集聚特征、融資約束與中國企業“走出去”

□ 趙偉 盧侃

內容提要 本文就我國產業集聚與企業對外直接投資之間的關系進行理論分析和實證研究。從受融資約束影響的企業ODI 模型出發，引入母國產業集聚特征，進而推導出集聚特征對企業ODI 決策的影響機制，并提出相應命題，采用2004~2013年我國規模以上制造業企業為樣本進行實證檢驗。研究顯示：（1）同行業集聚程度和多樣性集聚分別通過“資產價格”效應、“分工協作”效應，緩解融資約束，從而促進企業ODI。（2）從所有制看，集聚程度對國有企業和外資企業有促進作用，多樣性集聚對民營企業和外資企業有促進作用；從要素密集度看，集聚程度對資本密集型和技術密集型企業有促進作用，多樣性集聚對所有類型企業都有促進作用；從投資目的看，集聚程度對市場尋求型和自然資源尋求型ODI 有促進作用，多樣性集聚對市場尋求型和技術尋求型ODI 有促進作用。（3）替代核心解釋變量和消除稀有事件偏差的回歸結果均證明前述結論的穩健性。

一、引言

近年來圍繞企業對外直接投資 （Outward Direct Investment，以下簡稱ODI）的研究辟出了新的視野，即從空間經濟學之集聚視野切入、審視集聚與企業ODI 的關系。迄今揭示出的線索至少有三：一是東道國產業集聚與外來企業選址的關系；二是對外投資對東道國的產業空間分布形態的影響；三是源自同一國的企業在東道國的所謂“抱團集聚”傾向。這些研究均側重于東道國集聚與企業對外投資“區位選擇”間的關系，而母國的產業集聚與企業“走出去”的關系較少受到關注，這里直截了當的問題是：中國的產業集聚對中國企業的ODI 會產生怎樣的影響？

產業集聚會促進企業ODI，這一推斷已獲現有文獻的支持。戴翔等（2013）從日本、韓國以及臺灣省等地的“抱團走出去”現象出發，認為母國集聚提供的供應網絡、人際關系延續到國外市場可以為企業降低交易成本，減少投資風險。孟寒和嚴兵（2020）以2003~2013年中國制造業企業ODI 的數據為樣本發現：同行業集聚可通過提升企業生產率和提高用工成本兩條渠道促進企業 “走出去”。以上研究忽視的一個關鍵事實是：中國金融市場發育滯后，融資約束構成企業ODI 面臨的重大阻礙，而集聚或許有助于緩解融資約束。由此挖掘出兩條重要線索：一是融資約束對企業ODI 的影響；二是母國產業集聚對融資約束的影響。

融資約束對企業ODI 的影響源自學者對出口的研究。企業出口前需支付沉沒成本，由于沉沒成本的支付先于海外市場的盈利，這就啟發學者在出口問題中引入融資約束。Greenaway & Kneller（2007）沿著同樣的邏輯，考慮到ODI 需要支付更多的固定成本，推斷融資約束或許會阻礙企業ODI。這方面后續主要是實證研究，比如Buch et al.（2014）基于德國企業ODI 的數據、王碧珺等（2015）基于浙江民營企業ODI 的數據、李磊和包群（2015）基于全國規模以上工業企業ODI 的研究，都證明了融資約束會阻礙企業的ODI。

關于產業集聚對融資約束的影響，相關文獻揭示，產業集聚能夠從拓寬企業的融資渠道和降低企業的融資需求兩個方面，緩解企業面臨的融資約束。融資渠道方面，產業集聚通過兩個機制幫助企業獲取銀行信貸：一是集聚構成的企業分工網絡能夠通過“聲譽效應”降低銀企之間的信息不對稱程度（盛丹和王永進，2013）；二是產業集聚能夠將資產的最佳使用者集中在同一個空間下，提高了企業抵押的固定資產的折現價值，有利于銀行給予更高的信貸額度（茅銳，2015）。同時，產業集聚也為企業提供了“替代性融資”。馬述忠和張洪勝（2017）發現產業集聚將企業和主要的合作伙伴集中在同一地區之下，企業通過和上下游廠商業務往來中提供的商業信用來緩解融資約束，并采用中國縣域層面產業集聚的數據證明了這一觀點。融資需求方面，阮建青等（2008）對長三角的濮院羊毛衫產業集聚區的調研發現，羊毛衫的生產工序可以被切分為十個相對獨立的流程，倘若以一體化的形式生產，那么最少需投資1000 萬元。而當地大多數企業只從事其中一個工序，比如編織作坊的平均投資僅為7 萬元，顯著降低了融資需求。

值得注意的是，現有關于集聚的研究中考慮的多半是同行業企業的空間集中度，是為“集聚程度”。當代空間經濟學研究揭示，產業集聚不僅有程度之分，還有類型之別；集聚類型可分為“專業化”集聚和“多樣化”集聚，前者指本地區主要是同行業企業的群居，后者指多行業企業雜居（趙偉和隋月紅，2015）。一般將集聚類型界定為介于完全專業化和完全多樣化之間的連續變量。兩個線索對接之后，自然而然的問題是：包含了同行業集聚程度和同地區集聚類型兩重含義的集聚特征，是否可以通過緩解企業面臨的融資約束，進而促進企業的“走出去”？

上述問題的答案，首先有待于機理梳理。這方面，Melitz & Ottaviano（2008）之“企業異質性”框架當屬一個重要依托。而實證方面，可以我國過往二十多年的相關數據為基本依據。這樣一種研究的理論意義和現實政策啟示是不難預估的。

本文的邊際貢獻至少有三：其一表現在研究視角上，以往關于ODI 的研究大多忽略了投資母國產業集聚效應。本文從母國集聚特征出發，將這種特征與融資約束，進而與企業“走出去”聯系在一起，形成一個鏈條線索，這無疑是個創新。其二是機理梳理。以往無論研究集聚與走出去者，抑或研究融資約束與對外直接投資者，均注重實證而忽略了機理梳理，本文則彌補了這個空白。其三是實證方法的創新。以往關于集聚的研究往往面臨著“因果識別”的困難，歸根結底是因為集聚特征是由企業“自選擇”決定的，倘若企業“自選擇”受到被解釋變量的影響，那么回歸系數就存在偏誤。本文以工具變量法對主要結果進行檢驗，確保結論的穩健性。

二、機理與模型

客觀地來看，若沿著Melitz-Grossman 去推斷，融資約束之于企業出口選擇的影響當與對企業ODI 的影響相近，因而，關于融資約束之于企業ODI 效應，完全可在Melitz & Ottaviano（2008）框架下去推導。進一步可借鑒李志遠和余淼杰（2013）的“融資約束下企業出口”模型，將其擴展為企業對外投資決策的模型。當然，作為第一步，可將集聚特征作為外生變量。

（一）基本模型

假定一個兩國世界，兩國分別為H 和F。勞動是唯一的生產要素，不妨假定兩國工資率均為1，人口分別為LH和LF，除此之外兩國的所有參數相同。每個國家有兩個部門，一個以不變的規模報酬生產無差異的一般等價物q0c；另一個則生產差異化的商品qic。消費者擁有1 單位勞動力，并且無彈性地供給勞動力。消費者效用函數形式如下：

其中γ 表示差異化消費品之間的替代程度，若γ=0，則消費品之間完全替代，效用僅與消費的商品總量Qi有關。根據式（1）可求出代表性消費者的需求函數：

根據式（2）加總之后的每個國家l（l=H，F）的市場需求為：

企業方面，假定生產1 單位同質商品使用1單位勞動，生產1 單位差異化消費品需要c 單位勞動。企業首先決定是否進入本國市場，且在進入之前只知道自身的邊際成本c 服從參數為k，區間為（0, cM）的帕累托分布，進入之前需要支付固定成本fD。對于單個企業而言，產品種類N 和平均價格指數給定。設cDl（l=H,F）為企業在該國市場存活的臨界邊際成本（邊際成本高于臨界值的企業將退出市場），根據企業利潤最大化的一階條件可知：

此時企業的最優定價策略和對應的利潤函數為：

企業在本國市場生存的臨界邊際成本由 “自由進入條件”決定，即企業進入市場的預期利潤等于進入成本，具體形式如下：

聯立式（7）（8），令φ=2（k+1）（k+2）（cM）kfD，則該國市場生存所需臨界邊際成本為：

（二）融資約束下的企業ODI 模型

參照李志遠和余淼杰（2013），假定企業對外投資需事先支付固定成本fI，其中kE比例是由外源融資支付，1-kE比例是由內源融資支付。假定H國企業通過本國銀行部門進行外源融資。銀行將企業的ODI 決策視為具有一定風險的項目，成功概率為p，這是企業和銀行的共同信息。若ODI 項目成功，則企業需向銀行支付費用G；企業在本國市場的固定資產為fD，資產市場價格為1；倘若項目失敗，銀行將收回固定資產、并以t*（假定為折價拍賣，t*＜1）價格重新拍賣。對于企業而言，只有當預期利潤大于0 時才會選擇ODI。具體表達式如下：

式（10）是企業ODI 的預期利潤，只有預期利潤為正的情況下，企業才會選擇對外投資。式（11）是銀行的參與約束，即項目成功后的期望收益pG加上項目失敗時的抵押資產拍賣價值大于貸款額度時，銀行才愿意貸款。式（12）是國外市場臨界成本的決定公式，這里假定國外市場的臨界成本只由F 國企業決定。是H 國的企業進行ODI 的臨界邊際成本，只有低于該臨界成本，企業從事ODI 的利潤才為正數，越大意味著企業平均ODI 傾向越大②。

聯立式（10）~（12）可知：

由式（13）可以得到兩個基本結論：一是企業ODI 的臨界邊際成本與其固定資產市場價值（fD）呈反比，說明企業持有的固定資產越多越不利于ODI； 二是企業ODI 的臨界邊際成本與抵押資產的評估價值（t*fD）呈正比，即在持有相同的固定資產時，銀行對企業的固定資產估值越高，企業面臨的融資約束越小，越容易從事ODI。

（三）考慮集聚特征的影響

進一步考慮集聚特征對上述基準模型的影響。梳理相關文獻可知，在持有相同的固定資產的情況下，同行業集聚程度有助于緩解融資約束，直接的原因是同一行業的集聚程度提高，企業擁有的固定資產的潛在購買者數量上升，從而提升銀行對抵押資產的價值評估（茅銳，2015）。按照這個邏輯，銀行對固定資產的評估價格t*是當地同行業集聚程度的增函數，是為“資產價格效應”。以clu 表示當地同一行業的集聚程度，應有

命題1：本地區同行業集聚會促進企業的ODI。

接下來，主要討論集聚類型的影響機理。Long & Zhang（2011）將中國的工業化模式稱為“基于集群的工業化”，多樣性集聚容易促成上下游行業的分工協作，使得企業可以將部分工序外包出去，降低固定資產投資的需求，從而緩解金融市場發育滯后對企業發展的影響。假定企業家必須以自有資本購買固定資產才能夠生產，國內企業家在進入市場之前最多擁有K 單位的資本，K 是隨機變量，其概率分布如下：

企業購買fD的固定資產意味著可以從事完整的工序，獲得全部的利潤； 在多樣性集聚的情況下，由于分工效應的存在，進入市場的最低固定資產需求為fd，意味著一些工序由外包完成，企業獲得φ 比例的利潤（0<φ<1）。假定使用高固定資產工藝的凈利潤高于使用低固定資產的工藝（否則所有企業都選擇將工序盡可能外包出去，這顯然不符合現實），具體表達形式如下：

聯立式（16）、（17）可得：

命題2：本地區的集聚多樣性會促進企業的ODI。

三、實證研究

（一）樣本描述

本文采用的樣本是2004~2013年 （除2010年）中國規模以上制造業企業ODI 數據。該數據由工業企業數據庫中的制造業企業和商務部的 《境外投資機構名錄》 基于企業名稱和年份的匹配得來。如果一個企業某年度在《名錄》上有備案信息，則認為該企業在當年有ODI 行為； 否則認為沒有（葛順奇和羅偉，2013）。

參考聶輝華等（2012）的處理方法和基本會計準則的要求，進行如下處理：（1）剔除關鍵財務指標（總資產、固定資產凈值、就業人數、總產值）缺失的個體；（2）剔除主營業務收入在500 萬元以下（2011年之前）、主營業務收入在2000 萬元以下（2011年之后）或者從業人數在10 人以下等不符合“規模以上”標準的樣本；（3）剔除總資產低于流動資產、總資產低于固定資產余額、累計折舊低于本年折舊、工業增加值為負值等明顯不符合會計準則的樣本。（4） 按照企業所屬的二位數行業代碼，篩選出其中的制造業企業作為樣本。（5）根據國家統計局提供的每年GDP 平減指數對主要的財務指標進行消脹處理。

經過上述處理，得到3818 次ODI 的行為記錄，共有3391 家企業在觀察期間有ODI 行為。根據《中國對外直接投資統計公報》 的數據，截至2013年中國從事對外直接投資的制造業企業共有5630 家，由此可見本樣本具有較強的代表性。樣本一共包含570984 家制造業企業，共有1909355 個觀測值。

（二）指標選擇

1.被解釋變量

ODI，以企業當年是否有對外投資行為作為被解釋變量。如果企業在某一年度在《境外投資機構名錄》上有記錄，說明該企業當年有對外直接投資行為。記為1，否則記為0。

2.核心解釋變量

集聚程度。集聚程度指的是企業所在行業在一個地區的相對集中程度，是地區—行業層面變量。本文采用區位熵作為衡量產業集聚程度的指標。具體而言，以地級市作為集聚的地理范圍，以企業所在的二位數行業作為所在行業的衡量標準，計算區位熵，公式如下：

其中，sij為j 城市i 行業規模以上企業的主營業務收入總和；sj為j 城市規模以上企業的主營業務收入總和；si是i 行業在全國規模以上企業的主營業務收入總和。s 為全國規模以上企業的主營業務收入總和。

集聚類型。趙偉和隋月紅（2015）對集聚類型做出了專業界定，同一行業的企業群居稱為“專業化集聚”； 不同行業的企業群居稱為 “多樣化集聚”。大多數地區的集聚類型介于完全專業化和完全多樣化之間，只存在程度上的差異。在測度方法上，他們使用“赫芬達爾指數”衡量集聚類型。本文以赫芬達爾指數的倒數來作為集聚類型的代理變量，公式如下：

sij表示j 城市中i 行業規模以上企業主營業務收入總和。sj是j 城市中規模以上企業主營業務收入總和。上述公式計算出的數值越大，說明該地區集聚類型更傾向于多樣化；該值越小，說明該地區集聚類型更傾向于專業化。

融資約束。選擇SA 指數來衡量企業面臨的融資約束，該指數來自Hadlock & Pierce（2010）。SA指數的優勢有三：一是不包含內生性的指標；二是容易計算；三是與WW 指數、投資—現金流敏感度等指標的結果一致。公式是：SA=-0.737*size+0.043*size2-0.040*age，size 是企業固定資產凈值對數，age 是企業成立年限。指數越大則企業融資約束越小。

企業規模。由于對外投資是具有較強風險性的項目，故而企業的抗風險能力將很大程度上決定企業ODI 的傾向。一般而言，企業的規模與其抗風險能力正相關。以企業持有的固定資產現值的對數衡量企業規模。

固定資產比率。根據Helpman et al.（2004），企業ODI 的傾向與其進入海外市場需支付的固定成本成反比。Buch et al.（2014）采用固定資產比率來衡量進入海外市場固定成本的大小。以企業固定資產占總資產的比重作為解釋變量。

全要素生產率。Helpman et al.（2004）認為生產率是企業ODI 行為的決定因素。企業以生產率為分野，最高生產率的企業會ODI、次高的企業選擇出口、再次之的企業將選擇進入國內市場、最低的企業會退出市場。實證研究中一般以全要素生產率代理企業生產率，常用的計算方法有索洛余值、LP 和OP 法等。鑒于LP 法和OP 法需要以企業的中間投入品數據作為工具變量，而工業企業數據庫自2008年起不再公布這一數據，故而采用索洛余值法計算全要素生產率。

資本密集度。企業的資本密集度與其剩余索取權密切相關，進而影響到企業生產組織形式的選擇。參照葛順奇和羅偉（2013），以企業固定資產總值與員工人數的比值測算資本密集度，并對該數值取對數。

信貸供應量。企業的ODI 決策需要支付高額的固定成本，而盈利則發生在成本支付之后，這就催生了企業的融資需求，融資約束較大的企業將面臨著較大的阻力。由于中國企業的融資方式仍然以間接融資為主，故而銀行信貸供應量將會顯著影響中國企業的ODI 傾向?？梢愿魇》莸哪甓荣J款余額占本省GDP 的比重作為信貸供應量的代理變量，比值越大說明信貸供應越寬裕。

3.其他控制變量

為消除其他不可觀測變量對結果的影響，選擇虛擬變量的形式控制所有權性質、地區、行業和時間固定效應。所有權性質方面，以企業是否是國有企業為代理變量，倘若實收資本中國有資本占比超過一半，即將其標記為國有企業。地區效應，以企業所在省份是否是東部地區為代理變量；行業固定效應，以企業所在二位數行業的虛擬變量衡量。時間效應，以所在年份的虛擬變量為代理變量。

（三）模型設定與基準回歸

1.變量的描述性統計

上述變量的描述性統計結果如表1 所示，變量的統計學特征均符合其經濟意義，未見異常。

2.模型設置與基準回歸

鑒于被解釋變量“是否有ODI”是二值變量，處理“二值選擇”問題一般可用LPM（線性概率模型）、Probit 和Logit 三種模型，但LPM 方法會導致隨機項與解釋變量相關，從而使估計系數有偏。Probit 和Logit 都采用最大似然估計法，區別只是擾動項的概率分布不同。參照其他文獻，本文選擇Probit 模型進行實證檢驗④。具體設定形式如下：

上式中lqijt表示j 地區i 行業集聚程度，diverjt表示j 地區集聚類型，Xijt表示上述控制變量，μi是個體效應，εijt代表隨機擾動項，φ（·）表示連接函數?；鶞誓Ｐ偷幕貧w結果匯報在表2。

為排除遺漏變量對結果的影響，列（1）引入了所有制、行業、地區和年份的虛擬變量，以控制不可觀測的固定效應對結果的潛在影響。列（2）使用隨機效應probit 模型以控制個體效應④。為排除“內生性”問題，列（3）使用2003年各地級市以二位數行業計算的集聚程度和集聚類型作為工具變量，進行二階段回歸。原因是：2004年10月9日，國家發改委發布了 《境外投資項目核準暫行管理辦法》，規定“中方投資額3000 萬美元以下的資源開發類項目和中方投資用匯1000 萬美元以下的其他項目由省、自治區和直轄市省級發改部門核準，核準權不得下放?！边@意味著2004年之前的對外投資項目審核權集中在中央政府，企業不存在追逐優惠政策的動機，故而2004年以前各地的集聚特征滿足外生性要求； 而各地的集聚特征顯然在時間上具有相關性，故而2003年集聚特征滿足工具變量的要求。

考慮到集聚特征對企業ODI 決策的影響可能存在滯后性，我們將集聚程度和集聚類型這兩個核心變量滯后一期回歸，以考察“滯后效應”的影響。列（4）、（5）、（6）分別是對應列（1）、（2）、（3）的滯后一期結果。

如表2 所示，列（1）和列（4）中集聚程度的回歸系數顯著為正，說明集聚程度能夠顯著提高企業ODI 的傾向，證明了命題1；集聚類型的回歸系數顯著為正，說明集聚類型偏向于多樣化能夠顯著提高企業ODI 的傾向，證明了命題2；SA 指數的回歸系數顯著為正，說明融資約束較低的企業有較高的ODI 傾向，這與目前諸多文獻的結果保持一致（Buch et al.，2014；王碧珺等，2015）。列（2）和列（5）展示了隨機效應probit 模型的回歸結果，集聚程度和集聚類型的回歸系數顯著為正，說明控制了個體效應之后結論保持不變。列（3）和列（6）顯示：一階段F 值大于10，說明不存在“弱工具變量”問題；集聚程度和集聚類型的系數顯著為正，證明排除“內生性”后，上述結論保持穩健。其余解釋變量系數基本符合預期。值得注意的是，資本密集度的系數顯著為負，這說明我國勞動密集型行業中的企業ODI 傾向更高；生產率回歸系數顯著為正，說明高生產率企業的ODI 傾向更高，與Helpman et al.（2004）結論相同，不存在“生產率悖論”。

表1 主要變量的描述性統計

表2 基準回歸結果

（四）機制檢驗

前文證明了集聚程度和多樣性集聚能顯著提高企業的ODI 傾向。本小節將檢驗“融資約束”這一中介機制是否存在。

采用經典的 “三步法” 來進行中介效應的檢驗。在控制其他變量的前提下，首先將解釋變量對被解釋變量進行回歸；其次將解釋變量、中介變量對被解釋變量進行回歸； 最后將解釋變量對中介變量回歸。如果第二步中解釋變量的系數比第一步中的系數有所下降，并且解釋變量對中介變量的系數符號符合預期并顯著，則證明存在中介效應。結果匯總在表3 的（1）~（3）列，其中（1）、（2）兩列的被解釋變量為是否有ODI，列（3）的被解釋變量為SA 指數。具體的檢驗方程如下：

為確保穩健性，除了“三步法”之外，本文使用廣義結構方程（GSEM）進行中介效應的檢驗。模型的基本形式如下：

如表3 所示，列（1）~（3）匯報了經典的三步回歸法結果；列（4）匯報了廣義結構方程法估計出的集聚特征回歸系數的乘積。由（1）、（2）兩列可以看出，在不控制融資約束變量時，集聚程度和集聚類型系數顯著為正；控制融資約束變量后，二者的系數依然顯著為正但估計系數有所下降；列（3）中，集聚程度和集聚類型對SA 指數的回歸系數顯著為正，說明集聚程度和多樣性集聚類型能夠緩解企業的融資約束。從列（4）的結果可以看出集聚程度對ODI 回歸的系數和對SA 指數的回歸系數乘積顯著為正、多樣性集聚類型對ODI 回歸系數和對SA 指數回歸系數乘積也顯著為正。以上結果從兩個角度證明集聚程度和多樣性的集聚類型可通過緩解融資約束，進而促進中國企業的ODI。

表3 中介效應的檢驗

表4 集聚特征對不同所有制企業ODI 的影響

（五）異質性檢驗

為探究集聚特征對不同類型企業ODI 影響的異質性。以所有制性質、要素密集度和投資目的為劃分子樣本的依據，進行分樣本檢驗。

1.按照所有制類型劃分樣本

將樣本劃分為民營企業、國有企業和外資企業三個子樣本。鑒于工業企業數據庫登記的企業類型可能與實際情況差別較大（聶輝華等，2012）。按照企業“實收資本”的來源進行劃分，若“國有資本”的占比超過50%則為國有企業；若“港澳臺資本”與“外商資本”的占比和超過50%則為外資企業； 樣本中剩余的企業標記為民營企業。由于probit 模型中回歸系數并不能直接被解讀為邊際效應，因此本文重新計算集聚特征對企業ODI 影響的平均邊際效應。在表4-6 中分別報告回歸系數和集聚特征（標準化之后）對企業ODI 傾向影響的平均邊際效應。表4 列（1）、（2）、（3）分別展示了民營企業、外資企業和國有企業的結果。

如表4 所示，集聚程度能夠促進外資企業和國有企業的ODI，但對民營企業的影響不顯著。偏向多樣性的集聚類型促進民營企業和外資企業ODI，但對國有企業的影響不顯著。從影響程度來看，集聚程度每提高1 個標準差，外資企業ODI 的概率提升0.034%，國有企業ODI 的概率提升0.025%；集聚多樣性每提高1 個標準差，民營企業ODI 的概率提升0.019%，外資企業ODI 的概率提升0.033%⑤。上述結果說明民營企業ODI 更依賴于多樣性集聚的“分工協作”效應，而國有企業則受益于同行業集聚?？赡艿慕忉屖牵褐袊髽I的融資渠道仍以“間接融資”為主，而信貸資源配置仍有較強的“所有制歧視”。有調查顯示：民營企業面臨突出的融資難和融資貴問題，而國有企業的融資渠道較為暢通⑥。在“所有制歧視”條件下，由于同行業集聚主要通過提高信貸資源配置效率來緩解融資約束（盛丹和王永進，2013；茅銳，2015），因此其對民營企業ODI 傾向影響不大而對國有企業有較強的影響。同理，在難以獲得信貸資源的情況下，民營企業傾向于依托多樣性集聚的“分工協作”效應，以降低固定資產需求，進而緩解融資約束。

2.按照要素密集度劃分樣本

根據魯桐和黨?。?014），按照企業所處二位數行業的要素密集度差異劃分子樣本。按照這一標準，勞動密集型制造業有：農副食品加工業，食品制造業，飲料制造業，紡織業，紡織服裝、鞋帽制造業，皮革皮毛制品業，木材加工業，家具制造業。資本密集型行業有：石油加工、煉焦及核燃料加工業，化學原料及化學制品制造業，化學纖維制造業，橡膠制造業，塑料制造業，非金屬礦物制品業，黑色金屬冶煉及延壓，有色金屬冶煉與延壓，金屬制品業。技術密集型行業有：醫藥制造業，通用設備制造業，專用設備制造業，交通運輸設備制造業，電氣機械及器材制造業，通信設備、計算機及其他電子設備制造業，儀器儀表制造業，工藝品及其他制造業。表5 列（1）、（2）、（3）分別展示勞動密集型、資本密集型和技術密集型行業的結果。

表5 所示，集聚程度能促進資本密集型和技術密集型企業的ODI，但對勞動密集型企業的影響不顯著； 多樣性的集聚類型對不同要素密集度的企業ODI 都有促進作用。從影響程度看，集聚程度每提高1 個標準差，資本密集型企業的ODI 概率提升0.0058%，技術密集型企業的ODI 概率提升0.026%； 集聚的多樣性每提高1 個標準差，勞動密集型企業ODI 的概率提升0.014%，資本密集型企業ODI 的概率提高0.064%，技術密集型ODI的概率提高0.033%。上述差異可能的原因是：勞動密集型企業自身持有的固定資產相對較少，作為抵押物緩解融資約束的能力有限，故而同行業集聚的“資產價格效應”不明顯。以本文的樣本為例，勞動密集型企業的平均固定資產存量為2669.7 萬元，資本密集型企業為6076.3 萬元，技術密集型企業為5577.8 萬元。

3.按照對外投資的目的劃分樣本

企業對外投資往往出于不同的動機，大致可分為：自然資源尋求型、效率尋求型、市場尋求型和技術尋求型等。

可以根據企業在《境外投資機構名錄》中備案的經營范圍，采用“關鍵詞識別法”識別出企業ODI 的目的。本文關注的是市場尋求型、技術尋求型和自然資源尋求型三類ODI，具體識別方法如下：經營范圍里面如果有“技術”、“科技”、“研發”、“開發”等關鍵詞，我們就將其定義為“技術尋求型”；如果有“市場”、“銷售”、“營銷”、“市場開發”等關鍵詞，其定義為“市場尋求型”；如果有“礦產”、“自然資源”、“開采” 等關鍵詞，將其定義為“自然資源尋求型”。用集聚特征（標準化之后）對以上三種類型的ODI 進行回歸，表6 列（1）、（2）、（3）分別展示對市場尋求型ODI、技術尋求型ODI和自然資源尋求型ODI 的回歸結果。

表5 集聚特征對不同要素密集度企業ODI 的影響

表6 集聚特征對不同動機ODI 的影響

如表6 所示，集聚程度顯著促進市場尋求型和自然資源尋求型ODI，而對技術尋求型ODI 無影響。多樣性集聚類型顯著促進市場尋求型ODI和技術尋求型ODI，而對自然資源尋求型ODI 無影響。從影響程度看，集聚程度每提高1 個標準差，市場尋求型ODI 的概率平均上升0.0066%，自然資源尋求型ODI 的概率平均提升0.0018%；多樣性集聚類型每上升1 個標準差，市場尋求型ODI 的概率平均上升0.012%，技術尋求型ODI 的概率平均提升0.012%。上述差異可能的原因是：對自然資源尋求型ODI 而言，本地區專業化程度越高，企業對生產原料的競爭更加激烈；因此企業更傾向于投資海外，以確保自身原材料的供應保持穩定。對技術尋求型ODI 而言，上下游廠商的協同集聚比同行業集聚更有利于企業創新 （彭向和蔣傳海，2011），而在海外市場尋求技術資產是我國企業創新的重要方式（劉青等，2017），從這個角度看，多樣性的集聚類型對技術尋求型ODI 有更強的促進作用。

（六）穩健性檢驗

上述結果可能存在“測度誤差”和“模型誤設”等問題，為進一步排除這些問題，以替換核心解釋變量和修正稀有事件偏差做穩健性檢驗。

1.更換集聚特征的計算口徑和代理變量

首先替換集聚特征的計算口徑。為減少統計口徑差異造成的測度誤差，以地級市—四位數行業為口徑，計算集聚特征。另外，以赫芬達爾指數倒數衡量的集聚類型忽視了行業間投入產出關聯存在差異的事實，也可能導致“測度誤差”?？梢耘硐蚝褪Y傳海（2011）測算的“產業互補系數”為行業關聯權重、加權計算當地各行業的關聯行業的相對集中程度，作為集聚類型的代理變量。計算公式如下：

2.修正“稀有事件偏差”

樣本中共有3818 次ODI 行為，僅占總樣本量的0.19%。King & Zeng（2001）認為當非零值的被解釋變量數量較少時，x|y=0 的密度函數與x|y=1密度函數的尾端分界點不夠清晰，使用最大似然法估計時會使分界點被系統性地高估，進而導致回歸系數偏誤?？梢园凑誎ing & Zeng（2001）的方法進行修正，基本原理是：首先對由稀有事件帶來的小樣本偏差進行估計，然后對原模型的回歸系數和標準誤進行相同的修正。以上方法得到的結果與基準回歸相同，證明主要結論具有穩健性。

（回歸結果限于篇幅省略，備索。）

四、結論與政策啟示

本文旨在探究集聚特征會否并如何影響中國企業的ODI 決策。首先基于“企業異質性”框架構建了ODI 決策模型，然后以融資約束為中介、將外生的集聚特征納入其中，推導出相關命題，最后以企業層面的數據予以檢驗。

研究發現，集聚特征可通過影響融資約束作用于中國企業的ODI 決策。具體而言：同行業企業集聚可通過提高抵押資產估值（“資產價格效應”）、多樣性的集聚類型通過細化企業間分工以降低固定資產需求（“分工協作效應”），共同緩解企業面臨的融資約束，進而促進企業ODI。以2004~2013年中國規模以上制造業企業的微觀數據為樣本的實證研究，確證了上述結論和作用機制；同時發現集聚特征對不同所有制、要素密集度和投資動機的企業ODI 決策存在差異性的影響。

上述研究的一個政策啟示是：集聚有利于化解企業融資約束，城市化集聚或產業多樣化比之專業化集聚更有利于化解企業融資約束。但這并非意味著，政府可以通過促進產業集聚的支持性政策促進企業“走出去”。實際上，“走出去”與否，歸根結底是企業基于利潤最大化、市場分布等多種戰略目標做出的理性選擇，屬于企業層面的微觀決策。這個層面上，政府不應也不必施加干預。政府可為且能為的，當在于化解本地企業創新與發展面臨的共性問題，其中民營企業融資難、融資貴是個突出問題。政府政策等的著力點，當放在培育本地產業集群與集聚上。而在促進產業集聚的政策應用上，盡量導向城市化集聚或產業多樣化。這不僅有利于促進區域城市化與城市群發展，而且在很大程度上順應了新冠疫情之后我國新發展格局，尤其是產業鏈和企業供應鏈的重構態勢。

注釋：

①為保證產品需求非負數，企業的定價應滿足：pi≤（γα+ηN）。

③這里不考慮K>fD的情形，對于這一類企業，完全不存在融資約束，此類情況是少數。

④由于Probit 模型不存在固定效應模型，倘若使用Logit 模型則會丟失大量的樣本。折中考慮，我們假定個體效應μi與Xit、εit不相關，即cov（μi，Xit）=0，使用隨機效應的Probit 模型控制個體效應。

⑤在我們的樣本當中，企業從事ODI 的平均概率是0.19%，因此上述邊際效應已經比較可觀。

⑥中國財經科學研究院“降成本”課題組對全國企業的抽樣調查顯示：2014~2016年民營企業貸款平均利率為7.65%、7.41%和6.79%，高于國有企業。