高鐵網絡、要素逆集聚與制造業創新

孫文浩,張 杰

1.中國人民大學 經濟學院,北京 100872;2.中國人民大學 中國經濟改革與發展研究院,北京 100872

2020年3月20日,中共中央國務院出臺《關于構建更加完善的要素市場化配置體制機制的意見》,其中強調要“引導勞動力要素合理暢通有序流動”。同年10月,“十四五”規劃強調要“促進各類創新要素向企業集聚”。因此,如何引導勞動力要素向企業合理集聚并有效激發微觀企業的創新活力,成為政府與學界亟待解決的關鍵性問題。

已有研究發現,高級勞動力要素借助高鐵網絡會向沿線企業集聚,是高鐵網絡促進企業創新的重要機制[1-3]。吉赟等[1]研究發現,城市開通高鐵站后,上市企業科研部門本科及以上學歷的員工規模平均增加約2.08%,并且這些高學歷人才主要流向了企業科技崗位,促進上市公司創新水平顯著增加。卞元超等[2]研究發現,高級勞動力要素向高鐵城市集聚,是高鐵網絡促進高鐵城市創新的重要機制之一,解釋效力約為4.63%。然而,已有文獻主要基于數量層面研究高級勞動力要素流動對高鐵城市(企業)創新的影響,而高級勞動力要素在高鐵城市企業間分布結構的變化如何影響城市(企業)創新的關鍵性問題研究相對不足。基于此,本文綜合使用2008—2014年全國創新調查企業數據庫和2016—2019年全國高新技術企業調查數據庫數據,研究高級勞動力要素在制造業企業間分布結構變化是否為高鐵網絡影響制造業企業創新的重要機制之一,為政府在“十四五”期間通過高鐵網絡引導高級勞動力要素向制造業企業合理集聚并推動制造業創新驅動發展提供針對性的政策建議。

本文可能的創新貢獻如下:第一,基于制造業企業間高級勞動力要素分布結構的變化,為高鐵城市何以抑制制造業企業創新提供新的解讀視角。第二,在已有文獻的基礎上增加城市高鐵公里里程、高鐵線路條數和高鐵站點數量等連續變量測度城市高鐵網絡增密程度,考察高鐵網絡空間增密對制造業企業創新的動態影響。第三,已有文獻主要使用上市公司數據研究高鐵城市對上市企業創新的影響,但上市公司數據存在樣本選擇偏誤問題以及較強的內生性問題(1)上市公司主要集中在大城市,而大城市開通高鐵站并非一個隨機事件,從而使模型存在較為嚴重的內生性問題。導致參數估計結果有偏。本文使用多種更加全面的大型微觀企業數據庫研究高鐵網絡對制造業企業創新的影響,確保結論更加可靠。

一、文獻綜述與研究假說

(一)文獻綜述

關于高鐵網絡的經濟效益,已有文獻主要關注高鐵網絡對城市經濟[4-5]、城市(企業)創新[1,6]等方面的影響,并且發現創新要素流動是高鐵網絡影響城市(企業)創新的重要機制,尤其是高級勞力要素向高鐵城市(企業)集聚,對城市(企業)創新的影響更加突出[1-2]。高鐵網絡可有效降低高級勞動力要素面對面(face-to-face)的溝通成本,一方面提升高級勞動力要素扎根高鐵城市的概率,另一方面促進高鐵城市的合作創新成果顯著增加[7]。大量研究表明,高級勞動力要素借助高鐵網絡向高鐵城市(企業)集聚,可有效緩解勞動力要素扭曲的配置方式,進而有利于促進高鐵城市(企業)創新[8]。一方面,本科及以上學歷的高級勞動力要素借助高鐵網絡向上市企業的科研部門集聚,是促進上市公司創新的重要機制之一[1];另一方面,碩、博學歷的高級勞動力要素借助高鐵網絡向高鐵城市制造業企業的科研部門集聚,促使制造業企業新產品產值平均增加約5%[9]。但是,高鐵網絡引發的高級勞動力要素流動具有方向性,導致中國區域創新格局更加不平衡。高級勞動力要素借助高鐵網絡從邊緣城市向中心城市集聚,導致中心城市的創新水平平均提升約1.38%,而邊緣城市的創新水平平均下降約8.45%[10]。張夢婷等[11]研究發現,在城市開通高鐵站后,外圍城市企業創新水平平均下降約12.46%。但是,高鐵網絡也可能提升邊緣城市的創新水平。Gao等[6]基于長三角與珠三角經濟帶的制造業企業數據,研究發現高鐵網絡對經濟帶邊緣地區制造業企業創新的促進效應更加突出。

吸收能力理論(absorptive capacity theory)認為,高級勞動力要素的集聚水平過低不利于城市(企業)創新[12-13]。然而,威廉姆森假說卻提出,要素集聚的正外部性存在一個臨界點,超過臨界點后要素集聚的正外部性會逐漸變小,甚至可能為負[14]。因此,高級勞動力要素在數量層面上的流動并不等于結構層面的優化。現有文獻主要基于高級勞動力要素數量流動的零和博弈視角,研究高鐵網絡對城市(企業)創新的影響,并且針對高鐵網絡外部效應究竟是“虹吸效應”還是“輻射效應”產生了較大的爭論。因此,未來研究應基于結構視角,研究高級勞動力要素在高鐵城市(企業)間分布結構變化是否為高鐵網絡影響城市(企業)創新的重要機制。

(二)研究假說

高級勞動力要素是企業吸收新知識的重要載體,決定了企業的創新能力[15]。在高級勞動力要素集聚程度超過一定水平后,才能有效釋放高級勞動力要素的創新活力[16]。孫文杰等[17]研究發現,中國企業高級勞動力要素規模對自主創新影響的門檻值約為2.29,低于這一門檻值國內企業技術學習和自主創新能力的提升將十分有限。人力資本外部性理論(human-capital externalities theory)認為,高級勞動力要素集聚對區域(企業)創新存在“1+1>2”的提升效果,存在明顯的正外部性[18]。以上理論表明,當高鐵城市制造業企業高級勞動力要素規模突破吸收能力理論所指示的閾值時,才能有效提升制造業企業的創新水平。一方面,高鐵網絡引發高級勞動力要素向高鐵城市制造業企業集聚,當制造業企業高級勞動力要素規模突破吸收能力所指示的閾值時,可促使制造業企業增加自主研發資金,提升高級勞動力要素的物質激勵水平,增加企業科研固定資本,最終有利于制造業企業提升創新產出水平。另一方面,高級勞動力要素借助高鐵網絡向高鐵城市制造業企業集聚,當制造業企業高級勞動力要素規模超過吸收能力理論所指示的閾值時,充足的人力資本可促使高鐵城市制造業企業大幅增加技術引進資金和技術引進消化吸收資金,推動制造業企業進行引進創新,最終有利于制造業企業提升創新產出水平。

一方面,中國制造業企業大量集聚普通勞動力要素,借助普通勞動力要素低成本的稟賦優勢參與全球競爭,導致中國制造業企業長期鎖定在全球價值鏈低端的生產加工環節,難以向“微笑曲線”兩端(2)“微笑曲線”兩端通常是指品牌優勢和技術研發優勢。實現有效躍遷;另一方面,中國制造業企業長期依賴普通勞動力要素,對高級勞動力要素集聚形成了嚴重的擠出效應,導致大量高級勞動力要素向公共部門集聚[19],從事非研發活動,降低了高級勞動力要素的創新效率。已有研究表明,中國制造業企業的高級勞動力要素集聚程度嚴重不足,降低了制造業企業的創新能力[20]。此外,高級勞動力要素借助高鐵網絡向沿線企業的集聚程度是有限的。吉赟等[1]發現,城市開通高鐵站后,高鐵城市上市公司本科及以上學歷的勞動力要素數量平均增加約2.08%。孫文浩等[9]發現,城市開通高鐵站后,制造業企業科研機構碩士學歷勞動力要素數量平均增加約2人、博士學歷勞動力要素數量平均增加約3人。因此,高鐵網絡引發的高級勞動力要素在高鐵城市制造業企業科研機構的集聚程度是有限的,高級勞動力要素在企業間進行逆集聚分布(3)本文中的逆集聚分布是指高級勞動力要素借助高鐵網絡在高鐵城市同一產業內部企業間進行均勻分布。集聚分布是指高級勞動力要素借助高鐵網絡向高鐵城市同一產業內部少數制造業企業集聚,本文中這些少數企業稱為龍頭型制造業企業,其他制造業企業稱為追隨型制造業企業。考慮到中國制造業企業高級勞動力要素規模普遍較低,高級勞動力要素在企業間進行逆集聚分布可能難以有效促使沿線制造業企業的高級勞動力要素規模突破吸收能力理論所指示的閾值特征,從而不利于沿線制造業企業提升創新產出水平。,將導致高鐵城市產業內部大部分制造業企業科研機構的高級勞動力要素規模難以突破吸收能力理論所指示的閾值特征,進而難以充分釋放高級勞動力要素的創新活力,最終不利于制造業企業提升創新產出水平。相反,如果高級勞動力要素借助高鐵網絡向高鐵城市制造業企業科研機構進行集聚分布,可確保高鐵城市產業內部“龍頭型”制造業企業科研機構高級勞動力要素規模超過吸收能力理論所指示的閾值特征。一方面,“龍頭型”制造業企業會通過自主創新提升制造業企業產品創新能力,有利于行業增強原創能力;另一方面,“追隨型”制造業企業會通過合作創新與引進創新等方式,提升行業二次創新能力。因此,高級勞動力要素向高鐵城市制造業企業間集聚分布,有利于高鐵城市制造業企業提升創新水平。基于此,本文提出以下假說:

假說1:高級勞動力要素在高鐵城市制造業企業間逆集聚分布,不利于沿線制造業企業提升創新水平。

假說2:高級勞動力要素在高鐵城市制造業企業間集聚分布,有利于沿線制造業企業提升創新水平。

二、研究設計

(一)數據來源

本文使用2008—2014年國家統計局的全國創新調查企業數據庫,并借鑒孫文浩[16]的做法對該數據庫進行調整。此外,使用2016—2019年全國高新技術企業調查數據庫數據進行穩健性檢驗。

(二)模型設計與變量說明

為有效研究城市開通高鐵站對制造業企業創新的影響,本文構建了如下雙重差分模型(difference in difference,DID)。

innit=αi+β1HSRit×Afterit+λX+γi+γf+γy+εit

(1)

其中,innit反映第t年企業i的創新水平,本文使用發明專利授權數量(pat)表示。此外,本文還使用私人研發水平(prd)和新產品產值(new)測度企業創新水平以進行穩健性分析。以上所有創新變量均進行加1取對數處理。

本文參考卞元超等[2]的做法,核心解釋變量使用城市開通高鐵站的虛擬變量(HSR×After)加以表示。若企業在樣本期間開通高鐵站,則HSR取值為1,否則HSR取值為0。樣本年份在城市開通高鐵站年份之后,After取值為1,否則為0。此外,本文還分別構建了地級市高鐵公里里程(HSRm)、地級市高鐵線路條數(HSRl)以及地級市高鐵站數量(HSRs)三個連續變量測度城市高鐵網絡密度,并進行加1取對數處理。

其中,X為控制變量集,具體包括微觀和宏觀層面的控制變量(4)限于篇幅,未在正文展示,留存備索。。微觀層面的控制變量主要包括科技人才規模(S&T)、對外技術引進水平(ado)、企業年齡(age)、企業年齡二次項(agesq)、企業出口(exp)、市場競爭(HHI)、企業勢力因素(mar)、企業勢力二次項(marsq),宏觀層面的控制變量包括第一產業占GDP比重(pri)、第二產業占GDP比重(sec)、財政支出占GDP的比重(gov)、貿易總額占GDP的比重(tra)、固定資產投資占GDP的比重(cap)、地區經濟發展水平(gdp)、地區教育水平(edu)。上述宏觀層面的控制變量全部進行加1取對數處理。控制二位碼行業(γi)、企業(γf)以及年份固定效應(γy)。εit表示隨機擾動項(5)限于篇幅,未在正文展示變量的描述性統計結果,留存備索。。此外,本文還構建了企業創新差距(inng)和城市經濟差距(ecog)的測度指標(6)inng和ecog分別使用企業私人研發投入水平和城市夜間燈光亮度加以表示,具體計算公式與式(4)類似,此處不再贅述。。

參考卞元超等[2]的做法,本文工具變量使用城市平均地理坡度和滯后1年的地級市所在省份高鐵城市總數的交互項(slo)作為城市開通高鐵站的工具變量。同時,本文使用兩階段最小二乘(2SLS)法進行回歸。第一階段將制造業企業所在城市是否開通高鐵站對工具變量(slo)進行回歸,并預測出制造業企業所在城市開通高鐵站的概率prob(HSR×After)(7)prob表示事件發生的概率。,回歸模型如下:

HSRit×Afterit=αi+β2sloit+λX+γi+γf+γy+εit

(2)

考察第一階段得到的prob(HSR×After)對制造業企業創新的影響,模型如下:

innit=αi+β3prob(HSRit×Afterit)+λX+γi+

γf+γy+εit

(3)

首先,構建高級勞動力要素規模差距指標(labg)(8)本文使用企業從事科技活動的人員測度高級勞動力要素。高級勞動力要素規模差距(labg)越大,說明高級勞動力要素在企業間進行集聚分布,否則為逆集聚分布。,其計算公式如下:

(4)

其次,本文將制造業企業研發資金投入類型分為自主研發和合作研發兩種模式。其中,自主研發模式分為員工物質激勵水平(spel)和科研固定資本資金投入水平(spem)。合作研發模式分為與國內研發機構合作(ins)、與國內高等學校合作(uni)以及與國外研發機構合作(fgn)的研發資金投入水平。以上機制變量全部進行加1取對數處理。

最后,本文使用逐步檢驗回歸系數法研究高級勞動力要素在高鐵城市制造業企業間分布結構變化是否為高鐵城市影響制造業企業創新的重要機制。模型設計如下,其中β4和β5的估計系數是本文重點關注的參數。

mecit=αi+β4HSRit×Afterit+λX+γi+γf+γy+εit

(5)

innit=αi+β5mecit+β6HSRit×Afterit+λX+γi+

γf+γy+εit

(6)

三、回歸結果分析

(一)基礎回歸結果

首先,結合式(1)基于普通最小二乘法(OLS)檢驗高鐵網絡對制造業企業創新的影響,結果見表1第(1)列。結果表明,高鐵網絡對制造業企業創新存在抑制效應。其次,結合式(2)(3)運用2SLS法檢驗高鐵網絡對制造業企業創新的影響,結果見表1第(2)(3)列(9)由表1第一階段回歸結果可知,城市開通高鐵站的工具變量(slo)的系數估計值顯著為正,符合預期。同時CD-Wald F統計值遠大于10%水平的標準值并且第一階段F值大于10,排除了工具變量可能存在的弱相關性問題,說明本文工具變量有效,限于篇幅,第一階段實證結果留存備索。表2～表10以及表12、表13和表15和表1一樣處理。。表1第(2)列的因變量為發明專利授權數量(pat),結果表明,在高鐵站開通后,制造業企業創新水平平均下降約24.90%,高鐵城市制造業企業發明專利授權數量平均減少約0.15件。表1第(3)列的因變量為前推1期的發明專利授權數量(patF1),結果表明,城市開通高鐵站對制造業企業創新存在顯著的抑制效應。

表1 高鐵城市對制造業企業創新的影響

(二)異質性檢驗

1.不同稟賦特征區域

首先,本文分別基于東部、中部以及西部地區(10)東部地區主要包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南,中部地區主要包括山西、河南、安徽、湖北、江西以及湖南,西部地區主要包括內蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏和新疆。,研究不同高鐵城市對制造業企業創新的影響是否存在較大差異,并結合式(2)(3)重新回歸,結果見表2。結果表明,無論是東部地區還是中部地區,抑或是西部地區,城市開通高鐵站對制造業企業創新均存在顯著抑制效應。

表2 高鐵城市對制造業企業創新的影響:基于東部、中部與西部地區

其次,本文根據企業所在城市距離最近沿海港口城市的直線距離,劃分為0～400千米、400～800千米以及800～1 200千米3個樣本組,并結合式(2)(3)進行分組回歸,結果見表3。結果表明,相對于內陸地區,沿海地區城市開通高鐵站對制造業企業創新的抑制效應更加突出。

表3 高鐵城市對制造業企業創新的影響:與沿海港口城市空間距離

2.基于不同稟賦的城市

國家級高新區是高新技術企業的重要集聚載體,本文首先根據制造業企業所在城市是否存在國家級高新區分為2個樣本組,并結合式(2)(3)進行分組回歸,結果見表4。結果表明,相對于存在國家級高新區的高鐵城市,不存在國家級高新區的高鐵城市對制造業企業創新的抑制效應更加突出。

表4 高鐵城市對制造業企業創新的影響:基于國家級高新區

表5 高鐵城市對制造業企業創新的影響:基于城市經濟水平

最后,為檢驗高鐵網絡對不同行政級別城市制造業企業創新的影響是否存在較大差異,本文首先結合式(2)(3)針對省級、副省級城市和非省級、副省級城市重新回歸,結果見表6。第(1)(2)列的結果表明,相對于省級、副省級城市,非省級、副省級城市開通高鐵站對制造業企業創新的抑制效應更加突出。此外,本文針對省級、副省級城市構建虛擬變量pron(12)當制造業企業所在城市為省級、副省級城市時,pron為1,否則為0。,并構建高鐵城市的虛擬變量(HSR×After)和虛擬變量(pron)的交互項(HSR×After×pron),同時結合式(2)(3)進行回歸,結果見表6第(3)列,相對于省級、副省級城市,高鐵網絡對非省級、副省級城市制造業企業創新的抑制效應更加突出。表6第(4)列基于東部和非東部地區的省級、副省級高鐵城市,構建虛擬變量easp(13)當企業所在城市屬于東部地區省級、副省級城市時,easp為1,當企業所在城市為非東部地區省級、副省級城市時,easp取值為0。,并且構建高鐵城市的虛擬變量(HSR×After)和虛擬變量(easp)的交互項(HSR×After×easp),同時結合式(2)(3)進行回歸,結果表明,相對于非東部地區省級、副省級城市,東部地區省級、副省級城市開通高鐵站對制造業企業創新的抑制效應更加突出。同理,表6第(5)列基于東部、非東部地區非省級、副省級城市,構建虛擬變量easn(14)當企業所在城市屬于東部地區非省級、副省級城市時,easn為1;當企業所在城市為非東部地區非省級、副省級城市時,easn取值為0。,并且構建高鐵城市的虛擬變量(HSR×After)和虛擬變量(easn)的交互項(HSR×After×easn),同時結合式(2)(3)進行回歸,結果表明,相對于非東部地區非省級、副省級城市,東部地區非省級、副省級城市開通高鐵站對制造業企業創新的抑制效應更加突出。因此,高級勞動力要素在數量層面上的流動不等于結構層面上的合理分布,高級勞動力要素借助高鐵網絡主要向東部地區高鐵城市流動[9],但導致東部地區高鐵城市制造業企業間高級勞動力要素的逆集聚分布特征更加明顯。因此,無論是省級、副省級城市還是非省級、副省級城市,東部地區城市開通高鐵站對制造業企業創新的抑制效應更強。

表6 高鐵城市對制造業企業創新的影響:基于城市行政級別

3.不同稟賦特征的企業

表7 高鐵城市對制造業企業創新的影響:基于企業間高級勞動力要素規模差距

其次,本文針對企業產權屬性,將樣本劃分為國有、民營和外資企業,研究高鐵城市對制造業企業創新的影響,并結合式(2)(3)重新回歸,結果見表8。

表8 高鐵城市對制造業企業創新的影響:基于企業產權屬性

結果表明,相對于國有和外資制造業企業,城市開通高鐵站對民營制造業企業創新的抑制效應更加突出。

表9 高鐵城市對制造業企業創新的影響:基于企業研發強度

(三)機制檢驗

為研究高鐵城市制造業企業間高級勞動力要素分布結構的變化是否為城市開通高鐵站影響制造業企業創新的重要機制之一,本文結合式(5)(6)進行回歸,結果見表10。表10第(1)列的結果表明,城市開通高鐵站后,制造業企業間高級勞動力要素的規模差距顯著變小,說明高鐵城市促使高級勞動力要素在制造業企業間進行逆集聚分布。表10第(2)列的結果表明,制造業企業間高級勞動力要素規模差距變小對制造業企業創新存在顯著的抑制效應。因此,高級勞動力要素在高鐵城市制造業企業間進行逆集聚分布是城市開通高鐵站抑制制造業企業創新的重要機制之一,解釋效力約為5.46%(17)該機制的解釋效力由表1和表10第(2)列估計結果計算而來。,本文假說1得到驗證。此外,本文結合式(1)還使用Sobel和Bootstrap模型進行機制分析(18)限于篇幅,未在正文展示Sobel和Bootstrap的機制檢驗結果,留存備索。,結果仍然支持本文假說1的合理性。

表10 高鐵城市對制造業企業創新的影響機制結果

基于動態視角,本文分別使用地級市高鐵公里里程(HSRm)、高鐵線路條數(HSRl)以及高鐵站數量(HSRs)三個連續變量測度城市高鐵網絡密度,并結合式(5)重新回歸,檢驗高鐵網絡增密對高鐵城市制造業企業間高級勞動力要素規模差距的動態影響,結果見表11。表11第(1)～(3)列的結果表明,無論何種方式測度高鐵網絡密度,高鐵網絡增密促使高級勞動力要素在制造業企業間進行逆集聚分布,說明高級勞動力要素在高鐵城市制造業企業間進行逆集聚分布是高鐵網絡增密抑制制造業企業創新的重要機制之一,本文假說1再次得到驗證。

表11 高鐵網絡對制造業企業間高級勞動力要素規模差距的影響

(四)進一步分析

本文假說部分提到高級勞動力要素借助高鐵網絡向沿線制造業企業間進行逆集聚分布,通過降低企業研發資金投入水平導致制造業企業創新產出水平顯著降低。為檢驗上述影響路徑是否存在,本文結合式(5)(6)并基于不同研發模式重新回歸,結果見表12和表13。表12第(1)～(3)列的結果表明,高級勞動力要素借助高鐵網絡在高鐵城市制造業企業間進行逆集聚分布降低了制造業企業的員工物質激勵水平,是高鐵城市抑制制造業企業創新的重要機制之一。類似地,表12第(1)(4)(5)列的結果表明,高級勞動力要素借助高鐵網絡在高鐵城市制造業企業間進行逆集聚分布降低了制造業企業科研固定資本資金投入水平,是高鐵城市抑制制造業企業創新的重要機制之一。同理,表13的結果表明,無論是國內研發機構還是國內高等院校,抑或是國外研發機構,高級勞動力要素借助高鐵網絡在高鐵城市制造業企業間進行逆集聚分布降低了制造業企業與國內、外研發機構的合作強度,是高鐵城市抑制高鐵城市制造業企業創新的重要機制之一。本文假說1再次得證。

表12 高鐵城市對制造業企業創新的影響機制結果:基于自主研發

表13 高鐵城市對制造業企業創新的影響機制結果:基于合作研發

(五)穩健性檢驗(19)除了平行趨勢和安慰劑檢驗以及更換數據,本文還通過更換因變量、增加遺漏變量、重新計算高級勞動力要素規模差距指標以及使用Tobit模型進行穩健性檢驗。此外,本文還剔除省級、副省級城市并使用傾向得分匹配雙重差分(PSM-DID)模型重新回歸,穩健性結果與本文實證結果高度一致,說明本文結論穩健。限于篇幅,以上穩健性檢驗結果未在正文展示,留存備索。

1.平行趨勢和安慰劑檢驗

首先,為保證本文雙重差分模型滿足平行趨勢假定,本文借鑒吉赟等[1]的研究,定義了6個年份的虛擬變量Year-1、Year0、Year1、Year2、Year3、Year4,分別代表了高鐵開通前1年、當年、后1年、后2年、后3年以及后4年,分別與HSR相乘并進行回歸,結果見表14。表14第(1)列的結果表明,Year-1×HSR的系數估計結果在10%的統計水平上不顯著,說明城市開通高鐵站前高鐵城市與非高鐵城市的制造業企業創新水平不存在顯著差異,平行趨勢假定通過檢驗。表14第(1)列中Year1×HSR、Year2×HSR、Year3×HSR、Year4×HSR的估計結果均為負,尤其是高鐵站開通后的第三、四年,對制造業企業創新的抑制效應最為突出。

表14 平行趨勢和安慰劑檢驗

其次,為檢驗高鐵城市對制造業企業創新的影響是否還受其他因素干擾,本文對雙重差分模型進行安慰劑檢驗[1],分別構造After×HSR-1、After×HSR-3以及After×HSR-5等偽虛擬變量,假設城市開通高鐵站的時間提前1年、3年和5年,并結合式(1)重新回歸,結果見表14第(2)～(4)列。結果表明,無論假定高鐵站開通提前1年、3年還是5年,高鐵城市對制造業企業創新均不存在顯著影響,表明制造業企業創新水平的增加僅出現在高鐵站開通之后,說明本文結論穩健。

再次,城市開通高鐵站對制造業企業間高級勞動力要素規模差距的動態影響結果如圖1所示,結果表明,高鐵站開通前1年,高鐵城市與非高鐵城市的制造業企業間高級勞動力要素規模差距不存在顯著差異,通過平衡趨勢假定檢驗。但在高鐵站開通后的第2～5年,高鐵城市制造業企業間高級勞動力要素的規模差距逐漸變小,尤其在城市開通高鐵站的第5年,這種現象更為明顯,說明城市開通高鐵站長期會縮小高鐵城市制造業企業間高級勞動力要素的規模差距。

圖1 城市開通高鐵站對制造業企業間高級勞動力要素規模差距的動態影響

最后,本文根據原有城市歷年高鐵站開通的情況隨機生成相應的偽高鐵城市變量,并進行2 000次的隨機抽樣估計,結果如圖2所示。圖2(a)展示的是2 000次隨機抽樣的估計系數核密度圖,結果表明,安慰劑檢驗生成的2 000次系數估計結果基本上均勻地分布在0值附近。圖2(b)表明,2 000次隨機抽樣的P估計值大部分位于10%統計水平的右側,說明大部分隨機抽樣估計系數均不顯著。因此,城市開通高鐵站對制造業企業創新的影響不是由于偶然因素所導致的。

圖2 安慰劑檢驗結果注:本圖繪制了2 000次隨機抽樣估計的系數概率密度。

2.更換數據

由于2008—2014年全國創新調查企業數據庫的樣本觀察期尚未包含中國“八縱八橫”的高鐵網絡建設時期,為確保研究結論具有時效性,本文使用2016—2019年全國高新技術企業調查數據庫數據重新回歸(20)由于數據庫存在差異,此處因變量使用高新技術企業專利所有權轉讓及許可收入(pti)測度企業創新水平,控制變量集在式(1)基礎上還加入了年末總資產(ass)、營業收入(rev)以及期末從業人員總數(emp),并且控制了縣(區)和年份固定效應,其他變量與式(1)的定義相同。,結果見表15。表15第(1)(2)列的結果表明,無論是OLS模型還是2SLS模型,城市開通高鐵站對高新技術制造業企業創新均存在顯著的抑制效應。

表15 高鐵網絡對沿線高新技術企業創新的影響:更換數據

四、結論與建議

本文綜合利用2008—2014年全國創新調查企業數據庫和2016—2019年全國高新技術企業調查數據庫,運用多時點雙重差分模型并結合有效工具變量,研究城市開通高鐵站對制造業企業創新的影響。主要結論如下:第一,高鐵網絡對制造業企業創新水平存在顯著的抑制效應。第二,城市開通高鐵站對制造業企業創新的影響與城市稟賦特征有關。相對于內陸、經濟水平較高和存在國家級高新區的高鐵城市,沿海、經濟水平較低和不存在國家級高新區的高鐵城市對制造業企業創新的抑制效應更加突出。第三,高級勞動力要素在制造業企業間進行逆集聚分布是高鐵城市抑制制造業企業創新的重要機制之一,解釋效力約為5.46%。基于以上結論,本文的政策建議如下:

第一,政府結合區域特征合理布局高鐵網絡。研究發現,相對于非東部地區,東部沿海地區高鐵城市對制造業企業創新的負面影響更加突出。因此,政府需加大非東部地區高鐵網絡建設的投資力度,加快提升非東部地區高鐵網絡密度,尤其是加快行政級別較高、經濟水平較高以及有國家級高新區的非東部地區城市開通高鐵站。

第二,政府引導高級勞動力要素向高鐵城市制造業企業合理流動。研究表明,高級勞動力要素借助高鐵網絡在高鐵城市制造業企業間進行逆集聚分布,是高鐵城市抑制制造業企業創新的重要機制之一。高級勞動力要素向高鐵城市集聚不代表高級勞動力要素在高鐵城市企業間進行合理分布。為推動高鐵城市制造業企業創新驅動發展,政府應重點引導高級勞動力要素借助高鐵網絡向制造業企業間進行集聚分布,確保制造業“龍頭”企業高級勞動力要素數量突破吸收能力理論所指示的閾值,進而通過產業內部企業間協同創新發展提升高鐵城市制造業企業的創新水平。

第三,政府需加強高鐵城市民營和低研發強度制造業企業研發資金的扶持力度。高鐵網絡促使高級勞動力要素在高鐵城市制造業企業間進行逆集聚分布,降低了高鐵城市制造業企業研發資金的投入水平,最終導致制造業企業創新水平顯著下降。高鐵城市尤其對民營和低研發強度制造業企業創新存在更加突出的抑制效應。因此,政府應對高鐵城市民營和低研發強度制造業企業加大研發資金的扶持力度,緩解高鐵網絡對民營和低研發強度制造業企業創新的負面影響。