摘 要：为研究提升区域产业集群绩效的各种机制，采用时间序列模型，利用1995—2010年度《中国高技术产业统计年鉴》数据，探讨集群绩效衡量指标对陕西省高技术产业集群绩效的影响。研究结果指出，技术创新能力和政府支持力度与产业集群绩效存在正相关关系，而人力资源投入与投资水平对产业集群绩效的促进作用不明显。最后为陕西高技术产业集群的绩效提升提出对策建议。
　　关键词：高技术产业；产业集群；绩效
　　中图分类号：F172 文献标志码：A 文章编号：1673-291X（2013）18-0059-03
　　引言
　　产业集群发展水平，是衡量国家综合国力的重要表现之一，也是国家提升产业竞争力的重要基础。产业集群主导了一个国家或地区的竞争优势，而评价国家竞争优势的指标正是集群绩效。通过对集群在一定时期内的经营活动过程及其结果作出综合判断，产业集群绩效的研究可以为判断区域产业集群的发展水平及制定政策取得可靠的理论支持，因此对集群绩效进行研究具有现实意义和实践价值。陕西高技术产业集群近几年虽然发展较快，但还处于集群成长阶段，与高技术产业集群相关的企业、政府部门都需要清楚地把握高技术产业集群发展的现状，以推动陕西省高技术产业集群迅速发展。
　　本文的主要工作体现在两个方面：一是利用国家高技术产业统计年鉴数据，探讨陕西省高技术产业集群绩效指标对产出的影响，解决了以往计量模型所面临的样本不足问题的困扰，提高了模型估计效果；二是对绩效产出的指标采用产业增加的价值来衡量，而不是像大多数学者采用的区位商等指标。本文强调绩效指标对集群绩效所产生贡献的直接衡量，因而决定用较接近财务性指标的经济性指标，采用产业增加值作为本文对集群绩效的衡量变量。
　　一、研究假设的提出
　　企业知识理论认为，人类生产需要知识。企业运作过程中最重要的投入是知识，企业价值最重要的形成来源也是知识。但由于知识由个体掌握，并在某一特定领域形成专业化，因此知识的差异性决定了生产活动需要依靠各种不同类型的专家共同协作。
　　高新技术产业的出现本身就得益于知识的创新与应用，而对员工职业素质要求的提高是高技术产业作为知识型产业的重要特征之一。在产业集群中，人才的流入带来了大量的信息、知识、经验与技能；另外，这些人才往往处于较为复杂的社会和经济网络中，与集群外部有多样联系，如老师、挚友、客户等，这些复杂的网络为知识的传递开拓了渠道，并使得他们对该产业的相关信息与知识保持敏锐，增强了学习能力。因此，各类专业技术人员相互交流、协调与信息共享，能够使得知识的交流、共享与转移更为经济、高效，从而能产生递增的经济效益，提高集群绩效。基于此，本研究提出以下假设：H1：人力资源投入对产业集群绩效有显著的正向影响。
　　阿布拉莫维茨（1986）提出的“社会能力学说”认为，为了更多地获取外部技术，提高效益，企业必须首先拥有足够的基础设施和基本的技术水平。由于中国高技术产业集群的政府扶持性和产业集群本身的地理集中特点，高技术产业集群的投资主体主要为政府与集群内企业。高技术产业本身的高投资、高风险特点，导致其比传统产业需要更高的投资水平。同时对于投入到高技术产业中的科技经费， 不管是来自政府还是集群中金融机构的贷款， 或者是企业直接用于创造价值的投资， 都将解决高技术产业的高资金需求问题。因此投资水平越高，对高技术产业集群的发展越有利。基于此，本研究提出以下假设：H2：投资水平对产业集群绩效有显著的正向影响。
　　资源基础理论认为，知识和能力是创新的基石，也是企业的策略性资源；知识也是提升创新产品或改良流程效率，以及加速企业上市速度所需技术能力的基础。因此，一个集群的技术创新能力被视为形成与提升技术能力的主要因素，这种存量性质的资源与能力是集群绩效提升的关键；Lundvall和Nielsen（1999）指出以创新能力及高素质人力资源所形成的坚固知识基础是成功的关键；新产品的研发能力，更是高技术产业集群竞争优势的主要决定因素；若重视集群的技术创新能力的培育，将有利于促进产品与流程质量的改良与创新，进而可提升集群的绩效。基于此，本研究提出以下假设：H3：技术创新能力对产业集群绩效有显著的正向影响。
　　在实践中，虽然政府对高技术产业发展所起的作用受到了新自由主义经济学家的抨击，但是在各国高技术产业的发展中，政府都是一个重要的行为主体。金煜等利用1987—2001年省际面板数据对中国工业集聚影响因素进行了实证研究，发现经济地理和政府政策是导致工业集聚的重要因素。高技术产业高投资、高风险的特点使得政府资金、政策的支持成为了产业发展强有力的补充，政府投入资金越多，地区的高技术产业会发展越迅速。基于此，本研究提出以下假设：H4：政府支持力度对产业集群绩效有显著的正向影响。
　　二、陕西省高技术产业集群绩效分析
　　（一）指标选择和数据来源
　　鉴于数据的来源和可获取性，本文将高技术产业集群绩效定义为高技术产业的发展水平，用人力资源投入、投资水平、技术创新能力、政府支持力度这四个变量来进行衡量和测度。根据第2节中提出的假设，建立如下模型，模型中的变量定义（如表1所示）。
　　Y=β0+β1lnX1+β2lnX2+β3lnX3+β4X4+β5X5+μ
　　本文运用1995—2010年的时间序列数据进行分析，数据来自《中国高技术产业统计年鉴》，其中陕西省高技术产业固定资产投资额等平减物价指数，以1995年物价水平为基期。另外，工业总产值中部分缺失数据采用内插法处理。
　　（二）模型的参数估计
　　运用Eviews软件对数据进行处理，模型估计的结果可表示为：
　　Y=70.00080-5.999313lnX1+0.110883lnX2+0.399591lnX3+
　　3.632670X4+1.021844X5 　　R2=0.998318 R2=0.947476 F=57.66910 DW=1.596132
　　由于R2较大且接近于1，说明模型拟合优度很高，且F=57.66910，大于临界值F0.05（6，10）=3.22，说明回归方程在95%的水平下显著成立，表明陕西高技术产业集群的产业集聚水平与上述五个变量总体线性显著。但由于lnX1、lnX2和X5的变化对被解释变量Y的总体的平均变化没有显著的解释能力，且lnX1的相关系数与实际的经济意义相悖，表明模型中各变量间存在严重的多重共线性，所以需要对模型做出相应调整。