ESIEC研究简报|产业集群、社会网络与新冠肺炎疫情下的企业韧性

2021-03-29   浏览量:

原文信息:Dai Ruochen, Dilip Mookherjee, Yingyue Quan, Xiaobo Zhang. "Industrial Clusters, Networks and Resilience to the Covid-19 Shock in China." Journal of Economic Behavior & Organization, 183, 433-455, 2021.

原文连接:https://www.sciencedirect.com/science/article/pii/S0167268121000287

 

引言

产业集群在中国等发展中国家的工业化过程中起了十分重要的作用。小微企业是产业集群的主体。在集群内企业家常常通过老乡关系等社会网络进行融资、分享生产与市场信息、生产外包等,从而克服企业创建和经营时面临的各种问题。在正式制度不完善的情况下,集群这种生产方式降低了中小微企业的进入门槛,为他们提供了生长的空间(Ruan 和Zhang,2009;Long和Zhang,2011)。但同时,由于分工细微,企业规模普遍比较小。诸多小企业集聚在一起,抗风险的能力如何呢?以前很少有这方面的研究。

新冠疫情在2020年初期暴发之后,各地采取了封城等防疫政策。限制人口和货物的区域间流动,导致许多企业由于缺少原材料或者工人而无法复工。根据另一项发表在China Economic Review的研究,Dai等(2021)发现在新冠肺炎刚暴发时,79%的企业无法复工,与去年同期相比新增企业数目同比下降70%。本文使用ESIEC疫情专项调查与企业工商注册数据来研究集群内企业在面临疫情冲击时是更脆弱还是更有韧性。

 

集群指数、数据和统计描述

发展中国家的产业集群内垂直分工明显,不同行业的企业通过上下游产业链集聚,同时,使用相同投入要素的不同行业的企业也可能在地理上实现集聚,这导致衡量地区行业专业度的指标并不适合刻画中国的产业集群。Ruan和Zhang(2015)提出根据地区在不同行业的显示比较优势来刻画不同行业的接近程度,并以此构建集群指数。本文参考该方法,利用2008年经济普查数据计算了全国各区县的集群指数。

本文所使用的第一个数据是2017-2020年的全国企业工商注册数据,该数据包含全国企业的注册信息:注册地址、注册时间、注册行业等。同时,我们还拥有每个企业法人代表的出生地信息(身份证号码前6位),这使得我们能分析企业法人代表的老家社会网络。参照Dai等(2020)的方法,我们以1982年农村地区的人口密度作为老乡关系的衡量。老乡关系强度(LnPopDensity)与集群指数(LnCluster)关系显著为正。即产业集群确实同基于老乡的社会网络存在相关关系。

第二个数据是中国企业创新创业调查(ESIEC)数据。ESIEC调查开始于2017年,2018年在全国6个省份117个区县展开调查,2019年在北京、上海和深圳调查。2017-2019年的调查询问了企业家的创业经历,以及当前企业的上下游(主要供应商、主要客户)、雇员、创新、线上销售等经营信息。

图1 企业经营行为与产业集群

图1显示,高集群地区(集群指数中位数以上地区),其最主要的供应商、客户更可能在本地(1、2列),更可能拥有稳定客户(4列),与最大客户间更可能有赊销关系(7列),其本地雇员的比例更低(8列)。换言之,产业集群高的地区确实企业合作更紧密,上下游产业链更可能同时在本地集聚。

2020年1月份新冠肺炎暴发后,ESIEC项目组电话追访了2017-2019年完访的企业样本,在电话联系上的企业中,调研完访率达到50%。在2月份的追访中,我们询问企业是否复工,在5月份的追访中,我们询问了企业是否正常经营。两轮追访中,不同行业企业的复工率(正常经营率)如图2所示。

图2 疫情下企业复工情况统计

 

实证结果

我们用Diff-in-Diff来识别疫情期间高集群和低指数地区私营企业的进入情况。中国企业工商注册数据显示,2020年春节后一个月,产业集群高的地区新成立的私营企业数量进入相比于往年下降了67%,但是在产业集群低的地区,该数字是74%。集群指数增加一个标准差,企业进入增加12%。如图3所示:

图3 新建企业比率与产业集群

 

基于ESIEC调查数据同样显示,高集群地区的存续企业,在两轮调查中更可能复工(正常经营)。如表1所示,RunWell2表示企业2月份已复工,RunWell5表示企业5月份正常经营,LnCluster为企业所在地的集群指数。我们认为,产业集群高的地区往往产业链齐备,企业组织灵活,更有可能恢复生产。产业集群高的地区往往也有更强的社会网络,企业家可以依赖非正式制度寻求其他企业家的帮助,解决疫情下的某些经营困难。

表1 企业复工情况与产业集群

接下来我们进一步探究产业集群中基于老乡的社会网络对企业进入和存续企业经营状况的影响。图4展示了三个变量各自与2020年年份虚拟变量-各月份虚拟变量的交互项的回归系数。发现被解释变量为企业进入数量时,集群指数(LnCluster)在春节后一个月系数显著为正,同时老乡社会网络(LnPopDensity)也为正。综上,基于老乡的社会网络通过知识外溢与互相介绍资源等渠道能够部分解释了为何产业集群地区企业进入较多。

图4 社会网络强度与企业进入

表2展示了基于老乡的社会网络对存续企业经营的影响,我们发现对于企业的复工率,集群指数(LnCluster)依然为正,但是老乡社会网络(LnPopDensity)为负。这个结果与Dai等(2020)的研究逻辑相一致。Dai等(2020)利用企业工商数据发现:社会网络能够促进企业进入,进入企业的规模更小,企业的后续增长更大。由于社会网络带来的溢出效应,个人效率较低的企业能够继续存活。但是在疫情的冲击下,个人效率较低的企业经营状况更差,复工更难。

表2 社会网络强度与企业复工

最后,我们发现产业链的完整度以及上下游在区域层面的粘性能够加速企业复工。具有稳定的供应商、客户,最大供应商、客户在本地的企业都更加可能复工。上下游在同一个区域的粘性能够在封城等防疫政策下依然支撑产业集群作为一个整体正常运转,体现了产业集群在类似新冠疫情的宏观冲击下的韧性。因此,产业链的完备度对于集群里的存续企业抵抗风险十分重要。

 

结论

该研究利用中国企业创新创业调查(ESIEC)调研联盟于2020年针对新冠肺炎疫情开展的两轮ESIEC疫情专项调查数据,以及全国企业工商注册数据,发现新冠疫情对于产业集群度高的地区的企业冲击相对较小。主要原因在于集群内企业离上下游企业比较近,断供的概率更小。另外在集群内企业通过非正式网络来互相提供支持和帮助。政策意义上,本研究强调了产业集群内部灵活完备的产业链与非正式网络对于区域抵抗新冠疫情等风险的重要作用,整合区域内部产业链是应对新冠疫情等外在冲击的重要手段;学术贡献上,本研究首次定量刻画了产业集群对小微企业应对外在冲击所发挥的韧性作用。

 

Abstract

We examine how Covid-19 resilience of Chinese firms varied with a cluster index (measuring spatial agglomeration of firms in related industries) at the county level. Two data sources are used: entry flows of newly registered firms in the entire country, and an entrepreneur sample survey regarding operation of existing firms. Both show greater resilience in counties with a higher cluster index, after controlling for industry dummies and local infection rates, besides county and time dummies in the entry data. Reliance of clusters on high density informal entrepreneur hometown networks and closer proximity to suppliers and customers help explain these findings.

 

参考文献

  1. Dai, Ruochen, Dilip Mookherjee, Kaivan Munshi, Xiaobo Zhang. “The Community Origins of Private Enterprise in China.” Working paper, Economic Development and Institutions Network, 2020.
  2. Dai, Ruochen, Hao Feng, Junpeng Hu, Quan Jin, Huiwen Li, Ranran Wang, Ruixin Wang, Lihe Xu, and Xiaobo Zhang. “The Impact of COVID-19 on Small and Medium-Sized Enterprises (SMEs): Evidence from Two-Wave Phone Surveys in China.” China Economic Review, 67: 101607, 2021.
  3. Long, Cheryl and Xiaobo Zhang. “Cluster-Based Industrialization in China: Financing and Performance.” Journal of International Economics, 84 (1): 112-123, 2011.
  4. Ruan, Jianqing and Xiaobo Zhang. "Finance and Cluster-Based Industrial Development in China." Economic Development and Cultural Change, 58:143–164, 2009.
  5. Ruan, Jianqing and Xiaobo Zhang. “A Proximity-Based Measure of Industrial Clustering.” International Food Policy Research Institute (IFPRI) Discussion Paper, International Food Policy Research Institute, Washington DC, 2015.