一、引言

集聚对生产率和竞争力的影响是学术界关注的热点问题。既往文献基于不同数据检验了集聚外部性的存在性，并从专业化(Marshall, 1920)和多样化(Jacobs, 1969)角度考察了集聚外部性影响生产率的机制，由此产生大量富有价值的研究成果(范剑勇等，2014；刘海洋等，2015；王永进、张国峰，2016)。然而，集聚经济的地理黑箱仍然有待进一步解开，特别是集聚外部性不同源泉是否同等重要呢？Marshall(1920)开创性地界定了集聚外部性的三个源泉，即中间投入共享、劳动力池和知识溢出。尽管与此相关的经验研究车载斗量，但这三个源泉的相对重要性仍然不甚清晰(Puga，2010；Ehrl，2013)，特别是既往经验文献没有充分考虑到不同国家的体制背景。中国作为一个转型国家，尚不完善的市场经济体制很可能对集聚外部性发生作用的范围和条件造成影响。考虑到企业全要素生产率(Total Factor productivity，TFP)是反映集聚外部性效果的关键指标(Graham et al., 2010)，本文拟从全要素生产率角度来评估和比较集聚外部性不同源泉的相对重要性。

集聚外部性发生作用的地理范围也是本文关注的问题。Rosenthal and Strange(2001)利用美国企业数据首次考察和比较了集聚外部性的三个源泉在州(state)、县(county)和邮编区(zipcode)三个地理层面的作用机制和相对重要性。受制于数据可得性，国内早期的相关文献通常将考察范围放在省份层面或地级以上城市层面(范剑勇，2006；贺灿飞、潘峰华，2009；李金滟、宋德勇，2008)。随着企业层面微观数据的开发，特别是来源于国家统计局的中国工业企业数据使得微观层面的经验研究开始兴起，一些文献开始将集聚外部性发生作用的地理范围聚焦到区县层面(范剑勇等，2014；刘海洋等，2015)或者开发区层面(王永进、张国峰，2016)。地理距离对集聚外部性的影响可能因其来源的不同而有所差异，因而有必要区分地理范围和行政区划层次来评估集聚外部性的作用机制(Rosenthal and Strange, 2004；范剑勇等，2014)。

鉴于此，本文应用Levinsohn-Petrin半参数估计方法测量企业层面的全要素生产率，基于区位熵的思想改进集聚外部性三个源泉的测量方法，并分别从省(直辖市/自治区)、地级以上城市以及区县三个地理层面考察和比较三个源泉的相对重要性。研究发现，在同一地理层面，投入共享对生产率的促进作用最大，劳动力池次之，知识溢出最小。从不同地理层面来看，省份层面的投入共享效应最明显，地级以上城市层面次之，区县层面最小；省份和地级以上城市层面的劳动力池效应大于区县层面；知识溢出效应仅在城市和区县层面成立。当应用其他三种参数估计方法测量生产率时，以上结论依然稳健。另外，集聚外部性的相对重要性还依赖于地区市场化进程和行业技术水平。

与既往文献相比，本文的贡献主要体现在以下三点：其一，本文基于区位熵的思想改进了集聚外部性三个源泉的测量方法，并首次利用中国制造业企业层面的微观数据考察和比较了三个源泉的相对重要性，以期更好地揭示转型体制下集聚外部性影响企业生产率增长的内在机制，进而有助于在理论上进一步打开集聚外部性的地理黑箱。其二，本文集中考察了集聚外部性三个源泉发生作用的地理范围，发现地级以上城市是促进知识溢出和培育劳动力市场的最佳地理范围和行政区划层次，进而为以城市层面为重点制定和实施相关公共政策提供了理论支持。其三，本文还考察了市场化进程和技术变化对集聚外部性三个源泉相对重要性的影响，这有助于认识集聚外部性发生作用的体制条件和行业类型。

二、模型、变量和数据 (一) 模型设定

本文假设生产函数为标准的Cobb-Douglas函数形式：

$ {Y_{it}} = {A_{it}}K_{it}^\beta L_{it}^\gamma $

(1)

其中，下标i和t分别表示企业和时间，Y、L、K和A分别对应产出水平、劳动力、资本存量和全要素生产率。

马歇尔外部性(Marshall，1890)包括中间投入共享、劳动力池和知识溢出。根据Henderson(2003)的建议，假定马歇尔外部性影响企业全要素生产率。于是，A_it可以设定为如下形式：

$ {A_{it}} = D_{rjt}^\theta S_{rjt}^\rho M_{rjt}^\delta {U_{it}} $

(2)

其中，下标r和j分别表示企业i所在的地区和行业，D、S和M分别对应中间投入共享、劳动力池和知识溢出，θ、ρ、δ分别对应为以上三者的生产率弹性，U表示其他不可观测的因素。方程(1)和方程(2)的对数形式分别如下：

$ {y_{it}} = {a_{it}} + \beta {k_{it}} + \gamma {l_{it}} $

(3)

$ {\alpha _{it}} = \theta {D_{rjt}} + \rho {S_{rjt}} + \delta {M_{rjt}} + {\mu _{it}} $

(4)

y、k、l和α分别对应Y、K、L和A的对数形式。由于模型的外生性未必成立，因此，本文将μ的具体形式设定如下：

$ {\mu _{it}} = \omega {X_{it}} + {\zeta _i} + {\vartheta _t} + {\varepsilon _{it}} $

(5)

其中，X表示影响企业生产率的其他控制变量。考虑到本文样本为微观企业，根据既往文献的一般做法，本文重点引入企业层面的控制变量，包括研发投入(RD)、出口效应(EX)、所有制形式(SOE)。另外，所有非特异变量均计入误差项，包括三个部分：ζ_i为企业个体固定效应，表示不随时间变化的影响因素；ϑ_t为年份固定效应，表示不随企业变化的影响因素；ε_it为随机误差项，表示其他非特异性因素。

在此基础上，本文将方程(5)代入方程(4)。由于全要素生产率α能够直接测量，于是本文绕过方程(3)进而直接对方程(4)进行估计。最终，本文构建如下方程来考察集聚外部性对企业全要素生产率的影响：

$ TF{P_{it}} = \theta {D_{rjt}} + \rho {S_{rjt}} + \delta {M_{rjt}} + {\omega _1}R{D_{it}} + {\omega _2}E{X_{it}} + {\omega _3}SO{E_{it}} + {\zeta _i} + {\vartheta _t} + {\varepsilon _{it}} $

(6)

(二) 变量测度 1. 被解释变量

本文的被解释变量为企业层面的全要素生产率。参数估计法和半参数估计法在企业全要素生产率估计中得到了较广泛的应用，其中，参数估计法主要包括：最小二乘法(简称OLS)、固定效应法(简称FE法)和随机前沿分析法(简称SFA法)。半参数估计法主要有两种：Olley和Pakes(1996)提出的Olley-Pakes法(简称OP法)和Levinsohn and Petrin(2003)提出的Levinsohn-Petrin法(简称LP法)。由于OP法和LP法能够解决生产函数内生性问题而获得更有效的估计，因此，近年来OP法和LP法在中国工业企业层面的生产率估计中受到重视(鲁晓东、连玉君，2012)。OP法和LP法的主要区别在于代理变量的选择：OP法以企业投资额作为代理变量，有利于缓解同时性偏差，但由于本文使用的中国工业企业数据库包含大量投资额缺失或取值为零的样本，因而OP法会导致大量样本被舍弃，进而引起新的断尾偏差。LP法以企业中间投入作为代理变量，也有利于缓解同时性偏差问题，同时在中国工业企业数据库中，中间投入缺失或取值为零的情况较少，所以LP法可以明显缓解样本舍弃带来的偏差问题。鉴于此，在基准回归和分组回归中，本文采用LP法对TFP进行估计。在投入产出指标的测算方面，根据鲁晓东、连玉君(2012)等既往文献的一般做法，本文利用工业增加值表示产出水平，利用固定资产年平均净值衡量资本存量，利用从业人员数反映劳动投入，利用中间投入量表示中间投入，并将以上变量调整为以1999年为基期的实际值。同时，为了检验估计结果的稳健性，本文分别采用OLS法、FE法和SFA法等三种主要的参数估计法测量企业TFP。

2. 解释变量

(1) 中间投入共享(D)。中间投入共享效应反映为中间产品部门与最终产品部门在空间上的集聚有利于形成中间产品供给上的规模经济，因此，中间投入共享效应取决于所在地区的产业关联性，包括前向关联和后向关联(Fujita and Thisse, 2013)。Lu and Tao(2009)建议采用Holmes(1999)构建的垂直非一体化指数(vertical disintegration)来衡量中间投入共享效应，即行业的外购投入占行业总产值的比例。该指标的问题在于，企业的中间投入可能来自当地采购，也可能来自外地采购或外国进口，而该指标不能分离出当地采购的比例，因而难以反映出本地中间投入共享水平。

从中间投入共享效应的概念来看，如果某地区某行业中间产品的外部采购需求越大，那么该行业的中间产品供应商就越会向该地区集中，进而在该地区形成该行业的中间产品专业化供给。由于区位熵可以反映地区专业化水平，因此本文借鉴区位熵的概念及计算方法对Holmes(1999)的垂直非一体化指数进行改进。于是，本地中间投入共享效应(D)的具体计算公式如下：

$ {D_{rj}} = \frac{{{T_{rj}}/{T_r}}}{{{T_{nj}}/{T_n}}} $

(7)

其中，r表示地区，j表示行业，n表示全国。D_rj表示r地区j行业的中间投入共享效应，T_rj表示r地区j行业的外购中间投入，T_r表示r地区所有行业的外购中间投入，T_nj表示全国j行业的外购中间投入，T_n表示全国所有行业的外购中间投入。从方程(7)的涵义来看，D_rj反映的是，与全国其他地区相比，r地区j行业中间产品相对需求的大小。D_rj的值越大，j行业的中间产品供应商就越向r地区集聚，即中间投入共享效应越大。当D_rj>1时，表示r地区j行业的中间投入共享效应在全国具有相对优势；当D_rj < 1时，表示r地区j行业的中间投入共享效应在全国处于相对劣势。

(2) 劳动力池(S)。劳动力池效应主要表现为异质性企业与劳动力的集聚可以改善企业和劳动力之间的匹配(Puga，2010)。Rosenthal and Strange(2001)基于美国的数据，建议使用高学历员工占比或管理层员工占比作为劳动力池的代理变量。但与美国不同，中国以制造业立国，并且加工组装制造在制造业中占绝大比重，“中国制造”对劳动投入的需求主要反映为熟练工人和技术工人，因此，以上两个指标未必能反映中国制造业的劳动力池效应，并且，这两类数据的可得性也受到限制。同时，制造企业的劳动投入具有明显的异质性，既包括中高级人才，也包括一般的产业工人。加之，国有企业在中国工业企业数据库中占有相当的比重，而国有企业存在比较严重的冗员问题，因此，企业职工人数也不适合作为劳动力池的代理指标。Lu and Tao(2009)指出行业相对工资水平可以较好地反映一个地区的某个行业对专业劳动力的吸引力，进而可以作为劳动力池的一个代理变量。于是，本文也利用区位熵的思想对Lu and Tao(2009)提出的行业相对工资水平进行改进，并以此衡量劳动力池效应，具体计算公式如下：

$ {S_{rj}} = \frac{{{W_{rj}}/{W_r}}}{{{W_{nj}}/{W_n}}} $

(8)

其中，S表示劳动力池效应，Wage_jW表示平均实际工资，这里使用的平均实际工资包含了人均工资、人均福利费以及公积金、医疗保险和失业保险。从方程(8)的涵义来看，S_rj反映的是，与全国其他地区相比，r地区j行业的平均实际工资相对水平的高低。S_rj的值越大，j行业的劳动力就越向r地区集聚，即劳动力池效应越大。当S_rj>1时，表示r地区j行业的劳动力池效应在全国处于相对优势；当S_rj < 1时，表示r地区j行业的劳动力池效应在全国处于相对劣势。

(3) 知识溢出(M)。知识溢出是指不同主体之间通过直接或间接方式进行信息交流而取得的智力成果，知识的承接方不会给知识的溢出方支付价格或支付的价格低于其智力成果的价值(赵勇、白永秀，2009)。一些文献使用专利引用量或者研发经费占比作为知识溢出的代理变量，不过，企业层面的专利申请量，特别是专利引用的数据可得性受到限制，而研发经费也难以反映出创新产出和创新效率(Feldman and Audretsch, 1999)。既往文献表明，知识溢出效应往往取决于当地可供溢出的“知识池”的大小，即所在地区知识存量的规模，而知识存量可以通过专利数量或新产品产值来反映。于是，考虑到数据可得性等方面的原因，本文使用新产品产值反映当地“知识池”的大小。这里也根据区位熵的思想来构建知识溢出效应的测量指标，具体计算方法如下：

$ {M_{rj}} = \frac{{{N_{rj}}/{N_r}}}{{{N_{nj}}/{N_n}}} $

(9)

其中，M表示知识溢出效应，N表示新产品产值。从方程(9)的涵义来看，M_rj反映的是，与全国其他地区相比，r地区j行业“知识池”的相对大小。M_rj的值越大，j行业的新知识在r地区的集聚程度就越高，即知识溢出效应越大。当M_rj>1时，表示r地区j行业的知识溢出效应在全国处于相对优势；当M_rj < 1时，表示r地区j行业的知识溢出效应在全国处于相对劣势。

3. 控制变量

限于篇幅，这里仅列出控制变量的计算方法，而不具体讨论引入这些变量的理由。(1)研发投入(RD)使用研究开发费作为代理变量。(2)出口效应(EX)使用出口交货值作为代理变量。(3)所有制形式(SOE)使用国家资本金占实收资本比重作为代理变量。为避免零值和缺失值问题，研究开发费和出口交货值均在原值基础上加1再取对数。此外，为避免极端值的影响，本文对关键变量进行1%的缩尾处理。

(三) 数据来源

考察集聚外部性应尽可能使用企业层面的微观数据(Rosenthal and Strange, 2001；2004)。本文数据来源于国家统计局的中国工业企业数据库。该数据库涵盖了中国全部国有工业企业和规模以上的非国有工业企业。这样的大样本微观数据有利于更好地研究集聚外部性不同来源对企业生产率增长的影响。参考聂辉华等(2012)等既往文献的建议，本文对该数据库做了四方面处理：第一，剔除那些与会计准则明显不符的观察值以减少异常值的影响。第二，根据Cai and Liu(2009)的建议应剔除一些关键指标如工业总产值缺漏的观察值，同时利用插值法对个别指标整年缺失的2004年进行填补。第三，删除企业数量严重偏少的西藏、海南两个地区的样本。第四，根据行业代码筛选出全部制造业企业。

集聚外部性三个源泉发挥作用的地理范围可能存在比较明显的差异。例如，知识溢出特别是隐性知识溢出具有明显的本地化特征，因而在城市或者集群这种更小的空间范围知识溢出效果更好；然而，在现代化交通体系的支撑下，中间产品的专业化供给和共享效应可能在不同地理层次均可实现。Rosenthal and Strange(2001)首次考察和比较了集聚外部性的三个来源在美国的州、县和邮编区三个地理层面相对重要性。为与此文形成对照，进而讨论转型体制下中国的情况，本文尝试在中国的省份(直辖市/自治区)、地级以上城市、区/县三个地理层面考察和比较集聚外部性三大来源的相对重要性。中国工业企业数据库提供了企业所属地理位置的邮政编码，这为区分三个地理层面进行经验研究创造了条件。

行业层次的选择也是需要注意的问题。国内早期经验研究集中于2位数行业层次(薄文广，2007)，随着数据可得性的改善，基于3位数和4位数行业的经验研究开始增加(范剑勇等，2014)。本文认为，行业层次的选择不宜过粗也不宜过细。选择过粗可能会造成行业技术外部性的高估等问题，如以2位数行业测量的中间投入共享效应，可能会高估2位数行业内部的3位数行业之间的关联效应和中间投入共享水平。而选择过细也可能造成对细分行业间关联效应的低估等问题，如以4位数行业测量的劳动力池效应，难以反映3位数行业内部的4位数行业之间关联效应及其引致的劳动力供需匹配。鉴于此，本文选择3位数行业层次测算集聚外部性的三个指标。

值得注意的是，集聚外部性应反映企业的空间集中趋势。如果某地区某行业的企业数量太少，就不能体现这种集中趋势。通过对本文数据库的统计发现，在区县和4位数行业层面，这种现象尤为突出。为此，在对集聚外部性的三个来源进行测算之前，还需要对样本进行以下处理：在区/县、地级以上城市、省份(直辖市/自治区)三个地理层面，要分别剔除那些规模以上制造业企业数量过少的地区。本文的标准是当特定地区特定行业的企业数量少于两个时应予以剔除。最终，本文在省份、地级以上城市和区县三个地理层次分别构建三份2003-2007年非平衡面板数据集。

本文主要变量的描述性统计报告于表 1。从样本数量来看，由于不同地理层次的样本剔除差异，区县层面的样本量(652328)明显低于地级以上城市(876266)和省份(922812)。从样本均值来看，区/县层面测算的投入共享效应(D)最大，其次为地级以上城市层面，省份(直辖市/自治区)层面最低。劳动力池效应(S)、知识溢出效应(M)的均值也随地理层次的提升而呈下降趋势。相应地，三者的方差也出现明显下降。可见，随着地理范围的扩大，集聚外部性程度呈现出递减趋势。

三、回归结果与分析 (一) 基准回归结果

基准回归的结果报告于表 2。投入共享(D)系数在三个地理层次均显著为正，表明中间产品在不同地理层面的专业化供给均能够促进企业层面的生产率增长。从系数大小来看，省份层面的系数最大(0.0544)，地级以上城市层面次之(0.0220)，区县层面最小(0.0046)，这表明投入共享的生产率弹性随着地理层次的提升而明显变大。可见，地理范围越大越有利于实现中间产品市场的供需匹配，亦即中间投入共享效应越明显。这一结论与Rosenthal and Strange(2001；2004)的研究一致，他们利用美国的数据发现，在地理范围较大的州层面投入共享效应的影响最大，并认为州际交通体系的现代化为中间投入品的大范围流动创造了条件。在中国，中间投入共享效应的改善得益于以下两方面的作用：一是以高速公路和铁路提速为代表的现代化交通体系加快建设，交通运行效率明显改善，货物运输成本大幅下降；二是地方保护主义逐渐被打破，全国性的统一市场加快建设，特别是产品市场的快速发育有利于交易成本的下降。这些均有利于中间产品供给在更大的地理范围内实现规模经济。

劳动力池(S)系数在三个地理层次均显著为正，说明企业生产率增长受益于不同地理层面的劳动力池效应。并且，在区县层面的劳动力池系数(0.0046)明显低于省份层面(0.0185)和地级以上城市层面(0.0173)，表明地理范围越大越有利于实现劳动力市场的供需匹配，但省份层面并不会明显优于城市层面。究其原因，可能有以下三点：其一，区县层面可能因为地理范围较小而限制了专业化劳动力市场发挥作用的程度，特别是对于技术人才和熟练工人而言，企业的招聘和员工的求职显然不受限于区县的范围，而在同一个地级以上城市内实现供需匹配的情况更为普遍。其二，中国城市市政交通设施和劳动力市场快速建设，使得劳动力在地级城市内的流动已经比较便利和顺畅，因而能够更好地支撑城市劳动力市场对当地企业生产率增长的促进作用。其三，由于地方保护主义和地域文化隔阂仍然存在，劳动力在全国范围的流动并不顺畅；同时，由于户籍制度等方面的限制，我国劳动力在城乡之间以及发达地区与落后地区之间的流动面临空间粘性，进而使得在省份层面的劳动力池效应并不会明显优于地级以上城市层面。可见，与地级以上城市相比，尽管省份因其地理范围更大而可以提高劳动力市场供需匹配的概率，但其匹配效率可能低于地级以上城市。因此，可以推断，从供需匹配效率来看，地级以上城市是培育劳动力市场最适宜的地理层面。

知识溢出(M)的系数在区县、地级以上城市样本均显著为正，而在省份样本没有通过显著性检验。这表明，知识溢出效应在地理范围较小的区县和地级城市这两个层面成立，而在地理范围偏大的省份层面不成立。可见，知识溢出和学习过程主要发生在城市和集群的这种更小的空间范围。中国的省份类似于美国的州，其地理范围可能太大，因而并非观察和实现知识溢出的一个合适的地理单元(Puga，2010)。从系数大小来看，知识溢出在城市层面的系数(0.0065)明显高于区县层面(0.0028)，可见，知识溢出效应在城市层面最强，城市是实现知识溢出和创新活动最合适的地理单元。究其原因可能是城市为高层次人才的职业发展和日常生活提供了更优质的条件，特别是城市完善的公共设施和服务有利于提高人们的生活质量，人们对美好生活的需求正在日益增长。同时，城市社会生态的多样性，特别是开放包容的文化宽容对科学家、工程师和高级人才等知识群体具有特别的吸引力(Acs et al., 2014)。这些经济社会文化因素均为城市的知识溢出效应创造了条件，特别是那些现代化的大城市已成为当今研发创新等知识密集型活动的中心地。

综合来看，在同一地理层面下，不论区县、地级以上城市或省份，投入共享(D)对企业生产率增长的促进作用均是最大的，劳动力池效应次之，知识溢出效应最小。以城市层面为例，投入共享(即中间产品相对需求)提高1倍，则当地企业层面的生产率提高2.20%；劳动力池(即实际工资相对水平)提高1倍，则当地企业层面的生产率提高1.73%；知识溢出(即新产品产值相对规模)提高1倍，则当地企业层面的生产率提高0.65%。这些数据表明集聚外部性带来了大城市的生产率优势。

控制变量的回归结果与既往文献大体一致。其中，研发投入(RD)的系数显著为正，表明研发投入有利于企业生产率增长；出口效应(EX)的系数显著为正，表明出口扩张有利于企业生产率增长；所有制形式(SOE)的系数为负但不显著，表明国有产权对企业生产率增长的负面作用在本文样本中未得到验证。

(二) 稳健性检验

在基准回归中，被解释变量TFP采用LP法进行测量。这里分别采用OLS法、FE法和SFA法等三种主要的参数估计法重新测量TFP，以考察基准回归结果的稳健性，结果报告于表 3。结果发现，三个解释变量的估计系数的符号和显著性与基准回归完全一致。进一步，从集聚外部性的生产率弹性变化趋势来看，在TFP的三种参数估计方法中，投入共享(D)以及知识溢出(M)的生产率弹性的变化趋势与基准回归完全一致，即投入共享效应在省份层面最大，地级以上城市层面次之，区/县层面最低；知识溢出效应在地级以上城市层面最明显，区/县层面次之，而省份层面不成立。另外，当利用OLS和FE两种方法测量TFP时，在地级以上城市层面劳动力池(S)的生产率弹性甚至还要大于略大于省份层面，进而再次证实了基准回归的推断，即从供需匹配效率来看，地级以上城市是培育劳动力市场最适宜的地理层面。以上结论充分证明了基准回归结果的稳健性。

(三) 市场化进程分组回归

中国各地区的市场化改革进程存在明显差异，地方保护主义仍然存在，产品和要素市场仍然存在诸多扭曲，这限制了集聚外部性发挥作用的地理边界和实际效果。为考察市场化改革进程对集聚外部性的影响，本文根据樊纲、王小鲁(2011)发布的“中国市场化指数”将企业样本所在地区划分为高、中、低市场化程度三组进行分组回归，回归结果报告于表 4。

在每个地理层面，投入共享(D)的系数在市场化程度高、中、低的三个分样本中均显著为正。从弹性大小来看，当采用区县和城市层面时，在市场化程度高的分样本中的弹性略大于市场化程度中、低的分样本；当采用省份层面时，市场化程度越低，弹性反而越大。以上结果表明市场化改革进程对中间投入共享效应的发挥产生了一定的影响，但影响不大。究其原因，在市场化程度高的地区，中间产品市场运行效率高，进而集聚区投入共享效应是明显的。而在市场化程度低的地区，一方面由于其经济发展相对落后，产业集聚水平较低，中间品供应商在一定范围的集聚就会产生明显的规模报酬递增效应；另一方面，当地政府对经济活动的干预强度较大，政府可能替代市场机制在产业园区或产业集群的招商引资过程中发挥了更大作用，通过政府主导作用把上下游关联的企业引入集聚区也是可以有利于发挥中间投入共享对企业生产率增长的促进作用。进一步，在市场化程度相同的情况下，可以考察地理层面变化如何影响生产率弹性，结果发现，与基准回归完全一致，即省份层面的弹性最大，地级以上城市层面次之，区县层面最小，再次表明地理范围越大越有利于实现中间产品市场的供需匹配。

在每个地理层面，劳动力池(S)的系数在市场化程度低的样本中不显著，而在市场化程度高的样本中显著为正，并且生产率弹性随着市场化程度的提高而扩大。这表明，市场化程度越高，当地劳动力池对企业生产率增长的促进作用越明显。可见，市场化改革有利于培育劳动力市场，改善集聚区的劳动力供需匹配。进一步，在中等市场化程度的样本中，仅城市层面的回归系数显著为正；在高市场化程度的样本中，城市层面的回归系数最大。这再次证实了基准回归的推断，即地级以上城市是培育劳动力市场最适宜的地理层面。

在区县和城市层面，知识溢出(M)的系数在市场化程度低的样本中不显著，而在市场化程度中、高的样本中显著为正，并且生产率弹性随着市场化程度的提高而略有扩大。这表明，在经济活动集聚过程中，知识溢出效应的发挥依赖于更完善的市场机制，这一结论与孙早等(2014)研究结果大体一致。市场化改革意味着以竞争为核心的市场机制在创新资源配置中发挥更重要的作用。市场化改革一方面有利于优化产权结构，进而能够通过产权有效激励企业的创新积极性(戴魁早等，2013)，这显然会增加集聚区的知识存量；另一方面，市场化改革为新知识的合理定价创造了条件，并且市场竞争可以有效驱动企业进行技术模仿和吸收(孙早等，2014)。因此，在转型经济中，市场化改革可以增强集聚区内的知识溢出效应。不过，令人费解的是，在省份层面，知识溢出(M)的系数在市场化程度低的样本中显著为正。原因可能在于，市场化程度低的省份主要是分布在中西部的经济落后省份，一方面其技术发展相对滞后，因而技术进步对企业生产率增长可能发挥更大的促进作用；另一方面这些省份的知识产权保护强度往往较弱，因而技术模仿的环境相对宽松，这也有利于增强知识溢出对企业生产率的促进作用。

(四) 行业技术水平分组回归

为考察行业技术水平对集聚外部性的影响，本文根据行业研发投入水平将三位数行业划分为高、低两个技术层次，分别进行回归分析，结果报告于表 5。

投入共享(D)的系数在三个地理层面的高低技术水平的分组检验中均显著为正，不过行业技术水平越高，系数值越小。可见，投入共享的生产率弹性随着行业技术水平的提高而下降。这可能与低技术制造业的特性有关，这些行业大多是市场指向型的消费品制造业，或者原材料指向型制造业。运输成本对这些行业的生产运营具有重要影响，因此，低技术制造业更依赖于中间投入共享效应。特别是在省份层面的低技术制造业中，投入共享的生产率弹性高达0.1445，即省份层面的投入共享(即中间产品相对需求)提高1倍，则当地企业层面的生产率提高14.45%。另外，表 5的结果也表明，在行业技术水平相同的样本下，投入共享的弹性在省份层面最大，地级以上城市层面次之，区县层面最小，与基准回归完全一致，再次表明地理范围越大越有利于实现中间产品市场的供需匹配。

劳动力池(S)的系数在三个地理层面的高技术制造业中均显著为正，而在城市层面的低技术制造业也显著为正，但系数更小。这表明，行业技术水平越高，劳动力池效应越明显。为什么劳动力池效应反而在高技术制造业显著呢？这与我国在全球高技术产业的价值链分工角色有关。例如电子及通讯设备制造业是样本企业数量最多高技术行业之一，但我国企业在该产业的全球价值链中主要从事劳动密集型的加工组装环节，因而，很明显这类企业的生产率增长依赖于劳动力池效应。另外，在行业技术水平相同的样本下，劳动力池的生产率弹性在地级以上层面相对更大，表明地级以上城市更有利于实现劳动力市场的供需匹配。

在区县层面，仅高技术制造业企业的生产率增长得益于知识溢出(M)。在地级以上城市层面，高、低技术制造业企业的生产率增长均可得益于知识溢出，原因在于，正如基准回归部分的分析，城市是促进知识溢出和创新活动的最佳地理范围。在省份层面，仅低技术制造业企业的生产率增长得益于知识溢出，原因不得而知。

四、结论与建议

本文旨在考察集聚外部性的不同来源即投入共享、劳动力池和知识溢出对企业生产率增长的影响，以期进一步打开集聚外部性的地理黑箱，并为公共政策的精准发力提供理论支持。研究结论和建议概括如下：

其一，集聚外部性的生产率弹性在不同的地理范围和行政区划层次存在较明显的差异。中间投入共享效应和劳动力池效应在三个地理层面均显著成立，而知识溢出效应则主要发生在地理范围较小的区/县和地级以上城市层面。从弹性大小来看，中间投入共享的生产率弹性在省份层面最大，地级以上城市次之，区县层面最小；劳动力池的生产率弹性在地理范围较大的省份和地级以上城市要高于地理范围较小的区/县；知识溢出的生产率弹性在地级以上城市层面最大。另外，在同一地理层面下，不论区县、地级以上城市或省份，投入共享(D)对企业生产率增长的促进作用均是最大的，劳动力池效应次之，知识溢出效应最小。当TFP测算方法调整后，以上结论依然稳健。总体来看，就中国而言，地级以上城市是促进知识溢出和培育劳动力市场的最优地理范围与行政区划层次。

其二，集聚外部性对企业生产率的影响还依赖于市场化改革进程和行业技术水平。在三个地理层面，劳动力池效应均明显依赖于市场化改革的进程。不过，在地理范围较小的城市和区县层面，知识溢出效应才明显依赖于市场化改革进程。在三个地理层面，市场化改革进程对中间投入共享效应的发挥均产生了一定影响，但影响不大。另外，随着行业技术水平的提高，投入共享效应下降，而劳动力池效应增强。在地级以上城市层面，不同技术水平制造业企业的生产率增长均可得益于知识溢出。

以上结论为公共政策的精准发力提供了理论支持。首先，应根据行政区划层次适度调整产业政策的目标和任务。在省份层面，产业政策重在加强区域价值链建设，强化产业关联效应，改善中间产品专业化供给。在城市层面，产业政策重在促进知识溢出和培育劳动力市场，要完善市政设施和公共服务体系，促进高技能人才和创新要素的集聚。区县层面是产业集群建设的重要支撑，应围绕产业园区打造主导产业，增强产业集聚效应。其次，切实推进社会主义市场经济体制改革。要以要素市场化配置为重点，切实打破户籍制度限制，实现劳动力自由流动。要推进全国性统一市场的建设，形成价格反应灵活的中间产品供应体系。要以知识产权制度化建设为基础，打破知识溢出的体制性壁垒，强化知识产权创造、保护、运用。最后，针对产业技术水平制定差别化的产业政策。对于高技术产业，公共政策应重在保护和激励创新，特别是要注重疏通知识溢出渠道。