第6期。

孙志燕、侯永志，2019：《对我国区域不平衡发展的多视角观察和政策应对》，《管理世界》第8期。

童中贤、曾群华、马骏，2012：《我国连片特困地区增长极培育的战略分析——以武陵山地区为例》，《中国软科学》第4期。

肖良武、黄臻、罗玲玲，2017：《省域经济增长极选择及培育路径研究》，《经济问题》第5期。

席强敏、梅林，2019：《工业用地价格、选择效应与工业效率》，《经济研究》第2期。

夏永祥、葛一，2011：《关于丹东作为东北东部地区增长极的分析与思考》，《中国软科学》第6期。

徐佳宾，2007：《经济发展、产业升级与市场形态》，《财贸经济》第3期。

袁航、朱承亮，2018：《国家高新区推动了中国产业结构转型升级吗》，《中国工业经济》第8期。

张宽、黄凌云，2019：《引进外资对区域创新能力的影响研究——基于贸易开放的新视角》，《软科学》第8期。

郑世林、周黎安、何维达，2014：《电信基础设施与中国经济增长》，《经济研究》第5期。

Ahlfeldt, G.M., S.J.Redding, D.M.Sturm and N.Wolf, 2015, “The Economics of Density: Evidence from the Berlin Wall”, Econometrica, 83(6): 2127-2189.

Boudeville, J., 1966, Problems of Regional Economic Planning, Edinburgh: Edinburgh University Press, North American Agent, Aldine Publishing Co, Chicago.

Dranca, D., 2013, “Cluj-Napoca Metropolitan Zone: Between a Growth Pole and a Deprived Area”, Transylvanian Review of Administrative Sciences, 9(40): 49-70.

Dumitrică, C.D.and L.T.Dinu, 2013, “The Metropolitan Area as a Knee Jerk Response to the Multilevel Governance and Its Derived National Public Decisions”, Theoretical and Applied Economics, 6(583): 119-138.

Fafurida, A.Paranata, D.M.Nihayah, and P.I.Putri, 2020, “Accelerating Economic Distribution by Determining Growth Pole Area”, Journal of Critical Reviews, 7(12): 272-276.

Friedmann, J., 1966, Regional Development Policy: A Case Study of Venezuela, Cambridge: MIT Press.

Hirschman, A.,1958, The Strategy of Economic Development, New Haven: Yale University Press.

Kanaroglou, P.S., 2004, “Regional Development in Greece”, Journal of Regional Science,44(1): 180-182.

Kotlebova, J.and M.Siranova, 2014, “Structure of the EU28 plus Ukraine Economic Region from the Growth Pole Theory Perspective”, Region Direct, 7(1): 29-76.

Kotlebova, J.and M.Siranova, 2017, “Stimulating Economic Recovery through Euro Area Growth Poles: Call for More Directed Unconventional Monetary Policy Measures?”, Equilibrium, 12(4): 633-653.

Myrdal, G.,1972, Asian Drama: An Inquiry into the Poverty of Nations, Moscow: Progress Press.

Papadaskalopoulos, A., A.Karaganis, and M.Christofakis, 2005, “The Spatial Impact of EU Pan-European Transport Axes: City Clusters Formation in the Balkan Area and Developmental Perspectives”, Transport Policy,12(6): 488-499.

Parr, J.B., 1999, “Growth-pole Strategies in Regional Economic Planning: A Retrospective View.Part 1.Origins and Advocacy”, Urban Studies, 36(7): 1195-1215.

Perroux, F., 1950, “Economic Space: Theory and Applications”, The Quarterly Journal of Economics, 64(1): 89-104.

Perroux, F., 1955, “Note sur la Notion de Pole de Croissance”, Economie Appliquee, 8(1): 307-320.

Peters, M., M.Schneider, T.Griesshaber and V.H.Hoffmann ,2012, “The Impact of Technology-push and Demand-pull Policies on Technical Change-Does the Locus of Policies Matter?”, Research Policy, 41(8): 1296-1308.

Suvorova, A.V., 2020, “Development of Growth Poles in the Russian Federation: Direct and Reverse Effects”, Economic and Social Changes: Facts, Trends, Forecast, 12(6): 110-128.

RESEARCH ON THE RELATIONSHIP BETWEEN INDUSTRIAL EFFICIENCY AND THE FORMATION OF CHINA’S GROWTH POLE
——Theory and Evidence from China’s Prefecture-level City Data
XU Jia-bin SUN Xiao-di

(School of Business, Renmin University of China)

Abstract: This paper elaborates the mechanism of industrial efficiency promotion on the formation of growth pole.On this basis, this paper selects three judging conditions: the level of urban regional contribution rate, the level of urban regional growth rate and the level of urban regional development, and uses the kernel density estimation method to screen and identify whether the 200 prefecture level cities in China can become China’s economic growth poles during 2001 and 2018.This paper empirically tests the effect mechanism of industrial efficiency on the formation of growth pole, and finds that the improvement of industrial efficiency can significantly promote the formation of growth pole, and its process mechanism is that the improvement of industrial efficiency directly promotes the formation of growth pole on the one hand, and indirectly promotes the formation of growth pole through the upgrading of industrial structure on the other hand.At the same time, it is found that road infrastructure and Internet infrastructure indirectly affect the formation of growth pole by promoting industrial efficiency.Population size and local fiscal expenditure on science and technology also have significant positive impact on the formation of growth pole.

Key words: growth poles;industrial efficiency; kernel density estimation; infrastructure

*徐佳宾、孙晓谛(通讯作者)，中国人民大学商学院，邮政编码：100872，电子信箱：1466884100@qq.com。 本文得到了2017年国家重大课题“制造强国战略研究(三期)”(2017-ZD-08-02)的资助。感谢匿名评审人提出的修改建议，笔者已做了相应修改，本文文责自负。

(责任编辑：杨万东)