王 珺，郭惠武

一、引言与文献评述

企业成长，即企业规模的增长，取决于企业内部的特征，也受到外部环境的影响。作为企业能力理论的开创者，潘罗斯(Penrose，1959)着重从企业内部的资源理解企业成长机制。她认为由于不可分割性、专业化以及新生产性服务的不断产生，企业内部总存在未被充分利用的资源。企业在提供生产性服务的过程中，管理团队的知识不断增加，从而资源也能够得到更加充分地利用，企业内部资源被更充分的利用进而产生出更多的生产性服务，就推动了企业成长。但我们也应该看到，在企业内部资源一定的情况下，企业所处的环境如市场的竞争程度及区域特征对企业规模的增长也产生着不可忽视的影响。产业集群作为企业的一种生存环境，其对企业成长的作用也越来越受到了理论界的关注，但产业集群究竟是否利于企业的成长，在理论上仍然存在着分歧。产业集群是相关行业的一群企业在某一区域集中的现象，而企业的集中会产生丰富的外部性，这些外部性有利于企业成长。集群中企业间外部性主要体现在集群中的企业可以共享劳动力市场，企业之间的技术溢出，企业间存在产业链之间的配套以及企业共享区域的品牌声誉等(Marshall，1890;Duranton＆Puga，2004)。集群中的这些外部性可促进企业降低经营成本，因此，相对于集群之外的企业，集群内的企业具有更大的扩张规模的机会。但同时应注意到，产业集群也存在不利于企业成长的方面:首先，由于产业集群存在外部性，会吸引外部企业迁移到集群中并促进集群中新企业的创生，于是在一定时间内，集群内部企业间的竞争加剧，集群中企业的规模扩张因此受到了限制(Cook et al，2001;Melitz ＆ Ottaviano，2008;Porter，1990);其次，由于产业集群地域范围较小，所以集群中的企业及企业之间的经济关系嵌入到了当地的社会网络中，这一网络有助于减少违约率从而降低交易成本(Becattini，1990)，但较低的交易成本会促进企业间的垂直分工，这也抑制了企业规模的增长。施蒂格勒(Stigler，1951)曾指出，产业的地理集中降低了企业间的信息沟通成本，增大了市场容量，市场容量的增大又促进了区域内企业间的分工，进而导致该区域内的企业规模较小。由于集群有促进企业成长的方面，也存在抑制企业成长的方面，所以在现实当中，产业集群对企业成长作用的方向究竟如何，还需要通过具体的实证分析给出答案。

产业集群对企业成长作用的不确定性也引发了验证二者关系的一系列实证文献，这些文献基本上都支持了集群对企业成长有正向作用的结论。部分文献以个别行业为研究对象，如斯旺和普雷维泽(Swann＆Prevezer，1996)研究了美国计算机和生物技术产业中集群对于企业成长的影响。他们以企业所属行业在本地区的就业人数来度量集群效应，以美国的州作为集群的地理范围，结果发现产业集群有利于企业成长。巴普蒂斯塔和斯旺(Baptista＆Swann，1999)利用了美国1988年和英国1991年的企业普查数据，验证了美国和英国计算机产业中集群对于企业成长的影响。在该文中，集群效应也是以企业所属行业在本地区的就业人数来度量的，结果发现美国和英国的产业集群对企业成长均有促进作用。库克、潘迪特和斯旺(Cook，Pandit＆ Swann，2001)考察了英国广播业产业集群对于企业成长的影响，结果也发现集群可以促进企业成长。曼尼、夏皮罗和维宁(Maine，Shapiro ＆ Vining，2010)研究了美国高技术企业集群对于企业成长的作用，其实证分析中，采取了两种方法进行验证:一种是通过设置虚拟变量的方法比较集群内外企业的成长率，发现结果并不显著;另一种是考察集群外的企业与中心集群之间距离对企业成长率的影响，发现与中心集群的距离越小，则企业成长越快，一定程度上得出了集群有利于企业成长的结论。格罗伯曼夏、皮罗和维宁(Globerman，Shapiro＆ Vining，2005)考察了加拿大IT产业中集群对于企业成长的影响，也发现集群对于企业成长有正向作用。

另外一些文献基于某国的全行业数据也得出了类似的结论。博德里和斯旺(Beaudry＆Swann，2009)利用英国产业集群和企业的数据，研究了产业集群中本行业就业人数及其他行业就业人数对于集群企业的成长率的影响，发现集群企业的成长率与本行业的就业人数呈正相关关系，而与其他行业的就业人数呈负相关关系，该方法是以地区的专业化程度来代表产业集群的集聚程度。洪斯特拉和范迪克(Hoogstra＆Van Dijk，2004)利用荷兰北部各行业共3.5万家企业1994至1999年间的数据，验证了企业所处区域的特征对于企业成长的影响，发现从全行业及制造业来看，区域中某行业企业的集中有利于该行业企业的成长。

以上的文献分别对美国、英国、荷兰及加拿大几个发达国家的产业集群进行了研究，一致得出了产业集群可促进企业成长的结论。在中国，产业集群也是近20多年来工业化过程中的突出现象。我们根据中国制造业企业数据，按照下文产业集群的度量方法，发现2002年产业集群有540个，2007年有2141个;在2007年，集群中的企业有49846个，占当年全部制造业企业数量的近1/6;集群中企业销售额占全国制造业销售额的比重也较高，2007年为16.65%。所以，在当前产业集群快速发展的情况下，我们也很想知道，中国的产业集群对于企业成长的影响如何，但目前还没有利用中国的数据针对此问题进行严格的实证研究。本文利用了2002年至2007年持续存在的75131家制造业企业的数据进行的实证分析对这一问题提供了中国的经验证据。

在已有相关文献的基础上，本文对集群识别方法作了改进。Swann参与的多篇文章中，均使用本区域内本行业的就业数量度量集群效应，这很难排除大企业的影响。如果某地区存在个别大企业，则用此方法度量的集群效应也会较大，但实际上该地区的企业数量较少，仍然很难称得上是我们所说的集群。Beaudry和Swann(2009)在全行业的分析中以及Hoogstra和Van Dijk(2004)的分析中还使用了本行业就业人数在本地区总就业人数的比例来度量集群效应，这样就用地区专业化水平来代替了产业集群效应，而二者是不同的概念。Maine，Shapiro和Vining(2010)采用了哈佛集群地图项目的成果来区分集群内外的企业这一方法也缺乏普遍性。为了较准确地识别出集群和计算出集群内外企业成长率的差异，本文以同一行业一定数量的企业在一相对较小区域内的集中这一集群的核心概念，利用聚类方法识别出产业集群，进而把企业分为集群中的企业和集群外的企业。通过在回归方程中加入是否为集群企业的虚拟变量计算出集群内外企业成长的差异。

下面的内容安排为:第二部分是实证模型设定;第三部分说明数据情况、介绍识别集群的方法并对变量进行描述;第四部分利用2002年至2007年中国制造业的面板数据，就产业集群对企业成长的影响进行实证研究;第五部分是结论。

二、模型设定

关于企业成长相关命题的验证，目前比较成熟的模型主要来自对“吉布莱特定律”的实证分析。法国学者罗伯特·吉布莱特(Robert Gibrat)在其1931年出版的《非均衡经济学》一书中提出了企业的成长率与企业规模无关的假说，被称为吉布莱特定律。吉布莱特定律提出后引发了大量的企业成长率与企业规模以及企业年龄之间关系的实证研究，目前许多研究发现企业规模及年龄与企业成长率之间存在比较显著的非线性关系(Evans 1987a，1987b;Dunne et al.1989)。Maine等学者(2010)在分析集群对企业成长的作用时也主要采用了这类企业成长模型。考虑到此类模型在企业成长验证上具有较好的拟合程度，本文也将以伊万斯(Evans，1987a，1987b)提出的模型为基础，把企业规模和年龄的一次项、平方项及交互项作为基本的控制变量，在此基本的企业成长回归模型中，加入是否为集群企业的虚拟变量作为关键自变量，同时引入其他控制变量，来对产业集群与企业成长的关系进行验证。企业成长方程可表示为:

G为企业的成长方程，Sit为企业在t期的规模，Ait为企业在t期的年龄，τ为时间间隔，eit为服从对数正态分布的误差项。两边取对数以后得到方程(2):

对 lnG［Ait，Sit］进行对数二阶展开，可以得方程(3):

如果因变量为连续两年的增长率并略作整理可得到:

方程(4)为我们所需要的回归模型。其中，lnG［Ait，Si，t－1］包括企业规模、年龄的一次项、二次项及交互项，cluster为集群变量，Xit为其他一系列解释变量，可包括企业特征和行业特征等。ai为观测不到的不随时间变化的因素，uit为时变误差。

三、数据、方法及变量描述

(一)数据来源及样本选择

本文数据来源于中国工业企业数据库，该数据库涵盖了全部国有及规模以上非国有企业(年销售收入在500万元以上)，并提供了企业的基本情况和各项财务、产值指标。在企业基本情况中，可利用企业的行政区划代码及邮政编码确定企业所处的区域，企业所拥有的四位数的行业代码提供了企业所属产业的信息。由于2002年前后我国行业分类发生了变化，所以为方便起见，我们主要考察从2002年至2007年的数据。采掘业、水、电、煤气等行业产业集群的现象主要决定于地区的资源，该类集群中的外部性并不明显，因此本文不考察此类行业的产业集群，而仅关注两位数行业代码从13至42的29个制造业行业。为方便计算每两年的企业成长率，我们挑出了数据库中从2002年至2007年持续存在的企业，形成一个企业的平衡面板数据。2004年缺少工业总产值、工业增加值、新产品产值、工业销售产值、出口交货值几个变量的数据，所以2004年的这几个指标的数值用2003年及2005年相关数据的平均值来代替。

由上面的介绍可以看出，本文的样本选择是非随机的。首先，由于选择了规模以上的企业，则在我们的分析中忽略了年销售额在500万元以下的企业。对于这一点，由于数据的限制，我们难以进行补救，所以，本文直接把规模以上的企业作为分析的总体，而且根据2004年规模以上企业数据与2004年经济普查企业数据的对比发现，规模以上企业工业总产值占全国所有工业企业总产值的90%以上，因此把规模以上企业作为总体，具有一定的合理性。其次，我们选择了持续存在于数据库中的企业作为样本。这样，2002至2007年间进入或退出数据库的企业就没有包括在样本中。对于这个问题，我们主要考察这种样本选择方式是否存在内生样本选择问题，即样本的选择是否是以因变量为基础的。选出持续存在企业的方法忽略了原来在数据库中，而之后由于破产、合并、规模下降等原因不再在数据库中出现的企业;同时也忽略了原来不在数据库中，但在考察期内新成立，或规模增大达到标准而进入数据库的企业。虽然，企业进入及退出数据库与企业成长率有一定的联系，但这种样本选择方式并不是基于因变量进行的;同时企业成长率对于这两个方面的影响基本上是对称的，所以，虽然本文的样本选择是非随机的，但并不存在内生样本选择问题。另外，我们进行计量分析的主要目的是比较集群内外企业的成长率，这种非随机的抽样不影响集群内企业和集群外企业出现的随机性，也不影响集群内外企业不同成长率企业出现的随机性。因此，我们仍然能够利用这些样本得到总体的无偏和一致估计量。

(二)集群的识别

产业集群的界定和识别是本研究的重要前提，也具有一定的难度。之所以有难度，一方面是由于数据资料的限制;另一方面，目前集群的定义在理论界还没有一个统一的认识，集群概念所涉及的因素比较复杂。因此，完全准确地划分出集群是不现实的，我们只能抓住各种集群概念中的最核心的、共同具有的、最能体现出集群基本含义的特征，充分利用现有数据来对集群作出界定。马歇尔(Marshall，1890)从理论上关注了产业集群这一现象，在其分析中，产业集群是指存在企业间外部性的专业化产业区。比卡提尼(Becattini，1990)认为产业集群是生产相同或类似产品的企业在一定空间上的集聚，同时产业集群又是一个社区关系网络。波特(Porter，1998)把集群定义为某一特定领域内通过相似性或互补性而相互联系的、并在地理空间上相对集中的公司和机构的集合。从这几种定义我们可以抽出三个共性的方面，即相关或类似行业、一群企业及一定区域，这三个方面可以作为界定集群的基本要素。那么集群就可定义为相关或相似行业的一群企业在相对较小的区域范围内的集中①根据此定义，目前一些文献中使用的识别产业集群的方法便不太适用，如某些文献使用产值的区位商来识别集群，即如果某一地区某一行业的区位商大于1，则认为此地区存在产业集群。但是区位商主要度量某一产业在某地区的专业化程度。地区的专业化与产业集群虽然有一定联系，但不完全相同，比如某地存在一个集群，如果这个集群的产值很小，则区位商可能会小于1，则这个集群便不能被识别出来。，并且从区域范围、相关行业及企业数量三个方面来界定集群。在识别产业集群时，空间的范围不能过大，产业集群最主要的特征是企业之间的外部性。如果空间距离过大，则很难体现出企业间的外部性。乡镇和街道②乡镇这一级的行政单位还包括街道办事处等，这里“乡镇”这一名称代表这一级的行政区。是我国最小的行政单位，外部性相对更容易体现，同时乡镇也具有一定的空间，可以容纳集群企业的活动，所以我们主要选取乡镇级行政区作为集群的空间范围③由于数据库中乡镇行政区的代码及名称缺失较多，而我国绝大部分地区基本上是每个乡、镇一个邮政编码，所以可采用邮政编码区域来代替乡镇行政区。。关于行业，根据2003年以后采用的新的国民经济行业代码(GB/T4754—2002)，制造业的两位数行业共29个，每一个行业内部的三位数行业差异较大，所以不太合适用来界定集群。四位数行业共480个，划分很细，但如果以四位数行业界定集群，则可能忽略了相似并有一定相关性的行业，从而漏掉一些集群。三位数行业共167个，每个行业内部的四位数行业之间差异较小，且大多相互关联，较为符合集群概念的要求，所以我们以三位数行业来界定集群。第三个方面，一个区域当中同行业的企业数量达到多大时才能称作集群，这是无法进行严格规定的。我们可依据以下理念对集群企业和非集群企业进行划分:产业集群主要是指企业分布不均匀的现象，即企业不是在空间上等距均匀分布的，而是有些企业分散，有些企业集中在一起，这也就意味着某一行业的企业在各乡镇的分布也是不均匀的，有的乡镇多，有的乡镇少，如果某个乡镇同行业企业数量明显较多，就可判断该乡镇存在一个产业集群。据此，我们运用聚类分析方法对企业进行分组，每个乡镇每个三位数行业的企业数为基本观察单位，这样全国各乡镇内各三位数行业的企业数量构成一个数据集①不考虑企业数为0的情况。。对此数据集进行K值聚类分析，把各乡镇中同行业的企业数划分为两组:企业数量较多的一组和企业数量较少的一组。那么，企业数量较多的一组相对来说出现了明显的企业集中，这些乡镇的这群企业就是一个集群。K值聚类的分界点就是最小的集群企业数量，如果某个乡镇某个三位数行业的企业数量大于这个数值，则这个乡镇就存在一个集群。对2002年至2007年每一年的数据进行聚类分析，则得到6个聚类分界点，各年聚类分界点的平均值取整后为12，所以我们把12个企业数作为集群与非集群的基本分界线。需要说明的是在识别产业集群时我们利用的是全部制造业企业的数据，在进行计量回归时使用平衡面板数据。

集群确定之后，我们根据每个企业是否在这些集群中，来对虚拟变量进行赋值。这里虚拟变量是随时间变化的，即某一些企业最初其所处的乡镇不存在所属行业的集群，但随着该乡镇该产业的发展，集群出现了，于是该企业的集群虚拟变量赋值由0变为1，同时在集群衰落的情况下，企业的集群虚拟变量就由1变为0。这样通过面板数据的计量分析，我们不仅可以分析同一截面上集群内外企业之间的差别，也可以分析一个企业进入或退出集群前后的差异②此处的进入和退出是指，企业所处的区域有可能随着企业数量的增加而变成集群，这时企业就成为集群中的企业，同时也可能由于企业数量的减少，原来是集群，现在就不再是集群，此时企业也不再是集群中的企业，所以这里的进入和退出并不是指企业在地理空间上的迁移。。表1给出了集群识别的基本情况。首先，根据各年全部企业数据来识别集群。2002年全部规模以上企业共162286个，至2007年升至312394个;所涉及的邮政编码区域2002年为17525个，2007年为21029个;通过聚类分析，2002年集群的分界点是6，即当某个邮政编码区域三位数行业的企业数量超过6个时，这个区域便存在一个集群，2007年分界点是17。当各年均以12为集群分界点时，2002年有540个集群，集群内的企业数量为10930个，规模最大的集群有164个企业;2007年有2141个集群，集群内企业数量为49846个，规模最大的集群有302个企业。其次，判断2002年至2007年持续存在的企业中，哪些是集群中的企业，哪些不是。这段时间持续存在的企业共75131个，2002年集群中的企业共5833个，2007年共10629个。

表1 企业及集群的基本情况

③ 本文仅考虑了某三位数行业企业数量大于0的邮政编码区域。

(三)变量描述

本文所研究的企业成长是企业规模的增长率，企业的规模由企业销售收入来度量。根据前面介绍的企业成长方程，以企业规模对数值的差来得到企业规模的增长率近似值，基本的控制变量包括企业规模的对数值、企业年龄的对数值、企业规模对数值的平方、企业年龄对数值的平方及规模和年龄的交叉项。为避免出现多重共线性，计算交叉项时，规模和年龄先减去了平均值后再相乘。企业的年龄由企业创办至今的年数来代表。由于我们主要观察市场经济条件下企业的成长特征，所以对于在1979年以前计划经济时代及解放前创办的企业我们用1979年来截断，这些企业的创办年份统一为1979年(见表2)。

在计量模型中还控制了一些企业特征。在我国经济外向度不断提高的情况下，出口对于企业的成长可能产生影响，伯纳德(Bernard＆Wagner，1997)发现出口对于企业年增长率的影响为正且是显著的。这里我们采用企业出口交货值占企业工业销售产值的比重来度量企业的出口率。许多文献都发现企业创新越多则企业成长越快(Mansfield，1962;Hall，1987)。企业创新可用企业的研发密集度及企业新产品率来度量，但企业研发投入只有2005至2007年三年的数据，所以我们仅用新产品率度量企业的创新水平。企业的新产品率由企业当年新产品产值占企业工业总产值的比重来度量。张维迎等(2005)发现企业的负债率对企业的成长率有负的影响。这里我们也把企业的负债率作为一个控制变量。负债率由企业负债总额除以企业总资产获得。

不同的行业，企业成长率有一定差异，所以我们需要控制行业特征。本文采用行业资本密集度来控制行业特征。不同资本密集度行业的规模经济特性不同，所以企业成长率也有差异，因此，行业的资本密集度适合用来作为行业的控制变量。行业资本密集度由行业固定资产年平均余额除以行业全部职工年平均人数得到。

本文主要关注的是集群企业虚拟变量，为考察结论对集群企业数量界限的敏感程度，我们采用了多个划分集群的界限分别进行回归分析。在下面的计量回归中采用了 5、10、11、12、13、15、25、30作为集群企业数量划分的界限;主要关注的企业数量界限是12，如果界限取12附近的数字时，结论没有发生明显逆转，则12这个界限是合适的，结论相对来说也是稳健的。为进一步考察结论的稳健性，我们采用连续变量作为集群变量，主要选取了体现产业集聚程度的指标，包括各镇某三位数行业销售额占全国该三位数行业销售额的比重;各镇三位数行业企业数量占全国该三位数行业企业数量的比重;各镇三位数行业企业数量的对数值。虽然采用这些连续变量进行的计量分析与我们考察的集群对企业成长的影响这一问题不完全相同，但这种方法也度量了企业集中程度对企业成长的影响，一定程度上可以回答我们关注的问题。

表3给出了主要变量的描述性统计。

表2 变量说明

表3 平衡面板数据主要变量的描述性统计

四、实证结果

(一)设置集群企业虚拟变量的方法

首先我们采用虚拟变量的方法，考察集群对于企业成长的影响，其基本含义就是比较集群内外企业的成长率。如果集群虚拟变量系数显著为正，集群内的企业成长快于集群外的企业，则说明集群有利于企业成长，反之则不利于企业成长。由于数据集是一个面板数据，所以我们首先通过Hausman检验来判断采用固定效应模型还是随机效应模型进行估计。Hausman检验显著地拒绝了原假设，因此我们采用固定效应模型进行回归。本文中的数据模型全部存在异方差，所以下面的结果均基于稳健型标准误来判断系数的显著性。由于数据的时期较短，滞后一期后只有5年，所以回归过程中不考虑序列相关问题。以下是采用虚拟变量方法的回归结果，我们选取5至30之间的8个数作为集群的最小企业数量分别进行回归。

由表4来看方程的总体解释程度都较高，8个模型调整后的拟合优度均略高于0.55，F检验也很显著。集群虚拟变量以外的控制变量，也都相当显著。企业规模及年龄一次项的系数显著为负，平方项显著为正，交叉项显著为负，说明企业年龄及规模与企业成长率呈非线性关系。行业资本密集度的系数显著为正，但值很小，其对企业成长的影响很微弱。企业出口比率和新产品比率对企业成长有显著的正向影响。

表4 产业集群对于企业成长的影响(设置集群企业的虚拟变量)

根据集群虚拟变量的系数值，我们可以得出集群内的企业成长快于集群外企业的结论。以12为集群界限时，集群虚拟变量的系数为0.0125，在5%的显著性水平上是显著的，即集群内的企业比集群外的企业成长率高1.25个百分点。集群界限为5和10时系数值很小，也不显著，界限在11以上时，系数值较大，显著性水平也较高。界限定为11、13和15时系数都显著为正，虽然界限为10时没有通过10%的显著性检验，但P值为0.107，系数也为正，所以，当集群界限在12附近出现细微变化时，结论仍然成立。这表明我们以12个企业数为集群界限时，获得的集群有利于企业成长的结论是稳健的，12作为集群边界数也是合适的。以上结果说明总体上，目前在中国的制造业产业集群中，有利于企业成长的因素占主导地位。集群中技术外溢、劳动力市场的共享及产业关联等外部性较强，这些外部性较大程度促进了企业成本的降低，而集群中抑制企业成长的竞争效应和交易成本较低引起的分工效应作用力相对较小，最终的结果是产业集群内的企业比集群外的企业成长更快。

通过表4我们还可发现集群中企业数量越多，企业成长速度越快。当集群界限不断提高时，集群虚拟变量的系数总体在上升。当边界为5、10时，系数的平均值为0.0048;当边界为11、12、13时，系数的平均值为0.0128;当边界为15、25、30时，系数的平均值为0.0242。这说明在中国制造业产业集群中，集群规模越大，有利于企业成长的因素的力量就越强。

(二)集群效应用连续变量度量的方法

为了进一步考察结论的稳健性，我们采用连续的集群变量进行回归分析，以各乡镇每个三位数行业的集聚程度来度量集群效应。集聚程度用三种表示方法，即各乡镇三位数行业销售收入占全国该三位数行业的比重、对数化后的乡镇三位数行业企业数量，以及各乡镇三位数行业的企业数量占全国该三位数行业企业数量的比重。前两种度量集聚程度的方法各有利弊。以销售收入比例来度量，考虑到了行业的特征，但如果某地区仅有几个规模较大的企业，则此度量方法就会失效，因为我们更关注的是企业的群聚，而不是产值份额。以区域内的企业数量度量集聚程度，虽然直接体现了区域内的企业集中程度，但却忽略了行业的不同特征，某一些行业企业总体数量较大，但有些行业企业总体数量较小，这样把不同行业的企业数量直接放在一起比较，则不太合适。对于第三种方法，即企业数量的比例，既考虑到了产业的不同，也考虑了企业的数量，相对更适合用来度量集群效应。但把前两种方法的结果列出来做一些对比也仍然是有意义的。下面我们分别以三种集聚程度指标来度量集群效应进行回归分析，三个模型的Hausman检验均拒绝了原假设，所以都采用固定效应模型进行估计，仍然以稳健型标准误判断系数显著性，同样不考虑序列相关。

表5报告了以连续变量度量集群效应的情况下的回归结果。控制变量与表4相同，调整后的拟合优度均在0.55以上，F检验很显著，说明方程的拟合程度较好，控制变量的回归结果也与表4相似。考察集群变量的系数，发现采用三种度量集群效应的方法都支持集群可促进企业成长的结论。以销售收入比率度量集群效应时，作用强度最大，系数达到了4.538;以企业数量比率度量集群效应时，系数相对较小，为0.5914，在10%的显著性水平上是显著的;当以企业数量的对数值度量集群效应时，系数仍然显著为正，但影响比较微弱，系数仅为0.0056。由于三个指标都度量了产业集群的规模，所以表5也同样证明了表4的第二个结论，即集群规模越大，企业成长速度越快;其主要原因是随着集群规模的增大，有利于企业成长的力量会更强，同时不利于企业成长的方面会减弱。对于有利的方面，当集群规模增大时，集群的外部性就较强，这主要体现在以下几个方面:第一，规模更大的集群，其中的知识容量更大，则技术外溢情况也更多;第二，规模较大的集群可形成更大规模的同行业劳动力市场，企业搜寻到本企业所需要的劳动力的成本更低;第三，在规模较大的集群中，企业也更容易寻找到相适应的上游供应商或下游的客户，这些外部性增大之后又促进了企业成本会进一步降低。同时，当集群规模增大时，集群的区域品牌声誉就更大，则集群在全国甚至全球范围的市场也进一步扩大，市场规模增大后，集群中抑制企业成长的竞争效应会减弱，同时外部市场扩大时，即使集群内企业间的分工会进一步深化，企业也可以利用大规模的市场实现专业化的规模经济。因此，随着集群规模扩大，集群中限制企业成长的力量也会减弱。总体来看，表5的计量结果进一步证明了在我国制造业，产业集群有利于企业的成长，并且企业成长率也与产业集群的规模正相关。我们在表4中得到的计量结果是稳健的。

表5 产业集群对企业成长的影响(集群效应用连续变量度量)

五、结 论

本文利用2002年至2007年中国制造业企业数据，从行业、区域和企业数量三个维度，利用聚类分析识别出产业集群，再通过回归分析对比集群内外企业成长率的差异，发现从全行业来看，产业集群能够促进企业成长。在适当变动集群企业数量的界限时，发现我们的结论是稳健的。在采取区域同行业企业数量和产值规模两个连续变量度量集群效应时，产业集群可促进企业成长的结论仍然是成立的，并且发现集群规模越大，企业成长速度就越快。本文的实证结论说明，中国产业集群中有利于企业成长的外部性相对更强，企业的群聚也是促进企业成长的一个重要途径。关于产业集群对企业成长的影响，在本文的基础上，有以下几个方面值得进一步探索:首先，本文针对全行业进行了分析，但不同的行业外部性也有差异，所以集群对于企业成长的作用可能不同，需要进一步区分;其次，对于不同类型的企业，如国有和民营、大企业和小企业等对于集群外部性的依赖不同，所以集群对企业成长的作用也并不相同，仍值得进一步考察;第三，集群所处区域产业多样性有所差别，则集群内存在基于行业内的马歇尔外部性，也存在基于行业间的雅各布斯外部性，集群中这两类外部性对于企业成长的影响如何也值得探索。

Baptista，R.，＆ Swann，G.M.P.，1999.The dynamics of firm growth and entry in industrial clusters:A comparison of the US and UK computer industries.Journal of Evolutionary Economics，9(3):373—399.

Beaudry，C.and Swann，G.M.P.，2009.Firm growth in industrial clusters of the United Kingdom.Small Business E-conomics，32:409—424.

Becattini，G.，1990.The Marshallian Industrial district as a socio-econiomic notion.In:Pyke，F.，Becattini，G.，Senbenberger，W.(Eds)，Industrial districts and inter-firm co-operation in Italy.International Institute for Labour Studies，Geneva:134—141.

Bernard，A.B.，Wagner，J.，1997.Exports and success inGerman manufacturing.Weltwirtschaftliches Archiv 133:134—157.

Cook，G.，Pandit，N.，＆ Swann，G.M.P.，2001.The dynamics of industrial clustering in UK broadcasting.Information Economics and Policy，13:351—375.

Dunne，T.，Roberts，M.J.，Samuelson，L.，1989.The growth and failure of manufacturing plants.Quarterly Journal of Economics，104:671—698.

Duranton，G.，and Puga，D.，2004.Micro-foundations of urban agglomeration economies in Handbook of Regional and Urban Economics，Volume 4.Edited by J.V Henderson and J.E Thisse Elsevier，2063—2117.

Evans，D.S.，1987a.The relationship between firm growth，size and age:estimates for 100 manufacturing industries.Journal of Industrial Economics，35:567—581.

Evans，D.S.，1987b.Tests of alternative theories of firm growth，Journal of Political Economy，95:657—674.

Globerman，S.，Shapiro，D.，＆ Vining，A.2005.Clusters and intercluster spillovers:Their influence on the growth and survival of Canadian information technology firms.Industrial and Corporate Change，14:27—60.

Hall，B.H.，1987.The relationship between firm size and firm growth in the US manufacturing sector.Journal of Industrial Economics，35:583—606.

Hoogstra，G.J.，and Van Dijk，J.，2004 Explaining Firm Employment Growth:Does Location Matter?Small Business Economics，22:179—192.

Maine，E.M.Shapiro，D.M.，Vining，A.R.，2010.The role of clustering in the growth of new technology-based firms.Small Business Economics，34:127—146.

Mansfield，E.，1962.Entry，Gibrat’s law，innovation，and the growth of firms.American Economic Review，52:1023—1051.

Marshall，A.，1890，Principles of Economics，Macmillan Press Ltd，London.

Melitz，M.J.＆ Ottaviano，G.I.P.2008.Market Size，Trade，and Productivity，Review of Economic Studies，75:295—316.

Penrose，E.T.，1959.The Theory of The Growth of The Firm ，Oxford，Bail Blackwell.

Porter，M.E.，1990.The Comparative Advantage of Nations.London:Macmillan.

Porter，M.E.，1998.On competition.Boston:HBS Press.

Stigler，G.J.1951.The Division of Labor is Limited by the Extent of the Market，Journal of Political Economy，59:185—194.

Swann，G.M.P.，＆ Prevezer，M.，1996.A comparison of the dynamics of industrial clustering in computing and biotechnology.Research Policy，25:1139—1157.

张维迎，周黎安，顾全林.高新技术企业的成长及其影响因素:分位回归模型的一个应用.管理世界，2005，(10):94—101.