生產性服務業集聚與城市生產率
——差異化學習效應、選擇效應與分類效應

一 引 言

對城鎮化道路的選擇,我國一直有大城市和中小城市之爭。近年來隨著大城市房價高漲、交通堵塞與污染日益嚴重,認為中國大城市規模過大、過于擁擠的看法越來越流行,然而以平均工資反映的平均勞動生產率,大城市遠比中小城市高。黎日榮和周政(2017)[1]統計發現,制造業依然有向經濟總量最大的十大城市集聚的傾向。李曉萍等(2015)[2]、周圣強和朱衛平(2013)[3]的實證研究發現2003年之后經濟集聚對城市全要素生產率表現為顯著的擁擠效應。這表明并非所有企業集聚均能提高城市的生產率。擁擠的大城市為什么依然有更高的生產率？大城市的高生產率來自于哪些集聚效應？在微觀層面,哪些制造業企業會選址大城市？生產性服務業與制造業在性質上存在巨大差異,它們集聚對企業生產率的影響機制不同,分析總體經濟集聚難以認清大城市生產率優勢的來源。盡管有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,但這些文獻暗含了同質性假設,認為企業從集聚中獲得了同樣的集聚效應,產業獲得的集聚效應是代表性企業的加總?，F實情況是,生產性服務業集聚的大城市同時有大量企業遷入和遷出,表明并非所有企業從集聚中獲得同樣的溢出效應。哪些企業會被吸引遷入集聚區,哪些企業又會被“擠出去”,異質性企業如何與城市層級匹配？生產性服務業集聚如何通過影響異質性企業的選址行為,優化城市的資源配置？這些問題在同質性假設下均無法得到答案。本文基于異質性企業理論,認為生產率不同的企業具有差異化的學習能力,在集聚中獲得差異化的學習效應,進一步導致企業差異化的選址行為,形成選擇效應和分類效應。選擇效應和分類效應又進一步影響城市的生產率和產業結構。本文使用城市統計數據和中國工業企業數據,檢驗擁擠效應、學習效應、選擇效應和分類效應的存在性及大小,為生產性服務業成為大城市生產率優勢的來源提供微觀解釋。

本文以下的結構安排是:第二部分是文獻綜述與理論分析,第三部分是模型與理論假說,第四部分是生產性服務業集聚對城市生產率影響的初步分析,第五部分是生產性服務業集聚的學習效應與選擇效應,第六部分是生產性服務業集聚的分類效應,第七部分是結論與政策含義。

二 文獻綜述與理論分析

(一)生產性服務業集聚與差異化學習效應

隨著社會分工深化,生產性服務業逐漸從制造業中剝離出來,成為服務經濟的重要組成部分。自20世紀70年代生產性服務業概念被明確提出之后,逐漸引起學者的關注。隨著生產性服務業由初期的潤滑劑作用演變到當前的經濟效率提升的引擎,學者的研究視角也由對集聚現象的描述深入到分析集聚對地區經濟效率和制造業生產率的影響上。已有研究較為一致地認為,生產性服務業集聚對制造業生產率存在顯著的溢出效應(陳建軍和陳菁菁，2011[4]；顧乃華，2011[5]；宣燁，2012[6]；李敬子等，2015[7]；余泳澤等，2016[8])。張浩然(2015)[9]發現生產性服務業集聚顯著提高了城市的經濟績效。惠煒和韓先鋒(2016)[10]發現生產性服務業集聚能顯著提高非農勞動生產率。這些文獻為理解生產性服務業集聚提升經濟效率提供了理論基礎。歸納已有的觀點,生產性服務業集聚提升制造業生產率有兩個重要的渠道:(1)通過專業化分工降低生產成本。生產性服務業承接制造業生產中的非核心環節,通過自身專業化的生產,有效降低了制造業的生產成本,提高生產率。(2)學習效應。生產性服務是知識密集型產品,企業使用這些中間品,內含的知識會逐漸被導入企業，通過學習和消化,轉化為企業的創新能力,有利于深化企業的專業化生產,提高生產率。

需指出的是，這些文獻的實證分析普遍使用城市或行業的中觀數據,也就暗含同一區域的企業是同質的。同質性假設存在兩方面不足:(1)難以解釋現實中異質性企業差異化的集聚特征。北京、上海和深圳是集聚上市企業總部最多的三個城市,并且在上市企業總部遷移中,北京和上海也是最重要的遷入城市(潘峰華等，2013)[11]。代表高生產率的上市企業顯著傾向選址在北京等生產性服務業集聚城市的同時,有大量資源效率低的企業向核心城市的周邊地區轉移。不同技能的勞動力把知識和技術轉化為現實生產力的效率不一樣,高技能勞動力有更強的學習能力,在與其他勞動力交流和學習中能獲得更大的技術外溢,因此高技能勞動力從生產性服務業集聚中獲得更大的收益(Bacolod et al., 2009[12]；Glaeser和Resseger，2010[13]；Combes et al., 2012[14])。Combes et al.(2012[14]，2011[15])等指出高技能勞動力在高生產率企業能夠發揮更高的效率，于是高生產率企業會內生地由高技能勞動力組成。本文把異質性企業從集聚中獲得的差異化技術外溢效應稱為學習效應。集聚給企業帶來技術外溢的同時,也會引起對土地、基礎設施等資源的激烈競爭,帶來擁擠效應(周圣強和朱衛平，2013)[3]。高生產率企業由于能從集聚中獲得更大的學習效應,傾向選址在生產性服務業集聚的城市,形成選擇效應。低生產率企業從集聚中獲得的學習效應較小,在擁擠效應的作用下,凈集聚效應往往是負的,以致傾向選擇外圍城市,形成分類效應[注]值得注意的是,目前不同文獻對選擇效應、分類效應的界定略有不同。Baldwin和Okubo(2006)[16]認為集聚區有更大的市場,會吸引高生產率企業從非集聚區轉移到集聚區,把這種轉移界定為選擇效應,相應的把低生產率企業從集聚區轉移到非集聚區界定為分類效應。Combes et al.(2012)[14]認為大城市競爭更激烈,低生產率企業會被迫退出大城市,把這種退出界定為選擇效應。本文遵照Baldwin和Okubo(2006)[16]的界定,把高生產率企業選址于生產性服務業集聚區界定為選擇效應,把低生產率企業退出集聚區界定為分類效應。。(2)同質性假設未考慮異質性企業差異化的選址行為對城市生產率的影響。由于集聚存在選擇效應和分類效應,導致生產性服務業集聚的城市內生地存在更多高生產率企業,不考慮企業選址行為對城市生產率的影響,把外溢效應全部歸于集聚效應,往往會高估集聚效應的作用。另一方面不考慮企業的選址行為,也難以理解生產性服務業發展是優化城市空間資源配置的內生動力。

(二)分類效應、選擇效應與城市生產率

盡管有文獻很早就發現企業在生產率、規模和貿易行為等方面存在極大的差異,但直到Melitz(2003)[17],企業的異質性才被引入到主流經濟學的分析框架,研究企業生產率差異對出口行為的影響。Baldwin和Okubo(2006)[16]開創性地將Melitz的異質性企業假設引入到Martin(1995)[18]的自由資本模型中,為研究異質性企業區位選擇提供了理論基礎。他們指出,集聚區市場更大,當運輸成本下降時,為了實現規模經濟,高生產率企業會從非集聚區轉移到集聚區,即選擇效應；當非集聚區政府提供轉移補貼時,由于競爭力較弱，低生產率企業會最先從集聚區轉移到非集聚區,即分類效應。Baldwin和Okubo的異質性企業選址模型開創了新新經濟地理學時代,后續較多文獻分析了異質性企業選址對生產率的影響。Saito和Gopinath(2009)[19]比較了選擇效應和集聚效應對智利食品行業企業生產率的影響,發現選擇效應更為重要。Combes et al.(2012)[14]基于法國工業區的企業數據研究發現,企業全要素生產率與區域就業密度有顯著正相關關系,但區域生產率差異主要來源于集聚效應,并沒發現有顯著的選擇效應。我國學者基于對中國工業企業數據的實證分析,得出的結論不盡相同。余壯雄和楊揚(2014)[20]發現集聚效應是解釋大城市生產率優勢的基本原因,同樣沒發現有顯著的選擇效應；劉海洋等(2015)[21]發現集聚效應和選擇效應均能顯著解釋集群區生產率優勢的來源；李曉萍等(2015)[2]發現1999-2002年,經濟集聚主要表現為集聚效應,2003-2007年,經濟集聚主要表現為擁擠效應,同時發現低生產率企業傾向選址在中小城市,即存在顯著的選擇效應；陳強遠等(2016)[22]發現城市生產率溢價是集聚效應、選擇效應、分類效應和競爭效應共同作用的結果。學者基于我國企業數據得出的實證結論遠未一致,顯然需要更進一步的分析。

已有新新經濟地理文獻主要是基于總體經濟集聚,考察集聚效應、選擇效應和分類效應的存在性及其大小。在不同產業集聚下考察這三種效應,可以更深入分析集聚區生產率優勢的來源,理解生產性服務業是推動城市產業結構升級的內生動力。另一方面已有文獻普遍強調下游市場規模對異質性企業的選擇機制,并沒有考慮上游中間品集聚對企業選址的影響。事實上企業選址不僅考慮規模經濟,還考慮投入成本。上游市場集聚無疑能為企業提供質優價廉和多樣化的中間投入品,降低企業的投入成本。趙曜和柯善咨(2015)[23]基于中國工業企業數據分析了城市規模、微觀企業的中間投入對企業生產率的影響,但并未嚴格區分制造業中間品和生產性服務中間品,也未區分中間品是來源于本地市場還是外地市場。隨著以制造智能化為特征的新一輪產業革命的演進,知識在制造業生產中的作用越來越重要,作為知識載體的生產性服務業已成為制造業創新能力和產品差異化的重要來源?，F實經濟中一個典型的現象是,大型制造業企業的總部往往選址在中心城市,以接近生產性服務業集聚區,生產工廠會分布在全國,以接近下游市場。因此研究生產性服務業集聚對異質性企業選址行為的影響是對新新經濟地理文獻的一個有益補充。綜合而言，本文基于歷年《中國城市統計年鑒》的數據和中國工業企業數據,分析城市生產性服務業集聚對制造業企業生產率以及選址行為的影響,有兩方面邊際貢獻:(1)基于異質性企業理論,使用微觀企業數據,考慮選擇效應和分類效應能更準確地理解生產性服務業集聚對城市生產率的影響,也是對現有基于同質性假設,使用區域和行業數據分析集聚效應文獻的有益補充。(2)本文分析上游高質量中間品市場集聚對企業選址行為的影響,為理解異質性企業選址行為提供了不同的視角,是對普遍強調下游市場規模對企業選址行為影響的新新經濟地理文獻的有益補充。

三 模型與理論假說

假設生產性服務中間品的生產遵循壟斷競爭模式,城市共有n個生產性服務廠商,每個廠商生產1個差異化產品,服務中間品在城市間不可貿易。廠商k生產x單位生產性服務的成本為:Cx(k)=wcxxk,其中w是城市的均衡工資率,cx為勞動投入量(下標x代表生產性服務產品,y代表制造業產品)。制造業對生產性服務的需求遵循CES函數形式,不變替代彈性為σx,σx>1。生產性服務的價格px為邊際成本的加成:

(1)

市場均衡時,城市生產性服務業價格指數PX為:

(2)

由于σx>1,城市生產性服務廠商數量n越大,價格指數PX就越低。這是生產性服務業集聚的價格效應,即越集聚,廠商的數量就越多,企業投入生產性服務的平均成本就越低。

Duranton和puga(2005)[24]假設企業的邊際成本由商務服務、專業化中間投入和勞動報酬構成,本文借鑒這一假設,制造業企業的邊際成本由生產性服務中間投入和勞動報酬構成,制造業中間品看作控制變量,省略并不影響本文的結論。異質性企業對中間品的使用存在效率差異,高生產率企業能更有效發揮中間品的作用,尤其是知識和技術密集型的生產性服務,高生產率企業從中獲得的學習效應更大。本文假定城市的建設用地是既定的,生產性服務業集聚會對制造業造成擁擠,降低企業的勞動生產率,用λ(n)≥1代表生產性服務業集聚引起的擁擠效應,其中λ′(n)>0,表示生產性服務廠商越多擁擠效應越大。制造業生產遵循壟斷競爭模型,每個企業生產1種差異化產品,企業i的邊際成本hy(i)設為:

(3)

ρi為企業i的內在生產率,其概率分布密度和累積分布函數分別是φ(ρ)和Φ(ρ),μi反映企業生產性服務中間品與勞動的投入比例,其中0<μi<1。式(3)中λ(n)代表集聚的擁擠效應,PX(n)代表集聚的價格效應。企業的差異化學習能力通過以下兩個渠道影響企業生產率:一是內在生產率ρi越高,企業會越有效率地使用生產性服務,中間品的實際價格(PX/ρ)就會越低；二是生產性服務的實際價格(PX/ρ)越低,企業在要素配置時會更多使用生產性服務,即μi更大。這兩方面共同降低企業的邊際成本,提高企業生產率,本文把它們概括為學習效應。企業從集聚中獲得的集聚效應是價格效應、學習效應和擁擠效應的總和。當集聚效應大于零時,生產性服務業集聚會提高企業生產率。

借鑒Combes et al.(2012)[14]的模型,本文將代表性消費者的效用函數設為準線性函數:

(4)

消費者只消費標準化產品(一般指農產品)和差異化制造業產品。其中q0、qi分別代表消費標準化產品和第i種差異化產品的數量,Ω為差異化制造業產品集合。參數α、γ、η均大于0,α越大,η越小表示消費者相對標準化產品更偏好消費制造業產品,γ越大表示制造業產品間的差異性越大。在預算約束下最大化消費者效用函數可以得到產品i的價格pi:

(5)

(6)

(7)

假說1:生產性服務業集聚對異質性企業的影響具有差異,集聚的學習效應和選擇效應隨企業生產率提高而增加。

企業能否從生產性服務業集聚中獲得正的集聚效應,取決于價格效應、學習效應和擁擠效應的大小。由于學習效應與企業生產率正相關,所以有:

假說2:在生產性服務業集聚中,低生產率企業更有可能獲得負的集聚效應；高生產率企業更有可能獲得正的集聚效應。

假說3:由于低生產率企業更有可能獲得負的集聚效應,集聚會提高低生產率企業退出市場的概率。

四 生產性服務業集聚對城市生產率影響的初步分析

(一)數據說明

微觀數據來源于中國工業企業數據庫,選取:13-37、39-42共29個二位碼制造業行業數據。由于GB/T4754—2002版和GB/T4754—94版的 《國民經濟行業分類》對生產性服務業的分類不完全相同,為確保統計口徑的一致,本文只選取2003-2007年的數據。剔除了明顯不合理的企業數據[注]具體整理方法參見文獻黎日榮和周政(2017)[1]。,使用Brandt et al.(2012)[25]的方法把企業數據匹配成面板數據。城市統計數據來源于歷年《中國城市統計年鑒》,剔除數據缺失較多的樣本城市后保留218個地級及以上樣本城市。通過城市代碼把城市數據和企業數據匹配,得到地級市范圍(包括轄區、轄市和轄縣)的企業觀測值共840802個。另外通過市轄區郵政編碼識別市轄區和外圍區企業[注]市轄區郵政編碼經作者手工整理得到,郵政編碼數據來源于全國郵政編碼查詢系統(www.yb21.cn)。,得到市轄區的企業觀測值418423個,外圍區(指市轄區之外的轄市和轄縣)的企業觀測值422379個。

企業全要素生產率是本文關注的被解釋變量,OLS估計企業生產率會面臨樣本選擇偏誤和內生性問題,Levinsohn和Petrin(2003)[26]提出的半參數估計LP法能有效解決這兩個問題,是目前估計生產率的主流方法。本文借鑒這一方法估計企業的生產率lntfplp(取自然對數的形式)。在估計中使用工業增加值衡量企業的產出,工業企業數據庫沒有報告2004年的工業增加值,本文使用劉小玄和李雙杰(2008)[27]的方法推算2004年的企業工業增加值；分別使用企業員工數和固定資產凈值作為勞動投入和資本投入的代理變量,使用中間品投入量作為代理變量控制生產率的不可觀測沖擊。為了剔除物價波動對生產率估計的影響,對以貨幣計價的投入產出變量均采用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[注]為了增加樣本容量更準確估計企業的生產率,本文使用工業企業數據庫1998-2007年的樣本數據估計企業的生產率。(Brandt et al.,2012)[25]。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)[28]的劃分,將科學研究、技術服務和地質勘查業,交通運輸、倉儲和郵政業,房地產業,租賃和商務服務業,批發和零售業,信息傳輸、計算機服務和軟件業,水利、環境和公共設施管理業,金融業界定為生產性服務業。目前文獻普遍使用空間基尼系數、區位熵等指標度量產業的集聚程度,以分析其對行業和地區生產率的影響。本文關注集聚對企業生產率的溢出效應,認為生產性服務業就業密度越大,市場競爭越激烈,越有利于下游制造企業獲取質優價廉的生產性服務中間品。就業密度更適合作為集聚指標以分析集聚對微觀企業的影響,孫楚仁等(2014)[29]、Combes et al.(2012)[14]分析經濟集聚對微觀企業的影響時,也使用就業密度作為產業的集聚指標。本文統計發現2014年我國75%的生產性服務就業集中在地級市市轄區。余泳澤等(2016)[8]研究表明生產性服務業集聚對方圓200公里以內的制造業具有密集的溢出效應。這表明在200公里內生產性服務業具有較好的貿易性,市轄區的生產性服務業能有效覆蓋周邊轄市、轄縣的制造業。為了更準確度量城市生產性服務業的集聚程度和競爭程度,本文以市轄區生產性服務就業密度Density1(單位為百人/平方公里)代理城市的生產性服務業集聚程度。為了考察溢出效應在不同集聚程度的城市是否存在差異,本文把218個城市按2003-2007年生產性服務業平均集聚程度從高到低分為4組,最高一組為高集聚城市(54個),次之為中高集聚城市(54個),再次是中集聚城市(55個),最低為低集聚城市(55個)。本文統計發現,低集聚城市、中集聚城市、中高集聚城市、高集聚城市2007年的平均GDP(億元)分別為188、467、603、1220,這表明生產性服務業顯著傾向于集聚在大城市。

(二)生產性服務業集聚的特征

表1是對不同城市的集聚密度和企業生產率分布的描述性統計。數據表明不管是全地區還是市轄區,生產性服務業在中高集聚城市和高集聚城市的樣本明顯比低集聚城市和中集聚城市多,這表明制造業和生產性服務業有顯著的協同集聚特征。從市轄區數據看,高集聚城市的集聚密度明顯比其他類型的城市高得多,高集聚城市的密度比中高城市的密度要高出238%,這表明生產性服務業有顯著的集聚特征。從全地區看,隨著生產性服務業集聚程度的提高,企業生產率均值總體有上升趨勢,這一特征在外圍區樣本尤其明顯,而在市轄區反而不明顯，初步可以判斷生產性服務業集聚總體上對城市制造業有正的溢出效應,但同時也給市轄區企業帶來擁擠效應,以致市轄區企業的溢出效應并不顯著。從企業的生產率分布看,市轄區p25(25分位點)的生產率均值為1.774,比外圍區的1.775略低；但市轄區p90的生產率均值為2.087,比外圍區的2.081明顯高，初步可以判斷市轄區企業生產率分布范圍更廣,但最高生產率的企業傾向集聚在市轄區。

表1 不同城市企業生產率及集聚密度的描述性統計

(三)基于核密度函數的初步分析

上文的數據描述性統計表明生產性服務業集聚與企業生產率總體上存在正相關關系,進一步通過企業生產率分布的核密度函數圖探索正相關性的來源。Combes et al.(2012)[14]認為如果集聚的分類效應(把低生產率企業淘汰出集聚區, Combes et al.的原文把它界定為選擇效應)存在,集聚區企業生產率分布會出現左截斷的特征,如果集聚區的集聚效應存在,集聚區企業生產率分布會出現右移動的特征。本文對不同集聚程度城市的企業生產率分布圖進行對比,從圖1可以看出[注]為了更明顯顯示集聚效應和分類效應,作圖所用的企業生產率數據為未取對數的全要素生產率。,左截斷的特征并不明顯,考慮到現實中制約企業退出的因素很多,總會有一些低生產率企業保留在市場,在分布圖上出現左截斷很困難。從市轄區樣本看,高集聚城市的企業生產率分布圖的左端較明顯比中高集聚城市的低,即高集聚城市低生產率企業更少,這表明市轄區存在分類效應,但外圍區分類效應并不明顯。初步可以判斷,生產性服務業在市轄區集聚會產生擁擠效應,擁擠效應會增加低生產率企業退出的概率。在外圍區樣本中,高集聚城市的企業生產率分布有顯著的右移動特征,這表明集聚效應在外圍區樣本中顯著存在,但市轄區這種特征并不顯著。初步可以判斷,在外圍區價格效應和學習效應比擁擠效應更大,以致企業可以獲得正的集聚效應；在市轄區價格效應和學習效應與擁擠效應大小相當,以致集聚效應并不明顯。因此基于核密度函數圖的初步判斷是,生產性服務業集聚與企業生產率的正相關性,在外圍區主要來源于集聚效應,在市轄區主要來源于分類效應。

五 生產性服務業集聚的學習效應與選擇效應

(一)計量模型與變量設定

對企業生產率分布核密度函數圖分析表明,市轄區樣本中存在分類效應,外圍區樣本中存在明顯的集聚效應。本部分進一步對數據回歸,以判別集聚效應的來源以及分類效應和選擇效應的存在。當前文獻普遍使用OLS回歸估計生產性服務業集聚的溢出效應,無法識別分類效應、擁擠效應、學習效應和選擇效應的存在。事實上由于存在選擇效應和分類效應,導致集聚區內生地存在更多高生產率企業,如果把溢出效應全部歸結為集聚效應,往往會產生向上偏誤。另一方面OLS回歸也無法識別集聚對異質性企業的差異化影響。鑒于此,本文采用分位數回歸,對全部企業樣本每隔10個分位點回歸一次,使用自助法獲得穩健性標準誤[注]作為對照本文也報告了全樣本的OLS回歸結果。。以往文獻普遍認為企業的資產負債率、規模、資本密集屬性以及所在行業均會影響企業的全要素生產率；城市的市場規模、產業結構、制造業密集度、人口密度、平均工資以及所在地區會影響企業的區位選擇。本文在回歸中控制這些變量,結合前文理論假說,基本回歸方程設定如下:

Lntfplp=β0+β1Density1+Xβx+Yβy+νc+νr+νt+εjt

(8)

被解釋變量為企業的全要素生產率Lntfplp,核心解釋變量為城市生產性服務業集聚程度,用市轄區生產性服務業就業密度Density1表示。X為企業層面的控制變量,包括企業的資本密度K_intensity、企業的規模assets、企業的資產負債率fina_rest。Y為城市層面的控制變量,包括城市的人口密度den_popul、制造業的就業密度Density2(單位:百人每平方公里)、城市的實際平均工資wage；用第二、三產業產出占GDP的比重structure度量城市的產業結構；用實際GDP度量城市的市場規模。vc、vr、vt分別代表二位碼行業、地區和年份效應[注]本文把大陸31個省市劃分為三個區域,其中東部包括北京、遼寧、天津、河北、浙江、上海、山東、江蘇、福建、海南和廣東,中部包括山西、安徽、黑龍江、吉林、河南、江西、湖南和湖北,西部包括重慶、貴州、四川、云南、陜西、西藏、甘肅、新疆、青海、寧夏、內蒙古和廣西。。εjt為隨機干擾項。為了識別不同區位的溢出效應,分別對全地區樣本和市轄區樣本進行回歸,核心解釋變量均使用市轄區生產性服務業就業密度Density1,城市的其他控制變量,市轄區回歸使用市轄區的數據,全地區回歸使用全地區的數據[注]由于《中國城市統計年鑒》缺少對應轄市轄縣的數據,本文并沒有單獨對外圍區的樣本回歸。。

(二)回歸結果與分析

(9)

Xi和βq均為向量,n為樣本容量。分位數回歸結果不易受極端值的影響,并且能夠提供關于條件分布Lntfp|X更全面的信息。本部分通過考察企業生產率不同分位點上回歸系數的差異來識別集聚經濟的各種效應,分析的重點不是各分位點回歸系數的絕對大小,而是各分位點系數的變化。

集聚經濟的各種效應如圖2所示。高生產率企業有更大的學習效應,從而傾向選址在集聚區,產生選擇效應。由于兩者的作用方向一致,均隨生產率的提高而增加,兩者的加總為一條向右上方傾斜的曲線。在本文的回歸中并不能分別識別這兩種效應,但可以識別它們的加總效應。表2的回歸結果顯示[注]限于篇幅,此處只報告核心變量的回歸結果。,不管是市轄區還是全地區,各分位點Density1的系數均顯著,且隨著分位數增加,系數嚴格單調增加，表明生產性服務業集聚對各分位點的企業均有顯著影響,溢出效應隨企業生產率的提高而增加,證實了圖2對總溢出效應的預測。由于擁擠效應和價格效應并不隨生產率變化,分類效應隨生產率增加而遞減,所以溢出效應與企業生產率的正相關性,來源于學習效應和選擇效應與企業生產率的正相關性?；貧w結果間接證實了學習效應和選擇效應隨企業生產率提高而增加,理論假說1被證實。由于差異化的選擇效應是由差異化的學習效應延伸而來,回歸結果也間接證實了學習效應隨企業生產率提高而增加,即集聚效應(擁擠效應和價格效應并不隨生產率變化)隨企業生產率提高而增加。

為比較不同分位點間系數的差異,進行分位差回歸IQR10-90,即90分位點和10分位點的回歸系數之差,市轄區IQR10-90的系數為0.0225,全地區樣本相應的系數為0.0164,兩者在1%的水平上顯著。如圖2所示,假設X1和X2分別代表P10和P90,Y1、Y3、Y5分別代表X1處的溢出效應、學習效應和選擇效應、分類效應；Y2、Y4、Y6分別代表X2處的溢出效應、學習效應和選擇效應、分類效應。那么(Y2-Y1)代表X2和X1處的溢出效應之差,市轄區為0.0225,全地區為0.0164。由于X1處的分類效應Y5大于X2處的分類效應Y6,故有X2和X1處的學習效應和選擇效應之差(Y4-Y3)大于(Y2-Y1),假設X1處(即P10處)的學習效應和選擇效應為0(事實上低分位點企業的選擇效應可以為0,但依然有正的學習效應),市轄區X2處(即P90處)的學習效應和選擇效應為0.0225,全地區X2處的學習效應和選擇效應為0.0164。即每平方公里增加100個生產性服務就業人口,學習效應和選擇效應會使市轄區和全地區P90處的企業生產率至少分別提升2.25%和1.64%。這表明市轄區的學習效應和選擇效應更強,高生產率企業更傾向選址在市轄區,該結論與前文描述性統計分析的判斷一致。在P10-P90的區間內,企業生產率每提升10個分位點,市轄區和全地區企業的學習效應和選擇效應分別增加0.28%(2.25%/8)和0.21%。在P90處,市轄區的學習效應和選擇效應是總溢出效應的5.4倍(0.0225/0.0042),在P80處該倍數是10.6((QR80-QR10)/QR80=(0.0019+0.0183)/0.0019),其他分位點上學習效應和選擇效應依然是正的,但溢出效應是負的,表明集聚中的分類效應和價格效應不足以抵消擁擠效應,集聚中正的溢出效應主要來源于學習效應和選擇效應。這一結論在全地區樣本同樣成立。IQR50-90的回歸系數,市轄區為0.0122,由于0.0122*2>0.0225,表明在市轄區,學習效應和選擇效應隨著生產率提高有加速增加的趨勢。這一結論在全地區并不成立(全地區這一回歸系數為0.0066,0.0066*2<0.0164)。這進一步表明高生產率企業傾向選址市轄區。

各分位點上,全地區Density1的系數均比市轄區大,表明生產性服務業給市轄區帶來了更嚴重的擁擠效應。市轄區和全地區P10-P90九個分位點上回歸系數的平均值分別為-0.0069和0.0053,表明市轄區的擁擠效應平均比全地區高1.22%(100%*(0.0053+0.0069)=1.22%),即每平方公里增加100個生產性服務就業人口,相比全地區,擁擠效應會使市轄區企業的生產率多下降1.22%。市轄區生產率在P80以前和全地區生產率在P30以前的企業,溢出效應均為負,生產率越低負效應就越大。由于低生產率企業的選擇效應接近0,分類效應為正,即低分位點處的集聚效應小于溢出效應,溢出效應為負表明集聚效應也為負。高生產率企業的分類效應接近0,選擇效應的發生往往以企業獲得正的集聚效應為前提,所以在高分位點處溢出效應為正表明集聚效應也為正。即實證結果表明低生產率企業獲得負的集聚效應,只有高生產率企業才獲得正的集聚效應,理論假說2得到證實。制造業集聚對企業生產率普遍有顯著的影響,與生產性服務業集聚不同,制造業集聚對市轄區企業有正的溢出效應,但全地區的溢出效應接近負數?？赡茉蚴?生產性服務業集聚和制造業集聚都會產生擁擠效應,但兩者的學習效應有差異。生產性服務作為一種中間投入品具有較高的可貿易性,帶來學習效應的交流是有償的,這有利于克服空間距離帶來的障礙。制造業集聚的學習效應來源于交流的外部性,該種交流多屬于員工的日常交往。所以制造業集聚的學習效應有賴于企業在較小空間的集聚,便于員工頻繁交往。市轄區企業密集集聚,學習效應較大,扣除了擁擠效應依然有正的溢出；全地區企業比較分散,學習效應較小,不足以抵消擁擠效應的影響,表現為負的溢出。

表2 分位數回歸結果

注：括號內為穩健性t；*、**、***分別表示顯著性水平為0.1、0.05、0.01。

六 生產性服務業集聚的分類效應

如第三部分所述,當企業的生產率低于臨界生產率時,集聚的擁擠效應會使低生產率企業無利可圖從而退出市場。結合本文的理論推導,第四部分的分位數回歸也間接證實了低生產率企業的集聚效應為負。即隨著集聚程度的提高,低生產率企業退出市場的概率會增加,本部分使用二值選擇模型回歸驗證這個假說。Logit和Probit作為研究二值選擇問題的經典模型,普遍被用于分析企業進入和退出問題。本文使用Logit模型分析企業的退出問題,模型設定如下:

(10)

被解釋變量為企業退出市場的虛擬變量exitjt,exitjt可以取值1或0。當企業j第t+1年退出數據庫,企業j第t年的exitjt變量取值1,否則exitjt取值0。由于2007年的數據用于判斷企業在2006年是否退出,所以在回歸中只使用了2003-2006年的數據。P(exitjt=1)表示企業j退出市場的概率。與第五部分的式(8)相比,本模型增加了兩個變量,一是生產性服務就業密度與企業生產率的交叉項Density1×tfp,以識別集聚對不同生產率企業退出概率的影響。二是νjt,用以控制企業的個體異質性,其他解釋變量和控制變量與式(8)相同。

表3回歸結果中ρ的系數為企業不可觀測異質性方差占總誤差方差的比例,下方括號是它的P值。從結果可知4列的P值均為0,表明LR檢驗強烈拒絕ρ=0的原假設,該模型需要考慮企業的個體異質性,不宜使用混合模型回歸[注]令nj為企業j存在期數的加總函數,T為面板數據的總期數,Logit固定效應模型的一個缺點是,在回歸中會損失nj=0或nj=T的觀測值,這意味著在回歸中持續存在的企業觀測值會被刪除,本文數據是短面板數據,使用固定效應模型將損失大量觀測值,以致回歸結果不合理。本文使用隨機效應處理企業的個體異質性。由于面板Probit沒有固定效應模型,本文的Probit模型同樣使用隨機效應模型處理個體異質性。。值得注意的是,列(1)和列(3)中自變量的回歸系數均已轉化為幾率比(odds ratio)的形式,系數大于1表明自變量與因變量有正相關關系,系數小于1表明自變量與因變量有負相關關系。先分析列(1)和列(3)的回歸結果。Lntfplp的系數分別為0.1675和0.1889,且在1%的水平顯著，表明生產率Lntfplp每提高1單位,全地區和市轄區企業退出的概率平均下降83.25%(0.1675-1=-0.8325)和81.11%,即生產率提高會顯著降低企業退出的概率。全地區Density1的系數為0.9034,但不顯著,市轄區為1.2691,在5%的水平顯著,表明集聚對全地區企業退出概率的影響并不顯著,對市轄區企業退出概率有顯著的影響。每平方公里增加100個生產性服務就業人口,市轄區企業平均退出概率會增加26.91%(1.2691-1=0.2691)。進一步表明,集聚對市轄區企業有明顯的擁擠效應,對全地區企業擁擠效應并不顯著。全地區交叉項Density1×tfp的系數為0.9955,但不顯著,市轄區為0.7845,在1%的水平顯著,表明集聚主要“擠出”了市轄區低生產率企業,隨著生產率提高,企業被 “擠出”的概率顯著下降。以上結果表明,生產性服務業集聚對市轄區企業有顯著的擁擠效應,增加了低生產率企業退出市場的概率,分類效應顯著存在,理論假說3得到證實。理論上低生產率企業有兩種策略應對集聚的擁擠效應,一是從集聚區轉移到非集聚區,二是直接退出市場。本部分只考慮了企業直接退出市場的情況(即退出數據庫),若考慮企業從集聚區轉移到非集聚區,分類效應會更加明顯。全地區Density2的系數為1.0034,市轄區為1.001,但均不顯著。這表明制造業集聚對企業退出的概率沒有顯著影響。Logit模型假設累計分布函數服從邏輯分布,為了減少由于分布函數的設定導致回歸結果的不穩健,本文同時使用Probit模型進行回歸。值得注意的是Probit模型回歸結果目前尚不能轉化為幾率比的形式,所有回歸系數均不能與列(1)和列(3)的結果進行直接比較,但從回歸系數的符號和顯著性水平看,Logit和Probit模型的回歸結果非常接近。這表明本部分得到的回歸結果是穩健的。

表3 logit回歸結果

注:括號內為穩健性z值；*、**、***分別表示顯著性水平為0.1、0.05、0.01；ρ為企業不可觀測異質性方差占總誤差方差的比例,對應括號內數值是它的P值。

七 結論與政策含義

與現有大多聚焦于地區和行業層面的文獻相比,本文進一步深化到企業層面,通過建立模型分析城市生產性服務業集聚對異質性企業生產率及選址行為的影響,指出生產性服務業集聚通過價格效應、學習效應和擁擠效應影響微觀企業的生產率。高生產率企業擁有更強的學習能力,從集聚中獲得更大的學習效應,傾向選址在集聚區,形成選擇效應。低生產率企業的學習效應較小,在擁擠效應的作用下,生產率低于臨界值的企業會退出集聚區,形成分類效應。最終生產性服務業集聚通過價格效應、擁擠效應、學習效應、選擇效應和分類效應影響城市的生產率。本文使用中國工業企業數據庫2003-2007年的數據對理論預測進行檢驗，結果表明:(1)生產性服務業集聚對異質性企業存在顯著差異的影響,生產率越高集聚效應越大,低生產率企業的集聚效應普遍為負,市轄區只有生產率在80分位點以上的企業、全地區30分位點以上的企業才擁有正的集聚效應。(2)學習效應和選擇效應隨企業生產率提高而增加,溢出效應主要來源于學習效應和選擇效應,集聚效應主要來源于學習效應,這表明高生產率企業傾向選址在集聚區。(3)擁擠效應顯著存在,市轄區尤其嚴重,市轄區的擁擠效應平均比全地區高1.22%。(4)集聚顯著增加了市轄區企業退出市場的概率,每平方公里增加100個生產性服務就業,企業退出概率增加26.91%,但隨著企業生產率提高,被“擠出”的概率顯著下降。這說明生產性服務業集聚主要提高了低生產率企業的退出概率,分類效應顯著存在。(5)集聚導致城市生產率差異是集聚效應、選擇效應和分類效應共同作用的結果,集聚的選擇效應和分類效應能有效疏解大城市的落后產能,優化城市的空間資源配置。

中國經濟經歷了40年的高速增長后轉入中高速增長的“新常態”，供需結構也發生了很大變化。2012年3月到2016年8月PPI連續出現54個月的負增長,這表明工業供給領域存在嚴重的產能過剩,由投入驅動的發展方式空間越來越小。提升全要素生產率將是未來經濟增長的新動力,也是推進經濟轉型升級的措施和保障機制。發達國家全要素生產率對經濟增長的貢獻一般達到70%-80%,而我國改革開放以來平均水平只略高于30%(王一鳴，2017)[31],這既是巨大的差異也是巨大的潛力。自主技術創新和提升資源配置效率是提高全要素生產率的兩個重要手段,然而自主技術創新難以在短時間內有大的突破,優化資源空間配置將是當前和未來較長時間全要素生產率的重要來源。

本文結論的三個政策含義:(1)弱化地方保護，淘汰落后產能。上文實證結果表明市轄區存在顯著的擁擠效應。在市場決定資源配置的情況下,當城市出現過度集聚時,獲得負集聚效應的低生產率企業會退出,直到擁擠效應和集聚效應達到平衡,經濟集聚程度會回歸到一個自然水平上。擁擠效應的存在表明企業退出可能受到非市場力量的干涉。地方政府出于就業、社會穩定和GDP考核的考慮,有動力對一些困難企業提供臨時幫助；國有銀行擔心隱性壞賬顯性化,也有動力對一些“僵尸企業”提供信貸支持,以致“僵尸企業”長期存在于市場中。出于地區長期經濟效率的考慮,地方政府要下定決心減少對低生產率企業的保護,讓市場機制通過分類效應把“僵尸企業”淘汰,把土地、資金等要素配置給高效率企業,提高城市的全要素生產率。(2)抑制惡性競爭,促進企業自由遷移。在分稅制下,地方政府傾向于保護地方經濟,設置貿易壁壘曾是最主要的保護方式。但隨著中國加入WTO,對外開放倒逼國內市場的一體化,地方政府的競爭逐漸轉移到圍繞招商引資而展開的“競次式”補貼上。落后地區過度的補貼,往往招來的是發達地區的“僵尸企業”,并不利于落后地區的長期發展。企業作為理性人,選擇最佳區位,使自身生產率得到最大的釋放是其戰略決策重點所在。隨著中心城市或中心城區擁擠效應越來越明顯,制造業企業有往周邊遷移的動力,這樣既可以接受中心城市生產性服務業的溢出效應,同時避免擁擠效應。落后地區應該先完善自身的基礎設施,根據自身的產業特點以及離中心城市的距離制定合適的產業承接戰略,而不是提供過度補貼展開惡性競爭。(3)發展大都市圈是釋放全要素生產率的重要空間發展戰略。本文的實證表明,全地區樣本比市轄區樣本獲得更明顯的集聚效應,表明制造業適度分散或與中心城區保持適度的距離更有利于獲得集聚效應。大都市圈具有這種空間功能結構,中心城市專業發展生產性服務業,周邊城市集聚制造業,既可以緩解中心城市的擁擠,同時接受中心城市的集聚效應。周邊的制造業越多,給中心城市提供的市場就越大,中心城市的生產性服務廠商就越多,集聚效應就越大。