纺织服装企业跨区域发展特征及其影响因素

陈建军， 庞 琛， 季晓芬

(1. 浙江大学 区域与城市发展研究中心， 浙江 杭州 310027； 2. 浙江大学 经济学院， 浙江 杭州 310027；3. 浙江理工大学 服装学院， 浙江 杭州 310018)

纺织服装企业跨区域发展特征及其影响因素

陈建军1， 庞 琛2,3， 季晓芬3

(1. 浙江大学 区域与城市发展研究中心， 浙江 杭州 310027； 2. 浙江大学 经济学院， 浙江 杭州 310027；3. 浙江理工大学 服装学院， 浙江 杭州 310018)

为更好地探究纺织服装产业转移和集聚的微观因素，从劳动力要素的流动性入手，对预期利润函数进行适度拓展，采用逻辑回归模型分析我国纺织服装企业跨区域发展的特征与影响因素。对185家纺织服装企业及其子公司进行实证分析，结果表明：规模较大、技术水平较高的企业，更有可能采取跨区域发展的模式；与生产环节相比，研发设计环节倾向选址于劳动力要素成本较高、市场容量更大、服务业水平较高的地区，以获得高技能的专业人才和信息；高技能劳动力的高区位黏性和锁定效应，加剧了产业转移与要素分割。

纺织服装企业； 跨区域发展； 异质性劳动力； 要素流动； 预期利润

纺织服装业是我国制造业中产业转移特征较为明显的产业之一[1]。初具规模的服装企业，在总部所在地发展累积到一定能量时，便倾向于突破原有的地域限制，充分利用不同地区的区位优势，沿着自身所处的产业链进行跨区域发展。这些具有一定市场势力和技术优势的企业研发活动全部或部分地转移到另一地区后，会对不同地区劳动力要素的重新配置与产业发展产生一定的影响，因此，对上述现象的解释可以为企业实施跨区域发展战略与产业转型升级政策的制定提供新的理论依据。

企业区位选择往往随着稀缺要素的流动而变化。高技能人才对区位的偏好与一般体力劳动者存在较大差异，前者更倾向于生活在开放与多样化的大都市[2-3]。基于此，本文的实证分析试图从劳动力要素的流动性入手，对新经济地理学中典型的区位模型进行适度拓展，使用逻辑回归模型分别识别以下2个问题：跨区域发展的企业特征和区位特征；影响生产子公司与研发子公司区位决策的因素的不同之处。

1 模型的建立

1.1 计量模型

新经济地理学下的区位理论将企业的空间行为与企业追求规模经济，同时力求跨边界成本的最小化，以实现利润最大化的需求结合起来[4]。新经济地理学的测算方法主要关注于需求的空间分布与要素报酬的关系[5]。本文研究首先考虑一个空间内有N个区域，区域内的企业在规模报酬递增下生产差异化产品。消费者对差异化产品的需求可以用对称的恒常弹性替代函数来表示。使用常数替代弹性的效用最大化来计算，地区j对每种来自于地区r的产品的需求Drj可表示为

(1)

式中：prj为产品从地区r送达地区j的价格；Ej为地区j的制成品的总开支；Gj为制成品的总价格指数；σ为弹性系数(σ>1)。

地区j的总有效需求xrj可用下式表示：

(2)

式中：Trj为贸易成本；pr为出厂价格。

按照新经济地理学，假设贸易成本取冰山运费的形式，此时可以将贸易成本看做是Trj单位的产品从r地区出发，只有一个单位到达j地区，Trj-1部分在途中“融化”，因此，prj由出厂价格pr与贸易成本Trj相乘得到。

垄断竞争市场中企业利润最大化的产品价格pr为

pr=crσ/(σ-1)

(3)

式中：crσ/(σ-1) 为边际成本，由于企业都是追求利润最大化的，边际收益即为pr且等于边际成本。地区j中由地区r生产的某一产品的总利润πrj可以表示为

πrj=prxrj/σ

(4)

将式(2)、(3)代入式(4)，并把一个地区的利润额加总，得到了企业在地区r的预期潜在利润。

(5)

(6)

式中：wr为工资水平；Pr为中间投入价格指数；zr为其他生产成本。

由此将式(6)代入式(5)后取自然对数，得到下式：

(7)

由式(7)可看到，企业对备择地预期利润的估计主要受到市场准入与各类成本的影响。市场准入包含2个部分：一是市场需求容量，二是运输成本，运输成本可采用空间距离来衡量。以服装企业为例，中间投入品除了各类面辅料、配件、服装机械等有形的物品外，还包括了大多以无形资产形式存在的，诸如纺织技术、设计和品牌运营经验、展会和商业信息、行业资讯等中间投入。中间产品市场往往是不完全的，单纯地通过市场交易很难实现价值，难以衡量[6]。产业集聚，包括服务业的集聚，则可以支持该产业专用的多种类、低成本的中间投入品的生产和获取，因此，产业集聚在一定程度上可以衡量该产业所使用的中间投入品的可得性和价格。基于此，本文研究将采用纺织服装产业与服务业的集聚程度来衡量中间投入价格指数这个因素。此外，不同的企业对利润的预期也会有所不同，因此，企业特征也会影响对区位决策的利润的估计。通常认为，规模较大、技术水平和生产效率较高的企业，更有能力支付跨区域发展的成本[7]。企业会根据自身特征的不同，充分利用不同地区的技术、要素禀赋或要素价格的优势来进行区位决策[8-9]。

综上，本文研究将影响一个企业预期利润的因素归纳为：1) 市场容量和空间距离；2) 劳动力要素成本；3) 纺织服装产业与服务业的集聚程度；4) 企业自身的特征。由于企业投资定位决策是典型的离散选择问题，因此，本文使用逻辑回归模型。假设企业的跨区域决策都是按照预期的潜在利润最大化作出的，根据上述分析将影响因素作为自变量Xi再次建立logit模型，其原理为：对于计量模型Yi=βXi+εi，P(Yi=1/Xi)表示企业选择跨区域经营的概率，Y取值的概率累积分布函数为

(8)

P与1-P之比的对数为

ln[Pi/(1-Pi)]=α+βiXi+εi

(9)

式中，Pi/(1-Pi) 称为机会比率。在本文研究中，观察不到P，而只能观察到Y的结果，因此，可通过最大似然估计法来估计参数，得出Yi对Xi的响应程度，其中Y服从贝努里概率分布。

1.2 变量设定

为了能在一定程度上避免省级层面数据缺乏次级区域间差异的缺陷，本文研究的实证分析将深入到城市层面。

1.2.1 因变量

企业跨区域发展的行为(Yi)：在本文研究中，因变量Yi的取值为0或1。

首先识别跨区域发展的企业特征(模型1)：样本中的企业跨区域发展(1)或没有跨区域(0)；其次识别研发子公司与生产子公司区位选择时影响因素的差异性(模型2)：研发子公司(1)或生产子公司(0)。

1.2.2 自变量

市场容量(X1)和空间距离(X2)：采用选定区域j的人均GDP来衡量市场容量(X1)，在模型1中X1为总部所在地的市场容量，模型2中则为子公司所在地的市场容量。劳动力要素成本与产业集聚程度的指标在2个模型中也按此原则。考虑到本文研究涉及的部分城市尚未开通铁路这一事实，主要参考子公司与总部所在城市间高速公路长度来衡量空间距离(X2)。

劳动力要素成本(X3)：采用职工平均工资来衡量劳动力成本，其数据来自于2013年《中国城市统计年鉴》。

纺织服装产业集聚程度(X4)和服务业集聚程度(X5)：纺织服装产业集聚程度和服务业水平的衡量指标为该城市纺织服装业和服务业从业人员的比重，其数据分别来自于企业微观数据的加总和2013年《中国城市统计年鉴》。

企业规模(X6)和技术水平(X7，X8)：采用企业的从业人员数来衡量企业的规模(X6)。企业的技术水平除了体现在诸如专利、手册和机器等有形的实体中，更重要的是根植在企业员工中的创意、技能和知识体系。因此，本文研究以技术研发人员占员工总数的比例(X7)与大专以上员工数占总员工数的比例(X8)来衡量企业的技术水平。

2 数据说明与特征性描述

2.1 样本数据说明

本文选取纺织和纺织服装、服饰的上市企业为样本来源。通过对2013年上市企业的年度报表的数据进行收集与整理，按照一定的原则对原始样本进行筛选：选取上市超过3年的公司，以避免新上市公司财务数据上的失真；剔除近3年里因重大资产重组、转换或高管发生重大变动等导致经营活动不能正常进行的企业。上市企业通常被认为具有一定的市场势力和技术优势，其区位选择的行为在一定程度上可以表征国内纺织服装产业的发展趋势。样本数据涵盖了185家纺织服装企业及其子公司，其中63.64%的企业已采取了跨区域发展的经营模式。

2.2 样本地理分布特征性描述

首先，依据东、中、西三大地区的划分标准，对各地区上市企业的数量进行统计，结果如表1所示。其中东部地区占总数的80.30%，明显高于中部地区(12.12%)和西部地区(7.58%)。与制造业整体的数据相比，纺织服装产业在东部地区集聚的特点更为明显。运用赫芬达尔-赫尔希曼(Hirshman-Herfindahl)指数(简称H指数)来测算生产子公司和研发子公司的地理集聚情况。H指数实质上是一种测量绝对集中度的指数，是从企业的角度出发来衡量产业集聚的指标[10]，其计算公式为

(10)

式中：Zi为地区i中纺织服装产业的企业数量；Z为企业总数。以往研究中也采用就业人数、产值等进行测算。当市场处于完全垄断时，即产业完全集中于某一地区时，H=1；当所有地区都具有相同的份额时，H=1/N。H值界于0～1之间，但通常会将其值乘上10 000而予以放大，以便更清晰、直观地观察企业分布的集中程度，本文研究也将H指数作放大10 000倍处理。

表1 纺织服装上市企业的地理分布情况Tab.1 Geographical distribution of textile and garment public enterprises

从表1可观察到，纺织服装企业大都集聚在东部沿海地区，H指数明显高于中西部地区，是中部的40多倍，西部的50多倍。浙江、江苏、广东、山东和上海是纺织服装业主要的集聚地，在地理分布上呈现出明显的两极特征，这也反映出了中国纺织服装产业空间分布的一大特点。

此外，从测算结果来看，我国纺织服装企业在跨区域发展的过程中，更为引人注目的空间布局特点为生产子公司和研发设计子公司的空间区位选择呈现出了明显的错位迁移特征：一方面，生产环节的地理集中度在东、中、西部的差距明显缩小了，东部地区只是中部地区的3倍多，与西部地区相比，也从之前的50倍骤然缩小到3倍多，这也是大量低附加值环节向中西部转移的表现；另一方面，研发设计子公司H指数的地域差异却明显大于生产环节。从赫芬达尔指数的测算结果来看，纺织服装产业链的不同环节在区位选择上呈现出新经济地理学中的“中心-边缘”分布，研发、设计等高附加值环节主要集中在东部沿海地区，制造环节则逐步向中西部地区转移，地区间产业发展的不均衡性仍然存在。由此，本文研究将进一步识别和分析纺织服装企业跨区域发展的特征和影响因素，尤其是生产与研发环节在空间决策上的差异性。

3 实证分析结果与讨论

本文研究在EVIEWS7.0环境下对logit模型进行参数估计。模型1识别企业跨区域发展的企业特征和区位特征，模型2则识别影响生产子公司与研发子公司空间区位选择的因素的差异性。

3.1 识别区位特征与企业特征

模型1逻辑回归分析的输出结果如表2所示。在区位特征上，市场容量(X1)的影响显著为负，即总部所在地的市场容量越小，企业打破地理限制，寻求跨区域发展的动力就越大。纺织服装产业与服务业集聚程度的影响均显著且为正，这说明总部所在城市的服务业和专业化水平越高，进一步强化了企业跨区域发展的动机。此外，劳动力要素成本(影响显著为正)的上升会促使企业在空间上打破原有的地理界限，选择多区位发展以缓解要素成本带来的压力。

表2 企业跨区域发展特征的逻辑回归分析结果Tab.2 Results of characteristics of cross-regional development with logistic regression analysis

注：*、**和***分别表示10%、5%和1%的显著性水平。下同。

在企业特征上，企业的员工数作为企业规模的替代变量与反映企业技术水平的2个指标，对企业选择跨区域发展的概率均有显著的正的效果。这也证实了跨区域发展的企业往往是规模较大、技术存量较高的企业。这类企业更有实力支付为克服空间距离的障碍而产生的有形的、无形的跨区域成本。

3.2 子公司跨区域发展的差异性识别

在模型2的设定上引入了虚拟变量ej，如果生产环节或研发环节所在城市为东部地区，则取值为1，若是中西部地区，则取值为0。回归分析的输出结果见表3，可以看到自变量的Z统计值都非常显著(绝对值均大于2),P值也都小于0.05。

表3 子公司跨区域发展的差异性分析结果Tab.3 Results of differences of units′ cross-regional development

从表3可以看到，与生产子公司相比，研发子公司倾向于选址于市场容量较大、与总部空间距离更近、产业配套与服务业更为发达且劳动力成本较高的地区。对照虚拟变量ej，也可以看出研发子公司较多地集聚在东部地区。

平均工资较高的城市意味着这些城市很有可能是高级劳动力的集聚地。研发环节由于对研发人才、设计师、品牌运营和管理人才等专业人才的需求，反而会被锁定在离总部距离较近的东部地区。这类人才虽然具有较强的流动性，但一旦迁移到某地，若迁入地能够满足其需求，则相比一般体力劳动者他们实现户籍转移的能力和可能性会更高，即较高的区位黏性。高级人才对社会环境、人际关系和沟通、娱乐便利性等精神层面的需求更大，倘若本地缺乏吸引人才的氛围，就会导致人才的流失，而且这种流失是长期性的，因此，从劳动力的视角来看，人才的区位黏性造成了纺织服装产业链中高附加值的活动在空间上形成了一定的锁定效应，即大量集聚在东部地区的纺织服装企业，并不愿意把自己的研发、设计环节迁移到中西部地区，由此形成了生产与研发设计错位迁移的格局。

4 结 语

本文分析了跨区域发展的企业特征与区位特征，以及生产环节与研发设计环节区位选择的差异性。结果表明：跨区域发展的企业往往规模较大、技术水平较高；而研发环节的选址则不同于生产环节是以成本为导向，更倾向于集聚在劳动力要素成本较高、市场容量较大、服务业与产业发展水平较高的地区。人才较高的区位黏性，促使企业将高附加值的环节通过自我选择转移到更多人才集聚、经济规模更大的地区，进而吸引更多的人才。这种锁定效应在产业集聚形成的初期，强化了产业链分工，对产业发展起到了正面的作用，但是从长期来看，这些跨区域发展的企业，作为产业转型升级的领头羊，其区位决策的偏好，也可能带来地区间要素分割，边缘地区产业转型升级滞缓，以及企业间无序竞争等负面效应。

纺织服装产业在转型升级过程中，除了强调地区间差异化发展外，应充分发挥这些跨区域发展的企业的地区间协调作用，适当减弱政府参与市场运作的力度，增强市场微观主体的资源配置功能，以此推进资源，尤其是劳动力要素的有效配置。次级地区应利用中心城市的科技和人才资源优势，合理利用城市群内各级区域之间的产业联系和资源禀赋差异，促进人力资本的本地化。边缘地区在产业转型升级过程中应改进以往单一的人才引进政策，避免造成引人不留人的局面，不断完善城市基础配套设施建设和“软”区位条件的改善，以此推动高技能劳动力(如面料研发、样板制作和供应链管理等)的自由流动，促进纺织服装业沿产业链循序渐进式的转型升级。

[1] 吴爱芝, 孙铁山, 李国平. 中国纺织服装产业的空间集聚与区域转移 [J]. 地理学报, 2013, 68(6): 775-790. WU Aizhi, SUN Tieshan, LI Guoping. Spatial agglomeration and regional shift of textile and garment industry in China [J]. Acta Georaphica Sinica, 2013, 68(6): 775-790.

[2] JIN H, YU W T, GUO X M, et al. Creative industries agglomeration, regional innovation and productivity growth in China [J]. Chinese Geographical Science, 2014, 24(2): 258-268.

[3] LEE Y J, OSTBERG J. A case study of the Swedish fashion industry from the systems perspective of creativity [J]. Journal of Global Fashion Marketing, 2013, 4(2): 128-143.

[4] MAYER T, OTTAVIANO G. The happy few: the internationalisation of european firms [J]. Intereconomics, 2008, 43(3): 135-148.

[5] MELITZ M J, OTTAVIANO G. Market size, trade, and productivity [J]. Review of Economic Studies, 2008, 75(1): 295-316.

[6] 陈建军. 要素流动、产业转移和区域经济一体化[M]. 杭州：浙江大学出版社, 2009: 76. CHEN Jianjun. A Survey on Factor Flow, Industry Transfer and Region Integration[M]. Hangzhou: Zhejiang University Press,2009: 76.

[7] BALDWIN R E, OKUBO T. International trade, offshoring and heterogeneous firms [J]. Review of International Economics, 2014, 22(1): 59-72.

[8] OTTAVIANO G. ″New″ new economic geography: firm heterogeneity and agglomeration economies [J]. Journal of Economic Geography, 2011, 11(2): 231-240.

[9] SIEDSCHLAG I, SMITH D, TURCU C, et al. What determines the location choice of multinational firms in the information and communication technologies sector? [J]. Economics of Innovation and New Technology, 2013, 22(6): 581-600.

[10] 王磊, 付建荣. 美国都市工业的空间分布及其对中国城市发展的启示[J]. 经济地理, 2014, 34(8): 81-88. WANG Lei, FU Jianrong. The spatial distribution of urban manufacturing industries in the United States and its implications for urban development in China [J]. Economic Geography, 2014, 34(8): 81-88.

Cross-regional development characteristics of textile and clothing enterprises and its influencing factors

CHEN Jianjun1， PANG Chen2,3， JI Xiaofen3

(1.CenterforUrbanandRegionalDevelopmentStudies,ZhejiangUniversity,Hangzhou,Zhejiang310027,China; 2.CollegeofEconomics,ZhejiangUniversity,Hangzhou,Zhejiang310027,China; 3.SchoolofFashion,ZhejiangSci-TechUniversity,Hangzhou,Zhejiang310018,China)

From the mobility of labor force, this paper adopted logic regression model to analyze the characteristics and determinants of cross-regional development of textile and clothing enterprises by extending expected profit function in order to explore the micro-factors of industry transfer and agglomeration. The micro-data of 185 public enterprises and their subsidiaries as samples were used. The results of empirical analysis present that larger enterprises with higher technical level are more likely to implement cross-regional strategy. Different from production units, location choices of R&D units are inclined to be located in cites with higher factor costs, greater market size and thriving service industry to acquire high skilled professionals and information. Higher spatial stickiness and lock-in effect of high-skilled labor accelerate industry transfer and factor segmentation.

textile and clothing enterprise; cross-regional development; heterogeneous labor force; factor flow; expected profit

10.13475/j.fzxb.20150401405

2015-04-13

2015-08-18

国家自然科学基金资助项目(71173182)；浙江省教育厅资助项目(Y201327328)

陈建军(1955—),男,教授,博士。研究方向为产业经济学、城市与区域经济。E-mail：hzcjjun@126.com。

F 426

A