《产业集聚与企业全要素生产率研究》由会员分享，可在线阅读，更多相关《产业集聚与企业全要素生产率研究（12页珍藏版）》请在金锄头文库上搜索。
1、产业集聚与企业全要素生产率研究产业集聚与企业全要素生产率研究 2016/09/22 产经评论杂志2016年第4期摘要：基于19982007年中国工业企业数据库数据，对产业集聚和制造业企业全要素生产率之间的关系进行研究，并运用OP半参数估计方法对企业层面的全要素生产率进行测算。结果显示，产业集聚对企业全要素生产率有显著正向影响。同时，运用工具变量对潜在的内生性问题进行控制，研究得出的结论表明，产业集聚与企业全要素生产率之间存在正相关关系，这种关系在非国有企业中表现得尤为显著。此外，在稳健性检验中，将产业集聚效应进行分解，得出邻近企业数量是影响企业全要素生产率的主要因素的观点，也进一步佐证产业集聚
2、通过知识溢出、人才流动和适度的同行业竞争来促进企业技术革新和组织制度完善，从而提升企业生产率。关键词：产业集聚;全要素生产率;OP半参数估计一、引言传统的经济增长理论认为，实现经济增长最重要的因素在于资本、劳动和技术的提升。在过去30多年里，中国企业依靠高投资和廉价劳动力迅速发展，中国也因此被称为“世界制造工厂”。然而，随着老龄化社会的到来，人口红利逐渐消失，劳动力成本上升，依靠廉价劳动力和高投资拉动的发展模式面临着巨大的挑战。同时，中国制造业企业的国际竞争力也遭受质疑，如果劳动力和自然资源优势不再，中国企业还能在国际市场激烈的竞争中赢得一席之地吗?基于上述讨论，考虑资源约束、经济发展新常态等
3、因素，中国经济和中国企业必须向依托技术进步的内生增长模式转型。在这种情况下，探讨企业全要素生产率(TFP)显得尤为必要。学者们对TFP并没有一个统一的定义，但大都认同TFP就是产出的增长减去各要素投入增长之后的“余值”(Jorgenson，1967)1。有些学者认为TFP就是代表技术进步，其实不然，TFP除了包含技术进步有关的内容外，还包含了物质生产的管理技能、知识水平和制度因素等有形要素投入不能解释的部分。自上世纪90年代以来，市场力量在企业成长过程中的作用日渐增强，我国沿海地区凭借其地理优势和良好的工业基础，吸引了大量劳动力和资本进入，成为我国众多产业的主要集聚地(冼国明等，2006)2。
4、产业集聚影响地区经济发展，也对微观企业行为产生重要影响。本文要探讨的问题是:产业集聚是否会对企业的全要素生产率产生影响?如果有影响的话，这种影响是正向还是负向，在不同所有制的企业之间是否存在差异?以往研究中，产业集聚被认为可以产生正的外部效应，具有知识溢出、要素投入共享和劳动力蓄水池等集聚效应，可以促进地区经济的发展。Ciccone(2002)4研究认为，大量同行业企业在某地区聚集，可以共享有效率的劳动力。此外，同行业企业聚集可以产生知识溢出效应，从而降低企业获取信息的成本和沟通成本。不同行业的企业向某地区聚集，则会产生跨行业的知识外溢，有效促进产品创新。此外，企业也可以在同一地区共享公路、铁
5、路等公共基础设施。这些集聚效应均对企业的行为和绩效产生影响，如对企业创新能力和企业规模等的影响。已有研究说明，产业集聚带来的知识溢出效应、劳动力的流动以及同行业企业之间的竞争会促进企业技术的革新和组织制度的完善，从而对企业全要素生产率产生积极作用。然而，有学者发现产业集聚也会产生拥塞效应，对地区经济发展产生不利影响(Henderson，20037;李君华，20098)。如果在产业集聚过程中，大量企业聚集在同一地区，超出当地的经济承载能力，企业则会开始争夺有限的公共基础设施和自然资源，甚至会产生过度竞争现象，最终对企业的盈利能力产生负向影响。后来其他学者对该问题作进一步研究，但得出不同的结论。B
6、atisse(2002)9运用中国的数据，研究表明多样化的集聚会对地区经济增长产生积极的影响，但专业化的集聚对地区经济增长有不利影响。而Fan和Scott(2003)10则研究发现产业集聚对省级生产率有正向促进作用。Linetal(2011)11对中国纺织业集聚程度和生产率之间的关系进行研究，发现集聚与生产率之间呈U型关系，集聚程度过高时会出现拥挤效应。因此，产业集聚对企业生产效率的影响并不总是正向积极的，集聚程度过高，也会发生过度竞争和“搭便车”现象，从而不利于企业的研发创新。集聚效应与拥塞效应会同时作用于企业，关键在于是集聚效应更加显著还是拥塞效应更加显著。基于19982007年中国工业企
7、业数据库的数据，运用面板固定效应估计方法，探析产业集聚与制造业企业生产率之间的关系，并采用工具变量回归进一步对结果进行验证。结果显示，产业集聚对企业全要素生产率有显著的正向影响，集聚效应占据主导地位。下面的结构安排为:第二部分对研究企业全要素生产率影响因素的相关文献进行综述;第三部分是描述全要素生产率测算方法和相关变量;第四部分是分析计量结果;第五部分则进行相应的稳健性检验;最后是全文总结。二、文献综述国内外众多学者对全要素生产率进行了深入探讨，但大多数是对宏观的全要素生产率研究，而对企业层面的全要素生产率的研究相对较少。本部分将对研究企业全要素生产率影响因素的相关文献作简要梳理。首先是制度因
8、素。Olley和Pakes(1992)12对美国通讯产业进行实证分析发现，放松政府管制对企业生产率的提高有正向促进作用;张杰等(2011)13通过对19992007年期间中国企业的考察发现，市场化进程能促进企业生产率的提升，而市场分割会抑制企业生产率的提升。其次是出口和贸易自由化。张杰等(2008)14基于江苏省制造业企业的微观数据，对出口与本土企业全要素生产率之间的关系进行研究，结论表明，出口并不是促进企业全要素生产率提升的因素，而TFP却是促进中国企业出口的因素。张杰等(2009)15基于19992003年中国工业企业数据库的数据，运用PSM模型对企业是否具有“出口中学习”效应进行研究，研
9、究结果表明出口企业通过“出口中学习”效应促进了企业全要素生产率的提高。此外，余淼杰(2010)16也发现贸易自由化可以显著提高企业的生产效率。而简泽等(2014)17基于中国加入WTO的自然实验，考察了进口自由化带来的进口竞争是否会影响企业全要素生产率，结果表明进口竞争可以促进高效率企业全要素生产率的提高。同时，国内外不少学者对资源配置效率与企业全要素生产率之间的关系进行了研究。Hsieh和Klenow(2007)18运用美国、印度和中国的数据对企业全要素生产率与资源误置之间的关系进行比较研究，结果表明不同国家的企业资源错配是造成企业生产率差异的重要因素。其后，简泽(2011)19、聂辉华和贾
10、瑞雪(2011)20、龚关和胡关亮(2013)21等都对资源配置效率与企业生产率之间的关系进行了实证研究，其结果均表明资源配置效率的改善会带来企业全要素生产率的提高。此外，创新也是影响企业生产率的重要因素。吴延兵(2006)22发现企业D与企业生产率之间存在正向关系。吴延兵和米增渝(2011)23运用制造业非国有企业数据进行研究，发现合作创新企业效率高于模仿创新企业效率，模仿创新企业效率高于独立创新企业效率。也有学者对企业规模与企业生产率之间的关系进行研究，但得出的结论有所不同。Biesebroeck(2005)24采用9个非洲国家制造业的数据进行研究，结论表明在发展中国家，企业规模越大，其生
11、产效率越高。而Fernandes(2008)25运用孟加拉制造业企业的数据进行研究，结论表明企业规模与企业全要素生产率呈负相关关系，相对于规模极大的企业，小企业的生产率更高。最后，也有学者对产业集聚和企业生产率之间的关系进行实证研究，但大多是针对特定行业的研究。比如，Yangetal.(2013)26对中国电子产业的研究发现，生产集聚会带来生产率的提高，这种效应在小规模企业中尤为明显，但D集聚与生产率呈负相关关系。范剑勇等(2014)27采用中国通讯设备行业数据，对产业集聚进行分解，表明专业化经济能显著促进企业全要素生产率增长。此外，Huetal(2015)28运用中国制造业数据和2004年普
12、查数据研究得到了与前人不一致的结论，其结论表明集聚带来的拥挤效应和过度竞争会抵消掉集聚带来的积极效应。本文采用19982007年中国工业企业数据库的数据，摆脱特定行业的局限，同时运用工具变量回归控制潜在的内生性问题，结论的可信度更高。三、计量方法与数据说明(一)数据来源及变量说明本文的数据来源于19982007年的中国工业企业数据库。该数据库涵盖了国家统计局系统收集整理的规模以上(主营业务收入高于500万元)的大中型制造业企业的相关数据，不仅包括企业名称、法人代表、企业所在地、企业登记注册类型等企业基本信息，还有企业各项经营指标信息，如主营业务收入、成本、利润、职工人数、职工工资、工业总产值、
13、工业增加值、固定资产净值等。为进行有效的数据分析，根据谢千里等(2008)29的方法筛选出样本。首先，删除关键指标为缺失值的样本;其次，删除样本中职工人数少于8人的企业以及工业增加值和固定资产净值年平均余额小于等于0的企业。去掉无效数据后，样本量从1998年147755个企业到2007年328238个企业。此外，在19982007年期间，中国的县、市、地区行政代码和行业代码有一些变动，因此，对有过变动的县、市代码和行业代码作相应的调整，使得1998年之后的行业代码和地区行政代码的统计口径与1998年保持一致(Lietal.，2012)6。本文涉及到的变量有产业集聚指标、企业投入产出相关指标。关
14、于产业集聚的度量，国内外学者提出了不同测度方法，如Krugman(1991)30提出的空间基尼系数、Hoover(1936)31采用的地方化系数、Holmes和Stevens(2002)32使用的区位熵指数。但也有一些学者指出这些方法忽略了企业规模差异的影响，会导致测量结果有偏差。基于上述不足，越来越多的学者选择采用Ellison和Glaeser(1997)33提出的EG产业集聚指数来度量产业集聚程度，如Lu和Tao(2009)34、文东伟和冼国明(2014)35、关爱萍和张宇(2015)36等。EG指数考虑了企业规模差异和区域差异对产业集聚带来的影响，弥补了传统测度方法的缺陷。本文采用工业企
15、业微观数据库，对企业所在地的产业集聚进行测量。我们沿用Lietal(2012)6以及Chen和Wu(2014)37等的做法，用企业f周围企业的规模来度量产业集聚程度。具体有:agglomerationri=erief(1)eri是每个地区r(城市)行业i(四分位行业)所有企业的职工人数，ef是企业f的职工人数。表1报告了主要变量(产业集聚和相关投入产出指标)的描述性统计结果。(二)全要素生产率的测算方法企业全要素生产率反映的是扣除要素贡献后的“剩余”生产率水平，通常被认为是技术进步或制度变化等非生产性投入要素的贡献。利用传统的柯布道格拉斯生产函数和OLS估计方法来估算企业层面的全要素生产率可能会出现同时性偏差和样本选择性偏差。Olley和Pakes(1992)12提出了OP半参数估计方法，来解决上述出现的同时性偏差和样本选择性偏差这两个问题。具体方法如下:在估计全要素生产率之前，对生产函数形式进行设定。通常采用CobbDouglass生产函数形式，即:Yit=AitLitKit(2)Yit表示产出，L表示劳动投入，K为资本投入;Ait即为全要素生产率，能够提高各要素投入的边际产出水平。对式(2)取对数可得:lnYit=lnL
