史 偉，蔡慧芝

(西北大學(xué) 經(jīng)濟(jì)管理學(xué)院，西安 710127)

一、引言

產(chǎn)業(yè)在特定空間分布上的集聚已成為世界范圍內(nèi)的普遍經(jīng)濟(jì)現(xiàn)象。世界各主要經(jīng)濟(jì)體的發(fā)展歷程表明，各國(地區(qū))具有競(jìng)爭(zhēng)優(yōu)勢(shì)的產(chǎn)業(yè)往往都集聚于一定區(qū)域內(nèi)，并憑借其強(qiáng)大的綜合競(jìng)爭(zhēng)力，對(duì)國家和區(qū)域經(jīng)濟(jì)發(fā)展做出巨大貢獻(xiàn)，例如從大地理范圍來看，長(zhǎng)三角城市群中的26個(gè)城市2016年GDP達(dá)到14.7萬億，用僅占全國面積2.2%的土地，創(chuàng)造了全國19.8%的經(jīng)濟(jì)總量；從小地理范圍來看，國家高新區(qū)已經(jīng)成為區(qū)域經(jīng)濟(jì)發(fā)展的引擎，2015年有21家國家高新區(qū)生產(chǎn)總值占所在城市的比重超過30%，其中7家超過50%。

產(chǎn)業(yè)集聚所顯現(xiàn)出來的強(qiáng)大競(jìng)爭(zhēng)力，吸引了各種經(jīng)濟(jì)學(xué)理論對(duì)其進(jìn)行深入研究。盡管各種理論的研究側(cè)重點(diǎn)有所不同，但一個(gè)共同的特點(diǎn)是，都強(qiáng)調(diào)外部性在產(chǎn)業(yè)集聚形成和發(fā)展中的重要作用。作為經(jīng)濟(jì)內(nèi)生增長(zhǎng)的源泉之一的產(chǎn)業(yè)集聚的知識(shí)溢出可以看作是產(chǎn)業(yè)集聚技術(shù)外部性的表現(xiàn)形式。因此，要充分理解產(chǎn)業(yè)集聚所帶來的經(jīng)濟(jì)增長(zhǎng)現(xiàn)象，就必須系統(tǒng)分析產(chǎn)業(yè)集聚所帶來的知識(shí)溢出究竟是如何影響企業(yè)的創(chuàng)新行為的。

進(jìn)入新時(shí)代，中國經(jīng)濟(jì)發(fā)展質(zhì)量提升的關(guān)鍵是將創(chuàng)新轉(zhuǎn)化為推動(dòng)經(jīng)濟(jì)發(fā)展的驅(qū)動(dòng)力。而在實(shí)踐中，各級(jí)政府往往擔(dān)負(fù)著規(guī)劃、建設(shè)企業(yè)集聚區(qū)的責(zé)任，探索產(chǎn)業(yè)空間結(jié)構(gòu)與知識(shí)溢出、企業(yè)創(chuàng)新之間的關(guān)系已成為各級(jí)地方政府亟需解決的重要課題。對(duì)于企業(yè)來說，是選擇與同行業(yè)企業(yè)空間臨近，以獲取知識(shí)溢出進(jìn)而促進(jìn)研發(fā)和創(chuàng)新，還是選擇靠近具有多樣性和差異化的經(jīng)濟(jì)個(gè)體，以互補(bǔ)知識(shí)的交流、差異化思維的碰撞，產(chǎn)生更多的創(chuàng)新回報(bào)，也是需要慎重考慮的問題。

二、文獻(xiàn)回顧

知識(shí)溢出作為產(chǎn)業(yè)集聚技術(shù)外部性的特定形式，可以形成集聚區(qū)域內(nèi)的公共知識(shí)池，并增加區(qū)域內(nèi)集聚企業(yè)的知識(shí)存量，使企業(yè)可以進(jìn)行更加有效的研發(fā)和生產(chǎn)，從而推動(dòng)集聚企業(yè)創(chuàng)新。Glaeser等指出，在同一地理空間內(nèi)，相同或不同產(chǎn)業(yè)的勞動(dòng)人口的大量聚集，為人與人之間迅速傳遞和分享知識(shí)創(chuàng)造了環(huán)境，有助于當(dāng)?shù)氐漠a(chǎn)業(yè)創(chuàng)新。[1]在研究初期，學(xué)者們主要采取定性研究方法分析產(chǎn)業(yè)集聚知識(shí)溢出對(duì)企業(yè)創(chuàng)新的影響。而隨著Griliches將專利作為衡量創(chuàng)新的指標(biāo)后[2]，這一領(lǐng)域涌現(xiàn)出了大量的實(shí)證研究。[3][4][5][6]這些研究都承認(rèn)產(chǎn)業(yè)集聚知識(shí)溢出有助于企業(yè)創(chuàng)新活動(dòng)，但是對(duì)何種類型的知識(shí)溢出推動(dòng)了創(chuàng)新仍存在著較大的爭(zhēng)議。

第一種觀點(diǎn)是由Marshall、Arrow以及Romer提出的。他們認(rèn)為，特定產(chǎn)業(yè)集中在某一區(qū)域?qū)⒋龠M(jìn)知識(shí)在特定行業(yè)的企業(yè)間溢出，并能促進(jìn)該地區(qū)這一產(chǎn)業(yè)的創(chuàng)新。專業(yè)化的集聚有利于企業(yè)通過產(chǎn)品和流程的模仿、業(yè)務(wù)交流、公司間熟練工人的流動(dòng)等方式，進(jìn)行編碼知識(shí)和緘默知識(shí)的傳輸和交換。集聚的專業(yè)化程度越高，越有利于知識(shí)溢出，也越有利于創(chuàng)新。這一類集聚被稱作專業(yè)化集聚，對(duì)應(yīng)的知識(shí)溢出被稱作MAR溢出。[1]

第二種觀點(diǎn)則宣稱推動(dòng)創(chuàng)新的主要?jiǎng)恿κ遣煌a(chǎn)業(yè)之間的知識(shí)溢出，認(rèn)為具有多樣性和差異化的經(jīng)濟(jì)個(gè)體之間更有意愿進(jìn)行互補(bǔ)知識(shí)的交流、差異化思維的碰撞，更容易產(chǎn)生創(chuàng)新回報(bào)，因此空間集聚的多樣化更有助于知識(shí)溢出和企業(yè)創(chuàng)新。這種觀點(diǎn)最早是由Jacobs在1969年提出的，因此這類集聚被Glaeser等稱作多樣化集聚，對(duì)應(yīng)的知識(shí)溢出被稱作Jacobs溢出。[1]隨著研究深入，以Frenken為代表的演化經(jīng)濟(jì)地理學(xué)家們認(rèn)為，并不是所有的多樣化集聚都會(huì)帶來知識(shí)溢出，在兩個(gè)完全無關(guān)的產(chǎn)業(yè)間可能根本不存在有效的知識(shí)溢出途徑。傳統(tǒng)上對(duì)產(chǎn)業(yè)多樣化的界定只考慮了跨產(chǎn)業(yè)的就業(yè)分布，而并沒有充分反映行業(yè)間的投入產(chǎn)出關(guān)系。因此，F(xiàn)renken將多樣化區(qū)分為相關(guān)多樣化和無關(guān)多樣化，并指出只有那些存在一定的產(chǎn)業(yè)聯(lián)系和技術(shù)關(guān)聯(lián)的產(chǎn)業(yè)才能進(jìn)行有效的知識(shí)溢出，那些無關(guān)多樣化并不能產(chǎn)生Jacobs所期望的知識(shí)溢出。[7]

上述兩種觀點(diǎn)從本質(zhì)上而言，都認(rèn)可產(chǎn)業(yè)集聚的知識(shí)溢出對(duì)企業(yè)創(chuàng)新有著重要的影響。所不同的是，對(duì)何種類型的集聚、何種類型的知識(shí)溢出對(duì)創(chuàng)新產(chǎn)生影響有爭(zhēng)議。因此，本文將從實(shí)證層面以中國制造業(yè)企業(yè)的數(shù)據(jù)為樣本，用企業(yè)新產(chǎn)品產(chǎn)值數(shù)據(jù)從創(chuàng)新決策和創(chuàng)新強(qiáng)度兩個(gè)層面來衡量企業(yè)的創(chuàng)新能力，檢驗(yàn)MAR溢出和Jacobs溢出對(duì)企業(yè)創(chuàng)新決策和強(qiáng)度的影響，以期為這一爭(zhēng)論尋找新的答案。

三、研究設(shè)計(jì)

(一)數(shù)據(jù)來源和樣本匹配

綜合考慮數(shù)據(jù)可得性和有效性的情況后，本文選取2005—2007年中國工業(yè)企業(yè)數(shù)據(jù)庫的相關(guān)數(shù)據(jù)作為數(shù)據(jù)來源，并在匹配樣本和適當(dāng)數(shù)據(jù)處理后，整理得到以企業(yè)ID和年份為二維的面板數(shù)據(jù)。

在使用中國工業(yè)企業(yè)數(shù)據(jù)庫進(jìn)行研究時(shí)，很難找到一個(gè)統(tǒng)一的變量用來識(shí)別樣本企業(yè)并對(duì)其進(jìn)行編碼。Brandt et al作為較早對(duì)該數(shù)據(jù)庫進(jìn)行樣本匹配的文獻(xiàn)，其所用的序貫識(shí)別法被多數(shù)研究所沿用，但這一方法也有明顯缺陷。[8]借鑒聶輝華等、范劍勇等的識(shí)別方法，在進(jìn)行匹配前，我們首先按照年份分別對(duì)企業(yè)代碼和企業(yè)名稱進(jìn)行查重，將同一年份中，企業(yè)代碼相同或企業(yè)名稱相同的觀測(cè)值篩查出來，并予以人工識(shí)別。[9][10]在人工識(shí)別時(shí)，根據(jù)企業(yè)的其他信息對(duì)重復(fù)值進(jìn)行逐一分析，并決定取舍。然后用以下優(yōu)先次序進(jìn)行樣本匹配：(1)法人代碼；(2)企業(yè)名稱；(3)法人姓名+區(qū)域代碼+行業(yè)代碼；(4)企業(yè)電話號(hào)碼+省地代碼；(5)企業(yè)所在鄉(xiāng)鎮(zhèn)(街道)名稱+企業(yè)主要產(chǎn)品1+四位數(shù)行業(yè)代碼+企業(yè)開業(yè)年份+企業(yè)所在省份代碼。經(jīng)過匹配，共得到在2005—2007年持續(xù)存在的154418家企業(yè)的458007個(gè)觀測(cè)值的平衡面板數(shù)據(jù)。最后，依據(jù)國家統(tǒng)計(jì)局2007年投入產(chǎn)出表中的135個(gè)部門對(duì)樣本企業(yè)的行業(yè)歸屬進(jìn)行重新合并調(diào)整，最終將樣本企業(yè)分類歸入81個(gè)制造業(yè)部門。

(二)模型設(shè)定及變量選擇

1.模型設(shè)定。本文采用新產(chǎn)品產(chǎn)值指標(biāo)來衡量企業(yè)的創(chuàng)新決策和強(qiáng)度，而在我們的樣本數(shù)據(jù)中，由于有大量企業(yè)的新產(chǎn)品產(chǎn)出為0，因此被解釋變量——企業(yè)的創(chuàng)新決策以及創(chuàng)新強(qiáng)度中存在大量的零點(diǎn)，即樣本數(shù)據(jù)為典型的截?cái)鄶?shù)據(jù)。對(duì)于截?cái)鄶?shù)據(jù)，為了避免數(shù)據(jù)樣本的選擇性偏誤，多數(shù)文獻(xiàn)都采用Heckman二元選擇模型進(jìn)行估計(jì)，即首先使用所有樣本企業(yè)數(shù)據(jù)構(gòu)建企業(yè)是否進(jìn)行創(chuàng)新的選擇方程，以便處理因?yàn)闃颖具x擇引起的模型內(nèi)生性問題，然后再利用有創(chuàng)新活動(dòng)企業(yè)的數(shù)據(jù)估計(jì)創(chuàng)新強(qiáng)度方程，以分析創(chuàng)新企業(yè)創(chuàng)新強(qiáng)度的影響因素。[11]即建立以下兩個(gè)估計(jì)方程：

INNOPi=∑αZi+ε

(1)

式(1)中的INNOPi表示企業(yè)是否進(jìn)行創(chuàng)新，創(chuàng)新則取1，不創(chuàng)新取0；Zi表示影響企業(yè)創(chuàng)新決策的各種因素，為隨機(jī)干擾項(xiàng)。

E(INNOi|INNOPi=1)=∑βXi+γδ+μ

(2)

式(2)中的INNOi表示企業(yè)的創(chuàng)新強(qiáng)度，Xi表示影響企業(yè)創(chuàng)新強(qiáng)度的各種因素，δ是根據(jù)方程式(1)的估計(jì)結(jié)果得到的逆-米爾斯比率，μ為隨機(jī)干擾項(xiàng)。ρ則是式(1)和式(2)隨機(jī)干擾項(xiàng)的相關(guān)系數(shù)，當(dāng)ρ≠0 時(shí)，式(1)與式(2)是相關(guān)的，此時(shí)如果忽略其中任何一個(gè)方程，直接使用OLS進(jìn)行估計(jì)會(huì)造成另一個(gè)方程估計(jì)系數(shù)的偏誤，而換作采用Heckman二元選擇模型估計(jì)則可以得到一致估計(jì)值。

按照構(gòu)建Heckman二元選擇模型的思路，我們可以知道，式(1)和式(2)的屬性是不同的。式(1)一般被稱作選擇方程，式(2)一般被稱作強(qiáng)度方程。綜合考慮現(xiàn)有研究結(jié)果，選擇顯著影響企業(yè)創(chuàng)新的各種因素作為控制變量，同時(shí)建立創(chuàng)新選擇方程(3)和創(chuàng)新強(qiáng)度方程(4)兩個(gè)方程，即：

INNOPij=α1+β1lnmarijγ+β2lnJacobsijγ+β3Sizei

+β4Sizei2+β5Profiti+β6rddumi

+β7expdumi+β8ownerslipi

+βAgei+εi

(3)

INNOij=α2+γ1lnMARijr+γ2lnJacobsijr+γ3Sizei

+γ4Sizei2+γ5Profiti+γ6Rdi+γ7Expi

+γ8Ownerslipi+γδ+μ

(4)

其中，i，j，r分別表示企業(yè)、行業(yè)和地區(qū)，ε和μ為隨機(jī)干擾項(xiàng)。

2.變量定義。在本文的研究中，被解釋變量是企業(yè)的創(chuàng)新決策及其創(chuàng)新強(qiáng)度；所關(guān)心的核心解釋變量為企業(yè)在集聚區(qū)內(nèi)獲取的二種知識(shí)溢出，即MAR溢出和Jacobs溢出；同時(shí)選取其他影響企業(yè)創(chuàng)新的因素和排除性約束的工具變量作為控制變量。

各變量的詳細(xì)定義及計(jì)算方法如表1所示：

表1 各變量含義及計(jì)算方式

(三)數(shù)據(jù)處理及描述統(tǒng)計(jì)

1.Jacobs溢出指標(biāo)計(jì)算。本文認(rèn)為企業(yè)的知識(shí)溢出更可能發(fā)生在有技術(shù)相關(guān)性的產(chǎn)業(yè)間，而非任意產(chǎn)業(yè)間。因此，不同于傳統(tǒng)文獻(xiàn)中直接用多樣化指數(shù)來衡量Jacobs溢出，我們用能夠反映產(chǎn)業(yè)之間技術(shù)相關(guān)程度的相關(guān)多樣化指數(shù)來對(duì)Jacobs溢出進(jìn)行度量。而在進(jìn)行相關(guān)多樣化的研究時(shí)，利用熵指標(biāo)方法對(duì)產(chǎn)業(yè)多樣化進(jìn)行分解的關(guān)鍵是產(chǎn)業(yè)關(guān)聯(lián)程度的識(shí)別，基礎(chǔ)是明確產(chǎn)業(yè)大類部門及其細(xì)分產(chǎn)業(yè)。針對(duì)現(xiàn)有方法的缺陷，本文從相關(guān)多樣化的本質(zhì)入手，采用多維標(biāo)度法來測(cè)算產(chǎn)業(yè)的投入產(chǎn)出關(guān)聯(lián)和技術(shù)相近程度，并依此對(duì)產(chǎn)業(yè)進(jìn)行劃分。

為清晰顯示選取的81個(gè)制造業(yè)產(chǎn)業(yè)部門的技術(shù)相近程度，我們將產(chǎn)業(yè)i和產(chǎn)業(yè)j的技術(shù)距離定義為1和產(chǎn)業(yè)相似度的差值。對(duì)于產(chǎn)業(yè)相似度指標(biāo)，沿用潘文卿等的方法，采用中國投入產(chǎn)出表的135部門數(shù)據(jù)來測(cè)算產(chǎn)業(yè)相似度Wij，定義兩個(gè)產(chǎn)業(yè)i、j的相似度為兩個(gè)產(chǎn)業(yè)直接消耗系數(shù)結(jié)構(gòu)向量的角余弦。[12]然后，通過多維標(biāo)度法就可以繪制出一幅二位平面圖，在圖中每個(gè)產(chǎn)業(yè)部門都會(huì)被標(biāo)識(shí)為一個(gè)點(diǎn)，而每?jī)蓚€(gè)點(diǎn)之間的直線距離就可以用來表示兩個(gè)產(chǎn)業(yè)間的“技術(shù)距離”。兩個(gè)點(diǎn)之間越接近，表示這兩點(diǎn)所代表的產(chǎn)業(yè)越相似，而當(dāng)若干個(gè)點(diǎn)聚集在某一個(gè)區(qū)域時(shí)，即表示這些點(diǎn)所代表的產(chǎn)業(yè)在技術(shù)上越相近，可以被歸為同一個(gè)大類別的產(chǎn)業(yè)。

結(jié)果顯示，在81個(gè)制造業(yè)部門中存在著4個(gè)大類集合，分別是：第1類是以農(nóng)林牧漁等產(chǎn)品為中間投入的制造業(yè);第2類是化學(xué)工業(yè)行業(yè);第3類是以金屬制品為依托的各類制造業(yè);第4類則是對(duì)技術(shù)及中間投入要求較高的先進(jìn)制造業(yè)門類。

在完成產(chǎn)業(yè)分類后，用樣本數(shù)據(jù)對(duì)產(chǎn)業(yè)多樣化指數(shù)進(jìn)行分解，從而得到Jacobs溢出的替代衡量指標(biāo)。具體方法是：假設(shè)某個(gè)地區(qū)中有s個(gè)大類產(chǎn)業(yè)部門，而這s個(gè)大類產(chǎn)業(yè)部門又可以細(xì)分為n個(gè)小類產(chǎn)業(yè)部門(nls)，Pij為第i個(gè)小類產(chǎn)業(yè)部門在地區(qū)j的從業(yè)人員占整個(gè)地區(qū)j就業(yè)人數(shù)的比重，那么Jacobs溢出的替代衡量指標(biāo)——相關(guān)多樣化(RVj)可表示為

(5)

2.描述統(tǒng)計(jì)。全樣本、有創(chuàng)新活動(dòng)樣本中相關(guān)變量的描述統(tǒng)計(jì)見表2。全體樣本中共有458007個(gè)觀測(cè)值，而創(chuàng)新企業(yè)共有43923個(gè)觀測(cè)值，約占全體樣本的9.6%。通過對(duì)比創(chuàng)新企業(yè)和非創(chuàng)新企業(yè)可以看到，創(chuàng)新企業(yè)組的各變量均值都要大于非創(chuàng)新企業(yè)組的各變量均值。

表2 變量描述性統(tǒng)計(jì)結(jié)果

資料來源：根據(jù)樣本數(shù)據(jù)計(jì)算得到。

四、實(shí)證分析

(一)全體樣本結(jié)果分析

產(chǎn)業(yè)集聚的知識(shí)溢出對(duì)企業(yè)創(chuàng)新的影響。在考慮時(shí)間和行業(yè)固定效應(yīng)的情況下，基于全部樣本對(duì)模型進(jìn)行估計(jì)，結(jié)果見表3。Wald檢驗(yàn)表明，對(duì)模型的估計(jì)通過了總體顯著性檢驗(yàn)，而且似然比檢驗(yàn)和Lambda回歸系數(shù)也是顯著的，都支持選擇Heckman模型的合理性。

表3 Heckman選擇模型估計(jì)結(jié)果

注：括號(hào)內(nèi)的數(shù)字表示標(biāo)準(zhǔn)差， ***、**、*分別表示在 1%、5%、10%水平上顯著。

從表3中可以看到，在創(chuàng)新選擇方程中，MAR溢出變量的估計(jì)系數(shù)顯著為正，即在其他條件都相同的情況下，MAR溢出就越大，企業(yè)創(chuàng)新的傾向越大。表明在同一區(qū)域內(nèi)同一產(chǎn)業(yè)的企業(yè)集聚帶來的MAR溢出，有利于提高該產(chǎn)業(yè)內(nèi)企業(yè)的創(chuàng)新傾向。進(jìn)一步分析創(chuàng)新強(qiáng)度方程的估計(jì)結(jié)果，可知MAR溢出對(duì)創(chuàng)新強(qiáng)度的作用并不顯著，這表明對(duì)已創(chuàng)新企業(yè)來說，MAR溢出對(duì)其創(chuàng)新投入強(qiáng)度的影響并不重要。也就是說，MAR溢出的增加會(huì)提高企業(yè)創(chuàng)新的概率，但是對(duì)已創(chuàng)新企業(yè)的創(chuàng)新強(qiáng)度并不會(huì)有顯著的影響，這與MAR外部性理論的預(yù)期不完全一致。

而對(duì)于Jacobs溢出在創(chuàng)新選擇方程的估計(jì)結(jié)果中，其估計(jì)系數(shù)顯著為正，表明在其他條件相同的情況下，企業(yè)獲得的Jacobs溢出越大，企業(yè)創(chuàng)新傾向就越大。即在同一區(qū)域內(nèi)技術(shù)相近產(chǎn)業(yè)的空間集聚，能激發(fā)不同企業(yè)研發(fā)人員的思維碰撞，促進(jìn)Jacobs溢出，進(jìn)而有利于提高企業(yè)的創(chuàng)新傾向。在創(chuàng)新強(qiáng)度方程的估計(jì)結(jié)果中，Jacobs溢出變量的估計(jì)系數(shù)顯著為正，表明在其他條件相同的情況下，企業(yè)獲得Jacobs溢出越多，企業(yè)創(chuàng)新強(qiáng)度將越大。

在模型中加入的其他控制變量，如企業(yè)規(guī)模、研發(fā)投入等企業(yè)個(gè)性特征，在兩個(gè)方程中的估計(jì)系數(shù)與前期的分析基本一致。而產(chǎn)權(quán)結(jié)構(gòu)對(duì)企業(yè)創(chuàng)新活動(dòng)的影響則與現(xiàn)有多數(shù)研究的結(jié)論有所差異，如在企業(yè)創(chuàng)新選擇方程和創(chuàng)新強(qiáng)度兩個(gè)方程中，國有企業(yè)虛擬變量的估計(jì)系數(shù)都是顯著為正，說明國有企業(yè)有著更高的創(chuàng)新傾向和創(chuàng)新強(qiáng)度。而這與國有企業(yè)效率較低、行業(yè)壟斷性高的一般“印象”有著明顯的沖突。[13]本文認(rèn)為，出現(xiàn)這種結(jié)果，可能有兩個(gè)原因：一是國有企業(yè)的相對(duì)壟斷地位和政府政策的支持，使得國有企業(yè)進(jìn)行創(chuàng)新的風(fēng)險(xiǎn)承受能力高于非國有企業(yè)，一定程度上提高了國有企業(yè)進(jìn)行創(chuàng)新的可能性。二是國有企業(yè)內(nèi)部的預(yù)算剛性，使得國有企業(yè)對(duì)研發(fā)部門的人員和資金的投入往往難以根據(jù)市場(chǎng)變化予以快速調(diào)整，形成習(xí)慣性的、持續(xù)性的創(chuàng)新投入。

(二)進(jìn)一步分析

1.高技術(shù)行業(yè)和中低技術(shù)行業(yè)。不少學(xué)者對(duì)產(chǎn)業(yè)集聚的MAR溢出和Jacobs溢出對(duì)不同技術(shù)水平行業(yè)的影響做了實(shí)證研究，Henderson et al.采用美國數(shù)據(jù)進(jìn)行研究后，發(fā)現(xiàn)Jacobs溢出對(duì)高科技行業(yè)產(chǎn)生的影響更大，而MAR溢出對(duì)非高科技行業(yè)產(chǎn)生的影響更大。[14]為進(jìn)一步搞清楚產(chǎn)業(yè)集聚的知識(shí)溢出對(duì)高技術(shù)行業(yè)和中低技術(shù)行業(yè)企業(yè)創(chuàng)新的影響差異，我們分兩組進(jìn)行實(shí)證檢驗(yàn)。

結(jié)果顯示，MAR溢出對(duì)高技術(shù)行業(yè)企業(yè)的創(chuàng)新選擇和創(chuàng)新強(qiáng)度的影響均不顯著，而對(duì)于中低技術(shù)行業(yè)企業(yè)的創(chuàng)新選擇的影響顯著為正，但對(duì)已經(jīng)開展創(chuàng)新活動(dòng)的中低技術(shù)企業(yè)創(chuàng)新強(qiáng)度的影響并不顯著，這可能是因?yàn)橹械图夹g(shù)行業(yè)企業(yè)往往從事的是相對(duì)標(biāo)準(zhǔn)化的生產(chǎn)，MAR溢出對(duì)其是否進(jìn)行創(chuàng)新有著較重要的影響。Jacobs溢出對(duì)高技術(shù)行業(yè)企業(yè)和中低技術(shù)行業(yè)企業(yè)的創(chuàng)新選擇和創(chuàng)新強(qiáng)度的回歸結(jié)果都顯著為正，并且高技術(shù)行業(yè)企業(yè)創(chuàng)新強(qiáng)度方程的回歸結(jié)果為0.0434，遠(yuǎn)高于中低技術(shù)行業(yè)企業(yè)的0.0256，這表明Jacobs溢出對(duì)高技術(shù)行業(yè)企業(yè)和中低技術(shù)行業(yè)企業(yè)的創(chuàng)新有著顯著的促進(jìn)作用，并且對(duì)高技術(shù)行業(yè)企業(yè)創(chuàng)新的促進(jìn)作用顯著高于中低技術(shù)行業(yè)企業(yè)。各控制變量的回歸結(jié)果與全部樣本的結(jié)果基本一致，這進(jìn)一步驗(yàn)證了結(jié)果的穩(wěn)健性。

2.企業(yè)年齡、知識(shí)溢出與企業(yè)創(chuàng)新。為分析知識(shí)溢出與企業(yè)創(chuàng)新隨企業(yè)年齡變化的關(guān)系，我們?cè)谄髽I(yè)創(chuàng)新強(qiáng)度方程式(4)中引入二種知識(shí)溢出分別與企業(yè)年齡、企業(yè)年齡二次項(xiàng)的交乘項(xiàng)。擴(kuò)展后，我們將關(guān)注的重點(diǎn)放到了二種知識(shí)溢出分別與企業(yè)年齡、企業(yè)年齡二次項(xiàng)的交乘項(xiàng)的系數(shù)大小和變動(dòng)方向。表4報(bào)告了回歸結(jié)果，其中列(1)僅加入二種知識(shí)溢出與企業(yè)年齡的交乘項(xiàng)，列(2)則同時(shí)加入知識(shí)溢出與企業(yè)年齡一次項(xiàng)、二次項(xiàng)的交乘項(xiàng)。

表4 引入企業(yè)年齡后的Heckman選擇模型估計(jì)結(jié)果

注：由于創(chuàng)新選擇方程估計(jì)結(jié)果、其他控制變量完全同表2，為控制篇幅，此處省略相關(guān)結(jié)果，括號(hào)內(nèi)的數(shù)字表示標(biāo)準(zhǔn)差， ***、**、*分別表示在 1%、5%、10%水平上顯著。

從表4的結(jié)果可知，在列(2)中，MAR溢出與年齡一次項(xiàng)交乘項(xiàng)的估計(jì)系數(shù)為正，且在統(tǒng)計(jì)上顯著，但與年齡二次項(xiàng)交乘項(xiàng)的估計(jì)系數(shù)為負(fù)，且在統(tǒng)計(jì)上顯著，這表明MAR溢出對(duì)企業(yè)創(chuàng)新強(qiáng)度的影響隨著年齡增加而遞增，在達(dá)到一定年齡后，MAR溢出對(duì)企業(yè)創(chuàng)新強(qiáng)度的影響將逐漸減少，即MAR溢出對(duì)企業(yè)創(chuàng)新強(qiáng)度的影響隨著企業(yè)年齡的變化呈現(xiàn)倒U形關(guān)系。而Jacobs溢出與年齡一次項(xiàng)交乘項(xiàng)的估計(jì)系數(shù)為負(fù)，且統(tǒng)計(jì)上顯著，其與年齡二次項(xiàng)交乘項(xiàng)的估計(jì)系數(shù)為正，但并不顯著。這表明Jacobs溢出對(duì)企業(yè)創(chuàng)新強(qiáng)度的影響隨著企業(yè)年齡的增加而遞減。

可以推斷出，產(chǎn)業(yè)集聚的知識(shí)溢出對(duì)不同年齡段企業(yè)的創(chuàng)新活動(dòng)的影響各有不同。對(duì)于新生或者初創(chuàng)期的企業(yè)來說，會(huì)更多受益于產(chǎn)業(yè)相關(guān)多樣化集聚所帶來的Jacobs溢出，其對(duì)企業(yè)創(chuàng)新的促進(jìn)作用更加明顯，而隨著企業(yè)年齡的不斷增加，Jacobs溢出的促進(jìn)作用將逐漸減弱。產(chǎn)業(yè)專業(yè)化集聚所帶來的MAR溢出對(duì)企業(yè)創(chuàng)新的促進(jìn)作用隨著年齡的增加逐漸增強(qiáng)，且這一促進(jìn)作用在達(dá)到一定年齡后才會(huì)逐漸減弱。本文將企業(yè)年齡引入產(chǎn)業(yè)集聚的知識(shí)溢出與企業(yè)創(chuàng)新關(guān)系的研究，在一定程度上解決了現(xiàn)有文獻(xiàn)關(guān)于到底是哪種類型的知識(shí)溢出影響了企業(yè)創(chuàng)新的爭(zhēng)論，為后續(xù)研究提供了一個(gè)新的視角。

五、結(jié)論及政策建議

研究從創(chuàng)新選擇和創(chuàng)新強(qiáng)度兩個(gè)維度上衡量企業(yè)的創(chuàng)新能力，基于2005—2007年中國制造業(yè)企業(yè)數(shù)據(jù)采用Heckman二元選擇模型，檢驗(yàn)MAR溢出和Jacobs溢出對(duì)企業(yè)創(chuàng)新行為和程度的影響。得到三點(diǎn)結(jié)論：第一，MAR溢出的增加會(huì)提高企業(yè)創(chuàng)新的概率，但是對(duì)已創(chuàng)新企業(yè)的創(chuàng)新強(qiáng)度不會(huì)有顯著的影響；Jacobs溢出的增加既能提高企業(yè)創(chuàng)新的概率，又能增加已創(chuàng)新企業(yè)的創(chuàng)新強(qiáng)度。第二， MAR溢出對(duì)高技術(shù)行業(yè)企業(yè)的創(chuàng)新選擇和創(chuàng)新強(qiáng)度都沒有顯著影響，而對(duì)中低技術(shù)行業(yè)企業(yè)的創(chuàng)新選擇的影響顯著為正。Jacobs溢出對(duì)高技術(shù)和中低技術(shù)行業(yè)企業(yè)的創(chuàng)新選擇和創(chuàng)新強(qiáng)度都有顯著的正向作用，但是對(duì)高技術(shù)行業(yè)企業(yè)的作用更加明顯。第三，產(chǎn)業(yè)集聚的知識(shí)溢出對(duì)不同年齡段企業(yè)的創(chuàng)新活動(dòng)的影響有著較大不同。Jacobs溢出對(duì)新生或初創(chuàng)期企業(yè)的創(chuàng)新促進(jìn)作用更加明顯，而隨著企業(yè)年齡的增加，Jacobs溢出的促進(jìn)作用將逐漸減弱。而MAR溢出對(duì)企業(yè)創(chuàng)新強(qiáng)度的影響隨著企業(yè)年齡的變化呈倒U形關(guān)系。

基于上述結(jié)論，從促進(jìn)中國各地區(qū)制造業(yè)集聚創(chuàng)新發(fā)展的政策角度，本文提出如下政策建議：

第一，創(chuàng)造條件促進(jìn)制造業(yè)創(chuàng)新發(fā)展在地理上的集聚。制造業(yè)特別是高端制造業(yè)創(chuàng)新發(fā)展是促進(jìn)地區(qū)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)，促進(jìn)地區(qū)創(chuàng)新驅(qū)動(dòng)發(fā)展的重要途徑。本文的研究結(jié)果表明，地理集聚帶來的知識(shí)溢出會(huì)顯著影響企業(yè)的創(chuàng)新活動(dòng)，兩種類型的知識(shí)溢出都會(huì)提高集聚企業(yè)的創(chuàng)新概率，而對(duì)企業(yè)創(chuàng)新活動(dòng)的影響又因行業(yè)技術(shù)水平的不同有著明顯差異。因此，通過產(chǎn)業(yè)集聚促進(jìn)知識(shí)溢出，進(jìn)而帶動(dòng)中國制造業(yè)創(chuàng)新發(fā)展的策略，必須把握好產(chǎn)業(yè)集聚過程中專業(yè)化集聚和相關(guān)多樣化集聚的合理平衡。對(duì)于中國的大多數(shù)城市來說，應(yīng)該堅(jiān)持“有所為有所不為”的策略，從城市實(shí)際特點(diǎn)出發(fā)，在以市場(chǎng)選擇為主的前提下，立足于本地產(chǎn)業(yè)基礎(chǔ)和相關(guān)資源，科學(xué)選擇主導(dǎo)性的產(chǎn)業(yè)，制定具有區(qū)域特點(diǎn)并切實(shí)可行的產(chǎn)業(yè)集聚發(fā)展方案。

第二，依據(jù)區(qū)域資源稟賦與發(fā)展目標(biāo)，設(shè)計(jì)有針對(duì)性的鼓勵(lì)政策。產(chǎn)業(yè)集聚的知識(shí)溢出對(duì)不同技術(shù)水平行業(yè)企業(yè)創(chuàng)新的影響存在差異，因此各區(qū)域應(yīng)當(dāng)采取差異化的政策：現(xiàn)以高技術(shù)行業(yè)為主或者計(jì)劃發(fā)展高技術(shù)行業(yè)的區(qū)域，應(yīng)采取有利于Jacobs溢出的相關(guān)多樣化產(chǎn)業(yè)政策，促進(jìn)高技術(shù)行業(yè)企業(yè)在集聚中的交流與合作；而現(xiàn)以中低技術(shù)行業(yè)為主或者計(jì)劃發(fā)展中低技術(shù)行業(yè)的區(qū)域則可選擇促進(jìn)MAR溢出的專業(yè)化集聚的產(chǎn)業(yè)政策，并適當(dāng)輔以與主導(dǎo)產(chǎn)業(yè)具有相關(guān)多樣性產(chǎn)業(yè)的集聚的鼓勵(lì)政策。

第三，根據(jù)產(chǎn)業(yè)集聚的知識(shí)溢出特征做好創(chuàng)新企業(yè)的培育和支持。如果城市的產(chǎn)業(yè)集聚偏向于相關(guān)多樣化，知識(shí)溢出以Jacobs溢出為主的話，那么政府應(yīng)該采取各種政策鼓勵(lì)和培育新生和初創(chuàng)企業(yè)，培育良好的企業(yè)孵化生長(zhǎng)環(huán)境，吸引符合相關(guān)多樣化的新生和初創(chuàng)企業(yè)，從而使得企業(yè)的創(chuàng)新充分獲益于Jacobs溢出；如果城市的產(chǎn)業(yè)集聚偏向于專業(yè)化，則可引導(dǎo)鼓勵(lì)企業(yè)將主要資源集中于其最具競(jìng)爭(zhēng)優(yōu)勢(shì)的領(lǐng)域，做好產(chǎn)品升級(jí)和優(yōu)化，通過專業(yè)化的分工協(xié)作提升整個(gè)集聚區(qū)企業(yè)的生產(chǎn)效率。

參考文獻(xiàn)：

[1] Glaeser EL, Kallal HD, Scheinkman JA, et al. Growth in cities[J]. Journal of political economy, 1992,100(6).

[2] Griliches Z. Issues in assessing the contribution of research and development to productivity growth[J]. The bell journal of economics, 1979.

[3] 蘇紅鍵,趙堅(jiān).產(chǎn)業(yè)專業(yè)化、職能專業(yè)化與城市經(jīng)濟(jì)增長(zhǎng)——基于中國地級(jí)單位面板數(shù)據(jù)的研究[J].中國工業(yè)經(jīng)濟(jì),2011,(4).

[4] 劉滿鳳,吳卓賢.高新技術(shù)產(chǎn)業(yè)集群知識(shí)溢出的Mar效應(yīng)和Jac效應(yīng)的實(shí)證研究[J].科學(xué)學(xué)與科學(xué)技術(shù)管理,2013,(8).

[5] 董曉芳,袁燕.企業(yè)創(chuàng)新、生命周期與聚集經(jīng)濟(jì)[J].經(jīng)濟(jì)學(xué)(季刊),2014，(2).

[6] 惠寧，劉鑫鑫.信息化對(duì)中國工業(yè)部門技術(shù)創(chuàng)新效率的空間效應(yīng)[J].西北大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版),2017,(6).

[7] Frenken K, Van Oort F, Verburg T. Related variety, unrelated variety and regional economic growth[J]. Regional studies, 2007, 41(5).

[8] Brandt L, Van Biesebroeck J, Zhang Y. Creative accounting or creative destruction? Firm-level productivity growth in Chinese manufacturing[J]. Journal of development economics, 2012,97(2).

[9] 聶輝華,江艇,楊汝岱.中國工業(yè)企業(yè)數(shù)據(jù)庫的使用現(xiàn)狀和潛在問題[J].世界經(jīng)濟(jì),2012,(5).

[10] 范劍勇,馮猛,李方文.產(chǎn)業(yè)集聚與企業(yè)全要素生產(chǎn)率[J].世界經(jīng)濟(jì),2014,(5).

[11] 劉修巖,王璐.集聚經(jīng)濟(jì)與企業(yè)創(chuàng)新——基于中國制造業(yè)企業(yè)面板數(shù)據(jù)的實(shí)證研究[J].產(chǎn)業(yè)經(jīng)濟(jì)評(píng)論,2013,(3).

[12] 潘文卿,李子奈,劉強(qiáng).中國產(chǎn)業(yè)間的技術(shù)溢出效應(yīng):基于35個(gè)工業(yè)部門的經(jīng)驗(yàn)研究[J].經(jīng)濟(jì)研究,2011,(7).

[13] 聶輝華,譚松濤,王宇鋒.創(chuàng)新、企業(yè)規(guī)模和市場(chǎng)競(jìng)爭(zhēng):基于中國企業(yè)層面的面板數(shù)據(jù)分析[J].世界經(jīng)濟(jì),2008,(7).

[14] Henderson V, Kuncoro A, Turner M. Industrial development in cities[J]. Journal of political economy, 1995,103(5).