城市创新能力、企业市场势力与资源配置效率

李 冬，杨晓亮

(1.天津外国语大学 滨海外事学院，天津 300270；2.天津财经大学 经济学院，天津 300222)

一、引言

“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”(1)习近平在中国共产党第十九次全国代表大会上的报告《决胜全面建成小康社会 夺取新时代中国特色社会主义伟大胜利》。。从培育微观创新主体到宏观层面的创新型国家建设，城市作为中观层面的创新体系，具有承上启下的重要作用。“发挥各地在创新发展中的积极性和主动性，对形成国家科技创新合力十分重要”(2)2016年5月30日，习近平在全国科技创新大会、两院院士大会、中国科协第九次全国代表大会上题为《为建设世界科技强国而奋斗》的讲话。。作为企业研发与创新活动的空间载体，城市也是创新要素与资源的集聚地。既有研究中，企业的研发创新对其加成率的促进作用已被诸多文献证实(刘啟仁和黄建忠，2016；诸竹君等，2017；黄先海等，2018)[1～3]。企业加成率可表示为企业产品价格与企业边际成本之比(毛其淋和许家云，2017)[4]，一般用于衡量企业市场势力和贸易利得(钱学锋和范冬梅，2015)[5]，一直是国内外学术界研究的重点和热点(De Loecker和Warzynski，2012；Lu和Yu，2015；黄先海等，2016)[6～8]。遗憾的是，鲜有文献就区域创新能力对微观企业绩效的影响方向及作用机制进行深入探讨，本文研究丰富了相关文献。

二、文献综述

与本文密切相关的文献是关于城市创新或创新型城市的经济影响研究。地区层面，城市创新能够抑制环境污染(杨小东等，2020)[9]和改善生态效率(陈超凡等，2021)[10]，创新型城市能够促进绿色技术创新(宋德勇等，2021；李政和刘丰硕，2021)[11～12]、提升创新集聚水平(张涵，2021)[13]以及改善地区经济发展质量(陈晨和张广胜，2020)[14]；产业层面，创新型城市推动了产业人口转移和结构高级化(胡兆廉等，2020)[15]；企业层面，创新型城市能够提升企业全要素生产率(顾小龙等，2021)[16]和企业创新水平(杨仁发和李胜胜，2020；闫昊生等，2021；郭丰等，2021)[17～19]。然而，鲜有文献考察城市创新对企业成本加成的影响及作用机制。

另一相关文献是关于企业加成率的影响因素研究。宏观制度方面，包括贸易自由化(余淼杰和袁东,2016)[20]、最低工资政策(赵瑞丽等，2018)[21]和政府补贴(高翔和黄建忠，2019)[22]等因素；中观产业方面，涉及产业政策(戴小勇和成力为，2019)[23]、产业集聚(沈鸿和向训勇，2017)[24]、制造业服务化(成丽红和孙天阳，2020)[25]和服务业开放(李方静，2019)[26]等因素；微观企业方面，有企业出口(刘啟仁和黄建忠，2015)[27]、产品创新(刘啟仁和黄建忠，2016)[1]以及融资约束(李宏亮和谢建国，2018)[28]等因素。

日益复杂的技术结构促使企业采用协同研发的方式来实现创新(周开国等，2017)[29]，而城市发展带来的人才聚集有利于知识交流和企业创新(王永进和张国峰，2015)[30]，为企业提升创新效率提供了理想环境(Combes等，2012)[31]，因此基于城市维度来探讨创新对企业加成率及分散度的影响，对提高企业盈利能力和行业资源配置效率，具有重要的理论和现实意义。本文可能的边际贡献为：一是基于拓展的Melitz和Ottaviano(2008)[32]模型(简称M-O模型)，深入探讨了城市创新对企业加成率的影响及作用机制，从理论上补充了现有文献；二是首次结合城市创新力指数与中国企业微观数据，系统全面地考察了城市创新对企业加成率的影响及作用机制，并通过构造多个工具变量来解决可能存在的内生性问题，以获得较为稳健可信的结论，从经验上丰富了既有文献；三是进一步比较了城市创新对出口与内销企业加成率的差异化影响，得出城市创新更能提升出口企业加成率的结论，对于提升中国出口企业的盈利能力和实现贸易高质量发展具有一定的启示意义。

三、理论机制与研究假设

与M-O模型类似，消费者的效用函数设定为：

(1)

其中，q0和qi分别为基准产品0和第i种产品的消费量，Ω表示差异化产品种类的集合，α、η和γ均为正的与需求相关参数。

所有商品的边际效用是有限的，因此消费者可能对任何特定商品没有正需求。假设消费者对基准商品有正需求，即q0>0，则每个品种i的反向需求则为：

pi=α-γqi-ηQ

(2)

令Ω*∈Ω为被消费的品种的子集，且qi>0。根据式(2)可以转换得到这些品种的线性市场需求函数为：

(3)

(4)

(4)式中，pmax为某商品品种需求为0时的价格，根据式(2)可知pmax≤α。与CES需求的情况相反，需求的价格弹性为：

εi≡|(∂qi/∂pi)/(pi/qi)|=[(pmax/pi)-1]-1

(5)

假设某产品加成率的定义式为μ=p/c，与需求价格弹性的关系可以表示为(刘啟仁和黄建忠，2015)[27](3)将加成率表达式代入式(5)得εi≡{[pmax/(μi·ci)]-1}-1。企业利润最大化时可知pmax≡c，故整理可得μi=(1-|εi|-1)-1。：

(6)

求导得：

dμi=-(|εi|-1)-2d|εi|

(7)

由(7)式可知dμi/d|εi|=-(|εi|-1)-2<0。结合式(3)～(7)可知，平均价格与企业产品加成率为正相关关系，即当平均价格上升时，将推动产品价格上限的提升，进而降低需求弹性，从而提升企业产品加成率。

据c=1/φ(Melitz和Ottaviano，2008)[32]可将加成率定义式改写为μ=pφ。已有文献研究表明，城市创新或创新型城市能够通过提高企业集聚程度和降低制度交易成本提升企业创新水平(杨仁发和李胜胜，2020)[17]；通过资源倾斜效应和策略性创新促进国有企业专利申请量的提升(闫昊生等，2021)[18]；通过创新环境的改善和融资约束的缓解提升了企业创新数量和质量(郭丰等，2021)[19]。企业创新能力的提升可以提高企业生产率和产品定价能力(刘啟仁和黄建忠，2016；黄先海等，2018)[1][3]，进而促进企业加成率的提升。此外，城市创新或创新型城市通过释放积极信号以吸引机构投资者入驻，提高企业机构投资者的持股比例，实现上市公司全要素生产率的提升(顾小龙等，2021)[16]，进而提升企业加成率。故提出假设：

H1：其他条件不变时，城市创新能力越强，越能够提升企业的加成率。

结合已有文献的研究成果，令城市创新水平对企业生产率和企业定价能力的影响参数分别为ω(>0)和υ(>0)，此时城市创新与企业加成率的关系表示为：μ=pωφυ，即城市创新水平与企业生产率和企业定价能力皆为正相关关系。进一步，分别求偏导可得：

∂μ/∂ω=(∂p/∂ω)(∂μ/∂p)=ωpω-1φυ>0，∂μ/∂υ=(∂p/∂υ)(∂μ/∂p)=υpωφυ-1>0

(8)

故提出假设：

H2：城市创新通过提升生产率与增强产品定价能力提高企业加成率。

由于不同类型企业的创新行为存在差异，因此，城市创新对其加成率的影响机制也可能存在异质性(刘啟仁和黄建忠，2016)[1]。城市创新对内销和出口企业的加成率的影响是否具有异质性？新贸易理论认为受出口固定成本的影响，出口企业的生产率水平较高。而高生产率的企业具有高加成率(De Loecker和Warzynski，2012)[6]，即选择效应(Selection Effect)。由于出口市场大于内销市场，因而前者具有更大的市场竞争，即竞争效应(Competitive Effect)。典型化事实分析表明，城市创新可能对出口企业加成率的提升作用更大。故提出假设：

H3a：城市创新对出口企业加成率的提升作用更大。

中国企业运行的重要特征之一为各类偏向性政策在国有企业生产经营中被享受到(张天华和张少华，2016)[33]。相对于非国有企业，一方面国有企业能够获取更多创新资源，另一方面其受地方政府的影响更强(闫昊生等，2021)[18]，进而影响企业加成率的提升。故提出假设：

H3b：城市创新对国有企业加成率的提升作用更大。

产品创新引致的生产率提升从而降低了企业边际成本，进而促进加成率的提升(刘啟仁和黄建忠，2016)[1]。产品创新可能受产品特点的影响：同质性产品倾向于使用标准化的生产技术，产品创新空间较小，因而对加成率的影响较小；差异化产品生产所需的技术复杂程度较高，产品创新空间较大，因而对加成率的影响较大。故提出假设：

H3c：城市创新对差异化产品企业加成率的提升作用更大。

通常情况下，劳动密集型企业偏离甚至远离技术前沿，主要依靠成本优势，对新技术的应用程度不足，从而限制其创新能力(Zahra和George，2002)[34]；而资本密集型企业一般具有技术和知识密集的特征，故较为接近技术前沿(蔡昉，2011)[35]，其出口更容易引致创新行为(Aghion 等，2018)[36]。故提出假设：

H3d：城市创新对资本密集型企业加成率的提升作用更大。

实际上，衡量资源配置效率的一种重要方式便是考察自变量对加成率分布状况的影响。当资源配置效率越高时，对应的加成率分布越均匀(Lu和Yu，2015)[7]。一方面，创新能力较强企业因优胜劣汰机制下的选择效应而促进生产率提升；另一方面，企业市场定价能力因创新带来的产品质量提升和产品差异化而增强。上述情况将导致高效率企业存续与低效率企业退出的现象并存，从而促使企业间加成率的分散度下降。与此同时，资源禀赋由低效率企业向高效率企业流动以及企业间学习追赶效应的显现，有利于实现企业加成率提升与企业间加成率分散度下降的双重收益，从而促进资源配置优化。故提出假设：

H4：城市创新能够降低企业间加成率分散度。

四、计量模型设定、变量测度与数据说明

(一)模型设定

为检验城市创新与企业加成率之间的关系，设定如下计量模型：

lnmkupcjit=α+β×lnInnoIndexct+θ×Fcjit+ρ×Icjt+δ×Cct+νi+νt+εcjit

(9)

(9)式中，下角标c、j、i和t分别代表城市、行业、企业和年份，lnmkup表示企业加成率取自然对数，lnInnoIndex为城市创新力指数取自然对数。重要的是系数β，当预期β>0，即城市创新促进了企业加成率的提升。F、I和C分别代表企业、行业和城市特征的控制变量，νi、νt为控制不可观测的企业、年份固定效应，ε为随机扰动项。下面将对各变量的测度进行详细说明。

(二)变量测度

1.企业加成率

2.城市创新

采用2001—2016年338个城市的创新力指数衡量城市创新能力(7)复旦大学产业发展研究中心的《中国城市和产业创新力报告2017》。，该指数综合了城市创新指数和城市创业指数。基于专利更新模型，使用国家知识产权局的专利数据，以2001年为基期，将全国专利价值总量进行标准化(记为100)，获得城市创新指数。基于国家工商局的企业注册资本数据，以2005年为基期，将全国新成立企业注册资本总额进行标准化(记为100)，获得城市创业指数。2005—2016年，全国创新指数增长了21.3倍，全国创业指数增长了7.4倍。综合两个指数的城市排名，最终获得城市创新力指数。图1显示了2001—2016年全国创新指数呈现指数化增长的趋势，年均增长率为27.87%。结合城市创新力指数和测算而得的企业加成率，图2汇总了内销企业、出口企业和全部企业样本中二者的线性拟合关系。不难发现，三个样本皆呈现典型的正相关关系，且出口企业拟合线最为陡峭。由此，可初步认为城市创新对出口企业加成率的促进作用更大。

图1 2001—2016年全国城市创新力指数变化趋势

图2 城市创新与企业加成率线性拟合图

3.控制变量

企业层面：企业年龄(age)采用当年减企业开工年份加1衡量。其值越高表明企业存活时间越长、适应能力越强，有助于企业获取较高的加成率；资本劳动比(klr)采用企业固定资产合计与就业人数之比取自然对数衡量。其值越大表明企业资本比重越大，获取加成率的能力也越强；企业规模(fsize)采用企业就业人数取自然对数衡量。其值越大表明企业越可能实现规模经济效应，从而提升加成率；出口企业哑变量(export)以出口交货值是否大于0为标准(8)2004年的出口交货值通过与经济普查数据匹配获得。，出口企业取值为1，否则为0；所有制哑变量根据企业注册类型划分为国有(soe)、集体(coe)、民营(poe)、外资(foe)和港澳台(hoe)五种类型(9)由于2007年后部分年份未报告各类企业资本金信息，因此使用注册类型进行划分。在2001—2007年样本中，按照企业该类资本金占实收资本金的比重是否大于50%的标准进行划分时，本文结论保持不变，留存备索。，属于该类型时取值为1，否则取值为0。具体估计时以集体企业为参照，从而控制了所有制固定效应。

行业层面：行业集中度(hhi)，以四分位行业中企业销售额与行业销售额之比的平方之和表示，取值为0～1之间。其值越高表明行业垄断越严重，企业越能获取较高的加成率。

城市层面：对数城市人均GDP(lnpergdp)用来测度城市经济发展水平。其值越高，表明城市需求越高，容易引发企业激烈竞争，从而降低了加成率(赵瑞丽等，2018)[21]；对数城市平均工资(lnavwcity)用来衡量城市的劳动力成本。其值越高越有可能对企业创新产生倒逼作用(林炜，2013)[38]，从而促进了企业加成率提升；对数城市人口密度(lnpopagg)，单位为人/平方公里，用来衡量城市集聚程度。城市集聚同时产生了对企业加成率正向影响的集聚效应和负向影响的拥堵效应，其净效应决定了对企业加成率的影响。

(三)数据说明

本文计量分析中测度企业和行业层面变量的数据来自中国工业企业数据库(1998—2013年)。该数据库报告了细化的企业财务指标，如工业增加值、企业销售额和职工工资等。借鉴王贵东(2017)[39]的方法，结合序贯识别和省内交叉识别的方法对企业重新编码，并将1998—2001(GB/T4754-1994)和2011—2013(GB/T4754-2011)年的行业代码按照GB/T4754-2002标准统一调整。参考余淼杰和袁东(2016)[20]的方法对样本异常值进行处理并仅保留制造业企业样本(即二分位行业代码13～43)。测度城市层面控制变量的数据来自1998—2013年《中国城市统计年鉴》，并将样本期内出现行政区划调整的城市统一到2013年版的中国地级市行政区划代码。核心解释变量城市创新力指数来自2017年《中国城市和产业创新力报告》。按照城市代码和年份将三套数据进行合并，得到基准估计使用的283个城市、413324家企业和979099个样本(10)与现有文献一致，本文基准回归使用质量较好的2001—2007年合并数据进行分析，而稳健性分析包含了2008—2013年数据。但由于2010年数据质量难以保证，因此并未纳入计量分析。对于样本中指标缺失的相关数据，如增加值等，借鉴聂辉华等(2012)[40]、陈林(2018)[41]和余淼杰等(2018)[42]的方法进行补齐，备索。。此外，以2001年为基期，使用来自国家统计局的历年《中国统计年鉴》中各省份价格指数对相关数据进行平减，具体为：企业工业总产值、增加值、销售额和城市人均GDP用工业品出厂价格指数平减；中间品投入用工业品购进价格指数平减，企业资本存量参考黄先海等(2016)[8]使用永续盘存法估计获得，并用固定资产价格指数平减；城市人均工资用消费者物价指数平减。表1汇总了主要变量的测度结果。

表1 主要变量的测度结果

表1(续)

五、城市创新与企业加成率关系的实证检验

(一)基本回归与结果汇总

文章检验了城市创新对企业加成率的总体影响，即对模型(9)进行了估计，结果如表2。为稳健起见，使用逐步加入变量的方法进行汇总。具体为：表2第(1)列仅考察城市创新对企业加成率的影响，发现城市创新指标lnInnoIndex高度显著为正，即城市创新显著提升了企业加成率，初步验证了假设H1。表2第(2)～(4)列依次加入三个层面的控制变量、企业以及年份固定效应，表明城市创新指标lnInnoIndex依然高度显著为正，即城市创新显著提升了企业加成率，进一步验证了假设H1。然后，在模型(9)的基础上又控制了省份固定效应，结论依然稳健(11)其他控制变量的估计结果与前文分析基本一致，此处不再赘述。。

(二)稳健性分析

尽管以逐步加入变量的方式能够较好克服遗漏变量引起的内生性问题，部分展现了结论的稳健性，但仍会有测量偏误等问题，因此有必要进一步进行稳健性检验。表2第(1)列为使用ACF法(Ackerberg等，2015)[43]测度的企业加成率(lnmkup_ACF)替换被解释变量，然后对模型(9)重新估计。结果显示：指标替换后，核心解释变量lnInnoIndex的估计系数仍在1%的水平上显著为正，与基准估计结果基本一致，表明被解释变量的指标替换并未改变核心结论。

表2 基准回归结果

表2(续)

表2第(2)和第(3)列使用其他城市创新指标进行稳健性检验。首先，尝试构建城市综合创新指数。囿于数据可得性，以《中国城市统计年鉴》中提供的相关数据进行指标构建。其中，创新产出规模指标利用专利数量测度；人力资源指标使用普通本专科在校学生人数测度；政府创新环境指标使用地方一般公共预算支出、科学技术支出和教育事业费支出三个指标测度；创新转化指标使用科研综合技术服务业从业人员数测度；创新市场规模指标使用社会消费品零售额和人均地区生产总值测度。对于各指标使用去量纲的数据标准化方法进行处理，然后将各个标准化指标进行汇总，获得综合指标。重新估计结果表明，城市创新综合指数(inno_city)估计系数显著为正，意味着替换核心解释变量并未改变文章的核心结论。此外，北京大学企业大数据研究中心测算的中国区域创新创业指数，包含了城市内新建企业进入、外来投资、风险投资以及专利数据等多个维度。使用该指标进行稳健性检验，结果发现区域创新创业指数(double_inno)估计系数仍显著为正，再次表明替换核心解释变量并未改变核心结论。第(4)和第(5)列是将样本期拓展到2013年，对模型(9)重新估计。其中，前者是与基准回归样本数据直接合并，后者则考虑到2011年后工业企业数据库筛选企业的口径发生改变，即非国有企业标准由500万调整为2000万，因而将基准回归样本(即2001—2007年样本)中低于2000万的非国有企业样本剔除，然后重新估计(12)为剔除价格因素影响，借鉴王贵东(2017)方法，以2011年为基期对2001—2007年2000万元标准使用省级工业品出厂价格指数进行平减后，再予以删减。。不难发现，核心解释变量lnInnoIndex的估计系数仍高度显著为正，表明本文核心结论并未因样本期不同而改变，估计结果依然稳健，再次验证了假设H1。表3第(6)列是基于创新型城市试点的准自然实验，采用双重差分法的估计结果。创新型城市试点是中国政府为了培养经济发展新动能、建设创新辐射引领作用强的区域创新中心而制定的国家战略，2008年将深圳确定为首个创新型城市试点。本文选取2008—2013年共61个创新型城市作为处理组(treat=1)(13)61个创新型城市名单具体为：2008年的深圳；2010年的北京、天津、唐山、石家庄、包头、太原、大连、沈阳、哈尔滨、上海、南京、苏州、无锡、常州、宁波、嘉兴、合肥、福州、厦门、景德镇、南昌、济南、烟台、武汉、长沙、广州、南宁、海口、重庆、成都、贵阳、昆明、宝鸡、西安、兰州、西宁、银川、昌吉、石河子；2011年的秦皇岛、呼和浩特、长春、连云港、镇江、洛阳；2012年的南通、郑州、乌鲁木齐；2013年的杭州、泰州、盐城、扬州、湖州、萍乡、济宁、青岛、南阳、襄阳、宜昌、遵义。，其他城市作为对照组(treat=0)。设立为创新型城市前，令post取值为0；设立当年及以后，则post取值为1。将模型(9)中的核心解释变量替换为交叉项treat×post，使用渐进双重差分法进行再次估计。第7列又汇报了使用基于logit方法的0.05卡尺内有放回的1∶1近邻匹配后的双重差分法(PSM-DID)进行再估计的结果(14)均通过检验，限于篇幅，未汇报平行趋势检验和安慰剂检验的结果。留存备索。。综上所述，表3后两列结果皆显示，交叉项的估计系数treat×post高度显著为正，说明文章的核心结论并未因变换估计方法而发生变化。

表3 稳健性分析I

为了核心结论的稳健起见，在数据可获取的条件下，补充了控制其他影响因素的稳健性检验。第一，贸易自由化。通过控制中间品关税(tariff_I)和最终品关税(tariff_F)予以实现，数据来自WTO Tariff Download Facility，通过将HS6位码产品关税合并为ISIC四位码行业关税，再与CIC四位码行业进行转换。第二，最低工资。通过加入取自然对数后城市月最低工资(lnminwage)予以控制，数据来自各省份、市政府网站手动收集整理。第三，补贴。通过补贴强度(subsidy)予以控制，采取企业补贴收入与产品销售收入之比来测度。第四，产品创新。通过新产品研发强度(newprod)予以控制，以企业新产品产值占产品销售收入的比重来衡量。第五，融资约束。通过企业利息支付率(interatio)予以控制，用企业利息支出与总负债之比表示。表4各列的估计结果表明，控制以上影响因素后，文章的核心结论仍未发生本质的变化。

表4 稳健性分析II

(三)内生性分析

虽然城市创新力与企业加成率属于不同层面的指标，从而弱化了双向因果引致的内生性问题，但为稳健起见，仍将使用工具变量法予以控制。借鉴已有文献，选取以下三个工具变量进行分析：第一，滞后一期城市创新力指数(L.lnInnoIndex)。将滞后一期城市创新力指数作为当期城市创新力指数的工具变量，并使用2SLS方法进行估计。第二，省级创新力指数(lnInnoIndex_p)。类似于Fisman和Svensson(2007)[44]方法，使用省级创新力指数作为城市创新力指数的工具变量。这是因为，即使企业加成率能够影响城市层面的创新能力，但也很难对省级层面的创新能力发生作用。而省级层面的创新能力与城市层面的创新能力密切相关。因此，该工具变量基本满足相关性和外生性的约束条件。第三，省内其他城市创新力指数均值(lnInnoIndex_o)。与马光荣和李力行(2012)[45]相似，由于省份内各城市之间关联性较强，因而省份内其他城市平均创新能力对该城市创新能力具有较强影响。但某城市内的企业加成率对其他城市平均创新能力的影响微乎其微。因而，这一工具变量也能够较好地满足外生性和相关性的约束条件。表5显示，分别使用三个工具变量的重新估计，城市创新指标lnInnoIndex皆高度显著为正，可见，本文并不存在严重的双向因果引致的内生性问题，核心结论得以保证。

表5 内生性分析

(四)影响机制分析

究竟何种原因导致了城市创新促进企业加成率的提升呢？由于加成率mkup可以表示为企业定价P与边际成本mc的比值，即mkup=P/mc，而边际成本近似于生产率tfp的倒数，即mc≈1/tfp，从而可得mkup=P×tfp，即等号两边取对数为lnmkup=lnP+lntfp。利用数据估计出的企业生产率和加成率，可间接得到企业定价信息(Lu和Yu，2015)[7]，即lnP=lnmkup-lntfp。借鉴Baron和Kenny(1986)[46]方法，构建以生产率lntfp(即生产率效应)和企业定价lnP(即价格效应)为中介变量的中介效应模型，来检验城市创新对企业加成率的影响渠道。设定中介效应模型如下：

lnmkupcjit=α0+α×lnInnoIndexct+θ×Fcjit+ρ×Icjt+δ×Cct+νi+νt+εcjit

(10)

lntfpcjit=β0+β×lnInnoIndexct+θ×Fcjit+ρ×Icjt+δ×Cct+νi+νt+εcjit

(11)

lnPcjit=γ0+γ×lnInnoIndexct+θ×Fcjit+ρ×Icjt+δ×Cct+νi+νt+εcjit

(12)

lnmkupcjit=λ0+λ×lnInnoIndexct+ψ×lntfpcjit+η×lnPcjit+θ×Fcjit+ρ×Icjt+δ×Cct+νi+νt+εcjit

(13)

上述各式中控制变量的含义与模型(9)一致，估计结果汇总见表6。其中，第(1)列与表2第(4)列一致，用于对照分析。第(2)、(3)列是对模型(11)、(12)的估计，结果表明城市创新显著提升了企业的全要素生产率和产品定价能力，与前述理论分析一致。第(4)列是对模型(13)的估计，即在控制了企业生产率和产品定价能力之后，城市创新仍然显著提升了企业加成率，但其估计系数小于基准估计值(0.000<0.028)，说明存在中介效应(Baron和Kenny，1986)[46]，即城市创新通过生产率效应和价格效应促进了企业加成率的提升，从而验证了假设H2。基于稳健性考虑，借鉴Sobel(1987)[47]方法对中介效应的显著性进一步检验。

表6 影响机制检验

(五)异质性分析

基于前文分析，从出口状态、所有制特征、产品特点和要素密集度四个方面来讨论城市创新对异质性企业加成率的影响。

1.出口状态

表7第(1)、(2)列报告了子样本的分组估计结果，初步发现城市创新更能促进出口企业加成率的提升，从而验证了假设H3a。关于分样本似无相关检验(SUEST)结果表明，拒绝了“组间估计系数无差异”的原假设。使用“是否出口”哑变量(export)与核心解释变量(lnInnoIndex)的交叉项(inno×exp)进行再次验证，结果汇总见第(3)列。结果显示，交叉项的估计系数高度显著为正，从而再次验证了城市创新更能促进出口企业加成率提升的结论。选择效应的发挥会受到市场机制或企业出口份额的影响(刘啟仁和黄建忠，2015)[27]，故分别使用城市创新力与市场化指数(mkt)(15)数据来源于樊纲等(2010)[49]的书中。、企业出口份额(expr)(16)使用出口交货值与工业总产值的比值来衡量。构建交叉项inno×mkt和inno×expr，加入模型(9)进行估计，结果汇总见第(4)、(5)列，结果表明提高市场化水平或增加企业出口份额，城市创新对企业加成率的提升作用将逐渐增强。总之，相较于内销企业，城市创新主要通过选择效应显著提升了出口企业加成率，并且随着市场化水平提高、企业出口份额增加，这一促进作用将更显著。

表7 异质性分析I：内销vs.出口

2.所有制特征

与前文划分所有制类型的方法一致，将总样本分为本土和外资企业两类，估计结果汇总见表8第(1)、(2)列。不难发现，城市创新对国有和非国有企业的加成率皆具有显著的促进作用，但对前者的促进作用更大(17)使用交叉项的方法进行估计的结果基本一致，未汇报备索，下同。，从而验证了假设H3b。

3.产品特点

借鉴Rauch(1996)[50]对产品差异化程度的分类，表8第(3)、(4)两列汇报了按自由估计方法(liberal)分类的估计结果。通过观察可知，城市创新对同质和差异产品行业企业的加成率皆具有显著地促进作用，但对后者的促进作用更大，从而验证了假设H3c。

4.要素密集度

以资本密集度(klr)均值为划分标准(18)低于均值划分为劳动密集型，其余为资本密集型。使用中值划分的估计结果基本一致，未汇报备索。，表8第(5)、(6)两列结果表明，城市创新对劳动密集和资本密集行业企业的加成率皆具有显著促进作用，但对后者的促进作用更强，从而验证了假设H3d。

表8 异质性分析II

(六)扩展性分析

为了考察城市创新对企业间加成率分布的影响，文章选取多个加成率分散度指标(19)加成率分散度指标为城市—二分位行业层面。各符号含义与前文一致。：标准差(StandardDeviation，SD)、变异系数(CoefficientofVariation，CV)、泰尔指数(TheilIndex，TI)、相对均值离差(RelativeMeanDeviation，RMD)、平均对数离差(MeanLogarithmicDeviation，MLD)。表9估计结果表明，城市创新指标lnInnoIndex的估计系数至少在10%的水平上显著为负，这表明城市创新对行业内企业间加成率的分散度具有显著的抑制作用，从而改善了城市内的资源配置效率，即验证了假设H4。

表9 城市创新与行业加成率分散度

六、研究结论与政策启示

文章基于拓展的M-O模型，使用中国企业和城市层面数据，考察了城市创新与企业加成率之间的关系。研究发现，总体上城市创新通过生产率效应和价格效应两个路径提升了企业加成率。异质性方面，城市创新更能促进出口企业、国有企业、差异产品行业企业和资本密集型行业企业加成率的提升。此外，通过降低行业内企业间的加成率分散度，城市创新在改善资源配置效率方面发挥了重要作用。

基于以上结论，提出政策建议如下：第一，政府部门应根据城市发展情况，因地制宜地推行有助于城市内企业提高研发投入、促进协同创新的激励政策，加快研发创新的成果转化。第二，加快市场化改革的步伐，建立健全进入或退出机制，充分发挥国内外市场的选择效应，促进企业间加成率分布更加均匀，改善资源错配状况。第三，制定相关配套措施，为城市和企业创新提供良好的外部环境，从而提高城市创新活力与企业市场竞争力。