美联储-美国制造业的集聚与分类（英）-2025.4_22页_335kb

报告摘要

本文通过分析美国制造业企业的数据，探讨了城市集聚对生产率的影响，并研究了企业是否根据其生产率进行空间排序。作者提出，集聚效应可能因企业自身的生产率而有所不同，从而导致不同的排序模式。文章使用了微观数据和现代计量方法，以识别集聚效应与企业排序之间的关系。

城市生产率溢价
美国约80%的人口居住在仅占国土面积5%的城市地区，这表明城市对生产率有显著影响。城市生产率溢价可能源于集聚经济、企业选择或人才流动。
集聚效应的异质性
作者发现，集聚对生产率的提升效果在不同企业之间存在显著差异。低生产率企业从集聚中获得的收益远高于高生产率企业，这表明集聚效应可能有助于缩小生产率差距，而非仅仅由高生产率企业聚集形成。
排序效应的检验
文章通过构建一个包含企业生产率与集聚强度交互作用的生产函数模型，检验了企业是否根据自身生产率选择地理位置。结果表明，高生产率企业并未从集聚中获得更大的收益，这与“正向排序”的假设相矛盾。
计量方法与模型设定
作者采用了一种基于控制函数的估计方法，通过企业中间投入的选择来识别其不可观测的生产率冲击。该方法避免了传统生产函数估计中可能存在的内生性问题，并使用广义矩估计（GMM）进行参数估计。
政策启示
研究结果对城市经济政策和产业布局决策具有重要意义。政策制定者应考虑不同生产率企业的集聚收益差异，以制定更具针对性的激励措施，促进落后地区的产业发展。

数据来源：美国人口普查局的《制造业普查》（Census of Manufactures）和《制造业年度调查》（Annual Survey of Manufacturers），以及纵向企业数据库（LBD）。
样本范围：1991年至2019年，涵盖七个四位数的制造业部门。
主要变量：
- 价值增加（value added）：作为产出的代理变量。
- 劳动与资本：作为生产函数的输入变量。
- 集聚强度（agglomeration intensity）：定义为同一行业内10公里范围内的员工数量。
模型设定：
- 生产函数模型为：
  $$
  v_{it} = \beta_0 + \beta_L l_{it} + \beta_K k_{it} + \beta_a a_{it} + \omega_{it} + \gamma a_{it} \omega_{it} + \epsilon_{it}
  $$
- 其中，$\omega_{it}$ 为不可观测的生产率冲击，$\gamma$ 表示集聚与生产率之间的交互效应。

集聚效应的异质性：在大多数行业，集聚对生产率的提升效果随着企业生产率的提高而下降。例如，从25百分位到75百分位的生产率变化中，集聚的产出弹性下降了10至40个百分点。
排序效应的否定：研究发现，高生产率企业并未从集聚中获得更大的收益，反而低生产率企业在集聚环境中受益更多，这表明城市生产率溢价可能更多是由于集聚效应的均等化作用，而非企业排序。
模型识别与估计：通过将不可观测的生产率冲击（$\omega_{it}$）与集聚强度（$a_{it}$）进行交互，并使用控制函数方法，作者成功识别了集聚效应与生产率之间的关系。
稳健性检验：作者使用蒙特卡洛模拟验证了模型的稳健性，并发现其估计方法在模拟数据中表现良好。