全要素生產(chǎn)率如何影響我國制造業(yè)企業(yè)的區(qū)位選址決策

全要素生產(chǎn)率如何影響我國制造業(yè)企業(yè)的區(qū)位選址決策

逯宇鐸，戴美虹，劉海洋

(大連理工大學(xué)管理與經(jīng)濟(jì)學(xué)部,經(jīng)濟(jì)學(xué)院，遼寧大連116024)

摘要：新經(jīng)濟(jì)地理理論以及新近發(fā)展的“‘新’新經(jīng)濟(jì)地理理論”認(rèn)為，高生產(chǎn)率企業(yè)通過集聚效應(yīng)和選擇效應(yīng)存在于規(guī)模較大的市場，本文在后者理論框架下考察中國企業(yè)區(qū)位選址這一被忽視的問題。運用中國1999～2007年297個地級及以上城市100多萬家企業(yè)的微觀數(shù)據(jù)，采用傾向得分匹配方法克服樣本選擇性偏誤，本文發(fā)現(xiàn)：相比低生產(chǎn)率企業(yè)組，高生產(chǎn)率企業(yè)選址于更大規(guī)模的城市。而且，這種選址傾向在不同區(qū)域和企業(yè)所有制上具有差異表現(xiàn)：相比傳統(tǒng)中、西部地區(qū)，東部地區(qū)高生產(chǎn)率企業(yè)選址于大城市的傾向更為明顯；相比集體企業(yè)，港澳臺、外商及私營企業(yè)的這種傾向性更為顯著，且估計結(jié)果顯示國有企業(yè)選址不受全要素生產(chǎn)率水平的影響。以上發(fā)現(xiàn)為我國制造業(yè)企業(yè)區(qū)位選址決策的制定提供了新的思路。

關(guān)鍵詞：區(qū)位選址決策；傾向得分匹配；企業(yè)

收稿日期：2013-02-13

基金項目：遼寧省社會科學(xué)規(guī)劃

作者簡介：逯宇鐸(1956-)，男，黑龍江齊齊哈爾人，教授，博士生導(dǎo)師，研究方向：國際貿(mào)易、開放經(jīng)濟(jì)、創(chuàng)新管理；戴美虹(1987-)，女，遼寧大連人，博士研究生，研究方向：國際貿(mào)易、異質(zhì)性企業(yè)、新新經(jīng)濟(jì)地理、新新貿(mào)易理論；劉海洋(1978-)，男，山東日照人，副教授，博士，研究方向：新新貿(mào)易理論、新新經(jīng)濟(jì)地理、博弈論。

中圖分類號：F272文章標(biāo)識碼：A

How Does TFP Affect Chinese Manufacturing Firms’Regional

Location Decisions？

LU Yu-duo, DAI Mei-hong, LIU Hai-yang

(SchoolofEconomics,FacultyofManagementandEconomics,DalianUniversityofTechnology,Dalian116024,China)

Abstract:New Economic Geography and New New Economic Geography which is developed recently indicate that firms with higher tfp will select more larger markets through agglomeration effect and selection effect.This paper studies the problem of Chinese firms’regional location based on the latter theory framework. Using more than one million firms’records of Chinese 297 prefecture-level and above cities during 1999～2007 and propensity score matching method to solve the problem of selectivity bias,the results indicate that：comparing to firms with lower tfp,firms with more higher tfp select more larger cities.What’s more,this location decision is different in different regions and firm’s ownership：comparing to traditional central and western regions,the trend of higher tfp firms selecting larger cities is more obvious in eastern region. Comparing to collective firms, this trend of HMT(Hong Kong, Macao and Taiwan)firms,foreign and private firms is more illustrious, and results show that state-owned firms’regional location decision is not affected by tfp.The results above provide a new solution for the policy-making of Chinese manufacturing regional location.

Key words:economic system and analysis; regional location decisions; propensity score matching; firm

0引言

地域選擇對一個人或者一個企業(yè)的發(fā)展都是極為重要的。在人才的發(fā)展中，我們可以看到現(xiàn)實中存在的“寧要北京一張床，不要地方一套房”的選擇傾向，近年來中國大規(guī)模的城市化運動實際上就是人們從鄉(xiāng)村到城鎮(zhèn)，從小城市到大城市的進(jìn)程，對于這一點眾多經(jīng)濟(jì)學(xué)家做了大量分析(陳釗和陸銘、程開明、王雅莉和齊昕、陸銘等)[1～4]。對于企業(yè)經(jīng)營來說，也講究天時地利人和，地域關(guān)系到企業(yè)的進(jìn)貨成本、人才招聘、銷售成本等多個方面，因而地域?qū)ζ髽I(yè)發(fā)展來說可能也是十分重要的。近年來，我們看到三一重工、重慶長安汽車、遠(yuǎn)大空調(diào)等知名企業(yè)的總部紛紛從地方遷址到北京，因而現(xiàn)實中可能也暗中存在一種大規(guī)模的企業(yè)遷移運動。

但非常遺憾的是，企業(yè)的遷址運動很少被注意到，無論是商業(yè)領(lǐng)域還是學(xué)術(shù)領(lǐng)域，對企業(yè)遷址及地域選擇問題的分析并不多見，而且現(xiàn)有的研究從企業(yè)與市場特征(Venables、李新等、劉慶林等)[5～7]、交通運輸(Isard、Moses、Ponts、郝壽義等)[8～11]以及經(jīng)濟(jì)與社會因素(池仁勇、孟韜)[12,13]等角度展開，并沒有針對全要素生產(chǎn)率影響企業(yè)區(qū)位選址分析的直接相關(guān)文獻(xiàn)。

而在理論界，至少有兩個時代的經(jīng)濟(jì)地理理論可以為企業(yè)的選址動機提供解釋。一是以Krugman[14]為代表的新經(jīng)濟(jì)地理理論(New Economic Geography)：Krugman建立了“中心—外圍”模型(CP模型)，研究指出大規(guī)模市場具有集聚效應(yīng)，即企業(yè)和人口最終會集聚在較大的市場周圍，且集聚地區(qū)企業(yè)的生產(chǎn)率水平相對更高；此后，隨著 Fujita和Thisse[15]、Baldwin[16]等人對初始模型的研究和發(fā)展，新經(jīng)濟(jì)地理學(xué)逐漸在主流經(jīng)濟(jì)學(xué)中建立了一個衡量擴散與集聚、離心力與向心力的框架和標(biāo)準(zhǔn)(Neary)[17]，也為現(xiàn)實情況中經(jīng)濟(jì)和人口多集中于北京、倫敦、紐約等大城市的現(xiàn)象提供了合理的解釋。二是以Melitz和Ottaviano[18]為代表的新新經(jīng)濟(jì)地理理論(New New Economic Geography)：Baldwin和Okubo[19]較早指出存在其他效應(yīng)使得高生產(chǎn)率企業(yè)移動到區(qū)域中心而低效率企業(yè)移動到區(qū)域邊緣；Melitz和Ottaviano[18]將壟斷競爭模型和企業(yè)異質(zhì)性融入到新經(jīng)濟(jì)地理模型，指出規(guī)模越大的市場中企業(yè)競爭越為激烈，進(jìn)而能夠在規(guī)模較大市場中存活的企業(yè)生產(chǎn)率門檻較高，因而生產(chǎn)率給企業(yè)選址決策帶來自選擇效應(yīng)。截至目前，國內(nèi)外對新經(jīng)濟(jì)地理理論的研究已經(jīng)較多，但較少出現(xiàn)研究新新經(jīng)濟(jì)地理理論的文獻(xiàn)：從理論發(fā)展脈絡(luò)、研究進(jìn)展角度進(jìn)行相關(guān)文獻(xiàn)梳理的有李福柱[20]，李曉萍和江飛濤[21]，劉海洋等[22]；從實證角度展開討論的有Saito和Gopinath[23]、Okubo等[24]、劉海洋等[25]。

因而，本文在新新經(jīng)濟(jì)地理理論框架下，考察中國企業(yè)區(qū)位選址決策的制定。本文的創(chuàng)新之處可能體現(xiàn)在以下幾個方面：

首先，本文提出并試圖回答一個備受忽視的問題：全要素生產(chǎn)率是否影響到企業(yè)選址決策，是否具有較高生產(chǎn)率水平的企業(yè)才會選址發(fā)展于規(guī)模較大的城市。根據(jù)新新經(jīng)濟(jì)地理理論可以得到的結(jié)論是，具有較高生產(chǎn)率水平的企業(yè)會主動選擇生存于規(guī)模較大的城市，因而現(xiàn)實中可能普遍存在全要素生產(chǎn)率影響企業(yè)區(qū)位選址的問題。

其次，方法上本文運用傾向得分匹配方法(Propensity Score Matching，PSM)來盡力克服樣本選擇性偏誤。現(xiàn)實中存在許多因素影響企業(yè)全要素生產(chǎn)率水平，進(jìn)而影響企業(yè)區(qū)位選址決策，例如企業(yè)規(guī)模、研發(fā)程度、利潤水平等，如果采用最小二乘估計、或面板數(shù)據(jù)固定效應(yīng)等檢驗方法，不能控制樣本選擇性偏誤即剔除這些因素的影響，這意味著即使得到較高生產(chǎn)率企業(yè)選址于較大規(guī)模市場的估計結(jié)果，也不能得到這種結(jié)果是由企業(yè)較高生產(chǎn)率水平帶來的結(jié)論。而傾向得分匹配方法的應(yīng)用能夠很大程度上克服樣本選擇性偏誤問題，且能夠較為準(zhǔn)確地量化估計得到生產(chǎn)率對企業(yè)區(qū)位選址決策影響的方向和程度。

第三，在數(shù)據(jù)方面，我們的新穎之處是運用了中國全部國有和年主營業(yè)務(wù)收入500萬元及以上的非國有工業(yè)法人企業(yè)、從1999～2007長達(dá)9年的數(shù)據(jù)來檢驗本文研究問題。這種細(xì)化的樣本數(shù)據(jù)使得對樣本區(qū)間內(nèi)中國每一個規(guī)模以上制造業(yè)企業(yè)的全要素生產(chǎn)率水平與區(qū)位選址情況的研究成為可能。

1數(shù)據(jù)來源與處理、指標(biāo)選取與度量

1.1數(shù)據(jù)來源與處理

(1)數(shù)據(jù)來源

本文所要研究的，是中國企業(yè)的區(qū)位選擇問題。這對數(shù)據(jù)質(zhì)量提出了較高的要求：一方面我們要得到每一個企業(yè)的經(jīng)營信息，另一方面我們需要得到每個企業(yè)所處區(qū)位信息。為了達(dá)到這一要求，我們將兩個數(shù)據(jù)庫進(jìn)行了關(guān)聯(lián)。第一個數(shù)據(jù)庫是中國工業(yè)企業(yè)數(shù)據(jù)庫，該數(shù)據(jù)庫囊括了中國規(guī)模以上工業(yè)法人企業(yè)的經(jīng)營信息，如成立時間、所在地區(qū)、企業(yè)利潤、固定資產(chǎn)等；第二個數(shù)據(jù)庫來自《中國城市統(tǒng)計年鑒》，該數(shù)據(jù)包含企業(yè)所在城市的城市面積、人口規(guī)模等信息，本文借鑒Campbell和Hopenhayn[26]、Syverson[27]的研究，以企業(yè)所在地級及以上城市的人口數(shù)量作為衡量市場規(guī)模*此處市場規(guī)模即為企業(yè)從事生產(chǎn)經(jīng)營活動所在地級及以上城市的城市規(guī)模,下文同。的基準(zhǔn)。因而，我們將企業(yè)數(shù)據(jù)庫中的區(qū)位代碼，與城市區(qū)位代碼作為關(guān)聯(lián)變量，進(jìn)行一一對應(yīng)*對應(yīng)標(biāo)準(zhǔn)按照國家統(tǒng)計局公布的最新行政區(qū)劃代碼四分位碼進(jìn)行。，得到了中國規(guī)模以上工業(yè)法人企業(yè)經(jīng)營信息以及所在城市特征的綜合數(shù)據(jù)庫。

(2)數(shù)據(jù)處理

對應(yīng)后的數(shù)據(jù)共包含1999～2007年中國工業(yè)企業(yè)的數(shù)據(jù)記錄1750100條*信息統(tǒng)計中本文以企業(yè)所屬年份、單位代碼及四分位區(qū)域代碼為標(biāo)準(zhǔn)，刪除了重復(fù)的企業(yè)樣本記錄。，本文還對樣本區(qū)間內(nèi)歷年樣本數(shù)量及企業(yè)在主要經(jīng)營績效指標(biāo)上的表現(xiàn)進(jìn)行了統(tǒng)計，詳見表1的統(tǒng)計結(jié)果。

表1　1999～2007年對應(yīng)后數(shù)據(jù)庫中國規(guī)模以上工業(yè)法人企業(yè)主要信息統(tǒng)計

注：平均總產(chǎn)值的計算方法為當(dāng)年所有企業(yè)工業(yè)總產(chǎn)值加總與當(dāng)年企業(yè)個數(shù)的比值，其余企業(yè)主要信息的統(tǒng)計方法同理。

經(jīng)表1統(tǒng)計結(jié)果可知，1999～2007年中國工業(yè)企業(yè)共1750100家，測算可知樣本區(qū)間內(nèi)中國工業(yè)企業(yè)每年平均有194456家。隨著中國經(jīng)濟(jì)的發(fā)展，企業(yè)數(shù)量逐年增加，到2007年中國每年規(guī)模以上企業(yè)數(shù)量已經(jīng)達(dá)到298156家。而且歷年企業(yè)的平均總產(chǎn)值、平均工業(yè)增加值以及平均資本總額整體保持上升態(tài)勢，但平均人數(shù)呈現(xiàn)下滑態(tài)勢。

還需要說明的是，為了使得分析結(jié)果更加可靠，我們對中國工業(yè)企業(yè)數(shù)據(jù)庫中的部分錯漏和不完備信息進(jìn)行了處理。具體包括：(1)保留制造業(yè)企業(yè)樣本，即剔除國民經(jīng)濟(jì)行業(yè)分類(GB/T)二分位行業(yè)代碼小于13或大于43的樣本記錄；(2)參照謝千里等[28]的做法，刪除就業(yè)人數(shù)小于8人的企業(yè)樣本；(3)剔除工業(yè)增加值和固定資產(chǎn)總值低于10萬、資產(chǎn)總值低于100萬以及工業(yè)總產(chǎn)值低于500萬的企業(yè)樣本；(4)并剔除固定資產(chǎn)凈值年平均余額小于或等于零的企業(yè)樣本；(5)刪除重復(fù)的企業(yè)樣本。最終獲得企業(yè)樣本記錄1442878筆。

1.2指標(biāo)選取與度量

在對兩個數(shù)據(jù)庫進(jìn)行關(guān)聯(lián)得到綜合數(shù)據(jù)庫后，我們考慮對部分經(jīng)濟(jì)指標(biāo)進(jìn)行計算。由于本文研究的目標(biāo)是，全要素生產(chǎn)率對企業(yè)區(qū)位選址決策是否產(chǎn)生影響，這種影響的方向和程度如何。在傾向得分匹配方法下本文以全要素生產(chǎn)率作為處理變量，以企業(yè)所在的市場規(guī)模為所考察的結(jié)果變量*處理變量、結(jié)果變量的含義本文在第三部分模型設(shè)定中詳細(xì)介紹。?，F(xiàn)實中，許多因素對企業(yè)全要素生產(chǎn)率多寡產(chǎn)生影響，如果不剔除這些因素的作用那么樣本選擇便不具有隨機性，所估計得到的企業(yè)所在城市規(guī)模大小，就不一定是受到了自身全要素生產(chǎn)率的影響，因而我們需要找到影響企業(yè)全要素生產(chǎn)率進(jìn)而影響企業(yè)區(qū)位選址的其它因素，以便采用傾向得分匹配方法控制樣本選擇性偏誤問題，經(jīng)過相關(guān)文獻(xiàn)的查找和整理，本文選取企業(yè)規(guī)模、企業(yè)年齡、利潤水平、研發(fā)水平、人均工資等指標(biāo)，將其作為控制變量。具體每個變量的處理方法如下：

第一，處理變量，全要素生產(chǎn)率(tfp)。關(guān)于全要素的估計，學(xué)術(shù)界有多種方法，先前研究多數(shù)采用簡單的索洛余值方法、隨機前沿方法、數(shù)據(jù)包絡(luò)分析方法等。但這些方法運用到微觀層面時通常會不可避免地遇到兩類問題：同時性偏差(Simultaneity bias)和樣本選擇性偏差(Selectivity Bias)，其中以生產(chǎn)決策的同時性偏差問題最為突出。這是由于在實際生產(chǎn)過程中，企業(yè)決策者可以觀測到一部分企業(yè)效率，并能夠根據(jù)社會供求沖擊信息及時調(diào)整生產(chǎn)要素的投入組合。在這種情況下，隨機擾動會影響企業(yè)要素投入的選擇，即擾動項和解釋變量具有相關(guān)性，從而使估計結(jié)果產(chǎn)生偏差。偏差的典型表現(xiàn)是，勞動項的系數(shù)被高估，資本項的系數(shù)被低估。因而本文采用Levinsohn和Petrin[29]提出的半?yún)?shù)估計方法進(jìn)行估計(簡稱LP方法，下文同)。LP方法以中間品投入對數(shù)(lnmt)取代OP方法中的投資額作為代理變量，來考察企業(yè)面臨意外沖擊時可能做出的生產(chǎn)調(diào)整，生產(chǎn)函數(shù)建立服從根據(jù)柯布—道格拉斯方程：

logνat=β0+α*logkt+β*loglt+γ*logmt+wt+ηt

(1)

上式中除中間品外的其它指標(biāo)選取方面，本文借鑒亓朋等[30]的做法，選擇企業(yè)固定資產(chǎn)凈值年平均余額對數(shù)、從業(yè)人員年平均數(shù)對數(shù)分別作為企業(yè)資產(chǎn)(lnkt)、勞動投入(lnlt)的代理變量；采用LP方法測度企業(yè)全要素生產(chǎn)率時通常選取工業(yè)總產(chǎn)值或工業(yè)增加值衡量企業(yè)產(chǎn)出，本文采用后一種方法即lnνat代表工業(yè)增加值對數(shù)值；wt、ηt均衡量方程隨機誤差，區(qū)別是前者影響企業(yè)生產(chǎn)要素投入決策。此外，LP方法中企業(yè)的中間品投入(lnmt)可以表達(dá)為給定資產(chǎn)存量(lnkt)和誤差項wt下的單調(diào)增函數(shù)，因而誤差項wt可以寫成資產(chǎn)存量和中間品投入的函數(shù)：

wt=wt(logkt,logmt)

(2)

除上述假設(shè)外，LP方法假設(shè)生產(chǎn)率在一階馬爾科夫過程下變化，這一假設(shè)與OP生產(chǎn)率估計法相同，采用公式表達(dá)即為：

wt=E[wt|wt-1]+ξt

(3)

其中，t-1期與t期之間的信息值以ξt衡量，且ξt與資產(chǎn)存量具有不相關(guān)性。采用LP方法根據(jù)以上估計式進(jìn)行估計過后，便可得到公式(1)中變量系數(shù)，進(jìn)而測算得到企業(yè)全要素生產(chǎn)率水平。

第二，結(jié)果變量，市場規(guī)模(marketscale)。依照新新經(jīng)濟(jì)地理理論，低效率的企業(yè)難以經(jīng)受較大規(guī)模市場的激烈競爭，從而市場規(guī)模較大的地區(qū)、企業(yè)生產(chǎn)率水平較高(Melitz和Ottaviano)[18]，最終較高生產(chǎn)率企業(yè)選擇進(jìn)入到較大規(guī)模的市場。因而本文考察的是企業(yè)生產(chǎn)率對區(qū)位選址即所在市場規(guī)模大小的影響，考察結(jié)果變量為市場規(guī)模。如前文所述，本文借鑒Campbell和Hopenhayn[26]、Syverson[27]的研究，以企業(yè)所在城市人口數(shù)量衡量市場規(guī)模(本文研究以地級及以上城市為單位)，為了得到彈性系數(shù)，我們對這一變量數(shù)據(jù)進(jìn)行了對數(shù)處理。

第三，控制變量(協(xié)變量)。由前文可知，本文選取如下影響企業(yè)全要素生產(chǎn)率及區(qū)位選址決策的因素，將其作為其它控制變量進(jìn)行計量檢驗：(1)企業(yè)規(guī)模(size)，規(guī)模經(jīng)濟(jì)給企業(yè)帶來的利弊分析一直是學(xué)術(shù)界討論的熱點話題，較大的企業(yè)規(guī)模能夠減少企業(yè)生產(chǎn)經(jīng)營所需成本，可能對生產(chǎn)率具有促進(jìn)作用，本文借鑒趙偉和趙金亮[31]的研究，選取員工人數(shù)自然對數(shù)值衡量企業(yè)規(guī)模；(2)企業(yè)年齡(age)，經(jīng)營時間較長即年齡較大的企業(yè)具有生產(chǎn)經(jīng)驗豐富的優(yōu)勢，但也有可能因此懈怠從而忽視前沿科技以及先進(jìn)經(jīng)營理念等方面的引進(jìn)和吸收，導(dǎo)致學(xué)習(xí)效應(yīng)的減弱，最終不利于自身生產(chǎn)率水平的提高，因而本文選取該項指標(biāo)加以考察并以企業(yè)從成立到考察年份所經(jīng)歷的時間跨度進(jìn)行衡量；(3)利潤水平(profit)，利潤水平與企業(yè)生產(chǎn)率息息相關(guān)，較高的利潤水平意味著企業(yè)具有優(yōu)化現(xiàn)有生產(chǎn)要素的能力，因而能夠提高企業(yè)自身的生產(chǎn)效率，現(xiàn)有研究通常選取利潤總額絕對值或相對值對這一指標(biāo)進(jìn)行考察，本文選取后者并以利潤總額與企業(yè)固定資產(chǎn)總值的比值加以測度；(4)研發(fā)能力(r&d)，隨著企業(yè)自身研發(fā)水平的提升，科技轉(zhuǎn)化為生產(chǎn)力的概率也隨之加大，因而研發(fā)能力影響了企業(yè)生產(chǎn)率水平進(jìn)而影響區(qū)位選址決策，中國工業(yè)企業(yè)數(shù)據(jù)庫中有新產(chǎn)品產(chǎn)值和研發(fā)投入兩個指標(biāo)可以衡量企業(yè)研發(fā)能力，但由于后者數(shù)據(jù)在許多年份上的統(tǒng)計有所缺失，最終本文選取前者并以其與企業(yè)工業(yè)總產(chǎn)值的比值加以測度*中國工業(yè)企業(yè)數(shù)據(jù)庫中2004年新產(chǎn)品產(chǎn)值數(shù)據(jù)缺失，因而本文以企業(yè)2003年、2005年兩年新產(chǎn)品價值的平均值補齊2004年的缺失數(shù)據(jù)。；(5)人均工資(wage)，企業(yè)支付給員工較高的工資水平，一方面能夠吸引到高素質(zhì)的員工前來工作，另一方面能夠激發(fā)現(xiàn)有員工的工作熱情，帶來的結(jié)果都將是促進(jìn)企業(yè)生產(chǎn)率水平的提高，因而本文選取該項指標(biāo)并以企業(yè)工資水平與員工人數(shù)的比值加以測度；(6)其它控制變量：企業(yè)所處地區(qū)、所屬行業(yè)的不同，都會對自身生產(chǎn)率產(chǎn)生差異影響，因而本文加入了地區(qū)(zone)*地區(qū)劃分采用傳統(tǒng)東、中、西部標(biāo)準(zhǔn)。、行業(yè)(industry)*行業(yè)分類標(biāo)準(zhǔn)為國民經(jīng)濟(jì)行業(yè)分類(GB/T)二分位下制造業(yè)行業(yè)代碼，最終設(shè)置30個制造業(yè)行業(yè)的多元虛擬變量。、所在9個年份(year)的多元虛擬變量，以期采用PSM方法控制這些因素對企業(yè)生產(chǎn)率及區(qū)位選址決策的影響。

以上研究變量及其均值、標(biāo)準(zhǔn)差統(tǒng)計詳見表2。

表2　變量含義及均值、標(biāo)準(zhǔn)差統(tǒng)計

2模型設(shè)定、計量檢驗結(jié)果及分析

2.1模型設(shè)定

根據(jù)新經(jīng)濟(jì)地理和新新經(jīng)濟(jì)地理理論，至少有兩種機制能夠使高生產(chǎn)率的企業(yè)在規(guī)模較大的城市生存。一是集聚效應(yīng)的外部性導(dǎo)致企業(yè)生產(chǎn)率普遍性提高，二是選擇效應(yīng)導(dǎo)致具有較高生產(chǎn)率水平的企業(yè)選擇存活于較大規(guī)模市場。現(xiàn)有研究大多在前者理論框架下展開討論，本文以后者為出發(fā)點檢驗中國企業(yè)生產(chǎn)率對區(qū)位選址的影響，即是否生產(chǎn)率水平較高的企業(yè)選擇在較大規(guī)模的城市從事生產(chǎn)經(jīng)營活動。

但問題是，如果直接采用傳統(tǒng)的最小二乘方法，或者面板數(shù)據(jù)的固定效應(yīng)或隨機效應(yīng)方法，都會帶來一個問題：高生產(chǎn)率企業(yè)可能是具有更大規(guī)模、存活更久、利潤和研發(fā)水平更高的企業(yè)*本文選取的其它影響企業(yè)全要素生產(chǎn)率的因素，詳見前文指標(biāo)選取與度量說明部分。。這樣，企業(yè)選址于較大規(guī)模城市中生存，可能并不是由更高的生產(chǎn)率水平帶來的，而是由企業(yè)規(guī)模、年齡等其它因素導(dǎo)致，處理變量的樣本選擇便不具有隨機性。因而一種合理的檢驗方法，應(yīng)該能夠刨除其他因素對企業(yè)生產(chǎn)率的影響。

為此本文采用傾向得分匹配方法(Propensity Score Matching，PSM)進(jìn)行考察，該方法最初由Rosenbaum和Rubin[32]提出，并經(jīng)過Heckman等[33]、Lechner[34]、Abadie和Imbens[35]等人不斷研究發(fā)展，近年來我國學(xué)者邵敏和包群[36]在分析工資決定因素、劉海洋等[37]在分析補貼影響時都采用了該方法。該方法的基本思想是：既然生產(chǎn)率水平較高的企業(yè)與較低生產(chǎn)率的企業(yè)在其它因素方面存在差異，那么我們將較高生產(chǎn)率與較低生產(chǎn)率企業(yè)組中相仿的企業(yè)挑選出來，使得兩類企業(yè)在其他特征上保持一致，僅僅生產(chǎn)率高低不同，這樣如果兩組企業(yè)還擁有所處城市規(guī)模層面的差距，則這種差距就應(yīng)當(dāng)是生產(chǎn)率因素導(dǎo)致的。

從計量檢驗的角度來說，考察的結(jié)果變量是企業(yè)所處的城市規(guī)模；處理變量則是將企業(yè)按照生產(chǎn)率高低分為兩組的分組變量，具體來說是將企業(yè)按照生產(chǎn)率由高到低進(jìn)行排序，進(jìn)而根據(jù)生產(chǎn)率大小將樣本企業(yè)等分為兩組*當(dāng)以年份為單位進(jìn)行考察時，分組按照每一年進(jìn)行；同理，下文中以企業(yè)所處區(qū)域或所有制標(biāo)準(zhǔn)進(jìn)行考察時，處理變量分組分別在某一區(qū)域或所有制樣本下進(jìn)行。，生產(chǎn)率較高組作為處理組實驗組(treatment group)，生產(chǎn)率較低組作為對照組(control group)，從而考察企業(yè)生產(chǎn)率水平對區(qū)位選址的影響(treatment)。本文以變量S代表生產(chǎn)率分組變量，即前文所說的處理變量，且S=1時企業(yè)隸屬于實驗組，S=0時隸屬于對照組。本文現(xiàn)對PSM方法的應(yīng)用敘述如下：

(1)傾向得分(PS值)測算

如前文所述，在較高生產(chǎn)率與較低生產(chǎn)率兩組企業(yè)中，要挑選得到具有相似特征的企業(yè)集合，即將實驗組與對照組企業(yè)進(jìn)行匹配。現(xiàn)在遇到的問題是，按照哪些特征挑選“相似”企業(yè)？本文選取的特征指標(biāo)為前文中除了全要素生產(chǎn)率、市場規(guī)模的其余指標(biāo)以及地區(qū)、行業(yè)和年份總共8大變量，這些特征指標(biāo)便是前文所述的控制變量(協(xié)變量)，這些控制變量對處理變量也就是企業(yè)生產(chǎn)率產(chǎn)生影響，采用PSM方法便是要剔除控制變量對處理變量的作用。那么，如果將這8個指標(biāo)核算成一個傾向得分值(PS，propensity score)，進(jìn)而匹配挑選出實驗組和對照組中具有相同或相近PS值的企業(yè)，此時匹配得到的兩組企業(yè)便只是在生產(chǎn)率上有所差異，如果這兩組企業(yè)所處城市規(guī)模大小不同，這種差異性就是由生產(chǎn)率差異帶來。具體到測算傾向得分值時采用的概率模型，通常有Logit或Probit模型兩類，本文選取前者概率模型進(jìn)行估計：

(4)

其中，i代表企業(yè)、Xi代表8個控制變量、β為參數(shù)向量，等號右邊為累積分布函數(shù)， Logit模型因變量為企業(yè)生產(chǎn)率分組變量S。

(2)實驗組與對照組指標(biāo)匹配

在采用公式(4)進(jìn)行回歸之后，能夠得到PS即傾向得分值，現(xiàn)在所需進(jìn)行的工作是按照PS值將實驗組與對照組企業(yè)進(jìn)行匹配，問題是采用何種匹配原則進(jìn)行匹配？一般來說，PSM方法的匹配原則有最近鄰匹配法(Nearest Neighbor Matching)、核匹配法(Kernel Matching)、半徑匹配法(Radius Matching)三種類型，其中第一種方法是在較高生產(chǎn)率組企業(yè)前后挑選出唯一一個PS得分最為相近的較低生產(chǎn)率組企業(yè)，因而本文采用這種匹配原則進(jìn)行多元匹配：

(5)

(3)比較差別結(jié)果

匹配完成后，便可以考察較高和較低生產(chǎn)率企業(yè)組在所處城市規(guī)模大小上的平均差異，這種差異稱為“平均處理效應(yīng)”(ATT，average treatment effect on the treated)：

ATT=E{E[marketscale1i|Si=1,p(Xi)]-E[marketscale0i|Si=0,p(Xi)]}

(6)

其中，marketscale1i、marketscale0i分別代表企業(yè)i在實驗組、對照組的平均城市規(guī)模。根據(jù)新新經(jīng)濟(jì)地理理論：在其他因素一致的情況下，較高生產(chǎn)率企業(yè)選址存活于較大規(guī)模的城市，因而理論預(yù)期所得ATT值為正數(shù)。

2.2實證檢驗結(jié)果及分析

(1)PS值測算

根據(jù)上述步驟1能夠估計得到各個控制變量對處理變量的影響權(quán)重，我們對此進(jìn)行了匯報和分析，從而初步判斷各變量對處理變量的作用方向，受到篇幅限制本文并未報告全部年份的估計結(jié)果，詳細(xì)報告內(nèi)容見表3。

由表3分析可知：在控制了企業(yè)所處區(qū)域、所屬行業(yè)之后，企業(yè)年齡對生產(chǎn)率產(chǎn)生負(fù)向影響，企業(yè)規(guī)模、利潤水平、研發(fā)水平以及人均工資，均正向影響企業(yè)生產(chǎn)率水平，以上估計結(jié)果符號與我們前文的理論預(yù)期相符；而且，除了2001年人均工資變量估計系數(shù)沒有通過顯著性水平檢驗外，其余年份的各個變量估計系數(shù)均在1%或5%水平上顯著異于零，體現(xiàn)出以上所得結(jié)論的準(zhǔn)確性。

表3　傾向得分值估計結(jié)果

注：***、**、*分別代表在1%、5%和10%的顯著性水平，括號中為標(biāo)準(zhǔn)差；由于此部分估計結(jié)果以年份為單位，因而無需控制年份虛擬變量。

(2)PSM實證檢驗結(jié)果

表3的估計結(jié)果，顯示了每種因素對企業(yè)生產(chǎn)率(選址)的影響權(quán)重，這樣我們就可以將該權(quán)重乘以該企業(yè)的變量大小，得到每一個企業(yè)的傾向得分?jǐn)?shù)值，進(jìn)而運用最近鄰匹配方法，將對照組企業(yè)與實驗組企業(yè)傾向得分相近的企業(yè)組進(jìn)行匹配，便可以估計得到平均處理效果，匹配后的ATT值估計結(jié)果詳見表4。

表4　企業(yè)全要素生產(chǎn)率對區(qū)位選址影響的傾向得分匹配檢驗結(jié)果

注：***、**、*分別代表在1%、5%和10%的顯著性水平。

表4匯報結(jié)果顯示，除了2001年ATT值沒有通過顯著性水平檢驗以外，其余年份匹配后的平均處理效果均為正數(shù)，取值范圍為0.0261-0.0934，且均在1%水平上顯著異于零；具體分析可知，2002年ATT數(shù)值最小為0.0261，于2006年達(dá)到峰值0.0934，期間平均處理效果呈現(xiàn)跳躍式發(fā)展但整體處于上升態(tài)勢。這就意味著：在其他因素相同的情況下，高生產(chǎn)率組企業(yè)經(jīng)營所在地的平均城市規(guī)模、要比低生產(chǎn)率組企業(yè)的更大，城市規(guī)模平均高出0.0261-0.0934，而且隨著經(jīng)濟(jì)水平的不斷發(fā)展，高生產(chǎn)率企業(yè)選址于較大規(guī)模城市的傾向性越發(fā)強烈。由于以上結(jié)果是控制了樣本選擇性偏誤下所估計得到的，即兩組匹配上的企業(yè)只是在生產(chǎn)率水平上有所差異(已經(jīng)剔除了其它因素的影響)，因而可以認(rèn)為是企業(yè)較高的生產(chǎn)率水平促進(jìn)了自身選擇經(jīng)營于較大規(guī)模的城市。

(3)核密度函數(shù)圖檢驗

表4的估計結(jié)果表明，根據(jù)新新經(jīng)濟(jì)地理理論所得到的，生產(chǎn)率高的企業(yè)主動選址到規(guī)模較大的城市這一結(jié)論是成立的。為了直觀表明以上PSM匹配結(jié)果的穩(wěn)健性，我們采用核密度函數(shù)圖進(jìn)行檢驗，其指導(dǎo)思想為：如果匹配之前實驗組、對照組中企業(yè)在控制變量上具有顯著差異，而在匹配之后這些差異應(yīng)該在較大程度上得以消除，那么可以說明樣本匹配的效果較好，由此能夠得到樣本選擇偏誤已有效降低的結(jié)論。

圖1　實驗組、對照組匹配前后企業(yè)的核密度函數(shù)圖

本文選取1999年樣本數(shù)據(jù)為例，進(jìn)行核密度函數(shù)圖的檢驗說明，檢驗結(jié)果如圖1所示：對比匹配前、后的企業(yè)核密度函數(shù)圖可知，匹配前兩組企業(yè)在規(guī)模、年齡、利潤、創(chuàng)新水平、人均工資、地區(qū)、行業(yè)變量上存在顯著差異，但匹配后圖示顯示成功匹配上的高生產(chǎn)率、低生產(chǎn)率組企業(yè)樣本集合在這些變量上已十分接近，因而本文選取控制變量合理，這就進(jìn)一步驗證了表4估計結(jié)果的穩(wěn)健性。

3穩(wěn)健性檢驗

3.1區(qū)域分類檢驗

表4的估計結(jié)果表明中國高生產(chǎn)率制造業(yè)企業(yè)主動遷址到規(guī)模較大的城市。但考慮到中國是一個幅員遼闊的國家，各地區(qū)的經(jīng)濟(jì)發(fā)展水平和企業(yè)行為動機具有較大的差異，因而應(yīng)當(dāng)對本文結(jié)論進(jìn)行分地區(qū)考察，以檢驗該結(jié)論在各地區(qū)是否成立。為此，我們按照前文所述區(qū)域劃分方法，將全國劃分為東、中、西三個區(qū)域，考察實驗組(較高生產(chǎn)率企業(yè)組)、對照組(較低生產(chǎn)率企業(yè)組)在城市規(guī)模上的平均處理效果，估計結(jié)果詳見表5。

表5　不同區(qū)域下企業(yè)全要素生產(chǎn)率對區(qū)位選址影響的傾向得分匹配檢驗結(jié)果

注：***、**、*分別代表在1%、5%和10%的顯著性水平。

表5匯報結(jié)果顯示：三大地區(qū)的平均處理效果均為正數(shù)，且于1%水平上通過顯著性水平檢驗，說明無論在東、中、西部哪個區(qū)域，企業(yè)較高的生產(chǎn)率水平給自身區(qū)位選址的影響都是選址于較大規(guī)模的城市，新新經(jīng)濟(jì)地理結(jié)論在我國傳統(tǒng)東中西部地區(qū)中均成立。其中，東部地區(qū)匹配后的平均處理效果為0.0609，在三個地區(qū)中數(shù)值最大，體現(xiàn)出東部地區(qū)的高生產(chǎn)率企業(yè)選擇在較大規(guī)模城市從事生產(chǎn)經(jīng)營活動的傾向性更為強烈；中部地區(qū)匹配后的ATT數(shù)值大小處于第二位(0.0439)，西部地區(qū)平均處理效果數(shù)值最小為0.0279。此外，對比匹配前后ATT數(shù)值大小可知，若不控制樣本選擇性偏誤，東、中、西部地區(qū)的平均處理效果均將被低估。

3.2 所有制分類檢驗

除了區(qū)域因素，不同類型的所有制企業(yè)，在選擇生產(chǎn)區(qū)域時也有不同的考慮。例如我國國有企業(yè)選址以國家政策導(dǎo)向為主，不以生產(chǎn)率高低作為主要的選址標(biāo)準(zhǔn)，因而所估計得到的平均處理效果可能并不顯著；而港澳臺企業(yè)、外商企業(yè)以及私營企業(yè)以盈利為目標(biāo)的特征更為明顯，因而在進(jìn)行區(qū)位選擇時只要自身生產(chǎn)率水平符合較大規(guī)模市場的存活條件，將更傾向于選擇在消費者需求大且多元、交通運輸便利、資源較廣的大規(guī)模城市從事生產(chǎn)經(jīng)營活動，而且這些企業(yè)往往具有更強的競爭實力，在選址于較大規(guī)模城市后更能抵住激烈競爭不被市場所淘汰，因而這些企業(yè)由生產(chǎn)率所驅(qū)使的區(qū)位自選擇效應(yīng)表現(xiàn)可能十分顯著。

考慮到以上所有制性質(zhì)對企業(yè)區(qū)位選址的影響，本文對企業(yè)所有制類型進(jìn)行進(jìn)一步劃分，具體劃分為國有企業(yè)、集體企業(yè)、私營企業(yè)、外商企業(yè)、港澳臺企業(yè)五種類型，劃分標(biāo)準(zhǔn)參照我國企業(yè)登記注冊類型代碼表三分位代碼進(jìn)行。

表6對五種類型企業(yè)的PSM檢驗結(jié)果進(jìn)行了匯報。結(jié)果顯示：五類企業(yè)的平均處理效果均為正數(shù)，除國有企業(yè)以外，其余四類企業(yè)的平均處理效應(yīng)估計結(jié)果在1%水平上顯著異于零，這表明國有企業(yè)在制定選址決策時表現(xiàn)在計量模型上并不受自身生產(chǎn)率水平的影響，而其余類型中具有較高生產(chǎn)率的企業(yè)會選址于較大規(guī)模的城市，因而新新經(jīng)濟(jì)地理理論結(jié)論在集體、私營、外商和港澳臺所有制企業(yè)下成立。具體分析可知：匹配后港澳臺企業(yè)的ATT數(shù)值最大(0.1139)，其次為外商和私營企業(yè)，平均處理效果分別為0.0606、0.0538，集體企業(yè)中高生產(chǎn)率企業(yè)組相比低生產(chǎn)率企業(yè)組的平均市場規(guī)模差距相比之下較不明顯(0.0327)，說明港澳臺、外商和私營企業(yè)中的高生產(chǎn)率擁有者出于自身發(fā)展考慮更傾向于選址于較大規(guī)模的城市，這一結(jié)論也與前文中我們的理論分析相符。

表6　不同所有制下企業(yè)全要素生產(chǎn)率對區(qū)位選址影響的傾向得分匹配檢驗結(jié)果

注：***、**、*分別代表在1%、5%和10%的顯著性水平。

4結(jié)論與啟示

新經(jīng)濟(jì)地理和新近發(fā)展起來新新經(jīng)濟(jì)地理理論闡述了較大規(guī)模城市中的企業(yè)擁有更高生產(chǎn)率水平的道理：一是集聚效應(yīng)的外部性導(dǎo)致企業(yè)生產(chǎn)率普遍性提高，二是選擇效應(yīng)導(dǎo)致具有較高生產(chǎn)率水平的企業(yè)選擇存活于較大規(guī)模市場。本文根據(jù)后者考察中國制造業(yè)企業(yè)全要素生產(chǎn)率水平對自身區(qū)位選址決策的影響，以及這種影響的方向和程度。

為了考察這一問題，我們關(guān)聯(lián)了1999～2007年間中國工業(yè)企業(yè)數(shù)據(jù)庫和中國城市統(tǒng)計年鑒數(shù)據(jù)，得到中國297個地級及以上城市的制造業(yè)企業(yè)樣本記錄1442878筆，并采用傾向得分匹配方法進(jìn)行實證估計。克服樣本選擇性偏誤問題后本文發(fā)現(xiàn)：具有較高生產(chǎn)率水平的企業(yè)會選址于更大規(guī)模的城市從事生產(chǎn)經(jīng)營活動。穩(wěn)健性估計結(jié)果表明：以上結(jié)論在傳統(tǒng)東中西部地區(qū)中均成立，且東部地區(qū)的高生產(chǎn)率企業(yè)選址于較大規(guī)模城市的傾向性更為強烈；集體、港澳臺、外商及私營企業(yè)的高生產(chǎn)率企業(yè)均選址于較大規(guī)模的城市，且后三者的傾向性更為強烈，但國有企業(yè)區(qū)位選址決策并不受全要素生產(chǎn)率水平的影響。

本文可能蘊含的啟示有：

(1)現(xiàn)實中有很多企業(yè)選擇將廠址建立或遷移到較大規(guī)模的城市(如北京、上海等地)，而這種企業(yè)遷移運動背后的深層次原因一直沒有受到商界人士和理論界學(xué)者的足夠重視和探究，本文在新新經(jīng)濟(jì)地理理論框架下從全要素生產(chǎn)率層面對這一問題進(jìn)行了來自中國制造業(yè)企業(yè)的考察，通過研究得到的解釋為，是企業(yè)具有的較高生產(chǎn)率水平使得企業(yè)選址于規(guī)模較大的城市；

(2)規(guī)模較大的城市能夠給企業(yè)生產(chǎn)經(jīng)營活動提供更為廣闊的資源和發(fā)展空間、便利的交通運輸條件能夠節(jié)約企業(yè)成本、龐大且多元化的消費者需求也能夠拉動企業(yè)的生產(chǎn)經(jīng)營活動，因而如果企業(yè)具有生存于較大規(guī)模城市的能力，一般來說都會將經(jīng)營地點選擇在較大規(guī)模城市，本文研究顯示這種遷移運動可以由企業(yè)自身較高的生產(chǎn)率水平帶來，因而我國制造業(yè)企業(yè)應(yīng)積極提高自身生產(chǎn)率水平，以期進(jìn)入并享受較大規(guī)模城市所帶來的好處；

(3)研究結(jié)果顯示東部地區(qū)，私營、外商和港澳臺企業(yè)中，具有較高生產(chǎn)率水平的企業(yè)相比較低生產(chǎn)率擁有者，會更傾向于選址在較大規(guī)模的城市，因而政府在制定相關(guān)政策指導(dǎo)企業(yè)區(qū)位選址實踐時，可以科學(xué)地對應(yīng)不同類型企業(yè)特點制定差異化政策，以期在保持投入資源不變的條件下最有效地發(fā)揮出政府政策的引導(dǎo)性作用。

參考文獻(xiàn)：

[1]陳釗，陸銘.從分割到融合：城鄉(xiāng)經(jīng)濟(jì)增長與社會和諧的政治經(jīng)濟(jì)學(xué)[J].經(jīng)濟(jì)研究，2008，(1)：21-32.

[2]程開明.城市化促進(jìn)技術(shù)創(chuàng)新的機制及證據(jù)[J].科研管理，2010，31(2)：26-34.

[3]王雅莉，齊昕.中國城市化經(jīng)濟(jì)發(fā)展效應(yīng)解析[J].經(jīng)濟(jì)學(xué)家，2013，(8)：102-104.

[4]陸銘，蔣仕卿，陳釗，佐藤宏.擺脫城市化的低水平均衡——制度推動、社會互動與勞動力流動[J].復(fù)旦學(xué)報(社會科學(xué)版)，2013，(3)：48-167.

[5]Venables A J. Equilibrium locations of vertically linked industries[J]. International Economic Review, 1996, 37(2): 341-359.

[6] 李新，蘇兆國，史本山.基于區(qū)位選擇的中國工業(yè)生產(chǎn)企業(yè)空間集聚研究[J].科學(xué)學(xué)研究，2010,28(4)：549-557.

[7] 劉慶林，汪明珠，韓軍偉.市場關(guān)聯(lián)效應(yīng)與跨國企業(yè)選址——基于中國數(shù)據(jù)的檢驗[J].財貿(mào)經(jīng)濟(jì)，2011，(11)：127-135.

[8] Isard W. Location and space-economy: a general relating industrial location, market size, land use and urban structure[M]. Cambridge: Massachusetts Institute of Technology, 1956. 1-350.

[9] Moses L N. Location and theory of production[J].Quarterly Journal of Economics, 1958, 72(2): 259-272.

[10]Pontes J P. Industrial clusters and peripheral areas[J]. Environment and Planning A, 2003, 35(11): 2053-2068.

[11]郝壽義，倪方樹，林坦，方興.企業(yè)區(qū)位選擇與空間集聚的博弈分析[J].南開經(jīng)濟(jì)研究,2011，(3):69-78.

[12]池仁勇.區(qū)域中小企業(yè)創(chuàng)新網(wǎng)絡(luò)的結(jié)點聯(lián)結(jié)及其效率評價研究[J].管理世界，2007，(1)：105-121.

[13]孟韜.空間變化、結(jié)構(gòu)調(diào)整與三線企業(yè)的集群創(chuàng)新[J].改革，2013，(1)：35-40.

[14]Krugman P. Increasing returns, monopolistic competition, and international trade[J]. Journal of International Economics, 1979, 9(4): 469-479.

[15]Fujita M, Thisse J F. Economics of agglomeration[J]. Journal of the Japanese and International Economies, 1996, 10(4): 339-378.

[16]Baldwin R E, Martin P, Ottaviano G I P. Global income divergence, trade, and industrialization: the geography of growth take-offs[J]. Journal of Economic Growth, 2001, 6(1): 5-37.

[17]Neary J P. Of hype and hyperbolas: introducing the new economic geography[J]. Journal of Economic Literature, 2001, 39(2): 536-561.

[18]Melitz M J, Ottaviano G I P. Market size, trade, and productivity[J]. Review of Economic Studies, 2008, 75(3): 295-316.

[19]Baldwin R E, Okubo T. Heterogeneous firms, agglomeration and economic geography: spatial selection and sorting[J]. Journal of Economic Geography, 2006, 6(3): 323-346.

[20]李福柱.“新”新經(jīng)濟(jì)地理學(xué)研究進(jìn)展[J].經(jīng)濟(jì)學(xué)動態(tài)，2011，(6)：98-102.

[21]李曉萍，江飛濤.企業(yè)異質(zhì)性與經(jīng)濟(jì)地理研究新進(jìn)展[J].經(jīng)濟(jì)學(xué)動態(tài)，2011，(10)：114-118.

[22]劉海洋，孔祥貞，湯二子.基于微觀異質(zhì)性的新新經(jīng)濟(jì)地理研究[J].財經(jīng)科學(xué)，2012，(4)：62-70.

[23]Saito H, Gopinath M. Plants self-selection, agglomeration economies and regional productivity in Chile[J]. Journal of Economic Geography, 2009, 9(4): 539-558.

[24]Okubo T, Picard P M, Thisse J F. The spatial selection of heterogeneous firms[J]. Journal of International Economics, 2010, 82(2): 230-237.

[25]劉海洋，馬靖，宋巧.中國地級以上城市的工資差異：原因及趨勢[J].中國軟科學(xué)，2012,(5)：93-102.

[26]Campbell J R, Hopenhayn H A. Market size matters[J]. Journal of Industrial Economics, 2005, 53(1): 1-25.

[27]Syverson C. Prices, spatial competition and heterogeneous producers: an empirical test[J]. Journal of Industrial Economics, 2007, 55(2): 197-222.

[28]謝千里，羅斯基，張秩凡.中國工業(yè)生產(chǎn)率的增長與收斂[J].經(jīng)濟(jì)學(xué)(季刊)，2008，7(3)：809-826.

[29]Levinsohn J, Petrin A. Estimating production functions using inputs to control for unobservables[J]. Review of Economic Studies, 2003, 70(2): 317-341.

[30]亓朋，許和連，艾洪山.外商直接投資企業(yè)對內(nèi)資企業(yè)的溢出效應(yīng)：對中國制造業(yè)企業(yè)的實證研究[J].管理世界，2008，(4)：58-68.

[31]趙偉，趙金亮.生產(chǎn)率決定中國企業(yè)出口傾向嗎——企業(yè)所有制異質(zhì)性視角的分析[J].財貿(mào)經(jīng)濟(jì)，2011，(5)：100-105.

[32]Rosenbaum P R, Rubin D B. The central role of the propensity score in observational studies for causal effects[J]. Biometrika, 1983, 70(1): 41-55.

[33]Heckman J J, Ichimura H, Todd P E. Matching as an econometric evaluation estimator[J]. Review of Economic Studies, 1998, 65(2): 261-294.

[34]Lechner M. Identification and estimation of causal effects of multiple treatments under the conditional independence assumption[M]. Verlag: Phsical-verlag heidelberg, 2001. 43-58.

[35]Abadie A, Imbens G. Large sample properties of matching estimators for average treatment effects[J]. Econometrica, 2006, 74(1): 235-267.

[36]邵敏，包群.出口企業(yè)轉(zhuǎn)型對中國勞動力就業(yè)與工資的影響：基于傾向評分匹配估計的經(jīng)驗分析[J].世界經(jīng)濟(jì)，2011，(6);48-70.

[37]劉海洋，孔祥貞，馬婧.補貼扭曲了中國工業(yè)企業(yè)的購買行為嗎？——基于討價還價理論的分析[J].管理世界，2012，(10)：119-145.