史 偉,蔡慧芝
(西北大學(xué) 經(jīng)濟管理學(xué)院,西安 710127)
產(chǎn)業(yè)在特定空間分布上的集聚已成為世界范圍內(nèi)的普遍經(jīng)濟現(xiàn)象。世界各主要經(jīng)濟體的發(fā)展歷程表明,各國(地區(qū))具有競爭優(yōu)勢的產(chǎn)業(yè)往往都集聚于一定區(qū)域內(nèi),并憑借其強大的綜合競爭力,對國家和區(qū)域經(jīng)濟發(fā)展做出巨大貢獻,例如從大地理范圍來看,長三角城市群中的26個城市2016年GDP達到14.7萬億,用僅占全國面積2.2%的土地,創(chuàng)造了全國19.8%的經(jīng)濟總量;從小地理范圍來看,國家高新區(qū)已經(jīng)成為區(qū)域經(jīng)濟發(fā)展的引擎,2015年有21家國家高新區(qū)生產(chǎn)總值占所在城市的比重超過30%,其中7家超過50%。
產(chǎn)業(yè)集聚所顯現(xiàn)出來的強大競爭力,吸引了各種經(jīng)濟學(xué)理論對其進行深入研究。盡管各種理論的研究側(cè)重點有所不同,但一個共同的特點是,都強調(diào)外部性在產(chǎn)業(yè)集聚形成和發(fā)展中的重要作用。作為經(jīng)濟內(nèi)生增長的源泉之一的產(chǎn)業(yè)集聚的知識溢出可以看作是產(chǎn)業(yè)集聚技術(shù)外部性的表現(xiàn)形式。因此,要充分理解產(chǎn)業(yè)集聚所帶來的經(jīng)濟增長現(xiàn)象,就必須系統(tǒng)分析產(chǎn)業(yè)集聚所帶來的知識溢出究竟是如何影響企業(yè)的創(chuàng)新行為的。
進入新時代,中國經(jīng)濟發(fā)展質(zhì)量提升的關(guān)鍵是將創(chuàng)新轉(zhuǎn)化為推動經(jīng)濟發(fā)展的驅(qū)動力。而在實踐中,各級政府往往擔(dān)負著規(guī)劃、建設(shè)企業(yè)集聚區(qū)的責(zé)任,探索產(chǎn)業(yè)空間結(jié)構(gòu)與知識溢出、企業(yè)創(chuàng)新之間的關(guān)系已成為各級地方政府亟需解決的重要課題。對于企業(yè)來說,是選擇與同行業(yè)企業(yè)空間臨近,以獲取知識溢出進而促進研發(fā)和創(chuàng)新,還是選擇靠近具有多樣性和差異化的經(jīng)濟個體,以互補知識的交流、差異化思維的碰撞,產(chǎn)生更多的創(chuàng)新回報,也是需要慎重考慮的問題。
知識溢出作為產(chǎn)業(yè)集聚技術(shù)外部性的特定形式,可以形成集聚區(qū)域內(nèi)的公共知識池,并增加區(qū)域內(nèi)集聚企業(yè)的知識存量,使企業(yè)可以進行更加有效的研發(fā)和生產(chǎn),從而推動集聚企業(yè)創(chuàng)新。Glaeser等指出,在同一地理空間內(nèi),相同或不同產(chǎn)業(yè)的勞動人口的大量聚集,為人與人之間迅速傳遞和分享知識創(chuàng)造了環(huán)境,有助于當(dāng)?shù)氐漠a(chǎn)業(yè)創(chuàng)新。[1]在研究初期,學(xué)者們主要采取定性研究方法分析產(chǎn)業(yè)集聚知識溢出對企業(yè)創(chuàng)新的影響。而隨著Griliches將專利作為衡量創(chuàng)新的指標(biāo)后[2],這一領(lǐng)域涌現(xiàn)出了大量的實證研究。[3][4][5][6]這些研究都承認產(chǎn)業(yè)集聚知識溢出有助于企業(yè)創(chuàng)新活動,但是對何種類型的知識溢出推動了創(chuàng)新仍存在著較大的爭議。
第一種觀點是由Marshall、Arrow以及Romer提出的。他們認為,特定產(chǎn)業(yè)集中在某一區(qū)域?qū)⒋龠M知識在特定行業(yè)的企業(yè)間溢出,并能促進該地區(qū)這一產(chǎn)業(yè)的創(chuàng)新。專業(yè)化的集聚有利于企業(yè)通過產(chǎn)品和流程的模仿、業(yè)務(wù)交流、公司間熟練工人的流動等方式,進行編碼知識和緘默知識的傳輸和交換。集聚的專業(yè)化程度越高,越有利于知識溢出,也越有利于創(chuàng)新。這一類集聚被稱作專業(yè)化集聚,對應(yīng)的知識溢出被稱作MAR溢出。[1]
第二種觀點則宣稱推動創(chuàng)新的主要動力是不同產(chǎn)業(yè)之間的知識溢出,認為具有多樣性和差異化的經(jīng)濟個體之間更有意愿進行互補知識的交流、差異化思維的碰撞,更容易產(chǎn)生創(chuàng)新回報,因此空間集聚的多樣化更有助于知識溢出和企業(yè)創(chuàng)新。這種觀點最早是由Jacobs在1969年提出的,因此這類集聚被Glaeser等稱作多樣化集聚,對應(yīng)的知識溢出被稱作Jacobs溢出。[1]隨著研究深入,以Frenken為代表的演化經(jīng)濟地理學(xué)家們認為,并不是所有的多樣化集聚都會帶來知識溢出,在兩個完全無關(guān)的產(chǎn)業(yè)間可能根本不存在有效的知識溢出途徑。傳統(tǒng)上對產(chǎn)業(yè)多樣化的界定只考慮了跨產(chǎn)業(yè)的就業(yè)分布,而并沒有充分反映行業(yè)間的投入產(chǎn)出關(guān)系。因此,F(xiàn)renken將多樣化區(qū)分為相關(guān)多樣化和無關(guān)多樣化,并指出只有那些存在一定的產(chǎn)業(yè)聯(lián)系和技術(shù)關(guān)聯(lián)的產(chǎn)業(yè)才能進行有效的知識溢出,那些無關(guān)多樣化并不能產(chǎn)生Jacobs所期望的知識溢出。[7]
上述兩種觀點從本質(zhì)上而言,都認可產(chǎn)業(yè)集聚的知識溢出對企業(yè)創(chuàng)新有著重要的影響。所不同的是,對何種類型的集聚、何種類型的知識溢出對創(chuàng)新產(chǎn)生影響有爭議。因此,本文將從實證層面以中國制造業(yè)企業(yè)的數(shù)據(jù)為樣本,用企業(yè)新產(chǎn)品產(chǎn)值數(shù)據(jù)從創(chuàng)新決策和創(chuàng)新強度兩個層面來衡量企業(yè)的創(chuàng)新能力,檢驗MAR溢出和Jacobs溢出對企業(yè)創(chuàng)新決策和強度的影響,以期為這一爭論尋找新的答案。
綜合考慮數(shù)據(jù)可得性和有效性的情況后,本文選取2005—2007年中國工業(yè)企業(yè)數(shù)據(jù)庫的相關(guān)數(shù)據(jù)作為數(shù)據(jù)來源,并在匹配樣本和適當(dāng)數(shù)據(jù)處理后,整理得到以企業(yè)ID和年份為二維的面板數(shù)據(jù)。
在使用中國工業(yè)企業(yè)數(shù)據(jù)庫進行研究時,很難找到一個統(tǒng)一的變量用來識別樣本企業(yè)并對其進行編碼。Brandt et al作為較早對該數(shù)據(jù)庫進行樣本匹配的文獻,其所用的序貫識別法被多數(shù)研究所沿用,但這一方法也有明顯缺陷。[8]借鑒聶輝華等、范劍勇等的識別方法,在進行匹配前,我們首先按照年份分別對企業(yè)代碼和企業(yè)名稱進行查重,將同一年份中,企業(yè)代碼相同或企業(yè)名稱相同的觀測值篩查出來,并予以人工識別。[9][10]在人工識別時,根據(jù)企業(yè)的其他信息對重復(fù)值進行逐一分析,并決定取舍。然后用以下優(yōu)先次序進行樣本匹配:(1)法人代碼;(2)企業(yè)名稱;(3)法人姓名+區(qū)域代碼+行業(yè)代碼;(4)企業(yè)電話號碼+省地代碼;(5)企業(yè)所在鄉(xiāng)鎮(zhèn)(街道)名稱+企業(yè)主要產(chǎn)品1+四位數(shù)行業(yè)代碼+企業(yè)開業(yè)年份+企業(yè)所在省份代碼。經(jīng)過匹配,共得到在2005—2007年持續(xù)存在的154418家企業(yè)的458007個觀測值的平衡面板數(shù)據(jù)。最后,依據(jù)國家統(tǒng)計局2007年投入產(chǎn)出表中的135個部門對樣本企業(yè)的行業(yè)歸屬進行重新合并調(diào)整,最終將樣本企業(yè)分類歸入81個制造業(yè)部門。
1.模型設(shè)定。本文采用新產(chǎn)品產(chǎn)值指標(biāo)來衡量企業(yè)的創(chuàng)新決策和強度,而在我們的樣本數(shù)據(jù)中,由于有大量企業(yè)的新產(chǎn)品產(chǎn)出為0,因此被解釋變量——企業(yè)的創(chuàng)新決策以及創(chuàng)新強度中存在大量的零點,即樣本數(shù)據(jù)為典型的截斷數(shù)據(jù)。對于截斷數(shù)據(jù),為了避免數(shù)據(jù)樣本的選擇性偏誤,多數(shù)文獻都采用Heckman二元選擇模型進行估計,即首先使用所有樣本企業(yè)數(shù)據(jù)構(gòu)建企業(yè)是否進行創(chuàng)新的選擇方程,以便處理因為樣本選擇引起的模型內(nèi)生性問題,然后再利用有創(chuàng)新活動企業(yè)的數(shù)據(jù)估計創(chuàng)新強度方程,以分析創(chuàng)新企業(yè)創(chuàng)新強度的影響因素。[11]即建立以下兩個估計方程:
INNOPi=∑αZi+ε
(1)
式(1)中的INNOPi表示企業(yè)是否進行創(chuàng)新,創(chuàng)新則取1,不創(chuàng)新取0;Zi表示影響企業(yè)創(chuàng)新決策的各種因素,為隨機干擾項。
E(INNOi|INNOPi=1)=∑βXi+γδ+μ
(2)
式(2)中的INNOi表示企業(yè)的創(chuàng)新強度,Xi表示影響企業(yè)創(chuàng)新強度的各種因素,δ是根據(jù)方程式(1)的估計結(jié)果得到的逆-米爾斯比率,μ為隨機干擾項。ρ則是式(1)和式(2)隨機干擾項的相關(guān)系數(shù),當(dāng)ρ≠0 時,式(1)與式(2)是相關(guān)的,此時如果忽略其中任何一個方程,直接使用OLS進行估計會造成另一個方程估計系數(shù)的偏誤,而換作采用Heckman二元選擇模型估計則可以得到一致估計值。
按照構(gòu)建Heckman二元選擇模型的思路,我們可以知道,式(1)和式(2)的屬性是不同的。式(1)一般被稱作選擇方程,式(2)一般被稱作強度方程。綜合考慮現(xiàn)有研究結(jié)果,選擇顯著影響企業(yè)創(chuàng)新的各種因素作為控制變量,同時建立創(chuàng)新選擇方程(3)和創(chuàng)新強度方程(4)兩個方程,即:
INNOPij=α1+β1lnmarijγ+β2lnJacobsijγ+β3Sizei
+β4Sizei2+β5Profiti+β6rddumi
+β7expdumi+β8ownerslipi
+βAgei+εi
(3)
INNOij=α2+γ1lnMARijr+γ2lnJacobsijr+γ3Sizei
+γ4Sizei2+γ5Profiti+γ6Rdi+γ7Expi
+γ8Ownerslipi+γδ+μ
(4)
其中,i,j,r分別表示企業(yè)、行業(yè)和地區(qū),ε和μ為隨機干擾項。
2.變量定義。在本文的研究中,被解釋變量是企業(yè)的創(chuàng)新決策及其創(chuàng)新強度;所關(guān)心的核心解釋變量為企業(yè)在集聚區(qū)內(nèi)獲取的二種知識溢出,即MAR溢出和Jacobs溢出;同時選取其他影響企業(yè)創(chuàng)新的因素和排除性約束的工具變量作為控制變量。
各變量的詳細定義及計算方法如表1所示:
表1 各變量含義及計算方式
1.Jacobs溢出指標(biāo)計算。本文認為企業(yè)的知識溢出更可能發(fā)生在有技術(shù)相關(guān)性的產(chǎn)業(yè)間,而非任意產(chǎn)業(yè)間。因此,不同于傳統(tǒng)文獻中直接用多樣化指數(shù)來衡量Jacobs溢出,我們用能夠反映產(chǎn)業(yè)之間技術(shù)相關(guān)程度的相關(guān)多樣化指數(shù)來對Jacobs溢出進行度量。而在進行相關(guān)多樣化的研究時,利用熵指標(biāo)方法對產(chǎn)業(yè)多樣化進行分解的關(guān)鍵是產(chǎn)業(yè)關(guān)聯(lián)程度的識別,基礎(chǔ)是明確產(chǎn)業(yè)大類部門及其細分產(chǎn)業(yè)。針對現(xiàn)有方法的缺陷,本文從相關(guān)多樣化的本質(zhì)入手,采用多維標(biāo)度法來測算產(chǎn)業(yè)的投入產(chǎn)出關(guān)聯(lián)和技術(shù)相近程度,并依此對產(chǎn)業(yè)進行劃分。
為清晰顯示選取的81個制造業(yè)產(chǎn)業(yè)部門的技術(shù)相近程度,我們將產(chǎn)業(yè)i和產(chǎn)業(yè)j的技術(shù)距離定義為1和產(chǎn)業(yè)相似度的差值。對于產(chǎn)業(yè)相似度指標(biāo),沿用潘文卿等的方法,采用中國投入產(chǎn)出表的135部門數(shù)據(jù)來測算產(chǎn)業(yè)相似度Wij,定義兩個產(chǎn)業(yè)i、j的相似度為兩個產(chǎn)業(yè)直接消耗系數(shù)結(jié)構(gòu)向量的角余弦。[12]然后,通過多維標(biāo)度法就可以繪制出一幅二位平面圖,在圖中每個產(chǎn)業(yè)部門都會被標(biāo)識為一個點,而每兩個點之間的直線距離就可以用來表示兩個產(chǎn)業(yè)間的“技術(shù)距離”。兩個點之間越接近,表示這兩點所代表的產(chǎn)業(yè)越相似,而當(dāng)若干個點聚集在某一個區(qū)域時,即表示這些點所代表的產(chǎn)業(yè)在技術(shù)上越相近,可以被歸為同一個大類別的產(chǎn)業(yè)。
結(jié)果顯示,在81個制造業(yè)部門中存在著4個大類集合,分別是:第1類是以農(nóng)林牧漁等產(chǎn)品為中間投入的制造業(yè);第2類是化學(xué)工業(yè)行業(yè);第3類是以金屬制品為依托的各類制造業(yè);第4類則是對技術(shù)及中間投入要求較高的先進制造業(yè)門類。
在完成產(chǎn)業(yè)分類后,用樣本數(shù)據(jù)對產(chǎn)業(yè)多樣化指數(shù)進行分解,從而得到Jacobs溢出的替代衡量指標(biāo)。具體方法是:假設(shè)某個地區(qū)中有s個大類產(chǎn)業(yè)部門,而這s個大類產(chǎn)業(yè)部門又可以細分為n個小類產(chǎn)業(yè)部門(nls),Pij為第i個小類產(chǎn)業(yè)部門在地區(qū)j的從業(yè)人員占整個地區(qū)j就業(yè)人數(shù)的比重,那么Jacobs溢出的替代衡量指標(biāo)——相關(guān)多樣化(RVj)可表示為
(5)
2.描述統(tǒng)計。全樣本、有創(chuàng)新活動樣本中相關(guān)變量的描述統(tǒng)計見表2。全體樣本中共有458007個觀測值,而創(chuàng)新企業(yè)共有43923個觀測值,約占全體樣本的9.6%。通過對比創(chuàng)新企業(yè)和非創(chuàng)新企業(yè)可以看到,創(chuàng)新企業(yè)組的各變量均值都要大于非創(chuàng)新企業(yè)組的各變量均值。
表2 變量描述性統(tǒng)計結(jié)果
資料來源:根據(jù)樣本數(shù)據(jù)計算得到。
產(chǎn)業(yè)集聚的知識溢出對企業(yè)創(chuàng)新的影響。在考慮時間和行業(yè)固定效應(yīng)的情況下,基于全部樣本對模型進行估計,結(jié)果見表3。Wald檢驗表明,對模型的估計通過了總體顯著性檢驗,而且似然比檢驗和Lambda回歸系數(shù)也是顯著的,都支持選擇Heckman模型的合理性。
表3 Heckman選擇模型估計結(jié)果
注:括號內(nèi)的數(shù)字表示標(biāo)準(zhǔn)差, ***、**、*分別表示在 1%、5%、10%水平上顯著。
從表3中可以看到,在創(chuàng)新選擇方程中,MAR溢出變量的估計系數(shù)顯著為正,即在其他條件都相同的情況下,MAR溢出就越大,企業(yè)創(chuàng)新的傾向越大。表明在同一區(qū)域內(nèi)同一產(chǎn)業(yè)的企業(yè)集聚帶來的MAR溢出,有利于提高該產(chǎn)業(yè)內(nèi)企業(yè)的創(chuàng)新傾向。進一步分析創(chuàng)新強度方程的估計結(jié)果,可知MAR溢出對創(chuàng)新強度的作用并不顯著,這表明對已創(chuàng)新企業(yè)來說,MAR溢出對其創(chuàng)新投入強度的影響并不重要。也就是說,MAR溢出的增加會提高企業(yè)創(chuàng)新的概率,但是對已創(chuàng)新企業(yè)的創(chuàng)新強度并不會有顯著的影響,這與MAR外部性理論的預(yù)期不完全一致。
而對于Jacobs溢出在創(chuàng)新選擇方程的估計結(jié)果中,其估計系數(shù)顯著為正,表明在其他條件相同的情況下,企業(yè)獲得的Jacobs溢出越大,企業(yè)創(chuàng)新傾向就越大。即在同一區(qū)域內(nèi)技術(shù)相近產(chǎn)業(yè)的空間集聚,能激發(fā)不同企業(yè)研發(fā)人員的思維碰撞,促進Jacobs溢出,進而有利于提高企業(yè)的創(chuàng)新傾向。在創(chuàng)新強度方程的估計結(jié)果中,Jacobs溢出變量的估計系數(shù)顯著為正,表明在其他條件相同的情況下,企業(yè)獲得Jacobs溢出越多,企業(yè)創(chuàng)新強度將越大。
在模型中加入的其他控制變量,如企業(yè)規(guī)模、研發(fā)投入等企業(yè)個性特征,在兩個方程中的估計系數(shù)與前期的分析基本一致。而產(chǎn)權(quán)結(jié)構(gòu)對企業(yè)創(chuàng)新活動的影響則與現(xiàn)有多數(shù)研究的結(jié)論有所差異,如在企業(yè)創(chuàng)新選擇方程和創(chuàng)新強度兩個方程中,國有企業(yè)虛擬變量的估計系數(shù)都是顯著為正,說明國有企業(yè)有著更高的創(chuàng)新傾向和創(chuàng)新強度。而這與國有企業(yè)效率較低、行業(yè)壟斷性高的一般“印象”有著明顯的沖突。[13]本文認為,出現(xiàn)這種結(jié)果,可能有兩個原因:一是國有企業(yè)的相對壟斷地位和政府政策的支持,使得國有企業(yè)進行創(chuàng)新的風(fēng)險承受能力高于非國有企業(yè),一定程度上提高了國有企業(yè)進行創(chuàng)新的可能性。二是國有企業(yè)內(nèi)部的預(yù)算剛性,使得國有企業(yè)對研發(fā)部門的人員和資金的投入往往難以根據(jù)市場變化予以快速調(diào)整,形成習(xí)慣性的、持續(xù)性的創(chuàng)新投入。
1.高技術(shù)行業(yè)和中低技術(shù)行業(yè)。不少學(xué)者對產(chǎn)業(yè)集聚的MAR溢出和Jacobs溢出對不同技術(shù)水平行業(yè)的影響做了實證研究,Henderson et al.采用美國數(shù)據(jù)進行研究后,發(fā)現(xiàn)Jacobs溢出對高科技行業(yè)產(chǎn)生的影響更大,而MAR溢出對非高科技行業(yè)產(chǎn)生的影響更大。[14]為進一步搞清楚產(chǎn)業(yè)集聚的知識溢出對高技術(shù)行業(yè)和中低技術(shù)行業(yè)企業(yè)創(chuàng)新的影響差異,我們分兩組進行實證檢驗。
結(jié)果顯示,MAR溢出對高技術(shù)行業(yè)企業(yè)的創(chuàng)新選擇和創(chuàng)新強度的影響均不顯著,而對于中低技術(shù)行業(yè)企業(yè)的創(chuàng)新選擇的影響顯著為正,但對已經(jīng)開展創(chuàng)新活動的中低技術(shù)企業(yè)創(chuàng)新強度的影響并不顯著,這可能是因為中低技術(shù)行業(yè)企業(yè)往往從事的是相對標(biāo)準(zhǔn)化的生產(chǎn),MAR溢出對其是否進行創(chuàng)新有著較重要的影響。Jacobs溢出對高技術(shù)行業(yè)企業(yè)和中低技術(shù)行業(yè)企業(yè)的創(chuàng)新選擇和創(chuàng)新強度的回歸結(jié)果都顯著為正,并且高技術(shù)行業(yè)企業(yè)創(chuàng)新強度方程的回歸結(jié)果為0.0434,遠高于中低技術(shù)行業(yè)企業(yè)的0.0256,這表明Jacobs溢出對高技術(shù)行業(yè)企業(yè)和中低技術(shù)行業(yè)企業(yè)的創(chuàng)新有著顯著的促進作用,并且對高技術(shù)行業(yè)企業(yè)創(chuàng)新的促進作用顯著高于中低技術(shù)行業(yè)企業(yè)。各控制變量的回歸結(jié)果與全部樣本的結(jié)果基本一致,這進一步驗證了結(jié)果的穩(wěn)健性。
2.企業(yè)年齡、知識溢出與企業(yè)創(chuàng)新。為分析知識溢出與企業(yè)創(chuàng)新隨企業(yè)年齡變化的關(guān)系,我們在企業(yè)創(chuàng)新強度方程式(4)中引入二種知識溢出分別與企業(yè)年齡、企業(yè)年齡二次項的交乘項。擴展后,我們將關(guān)注的重點放到了二種知識溢出分別與企業(yè)年齡、企業(yè)年齡二次項的交乘項的系數(shù)大小和變動方向。表4報告了回歸結(jié)果,其中列(1)僅加入二種知識溢出與企業(yè)年齡的交乘項,列(2)則同時加入知識溢出與企業(yè)年齡一次項、二次項的交乘項。
表4 引入企業(yè)年齡后的Heckman選擇模型估計結(jié)果
注:由于創(chuàng)新選擇方程估計結(jié)果、其他控制變量完全同表2,為控制篇幅,此處省略相關(guān)結(jié)果,括號內(nèi)的數(shù)字表示標(biāo)準(zhǔn)差, ***、**、*分別表示在 1%、5%、10%水平上顯著。
從表4的結(jié)果可知,在列(2)中,MAR溢出與年齡一次項交乘項的估計系數(shù)為正,且在統(tǒng)計上顯著,但與年齡二次項交乘項的估計系數(shù)為負,且在統(tǒng)計上顯著,這表明MAR溢出對企業(yè)創(chuàng)新強度的影響隨著年齡增加而遞增,在達到一定年齡后,MAR溢出對企業(yè)創(chuàng)新強度的影響將逐漸減少,即MAR溢出對企業(yè)創(chuàng)新強度的影響隨著企業(yè)年齡的變化呈現(xiàn)倒U形關(guān)系。而Jacobs溢出與年齡一次項交乘項的估計系數(shù)為負,且統(tǒng)計上顯著,其與年齡二次項交乘項的估計系數(shù)為正,但并不顯著。這表明Jacobs溢出對企業(yè)創(chuàng)新強度的影響隨著企業(yè)年齡的增加而遞減。
可以推斷出,產(chǎn)業(yè)集聚的知識溢出對不同年齡段企業(yè)的創(chuàng)新活動的影響各有不同。對于新生或者初創(chuàng)期的企業(yè)來說,會更多受益于產(chǎn)業(yè)相關(guān)多樣化集聚所帶來的Jacobs溢出,其對企業(yè)創(chuàng)新的促進作用更加明顯,而隨著企業(yè)年齡的不斷增加,Jacobs溢出的促進作用將逐漸減弱。產(chǎn)業(yè)專業(yè)化集聚所帶來的MAR溢出對企業(yè)創(chuàng)新的促進作用隨著年齡的增加逐漸增強,且這一促進作用在達到一定年齡后才會逐漸減弱。本文將企業(yè)年齡引入產(chǎn)業(yè)集聚的知識溢出與企業(yè)創(chuàng)新關(guān)系的研究,在一定程度上解決了現(xiàn)有文獻關(guān)于到底是哪種類型的知識溢出影響了企業(yè)創(chuàng)新的爭論,為后續(xù)研究提供了一個新的視角。
研究從創(chuàng)新選擇和創(chuàng)新強度兩個維度上衡量企業(yè)的創(chuàng)新能力,基于2005—2007年中國制造業(yè)企業(yè)數(shù)據(jù)采用Heckman二元選擇模型,檢驗MAR溢出和Jacobs溢出對企業(yè)創(chuàng)新行為和程度的影響。得到三點結(jié)論:第一,MAR溢出的增加會提高企業(yè)創(chuàng)新的概率,但是對已創(chuàng)新企業(yè)的創(chuàng)新強度不會有顯著的影響;Jacobs溢出的增加既能提高企業(yè)創(chuàng)新的概率,又能增加已創(chuàng)新企業(yè)的創(chuàng)新強度。第二, MAR溢出對高技術(shù)行業(yè)企業(yè)的創(chuàng)新選擇和創(chuàng)新強度都沒有顯著影響,而對中低技術(shù)行業(yè)企業(yè)的創(chuàng)新選擇的影響顯著為正。Jacobs溢出對高技術(shù)和中低技術(shù)行業(yè)企業(yè)的創(chuàng)新選擇和創(chuàng)新強度都有顯著的正向作用,但是對高技術(shù)行業(yè)企業(yè)的作用更加明顯。第三,產(chǎn)業(yè)集聚的知識溢出對不同年齡段企業(yè)的創(chuàng)新活動的影響有著較大不同。Jacobs溢出對新生或初創(chuàng)期企業(yè)的創(chuàng)新促進作用更加明顯,而隨著企業(yè)年齡的增加,Jacobs溢出的促進作用將逐漸減弱。而MAR溢出對企業(yè)創(chuàng)新強度的影響隨著企業(yè)年齡的變化呈倒U形關(guān)系。
基于上述結(jié)論,從促進中國各地區(qū)制造業(yè)集聚創(chuàng)新發(fā)展的政策角度,本文提出如下政策建議:
第一,創(chuàng)造條件促進制造業(yè)創(chuàng)新發(fā)展在地理上的集聚。制造業(yè)特別是高端制造業(yè)創(chuàng)新發(fā)展是促進地區(qū)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級,促進地區(qū)創(chuàng)新驅(qū)動發(fā)展的重要途徑。本文的研究結(jié)果表明,地理集聚帶來的知識溢出會顯著影響企業(yè)的創(chuàng)新活動,兩種類型的知識溢出都會提高集聚企業(yè)的創(chuàng)新概率,而對企業(yè)創(chuàng)新活動的影響又因行業(yè)技術(shù)水平的不同有著明顯差異。因此,通過產(chǎn)業(yè)集聚促進知識溢出,進而帶動中國制造業(yè)創(chuàng)新發(fā)展的策略,必須把握好產(chǎn)業(yè)集聚過程中專業(yè)化集聚和相關(guān)多樣化集聚的合理平衡。對于中國的大多數(shù)城市來說,應(yīng)該堅持“有所為有所不為”的策略,從城市實際特點出發(fā),在以市場選擇為主的前提下,立足于本地產(chǎn)業(yè)基礎(chǔ)和相關(guān)資源,科學(xué)選擇主導(dǎo)性的產(chǎn)業(yè),制定具有區(qū)域特點并切實可行的產(chǎn)業(yè)集聚發(fā)展方案。
第二,依據(jù)區(qū)域資源稟賦與發(fā)展目標(biāo),設(shè)計有針對性的鼓勵政策。產(chǎn)業(yè)集聚的知識溢出對不同技術(shù)水平行業(yè)企業(yè)創(chuàng)新的影響存在差異,因此各區(qū)域應(yīng)當(dāng)采取差異化的政策:現(xiàn)以高技術(shù)行業(yè)為主或者計劃發(fā)展高技術(shù)行業(yè)的區(qū)域,應(yīng)采取有利于Jacobs溢出的相關(guān)多樣化產(chǎn)業(yè)政策,促進高技術(shù)行業(yè)企業(yè)在集聚中的交流與合作;而現(xiàn)以中低技術(shù)行業(yè)為主或者計劃發(fā)展中低技術(shù)行業(yè)的區(qū)域則可選擇促進MAR溢出的專業(yè)化集聚的產(chǎn)業(yè)政策,并適當(dāng)輔以與主導(dǎo)產(chǎn)業(yè)具有相關(guān)多樣性產(chǎn)業(yè)的集聚的鼓勵政策。
第三,根據(jù)產(chǎn)業(yè)集聚的知識溢出特征做好創(chuàng)新企業(yè)的培育和支持。如果城市的產(chǎn)業(yè)集聚偏向于相關(guān)多樣化,知識溢出以Jacobs溢出為主的話,那么政府應(yīng)該采取各種政策鼓勵和培育新生和初創(chuàng)企業(yè),培育良好的企業(yè)孵化生長環(huán)境,吸引符合相關(guān)多樣化的新生和初創(chuàng)企業(yè),從而使得企業(yè)的創(chuàng)新充分獲益于Jacobs溢出;如果城市的產(chǎn)業(yè)集聚偏向于專業(yè)化,則可引導(dǎo)鼓勵企業(yè)將主要資源集中于其最具競爭優(yōu)勢的領(lǐng)域,做好產(chǎn)品升級和優(yōu)化,通過專業(yè)化的分工協(xié)作提升整個集聚區(qū)企業(yè)的生產(chǎn)效率。
參考文獻:
[1] Glaeser EL, Kallal HD, Scheinkman JA, et al. Growth in cities[J]. Journal of political economy, 1992,100(6).
[2] Griliches Z. Issues in assessing the contribution of research and development to productivity growth[J]. The bell journal of economics, 1979.
[3] 蘇紅鍵,趙堅.產(chǎn)業(yè)專業(yè)化、職能專業(yè)化與城市經(jīng)濟增長——基于中國地級單位面板數(shù)據(jù)的研究[J].中國工業(yè)經(jīng)濟,2011,(4).
[4] 劉滿鳳,吳卓賢.高新技術(shù)產(chǎn)業(yè)集群知識溢出的Mar效應(yīng)和Jac效應(yīng)的實證研究[J].科學(xué)學(xué)與科學(xué)技術(shù)管理,2013,(8).
[5] 董曉芳,袁燕.企業(yè)創(chuàng)新、生命周期與聚集經(jīng)濟[J].經(jīng)濟學(xué)(季刊),2014,(2).
[6] 惠寧,劉鑫鑫.信息化對中國工業(yè)部門技術(shù)創(chuàng)新效率的空間效應(yīng)[J].西北大學(xué)學(xué)報(哲學(xué)社會科學(xué)版),2017,(6).
[7] Frenken K, Van Oort F, Verburg T. Related variety, unrelated variety and regional economic growth[J]. Regional studies, 2007, 41(5).
[8] Brandt L, Van Biesebroeck J, Zhang Y. Creative accounting or creative destruction? Firm-level productivity growth in Chinese manufacturing[J]. Journal of development economics, 2012,97(2).
[9] 聶輝華,江艇,楊汝岱.中國工業(yè)企業(yè)數(shù)據(jù)庫的使用現(xiàn)狀和潛在問題[J].世界經(jīng)濟,2012,(5).
[10] 范劍勇,馮猛,李方文.產(chǎn)業(yè)集聚與企業(yè)全要素生產(chǎn)率[J].世界經(jīng)濟,2014,(5).
[11] 劉修巖,王璐.集聚經(jīng)濟與企業(yè)創(chuàng)新——基于中國制造業(yè)企業(yè)面板數(shù)據(jù)的實證研究[J].產(chǎn)業(yè)經(jīng)濟評論,2013,(3).
[12] 潘文卿,李子奈,劉強.中國產(chǎn)業(yè)間的技術(shù)溢出效應(yīng):基于35個工業(yè)部門的經(jīng)驗研究[J].經(jīng)濟研究,2011,(7).
[13] 聶輝華,譚松濤,王宇鋒.創(chuàng)新、企業(yè)規(guī)模和市場競爭:基于中國企業(yè)層面的面板數(shù)據(jù)分析[J].世界經(jīng)濟,2008,(7).
[14] Henderson V, Kuncoro A, Turner M. Industrial development in cities[J]. Journal of political economy, 1995,103(5).