产业集聚对中国木材企业全球价值链地位的作用机制及其实现路径*

侯方淼 王宏飞 刘 璨 帅冰玥

（1.北京林业大学经济管理学院 北京 100083；2.浙江农林大学浙江省乡村振兴研究院 杭州 311300；3.国家林业和草原局发展研究中心 北京 100714）

木材产业依托森林资源而发展，与生态紧密相联，是国民经济重要的基础性产业。据中国木材保护工业协会发布的消息，2021 年，中国木材及木制品进出口贸易额达695.88 亿美元，同比增加27.18%，其中，进口额为252.77 亿美元，同比增加19.60%，出口额为443.11 亿美元，同比增加31.95%，为世界上木材最大的消费国、加工国和贸易国。中国木材产业虽然通过国际贸易广泛参与全球价值链（global value chain，GVC），但是大进大出的加工贸易模式使产业过度依赖国际生产网络，木材加工企业被俘获在GVC 中低附加值的加工环节，缺少价值链控制力和分工主动权。这种分工模式建立在木材资源大量消耗和低效利用的基础上（侯方淼等，2020），企业只能获得低端产品加工的微薄利润，与中国庞大的林产品贸易规模不相匹配。2001—2015 年，中国上市林业企业出口国内附加值率（domestic value added rate，DVAR）呈现波动下降趋势（侯方淼等，2017），中国木材加工企业处于发达国家对中国产业的低端锁定困局，亟需一条立足于经济内循环的全球价值链突围之路。产业集聚作为现代产业发展的重要组织形式，使企业既扎根于规模巨大的国内市场，又嵌入GVC 生产体系中，是打造双循环新格局的重要交汇点（胡翠等，2014）。新形势下，如何推动本土产业集聚持续发挥内循环优势、通过产业集聚提升企业GVC 地位，形成国内国际双循环相互促进的新格局，已成为木材产业需要迫切研究的重要课题。

与本研究主题相关的文献包括全球价值链（GVC）地位和出口国内附加值率（DVAR）测算、产业集聚和经济之间的关系等。第一，在全球价值链背景下，出口产品包括大量国外价值，传统出口总量指标夸大了中国的真实贸易利得（Koopmanet al.，2010；2014；Upwardet al.，2013；张杰等，2013；Keeet al.，2016；侯方淼等，2017）。DVAR 是衡量企业参与全球价值链位置的重要指标（张杰等，2013；Keeet al.，2016），能够更客观地反映企业和产业国际竞争力强弱。采用Koopman等（2010）和Wang 等（2013）提出的附加值溯源分解法，Upward 等（2013）核算了2003—2006 年中国出口企业的DVAR。Kee 等（2016）通过识别贸易中间商和进口中间品，在企业层面重新测算DVAR，提出从微观层面加总到宏观层面的测算方法。影响DVAR 的因素主要包括产业集聚（邵朝对等，2019）、规模经济（张杰等，2013；廖泽芳等，2017）、技术水平（廖泽芳等，2017；张兵兵等，2021）、工资水平（蒋艳萍等，2021）和垂直专业化分工程度（吕婕等，2013；罗长远等，2014）等。第二，Marshall（1920）提出产业集聚和集聚外部性，劳动力蓄水池、中间投入共享和知识技术溢出是学界广为认可的集聚经济主要来源；然而，因研究对象和使用数据差异，已有文献对产业集聚影响经济增长的结论不一。有学者认为产业集聚显著促进经济增长（Martinet al.，2011；罗勇等，2005；刘修岩，2014；潘文卿等，2012；郭丽燕等，2020；金浩等，2021；夏永红等，2019）；也有学者认为产业集聚在不同时期对经济发展的效应不同，即存在非线性的“U”形或“N”形关系（Henderson，2003）；还有学者认为产业集聚效应具有动态性，集聚对经济发展可能产生正向的增长效应或负向的拥塞效应（Brülhartet al.，2008）。第三，由于研究行业、使用数据和切入视角等不同，学者们在产业集聚对DVAR 的作用路径上存在不同观点。有学者认为经济集聚依靠地区信息化水平的提高和国内中间品投入的增加提升企业DVAR（杨烨等，2020）；也有学者认为国内外中间品的相互替代和企业成本加成率之间可以相互强化，作为产业集聚效应路径共同提升企业DVAR（闫志俊等，2019； Broersmaet al.，2009）。另外，相关文献（张丽等，2021；Broersmaet al.，2009）对产业集聚效应发挥受到哪些因素影响存在差异，如企业所在区域、企业所有制性质、企业参与贸易的方式等不一而足。虽然已有学者将制造业产业集聚和出口附加值置于同一框架下开展研究（杨烨等，2020；邵朝对等，2019；闫志俊等，2019；张丽等，2021），但现有研究依然存在可以改进的学术空间：首先，忽视对木材企业全球价值链地位的研究。林业产业尤其是木材产业有别于其他制造业，木材产业发展应兼顾生态保护和经济效益目标，对于国内森林资源匮乏的中国来说，如何以有限的资源提供最大的产出和收益值得研究，提高出口国内附加值率即为其中重要的一方面，但聚焦木材企业DVAR 的研究甚少，无法衡量木材企业和产业在全球价值链下的真实利得。同时，木材产业发展已有研究大多使用宏观层面数据，从微观层面探讨木材企业出口国内附加值的研究更是匮乏。其次，研究产业集聚对企业参与全球价值链影响机制的文献较少，且已有文献的研究对象集中于制造业总体，而制造业各产业特点各异，总体研究得出的结论针对性不强。第三，产业集聚对企业参与全球价值链的作用路径有待进一步明确。已有研究对产业集聚作用于DVAR 的路径莫衷一是，也鲜有文献从统筹国内与国外2 个市场经济双循环视角解构本地化产业集聚与DVAR 的关系；产业集聚对每一具体行业的作用路径不明确，尤其对木材产业集聚通过何种路径影响企业DVAR 更不明确，需要结合木材产业特点加以辨识，而产业集聚与木材产业DVAR 是否存在非线性关系、是否存在负向的拥塞效应也需要进一步验证。

本研究可能的边际贡献在于：第一，已有相关研究多通过投入产出表等宏观数据测算木材产业全球价值链地位指数，既未能度量企业的真实收益，也忽视了木材产业细分行业和企业层面的异质性；本研究拟利用企业微观数据测算DVAR，能够真实反映企业出口获利动态变化，提出的政策建议更具有针对性，尤其是重点研究的DVAR 表现为国内生产要素对进口要素的替代作用，这是出口企业的国内附加值（domestic value added，DVA）难以体现的，可以更好表征企业参与全球价值链的真实收益和地位；第二，本研究选取木材产业及其细分行业，分析产业集聚对不同木材企业DVAR 存在不同影响，验证产业集聚对木材企业DVAR 不存在非线性关系、在木质家具制造业存在负向拥塞效应，弥补了已有研究忽视行业异质性的不足；第三，本研究结合木材产业特点构建理论研究框架，并通过中介效应模型深入分析产业集聚通过企业成本加成率和国内中间品相对价格2 条路径对DVAR 的影响，从产业集聚解构视角探究产业集聚的劳动力蓄水池效应、中间投入共享效应和知识技术溢出效应，更系统探究了产业集聚对木材产业及其细分行业异质性企业DVAR 的作用路径和影响机制。

1 机制分析、模型构建与数据来源

1.1 产业集聚影响DVAR 的机制分析

首先，通过模型识别影响DVAR 的各种因素（李楠等，2021；邵朝对等，2019；闫志俊等，2019；张丽等，2021；Broersmaet al.，2009；白东北等，2020），然后分析产业集聚影响进口中间品替代和企业成本加成率效应（邵朝对等，2019；闫志俊等，2019；张丽等，2021）等因素，将产业集聚与全球价值链地位置于统一理论分析框架下。

假设木材行业为完全竞争市场，测算国内附加值需剔除进口的附加值，引入国际与国内市场中间品拓展生产函数，企业的生产函数为：

在式（2）条件下，第f企业的常替代弹性函数可采用和测算：

给定要素价格条件和产量目标，企业决定生产要素的最佳投入组合。可使成本最小化的第f企业的边际生产成本为：

进口中间品占企业总收入的比例（岳文，2018）表示为：

式中：μft=Pft/mcft表示第f企业第t年的成本加成率。，

另外，为计算进口中间品成本占总成本的比例需求解成本最小化问题：

进口中间品成本占生产材料总成本的比例为：

由式（9）可知，DVAR 变化受成本加成率（μft）、国内中间品与进口中间品相对价格（PD/PI）的影响。对式（9）求DVAR 对 μft和PD/PI的一阶导数可知，成本加成率提高和国内中间品相对价格降低可提高DVAR。

成本加成率和国内中间品相对价格影响出口DVAR 的经济学逻辑为：第一，成本加成率增加一方面提升产品定价能力，抬高出口价格，另一方面改进生产效率，降低企业生产边际成本，从而增加企业利润并增强竞争力，使企业在全球价值链中获得更多国内附加值；第二，根据既定产量下企业生产成本最小化原则，相对于进口中间品，国内中间品价格降低能够促使企业使用更多国内中间品投入代替进口中间品以稳定成本，从而增加出口DVAR。

1.2 中介效应模型构建与变量选取

1.2.1 中介效应模型构建 基于上述学理分析，较高的DVAR 可能源于提高成本加成率和降低国内中间品相对价格，产业集聚对DVAR 有2 条作用路径（Marshall，1920；Ellisonet al.，1997），因此采用年份和地区双固定的固定效应模型（邵朝对等，2019；张丽等，2021）构建中介效应模型（温忠麟等，2004）。

第一，木材产业集聚可提升DVAR，由此设定基准计量模型如下：

第二，木材产业集聚通过提高企业成本加成率、降低国内中间品相对价格提升DVAR，由此设定中介效应模型如下，验证该作用路径：

式中：下标i、j、k和t分别表示企业、产业、地区和年份；DVARijkt表示第t年地级市k产业j中企业i的出口国内附加值率；aggijkt表示第t年地级市k产业j中企业i的产业聚集指数；X表示控制变量的合集；Markupijkt、(PD/PI)ijkt为中介变量，分别表示企业的成本加成率和国内中间品相对价格；引入交互项agg×Markup、agg×(PD/PI)以检验产业集聚对企业DVAR 的作用渠道；φi、vi、μi分别为地区、企业和年份的固定效应；εijkt为随机扰动项。

1.2.2 变量选取和测算 1） 被解释变量和测算 被解释变量为DVAR，测算公式DVAR=1-IMP/EXP，EXP为出口贸易额，IMP为出口贸易中包含的进口中间品部分。为准确识别并剔除出口贸易中的进口中间品，对以各种贸易方式进口的中间品、贸易代理商引致的间接贸易和国内生产原料包含进口成分等问题进行处理（Upwardet al.，2013；张杰等，2013；Keeet al.，2016）：

2） 核心解释变量和测算 核心解释变量为产业集聚（agg）。本研究利用区位熵（Rosenthalet al.，2004；徐敏燕等，2013；范剑勇等，2014）测算木材产业集聚水平，该指标代表一个地区某特定产业的专业化程度，相较行业集中度、赫芬达尔指数、空间基尼系数等其他测度方法可以合理规避地区规模对产业集聚的影响，能够较为真实反映出产业集聚要素的地理分布特征。测算公式如下：

式中：下标i、j、k和t分别表示企业、产业、地区和年份；aggijkt为利用区位熵测算的产业集聚水平；Ljkt为第t年地区k产业j的总就业人数；Lijkt为第t年地区k产业j中企业i的就业人数；Lkt为第t年地区k的制造业就业人数。考虑到细化的区域层次更能客观反映地区产业集聚真实水平（邵朝对等，2019），本研究选择在市级三位数行业层面计算区位熵指数。Ljt为第t年地区k所在省份产业j的就业人数；Lt表示第t年地级市k所在省份的制造业就业人数。

②国内中间品相对价格（PD/PI）。中间品相对价格测算需要同时获取国内中间品价格和进口中间品价格，国内中间品投入量越多，国内中间品相较进口品的价格就越低（张丽等，2021）。本研究采用“国内中间品投入比例”指标进行替代，以国内中间品投入与进口中间品投入之比计算。国内中间品投入额根据各年平均汇率换算成美元。

4） 控制变量 参考已有文献（Upwardet al.，2013；张杰等，2013；Keeet al.，2016），选取如下控制变量：①企业规模（scale），采用企业固定资产净值年均余额表示；②企业年龄（age），以数据当年年份减去企业成立年份计算；③企业加工密集度（pi），采用企业加工出口额占总出口额的比例表示；④企业资本密集度（ci），采用企业就业人数平均企业固定资产表示；⑤企业全要素生产率（tfp），采用OP 法对企业全要素生产率进行测算；⑥国有企业虚拟变量（soe），若企业所有制类型是国有企业、集体企业或私营企业，则soe 取值为1，其他为0；⑦外资企业虚拟变量（foe），若企业所有制类型是外商企业、港澳台企业或其他类型，则 foe 取值为1，其他为0。

1.3 数据来源与处理

数据来源于中国工业企业数据库、海关贸易数据库和《中国城市统计年鉴》。根据研究目标，需合并两大数据库，参考Brandt 等（2012）、田巍等（2013）的研究，首先，按照企业名称和年份粗略合并；其次，根据地区代码、电话号码和成立时间等信息，采用序贯识别法进行多轮匹配识别出同一家企业，并赋予匹配成功企业唯一标识码，其中对于地区行政代码和《国民经济行业分类》的版本更迭，按照2017 年版本予以统一；再次，删除数据异常的企业，包括就业人数小于8、企业年龄缺失、固定资产大于总资产、本年折旧大于累计折旧、工业增加值大于总产出等；最后，对样本进行1%的缩尾处理。基于“以木材为原料，采用机械加工方法，产品保持木材特性”的原则，选取《国民经济行业分类》中三位数行业代码分类下的“201 木材加工业、202 人造板制造业、203 木制品制造业和211木质家具制造业”共4 类细分产业，最终获得的匹配数据包含企业有效观测值458 840 个、企业数15 406家，如表1 所示。

表1 木材产业及其细分产业的企业具体信息①Tab.1 Company-specific information on the wood industry and its sub-sectors

1.4 描述性统计

企业出口DVAR、控制变量指标测算数据均源自2000—2014 年中国工业企业数据库和海关贸易数据库，产业集聚指标区位熵测算数据源自中国工业企业数据库和历年《中国城市统计年鉴》，对上述变量指标分行业进行描述性统计，结果如表2 所示。与前文分析一致，就DVAR 指标而言，木质家具制造业最高，人造板制造业和木制品制造业相近，接近于木材产业整体水平，木材加工业水平最低；就agg 指标而言，木材加工业和人造板制造业产业集聚水平高于木制品制造业和木质家具制造业；就Markup 指标而言，4 类细分产业水平相近；就PD/PI指标而言，人造板制造业高于其他3 类细分产业，说明人造板制造业使用国内中间品的平均比例相对较高；就age 指标而言，木质家具制造业平均企业年龄最大，人造板制造业平均企业年龄最小；就pi 指标而言，木制品制造业加工密集度最高，人造板制造业加工密集度最低；就tfp 指标而言，人造板制造业高于木制品制造业高于木质家具制造业，木材加工业最低；4 类细分产业中国有企业和外资企业的比例相近。

2 结果与分析

2.1 基准模型结果分析

表3 结果显示，产业集聚对木材产业整体DVAR的估计系数在1%水平显著为正；加入控制变量后，虽然产业集聚的估计系数和显著性水平有所下降，但对DVAR 的影响在5%水平依然为正。产业集聚水平每提高1 个单位，可使DVAR 提升0.002 3 个单位，产业集聚对木材产业整体DVAR 具有促进作用，表明产业集聚形成的经济正外部性有助于企业在全球价值链中获取更高DVAR。

表3 结果显示，木材加工业集聚对DVAR 的估计系数为负，未通过显著性检验，表明木材加工业集聚对DVAR 虽有抑制作用但不明显；控制变量中企业加工密集度（pi）对DVAR 的估计系数在1%水平显著为负，可能是导致样本期内木材加工业DVAR 下降的原因。人造板制造业集聚对DVAR 的估计系数在1%水平显著为正，估计系数和显著性水平在加入控制变量后变动较小，表明人造板制造业集聚对DVAR 具有促进作用，产业集聚水平每提高1 个单位， DVAR 显著提升0.014 1 个单位。不论是否引入控制变量，木制品制造业集聚对DVAR 的估计系数均为正，但未通过显著性检验，产业集聚对木制品制造业DVAR 影响不明显；控制变量中企业规模（scale）和加工密集度（pi）对DVAR 的估计系数显著为负，表明企业规模较大和加工密集度较高会降低木制品制造业DVAR。加入控制变量前后，木质家具制造业集聚对DVAR 的估计系数在10%水平为负，表明木质家具制造业集聚会降低DVAR，产业集聚水平每提高1 个单位，DVAR 将降低0.006 8 个单位，这与本研究假设相悖，需对产业集聚影响DVAR 的路径进行进一步分析和检验。

2.2 中介效应检验

表4 结果显示，产业集聚对企业成本加成率和国内中间品相对价格的估计系数均显著为正，表明产业地理集聚有利于降低企业生产边际成本、促进国内中间品市场发展。成本加成率和国内中间品相对价格对DVAR 的估计系数显著为正，成本加成率提高和国内中间品相对价格下降会使DVAR 上升。同时，产业集聚与成本加成率、产业集聚与中间品相对价格交互项的估计系数也显著为正，意味着木材产业集聚可强化企业成本加成率和国内中间品相对价格对DVAR的促进作用。

表4 产业集聚对木材产业整体DVAR 的中介效应检验结果①Tab.4 Results of the mediating effect test of industrial agglomeration on the overall DVAR of wood industry

表5 结果显示，木材加工业集聚对企业成本加成率和国内中间品相对价格的影响未通过显著性检验，表明木材加工业集聚对企业成本加成率提升和国内中间相对价格降低没有发挥出明显规模外部性。国内中间品相对价格提升会显著提高DVAR，但成本加成率对DVAR 的作用不显著。最终，木材加工业集聚没有引起企业成本加成率和中间品市场的显著变化，对DVAR 的影响并不明显。

表5 产业集聚对木材加工业的中介效应检验结果①Tab.5 Results of mediating effect test of industrial agglomeration on wood processing industry

表6 结果显示，人造板制造业集聚对企业成本加成率的影响不显著，产业集聚通过成本加成率对DVAR 的影响也不显著；人造板制造业集聚对国内中间品相对价格的估计系数在1%水平显著为正，表明人造板制造业集聚可增加企业对国内中间品的投入比例，降低国内中间品相对价格；产业集聚与国内中间品相对价格交互项的估计系数在10%水平显著为正，表明产业集聚强化了国内中间品相对价格对人造板制造业DVAR 的提升作用。

表6 产业集聚对人造板制造业的中介效应检验结果①Tab.6 Results of the mediating effect test of industrial agglomeration on the wood-based panel industry

木制品制造业的产业集聚、产业集聚交互项估计系数均未通过显著性水平检验（表7），表明木制品制造业集聚未通过成本加成率、国内中间品相对价格影响企业DVAR；但成本加成率和国内中间品相对价格对DVAR 的估计系数均显著为正，再次验证成本加成率和中间品相对价格是DVAR 的重要影响因素。

表7 产业集聚对木制品制造业的中介效应检验结果①Tab.7 Results of the mediating effect test of industrial agglomeration on the wood products industry

表8 结果显示，木质家具制造业集聚对企业成本加成率、国内中间品相对价格的估计系数为负，表明木质家具制造业集聚降低企业成本加成率、减少国内中间品投入比例。成本加成率和国内中间品相对价格对DVAR 的估计系数在1%水平显著为正，产业集聚与成本加成率、产业集聚与国内中间品投入价格交互项对DVAR 的估计系数显著为负，表明产业集聚通过降低企业成本加成率、提高国内中间品相对价格弱化2 条途径对DVAR 的提升作用。这意味着当集聚区内木质家具企业数量超过一定比例后，因同质化竞争和进口木材价格高造成的过度聚集会产生市场拥塞，同类家具企业争夺国内市场中有限的资源，包括劳动力和国内中间品，企业间因恶性竞争会减少交流与合作，并通过增加劳动力报酬和压低产品价格以获得市场份额，促使企业边际成本提高，成本加成率开始下降，导致出口DVAR 降低。

表8 产业集聚对木质家具制造业的中介效应检验结果①Tab.8 Results of mediating effect test of industrial agglomeration on wooden furniture industry

2.3 内生性检验

因变量内生性引致模型有偏估计是实证研究中最常需要处理的问题，常见内生性来源包括反向因果关系和遗漏变量。本研究核心变量DVAR 和产业集聚水平分别为企业层面和地级市层面数据，能够有效规避因联立因果关系引致的内生性问题；但是，一些同时影响产业集聚水平和出口DVAR 的不可观测变量或重要变量被忽略也会导致内生性问题。对此，本研究参考邵朝对等（2019）和赵春明等（2020）的做法，运用工具变量法进行检验，选取合适的指标作为产业集聚的工具变量：1） 使用1995 年各地级市人口数作为工具变量，人口密集地区劳动力资源丰富、市场需求大、产业基础完善，更会吸引企业自发形成产业集聚，同时1995 年数据相对样本期数据时间间隔较大，通过有效滞后可降低对企业出口DVAR 的影响；2） 使用区位熵的滞后一期值作为工具变量，区位熵的滞后一期值与当期产业集聚水平正相关，且与当期的企业出口DVAR 之间存在内生性，符合工具变量要求。

单独使用区位熵滞后一期值和1995 年各地级市人口数作为工具变量的两阶段最小二乘法估计结果（表9）显示，不可识别检验LM 统计量在1%水平拒绝工具变量识别不足的原假设，弱工具变量检验F统计量在5%水平拒绝工具变量为弱识别的原假设，说明所选工具变量与潜在内生变量之间存在较强相关性。木材产业集聚对企业出口DVAR 的影响显著为正，与前文基准回归结果一致。同时使用2 个工具变量，结果依然具有较好稳健性（表9）。

表9 工具变量回归结果①Tab.9 Regression results of instrumental variables

2.4 稳健性检验

参考现有测算产业集聚的文献（邵朝对等，2019；Ellisonet al.，1997；Liet al.，2009），采用企业所在地级市同一行业的企业数量重新测算产业集聚水平。Koopman 等（2010）认为出口企业使用的国内中间品包含5%～10% 国外价值，前文中测算DVAR 均按10%比例进行，在此将该比例替换为5% 重新测算DVAR，并再次进行基准回归检验。由表10 可知，更换指标测算方法和测算误差后，木材产业集聚对DVAR 的提升依然具有积极影响，说明模型具有较好稳健性。

表10 异质性检验和指标更换检验回归结果①Tab.10 Results of heterogeneity test and index replacement test

根据贸易方式不同，将木材产业样本企业划分为一般贸易、加工贸易和混合贸易企业，分别检验产业集聚对企业出口DVAR 的影响。结果（表10）显示，一般贸易企业的产业集聚估计系数在5%水平显著为正，表明产业集聚有利于提高一般贸易企业的出口DVAR，而加工贸易和混合贸易企业产业集聚对出口DVAR 的影响不显著。可能的原因是，加工贸易和混合贸易企业在生产和贸易过程中与国际市场的联系较一般贸易企业更密切，对进口产品的依赖性较高，使用较少的国内或中间品，因此地方产业集聚构建的生产体系在这些企业的作用较弱。根据企业所有制类型不同，将木材产业样本企业划分为本土和外资企业，进一步纳入产业集聚与本土企业、外资企业的交互项分析产业集聚对企业出口DVAR 的影响。结果（表10）显示，产业集聚对本土企业和外资企业出口DVAR 均有显著提升作用，且对本土企业的提升作用更大。可能的原因是，本土企业本地化程度较高，相对于外资企业对国内市场的依赖程度更高，而外资企业则更多与国外市场进行交流和联系，使其受本地化生产体系的影响相对较弱。

2.5 拓展分析

2.5.1 非线性检验 产业集聚的DVAR 效应可能存在“倒U”形或“N”形的非线性关系。一方面，木材产业集聚形成的正外部性可降低企业生产成本提升企业成本加成率，以及通过中间品共享效应降低国内中间品相对价格，从而推动木材DVAR 提升；另一方面，产业集聚程度过高可能带来市场饱和，尤其是低技术制造业，企业间的同质竞争会导致各种生产要素成本上升和利润降低等拥塞效应，降低集聚区内DVAR。可见，产业集聚对DVAR 的影响取决于集聚正效应和拥塞负效应二者之间的强弱。前文实证检验结果发现，木材产业整体和人造板制造业产业集聚对DVAR 的提升作用显著，对此，为检验产业集聚与DVAR 之间是否存在“倒U”形或“N”形的非线性关系，选取这2 个行业为研究对象，在基准模型中引入产业集聚指数的平方项（agg2）和三次方项（agg3），构建模型如下：

由表11 可知，加入控制变量前后，木材产业整体产业集聚对DVAR 的估计系数仍显著为正，且与基准模型结果相近，保持较好稳健性。产业集聚指数平方项和三次方项的估计系数均未通过显著性水平检验，表明木材产业集聚与DVAR 二者之间不存在非线性关系。人造板制造业产业集聚的平方项和三次方项估计系数也不显著，即不存在非线性关系。这说明木材产业集聚尚未出现明显拥塞效应，企业生产仍处于规模报酬递增区间，木材产业进一步集聚仍可以促进DVAR 提升。

2.5.2 产业集聚解构 将产业集聚分解为“劳动力蓄水池”（Lagg）、“中间投入共享”（Magg）和“知识技术溢出”（Tagg）3 个外部性指标，从产业集聚解构视角进一步考察不同集聚外部性对DVAR 的影响（图1）：

图1 产业集聚外部性对DVAR 的影响路径Fig.1 Impact path of industrial agglomeration externality on DVAR

式（18）测算劳动力蓄水池效应，用临近城市木材产业的就业人数比例之和表示，其中Emjrt和Emct分别表示第t年r市木材产业和制造业的就业人数；表示2 个临近城市之间的距离。式（19）测算中间投入共享效应，用临近城市木材产业使用的中间投入产业的投入系数与其相应产业规模的乘积之和表示，其中Emsrt为产业规模，用中间投入产业的就业人数表示；Rsjt为木材产业使用s中间投入产业的完全消耗系数，由当年邻近年份的中国投入产出表获得。式（20）测算知识技术溢出效应，用各地级市木材产业的新产品产值之和表示。“劳动力蓄水池”通过降低劳动力成本提升企业成本加成率，“中间投入共享”降低国内中间品相对价格，“知识技术溢出”则同时强化2 条作用路径，最终对DVAR 产生影响。

由表12 可知：第一，劳动力蓄水池对成本加成率的影响估计系数显著为正，二者交互项对企业DVAR的影响也显著为正，表明产业集聚形成的劳动力蓄水池效应可强化成本加成率对企业DVAR 的提升作用；第二，中间投入共享效应对国内中间品相对价格的影响估计系数显著为正，二者交互项对企业DVAR 的影响也显著为正，说明产业集聚可促进具有规模经济的国内中间品市场形成，市场的中间投入共享效应强化了国内中间品相对价格对DVAR 的提升作用；第三，知识技术溢出效应对成本加成率、国内中间品相对价格的影响显著为正，知识溢出效应和2 条作用路径交互项对DVAR 的影响均显著为正，这意味着产业集聚产生的知识、技术溢出效应通过激发企业创新，能够提高企业成本加成率，进而提升DVAR。

表12 产业集聚外部性作用路径对DVAR 作用机制的检验结果Tab.12 Results on the impact mechanism of industrial agglomeration externality on DVAR

3 结论与建议

3.1 结论

1） 产业集聚通过提高企业成本加成率和降低国内中间品相对价格2 条路径显著提升木材产业整体DVAR，产业集聚水平每提高1 个单位可使DVAR 提升0.002 3 个单位。

2） 具体到木材产业各行业，产业集聚对DVAR的影响呈现出异质性，产业集聚水平每提高1 个单位，人造板制造业DVAR 显著提升0.014 1 个单位，人造板制造业产业集聚促进DVAR 提升的主要路径是国内中间品相对价格降低，成本加成率变化对DVAR 的作用不明显；产业集聚对木材加工业、木制品制造业DVAR 影响不显著；产业集聚水平每提高1 个单位，使木质家具制造业DVAR 降低0.006 8 个单位。可见，通过成本加成率和国内中间品相对价格2 条路径，产业集聚对木材产业不同细分行业DVAR 产生不同方向作用，导致产业集聚对木材产业各细分行业DVAR影响的异质性。

3） 从企业异质性角度看，由于一般贸易企业和本土企业相比加工贸易企业和外资企业与国内中间品市场的联系更为紧密，一般贸易企业比加工贸易企业的DVAR 更高，本土企业比外资企业的DVAR 更高；同时，产业集聚对各类企业DVAR 的影响不存在“倒U”形和“N”形的非线性关系，即企业生产仍处于规模报酬递增区间，木材产业进一步集聚可提升DVAR。从产业集聚外部性的具体作用看，劳动力蓄水池效应、中间投入共享效应和知识技术溢出效应以及企业成本加成率和国内中间品相对价格2 条路径对木材企业的DVAR 具有协同促进作用。

4） 中介效应模型结果显示，成本加成率和国内中间品相对价格对DVAR 的估计系数显著为正，成本加成率每提高1 个单位，DVAR 显著提升0.066 0 个单位；国内中间品相对价格每下降1 个单位，DVAR 显著提升0.151 5 个单位。同时，产业集聚与成本加成率、中间品相对价格交互项的估计系数也显著为正。

5） 从木材产业细分产业看，产业集聚作用各异。产业集聚对木材加工业和木制品制造业出口DVAR的作用并不明显，对木质家具制造业出口DVAR 甚至出现相反作用，仅对人造板制造业出口DVAR 具有提升作用，这意味着各细分产业的共同集聚作用大于某个细分产业的单独集聚作用。可能的原因是，细分产业共同集聚形成的市场大于某一个产业单独集聚的市场。以木质家具制造业为例，因同质化竞争和进口木材价格高等原因，同类家具企业争夺国内市场中有限的资源，包括劳动力和国内中间品，产生集聚拥挤效应，导致出口DVAR 降低。而作为其上游产业的木材加工业、人造板制造业等企业，因生产联系加入并形成共同集聚，极大壮大了集群内共同的劳动力市场、中间投入市场，既缓解了木质家具制造业集聚的拥挤效应，又强化了木材加工业等产业的集聚正效应，最终表现出细分产业的共同集聚作用大于某一个产业的集聚作用。产业集聚解构视角中的劳动力蓄水池效应、中间共享效应和知识技术溢出效应对企业出口DVAR 的提升也验证了这一点。

3.2 政策建议

1） 合理引导并促进分工合理、良性互动的木材产业集群形成，使本土产业集群成为支撑企业 GVC升级的坚实后盾，持续强化木材产业集聚对DVAR 的提升作用。木材产业集聚应建立起完善的劳动力和中间品市场，关注木材产业链的建链、补链和强链，完善产业链条，从而最大发挥集聚效应，降低企业生产的边际成本。

2） 优化木材产业布局，强化本地产业集聚木材加工业、木制品制造业和木质家具制造业DVAR 的正向溢出，减少同类企业争夺国内市场有限资源带来的拥塞效应，从本地产业集聚中汲取价值链升级动力。一方面，技术创新在提升企业成本加成率和丰富国内市场中间品种类方面具有根本性作用，政府应实施创新驱动发展，鼓励和激发本土企业自主创新与研发活力；另一方面，政府还应积极引导和强化木材产业人才培养的战略投入，构建有效的知识交流、人才协作平台。

3） 木材企业应通过产业集聚更好地融入国内大市场，逐步降低对国际市场的依赖，从根本上改变以国内补贴方式维持加工贸易企业融入GVC 分工体系的传统做法。政府应统筹建设全国性的木材产业生产体系，逐步打破区域行政性壁垒，打造统一的要素和资源市场，促使林业生产要素在全国范围乃至世界市场中的自由流动和地理聚集，从而最大化释放产业集聚正外部性；加速GVC 与国内地方产业集群的供应链整合，为助推木材产业向GVC 高端攀升提供庞大丰富的国内中间品市场支撑，通过不断提升DVAR实现内生化GVC 升级路径，突破全球价值链低端锁定困局。