产业集聚与企业资产结构——基于中国地级市及上市企业的证据

郭 珂 郭雪萌

一、引言

后金融危机的经济转轨时期，粗放型的高速增长模式导致中国产业体系与经济现实的结构性矛盾日益凸显，实体经济发展趋于饱和并渐显颓势，但金融、房地产领域却出现投资收益率远超实体行业的现象。为追求资本增值，大量实体资金涌入金融领域“空转”，企业投资和收益渠道持续金融化，资产结构中产融错配的结构性矛盾日益突出，实体经济运行偏轨金融领域，已成为中国宏观经济现实的微观特征（张成思和张步昙，2015）。产业集聚作为宏观经济发展的内生变量与政策实施载体，兼具生产要素整合、优化资源配置效率等辐射正外部性效应的多重优势，可以影响微观经济主体的投资决策与经营行为，从而改变其资产结构。然而，全球范围内地缘政治博弈加之单边主义抬头，加速了各区域产业回迁和价值链“国内化”趋势，现有国际产业分工体系的短期重塑对中国实体经济发展与微观企业财务决策提出严峻挑战。因此，为有效践行和贯彻内涵式经济高质量发展的基本方针，有必要优化企业资产配置效率与决策；供给侧结构性改革、创新驱动发展战略等相关政策的制定与颁布，不仅彰显了国家治理微观经济的决心，更为引导资金脱虚向实、转换增长动力奠定了基础。由此可见，明晰摆脱实物流转领域的内生发展困局的传导路径，探索产业集聚的微观经济后果，从而优化企业资产结构，实现金融与实体产业的“双轮驱动”，是“双循环”新发展格局下推动经济高质量发展的关键举措。

产业集聚指同类型产业在特定地理区域内高度集中并产生相互作用，且生产要素在空间范围内持续汇集的过程。随着全球范围内产业结构变迁，产业集聚得到学界广泛关注。已有研究主要从宏观区域经济发展角度，对产业集聚所引发的经济后果进行探讨。一方面，Porter（1998）基于外部经济和竞争优势视角，认为产业集聚因有效降低区域微观主体创新与交易成本及提升要素利用效率，并通过产品差异化构建区域经济增长与集聚自增长间的正向反馈机制，而具备空间外溢效应和产业关联效应，实现区域经济“质”与“量”的双重增长（Beaudry and Schiffauerova，2009；Miguelez and Moreno，2018）；另一方面，同构化、低端化和粗放型的集聚模式也将破坏产业与区域经济的协调发展机制，导致产业集聚外部效应呈现异质性甚至失灵，进而不利于地区产业与生态的协调发展（Henderson，2003；邵帅等，2019）。

资产结构指企业投资决策中各类资产的构成成分。为保证大类资产配置，同时强调企业将有限资金配置于不同资产渠道所形成的对照关系，本文将企业资产结构区分为实体资产结构与金融资产结构。目前学界少有将产业集聚和企业资产结构直接关联的文献，而针对产业集聚微观经济后果的分析，主要集中在产业集聚多样化视角和产业集聚专业化视角上。有研究认为产业集聚通过提升技术效率、优化信贷资源配置效率、发挥规模经济效应和技术溢出效应、增加企业出口技术复杂度和增加附加值率等途径，提升企业全要素生产率（范剑勇等，2014）、降低融资成本（盛丹和王永进，2013）、促进研发创新（Nathan and Overman，2013）、优化出口质量（苏丹妮等，2018；王圣博和颜晓畅，2021）、降低污染排放强度（苏丹妮和盛斌，2021）。梳理可知，学界对产业集聚外部效应的实证研究多在宏观层面上进行探索，对其在微观层面企业投资的动态作用机理及异质性效应却缺少必要探讨。

本文基于产业集聚微观经济后果的异质性特征，以企业资产结构为切入点，探讨产业集聚对企业资产结构的影响、作用机制及异质性效应。可能的边际贡献有：第一，引入企业资产结构视角，尝试拓展国家经济转型中的宏观内生变量，即产业集聚与企业资产结构之间关系的研究范畴；将企业内部发展规律引入分析框架，刻画了产业集聚与企业资产结构的线性关系，对产业集聚微观经济后果的研究作补充；第二，厘清细分制造业集聚与生产性服务业集聚对企业资产结构的影响效应及作用机制，提出产业集聚影响企业资产结构的理论逻辑，对现有研究中有关两者之间微观作用机制作必要补充；第三，探讨并揭示宏观及微观视角下产业集聚对企业资产结构在不同行业、不同区域及不同企业特征下的影响效果差异，为企业根据自身财务状况配置资产提供经验证据。

二、理论分析与研究假说

产业集聚的空间组织形式与生产结构基于区域企业分工深化而形成，其外部性效应能够显著影响微观企业的融资条件与投资环境，因此，产业集聚类型与程度直接决定了区域微观企业资产结构的质量和效益。本文以制造业集聚与生产性服务业集聚对企业资产结构所产生的外部性效应及异质性效应为纽带，明晰其影响企业资产结构的潜在机制并提出假设。

（一）制造业集聚的正外部性效应分析

首先，制造业集聚具备规模经济效应。制造业集聚增强了产业链生产单位间的空间可达性，有利于实现规模化生产和集约效应，提高规模经济和范围经济的效益。为分享集聚效应的规模经济红利，各生产环节上下游企业倾向于选址在关联产业高度集聚的区域附近，并深度嵌入其所处的产业链，从而使区域制造业特征呈现典型的集中分布态势，有利于实现规模化生产。而规模化生产也使得企业规模报酬逐渐递增，实际边际效益持续提升，进而减少外部融资依赖、纾解企业资金压力，使其拥有更为充裕的现金流与更为可观的投资组合方案，为企业投资实体资产与金融资产提供必要资金支撑（汤长安等，2021）。

其次，制造业集聚具备节约生产成本效应。制造业集聚的区域地理邻近性削减了生产环节的搜寻成本、交易成本与运输成本等各类支出，进而实现节余性经济效益。例如，专业化的投入和服务供给、劳动力市场的建立、技术和信息的溢出、基础设施和公共物品的共享等。上述效益不仅能降低企业在原材料、人力、技术、运输等方面的支出，压缩企业的过程性成本，提高企业利润率和自有资金比例；更能通过追加投入要素数量来提高企业单位产量，从而降低单位产品的平均成本，分摊生产线的固定成本，以丰富其内源融资的存量资金，缓解实体产业供给侧结构性改革中杠杆过高等问题，为企业资产配置腾出资金空间（茅锐，2015）。

再次，制造业集聚具备优化资源配置效率效应。制造业集聚能驱使上下游生产单位或相邻行业实现分工精细化与专业化，提高技术共享、信息扩展及劳动力流通效率，实现规模协作效应。具体而言，集聚区企业不仅可以通过共享资源、信息、技术等要素来提高单位产量或质量，纠正市场要素价格扭曲问题，缓解供需结构错配矛盾。由于供需双方距离临近、信息通畅、竞争激烈等因素，企业更能从相关行业或制造环节中获取优质、低价、及时的投入要素或服务项目。例如，外包中间投入产品、选择优质上游原材料供应商等，从而有效发挥聚集区内各生产单位间的比较优势，使资源配置趋向于符合帕累托最优状态，最终拓宽投资实体资产或金融资产的资本空间，促进企业开展投资活动（盛丹和王永进，2013）。

最后，制造业集聚具备信号传递机制效应。制造业集聚可以增强企业间的信息交流和信任建立，优化投融资环境，进而增加企业投资规模。一方面，制造业集聚能够促进企业间形成声誉机制、契约机制、关系机制等信号传递渠道，企业可以通过展示自身质量、价值、信誉等特征向众多外部融资者释放信号，外部融资者能够及时接收和认可上述信号并给予资金支持，进而提升企业资产投资额度。另一方面，集聚区企业常承担促进地区经济增长、丰富地方税收及保障就业率等政策任务，也因此受益于财政补贴、税收优惠、信贷担保与技术支持等政策倾斜。而地方政府帮扶的背书及认证则能形成“政策租”效应，向市场释放积极信号，增加企业授信条件与抵押能力，进而拓宽企业融资渠道、丰富融资选择并分散投资风险，最终增加各环节的额外附加收益，驱使企业增加投资（郭玥，2018）。

综上所述，制造业集聚总体从规模经济效益、生产成本节约、资源配置效率优化及信号机制传递四个层面改善企业融资状况，进而增加企业资产配置。基于上述分析，提出假说1。

H1：制造业集聚促进企业实体与金融资产配置。

（二）生产性服务业集聚异质外部性效应分析

生产性服务业是以承载金融、信息研发及科技服务等为主导的现代服务业，相比制造业更加突出知识、科技、信息与劳动力等要素密集的特征。生命周期理论认为，产业集聚外部性特征因其发展阶段不同而有所差异。由于生产性服务业集聚对于地区基础设施水平、劳动力素质及信息网络建设有着相对较高的准入门槛，制造业是现代工业化的基石。因此，生产性服务业集聚通常出现在完整配套的制造业体系已初步形成的雏形期（李平等，2017）。在此背景下，生产性服务业集聚将作为核心引擎，加快下游制造业生产单位进行工艺革新与流程再造，驱动低端制造业向以技术密集型高端制造业为主的价值链攀升，区域内的“竞争效应”与“拥挤效应”随之产生并不断加剧，进而呈现“优胜劣汰”整体特征。

在上述情形下，对于实体资产配置而言，一方面，生产性服务业集聚的“竞争效应”会导致产品与服务趋于同质化，进而增加制造业外部需求与知识溢出效应，提升技术水平和生产效率，从而取代生产环节的人力工作、提高对劳动力素质的基本要求，造成企业运营成本上升、盈利能力下降，尤其是低效率及劳动密集型企业（邓峰等，2022）；另一方面，随着制造业价值链攀升，生产性服务业集聚的“拥挤效应”也会导致市场要素价格持续波动、供需结构失衡，引发行业内过度竞争，进而压缩企业总体利润空间，降低其盈利能力。面对上述市场形势的剧变，生产效率落后、附加值低下及转型升级能力薄弱的企业将被淘汰机制清理，留存的优势企业为规避市场失灵风险并平滑要素价格波动，倾向于保守观望，压缩资金需求大的实体生产活动规模、暂停回报周期长的固定资产投资活动，以回收并持有更多资金，保持现金流的充裕，进而导致实体资产投资幅度持续降低。

对于金融资产配置而言，由于生产性服务业集聚降低了企业的盈利能力，抑制了企业的实体资产投资，企业因而面临较大的经营风险和不确定性。因此，如何维系现金流的高流动、高灵活和低杠杆状态，进而弥补盈利能力的损失，是企业亟需解决的问题。金融资产可逆性高、可转换性强，更有利于企业在竞争激烈的市场环境中进行调整和应对，这一相对优势由此凸显。为防止闲置资金“空转”并实现资本增值，企业倾向于将大量资金投入金融领域，并且金融资产所产生远超实体生产的超额利润，更诱使企业投资决策逐渐构成“金融资产投资—获取超额收益—金融资产再次投资”的恶性循环。在上述作用下，短期内企业盈利状况或有所改善，但企业资本积累方式重心已由传统生产制造模式偏离为金融投资模式，资金逐渐从原主营业务中抽离，产业资本难以有效积累，最终导致资本性支出比重持续下降（刘贯春等，2019）。

综上所述，生产性服务业集聚总体加剧了区域“竞争效应”和“拥挤效应”，企业盈利能力受到损失，进而降低企业实体投资意愿，增加金融资产配置倾向。基于上述分析，提出假说2。

H2：生产性服务业集聚抑制企业实体资产配置，促进企业金融资产配置。

三、研究设计

（一）样本选取及数据来源

考虑到时间序列数据完整性及研究维度差异性，本文基于宏微观两个层面对数据进行搜集与整理。宏观层面选取2005—2020年中国除港澳台地区和西藏自治区以外的地级及以上城市面板数据作为研究样本，初始样本共有291个城市①http：//xzqh.mca.gov.cn/statistics/2018.html.；剔除样本时间区间存在大规模行政区域调整样本后②铜仁、三沙、儋州、中卫、海东、吐鲁番、哈密。，本文研究对象为285个地级及以上城市③莱芜于2019年调整为济南市莱芜区，本文将莱芜作为地级市对待。。宏观层面所涉及数据来源于《中国城市统计年鉴》《中国统计年鉴》《中国金融统计年鉴》，省、自治区、各直辖市统计年鉴和统计公报，以及中国研究数据服务平台（CNRDS），并通过手工整理而得。为确保数据精确性，逐一与EPS（Economy Prediction System）数据库核查校对并补充，部分缺失值通过线性插值的方式进行补齐。微观层面搜集2004—2021年A股上市企业财务数据，并选取2005—2020年企业作为研究样本。上市企业财务数据均来源于CSMAR数据库、WIND数据库及巨潮资讯网，为确保数据精确性逐一与企业年报进行核查校对。对初始样本进行了如下筛选：剔除关键财务数据披露不详或缺失、资不抵债（LEV＞1）、样本研究期间ST/*ST/PT等上市状态异常、当年IPO、A/H/N/B股交叉上市及诸如总资产小于固定资产净值或流动资产等明显错误的样本。对两层面数据按照企业注册地址所在的地级市进行匹配。为消除极端异常值干扰，对所有连续型变量进行［1%，99%］的Winsorize处理，最终得到24925个有效研究样本。

（二）研究变量设计

1.自变量产业集聚。产业集聚主要反映企业及对应产业链供应链的物理空间集中度。现有研究基于不同角度对产业集聚的测算方式进行了探讨，主流指标为经济密度、区位熵（AGG）、空间基尼系数（G）、赫芬达尔指数（H）、EG Index以及DO Index等。其中，区位熵（AGG）在一定程度上能够消除区域规模异质性效应的潜在担忧，相对真实地反映区域产业要素的空间分布特征，因而受到学界广泛青睐，因此，本文选用区位熵指数来衡量区域产业集聚水平，计算公式为：

其中，AGGj，t代表城市产业集聚区位熵指数，本文分别选取制造业产业集聚（Zaggj，t）与生产性服务业集聚（Saggj，t）进行表示，Em，j，t代表t年度j城市制造业（生产性服务业）总体就业人数，Ei，j，t代表t年度j城市i企业制造业（生产性服务业）总体就业人数，∑Ej，t代表t年度j城市总就业人数，∑Em，t代表t年度全国制造业（生产性服务业）总就业人数，∑Et代表全国总就业人数。

参考现有研究，本文制造业行业的定义与限定范围来源于《国民经济行业分类》④http：//www.stats.gov.cn/xxgk/tjbz/gjtjbz/201905/t20190521_1758938.html.，生产性服务业行业的定义与限定范围来源于《生产性服务业统计分类（2019）》①http：//www.gov.cn/zhengce/zhengceku/2019-09/05/content_5427530.htm.，具体包括“金融业”“交通运输、仓储和邮政业”“信息传输、计算机服务和软件业”“租赁和商业服务业”“批发零售业”“环境治理和公共设施管理业”“科学研究和技术服务业”（韩峰和阳立高，2020）。

2.因变量企业资产结构。在实体资产测量方面，本文采用现金流量表项目来计算样本企业实体资产配置水平。具体衡量方式为观测年度企业购建固定资产、无形资产和其他长期资产支付的现金扣除处置固定资产、无形资产和其他长期资产收回的现金净额（Duchin，2010）。

在金融资产测量方面，现有研究主要通过企业金融资产持有比例或金融资产收益比例对企业金融资产配置进行衡量，考虑到金融资产投资与收益行为趋向于动态化的过程，本文选取金融资产持有比例反映企业金融资产配置状态。参考现有文献，将“交易性金融资产”“可供出售金融资产”“持有至到期投资”“长期股权投资”“投资性房地产”纳入金融资产范畴（杜勇等，2019）。考虑到2018年会计准则变更后，对“持有至到期投资”和“可供出售金融资产”予以剔除，因此在2018年之后的金融资产衡量中，使用“债权投资”替代“持有至到期投资”；使用“其他债权投资”和“其他权益工具投资”替代“可供出售金融资产”（张成思和郑宁，2020）。

3.主要变量定义。为控制企业资产配置的其他影响因素，参考现有研究，选取企业规模（Size）、资本结构（Lev）、现金流（Cfo）、资本密集度（Tag）、投资机会（Grow）、股权结构（Share）及上市年限（Age）作为控制变量。各变量定义见表1。

表1 各变量定义

（三）研究模型

为从微观视角探讨产业集聚对企业资产结构的影响，建立回归模型如下。

α0为截距项；β、γ分别为自变量与控制变量的待估计参数；Controli，t为控制变量；为克服遗漏变量造成内生性问题，∑φi、∑ηj和∑μt分别表示个体固定效应、行业固定效应和时间固定效应；εi，t为随机干扰项。

对模型涉及自变量进行多重共线性检验，模型自变量间Pearson相关系数显示不存在明显多重共线性。本文回归分析，均选择固定效应模型并对标准误差进行企业层面的Cluster聚类调整，同时采用Robust调整标准误差。

四、实证结果分析

（一）描述性统计

表2为本文主检验涉及变量的描述性统计。Zagg均值为0.722，最小值和最大值分别为0.161和1.326，Sagg均值为0.666，最小值和最大值分别为0.197和1.151，说明中国地级市行政单位产业集聚程度较为普遍，且呈现制造业集聚现象略高于生产性服务业集聚现象，符合中国坚持制造业是实体经济的主体，是立国之本、强国之基的基本国策与发展现实。Real均值为0.058，最小值和最大值分别为-0.053和0.377，Fin均值为0.034，最小值和最大值分别为0和0.594，说明投资实体资产与金融资产是A股上市企业普遍存在的资产配置渠道；同时，实体资产配置程度更为广泛，而金融资产配置存在较大幅度波动。其余变量分布情况与已有研究基本一致。

表2 描述性统计

（二）主效应检验

表3显示了产业集聚程度与企业资产结构的基准检验结果。Zagg分别与Real和Fin至少在5%显著性水平上正相关，说明制造业集聚提升企业规模经济效益并节约了生产成本、优化了资源配置效率及对外释放并传递积极信号，融资约束水平随之下降，企业的现金流更为充裕，企业做投资决策时则更倾向于增加实体资产与金融资产。假说1得到验证。Sagg分别与Real在1%显著性水平上负相关，与Fin在5%的水平上显著正相关，说明生产性服务业集聚进一步加剧了地区内行业间的竞争，导致企业市场份额被压缩，企业盈利能力进而降低；为弥补资金缺口，企业则更倾向于将有限资金配置于流动性强、灵活性高及具备可逆性的金融资产，假说2得到验证。

表3 主效应检验

（三）稳健性检验

为保证研究结论稳健性，进一步进行以下稳健性检验分析。

第一，滞后一期回归。考虑到宏观产业集聚效应可能对微观企业资产结构存在的滞后性，以及为避免同期相关的内生性问题，将基准模型中的因变量与自变量分别滞后一期重新回归。

第二，因变量替换。使用固定资产、在建工程变化值与研发支出之和除以总资产，量化企业实体资产结构（Real2）；重新定义“交易性金融资产”“衍生金融资产”“其他应收款”“买入返售金融资产”“一年内到期的非流动资产”“其他流动资产”“发放贷款及垫款”“可供出售金融资产”“持有至到期投资”“长期股权投资”“投资性房地产”“其他非流动资产”等12个资产负债表科目之和除以总资产，量化金融资产结构（Fin2）。

第三，剔除样本自身随机性误差。计算发现，产业集聚水平排名前5城市的企业投资水平超过均值水平，继而分别剔除样本中制造业集聚和生产性服务业集聚排名前5的城市。

第四，调整样本范围。剔除存活时间小于或等于3年的样本企业，其可能因资金持有水平较低、技术创新能力不足等而竞争力水平较弱，而不具备参考价值。

第五，考虑到样本期间，中国经历了全球金融危机、新冠肺炎疫情等多次“黑天鹅事件”的冲击，对社会经济和上市企业均造成了显著的影响，故剔除此类事件发生年份的样本。

重复上述步骤进行实证回归分析，研究结论未发生实质性改变，从而证实研究的稳健性①因篇幅所限，稳健性检验结果留存备索。。

（四）内生性问题探讨

产业集聚属于宏观层面的经济结构变动，企业微观层面的资产结构难以反向影响产业结构，产业集聚和企业资产结构近似可视为不存在反向因果关系。同时，稳健性检验部分滞后一期的实证方法，可有效避免可能存在的反向因果关系，但考虑到可能存在的潜在遗漏变量，本节采用两阶段最小二乘法（TSLS）缓解内生性问题担忧。参考现有研究，选取省内其他城市产业集聚均值（IVZagg、IVSagg）作为工具变量。在使用工具变量缓解内生性问题后，与主效应检验结果基本相符，研究结论未发生实质性变化②因篇幅所限，内生性检验结果留存备索。。

（五）机制检验：基于制造业与生产性服务业的分类探讨

为全面把握产业集聚与企业资产结构之间的理论逻辑，需要对内在传导机制进行分类探讨。对于制造业而言，制造业集聚有利于完善区域内基础设施、配套资源和信息网络等建设，从而吸引金融机构入驻，有助于针对性地开展规模化经营，降低运营和交易成本，完善银企合作机制。同时，银企间信息透明度和信任度的显著提升，不仅降低了金融机构对企业的风险评估、监管成本与逆向选择风险，提高信贷可得性与供需匹配精准度，更能促进区域内金融市场的发展和创新，增加金融产品和服务的供给，提高金融可及性，丰富企业获取外部融资的渠道和选择，最终缓解企业融资约束，为企业资产配置活动提供资金拆借便利。对于生产性服务业而言，生产性服务业集聚加剧了区域“竞争效应”和“拥挤效应”，企业面临行业间激烈的竞争环境，不得不降低产品价格或提高产品质量，试图摆脱产业同质化困境，但也因此压缩利润空间并降低盈利能力。为弥补盈利能力的损失，企业在做投资决策时，将更偏向于金融资产。因为实体资产投资通常需要较大的资金规模、较长的回收期和较高的风险承担，而企业为寻求更多的收益来源、更多的投资机会和更多的风险分散，因而倾向于增加金融资产投资，以增加企业盈利能力，降低对实体资产的依赖和波动。

现有研究多采取中介效应三步法进行机制检验，以逐步回归的实证方式明晰中介变量的作用渠道，但该模型在经济学中的实际检验过程中，逐渐暴露诸如内生性偏误和部分渠道识别不清等弊端，其模型可靠性也有待商榷。本文通过观测核心自变量对中介变量的影响，进行机制检验。为进一步探究产业集聚程度对企业资产结构的可能传导路径，并检验前文构造的逻辑路径，本文构建机制分析模型如下。Mi，t代表可能存在的机制变量，具体为企业融资约束（SA）与企业盈利能力（Roe），具体计算方式如下所述。其余变量定义与前式相同。

SA指数进一步优化了KZ指数，按照财务报告界定企业融资约束类型，选取企业资产规模和上市年龄此类不随时间变化且具备强外生性的因素构建SA指数，同时有利于从长期角度全面综合描述企业融资约束特征。依据其衡量标准，SA指数越大，企业融资约束程度越严重。本文参照现有研究，构建SA指数测度企业融资约束。

现有文献主要通过净资产收益率、总资产收益率、每股收益、经济增加值、市场增加值和平衡计分卡等指标对企业盈利能力进行测试。净资产收益率的测量结果较为全面地反映了企业真实的盈利状况，本文选择净资产收益率来衡量企业盈利能力。

机制检验结果如表4所示。Zagg与SA在1%显著性水平上负相关，说明制造业集聚能够缓解企业融资约束困境；纳入中介变量SA至主效应检验模型后，SA与Real和Fin在1%显著性水平上负相关，说明融资约束降低了企业配置实体资产或金融资产的倾向，证明融资约束是制造业集聚影响企业资产结构的传导机制路径。Sagg与Roe在1%显著性水平上负相关，说明生产性服务业集聚能够削减企业盈利能力；纳入中介变量至Roe主效应检验模型后，Roe与Real在1%显著性水平上正相关，与Fin在1%显著性水平上负相关，说明盈利能力促进了企业实体资产配置却抑制了金融资产配置，证明盈利能力是生产性服务业集聚影响企业资产结构的传导机制路径。

表4 机制检验

五、进一步分析：细分行业的分类检验

以上对产业集聚影响企业资产结构的作用机理及经济后果进行了基准检验与相关分析，研究指出了产业集聚与企业资产结构之间的异质性线性关系；而产业集聚对企业资产结构调整而言究竟是好还是坏，取决于产业集聚的形式与资产结构的类型。进一步地，在制造业与生产性服务业细分条件下，不同行业集聚对企业资产配置究竟呈现何种效果？基于此，本节将深入研究不同细分行业类型下产业集聚对于企业资产结构的不同影响。

（一）制造业异质性检验

制造业集聚效应强调创新技术水平和行业要素生产率提升，从而带动产业层次持续优化的演变历程，而资源禀赋不同的企业，其投资活动在各行业类型、各发展阶段也会有所差异。在制造业产业结构由低级形态向高级形态演化的逻辑过程中，一方面，由以劳动密集型为主的产业需求结构向以资本技术密集型为主的产业需求结构演进；另一方面，由以传统低技术为主的生产技术结构向以高新技术为主的生产技术结构演进。现有研究多以制造业各类行业比重来测度制造业结构，进而对其进行划分，本文则侧重分析各地区制造业结构调整的过程。根据WIOD的划分标准，将制造业按照技术水平划分为“高端技术型”“中端技术型”和“低端技术型”行业①高端技术产业包括通用设备、交通运输、专用设备、电气机械及器材、通信电子、仪器仪表及文化办公用机械、化工医药等行业；中端技术产业包括石油加工、炼焦及核燃料加工业、橡胶、塑料、非金融矿物、黑色金属治炼、有色金属治炼和金属制品等行业；低端技术产业包括食品加工制造、饮料、烟草、纺织、服装、皮革、木材、家具、造纸、印刷和文体用品及其他制造业。。使用各行业主营业务收入测算高端和中端技术行业增长率差异，按照要素密集度将制造业分为“劳动密集型”“资本密集型”以及“技术密集型”行业（傅元海等，2014）②劳动密集型行业主要包括农副食品加工业、食品制造业，纺织业、纺织服装（料、帽）制造业、皮革毛皮羽毛（绒）及其制品业、木材加工及木竹藤棕草、家具制造业、印刷业和记录媒介的复制、文教体用品制造业、橡胶制品业、塑料制品业、非金属矿物制品业、金属制品业；资本密集型行业主要包括饮料制造业、烟草制品业、造纸及纸制品业、石油加工与炼焦及核燃料、化学原料及化学制品制造业、化学纤维制造业、黑色金属治炼及压延加工业、有色金属冶炼及压延加工业、通用设备制造业；技术密集型行业主要包括医药制造业、专用设备制造业、交通运输设备制造业、电气机械及器材制造业、通信设备计算机及其他电子制造业、仪器仪表及文化办公用机械制造业。。本节依据制造业不同类型进行异质性检验。

根据不同类型制造业进行分组检验，结果见表5。通过分析Panel A与Panel B可以发现，制造业集聚对于企业资产结构的影响效应整体呈现技术密集型行业＞资本密集型行业＞劳动密集型行业、高端技术行业＞中端技术行业＞低端技术行业的发展态势，且该效应在企业实体资产配置方面表现更为显著。可能的解释为：与劳动密集型制造业和低端技术制造业相比，技术密集型制造业及高端技术制造业对技术的高层次需求，对制造业集聚与由此引发的耦合效应有着更高的规模需求，从而利用规模优势和研发创新等传导路径，激发产业集聚对企业资产结构调整的积极作用。以上结果说明，技术发展水平差异与要素密集程度对企业资产结构调整具有异质性影响，产业集聚对于企业资产结构的影响随着制造业演变而具备阶段性特征，即呈现企业资产结构调整的积极性随着技术发展水平与要素密集程度递增的态势，遵循了产业发展的生产规律且符合预期认知。

表5 制造业异质性检验

（二）生产性服务业异质性检验

上文检验并证明了生产性服务业集聚虽会产生一定外部性效应，但并非完全为积极效果。鉴于此，为考察不同技术含量、不同行业特征的生产性服务业集聚对资源配置效率的作用效果，下文以生产性服务业具体分类为研究依据，从生产性服务业类型与期限结构进行降维分解，分别检验金融业（FIagg）、科学研究和技术服务业（SRTSagg）、信息传输、计算机服务和软件业（INSRTagg）、租赁和商业服务业（LBSagg）、批发零售业（WRTagg）、交通运输、仓储和邮政业（TSRagg）、环境治理和公共设施管理业（MWCEPFagg）对企业资产结构影响效果与潜在动因的差异。

生产性服务业异质性检验结果见表6。生产性服务业细分行业集聚对于企业资产结构的影响效应，整体上与主检验效应保持一致。其中，在抑制实体资产配置层面，总体呈现：金融业=交通运输、仓储和邮政业＞科学研究和技术服务业＞信息传输、计算机服务和软件业＞租赁和商业服务业=环境治理和公共设施管理业。不难发现，金融业、科学研究和技术服务业等知识密集型生产性服务业，对于企业实体资产配置的抑制效应显著高于非知识密集型生产性服务业①根据经济合作与发展组织和国务院发展研究中心的分类，知识密集型生产性服务业包括信息传输、计算机服务和软件业，金融业，科学研究、技术服务和地质勘查业等行业，资源密集型生产性服务业包括交通运输、仓储和邮政业，租赁和商务服务业，批发和零售业等行业。。可能的解释为：一方面，专业性知识主导型的企业构成了知识密集型生产性服务业集聚，资金储备往往是其短板，因而难以满足实体资产动辄产生庞大的流动资金需求；另一方面，知识密集型生产性服务业主营业务收入范围与利润增长极，并不依赖于大量资本投入，而是通过提供高附加值的服务来获取市场份额，并非资本拉动型的方式。

表6 生产性服务业异质性检验

在促进金融资产配置的效果层面，总体呈现以下局面：租赁和商业服务业=交通运输、仓储和邮政业=批发零售业＞环境治理和公共设施管理业＞科学研究和技术服务业=信息传输、计算机服务和软件业。同时，生产性服务业进行细分行业集聚对于企业资产结构的影响效应，在实体资产配置中更加显著；与实体资产配置形成鲜明对比的是，即使在金融业细分领域中，知识密集型生产性服务业对于企业金融资产配置的促进效应整体不再显著，而租赁和商业服务、交通运输、仓储和邮政业及批发等资源密集型生产性服务业对于企业金融资产配置的促进效应显著增加。可能的解释为：资源密集型生产性服务业科研技术及资源资金投入规模相对较小，因其为特定地区经济发展提供标准化服务，而具备典型的地域特征。该类产业技术准入门槛低，消费者具备议价优势与可替代方案，因此市场竞争激烈，不存在市场垄断的可能；商家对资产专用性的高度依赖也提升了退出门槛，而产业集聚则使得此类企业“进退维谷”的局面更加严峻，市场竞争的加剧导致有限的资金难以投入生产，进而无奈转向金融资产配置领域。

六、拓展性检验：基于宏微观角度的异质性检验

在中国经济增长方式由粗放型高速增长型减速换挡，并转轨为中高速内涵式增长型的特殊时期，在不同宏观区域的空间特征下、不同企业微观特征下，产业集聚的影响是否存在异质性效果？鉴于此，为识别和深度探究不同维度下的各类特征差异对本文研究产生的干扰，下文分别基于宏观与微观角度进行分类探讨。

（一）区域异质性检验

1.区位异质性检验。中国疆域辽阔，地区经济发展具有二元特征，影响不同地区产业结构发展因素错综复杂，且呈现多层次性，因此不同地区产业集聚对企业资产结构所造成的影响可能有所差异。下文对产业集聚影响企业资产结构的地区异质性进行检验，主要根据经济发展水平差异分类为东、中西部，及根据区位特征分为南、北方。具体步骤为：（1）采用地理学和生态学主流的南北划分方式，以秦岭—淮河为南北分界线；（2）根据国家统计局发布的“统计制度与分类标准”中对东、中、西地区的划分方法①http：//www.stats.gov.cn/hd/lyzx/zxgk/202107/t20210730_1820095.html。

区域异质性检验结果见表7。通过分析Panel A与Panel B不难发现，产业集聚水平对于企业资产结构的影响效应因地区不同而存在显著差异，但总体呈现南方显著高于北方、东部显著高于中西部的发展趋势，即呈现企业资产结构调整积极性随经济发展水平递减的态势。这遵循了经济发展的生产规律且符合普遍认知，甚至在北方及中西部地区，制造业集聚与企业资产配置呈现负相关关系。可能的解释为：一方面，北方及中西部产业结构对于重工业与资源型行业过度依赖，导致其产业结构难以自发性集聚且过剩产能无法有效转化，加之其资本拉动型的经济增长方式不具备长期可持续性，最终呈现出产业集聚加重企业产能过剩负担，反而出现降低企业配置实体或金融资产意愿的现象；另一方面，与之形成鲜明对比的是，南方及东部地区自次贷危机前便主动进行产业结构的调整与布局的优化，高效推进供给侧结构性改革以化解过剩产能，因而对企业资产结构的促进作用更显著。

表7 区域异质性检验

2.金融发展异质性检验。地区金融发展能够通过为微观经济主体提供必要资金支持，有效支撑经济系统循环，有利于促进产业发展。一方面，金融发展通过分散资金流动性风险和产生规模经济效应降低交易成本，提升现金流周转能力，优化生产要素配置效率，进而反哺产业集聚（庄毓敏等，2020）；但另一方面，产业聚集也会引发金融集聚，进而通过信号传导机制促进金融体系转型，缓解金融体系的贷款结构与地区产业的生产活动所需长期资金之间的矛盾，有助于进一步扩大投资，并由此构建良性循环，且上述集聚效应的缓解作用将在金融发展水平落后地区更为显著。本节依据金融发展水平差异，考察金融发展水平异质性在产业集聚对企业资产结构影响中产生的作用；以同年份、同省内的各地区历年金融机构存贷款余额占地区生产总值比重的均值为划分指标，将大于或等于均值的省份作为高金融发展水平组，否则为低金融发展水平组。

根据各地区金融发展水平差异进行分组检验，结果见表8。除制造业集聚对实体投资的影响外，产业集聚对实体投资的影响整体呈现出低金融发展水平＞高金融发展水平的态势，且分组检验与主校验效应保持一致。可能的解释为：稳定且发达的金融体系能够为本地区产业生产活动提供必要的信贷资金支持，能够有效缓解企业资产配置过程中受外部消极影响，因而对产业集聚效应产生一定替代效应；但金融体系不完备地区则对产业集聚程度依赖较高，因而对于产业集聚及由此引发的金融集聚更为敏感，其所受影响的边际效应也更显著。

表8 金融发展水平异质性检验

（二）企业异质性检验

现有研究表明，财务状况、负债程度、投资效率及主营业绩等特征的不同，会使得产业集聚产生差异化的反应，因而对企业资产结构的影响效果也会不同。本节将基于企业特征进行分组检验，进一步阐释产业集聚影响不同类型企业的经济后果差异。

参考现有研究，本文根据不同企业特征进行分组操作：在财务状况方面，选用修正后的Altman Z-score来衡量企业财务风险，并按照中位数对样本进行分组，将财务风险处于行业内前50%的公司划分为高财务风险公司，行业内后50%的公司划分为低财务风险公司；在负债程度方面，本文对全样本分年度、分行业进行Tobit回归，根据模型残差计算企业目标负债率（LVB*t），若企业实际负债率（LVB）大于目标负债率（LVB*t）则为过度负债组，否则为非过度负债组；在投资效率方面，采用Rich-ardson模型进行计算，首先拟合估计企业正常的投资状况，然后在估计过程中以模型的残差值来衡量企业的非投资效率水平，从而反向测量企业的投资效率指标并按照均值进行对样本进行分组，将处于行业内前50%的企业划分为低投资效率组，行业内后50%的企业划分为高投资效率组（Cohen and Li，2020）；在主营业绩方面，选择采用剔除金融投资收益率的资产收益率来衡量企业主营业绩，具体计算公式为：（营业利润-投资收益-公允价值变动收益率+对联营企业和合营企业的投资收益）/期末总资产，将处于行业内前50%的企业划分为高主营业绩组，行业内后50%的企业划分为低主营业绩组。

在不同特征分组下，产业集聚程度对企业的资产结构的影响效应，整体与主检验效应保持一致，表明产业集聚与企业资产结构调整的线性关系在不同子样本中均成立①因篇幅所限，企业异质性检验结果留存备索。。进一步将高低组的子样本进行对比发现，产业集聚对企业资产结构配置的影响效果在低财务风险、过度负债、高投资效率、高主营业绩分组中总体更为显著，甚至在低主营业绩分组中不存在显著项，该结果与现有研究结论基本保持一致。可能的解释为：在低财务风险、过度负债、高投资效率及高主营业绩分组中的企业一般具备更为充裕的可支配现金流或更健康的财务状况，当受到产业集聚的正外部性辐射作用时，无论是制造业的双重促进作用，还是生产性服务业的抑制兼促进作用，皆对于内部资金较为充裕的企业，所产生的影响效果更为显著。

七、结论与启示

中国产业结构的主动调整深刻践行了构建以国内大循环为主体、国内国际双循环相互促进的新发展格局的诉求，对产业布局优化及企业财务可持续发展产生深远影响。基于此，本文选取2005—2020年地级市及上市企业财务数据为研究样本，在考察论证产业集聚对企业资产结构影响的基础上，揭示了两者作用关系的外在异质性表现、影响成因与微观传导机制。研究发现制造业集聚通过缓解融资约束，显著促进企业实体资产与金融资产的投资；而生产性服务业集聚通过影响企业盈利能力，显著抑制企业实体资产投资，却促进企业金融资产投资。同时研究还发现，制造业集聚对于企业资产结构的积极作用，总体呈现随技术发展水平与要素密集程度提升而递增的态势；相比于非知识密集型生产性服务业，知识密集型生产性服务业集聚对企业实体资产配置的抑制效应最为显著，资源密集型生产性服务业集聚对企业金融资产配置的促进效应最为显著。在不同宏观条件与企业特征条件下，产业集聚对于企业资产结构的影响效应存在差异。

根据以上研究结论，得到如下政策启示。

第一，区分产业聚集效应特征，构建可持续产业循环系统。制定适合不同产业的发展政策，引导生产单位根据产业分工和区域优势形成集聚业态，保持区域产业系统的可持续性。加大制造业集聚区企业的财政支持和信贷担保力度，降低其融资成本和税收负担，鼓励其增加实体资产投资；加强对生产性服务业聚集区企业的监管和约束，提高其税收标准和环境成本，促使其减少实体资产投资，同时提供更多的金融服务和创新平台，支持其进行金融资产投资。

第二，注重投资管理和资产构成，动态调整企业投资结构。对于位于制造业集聚地区的企业，若实体资产配置比例较高，应增加研发投入，提升产品质量和创新能力；若金融资产配置比例较低，应考虑多元化投资渠道，增加金融收入和现金流量，以降低财务风险。对于位于生产性服务业集聚地区的企业，若实体资产配置比例较低，应扩大生产规模和服务范围，提高市场占有率和品牌影响力；若金融资产配置比例较高，应优化资产组合，提高资产收益率和效率，以增强资本实力。

第三，关注行业发展异质性，有效发挥区位优势。鼓励北方和中西部地区发挥产业链协同优势，与周边地区的产业互补，特别是金融体系不完善的地区。加大技术密集型和高端技术制造业集聚区的科技创新投入，提供税收优惠和人才引进等激励措施，形成技术外溢和知识溢出效应；加强知识密集型生产性服务业集聚区的基础设施建设，提高城市交通和信息网络的便利性，以降低企业的运营成本和交易成本，增强企业的竞争力和市场拓展能力。

（责任编辑 孟召将）