实证模型的构建方法：从原始数据到在线算法

企业选址决策不是一个随机的过程，而是一个企业利润最大化和成本最小化的过程。根据McFadden（1974）的研究，单位企业i利润最大化的过程可以表示为：Πijk=Rijk-Cijk+εijk=x′ijkβ+εijk。其中，Rijk和Cijk分别表示企业i的收益和成本，xijk表示能够影响企业利润的因素集合，εijk表示随机误差项。那么，利润最大化的代表性企业i，选址于j处的原因是企业i在j处能够获得的利润大于其他地区，即Πijk ＞Πimk，j≠m。

本章主要分析市场规模对企业选址决策的影响，以及交通基础设施对市场规模的调节作用。首先，市场规模是企业选址的一个基础性因素，企业一般倾向于在距离消费市场较近的地区选址，这是为了享受规模优势的同时降低竞争成本。其次，交通基础设施的完善程度决定了企业生产与市场之间的距离，间接影响了企业区位选址，这与空间经济学的核心观点基本一致，运输成本下降会使企业在较大市场上平稳聚集。众所周知，虽然企业与大市场的地理距离无法缩短，却可以通过交通基础设施建设，降低运输成本，从而吸引新企业进入。现实中，交通基础设施便利水平和市场规模大小已经成为影响企业选址决策的重要因素。笔者认为便利的交通基础设施可以有效弥补本地市场需求的不足，促进新企业进入，尤其是在面临着市场规模约束而难以形成初始集聚的沿边地区。本章从本地市场规模、邻近地区市场规模和国外市场规模三个层次分析一个地区的市场需求。笔者认为企业的区位选址决策主要体现在这个地区每年新增的企业数量，这是因为新增企业和现有企业选址决策所依据的经济环境不同，新增企业选址对当前经济环境的影响更为敏感。所以，本章用新增企业数量作为企业区位选址决策的代理变量。基于此，构建如下实证回归模型：

其中，Enterikt表示i地区k行业在t年新建的企业个数；RMS、NMS和FMS分别表示本地市场规模、邻近地区市场规模和国外市场规模，指标构建说明同第2章；Traffic表示交通基础设施规模，用交通基础设施密度衡量，等于公路密度、铁路密度和内河航运密度的加总；Controls表示可能影响企业区位决策的控制变量集，包括地区灯光亮度、人口分布、工资水平、外资开放度、人力资本水平、市场化程度。模型还引入一组虚拟变量来尽可能地控制不随时间而变和不随地区而变的遗漏变量，包括海外市场接近程度（Oversea）、省会城市虚拟变量（Capital）、省域虚拟变量（dum_prov）、行业虚拟变量（dum_cic）以及年份虚拟变量（dum_year），分别用以控制企业的贸易条件、省会城市与非省会城市差异、省域个体特征差异、两位数的行业特征差异和国家宏观经济发展环境变化的影响。

交通基础设施网络的完善使得生产要素在区域间流动更加自由，是影响经济活动空间分布的重要因素之一。那么，交通基础设施对企业区位选址的影响是否存在行业差异？一般而言，交通基础设施对制造业的影响较大，因为制造业不仅需要充足的生产要素投入，还需要较大的产品销售市场作为支撑；良好的交通网络是制造业从原材料、生产到销售环节正常运转的重要基础条件，可以最大限度地控制企业的生产和库存成本。生产性服务业的空间分布则具有一定空间集聚性，倾向于在本地集聚，需要的是良好的通信网络和其他的配套设施。而采矿业等资源型产业则可能对要素资源禀赋的要求更高。为了研究交通基础设施对企业区位选址的行业差异的影响，本章进一步将上述模型改为行业变系数模型：(www.xing528.com)

估计模型（2）中，本节引入9个不同行业的虚拟变量^[4]及其与交通基础设施的交互项，应用行业变系数模型来分析交通基础设施影响企业区位选址的行业差异，这里暂不考虑交通基础设施与不同层次市场规模之间的交互效应对企业区位选址的影响，因为这里重点关注的是交通基础设施对新增企业行业差异的影响。不同类型和等级的道路交通运输成本以及运输途中的稳定性等存在较大差异。一般认为，铁路运输更适用于省际的长途运输，而公路运输更适用于省内短途运输，而且不同的道路等级会影响运输效率。所以，为了研究不同类型和等级道路交通对经济活动空间分布产生差异的影响，本章分别计算了2001—2013年中国省级层面的公路、铁路、内河航道、高速公路、等级公路及等外公路密度6个指标，来比较不同的交通基础设施规模对企业区位选址决策的行业差异、空间差异的影响。因此，在估计模型（1）的基础上，引入不同类型和等级的交通基础设施密度指标，得到估计模型（3）和（4）。

估计模型（3）中，Road、Railway和Waterway分别表示公路密度、铁路密度和内河航道密度，三者密度加总等于交通基础设施密度（Traffic）。

估计模型（4）中，Expressway、Standard和Substandard分别表示高速公路密度、等级公路密度和等外公路密度，三者加总等于公路密度（Road）。