EN中文

经济地理 >

2019 , Vol. 39 >Issue 10: 112 - 122

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.10.015

产业经济与创新发展

产业集聚对企业初始规模选择与持续生存的影响——基于辽宁省中小企业的分析

  • 何文韬
展开
  • 东北财经大学产业组织与企业组织研究中心，中国辽宁大连 116025

何文韬（1985—），男，河南遂平人，博士，助理研究员。主要研究方向为新兴产业、产业动态。E-mail：。

收稿日期: 2018-06-21

  修回日期: 2019-01-15

  网络出版日期: 2025-04-18

基金资助

国家社会科学基金重大项目(18ZDA042)

国家自然科学基金青年项目(71703015)

辽宁省社会科学规划基金项目(L17BJY043)

辽宁省教育厅新型智库项目(LN2019X04)

收起

Impact of Industrial Cluster on Firm Start-up Size and Survival：Analysis of SMEs in Liaoning Province

  • HE Wentao
Expand
  • Center for Industrial and Business Organization，DongBei University of Finance and Economics，Dalian 116025，Liaoning，China

Received date: 2018-06-21

  Revised date: 2019-01-15

  Online published: 2025-04-18

Fold

摘要

基于产业动态与经济地理的交叉研究，文章以辽宁省中小企业作为研究对象，采用地理空间分析方法，确定产业集聚区与企业区位的空间分布特征，构建反映地理位置关系的状态变量与距离变量，在考虑企业异质性的前提下，使用分位数回归和生存分析方法研究产业集聚对中小企业初始规模及其持续生存的影响。研究表明，辽宁多数中小企业分布在产业集聚区及周边区域。产业集聚产生明显的正向集聚效应，能显著提高企业初始规模并降低退出风险。并且随着企业与产业集聚区的距离越远，所选择的初始规模越小，退出风险越高。

关键词： 产业集聚区; 企业区位; 企业初始规模; 企业生存; 中小企业; 产业转型; 东北振兴战略

本文引用格式

何文韬 . 产业集聚对企业初始规模选择与持续生存的影响——基于辽宁省中小企业的分析[J]. 经济地理, 2019 , 39(10) : 112 -122 . DOI: 10.15957/j.cnki.jjdl.2019.10.015

Abstract

Based on the cross-study of industry dynamics and economic geography, this paper takes the small- and medium-sized firms in Liaoning as the research object and uses geospatial analysis methods to figure out the spatial distribution characteristics of industrial clusters and firms locations, in order to construct the state variables and distance variables reflecting the position relationship. And then, on the precondition of firms' heterogeneity, this paper uses the quantile regression and survival analysis to study the impact of industrial cluster on the firms' start-up size and survival. The results demonstrate that most of SMEs in Liaoning are located in cluster and surrounding areas. Industrial clusters have a significant positive agglomeration effect, which could increase the firm start-up size and reduce its exit risk. Besides, with the increase of distance between the firm location and cluster area, the smaller the firm start-up size, the higher the exit risk. Those results provide scientific evidences for the rational planning of industrial spatial distribution and the improvement of industrial cluster level and competitiveness in Liaoning Province.

Key words： industrial cluster; firm location; firm start-up size; firm survival; SMEs; industrial transformation; Northeast Revitalization Strategy

中小企业是经济活动中最活跃、最具活力的组成部分，同时也是产业动态研究关注的主要对象。以往产业动态研究着重分析企业的进入、成长和退出问题，而忽略企业所处的地理空间环境的作用。随着研究深入，越来越多的学者注意到中小企业在进入时的地理选址及其周边产业集聚情况会极大地影响企业进入时的初始规模选择，以及进入后的生存表现，由此提出企业活动的地理空间分布如何影响创业者建立企业、扩大产出并避免倒闭的问题。产业动态与经济地理研究交叉融合的趋势愈发明显，这有助于从根本上理解企业、产业和区域随时间和空间的演化。
由于特有的、内生性或外生性的区域地理空间特征，使得一些经济活动仅适应于特定区域[1]，从而吸引企业在一定区域范围内集聚起来。现有研究表明，产业集聚能带来正的集聚效应和负的扩散效应两种相反的影响。从集聚效应看，在产业集聚区中的企业更易获得各类资源、信息和知识，从而有利于企业进入并开展创业活动。从扩散效应看，大量企业集中在一起也加剧区域竞争，增加非生产性消耗，降低经济效益。此外，虽然一个区域内的企业数量越多，越能吸引企业进入，并且进入率也随着集聚区规模的扩大而提高[2]，但是企业在进入时所选择的初始规模却各不相同。研究认为企业初始规模是企业异质性的集中体现，它反映企业在盈利能力、市场份额、管理水平、融资约束等多方面的差异，决定着企业进入后的成长和生存表现[3]，以及地理空间特征能够对企业产生多大的影响[4]。
按照传统观点，企业的位置和规模抉择以预期利润最大化为目标。根据这一原则，企业在进入时需要对进入地点的劳动力技能、工资水平、基础设施、产品市场等进行全面评估，甚至需要考虑到城市化和集聚经济[5-6]。然而，这样做是不明智的。按照经济地理学观点，不同类型企业获取关于潜在进入区域信息的机会成本存在着差异[7]，企业特征例如规模在企业选址中起到决定性作用。大型企业能够获得更多关于区域的信息，而小型企业不会对此投入太多[8]。甚至有些企业进入时的选址是凭借创业者的经验，倾向于集中在熟悉的领域，这无关产业竞争程度和成长前景[9]。按照产业动态观点，企业是有限理性的，不可能得知进入地点的完全信息。如果企业对未来收益抱有乐观预期，那么可能会选择一个较大的初始规模进入，以提高生存率[10]。相反，如果企业对未来收益持谨慎态度，就会以较小的初始规模进入。这虽然可能带来成本劣势，但也能降低沉没成本预期损失。随着企业进入后对真实收益信息的收集，再逐渐调整规模并做出扩张或退出决策。由此可见，尽管经济地理和产业动态研究都注意到面对产业集聚区可能带来的正负效应，不同规模的企业在选址和进入后表现上存在差异，但是仍没有在地理空间视域下将产业集聚与企业初始规模选择联系起来，分析它们之间的影响机制。
除了企业进入时的情形，企业在进入后的生存也会受到产业集聚和企业初始规模选择的影响，对此有比较丰富的研究，并且其中多数得出企业选择一个较大的初始规模有利于企业生存，但是对于产业集聚如何影响企业生存的结论却并不统一。针对瑞典[11]、加拿大[12]、德国[13]以及中国[14]制造业样本的研究发现产业集聚有利于企业生存。另一些研究发现产业集聚没有增加也没有减少企业生存率，例如英国汽车业[15]、美国轮胎业[16]、德国机床业[17]等。甚至有研究得出产业集聚不利于企业生存[18]。研究认为出现这一结果说明企业的空间集聚虽然为潜在进入企业提供“隐性知识和社会关系”，促进创业活动，但是集群内企业的生存表现差于集群外的，反映集群中更高的竞争压力。产业集聚虽然有利于企业创业和进入，但恶化企业生存表现[19]。研究结论的不一致进一步反映出异质性的企业可能会受到来自产业集聚不同的影响，对此需要结合产业和企业特征进行深入考察，以提供更多实证证据。
本文以辽宁省中小企业作为研究对象，在对企业和产业集聚区位置进行精确定位的基础上，将产业动态与经济地理理论相结合，以产业集聚区与企业的空间地理位置关系作为反映产业集聚效应的关键指标，研究产业集聚对企业初始规模选择和生存持续性的影响，从而为探究区域性中小企业生存特点，把握企业成长规律提供科学依据。

1 研究对象选取与数据来源

1.1 研究对象的代表性

东北老工业基地作为国家重要的制造业集聚区，在产业、技术、资源上具有雄厚的基础。辽宁是东北老工业基地的重要省份之一，在近现代化进程中留下宝贵工业遗产的同时，也形成了大型国有企业高度密集、高度集中的产业格局，成为中国产业结构转型的一个典型代表。
近年来，辽宁省逐渐建立起以大型国有企业为核心，中小企业配套协作的产业集聚区，并获得了较大发展。据统计，截至2016年，辽宁省有116个产业集聚区分布在沈阳、大连、鞍山等城市，其中有85个产业集聚区销售收入超百亿元，5个产业集聚区销售收入超千亿元[20]。围绕产业集聚区成立的中小工业企业数占企业总数的比例达到了97.5%，实现工业总产值10 580.9亿元，与大型企业相当。中小企业已经成为推动老工业基地实现转型发展的关键力量。然而，辽宁产业集聚区与中小企业发展也出现创新不足、重复竞争、市场化程度低等诸多问题。随着辽宁经济逐渐步入调结构、稳增长的关键时期，需要结合辽宁本地产业特色，集聚创新资源，激发创新活力，来为辽宁经济注入新动力，推动产业转型升级。这不但是辽宁省面临的问题，也是其他老工业基地共同需要应对的问题。为此，本文以辽宁中小企业作为典型，通过分析产业集聚与企业微观动态之间的联系，探究如何通过优化产业空间、结构布局，促进中小企业快速发展，为实现产业结构优化提供变革动力。

1.2 数据来源

为了研究产业集聚对企业动态的影响，本文收集整理了三方面的数据：
第一，微观企业数据。本文所需企业样本来自万得（Wind）中国企业库。在数据库中选择硬件设备、汽车、半导体等10个工业行业。企业的所属地为辽宁，成立时间分布在1997—2016年，员工数量少于500名。根据这些筛选条件，经过数据整理，本文共获得3 216家中小企业，以及这些企业所处行业、城市、员工人数、企业性质、成立日期、办公地址等。这些信息提供了关于企业在注册时，即进入产业时的状态，包括初始规模、企业选址、经营起始时间等。同时，由于本文研究中小企业动态，因此除了需要这些企业在进入时的基础数据信息外，还需要得到企业持续经营状况的信息。为此，本文利用“国家企业信用信息公示系统”和“天眼查”系统收集了这些样本企业在1997—2016年间的经营状态，并将“吊销”、“注销”的企业视为退出。
第二，辽宁省产业集聚数据。辽宁省作为东北老工业基地的重要地区，随着产业的演化发展，以及各类政策的积极引导，已经形成了一批具有区域特色的产业集聚区，包括沈阳铁西机床及功能部件产业集聚区、大连软件和信息技术服务产业集聚区、鞍山钢铁深加工产业集聚区等。本文所需产业集聚区的信息来自《辽宁省重点产业集群基本情况表》。该表收录了截至2015年辽宁14个地级市100个产业集群名录及其主导产品。基于此，本文依据政府网站、政府文件等公开信息在百度地图中查询了这些产业集聚区所在地理位置。这些信息构成了本文研究辽宁产业集聚的基础。
第三，宏观经济数据。除了产业集聚情况，企业的初始规模选择还会受到宏观经济因素的影响。为此，本文从《辽宁统计年鉴》中收集、整理了1997—2016年的一系列宏观数据，包括各地级市的人均GDP、制造业职工人数、人均工资、工业企业数量等。

2 辽宁产业集聚区和企业区位的空间分布特征

企业的地理空间分布能够直观展现企业的集聚或分散情况。为此，本文根据收集到的样本企业办公地址，使用X Geocoding地址经纬度批量解析软件成功匹配到了1 973家企业的精确经纬度坐标。然而，产业集聚区是区域，按照地址无法匹配到单一坐标点。为此，本文在电子地图中将不同产业集聚区按照其地理位置信息圈画出来，之后选择区域中心位置点匹配经纬度坐标。再使用ArcGIS软件，将获得的辽宁中小企业和产业集聚区的经纬度坐标标注在地图上，如图1所示。从图中可以清晰地看出，辽宁省企业区位分布与产业集聚区分布高度重合，多数中小企业分布在产业集聚区及周边区域，并且辽宁南部、中部和西部的企业密集度较大，这反映出辽宁省中小企业的集聚程度较高。
图1 辽宁产业集聚区与企业区位分布情况

Fig.1 The distribution of Liaoning industrial cluster area and firm location

进一步地，本文按照地址信息、企业所在城市，分别统计了辽宁省14个地级市中位于产业集聚区内的企业数量和企业总数量（表1）。其中，大连市的企业数量最多，其次是沈阳市、鞍山市、丹东市等，而盘锦市的企业数量最少。但是从位于集聚区内的企业数来看，丹东市的数量最多，占企业总数的比例达到74.4%，其次是辽阳市，占比为68%，而本溪市在集聚区内的企业数最少，占比仅为37.4%。总的来看，全省在集聚区内的企业数占比达55.91%，14个地级市中有9个城市集聚区内的企业数占比超过50%，表明辽宁省新创中小企业的集聚效应明显。
表1 辽宁省各地级市产业集聚区内企业数量及企业总数量统计

Tab.1 Statistics of firms in industrial cluster area of Liaoning Province

地区 盘锦 辽阳 阜新 沈阳 大连 葫芦岛 铁岭 锦州 鞍山 营口 抚顺 丹东 朝阳 本溪
企业总数 43 50 93 515 951 56 127 184 432 76 175 186 197 131
集聚区内企业数 32 34 60 322 584 34 72 98 227 37 79 83 87 49
集聚区内企业占比 0.744 0.680 0.645 0.625 0.614 0.607 0.567 0.533 0.525 0.487 0.451 0.446 0.442 0.374
图2以四种颜色区分了各地级市产业集聚区内企业占总企业数的比例。从中可以看出，位于辽宁省中部的盘锦市和辽阳市集聚度最高，其次是阜新市、沈阳市、大连市和葫芦岛市，其他地区较低。企业分布整体展现出以企业总数较多的沈阳市、大连市为核心，两个城市之间及周边城市的企业集聚度较高的特点来。
图2 辽宁各地市企业位于产业集聚区的比例

Fig.2 The rate of firms located in industrial cluster area of Liaoning

3 产业集聚与企业初始规模选择

一般认为如果有越多的企业活跃在特定区域的产业中，那么就会有越多的新企业在相同产业和地区中建立起来。然而，这些企业所选择的初始规模是有差异的。企业初始规模作为企业异质性的集中体现，是企业特征与周围环境特征相互作用的结果。从产业集聚角度看，产业集聚在给企业带来资源便利性的同时，也可能产生挤出效应，增加企业间的竞争压力。因此，新企业达到一定规模水平是顺利进入的前提条件。从企业角度看，也并非初始规模越大越好。不同的潜在进入企业在资金筹措能力、技术研发能力和经营管理能力等方面存在着差异。因此，企业在进入时的初始规模决策应当充分考虑到自身能力与产业特征，选择一个合适而非最优的初始规模水平。

3.1 辽宁省中小企业初始规模分布特征

在企业初始规模研究中，通过分位数分析方法，可以研究更多处在非中心位置上的企业初始规模分布特点，即可以检验处在低尾位置和上尾位置的企业初始规模。对于对称分布而言，分布差异通过标准差测量得到，但是对于企业初始规模这种重尾分布来说，标准差的解释力就十分有限。因此需要放弃使用标准差来捕捉分布的离散程度，而使用选定分位数值下的分位差尺度测量方法（quantile-based scale measure，QSC）：
Q S C p = Q 1 - p - Q p , 对 于 p 0.5
式中： p为分位数； Q p为分位数函数。由式（1）可以得到任何中间部分的 100 ( 1 - 2 p ) %分布。本文求得辽宁企业初始规模在0.1分位数上的 Q S C 0.1为182，在0.25分位数上的 Q S C 0.25为74，分位差呈下降趋势。
对于偏态而言，它的存在表明企业初始规模中位数以下的分布和中位数以上的分布出现了不平衡。尽管可以计算得到偏度和峰度值，但是通过分位数函数来表达更为直观。在图3当中，a图是企业初始规模原始值的分位数函数，可以看出函数图像围绕中位数的分布是不对称的；b图是经过对数变换的分位数函数，其图像基本上是围绕中位数对称分布。但是在两个图中，在不同分位数上企业初始规模的数据点分布的疏密程度存在差异。分布的偏态同样可以使用分位差偏态测量（quantile-based skewness，QSK）进行量化，即：
Q S K p = Q 1 - p - Q 0.5 / Q 0.5 - Q p - 1 , 对 于 p 0.5
图3 辽宁中小企业初始规模的分位数图

Fig.3 The quantile diagram of SMEs’start-up size in Liaoning

辽宁中小企业初始规模在0.1分位数上的 Q S K 0.1为3.2，在0.25分位数上的 Q S K 0.25为1.083，均大于0，因此企业初始规模呈右偏分布特征。分位差偏态测量方法更为简单明了，并且也拓展了对分布偏态变化的测量（表2）。
表2 辽宁中小企业初始规模的描述统计

Tab.2 Descriptive statistics of SMEs’start-up size in Liaoning

企业初始规模 观测量 均值 分位差尺度测量 分位差偏度测量 不同分位数上企业规模
QSC（0.1） QSC（0.25） QSK（0.1） QSK（0.25） 0.1 0.25 0.5 0.75 0.9
原始值 3 216 81.243 182 74 3.2 1.083 15 26 50 100 197
对数值 3 216 3.93 2.575 0.807 0.139 -0.766 2.708 3.258 3.912 4.065 5.283
图3中除了描述辽宁中小企业初始规模的分位数分布特征，还按照企业是否在产业集聚区进行了分类。从中可以看出，在0.2分位数以上，产业集聚区内的企业初始规模明显大于在产业集聚区外的，并且在0.05分位数以下以及0.9分位数以上的数据点较为稀疏，表明企业初始规模集中分布在10~197人之间。

3.2 产业集聚对企业初始规模选择影响的分析

3.2.1 计量模型设定与变量选取

通过对辽宁中小企业初始规模分布特征的分析，发现在产业集聚区内外的企业初始规模存在显著差异。现有研究认为一方面企业能够从空间集聚获得更好、更便宜的投入，从政府等公共部门获取更便捷的信息，在企业群体中获得更多便捷资源；而另一方面企业需要设法解决自主—依存困境[21]，防止模仿行为的发生，避免由于企业间过多的联系而对企业行动产生约束。面对产业集聚可能带来的正反两面的影响，新创中小企业应该如何做出初始规模抉择?既要达到进入产业所必需的最小有效规模水平，又要没有超过企业可承受的能力范围。为此，本文摒弃没有空间内涵的传统产业集聚指标，采用真实的企业和产业集聚区的地理位置信息来讨论产业集聚区、企业区位与初始规模选择的关系。根据研究目的，设定如下计量模型：
S i t = β 0 + β 1 c l u s t e r i t + β 2 f i r m d e n j t + β 3 i f a p c j t + β 4 l a b o r j t +     β 5 s a l a r y j t + β 6 g d p j t + β 7 c i t y i + β 8 y e a r t + ε i t
式中：关键变量有：①企业初始规模。被解释变量 S i t为企业i在t时间进入时的初始规模，由企业员工数取对数得到。②产业集聚变量。在解释变量中，设定 c l u s t e r i t是虚拟变量，如果企业i的地址在产业集聚区内，则表示为1，在产业集聚区外表示0。同时，本文还使用企业与产业集聚区的实际距离distanceit变量来替换 c l u s t e r i t虚拟变量进行分析。③宏观经济变量。无论企业是否选址在产业集聚区，它的初始规模仍会受到产业和地区经济发展水平的影响。依据已有研究经验，本文从固定资产投资、劳动力成本、企业数量等多个角度选择了相应的变量。具体地， f i r m d e n j t是企业密度，表示在t时期j城市工业企业数量占企业总数量的比例。企业密度是衡量企业空间集聚程度的关键指标之一。企业密度越高，企业进入越活跃[2]。对此，企业是选择一个较大的初始规模以提高竞争力，还是选择一个较小的规模争取利基市场空间有待验证。 i f a p c j t是人均固定资产投资，由城市j在t时期全社会固定资产投资额与从业人口的比值来表示。通常认为，人均固定资产投资越高，地区经济越发达，越有利于新企业创立[22]。 l a b o r j t是制造业职工数占职工总数的比例，反映了制造业劳动力投入强度。 s a l a r y j t是制造业人均工资，表示劳动力成本情况。 g d p j t是城市j在t时期的国内生产总值，体现了地区经济发展水平。模型中还对企业所在城市和年份进行了控制。

3.2.2 计量分析结果

对于等式（3）本文采取分位数估计方法。该方法能够在考虑到企业初始规模条件分布的情况下，在不同的分位数上估计不同的系数值，从而体现出企业初始规模的异质性。此外，分位数估计方法不受离群值的影响，具有稳健性。
表3报告了产业集聚及其他因素对企业初始规模影响的OLS和分位数估计结果。经检验，模型的平均VIF值为2.31，小于10，因此认为模型中各变量不存在多重共线性。此外，斜率相等检验结果表明虽然多数变量在不同分位点上的斜率不具有显著差异，但是总体上Wald检验值为215.5，P值为0.0005，显著拒绝斜率相等假设，说明模型应该采用分位数估计，以反映每个斜率在不同分位点上的不同值。进一步采用斜率对称性检验也得出Wald检验值为111.45，P值为0.008，认为斜率不具有对称性。表3中的估计结果表明，在各个分位数上，产业集聚区内的企业所选择的初始规模都显著大于集聚区外的。这表明产业集聚在形成规模经济性的同时，也提高了对企业进入所要求的最小有效规模。新进入企业为了获得竞争力，倾向于选一个较高的初始规模，以达到或接近集聚区所要求的最小有效规模水平，从而提高企业进入后的生存率。相应地，产业集聚区外的企业虽然不能享有产业集聚区带来的便利性和经济性，但是面临的竞争压力也相对较小，企业无需选择一个较大的初始规模也能成功进入。企业密度对初始规模的影响产生分化。在0.5分位数以下，企业密度负向显著影响初始规模，而在0.5分位数以上的影响不显著。按照产业动态理论，选择较高初始规模的企业意味着其自身能力较强，能够抗衡企业密度高可能带来的挤出效应，争取进入主流市场以获得生存空间。对于能力相对较弱的企业，随着企业密度的提高，它们反而降低初始规模，以进入产业当中存在的利基市场获得生存机会。从人均固定资产投资看，除了0.9分位数外，随着分位数上升，人均固定资产投资对企业初始规模的影响显著增大。制造业劳动力投入呈现出与企业密度相类似的特征，在0.25~0.75分位数之间，随着制造业职工数占比的上升，显著负向影响企业初始规模。人均工资和人均GDP对企业初始规模的影响不显著。
表3 产业集聚对企业初始规模影响的分位数估计结果

Tab.3 The quantile estimation results of the effect of industrial clusters on the firm start-up size

变量名称 符号表示 Model1 Model2 Model3 Model4 Model5 Model6
OLS QR_10 QR_25 QR_50 QR_75 QR_90
产业集聚 cluster 0.178*** 0.158*** 0.191*** 0.182*** 0.190*** 0.179**
（0.033） （0.053） （0.039） （0.041） （0.047） （0.070）
企业密度 firmden -2.064*** -4.744*** -3.495*** -1.980** -0.182 -1.809
（0.772） （1.248） （0.919） （0.950） （1.109） （1.650）
人均固定资产投资 ifapc 0.005*** 0.003 0.004** 0.006*** 0.008*** 0.003
（0.002） （0.003） （0.002） （0.002） （0.002） （0.003）
劳动力投入 labor -0.374*** -0.320 -0.262* -0.416*** -0.573*** -0.241
（0.124） （0.200） （0.147） （0.152） （0.178） （0.264）
人均工资 salary -0.113 -0.124 -0.221** -0.131 -0.029 0.042
（0.075） （0.121） （0.089） （0.092） （0.107） （0.160）
人均GDP gdp 0.015 0.335 -0.109 0.050 -0.039 -0.135
（0.184） （0.298） （0.219） （0.227） （0.265） （0.394）
常数项 C 5.727*** 2.038 7.407*** 5.535** 5.931** 6.982*
（1.785） （2.888） （2.126） （2.198） （2.566） （3.818）
城市 city yes yes yes yes yes yes
年份 year yes yes yes yes yes yes
拟合优度 R2/伪R2 0.124 0.103 0.092 0.077 0.060 0.070
样本量 N 3 216 3 216 3 216 3 216 3 216 3 216

注：括号中的为标准误，*p<0.1，**p<0.05，***p<0.01。

根据得到的企业和产业集聚区地址信息，我们利用电子地图，测量了在产业集聚区外的企业距离生产同类产品的产业集聚区中心位置的距离，表示为distanceit，从而以具体地理距离数值替代 c l u s t e r i t虚拟变量来研究产业集聚对企业初始规模的影响。图4呈现了企业与产业集聚区地理距离的频数分布。从中可以看出，有10.06%的企业与产业集聚区的距离在4.5 km以内，有50.6%的企业在12 km以内，有75.09%的企业在19 km以内，有90%的企业在33.1 km以内。由此可见，多数企业虽然没有选址在产业集聚区内，但是与产业集聚区的距离不远，分布在产业集聚区周边30 km以内的区域。
图4 企业距离产业集聚区中心位置的地理距离频数图

Fig.4 The frequency diagram of the distances from the center of the industrial cluster area to firm location

将式（3）中的 c l u s t e r i t虚拟变量替换为企业与产业集聚区中心位置的距离distanceit取对数值，其他变量取值不变。经检验，模型总体上拒绝斜率相等假设和斜率对称性假设，应当使用分位数估计方法，所得结果见表4。其中变量distanceit与变量 c l u s t e r i t对企业初始规模的影响正好相反，在各分位数上，企业与产业集聚区的距离与企业初始规模呈显著的负相关关系。这两个结果表明进入产业集聚区内的企业倾向于选择一个较大的初始规模。而随着企业距离产业集聚区越远，企业初始规模也越小。究其原因，本文认为除了产业集聚会加剧企业间的竞争，要求集聚区内的企业提高初始规模外，产业集聚区作为一个强大的集群环境，为新创企业开发并更快地商业化新技术提供便利渠道，增加企业学习、创新和创业的机会，允许新创企业利用当地资源更快速地扩张新业务。这就决定了产业集聚区内的企业选择较高初始规模的必要性和必然性。而这种知识溢出效应随着企业与产业集聚区的空间距离拉大而递减。这一方面削弱了产业集聚区外企业资源的易得性，另一方面竞争压力的减弱使得企业即使选择一个较小的初始规模也能成功进入。此外，虽然将式（3）中的 c l u s t e r i t变量替换为distanceit变量，但是其他变量对企业初始规模的影响不变。
表4 企业地理距离对企业初始规模影响的分位数估计结果

Tab.4 The quantile estimation results of the effect of geographical distance on the firm start-up size

变量名称 符号表示 Model1 Model2 Model3 Model4 Model5 Model6
OLS QR_10 QR_25 QR_50 QR_75 QR_90
企业与产业集聚区距离 distance -0.054*** -0.034* -0.052*** -0.047*** -0.058*** -0.068***
（0.012） （0.019） （0.015） （0.016） （0.019） （0.026）
企业密度 firmden -2.118*** -4.646*** -3.633*** -1.915** -0.273 -1.796
（0.773） （1.200） （0.921） （0.976） （1.159） （1.634）
人均固定
资产投资		 ifapc 0.005*** 0.003 0.005** 0.006*** 0.007*** 0.003
（0.002） （0.002） （0.002） （0.002） （0.002） （0.003）
劳动力投入 labor -0.374*** -0.315 -0.303** -0.423*** -0.543*** -0.213
（0.124） （0.192） （0.148） （0.156） （0.186） （0.262）
人均工资 salary -0.116 -0.152 -0.229** -0.145 -0.034 -0.028
（0.075） （0.116） （0.089） （0.094） （0.112） （0.158）
人均GDP gdp 0.0137 0.458 -0.047 0.024 -0.055 -0.093
（0.184） （0.286） （0.220） （0.233） （0.277） （0.390）
常数项 C 5.925*** 1.122 7.036*** 6.037*** 6.300** 7.325*
（1.789） （2.779） （2.133） （2.259） （2.685） （3.783）
城市 city yes yes yes yes yes yes
年份 year yes yes yes yes yes yes
拟合优度 R2/伪R2 0.121 0.100 0.090 0.076 0.059 0.071
样本量 N 3 216 3 216 3 216 3 216 3 216 3 216

注：括号中的为标准误，*p<0.1，**p<0.05，***p<0.01。

4 产业集聚、企业初始规模与持续生存

按照产业动态研究观点，企业进入的主要作用是在产业当中获得一个支点，从而学习并发现企业所依赖的商业点子是否有效。这一过程的基础是新创企业期望的调整和初始规模的选择。以上分析已经表明在产业集聚区内的企业倾向选择一个较高的初始规模，并且随着企业与集聚区距离的增大，企业初始规模逐渐减小。已有研究表明企业的初始规模反映了企业吸引、利用资源的能力，这将在企业进入后决定其生存可能性[23-24]。本文在分析企业进入时产业集聚对初始规模影响的基础上，将研究进一步延伸到企业进入后的生存状态，探讨产业集聚、企业初始规模选择如何影响企业持续生存。

4.1 企业生存的KM估计

乘积限（Kaplan-Meier，KM）估计方法不需要依赖任何假设，估计出生存函数，描述观测个体生存时间分布特征。基于该方法，本文以企业是否在产业集聚区内作为分层变量，估计辽宁中小企业的生存函数见表5。从1997—2016年的20年时间里，共有3 216个企业进入观测，其中有310个企业发生退出事件。退出企业数量相对较少。从企业所处地理区位来看，在产业集聚区内的企业生存率明显高于产业集聚区外的。产业集聚区外的退出企业共有166个，其中从第3期到第14期的退出企业数量较多，企业生存率在第12期下降到90%以下，在第20期下降到80%以下。相对地，产业集聚区内的退出企业共有144个，其中从第5期到第12期的退出企业数量较多，企业生存率在第15期下降到90%以下。到观测期结束，产业集聚区外的企业生存率为78.4%，集聚区内的企业生存率为87.03%。
表5 辽宁中小企业生存函数的KM估计

Tab.5 The KM estimation of firm survival functions in Liaoning

产业集聚区外的企业 产业集聚区内的企业
时期 起始总数量 退出企业数 净删失数 生存函数 时期 起始总数量 退出企业数 净删失数 生存函数
1 1 418 2 7 0.999 1 1 798 2 6 0.999
2 1 409 2 24 0.997 2 1 790 1 13 0.998
3 1 383 9 32 0.991 3 1 776 5 25 0.996
4 1 342 10 24 0.983 4 1 746 6 28 0.992
5 1 308 12 21 0.974 5 1 712 11 38 0.986
6 1 275 13 21 0.964 6 1 663 13 56 0.978
7 1 241 13 28 0.954 7 1 594 19 70 0.966
8 1 200 14 24 0.943 8 1 505 14 87 0.957
9 1 162 12 86 0.933 9 1 404 14 96 0.948
10 1 064 18 80 0.918 10 1 294 16 127 0.936
11 966 14 119 0.904 11 1 151 12 148 0.926
12 833 11 123 0.892 12 991 10 148 0.917
13 699 11 143 0.878 13 833 6 149 0.910
14 545 15 129 0.854 14 678 4 161 0.905
15 401 3 83 0.848 15 513 7 116 0.893
16 315 3 79 0.840 16 390 1 105 0.890
17 233 1 72 0.836 17 284 0 95 0.890
18 160 0 64 0.836 18 189 1 73 0.886
19 96 1 57 0.827 19 115 2 70 0.870
20 38 2 36 0.784 20 43 0 43 0.870
企业生存的KM估计图直观地反映出产业集聚区内的企业生存率高于集聚区外的，并且这种差异随着观测时间的增长而变大。具体来看，在观测前3个时期，产业集聚区内、外企业生存率的差异并不明显，随后逐渐分开，直至第14期后，企业间的生存率差异进一步扩大。另外，对基于变量 c l u s t e r i t分层，利用KM估计求得的生存函数进行对数秩检验，得出卡方统计量值为10.33，P值为0.0013，显著拒绝原假设，即产业集聚区内外的企业生存函数存在着显著差异。
图5 企业生存KM估计图

Fig.5 The KM estimation graph of firm survival

4.2 企业生存模型设定与变量选取

本文使用Cox风险模型对辽宁中小企业生存进行研究。该方法可以同时考虑企业退出风险随时间的演化及其决定因素[25]，而传统的横截面分析方法如Logit和Probit仅能检验在观测期内事件发生的无条件平均可能性。此外，Cox生存分析方法更适用于解决具有右删失问题的数据，能最大限度地利用数据信息。设定基础模型为：
h t , X = h 0 t e x p ∑ i = 1 p β i X i
根据研究设计，式（4）中的协变量 X i分别表示三类变量：①企业初始规模变量。现有研究已经指出企业进入时的初始规模决定着企业进入后的成长、生存和绩效表现。本文着重讨论企业初始规模对生存的影响，用size来表示。②产业集聚变量。在式（4）中使用三类指标来分析企业和产业集聚区的地理空间关系如何影响企业生存。一是cluster变量，区分出企业是否位于产业集聚区；二是distance变量，将企业与产业集聚区的地理位置关系数量化；三是range变量，根据企业与产业集聚区距离，划分出企业在产业集聚区内、企业距离产业集聚区0~10 km范围内、企业距离产业集聚区10~50 km范围内以及企业距离产业集聚区50 km以上，这四种不同空间范围的虚拟变量。③创新补贴变量。中小企业是市场经济活动的重要组成部分。我国政府深入实施创新驱动发展战略，推进“大众创业、万众创新”，出台一系列补贴措施扶持中小企业创新发展。相关研究也指出政府的创新补贴在中小企业持续生存中起着关键作用。为此，本文从万得中国企业库的“科技型中小企业技术创新基金企业名单”，以及“科技型中小企业技术创新基金”网站“项目公告栏”中收集了辽宁省获得“科技型中小企业技术创新基金”立项的企业名称、资助金额等信息。以此作为基础与样本企业进行匹配。最终得出在研究期内受到创新基金立项的企业共252个，共获得资助18 852万元。本文以企业获得资助金额的对数值作为补贴变量，用fund表示。

4.3 计量分析结果

以企业退出作为风险事件，使用Cox风险模型进行估计所得结果见表6。结果表明，位于产业集聚区内的企业退出风险要显著低于产业集聚区外的。这说明虽然新成立的中小企业面临着资源缺乏、成本劣势等问题，但是产业集聚产生的集群效应，为企业提供充足的劳动力供应、专业化技能和更多的政府扶持。产业集聚催生的市场需求提高了企业销售增长的可能性并降低了交易成本。企业间的分工合作也增加了知识流动，促进了新企业成立和成长。因此，辽宁省的产业集聚降低了企业退出风险。从企业与产业集聚区的距离来看，它们之间距离的提高增加了企业退出风险。从企业距离产业集聚区的地理范围看，随着企业的地理位置远离产业集聚区，企业退出的风险显著提高。这两个结果表明，产业集聚对企业生存的影响会随着企业与产业集聚区地理空间位置的变化而变化。企业与产业集聚区距离的拉大，降低了产业集聚正外部性的辐射力，企业的退出风险逐渐增大。对于初始规模来说，企业在进入时选择一个较高的初始规模也有助于降低企业退出风险。这是因为规模较小的新企业会遇到更大的融资困难，并且在培训员工、理顺组织角色、适应新环境等方面也投入巨大，从而面临着更高的退出风险。相反，如果企业选择较高的初始规模进入，它所面对的成本劣势更低，生存的可能性也提高了。此外，受到“科技型中小企业技术创新基金”资助的企业退出风险显著降低。这说明政府专项创新基金起到了培育中小创新型企业的政策效果，帮助了企业技术创新和成果转化，推动了企业产业化扩张，有利于企业持续生存。本研究使用Logit和Probit方法估计该模型，所得结果仍是稳健的。
表6 辽宁中小企业生存估计结果

Tab.6 The estimation results of SMEs’survival in Liaoning

变量名称 符号表示 Model1 Model2 Model3
创新资助 fund -0.048*** -0.047*** -0.048***
（0.017） （0.017） （0.017）
初始规模 size -0.280*** -0.285*** -0.291***
（0.062） （0.062） （0.062）
产业集聚 cluster -0.241**
（0.114）
企业与产业集聚区距离 distance 0.103**
（0.041）
（0，10]km范围 range_1 0.033
（0.162）
（10，50]km范围 range_2 0.304**
（0.129）
（50，∞）km范围 range_3 0.850***
（0.327）
样本量 N 3 216 3 216 3 216

注：括号中的为标准误，*p<0.1，**p<0.05，***p<0.01。

5 结论

随着我国经济步入新常态发展阶段，东北老工业基地体制机制僵化、发展动力不足的问题日渐凸显。经济发展需要转变依靠国有大型企业的旧模式，通过激发中小企业的活力，为经济注入新动力，从而实现大型企业与中小企业的合理布局，发挥产业集聚效应，形成特色产业集群，凝聚产业核心竞争力。然而，现有研究关注的焦点主要集中在讨论产业集聚带来的正负效应上，而没有深入剖析其中的微观作用机制。有研究指出如果产业集聚的基本理论前提是所有的企业以同样的方式受到集聚的影响，那么这从根本上是错误的[19]。企业是结构异质性的实体[26]，不同企业在规模、年龄、组织结构和核心能力等方面存在着差异。因此，产业集聚研究问题应当转变为什么类型的企业在怎样的条件下能够从产业集聚中受益。
产业动态与经济地理的交叉研究为打开产业集聚影响机制“黑箱”提供了一个可行的突破口。本文在梳理相关研究的基础上，选取企业进入和退出两个关键时点，并以辽宁省中小企业作为研究对象，通过对产业集聚区和企业地址的精确定位，构建起反映产业地理空间布局的状态变量和距离变量。在考虑企业异质性的前提下，采用分位数估计方法和生存事件史研究方法分析了产业集聚与企业初始规模、生存持续性之间的关系。研究得出以下三点结论：
第一，辽宁产业集聚区与企业区位的空间分布高度重合，多数中小企业分布在产业集聚区及周边区域，沈阳、大连仍是产业核心集聚区，并且显现集聚的辐射作用，带动周边城市产业集聚程度的提高。这说明核心城市仍是资源、人才的集中地，形成了较为成熟的产业链，有助于产业集聚区的形成和中小企业的建立。此外，辽宁省核心城市的辐射带动作用较强，展现出梯度分工的产业布局特点。第二，在企业进入时点上，产业集聚对企业初始规模选择产生显著影响。这表现在一方面在产业集聚区中的企业初始规模明显大于在产业集聚区外的；另一方面距离产业集聚区越远的企业初始规模也越小。这些结论反映出辽宁省产业集聚的正效应较强，在吸引企业进入的同时，也能为企业提供足够的资源，使企业选择一个较大的初始规模，以提高进入的成功率。而其他宏观经济指标如企业密度、劳动力投入和人均工资都表现出负向影响企业初始规模。这说明在辽宁产业当中也存在着利基市场，使得能力较弱、劳动力供应不足的企业以次优规模进入，避开产业集聚产生的竞争压力，在利基市场中获得生存空间。然而固定资产投资的提高是有助于企业以较大初始规模进入的。第三，在企业退出时点上，产业集聚能够显著降低企业的退出风险，并且距离产业集聚区越近，企业的退出风险越低。该结论体现出辽宁企业抱团取暖、合作共赢是应对产业转型期风险、提高整体竞争实力的可行路径。产业集聚不是简单的企业扎堆，而是企业间优势互补、分工协作，由此实现产业结构的合理化和高级化，推动老工业基地高质量发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Capasso M, Stam E, Cefis E. Industrial dynamics and economicgeography[J]. Regional Studies, 2015, 49(1):5-9.

[2]
Van Wissen L. A spatial interpretation of the density dependencemodel in industrial demography[J]. Small Business Economics, 2004, 22(3-4):253-264.

[3]
Audretsch D B. Innovation and industry evolution[M]. Cam-bridge:MITPress, 1995.

[4]
Rigby D L, Brown W M. Who benefits from agglomeration?[J]. Regional Studies, 2015, 49(1):28-43.

[5]
Glaeser E L, Kallal H D, Scheinkman J A, et al. Growth in cities[J]. Journal of Political Economy, 1992, 100(6):1 126-1 152.

[6]
Henderson V, Kuncoro A, Turner M. Industrial development incities[J]. Journal of Political Economy, 1995, 103(5):1 067-1 090.

[7]
Figueiredo O, Guimaraes P, Woodward D. Home-field advan-tage:location decisions of Portuguese entrepreneurs[J]. Journal of Urban Economics, 2002, 52(2):341-361.

[8]
Carod J M A, Antolín M C M. Firm size and geographical ag-gregation:an empirical appraisal in industrial location[J]. Small Business Economics, 2004, 22(3-4):299-312.

[9]
Klepper S. Spinoffs:A review and synthesis[J]. European Man-agement Review, 2009, 6(3):159-171.

[10]
Audretsch D B, Houweling P, Thurik A R. Firm survival in theNetherlands[J]. Review of industrial organization, 2000, 16(1):1-11.

[11]
Wennberg K, Lindqvist G. The effect of clusters on the surviv-al and performance of new firms[J]. Small Business Economics, 2010, 34(3):221-241.

[12]
Pe'er A, Keil T. Are all startups affected similarly by clusters?Agglomeration,competition,firm heterogeneity,and survival[J]. Journal of Business Venturing, 2013, 28(3):354-372.

[13]
Litzel N. Does embeddedness in clusters enhance firm survivaland growth?An establishment-level analysis using CORIS data[J]. Regional Studies, 2017, 51(4):563-574.

[14]
蒋灵多. 集聚会降低企业失败风险吗?——来自中国微观企业的证据[J]. 产业经济研究, 2016(5):1-12.

[15]
Boschma R A, Wenting R. The spatial evolution of the Britishautomobile industry:Does location matter?[J]. Industrial and Corporate Change, 2007, 16(2):213-238.

[16]
Buenstorf G, Klepper S. Heritage and agglomeration:theAk-rontyre cluster revisited[J]. The Economic Journal, 2009, 119(537):705-733.

[17]
Buenstorf G, Guenther C. No place like home?Relocation,ca-pabilities,and firm survival in the German machine tool industry after World War II[J]. Industrial and Corporate Change, 2010, 20(1):1-28.

[18]
Folta T B, Cooper A C, Baik Y. Geographic cluster size andfirm performance[J]. Journal of business venturing, 2006, 21(2):217-242.

[19]
Frenken K, Cefis E, Stam E. Industrial dynamics and clusters:a survey[J]. Regional Studies, 2015, 49(1):10-27.

[20]
夏茂林. 辽宁振兴发展研究[J]. 理论界, 2016(2):65-71.

[21]
Meeus M T H, Oerlemans L A G, Hage J. Patterns of interac-tive learning in a high-tech region[J]. Organization Studies, 2001, 22(1):145-172.

[22]
Daskalopoulou I, Liargovas P. Regional determinants of manu-facturing start-ups in Greece:evidence on the effect of agglomeration economies[J]. Applied Economics Letters, 2010, 17(18):1 841-1 844.

[23]
Görg H, Strobl E, Ruane F. Determinants of firm start-up size:an application of quantile regression for Ireland[J]. Small Business Economics, 2000, 14(3):211-222.

[24]
Agarwal R, Audretsch D B. Does entry size matter?The im-wpact of the life cycle and technology on firm survival[J]. The Journal of Industrial Economics, 2001, 49(1):21-43.

[25]
Esteve-Pérez S, Mañez-Castillejo J A. The resource-based the-ory of the firm and firm survival[J]. Small Business Economics, 2008, 30(3):231-249.

[26]
Federico J S, Capelleras J L. The heterogeneous dynamics be-tween growth and profits:the case of young firms[J]. Small Business Economics, 2015, 44(2):231-253.

Options
文章导航

/

〈 〉