空間集聚、產業多樣化和企業創新：來自制造業上市公司的經驗研究

謝露露 王昕祎

[摘要]盡管多樣化集聚帶來的Jacobs外部性被認為是集聚對企業創新的重要影響渠道，但是多樣化集聚對企業創新的作用機制依然有待發掘。在已有研究的基礎上，本文以2006—2017年制造業上市公司為研究對象，從集聚地多樣化產業之間的經濟關聯和技術關聯來考察多樣化集聚對企業創新的作用機制，實證發現：在其他條件既定的情況下，多樣化集聚對于制造業企業創新具有顯著的促進作用，但是這一集聚效應依賴于企業所在行業與其他行業之間的垂直產業關聯度和產業技術相似度。具體而言，垂直產業關聯度對多樣化集聚效應的調節作用具有非對稱性，前向產業關聯度具有顯著的抑制效應，而后向產業關聯度具有顯著的增強效應。而技術相似度對多樣化集聚效應有顯著的正向調節作用。異質性檢驗發現，創新資源獲取能力更強的大企業、國有企業和高技術企業以及要素流動自由度更高的東部地區企業受到的調節作用更強。本文的研究為地方政府優化招商引資戰略，真正發揮多樣化產業集聚的正外部性具有政策啟示意義。

[關鍵詞] 空間集聚；產業多樣化；企業創新

[中圖分類號] F293.3? ［文獻標識碼］A? ?［文章編號］1000-4211（2023）05-0014-19

一、引言

作為實體經濟的微觀主體，制造業企業是落實創新驅動戰略的主要微觀載體，其創新能力是實體經濟高質量發展的重要保障。一直以來，制造業企業創新績效都是學者們研究的焦點之一。在考察中國制造業企業的創新時，學者們往往會發現一個典型的經濟地理現象：隨著區域之間產業分工的深化，實體經濟尤其是制造業有著顯著的空間集聚特征。在特定的空間中，集聚的企業往往依托產業集群這一產業組織載體而存在，不僅形成產業分工網絡，而且逐漸發展成為創新系統，推動產業集群轉型升級。增強集聚地企業的創新能力，打造具有競爭力的產業集群是加快構建我國現代化產業體系的重要路徑。

事實上，集聚與創新一直是新經濟地理學研究的一個重要問題。理論研究表明，高密度的企業聚集可以通過對中間品以及金融和咨詢等專業服務的共享、勞動力和企業匹配效率的提升以及不同創新主體之間的知識外溢這三個機制降低企業的創新成本，分散企業創新風險，激發企業的創新動力（Feldman，1994；Duranton and Puga，2004；Rosenthal and Strange，2008）。早期相關實證研究往往將產業集聚區分為專業化集聚和多樣化集聚，大多發現，與專業化集聚產生的技術鎖定效應相比，產業多樣化集聚帶來的Jacobs外部性對企業創新的影響更加重要。盡管如此，多樣化產業集聚影響企業創新的機制還有待發掘（梁琦和錢學峰，2007）。

基于產業相關多樣性的研究為探討基于不同產業之間技術和經濟關聯的多樣化集聚對企業創新的影響提供了新的視角。演化地理經濟學認為與集聚地產業的種類多樣化相比，更重要的是產業之間要存在技術和經濟關聯（Frenken，2007；Boschma and Iammarino，2009；賀燦飛和陳韜，2019）。進而提出，一個地區的產業發展是關聯產業發展壯大的過程，由此產生根植于本地的知識外溢渠道（Boschma，2015）。因此，基于技術和經濟聯系的產業多樣化而不是基于行業分類的多樣化才是產業集聚過程中Jacobs外部性產生的基礎（Frenken.，2007；沈鴻和向訓勇，2017）。

然而，目前關于Jacobs外部性和創新的實證研究主要在城市和區域層面展開，大多發現產業相關多樣性有利于城市創新績效的提升（萬道俠等，2019；高旻昱等，2020），微觀企業層面的研究相對較少（Aarstad，2016）。基于我國開發區企業創新的相關研究為Jacobs外部性的微觀作用機制提供了部分證據。這些研究發現，政府對產業集聚和科技創新存在過度干預現象，在地方政府“政策租”引誘下，企業雖然表面上集聚，但是缺乏緊密的產業關聯，并沒有形成集聚效應，不利于企業實質性的創新（鄭江淮等，2008；吳一平和李魯，2017；寇宗來和劉學悅，2020）。也就是說，地理鄰近的企業只有存在緊密的技術和經濟聯系，才可能產生真正的創新互動，進而共享集聚帶來的好處。這對于從微觀層面探討多樣化產業集聚對企業創新的影響機制非常重要。

在已有研究的基礎上，本文以制造業上市公司為研究對象，從集聚地企業之間的經濟和技術關聯的角度切入，實證分析城市產業多樣性集聚對制造業企業創新績效的影響機制，主要的創新點如下：（1）與已有研究多從產業層面或城市層面展開不同，為了盡可能緩解內生性，本文不僅以上市公司這一微觀創新主體作為研究對象，控制上市公司的企業特征以及所處城市的特征，減少遺漏變量產生的偏誤，而且進行一系列的穩健性檢驗來驗證實證結果的可靠性。（2）本文合理度量了上市公司所在行業與城市中其他行業之間的產業關聯和技術關聯，深入挖掘集聚地產業多樣性對企業創新績效影響的異質性及背后的機制。實證發現，集聚地產業多樣性對于企業創新的影響取決于企業之間的產業關聯和技術關聯，而企業自身的特征、所處行業特征以及區域特征也影響了這些調節效應的發揮。

二、文獻綜述和研究假設

以Jacobs為代表的學者注意到地區產業多樣化集聚日益成為區域發展的重要動力，知識溢出更容易發生在產業間，多樣化的產業結構有利于知識交換，不同產業間的組合能夠帶來更多好處（Jacobs，1969；Glaeser，1992）。也有一些研究表明，多樣化集聚對企業創新有時并不能起到明顯的積極作用。Neffke等（2011）認為，知識溢出難以出現在不相關的行業間。Antonelli和Cainelli（2009）發現多樣化集聚區域內由于知識被過度分化，而難以起到促進企業創新產出的作用。在以上爭議的基礎上，基于演化經濟地理學的相關理論指出，產業多樣集聚通過知識外溢對企業創新或區域創新的影響受集聚地產業之間關系的影響，知識溢出較多發生在彼此之間具有互補與技術關聯關系的產業間（Frenken，2007）。后續研究進一步指出，并非所有產業之間均能相互學習，知識更可能在具有適度認知臨近性、存在一定關聯的多樣化產業間發生溢出（Caragliu，2016）。因此，在考察多樣化產業集聚產生的知識外溢對企業創新的影響時，需要將企業所處產業與集聚地其他產業之間的產業關聯以及兩者之間的技術差異考慮進來。

（一）基于產業關聯的知識外溢：垂直產業關聯度、產業多樣性和企業創新

潘文卿等（2011）將產業間知識技術外溢的渠道區分為：思想傳播、要素流動等帶來知識外溢、基于類似投入產出結構的產業關聯性溢出以及基于中間品貿易的垂直產業關聯溢出。一些學者從上下游垂直產業關聯的視角考察了產業多樣性集聚對企業創新的影響。賀燦飛和陳韜（2019）認為企業間具有產業關聯的多樣化集聚擁有更密切的中間投入關系，更容易受到沿產業鏈傳導的需求變動影響。Cainelli等（2011）認為上下游產業間的知識交流將對企業創新產生影響。具體而言，隨中間產品貿易的展開，知識和技術在不同產業間擴散，使得多樣化集聚產生溢出效應。盡管有關多樣化集聚中產業關聯對企業創新的系統性研究還不充分，但已有不少研究注意到依托垂直產業關聯形成的空間集聚網絡，更有利于進行創新活動（蘇丹妮等，2018；陳愛貞等，2021；張皓等，2022）。

但要注意的是，集聚地產業間的前向與后向關聯關系對企業創新的影響作用存在差異。這一領域的研究多以投入產出表為基礎，聚焦垂直產業關聯與FDI技術溢出效應的非對稱性（王然等，2011，楊麗紅和陳釗，2015）。朱平芳等（2016）在研究工業行業之間的知識外溢效應時，也發現產業關聯的前向與后向溢出效應存在非對稱性，前向溢出不顯著但是后向溢出顯著。除了從投入產出表來衡量企業之間的垂直產業關聯外，還有一些學者更進一步，用微觀企業數據考察基于供應鏈的供應商-客戶合作關系對企業知識外溢的影響，發現這一垂直方面知識外溢的非對稱效應明顯，企業可以利用客戶的創新思想和技術以較低的成本提高生產效率和創新水平，（Li，2018；陳勝藍和劉曉玲，2021）。基于以上分析，本文提出如下假說：

假說1：其他條件既定的情況下，多樣化產業集聚對企業創新績效的作用受所處行業與集聚地其他行業之間的垂直產業關聯度的影響。而且，垂直產業關聯度的影響具有非對稱性，后向產業關聯度越高，越有利于企業創新從城市產業多樣化集聚中獲益。

（二）基于技術關聯的知識外溢：產業技術相似度、產業多樣性和企業創新

技術與信息的交流不僅發生在上下游企業的交易活動中，大量學者研究發現集聚的溢出效應在具有相似技術結構間更活躍。具體而言，具有類似投入產出結構的行業，技術相似度也更能夠通過相互學習促進創新。因此，一些學者從集聚地產業之間的技術相似度的視角考察了產業多樣性集聚對企業創新的影響。Frenken等（2007）基于發展中國家企業數據研究認為，相關多樣化集聚的企業之間認知距離較近，促進產業間思想交融，對企業創新具有明顯的促進作用。Evenhuis等（2019）認為，相似產業間的集聚有利于企業充分利用公共產品實現商業互補。王俊松（2016）認為，適度的相似產業集聚避免了垂直集聚帶來的技術鎖定，企業間通過溢出效應提高學習新技術的可能性。

還有一些學者直接測度了產業之間的技術相似度，以此探討多個產業間技術知識外溢的機制（尹靜和平新喬，2006；潘文卿等，2011；朱平芳等，2016）。潘文卿等（2011）在Jaff（1998）關于技術溢出機制研究的基礎上，考察基于產業相似度發生的技術外溢對工業部門勞動生產率的影響。在這一研究中，他利用投入-產出表測 算 了 35 個 工 業 部 門1997—2008 年歷年的產業相似度矩陣，并以此為權數構建了衡量產業間技術溢出的指標，發現產業間的技術溢出效應現已成為中國工業行業生產效率提高的重要影響因素。朱平芳等（2016）借鑒空間計量經濟學中通過空間加權矩陣來度量空間相關性的思維，將中國工業行業定義為 R&D 活動空間中的個體，構造了水平和垂直兩個維度的空間權重矩陣來測算工業行業之間R&D 的溢出效應，發現研發的物資資本和人力資本表現出不同的外溢模式。基于此，本文提出如下假說：

假說2：在其他條件既定的情況下，多樣化產業集聚對企業創新績效的作用受所處行業與集聚地其他行業之間的技術相似度的影響。產業技術相似度越高，越有利于企業在創新過程中獲得多樣性產業集聚帶來的正外部性。

（三）異質性影響

地理集中的企業之間或產業之間的知識溢出是一個復雜的過程，知識溢出對企業創新的作用效果受多種因素的影響，既依賴于企業間的互動能力的大小，還依賴于要素流動的自由度與廣度以及產業間關聯的強弱（Jaff，1998；潘文卿等，2011）。而且，考慮到不同特征的企業與集聚地企業的經濟聯系度和技術相似度不同，垂直產業關聯度和產業技術相似度對多樣化產業集聚的調節效應也存在異質性。

企業層面的異質性首先考慮到的是企業規模。不同規模的企業對外部環境的依賴度不同，從多樣化產業集聚中的獲益也不同。一般而言，大企業相對更加一體化，能自給自足，對外部環境的依賴度相對小，而小企業需要從外部獲得各種中間投入或服務，因而更加依賴于所處的產業環境（Jacobs，1969；Chinitz，2007）。 因此，相較于大型企業，小型企業更受益于多樣化集聚。傅十和和洪俊杰（2008）以及董曉芳和袁燕（2014）的實證研究也支持這一結論。盡管規模小的企業更可能從多樣性產業集聚中獲益，但是上述研究大多從中間品或服務獲取的角度來展開。從技術相似度的角度而言，由于技術人員等創新要素較少流向小企業，技術相似度對多樣性集聚的調節效應可能相對較弱。

除了企業規模，企業的所有權性質的異質性也不可忽視。國有企業與非國有企業之間無論是在資源獨占性、市場地位還是融資成本等方面均具有明顯差異，從同一產業環境中獲取創新信息和資源的能力不同（張宗慶等，2012）。具體而言，民營與外資企業在市場經濟中具有更強的活力，有利于其通過學習、模仿提高企業創新能力。而國有企業具有更明顯的資源優勢，能夠獲得更多的外部政策支持，進而更有利于其從多樣化的產業集聚中獲得知識外溢。杜威劍和李夢潔（2015）基于中國工業企業數據庫的研究發現，產業集聚對國有企業的創新水平具有更強的促進作用。而且，國有企業往往處于上游壟斷行業，更容易通過后向關聯而不是前向關聯獲得知識外溢（溫軍等，2022）。

行業層面的異質性通常來自行業技術密集度的差異。學者們往往依據產業技術機會將企業分為高、中、低技術企業，高技術產業往往表現為更高程度的關聯產業集聚，更能從集聚中獲益（吳三忙和李善同，2011；龐磊和陽曉偉，2023）。而且，從垂直產業關聯來看，邱斌等（2008）和張皓等（2022）的研究都發現，相較于其他技術行業企業，高技術行業企業受后向關聯的正影響更大。

除了企業與行業特征外，地區特征也將影響多樣化集聚的作用效果。具體而言，區域間差異不僅表現在自然地理環境與資源稟賦方面，還表現在社會經濟環境方面。相較而言，東部地區無論是經濟開放度還是經濟發展水平都更高，相應地，產業集聚度也更高，這也意味著，企業之間的經濟聯系強度和技術擴散速度相對都更高。因此，在不同的區域中，垂直產業關聯和產業間技術相似度的調節作用也存在差異性。基于以上分析，本文提出如下假說：

假說3：企業自身特征、所屬行業特征以及所屬區域的差異使得垂直產業關聯和產業間技術相似度對多樣化集聚的調節效應具有異質性。

三、數據說明、變量選擇和模型構建

（一）數據說明

本文以2006—2017年我國滬深 A 股的制造業上市公司為研究樣本，實證分析產業集聚與產業關聯對企業創新產出的影響。使用的企業數據來自國泰安數據庫（CSMAR）以及Wind數據庫，城市相關數據來自《中國城市統計年鑒》以及《中國城市建設統計年鑒》，部分指標通過計算獲得。借鑒已有研究的數據清洗方法，本文對樣本數據進行了如下處理：（1）刪去標記ST、ST*和PT以及終止上市的企業；（2）剔除數據缺失量較大的樣本企業，對于僅存在部分缺失的樣本，采用移動平均法進行補充。因《中國城市統計年鑒》僅統計城市數據，為保證企業所處城市產業集聚環境的描述，刪去位于自治州、地區以及盟的上市企業；（3）為避免極端值對回歸結果的干擾，對涉及的連續型變量進行上下1%水平的縮尾處理。最終整理得到2006—2017共12年19208條年度樣本觀測值。

（二）變量選擇

1．被解釋變量

借鑒已有文獻的處理方法，本文選取專利申請量作為被解釋變量。上市公司的專利申請數據披露比較全面，能夠直觀地表現出企業的創新產出成果，可以直接用于衡量企業創新水平高低。其中，發明專利創新水平更高，被普遍視為具有實質性意義的創新；實用新型專利指的是對產品形狀、構造或是兩者結合所提出的適于實用的新的技術方案，創新層級低于發明專利；外觀設計專利更是只針對產品的整體或局部的外觀做出的新型設計，技術價值和經濟價值都相對較低。為更全面分析區域集聚水平對企業創新產出的影響，本文選取專利申請總數（P_all）、發明專利申請量（P_fm）、實用新型專利申請量（P_sy）和外觀設計專利申請量（P_wg）來度量企業創新。遵循已有研究經驗，將專利申請量均加1并進行對數化處理。

2．核心解釋變量

產業多樣化集聚水平使用上市企業的兩位數行業代碼分類、所屬城市和年末企業人員數數據構建，采用赫芬達爾—赫希曼指數來測度，計算公式如下：

其中Smikt表示t期m企業占k市所處二位數行業i的以員工人數計算的市場份額。Agg_d指數越大，該地區的產業分布更均衡，產業多樣化集聚水平越高。

企業所處行業與集聚地其他行業的垂直產業關聯度。基于行業間投入-產出表，本文的垂直產業關聯度包括感應度系數（REA）和影響力系數（INF）。感應度系數表現產業的前向關聯度，即其他部門生產一單位產品對i產品部門產生的產品需求量。影響力系數代表產業的后向關聯度，指國民經濟j產品部門增加一個單位最終產品時，對國民經濟各部門所產生的生產需求波及程度，體現的一種拉動用。借鑒李善同和鐘思斌（1998）的處理方法，具體公式如下：

其中bij為完全需求系數矩陣B中行業i和j對應的完全消耗系數，根據2007年、2010年、2012年、2015年和2017年的全國《投入產出表（42部門）》計算得到。首先，依照企業二位行業代碼，將上市企業所屬產業與投入產出表所公布的42個產業部門進行對應。其次，計算完全需求系數矩陣B，B=（I－A）-1，A為直接消耗系數矩陣。最后，因為投入產出表隔年公布，除了2006年的感應度系數和影響力系數直接由2007年的計算結果表示，其余空隔年份相鄰年份結果移動平均來近似替代，具體做法如下：

企業所處行業與集聚地其他行業的技術相似度。首先計算行業間的相似度矩陣。參考參照潘文卿等（2011）的做法，利用2007年、2010年、2012年、2015年和2017年的全國《投入產出表（42部門）》中的直接消耗系數表，計算行業i與行業j之間的相似度（w），計算公式如下：

其中aij為直接需求系數矩陣A中行業i和j對應的直接消耗系數，類似垂直方向的產業關聯的處理方法，移動平均補充后得到各年份的產業技術相似度矩陣。利用產業技術相似度矩陣，計算位于同一城市的上市企業之間的行業相似關系。首先，依照城市名稱與區劃代碼匹配獲得位于同一城市的上市企業名單；根據企業詳細地址，利用Geocoding軟件獲得百度地圖中的企業坐標，計算位于同城市的上市企業之間的地理距離d。其次，依照上市企業行業配對情況匹配對應產業技術相似度結果。最后，以1/（1+d）為權數進行加權，結合企業距離衡量上市企業所處城市產業技術相似度的平均水平。

此外，考慮到制造業集聚與其他產業集聚具有協同效應，而且制造業企業創新也受到制造業專業化集聚的影響。本文也在回歸中控制了制造業專業化集聚的影響。本文選用區位熵計算企業所處城市的專業化集聚水平。利用《中國城市統計年鑒》中披露的城市分行業從業人數帶入公式進行計算，計算公式如下：

其中Likt表示t時期k城市i二位數行業的就業人數，Lkt表示t時期k城市的就業人數，Lit表示t時期i二位數行業的就業人數，Lt表示t期整體的就業人數，計算得到城市層面的制造業專業化集聚指標（SPE）。

3．控制變量

企業特征：上市企業資產收益率（ROA），即企業凈利潤比上企業的資產總額，用以衡量企業的盈利水平；上市企業資產負債率（DAR），即企業負債總額比上資產總額，用以衡量企業的負債情況；上市企業資本密度（k），即企業資本投入比上職工人數，用以衡量的資本投入水平。

城市特征：城市經濟發展情況（ECO），本文使用城市人均GDP衡量城市經濟水平；城市科研支出占比（SR），即城市財政支出中科技支出的占比，用以衡量城市的創新投入水平；城市產業結構（IS），本文使用第三產業產值比上第二產業產值來表示城市產業結構；城市高校數（UNI），即城市普通高等院校數，用以衡量城市的人力資本水平。同時為減少異方差問題，對以上數據進行對數化處理。

（三）模型設定

首先，為檢驗企業所處空間多樣化產業集聚對企業創新產出的影響，設定如下實證模型：

為檢驗垂直產業關聯和產業技術相似度對多樣化集聚作用的影響，在以上模型的基礎上引入上述代理變量與多樣化集聚變量的交互項。同時為避免多重共線性問題造成的影響，對相關變量進行中心化處理。具體模型如下：

其中，Pit表示i企業t年的專利申請量，Agg_dit表示i企業t年所處城市二位數行業層級的區域多樣化集聚水平，REAit和INFit表示i企業t年所處二位數行業對應的感應度系數與影響力系數，wit表示i企業t年所處城市二位數行業與其他產業的技術相似度，Controlsit表示企業層面和其對應城市層面的控制變量，Year、Ind和City分別代表年份、行業和城市虛擬變量，分別控制年份、行業和城市固定效應，uit表示隨機誤差項。為保證實證結果更具有穩健性，本文聚類到企業層面。

四、實證結果報告

（一）基準回歸

基準回歸結果如表2中所示，從第（1）列和第（2）列顯示，企業所在城市的多樣化集聚水平對企業整體的創新產出尤其是發明類創新產業具有顯著的促進作用。多樣化集聚的確發揮了Jacobs外部性效應，集聚地不同行業企業之間基于要素流動、技術交流和擴散等創新互動，促進差異性的知識信息發生重構，形成新的技術，從而對企業創新產出形成正向影響。尤其是突破性創新，更需要打破行業已有的創新局限，綜合不同領域知識進行交流獲得靈感。多樣化集聚區域內具有互補特性的產業能夠彼此消化吸收需要的先進技術與管理理念，增加創新要素的流動性，進而提高企業的創新產出。但是，多樣化集聚區域內存在網絡化的產業關聯關系，各種內部資源與知識信息將通過產業關聯作用于企業創新活動，這一影響需要后續進一步分析。

考慮到城市產業集聚（Agg_d和SPE）與企業創新之間可能存在反向因果關系，從而帶來內生性偏誤，本文需要尋找合適的工具變量，采用2SLS方法考察模型的檢驗結果。工具變量的選擇需要對被解釋變量無直接影響關系，但是與內生的核心解釋變量相關。考慮到關于產業集聚的相關研究中，通常將企業所在城市的地理特征作為外生變量使用，本文不僅采用地級市平均海拔作為工具變量，而且參考張皓等（2022）的處理方法，選用城市政治中心坐標與海岸線的最低距離（Coast）作為另一種工具變量投入使用。同時，考慮到地級市平均海拔以及城市政治中心坐標與海岸線的最低距離基本不隨時間變化，本文將其作為工具變量使用時與年份變量進行交乘，使其具有時變性。利用這兩個工具變量進行兩階段最小二乘估計，估計結果如表3所示。

如表3工具變量兩階段最小二乘法估計結果所示，關于工具變量的相關檢驗指標均表明上述工具變量的選取是合理的。第（1）列以總專利申請量為被解釋變量，結果顯示，城市多樣化產業集聚的估計系數仍然在 1% 水平上顯著為正。第（2）和第（4）為分類專利申請數估計結果，與表2的基準回歸估計系數的符號基本一致。這說明城市多樣化產業集聚對企業創新產出具有顯著的促進作用。

（二）垂直產業關聯度、產業多樣性和企業創新

在基準回歸的基礎上，本文進一步對假說1進行檢驗，考察垂直產業關聯度對產業多樣性集聚效應的影響。垂直產業關聯往往是通過生產活動形成的經濟聯系，這種聯系廣泛而復雜。沿著這一垂直產業關聯鏈條，知識溢出將更有助于形成科學有效的創新網絡，從而使集聚區內的企業能夠更有效地展開創新。實證結果如表4所示，整體而言，企業的創新產出尤其是發明創新和實用新型創新不僅受多樣化集聚的積極作用，而且這一作用還受到企業所處產業與集聚地其他產業的垂直產業關聯度的非對稱影響，前向關聯度越高，越不利于企業創新從多樣化集聚中獲益，但是后向關聯度的調節作用正好相反，后向產業關聯度越高，越有利于企業創新從多樣化集聚中獲益。

這可能是因為后向關聯度越高，意味著企業所處行業對其他產業產生的需求拉動效應更大，更有可能位于垂直產業鏈的上游，其在下游的應用廣泛性使得其更有可能從多樣化產業集聚中獲益。而前向產業關聯度越高，意味著企業所處行業對其他產業投入的依賴性更高，更有可能處于垂直產業鏈的下游，對上游中間品的依賴更不利于其從中多樣化集聚中獲得知識外溢。這一結果與朱平芳等（2016）的研究結論一致。他們基于工業產業間的知識外溢研究發現，上游原材料或中間品行業的研發并沒有對下游行業的創新產出產生正向溢出效應，但是在全球化產業分工的過程中，我國的制造業創新受外部需求的影響很大，因此下游產業部門的溢出效應更加顯著。

（三）產業技術相似度、產業多樣性與企業創新

已有文獻表明，具有類似投入產出結構的產業之間在技術上的相似度更高，行業之間要素流動的可能性更大，知識技術擴散和外溢更容易發生（潘文卿等，2011；朱平芳等，2016）。本文在這一部分對假說2進行了檢驗，回歸結果如表5所示。從第（1）列至第（4）列可以觀察到，無論是總的專利申請數還是分為發明、實用新型和外觀設計三類的專利申請數，產業技術相似度都顯著增強了多樣化產業集聚對企業創新產出的促進作用。而且多樣化產業集聚變量的回歸系數不再顯著，這也間接說明，企業創新過程中從多樣化產業集聚中獲取正外部性的程度取決于企業所在行業集聚地產業之間的技術相似度，相似度越高，越有利于知識技術的交流和外溢，從而越有利于提高企業的創新產出。

第（5）列至第（8）列同時納入產業技術相似度和垂直產業關聯度的影響，我們可以發現，與表3的結果類似，整體而言，前向產業關聯度和后向產業關聯度對多樣化產業集聚作用的影響依然是反向的，企業所在行業與其他行業的后向產業關聯度越高，越有利于多樣化集聚積極作用的發揮。而分類回歸顯示，產業技術相似度對于多樣化集聚對發明類創新的調節作用更大，而垂直產業關聯度對于多樣化集聚對實用新型類創新的調節作用更大。這可能是因為發明類實質性創新更依賴于新思想、新知識等要素的交流，對于中間品的依賴相對低，而實用新型類創新主要是圍繞產品的形狀構造進行創新，對中間品和外部市場需求的依賴度都相對高，更容易受到上下游產業知識溢出的影響。

（四）穩健性檢驗

1．選擇性問題

本文采用的是上市公司數據，上市公司的創新數據2007年才開始披露，存在選擇性披露問題，選擇披露創新數據的企業可能本身的創新能力就更強，這使得樣本可能有選擇性。為保證模型估計的有效性，本文通過使用Heckman兩步法進行處理。首先建立第一階段選擇模型，將上市企業分為有專利申請量的企業與沒有專利申請量的企業，將是否有創新產出（ifP_all）作為選擇方程的被解釋變量，同時模型要求至少含有一個不被包含在第二階段的估計方程的變量。該變量選取要求滿足排他性約束條件，即只會影響企業是否有創新產出，而對企業產出數量沒有直接影響。借鑒邱斌等（2008）的處理方法，本文將企業上期的創新選擇變量納入方程中，認為如果某企業在上年進行了創新活動，由于創新活動在規劃上往往具有連續性特征，因此該企業在本年也將更容易選擇開展創新活動，但對實際的創新產出水平沒有直接影響。在經過第一階段后，將估計所得的逆米爾斯比率（imr）作為控制變量引入第二階段的估計中，得到控制住樣本選擇偏誤的估計結果。

第一階段選擇方程為：

第二階段估計方程為：

如表6所示，逆米爾斯比率（imr）都顯著為負，這說明上市公司的研發創新信息披露的確存在選擇性，采用Heckman 兩階段法具有合理性。第（1）和第（2）列沒有考慮垂直產業關聯度和技術相似度的調節性作用，發現考慮了選擇性影響后，多樣化集聚對企業創新的積極影響依然存在。第（3）列和第（4）列加入了產業間經濟和技術關系的影響，可以觀察到，第一階段中，企業上期的創新選擇對當期的創新選擇在1%水平上顯著，第二階段對各變量估計系數的符號與顯著性與表4中的結果基本一致。

2．其他方式的穩健性檢驗

為進一步確定產業關聯對多樣化集聚促進企業創新產出的影響結果的穩健性，本文采取多種方法進行檢驗。（1）剔除掉僅存在一年的企業共338家，樣本量由13955變為13617；（2）替換區域多樣化集聚水平指標，將原本由同城市二位數行業上市企業就業人數計算得到的指標替換為利用《中國城市統計年鑒》中披露的城市分行業從業人數數據計算得到的指標（Agg_d_c）；（3）添加控制變量，將企業流動性資產與年齡變量作為新添加的控制變量引入回歸模型。具體回歸結果如表7所示，可以看到，產業技術相似度與后向關聯關系的提高對區域多樣化集聚水平促進企業創新產出具有正向作用，而前向關聯關系的提高則起到抑制作用，這一結論依然穩健。

（五）異質性分析

在其他條件不變的情況下，企業自身的特征、所處行業特征以及區域特征都影響著城市多樣化產業集聚對企業創新的作用效果。為了進一步探討這些異質性影響，本文在前文的基礎上進一步展開異質性分析，分別從企業規模和股權性質、所屬行業類型與所處地域這三個方面進行分組回歸，結果如表8和表9所示。

首先，企業規模的異質性分析。已有文獻研究一般認為，即使是在同一個城市中，小企業創新往往受益于多樣化經濟，而大企業則受益于專業化經濟（傅十和洪俊杰，2008）。本文以企業總資產的中位數為分界點進行分組，如表8第（1）列和第（2）列所示， 盡管多樣化集聚水平的回歸系數為正但不顯著，但是由交互項系數可以看出，垂直產業關聯度對大企業和小企業獲取多樣化集聚的正外部性都具有顯著的調節作用，但是大企業的調節作用相對更大。但是，控制了垂直產業關聯的影響之后，產業技術相似度的調節作用只在大企業樣本中表現出顯著的正向調節作用，對于大企業而言，企業所在行業的技術與其他行業的技術相似度越高，越有利于其獲取跨行業創新資源流動帶來的知識外溢效應。這可能與規模大的企業的資源獲取能力有關，小企業在創新資源的獲取中相對較弱，高質量的創新要素傾向于流向回報較高的大型企業。

其次，企業股權性質的異質性分析。企業股權性質的不同也可能導致區域集聚水平與產業關聯對企業創新產出影響結果的差異，因此將A股上市企業依據股權性質分為國有企業和非國有企業。如表8 第（3）列和第（4）列所示，無論國有企業還是非國有企業，企業所處行業的后向關聯度越高，越有利于企業從多樣化集聚中獲益。相較之下，企業所處行業的前向關聯度顯著抑制多樣化集聚對企業創新的積極影響。但是，進一步對比垂直產業關聯度交互項的回歸系數，可以看到垂直產業關聯度對于國有企業的調節作用更大。國有企業一般規模相對較大，在城市經濟中扮演重要角色，因而受上下游產業知識外溢影響較為敏感。同樣，由于更容易獲取創新資源流動的知識外溢，產業技術相似度對于多樣化產業集聚作用的調節效應也只在國有企業樣本中體現。

再次，是否高技術行業的異質性分析。依據《高技術產業（制造業）分類（2013）》中公布的高技術產業標準，同時考慮到上市企業可得到的行業代碼為兩位數行業，本文將以下包含了以上三位或四位高技術行業的兩位數門類行業認定為是高技術行業：醫藥制造業、航空航天器及設備制造業、電子及通信設備制造業、計算機及辦公設備制造業、醫療儀器設備及儀器儀表制造業與信息化學品制造業。具體回歸結果如表8第（5）列和第（6）列所示，與前兩組分組結果類似，不僅垂直產業關聯度對多樣化集聚效應的調節作用在高技術產業中更強，而且，產業技術相似度對多樣化集聚效應的調節作用也只在高技術產業樣本中顯著。對高技術產業而言，產品和技術創新的復雜度更高，所需的創新要素質量要求更高，在展開開放式創新的過程中，與上下游產業鏈的創新互動更加頻繁，因此在產業多樣化集聚程度較高的城市中，所在行業與其他行業的垂直產業聯系度越高、產業間技術相似度越高，產業間和企業間的知識溢出對高技術產業中企業的影響越大。

最后，本文按照企業所屬省份將企業所處區域劃分為東部、中部和西部來考察企業所處區位帶來的異質性。分地區的回歸結果表9示，相較之下，只有東部地區的城市多樣化集聚對企業創新具有顯著的促進作用。從垂直產業關聯度來看，東部、中部和西部地區城市產業多樣化集聚的影響都受企業所處行業與其他行業的前向關聯度的顯著負影響和后向關聯度的顯著正影響。但是，從技術相似度來看，只有東部地區的企業能從產業技術相似度受益，所處行業與其他產業的技術相似度越高，越有利于企業從多樣化集聚中獲取知識外溢的好處。得益于更高水平的區域經濟發展水平與市場開放程度，東部地區不僅具有更高的產業多樣化集聚水平，集聚帶來外部性效應也得以實現。流動性與自由度更高的創新要素在集聚企業間充分流通，企業能夠更便利地獲取由此帶來的知識外溢用以創新活動。

五、結論與政策啟示

產業集聚和企業創新的相關研究非常豐富，然而，產業集聚對企業創新影響的機制依然有待發掘。在已有研究的基礎上，本文聚焦產業多樣化集聚帶來的Jacobs外部性對企業創新的影響，從集聚地多樣化產業之間的經濟關聯和技術關聯來考察多樣化集聚對企業創新的作用渠道。以制造業上市公司為研究對象，本文將2006—2017年上市公司財務數據、創新數據與城市特征數據匹配，對相關假說進行檢驗，得到如下結論：

（一）在其他條件既定的情況下，產業多樣化集聚對于制造業企業創新具有顯著的促進作用，但是這一集聚效應依賴于企業所在行業與其他行業之間的經濟關聯和技術關聯，即垂直產業關聯度和產業技術相似度。

（二）垂直產業關聯度對多樣化集聚效應的調節作用不僅顯著，而且具有非對稱性，整體而言，前向產業關聯度具有顯著的抑制效應，而后向產業關聯度具有顯著的增強效應。由于前向行業關聯度和后向產業關聯度可以間接判定企業所處行業是相對的上游和下游（朱平芳等，2016），本文的這一實證結果表明，處于相對上游的企業應用領域相對廣，后向產業關聯度越大，越容易從多樣化集聚中獲益。與既有研究一致，由于上游原材料和中間品等行業多壟斷性較高，創新意愿相對較低，產品和技術創新對下游產業的支撐作用不夠。

（三）技術產業關聯度對多樣化集聚效應表現為顯著的正向調節作用，也就是說，企業所在行業與其他行業的技術相似度越高，越有利于其從城市多樣化集聚中獲益。投入產出結構相似的產業技術之間往往存在共性，創新要素在兩者之間的流動更加頻繁，因此產業技術相似度更高企業更容易從跨行業集聚中獲得知識外溢的好處。

（四）垂直產業關聯度和產業技術相似度對多樣化集聚的調節作用受企業自身特征、行業特征和區域特征的異質性影響。分組回歸顯示，整體而言，垂直產業關聯度的非對稱作用在不同的組別中都顯著存在，規模大的企業、國有企業和高技術產業企業受垂直產業關聯度調節作用更大，而且產業技術相似度也只有在大企業、國有企業、高技術產業企業以及東部地區才具有顯著的正向調節作用。

本文的研究結論表明，在落實創新驅動戰略的過程中，地方政府如果要發揮產業集聚的外部性促進地區企業的創新，一定要重視所在地企業之間的經濟關聯和技術關聯，并以此來優化招商引資戰略，提高當地聚集企業之間的相互依存度，使得企業的集聚不僅僅是地理上的“扎堆”，而是通過經濟聯系、要素流動、創新合作等產生真正的關聯。

參考文獻：

[1]Aarstad J ， Kvitastein O A ， Jakobsen S E .Related and unrelated variety as regional drivers of enterprise productivity and innovation： A multilevel study[J].Research Policy， 2016， 45（4）：844-856.

[2]Antonietti R ， Cainelli G .The role of spatial agglomeration in a structural model of innovation， productivity and export： A firm-level analysis[J].The Annals of Regional Science， 2009， 46（3）：577-600.

[3]Boschma A. ， Lammarino S .Related Variety， Trade Linkages， and Regional Growth in Italy[J].Economic Geography， 2010， 85（3）：289-311.

[4]Boschma，A.，et al.The Emergence of New Industries at the Regional Level in S pain： A Proximity Approach Based on Product Relatedness[J].Economic Geography， 2015， 89（1）：29-51.

[5]Cainelli G ， Ganau R ， Iacobucci D .Do Geographic Concentration and Vertically Related Variety Foster Firm Productivity？ Micro-Evidence from Italy[J].Growth and Change， 2016， 47（2）：197-217.

[6]Caragliu A ， Nijkamp P .Space and knowledge spillovers in European regions： the impact of different forms of proximity on spatial knowledge diffusion[J].Journal of Economic Geography， 2016（3）：

[7]Chinitz B .Growth Management Good for the Town， Bad for the Nation？[J].Journal of the American Planning Association， 2007， 56（1）：3-8.

[8]Duranton， G.， Puga， D. （2004）. “Micro-foundations of urban agglomeration economies.” In： Henderson， J.V.， ThisseJ.-F. （Eds.）， Handbook of Urban and Regional Economics， Vol. 4， North-Holland，? Amsterdam.

[9]Evenhuis E ， Sunley P ， Harris R ，et al. Does spatial proximity raise firm productivity？ Evidence from British manufacturing[J].Cambridge Journal of Regions Economy and Society， 2019， 12（3）：318-337.

[10]Feldman， M. （1994）. The Geography of Innovation， Kluwer Academic， Boston.

[11]Frenken， K. et al. Related Variety， Unrelated Variety and Regional Economic Growth[J].Regional Studies， 2007， 41（5）：685-697.

[12]Glaeser， E. et al. Growth in Cities[J].Journal of Political Economy， 1992， 100（11）：44-55.

[13]Jacobs， J. （1969）. The Economy of Cities， Vintage Books， New York.

[14]Jaffe，A．The Importance of Spillovers in the Policy Mission of the Advanced Technology Program[J]. Journal of Technology Transfer， 1998， 23（2）：11-19．

[15]Li K .Innovation externalities and the customer/supplier link[J].Journal of Banking & Finance， 2018， 86： 101-112.

[16]Neffke F ， Henning M ， Boschma R .How Do Regions Diversify over Time？ Industry Relatedness and the Development of New Growth Paths in Regions[J]. Economic Geography， 2011， 38（2）：318-337.

[17]Rosenthal， S.， Strange， W. The attenuation of human capital spillovers[J]. Journal of Urban Economics， 2008，? 64 （2）， 373-89.

[18]陳愛貞，陳鳳蘭，何誠穎．產業鏈關聯與企業創新［J］．中國工業經濟，2021（ 9）：80-98．

[19]陳勝藍，劉曉玲.生產網絡中的創新溢出效應——基于國家級高新區的準自然實驗研究[J].經濟學（季刊），2021，21（05）：1839-1858.

[20]董曉芳，袁燕.企業創新、生命周期與聚集經濟[J].經濟學（季刊），2014，13（02）：767-792.

[21]傅十和，洪俊杰．企業規模、城市規模與集聚經濟—對中國制造業企業普查數據的實證分析［J］．經濟研究，2008（ 11） ： 112- 125．

[22]杜威劍，李夢潔.產業集聚會促進企業產品創新嗎？—基于中國工業企業數據庫的實證研究[J].產業經濟研究， 2015（4）：1- 9 + 20．

[23]高旻昱，曾剛，王豐龍.相關多樣化、非相關多樣化與區域創新產出——以長三角地區為例[J].人文地理，2020，35（05）：103-110.

[24]賀燦飛，陳韜.外部需求沖擊、相關多樣化與出口韌性[J].中國工業經濟，2019（07）：61-80.

[25]寇宗來，劉學悅.中國企業的專利行為：特征事實以及來自創新政策的影響[J].經濟研究，2020，55（03）：83-99.

[26]李善同，鐘思斌.我國產業關聯和產業結構變化的特點分析[J].管理世界，1998（03）：61-68.

[27]梁琦，錢學鋒.外部性與集聚：一個文獻綜述[J].世界經濟，2007（02）：84-96.

[28]潘文卿，李子奈，劉強.中國產業間的技術溢出效應：基于35個工業部門的經驗研究[J].經濟研究，2011，46（07）：18-29.

[29]龐磊，陽曉偉.中國產業鏈關鍵環節自主可控何以實現？——對高新技術企業集聚效應與技術創新的考察[J].南方經濟，2023（05）：107-126.

[30]邱斌，楊帥，辛培江．FDI 技術溢出渠道與中國制造業生產率增長研究： 基于面板數據的分析［J］．世界經濟，2008（ 8） ： 20-31．

[31]沈鴻，向訓勇.專業化、相關多樣化與企業成本加成——檢驗產業集聚外部性的一個新視角[J].經濟學動態，2017（10）：81-98.

[32]蘇丹妮，盛斌，邵朝對.產業集聚與企業出口產品質量升級[J].中國工業經濟，2018（11）：117-135.

[33]萬道俠，胡彬，李葉.相關多樣化、無關多樣化與城市創新——基于中國282個地級城市面板數據的實證[J].財經科學，2019（05）：56-70.

[34]王俊松.集聚經濟、相關性多樣化與城市經濟增長——基于279個地級及以上城市面板數據的實證分析[J].財經研究，2016，42（05）：135-144.

[35]王然，燕波，鄧偉根.FDI對我國工業自主創新能力的影響及機制——基于產業關聯的視角[J].中國工業經濟，2010（11）：16-25.

[36]溫軍等.上游資源型壟斷與下游創新--來自中國制造業企業的經驗證據[J].南開經濟研究， 2022（9）：132-150.

[37]吳三忙，李善同.專業化、多樣化與產業增長關系——基于中國省級制造業面板數據的實證研究[J].數量經濟技術經濟研究，2011，28（08）：21-34.

[38]吳一平，李魯.中國開發區政策績效評估：基于企業創新能力的視角[J].金融研究，2017（06）：126-141.

[39]楊紅麗，陳釗. 外商直接投資水平溢出的間接機制：基于上游供應商的研究[J]. 世界經濟，2015，38（3）：123-144.

[40]尹靜，平新喬.中國地區（制造業行業）間的技術溢出分析[J].產業經濟研究，2006（01）：1-10+68.

[41]張皓，趙佩玉，梁維娟，虞義華.空間集聚、產業關聯與企業創新[J].產業經濟研究，2022（05）：28-41.

[42]張宗慶，高彥彥，鄭江淮.企業是如何創新的？——基于上海工業企業創新價值鏈的實證研究[J].南大商學評論，2012，9（04）：1-22.

[43]鄭江淮，高彥彥，胡小文.企業”扎堆”，技術升級與經濟績效——開發區集聚效應的實證分析[J].經濟研究， 2008（5）：33-46.

[44]朱平芳，項歌德，王永水．中國工業行業間 Ｒ＆D 溢出效應研究［J］．經濟研究，2016（ 11） ： 44-55．