產(chǎn)業(yè)集群對企業(yè)成長的影響*
——基于中國制造業(yè)企業(yè)數(shù)據(jù)的實證研究

王 珺，郭惠武

一、引言與文獻評述

企業(yè)成長，即企業(yè)規(guī)模的增長，取決于企業(yè)內(nèi)部的特征，也受到外部環(huán)境的影響。作為企業(yè)能力理論的開創(chuàng)者，潘羅斯(Penrose，1959)著重從企業(yè)內(nèi)部的資源理解企業(yè)成長機制。她認為由于不可分割性、專業(yè)化以及新生產(chǎn)性服務(wù)的不斷產(chǎn)生，企業(yè)內(nèi)部總存在未被充分利用的資源。企業(yè)在提供生產(chǎn)性服務(wù)的過程中，管理團隊的知識不斷增加，從而資源也能夠得到更加充分地利用，企業(yè)內(nèi)部資源被更充分的利用進而產(chǎn)生出更多的生產(chǎn)性服務(wù)，就推動了企業(yè)成長。但我們也應(yīng)該看到，在企業(yè)內(nèi)部資源一定的情況下，企業(yè)所處的環(huán)境如市場的競爭程度及區(qū)域特征對企業(yè)規(guī)模的增長也產(chǎn)生著不可忽視的影響。產(chǎn)業(yè)集群作為企業(yè)的一種生存環(huán)境，其對企業(yè)成長的作用也越來越受到了理論界的關(guān)注，但產(chǎn)業(yè)集群究竟是否利于企業(yè)的成長，在理論上仍然存在著分歧。產(chǎn)業(yè)集群是相關(guān)行業(yè)的一群企業(yè)在某一區(qū)域集中的現(xiàn)象，而企業(yè)的集中會產(chǎn)生豐富的外部性，這些外部性有利于企業(yè)成長。集群中企業(yè)間外部性主要體現(xiàn)在集群中的企業(yè)可以共享勞動力市場，企業(yè)之間的技術(shù)溢出，企業(yè)間存在產(chǎn)業(yè)鏈之間的配套以及企業(yè)共享區(qū)域的品牌聲譽等(Marshall，1890;Duranton＆Puga，2004)。集群中的這些外部性可促進企業(yè)降低經(jīng)營成本，因此，相對于集群之外的企業(yè)，集群內(nèi)的企業(yè)具有更大的擴張規(guī)模的機會。但同時應(yīng)注意到，產(chǎn)業(yè)集群也存在不利于企業(yè)成長的方面:首先，由于產(chǎn)業(yè)集群存在外部性，會吸引外部企業(yè)遷移到集群中并促進集群中新企業(yè)的創(chuàng)生，于是在一定時間內(nèi)，集群內(nèi)部企業(yè)間的競爭加劇，集群中企業(yè)的規(guī)模擴張因此受到了限制(Cook et al，2001;Melitz ＆ Ottaviano，2008;Porter，1990);其次，由于產(chǎn)業(yè)集群地域范圍較小，所以集群中的企業(yè)及企業(yè)之間的經(jīng)濟關(guān)系嵌入到了當(dāng)?shù)氐纳鐣W(wǎng)絡(luò)中，這一網(wǎng)絡(luò)有助于減少違約率從而降低交易成本(Becattini，1990)，但較低的交易成本會促進企業(yè)間的垂直分工，這也抑制了企業(yè)規(guī)模的增長。施蒂格勒(Stigler，1951)曾指出，產(chǎn)業(yè)的地理集中降低了企業(yè)間的信息溝通成本，增大了市場容量，市場容量的增大又促進了區(qū)域內(nèi)企業(yè)間的分工，進而導(dǎo)致該區(qū)域內(nèi)的企業(yè)規(guī)模較小。由于集群有促進企業(yè)成長的方面，也存在抑制企業(yè)成長的方面，所以在現(xiàn)實當(dāng)中，產(chǎn)業(yè)集群對企業(yè)成長作用的方向究竟如何，還需要通過具體的實證分析給出答案。

產(chǎn)業(yè)集群對企業(yè)成長作用的不確定性也引發(fā)了驗證二者關(guān)系的一系列實證文獻，這些文獻基本上都支持了集群對企業(yè)成長有正向作用的結(jié)論。部分文獻以個別行業(yè)為研究對象，如斯旺和普雷維澤(Swann＆Prevezer，1996)研究了美國計算機和生物技術(shù)產(chǎn)業(yè)中集群對于企業(yè)成長的影響。他們以企業(yè)所屬行業(yè)在本地區(qū)的就業(yè)人數(shù)來度量集群效應(yīng)，以美國的州作為集群的地理范圍，結(jié)果發(fā)現(xiàn)產(chǎn)業(yè)集群有利于企業(yè)成長。巴普蒂斯塔和斯旺(Baptista＆Swann，1999)利用了美國1988年和英國1991年的企業(yè)普查數(shù)據(jù)，驗證了美國和英國計算機產(chǎn)業(yè)中集群對于企業(yè)成長的影響。在該文中，集群效應(yīng)也是以企業(yè)所屬行業(yè)在本地區(qū)的就業(yè)人數(shù)來度量的，結(jié)果發(fā)現(xiàn)美國和英國的產(chǎn)業(yè)集群對企業(yè)成長均有促進作用。庫克、潘迪特和斯旺(Cook，Pandit＆ Swann，2001)考察了英國廣播業(yè)產(chǎn)業(yè)集群對于企業(yè)成長的影響，結(jié)果也發(fā)現(xiàn)集群可以促進企業(yè)成長。曼尼、夏皮羅和維寧(Maine，Shapiro ＆ Vining，2010)研究了美國高技術(shù)企業(yè)集群對于企業(yè)成長的作用，其實證分析中，采取了兩種方法進行驗證:一種是通過設(shè)置虛擬變量的方法比較集群內(nèi)外企業(yè)的成長率，發(fā)現(xiàn)結(jié)果并不顯著;另一種是考察集群外的企業(yè)與中心集群之間距離對企業(yè)成長率的影響，發(fā)現(xiàn)與中心集群的距離越小，則企業(yè)成長越快，一定程度上得出了集群有利于企業(yè)成長的結(jié)論。格羅伯曼夏、皮羅和維寧(Globerman，Shapiro＆ Vining，2005)考察了加拿大IT產(chǎn)業(yè)中集群對于企業(yè)成長的影響，也發(fā)現(xiàn)集群對于企業(yè)成長有正向作用。

另外一些文獻基于某國的全行業(yè)數(shù)據(jù)也得出了類似的結(jié)論。博德里和斯旺(Beaudry＆Swann，2009)利用英國產(chǎn)業(yè)集群和企業(yè)的數(shù)據(jù)，研究了產(chǎn)業(yè)集群中本行業(yè)就業(yè)人數(shù)及其他行業(yè)就業(yè)人數(shù)對于集群企業(yè)的成長率的影響，發(fā)現(xiàn)集群企業(yè)的成長率與本行業(yè)的就業(yè)人數(shù)呈正相關(guān)關(guān)系，而與其他行業(yè)的就業(yè)人數(shù)呈負相關(guān)關(guān)系，該方法是以地區(qū)的專業(yè)化程度來代表產(chǎn)業(yè)集群的集聚程度。洪斯特拉和范迪克(Hoogstra＆Van Dijk，2004)利用荷蘭北部各行業(yè)共3.5萬家企業(yè)1994至1999年間的數(shù)據(jù)，驗證了企業(yè)所處區(qū)域的特征對于企業(yè)成長的影響，發(fā)現(xiàn)從全行業(yè)及制造業(yè)來看，區(qū)域中某行業(yè)企業(yè)的集中有利于該行業(yè)企業(yè)的成長。

以上的文獻分別對美國、英國、荷蘭及加拿大幾個發(fā)達國家的產(chǎn)業(yè)集群進行了研究，一致得出了產(chǎn)業(yè)集群可促進企業(yè)成長的結(jié)論。在中國，產(chǎn)業(yè)集群也是近20多年來工業(yè)化過程中的突出現(xiàn)象。我們根據(jù)中國制造業(yè)企業(yè)數(shù)據(jù)，按照下文產(chǎn)業(yè)集群的度量方法，發(fā)現(xiàn)2002年產(chǎn)業(yè)集群有540個，2007年有2141個;在2007年，集群中的企業(yè)有49846個，占當(dāng)年全部制造業(yè)企業(yè)數(shù)量的近1/6;集群中企業(yè)銷售額占全國制造業(yè)銷售額的比重也較高，2007年為16.65%。所以，在當(dāng)前產(chǎn)業(yè)集群快速發(fā)展的情況下，我們也很想知道，中國的產(chǎn)業(yè)集群對于企業(yè)成長的影響如何，但目前還沒有利用中國的數(shù)據(jù)針對此問題進行嚴格的實證研究。本文利用了2002年至2007年持續(xù)存在的75131家制造業(yè)企業(yè)的數(shù)據(jù)進行的實證分析對這一問題提供了中國的經(jīng)驗證據(jù)。

在已有相關(guān)文獻的基礎(chǔ)上，本文對集群識別方法作了改進。Swann參與的多篇文章中，均使用本區(qū)域內(nèi)本行業(yè)的就業(yè)數(shù)量度量集群效應(yīng)，這很難排除大企業(yè)的影響。如果某地區(qū)存在個別大企業(yè)，則用此方法度量的集群效應(yīng)也會較大，但實際上該地區(qū)的企業(yè)數(shù)量較少，仍然很難稱得上是我們所說的集群。Beaudry和Swann(2009)在全行業(yè)的分析中以及Hoogstra和Van Dijk(2004)的分析中還使用了本行業(yè)就業(yè)人數(shù)在本地區(qū)總就業(yè)人數(shù)的比例來度量集群效應(yīng)，這樣就用地區(qū)專業(yè)化水平來代替了產(chǎn)業(yè)集群效應(yīng)，而二者是不同的概念。Maine，Shapiro和Vining(2010)采用了哈佛集群地圖項目的成果來區(qū)分集群內(nèi)外的企業(yè)這一方法也缺乏普遍性。為了較準確地識別出集群和計算出集群內(nèi)外企業(yè)成長率的差異，本文以同一行業(yè)一定數(shù)量的企業(yè)在一相對較小區(qū)域內(nèi)的集中這一集群的核心概念，利用聚類方法識別出產(chǎn)業(yè)集群，進而把企業(yè)分為集群中的企業(yè)和集群外的企業(yè)。通過在回歸方程中加入是否為集群企業(yè)的虛擬變量計算出集群內(nèi)外企業(yè)成長的差異。

下面的內(nèi)容安排為:第二部分是實證模型設(shè)定;第三部分說明數(shù)據(jù)情況、介紹識別集群的方法并對變量進行描述;第四部分利用2002年至2007年中國制造業(yè)的面板數(shù)據(jù)，就產(chǎn)業(yè)集群對企業(yè)成長的影響進行實證研究;第五部分是結(jié)論。

二、模型設(shè)定

關(guān)于企業(yè)成長相關(guān)命題的驗證，目前比較成熟的模型主要來自對“吉布萊特定律”的實證分析。法國學(xué)者羅伯特·吉布萊特(Robert Gibrat)在其1931年出版的《非均衡經(jīng)濟學(xué)》一書中提出了企業(yè)的成長率與企業(yè)規(guī)模無關(guān)的假說，被稱為吉布萊特定律。吉布萊特定律提出后引發(fā)了大量的企業(yè)成長率與企業(yè)規(guī)模以及企業(yè)年齡之間關(guān)系的實證研究，目前許多研究發(fā)現(xiàn)企業(yè)規(guī)模及年齡與企業(yè)成長率之間存在比較顯著的非線性關(guān)系(Evans 1987a，1987b;Dunne et al.1989)。Maine等學(xué)者(2010)在分析集群對企業(yè)成長的作用時也主要采用了這類企業(yè)成長模型?？紤]到此類模型在企業(yè)成長驗證上具有較好的擬合程度，本文也將以伊萬斯(Evans，1987a，1987b)提出的模型為基礎(chǔ)，把企業(yè)規(guī)模和年齡的一次項、平方項及交互項作為基本的控制變量，在此基本的企業(yè)成長回歸模型中，加入是否為集群企業(yè)的虛擬變量作為關(guān)鍵自變量，同時引入其他控制變量，來對產(chǎn)業(yè)集群與企業(yè)成長的關(guān)系進行驗證。企業(yè)成長方程可表示為:

G為企業(yè)的成長方程，Sit為企業(yè)在t期的規(guī)模，Ait為企業(yè)在t期的年齡，τ為時間間隔，eit為服從對數(shù)正態(tài)分布的誤差項。兩邊取對數(shù)以后得到方程(2):

對 lnG［Ait，Sit］進行對數(shù)二階展開，可以得方程(3):

如果因變量為連續(xù)兩年的增長率并略作整理可得到:

方程(4)為我們所需要的回歸模型。其中，lnG［Ait，Si，t－1］包括企業(yè)規(guī)模、年齡的一次項、二次項及交互項，cluster為集群變量，Xit為其他一系列解釋變量，可包括企業(yè)特征和行業(yè)特征等。ai為觀測不到的不隨時間變化的因素，uit為時變誤差。

三、數(shù)據(jù)、方法及變量描述

(一)數(shù)據(jù)來源及樣本選擇

本文數(shù)據(jù)來源于中國工業(yè)企業(yè)數(shù)據(jù)庫，該數(shù)據(jù)庫涵蓋了全部國有及規(guī)模以上非國有企業(yè)(年銷售收入在500萬元以上)，并提供了企業(yè)的基本情況和各項財務(wù)、產(chǎn)值指標(biāo)。在企業(yè)基本情況中，可利用企業(yè)的行政區(qū)劃代碼及郵政編碼確定企業(yè)所處的區(qū)域，企業(yè)所擁有的四位數(shù)的行業(yè)代碼提供了企業(yè)所屬產(chǎn)業(yè)的信息。由于2002年前后我國行業(yè)分類發(fā)生了變化，所以為方便起見，我們主要考察從2002年至2007年的數(shù)據(jù)。采掘業(yè)、水、電、煤氣等行業(yè)產(chǎn)業(yè)集群的現(xiàn)象主要決定于地區(qū)的資源，該類集群中的外部性并不明顯，因此本文不考察此類行業(yè)的產(chǎn)業(yè)集群，而僅關(guān)注兩位數(shù)行業(yè)代碼從13至42的29個制造業(yè)行業(yè)。為方便計算每兩年的企業(yè)成長率，我們挑出了數(shù)據(jù)庫中從2002年至2007年持續(xù)存在的企業(yè)，形成一個企業(yè)的平衡面板數(shù)據(jù)。2004年缺少工業(yè)總產(chǎn)值、工業(yè)增加值、新產(chǎn)品產(chǎn)值、工業(yè)銷售產(chǎn)值、出口交貨值幾個變量的數(shù)據(jù)，所以2004年的這幾個指標(biāo)的數(shù)值用2003年及2005年相關(guān)數(shù)據(jù)的平均值來代替。

由上面的介紹可以看出，本文的樣本選擇是非隨機的。首先，由于選擇了規(guī)模以上的企業(yè)，則在我們的分析中忽略了年銷售額在500萬元以下的企業(yè)。對于這一點，由于數(shù)據(jù)的限制，我們難以進行補救，所以，本文直接把規(guī)模以上的企業(yè)作為分析的總體，而且根據(jù)2004年規(guī)模以上企業(yè)數(shù)據(jù)與2004年經(jīng)濟普查企業(yè)數(shù)據(jù)的對比發(fā)現(xiàn)，規(guī)模以上企業(yè)工業(yè)總產(chǎn)值占全國所有工業(yè)企業(yè)總產(chǎn)值的90%以上，因此把規(guī)模以上企業(yè)作為總體，具有一定的合理性。其次，我們選擇了持續(xù)存在于數(shù)據(jù)庫中的企業(yè)作為樣本。這樣，2002至2007年間進入或退出數(shù)據(jù)庫的企業(yè)就沒有包括在樣本中。對于這個問題，我們主要考察這種樣本選擇方式是否存在內(nèi)生樣本選擇問題，即樣本的選擇是否是以因變量為基礎(chǔ)的。選出持續(xù)存在企業(yè)的方法忽略了原來在數(shù)據(jù)庫中，而之后由于破產(chǎn)、合并、規(guī)模下降等原因不再在數(shù)據(jù)庫中出現(xiàn)的企業(yè);同時也忽略了原來不在數(shù)據(jù)庫中，但在考察期內(nèi)新成立，或規(guī)模增大達到標(biāo)準而進入數(shù)據(jù)庫的企業(yè)。雖然，企業(yè)進入及退出數(shù)據(jù)庫與企業(yè)成長率有一定的聯(lián)系，但這種樣本選擇方式并不是基于因變量進行的;同時企業(yè)成長率對于這兩個方面的影響基本上是對稱的，所以，雖然本文的樣本選擇是非隨機的，但并不存在內(nèi)生樣本選擇問題。另外，我們進行計量分析的主要目的是比較集群內(nèi)外企業(yè)的成長率，這種非隨機的抽樣不影響集群內(nèi)企業(yè)和集群外企業(yè)出現(xiàn)的隨機性，也不影響集群內(nèi)外企業(yè)不同成長率企業(yè)出現(xiàn)的隨機性。因此，我們?nèi)匀荒軌蚶眠@些樣本得到總體的無偏和一致估計量。

(二)集群的識別

產(chǎn)業(yè)集群的界定和識別是本研究的重要前提，也具有一定的難度。之所以有難度，一方面是由于數(shù)據(jù)資料的限制;另一方面，目前集群的定義在理論界還沒有一個統(tǒng)一的認識，集群概念所涉及的因素比較復(fù)雜。因此，完全準確地劃分出集群是不現(xiàn)實的，我們只能抓住各種集群概念中的最核心的、共同具有的、最能體現(xiàn)出集群基本含義的特征，充分利用現(xiàn)有數(shù)據(jù)來對集群作出界定。馬歇爾(Marshall，1890)從理論上關(guān)注了產(chǎn)業(yè)集群這一現(xiàn)象，在其分析中，產(chǎn)業(yè)集群是指存在企業(yè)間外部性的專業(yè)化產(chǎn)業(yè)區(qū)。比卡提尼(Becattini，1990)認為產(chǎn)業(yè)集群是生產(chǎn)相同或類似產(chǎn)品的企業(yè)在一定空間上的集聚，同時產(chǎn)業(yè)集群又是一個社區(qū)關(guān)系網(wǎng)絡(luò)。波特(Porter，1998)把集群定義為某一特定領(lǐng)域內(nèi)通過相似性或互補性而相互聯(lián)系的、并在地理空間上相對集中的公司和機構(gòu)的集合。從這幾種定義我們可以抽出三個共性的方面，即相關(guān)或類似行業(yè)、一群企業(yè)及一定區(qū)域，這三個方面可以作為界定集群的基本要素。那么集群就可定義為相關(guān)或相似行業(yè)的一群企業(yè)在相對較小的區(qū)域范圍內(nèi)的集中①根據(jù)此定義，目前一些文獻中使用的識別產(chǎn)業(yè)集群的方法便不太適用，如某些文獻使用產(chǎn)值的區(qū)位商來識別集群，即如果某一地區(qū)某一行業(yè)的區(qū)位商大于1，則認為此地區(qū)存在產(chǎn)業(yè)集群。但是區(qū)位商主要度量某一產(chǎn)業(yè)在某地區(qū)的專業(yè)化程度。地區(qū)的專業(yè)化與產(chǎn)業(yè)集群雖然有一定聯(lián)系，但不完全相同，比如某地存在一個集群，如果這個集群的產(chǎn)值很小，則區(qū)位商可能會小于1，則這個集群便不能被識別出來。，并且從區(qū)域范圍、相關(guān)行業(yè)及企業(yè)數(shù)量三個方面來界定集群。在識別產(chǎn)業(yè)集群時，空間的范圍不能過大，產(chǎn)業(yè)集群最主要的特征是企業(yè)之間的外部性。如果空間距離過大，則很難體現(xiàn)出企業(yè)間的外部性。鄉(xiāng)鎮(zhèn)和街道②鄉(xiāng)鎮(zhèn)這一級的行政單位還包括街道辦事處等，這里“鄉(xiāng)鎮(zhèn)”這一名稱代表這一級的行政區(qū)。是我國最小的行政單位，外部性相對更容易體現(xiàn)，同時鄉(xiāng)鎮(zhèn)也具有一定的空間，可以容納集群企業(yè)的活動，所以我們主要選取鄉(xiāng)鎮(zhèn)級行政區(qū)作為集群的空間范圍③由于數(shù)據(jù)庫中鄉(xiāng)鎮(zhèn)行政區(qū)的代碼及名稱缺失較多，而我國絕大部分地區(qū)基本上是每個鄉(xiāng)、鎮(zhèn)一個郵政編碼，所以可采用郵政編碼區(qū)域來代替鄉(xiāng)鎮(zhèn)行政區(qū)。。關(guān)于行業(yè)，根據(jù)2003年以后采用的新的國民經(jīng)濟行業(yè)代碼(GB/T4754—2002)，制造業(yè)的兩位數(shù)行業(yè)共29個，每一個行業(yè)內(nèi)部的三位數(shù)行業(yè)差異較大，所以不太合適用來界定集群。四位數(shù)行業(yè)共480個，劃分很細，但如果以四位數(shù)行業(yè)界定集群，則可能忽略了相似并有一定相關(guān)性的行業(yè)，從而漏掉一些集群。三位數(shù)行業(yè)共167個，每個行業(yè)內(nèi)部的四位數(shù)行業(yè)之間差異較小，且大多相互關(guān)聯(lián)，較為符合集群概念的要求，所以我們以三位數(shù)行業(yè)來界定集群。第三個方面，一個區(qū)域當(dāng)中同行業(yè)的企業(yè)數(shù)量達到多大時才能稱作集群，這是無法進行嚴格規(guī)定的。我們可依據(jù)以下理念對集群企業(yè)和非集群企業(yè)進行劃分:產(chǎn)業(yè)集群主要是指企業(yè)分布不均勻的現(xiàn)象，即企業(yè)不是在空間上等距均勻分布的，而是有些企業(yè)分散，有些企業(yè)集中在一起，這也就意味著某一行業(yè)的企業(yè)在各鄉(xiāng)鎮(zhèn)的分布也是不均勻的，有的鄉(xiāng)鎮(zhèn)多，有的鄉(xiāng)鎮(zhèn)少，如果某個鄉(xiāng)鎮(zhèn)同行業(yè)企業(yè)數(shù)量明顯較多，就可判斷該鄉(xiāng)鎮(zhèn)存在一個產(chǎn)業(yè)集群。據(jù)此，我們運用聚類分析方法對企業(yè)進行分組，每個鄉(xiāng)鎮(zhèn)每個三位數(shù)行業(yè)的企業(yè)數(shù)為基本觀察單位，這樣全國各鄉(xiāng)鎮(zhèn)內(nèi)各三位數(shù)行業(yè)的企業(yè)數(shù)量構(gòu)成一個數(shù)據(jù)集①不考慮企業(yè)數(shù)為0的情況。。對此數(shù)據(jù)集進行K值聚類分析，把各鄉(xiāng)鎮(zhèn)中同行業(yè)的企業(yè)數(shù)劃分為兩組:企業(yè)數(shù)量較多的一組和企業(yè)數(shù)量較少的一組。那么，企業(yè)數(shù)量較多的一組相對來說出現(xiàn)了明顯的企業(yè)集中，這些鄉(xiāng)鎮(zhèn)的這群企業(yè)就是一個集群。K值聚類的分界點就是最小的集群企業(yè)數(shù)量，如果某個鄉(xiāng)鎮(zhèn)某個三位數(shù)行業(yè)的企業(yè)數(shù)量大于這個數(shù)值，則這個鄉(xiāng)鎮(zhèn)就存在一個集群。對2002年至2007年每一年的數(shù)據(jù)進行聚類分析，則得到6個聚類分界點，各年聚類分界點的平均值取整后為12，所以我們把12個企業(yè)數(shù)作為集群與非集群的基本分界線。需要說明的是在識別產(chǎn)業(yè)集群時我們利用的是全部制造業(yè)企業(yè)的數(shù)據(jù)，在進行計量回歸時使用平衡面板數(shù)據(jù)。

集群確定之后，我們根據(jù)每個企業(yè)是否在這些集群中，來對虛擬變量進行賦值。這里虛擬變量是隨時間變化的，即某一些企業(yè)最初其所處的鄉(xiāng)鎮(zhèn)不存在所屬行業(yè)的集群，但隨著該鄉(xiāng)鎮(zhèn)該產(chǎn)業(yè)的發(fā)展，集群出現(xiàn)了，于是該企業(yè)的集群虛擬變量賦值由0變?yōu)?，同時在集群衰落的情況下，企業(yè)的集群虛擬變量就由1變?yōu)?。這樣通過面板數(shù)據(jù)的計量分析，我們不僅可以分析同一截面上集群內(nèi)外企業(yè)之間的差別，也可以分析一個企業(yè)進入或退出集群前后的差異②此處的進入和退出是指，企業(yè)所處的區(qū)域有可能隨著企業(yè)數(shù)量的增加而變成集群，這時企業(yè)就成為集群中的企業(yè)，同時也可能由于企業(yè)數(shù)量的減少，原來是集群，現(xiàn)在就不再是集群，此時企業(yè)也不再是集群中的企業(yè)，所以這里的進入和退出并不是指企業(yè)在地理空間上的遷移。。表1給出了集群識別的基本情況。首先，根據(jù)各年全部企業(yè)數(shù)據(jù)來識別集群。2002年全部規(guī)模以上企業(yè)共162286個，至2007年升至312394個;所涉及的郵政編碼區(qū)域2002年為17525個，2007年為21029個;通過聚類分析，2002年集群的分界點是6，即當(dāng)某個郵政編碼區(qū)域三位數(shù)行業(yè)的企業(yè)數(shù)量超過6個時，這個區(qū)域便存在一個集群，2007年分界點是17。當(dāng)各年均以12為集群分界點時，2002年有540個集群，集群內(nèi)的企業(yè)數(shù)量為10930個，規(guī)模最大的集群有164個企業(yè);2007年有2141個集群，集群內(nèi)企業(yè)數(shù)量為49846個，規(guī)模最大的集群有302個企業(yè)。其次，判斷2002年至2007年持續(xù)存在的企業(yè)中，哪些是集群中的企業(yè)，哪些不是。這段時間持續(xù)存在的企業(yè)共75131個，2002年集群中的企業(yè)共5833個，2007年共10629個。

表1 企業(yè)及集群的基本情況

③ 本文僅考慮了某三位數(shù)行業(yè)企業(yè)數(shù)量大于0的郵政編碼區(qū)域。

(三)變量描述

本文所研究的企業(yè)成長是企業(yè)規(guī)模的增長率，企業(yè)的規(guī)模由企業(yè)銷售收入來度量。根據(jù)前面介紹的企業(yè)成長方程，以企業(yè)規(guī)模對數(shù)值的差來得到企業(yè)規(guī)模的增長率近似值，基本的控制變量包括企業(yè)規(guī)模的對數(shù)值、企業(yè)年齡的對數(shù)值、企業(yè)規(guī)模對數(shù)值的平方、企業(yè)年齡對數(shù)值的平方及規(guī)模和年齡的交叉項。為避免出現(xiàn)多重共線性，計算交叉項時，規(guī)模和年齡先減去了平均值后再相乘。企業(yè)的年齡由企業(yè)創(chuàng)辦至今的年數(shù)來代表。由于我們主要觀察市場經(jīng)濟條件下企業(yè)的成長特征，所以對于在1979年以前計劃經(jīng)濟時代及解放前創(chuàng)辦的企業(yè)我們用1979年來截斷，這些企業(yè)的創(chuàng)辦年份統(tǒng)一為1979年(見表2)。

在計量模型中還控制了一些企業(yè)特征。在我國經(jīng)濟外向度不斷提高的情況下，出口對于企業(yè)的成長可能產(chǎn)生影響，伯納德(Bernard＆Wagner，1997)發(fā)現(xiàn)出口對于企業(yè)年增長率的影響為正且是顯著的。這里我們采用企業(yè)出口交貨值占企業(yè)工業(yè)銷售產(chǎn)值的比重來度量企業(yè)的出口率。許多文獻都發(fā)現(xiàn)企業(yè)創(chuàng)新越多則企業(yè)成長越快(Mansfield，1962;Hall，1987)。企業(yè)創(chuàng)新可用企業(yè)的研發(fā)密集度及企業(yè)新產(chǎn)品率來度量，但企業(yè)研發(fā)投入只有2005至2007年三年的數(shù)據(jù)，所以我們僅用新產(chǎn)品率度量企業(yè)的創(chuàng)新水平。企業(yè)的新產(chǎn)品率由企業(yè)當(dāng)年新產(chǎn)品產(chǎn)值占企業(yè)工業(yè)總產(chǎn)值的比重來度量。張維迎等(2005)發(fā)現(xiàn)企業(yè)的負債率對企業(yè)的成長率有負的影響。這里我們也把企業(yè)的負債率作為一個控制變量。負債率由企業(yè)負債總額除以企業(yè)總資產(chǎn)獲得。

不同的行業(yè)，企業(yè)成長率有一定差異，所以我們需要控制行業(yè)特征。本文采用行業(yè)資本密集度來控制行業(yè)特征。不同資本密集度行業(yè)的規(guī)模經(jīng)濟特性不同，所以企業(yè)成長率也有差異，因此，行業(yè)的資本密集度適合用來作為行業(yè)的控制變量。行業(yè)資本密集度由行業(yè)固定資產(chǎn)年平均余額除以行業(yè)全部職工年平均人數(shù)得到。

本文主要關(guān)注的是集群企業(yè)虛擬變量，為考察結(jié)論對集群企業(yè)數(shù)量界限的敏感程度，我們采用了多個劃分集群的界限分別進行回歸分析。在下面的計量回歸中采用了 5、10、11、12、13、15、25、30作為集群企業(yè)數(shù)量劃分的界限;主要關(guān)注的企業(yè)數(shù)量界限是12，如果界限取12附近的數(shù)字時，結(jié)論沒有發(fā)生明顯逆轉(zhuǎn)，則12這個界限是合適的，結(jié)論相對來說也是穩(wěn)健的。為進一步考察結(jié)論的穩(wěn)健性，我們采用連續(xù)變量作為集群變量，主要選取了體現(xiàn)產(chǎn)業(yè)集聚程度的指標(biāo)，包括各鎮(zhèn)某三位數(shù)行業(yè)銷售額占全國該三位數(shù)行業(yè)銷售額的比重;各鎮(zhèn)三位數(shù)行業(yè)企業(yè)數(shù)量占全國該三位數(shù)行業(yè)企業(yè)數(shù)量的比重;各鎮(zhèn)三位數(shù)行業(yè)企業(yè)數(shù)量的對數(shù)值。雖然采用這些連續(xù)變量進行的計量分析與我們考察的集群對企業(yè)成長的影響這一問題不完全相同，但這種方法也度量了企業(yè)集中程度對企業(yè)成長的影響，一定程度上可以回答我們關(guān)注的問題。

表3給出了主要變量的描述性統(tǒng)計。

表2 變量說明

表3 平衡面板數(shù)據(jù)主要變量的描述性統(tǒng)計

四、實證結(jié)果

(一)設(shè)置集群企業(yè)虛擬變量的方法

首先我們采用虛擬變量的方法，考察集群對于企業(yè)成長的影響，其基本含義就是比較集群內(nèi)外企業(yè)的成長率。如果集群虛擬變量系數(shù)顯著為正，集群內(nèi)的企業(yè)成長快于集群外的企業(yè)，則說明集群有利于企業(yè)成長，反之則不利于企業(yè)成長。由于數(shù)據(jù)集是一個面板數(shù)據(jù)，所以我們首先通過Hausman檢驗來判斷采用固定效應(yīng)模型還是隨機效應(yīng)模型進行估計。Hausman檢驗顯著地拒絕了原假設(shè)，因此我們采用固定效應(yīng)模型進行回歸。本文中的數(shù)據(jù)模型全部存在異方差，所以下面的結(jié)果均基于穩(wěn)健型標(biāo)準誤來判斷系數(shù)的顯著性。由于數(shù)據(jù)的時期較短，滯后一期后只有5年，所以回歸過程中不考慮序列相關(guān)問題。以下是采用虛擬變量方法的回歸結(jié)果，我們選取5至30之間的8個數(shù)作為集群的最小企業(yè)數(shù)量分別進行回歸。

由表4來看方程的總體解釋程度都較高，8個模型調(diào)整后的擬合優(yōu)度均略高于0.55，F(xiàn)檢驗也很顯著。集群虛擬變量以外的控制變量，也都相當(dāng)顯著。企業(yè)規(guī)模及年齡一次項的系數(shù)顯著為負，平方項顯著為正，交叉項顯著為負，說明企業(yè)年齡及規(guī)模與企業(yè)成長率呈非線性關(guān)系。行業(yè)資本密集度的系數(shù)顯著為正，但值很小，其對企業(yè)成長的影響很微弱。企業(yè)出口比率和新產(chǎn)品比率對企業(yè)成長有顯著的正向影響。

表4 產(chǎn)業(yè)集群對于企業(yè)成長的影響(設(shè)置集群企業(yè)的虛擬變量)

根據(jù)集群虛擬變量的系數(shù)值，我們可以得出集群內(nèi)的企業(yè)成長快于集群外企業(yè)的結(jié)論。以12為集群界限時，集群虛擬變量的系數(shù)為0.0125，在5%的顯著性水平上是顯著的，即集群內(nèi)的企業(yè)比集群外的企業(yè)成長率高1.25個百分點。集群界限為5和10時系數(shù)值很小，也不顯著，界限在11以上時，系數(shù)值較大，顯著性水平也較高。界限定為11、13和15時系數(shù)都顯著為正，雖然界限為10時沒有通過10%的顯著性檢驗，但P值為0.107，系數(shù)也為正，所以，當(dāng)集群界限在12附近出現(xiàn)細微變化時，結(jié)論仍然成立。這表明我們以12個企業(yè)數(shù)為集群界限時，獲得的集群有利于企業(yè)成長的結(jié)論是穩(wěn)健的，12作為集群邊界數(shù)也是合適的。以上結(jié)果說明總體上，目前在中國的制造業(yè)產(chǎn)業(yè)集群中，有利于企業(yè)成長的因素占主導(dǎo)地位。集群中技術(shù)外溢、勞動力市場的共享及產(chǎn)業(yè)關(guān)聯(lián)等外部性較強，這些外部性較大程度促進了企業(yè)成本的降低，而集群中抑制企業(yè)成長的競爭效應(yīng)和交易成本較低引起的分工效應(yīng)作用力相對較小，最終的結(jié)果是產(chǎn)業(yè)集群內(nèi)的企業(yè)比集群外的企業(yè)成長更快。

通過表4我們還可發(fā)現(xiàn)集群中企業(yè)數(shù)量越多，企業(yè)成長速度越快。當(dāng)集群界限不斷提高時，集群虛擬變量的系數(shù)總體在上升。當(dāng)邊界為5、10時，系數(shù)的平均值為0.0048;當(dāng)邊界為11、12、13時，系數(shù)的平均值為0.0128;當(dāng)邊界為15、25、30時，系數(shù)的平均值為0.0242。這說明在中國制造業(yè)產(chǎn)業(yè)集群中，集群規(guī)模越大，有利于企業(yè)成長的因素的力量就越強。

(二)集群效應(yīng)用連續(xù)變量度量的方法

為了進一步考察結(jié)論的穩(wěn)健性，我們采用連續(xù)的集群變量進行回歸分析，以各鄉(xiāng)鎮(zhèn)每個三位數(shù)行業(yè)的集聚程度來度量集群效應(yīng)。集聚程度用三種表示方法，即各鄉(xiāng)鎮(zhèn)三位數(shù)行業(yè)銷售收入占全國該三位數(shù)行業(yè)的比重、對數(shù)化后的鄉(xiāng)鎮(zhèn)三位數(shù)行業(yè)企業(yè)數(shù)量，以及各鄉(xiāng)鎮(zhèn)三位數(shù)行業(yè)的企業(yè)數(shù)量占全國該三位數(shù)行業(yè)企業(yè)數(shù)量的比重。前兩種度量集聚程度的方法各有利弊。以銷售收入比例來度量，考慮到了行業(yè)的特征，但如果某地區(qū)僅有幾個規(guī)模較大的企業(yè)，則此度量方法就會失效，因為我們更關(guān)注的是企業(yè)的群聚，而不是產(chǎn)值份額。以區(qū)域內(nèi)的企業(yè)數(shù)量度量集聚程度，雖然直接體現(xiàn)了區(qū)域內(nèi)的企業(yè)集中程度，但卻忽略了行業(yè)的不同特征，某一些行業(yè)企業(yè)總體數(shù)量較大，但有些行業(yè)企業(yè)總體數(shù)量較小，這樣把不同行業(yè)的企業(yè)數(shù)量直接放在一起比較，則不太合適。對于第三種方法，即企業(yè)數(shù)量的比例，既考慮到了產(chǎn)業(yè)的不同，也考慮了企業(yè)的數(shù)量，相對更適合用來度量集群效應(yīng)。但把前兩種方法的結(jié)果列出來做一些對比也仍然是有意義的。下面我們分別以三種集聚程度指標(biāo)來度量集群效應(yīng)進行回歸分析，三個模型的Hausman檢驗均拒絕了原假設(shè)，所以都采用固定效應(yīng)模型進行估計，仍然以穩(wěn)健型標(biāo)準誤判斷系數(shù)顯著性，同樣不考慮序列相關(guān)。

表5報告了以連續(xù)變量度量集群效應(yīng)的情況下的回歸結(jié)果。控制變量與表4相同，調(diào)整后的擬合優(yōu)度均在0.55以上，F(xiàn)檢驗很顯著，說明方程的擬合程度較好，控制變量的回歸結(jié)果也與表4相似。考察集群變量的系數(shù)，發(fā)現(xiàn)采用三種度量集群效應(yīng)的方法都支持集群可促進企業(yè)成長的結(jié)論。以銷售收入比率度量集群效應(yīng)時，作用強度最大，系數(shù)達到了4.538;以企業(yè)數(shù)量比率度量集群效應(yīng)時，系數(shù)相對較小，為0.5914，在10%的顯著性水平上是顯著的;當(dāng)以企業(yè)數(shù)量的對數(shù)值度量集群效應(yīng)時，系數(shù)仍然顯著為正，但影響比較微弱，系數(shù)僅為0.0056。由于三個指標(biāo)都度量了產(chǎn)業(yè)集群的規(guī)模，所以表5也同樣證明了表4的第二個結(jié)論，即集群規(guī)模越大，企業(yè)成長速度越快;其主要原因是隨著集群規(guī)模的增大，有利于企業(yè)成長的力量會更強，同時不利于企業(yè)成長的方面會減弱。對于有利的方面，當(dāng)集群規(guī)模增大時，集群的外部性就較強，這主要體現(xiàn)在以下幾個方面:第一，規(guī)模更大的集群，其中的知識容量更大，則技術(shù)外溢情況也更多;第二，規(guī)模較大的集群可形成更大規(guī)模的同行業(yè)勞動力市場，企業(yè)搜尋到本企業(yè)所需要的勞動力的成本更低;第三，在規(guī)模較大的集群中，企業(yè)也更容易尋找到相適應(yīng)的上游供應(yīng)商或下游的客戶，這些外部性增大之后又促進了企業(yè)成本會進一步降低。同時，當(dāng)集群規(guī)模增大時，集群的區(qū)域品牌聲譽就更大，則集群在全國甚至全球范圍的市場也進一步擴大，市場規(guī)模增大后，集群中抑制企業(yè)成長的競爭效應(yīng)會減弱，同時外部市場擴大時，即使集群內(nèi)企業(yè)間的分工會進一步深化，企業(yè)也可以利用大規(guī)模的市場實現(xiàn)專業(yè)化的規(guī)模經(jīng)濟。因此，隨著集群規(guī)模擴大，集群中限制企業(yè)成長的力量也會減弱?？傮w來看，表5的計量結(jié)果進一步證明了在我國制造業(yè)，產(chǎn)業(yè)集群有利于企業(yè)的成長，并且企業(yè)成長率也與產(chǎn)業(yè)集群的規(guī)模正相關(guān)。我們在表4中得到的計量結(jié)果是穩(wěn)健的。

表5 產(chǎn)業(yè)集群對企業(yè)成長的影響(集群效應(yīng)用連續(xù)變量度量)

五、結(jié) 論

本文利用2002年至2007年中國制造業(yè)企業(yè)數(shù)據(jù)，從行業(yè)、區(qū)域和企業(yè)數(shù)量三個維度，利用聚類分析識別出產(chǎn)業(yè)集群，再通過回歸分析對比集群內(nèi)外企業(yè)成長率的差異，發(fā)現(xiàn)從全行業(yè)來看，產(chǎn)業(yè)集群能夠促進企業(yè)成長。在適當(dāng)變動集群企業(yè)數(shù)量的界限時，發(fā)現(xiàn)我們的結(jié)論是穩(wěn)健的。在采取區(qū)域同行業(yè)企業(yè)數(shù)量和產(chǎn)值規(guī)模兩個連續(xù)變量度量集群效應(yīng)時，產(chǎn)業(yè)集群可促進企業(yè)成長的結(jié)論仍然是成立的，并且發(fā)現(xiàn)集群規(guī)模越大，企業(yè)成長速度就越快。本文的實證結(jié)論說明，中國產(chǎn)業(yè)集群中有利于企業(yè)成長的外部性相對更強，企業(yè)的群聚也是促進企業(yè)成長的一個重要途徑。關(guān)于產(chǎn)業(yè)集群對企業(yè)成長的影響，在本文的基礎(chǔ)上，有以下幾個方面值得進一步探索:首先，本文針對全行業(yè)進行了分析，但不同的行業(yè)外部性也有差異，所以集群對于企業(yè)成長的作用可能不同，需要進一步區(qū)分;其次，對于不同類型的企業(yè)，如國有和民營、大企業(yè)和小企業(yè)等對于集群外部性的依賴不同，所以集群對企業(yè)成長的作用也并不相同，仍值得進一步考察;第三，集群所處區(qū)域產(chǎn)業(yè)多樣性有所差別，則集群內(nèi)存在基于行業(yè)內(nèi)的馬歇爾外部性，也存在基于行業(yè)間的雅各布斯外部性，集群中這兩類外部性對于企業(yè)成長的影響如何也值得探索。

Baptista，R.，＆ Swann，G.M.P.，1999.The dynamics of firm growth and entry in industrial clusters:A comparison of the US and UK computer industries.Journal of Evolutionary Economics，9(3):373—399.

Beaudry，C.and Swann，G.M.P.，2009.Firm growth in industrial clusters of the United Kingdom.Small Business E-conomics，32:409—424.

Becattini，G.，1990.The Marshallian Industrial district as a socio-econiomic notion.In:Pyke，F(xiàn).，Becattini，G.，Senbenberger，W.(Eds)，Industrial districts and inter-firm co-operation in Italy.International Institute for Labour Studies，Geneva:134—141.

Bernard，A.B.，Wagner，J.，1997.Exports and success inGerman manufacturing.Weltwirtschaftliches Archiv 133:134—157.

Cook，G.，Pandit，N.，＆ Swann，G.M.P.，2001.The dynamics of industrial clustering in UK broadcasting.Information Economics and Policy，13:351—375.

Dunne，T.，Roberts，M.J.，Samuelson，L.，1989.The growth and failure of manufacturing plants.Quarterly Journal of Economics，104:671—698.

Duranton，G.，and Puga，D.，2004.Micro-foundations of urban agglomeration economies in Handbook of Regional and Urban Economics，Volume 4.Edited by J.V Henderson and J.E Thisse Elsevier，2063—2117.

Evans，D.S.，1987a.The relationship between firm growth，size and age:estimates for 100 manufacturing industries.Journal of Industrial Economics，35:567—581.

Evans，D.S.，1987b.Tests of alternative theories of firm growth，Journal of Political Economy，95:657—674.

Globerman，S.，Shapiro，D.，＆ Vining，A.2005.Clusters and intercluster spillovers:Their influence on the growth and survival of Canadian information technology firms.Industrial and Corporate Change，14:27—60.

Hall，B.H.，1987.The relationship between firm size and firm growth in the US manufacturing sector.Journal of Industrial Economics，35:583—606.

Hoogstra，G.J.，and Van Dijk，J.，2004 Explaining Firm Employment Growth:Does Location Matter?Small Business Economics，22:179—192.

Maine，E.M.Shapiro，D.M.，Vining，A.R.，2010.The role of clustering in the growth of new technology-based firms.Small Business Economics，34:127—146.

Mansfield，E.，1962.Entry，Gibrat’s law，innovation，and the growth of firms.American Economic Review，52:1023—1051.

Marshall，A.，1890，Principles of Economics，Macmillan Press Ltd，London.

Melitz，M.J.＆ Ottaviano，G.I.P.2008.Market Size，Trade，and Productivity，Review of Economic Studies，75:295—316.

Penrose，E.T.，1959.The Theory of The Growth of The Firm ，Oxford，Bail Blackwell.

Porter，M.E.，1990.The Comparative Advantage of Nations.London:Macmillan.

Porter，M.E.，1998.On competition.Boston:HBS Press.

Stigler，G.J.1951.The Division of Labor is Limited by the Extent of the Market，Journal of Political Economy，59:185—194.

Swann，G.M.P.，＆ Prevezer，M.，1996.A comparison of the dynamics of industrial clustering in computing and biotechnology.Research Policy，25:1139—1157.

張維迎，周黎安，顧全林.高新技術(shù)企業(yè)的成長及其影響因素:分位回歸模型的一個應(yīng)用.管理世界，2005，(10):94—101.