产业集聚、企业加成率与绿色全要素生产率

鲍金红 彭舒阳

摘 要：

利用2007—2020年31个省（自治区、直辖市）面板数据，以企业加成率作为中介变量深入考察了污染密集型产业集聚对绿色全要素生产率（GTFP）的影响及其内在机制。研究发现：专业化集聚显著推升了GTFP，而多样化集聚显著抑制了GTFP；衡量市场竞争度的企业加成率在专业化集聚、多样化集聚与GTFP之间发挥的中介作用均显著为正；企业加成率与GTFP负相关，表明市场竞争有利于GTFP提升。进一步的分析表明，以企业加成率作为门限变量时，专业化集聚和多样化集聚对GTFP的影响分别存在双重门限和单一门限；在中西部地区，多样化集聚不利于GTFP提升、从而需要大力发展专业化集聚，在东部地区则相反。

关键词：

污染密集型产业；专业化集聚；多样化集聚；企业加成率；绿色全要素生产率

中图分类号：F424;F124.5

文献标识码：A   文章编号：1007-2101（2023）03-0061-13

一、引言

中国工业一直存在明显的地理集聚现象。20世纪90年代以来，随着经济特区的推进与改革开放的加快，市场力量的重要性日益凸显，东部沿海地区凭借区位优势、历史基础以及政策倾斜，吸引了大量劳动力、资本、技术和人才，成为产业集聚的主要地区［1］；之后，在“西部大开发”“中部崛起”等区域经济发展战略和相关政策措施的引导下，工业集聚重心开始出现向中西部地区转移的趋势［2］。长久以来，产业集聚被视为中国经济增长的一个重要推动力［3-4］。

任何产业的生产过程都伴随着一定程度的污染，其中排放大量污染物的产业就被称为污染密集型产业［5-6］。因此，产业集聚尤其是污染密集型产业集聚，除对当地具有经济效应外，还必然会因排放污染物产生环境效应［7］。据此，中国在2006年12月颁布《关于贯彻落实科学发展观、进一步加强环境保护的决定》，明确提出对地方官员的考核不再仅仅注重经济绩效，还要进一步纳入污染物减排绩效；随后，各地于2007年与环保部签订了《“十一五”主要污染物排放总量削减目标责任书》，且规定各地不得自行公布本地区主要污染物排放总量和削减情况，须由国家有关部门先行核定。这些举措都意味着中国开始大力提高对经济增长与环境保护协同发展的重视程度。由此，综合考量经济效应和环境效应，本文考察污染密集型产业集聚对绿色全要素生产率（Green Total Factor Productivity，以下简称为GTFP）的影响。同时，依据Marshall［8］外部性和Jacobs［9］外部性，一个地区的GTFP不仅受同一污染密集型行业内集聚即专业化集聚的影响，而且会受到不同污染密集型行業间集聚即多样化集聚的影响。基于此，本文将污染密集型产业集聚划分为专业化集聚和多样化集聚以分别考察其溢出效应。

早期的产业集聚，政府政策的影响显而易见，但政策的推动作用也只是企业理性选择的因素之一，其作用在于引导并提供一定的基础支持。促成产业集聚实现经济发展的决定性因素和长期因素依然是市场竞争。在市场经济条件下，集聚的根本动力来自企业利润和投资回报的增加［10］，而企业和投资者逐利的市场竞争行为又会随着集聚的变动作出相应调整进而影响到市场竞争。大量文献选择直接检验产业集聚对生产率的影响［11］，未能考虑两者之间的影响机制。考虑到产业集聚与市场竞争之间的相互影响，本文具体研究污染密集型产业集聚如何影响该地区的市场竞争，通过市场竞争的变动又如何影响该地区的GTFP，据此最终研究产业集聚的溢出效应及其机制。

本文在两个方面丰富和深化了有关产业集聚溢出效应的研究：第一，现有文献主要聚焦在对产业集聚与生产率之间关系的直接评估上，与这些文献不同，本文加入了环境效应即GTFP，并将市场竞争（以企业加成率为指标衡量市场竞争程度）因素考虑在内，通过构建中介模型和门限回归对产业集聚与GTFP的关系及其机制进行了深入评估；第二，聚集产业多样化程度的增加也会对市场竞争和生产率产生重要影响［12］，因此，不同于大部分文献仅从专业化集聚①的视角进行分析，本文引入多样化集聚对产业集聚与GTFP的关系进行研究。

二、文献综述与理论基础

产业集聚会对生产率产生重要影响［13］。首先，就专业化集聚而言，基于Marshall［8］外部性，大多数文献研究了某种行业内产业集聚与生产率关系的存在性及方向性，如贾润崧和胡秋阳［14］利用中国制造业的数据发现，产业集聚对本行业生产率具有正向影响；同样是对中国制造业进行分析，邵宜航和李泽扬［15］认为集聚与本行业增长之间呈现“倒U型”关系，并表明2000—2007年多数城市制造业集聚对生产率的负向效应更为显著；李玲和陶锋［16］以污染密集型产业为样本，发现集聚显著推动了本行业绿色全要素生产率的提升；郑江淮等［17］根据江苏省沿江开发区企业的微观调研数据得到开发区政策下的产业集聚对企业生产率无显著影响的结论，由此提出非政策性集聚产生溢出效应才是关键；钱雪松等［18］的研究也表明，政策性集聚使本行业企业投资对投资机会的敏感程度降低，从而会恶化生产率。其次，就多样化集聚而言，根据Jacobs［9］外部性，生产率还会受到同一区域多种行业间集聚的影响，于是为数不多的文献对此进行了相应考察，得出的结论也不尽相同，如胡翠和谢世清［19］以中国制造业为样本，发现关联行业对制造业的溢出效应显著为正；章韬和申洋［20］的研究表明，Jacobs外部性（即多样化集聚）和Marshall外部性（即专业化集聚）具有显著的区域差异，两者分别在中西部地区和东部地区发挥正向作用；范剑勇等［21］通过对电子设备业的分析得出，在技术进步的影响下，专业化集聚可以显著提升生产率，而多样化集聚对生产率的贡献不大。但这些文献往往忽略了市场竞争在其中的影响。

在市场经济条件下，市场竞争程度是影响产业集聚溢出效应的关键因素［22］。已有研究指出，竞争市场环境下更易发挥产业政策对生产率的提升作用［23］；还有学者在对中国经济特区的研究中发现，产业集聚政策会驱使同一地区的竞争对手由聚集产生合作等非竞争行为，致使最终产出受到的积极影响还是来自于市场机制的力量，原因是后者可以将资源重新分配给效率更高的生产者［24］。由此，在经济分析中充分考虑市场竞争尤为必要。理论上，完全竞争市场的条件是产品价格等于边际成本，然而实际中的边际成本无法观测、完全竞争市场也几乎不存在。Hall［25-27］提供了一种估算两者偏离程度并将其作为衡量市场竞争程度的新思路。这个偏离度被称为“企业加成率”（Markup），通常将其定义为产品价格与边际成本之比。企业加成率越高，意味着产品价格与边际成本之间越偏离，从而企业获得的垄断利润越高，由此反映出的市场不完全竞争度和垄断势力越强［28-30］。随着企业加成率估算方法的发展，开始出现一批验证企业加成率与生产率、福利之间内在联系的研究。如Melitz和Ottaviano［31］建立了一个垄断竞争的理论模型，发现更高的生产率和更低的企业加成率往往是同时出现的；进一步地，Freenstra和Weinstein［32］在对美国的经验研究中表明，企业加成率的下降能显著减少资源错配造成的生产力损失、改善福利。以上研究都表明，企业加成率作为市场竞争程度的负向指标，与生产率的关系呈负相关。

少量文献直接关注了集聚对企业成本加成的影响。Loertsher和Riordan［33］基于理论分析提出，集聚对需求方和供给方都会产生影响，前者获得了更大的产品选择权从而减少了支付价格加成，后者缺乏为降低成本进行投资的激励，由此集聚可能会降低企业加成率；Zhao［34］和Lu等［35］采用中国企业数据，认为产业集聚对本行业企业加成率的负向影响大于对本行业生产率的正向影响，即产业集聚对本行业市场竞争程度的提高多于对本行业生产率的提高；沈鸿和向训勇［36］借鉴演化经济地理学的方法，将“相关多样化”区分为水平多样化与垂直多样化，发现两者对企业加成率的影响分别为不显著和显著为正，但均提高了生产率，而专业化集聚虽然降低了企业加成率，但也显著降低了本行业生产率。

进一步地，基于企业加成率的定义，产业集聚对其产生影响的渠道主要有两个：一是作用于价格加成，二是作用于边际成本［37］。一方面，产业集聚能通过“集聚效应”节省运输货物、调整劳动力和共享知识的成本［38］，降低边际成本，从而提高企业加成率；另一方面，产业集聚会对企业加成率产生“选择效应”，即在给予需求方更多选择的同时削弱供给方的定价能力，从而降低企业加成率［32-33］；此外，由于“竞争效应”会致使价格上限下降［39］，产业集聚还会据此对企业加成率产生抑制作用［34-36］。因此，产业集聚对企业加成率的最终影响取决于产品价格和边际成本受上述三大效应导致的总体变化。

总体而言，既有的研究产业集聚与生产率关系的文献存在两点不足：（1）在评估产业集聚对生产率的影响方面，只停留在检验其存在性及相关产业政策在其中发挥的作用等，未充分考虑市场竞争的重要性。虽然部分文献在理论上已经论证产业集聚、企业加成率与生产率之间作用机制的存在，但其实证研究尚显不足。（2）较少关注多样化集聚的溢出效应。现有文献一般仅考察集聚对本行业生产率即专业化集聚的影响，就多样化集聚的研究并不充分，从而影响了对产业集聚溢出效应的完整认识。有鉴于此，本文将在这两方面进行补充。

由于直接讨论产业集聚和生产率的关系无法深入探讨其内在机制，本文将企业加成率作为市场竞争程度的指标并作为中介变量纳入分析框架中。根据上述分析，市场竞争程度越高，企业加成率越低，越有利于生产率的提升，即企业加成率与生产率呈现负相关关系；由此，最终观测到的产业集聚对生产率的影响，取决于产业集聚对企业加成率的集聚效应、选择效应和竞争效应的加总净值。同时，随着中国对环境问题的日益重视，除需要研究产业集聚的经济效应外，还必须考量环境效应。由此，本文将使用包含污染排放这一非期望产出的GTFP进行综合考察［40］。然而，任何产业在生产过程中都会产生一定程度的污染物，据此，本文将筛选出产生大量污染物的污染密集型产业［5-6］，探讨污染密集型产业的专业化集聚与多样化集聚在市场竞争的影响下与GTFP的内在联系。本文在一定程度上拓展与丰富了产业集聚溢出效应这类文献的研究视角，有助于更为全面、客观地评估产业集聚的经济效应和环境效应。

三、模型设定、变量测度与数据说明

（一）实证模型设定

根据上文有关市场竞争机制的理论分析，污染密集型产业集聚会在其企业加成率的作用下影响GTFP。为了识别这一机制是否存在，借鉴Baron和Kenny［41］提供的检验中介效应的Sobel［42］方法，本文构建以下方程：

式中，i表示省（自治区、直辖市），t表示年份。GTFPit是核心被解释变量，表示i省份在t年的绿色全要素生产率②； AGGit是核心解释变量，包括i省份污染密集型产业在t年的专业化集聚度（MARit）和多样化集聚度（JACit）；markupit是中介变量（在下文分析中还将被作为门限变量），表示i省份污染密集型产业在t年的企业加成率；Xit为一系列控制变量，εit为随机扰动项。

为了更有效地识别通过企业加成率的中介作用，污染密集型产业集聚对GTFP的影响，本文从地区和行业两个层面加入控制变量。（1）地区层面：第一，经济发展水平，采用人均GDP衡量，并做自然对数处理（lnpgdp）。根据环境库兹涅茨曲线（Environmental Kuznets Curve，下文简称为EKC）理论，经济发展与环境污染之间存在非线性关系［43］。而GTFP将污染排放这一非期望产出包含在内，由此可以合理推测经济发展也会对GTFP产生类似的影响。本文借鉴罗能生和李建明［44］的做法，引入ln pgdp的二次項（ln2pgdp）。第二，对外开放程度（tra），采用进出口贸易总额与GDP的比值衡量，其中进出口贸易总额根据各年度汇率中间价调整为人民币计价。一方面，Reppelin-Hill［45］认为对外开放能降低引进清洁型生产技术或产业的成本，从而减少污染排放，提高GTFP；另一方面，Cole［46］提出对EKC的一种可能解释，认为对外开放会使发达国家成为发展中国家所生产的污染密集型产品的净进口国，从而在推升发达国家GTFP的同时抑制发展中国家GTFP。第三，产业结构特征（is），采用第二产业产值与GDP的比值衡量。工业生产往往与能源消耗、污染物排放密切相关，而第二产业产值占比的下降往往代表产业结构的优化升级，这会使环境压力减小，GTFP提高［47-48］。第四，环境规制强度（er），采用环境治理投资额与GDP的比值衡量。根据“波特假说”［49-50］，合理的环境规制将刺激绿色技术创新，通过创新补偿效应促进GTFP的提高；而根据“污染避难所假说”［51］，环境规制严格的国家或地区迫于成本压力，会将污染密集型产业转移至环境规制更为宽松的国家（或地区），这虽可能导致承接国家（或地区）GTFP的恶化、但却有利于转出国家（或地区）GTFP的提高。（2）行业层面：结合研究产业集聚溢出效应文献的常规做法［52-53］，选取的控制变量为资本密集度（cap），采用行业固定资产净值年均余额与就业人数的比值衡量；收入水平（wage），采用行业职工平均工资衡量；资金充裕度（fund），采用行业利息支出与固定资产的比值衡量。

（二）变量测度

1.核心被解释变量：GTFP

GTFP是一种全面考虑经济增长、资源节约和环境保护的综合生产率，是地区经济实现绿色转型的重要推动力［54］。本文运用包含能源投入和污染物排放的超效率SBM模型对GTFP进行测度。其中：（1）投入指标：能源投入，采用能源消费总量衡量；非能源投入，以就业人员年末人数代表劳动力投入、以实际固定资产投资额（使用投资指数平减为以2007年为基期）代表资本投入；（2）产出指标：期望产出，采用实际GDP（使用价格指数平减，以2007年为基期）衡量；非期望产出，采用“三废”（即废水、废气、固体废物）排放总量衡量③。

2.核心解释变量：污染密集型产业集聚度

（1）污染密集型产业的判定。本文的核心解释变量是污染密集型产业专业化集聚度与多样化集聚度，在计算相关集聚指标之前，需对工业行业进行筛选，其中排放大量污染物的就被划归为污染密集型产业。参照Becker和Henderson［55］的方法，本文使用各工业行业主要污染物排放密度指数（下文简称为PDI指数）来判定污染密集型产业。公式如下：

式中，k表示工业行业④，n表示各种污染物，Wkn表示k行业n污染物的排放量，Yk表示k行业的工业产值。本文对污染物的选取包括工业废水中的化学需氧量（COD）、氨氮，工业废气中的二氧化硫、氮氧化物、总悬浮颗粒物和一般工业固体废物6种主要污染物。由于2017年后不再公布各细分行业的工业产值，本文选取2016年全国各细分行业工业产值和6种主要污染物排放量来计算PDI指数。判定标准为，至少有一种主要污染物的PDI指数值大于或等于1的行业就属于污染密集型产业。结果显示，污染密集型产业共包含21种工业行业，分别为煤炭开采和洗选业，黑色金属矿采选业，有色金属矿采选业，非金属矿采选业，农副食品加工业，食品制造业，酒、饮料和精制茶制造业，纺织业，皮革、毛皮、羽毛及其制品和制鞋业，木材加工和木、竹、藤、棕、草制品业，造纸和纸制品业，石油、煤炭及其他燃料加工业，化学原料和化学制品制造业，医药制造业，化学纤维制造业，非金属矿物制品业，黑色金属冶炼和压延加工业，有色金属冶炼和压延加工业，废弃资源利用业，电力、热力生产和供应业，水的生产和供应业。

（2）污染密集型产业集聚度。就业资源可以在一定程度上反映市场份额和资源配置的情况［56］，由此本文以就业人数作为测度污染密集型产业集聚度的主要指标。与罗能生和李建明［44］的做法相一致，本文基于Marshal外部性来测度污染密集型产业的专业化集聚度，基于Jacobs外部性来测度污染密集型产业的多样化集聚度，即⑤：

式中，i表示省（自治区、直辖市），k表示工业行业，t表示年份，Sikt是在t年i省份污染密集型产业中行业k的就业人数占该省份总就业人数的比重，Skt是在t年全国污染密集型产业中行业k的就业人数占全国总就业人数的比重。选取上文所判定的21种行业进行指标的测算。MAR数值越大，表明当年该省份污染密集型产业的专业化集聚度越高；JAC数值越大，则表明多样化集聚度越高。测算结果表明，2007—2020年各省份污染密集型产业集聚指标均呈上升趋势；分区域来看，污染密集型产业的两类集聚度都表现出“自东向西”的渐进式特征［36］，其中多样化集聚度略有区别，其在样本期内中部地区维持最高水平。

3.中介变量与门限变量：企业加成率

本文采用De Loecker和Warzynski［57］的方法（DLW）对污染密集型产业行业层面的企业加成率进行估算。该方法结合了Hall方法和ACF生产函数估计法［58］，放松了市场结构和需求结构等约束条件，只需使用生产投入和产出数据构造成本最小化问题即可求解，具有较强的应用性。首先，假设企业的生产函数为：

式中，L、K、M、ω分别表示劳动投入、资本投入、中间品投入和企业生产率。假定函数F（·）连续且对所有参数二阶可导，企业成本最小化问题即为：

式中，w、r、pm分别表示工资率、利率和中间投入品价格，[AKQ-]表示给定的产量。Lu和Yu［59］认为在中国，中间品投入要素的流动性即自由调整度较劳动力投入要素和资本投入要素更高。鉴于此，本文采用中间品投入进行企业加成率的计算。式（8）的一阶条件为：

式中，λ表示拉格朗日乘子。式（9）两边同乘Mit/Qit可得：

式中，P表示最终品价格。根据包络定理，拉格朗日乘子滿足条件λit=mcit。基于企业加成率的定义markupit=Pit/mcit=Pit/λit，式（10）可整理为：

（PitQit）分别表示中间品投入的产出弹性和中间品投入占企业总收益的比重。其中，αmit可直接使用相关数据计算得到，而计算θmit则需先估算生产函数。本文借鉴Lu等［36］的做法，将生产函数设定为超对数形式：

式中，l、k和m分别表示自然对数处理后的劳动投入、资本投入和中间品投入，εit为随机扰动项。本文遵循ACF两步法在行业层面上估算式（12）中的各个生产函数系数，得到中间品投入的产出弹性

将其代入式（11）即可得到企业加成率的估算值。本文与尹恒和张子尧［22］对中国制造业的企业加成率计算结果一致：2007—2020年，各省份污染密集型产业的企业加成率呈下降趋势；分区域来看，东部地区的企业加成率较中西部地区更低，即东部地区市场竞争度较中西部地区更强。

（三）数据来源与描述性统计

本文使用的数据主要分为两大类：行业层面的基础数据来自2007—2020年中国环境保护数据库和EPS数据库，部分数据来源于样本期内《中国工业统计年鉴》；省份层面的基础数据来自2007—2020年EPS数据库，部分数据来源于样本期内《中国统计年鉴》及31个省（自治区、直辖市）统计年鉴（未包含中国香港、澳门和台湾地区）。个别缺失数据根据插值法计算得到。此外，考虑到样本中部分年份可能存在数据异常值，为避免回归结果有偏，本文对所有变量做1%缩尾处理。表1给出了主要变量的描述性统计结果。

从污染密集型产业专业化集聚度来看，据表2第（1）（3）列的结果显示，污染密集型产业专业化集聚度对GTFP的总效应和直接效应均显著为正；污染密集型产业的专业化集聚度在控制其企业加成率后对GTFP的影响系数小于第（1）列的总效应系数，这表明企业加成率在污染密集型产业专业化集聚度与GTFP之间的中介效应是正向的；同时，据第（2）列的结果显示，污染密集型产业的专业化集聚度对其企业加成率的间接效应显著为负，加之污染密集型产业企业加成率对GTFP的影响显著为负，从而促使企业加成率的正向中介效应显著。本文的相应结论与Lu等［36］、范剑勇等［21］相一致：污染密集型产业的专业化集聚对价格及其上界下降的选择效应和竞争效应超过了对边际成本降低的集聚效应，由此不利于市场竞争程度的改善，然而却能在极大程度上获得规模经济和污染物集中排放处理等带来的规模收益［16，60］。最终表现为：虽然污染密集型产业的专业化集聚度对其企业加成率的影响显著为负，但后者在前者与GTFP之间发挥了显著的正向中介作用。

从污染密集型产业多样化集聚度来看，据表3第（4）（6）列的结果显示，以企业加成率为中介变量，污染密集型产业的多样化集聚度对GTFP的直接效应和总效应显著为负，且直接效应系数的绝对值大于总效应系数的绝对值，这表明企业加成率起到的中介作用是正向的；由表2第（5）（6）列可以看出，污染密集型产业的多样化集聚度与企业加成率之间、企业加成率与GTFP之间均呈现负相关关系且通过显著性检验，据此，企业加成率的中介效应最终产生的效果显著为正。由此，相应的结论为：一方面，污染密集型产业多样化集聚不利于GTFP的提升，该结果似乎与罗能生和李建明［44］、苏丹妮和盛斌［53］的“不显著”结果相异，然而这种偏差可能是由于这些文献讨论的只是总体工业而不是污染密集型产业所致；另一方面，污染密集型产业多样化集聚对其企业加成率的集聚效应、选择效应和竞争效应的净效应为负，而企业加成率与GTFP是负相关关系，于是企业加成率在污染密集型产业多样化集聚与GTFP之间的中介效应显著为正。

以上中介效应检验结果表明，企业加成率会在污染密集型产业专业化集聚和多样化集聚与GTFP之间产生正向作用，这就促进了污染密集型产业专业化集聚对GTFP的提升，缓解了污染密集型产业多样化集聚对GTFP的抑制。本文结果还验证了企业加成率与GTFP的负相关关系，即市场竞争程度是提升GTFP的关键因素。

除产业集聚度和企业加成率外，控制变量也会对GTFP产生影响。经济发展水平（lnpgdp）与GTFP之间存在非线性关系，这与EKC理论预期相符［43］也同罗能生和李建明［44］的估计结果一致；对外开放程度（tra）对GTFP有显著为负的影响，表明对外开放对依然属于发展中国家的中国带来的负向影响大于通过引进清洁技术或产业对GTFP产生的正向作用［45-46］；产业结构特征（is）对GTFP也存在显著为负的影响，这符合预期，同钟娟和魏彦杰［61］的研究结论一致；环境规制强度（er）与GTFP存在负向关系，表明“污染避难所”效应大于创新补偿效应［49-51］，这与徐敏燕和左和平［62］以中国制造业为样本的结论一致。对于污染密集型产业的行业特征而言，资本密集度（cap）在加入企业加成率前后，与GTFP的关系分别为不显著和显著为正，表明资本密集度对GTFP的提升作用在市场竞争的影响下能被强化；收入水平（wage）对GTFP的影响显著为正，可能的原因在于，工资率是劳动力的价格，劳动的价格越高，行业企业的劳动力成本越高，从而产生对非劳动密集型技术或产业的需求，实质上通过产业转型升级提升GTFP；资金充裕度（fund）对GTFP的影响结果显著为负，表明更难获取外部資金支持的行业企业为了提高利润，反而更有动力采取降低排污成本的决策，进而对GTFP产生正向影响。

（二）稳健性检验

为检验上述结论的稳健性，本文进一步考察了可能存在的内生性问题和衡量集聚的不同指标。（1）可能存在的内生性问题及解决方法。Ottaviano［63］认为，生产率不同的行业企业，其集聚倾向本身具有差异性，由此可能会产生GTFP和产业集聚的双向因果关系，从而导致内生性问题。为缓解估计偏误，本文借鉴刘强等［64］的做法，将滞后一期的核心解释变量作为当期的工具变量进行两阶段最小二乘估计。（2）利用不同指标测算集聚度并进行回归。考虑到2017年后分行业产值数据的缺失，本文借鉴黄磊和吴传清［65］的做法，将衡量指标由就业人数替换为规模以上工业企业主营业务收入。结果均通过稳健性检验［7］。

五、进一步分析：门限效应与区域异质性

（一）企业加成率约束下的门限效应

企业加成率除在污染密集型产业集聚与GTFP之间产生中介效应外，还可能具有门限效应。也就是说，受到不同市场竞争程度约束下的污染密集型产业，其专业化集聚和多样化集聚对GTFP的影响可能不同。然而，人为主观地划分门限值会导致结果并不可靠。由此，本文采用Hansen［66］的方法构建如下门限回归模型，并使用自举法对门限值进行参数估计与存在性检验：

其中，i表示省（自治区、直辖市），t表示年份，markupit为门限变量，y为待估计的门限值，Xit是与中介模型相同的控制变量， εit为残差项。如表3所示，以企业加成率作为门限变量，污染密集型产业专业化集聚度对GTFP的影响存在双重门限，污染密集型产业多样化集聚度则对GTFP呈现单一门限效应。

门限回归实质上是在确认门限存在的基础上，依据门限值将样本划分为不同区制，通过比较不同区制内部核心解释变量对核心被解释变量的影响差异检验门限效应［67］。本文以企业加成率作为门限变量的回归结果如表4所示：从污染密集型产业专业化集聚度来看，在企业加成率的约束下，其对GTFP的影响存在双重门限，据此可以划分为三个区制。由表4第（1）列可以看出，污染密集型产业专业化集聚度在第一个区制内对GTFP存在显著的促进作用，然而，如果企业加成率继续上升，反而会导致污染密集型产业专业化集聚对GTFP的恶化。污染密集型产业的多样化集聚度对GTFP则呈现单一门限效应。表6第（2）列的结果表明，污染密集型产业多样化集聚度在第一个区制内对GTFP的影响为正，但未通过显著性检验，在第二个区制内则会对GTFP产生显著的抑制作用。此外，这些结果也验证了市场竞争程度是影响产业集聚与GTFP关系的关键因素，合理的企业加成率才能有效激发污染密集型产业集聚对GTFP的正向作用。

（二）區域异质性分析

表4的测算结果显示，在样本期内东部地区污染密集型产业集聚度具有相对中西部地区降低的趋势，而中西部地区的市场力量弱于东部地区，由此表明其中存在相关政策措施的引导，如工业园和开发区的建设、招商引资等［68］。据此可以合理推测，在东部地区和中西部地区，企业加成率对产业集聚与GTFP的中介效应会具有差异性。本文将对此做进一步的考察⑥，所得结果见表5和表6。

结果显示，企业加成率、经济发展水平、产业结构特征、环境规制强度、资本密集度和平均工资依然与GTFP表现出与基准结果相同的关系，表明这些变量对GTFP的影响不随模型中其他变量变化而变化，强化了理论前提的可靠性。从分区域的估计结果来看，对于东部地区而言，污染密集型产业的专业化集聚对GTFP存在负向影响，多样化集聚显著推升了GTFP，而其企业加成率作为中介变量缓解了专业化集聚对GTFP的负向影响，对多样化集聚则无明显作用；中介效应的不同来自于间接效应的不同，即专业化集聚由于集聚效应占主导，可以显著提高市场竞争程度，而多样化集聚对企业加成率的集聚效应、选择效应和竞争效应相互抵消；此外，控制变量的结果还反映出，在资金充裕度本身很高的地区，外部资金的支持依然有利于该地区GTFP的提高。对于中西部地区而言，污染密集型产业专业化集聚度对GTFP的影响显著为正，多样化集聚度对GTFP的影响显著为负；由于企业加成率与GTFP的相关关系均为负且通过显著性检验，而污染密集型产业专业化集聚度对企业加成率的净效应显著为正、多样化集聚度对企业加成率的净效应显著为负，于是得到企业加成率产生的中介效应分别为负向和正向且均通过显著性检验；控制变量的结果表明，对外开放有利于中西部地区引进清洁型技术或产业，从而可以提升GTFP。

六、结论与政策含义

本文从市场竞争角度考察了产业集聚影响GTFP的理论机制，通过构建中介模型和门限回归并运用中国2007—2020年分省份面板数据进行了实证研究。主要得到了以下结论：市场竞争程度越高越有利于GTFP的提升；污染密集型产业的两类集聚对企业加成率的选择效应和竞争效应占主导，显示出净效应为负，致使企业加成率在污染密集型产业集聚与GTFP关系中产生的中介效应相应为正向；在企业加成率的中介作用下，污染密集型产业的专业化集聚显著促进了GTFP的提升，其多样化集聚则结果相反；污染密集型产业集聚对GTFP的影响随企业加成率的变化呈现出门限特征；本文还发现污染密集型产业集聚对GTFP的影响在区域之间具有较大差异性，专业化集聚不利于东部地区GTFP的提高，但可显著推升中西部地区的GTFP，而多样化集聚在中西部地区会产生负向影响，在东部地区的影响则依然为正。

本文的研究一方面丰富了关于产业集聚溢出效应方面的研究文献，另一方面有助于进一步认识市场竞争的关键作用。本文的研究结果证实了污染密集型产业集聚对GTFP的影响会显著受到企业加成率即市场竞争的约束。在持续强调全国统一大市场的背景下，市场壁垒的破除、市场垄断力量的削弱将有利于GTFP的提升。此外，本文的研究还表明，污染密集型产业的专业化集聚和多样化集聚分别对东部地区和中西部地区的GTFP不利，由此，地方政府应该因地施策，即在引导东部产业转移的过程中对中西部承接地的资源禀赋等决定性生产条件进行科学评估，使东部地区产业实现多样化集聚的同时，中西部地区也可实现对口产业的专业化集聚，从而更能发挥产业集聚的积极作用。

注释：

①未明确划分集聚种类的文献实质上研究的都是专业化集聚。

②考虑到污染密集型产业的环境效应不仅停留在行业层面，而且更重要的是会扩展到整个区域。由此，本文选取各省份的GTFP作为核心被解释变量。

③此处测度的是各省（自治区、直辖市）的GTFP，故选取“三废”的排放总量作为非期望产出；下文中对污染密集型产业的筛选则是以工业行业的角度，因而需将排放的各污染物进行细分。

④工业行业类别对照《工业企业行业分类及代码》（GB-2017），除去农、林、牧、渔专业及辅助性活动（05）共有41个。

⑤由于Marshall外部性自Marshall提出、后经Arrow和Romer完善，现称其为MAR外部性。

⑥按照国家统计局对中国大陆东中西部划分的标准，东部地区包括：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；中西部地区包括：山西、内蒙古、广西、吉林、黑龙江、安徽、江西、河南、湖北、湖南、四川、重庆、贵州、云南、西藏、陕西、甘肃、宁夏、青海、新疆。

参考文献：

［1］文东伟，冼国明.中国制造业产业集聚的程度及其演变趋势：1998—2009年［J］.世界经济， 2014（3）：3-31.

［2］何正霞，曹长帅，王建明.环境规制、产业集聚与环境污染的空间溢出研究［J］.华东经济管理， 2022（3）：12-23.

［3］罗勇，曹丽莉.中国制造业集聚程度变动趋势实证研究［J］.经济研究， 2005（8）：106-115.

［4］章元，刘修岩.聚集经济与经济增长：来自中国的经验证据［J］.世界经济， 2008（3）：60-70.

［5］仇方道，蒋涛，张纯敏，等.江苏省污染密集型产业空间转移及影响因素［J］.地理科学， 2013（7）：789-796.

［6］豆建民，沈艳兵.产业转移对中国中部地区的环境影响研究［J］.中国人口·资源与环境， 2014（11）：96-102.

［7］ANAS A.Review of Economics of agglomeration： Cities， industrial location， and regional growth［J］.Journal of Economic Literature， 2003，41（3）：952-953.

［8］MARSHALL A.Principles of Economics［M］.London： Macmillan， 1920.

［9］JACOBS J.Economy of Cities［M］.New York： Vintage， 1969.

［10］KRUGMAN P.Increasing returns and economic geography［J］.Journal of Political Economy， 1991， 99 （3）：483-499.

［11］BUCCI A， USHCHEV P. Specialization versus competition： an anatomy of increasing returns to scale［J］. Journal of Economic Geography， 2021， 21（3）： 461-486.

［12］KARLE H， PEITZ M， REISINGER M. Segmentation versus agglomeration： Competition between platforms with competitive sellers［J］. Journal of Political Economy， 2020， 128（6）： 2329-2374.

［13］ROSENTHAL S S， STRANGE W C. Evidence on the nature and sources of agglomeration economies［M］//HENDERSON J V， THISSE J F. Handbook of Urban and Regional Economics： Cities and Geography. Amsterdam： Elsevier， 2004： 2119-2171.

［14］贾润崧，胡秋阳.市场集中、空间集聚与中国制造业产能利用率——基于微观企业数据的实证研究［J］.管理世界， 2016（12）：25-35.

［15］邵宜航，李泽扬.空间集聚、企业动态与经济增长：基于中国制造业的分析［J］.中国工业经济， 2017（2）：5-23.

［16］李玲，陶锋.污染密集型产业的绿色全要素生产率及影响因素——基于SBM方向性距离函数的实证分析［J］.经济学家， 2011（12）：32-39.

［17］郑江淮，高彦彦，胡小文.企业“扎堆”、技术升级与经济绩效——开发区集聚效应的实证分析［J］.经济研究， 2008（5）：33-46.

［18］钱雪松，康瑾，唐英伦，等.产业政策、资本配置效率与企业全要素生产：基于中国2009年十大产业振兴规划自然实验的经验研究［J］.中国工业经济， 2018（8）：42-59.

［19］胡翠，谢世清.中国制造业企业集聚的行业间垂直溢出效应研究［J］.世界经济， 2014（9）：77-94.

［20］章韬，申洋.企业进入、税收与集聚外部性——基于产业关联的实证研究［J］.经济学（季刊）， 2020（3）：825-846.

［21］范剑勇，冯猛，李方文.产业集聚与企业全要素生产率［J］.世界经济， 2014（5）：51-73.

［22］尹恒，张子尧.需求异质与企业加成率估计［J］.中国工业经济， 2019（12）：60-77.

［23］AGHION P，CAI J，DEWATRIPONT M，et al.Industrial policy and competition［J］.American Economic Journal： Macroeconomics， 2015， 7（4）：1-32.

［24］BROOKS W J，KABOSKI J P，LI Y A.Agglomeration， misallocation， and （the lack of） competition［J］.American Economic Journal： Macroeconomics， 2021（4）：483-519.

［25］HALL R E.Market structure and macroeconomics fluctuations［J］.Bookings Papers on Economic Activity， 1986（2）：285-322.

［26］HALL R E.The relation between price and marginal cost in U.S.industry［J］.Journal of Political Economy， 1988， 96（5）：921-947.

［27］HALL R E. Invariance properties of Solow's productivity residual［M］//Growth， productivity， unemployment： essays to celebrate Bob Solow's birthday. Cambridge， MA：MIT Press， 1990：71-112.

［28］DE LOECKER J， VAN BIESEBROECK J. Effect of international competition on firm productivity and market power［R］. NBER Working Papers， 2016.

［29］盛丹.國有企业改制、竞争程度与社会福利——基于企业成本加成率的考察［J］.经济学（季刊）， 2013（4）：1465-1490.

［30］祝树金，张鹏辉.出口企业是否有更高的价格加成：中国制造业的证据［J］.世界经济， 2015（4）：3-24.

［31］MELITZ M J， OTTAVIANO G I P. Market size， trade， and productivity［J］. The review of economic studies， 2008， 75（1）： 295-316.

［32］FEENSTRA R C，Weinstein D E.Globalization， markups， and U.S.welfare［J］.Journal of Political Economy， 2017， 125（4）：1040-1074.

［33］LOERTSCHER  S，RIORDAN M H.Make and buy： Outsourcing， vertical integration， and cost reduction［J］.American Economic Journal： Macroeconomics， 2019， 11（1）：105-123.

［34］ZHAO L.Markups and agglomeration： Price competition versus externalities［R］.VIVES Discussion Papers，2011.

［35］LU Y， TAO Z，YU L.The markup effect of agglomeration［R］.MARA Working Papers， 2014.

［36］沈鸿，向训勇.专业化、相关多样化与企业成本加成——检验产业集聚外部性的一个新视角［J］.经济学动态， 2017（10）：81-98.

［37］王璐， 吴群锋，罗頔.市场壁垒、行政审批与企业价格加成［J］.中国工业经济， 2020（6）：100-117.

［38］PORTER M.The Competitive Advantage of Nations［M］.London： Macmillan， 1990.

［39］赵瑞丽，尹翔硕，孙楚仁.大城市的低加成率之谜：集聚效应和竞争效应［J］.世界经济， 2019（4）：149-173.

［40］林伯强，谭睿鹏.中国经济集聚与绿色经济效率［J］.经济研究， 2019（2）：119-132.

［41］BARON R M，KENNY D A.The Moderator-Mediator variable distinction in social psychological research： Conceptual， strategic， and statistical considerations［J］.Journal of Personality and Social Psychology， 1986， 51（6）：1173-1182.

［42］SOBEL M E.Asymptotic confidence intervals for indirect effects in structural equations models［M］//LEINHART S，et al.Sociologist Methodology 1982.San Fransisco： Jossey-Bass， 1982：204-229.

［43］GROSSMAN G，KRUEGER A B.Environmental impacts of a North American Free Trade Agreement［R］.NBER Working Papers， 1991.

［44］罗能生，李建明.产业集聚及交通联系加剧了雾霾空间溢出效应吗？——基于产业空间布局视角的分析［J］.产业经济研究， 2018（4）：52-64.

［45］REPPLIN-HILL  V.Trade and environment： An empirical analysis of the technology effect in the steel industry［J］.Journal of Environmental Economics and Management， 1999， 38（3）：283-301.

［46］COLE  M.Trade， the pollution haven hypothesis and Environmental Kuznets Curve： Examing the linkages［J］.Ecological Economies， 2004（48）：71-81.

［47］PORTER M E.Clusters and the new economics of competition［J］.Harvard Business Review， 1998（76）：77-90.

［48］胡求光，周宇飛.开发区产业集聚的环境效应： 加剧污染还是促进治理？［J］.中国人口·资源与环境， 2020（10）：64-72.

［49］PORTER M E.America's green strategy［J］.Scientific American， 1991， 264（4）：168-170.

［50］PORTER M E，LINDE C.Toward a new conception of the environment-competitiveness relationship［J］.Journal of Economic Perspectives， 1995， 9（4）：97-118.

［51］WALTER I，UGELOW J.Environmental policies in developing countries［J］.Ambio， 1979， 23（8）.

［52］李振洋，白雪洁.产业政策如何促进制造业绿色全要素生产率提升？——基于鼓励型政策和限制型政策协同的视角［J］.产业经济研究， 2020（6）：28-42.

［53］苏丹妮，盛斌.产业集聚、集聚外部性与企业减排——来自中国的微观新证据［J］.经济学（季刊）， 2021（5）：1793-1816.

［54］聂长飞，卢建新，冯苑， 等.创新型城市建设对绿色全要素生产率的影响［J］.中国人口·资源与环境， 2021（3）：117-127.

［55］BECKER R.HENDERSON V.Effects of air quality regulations on polluting industries ［J］.Journal of Political Economy， 2000， 108（2）： 379-421.

［56］毛其淋，方森輝.外资进入自由化如何影响中国制造业生产率［J］.世界经济， 2020（1）：143-169.

［57］DE LOECKER J，WARZYNSKI F.Markups and firm-level export status［J］.American Economic Review， 2012， 102（6）：2437-2471.

［58］ACKERBERG D，CAVES K，Frazer G.Identification properties of recent production function estimators［J］.Econometrica， 2015， 83（6）：2411-2451.

［59］LU Y，YU L.Trade liberation and markup dispersion： Evidence from Chinas WTO Accession［J］.American Economic Journal： Applied Economies， 2015， 7（4）：221-253.

［60］王兵，聂欣.产业集聚与环境治理： 助力还是阻力——来自开发区设立准自然实验的证据［J］.中国工业经济， 2016（12）：75-89.

［61］钟娟，魏彦杰.产业集聚与开放经济影响减排的空间效应分析［J］.中国人口·资源与环境， 2019（5）：98-107.

［62］徐敏燕，左和平.集聚效应下环境规制与产业竞争力关系研究——基于“波特假说”的再检验［J］.中国工业经济， 2013（3）：72-84.

［63］OTTAVIANO G.New-New Economic Geography： Firm heterogeneity and agglomeration economies［J］.Journal of Economic Geography， 2011（11）： 231-240.

［64］刘强，马彦瑞，徐生霞.数字经济发展是否提高了中国绿色经济效率［J］.中国人口·资源与环境， 2022（3）：72-85.

［65］黄磊，吴传清.长江经济带污染密集型产业集聚时空特征及其绿色经济效应［J］.自然资源学报， 2022（2）：459-476.

［66］HANSEN B E.Threshold effects in non-dynamic panels： Estimation， testing， and inference［J］.Journal of Econometrics， 1999（93）： 345-368.

［67］俞毅.GDP增长与能源消耗的非线性门限——对中国传统产业省际转移的实证分析［J］.中国工业经济， 2010（12）：57-65.

［68］范剑勇.产业集聚与地区间劳动生产率差异［J］.经济研究， 2006（11）：72-81.

责任编辑：彭 青

Industrial Agglomeration， Markups and Green Total Factor Productivity

——An Analysis Based on Pollution-intensive Industry Samples

Bao Jinhong，Peng Shuyang

（School of Economics，South-Central Minzu University，Wuhan Hubei 430074，China）

Abstract：

Using the panel data of 31 provinces （autonomous regions and municipalities directly under the central government） from 2007 to 2020， this paper takes the markups as the mediating variable to deeply investigate the influence of pollution-intensive industrial agglomeration on green total factor productivity （GTFP） and its internal mechanism. The research results show that specialized agglomeration significantly promotes GTFP， while diversified agglomeration significantly inhibits GTFP. The intermediary role of markups between specialized agglomeration， diversified agglomeration and GTFP is significantly positive. Markup is negatively correlated with GTFP， indicating that market competition is conducive to GTFP improvement. Further analysis shows that when markup is used as the threshold variable， there are respectively double thresholds and single thresholds on the impact of specialized agglomeration and diversified agglomeration on GTFP. In the central and western regions， diversified agglomeration is not conducive to GTFP promotion， so it is necessary to vigorously develop specialized agglomeration， while in the eastern region， it is the opposite.

Key words：

pollution-intensive industry； specialized agglomeration； diversified agglomeration； markups； green total factor productivity