开放合作研究团队第51期Seminar学习讨论会

2022年12月27日晚19:00-20:30，中山大学区域开放与合作研究院学习讨论会以线上的方式成功举行。本次学习讨论会由邱雪情博士生分享文献《Strong Links and Weak Links: How Do Unrelated Industries Survive in an Unfriendly Environment?》。参加学习讨论会人员包括毛艳华教授、荣健欣副研究员、博士后以及博士生和硕士生等，另有澳门科技大学、澳门城市大学博士生通过线上形式参与了本次学习讨论会。

Strong Links and Weak Links: How Do Unrelated Industries Survive in an Unfriendly Environment?

Shengjun Zhu, Qi Guo, Canfei He

一、引言

演化经济地理学(EEG)认为相关多样化是区域产业发展的主要方式。区域倾向于沿着和以前已有区域产业结构相关的多样化的方向发展，这个过程一般发生在一个地区对现有产业的组织惯例、管理技能和制造能力的重组时（Frenken& Boschma 2007）。已有实证研究发现，在不同地区，区域相关多样性是以路径依赖的方式进行演变的。但是演化经济地理学过于强调相关多样化。对于后发地区的企业而言，这种路径依赖型发展模式可能会使他们很难进入新兴的高端产业，因为他们缺乏可以重组的能力和资源(Frenken and Boschma 2007)，不能直接跨越到更复杂的、新兴的高端产业。甚至在一些极端情况下，后发地区的企业可能始终处于产业空间的外围，那么发展中国家和发达国家地区之间的差异将一直存在(Hidalgo 2007)。

近年来，已有研究发现区域产业也可以通过不相关多样化实现路径突破。也就是说，后发地区可能会偏离原有的区域产业结构，进入与先前存在的区域产业结构联系较弱的产业。也正是不相关多样化性的发生，才有可能为后发地区带来结构变革，从而缩小与发达地区的差距(Hidalgo et al. 2007)。许多实证研究进一步验证了各种影响因素，如制度(Cortinovis et al.,2017)、关键技术(Montresor&Quatraro,2017)、区域的外部联系(Zhu, He& Zhou,2017)、外部新企业的涌入(Neffke et al.,2018)和跨国企业(Elekes, Boschma&Lengye,2019年)，这些都可能带来不相关多样性，从而产生更具开创性的发展轨迹。因此，探索能够促进区域和区域外不相关多样化的因素，可能是使得后发地区发生结构变革，从而缩小与发达国家的差距甚至赶超发达国家的一个重要路径。

现有文献在研究了区域实现非相关多样性转变后，却很少关注非相关产业的后续该如何发展。产业间的关联性不仅在新的演化过程中起着关键作用，还推动着现存产业的发展，因为当产业之间在资源共享方面存在互补性和相关性时，更容易发生知识溢出。从这个层面上看，那么不相关产业从本地知识溢出中的受益则比较少。更糟糕的是，在不相关产业进入区域寻找新机会时，该产业极有可能因与区域现有产业的联系松散而难以为继(Neffke, Henning & Boschma 2011)。因为不相关产业往往很难利用当地的能力和资源，难以适应不利的商业环境。

区域在实现不相关多样性的偏离后会发生什么结果，以及不相关产业如何在不利环境中可持续地发展，我们知之甚少，这也是本文重点探究的问题。

二、理论基础

（一）文献综述

产业之间的关联性是一个地区创造新产业部门的关键解释因素，区域产业多样化通常是一个路径依赖的过程。新的增长路径不是凭空出现的，区域更容易进入对资源、知识和能力要求与区域现有产业相似的新产业，即区域的新产业路径深深扎根于区域产业结构中。根据产品空间理论，占据核心区高端产业的发达国家和地区比边缘区的发展中国家和地区有更大可能性发展高端产业，造成富者更富、穷者更穷的局面。但是这与许多发展中国家和地区凭借蛙跳式发展实现赶超的现实并不相符。此时，演化经济地理学相关研究发现，非本土企业、外部联系、创新投资与关键技术有利于区域产业实现不相关多样化（Xiao、Boschma&Andersson 2018，Montresor&Quatraro 2017）。但是，不相关产业在后续发展中面临重重障碍，如难以受益于区域知识溢出、利用区域现有资源以及获得区域社会网络的支持。

不相关产业的生存障碍之一是区域资源基础不匹配。区域资源的一个关键特征是它们通常服务于特定的行业(Neffke et al. 2018)。虽然原则上所有当地企业都可以获得区域资源，但不同的产业在获得区域资源的程度上确实有所差异，因为获得区域资源的程度取决于一个产业在区域经济中的嵌入程度。具体来说：一个不相关产业的企业可能很难匹配到同一产业或相关产业的本地供应商，因为他们与大多数服务于该区域的本地供应商的技术核心技术并不相关。同时，不相关产业可能从本地知识溢出中获益最少，因为该产业在本地知识网络中的边缘位置，缺乏与其他产业认知上的临近性(Nooteboom 2000；Frenken, Van Oort& Verburg 2007)。此外，不相关产业的企业可能无法有效地利用当地的劳动力，因为区域内的劳动力主要是针对区域产业结构中的核心相关产业而准备的(Neffke&Henning 2013)。

不相关产业面临的第二个障碍是由于它们的新颖性而难以引起当地对其价值的广泛理解（Meyer&Rowan ，1977；Hannan&Freeman ，1989）。不相关产业的发展往往带有争议和冲突的特点，因为这些产业带来的新技术与区域产业组合的技术核心截然不同，甚至可能威胁到当地既定的规范和价值观念。

此外，由于区域社交网络的紧密性而难以取得合法性是不相关产业发展的另一个障碍。虽然社会资本可以为企业提供支持，但它也会阻碍一些离经叛道的行为。从这个意义上说，地方层面的社会资本往往不愿意支持有争议和不相关产业的企业，尤其是后者往往以更激进的创新为特征(de Vaan, Frenken, and Boschma 2019)。所以他们很难获得当地社交网络的支持以及合法性。相比之下，与区域产业结构联系更紧密的相关产业可能竞争更少，更合法，从而从当地社会网络中获得更多支持。

（二）研究假设

鉴于不相关产业面临的这些障碍，研究如何确保区域获得不相关产业多样化的红利在理论和实践上都至关重要。文章认为，如果一个产业整体上与区域产业结构无关，则应尽量与少数强联系的产业相互作用，而相关产业的长期发展则依赖于大量弱联系的存在，即与产业弱相关的产业相互作用。因此，问题在于如何平衡产业网络中各个连接的强度和数量，因为两者都会影响企业创新和经济绩效，通过这些连接，信息、知识和资本可以在不同的相关产业之间流动。

强连接和弱连接表现出不同的优势(Gilsing et al. 2oo8)：从联系强度来看，强联系有利于不同产业共享隐性知识；弱联系有利于某产业从关联小的产业处获得异质性知识，从而实现创新。从联系数量来看，联系数量越多，某产业从其关联产业处获得的资源越多样化。然而，只有当企业有足够的吸收重组能力去吸纳来自外部的多样化知识时，更多的联系才对企业有益。

其次，对于不相关产业而言，保持少数强连接更为可行，原因有两个：

第一，从大量的连接中获取知识和资源，需要处理广泛的信息，这可能会消耗非常多的时间和资源(Gilsing et al. 2008)，增加不相关产业的不确定性和风险。第二，由于不相关产业处于本地产业网络中的边缘位置，它们也很难找到大量的强连接。总之，如果与区域产业结构无关，不相关产业应侧重于少数强环节，以获得立竿见影的回报。

H1:不相关产业依靠少数强连接，会取得更好的经济绩效。

相比之下，相关产业的主要目标超越了单纯的生存需求，而是要获得比非相关产业更广泛的资源。首先，与不相关行业相比，相关产业具有更大的合法性、社交网络支持和基础的资源。因为它们的竞争较少，不确定性较低，他们生存下来更容易，资源和知识可以在认知临近的相关产业之间轻松移动，所以有机会接触大量弱连接。其次，如果相关产业过度依赖强连接，可能会对其创新性和经济绩效产生一定的负面影响。通过强联系连接起来的产业可能彼此相似，从强联系中获得的信息往往是冗余的，削弱了知识溢出的效益，甚至会导致技术过时和认知锁定。相反，在不确定性较低、合法性较高的情况下，相关行业可以通过弱联系对产业寻找新颖的观念。最后，在不确定性较低、合法性较高的情况下，相关产业可以从大量的弱联系中接触到不同的知识和信息，增加了产生新观念的机会。

H2:相关产业，依靠大量弱连接，会取得较好的经济效益。

三、指标测度与现状描述

（一）数据来源

使用国家统计局在2004年和2008年进行的第一次和第二次经济普查数据。该数据集统计了我国企业的结构和运营信息，如企业代码、地理位置、资本结构、行业分类代码（四位数）、就业信息、销售和产出数据等。本文选取制造业行业，包括337个地级市在2004年的1258160家制造业企业和2008年的1797206家制造业企业。

（二）指标测度：产业关联密度

采用产业关联密度（Density）指标来衡量产业与某个地区产业结构的产业关联密度（density of relatedness）。影响两个产业之间相关性的因素很多，包括生产要素组合的相似性、技术使用的相似性、客户特征、制度的相似性、社会规范的相似性等。在此，采用共现聚类分析法(co-occurrence approach)，通过评估两个产业在同一地区专业化的条件概率来计算两个产业部门之间的相关性。

第一步，计算区域c在i产业的显示性比较优势：

第二步，计算产业i和产业j之间的相关性(Φ)：

如果Φij的值很高，则产业i和产业j就会合并在一起，具有很高的相关性，否则相关性则很低。

第三步，计算产业关联密度：

根据公式（3），只需要关注分子上目标产业与区域内具有RCA的所有产业之间的相关性之和。如下图1所示，产业i与区域A、产业j与区域B有相同的产业关联密度。但是，产业i仅与区域A中的一个产业相关联，产业关联度为0.5，而产业j与区域B中的五个产业相关联，与每个产业的关联度为0.1。根据产业关联密度的定义，产业i与产业j在各自区域受到相同的知识溢出。这一结论是不准确的，这种计算方法忽视了产业关联的多样性或产业空间的网络特征，例如联结的节点数和联结的强度。

（三）创新指标：产业关联多样性

为了将产业空间的网络特征纳入分析中，本文设计了一个新指标——产业关联多样性（variety of relatedness）。

第一步，计算qj：

第二步，计算区域c中产业i的产业关联多样性：

如果该指标较大，表明产业i与大量产业的相关性较弱；如果该指标较小，表明产业i与少量产业的相关性较强。该指标显示了各种关联性以及所有联结的强度分布，补充了产业关联密度指标。不足的是，该指标忽视了区域产业结构内联系的整体强度。

上述两个指标都只反映了产业关联的某一方面，因此文章将这两个指标同时放入模型中，期望在计算出产业结构的整体强度的同时，考察产业在具有大量弱相关产业和少量强相关产业环节的情况下是否具有很好的经济表现。

（四）现状描述

如图2，沿海发达地区的城市以及内陆省会城市有更高水平的平均产业关联密度；而欠发达的内陆城市的平均产业关联密度相对较低。

图2 2004年中国城市层面所有产业平均产业关联密度

如图3，相关产业主要集中于东部沿海发达地区及内陆省会城市，不相关产业主要分布在欠发达的内陆城市。

图3 2004年中国各城市的相关产业和不相关产业数量

如图4，一些产业关联密度较高的沿海地区就业人数增长较快，这与当前演化经济地理学的文献相一致，该文献认为产业和相应的区域产业结构之间的高度相关性可能会导致更高的经济绩效（就业人数显著增加）。但是，内地一些密度相对较低的地区和不相关产业较多的地区也实现了可观的就业增长。这表明产业关联密度不是影响区域发展的唯一要素，产业相关或不相关时的发展状况也存在差异。

图4 2004-2008年中国各城市就业人数变化

四、实证分析

（一）估计方程

t1年c市i产业的就业人数作为控制变量。所有这些变量采取对数形式。该模型还包括时间固定效应、行业固定效应（α）和地区固定效应（δ），分别添加到区域和行业特征的控制中。所有模型在两位数的行业和地级市层面进行聚类标准误。

研究假设提出产业关联多样性的经济绩效可能取决于关联密度的大小（不相关产业依靠少数强连接、相关产业依靠大量强连接会取得更好的经济绩效）。本文根据产业关联密度指标的大小将样本分为四个四分位（第一个四分位密度水平最低；第四个四分位密度水平最高），从而考察产业关联多样性指标的系数是否受到产业关联密度指标大小的影响。

（二）结果分析

表1为所有产业回归结果。模型1为全样本，模型2-5为按照产业关联密度四等分后的分样本，模型2为产业关联密度最低水平，代表不相关产业，模型5为产业关联密度最高水平，代表相关产业。首先，在模型1-5中，产业关联密度指标（Density）的符号为正，说明在产业关联多样性不变的条件下，某产业与其所在区域产业结构的联系越密切，该产业的经济表现越好。产业间密集的知识溢出有利于区域经济发展。同时，关联密度指标的系数在模型1-5中基本不变，表明其影响比较稳定。其次，产业关联多样性指标（Variety）的符号并不稳定。在模型1中，关联多样性的系数显著为正，表明多样性高的产业往往经济表现越好。然而，这个结论仍然是局部的，当我们考察所有四分位数的模型时，系数的符号并不稳定。

在模型2中，关联多样性的系数显著为负，表明最不相关的产业依靠少量强联系的产业受益更多（关联多样性的系数指标越小，表明产业越依赖于少量强联系的产业），这一结果证实了假设1。合法性水平低、不确定性水平高的不相关产业更容易从与少量强联系的产业互动中受益，因为后者可以为不相关产业提供即时有效的知识和资源转移。在模型5中，关联多样性的系数显著为正，表明相关产业从较多的弱联系中获益（关联多样性指标越大，表明产业越依赖于大量弱联系产业），假设2得证。通过与多数弱联系产业互动，相关产业能够获得许多新观念与不同资源。

表2为高复杂度产业回归结果。如引言所述，后发国家和地区赶超发达地区的一个重要途径是向不相关产业进行长距离跳跃，这些产业有可能产生结构变化和融合。只有当这些跨越的目标是高复杂度产业而不是低复杂度产业时，后发者的追赶才有意义。那接下来的一个问题就是，在经历了跳跃之后，如何维持那些不相关且高复杂度的产业的发展。作为回答，文章首先使用Hausmann（2009）的方法计算每个产业的复杂度指标，然后将整个样本分为两个子样本：复杂度高于中位数则划分为高复杂度产业，否则为低复杂度产业，最后对高复杂度样本运行回归。结果与上文结论基本相似：与少数产业保持强联系的不相关产业以及与多数产业保持弱联系的相关产业拥有更好的经济表现。

在表2中，有两点值得注意：表2的模型2中Variety系数的绝对值（7.031）大于表1的模型2（2.783）；表2的模型3中Variety显著为负，而表1的模型3中Variety显著为正。一种可能的解释是，发展高复杂度产业面临更多风险、需要更多知识和资源。因此，区域在发展不相关高复杂度产业时，应更多地依赖少数强产业联系来获得有效回报，以减少不确定性与风险。

为了更好地理解产业关联多样性对经济绩效的影响如何随关联密度的大小而变化，在模型中加入关联密度和关联多样性的交互项，并绘制了多样性对经济绩效的边际影响图。表3为包含了产业关联密度与产业关联多样性交互项的回归结果。在模型3和模型6中，交叉项的系数均显著为正，表明某产业与区域产业结构的联系越密切，产业联系多样性对经济发展的推动作用越明显。这一结论对于全样本和高复杂度产业样本是一致的。

下图展示的是产业关联多样性对所有产业（左）和高复杂度产业（右）的边际效应两幅图均表明：当产业关联密度较低时，产业关联多样性的边际效应较小，甚至为负；随着产业关联密度的上升，产业关联多样性的边际效应增大，且为正向影响。产业关联多样性受产业关联密度的制约。

图5 产业关联多样性的边际效应

此外，本文还对按照产业关联密度五等分后的分样本进行回归，将其作为稳健性检验。如图6所示，在低产业关联密度下，产业关联多样性与经济效益呈显著负相关，而在高产业关联密度下，产业关联多样性对经济效益有更强的正向影响，和基本回归的结果基本一致。

图6 产业关联密度（五等分）的经济效益

五、总结

（一）结论与建议

本文的主要结论有两个：

不相关产业应与所在区域少数产业保持强联系来降低风险和成本，以求生存；相关产业应与所在区域多数产业保持弱联系来获得异质性知识，以求创新。实证验证了这种策略在实践中更具有经济效益。尤其是对于高复杂度的产业更是如此。

为了赶超发达国家和地区，发展中国家和新兴国家可以向不相关的产业跨越，以更具突破性的方式发展。发展中国家和新兴国家和地区的政策制定者不应狭隘地关注一个或两个不相关的产业，而应该支持少数强联系的不相关产业的发展，使这些不相关的产业能够成为彼此的强大联系和相互支持。此外，在发达国家和地区，应努力为相关产业制定更多弱联系的产业发展策略，以保持培育环境的发展活力。

（二）边际贡献

贡献一：研究“不相关产业如何在不利环境中发展”这一问题，后发地区如何实现向不相关产业的跨越，以及跨越后会发生什么、哪些因素会促进不相关产业的发展，填补了相关领域的空白。

贡献二：将网络特征引入产业空间的研究，并指出不相关和相关产业可能在联结的数量和强度方面具有不同的偏好，为演化经济地理学的发展作出了贡献。

贡献三：方法上的贡献。本文构建了一种新的指标来衡量产业关联性的多样性，并确保其与关联性密度指标相兼容，便于将这两个指标包含在一个模型中。多样性指标忽视所有连接的整体优势，而密度指标未能考虑产业空间网络特征的关键信息，因此，二者相互补充。

六、讨论

文章分享结束后，研究院成员展开了有关讨论。荣健新副研究员提出在阅读经济地理学文献的同时要重视计量方法的运用，保证实证结果论证的充分性。

本次学术研讨会充分体现了研究院浓厚的学术氛围，大家在学术交流中相互学习、共同进步，提高自己的学术能力，至此，本次学习讨论会圆满结束。

拟稿：邱雪情

编辑：陈多多

审核发布：毛艳华