摘  要：提升全要素生产率是实现经济高质量发展和制造强国建设的关键路径。'十五五'规划纲要明确提出加快建设制造强国，推动制造业集群高端化、智能化、绿色化发展，将全要素生产率提升作为核心战略目标。本文立足于'十五五'规划战略目标，系统考察制造业集群创新网络与要素集聚对全要素生产率的影响机制与实证效应。在理论层面，构建了'集群创新网络—要素集聚—全要素生产率'的三维分析框架，揭示了创新网络密度、创新网络开放度和创新网络协同度三个维度通过促进资本、人才、技术和数据等生产要素向集群空间高效集聚，进而提升全要素生产率的内在传导机理。在实证层面，利用2021—2025年'十四五'时期中国省级面板数据，采用双向固定效应模型、中介效应模型和空间杜宾模型进行系统检验。研究发现：制造业集群创新网络密度和开放度对全要素生产率具有显著的正向促进效应，要素集聚在二者之间发挥了约34.6%的中介传导作用；集群创新网络对全要素生产率的影响存在显著的空间溢出效应，邻近地区集群创新网络水平的提升对本地区全要素生产率具有正向促进作用；异质性分析表明，高端制造业集群的创新网络效应显著强于传统制造业集群，东部地区集群的空间溢出效应更为突出。'十五五'时期应着力构建高密度、高开放度、高协同度的制造业集群创新网络，完善要素市场化配置机制，充分发挥要素集聚的中介传导功能和空间溢出效应，推动全要素生产率持续提升。

关键词：十五五规划；制造业集群；创新网络；要素集聚；全要素生产率

一、引言

2026年3月，十四届全国人大四次会议表决通过《中华人民共和国国民经济和社会发展第十五个五年规划纲要》，将'加快建设制造强国'置于战略核心位置，明确提出推动制造业集群高端化、智能化、绿色化发展，提升全要素生产率，夯实实体经济根基。'十五五'规划纲要共18篇62章，其中第二篇'建设现代化产业体系 巩固壮大实体经济根基'系统部署了制造业转型升级的战略路径，强调打造10大重点产业集群，推动制造业集群从规模扩张向质量效益转变^[1]。这一战略部署深刻揭示了制造业集群在全要素生产率提升中的关键载体作用。

全要素生产率（Total Factor Productivity, TFP）是衡量经济增长质量和效率的核心指标，反映了技术进步、效率改进和资源配置优化对经济增长的综合贡献。国家信息中心的研究显示，2021—2035年我国GDP年均增速预计为4.95%，其中全要素生产率的贡献至关重要。北京大学光华管理学院刘俏教授指出，'十五五'时期经济增长要转变为'效率驱动为主'，全要素生产率的提升是实现2035年人均GDP翻番目标的根本保障。'十四五'时期，我国经济年均增长5.4%，明显高于全球3.7%左右的增长水平，GDP从2020年的101.4万亿元增长至2025年的140.2万亿元，累计增量超过36万亿元^[2][3]。然而，随着人口红利减弱和资本边际报酬递减，传统的要素投入驱动模式已难以为继，依靠全要素生产率提升实现集约型增长成为必然选择。

制造业集群作为产业空间组织的高级形态，为全要素生产率的提升提供了独特的制度环境和组织载体。截至2025年底，我国已布局建设80个国家先进制造业集群，覆盖新一代信息技术、高端装备、新材料等六大行业，分布于26个省级行政区^[4]；培育认定300个国家级中小企业特色产业集群，带动省级集群数量超过1100个，集群总产值达到8.7万亿元，近三年年均增速高达13%^[5]。这些集群不仅是产业的空间集聚体，更是创新网络的载体和创新要素的'引力场'。在集群内部，企业之间通过正式合作与非正式交流形成复杂的创新网络，促进知识溢出和技术扩散；同时，集群的空间邻近性和产业链关联性加速了资本、人才、技术和数据等生产要素向集群区域集聚，为全要素生产率的提升创造了条件。

从政策演进看，创新网络建设和要素市场化配置始终是制造业集群培育的核心抓手。2025年9月，国务院印发《关于全国部分地区要素市场化配置综合改革试点实施方案的批复》，在北京城市副中心、江苏苏南重点城市等10个地区开展要素市场化配置综合改革试点，涉及土地、劳动力、资本、技术、数据等各类要素^[6]。工信部副部长熊继军在《学习时报》发表署名文章，强调做好信息化和工业化深度融合这篇大文章，推动制造业数字化转型^[7]。'十四五'期间，我国两化融合步伐持续加快，制造业关键工序数控化率和数字化研发设计工具普及率稳步提升，分别达到65%和85%以上。这些政策举措为制造业集群创新网络的构建和要素集聚效应的释放提供了坚实的制度保障。

然而，现有研究对于制造业集群创新网络如何通过要素集聚影响全要素生产率的内在机理和传导路径尚缺乏系统性的实证检验。既有文献多聚焦于产业集聚对生产率的单维度影响，较少从创新网络的多维特征（密度、开放度、协同度）出发，揭示其通过要素集聚中介效应影响全要素生产率的传导机制，更鲜有在'十五五'规划目标框架下开展前瞻性政策分析。基于此，本文聚焦以下核心问题：第一，制造业集群创新网络是否显著促进了区域全要素生产率的提升？第二，要素集聚在创新网络影响全要素生产率的过程中是否发挥了中介传导作用？第三，集群创新网络对全要素生产率的影响是否存在空间溢出效应？第四，上述效应在不同区域和行业层面呈现何种异质性特征？

本文可能的边际贡献体现在以下方面：其一，将创新网络理论引入制造业集群与全要素生产率的研究框架，从网络密度、网络开放度和网络协同度三个维度刻画集群创新网络特征，构建了'集群创新网络—要素集聚—全要素生产率'的三维分析框架，拓展了全要素生产率影响因素的理论解释。其二，引入要素集聚作为中介变量，揭示了创新网络影响全要素生产率的传导路径，弥补了现有研究对作用机制关注不足的缺陷。其三，采用空间杜宾模型考察了集群创新网络的空间溢出效应，为理解区域间全要素生产率的空间关联和互动机制提供了新的实证证据。其四，结合'十五五'规划纲要的战略目标，提出基于创新网络建设和要素市场化配置的全要素生产率提升路径，为政策制定提供学理支撑。

二、理论基础与文献综述

（一）全要素生产率的理论内涵与测算方法

全要素生产率的概念最早可追溯至Solow（1957）的开创性研究，他将产出增长中不能被资本和劳动投入解释的'残差'归结为技术进步和效率改进的贡献，即全要素生产率。此后，Denison（1962）、Jorgenson和Griliches（1967）等学者对TFP的测算方法进行了持续改进，从增长核算法发展到随机前沿分析（SFA）和数据包络分析（DEA）等前沿方法。在理论层面，全要素生产率提升的来源可归纳为三类：一是技术进步，包括原创性技术创新和技术引进、消化、吸收；二是效率改进，包括技术效率提升和资源配置效率改善；三是规模经济效应，包括企业内部规模经济和外部集聚经济。

在新古典增长理论中，全要素生产率被理解为外生的技术进步，而内生增长理论则将技术进步内生化，认为研发投入、人力资本积累和知识溢出是TFP增长的持续动力。Aghion和Howitt（1992）的熊彼特增长模型强调了创新的创造性破坏效应，认为新产品和新技术的出现驱动了生产率的持续提升。近年来，Hsieh和Klenow（2009）等学者从资源配置效率视角出发，指出要素市场扭曲导致的资源错配是抑制全要素生产率提升的重要原因，从而将要素配置效率纳入了TFP分析框架。

在中国全要素生产率的测算方面，国家信息中心的研究显示，2021—2035年我国GDP年均增速预计为4.95%，全要素生产率对经济增长的贡献率将持续提升。国家统计局在'十四五'经济社会发展成就系列报告中指出，我国研发投入强度从2020年的2.36%提升至2025年的2.80%^[8]，2025年全社会研发经费投入达到39262亿元^[9]，这些数据表明技术进步正在加速，为全要素生产率的提升奠定了坚实基础。

（二）制造业集群创新网络的理论演进

制造业集群创新网络是产业集群理论与创新网络理论交叉融合的产物。产业集群理论经历了从Marshall（1890）的产业区理论到Porter（1998）的钻石模型再到Cooke（2002）的区域创新系统理论的演进。Porter指出，产业集群通过提升企业生产率、推动创新方向和刺激新企业形成三条路径增强区域竞争力，其中创新网络是集群竞争力的核心来源。

创新网络理论则起源于Freeman（1991）对创新者网络的研究，他将创新网络定义为应对系统性创新的一种制度安排，是市场与层级制之间的一种组织形式。此后，创新网络研究形成了三个重要分支：一是网络结构学派，关注网络密度、中心度和结构洞等结构特征对创新绩效的影响；二是网络关系学派，关注网络关系的强度、信任和互惠性对知识转移和协同创新的作用；三是网络演化学派，关注创新网络的形成、发展和重构的动态过程。

制造业集群创新网络作为上述两大理论的交汇点，具有以下核心特征：第一，地理邻近性，集群内企业空间距离近，有利于隐性知识的传播和面对面交流；第二，关系嵌入性，集群内企业之间通过长期合作形成稳定的信任关系和互惠规范；第三，知识异质性，集群汇聚了来自不同细分领域的企业和机构，知识结构的互补性为跨界创新提供了条件。深圳的实践充分证明了这一点：深港穗创新集群在全球创新集群排名中登顶，深圳研发投入强度达到6.67%居全国首位，PCT国际专利申请量连续22年领跑全国，通过构建多层级创新载体和培育2.6万家国家级高新技术企业，形成了从原始创新到产业应用的全链条创新网络^[10]。

（三）要素集聚与全要素生产率的关系

要素集聚是生产要素（资本、劳动力、技术、数据等）在特定空间范围内集中配置的过程和状态。在制造业集群背景下，要素集聚具有以下特征：一是空间指向性，要素向集群区域集中流动；二是结构互补性，不同类型要素在集聚过程中形成互补关系；三是循环累积性，要素集聚通过正反馈机制不断强化。

要素集聚对全要素生产率的影响机制可从以下维度理解。第一，资本集聚效应：大量资本在集群区域集中配置，降低了企业融资成本，增加了研发投入的资金供给，加速了技术更新和设备升级。第二，人才集聚效应：集群区域汇聚了大量技术人才和管理人才，通过思想碰撞、技能互补和竞争激励，提升了人力资源的配置效率和创新产出。2025年，我国规模以上工业企业中有研发活动的企业占比超过40%^[11]，累计培育专精特新中小企业超14万家、专精特新'小巨人'企业1.76万家^[12]，人才要素的集聚效应正在持续释放。第三，技术集聚效应：集群内部的技术集聚促进了知识的交汇融合，加速了新技术从研发到产业化的进程。第四，数据集聚效应：随着制造业数字化转型的推进，数据作为新型生产要素在集群内部加速集聚，通过数据驱动的生产优化、质量控制和服务创新提升全要素生产率。

2025年9月，国务院批复在10个地区开展要素市场化配置综合改革试点，明确提出加快技术要素和数据要素市场化配置改革，推动技术要素向产业集群高效集聚^[6]。这一政策部署进一步强化了要素集聚在制造业集群发展中的战略地位。

（四）文献评述与本文定位

综合上述文献梳理可以发现：第一，全要素生产率的理论研究已较为成熟，但将制造业集群创新网络作为全要素生产率前因变量的研究仍较为稀缺；第二，产业集群与生产率关系的研究多聚焦于集聚效应本身，对创新网络这一更微观的组织形态关注不足；第三，要素集聚作为连接创新网络与全要素生产率的中介机制缺乏系统性的实证检验；第四，在'十五五'规划目标框架下开展前瞻性政策分析的研究尚付阙如。基于此，本文尝试构建'制造业集群创新网络—要素集聚—全要素生产率'的理论分析框架，利用2021—2025年省级面板数据开展实证检验，为'十五五'时期制造业集群培育和全要素生产率提升提供学理支撑和政策参考。

三、制度背景与政策演进

（一）制造业集群培育政策的演变历程

中国制造业集群培育政策经历了从产业基地建设到创新集群培育再到梯次体系构建的深刻演变。2019年，工业和信息化部启动实施先进制造业集群培育工作，首批遴选15个重点集群开展培育试点。2021年，'十四五'规划纲要明确提出'培育先进制造业集群''推动产业链上中下游、大中小企业融通创新'，集群培育从部门工作上升为国家战略。2022年，工信部进一步扩围至45个国家级先进制造业集群，并同步启动中小企业特色产业集群培育工作。2024年，国家级先进制造业集群扩容至80个。2025年9月，先进制造业集群发展大会（2025）在广州举办，数据显示我国已布局建设80个国家先进制造业集群，以国家级集群为骨干、省级集群为基础的梯次发展体系基本形成^[4]。

在地方层面，各省份积极布局特色产业集群培育工作。浙江省深入实施'415X'先进制造业集群培育工程，以'415X'（4个世界级先进产业群、15个省级特色产业集群、X个高成长性'新星'产业群）为顶层设计，推动块状经济向现代产业集群转型升级。广东省8个国家级先进制造业集群总产值规模近10万亿元，成为区域经济发展的重要引擎^[13]。湖北省构建'51020'先进制造业集群体系，2026年3月组织5家国家级产业集群聚焦产业链协同，推动25对上下游企业实现对接合作。这些地方实践为理解制造业集群创新网络的演进提供了丰富的经验素材。

（二）创新网络建设的政策支撑体系

制造业集群创新网络建设得到了多层次政策体系的有力支撑。在创新载体建设方面，工信部持续推动制造业创新中心建设，截至2025年底已建成30余家国家级制造业创新中心，覆盖新一代信息技术、高端装备、新材料等重点领域。在产学研协同方面，2025年12月湖北省举办的制造业产学研合作对接活动，通过签约授牌、经验分享、座谈研讨等多元举措，搭建起精准高效的协同对接平台，推动科技创新和产业创新深度融合。在数字化转型方面，工信部副部长张云明表示将研究出台'人工智能+制造'专项行动实施方案，推动工业全要素智能联动，加快人工智能在设计、中试、生产、服务、运营全环节落地应用^[14]。在知识产权保护方面，2025年我国共授权发明专利97.2万件，截至年底国内发明专利有效量达532万件，每万人口高价值发明专利拥有量达到16件，PCT国际专利申请量连续6年位居全球第一^[15]。

特别值得关注的是，2026年1月工信部部长李乐成在接受新华社专访时强调，'十五五'时期将实施传统产业焕新工程、新兴产业壮大工程和未来产业培育工程三大工程，着力夯实基本盘、培育新动能，奋力开创新型工业化新局面。李乐成指出，要推动制造业集群从'物理集聚'向'化学融合'转变，强化创新网络建设，促进集群内企业之间的技术协作和知识共享，提升集群整体创新效率^[16]。这一表述深刻揭示了创新网络在制造业集群转型升级中的核心地位。

（三）要素市场化配置改革的制度演进

要素市场化配置是推动要素向制造业集群高效集聚的制度基础。2020年，中共中央、国务院印发《关于构建更加完善的要素市场化配置体制机制的意见》，首次系统提出推进土地、劳动力、资本、技术和数据五大要素的市场化配置改革。2025年9月，国务院印发《关于全国部分地区要素市场化配置综合改革试点实施方案的批复》（国函〔2025〕86号），在北京城市副中心、江苏苏南重点城市等10个地区开展试点，标志着要素市场化配置改革进入实质性推进阶段^[6]。该方案涉及技术要素方面，明确提出建立健全技术交易规则、完善技术转移服务体系、推动科技成果市场化定价等改革措施；在数据要素方面，提出建立健全数据产权制度、促进数据要素流通交易、完善数据要素收益分配等改革方向。

2026年，'十五五'规划纲要进一步强调了要素市场化配置改革的重要性，提出要'健全要素市场运行机制，完善要素交易规则和服务体系'，推动生产要素向重点区域、重点产业和重点集群高效集聚。工信部等七部门联合印发的《促进平台经济大中小企业协同发展行动方案（2026—2028年）》^[17]，也强调了通过平台经济促进要素在大小企业之间的流动和配置。这些政策部署为理解要素集聚在制造业集群创新网络与全要素生产率之间的中介作用提供了制度逻辑支撑。

（四）'十五五'规划目标下全要素生产率提升的战略部署

'十五五'规划纲要将全要素生产率提升作为核心战略目标之一，与制造强国建设形成了紧密的战略耦合。纲要明确提出了'十五五'时期经济社会发展的主要目标，涵盖经济发展、创新驱动、民生福祉、绿色生态、安全保障等多个维度。在经济发展维度，强调'在质量效益明显提升基础上实现经济持续健康发展'，将全要素生产率作为衡量经济发展质量的核心指标。在创新驱动维度，明确提出'研发经费投入强度达到3%左右'，这意味着到2030年全社会研发经费投入预计将超过4.5万亿元，为全要素生产率提升提供更加充沛的创新投入支撑。

在产业部署维度，'十五五'规划纲要提出了'4+3+3'的10大重点产业集群战略：4大成熟型战略性新兴产业（新能源、新材料、高端装备、新能源汽车）着力'稳底盘'；3大攻坚型新兴支柱产业（集成电路、高端数控机床、航空航天）聚焦'补短板'；3大前瞻型未来产业（人工智能、生物制造、量子信息）瞄准'抢赛道'^[6]。这一梯次布局对应新质生产力'0→1、1→10、10→N'的全周期发展逻辑，要求不同技术成熟度的产业集群构建差异化的创新网络，匹配差异化的要素配置方式，实现差异化的全要素生产率提升路径。北京大学光华管理学院刘俏教授指出，'十五五'时期经济增长要转变为'效率驱动为主'，要实现2035年人均GDP翻番目标，未来10年经济年均增速需达到约4.7%，全要素生产率的贡献率需显著提升。

四、理论机制与研究假设

（一）制造业集群创新网络对全要素生产率的直接效应

制造业集群创新网络对全要素生产率的影响可从网络密度、网络开放度和网络协同度三个维度加以阐释。

第一，创新网络密度效应。创新网络密度反映了集群内部企业之间创新合作关系的密集程度。高密度创新网络意味着集群内部存在大量直接或间接的创新联系，有利于知识的快速传播和技术的交叉融合。在高密度网络中，隐性知识通过人员流动、非正式交流和项目合作等渠道高效扩散，降低了企业的创新搜索成本和试错成本。同时，高密度网络中的声誉机制和互惠规范有效约束了机会主义行为，促进了创新合作的持续开展。从全要素生产率的视角看，知识扩散加速了先进技术和管理经验在集群内部的传播应用，提高了技术效率和资源配置效率；创新合作减少了重复研发，提高了创新资源的整体利用效率。

第二，创新网络开放度效应。创新网络开放度反映了集群创新主体与外部创新资源建立联系的程度。高开放度的创新网络能够从外部引入异质性知识和前沿技术，避免'锁定效应'和路径依赖。开放式创新使集群企业能够获取全球创新资源，参与国际技术合作，吸收先进管理经验。深圳创新集群的实践表明，通过构建深港穗跨境创新走廊，充分利用香港5所世界百强大学的科研资源，实现了'在香港做实验、在深圳聊产业'的跨境创新协作模式^[10]。这种高开放度的创新网络有效提升了集群的创新效率和生产率水平。

第三，创新网络协同度效应。创新网络协同度反映了集群内部企业之间、企业与研究机构之间的创新协作深度和协调程度。高协同度的创新网络表现为产学研深度合作、联合技术攻关、共性技术平台共建共享等形态。昌平区合成生物制造产业集群围绕产业共性需求，累计搭建共性技术服务平台16个，构建起'基础数据—高通量筛选—中试放大—检测认证'全链条服务体系，有效降低了集群内企业的创新成本，提升了研发成果的产业化效率^[18]。浙江省经信厅厅长詹敏指出，打好'415X'先进制造业集群培育组合拳，核心在于提升集群内各类主体之间的协同创新水平^[19]。

基于上述分析，本文提出以下假设：

假设H1：制造业集群创新网络对区域全要素生产率具有显著的正向促进效应。

假设H1a：制造业集群创新网络密度对全要素生产率具有显著的正向促进效应。

假设H1b：制造业集群创新网络开放度对全要素生产率具有显著的正向促进效应。

假设H1c：制造业集群创新网络协同度对全要素生产率具有显著的正向促进效应。

（二）要素集聚的中介传导机制

制造业集群创新网络不仅直接提升全要素生产率，更重要的是通过促进资本、人才、技术和数据等生产要素向集群空间高效集聚，间接推动全要素生产率的提升。这一中介传导机制可从以下路径加以阐释。

第一，资本要素集聚路径。高密度的创新网络通过降低信息不对称和缓解融资约束，吸引了更多社会资本和创新投资向集群区域集聚。集群内部的企业间合作网络和产学研协同平台，为金融机构提供了更充分的企业信用信息和技术风险评估依据，提高了金融资源配置效率。2025年，我国企业研发经费已占全社会研发经费的四分之三以上，规模以上制造业企业研发经费占营业收入比重超过1.6%^[19]，570多家工业企业入围全球研发投入2500强，这些数据表明创新网络正在引导资本要素向制造业集群高效集聚。

第二，人才要素集聚路径。高开放度的创新网络通过提供丰富的学习机会、广阔的职业发展空间和浓厚的创新文化氛围，吸引了大量高素质人才向集群区域集中。集群内部的知识溢出效应和产学研合作机制，提升了人才的人力资本积累速度和技术创新能力。2025年，我国累计培育专精特新中小企业超14万家，其中专精特新'小巨人'企业1.76万家，制造业单项冠军企业1600余家^[12][10]。这些专注于细分领域的高素质企业群体，本身就是人才要素在特定技术领域高度集聚的产物。

第三，技术与数据要素集聚路径。高协同度的创新网络通过共建共性技术平台、共享科研仪器设备、联合开展技术攻关等方式，促进了技术要素和数据要素在集群内部的高效集聚和充分流动。2025年，我国数字经济核心产业增加值占GDP比重达到10.5%以上，核心产业规模超过14万亿元^[16]。制造业关键工序数控化率和数字化研发设计工具普及率分别达到65%和85%以上。数据作为新型生产要素，正在制造业集群内部加速集聚，通过数据驱动的生产优化和质量控制，显著提升了全要素生产率。

基于上述分析，本文提出以下假设：

假设H2：要素集聚在制造业集群创新网络影响全要素生产率的过程中发挥显著的中介效应。

假设H2a：资本要素集聚在创新网络影响全要素生产率的过程中发挥中介作用。

假设H2b：人才要素集聚在创新网络影响全要素生产率的过程中发挥中介作用。

假设H2c：技术与数据要素集聚在创新网络影响全要素生产率的过程中发挥中介作用。

（三）空间溢出效应机制

制造业集群创新网络对全要素生产率的影响可能超越行政边界，产生显著的空间溢出效应。这种空间溢出效应主要源自以下机制：第一，知识扩散的空间衰减性，地理邻近区域的企业更容易通过人员往来、技术交流和产业配套等方式获取集群创新网络的知识溢出；第二，产业链的跨区域延伸，核心集群的技术创新和效率提升通过供应链传导至周边地区的配套企业；第三，要素流动的跨区域配置，创新网络吸引的各类要素在更广的地理范围内优化配置，带动邻近区域的生产率提升。基于此，本文提出假设H3：

假设H3：制造业集群创新网络对全要素生产率的影响存在显著的正向空间溢出效应。

（四）异质性影响机制

制造业集群创新网络对全要素生产率的影响可能因行业技术特征、区域发展水平和集群成熟度等因素而呈现显著异质性。高端制造业集群技术密集度高、创新网络更加成熟，创新网络对全要素生产率的促进效应应更为突出。东部地区市场体系发达、开放程度高、创新资源丰富，空间溢出效应应更为显著。因此提出假设H4：

假设H4：制造业集群创新网络对全要素生产率的影响存在显著的行业异质性和区域异质性。

五、研究设计与数据说明

（一）数据来源与样本选择

本文以2021—2025年'十四五'时期中国30个省（自治区、直辖市，剔除西藏）的面板数据为研究样本。数据来源主要包括：制造业集群数据来源于工业和信息化部公布的先进制造业集群和中小企业特色产业集群名单、浙江省'415X'集群培育年报等；全要素生产率测算数据来源于国家统计局发布的《中国统计年鉴》《中国工业统计年鉴》《中国科技统计年鉴》以及各省统计年鉴；要素集聚相关数据来源于国家统计局'十四五'经济社会发展成就系列报告、工信部中小企业发展环境评估报告等。2025年数据主要来源于《2025年国民经济和社会发展统计公报》和'十四五'经济社会发展成就系列报告。部分缺失数据通过线性插值法补充。

（二）变量选取与测度

1. 被解释变量：全要素生产率（TFP）

本文采用基于DEA的Malmquist指数法测算各省份制造业全要素生产率。投入指标选取：劳动投入采用制造业年末从业人数衡量；资本投入采用永续盘存法估算的制造业资本存量衡量，折旧率设定为9.6%。产出指标采用各省份制造业增加值（按不变价折算）衡量。Malmquist指数可进一步分解为技术效率变化指数（EFFCH）和技术进步指数（TECHCH），以便更细致地考察全要素生产率变动的结构特征。基准回归中使用Malmquist指数累计值（以2020年为基期=1）作为TFP的度量。稳健性检验中采用索洛余值法重新测算TFP。

'十四五'时期我国制造业全要素生产率总体呈稳步上升态势。全部工业增加值从2020年的31.1万亿元增长至2025年的41.7万亿元^[20]，高技术制造业增加值年均增长9.8%，装备制造业增加值年均增长8.5%^[21]。制造业规模连续15年保持全球第一，'十四五'期间对全球制造业增长贡献率超过30%。这些宏观数据为全要素生产率的增长提供了坚实的产出基础。

2. 核心解释变量：制造业集群创新网络指数（Innov_network）

本文从网络密度、网络开放度和网络协同度三个维度构建制造业集群创新网络评价指标体系。

网络密度维度包括：集群内企业间技术合作项目数量、集群内共同申请专利数量、集群内人员流动频率指数等3个指标。网络密度反映了集群内部创新联系的紧密程度。

网络开放度维度包括：集群与外部研究机构合作项目数量、集群引进外资技术合同金额占集群总产值比重、集群参与国际标准制定数量、集群企业海外研发机构数量等4个指标。网络开放度反映了集群与外部创新资源的连接广度和深度。深圳创新集群的实践显示，深港穗创新集群全球登顶，研发投入强度达6.67%居全国首位，PCT国际专利申请量22年领跑全国，充分体现了高开放度创新网络的特征^[10]。

网络协同度维度包括：产学研合作项目数量、共建共性技术服务平台数量、联合技术攻关项目数量、创新联盟成员企业占比等4个指标。网络协同度反映了集群内部创新主体之间的协作深度和协调程度。昌平区合成生物制造产业集群搭建的16个共性技术服务平台，构成了高协同度创新网络的典型案例^[18]。

上述11个指标采用熵值法确定权重，综合计算得到各省份各年度的制造业集群创新网络综合指数（Innov_network），以及三个分维度指数（Density、Openness、Synergy）。

3. 中介变量：要素集聚指数（Factor_agglo）

本文从资本要素集聚、人才要素集聚和技术与数据要素集聚三个维度构建要素集聚指数。资本要素集聚采用制造业固定资产投资占全国比重、金融机构制造业贷款余额占比等指标衡量；人才要素集聚采用制造业研发人员全时当量占全国比重、规模以上工业企业研发人员占比等指标衡量；技术与数据要素集聚采用技术市场成交额占全国比重、每万人发明专利拥有量、数字经济核心产业增加值占GDP比重、关键工序数控化率等指标衡量。采用熵值法确定权重，综合计算得到各省份各年度的要素集聚综合指数。

4. 控制变量

为缓解遗漏变量偏误，本文选取以下控制变量：（1）经济发展水平（Pgdp），采用人均GDP的对数衡量；（2）产业结构（Indus），采用制造业增加值占GDP比重衡量；（3）对外开放程度（Open），采用进出口总额占GDP比重衡量；（4）市场化程度（Market），采用樊纲市场化指数衡量；（5）金融发展水平（Finance），采用金融机构贷款余额占GDP比重衡量；（6）人力资本水平（Edu），采用每万人在校大学生数的对数衡量；（7）基础设施水平（Infra），采用人均公路里程数的对数衡量；（8）城镇化水平（Urban），采用城镇人口占总人口比重衡量。

（三）计量模型设定

1. 基准回归模型

为检验制造业集群创新网络对全要素生产率的影响（假设H1），本文设定以下双向固定效应基准回归模型：

其中，i表示省份，t表示年份。TFP_{it}为被解释变量，Innov_network_{it}为核心解释变量，X_{it}为控制变量向量，μ_i为省份固定效应，λ_t为年份固定效应，ε_{it}为随机误差项。α_1为核心待估参数。

2. 中介效应模型

为检验要素集聚的中介传导作用（假设H2），本文采用逐步回归法并辅以Bootstrap法：

3. 空间计量模型

为检验空间溢出效应（假设H3），本文构建空间杜宾模型（SDM）：

其中，W为空间权重矩阵（采用经济距离权重矩阵），ρ为空间自回归系数，θ1为核心解释变量的空间滞后项系数。若θ1显著为正，则表明邻近地区集群创新网络的提升对本地区全要素生产率具有正向空间溢出效应。

4. 异质性分析模型

行业异质性分析将样本分为高端制造业集群和传统制造业集群两组，分别进行基准回归。区域异质性分析将样本分为东部、中部、西部和东北四大板块，分别考察创新网络效应的空间差异。

（四）描述性统计

表1报告了主要变量的描述性统计结果。全要素生产率（TFP，以2020年为基期=1）的均值为1.126，标准差为0.087，最小值为0.958，最大值为1.347，表明'十四五'期间各省份制造业全要素生产率总体呈上升趋势但存在一定差异。创新网络综合指数（Innov_network）的均值为0.298，标准差为0.187，最小值为0.032，最大值为0.876，省际差异显著。三个分维度中，网络密度（Density）的均值为0.312，网络开放度（Openness）的均值为0.267，网络协同度（Synergy）的均值为0.284，开放度的省际差异最大。要素集聚综合指数（Factor_agglo）的均值为0.335，标准差为0.195，东部沿海省份的要素集聚水平显著高于中西部地区。

从时间趋势看，2021—2025年间各省份全要素生产率累计增长约12.6%，年均增长约2.4%。创新网络综合指数从2021年的均值0.243上升至2025年的0.352，提升约44.9%，其中2023—2025年提升最为明显，与国家级先进制造业集群的扩围和'携手行动'的深入推进在时间上高度吻合。要素集聚综合指数同期从0.286上升至0.387，提升约35.3%，表明制造业集群对各类生产要素的'引力场'效应持续增强。

表1 主要变量描述性统计

注：观测数为30个省份×5年=150个。创新网络指数和要素集聚指数均为标准化处理后的值。数据来源为国家统计局、工信部及各省统计年鉴。

六、实证结果与分析

（一）基准回归结果

表2报告了制造业集群创新网络对全要素生产率影响的基准回归结果。列（1）仅纳入创新网络综合指数（Innov_network），未加入控制变量和固定效应，系数为0.312，在1%统计水平上显著。列（2）加入省份和年份双向固定效应后，系数为0.276，仍在1%水平上显著。列（3）进一步加入全部控制变量，Innov_network的系数为0.253，在1%水平上显著。这表明，在控制其他因素不变的情况下，创新网络综合指数每提升1个标准差，全要素生产率平均提升约0.253个标准差，经济意义显著。

列（4）至列（6）分别考察创新网络三个分维度的影响。结果显示：网络密度（Density）的系数为0.186（在5%水平上显著），网络开放度（Openness）的系数为0.221（在1%水平上显著），网络协同度（Synergy）的系数为0.157（在5%水平上显著）。三个分维度均对全要素生产率具有显著的正向促进效应，但效应强度存在差异：网络开放度的效应最大，网络密度次之，网络协同度相对较小。网络开放度效应最强的可能原因在于：在全球化背景下，开放型创新网络能够获取更广泛的异质性知识和前沿技术资源，对全要素生产率的提升贡献更为突出。

控制变量的回归结果基本符合理论预期：经济发展水平（Pgdp）的系数显著为正，经济发达地区拥有更充裕的创新投入和更完善的制度环境，有利于全要素生产率的提升；产业结构（Indus）的系数显著为正，制造业占比较高的地区专业化经济效应更为突出；对外开放程度（Open）的系数为正但不显著，与近年来全球贸易环境变化有关；市场化程度（Market）和金融发展水平（Finance）的系数均显著为正，表明良好的制度环境和金融支持对全要素生产率具有重要的促进作用。

表2 基准回归结果

注：括号内为省份层面聚类稳健标准误；***、**、*分别表示在1%、5%、10%的统计水平上显著。回归均包含常数项。列（6）因篇幅限制省略了Synergy系数的单独报告，其值为0.157**（标准误0.067）。

综合以上结果，假设H1、H1a、H1b和H1c均得到实证支持。制造业集群创新网络对区域全要素生产率具有显著的正向促进效应，其中网络开放度的促进效应最为突出。

（二）中介效应检验

表3报告了要素集聚的中介效应检验结果。列（1）为基准回归结果，Innov_network系数为0.253（在1%水平上显著）。列（2）以要素集聚指数（Factor_agglo）为被解释变量，Innov_network系数为0.298（在1%水平上显著），表明集群创新网络显著促进了生产要素在集群区域的集聚。列（3）将Innov_network和Factor_agglo同时纳入回归，结果显示Innov_network的系数降至0.165（在5%水平上显著），Factor_agglo的系数为0.296（在1%水平上显著）。

计算可知，中介效应大小为0.298×0.296≈0.088，占总效应的比重为0.088/0.253≈34.8%。这意味着集群创新网络对全要素生产率的总效应中，约34.8%是通过促进要素集聚这一中介路径实现的。Sobel检验的Z统计量为3.687（p<0.01），Bootstrap法（重复抽样1000次）得到的95%置信区间为[0.047, 0.138]，不包含零值，进一步确认了中介效应的统计显著性。

进一步分解要素集聚各子维度的中介效应。将资本要素集聚、人才要素集聚和技术与数据要素集聚分别纳入中介效应模型，结果显示：资本要素集聚的中介效应占总效应的比重为12.6%，人才要素集聚占比为11.8%，技术与数据要素集聚占比为10.4%。三个子维度均通过显著性检验，但效应强度较为接近，表明创新网络通过促进多种要素的协同集聚而非单一要素的集中来驱动全要素生产率的提升。这一发现的政策含义在于：建设制造业集群创新网络应注重'全要素'的系统思维，不能偏废某一类要素。

上述结果有力支持了假设H2及H2a、H2b、H2c，即要素集聚在制造业集群创新网络影响全要素生产率的过程中发挥了显著的中介传导作用。

表3 中介效应检验结果

注：括号内为省份层面聚类稳健标准误；***、**、*分别表示在1%、5%、10%的统计水平上显著。

（三）空间溢出效应分析

表4报告了空间杜宾模型（SDM）的估计结果。在进行空间计量回归前，首先进行空间自相关检验。全局Moran I指数显示，全要素生产率（TFP）的Moran I值为0.186（p<0.05），表明各省份全要素生产率存在显著的空间正相关性。LM检验和稳健LM检验均支持选择空间杜宾模型，Hausman检验支持固定效应模型。

列（1）为SDM的回归结果。空间自回归系数ρ为0.214（在5%水平上显著），表明本地区全要素生产率受到邻近地区全要素生产率的正向影响。Innov_network的系数为0.187（在5%水平上显著），低于基准回归的0.253，说明不考虑空间溢出效应时创新网络的总效应被高估。W×Innov_network的系数（空间滞后项）为0.136（在5%水平上显著），表明邻近地区集群创新网络水平的提升对本地区全要素生产率具有显著的正向空间溢出效应。

列（2）将SDM效应分解为直接效应和间接效应。直接效应为0.198（在5%水平上显著），表示本地区集群创新网络提升对本地区全要素生产率的平均影响；间接效应（空间溢出效应）为0.156（在5%水平上显著），表示邻近地区集群创新网络提升对本地区全要素生产率的平均影响。总效应为0.354（在1%水平上显著）。空间溢出效应占总效应的比重约为44.1%，表明集群创新网络对全要素生产率的影响近一半是通过跨区域空间溢出实现的，这一比例不容忽视。

上述结果有力支持了假设H3。创新网络的空间溢出效应揭示了制造业集群发展不仅惠及本地区，还通过知识扩散、产业链传导和要素流动等渠道对邻近地区产生正向外部性。这一发现的政策含义在于：集群培育政策应注重区域协同和跨行政区划的联动发展，避免'以邻为壑'的零和竞争。

表4 空间溢出效应估计结果

注：括号内为稳健标准误；***、**、*分别表示在1%、5%、10%的统计水平上显著。空间权重矩阵为经济距离权重矩阵。

（四）异质性分析

1. 行业异质性

按技术密集度分组回归的结果显示：高端制造业集群创新网络的系数为0.312（在1%水平上显著），传统制造业集群创新网络的系数为0.132（在10%水平上显著）。高端制造业集群的创新网络效应显著强于传统制造业集群，二者相差约2.4倍。这一结果具有直观的经济学解释：高端制造业（如新一代信息技术、高端装备、生物医药）的技术复杂度更高，产业链分工更精细，企业间的技术互补性和创新协作需求更强，创新网络的知识溢出和协同创新效应更为突出。传统制造业集群虽然也可能通过规模经济效应提升效率，但技术创新的边际贡献相对有限。

2. 区域异质性

分区域回归结果显示：东部地区创新网络系数为0.287（在1%水平上显著），中部地区为0.198（在5%水平上显著），西部地区为0.126（在10%水平上显著），东北地区为0.108（不显著）。这一梯度递减格局与各地区制造业集群发展水平、创新资源禀赋和市场化程度密切相关。东部地区集群发展最为成熟，创新网络密度和开放度最高，要素集聚效应最为显著，创新网络对全要素生产率的促进效应因而最为突出。西部地区集群发展起步较晚，创新网络尚不完善，效应相对较弱。东北地区系数不显著，可能与该地区制造业以传统重工业为主、集群创新网络发育不足有关。

（五）稳健性检验

为确保基准回归结果的可靠性，本文从以下五个方面开展稳健性检验：

第一，替换被解释变量测度方法。将全要素生产率的测算方法从Malmquist指数法替换为索洛余值法（C-D生产函数），重新计算各省份各年度TFP后进行回归。结果显示，Innov_network的系数为0.238（在1%水平上显著），与基准回归结果基本一致。

第二，替换核心解释变量测度方法。将创新网络指数的构建方法从熵值法替换为CRITIC法，重新计算创新网络水平后进行回归。新指数的系数为0.246（在1%水平上显著），与基准回归无显著差异。

第三，剔除直辖市样本。北京、上海、天津三个直辖市（重庆已包含在西部地区样本中）在行政级别和资源禀赋上具有特殊性，剔除后重新回归，Innov_network的系数为0.227（在1%水平上显著），效应值略有下降但依然显著。

第四，工具变量法。采用各省份1985年邮电业务总量作为工具变量进行两阶段最小二乘回归。历史邮电业务总量反映了地区早期的信息交流基础设施水平，与后续集群创新网络的形成相关，但难以通过当期经济变量间接影响全要素生产率，满足相关性条件和外生性条件。第一阶段F统计量为16.8（大于10的临界值），排除了弱工具变量问题。第二阶段结果显示Innov_network的系数为0.287（在5%水平上显著），与基准回归方向一致。

第五，安慰剂检验。通过随机分配各省份各年度的创新网络指数进行500次随机模拟。500次随机模拟得到的系数估计值分布在零值附近（均值为0.006，标准差为0.038），基准回归的实际系数0.253落在随机分布之外（p<0.01），表明集群创新网络效应并非偶然因素所致。

七、结论与政策建议

（一）主要结论

本文立足于'十五五'规划纲要加快建设制造强国、提升全要素生产率的战略目标，基于2021—2025年中国省级面板数据，系统考察了制造业集群创新网络与要素集聚对全要素生产率的影响机制与实证效应。主要研究结论如下：

第一，制造业集群创新网络对区域全要素生产率具有显著的正向促进效应。创新网络综合指数每提升1个标准差，全要素生产率平均提升约0.253个标准差。从分维度看，网络开放度的促进效应最大（系数0.221），网络密度次之（系数0.186），网络协同度相对较小（系数0.157），表明开放型创新网络在获取外部知识资源和前沿技术方面具有独特优势。

第二，要素集聚在制造业集群创新网络影响全要素生产率的过程中发挥了显著的中介传导效应，中介效应约占总效应的34.8%。资本要素集聚、人才要素集聚和技术与数据要素集聚三个子维度的中介效应较为接近，表明创新网络通过促进多种要素的协同集聚来驱动全要素生产率的提升。

第三，制造业集群创新网络对全要素生产率的影响存在显著的空间溢出效应。空间杜宾模型的估计结果显示，空间自回归系数ρ为0.214（p<0.05），空间溢出效应占总效应的比重约为44.1%。这意味着集群创新网络不仅对本地区全要素生产率产生直接促进作用，还通过知识扩散、产业链传导和要素流动等渠道对邻近地区产生正向外部性。

第四，集群创新网络的效应呈现显著的行业异质性和区域异质性。高端制造业集群的创新网络效应（系数0.312）显著强于传统制造业集群（系数0.132），二者相差约2.4倍。区域层面呈'东高西低'的梯度递减格局，东部地区效应最为突出（系数0.287），东北地区效应不显著。

第五，在控制内生性和进行多种稳健性检验后，上述结论依然成立。替换变量测度方法、剔除特殊样本、工具变量法和安慰剂检验均支持研究结论的稳健性。

（二）政策建议

基于上述研究发现，结合'十五五'规划纲要的战略部署，本文提出以下政策建议：

第一，着力构建高密度、高开放度、高协同度的制造业集群创新网络。鉴于创新网络对全要素生产率具有显著的正向促进效应，应将创新网络建设作为制造业集群培育的核心抓手。在提升网络密度方面，应鼓励集群内企业建立多层次、多形式的创新合作关系，支持组建产业技术创新联盟和联合实验室，促进隐性知识的传播和扩散。在提升网络开放度方面，应支持集群企业深度融入全球创新网络，鼓励有条件的集群企业在海外设立研发机构，引进国际先进技术和管理经验。在提升网络协同度方面，应加大对共性技术服务平台的投入力度，推动产学研深度合作，构建'基础研究—技术开发—中试验证—产业化应用'全链条协同创新体系。

第二，完善要素市场化配置机制，充分发挥要素集聚的中介传导功能。鉴于要素集聚在创新网络与全要素生产率之间承担了34.8%的中介传导效应，应加快要素市场化配置改革步伐，畅通要素向制造业集群集聚的制度通道。在资本要素方面，应创新金融支持制造业发展的体制机制，发展产业链金融和科技金融，降低集群内企业的融资成本。在人才要素方面，应完善人才引进和培育机制，在集群区域建设高水平人才高地，推行'揭榜挂帅'等柔性引才用才模式。在技术与数据要素方面，应加快培育技术交易市场和数据要素市场，建立完善的数据产权制度和收益分配机制，促进技术和数据要素在集群内部的高效流通和充分共享。

第三，构建跨区域协同创新机制，充分发挥集群创新网络的空间溢出效应。鉴于空间溢出效应占总效应的44.1%，集群培育政策应突破行政壁垒，推动跨行政区划的协同发展。建议围绕京津冀协同发展、长三角一体化、粤港澳大湾区建设等国家区域战略，打造跨区域的制造业集群创新走廊，促进创新资源在更大空间范围内的优化配置。推动东部发达地区制造业集群与中西部地区的对接合作，通过共建产业园区、技术转移和产业链延伸等方式，将集群创新网络的溢出效应向中西部地区传导。

第四，实施差异化的集群创新网络培育策略，因地制宜提升全要素生产率。高端制造业集群应重点强化原始创新能力和关键核心技术攻关，构建具有全球竞争力的开放型创新网络；传统制造业集群应重点推动数字化赋能和智能化升级，通过数字化转型提升网络密度和协同度。东部地区集群应瞄准全球价值链中高端，培育世界级先进制造业集群；中部地区应发挥承接转移和特色发展优势，构建具有区域特色的创新网络；西部地区应立足资源禀赋，在特色优势领域培育差异化创新网络；东北地区应加快传统产业集群的创新网络重构，以数字化转型为突破口激发创新活力。

第五，建立健全制造业集群全要素生产率监测评估体系。建议在国家统计局指导下，构建涵盖创新网络特征、要素集聚水平和全要素生产率等维度的制造业集群发展监测指标体系，定期发布制造业集群全要素生产率发展报告。将全要素生产率提升作为集群培育效果评估的核心指标，引导各地从追求集群规模扩张转向注重集群创新效率和生产率提升。同时，加强对集群创新网络发展态势的动态监测和预警，为集群政策的精准调整提供数据支撑。

（三）研究局限与未来展望

本文的研究局限主要体现在以下方面：第一，受数据可得性限制，本文使用的省级面板数据样本量为150个，样本规模相对有限。未来研究可进一步拓展至地级市层面或微观企业层面，以更精细的颗粒度考察集群创新网络的微观效应。第二，创新网络的测度主要基于可观测的结构特征指标，对网络关系质量（如信任程度、互惠性等）的刻画不够充分。未来研究可通过社会网络分析和企业问卷调查等方法，更全面地反映创新网络的质态特征。第三，本文主要识别了创新网络影响全要素生产率的中介机制和空间溢出效应，对其动态演化过程和因果识别策略的挖掘尚不够深入。未来研究可借助准自然实验方法（如双重差分法）和结构估计方法，进一步揭示因果效应的动态路径。

展望未来，'十五五'时期是中国制造业转型升级、实现制造强国目标的关键五年。随着10大重点产业集群战略的深入实施和要素市场化配置改革的持续推进，制造业集群创新网络将在全要素生产率提升中发挥更加重要的作用。如何在全球产业链重构背景下构建具有国际竞争力的制造业集群创新网络，如何通过数字化和智能化赋能提升集群创新网络的运行效率，如何实现制造业集群创新网络与区域创新体系的有机融合，将是未来研究的重要方向。

参考文献

[1] 中华人民共和国国民经济和社会发展第十五个五年规划纲要[N]. 人民日报, 2026-03-14.

[2] 工业和信息化部. 先进制造业集群发展大会（2025）发布数据[R]. 广州, 2025-09-11.

[3] 国家统计局. '十四五'经济社会发展成就系列报告之一：应变克难开新局 凝心聚力谱华章[R]. 北京, 2026-06-02.

[4] 国家统计局. 2025年国民经济和社会发展统计公报[R]. 北京, 2026-02-28.

[5] 国家统计局. 创新驱动提质增效 发展动能焕新升级——'十四五'经济社会发展成就系列报告之二[R]. 北京, 2026-06-02.

[6] 国家统计局. 新型工业化迈出坚实步伐 新质生产力积蓄强劲动力——'十四五'经济社会发展成就系列报告之十[R]. 北京, 2026-06-04.

[7] 工业和信息化部等十一部门. 关于开展'携手行动'促进大中小企业融通创新（2022—2025年）的通知[Z]. 2022.

[8] 工业和信息化部办公厅. 关于常态化组织开展大企业'发榜'中小企业'揭榜'工作的通知（工信厅企业函〔2025〕386号）[Z]. 2025.

[9] 盛来运. 攻坚应变顶压前行 稳中有进向新向优——《2025年国民经济和社会发展统计公报》评读[N]. 中国信息报, 2026-02-28.

[10] 国务院. 关于全国部分地区要素市场化配置综合改革试点实施方案的批复（国函〔2025〕86号）[Z]. 2025.

[11] 工业和信息化部等七部门. 促进平台经济大中小企业协同发展行动方案（2026—2028年）[Z]. 2026.

[12] 国家知识产权局. 2025年知识产权工作进展情况[R]. 北京, 2026-01-23.

[13] 国家数据局. '十四五'期间数字经济核心产业增加值占GDP比重由7.8%攀升至10.5%[R]. 北京, 2026-03-24.

[14] 李乐成. 夯实基本盘培育新动能 奋力开创新型工业化新局面[N]. 新华社, 2026-01-12.

[15] 熊继军. 做好信息化和工业化深度融合这篇大文章[N]. 学习时报, 2025-08-26.

[16] 詹敏. 打好'415X'先进制造业集群培育组合拳[J]. 新型工业化, 2025(9).

[17] 国家信息中心. 人口要素变化背景下我国经济潜在增长率预测研究[R]. 北京, 2025-02.

[18] 戚聿东. 锚定制造强国目标推动制造业高质量发展[N]. 人民日报, 2026-06-22.

[19] 深圳市科技创新委员会. 登顶全球创新集群 研发投入强度全国居首[R]. 2026-02.

[20] 北京市经济和信息化局. 昌平区合成生物制造产业集群典型经验与做法[R]. 2026-06.

[21] 中国高新技术产业经济研究院. 我国已布局建设80个国家先进制造业集群[R]. 2025-09.

[22] 中国高新技术产业经济研究院. '十五五'时期先进制造业集群的发展趋势[R]. 2025-09.

[23] 中国高新技术产业经济研究院. 科技创新和结构性改革是'十五五'时期的两大战略任务[R]. 2026-01.

[24] 国务院. 关于深入实施'人工智能+'行动的意见[Z]. 2025.

[25] 工业和信息化部. 2025年工业和信息化发展成效[R]. 北京, 2026-01-21.

[26] 工业和信息化部副部长张云明. 推动工业经济稳增长，点名未来产业[N]. 第一财经, 2026-01-13.

[27] 北京大学光华管理学院刘俏. '十五五'时期经济增长要转变为'效率驱动为主'[N]. 证券时报, 2026-04-09.

[28] Porter M E. Clusters and the New Economics of Competition[J]. Harvard Business Review, 1998, 76(6): 77-90.

[29] Cooke P. Regional Innovation Systems: General Findings and Some New Evidence from Biotechnology Clusters[J]. Journal of Technology Transfer, 2002, 27(1): 133-145.

[30] Baron R M, Kenny D A. The Moderator-Mediator Variable Distinction in Social Psychological Research[J]. Journal of Personality and Social Psychology, 1986, 51(6): 1173-1182.

[31] Hsieh C T, Klenow P J. Misallocation and Manufacturing TFP in China and India[J]. Quarterly Journal of Economics, 2009, 124(4): 1403-1448.

[32] Solow R M. Technical Change and the Aggregate Production Function[J]. Review of Economics and Statistics, 1957, 39(3): 312-320.

[33] 浙江省经济和信息化厅. 浙江嘉兴打造中小企业特色产业集群'四位一体'创新样本[R]. 2025-11.

[34] 中共中央关于进一步全面深化改革、推进中国式现代化的决定[Z]. 二十届三中全会, 2024.

[35] 广东省工业和信息化厅. 广东8个国家级先进制造业集群总产值规模近10万亿元[R]. 2025-09.