集聚外部性与企业全要素生产率——来自中国工业企业的经验证据

李 雷， 周端明

(安徽师范大学 经济管理学院， 安徽 芜湖 241000)

一、 引言与文献综述

集聚经济带来的集聚外部性， 是影响全要素生产率的重要因素。 根据来源不同， 集聚外部性可以分为三种类型。[1]Marshall(马歇尔)最早指出企业位于同类企业集聚的环境下能够获得知识溢出、 劳动力蓄水池以及中间商品投入共享等外部性收益， 被称为Mar(马歇尔)外部性[2]， 也被称为专业化。 Jacobs(雅各布斯)认为知识溢出更可能发生在多样性产业之间， 企业更可能从多样化的外部性环境中得到互补性的知识溢出， 这一外部性被称为Jacobs外部性(多样化)。[3]Porter(波特)认同专业化以及多样化为企业带来外部性收益的说法， 他同时认为， 企业在获得集聚性知识溢出的同时， 还面临着竞争。 这种竞争有利于促进企业技术创新， 被称为Porter外部性。[4]

在他们研究的基础上， 众多学者研究了集聚外部性对全要素生产率的影响关系。 彭向和蒋传海研究发现专业化和多样化对于行业层面的创新能力具有显著的正向促进作用， 但影响程度不同， 多样化对创新推动最大。[5]张旭华基于高技术产业数据， 实证表明集聚外部性对全要素生产率增长存在显著正向影响, 多样化产生的贡献更加明显。[6]针对产业全要素生产率分解后的技术进步与技术效率实证表明， 产业多样化可以促进制造业技术效率改善而对技术进步具有抑制作用， 竞争可以促进制造业技术进步。[7]陶锋等在省份、 地级以上城市和区县层面， 研究集聚外部性三个源泉影响企业生产率增长的内在机制。[8]段会娟和梁琦利用省级制造业数据和专利数据实证研究表明专业化经济更能促进技术创新。[9]

他们的研究主要集中在行业层面以及地域层面， 企业作为更微观的经营层级， 其全要素生产率的变动影响着区域及行业层面的高质量发展。 于我国而言， 国有企业及非国有企业对国民经济的发展均起到了重要作用， 提升企业全要素生产率水平需针对国有企业及非国有企业共同施策。 这使得研究集聚外部性对国有企业及非国有企业全要素生产率的影响是否具有差异具有重要的政策指导意义。 目前针对这一点的研究尚属空白， 本文的研究有助于补充这一方面的文献。 另外， 本文还按照资源型企业、 低技术企业及中高技术企业进行了分类研究。

二、 集聚外部性对企业全要素生产率的影响途径及研究假设

(一)集聚外部性对企业全要素生产率的影响途径

根据企业外部性收益来源不同， 集聚经济带来的外部性有三个方面： 专业化、 多样化及竞争。

其一， 企业能够从专业化中获得知识溢出、 劳动力蓄水池以及中间商品投入共享等外部性收益， 具体影响企业全要素生产率的途径表现在： 知识溢出效应； 劳动力共享效应； 协作效应； 资源共享效应。

其二， 多样化所带来的外部性收益来源于不同类型产业集聚在同一地区所带来的范围经济， 与专业化影响企业全要素生产率机制具有一定的相似性。 具体表现为： 知识溢出效应； 劳动力共享效应； 中间商品关联效应。

其三， 竞争发生在同产业间及不同产业间， 竞争对企业全要素生产率的影响机制也需从这两个方面分析， 即行业内竞争、 行业间竞争。

(二)研究假设

本文的研究目标在于分析集聚外部性对国有企业及非国有企业全要素生产率的影响是否具有差异， 并且按照资源型企业、 低技术企业及中高技术企业进行分类研究， 我们根据以下两个方面的分析提出假说。

1.集聚外部性与不同产权企业全要素生产率

我国国有企业与非国有企业技术研发与知识生产存在着差异性， 国有企业的基础研发更多， 知识溢出能力更强， 对非国有企业的全要素生产率具有显著的促进作用， 而非国有企业的基础研发则抑制了国有企业全要素生产率的提高， 国有企业能弥补基础知识研发市场失灵。[10]这说明， 不同产权企业的技术底蕴、 研发投入及知识生产不同， 企业技术进步受到外部环境的影响具有一定的差异。 在专业化、 多样化及竞争的外部性环境下， 不同产权的企业对这些环境做出的反应不同， 全要素生产率所受到的影响存在差异性。

假说1： 集聚外部性对不同产权企业全要素生产率的影响存在差异性。

2.集聚外部性与不同类型企业全要素生产率

依据联合国工业发展组织的制造业划分标准， 结合我国国民经济行业和代码， 本文将企业分为三种类型， 分别为资源型企业、 低技术企业及中高技术企业。 对于这三种不同类型企业而言， 由于所处的行业类型不同， 企业的技术水平、 技术进一步研发难度、 生产对技术的需求以及技术进步的空间存在差异性。 有些类型的企业对专业化、 多样化以及竞争反应较为灵敏， 有些类型的企业全要素生产率对集聚外部性反应可能较为迟钝， 并且集聚外部性对不同类型企业的全要素生产率影响方向可能也存在着一定的差异。

假说2： 集聚外部性对不同类型企业全要素生产率的作用具有不同之处。

三、 研究设计

(一)样本选择与数据来源

本文有两个基本数据库， 其一是2003—2007年中国工业企业数据库。 其二是2003—2007年中国区域经济数据库。

首先将中国区域经济数据库及中国工业企业数据库以2007年为基准年对数据库行政区划代码进行对比调整， 再按照地级市区划代码及年份合并数据。 另外根据实际情况， 对年份不在2003—2007年的数据、 企业性质代码不在1—9之间的数据、 雇员人数小于零的数据进行删除处理。 根据企业性质进行了产权归类划分， 按照联合国工业发展组织按技术水平的制造业划分标准及我国国民经济行业和代码， 将企业分为三种类型， 得到了实证使用的面板数据。

(二)变量构建与模型设定

1.变量构建

(1)被解释变量

本文的被解释变量是企业全要素生产率。 根据中国工业企业数据库的特点， 中间品投入数据可以获得， 这正好符合用Levinsohn-Petrin半参估计方法(LP法)对代理变量的要求， 使用LP法估计得到企业全要素生产率。

(2)解释变量

专业化(Mar)： 本文选用了一个衡量相对专业化的指标来衡量专业化，n地区m行业的专业化计算公式为：

(1)

其中Lmnt表示t时间n地区m行业工业企业雇员人数，Lnt表示t时间n地区工业企业雇员人数，Lmt是t时间全国m行业工业企业雇员人数，Lt为t时间全国工业企业雇员人数。 该指标实际上是地级市二位数行业的区位熵, 其取值越大则表明地区专业化程度越高。

多样化(Jac)： 采用相对多样化指标来衡量多样化，n地区m行业的多样化计算公式为：

(2)

其中Lmnt表示t时间n地区m行业工业企业雇员人数，Lnt表示t时间n地区工业企业雇员人数，Lmt是t时间全国m行业工业企业雇员人数，Lt为t时间全国工业企业雇员人数。 该指标取值越大则表明地区具有越高的多样化水平。

竞争(Por)： 借鉴韩庆潇等的测度方法， 采用雇员人均企业数量与全国雇员人均企业数量的比值来度量企业竞争，n地区m行业的竞争计算公式为：

(3)

其中Emnt是t时间n地区m行业企业数量，Lmnt表示t时间n地区m行业工业企业平均企业雇员人数，Ent代表t时间全国m行业工业企业的数量，Lnt是t时间全国m行业工业企业平均雇员人数。 该指标取值越大则表明企业竞争越激烈。

(3)控制变量： 现有研究发现人均GDP对环境管制下的TFP有显著影响； 环境规制与企业全要素生产率符合“倒N形”关系； 交通基础设施对中国的全要素生产率有着显著的正向影响。 参考现有的研究， 本文使用货物运输量(Tra)、 地区生产总值(GDP)、 环境治理投资额(Env)、 企业固定资本(K)、 雇员人数(L)、 省份(pro)、 年份(year)及行业(ind)等作为控制变量。

2.模型设定

根据上文分析， 专业化、 多样化带来的知识溢出以及企业竞争均能通过不同的途径对企业全要素生产率水平产生影响。 本文参考周锐波和张亦瑶的研究， 设定企业的全要素生产率方程为：

(4)

其中i表示企业。TFPi0为企业i的全要素生产率初始水平，β1,β2,β3分别为专业化(Mar)、 多样化(Jac)以及企业竞争(Por)的技术产出弹性，δ为自然技术自然进步因子。

对(4)式两边取对数并标准化得到全要素生产率与集聚外部性之间的估计方程：

lnTFPit=αit+β1lnMarmnt+β2lnJacmnt+β3lnPormnt+εit

(5)

其中εit为残差， 其他变量含义与上文一致。

考虑控制变量的影响， 实证模型可以写成：

lnTFPit=αit+β1lnMarmnt+β2lnJacmnt+β3lnPormnt+β4lnEnvnt+β5lngdpnt+β6lnTrant+β7lnKit+β8lnLit+∑0u0yearo+∑pvpprop+∑qwqindq+εit

(6)

四、 实证分析

(一)描述性统计分析

从表1可以看出， 企业的全要素生产率对数均值为5.5831， 最小值与最大值之间差值很大， 表明企业的技术水平差距较大， 本文的研究更具意义性。 从专业化及多样化的统计指标来看， 专业化的最大值与中值差值较小， 而多样化的最小值与中值间具有更小差值， 表明位于高度专业化环境下的企业较少， 而大部分企业所处环境多样化水平较高。 关注竞争变量， 最大值与最小值间具有较大差值， 说明企业面临的竞争强度差异很大。

表1 描述性统计

(二)回归结果分析

1.基准回归结果

表2中第(1)列只考虑专业化因素及控制变量对企业全要素生产率的影响， 第(2)列考虑专业化、 多样化及控制变量对企业全要素生产率的影响， 第(3)列把专业化、 多样化、 竞争及控制变量全部要素考虑在内。 回归结果显示， 在全样本范围下， 专业化、 多样化及竞争对企业全要素生产率均表现为显著的正向影响， 表明对于企业技术效率而言， 存在Mar外部性、 Jacobs外部性及Porter外部性。 但显而易见， 多样化对应的系数最大为0.0852， 专业化对应的回归系数最小为0.0108。 这表明， 来自不同行业的知识溢出对效应企业全要素生产率的作用更大， 竞争次之， 同产业的专业化知识溢出的促进效应最弱。

表2 全样本范围逐步回归结果

事实上， 不同产权的企业， 全要素生产率存在着显著的差异。 从表3中可以发现总体上企业的全要素生产率水平逐步提高， 国有企业及非国有企业的全要素生产率均呈现逐渐上升的趋势， 国有企业全要素生产率水平从2003年的4.9000提高至2007年的6.1034， 非国有企业的全要素生产率从5.3693升高至5.8159， 这能够说明我国工业企业技术效率逐步提升。 我们还发现， 在2006年以前， 国有企业的全要素生产率水平低于非国有企业， 自2006年开始， 国有企业的全要素生产率水平高于非国有企业， 这说明国有企业的全要素生产率水平提升较快。

表3 工业企业全要素生产率水平

2.分产权回归结果

以上我们假设不同产权的企业均会受到专业化、 多样化及竞争的同样影响， 从表2的回归结果中得到了总体范围下企业全要素生产率存在Mar外部性、 Jacobs外部性及Porter外部性的结论。 但不同产权企业的技术底蕴、 研发投入及知识生产不同， 企业技术进步受到集聚外部性的影响可能具有一定的差异。 结合表3的统计结果， 不同产权企业全要素生产率的变化速度具有较大差异， 国有企业增速更快， 说明不同产权的企业对集聚外部性的反应可能存在差异。 为了验证假说1， 我们分别对国有企业及非国有企业做了分样本回归。

表4中第(1)列为国有企业全要素生产率与集聚外部性的回归结果， 第(2)列为非国有企业全要素生产率与集聚外部性的回归结果。

表4 分产权回归结果

从回归结果看， 专业化对国有企业全要素生产率的作用为正向， 但对非国有企业的全要素生产率表现为负向影响。 这一结果表明Mar外部性对国有企业而言存在， 对非国有企业不存在。 多样化及竞争对国有企业及非国有企业的全要素生产率依然表现为显著的正向作用。 具体来看， 专业化对国有企业技术效率作用最强， 多样化次之， 竞争最弱； 多样化对非国有企业技术效率促进作用最强， 竞争次之。 这表明国有企业更善于获取同产业知识溢出所带来的好处， 非国有企业则更善于获取产业间知识溢出的好处， 这一结果， 验证了本文的假说1。

不同产业企业的经济占比水平影响着经济高质量发展的进程， 为了分析不同类型企业经济占比变化， 本文按照资源型企业、 低技术企业及中高技术企业的划分标准， 测算了三种类型企业在经济中的占比变化， 如表5。 显而易见， 自2003年到2007年， 资源型企业资产占比由22.36%降低至20.11%， 低技术企业的总体占比水平保持持平， 而中高技术企业的资产占比由62.78%提升至65.06%。 这一数据表明， 我国工业企业在中高技术企业的占比上逐步提升， 我国工业企业的技术水平总体逐步提升。

表5 不同类型工业企业比重变化(单位:%)

3.分企业类型回归结果

为了验证假说2， 集聚外部性对不同类型企业全要素生产率的作用具有不同之处， 本文对资源型企业、 低技术企业及中高技术企业分别回归， 以分析集聚外部性对三种类型企业全要素生产率水平是否有不同作用， 结果如表6。 其中第(1)列为资源型企业全要素生产率与集聚外部性的回归结果， 第(2)列是低技术企业全要素生产率与集聚外部性的回归结果， 第(3)列为集聚外部性对中高技术企业的作用效果回归结果。

回归结果表明， 专业化对资源型企业以及中高技术企业全要素生产率表现为显著的正向促进作用， 对低技术企业的全要素生产率则表现为负向作用， 但并不显著； 多样化及竞争对三种类型的企业全要素生产率均表现为正向影响。 对比专业化、 多样化及竞争对三种类型企业的全要素生产率作用效果， 多样化促进作用最大， 竞争次之， 专业化作用最小， 这一点与总体回归结果具有一致性， 这一结论验证了本文的假说2。

表6 分企业类型回归结果

4.稳健性检验

集聚外部性对工业企业全要素生产率存在着影响， 以上的回归结果证实了这一点， 并且对于不同类型企业及不同产权企业的影响存在着差异性。 而由于全要素生产率的测算存在着多种方法， 不同的方法存在片面性， 这导致不同核算方法对应着有差异的全要素生产率。 为了解决LP法求得的全要素生产率与集聚外部性之间可能存在的偶然性关系， 本文替换成为众多学者使用的OP法测算企业全要素生产率， 进一步研究OP法求得的全要素生产率与集聚外部性的关系， 并与上文一样做分样本检验后， 对比两个回归结果。 我们发现， OP法求得的全要素生产率与集聚外部性之间的回归系数与LP法基本一致， 这说明本文的实证结果是稳健可靠的。

五、 结论及启示

利用2003—2007年中国工业企业数据库， 研究多样化(Mar外部性)、 多样化(Jacobs外部性)以及竞争(Porter外部性)等对不同产权及企业类型企业全要素生产率的影响， 研究得出以下结果: 第一， 从专业化对企业全要素生产率影响来看， 在全样本范围下， 专业化(Mar外部性)对企业全要素生产率均有显著的促进作用。 在分产权的实证结果中， 专业化对非国有企业全要素生产率表现为负向作用， 但并不显著， 对国有企业则表现为显著的正向影响； 对不同类型企业而言， 专业化对低技术企业全要素生产率表现为显著的负向作用， 对资源型企业及中高技术企业则表现为正向影响。 第二， 从多样化对企业全要素生产率的结果发现， 多样化对不同产权及不同类型企业的全要素生产率均有显著的促进作用。 第三， 就竞争对企业全要素生产率的影响而言， 其对企业全要素生产率的作用与多样化相似， 竞争对不同产权及不同类型企业全要素生产率的作用始终表现为正。

本文的研究结果对政策制定具有一定的启示作用。 第一， 由于竞争对企业的全要素生产率水平具有显著的正向促进作用， 因此制定并实施反垄断的措施， 有助于降低产业对企业的进入门槛， 吸引新企业的进入， 激发企业的创新活力， 促进企业技术进步， 为高质量发展起到积极作用。 第二， 多样化对不同类型及产权企业全要素生产率均表现为正向促进作用， 政策上应该鼓励产业关联效应强的产业集聚发展， 以此提升企业全要素生产率， 带动经济高质量发展。 第三， 专业化对于非国有企业及低技术企业不具有正向促进作用， 可能由于同产业企业的技术水平及知识储备相近， 企业难以获取更高级别的知识， 因此政府应该制定产业支持政策， 推动一批高知识含量企业产生， 以此带动同产业企业发展。