Economic Spillover Effects of Sports Industry Agglomeration in the Yangtze River DeltaAn Empirical Analysis Based on Spatial Dubin Model
-
摘要:
基于2014—2020年长三角三省一市共41个城市的面板数据，运用空间计量模型深入考察长三角体育产业的区域集聚特征、空间溢出效应与城市经济增长的关系。结果显示：①长三角体育产业集聚不仅对本地区的经济增长具有促进作用，还会对邻近地区的经济增长产生正向的空间溢出效应；②体育产业集聚的空间溢出效应随着区域体育产业一体化发展程度的提升而显著增强；③长三角体育服务业集聚具有更加显著的空间溢出效应，城市间的经济活动对于溢出效果起到促进作用。基于此，对未来长三角体育产业集聚区的建设和溢出效应的释放提出若干政策建议。
Abstract:Based on the panel data of a total of 41 cities in the three provinces and one city of the Yangtze River Delta from 2014 to 2020, a spatial econometric model was used to investigate the relationship between regional agglomeration characteristics, spatial spillover effects, and urban economic growth in the Yangtze River Delta. The research results show that: ① Sports industry agglomeration in the Yangtze River Delta not only affects the economic growth of the region, but also has a positive space spillover effect on the economic growth of neighboring areas. ② The spatial spillover of sports industry agglomeration will be significantly enhanced as the degree of integrated development of regional sports industry increases. ③ The agglomeration of sports service industry in the Yangtze River Delta has a more significant spatial spillover effect, and economic activities between cities have played a role in promoting the spillover effect. Based on the above conclusions, several policy suggestions are proposed for the construction of sports industry agglomeration in the Yangtze River Delta and the release of spillover effects.
-
长三角地区作为我国经济发展高地，已步入驱动要素升级、实现高质量一体化发展的关键阶段。党的二十大报告提出，“优化重大生产力布局，构建优势互补、高质量发展的区域经济布局”。体育产业作为我国重要的新经济、软产业，已逐步成为促进区域协调发展、实现区域经济新旧动能转换的重要动力。2020年《长三角地区体育一体化高质量发展的若干意见》指出，要“建设一批高水平体育服务业集聚区和创新平台。全面提升体育制造业发展水平，按照集聚化发展方向，形成若干全国先进的体育制造业集聚区”，区域体育产业的集聚化发展已成为提升体育产业区域贡献力的重要路径。
长三角体育产业的发展水平一直位于全国前列，凭借地区内优越的自然禀赋、体育资源和产业基础，长三角地区涌现出一批以体育产业示范基地、运动休闲集聚区等为代表的产业集聚承载平台，对当地的经济发展起到了促进作用，部分体育产业基地对地方GDP的贡献超过1%[1]。在长三角一体化发展不断深入的背景下，依托区域性体育赛事、跨区域产业项目等载体，体育产业集聚尤其是体育服务业集聚呈现出明显的外部性特征，即对邻近地区的经济发展也产生了正向溢出效应，进而带动区域经济的整体均衡发展[2]。
本文基于长三角三省一市41个地级市相关数据，分析长三角体育产业的空间集聚特征及演变趋势，探究其集聚效应以及是否具有经济溢出现象，并进一步分析行业异质性和区域一体化发展对于经济溢出的影响。通过实证研究阐明体育产业集聚促进区域经济发展的作用机理，对于科学、合理规划长三角体育产业集聚区，将体育产业打造成为长三角区域经济发展的新支柱具有重要意义。
1. 文献综述与研究假设
1.1 文献综述
目前关于体育产业集聚的研究主要集中在以下3个方面：①关于体育产业集聚程度的测度，如焦长庚等[3]采用区位熵和E-G指数对长三角地区体育服务业的空间集聚特征进行定量分析。②关于体育产业集聚的内在机制和影响因素研究，如：宋昱[4]以产业集聚和产业集群理论为基础，运用案例分析法，总结体育产业集群化发展的形成原因、内在机理和发展路径；刘兵[5]采用问卷调查等研究方法，对体育产业集群的形成与区域发展关系进行研究，发现体育产业集群与推动区域发展之间存在因果关系。③聚焦体育产业集聚带来的集聚效应，如：李国岳[6]系统分析了体育服务业的都市集聚特征，指出体育服务业的都市集聚是发挥外部效应和规模效益的重要空间组织形式；姚松伯等[7]基于我国2005—2015年的省级面板数据，实证分析了体育产业集聚度与区域经济增长的倒U结构关系。
综合上述文献，本文的边际贡献在于：①丰富体育产业集聚效应的实证研究。目前多数研究主要集中于定性层面，缺乏翔实的数据支撑。本文依据最新体育产业数据，运用经济计量的方法对体育产业集聚效应开展实证分析。②关注体育产业集聚效应的空间属性。以往对于体育产业集聚与区域经济发展的研究较少将空间因素纳入经济计量，体育产业融合度高、关联性强，由集聚产生的外部效应、溢出效应不应被忽视。本文运用空间计量的方法考察体育产业集聚的经济溢出效应。③提供城市群层级的研究视角。多数有关体育产业的定量研究主要基于省域层面，缺少城市层面的中观维度。本文以长三角城市群为研究对象，考察在区域一体化发展战略下体育产业集聚对于城市经济的影响，更具实践参考价值。基于此，本文选取2014—2020年长三角三省一市共41个城市的相关数据构成面板数据，采用空间计量模型分析长三角体育产业的集聚特征以及对城市经济增长的影响。
1.2 理论分析与研究假设
郝寿义[8]指出，产业集聚是区域发展的重要动力，对区域经济发展的推动作用从时间维度看表现为区域经济增长，从空间维度看表现为空间结构的演化，从区域的交互作用上看表现为区际引力与辐射。根据集聚理论，本文认为体育产业集聚对于区域经济的推动作用主要体现在：①规模经济效应。对于体育制造业而言，集聚使得单位产品的生产成本随之下降，形成规模经济。对于体育服务业而言，集聚增加了员工间正式与非正式合作交流的机会，集聚区内易形成良好的创新合作和集体学习环境。②外部效应。体育产业横跨第二、三产业，产业链长、融合度高、关联性强，长三角城市间的经济互动交流、产业协同程度相对较高，使得体育产业集聚易形成区域内的空间经济互动，产生溢出效应。据此，提出假设1：体育产业集聚不仅有利于城市自身经济增长，对于周边城市经济增长也具有正向的空间溢出效应。
从区域一体化的角度看，新地理经济学指出，大城市的集聚外部性往往会通过城市社会网络进行空间传递，中小城市利用其在网络中的嵌入优势吸纳大城市的规模红利，弥补自身城市规模的劣势[9]。体育产业集聚会优先集中于大型城市，吸引大量资本、人才、创新技术等要素涌入，并逐渐形成中心区，对周边地区产生“极化-涓滴效应”。随着区域体育产业一体化发展进程的加快，区域内体育产业生产要素流动将更加自由，区域体育市场一体化程度将不断提高，产品与服务配置效率将有效提升，区域间的经济联系将更加紧密，区域中心城市的经济溢出通道将更加顺畅，体育产业的集聚效应和空间溢出会得以增强。据此，提出假设2：体育产业集聚的空间溢出会随着区域体育产业一体化程度提升而显著增强。
从行业异质性的角度看，体育产业包括体育制造业和体育服务业，两者都存在一定的经济溢出能力，主要表现在产业集聚带来的外部经济效应和竞争优势。但相较而言，体育服务业具有更强的溢出效应。一方面，体育服务业对于知识技术的要求愈来愈高，这不仅来自对先进创新技术的需求，还来源于对先进管理经验、运营方法、设计理念等软性知识的汲取，因此在集聚大量优质体育资源后，容易对周边地区产生“学习效应”[10]。另一方面，体育服务业本身具有产业链长、关联性强的显著特征，体育赛事、体育旅游等项目活动的开展有利于邻近地区产生经济贸易联系和资源要素流动，进而产生空间溢出效应与互动反馈机制。据此，提出假设3：相较于体育制造业，体育服务业集聚的溢出效应更加显著。
2. 模型设定、指标选取与数据来源
2.1 空间计量模型构建
根据Anselin[11]的空间经济学理论，各个空间单元的社会经济活动并不是相互独立的，而表现出一定的空间地理相关性。尤其对于长三角城市群而言，各个城市的经济发展必然会受到邻近城市的影响。因此，本文将空间相关性纳入考量因素，采用空间计量模型予以估计[12]。由于长三角各个城市的经济增长水平不仅会受到邻近城市的影响，同时也会受到其他城市自变量的作用，因此在C-D函数的基础上，适当添加合理的解释变量以及控制变量，结合空间杜宾模型（SDM）构建如下空间计量模型：
$$ {y_{it}} = \delta \sum\limits_{j = 1}^N {{w_{it}}{y_{it}} + {x_{it}}\beta + \sum\limits_{j = 1}^N {{w_{ij}}{x_{it}}\theta + {\mu _i} + {\lambda _t} + {\varepsilon _{it}}} } $$ (1) 其中，i、t分别代表城市和年份，w为空间权重矩阵，xit为核心解释变量以及各控制变量。
2.2 空间权重矩阵构建
空间权重矩阵是空间计量模型用来刻画个体单元之间空间关系的核心载体，矩阵设定的优劣直接影响模型的具体表现和解释力[13]。目前，矩阵设定的主流方法有基于地理空间关系的邻接矩阵、地理距离矩阵和基于社会经济往来的经济距离矩阵。结合长三角城市群的空间地理和社会经济表征，设定如下3种空间权重矩阵。
（1）邻接矩阵。邻接矩阵是最为常用的矩阵之一，根据个体间空间区域是否相邻进行设定，能够较为直观地反映出地理位置的空间关系。
$$ {w}_{ij}=\left\{ \begin{array}{l}\begin{array}{cc}1& 区域i与j相邻\end{array}\\ \begin{array}{cc}0& 区域i与j不相邻或i=j\end{array}\end{array}\right. $$ (2) （2）地理距离矩阵。地理经济学指出，不同空间个体的地理距离越接近，二者之间的空间相关性越强[14]，考虑到邻接矩阵无法囊括2个城市地理距离上接近但并不相邻的情况（如南通和上海），可能使得该矩阵的解释力下降。因此，本文设定如下地理距离矩阵：
$$ {w_{ij}} = \left\{ \begin{gathered} \begin{array}{*{20}{c}} {1/{d_{ij}}}&{i \ne j} \end{array} \\ \begin{array}{*{20}{c}} 0&{i = j} \end{array} \\ \end{gathered} \right. $$ (3) 其中，
${d_{ij}}$ 是通过经纬度计算出的2个城市之间的距离，通过倒数的形式表现随地理距离增加的衰减特征。（3）经济地理嵌套矩阵。地区之间的相对位置不仅由地理距离决定，同时也会受到城市间经济活动的影响，尤其对于长三角地区的城市而言，经济特征相似的城市之间往往交流互动越频繁，产生的溢出效应也越大[15]。因此，为了尽可能刻画空间效应的综合性，本文将经济距离矩阵与地理距离相结合，构建如下嵌套矩阵：
$$ {w_{ij}} = {w_{\rm{d}}}*{\rm{diag}}\left(\frac{{{{\overline X}_1}}}{{\overline X}},\frac{{{{\overline X}_2}}}{{\overline X}}, \cdots ,\frac{{{{\overline X}_n}}}{{\overline X}}\right) $$ (4) 其中，
$ {w_{\rm{d}}} $ 为地理距离矩阵，即式（2），diag(···)表示对角矩阵；${\overline X_i} = \displaystyle \sum\limits_{{t_0}}^{{t_1}} {{X_i}/({t_1} - {t_0} + 1)} $ 表示${t_0}$ 到${t_1}$ 时间段内长三角各城市实际GDP的均值；$\overline X = \displaystyle \sum\limits_{i = 1}^n \displaystyle \sum\limits_{{t_0}}^{{t_1}} {X_i}/({t_1} - {t_0} + 1)n $ 表示${t_0}$ 到${t_1}$ 时间段内长三角所有城市实际GDP之和的均值。2.3 变量选取与数据说明
选取2014—2020年长三角三省一市共41个城市的面板数据，其中：城市宏观经济的数据指标来源于《上海市统计年鉴》《江苏省统计年鉴》《安徽省统计年鉴》《浙江省统计年鉴》《中国城市统计年鉴》等；各城市体育产业的相关数据来自《长三角地区体育产业发展报告蓝皮书》、各省市统计局和体育局网站、相关体育产业信息网站以及长三角体育产业的专项调查等；对于部分缺失数据，采用插值法进行补充。具体指标解释如下：
（1）被解释变量。本文被解释变量为各个城市经济发展水平，采取多数文献的做法，选取各个城市的地区生产总值（GDP）来衡量，并以2014年为基期（2014=100）进行GDP指数平减，以消除价格因素的影响。
（2）核心解释变量。本文核心解释变量为体育产业集聚度（CI），目前测算产业集聚程度的指标很多，包括区位熵（LQ）、空间基尼系数、HHI指数等。长三角部分城市的生产总值规模较小而体育产业增加值的横向差异不大，容易产生体育产业增加值和集聚度“倒挂”的现象，因此参考焦长庚等[3]、李海杰等[16]、曾鑫峰等[17]的做法，选取区位熵作为衡量体育产业集聚程度的指标，具体公式为：
$$ L{Q_{ij}} = \dfrac{{{L_{ij}}/{L_i}}}{{{L_{kj}}/{L_k}}}$$ (5) 其中：
${L_{ij}}/{L_i}$ 表示i城市j产业增加值占该城市总增加值的比重；${L_{kj}}/{L_k}$ 表示长三角j产业占长三角总增加值的比重；其值越大表示集聚程度越高。（3）控制变量。①资本投入（K）和劳动力供给（L）。柯布道格拉斯生产函数是经济学中使用最广泛的一种生产函数，其中资本投入和劳动力供给是该函数中推动经济增长的2个基本要素，必须加以控制。本文参考陆铭等[18]、张同功等[19]的做法，以各市的固定资产实际投资额体现资本投入的大小，以各市全部就业人数衡量劳动力供给。②城市规模（POP）。对于城市经济研究而言，城市规模是一个不可忽视的因素，城市常住人口比户籍人口更好地反映一个城市的真实规模。城市人口规模大意味着庞大的经济要素数量和巨大的本地市场潜力。缺少足够的城市人口支撑，则无法形成紧凑的城市空间结构与集聚经济优势。长三角各个城市的规模差异明显，会对城市经济的增长产生重要影响，参考秦蒙等[20]、周亮等[21]的做法，以城市常住人口衡量城市规模。③政府干预（GOV）。在经济增长的经验研究中通常会控制政府财政支出占GDP的比重，Barro[22]、陆铭等[23]、盛斌等[24]的研究指出，该指标可以反映一个地区的政府对经济活动的干预程度，其对经济增长的影响具有两面性：当政府将财政支出用于教育、卫生、医疗等投入和改善基础设施等方面时将有利于经济增长；当将财政支出主要用于冗员低效的行政管理时则可能导致资源配置扭曲。因此，以政府财政支出占GDP的比重作为代理变量，用以控制政府对经济活动的干预程度。④技术创新（NOV）。创新是经济发展的核心动力，长三角主要城市的经济增长方式已进入转型期，由创新引致的技术进步是城市经济转型的重要引擎。长三角地区企业众多、创新活跃，以企业为主体的创新活动为区域经济发展作出了巨大贡献。在经济学实证研究中，专利是研究机构表达创新产出的主要方式，也是创新竞争力的具体表征[25]。基于数据的可获得性，参考徐圆等[26]、郑威等[27]的做法，以地区专利申请授权量表示技术创新能力。⑤对外开放程度（OPE）。对外开放程度是一个城市经济活跃程度的重要指标，经济开放程度高的地区能够吸引更多投资以及拥有更好的市场环境。长三角地区商品经济发达、外资吸引能力强、经济外向程度较高，进出口总额成为衡量城市对外贸易依存度与经济开放度的重要指标[28]。参考盛斌等[24]、刘伟丽等[25]的做法，以各市进出口总额占GDP比重作为对外开放程度的代理变量，其中进出口总额以当年美元平均汇率兑换成人民币。
3. 实证结果与分析
3.1 空间相关性检验
在运用空间计量模型之前对模型中主要变量进行空间相关性检验，以判别模型中的空间因素是否能被忽视。依照多数文献的做法，采用莫兰指数对被解释变量和核心解释变量进行检验。全局莫兰指数的具体公式如下：
$$ {I_{{\text{Moran}}}} = \frac{{\displaystyle \sum\limits_{i = 1}^n {\displaystyle \sum\limits_{j = 1}^n {{w_{ij}}({x_i} - \overline x)({x_j} - \overline x)} } }}{{{S^2}\displaystyle \sum\limits_{i = 1}^n {\displaystyle \sum\limits_{j = 1}^n {{w_{ij}}} } }} $$ (6) 全局莫兰指数为正，表明地区之间存在空间正相关性，反之则为空间负相关。基于所设定的3种矩阵，分别对长三角各城市GDP以及体育产业集聚度进行全局莫兰指数检验，结果如表1所示。3种矩阵下2个主要变量的莫兰指数均显著为正，说明变量间存在空间自相关性。
表 1 长三角各城市GDP以及体育产业集聚度的莫兰指数检验结果Table 1. Moran index test of GDP and sports industry agglomeration of cities in Yangtze River Delta年份 各市GDP 体育产业集聚度 邻接矩阵 地理距离矩阵 经济地理嵌套矩阵 邻接矩阵 地理距离矩阵 经济地理嵌套矩阵 2014 0.373***
（3.868）0.148***
（3.820）0.165***
（4.896）0.476***
（5.036）0.155***
（7.020）0.141***
（5.503）2015 0.370***
（4.157）0.143***
（4.694）0.161***
（3.584）0.469***
（5.221）0.150***
（6.834）0.139***
（5.428）2016 0.368***
（3.789）0.136***
（3.260）0.159***
（4.129）0.381***
（4.041）0.115***
（5.489）0.134***
（4.635）2017 0.367***
（4.098）0.109***
（3.765）0.157***
（4.896）0.360***
（3.943）0.108***
（5.191）0.128***
（4.378）2018 0.335***
（3.557）0.101***
（3.029）0.148***
（3.907）0.311***
（3.300）0.098***
（4.786）0.119***
（4.009）2019 0.327***
（3.482）0.118***
（3.208）0.140***
（3.890）0.290***
（3.096）0.103***
（4.870）0.107***
（3.887）2020 0.325***
（3.459）0.113***
（3.063）0.137***
（3.732）0.269***
（2.876）0.094***
（4.389）0.098***
（3.821）注：***表示P<0.01；括号内为t值。 为了进一步考察长三角体育产业集聚的空间局域特征，基于邻接矩阵对体育产业集聚进行局部莫兰指数检验。其中，2014、2017、2020年莫兰散点图各个象限的含义解释以及所包含的地区如表2所示，通过显著性检验的2014、2017、2020年LISA集聚图如图1所示，从中可以看出：①体育产业的“高-高”集聚区主要集中在上海、江苏中南部、浙江东北部地区，呈现出较为稳定的集聚态势。上海作为长三角体育产业的核心城市，拥有一批以F1中国大奖赛、上海网球大师赛为代表的顶尖赛事资源，以安踏为代表的体育用品设计与研发中心以及一批精而尖的体育中介服务企业，正逐渐成为长三角体育产业资源要素的配置中心；苏南地区依托以苏南（县域）国家体育产业示范基地、张家港国家体育产业示范基地等为代表的体育产业发展平台，集聚效应正逐步释放；苏中地区依托自身传统体育制造业的优势，不断鼓励科技研发和技术创新，促进体育制造业转型升级，整合了一批以现代物流、信息服务为代表的生产性服务业；浙江东北部地区利用自身区位优势，以户外运动产业作为特色产业，打造体育运动休闲集聚区和高端体育制造区。②“低-低”集聚区主要包括安徽省的大部分城市，受到自身城市发展基础和体育资源要素的制约，安徽省体育产业整体发展水平不高，尤其是皖北地区，体育产业的发展动力不足，集聚水平较低。③目前长三角体育产业仍是以上海为集聚中心的单极分布，南京、杭州、合肥等二线以及省会城市长期位于第四象限（“高-低”集聚区），表明这类城市自身体育产业发展水平较高，但并未对周边城市（如马鞍山市、丽水市等）形成有效带动，多核心、网络状的长三角体育产业空间结构尚未形成，体育产业集聚效应仍有增强空间。
表 2 2014、2017、2020年长三角体育产业集聚的区域特征Table 2. Regional characteristics of sports industry agglomeration in the Yangtze River Delta in 2014, 2017 and 2020年份 第一象限（高-高） 第二象限（低-高） 第三象限（低-低） 第四象限（高-低） 高水平地区相邻接 低水平地区与周边高水平
地区相邻接低水平地区相邻接 高水平地区与周边低水平
地区相邻接2014年 上海市、苏州市、无锡市、常州市、南通市、泰州市、盐城市、扬州市、镇江市、连云港市、徐州市、杭州市、嘉兴市、金华市、宁波市、绍兴市、温州市 台州市、宣城市、湖州市、衢州市 安庆市、蚌埠市、亳州市、池州市、滁州市、阜阳市、淮北市、淮南市、六安市、宿州市、马鞍山市、芜湖市、合肥市、铜陵市 南京市、黄山市、淮安市、宿迁市、丽水市 2017年 上海市、苏州市、无锡市、常州市、南通市、泰州市、盐城市、扬州市、镇江市、嘉兴市、宁波市、绍兴市、台州市 连云港市、丽水市、宣城市、湖州市、马鞍山市 淮安市、宿迁市、安庆市、蚌埠市、亳州市、池州市、阜阳市、淮北市、淮南市、黄山市、六安市、宿州市、铜陵市、滁州市、衢州市 南京市、杭州市、温州市、合肥市、徐州市、金华市、芜湖市 2020年 上海市、苏州市、无锡市、常州市、南通市、泰州市、盐城市、扬州市、镇江市、嘉兴市、宁波市、绍兴市、台州市 丽水市、宣城市、湖州市、马鞍山市、连云港市、衢州市 安庆市、蚌埠市、亳州市、池州市、阜阳市、淮北市、淮南市、黄山市、六安市、宿州市、铜陵市、滁州市、宿迁市、淮安市 南京市、杭州市、温州市、合肥市、徐州市、金华市、芜湖市 ![]()
图 1 2014、2017、2020年长三角体育产业LISA集聚图注：括号内数字表示处于该集聚模式下的城市个数。Figure 1. LISA agglomeration map of sports industry in the Yangtze River Delta in 2014, 2017 and 20203.2 基准回归结果
根据Elhorst[29]的判别方法，对空间计量模型进行一系列检验以最终明确采取何种最优模型，估计结果如表3所示。①根据LM检验结果，LM Lag、R-LM Lag检验以及LM Error、R-LM Error检验所对应的P值均小于0.01，显著拒绝了原假设，表明空间滞后项和随机误差项中均包含不可忽视的空间相关性，与之前莫兰指数检验结果一致，说明空间自回归模型（SAR）和空间误差模型（SEM）均可使用，可能需要一个更加广义的模型。②空间误差和空间滞后的Wald和LR检验所对应的P值均小于0.05，显著拒绝了原假设，表明空间杜宾模型无法简化为空间自回归模型和空间误差模型，再依据Hausman检验结果，可得出固定效应下的空间杜宾模型为最优拟合模型。
表 3 空间计量模型选择检验结果Table 3. Spatial econometric model selection test检验 统计量 LM空间滞后检验（LM Lag） 78.3427*** 稳健LM空间滞后检验（R-LM Lag） 42.8940*** LM空间误差检验（LM Error） 22.2440*** 稳健LM空间误差检验（R-LM Error） 23.0411*** Wald空间滞后检验（Wald-spatial-lag） 23.5199*** LR空间滞后检验（LR-spatial-lag） 20.2767*** Wald空间误差检验（Wald-spatial-error） 12.7009** LR空间误差检验（LR-spatial-error） 32.6227*** Hausman 106.2788*** 注：**表示P<0.05，***表示P<0.01。 LeSage等[30]指出，简单的点估计结果无法准确反映自变量对因变量的影响程度，必须通过偏微分的方法将空间效应进行分解，其中，直接效应指本地区自变量对因变量的影响，间接效应指本地区自变量对邻近地区的影响，即空间溢出效应。参考LeSage等的方法，进一步分解3种矩阵下空间杜宾模型的估计结果（表4）。
表 4 空间杜宾模型空间效应分解Table 4. SDM spatial effect decomposition变量 邻接矩阵 地理距离矩阵 经济地理嵌套矩阵 直接效应 间接效应 直接效应 间接效应 直接效应 间接效应 体育产业集聚 0.134***
（7.375）0.038*
（1.775）0.045***
（3.369）0.145***
（3.039）0.047***
（3.547）0.177***
（3.037）资本投入 0.259***
（7.620）0.188***
（2.815）0.145***
（7.358）0.464***
（6.797）0.128***
（6.584）0.477***
（5.752）劳动力供给 −0.234***
（−2.919）−0.150
（−0.958）−0.201
（−0.269）−0.646**
（−2.527）−0.188**
（−2.379）−0.706**
（−2.226）城市规模 0.751
（1.356）0.184
（1.045）0.105
（1.420）0.334
（1.398）0.099
（1.257）0.369
（1.229）政府干预 −0.192***
（−4.529）−0.315***
（−4.149）−0.327***
（−11.325）−1.051***
（−6.109）−0.353***
（−11.572）−1.325***
（−5.714）技术创新 0.154***
（6.123）−0.191***
（−3.810）0.072***
（5.988）0.228***
（6.400）0.083***
（6.355）0.307***
（6.781）对外开放程度 0.099***
（6.184）0.154***
（3.694）0.121***
（7.050）−0.391***
（−5.016）−0.113***
（−6.792）−0.427***
（−4.470）城市固定效应 是 是 是 是 是 是 年份固定效应 是 是 是 是 是 是 R-squared 0.7867 0.8993 0.9073 注：*表示P<0.1，**表示P<0.05，***表示P<0.01；括号内为t值。 从表4可以看出，3种矩阵下体育产业集聚的直接效应和间接效应均显著为正，说明长三角体育产业集聚不仅促进了本地区经济的增长，而且对邻近地区的经济增长也具有促进作用，产生正向的空间外溢，假设1得到验证。从总体上看，长三角体育产业集聚已经形成了良好的经济效益，逐步成为当地经济发展的新动能。在体育制造业方面，以江苏县域体育产业制造集群为例，江阴、张家港、宜兴、昆山等地凭借区位、劳动人口、经济发展水平等优势，先期形成了较为完善的制造业产业链，产业的集聚效应明显。在体育服务业方面，上海作为长三角地区体育服务业的核心集聚区，其赛事集聚已经产生了良好的经济效益。《2019年上海市体育赛事影响力评估报告》显示，上海市共举办了163场国际国内体育赛事，其中12场品牌赛事带来30.9亿元的消费总额[31]37。同时，体育产业集聚的外部效益也已逐步显现，产生了显著的空间溢出效应，该部分将结合行业的不同特征在下文做进一步分析。
3.3 稳健性检验
为保证计量结果的稳健性和基本结果的准确性，从以下3个方面对上文得出的核心结论予以稳健性检验：①替换核心解释变量。在基准回归中，采用区位熵衡量体育产业集聚程度，稳健性检验参考王阿颖[32]、姚松伯等[7]的做法，选取产业比重指数作为衡量产业集聚程度的代理指标，即长三角各市体育产业增加值与当年长三角体育产业总增加值之比，一般而言该值越大，集聚程度越高。如表5所示，在替换核心解释变量后，邻接矩阵下的回归结果相对稳健。②替换空间权重矩阵。空间计量中不同矩阵对结果会产生影响，因此选用经济距离矩阵开展稳健性检验。经济距离矩阵公式为：
表 5 稳健性检验回归结果Table 5. Robustness test regression results变量 替换核心解释变量
（产业比重指数）替换空间权重矩阵
（经济距离矩阵）剔除疫情影响
（使用2014—2019年数据）直接效应 间接效应 直接效应 间接效应 直接效应 间接效应 体育产业集聚 0.041*
（1.864）0.021*
（1.756）0.063***
（4.483）0.162***
（3.985）0.118***
（6.163）0.084**
（2.154）资本投入 0.437***
（14.112）0.223***
（5.081）0.147***
（7.102）0.373***
（6.760）0.280***
（7.266）0.181**
（2.637）劳动力供给 −0.411***
（−4.707）−0.211***
（−3.420）−0.316***
（−3.815）−0.809***
（−3.440）0.304***
（3.260）0.321
（1.581）城市规模 0.956***
（10.353）0.491***
（4.318）0.227***
（2.790）0.579**
（2.677）−0.199
（−1.203）0.384*
（1.687）政府干预 −0.169***
（−4.215）−0.087***
（−2.975）−0.288***
（−9.153）−0.737***
（−6.044）−0.302***
（−6.004）−0.276***
（−3.555）技术创新 0.139***
（6.533）0.070***
（5.277）0.076***
（5.830）0.193***
（6.442）0.106***
（5.671）−0.221***
（−4.030）对外开放程度 0.120***
（8.681）0.062***
（4.282）−0.086***
（−4.668）−0.221***
（−4.134）0.113
（1.231）0.201
（0.786）城市固定效应 是 是 是 是 是 是 年份固定效应 是 是 是 是 是 是 R-squared 0.8763 0.9076 0.7906 注：*表示P <0.1，**表示P<0.05，***表示P<0.01；括号内为t值。 $$ {W_{2,ij}} = \left\{ {\begin{array}{*{20}{l}} {{{ }}\dfrac{1}{{\left| {\left. {{{\overline Y}_i} - {{\overline Y}_j}} \right|} \right.}}{{ }}\;\;\;\;\;{{ i}} \ne {{j}}} \\ {{{ 0}}\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;{{i = j}}} \end{array}} \right.$$ (7) 式中，
${\overline Y_i} = \dfrac{1}{T}\displaystyle \sum\limits_{t = 1}^T {{Y_{it}}}$ ，即i区域在t年内的GDP均值，两地区经济发展水平越接近，即认为它们在经济距离上越邻近。由表5可知，体育产业集聚对于区域经济增长的直接和间接效应系数的符号和显著性无较大偏差。③剔除新冠病毒感染疫情（以下简称“疫情”）的影响。2020年突如其来的疫情使得体育产业遭受重大冲击，线下体育服务和经营活动几近停摆。为了进一步避免外生冲击对回归结果的影响，基于邻接矩阵，将数据跨度调整为2014—2019年，以规避疫情对模型可能产生的外生影响。表5显示回归结果整体稳健，与表4的结果相比，剔除疫情影响后，体育产业集聚的直接效应有所减弱（0.118<0.134），溢出效应有所增强（0.084>0.038），可能的原因主要有以下两方面：一方面，2020年疫情期间，虽然整个社会经济发展几近停滞，文化、娱乐、旅游等产业相继停摆，但也激发了居民的居家健身热情和健康意识的提升，在“云直播+线上零售”的带动下，线上体育销售、云健身等新业态成为重要经济增长点。同时，各地政府通过颁布体育企业帮扶纾困政策、派发体育消费券等多种手段，使得体育产业对于城市自身经济发展的贡献依然具有延续性。另一方面，疫情对体育产业集聚的溢出效应产生了负面影响。体育赛事、体育旅游、户外休闲等业态具有很强的外部性，是带动跨区域资源流动、实现体育产业经济溢出的主要载体。但受疫情影响，这类业态当年已几近停滞。另外，疫情期间长三角各个城市的交通、运输、经济活动往来也受到巨大冲击，体育产业的经济溢出通道受阻，使得集聚的间接效应减弱。
3.4 异质性分析
3.4.1 区域一体化发展程度与溢出强弱
以2018年为界进行分组回归，考察区域体育产业一体化发展对于空间溢出效应的影响，主要有以下3点原因：①2018年长三角体育产业协同发展成功纳入《长三角地区一体化发展三年行动计划（2018—2020年）》，标志着体育产业正式成为加快长三角一体化发展的重要产业；②同年习近平总书记在首届中国国际进口博览会上宣布，支持长三角区域一体化发展并将其上升为国家战略；③同年长三角地区体育产业一体化发展推进会审议并原则同意了《长三角地区体育产业一体化发展三年行动计划（2018—2020年）》。因此，参考廉涛等[33]的研究，以上事件标志着2018年成为体育产业从地方行动融入国家区域发展战略的转折年，长三角体育产业一体化发展进入新阶段。同时考虑到疫情对体育产业溢出效应和区域经济活动的影响，为了最大程度地衡量区域一体化的净效应，该部分的异质性分析将时间截至2019年。
由表6可知，3种矩阵下2018年前后体育产业集聚的直接效应没有出现太大波动，但无论是从回归系数还是显著性来看，2018年后间接效应均有明显提升。数值的时间变化体现出随着长三角体育产业一体化发展取得实质进展，体育产业集聚的经济溢出以及对整体区域经济发展的拉动能力显著增强。一方面，2018年体育产业正式融入区域整体发展战略后，体育产业在区域经济发展的地位与受重视程度明显提升，政府间跨区域协作更加频繁，政策效力与项目推进取得实质性进展。另一方面，2018年《长三角地区体育产业一体化发展三年行动计划（2018—2020年）》确定了22项具有良好市场效应和较大品牌影响的合作项目，通过区域项目合作、区域联合办赛、开展区域协作等多种形式，逐步打破行政壁垒和制度障碍，依托体育产业让区域各生产要素加速流动，使得体育产业集聚的溢出通道更加顺畅，作用于区域经济发展的效果更加显著。
表 6 不同时间段下体育产业集聚的直接与间接效应Table 6. Direct and indirect effects of sports industry agglomeration under different time periods类别 2014—2017年 2018—2019年 直接效应 间接效应 直接效应 间接效应 邻接矩阵 0.110***
（5.320）0.034*
（1.732）0.127***
（5.769）0.148**
（2.235）地理距离矩阵 0.048***
（2.997）0.079
（0.920）0.041**
（2.311）0.196*
（1.884）经济地理嵌套矩阵 0.059***
（7.902）0.099*
（1.846）0.032*
（1.773）0.234***
（2.940）控制变量 控制 控制 控制 控制 城市固定效应 是 是 是 是 年份固定效应 是 是 是 是 注：*表示P<0.1，**表示P<0.05，***表示P<0.01；括号内为t值。 3.4.2 行业异质性与经济溢出
体育产业横跨第二、三产业，体育制造业与体育服务业存在一定的行业差异，产业集聚的经济效果与空间外溢可能存在一定差别。为更好地探究体育制造业和体育服务业的集聚效应差异，按照不同行业、不同空间矩阵分别探究产业集聚的空间溢出效应，结果如表7所示。
表 7 不同行业3种矩阵下空间杜宾模型估计结果Table 7. Estimation results of the SDM under three matrices for different industries类别 体育制造业集聚 体育服务业集聚 直接效应 间接效应 直接效应 间接效应 邻接矩阵 0.147***
（4.589）0.032
（0.873）0.127***
（3.729）0.089**
(2.134)地理距离矩阵 0.068***
(3.346)0.086
（0.780）0.036**
（2.297）0.150**
（2.339）经济地理嵌套矩阵 0.061***
（4.820)0.093
(0.809)0.038*
（1.811）0.188**
（2.236）控制变量 控制 控制 控制 控制 城市固定效应 是 是 是 是 年份固定效应 是 是 是 是 注：*表示P<0.1，**表示P<0.05，***表示P<0.01；括号内为t值。 由表7可知，体育制造业集聚并未呈现出明显的空间外溢性，而体育服务业集聚具有显著的空间溢出效应，假设3得到验证。这可能是由于体育制造业受到运输成本的限制，较为依赖本地区的原材料、劳动力和相关配套产业支撑，在当地已经形成较为完善的产业链条，对邻近地区的带动作用不明显。但体育服务业自身产业链条较长、跨区域的关联性更强，尤其是体育赛事、体育旅游、体育传媒等业态，对于周边地区人流、信息流、资金流的跨区域流动具有显著影响，从而带动邻近地区的经济发展。体育制造业的服务化转型需要文化创意、研发设计、信息技术等高端服务业的支撑，使得越来越多的体育制造企业主动与体育服务业集聚的地区开展深度合作，进而形成邻近区域的产业协作链条，产生了经济溢出。例如：南通铁人运动用品有限公司充分利用上海、苏州等地的知识资源，长期与苏州大学、东华大学进行产品研发、科技创新的校企合作，已经逐渐形成产学研的空间联动；上海作为长三角体育服务业的资源配置枢纽，聚集大量优质体育资源与隐性知识，受到知识、人才流动的地理距离限制，对邻近地区的管理模式输出效应十分显著；无锡推动创办了2项落户中国的顶级跆拳道IP赛事，与上海优质体育服务企业和人才开展深度合作，组建业内顶尖的跆拳道全产业链运营管理团队，开展了19项不同级别的跆拳道赛事，仅世界跆拳道大满贯冠军系列赛就产生经济效益2.16亿元[31]362。
同时，以竞赛表演业为核心的体育服务业外部性更强、联动效应更大[34]。一方面，体育赛事本身具有整合体育资源的强大能力，体育赛事尤其是国际顶尖赛事的集聚能够有效地促进本地区以及邻近地区的体育用品制造、体育传媒、体育中介服务、场馆运营、体育旅游等产业的联动。另一方面，体育赛事的举办能够带动其他相关产业和经济活动的互动。赛事的聚集不仅拉动了当地餐饮、住宿、交通、旅游等产业的发展，更促进了区域内经济活动的交流。赛事的举办能够为城市带来大量的人流、物流、信息流，在不断提升城市品牌形象的同时，越来越多的赛事通过植入论坛、会展的形式为城市间的经济交流、贸易往来搭建平台[35]。
由表7可知，经济地理嵌套矩阵下的体育服务业间接效应系数明显高于其他2个矩阵，体现出体育服务业集聚所带来的知识、技术溢出以各城市的经济活动往来作为重要载体。长三角各城市地理位置的差异并不突出，而经济环境较好的城市往往能够吸引更好的资源流入，营商交流环境和配套产业基础也更加完善，进一步提升了体育无形资产的吸纳、开发和创新能力。同时，体育服务业集聚所带动的人才、金融、资本等资源要素的流动往往在经济联系更为密切的区间更加频繁。例如，南京青奥会的体育用品供给由苏州体育制造企业负责，上海体育服务企业为赛事咨询、赛后评估等项目提供了有力支持，3个城市间的经济地理距离起到了关键作用。
4. 结论与建议
基于2014—2020年长三角三省一市共41个城市的相关数据，运用空间计量模型深入考察了长三角体育产业集聚的空间溢出效应与城市经济增长的关系，得出以下主要结论：①从空间相关性分析看，长三角体育产业集聚态势明显，但仍是以上海为集聚中心的单极分布。②从总体影响看，长三角地区体育产业集聚不仅对本地区的经济增长具有促进作用，还会对邻近地区的经济增长产生正向的空间溢出效应。③异质性分析结果显示，长三角区域体育产业一体化发展水平对体育产业集聚的经济溢出产生正向影响，长三角体育服务业集聚具有更加显著的空间溢出效应。④从矩阵类型看，经济地理嵌套矩阵下的体育服务业间接效应系数明显高于其他2个矩阵，体现出体育服务业集聚所带来的知识、技术溢出以各城市的经济活动往来作为重要载体。综合上述结论，得到以下政策启示。
（1）顺应长三角体育产业集聚态势，重点提升体育服务业的空间溢出效应。研究表明，长三角地区体育产业具有明显的集聚态势，且对地区经济增长具有显著促进作用，因此，应继续依托国家体育产业示范基地、体育产业园区等产业承载平台，或有机融入当地众创空间和国家大学科技园等综合类创新园区，通过政府引导和市场化运作，集聚体育资源要素，合理引入金融、咨询、法务等配套产业，进一步释放集聚效应。同时，应针对体育服务业的溢出属性更为明显的特征：加快长三角体育服务业集聚区建设；持续引入国内国际重大体育赛事，打造长三角体育赛事集聚区；充分利用5G、互联网、大数据等信息技术，搭建体育赛事参赛、管理信息化平台，集成长三角区域内住宿、交通、餐饮、基础设施、通信等相关行业，不断完善赛事产业链；依据自身资源禀赋特征，充分利用山地湖泊等自然资源，围绕户外运动项目产业，形成一批水上、山地、航空等户外休闲集聚区，加强邻近区域间的资源互动与消费引流，形成长效经济利益互动机制。
（2）加快形成多核心的长三角体育产业发展格局。一方面，继续发挥上海在长三角体育产业发展中的龙头带动作用。依托上海城市自身的发展定位和产业比较优势，大力发展总部经济，引驻一批具有国际竞争力的体育服务企业；持续建设长三角体育资源的配置枢纽，加快上海联合交易所体育资源交易中心的建设发展，努力扩大上海体育产业集聚的辐射范围，向长三角腹地区域延伸。另一方面，着力培育以其他大型城市为核心的体育产业集聚圈。应抓住南京、杭州、合肥等都市圈的建设契机，提升二线城市、省会城市的体育产业集聚水平，发挥大型城市在生产性服务业、高端制造业的优势，围绕体育产品的创新开发、体育品牌的设计营销等向周边城市进行服务输出，引导周边城市做好产业承接，从而形成功能互补、相互支撑、分工明确的多极化产业格局。
（3）提升区域一体化发展水平，打通经济溢出路径。长三角体育产业一体化水平是经济溢出效果的重要影响因素，城市间的经济活动是溢出的重要载体。①加强长三角三省一市的政府间合作，积极搭建体育服务平台，包括体育赛事资源的交流平台、经济交往的互动平台、体育贸易的合作平台、体育科技的创新平台等，打破原有的行政壁垒，提高人、财、物等要素资源的配置效率，共同打造体育服务生态圈。②通过长三角区域联动赛事、多地区联合申办赛事、长三角城市巡回赛等多种赛事形式，充分利用体育赛事的强外部性带动区域间的交流互动，进一步释放体育赛事对于区域资源要素流动和经济溢出路径的盘活作用。③抓住长三角生态绿色一体化发展示范区、南京都市圈等省级毗邻的核心区域，充分利用区域内制度优势突出、创新环境优越、经济合作频繁的优势，结合区域体育资源禀赋与项目基础，通过合作办赛、企业集聚、定期开展体育项目合作交流会议等诸多方式，加强体育服务业隐性知识输送，打造区域体育产业合作交流样板。
作者贡献声明：曾鑫峰：设计论文框架，搜集统计数据，撰写论文；作者贡献声明：黄海燕：提出论文选题，搜集、核实数据，审核、指导修改论文。 -
![]()
图 1 2014、2017、2020年长三角体育产业LISA集聚图
注：括号内数字表示处于该集聚模式下的城市个数。
Figure 1. LISA agglomeration map of sports industry in the Yangtze River Delta in 2014, 2017 and 2020
表 1 长三角各城市GDP以及体育产业集聚度的莫兰指数检验结果
Table 1 Moran index test of GDP and sports industry agglomeration of cities in Yangtze River Delta
年份 各市GDP 体育产业集聚度 邻接矩阵 地理距离矩阵 经济地理嵌套矩阵 邻接矩阵 地理距离矩阵 经济地理嵌套矩阵 2014 0.373***
（3.868）0.148***
（3.820）0.165***
（4.896）0.476***
（5.036）0.155***
（7.020）0.141***
（5.503）2015 0.370***
（4.157）0.143***
（4.694）0.161***
（3.584）0.469***
（5.221）0.150***
（6.834）0.139***
（5.428）2016 0.368***
（3.789）0.136***
（3.260）0.159***
（4.129）0.381***
（4.041）0.115***
（5.489）0.134***
（4.635）2017 0.367***
（4.098）0.109***
（3.765）0.157***
（4.896）0.360***
（3.943）0.108***
（5.191）0.128***
（4.378）2018 0.335***
（3.557）0.101***
（3.029）0.148***
（3.907）0.311***
（3.300）0.098***
（4.786）0.119***
（4.009）2019 0.327***
（3.482）0.118***
（3.208）0.140***
（3.890）0.290***
（3.096）0.103***
（4.870）0.107***
（3.887）2020 0.325***
（3.459）0.113***
（3.063）0.137***
（3.732）0.269***
（2.876）0.094***
（4.389）0.098***
（3.821）注：***表示P<0.01；括号内为t值。 
下载: 导出CSV
表 2 2014、2017、2020年长三角体育产业集聚的区域特征
Table 2 Regional characteristics of sports industry agglomeration in the Yangtze River Delta in 2014, 2017 and 2020
年份 第一象限（高-高） 第二象限（低-高） 第三象限（低-低） 第四象限（高-低） 高水平地区相邻接 低水平地区与周边高水平
地区相邻接低水平地区相邻接 高水平地区与周边低水平
地区相邻接2014年 上海市、苏州市、无锡市、常州市、南通市、泰州市、盐城市、扬州市、镇江市、连云港市、徐州市、杭州市、嘉兴市、金华市、宁波市、绍兴市、温州市 台州市、宣城市、湖州市、衢州市 安庆市、蚌埠市、亳州市、池州市、滁州市、阜阳市、淮北市、淮南市、六安市、宿州市、马鞍山市、芜湖市、合肥市、铜陵市 南京市、黄山市、淮安市、宿迁市、丽水市 2017年 上海市、苏州市、无锡市、常州市、南通市、泰州市、盐城市、扬州市、镇江市、嘉兴市、宁波市、绍兴市、台州市 连云港市、丽水市、宣城市、湖州市、马鞍山市 淮安市、宿迁市、安庆市、蚌埠市、亳州市、池州市、阜阳市、淮北市、淮南市、黄山市、六安市、宿州市、铜陵市、滁州市、衢州市 南京市、杭州市、温州市、合肥市、徐州市、金华市、芜湖市 2020年 上海市、苏州市、无锡市、常州市、南通市、泰州市、盐城市、扬州市、镇江市、嘉兴市、宁波市、绍兴市、台州市 丽水市、宣城市、湖州市、马鞍山市、连云港市、衢州市 安庆市、蚌埠市、亳州市、池州市、阜阳市、淮北市、淮南市、黄山市、六安市、宿州市、铜陵市、滁州市、宿迁市、淮安市 南京市、杭州市、温州市、合肥市、徐州市、金华市、芜湖市
下载: 导出CSV
表 3 空间计量模型选择检验结果
Table 3 Spatial econometric model selection test
检验 统计量 LM空间滞后检验（LM Lag） 78.3427*** 稳健LM空间滞后检验（R-LM Lag） 42.8940*** LM空间误差检验（LM Error） 22.2440*** 稳健LM空间误差检验（R-LM Error） 23.0411*** Wald空间滞后检验（Wald-spatial-lag） 23.5199*** LR空间滞后检验（LR-spatial-lag） 20.2767*** Wald空间误差检验（Wald-spatial-error） 12.7009** LR空间误差检验（LR-spatial-error） 32.6227*** Hausman 106.2788*** 注：**表示P<0.05，***表示P<0.01。
下载: 导出CSV
表 4 空间杜宾模型空间效应分解
Table 4 SDM spatial effect decomposition
变量 邻接矩阵 地理距离矩阵 经济地理嵌套矩阵 直接效应 间接效应 直接效应 间接效应 直接效应 间接效应 体育产业集聚 0.134***
（7.375）0.038*
（1.775）0.045***
（3.369）0.145***
（3.039）0.047***
（3.547）0.177***
（3.037）资本投入 0.259***
（7.620）0.188***
（2.815）0.145***
（7.358）0.464***
（6.797）0.128***
（6.584）0.477***
（5.752）劳动力供给 −0.234***
（−2.919）−0.150
（−0.958）−0.201
（−0.269）−0.646**
（−2.527）−0.188**
（−2.379）−0.706**
（−2.226）城市规模 0.751
（1.356）0.184
（1.045）0.105
（1.420）0.334
（1.398）0.099
（1.257）0.369
（1.229）政府干预 −0.192***
（−4.529）−0.315***
（−4.149）−0.327***
（−11.325）−1.051***
（−6.109）−0.353***
（−11.572）−1.325***
（−5.714）技术创新 0.154***
（6.123）−0.191***
（−3.810）0.072***
（5.988）0.228***
（6.400）0.083***
（6.355）0.307***
（6.781）对外开放程度 0.099***
（6.184）0.154***
（3.694）0.121***
（7.050）−0.391***
（−5.016）−0.113***
（−6.792）−0.427***
（−4.470）城市固定效应 是 是 是 是 是 是 年份固定效应 是 是 是 是 是 是 R-squared 0.7867 0.8993 0.9073 注：*表示P<0.1，**表示P<0.05，***表示P<0.01；括号内为t值。
下载: 导出CSV
表 5 稳健性检验回归结果
Table 5 Robustness test regression results
变量 替换核心解释变量
（产业比重指数）替换空间权重矩阵
（经济距离矩阵）剔除疫情影响
（使用2014—2019年数据）直接效应 间接效应 直接效应 间接效应 直接效应 间接效应 体育产业集聚 0.041*
（1.864）0.021*
（1.756）0.063***
（4.483）0.162***
（3.985）0.118***
（6.163）0.084**
（2.154）资本投入 0.437***
（14.112）0.223***
（5.081）0.147***
（7.102）0.373***
（6.760）0.280***
（7.266）0.181**
（2.637）劳动力供给 −0.411***
（−4.707）−0.211***
（−3.420）−0.316***
（−3.815）−0.809***
（−3.440）0.304***
（3.260）0.321
（1.581）城市规模 0.956***
（10.353）0.491***
（4.318）0.227***
（2.790）0.579**
（2.677）−0.199
（−1.203）0.384*
（1.687）政府干预 −0.169***
（−4.215）−0.087***
（−2.975）−0.288***
（−9.153）−0.737***
（−6.044）−0.302***
（−6.004）−0.276***
（−3.555）技术创新 0.139***
（6.533）0.070***
（5.277）0.076***
（5.830）0.193***
（6.442）0.106***
（5.671）−0.221***
（−4.030）对外开放程度 0.120***
（8.681）0.062***
（4.282）−0.086***
（−4.668）−0.221***
（−4.134）0.113
（1.231）0.201
（0.786）城市固定效应 是 是 是 是 是 是 年份固定效应 是 是 是 是 是 是 R-squared 0.8763 0.9076 0.7906 注：*表示P <0.1，**表示P<0.05，***表示P<0.01；括号内为t值。
下载: 导出CSV
表 6 不同时间段下体育产业集聚的直接与间接效应
Table 6 Direct and indirect effects of sports industry agglomeration under different time periods
类别 2014—2017年 2018—2019年 直接效应 间接效应 直接效应 间接效应 邻接矩阵 0.110***
（5.320）0.034*
（1.732）0.127***
（5.769）0.148**
（2.235）地理距离矩阵 0.048***
（2.997）0.079
（0.920）0.041**
（2.311）0.196*
（1.884）经济地理嵌套矩阵 0.059***
（7.902）0.099*
（1.846）0.032*
（1.773）0.234***
（2.940）控制变量 控制 控制 控制 控制 城市固定效应 是 是 是 是 年份固定效应 是 是 是 是 注：*表示P<0.1，**表示P<0.05，***表示P<0.01；括号内为t值。
下载: 导出CSV
表 7 不同行业3种矩阵下空间杜宾模型估计结果
Table 7 Estimation results of the SDM under three matrices for different industries
类别 体育制造业集聚 体育服务业集聚 直接效应 间接效应 直接效应 间接效应 邻接矩阵 0.147***
（4.589）0.032
（0.873）0.127***
（3.729）0.089**
(2.134)地理距离矩阵 0.068***
(3.346)0.086
（0.780）0.036**
（2.297）0.150**
（2.339）经济地理嵌套矩阵 0.061***
（4.820)0.093
(0.809)0.038*
（1.811）0.188**
（2.236）控制变量 控制 控制 控制 控制 城市固定效应 是 是 是 是 年份固定效应 是 是 是 是 注：*表示P<0.1，**表示P<0.05，***表示P<0.01；括号内为t值。
下载: 导出CSV
-
[1] 徐开娟,黄海燕. 长三角地区体育产业发展态势、经验与建议[J]. 中国体育科技,2019,55(7):45-55 [2] 黄海燕. 新阶段、新形势:我国体育产业发展战略前瞻[J]. 上海体育学院学报,2022,46(1):20-31,51 [3] 焦长庚,戴健,曹贤忠. 泛长三角地区体育服务产业空间集聚特征[J]. 上海体育学院学报,2018,42(5):53-60 [4] 宋昱. 中国体育产业的集聚与集群化发展研究: 1994—2010[D]. 南京: 南京师范大学, 2011: 36-47 [5] 刘兵. 产业集群的成因对我国体育产业发展的启示[J]. 成都体育学院学报,2009,35(12):16-19 [6] 李国岳. 新时期我国体育服务业的都市集聚现象思考[J]. 体育与科学,2006,27(5):55-57,30 [7] 姚松伯,刘颖. 体育产业集聚对区域经济增长影响的实证分析:基于静态和动态面板数据模型[J]. 体育科学,2017,37(11):21-29,39 [8] 郝寿义. 区域经济学原理[M]. 2版. 上海: 格致出版社, 2016: 47 [9] FIRMINO COSTA DA SILVA D,ELHORST J P,DA MOTA SILVEIRA NETO R. Urban and rural population growth in a spatial panel of municipalities[J]. Regional Studies,2017,51(6):894-908 doi: 10.1080/00343404.2016.1144922
[10] 邢尊明,程一辉,扈伟,等. 国家体育产业基地:实施进程、特征分析与推进策略[J]. 体育科学,2014,34(1):66-74 [11] ANSELIN L. Spatial econometrics: Methods and models[M]. Dordrecht: Springer Netherlands, 1988: 12
[12] 毛琦梁,王菲. 地区比较优势演化的空间关联:知识扩散的作用与证据[J]. 中国工业经济,2018(11):136-154 [13] KRUGMAN P. Increasing returns and economic geography[J]. Journal of Political Economy,1991,99(3):483-499 doi: 10.1086/261763
[14] 埃尔霍斯特. 空间计量经济学: 从横截面数据到空间面板[M]. 肖光恩, 译. 北京: 中国人民大学出版社, 2015: 37-40 [15] 张可云,王裕瑾,王婧. 空间权重矩阵的设定方法研究[J]. 区域经济评论,2017(1):19-25 [16] 李海杰,邵桂华,王毅. 我国体育产业集聚对产业效率的影响研究[J]. 天津体育学院学报,2019,34(6):512-520 [17] 曾鑫峰,黄海燕. 体育产业集聚与全要素生产率:基于长三角地区体育产业的视角[J]. 中国体育科技,2022,58(7):83-91 [18] 陆铭,高虹,佐藤宏. 城市规模与包容性就业[J]. 中国社会科学,2012(10):47-66,206 [19] 张同功,孙一君. 金融集聚与区域经济增长:基于副省级城市的比较研究[J]. 宏观经济研究,2018(1):82-93,120 [20] 秦蒙,刘修岩,李松林. 城市蔓延如何影响地区经济增长?:基于夜间灯光数据的研究[J]. 经济学(季刊),2019,18(2):527-550 [21] 周亮,车磊,孙东琪. 中国城镇化与经济增长的耦合协调发展及影响因素[J]. 经济地理,2019,39(6):97-107 [22] BARRO R J. Inequality and growth in a panel of countries[J]. Journal of Economic Growth,2000,5(1):5-32
[23] 陆铭,陈钊. 分割市场的经济增长:为什么经济开放可能加剧地方保护?[J]. 经济研究,2009,44(3):42-52 [24] 盛斌,毛其淋. 贸易开放、国内市场一体化与中国省际经济增长:1985—2008年[J]. 世界经济,2011,34(11):44-66 [25] 刘伟丽,杨景院. 柯兹纳式套利型还是熊彼特式创新型?:企业家创业精神对经济增长质量的影响[J]. 统计研究,2022,39(4):93-107 [26] 徐圆,张林玲. 中国城市的经济韧性及由来:产业结构多样化视角[J]. 财贸经济,2019,40(7):110-126 [27] 郑威,陆远权. 创新驱动对产业结构升级的溢出效应及其衰减边界[J]. 科学学与科学技术管理,2019,40(9):75-87 [28] 杨灿明,孙群力. 外部风险对中国地方政府规模的影响[J]. 经济研究,2008,43(9):115-121,160 [29] ELHORST J P. Matlab software for spatial panels[J]. International Regional Science Review,2014,37(3):389-405 doi: 10.1177/0160017612452429
[30] LESAGE J, PACE R K. Introduction to spatial econometrics[M].Boca Ration, FL: CRC Press, 2009: 23
[31] 黄海燕. 体育蓝皮书: 长三角地区体育产业发展报告: 2020—2021[M]. 北京: 社会科学文献出版社, 2022 [32] 王阿颖. 我国文化产业集聚对区域经济增长的影响研究[D]. 南京: 东南大学, 2017: 28 [33] 廉涛,黄海燕. 长三角体育产业高质量一体化发展研究[J]. 中国体育科技,2020,56(1):67-74 [34] 黄海燕. 新时代体育产业助推经济强国建设的作用与策略[J]. 上海体育学院学报,2018,42(1):20-26 [35] 黄海燕. 体育赛事对城市旅游业的影响:一个居民视角的结构方程模型[J]. 武汉体育学院学报,2015,49(1):36-43 -
期刊类型引用(9)
1. 武云亮，葛娟. 数字经济、产业集聚与中国制造业高质量发展——基于省级面板数据的实证研究. 长春理工大学学报(社会科学版). 2025(01): 97-106 . 
百度学术
2. 兰晓芸，郝东明. 数字经济对文化产业发展的驱动作用研究. 科技和产业. 2024(03): 87-91 . 百度学术
3. 苏立德，阿古达木. 基于主成分回归的内蒙古体育产业发展影响因素分析. 现代商贸工业. 2024(07): 4-6 . 百度学术
4. 姚芳虹，曾元正，彭春，张弛，张锐. 体育用品制造业集聚与区域生态效率的时空特征及空间溢出效应. 经济地理. 2024(04): 142-148 . 百度学术
5. 任波. 体育产业助力乡村产业振兴：作用机制与效应检验. 体育与科学. 2024(03): 16-26+35 . 百度学术
6. 刘冬磊，崔丽丽，孙晋海. 中国体育产业研究综述(1992～2022):演进、特征、不足与展望. 体育文化与产业研究. 2024(01): 55-74 . 百度学术
7. 曾鑫峰，黄海燕. 区域体育产业协同创新网络的空间演化和结构特征——以我国三大城市群为例. 武汉体育学院学报. 2024(10): 49-57 . 百度学术
8. 黄海燕，曾鑫峰，邵绘锦. 区域合作办赛的域外经验、困境瓶颈与战略构想——以长三角为例. 天津体育学院学报. 2024(06): 645-653 . 百度学术
9. 王越，吴相雷，陶玉流. 长三角体育产业协同创新共同体建设的理论逻辑与实施路径. 体育科学. 2023(07): 83-91 . 百度学术
其他类型引用(0)
计量
- 文章访问数: 201
- HTML全文浏览量: 87
- PDF下载量: 24
- 被引次数: 9