其中, Eij是行业i在城市j的就业人数, Ej是城市j所有行业i加总的总就业人数。该指标取值范围在0和1之间, 数值越大, 表明城市j的多样化程度越高, 根据雅各布斯外部性观点, 其多样化外部性越大。
除了上述变量外, 我们还控制了个体特征变量。具体来讲, 与现有文献一致, 包括个人的年龄 (Age) , 用年来衡量, 等于样本年份减去出生年份;个人的教育水平 (Education) 用六个等级来衡量, 并分别赋值 (0=初中及以下, 1=高中, 2=大专学历, 3=本科, 4=硕士, 5=博士) ;性别 (Gender) 为虚拟变量 (1=男性, 0=女性) ;婚姻状况 (Married) 为虚拟变量, 单身为0, 否则为1;子女状况 (Children) 用子女个数来衡量;民族状况 (Race) 为虚拟变量, 汉族为1, 否则为0;户口状况 (Hukou) 也为虚拟变量, 城市户口为1, 否则为0;工作经验 (Workyear) 用年来衡量, 等于样本年份减去从事该职业的开始年份;个人社会资本 (Network) 用春节期间联系问候的人数来衡量;家庭经济情况 (Householdincome) 根据问卷内容设计分为五个等级, 并分别赋值 (1=非常不满意, 2=不满意, 3=一般, 4=满意, 5=非常满意) 。
就城市特征变量而言, 除了前面的专业化外部性和多样化外部性指标以外, 参照现有文献的做法 (Glaeser&Kerr, 2009;Ghani et al., 2013) , 我们控制了用于反映本地消费市场规模的城市人口数 (Pop) , 城市经济发展水平的人均GDP (GDPper) , 以及用城市大专以上学历人数占总人口的比重来衡量的城市人力资本水平 (HC) 。为了控制行业和地区的固定效应, 分别引入了行业和省份的虚拟变量。主要变量的统计性描述如表1所示。
表1 统计性描述
四、实证模型与分析
(一) 实证模型
由于创业是一个二元选择变量, 我们使用probit回归模型来检验城市集聚经济对创业的影响:
其中, 下标j表示城市。Entrepreneur为创业虚拟变量, Individual_Char和City_Char分别代表个体特征和城市特征的两组控制变量, Externalities包括城市的专业化外部性和多样化外部性。
考虑到城市集聚经济 (专业化外部性和多样化外部性) 存在内生性问题, 除了在回归模型中引入行业和省份固定效应, 用以控制未观测到的行业和地区特征外, 我们还采用工具变量的方法进行回归分析。对于工具变量的选取, 一个最常见的做法就是用滞后的集聚经济作为其自身的工具变量。具体来讲, 考虑到数据的可获得性和统计口径的一致性, 我们分别采用1990年第四次《中国人口普查分县资料》中城市—行业就业数据计算出来的多样化指标和2003年城市—行业就业人数对数的专业化指标作为工具变量。 (1) 另一种常见的做法是采用份额转移法 (shift-share) 来构建集聚经济的工具变量 (Ottaviano&Peri, 2005;Kemeny&Storper, 2015) 。具体来讲, 一个地区某一行业在时间t的预测就业人数是由该行业在基期t0的就业人数和全国该行业从t0到t期间的就业增长来决定。就本文而言, 2008年预测的行业i在城市j的就业人数 (E︿ijt) 可以通过2003年基期的行业i在城市j的就业人数 (Eijt0) 和t到t0期间全国行业i的就业增长计算得出, 具体计算公式如下: (2)
其中, Ei是行业i在全国的就业人数。将这一计算结果带回到前面的专业化外部性和多样化外部性指标中, 就可以计算出2008年预测的城市专业化外部性和多样化外部性, 作为第二组工具变量。
(二) 回归结果
回归结果如表2所示。其中, 模型 (1) 是个人层面的probit回归结果, 模型 (2) 和 (3) 是分别引入多样化外部性、专业化外部性及城市特征变量的probit回归结果, 模型 (4) 为同时包含多样化外部和专业化外部性的整体回归, 模型 (5) 为工具变量的IV-probit回归结果。
所有的估计方法都显示, 多样化外部性的系数显著为正, 意味着城市多样化外部性与个人创业决策之间存在显著的正相关关系。相比之下, 专业化外部性的系数并不显著, 表明城市专业化外部性对个人创业选择没有产生积极的促进作用。结合前面的理论分析不难看出, 不同行业在一个城市的集聚有助于初创企业进入各种不同细分差异化的消费需求市场, 增加了创业机会, 也有助于初创企业获得不同专业背景的劳动力, 享用低廉的公用基础设施, 降低创业的进入门槛和成本。与此同时, 不同行业带有不同想法的人在城市的集聚, 使得跨行业的知识溢出成为可能, 从而有助于催生新的知识和新的创业想法。上述实证结果验证了雅各布斯多样化外部性的观点, 也与Chinitz (1961) 对匹兹堡和雅各布斯 (1969) 对纽约创业的案例分析的结论一致。
表2 回归结果
表2 回归结果
注:括号中为城市层面聚类 (cluster) 的稳健性标准误;*、**、***分别表示在10%、5%、1%的水平上显著。以下各表同。
(三) 稳健性检验
除了表2采用不同估计方法来进行稳健性分析外, 我们还主要从以下几个方面进一步讨论估计结果的稳健性。
首先, 考虑到外地户口与本地户口之间的差异, 我们进一步地将总体样本缩小至持有本地户口的子样本, 这在一定程度上也能减弱个体自选择效应对回归结果的影响 (Di Addario&Potacchini, 2008) 。基于这一样本的回归结果如表3模型 (1) 所示。与表2整体回归结果相比, 多样化外部性的系数要比表2模型 (5) 中的系数大, 意味着本地户口居民由于更熟悉当地环境、社会关系网络更丰富, 因而多样化外部性的个人创业效应更明显。事实上, Muller&Morgan (1962) 对美国的研究也发现, 本地居民更容易获得资金信贷供给, 对当地信息文化更了解, 更便于利用个人社交网络来接近消费者和供应商、获取市场信息和招募员工等, 从而有利于其创业。
其次, 从企业成长发展和创业动机的角度来讲, Schoar (2010) 认为存在着两种截然不同类型的创业:一种是仅仅为自己或其家族成员提供就业机会的生存型创业 (subsistence entrepreneurship) , 这种创业的规模较小, 很难成长为中型甚至大型企业;另一种是创办的企业能够成长为规模相对较大的企业, 为他人创造更多工作岗位和收入的机会型创业 (transformational entrepreneurship) , 这种创业的成长性较好。 (1) 有鉴于此, 参照Glaeser&Kerr (2009) 的做法, 我们从企业规模的角度, 将个人所在工作单位的员工人数不超过20人的小企业作为生存型创业的子样本, 员工人数大于20人的企业作为机会型创业的子样本。对这两个子样本的回归结果, 如表3模型 (2) 和 (3) 所示。
表3 稳健性检验
注:控制变量与表2一致。以下各表同。由于机会型创业的最大似然估计无法获得收敛, 因而采用twostep估计。
就生存型创业而言, 回归结果显示, 城市多样化外部性系数显著为正, 专业化外部性系数也显著为正, 表明生存型的小规模创业企业不仅受益于城市多样化外部性也受益于城市专业化外部性。一方面, 这一结果在一定程度上印证了Duranton&Puga (2001) 从产品生命周期角度所提出来的孵化型城市 (nursery cities) 的理论观点。该理论认为, 新想法、新产品和创新通常发生在产业结构多样化的城市。因此, 多样化的城市通常是初创企业和小规模企业的孵化地。另一方面, 也与前面关于专业化集聚经济与创业的理论分析假说相一致。同一行业厂商的集聚能够带来专业化劳动力市场共享、形成专业化分工生产体系、行业内知识溢出, 有助于新企业的产生。
相比之下, 对于规模较大的机会型创业而言, 多样化外部性系数依然显著为正, 而专业化外部性系数变得不显著, 表明机会型的创业者更受益于城市的多样化外部性, 多样化外部性对创业企业成长发展的影响更为持久。这一结果证明了理论假说3。前已提及, 在我国的专业化集聚地里, 存在过度依赖专业市场的风险。一旦出现市场萎缩, 就会导致企业倒闭, 专业化集聚就开始萎缩衰退。而且, 我国专业化产业集聚区大多建立在血缘、亲缘、地缘、业缘等社会关系的基础上, 相对较为封闭, 不利于外部新生力量的加盟, 制约外部新知识新技术溢出效应的发挥和创新能力提升, 从而使其竞争优势具有不可持续性, 这无疑也限制了专业化外部性对创业企业成长影响的可持续性, 导致“企业长不大”。
五、进一步的拓展分析
在关于创业论题的研究中, 有两个异质性现象值得关注:一个是创业者性别差异, 另一个是产业差异。就前者而言, 心理学研究指出, 不同性别的企业家在风险偏好、认知模式、价值观念等方面存在着显著差异。有关创业的现有研究也发现, 男性和女性在创业行为上存在着显著差异:相对于女性创业者而言, 男性创业者在创业之前有更多的管理工作经历, 接受过更多的理工技术方面的教育。由此引出的问题是, 城市集聚经济对创业的影响是否会因性别而异?换句话说, 城市集聚经济对男性创业的影响与对女性创业的影响是否一样?
针对上述问题, 我们将总体样本按照性别进行划分, 对这两个子样本的回归结果, 如表4模型 (1) — (2) 所示。无论是男性还是女性, 城市专业化外部性的创业效应均不显著。相比之下, 城市多样化外部性对男性创业选择起到了积极的促进作用, 但对女性创业选择的作用则不显著。事实上, 从社会关系网络的角度来看, 男性与女性在社会交往中也表现出不同的行为特征, 男性的社交活动参与程度要高于女性, 所积累的人脉关系网络也广, 使得男性企业家从社会关系网络中更容易获取相对多的资源与帮助 (胡荣和胡康, 2007) , 拓宽其获取外部信息资源的渠道与途径。而多样化外部性的产生恰恰来自于广泛的互动 (Rosenthal&Strange, 2012) , 因此, 拥有丰富社交网络关系的男性比女性更易于从城市多样化外部性的创业效应中受益。
表4 创业的异质性分析
除了创业者性别差异外, 制造业与服务业的创业活动也存在着较大差异 (Parker, 2009) 。由此引出的问题是, 城市集聚经济对创业的影响是否会因行业而异?
针对上述问题, 我们将总体样本缩小至服务业子样本, (1) 回归的结果如表4模型 (3) 所示。不难看出, 城市专业化外部性对服务业的创业选择影响依然不明显。相比之下, 城市多样化外部性对服务业的创业起到了显著的促进作用, 并且系数明显大于整体样本。这一结论与Combes (2000) 对法国城市经济结构与产业增长研究所得出的结果相吻合, 该研究发现多样化对服务业就业增长起到了显著的促进作用。其背后可能的原因在于, 服务业无论是在投入还是产出方面都更加多元化, 并非仅仅局限于某一行业或者某一特定消费群体 (Combes, 2000) , 这一特性无疑使得服务业创业活动更易于从城市多样化外部性中受益。
六、作用机制分析
上述实证研究表明, 城市多样化外部性对创业产生显著的促进作用, 本部分将进一步对其作用机制展开实证研究。具体来讲, 结合前面的理论分析框架, 我们将从行业间劳动力共享、上下游关联和行业间技术溢出三个层面切入, 检验这三个影响机制在中国发生作用的情况。
(一) 行业间劳动力共享机制
为了对行业间劳动力共享机制进行检验, 参照Jofre-Monseny et al. (2011) 的做法, 我们从各个行业内不同职业的就业分布入手, 构建一个行业间劳动力相似指数:
其中, o代表职业, i和j代表行业, L代表就业人员数。该指标衡量行业i按职业分布的劳动力与行业j的相似度。该指标处于0到1之间, 取值越大, 表明两个行业间的劳动力越相似, 反之越小。在此基础上, 对每一个行业i, 计算出其他所有行业对其的劳动力相似指数之和∑jn=1laborsimilarij, 并用每一对行业i和行业j的相似指数laborsimilarij除以该相似指数之和, 得到每一对行业i和行业j的劳动力相似指数权重:
其中, n代表行业个数。
基于行业i的劳动力相似指数权重, 可以得到城市c里与行业i使用相似劳动力的其他行业加权的就业人数, 也就是行业间劳动力共享指标:
其中, Lcj是行业j在城市c的就业人数。这一指标的数据来源于2005年全国人口普查微观数据。该数据包含了每个城市每个行业内各个职业的就业人数。 (1)
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jingjilunwen/215.html
