EN中文

地理科学 >

2025 , Vol. 45 >Issue 4: 770 - 782

DOI: https://doi.org/10.13249/j.cnki.sgs.20231210

城乡高质量发展

不同经济发展水平下的区域产业退出路径研究

  • 李伟 , 1 ,
  • 王宛 2 ,
  • 伏怡铭 1 ,
  • 胡晓辉 1 ,
  • 贺灿飞 , 3, *
展开
  • 1.南京师范大学地理科学学院，江苏 南京 210023
  • 2.中国宏观经济研究院，北京 100038
  • 3.北京大学城市与环境学院，北京 100871
贺灿飞。E-mail:

李伟（1990—），男，山东日照人，讲师，博士，主要从事演化经济地理学、产业发展与区域经济研究。E-mail:

收稿日期: 2023-12-02

  修回日期: 2024-03-01

  网络出版日期: 2025-04-17

基金资助

国家自然科学基金项目(42001140)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Regional industrial exit paths and regional economic development

  • Li Wei , 1 ,
  • Wang Wan 2 ,
  • Fu Yiming 1 ,
  • Hu Xiaohui 1 ,
  • He Canfei , 3, *
Expand
  • 1. School of Geography, Nanjing Normal University, Nanjing 210023, Jiangsu, China
  • 2. Chinese Academy of Macroeconomic Research, Beijing 100038, China
  • 3. College of Urban and Environmental Sciences, Peking University, Beijing 100871, China

Received date: 2023-12-02

  Revised date: 2024-03-01

  Online published: 2025-04-17

Supported by

National Natural Science Foundation of China(42001140)

Copyright

Copyright reserved © 2025.
Fold

摘要

产业有序更替是地区经济发展的重要保证。当前，演化经济地理学十分重视产业演替研究，但存在重产业进入而轻产业退出的问题，并且没有较好方法定量识别关联性和非关联性退出产业。本文提出了一个定量识别关联性和非关联性退出产业的新方法，在此基础上分析了关联性和非关联性退出的数量特征与空间特征，并重点研究了（非）关联性退出与地区经济发展水平的关系。研究结果表明：①中国区域产业退出以非关联性产业退出为主，关联性产业退出相对较少。1998—2012年中国非关联性退出产业约占退出产业总数的65%，而关联性退出产业约占退出产业总数的35%。②关联性和非关联性退出存在一定空间差异。中国东部沿海地区和中部地区具有更高比例的关联性退出，西部地区具有更高比例的非关联性退出。③技术关联在产业退出中的作用随着经济发展水平的提高而降低。关联性产业退出与地区经济发展水平呈显著的正相关关系，而非关联性产业退出与地区经济发展水平呈显著的负相关关系。本研究可为地区经济发展过程中的产业有序退出提供政策建议。

关键词： 技术关联; 产业退出路径; 经济复杂度; 经济发展水平; 演化经济地理学

本文引用格式

李伟 , 王宛 , 伏怡铭 , 胡晓辉 , 贺灿飞 . 不同经济发展水平下的区域产业退出路径研究[J]. 地理科学, 2025 , 45(4) : 770 -782 . DOI: 10.13249/j.cnki.sgs.20231210

Abstract

Regional industrial renewal has been considered as an important factor for regional economic development. Currently, evolutionary economic geography has pay much attention to the role of technological relatedness in the entry of new industries in regional industrial renewal studies, while the role of technological relatedness in the exit of incumbent industries has often been neglected. One of the reasons for this neglection is the lack of method to identify related and unrelated industries which exit from regions. This paper develops a new method to identify related and unrelated exit industries. Based on this method, we first analyze the number and spatial distribution of related and unrelated exit industries and then further investigate the relationship between (un)related exit and the level of regional economic development. The findings are shown as follows. First, compared with related exit industries, the number of unrelated exit industries are much larger. The number of unrelated exit industries account for about 65% in the total number of exit industries from 1998 to 2012, while the figure for related exit industries is at about 35%. This means that technological relatedness play an important role in the exit of industries in regions. This finding is in line with the previous studies. Second, the spatial distribution of unrelated and related industries varies. Regions in eastern and central China has more related exit industries while the regions in western China has more unrelated exit industries. Third, technological related play a decreasing role in the economic development process. We find that the share of unrelated exit industries in regions is positively associated with the level of regional economic development while there is a negative relationship between the share of related exit industries in regions and the level of regional economic development. The findings of this paper have important implications for policymakers in pursuit of eliminating backward production capacity and promoting industrial renewal.

Key words： technological relatedness; exit paths of industries; economic complexity; level of regional economic development; evolutionary economic geography

区域产业演化一直都是经济地理学关注的核心问题之一。近年来，演化经济地理学快速发展，将地区产业演化看作是一个新产业不断形成与成长和旧产业逐步衰退与退出的新陈代谢过程，对区域产业的进入、存续和退出规律展开大量研究，丰富了人们对区域产业演化规律的认识[1-4]。演化经济地理学强调产业有序更替对地区经济发展发挥重要作用。新产业的形成可以推动地区经济增长，抵消成熟产业衰退带来的负面影响。适时推动落后产业退出有助于资源要素导入到新产业之中，保障地区产业结构实现顺利转换。
演化经济地理学注重从知识与技术角度揭示产业演替机制，重点关注技术关联在区域产业进入和退出中的作用[5-8]。Neffke等较早考察了技术关联在区域产业演化中的作用，基于1969—2002年瑞典70个地区的面板数据展开实证研究，发现那些与地区现有产业具有较强技术关联的产业更有可能进入该区域，而那些与地区现有产业技术关联较弱的产业更容易从地区退出[9]。Hidalgo等提出共现方法测度技术关联，推动了实证研究的快速发展[10]。不同学者基于欧美发达国家或中国、墨西哥、巴西与越南等发展中国家的数据均得了与Neffke相似的结论[11-17]。
当前，就技术关联在区域产业演替中的作用而言，相关研究还存在2点不足。第一，就产业进入与退出而言，演化经济地理学更注重产业进入研究，但对产业退出的研究相对较少[18]。主要原因在于受经典的关联密度研究方法限制[10]，当前还没有较好方法可以定量识别出哪些产业是关联性退出，哪些产业是非关联性退出。第二，当前研究未较好回答不同经济发展水平下关联性退出与非关联性退出会发生何种变化。关联性和非关联性退出产业的数量占比与地区发展水平呈现出何种关系，是线性关系还是非线性关系，当前还没有研究较好回答这一问题。
基于此，本文参考Coniglio等对关联性和非关联性新产业的定量识别方法[19-20]，创建了一套关联性和非关联性退出产业的定量识别方法，基于1998—2012年中国工业企业数据库定量测算中国336个城市关联性退出产业和非关联性退出产业数量占比，展示中国不同地区关联性退出和非关联性退出的空间差异，运用面板分数logit模型实证研究（非）关联性退出与地区经济发展水平的关系。本研究可对中国不同地区产业新旧动能转换提供政策建议。

1 （非）关联性产业退出与地区经济发展水平的关系

1.1 关联性与产业退出

21世纪后演化经济地理学快速发展，对区域产业演化规律及机制做了大量研究。一些学者继承了新熊彼特学派的研究传统，将知识与技术置于分析的核心位置，注重从技术关联、技术周期、技术复杂性等维度探讨地区产业演化规律。近年来，演化经济地理学尤其关注技术关联在区域产业进入和退出中的作用，提出了区域产业演化路径等研究议题[5]。技术关联是指产业之间使用相似的知识与技术，如在科学原理或技能技艺等方面较为相似。相关研究认为，在新产业进入方面，那些与本地现有产业存在较强技术关联性的新产业更容易进入，而那些与本地现有产业技术关联较弱的产业则较少进入；在产业退出方面，那些与本地现有产业技术关联性较强的产业并不容易从本地退出，而那些与本地现有产业技术关联性较弱的产业更有可能从本地退出[5]。实证研究表明，不论是在美国、瑞典等发达国家[9-21]，还是在中国、巴西等发展中国家[11,15-17]，关联性在产业退出中都发挥重要作用，往往是非关联性产业退出相对较多，而关联性产业退出相对较少。演化经济地理学发现了关联性在产业退出中的作用，但还需关注关联性产业退出与非关联性产业退出的数量占比会随着经济发展水平的提高而呈现出何种趋势。

1.2 （非）关联性产业退出与地区经济发展水平的关系

为了说明（非）关联性产业退出与地区经济发展水平的关系，本文引入地区经济复杂度的概念。地区经济复杂度是指一个地区在经济发展过程中积累的生产能力的集合[22]。从事经济复杂度研究的学者将生产能力看作是推动经济发展的最基本的单元，地区生产能力的种类越多，就越有可能发展出不同种类的产业，从而推动地区产业多样化和地区经济增长[22]。研究普遍发现，地区经济复杂度与地区经济发展水平（常用人均GDP和人均国民收入等指标衡量）呈正相关关系，地区经济发展水平越高，地区经济复杂度越高。在各类生产能力中，知识与技术往往被认为是最重要一种，也是文献中探讨较多的一种。为方便论述，下文以知识与技术代指生产能力。
一般而言，地区经济发展水平的提升需要地区经济复杂度水平的提高，而地区经济复杂度水平的提升大体可以分为2种类型，一种是地区知识与技术种类的不断增加，地区知识与技术种类的增加有利于地区产业多样化。另一种是地区形成了某种复杂性较高的知识与技术，或者说形成了某种技术水平较高的产业。仅考虑前者，地区知识与技术的种类之所以可以持续增加，一个重要原因就是非关联性的知识与技术没有较多地从地区退出而得以保留在地区内部。如果非关联性知识与技术不断从地区退出，则意味着地区知识与技术的多样化水平在不断降低，地区经济复杂度在降低，这可能会对地区经济发展产生不利影响。与此同时，如果地区非关联性知识与技术不断退出，则意味着地区将剩下更多关联性知识与技术，这可能会导致地区产业发展的路径依赖与锁定，经济发展水平往往不能进一步提升。因此，可以推测，随着地区经济发展水平的提升，非关联性产业退出的数量占比将趋于减少，而关联性产业退出的数量占比将趋于增多。此外，将产业进入也纳入分析框架，在落后地区，由于知识与技术种类较少，掌握剩余资金的企业家很难找到非关联性知识与技术来发展新产业。在此条件下，企业家更有可能采取的策略是力求充分使用地区现有知识与技术、维持住关联性产业的发展，不让其退出，这便减少了关联性退出。而在经济发达地区，掌握剩余资金的企业家可以相对容易地找到非关联性知识与技术，发展非关联性产业，这些非关联性产业可能会更具盈利能力。在此条件下，掌握剩余资金的企业家不必非得将资金投入到与本地产业结构高度关联的产业之中，这也为关联性产业退出提供了可能。

2 研究方法与数据来源

2.1 研究方法

2.1.1 关联性退出产业和非关联性退出产业定量识别方法

本文将区域产业退出路径分为关联性退出和非关联性退出。关联性退出是指那些与本地现有产业关联性较强的产业的退出，非关联性退出是指那些与本地现有产业关联性较弱的产业的退出。下面是关联性退出产业和非关联性退出产业的定量识别方法。
第一步，定义退出产业。计算t年c城市i产业的显性比较优势系数RCAtci：
$ {RCA} _{ {tci} } = {(} {op} _{ {tci} } {/op} _{ {tc} } {)} {/} {(} {op} _{ {ti} } {/op} _{ {t} } {)} $
式中，optc和optci分别是t年c城市的工业总产值和i产业的工业产值，opt和opti分别是t年全国工业总产值和i产业的全国工业产值。
按年份t构建行为城市、列为产业的矩阵INt，矩阵中的元素INtci代表t年c城市i产业的RCAtci值。如果c城市i产业在t年的RCA值≥1但在t+4年RCA值<1，则将该产业定义为退出产业。按年份构建行为城市、列为产业的矩阵EXt，矩阵中的元素EXtci表示t到t+4年c城市i产业是否为退出产业，若为退出产业，则EXtci=1，否则等于0。
第二步，计算产业之间的关联度。首先，按年份构建行为城市、列为产业的标准矩阵STt，将原始矩阵INt转化为元素为0和1的标准矩阵STt。具体方法如下：
$S T_{t c i}= \begin{cases}1, & I N_{t c i} \geqslant 1 \\ 0, & I N_{t c i} < 1\end{cases}$
式中，STtci为标准矩阵STt中行为c列为i的元素，INtci为原始矩阵INt中行为c列为i的元素。其次，基于标准矩阵STt，计算t年任意一对产业之间的关联度pmtij，计算公式如下：
$ pm_{tij}=\mathrm{min}\left\{P\left(ST_{tj}=1\mid ST_{ti}=1\right),P\left(ST_{ti}=1\mid ST_{tj}=1\right)\right\} $
式中，i和j为产业，P（STtj=1|STti=1）是条件概率，具体是指在t年全国所有城市中，i产业已经具备比较优势（RCA≥1）的情况下，j产业也具备比较优势的概率，即对于年份t，在其对应的标准矩阵STt中，i和j列都等于1的元素数量占i列等于1的元素数量的比值。P（STti=1|STtj=1）与此同理。min是指取最小值。这样便可按年份构建任意一对产业之间的关联度矩阵Pt，其行数和列数与产业数量相等。关联度矩阵Pt中的任一元素pmtij表示t年i产业和j产业的关联度。
第三步，按年份计算各城市退出产业与持续在位产业的平均关联度。如前所述，矩阵EXt中的元素EXtci=1表示t到t+4年c城市i产业为退出产业。持续在位产业是指t年和t+4年c城市i产业的RCA值均≥1的产业。或者说，持续在位产业要满足以下条件，即在矩阵STt中STtci=1，并且在矩阵STt+4中STt+4,ci=1。t到t+4年所有城市的持续在位产业可构成一个矩阵CXt，若矩阵中的元素CXtci=1，则表示t到t+4年c城市i产业为持续在位产业；否则为0。可以认为，正是这些持续在位产业，通过关联性牵引着其它相关产业，不让其退出。退出产业与持续在位产业的平均关联度的计算公式如下：
$ {av}_{tci}=({P}_{ti}\times {DX}_{tc})/\displaystyle\sum _{j=1}^{n}{CX}_{tcj} $
式中，avtci是指t到t+4年c城市i退出产业与该城市持续在位产业的平均关联度。Pti是行向量，即矩阵Pt中的第i行，Pti中的各元素表示t年产业i与任一产业j的关联度，共有n个产业门类。CXtcj是行向量，即矩阵CXt中的第c行，CXtc中的各元素表示t到t+4年c城市中任一产业是否为持续存在产业。DXtc为CXtc的转置矩阵，为一个列向量。$ {\displaystyle\sum} _{{j=}{1}}^{{n}}{{CX}}_{{tcj}} $表示将矩阵CXtc中的各元素值求和，即t到t+4年c城市持续在位产业的个数。
按年份构建一个行为城市、列为产业的矩阵APtci，矩阵存放退出产业与持续在位产业平均关联度。在矩阵$ {{AP}}_{{t}} $中，若t到t+4年c城市i产业是退出产业，即EXtci=1，则APtci=avtci。如果t到t+4年c城市i产业不是退出产业，即EXtci=0，则APtci为空值。
第四步，运用蒙特卡洛随机抽样法，按年份模拟每个城市的产业退出行为，构建每个城市退出产业平均关联度的反事实分布。构建t年c城市在位产业集合ZWtc，这些在位产业均有可能在t+4年退出（即RCAtci≥1而RCAt+4,ci<1）。如果t到t+4年c城市实际退出产业的个数为p个，则每次从在位产业集合ZWtc中随机抽取p个产业，按照第三步的方法计算每个随机抽取的退出产业与持续在位产业的平均关联度，然后计算p个平均关联度的平均值。如此重复操作3 000次，便可以得到3 000个平均关联度的平均值，这3 000个平均值便可以形成一个期望为μtc、方差为σtc2的正态分布Ntc（μtc,σtc2），即按照年份t城市c构建出了一个其退出产业平均关联度平均值的反事实分布，该分布为正态分布。
第五步，判定关联性退出和非关联性退出。在矩阵APt中，挑选出APtci不为空值的元素，如果t到t+4年c城市实际退出产业i与持续在位产业的平均关联度（APtci）大于t到t+4年c城市反事实分布的期望值μtc，则判定为关联性退出（简写为GL）；如果t到t+4年c城市实际退出产业i与持续在位产业的平均关联度（APtci）小于t到t+4年c城市反事实分布的期望值μtc，则判定为非关联性退出（简写为FG）。
各退出产业判定为关联性退出和非关联性退出后，将关联性退出产业和非关联性退出产业的数量加总到城市和全国层面，在城市和全国层面分别计算关联性退出和非关联性退出占退出产业总数的比重。

2.1.2 地区经济复杂度与产业技术复杂度计算方法

Hidalgo等提出使用映射方法对国家多样性和产品遍在性进行迭代，得到地区经济复杂度与产业技术复杂度[22]。产业技术复杂度衡量某一产业的技术水平，地区经济复杂度衡量地区总体的经济复杂度[23]。Tacchella等对Hidalgo等的方法进行了修正[24]，提出了适应性复杂度计算方法。本文采用Tacchella等的方法计算产业技术复杂度与城市经济复杂度。对各年数据进行60次迭代循环，计算方法参见文献[24]。

2.1.3 模型设定与变量

采用回归分析方法实证研究不同经济发展水平下的区域产业退出路径。为此，构建以下回归模型：
$G L_{c t} / F G_{c t}=\beta_0+\beta_1 F Z_{c t}+\beta X_{c t}+\mu_c+v_t+\varepsilon_{c t}$
式中，c是指城市，t是指年份。GLct是指c城市t到t+4年关联性退出产业占退出产业总数的比重。FGct是指c城市t到t+4年非关联性退出产业占退出产业总数的比重。FZct是指c城市t年经济复杂度的对数值，许多研究均表明地区经济复杂度与地区人均GDP有较强的正相关性[25-27]。一般而言，研究多用人均GDP来刻画地区经济发展水平，但在一些资源型城市如石油城市等的人均GDP往往较高，但实际经济发展水平却并不高，地区经济复杂度可以有效规避这一点。X是指一系列的控制变量。因变量包括非关联性产业退出和关联性产业退出，核心自变量为地区经济发展水平，控制变量包括市场化水平、参与出口、外商投资、人力资本、基础设施水平、人口密度、地方政府作用、开发区政策（表1）。μc是指不随时间变化的城市个体效应，νt是指年份固定效应，ԑct是随机扰动项。β0是截距项。β1和β是指变量的回归系数。由于回归模型的因变量为在0到1之间的分数，因此本文采用面板分数logit模型（panel fractional logit model）进行参数估计与检验。
表1 变量设定

Table 1 Definition of variables

变量名称测量与赋值
因变量非关联性产业退出FGt到t+4年非关联性退出产业占城市退出产业总数的比重
关联性产业退出GLt到t+4年关联性退出产业占城市退出产业总数的比重
核心自变量地区经济发展水平FZt年城市经济复杂度对数值
控制变量市场化水平MAt年外资企业和私有企业工业产值占地区GDP比重
参与出口EXt年出口交货值占地区GDP比重
外商投资FDt年人均外商直接投资对数值
人力资本HCt年城市高等学校学生人数占全市总人口比重对数值
基础设施水平ROt年城市公路里程与行政区面积之比对数值
人口密度POt年城市人口密度对数值
地方政府作用GOt年财政支出/GDP
开发区政策ZOt年开发区数量

2.2 数量来源与处理

本文数据来源主要包括：①1998—2012年《中国工业企业数据库》[28]（未含港澳台数据）中销售额在500万元以上（2011年起为2 000万元以上）的工业企业财务数据，如工业产值、工业增加值、出口交货值、从业人数等。城市代码统一到2012年的城市代码。将1994年和2002年的国民经济行业分类标准四位数代码统一起来。截取二位数行业代码在13到43之间的制造业，将企业层面的工业产值数据加总到城市–四位数行业层面，得到1998—2012年336个城市416个产业的面板数据。本文用整理好的城市–四位数行业面板数据计算显性比较优势系数，计算城市经济复杂度，并将企业层面的出口交货值加总到城市层面，将外资企业和民营企业的工业产值加总到城市层面，以计算市场化水平和出口指标。②通过EPS数据平台[29]获取1999—2009年城市层面的GDP、人均GDP、人口、面积、公路里程、高校学生在校生人数、财政支出等数据。个别城市指标存在空缺，通过城市统计公报和互联网公开信息等补全。其它使用线性插值法补全。③获取2006年和2018年《中国开发区审核公告目录》[30-31]，汇总城市开发区数量。

3 中国关联性与非关联性产业退出的数量与空间特征

3.1 数量特征

基于本文方法逐年识别各城市关联性退出产业和非关联性退出产业，将关联性退出产业和非关联性退出产业的个数逐年加总到全国层面，逐年计算关联性和非关联性退出产业占全国总退出产业的比重。图1展示了1998—2012年全国关联性退出产业和非关联性退出产业的数量和占比情况。1998—2012年中国每年退出产业的数量大约6 000~7 000个，其中非关联性退出产业在4 000个左右，关联性退出产业在2 000个左右（图1a）。从图1b可以看出，非关联性退出产业约占退出产业总数的65%，关联性退出产业约占退出产业总数的35%。以上说明，中国退出产业以非关联性退出为主，而关联性退出较少。这与以往演化经济地理学的研究[11]较为一致，与地区现有产业技术关联度高的产业具有较小的退出概率，而与现有产业技术关联度低的产业更容易退出。
图1 中国关联性与非关联退出产业的数量与占比

港澳台数据暂缺

Fig. 1 Number and share of related and unrelated exit industries in China

从变化趋势看，在2004年之前，中国关联性退出产业和非关联性退出产业的数量都在持续增加。关联性退出产业的数量从1998—2002年的2 072个增加到2000—2004年的2 416个，而非关联性退出产业的数量则从4 029个增加到4 782个。之后，关联性和非关联性退出产业的数量均不断降低，分别降低到2008—2012年的1 847和3 425个。图1a中2007—2011年2条折线均有小幅上升，这是由于统计口径发生变化。从数量占比的变化趋势来看，关联性和非关联性退出产业的数量占比大体保持稳定（图1b）。关联性退出产业数量占比从1998—2002年的33.96%降低到2002—2006年的31.62%，之后增长到2008—2012年的35.03%。非关联性退出产业的数量占比从1998—2002年的66.04%增长到2002—2006年的68.38%，之后下降到2008—2012年的64.97%。

3.2 空间特征

逐年识别出各城市关联性与非关联性退出产业，将所有年份关联性和非关联性退出产业的数量汇总到城市层面，将所有年份退出产业总数汇总到城市层面，最后计算每个城市关联性和非关联性退出产业总数占退出产业总数的比重 （图2）。从图可以看出，关联性退出产业数量占比较高的城市主要分布于中国东部沿海地区和中部地区（https://www.stats.gov.cn/zt_18555/zthd/sjtjr/d12kfr/tjzsqzs/202302/t20230216_1908940.html），长三角地区、山东半岛、河北南部地区关联性退出产业的数量占比大都超过40%，其它地区也大都在30%~40%之间。非关联性退出产业的数量占比较高的城市主要分布于西部地区，西藏、青海和四川西部地区数量占比大都超过80%，新疆、云南、贵州和广西西部数量占比大都在70%~80%之间。从图2可以初步看出，不发达地区具有更高比例的非关联性退出，而发达地区具有更高比例的关联性退出。
图2 1998—2012年中国城市关联性和非关联性产业退出数量占比

基于GS（2019）1697号标准地图（自然资源部监制）绘制，底图无修改；港澳台数据暂缺

Fig. 2 Share of related and unrelated exit industries at city level in China in 1998—2012

图3展示了1998—2002年、2003—2007年和2008—2012年3个截面上中国各城市关联性和非关联性退出产业的数量占比。从图3a和d可以看出，1998—2002年中国关联性退出产业数量占比较高的城市主要分布于上海、江苏、山东和中西部省会城市如武汉、成都、郑州、南昌、长沙等，非关联性退出产业数量占比较高的城市主要分布于西藏、青海、吉林、云南等地。从图3b和e可以看出，2003—2006年关联性退出产业数量占比超过30%的城市主要分布于江苏、山东、京津冀，以及长江中游的湖北、安徽、江西和湖南等地，而非关联性退出产业数量占比超过80%的地区主要分布于西藏、新疆、青海、内蒙古、川西和云南西南边境等经济发展水平相对落后的地区。从图3c和f可以看出，2008—2012年关联性退出产业数量占比较高的城市主要分布于冀中南、山东半岛、苏北、成渝地区和河南中西部，此外江西各市的数量占比也大都超过了30%。非关联性退出产业数量占比较高的城市依然主要分布于西藏、青海、云贵和新疆等经济发展水平不发达地区。
图3 1998—2002年、2003—2007年和2008—2012年城市关联性和非关联性退出产业数量占比

基于GS（2019）1697号标准地图（自然资源部监制）绘制，底图无修改；港澳台数据暂缺

Fig. 3 Share of related and unrelated exit industries at city level in 1998—2002, 2003—2007 and 2008—2012

3.3 关联性与非关联性产业退出与地区经济发展水平

计算1998—2008年各个城市经济复杂度，用以反映地区经济发展水平。以城市经济复杂度为横坐标，以城市关联性退出产业和非关联性退出产业的数量占比为纵坐标绘制散点图，并对（非）关联性退出产业数量占比与地区经济复杂度的关系进行线性拟合。图4展示了1998年、2000年、2002年、2004年、2006年和2008年的散点图和线性拟合线。从图4可以看出，第一，多数城市非关联性产业退出的数量占比均高于关联性产业退出的数量占比。即使在经济发展水平较高的城市，也是如此。这说明技术经济发展水平相对较高，技术关联仍然发挥重要作用。第二，关联性退出产业数量占比与地区经济复杂度呈正相关关系，说明随着经济发展水平的提高，地区会有越来越多的关联性退出；非关联性退出产业数量占比与地区经济复杂度呈负相关关系，说明经济发展水平较低的地区有更高比例的非关联性产业退出。总体而言，随着经济发展水平的提升，关联性在地区产业退出中的作用呈下降趋势。尽管如此，这并非说关联性的作用不再重要，从图4可以看出，在经济复杂度相对较高的地区，关联性退出所占比例大体提高至了40%~50%，关联性产业退出的比例并未提高到80%甚至90%的水平，非关联性产业退出的比例仍然高于关联性退出，技术关联仍然发挥重要作用。下文将采用计量经济模型，更加严格的检验（非）关联性退出与地区经济发展水平的关系。
图4 （非）关联性退出产业数量占比与地区经济发展水平的关系

港澳台数据暂缺

Fig. 4 Relationship between share of un(related) exit industries and level of regional economic development

4 （非）关联性产业退出与地区经济复杂度的关系的计量经济分析

建立1998—2008年335个城市（由于巢湖设市较晚，计量分析时未做统计）的面板数据，采用面板分数logit模型对公式（5）进行回归（表2）。表2中方程（1）~（7）的因变量为城市非关联性退出产业数量占比（FG），方程（8）~（14）的因变量为城市关联性退出产业数量占比（GL）。方程（1）中，仅加入了城市经济复杂度（FZ），城市经济复杂度的回归系数在1%的显著性水平上为负，方程（4）~（7）中加入了控制变量，城市经济复杂度的回归系数依然在1%的显著性水平上为负。方程（8）以及（11）~（14）中，城市经济复杂度的回归系数均在1%的显著性水平上为正。以上说明，随着经济发展水平的提高，非关联性退出的数量占比会不断降低，而关联性退出的数量占比不断提升，技术关联在产业退出中的作用逐步降低。可以推断，在发达地区，技术关联的作用趋于弱化，非关联性退出减少，非关联性产业退出的减少有助于地区产业结构更新演替，从而实现路径打破。
表2 （非）关联性产业退出与地区经济复杂度

Table 2 Relationship between (un) related exit and regional economic complexity

变量名 方程（1）FG 方程（2）FG 方程（3）FG 方程（4）FG 方程（5）FG 方程（6）FG 方程（7）FG
　　注：括号内的数字为回归系数的标准误；*** P<0.01, ** P <0.05, * P <0.1；除方程（1）和（8）样本量为3 685个，其余均为3 674个；除方程（1）和（8）城市数为335，其余均为334；城市与年份固定效应均为“是”；Prob>Chi2全部为0；港澳台数据暂缺；空白为无此项；变量含义见表1。
FZ −5.209*** −5.682*** −5.703*** −5.694*** −5.678***
（0.218） （0.232） （0.329） （0.356） （0.357）
MA −3.535*** −2.784** −3.172*** −3.435*** −3.380*** −3.417***
（1.269） （1.265） （1.163） （1.188） （1.191） （1.192）
EX 5.963** 8.062*** 13.872*** 14.239*** 14.235*** 14.258***
（2.425） （2.414） （2.090） （2.162） （2.166） （2.165）
FD −0.644*** −0.532*** −0.010 −0.005 −0.010
（0.172） （0.171） （0.163） （0.163） （0.163）
HC −1.330*** −0.961*** −0.185 −0.184 −0.181
（0.205） （0.210） （0.184） （0.186） （0.186）
RO −1.581*** 0.331 0.398
（0.450） （0.411） （0.555）
PO −2.626*** 0.144 −0.085
（0.370） （0.353） （0.476）
GO 4.771* 1.192 −4.131 −4.202 −4.202
（2.744） （2.784） （2.613） （2.644） （2.643）
ZO −0.407*** −0.394*** −0.095 −0.093 −0.096
（0.094） （0.093） （0.088） （0.088） （0.089）
常数项 36.688*** 73.986*** 64.818*** 34.189*** 35.691*** 35.786*** 35.609***
（1.588） （1.383） （2.029） （1.883） （2.533） （2.566） （2.576）
Wald Chi2 621.7 285.9 335.7 723.1 733.1 731.2 733.0
变量名 方程（8）GL 方程（9）GL 方程（10）GL 方程（11）GL 方程（12）GL 方程（13）GL 方程（14）GL
FZ 5.209*** 5.682*** 5.703*** 5.694*** 5.678***
（0.218） （0.232） （0.329） （0.356） （0.357）
MA 3.535*** 2.784** 3.172*** 3.435*** 3.380*** 3.417***
（1.269） （1.265） （1.163） （1.188） （1.191） （1.192）
EX −5.963** −8.062*** −13.872*** −14.239*** −14.235*** −14.258***
（2.425） （2.414） （2.090） （2.162） （2.166） （2.165）
FD 0.644*** 0.532*** 0.010 0.005 0.010
（0.172） （0.171） （0.163） （0.163） （0.163）
HC 1.330*** 0.961*** 0.185 0.184 0.181
（0.205） （0.210） （0.184） （0.186） （0.186）
RO 1.581*** −0.331 −0.398
（0.450） （0.411） （0.555）
PO 2.626*** −0.144 0.085
（0.370） （0.353） （0.476）
GO −4.771* −1.192 4.131 4.202 4.202
（2.744） （2.784） （2.613） （2.644） （2.643）
ZO 0.407*** 0.394*** 0.095 0.093 0.096
（0.094） （0.093） （0.088） （0.088） （0.089）
常数项 63.312*** 26.014*** 35.182*** 65.811*** 64.309*** 64.214*** 64.391***
（1.588） （1.383） （2.029） （1.883） （2.533） （2.566） （2.576）
Wald Chi2 621.7 285.9 335.7 723.1 733.1 731.2 733.0
就控制变量而言，由于多数控制变量与城市经济复杂度存在较强相关性，因此表2的方程（2）~（3）未加入城市经济复杂度，可以看出市场化水平（MA）、人均外商直接投资（FD）、人力资本（HC）、基础设施（IN）、人口密度（PO）、开发区政策（ZO）的回归系数基本在1%或5%的显著性水平上为正。方程（9）~（10）同样未加入城市经济复杂度，市场化水平（MA）、人均外商直接投资（FD）、人力资本（HC）、基础设施（IN）、人口密度（PO）、开发区政策（ZO）的回归系数基本在1%或5%的显著性水平上为负。以上说明，市场化水平的提高、外商投资增加、人力资本积累、基础设施条件改善、人口密度的增高和开发区政策均有助于减少非关联性产业退出，而强化关联性产业退出。从方程（2）（3）（9）和（10）可以看出，控制其它变量的条件下，参与出口（EX）推动了非关联性退出而减少了关联性退出。方程（5）~（7）和（12）~（14）中，加入经济复杂度因素后，除市场化水平和参与出口外，其它控制变量的回归系数不再显著，甚至符号发生改变，这主要是由于这些控制变量与经济复杂度存在较强的相关性，产生了共线性问题。政府干预（GO）对城市关联性和非关联性产业退出的影响并不十分显著。

5 结论与讨论

5.1 结论

本文参考Coniglio等对关联性和非关联性新产业的识别方法，提出了关联性退出产业和非关联性退出产业的定量识别方法，以此为基础分析了关联性与非关联性退出产业的数量结构与空间格局，并重点研究了（非）关联性退出与地区经济发展水平的关系。主要得出以下研究结论：①技术关联在区域产业退出中发挥重要作用，中国区域产业退出以非关联性产业退出为主，关联性产业退出相对较少。1998—2012年中国每年退出产业的数量约6 000个，其中非关联性退出产业约4 000个，约占退出产业总数的65%，而关联性退出产业约2 000个，约占退出产业总数的35%。②中国东部沿海地区和中部地区具有更高比例的关联性退出，西部地区具有更高比例的非关联性退出。平均而言，长三角地区、山东半岛、河北南部地区关联性退出产业数量占比大都超过40%。西藏、青海和四川西部地区非关联性退出产业数量占比大都超过80%，新疆、云南、贵州和广西等地区大都在70%到80%之间。③技术关联在产业退出中的作用随着经济发展水平的提高而降低。本文研究发现，关联性产业退出与地区经济发展水平呈现出显著的正相关关系，而非关联性产业退出与地区经济发展水平呈现出显著的负相关关系。换句话说，随着经济发展水平的提高，地区会有越来越多的关联性退出，而非关联性退出的占比将趋于减少。非关联性退出的减少有助于地区产业更新演替。
本文研究结果可对地区产业有序更替与地区产业结构转换提供一定的政策启示。地区经济发展的初期阶段，地区要采取政策措施保护关联性产业，防止关联性产业的退出，通过关联性产业的持续存在，维持地区经济增长。这一时期，地方政府不应该过度扶持与本地产业基础关联性较弱的产业，因为这些产业很难在本地区持续存在。然而，当地区经济发展水平较高时，地区应采取政策措施保护非关联性产业，防止非关联性产业过度退出，这样有利于维持地区产业的多样化，让地区有更多样化的知识与技术，这会为新产业的形成提供条件。与此同时，这一时期要适度推动关联性产业的退出，防止本地关联性产业形成利益集团，将地区产业发展的路径锁定。否则，本地区将难以抓住新兴产业发展的机会窗口，难以顺利实现产业结构转换。

5.2 讨论

本文还存在一些研究不足。第一，本文实证研究（非）关联性退出与地区经济发展水平的关系，发现了随着地区经济发展关联性退出将增多而非关联性退出趋于减少，但并没有解释为什么技术关联在产业退出中的作用会随着经济发展水平的提高而减弱，未来需要对其原因展开进一步探讨。第二，有研究表明技术关联的作用随着经济发展水平的提高呈先降低后升高的趋势[32]。由于本文数据只能到2012年，中国经济还未真正进入创新发展阶段，技术关联的作用可能尚未进入降低后升高的阶段而停留在前半阶段，未来同样需要展开进一步验证。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Kogler D F, Evenhuis E, Giuliani E et al. Re-imagining evolutionary economic geography[J]. Cambridge Journal of Regions, Economy and Society, 2023, 16(3): 373-390.

DOI

[2]
贺灿飞, 李伟. 演化经济地理学与区域发展[J]. 区域经济评论, 2020, 36(1): 39-54.

He Canfei, Li Wei. Evolutioanry economic geography and regional development. Regional Ecomomic Review, 2020, 36(1): 39-54.

[3]
赵建吉, 王艳华, 苗长虹. 区域新兴产业形成机理: 演化经济地理学的视角[J]. 经济地理, 2019, 39(6): 36-45.

Zhao Jianji, Wang Yanhua, Miao Changhong. Formation mechanism of new emerging industry: From the perspective of evolutionary economic geography. Economic Geography, 2019, 39(6): 36-45.

[4]
苏灿, 曾刚. 演化经济地理学视角下区域新路径发展的研究评述与展望[J]. 经济地理, 2021, 41(2): 23-34.

Su Can, Zeng Gang. Review on study of regional new path development from the perspective of evolutionary economic geography. Economic Geography, 2021, 41(2): 23-34.

[5]
Boschma R. Relatedness as driver of regional diversification: A research agenda[J]. Regional Studies, 2017, 51(3): 351-364.

DOI

[6]
贺灿飞, 朱晟君. 中国产业发展与布局的关联法则[J]. 地理学报, 2020, 75(12): 2684-2698.

He Canfei, Zhu Shengjun. The principle of relatedness in China’s regional industrial development. Acta Geographica Sinica, 2020, 75(12): 2684-2698.

[7]
郭琪, 贺灿飞. 演化经济地理视角下的技术关联研究进展[J]. 地理科学进展, 2018, 37(2): 229-238.

Guo Qi, He Canfei. Progress of research on technological relatedness in the perspective of evolutionary economic geography. Progress in Geography, 2018, 37(2): 229-238.

[8]
李伟, 贺灿飞. 经济发展阶段、要素条件变化与区域产业演化路径: 后发国家视角[J]. 地理科学, 2024, 44(6): 929-939.

Li Wei, He Canfei. Economic development stages, changing factor endowments and regional industrial development paths: A perspective from later-development countries. Scientia Geographica Sinica, 2024, 44(6): 929-939.

[9]
Neffke F, Henning M, Boschma R. How do regions diversify over time? Industry relatedness and the development of new growth paths in regions[J]. Economic Geography, 2011, 87(3): 237-265.

DOI

[10]
Hidalgo C A, Klinger B, Barabási A-L et al. The product space conditions the development of nations[J]. Science, 2007, 317(5837): 482-487.

DOI

[11]
He C, Yan Y, Rigby D. Regional industrial evolution in China[J]. Papers in Regional Science, 2018, 97(2): 173-198.

DOI

[12]
Boschma R, Capone G. Relatedness and diversification in the European Union (EU-27) and European neighbourhood policy countries[J]. Environment and Planning C-Government and Policy, 2016, 34(4): 617-637.

DOI

[13]
Boschma R, Minondo A, Navarro M. The emergence of new industries at the regional level in Spain: A proximity approach based on product relatedness[J]. Economic Geography, 2013, 89(1): 29-51.

DOI

[14]
Xiao J, Boschma R, Andersson M. Industrial diversification in Europe: The differentiated role of relatedness[J]. Economic Geography, 2018, 94(5): 514-549.

DOI

[15]
Galetti J R B, Tessarin M S, Morceiro P C. Skill relatedness, structural change and heterogeneous regions: Evidence from a developing country[J]. Papers in Regional Science, 2021, 100(6): 1355-1376.

DOI

[16]
Breul M, Pruß F. Applying evolutionary economic geography beyond case studies in the global north: Regional diversification in Vietnam[J]. Singapore Journal of Tropical Geography, 2022, 43(1): 26-42.

DOI

[17]
Galetti J R B, Tessarin M S, Morceiro P C. Types of occupational relatedness and branching processes across Brazilian regions[J]. Area Development and Policy, 2024, 9(1): 1-23.

[18]
Corradini C, Vanino E. Path dependency, regional variety and the dynamics of new firm creation in rooted and pioneering industries[J]. Journal of Economic Geography, 2022, 22(3): 631-651.

DOI

[19]
Coniglio N D, Lagravinese R, Vurchio D et al. The pattern of structural change: Testing the product space framework[J]. Industrial and Corporate Change, 2018, 27(4): 763-785.

DOI

[20]
Coniglio N D, Vurchio D, Cantore N et al. On the evolution of comparative advantage: Path-dependent versus path-defying changes[J]. Journal of International Economics, 2021, 133(3): 1-23.

[21]
Essletzbichler J. Relatedness, industrial branching and technological cohesion in US metropolitan areas[J]. Regional Studies, 2015, 49(5): 752-766.

[22]
Hidalgo C A, Hausmann R. The building blocks of economic complexity[J]. Proceedings of the National Academy of Sciences, 2009, 106(26): 10570-10575.

[23]
任卓然, 贺灿飞, 王文宇. 演化经济地理视角下的经济复杂度与区域经济发展研究进展[J]. 地理科学进展, 2021, 40(12): 2101-2115.

Ren Zhuoran, He Canfei, Wang Wenyu. Progress of research on economic complexity and regional economic development in the perspective of evolutionary economic geography. Progress in Geography, 2021, 40(12): 2101-2115.

[24]
Tacchella A, Cristelli M, Caldarelli G et al. A new metrics for countries’ fitness and products’ complexity[J]. Scientific Reports, 2012, 2(1): 723-729.

[25]
Fritz B S, Manduca R A. The economic complexity of us metropolitan areas[J]. Regional Studies, 2021, 55(7): 1299-1310.

[26]
Gao J, Zhou T. Quantifying China’s regional economic complexity[J]. Physica A: Statistical Mechanics and Its Applications, 2018, 492(5): 1591-1603.

[27]
Mewes L, Broekel T. Technological complexity and economic growth of regions[J]. Research Policy, 2022, 51(8): 104156

[28]
国家统计局. 中国工业企业数据库[DB/OL]. https://dbnav.lib.pku.edu.cn/content/,2023-01-21

National Bureau of Statistics. Database of Chinese industrial enterprises. https://dbnav.lib.pku.edu.cn/content/,2023-01-21.

[29]
北京福卡斯特信息技术有限公司. EPS数据平台[DB/OL]. https://www.jpgnet.com.cn/index.html#/Index,2023-01-21

Beijing Forcast Information Technology Co. EPS data platform. https://www.jpgnet.com.cn/index.html#/Index,2023-01-21.

[30]
国家发展改革委. 中国开发区审核公告目录(2006年版) [N/OL]. https://www.ndrc.gov.cn/xxgk/zcfb/gg/200704/W020190905487497735524.pdf, 2007-04-20

National Development and Reform Commission. Catalog of China’s development zones audit bulletin (2006 edition). https://www.ndrc.gov.cn/xxgk/zcfb/gg/200704/W020190905487497735524.pdf, 2007-04-20.

[31]
国家发展改革委. 中国开发区审核公告目录(2018年版) [N/OL]. https://www.gov.cn/zhengce/zhengceku/2018-12/31/content_5434045.htm, 2018-12-31

National Development and Reform Commission of China. Catalog of China’s development zones audit bulletin (2018 edition). https://www.gov.cn/zhengce/zhengceku/2018-12/31/content_5434045.htm, 2018-12-31.

[32]
Pinheiro F, Hartmann D, Boschma R et al. The time and frequency of unrelated diversification[J]. Research Policy, 2022, 51(8): 1-24.

Options
文章导航

/

〈 〉