论文部分内容阅读
摘 要：为研究提升区域产业集群绩效的各种机制，采用时间序列模型，利用1995—2010年度《中国高技术产业统计年鉴》数据，探讨集群绩效衡量指标对陕西省高技术产业集群绩效的影响。研究结果指出，技术创新能力和政府支持力度与产业集群绩效存在正相关关系，而人力资源投入与投资水平对产业集群绩效的促进作用不明显。最后为陕西高技术产业集群的绩效提升提出对策建议。
关键词：高技术产业；产业集群；绩效
中图分类号：F172 文献标志码：A 文章编号：1673-291X（2013）18-0059-03
引言
产业集群发展水平，是衡量国家综合国力的重要表现之一，也是国家提升产业竞争力的重要基础。产业集群主导了一个国家或地区的竞争优势，而评价国家竞争优势的指标正是集群绩效。通过对集群在一定时期内的经营活动过程及其结果作出综合判断，产业集群绩效的研究可以为判断区域产业集群的发展水平及制定政策取得可靠的理论支持，因此对集群绩效进行研究具有现实意义和实践价值。陕西高技术产业集群近几年虽然发展较快，但还处于集群成长阶段，与高技术产业集群相关的企业、政府部门都需要清楚地把握高技术产业集群发展的现状，以推动陕西省高技术产业集群迅速发展。
本文的主要工作体现在两个方面：一是利用国家高技术产业统计年鉴数据，探讨陕西省高技术产业集群绩效指标对产出的影响，解决了以往计量模型所面临的样本不足问题的困扰，提高了模型估计效果；二是对绩效产出的指标采用产业增加的价值来衡量，而不是像大多数学者采用的区位商等指标。本文强调绩效指标对集群绩效所产生贡献的直接衡量，因而决定用较接近财务性指标的经济性指标，采用产业增加值作为本文对集群绩效的衡量变量。
一、研究假设的提出
企业知识理论认为，人类生产需要知识。企业运作过程中最重要的投入是知识，企业价值最重要的形成来源也是知识。但由于知识由个体掌握，并在某一特定领域形成专业化，因此知识的差异性决定了生产活动需要依靠各种不同类型的专家共同协作。
高新技术产业的出现本身就得益于知识的创新与应用，而对员工职业素质要求的提高是高技术产业作为知识型产业的重要特征之一。在产业集群中，人才的流入带来了大量的信息、知识、经验与技能；另外，这些人才往往处于较为复杂的社会和经济网络中，与集群外部有多样联系，如老师、挚友、客户等，这些复杂的网络为知识的传递开拓了渠道，并使得他们对该产业的相关信息与知识保持敏锐，增强了学习能力。因此，各类专业技术人员相互交流、协调与信息共享，能够使得知识的交流、共享与转移更为经济、高效，从而能产生递增的经济效益，提高集群绩效。基于此，本研究提出以下假设：H1：人力资源投入对产业集群绩效有显著的正向影响。
阿布拉莫维茨（1986）提出的“社会能力学说”认为，为了更多地获取外部技术，提高效益，企业必须首先拥有足够的基础设施和基本的技术水平。由于中国高技术产业集群的政府扶持性和产业集群本身的地理集中特点，高技术产业集群的投资主体主要为政府与集群内企业。高技术产业本身的高投资、高风险特点，导致其比传统产业需要更高的投资水平。同时对于投入到高技术产业中的科技经费， 不管是来自政府还是集群中金融机构的贷款， 或者是企业直接用于创造价值的投资， 都将解决高技术产业的高资金需求问题。因此投资水平越高，对高技术产业集群的发展越有利。基于此，本研究提出以下假设：H2：投资水平对产业集群绩效有显著的正向影响。
资源基础理论认为，知识和能力是创新的基石，也是企业的策略性资源；知识也是提升创新产品或改良流程效率，以及加速企业上市速度所需技术能力的基础。因此，一个集群的技术创新能力被视为形成与提升技术能力的主要因素，这种存量性质的资源与能力是集群绩效提升的关键；Lundvall和Nielsen（1999）指出以创新能力及高素质人力资源所形成的坚固知识基础是成功的关键；新产品的研发能力，更是高技术产业集群竞争优势的主要决定因素；若重视集群的技术创新能力的培育，将有利于促进产品与流程质量的改良与创新，进而可提升集群的绩效。基于此，本研究提出以下假设：H3：技术创新能力对产业集群绩效有显著的正向影响。
在实践中，虽然政府对高技术产业发展所起的作用受到了新自由主义经济学家的抨击，但是在各国高技术产业的发展中，政府都是一个重要的行为主体。金煜等利用1987—2001年省际面板数据对中国工业集聚影响因素进行了实证研究，发现经济地理和政府政策是导致工业集聚的重要因素。高技术产业高投资、高风险的特点使得政府资金、政策的支持成为了产业发展强有力的补充，政府投入资金越多，地区的高技术产业会发展越迅速。基于此，本研究提出以下假设：H4：政府支持力度对产业集群绩效有显著的正向影响。
二、陕西省高技术产业集群绩效分析
（一）指标选择和数据来源
鉴于数据的来源和可获取性，本文将高技术产业集群绩效定义为高技术产业的发展水平，用人力资源投入、投资水平、技术创新能力、政府支持力度这四个变量来进行衡量和测度。根据第2节中提出的假设，建立如下模型，模型中的变量定义（如表1所示）。
Y=β0+β1lnX1+β2lnX2+β3lnX3+β4X4+β5X5+μ
本文运用1995—2010年的时间序列数据进行分析，数据来自《中国高技术产业统计年鉴》，其中陕西省高技术产业固定资产投资额等平减物价指数，以1995年物价水平为基期。另外，工业总产值中部分缺失数据采用内插法处理。
（二）模型的參数估计
运用Eviews软件对数据进行处理，模型估计的结果可表示为：
Y=70.00080-5.999313lnX1+0.110883lnX2+0.399591lnX3+
3.632670X4+1.021844X5 R2=0.998318 R2=0.947476 F=57.66910 DW=1.596132
由于R2较大且接近于1，说明模型拟合优度很高，且F=57.66910，大于临界值F0.05（6，10）=3.22，说明回归方程在95%的水平下显著成立，表明陕西高技术产业集群的产业集聚水平与上述五个变量总体线性显著。但由于lnX1、lnX2和X5的变化对被解释变量Y的总体的平均变化没有显著的解释能力，且lnX1的相关系数与实际的经济意义相悖，表明模型中各变量间存在严重的多重共线性，所以需要对模型做出相应调整。
1.利用逐步回归方法处理多重共线性。利用相关系数分析解释变量之间的两两相关情况，发现模型中各解释变量间确实存在严重的多重共线性，采用逐步回归法，分别作Y对lnX1、lnX2、lnX3、X4和X5的一元回归（见表2）。
由上表可知R2的排序为：X4、lnX3、lnX2、lnX1、X5。以X4为基础，顺次加入其他变量逐步回归，调整后的模型为：
=-0.317363+1.33746X4+0.552819lnX3+1.142096X5
2.异方差性检验。为了保证回归参数估计量具有良好的统计性质，经典线性回归模型需要满足同方差性的重要假定，如果不满足，则称该模型存在异方差性。本文对以上模型进行White检验，可知nR2=5.434693<λ0.025（4）=11.14，即接受原假设，表明在Y与lnX3、X4、X5之间不存在异方差性。
3.自相关性检验。如果变量在时间或空间的顺序有一定的含义，就有可能存在序列相关。如果我们允许误差项自相关，但仍然保留其他经典假定，那么模型参数的OLS估计量将不再是BLUE，并且对回归参数的假设检验也不再可靠。因此，我们要对自相关性进行检验和消除，使得模型更加可信。
本文利用D-W检验法，给定α=0.05，n=16，k=3，查D-W表可知dL=0.98，dU=1.54，模型中DW=0.784020 为消除自相关性，本文采用科克伦—奥科特迭代法解决，由模型可得残差序列et=0.572464et-1，可知ρ=0.572464，由于本文中样本容量较小，需采用普莱斯—温斯腾变换，将第一个观测值补充到差分序列中，再使用OLS估计参数，可得回归方程：
*=-0.655407+0.61457ln 3*+1.40286 4*+0.790279 5*
R2=0.978694，R2=0.958368，F=42.57467，DW=1.764229
由于使用了广义差数据，样本容量减少了一个，为15个。查5%显著水平的DW统计表可知dL=0.95，dU=1.54，模型中DW=1.764229>dU，说明广义差分模型中已无自相关。同时，决定系数R2和F统计量均达到理想水平。
4.经济意义检验。本模型中，所估计的参数符号与经济理论分析一致，说明在其他因素不变的情况下，陕西高技术产业专利授权量的边际产出为0.61457；新产品产值率每提高1.40286%，平均说来陕西省高技术产业产业集群绩效即工业增加值将增加1%；科技活动经费中政府资金所占比率每提高0.790279%，陕西省高技术产业产业集群绩效即工业增加值将增加1%。
结论及对策
本文主要研究常用集群绩效指标对于区域产业集群绩效的影响，根据过去相关文献提出四项主要假说：人力资源投入、投资水平、技术创新能力、政府支持力度对绩效有显著正向影响。实证时以陕西省高技术产业集群为对象，利用时间序列模型为本文实证模式，得到主要结论如下。
1.人力资源投入对产业集群绩效的促进作用不明显，在多重共线性检验中被剔除。这说明陕西省高技术产业人力资源开发方面存在着严重缺陷。为此，政府应加大人才供给强度，为高技术产业集群的发展提供强大的人才库，为高技术产业集群创造更大价值。作为高技术企业，要加强与高校的合作，保持专业人才的输出；其次要给从业人员提供更多优惠的政策，吸引高技术产业从业人员。
2.投资水平对陕西高技术产业集群绩效没有显著正向影响，在多重共线性检验中被剔除。为此，陕西首先要做好合理的产业规划，把握高技术产业发展的特征确定支柱及重点发展产业；其次按照集群各要素的分布合理布局，避免区内重复投资，使投资得到充分利用。
3.技术创新能力对陕西高技术产业集群绩效具有显著正向影响。其中反映技术创新能力的新产品产值率对产业集群绩效影响最大，而反映另一要素专利授权量对产业集聚水平的影响较小。为此，陕西省要加强产业创新能力和科研基础能力建设，确定各科研机构的任务；要充分利用陕西科研院校多、科研实力强的优势，建设以企业为主体、高校和科研机构参与的技术创新体系。
4.政府支持力度对陕西省高技术产业集群绩效具有正向的促进作用。这说明政府的支持已对陕西高技术产业集群发展形成了有力补充。为此，政府应通过合理的制度安排和政策制定，完善政府在高技术产业集群发展中的职能，为高技术产业集群效应的提升提供有力保障。
参考文献：
[1] 丁勇.研发能力、规模与高新技术企业绩效[J].南开经济研究，2011，（4）：137-152.
[2] 方永恒.区域产业集群绩效评价研究——以陕西装备制造业集群为例[J].科技管理研究，2010，（12）：169-171.
[3] 吴俊杰，盛亚.网络强度、网络开放度对产业集群绩效的影响机制研究——以浙江产业集群为例[J].经济地理，2011，（31）.
[4] 劉筱，王铮，赵晶媛.政府在高技术产业集群中的作用——以深圳为例[J].科技管理，2006，（27）：36-43.
[5] 金煜，陈钊，陆铭.中国的地区工业集聚：经济地理、新经济地理与经济政策[J].经济研究，2006，（4）：79-89.
[责任编辑 陈丹丹]
关键词：高技术产业；产业集群；绩效
中图分类号：F172 文献标志码：A 文章编号：1673-291X（2013）18-0059-03
引言
产业集群发展水平，是衡量国家综合国力的重要表现之一，也是国家提升产业竞争力的重要基础。产业集群主导了一个国家或地区的竞争优势，而评价国家竞争优势的指标正是集群绩效。通过对集群在一定时期内的经营活动过程及其结果作出综合判断，产业集群绩效的研究可以为判断区域产业集群的发展水平及制定政策取得可靠的理论支持，因此对集群绩效进行研究具有现实意义和实践价值。陕西高技术产业集群近几年虽然发展较快，但还处于集群成长阶段，与高技术产业集群相关的企业、政府部门都需要清楚地把握高技术产业集群发展的现状，以推动陕西省高技术产业集群迅速发展。
本文的主要工作体现在两个方面：一是利用国家高技术产业统计年鉴数据，探讨陕西省高技术产业集群绩效指标对产出的影响，解决了以往计量模型所面临的样本不足问题的困扰，提高了模型估计效果；二是对绩效产出的指标采用产业增加的价值来衡量，而不是像大多数学者采用的区位商等指标。本文强调绩效指标对集群绩效所产生贡献的直接衡量，因而决定用较接近财务性指标的经济性指标，采用产业增加值作为本文对集群绩效的衡量变量。
一、研究假设的提出
企业知识理论认为，人类生产需要知识。企业运作过程中最重要的投入是知识，企业价值最重要的形成来源也是知识。但由于知识由个体掌握，并在某一特定领域形成专业化，因此知识的差异性决定了生产活动需要依靠各种不同类型的专家共同协作。
高新技术产业的出现本身就得益于知识的创新与应用，而对员工职业素质要求的提高是高技术产业作为知识型产业的重要特征之一。在产业集群中，人才的流入带来了大量的信息、知识、经验与技能；另外，这些人才往往处于较为复杂的社会和经济网络中，与集群外部有多样联系，如老师、挚友、客户等，这些复杂的网络为知识的传递开拓了渠道，并使得他们对该产业的相关信息与知识保持敏锐，增强了学习能力。因此，各类专业技术人员相互交流、协调与信息共享，能够使得知识的交流、共享与转移更为经济、高效，从而能产生递增的经济效益，提高集群绩效。基于此，本研究提出以下假设：H1：人力资源投入对产业集群绩效有显著的正向影响。
阿布拉莫维茨（1986）提出的“社会能力学说”认为，为了更多地获取外部技术，提高效益，企业必须首先拥有足够的基础设施和基本的技术水平。由于中国高技术产业集群的政府扶持性和产业集群本身的地理集中特点，高技术产业集群的投资主体主要为政府与集群内企业。高技术产业本身的高投资、高风险特点，导致其比传统产业需要更高的投资水平。同时对于投入到高技术产业中的科技经费， 不管是来自政府还是集群中金融机构的贷款， 或者是企业直接用于创造价值的投资， 都将解决高技术产业的高资金需求问题。因此投资水平越高，对高技术产业集群的发展越有利。基于此，本研究提出以下假设：H2：投资水平对产业集群绩效有显著的正向影响。
资源基础理论认为，知识和能力是创新的基石，也是企业的策略性资源；知识也是提升创新产品或改良流程效率，以及加速企业上市速度所需技术能力的基础。因此，一个集群的技术创新能力被视为形成与提升技术能力的主要因素，这种存量性质的资源与能力是集群绩效提升的关键；Lundvall和Nielsen（1999）指出以创新能力及高素质人力资源所形成的坚固知识基础是成功的关键；新产品的研发能力，更是高技术产业集群竞争优势的主要决定因素；若重视集群的技术创新能力的培育，将有利于促进产品与流程质量的改良与创新，进而可提升集群的绩效。基于此，本研究提出以下假设：H3：技术创新能力对产业集群绩效有显著的正向影响。
在实践中，虽然政府对高技术产业发展所起的作用受到了新自由主义经济学家的抨击，但是在各国高技术产业的发展中，政府都是一个重要的行为主体。金煜等利用1987—2001年省际面板数据对中国工业集聚影响因素进行了实证研究，发现经济地理和政府政策是导致工业集聚的重要因素。高技术产业高投资、高风险的特点使得政府资金、政策的支持成为了产业发展强有力的补充，政府投入资金越多，地区的高技术产业会发展越迅速。基于此，本研究提出以下假设：H4：政府支持力度对产业集群绩效有显著的正向影响。
二、陕西省高技术产业集群绩效分析
（一）指标选择和数据来源
鉴于数据的来源和可获取性，本文将高技术产业集群绩效定义为高技术产业的发展水平，用人力资源投入、投资水平、技术创新能力、政府支持力度这四个变量来进行衡量和测度。根据第2节中提出的假设，建立如下模型，模型中的变量定义（如表1所示）。
Y=β0+β1lnX1+β2lnX2+β3lnX3+β4X4+β5X5+μ
本文运用1995—2010年的时间序列数据进行分析，数据来自《中国高技术产业统计年鉴》，其中陕西省高技术产业固定资产投资额等平减物价指数，以1995年物价水平为基期。另外，工业总产值中部分缺失数据采用内插法处理。
（二）模型的參数估计
运用Eviews软件对数据进行处理，模型估计的结果可表示为：
Y=70.00080-5.999313lnX1+0.110883lnX2+0.399591lnX3+
3.632670X4+1.021844X5 R2=0.998318 R2=0.947476 F=57.66910 DW=1.596132
由于R2较大且接近于1，说明模型拟合优度很高，且F=57.66910，大于临界值F0.05（6，10）=3.22，说明回归方程在95%的水平下显著成立，表明陕西高技术产业集群的产业集聚水平与上述五个变量总体线性显著。但由于lnX1、lnX2和X5的变化对被解释变量Y的总体的平均变化没有显著的解释能力，且lnX1的相关系数与实际的经济意义相悖，表明模型中各变量间存在严重的多重共线性，所以需要对模型做出相应调整。
1.利用逐步回归方法处理多重共线性。利用相关系数分析解释变量之间的两两相关情况，发现模型中各解释变量间确实存在严重的多重共线性，采用逐步回归法，分别作Y对lnX1、lnX2、lnX3、X4和X5的一元回归（见表2）。
由上表可知R2的排序为：X4、lnX3、lnX2、lnX1、X5。以X4为基础，顺次加入其他变量逐步回归，调整后的模型为：
=-0.317363+1.33746X4+0.552819lnX3+1.142096X5
2.异方差性检验。为了保证回归参数估计量具有良好的统计性质，经典线性回归模型需要满足同方差性的重要假定，如果不满足，则称该模型存在异方差性。本文对以上模型进行White检验，可知nR2=5.434693<λ0.025（4）=11.14，即接受原假设，表明在Y与lnX3、X4、X5之间不存在异方差性。
3.自相关性检验。如果变量在时间或空间的顺序有一定的含义，就有可能存在序列相关。如果我们允许误差项自相关，但仍然保留其他经典假定，那么模型参数的OLS估计量将不再是BLUE，并且对回归参数的假设检验也不再可靠。因此，我们要对自相关性进行检验和消除，使得模型更加可信。
本文利用D-W检验法，给定α=0.05，n=16，k=3，查D-W表可知dL=0.98，dU=1.54，模型中DW=0.784020
*=-0.655407+0.61457ln 3*+1.40286 4*+0.790279 5*
R2=0.978694，R2=0.958368，F=42.57467，DW=1.764229
由于使用了广义差数据，样本容量减少了一个，为15个。查5%显著水平的DW统计表可知dL=0.95，dU=1.54，模型中DW=1.764229>dU，说明广义差分模型中已无自相关。同时，决定系数R2和F统计量均达到理想水平。
4.经济意义检验。本模型中，所估计的参数符号与经济理论分析一致，说明在其他因素不变的情况下，陕西高技术产业专利授权量的边际产出为0.61457；新产品产值率每提高1.40286%，平均说来陕西省高技术产业产业集群绩效即工业增加值将增加1%；科技活动经费中政府资金所占比率每提高0.790279%，陕西省高技术产业产业集群绩效即工业增加值将增加1%。
结论及对策
本文主要研究常用集群绩效指标对于区域产业集群绩效的影响，根据过去相关文献提出四项主要假说：人力资源投入、投资水平、技术创新能力、政府支持力度对绩效有显著正向影响。实证时以陕西省高技术产业集群为对象，利用时间序列模型为本文实证模式，得到主要结论如下。
1.人力资源投入对产业集群绩效的促进作用不明显，在多重共线性检验中被剔除。这说明陕西省高技术产业人力资源开发方面存在着严重缺陷。为此，政府应加大人才供给强度，为高技术产业集群的发展提供强大的人才库，为高技术产业集群创造更大价值。作为高技术企业，要加强与高校的合作，保持专业人才的输出；其次要给从业人员提供更多优惠的政策，吸引高技术产业从业人员。
2.投资水平对陕西高技术产业集群绩效没有显著正向影响，在多重共线性检验中被剔除。为此，陕西首先要做好合理的产业规划，把握高技术产业发展的特征确定支柱及重点发展产业；其次按照集群各要素的分布合理布局，避免区内重复投资，使投资得到充分利用。
3.技术创新能力对陕西高技术产业集群绩效具有显著正向影响。其中反映技术创新能力的新产品产值率对产业集群绩效影响最大，而反映另一要素专利授权量对产业集聚水平的影响较小。为此，陕西省要加强产业创新能力和科研基础能力建设，确定各科研机构的任务；要充分利用陕西科研院校多、科研实力强的优势，建设以企业为主体、高校和科研机构参与的技术创新体系。
4.政府支持力度对陕西省高技术产业集群绩效具有正向的促进作用。这说明政府的支持已对陕西高技术产业集群发展形成了有力补充。为此，政府应通过合理的制度安排和政策制定，完善政府在高技术产业集群发展中的职能，为高技术产业集群效应的提升提供有力保障。
参考文献：
[1] 丁勇.研发能力、规模与高新技术企业绩效[J].南开经济研究，2011，（4）：137-152.
[2] 方永恒.区域产业集群绩效评价研究——以陕西装备制造业集群为例[J].科技管理研究，2010，（12）：169-171.
[3] 吴俊杰，盛亚.网络强度、网络开放度对产业集群绩效的影响机制研究——以浙江产业集群为例[J].经济地理，2011，（31）.
[4] 劉筱，王铮，赵晶媛.政府在高技术产业集群中的作用——以深圳为例[J].科技管理，2006，（27）：36-43.
[5] 金煜，陈钊，陆铭.中国的地区工业集聚：经济地理、新经济地理与经济政策[J].经济研究，2006，（4）：79-89.
[责任编辑 陈丹丹]