銀行業和制造業協同集聚促進制造業生產率提高的研究

史秋麗 康志勇

摘 要：本文基于中國工業企業數據庫和金融活動普查數據庫，構建銀行業和制造業之間的協同集聚指數，考察了銀行業和制造業協同集聚程度對制造業全要素生產率（TFP）的影響。實證研究表明：在協同聚集經濟中，銀行業與制造業的協同集聚程度與制造業企業的全要素生產率（TFP）呈顯著的正相關關系。協同集聚通過改善企業融資約束水平和長期債務融資促進制造業企業TFP的提升，但降低企業融資成本的渠道未獲得證據支持。本文研究結論為優化產業集聚演進、推動我國經濟高質量發展戰略的實施提供了新的依據。

關鍵詞：協同集聚；銀行業；制造業；全要素生產率

本文索引：史秋麗，康志勇.<變量 2>[J].中國商論，2023（16）：-156.

中圖分類號：F719 文獻標識碼：A 文章編號：2096-0298（2023）08（b）--04

1 引言

新古典經濟學認為，長期內全要素生產率（TFP）是推動經濟增長的唯一動力，全要素生產率的提高可以在很大程度上解釋一國經濟發展是否成功?，F階段，我國經濟正處于高速增長階段向高質量發展階段轉變的歷史時期，黨的十九大報告指出，我國經濟要實現從依靠資本、土地、勞動力等要素投入的增長模式向更多依靠全要素生產率提高的增長模式轉變。因此，提高全要素生產率不僅是提高經濟發展質量、保持經濟中高速發展的題中應有之義，還是促進以國內循環為主、國內國際相互促進的雙循環發展的動力。全要素生產率本質上是一種資源配置效率，而金融是現代經濟的關鍵部分，提高全要素生產率（TFP）、實現經濟高質量發展需要金融的滋潤與支撐。后續研究表明，金融對全要素生產率提高具有顯著的促進作用，能通過促進TFP增長進而影響經濟增長。由于數據、方法、樣本時間存在差異，國內關于金融和全要素生產率的相關實證研究并未取得一致的結論（余利豐等，2011；李健和衛平，2015；陳啟斐和吳建軍，2013）。

我國銀行業在總量規模突飛猛進的同時，其結構和體系也經歷著從未有過的整合與重組，銀行業向某一特定區域集中的趨勢更加明顯，集聚發展的銀行業顯著促進了所在地區TFP的提高（余泳澤等，2013；洪功翔等，2014）。進入21世紀以來，銀行業不僅表現為在某一區域集聚發展的格局，還會因為與制造業的“需求關聯”和“成本關聯”，形成與彼此相互“吸引”、協同集聚的發展特征。銀行業和制造業協同集聚是經濟發展到一定階段的規律性特征。由于非標準化信息及銀行業契約密集性等，銀行業的服務范圍存在一定的區域邊界，特別是在中國銀行牌照制度（包括全國性牌照和地區性牌照）的安排下，中國銀行業和制造業的協同集聚又多呈現以地級市為邊界的空間特征。

本文基于規模以上工業企業數據庫和金融活動普查數據庫，借鑒Ellison和Glaeser（1997）的方法，對中國地級市銀行業和制造業的協同集聚指數進行估算，探討銀行業和制造業的協同集聚對制造業全要素生產率的影響和作用機制。相比以往研究，本文的創新之處在于：第一，區別于既有研究主要采用宏觀數據或省級層面數據，本文利用銀監會提供的全國銀行業金融活動的普查數據和中國工業企業的數據，采用E-G等方法，完成了對中國銀行業與制造業企業協同集聚指數的估算，是國內唯一關于銀行業和制造業協同集聚的相關研究。第二，考慮到協同集聚不僅會影響企業自身生產率，還會通過行業中企業進入和退出影響企業間生產率的分布乃至空間溢出效應，影響行業或地區整體生產率的提高。為了保證研究結論的全面、可靠，本文采用微觀和宏觀相結合的研究方法，不僅考察了協同集聚對制造業企業生產率的影響，還從生產率分布、行業生產率再配置及空間溢出效應視角進行研究，深化了協同集聚對中國制造業生產率分布及增長動力來源的認識。第三，本文深入研究了銀行業和制造業協同集聚影響制造業TFP的機制，從融資約束、融資成本及融資期限三個維度進行分析和檢驗，為研究提供了更可靠的經驗證據。以下是本文的組織結構：第2部分在文獻回顧的基礎上提出了研究假設；第3部分介紹了本文的設計過程；第4部分完成了核心論點的檢驗和穩定性檢驗；最后是結論和政策啟示。

2 文獻綜述與研究假設

馬歇爾對產業鏈“雜居”的考察被認為是最早關于不同產業協同聚集的研究。早期研究主要關注了產業“雜居”現象本身，并未就不同產業集聚之間的互動關系及內在機理進行深入探討。在實證方面，采用構建的E-G指數對銀行業和制造業的協同集聚程度進行定量分析。受制于E-G指數對樣本數據質量有較高要求，Devereux等（2004）和Ellison等（2010）在E-G指數的基礎上提出E-G簡化指數，后續相關實證研究多基于E-G簡化指數展開（路江涌和陶志剛，2006；Kolko，2007；Gallagher，2013；陳國亮和陳建軍，2012）。

銀行業屬于服務型產業，強烈依賴專業化知識，并向客戶提供中間產品或服務（Miles等，1995）且與客戶存在高度互動性（魏江等，2007）。銀行業與制造業兩大部門在產業上的垂直關聯決定了兩者的區位選擇并非獨立：銀行業是制造業重要投入品——資金的提供者，而制造業則是銀行業的“客戶”。銀行業為了接近“客戶”所創造的市場、節省交易成本，傾向提供“面對面（face to face）”服務，其區位選擇會趨向在制造業周圍（即需求關聯）。與此同時，銀行業部門提供的資金等均是制造業部門產品增值過程中重要的中間投入品，制造業企業為了降低成本，也會趨向銀行業相對集中的地區，所以銀行業和制造業也產生了在空間上協同聚集的現象。銀行業和制造業協同集聚，一方面，“面對面（face to face）”的協同集聚有利于銀行充分利用其和企業間特定的“軟信息”來降低其和企業之間的信息不對稱，提高銀行專業化的信息甄別能力和風險篩選識別能力；另一方面，空間距離的縮短使得銀行更容易觀察、把握和匹配制造業企業多元化的融資需求，激發銀行業務、管理手段及經營模式等的創新，深化銀行體系的市場化改革。總之，銀行業與制造業的協同集聚帶來了資源在特定范圍內的聚集和融合，所以各種資源在優勢上互補，促進了企業之間開拓創新，放大原有制造業的多元化集聚和專業化集聚所具備的專業化勞動力儲備、專業經濟、知識外溢以及競爭激烈效應（Swann and Prevezer，1996），促進制造業企業全要素生產率的提高。協同集聚通過技術外部性和知識溢出效應對周圍城市和區域進行帶動和輻射，以推動整個區域生產率提高。因此，本文提出假設：

假設1：銀行業和制造業協同集聚會促進制造業企業全要素生產率的提高。

協同集聚能夠在聚集經濟區內開設分支機構，拉近與企業之間的距離，緩解信息不對稱的矛盾，促進低風險融資，所以銀行業和制造業協同集聚可以通過緩和企業內部融資矛盾，促進企業全要素生產率提高。因此本文提出假設：

假設2：銀行業和制造業協同集聚通過緩和企業內部融資矛盾促進企業生產率提高。

銀行業和制造業協同集聚增強了企業與金融機構之間的聯系，有助于解決企業面臨的融資難題，并改善企業長期債務偏低的困境。契約的完全性加深企業與金融機構彼此的信任并強化信譽效果，降低機會主義行為的發生率，也降低了銀行等機構獲取企業信息的各項成本，促使銀行愿意在銀行—企業之間的關系型貸款上進行更多的投資，減少逆向選擇和道德風險，擴大對本地中小企業的信貸供給，有利于降低協同聚集經濟體內部企業之間的融資成本。因此，本文提出假設：

假設3：銀行業和制造業協同集聚可能通過降低企業面臨的融資成本和改善企業的債務期限結構來提高企業生產率。

3 研究設計

3.1 計量模型設定

在參考已有文獻及數據樣本特征的基礎上，本文設定以下模型進行檢驗：

其中，表示k市j行業的企業i在t年的全要素生產率；是本文重要的解釋變量——銀行業和制造業協同集聚指數，度量了k市制造業行業j和銀行業在t年的協同集聚程度。企業年齡（Age）：企業年齡的差異反映出企業所處的不同生命周期階段，用樣本所在當年年份減去企業開業年份表示。出口（Export）：本文是否有出口行為控制對企業生產率有潛在影響“出口中學效應”和“競爭效應”。本文采用凈利潤占總資產的比重來表示企業的盈利水平，用總資產與總負債之比表示資產負債率，用新產品產值與銷售額的比重來表示企業創新。政府補貼（Subsidy）：本文采用企業獲得補貼總額除以企業銷售額作為政府補貼強度的代理變量。企業所處的行業競爭因素（HHI）：本文采用的赫芬達——赫希曼指數表述市場競爭程度。此外，本文進一步控制了企業的產權特征、行業特征（四分位代碼行業啞變量）、所屬省份（省份啞變量）等。

3.2 主要變量定義與估算

（1）銀行業和制造業協同集聚（Co_agg，co-agglomeration）指數。本文參考Ellison and Glaeser（1997）的方法，構建銀行業和制造業基于地級市層面的協同集聚指數（Co_agg），具體指標過程如下（協同集聚指標中具體變量設定及詳細計算過程請參考路江涌和陶志剛（2006））：

（2）全要素生產率（TFP）。本文主要采用Olley and Pakes （1996）的方法測算企業全要素生產率，以解決TFP測算中企業生產函數估算的內生性和選擇性偏誤問題。

3.3 數據來源與處理

本文數據主要由兩部分組成：銀行業數據來自中國銀行業監督管理委員會對2015—2020年全國銀行業金融活動的調查。該數據包括我國縣級、市級各類銀行的全部就業、存貸金額等，本文根據地級市行政區劃代碼匯總上述銀行普查數據，最終得到全國257個地級市的銀行業集聚指數。2015—2020年中國工業企業數據庫中的制造業數據，為保證數據的有效性，按照二元行業標準評選13～43家的30家制造業企業。為保證數據的有效性，本文對樣本進行清洗，參照國內主流研究方法，保留連續觀察3年以上的樣本企業（張杰等，2015）。根據以上兩個數據庫，本文通過匹配得到了257個地級市銀行業聚集指標和119990家制造業企業的財務數據。

4 實證檢驗結果與分析

4.1 全部樣本的回歸分析

基于制造業四分位、三分位和二分位行業與銀行業的協同集聚指數回歸結果，在有效控制了諸如市場競爭等控制變量后，無論是按照哪一個口徑計算的銀行業和制造業協同集聚指數，都與制造業企業的全要素生產率（TFP）存在正相關關系，且在1%的水平上通過了顯著性檢驗，即銀行業和制造業協同集聚會促進制造業企業全要素生產率的提高，由此驗證了假設1。另外，回歸結果中其他控制變量的結果基本符合預期。

4.2 內生性問題的處理

本文在原有模型設計中加入了行業、省、年的固定效應，以控制不可觀測要素的影響，在一定程度上緩解了模型內可能存在的反向因果或其他內生性問題。為了進一步控制未觀測的企業特征帶來的內生性問題對結論可靠性的影響，本文利用中國政府在2006年和2009年出臺的兩項以放松中小銀行異地準入為核心銀行競爭性政策來處理可能的內生性問題。兩項政策的頒布，放松中小銀行異地進入管制，中小銀行分支機構的數量明顯上升，在一定程度上促進了銀行業和制造業協同集聚。

5 結語

本文立足我國處于金融發展進程與金融體系改革和全面落實推進高質量發展戰略雙重背景的典型事實，以銀行業與制造業協同集聚發展為切入點，就協同集聚對以制造業為主的實體經濟部門全要素生產率提高的影響效應及其作用機理進行全面規范識別和系統研究。采用數據庫數據，運用計量模型實證檢驗，實證結果表明：首先，銀行業與制造業協同集聚程度和制造業企業全要素生產率呈顯著正相關，意味著銀行業與制造業企業協同集聚程度越高，聚集經濟體內的制造業企業的全要素生產率就越高，銀行業集聚能有效促進制造業企業生產率的提高。通過中介效應模型發現，銀行業和制造業協同集聚可以通過降低企業融資成本、增加企業長期債務融資來促進制造業企業TFP提高。其次，協同集聚有助于發揮市場的“清潔機制”，將資源從生產率較低的企業重新配置到生產率較高的企業，顯著降低行業生產率分散化程度，還可以促進市場中新舊企業的更替，促進地區生產率的提高。最后，本文借助空間杜賓模型對協同集聚可能的空間溢出效應進行實證檢驗，但結果表明協同集聚的空間溢出效應并不顯著。

中國經濟已由高速發展階段轉向高質量發展階段，如何構建、完善一個能高效服務于實體經濟和科技創新的現代金融體系，滿足中國經濟全面由勞動力推動和資本投入推動向創新推動和全要素生產率推動轉變對資金的要求，是我國目前面臨的一個主要問題。本文的研究結論為回答上述問題提供了一種可能的答案，即通過銀行業和制造業的協同集聚發展，促進制造業創新和生產率提高，并推動經濟發展模式的轉型。本文研究的政策啟示如下：首先，積極推進銀行業與制造業協同集聚發展。從中國257個地級市產業協同集聚的歷年變化情況來看，銀行業與制造業協同集聚的整體水平仍然偏低，且存在較大的不確定性，建議未來進一步通過相關政策引導加強協同集聚的程度。在推進協同集聚的發展時，要充分考慮到制造業不同產業的發展特點，特別是對外部融資依賴度的差異，合理引導制造業空間布局，通過協同集聚促進制造業企業全要素生產率的提高。其次，鑒于協同集聚在降低融資成本及空間溢出效應方面的不足，繼續推進我國銀行業市場化改革，進一步打破國有銀行的壟斷地位，鼓勵與引導不同類型商業銀行分支機構的設立，消除資金要素流動的體制性障礙，完善多元化的銀行業市場體系，加強銀行業的空間集聚程度。通過發揮銀行集聚的信息、資金優勢，促進制造業企業的生產率提高。

參考文獻

陳建軍，陳菁菁. 生產性服務業與制造業的協同定位研究：以浙江省69個城市和地區為例[J]. 中國工業經濟， 2011（6）：141-150.

陳國亮， 陳建軍. 產業關聯、空間地理與二三產業共同集聚：來自中國212個城市的經驗考察[J]. 管理世界， 2012（4）：82-100.

陳啟斐， 吳建軍. 金融發展與技術進步：一項來自中國省級數據的研究[J]. 經濟評論， 2013（6）：98-107.

龔強，張一林，林毅夫.產業結構、風險特性與最優金融結構[J]. 經濟研究， 2014， 49（4）：4-16.

洪功翔，張蘭婷，李偉軍. 金融集聚對全要素生產率影響的區域異質性：基于動態面板模型的實證分析[J].經濟經緯，2014， 31（4）：7-12.

康志勇，張寧，湯學良，等.“減碳”政策制約了中國企業出口嗎[J]. 中國工業經濟， 2018（9）：117-135.

黎歡， 龔六堂. 金融發展、創新研發與經濟增長[J]. 世界經濟文匯， 2014（2）：1-16.

李健，衛平. 金融發展與全要素生產率增長：基于中國省際面板數據的實證分析[J]. 經濟理論與經濟管理， 2015（8）：47-64.

林毅夫，孫希芳，姜燁.經濟發展中的最優金融結構理論初探[J]. 經濟研究， 2009（21）：45-49.

盧盛峰， 陳思霞. 政府偏袒緩解了企業融資約束嗎：來自中國的準自然實驗[J]. 管理世界， 2017（5）：51-65.

路江涌， 陶志剛. 中國制造業區域聚集及國際比較[J]. 經濟研究， 2006（3）：103-114.

毛其淋，許家云. 中間品貿易自由化、制度環境與生產率演化[J]. 世界經濟， 2015， 38（9）：80-106.

邵挺. 金融錯配、所有制結構與資本回報率：來自1999—2007年我國工業企業的研究[J]. 金融研究， 2010（9）：55-72.

魏江， 陶顏， 王琳. 知識密集型服務業的概念與分類研究[J]. 中國軟科學， 2007（1）：33-41.

吳利學，葉素云，傅曉霞. 中國制造業生產率提升的來源：企業成長還是市場更替？[J]. 管理世界， 2016（6）：22-39.

余利豐， 鄧柏盛， 王菲. 金融發展與中國生產率增長：隨機前沿分析的視角[J]. 管理科學， 2011， 24（4）：105-112.

余泳澤， 宣燁， 沈揚揚. 金融集聚對工業效率提升的空間外溢效應[J]. 世界經濟， 2013， 36（2）：93-116.

張虎， 韓愛華， 楊青龍. 中國制造業與生產性服務業協同集聚的空間效應分析[J]. 數量經濟技術經濟研究， 2017（2）：3-20.

張杰. 我國金融體制改革的演進軌跡與取向觀察[J]. 改革， 2018（5）：39-49.

張杰， 陳志遠， 楊連星，等.中國創新補貼政策的績效評估：理論與證據[J].經濟研究，2015（10）：4-17+33.

周煜皓， 張盛勇.金融錯配、資產專用性與資本結構[J]. 會計研究， 2014（8）：75-80.