城市规模对企业创新的影响

胡 璇

（1.吉林大学 东北亚学院，吉林 长春 130012；2.吉林省农村金融改革研究中心，吉林 长春 130028）

党的十九大报告提出“创新是引领发展的第一动力”，促进和培育企业自主创新能力是中国实现创新驱动发展战略、构建国家创新体系、建设创新型国家的关键。城市作为人口、产业、先进思想的集聚地，是企业创新活动的重要场所及载体，国内外很多城市，特别是大城市吸引着越来越多的高科技和创新企业。与中小城市相比，大城市具有更高的生产率以及更高的工资，在专利产出数量、发明创造和创新活动方面也更具优势。［1］当前我国的创新活动主要集中在规模较大的城市，前10大城市创新指数占比处于45% ～60%之间，北京、上海、广州、深圳四个大城市占比达到30% ～45%。①数据来源于《中国城市和产业创新报告2017》。企业创新所需要的信贷资本在不同规模和层级的城市存在差异，特别是在我国金融空间分布并不均衡的国情下，金融资源主要集聚在一些中心城市，上海、北京、深圳等全国中心城市聚集了大型银行总部和其他金融机构，省会城市聚集了地区银行总部和全国银行省级分行，不同规模城市的信贷融资差距影响着企业创新资金的来源和利用效率。为了研究不同城市规模对企业创新产生的影响，本文结合宏观和微观层面数据从信贷融资角度对二者关系进行讨论和研究。

一、理论分析

（一）城市规模与金融集聚

早在20世纪90年代，很多学者开始关注金融地理问题。尽管信息通讯技术的发展扩大了金融机构的服务范围，促进了全球金融一体化，但地理因素的影响并未随之而下降。Dymski认为，金融全球化并没有使地理变得无关紧要，相反不同地区和城市会根据自身规模和定位，服务于不同层次的金融客户。［2］从金融业空间发展演化看，金融集聚引致金融空间层级结构特征是现代经济的显著特点，城市规模越大，金融机构集群规模和层次越高，二者是正向匹配的，随着集聚规模的扩大，最终将在少数大城市形成金融中心。孙国茂和范跃进、王如玉等的研究表明，中国金融空间分布并不均衡，金融资源主要集聚在北京、上海、深圳等中心城市，城市层级越高，金融集聚水平越高。［3－4］

金融业集聚在大城市的主要原因在于能够获得规模经济和外部性。首先，大城市能够为金融机构提供更大的交易市场和更多的交易对象。大城市是各类信息集中的地区，金融机构选址大城市，能够扩大为企业和消费人群服务的规模，更容易识别出本地区适于贷款的企业。其次，大城市能够为金融业提供丰富的人才支持。金融行业的发展需要大量会计、财务管理、保险精算、法律咨询、计算机等专业服务人员的支持，而这些人才需求往往只有大城市才能满足。［5］第三，大城市能够降低金融机构的信贷风险。大城市具有完善的市场体系、规范的交易标准、健全的信用制度，能够有效缓解信贷双方信息不对称问题，降低金融机构的交易成本和交易风险。第四，金融机构选址在大城市能够获得知识溢出。金融机构通过分享彼此的知识与经验，开发出新技术，并提供更加准确和有竞争力的金融产品和工具，进而实现金融行业整体进步。综上所述，金融市场与城市规模是高度相关的，金融机构和相关服务产业都倾向于在大城市形成集聚。城市规模越大，越容易促进金融集聚，一旦建立基于习惯的力量，顾客的忠诚度和路径依赖就会基本保持稳定，最后形成金融中心。

（二）城市金融集聚、信贷融资与企业创新

创新本质上是一个“投机过程”，有很大几率会失败，企业的创新活动具有收益不确定、信息不对称、投资周期较长等特点，因此需要融资支持。大城市是各种金融机构和产业集聚地，创新型企业考虑到自身风险大、融资难的特点，可能主动选址大城市以获得规模效应，缓解信息不对称造成的融资约束，通过寻求更多的融资机会和更低的融资成本进行创新活动。中国不同城市的金融发展和信贷制度存在显著差异，金融资源主要集聚在规模较大的中心城市，大量中小城市和偏远地区的金融资源供给明显不足。［6］除了全国中心城市和省会城市，地方金融机构发展普遍落后，边缘城市的中小企业会受到融资约束。因此，对于创新型企业而言，选址在金融集聚水平高的大城市更有利于创新活动的开展。

首先，大城市金融机构集聚所引发的激烈竞争会降低企业创新活动的贷款门槛。随着中国金融体系的市场化改革，特别是国有银行股份制改造和商业银行的引入，使银行体系和整个金融业竞争性加强，降低了金融市场的垄断程度，特别是大城市银行、股票、债券、保险和风险投资等金融机构不断集聚，进一步促进了金融产品供给多样化和利率部分自由化，降低了大城市企业创新活动的贷款门槛和贷款利率；其次，金融集聚的大城市银行流动性偏好更低，能够提供给创新企业的贷款供给更加充足。创新型企业会把本公司核心技术作为其竞争优势的来源，在特殊情况下，先寻求股权融资，然后才是其他形式的融资，在风险投资公司缺乏的情况下可能会转为向银行贷款。在中国风险投资等其他融资较少的情况下，银行信贷仍是企业创新活动的主要融资来源，银行投资与流动性之间的比率取决于当地经济发展水平、对未来的预期和制度等因素，大城市和金融中心的经济金融发展水平相对较高，预期稳定，银行流动性偏好相对较低，银行能够更好地实现投资组合的多样化，企业创新活动能够得到更多的银行信贷支持；第三，大城市的金融中介服务人才和科技资源丰富，地处金融资源丰裕的大城市的创新型企业更容易获得专业的知识信息、专业中介机构，以及财务方面的高管、会计师和专家。高附加值和专业化分工的金融服务能够提高企业向银行贷款、进行IPO或者发行债券的成功率，从而缓解企业的融资约束。［7］同时，大城市针对企业创新活动的金融产品和金融工具更多，金融产品创新能力更强，能够对具有高增长潜力的创新型企业或者企业创新活动提供更好的风险性融资支持，进而提高企业创新能力。第四，大城市具有相对健全的信用制度和信用环境，对企业的信用评分和信用等级划分更加专业，企业违约成本较高，因此能够在一定程度上降低金融机构支持企业创新活动的贷款风险。除此之外，大城市上下游企业间的关联性较强，企业间紧密的联系增加了集聚企业的商业信用，企业间往往通过“联保贷款”的方式获得融资，使得企业创新活动能够有更多机会得到其他企业的支持和帮助。第五，大城市金融机构对创新企业的信贷具有循环累积效应。银行等金融机构贷款具有“羊群本能”。羊群本能是指银行采取与以前类似的和熟悉的贷款策略，或者模仿其他银行的贷款策略。面对复杂和不透明的金融体系，银行的羊群本能能够降低风险，会导致融资更倾向于金融资源丰裕的大城市，即使大城市的企业和外围城市的企业相比并没有显著差异，银行有时宁愿牺牲效率也要遵循相似的策略。因此，在大城市企业创新活动已经获得融资的情况下，银行的路径依赖，或者对贷款倾向和熟悉渠道的依赖，导致银行向位于大城市的创新型企业贷款的可能性更高。创新型企业融资成功率高会继续形成示范效应，企业间能够分享成功经验，会造成循环累积因果效应。

金融集聚改善的融资环境是城市规模对企业创新活动产生影响的主要渠道，位于拥有更多金融资源的大城市的创新型企业，所面临的融资约束较少，资本更有可能流向企业创新活动，因此，大城市的地理区位对于企业创新来说是一个机会。相比而言，中小城市的地理区位可能对企业是一个约束条件，金融资源匮乏的中小城市的创新型企业可能会遇到较低的融资成功率和较高的融资限制，挫败当地企业信心，并进一步降低融资率和影响企业创新，逐渐陷入恶性循环。特别是对金融发展程度较低，区域差异较大的中国来说，不同城市规模的金融集聚程度不同，引发的融资外部性差异对企业创新的影响可能更加显著。

二、模型设计

（一）模型设定

为了检验城市规模对企业创新的影响，本文所构建的基准方程如下：

在式（1）中，下标i、j、t分别表示各个样本企业、企业所在地区、样本观测时期。Innovation是本文被解释变量企业自主创新水平，Size为核心解释变量城市规模，Control为一组控制变量。考虑到城市规模对自主创新影响的滞后性，本文对核心解释变量进行一期滞后以减小内生性问题带来的影响。除此之外，采用个体固定效应和时间固定效应模型，以缓解遗漏变量偏误导致的内生性。ε为随机干扰项。

（二）数据来源

中国工业企业数据库。该数据库涵盖2000～2013年所有规模以上的中国工业国有企业和非国有企业。本文借鉴鲁晓东和连玉君、Brandt的做法，［8－9］对数据库进行如下处理：首先，剔除从业人数小于10人以及缺乏固定资产净值、工业总产值、中间投入等重要财务指标的企业；其次，剔除财务指标与一般公认会计准则不相符的观测值；第三，由于国家统计局在2002年采用了新的行业代码标准，为保持行业代码一致性，本文将四位数行业分类代码统一到2002年标准。

中国专利数据库。该数据库收录了中国自1985年实施专利制度以来的全部中国专利文献，具有较高的权威性，主要包括了发明专利、实用新型专利和外观设计专利三种类别的申请授权信息。本文整理了2000～2013年的企业专利数据，并参照He等的方法与工业企业数据库进行匹配。［10］

夜间灯光数据。本文使用的2000～2013年DMSP／OLS夜间灯光数据源自美国国家海洋和大气管理局。该数据是由同一传感器全年无云覆盖探测的日观测数据经过融合而形成的年际影像数据，空间分辨率为30″（约1km），覆盖了北纬75°至南纬65°，东经180°至西经180°的人类活动区域。

（三）变量说明

1.被解释变量。本文的被解释变量为企业创新，用企业专利申请总数（Patent）度量，是企业发明专利、实用新型专利和外观设计专利三种专利申请数之和。选择专利申请数量而非专利授权数量是因为当专利进入申请状态时即表明了研发活动已取得实际成果，专利申请数能够及时准确地反映企业的创新活动，而专利授权数量则由于审批、政策制度等因素影响存在一定的滞后性。［11］考虑到变量分布的右偏性，对专利申请总数加1后进行对数处理。

2.解释变量。本文的核心解释变量为城市规模，用城市规模指数（CSI）表示。研究表明夜间灯光数据与生产总值、人口规模、城市化水平等各类城市规模评估指标存在显著的相关关系，可综合表征人类的活动与强度，因此本文使用夜间灯光数据评估城市规模。［12］经过对夜间灯光数据的裁剪、重采样、坐标转换、饱和度和连续性校正后，提取城镇用地像元亮度值并与行政区划矢量图进行空间匹配。最后，按照不同城市行政区域范围，对像元亮度值进行加总求和，得到城市规模指数。

3.控制变量。为了确保估计结果的准确性，模型中加入了城市和企业的控制变量，具体包括：经济发展水平（GDP）、城市开放程度（FDI）、企业年龄（Age）、企业全要素生产率（TFP）、资本密集度（PPK）、企业规模（Scale）、企业出口（Export）。以上变量的具体含义和特征见表1。

表1 变量描述统计

三、实证结果分析

（一）基准回归结果分析

由于豪斯曼（Hausman）检验拒绝了随机效应的原假设，因此本文采用固定效应面板数据模型进行分析。表2第（1）列利用OLS方法估计城市规模对企业创新的影响，在固定了个体和时间的基础上得到参数估计结果为0.0273，且在1%置信水平下显著，即城市规模能够显著正向影响企业创新活动，城市规模越大，企业的创新水平越高。

考虑到被解释变量是企业专利申请数量这类只能取非负整数的计数变量，并且样本方差大于均值，采用负二项回归进一步分析城市规模与企业创新之间的关系。根据表2第（2）列的结果，城市规模的系数为正且在1%的水平上显著，得到了与OLS回归一致的结论。除了OLS回归、负二项回归外，本文还使用了处理限制被解释变量的Tobit模型进行回归分析，根据表2第（3）列的结果，城市规模的系数依然在1%的水平上显著为正，说明城市规模对企业创新存在正向影响。

表2 基准估计结果

相关控制变量的回归结果也基本符合预期，人均GDP越高，外商直接投资越多，表明城市的经济水平越理想，为企业进行创新活动提供了较好的外部环境。经营情况越好、规模越大且具有较高资本密集度的企业进行创新活动的可能性越大，全要素生产率越高、经营越久的企业对知识、技术的积累也越充足，进行创新活动门槛较低，成功率较高。为了能够保持在国际市场的竞争力，出口企业更愿意进行创新投入研发，创新水平也更高。

（二）稳健性检验

1.替换变量。首先替换被解释变量，使用新产品产值作为衡量企业创新水平的指标，根据表3第（1）列的结果可以发现城市规模对新产品产值的影响同样显著，表明城市规模越大，企业创新水平越高。其次替换核心解释变量，采用全市年末人口数作为衡量城市规模的指标，依然对其进行一阶滞后处理，根据表3第（2）列的结果，以全市年末人口衡量的城市规模对企业创新的影响在5%的水平下显著为正。

2.工具变量法。城市规模与企业创新可能存在逆向因果关系进而导致估计结果有偏且不可信，因此本文使用工具变量方法进行检验。采用1990年中国城市的建成区面积作为工具变量，根据表3第（3）列两阶段最小二乘法的估计结果，城市规模指数的系数仍然显著为正，检验结果非常显著，并且Cragg-Donald检验F统计量远远大于Stock-Yogo弱工具变量的阈值，说明不存在弱工具变量的问题。

3.动态面板模型。企业创新在一定程度上具有持续性特征，因此采用系统GMM方法以解决内生性问题。考虑到创新发明的时间（假定1年）和申请受理的时间（一般为1～2年），在解释变量中加入被解释变量的3期滞后项以控制其历史发展状态对自身的影响，依然使用1990年建成区面积作为工具变量。根据表3第（4）列估计结果，城市规模的系数在5%的显著性水平下显著，AR（1）的P值为0.00，AR（2）的P值为0.219，且满足大于0.1的条件，表明残差项无自相关假设成立。Sargan的P值为0.312，表明模型不存在过度识别问题，工具变量有效，验证了基准回归结论的可靠性。

表3 稳健性检验结果

4.改变样本年限。由于2008～2013年的工业企业数据缺少工业中间品投入、固定资本净值、应付工资总额等数据，致使全要素生产率、资本密集度等指标缺少。因此，本文仅使用2008～2013年的数据进行稳健性检验。根据表4第（5）列的估计结果，城市规模扩大，企业总体创新水平提升，进一步表明基准回归模型是稳健的。

（三）异质性分析

1.城市金融地位差异。表4第（1）～（2）列分别汇报了省级及以上的金融中心和普通城市的城市规模对企业创新的影响效应。通过比较估计结果可知，相比于普通城市，金融地位较高城市的规模对企业创新影响更大。国家金融中心及省级金融中心城市拥有多种金融资源和各类金融机构，能够为企业提供的金融服务种类和信贷融资渠道更多样，能够降低企业外部融资约束，会对企业创新能力产生较大影响。

2.行业差异。根据企业对生产要素的依赖程度将样本分为技术密集型企业与非技术密集型企业。由表4第（3）～（4）列可知，技术密集型企业的创新水平受城市规模影响程度显著高于非技术密集型企业。技术密集型企业为了开拓或保持市场份额，需要持续进行研发投入，通过创新改进生产技术。伴随着城市规模的扩大，城市的外部性效应不断提高，多种生产要素的集聚会加速企业创新能力的提升。

3.企业所有制差异。根据企业最终控制权将企业划分为国有企业、民营企业和外资企业，并将国有企业和外资企业统一归为非民营企业进行研究。根据表4第（5）～（6）列的估计结果，民营企业创新水平受到城市规模影响最大。民营企业由于自身规模以及市场竞争等因素可能存在研发投入不足的问题，选择在大城市经营有利于扩展信贷融资途径，提高获得贷款的可能性，充分利用城市规模扩大所带来的集聚外部性。国有企业享有更多的政府补贴和银行优惠贷款，并且研发创新在一定程度上会受到行政命令影响，而外资企业更多地是利用中国廉价劳动力和广阔市场进行加工贸易行为，其创新研发活动地往往不在国内，因此，这两类企业受到城市规模的影响较小。

表4 异质性估计结果

四、影响机制检验

本文构建了城市金融集聚指标用以衡量城市规模，并实证检验信贷融资约束在城市金融集聚与企业创新之间的中介作用。

（一）变量说明

1.城市金融集聚。本文采用金融地理密度以及银行分支机构密度作为衡量城市金融集聚水平的指标，其中金融地理密度为企业所在城市的年末金融机构贷款余额与城市建成区面积的比值，而银行分支机构密度则是企业所在城市的银行分支机构数量与城市建成区面积的比值。［13－14］年末机构各项贷款余额能够直观地反映中国以银行业为主体的金融体系特征，衡量城市金融的活动规模，银行分支机构数量能够表征银行业发展水平，反映城市金融的发展状态，而城市建成区面积则能集中体现城市中心区向外扩张的过程，反映土地城镇化的路径。指标所需数据来自于中国城市统计年鉴以及中国银监会公布的金融许可证信息。从图1的计算结果可知，城市规模与金融地理密度及银行分支机构密度扩张趋势基本吻合。

2.企业融资约束。许多学者运用不同标准来计算企业的融资约束，为避免很多具有内生性的金融变量的干扰，本文参考Hadlock和Pierce的研究，利用企业总产值和企业成立年限构建方程计算SA指数。［15］该指数为负值，为了能直观地显示融资约束的程度，对SA指数进行绝对值处理，绝对值取值越大，说明企业面临的融资约束程度越高。考虑到中国数据的实际情况，对SA指数绝对值进行缩尾处理。此外，为与前文模型设定保持一致，本文依然使用前文所用的城市层面和企业层面的控制变量。

（二）模型设定

利用Baron和Kenny的中介效应检验程序考察城市金融集聚通过降低企业外部融资约束影响企业创新。［16］为了检验“城市金融集聚－企业融资约束－企业创新”这一路径，本文构建模型（2）～（4）。

其中，（2）式表示城市金融集聚对企业创新影响的总效应，系数γ11衡量总效应的大小；（3）式表示城市金融集聚对中介变量企业融资约束的影响；（4）式中γ31衡量的是城市金融集聚对企业创新的直接效应，得到的系数乘积γ21γ32即表示城市金融集聚通过融资约束影响企业创新的程度。

（三）结果分析

表5汇报了城市金融集聚对企业创新影响机制的检验结果。其中第（1）、（4）列是对模型（2）的估计，结果表明城市金融集聚与企业创新呈正相关关系，即随着金融地理密度以及银行分支机构密度的增加，企业专利申请数增多，表明企业的创新能力得到提高。第（2）、（5）列的结果显示，金融集聚对中介变量的回归系数在1%的水平上显著为负，说明城市金融集聚缓解了企业融资约束。根据第（3）、（6）列的结果，企业创新与城市金融集聚呈显著正相关、与融资约束呈显著负相关，γ21与γ32乘积大于0，验证了中介效应的存在，说明城市金融集聚程度增加会降低企业融资约束进而影响企业创新。此外，本文还对中介效应模型进行了Sobel检验并测算了中介效应比率。根据Sobel检验结果，企业融资约束是显著中介变量，中介效应比率分别为10.5%和15.3%，能够较好地揭示城市金融集聚影响企业创新的机制和渠道。

五、研究结论与政策建议

本文首先从理论上阐明了城市规模与企业创新水平的关系，然后运用中国地级市数据、企业专利数据、夜间灯光数据以及中国工业企业数据共同匹配后的面板数据进行实证研究，最后利用中介效应模型对城市规模与企业创新进行机制检验。研究结果表明：第一，城市规模对企业创新有显著的正向作用，城市规模扩大，企业创新水平增强；第二，城市规模会对不同行业、不同所有制的企业创新产生异质性影响，城市规模对技术密集型企业和民营企业的创新水平影响更显著。除此之外，金融地位越高的城市其规模对企业创新影响越大；第三，城市规模与城市金融集聚是正向匹配的，金融集聚度高的城市有助于企业创新能力提高，信贷融资作为中介变量在城市金融集聚与企业创新之间起着重要的中介作用。

由以上结论可知，城市规模对企业创新的影响主要体现在金融集聚外部性上，大城市往往聚集更多的金融资源，能够满足企业的技术升级和产品创新的金融需求，而中小城市技术进步和企业创新不足主要受到当地金融环境的制约，这反映出中国城市金融发展不平衡和创新企业发展的难题。有鉴于此，本文提出以下三点建议：第一，坚定不移地推进金融供给侧结构性改革，引导金融支持企业创新行为，加大对创新企业的金融支持力度，推进金融资源优化配置。第二，构建多层次的金融发展体系，根据城市、产业和企业发展特征，实施差异化的金融发展战略，既要继续发挥大城市金融集聚的外部性优势，也要改变中小城市金融环境，缩小城市间的创新差距。第三，消除金融市场歧视，打造公平经营环境，减少民营企业、中小企业受到的不公平待遇，通过政策性帮扶解决其发展中的难题，降低企业创新融资难度与成本。