文献来源：Diodato D, Neffke F, O’Clery N. Why do industries coagglomerate? How Marshallian externalities differ by industry and have evolved over time[J]. Journal of Urban Economics, 2018.

摘要：企业可以从接近其他企业中获得好处，如共享投入、技能劳动力和知识，这一事实有助于解释为什么许多产业集群如此成功。本文对联合集聚模式演变的研究表明，在一个世纪的过程中，企业受益的集聚类型已经发生了巨大变化，并且在不同行业之间存在显著差异。在二十世纪初，行业倾向于与价值链合作伙伴联合，但在最近的几十年里，这个类型的重要性下降了，行业联合选址更多是由行业技能要求的相似性推动。通过计算特定行业的马歇尔聚集力，可以表明，今天，技能共享是服务业选址背后最显着的动机，而价值链联系仍然解释了制造业中的大部分联合选址模式。此外，劳动力和投入产出联系反映在一个行业的联合集聚模式中的估计程度有助于改善对城市工业就业增长的预测。

1.引言

尽管存在拥挤成本、更要的要素成本，并存在将商业秘密泄露给竞争对手的风险，同一行业的企业仍经常彼此靠近 (Ellison and Glaeser, 1999;Rosenthal and Strange, 2001)。因此，在许多行业中，我们观察到明显的地理集群。这些集群的存在往往归因于三种不同类型的外部性，即投入，劳动力和知识的共享。但是，并非所有的行业都可以从集聚中获得同样的好处。此外，鉴于上个世纪运输和通讯成本大幅下降以及价值链逐渐空间碎片化，很可能产业集群的成本和收益平衡剧烈变化。然而，我们对各个行业集聚外部性的区别以及集聚外部性如何随时间变化的理解仍然有限。本文的目的是评估不同行业集聚驱动因素的相对重要性，以及集聚外部性背后的主要力量在一个世纪内如何变化。

管对这一集聚外部性问题存在早期认识和充分的后续研究，但这些马歇尔外部性每一个的相对重要性引发了一个多世纪的争论。部分原因是由于所谓的“马歇尔等价”（Dura- nton和Puga，2004）：所有三个马歇尔聚集理论对产业集聚联合发生作用。集聚效益的这种汇合使得我们很难确定哪种理论在解释观察到的行业空间集中趋势时最为重要。

重大的进展由 Ellison, Glaeser ，Kerr (2010), 以及后来的EGK取得。他们研究的不是单个行业的集聚，而是研究成对行业的联合集聚。通过分析位置相似性（即联合集聚）与反映不同马歇尔聚集效益的相似性之间的关系，EGK分解开了三种不同类型的马歇尔外部性的强度。他们发现投入产出联系是行业联合集聚的最重要的原因，其后的是劳动力共享的机会。知识共享解释联合集聚的证据最少。

EGK报告的影响代表了所有行业的平均值，因此可能会掩盖行业之间的显着差异。我们预计这些差异是由不同行业依赖于特定集聚力量的差异所驱动的，以及驱动因素本身随时间的变化。

首先，在EGK的基础上，我们探究这种假设的聚集效应的异质性是否表现在行业联合集聚模式中。我们首先复制了EGK的原始作品的关键部分。模仿EGK，我们使用普通最小二乘（OLS）估计和基于工具变量（IV）的策略，通过从美国外部数据构建的类似测量指标作为IV来衡量美国的行业间关联。

接下来，我们允许马歇尔外部性因行业而异。这样做会显示更大的聚集效应差异。

最后，我们转向联合集聚力量随时间的变化。美国经济及其地理在二十世纪经历了重大变化。城市化率从40.5％上升到75％以上（Black和Henderson，2003年），就业从40％的男性从事农业到现在以服务业就业为主导。美国人口受教育程度越来越高，入学率从1910年的18％上升到1940年的73％（Goldin和Katz，2009年，第195页）。同时，由于高速公路系统，机场和互联网基础设施的推出，运输和通讯成本急剧下降，促使外包和离岸外包的价值链开始分化。利用1910年至2010年间美国各州行业联合集聚的数据，我们探讨了这些过程如何结合起来改变了聚集力。

2.方法

（1）数据

为了衡量当前经济中的联合聚集模式，我们使用美国和墨西哥反映就业情况的地区 - 行业对数据集。美国数据来源于2003年和2008年的县商业模式（C BP）。墨西哥的就业数据来自2003年和2008年的经济普查。

我们在三个不同的地理层面分析这些数据：美国县（3190个），大都市区（922个包括Metro- and Micropolitan统计区）和州（51个）。在墨西哥，我们的地理单位有2455个城市，58个大都市区和32个州。因为我们认为大都市地区（下文中标记为“城市”）是界定劳动力市场和经济一体化地区的最合适的空间单位，我们将重点讨论这一级别的结果，并将县级和州级的结果作为支持性证据。此外，为了定义行业，我们调整了北美行业分类系统（NAICS），以纠正美国和墨西哥数据之间的小的不一致性（见附录B）。从得出的184个行业清单中，我们排除了空间分布受到人口分布强烈推动的非贸易行业，如零售，汽车维修，建筑工程和小学。但请注意，我们不排除采矿等采掘活动。尽管这些活动在地点选择上显然受到限制，但观察其他行业选址如何与它们的位置关系还是很有意义的。这给我们留下了120个交易行业。作为一个稳健性检验，我们使用184个行业的全部样本重复主要分析。附录F中报告的结果与基于受限样本的结果一致。

为了分析历史的集聚模式，我们使用美国IPUMS提供的1910-2010年间的美国人口普查样本（Ruggles et al.，2017）进行分析。1910-2010。考虑到1％到5％的抽样率，估计的工业区就业数据对于小空间单位来说太嘈杂。因此，我们将本部分的分析限制在美国各州一级的产业集聚。IPUMS（IND1990）的行业分类区分了200多个活动，我们从中选择了104个行业，遵循与CBP数据相同的逻辑。

（2）因变量：协同集聚

（1）

其中，表示行业在地区就业人数。表示行业在地区的就业份额。表示所有行业在地区的就业份额的平均值。该指数的优点是不受行业内企业规模分布或空间单位粒度的影响。根据这一逻辑，我们计算美国所有行业对的EG指数。

（3）自变量

EGK使用四种不同的行业间联系来解释行业联合集聚的原因。前三个代表马歇尔外部性渠道：价值链联系，劳动力需求的相似性和行业间的技术相似性。第四种联系反映了一些行业的位置与获取自然资源的需要之间的关系。

投入-产出联系

我们使用与EGK相同的指标来衡量一对行业之间投入产出关系的强度。也就是说，行业i和j的输入 - 输出接近度被定义为i作为j的客户或供应商的最大相对重要性，反之亦然。设为输入 - 输出矩阵，即表行业j从工业i获得的商品和服务的价值。我们现将i和j之间的接近度测度为：

（2）

附录B中提供了数据处理和后续计算的详细说明。

劳动力市场池

参考EGK的思路，我们使用行业职业矩阵来衡量两个行业在多大程度上可以共用劳动力池。特别是，我们计算了行业i和j的职业就业之间的相关系数。其中代表在行业i中就业的o职业人数（全国范围内）：

（3）

技术相似性

（4）

其中是行业i的专利被行业j的专利引用的次数。附录B中提供了此过程的详细信息。

自然优势

在某些行业中，企业的选址受到自然优势因素的限制。例如，造船需要进入水道，而旅游活动依赖于优美的生态环境。为了纠正这些因素，EGK计算了相似行业在依赖自然资源方面的指数。该指数基于Ellison和Glaeser（1999）的工作，该工作根据行业对特定资源的使用强度和该地区该资源的价格信息，预测每个行业在特定地区的就业份额。接下来，预测的份额用于联合集聚的估计，作为自然优势的相似度量：

（5）

详见附录B。

（4）估计框架

为了推断凝聚力的强度，我们遵循EGK并使用以下计量经济模型分析联合集聚模式与各种类型的行业间联系之间的关系：

（6）

其中表示行业i和行业j联合集聚的EG指数，，矩阵，，和包含了行业间价值链联系、劳动力需求、技术和自然优势的相似性。

EGK只考察了制造业企业间的联合集聚，我们将研究拓展至其他经济部门。我们通过扩展EG矩阵的列和行来实现。接下来，我们将行拆分为制造和服务部分。我们使用以下双向固定效果模型估计集聚效应：

（7）

中的要素表示某个特定的行业间联系在多大程度上表现为行业的联合集聚。

3. 结论

通过拓展Ellison等人（2010年）扩展工作，我们确认劳动联系和投入-产出联系仍然或多或少同等重要的解释联合集聚，而技术（知识）溢出的证据相对较弱。当我们将分析扩展到制造业以外的行业时，我们发现行业联合集聚的原因存在很大差异。服务业的联合集聚模式不同于制造业：投入-产出联系对服务业联合集聚的影响至少与制造业一样大，而劳动力联系对服务业联合集聚的影响要比制造业大得多。在某些行业中，公司往往靠近其价值链合作伙伴，而在其他行业，它们往往位于可分享劳动力需求的行业附近。事实上，最大的劳动力集中效应可以在服务业的联合集聚模式中找到。极端的例子是建筑与工程，媒体和知识密集型商业服务行业。价值链效应通常较弱但在制造业中相对较强。但人力资本的相似性，对服务业集聚的影响要大于对制造业集聚的影响。

对于一些制造业活动，如家具和食品生产，联合集聚模式既不能归因于劳动力联系，也不归因于投入产出联系。对于其他制造行业，如电子行业，制药和医疗行业，联合集聚模式主要由输入输出关联驱动。然而，集聚效应的最大变化存在于服务业中，其中某些行业（如艺术和文化行业）沿着两个外部性渠道聚集，而在其他服务行业，如媒体和知识密集型商业服务，劳动力池效应主导着集聚模式。

这种异质性不仅会影响集聚，也会提高对当地的增长率的预测：有大量研究表明，在相关行业拥有大量就业的地区，本地行业往往增长更快。我们能够证明，只要相应的行业间接近度在行业的集聚模式中得到更强烈的表达，这种相关性就会更加重要。最后，我们发现不同马歇尔聚集渠道的相对重要性随着时间的推移而发生了变化。使用1910-2010期间的联合集聚模式，我们发现价值链联系在决定二十世纪初的产业集聚中处于主导地位。然而，自那以后，他们的影响力显着减弱。同时，劳动力池效应总体上保持了其在联合集聚模式中的重要性。因此，总的来说，我们得出的结论是，虽然价值链是二十世纪初产业空间结构的主要组织原则，但它们的重要性已经下降到一定程度，并被当地的专业劳动力池效应所取代。劳动力池效应成为产业联合集聚的主要因素。

随着时间推移，产业集聚模式中价值链联系的重要性已经大幅下降，而劳动力池效应的重要性 - 如果不是轻微增加 - 至少保持不变。这些发现表明，上述历史变化确实导致了集聚力的转变。可以说，虽然空间的收缩削弱了客户和供应商之间地理临近的重要性，但随着教育系统的扩展和经济知识基础的深化，技能的积累和专业化已经扩大了共享劳动力池的相对好处。

马歇尔力量对服务业的区位模式比对制造业的作用更为强烈，这对城市的未来具有重要启示。尽管运输和通信技术有了巨大的改进 - 这应该使经济活动变得更加分散 - 现代经济中服务部门的日益主导意味着集聚外部性可能变得更加重要，而不是更重要。更重要的是，不仅服务业受益于劳动力池的外部性，劳动力池效应也超越了价值链合作伙伴联系效应，成为产业联合集聚的主要原因。因此，我们的研究结果表明，大城市越来越多地从技能在经济中流通中获得好处。（姚彦青，周玉龙）