摘要：基于中国工业企业数据库与专利数据库的匹配数据，以2001年、2005年、2006年以及2007年的企业级面板数据为样本，研究产业集聚对企业创新效率的影响，以探讨产业集聚是否能够促进我国加快建设创新型国家的目标。研究发现：产业集聚显著促进了专利的产出效率，其中，本地化经济效应显著而城市化经济效应不显著；平均来看，本地化经济效应解释了我国企业2001年至2007年专利数量对数增长的9.6%。研究还发现，较高水平的研发支出或人力资本有助于企业获得本地化经济效应。研究结果表明：产业集聚是近年来我国企业专利获取数量快速增长的—个重要影响因素，其有助于整个国家创新效率的提高；为了更好地发挥集聚经济效应，企业和地方政府应重视研发支出规模的扩大以及高技能人才的引进。

关键词：产业集聚，专利生产函数，本地化经济，城市化经济，技术溢出

基金项目：国家自然科学基金面上项目（71273217）；国家自然科学基金应急管理项目（71741001）；教育部人文社会科学基金青年项目（18XJC790006）

一、引言

创新是促进经济增长的重要因素，企业创新是一种创造性破坏（creative destruction）。新产品、新生产方法、新市场或新的产业组织方式是经济增长的持续推动力^[1]。在改革开放后的很长时期内，低劳动力成本、高投资率以及技术引进帮助我国实现了快速的经济增长^[2]。然而，随着我国制造业工人工资的增长，人工成本逐渐提高，我国经济需要转变增长模式，比过去更依赖创新和全要素生产率的增长^[3]。因此，党的十九大报告指出“创新是引领发展的第一动力，是建设现代化经济体系的战略支撑”，并提出“加快建设创新型国家”的要求。

专利数量通常被认为是创新的一个重要衡量指标。根据这一指标，我国企业在较高的人工成本压力下展现了良好的创新能力^[3]。这一点反映在我国年度专利授权总量的增长上，近十几年来，我国年度专利授权数量增长迅猛（见图1）。本国实体获得的年度专利授权总数从2000年的约9.5万件增加到2017年的约172万件，17年间增长了约17倍。

图1 我国年度专利授权数量

资料来源：中国国家知识产权局专利统计年报

专利授权数量的快速增长引起了很多学者的研究兴趣，已有研究提出并验证了影响专利授权数量的因素，主要包括：企业和科研机构的研发投入强度^[4]、外国直接投资的溢出效应^[5]、法律和制度^[6-7]、国有企业的改制^[6]等。有趣的是，尽管集聚经济的相关文献对产业集聚的经济效应进行了广泛而深入的研究，但我国专利数量增长的相关文献尚未对产业集聚与企业专利授权数量之间的关系进行系统的实证研究。事实上，在专利授权数量快速增长的同时，我国的产业集聚也处于高速发展中，并且政府政策是产业集聚的重要影响因素^[8]。从1978年到2001年，地区的工业GDP占全国工业GDP比重的省际差异逐渐扩大，这反映了我国产业集聚不断增强的事实^[8]。根据中国工业企业数据库中的相关数据，本文统计了我国地级市（或地级区域）规模以上工业企业数量在不同年度的平均值（见图2），发现了明显的产业集聚趋势，地级市（或地级区域）规模以上工业企业平均数量从1998年的约450家增加到2007年的约850家，增长了近1倍。

图2 地级市（或地级区域）规模以上工业企业平均数量

资料来源：根据中国工业企业数据库统计所得

产业集聚被认为能够提高企业的生产效率，相关文献强调了集聚带来的两类外部经济效应：Marshall^[9]认为集聚的外部效应主要发生在同行业内部，此类外部性被称为本地化经济（localization economy）；Jacobs^[10]则强调了相互关联的不同行业企业之间的技术溢出对于创新的重要性，跨行业集聚带来的外部性被称为城市化经济（urbanization economy）。

我国专利数量的迅速增长是否受益于产业集聚？本地化经济和城市化经济对于专利的研发来说是否同等重要？什么因素影响了企业获益于集聚经济？这些问题尚未得到系统研究，其原因可能是：长期以来，我国的大样本企业数据缺少企业专利方面的信息。由于产业集聚是我国工业快速发展的一个显著特点^[11]，在我国经济增长模式转变的过程中，产业集聚能否增强企业创新效率就成为一个非常重要的问题。对该问题的研究有助于分析以往的增长模式是否也能够对创新驱动的增长提供帮助。

本文主要基于中国工业企业数据库与专利数据库的匹配数据对上述问题进行实证研究。研究发现：对于企业专利生产而言，集聚经济效应主要来源于本地化经济，城市化经济的作用并不显著；企业加大研发投入或提高人力资本水平有利于自身获益于本地化经济。本文的研究结论表明，产业集聚不仅推动了我国的快速工业化，也将对我国建设创新型国家起到促进作用。本文的主要贡献包括三个方面：首先，现有研究专利数量增长的文献并未检验产业集聚对专利数量的影响，而本文的研究结果表明，本地化经济是我国企业专利数量增长的一个重要影响因素，其集聚经济效应解释了2001年至2007年以来我国企业专利数量对数增长的9.6%，而城市化经济的效应并不显著；其次，使用中国数据研究集聚与创新关系的文献仍然非常缺乏，本文的研究有助于更充分地了解我国产业集聚与创新之间的关系；最后，本文考察了集聚经济作用于企业的机制，发现企业研发规模和人力资本水平对企业吸收集聚经济效应的能力有显著影响。

本文的余下内容包括：第二部分回顾了相关文献并提出可供检验的假设；第三部分介绍了本研究所采用的实证方法及数据；第四部分是实证结果；第五部分进行稳健性检验；最后一部分为本文的结论。

二、文献综述与假设的提出

产业集聚指的是相关联的企业或机构在地理上的集中^[12]。有关产业集聚给企业带来的效率提升，现有文献主要存在两种观点。一方面，Marshall^[9]强调了同行业企业在地理上的集中将给企业带来三类正外部性：由于企业在地理位置上接近，同行业的企业员工能够面对面地进行社会互动并交换信息，企业间更容易产生技术外溢；同行业企业能够共享劳动力市场，从而使得企业与劳动力之间能够更好地匹配；通过原材料及中间产品的共享，企业能够降低生产成本。这种同行业集聚产生的外部性被称为本地化经济。另一方面，Jacobs^[10]则强调了企业能够从与本行业互补的其他行业获得信息，从而促进企业的技术创新。这一观点强调了其他行业的经济规模以及行业多样性给本行业企业带来的好处，这种外部性被称为城市化经济。

现有研究从多个角度证实了本地化经济和城市化经济的存在。首先，从探究产业集聚与行业规模增长关系的角度，Glaeser et al.^[13]以及Henderson et al.^[14]使用城市-行业数据，分析了产业集聚对行业就业规模增长的影响。前者发现了支持城市化集聚经济的证据^[13]，后者发现成熟资本品行业存在本地化集聚经济，而在高新科技行业两种集聚经济均存在^[14]。其次，从产业集聚对企业全要素生产率或劳动生产率影响的角度，多数研究发现本地化经济效应显著而城市化经济效应不显著，如Henderson^[15]、Cingano and Schivardi^[16]，以及Martin et al.^[17]的研究。而Cainelli et al.^[18]的研究则发现只有本地化集聚变量及城市化集聚变量达到一定水平时，本地化经济与城市化经济才对生产率具有显著影响。再次，从产业集聚对工人工资影响的角度，Wheaton and lewis^[19]、Fu and Ross^[20]、Chen^[21]均发现了支持本地化经济的证据。另外，刘修岩^[22]的综述较好地总结了产业集聚与经济增长的关系。

除了上述角度以外，部分文献还研究了集聚对创新的影响，其中包括使用地区级加总数据进行的研究（如Hornych and Schwartz^[23]基于德国数据的研究，彭向和蒋传海^[24]基于我国数据的研究），以及基于企业级数据的分析（如Baptista and Swann^[25]对英国制造业企业的研究，Gilbert et al.^[26]对美国信息技术行业技术创新的研究，董晓芳和袁燕^[27]、Zhang^[28]对我国制造业企业创新效率的研究）。这些文献中与本文最相关的是董晓芳和袁燕^[27]以及Zhang^[28]的研究。前者基于2007年的中国工业企业数据库研究了集聚对企业新产品研发效率的影响，发现新生企业更多受益于城市化经济，而成熟企业则更多受益于本地化经济。由于使用的是截面数据，她们的估计结果可能存在较严重的偏误，因此，她们认为该研究的主要贡献是检验了新生企业和成熟企业在创新特点上的差异，而不是估计本地化经济和城市化经济效应的大小^[27]。Zhang^[28]使用中国工业企业数据库中1998年至2007年的面板数据，研究了集聚对企业新产品研发效率的影响，发现本地化经济和城市化经济均对企业产品创新效率存在显著的促进作用。

以上文献回顾表明，目前关于我国产业集聚与创新关系的研究仍然非常不足。已有研究多采用新产品产值作为企业创新产出的度量指标，但依据Griliches^[29]的研究，专利数量是度量创新产出更为合适的指标，其原因主要包括：专利与知识生产过程高度相关；专利文件客观存在，且专利的标准随时间变化不大。此外，现有文献缺乏对创新过程中本地化经济效应和城市化经济效应差异的分析，因此，没能评估这两类集聚经济效应的相对重要性。而这种评估将有助于回答一个非常重要的政策问题，即为了提高制造业企业的创新效率，城市应该重点发展特定制造业行业还是应该促进制造业行业的多样化发展？

为了评估本地化经济和城市化经济在创新中的重要性，我们需要对集聚经济发生作用的三个渠道进行分析。首先，集聚所导致的企业间技术溢出更可能发生在同一行业内部。现有研究发现，技术溢出对企业专利产出效率的影响很大程度上取决于企业间的技术相似程度^[30-31]。根据Bloom et al.^[31]的分析，研发活动中的生产者是有专门知识的科研人员，不同企业科研人员的接触和交流会产生知识溢出，但这种溢出主要发生在技术领域接近的科研人员之间。可见，技术溢出更可能发生在技术相似度较高的同一行业内部。其次，集聚对企业与研发人员匹配效率的改善更可能发生在同一行业内部。其原因为：匹配效率改善的前提是集聚导致企业和研发人员同时面临更多选择，而由于不同行业在技术领域存在差异，不同行业中企业集聚带来的匹配效率的提高很可能是有限的。最后，在专利生产的投入要素共享方面，行业内规模增长和行业外规模增长所带来的改进难以在理论上进行比较。随着行业规模的增长，更多的企业可以共享市场为研发活动提供的服务，例如专利申请的代理服务以及与知识产权有关的法律服务。这降低了企业使用这类服务的成本，并提高了制造业企业的专利研发效率。因此，企业所处行业以及行业外的规模增长均有助于专利研发中的投入要素共享。以上分析表明，在专利的生产方面，本地化经济效应相比城市化经济效应可能更为显著。因此，本文检验的第一个假设如下：

假设1：在专利的生产方面，相比城市化经济效应，本地化经济效应更显著。

除了两类集聚经济在创新中的相对重要性以外，另一个被忽略的问题是：在企业内部，什么因素会影响企业获得的集聚经济效应的大小。现有文献中关于技术溢出的研究较为丰富，而关于其他两个渠道（改善企业与员工的匹配效率，以及共享生产投入要素）的研究则较为缺乏。从技术溢出方面来看，企业的研发规模和人力资本将影响企业获取技术溢出的能力。在Berliant et al.^[32]以及Bloom et al.^[31]对技术溢出机制的分析中，重点强调了企业之间的人员交流，他们认为企业的研发人员越多，越容易从与其他企业的人员交流中获取技术溢出。企业间的人员交流作为技术溢出的渠道，其数量和质量将影响企业获取技术溢出的能力。在交流的数量方面，当企业的研发规模很小时，企业的研发人员往往数量有限，与外部的交流也可能受限于有限的研发经费预算而无法很好地开展，这使企业获取外部信息的能力较差；在交流的质量方面，如果企业的人力资本水平较低，则难以从交流中获益。由于技术溢出是集聚经济的重要来源，企业的研发规模与人力资本水平很可能会影响企业获得的集聚经济效应。基于以上分析，本文检验的第二个假设以及第三个假设如下：

假设2：在专利的生产方面，企业的研发规模越大，获取的集聚经济效应越强。

假设3：在专利的生产方面，企业的人力资本水平越高，获取的集聚经济效应越强。

三、实证方法与数据

（一）实证模型

Pakes and Griliches^[33]在1980年提出了知识生产函数的概念，该概念在文献中得到了大量应用。根据知识生产函数的分析框架，企业的技术知识是本企业研发支出的产出，并受其他影响企业研发效率的因素影响。本文参考Hall and Ziedonis^[34]的研究，将以专利数量度量知识产出的知识生产函数称为专利生产函数。本文的实证策略是通过估计一个扩展的专利生产函数来检验前文的假设。具体实证模型为：

logPatent_ijct=β₀+β₁logFirmSIC2_jct+β₂1ogFirmOTHER_jct+β₃Diversity_jct+γx_ijct+θ_i+φ_c+δ_pt+τ_it+V_ijct （1）

其中，i表示企业，j表示行业，c表示地级市，p表示企业所在省份，t表示年度。因变量logPatent_ijct是企业i成功申请的专利数量的对数。参考已有文献^[35-36]，本文将行业定义为我国标准行业分类代码中的二位数行业。

我们感兴趣的解释变量包括本地化集聚变量和城市化集聚变量。参考Henderson^[15]的研究，本文使用行业内企业数量的对数，即logFirmSIC2_jct，度量本地化集聚水平。关于城市化集聚水平的度量，本文参考Martin et al.^[17]的思路，使用两个变量，即logFirmOTHER_jct以及Diversity_jct，进行度量。其中，前者表示其他行业的企业数量对数（考虑了不同行业的技术距离），后者表示城市的行业多样性，详细的计算方法见下文中数据与变量一节。x_ijct是回归中的控制变量，包括企业级、行业级以及城市级控制变量。本文在回归中控制了企业固定效应θ_i、城市固定效应φ_c、省份-年度固定效应δ_pt，以及行业-年度固定效应τ_jt。v_ijct是模型的误差项。本文假定企业固定效应θ_i与回归中的其他解释变量相关，并采用面板固定效应模型进行估计。没有采用泊松固定效应模型估计的原因是：当同时控制大量固定效应时，极大似然法估计常常无法收敛。

本文使用模型（1）检验假设1。为了对假设2和假设3所提出的作用机制进行检验，我们在模型（1）中加入交互项进行估计。具体地，为了检验假设2，我们在模型（1）中增加了企业研发支出对数logR&D_ijct与集聚变量的交互项；为了检验假设3，我们在模型（1）中加入了企业人力资本水平HMCP_ijct与集聚变量的交互项。