產業集聚與企業全要素生產率：基于中國制造業的證據

吳明琴 童碧如

?

產業集聚與企業全要素生產率：基于中國制造業的證據

吳明琴 童碧如

基于1998-2007年中國工業企業數據庫數據，對產業集聚和制造業企業全要素生產率之間的關系進行研究，并運用OP半參數估計方法對企業層面的全要素生產率進行測算。結果顯示，產業集聚對企業全要素生產率有顯著正向影響。同時，運用工具變量對潛在的內生性問題進行控制，研究得出的結論表明，產業集聚與企業全要素生產率之間存在正相關關系，這種關系在非國有企業中表現得尤為顯著。此外，在穩健性檢驗中，將產業集聚效應進行分解，得出鄰近企業數量是影響企業全要素生產率的主要因素的觀點，也進一步佐證產業集聚通過知識溢出、人才流動和適度的同行業競爭來促進企業技術革新和組織制度完善，從而提升企業生產率。

產業集聚; 全要素生產率; OP半參數估計

一 引 言

傳統的經濟增長理論認為，實現經濟增長最重要的因素在于資本、勞動和技術的提升。在過去30多年里，中國企業依靠高投資和廉價勞動力迅速發展，中國也因此被稱為“世界制造工廠”。然而，隨著老齡化社會的到來，人口紅利逐漸消失，勞動力成本上升，依靠廉價勞動力和高投資拉動的發展模式面臨著巨大的挑戰。同時，中國制造業企業的國際競爭力也遭受質疑，如果勞動力和自然資源優勢不再，中國企業還能在國際市場激烈的競爭中贏得一席之地嗎？基于上述討論，考慮資源約束、經濟發展新常態等因素，中國經濟和中國企業必須向依托技術進步的內生增長模式轉型。在這種情況下，探討企業全要素生產率(TFP)顯得尤為必要。學者們對TFP并沒有一個統一的定義，但大都認同TFP就是產出的增長減去各要素投入增長之后的“余值”(Jorgenson，1967)。有些學者認為TFP就是代表技術進步，其實不然，TFP除了包含技術進步有關的內容外，還包含了物質生產的管理技能、知識水平和制度因素等有形要素投入不能解釋的部分。

自上世紀90年代以來，市場力量在企業成長過程中的作用日漸增強，我國沿海地區憑借其地理優勢和良好的工業基礎，吸引了大量勞動力和資本進入，成為我國眾多產業的主要集聚地(冼國明等，2006)。產業集聚影響地區經濟發展，也對微觀企業行為產生重要影響。本文要探討的問題是：產業集聚是否會對企業的全要素生產率產生影響？如果有影響的話，這種影響是正向還是負向，在不同所有制的企業之間是否存在差異？

以往研究中，產業集聚被認為可以產生正的外部效應，具有知識溢出、要素投入共享和勞動力蓄水池等集聚效應，可以促進地區經濟的發展(Marshall,1920；Ciccone,2002)。Ciccone(2002)研究認為，大量同行業企業在某地區聚集，可以共享有效率的勞動力。此外，同行業企業聚集可以產生知識溢出效應，從而降低企業獲取信息的成本和溝通成本。不同行業的企業向某地區聚集，則會產生跨行業的知識外溢，有效促進產品創新。此外，企業也可以在同一地區共享公路、鐵路等公共基礎設施。這些集聚效應均對企業的行為和績效產生影響，如對企業創新能力和企業規模等的影響(Carlino et al.,2006;Li et al.,2012)。已有研究說明，產業集聚帶來的知識溢出效應、勞動力的流動以及同行業企業之間的競爭會促進企業技術的革新和組織制度的完善，從而對企業全要素生產率產生積極作用。

然而，有學者發現產業集聚也會產生擁塞效應，對地區經濟發展產生不利影響(Henderson,2003；李君華，2009)。如果在產業集聚過程中，大量企業聚集在同一地區，超出當地的經濟承載能力，企業則會開始爭奪有限的公共基礎設施和自然資源，甚至會產生過度競爭現象，最終對企業的盈利能力產生負向影響。

后來其他學者對該問題作進一步研究，但得出不同的結論。Batisse (2002)運用中國的數據，研究表明多樣化的集聚會對地區經濟增長產生積極的影響，但專業化的集聚對地區經濟增長有不利影響。而Fan和Scott (2003)[10]則研究發現產業集聚對省級生產率有正向促進作用。Lin et al. (2011)[11]對中國紡織業集聚程度和生產率之間的關系進行研究，發現集聚與生產率之間呈U型關系，集聚程度過高時會出現擁擠效應。

因此，產業集聚對企業生產效率的影響并不總是正向積極的，集聚程度過高，也會發生過度競爭和“搭便車”現象，從而不利于企業的研發創新。集聚效應與擁塞效應會同時作用于企業，關鍵在于是集聚效應更加顯著還是擁塞效應更加顯著。基于1998-2007年中國工業企業數據庫的數據，運用面板固定效應估計方法，探析產業集聚與制造業企業生產率之間的關系，并采用工具變量回歸進一步對結果進行驗證。結果顯示，產業集聚對企業全要素生產率有顯著的正向影響，集聚效應占據主導地位。

下面的結構安排為：第二部分對研究企業全要素生產率影響因素的相關文獻進行綜述；第三部分是描述全要素生產率測算方法和相關變量；第四部分是分析計量結果；第五部分則進行相應的穩健性檢驗；最后是全文總結。

二 文獻綜述

國內外眾多學者對全要素生產率進行了深入探討，但大多數是對宏觀的全要素生產率研究，而對企業層面的全要素生產率的研究相對較少。本部分將對研究企業全要素生產率影響因素的相關文獻作簡要梳理。

首先是制度因素。Olley和Pakes(1992)[12]對美國通訊產業進行實證分析發現，放松政府管制對企業生產率的提高有正向促進作用；張杰等(2011)[13]通過對1999-2007年期間中國企業的考察發現，市場化進程能促進企業生產率的提升，而市場分割會抑制企業生產率的提升。其次是出口和貿易自由化。張杰等(2008)[14]基于江蘇省制造業企業的微觀數據，對出口與本土企業全要素生產率之間的關系進行研究，結論表明，出口并不是促進企業全要素生產率提升的因素，而TFP卻是促進中國企業出口的因素。張杰等(2009)[15]基于1999-2003年中國工業企業數據庫的數據，運用PSM模型對企業是否具有“出口中學習”效應進行研究，研究結果表明出口企業通過“出口中學習”效應促進了企業全要素生產率的提高。此外，余淼杰(2010)[16]也發現貿易自由化可以顯著提高企業的生產效率。而簡澤等(2014)[17]基于中國加入WTO的自然實驗，考察了進口自由化帶來的進口競爭是否會影響企業全要素生產率，結果表明進口競爭可以促進高效率企業全要素生產率的提高。同時，國內外不少學者對資源配置效率與企業全要素生產率之間的關系進行了研究。Hsieh和Klenow (2007)[18]運用美國、印度和中國的數據對企業全要素生產率與資源誤置之間的關系進行比較研究，結果表明不同國家的企業資源錯配是造成企業生產率差異的重要因素。其后，簡澤(2011)[19]、聶輝華和賈瑞雪(2011)[20]、龔關和胡關亮(2013)[21]等都對資源配置效率與企業生產率之間的關系進行了實證研究，其結果均表明資源配置效率的改善會帶來企業全要素生產率的提高。此外，創新也是影響企業生產率的重要因素。吳延兵(2006)[22]發現企業R&D與企業生產率之間存在正向關系。吳延兵和米增渝(2011)[23]運用制造業非國有企業數據進行研究，發現合作創新企業效率高于模仿創新企業效率，模仿創新企業效率高于獨立創新企業效率。也有學者對企業規模與企業生產率之間的關系進行研究，但得出的結論有所不同。Biesebroeck(2005)[24]采用9個非洲國家制造業的數據進行研究，結論表明在發展中國家，企業規模越大，其生產效率越高。而Fernandes(2008)[25]運用孟加拉制造業企業的數據進行研究，結論表明企業規模與企業全要素生產率呈負相關關系，相對于規模極大的企業，小企業的生產率更高。

最后，也有學者對產業集聚和企業生產率之間的關系進行實證研究，但大多是針對特定行業的研究。比如，Yang et al.(2013)[26]對中國電子產業的研究發現，生產集聚會帶來生產率的提高，這種效應在小規模企業中尤為明顯，但R&D集聚與生產率呈負相關關系。范劍勇等(2014)[27]采用中國通訊設備行業數據，對產業集聚進行分解，表明專業化經濟能顯著促進企業全要素生產率增長。此外， Hu et al.(2015)[28]運用中國制造業數據和2004年普查數據研究得到了與前人不一致的結論，其結論表明集聚帶來的擁擠效應和過度競爭會抵消掉集聚帶來的積極效應。本文采用1998-2007年中國工業企業數據庫的數據，擺脫特定行業的局限，同時運用工具變量回歸控制潛在的內生性問題，結論的可信度更高。

三 計量方法與數據說明

(一)數據來源及變量說明

本文的數據來源于1998-2007年的中國工業企業數據庫。該數據庫涵蓋了國家統計局系統收集整理的規模以上(主營業務收入高于500萬元)的大中型制造業企業的相關數據，不僅包括企業名稱、法人代表、企業所在地、企業登記注冊類型等企業基本信息，還有企業各項經營指標信息，如主營業務收入、成本、利潤、職工人數、職工工資、工業總產值、工業增加值、固定資產凈值等。為進行有效的數據分析，根據謝千里等(2008)[29]的方法篩選出樣本。首先，刪除關鍵指標為缺失值的樣本；其次，刪除樣本中職工人數少于8人的企業以及工業增加值和固定資產凈值年平均余額小于等于0的企業。去掉無效數據后，樣本量從1998年147755個企業到2007年328238個企業。此外，在1998-2007年期間，中國的縣、市、地區行政代碼和行業代碼有一些變動，因此，對有過變動的縣、市代碼和行業代碼作相應的調整，使得1998年之后的行業代碼和地區行政代碼的統計口徑與1998年保持一致(Li et al.,2012)。本文涉及到的變量有產業集聚指標、企業投入產出相關指標。

關于產業集聚的度量，國內外學者提出了不同測度方法，如Krugman(1991)[30]提出的空間基尼系數、Hoover(1936)[31]采用的地方化系數、Holmes和Stevens(2002)[32]使用的區位熵指數。但也有一些學者指出這些方法忽略了企業規模差異的影響，會導致測量結果有偏差。基于上述不足，越來越多的學者選擇采用Ellison和Glaeser(1997)[33]提出的EG產業集聚指數來度量產業集聚程度，如Lu和Tao(2009)[34]、文東偉和冼國明(2014)[35]、關愛萍和張宇(2015)[36]等。EG指數考慮了企業規模差異和區域差異對產業集聚帶來的影響，彌補了傳統測度方法的缺陷。

本文采用工業企業微觀數據庫，對企業所在地的產業集聚進行測量。我們沿用Li et al.(2012)以及Chen和Wu(2014)[37]等的做法，用企業f周圍企業的規模來度量產業集聚程度*采用EG指數對產業集聚進行衡量，回歸結果與正文一致。。具體有:

agglomerationri=eri-ef

(1)

eri是每個地區r(城市)行業i(四分位行業)所有企業的職工人數，ef是企業f的職工人數。表1報告了主要變量(產業集聚和相關投入產出指標)的描述性統計結果。

表1 主要變量描述性統計

(二)全要素生產率的測算方法

企業全要素生產率反映的是扣除要素貢獻后的“剩余”生產率水平，通常被認為是技術進步或制度變化等非生產性投入要素的貢獻。利用傳統的柯布-道格拉斯生產函數和OLS估計方法來估算企業層面的全要素生產率可能會出現同時性偏差(Simultaneity Bias)和樣本選擇性偏差(Selection Bias)。Olley 和Pakes(1992)[12]提出了OP半參數估計方法，來解決上述出現的同時性偏差和樣本選擇性偏差這兩個問題。具體方法如下：在估計全要素生產率之前，對生產函數形式進行設定。通常采用Cobb-Douglass生產函數形式，即：

(2)

Yit表示產出，L表示勞動投入，K為資本投入；Ait即為全要素生產率，能夠提高各要素投入的邊際產出水平。

對式(2)取對數可得：

lnYit=αlnLit+βlnKit+uit

(3)

轉化成線性函數形式有：

yit=αlit+βkit+uit

(4)

式(3)、(4)中的誤差項則包括了全要素生產率的對數形式信息。通常可以通過對式(4)進行估計，獲得殘差值，即為對全要素生產率的估計。

但這種估計方式，會產生兩個問題。其一為同時性偏差(Simultaneity Bias)問題。在實際生產過程中，有一部分生產效率可以被企業決策者觀測到，決策者會根據這一部分信息安排要素投入，因此誤差項中的一部分是與要素投入組合(即L和K)相關的，這種內生性問題會使得對全要素生產率的估計產生偏誤。為更深入地研究這一問題，將誤差項分解為：

uit=Ωit+ηit

(5)

Ωit是可以被企業決策者觀測到的影響企業要素投入組合的那部分生產率沖擊；ηit表示不被企業決策者觀測到的生產率沖擊，因此不會對企業決策產生影響。為了解決同時性偏差問題，Olley和Pakes(1992)[12]提出，假定企業會根據生產率作出投資決策，可用企業投資來作為可觀測的那部分生產率沖擊的代理變量。首先運用永續盤存法構建資本存量與企業投資之間的關系：

Kit+1=(1-δ)Kit+Iit

(6)

其中K為企業資本存量，I為投資。該過程假定，企業的預期越高，則企業會傾向提高當期的投資，此外，Olley和Pakes(1992)[12]假定企業年齡age也會對企業投資產生影響。基于以上假定，構建企業最優投資函數為：

Iit=I(Ωit,Kit,ait)

(7)

求得該投資函數的反函數為：

Ωit=I-1(Iit,Kit,ait)=h(Iit,Kit,ait)

(8)

將式(8)、(5)代入式(4)可得：

yit=αlit+Φ(Iit,Kit,ait)+ηit

(9)

其中：

Φ(Iit,Kit,ait)=βkit+h(Iit,Kit,ait)

(10)

通過對式(9)進行估計，可以得到勞動投入的無偏估計系數，因為Φ(·)控制了會對要素投入產生影響的生產率沖擊，因此誤差項與投入無關。得到勞動投入系數后，進一步求取資本投入系數，即估計以下方程：

yit-αlit=βkit+g(Φt-1-βkit-1)+ξit+ηit

(11)

其中g(·)是一個包含Φ和資本存量滯后期的函數。

運用普通最小二乘法(OLS)估計會帶來的第二個問題就是樣本選擇性偏差。具有較大資本存量的企業，在面對低生產率沖擊時，在市場生存的概率會高于那些低資本存量的企業。因此，在面對低生產率沖擊時，企業生存的概率與企業資本存量K具有正向的相關關系。而模型中的誤差項與資本投入會有負向的相關關系，因此資本投入的系數估計會產生向下偏誤。基于此，Olley和Pakes(1992)[12]在構造包含投資和資本多項式來獲得勞動投入一致無偏估計之后，運用一個生存概率(Survival Probability)來估計企業的進入和退出，從而控制樣本選擇性偏誤問題。企業的最優化決策可以用Bellman方程來刻畫:

Vit(Ωit,Kit,ait)=Max[Φ,]SupIit≥0Πit(Ωit,Kit,ait)-C(Iit)+ρΕ{Vi，t+1(Ki,t+1,ai,t+1,Ωi,t+1)│Jit}]

(12)

其中Πit(·)為利潤函數，C(·)為當期投資成本，ρ為貼現因子，E{·|Jit}為在獲得信息J時企業的預期經營條件。Bellman方程表明，如果企業的清算價值Φ大于預期貼現回報，那么企業會選擇退出市場，因此，我們構建以下退出函數：

(13)

當χ=1時，企業會留在市場，而當χ=0時，企業會退出市場。企業的退出決策依賴于一個臨界值，當企業決策者觀測到的生產率大于這個臨界值，企業會繼續留在市場，否則退出。Olley和Pakes(1992)[12]用以下Probit模型來描述以上機制：

Pr(χit=1│Ji,t-1)=Pr(χi,t=1│Ωit-1,Ωi,t(ki,t+1))=φ(ii,t-1,ki,t-1)

(14)

最后，將上述得到的Probit擬合值代入式(11)得：

(15)

利用上述OP半參數三步估計方法對我國工業企業1998-2007年的全要素生產率進行估計。依照Olley和Pakes(1992)[12]的思路，并借鑒魯曉東等(2012)[38]的做法將企業出口行為決策引入到模型之中，估計以下模型：

lnY=β0+βklnK+βllnL+βaage+βeexport+∑mδmyearm+∑nγnregn+∑kφkindk+ε

(16)

其中產出Y為工業增加值，K為資本投入(這里與謝千里等(2008)[29]的做法相同，選用固定資產凈值作為衡量資本投入的指標)，L為企業職工人數，export為企業是否有出口行為的虛擬變量。由于中國工業企業數據庫并沒有企業投資這一指標，計算企業投資是估計生產率必需的一個步驟。對此，參照宏觀資本存量的核算方式，運用永續盤存法來計算投資(魯曉東，2012)[38]：It=Kt-Kt-1+Dt，其中K表示固定資產原值，D為當年折舊。考慮通貨膨脹的影響，運用價格指數對相關變量進行平減。其中工業增加值采用的是各地區工業品出廠價格指數進行平減，固定資產凈值和固定資產原值采用的是各地區固定資產投資價格指數平減。根據上述方法，對企業層面的全要素生產率估計結果如表2所示，由此可見，非國有企業的全要素生產率總體要高于同時期的國有企業。

表2 運用OP半參數估計法得到的TFP描述性統計

(三)計量模型

為考察產業集聚對企業全要素生產率的影響，構建實證模型如下：

lnTFPfict=αi+β·agglomerationfict+θXfict+γt+εfict

(17)

TFPfict是城市c行業i的企業f在t年的全要素生產率水平；agglomerationfict表示產業集聚水平，用企業f周圍企業(同四分位行業i和同一城市c)的規模表示;αi表示企業虛擬變量，可以控制不隨時間變化的企業特征；γt表示時間虛擬變量，可以控制同一年中影響企業的因素；εfict是誤差項；Xfict是控制變量，本文采用工業中間投入和企業規模作為回歸的控制變量。工業中間投入是企業在生產或提供貨物與服務過程中，消耗的所有非固定資產貨物和服務的價值，消耗一定的固定資產，如果中間投入更多，那么企業的產出會更高，相應的生產率會更高。已有研究表明工業中間投入對中國工業行業的生產率有積極促進作用(李國璋等，2011)[39]，因此工業中間投入越多，表示企業的生產率越大，工業中間投入系數的符號應該為正。此外，企業規模對企業全要素生產率也會產生影響。Jovanovic(1982)[40]研究認為企業規模越大，其生產效率會越高，但也有學者發現企業規模與企業生產率具有負向關系，Fernandes(2008)[25]認為規模越小的企業會更有效率。因此，企業規模與企業全要素生產率的關系是不確定的。

四 實證結果

(一)面板固定效應模型

對式(17)進行估計，表3的列(1)、列(2)是針對全樣本的面板固定效應回歸結果，通過對回歸結果進行分析，發現產業集聚對企業全要素生產率具有顯著的正向影響。加入工業中間投入和企業規模控制變量后結果沒有發生顯著變化，系數為0.009，比沒有加入控制變量時的0.013略小。與預期估計一致，工業中間投入對全要素生產率具有顯著的正向作用；而企業規模對企業生產率的影響是負向的，這與Fernandes(2008)[25]的結論一致。相比于非國有企業，國有企業會得到更多的政府支持和政策上的傾斜，表2描述性統計也表示國有企業的全要素生產率普遍低于同期非國有企業的全要素生產率，為了考察不同所有制企業中，產業集聚對企業生產率影響是否有差別，分別對國有企業樣本和非國有企業樣本進行回歸，結果如表3的列(3)-列(6)。可以發現，無論是國有企業還是非國有企業，產業集聚對企業全要素生產率的影響依舊是正向顯著的。

表3 面板固定效應模型回歸結果

(二)內生性問題

基于上述實證結果，可以認為產業集聚與企業全要素生產率存在正向關系。但是，有幾個問題需作進一步考慮：產業集聚與企業生產率是否互為因果的關系，生產率越高的企業本身是否會傾向于落戶在產業集聚程度高的地區？此外，企業生產率的影響因素眾多，式(17)無法將其全部囊括，因此可能會遺漏一些與產業集聚相關的變量。這些潛在的內生性問題都會對估計結果產生一定的影響。基于此，本文運用工具變量回歸方法來控制這些潛在的內生性問題。選擇1978年各地區產業集聚程度作為產業集聚的工具變量(Chen 和 Wu，2014)[37]。具體原因如下：(1)根據Krugman(1991)[30]的研究，地區的歷史狀況會對當代經濟發展產生影響，地理位置好、資源豐富和經濟條件優越的地區更容易吸引企業進入。因此，1978年各地區的產業集聚程度與當代的產業集聚程度是存在相關關系的；(2)由于我國在1978年實行改革開放，1978年的經濟格局與如今有較大差距，沒有證據表明1978年各地區產業集聚程度會對當代企業全要素生產率有直接影響。因此，1978年地區產業集聚程度只會通過影響當代的產業集聚，進而影響企業的全要素生產率。基于上述分析，本文選取的工具變量具有合理性，后文的弱工具變量檢驗和有效性檢驗結果會進一步佐證我們的論述。具體來說，主要采用1978年各省份企業數量來度量1978年各地區產業集聚程度，即對工業企業數據庫中1978年及以前成立的企業進行加總。表4是對工具變量統計結果的描述。

但作為工具變量的1978年各地區產業集聚程度本身是不隨時間變化的，因此，將其與時間虛擬變量作交乘項，得到隨時間變化的工具變量。因此，面板工具變量回歸的第一階段分析可用如下等式表示：

agglomerationfict=γi+γFirmNumber1978*γt+γt+σfict

(18)

FirmNumber1978代表了1978年各地區產業集聚程度，與年份虛擬變量作交乘項得到會隨時間變化的工具變量。

表4 工具變量——1978年產業集聚程度

采用面板工具變量回歸對產業集聚和企業全要素生產率的關系作進一步分析。表5為面板工具變量回歸的結果。其中B部分為第一階段的回歸結果，被解釋變量為產業集聚。A部分為第二階段的回歸結果，被解釋變量為企業全要素生產率。表5的列(1)、列(2)為所有樣本的工具變量回歸結果，其中列(2)中的模型加入了控制變量。從B部分結果可得出，隨著時間變化的工具變量與產業集聚具有顯著的正向關系，同時，不可識別檢驗和弱工具變量檢驗結果顯示，我們選取的工具變量是有效的。A部分的結果顯示，加入了工具變量后，產業集聚對企業全要素生產率依然具有顯著正向的影響，且系數相較于面板固定效應回歸的結果變大，產業集聚程度每提高1%，企業全要素生產率會提高0.84%。此外，控制變量工業中間投入和企業規模對企業全要素生產率的影響與前面的結果一致，在此不作贅述。

此外，為了考察產業集聚與企業全要素生產率之間的關系在不同所有制企業之間是否存在差異，我們分別對國有企業和非國有企業做了上述的面板工具變量回歸。國有企業回歸結果如表5的列(3)、列(4)所示，可以發現，第一階段的工具變量有效性檢驗(F統計量<10)沒有通過，而第二階段結果顯示產業集聚對企業全要素生產率具有顯著的負向作用。這一結果的出現，可能是由于國有企業一般會有更多的政府支持和政策優惠，因此產業集聚的作用并不明顯。而對于非國有企業來說，第一階段結果表明工具變量是顯著有效的，第二階段結果顯示，企業會從產業集聚中得到好處，產業集聚程度每提高1%，企業全要素生產率提高8.0%。

通過對面板固定效應回歸結果和面板工具變量回歸結果進行比較分析，發現后者解釋變量的系數更大。此外，Hausman檢驗結果表明兩者回歸結果是顯著不同的。因此可以認為工具變量結果是可信的，也進一步驗證了前文的結論：產業集聚程度高的地區，知識溢出效應更加明顯，人才的流動更加頻繁，從而推動企業技術加速革新，提高企業的全要素生產率。

表5 面板工具變量回歸結果

(續上表)

變量全樣本(1)(2)國有企業(3)(4)非國有企業(5)(6)B:第一階段回歸結果(被解釋變量:產業集聚)企業數量*2005年0.127***0.117***0.0090.0060.091***0.086***(0.008)(0.008)(0.019)(0.019)(0.010)(0.010)企業數量*2006年0.123***0.112***-0.009-0.0130.087***0.082***(0.009)(0.009)(0.021)(0.021)(0.011)(0.011)企業數量*2007年0.131***0.121***0.0220.0180.093***0.088***(0.009)(0.009)(0.025)(0.025)(0.011)(0.011)年份虛擬變量有有有有有有企業虛擬變量有有有有有有不可識別檢驗405.44***357.93***29.88***27.46**235.60***216.93***F統計量45.99***40.54***3.32***3.05**26.51***24.39***樣本量1430087142742015646315489912674271266345

五 穩健性檢驗

(一)平衡面板

上文面板固定效應模型和面板工具變量回歸中的樣本均為非平衡面板數據。在這些樣本中，有的企業中途破產而退出市場，也有新的企業進入。為進一步驗證前面的結果，本部分構建一個1998-2007年的平衡面板數據，重新按照上述思路對模型進行分析。表6為平衡面板固定效應回歸的結果。與前面得出的結論一致，無論是全體樣本還是非國有企業樣本，產業集聚與企業全要素生產率具有顯著的正相關關系。而在國有企業樣本中，產業集聚對企業全要素生產率的正向影響并不顯著。

對平衡樣本作面板工具變量回歸分析，結果如表7所示。B部分為第一階段回歸結果，A部分為第二階段回歸結果。對全樣本回歸的結果顯示，產業集聚與企業全要素生產率有顯著正相關關系，與之前得出的結論一致。而國有企業樣本的這種正相關關系并不顯著；對于非國有企業來說，產業集聚與企業全要素生產率具有顯著正相關關系，但弱工具變量檢驗的結果沒有通過。

表6 平衡面板固定效應回歸

(續上表)

變量全樣本(1)(2)國有企業(3)(4)非國有企業(5)(6)企業規模-0.245***-0.272***-0.248***(0.007)(0.023)(0.007)常數項4.313***1.623***3.847***2.857***4.392***1.485***(0.021)(0.065)(0.063)(0.216)(0.022)(0.067)時間虛擬變量有有有有有有企業虛擬變量有有有有有有樣本量2111302110453194631914179184179131R20.0620.5000.0440.3330.0600.488F-test的P-value0.0000.0000.0000.0000.0000.000

表7 平衡面板工具效應回歸

(二)產業集聚效應分解

將產業集聚的影響進行分解，以探析集聚效應對企業全要素生產率的影響機制。按照Li et al.(2012)的做法，集聚效應可被分解為：地區的企業數量和企業的平均規模。其中，前者為同地區企業f周圍的企業數量，后者為同地區企業f周圍企業的平均規模。具體而言，兩者的計算公式如下：

(19)

(20)

其中xj為位于城市c的產業i中企業j的職工人數；Ωic表示產業i城市c的企業集合。

表8為產業集聚效應分解的面板固定效應回歸結果。從表8列(1)結果可以看出，企業數量對全要素生產率的影響顯著為正，系數為0.016，而鄰近企業平均規模對全要素生產率的影響顯著為負，系數為-0.005。同樣的結果，對非國有企業也適用。而在國有企業中，鄰近企業平均規模的影響是負向的，但不顯著。這表明，產業集聚對企業全要素生產率的影響力更體現在企業數量上。某一地區行業內企業數量越多，企業的全要素生產率會更高。

表8 產業集聚的分解效應

(三)全要素生產率測算

為了更進一步地驗證產業集聚與企業全要素生產率之間的關系，分別采用普通最小二乘法(OLS)和LP半參數方法對企業全要素生產率進行估計。LP半參數估計方法是由Levinsohn 和 Petrin(2003)[41]提出的，在OP半參數估計方法的基礎上，對生產率沖擊的代理變量進行調整。Levinsohn 和 Petrin(2003)[41]認為不是每一個企業每年都會產生正的投資，OP半參數估計方法下那些投資為0的企業樣本會被舍棄掉。基于此，Levinsohn 和 Petrin(2003)[41]提出以中間投入作為生產率沖擊的代理變量，對生產率進行估計，LP方法不能對樣本選擇性偏差問題進行有效控制，因此，資本投入系數的估計量可能會出現向下偏誤。但總體上，以這兩種方式作為穩健性檢驗并無太大干擾。

運用OLS和LP方法估計的全要素生產率作為因變量，重復上述面板固定效應模型的分析過程，結果如表9所示。將表9的結果與表3進行對比發現：選用OLS和LP方法估計的全要素生產率作為因變量的面板固定效應回歸結果與前面結果一致，表明產業集聚與企業全要素生產率之間的正相關關系是穩健的，且三者的系數也高度重合。與前面結果唯一不同的地方在于，運用LP方法估計全要素生產率作為因變量時，企業規模對全要素生產率的影響顯著為正。這其中的因果關系尚需進一步探究，本文因篇幅所限，暫不深究。

表9 OLS和LP估計的TFP作為因變量

六 結論與啟示

本文基于1998-2007年中國工業企業數據庫的數據，對產業集聚與企業全要素生產率之間的關系進行研究。結果發現，產業集聚對企業全要素生產率具有顯著的正向影響，產業集聚程度高的地區，企業會有更高的全要素生產率。同時，運用工具變量控制產業集聚的內生性，發現產業集聚對企業全要素生產率依然具有正向影響，且這種影響在非國有企業中尤為顯著，而在國有企業樣本中并不顯著。此外，將產業集聚效應進行分解之后，發現周圍同行業企業的數量越多，企業全要素生產率越高。綜合而言，地區產業集聚程度越高，同行業企業數量越多，一方面知識溢出效應明顯，人才流動頻繁，促進企業技術革新和制度創新；另一方面，同行業企業數量越多，競爭壓力越大，企業會更有動力進行研發創新和組織制度改進。本文研究結論在一定程度上對探究產業集聚和企業發展有參考意義。新企業成立時，宜多考慮在產業集聚程度較高的地方注冊落戶，產業集聚效應有助于企業生產效率提高、企業成長和競爭力提升。

[1]Jorgenson, D., Griliches, Z.. The Explanation of Productivity Change.TheReviewofEconomicStudies, 1967, 34(3): 249-283.

[2]冼國明, 文東偉. FDI、 地區專業化與產業集聚. 管理世界, 2006, (12): 18-31.

[3]Marshall, A. F.. Principles of Economics London: Macmillan.PoliticalScienceQuarterly, 1920, 31(4): 430-444.

[4]Ciccone, A.. Agglomeration Effects in Europe.EuropeanEconomicReview, 2002, 46(2): 213-227.

[5]Carlino, G. A., Chatterjee, S., Hunt, R. M.. Urban Density and the Rate of Invention.WorkingPapers, 2006, 61(3): 389-419.

[6]Li, D., Lu, Y., Wu, M.. Industrial Agglomeration and Firm Size: Evidence from China.RegionalScience&UrbanEconomics, 2012, 42(1): 135-143.

[7]Henderson, J.. Marshall’s Scale Economies.JournalofUrbanEconomics, 2003, 53(1): 1-28.

[8]李君華. 學習效應、 擁擠性、 地區的分工和集聚. 經濟學(季刊), 2009, (3): 787-812.

[9]Batisse, C.. Dynamic Externalities and Local Growth: A Panel Data Analysis Applied to Chinese Provinces.ChinaEconomicReview, 2002, 13(s2-3): 231-251.

[10] Fan, C. C., Scott, A. J.. Industrial Agglomeration and Development: A Survey of Spatial Economic Issues in East Asia and a Statistical Analysis of Chinese Regions.EconomicGeography, 2003, 79(79): 295-319.

[11] Lin, H. L., Li, H. Y., Yang, C. H.. Agglomeration and Productivity: Firm-level Evidence from China’s Textile Industry.ChinaEconomicReview, 2011, 22(3): 313-329.

[12] Olley, G., Pakes, A.. The Dynamics of Productivity in the Telecommunications Equipment Industry.NBERWorkingPaper, No. 3977, 1992.

[13] 張杰, 李克, 劉志彪. 市場化轉型與企業生產效率——中國的經驗研究. 經濟學(季刊), 2011, (2): 571-602.

[14] 張杰, 李勇, 劉志彪. 出口與中國本土企業生產率——基于江蘇制造業企業的實證分析. 管理世界, 2008, (11): 50-64.

[15] 張杰, 李勇, 劉志彪. 出口促進中國企業生產率提高嗎?——來自中國本土制造業企業的經驗證據: 1999～2003. 管理世界, 2009, (12): 11-26.

[16] 余淼杰. 中國的貿易自由化與制造業企業生產率. 經濟研究, 2010, (12): 97-110.

[17] 簡澤, 張濤, 伏玉林. 進口自由化、 競爭與本土企業的全要素生產率——基于中國加入WTO的一個自然實驗. 經濟研究, 2014, (8): 120-132.

[18] Hsieh, C., Klenow, P.. Misallocation and Manufacturing TFP in China and India.QuarterlyJournalofEconomics, 2007, 124(4): 1403-1448.

[19] 簡澤. 企業間的生產率差異、 資源再配置與制造業部門的生產率. 管理世界, 2011, (5): 11-23.

[20] 聶輝華, 賈瑞雪. 中國制造業企業生產率與資源誤置. 世界經濟, 2011, (7): 27-42.

[21] 龔關, 胡關亮. 中國制造業資源配置效率與全要素生產率. 經濟研究, 2013, (4):4-15.

[22] 吳延兵. R&D與生產率——基于中國制造業的實證研究. 經濟研究, 2006, (11): 60-71.

[23] 吳延兵, 米增渝. 創新、 模仿與企業效率——來自制造業非國有企業的經驗證據. 中國社會科學, 2011, (4): 77-94.

[24] Biesebroeck, J. V.. Firm Size Matters: Growth and Productivity Growth in African Manufacturing.EconomicDevelopment&CulturalChange, 2005, 53(3): 545-83.

[25] Fernandes, A. M.. Firm Productivity in Bangladesh Manufacturing Industries.WorldDevelopment, 2008, 36(10): 1725-1744.

[26] Yang, C. H., Lin, H. L., Li, H. Y.. Influences of Production and R&D Agglomeration on Productivity: Evidence from Chinese Electronics Firms.ChinaEconomicReview, 2013, 27: 162-178.

[27] 范劍勇, 馮猛, 李方文. 產業集聚與企業全要素生產率. 世界經濟, 2014, (5): 51-73.

[28] Hu, C., Xu, Z., Yashiro, N.. Agglomeration and Productivity in China: Firm Level Evidence.ChinaEconomicReview, 2015, 33: 50-66.

[29]謝千里, 羅斯基, 張軼凡. 中國工業生產率的增長與收斂. 經濟學(季刊), 2008, 7(3): 809-826.

[30] Krugman, P.. Increasing Returns and Economic Geography.JournalofPoliticalGeography, 1991, 99(3): 483-499.

[31] Edgar M. Hoover. The Measurement of Industrial Localization.ReviewofEconomicsandStatistics, 1936, 18(4): 162-171.

[32] Holmes, T. J., Stevens, J. J.. Geographic Concentration and Established Scale.ReviewofEconomics&Statistics, 2002, 84(4): 682-690.

[33] Ellison, G., Glaeser, E. L.. Geographic Concentration in U.S. Manufacturing Industries: A Dartboard Approach.JournalofPoliticalEconomy, 1997, 105(5): 889-927.

[34] Lu, J., Tao, Z.. Trends and Determinants of China’s Industrial Agglomeration.JournalofUrbanEconomics, 2009, 65(2): 167-180.

[35] 文東偉, 冼國明. 中國制造業產業集聚的程度及其演變趨勢: 1998～2009年. 世界經濟, 2014, (3): 3-31.

[36]關愛萍, 張宇. 中國制造業產業集聚度的演進態勢: 1993-2012——基于修正的E-G指數. 產經評論, 2015, 6(4): 15-27.

[37] Chen, B. R., Wu, M.. Industrial Agglomeration and Employee Compliance with Social Security Contribution: Evidence From China.JournalofRegionalScience, 2014, 54(4): 586-605.

[38] 魯曉東, 連玉君. 中國工業企業全要素生產率估計: 1999-2007. 經濟學(季刊), 2012, 11(2): 541-558.

[39] 李國璋, 戚磊. 離岸和本土中間投入對中國工業行業生產率的影響. 中國工業經濟, 2011, (5): 80-89.

[40] Jovanovic, B.. Selection and the Evolution of Industry.Econometrica, 1982, 50(3): 649-70.

[41] Levinsohn, J., Petrin, A.. Estimating Production Functions Using Inputs to Control for Unobservables.TheReviewofEconomicStudies, 2003, 70(2): 317-341.

[引用方式]吳明琴, 童碧如. 產業集聚與企業全要素生產率: 基于中國制造業的證據. 產經評論, 2016, 7(4): 30-44.

Industrial Agglomeration and Total Factor Productivity of Enterprise:Evidence from Chinese Manufacturing

WU Ming-qin TONG Bi-ru

The paper aims to make an investigation on the relationship between the industrial agglomeration and firm-level TFP by using the China’s National Bureau of Statistics from year 1998 to 2007.We use the OP semiparametric estimation method to estimate the firm-level TFP, and conclude that the industrial agglomeration has a significant positive effect on the firm-level TFP. At the same time, We employ instrumental variables to control the potential endogeneity issues, and the result confirms the positive relationship between industrial agglomeration and TFP, which is especially significant in non-SOE firms. In addition, we decompose the industrial agglomeration effect in robustness checks, and find that the number of neighboring firms is the main factor influencing the TFP, which embodies that industrial agglomeration improves firm-level TFP by technology innovations and improving organization system deriving from knowledge spillover, labor flow and moderate industrial competition.

industrial agglomeration; TFP; OP semiparametric estimation

2016-04-09

廣東省公益能力研究與能力建設專項資金項目“環境規制對廣東省產業轉型升級和吸引外資的理論與實證研究：基于企業異質性的視角”(項目編號：2015A070704047，項目主持人：吳明琴)；廣州市科技計劃項目“廣州市產業集聚對企業社會保障支出的影響機制”(項目編號：2014Y4300024，項目主持人：吳明琴)；廣東省教育廳“產業集聚對企業養老、醫療保險支出的影響機制分析”(項目編號：2013WYM0013，項目主持人：吳明琴)。

吳明琴，華南師范大學經濟與管理學院副教授，研究方向為發展經濟學；童碧如，中山大學管理學院碩士研究生，研究方向為產業經濟學。

F062.9

A

1674-8298(2016)04-0030-15

[責任編輯:戴天仕]

10.14007/j.cnki.cjpl.2016.04.003