第四节 实证检验
一、信度与效度分析
本次调研的多题项变量有被解释变量、中介变量和控制变量，其中控制变量已被证明有良好的信度和效度，因此只考虑被解释变量和中介变量。本次研究获取的数据为横截面数据，因此只需考虑其是否满足内在信度的要求，采用Cronbach的一致性系数（α系数）来考察样本数据的内在一致性，如表3—2的第三列所示。
表3—2 信度和效度分析表
从表3—2中可以看出所有变量的Cronbach'α值均大于0.7，这说明本调查问卷获取的数据内部一致性较好，即问卷具有较高的信度。
问卷效度从内容效度和结构效度两个方面来检验，本研究在借鉴、整理国内外比较成熟的相关量表的基础上，通过专家咨询、对研究团队成员深度访谈获取建议，并进行了预调查和反复修改，因此保证了问卷的内容效度，本研究采用因子分析方法来检验结构效度，表3—2第四列和第五列是模型效度分析，从表3—2中可以看出模型通过了效度检验，四个变量的KMO值均大于0.7，而且各观测变量的因子载荷均大于0.5，因此问卷具有显著的结构效度。
为了使用计量经济学的回归分析方法，本章将“学习效应”对应的五个指标的取值平均为一维变量LE；将“拥挤效应”对应的三个指标降维为一维变量CE，将“技术创新绩效”对应的四个指标降维为一维变量IK，与被调查集群所对应的产业因素、政府因素以及与科研院所的互动因素降维后的变量分别记为c1、c2、c3，地理邻近GP、生态位宽度B和生态位重叠度Q均为一维变量，不需要处理。
二、描述统计和相关分析
表3—3描述了有关自变量、因变量、调节变量及控制变量的标准差，以及变量间的相关系数情况。由表3—3可以看出，地理邻近与学习效应之间存在显著的正相关性；地理邻近与拥挤效应之间的相关系数虽然是正的，但是显著性相对较低；学习效应与技术创新绩效显著正相关；拥挤效应与技术创新绩效显著负相关；地理邻近与技术创新绩效存在不显著的相关关系；同时可以发现生态位宽度与学习效应具有显著的正相关性，与拥挤效应的负相关性不显著，与技术创新绩效显著正相关；生态位重叠度与学习效应具有弱正相关性，与拥挤效应具有显著正相关性，与技术创新绩效的负相关性不显著。这些初步表明生态位宽度和生态位重叠度在地理邻近的学习效应和拥挤效应上充当了调节变量。
表3—3 相关性分析结果
本章采用了逐步回归分析来检验所提出的假设。表3—4为回归模型分析的结果，其中共涉及18个模型，模型1至模型4的被解释变量为技术创新绩效，模型5至模型11的被解释变量为学习效应，模型12至模型18的被解释变量为拥挤效应。模型1仅包含控制变量，验证产业因素、政府因素与科研院所的互动因素是否影响集群创新绩效；模型2至模型4依次增加了地理邻近及其平方、学习效应、拥挤效应；模型5至模型11验证生态位宽度、生态位重叠度以及交互作用对学习效应的调节作用；模型12至模型18验证生态位宽度、生态位重叠度以及交互作用对拥挤效应的调节作用。模型1至模型4的回归检验结果如表3—4（1）所示。
表3—4（1） 回归检验结果
三、假设检验及解释
模型1只有控制变量而未加入解释变量，从表3—4（1）可知，模型1的估计结果显示模型具有显著性，后续的模型在此基础上增加了解释变量，下面分析本章的相关假设。
（一）地理邻近与技术创新绩效
模型2在模型1的基础上加入了地理邻近GP和其二次方GP2，在估计结果中GP一次项系数为正，且具有显著性，二次项系数为负，也具有显著性，即证实了假设H5，说明了地理邻近对技术创新绩效的影响呈倒U形。
这进一步验证了学者们所认为的“地理邻近与集群的创新绩效两者的关系是非线性、辩证的”这一观点，导致地理邻近与技术创新绩效呈倒U形关系的内在原因是地理邻近对集群创新既有正效应又有负效应，并且在集群密度较小时，地理邻近的正效应占主导地位，所以随着地理邻近程度的增加，集群的创新绩效也增加，在集群密度过大时，地理邻近的负效应开始占据主导地位，此时随着地理邻近程度的增加，集群的创新绩效将减小。通过学者们的研究成果可以看出，地理邻近的正效应主要有交通成本的较低、沟通成本的降低、学习效应和知识溢出效应的增加，地理邻近的负效应主要有信息渠道的闭锁、知识溢出的负外部性以及拥挤效应，笔者认为从技术创新层面看，地理邻近的正效应最直接的就是学习效应，而对于负效应，相关学者已经证明中国当前的产业集群尚未出现信息闭锁，因此主要是知识溢出的负外部性和拥挤效应，而知识溢出的负外部性的突显与同质化、恶性竞争是分不开的，这均为拥挤效应的表现，这在当前中国部分产业集群中已有体现。
（二）学习效应与技术创新绩效
模型3在模型2的基础上加入了学习效应LE，其估计结果显示，LE的系数为正，且具有显著性，即证明了假设h1，说明集群的学习效应与集群创新绩效正相关。
企业在孤立的环境中是无法进行技术创新活动的，创新离不开组织内部、组织之间的交流和学习，学习效应和集群创新的关系已经被学者们广泛深入地进行了研究，国内外相关文献在论述产业集群的创新时均强调了集体学习机制，大量的实证研究也表明集群企业间的学习效应对于集群内的创新与整个区域的经济活力有着显著的影响。实质上集群式创新之所以具有创新优势就是因为集群网络为集群企业的技术创新提供了一个知识密集并且易于相互学习的知识平台，在集群内部知识的丰富和密集，知识的溢出与共享都促进了企业的相互学习从而提高了集群创新绩效。
（三）拥挤效应与技术创新绩效
模型4在模型3的基础上加入了拥挤效应CE，其估计结果显示CE的系数为负，且具有显著性，即证明了假设h3，说明集群的拥挤效应与技术创新绩效负相关。
在城市化和产业集群形成过程中存在拥挤效应和离心力，并不是什么新观点，通过对相关文献进行整理可以发现，多数文献所指的拥挤效应包括土地租金和住房价格的上升、交通阻塞等外部规模不经济现象以及由此导致的环境污染、居住空间的狭小、绿地面积的减少和工资成本的上升等与人口生活紧密相关的问题。近年来的文献才逐渐从生产要素、市场竞争等多方面对拥挤效应进行了扩展，本书所指的技术创新拥挤效应除了上述内容外，还包括由于集群企业密度过大、同质化严重而导致的企业在投入要素和产品销售方面的恶性竞争。从单个企业来说，这种拥挤效应导致企业的投入成本增大、利润空间缩小，使得企业的创新投入减少，从企业间的关系来说，拥挤必然伴随恶意竞争，必然降低企业间的信任，增加相互之间的敌意，因此不利于企业间的合作创新，所以拥挤效应与集群创新绩效负相关。模型5至模型11的回归检验结果如表3—4（2）所示。
表3—4（2） 回归检验结果续
（四）地理邻近的学习效应
模型5至模型11中GP的系数为正，且具有显著性，说明地理邻近的学习效应是稳健的，即证明了假设H1，说明地理邻近与集群企业间的学习效应正相关。
地理邻近有利于组织间的学习这一观点也被大多数文献所证实，本书认为地理邻近促进了集群企业间的学习主要有客观和主观方面的原因，客观方面，地理邻近缩短了知识传递的时间，地理邻近降低了知识传递的损失从而增加了学习效应；主观方面，地理邻近催生了组织邻近，从而降低了组织间交流的沟通成本，激励了企业间的相互学习。当然也有学者指出过度的地理邻近不利于组织间的学习，因为地理邻近所导致的知识溢出具有负外部性，笔者认为增加知识溢出的负外部性的罪魁祸首不是地理邻近，而是企业间的过度竞争，企业间利益的不一致，如果集群企业间的关系是共生的而不是竞争的，那么地理邻近并不必然增加知识溢出的负外部性。
（五）生态位对地理邻近与学习效应的调节作用
模型6中生态位宽度B前的系数为正，但不具有显著性；模型7在模型6的基础上增加了生态位宽度与地理邻近的交叉项GP×B，GP×B前的系数为正，但仍不具有显著性，即拒绝了假设H6。模型8在模型7的基础上增加了生态位重叠度Q，Q前的系数为正，但不具有显著性；模型9在模型8的基础上增加了生态位重叠度与地理邻近的交叉项GP×Q，GP×Q前的系数为正，并具有弱显著性，说明生态位重叠度正向调节了地理邻近的学习效应，与预期的假设不符，即拒绝假设H8。模型10在模型9的基础上增加了生态位宽度与生态位重叠度B×Q，B×Q前的系数为正，并具有弱显著性；模型11在模型10的基础上增加了GP×B×Q，此时B×Q前的系数不具有显著性，而GP×B×Q前的系数显著为正，说明生态位宽度与生态位重叠度的交互作用正向调节了地理邻近的学习效应，即通过了假设H10。
以上说明仅仅增加集群生态位宽度，降低集群企业间的资源和市场竞争程度并不必然会提升集群企业间的学习效应，反而增加了集群生态位重叠度。在一定程度上提高集群企业的竞争程度却有利于增强集群企业间的学习效应，笔者认为并不是集群企业间的同质化和竞争促进了相互学习。集群的生态位重叠表明集群企业之间价值链上有关联、业务范围有交叉、私有知识间有冗余、有共同的价值观，而这些因素都是组织间的学习能够开展的前提。生态位宽度和生态位重叠的交互作用显著正向调节了地理邻近的学习效应说明一个具有学习能力的产业集群应该维持和谐的竞合关系，企业间在满足差异化的同时应该具有价值链的关联，企业间在存在关联和交叉的同时又不应存在恶性竞争。模型12至模型18的回归检验结果如表3—4（3）所示。
表3—4（3） 回归检验结果续
（六）地理邻近的拥挤效应
模型12至模型18中GP的系数均正，且具有显著性，说明地理邻近的拥挤效应也是稳健的，即证明了假设h2，说明地理邻近与集群企业间的拥挤效应正相关。
如前所述，集群规模过大、企业密度过大而导致的地理邻近具有拥挤效应已经被学者们所证实，这也正是一个城市存在最优规模（肖文，2011）的原因所在。基于此，笔者需要说明的是本书的地理邻近不是少数几个企业（更不是两个企业）间的地理邻近，而是从产业集群的层面看，众多企业之间的地理邻近，这种地理邻近与集群规模、企业密度是紧密联系的，这从本书对地理邻近变量的测量上也可以看出来。因此本书所指出的地理邻近具有拥挤效应和学者们指出的集群最优规模和城市最优规模的机理是一致的。实际上已有文献证明中国南方的一些纺织产业集群由于集聚过度已经出现了较为明显的拥挤效应（唐根年，2010）。
（七）生态位对地理邻近与拥挤效应的调节作用
模型13中生态位宽度B前的系数为负，但不具有显著性；模型14在模型13的基础上增加了生态位宽度与地理邻近的交叉项GP×B，GP×B前的系数为负，并具有显著性，即接受了假设H7。模型15在模型14的基础上增加了生态位重叠度Q，Q前的系数为正，并具有显著性；模型16在模型15的基础上增加了生态位重叠度与地理邻近的交叉项GP×Q，此时Q前的系数不再具有显著性，而GP×Q前的系数显著为正，说明生态位重叠正向调节了地理邻近的拥挤效应，即接受假设H9。模型17在模型16的基础上增加了生态位宽度与生态位重叠度的交叉项B×Q，B×Q前的系数为负，但不具有显著性，模型18在模型17的基础上增加了GP×B×Q，此时GP×B×Q前的系数为负，也不具有显著性，说明生态位宽度与生态位重叠的交互作用对地理邻近的拥挤效应的调节作用不明显，即拒绝了假设H11。
这说明增加集群的生态位宽度、降低集群的生态位重叠度都可以有效地降低地理邻近诱发的拥挤效应，这是因为两者都在一定程度上实现了集群企业生态位的分离，拓宽了集群企业资源和市场的范围，降低了企业间资源要素和市场要素的交叉程度，所以降低了集群企业间对要素和产品市场的竞争程度，因此会大大降低本书所指的拥挤效应，当然降低拥挤效应并不必然对集群创新有利，此时一定要保证集群企业间的关联和适度重叠。集群生态位宽度和集群生态位重叠的交互影响对地理邻近的拥挤效应没有显著影响可能是因为生态位宽度的增加和集群生态位重叠的增加对拥挤效应存在抵消作用。
总之，通过上面的分析，可以看出地理邻近兼具有学习效应和拥挤效应，所以导致了地理邻近对集群创新绩效的倒U形影响；另外集群的生态位对地理邻近的学习效应和拥挤效应的调节作用是复杂的，其中生态位宽度和生态位重叠对学习效应的正向调节作用均不显著，但生态位宽度与生态位重叠的交互作用对学习效应具有显著的正向调节作用，生态位宽度负向调节了拥挤效应，生态位重叠正向调节了拥挤效应，但两者的交互作用对拥挤效应的负向调节作用不显著。
四、稳健性检验
通常来说，稳健性检验包括三种类型：第一，从数据出发，根据不同的标准对数据样本重新进行分类，观察检验结果是否依然稳健；第二，从变量出发，用一个或者多个变量来替换自变量，观察检验结果是否依然稳健；第三，从计量模型出发，用多种模型进行回归（比如变换用OLS、GMM等模型），观察检验结果是否依然稳健。
首先，将样本分为重工业集群企业（装备制造、机床、五金）和轻工业集群企业（信息技术、软件、家纺和皮革）两个类别。分别对模型1至模型18进行分样本回归，回归结果显示，无论是重工业集群企业还是轻工业（包括信息产业）集群企业，均存在一定程度的学习效应和拥挤效应，同时生态位宽度和生态位重叠的调节效应也与全样本结论一致。从企业性质来看，轻工业集群企业的学习效应和拥挤效应均比重工业集群企业的相应值要高，说明地理邻近对轻工业产业集群的影响更加明显，另外回归结果显示控制变量的回归结果与全样本回归结果基本上一致。
其次，选择不同变量对模型进行重新估计，第一次选择“新产品销售收入占销售额比重”这一个因素来度量集群创新绩效，这是因为技术创新强调了新技术的首次商业化这样一个具有经济意义的概念，在此背景下，投入到市场中的新产品显然比专利更适合用来测量创新绩效。同时考虑到相比于投入，商业化的新产品会有一定的产出滞后，本章选择滞后两年的新产品销售收入比重来测量集群企业的创新绩效。重新进行回归分析发现各回归系数在数量上有所变动，但显著性和正负性没有发生改变，因此分析结论与前面的分析结果大体相同。第二次选择“企业人均发明专利和实用新型数目”，这是因为发明专利和实用新型代表了工艺创新绩效，重新对模型1至模型18进行估计，结果发现地理邻近对工艺创新绩效的负效应较小，即倒U形规律不再具有显著性，但是地理邻近的学习效应和拥挤效应仍具有显著性，只是相比而言，地理邻近对工艺创新的拥挤效应的影响比对产品创新的拥挤效应的影响要小，显著性要低。其余各模型的显著性没有发生改变。
最后，考虑到在本研究中学习效应和拥挤效应同时作为自变量和因变量，因此学习效应和拥挤效应具有内生性，因此当学习效应和拥挤效应作为自变量时，分别用知识溢出、竞争程度作为工具变量进行两阶段最小二乘回归，回归结果与前述研究结论一致。
综上，本章的结论基本上是可信的。