从经济新常态到高质量发展阶段,如何解决经济结构性、体制性问题一直是我国经济发展的关注点。2020年4月国务院印发了《关于构建更加完善的要素市场化配置体制机制的意见》(以下简称意见),指出,资源配置扭曲的扩散性和传导性带来了我国经济结构性问题,实现要素市场化配置是推动我国经济高质量发展的根本途径,要进一步构建要素从低质低效领域向高质高效领域流动的机制,进一步提升要素流动与资源配置效率[1]。根据《意见》内容,可以看出,从理论上探析资源错配的作用机理是当前学术界需要深入研究的经济问题。此外,长三角地区是我国强盛的区域增长极,进一步推动长三角地区一体化有利于完善我国改革开放空间格局,而推动长三角一体化深度融合的有效途径之一就是资源配置实现空间耦合,通过提升资源配置空间效率,进一步实现长三角地区整体发展效益。
伴随互联网基础设施和互联网技术的普及,其对我国经济发展产生了重大影响,在资源配置方面,互联网能够缓解信息不对称,是影响劳动力、资本流动与配置的重要因素,并且互联网普及率提升有助于改善资源错配状况[2]。近年来,在政策扶持和市场机制的双重作用下,由互联网设施和互联网技术衍生的互联网产业包括数字经济和软件、信息传输等产业蓬勃发展,在空间上呈现出集聚特征,对我国经济产生了深远影响。那么,从产业层面看,互联网产业集聚能否缓解资源错配?其作用机制是什么?这些问题都值得讨论,需要进一步研究。
伴随新一轮科技革命和产业革命的深入推进,互联网技术应用和互联网产业化发展对经济社会的各个领域产生深远而广泛的影响,学术界也围绕互联网主题展开了一系列研究。在理论分析层面,严若森等[3]通过构建PSET-SWOT模型分析发现,数字经济深刻改变了运营商的竞争环境,加速了运营商数字化转型;胡贝贝等[4]进一步指出,互联网引发了新技术—经济范式变革,其内在逻辑是互联网技术革新造就新的生产要素、生产方式以及产业模式。此外,源自互联网的数字要素主要通过大数据平台实现产业链上下游企业数据共享,从而有利于企业进行更精细的智慧化生产[5];Kambatla et al[6]也认为,互联网时代的企业通过大数据分析技术,能够根据消费者需求偏好进行针对性生产;刘嘉慧等[7]进一步指出,数字经济时代企业通过跨界方式满足消费者需求,并且这种跨界方式能够创造出新价值。对于产业集群模式,柳洲[8]指出,“互联网+”推动了产业集群的互联网化发展,通过融合-改造-创新方式实现产业集群高端化发展。在实证分析方面,Czernich等[9]指出,互联网技术普及带来全要素生产率提高;郭家堂等[10]进一步提出,互联网普及对全要素生产率的促进效应属于技术进步推动型。在企业发展方面,Zhuang等[11]基于中国企业数据发现,信息技术的使用有助于企业通过知识共享和交流及时感知市场需求变化,从而提升企业组织战略柔性;Jiménez等[12-13]指出,“互联网+”有助于提升工业生产过程中的智能化产品应用率,并通过降低交易成本提高制造业企业生产率。在其它方面,何凌云等[14]研究了互联网金融对企业研发创新的作用;潘毛毛等[15]分析了互联网、人力资本与制造业全要素生产率的内在联系。毋庸置疑,针对互联网技术应用、互联网产业化发展已经积累了丰富的研究成果,但鲜有从产业层面出发,分析互联网产业集聚对经济活动的影响。
本文重点关注资源错配影响因素,而现有与互联网产业集聚、资源错配密切相关的文献主要集中在两个方面:一是关于互联网技术、互联网产业对资源错配的影响。如赵云毅等[16]认为,基于信息与智能技术的新产业革命主要通过市场机制促进城市空间资源再配置,同时,数字化发展过程中数字要素与传统生产要素的融合发展有助于进一步实现资源配置重构[17],提升劳动力与金融资源配置效率[18-20];二是关于产业集聚对资源错配的影响。有学者将产业集聚引入资源错配理论框架中,认为产业集聚是通过降低资本门槛以及优化劳动力结构缓解资源错配(季书涵,朱英明,张鑫,2016),具体到制造业资源错配方面,即市场与政府的共同作用使得产业集聚的资源配置效应呈现出非线性特征[21]。此外,还有一些学者分析了市场与政府因素对资源错配的影响。如有研究认为,由所有制差异引起的资源错配根因是行政垄断(靳来群,林金忠,丁诗诗,2015),政府干预对行业间、行业内的资源错配作用显著(韩剑,郑秋玲,2014);而王文等[22]则肯定了产业政策对资源错配的改善效应,即当产业政策有助于推动行业竞争时,能够缓解资源错配状况。
通过上述文献梳理,可以看出,针对互联网技术应用、互联网产业发展以及资源错配的研究比较丰富,为本文提供了深厚的理论基础和现实参考,但是将互联网产业集聚与资源错配结合的研究依旧存在空白。一是缺少从产业层面研究互联网产业集聚对资源错配的影响效应;二是缺少对两者作用机制的实证检验;三是缺少对长三角地区空间尺度上的研究。因此,本文的主要边际贡献是验证互联网产业集聚的资源配置效应,检验其中的作用机理,丰富互联网产业集聚与资源配置的实证研究。
资源错配的实质是由于要素市场扭曲,使得资源配置偏离帕累托最优状态。互联网产业是在互联网基础设施和互联网技术基础上不断发展壮大的,其继承了互联网特征,具有信息共享效应,同时,互联网产业在空间上的集聚分布本身就具有集聚效应,能够推动第二三产业协同集聚,从而对要素市场产生影响。因此,互联网产业集聚对资源错配的影响主要源自产业集聚及其协同效应、信息共享效应与网络效应。
传统产业在集聚初期存在洼地效应,即能够吸引周边地区要素流入,提升集聚地比较优势,获得竞争优势;当传统产业进入集聚晚期时,会产生拥挤效应,如企业数量剧增,从而造成资源短缺,尤其是企业间的恶性竞争会进一步加剧资源错配[21]。目前,我国互联网产业处于集聚初期,能够借助洼地效应,减少要素无序流动,提升要素流动质量,改善资源错配。相比传统产业,互联网产业具有更多优势,如产品研发以及生产能够针对消费者需求,实现生产过程高度数字化,进而减少无效的要素流动[6,10]。与此同时,互联网产业在集聚过程中不断与其它产业融合,催生 “互联网+”新业态,尤其是促进第二产业与第三产业协同生产,通过产业协同与集聚,有效抑制要素在行业间的无序流动,使要素能够更高效地配置到高生产率行业中,改善资源错配现况。
此外,互联网产业延续了互联网基础设施和技术的网络效应特征[23],该网络效应有助于促进互联网服务平台的信息流、要素市场的资金流与微观经济主体的商品流高效融合,密切各经济主体联系,包括空间上的联系、行业间的联系、生产上的联系以及行业内部联系,从而形成一个由各经济主体组成的系统化网络关系。因此,在互联网产业网络效应的作用下,能够进一步强化第二三产业协同集聚对要素流动的影响,间接缓解劳动力错配以及资本错配。基于上述分析,本文针对性提出以下两个假设:
H1:互联网产业集聚能够缓解城市资源错配;
H2:互联网产业集聚与资源错配间存在链式中介效应,即互联网产业集聚通过促进第二三产业协同集聚,从而抑制无效要素流动,间接缓解城市资源错配。
互联网产业能够借助互联网平台为要素供给者、需求者提供一个零距离接触平台,缓解供求双方信息不对称问题,同样,借助互联网平台实现要素在需求者之间的信息共享,进而提升资源配置效率[7]。信息共享效应有助于推进地区间互联互通发展,通过地区协同实现产业协同,进一步发挥互联网对社会资源配置的优化作用,使得地区资源错配状况得到一定程度改善。如Sebastien &Ron[24]指出,互联网具有知识溢出效应,知识技术通过互联网平台跨时空快速传播,从而有利于地区间资源配置优化;石敬勋[25]指出,由互联网产业集聚形成的虚拟集聚极大地促进了各地区经济交流,具有空间溢出效应,能够影响邻近地区经济发展。同时,互联网产业集聚的网络效应能进一步强化空间溢出效应。因此,从新经济地理学角度考量,互联网产业集聚具有空间依赖性,通过信息共享的空间溢出机制改善地区资源错配状况。鉴于此,本文提出如下研究假设:
H3:互联网产业集聚具有负向空间溢出效应,能够有效改善邻近城市资源错配。
互联网产业集聚过程中除受到市场机制影响外,还会受到政府干预,如在人才引进、招商引资等方面提供一系列补贴和优惠政策,进而对要素市场与资源配置产生深远影响。肖兴志等[21]认为,地方政府对产业集聚区普遍存在过度干预现象,且政府干预不当会导致产业集聚区呈现虚假集聚趋势,根因在于企业出于自身利益最大化目的,会追求“政策租”而进入集聚区。伴随更多低效率企业的进入,虚假集聚加速形成,进而造成资源浪费和错配,但是适度的政府干预是可以优化资源配置的。对于不同性质的企业来说,政府干预对资源错配的影响效应也呈现出异质性特征,如在国有经济部门中政府干预可以均衡企业融资成本,从而缓解金融资源错配,而在民营经济部门中则恰恰相反[26]。因此,在不同的政府干预水平下互联网产业集聚对资源错配的影响也呈现出分异性特征。据此,本文提出如下研究假设:
H4:政府干预具有显著门槛效应,互联网产业集聚的资源配置效应在一定程度上受政府干预的影响。
图1 互联网产业集聚对资源错配的作用机制
基于互联网产业集聚对资源错配多重作用机制的分析,首先设定基准回归模型以初步判断互联网产业集聚与资源错配的作用关系,具体如下:
T(L,K)=β0+β1int_agg+β2rgdp+β3edu+β4lncity+β5sci+β6eco_agg++ε
(1)
式(1)为设定的普通面板模型。其中,T(L,K)为被解释变量,分别表示劳动力错配程度TL和资本错配程度TK;int_agg为核心解释变量,即互联网产业集聚;rgdp、edu、lncity、sci、eco_agg分别表示经济发展水平、教育水平、城市化水平、研发强度以及经济集聚;βi、和ε分别表示变量估计系数、个体控制以及随机误差。
为进一步检验互联网产业集聚对资源错配的多重作用路径,借鉴李惠娟等[27]的研究方法构建关于互联网产业集聚、第二三产业协同集聚、要素流动以及资源错配的多步多重中介效应模型,相应路径由图2所示。对应的回归方程由式(2)-式(9)所示。
图2 多步多重中介效应模型
+ε
(2)
+ε
(3)
+ε
(4)
+ε
(5)
+ε
(6)
+ε
(7)
+ε
(8)
+ε
(9)
式(2)-式(5)是检验互联网产业集聚通过第二三产业协同集聚影响劳动力流动,进而影响劳动力错配的多重中介效应模型。其中,式(2)反映互联网产业集聚对劳动力错配的影响;式(3)反映互联网产业集聚对第二三产业协同集聚的影响;式(4)反映互联网产业集聚和第二三产业协同集聚对劳动力流动的影响;式(5)反映互联网产业集聚、第二三产业协同集聚、劳动力流动程度对劳动力错配的影响;式(6)-式(9)是检验互联网产业集聚通过第二三产业协同集聚影响资本流动,进而影响资本错配的多重中介效应模型。此外,式中的coll_agg表示第二三产业协同集聚,lab表示劳动力流动程度,cap表示资本流动程度,X表示选用的控制变量。
为了检验互联网产业集聚通过知识共享产生的空间溢出效应,本文设定空间杜宾模型,具体见式(10)。其中,W表示空间邻近矩阵,当城市i与城市j相邻时取1,反之取0。
+ε
(10)
此外,考虑到互联网产业集聚对资源错配的经济效应受到政府干预的影响,本文相应构建了面板门槛模型,具体如下:
(11)
式(11)中gov为门槛变量,表示政府干预程度,I(·)表示指标函数,q表示待估计门槛变量值,β1与β2分别表示互联网产业集聚在门槛变量(政府干预水平)不同值域中的估计系数。
(1)被解释变量:劳动力错配程度(TL)与资本错配程度(TK)。参考Hsieh等[28]的研究,并在采用劳动力相对扭曲系数代替劳动力绝对扭曲系数、资本相对扭曲系数代替资本绝对扭曲系数的基础上,计算劳动力错配程度与资本错配程度。
(12)
(13)
(14)
(15)
其中,Y表示经济总量、L表示劳动力总量、K表示资本总量、i表示城市;si表示城市i的产值在整个经济体中的占比、βL表示产出加权后的劳动力贡献值、βK表示产出加权后的资本贡献值表示劳动力相对扭曲系数表示资本相对扭曲系数;γL表示劳动力绝对扭曲系数、γK表示资本绝对扭曲系数、TL表示劳动力错配程度、TK表示资本错配程度。
根据上述公式,要计算出劳动力与资本的错配程度,需要先测算出各城市的劳动力产出弹性(βLi)和资本产出弹性(βKi)。参考白俊红等[29]的做法,本文选用各城市GDP作为经济产出,各城市就业人数作为劳动力投入,各城市资本存量作为资本投入,然后基于规模报酬不变的C-D生产函数,运用变系数面板模型对长三角41个地级及以上城市2006-2018年的面板数据进行回归,从而得到各城市劳动力与资本产出弹性,带入式中,得到劳动力与资本错配程度。其中,资本存量采用永续盘存法进行测算,以2005年为基期,计算投资价格平减指数,并且经济折旧率选取9.6%。此外,参考季书涵等的处理方法,对劳动力错配程度和资本错配程度取绝对值,绝对值越大,表示资源错配程度越严重。同时,当解释变量对资源错配程度的回归系数为负时,表示可以改善资源错配;反之,则加重资源错配。
(2)核心解释变量:互联网产业集聚(int_agg)。选用由信息传输、软件和信息技术行业从业人数构建的区位熵指数作为互联网产业集聚的代理变量 。具体计算如下:
(16)
其中,eiI表示第i城市的信息传输、软件和信息技术行业从业人数;EI表示信息传输、软件和信息技术行业从业总人数;ei表示第i城市从业人数,E为总从业人数。
(3)中介变量:第二三产业协同集聚(coll_agg)、劳动力流动程度(lab)与资本流动程度(cap)。其中,第二三产业协同集聚选用第二产业集聚的区位熵指数(sec_agg)与第三产业集聚的区位熵指数(ter_agg)的相对差衡量,具体见式(17)。此外,对于劳动力流动程度和资本流动程度,借鉴张营营等[30]测算要素流动的做法,本文也采用引力模型,其一般表达式由式(18)所示。
coll_agg=1-|sec _agg-ter_agg|/(sec _agg+ter_agg)
(17)
(18)
式中,Fij表示地区i对地区j的吸引力;Gij、αi、αj分别表示引力系数、i地区引力参数、j地区引力参数,一般取值为1;Mi、Mj表示测度的要素指标,dij表示地区间的空间距离,b表示空间距离衰减指数,取值为2。
根据相关研究并结合引力模型,构建劳动力流动与资本流动测算公式。
(19)
(20)
式(19)中,Fpij表示i地区到j地区的劳动力流动量,pi表示i地区的劳动力数量,wj表示j地区的平均工资水平,dij表示两地间的地理距离,是基于国家基础地理信息中心提供的经纬度数据进行测算;Fpi表示i地区某年的劳动力要素流动程度。式(20)中,Fcij表示i地区到j地区的资本流动量,ki表示i地区的资本存量,rj表示j地区的工业利润总额,Fci表示i地区某年的资本要素流动程度。
(4)门槛变量:政府干预水平(gov)。参考师博等[31]的做法,用地方财政支出占GDP的比值衡量政府干预水平,比值越大表示市场化水平越低、政府干预越多。
(5)控制变量:选用教育水平(edu)、经济发展水平(rgdp)、城市化水平(lncity)、研发强度(sci)与经济集聚(eco_agg)指标。其中,教育水平以政府教育支出测度,经济发展水平以人均GDP测度,城市化水平以城市人口密度测度,研发强度则采用政府科学技术支出占城市GDP的比值衡量,经济集聚以规模以上工业企业数与城市行政面积比值衡量。
本文以2019年长三角再次扩容后所包含的41个地级及以上城市作为研究对象,共包含1个直辖市(上海市)、安徽省16个地级市城市、浙江省11个地级市城市以及江苏省13个地级市城市。数据研究期是2006-2018年,其中,城市人口密度指标来自EPS数据平台,其它变量数据来自2007-2019年《中国城市统计年鉴》以及各省市统计年鉴,具体见表1。
表1 变量定性描述结果
变量分类变量名称指标选取数据来源符号被解释变量劳动力错配程度资本错配程度资本存量城市就业人数城市GDP《中国城市统计年鉴》各省市统计年鉴TLTK解释变量互联网产业集聚信息传输、软件和信息技术行业从业人数《中国城市统计年鉴》各省市统计年鉴int_agg中介变量第二、三产业协同集聚第二产业从业人数第三产业从业人数《中国城市统计年鉴》各省市统计年鉴coll_agg劳动力流动程度城市就业人数平均工资《中国城市统计年鉴》各省市统计年鉴lab资本流动程度资本存量工业利润总额《中国城市统计年鉴》各省市统计年鉴cap门槛变量政府干预水平政府财政支出城市GDP《中国城市统计年鉴》各省市统计年鉴gov控制变量教育水平教育支出《中国城市统计年鉴》各省市统计年鉴edu经济发展水平人均GDP《中国城市统计年鉴》各省市统计年鉴rgdp城市化水平城市人口密度EPS数据平台lncity研发强度科学技术支出城市GDP《中国城市统计年鉴》各省市统计年鉴sci经济集聚规模以上工业企业数城市行政面积《中国城市统计年鉴》eco_agg
运用Stata.16软件,采用逐步增加控制变量的方法对设定的基准模型进行回归,以初步判断互联网产业集聚与劳动力错配、资本错配的作用关系。回归前,通过Hausman检验确定采用固定效应模型,回归结果见表2。
表2 全样本基准回归结果
变量名称(模型1)(模型2)(模型3)(模型4)(模型5)(模型6)劳动力错配劳动力错配劳动力错配资本错配资本错配资本错配int_agg-0.1983***-0.1380**-0.1376*-0.0219-0.0567**-0.0543**(-2.82)(-1.95)(-1.94)(-0.80)(-2.12)(-2.03)edu-0.0005-0.00100.0015***0.0015***(-0.88)(-1.53)(7.30)(6.11)rgdp0.0567***0.0611***-0.0169***-0.0144***(4.32)(4.13)(-3.41)(-2.58)lncity0.2758*0.1696***(1.74)(2.84)sci0.24590.0116(1.50)(0.19)eco_agg-0.09960.0418(-0.63)(0.70)常数项1.2669***0.9552***-0.90530.4004***0.4027***-0.7820*(22.78)(11.88)(-0.81)(18.49)(13.24)(-1.85)个体控制是是是是是是样本量533533533533533533
注:括号内数值为t统计值,*表示显著性水平(*p<0.1,**p<0.05,***p<0.01)
根据样本的回归结果可以得到两个结论:①互联网产业集聚能够缓解劳动力错配。模型1是互联网产业集聚对劳动力错配的回归,从回归结果看,互联网产业集聚对劳动力错配具有抑制效应,表现为互联网产业集聚水平每提升一个单位,劳动力错配会降低0.198 3个单位。模型2在模型1的基础上加入控制变量教育水平和经济发展水平,结果显示,互联网产业集聚对劳动力错配的抑制效应依然显著。模型3在继续加入城市化水平、研发支出和经济集聚等控制变量后,结果显示,互联网产业集聚对劳动力错配的抑制作用稳定;②互联网产业集聚能够显著降低资本错配。模型4-模型6的回归结果显示,互联网产业集聚与资本错配成负向作用关系,并且在控制其它因素后,模型6中的互联网产业集聚估计系数在5%水平下显著为负,可以判断,互联网产业集聚与资本错配成负向关系。究其原因,主要是互联网产业借助互联网技术以及互联网平台有效连接要素资源的供需双方,缓解了信息不对称问题,优化了资源配置。因此,互联网产业集聚能够缓解资源错配,假设H1得以验证。
基准模型回归结果表明互联网产业集聚能够缓解资源错配,为了深入分析其中的作用机制,本文根据上述互联网产业集聚通过第二三产业协同集聚影响要素流动,进而作用于资源错配的机理分析以及设定的多步多重中介效应模型,运用Bootstrap方法进行中介效应检验,回归结果见表3。在多重中介效应模型中(包括独立中介效应以及链式中介效应),根据图2所示,a1b2、a2d1、a3d2分别表示第二三产业协同集聚的独立中介效应、劳动力流动的独立中介效应、资本流动的独立中介效应;a1b1d1、a1b3d2分别表示第二三产业协同集聚与劳动力流动的链式中介效应、第二三产业协同集聚与资本流动的链式中介效应。
表3中的模型7-模型9是采用Bootstrap法检验第二三产业协同集聚、劳动力流动对互联网产业集聚与劳动力错配关系的多重中介效应结果。其中,模型7是互联网产业集聚对第二三产业协同集聚的回归结果,回归结果显示,互联网产业集聚显著促进了第二三产业协同集聚;模型8是互联网产业集聚、第二三产业协同集聚对劳动力流动的回归结果,回归结果显示,互联网产业集聚和第二三产业协同集聚会抑制劳动力流动;模型9的结果显示,当前劳动力流动对劳动力错配有正向作用。因此,可以看出,互联网产业集聚通过第二三产业协同集聚抑制劳动力流动,进而缓解劳动力错配,因此可以反向推断,互联网产业集聚通过促进第二三产业协同集聚,提升劳动力流动质量。结合模型7-模型9的结果,验证了第二三产业协同集聚与劳动力流动的链式中介效应(a1b1d1),其值为-0.004 46。此外,模型10、模型11和模型12检验了第二三产业协同集聚与资本流动间的链式中介效应。各模型回归结果表明,互联网产业集聚虽然通过促进第二三产业协同集聚,抑制了资本流动,但是提升了资本流动质量,从而缓解资本错配,并且相应的链式中介效应值(a1b3d2)为-0.000 36。通过对多步多重中介效应模型的检验发现,互联网产业集聚与资源错配之间存在链式中介效应,互联网产业集聚能够促进第二、三产业协同集聚,从而减少无效要素流动,提升要素流动质量,进而缓解资源错配,从而验证了假设H2。
表3 机制检验结果
变量名称(模型7)(模型8)(模型9)(模型10)(模型11)(模型12)第二三产业协同集聚劳动力流动劳动力错配第二三产业协同集聚资本流动资本错配int_agg0.06156***-0.00172**-0.12070*0.06156***-0.00489***-0.05865**(4.07)(-2.42)(-1.90)(4.07)(-2.71)(-2.17)coll_agg-0.02386***-0.11765-0.00958***0.12411(-5.85)(-0.53)(-4.12)(1.56)lab3.03679***(2.80)cap0.61032**(2.47)常数项0.88170***0.1498***-0.625030.88170***0.40644***-1.12291***(3.50)(6.54)(-0.54)(3.50)(5.21)(-2.58)链式中介效应-0.00446-0.00036[-0.00733,-0.00159][-0.00059,-0.00013]控制变量是是是是是是个体控制是是是是是是
注:控制变量为基准模型中的5个变量,括号内数值为t统计值,*表示显著性水平(*p<0.1,**p<0.05,***p<0.01)
表4中列出了空间杜宾模型的回归结果,从互联网产业集聚对劳动力错配的回归结果看,互联网产业集聚的空间滞后项在5%的置信水平下显著,说明互联网产业集聚具有负向空间溢出效应,能够缓解邻近城市劳动力错配状况。从效应分解看,互联网产业集聚对劳动力错配的直接效应和间接效应均显著,且间接效应强于直接效应,说明互联网产业集聚对本地区劳动力错配同样具有改善作用,但互联网产业集聚对劳动力错配的负向空间溢出效应更显著。从互联网产业集聚对资本错配的回归结果看,互联网产业集聚能够改善邻近城市的资本错配,其空间溢出效应为-0.265 1,但是直接效应不显著,因此验证了假设H3,即互联网产业集聚具有负向空间溢出效应,能够缓解邻近城市的资源错配。综合上述机理分析可知,互联网产业集聚过程能够催生虚拟集聚,加强城市交流,实现城市间、产业间的信息共享,进一步强化互联网网络效应,从而具有空间溢出效应。
表4 空间杜宾模型回归结果
变量名称int_aggW*int_aggW*T(LK)控制变量个体控制直接效应(int_agg)间接效应(int_agg)总效应(int_agg)劳动力错配-0.1169*-0.6209**0.4393***是是-0.1282*-1.1507***-1.2789***(-1.72)(-2.22)(3.89)(-1.86)(-2.66)(-2.94)资本错配 -0.0181-0.3653***-0.3433*是是-0.0146-0.2651***-0.2797***(-0.70)(-3.39)(1.64)(-0.55)(-3.72)(-4.22)
注:控制变量为基准模型中的5个变量,括号内数值为Z统计值,*表示显著性水平(*p<0.1,**p<0.05,***p<0.01)
无论是通过文献梳理还是机理分析,都可以发现,政府干预是互联网产业集聚影响资源错配的重要因素,因此进一步检验政府干预的门槛效应。首先,确定政府干预是否存在门槛以及存在几重门槛。分别假设存在1、2或3个门限值,依次进行门限自抽样检验,门槛效应检验结果见表5。从检验结果的F值和P值可以看出,政府干预对劳动力错配和资本错配具有显著的单门槛效应,验证了前文的模型设定合理,随后对政府干预的单门槛效应模型进行回归,结果见表6。
表5 政府干预门槛效应检验结果
变量门槛检验F值P值BS次数临界值10%5%1%劳动力错配单一门槛检验63.060.04030042.74752.565115.543双重门槛检验12.770.52330032.64148.44281.662三重门槛检验17.710.26330026.58731.24547.606资本错配 单一门槛检验59.300.03030028.12938.74872.651双重门槛检验9.340.53330025.53832.85166.174三重门槛检验2.790.93630033.43347.610122.20
表6分别列出了政府干预对劳动力错配和资本错配的单门槛模型估计结果。模型13显示政府干预对劳动力错配的单门槛值为0.060 6,即当政府干预水平不高于门槛值(0.060 6)时,互联网产业集聚能够显著缓解劳动力错配,而当政府干预水平高于门槛值(0.060 6)时,互联网产业集聚对劳动力错配的回归系数是0.029 3,是一种正向关系但在样本期内不显著。模型14显示政府干预对资本错配的单门槛值为0.017 3,即在不同政府干预水平下,互联网产业集聚对资本错配的作用方向不同,当政府干预水平低于门槛值(0.017 3)时,互联网产业集聚会加重资本错配,当政府干预水平高于门槛值(0.017 3)时,互联网产业集聚会缓解资本错配。因此,表6验证了政府干预具有门槛效应,互联网产业集聚对资源错配的作用效果在一定程度上受政府干预的影响,适当的政府干预有助于通过互联网产业集聚改善资源错配现状,假设H4得到验证。
表6 单门槛效应模型估计结果
变量名称(模型13)变量名称(模型14)劳动力错配资本错配int_agg-0.6644***int_agg 1.8311***(gov≤0.0606)(-7.02)(gov≤0.0173)(7.89)int_agg0.0293int_agg-0.0639**(gov>0.0606)(0.41)(gov>0.0173)(-2.52)gov-5.4073***gov-0.5287(-3.82)(-1.06)控制变量是控制变量是常数项是常数项是
注:控制变量包含基准模型中5个控制变量、劳动力流动以及资本流动,括号内数值为t统计值,*表示显著性水平(*p<0.1,**p<0.05,***p<0.01)
为验证模型回归结果的稳健性,对基准模型、门槛效应模型进行稳健性检验。一是考虑到组内自相关与组间异方差的影响,采用全面的FGLS对基准模型进行检验,回归估计结果见表7。将表中结果与表2中的模型3、模型6比对,可以发现,变量系数、符号以及显著性变化不大,说明互联网产业集聚能够缓解资源错配的结论是稳健的;二是通过调整样本期,对门槛效应模型回归结果进行检验。主要是将样本有效期缩短为2006-2017年,重新回归,估算结果见表8。可以发现,表8与表6的估算结果相近,说明政府干预存在门槛效应的结论稳健。
表7 稳健性检验结果(1)
变量名称全面FGLS劳动力错配资本错配int_agg-0.0980***-0.0167*(-4.95)(-1.69)edu-0.00050.0007***(-0.69)(5.22)rgdp0.0277***0.0067***(3.75)(2.97)lncity-0.06330.1284***(-0.62)(6.06)sci0.0801*-0.0748**(1.87)(-2.41)eco_agg-0.1823*0.0162(-1.90)(1.05)常数项是是个体控制是是样本量533533
注:括号内数值为t统计值,*表示显著性水平(*p<0.1,**p<0.05,***p<0.01)
表8 稳健性检验结果(2)
变量名称调整样本期变量名称调整样本期劳动力错配资本错配int_agg-0.6337***int_agg2.9768***(gov≤0.0608)(-6.55)(gov≤0.0173)(10.38)int_agg0.0290int_agg-0.0581**(gov>0.0608)(0.41)(gov>0.0173)(-2.25)gov-4.8966***gov-0.4999(-3.40)(-0.96)控制变量是控制变量是常数项是常数项是样本量492样本量492
注:控制变量包含基准模型中5个控制变量、劳动力流动以及资本流动,括号内数值为t统计值,*表示显著性水平(*p<0.1,**p<0.05,***p<0.01)
本文以2006-2018年长三角地区41个地级及以上城市作为研究对象,从要素流动、空间溢出、政府干预等视角实证研究互联网产业集聚与地区资源错配的内在作用机制。通过比较现有关于互联网产业化发展、互联网技术应用以及资源错配等研究成果,本文的创新主要体现在以下几点:①从产业层面出发,分析互联网产业集聚的资源配置效应;②针对互联网产业集聚能否缓解地区资源错配作出实证研判;③采用多步多重中介效应模型、空间杜宾模型、面板门槛模型,检验其中的内在作用机理。最后,本文得到以下结论:第一,样本有效期内互联网产业集聚在产业协同集聚效应、信息共享效应以及网络效应的作用下能够显著缓解资源错配;第二,样本有效期内互联网产业集聚与资源错配之间存在链式中介效应,互联网产业集聚通过促进第二三产业协同集聚,从而抑制无效的要素流动,间接缓解地区资源错配,并且可以推断互联网产业集聚能够调节要素流动的质与量;第三,互联网产业集聚具有负向空间溢出效应,能够改善邻近城市资源错配状况;第四,样本有效期内互联网产业集聚对资源错配的作用效应在一定程度上受政府干预水平的影响,适当的政府干预有助于互联网产业集聚缓解资源错配。以上结论在进行稳健性检验后仍然成立。
(1)推进互联网产业集群建设。长三角地区是我国要素集聚的重点区域之一,通过互联网产业集聚,能够有效提升长三角地区整体资源配置效率,进而推进长三角地区实现一体化高质量发展。具体来说,大力推进互联网产业实体集聚和虚拟集聚耦合发展,以互联网产业集群网络带动长三角地区城市间以及产业间协同发展。
(2)推进互联网产业与其它产业协同发展。一方面,要抓住“互联网+”新业态下的新机遇,借助互联网技术、平台深入推进互联网与其它产业融合,打通产业间的资源配置渠道,进一步优化资源配置;另一方面,推动互联网产业化,大力发展数字经济,挖掘数字要素价值,为长三角地区高质量发展赋能。
(3)注重发挥互联网产业集聚对要素流动质与量的调节作用。互联网产业集聚能够提高长三角地区互联网技术应用水平,因此,要充分利用好互联网,为企业与就业者、企业与投资者提供有效的交流平台,实现供求双方信息互联互通与有效对接,进一步提升长三角地区整体要素流动质量、缓解资源错配。
(4)适当实施政府干预。适当的政府干预可以增强互联网产业集聚的资源配置效应。因此,长三角三省一市要坚持市场在互联网产业集聚过程以及资源配置中的主导作用,同时,为互联网产业集聚提供良好的产业政策支持以及市场监管。
①本研究从互联网产业集聚角度出发,实证分析其对资源错配的改善效应,但没有考虑互联网产业集聚带来的数字要素集聚对资源错配的影响。因此,后续研究可以从数字要素集聚角度构建理论框架并进行实证分析;②资源错配亦包括创新人才错配、创新资本错配,因此仅考虑互联网产业集聚对劳动力错配和资本错配的影响,并不能完备估计出互联网产业集聚的资源配置效应,应进一步深入剖析互联网产业集聚对创新资源错配的影响;③互联网产业集聚对资源错配的机制路径不仅包括本文研究的机制,也涉及到市场竞争机制等方面,因此还需进一步深入探讨和检验其它机制路径。
[1] 中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见:(2020年3月30日)[N].人民日报,2020-04-10(1).
[2] 韩长根,张力.互联网是否改善了中国的资源错配:基于动态空间杜宾模型与门槛模型的检验[J].经济问题探索,2019,40(12):43-55.
[3] 严若森,钱向阳.数字经济时代下中国运营商数字化转型的战略分析[J].中国软科学,2018,33(4):172-182.
[4] 胡贝贝,王胜光,段玉厂.互联网引发的新技术-经济范式解析[J].科学学研究,2019,37(4):582-589.
[5] 孙立,杨斌,杨军,等.“互联网+”趋势下产业链大数据整合与应用研究[J].科技进步与对策,2015,32(17):57-60.
[6] KAMBATLA K,KOLLIAS G,KUMAR V,et al.Trends in big data analytics[J].Journal of Parallel and Distributed Computing,2014,74(7):2561-2573.
[7] 刘嘉慧,高山行.数字经济环境下企业跨界内涵:价值主张视角[J].科技进步与对策,2021,38(1):63-70.
[8] 柳洲.“互联网+”与产业集群互联网化升级研究[J].科学学与科学技术管理,2015,36(8):73-82.
[9] CZERNICH N,FALCK O,KRETSCHMER T,et al.Broadband infrastructure and economic growth[J].The Economic Journal,2011,121(552):505-532.
[10] 郭家堂,骆品亮.互联网对中国全要素生产率有促进作用吗[J].管理世界,2016,32(10):34-49.
[11] ZHUANG C Y,CHEN G H,HOU J,et al.The mechanism of Internet capability driving knowledge creation performance:the effects of strategic flexibility and informatization density[J].Interdisciplinary Journal of Information,Knowledge and Management,2018,13:259-278.
[12] JIMENEZ M,MATUS J A,MARTINEZ M A.Economic growth as a function of human capital,internet and work[J].Applied Economics,2014,46(26):3202-3210.
[13] 施炳展,李建桐.互联网是否促进了分工:来自中国制造业企业的证据[J].管理世界,2020,36(4):130-149.
[14] 何凌云,马青山.互联网金融促进了企业研发创新吗[J].科技进步与对策,2020,37(13):20-27.
[15] 潘毛毛,赵玉林.互联网融合、人力资本结构与制造业全要素生产率[J].科学学研究,2020,38(12):2171-2182,2219.
[16] 赵云毅,赵坚.新产业革命推动城市空间资源再配置[J].经济与管理研究,2019,40(9):68-78.
[17] 刘玉奇,王强.数字化视角下的数据生产要素与资源配置重构研究:新零售与数字化转型[J].商业经济研究,2019,38(16):5-7.
[18] 丛屹,俞伯阳.数字经济对中国劳动力资源配置效率的影响[J].财经理论与实践,2020,41(2):108-114.
[19] 孙英杰,林春.“互联网+”对金融资源配置效率的影响:基于省级面板数据的经验分析[J].大连理工大学学报(社会科学版),2019,40(6):28-36.
[20] 赵羚雅,向运华.互联网使用、社会资本与非农就业[J].软科学,2019,33(6):49-53.
[21] 肖兴志,李沙沙.产业集聚对制造业资源错配的纠正效应:线性抑或非线性[J].产业经济研究,2018,17(5):1-13.
[22] 王文,孙早,牛泽东.产业政策、市场竞争与资源错配[J].经济学家,2014(9):22-32.
[23] 王节祥,王雅敏,贺锦江.平台战略内核:网络效应概念演进、测度方式与研究前沿[J].科技进步与对策,2020,37(7):152-160.
[24] HELIE S,SUN R.Incubation,insight,and creative problem solving:a unified theory and a connectionist model[J].Psychological Review,2010,117(3):994-1024.
[25] 石敬勋.互联网平台经济的区域集聚与空间溢出效应研究[D].济南:山东大学,2020.
[26] 邢志平,靳来群.政府干预的金融资源错配效应研究:以中国国有经济部门与民营经济部门为例的分析[J].上海经济研究,2016,28(4):23-31,68.
[27] 李惠娟,蔡伟宏.离岸生产性服务外包与东道国产业结构升级:基于跨国面板数据的中介效应实证分析[J].国际贸易问题,2018,44(3):113-123.
[28] HSIEH C T,KLENOW P J.Misallocation and manufacturing tfp in China and India[J].Quarterly Journal of Economics,2009,124(4):1403-1448.
[29] 白俊红,刘宇英.对外直接投资能否改善中国的资源错配[J].中国工业经济,2018,35(1):60-78.
[30] 张营营,高煜.创新要素流动能否促进地区制造业结构优化:理论解析与实证检验[J].现代财经(天津财经大学学报),2019,39(6):98-113.
[31] 师博,沈坤荣.政府干预、经济集聚与能源效率[J].管理世界,2013,29(10):6-18,187.