企業間存在全要素生產率的溢出嗎？
——基于中國工業企業數據的考察

張 豪 張建華 何 宇 譚 靜

一、問題提出

“十三五”時期，企業能否創新發展是中國經濟穩增長、提質量的關鍵。企業創新發展不僅需要政府與市場的共同努力，更需要企業間的相互學習與合作，這就需要更全面地認識企業生產效率相互作用的外部性。然而，以往的研究大多關注企業創新外溢的理論問題，缺乏關于企業生產效率相互作用以及行業創新外溢比較的定量研究，本文的研究彌補了這一缺陷。

馬歇爾外部性強調，企業的地理集中便利了知識的交流和傳播，許多性質相似的小型企業能夠加快知識溢出并激活創新活動(Marshall，1920)?？梢?，客觀存在的企業外部性是影響企業技術創新效率的重要因素。企業間全要素生產率(以下簡稱 TFP)的溢出是這一外部性的主要表現，原因在于 TFP體現的是企業“質”的增長，反映了除資本與勞動投入生產要素以外的其他生產要素的效率，包括知識、技術、制度與企業家精神等等，而這些要素往往具有不完全排他性特征，更容易產生外部性。理論上，企業TFP溢出一般有兩條路徑:空間溢出和價值鏈溢出。地理空間范圍內的TFP溢出主要源自企業地理空間的“鄰近效應”，而這一效應能夠促進企業之間的技術合作與交流，加快企業之間的信息與知識傳播，降低企業從事創新活動的風險，進而擴大了集聚創新網絡并促進創新效率的提升(Audretsch 和 Feldman，2004)。企業 TFP在價值鏈上的溢出主要源自“學研”向“產”的創新外溢，當然也包括創新價值鏈上的“反饋路徑”和“循環效應”(趙增耀，2015)，這使得企業創新效率不僅與其自身研發投入產出的轉化效率有關，而且還可能受到其他企業研發投入所產生的外部性影響。

由于企業之間的異質性，各企業的 TFP水平具有一定的差異。這種差異往往由多種因素引起，如市場開放、企業創新能力、所有制、人力資本、專業化等等。然而，以往研究企業TFP增長來源的文獻都含蓄地假定企業在空間地理上沒有任何交集，企業之間的相互影響被忽略。隨著空間經濟學與網絡經濟學的發展，Baltagi 等(2016)、張豪(2017)等多數學者普遍認為企業TFP在空間上是有聯系的，這進一步佐證企業間存在TFP溢出的可能。研究企業間TFP溢出實際上要搞清楚兩個問題:一是企業TFP增長是否受到其他企業的影響，企業間 TFP溢出的影響機制是怎樣的，如何利用微觀數據證明。二是企業 TFP增長到底有多少能被“相鄰”企業所解釋，企業異質性究竟如何影響這一溢出。

對于上述問題，大部分文獻往往從技術、知識、FDI與人力資本的溢出角度來闡釋。在理論研究上，Arrow(1962)的干中學模型將知識積累作為資本的副產品，認為經濟系統有內生的知識和技術進步的機制，企業間存在知識技術的外部性。Romer(1986)建立包含技術溢出的內生經濟增長模型，從理論上證明了技術溢出的存在。在機制研究方面，大量學者利用研發和外商直接投資分別作為技術和知識溢出的主要途徑，探索企業、行業或區域間的生產效率差異的原因。在測度方法上，Griliches(1992)認為由于 TFP溢出效應的作用鏈很長，其范圍可能非常巨大，因此很難定量測度，以至于學術界至今沒有統一的標準。從現有的文獻看，雖然不同學者提出了不盡相同的測度方法，但大致都有兩個方向:一是通過直接測度社會收益率來進行 TFP溢出的經驗檢驗(Jaffe 等，1993)；二是通過構建權重矩陣研究產業間或區域間的溢出(劉建國和張文忠，2014)。本文將利用第二種方法實現該領域的突破。

事實上，提高企業創新效率，企業就不得不面對研發活動的高投入、高風險和長期回報性的兩難選擇。因此，弄清楚微觀企業 TFP的溢出有助于企業之間相互配合、取長補短，通過合作降低研發成本，提高創新收益，進而提高總體企業的 TFP水平，促進企業整體創新效率，實現創新驅動經濟發展。本文的貢獻主要有三個方面:其一，本文突破了以往學者無法進行微觀企業空間計量分析的局限性；其二，構建能夠反映溢出機制的空間權重矩陣，從微觀證實企業間 TFP溢出存在的現實可能性，為研究企業間的相互影響提供了有益的視角與啟示；其三，本文發現了 TFP在企業間溢出的微觀機制，以及在不同區域、不同行業和不同企業屬性下的具體表現，為企業創新發展提供啟示和參考。

二、機理分析與模型設置

(一)企業間TFP溢出的微觀機制

通常而言，TFP增長快的企業會通過某些渠道或機制影響 TFP增長慢的企業，對TFP落后的企業表現出或正或負的溢出效應。關于這一影響機制的黑匣子，主要體現在以下四種機制，如圖1所示。

圖1 企業間TFP溢出機制圖解

1.機制一:知識溢出

知識是典型的公共品，具有一般公共產品的特征:非競爭性與部分排他性。按照雅各布斯外部性的觀點，知識極易產生外部性。關于知識溢出對生產率的積極作用，Arrow(1962)最早做出了解釋，認為知識是投資的副產品，企業在進行創新投資等行為時不僅會產生知識，通過“干中學”和“學習曲線”積累生產經驗提高生產率，而且還有可能對其關聯企業的生產率產生一定的影響。企業之間通過如專利信息公開、國際期刊與各種科學會議、知識反求工程、企業間人才的流動、信息交流等具體形式都可實現知識的共享與傳播。如企業之間為了提高技術創新水平開展合作研發，就技術參數、產品設計與工藝改進等業務環節進行非正式交流或各種正式的學術研討會交換異質性知識，實現知識的溢出或擴散。倘若這一擴散產生正的外部性，就有可能提升與其具有關聯企業的 TFP水平，并且其他企業可以利用這一外溢減少創新成本，降低創新風險。而得到收益的企業其創新的技術知識又會溢出，這種企業間相互知識溢出的良性循環會促進在空間集聚或價值鏈上的企業整體TFP水平的提高。

2.機制二:技術溢出

技術溢出一般有兩種表現形式，一種技術溢出途徑指的是匯集和物化在設備中的工藝和技能，企業通過市場交易獲取相關設備便可以通過逆向工程或模仿而獲取這一技術。當然，有些企業也可以通過存在于文獻知識的形態(公式、圖紙、設計)等獲取。技術領先企業新產品的出現對其他競爭性企業產生示范作用，在市場競爭下會迫使這些企業利用各種方法追趕技術領先型企業。一般會通過購買相關設備與產品進行反求工程的研發，或者通過獵頭招聘技術領先型企業的接受過培訓或相關技術人員，從而間接獲取生產該產品的工藝和技術。另一個重要的技術溢出途徑是落后企業將先進的技術設備作為中間產品利用起來，通過對蘊含在其中先進生產要素進行消化、吸收，不僅可提高生產成品的質量，也可促進技術水平的提高，從而實現技術溢出。此種途徑技術溢出的效果如何，取決于中間產品的利用形式，即中間產品主要是用于低技術含量的加工組裝，還是深入地融入到生產過程中，后者會產生更大的溢出效果。

3.機制三:產業關聯溢出

產業關聯溢出通?？梢苑譃樗疥P聯溢出與垂直關聯溢出。(1)第一種溢出主要發生在同一產業的企業之間，這是源于同產業知識技術的充分接近性。眾多學者研究表明，水平關聯企業之間主要通過競爭和模仿實現水平外溢效應。當先進企業通過技術創新產生了新產品，會通過技術示范效應促進同類產品生產企業的技術進步。市場競爭會促使相關企業對先進技術進行模仿與創新，從而實現水平關聯溢出。(2)第二種溢出效應主要體現在產品的生產鏈上。處于同一產業鏈上的不同產業之間存在經濟聯系，先進生產要素通過經濟聯系進行傳遞。企業通過向上游供應企業購買中間投入品或服務形成后向聯系，通過向下游需求企業提供中間投入品形成前向聯系。一方面，當產業鏈上某一產業的企業實現了技術進步，其上下游企業為了技術匹配，不得不進行生產技術的改進與創新，從而形成技術倒逼效應。另一方面，出于從上游企業獲得低成本投入要素及挖掘新客戶(指下游企業)擴大市場競爭力的意愿，擁有先進技術及先進管理經驗的企業通過對產業鏈上的上下游企業提供技術援助和管理培訓等，促進后者生產率水平的提高，從而實現垂直關聯溢出。

4.機制四:市場交易性溢出

市場交易與貿易給予了落后企業模仿前沿技術的機會，它們是知識與技術溢出的重要渠道。相對滯后的企業可以通過貿易購買技術含量高的中間產品及專利等無形商品、引進最新的機器設備和生產工藝，通過掌握并應用這些高效率的中間品及資本品，進行模仿創新，提高本企業的技術水平和競爭力，進而把內生在其中的先進技術轉化為企業的生產率，提高全要素生產率。市場交易與貿易還促進了獲取營銷技巧、管理方式、銷售渠道等方面的知識。此外，Benhabib 和 Spiegel(2005)表明市場交易中，人力資本的流動在技術溢出過程中也起著十分重要的作用。先進中間品及資本品的引入增加了企業對高技能勞動的需求，一方面促使非技術工人提升自身的知識技能，另一方面促使企業引入擁有高技能的人才，企業人力資本存量增加，提高了技術溢出的可能性。固化在資本品及中間產品的知識與技術能多大程度上被企業所消化吸收，直接取決于企業人力資本對知識、技術和信息的接受能力。只有當人力資本達成一定的水平，技術吸收能力達到一定門檻，溢出才能更好地實現。

(二)理論模型

在Romer(1990)的產品多樣化模型的基礎上，遵循Ertur和Koch(2007)關于空間延伸類生產函數的設定，假定世界上有一個獨立的地區和其他N個地區，人口數量L是固定的，且擁有一單位可用于制造業的勞動。為簡單起見，本文假定每個人沒有對閑暇的需求，從而每個人都無彈性地提供所擁有的一單位勞動——無論工資率如何。最終產品的生產環境是完全競爭的，使用勞動生產一系列指標為i∈[0，Mt]的中間產品，其中Mt表示產品種類。參考Broda 等(2006)的做法，將企業最終產品的生產函數設定為:

其中，Ai(t)代表技術參數，α∈(0，1)等于1減去產出中的勞動份額；v∈(0，1)表示投入品種類Xit之間的替代彈性，較高的v對應于更易替代的投入品。如果專注于其中所有的投入品都使用相同數量Xt的均衡，則上式為:

若每一單位投入品都是由資本按固定比例一比一地生產出來的，那么:

關于質量改進的分解，參考Ertur和 Koch(2007)的方法，將 Ai(t)1-α設定為:

γ∈(-1，1)衡量 TFP擴散的程度，假定促使 TFP增長的產品質量改進那部分是關于一個地區與自身技術前沿差距的負向關系，用TFPi(t)表示，i＝1，2，…，n。同樣假設這一技術前沿在世界上是處于領導者地位，但這種方法需要定義一個標準化的技術前沿國家。同時，本文假設交互項 Wij是非負、有限和非隨機的，且技術落后城市與技術前沿的差距決定了生產率提升的質量改進部分，該差距越小說明質量越高。因此，Wij反映了TFP的空間溢出效應，進一步推出:

上式兩邊取對數并整理同類項后，可得:

同樣可以寫成:

將式(8)寫成矩陣形式:

當TFP=lnTFPi(t)，就生成一個關于 TFP的矩陣(N×1)，一個1的矩陣(N×1)；M=l n Mi(t)就生成一個關于Mi(t)的矩陣(N×1)，W是企業空間權重(N×N)矩陣。

(三)實證策略

企業產品種類多樣化往往取決于其自身的創新能力和人力資本的貢獻(Acemoglu等，2007)。鑒于此，本文將Mi(t)進行分解得到式(10)。其中INN代表創新能力，HUM代表企業人力資本，Xi(t)代表其余能夠影響產品多樣化，進而提升企業TFP的控制變量。

為了正確估計上面的矩陣模型，本文加入誤差項，模型中加入被解釋變量的滯后項是為了涵蓋沒有考慮到的其他影響因素(孫瑋等，2011)。如此則可利用 SAR模型(空間自回歸)來衡量企業 TFP的空間溢出效應，如式(11)所示。當采取空間計量模型時，OLS將不再適用，這里將利用最大似然法(ML)來估計模型。

空間計量最關鍵的地方在于空間權重矩陣的選擇，一般選用空間相鄰和地理距離矩陣。相鄰矩陣并沒有太多經濟含義，另外地理距離空間權重矩陣是根據兩個企業之間地理距離來設定的。兩個企業之間的距離越近，賦予越大權重；反之，則越小。但是地理距離的遠近并不能完全反映現實情況，完全說明企業之間的相互關系，也不能完全描述企業間 TFP溢出的微觀機制。例如，如果兩個企業相距甚遠，但是它們之間的貿易或者合作交流要比其他企業更加頻繁，那么其應該賦予更高的比重?；诖耍艿紽rankel(1999)的啟示，在吸收與借鑒引力模型的基礎上，構建引力矩陣。為了驗證前述的理論機制，將知識溢出與技術溢出機制用第一種引力矩陣表示，產業關聯溢出與市場交易溢出機制用第二種引力矩陣表示，這兩類權重矩陣定義如下。

第一類矩陣(簡稱“第一矩陣”)認為企業間是存在知識溢出與技術交流的，而企業知識與技術的表現形式為專利與新產品。企業創新能力越強，其影響的“勢力范圍”就越大，就應該賦予較大的權重。鑒于中國工業企業數據庫數據的可獲得性，本文選取新產品產值上作為專利與新產品的替代變量。構建如式(12)所示的引力矩陣。其中，NPV代表企業新產品產值的平均值①2004年缺少新產品產值數據，因此平均數是去除2004年后只算9年的數值。后文，2004年INV值取2003年INV與2005年INV的平均數。，dij是指i企業與j企業之間的空間球面距離。中國工業企業數據庫在2003年提供了企業名稱、郵政編碼以及詳細的地址。通過XGeocoding軟件將企業地址與郵政編碼批量轉換成企業對應的經緯度，利用郵政編碼進行匹配與驗證經緯度，排除不合理的經緯度，再利用經緯度計算出企業間點對點的球面距離，最終通過MATLAB編寫代碼，運算求出企業間的地理距離。

第二類矩陣(簡稱“第二矩陣”)認為企業間產業關聯與市場交易溢出往往通過貿易來展現，而企業間的貿易不僅受到空間距離的影響，也和企業自身發展水平有關。其空間權重矩陣的構建如式(13)所示，其中 GCZ指的是平均工業總產值，dij同樣是指i企業與j企業之間的空間球面距離。

三、數據處理與描述性分析

(一)數據來源與處理

基礎數據來源于中國工業企業數據庫，鑒于2008—2013年只有2010年提供工業增加值和中間投入，因此不足以算出連續序列的TFP，故還是采用1998—2007年的數據。企業年度調查數據庫包含企業基本信息和主要財務統計指標。作為一個由中國國家統計局收集的數據庫，并非由專業的學術機構發布，因此在很多方面還不太符合學術研究的嚴格要求，存在諸多嚴重問題(聶輝華等，2012)。因此，綜合參考余淼杰(2015)等的處理方法，逐步完善數據庫。最終，得到10年連續的平衡面板數據，包括12583家企業，共計125830個樣本觀察點。

(二)企業全要素生產率

對企業TFP的測度，由于同時性與樣本選擇性偏差，OLS法忽略了聯立性和選擇性問題，會導致對 TFP估算的偏差，因此目前流行使用 OP法與 LP法來計算企業TFP。當然，也有學者使用工具變量(IV)法以及固定效應(FE)法。OP法是一種半參數估計方法，采用投資作為 TFP的代理變量，但是企業數據中存在大量的“零投資”觀測，接近樣本量的一半，倘若去掉將大大減少樣本數量，影響估計結果。鑒于此，LP法使用中間投入作為不可觀測生產率的代理變量，對 OP法進行了適當的拓展和修正。在工具變量法中，投入價格可以作為工具變量處理內生性問題，但是這一數據很難在數據庫中獲取，況且其無法解決由于企業退出產生的選擇性問題。而固定效應(FE)需要假定企業的生產率不隨時間而改變，這一假定不符合現實情況(張豪，2017)。

鑒于工業總產值與中間投入之間具有高度相關性，因此采用企業工業增加值作為產出指標，2004年缺少的工業增加值參考聶輝華(2012)的方法計算而得。然后根據《中國統計年鑒》中工業平減指數將企業名義增加值調整為1998年不變價格，最后計算出每年各企業對應的實際增加值。關于資本投入，本文以固定資產凈值年平均余額衡量企業資本存量，用永續盤存法的變換式來度量投資，即 It=Kt-(1-δ)Kt-1。其中，Kt表示t期的資本存量，It表示t期的投資，δ表示折舊率。平均折舊率采用薛俊波(2007)估算折舊率的方法計算出工業部門的折舊率為 0.121，最后計算得出固定資產投資。資本存量與固定資產投資均調整為1998年不變價格。

對于企業全要素生產率的估算，已有大量學者進行了深入研究，本文亦采用楊汝岱(2015)關于制造業29個行業的資本和勞動彈性系數的平均值，以此計算的TFP稱為“楊汝岱法TFP”，同以OLS方法、LP方法計算的TFP作為本文的穩健性指標。另外，由于中國工業企業數據庫中企業增加值、固定資產合計、中間投入等指標單位均為千元，為與勞動人數單位匹配，因此取對數時將其單位化成“元”，以便消除量綱的影響。

從圖2中左圖可以看出，OP法TFP與楊汝岱計算的結果比較接近，LP法計算的TFP比其他幾種方法均要大。因此，本文以 OP法計算結果作為基準分析。右圖可見1998—2007年在OP法計算方法下的TFP核密度曲線存在逐漸向右偏移的趨勢，說明企業TFP水平在此階段處于增長階段。

圖2 不同方法下和不同年份下企業全要素生產率核密度圖

(三)變量的選取與說明

創新能力一般由創新投入與產出來衡量，投入指標一般采用研發強度，而在公布的中國工業企業數據庫中，只有少數幾年才有研發投入，因此選用新產品產值與銷售收入的比值INV作為創新的替代變量，除2004年缺失以外，其余年份均有數據，可以用于1998—2007年的平衡面板分析。人力資本是凝結在勞動者身上的體力、健康、知識、經驗和專業技能等因素的總稱。目前，國內外許多學者使用平均教育年限等作為地區人力資本的衡量指標，但是企業級數據庫較難獲取這類指標，因此借用 Yang和Huang(2005)的做法，采用平均勞動報酬(應付工資總額/從業人員)的對數(HUM)作為替代變量。Haltiwanger 等(1999)認為為了提高企業 TFP，企業會加大人力資本的投資，而平均勞動報酬能夠作為其有效的替代變量影響企業生產率。

為獲得穩健性估計結果，本文選取如下控制變量:1.外商直接投資(dumfdi)。普遍認為，FDI一般會通過兩種技術溢出途徑對東道國企業產生積極影響:一是，外資企業主要通過示范、競爭效應促進東道國同行業企業的生產能力和技術水平的提高，增加企業產品多樣化；二是，外資企業通過與東道國企業的經濟聯系建立垂直關聯。內資企業可從上游外資企業獲得高質量的中間投入品與技術管理支持，增加企業產品多樣化，從而提高自身的產品質量水平，從FDI的技術溢出中獲益。2.出口貿易(dumexp)。現有文獻普遍認為主要有兩種思路:一是，企業出口前的“自選擇效應”，即企業進行出口活動需要付出進入國際市場高昂的固定沉沒成本，因而只有生產率較高的企業才會選擇出口，其他企業可能只能選擇國內銷售或退出；二是，企業出口后的“干中學效應”。企業出口后可以在出口市場接觸更大的市場和先進技術，從國際消費者和競爭者帶來的知識溢出中獲益。最終，模型如式(14)所示，并得到如表1所示的變量描述性統計結果。

表1 變量描述性統計結果① 其中企業年齡指的是企業從開業到現在存活的時間，資本密度指的是人均資本存量的對數，是否創新產出指的是是否有新產品產值的產生，新產品強度指的是新產品產值與產品銷售收入的比值。

續表1

四、實證檢驗與結果分析

(一)企業分布與行業劃分

經測算，樣本企業主要分布于中國東部地區，聚集于沿海一帶。其中，技術密集型企業居多，而低技術行業企業相對稀少一些，行業劃分如表2所示。從集聚角度來看，高技術行業企業的集聚程度相對于中、低技術行業來說要大一些。高技術行業在區域上分塊聚集，主要集中于京津冀、山東半島、長江三角洲、珠江三角洲、成渝以及中原城市群；中技術行業在京津冀、山東半島、長江三角洲、珠江三角洲城市群集聚；低技術行業則主要聚集于長江三角洲和珠江三角洲城市群。

表2 行業劃分代碼參照表

① 農副食品加工業(13)、食品制造業(14)、飲料制造業(15)、煙草制品業(16)、紡織業(17)、紡織服裝、鞋、帽制造業(18)、皮革、毛皮、羽毛(絨)及其制品業(19)、木材加工及木、竹、藤、棕、草制品業(20)、家具制造業(21)、造紙及紙制品業(22)、印刷業和記錄媒介的復制(23)、文教體育用品制造業(24)、石油加工、煉焦及核燃料加工業(25)、化學原料及化學制品制造業(26)、醫藥制造業(27)、化學纖維制造業(28)、橡膠制品業(29)、塑料制品業(30)、非金屬礦物制品業(31)、黑色金屬冶煉及壓延加工業(32)、有色金屬冶煉及壓延加工業(33)、金屬制品業(34)、通用設備制造業(35)、專用設備制造業(36)、交通運輸設備制造業(37)、電氣機械及器材制造業(39)、通信設備、計算機及其他電子設備制造業(40)、儀器儀表及文化、辦公用機械制造業(41)、工藝品及其他制造業(42)、廢棄資源和廢舊材料回收加工業(43)。

(二)基準回歸

為了準確估計總體樣本，本文選用了空間自回歸模型作為基準模型，空間自相關模型作為參照模型。為了節約篇幅，以下估計結果中省去了截距項的報告結果。通過LM 檢驗，本文接受了λ=0的假設，從而排除了 SEM(空間誤差模型)的可能性。通過空間面板Hausman檢驗，本文選擇空間隨機效應模型。通過SAR與SAC的變量系數比較可以發現(如表3)，SAR模型的系數普遍比SAC模型的系數小，這說明加入被解釋變量(lnTFP)的滯后項的確如孫瑋所說能夠有效涵蓋沒有考慮到的其他影響因素，因此本文余下所有實證均采用 SAR模型作為基準模型。經測算，1998—2007年企業TFP的 Moran I值始終在 0.1以上波動，顯著偏離隨機分布，反映出“臨近”企業的TFP存在明顯的空間依賴性。

本文關心的第一個問題是，企業間是否存在 TFP的溢出現象呢？從表3可知:(1)TFP溢出系數ρ在四種模型中均在1%的置信水平下顯著，且為正，說明企業間普遍存在TFP正向溢出現象，溢出系數0.139(SAR模型下第一矩陣的系數)表明當企業間TFP外溢提高1個百分點時，各企業的TFP將平均提高0.1389個百分點。在SAR與 SAC 模型下，第一矩陣系數均比第二矩陣系數大(0.139＞0.081；0.477＞0.448)，可見在企業間 TFP溢出的作用機制中，知識與技術溢出最明顯，產業關聯與市場交易溢出相對而言要表現得“弱”一點。(2)從模型核心變量估計結果來看，影響企業 TFP水平的關鍵因素在于企業的創新能力與人力資本的投資。在兩類模型、兩類矩陣下，INV(創新能力)與 HUM(人力資本)的系數均在1%置信水平下顯著，并且同一模型下系數值比較接近。這與大多數文獻的結論一致，企業創新與人力資本是影響企業 TFP水平提高的關鍵因素。(3)企業 TFP具有明顯的滯后效應，前一期的 TFP水平對當期TFP具有顯著的正向影響，并且兩類矩陣下的系數非常相似，差距在 0.014。這可能是因為前期生產率的提高會促進企業效益的提升，進而促使企業加大創新投入，有資金、有實力吸引與引進創新人才，而這些因素又進一步刺激了當期TFP水平的提高。

表3 總體樣本估計結果

從控制變量的估計結果來看，是否出口對企業 TFP的提升是有影響的，結果顯示出口能夠顯著提高企業 TFP水平，因為貿易能夠促使企業降低成本或者提供新產品。是否有外商投資在兩類模型中表現得并不一致:雖然在SAC模型中，dumfdi的符號發生了改變，但是并不顯著，而在 SAR模型中呈現顯著的正向影響，說明外商投資能夠促進企業 TFP水平提高，這是因為外資中往往摻雜著先進技術與先進管理經驗的引進，通過競爭和示范效應，人員流動和傳染效應以及溢出效應給國內企業產生明顯的技術外溢(陳琳和林玨，2009)。

(三)深入討論

本文關心的第二個問題是，TFP這種溢出效應是否會隨著時間的推移而出現其他變化呢？實際上，在1998—2007年期間，中國市場經濟程度在加深，產業整合、人才流動的速度在加速，并且在信息技術革命的引領下，發明與專利數量與日俱增，知識、技術存量規模成倍增長。由此可以推測，隨著時間的推移，企業間的 TFP溢出程度可能會不斷加深。為了驗證這一點，本文對1998—2007年中國工業企業按每6年為一個時間段進行滾動估計，結果如表4所示。從溢出系數ρ來看，似乎能夠驗證本文的假設，即中國制造業企業間的 TFP溢出效應隨著時間的推移逐漸增強。以第一矩陣為例，1998—2004年第一個時間段的溢出系數0.116逐漸增加到2001—2007年第四個時間段的0.127，這說明當企業間TFP溢出效應平均增長1%，在第一個時間段各企業TFP平均增長0.116%，而在第四個時間段平均增長0.127%。另外，除了TFP溢出系數逐漸增長以外，創新能力(INV)和出口(dumexp)的系數也在逐漸增長，說明中國企業創新能力對TFP的貢獻在上升，對外開放取得了一定的成效。然而人力資本(HUM)和外商直接投資(dumfdi)的系數卻在下降。這說明中國企業“人口紅利”在此階段逐步減弱，而且外資帶來的技術模仿效應對TFP的貢獻也在逐漸弱化。

表4 固定窗寬的滾動估計結果

本文關心的第三個問題是，企業間的TFP溢出效應會不會因為企業所處的區域而有所不同，亦或者與企業所處的行業特征有所關聯呢？基于此，本文就樣本企業所處的區域進行分類，分為東、中、西三個區域。就企業所處的行業特征，按技術水平和大類行業劃分，如表2所示。結果如表5所示，三大區域的溢出系數ρ均在1%置信水平下顯著，表明這三個區域企業間 TFP溢出現象是廣泛存在的。進一步發現不同區域的企業間TFP溢出效應有所不同。為了證實不同組同一變量系數差異是否具有統計學上顯著性，本文采用 Chow test后發現，三類行業溢出系數ρ是有顯著差別的，并非相等。從其系數來看，三類區域企業間TFP溢出效應大小為:東部＞中部＞西部。這是因為東部地區經濟水平較高，高技術企業較多，產業集聚，人才流動比較快，研發資金投入較高，因此知識與技術溢出明顯，并且這些地區市場交易頻繁，產業關聯程度高，所以企業間TFP溢出程度會比中部和西部地區要強一些。

因為技術相似的企業之間更容易相互滲透，更容易發生企業間的 TFP溢出。因此將技術相似類的企業歸并，從技術的高、中、低角度進行考察。從表5的結果可知，三類行業下的溢出系數ρ在1%置信水平下顯著，說明三類行業下的 TFP溢出現象是存在的。同上，采用Chow test后發現，三類行業溢出系數ρ是有顯著差別的，并非相等，也就是說不同技術類別的企業間 TFP溢出效應可能會有所不同。從其系數來看，其TFP溢出效應大小為:高技術＞中技術＞低技術。這是因為高技術行業往往容易吸引研發投入資金，高科技創新人才以及創新企業的集聚，因此人員流動與技術模仿容易頻繁發生，所以企業間TFP溢出程度會比中技術和低技術行業要強一些。

表5 分地區、分技術樣本估計結果

同一行業內企業所處的行業競爭有可能削弱企業間TFP的正外部性，況且行業異質性有可能導致知識與技術溢出的程度不同，因此本文有理由認為企業所處的行業與TFP溢出有所關聯。為此，本文對五大類制造業進行實證分析，結果如表6所示。同上，采用 Chow test后發現，五類行業溢出系數ρ是有顯著差別的，也就是說不同行業的企業間 TFP溢出效應可能會有所不同。本文發現，行業之間的溢出程度呈現上述高、中、低行業的特征，其中電子信息及裝備制造業溢出程度最大，溢出系數ρ為0.157和 0.094，其次分別是化學醫藥制造業、家具紡織制造業、材料加工制造業和煙飲食品制造業。這是因為電子信息及裝備制造業和化學醫藥制造業屬于技術密集型行業，這些企業對研發投入敏感，容易產生創新外溢。后三類行業屬于勞動密集型產業，對研發投入不太敏感，其技術門檻低，容易發生 TFP溢出，但是相對技術密集型行業來說，溢出程度不足。這說明中國的輕工制造業仍處在水平較低的發展階段。

表6 分行業樣本估計結果

(四)穩健性檢驗

1.關于被解釋變量的穩健性檢驗。本文利用三種不同測度方法計算得到的 TFP對數值對被解釋變量進行替換，同樣利用空間 SAR模型得到如表7所示的結果。OLS、LP和楊汝岱三種方法下的溢出系數ρ顯著，并且 Wp矩陣下的系數要大于 Wg矩陣下的系數，說明企業間 TFP溢出主要是通過知識與技術的溢出而產生，與前述結論一致。另外其余變量的符號和顯著性與表3基本一致。由此可見，本文的估計結果是比較穩健的。

2.關于內生性問題，對于空間 SAR模型若含有內生解釋變量，則須按照 Arraiz等(2010)的方法進行廣義空間二段最小二乘(GS2SLS)估計，GS2SLS法的優點是計算方便且結果穩健(在異方差情況下也成立)。經檢驗發現，創新能力(INV)與人力資本(HUM)均具有內生性，但其他控制變量沒有內生性。因為已經選擇了 lnTFP的滯后項，因此這里選擇INV與HUM的2期和3期滯后項作為工具變量。就總體樣本在SAR模型下對兩種不同的空間矩陣下進行 GS2SLS估計，如表7所示。結果發現，GS2SLS估計下的核心變量系數與SAR模型下的變量系數基本一致，因此結果是可信的。

3.關于解釋變量的穩健性檢驗。關于創新能力，本文用創新投入與產出來衡量，用以度量投入指標的研發強度和用以度量產出指標的INV均有部分年份數據缺失，這有可能會影響計量結果的有效性，因此本文對1998—2003年和2005—2007年的INV分別進行檢驗，從而保證計量結果的有效性不會被影響。另外，用研發強度來度量創新能力，觀察回歸結果是否穩健。同時，模型有兩個變量為“是否外商直接投資”和“是否出口”，將其替換為“外商直接投資額與工業增加值的比重(FDI)”和“出口額與工業增加值的比重(EXP)”，這樣比虛擬變量更為精確。最后，為了更加充分地論證企業TFP的滯后效應，本文結合動態GMM面板模型對其進行檢驗，以避免會因為缺少相應的控制變量而導致 TFP滯后變量的作用被夸大。如表8所示，1998—2003年和2005—2007年兩個階段下的溢出系數 ρ顯著；使用 RD代替創新能力變量，即便在缺失很多數據的情況下依然顯著；使用FDI和EXP變量進行控制后，溢出系數ρ顯著；過度識別檢驗得到的 Sargan統計量在動態面板模型中為1，說明工具變量有效，并且其滯后期系數在1%置信水平下顯著，這就進一步說明了企業 TFP具有滯后性。綜上所述，經過穩健性檢驗，說明本文的結論基本可信。

表7 穩健性估計結果(一)

表8 穩健性估計結果(二)

五、結論與啟示

企業間的相互影響一直被經濟學家作為黑匣子，統一歸類于外部性。目前針對企業生產效率相互作用的研究較為缺乏，本文利用空間計量分析方法研究微觀企業 TFP溢出問題，實證分析了企業間 TFP的溢出現象。本文的結論如下:(1)中國制造業企業間存在顯著 TFP溢出現象，并且為正向溢出。在企業間 TFP溢出的作用機制中，知識與技術溢出最明顯，產業關聯與市場交易溢出相對較弱。另外，企業 TFP具有明顯的滯后效應，前一期的 TFP水平對當期 TFP具有顯著的正向影響。(2)通過固定窗寬的滾動回歸分析結果顯示，隨著時間的推移，中國制造業企業間的 TFP溢出效應呈逐漸增長之勢。由此可知，隨著中國市場化改革的漸次深入，企業應該通過相互學習與合作謀求“雙贏”，提高創新能力。(3)東、中、西地區和高、中、低技術行業企業間的 TFP溢出強度存在依次遞減的特征。其中，電子信息及裝備制造業溢出程度最大，煙飲食品制造業溢出程度最小。這說明，經濟水平發展相似、產業比較集聚的地區，技術相似的企業之間更容易相互滲透，相互合作與學習。東部地區與高技術行業往往技術交流頻繁，創新人才流動更快，會比其他區域和其他行業企業間的TFP溢出程度更強。

本文的啟示如下:(1)對于企業而言，應該繼續發揮知識與技術溢出的有利形勢，同時加強企業在價值鏈與供應鏈上的技術合作與交流，彌補產業關聯與市場交易溢出的不足。并且，企業應該利用前期生產率的提高會促進企業效益的提升這一特征，合理規劃研發資金，吸引與引進創新人才，利用這一“滯后性”所產生的“累積效應”提高企業TFP水平。(2)對于政府而言，應該營造有利于企業間TFP溢出的發展環境，通過促進企業間的 TFP正向溢出，驅動“中國創造”。中央政府應繼續協調區域發展，通過引導高技術企業在中西部地區集聚，帶動地區經濟發展；應當重視企業所處的行業差異性，針對不同行業制定差異化的企業創新合作政策。(3)具體而言，鼓勵高技術行業的企業加大創新合作力度與科研交流，培養企業“合作雙贏”的集體精神；鼓勵中低技術行業的企業盡早轉變現有的簡單模仿與簡單復制的發展機制，注重吸取相似行業的先進技術與管理經驗。