空間集聚對制造業生產率的影響研究
——基于兩位數行業數據的再估計

王 猛，習 敏

(陜西師范大學 國際商學院，陜西 西安 710119)

一、引言

改革開放以來，中國積極融入制造業全球價值鏈，得以建立起門類齊全的制造業體系。制造業的快速發展成為中國經濟高速增長的引擎。如何提升制造業生產率一直是關乎中國經濟高質量發展的重要問題，這一問題在經濟結構性減速的新常態下更加突出。本文試圖證明，繼續推動制造業集聚以發掘空間紅利，可能是提升中國制造業生產率的一個重要突破口。

理論上看，空間集聚會產生正的外部性，進而提升制造業生產率。這種正的外部性既包括專業勞動力市場、中間投入品共享、知識溢出等供給側機制(Marshall，1920[1])，也包括本地市場效應等需求側機制(Krugman，1991[2])。當然，隨著空間集聚進一步加強，土地、勞動力等要素的價格上升可能造成負的外部性，從而降低制造業生產率(Krugman，1991[2])。西方發達國家的經驗表明，空間集聚產生的正的外部性能顯著提升制造業生產率(Cingano和Schivardi，2004[3]；Otsuka和Yamano，2008[4]；Antonietti和Cainelli，2011[5]；Lee等，2013[6])，也有研究發現了負的外部性，即空間集聚會降低制造業生產率(Martínez等，2007[7]；Broersma和Ooterhaven，2009[8]；Rizov和Oskam，2012[9])。

那么，空間集聚如何影響中國的制造業生產率？現有研究的結論可歸納為“線性”和“非線性”兩類。大部分研究發現，空間集聚產生的正的外部性能顯著提升制造業生產率，即二者間存在正向的線性關系(柯善咨和姚德龍，2008[10]；陳柳，2010[11]；張公嵬和梁琦，2010[12]；張公嵬等，2013[13]；張先鋒和胡翠群，2013[14]；胡玫等，2015[15]；韋曙林和歐梅，2017[16]；張超和周立新，2018[17]；曹正旭等，2020[18]；楊浩昌等，2020[19])。但也有研究指出，由于正的外部性、負的外部性交替占據主導地位，空間集聚對制造業生產率的影響是非線性的：二者間可能存在倒U形或U形關系(袁駿毅、樂嘉錦，2018[20]；陳陽和唐曉華，2019[21])；也可能導致空間集聚的作用隨時間推移出現反轉(孫浦陽等，2013[22]；金春雨和程浩，2015[23])。

鑒于現有研究的眾說紛紜，對此問題形成共識性結論需要進一步分析。本文將基于2001—2016年20個兩位數行業面板數據，就空間集聚對制造業生產率的影響進行再估計。對全樣本的固定效應估計證實了正向線性關系的存在，即空間集聚顯著提升了制造業生產率。進一步的門限回歸則發現空間集聚與制造業生產率之間存在一定的非線性關系：空間集聚的水平提高導致其對全要素生產率的影響增強，但對勞動生產率則缺乏類似影響。

此外，高生產率抑或低生產率的制造業更易受空間集聚的影響？空間集聚與制造業生產率的因果關系在不同要素密集度的行業間是否存在差異？上述問題目前仍缺乏充分的探討，本文將嘗試加以回答。采用分位數回歸研究空間集聚對不同制造業生產率水平的差異化影響，發現空間集聚的影響隨制造業生產率的提升而減弱。按照要素密集度對制造業分組進行分樣本回歸，考察空間集聚影響制造業生產率的行業異質性，結果表明空間集聚的影響主要體現在資本密集型、勞動密集型行業，在技術密集型行業不顯著。

本文結構安排如下：第二部分報告模型、數據和變量，第三部分展示并分析回歸結果，第四部分得出結論并討論其政策含義。

二、研究設計

(一)模型設定

為估計空間集聚對制造業生產率的影響，本文構造以下回歸模型：

mpit=β0+β1aggit+β2controlit+μi+ζt+εit

(1)

式(1)中，mp為制造業生產率，agg為空間集聚，control為影響制造業生產率的一系列控制變量，μ為行業固定效應，ζ為年份固定效應，ε為隨機誤差項，i和t分別表示制造業行業和年份，β0～β2為待估的參數向量。

(二)數據來源和變量選擇

本文選取2001—2016年的制造業兩位數行業為研究樣本。數據來源包括國家統計局數據庫以及歷年《中國工業統計年鑒》《中國科技統計年鑒》。按現行統計制度，樣本期內的行業劃分依據1994年、2002年、2011年3個版本的《國民經濟行業分類》進行，存在行業口徑不一致的問題。對此，本文參考余泳澤等(2017)[24]，將2011年版《國民經濟行業分類》中的“汽車制造業”和“鐵路、船舶、航空航天和其他設備制造業”合并為2002年版《國民經濟行業分類》中的“交通運輸設備制造業”。同時剔除2011年版《國民經濟行業分類》新增的“皮革、毛皮、羽毛及其制品和制鞋業”“木材加工和木、竹、藤、棕、草制品業”“家具制造業”“印刷和記錄復制業”“文教、工美、體育和娛樂用品制造業”和“橡膠和塑料制品業”等行業。最終研究個體確定為20個制造業兩位數行業，得到320個觀測值?？紤]到制造業行業間存在較大的異質性，本文借鑒張其仔和李蕾(2017)[25]的做法，利用模糊聚類分析將20個兩位數行業分為勞動密集型、資本密集型和技術密集型3類。①

1.被解釋變量

對于被解釋變量制造業生產率，本文選擇勞動生產率(lp)、全要素生產率(tfp)兩種指標加以測量。

勞動生產率是制造業的產出與勞動投入之比。制造業的產出指標包括增加值、總產值和銷售產值等。限于數據可得性，本文參考唐曉華等(2017)[26]，用規模以上工業企業的銷售產值表示制造業產出，并根據工業品出廠價格指數(PPI)調整為2001年不變價。制造業的勞動投入指標用規模以上工業企業的從業人數表示，并對2012年的缺失值取均值補齊。

全要素生產率中涉及的制造業產出、勞動投入指標與勞動生產率相同。此外，全要素生產率計算還涉及資本存量的投入。借鑒余泳澤等(2017)[24]，本文用永續盤存法(PIM)計算規模以上工業企業的資本存量，步驟如下：(1)使用2001年固定資產凈值作為基期資本存量K0；(2)用第t年與t-1年的固定資產原價之差表示新增投資額It，并根據固定資產投資價格指數調整為2001年不變價；(3)用第t年與t-1年的累計折舊之差表示本年折舊Zt，進而用Zt除以第t-1年的固定資產原價，得到折舊率δt；(4)依據公式Kt=It+ (1-δt)Kt-1，計算2002年及以后各年的資本存量。最后，基于規模以上工業企業的產出、勞動投入、資本存量數據，用數據包絡分析(DEA)計算可變規模報酬下的純技術效率，作為制造業全要素生產率的度量。

2.核心解釋變量

本文選擇區位基尼系數(gini)衡量制造業空間集聚。作為基尼系數在區域和產業研究中的應用，區位基尼系數因其計算簡單、對應的洛倫茲曲線直觀而得到廣泛使用(戴平生，2015)[27]，其計算公式為：

(2)

式(2)中，gini為區位基尼系數，其取值范圍為[0, 1]。yi和yj表示第i、j個省級行政區規模以上工業企業的從業人數占全國的份額(i，j=1，…，n)，μ為各省級行政區的均值。空間基尼系數的值越接近于1，表明制造業的空間集聚水平越高。

3.控制變量

為緩解遺漏變量造成的內生性問題，本文引入以下控制變量：(1)勞均資本存量(k)。勞均資本存量是影響生產率的核心變量，用規模以上工業企業的資本存量和從業人數之比表示。(2)研發投入(r&d)。研發投入的大小與技術進步密切相關，進而影響生產率。用大中型工業企業新產品銷售收入占主營業務收入的比重表示。(3)國有產權比重(soe)。國有產權比重越高，意味著該行業的市場化程度較低，從制度視角看可能不利于生產率提升。用國有企業的主營業務收入與規模以上工業企業主營業務收入之比表示。(4)對外開放(open)。對外開放為制造業提供了參與國際市場競爭的機會，有利于企業學習和創新，從而提升生產率。用規模以上工業企業的出口交貨值與銷售產值之比表示。

(三)描述性統計

制造業生產率在兩位數行業間存在較大的差異。從勞動生產率看，煙草制品業和石油加工、煉焦及核燃料加工業最高，2001—2016年的平均勞動生產率分別高達249.59和130.05；紡織業和紡織服裝、鞋、帽制造業處于最低水平，平均勞動生產率分別為25.18和36.64。從全要素生產率看，煙草制品業和通信設備、計算機及其他電子設備制造業的生產率最高，2001—2016年平均全要素生產率均為1；非金屬礦物制品業、造紙及紙制品業的平均全要素生產率最低，分別僅有0.42和0.41。

總體上，20個兩位數行業在2001—2016年的平均集聚水平為0.56。其中，通信、計算機及其他電子設備制造業，紡織服裝、鞋、帽制造業的平均集聚水平最高，分別達到0.76和0.73；醫藥制造業、有色金屬冶煉及壓延加工業的平均集聚水平最低，分別為0.43、0.42。

主要變量的描述性統計見表1。為減輕異方差問題，對勞動生產率和勞均資本存量作對數化處理。

表1 主要變量的描述性統計

三、回歸結果及分析

(一)全樣本回歸

參數估計前，對回歸模型進行Hausman檢驗，檢驗值為19.05，對應的p值為0.0041，表明應選擇固定效應估計。全樣本回歸結果見表2，其中模型1～3以勞動生產率為被解釋變量，模型4～6以全要素生產率為被解釋變量。

表2 空間集聚與制造業生產率：全樣本回歸

續表

在模型1、模型4未控制年份固定效應時，區位基尼系數的系數估計值為正，且分別通過1%和10%水平的顯著性檢驗；模型2、模型5同時控制行業和年份固定效應后，區位基尼系數的系數估計值仍在5%水平上顯著為正。這說明空間集聚對制造業生產率具有促進作用，即二者間存在正向的線性關系。專業勞動力市場、中間投入品共享、知識溢出和本地市場效應等構成了正的外部性(Marshall，1920[1]；Krugman，1991[2])，有助于提升制造業生產率。

有必要討論聯立內生性問題。空間集聚固然顯著促進了制造業生產率，但為了追求較高的制造業生產率水平，制造業布局也可能發生相應調整，因此制造業生產率會反過來影響空間集聚。為緩解這種反向因果導致的內生性問題，模型3、模型6對所有解釋變量均滯后一期。核心解釋變量的估計系數仍然為正，且分別通過10%和5%水平的顯著性檢驗。可見，考慮聯立內生性后，空間集聚對制造業生產率的正向影響具有穩健性。

控制變量中，勞均資本存量、研發投入顯著提高了勞動生產率，但不能提高全要素生產率，國有產權比重和對外開放的作用則不顯著。

(二)門限回歸

全樣本回歸結果證實了空間集聚具有正的外部性，且與制造業生產率之間存在正向的線性關系。但現有文獻指出，由于正的外部性、負的外部性交替占據主導地位，空間集聚對制造業生產率的影響也可能是非線性的。這一類文獻通常在回歸模型中加入空間集聚的二次項。在樣本量較小時，這種做法往往導致較嚴重的多重共線性問題，影響參數估計的有效性。基于這一考慮，本文采用門限回歸檢驗空間集聚與制造業生產率的非線性關系。這一處理能有效避免多重共線性對參數估計結果的干擾，增強結論的可信度。

以核心解釋變量作為門限變量，依次估計單門限效應和雙門限效應，結果如表3所示。以勞動生產率為被解釋變量時，單門限值、雙門限值均未通過顯著性檢驗，可見空間集聚與制造業勞動生產率之間并不存在非線性關系。

表3 空間集聚與制造業生產率：門限回歸

續表

但以全要素生產率為被解釋變量時，空間集聚的門限值1通過了1%水平的顯著性檢驗，門限值2則未通過顯著性檢驗，可見空間集聚具有單門限效應，門限值為0.49。在[0, 0.49)區間，空間集聚的估計系數為0.62；在[0.49, 1]區間，空間集聚的估計系數增大至0.95。這就意味著空間集聚與制造業全要素生產率之間存在非線性關系?？臻g集聚水平提高會更加促進全要素生產率提升。需要說明的是，單門限兩邊的估計系數均為正數，而非“一正一負”，說明這種非線性關系并不是U形或者倒U形。

門限回歸進一步驗證了全樣本回歸的結果，即空間集聚發揮了正的外部性，且沒有產生負的外部性。

(三)分位數回歸

接下來，本文將基于分位數回歸，討論空間集聚對不同水平的制造業生產率的影響是否存在差異。將面板數據和分位數回歸相結合，不僅可以測度解釋變量對被解釋變量的某個特定分位點的邊際效果，還可控制個體差異以避免極端值對結果的干擾，使得回歸結果更加精確和穩定。參照任思雨等(2019)[28]，本文分別以勞動生產率、全要素生產率作為被解釋變量，在0.1、0.25、0.5、0.75和0.9分位點上進行參數估計，其結果見表4。限于篇幅，僅報告空間集聚變量的估計系數。

表4中，以勞動生產率為被解釋變量時，空間集聚的系數估計值在0.1分位點為2.229，在0.25、0.5分位點下降至2.219和2.203，在0.75、0.9分位點則進一步下降至2.185和2.173，且均通過了顯著性檢驗。以全要素生產率為被解釋變量時，系數估計值的變動趨勢相同：在0.1分位點為1.337，在0.25、0.5分位點下降至1.296和1.219，在0.75、0.9分位點則進一步下降至1.131和1.090。

表4 空間集聚與制造業生產率：分位數回歸

核心解釋變量的系數隨分位點的上升而下降，表明空間集聚對制造業生產率的影響與制造業生產率本身的水平密切相關。制造業生產率較低時，受空間集聚的影響更為強烈。隨著制造業生產率的提高，空間集聚的影響也逐漸減弱。這一發現意味著，與生產率較高的制造業行業相比，那些生產率水平低下的制造業行業從空間集聚中獲益更大。

(四)分樣本回歸

全樣本回歸證實了空間集聚對制造業生產率有正向影響。這種影響在不同要素密集度的行業間是否存在差異？為回答這一問題，本文對勞動密集型、資本密集型和技術密集型行業樣本分別進行回歸，結果見表5。

表5中，以勞動生產率為被解釋變量時，空間集聚的系數估計值在資本密集型行業中為6.215，且通過了1%水平的顯著性檢驗，在勞動密集型和技術密集型行業中不顯著。以全要素生產率為被解釋變量時，空間集聚的系數估計值在資本密集型行業中為3.573，且通過1%水平的顯著性檢驗，在勞動密集型行業中為1.483，且在10%水平上顯著，在技術密集型行業中不顯著。這一結果表明，空間集聚對生產率的促進作用主要存在于資本密集型、勞動密集型行業。限于數據可得性，本文無法進一步考察其中的作用機制，有待后續研究的補充。

表5 空間集聚與制造業生產率：分樣本回歸

四、結論與政策含義

對中國這樣的制造業大國而言，提升制造業生產率關乎中國經濟的高質量發展。本文從空間集聚的視角探討制造業生產率的提升路徑。針對現有文獻的不足，本文基于2001—2016年20個兩位數行業的面板數據，對空間集聚對制造業生產率的影響進行再估計，結論如下：第一，全樣本回歸中控制了勞均資本存量、研發投入、國有產權比重和對外開放等變量后，空間集聚顯著提升了制造業生產率，證實二者間整體上存在正向的線性關系。第二，根據門限回歸結果，空間集聚與制造業生產率存在一定的非線性關系。空間集聚水平的提高會強化其對全要素生產率的影響，但對勞動生產率則缺乏類似影響。第三，分位數回歸表明，空間集聚對低生產率制造業的影響強于高生產率制造業，即空間集聚的作用強度與制造業生產率水平關系密切。第四，分樣本回歸結果顯示，空間集聚對制造業生產率的影響主要體現在資本密集型、勞動密集型行業，在技術密集型行業并不顯著。

上述結論為從空間集聚角度提升中國的制造業生產率提供了政策啟示。本文證明空間集聚通過正的外部性提升了制造業生產率，且并未發現空間集聚會產生負的外部性，這意味著政策上應堅持推動制造業的空間集聚，以充分發揮其正的外部性。具體地，應從以下三個方面著手。首先，鑒于制造業生產率較低時受空間集聚的影響更為強烈，那些生產率水平低下的制造業行業從空間集聚中獲益更大，應特別鼓勵紡織業，紡織服裝、鞋、帽制造業，造紙及紙制品業等低生產率行業的空間集聚。其次，由于空間集聚對中國制造業生產率提升的影響主要存在于具備比較優勢的勞動密集型行業，以及可能建立競爭優勢的資本密集型行業，因此應著重推動這些行業的空間集聚。最后，構建促進要素自由流動的制度環境。消除地方保護主義，打破區域間壁壘，是促進中國制造業集聚的根本舉措。為此，應通過完善考核機制來弱化地方政府間的過度競爭，以消除制造業要素流動的體制性障礙，實現全國范圍內的資源優化。

注釋：

①120個兩位數行業中，8個勞動密集型行業為：農副食品加工業，食品制造業，飲料制造業，紡織業，紡織服裝、鞋、帽制造業，造紙及紙制品業，非金屬礦物制品業，金屬制品業；5個資本密集型行業為：煙草制品業，石油加工、煉焦及核燃料加工業，化學原料及化學制品制造業，黑色金屬冶煉及壓延加工業，有色金屬冶煉及壓延加工業；7個技術密集型行業為：醫藥制造業，通用設備制造業，專用設備制造業，交通運輸設備制造業，電氣機械及器材制造業，通信、計算機及其他電子設備制造業，儀器儀表及文化、辦公用機械制造業。