產業集聚、企業加成率與綠色全要素生產率

鮑金紅 彭舒陽

摘?要：

利用2007—2020年31個省（自治區、直轄市）面板數據，以企業加成率作為中介變量深入考察了污染密集型產業集聚對綠色全要素生產率（GTFP）的影響及其內在機制。研究發現：專業化集聚顯著推升了GTFP，而多樣化集聚顯著抑制了GTFP；衡量市場競爭度的企業加成率在專業化集聚、多樣化集聚與GTFP之間發揮的中介作用均顯著為正；企業加成率與GTFP負相關，表明市場競爭有利于GTFP提升。進一步的分析表明，以企業加成率作為門限變量時，專業化集聚和多樣化集聚對GTFP的影響分別存在雙重門限和單一門限；在中西部地區，多樣化集聚不利于GTFP提升、從而需要大力發展專業化集聚，在東部地區則相反。

關鍵詞：

污染密集型產業；專業化集聚；多樣化集聚；企業加成率；綠色全要素生產率

中圖分類號：F424;F124.5

文獻標識碼：A???文章編號：1007-2101（2023）03-0061-13

一、引言

中國工業一直存在明顯的地理集聚現象。20世紀90年代以來，隨著經濟特區的推進與改革開放的加快，市場力量的重要性日益凸顯，東部沿海地區憑借區位優勢、歷史基礎以及政策傾斜，吸引了大量勞動力、資本、技術和人才，成為產業集聚的主要地區［1］；之后，在“西部大開發”“中部崛起”等區域經濟發展戰略和相關政策措施的引導下，工業集聚重心開始出現向中西部地區轉移的趨勢［2］。長久以來，產業集聚被視為中國經濟增長的一個重要推動力［3-4］。

任何產業的生產過程都伴隨著一定程度的污染，其中排放大量污染物的產業就被稱為污染密集型產業［5-6］。因此，產業集聚尤其是污染密集型產業集聚，除對當地具有經濟效應外，還必然會因排放污染物產生環境效應［7］。據此，中國在2006年12月頒布《關于貫徹落實科學發展觀、進一步加強環境保護的決定》，明確提出對地方官員的考核不再僅僅注重經濟績效，還要進一步納入污染物減排績效；隨后，各地于2007年與環保部簽訂了《“十一五”主要污染物排放總量削減目標責任書》，且規定各地不得自行公布本地區主要污染物排放總量和削減情況，須由國家有關部門先行核定。這些舉措都意味著中國開始大力提高對經濟增長與環境保護協同發展的重視程度。由此，綜合考量經濟效應和環境效應，本文考察污染密集型產業集聚對綠色全要素生產率（Green Total Factor Productivity，以下簡稱為GTFP）的影響。同時，依據Marshall［8］外部性和Jacobs［9］外部性，一個地區的GTFP不僅受同一污染密集型行業內集聚即專業化集聚的影響，而且會受到不同污染密集型行業間集聚即多樣化集聚的影響。基于此，本文將污染密集型產業集聚劃分為專業化集聚和多樣化集聚以分別考察其溢出效應。

早期的產業集聚，政府政策的影響顯而易見，但政策的推動作用也只是企業理性選擇的因素之一，其作用在于引導并提供一定的基礎支持。促成產業集聚實現經濟發展的決定性因素和長期因素依然是市場競爭。在市場經濟條件下，集聚的根本動力來自企業利潤和投資回報的增加［10］，而企業和投資者逐利的市場競爭行為又會隨著集聚的變動作出相應調整進而影響到市場競爭。大量文獻選擇直接檢驗產業集聚對生產率的影響［11］，未能考慮兩者之間的影響機制。考慮到產業集聚與市場競爭之間的相互影響，本文具體研究污染密集型產業集聚如何影響該地區的市場競爭，通過市場競爭的變動又如何影響該地區的GTFP，據此最終研究產業集聚的溢出效應及其機制。

本文在兩個方面豐富和深化了有關產業集聚溢出效應的研究：第一，現有文獻主要聚焦在對產業集聚與生產率之間關系的直接評估上，與這些文獻不同，本文加入了環境效應即GTFP，并將市場競爭（以企業加成率為指標衡量市場競爭程度）因素考慮在內，通過構建中介模型和門限回歸對產業集聚與GTFP的關系及其機制進行了深入評估；第二，聚集產業多樣化程度的增加也會對市場競爭和生產率產生重要影響［12］，因此，不同于大部分文獻僅從專業化集聚①的視角進行分析，本文引入多樣化集聚對產業集聚與GTFP的關系進行研究。

二、文獻綜述與理論基礎

產業集聚會對生產率產生重要影響［13］。首先，就專業化集聚而言，基于Marshall［8］外部性，大多數文獻研究了某種行業內產業集聚與生產率關系的存在性及方向性，如賈潤崧和胡秋陽［14］利用中國制造業的數據發現，產業集聚對本行業生產率具有正向影響；同樣是對中國制造業進行分析，邵宜航和李澤揚［15］認為集聚與本行業增長之間呈現“倒U型”關系，并表明2000—2007年多數城市制造業集聚對生產率的負向效應更為顯著；李玲和陶鋒［16］以污染密集型產業為樣本，發現集聚顯著推動了本行業綠色全要素生產率的提升；鄭江淮等［17］根據江蘇省沿江開發區企業的微觀調研數據得到開發區政策下的產業集聚對企業生產率無顯著影響的結論，由此提出非政策性集聚產生溢出效應才是關鍵；錢雪松等［18］的研究也表明，政策性集聚使本行業企業投資對投資機會的敏感程度降低，從而會惡化生產率。其次，就多樣化集聚而言，根據Jacobs［9］外部性，生產率還會受到同一區域多種行業間集聚的影響，于是為數不多的文獻對此進行了相應考察，得出的結論也不盡相同，如胡翠和謝世清［19］以中國制造業為樣本，發現關聯行業對制造業的溢出效應顯著為正；章韜和申洋［20］的研究表明，Jacobs外部性（即多樣化集聚）和Marshall外部性（即專業化集聚）具有顯著的區域差異，兩者分別在中西部地區和東部地區發揮正向作用；范劍勇等［21］通過對電子設備業的分析得出，在技術進步的影響下，專業化集聚可以顯著提升生產率，而多樣化集聚對生產率的貢獻不大。但這些文獻往往忽略了市場競爭在其中的影響。

在市場經濟條件下，市場競爭程度是影響產業集聚溢出效應的關鍵因素［22］。已有研究指出，競爭市場環境下更易發揮產業政策對生產率的提升作用［23］；還有學者在對中國經濟特區的研究中發現，產業集聚政策會驅使同一地區的競爭對手由聚集產生合作等非競爭行為，致使最終產出受到的積極影響還是來自于市場機制的力量，原因是后者可以將資源重新分配給效率更高的生產者［24］。由此，在經濟分析中充分考慮市場競爭尤為必要。理論上，完全競爭市場的條件是產品價格等于邊際成本，然而實際中的邊際成本無法觀測、完全競爭市場也幾乎不存在。Hall［25-27］提供了一種估算兩者偏離程度并將其作為衡量市場競爭程度的新思路。這個偏離度被稱為“企業加成率”（Markup），通常將其定義為產品價格與邊際成本之比。企業加成率越高，意味著產品價格與邊際成本之間越偏離，從而企業獲得的壟斷利潤越高，由此反映出的市場不完全競爭度和壟斷勢力越強［28-30］。隨著企業加成率估算方法的發展，開始出現一批驗證企業加成率與生產率、福利之間內在聯系的研究。如Melitz和Ottaviano［31］建立了一個壟斷競爭的理論模型，發現更高的生產率和更低的企業加成率往往是同時出現的；進一步地，Freenstra和Weinstein［32］在對美國的經驗研究中表明，企業加成率的下降能顯著減少資源錯配造成的生產力損失、改善福利。以上研究都表明，企業加成率作為市場競爭程度的負向指標，與生產率的關系呈負相關。

少量文獻直接關注了集聚對企業成本加成的影響。Loertsher和Riordan［33］基于理論分析提出，集聚對需求方和供給方都會產生影響，前者獲得了更大的產品選擇權從而減少了支付價格加成，后者缺乏為降低成本進行投資的激勵，由此集聚可能會降低企業加成率；Zhao［34］和Lu等［35］采用中國企業數據，認為產業集聚對本行業企業加成率的負向影響大于對本行業生產率的正向影響，即產業集聚對本行業市場競爭程度的提高多于對本行業生產率的提高；沈鴻和向訓勇［36］借鑒演化經濟地理學的方法，將“相關多樣化”區分為水平多樣化與垂直多樣化，發現兩者對企業加成率的影響分別為不顯著和顯著為正，但均提高了生產率，而專業化集聚雖然降低了企業加成率，但也顯著降低了本行業生產率。

進一步地，基于企業加成率的定義，產業集聚對其產生影響的渠道主要有兩個：一是作用于價格加成，二是作用于邊際成本［37］。一方面，產業集聚能通過“集聚效應”節省運輸貨物、調整勞動力和共享知識的成本［38］，降低邊際成本，從而提高企業加成率；另一方面，產業集聚會對企業加成率產生“選擇效應”，即在給予需求方更多選擇的同時削弱供給方的定價能力，從而降低企業加成率［32-33］；此外，由于“競爭效應”會致使價格上限下降［39］，產業集聚還會據此對企業加成率產生抑制作用［34-36］。因此，產業集聚對企業加成率的最終影響取決于產品價格和邊際成本受上述三大效應導致的總體變化。

總體而言，既有的研究產業集聚與生產率關系的文獻存在兩點不足：（1）在評估產業集聚對生產率的影響方面，只停留在檢驗其存在性及相關產業政策在其中發揮的作用等，未充分考慮市場競爭的重要性。雖然部分文獻在理論上已經論證產業集聚、企業加成率與生產率之間作用機制的存在，但其實證研究尚顯不足。（2）較少關注多樣化集聚的溢出效應。現有文獻一般僅考察集聚對本行業生產率即專業化集聚的影響，就多樣化集聚的研究并不充分，從而影響了對產業集聚溢出效應的完整認識。有鑒于此，本文將在這兩方面進行補充。

由于直接討論產業集聚和生產率的關系無法深入探討其內在機制，本文將企業加成率作為市場競爭程度的指標并作為中介變量納入分析框架中。根據上述分析，市場競爭程度越高，企業加成率越低，越有利于生產率的提升，即企業加成率與生產率呈現負相關關系；由此，最終觀測到的產業集聚對生產率的影響，取決于產業集聚對企業加成率的集聚效應、選擇效應和競爭效應的加總凈值。同時，隨著中國對環境問題的日益重視，除需要研究產業集聚的經濟效應外，還必須考量環境效應。由此，本文將使用包含污染排放這一非期望產出的GTFP進行綜合考察［40］。然而，任何產業在生產過程中都會產生一定程度的污染物，據此，本文將篩選出產生大量污染物的污染密集型產業［5-6］，探討污染密集型產業的專業化集聚與多樣化集聚在市場競爭的影響下與GTFP的內在聯系。本文在一定程度上拓展與豐富了產業集聚溢出效應這類文獻的研究視角，有助于更為全面、客觀地評估產業集聚的經濟效應和環境效應。

三、模型設定、變量測度與數據說明

（一）實證模型設定

根據上文有關市場競爭機制的理論分析，污染密集型產業集聚會在其企業加成率的作用下影響GTFP。為了識別這一機制是否存在，借鑒Baron和Kenny［41］提供的檢驗中介效應的Sobel［42］方法，本文構建以下方程：

式中，i表示省（自治區、直轄市），t表示年份。GTFPit是核心被解釋變量，表示i省份在t年的綠色全要素生產率②； AGGit是核心解釋變量，包括i省份污染密集型產業在t年的專業化集聚度（MARit）和多樣化集聚度（JACit）；markupit是中介變量（在下文分析中還將被作為門限變量），表示i省份污染密集型產業在t年的企業加成率；Xit為一系列控制變量，εit為隨機擾動項。

為了更有效地識別通過企業加成率的中介作用，污染密集型產業集聚對GTFP的影響，本文從地區和行業兩個層面加入控制變量。（1）地區層面：第一，經濟發展水平，采用人均GDP衡量，并做自然對數處理（lnpgdp）。根據環境庫茲涅茨曲線（Environmental Kuznets Curve，下文簡稱為EKC）理論，經濟發展與環境污染之間存在非線性關系［43］。而GTFP將污染排放這一非期望產出包含在內，由此可以合理推測經濟發展也會對GTFP產生類似的影響。本文借鑒羅能生和李建明［44］的做法，引入ln pgdp的二次項（ln2pgdp）。第二，對外開放程度（tra），采用進出口貿易總額與GDP的比值衡量，其中進出口貿易總額根據各年度匯率中間價調整為人民幣計價。一方面，Reppelin-Hill［45］認為對外開放能降低引進清潔型生產技術或產業的成本，從而減少污染排放，提高GTFP；另一方面，Cole［46］提出對EKC的一種可能解釋，認為對外開放會使發達國家成為發展中國家所生產的污染密集型產品的凈進口國，從而在推升發達國家GTFP的同時抑制發展中國家GTFP。第三，產業結構特征（is），采用第二產業產值與GDP的比值衡量。工業生產往往與能源消耗、污染物排放密切相關，而第二產業產值占比的下降往往代表產業結構的優化升級，這會使環境壓力減小，GTFP提高［47-48］。第四，環境規制強度（er），采用環境治理投資額與GDP的比值衡量。根據“波特假說”［49-50］，合理的環境規制將刺激綠色技術創新，通過創新補償效應促進GTFP的提高；而根據“污染避難所假說”［51］，環境規制嚴格的國家或地區迫于成本壓力，會將污染密集型產業轉移至環境規制更為寬松的國家（或地區），這雖可能導致承接國家（或地區）GTFP的惡化、但卻有利于轉出國家（或地區）GTFP的提高。（2）行業層面：結合研究產業集聚溢出效應文獻的常規做法［52-53］，選取的控制變量為資本密集度（cap），采用行業固定資產凈值年均余額與就業人數的比值衡量；收入水平（wage），采用行業職工平均工資衡量；資金充裕度（fund），采用行業利息支出與固定資產的比值衡量。

（二）變量測度

1.核心被解釋變量：GTFP

GTFP是一種全面考慮經濟增長、資源節約和環境保護的綜合生產率，是地區經濟實現綠色轉型的重要推動力［54］。本文運用包含能源投入和污染物排放的超效率SBM模型對GTFP進行測度。其中：（1）投入指標：能源投入，采用能源消費總量衡量；非能源投入，以就業人員年末人數代表勞動力投入、以實際固定資產投資額（使用投資指數平減為以2007年為基期）代表資本投入；（2）產出指標：期望產出，采用實際GDP（使用價格指數平減，以2007年為基期）衡量；非期望產出，采用“三廢”（即廢水、廢氣、固體廢物）排放總量衡量③。

2.核心解釋變量：污染密集型產業集聚度

（1）污染密集型產業的判定。本文的核心解釋變量是污染密集型產業專業化集聚度與多樣化集聚度，在計算相關集聚指標之前，需對工業行業進行篩選，其中排放大量污染物的就被劃歸為污染密集型產業。參照Becker和Henderson［55］的方法，本文使用各工業行業主要污染物排放密度指數（下文簡稱為PDI指數）來判定污染密集型產業。公式如下：

式中，k表示工業行業④，n表示各種污染物，Wkn表示k行業n污染物的排放量，Yk表示k行業的工業產值。本文對污染物的選取包括工業廢水中的化學需氧量（COD）、氨氮，工業廢氣中的二氧化硫、氮氧化物、總懸浮顆粒物和一般工業固體廢物6種主要污染物。由于2017年后不再公布各細分行業的工業產值，本文選取2016年全國各細分行業工業產值和6種主要污染物排放量來計算PDI指數。判定標準為，至少有一種主要污染物的PDI指數值大于或等于1的行業就屬于污染密集型產業。結果顯示，污染密集型產業共包含21種工業行業，分別為煤炭開采和洗選業，黑色金屬礦采選業，有色金屬礦采選業，非金屬礦采選業，農副食品加工業，食品制造業，酒、飲料和精制茶制造業，紡織業，皮革、毛皮、羽毛及其制品和制鞋業，木材加工和木、竹、藤、棕、草制品業，造紙和紙制品業，石油、煤炭及其他燃料加工業，化學原料和化學制品制造業，醫藥制造業，化學纖維制造業，非金屬礦物制品業，黑色金屬冶煉和壓延加工業，有色金屬冶煉和壓延加工業，廢棄資源利用業，電力、熱力生產和供應業，水的生產和供應業。

（2）污染密集型產業集聚度。就業資源可以在一定程度上反映市場份額和資源配置的情況［56］，由此本文以就業人數作為測度污染密集型產業集聚度的主要指標。與羅能生和李建明［44］的做法相一致，本文基于Marshal外部性來測度污染密集型產業的專業化集聚度，基于Jacobs外部性來測度污染密集型產業的多樣化集聚度，即⑤：

式中，i表示省（自治區、直轄市），k表示工業行業，t表示年份，Sikt是在t年i省份污染密集型產業中行業k的就業人數占該省份總就業人數的比重，Skt是在t年全國污染密集型產業中行業k的就業人數占全國總就業人數的比重。選取上文所判定的21種行業進行指標的測算。MAR數值越大，表明當年該省份污染密集型產業的專業化集聚度越高；JAC數值越大，則表明多樣化集聚度越高。測算結果表明，2007—2020年各省份污染密集型產業集聚指標均呈上升趨勢；分區域來看，污染密集型產業的兩類集聚度都表現出“自東向西”的漸進式特征［36］，其中多樣化集聚度略有區別，其在樣本期內中部地區維持最高水平。

3.中介變量與門限變量：企業加成率

本文采用De Loecker和Warzynski［57］的方法（DLW）對污染密集型產業行業層面的企業加成率進行估算。該方法結合了Hall方法和ACF生產函數估計法［58］，放松了市場結構和需求結構等約束條件，只需使用生產投入和產出數據構造成本最小化問題即可求解，具有較強的應用性。首先，假設企業的生產函數為：

式中，L、K、M、ω分別表示勞動投入、資本投入、中間品投入和企業生產率。假定函數F（·）連續且對所有參數二階可導，企業成本最小化問題即為：

式中，w、r、pm分別表示工資率、利率和中間投入品價格，[AKQ-]表示給定的產量。Lu和Yu［59］認為在中國，中間品投入要素的流動性即自由調整度較勞動力投入要素和資本投入要素更高。鑒于此，本文采用中間品投入進行企業加成率的計算。式（8）的一階條件為：

式中，λ表示拉格朗日乘子。式（9）兩邊同乘Mit/Qit可得：

式中，P表示最終品價格。根據包絡定理，拉格朗日乘子滿足條件λit=mcit。基于企業加成率的定義markupit=Pit/mcit=Pit/λit，式（10）可整理為：

（PitQit）分別表示中間品投入的產出彈性和中間品投入占企業總收益的比重。其中，αmit可直接使用相關數據計算得到，而計算θmit則需先估算生產函數。本文借鑒Lu等［36］的做法，將生產函數設定為超對數形式：

式中，l、k和m分別表示自然對數處理后的勞動投入、資本投入和中間品投入，εit為隨機擾動項。本文遵循ACF兩步法在行業層面上估算式（12）中的各個生產函數系數，得到中間品投入的產出彈性

將其代入式（11）即可得到企業加成率的估算值。本文與尹恒和張子堯［22］對中國制造業的企業加成率計算結果一致：2007—2020年，各省份污染密集型產業的企業加成率呈下降趨勢；分區域來看，東部地區的企業加成率較中西部地區更低，即東部地區市場競爭度較中西部地區更強。

（三）數據來源與描述性統計

本文使用的數據主要分為兩大類：行業層面的基礎數據來自2007—2020年中國環境保護數據庫和EPS數據庫，部分數據來源于樣本期內《中國工業統計年鑒》；省份層面的基礎數據來自2007—2020年EPS數據庫，部分數據來源于樣本期內《中國統計年鑒》及31個省（自治區、直轄市）統計年鑒（未包含中國香港、澳門和臺灣地區）。個別缺失數據根據插值法計算得到。此外，考慮到樣本中部分年份可能存在數據異常值，為避免回歸結果有偏，本文對所有變量做1%縮尾處理。表1給出了主要變量的描述性統計結果。

從污染密集型產業專業化集聚度來看，據表2第（1）（3）列的結果顯示，污染密集型產業專業化集聚度對GTFP的總效應和直接效應均顯著為正；污染密集型產業的專業化集聚度在控制其企業加成率后對GTFP的影響系數小于第（1）列的總效應系數，這表明企業加成率在污染密集型產業專業化集聚度與GTFP之間的中介效應是正向的；同時，據第（2）列的結果顯示，污染密集型產業的專業化集聚度對其企業加成率的間接效應顯著為負，加之污染密集型產業企業加成率對GTFP的影響顯著為負，從而促使企業加成率的正向中介效應顯著。本文的相應結論與Lu等［36］、范劍勇等［21］相一致：污染密集型產業的專業化集聚對價格及其上界下降的選擇效應和競爭效應超過了對邊際成本降低的集聚效應，由此不利于市場競爭程度的改善，然而卻能在極大程度上獲得規模經濟和污染物集中排放處理等帶來的規模收益［16，60］。最終表現為：雖然污染密集型產業的專業化集聚度對其企業加成率的影響顯著為負，但后者在前者與GTFP之間發揮了顯著的正向中介作用。

從污染密集型產業多樣化集聚度來看，據表3第（4）（6）列的結果顯示，以企業加成率為中介變量，污染密集型產業的多樣化集聚度對GTFP的直接效應和總效應顯著為負，且直接效應系數的絕對值大于總效應系數的絕對值，這表明企業加成率起到的中介作用是正向的；由表2第（5）（6）列可以看出，污染密集型產業的多樣化集聚度與企業加成率之間、企業加成率與GTFP之間均呈現負相關關系且通過顯著性檢驗，據此，企業加成率的中介效應最終產生的效果顯著為正。由此，相應的結論為：一方面，污染密集型產業多樣化集聚不利于GTFP的提升，該結果似乎與羅能生和李建明［44］、蘇丹妮和盛斌［53］的“不顯著”結果相異，然而這種偏差可能是由于這些文獻討論的只是總體工業而不是污染密集型產業所致；另一方面，污染密集型產業多樣化集聚對其企業加成率的集聚效應、選擇效應和競爭效應的凈效應為負，而企業加成率與GTFP是負相關關系，于是企業加成率在污染密集型產業多樣化集聚與GTFP之間的中介效應顯著為正。

以上中介效應檢驗結果表明，企業加成率會在污染密集型產業專業化集聚和多樣化集聚與GTFP之間產生正向作用，這就促進了污染密集型產業專業化集聚對GTFP的提升，緩解了污染密集型產業多樣化集聚對GTFP的抑制。本文結果還驗證了企業加成率與GTFP的負相關關系，即市場競爭程度是提升GTFP的關鍵因素。

除產業集聚度和企業加成率外，控制變量也會對GTFP產生影響。經濟發展水平（lnpgdp）與GTFP之間存在非線性關系，這與EKC理論預期相符［43］也同羅能生和李建明［44］的估計結果一致；對外開放程度（tra）對GTFP有顯著為負的影響，表明對外開放對依然屬于發展中國家的中國帶來的負向影響大于通過引進清潔技術或產業對GTFP產生的正向作用［45-46］；產業結構特征（is）對GTFP也存在顯著為負的影響，這符合預期，同鐘娟和魏彥杰［61］的研究結論一致；環境規制強度（er）與GTFP存在負向關系，表明“污染避難所”效應大于創新補償效應［49-51］，這與徐敏燕和左和平［62］以中國制造業為樣本的結論一致。對于污染密集型產業的行業特征而言，資本密集度（cap）在加入企業加成率前后，與GTFP的關系分別為不顯著和顯著為正，表明資本密集度對GTFP的提升作用在市場競爭的影響下能被強化；收入水平（wage）對GTFP的影響顯著為正，可能的原因在于，工資率是勞動力的價格，勞動的價格越高，行業企業的勞動力成本越高，從而產生對非勞動密集型技術或產業的需求，實質上通過產業轉型升級提升GTFP；資金充裕度（fund）對GTFP的影響結果顯著為負，表明更難獲取外部資金支持的行業企業為了提高利潤，反而更有動力采取降低排污成本的決策，進而對GTFP產生正向影響。

（二）穩健性檢驗

為檢驗上述結論的穩健性，本文進一步考察了可能存在的內生性問題和衡量集聚的不同指標。（1）可能存在的內生性問題及解決方法。Ottaviano［63］認為，生產率不同的行業企業，其集聚傾向本身具有差異性，由此可能會產生GTFP和產業集聚的雙向因果關系，從而導致內生性問題。為緩解估計偏誤，本文借鑒劉強等［64］的做法，將滯后一期的核心解釋變量作為當期的工具變量進行兩階段最小二乘估計。（2）利用不同指標測算集聚度并進行回歸。考慮到2017年后分行業產值數據的缺失，本文借鑒黃磊和吳傳清［65］的做法，將衡量指標由就業人數替換為規模以上工業企業主營業務收入。結果均通過穩健性檢驗［7］。

五、進一步分析：門限效應與區域異質性

（一）企業加成率約束下的門限效應

企業加成率除在污染密集型產業集聚與GTFP之間產生中介效應外，還可能具有門限效應。也就是說，受到不同市場競爭程度約束下的污染密集型產業，其專業化集聚和多樣化集聚對GTFP的影響可能不同。然而，人為主觀地劃分門限值會導致結果并不可靠。由此，本文采用Hansen［66］的方法構建如下門限回歸模型，并使用自舉法對門限值進行參數估計與存在性檢驗：

其中，i表示省（自治區、直轄市），t表示年份，markupit為門限變量，y為待估計的門限值，Xit是與中介模型相同的控制變量， εit為殘差項。如表3所示，以企業加成率作為門限變量，污染密集型產業專業化集聚度對GTFP的影響存在雙重門限，污染密集型產業多樣化集聚度則對GTFP呈現單一門限效應。

門限回歸實質上是在確認門限存在的基礎上，依據門限值將樣本劃分為不同區制，通過比較不同區制內部核心解釋變量對核心被解釋變量的影響差異檢驗門限效應［67］。本文以企業加成率作為門限變量的回歸結果如表4所示：從污染密集型產業專業化集聚度來看，在企業加成率的約束下，其對GTFP的影響存在雙重門限，據此可以劃分為三個區制。由表4第（1）列可以看出，污染密集型產業專業化集聚度在第一個區制內對GTFP存在顯著的促進作用，然而，如果企業加成率繼續上升，反而會導致污染密集型產業專業化集聚對GTFP的惡化。污染密集型產業的多樣化集聚度對GTFP則呈現單一門限效應。表6第（2）列的結果表明，污染密集型產業多樣化集聚度在第一個區制內對GTFP的影響為正，但未通過顯著性檢驗，在第二個區制內則會對GTFP產生顯著的抑制作用。此外，這些結果也驗證了市場競爭程度是影響產業集聚與GTFP關系的關鍵因素，合理的企業加成率才能有效激發污染密集型產業集聚對GTFP的正向作用。

（二）區域異質性分析

表4的測算結果顯示，在樣本期內東部地區污染密集型產業集聚度具有相對中西部地區降低的趨勢，而中西部地區的市場力量弱于東部地區，由此表明其中存在相關政策措施的引導，如工業園和開發區的建設、招商引資等［68］。據此可以合理推測，在東部地區和中西部地區，企業加成率對產業集聚與GTFP的中介效應會具有差異性。本文將對此做進一步的考察⑥，所得結果見表5和表6。

結果顯示，企業加成率、經濟發展水平、產業結構特征、環境規制強度、資本密集度和平均工資依然與GTFP表現出與基準結果相同的關系，表明這些變量對GTFP的影響不隨模型中其他變量變化而變化，強化了理論前提的可靠性。從分區域的估計結果來看，對于東部地區而言，污染密集型產業的專業化集聚對GTFP存在負向影響，多樣化集聚顯著推升了GTFP，而其企業加成率作為中介變量緩解了專業化集聚對GTFP的負向影響，對多樣化集聚則無明顯作用；中介效應的不同來自于間接效應的不同，即專業化集聚由于集聚效應占主導，可以顯著提高市場競爭程度，而多樣化集聚對企業加成率的集聚效應、選擇效應和競爭效應相互抵消；此外，控制變量的結果還反映出，在資金充裕度本身很高的地區，外部資金的支持依然有利于該地區GTFP的提高。對于中西部地區而言，污染密集型產業專業化集聚度對GTFP的影響顯著為正，多樣化集聚度對GTFP的影響顯著為負；由于企業加成率與GTFP的相關關系均為負且通過顯著性檢驗，而污染密集型產業專業化集聚度對企業加成率的凈效應顯著為正、多樣化集聚度對企業加成率的凈效應顯著為負，于是得到企業加成率產生的中介效應分別為負向和正向且均通過顯著性檢驗；控制變量的結果表明，對外開放有利于中西部地區引進清潔型技術或產業，從而可以提升GTFP。

六、結論與政策含義

本文從市場競爭角度考察了產業集聚影響GTFP的理論機制，通過構建中介模型和門限回歸并運用中國2007—2020年分省份面板數據進行了實證研究。主要得到了以下結論：市場競爭程度越高越有利于GTFP的提升；污染密集型產業的兩類集聚對企業加成率的選擇效應和競爭效應占主導，顯示出凈效應為負，致使企業加成率在污染密集型產業集聚與GTFP關系中產生的中介效應相應為正向；在企業加成率的中介作用下，污染密集型產業的專業化集聚顯著促進了GTFP的提升，其多樣化集聚則結果相反；污染密集型產業集聚對GTFP的影響隨企業加成率的變化呈現出門限特征；本文還發現污染密集型產業集聚對GTFP的影響在區域之間具有較大差異性，專業化集聚不利于東部地區GTFP的提高，但可顯著推升中西部地區的GTFP，而多樣化集聚在中西部地區會產生負向影響，在東部地區的影響則依然為正。

本文的研究一方面豐富了關于產業集聚溢出效應方面的研究文獻，另一方面有助于進一步認識市場競爭的關鍵作用。本文的研究結果證實了污染密集型產業集聚對GTFP的影響會顯著受到企業加成率即市場競爭的約束。在持續強調全國統一大市場的背景下，市場壁壘的破除、市場壟斷力量的削弱將有利于GTFP的提升。此外，本文的研究還表明，污染密集型產業的專業化集聚和多樣化集聚分別對東部地區和中西部地區的GTFP不利，由此，地方政府應該因地施策，即在引導東部產業轉移的過程中對中西部承接地的資源稟賦等決定性生產條件進行科學評估，使東部地區產業實現多樣化集聚的同時，中西部地區也可實現對口產業的專業化集聚，從而更能發揮產業集聚的積極作用。

注釋：

①未明確劃分集聚種類的文獻實質上研究的都是專業化集聚。

②考慮到污染密集型產業的環境效應不僅停留在行業層面，而且更重要的是會擴展到整個區域。由此，本文選取各省份的GTFP作為核心被解釋變量。

③此處測度的是各省（自治區、直轄市）的GTFP，故選取“三廢”的排放總量作為非期望產出；下文中對污染密集型產業的篩選則是以工業行業的角度，因而需將排放的各污染物進行細分。

④工業行業類別對照《工業企業行業分類及代碼》（GB-2017），除去農、林、牧、漁專業及輔助性活動（05）共有41個。

⑤由于Marshall外部性自Marshall提出、后經Arrow和Romer完善，現稱其為MAR外部性。

⑥按照國家統計局對中國大陸東中西部劃分的標準，東部地區包括：北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南；中西部地區包括：山西、內蒙古、廣西、吉林、黑龍江、安徽、江西、河南、湖北、湖南、四川、重慶、貴州、云南、西藏、陜西、甘肅、寧夏、青海、新疆。

參考文獻：

［1］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［J］.世界經濟， 2014（3）：3-31.

［2］何正霞，曹長帥，王建明.環境規制、產業集聚與環境污染的空間溢出研究［J］.華東經濟管理， 2022（3）：12-23.

［3］羅勇，曹麗莉.中國制造業集聚程度變動趨勢實證研究［J］.經濟研究， 2005（8）：106-115.

［4］章元，劉修巖.聚集經濟與經濟增長：來自中國的經驗證據［J］.世界經濟， 2008（3）：60-70.

［5］仇方道，蔣濤，張純敏，等.江蘇省污染密集型產業空間轉移及影響因素［J］.地理科學， 2013（7）：789-796.

［6］豆建民，沈艷兵.產業轉移對中國中部地區的環境影響研究［J］.中國人口·資源與環境， 2014（11）：96-102.

［7］ANAS A.Review of Economics of agglomeration： Cities， industrial location， and regional growth［J］.Journal of Economic Literature， 2003，41（3）：952-953.

［8］MARSHALL A.Principles of Economics［M］.London： Macmillan， 1920.

［9］JACOBS J.Economy of Cities［M］.New York： Vintage， 1969.

［10］KRUGMAN P.Increasing returns and economic geography［J］.Journal of Political Economy， 1991， 99 （3）：483-499.

［11］BUCCI A， USHCHEV P. Specialization versus competition： an anatomy of increasing returns to scale［J］. Journal of Economic Geography， 2021， 21（3）： 461-486.

［12］KARLE H， PEITZ M， REISINGER M. Segmentation versus agglomeration： Competition between platforms with competitive sellers［J］. Journal of Political Economy， 2020， 128（6）： 2329-2374.

［13］ROSENTHAL S S， STRANGE W C. Evidence on the nature and sources of agglomeration economies［M］//HENDERSON J V， THISSE J F. Handbook of Urban and Regional Economics： Cities and Geography. Amsterdam： Elsevier， 2004： 2119-2171.

［14］賈潤崧，胡秋陽.市場集中、空間集聚與中國制造業產能利用率——基于微觀企業數據的實證研究［J］.管理世界， 2016（12）：25-35.

［15］邵宜航，李澤揚.空間集聚、企業動態與經濟增長：基于中國制造業的分析［J］.中國工業經濟， 2017（2）：5-23.

［16］李玲，陶鋒.污染密集型產業的綠色全要素生產率及影響因素——基于SBM方向性距離函數的實證分析［J］.經濟學家， 2011（12）：32-39.

［17］鄭江淮，高彥彥，胡小文.企業“扎堆”、技術升級與經濟績效——開發區集聚效應的實證分析［J］.經濟研究， 2008（5）：33-46.

［18］錢雪松，康瑾，唐英倫，等.產業政策、資本配置效率與企業全要素生產：基于中國2009年十大產業振興規劃自然實驗的經驗研究［J］.中國工業經濟， 2018（8）：42-59.

［19］胡翠，謝世清.中國制造業企業集聚的行業間垂直溢出效應研究［J］.世界經濟， 2014（9）：77-94.

［20］章韜，申洋.企業進入、稅收與集聚外部性——基于產業關聯的實證研究［J］.經濟學（季刊）， 2020（3）：825-846.

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

［22］尹恒，張子堯.需求異質與企業加成率估計［J］.中國工業經濟， 2019（12）：60-77.

［23］AGHION P，CAI J，DEWATRIPONT M，et al.Industrial policy and competition［J］.American Economic Journal： Macroeconomics， 2015， 7（4）：1-32.

［24］BROOKS W J，KABOSKI J P，LI Y A.Agglomeration， misallocation， and （the lack of） competition［J］.American Economic Journal： Macroeconomics， 2021（4）：483-519.

［25］HALL R E.Market structure and macroeconomics fluctuations［J］.Bookings Papers on Economic Activity， 1986（2）：285-322.

［26］HALL R E.The relation between price and marginal cost in U.S.industry［J］.Journal of Political Economy， 1988， 96（5）：921-947.

［27］HALL R E. Invariance properties of Solow's productivity residual［M］//Growth， productivity， unemployment： essays to celebrate Bob Solow's birthday. Cambridge， MA：MIT Press， 1990：71-112.

［28］DE LOECKER J， VAN BIESEBROECK J. Effect of international competition on firm productivity and market power［R］. NBER Working Papers， 2016.

［29］盛丹.國有企業改制、競爭程度與社會福利——基于企業成本加成率的考察［J］.經濟學（季刊）， 2013（4）：1465-1490.

［30］祝樹金，張鵬輝.出口企業是否有更高的價格加成：中國制造業的證據［J］.世界經濟， 2015（4）：3-24.

［31］MELITZ M J， OTTAVIANO G I P. Market size， trade， and productivity［J］. The review of economic studies， 2008， 75（1）： 295-316.

［32］FEENSTRA R C，Weinstein D E.Globalization， markups， and U.S.welfare［J］.Journal of Political Economy， 2017， 125（4）：1040-1074.

［33］LOERTSCHER ?S，RIORDAN M H.Make and buy： Outsourcing， vertical integration， and cost reduction［J］.American Economic Journal： Macroeconomics， 2019， 11（1）：105-123.

［34］ZHAO L.Markups and agglomeration： Price competition versus externalities［R］.VIVES Discussion Papers，2011.

［35］LU Y， TAO Z，YU L.The markup effect of agglomeration［R］.MARA Working Papers， 2014.

［36］沈鴻，向訓勇.專業化、相關多樣化與企業成本加成——檢驗產業集聚外部性的一個新視角［J］.經濟學動態， 2017（10）：81-98.

［37］王璐， 吳群鋒，羅頔.市場壁壘、行政審批與企業價格加成［J］.中國工業經濟， 2020（6）：100-117.

［38］PORTER M.The Competitive Advantage of Nations［M］.London： Macmillan， 1990.

［39］趙瑞麗，尹翔碩，孫楚仁.大城市的低加成率之謎：集聚效應和競爭效應［J］.世界經濟， 2019（4）：149-173.

［40］林伯強，譚睿鵬.中國經濟集聚與綠色經濟效率［J］.經濟研究， 2019（2）：119-132.

［41］BARON R M，KENNY D A.The Moderator-Mediator variable distinction in social psychological research： Conceptual， strategic， and statistical considerations［J］.Journal of Personality and Social Psychology， 1986， 51（6）：1173-1182.

［42］SOBEL M E.Asymptotic confidence intervals for indirect effects in structural equations models［M］//LEINHART S，et al.Sociologist Methodology 1982.San Fransisco： Jossey-Bass， 1982：204-229.

［43］GROSSMAN G，KRUEGER A B.Environmental impacts of a North American Free Trade Agreement［R］.NBER Working Papers， 1991.

［44］羅能生，李建明.產業集聚及交通聯系加劇了霧霾空間溢出效應嗎？——基于產業空間布局視角的分析［J］.產業經濟研究， 2018（4）：52-64.

［45］REPPLIN-HILL ?V.Trade and environment： An empirical analysis of the technology effect in the steel industry［J］.Journal of Environmental Economics and Management， 1999， 38（3）：283-301.

［46］COLE ?M.Trade， the pollution haven hypothesis and Environmental Kuznets Curve： Examing the linkages［J］.Ecological Economies， 2004（48）：71-81.

［47］PORTER M E.Clusters and the new economics of competition［J］.Harvard Business Review， 1998（76）：77-90.

［48］胡求光，周宇飛.開發區產業集聚的環境效應： 加劇污染還是促進治理？［J］.中國人口·資源與環境， 2020（10）：64-72.

［49］PORTER M E.America's green strategy［J］.Scientific American， 1991， 264（4）：168-170.

［50］PORTER M E，LINDE C.Toward a new conception of the environment-competitiveness relationship［J］.Journal of Economic Perspectives， 1995， 9（4）：97-118.

［51］WALTER I，UGELOW J.Environmental policies in developing countries［J］.Ambio， 1979， 23（8）.

［52］李振洋，白雪潔.產業政策如何促進制造業綠色全要素生產率提升？——基于鼓勵型政策和限制型政策協同的視角［J］.產業經濟研究， 2020（6）：28-42.

［53］蘇丹妮，盛斌.產業集聚、集聚外部性與企業減排——來自中國的微觀新證據［J］.經濟學（季刊）， 2021（5）：1793-1816.

［54］聶長飛，盧建新，馮苑， 等.創新型城市建設對綠色全要素生產率的影響［J］.中國人口·資源與環境， 2021（3）：117-127.

［55］BECKER R.HENDERSON V.Effects of air quality regulations on polluting industries ［J］.Journal of Political Economy， 2000， 108（2）： 379-421.

［56］毛其淋，方森輝.外資進入自由化如何影響中國制造業生產率［J］.世界經濟， 2020（1）：143-169.

［57］DE LOECKER J，WARZYNSKI F.Markups and firm-level export status［J］.American Economic Review， 2012， 102（6）：2437-2471.

［58］ACKERBERG D，CAVES K，Frazer G.Identification properties of recent production function estimators［J］.Econometrica， 2015， 83（6）：2411-2451.

［59］LU Y，YU L.Trade liberation and markup dispersion： Evidence from Chinas WTO Accession［J］.American Economic Journal： Applied Economies， 2015， 7（4）：221-253.

［60］王兵，聶欣.產業集聚與環境治理： 助力還是阻力——來自開發區設立準自然實驗的證據［J］.中國工業經濟， 2016（12）：75-89.

［61］鐘娟，魏彥杰.產業集聚與開放經濟影響減排的空間效應分析［J］.中國人口·資源與環境， 2019（5）：98-107.

［62］徐敏燕，左和平.集聚效應下環境規制與產業競爭力關系研究——基于“波特假說”的再檢驗［J］.中國工業經濟， 2013（3）：72-84.

［63］OTTAVIANO G.New-New Economic Geography： Firm heterogeneity and agglomeration economies［J］.Journal of Economic Geography， 2011（11）： 231-240.

［64］劉強，馬彥瑞，徐生霞.數字經濟發展是否提高了中國綠色經濟效率［J］.中國人口·資源與環境， 2022（3）：72-85.

［65］黃磊，吳傳清.長江經濟帶污染密集型產業集聚時空特征及其綠色經濟效應［J］.自然資源學報， 2022（2）：459-476.

［66］HANSEN B E.Threshold effects in non-dynamic panels： Estimation， testing， and inference［J］.Journal of Econometrics， 1999（93）： 345-368.

［67］俞毅.GDP增長與能源消耗的非線性門限——對中國傳統產業省際轉移的實證分析［J］.中國工業經濟， 2010（12）：57-65.

［68］范劍勇.產業集聚與地區間勞動生產率差異［J］.經濟研究， 2006（11）：72-81.

責任編輯：彭?青

Industrial Agglomeration， Markups and Green Total Factor Productivity

——An Analysis Based on Pollution-intensive Industry Samples

Bao Jinhong，Peng Shuyang

（School of Economics，South-Central Minzu University，Wuhan Hubei 430074，China）

Abstract：

Using the panel data of 31 provinces （autonomous regions and municipalities directly under the central government） from 2007 to 2020， this paper takes the markups as the mediating variable to deeply investigate the influence of pollution-intensive industrial agglomeration on green total factor productivity （GTFP） and its internal mechanism. The research results show that specialized agglomeration significantly promotes GTFP， while diversified agglomeration significantly inhibits GTFP. The intermediary role of markups between specialized agglomeration， diversified agglomeration and GTFP is significantly positive. Markup is negatively correlated with GTFP， indicating that market competition is conducive to GTFP improvement. Further analysis shows that when markup is used as the threshold variable， there are respectively double thresholds and single thresholds on the impact of specialized agglomeration and diversified agglomeration on GTFP. In the central and western regions， diversified agglomeration is not conducive to GTFP promotion， so it is necessary to vigorously develop specialized agglomeration， while in the eastern region， it is the opposite.

Key words：

pollution-intensive industry； specialized agglomeration； diversified agglomeration； markups； green total factor productivity