论文部分内容阅读
内容提要：为更加深入地揭示聚集行为与企业创新之间的内在联系，基于创新经济学和聚集理论，本文将聚集形式与聚集规模两个维度结合，研究二者同企业创新的动态关系。聚集形式对企业创新的促进作用根据聚集规模的不同而呈现特定的变化趋势：专业化聚集促进企业创新的作用会随聚集规模的不断增大呈现出先增加后降低的倒“U”趋势，而多样化聚集对企业创新的促进作用则先下降后增加，近似表现为“U”型关系。本文从聚集规模的动态角度，为专业化与多样化两种聚集形式如何促进企业创新提供了一个新的解释。
关键词：企业创新；聚集形式；聚集规模；动态关系
中图分类号：F272文献标识码：A文章编号：1001-148X（2017）06-0154-09
聚集通过知识溢出促进企业创新，但现实中企业聚集行为形形色色，怎样的聚集更有利于创新的实现？聚集行为一般分为同一产业（或性质相近的企业）集中形成的专业化聚集和不同产业（或不同性质的企业）集中形成的多样化聚集两种形式。Marshall（1920）和Arrow（1962）认为知识溢出是发生在特定产业层面的，知识溢出更容易在同行业的企业间产生，从而专业化聚集会促进企业创新；Jacobs（1969）则认为新思想极易在不同行业的交流中产生，故知识溢出多发生在互补行业，因此多样化的聚集形式更容易促进企业的创新。不同聚集形式对于企业创新效果如何，一直存在不同的观点，对相关问题的实证研究结论也同样存在严重分歧。解釋这种分歧产生的原因，有利于更加深入地揭示聚集行为与企业创新之间的内在联系，从而更高效地利用和管理企业聚集行为，促进我国企业的技术进步和创新发展。本文在以往研究的基础上，考虑聚集规模的存在和影响，提出聚集形式、聚集规模与企业创新关系的理论假说，并通过基于大量工业企业微观数据的实证研究，检验二者同企业创新的动态关系。研究发现聚集形式对企业创新的促进作用会随着聚集规模的不同而呈现出特定的变化特点，从而为解决聚集行为与企业创新相关问题提供理论支持。
一、文献综述
近20年来，国内外经济学家基于Marshall和Jacobs两位学者的观点，以专业化、多样化两种聚集形式反映企业聚集行为，并对二者与企业创新的关系进行了实证研究。其中，Henderson（1995）利用美国224个城市1970-1987年五类传统制造业数据、Baptista和Swann（1998）利用英国1975-1982年248家制造业企业数据样本、Filip和Beveren（2012）基于比利时2004年3个区3000多家企业的经营数据样本，都得出了专业化聚集更有利于创新的结论。而Feldman和Audretsch（1999）利用美国企业新产品数目等数据、Van Oort（2002）运用新西兰R&D劳动力成本数据样本、Antonietti和Cainelli（2011）利用意大利制造业企业数据，研究发现多样化聚集促进企业创新的作用更加显著。国内相关研究中，学者彭向和蒋传海（2010）运用中国各省、自治区及直辖市的相关数据和工业企业数据，研究发现两种产业集聚形式共同作用于区域创新，但产业的多样化聚集对创新的作用更加显著；程中华和刘军（2015）以我国285个地级市制造业数据开展研究，得出多样化集聚更有利于企业创新的结论。
现有研究文献对专业化和多样化究竟哪种聚集形式能够促进企业创新的结论产生了较大的分歧，可见仅从聚集形式的角度去认识聚集现象存在不足，这就需要我们进一步分析聚集问题中的其他重要因素。
新经济地理学的聚集理论指出，在地理区位上聚集形成的企业群，其集中程度的大小会对企业个体的行为产生重要的外部性影响。本文将企业聚集的实际集中程度统称为“聚集规模”。大量研究验证了聚集规模对企业行为的影响，如Henderson（1986）通过美国、巴西等国数据，证实聚集产生的经济效益会随聚集规模的不断扩大而呈现衰弱趋势；Lin（2011）研究中国的纺织产业聚集，实证结果表明聚集规模与劳动生产率的关系呈倒“U”型；吴三忙和李善同（2010）研究发现我国东部部分城市因聚集规模过大而导致大量企业迁出。然而，对聚集与企业创新关系的相关研究却往往忽略了不同聚集规模的存在及影响，主要体现在以下方面：第一，用聚集形式代替聚集行为的全部内容，但文献中的专业化和多样化指标大都只是借助对同行业、跨行业从业人员（或产出）占总体从业人员（或产出）的相对比重得出，并不能反映企业的聚集规模等要素；第二，考虑聚集规模的存在，但认为各地的企业聚集规模都在一个“合理的范围”内，因此忽略其不同，仍然以研究聚集形式为主。由于两种聚集形式的衡量指标往往不是相同形式，在忽略聚集规模的前提下“静止”地比较专业化和多样化聚集对创新的影响系数是没有意义的。这在一定程度上解释了现有研究的分歧。
有鉴于此，本文在以往研究的基础上做出改进，首次结合聚集形式和聚集规模两个方面看待聚集问题，重点研究在不同的聚集规模下，专业化、多样化的聚集形式对企业创新行为的动态影响。
二、理论分析与研究假设
“创新经济学之父”Schumpeter（1911）提出：企业的创新是一个过程，是一个创新者、模仿者、改进者互相竞争和蚕食的过程。企业创新的这种“过程性”不仅与自身有关，还与包含聚集规模、聚集形式等要素的外部环境紧密相关。为简化研究过程，本文将聚集规模分为聚集不足、适度聚集、过度聚集三个阶段，结合创新经济学理论，重点讨论各个聚集规模水平下两种聚集形式与企业创新关系的变化。
（一）聚集不足阶段
根据创新经济学理论，聚集规模较小时，由于技术能力和市场竞争力较弱，企业往往选择“模仿创新”（某企业首先采用一种新技术后，其他企业以它为榜样，也相继采用这种新技术）。由于设备、产品的高度相似，“模仿创新”极易在同属一个行业的各企业间发生，进而提高本行业的整体创新水平。结合创新经济理论学家Kamien和Schwartz（1982）的观点，创新能力的增强有助于该行业获取更多的垄断利润，造成同行业企业的大量涌入，并为获取利益继续加大创新力度，形成“垄断前景推动的创新”。综上，在聚集的最初阶段，专业化聚集对企业创新的促进作用会随聚集规模的扩大而增强。 由于“模仿创新”在具有显著差异的不同行业之间难以实现，同时在聚集规模较小的前提下，较高的多样化聚集指数往往意味着每个行业的企业数目都较少，不存在某一行业的大量聚集。此时多样化聚集与专业化聚集的效果刚好相反，它对企业创新的作用会随聚集规模的增加而下降。
（二）适度聚集阶段
根据Kamien和Schwartz的创新理论，聚集规模的扩大、市场竞争的加剧使各企业一方面为获取垄断利润而采取创新，另一方面为减轻竞争对手的威胁而采取创新，即同时存在“垄断前景推动的创新”和“竞争前景推动的创新”（Pakes和Griliches，1980）。适度的聚集规模有助于这两类创新的实现。具体地，从专业化聚集角度，空间距离的缩小、信息传递的便捷使相同产业可以提供专业化的低成本的中间投入品，从而降低生产成本；企业有管理、有组织地参与区域集体学习，确保及时、持续地学习生产技术和营销知识，企业之间更容易发生知识外溢，进而增加企业的预期利润，实现“垄断前景推动的创新”。从多样化聚集角度，企业的生产活动需要各类中间投入，如金融服务、法律服务、广告等，多样化的环境有利于中间投入品的共享；不同产业的企业的地理集中不仅能够实现经济活动竞争与合作的平衡，还可以使知识溢出和资源组合更为便利，为企业带来更大的技术创新和生产灵活性，有益于提高产品的整体质量、配置效率和市场竞争力，实现“竞争前景推动的创新”。在适度聚集的前提下，聚集规模越大，同质、异质企业间的聯系就越紧密，专业化、多样化促进技术创新的周期越短、力度越强。
（三）过度聚集阶段
聚集规模的不断扩大必然导致企业间竞争加剧。聚集规模过大时，过度激烈的市场竞争往往导致企业仅采取“竞争前景推动的创新”，即所有企业都只想做花费成本较小的模仿者，而不愿做花费成本较大的创新者。具体表现为：第一，由于企业的采购、生产和营销是竞争对手可观察的、可模仿的，过度聚集会使创新企业获得的超额利润因大量同行业竞争对手的快速模仿而迅速减少，直至消失。这种专业化集群内的竞争效应对于维持企业的创新动力是不利的（Jeffrey和Harbir，1998）。第二，行业内企业间的相互模仿会使集群内不同企业生产的产品在质量上快速趋同，买者需求的价格弹性因此会不断提高，最终集群中的大多数企业只能采取降价策略，但拥挤区域内的激烈竞争导致生产要素价格上升和企业生产成本上升。过度市场竞争、同行业持续比较往往导致企业利益受损和生存处境恶劣，严重抑制了企业的研发投入和创新能力，甚至企业迁址或破产。
此时企业创新行为更多地依赖于多样化的企业聚集。由于不同行业产品的异质性，多样化聚集面临的市场竞争和创新压力明显低于专业化聚集；另一方面，企业为获得竞争优势，就必须以有创意的方式与同行业内其他企业区分开来，多样化的环境有利于企业“创意”的实现。因此，当专业化聚集进入“过度聚集阶段”后，对于多样化聚集而言仍处于“适度聚集阶段”，其对企业创新的作用依然是随聚集规模递增的。当然，这种促进作用也不是无限增长的：如果企业空间分布进一步拥挤、市场竞争环境更加恶化，多样化聚集对企业创新的促进作用也必然会减小。
（四）假说提出
根据以上理论分析，我们认为专业化聚集和多样化会在聚集规模的不同阶段对企业创新的促进作用是呈现一定趋势的，并提出以下假说：
假说一：专业化聚集促进企业创新的作用会随着聚集规模的扩大而增强，但当进入“过度聚集”规模后，专业化的促进作用会显著下降。
假说二：多样化聚集对企业创新的促进作用随聚集规模的增大呈现出先下降后上升的趋势，且在专业化聚集进入“过度聚集”阶段后仍会上升。
三、研究设计
（一）数据来源及变量描述
鉴于本研究以我国微观企业创新为主要对象，聚集形式、聚集规模的差异体现在我国不同城市及市内各行业的具体特点上，对时间序列的要求极小，因此本文决定基于截面数据开展研究。
由于数据的可得性，本文数据来源于国家统计局2007年规模以上工业企业统计数据以及2007年的城市统计年鉴数据、区域经济数据。其中，城市统计年鉴数据包含全国各个地级市以上城市的单位从业人员总量、人均GDP、人均工资等信息；区域经济数据包含地级市以上城市的城市土地面积等基本信息；规模以上工业企业数据包含全体国有企业以及年销售额大于等于500万元的非国有企业的统计数据，统计变量包含以上企业的新产品产值、工业总产值、固定资产、研发费用、现金流等资产状况以及从业人员数目等企业微观信息。全样本数为336768。
对于原始数据，由于其中存在部分错漏和统计误差，需进行样本处理。本文的样本处理步骤为：（1）仅保留处于营业状态且从业人员不低于10人的企业；（2）仅保留规模以上制造业的数据，即保留SIC2位于13-43之间的所有企业数据。处理后的样本大小为310492。
建立实证模型前，需明确如何衡量企业创新、如何定义企业集中的规模以及如何计算专业化、多样化聚集指标等问题。下面我们将对有关工具变量的定义、选取和取值范围进行介绍。
1.企业创新：新产品产值（new）。以往文献中通常采用企业的发明专利数或新产品种类数来衡量企业创新。然而，由于企业的发明专利并不一定能投入市场并转化为产出，同时，相当部分的新产品并没有申请专利，故发明或专利的数目并不能准确衡量创新的产出与价值；同样，企业所宣布的新产品数目也不适宜衡量创新产出的价值。本文采用新产品产值来衡量企业的创新产出，可以克服以上指标的局限性，更好地反映企业的创新能力。
需要着重注意的是，样本中新产品产值存在大量观测值特别小（如企业新产品产值在0-100范围内，占销售额的比重不足0002%）。其可能原因为：（1）新产品产值确实为0，即企业实际不存在创新行为、不生产新产品；（2）会计人员的统计错误，将其他会计项目中较小金额计入了新产品产值项。在这里，我们假设新产品产值低于100元的企业实际上不存在创新。由于本文研究对象为聚集现象中存在创新的企业及其创新能力的变化特点，这样的处理方式可以避免大量不存在创新的企业数据以及统计错误的数据对实证结果的不利影响。 2聚集形式：产业专业化指数（spec）、多样化指数（dive）。本文采取的核算方法为：计算某二位数行业的从业人员占制造业总从业人员的比重，再乘以制造业从业人员占城市中所有行业从业人员的比重（利用城市年鉴数据得到），用该值近似表示行业的专业化指数。具体公式如下：
specic=emplicemplmanuc·R_emplmanuc
其中i代表某二位数行业，c代表城市，emplic表示c城市范围内行业i的从业人员数，emplmanuc表示c城市制造业从业人员数，R_emplmanuc表示c城市制造业从业人员占总从业人员的比重，即R_emplmanuc=emplmanucemplc。由于该指数涉及各城市各行业，数据量较大，表1仅列举出我国各地级及以上城市对应的最大专业化指数从高到低排序的前5位和后5位。
（二）数据特征分析
产业专业化指数和多样化指数分别从两个角度反映了一个城市的产业结构状况：每个行业对应不同的专业化指数，该指数仅与该行业从业人员数和城市总从业人员数有关，一个城市存在多个产业的专业化指数；多样化指数取决于同城市范围内所有产业的从业人员数，故每个城市对应一个多样化指数，反映该城市各企业面临的多样化产业结构。通过对表1、表2中数据的直观对比，我们可以看到，某些城市的个别行业专业化指数较高，如攀枝花市、本溪市，其对应的城市多样化指数较低，且这类城市往往是资源依赖型城市；但整体来看，高的专业化指数不一定对应较低的多样化指数，反之亦然，即专业化和多样化之间并不存在严格的负向相关关系，这与理论假设部分的观点是一致的。另一方面，表3反映的聚集规模与表1、表2所体现的聚集形式是测量聚集行为的两个维度，二者之间不存在明显的相关关系。实际上，对以上三个主要解释变量的相关性检验也证明了以上分析，见表4。
另外，由表3可知企业聚集规模最大的主要为深圳、上海、北京、广州等发展水平最高的城市，而这些城市中无论是企业的科技创新能力还是其他综合实力都是领先于全国整体水平的。因此我们分析认为：从整体上来看，聚集规模对企业创新极可能具有显著的促进作用。
为简化过程，之后的动态关系研究中我们会将全体存在创新的企业（新产品产值大于100的企业）所处的聚集规模按从低到高的次序平均分成4个阶段（在稳健性检验中，我们再次将样本均分为5、6、7、8四种不同聚集规模阶段，以验证聚集规模阶段的划分不会影响估计结果的一致性）。表5给出将创新企业的聚集规模均分为4个阶段时所对应的从业人员密度的取值范围和样本观测值。
（三）计量模型设计
研究模型设定基于一般的知识生产函数模型。与知识生产函数模型不同，本文以聚集的外部性因素作为重要解释变量。因此，类似知识生产函数设定形式，我们将企业的创新产出作为聚集指数（专业化、多样化指数和聚集规模指数）的函数，同时控制其他的企业特征变量和城市特征变量。本文的创新生产函数形式为：
Y=A1spec+2dive+3aggK4L5Z6（1）
其中，Y表示创新产出；K、L分别表示企业的资本和劳动投入量；Z表示企业和城市其他特征变量；A表示知识溢出，则A1spec+2dive+3agg可以用来表示聚集行为中的知识溢出通过专业化、多样化聚集形式和聚集规模对企业所产生的实际影响。
对该生产函数进行对数化处理，得到：
lnY=（1spec+2dive+3agg）lnA+4lnK+5lnL+6lnZ（2）
進一步细化处理，并扩展到不同城市、行业和企业，得到企业创新产出的基本回归方程如下：
lnnewijc=β1specjc+β2divec+β3aggc+δ1lnoutputijc+δ2lnR&Dijc+δ3lnemployijc+δ4lnPPEijc+δ5lnNCFijc+δ6lnperGDPc+δ7lnperwagec+εijc（I）
其中，c为城市，i为企业，j为企业所在的SIC2行业；被解释变量new为企业的新产品产值；工具变量spec、dive、agg代表企业所在行业的专业化指数、多样化指数和聚集规模指数；企业特征变量output、R&D、PPE、NCF、employ分别表示企业的工业总产值、研发投入、固定净资产、现金净流量、企业从业人员数；城市特征变量perGDP、perwage分别表示城市的人均GDP水平和人均工资水平。
考虑到本文的一个侧重点在于研究企业的聚集形式对企业创新的作用随不同聚集规模的变化特点，我们需要在模型（I）的基础上引入聚集形式的两类指数spec、dive与聚集规模4个阶段aggscale的交叉项。表1中我们已经将聚集规模按从低到高的顺序平均划分为4个阶段，因此可以企业聚集的4个不同规模水平作为虚拟变量，与聚集的专业化、多样化指数形成交互项，在基础模型的基础上进行改进。加入交互项的模型如下：
lnnewijc=β1specjc+β2divec+β3aggc+β4aggscalec×specjc+β5aggscalec×divec+δ1lnoutputijc+δ2lnR&Dijc+δ3lnemployijc+δ4lnPPEijc+δ5lnNCFijc+δ6lnperGDPc+δ7lnperwagec+εijc（II）
（四）估计方法
由于样本中作为被解释变量的新产品产值存在大量观测值小于100，本研究认为这些企业不存在实质上的创新。以上企业的存在会影响对创新型企业的创新能力进行实证分析时的显著性。因此本文希望仅对所有数值上不小于100的新产品产值作为被解释变量进行回归。结合此种处理方法的特点，在计量方法的选取上，本文采用断尾模型（Truncated）对全样本进行回归，以保证估计结果的准确性和有效性。 四、实证结果分析
表6给出模型（I）和（II）的回归结果。其中：①列是对不含交互项的模型（I）的估计结果。我们可以看到聚集规模指数（从业人员密度）的系数在1%水平上显著为00309，表明城市的聚集规模每增加1个单位，企业会增加约00309%的新产品产值。这与企业聚集的正外部性理论相一致，说明一个城市的企业聚集规模越大，则该城市范围内企业的整体创新能力就越强。多样化指数（dive）的系数在1%水平上显著为正，表明多样化聚集形式对企业创新存在显著的促进作用。专业化指数（spec）在回归中的系数为正，但不显著，表明在不考虑聚集规模变化趋势的情况下，我们难以判断专业化聚集形式对企业创新作用是否存在显著影响。②列是对模型（II）的断尾回归估计结果。基于模型（I）的不足，模型（II）引入企业聚集规模阶段（aggscale）作为虚拟变量，并与行业专业化、多样化指数分别生成交叉项。该模型中，产业专业化指数spec的系数为-11624，aggscale×spec_2、aggscale×spec_3、aggscale×spec_4的系数依次为09009、18254、-07705，且系数都在1%水平上显著。其中，aggscale×spec_2系数为09009，表明产业专业化指数每增加1个单位，处于第二个规模阶段（从业人员密度在0417人/公顷到0846人/公顷）的企业，其新产品产值比处于第一个规模阶段（从业人员密度在0005人/公顷到0407人/公顷）的企业显著增加09009%；同理，专业化指数每增加1个单位，处于第三个规模阶段（从业人员密度在0857人/公顷到1451人/公顷）、第四个规模阶段（从业人员密度在1478人/公顷到9990人/公顷）的企业新产品产值分别比第一个阶段显著增加18254%和减少07705%。根据对以上系数的计算，图1给出每个聚集规模阶段的产业专业化指数对企业创新作用的变化特点。
根据多样化指数dive及aggscale×dive_2、aggscale×dive_3、aggscale×dive_4的系数（依次为-00090、-00269、-00067和00187，且都在1%水平上显著），计算各聚集规模阶段的多样化聚集指数对企业创新作用的大小变化，如图2所示。
我们可以看到，在将我国各城市的聚集规模均分为4个阶段的前提下，我国企业的专业化指数spec与多样化指数dive随聚集规模变化而对企业创新的促进作用是显著不同的。对于专业化聚集形式而言，在聚集规模的扩大过程中，其对企业创新的促进作用是逐步递增的，且在第三个聚集规模阶段达到最大；随着企业进一步聚集，专业化的促进作用在第四个聚集规模阶段明显降低。这种倒“U”型变化特点与第二部分对专业化聚集和企业创新在“聚集不足”、“适度聚集”和“过度聚集”各阶段关系的理论分析是相符的。通过实证分析，我们认为假说一是成立的。
与专业化不同，多样化聚集对企业创新的促进作用最初会随聚集规模扩大而下降，但在第三个聚集规模阶段后，这种作用显著增大，并随着企业进一步聚集不断上升；甚至在专业化聚集到达“过度聚集”阶段而其促进作用下降后，多样化聚集的作用依旧在增加。这种“U”型变化趋势也基本符合第二部分的理论分析中对多样化聚集和企业创新的关系在聚集规模的不同阶段发生何种变化的假设，即假说二也被证明是成立的。
另外，在模型（I）和模型（II）中，其他企业控制变量和城市控制变量企业的系数也都是在1%水平上显著的。其中，企业的工业总产值、研发费用和现金净流量的系数显著为正，表明企业的总产出越大、研发投入越多以及現金流入越充沛，则企业的创新产值就越高，这也符合企业创新的相关理论。
（二）稳健性检验
为了进一步证明我们的实证结果相对于“聚集规模的划分”的稳健性，本文依次将样本平均地划分为5、6、7、8个不同程度的聚集规模多次进行回归，如表7所示。我们可以看到，无论怎样划分聚集规模的阶段，聚集形式与聚集规模所形成的交叉项系数的变动趋势依然是相同的，聚集规模的划分并没有影响我们回归结果的稳健性：制造业专业化指数spec与各聚集规模的交叉项系数随聚集规模增大呈现增加趋势，但在聚集规模达到较高水平时交叉项系数呈显著降低趋势，整体呈现为倒“U”形关系；制造业多样化指数dive与各个聚集规模形成的交叉项系数基本都是显著的，且呈现先下降后增长的“U”形关系。另外，本文对我国各个地级以上城市的研究中，并没有发现使两个聚集形式指数都显著下降的过度聚集阶段。这可能与我国现实中不存在企业严重拥挤、完全不利于企业创新发展的城市有关。
（三）对实证结果的进一步讨论
由于微观数据的可获得性，我们无法对全国近些年的企业聚集和创新问题进行实证研究，这对研究结果的现实意义提出了挑战。近年来，我国经济继续稳步发展，各城市企业数量和创新产出都实现较大的增长。但整体分析后我们发现，我国东、中、西部各地区的城市发展水平差距未发生明显变化，城市产业结构特点相对来看也是较为稳定的；而各城市中企业聚集规模等要素的这种近似“同步增长”的特点可以看做是处于“聚集不足阶段”的样本数量减少、其他聚集规模阶段的样本数量增加，这种变化自然不会对研究结果造成实质的影响。因此我们认为，在控制其他特征变量的前提下，本文的实证结果对我国近年甚至未来一段时间内企业聚集与创新的动态关系判断都具有合理性。
五、结论与政策建议
（一）结论
本文结合创新经济学和聚集理论，借助聚集规模展开动态关系研究，为以往文献中专业化、多样化聚集形式如何促进企业创新的争论提供了一个新的探究角度，研究发现：对于专业集聚，当聚集规模处在“适度聚集”范围以内，专业化聚集对企业创新的促进作用会随聚集规模的扩大而增强；当聚集规模继续增大以致出现“过度聚集”，聚集促进企业创新的作用会降低；而对于多样化聚集，随聚集规模不断扩大，其促进企业创新的作用会先降低再增强，且在专业化的促进作用下降后，多样化的作用仍在增强。 本文对此解释为：聚集规模较小时，同属一个行业的企业之间容易发生“模仿创新”，造成本行业垄断能力和创新能力相互促进、不断提升，故专业化聚集对企业创新的作用与聚集规模同向增加；而此时多样化聚集是专业化聚集的反面，故其作用也相反。随聚集规模的递增，企业同时为获取垄断利润和减轻竞争对手的威胁而采取创新，专业化和多样化聚集有利于创新的实现；且聚集规模越大，企业间距离越近、信息传递越便捷，促进作用也就越强。随着聚集规模的进一步拥挤，过度激烈的市场竞争往往导致企业利润因大量同行业竞争对手的快速模仿而消失，严重抑制其研发投入和创新能力；而此时多样化聚集面临的市场竞争和创新压力明显低于专业化聚集，且多样化环境有利于企业与同行业内其他企业区分开来以获得竞争优势，故多样化聚集对企业创新的作用依然是随聚集规模一同递增的。如果企业空间分布继续拥挤、市场竞争继续恶化，多样化聚集对企业创新的促进作用最终也会减小。本文从聚集规模由小到大的动态角度进行研究，为以往文献中专业化、多样化两种聚集形式如何促进企业创新的争论提供了一个新的解释。
（二）政策建议
企业创新问题一直是中国经济现阶段面临的重要问题。截至2015年，我国企业和各类研发机构的创新投入占GDP比重仅为21%，远低于发达国家（如日本的该比重约为35%，以色列为50%）。从聚集环境角度来看，我国中西部地区多数城市企业创新能力低下，与东部沿海城市长期保持较大差距；而东部部分城市的企业创新压力也在不断彰显，如2016年近15000家科技创新型企业因竞争压力巨大而迁出深圳市，“钢铁城”鞍山市因过大的企业聚集规模对周边地区造成严重的环境污染等诸多事实。优化产业结构、改善聚集行为是解决以上问题的良好方案，因此本文的研究结论对企业创新发展具有现实意义。
以促进企业创新为目的，从企业聚集的角度为中国城市产业结构和企业行为的调整提出若干政策建议：
1.针对中西部城市聚集规模不足、企业创新能力差的现状，政府应充分利用城市的相对优势资源（如煤矿、铁矿或旅游资源），重点支持、鼓励某个或某几个行业率先创新和发展，吸引同行业更多数量企业的进入，通过同质企业间极易发生的“模仿创新”行为带动行业的整体发展，使企业创新充分受益于专业化聚集，尽量避免众多行业的企业零星分布的局面。
2.对于现有聚集规模较大的城市，如果该城市某行业聚集严重，政府应采取措施适度降低这种专业化聚集水平。以鞍山市钢铁生产行业为例，政府可以出台相关政策，劝阻钢铁产业范畴内的企业在本市建设新厂或迁入本市，更多地引导市内一部分钢铁生产类企业迁址到竞争环境更优的城市。另一方面，避免城市内企业规模的过度膨胀，鼓励部分企业的产品升级、优化和转型发展，形成多样化的产业结构特点，降低竞争强度和创新压力。
3.针对众多处于高速发展中的城市，企业大量建厂、进入，聚集规模不断壮大，此时“垄断前景推动的创新”和“竞争前景推动的创新”同时发生。政府应结合该类城市的聚集规模特点，因地制宜，在聚集规模达到一定程度后合理辨析专业化聚集和多样化聚集的利弊特点，正确指导企业的迁入、迁出、转型和创新等行为；不断完善对城市中同行业和跨行业企业聚集比重的调节，切实有效地升级城市产业结构，逐步形成最有利于企业创新的聚集环境。
参考文献：
[1]Marshall A. Principles of Economics[M].London. Macmillan， 1920.
[2]Arrow K. The Economic Implications of Learning by Doing[M].The Review of Economic Studies， 1962，29（3）：155-173.
[3]Jacobs J. The Economy of Cities[M].New York. Random House， 1969.
[4]Henderson J V， Ari K， Matt T. Industrial Development in Cities[J].Journal of Political Economy， 1995， 103（5）：1067-1090.
[5]Baptista R S， Swann P. Do firms in clusters innovate more？[J].Research Policy， 1998， 27（5）：525-540.
[6]Beule F D， Beveren I V. Does Firm Agglomeration Drive Product Innovation and Renewal？ An Application for Belgium[J].Tijdschrift Voor Economische En Sociale Geografie， 2012， 103（4）：457-472.
[7]Feldman M， Audretsch D. Innovation in Cities：Science-based Diversity， Specialization and Localized Competition[J].European Economic Reviews， 1999， 43（2）：409-429.
[8]Oort F V. Innovation and Agglomeration Economies in the Netherlands[J].Tijdschrift Voor Economische En Sociale Geografie， 2002， 93（3）：344-360.
[9]Antonietti R， Cainelli G. The role of Spatial Agglomeration in a Structural Model of Innovation， Productivity and Export：a Firm-level Analysis[J].The Annals of Regional Science， 2011， 46（3）：577-600.
[10]彭向，蔣传海. 产业集聚、知识溢出与地区创新——基于中国工业行业的实证检验[J].经济学（季刊）， 2011，10（3）：913-934.
[11]Henderson J V. Efficiency of Resource Usage and City Size[J].Journal of Urban Economics， 1986， 19（1）：47-70.
[12]Lin H L， Li H Y， Yang C H. Agglomeration and Productivity：Firm-Level Evidence from China′s Textile Industry[J].China Economic Review， 2011，22（3）：313-329.
[13]约瑟夫·熊彼特. 经济发展理论[M].何畏，等译. 北京商务印书馆， 1990.
[14]Kamien M I， Schwartz N L.. Market Structure and Innovation[M].Cambridge University Press， 1982.
[15]Pakes A， Griliches Z. Patents and R&D at the firm level：a first report[J].Economic Letters， 1980， 5（4）：377-381.
[16]Dyer J H， Singh H. The Relational View： Cooperative Strategy and Sources of Interorganizational Competitive Advantage[J].Academy of Management Review，1998，23（4）：660-679.
关键词：企业创新；聚集形式；聚集规模；动态关系
中图分类号：F272文献标识码：A文章编号：1001-148X（2017）06-0154-09
聚集通过知识溢出促进企业创新，但现实中企业聚集行为形形色色，怎样的聚集更有利于创新的实现？聚集行为一般分为同一产业（或性质相近的企业）集中形成的专业化聚集和不同产业（或不同性质的企业）集中形成的多样化聚集两种形式。Marshall（1920）和Arrow（1962）认为知识溢出是发生在特定产业层面的，知识溢出更容易在同行业的企业间产生，从而专业化聚集会促进企业创新；Jacobs（1969）则认为新思想极易在不同行业的交流中产生，故知识溢出多发生在互补行业，因此多样化的聚集形式更容易促进企业的创新。不同聚集形式对于企业创新效果如何，一直存在不同的观点，对相关问题的实证研究结论也同样存在严重分歧。解釋这种分歧产生的原因，有利于更加深入地揭示聚集行为与企业创新之间的内在联系，从而更高效地利用和管理企业聚集行为，促进我国企业的技术进步和创新发展。本文在以往研究的基础上，考虑聚集规模的存在和影响，提出聚集形式、聚集规模与企业创新关系的理论假说，并通过基于大量工业企业微观数据的实证研究，检验二者同企业创新的动态关系。研究发现聚集形式对企业创新的促进作用会随着聚集规模的不同而呈现出特定的变化特点，从而为解决聚集行为与企业创新相关问题提供理论支持。
一、文献综述
近20年来，国内外经济学家基于Marshall和Jacobs两位学者的观点，以专业化、多样化两种聚集形式反映企业聚集行为，并对二者与企业创新的关系进行了实证研究。其中，Henderson（1995）利用美国224个城市1970-1987年五类传统制造业数据、Baptista和Swann（1998）利用英国1975-1982年248家制造业企业数据样本、Filip和Beveren（2012）基于比利时2004年3个区3000多家企业的经营数据样本，都得出了专业化聚集更有利于创新的结论。而Feldman和Audretsch（1999）利用美国企业新产品数目等数据、Van Oort（2002）运用新西兰R&D劳动力成本数据样本、Antonietti和Cainelli（2011）利用意大利制造业企业数据，研究发现多样化聚集促进企业创新的作用更加显著。国内相关研究中，学者彭向和蒋传海（2010）运用中国各省、自治区及直辖市的相关数据和工业企业数据，研究发现两种产业集聚形式共同作用于区域创新，但产业的多样化聚集对创新的作用更加显著；程中华和刘军（2015）以我国285个地级市制造业数据开展研究，得出多样化集聚更有利于企业创新的结论。
现有研究文献对专业化和多样化究竟哪种聚集形式能够促进企业创新的结论产生了较大的分歧，可见仅从聚集形式的角度去认识聚集现象存在不足，这就需要我们进一步分析聚集问题中的其他重要因素。
新经济地理学的聚集理论指出，在地理区位上聚集形成的企业群，其集中程度的大小会对企业个体的行为产生重要的外部性影响。本文将企业聚集的实际集中程度统称为“聚集规模”。大量研究验证了聚集规模对企业行为的影响，如Henderson（1986）通过美国、巴西等国数据，证实聚集产生的经济效益会随聚集规模的不断扩大而呈现衰弱趋势；Lin（2011）研究中国的纺织产业聚集，实证结果表明聚集规模与劳动生产率的关系呈倒“U”型；吴三忙和李善同（2010）研究发现我国东部部分城市因聚集规模过大而导致大量企业迁出。然而，对聚集与企业创新关系的相关研究却往往忽略了不同聚集规模的存在及影响，主要体现在以下方面：第一，用聚集形式代替聚集行为的全部内容，但文献中的专业化和多样化指标大都只是借助对同行业、跨行业从业人员（或产出）占总体从业人员（或产出）的相对比重得出，并不能反映企业的聚集规模等要素；第二，考虑聚集规模的存在，但认为各地的企业聚集规模都在一个“合理的范围”内，因此忽略其不同，仍然以研究聚集形式为主。由于两种聚集形式的衡量指标往往不是相同形式，在忽略聚集规模的前提下“静止”地比较专业化和多样化聚集对创新的影响系数是没有意义的。这在一定程度上解释了现有研究的分歧。
有鉴于此，本文在以往研究的基础上做出改进，首次结合聚集形式和聚集规模两个方面看待聚集问题，重点研究在不同的聚集规模下，专业化、多样化的聚集形式对企业创新行为的动态影响。
二、理论分析与研究假设
“创新经济学之父”Schumpeter（1911）提出：企业的创新是一个过程，是一个创新者、模仿者、改进者互相竞争和蚕食的过程。企业创新的这种“过程性”不仅与自身有关，还与包含聚集规模、聚集形式等要素的外部环境紧密相关。为简化研究过程，本文将聚集规模分为聚集不足、适度聚集、过度聚集三个阶段，结合创新经济学理论，重点讨论各个聚集规模水平下两种聚集形式与企业创新关系的变化。
（一）聚集不足阶段
根据创新经济学理论，聚集规模较小时，由于技术能力和市场竞争力较弱，企业往往选择“模仿创新”（某企业首先采用一种新技术后，其他企业以它为榜样，也相继采用这种新技术）。由于设备、产品的高度相似，“模仿创新”极易在同属一个行业的各企业间发生，进而提高本行业的整体创新水平。结合创新经济理论学家Kamien和Schwartz（1982）的观点，创新能力的增强有助于该行业获取更多的垄断利润，造成同行业企业的大量涌入，并为获取利益继续加大创新力度，形成“垄断前景推动的创新”。综上，在聚集的最初阶段，专业化聚集对企业创新的促进作用会随聚集规模的扩大而增强。 由于“模仿创新”在具有显著差异的不同行业之间难以实现，同时在聚集规模较小的前提下，较高的多样化聚集指数往往意味着每个行业的企业数目都较少，不存在某一行业的大量聚集。此时多样化聚集与专业化聚集的效果刚好相反，它对企业创新的作用会随聚集规模的增加而下降。
（二）适度聚集阶段
根据Kamien和Schwartz的创新理论，聚集规模的扩大、市场竞争的加剧使各企业一方面为获取垄断利润而采取创新，另一方面为减轻竞争对手的威胁而采取创新，即同时存在“垄断前景推动的创新”和“竞争前景推动的创新”（Pakes和Griliches，1980）。适度的聚集规模有助于这两类创新的实现。具体地，从专业化聚集角度，空间距离的缩小、信息传递的便捷使相同产业可以提供专业化的低成本的中间投入品，从而降低生产成本；企业有管理、有组织地参与区域集体学习，确保及时、持续地学习生产技术和营销知识，企业之间更容易发生知识外溢，进而增加企业的预期利润，实现“垄断前景推动的创新”。从多样化聚集角度，企业的生产活动需要各类中间投入，如金融服务、法律服务、广告等，多样化的环境有利于中间投入品的共享；不同产业的企业的地理集中不仅能够实现经济活动竞争与合作的平衡，还可以使知识溢出和资源组合更为便利，为企业带来更大的技术创新和生产灵活性，有益于提高产品的整体质量、配置效率和市场竞争力，实现“竞争前景推动的创新”。在适度聚集的前提下，聚集规模越大，同质、异质企业间的聯系就越紧密，专业化、多样化促进技术创新的周期越短、力度越强。
（三）过度聚集阶段
聚集规模的不断扩大必然导致企业间竞争加剧。聚集规模过大时，过度激烈的市场竞争往往导致企业仅采取“竞争前景推动的创新”，即所有企业都只想做花费成本较小的模仿者，而不愿做花费成本较大的创新者。具体表现为：第一，由于企业的采购、生产和营销是竞争对手可观察的、可模仿的，过度聚集会使创新企业获得的超额利润因大量同行业竞争对手的快速模仿而迅速减少，直至消失。这种专业化集群内的竞争效应对于维持企业的创新动力是不利的（Jeffrey和Harbir，1998）。第二，行业内企业间的相互模仿会使集群内不同企业生产的产品在质量上快速趋同，买者需求的价格弹性因此会不断提高，最终集群中的大多数企业只能采取降价策略，但拥挤区域内的激烈竞争导致生产要素价格上升和企业生产成本上升。过度市场竞争、同行业持续比较往往导致企业利益受损和生存处境恶劣，严重抑制了企业的研发投入和创新能力，甚至企业迁址或破产。
此时企业创新行为更多地依赖于多样化的企业聚集。由于不同行业产品的异质性，多样化聚集面临的市场竞争和创新压力明显低于专业化聚集；另一方面，企业为获得竞争优势，就必须以有创意的方式与同行业内其他企业区分开来，多样化的环境有利于企业“创意”的实现。因此，当专业化聚集进入“过度聚集阶段”后，对于多样化聚集而言仍处于“适度聚集阶段”，其对企业创新的作用依然是随聚集规模递增的。当然，这种促进作用也不是无限增长的：如果企业空间分布进一步拥挤、市场竞争环境更加恶化，多样化聚集对企业创新的促进作用也必然会减小。
（四）假说提出
根据以上理论分析，我们认为专业化聚集和多样化会在聚集规模的不同阶段对企业创新的促进作用是呈现一定趋势的，并提出以下假说：
假说一：专业化聚集促进企业创新的作用会随着聚集规模的扩大而增强，但当进入“过度聚集”规模后，专业化的促进作用会显著下降。
假说二：多样化聚集对企业创新的促进作用随聚集规模的增大呈现出先下降后上升的趋势，且在专业化聚集进入“过度聚集”阶段后仍会上升。
三、研究设计
（一）数据来源及变量描述
鉴于本研究以我国微观企业创新为主要对象，聚集形式、聚集规模的差异体现在我国不同城市及市内各行业的具体特点上，对时间序列的要求极小，因此本文决定基于截面数据开展研究。
由于数据的可得性，本文数据来源于国家统计局2007年规模以上工业企业统计数据以及2007年的城市统计年鉴数据、区域经济数据。其中，城市统计年鉴数据包含全国各个地级市以上城市的单位从业人员总量、人均GDP、人均工资等信息；区域经济数据包含地级市以上城市的城市土地面积等基本信息；规模以上工业企业数据包含全体国有企业以及年销售额大于等于500万元的非国有企业的统计数据，统计变量包含以上企业的新产品产值、工业总产值、固定资产、研发费用、现金流等资产状况以及从业人员数目等企业微观信息。全样本数为336768。
对于原始数据，由于其中存在部分错漏和统计误差，需进行样本处理。本文的样本处理步骤为：（1）仅保留处于营业状态且从业人员不低于10人的企业；（2）仅保留规模以上制造业的数据，即保留SIC2位于13-43之间的所有企业数据。处理后的样本大小为310492。
建立实证模型前，需明确如何衡量企业创新、如何定义企业集中的规模以及如何计算专业化、多样化聚集指标等问题。下面我们将对有关工具变量的定义、选取和取值范围进行介绍。
1.企业创新：新产品产值（new）。以往文献中通常采用企业的发明专利数或新产品种类数来衡量企业创新。然而，由于企业的发明专利并不一定能投入市场并转化为产出，同时，相当部分的新产品并没有申请专利，故发明或专利的数目并不能准确衡量创新的产出与价值；同样，企业所宣布的新产品数目也不适宜衡量创新产出的价值。本文采用新产品产值来衡量企业的创新产出，可以克服以上指标的局限性，更好地反映企业的创新能力。
需要着重注意的是，样本中新产品产值存在大量观测值特别小（如企业新产品产值在0-100范围内，占销售额的比重不足0002%）。其可能原因为：（1）新产品产值确实为0，即企业实际不存在创新行为、不生产新产品；（2）会计人员的统计错误，将其他会计项目中较小金额计入了新产品产值项。在这里，我们假设新产品产值低于100元的企业实际上不存在创新。由于本文研究对象为聚集现象中存在创新的企业及其创新能力的变化特点，这样的处理方式可以避免大量不存在创新的企业数据以及统计错误的数据对实证结果的不利影响。 2聚集形式：产业专业化指数（spec）、多样化指数（dive）。本文采取的核算方法为：计算某二位数行业的从业人员占制造业总从业人员的比重，再乘以制造业从业人员占城市中所有行业从业人员的比重（利用城市年鉴数据得到），用该值近似表示行业的专业化指数。具体公式如下：
specic=emplicemplmanuc·R_emplmanuc
其中i代表某二位数行业，c代表城市，emplic表示c城市范围内行业i的从业人员数，emplmanuc表示c城市制造业从业人员数，R_emplmanuc表示c城市制造业从业人员占总从业人员的比重，即R_emplmanuc=emplmanucemplc。由于该指数涉及各城市各行业，数据量较大，表1仅列举出我国各地级及以上城市对应的最大专业化指数从高到低排序的前5位和后5位。
（二）数据特征分析
产业专业化指数和多样化指数分别从两个角度反映了一个城市的产业结构状况：每个行业对应不同的专业化指数，该指数仅与该行业从业人员数和城市总从业人员数有关，一个城市存在多个产业的专业化指数；多样化指数取决于同城市范围内所有产业的从业人员数，故每个城市对应一个多样化指数，反映该城市各企业面临的多样化产业结构。通过对表1、表2中数据的直观对比，我们可以看到，某些城市的个别行业专业化指数较高，如攀枝花市、本溪市，其对应的城市多样化指数较低，且这类城市往往是资源依赖型城市；但整体来看，高的专业化指数不一定对应较低的多样化指数，反之亦然，即专业化和多样化之间并不存在严格的负向相关关系，这与理论假设部分的观点是一致的。另一方面，表3反映的聚集规模与表1、表2所体现的聚集形式是测量聚集行为的两个维度，二者之间不存在明显的相关关系。实际上，对以上三个主要解释变量的相关性检验也证明了以上分析，见表4。
另外，由表3可知企业聚集规模最大的主要为深圳、上海、北京、广州等发展水平最高的城市，而这些城市中无论是企业的科技创新能力还是其他综合实力都是领先于全国整体水平的。因此我们分析认为：从整体上来看，聚集规模对企业创新极可能具有显著的促进作用。
为简化过程，之后的动态关系研究中我们会将全体存在创新的企业（新产品产值大于100的企业）所处的聚集规模按从低到高的次序平均分成4个阶段（在稳健性检验中，我们再次将样本均分为5、6、7、8四种不同聚集规模阶段，以验证聚集规模阶段的划分不会影响估计结果的一致性）。表5给出将创新企业的聚集规模均分为4个阶段时所对应的从业人员密度的取值范围和样本观测值。
（三）计量模型设计
研究模型设定基于一般的知识生产函数模型。与知识生产函数模型不同，本文以聚集的外部性因素作为重要解释变量。因此，类似知识生产函数设定形式，我们将企业的创新产出作为聚集指数（专业化、多样化指数和聚集规模指数）的函数，同时控制其他的企业特征变量和城市特征变量。本文的创新生产函数形式为：
Y=A1spec+2dive+3aggK4L5Z6（1）
其中，Y表示创新产出；K、L分别表示企业的资本和劳动投入量；Z表示企业和城市其他特征变量；A表示知识溢出，则A1spec+2dive+3agg可以用来表示聚集行为中的知识溢出通过专业化、多样化聚集形式和聚集规模对企业所产生的实际影响。
对该生产函数进行对数化处理，得到：
lnY=（1spec+2dive+3agg）lnA+4lnK+5lnL+6lnZ（2）
進一步细化处理，并扩展到不同城市、行业和企业，得到企业创新产出的基本回归方程如下：
lnnewijc=β1specjc+β2divec+β3aggc+δ1lnoutputijc+δ2lnR&Dijc+δ3lnemployijc+δ4lnPPEijc+δ5lnNCFijc+δ6lnperGDPc+δ7lnperwagec+εijc（I）
其中，c为城市，i为企业，j为企业所在的SIC2行业；被解释变量new为企业的新产品产值；工具变量spec、dive、agg代表企业所在行业的专业化指数、多样化指数和聚集规模指数；企业特征变量output、R&D、PPE、NCF、employ分别表示企业的工业总产值、研发投入、固定净资产、现金净流量、企业从业人员数；城市特征变量perGDP、perwage分别表示城市的人均GDP水平和人均工资水平。
考虑到本文的一个侧重点在于研究企业的聚集形式对企业创新的作用随不同聚集规模的变化特点，我们需要在模型（I）的基础上引入聚集形式的两类指数spec、dive与聚集规模4个阶段aggscale的交叉项。表1中我们已经将聚集规模按从低到高的顺序平均划分为4个阶段，因此可以企业聚集的4个不同规模水平作为虚拟变量，与聚集的专业化、多样化指数形成交互项，在基础模型的基础上进行改进。加入交互项的模型如下：
lnnewijc=β1specjc+β2divec+β3aggc+β4aggscalec×specjc+β5aggscalec×divec+δ1lnoutputijc+δ2lnR&Dijc+δ3lnemployijc+δ4lnPPEijc+δ5lnNCFijc+δ6lnperGDPc+δ7lnperwagec+εijc（II）
（四）估计方法
由于样本中作为被解释变量的新产品产值存在大量观测值小于100，本研究认为这些企业不存在实质上的创新。以上企业的存在会影响对创新型企业的创新能力进行实证分析时的显著性。因此本文希望仅对所有数值上不小于100的新产品产值作为被解释变量进行回归。结合此种处理方法的特点，在计量方法的选取上，本文采用断尾模型（Truncated）对全样本进行回归，以保证估计结果的准确性和有效性。 四、实证结果分析
表6给出模型（I）和（II）的回归结果。其中：①列是对不含交互项的模型（I）的估计结果。我们可以看到聚集规模指数（从业人员密度）的系数在1%水平上显著为00309，表明城市的聚集规模每增加1个单位，企业会增加约00309%的新产品产值。这与企业聚集的正外部性理论相一致，说明一个城市的企业聚集规模越大，则该城市范围内企业的整体创新能力就越强。多样化指数（dive）的系数在1%水平上显著为正，表明多样化聚集形式对企业创新存在显著的促进作用。专业化指数（spec）在回归中的系数为正，但不显著，表明在不考虑聚集规模变化趋势的情况下，我们难以判断专业化聚集形式对企业创新作用是否存在显著影响。②列是对模型（II）的断尾回归估计结果。基于模型（I）的不足，模型（II）引入企业聚集规模阶段（aggscale）作为虚拟变量，并与行业专业化、多样化指数分别生成交叉项。该模型中，产业专业化指数spec的系数为-11624，aggscale×spec_2、aggscale×spec_3、aggscale×spec_4的系数依次为09009、18254、-07705，且系数都在1%水平上显著。其中，aggscale×spec_2系数为09009，表明产业专业化指数每增加1个单位，处于第二个规模阶段（从业人员密度在0417人/公顷到0846人/公顷）的企业，其新产品产值比处于第一个规模阶段（从业人员密度在0005人/公顷到0407人/公顷）的企业显著增加09009%；同理，专业化指数每增加1个单位，处于第三个规模阶段（从业人员密度在0857人/公顷到1451人/公顷）、第四个规模阶段（从业人员密度在1478人/公顷到9990人/公顷）的企业新产品产值分别比第一个阶段显著增加18254%和减少07705%。根据对以上系数的计算，图1给出每个聚集规模阶段的产业专业化指数对企业创新作用的变化特点。
根据多样化指数dive及aggscale×dive_2、aggscale×dive_3、aggscale×dive_4的系数（依次为-00090、-00269、-00067和00187，且都在1%水平上显著），计算各聚集规模阶段的多样化聚集指数对企业创新作用的大小变化，如图2所示。
我们可以看到，在将我国各城市的聚集规模均分为4个阶段的前提下，我国企业的专业化指数spec与多样化指数dive随聚集规模变化而对企业创新的促进作用是显著不同的。对于专业化聚集形式而言，在聚集规模的扩大过程中，其对企业创新的促进作用是逐步递增的，且在第三个聚集规模阶段达到最大；随着企业进一步聚集，专业化的促进作用在第四个聚集规模阶段明显降低。这种倒“U”型变化特点与第二部分对专业化聚集和企业创新在“聚集不足”、“适度聚集”和“过度聚集”各阶段关系的理论分析是相符的。通过实证分析，我们认为假说一是成立的。
与专业化不同，多样化聚集对企业创新的促进作用最初会随聚集规模扩大而下降，但在第三个聚集规模阶段后，这种作用显著增大，并随着企业进一步聚集不断上升；甚至在专业化聚集到达“过度聚集”阶段而其促进作用下降后，多样化聚集的作用依旧在增加。这种“U”型变化趋势也基本符合第二部分的理论分析中对多样化聚集和企业创新的关系在聚集规模的不同阶段发生何种变化的假设，即假说二也被证明是成立的。
另外，在模型（I）和模型（II）中，其他企业控制变量和城市控制变量企业的系数也都是在1%水平上显著的。其中，企业的工业总产值、研发费用和现金净流量的系数显著为正，表明企业的总产出越大、研发投入越多以及現金流入越充沛，则企业的创新产值就越高，这也符合企业创新的相关理论。
（二）稳健性检验
为了进一步证明我们的实证结果相对于“聚集规模的划分”的稳健性，本文依次将样本平均地划分为5、6、7、8个不同程度的聚集规模多次进行回归，如表7所示。我们可以看到，无论怎样划分聚集规模的阶段，聚集形式与聚集规模所形成的交叉项系数的变动趋势依然是相同的，聚集规模的划分并没有影响我们回归结果的稳健性：制造业专业化指数spec与各聚集规模的交叉项系数随聚集规模增大呈现增加趋势，但在聚集规模达到较高水平时交叉项系数呈显著降低趋势，整体呈现为倒“U”形关系；制造业多样化指数dive与各个聚集规模形成的交叉项系数基本都是显著的，且呈现先下降后增长的“U”形关系。另外，本文对我国各个地级以上城市的研究中，并没有发现使两个聚集形式指数都显著下降的过度聚集阶段。这可能与我国现实中不存在企业严重拥挤、完全不利于企业创新发展的城市有关。
（三）对实证结果的进一步讨论
由于微观数据的可获得性，我们无法对全国近些年的企业聚集和创新问题进行实证研究，这对研究结果的现实意义提出了挑战。近年来，我国经济继续稳步发展，各城市企业数量和创新产出都实现较大的增长。但整体分析后我们发现，我国东、中、西部各地区的城市发展水平差距未发生明显变化，城市产业结构特点相对来看也是较为稳定的；而各城市中企业聚集规模等要素的这种近似“同步增长”的特点可以看做是处于“聚集不足阶段”的样本数量减少、其他聚集规模阶段的样本数量增加，这种变化自然不会对研究结果造成实质的影响。因此我们认为，在控制其他特征变量的前提下，本文的实证结果对我国近年甚至未来一段时间内企业聚集与创新的动态关系判断都具有合理性。
五、结论与政策建议
（一）结论
本文结合创新经济学和聚集理论，借助聚集规模展开动态关系研究，为以往文献中专业化、多样化聚集形式如何促进企业创新的争论提供了一个新的探究角度，研究发现：对于专业集聚，当聚集规模处在“适度聚集”范围以内，专业化聚集对企业创新的促进作用会随聚集规模的扩大而增强；当聚集规模继续增大以致出现“过度聚集”，聚集促进企业创新的作用会降低；而对于多样化聚集，随聚集规模不断扩大，其促进企业创新的作用会先降低再增强，且在专业化的促进作用下降后，多样化的作用仍在增强。 本文对此解释为：聚集规模较小时，同属一个行业的企业之间容易发生“模仿创新”，造成本行业垄断能力和创新能力相互促进、不断提升，故专业化聚集对企业创新的作用与聚集规模同向增加；而此时多样化聚集是专业化聚集的反面，故其作用也相反。随聚集规模的递增，企业同时为获取垄断利润和减轻竞争对手的威胁而采取创新，专业化和多样化聚集有利于创新的实现；且聚集规模越大，企业间距离越近、信息传递越便捷，促进作用也就越强。随着聚集规模的进一步拥挤，过度激烈的市场竞争往往导致企业利润因大量同行业竞争对手的快速模仿而消失，严重抑制其研发投入和创新能力；而此时多样化聚集面临的市场竞争和创新压力明显低于专业化聚集，且多样化环境有利于企业与同行业内其他企业区分开来以获得竞争优势，故多样化聚集对企业创新的作用依然是随聚集规模一同递增的。如果企业空间分布继续拥挤、市场竞争继续恶化，多样化聚集对企业创新的促进作用最终也会减小。本文从聚集规模由小到大的动态角度进行研究，为以往文献中专业化、多样化两种聚集形式如何促进企业创新的争论提供了一个新的解释。
（二）政策建议
企业创新问题一直是中国经济现阶段面临的重要问题。截至2015年，我国企业和各类研发机构的创新投入占GDP比重仅为21%，远低于发达国家（如日本的该比重约为35%，以色列为50%）。从聚集环境角度来看，我国中西部地区多数城市企业创新能力低下，与东部沿海城市长期保持较大差距；而东部部分城市的企业创新压力也在不断彰显，如2016年近15000家科技创新型企业因竞争压力巨大而迁出深圳市，“钢铁城”鞍山市因过大的企业聚集规模对周边地区造成严重的环境污染等诸多事实。优化产业结构、改善聚集行为是解决以上问题的良好方案，因此本文的研究结论对企业创新发展具有现实意义。
以促进企业创新为目的，从企业聚集的角度为中国城市产业结构和企业行为的调整提出若干政策建议：
1.针对中西部城市聚集规模不足、企业创新能力差的现状，政府应充分利用城市的相对优势资源（如煤矿、铁矿或旅游资源），重点支持、鼓励某个或某几个行业率先创新和发展，吸引同行业更多数量企业的进入，通过同质企业间极易发生的“模仿创新”行为带动行业的整体发展，使企业创新充分受益于专业化聚集，尽量避免众多行业的企业零星分布的局面。
2.对于现有聚集规模较大的城市，如果该城市某行业聚集严重，政府应采取措施适度降低这种专业化聚集水平。以鞍山市钢铁生产行业为例，政府可以出台相关政策，劝阻钢铁产业范畴内的企业在本市建设新厂或迁入本市，更多地引导市内一部分钢铁生产类企业迁址到竞争环境更优的城市。另一方面，避免城市内企业规模的过度膨胀，鼓励部分企业的产品升级、优化和转型发展，形成多样化的产业结构特点，降低竞争强度和创新压力。
3.针对众多处于高速发展中的城市，企业大量建厂、进入，聚集规模不断壮大，此时“垄断前景推动的创新”和“竞争前景推动的创新”同时发生。政府应结合该类城市的聚集规模特点，因地制宜，在聚集规模达到一定程度后合理辨析专业化聚集和多样化聚集的利弊特点，正确指导企业的迁入、迁出、转型和创新等行为；不断完善对城市中同行业和跨行业企业聚集比重的调节，切实有效地升级城市产业结构，逐步形成最有利于企业创新的聚集环境。
参考文献：
[1]Marshall A. Principles of Economics[M].London. Macmillan， 1920.
[2]Arrow K. The Economic Implications of Learning by Doing[M].The Review of Economic Studies， 1962，29（3）：155-173.
[3]Jacobs J. The Economy of Cities[M].New York. Random House， 1969.
[4]Henderson J V， Ari K， Matt T. Industrial Development in Cities[J].Journal of Political Economy， 1995， 103（5）：1067-1090.
[5]Baptista R S， Swann P. Do firms in clusters innovate more？[J].Research Policy， 1998， 27（5）：525-540.
[6]Beule F D， Beveren I V. Does Firm Agglomeration Drive Product Innovation and Renewal？ An Application for Belgium[J].Tijdschrift Voor Economische En Sociale Geografie， 2012， 103（4）：457-472.
[7]Feldman M， Audretsch D. Innovation in Cities：Science-based Diversity， Specialization and Localized Competition[J].European Economic Reviews， 1999， 43（2）：409-429.
[8]Oort F V. Innovation and Agglomeration Economies in the Netherlands[J].Tijdschrift Voor Economische En Sociale Geografie， 2002， 93（3）：344-360.
[9]Antonietti R， Cainelli G. The role of Spatial Agglomeration in a Structural Model of Innovation， Productivity and Export：a Firm-level Analysis[J].The Annals of Regional Science， 2011， 46（3）：577-600.
[10]彭向，蔣传海. 产业集聚、知识溢出与地区创新——基于中国工业行业的实证检验[J].经济学（季刊）， 2011，10（3）：913-934.
[11]Henderson J V. Efficiency of Resource Usage and City Size[J].Journal of Urban Economics， 1986， 19（1）：47-70.
[12]Lin H L， Li H Y， Yang C H. Agglomeration and Productivity：Firm-Level Evidence from China′s Textile Industry[J].China Economic Review， 2011，22（3）：313-329.
[13]约瑟夫·熊彼特. 经济发展理论[M].何畏，等译. 北京商务印书馆， 1990.
[14]Kamien M I， Schwartz N L.. Market Structure and Innovation[M].Cambridge University Press， 1982.
[15]Pakes A， Griliches Z. Patents and R&D at the firm level：a first report[J].Economic Letters， 1980， 5（4）：377-381.
[16]Dyer J H， Singh H. The Relational View： Cooperative Strategy and Sources of Interorganizational Competitive Advantage[J].Academy of Management Review，1998，23（4）：660-679.