空间集聚、产业多样化和企业创新：来自制造业上市公司的经验研究

谢露露 王昕祎

[摘要]尽管多样化集聚带来的Jacobs外部性被认为是集聚对企业创新的重要影响渠道，但是多样化集聚对企业创新的作用机制依然有待发掘。在已有研究的基础上，本文以2006—2017年制造业上市公司为研究对象，从集聚地多样化产业之间的经济关联和技术关联来考察多样化集聚对企业创新的作用机制，实证发现：在其他条件既定的情况下，多样化集聚对于制造业企业创新具有显著的促进作用，但是这一集聚效应依赖于企业所在行业与其他行业之间的垂直产业关联度和产业技术相似度。具体而言，垂直产业关联度对多样化集聚效应的调节作用具有非对称性，前向产业关联度具有显著的抑制效应，而后向产业关联度具有显著的增强效应。而技术相似度对多样化集聚效应有显著的正向调节作用。异质性检验发现，创新资源获取能力更强的大企业、国有企业和高技术企业以及要素流动自由度更高的东部地区企业受到的调节作用更强。本文的研究为地方政府优化招商引资战略，真正发挥多样化产业集聚的正外部性具有政策启示意义。

[关键词] 空间集聚；产业多样化；企业创新

[中图分类号] F293.3  ［文献标识码］A   ［文章编号］1000-4211（2023）05-0014-19

一、引言

作为实体经济的微观主体，制造业企业是落实创新驱动战略的主要微观载体，其创新能力是实体经济高质量发展的重要保障。一直以来，制造业企业创新绩效都是学者们研究的焦点之一。在考察中国制造业企业的创新时，学者们往往会发现一个典型的经济地理现象：随着区域之间产业分工的深化，实体经济尤其是制造业有着显著的空间集聚特征。在特定的空间中，集聚的企业往往依托产业集群这一产业组织载体而存在，不仅形成产业分工网络，而且逐渐发展成为创新系统，推动产业集群转型升级。增强集聚地企业的创新能力，打造具有竞争力的产业集群是加快构建我国现代化产业体系的重要路径。

事实上，集聚与创新一直是新经济地理学研究的一个重要问题。理论研究表明，高密度的企业聚集可以通过对中间品以及金融和咨询等专业服务的共享、劳动力和企业匹配效率的提升以及不同创新主体之间的知识外溢这三个机制降低企业的创新成本，分散企业创新风险，激发企业的创新动力（Feldman，1994；Duranton and Puga，2004；Rosenthal and Strange，2008）。早期相关实证研究往往将产业集聚区分为专业化集聚和多样化集聚，大多发现，与专业化集聚产生的技术锁定效应相比，产业多样化集聚带来的Jacobs外部性对企业创新的影响更加重要。尽管如此，多样化产业集聚影响企业创新的机制还有待发掘（梁琦和钱学峰，2007）。

基于产业相关多样性的研究为探讨基于不同产业之间技术和经济关联的多样化集聚对企业创新的影响提供了新的视角。演化地理经济学认为与集聚地产业的种类多样化相比，更重要的是产业之间要存在技术和经济关联（Frenken，2007；Boschma and Iammarino，2009；贺灿飞和陈韬，2019）。进而提出，一个地区的产业发展是关联产业发展壮大的过程，由此产生根植于本地的知识外溢渠道（Boschma，2015）。因此，基于技术和经济联系的产业多样化而不是基于行业分类的多样化才是产业集聚过程中Jacobs外部性产生的基础（Frenken.，2007；沈鸿和向训勇，2017）。

然而，目前关于Jacobs外部性和创新的实证研究主要在城市和区域层面展开，大多发现产业相关多样性有利于城市创新绩效的提升（万道侠等，2019；高旻昱等，2020），微观企业层面的研究相对较少（Aarstad，2016）。基于我国开发区企业创新的相关研究为Jacobs外部性的微观作用机制提供了部分证据。这些研究发现，政府对产业集聚和科技创新存在过度干预现象，在地方政府“政策租”引诱下，企业虽然表面上集聚，但是缺乏紧密的产业关联，并没有形成集聚效应，不利于企业实质性的创新（郑江淮等，2008；吴一平和李鲁，2017；寇宗来和刘学悦，2020）。也就是说，地理邻近的企业只有存在紧密的技术和经济联系，才可能产生真正的创新互动，进而共享集聚带来的好处。这对于从微观层面探讨多样化产业集聚对企业创新的影响机制非常重要。

在已有研究的基础上，本文以制造业上市公司为研究对象，从集聚地企业之间的经济和技术关联的角度切入，实证分析城市产业多样性集聚对制造业企业创新绩效的影响机制，主要的创新点如下：（1）与已有研究多从产业层面或城市層面展开不同，为了尽可能缓解内生性，本文不仅以上市公司这一微观创新主体作为研究对象，控制上市公司的企业特征以及所处城市的特征，减少遗漏变量产生的偏误，而且进行一系列的稳健性检验来验证实证结果的可靠性。（2）本文合理度量了上市公司所在行业与城市中其他行业之间的产业关联和技术关联，深入挖掘集聚地产业多样性对企业创新绩效影响的异质性及背后的机制。实证发现，集聚地产业多样性对于企业创新的影响取决于企业之间的产业关联和技术关联，而企业自身的特征、所处行业特征以及区域特征也影响了这些调节效应的发挥。

二、文献综述和研究假设

以Jacobs为代表的学者注意到地区产业多样化集聚日益成为区域发展的重要动力，知识溢出更容易发生在产业间，多样化的产业结构有利于知识交换，不同产业间的组合能够带来更多好处（Jacobs，1969；Glaeser，1992）。也有一些研究表明，多样化集聚对企业创新有时并不能起到明显的积极作用。Neffke等（2011）认为，知识溢出难以出现在不相关的行业间。Antonelli和Cainelli（2009）发现多样化集聚区域内由于知识被过度分化，而难以起到促进企业创新产出的作用。在以上争议的基础上，基于演化经济地理学的相关理论指出，产业多样集聚通过知识外溢对企业创新或区域创新的影响受集聚地产业之间关系的影响，知识溢出较多发生在彼此之间具有互补与技术关联关系的产业间（Frenken，2007）。后续研究进一步指出，并非所有产业之间均能相互学习，知识更可能在具有适度认知临近性、存在一定关联的多样化产业间发生溢出（Caragliu，2016）。因此，在考察多样化产业集聚产生的知识外溢对企业创新的影响时，需要将企业所处产业与集聚地其他产业之间的产业关联以及两者之间的技术差异考虑进来。

（一）基于产业关联的知识外溢：垂直产业关联度、产业多样性和企业创新

潘文卿等（2011）将产业间知识技术外溢的渠道区分为：思想传播、要素流动等带来知识外溢、基于类似投入产出结构的产业关联性溢出以及基于中间品贸易的垂直产业关联溢出。一些学者从上下游垂直产业关联的视角考察了产业多样性集聚对企业创新的影响。贺灿飞和陈韬（2019）认为企业间具有产业关联的多样化集聚拥有更密切的中间投入关系，更容易受到沿产业链传导的需求变动影响。Cainelli等（2011）认为上下游产业间的知识交流将对企业创新产生影响。具体而言，随中间产品贸易的展开，知识和技术在不同产业间扩散，使得多样化集聚产生溢出效应。尽管有关多样化集聚中产业关联对企业创新的系统性研究还不充分，但已有不少研究注意到依托垂直产业关联形成的空间集聚网络，更有利于进行创新活动（苏丹妮等，2018；陈爱贞等，2021；张皓等，2022）。

但要注意的是，集聚地产业间的前向与后向关联关系对企业创新的影响作用存在差异。这一领域的研究多以投入产出表为基础，聚焦垂直产业关联与FDI技术溢出效应的非对称性（王然等，2011，杨丽红和陈钊，2015）。朱平芳等（2016）在研究工业行业之间的知识外溢效应时，也发现产业关联的前向与后向溢出效应存在非对称性，前向溢出不显著但是后向溢出显著。除了从投入产出表来衡量企业之间的垂直产业关联外，还有一些学者更进一步，用微观企业数据考察基于供应链的供应商-客户合作关系对企业知识外溢的影响，发现这一垂直方面知识外溢的非对称效应明显，企业可以利用客户的创新思想和技术以较低的成本提高生产效率和创新水平，（Li，2018；陈胜蓝和刘晓玲，2021）。基于以上分析，本文提出如下假说：

假说1：其他条件既定的情况下，多样化产业集聚对企业创新绩效的作用受所处行业与集聚地其他行业之间的垂直产业关联度的影响。而且，垂直产业关联度的影响具有非对称性，后向产业关联度越高，越有利于企业创新从城市产业多样化集聚中获益。

（二）基于技术关联的知识外溢：产业技术相似度、产业多样性和企业创新

技术与信息的交流不仅发生在上下游企业的交易活动中，大量学者研究发现集聚的溢出效应在具有相似技术结构间更活跃。具体而言，具有类似投入产出结构的行业，技术相似度也更能够通过相互学习促进创新。因此，一些学者从集聚地产业之间的技术相似度的视角考察了产业多样性集聚对企业创新的影响。Frenken等（2007）基于发展中国家企业数据研究认为，相关多样化集聚的企业之间认知距离较近，促进产业间思想交融，对企业创新具有明显的促进作用。Evenhuis等（2019）认为，相似产业间的集聚有利于企业充分利用公共产品实现商业互补。王俊松（2016）认为，适度的相似产业集聚避免了垂直集聚带来的技术锁定，企业间通过溢出效应提高学习新技术的可能性。

还有一些学者直接测度了产业之间的技术相似度，以此探讨多个产业间技术知识外溢的机制（尹静和平新乔，2006；潘文卿等，2011；朱平芳等，2016）。潘文卿等（2011）在Jaff（1998）关于技术溢出机制研究的基础上，考察基于产业相似度发生的技术外溢对工业部门劳动生产率的影响。在这一研究中，他利用投入-产出表测 算 了 35 个 工 业 部 门1997—2008 年历年的产业相似度矩阵，并以此为权数构建了衡量产业间技术溢出的指标，发现产业间的技术溢出效应现已成为中国工业行业生产效率提高的重要影响因素。朱平芳等（2016）借鉴空间计量经济学中通过空间加权矩阵来度量空间相关性的思维，将中国工业行业定义为 R&D 活动空间中的个体，构造了水平和垂直两个维度的空间权重矩阵来测算工业行业之间R&D 的溢出效应，发现研发的物资资本和人力资本表现出不同的外溢模式。基于此，本文提出如下假说：

假说2：在其他条件既定的情况下，多样化产业集聚对企业创新绩效的作用受所处行业与集聚地其他行业之间的技术相似度的影响。产业技术相似度越高，越有利于企业在创新过程中获得多样性产业集聚带来的正外部性。

（三）异质性影响

地理集中的企业之间或产业之间的知识溢出是一个复杂的过程，知识溢出对企业创新的作用效果受多种因素的影响，既依赖于企业间的互动能力的大小，还依赖于要素流动的自由度与广度以及产業间关联的强弱（Jaff，1998；潘文卿等，2011）。而且，考虑到不同特征的企业与集聚地企业的经济联系度和技术相似度不同，垂直产业关联度和产业技术相似度对多样化产业集聚的调节效应也存在异质性。

企业层面的异质性首先考虑到的是企业规模。不同规模的企业对外部环境的依赖度不同，从多样化产业集聚中的获益也不同。一般而言，大企业相对更加一体化，能自给自足，对外部环境的依赖度相对小，而小企业需要从外部获得各种中间投入或服务，因而更加依赖于所处的产业环境（Jacobs，1969；Chinitz，2007）。 因此，相较于大型企业，小型企业更受益于多样化集聚。傅十和和洪俊杰（2008）以及董晓芳和袁燕（2014）的实证研究也支持这一结论。尽管规模小的企业更可能从多样性产业集聚中获益，但是上述研究大多从中间品或服务获取的角度来展开。从技术相似度的角度而言，由于技术人员等创新要素较少流向小企业，技术相似度对多样性集聚的调节效应可能相对较弱。

除了企业规模，企业的所有权性质的异质性也不可忽视。国有企业与非国有企业之间无论是在资源独占性、市场地位还是融资成本等方面均具有明显差异，从同一产业环境中获取创新信息和资源的能力不同（张宗庆等，2012）。具体而言，民营与外资企业在市场经济中具有更强的活力，有利于其通过学习、模仿提高企业创新能力。而国有企业具有更明显的资源优势，能够获得更多的外部政策支持，进而更有利于其从多样化的产业集聚中获得知识外溢。杜威剑和李梦洁（2015）基于中国工业企业数据库的研究发现，产业集聚对国有企业的创新水平具有更强的促进作用。而且，国有企业往往处于上游垄断行业，更容易通过后向关联而不是前向关联获得知识外溢（温军等，2022）。

行业层面的异质性通常来自行业技术密集度的差异。学者们往往依据产业技术机会将企业分为高、中、低技术企业，高技术产业往往表现为更高程度的关联产业集聚，更能从集聚中获益（吴三忙和李善同，2011；庞磊和阳晓伟，2023）。而且，从垂直产业关联来看，邱斌等（2008）和张皓等（2022）的研究都发现，相较于其他技术行业企业，高技术行业企业受后向关联的正影响更大。

除了企业与行业特征外，地区特征也将影响多样化集聚的作用效果。具体而言，区域间差异不仅表现在自然地理环境与资源禀赋方面，还表现在社会经济环境方面。相较而言，东部地区无论是经济开放度还是经济发展水平都更高，相应地，产业集聚度也更高，这也意味着，企业之间的经济联系强度和技术扩散速度相对都更高。因此，在不同的区域中，垂直产业关联和产业间技术相似度的调节作用也存在差异性。基于以上分析，本文提出如下假说：

假说3：企业自身特征、所属行业特征以及所属区域的差异使得垂直产业关联和产业间技术相似度对多样化集聚的调节效应具有异质性。

三、数据说明、变量选择和模型构建

（一）数据说明

本文以2006—2017年我国沪深 A 股的制造业上市公司为研究样本，实证分析产业集聚与产业关联对企业创新产出的影响。使用的企业数据来自国泰安数据库（CSMAR）以及Wind数据库，城市相关数据来自《中国城市统计年鉴》以及《中国城市建设统计年鉴》，部分指标通过计算获得。借鉴已有研究的数据清洗方法，本文对样本数据进行了如下处理：（1）删去标记ST、ST*和PT以及终止上市的企业；（2）剔除数据缺失量较大的样本企业，对于仅存在部分缺失的样本，采用移动平均法进行补充。因《中国城市统计年鉴》仅统计城市数据，为保证企业所处城市产业集聚环境的描述，删去位于自治州、地区以及盟的上市企业；（3）为避免极端值对回归结果的干扰，对涉及的连续型变量进行上下1%水平的缩尾处理。最终整理得到2006—2017共12年19208条年度样本观测值。

（二）变量选择

1．被解释变量

借鑒已有文献的处理方法，本文选取专利申请量作为被解释变量。上市公司的专利申请数据披露比较全面，能够直观地表现出企业的创新产出成果，可以直接用于衡量企业创新水平高低。其中，发明专利创新水平更高，被普遍视为具有实质性意义的创新；实用新型专利指的是对产品形状、构造或是两者结合所提出的适于实用的新的技术方案，创新层级低于发明专利；外观设计专利更是只针对产品的整体或局部的外观做出的新型设计，技术价值和经济价值都相对较低。为更全面分析区域集聚水平对企业创新产出的影响，本文选取专利申请总数（P_all）、发明专利申请量（P_fm）、实用新型专利申请量（P_sy）和外观设计专利申请量（P_wg）来度量企业创新。遵循已有研究经验，将专利申请量均加1并进行对数化处理。

2．核心解释变量

产业多样化集聚水平使用上市企业的两位数行业代码分类、所属城市和年末企业人员数数据构建，采用赫芬达尔—赫希曼指数来测度，计算公式如下：

其中Smikt表示t期m企业占k市所处二位数行业i的以员工人数计算的市场份额。Agg_d指数越大，该地区的产业分布更均衡，产业多样化集聚水平越高。

企业所处行业与集聚地其他行业的垂直产业关联度。基于行业间投入-产出表，本文的垂直产业关联度包括感应度系数（REA）和影响力系数（INF）。感应度系数表现产业的前向关联度，即其他部门生产一单位产品对i产品部门产生的产品需求量。影响力系数代表产业的后向关联度，指国民经济j产品部门增加一个单位最终产品时，对国民经济各部门所产生的生产需求波及程度，体现的一种拉动用。借鉴李善同和钟思斌（1998）的处理方法，具体公式如下：

其中bij为完全需求系数矩阵B中行业i和j对应的完全消耗系数，根据2007年、2010年、2012年、2015年和2017年的全国《投入产出表（42部门）》计算得到。首先，依照企业二位行业代码，将上市企业所属产业与投入产出表所公布的42个产业部门进行对应。其次，计算完全需求系数矩阵B，B=（I－A）-1，A为直接消耗系数矩阵。最后，因为投入产出表隔年公布，除了2006年的感应度系数和影响力系数直接由2007年的计算结果表示，其余空隔年份相邻年份结果移动平均来近似替代，具体做法如下：

企业所处行业与集聚地其他行业的技术相似度。首先计算行业间的相似度矩阵。参考参照潘文卿等（2011）的做法，利用2007年、2010年、2012年、2015年和2017年的全国《投入产出表（42部门）》中的直接消耗系数表，计算行业i与行业j之间的相似度（w），计算公式如下：

其中aij为直接需求系数矩阵A中行业i和j对应的直接消耗系数，类似垂直方向的产业关联的处理方法，移动平均补充后得到各年份的产业技术相似度矩阵。利用产业技术相似度矩阵，计算位于同一城市的上市企业之间的行业相似关系。首先，依照城市名称与区划代码匹配获得位于同一城市的上市企业名单；根据企业详细地址，利用Geocoding软件获得百度地图中的企业坐标，计算位于同城市的上市企业之间的地理距离d。其次，依照上市企业行业配对情况匹配对应产业技术相似度结果。最后，以1/（1+d）为权数进行加权，结合企业距离衡量上市企业所处城市产业技术相似度的平均水平。

此外，考虑到制造业集聚与其他产业集聚具有协同效应，而且制造业企业创新也受到制造业专业化集聚的影响。本文也在回归中控制了制造业专业化集聚的影响。本文选用区位熵计算企业所处城市的专业化集聚水平。利用《中国城市统计年鉴》中披露的城市分行业从业人数带入公式进行计算，计算公式如下：

其中Likt表示t时期k城市i二位数行业的就业人数，Lkt表示t时期k城市的就业人数，Lit表示t时期i二位数行业的就业人数，Lt表示t期整体的就业人数，计算得到城市层面的制造业专业化集聚指标（SPE）。

3．控制变量

企业特征：上市企业资产收益率（ROA），即企业净利润比上企业的资产总额，用以衡量企业的盈利水平；上市企业资产负债率（DAR），即企业负债总额比上资产总额，用以衡量企业的负债情况；上市企业资本密度（k），即企业资本投入比上职工人数，用以衡量的资本投入水平。

城市特征：城市经济发展情况（ECO），本文使用城市人均GDP衡量城市经济水平；城市科研支出占比（SR），即城市财政支出中科技支出的占比，用以衡量城市的创新投入水平；城市产业结构（IS），本文使用第三产业产值比上第二产业产值来表示城市产业结构；城市高校数（UNI），即城市普通高等院校数，用以衡量城市的人力资本水平。同时为减少异方差问题，对以上数据进行对数化处理。

（三）模型设定

首先，为检验企业所处空间多样化产业集聚对企业创新产出的影响，设定如下实证模型：

为检验垂直产业关联和产业技术相似度对多样化集聚作用的影响，在以上模型的基础上引入上述代理变量与多样化集聚变量的交互项。同时为避免多重共线性问题造成的影响，对相关变量进行中心化处理。具体模型如下：

其中，Pit表示i企业t年的专利申请量，Agg_dit表示i企业t年所处城市二位数行业层级的区域多样化集聚水平，REAit和INFit表示i企业t年所处二位数行业对应的感应度系数与影响力系数，wit表示i企业t年所处城市二位数行业与其他产业的技术相似度，Controlsit表示企业层面和其对应城市层面的控制变量，Year、Ind和City分别代表年份、行业和城市虚拟变量，分别控制年份、行业和城市固定效应，uit表示随机误差项。为保证实证结果更具有稳健性，本文聚类到企业层面。

四、实证结果报告

（一）基准回归

基准回归结果如表2中所示，从第（1）列和第（2）列显示，企业所在城市的多样化集聚水平对企业整体的创新产出尤其是发明类创新产业具有显著的促进作用。多样化集聚的确发挥了Jacobs外部性效应，集聚地不同行业企业之间基于要素流动、技术交流和扩散等创新互动，促进差异性的知识信息发生重构，形成新的技术，从而对企业创新产出形成正向影响。尤其是突破性创新，更需要打破行业已有的创新局限，综合不同领域知识进行交流获得灵感。多样化集聚区域内具有互补特性的产业能够彼此消化吸收需要的先进技术与管理理念，增加创新要素的流动性，进而提高企业的创新产出。但是，多样化集聚区域内存在网络化的产业关联关系，各种内部资源与知识信息将通过产业关联作用于企业创新活动，这一影响需要后续进一步分析。

考虑到城市产业集聚（Agg_d和SPE）与企业创新之间可能存在反向因果关系，从而带来内生性偏误，本文需要寻找合适的工具变量，采用2SLS方法考察模型的检验结果。工具变量的选择需要对被解释变量无直接影响关系，但是与内生的核心解释变量相关。考虑到关于产业集聚的相关研究中，通常将企业所在城市的地理特征作为外生变量使用，本文不仅采用地级市平均海拔作为工具变量，而且参考张皓等（2022）的处理方法，选用城市政治中心坐标与海岸线的最低距离（Coast）作为另一种工具变量投入使用。同時，考虑到地级市平均海拔以及城市政治中心坐标与海岸线的最低距离基本不随时间变化，本文将其作为工具变量使用时与年份变量进行交乘，使其具有时变性。利用这两个工具变量进行两阶段最小二乘估计，估计结果如表3所示。

如表3工具变量两阶段最小二乘法估计结果所示，关于工具变量的相关检验指标均表明上述工具变量的选取是合理的。第（1）列以总专利申请量为被解释变量，结果显示，城市多样化产业集聚的估计系数仍然在 1% 水平上显著为正。第（2）和第（4）为分类专利申请数估计结果，与表2的基准回归估计系数的符号基本一致。这说明城市多样化产业集聚对企业创新产出具有显著的促进作用。

（二）垂直产业关联度、产业多样性和企业创新

在基准回归的基础上，本文进一步对假说1进行检验，考察垂直产业关联度对产业多样性集聚效应的影响。垂直产业关联往往是通过生产活动形成的经济联系，这种联系广泛而复杂。沿着这一垂直产业关联链条，知识溢出将更有助于形成科学有效的创新网络，从而使集聚区内的企业能够更有效地展开创新。实证结果如表4所示，整体而言，企业的创新产出尤其是发明创新和实用新型创新不仅受多样化集聚的积极作用，而且这一作用还受到企业所处产业与集聚地其他产业的垂直产业关联度的非对称影响，前向关联度越高，越不利于企业创新从多样化集聚中获益，但是后向关联度的调节作用正好相反，后向产业关联度越高，越有利于企业创新从多样化集聚中获益。

这可能是因为后向关联度越高，意味着企业所处行业对其他产业产生的需求拉动效应更大，更有可能位于垂直产业链的上游，其在下游的应用广泛性使得其更有可能从多样化产业集聚中获益。而前向产业关联度越高，意味着企业所处行业对其他产业投入的依赖性更高，更有可能处于垂直产业链的下游，对上游中间品的依赖更不利于其从中多样化集聚中获得知识外溢。这一结果与朱平芳等（2016）的研究结论一致。他们基于工业产业间的知识外溢研究发现，上游原材料或中间品行业的研发并没有对下游行业的创新产出产生正向溢出效应，但是在全球化产业分工的过程中，我国的制造业创新受外部需求的影响很大，因此下游产业部门的溢出效应更加显著。

（三）产业技术相似度、产业多样性与企业创新

已有文献表明，具有类似投入产出结构的产业之间在技术上的相似度更高，行业之间要素流动的可能性更大，知识技术扩散和外溢更容易发生（潘文卿等，2011；朱平芳等，2016）。本文在这一部分对假说2进行了检验，回归结果如表5所示。从第（1）列至第（4）列可以观察到，无论是总的专利申请数还是分为发明、实用新型和外观设计三类的专利申请数，产业技术相似度都显著增强了多样化产业集聚对企业创新产出的促进作用。而且多样化产业集聚变量的回归系数不再显著，这也间接说明，企业创新过程中从多样化产业集聚中获取正外部性的程度取决于企业所在行业集聚地产业之间的技术相似度，相似度越高，越有利于知识技术的交流和外溢，从而越有利于提高企业的创新产出。

第（5）列至第（8）列同时纳入产业技术相似度和垂直产业关联度的影响，我们可以发现，与表3的结果类似，整体而言，前向产业关联度和后向产业关联度对多样化产业集聚作用的影响依然是反向的，企业所在行业与其他行业的后向产业关联度越高，越有利于多样化集聚积极作用的发挥。而分类回归显示，产业技术相似度对于多样化集聚对发明类创新的调节作用更大，而垂直产业关联度对于多样化集聚对实用新型类创新的调节作用更大。这可能是因为发明类实质性创新更依赖于新思想、新知识等要素的交流，对于中间品的依赖相对低，而实用新型类创新主要是围绕产品的形状构造进行创新，对中间品和外部市场需求的依赖度都相对高，更容易受到上下游产业知识溢出的影响。

（四）稳健性检验

1．选择性问题

本文采用的是上市公司数据，上市公司的创新数据2007年才开始披露，存在选择性披露问题，选择披露创新数据的企业可能本身的创新能力就更强，这使得样本可能有选择性。为保证模型估计的有效性，本文通过使用Heckman两步法进行处理。首先建立第一阶段选择模型，将上市企业分为有专利申请量的企业与没有专利申请量的企业，将是否有创新产出（ifP_all）作为选择方程的被解释变量，同时模型要求至少含有一个不被包含在第二阶段的估计方程的变量。该变量选取要求满足排他性约束条件，即只会影响企业是否有创新产出，而对企业产出数量没有直接影响。借鉴邱斌等（2008）的处理方法，本文将企业上期的创新选择变量纳入方程中，认为如果某企业在上年进行了创新活动，由于创新活动在规划上往往具有连续性特征，因此该企业在本年也将更容易选择开展创新活动，但对实际的创新产出水平没有直接影响。在经过第一阶段后，将估计所得的逆米尔斯比率（imr）作为控制变量引入第二阶段的估计中，得到控制住样本选择偏误的估计结果。

第一阶段选择方程为：

第二阶段估计方程为：

如表6所示，逆米尔斯比率（imr）都显著为负，这说明上市公司的研发创新信息披露的确存在选择性，采用Heckman 两阶段法具有合理性。第（1）和第（2）列没有考虑垂直产业关联度和技术相似度的调节性作用，发现考虑了选择性影响后，多样化集聚对企业创新的积极影响依然存在。第（3）列和第（4）列加入了产业间经济和技术关系的影响，可以观察到，第一阶段中，企业上期的创新选择对当期的创新选择在1%水平上显著，第二阶段对各变量估计系数的符号与显著性与表4中的结果基本一致。

2．其他方式的稳健性检验

为进一步确定产业关联对多样化集聚促进企业创新产出的影响结果的稳健性，本文采取多种方法进行检验。（1）剔除掉仅存在一年的企业共338家，样本量由13955变为13617；（2）替换区域多样化集聚水平指标，将原本由同城市二位数行业上市企业就业人数计算得到的指标替换为利用《中国城市统计年鉴》中披露的城市分行业从业人数数据计算得到的指标（Agg_d_c）；（3）添加控制变量，将企业流动性资产与年龄变量作为新添加的控制变量引入回归模型。具体回归结果如表7所示，可以看到，产业技术相似度与后向关联关系的提高对区域多样化集聚水平促进企业创新产出具有正向作用，而前向关联关系的提高则起到抑制作用，这一结论依然稳健。

（五）异质性分析

在其他條件不变的情况下，企业自身的特征、所处行业特征以及区域特征都影响着城市多样化产业集聚对企业创新的作用效果。为了进一步探讨这些异质性影响，本文在前文的基础上进一步展开异质性分析，分别从企业规模和股权性质、所属行业类型与所处地域这三个方面进行分组回归，结果如表8和表9所示。

首先，企业规模的异质性分析。已有文献研究一般认为，即使是在同一个城市中，小企业创新往往受益于多样化经济，而大企业则受益于专业化经济（傅十和洪俊杰，2008）。本文以企业总资产的中位数为分界点进行分组，如表8第（1）列和第（2）列所示， 尽管多样化集聚水平的回归系数为正但不显著，但是由交互项系数可以看出，垂直产业关联度对大企业和小企业获取多样化集聚的正外部性都具有显著的调节作用，但是大企业的调节作用相对更大。但是，控制了垂直产业关联的影响之后，产业技术相似度的调节作用只在大企业样本中表现出显著的正向调节作用，对于大企业而言，企业所在行业的技术与其他行业的技术相似度越高，越有利于其获取跨行业创新资源流动带来的知识外溢效应。这可能与规模大的企业的资源获取能力有关，小企业在创新资源的获取中相对较弱，高质量的创新要素倾向于流向回报较高的大型企业。

其次，企业股权性质的异质性分析。企业股权性质的不同也可能导致区域集聚水平与产业关联对企业创新产出影响结果的差异，因此将A股上市企业依据股权性质分为国有企业和非国有企业。如表8 第（3）列和第（4）列所示，无论国有企业还是非国有企业，企业所处行业的后向关联度越高，越有利于企业从多样化集聚中获益。相较之下，企业所处行业的前向关联度显著抑制多样化集聚对企业创新的积极影响。但是，进一步对比垂直产业关联度交互项的回归系数，可以看到垂直产业关联度对于国有企业的调节作用更大。国有企业一般规模相对较大，在城市经济中扮演重要角色，因而受上下游产业知识外溢影响较为敏感。同样，由于更容易获取创新资源流动的知识外溢，产业技术相似度对于多样化产业集聚作用的调节效应也只在国有企业样本中体现。

再次，是否高技术行业的异质性分析。依据《高技术产业（制造业）分类（2013）》中公布的高技术产业标准，同时考虑到上市企业可得到的行业代码为两位数行业，本文将以下包含了以上三位或四位高技术行业的两位数门类行业认定为是高技术行业：医药制造业、航空航天器及设备制造业、电子及通信设备制造业、计算机及办公设备制造业、医疗仪器设备及仪器仪表制造业与信息化学品制造业。具体回归结果如表8第（5）列和第（6）列所示，与前两组分组结果类似，不仅垂直产业关联度对多样化集聚效应的调节作用在高技术产业中更强，而且，产业技术相似度对多样化集聚效应的调节作用也只在高技术产业样本中显著。对高技术产业而言，产品和技术创新的复杂度更高，所需的创新要素质量要求更高，在展开开放式创新的过程中，与上下游产业链的创新互动更加频繁，因此在产业多样化集聚程度较高的城市中，所在行业与其他行业的垂直产业联系度越高、产业间技术相似度越高，产业间和企业间的知识溢出对高技术产业中企业的影响越大。

最后，本文按照企业所属省份将企业所处区域划分为东部、中部和西部来考察企业所处区位带来的异质性。分地区的回归结果表9示，相较之下，只有东部地区的城市多样化集聚对企业创新具有显著的促进作用。从垂直产业关联度来看，东部、中部和西部地区城市产业多样化集聚的影响都受企业所处行业与其他行业的前向关联度的显著负影响和后向关联度的显著正影响。但是，从技术相似度来看，只有东部地区的企业能从产业技术相似度受益，所处行业与其他产业的技术相似度越高，越有利于企业从多样化集聚中获取知识外溢的好处。得益于更高水平的区域经济发展水平与市场开放程度，东部地区不仅具有更高的产业多样化集聚水平，集聚带来外部性效应也得以实现。流动性与自由度更高的创新要素在集聚企业间充分流通，企业能够更便利地获取由此带来的知识外溢用以创新活动。

五、结论与政策启示

产业集聚和企业创新的相关研究非常丰富，然而，产业集聚对企业创新影响的機制依然有待发掘。在已有研究的基础上，本文聚焦产业多样化集聚带来的Jacobs外部性对企业创新的影响，从集聚地多样化产业之间的经济关联和技术关联来考察多样化集聚对企业创新的作用渠道。以制造业上市公司为研究对象，本文将2006—2017年上市公司财务数据、创新数据与城市特征数据匹配，对相关假说进行检验，得到如下结论：

（一）在其他条件既定的情况下，产业多样化集聚对于制造业企业创新具有显著的促进作用，但是这一集聚效应依赖于企业所在行业与其他行业之间的经济关联和技术关联，即垂直产业关联度和产业技术相似度。

（二）垂直产业关联度对多样化集聚效应的调节作用不仅显著，而且具有非对称性，整体而言，前向产业关联度具有显著的抑制效应，而后向产业关联度具有显著的增强效应。由于前向行业关联度和后向产业关联度可以间接判定企业所处行业是相对的上游和下游（朱平芳等，2016），本文的这一实证结果表明，处于相对上游的企业应用领域相对广，后向产业关联度越大，越容易从多样化集聚中获益。与既有研究一致，由于上游原材料和中间品等行业多垄断性较高，创新意愿相对较低，产品和技术创新对下游产业的支撑作用不够。

（三）技术产业关联度对多样化集聚效应表现为显著的正向调节作用，也就是说，企业所在行业与其他行业的技术相似度越高，越有利于其从城市多样化集聚中获益。投入产出结构相似的产业技术之间往往存在共性，创新要素在两者之间的流动更加频繁，因此产业技术相似度更高企业更容易从跨行业集聚中获得知识外溢的好处。

（四）垂直产业关联度和产业技术相似度对多样化集聚的调节作用受企业自身特征、行业特征和区域特征的异质性影响。分组回归显示，整体而言，垂直产业关联度的非对称作用在不同的组别中都显著存在，规模大的企业、国有企业和高技术产业企业受垂直产业关联度调节作用更大，而且产业技术相似度也只有在大企业、国有企业、高技术产业企业以及东部地区才具有显著的正向调节作用。

本文的研究结论表明，在落实创新驱动战略的过程中，地方政府如果要发挥产业集聚的外部性促进地区企业的创新，一定要重视所在地企业之间的经济关联和技术关联，并以此来优化招商引资战略，提高当地聚集企业之间的相互依存度，使得企业的集聚不仅仅是地理上的“扎堆”，而是通过经济联系、要素流动、创新合作等产生真正的关联。

参考文献：

[1]Aarstad J ， Kvitastein O A ， Jakobsen S E .Related and unrelated variety as regional drivers of enterprise productivity and innovation： A multilevel study[J].Research Policy， 2016， 45（4）：844-856.

[2]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， 2009， 46（3）：577-600.

[3]Boschma A. ， Lammarino S .Related Variety， Trade Linkages， and Regional Growth in Italy[J].Economic Geography， 2010， 85（3）：289-311.

[4]Boschma，A.，et al.The Emergence of New Industries at the Regional Level in S pain： A Proximity Approach Based on Product Relatedness[J].Economic Geography， 2015， 89（1）：29-51.

[5]Cainelli G ， Ganau R ， Iacobucci D .Do Geographic Concentration and Vertically Related Variety Foster Firm Productivity？ Micro-Evidence from Italy[J].Growth and Change， 2016， 47（2）：197-217.

[6]Caragliu A ， Nijkamp P .Space and knowledge spillovers in European regions： the impact of different forms of proximity on spatial knowledge diffusion[J].Journal of Economic Geography， 2016（3）：

[7]Chinitz B .Growth Management Good for the Town， Bad for the Nation？[J].Journal of the American Planning Association， 2007， 56（1）：3-8.

[8]Duranton， G.， Puga， D. （2004）. “Micro-foundations of urban agglomeration economies.” In： Henderson， J.V.， ThisseJ.-F. （Eds.）， Handbook of Urban and Regional Economics， Vol. 4， North-Holland，  Amsterdam.

[9]Evenhuis E ， Sunley P ， Harris R ，et al. Does spatial proximity raise firm productivity？ Evidence from British manufacturing[J].Cambridge Journal of Regions Economy and Society， 2019， 12（3）：318-337.

[10]Feldman， M. （1994）. The Geography of Innovation， Kluwer Academic， Boston.

[11]Frenken， K. et al. Related Variety， Unrelated Variety and Regional Economic Growth[J].Regional Studies， 2007， 41（5）：685-697.

[12]Glaeser， E. et al. Growth in Cities[J].Journal of Political Economy， 1992， 100（11）：44-55.

[13]Jacobs， J. （1969）. The Economy of Cities， Vintage Books， New York.

[14]Jaffe，A．The Importance of Spillovers in the Policy Mission of the Advanced Technology Program[J]. Journal of Technology Transfer， 1998， 23（2）：11-19．

[15]Li K .Innovation externalities and the customer/supplier link[J].Journal of Banking & Finance， 2018， 86： 101-112.

[16]Neffke F ， Henning M ， Boschma R .How Do Regions Diversify over Time？ Industry Relatedness and the Development of New Growth Paths in Regions[J]. Economic Geography， 2011， 38（2）：318-337.

[17]Rosenthal， S.， Strange， W. The attenuation of human capital spillovers[J]. Journal of Urban Economics， 2008，  64 （2）， 373-89.

[18]陳爱贞，陈凤兰，何诚颖．产业链关联与企业创新［J］．中国工业经济，2021（ 9）：80-98．

[19]陈胜蓝，刘晓玲.生产网络中的创新溢出效应——基于国家级高新区的准自然实验研究[J].经济学（季刊），2021，21（05）：1839-1858.

[20]董晓芳，袁燕.企业创新、生命周期与聚集经济[J].经济学（季刊），2014，13（02）：767-792.

[21]傅十和，洪俊杰．企业规模、城市规模与集聚经济—对中国制造业企业普查数据的实证分析［J］．经济研究，2008（ 11） ： 112- 125．

[22]杜威剑，李梦洁.产业集聚会促进企业产品创新吗？—基于中国工业企业数据库的实证研究[J].产业经济研究， 2015（4）：1- 9 + 20．

[23]高旻昱，曾刚，王丰龙.相关多样化、非相关多样化与区域创新产出——以长三角地区为例[J].人文地理，2020，35（05）：103-110.

[24]贺灿飞，陈韬.外部需求冲击、相关多样化与出口韧性[J].中国工业经济，2019（07）：61-80.

[25]寇宗来，刘学悦.中国企业的专利行为：特征事实以及来自创新政策的影响[J].经济研究，2020，55（03）：83-99.

[26]李善同，钟思斌.我国产业关联和产业结构变化的特点分析[J].管理世界，1998（03）：61-68.

[27]梁琦，钱学锋.外部性与集聚：一个文献综述[J].世界经济，2007（02）：84-96.

[28]潘文卿，李子奈，刘强.中国产业间的技术溢出效应：基于35个工业部门的经验研究[J].经济研究，2011，46（07）：18-29.

[29]庞磊，阳晓伟.中国产业链关键环节自主可控何以实现？——对高新技术企业集聚效应与技术创新的考察[J].南方经济，2023（05）：107-126.

[30]邱斌，杨帅，辛培江．FDI 技术溢出渠道与中国制造业生产率增长研究： 基于面板数据的分析［J］．世界经济，2008（ 8） ： 20-31．

[31]沈鸿，向训勇.专业化、相关多样化与企业成本加成——检验产业集聚外部性的一个新视角[J].经济学动态，2017（10）：81-98.

[32]苏丹妮，盛斌，邵朝对.产业集聚与企业出口产品质量升级[J].中国工业经济，2018（11）：117-135.

[33]万道侠，胡彬，李叶.相关多样化、无关多样化与城市创新——基于中国282个地级城市面板数据的实证[J].财经科学，2019（05）：56-70.

[34]王俊松.集聚经济、相关性多样化与城市经济增长——基于279个地级及以上城市面板数据的实证分析[J].财经研究，2016，42（05）：135-144.

[35]王然，燕波，邓伟根.FDI对我国工业自主创新能力的影响及机制——基于产业关联的视角[J].中国工业经济，2010（11）：16-25.

[36]温军等.上游资源型垄断与下游创新--来自中国制造业企业的经验证据[J].南开经济研究， 2022（9）：132-150.

[37]吴三忙，李善同.专业化、多样化与产业增长关系——基于中国省级制造业面板数据的实证研究[J].数量经济技术经济研究，2011，28（08）：21-34.

[38]吴一平，李鲁.中国开发区政策绩效评估：基于企业创新能力的视角[J].金融研究，2017（06）：126-141.

[39]杨红丽，陈钊. 外商直接投资水平溢出的间接机制：基于上游供应商的研究[J]. 世界经济，2015，38（3）：123-144.

[40]尹静，平新乔.中国地区（制造业行业）间的技术溢出分析[J].产业经济研究，2006（01）：1-10+68.

[41]张皓，赵佩玉，梁维娟，虞义华.空间集聚、产业关联与企业创新[J].产业经济研究，2022（05）：28-41.

[42]张宗庆，高彦彦，郑江淮.企業是如何创新的？——基于上海工业企业创新价值链的实证研究[J].南大商学评论，2012，9（04）：1-22.

[43]郑江淮，高彦彦，胡小文.企业”扎堆”，技术升级与经济绩效——开发区集聚效应的实证分析[J].经济研究， 2008（5）：33-46.

[44]朱平芳，项歌德，王永水．中国工业行业间 Ｒ＆D 溢出效应研究［J］．经济研究，2016（ 11） ： 44-55．