生產性服務業集聚一定會提升制造業的生產率嗎？
——來自微觀企業的證據

生產性服務業集聚一定會提升制造業的生產率嗎？
——來自微觀企業的證據

黎日榮周政

制造業依然有進一步向城市集聚的趨勢，生產性服務業集聚如何提高企業的生產效率需要更深入的研究。在什么條件下集聚才能避免擁擠效應，從而有效地提高集聚效應，對此，現有文獻尚未作出很好的解釋。對不同空間尺度下生產性服務業的溢出效應，可使用中國220個地級及以上城市的工業企業數據進行分析。與已有文獻普遍認為的生產性服務業集聚會提升制造業生產率不同，研究發現生產性服務業集聚的溢出效應在不同空間單元表現不同，在全市范圍表現為顯著的集聚效應，每平方公里增加100個生產性服務就業人口，企業的平均生產率提升19.52%；在市轄區表現為顯著的擁擠效應，每平方公里增加100個生產性服務就業人口，企業的平均生產率下降19.87%。這表明只有與集聚區保持適度的距離才能更好地發揮集聚效應。通過分析不同規模城市發現，集聚效應只顯著發生在生產性服務業高度集聚的大城市，說明生產性服務業要集聚到一定程度才顯著發揮外溢作用。結論的政策含義是：地級市政府宜提高轄市轄縣與轄區之間的交通便利性，轄市轄縣專業發展制造業，以接受市轄區生產性服務業的集聚效應。

制造業； 生產性服務業集聚； 企業生產率； 集聚效應； 擁擠效應

一 引 言

新常態下，提高企業全要素生產率是保持經濟中高速增長，實現經濟往高端邁進的基本路徑和保障機制。而大規模的突破性創新難以在短期內匯聚，優化資源配置是近期釋放生產率的重要途徑。對于資源優化配置，一種流行的觀點認為，大城市人口密集、土地價格高昂，適合發展服務業，制造業適合轉移到中小城市。然而2015年GDP總量最大的十大城市：上海、北京、廣州、深圳、天津、重慶、蘇州、成都、武漢和杭州，2010年制造業就業占全部城市制造業就業的23%，2015年這一比例上升到26%。可見制造業依然有進一步向大城市集聚的趨勢。企業是追求利潤最大化的主體，為什么傾向于選擇擁擠的大城市？周圣強和朱衛平(2013)[1]、李曉萍等(2015)[2]實證研究發現，2003年之后總體經濟集聚對城市全要素生產率表現為顯著的擁擠效應。生產性服務業集聚是否會對制造業形成擁擠效應？大城市的吸引力在哪里，擁擠效應又表現在哪里？目前較多文獻分析了生產性服務業集聚對制造業生產率的影響，并較為一致地認為，生產性服務業集聚對制造業生產率存在顯著的集聚效應(顧乃華，2011[3]；宣燁，2012[4]；李敬子等，2015[5]；余泳澤等，2016[6]；陳紅霞和李國平，2016[7])。孫曉華等(2014)[8]進一步指出，生產性服務業產出每增加100%，會帶來制造業產出提高219.5%。張浩然(2015)[9]研究發現，生產性服務業集聚對城市經濟效率提升有顯著的促進作用。為什么生產性服務業高度集聚的城市，例如北上廣，依然有大量的制造業企業遷出，生產性服務業集聚一定會提高企業的生產效率嗎？現有文獻并未對這些問題做出很好的解釋。

已有文獻為理解生產性服務業集聚影響制造業生產率提供了理論基礎，但尚存在以下兩方面不足：(1)已有文獻主要關注行業和地區生產率，而對企業生產率的影響仍討論不夠。使用城市和行業的數據，估算出的生產率容易受地方政府直接投資的影響，并不能準確代表實體制造業企業的生產率。(2)已有文獻主要以地級市作為分析的空間單元，考慮集聚的空間溢出效應，也僅限于地級市之間(張浩然，2015[9]；余泳澤等，2016[6])。事實上，地級市內部空間具有典型的非均質性，2014年中國75%的生產性服務業就業集中在地級市的市轄區，形成典型的以地級市市轄區為“中心”，轄市轄縣為“外圍”的圈層結構。Anas et al.(1998)[10]指出，不同空間尺度上集聚經濟作用的類型是不一樣的，因為導致空間鄰近的相互作用機制各有不同。生產性服務業集聚對轄市轄縣企業和對轄區企業的影響可能不一樣。另一方面，在分稅制下地級市政府有強烈的招商引資動力，均不愿企業遷出，企業在地級市之間遷移往往受到行政干涉的“軟約束”，但在地級市內部遷移就相對自由。所以相對于以地級市為分析單元，分析生產性服務業集聚對地級市內不同區位企業的差異化影響，對于優化城市資源配置，促進產城融合發展更具有現實指導意義。

本文把空間單元進一步細化到地級市市轄區，使用中國工業企業數據和城市數據，從理論和實證兩方面分析生產性服務業集聚對制造業企業生產率的影響，以探索大城市生產率優勢及擁擠效應的來源，主要有以下兩方面的邊際貢獻：(1)生產性服務業的主要服務對象是制造業企業，使用微觀企業生產率能更準確考察生產性服務業集聚對制造業生產率的影響。另一方面與使用地區加總的小樣本數據相比，微觀企業大樣本數據回歸得到的結論更加準確和穩健。(2)不同空間尺度，集聚的溢出機制不一樣。與已有文獻基于地級市單元得出的集聚效應不同，本文實證分析發現生產性服務業集聚對市轄區企業生產率存在顯著的擁擠效應。本文結論是對生產性服務業集聚文獻的有益補充，對于疏解大城市的產能同樣具有現實指導意義。后續內容的結構安排如下：第二部分為生產性服務業集聚的影響機制與理論模型；第三部分為數據說明與集聚的特征性事實；第四部分為回歸模型設定與變量度量；第五部分為回歸結果與分析；第六部分為結論與政策含義。

二 集聚的影響機制與理論模型

(一)生產性服務業集聚對制造業企業的影響機制

自新古典經濟學時期開始，產業集聚的外部性便引起諸多學者的關注，Marshall(1890)[11]把這種外部性概括為投入品共享、勞動力市場匹配和知識溢出。新經濟地理學產生后，集聚的規模經濟效應不僅在理論上獲得充分發展，也得到了實證研究的支持。Duranton和Puga(2004)[12]把集聚對生產率的微觀影響機制概括為：共享、匹配和學習機制。早期理論主要關注制造業集聚或總體經濟集聚。當把視角聚焦于生產性服務業時，集聚效應的作用機制略有不同。生產性服務業集聚通過以下渠道影響微觀企業：(1)技術外溢效應。生產性服務是知識和技術密集型中間產品，企業投入生產性服務使知識和技術源源不斷地導入企業，有利于深化生產專業性和提升創新能力，降低生產成本。一方面，生產性服務業集聚為本地企業提供更多差異化的中間品，有助于提高匹配效率，增加企業使用中間品的種類，使更多元化的知識和技術導入企業，稱之為集聚的種類效應。另一方面，生產性服務業集聚會增加本地中間品市場的競爭，降低中間品的價格，有助于增加企業使用服務中間品的數量，使更多知識導入企業，稱之為集聚的數量效應。集聚的種類效應和數量效應共同通過技術外溢提高企業的生產率。(2)價格效應。生產性服務業是知識密集行業，具有規模報酬遞增的特性，通過行業間的分工以及專業化生產，能有效降低生產性服務的成本，比企業自身生產更有效率。城市生產性服務業越集聚，專業化帶來的規模效應就越顯著，服務中間品的生產成本就越低，本地企業就越能共享質優價廉服務中間品的好處，稱之為集聚的價格效應。(3)擁擠效應。生產性服務業集聚與制造業企業在人才、土地和公共設施方面形成競爭關系，給制造業企業帶來擁擠效應。Keeble和Nachum(2002)[13]認為相對于制造業從供給和需求角度探索集聚利益的來源，生產性服務業更適合從創新環境和集聚學習角度探索集聚利益的來源。中心城區企業高度集聚，知識通過勞動力高頻率的交流在集聚區內快速傳播，使集聚區形成良好的學習和創新環境，從而成為生產性服務企業的集聚地點。本文統計發現，2014年中國地級市市轄區總面積不到全國面積的15%，但集中了75%的生產性服務業和63%的制造業。生產性服務業在中心城區高度集聚，會由于房價較高、交通擁擠等而提高企業生產成本，降低生產效率。集聚程度越高擁擠效應越顯著，但集聚對外圍區(轄市轄縣)企業的擁擠效應較小。生產性服務業集聚對制造業企業的影響是種類效應、數量效應、價格效應和擁擠效應共同作用的結果。

(二)理論模型

Halpern et al.(2011)[14]建立了中間投入品對企業生產率影響的理論模型，本文借鑒這一模型，并把生產性服務業中間品(若沒有特別指明，下文的中間品特指生產性服務業中間品)分離出來，分析生產性服務業集聚對企業生產率的影響。假定城市c的s行業中有J個企業，代表性企業j的生產函數為：

(1)

(2)

其中Mic、Mig分別表示本地市場和外地市場提供的中間品i的數量。假設企業是價格的接受者，Mic、Mig對應的價格分別為Pic和Pig。Bi為本地中間品的效率參數，并且Bi>0。生產性服務內含的知識大部分是默會知識，知識傳遞的效率取決于是否進行面對面的交流，這也是生產性服務可貿易性低的原因。生產性服務的貿易性越低，相對而言使用本地中間品效率就越高，Bi就越大。令Ai=BiPig/Pic，Ai代表本地提供的中間品相對外地中間品所具有的質量優勢，中間品貿易性越低，Ai就越大。出于簡化，進一步將外地中間品的價格Pig標準化為1，Ai對所有中間品均相同，則有Ai=A=Bi/Pic。中間品i的價格指數Pi根據式(2)成本最小化得到：

(3)

當企業僅使用外地中間品時，價格指數Pi=Pig。用b代表相對于僅使用外地中間品，同時使用本地中間品和外地中間品所節省的成本百分比，即有：

(4)

b越大表示所節省的成本越多，由式(4)易知?b/?A>0，即本地中間品越有質量優勢，同時使用兩種中間品所節省的成本就越多。?b/?θ<0，表示本地和外地中間品的替代性θ越小，b越大。由于兩種中間品不具有完全替代性，企業會同時使用兩者，每種中間品使用的比例取決于質量優勢A和替代性θ。

給定Cobb-Douglas生產技術條件下，企業花費在中間品的總支出Xj為：

(5)

把式(4)、(5)代入式(1)，并對式(1)取對數得：

yj=φj(ωcs,nj,Mji)+αkj+βlj+λzj+γxj+γb

(6)

其中yj、kj、lj、zj、xj均為對數形式，φj(ωcs,nj,Mji)為Ωj(ωcs,nj,Mji)的對數形式。把式(4)代入式(6)，并寫成生產率的形式：

(7)

可見企業的生產率tfpj取決于φj(ωcs,nj,Mji)和log[1+Aθ-1]，其中A=Ai=Bi/Pic。生產性服務業集聚有利于加劇本地市場競爭，提高本地中間品市場的效率，即Bi增加，同時會降低本地中間品的價格，即Pic下降，兩者作用共同提高A，從而提高本地制造業企業的生產率，即為集聚的價格效應。生產性服務業集聚通過為本地企業提供更多的差異化中間品，以及降低中間品的價格，增加企業使用中間品的種類nj和數量Mji，通過間接的技術溢出提高企業的全要素生產率φj(ωcs,nj,Mji)。由此提出假說1。

假說1：生產性服務業集聚通過直接的價格效應和間接的種類效應、數量效應提高企業的生產率。

生產性服務業的集聚效應是價格效應、種類效應和數量效應的加總，對中心城區的企業，集聚同時會帶來擁擠效應ωcs，由此提出假說2。

假說2：生產性服務業集聚對中心城區企業生產率的影響取決于正的集聚效應和負的擁擠效應的大小，當集聚效應大于擁擠效應，集聚提高企業的生產率，否則降低企業的生產率。

三 數據說明與特征性事實

(一)數據說明

本文回歸分析的企業數據來源于中國工業企業數據庫。中國工業企業數據庫數據由國家統計局通過每年的工業企業調查收集，其樣本覆蓋全部國有工業企業以及規模以上非國有工業企業，每個樣本包括 100 多個企業特征變量，是研究中國微觀企業生產率最重要的數據。但當前該數據庫的使用主要集中在國際貿易、融資約束等領域文獻，鮮見于生產性服務業研究文獻。本文研究是對生產性服務業集聚文獻在數據上的一個拓展。我國2003年開始執行2002版的《國民經濟行業分類》，與舊版相比，生產性服務業分類有調整，為了保持統計口徑的一致，本文選取2003-2007年的數據，選擇其中二位碼為13-37、39-42的共29個制造業行業。剔除了例如流動資產大于總資產等不合理的觀測，依據Brandt et al.(2012)[15]的方法把各年的企業樣本進行匹配，組建成面板數據。城市數據來源于歷年《中國城市統計年鑒》，剔除了數據缺失較多的部分城市后，共有220個地級及以上城市。通過城市代碼把企業數據和城市數據匹配在一起，全市范圍的企業觀測值共841033個。另外本文通過市轄區郵政編碼識別市轄區企業，其觀測值共418579個*郵政編碼來源于全國郵政編碼查詢系統(www.yb21.cn)，市轄區郵政編碼經作者手工整理得到。。

(二)生產性服務業集聚的特征性事實

目前學術界對生產性服務業并沒有統一的界定，本文借鑒王恕立和胡宗彪(2012)[16]的方法，將“交通運輸、倉儲和郵政業”，“信息傳輸、計算機服務和軟件業”，“批發和零售業”，“金融業”，“房地產業”，“租賃和商務服務業”，“科學研究、技術服務和地質勘查業”，“水利、環境和公共設施管理業”劃分為生產性服務業。2014年中國地級及以上城市市轄區集聚了75%的生產性服務業就業人口，制造業這一比例為63%。北京、上海、廣州、深圳、天津、杭州、南京、成都、西安、鄭州十大城市市轄區面積占國土面積不到1%，2003年和2014年生產性服務就業占全國的比例分別為24%和33%，同期制造業的比例分別為18%和19%。可見，生產性服務業在空間分布上有顯著的集聚特征，集聚程度遠高于制造業，并且有進一步集聚的趨勢。表1*表1及本文的其他就業數據均來源于歷年《中國城市統計年鑒》。列示了2003-2014年城市的就業增長情況。就全國水平看，市轄區生產性服務業就業增長速度遠高于全市制造業和全市生產性服務業，市轄區制造業就業增長速度遠低于全市制造業和全市生產性服務業。2003年市轄區生產性服務業與制造業就業的比例為0.763，2014年這一比例上升到0.94，市轄區經濟有顯著的服務化趨勢。本文把220個樣本城市根據市轄區2003-2007年的平均人口，從小到大劃分為小城市、中小城市、中型城市和大城市，每個等級均為55個城市。在不同規模的城市中，大城市市轄區經濟服務化特征最為明顯，生產性服務業就業增速遠高于其他規模城市，2003年和2014年生產性服務業與制造業就業的比值分別為0.85和1.11，不管是絕對水平還是增長速度均遠高于其他規模城市。

通過以上數據分析，可以提煉出我國生產性服務業集聚的三個特征性事實：一是生產性服務業集聚水平遠高于制造業，且有進一步集聚的趨勢；二是市轄區經濟服務化趨勢明顯，并且有“擠出”制造業的跡象；三是大城市生產性服務業增速最快，經濟服務化特征最明顯。

表1 城市生產性服務業的特征性事實

四 回歸模型設定與變量度量

(一)模型設定

根據式(7)，本文的回歸模型設定如下：

lntfp=β0+β1Density+Xβx+Yβy+νc+νr+νt+νj+εjt

(8)

其中被解釋變量lntfp是企業的全要素生產率，核心解釋變量Density是城市生產性服務業的集聚變量，X為企業層面的控制變量，Y為城市層面的控制變量，vc、vr、vt、vj分別代表二位碼行業效應、地區效應、年份效應和企業效應*本文把全國31個省市劃分為三個區域，其中東部包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南，中部包括山西、吉林、黑龍江、安徽、江西、河南、湖北和湖南，西部包括重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆、廣西和內蒙古。，εjt為隨機干擾項。

(二)變量度量

半參數估計LP法(Levinsohn和Petrin，2003)[17]適于估計企業的全要素生產率，能有效解決OLS估計面臨的內生性和樣本選擇偏誤問題，也是目前估計全要素生產率的主流方法。本文采用LP法估計企業的全要素生產率lntfplp。在估計中使用工業增加值衡量企業的產出，使用固定資產凈值計算資本投入，使用企業職工人數衡量勞動投入，使用中間投入品作為代理變量控制生產率的不可觀測沖擊。同時使用OP法(Olley和Pakes，1996)[18]估計的生產率lntfpop作為穩健性檢驗。本文使用的企業生產率均采用對數形式*為了剔除價格波動對生產率估計的影響，本文對以貨幣計價的投入產出變量均采用Brandt et al.(2012)[15]的分行業投入產出價格指數進行平減，轉化為以1998年為基年的真實值。中國工業企業數據庫沒有報告2004年企業的工業增加值，本文借鑒劉小玄等(2008)[19]的方法計算2004年的工業增加值。為了更準確估計企業的生產率，本文使用中國工業企業數據庫1998-2007年的數據進行估計，在估計中借鑒魯曉東和連玉君(2012)[20]的做法，控制了行業、地區和年份變量。。

研究生產性服務業集聚對地區和行業生產效率影響的文獻，普遍使用區位熵、空間基尼系數等指標衡量集聚程度，本文關注生產性服務業集聚對微觀企業生產率的影響，認為就業密度能更準確反映集聚程度。生產性服務是企業的中間投入品，就業密度越高，生產性服務市場競爭就越激烈，越有利于為企業提供質優價廉和多樣化的服務中間品。Combes et al.(2012)[21]、孫楚仁等(2014)[22]在分析集聚對微觀企業影響時，也使用就業密度作為經濟集聚的指標。由于75%的生產性服務就業集中在市轄區，市轄區就業密度能更準確反映城市生產性服務業的競爭程度。同時大部分生產性服務具有可貿易性，余泳澤等(2016)[6]對我國生產性服務業集聚進行空間計量分析發現，集聚對方圓200公里以內的制造業具有密集的溢出效應。因此，本文以市轄區生產性服務業就業密度代理城市生產性服務業的集聚程度Density，單位為百人/平方公里。

已有文獻普遍認為企業的規模、資產負債率、資本密集度等，以及城市的制造業集聚、平均工資、產業結構等會影響企業的生產率，本文同時控制這些變量。企業層面的控制變量X包括：企業規模，用企業資產總額assets度量；企業的資本密度Kintensity；企業的融資約束，用負債總額除以固定資產凈值DAR度量。城市層面的控制變量Y包括：城市規模，用城市的人口population度量；城市的產業結構，用第二、三產業產出占GDP的比重structure度量；城市的平均工資wage；城市制造業集聚程度，使用每平方公里制造業就業人口數density2度量；用城市的GDP度量城市的市場規模。

五 回歸結果與分析

(一)內生性問題

考察生產性服務業集聚對企業生產率的影響，內生性是需要高度重視的問題。內生性問題可能引發于以下幾個渠道：一是“新”新經濟地理學認為，高生產率企業傾向于選址在大城市以獲得更大的規模經濟效益；生產性服務業也傾向選址于大城市，以獲得更大的集聚學習效應。二是較多文獻發現生產性服務業與制造業有協同定位的特征，即生產性服務業傾向選址于制造業集聚的城市，同樣有文獻指出制造業集聚有利于提升企業的生產率。三是生產性服務業傾向選址于經濟比較發達的城市，經濟發達的城市平均工資較高，有利于吸引高技能的人才，而高生產率企業也傾向選址于人才集聚的城市。即城市市場規模、制造業集聚水平和城市平均工資很可能是同時影響生產性服務業集聚和企業生產率的變量。本文把它們單獨出來，加以控制。其中用城市GDP代理城市的市場規模，GDP和城市平均工資使用地區價格指數進行平減。為了進一步剔除內生性，本文同時借助工具變量。工具變量必須滿足與內生性變量相關、與隨機誤差項無關兩個條件，通常做法是選擇內生變量滯后一階或二階作為工具變量，理論上滯后的階數越高，與當期隨機誤差項的相關性就越小。生產性服務業越發達，服務業在城市經濟的比重往往就越高，而與生產性服務業相比，微觀制造業企業生產率與整個服務業的相關性更弱。本文采用市轄區第三產業就業占市轄區總就業的比重作為生產性服務業聚集的工具變量。為了進一步剔除與當期隨機誤差項存在相關性，本文采用就業占比滯后四階的數據作為工具變量。沒有采用滯后四階以上的數據，是因為1999年之前的城市統計數據存在大量的樣本城市數據缺失。通過Kleibergen-Paap檢驗拒絕了工具變量與原解釋變量不相關的假設；通過Cragg-Donald檢驗，也發現不存在弱工具變量問題。綜合來看這是一個合理的工具變量。

(二)基本回歸結果

表2列示了本文的基本回歸結果，列(1)-(3)是全市樣本的回歸結果，城市層面的變量除生產性服務業就業密度外，其他均使用全市的數據。列(4)-(6)是市轄區樣本的回歸結果，其中城市層面的變量全部使用市轄區的數據。列(1)是使用固定效應模型回歸得到的結果，Density的系數為正，表明生產性服務業集聚對企業生產率有促進作用，但并不顯著。列(2)是使用工具變量兩階段最小二乘法(下文簡稱為2SLS)的回歸結果，Density的系數為0.1952，在1%的水平顯著，表明生產性服務業每平方公里增加100個就業人口，全市企業的平均生產率提升19.52%。density2的系數為-0.1181，在1%的水平顯著，表明全市制造業每平方公里增加100個就業人口，企業的平均生產率下降11.81%。列(4)-(6)Density的系數均為負，且在1%的水平顯著，其中列(5)是2SLS的回歸結果，Density的系數為-0.1987，表明生產性服務業每平方公里增加100個就業人口，市轄區企業的平均生產率下降19.87%。density2的系數為0.0469，在1%的水平顯著，表明市轄區制造業每平方公里增加100個就業人口，企業的平均生產率提升4.69%。列(3)和(6)是使用OP生產率作為穩健性回歸得到的結果，與LP生產率得到的結果非常接近，表明本模型得到的回歸結果具有穩健性。

回歸結果顯示，生產性服務業集聚在全市范圍內顯著提升了企業的生產率，表現為集聚效應，假說1得到證實。但集聚對市轄區企業的生產率有顯著抑制作用，表現為擁擠效應。我國經濟主要集聚在地級市的市轄區，2014年市轄區GDP占全國GDP的58%。在城市建設用地不能跨區配置下，隨著生產性服務業往市轄區集聚，城市的土地競爭關系越來越激烈，導致地價和租金快速上漲，從而帶動工資上漲，提高了制造業的用地和用工成本，降低了企業的生產率。當這種擁擠效應大于集聚效應時，表現為生產性服務業發展“擠出”了制造業。就全市范圍，建設用地會比市轄區寬裕，但依然是有限的，制造業企業的集聚同樣會在建設用地上形成競爭關系，表現出擁擠效應。與全市相比，市轄區更有利于發揮經濟集聚的匹配效應、共享效應和學習效應，尤其是學習效應有顯著的優勢。生產性服務作為一種可貿易的中間品，與下游企業的交流是有償的，這有利于克服空間距離的障礙。制造業集聚的學習效應來源于交流的外部性，即A與B建立聯系會使附近的C受益。通過集聚區內員工的日常交流，使對生產和創新有用的默會知識逐漸成為集聚區的共同知識，這又反過來提高員工的勞動生產率。企業越集聚學習效應就越強，當企業較分散時學習效應就難以發揮作用。當制造業集聚的匹配效應、共享效應和學習效應之和大于擁擠效應時，企業集聚可以獲得正的外部性，反之則為負外部性。盡管市轄區制造業比全市更集聚，擁擠效應更大，但它獲得的集聚效應很可能比全市企業大得多，這解釋了為什么制造業在市轄區集聚獲得正的集聚效應而在全市范圍內卻表現為擁擠效應。

表2 基本回歸結果

注：括號內為穩健性t或z值；*、**、***分別表明顯著性水平為10%、5%、1%。

(三)不同規模城市的回歸結果

表3是對不同規模城市使用2SLS回歸得到的結果。從全市的樣本看，小城市和中型城市Density的系數并不顯著，中小城市和大城市Density的系數分別為-0.1011和0.1644，且在1%的水平顯著。四類城市只有大城市表現出顯著的集聚效應。由表1知，大城市生產性服務業集聚密度遠比其他類型的城市高，這表明生產性服務業要集聚到一定程度才能發揮顯著的集聚效應。從市轄區的樣本看，小城市和中小城市Density的系數并不顯著，中型城市和大城市Density的系數分別為-0.3139和-0.2316，且在1%的水平顯著。這表明生產性服務業集聚在市轄區表現出的擁擠效應，只有在大城市和中型城市才顯著。

由表1可知，大城市市轄區生產性服務業集聚的密度最大，同時增長速度也最快，表明生產性服務業集聚具有自我強化的機制，越密集越集聚。這與生產性服務業的性質有關。與制造業是物質資本密集型和勞動密集型行業不同，生產性服務業是知識密集型行業，集聚的學習效應與創新環境是生產性服務業企業區位選擇的重要考慮因素。生產性服務業越集聚，越有利于知識外溢和激發創新，對生產性服務業企業就越有吸引力，于是生產性服務業表現出更顯著的集聚特征。制造業是用地粗獷型產業，生產性服務業集聚會提高地價，與制造業形成激烈的土地競爭關系，把制造業企業“擠出”集聚區。于是集聚區內生產性服務業的比例越來越大，制造業的比例越來越小，集聚區以生產性服務業為主。集聚區密集的生產性服務業會對周邊的制造業形成集聚效應，有效提升企業的生產率，吸引越來越多的制造業落戶于集聚區周圍，成為集聚區的外圍。這表明市場自組織對城市體系有分工功能，在市場力量作用下，大城市會演化為以生產性服務業為主，而周邊中小城市會集聚眾多制造業，接受大城市生產性服務業的集聚效應。

表3 分組回歸結果

注：括號內為穩健性z值；*、**、***分別表明顯著性水平為10%、5%、1%；“F統計量”為弱工具變量Cragg-Donald Wald檢驗的F統計量取值。

六 結論與政策含義

本文使用中國220個地級及以上城市的工業企業數據，分析生產性服務業集聚對城市不同區位企業的溢出效應，發現生產性服務業集聚并不一定能帶來集聚效應，也會帶來擁擠效應。集聚對全市企業有顯著的集聚效應，每平方公里增加100個生產性服務就業人口，企業的平均生產率提升19.52%，但對市轄區企業表現為顯著的擁擠效應，每平方公里增加100個生產性服務就業人口，企業的平均生產率下降19.87%。這表明集聚主要提升了外圍區企業的生產率，企業與集聚區保持適度的距離才能更好地獲得集聚效應。通過分析不同規模城市發現，集聚效應只顯著發生在大城市，這表明生產性服務業要集聚到一定程度才能顯著發揮集聚效應。實證結論解釋了本文提出的生產性服務業集聚的特征性事實：一是生產性服務業自身的屬性決定其具有顯著的集聚特征；二是市轄區生產性服務業集聚會產生擁擠效應，“擠出”制造業企業。

本文結論的政策含義為：地級市政府宜提高轄市轄縣與轄區之間的交通便利性，鼓勵人口往市轄區遷移，使市轄區成為人口密集的都市區，發展服務經濟，轄市轄縣則專業發展制造業，以接受市轄區生產性服務業的集聚效應。在市場機制作用下，城市本身并不會出現過度擁擠的現象，企業通過權衡城市集聚的吸引力和擁擠的離散力來選擇最佳區位，城市在企業的動態選擇下達到最優的集聚密度。政府需要減少對企業經營的干涉，尤其是要減少對低效率企業的優惠信貸支持，使生產性服務業集聚通過擁擠效應把這部分落后產能轉移或淘汰出市場，從而達到疏解大城市或中心城區過剩產能的目的。

[1] 周圣強, 朱衛平. 產業集聚一定能帶來經濟效率嗎: 規模效應與擁擠效應[J]. 產業經濟研究, 2013, (3): 12-22.

[2] 李曉萍, 李平, 呂大國等. 經濟集聚、 資源重置效應與企業生產率[J]. 管理世界, 2015, (4): 25-37.

[3] 顧乃華. 我國城市生產性服務業集聚對工業的外溢效應及其區域邊界——基于HLM模型的實證研究[J]. 財貿經濟, 2011, (5): 115-122.

[4] 宣燁. 生產性服務業空間集聚與制造業效率提升——基于空間外溢效應的實證研究[J]. 財貿經濟, 2012, (4): 121-128.

[5] 李敬子, 毛艷華, 蔡敏容. 城市服務業對工業發展是否具有溢出效應？[J]. 財經研究, 2015, (12): 129-140.

[6] 余泳澤, 劉大勇, 宣燁. 生產性服務業集聚對制造業生產效率的外溢效應及其衰減邊界——基于空間計量模型的實證分析[J]. 金融研究, 2016, (2): 23-36.

[7] 陳紅霞, 李國平. 中國生產性服務業集聚的空間特征及經濟影響[J]. 經濟地理, 2016, (8): 113-119.

[8] 孫曉華, 翟鈺, 秦川. 生產性服務業帶動了制造業發展嗎？——基于動態兩部門模型的再檢驗[J]. 產業經濟研究, 2014, (1): 23-30, 80.

[9] 張浩然. 生產性服務業集聚與城市經濟績效——基于行業和地區異質性視角的分析[J]. 財經研究, 2015, (5): 67-77.

[10] Anas, A., Arnott, R., Small, K. A.. Urban Spatial Structure[J].JournalofEconomicLiterature, 1998, 36(3): 1426-1464.

[11] Marshall Alfred.PrinciplesofEconomics[M]. London: Macmillan, 1890.

[12] Duranton, G., Puga, D.. Micro-foundations of Urban Agglomeration Economies[A]//In Vernon Henderson and Jacques Fran?ois Thisse, Eds..HandbookofRegionalandUrbanEconomics[M]. Amsterdam: North Holland, 2004, (4): 2063-2117.

[13] Keeble, D., Nachum, L.. Why Do Business Service Firms Cluster? Small Consultancies, Clustering and Decentralization in London and Southern England[J].TransactionsoftheInstituteofBritishGeographers, 2002, 27(1): 67-90.

[14] Halpern, L., Koren, M., Szeidl, A.. Imported Inputs and Productivity[J].CefigWorkingPapers, 2011, 105(8): 3660-3703.

[15] Brandt, L., Biesebroeck, J. V., Zhang, Y.. Creative Accounting or Creative Destruction? Firm-level Productivity Growth in Chinese Manufacturing[J].JournalofDevelopmentEconomics, 2012, 97(2): 339-351.

[16] 王恕立, 胡宗彪. 中國服務業分行業生產率變遷及異質性考察[J]. 經濟研究, 2012, (4): 15-27.

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

[18] Olley, S., Pakes, A.. The Dynamics of Productivity in the Telecommunications Equipment Industry[J].Econometrica, 1996, 64(6): 1263-1297.

[19] 劉小玄, 李雙杰. 制造業企業相對效率的度量和比較及其外生決定因素(2000-2004)[J].經濟學(季刊), 2008, (3): 843-868.

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

[21] Combes, P., Duranton, G., Gobillon, L., et al.. The Productivity Advantages of Large Cities: Distinguishing Agglomeration From firm Selection[J].Econometrica, 2012, 80(6): 2543-2594.

[22] 孫楚仁, 于歡, 趙瑞麗. 城市出口產品質量能從集聚經濟中獲得提升嗎[J]. 國際貿易問題, 2014, (7): 23-32.

MustProducerServicesAgglomerationbeAbletoBringSpilloverEffectonManufacturingIndustry?——TheEvidencefromMicroEnterprise

LI Ri-rong ZHOU Zheng

Using China 220 prefecture-level cities data of industrial enterprises, we analyze the spillover effect of producer services agglomeration on manufacturing industry under different spatial scales. Our conclusion is different from the existing literatures which argued producer services agglomeration would enhance the productivity of manufacturing industry, we find that in different spatial scales the spillover effect of producer services agglomeration is different. In the whole city the spillover effect is significant agglomeration effect, increasing 100 employments of producer services per square kilometer, the average productivity of manufacturing industry will increase by 19.52%. In municipal district the spillover effect is significant crowding effect, increasing 100 employments of producer services per square kilometer, the average productivity of manufacturing industry will decline by 19.87%. This is a clear demonstration that keeping a moderate distance from the cluster district firms can get more agglomeration effect. Based on the analysis of different scale cities, the agglomeration effect is only significant in big cities, this demonstrates that spillover effect plays a significant role until producer services agglomerating to a certain extent.

manufacturing industry; producer services agglomeration; enterprise productivity; agglomeration effect; crowding effect

10.14007/j.cnki.cjpl.2017.06.005

方式]唐志芳, 顧乃華. 制造業服務化、 行業異質性與勞動收入占比——基于微觀企業數據的實證研究[J]. 產經評論, 8(6): 54-69.

2017-08-26

浙江省哲學社會科學研究基地“浙江省現代服務業研究中心”2014年度省規劃課題“生產性服務業與制造業空間協同集聚及其結構升級效應研究——以長三角地區為例”(項目編號：14JDFW03YB，項目負責人：周政)；校級人才引進課題“中間投入品視角下生產性服務業集聚對制造業企業生產率的影響機制研究”(項目編號：2017R007，項目負責人：黎日榮)。

黎日榮，博士，浙江樹人大學浙江省現代服務業研究中心講師，研究方向：生產性服務業、城市經濟；周政，博士，浙江樹人大學浙江省現代服務業研究中心中心講師，研究方向：生產性服務業。

* 作者感謝寧波大學鐘昌標教授的寶貴意見。

F062.9

A

1674-8298(2017)06-0070-11

[責任編輯：陳 林]