地理集聚会促进企业间商业信用吗？，本文主要内容关键词为：企业间论文,地理论文,信用论文,商业论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言
经济活动在地理分布上的不平衡性是现代经济增长的一个重要特征。研究表明，各国工业化进程普遍伴随着地理集聚程度的不断提高，例如美国南加州的印刷电路产业区(Scott and Kwok，1989)、底特律的汽车工业城、欧洲的蓝橡胶产业地带(Delamide，1994)以及日本的太平洋海岸工业带(Kitamura and Yada，1977)。自1978年以来，中国的改革开放从沿海到内地梯度展开，经济活动向沿海地区集中的趋势日益明显(白重恩等，2004；路江涌、陶志刚，2006；Lu and Tao，2009)。以工业园和产业群为特色的地理集聚，不仅成为我国的经济增长一个重要标志，也是导致我国地区经济发展不平衡的重要因素(范剑勇，2006)。虽然，已有文献对地理集聚重要性的研究已取得了丰硕的成果，但对于地理集聚影响经济绩效的作用渠道仍缺乏深入的认识，尤其是缺乏对“技术外部性”之外的作用渠道的检验。本文试图从商业信用的视角对地理集聚的外部效应进行探索，并弥补已有研究在这方面的不足。
实际上，Marshall早在1920年就认识到产业集聚的重要性，并指出了产业集聚外部性的3个基本来源：投入产出关联、劳动市场共享和知识外溢。Duranton和Puga(2004)则将外部效应归纳为三大类：(1)分享效应，包括公共物品效应、专业化效应、多样化效应和风险分散效应；(2)匹配效应，包括匹配质量提高、匹配概率增加和敲竹杠问题的缓解；(3)学习效应，包括知识创造、知识扩散和知识积累。在经验研究方面，对地理集聚外部性的检验取得了丰硕成果。对中国的研究也发现，地理集聚对地区间生产率(范剑勇，2006)、技术创新(彭向、蒋传海，2011)以及企业规模和组织模式(陆毅等，2010；Li and Lu，2009)有显著影响。
然而，已有研究更加侧重对地理集聚的外部效应，尤其是“技术外部性”进行验证，不仅忽略了地理集聚外部效应的作用机制，而且对金融发展、非正规金融、交易成本等“制度外部性”的探索仍十分匮乏。一些意大利学者通过案例研究发现，地理集聚还能够扩大企业的外部融资供给，并缓解企业融资约束。Otatti(1994)认为，产业集聚所形成的企业网络和关联交易推动了商业信用的发展，商业信用成为产业区内企业营运资金的重要来源之一。Fabiani等(2000)的实证研究表明，产业集聚在信息、监督等方面的优势使得集聚企业的融资条件要优于非集聚企业。Russo和Rossi(2001)则发现，在集聚程度较低的意大利南部，企业在融资过程中要比北、中部产业区内企业支付更高的利息和面临更为严重的信贷约束。这些松散的案例研究启示我们，除了技术外部性之外，地理集聚的“制度外部性”，尤其是对商业信用和企业融资的影响也同样十分重要。但是，遗憾的是，对地理集聚与商业信用的经验研究主要是针对意大利，这些文献不仅缺乏系统性，而且这种关系是否在中国成立仍然是一个未解之谜。那么，地理集聚是否会影响企业商业信用行为呢？对此，我们拟采用中国的微观企业数据对此进行探索。
采用中国的数据研究该问题具有无可比拟的优势：首先，由于中国的法律体系和金融制度并不完善，导致非国有企业无法从正式部门获得融资。这就促使企业更加依赖于关系网络、声誉机制和商业信用等非正式金融的作用(Allen et al.，2005)。更有学者认为，商业信用对国民经济(尤其是非国有经济)的支持，可能会超过银行贷款(Allen et al.，2005; Ge and Qiu，2007)。根据Hale和Long(2010)，民营企业商业信贷占每日运营资本的比重高达93%，商业信用在我国非国有部门中融资的重要性由此可见一斑。其次，作为一个发展中大国，中国的经济发展存在显著的地区不平衡性，地区间集聚程度差异很大，这就为我们研究地理集聚问题提供了丰富的样本(范剑勇，2006)。
那么，地理集聚是如何影响企业的商业信用呢？理论上，地理集聚对商业信用的影响渠道主要有3个方面：一是竞争效应。大量企业在空间上的聚集加剧了企业的竞争压力，从供应商的角度来看，为了使产品尽快销售，供应商之间的竞争促使其通过应收账款为买方提供商业信用。买方之间的竞争则减少了其采用应付账款进行融资的可能性(Fisman and Love,2003; Fabbri and Menichini,2010；Giannetti et al.，2011)①。二是供应链效应。地理上的接近使得交通运输成本大大降低，这就增加了交易双方的业务往来②，并加强企业对供应链的控制，从而增加商业信用的使用(Petersen and Rajan，1997)。三是声誉机制。金融合约本质上是以信任为基础的，企业是否愿意为对方提供商业信用取决于彼此的信任程度和对方的声誉(Rajan et al.，2004)。而企业声誉的形成一方面依赖于交易双方业务往来的历史或时间长短，另一方面还取决于纠纷信息传播的速度以及监督成本的高低(李涛、李红，2004)。地理集聚不仅可以加强交易双方业务的往来程度，并增加彼此之间的信任和商业信用活动，而且还通过加速信息扩散，促进声誉机制的发挥。事实上，Marshall(1920)早就指出，集聚能够加速信息的传播。只不过Marshall更为强调知识外溢，而实际上其他信息的扩散也同样重要。违约信息的迅速扩散使得交易双方更加重视自身的信誉，这就降低了违约的可能性，使得买卖双方愿意为彼此提供商业信用。
与已有研究相比，本文在以下几个方面有所创新：第一，从研究视角来看，本文首次系统考察了地理集聚对商业信用的影响。已有文献更多地考察地理集聚的“技术外部性”，即着重检验其对劳动生产率和技术创新的影响。却在很大程度上忽略了地理集聚在降低交易成本、促进商业信用等方面作用，即地理集聚的“制度外部性”。第二，在地理集聚指标方面，已有文献往往侧重强调地理集聚某个方面的特征，不能全面反映各地的地理集聚程度。例如，传统的EG指数虽然能够反映地理集聚地区经济活动高度集中的特点，但却忽略了产业之间的关联性。Long和Zhang(2011)指标虽然克服了EG指数的上述缺陷，却容易受到不同地理单元之间地理面积差异的影响。上述缺陷的存在，使得该指标无法准确测度各地真实的集聚程度。例如，根据Long和Zhang(2011，2012)，内蒙古的集聚指数竟然高居全国第5位，远远超过了上海、江苏和浙江等沿海省份，而经济较为发达的广东地区，集聚指数则排名19。这显然与各地真实的集聚程度相距甚远。鉴于此，本文在Long和Zhang(2011)基础上构造了一个新的地理集聚指标，该指标充分考虑了地理集聚的3个基本特征，使其能够更为准确地反映各地的集聚程度。第三，在研究方法上，已有文献大多采用普通最小二乘法进行回归，无法对地理集聚的融资效应进行准确的识别，从而大大降低了估计结果的可信度。本文根据企业变更经营城市的信息，巧妙地运用“双重差分法”考察了地理集聚对商业信用的影响，得到的结论更为可信。第四，在研究内容上，本文不仅考察了地理集聚对商业信用的平均效应，而且还探讨了其对不同规模和不同所有制企业影响的差异性，从而对地理集聚与商业信用的关系给出了更为确切和全面的回答。最后，在样本方面，本文采用1998-2007年中国工业企业数据库，该数据涵盖了所有国有企业以及规模以上的非国有企业，是目前能够得到的研究该问题观测值最大的样本，因此，得到的结论更具有一般性。
本文组织结构安排如下：第二部分介绍指标构造、数据说明与计量模型设定；第三部分报告计量分析结果；第四部分对文章进行总结。
二、指标构造、数据说明与计量模型设定
(一)指标构造
1.地理集聚指数
所谓的集聚，指的是“具有经济关联的一类企业在地理上集中的现象”(Porter，2000)。地理集聚3个重要特征是：地理上集中、经济上往来密切和专业分工细化。为此，一个好的地理集聚(集群)指标应该尽可能兼顾地理集聚的3个特征：地理上集中、经济上往来密切和专业分工细化。
已有测算地理集聚的指数主要强调这3个特征的某个方面，概括起来，已有测算地理集聚的指标可以大致归为三类：(1)传统的测算产业集聚的指标主要是某个地区或产业采用市场份额前几位企业的市场份额来测度，该指标虽然计算简单易行，但却忽略了其他企业的信息。为克服该问题，Krugman(1991)将Gini系数修改为空间Gini系数，并将其用于测度产业的集中程度③。该类指标虽然能较好地衡量产业的集聚程度，但是容易受地区和企业经济规模的影响，Ellison和Glaeser(1997)利用赫芬达尔指数对该指数做了进一步修正，简称为EG指数。该类虽然能够较好反映集中程度，但没有考虑地理面积因素，以及集聚地区专业化程度较高的特点。(2)第二类测算产业集聚的指标主要是基于区位商(Holmes，1999；Holmes and Stevens，2002)。该指标虽然较好地反映该地区的专业化程度，但是该指标既无法反映产业之间的关联程度，也不能准确测度地理集中程度或经济活动的地理密度。(3)Ciccone和Hall(1996)建议，采用人口密集度(人口/面积)来测度经济的集聚程度，该指标可以消除由于不同地区之间地理面积的不同所导致的测算误差，不过却无法反映产业之间的关联性以及专业化程度。
正如Porter(2000)所指出的，产业集聚的一个重要特征是，存在大量的提供中间投入、机器设备和服务的专业的供应商。如果产业或企业生产的产品类似，那么，他们就更有可能利用共同的技术和生产要素，从而它们之间的经济往来就更为密切(Long and Zhang，2011)。鉴于此，Long和Zhang(2011，2012)根据Hausmann和Klinger(2007)构造的产品相似度指标，构造了一个能够同时反映地区内经济往来密切程度以及专业化程度的地理集聚指标④。但是，由于该指标忽略了不同地区地理面积的差异，从而导致其夸大了某些面积较大但经济发展却较为落后的地区的集聚程度。例如，根据Long和Zhang(2012)，内蒙古的集聚指数(2004年为0.214)竟然高居全国第5位，远远超过了上海、江苏和浙江等沿海省份的集聚指数(取值分别为0.219、0.210和0.220；排名分别为9、10和11)，而经济较为发达的广东地区，集聚指数(取值为0.215)则排名19(Long and Zhang，2012)，这显然与这些地区现实的经济发展水平不符。为了更为准确地反映地区集聚程度，本文借鉴Ciccone和Hall(1996)的思路，充分考虑到不同地区间地理面积的差异性，对Long和Zhang(2011)的指数进行改进。具体地，本文采用的地理集聚指数的构造步骤如下。
(1)由于Hausmann和Klinger(2007)构造的产品相似度指数是SITC-4分位行业的，我们将中国工业行业分类标准(CIC)四分位行业与国际标准产业分类(ISIC)四分位行业进行对接，然后根据Eurostat和联合国提供的产业分类名称，将ISIC转换为SITC。从而实现CIC与SITC的转换和对接。
(2)将中国工业企业数据库提供的企业的就业、资产和产出加总到城市×行业层面，并计算将其与地理面积相除，得到城市c行业i的地理密集度：
图1 log(density_asset)的核密度图
表1中汇报了分别采用资产、就业和产出得到不同省份地理集聚指数的平均值和省份集聚指数排序。由表1的第2和第3列可知，根据总资产计算得到的集聚指数density_asset，排在前5位的省份分别为：上海、广东、天津、福建和浙江。排在最后5位的省份为甘肃、广西、内蒙古、黑龙江和云南。从排名来看，本文构造的地理集聚指数与各省份经济发展水平和实际集聚程度基本符合，与Long和Zhang(2011)相比，本文的指数更为合理。例如，按照Long和Zhang(2011)所构造的集聚度指数，宁夏自治区排名全国第5，而根据本文的指标，其排名为18。采用就业和产出所计算的集聚指数排名与采用资产计算得到的指数排名基本一致，除天津市外，排在前5位的省份没有变化。
为了展示地理集聚的分布特征及动态变化，图1绘制了log(density_asset)的核密度图，为了便于区分，图1分别给出了1998年、2001年、2004年和2007年log(density_asset)的核密度图。由图1可知，在中国加入WTO之前的1998-2001年之间，城市的平均集聚程度呈稳中下降的趋势，而在加入WTO之后，城市地理集聚水平大幅提高。从地理集聚的角度来看，中等城市的数目显著增加。而到了2007年，平均的集聚程度进一步提高，与其他年份地理集聚的核密度图相比，2007年的核密度图明显右偏，而且呈现出双峰分布的特点。说明，不仅城市的平均集聚水平提高，而且大城市的数目也有了快速增长。
2.其他控制变量
负债资产比、销售额对数、固定资产占总资产的比重、出口、固定资产的对数值数据直接根据中国工业企业数据库相关变量计算得到。企业的全要素生产率(tfp)采用Olley-Pakes方法计算得到，并参照Brandt等(2012)的处理方法进行了价格指数平减，其中，总产出采用四分位的行业的产出价格指数进行折算，资本存量
为固定资产净值年平均余额，采用年度投资价格指数进行平减。投资
，折旧率δ首先根据企业本年折旧与上一年的固定资产净值相除得到企业折旧率，在剔除大于1和小于0的数值后，再进行行业平均，最后得到四分位行业的折旧率。
(二)数据说明
本文所使用的数据为1998-2007年国家统计局公布的工业经济统计数据库，该数据库涵盖了所有国有企业和规模以上的非国有企业。2003年中国采用了新的行业分类代码，本文根据Brandt等(2012)将行业代码按照2003年后的标准进行重新统一。参照一般的会计准则，本文删除了产出、销售额、出口、就业以及总资产为负的样本。
(三)计量模型
1.基准模型
本文的主旨在于考察地理集聚对企业间商业信用的影响，采用的基准计量模型如下：
选用这些指标主要是基于如下考虑。
(1)负债资产比(debt_asset)。企业的财务状况是影响企业商业信用行为的基本因素。高的负债资产比意味着企业能够从银行和证券等金融机构获得外部融资，因此，负债资产比高的企业更倾向于向其他企业提供商业信用。也就是说，负债资产比对应收账款/总资产(accountr_asset)变量影响的预期符号为正，对应付债款/总负债(accountp_debt)的影响预期符号为负。
(2)销售额(logsale)。企业的销售额一方面反映企业的财务状况，销售额大的企业越倾向于为其他企业提供商业信用。另一方面，销售额较高的企业的规模较大、信用状况良好，而且处于卖方垄断的地位，因此，也更容易使用商业信用。
(3)固定资产占总资产的比重(fixedasset_sh)。固定资产占总资产的比重越高，一方面说明企业拥有更多的抵押物，从而易于从银行获得抵押贷款，因此，有条件为其他企业提供商业信用。但另一方面，较高的固定资产比重也会降低企业的资金流动性，反而不利于企业的商业信用提供。为此，固定资产比重对企业商业信用的影响具有一定的不确定性。
(4)与企业经营绩效相关的变量。出口额对数(lnex1)、全要素生产率(tfp_op)、企业规模(sizea)以及利润率(profit_rate)。从商业信用提供的角度来看，经营绩效较好的企业有资金实力为其他企业提供商业信用，因此对商业信用提供的影响为正。以出口为例，由于我国国内信用环境较差，与在国内销售相比，由于出口有信用证、托收等方式的保证，出口企业资金的流动性更强，因此，这些企业有资金势力为其他企业提供商业信用。但是，从商业信用使用的角度来看，一方面，经营绩效较好、具有较高偿债能力的企业，其他企业也更愿意为这些企业提供商业信用，从而增加商业信用的使用。但另一方面，如果企业自身经营绩效较好，则可以通过金融机构获得融资，因此对商业信用的需求反而下降。为此，此类变量对企业商业信用使用的影响是不确定的。
(5)竞争程度指标
。从商业信用提供来看，产品市场上竞争越激烈，那么，根据“买方市场假说”，企业越有可能为其客户提供商业信用，因此，对应收账款/总资产(accountr_asset)变量影响的预期符号为正。从商业信用使用来看，竞争的加剧削弱了企业在要素市场上的买方势力，从而导致商业信用使用的减少。因此，对应付债款/总负债(accountp_debt)的影响预期符号为负。参考Henderson等(1995)的方法，竞争程度的具体构造方式为：
。其中，
和
表示省份、城市c和i产业的企业数量。该式表示在产量给定的情况下，厂商的数目越多，则产业的竞争程度也就越高。
2.Rubin因果模型与“双重差分法”估计
如果a＞b，且γ＞0，那就表明，地理集聚提高了企业f的商业信用活动。由于我们无法同时观测到
，从而使得我们无法对(2)式的统计量进行准确估计。
为了更为精确地估计地理集聚对商业信用的影响，本文参照Lu等(2012)的思路，采用“双重差分法”(Difference-in-difference)的方法进行计量估计。具体地，通过对不同年份企业的区位信息进行分析，我们发现在各个年份都有一定数量的企业从一个城市跳到另一个城市经营，这样的样本为我们准确估计(2)式的统计量提供了可能。不过，并非所有的这样的企业都适用于本文的研究，有些企业在某一年进入某个城市，在下一年又退出了该城市，这样的样本会给估计带来偏差。只有那些在某一年进入某个城市，且下一年仍然留在该城市的企业才适合进行分析。
表2报告了1999-2006年间每一年改变城市且下一年继续在该城市经营的样本。由表2可知，在2001年，有241家企业改变了经营城市，并在2002年继续在这些城市经营，其他年份虽然有一些这样的样本，但样本数均不及2001年。我们将这些企业定义为“处理组”(Treatment Group)，把其他未改变经营城市的企业作为“对照组”(Control Group)，并用变量du01对处理组和对照组进行区分，若
=1，表示企业f属于处理组，若=0，表明企业f属于对照组。
参照Nunn和Qian(2011)以及Lu等(2012)的模型设定，本部分所采用的计量模型为如下形式：
在理论上，由于企业间的商业信用是建立在长期交往和相互信任的基础上，企业更换经营城市可能使与企业之前的业务往来中断，而在新城市客户关系以及与供应链关系的建立则可能需要一定的时间，从而会给企业的商业信用(使用)带来不利影响，即η的预期符号为负。
为Nunn和Qian(2011)以及Lu等(2012)对标准DID方法的扩展，也是本文的核心变量，若μ＞0，则说明地理集聚显著影响了企业的商业信用活动。为克服潜在的异方差与序列相关问题，本文根据Bertrand等(2004)的建议，采用企业层面的聚类稳健标准差来计算t值和对应的相伴概率。
三、计量估计结果
(一)基准模型估计结果
表3报告了采用基准模型(1)进行的计量估计结果。其中，回归组合(1)～(3)分别采用density_asset、density_em-ployment和density_ouput这3个指标对accountr_asset，主要考察地理集聚对企业商业信用提供的影响。回归组合(4)～(6)则分别采用这3个集聚指标考察了地理集聚对企业所接受的商业信用(accountp_debt)的影响。为了便于比较，所有回归组合报告的系数均为标准化系数(beta系数)。
由回归组合(1)～(3)不难发现，资本集聚对企业应收账款的影响为0.019，是劳动集聚的2.375倍，同时也高于产出集聚的作用。从回归结果(4)～(6)也不难得到类似结论。这说明，地理集聚高的地区，企业间的商业信用更为普遍，而且资本集聚的作用要超过劳动力和产出集聚的作用效果。其经济学解释为：企业能否提供商业信用取决于其自身所拥有的资金数目，而与企业的就业人数不存在直接关系，这就解释了为什么density_employment的估计系数不显著。
进一步对企业提供商业信用和采用商业信用的影响因素分析发现，地理集聚虽然同时促使企业更多的提供和采用商业信用，但就单个企业而言，地理集聚对商业信用提供的影响超过其对商业信用采用的影响。
对此的解释有二。其一，地理集聚对商业信用的影响表现在两个方面：一是使用商业信用的企业数目增加，二是单个企业使用商业信用的强度增加。如果地理集聚对商业信用提供的影响主要表现为后者(强度增加)，而对商业信用采用的影响主要表现为企业数目的增加，那么，从单个企业的角度来看，就可能产生地理集聚对商业信用供给的影响高于地理集聚对商业信用需求的影响。其二，地理集聚可能使更多的中小企业接触到商业信用，但在非国有企业样本中，本文采用的数据并没有包括规模以下的企业，这就可能低估地理集聚对企业商业信用需求的实际影响(Long and Zhang，2011)。
注：回归系数下括号内为回归系数的相伴概率，上标***、**和*分别表示1%、5%和10%的统计显著性；所有回归组合控制了企业固定效应和时间固定效应；回归系数的相伴概率根据城市层面聚类标准差进行调整得到；估计系数为beta系数。
就控制变量而言，负债资产比(debt_asset)与企业商业信用提供正相关，与商业信用使用负相关。其原因在于负债率高的企业很难获得其他企业的信任，从而使得其商业信用的使用较少。年龄与企业商业信用的关系不显著，说明企业的声誉和信用不是取决于企业的历史长短，而是要看企业的经济绩效。销售额(logsale)与出口额(lnex1)的回归系数均为正，表明销售和出口额越大，那么应收账款和应付账款也就越多。企业全要素生产率(tfp)对商业信用提供的影响不显著，但对企业商业信用使用的影响则显著为负。其原因在于，生产率高的企业由于本身经营绩效较好，而且也容易从银行贷款，从而不需要通过其他企业的商业信用来进行融资。企业规模(sizea)对商业信用的影响为负，这是由于大企业能够通过银行和股票市场融资，从而对商业信用的需求较少。利润率(profit)对企业商业信用提供的影响不显著，但对accountp_debt的影响在5%的统计水平上显著为负，表明利润率显著降低了企业的商业信用需求。
此外，竞争程度指标(com)在1%的统计水平上显著增加了企业的商业信用，这一结论证实了“买方市场理论”假说，表明激烈的市场竞争增强了买方的垄断力量，从而促使企业为其客户提供商业信用。在控制竞争程度后，地理集聚对商业信用提供的影响依然为正。这说明，地理集聚不仅会通过“竞争效应”影响商业信用，而且会通过“竞争效应”之外的其他方式(供应链效应和声誉机制)来影响商业信用。
从所有制类型来看，民营企业商业信用的提供显著低于其他类型的企业，其原因在于，民营企业由于规模较小，而且在发展过程中受到融资约束的影响，这就使得这些企业没有足够的资金实力来提供商业信用。而从商业信用的使用来看，外资企业商业信用的使用显著地高于其他类型的企业，对该结论的解释是，外资企业的信用较好，偿债能力较强，从而使得其他企业愿意为其提供商业信用。
(二)地理集聚对商业信用影响：所有制差异
由于中国特殊的转型背景，市场化进程尚不完善，国有企业在金融市场上处于主导地位，它们可以以低利率甚至零利率或负利率获得银行贷款，而广大民营企业却无法通过正规渠道获得银行贷款(Fan et al.，2006；胡旭阳，2006)。在此背景之下，关系、声誉机制等非正式制度在民营企业融资和成长过程中发挥了重要作用(Allen et al.，2005)。因此，地理集聚对民营企业商业信用的影响会超过其对国有企业的影响：一方面，随着地理集聚程度的提高，民营企业可以更方便地通过商业信用来获得资金；另一方面，随着资金的获得，民营企业得以发展壮大，从而有可能为其他企业提供商业信用。为此，我们以国有企业作为比较的基准，分别引入了集体企业、民营企业、港澳台和其他外资企业与地理集聚的交互项。其回归结果报告于表4中。
表4的第(1)～(3)列分别汇报了地理集聚对不同所有制企业商业信用提供的影响。由此不难发现，地理集聚对商业信用提供的影响存在明显的所有制差异，具体地，地理集聚对集体、港澳台和外资企业商业信用提供均有显著影响。而从地理集聚的(标准化beta)回归系数来看，地理集聚对外资企业商业信用提供的影响最大，其次是集体企业，最后是民营企业。
其经济学解释是：由于国有企业受到政府的支持和保护，使得其在商业信用提供方面缺乏激励，而由于外资企业拥有先进的技术、成熟的管理体系和良好的品牌效应，使得外资在与其他企业的业务往来中处于较为有利的位置，其商业信用的建立更为容易，与其进行业务往来的企业也会更为重视自身的声誉。另外，外资企业的客户往往是经营历史较久、经营绩效更为优质的企业。上述原因使得地理集聚对外资企业商业信用提供的影响最为明显。
表4的第(4)～(6)列分别报告了地理集聚对不同所有制企业商业信用使用的影响。由回归组合(4)～(6)式可知，地理集聚对商业信用采用的影响并不存在明显的所有制差异。从平均意义上看，地理集聚对所有企业商业信用的采用都起到了一定的积极作用。不过，这种正面作用对集体企业来说最为微弱，对其他类型的企业的影响略为占优。其他控制变量的回归系数与表3基本一致，此处不再赘述。
(三)地理集聚与商业信用：异质性影响
在前文分析中，我们重点考察了地理集聚的平均效应。最近兴起的异质性企业贸易理论表明，企业是异质性的，而且不同企业的经营绩效和经营方式也存在差异(Melitz，2003)。地理集聚对不同企业的影响也存在一定的差异性，在资源有限的约束下，一部分企业资源的获得意味着另外一些企业资源使用成本的提高。为此，如果忽视了企业的异质性特征，只从平均效应来看地理集聚对商业信用的影响，得到的结论是不确切的。为考察地理集聚对不同企业影响的差异性，本文在基准计量模型(1)中引入了地理集聚与企业特征(规模、全要素生产率和资本劳动比)的交互项，对商业信用提供和商业信用需求的回归结果分布呈现在表5的第(1)～(3)列和第(4)～(6)列中。
由表5可知，从商业信用的提供来看(回归组合(1)～(3))，集聚×规模的回归系数为正，表明虽然从平均效应上来看，资本在地理空间上的集聚显著提高了企业的商业信贷提供，但其影响存在显著的企业差异。地理集聚显著促进了大企业的商业信用供给，并减少了小企业的商业信贷供给。集聚×生产率和集聚×资本劳动比的回归系数均显著为正，表明地理集聚对高生产率企业和资本密集型企业商业信用提供的影响更大，因为这些企业更有能力为其他企业提供商业信用。
从商业信用的需求来看(回归组合(4)～(6))，集聚×规模的回归系数为正，说明资本集聚不仅提高了大企业的商业信贷供给，而且也为这些企业提供了资金来源，增加了其商业信用，但对小企业而言，资本集聚则显著抑制了中小企业的商业信贷获得。集聚×生产率和集聚×资本劳动比的回归系数均不显著，说明商业信用不同企业商业信用使用的影响主要取决于企业的规模，与企业生产率和资本劳动比无关。
(四)“双重差分”(DID)估计
如前所述，在基准模型估计中，我们实际上是根据不同城市的集聚程度以及这些城市不同企业商业信用的信息来估计地理集聚的影响，但是由于我们无法观测到“如果企业不迁移的情况下”企业商业信用的“反事实结果”(Counterfactual Outcome)，使得我们难以准确估计地理集聚的影响。为更为准确地检验地理集聚对商业信用的影响，并考察估计结果的稳健性，本节将采用Nunn和Qian(2011)以及Lu等(2012)的方法，利用2001年变更经营城市的企业样本，采用“双重差分”方法对公式(3)进行估计。
运用“双重差分法”进行估计的一个理论前提是，企业变更经营城市的选择必须是随机的。换言之，“双重差分法”估计结果有效的前提是，处理组与对照组企业特征的分布必须是相同的，即需要满足条件独立假设(CIA)，或平衡条件(Balanced Condition)。因此，如果对照组也从城市c迁移到城市c’，那么其商业信用的变化与处理组企业相同。为了控制该偏差的影响，我们采取如下策略：(1)本文选用Becker和Ichino(2002)、Leuven和Sianesi(2003)提出的最近邻居算法进行倾向得分匹配，并从对照组企业中选择与处理组企业最为接近的样本作为回归样本。(2)在计量模型(3)基础上引入du01与时间t的交互项du01×t，允许处理组与对照组之间存在不同的时间趋势。为了进一步控制企业异质性的影响，在基准模型基础上引入企业固定效应
与时间t的交互项×t。(3)如果处理组和对照组样本满足平衡假设，那么引入企业层面的其他控制变量不会对估计结果产生根本影响，为此，我们进一步引入了企业特征向量
。
1.倾向得分匹配估计
我们首先采用倾向得分匹配对样本进行挑选，并使用匹配后的样本重新进行“双重差分法估计”。同时，为了进一步减少处理组与对照组之间的异质性，我们仅采用倾向得分介于0到1之间的企业进行回归，这样可以保证找到与处理组企业最为接近的样本，从而使样本满足重叠条件(Overlapping Conditions)。
为检验匹配后的样本是否满足平衡条件，我们对匹配前后的样本进行了匹配平衡检验。匹配平衡检验主要进行两方面的检验，首先是考察匹配前后的标准偏差，通过计算配对前后匹配变量的标准偏差，来判断匹配效果的好坏。标准偏差的绝对值越小，表明匹配效果越好(Smith and Todd，2005)，根据Rosenbaum和Rubin(1983)的研究，好的匹配标准偏差在匹配后其绝对值应小于5%。其次是检验在匹配前后，处理组和非处理组均值是否相等，在这里采用的是t检验。如果满足平衡条件，那么在匹配之后处理组与对照组匹配变量之间的均值应不存在显著差异，即t检验不显著。
表6汇报了匹配平衡检验结果，我们根据2000年(企业变更城市前)的负债资产比(debt_asset)、全要素生产率(tfp)、销售额对数值(logsale)以及企业年龄(age)4个变量作为匹配变量。受“维度的诅咒”(Curse of Dimensionality)影响，选择变量并非越多越好，而且一般来说，要求所有变量都能够通过检验也是比较困难的。根据表6汇报的结果可知，4个变量中，除debt_asset外，其他3个变量的标准偏差均下降到5%以下。而从t检验结果来看，所有4个变量均通过t检验，表明匹配后的处理组与对照组之间总体上满足平衡条件。
为检验估计结果的稳健性，表7分别采用匹配前后的样本进行了双重差分估计。通过比较匹配前后估计结果不难发现，匹配前后的估计结果存在显著差异。从统计显著性以及标准化系数来看，资本集聚对企业商业信贷的影响超过劳动集聚和产出集聚。在匹配前，资本集聚、劳动集聚和产出集聚对商业信用的影响均在1%的统计水平上通过显著性检验。而在匹配后，只有资本集聚和产出集聚仍然显著影响企业的商业信用，劳动集聚对企业商业信用的估计系数虽然为正，但在统计上不再显著，标准化系数也小于资本集聚和产出集聚。
2.引入时间趋势项
表8报告了引入处理组虚拟变量时间趋势项(du01_dt01)(回归组合1～3)，以及引入企业特定时间趋势项的估计结果(回归组合4～6)。由表8可知，在所有回归组合中，三类地理集聚指标均对企业的商业信用具有显著积极作用，与表7前三列回归组合的标准化系数基本相同，而与表3的估计结果相比，三类地理集聚指标对企业商业信用的影响则有所提高。以第一列估计结果为例，在表3回归结果中，资本集聚的标准化系数为0.019，而在表8中，资本集聚的标准化系数达到0.023，提高了21%。从回归系数大小来看，资本集聚的作用超过了产出集聚和劳动集聚。
3.引入企业控制变量
注：回归系数下括号内为回归系数的相伴概率，上标***、**和*分别表示1%、5%和10%的统计显著性；所有回归组合控制了企业固定效应和时间固定效应；回归系数的相伴概率根据企业层面聚类标准差进行调整得到；估计系数为beta系数。
表9中的第(1)～(3)列在公式(3)的基础上引入了企业特征变量，并分别报告了三类地理集聚指标的回归结果。由表9可知，dt01_density_asset、dt01_density_employment和dt01_density_output的标准化数略有降低，但仍在1%的统计水平上显著为正。
为进一步考察估计结果的稳健性，我们借鉴Trefler(2004)的思路，对标准的双重差分法做如下变形：
在原始的双重差分回归方程中，dt01为二元离散变量。但在实际中，不同企业新进入的城市的集聚程度并不相同，为此，我们用连续变量dd(分别用dd_asset、dd_employment和dd_output进行测度)代替dt01。
其中，dd_asset表示企业新进入城市2001-2007年资本集聚程度与2000年其所在城市集聚程度差额的平均值，dd_employment表示企业新进入城市2001-2007年劳动集聚程度与2000年其所在城市集聚程度差额的平均值，dd_output表示企业新进入城市2001-2007年劳动集聚程度与2000年其所在城市集聚程度差额的平均值。如果企业新进入城市地理集聚提高幅度越大，则企业商业信用比重越高，那就意味着ρ的估计符号为正。
表9中的第(4)～(6)列汇报了采用公式(4)进行估计的回归结果，由表9可知，与计量模型(3)的估计结果不同，资本集聚显著提高了企业的商业信用，但劳动集聚和产出集聚的作用并不显著，该结果与倾向得分匹配的估计结果较为接近。这一结果也是比较容易理解的，地理集聚能否显著提高商业信用活动，更多地取决于邻近企业的资产状况，与邻近企业的雇用人数和产值相关性较低。
(五)更多的稳健性分析
其中，表10的第(1)～(3)列分别考察了资本集聚、就业集聚和产出集聚对商业信用提供(accountr_asset)的影响，第(4)～(6)列则汇报了资本集聚、就业集聚和产出集聚对商业信用使用(accountp_debt)的影响，为了便于比较，所有回归组合报告的系数均为标准化系数(beta系数)。
由表10的回归组合(1)～(3)不难发现，资本集聚对企业应收账款的影响为0.01，高于产出集聚和就业集聚回归系数0.08和0.07。从回归结果(4)～(6)也可以得到类似结论。这说明，地理集聚高的地区，企业间的商业信用更为普遍，而且资本集聚的作用要超过劳动力和产出集聚的作用效果。进一步证实，企业能否提供商业信用主要取决于其相邻企业所拥有的资金数目。
四、结论
已有文献对集聚外部性的考察，主要集中于对“技术外部性”的探讨，对商业信用的作用则缺乏系统的研究。本文首先在Long和Zhang(2011)的基础上构造了一个能够反映地理集聚3个基本特征的地理集聚指标，并运用1998-2007年中国工业企业数据库30余万家企业样本考察了地理集聚对商业信用的影响。为了准确捕捉地理集聚对企业商业信用的作用，本文巧妙地利用企业的区位信息，并结合Nunn和Qian(2011)所发展的“扩展双重差分法”，对二者的关系进行检验。
研究发现：(1)地理集聚显著增加了企业间的商业信用，而且资本集聚的作用超过了产出集聚和劳动集聚的影响，因此，企业间商业信用的使用更多地取决于相邻企业的资本的数目，与周围企业的雇佣人数无关。而且，“供应链效应”和“声誉机制”是地理集聚影响商业信用的主要渠道。(2)从所有制来看，地理集聚对国有企业的影响不显著，对外资、港澳台和集体企业的商业信用供给有显著正面作用，对民营企业的商业信用供给无显著影响，对集体企业商业信用需求的影响显著弱于其他企业(3)地理集聚对大企业商业信用供给和需求的影响显著超过了对小企业的影响，对资本密集型和高全要素生产率企业商业信用供给的影响更大，对商业信用需求的影响则与资本密集度和全要素生产率无关。
本文研究的启示是：首先，对地理集聚的研究不能仅局限于其“技术外部性”方面，地理集聚在企业融资、交易成本和合约履行等“制度外部性”方面的作用也同样不容忽视。其次，本文为我们理解和解释非国有部门的发展提供了一个新的研究思路。已有研究表明，各种非正式制度的存在是非国有部门(尤其是民营企业)得以快速发展的关键因素。本文的结论则意味着，地理集聚不仅能够推动非正式制度的发展，而且也成为非正式制度之外的影响民营企业发展的一个重要因素。再次，在协调区域发展的过程中，不能只看到地理集聚对地区收入差距的不利影响，而且也应注意到其积极的方面。只有在综合权衡地理集聚利弊的基础上，才能走出一条更为合理的区域协调发展道路。最后，本文虽然证实了地理集聚对企业融资的重要作用，但并不否认正规金融的作用。在企业发展初期，地理集聚能够为企业发展提供资金来源，但当企业成长至一定规模时，仅凭内源融资和商业信用的作用是远远不够的。如果中国想要打造世界级品牌的跨国公司，就必须依靠正规金融的不断发展，并继续推动市场化的深入改革。
注释：
①与此相关地，Rotemberg和Saloner(2000)认为企业之间的竞争会缓解雇主的敲竹杠行为，增加员工的工资和人力资本投资。
②一个侧面的证据是企业更倾向于在本地采购中间投入，例如Scott(2000)的研究发现，企业大部分的中间投入都是在本地采购的。
③其计算公式为
，其中，
表示地区r的产业j就业占全国就业的比重，
表是地区r就业占全国就业的比重。
④对Long和Zhang(2011)指数的详细介绍，请参照Long和Zhang(2011)，第114页。
标签：商业信用论文; 地理论文; 企业经济论文; 城市经济论文; 经济模型论文; 经济指数论文; 集聚效应论文; 产业集聚论文; 企业经营论文; 经营指标论文; 融资论文; 经济学论文;