产业协同集聚如何影响制造业绿色韧性？

doi:10.16381/j.cnki.issn1003-207x.2022.2766

摘要/Abstract

摘要：

在资源环境约束、自主创新能力不强等内外部冲击下，如何增强制造业绿色韧性对加快推进制造业转型升级具有重要意义。本文基于适应性韧性理论构建制造业绿色韧性指标体系，采用突变级数模型测算2005-2020年我国30个省份制造业绿色韧性，运用双固定动态空间杜宾模型实证分析产业协同集聚对制造业绿色韧性的影响机制。结果表明：总体看，经济距离、地理距离、经济与地理距离嵌套三种空间矩阵下，我国制造业绿色韧性均存在显著的正向空间自相关性，产业协同集聚对制造业绿色韧性的影响呈倒“U”型特征且具有显著的空间溢出效应；技术密集型制造业与高（低）端生产性服务业协同集聚对制造业绿色韧性呈倒“U”型影响，而劳动、资本密集型制造业与高（低）端生产性服务业协同集聚对制造业绿色韧性的影响不显著；东中部地区产业协同集聚对制造业绿色韧性呈倒“U”型影响，西部地区产业协同集聚对制造业绿色韧性影响不显著。本文从持续优化制造业布局、合理适度引导产业融合发展、强化技术密集型制造业重要地位等方面提升制造业绿色韧性。

关键词: 制造业绿色韧性, 产业协同集聚, 适应性韧性, 突变级数模型, 动态空间杜宾模型

Abstract:

Under various internal and external impulses such as resource and environment constraints and weak independent innovation ability， how to enhance the economic affordability of China's manufacturing industry， that is， the green resilience of manufacturing industry， is of great significance to accelerate the green transformation of manufacturing industry. Based on the adaptive resilience theory， the green resilience index system of manufacturing industry is constructed. Then it uses the catastrophe progression model to calculate the green resilience of manufacturing industry in 30 provinces （cities， autonomous regions） in China from 2005 to 2020. Finally it applies the double fixed dynamic spatial Durbin model to empirically analyze the impact mechanism of industrial collaborative agglomeration on the green resilience of manufacturing industry. The results show that， on the whole， under the three spatial matrices of economic distance， geographical distance and economic and geographical distance nesting， China's manufacturing green resilience has significant positive spatial autocorrelation， and the impact of industrial collaborative agglomeration on manufacturing green resilience presents an inverted “U” shape and has a significant spatial spillover effect；The collaborative agglomeration of technology intensive manufacturing industry and high （low） end producer services has an inverted U-shaped impact on the green resilience of manufacturing industry， while the collaborative agglomeration of labor， capital intensive manufacturing industry and high （low） end producer services has no obvious impact on the green resilience of manufacturing industry；The collaborative agglomeration in the eastern and central regions has an inverted “U” shaped impact on the green resilience of manufacturing industry， while the collaborative agglomeration in the western regions has no obvious impact on the green resilience of manufacturing industry. This study improves the green resilience of manufacturing industry from the aspects of continuously optimizing the layout of manufacturing industry， reasonably and appropriately guiding the integrated development of the two industries， and strengthening the important position of technology intensive manufacturing industry.

Key words: green resilience of manufacturing industry, industrial collaborative agglomeration, adaptive resilience, catastrophe progression model, dynamic spatial Durbin model

中图分类号:

F124.5

李根,刘欣雨,刘家国,周莹. 产业协同集聚如何影响制造业绿色韧性？[J]. 中国管理科学, 2023, 31(12): 249-260.

Gen LI,Xin-yu LIU,Jia-guo LIU,Ying ZHOU. How does Industrial Collaborative Agglomeration Affect the Green Resilience of Manufacturing Industry? ——Empirical Analysis Based on Catastrophe Progression and Double Fixed Dynamic Spatial Durbin Model[J]. Chinese Journal of Management Science, 2023, 31(12): 249-260.

图/表 7

表1

表2

我国制造业绿色韧性水平测算结果"

省份	2005	2007	2009	2011	2013	2015	2017	2019	2020	均值	区域
北京	0.893	0.899	0.892	0.902	0.906	0.911	0.915	0.920	0.923	0.907	东部
天津	0.887	0.886	0.878	0.884	0.894	0.898	0.900	0.895	0.892	0.890	东部
河北	0.815	0.817	0.824	0.830	0.840	0.850	0.852	0.858	0.860	0.838	东部
山西	0.795	0.812	0.816	0.825	0.840	0.853	0.856	0.859	0.862	0.835	中部
内蒙古	0.817	0.818	0.813	0.811	0.821	0.825	0.827	0.835	0.840	0.823	西部
辽宁	0.842	0.841	0.839	0.841	0.846	0.850	0.855	0.865	0.867	0.850	东部
吉林	0.838	0.844	0.844	0.844	0.840	0.849	0.855	0.863	0.866	0.849	中部
黑龙江	0.830	0.828	0.836	0.835	0.834	0.842	0.840	0.837	0.842	0.836	中部
上海	0.889	0.891	0.892	0.899	0.901	0.908	0.912	0.912	0.914	0.902	东部
江苏	0.884	0.884	0.887	0.897	0.902	0.908	0.910	0.914	0.908	0.899	东部
浙江	0.855	0.857	0.858	0.867	0.876	0.885	0.890	0.895	0.898	0.876	东部
安徽	0.838	0.837	0.838	0.849	0.858	0.870	0.874	0.886	0.888	0.860	中部
福建	0.866	0.861	0.861	0.868	0.873	0.875	0.878	0.877	0.881	0.871	东部
江西	0.834	0.833	0.837	0.840	0.848	0.853	0.859	0.873	0.877	0.851	中部
山东	0.845	0.850	0.856	0.864	0.871	0.876	0.883	0.885	0.891	0.869	东部
河南	0.815	0.821	0.826	0.840	0.855	0.860	0.862	0.875	0.878	0.848	中部
湖北	0.845	0.848	0.848	0.858	0.862	0.871	0.878	0.879	0.885	0.864	中部
湖南	0.835	0.833	0.839	0.853	0.865	0.871	0.873	0.879	0.881	0.859	中部
广东	0.891	0.889	0.892	0.899	0.906	0.910	0.921	0.920	0.922	0.906	东部
广西	0.819	0.823	0.829	0.836	0.844	0.848	0.848	0.859	0.864	0.841	西部
海南	0.832	0.794	0.814	0.839	0.854	0.851	0.848	0.839	0.846	0.835	东部
重庆	0.841	0.843	0.848	0.868	0.880	0.888	0.899	0.902	0.905	0.875	西部
四川	0.845	0.850	0.848	0.850	0.864	0.870	0.871	0.881	0.883	0.862	西部
贵州	0.803	0.819	0.825	0.829	0.828	0.845	0.853	0.867	0.869	0.838	西部
云南	0.806	0.804	0.811	0.826	0.831	0.839	0.843	0.851	0.855	0.830	西部
陕西	0.840	0.844	0.844	0.850	0.855	0.867	0.866	0.871	0.865	0.856	西部
甘肃	0.798	0.800	0.805	0.811	0.818	0.820	0.821	0.824	0.823	0.813	西部
青海	0.741	0.776	0.793	0.784	0.786	0.793	0.816	0.792	0.835	0.791	西部
宁夏	0.795	0.794	0.802	0.802	0.802	0.815	0.822	0.844	0.847	0.814	西部
新疆	0.782	0.782	0.794	0.789	0.783	0.809	0.807	0.804	0.810	0.796	西部
均值	0.834	0.836	0.840	0.846	0.853	0.860	0.864	0.869	0.873	0.853	—

表2

表3

表4

图1

表5

图2

参考文献 22

1	韩超，胡浩然.清洁生产标准规制如何动态影响全要素生产率—剔除其他政策干扰的准自然实验分析［J］.中国工业经济，2015， 326（5）： 70-82.
	Han Chao， Hu Haoran. How does clean production standards regulation dynamically affect TFP： a quasi-natural experiment analysis with policy interference eliminated［J］. China Industrial Economics，2015，326（5）：70-82.
2	李兰冰，刘瑞.生产性服务业集聚与城市制造业韧性［J］.财经科学， 2021， 404（11）： 64-79.
	Li lanbing， Liu rui. Producer services agglomeration and the resilience of urban manufacturing industry［J］. Finance and Economics，2021，404（11）：64-79.
3	Devereux M P， Griffith R， Simpson H. The geographic distribution of production activity in the UK［J］. Regional Science and Urban Economics， 2004， 34（5）： 533-564.
4	Ellison G， Glafser E L. Geographic concentration in US manufacturing industries： a dartboard approach［J］. Journal of Political Economy， 1997， 105（5）： 889-927.
5	孙正，岳文浩，霍富迎.我国生产性服务业与制造业协同集聚程度测算研究—基于产业与城市群的视角［J］.统计研究，2022， 39（3）： 21-33.
	Sun Zheng， Yue Wenhao， Huo Fuying. Research on the degree of collaborative agglomeration of producer services and manufacturing in China： from the perspective of industry and urban agglomeration［J］. Statistical Research，2022，39（3）：21-33.
6	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.
	Chen Jianjun， Liu Yue， Zou Miaomiao. The improvement of city productivity based on synergy and co-agglomeration of industries： under the background of integrated innovation and conversion of driving force for economic development in China［J］. Journal of Zhejiang University （Humanities and Social Sciences），2016，46（3）：150-163.
7	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.
	Liu Ye， Liu Bofan. The influence and mechanism of co-agglomeration between producer services and manufactures to the manufacturing efficiency： empirical research based on the panel dada of China’s urban agglomerations［J］. Economic Management，2016，38（6）：16-28.
8	杨桐彬，朱英明，刘梦鹤，等.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，2020，109（6）：15-27+112.
	Yang Tongbin， Zhu Yingming， Liu Menghe， et al. Industrial co-agglomeration， marketization and environmental pollution in resource-based cities［J］. Industrial Economics Research，2020，109（6）：15-27+112.
9	王文成，隋苑.生产性服务业和高技术产业协同集聚对区域创新效率的空间效应研究［J］.管理学报，2022，19（5）： 696-704.
	Wang Wencheng， Sui Yuan. The spatial effect of co-agglomeration of producer services and high-tech industries on regional innovation efficiency［J］. Chinese Journal of Management，2022，19（5）：696-704.
10	Reggiani A， Graaff T D， Nijkamp P. Resilience： an evolutionary approach to spatial economy systems［J］. Networks and Spatial Economics， 2002， 2（2）： 211-229.
11	Martin R. Regional economic resilience， hysteresis and recessionary shocks［J］. Journal of Economic Geography， 2012， 12（1）： 1-32.
12	Martin R， Sunley P， Gardiner B， et al. How regions react to recessions： resilience and the role of economics structure［J］. Regional Studies， 2016， 50（4）： 561-585.
13	徐圆，邓胡艳.多样化、创新能力与城市经济韧性［J］.经济学动态， 2020，714（8）：88-104.
	Xu Yuan， Deng Huyan. Diversification， innovation capability and urban economic resilience［J］. Economic Perspectives，2020，714（8）：88-104.
14	张明斗，惠利伟.中国农业经济韧性的空间差异与影响因素识别［J］.世界农业，2022，513（1）：36-50.
	Zhang Mingdou， Hui Liwei. Spatial disparities and identification of influencing factors on agricultural economic resilience in China［J］. World Agriculture，2022，513（1）：36-50.
15	鲁飞宇，殷为华，刘楠楠.长三角城市群工业韧性的时空演变及影响因素研究［J］.世界地理研究，2021，30（3）：589-600.
	Lu Feiyu， Yin Weihua， Liu Nannan. The spatio-temporal evolution of industrial resilience and its driving factors in the Yangtze River Delta Urban Agglomeration［J］. World Regional Studies，2021，30（3）：589-600.
16	Martin R， Sunley P. On the notion of regional economic resilience： conceptualization and explanation ［J］. Journal of Economic Geography， 2015， 15（1）： 1-42.
17	刘瑞，张伟静.空间集聚能否提升中国制造业韧性—基于产业适应性结构调整的视角［J］.当代财经，2021，444（11）：16-27.
	Liu Rui， Zhang Weijing. Can spatial agglomeration enhance the resilience of China’s manufacturing industry： from the perspective of industrial adaptive structure adjustment［J］. Contemporary Finance & Economics，2021，444（11）：16-27.
18	胡志强，苗长虹，熊雪蕾，等.产业集聚对黄河流域工业韧性的影响研究［J］.地理科学，2021，41（5）：824-831.
	Hu Zhiqiang， Miao Changhong， Xiong Xuelei， et al. Influence of industrial agglomeration on the industrial resilience of the Yellow River Basin［J］. Scientia Geographica Sinica，2021，41（5）：824-831.
19	邓又一，孙慧.工业产业集聚对经济韧性的影响及其作用机制［J］. 软科学，2022，36（3）：48-54+61.
	Deng Youyi， Sun Hui. The effect of industrial agglomeration on economic resilience and its mechanism［J］. Soft Science，2022，36（3）：48-54+61.
20	王晓娟，朱喜安，王颖.工业机器人应用对制造业就业的影响效应研究［J］.数量经济技术经济研究，2022，39（4）：88-106.
	Wang Xiaojuan， Zhu Xian， Wang Ying. The impact of robot application on manufacturing employment［J］. The Journal of Quantitative & Technical Economics，2022，39（4）：88-106..
21	阳立高，龚世豪，王铂，等.人力资本、技术进步与制造业升级［J］. 中国软科学，2018，325（1）：138-148.
	Yang Ligao， Gong Shihao， Wang Bo， et al. Human capital， technology progress and manufacturing upgrading［J］. China Soft Science，2018，325（1）：138-148.
22	李根，刘家国，李天琦.考虑非期望产出的制造业能源生态效率地区差异研究—基于SBM和Tobit模型的两阶段分析［J］.中国管理科学， 2019， 27（11）： 76-87.
	Li Gen， Liu Jiaguo， Li Tianqi. Regional differences of energy eco- efficiency in manufacturing industry under consideration of undesirable outputs： based on the SBM-Tobit two stage model［J］. Chinese Journal of Management Science，2019，27（11）：76-87.

主指标	一级指标	准则层	二级指标	指标测算方式	单位	属性	权重
制造业绿色韧性	抵抗力	产值	制造业总产值	各细分行业产值加总	亿元	正	0.1024
		效率	制造业全员劳动生产率	制造业产值/制造业年平均从业人数	万元/人	正	0.0666
		效益	制造业利润率	制造业利润总额/制造业主营业务收入	%	正	0.0042
		智能	工业机器人渗透度	参照王晓娟等^[20]的计算方法	台/人	正	0.0996
	恢复力	经济基础	制造业亏损额	各细分行业亏损额加总	亿元	负	0.0263
		经济基础	人均制造业增加值	制造业增加值/制造业年平均就业人数	万元/人	正	0.0775
		绿色发展	环境规制综合指数	采用熵值法计算一般工业固体废弃物综合利用率、SO₂去除率、烟粉尘去除率与COD去除率获得	-	正	0.0405
		绿色发展	单位制造业增加值能耗	能源消耗总量/制造业增加值	万吨标准煤/亿元	负	0.0162
	更新力	创新能力	制造业R&D经费投入强度	制造业R&D经费内部支出/制造业主营业务收入	%	正	0.0886
			单位R&D经费支出专利申请数	制造业专利申请数/制造业R&D经费内部支出	%	正	0.0760
			单位开发经费新产品销售收入	制造业新产品销售收入/制造业新产品开发经费支出	%	正	0.0180
		创新潜力	高技术制造业主营业务收入占比	高技术制造业主营业务收入/制造业主营业务收入	%	正	0.1158
	再定位力	结构	制造业结构合理化	泰尔熵指数	-	负	0.0761
			制造业结构高级化	高端技术制造业总产值/中端技术制造业总产值	%	正	0.0306
			制造业对外开放结构	制造业外商资本/制造业总产值	%	正	0.0704
		人员	制造业技术人员占比	制造业R&D人员/制造业年平均从业人员	%	正	0.0912

变量	被解释变量GRMI
变量	高端生产服务业			低端生产服务业
L.GRMI	0.6279^*** (17.26)	0.5907^*** (16.44)	0.5963^*** (16.81)	0.6413^*** (17.92)	0.5984^*** (16.48)	0.6025^*** (17.01)
LCOGG	0.0127 (1.15)			0.0168 (1.48)
LCOGG²	-0.0019 (-0.96)			-0.0029 (-1.41)
CCOGG		0.0096 (0.83)			0.0092 (0.71)
CCOGG²		-0.0021 (-1.08)			-0.0019 (-0.86)
TCOGG			0.0171^*** (2.80)			0.0198^*** (3.08)
TCOGG²			-0.0025^** (-2.50)			-0.0030^*** (-2.67)
WLCOGG	0.1492^** (1.98)			0.0940 (0.92)
WLCOGG²	-0.0288^** (-2.19)			-0.0193 (-1.02)
WCCOGG		0.3118^*** (3.03)			0.1936^* (1.73)
WCCOGG²		-0.0474^*** (-2.82)			-0.0287 (-1.56)
WTCOGG			0.0817^** (2.17)			0.1036^** (2.08)
WTCOGG²			-0.0134^** (-2.15)			-0.0163^* (-1.89)
控制变量	Yes
地区/时间固定	Yes

变量	东部地区		中部地区		西部地区
变量	x	Wx	x	Wx	x	Wx
COGG	0.0724^** (2.41)	0.1978 (1.60)	0.3013^*** (3.08)	0.5494^** (2.33)	-0.0331 (-0.37)	-0.1035 (-0.24)
COGG²	-0.0115^** (-2.39)	-0.0282 (-1.46)	-0.0581^*** (-3.05)	-0.1077^** (-2.28)	0.0070 (0.37)	0.0276 (0.31)
L.GRMI	0.5786^*** (10.72)		0.7151^*** (10.43)		0.33859^*** (5.67)
控制变量	Yes
地区/时间固定	Yes