中心區(qū)企業(yè)生產(chǎn)率優(yōu)勢的來源：集聚、選擇抑或分類效應(yīng)

王良舉 王永培 袁平紅

(1.安徽財經(jīng)大學(xué) 工商管理學(xué)院，安徽 蚌埠 233030； 2.南京審計大學(xué) 經(jīng)濟學(xué)院，江蘇 南京 211815；3.安徽財經(jīng)大學(xué) 國際經(jīng)濟貿(mào)易學(xué)院，安徽 蚌埠 233030)

一、引言

城市經(jīng)濟學(xué)以及經(jīng)濟地理學(xué)研究表明，位于經(jīng)濟活動密集的中心區(qū)(大城市)的企業(yè)通常比外圍地區(qū)(小城市)的企業(yè)擁有更高的生產(chǎn)率(Ciccone et al.,1996；Melo et al.,2009；Puga,2010；范劍勇，2006)。而關(guān)于中心區(qū)企業(yè)生產(chǎn)率優(yōu)勢來源的討論，主要存在三種觀點。第一種觀點是，經(jīng)濟活動集聚會通過技術(shù)溢出、勞動力市場蓄水池效應(yīng)以及更加靠近供應(yīng)商與消費者帶來正的外部性(即集聚效應(yīng))，使得中心區(qū)企業(yè)擁有更高的生產(chǎn)率(Fujita et al.,2002；Marshall,1920)。第二種觀點是，低效率企業(yè)因為無法應(yīng)對中心區(qū)激烈的競爭而退出，唯有高效率企業(yè)能夠在中心區(qū)生存下去，導(dǎo)致中心區(qū)企業(yè)擁有更高的平均生產(chǎn)率，即所謂的選擇效應(yīng)(Baldwin et al.,2006；Behrens et al.,2014)。Baldwin et al.(2006)將異質(zhì)性企業(yè)模型(Helpman et al.,2004；Melitz,2003；Melitz et al.,2008)與自由資本模型(Martin et al.,1995)相結(jié)合分析了異質(zhì)性企業(yè)選址行為，證明分類效應(yīng)也是中心區(qū)企業(yè)生產(chǎn)率優(yōu)勢的重要來源。中心區(qū)意味著更大的市場規(guī)模和激烈的市場競爭，高效率企業(yè)在中心區(qū)選址能獲得更大的市場份額，同時也能應(yīng)對更加激烈的市場競爭，因而高效率企業(yè)傾向于在中心區(qū)選址，而低效率企業(yè)則傾向于分布在外圍地區(qū)(Baldwin et al.,2006；Forslid et al.,2014；Okubo et al.,2010)。

中心區(qū)企業(yè)生產(chǎn)率優(yōu)勢究竟是來源于正的集聚外部性，還是因為中心區(qū)低效率企業(yè)被淘汰，抑或是因為高效率企業(yè)主動在中心區(qū)選址？厘清這一問題，對于制定區(qū)域和城市發(fā)展政策以及評估相關(guān)政策的實施效果，具有重要的現(xiàn)實指導(dǎo)意義。

二、文獻綜述

異質(zhì)性企業(yè)非隨機的區(qū)位選擇帶來的選擇效應(yīng)與分類效應(yīng)會對地區(qū)生產(chǎn)率差異帶來內(nèi)生性影響，導(dǎo)致基于新經(jīng)濟地理理論測度集聚效應(yīng)的標準實證技術(shù)可能高估了集聚效應(yīng)的作用(Baldwin et al.,2006；Combes et al.,2011；Ottaviano,2011)。如何準確識別集聚效應(yīng)、選擇效應(yīng)與分類效應(yīng)對地區(qū)生產(chǎn)率差異的影響，已成為融入異質(zhì)性企業(yè)理論的新新經(jīng)濟地理學(xué)探討的重要議題。

Syverson(2004,2007)針對美國混凝土行業(yè)的研究發(fā)現(xiàn)，由于存在選擇效應(yīng)，中心區(qū)企業(yè)比外圍地區(qū)的企業(yè)擁有更高的效率。Saito et al.(2009)基于智利食品行業(yè)企業(yè)數(shù)據(jù)的研究發(fā)現(xiàn)，集聚效應(yīng)和選擇效應(yīng)均存在，但選擇效應(yīng)的作用更顯著。Combes et al.(2012)采用法國制造業(yè)企業(yè)數(shù)據(jù)，開創(chuàng)性地通過考察不同地區(qū)企業(yè)生產(chǎn)率分布截尾上的差異來識別集聚效應(yīng)與選擇效應(yīng)，研究發(fā)現(xiàn)地區(qū)生產(chǎn)率差異基本可以由集聚效應(yīng)來解釋，但是在一些相對分散的部門中選擇效應(yīng)也是地區(qū)生產(chǎn)率差異的重要來源。李曉萍等(2015)運用Combes et al.(2012)的方法，采用中國地級市工業(yè)企業(yè)數(shù)據(jù)檢驗了集聚對企業(yè)生產(chǎn)率的影響以及異質(zhì)性企業(yè)選擇效應(yīng)的存在性及其程度。結(jié)果發(fā)現(xiàn)，集聚效應(yīng)與選擇效應(yīng)均是地區(qū)企業(yè)生產(chǎn)率差距產(chǎn)生的重要原因，但集聚效應(yīng)的作用更顯著。王永進等(2016)同樣運用Combes et al.(2012)的方法，對開發(fā)區(qū)和非開發(fā)區(qū)的生產(chǎn)率分布進行了比較，識別了開發(fā)區(qū)的“集聚效應(yīng)”和“選擇效應(yīng)”。研究發(fā)現(xiàn)，“集聚效應(yīng)”和“選擇效應(yīng)”都顯著提高了開發(fā)區(qū)的生產(chǎn)率水平。余壯雄等(2014)基于格點搜索的回歸方法識別集聚效應(yīng)與選擇效應(yīng)，研究表明集聚效應(yīng)是導(dǎo)致中國大城市生產(chǎn)率優(yōu)勢的重要原因，而選擇效應(yīng)并不存在。劉海洋等(2015)運用分位數(shù)方法探討了中國企業(yè)生產(chǎn)率的地域分布特征，發(fā)現(xiàn)中國集群地區(qū)的生產(chǎn)率優(yōu)勢源于選擇效應(yīng)而不是集聚效應(yīng)。

需要指出的是，上述各項研究所討論的選擇效應(yīng)中實際上均包含了分類效應(yīng)。盡管集聚效應(yīng)、選擇效應(yīng)與分類效應(yīng)在宏觀上最終均表現(xiàn)為企業(yè)生產(chǎn)率的提高，但產(chǎn)生這一結(jié)果的微觀機制并不相同。集聚效應(yīng)是通過共享、匹配和學(xué)習(xí)三種微觀機制帶來的正的集聚外部性提升了本地區(qū)所有企業(yè)的生產(chǎn)率；選擇效應(yīng)的作用機制則是通過淘汰低效率企業(yè)使企業(yè)平均生產(chǎn)率得以提升的；而分類效應(yīng)的作用機制是通過企業(yè)的區(qū)位選擇，即高效率企業(yè)在中心區(qū)選址，低效率企業(yè)在外圍地區(qū)選址，使中心區(qū)企業(yè)擁有更高的生產(chǎn)率。此外，上述三種效應(yīng)之間還可能會產(chǎn)生相互作用(Behrens et al.,2014)。中心區(qū)的市場規(guī)模更大，同時市場競爭也更加激烈，也就是說選擇效應(yīng)更強，在優(yōu)勝劣汰的自然法則下只有高效率企業(yè)才會選擇在中心區(qū)選址，低效率企業(yè)則分布在外圍地區(qū)，即選擇效應(yīng)引致分類效應(yīng)；而更多高效率企業(yè)在中心區(qū)選址進一步加劇了中心區(qū)市場競爭的激烈程度，即分類效應(yīng)會進一步強化選擇效應(yīng)。但迄今為止，僅有少量研究將選擇效應(yīng)與分類效應(yīng)區(qū)別開來加以討論。Behrens et al.(2014)通過構(gòu)建城市系統(tǒng)模型，將集聚效應(yīng)、選擇效應(yīng)與分類效應(yīng)納入統(tǒng)一的理論框架，闡釋了大城市生產(chǎn)率優(yōu)勢的來源，并基于美國276個大都市統(tǒng)計區(qū)數(shù)據(jù)進行實證檢驗，研究發(fā)現(xiàn)美國大城市的生產(chǎn)率優(yōu)勢主要來源于集聚效應(yīng)和分類效應(yīng)，但選擇效應(yīng)并不顯著。Forslid et al.(2014)在空間分類模型(Baldwin et al.,2006)中引入企業(yè)(部門)資本強度差異，采用日本制造業(yè)企業(yè)數(shù)據(jù)的研究發(fā)現(xiàn)，高資本強度行業(yè)中存在雙邊分類效應(yīng)(two-sided sorting)，即高效率企業(yè)和低效率企業(yè)均在中心區(qū)選址，而中等效率企業(yè)分布在外圍地區(qū)。陳強遠等(2016)基于雙城模型構(gòu)建大城市企業(yè)生產(chǎn)率溢價概念框架，對中國大城市企業(yè)生產(chǎn)率溢價的來源進行了考察。該文是目前為止對中國大城市企業(yè)生產(chǎn)率優(yōu)勢來源最全面的微觀層面的討論。需要指出的是，該文討論的競爭效應(yīng)是指高效率企業(yè)能夠從集聚經(jīng)濟中獲益更多，表現(xiàn)為企業(yè)生產(chǎn)率密度分布的擴張(Combes et al.,2012)，本質(zhì)上是集聚效應(yīng)的重要構(gòu)成部分。

理論層面的文獻對中心區(qū)企業(yè)生產(chǎn)率優(yōu)勢的來源以及上述三種效應(yīng)的存在性進行了較為深入的討論，但很少有文獻從實證層面將三種效應(yīng)同時加以考察。當(dāng)前，新新經(jīng)濟地理方面的研究在中國仍處于起步階段，相關(guān)的理論研究和實證檢驗十分缺乏。本文借鑒Forslid et al.(2014)的實證思路，采用中國制造業(yè)企業(yè)微觀數(shù)據(jù)，使用半?yún)?shù)方法測算企業(yè)全要素生產(chǎn)率，在此基礎(chǔ)上使用分位數(shù)方法識別集聚效應(yīng)、選擇效應(yīng)與分類效應(yīng)的存在性，從企業(yè)異質(zhì)性視角為中心區(qū)生產(chǎn)率優(yōu)勢的來源以及中國地區(qū)生產(chǎn)率差異提供一種新的微觀解釋。

三、企業(yè)全要素生產(chǎn)率測算

(一)測算方法

采用Syverson(2011)的方法，假設(shè)企業(yè)生產(chǎn)函數(shù)為標準的柯布—道格拉斯生產(chǎn)函數(shù)：

(1)

其中，Yit、Kit和Lit分別表示企業(yè)i在t時期的產(chǎn)出、資本投入和勞動投入，βK、βL分別表示資本和勞動的產(chǎn)出彈性，Ait為企業(yè)i在時期t的全要素生產(chǎn)率(Total Factor Productivity,TFP)。對式(1)兩邊取自然對數(shù)可以得到如下線性形式：

yit=βKkit+βLlit+uit

(2)

式(2)中，yit、kit和lit分別表示Yit、Kit和Lit的對數(shù)形式，殘差項uit包含了對數(shù)形式的企業(yè)全要素生產(chǎn)率信息。常用的做法是通過估計式(2)得到資本和勞動的產(chǎn)出彈性進而估算企業(yè)全要素生產(chǎn)率。

實際生產(chǎn)中，企業(yè)通常會根據(jù)自身前期的生產(chǎn)率調(diào)整本期的要素投入組合，且生產(chǎn)率沖擊和企業(yè)退出市場的概率存在一定的相關(guān)性，如果直接使用最小二乘(OLS)或固定效應(yīng)(FE)方法估計式(2)可能會導(dǎo)致嚴重的內(nèi)生性問題，造成測算的企業(yè)全要素生產(chǎn)率存在較大偏誤。為了克服傳統(tǒng)方法難以避免的由聯(lián)立性偏誤和選擇性偏誤帶來的內(nèi)生性問題，Olley et al.(1996)發(fā)展了基于一致半?yún)?shù)的估計方法(簡稱OP方法)，采用三階段模型估計企業(yè)全要素生產(chǎn)率。OP方法用企業(yè)當(dāng)期投資作為不可觀測的生產(chǎn)率沖擊的代理變量，解決聯(lián)立性偏誤問題；此外，OP方法將企業(yè)退出行為納入分析框架，通過生存概率估計企業(yè)進入和退出，從而克服樣本選擇性偏誤。OP方法假定代理變量(企業(yè)當(dāng)期投資)與企業(yè)產(chǎn)出保持嚴格單調(diào)關(guān)系，這意味著投資為零的企業(yè)樣本都會被剔除。但實際中，并非所有企業(yè)在各期投資均大于零，如果使用OP方法會使得很多企業(yè)樣本在估計中被丟棄。Levinsohn et al.(2003)針對這一問題發(fā)展了一種新的半?yún)?shù)估計方法(簡稱LP方法)。LP方法采用數(shù)據(jù)更易獲得的中間品投入取代企業(yè)當(dāng)期投資作為不可觀測的生產(chǎn)率沖擊的代理變量。本文采用LP方法估計中國制造業(yè)企業(yè)資本及勞動要素的產(chǎn)出彈性的一致估計量，進而測算中國制造業(yè)企業(yè)的全要素生產(chǎn)率。

產(chǎn)出Yit用企業(yè)工業(yè)增加值來表示，并用企業(yè)所在省份工業(yè)品出廠價格指數(shù)進行平減；資本投入Kit用企業(yè)固定資產(chǎn)凈值年均余額表示，并用企業(yè)所在省份固定資產(chǎn)投資價格指數(shù)進行平減；勞動投入Lit用企業(yè)全部從業(yè)人員年平均數(shù)表示；中間品投入mit用企業(yè)中間投入表示，并用企業(yè)所在省份的原材料、燃料和動力購進價格指數(shù)進行平減。各省份工業(yè)品出廠價格指數(shù)、固定資產(chǎn)投資價格指數(shù)以及原材料、燃料和動力購進價格指數(shù)來源于相應(yīng)年份的《中國統(tǒng)計年鑒》，各類價格指數(shù)均以2000年為基期。

(二)數(shù)據(jù)處理

本文使用的微觀企業(yè)層面的基礎(chǔ)數(shù)據(jù)來源于中國工業(yè)企業(yè)數(shù)據(jù)庫，樣本期間涵蓋2001—2007年。該數(shù)據(jù)庫是基于國家統(tǒng)計局開展的“規(guī)模以上工業(yè)統(tǒng)計報表統(tǒng)計”取得的統(tǒng)計資料整理而成的。統(tǒng)計對象包括全部國有和規(guī)模以上非國有工業(yè)法人企業(yè)。統(tǒng)計口徑包括“采掘業(yè)”、“制造業(yè)”以及“電力、燃氣及水的生產(chǎn)和供應(yīng)業(yè)”三大門類，其中制造業(yè)占90%以上。該數(shù)據(jù)庫提供了相當(dāng)數(shù)量的微觀企業(yè)的詳細信息，一類是企業(yè)經(jīng)營成果有關(guān)的信息，包括資金流量表、資產(chǎn)負債表和損益表的主要信息以及雇用員工和生產(chǎn)活動信息；另一類是對企業(yè)身份、生產(chǎn)經(jīng)營活動內(nèi)容和狀態(tài)進行定性描述的信息。近年來，該數(shù)據(jù)庫在經(jīng)濟研究領(lǐng)域得到了廣泛應(yīng)用，產(chǎn)生了一系列針對中國問題的高質(zhì)量研究成果，并形成了大量具有較強實際指導(dǎo)意義的政策建議。但是該數(shù)據(jù)庫也存在樣本匹配混亂、指標缺失以及統(tǒng)計口徑誤差等問題，給研究人員使用帶來了較大困難。本文參考聶輝華等(2012)的做法對該數(shù)據(jù)庫進行了調(diào)整。具體包括：剔除企業(yè)總產(chǎn)值為負數(shù)或者全部從業(yè)人員年平均人數(shù)、中間投入合計、固定資產(chǎn)原價以及固定資產(chǎn)凈值年平均余額等各項投入為負數(shù)的樣本記錄；剔除企業(yè)固定資產(chǎn)原值小于固定資產(chǎn)凈值、企業(yè)工業(yè)增加值或工業(yè)中間投入大于總產(chǎn)出的樣本記錄；剔除從業(yè)人員年平均人數(shù)少于8人或主營業(yè)務(wù)收入低于500萬元的企業(yè)樣本；為保持行業(yè)統(tǒng)計口徑前后一致，根據(jù)《國民經(jīng)濟行業(yè)分類與代碼(GB/T4754—2002)》將2001年和2002年的企業(yè)樣本按照細分行業(yè)進行調(diào)整。城市市轄區(qū)作為基礎(chǔ)設(shè)施較為完善、人口和經(jīng)濟活動分布集中的連續(xù)區(qū)域，有利于集聚經(jīng)濟的形成。而且城市功能集中體現(xiàn)在市轄區(qū)，市轄區(qū)的基本情況大致反映了城市(狹義)各個主要方面。本文主要研究與經(jīng)濟活動集聚相關(guān)的集聚效應(yīng)、選擇效應(yīng)與分類效應(yīng)的存在性，因此選擇地級以上城市市轄區(qū)作為空間單位進行考察更符合本文研究要求*如果未加特殊說明，本文使用的有關(guān)城市特征的數(shù)據(jù)(例如國內(nèi)生產(chǎn)總值、城市土地面積等)，其統(tǒng)計范圍均是城市市轄區(qū)。。根據(jù)企業(yè)所在地區(qū)的行政區(qū)劃代碼進行篩選，保留位于城市市轄區(qū)的企業(yè)樣本記錄共計881542條。

采掘業(yè)以及制造業(yè)中的煙草制品業(yè)的空間分布很大程度上受制于煤炭、石油等自然資源的分布情況，自然資源在這些行業(yè)的企業(yè)生產(chǎn)中起到?jīng)Q定性作用；另外，電力、燃氣及水的生產(chǎn)和供應(yīng)業(yè)是典型的公用事業(yè)部門，其生產(chǎn)經(jīng)營活動具有較強的公共屬性。這些行業(yè)的生產(chǎn)函數(shù)不能簡單假設(shè)為C-D生產(chǎn)函數(shù)，本文采用的LP方法不適用于分析這些行業(yè)的企業(yè)全要素生產(chǎn)率。因此，本文僅對29個制造業(yè)細分行業(yè)(兩位數(shù)代碼13—15、17—37、39—43)企業(yè)樣本進行討論。不同的企業(yè)面臨的約束條件及采用的生產(chǎn)技術(shù)不盡相同，統(tǒng)一的生產(chǎn)函數(shù)難以準確地刻畫所有企業(yè)的實際生產(chǎn)行為。為了盡可能真實地反映企業(yè)的技術(shù)水平，本文采用楊汝岱(2015)的做法，假定同一行業(yè)中的企業(yè)采用相似的生產(chǎn)模式，基于制造業(yè)兩位數(shù)代碼細分行業(yè)分類，采用LP方法分行業(yè)估計資本和勞動要素的產(chǎn)出彈性，在此基礎(chǔ)上測算企業(yè)全要素生產(chǎn)率。

四、中心區(qū)企業(yè)生產(chǎn)率優(yōu)勢來源的實證檢驗

(一)中心區(qū)企業(yè)生產(chǎn)率優(yōu)勢的初步統(tǒng)計分析

圖1城市市場潛能與企業(yè)全要素生產(chǎn)率關(guān)系

為了直觀展現(xiàn)城市市場潛能與企業(yè)全要素生產(chǎn)率之間的關(guān)系，本文繪制了城市市場潛能(對數(shù)形式，ln mp)與企業(yè)全要素生產(chǎn)率均值(TFP_city)關(guān)系散點圖。圖1顯示，城市市場潛能與企業(yè)全要素生產(chǎn)率呈正相關(guān)，也就是說位于市場潛能更大的中心區(qū)的企業(yè)具有一定的生產(chǎn)率優(yōu)勢。企業(yè)全要素生產(chǎn)率基本描述統(tǒng)計結(jié)果(表1)顯示，中心區(qū)企業(yè)全要素生產(chǎn)率均值(6.801)大于外圍地區(qū)企業(yè)全要素生產(chǎn)率均值(6.734)。從細分行業(yè)看，除皮革、毛皮、羽毛(絨)及其制品業(yè)(19)，石油加工、煉焦及核燃料加工業(yè)(25)、化學(xué)纖維制造業(yè)(28)，黑色金屬冶煉及壓延加工業(yè)(32)等4個兩位數(shù)代碼細分行業(yè)外，中心區(qū)其他25個兩位數(shù)代碼細分行業(yè)的企業(yè)全要素生產(chǎn)率均值高于外圍地區(qū)，進一步說明位于中心區(qū)的企業(yè)具有較為明顯的生產(chǎn)率優(yōu)勢。

(二)集聚效應(yīng)、選址效應(yīng)與分類效應(yīng)的圖形識別

城市市場潛能與企業(yè)全要素生產(chǎn)率關(guān)系散點圖顯示，中心區(qū)企業(yè)確實具有一定的生產(chǎn)率優(yōu)勢。但是我們并不清楚中心區(qū)企業(yè)生產(chǎn)率優(yōu)勢的具體來源。集聚效應(yīng)、選擇效應(yīng)與分類效應(yīng)可能共同引致中心區(qū)企業(yè)擁有更高的生產(chǎn)率，但是它們對企業(yè)生產(chǎn)率分布曲線的影響并不相同(Forslid et al.,2014)。如果僅存在集聚效應(yīng)，中心區(qū)所有企業(yè)均能從集聚中獲益，企業(yè)生產(chǎn)率分布曲線會整體右移；如果僅存在選擇效應(yīng)，中心區(qū)低效率企業(yè)因為激烈的競爭而退出，低效率企業(yè)的缺失將導(dǎo)致中心區(qū)企業(yè)生產(chǎn)率分布呈現(xiàn)“左斷尾”，中心區(qū)企業(yè)生產(chǎn)率分布曲線的峰度會提高；如果僅存在分類效應(yīng)，高效率企業(yè)和低效率企業(yè)分別在中心區(qū)和外圍地區(qū)選址，外圍地區(qū)高效率企業(yè)也會向中心區(qū)遷移，使得中心區(qū)企業(yè)生產(chǎn)率分布擴張而外圍地區(qū)企業(yè)生產(chǎn)率分布呈現(xiàn)“右斷尾”，中心區(qū)企業(yè)生產(chǎn)率分布曲線的峰度會降低。

這里，我們采用核密度估計企業(yè)生產(chǎn)率曲線，從總體上對中心區(qū)企業(yè)生產(chǎn)率優(yōu)勢的來源進行圖形識別。核密度估計是用來估計未知的概率密度函數(shù)的非參數(shù)方法。這一方法不對模型的具體分布作任何假定，因而估計結(jié)果更加穩(wěn)健。假設(shè)要估計連續(xù)型隨機變量x在x0處的概率密度f(x0)，那么其核密度估計量為：

(3)

從圖2可以發(fā)現(xiàn)，總體來看，中心區(qū)企業(yè)生產(chǎn)率核密度曲線相對外圍地區(qū)略微右移，說明存在集聚效應(yīng)，經(jīng)濟活動在中心區(qū)集聚帶來的正的外部性使得中心區(qū)所有企業(yè)均能從中獲益；在核密度曲線左端，中心區(qū)企業(yè)生產(chǎn)率分布存在斷尾現(xiàn)象，表明中心區(qū)存在更強的選擇效應(yīng)，低效率企業(yè)難以應(yīng)對中心區(qū)激烈的市場競爭而退出，使得中心區(qū)低效率企業(yè)較少；而在核密度曲線右端，僅2001年和2002年中心區(qū)企業(yè)生產(chǎn)率核密度曲線略微前伸，其他年份中心區(qū)企業(yè)生產(chǎn)率核密度曲線與外圍地區(qū)企業(yè)生產(chǎn)率核密度曲線幾乎重疊，初步表明中心區(qū)并不存在顯著的分類效應(yīng)。

圖2中心區(qū)與外圍地區(qū)企業(yè)生產(chǎn)率核密度曲線

(三)集聚效應(yīng)、選擇效應(yīng)與分類效應(yīng)的分位數(shù)識別

圖形識別雖然較為直觀，但是難以準確刻畫企業(yè)生產(chǎn)率密度函數(shù)的細微變化。這里，我們采用Syverson(2004)以及Forslid et al.(2014)等發(fā)展的分位數(shù)方法識別三種效應(yīng)的存在性。如果存在集聚效應(yīng)，中心區(qū)企業(yè)生產(chǎn)率分布不同分位數(shù)上的企業(yè)生產(chǎn)率均會提高；如果存在選擇效應(yīng)，中心區(qū)低效率企業(yè)較少，低端分位數(shù)上的企業(yè)生產(chǎn)率提高，四分位距(IQR)和離散程度變小；而如果存在分類效應(yīng)，更多的高效率企業(yè)入駐中心區(qū)，中心區(qū)企業(yè)生產(chǎn)率分布曲線向前端擴展，高端分位數(shù)上的企業(yè)生產(chǎn)率提高，四分位距和離散程度變大。

從表1可以看出，多數(shù)情形下中心區(qū)企業(yè)生產(chǎn)率均值以及不同分位數(shù)上的企業(yè)生產(chǎn)率均大于外圍地區(qū)，表明中心區(qū)存在顯著的集聚效應(yīng)；低端分位數(shù)上中心區(qū)企業(yè)生產(chǎn)率高于外圍地區(qū)，而中心區(qū)企業(yè)生產(chǎn)率的四分位距和標準差小于外圍地區(qū)，表明中心區(qū)存在顯著的選擇效應(yīng)。就農(nóng)副食品加工業(yè)(13)，食品制造業(yè)(14)，飲料制造業(yè)(15)，非金屬礦物制品業(yè)(31)，儀器儀表及文化、辦公用機械制造業(yè)(41)，工藝品及其他制造業(yè)(42)等6個細分行業(yè)而言，中心區(qū)企業(yè)生產(chǎn)率均值、四分位距、標準差均大于外圍地區(qū)，高端分位數(shù)上中心區(qū)企業(yè)生產(chǎn)率大于外圍地區(qū)，意味著高效率企業(yè)在中心區(qū)選址且外圍地區(qū)的高效率企業(yè)會向中心區(qū)遷移，表明中心區(qū)存在分類效應(yīng)。就皮革、毛皮、羽毛(絨)及其制品業(yè)(19)，石油加工、煉焦及核燃料加工業(yè)(25)、化學(xué)纖維制造業(yè)(28)，黑色金屬冶煉及壓延加工業(yè)(32)等4個細分行業(yè)來看，中心區(qū)企業(yè)生產(chǎn)率均值以及不同分位數(shù)上的企業(yè)生產(chǎn)率均小于外圍地區(qū)，表明集聚并沒有帶來生產(chǎn)率優(yōu)勢。進一步分析可知，上述4個細分行業(yè)的企業(yè)生產(chǎn)對空間分布分散且運輸成本較高的礦產(chǎn)等原材料的依賴較大，中心區(qū)的擁擠效應(yīng)(負的集聚外部性)使得企業(yè)并不能從集聚中獲得顯著的生產(chǎn)率優(yōu)勢。

表1 企業(yè)全要素生產(chǎn)率描述統(tǒng)計結(jié)果

注：行業(yè)對照如下：13-農(nóng)副食品加工業(yè)；14-食品制造業(yè)；15-飲料制造業(yè)；17-紡織業(yè)；18-紡織服裝、鞋、帽制造業(yè)；19-皮革、毛皮、羽毛(絨)及其制品業(yè)；20-木材加工及木、竹、藤、棕、草制品業(yè)；21-家具制造業(yè)；22-造紙及紙制品業(yè)；23-印刷業(yè)和記錄媒介的復(fù)制；24-文教體育用品制造業(yè)；25-石油加工、煉焦及核燃料加工業(yè)；26-化學(xué)原料及化學(xué)制品制造業(yè)；27-醫(yī)藥制造業(yè)；28-化學(xué)纖維制造業(yè)；29-橡膠制品業(yè)；30-塑料制品業(yè)；31-非金屬礦物制品業(yè)；32-黑色金屬冶煉及壓延加工業(yè)；33-有色金屬冶煉及壓延加工業(yè)；34-金屬制品業(yè)；35-通用設(shè)備制造業(yè)；36-專用設(shè)備制造業(yè)；37-交通運輸設(shè)備制造業(yè)；39-電氣機械及器材制造業(yè)；40-通信設(shè)備、計算機及其他電子設(shè)備制造業(yè)；41-儀器儀表及文化、辦公用機械制造業(yè)；42-工藝品及其他制造業(yè)；43-廢棄資源和廢舊材料回收加工業(yè)。

值得注意的是，集聚效應(yīng)、選擇效應(yīng)與分類效應(yīng)可能會同時存在且相互作用，所以通過考察企業(yè)生產(chǎn)率分布的描述統(tǒng)計特征進而識別上述三種效應(yīng)的存在性可能產(chǎn)生較大誤差。因此，上述識別結(jié)果只是初步的。借鑒Forslid et al.(2014)的做法，將企業(yè)全要素生產(chǎn)率減去城市企業(yè)全要素生產(chǎn)率均值，過濾純粹的集聚效應(yīng)，重點關(guān)注選擇效應(yīng)與分類效應(yīng)。本文采用分位數(shù)回歸方法，對去均值的企業(yè)全要素生產(chǎn)率(TFP_demean)作關(guān)于中心區(qū)虛擬變量(Dummy_core)的回歸，進行進一步細致分析。例如對第5百分位數(shù)的回歸方程為：

P(xi

(4)

如果低端百分位數(shù)上β估計值為正數(shù)，而高端百分位數(shù)上β估計值顯著為負數(shù)，即中心區(qū)企業(yè)生產(chǎn)率分布兩端肥尾，表明存在分類效應(yīng)；如果低端百分位數(shù)上β估計值為負數(shù)，即中心區(qū)企業(yè)生產(chǎn)率分布左端截斷，表明存在選擇效應(yīng)。特別地，如果低端百分位數(shù)上β顯著為正，而高端百分位數(shù)上β顯著為負，則表明存在雙邊分類效應(yīng)。

本文采用bootstrap方法(自助法)估計參數(shù)標準誤，表2給出了分位數(shù)回歸的結(jié)果。從中可以看出，在第5百分位數(shù)上有2個細分行業(yè)β估計值為負，在第10百分位數(shù)上有6個細分行業(yè)β估計值為負，而在四分之一分位數(shù)上有9個細分行業(yè)β估計值為負，表明就部分細分行業(yè)而言，中心區(qū)的確存在更強的選擇效應(yīng)。在高端百分位數(shù)上，有相當(dāng)數(shù)量的細分行業(yè)β估計值為負，表明中心區(qū)存在顯著的分類效應(yīng)。進一步分析發(fā)現(xiàn)，橡膠制品業(yè)(29)、塑料制品業(yè)(30)以及有色金屬冶煉及壓延加工業(yè)(33)等3個細分行業(yè)中，低端分位數(shù)上β估計值顯著為正，而高端分位數(shù)上β估計值顯著為負，表明存在雙邊分類效應(yīng)，即高效率企業(yè)和低效率企業(yè)均在中心區(qū)選址，而中等效率企業(yè)在外圍地區(qū)選址。上述結(jié)論進一步證實，除了集聚效應(yīng)之外，選擇效應(yīng)與分類效應(yīng)也是中心區(qū)企業(yè)生產(chǎn)率優(yōu)勢的重要來源。

表2 分位數(shù)回歸結(jié)果

注：行業(yè)代碼說明同表1；除了少數(shù)百分位數(shù)上由于樣本企業(yè)過少導(dǎo)致β估計值不顯著之外，絕大多數(shù)β估計值均非常顯著，為了簡潔，表中沒有標注β估計值的標準誤及顯著性水平。

五、結(jié)論性評述

本文基于中國制造業(yè)企業(yè)微觀數(shù)據(jù)，采用企業(yè)所在城市市場潛能的第75分位數(shù)劃分中心區(qū)與外圍地區(qū)，使用半?yún)?shù)方法測算了企業(yè)全要素生產(chǎn)率，在此基礎(chǔ)上使用分位數(shù)方法識別中心區(qū)企業(yè)生產(chǎn)率優(yōu)勢的來源，揭示了經(jīng)濟集聚對企業(yè)生產(chǎn)率的影響以及異質(zhì)性企業(yè)非隨機的區(qū)位選擇帶來的選擇效應(yīng)與分類效應(yīng)對企業(yè)生產(chǎn)率的影響，得出以下主要結(jié)論與啟示：

(1)中心區(qū)企業(yè)生產(chǎn)率優(yōu)勢可能是集聚效應(yīng)、選擇效應(yīng)與分類效應(yīng)共同作用的結(jié)果。集聚效應(yīng)是中心區(qū)企業(yè)生產(chǎn)率優(yōu)勢的重要來源；但是在部分行業(yè)中，集聚效應(yīng)與選擇效應(yīng)、分類效應(yīng)共同作用導(dǎo)致中心區(qū)企業(yè)擁有明顯的生產(chǎn)率優(yōu)勢。這說明中心區(qū)企業(yè)生產(chǎn)率優(yōu)勢可能是高效率企業(yè)主動在中心區(qū)選址或低效率企業(yè)迫于競爭壓力而從中心區(qū)退出導(dǎo)致的，也就是說已有研究實際上高估了集聚效應(yīng)的作用。可見，從企業(yè)異質(zhì)性視角重新審視中心區(qū)企業(yè)生產(chǎn)率優(yōu)勢的來源，對于新型城鎮(zhèn)化背景下中國城市發(fā)展道路的選擇具有重要的政策含義。由于選擇效應(yīng)與分類效應(yīng)的存在，通過補貼或稅收優(yōu)惠等促進外圍地區(qū)發(fā)展的政策措施可能導(dǎo)致更多的低效率企業(yè)在外圍地區(qū)選址，進一步擴大地區(qū)生產(chǎn)率差距。

(2)經(jīng)濟活動在中心區(qū)集聚帶來的正的外部性使得中心區(qū)大多數(shù)行業(yè)的企業(yè)生產(chǎn)率得到提升，但是就皮革、毛皮、羽毛(絨)及其制品業(yè)，石油加工、煉焦及核燃料加工業(yè)、化學(xué)纖維制造業(yè)，黑色金屬冶煉及壓延加工業(yè)等4個細分行業(yè)而言，集聚并沒有帶來顯著的生產(chǎn)率優(yōu)勢。這要求我們必須充分考量各地區(qū)吸引外來投資的“競次式”補貼競爭(陶然 等，2009)可能帶來的后果。“競次式”補貼競爭雖然能夠提升地區(qū)經(jīng)濟集聚水平，但也可能導(dǎo)致過度集聚進而對地區(qū)生產(chǎn)率產(chǎn)生不利影響。因此，各地區(qū)在制定促進經(jīng)濟集聚的政策措施的過程中，應(yīng)該審慎思考相關(guān)政策措施實施后可能造成的過度集聚以及擁擠效應(yīng)等負面影響。

(3)在橡膠制品業(yè)、塑料制品業(yè)以及有色金屬冶煉及壓延加工業(yè)等3個細分行業(yè)中，發(fā)現(xiàn)了雙邊分類效應(yīng)存在的證據(jù)。這些行業(yè)內(nèi)高效率企業(yè)和低效率企業(yè)均在中心區(qū)選址，唯有中等效率企業(yè)在外圍地區(qū)選址。這說明以往基于新經(jīng)濟地理理論提出的吸引高效率企業(yè)在外圍地區(qū)選址的補貼或稅收優(yōu)惠等政策措施可能難以實現(xiàn)預(yù)期的目標。

由于現(xiàn)有的新新經(jīng)濟地理分析框架的限制，本文未能對中心區(qū)企業(yè)生產(chǎn)率優(yōu)勢三大來源各自的重要性進行分解。如果能夠厘清集聚效應(yīng)、選擇效應(yīng)與分類效應(yīng)對中心區(qū)企業(yè)生產(chǎn)率優(yōu)勢的貢獻份額，那么可以更加全面、深刻地理解中心區(qū)企業(yè)生產(chǎn)率優(yōu)勢的具體來源。未來的研究如果能在這一領(lǐng)域取得突破，則可以為中國新型城鎮(zhèn)化以及區(qū)域協(xié)調(diào)發(fā)展提出更具現(xiàn)實指導(dǎo)意義的政策建議。

參考文獻：

陳強遠，錢學(xué)鋒，李敬子. 2016. 中國大城市的企業(yè)生產(chǎn)率溢價之謎[J]. 經(jīng)濟研究(3):110-122.

范劍勇. 2006. 產(chǎn)業(yè)集聚與地區(qū)間勞動生產(chǎn)率差異[J]. 經(jīng)濟研究(11):72-81.

李曉萍，李平，呂大國，等. 2015. 經(jīng)濟集聚、選擇效應(yīng)與企業(yè)生產(chǎn)率[J]. 管理世界(4):25-37.

劉海洋，劉玉海，袁鵬. 2015. 集群地區(qū)生產(chǎn)率優(yōu)勢的來源識別：集聚效應(yīng)抑或選擇效應(yīng)[J]. 經(jīng)濟學(xué)(季刊)(3):1073-1092.

聶輝華，江艇，楊汝岱. 2012. 中國工業(yè)企業(yè)數(shù)據(jù)庫的使用現(xiàn)狀和潛在問題[J]. 世界經(jīng)濟(5):142-158.

陶然，陸曦，蘇福兵，等. 2009. 地區(qū)競爭格局演變下的中國轉(zhuǎn)軌：財政激勵和發(fā)展模式反思[J]. 經(jīng)濟研究(7):21-33.

王良舉. 2012. 空間交易成本、市場獲得與企業(yè)區(qū)位[J]. 南大商學(xué)評論(2):1-25.

王永進，張國峰. 2016. 開發(fā)區(qū)生產(chǎn)率優(yōu)勢的來源:集聚效應(yīng)還是選擇效應(yīng)[J]. 經(jīng)濟研究(7):58-71.

楊汝岱. 2015. 中國制造業(yè)企業(yè)全要素生產(chǎn)率研究[J]. 經(jīng)濟研究(2):61-74.

余壯雄，楊揚. 2014. 大城市的生產(chǎn)率優(yōu)勢：集聚與選擇[J]. 世界經(jīng)濟(10):31-51.

周浩，余壯雄，楊錚. 2015. 可達性、集聚和新建企業(yè)選址：來自中國制造業(yè)的微觀證據(jù)[J]. 經(jīng)濟學(xué)(季刊)(4):1393-1416.

BALDWIN R E, OKUBO T. 2006. Heterogeneous firms, agglomeration and economic geography: spatial selection and sorting [J]. Journal of Economic Geography, 6(3):323-346.

BEHRENS K, DURANTON G, ROBERT-NICOUD F. 2014. Productive cities: sorting, selection, and agglomeration [J]. Journal of Political Economy, 122(3):507-554.

BEHRENS K, ROBERT-NICOUD F. 2014. Survival of the fittest in cities: agglomeration, polarization, and income inequality [J]. Economic Journal, 124(581):1371-1400.

CICCONE A, HALL R E. 1996. Productivity and the density of economic activity [J]. American Economic Review, 86(1):54-70.

COMBES P, DURANTON G, GOBILLON L. 2011. The identification of agglomeration economies [J]. Journal of Economic Geography, 11(2):253-266.

COMBES P, DURANTON G, GOBILLON L, et al. 2012. The productivity advantages of large cities: distinguishing agglomeration from firm selection [J]. Econometrica, 80(6):2543-2594.

FORSLID R, OKUBO T. 2014. Spatial sorting with heterogeneous firms and heterogeneous sectors [J]. Regional Science and Urban Economics, 46(3):42-56.

FUJITA M, THISSE J. 2002. Economics of agglomeration: cities, industrial location, and regional growth [M]. Cambridge: Cambridge University Press.

HARRIS C D. 1954. The market as a factor in the localization of industry in the United States [J]. Annals of the Association of American Geographers, 44(4):315-348.

HEAD K, MAYERTT T, RIES J. 2002. On the pervasiveness of home market effects [J]. Economica, 69(275):371-390.

HELPMAN E, MELITZ M J, YEAPLE S R. 2004. Export versus FDI with heterogeneous firms [J]. American Economic Review, 94(1):300-316.

LEVINSOHN J, PETRIN A. 2003. Estimating production functions using inputs to control for unobservables [J]. Review of Economic Studies, 70(2):317-341.

MARSHALL A. 1920. Principles of economics [M]. 8th ed. London: Macmillan Press.

MARTIN P, ROGERS C A. 1995. Industrial location and public infrastructure [J]. Journal of International Economics, 39(3-4):335-351.

MELITZ M J. 2003. The impact of trade on intra-industry reallocations and aggregate industry productivity [J]. Econometrica, 71(6):1695-1725.

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

MELO P C, GRAHAM D J, NOLAND R B. 2009. A meta-analysis of estimates of urban agglomeration economies [J]. Regional Science and Urban Economics, 39(3):332-342.

OKUBO T, PICARD P M, THISSE J. 2010. The spatial selection of heterogeneous firms [J]. Journal of International Economics, 82(2):230-237.

OLLEY G S, PAKES A. 1996. The dynamics of productivity in the telecommunications equipment industry [J]. Econometrica, 64(6):1263-1297.

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

PUGA D. 2010. The magnitude and causes of agglomeration economies [J]. Journal of Regional Science, 50(1):203-219.

SAITO H, GOPINATH M. 2009. Plants′ self-selection, agglomeration economies and regional productivity in Chile [J]. Journal of Economic Geography, 9(4):539-558.

SYVERSON C. 2004. Market structure and productivity: a concrete example [J]. Journal of Political Economy, 112(6):1181-1222.

SYVERSON C. 2007. Prices, spatial competition, and heterogeneous：an empirical test [J]. Journal of Industrial Economics, 55(2):197-222.

SYVERSON C. 2011. What determines productivity [J]. Journal of Economic Literature, 49(2):326-365.