可達性對企業生產率的影響研究

魏新月 冉忠明

摘要：本文基于2003—2012年中國工業企業微觀數據，使用中介效應模型驗證了可達性對企業效率的影響及作用機制。結果表明：首先，企業在空間范圍可達性的優化促進了企業要素生產率提升，相較于企業在城市內的可達性，城市間可達性對企業效率的促進作用更大；其次，可達性通過影響市場環境，強化了產品市場競爭和降低要素市場扭曲，提高了企業生產率，其中產品市場競爭發揮的中介作用相對較大；最后，通過行業異質性分析，可達性對運輸成本敏感性強的企業效率的影響程度大，且可達性對其企業效率的直接影響大于通過市場環境對企業效率的間接影響。

關鍵詞：城市內可達性；城市間可達性；產品市場競爭；要素市場扭曲；企業效率

【中圖分類號】 F124? ? doi：10.3969/j.issn.1674-7178.2023.02.007

引言

我國工業增加值占GDP的比重由20世紀80年代的39.6%，上升至2006年占比最高的42%，而后下降至2021年的32.6%①。在經濟發展新常態下，我國工業發展正處在從量變到質變的轉變階段，工業提質增效成為當前重要的發展目標。企業作為地區工業發展的載體，其生產率是工業提質增效的關鍵。因此，探求如何提升企業生產率具有一定的現實性和必要性。

“十四五”時期是交通運輸基礎設施發展的黃金期，交通基礎設施的建設有助于弱化地區之間的邊界，打通制約經濟循環的關鍵堵點，促進商品要素資源在更大范圍內暢通流動，為我國加快建設高效規范、公平競爭、充分開放的全國統一大市場奠定基礎。隨著交通基礎設施的不斷建設，不同節點間的可達性得到改善，促進了城市間的經濟聯系[1]，對區域經濟發展[2-4]和區域經濟效率[5-6]都有明顯的帶動作用。可見，可達性一定程度上影響著經濟活動。而企業作為經濟活動的微觀個體，其區位隨交通設施的建設發生變化，影響著空間可達性。城市可達性的改善打破了地理空間的限制，壓縮了空間距離，重塑企業可覆蓋的市場版圖，企業發展迎來新的契機。鑒于此，本文從微觀企業層面出發，在交通運輸快速發展的背景下，結合市場環境的角度，分析可達性對企業生產的影響及作用機制。

與以往文獻相比，本文從三個方面進行了拓展：第一，本文以企業為研究對象，從中國工業企業數據庫中獲取企業地址信息，解析出企業經緯度地理坐標，在空間上可視化顯示企業位置，分析不同企業的相對區位，衡量城市可達性。第二，根據企業所在城市行政邊界將城市可達性區分為城市內可達性和城市間可達性，細化探究可達性對企業效率的影響，并在此基礎上進一步從行業對運輸依賴性的角度，進行異質性分析。第三，在研究內容上，本文不僅考慮可達性對企業生產活動的直接影響，還從市場環境角度實證分析可達性對工業企業效率的影響路徑。

一、理論分析與研究假說

（一）可達性對企業全要素生產率的影響

可達性的提升作用于企業生產各方面。（1）可達性的改善降低企業的運輸成本。運輸成本是影響企業活動的重要參數，限制企業產品的銷售范圍。企業的運輸成本隨產品銷售半徑的擴大而增加。當運輸成本增加到一定程度后，企業利潤降至零，企業停止擴張。而隨著企業區位相對屬性的改善，可達性得到提升，降低了企業的運輸成本，擴大了企業市場半徑，提升企業全要素生產率[7-8]。（2）可達性的改善降低企業信息搜尋成本。可達性打破空間范圍內的局限性，縮短企業之間的空間距離，促進不同地區經濟主體的信息交流溝通，減少企業的信息搜尋成本，優化企業的治理環境和信息環境[9]，推動交易的開展。（3）可達性的改善降低企業庫存成本。可達性的改善提升企業貨物運輸的有效性。一方面，確保企業快速完成訂貨過程，降低企業再訂購的庫存水平[10]；另一方面，增加企業的訂購頻率，進而降低庫存最大持有水平，有效地縮減制造企業庫存成本[11]。

綜上所述，可達性的改善降低運輸成本、信息搜尋成本和庫存成本，提高企業利潤率[12]，擴大生產規模[13]，激發創新的投入產出活動[14]。

由此，提出本文假設1：可達性的改善降低企業生產成本，提升企業全要素生產率。

（二）市場環境的中介效應

可達性除了直接影響企業全要素生產率，也通過改變企業面臨的市場環境間接作用于企業全要素生產率。企業生產活動不僅要考慮企業在城市內部的區位，還要衡量城市外部因素的影響。因此，企業的可達性不單包含在本地的相對位置，也涵蓋其在整個外部環境的區位。本文參考袁立科、張宗益的方法，將可達性細分為城市內可達性和城市間可達性[15]。城市內可達性表示為某一點到城市內其他節點的便利性，城市間可達性表示為城市內部某一點到城市外所有節點的便利性。

可達性的提升加劇本地產品市場的競爭，進而間接影響企業全要素生產率。一方面，由于城市內的經濟環境、產業結構和資源稟賦較為相似，城市內可達性程度相差不大，但城市內交通基礎設施的建設提升了企業到城市內部各節點的便利性，增加區位的相對優勢，進而吸引企業選址落戶[16-17]，提升企業集聚程度[18]，加劇企業所在市場的競爭程度；另一方面，城市間可達性的改善使得城市間運輸成本下降，使得其他產品進入本地市場。如果產品之間存在一定的替代性，該地區的產品市場競爭也相對激烈。產品市場競爭作為外部市場機制，對企業全要素生產率具有正向促進作用。（1）產品市場競爭激發企業的“學習效應”。當市場中某一企業率先進行技術創新，并從創新中獲取更大的市場份額，這將激發其他企業為維持自己的市場份額而進行技術創新，進而帶動企業生產率提升。（2）產品市場競爭帶來企業的“競爭逃離效應”。產品市場競爭加劇使得勞動力與資本市場對企業進行選擇，增加了企業生產成本，高成本企業時刻面臨被淘汰的風險。企業為了存活選擇研發創新，降低企業成本，提升企業全要素生產率，進而獲得低成本曲線的潛在收益。因此，企業有動力進行創新19]，菲利普·阿格因（Philippe Aghion）等將這種企業在此情況下的創新行為稱為“競爭逃離效應”[20]。

可達性的提升促進要素流動，間接影響企業生產活動。可達性是對擴散和傳播位勢的度量，高可達性的區域比低可達性的區域更有助于要素的擴散[15]。可達性的提高使得要素的流動更加便捷，文雯等驗證開通高鐵城市的可達性提升，生產要素的流通更加自由，提高了資源配置效率[21]。因此，可達性的改善帶動了要素流動，優化要素資源配置效率。要素市場環境影響企業生產活動，要素市場扭曲程度越高，對企業創新投入和資源配置的抑制程度越大。（1）要素價格負向扭曲意味著勞動力和資本的價格相對被低估，導致企業過分依賴低廉勞動力低價資本，缺少研發投入（R&D）的積極性，減少高難度、長周期和高風險研發活動的投入，降低了企業技術進步的可能[22]。（2）在要素扭曲市場中，企業為獲得低成本生產要素，與政府建立某些聯系，引發尋租活動。尋租活動使得企業的一部分人力資源和物質資本從生產性活動中轉移出來擠占企業研發資金，削弱企業的創新實力[23]，抑制了企業生產率提升。

綜上所述，我們主要分析了產品市場競爭和要素市場扭曲兩種類型的市場環境在可達性影響企業全要素生產率的過程中發揮中介的作用。

由此，提出本文假設2：可達性不僅直接影響企業全要素生產率，還可以通過產品市場競爭和要素市場扭曲間接影響企業全要素生產率。

二、數據與模型

（一）計量模型設定

本文從城市內可達性和城市間可達性入手，試圖回答可達性如何作用于企業全要素生產率。構建可達性對企業效率的基準模型，如式（1）所示：

[? ? ? ? ?Ln（tfpi，c，in，t）=α0+α1·Accli，c，in，t+α2·Accgi，c，in，t+α3Xi，t+α4Vc，t+λc+λin+εi，c，in，t]? ? （1）

其中，i表示企業，in表示前兩位行業代碼②，c表示城市，t表示年份。[Ln（tfpi，c，in，t）]表示城市c中行業in的企業i在t年的生產率。[Accli，c，in，t]表示城市c中行業in的企業i在t年的城市內區位屬性，解釋為企業i到城市內各交通節點便利性情況。[Accgi，c，in，t]表示為城市c中行業in的企業i在t年的城市間區位屬性，解釋為企業i到城市外部便利性狀況。[Xi，t]為企業層面的控制變量。[Vc，t]為城市層面的控制變量。[λc、λin和λt]分別表示為城市固定效應、行業固定效應和個體固定效應。由于本文理論上認為可達性會促進企業全要素生產率提升，即企業所處位置的可達性越高，工業企業全要素生產率越大，因此，預期[α1和α2]為正數。

（二）數據來源與說明

1. 變量說明

（1）被解釋變量

本文采用全要素生產率（total factor productivity， tfp）來衡量每個企業每年的生產率水平。目前估計企業全要素生產率相對普遍使用的方法是OP方法[24]、LP方法[25]和ACF方法等應用控制函數方法。受限于2008年以后缺失LP方法和ACF方法所需的企業中間投入，且OP方法可以通過投資需要函數的逆函數求TFP的方法，來克服OLS測算企業全要素生產率的同時性偏差和樣本選擇偏差問題，因此采用OP方法，并以工業增加值為產出進行計算企業全要素生產率。

（2）解釋變量

本文將可達性分為城市內可達性與城市間可達性。城市內可達性衡量企業到城市各交通節點的難易程度。企業到交通節點的距離越近，意味著其區位優勢相對較好，城市內部的可達性相對優越。城市間可達性衡量企業到中心城市的難易程度。企業距離中心城市越近，意味著其與外界的交流相對容易，在外部環境的可達性較好。

在周浩等[16]測度可達性的基礎上，將兩地區的最短直線距離代替兩地區的交通時間。因為直線距離是外生變量，不隨內生變量變化而變化，可以在一定程度上避免內生性偏差。

①城市內可達性：

[Accli，c，in，t=wagec，tDisii]? ? ? ? ? ? ? ? ? ? ? ? （2）

[wagec，t]為企業所在城市c第t年的平均工資，[Disii]為企業i到城市內各交通節點（高速路口、火車站、機場和港口）的加權平均距離。交通節點連接企業與市場的交流，企業距交通節點的距離越近，交通的區位優勢越明顯。

②城市間可達性：

[Accgi，c，in，t=z=19wagec，tDisoi，z]? ? ? ? ? ? ?（3）

[wagec，t]為企業所在城市c第t年的平均工資，[Disoi，z]為企業到中心城市z的直線距離，其中中心城市為直轄市、省會城市和計劃單列市，共計36個③。

（3）中介變量——市場環境

①產品市場競爭（hhi）：參考邢立全等[26]借鑒行業赫芬達爾指數來衡量企業所處產品市場的競爭程度。

[hhic，in，t=i=1N（Xi，c，in，tXc，in，t）2]? ? ? ?（4）

其中，[Xi，c，in，t] 為城市c中行業in的企業i在t年的銷售額，[Xc，in，t=Xi.c，in，t]，hhi越大，意味著市場集中程度越高，市場競爭程度越低。

②要素市場扭曲程度（distort）：借鑒戴魁早等[27]和林伯強等[28]的研究方法，列式如下：

[distortc，t=[Max（FMDc，t）-FMDc，t]Max（FMDc，t）]?（5）

其中，[FMDc，t]表示城市c在t年的要素市場化指數；Max（FM）表示我國各地區要素市場化指數的最高值；[distortc，t]為城市c在第t年的要素市場扭曲程度，取值范圍為[0-1]，越接近1，意味著要素市場扭曲程度越高。樊綱等[29]測算的要素市場發育指數[FMDc，t]僅有1997—2009年的數據，借鑒韋倩等[30]構建市場化指數的方法，補充了2010—2012年的要素市場扭曲指數數據。

（4）控制變量

[Xi，t]代表一系列影響企業全要素生產率水平的變量，我們從企業層面和城市層面選取控制變量。企業層面的有：①企業年齡（age）。本文借鑒毛其淋的做法，采取“當前年份－企業成立年份＋1”[31]。企業生產活動存在“干中學”效應，企業成立時間越長，經驗越豐富，管理和生產越有效，企業全要素生產率也相對越高，預期符號為正。②企業規模（sca）。為避免與企業資產負債率指標發生共線性，用勞動力數量表示企業規模[32]。企業的實力越雄厚，越可能投入更多的資源進行創新與研發。同時，大規模企業更利于勞動分工專業化，實現規模經濟，進而帶動企業全要素生產率的提升，預期符號為正。③企業資產負債率（deb），用企業總負債占總資產比重來衡量。企業資產負債率高，意味一定程度限制企業的研發活動、存貨投資以及其他經營活動策略，使得企業經營者無法做出最優的生產決策，進而抑制企業全要素生產率的提升，預期符號為負。④企業管理費用率（adm），用企業管理費用占企業主營業務收入的比重來表示。企業管理費用越高，表明對企業管理者的激勵作用越強，企業管理費用增加相應提升了企業管理者承擔風險能力，企業管理是企業管理者為應對外部環境沖擊而做出的反應[33]，促進企業適應外部沖擊和改進生產方式，進而提升企業全要素生產率，預期符號為正。考慮城市間發展環境的不同，進一步選取城市層面控制變量，具體為：①企業所在城市第二產業產值占比（sec）。企業所在城市工業發展水平高的地區意味著城市的工業基礎深厚，工業企業遇到的資源和發展機會相對較多，因此，該地區的企業越傾向于進行管理創新，提升企業全要素生產率，預期符號均為正。②企業所在城市的交通條件。用城市的道路密度表示，預期符號為正，即城市的交通條件越好，在該城市的企業全要素生產率越高。

2. 數據來源與處理

本文中數據來源具體包括：（1）企業財務和生產數據來源于國家統計局2003—2012年中國工業企業數據庫中的企業數據。因中國工業企業數據庫中的企業數據目前只更新到2014年，且2013—2014年的數據相對不穩定，所以只選取了2003—2012年的數據，包含所有國有企業和2003—2010年銷售額大于500萬元和2011—2012年年銷售額大于2000萬元的非國有企業。（2）企業到交通節點的空間距離通過ArcGIS工具計算得出。首先，根據工業企業數據庫中企業的所屬區縣、街道和詳細地址等信息解析出企業經緯度信息；其次，通過ArcGIS軟件導入企業坐標數據，生成相應點數據圖層；最后，將企業點數據圖層、交通節點的點數據圖層和我國行政邊界圖層進行疊置分析，從而計算出企業到城市內交通節點的距離。（3）城市數據來源于《中國統計年鑒》和《中國區域經濟統計年鑒》。

本文的數據處理主要從以下4個方面展開：（1）數據篩選。刪除不符合“規模以上”標準的觀測值，即主營業務收入低于500萬元（2011年前）和2000萬元（2011年后）的樣本；剔除職工人數小于8人的企業；剔除銷售額、職工人數、總資產、固定資產凈值和管理費用等缺失或不為正的觀測值。（2）缺失數據彌補。由于工業企業數據庫中2004年的工業增加值數據缺失，借鑒劉小玄、李雙杰[34]和王貴東[35]的方法來計算出缺失的工業增加值。（3）數據折算。文章所涉及的工業增加值、工業總產值，以2003年為基期計算出的固定資產投資價格指數進行折算，地區GDP和工資分別以2003年為基期計算出的地區生產總值指數和居民消費價格指數進行折算。本文對變量的異常值進行相應處理后，共得到266個地級城市103萬個企業的數據。分別對相關變量進行描述性統計，結果如表1所示。

3. 描述性統計分析

依據前文數據處理方法，相關指標描述性統計分析如表1。

為探究企業全要素生產率與可達性的關系，本文通過局部加權回歸（LOWESS）方法，選取2003、2006、2009和2012年的數據，對企業全要素生產率和企業到城市內交通節點的距離進行擬合分析。擬合結果如圖1所示，企業全要素生產率與企業距交通節點距離呈負相關，且具有一定的穩健性。

圖2為企業全要素生產率與中心城市距離的LOWESS擬合結果。整體來看，企業全要素生產率與企業到中心城市的距離呈現負相關的趨勢。企業到中心城市距離由近到遠，其對企業全要素生產率先抑制、再促進、再抑制的作用，與許政等[36]描述城市到中心城市的距離對城市的經濟增長的模式基本一致，即企業到城市距離和企業全要素生產率的“∽型”非線性關系。

（三）內生性及處理

本文解釋變量和被解釋變量分別為可達性和企業全要素生產率。雖然我們通過引入城市、行業和個體的虛擬變量以緩解由于遺漏變量所造成的內生性問題，但如果某地區企業生產水平普遍領先，該地區經濟發展水平也對應較高。因此，該地區的交通條件也會相對優于其他地區，企業的區位優勢也必然優于其他地區的企業。針對該問題，結合數據的可得性，我們采用滯后一期的可達性指標作為工具變量，使用約瑟夫·西爾貝（Joseph M. Hilbe）提出的兩步法進行估計[37]。第一步，將工具變量及其他控制變量對可達性分別進行回歸，并得到相應的回歸殘差；第二步，將可達性、第一步的回歸殘差與相應的控制變量對企業全要素生產率進行回歸。

三、實證分析

（一）因果識別與檢驗

1. 基準模型回歸

作為分析的起點，基于模型（1）驗證可達性對企業全要素生產率的影響，結果如表2所示。其中，第（1）列僅考慮解釋變量對因變量的影響，第（2）列進一步添加控制變量，控制其他因素的影響，第（3）列為兩步法中第二步的結果。其中，res_accl 和res_accg是通過兩步法中的第一步OLS估計得到的對應城市內可達性和城市間可達性指標的殘差。通過對比表2中第（2）列普通OLS回歸結果和第（3）列兩步法回歸結果，發現城市內可達性和城市間可達性的系數方向和顯著水平都沒有發生改變。通過Vuong檢驗，對應的Z值為359.89，且兩步法回歸中的擬合優度更好。因此，本文將基于兩步法的估計結果分析可達性對企業全要素生產率的影響。

由第（3）列結果所示，城市內可達性和城市間可達性對企業全要素生產率的影響系數分別為0.031和0.316，且在1%的置信水平下顯著，表明城市內可達性和城市間可達性各提升1%，分別帶動企業全要素生產率增加3.1%和31.6%。由此可見，可達性的改善總體上提升企業全要素生產率，且城市間可達性對企業全要素生產率的影響要大于城市內可達性對企業全要素生產率的影響。這意味著對于企業來說，更為重要的是所在城市的可達性。企業離中心城市越近，越容易與中心城市進行商品、服務、勞動、資本、信息等生產要素的交流，共享中心城市的資源，對于企業全要素生產率提升有較強的作用。

從控制變量回歸結果來看，企業年齡和企業規模對企業全要素生產率的回歸系數為正，說明成立時間長與規模大的企業具有較高的生產水平，兩者均與預期符號一致。企業資產負債率顯著為負，與預期符號一致，而企業管理費用率的符號為負，與預期相反，但與徐茗麗等[38]的結論一致，即管理費用阻礙了企業全要素生產率的提升。管理費用是企業非生產成本的一部分，如果非生產成本占營業收入比例越高，一定程度上抑制了企業生產費用的投入，不利于企業開展研發創新，無法進一步提升企業全要素生產率。城市第二產業占比和城市交通條件對企業全要素生產率的影響顯著為正，與預期相符，說明優越的城市工業發展和交通環境對工業企業發展有良好的支持作用。

2. 穩健性檢驗

為確保回歸結果的有效性，本文從以下三個方面對基準回歸的結論進行穩健性檢驗，穩健性檢驗回歸結果如表3所示。

①考慮計量回歸方法。為保證研究的完整性和嚴謹性，對基準回歸結果的穩健性進行驗證，使用GMM方法對工具變量進行回歸，結果如表3第（1）列所示，因變量的符號和顯著性不變。

②考慮企業全要素生產率測度方法。由于不同企業所面臨的生產技術存在差異，很難采用統一的生產函數來刻畫企業生產行為。為盡可能真實地測度企業全要素生產率，根據行業前兩位代碼分類為基礎，分行業測算企業生產函數，從而估算微觀企業的全要素生產率，估算結果記為tfp2。表3第（2）列為tfp2作為企業全要素生產率代入基準回歸中的結果。

③考慮樣本問題。位于中心城市的企業，其在城市間的區位優勢相對明顯，具有一定的特殊性。為確保估計結果的有效性，本文剔除中心城市的企業，以非中心城市企業為樣本分析可達性對企業全要素生產率的影響，對基準回歸進行穩健性檢驗，結果如表3第（3）列所示。

由表3顯示的結果可知：無論改變回歸方法還是更改因變量的測度方法或考慮樣本特殊性，結論依然穩健顯著，即可達性的改善對企業全要素生產率具有顯著為正的促進作用。

（二）機制分析

在可達性影響企業生產的過程中，可直接作用于全要素生產率，也可經由市場環境間接影響企業生產率，市場環境在此處的功能為中介變量。為檢驗市場環境在可達性影響企業全要素生產率的過程中是否存在中介效應，本文參考陳維濤等[39]和溫忠麟等[40]的中介效應模型后，設計出如下模型：

[Envc，t=β0+β1·Accli，c，in，t+β2·Accgi，c，in，t+β3Xi，t+β4Vc，t+λc+λin+εi，c，in，t]? ?（6）

[Ln（tfpi，c，in，t）=δ0+δ1·Accgli，c，in，t+δ2·Accgi，c，in，t+δ3·Envc，t+δ4Xi，t+δ5Vc，t+λc+λin+εi，c，in，t? ? ? ? ? ? ? ? ? ? ? ? ?（7）]

[Envc，t]為城市c在t年所面臨的市場環境，表示為中介變量。式（1）的[α1和α2]是城市內可達性和城市間可達性對企業生產率的影響；式（7）中的[δ1和δ2]是控制市場環境影響后，城市內可達性和城市間可達性分別對企業生產率的直接影響，[β1×δ3]和[β2×δ3]是可達性通過市場環境分別對企業生產率的間接影響[40]。

1. 產品市場競爭

表4是產品市場競爭對可達性影響全要素生產率的中介效應檢驗結果。具體而言，首先對可達性是否能夠加劇產品市場競爭進行驗證。表4中第（2）列的回歸結果顯示，城市內可達性和城市間可達性對產品市場競爭的作用系數分別為-0.043和-0.307，即可達性的改善降低了產品集中度，加劇市場競爭，與假設2中理論分析一致。第（3）列在基準回歸的基礎上引入市場競爭當作中介變量，可看出城市內可達性和城市間可達性對企業全要素生產率的直接影響的系數為0.026和0.278，通過1%的顯著水平檢驗。與第（1）列的城市內可達性和城市間可達性對全要素生產率的總效應存在差異，且市場競爭對全要素生產率的影響顯著，說明可達性在一定程度上通過改變企業所在市場的競爭程度進而影響其自身的生產率。產品市場競爭在可達性影響全要素生產率的過程中發揮出中介作用。為檢驗產品市場競爭影響機制的穩健性，改變企業全要素生產率的計算方法，用tfp2替換tfp1重新進行回歸，結果如第（4）列所示，表明回歸結果具有穩健性，即產品市場競爭在可達性影響企業生產率的過程中發揮出中介作用。

2. 要素市場扭曲

表5報告要素市場扭曲對可達性影響企業全要素生產率過程中的中介效應檢驗結果。具體而言，第（2）列為可達性對要素市場扭曲的影響結果，無論城市內可達性的改善還是城市間可達性的改善均會降低要素市場的扭曲程度，與理論分析結果一致。其中，城市間可達性的改善對要素市場的影響相對較大。因為可達性的提升降低要素的流動成本，但是城市間可達性的改善相對帶動生產要素流動的范圍更大，使得生產要素有更多選擇，所以城市間可達性的改變對要素市場扭曲的影響更大。

表5中的第（3）列在基準回歸的基礎上引入要素市場扭曲當作中介變量。結果顯示，城市內可達性和城市間可達性對全要素生產率的直接影響系數分別為0.030和0.307，且均通過1%的顯著水平檢驗，小于城市內可達性和城市間可達性對全要素生產率的總效應，且要素市場扭曲對全要素生產率的影響顯著。可見，要素市場扭曲在可達性影響全要素生產率過程中發揮出了中介作用。為檢驗回歸結果的穩健性，本文更改全要素生產率的計算方法，用tfp2替換tfp1重新進行回歸。結果如第（4）列所示，表明要素市場扭曲在可達性影響全要素生產率過程中的中介作用具有穩健性，即要素市場扭曲在可達性影響企業生產率的過程中發揮出中介作用。

為了進一步確認市場環境是否可達性影響全要素生產率的中介變量，我們進行更加嚴格的檢驗。從表4和表5中可知都顯著不為0，證明中介效應是顯著的。與此同時，本文將進一步檢驗經過中介效應的回歸系數和是否顯著。采用邁克爾·索貝爾（Michael M. Sobel）[41]的方法，計算出產品市場競爭作為中介變量時城市內可達性和城市間可達性的統計量Z值分別為41.83和30.30，均明顯大于1%顯著性水平上的臨界Z值2.58[42]；要素市場扭曲作為中介變量時，城市內可達性和城市間可達性的統計量Z值分別為15.45和11.96，大于1%顯著水平上的臨界Z值。意味著中介效應具有穩健性，進一步證明要素市場扭曲在可達性影響全要素生產率的過程中的中介效應具有穩健性。

可達性對全要素生產率的影響機制檢驗結果如圖3所示。城市內可達性通過產品市場競爭間接影響全要素生產率的強度為0.005，且路徑系數在1%的水平上顯著，占總效應（0.031）的17.06%；產品市場競爭在城市間可達性影響全要素生產率過程中發揮的中介作用為0.049，占總效應（0.316）的11.95%。城市內可達性和城市間可達性通過要素市場扭曲間接影響全要素生產率的強度分別為0.001④和0.008⑤，占各自總效應的3.26%和2.68%。產品市場競爭的路徑系數在1%的水平上顯著，這表明城市內可達性和城市間可達性能夠通過加劇產品市場競爭，從而進一步促進全要素生產率的提升。

綜上所述，可達性對企業全要素生產率的影響機制為：一方面，可達性的改善加劇產品市場競爭，激烈的產品市場競爭刺激全要素生產率的提升；另一方面，可達性的提升減緩要素市場扭曲，要素市場扭曲程度的降低促進全要素生產率的增加。從影響機制的作用強度來看，產品市場競爭發揮的中介作用強度相對大于要素市場的中介作用強度。

（三）異質性分析

可達性能否顯著影響企業全要素生產率，與行業是否依賴于交通運輸有關。不同行業對運輸成本的敏感程度存在差異，因此，本文以行業對運輸成本的依賴性為依據對不同行業企業進行異質性分析。我們根據產品的單位價值重量對行業進行劃分，單位價值重量越高，對運輸成本的依賴程度越強，對可達性的要求更高。本文借鑒路江涌等（2007）[43]的方法來測算不同行業的單位價值重量，將大于和小于單位價值重量均值的樣本分別稱為高單位價值重量和低單位價值重量。由表6第（1）列與表7第（1）列可知，可達性對高單位價值重量的企業全要素生產率的影響強度更大。

對于高單位價值重量行業企業來說（表6），城市內可達性通過產品市場競爭和要素市場扭曲對企業全要素生產率間接作用強度分別為0.005和0.001，分別占總效應的15.82%和4.86%；而城市間可達性通過產品市場競爭和要素市場扭曲對企業全要素生產率的間接影響分別為0.045與0.011，占總效應的8.89%和2.20%。即城市內可達性和城市間可達性通過市場環境影響企業全要素生產率的間接效應占比分別為20.68%和11.09%。表7為低單位價值重量企業全要素生產率的影響機制分析，城市內可達性通過產品市場競爭和要素市場扭曲對其生產率間接影響分別為0.006和0.001，分別占總效應的19.65%和3.45%；而城市間可達性通過產品市場競爭和要素市場扭曲對企業全要素生產率的間接作用分別為0.037與0.008，占總效應的14.61%和3.15%。即城市內可達性和城市間可達性通過市場環境影響企業全要素生產率的間接效應占比分別為23.1%和17.76%。

綜上所述，高單位價值重量企業受可達性的影響程度更大，可達性通過市場環境影響低單位價值重量企業全要素生產率的間接影響相對大于對高單位價值重量企業全要素生產率的間接影響。因為低單位價值重量企業的重量/價值比率較低，如計算機設備制造業，對運輸成本的依賴度相對較低。與運輸成本相比，低單位價值重量企業更多考慮企業的人力資源、市場規模等非運輸成本因素。而市場環境通過影響非運輸成本因素進而改變企業生產活動，因此，可達性引起的市場環境的改變對低單位價值重量企業影響更大。

四、結論與思考

在工業轉變發展的大背景下，企業全要素生產率是工業提質增效的關鍵。因此，本文使用2003—2012年工業企業微觀數據，對企業進行空間可視化處理，探討了可達性、市場環境與全要素生產率的關系。本文發現：（1）可達性對企業全要素生產率具有促進作用。城市內可達性和城市間可達性均可帶動企業全要素生產率的提升，但是城市間可達性對企業生產率的影響更大。（2）可達性會通過改變市場環境，間接影響全要素生產率。具體來看，可達性通過作用于產品市場競爭和要素市場扭曲兩個中介變量間接影響企業全要素生產率。其中，產品市場競爭在可達性影響全要素生產率過程中的中介作用大于要素市場扭曲的中介作用。（3）不同行業之間的影響機制存在差異。可達性對強運輸成本敏感度全要素生產率的影響程度大于弱運輸成本敏感度全要素生產率的影響程度，低運輸成本敏感度的企業的間接影響占比要大于高運輸成本敏感度企業的間接影響占比。

在建立全國統一大市場、暢通國內國際雙循環的背景下，結合上述研究結論，本文提出提升企業生產率措施：第一，在區域間加強互聯互通，促進城市間高速公路、高鐵等交通基礎設施的建設，弱化城市邊界，降低城市間的空間限制。這其中重要的是政府應打破體制障礙和行政區域限制，通堵點、暢流通，鼓勵企業在不同城市間進行生產活動。第二，在制度上創造流動的市場環境，強化市場基礎制度規則的銜接與統一，鼓勵企業之間的人流、物流和信息流等要素快速流動，引導生產要素在更大范圍內有序自由流動，強化市場資源配置作用，充分利用市場機制，為企業發展夯實基礎。第三，豐富市場培育領域制度供給，在企業上實施靈活的“因類施策”，對于運輸成本敏感度強的企業，可以支持其在區域內交通發達的地方選址，提高其可達性，促進企業全要素生產率的提升；而對于運輸成本敏感度弱的企業而言，其對可達性的變化不敏感，可以通過優化市場環境，激發可達性對該類型全要素生產率的促進作用。

參考文獻：

[1] 蔣海兵、徐建剛、祁毅：《京滬高鐵對區域中心城市陸路可達性影響》[J]，《地理學報》2010年第10期，第1287-1298頁。

[2] 王雨飛、倪鵬飛：《高速鐵路影響下的經濟增長溢出與區域空間優化》[J]，《中國工業經濟》2016年第2期，第21-36頁。

[3] Abhijit Banerjee， Esther Duflo and Nancy Qian， “On the Road： Access to Transportation Infrastructure and Economic Growth in China” [J]， Journal of Development Economics， 2020（145）.

[4] 劉生龍、胡鞍鋼：《交通基礎設施與經濟增長：中國區域差距的視角》[J]，《中國工業經濟》2010年第4期，第14-23頁。

[5] 張天華、陳力、董志強：《高速公路建設、企業演化與區域經濟效率》[J]，《中國工業經濟》2018年第1期，第79-99頁。

[6] David Alan Aschauer， “Is Public Expenditure Productive？” [J]， Journal of Monetary Economics， 1989（2）：177-200.

[7] 張勛、王旭、萬廣華、孫芳城：《交通基礎設施促進經濟增長的一個綜合框架》[J]，《經濟研究》2018年第1期，第50-64頁。

[8] 龍小寧、高翔：《交通基礎設施與制造業全要素生產率——來自縣級高速公路和中國工業企業數據庫的證據》[J]，《華中師范大學學報（人文社會科學版）》2014年第5期，第43-53頁。

[9] 毛琦梁、王菲：《比較優勢、可達性與產業升級路徑——基于中國地區產品空間的實證分析》[J]，《經濟科學》2017年第1期，第48-62頁。

[10] 劉秉鐮、劉玉海：《交通基礎設施建設與中國制造業企業庫存成本降低》[J]，《中國工業經濟》2011年第5期，第69-79頁。

[11] 李涵、黎志剛：《交通基礎設施投資對企業庫存的影響——基于我國制造業企業面板數據的實證研究》[J]，《管理世界》2009年第8期，第73-80頁。

[12] Chad Shirley and Clifford Winston， “Firm Inventory Behavior and the Returns from Highway Infrastructure Investments” [J]， Journal of Urban Economics， 2004 （2）： 398-415.

[13] 杜興強、彭妙薇：《高鐵開通會促進企業高級人才的流動嗎？》[J]，《經濟管理》2017年第2期，第89-107頁。

[14] 陳婧、方軍雄、秦璇：《交通發展、要素流動與企業創新——基于高鐵開通準自然實驗的經驗證據》[J]，《經濟理論與經濟管理》2018年第4期，第20-34頁。

[15] 袁立科、張宗益：《可達性與區域創新系統相關性初探》[J]，《科技管理研究》2006年第9期，第229-231頁。

[16] 周浩、余壯雄、楊錚：《可達性、集聚和新建企業選址——來自中國制造業的微觀證據》[J]，《經濟學（季刊）》2015年第4期，第1393-1416頁。

[17] Adelheid Holl， “Manufacturing Location and Impacts of Road Transport Infrastructure： Empirical Evidence From Spain” [J]， Regional Science and Urban Economics， 2004（3）：341-363.

[18] 楊開忠、董亞寧、顧蕓：《運輸成本、異質性企業遷移與區域平衡發展——基于集聚與增長整合理論的研究》[J]，《系統工程理論與實踐》2019年第10期，第2466-2475頁。

[19] Kenneth J. Arrow， Economic Welfare and the Allocation of Resources for Invention [M]， New Jersey： Princeton University Press， 1962.

[20] Philippe Aghio， Peter Howit and Susann Prantl， “Revisiting the Relationship Between Competition， Patenting and Innovation” [J]， Advances in Economics and Econometrics， 2013 （63）：451-455.

[21] 文雯、黃雨婷、宋建波：《交通基礎設施建設改善了企業投資效率嗎？——基于中國高鐵開通的準自然實驗》[J]，《中南財經政法大學學報》2019年第2期，第42-52頁。

[22] 郭將、許澤慶：《工業多樣化集聚、空間溢出與區域創新效率——基于空間杜賓模型的實證分析》[J]，《軟科學》2019年第11期，第120-124、137頁。

[23] 李爽：《要素價格扭曲、政治關聯與中國工業企業的技術創新積極性》[J]，《財貿研究》2018年第7期，第1-14頁。

[24] G. Steven Olley and Ariel Pakes， “The Dynamics of Productivity in the Telecommunications Equipment Industry” [J]， Econometrical， 1996（6）：1263-1297.

[25] James Levinsohn and Amil Petrin， “Estimating Production Functions Using Inputs to Control for Unobservables” [J]， The Review of Economic Studies， 2003（2）：317-341.

[26] 邢立全、陳漢文：《產品市場競爭、競爭地位與審計收費——基于代理成本與經營風險的雙重考量》[J]，《審計研究》2013年第3期，第50-58頁。

[27] 戴魁早、劉友金：《要素市場扭曲與創新效率——對中國高技術產業發展的經驗分析》[J]，《經濟研究》2016年第7期，第72-86頁。

[28] 林伯強、杜克銳：《要素市場扭曲對能源效率的影響》[J]，《經濟研究》2013年第9期，第125-136頁。

[29] 樊綱、王小魯、朱恒鵬主編：《中國市場化指數：各地區市場化相對進程報告》[M]，經濟科學出版社，2010年。

[30] 韋倩、王安、王杰：《中國沿海地區的崛起：市場的力量》[J]，《經濟研究》2014年第8期，第170-182頁。

[31] 毛其淋、盛斌：《中國制造業企業的進入退出與生產率動態演化》[J]，《經濟研究》2013年第4期，第16-29頁。

[32] 沈國兵、于歡：《企業參與垂直分工、創新與中國企業出口產品質量提升》[J]，《廣東社會科學》2019年第6期，第13-23、252頁。

[33] Rainer Lueg and Boris Genadiev Borisov， “Archival or Perceived Measures of Environmental Uncertainty？ Conceptualization and New Empirical Evidence” [J]， European Management Journal， 2014（4）： 658-671.

[34] 劉小玄、李雙杰：《制造業企業相對效率的度量和比較及其外生決定因素（2000—2004）》[J]，《經濟學（季刊）》2008年第3期，第843-868頁。

[35] 王貴東：《1996—2013年中國制造業企業TFP測算》[J]，《中國經濟問題》2018年第4期，第88-99頁。

[36] 許政、陳釗、陸銘：《中國城市體系的“中心—外圍模式”》[J]，《世界經濟》2010年第7期，第144-160頁。

[37] Joseph M. Hilbe， Negative Binomial Regression [M]， New York： Cambridge University Press， 2011.

[38] 徐茗麗、龐立讓、王礫、孔東民：《治理成本、市場競爭與全要素生產率》[J]，《中南財經政法大學學報》2016年第2期，第130-139、160頁。

[39] 陳維濤、韓峰、張國峰：《互聯網電子商務、企業研發與全要素生產率》[J]，《南開經濟研究》2019年第5期，第41-59頁。

[40] 溫忠麟、張雷、侯杰泰、劉紅云：《中介效應檢驗程序及其應用》[J]，《心理學報》2004年第5期，第614-620頁。

[41] Michael E. Sobel， “Direct and Indirect Effects in Linear Structural Equation Models” [J]， Sociological Methods & Research， 1987 （1）：155-176.

[42] David P. MacKinnon， Chondra M. Lockwood， Jeanne M. Hoffman， Stephen G. West and Virgil Sheets， “A Comparison of Methods to Test Mediation and Other Intervening Variable Effects” [J]， Psychological Methods，2002（1）：83-104.

[43] 路江涌、陶志剛：《政治庇護與改制：中國集體企業改制研究》[J]，《經濟研究》2007年第5期，第104-114頁。

注釋：

①數據來源：國家統計局2006年、2021年《國民經濟和社會發展統計公報》。

②這里的行業代碼參考《國民經濟行業分類與代碼（GB/T 4754-2002）》。

③中心城市包含直轄市、省會和計劃單列市，分別為北京、上海、天津、重慶、石家莊、太原、呼和浩特、沈陽、大連、長春、哈爾濱、南京、杭州、寧波、合肥、福州、廈門、南昌、濟南、青島、鄭州、武漢、長沙、廣州、深圳、南寧、海口、成都、貴陽、昆明、拉薩、西安、蘭州、西寧、銀川和烏魯木齊。

④0.001=[（-0.011） × （-0.092）]。

⑤0.008=[（-0.092）× （-0.092）]。

作者簡介：魏新月，交通運輸部科學研究院助理研究員。冉忠明，南開大學經濟學院博士研究生。

責任編輯：盧小文