【内容提要】本文基于我国地级以上城市的数据采用动态面板数据模型对集聚与经济增长之间的关系进行了实证检验。集聚对于人均GDP的增长和生产率的增长都具有显著的正向促进作用，但当地区经济发展水平达到一定高度后，集聚的增长效应则转变为负方向。这意味着，在经济发展的初级阶段，经济活动的集聚的确有利于经济增长，但当经济发展水平突破一定的门槛后，集聚的负面效应将逐步显现。这一结论对于当前集聚趋势下我国区域协调发展政策的制定具有重要的指导意义。

　　【关 键 词】集聚/经济增长/动态面板模型/Williamson效应

　　一、引言

　　关于经济活动空间集聚的经济绩效方面的研究一直是城市与区域经济学的核心任务之一。众多学者从外部性和集聚经济的视角对经济活动空间集聚经济绩效的作用机理进行了解释(Romer，1986；Lucas，1988；Porter，1990)，并对空间集聚对城市体系、大都市扩张、生产率提高、技术效率、经济发展水平及企业家精神等方面的影响进行了实证检验(Helsley and Strange，1991；Ciccone and Hall，1996；Holmes，1999)。由于经济增长是经济活动空间集聚经济绩效方面最为综合的反映，所以近几年来，关于空间集聚对区域经济增长影响的研究逐渐成为一个新的热点。自上世纪90年代以来，一系列新经济地理学理论模型揭示，产业聚集和经济增长本质上是一个互相促进的内生化过程，空间集聚对于整体的经济增长是有利的，地理位置会影响到经济增长(Martin and Ottaviano，1999；Baldwin and Martin，2003；Fujita and Thisse，2003； Dupont，2007)。但是，在相关的实证研究方面，并未取得一致结论。部分学者证实集聚的确对产业成长或区域经济增长有显著促进作用(Mitra and Sato，2007；Geppert et al.，2008)，但也有学者发现集聚推动区域经济增长的作用有限(Brulhart and Sbergami，2009)，甚至对产业成长或区域经济增长存在阻碍作用(Combes，2000；Sbergami，2002)。

　　在既有研究成果的基础上，本文将基于中国城市层面的数据针对集聚与地区增长的关系进行更为深入的分析。具体而言，本文的研究对现有文献做出了如下发展：

　　第一，本文考察了经济活动的集聚对人均GDP增长和全要素生产率增长的影响。现代经济增长理论的核心观点强调，技术进步(表现为全要素生产率的增长)是长期增长的关键动力。以人均GDP年度增长率为被解释变量的分析更多地反映了集聚经济对于短期增长的影响，而针对全要素生产率的考察则可以从另一个侧面反映出集聚与长期增长的联系。

　　第二，本文使用了基于数据包络分析(DEA)的Malmquist方法对全要素生产率进行了分解，更清晰地反映出集聚对生产率变化的作用方向。

　　第三，在计量方法上，本文采用了动态面板数据模型的系统GMM方法，以更好地解决内生性的问题，从而得出更为稳健的研究结论。

　　本文的结构安排如下：第二部分为文献综述；第三部分是研究模型的设定、数据来源和变量的简单说明；第四部分是计量结果及解释；最后一部分是结论与建议。

　　二、文献综述

　　经济活动在空间上的集聚，是工业革命以来现代市场经济的一个基本特征。集聚是否会对经济增长起到促进作用?这一问题也就成为经济学家和地理学家关注的焦点。早在20世纪50年代，由佩鲁开创的增长极理论就指出，主导部门或创新产业常常集聚于经济空间上的某些点而形成“增长极”，进而通过乘数效应和极化效应促进中心区域的经济增长。自此之后，关于集聚与经济增长关系的研究长时间被搁浅。直到上世纪90年代初，以克鲁格曼为代表的新经济地理学派和以卢卡斯与罗默为代表的新增长理论，通过强调外部性及收益递增，为集聚经济的分析提供了新的切入点。近年来，一些新经济地理学家又融合新经济地理学与新经济增长理论开始将增长和聚集放在统一的框架下进行研究，通过强调技术外溢和空间聚集的相互作用，扩展了内生经济理论并得出一些很有价值的结论。例如，Martin和Ottaviano(1999)认为，由于运输成本和规模报酬递增的相互作用，工业活动将会向经济增长更快的地区聚集，而聚集又会降低创新成本，进而导致更快的经济增长，即经济增长与地理集聚是一个相互强化的过程。Fujita和Thisse(2003)指出，经济由分散走向集聚会加快创新的步伐，因而会对经济增长起到促进作用。他们还指出，尽管经济集聚最初会导致地区间的不平等，但由于集聚促进了经济增长，最终将会对外围地区产生积极影响，这将是一个帕累托改进的过程。Dupont(2007)也在集聚与内生经济增长的框架下，分析了经济一体化过程对区域差异和不平等的影响。他们的研究表明：在地方化的溢出效应和资本完全流动的条件下，地理集聚会促进学习的溢出效应和经济增长，并降低区域内和区域间的不平等。然而，也有一些学者认为集聚与增长之间可能并非只是简单的正相关关系。 Williamson(1965)指出，经济集聚在发展的早期阶段非常重要，这是由于发展初期的交通、通信等基础设施比较落后，资本市场不成熟，此时，生产活动的空间集聚会显著提高效率水平。随着经济发展，因拥挤而导致的负外部性逐步显现，在达到一定临界发展水平后，集聚的影响就变为负方向，从而会促使经济活动产生空间分散的趋势。Bertinelli和Black(2004)构造了一个模型对此加以证明。该模型假定人力资本积累只有在集聚地区才能够实现，因而集聚会促进增长，但集聚同时会带来静态的拥挤效应。两种效应在不同发展阶段的力量对比会发生变化，在发展初期，人力资本积累的潜在收益最大，而拥挤的负外部性并不会变化，但随着发展水平提升，人力资本积累的收益逐步减少，拥挤的力量会逐步增强。

　　上述理论文献尽管提供了较为清晰的分析框架，但要判断集聚与增长关系，还需要针对研究对象的不同进行相应的经验观察。在实证研究方面，直接验证集聚与增长关系的文献并不多见，多数研究采用了考察集聚对劳动生产率影响的方法来判断集聚与增长之间的关系。如Ciccone和Hall(1996)针对美国各州的研究发现，集聚在揭示各州劳动生产率差异方面起到了关键作用，计量结果表明，地区就业密度(用以反映经济集聚)提高1倍，劳动生产率就会相应提高6％。Ciccone(2002)使用欧洲5国的地区数据，考察了就业密度对地区劳动生产率的影响，结果也发现集聚程度的提升的确有利于区域经济增长。Henderson(2003)对70个国家的跨国研究证实，以城市化衡量的经济集聚，对于经济增长并没有显著影响，只是在较低收入国家，以最大城市人口份额衡量的集聚水平对经济增长才显示出促进作用。Crozet和Koenig(2007)基于欧盟1980—2000年地区层面的数据对经济活动集聚与经济增长的关系进行了研究，其结果表明空间集聚可以促进地区的经济增长，并且生产活动内部空间分布越不均匀的地区增长越快。Ottaviano和Pinelli(2006)采用芬兰地区面板数据对两者关系进行检验，结果表明用人口密度度量的集聚水平对地区收入的增长具有显著正效应。Mitra和 Sato(2007)利用日本县级层面两位数产业的相关数据分析了集聚与技术效率之间的关系。其结果发现，对于大部分行业，外部规模经济与技术效率之间存在正相关性。Brulhart和Sbergami(2009)利用105个国家1960年至2000年的跨国数据进行了分析，结果发现在达到一个临界水平之前，集聚有利于经济增长。

　　在中国，产业集聚已经成为经济发展过程中的一个典型化事实(魏后凯，2002；范剑勇和朱国林，2002；梁琦，2004；文玫，2004；路江涌和陶志刚，2006)。然而，在实证研究方面，针对集聚与我国经济增长或生产率之关系的研究还相对较少。罗勇和曹丽莉(2005)针对我国电子及通讯设备制造业集聚度与工业产值之间的关系进行了实证检验后发现，两者间存在高度正相关性。罗勇和曹丽莉还指出，除了受资源禀赋制约的行业外，大部分制造业行业的集聚度与总产值之间都存在正相关性。不过，他们并没有给出这些行业的相关分析数据。范剑勇(2006)使用中国2004年的地级城市数据，考察了就业密度(反映经济集聚度)与劳动生产率之间的关系，其结果表明，城市就业密度与劳动生产率之间存在显著正相关性，即经济集聚有利于劳动生产率增长。张艳和刘亮(2007)基于中国城市面板数据，检验了集聚经济与城市人均GDP之间的关系，其结果表明经济集聚对于经济增长具有显著促进作用。章元和刘修岩(2008)着重对集聚变量的内生性问题进行了处理，分析中采用了一个独特的工具变量：1937年各城市是否通铁路这一虚拟变量。其结果发现，在OLS回归中聚集对于城市人均GDP增速有不显著的负向影响，但在使用工具变量方法对集聚变量内生性进行调整后，集聚与地区增长之间表现出显著正相关。在最近的文献中，徐盈之等(2011)利用中国30个省域1978—2008年的面板数据对“威廉姆森假说”进行了检验。他们发现，空间集聚对经济增长具有非线性效应，即没有达到门槛值以前，集聚对经济增长具有正效应，但超出门槛值后，集聚会降低经济增长率。与之相类似，孙浦阳等(2011)基于全球85个国家近十年的面板数据，探讨了国家内部经济活动的空间集聚对于经济增长的影响，其结果也支持了“威廉姆森假说”，表明伴随着国家经济的高速发展，集聚的好处将被削弱。

　　通过以上文献的梳理，我们发现，国际上关于集聚与经济增长关系的实证研究还不是十分充分，相关研究才刚刚起步，而且也并未取得一致性的研究结论。与国外研究相比，国内的研究更是显得明显不足。一是多数研究中计量模型的设定未能很好地处理集聚变量的内生性，因而可能无法得到准确的结果；二是多数学者对经济增长的度量仅采用了劳动生产率或人均GDP等传统指标，缺少从全要素生产率的角度对集聚的长期经济增长效应的检验。

　　三、模型的设定、数据来源及变量说明

　　(一)模型的设定

　　借鉴Brulhart和Sbergami(2009)的做法，本文采用如下形式的动态回归模型：

　　如前文所述，本文将针对集聚对于短期增长和生产率变化的影响进行分析。因此，上式中的被解释变量Y具有两个含义：一是反映短期增长的年度人均GDP增长率GR；二是用以反映长期增长的全要素生产率增长率，后者在本文中采用DEA分析方法获得。式(1)中的 是被解释变量的一期滞后值，用以反映该变量变化的延续性。Agg为本文研究的核心变量，即集聚变量。Laggdppc为滞后一期人均GDP水平，用以反映期初经济发展水平的影响。在实证分析中，本文还将通过引入Laggdppc与Agg的交叉乘积项，用以考察经济发展水平的不同是否对集聚与经济增长的关系产生影响。除此之外，我们选取了多个控制变量：Inv、Edu、FDI和Fiscal。Inv为反映物质资本投资的控制变量。新古典增长理论中，投资的增加被看作资本深化的过程，人均资本存量的增加将有效提高生产效率。不仅如此，技术进步并不是资本之外的独立物，新技术往往蕴含在资本品之中，投资的过程也是物化技术得到应用、实现技术进步的过程。Edu为人力资本水平变量，用以控制人力资本对于经济增长的影响。FDI为外资变量。自中国改革开放以来，外资大量涌入中国，这对于中国经济的增长产生了重要影响。因此，本文也将外资作为一个控制变量。Fiscal为财政支出变量。财政支出增加能够扩大在基础设施方面的投资，起到降低交易成本、提高经济效率的作用。然而，财政支出增加意味着政府干预经济程度的加深，这就有可能提高资源误配的程度，进而导致产出的低效率。综合来看，财政支出的影响还要取决于两方面效应的力量对比。east和center分别为对应于东部和中部的地区虚拟变量，trend为时间趋势变量。以上控制变量的取值和数据来源将在下文给予详细说明。

　　(二)数据来源及变量说明

　　本文以我国地级城市数据为基础进行了相关实证分析，数据样本包括四个直辖市以及186个地级城市，时间跨度为1999—2008年，数据来源为《中国城市统计年鉴》、《中国统计年鉴》等出版物。1998年之前的相关数据尽管也可以从统计年鉴中获得，但由于1998年起部分指标的统计口径发生了变化，前后数据存在较大差异，而且统计年鉴中也没有给出调整的具体细节。考虑到这些因素，我们最终只选择了1999年统计口径调整之后的数据。从统计数据来看，目前《中国城市统计年鉴》对地级市以上城市分别列出“地区”和“市区”两项，其中“地区”包括市区和下辖县、县级市。参考既有针对城市经济问题的相关研究文献，本文研究选择了以“地区”数据为研究对象。考虑到样本期内不少地区的行政区划出现调整，城市面积发生较大变化，为减少这一因素对于结果的可能影响，本文剔除了那些城市面积在期初和期末变化超过5％的城市样本。

　　本文研究的被解释变量有两个。一是用于反映短期增长的城市人均实际GDP增长率GR，该数据来自《中国城市统计年鉴》。由于统计年鉴中没有提供城市水平的 GDP平减指数，因此本文按照各城市所在省份的GDP平减指数，将城市人均GDP调整为2000年价格不变值。另一个解释变量是生产率的增长率，用以检验集聚经济对于长期增长的影响。

　　如果Malmquist指数值大于1，则表明生产率水平出现增长；如果小于1，则生产率水平出现下降；如果等于1，那么生产率水平没有发生变化。上式的第二部分显示 Malmquist生产率变化指数可以进一步分解为两个部分，效率变化指数(EFFCH)和技术进步指数(TECH)。EFFCH测度了从时刻t到t+1每个决策单元的相对效率变化，反映了决策单元向最佳前沿移动的程度，可以理解为一种追赶(catch-up)效应。TECH测度了两期的前沿面的移动幅度，反映的是技术进步。本文将对全要素生产率及其两个构成部分的变化分别进行针对性分析。计算Malmquist指数及其分解部分需要三个变量，即产出、资本存量和劳动投入，产出以各城市GDP来表示，劳动投入采用各城市历年从业人数来表示，资本存量以各城市历年固定资产投资为基础，采用永续盘存法进行了估算。

　　本文对被解释变量的取值说明如下。Agg是对经济活动集聚程度的度量。现有研究对聚集的度量有很多种方法，Ciccone和Hall(1996)指出，人口密度是衡量经济活动集聚较为合适的指标。因此，本文采用每平方公里的人口数量作为经济聚集的度量。滞后一期人均GDP水平由《中国城市统计年鉴》直接获得，我们同样按照各城市所在省份的GDP平减指数，将该变量数据调整为2000年价格不变值。投资率Inv由全社会固定资产投资额占GDP比重表示，反映物质资本投资规模。既有研究中多是采用劳动力受教育程度或成人识字率来表示人力资本水平，但由于《中国城市统计年鉴》并没有提供城市层面的上述相关数据，本文选择各城市中学生在校人数占总人口比重作为人力资本的代理变量。关于外商直接投资FDI，我们采用实际利用外资额与 GDP的比值来反映外资水平。财政支出Fiscal，由各城市财政支出占GDP比重来表示。主要变量的简单统计性描述见表1。

　　四、实证结果分析

　　对计量方程(1)进行估计所遇到的困难就是如何解决变量的内生性问题。作为解释变量的 与误差项存在相关性，直接使用同定效应模型的LSDV估计量，或者随机效应模型的GLS估计量，估计结果均是有偏且不一致的。不仅如此，解释变量集聚度Agg也存在潜在的内生问题。如果存在某些未被观测到的特定因素，而这些因素对于人均GDP或生产率增长产生正向影响，进而引致劳动力向该地区的集聚，这样就产生了内生性的问题。解决内生性问题的一个有效方法是寻找合适的工具变量。例如，Ciccone和Hall(1996)在针对美国各州的分析中选择了19世纪的地区人口分布作为工具变量，章元和刘修岩(2008)在针对中国的实证研究中选择了1933年各地区是否通铁路作为工具变量，等等。近年来随着动态面板数据模型的发展，使用面板数据集提供的“内在”(internal)工具变量，为解决内生性问题提供了新的途径。Arellano和 Bond(1991)提出对于方程(1)可以使用差分的GMM估计量来解决内生性问题。这种方法首先对方程(1)进行一阶差分以消除个体效应，然后使用 在t-2期之前的所有滞后值 工具变量，对于其它潜在的内生解释变量也采用相同的处理方法。由于在小样本情况下，Arellano-Bond估计量的性质较差，因而 Arellano和Bover(1995)提出了系统GMM估计量。具体而言，在使用系统GMM估计量时，除了使用Arellano和Bond(1991)提出的在一阶差分后得到的工具变量之外，同时被解释变量的一阶差分滞后项△ ，也作为工具变量，而对于其它潜在的内生解释变量也采用同样的处理方法。

　　表2给出了采用系统GMM方法对集聚经济与短期增长的计量分析结果。被解释变量是城市人均实际GDP年度增长率GR。第1列中的解释变量引入了集聚经济变量Agg，在使用了系统GMM方法控制了其内生性之后，该变量的系数估计值为-0.054，且具有较高的显著性水平，表明集聚对于短期增长产生了负面影响。这一结果与章元和刘修岩(2008)、张艳和刘亮(2007)的结论存在明显差异。不过，在对集聚经济对于经济增长的负面效应做出判断之前，进一步的分析很有必要。第2列中，我们引入了集聚经济变量的平方项Aggsq，以检验集聚经济的影响是否存在非线性特征。结果显示，集聚变量及其平方项的估计系数均为正值，但都不显著。在第2列模型基础上，进一步引入集聚与滞后一期人均GDP的交叉乘积项Agg×Laggdppc，目的是为了检验期初经济发展水平是否会影响集聚与增长的关系。可以看出，交叉项Agg×Laggdppc的估计系数为负，且具有较高的显著性，这就说明随着经济发展水平的提高，集聚对于增长的积极影响逐步下降，即存在着集聚的不经济性。在最终选择的估计模型中(见第4列)，我们剔除了不显著的Aggsq变量，可以看出，估计结果与第3列基本一致。综合而言，此处分析结果表明，集聚对于短期经济增长确实具有正向的推动作用，但同时集聚的这种积极影响受到经济发展水平的制约，即在经济发展水平达到一定层次之后，存在着 Williamson效应所指出的集聚非经济性。第4列其余控制变量的分析结果显示：外资变量FDI的估计系数显著为正，说明外资进入对于我国城市的经济增长确实起到了积极推动作用。Fiscal变量的估计系数显著为正，表明财政支出扩大有利于推动短期经济增长。Edu和Inv变量的估计系数均不显著，说明二者对短期增长的影响并不明显。

　　表3是针对Malmquist生产率变化指数、效率改进指数及技术进步指数的检验结果。由于受篇幅限制，这里只给出了基准模型及最终模型的估计结果。由于集聚变量平方项在所有方程中的估计系数均不显著，因此在最终方程中被剔除，这也说明经济集聚对于生产率增长不存在非线性影响。表3第1～2列是针对效率改进指数的估计结果，第1列中集聚变量Agg的估计系数为-0.034，但显著性并不高。在最终选择的估计模型中，Agg的系数为-0.579，集聚与滞后一期人均GDP交叉项Agg×Laggdppc估计系数为0.054，两者均具有显著性。这一结果表明，集聚对于效率改进的影响受到经济发展水平的制约，随着经济发展水平的提高，集聚对于经济效率提升的作用会逐步增强。在经济发展水平较低的地区，基础设施不完善，一些公共性物品无法充分供应，这就影响了集聚效应的发挥。集聚不仅不能够获得资源共享的效率优势，反而因为加剧了拥挤效应，对地区经济效率水平的提升产生了不利影响。在其余控制变量中， FDI、Edu和Fiscal的估计系数显著为正，说明这些因素对于效率改进具有促进作用。投资变量Inv的估计系数为负，这表明投资并没有对效率改进起到促进作用。究其原因，我们认为这可能还是跟我国多年来一直存在的低水平盲目投资、重复投资现象有关。盲目投资导致利用效率低，重复投资引致市场分割、限制投资规模效应的发挥，从而导致投资越多、经济活动的效率水平越低。

　　表3第3～4列是针对技术进步指数的检验结果。在基准模型的分析中，集聚变量的估计系数为正，而最终模型还包括了集聚度与滞后一期人均GDP的交叉项，两个变量的估计系数分别为0.312和-0.030。这表明，集聚对于技术进步的影响存在递减效应，在人均GDP水平较低的地区，集聚对于该地区的技术进步具有较为显著的正向推动作用，但随着经济发展水平的提升，集聚的积极作用逐步减弱。一般而言，随着经济发展水平的提升，用于研发的基础投入、用于积累人力资本的支出也会相应提高，因而经济发达地区往往也会拥有较高的技术水平，但更高层次的技术也意味着更高的复杂性，以及技术拥有者更加严密的保护，技术溢出的速度和范围受到更多的限制。因此，由集聚(通过示范效应、人员流动等渠道)促进技术溢出进而推动技术进步的机制渠道，在促进技术进步中的地位不再那么重要。此时，更为关键的是加大研发和人力资本投入。相对而言，在发展水平较低的地区，技术水平较低，技术层次和复杂性也较低，更易于溢出、模仿和吸收。因此，这些地区经济集聚度的提升，会有力地促进技术在空间内的传播和技术进步。在其余控制变量中，FDI、Fiscal、Inv的估计系数并不显著，说明这些因素对于技术进步并没有产生实质影响。变量Edu的估计系数为负值，这一结果与预期不一致。我们认为，这一结果可以由变量选取来解释。由于技术进步意味着技术创新，需要较高层次的人力资本，而本文由于数据限制只能采用中学生在校人数的比重，这就很有可能导致不显著甚至相反的结果。

　　表3第5～6列是针对Malmquist生产率变化指数的检验结果。从第二部分的分析可知，Malmquist指数实际上是效率改进指数EFFCH和技术进步指数TECH的乘积。因此，这里的分析结果实际上也是针对EFFCH和TECH分析结果的综合。第6列的最终分析结果表明，集聚变量Agg，集聚变量与滞后一期人均GDP交叉项Agg×Laggdppc的估计系数一正一负，分别为0.291和-0.029，与第4列的估计结果相似。这从侧面表明，集聚对于技术进步的影响主导了对于效率变化所产生的影响，或者说，集聚对于技术进步的作用为主要方向。对于经济较为落后地区，尽管由于基础设施等公共物品供给不足，集聚没有带来效率的提升，却有利于技术在空间内的溢出与传播，因而从总体上看，是有利于落后地区生产率水平提升的。随着经济发展水平的提升，集聚对于效率改进的积极作用逐步显现，对技术进步的积极影响逐步弱化，但前者并未能有效弥补后者，因而整体而言，集聚对于生产率增长的积极作用随着经济发展水平的提升逐步减弱。

　　五、结束语

　　基于我国地级以上城市相关数据及动态面板数据模型的分析方法，本文针对集聚与增长的关系进行了实证检验。本文的研究对象包括两个：一是年度人均GDP增长率，用以反映集聚与短期增长的关系；二是全要素生产率及其各分解部分的变化率，用以从侧面反映集聚对于长期增长的影响。研究结果显示，无论是人均GDP的增长，还是生产率的增长，集聚与其之间的关系都要受到地区经济发展水平的影响。具体而言，集聚对于短期内人均GDP的增长具有正向促进作用，但这种作用存在一个临界点，当地区经济水平达到一定的高度之后，集聚的作用即转变为负方向，即存在所谓“Williamson效应”。集聚对于生产率变化的影响也与地区经济发展水平密切相关，即随着经济发展水平的提升，集聚对生产率增长的积极效应逐步减弱，并最终转变为负方向。进一步针对生产率增长两个不同构成(效率改进及技术进步)的研究得出了相反的结论，即随着经济发展水平的提升，集聚对于效率改进的积极作用逐步显现，而对于技术进步的积极意义则逐步减弱。总体而言，集聚对技术进步的影响主导了对于效率变化所产生的影响。

　　目前，各级地方政府纷纷将产业集聚作为促进地方经济增长、实现区域协调发展的重要途径。在此背景下，本文对集聚与经济增长关系的经验检验具有重要的政策含义。政府在推行以提高经济活动的集聚水平来推动经济增长的政策时，应因地制宜，充分考虑当地经济发展水平的影响。对于经济发展水平较为落后的地区，应重点加大公共基础设施建设的投资，改善区域内的基础设施网络，以促进人口和经济活动向中心城区的集聚。同时，通过制定土地、税收和就业等多方面的优惠政策，创造良好的投资环境，吸引更多的企业和劳动力向区域内集聚，从而为区域经济的起飞和发展提供基础条件。对于经济活动高度集聚的发达地区而言，一方面应重点加大研发和人力资本的投入、鼓励人才和技术在区域内的自由流动，以促进本地化技术溢出效应的发挥；另一方面应以转变经济发展方式为主要途径，积极引导土地密集型和资源密集型产业的转移，加快产业转型升级，从而有效疏散拥挤效应对地区经济增长的负面影响。

　　【参考文献】

　　[1]范剑勇.产业聚集与地区间劳动生产率差异[J].经济研究，2006(11).

　　[2]范剑勇，朱国林.中国地区差距的演变及其结构分解[J].管理世界，2002(7).

　　[3]梁琦.中国制造业分工、地方专业化及其国际比较[J].世界经济，2004(12).

　　[4]路江涌，陶志刚.中国制造业区域聚集及国际比较[J].经济研究，2006(3).

　　[5]罗勇，曹丽莉.中国制造业聚集程度变动趋势实证研究[J].经济研究，2007(8).

　　[6]孙浦阳，武力超，张伯伟.空间集聚是否总能促进经济增长：不同假设条件下的思考[J].世界经济，2011(10).

　　[7]魏后凯.中国制造业集中状况及其国际比较[J].中国工业经济，2002(1).

　　[8]文玫.中国工业在区域上的重新定位和聚集[J].经济研究，2004(2).

　　[9]徐盈之，彭欢欢，刘修岩.威廉姆森假说：空间集聚与区域经济增长——基于中国省域数据门槛回归的实证研究[J].经济理论与经济管理，2011(4).

　　[10]张艳，刘亮.经济集聚与经济增长：基于中同城市数据的实证分析[J].世界经济文汇，2007(1).

　　[11]章元，刘修岩.聚集经济与经济增长：来自中国的经验证据[J].世界经济，2008(3).

　　[12]Arellano, M. and Bond, S. Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equations[J]. Review of Economic Studies, 1991,58,2:277—297.

　　[13]Arellano, M. and Bover, O. Another Look at the Instrumental Variable Estimation of Error Components Models[J].Journal of Econometrics, 1995,68,(1):29—51.

　　[14]Baldwin, R. E. and Martin, P. Agglomeration and Regional Growth[M]. In Handbook of Regional and Urban Economics, Edited by V. Henderson, and Thisse. J. F. Elsevier, North-Holland, 2004.

　　[15]Bertinelli, L. and Black, D. Urbanization and Growth[J]. Journal of Urban Economics,2004, 56, No. 1:80—96.

　　[16]Brulhart, M. and Sbergami, F. Agglomeration and Growth: Cross-country Evidence[J]. Journal of Urban Economics, 2009, 65, (1): 48—63.

　　[17]Ciccone, A. and Hall, R. Productivity and the Density of Economic Activity[J]. American Economic Review, 1996, 86(1):54—70.

　　[18]Ciccone, A. Agglomeration Effects in Europe[J]. European Economic Review, 2002, 46,(2):213—227.

　　[19]Combes, P. P. Economic Structure and Local Growth: France, 1984-1993 [J]. Journal of Urban Economics, 2000, 47, (3): 329—355.

　　[20]Dupont, V. Do Geographical Agglomeration, Growth and Equity Conflict? [J]. Papers in Regional Science, 2007,86,(2):193—213.

　　[21]Fujita, M. and Thisse, J. F. Does Geographical Agglomeration Foster Economic Growth?: And Who Gains and Loses from It? [J]. The Japanese Economic Review, 2003, 54,(2):121—145.

　　[22]Geppert, K. Gornig, M. and Werwatz, A. Economic Growth of Agglomeration and Geographic Concentration of Industrial: Evidence from Germany[J]. Regional Studies, 2008, 42,(30):413—421.

　　[23]Hanson, G. H. Agglomeration, Dispersion, and the Pioneer Firm[J]. Journal of Urban Economics, 1996, 39, (3): 255—281.

　　[24]Helsley, W. and Strange, W. Agglomeration Economies and Urban Capital Markets[J]. Journal of Urban Economics, 1991, 29, (1):96—112.

　　[25]Holmes, T. J. Localization of Industry and Vertical Disintegration [J]. Review of Economics and Statistics, 1999, 81, (2): 314—325.

　　[26]Henderson, J. V. The Urbanization Process and Economic Growth: The So-what Question [J]. Journal of Economic Growth, 2003, 8, (1):47—71.

　　[27]Lucas, R. E. On the Mechanics of Economic Development[J]. Journal of Monetary Economics, 1988, 22, (1): 3—24.

　　[28]Martin, P. and Ottaviano, G. Growing Locations: Industry Location in a Model of Endogenous Growth[J]. European Economic Review, 1999,43,(2):281—302.

　　[29]Mitra, A. and Sato, H. Agglomeration Economies in Japan: Technical Efficiency, Growth and Unemployment [J]. Review of Urban and Regional Development Studies, 2007, 19, (3)3:197—209.

　　[30]Porter M. The Competitive Advantage of Nations[M]. London: Macmillian, 1990.

　　[31]Romer, P.M. Increasing Returns and Long—run Growth [J]. Journal of Political Economy,1986, 94, (5):1002—1037.

　　[32]Sbergami, F. Agglomeration and Economic Growth: Some Puzzles[R]. HEI Working Paper No: 02/2002, 2002.

　　[33]Williamson, J. G. Regional Inequality and the Process of National Development[J]. Economic Development and Cultural Change, 1965, 13, (4):3—45.^