李 靜，李寧周

（合肥工業(yè)大學 經濟學院，合肥 230601）

一、研究背景

產業(yè)集聚是一種常見的經濟現象，發(fā)達國家和發(fā)展中國家都存在大量的產業(yè)集聚現象。從產業(yè)集聚的外部性分析，產業(yè)集聚可以通過共享勞動力市場、技術溢出效應和降低運輸成本［1］，提高生產率和國家競爭力［2］。從企業(yè)行為分析，同一行業(yè)或關聯(lián)密切的一組企業(yè)集聚在一特定區(qū)域內可以獲得集聚經濟同時也會加劇區(qū)域內競爭，由于集聚區(qū)域內企業(yè)數量眾多，區(qū)域內競爭程度會遠大于外圍區(qū)，高生產率企業(yè)能夠承受競爭，因此選擇集聚；而低生產率企業(yè)則因無法與高生產率企業(yè)競爭會選擇分散。

改革開放以來，東部沿海地區(qū)集聚了我國大部分制造業(yè)并快速發(fā)展，成為制造業(yè)集聚的中心。隨著資本、技術、勞動力不斷往該區(qū)域集聚，制造業(yè)集聚所帶來的集聚效應使得該區(qū)域生產率明顯高于中、西部地區(qū)。針對我國制造業(yè)集聚現象，國內很多學者對此進行了研究，主要體現在測度制造業(yè)集聚程度［3］，以及制造業(yè)集聚對全要素生產率的影響［4］。這些研究大多基于產業(yè)層面的數據，并未深入到企業(yè)層面?；谄髽I(yè)層面的數據，可以更加深入了解制造業(yè)企業(yè)集聚是否可以促進全要素生產率提高，以及作用機制。本文的創(chuàng)新點在于，通過運用企業(yè)層面數據對制造業(yè)集聚與全要素生產率之間的關系進行分析，并在此基礎上檢驗制造業(yè)企業(yè)集聚對全要素生產率的影響，這對于理解中國目前制造業(yè)集聚現象以及縮小地區(qū)間日益擴大的經濟差距具有重要的現實意義。

二、集聚指數的計算及企業(yè)全要素生產率的測算

1.集聚指數的計算

Krugman等人測定產業(yè)集聚程度的度量方法是空間基尼系數，空間基尼系數可以用就業(yè)人數進行計算，因此簡便直觀；但空間基尼系數沒有考慮到具體的產業(yè)組織狀況及區(qū)域差異，運用空間基尼系數來比較不同產業(yè)集聚程度時，會因為各產業(yè)中企業(yè)規(guī)模或地理區(qū)域大小的差異而造成跨產業(yè)比較上的誤差。為了更加準確地測定產業(yè)集聚度，Ellison和Glaeser提出了融合空間基尼系數、赫芬達爾指數的EG 指數。假設某一經濟體被劃分為M 個區(qū)域，在這些區(qū)域內分布著某一產業(yè)的N 個企業(yè)，則EG 指數的計算公式為：

Ellison和Glaeser建立的EG 指數綜合了赫芬達爾指數和空間基尼系數的優(yōu)點，本文將采用該指數來測度中國制造業(yè)的集聚程度。根據EG 指數的計算公式，計算出中國31個制造行業(yè)1998－2007年的EG 指數，限于篇幅，僅列出1998、2001、2004、2007年的計算結果（見表1）。

表1 中國31個制造行業(yè)EG 指數

續(xù)表

總體上看，EG 指數的分布呈現出波峰向右移動（圖1所示），這表明自1998年以來，我國制造業(yè)空間分布格局有了重大變化，集聚度明顯提高；其中，機械電子制造業(yè)集聚程度上升幅度最大，其次是資源加工制造業(yè)①中國機械科學研究所將我國制造業(yè)劃分為：C13－C24輕紡制造業(yè)，C25－C33、C43資源加工制造業(yè)，C34－C37、C39－C41為機械電子制造業(yè)。。

從各行業(yè)集聚度的演變趨勢來看，1998年化學纖維制造業(yè)、石油化工及煉焦業(yè)、電氣機械及器材制造業(yè)等行業(yè)集聚度有了非常明顯的提高；聚集度增長相對緩慢的是皮革、毛皮、羽毛（絨）及其制品業(yè)、塑料制品業(yè)、紡織業(yè)、橡膠制品業(yè)等行業(yè)；而服裝及其他纖維制品制造業(yè)、造紙及紙制品業(yè)、文教體育用品制造業(yè)等6個行業(yè)的EG 指數從1998年以來呈明顯下降趨勢。

圖1 EG 指數的分布

2.企業(yè)全要素生產率的估計

企業(yè)全要素生產的估計通常有三種：第一，普通最小二乘法（簡稱OLS法）；第二，Olley－Pakes法（簡稱OP法）；第三，Levinsohn－Petrin法（簡稱LP法）。與OLS法相比，LP法能夠有效解決生產函數的內生性問題，獲得投入參數的一致有效估計；與OP 法相比，LP 法估計不僅更加準確，而且較少損失樣本量。鑒于LP法的優(yōu)越性，本文將采用LP法估計全要素生產率。

對生產函數（2）分別采用OLS、固定效應FE 和LP方法進行估計，得到的回歸系數與陶洪亮和申宇（2012）的研究基本一致，然后將LP方法得到的系數代入如下公式即可計算出企業(yè)的TFP：

其中y 是企業(yè)的產出，α、β和γ分別表示資本k、勞動l和中間投入m 的系數①企業(yè)產出和中間投入均使用了各地1998年不變價的PPI進行了平減；資本是指企業(yè)固定資產凈值年平均余額，用各地固定資產投資價格指數平減。。

表2 OLS、固定效應FE及LP回歸系數結果

三、實證模型及分析

為了檢驗制造業(yè)集聚能否提高企業(yè)全要素生產率，建立實證模型：

因變量是企業(yè)全要素生產率的對數，EG 指數和其他影響因素是解釋變量。下標i，j，k，t分別表示企業(yè)、行業(yè)、省份和時間。本文研究集聚與全要素生產率的關系，因此，在所有的解釋變量中，EG 指數是重點關注的變量。如果制造業(yè)集聚有助于提高企業(yè)的全要素生產率，則α1應為正值；EG2檢驗集聚與全要素生產率之間是否存在“U 型”關系，全要素生產率會隨著集聚度的不斷上升而出現先上升后下降的情形，因此α2應為負值；交互項EG×lnL 檢驗集聚對規(guī)模較大企業(yè)大和規(guī)模較小企業(yè)（用勞動投入多少衡量規(guī)模大?。┑牟煌绊?，如果和規(guī)模較小企業(yè)相比，集聚有助于規(guī)模較大企業(yè)（勞動投入多）全要素生產率增長，則α3為正值；如果和規(guī)模較大企業(yè)相比，集聚有助于規(guī)模較小企業(yè)（勞動投入少）全要素生產率提高，則α3為負值；企業(yè)成立的時間越長，則具有較多的管理經驗，且更能適應市場環(huán)境的變化，企業(yè)年齡（AGE）對全要生產率的增長可能具有促進作用，然而，新成立的企業(yè)可能會采用更加先進的技術和管理方式，因此更加有利于全要素生產率的增長；銷售收入（SALE）多的企業(yè)會采用先進技術、擴大生產規(guī)模增加產出以增加企業(yè)利潤，這將有助于全要素生產率的提高，所以α5應為正值；資本勞動比（KL）高，說明企業(yè)雇傭工人較少，擁有先進技術可以實現機械化生產；人們可以采用先進技術提高勞動生產率（LP），以實現全要素生產率的增長，所以α7應為正值；用lnPGDP 檢驗人均收入水平對全要素生產率的影響；研發(fā)投入（RD）多的企業(yè)可以掌握先進技術和管理方式，對全要素生產率的提高具有促進作用，因此α9應為正值；工業(yè)化程度（INDD）高，有利于企業(yè)提高生產技術，實現生產過程的機械化、自動化，所以，工業(yè)化程度越高越有利于企業(yè)全要素生產率的提高，因此α10為正值；外商資本（FC）是一個虛擬變量，如果外資比內資更有助于企業(yè)全要素生產率提高，那么α11為正值；國有企業(yè)（State）也是一個虛擬變量，企業(yè)所有權對生產率影響的研究在現有文獻中大量存在，外國企業(yè)由于擁有先進的技術和管理經驗比國有企業(yè)更有助于全要素生產率的提高，Jefferson［5］（2003）用中國制造業(yè)企業(yè)數據研究得出，私營企業(yè)比國有企業(yè)更有助于全要素生產率的提高，因此α12可能為負值；省份（PRO）、時間（TIME）、行業(yè)（IND）分別為省份虛擬變量、時間虛擬變量、行業(yè)虛擬變量；μ 為隨機誤差項。具體變量的定義如表3所示。

表3 變量含義及描述性統(tǒng)計

為了檢驗不同EG 分布對全要素生產率的影響，獲得更加穩(wěn)健的估計結果，將模型（4）中的EG 由高度集聚（EGH（γ≥0.05））和中度集聚（EGM（0.02≤γ＜0.05））替代，則模型（4）可以寫為：

表4 回歸結果

續(xù)表

使用STATA 12.0軟件對模型（4）進行回歸，結果見表4，第（1）列不包括對EG2及虛擬變量省份、時間、行業(yè)的回歸，第（2）列不包括對虛擬變量省份、時間、行業(yè)的回歸，結果顯示，EG 系數為正值并且在統(tǒng)計上具有高度顯著性，說明集聚有利于企業(yè)全要素生產率的提高，Combes等［6］（2009）用法國企業(yè)數據研究也得出相同的結論；EG2的系數為負值，說明集聚與全要素生產率存在倒“U”型關系，即隨著集聚度的不斷增加，全要素生產率先上升后下降；第（1）列、第（2）列α3為正值，表明：集聚度保持不變的條件下，規(guī)模較大企業(yè)（勞動投入多）可以通過共享勞動力市場、降低交易成本促進全要素生產率提高，第（3）列α3為負值，表明：集聚度保持不變的條件下，規(guī)模較小企業(yè)（勞動投入少）可以通過共享勞動力市場、降低交易成本促進全要素生產率提高；α5、α7、α8、α9、α10均為正值并且在統(tǒng)計上都具有高度顯著性，說明銷售收入高的企業(yè)會采用先進技術、擴大生產規(guī)模增加產出，有助于企業(yè)全要素生產率的提高；提高勞動生產率可以促進全要素生產率的增長；人均收入水平高對改善企業(yè)全要素生產率有積極的促進作用；研發(fā)投入多的企業(yè)可以掌握更先進的技術和管理方式，可以進一步改善企業(yè)全要素生產率；工業(yè)化程度高有利于企業(yè)掌握新技術，實現機械化生產，使企業(yè)全要素生產率得到一定的提高。α4為負值并且在統(tǒng)計上具有高度顯著性，說明企業(yè)成立時間越長越不利于全要素生產率的提高，Hammitt［7］（1999）對德國企業(yè)的研究，也得出類似結論：企業(yè)年齡與生產率之間是負相關關系，因為新成立的企業(yè)采用更先進的技術、更科學的管理方式，因此有助于全要素生產率的提高；α6、α11、α12都為負值，并且在統(tǒng)計上具有高度顯著性，說明制造業(yè)企業(yè)提高資本勞動比不利于企業(yè)全要素生產率的提高；外資比內資更有助于企業(yè)全要素生產率的提高；外國企業(yè)或私營企業(yè)比國有企業(yè)更有助于企業(yè)全要素生產率的提高。

模型（5）的回歸結果顯示在第（4）列，該模型主要分析集聚強度的不同對全要素生產率的影響，β1為0.162，β2 為0.098，并且在統(tǒng)計上都具有顯著性，且β1 大于β2，說明相對于低集聚度的行業(yè)而言，更高的集聚程度對企業(yè)生產率的貢獻更高；β3 和β4 均為負值，說明集聚度保持不變的條件下，和規(guī)模較大企業(yè)相比，更有利于規(guī)模較小企業(yè)的全要素生產率增長。模型（4）中α2為負值表明，集聚與全要素生產率之間呈現“倒U 型”演化關系，模型（5）中β1 和β2 均為正值且β1 大于β2，說明隨著我國制造業(yè)集聚度的提高，并未出現全要素生產率下降的情形。

四、結論及建議

本文利用1998－2007年我國工業(yè)企業(yè)的數據，研究了制造業(yè)集聚對全要素生產率的影響，梳理了國內外關于制造業(yè)集聚和全要素生產率關系的研究和爭論，指出國內對此研究的不足。區(qū)別于國內類似研究，本文基于企業(yè)層面的數據，計算出制造業(yè)31個行業(yè)的EG 指數，并采用LP方法從企業(yè)微觀層面研究制造業(yè)集聚對全要素生產率的影響，對制造業(yè)集聚對全要素生產率影響的結果進行了實證檢驗。研究結果如下：

第一，本文通過使用1998－2007年制造業(yè)企業(yè)的數據進行研究，結果表明我國制造業(yè)存在集聚現象并且自1998年以來我國制造業(yè)集聚度有了較大的提高，集聚度較高的行業(yè)多是資源依賴度高和技術含量高的行業(yè)。

第二，通過檢驗制造業(yè)集聚與全要素生產率之間的關系，發(fā)現集聚有助于企業(yè)全要素生產率的提高，集聚與生產率之間呈現“倒U 型”演化關系，相對于低集聚度的行業(yè)而言，更高的集聚程度對企業(yè)生產率的貢獻明顯更高。

基于上述結論，本文提出以下建議：

政府應優(yōu)化制造業(yè)產業(yè)布局，加快制造業(yè)企業(yè)向制造業(yè)強集聚區(qū)域的轉移，使集聚效應進一步推動制造業(yè)企業(yè)生產效率的提高，同時應避免制造業(yè)區(qū)域保護。加快制造業(yè)產業(yè)轉型升級，發(fā)揮新興技術的主導作用，把握技術進步與創(chuàng)新的方向，通過建立多項技術協(xié)同創(chuàng)新的新機制，提升制造業(yè)的整體發(fā)展水平與質量，并為制造業(yè)的未來發(fā)展規(guī)劃出新的技術路徑與運營模式。

［1］Marshall A.Principles of Economics［M］.London：Macmillan，1920.

［2］Hason G H.Scale Economics and the Geographic Concentration of Industry［J］.Journal of Economic Geography，2001，1（3），255－276.

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

［4］趙 偉，張 萃.中國制造業(yè)集聚與全要素生產率增長［J］.上海交通大學學報，2008，（5）：52－56.

［5］Jefferson G，Hu A G Z，Guan X，Yu X.Ownership，Performance，and Innovation in China＇s Large－and Medium－sized Industrial Enterprise Sector［J］.China Economic Review，2003，（14），89－113.

［6］Combes P P，Duranton G，Gobillon L，Puga D，Roux S.The Productivity Advantages of Large Cities：Distinguishing Agglomeration from Firm Selection，CEPR Working Paper 7191，2009，revise－and－resubmit to Econometrica.