• 研究方法和变量设定_《中国制造业空间格局与企业生产率研究》

  • 发布时间:2018-01-11 17:45 浏览:加载中
  • 二、研究方法和变量设定

    利用企业的人均工业产值(ql)表示企业的劳动生产率,并从城市、企业和产业的角度探讨产业集聚对企业劳动生产率的影响。从城市的角度,本研究着重探讨地级市尺度的产业集聚对制造业企业劳动生产率的影响,采用就业密度(density)作为产业集聚水平的衡量指标,同时区分地方化经济和城市化经济,即同类产业的集聚与不同产业的集聚对企业劳动生产率的影响,用企业所在城市同类产业的就业密度(loc)表示地方化经济,用企业所在城市不同产业的就业密度(urb)表示城市化经济。如果存在集聚效应,我们进一步引入就业密度的二次项(urb×urb和loc×loc),研究就业密度与企业生产效率是否存在非线性关系,即产业的过度集聚是否损害企业的生产效率。

    新经济地理理论认为,企业往往集聚在市场规模或市场潜力较大的地区(Krugman,1991),我们用国内市场潜力(market)和国外市场潜力(port)探讨市场潜力对企业生产率的影响。其中,借鉴引力模型,两地区的经济联系与人口规模成正比,与距离成反比,将国内市场潜力的公式设定为:

    其中,Pk表示企业所在地级市以外的所有地级市,Pj表示企业所在的地级市,djk表示j城市到k城市的最短距离,Sj表示j城市的面积。由于与国外运输联系通常经由港口进行海运,中国目前主要干线港分布在八个城市,用到八大干线港城市的距离衡量国外市场潜力,国外市场潜力表示为:

    其中,j为企业所在地级市,p为中国八大干线港城市,分别是大连、天津、上海、宁波、厦门、广州、深圳、青岛,Sp为干线港城市面积,用企业所在地级市到中国八大干线港的最短距离的倒数乘100表示国外市场潜力,如果企业位于八大干线港所在城市,那么用企业所在城市的平均半径的倒数乘100表示国外市场通达性。

    除集聚经济和市场规模因素外,城市特性也可能会影响企业生产率,本研究认为全球化和市场化水平高的地区有利于激励企业吸收先进技术,并按照比较优势配置资源,从而提高生产效率。用企业所在地区该产业的出口交货值占销售产值比重(exp)作为衡量企业所在地区全球化水平的指标,预期符号为正。地区市场化水平同样会影响企业生产率,市场化水平高的地区,企业的非生产性开支减少,运营成本降低,生产效率将会上升,用企业所在城市的非公有企业制造业就业人口占全部制造业就业人口比重(priv)衡量企业所在城市的市场化水平,预期符号为正。

    企业本身的特性是影响企业生产率的重要因素,本研究认为企业的研发创新能力和企业的外向度对企业效率有显着影响,引入企业研发支出占总支出比重(rd)衡量企业的研发能力,用企业新产品产值占总产值比重(new)衡量企业创新能力,用企业港澳台和外商资本占企业实收资本的比重(fdi)衡量企业的经济外向度。预计企业的研发创新能力越强,企业的生产效率越高。国外资本往往具备较高的技术或管理能力,预期外资比重高的企业生产效率也越高。同时,我们控制企业规模和企业所有制,将企业按就业人数分为大、中、小企业,并设置企业属于大企业(size1),企业属于中等企业(size2)虚拟变量,将企业按控股类型分为国家控股、集体控股、私人控制、港澳台资控股和外资控股几种类型,并将企业属于前四种类型分别设置为konggu1、konggu2、konggu3、konggu4虚拟变量。

    同时,本研究进一步控制产业变量,在用全部企业回归时,设置产业虚拟变量,为了解集聚对各产业企业效率的影响,将分产业进行回归。所有的自变量符号及定义见表6-4,在计量回归中,我们将连续性变量取对数。变量的描述统计见表6-5。

    表6-4 变量符号及定义

    表6-5 变量描述统计

    注:所有连续性变量均已取对数。

    所有自变量的相关系数见表6-6,表示产业集聚的变量density与loc、urb之间的相关系数比较高,在回归模型中,将集聚变量density与loc、urb分别代入计量模型回归。其他变量间的相关系数不高,可以同时进入回归模型。

    表6-6 变量间的相关系数

    在回归中,可能面临企业自选择和内生性的问题,尽管一些实证研究证实产业集聚有利于提高生产率,但也可能是高效率的产业自主选择大城市或专业集聚区,或产业集聚区的竞争效应淘汰了效率低下产业的结果。Baldwin和Okubo(2006)认为高效率的企业可能会自行选择布局在大城市,Melitz和Ottaviano(2008)认为高效率的企业在大城市更容易受益于集聚经济,只有高效率的企业才能在大城市生存下来,低效率企业往往在大城市激烈的竞争中被淘汰。为了解决这个问题,采用两种方式:

    (1)选择工具变量解决内生问题,选择1930年拥有机场的大城市(airport)虚拟变量作为density的工具变量,选择这个变量的原因在于,那时的机场多分布在人口密集的大城市,由于路径依赖效应,当时的城市密度影响当前中国的城市人口密度,但与当前的企业生产率无关。

    (2)选择分位回归(Quantile Regression)解决企业的自选择问题。分位回归的基本想法是由Koenker和Bassett(1978)引入经济学分析的。与线性回归一样,分位回归关心的也是因变量y在给定自变量x基础上的条件分布。不同的是在线性回归中,假定条件分布的一个重要特征——条件分布的均值是x的线性函数,即OLS回归试图拟合一个条件期望的线性方程。如果考虑的不是y的条件均值,而是条件中位数,并且假定y的条件中位数是x的线性函数,这就是中位数回归,也叫做50%分位回归。原则上讲,可以以任何y的条件分布分位数p来代替中位数,来构造p分位回归。

    分位回归至少有两个优点:首先,通过对不同的分位数进行回归,可以对条件分布的不同位置进行分析;其次,如同中值对于异常值的敏感程度小于均值一样,分位数对于异常值的敏感程度也远远小于均值。分位回归只受到是否存在异常值的影响,而与其具体位置无关(当然是在给定大于还是小于某个分位数的情况下)。因此,分位回归是稳健性强于OLS的回归技术之一。

    分位回归估计的是出于条件分布的某个分位点的样本如何受到各个变量的影响,这可以在一定程度上了解不同效率的企业如何受集聚经济的影响。本研究取0.1、0.5和0.9三个分位点探讨企业是否存在自选择问题。

  • (责任编辑:中国历史网)
    微信公众号
历史追学网

夏商周 春秋战国秦汉三国晋·南北朝隋唐宋元明清民国