高技术产业转移的定量测度及效应分析

当前，我国已进入高质量发展阶段。在我国经济由高速增长阶段转向高质量发展阶段的关键时期，面对旧动能日渐式微和传统产业增长乏力，高技术产业作为战略性引领产业，表现出强劲增长活力。2016年，我国高技术产业增加值占GDP的比重达到5.08%，成为经济增长的重要引擎；2019年，规上高技术制造业增加值与高技术产业投资分别同比增长8.8%和17.3%，明显快于规上工业增速，表明高技术产业是我国实现高质量发展的主要动力。然而，我国高技术产业发展也面临一系列问题，如要素配置的结构红利呈下降趋势[1]、区域间发展差距较大[2]、低水平区域存在“马太效应”[3]等，同时结合相关数据，高技术产业增加值增速从2010年的16.6%降至2019年的8.8%，表明我国高技术产业在增长动力、资源配置效率、区域协调发展等问题上面临困境。

产业转移作为一种产业基于资源供给或产品需求变化发生转移的经济过程[4]，其实质是生产要素在不同区域间的重新配置[5]，对于提升产业的资源配置效率、推动产业在区域层面协调发展具有重要作用，因而也是高技术产业破解发展困境的关键所在。由于高技术产业对自然资源的依赖性较弱，更容易发生产业转移现象[6]，因而通过产业转移实现高技术产业高质量发展更具可能性，但现实中，产业转移能否提升高技术产业发展质量仍需检验。同时，在构建以国内大循环为主体、国内国际双循环相互促进的新发展格局下，承接高技术产业转移成为中西部地区积极融入双循环发展格局的重要抓手。因此，分析高技术产业转移状况和转移效应具有重要现实意义，但如何较为全面地分析产业转移效应是研究的难点。

在高质量发展阶段，提高全要素生产率是高质量发展的动力源泉。全要素生产率作为一种资源配置效率，是产业转移效应的重要反映，也是产业高质量发展的重要体现。因此，以产业全要素生产率衡量产业转移效应具备一定合理性。为此，本文核心研究问题是：样本期内，高技术产业具有怎样的相对转移规模和转移特征？产业转移过程中是否提升了高技术产业全要素生产率？

1 文献综述

产业转移形式包括国内省际产业转移和国际产业转移，早期关于产业转移效应的研究主要集中在以国际产业转移为主的外商直接投资(FDI)与经济增长的关系上。虽然大多数研究认为FDI是人力资本、技术转让和跨国公司理念在各国间溢出的重要渠道，但在实证检验方面，FDI对经济增长的影响尚存在争议。Iamsiraroj&Ulubasoglu[7]运用Meta-Analysis方法对先前的研究进行分析，发现只有不到一半的研究认为FDI对经济增长有积极且显著的影响，近1/3的研究得出FDI对经济增长有负面影响的结论。原因可能是，学者们主要从经济发展水平[8]、金融发展水平[9]和制度质量[10]等不同角度进行考察。

随着内生增长理论的出现以及对经济可持续增长的关注，学者们开始聚焦产业转移与全要素生产率的关系，但在实证分析方面，同样出现争议。一种观点认为FDI能够促进东道国全要素生产率提升，如Mohammed&Murshed[11]研究发现，FDI通过技术转让、扩散和溢出效应提升东道国全要素生产率；Adnan等[12]、Malikane[13]分别以南亚地区和非洲地区为研究对象，证实FDI对东道国全要素生产率提升的促进作用。另一种观点认为FDI对东道国全要素生产率的影响是不确定的，如Aitken&Harrison[14]研究发现，FDI对委内瑞拉企业生产率具有负面影响，并以“市场偷窃”假说作为解释，该假说认为，虽然FDI能够促进技术转移，但代价是国内企业的市场份额，这将迫使国内企业以更高的平均成本进行生产，因此FDI的效应可能是负面的；Cecchini&Lai-Tong[15]以7个地中海国家为样本，研究发现FDI对全要素生产率的溢出效应取决于东道国人力资本、贸易开放水平等因素；Benxi & Ruiying [16]通过比较FDI对木材制造业、造纸制造业和家具制造业全要素生产率的影响，发现FDI对不同行业的影响具有差异。因此，产业转移能否提升高技术产业全要素生产率仍需要考证。

国内产业转移研究视角主要集中在产业转移测度[17]、动力机制[4]、经济效应[5]等方面。其中，对于高技术产业转移的研究，学者们主要从区域发展差异[2]、产业转移趋势[6]、空间转移模式与动力机制[18]等方面进行分析。在全要素生产率效应方面，张秀生和黄鲜华[19]通过研究区域制造业转移发现，由于国内产业转移多以资源消耗型的落后产业为主，因此制造业转移未能促进区域全要素生产率整体提升；刘亚婕和董锋[20]通过研究制造业转移的技术进步效应发现，产业转移对全要素生产率的影响与当地经济发展水平有关。

综上所述，通过梳理相关文献发现：首先，关于产业转移对全要素生产率的效应研究多以国际产业转移为主，有关国内省际产业转移层面的研究较少，并且在行业层面以制造业为主，缺少对高技术产业转移的关注；其次，有关产业转移对全要素生产率的影响框架，学者们主要从经济发展水平、金融发展水平和人力资本等中间因素角度进行探讨，少有学者从分解全要素生产率的角度出发，深入探讨高技术产业转移对产业全要素生产率的作用路径。因此，本文主要边际贡献在于，分析产业转移对高技术产业全要素生产率的影响，同时基于分解后的全要素生产率，分析产业转移对高技术产业全要素生产率的作用路径。鉴于此，本文从定量角度分析高技术产业的相对转移规模和转移特征，在此基础上，将全要素生产率分解为技术进步指数、纯技术效率指数和规模效率指数，基于2009—2018年中国内地30个省市(西藏因数据不全，未纳入统计)面板数据，运用静态面板模型和动态面板模型检验产业转移对高技术产业全要素生产率的影响，并结合作用路径和行业异质性探讨提升产业转移效应的举措。

2 理论机制分析

梳理相关文献发现，产业转移主要通过产业集聚、结构优化和技术溢出方式作用于产业全要素生产率。

产业转移本质上是生产要素在地理空间上的优化再配置过程[5]。在这个过程中，为追求外部规模经济，生产要素、企业乃至产业会在一个地区内聚集，形成产业集聚现象。产业集聚存在规模效应和拥挤效应。产业转移初期，生产要素在一定区域内集中并积累，有利于企业节省运输成本，共享资源要素，从而获得规模效应，通过提升资源配置效率，实现全要素生产率提升。随着集聚规模扩大，产业集聚会出现拥挤效应，表现为劳动力、土地、资本等生产要素配比失衡，加之交通拥挤、环境污染等问题，从而制约全要素生产率提升。此时，需要再次通过产业转移，将与要素结构不契合的企业迁出，以消除拥挤效应的非经济性。此外，产业集聚类型也会对全要素生产率产生影响。范剑勇等[21]基于1998—2007年通信设备、计算机及其它电子设备业数据，发现产业集聚主要通过提升技术效率、促进技术进步作用于全要素生产率，其中，专业化集聚经济对全要素生产率有显著促进作用，多样化集聚经济虽然能促进技术进步，但未能显著促进整体TFP提升。

在产业转移过程中，当生产要素从低边际生产率部门流动至高边际生产率部门时，会释放出结构红利，反之则为结构负利。实践表明，充分释放要素配置结构红利是提升全要素生产率的重要机制和手段，但现有研究关于结构红利的检验结论尚不统一。以高技术产业为例，胡亚茹和陈丹丹[1]通过分解中国高技术产业全要素生产率的增长率，发现要素配置结构红利对TFP提升起到重要作用；刘沛罡等[22]研究中国高技术产业结构红利发现，劳动力和资本在跨行业流动时产生结构红利，但在跨省流动时产生结构负利。

由于产业转移通常是梯度转移，在梯度转移过程中，高梯度地区会为低梯度地区带来相对先进的技术或管理经验，此时产业转移主要通过技术进步或纯技术效率作用于全要素生产率。技术溢出效应分为产业内的水平溢出和产业间的垂直溢出，其中，水平溢出主要通过示范效应、竞争效应和培训效应影响东道国或低梯度地区全要素生产率，垂直溢出则通过产业间的前后向关联效应作用于全要素生产率。李春梅[23]等以产业关联效应较强的电子设备制造业为研究对象，证实产业关联效应确实存在，并且能促进电子设备制造业全要素生产率提升；Junbing [24]基于中国内地30个省市面板数据，证实技术溢出对全要素生产率具有提升作用。然而，也有研究认为，产业转移可能会使承接地依赖外来技术溢出，从而陷入“低端技术陷阱”[25]。

综上所述，虽然产业转移能通过产业集聚、结构优化和技术溢出等方式作用于产业全要素生产率，但现实中，我国高技术产业在产业转移过程中是否提升了产业全要素生产率尚不确定，倘若存在促进作用，是作用于技术进步、纯技术效率抑或是规模效率还需要进一步分析。

3 高技术产业转移定量测度及分析

3.1 产业转移界定

产业转移分为绝对转移和相对转移[26]。其中，绝对转移是指产业从一个地区转移至另一个地区，表现为转出地产值绝对下降和转入地产值绝对上升；相对转移是指地区间产值发生相对变化，表现为产业重心改变。由于我国缺乏企业地理变迁数据，同时考虑到各地产业产值在较多年份处于普遍增加的状况，因此本文将产业转移界定为相对转移。

3.2 测度方法与数据来源

关于产业相对转移的测度，由于地区产业产值的变化可能来自地区经济规模的变动，而非来自产业迁移，因此会给相对指标测度带来偏差。为此，本文借鉴孙晓华等[5]的方法，加入地区经济规模占比，以消除地区经济规模扩大造成的影响，其公式为：

其中，QITc,i,t为i省c行业第t年的产业转移量，Qc,i,t为i省c行业第t年的产值，

表示c行业第t年的全国产值，

表示i省所有行业产值。考虑到数据缺失，以主营业务收入替代总产值，并进行相关价格平减。若QIT>0，表明有产业转入，反之则为产业转出。相关数据主要来源于《高技术统计年鉴》《中国科技统计年鉴》《中国工业统计年鉴》。

3.3 高技术产业转移分析

基于公式(1)，本文测度2009—2018年中国内地30个省市高技术产业相对转移量。虽然高技术产业可作为知识和技术密集型产业的代表，但由于行业间生产要素总量、要素配置结构等存在差异，会对整体测度结果造成影响。为此，本文选取医药制造业、电子及通信设备制造业、计算机及办公设备制造业作为代表性子行业，比较行业间转移差异。为使结果更为直观，对2009—2018年各地各产业转移量进行累计，结果如图1所示。其中，颜色由浅至深依次表示数值缺失地区、产业转出地区、一般承接地区和主要承接地区，主要承接地区是指产业承接量排在前5位的省市，图中数值为各省市的相对转移量。

从高技术产业整体看，地理分布表现出从东部向中西部转移的趋势。产业承接量排在前5位的省市依次为重庆、河南、安徽、海南和江西，产业转出量排在前5位的省市为北京、上海、天津、福建和江苏。结合地理分布，河南、安徽和江西是中部地区主要承接地和产业集聚地；西部地区相对转移数值呈现出以重庆为中心向外递减的趋势，说明重庆是西部地区主要承接地和产业集聚地。此外，主要承接地安徽、江西与主要转出地福建、江苏毗邻，说明局部地区存在梯度转移特征。

从细分行业看，医药制造业、电子及通信设备制造业、计算机及办公设备制造业表现出截然不同的转移趋势和集聚趋势。一方面说明因行业要素配置结构和地区资源禀赋不同产生的产业转移差异确实存在；另一方面表明高技术产业子行业正形成不同产业空间布局，这不仅有利于各地区发挥比较优势，避免产业同质化发展，还有利于推动区域协调发展，形成国内大循环发展格局。其中，医药制造业从内陆向东部沿海地区零星集聚，主要承接地为海南、北京、辽宁、江苏和上海，主要转出地为江西、贵州、广西、吉林和重庆，表明医药制造业主要从欠发达地区向发达地区转移，存在逆梯度转移特征[18]。同时，除北京外，主要承接地普遍具备临海港口优势，说明市场贸易环境是医药制造业产业转移的主要动因之一。电子及通信设备制造业呈现出从四周向中心集聚的转移趋势，主要承接地为重庆、河南、江西、贵州和湖南，主要转出地为北京、天津、上海、江苏和福建，虽然产业从东部向中西部转移，但主要承接地并非以中部为主，说明该行业不具备依次转移的梯度特征。此外，除河南外，其余主要承接地在地理空间上呈现出毗邻集聚的带状分布特征，这一定程度上与电子及通信设备制造业的产业强关联性有关。计算机及办公设备制造业主要呈现出从东部沿海向内陆转移的趋势，主要承接地为重庆、四川、安徽、广西和天津，主要转出地为上海、广东、福建、北京和浙江，从地理分布上看，广西与广东毗邻、安徽与浙江毗邻、天津与北京毗邻，说明局部存在梯度转移特征。同时，重庆和四川是计算机及办公设备制造业最主要的产业承接地，表明西南地区正成为全国计算机制造中心。原因在于，不同于以往沿海地区“两头在外”的加工贸易模式，重庆通过引进零部件、原材料和整机厂商，形成上、中、下游产业链集群和“一头在内，一头在外”的发展模式，有效解决了物流成本过高、产业配套不足等问题，从而形成产业承接的比较优势，成为计算机及办公设备制造业的主要承接中心。

4 高技术产业转移效应分析

4.1 模型设定

结合文献综述分析，产业转移对产业全要素生产率的影响可能还受到经济发展水平[8]、金融发展水平[9]、人力资本和对外开放程度[15]的影响，因此本文将其作为控制变量，静态模型构建如下：

其中，i表示省市，t表示年份；Y为被解释变量，分别代表全要素生产率(TFP)、技术进步指数(Tech)、纯技术效率指数(Pech)和规模效率指数(Sech)；QIT为核心解释变量，代表产业转移量；控制变量方面，lnPGDP表示经济发展水平，HC代表人力资本，FIN表示金融发展水平，OPEN表示对外开放程度；β为相应变量的待估计系数，C为常数，μ代表个体效应，∂表示时间效应，ε为随机误差项。

为避免模型(2)的内生性问题，确保检验结果的稳健性，本文采用动态模型进行检验。由于两阶段系统GMM在处理异方差和序列相关时更有效，因此使用两阶段系统GMM方法分析产业转移对产业全要素生产率的影响，即在模型(2)中加入被解释变量的滞后项，模型如下：

Yi,t=C+β0Yi,t-1+β1QITi,t+β2lnPGDPi,t+

β3HCi,t+β4FINi,t+β5OPENi,t+μi+εi,t

4.2 指标说明

(1)被解释变量。被解释变量包括全要素生产率(TFP)、技术进步指数(Tech)、纯技术效率指数(Pech)和规模效率指数(Sech)。关于全要素生产率的测度，参照大多数学者的方法，本文采用DEA-Malmquist指数法测算2009—2018年各省市高技术产业TFP增长率，并将其分解为技术进步指数、纯技术效率指数和规模效率指数。其中，以经价格平减后的高技术产业主营业务收入衡量产出，分别以高技术产业从业平均人数和固定资本存量衡量劳动力和资本投入，固定资本存量采用永续盘存法估计，其公式为：

其中，Kt为第t年的固定资本存量，It为经价格平减后的第t年新增固定资产；δt为固定资本折旧率，参照大多数学者的一般做法[27]，折旧率取15%。关于基期固定资本存量，采用吴延兵[28]的方法，假定固定资本存量平均增长率等于每年新增固定资本平均增长率，则基期固定资本存量公式为：

其中，K0为基期固定资本存量，I0为基期新增固定资本，g为样本期内各省市实际新增固定资本平均增长率。

(2)核心解释变量。本文核心解释变量为产业转移量(QIT)，相关概念界定和测度方法与前文一致，将消除地区经济规模干扰的产业在国内区域间相对规模变化看作是产业转移。

(3)控制变量。控制变量中，经济发展水平采用经价格平减后的地区人均GDP对数衡量；人力资本采用受教育程度为大专以上人员比重衡量；金融发展水平采用各省市金融机构人民币存贷款余额占GDP比重衡量；借鉴刘亚婕等[20]的方法，对外开放程度采用地区外商直接投资额(FDI)占地区GDP比重衡量。各变量及测算方法如表1所示。

4.3 数据来源与说明

由于相关年鉴自2012年起不再统计高技术产业总产值，因此本文以主营业务收入替代该指标。相关数据均以2008年为基期进行平减，其中，高技术产业主营业务收入用各省市工业生产者出厂价格指数进行平减，人均GDP、地区生产总值用各省市相关GDP指数进行平减，固定资本用各省市固定资产投资价格指数进行平减。部分缺失数据通过平滑方式获取。数据来源于《中国高技术产业统计年鉴》《中国科技统计年鉴》《中国统计年鉴》以及各省市统计年鉴。

表2为各变量描述性统计结果。本文采用相关系数和方差膨胀因子对各解释变量间的相关性进行检验，结果如表3所示。各解释变量间的相关系数均小于0.7，且VIF值均小于3，表明模型中解释变量不存在严重的多重共线性问题。由于DEA-Malmquist指数法测算的是增长率，产业转移指数测算的是每年的相对转移量，因此在回归之前，对被解释变量以2008年为基期进行转换，产业转移量则进行逐年累加。

4.4 结果分析

在回归之前，为选取合适的面板模型，本文使用F检验判断是否存在个体效应(见表4)，结果显示，每个模型都存在个体效应。在此基础上，为检验个体效应是否与其它解释变量相关，本文先检验面板数据，结果显示，面板模型存在异方差、截面相关和序列相关。因此，采用稳健Hausman检验对个体效应进行检验，结果显示，各模型均拒绝个体效应与其它解释变量不相关的原假设，说明采用固定效应模型更有效。

由于模型存在异方差、截面相关和序列相关，因此使用Driscoll-Kraay标准误对模型结果进行修正，并且采用包含个体效应和时间效应的双向固定效应模型进行计算，静态模型估计结果如表5所示。

从被解释变量内涵看，全要素生产率反映资源配置效率；技术进步指数反映生产前沿面的移动情况，表示生产技术水平是否提升；纯技术效率指数反映对生产前沿面的追赶程度，表示生产的纯技术有效性是否提高；规模效率指数反映生产规模的有效程度，表示产业生产规模效率是否提升或是否向最佳规模效率逼近。

从静态模型回归结果看，全要素生产率、技术进步指数和纯技术效率模型均在1%的统计水平上显著，且F值与R2均相对较大，说明模型拟合效果较好；规模效率模型虽然在1%的统计水平上显著，但R2较小，说明模型拟合效果较差。

核心解释变量方面，全要素生产率模型中，产业转移的贡献系数为1.542，在1%的统计水平上显著，表明产业转移能显著提升承接地高技术产业全要素生产率。从细分指数模型看，技术进步模型中，产业转移的贡献系数为0.235，在1%的统计水平上显著，说明产业转移能促进承接地产业技术进步；纯技术效率模型中，产业转移的贡献系数为1.026，在1%的统计水平上显著，表明产业转移能显著促进承接地产业纯技术效率提升；规模效率模型中，产业转移的贡献系数为-0.138，在1%的统计水平上显著，说明产业转入会抑制承接地产业规模效率提升。因此，技术进步和纯技术效率是产业转移促进承接地产业全要素生产率提升的主要作用路径。原因在于：一方面，由于高技术产业主要从东部向中西部地区转移，东部作为高技术产业的先行区，相较中西部而言，具备更加先进的技术和管理经验，存在技术梯度。在产业转移过程中，知识和技术会伴随企业迁移向承接地企业扩散，而承接地产业集聚发展会进一步加快知识和技术扩散，从而有利于承接地产业技术进步。另一方面，当前高技术产业呈现区域专业化趋势[18]，不仅在行业层面，在行业内部生产过程中也出现区域专业化，即产品内分工现象，这意味着产业转移很大程度上以价值链某个环节作为主体进行迁移。按照传统产业转移理论，劳动密集型行业会优先发生产业转移，对应产品内分工，即为加工制造环节。因为随着产品标准化，高技术成分会固化在仪器或设备中，此时该环节对人力资本的要求并不高，企业为获取劳动力成本优势，反而会将加工制造环节转移至相对落后的地区。根据《我国高技术产品贸易状况分析》(《科技统计报告汇编》第9期)，2017年，以“三来一补”为代表的加工贸易占我国高技术产品出口贸易的59.6%，说明加工制造环节是我国高技术产业的一大主体，同时也是高技术产业的主要转移对象。由于加工制造环节通常具备成熟的生产流程和管理经验，因而该环节的转入能显著提升承接地产业纯技术效率，加之该环节是转移的主体，因此产业转移对纯技术效率的贡献系数大于技术进步。此外，产业转移对规模效率的负向影响表明，承接地未能有效整合转移资源。原因可能在于，承接地盲目吸纳与自身资源禀赋不契合的企业，同时，迁入企业处于被动嵌入状态，无法与当地企业建立产业关联，从而对承接地规模效率产生负面影响。

在控制变量中，经济发展水平对全要素生产率的贡献系数为-0.426，在5%的统计水平上显著，表明经济发展水平提高不利于高技术产业全要素生产率提升。从细分指数模型看，经济发展水平对技术进步和纯技术效率的贡献系数分别为-0.115和-0.226，且分别在10%和5%的统计水平上通过显著性检验，表明经济发展水平提高同样不利于高技术产业技术进步和纯技术效率提升。原因可能如前所述，加工制造环节是我国高技术产业的一大主体，随着经济发展水平提升，劳动力等生产要素的价格也随之上涨，从而使产业效益降低，不利于产业全要素生产率提升。对外开放程度对全要素生产率的贡献系数为9.130，在1%的统计水平上显著，表明扩大对外开放有利于高技术产业全要素生产率提升。对外开放程度对纯技术效率的贡献系数为7.631，在5%的统计水平上通过显著性检验，表明纯技术效率是对外开放程度促进产业全要素生产率提升的主要作用路径。原因可能在于，对外开放程度能够反映国际产业转移状况，由于我国知识产权制度尚不完善，并且存在国外技术封锁，外商直接投资(FDI)以劳动密集型或技术含量低的环节为主，因此这部分产业或环节转入不会带来明显的技术进步，但成熟的生产流程和管理经验能提升产业纯技术效率。金融发展水平和人力资本在全要素生产率模型中未能通过显著性检验。

为修正可能存在的遗漏变量、测量误差和潜在内生性等问题，本文采用两阶段系统GMM方法对模型进行估计，结果表6所示。从模型有效性看，4个模型的AR(1)均小于0.1且AR(2)均大于0.1，表明不存在扰动项自相关，同时模型的Hansen检验均大于0.1，说明模型的工具变量有效。

从动态模型回归结果看，核心解释变量在全要素生产率、技术进步、纯技术效率和规模效率模型中的结果与静态模型结果相近，未发生实质性变化，说明模型的估计具备一定稳健性。

4.5 行业异质性分析

由于高技术产业子行业存在截然不同的转移趋势和集聚趋势，因而产业转移效应可能也会有所不同。为此，本文选取医药制造业、电子及通信设备制造业、计算机及办公设备制造业作为代表性行业，对产业转移效应的行业异质性进行比较分析。考虑到部分行业相关数据缺失，并且每年的变化不具备规律性，因此对缺失数据的地区和年份进行剔除，限于篇幅，仅分析核心解释变量的影响，结果如表7所示。

表7结果显示，3个子行业产业转移对全要素生产率的贡献系数均为正，且在1%的统计水平上显著，表明各行业产业转移对承接地产业全要素生产率有促进作用，但从细分指数看，产业转移对全要素生产率的作用路径存在行业异质性。医药制造业的纯技术效率指数为正，技术进步指数和规模效率指数为负，表明医药制造业转入主要通过纯技术效率提升全要素生产率。原因可能在于，医药制造业是从欠发达地区向发达地区进行逆梯度转移，企业的迁入不仅未能给承接地带来先进技术，反而还会因产业竞争加剧和研发资源争夺等问题抑制产业技术进步，从而产生负面影响，规模效率的抑制作用也表明承接地未能有效整合转移资源。电子及通信设备制造业的纯技术效率指数和规模效率指数为正，技术进步指数不显著，其中，纯技术效率指数的贡献系数远大于规模效率指数，表明电子及通信设备制造业转入主要通过纯技术效率提升承接地产业全要素生产率。不同于其它行业，电子及通信设备制造业的规模效率指数为正，可能是因为该行业较强的产业关联性能自发整合产业转移资源。计算机及办公设备制造业与高技术产业整体类似，其技术进步指数和纯技术效率指数为正，规模效率指数为负，并且纯技术效率指数远大于技术进步指数，说明该行业转移主要通过纯技术效率提升承接地产业全要素生产率。

5 结论与启示

5.1 结论

本文基于2009—2018年我国内地30个省市高技术产业面板数据，从定量角度分析高技术产业的相对转移规模和转移特征。在此基础上，检验产业转移是否提升了高技术产业全要素生产率以及通过何种路径提升全要素生产率，同时检验是否存在行业异质性，得到以下主要结论：首先，高技术产业总体表现出从东部向中西部转移的趋势，并在局部地区存在梯度转移特征。不同子行业间产业转移存在显著差异，其中，医药制造业从内陆向东部沿海地区零星集聚，电子及通信设备制造业从四周向中心集聚并呈现出毗邻集聚的带状分布特征，计算机及办公设备制造业主要从东部沿海向内陆集聚，西南地区成为全国计算机制造中心。其次，样本期内，静态面板模型和动态面板模型估计结果均表明，产业转移能显著提升承接地高技术产业全要素生产率，但对全要素生产率的作用路径存在行业异质性。综合来看，各行业产业转入对纯技术效率的正向影响均显著，说明产业转移主要通过纯技术效率提升承接地产业全要素生产率。

5.2 启示

本文研究表明，我国高技术产业正从东部向中西部地区转移，在转移过程中，各子行业形成了不同产业空间布局，产业转入提升了承接地高技术产业全要素生产率。这说明我国高技术产业在空间布局、资源配置和区域协调发展等方面有所改善，并呈现良好发展态势。但还应该看到，与其它地区相比，西北地区是产业承接的薄弱地区，当前承接产业主要依赖于纯技术效率提升全要素生产率，技术进步的作用不足，规模效率具有负向影响。为此，本文从优化高技术产业空间布局出发，提出如下建议：

首先，各区域应培育高技术产业内循环体系，形成产业承接比较优势。当前高技术产业存在区域专业化趋势，形成不同区域分工局面，但比较来看，多数区域在特色产业方面的比较优势尚不突出。为此，应借鉴重庆承接计算机及办公设备制造业的经验，加强特色产业内循环体系培育，完善产业配套设施，建立上、中、下游产业链集群，形成产业承接比较优势。

其次，承接地应结合资源禀赋和产业关联，整合转移资源。本文研究表明，各地在整合高技术产业转移资源方面有所不足。为此，承接地应结合资源禀赋，承接与自身要素配置结构相契合的高技术企业，并借鉴电子及通信设备制造业的承接经验，利用产业关联性优化产业空间布局。在此过程中，主动帮助迁入企业与当地企业建立联系，推动高技术产业集群内企业交流，促进企业间资源共享，提升产业集聚的规模效应。

5.3 研究不足

本文在定量测度高技术产业相对转移的基础上，检验产业转移对高技术产业全要素生产率的影响，并探讨产业转移对全要素生产率的作用路径，但还存在以下不足：首先，局限于相对转移视角。相对转移考察的是产业重心变化，尽管本文在一定程度上消除了地区经济规模的影响，但与实际转移状况相比，仍存在一定偏差。其次，分析粒度较粗。本文以高技术产业作为主要研究对象，而具体行业间存在较大差异，如转移趋势差异、作用路径差异等，尽管本文加入医药制造业、电子及通信设备制造业、计算机及办公设备制造业作为代表性子行业进行比较和佐证，但以高技术产业为主体的分析结果仍存在一定偏差。

[1] 胡亚茹,陈丹丹. 中国高技术产业的全要素生产率增长率分解:兼对“结构红利假说”再检验[J]. 中国工业经济,2019,36(2):136-154.

[2] 吕承超,商圆月. 高技术产业空间差距及分布时空演进[J]. 财经科学,2016,339(6):56-66.

[3] 肖刚,杜德斌,戴其文,等. 中国区域高技术产业发展差异的时空演变[J]. 中国科技论坛,2015,31(12):94-100.

[4] 陈建军. 中国现阶段的产业区域转移及其动力机制[J]. 中国工业经济,2002,19(8):37-44.

[5] 孙晓华,郭旭,王昀. 产业转移、要素集聚与地区经济发展[J]. 管理世界,2018,34(5):47-62,179-180.

[6] 成祖松. 中国高技术产业转移趋势时空分析:基于1995—2015年中国高技术产业相关数据[J]. 科技进步与对策,2018,35(2):66-75.

[7] IAMSIRAROJ S,ULUBASOG LU M A. Foreign direct investment and economic growth:a real relationship or wishful thinking[J]. Economic Modelling,2015,51:200-213.

[8] MAJEED M T. Inequality,fdi and economic development:evidence from developing countries[J]. The Singapore Economic Review,2017,62(5):1039-1057.

[9] ABDUL BAHRI E N,SHAARI MD NOR A H,SARMIDI T,et al. The role of financial development in the relationship between foreign direct investment and economic growth:a nonlinear approach[J]. Review of Pacific Basin Financial Markets and Policies,2019,22(2):1950009.

[10] AGBLOYOR E K,GYEKE-DAKO A,KUIPO R,et al. Foreign direct investment and economic growth in SSA:the role of institutions[J]. Thunderbird International Business Review,2016,58(5):479-497.

[11] MOHAMMED ABDULLAH,MURSHED CHOWDHURY.Foreign direct investment and total factor productivity: any nexus[J].Margin: The Journal of Applied Economic Research，2020,14(2)：164-190.

[12] ADNAN,ZAIRA,CHOWDHURY,et al.Foreign direct investment and total factor productivity in South Asia.[J].Theoretical & Applied Economics.2019,2(2)：105-120.

[13] MALIKANE C,CHITAMBARA P. Foreign direct investment,productivity and the technology gap in African economies[J]. Journal of African Trade,2017,4(1-2):61-74.

[14] AITKEN B J,HARRISON A E. Do domestic firms benefit from direct foreign investment? evidence from Venezuela[J]. American Economic Review,1999,89(3):605-618.

[15] CECCHINI L,LAI-TONG C. The links between openness and productivity in Mediterranean countries[J]. Applied Economics,2008,40(6):685-697.

[16] LIN B X,DU R Y,DONG Z K,et al. The impact of foreign direct investment on the productivity of the Chinese forest products industry[J]. Forest Policy and Economics,2020,111:102035.

[17] 成艾华,赵凡. 基于偏离份额分析的中国区域间产业转移与污染转移的定量测度[J]. 中国人口·资源与环境,2018,28(5):49-57.

[18] 孙翊,王铮,熊文,等. 中国高技术产业空间转移模式及动力机制研究[J]. 科研管理,2010,31(3):99-105.

[19] 张秀生,黄鲜华. 区域制造业产业转移促进了全要素生产率提升吗:基于中国地级市数据的研究[J]. 宏观质量研究,2017,5(3):62-75.

[20] 刘亚婕,董锋. 产业转移推动地区技术进步了吗[J]. 产经评论,2020,11(1):96-106.

[21] 范剑勇,冯猛,李方文. 产业集聚与企业全要素生产率[J]. 世界经济,2014,37(5):51-73.

[22] 刘沛罡，毛培，赵金龙.中国高技术产业存在“结构红利假说”吗：对要素生产率的跨行业、跨省区及跨所有制检验[J].科技进步与对策.2018,35(14)：56-64.

[23] 李春梅,奚贞子,马金金. 区际产业转移关联溢出与产业高质量发展:对电子设备制造业的实证检验[J]. 科技进步与对策,2020,37(10):62-70.

[24] HUANG J B,CAI X C,HUANG S,et al. Technological factors and total factor productivity in China:evidence based on a panel threshold model[J]. China Economic Review,2019,54:271-285.

[25] 潘少奇,李亚婷,高尚,等. 产业转移技术溢出效应研究进展与展望[J]. 地理科学进展,2015,34(5):617-628.

[26] 靳卫东,王林杉,徐银良. 区域产业转移的定量测度与政策适用性研究[J]. 中国软科学,2016,31(10):71-89.

[27] 陈燕儿,蒋伏心,白俊红. 中国高技术产业发展的质量检验:基于全要素生产率的视角[J]. 研究与发展管理,2018,30(6):117-127.

[28] 吴延兵. R&D存量、知识函数与生产效率[J]. 经济学(季刊),2006,5(3):1129-1156.