摘要
城市的宜居性对人口迁徙、企业选址和经济发展有重要影响。我国地区间宜居性差异较大,深入理解城市宜居性对企业选址的影响,是关乎因地制宜推动经济发展的重要议题。研究发现,城市宜居性对外资企业选址有重要的影响,并且,与城市公共服务、基础设施等相关的社会宜居性比自然宜居性影响更大。其中,宜居性因素对大规模企业、劳动密集型企业、高技术行业企业的选址具有更明显的影响。因此,新时代城市管理者不仅应当在“以人为本”的发展理念下积极推动城市宜居环境建设,也应当结合本地自然的、社会的宜居性特点和发展水平,因地制宜实施招商引资,推动本地产业和经济发展。
外商直接投资区位选择的理论与实证研究是跨国投资领域的重要议题。凭借用市场换技术的引资导向政策,我国成功对接国际资本流。大量外资流入我国,外商直接投资地理分布呈现出很大的空间多样性。现有研究大多从本地市场需求、劳动成本、基础设施、人力资本、税收、制度等生产性因素的角度来解释我国外商直接投资区位分布的差
当前,城市经济学家以宜居性为核心,分别从城市主义、新经济地理理论、人力资本理论等角度,研究了宜居性对城市经济发展的重要影响。城市宜居性的内涵边界也由狭义的自然宜居性(如气候、地形等)拓展至包括社会消费、公共服务、文化等在内的社会宜居性。地理区位特征影响经济区位是对李嘉图比较优势理论的重要发展。初期的相关研究主要聚焦地理与气候对经济发展的影
本文聚焦城市宜居性对我国外资企业选址的影响,利用2003—2013年中国工业企业数据库的新建外商投资企业数据,构建了外资企业在城市间选址的条件Logit模型,分析了城市宜居性对新建外资企业选址的作用。具体而言,文章致力于回答两个问题:第一,作为发展中国家,城市宜居性对我国外资区位分布有影响吗?第二,如果有影响,这种影响在不同类型的宜居性和不同类型的企业间具有异质性特征吗?
本文的第一个贡献是将研究样本由发达国家拓展到了发展中国家。部分研究表明城市宜居性对企业选址有重要影
第二个贡献是补充了城市宜居性影响外资企业选址的实证证据。以往的研究大都针对一国的本土企业,事实上,城市宜居性对外资企业也具有较强影响。首先,相比本土企业存在规模、管理水平参差不齐的现实情况,外资企业往往已具备较大的生产规模和规范的生产管理。因此外资企业对城市提供高素质人才能力的要求更高,受城市宜居性的潜在影响也更强。其次,与本土企业相比,外资企业选址的自由度更高,因而城市宜居性等城市特征因素对外资企业选址行为的影响更大。最后,外资企业在东道主市场上处于信息劣势,对城市治理是否规范、信息是否通达等城市宜居性因素的敏感性也更
第三个贡献是提供了丰富的异质性分析。本文不仅比较了自然宜居性与社会宜居性影响的差异,还研究了城市宜居性对不同规模企业、不同劳动密集度企业、不同资本密集度企业和不同技术水平企业的异质性影响。宜居性既有自然的、外生的一面,又有人造的、内生的一面。区分自然宜居性及社会宜居性对不同类型企业选址的异质性影响,对于培育因地制宜、因城施策的引资政策具有现实意义。
接下来,本文第二部分综述了相关文献与影响机制;第三部分对实证模型和数据进行了介绍;第四部分为本文基准模型结果和稳健性检验;第五部分从企业规模、劳动密集型企业、资本密集型企业和高技术企业四个方面进行了异质性分析;第六部分给出了文章结论。
现有文献对城市宜居性赋予了多种内涵,这些对城市宜居性的不同理解具有鲜明的时代背景和主题特色。城市主义理论、新经济地理理论、人力资本理论均涉及宜居性对城市经济发展的影响。城市宜居性的内涵边界也由狭义的自然宜居性拓展至包括社会消费、公共服务、文化等在内的社会宜居性。随着创新、产业集聚等要素逐步成为城市经济发展的核心竞争力,城市宜居性对产业集聚、高技术企业、高素质人才的作用也得到了重视。此时,城市宜居性的内涵进一步拓展到了对人才、企业等具有吸引力的城市服务与营商环境,如底蕴深厚的人文环境、丰富融洽的社会互动、能够提供高质量生活的消费环境
一些聚焦“宜居”是什么、什么样的城市才算宜居城市的研究概括了城市宜居性的内涵。如Florida构建的城市宜居性考虑了创意指数、熔炉指数和波西米亚指数
Rosen为研究城市间选址问题提供了一个经典框
企业选址,选择的是企业生产经营的空间载体。这个空间载体所包含的要素资源、气候条件、基础设施、公共服务等是企业经营的最基本环境。自然宜居性及社会宜居性对企业选址有重要影响。一方面,自然宜居性好的城市,其温度、湿度、光照适宜,便于生产。Roback发现在极端天气(例如暴风雪)发生频率较低的地区,企业面临更少的停产风险,生产成本降
从国际范围内看,多位学者实证研究了城市宜居性对企业区位选择的影响。Love和Crompton研究了迁移至科罗拉多的174家企业并指出,QOL(Quality of Life)是企业迁徙至科罗拉多的首要原因,其重要性要高于成本、政府政策、地理位置等因
集聚效应是城市经济学的核心议题。传统产业集聚理论将集聚的原因概括为三个方面:第一,劳动分工与专业化;第二,基础设施、信息等资源共享;第三,人力资本池共享。近年来,大量文献开始探讨宜居性对人力资本集聚的影响。由于创新经济的崛起,城市宜居性与集聚的关系更加密切。Florida的研究就指出美国创意企业选址具有高度集聚特征,其主要原因在于这些地区有能吸引创意工作者的宜居性因
城市宜居性引致的人力资本集聚不仅可以为企业节约人力成本,更能为企业提供更大的人力资本池。首先,人力资本拥有者的择地行为一方面在追求更高的工资、更低的消费价格等经济利益,另一方面也在追求优美的环境、便捷的交通、丰富的消费选择等宜居性因素。于是,人们会在经济利益和城市宜居性因素之间做出折中的选择。为了某个地区更好的宜居性,人们愿意支付更高的住房价格或房租,或是愿意接受更低的工资水
已有文献建立了城市宜居性与居民、企业选址的关系,发现通过扩大城市产业集聚、节约企业劳动成本、扩大人力资源池等,宜居性对企业区位选择可能有重要影响。本文接下来将采用我国外资企业选址数据,实证检验城市宜居性对外资企业选址的影响。
各个城市的市场规模、基础设施、宜居特征、要素价格、优惠政策等生产经营条件不同,企业往往会综合考虑,选址于能使其利润最大化的城市。条件Logit模型刻画了这种基于城市特征的企业选址行
(1) |
其中,代表地区j对企业利润的影响因素k,是一个k维向量,为模型残差。如果企业f选择地区j时利润更大,则企业选择在j地区进行投资。因此企业选择j地区的概率可以表示为:
(2) |
由此,地区特征向量不变时,企业的择地选择依赖于残差项分布的假设。假设残差项独立且服从Weibull分布,则企业f选择在j地区进行投资的条件概率为:
(3) |
其中,时,企业选择一个城市进行投资的概率为1。在地区特征因素对所有企业个体影响一致的假设下,可以采用其似然值的对数估计与地区特征向量对企业选址的影响,模型形式如下:
(4) |
其中,表示选择地区j的企业总数量。在每一个企业f设立时,当期样本内所有城市都是它的备选城
城市宜居性是本文的主要解释变量。它的评价可以分为三个层次:城市间宜居性评价、城市内部空间宜居性评价、居住区的宜居性评
不同的研究方法有其自身的优点及缺点。多因素评价法的优点在于可以根据不同的研究目的灵活调节指标体系构成,其缺点则在于不够客观。效用估价法的优点在于其建立在城市宜居性影响居民效用水平的经济理论上,更为客观;其缺点则在于只能给出城市或地区的宜居性综合估价,无法根据研究目标区分不同种类宜居性的异质性影响,如无法区分自然宜居性和社会宜居性的影响。因此,本文同时采用了多因素评价法和效用估价法,尽可能排除测量误差带来的影响。为保留自然宜居性及社会宜居性的异质性分析,本文主体部分采用主成分分析法测度城市宜居性;同时,借鉴杨勇
一级指标 | 二级指标 | 均值 | 标准差 | 最小值 | 最大值 |
---|---|---|---|---|---|
社会宜居性 | 万人均剧院、电影院/个 | 0.043 | 0.065 | 0 | 0.778 |
万人均图书馆藏书/册 | 46.337 | 105.176 | 0 | 4 324.94 | |
万人均医院病床数量/个 | 32.797 | 14.955 | 8.137 | 132.483 | |
万人均邮政局数量/个 | 0.482 | 0.467 | 0.079 | 12.568 | |
5A级景区数量/个 | 0.214 | 0.587 | 0 | 7 | |
PM2.5/(μg/ | 45.194 | 19.691 | 3.131 | 110.121 | |
废水排放量/万吨 | 7 787.918 | 10 194.662 | 17 | 91 260 | |
二氧化硫排放量/吨 | 62 514.146 | 62 859.006 | 3 | 711 537 | |
工业烟尘排放量/吨 | 31 553.162 | 129 553.390 | 34 | 5 168 812 | |
自然宜居性 | 极大风速/(0.1m/s) | 120.731 | 30.510 | 54 | 346 |
平均风速/(0.1m/s) | 21.042 | 7.112 | 4.463 | 67.893 | |
平均温度/0.1℃ | 143.564 | 53.402 | -10.487 | 253.566 | |
气温指数 | 0.003 | 0.001 | 0.002 | 0.006 | |
平均相对湿度/% | 68.616 | 8.884 | 37.978 | 86.841 | |
平均大气压/0.1hPa | 9 706.754 | 591.006 | 6 037.740 | 10 176.381 | |
24小时降水量/mm | 29.41 | 16.434 | 1.253 | 98.105 |
注: 气温指数=;数据来源于《中国城市统计年鉴》、百度百科和中国气象数据网。
外资企业选址的控制变量如下:(1)人均GDP。市场规模代表了当地居民的购买能力,这是外资企业区位选择的重要决定因素。因此,本文控制了人均GDP,其预期影响为正。(2)本地生产要素。本文加入了在职员工平均工资以控制地区生产的劳动成本。城市人力资本采用受初等及以上教育人口占总人口比例来衡量。此外,本文还进一步控制了公路货运周转量。(3)集聚。集聚因素是影响外资企业区位选择的重要因素。集聚的形式带来了技术及成本上的外部性,为企业提供了更大的人力资本池、更丰富的中间品,还提供了产业内及产业间的知识溢出。本文采用人口密度来衡量城市集聚水平。(4)政策优惠与区位因素。本文考虑了两类优惠政策:一类为经济特区,主要包括深圳、珠海、厦门、汕头等7个;一类为覆盖面更加广泛的国家级经济技术开发区政策。此外,省会城市在获取资源、吸引外资上具有一定优势,故本文进一步控制了省会城市效应。本文还控制了沿海城市效应。
本文主要使用两类数据。第一类为新建外资企业选址数据,来自2003—2013年的工业企业数据库。研究中,本文主要使用了企业建立时间、企业类型及企业所在地数据。第二类是与城市特征相关的城市层面数据,样本区间同样为2003—2013年。变量定义及数据来源见
变量 | 变量定义及处理方法 |
---|---|
外商直接投资 | 实际利用外资总额的自然对数 |
城市宜居性 | 主成分分析法计算 |
自然宜居性 | 同上 |
社会宜居性 | 同上 |
城市宜居性_HPM | 效用估价法测算 |
人均GDP | 人均国内生产总值的自然对数 |
平均工资 | 职工平均工资的自然对数 |
人力资本 |
受初等及以上教育人数占比,使用2000年及2010年全国人口普查 县级数据,经汇总后使用线性插值法计算得出 |
基础设施 | 公路货运周转量的自然对数 |
集聚 | 地区总人口(万人)/建成区面积(平方公里) |
经济特区 | 当年属于经济特区=1;反之=0 |
区域政策 | 当年该城市国家级经济技术开发区数量 |
省会城市 | 省会城市=1;非省会城市=0 |
海岸线哑变量 | 行政区划中包含海岸线=1;无海岸线=0 |
注: 数据来源于《中国城市统计年鉴》、2000年及2010年全国人口普查数据和百度百科(由笔者整理得出)。
变量 | 均值 | 标准差 | 最小值 | 最大值 |
---|---|---|---|---|
城市宜居性 | 0.103 | 0.838 | -1.727 | 3.062 |
自然宜居性 | 0.132 | 1.068 | -2.778 | 2.995 |
社会宜居性 | -0.025 | 0.996 | -1.235 | 7.351 |
城市宜居性_HPM | 9.125 | 0.358 | 6.288 | 9.743 |
人均GDP | 9.668 | 0.71 | 4.595 | 13.285 |
平均工资 | 9.748 | 0.467 | 2.712 | 12.678 |
人力资本 | 0.201 | 0.073 | 0.066 | 0.565 |
基础设施 | 11.06 | 4.013 | 2.802 | 16.652 |
集聚 | 0.467 | 0.321 | 0.01 | 2.662 |
经济特区 | 0.027 | 0.162 | 0 | 1 |
区域政策 | 0.252 | 0.579 | 0 | 9 |
省会城市 | 0.126 | 0.332 | 0 | 1 |
海岸线哑变量 | 0.225 | 0.418 | 0 | 1 |
变量 | 城市宜居性 | |||
---|---|---|---|---|
(1) | (2) | (3) | (4) | |
城市宜居性 |
1.077 |
0.351 |
0.141 |
0.203 |
(0.009 6) | (0.009 7) | (0.011 4) | (0.012 2) | |
人均GDP |
1.639 |
1.699 |
1.280 | |
(0.020 4) | (0.022 5) | (0.027 0) | ||
平均工资 |
0.863 |
0.328 |
0.123 | |
(0.041 6) | (0.047 4) | (0.047 5) | ||
人力资本 |
1.966 |
-2.669 | ||
(0.140 4) | (0.232 4) | |||
基础设施 |
0.289 |
0.294 | ||
(0.010 6) | (0.012 7) | |||
集聚 |
0.000 |
0.724 | ||
(0.019 6) | (0.023 5) | |||
经济特区 | NO | NO | NO | Yes |
经济开发区 | NO | NO | NO | Yes |
沿海城市 | NO | NO | NO | Yes |
省会城市 | NO | NO | NO | Yes |
样本量 | 3 489 529 | 3 447 864 | 3 437 138 | 3 437 138 |
注: *
变量 | 自然宜居性 | 社会宜居性 | ||||
---|---|---|---|---|---|---|
(1) | (2) | (3) | (4) | (5) | (6) | |
自然宜居性 |
0.469 |
0.113 |
0.124 | |||
(0.008 3) | (0.010 1) | (0.011 1) | ||||
社会宜居性 |
0.546 |
0.170 |
0.218 | |||
(0.003 0) | (0.007 5) | (0.008 3) | ||||
人均GDP |
1.819 |
1.307 |
1.786 |
1.289 | ||
(0.021 8) | (0.026 7) | (0.021 7) | (0.026 9) | |||
平均工资 |
0.118 |
0.203 |
0.106 |
0.103 | ||
(0.043 2) | (0.048 6) | (0.045 1) | (0.047 7) | |||
人力资本 |
-3.786 |
2.342 |
-4.336 |
0.833 | ||
(0.145 7) | (0.232 9) | (0.144 5) | (0.222 0) | |||
基础设施 |
0.207 |
0.339 |
0.201 |
0.316 | ||
(0.010 5) | (0.012 6) | (0.010 7) | (0.012 5) | |||
集聚 |
0.346 |
0.263 |
0.310 |
0.180 | ||
(0.020 9) | (0.021 6) | (0.021 7) | (0.023 3) | |||
经济特区 | No | No | Yes | No | No | Yes |
经济开发区 | No | No | Yes | No | No | Yes |
沿海城市 | No | No | Yes | No | No | Yes |
省会城市 | No | No | Yes | No | No | Yes |
样本量 | 3 709 291 | 3 655 303 | 3 655 303 | 3 515 592 | 3 463 144 | 3 463 144 |
外商投资企业的区位分布具有明显的集聚效应。以本样本为例,外商独资企业流入最多的城市为江苏省苏州市,2003—2013年,共有2 261家外商独资企业落户苏州,占样本企业总量的13.45%。此外,排名前五的城市还包括上海市、青岛市、天津市及东莞市,在样本期间共有6 514家新建外商独资企业,占样本企业总量的36.94%。若企业集聚的城市恰好宜居性较好,那么集聚导致的样本有偏分布将造成估计偏误。因此,本文去除了前述五个城市的样本并重新估计。
变量 | 城市宜居性 | 自然宜居性 | 社会宜居性 |
---|---|---|---|
(1) | (2) | (3) | |
城市宜居性 |
0.193 | ||
(0.016 1) | |||
自然宜居性 |
0.095 | ||
(0.013 6) | |||
社会宜居性 |
0.184 | ||
(0.012 2) | |||
人均GDP |
1.221 |
1.261 |
1.215 |
(0.034 3) | (0.033 8) | (0.035 1) | |
平均工资 |
0.341 |
0.442 |
0.334 |
(0.059 3) | (0.059 1) | (0.060 6) | |
人力资本 |
0.885 |
0.508 | -0.104 8 |
(0.277 1) | (0.272 4) | (0.265 4) | |
基础设施 |
0.134 |
0.148 |
0.117 |
(0.012 8) | (0.012 9) | (0.012 9) | |
集聚 |
1.004 |
1.031 |
1.159 |
(0.039 1) | (0.038 9) | (0.036 2) | |
经济特区 | Yes | Yes | Yes |
经济开发区 | Yes | Yes | Yes |
沿海城市 | Yes | Yes | Yes |
省会城市 | Yes | Yes | Yes |
样本量 | 2 064 783 | 2 183 595 | 2 081 001 |
Guimarães
泊松模型的局限性在于如果数据中存在过多的0观测值,则模型会出现过度分散问题。本文进一步进行了过度分散检验。
变量 | Poisson估计 | 负二项回归估计 | ||||
---|---|---|---|---|---|---|
城市宜居性 | 自然宜居性 | 社会宜居性 | 城市宜居性 | 自然宜居性 | 社会宜居性 | |
(1) | (2) | (3) | (4) | (5) | (6) | |
城市宜居性 |
0.314 |
0.505 | ||||
(0.011 3) | (0.045 1) | |||||
自然宜居性 |
0.171 |
0.251 | ||||
(0.010 3) | (0.036 5) | |||||
社会宜居性 |
0.311 |
0.352 | ||||
(0.007 4) | (0.038 8) | |||||
人均GDP |
1.454 |
1.548 |
1.475 |
1.411 |
1.397 |
1.512 |
(0.021 0) | (0.019 7) | (0.021 3) | (0.102 1) | (0.103 2) | (0.100 1) | |
平均工资 |
-0.280 |
-0.265 |
-0.296 | -0.005 7 | 0.045 0 | 0.021 5 |
(0.022 5) | (0.023 6) | (0.023 9) | (0.146 5) | (0.143 0) | (0.145 2) | |
人力资本 |
2.047 |
1.562 | -0.340 5 | -0.533 0 |
-2.716 | -0.845 8 |
(0.223 0) | (0.218 8) | (0.213 5) | (0.798 9) | (0.796 6) | (0.791 9) | |
基础设施 |
0.102 |
0.113 |
0.103 |
0.101 |
0.099 |
0.115 |
(0.002 3) | (0.002 2) | (0.002 3) | (0.010 4) | (0.010 4) | (0.010 3) | |
集聚 |
0.504 |
0.532 |
0.369 |
0.937 |
1.132 |
0.835 |
(0.021 8) | (0.019 5) | (0.021 7) | (0.125 9) | (0.128 1) | (0.126 2) | |
经济特区 | Yes | Yes | Yes | Yes | Yes | Yes |
经济开发区 | Yes | Yes | Yes | Yes | Yes | Yes |
沿海城市 | Yes | Yes | Yes | Yes | Yes | Yes |
省会城市 | Yes | Yes | Yes | Yes | Yes | Yes |
Alpha |
0.678 |
0.587 |
0.659 | |||
样本量 | 2 279 | 2 408 | 2 287 | 2 279 | 2 408 | 2 287 |
城市宜居性是文章的关键解释变量,准确、客观地测度城市宜居性对本研究具有重要意义。正如前文所述,城市宜居性的度量主要有多因素评价法及效用估价法两种方法。前文所用的主成分分析法属于多因素评价法,以下将使用城市宜居性评价的另一种方法——效用估价法进行稳健性检验。
在城市宜居性的测度模型上,本文与杨勇
变量 | 城市宜居性 | ||
---|---|---|---|
(1) | (2) | (3) | |
城市宜居性_HPM |
1.351 |
0.123 |
0.554 |
(0.008 8) | (0.019 8) | (0.033 7) | |
人均GDP |
1.780 |
1.351 | |
(0.020 5) | (0.026 6) | ||
平均工资 |
1.400 |
-0.077 | |
(0.042 2) | (0.047 0) | ||
人力资本 | -0.136 5 | ||
(0.235 0) | |||
基础设施 |
0.348 | ||
(0.012 9) | |||
集聚 |
0.358 | ||
(0.021 8) | |||
经济特区 | NO | NO | Yes |
经济开发区 | NO | NO | Yes |
沿海城市 | NO | NO | Yes |
省会城市 | NO | NO | Yes |
样本量 | 3 579 359 | 3 537 793 | 3 526 934 |
城市宜居性因素对不同规模的外资企业可能存在不同影响。相较于小规模企业,大规模的企业在生产、管理上对人力资源要求更高,城市为企业提供足够人力资源的能力也更加重要。好的城市宜居性可以通过为企业培育更大范围的潜在雇佣者来吸引企业选址。基于此,本文以企业成立第二年工业增加值的中位数为分类标准将样本企业分为大规模和小规模两组,研究城市宜居性对不同规模的外资企业的影响。
变量 | 大规模企业 | 小规模企业 | ||||
---|---|---|---|---|---|---|
城市 宜居性 | 自然 宜居性 | 社会 宜居性 | 城市 宜居性 | 自然 宜居性 | 社会 宜居性 | |
(1) | (2) | (3) | (4) | (5) | (6) | |
城市宜居性 |
0.305 |
0.092 | ||||
(0.017 0) | (0.017 7) | |||||
自然宜居性 |
0.191 |
0.051 | ||||
(0.015 5) | (0.016 0) | |||||
社会宜居性 |
0.270 |
0.159 | ||||
(0.011 2) | (0.012 4) | |||||
控制变量 | Yes | Yes | Yes | Yes | Yes | Yes |
经济特区 | Yes | Yes | Yes | Yes | Yes | Yes |
经济开发区 | Yes | Yes | Yes | Yes | Yes | Yes |
沿海城市 | Yes | Yes | Yes | Yes | Yes | Yes |
省会城市 | Yes | Yes | Yes | Yes | Yes | Yes |
样本量 | 1 774 494 | 1 885 505 | 1 787 167 | 1 662 856 | 1 770 016 | 1 676 189 |
注: 控制变量包括人均GDP、平均工资、人力资本、基础设施和集聚,下同。
节约企业劳动力成本、增大城市人力资本资源池是城市宜居性对外资企业选址产生影响的渠道之一。由于劳动密集型企业对劳动力成本的变化更加敏感,城市宜居性对不同劳动密集程度的外资企业的选址可能具有不同影响,本文对此进行了实证检验。作为对照,本文还分析了城市宜居性对不同资本密集度的企业的影响。相比劳动密集型企业,资本密集型企业对资本价格的敏感性更高。但与劳动要素不同,各地区间资本价格受宜居性因素影响小。因此,城市宜居性对资本密集型企业的影响应当更弱。
现有文献对劳动密集型企业及资本密集型企业的划分有不同的处理方
变量 | 劳动密集型 | 非劳动密集型 | ||||
---|---|---|---|---|---|---|
城市 宜居性 | 自然 宜居性 | 社会 宜居性 | 城市 宜居性 | 自然 宜居性 | 社会 宜居性 | |
(1) | (2) | (3) | (4) | (5) | (6) | |
城市宜居性 |
0.241 |
0.106 | ||||
(0.015 1) | (0.021 6) | |||||
自然宜居性 |
0.159 |
0.046 | ||||
(0.013 8) | (0.019 1) | |||||
社会宜居性 |
0.224 |
0.193 | ||||
(0.010 3) | (0.014 4) | |||||
控制变量 | Yes | Yes | Yes | Yes | Yes | Yes |
经济特区 | Yes | Yes | Yes | Yes | Yes | Yes |
经济开发区 | Yes | Yes | Yes | Yes | Yes | Yes |
沿海城市 | Yes | Yes | Yes | Yes | Yes | Yes |
省会城市 | Yes | Yes | Yes | Yes | Yes | Yes |
样本量 | 2 279 438 | 2 421 645 | 2 296 519 | 1 095 826 | 1 166 435 | 1 104 523 |
变量 | 资本密集型 | 非资本密集型 | ||||
---|---|---|---|---|---|---|
城市 宜居性 | 自然 宜居性 | 社会 宜居性 | 城市 宜居性 | 自然 宜居性 | 社会 宜居性 | |
(1) | (2) | (3) | (4) | (5) | (6) | |
城市宜居性 | -0.106 4 |
0.194 | ||||
(0.024 0) | (0.011 4) | |||||
自然宜居性 | -0.016 1 |
0.266 | ||||
(0.022 0) | (0.011 3) | |||||
社会宜居性 |
0.066 |
0.274 | ||||
(0.024 5) | (0.010 5) | |||||
控制变量 | Yes | Yes | Yes | Yes | Yes | Yes |
经济特区 | Yes | Yes | Yes | Yes | Yes | Yes |
经济开发区 | Yes | Yes | Yes | Yes | Yes | Yes |
沿海城市 | Yes | Yes | Yes | Yes | Yes | Yes |
省会城市 | Yes | Yes | Yes | Yes | Yes | Yes |
样本量 | 611 603 | 636 769 | 656 331 | 2 596 813 | 2 699 196 | 2 779 618 |
总体而言,城市宜居性因素对劳动密集型企业影响大,对资本密集型企业影响小。根据
城市宜居性对高技术企业及低技术企业的选址也存在不同影响。作为企业创新的重要动力,人力资本是高技术企业的核心。高人力资本拥有者对城市宜居性的要求往往更高,他们的择地行为很大程度上影响了高技术企业的选址行为。因此,本文进一步考察了城市宜居性对高技术企业和非高技术企业选址的异质性影响。在高技术产业的界定上,本文借鉴国家统计局发布的《高技术产业统计分类目录》,将目录内行业划分为高技术产业。
变量 | 高技术行业企业 | 非高技术行业企业 | ||||
---|---|---|---|---|---|---|
城市 宜居性 | 自然 宜居性 | 社会 宜居性 | 城市 宜居性 | 自然 宜居性 | 社会 宜居性 | |
(1) | (2) | (3) | (4) | (5) | (6) | |
城市宜居性 |
0.289 |
0.179 | ||||
(0.034 0) | (0.013 1) | |||||
自然宜居性 |
0.172 |
0.110 | ||||
(0.030 9) | (0.011 9) | |||||
社会宜居性 |
0.377 |
0.186 | ||||
(0.022 5) | (0.009 0) | |||||
控制变量 | Yes | Yes | Yes | Yes | Yes | Yes |
经济特区 | Yes | Yes | Yes | Yes | Yes | Yes |
经济开发区 | Yes | Yes | Yes | Yes | Yes | Yes |
沿海城市 | Yes | Yes | Yes | Yes | Yes | Yes |
省会城市 | Yes | Yes | Yes | Yes | Yes | Yes |
样本量 | 650 531 | 684 474 | 656 432 | 2 724 733 | 2 903 606 | 2 744 610 |
本文使用条件Logit模型及2003—2013年外商独资企业选址微观数据,研究了城市宜居性对外商投资企业选址的影响。在实证结果的稳健性方面,本文从三个方面进行检验。首先,外商投资企业的区位选择具有明显的集聚效应,为了避免这种集聚造成样本有偏分布进而削弱实证结果的可信度,本文去除了外商独资企业数量排名前五位的城市。其次,本文采用泊松回归和负二项回归检验了实证模型选择可能导致的偏误。最后,为了避免测量误差给实证结果带来影响,本文采用效用估计法测度的城市宜居性进行稳健性检验。与现有文献相比,本文一方面采用实证研究方法检验了城市宜居性对我国外资企业选址的影响,另一方面进行了丰富的异质性分析,对培育因地制宜、因城施策的引资政策具有现实意义。
根据实证研究,城市宜居性对外资企业选址有重要影响。一方面,这是由于城市是企业的空间载体,城市的要素资源、气候条件、公共服务等宜居性特征是企业经营的最基本环境;另一方面,城市宜居性也能促进集聚、节约劳动成本、扩大人力资源池,进而有利于城市引资。对于流动性更强、规模更大、对人力资本要求更高的外资企业,其选址受城市宜居性的影响更为明显。本文研究发现,城市宜居性显著增加了外资企业选址于当地的概率。和自然宜居性相比,与城市公共服务、公共卫生相关的社会宜居性的引资效应更明显。同时,城市宜居性对大规模企业、劳动密集型企业、非资本密集型企业和高技术行业企业的正向作用也更为显著。
基于上述结论,解决发展不平衡问题,要符合经济规律、自然规律,要因地制宜、分类指导,因此,深入研究影响资本区位分布的因素十分必要。城市宜居性既有自然的、外生的一面,又有人造的、内生的一面。随着中国老龄化程度不断加深,劳动力供给成为经济发展、企业选址的约束条件之一。构建良好的城市宜居环境、实现公共服务均等化,不仅体现了新时代城市执政者“以人为本”的发展理念,更是助推城市招商引资、优化城市产业结构的重要途径。同时,我们也应当正视外生的自然宜居性给发展造成的瓶颈与制约,在指导地区产业发展过程中要因地制宜、因城施策。本文的异质性分析表明,城市宜居性因素对劳动密集型企业影响大,对资本密集型企业影响小。部分自然宜居性较差的西部地区更适合资本需求相对大、劳动力需求相对小的资本密集型企业。
当前,城市发展步入以人才为核心要素的竞争阶段,招商引资不但要从税收、市场环境等方面考虑公司经营的方便,更要从城市宜居性的角度考虑企业与人才的公共服务需要,为城市创造更大的吸引力。地方政府的引资途径应从以税收竞争、土地引资等短期政策为主转向以构建城市宜居性为抓手、以促进人力资本积累为核心的长效政策,从而实现我国经济更长远的发展目标。
参 考 文 献
Hou L., Li K. & Li Q. et al., “Revisiting the location of FDI in China: a panel data approach with heterogeneous shocks,” Journal of Econometrics, Vol. 221, No.2 (2021), pp. 483-509. [百度学术]
Hou L., Li Q. & Wang Y. et al., “Wages, labor quality, and FDI inflows: a new non-linear approach,” https://doi.org/10.1016/j.econmod.2021.105557, 2022-01-11. [百度学术]
Li X., Quan R. & Stoian M. C. et al., “Do MNEs from developed and emerging economies differ in their location choice of FDI? a 36-year review, ” International Business Review, Vol. 27, No. 5 (2018), pp. 1089-1103. [百度学术]
Glaeser E. L., Kolko J. & Saiz A., “Consumer city,” Journal of Economic Geography, Vol. 1 (2001), pp. 27-50. [百度学术]
Gaigné C., Koster H. R. A. & Moizeau F. et al., “Who lives where in the city? Amenities, commuting and income sorting,” https://doi.org/10.1016/j.jue.2021.103394, 2022-01-11. [百度学术]
Wu Y., Wei Y. D. & Li H. et al., “Amenity, firm agglomeration, and local creativity of producer services in Shanghai,” https://doi.org/10.1016/j.cities.2021.103421, 2022-01-11. [百度学术]
Hall R. E. & Jones C. I., “Why do some countries produce so much more output per worker than others?” http://dx.doi.org/10.2139/ssrn.3595, 2022-01-11. [百度学术]
Krugman P., “Increasing returns and economic geography,” Journal of Political Economy, Vol. 99 (1999), pp. 483-499. [百度学术]
Leppänen S., Ledyaeva S. & Kosonen R., “Weather as a competitive factor between local and foreign manufacturing companies in Russia,” Journal of Industry, Competition and Trade, Vol. 16 (2016), pp. 499-513. [百度学术]
Albouy D., “What are cities worth? land rents, local productivity, and the total value of amenities, ” The Review of Economics and Statistics, Vol. 98, No. 3 (2016), pp. 477-487. [百度学术]
Love L. L. & Crompton J. L., “The role of quality of life in business (re)location decisions, ” Journal of Business Research, Vol. 44, No. 3 (1999), pp. 211-222. [百度学术]
Li M., Goetz S. J. & Partridge M. et al., “Location determinants of high-growth firms,” Entrepreneurship & Regional Development, Vol. 28, No. 1-2 (2016), pp. 97-125. [百度学术]
Naldi L., Nilsson P. & Westlund H. et al., “Amenities and new firm formation in rural areas,” Journal of Rural Studies, Vol. 85 (2021), pp. 32-42. [百度学术]
Moeller K., “Culturally clustered or in the cloud? how amenities drive firm location decision in Berlin,” Journal of Regional Science, Vol. 58, No. 4 (2018), pp. 728-758. [百度学术]
王芳芳、郝前进: 《环境管制与内外资企业的选址策略差异——基于泊松回归的分析》,《世界经济文汇》2011年第4期,第29-40页。 [百度学术]
Florida R., “Bohemia and economic geography,” Journal of Economic Geography, Vol. 2, No. 1 (2002), pp. 55-71. [百度学术]
Glaeser E. L. & Gottlieb J. D., “Urban resurgence and the consumer city,” Urban Studies, Vol. 43, No. 8 (2006), pp. 1275-1299. [百度学术]
张文忠: 《城市内部居住环境评价的指标体系和方法》,《地理科学》2007年第1期,第17-23页。 [百度学术]
李业锦、张文忠、田山川等: 《宜居城市的理论基础和评价研究进展》,《地理科学进展》2008年第3期,第101-109页。 [百度学术]
Rosen S., “Wage-based indexes of urban, quality of life,” in Mieszkowski P. & Straszheim M. (eds.), Current Issues in Urban Economics, Baltimore: Johns Hopkins University Press, 1979, pp. 74-104. [百度学术]
Südekum J., “Regional costs-of-living with congestion and amenity differences: an economic geography perspective,” The Annals of Regional Science, Vol. 43 (2009), pp. 49-69. [百度学术]
Roback J., “Wages, rents, and the quality of life,” Journal of Political Economy, Vol. 90, No. 6 (1982), pp. 1257-1278. [百度学术]
张治国、欧国立: 《高铁网络、虹吸效应与城市群引资》,《经济问题》2022年第2期,第34-41,78页。 [百度学术]
Majocchi A. & Presutti M., “Industrial clusters, entrepreneurial culture and the social environment: the effects on FDI distribution,” International Business Review, Vol. 18, No. 1 (2009), pp. 76-88. [百度学术]
杨勇、丁雪、魏伟等: 《地区适宜性、空间分类效应与区域引资绩效研究》,《中国软科学》2017年第8期,第112-120页。 [百度学术]
潘士远、朱丹丹、徐恺: 《中国城市过大抑或过小?——基于劳动力配置效率的视角》,《经济研究》2018年第9期,第68-82页。 [百度学术]
Albrecht J., Carrillo-Tudela C. & Vroman S., “On-the-job search with match-specific amenities,” Economics Letters, Vol. 162 (2018), pp. 15-17. [百度学术]
Gabriel S. A., Mattey J. P. & Wascher W. L., “Compensating differentials and evolution in the quality-of-life among U.S. states,” Regional Science and Urban Economics, Vol. 33, No. 5 (2003), pp. 619-649. [百度学术]
Redding S. J. & Sturm D. M., “The costs of remoteness: evidence from german division and reunification,” American Economic Review, Vol. 98, No. 5 (2008), pp. 1766-1797. [百度学术]
Diamond R., “The determinants and welfare implications of US workers’ diverging location choices by skill: 1980-2000,” American Economic Review, Vol. 106, No. 3 (2016), pp. 479-524. [百度学术]
韩峰、李玉双: 《产业集聚、公共服务供给与城市规模扩张》,《经济研究》2019年第11期,第149-164页。 [百度学术]
Huang D. J., Leung C. K. & Qu B., “Do bank loans and local amenities explain Chinese urban house prices?” China Economic Review, Vol. 34 (2015), pp. 19-38. [百度学术]
Desmet K. & Rossi-Hansberg E., “Urban accounting and welfare,” American Economic Review, Vol. 103, No. 6 (2013), pp. 2296-2327. [百度学术]
杨勇、丁雪、赵奇伟: 《中国地区宜居度的数量测度与空间效应》,《经济评论》,2019年第4期,第49-61页。 [百度学术]
Cheng S. & Stough R. R., “Location decisions of Japanese new manufacturing plants in China: a discrete-choice analysis,” The Annals of Regional Science, Vol. 40, No. 2 (2006), pp. 369-387. [百度学术]
Guimarães P., Figueirdo O. & Woodward D., “A tractable approach to the firm location decision problem,” The Review of Economics and Statistics, Vol. 85, No. 1 (2003), pp. 201-204. [百度学术]
Schmidheiny K. & Brülhart M., “On the equivalence of location choice models: Conditional logit, nested logit and Poisson,” Journal of Urban Economics, Vol. 69, No. 2 (2011), pp. 214-222. [百度学术]
Herger N. & McCorriston S., “On discrete location choice models, ” Economics Letters, Vol. 120, No. 2 (2013), pp. 288-291. [百度学术]
戴觅、余淼杰、Madhura Maitra: 《中国出口企业生产率之谜:加工贸易的作用》,《经济学(季刊)》2014年第2期,第675-698页。 [百度学术]
倪骁然、朱玉杰: 《劳动保护、劳动密集度与企业创新——来自2008年〈劳动合同法〉实施的证据》,《管理世界》2016年第7期,第154-167页。 [百度学术]