一 引言与文献综述

以完全竞争、规模报酬不变为假设的新古典经济增长理论认为，生产要素投入增加是经济增长的重要源泉，各地区增长水平最终将趋于一致，但是该理论却无法解释人口、产业不断集聚而各地区增长水平的差距不断拉大的现实。但在以规模收益递增、不完全竞争和存在运输成本等为假设前提的新经济地理分析框架下，产业集聚成为解释地区经济增长与劳动生产率差异的重要因素，该理论得到越来越多的学者重视(Ciccone，1999)。产业集聚是指相同或不同产业在同一地理区域集聚，及其资本、劳动力等要素不断汇集的过程。同一行业的大量企业在同一区域集聚，彼此之间分享知识外溢、基础设施、广大熟练的劳动力以及劳动力与工作更高的匹配度从而提升集聚区内企业的生产效率，这种效应也被称作MAR(Marshall-Arrow-Romer)效应(Ciccone & Hall，1995)。然而，在现实经济生活中，不同行业的企业在区域内集聚可能更有利于提升区域内企业的生产率，即所谓的Jacobs型集聚效应(Boschma, et al., 2012)。

由于研究对象和研究样本存在不同，现有文献中关于MAR型集聚与Jacobs型集聚对经济增长和劳动生产率作用的实证研究结论存在较大的差异。其中一种观点认为，上述两种集聚效应同时存在，如Lee等(2010)分别利用美国大都市区两位数的制造业数据以及韩国2000家制造业和采掘业的企业数据进行实证研究，发现专业化集聚与多样化集聚均有利于劳动生产率的提高；Matano等(2016)利用意大利的数据，认为产业多样化集聚使得高技能劳动力与市场的匹配度增加，同时有利于低技能劳动力人力资本的积累和技能的提升，从而有利于提高劳动力的生产率。我国学者范剑勇等(2009)利用中国样本数据的实证研究也认为，专业化集聚与多样化集聚均对劳动生产率有显著的正向影响。沈能(2014)构建了关于空间集聚、规模门槛与技术创新关系的分析框架，并利用我国制造业企业普查数据检验了空间集聚对技术创新影响的规模门槛效应，发现专业化集聚和多样化集聚有利于企业技术创新，但是溢出效应存在门槛。

另一种观点则认为，仅存在一种集聚效应而另一种集聚效应不存在或者不稳定。如Neffke等(2011)认为MAR型集聚效应与Jacobs型集聚效应在产业生命周期的不同阶段对劳动生产率具有不同的影响，前者在产业成熟阶段对劳动生产率有显著的正向影响，而后者只有在产业处于导入期与成长期时才对劳动生产率有积极的影响。Wixe(2015)通过研究瑞典制造公司的数据，发现专业化集聚与竞争的环境对劳动生产率有正的影响，但是不存在Jacobs型集聚效应，多样化集聚与劳动生产率存在非线性关系。我国一些学者的相关研究也得到类似的结论，如薄文广(2007)利用中国省级面板数据研究发现，在全国范围内专业化水平与劳动生产率呈负向关系，当多样化水平比较低时，其不利于劳动生产率提高，当多样化水平比较高时，则有利于劳动生产率的提高。李金滟和宋德勇(2008)研究认为产业集聚的多样性有助于提升劳动生产率，而专业性对劳动生产率的影响则不稳定。此外，赵伟和隋月红(2015)等的研究均认为多样化集聚有利于劳动生产率的提升，而专业化集聚将会抑制劳动生产率的提升。

经过30多年的快速经济增长，产业集聚在中国已成为一个突出的经济现象，尤其是高新技术产业的集聚。高新技术产业的核心要素是科技和创新，比土地资本、物质资本具有更强的非线性和非均衡性，更容易形成集聚效应(袁海红等，2014)。纵观现有国内外文献，可以得到以下几点认识：第一，不同经济发展水平地区的产业集聚的类型有所差异，总的来说发达地区的产业集聚偏向于多样化，而发展较为落后的地区产业集聚偏向于专业化(张海峰等，2010)。第二，产业集聚对劳动生产率存在外部性已经无可争辩，然而关于MAR型产业集聚与Jacobs型产业集聚对劳动生产率的影响尚未形成定论。第三，高新技术产业集聚程度高于其他行业，但是为提升高新技术产业的生产效率，究竟是集中资源发展某些特定产业，还是多种产业共同发展，以及高新技术产业集聚对劳动生产率是否存在阶段性特征和空间差异，在现有的研究文献中并没有明确的结论。就我国学者的研究来看，目前大部分研究基于省级或地级市的数据，少数基于微观企业数据，并且在MAR型与Jacobs型产业集聚对劳动生产率影响的探讨中，主要集中在服务业、制造业、旅游业等行业，而缺少分析高技术产业集聚与劳动生产率之间关系的文献。

基于目前的研究现状，本文将利用2004—2014年中国高新技术产业“二位数”行业的省级面板数据，实证分析不同类型高新技术产业集聚对劳动生产率的影响。本文的创新和学术贡献在于：(1) 区分了高新技术产业的专业化集聚与多样化集聚及其对劳动生产率的影响，弥补了缺少分析不同类型高新技术产业集聚与劳动生产率关系的文献。(2) 与大多数文献不同的是，本文使用了门限回归法分析产业集聚对劳动生产率影响的阶段性变化特点，该方法能够克服人为划分结构点所缺乏科学性和多重共线性的问题。(3) 本文的政策意义在于通过分析高新技术产业下“二位数”行业集聚对劳动生产率的影响类型，为各地区高新技术产业的分类管理提供理论支持，从而有助于提高我国高新技术产业的生产效率和管理水平。

二 模型构建、变量分析与数据来源 (一) 模型构建与变量选取

根据前文分析，产业集聚将通过知识溢出、劳动力匹配度的提高等外部性影响劳动生产率的变化，因此首先建立柯布—道格拉斯(C-D)生产函数，见式(1)。其中，Y表示产出，K表示资本，L表示劳动力，A表示产业集聚效应，其通过外部性的方式影响劳动生产率。一般假定生产函数为规模报酬不变，将两边同时除以L，并且对两边取对数，则其计量模型见式(2)，其中y=Y/L表示劳动生产率，k表示人均资本，∂表示截距项，μ表示误差项。

$Y = A{K^\alpha }{L^\beta }$

(1)

${\rm{ln}}y = \partial + {\rm{ln}}A + \alpha {\rm{ln}}k + \mu $

(2)

度量产业集聚程度的方法主要有区位商、HHI指数、EG指数等，根据现有的文献研究以及本文的研究目的，可以将集聚因子分为多样化产业集聚与专业化产业集聚(Duranton & Puga，2000)。式(3) 和式(4) 分别表示相对多样化集聚水平和相对专业化集聚水平，S_ij表示第i省份高新技术产业“二位数”行业j的从业人数占高新技术产业从业人数的比例，S_j则表示高新技术产业中产业j的从业人数占全国高新技术产业从业人数的比例。

$RD{I_{ij}} = 1/\sum\limits_j {\left| {{S_{ij}} - {S_j}} \right|} $

(3)

$RZ{I_{ij}} = Max\left( {{S_{ij}}/{S_j}} \right)$

(4)

考虑到固定资本具有一定的使用年限，使用人均新增固定资本投资不能全面反映人均固定资本的拥有量，因此，本文选择永续盘存法，计算人均固定资本存量，见式(5)。其中，PPC_it表示第i个省份第t期(t=2004、2005…2014) 的固定资本存量，I_it表示第i个省份第t期的固定资本投入。对于基期资本存量的确定，Young(2003)等采用基期投入除以10%，该方法使用简便并且具有一定的科学性，因此本文借鉴他们采用的方法，将2004年的固定资本投资除以10%作为基期资本存量。折旧率的确定，冯宗宪等(2011)采用15%和10%的折旧率进行的检验发现，两者对研究结论并未产生影响；同时，肖文等(2014)等众多文献也采用10%的折旧率，因此本文将10%作为资本存量的折旧率。

$PP{C_{it}} = \left( {1 - \delta } \right)PP{C_{i,t - 1}} + {I_{it}}$

(5)

此外，本文还选择以下几个变量作为控制变量：

人均研发经费支出。根据新古典经济增长理论，当经济达到稳态时只有技术进步才能引起人均产出的增加，技术进步是经济保持增长的强劲动力，而研发经费支出是技术进步的要素之一，因此本文认为增加人均研发经费的支出将有利于提高劳动生产率。

外商直接投资。学界对外商直接投资对劳动生产率的影响存有争议。首先，外商直接投资改善竞争环境，迫使本土企业不断提高生产效率以应对竞争，同时外商直接投资能带来先进的技术、生产设备以及管理经验。但跨国企业出于保持领先地位的目的，未必会与东道国企业分享先进的技术，且由于其拥有的优势和实力会对东道国企业的生存构成严重威胁，因此外商直接投资对劳动生产率的影响取决于两种效应的比较。

国有企业影响力。由于国有企业存在所有者缺位等问题，因而其劳动生产率普遍低于民营企业，同时国有企业投入的增加将会挤出民营资本的投资，因此在国有企业影响力比较大的地区劳动生产率将会低于国有企业影响力比较低的地区。鉴于高新技术产业中各省份国有企业产值、营业收入以及从业人员等变量有较多年份缺失，本文选择国有及国有控股产值与工业总产值的比值作为度量国有企业影响力的变量。

综合上述变量的设定，从多样化产业集聚与专业化产业集聚的视角出发，本文构建高新技术产业集聚与劳动生产率关系的实证模型如式(6) 和式(7)。其中，LP表示劳动生产率，RDI表示相对多样化产业集聚，RZI表示相对专业化产业集聚，PPC表示人均固定资本存量，FDI表示外商直接投资，PPRD表示人均研发经费支出，IN表示国有企业影响力，α表示常数项，μ_i+ε_it表示复合扰动项。

$L{P_{it}} = \alpha + RD{I_{it}} + PP{C_{it}} + FD{I_{it}} + PPR{D_{it}} + I{N_{it}} + {\mu _i} + {\varepsilon _{it}}$

(6)

$L{P_{it}} = \alpha + RZ{I_{it}} + PP{C_{it}} + FD{I_{it}} + PPR{D_{it}} + I{N_{it}} + {\mu _i} + {\varepsilon _{it}}$

(7)

(二) 变量描述性统计

由于统计口径存在差异，本文未将香港、台湾、澳门纳入研究对象。同时，根据《中国高技术统计年鉴》的划分方法，将全国划分为东中西部三个地区。其中，东部地区包括北京、天津、河北、辽宁、山东、江苏、上海、浙江、福建、广东、海南，中部地区包括黑龙江、吉林、河南、湖北、湖南、安徽、江西、内蒙古、山西、陕西，西部地区包括宁夏、甘肃、青海、四川、重庆、贵州、广西、云南、新疆、西藏。

表 1与表 2列出了全国以及分地区各个变量的统计值。由表中的数据可知，东部地区的劳动生产率远高于中部和西部地区，并且劳动生产率的内部差异东部地区相较于中部和西部地区要小。同时，相对专业化集聚(RZI)指标西部地区(5.64) 远高于东部(2.22) 和中部地区(2.29)，但中部地区各省份专业化集聚差异小于东部和西部地区；相对多样化集聚(RDI)指标则是东部地区(2.93) 最高，中部地区(2.12) 次之，西部地区(1.21) 则最低。这和目前大部分研究文献相一致，即经济发达地区产业集聚更倾向于多样化，而经济落后地区产业集聚更倾向于专业化，同时东部地区相对多样化集聚的区域差异小于西部和中部地区。

此外，各个控制变量中，东部地区的国有企业影响力(0.2612) 低于中西部地区，这是由于东部地区的民营经济比较发达，民营经济占GDP的比例高于中西部地区。值得注意的是，东部地区的人均固定资本存量低于中部和西部地区，与我们的经验认识不相符，这是由于虽然东部地区新增固定资产投资与固定资产存量高于中部和西部地区，但其从业人员远高于中部和西部地区，致使东部地区的人均固定资本存量较低。东部地区外商直接投资的数额(622.52亿元)高于中部和西部地区的总和，这与东部地区的区位优势不无关系；人均研发经费同样是东部地区(836973元)远高于中西部地区，与预期相一致，显示出东部地区强劲的研发实力。

(三) 数据来源与处理

本文的数据主要来自于2005—2015年《中国高技术统计年鉴》、《中国统计年鉴》、国研网数据库以及各省份的统计年鉴。其中，高新技术产业“二位数”行业可以分为：医药制造业、航空航天器制造业、电子及通讯设备制造业、计算机及办公设备制造业、医疗设备及仪器仪表制造业等。本文对数据主要做了以下的处理：(1) 以2004年为基期计算累积的居民消费价格指数，消除劳动生产率、外商直接投资以及人均研发经费的通货膨胀影响；(2) 以2004年为基期计算累积的固定资产投资价格指数，消除固定资产价格变化对固定资本存量的影响；(3) 以每年12月31日美元兑人民币的汇价，将外商直接投资转换成以人民币为单位计数；(4) 对所有变量取对数使数据更平滑。

三 高新技术产业集聚与劳动生产率的线性关系分析 (一) 以全国为样本的高新技术产业集聚与劳动生产率的线性回归

在计量模型的估计方面，本文采用Hausman检验在随机效应模型和固定效应模型之间进行选择。Hausman检验结果p值拒绝了原假设，所以采用固定效应模型进行实证检验。

表 3列出了以全国为样本的高新技术产业专业化集聚(RZI)与多样化集聚(RDI)对劳动生产率的影响。模型(1) 和模型(2) 是以RZI、RDI当期作为解释变量的回归结果；模型(3) 和模型(4) 是以RZI与RDI滞后一期作为解释变量的回归结果；模型(5) 和模型(6) 是以RZI、RDI当期作为解释变量，并且加入聚类稳健标准误的回归结果。模型(1) 中高新技术产业专业化集聚在1%的显著性水平上对劳动生产率有负的影响，说明高新技术产业集聚不存在MAR型集聚效应，相同类型的产业集聚不能获得产业集群的辐射效应，未能提高企业劳动生产率；模型(2) 中高新技术产业多样化集聚在1%的显著性水平上对劳动生产率有正的影响。但是通过比较模型(2) 与模型(4)、模型(6) 的回归结果，在利用多样化集聚滞后一期作为解释变量与控制异方差后，多样化集聚的显著程度发生变化，说明采用线性回归情况下高新技术产业多样化集聚对劳动生产率影响的结果并不稳健。

同时，各个控制变量对劳动生产率均有显著的影响。其中，外商直接投资(FDI)对劳动生产率有正的影响，影响系数在0.10左右，说明外商直接投资对劳动生产率的正向效应超过了负向效应；国有企业影响力(IN)对劳动生产率有负的影响；人均固定资本存量(PPC)对劳动生产率有正的显著的影响，这与预期相一致，人均固定资本存量每上升1%，劳动生产率将上升0.20%左右；人均研发经费(PPRD)对劳动生产率有正的显著的影响，这与预期相符，说明人均研发经费的增长将有利于劳动生产率的提高。

(二) 分地区的高新技术产业集聚与劳动生产率的线性回归

考虑到我国各地区的经济发展水平存在较大的差异，各地区高新技术产业多样化集聚、专业化集聚以及各个控制变量对劳动生产率的影响系数可能存在差别，本文将分地区考察高新技术产业集聚与劳动生产率之间的线性关系，回归结果见表 4。

表 4为将全国分为东部、中部以及西部三个地区之后分别进行回归分析的结果。同样采用固定效应模型进行实证检验的结果表明，各地区高新技术产业多样化集聚与专业化集聚对劳动生产率的影响存在显著的差异，东部和中部地区多样化集聚与专业化集聚对劳动生产率的影响均不显著；西部地区高新技术产业多样化集聚与专业化集聚对劳动生产率均具有显著的影响，其中多样化集聚对劳动生产率有正的影响，专业化集聚对劳动生产率有负的影响。这些差异性可能源于高新技术产业多样化集聚、专业化集聚与劳动生产率之间存在非线性关系，此时用线性回归得到的结果无法准确反映变量间真实的关系，需要采用非线性的方程探讨它们之间是否存在非线性关系。

四 高新技术产业集聚对劳动生产率影响的门槛特征分析 (一) 研究方法与模型设定

门槛回归模型采用Bootstrap(自举法)方法划分结构变化点，其模型的基本形式见式(8) 和式(9)：

$\begin{array}{*{20}{c}} {{y_i} = {\theta _1}{x_i} + {e_i}}&{{q_i} \le \gamma } \end{array}$

(8)

$\begin{array}{*{20}{c}} {{y_i} = {\theta _2}{x_i} + {e_i}}&{{q_i} ＞ \gamma } \end{array}$

(9)

其中，q表示门槛变量，将所有的观测值分成两个区间，γ表示门槛值，y是被解释变量，x表示解释变量，e为残差项。该模型实际上是个分段函数，当q_i小于等于γ时系数为θ₁，当q_i大于γ时系数为θ₂。门槛回归模型出现无门槛、单一门槛或双门槛的内在原因在于是否存在几个门槛值，例如以单一门槛而言，它的null hypothesis是0门槛(线性模型)，统计量F值与对应的p值是1对1的对应关系，所以拒绝H₀，表示存在一个门槛值。

构建以高新技术产业多样化集聚和专业化集聚为单一门槛变量的模型：

$\begin{array}{l} L{P_{it}} = \alpha + {\theta _1}i{f_{it}}I\left( {RD{I_{it}} \le \gamma } \right) + {\theta _2}i{f_{it}}I\left( {RD{I_{it}} ＞ \gamma } \right) + {\theta _3}PP{C_{it}}\\ \quad \quad \quad + {\theta _4}PPR{D_{it}} + {\theta _5}I{N_{it}} + {\mu _i} + {\varepsilon _{it}} \end{array}$

(10)

$\begin{array}{l} L{P_{it}} = \alpha + {\theta _1}i{f_{it}}I(RZ{I_{it}} \le \gamma ) + {\theta _2}i{f_{it}}I(RZ{I_{it}} > \gamma ) + {\theta _3}PP{C_{it}}\\ \quad \quad \quad + {\theta _4}PPR{D_{it}} + {\theta _5}I{N_{it}} + {\mu _i} + {\varepsilon _{it}} \end{array}$

(11)

式(10) 与式(11) 为单一门槛的模型设定形式，i和t的含义与前文相同，I()表示指示函数，其他变量为控制变量(与前文一致)。

(二) 门槛值的确定与检验

对式(10) 和式(11) 进行估计，得到残差平方和的函数S₁(γ)=e′_i(γ)e_i(γ)。将每一个观察值作为可能的门槛值，当γ越接近门槛值时，其残差平方和就越小，利用逐步搜索法最小化S₁(γ)，进而可以估计其他参数。Γ表示所有的观测值。

$\begin{array}{*{20}{c}} {\gamma = {\rm{argmin}}{S_1}\left( \gamma \right)} & {{q_i} \in \mathit{\Gamma }} \end{array}$

(12)

在得到门槛值后，需要进行如下检验：一是门槛效应是否显著，二是门槛值是否等于其真实值。构造LM统计量，检验以门槛值划分的两组样本的模型估计参数是否存在显著不同，不存在门槛值的原假设为：H₀：θ₁=θ₂。LM表示为：

$LM = \frac{{{S_0} - {S_{1M}}\left( {\hat \gamma } \right)}}{{{\delta ^2}}}$

(13)

确定门槛值后需要检验门槛估计值是否与真实值一致。本文采用LR统计量检验，H₀：γ=γ₀。

$L{R_1}\left( \gamma \right) = \frac{{{S_1}\left( \gamma \right) - {S_1}\left( {\hat \gamma } \right)}}{{{S_1}\left( {\hat \gamma } \right)}}$

(14)

当$L{R_1} ＞ C\left( \alpha \right) = - 2\ln \left( {1 - \sqrt \alpha } \right)$时，不能接受原假设；α表示显著性水平，在95%的显著性水平下，C(α)=7.3523。以上均基于存在单一门槛时的假设，存在双重门槛、多重门槛时其检验思路与上文基本一致，因此不再赘述。

本文分别对全国、东部地区、中部地区和西部地区进行门槛回归，检验高新技术产业集聚与劳动生产率的关系。首先利用Bootstrap方法，通过重叠模拟似然比统计量500次，估计出Bootstrap p值。门槛值检验的具体结果在表 5中列出，从中可以发现，全国、东部地区、中部地区高新技术产业的多样化集聚与专业化集聚均通过双重门槛检验。西部地区高新技术产业多样化集聚未通过单一门槛检验，专业化集聚则通过双重门槛检验，门槛值分别为1.507、2.570。经检验，上述门槛值均是真实的门槛值，模型(13) 至模型(19) 中控制变量(见表 6)对劳动生产率的影响方式与前文线性回归的结果基本一致，且波动较小，说明实证结果比较稳健。

从全国层面来看，高新技术产业多样化集聚和专业化集聚均与劳动生产率有非线性关系(见表 6)。当多样化集聚水平低于-0.188时，其对劳动生产率在1%的显著性水平上有负的影响，Jacobs型产业集聚效应不能发挥作用。当多样化集聚水平跨过-0.188的门槛值时，其对劳动生产率有正的显著影响，但是当多样化集聚水平越过0.402的第二重门槛时，其对劳动生产率的正向影响则下降。高新技术产业专业化集聚对劳动生产率同样具有非线性关系，三个子样本观测值均认为专业化集聚对劳动生产率有负的影响，但是不同样本观测值的影响系数不一样。当专业化集聚水平低于1.388时，其对劳动生产率的负向影响最大；当专业化集聚水平大于1.388而小于1.498时，其对劳动生产率的负向影响减少到0.19；当专业化集聚水平跨过1.498的门槛值时，其对劳动生产率的影响不显著。

根据上面的分析，本文认为当高新技术产业多样化集聚超过一定水平时其将促进劳动生产率提高，而专业化集聚则不利于劳动生产率的提高。对此的解释是：一是学习效应有利于生产效率的提升。高新技术产业属于技术密集型产业，创新与异质性是高新技术企业获得竞争优势和提高劳动生产率的重要途径(Ushifusa & Tomohara，2013)。多样化集聚为高新技术产业之间的异质性知识互补创造了条件，这种互补对企业创新性具有重要意义，并且多样化集聚使得企业有机会整合产业外异质性的资源，使高新技术企业获得竞争优势。而专业化集聚时由于企业间存在直接竞争关系，高新技术企业为了保持相对于竞争对手的领先地位，会想方设法使企业特有的研发成果不被竞争对手获取，“人为”地阻碍知识和技术的传播。二是规模效应有利于劳动生产率的提升。高新技术企业集聚能够带来资本、技术、劳动力等生产要素的集中，多样化程度越高意味着资本、劳动力等要素越丰富。同时，高新技术产业集聚能够利用公共基础设施，使得集聚具有明显的规模效应，专业化集聚水平提升所带来的规模效应能够抵消一部分专业化集聚不利于知识、技术传播的负面效应。

分地区来看，东部地区高新技术产业多样化集聚和专业化集聚对劳动生产率的影响与从全国层面的检验结果类似。当多样化集聚水平低于0.117时，其对劳动生产率有负的影响；当多样化集聚水平大于0.117时，其对劳动生产率有正的显著的影响；但是当多样化集聚水平大于第二个门槛值(1.180) 时，其对劳动生产率的影响下降。东部地区高新技术产业专业化集聚对劳动生产率均有负的显著影响，其影响系数绝对值呈现出先变大再变小的特征。

中部地区高新技术产业多样化集聚水平在低于第一个门槛值(-0.169) 时，对劳动生产率具有负的显著影响，这与全国和东部地区相一致；多样化集聚水平高于第一个门槛值但是低于第二个门槛值(1.244) 时，其对劳动生产率在5%的显著性水平下有正的影响，此时多样化集聚水平每上升1%，能够促进劳动生产率提高0.16%；当多样化集聚水平大于第二个门槛值时，其对劳动生产率的影响不显著。中部地区高新技术产业专业化集聚的影响与从全国层面回归的结果一致，在专业化集聚水平低于第二个门槛值(1.377) 时，其对劳动生产率有负的显著的影响，当专业化集聚水平越过第二个门槛值(1.377) 时，其对劳动生产率有负的不显著影响。

西部地区高新技术产业多样化集聚未能通过门槛检验，因此应采用线性回归方式，上文表 4中模型(12) 的检验结果反映了西部地区高新技术产业多样化集聚对劳动生产率的正向影响。而西部地区高新技术产业专业化集聚对劳动生产率具有负的显著影响，并且影响系数绝对值不断变小。

五 高新技术产业集聚对劳动生产率影响的进一步探讨

根据舒尔茨的理论，人力资本是经济增长的重要因素，通过教育能提高劳动生产率和产品附加值(Li, et al., 2017)。因此，本文还将采用人力资本作为门槛变量，构建高新技术产业多样化集聚与专业化集聚对劳动生产率影响的非线性单一面板门槛模型(双重门槛、多重门槛的模型设定与单一门槛的模型设定类似，其检验方法不再赘述)，如式(15) 和式(16)：

$\begin{array}{l} L{P_{it}} = \alpha + {\theta _1}RD{I_{it}}I\left( {h{c_{it}} \le \gamma } \right) + {\theta _2}RD{I_{it}}I\left( {h{c_{it}} > \gamma } \right) + {\theta _3}PP{C_{it}}\\ \quad \quad \quad + {\theta _4}PPR{D_{it}} + {\theta _5}I{N_{it}} + {\mu _i} + {\varepsilon _{it}} \end{array}$

(15)

$\begin{array}{l} L{P_{it}} = \alpha + {\theta _1}RZ{I_{it}}I(h{c_{it}} \le \gamma ) + {\theta _2}RZ{I_{it}}I(h{c_{it}} > \gamma ) + {\theta _3}PP{C_{it}}\\ \quad \quad \quad + {\theta _4}PPR{D_{it}} + {\theta _5}I{N_{it}} + {\mu _i} + {\varepsilon _{it}} \end{array}$

(16)

其中，hc表示人力资本，以各地区大专以上人口占总人口的比例表示，其他变量与上文一致。根据检验结果，中部地区高新技术产业多样化集聚与专业化集聚、西部地区高新技术产业专业化集聚未通过门槛检验，其他样本均通过双重门槛的检验，具体实证结果如表 7所示。

具体来看，全国高新技术产业多样化集聚的人力资本门槛值分别为-3.088、-2.054，在人力资本低于第一个门槛值时多样化集聚对劳动生产率的影响达到最大；当人力资本小于-2.054且大于-3.088时，多样化集聚对劳动生产率的影响不显著；当人力资本大于-2.054时，多样化集聚对劳动生产率的影响又变得显著，但是影响系数小于人力资本处于第一个样本区间(小于-3.088) 时多样化集聚对劳动生产率的影响。全国高新技术产业专业化集聚的人力资本门槛值分别为-2.567、-2.075，随着人力资本的提升，专业化集聚对劳动生产率影响的绝对值逐渐降低。

东部地区高新技术产业多样化集聚的人力资本门槛值分别为-1.986、-1.200，在人力资本低于-1.986时多样化集聚对劳动生产率的影响系数为0.268，且在1%的显著性水平下显著；当人力资本大于第一个门槛值且小于第二个门槛值时，多样化集聚对劳动生产率的影响变大；当人力资本大于第二个门槛值时，多样化集聚对劳动生产率的影响达到最大。东部地区高新技术产业专业化集聚的门槛值分别为-2.420、-1.688，人力资本在越过门槛值后对劳动生产率影响的绝对值逐渐降低，这与从全国层面的样本回归结果类似。

西部地区高新技术产业多样化集聚的人力资本门槛值分别为-2.822、-2.685，当人力资本低于第一个门槛值时，多样化集聚不利于劳动生产率的提高；当人力资本大于第一个门槛值且小于第二个门槛值时，多样化集聚对劳动生产率的影响变得不显著；当人力资本大于第二个门槛值时，多样化集聚对劳动生产率具有正的影响。

以人力资本为门槛变量的回归结果表明，虽然不同门槛值下高新技术产业多样化集聚对劳动生产率的影响存在差异，但是当人力资本大于第二个门槛值后，多样化集聚对劳动生产率均有正的显著的影响，专业化集聚对劳动生产率影响的绝对值则在逐渐降低。根据《国家高新技术产业开发区高新技术企业认定条件和办法》，高新技术企业从业人员中具有大专以上学历的科技人员应占企业职工总人数的30%以上，其中从事高新技术产品研究开发的科技人员占企业职工总人数的10%；从事高新技术产品生产或服务为主的劳动密集型高新技术企业，具有大专以上学历的科技人员应占企业职工总人数的20%以上，反映出高新技术企业对人力资本具有较大的依存度。因此，当一个地区大专以上人口占总人口的比例(即人力资本)上升时，高新技术企业设立、经营的环境也在不断改善，会有越来越多的高新技术企业在该地区生产经营并产生集聚效应，这又会吸引更多的高素质人才前来工作，从而形成良性的循环。而当一个地区的人力资本较低时，高新技术企业创业和投资经营的条件比较差，集聚企业的数量就会比较少，高新技术产业集聚对劳动生产率的影响则较小。

六 结论与启示

本文利用2004—2014年中国31个省份的面板数据，以线性和非线性双重视角分析高新技术产业多样化集聚、专业化集聚与劳动生产率之间的关系。线性回归结果表明，高新技术产业多样化集聚能提升劳动生产率，但是其显著性并不稳健，而专业化集聚则会抑制劳动生产率的提升。分地区考察时发现，东部和中部地区高新技术产业多样化集聚与专业化集聚对劳动生产率的影响均不显著；西部地区高新技术产业多样化集聚对劳动生产率有显著的影响，专业化集聚对劳动生产率的影响则不稳健。以多样化集聚和专业化集聚为门槛变量的面板门限检验结果表明，高新技术产业多样化集聚与专业化集聚对劳动生产率的影响不仅存在简单的线性关系，还存在复杂的非线性关系，而这种关系在不同地区存在一定的差异。

将人力资本作为门槛变量的进一步检验，则证实了高新技术产业集聚对中国劳动生产率影响的空间异质性和阶段性特征。在高新技术产业多样化集聚下，东部地区人力资本不断增加时其对劳动生产率的影响也在不断提升，说明人力资本对劳动生产率变化的重要作用；西部地区则需要人力资本越过第二个门槛值时，高新技术产业多样化集聚才对劳动生产率有正的显著的影响。在高新技术产业专业化集聚下，东部地区随着人力资本的增加对劳动生产率的负面影响越来越小，西部地区则不存在门槛效应。

根据上述研究结论，本文得出如下政策启示：

第一，高新技术产业多样化集聚效应在全国、东部地区以及中部地区较为一致，地方政府应当通过税收减免、财政补贴等财税手段鼓励不同类型的高新技术企业在辖区聚集，提高高新技术产业多样化集聚水平，促使多样化集聚越过第一重门槛。同时，政府应当尽力将高新技术产业多样化集聚水平保持在合理范围，对多样化集聚水平过高的地区应适当予以疏导、迁移，避免多样化集聚的“拥塞效应”对劳动生产率造成的负向影响。西部地区虽不存在门槛效应，但高新技术产业多样化集聚对劳动生产率有着线性的影响，这些地区应结合当地优势和资源禀赋，循序渐进地引进和发展高新技术产业，以保持高新技术产业多样化集聚对劳动生产率正向影响的长期稳定性。

第二，全国层面与中部地区高新技术产业专业化集聚在第二个门槛值之前，对劳动生产率均有负的显著的影响，大于第二个门槛值后对劳动生产率的影响则不显著；东部地区与西部地区在两个门槛值前后均呈现负的显著的影响，说明高新技术产业专业化集聚对劳动生产率的负向影响同样具有一定的稳定性。因此，各地方政府在发展高新技术产业的政策导向方面，应积极构建公平合理的市场竞争环境，让高新技术企业在专业化集聚的过程中，通过扩大规模效应促使知识和技术的自由传播与扩散，减少高新技术产业专业化集聚对劳动生产率的负向效应。

第三，各地政府应当充分认识到人力资本投资的重要性。人力资本薄弱的中西部地区应加大基础教育和职业教育的投入，发挥政府的主体引导作用并带动社会资本积极投资，完善教育结构和知识培养层次，推动形成布局合理、结构完善、体系健全的现代教育体系。同时，相关高等院校和科研机构应当加大人才引进和培养力度，通过改革公共资源配置、矫正市场信号、完善人才激励和考核机制、加大市场筹资比重、鼓励创新创业等多种方式提高人力资本的数量和质量，培育一支富有创新精神、智力密集的多层次产业人才队伍，为辖区高新技术企业的集聚发展创造良好的条件。