EN中文

地理学报 >

2023 , Vol. 78 >Issue 10: 2443 - 2464

DOI: https://doi.org/10.11821/dlxb202310005

产业与区域发展

地方劳动力市场对FDI企业规模的影响——以环渤海地区日企为例

  • 王茂军 , 1 ,
  • 马慧汶 1 ,
  • 邵静 2 ,
  • 高宇斐 3
展开
  • 1.首都师范大学资源环境与旅游学院，北京 100048
  • 2.中国人民解放军战略支援部队信息工程大学，郑州 450001
  • 3.山西省城乡规划设计研究院有限公司，太原 030001

王茂军(1973-), 男, 山东临沂人, 教授, 博士生导师, 中国地理学会会员(S110005331M), 研究方向为城乡发展与区域规划。E-mail:

收稿日期: 2022-08-29

  修回日期: 2023-03-12

  网络出版日期: 2023-10-18

基金资助

国家自然科学基金项目(41771183)

收起

The effect of the local labor market on the scale of FDI enterprises:A case study of Japanese enterprises in the Bohai Sea Rim region

  • WANG Maojun , 1 ,
  • MA Huiwen 1 ,
  • SHAO Jing 2 ,
  • GAO Yufei 3
Expand
  • 1. School of Resources Environment & Tourism, Capital Normal University, Beijing 100048, China
  • 2. PLA Strategic Support Force Information Engineering University, Zhengzhou 450001, China
  • 3. Shanxi Urban&Rural Planning and Design Institute CO., LTD., Taiyuan 030001, China

Received date: 2022-08-29

  Revised date: 2023-03-12

  Online published: 2023-10-18

Supported by

National Natural Science Foundation of China(41771183)

Fold

摘要

本文从企业内部规模经济、外部规模经济联合决定企业规模的视角出发，搭建了城市属性、企业属性在内的企业规模决定因素分析框架，基于地方劳动力市场规模与结构的认识，建立多元回归决定模型，以环渤海地区日企为对象，围绕通用劳动力、专用劳动力，分析了日企规模的决定因素及其时空变化。结果发现：① 环渤海地区地方劳动力规模、通用劳动力规模具有相同的日企规模抑制作用，专用劳动力规模具有日企规模扩张作用。② 2001年前后两阶段，地方劳动力供给规模的抑制效应始终稳健、显著。通用劳动力规模的抑制效应由不显著转向显著，专用劳动力规模的扩张效应由显著转为不显著。专用劳动力规模的扩张效应弱化、通用劳动力规模的抑制效应强化，导致了环渤海地区日企规模的收缩。③ 企业年龄对日企规模的扩张效应、独资进入及服务业的抑制效应显著且稳健，是最重要的企业属性。地方开发区数量的扩张效应明显，是最重要的地域属性。本地企业集聚的扩张效应在山东省最为明显，在环渤海地区专用劳动力模型中不显著，在劳动力规模及通用劳动力规模的模型中趋于强化。

关键词： 劳动力规模; 专用劳动力; 通用劳动力; 日企规模; 环渤海地区

本文引用格式

王茂军 , 马慧汶 , 邵静 , 高宇斐 . 地方劳动力市场对FDI企业规模的影响——以环渤海地区日企为例[J]. 地理学报, 2023 , 78(10) : 2443 -2464 . DOI: 10.11821/dlxb202310005

Abstract

The paper builds a framework for analyzing the determinants of the scale of enterprises, including city attributes and firm attributes, from the perspective of internal and external economies of scale jointly determining enterprise scale. Based on the understanding of the scale and structure of the local labor market, we take Japanese multinational enterprises (JMEs) in the Bohai Sea Rim region as the research object. This paper focuses on the shared labor force and dedicated labor force to establish multiple regression decision models, and to analyze the determinants of the scale of JMEs and its spatial and temporal changes. The results show that: (1)The scale of the local labor force and the shared labor force have an inhibiting effect on the scale of JMEs, and the scale of the dedicated labor force has an expansionary effect on the scale of the enterprise. (2) The scale of the local labor force has a significant and robust inhibition effect on the scale of JMEs during the studied period. The inhibition effect of the scale of the shared labor force on the scale of JMEs is only significant after 2001, while the expansion effect of the scale of the dedicated labor force on the scale of JMEs is significant before 2001. Over time, the weakening of the expansion effect of the dedicated labor force and the strengthening of the inhibition effect of the shared labor force have jointly affected the shrinking scale of JMEs. (3) Among the enterprise attributes, enterprise age has an expansion effect on the scale of JMEs, while sole proprietorship entry and service-oriented industry have a significant and robust inhibiting effect on the scale of JMEs. The number of local development zones is the most important city attribute and has a significant expansion effect on the scale of JMEs. The expansion effect of local enterprise agglomeration on JMEs is most pronounced in Shandong province, but insignificant in the model of the dedicated labor force, and tends to strengthen in the models of the local labor force and the general labor force in the Bohai Sea Rim region.

Key words： labor force scale; dedicated labor force; shared labor force; Japanese multinational enterprise scale; Bohai Sea Rim region

1 引言

日本是中国最为重要的外商直接投资（Foreign Direct Investment, FDI）来源国。2000—2021年中国直接利用日本投资额、占比虽有所下降，但历年日本对华直接投资额规模在全球各国中仅次于韩国，占亚洲各国的比例也在20%之上（图1）。2016—2020年在华日企分别为3.23万家、3.23万家、3.31万家、3.29万家、3.33万家。其中，一定规模以上的在华制造业日企约3700家，占日企海外制造业企业总体的20%以上，日本投资重点已转移至中国，超过了美国和印度。根据东洋经济《海外进出企业总览》，在华日企员工规模不断下降。1990—2015年中国日企平均员工规模由1018人降至80人，环渤海地区也由757人降至155人。中国加入世界贸易组织的2001年前后，环渤海地区日企入驻的22座地级市中，20座城市的日企员工规模在缩小。
图1 中国利用日本在华直接投资额及占亚洲各国的比例变动

Fig. 1 Amounts of FDI from Japanese used in China, and its proportions to total flows from Asian countries, 2002-2021

企业规模收缩并非在华日企独有，部分学者已经发现了中国制造业上市公司[1]、中国规模以上工业企业[2]、外商投资企业[3]员工规模的收缩化。2000—2013年中国工业企业的员工规模均值（中位数）由493.61人（356人）下降到210.08人（208人），标准差由1762.19降至126.27。外资企业（不含港澳台）的员工规模均值也由659.16人（426.5人）降至231.43人（196人），标准差由1015.5降至176.24。显然，企业员工规模收缩是较为普遍的现象。为何出现这种收缩化现象?是决定企业员工规模的因素或者其重要性发生了显著变化吗?识别这些疑问，利于理解企业员工规模的变动趋势，利于中国企业规模分布的优化，对中国未来招商引资以及对外投资的企业规模遴选，具有重要的参考价值。
《2021年度进军海外日企实态调査（中国篇）》显示，日企在华投资的影响要素发生了显著变化，主要是市场要素地位的提升、供给要素地位的下降。即便如此，劳动力供给要素的重要性依然远高于其他供给要素。劳动力供给要素中，廉价劳动力的重要性持续下降，人力资本（技术劳动力）的重要性相对提升，具体表现在，2005—2016年寻求廉价劳动力的日企占比已经由40.69%下降至19.0%，相反，寻求人力资本的日企占比稳定在3%~4%。面对在华日企劳动力需求的结构性变动，地方劳动力供给市场特征，势必会影响到日企员工规模变化。这种影响是扩张还是抑制?具体影响是否稳定显著?是否是在华日企规模收缩的主要原因?这些疑问，均需要有坚实的实证研究支撑。本文试图从日企驻地城市的劳动力供给市场特征出发，解析决定日企规模的影响因素，为日企规模的收缩释疑。
与关注国家尺度FDI企业规模分布及影响因素的既有研究不同，本文联合驻地城市属性、日企企业属性，强调地方劳动力供给市场规模、结构的复杂性，基于劳动力供需的适配性，将城市劳动力划分为通用劳动力、专用劳动力，探讨地方劳动力供给规模、通用劳动力规模、专用劳动力规模对日企规模影响的差异性。本文发现地方劳动力供给规模、通用劳动力规模的抑制效应、专用劳动力规模的扩张效应，两种效应均是城市内部劳动力成本的抑制作用、城市之间劳动力成本的抬升作用，以及劳动力市场的弹性高低联合决定的。通用劳动力规模的抑制效应超过了专用劳动力规模的扩张效应，抑制效应和扩张效应的阶段变化，制约着日企规模的收缩变化。

2 文献综述

FDI的经济地理研究，长期以来基于国际生产折衷理论、企业异质性理论，关注FDI的区位选择[4⇓⇓-7]。其中，大量“新”新经济地理学研究，基于企业成本、效率差异视角，讨论异质性企业的区位选择[8⇓⇓⇓-12]。少数研究意识到企业规模的重要性，发现它显著正向影响了中国企业的对外直接投资决策[13]、在华日本电子企业的区位选择[14]。但这些研究仅仅把企业规模视为区位选择的影响因素，无意直面企业规模及其影响因素。与经济地理研究的长期忽视不同，经济学相对重视企业规模的研究，但主要集中在国家或区域内企业规模的位序分布规律研究[15⇓⇓⇓⇓⇓-21]，多将企业规模视为已知，关心它们之间的关系[22⇓⇓⇓⇓-27]，而非决定其大小的影响因素。当然，也有少数研究讨论了企业规模分布的影响因素[28⇓⇓-31]，比如，章韬等[32]、盛斌等[33]发现城市间企业生产供给要素、市场需求要素的规模与质量差异，诱发了企业平均规模的不同。事实上即使区域内企业规模的位序分布类型相同，其空间分布也未必相同。虽然有研究关注企业规模的空间分布特征，但分析单元是城市，关心各城市间平均企业规模差异[34-35]，而非聚焦企业单元，关心企业间的规模差异。
当然，也有研究关注企业规模的决定因素。比如，魏良益[36]强调企业规模是内部因素与外部因素共同作用的结果，但仅分析了企业绩效、公司治理、区位、成长期等企业内部因素，没有考虑企业外部因素的重要性。与之相反，Li等[37]将产业、城市、时间设置为固定效应，验证了产业集聚（包括相邻企业的数量、平均规模等）对中国制造业企业规模的正向影响，但忽略了企业属性的作用。邵传林等[38]在企业所有制、总资产收益率、企业年龄、资本密集度以及资产专用性等企业属性的基础上，考察了制度环境（市场化指数测度）对中国工业企业规模的非线性影响，但与Li等[37]一样，也将行业、时间、地区设为固定效应，忽视了其重要性。这些研究多以国家范围内的全部企业为对象，重点关注宏观尺度的环境制度、资源配置等企业外部因素，缺乏驻地城市属性影响的深入讨论。即使注意到了城市属性的重要性，也仅是将城市视为企业容器，设定固定效应进行简单化处理。事实上，城市是企业沉浸其中的生产经营环境，其生产要素的供给规模、供给类型与供给成本、市场需求的规模、市场运营环境质量的高低、产业发展优惠政策的有无，以及城市文化等因素都有可能影响企业规模大小。
地方劳动力供给市场是企业生产经营的重要环境要素之一，也是城市重要的属性，包括供给规模和供给结构两方面。供给规模为企业提供了充足且稳定的劳动力（技能）市场，企业集聚在劳动力集中的地方，劳动力集聚在企业集中的地方，可以降低就业需求、供给市场内工资水平（劳动力成本）波动风险，具有风险分担效应，促进了产业集聚[39]，但风险分担效应关注的重点是工资水平波动的抑制作用，而非绝对工资水平高低的差异。事实上，劳动力集聚，既可以因供给量的增多，降低城市内的工资水平，抑制其波动，也可以拉大城市间的平均工资水平差距，因为劳动力供给规模与城市规模具有紧密的正相关关系。
除供给规模外，劳动力供给结构也引起了研究者的关注。既有研究多从劳动力成本切入，分析不同类型劳动力供给对FDI区位选择的影响。研究发现，FDI企业既有对低廉劳动力地区的偏好[40-41]，也有向高素质劳动力富集、高工资水平地区集中的倾向[42⇓⇓-45]。较高的人力资本水平（多用教育水平测度）提升了劳动生产率，促进了城市FDI流入[46⇓-48]。Kremer[49]注意到人力资本匹配的重要性，认为高技能工人、低技能工人匹配在一起工作，会产生帕雷托最优，提高产出和工资收益，扩大企业规模。上述研究注意到了人力资本差异的一般性影响，但忽视了劳动力的行业专用特征。不同行业的企业，对行业专用技能劳动力的需求，往往超过对通用技能劳动力的需求。如果城市专用劳动力供给、企业专属技能劳动力需求相匹配，就有可能左右企业的区位选择及空间集聚。已有研究证实，丰富的劳动力供给市场，提高了英格兰和威尔士工人与企业之间的匹配程度[50]，不同技能的工人和需求企业的空间匹配导致了产业集聚[50-51]，劳动力需求相近的企业更容易扎堆集聚[52]，成为构成了意大利产业集聚、中国84个制造业行业集聚的最主要因素[53-54]。
如上所述，劳动力规模的风险分担效应、劳动力供需的匹配效应在FDI区位选择、空间集聚研究中已有关注，但劳动力规模在城市内部的工资抑制效应、城市间的抬升效应，通用劳动力和专用劳动力的适配对企业规模的影响，尚未引起足够的重视。本文聚焦这一问题，展开系统讨论。

3 基本假设

劳动力的集聚可以为企业提供充足稳定的劳动力（技术）供给市场[55-56]。已有研究主要集中在劳动力市场的供需结构匹配、市场规模的风险分担效应两个方面。
劳动力市场的供需结构匹配效应，指区域劳动力市场与企业劳动力需求相匹配，可以吸引更多的劳动力和企业集聚，既有研究聚焦劳动力人力资本匹配方面，或根据学历[57⇓-59]、职称[60]、职业[61]，或区分劳动力技能层级[62]，强调了人力资本的通用性，难以体现劳动力专属技能的重要性，无法讨论地方劳动力市场供给与企业专属技能需求间的匹配程度。从企业与劳动力的供需匹配切入，劳动力可分为两类，一是通用劳动力，即不同行业的企业都可以使用的劳动力，他们多从事简单生产、加工、基础服务，所有企业都需要，能够在不同企业间灵活且低成本转换就业，人力资本不高，容易被机器生产替代。同时，各城市均有供给，供给规模大，企业流动性强，工资水平要求低。二是专用劳动力，即特定行业专用的劳动力，只有在同一行业内部才能共享，行业间切换成本高且不灵活，人力资本与工资水平相对较高。不同城市专门化部门不同，专用劳动力供给类型和供给规模也差异悬殊。
劳动力市场供给规模的研究，关注供需市场的灵活性，强调企业和劳动力面临的风险分担效应，及由此带来的劳资工资供需水平。Krugman[63]提出企业集聚在劳动力供给市场集中的地方能降低市场不确定性带来的成本负担，大量劳动力的存在保证企业工资不会随市场景况的变化而波动。这就意味着劳动力规模越大，劳动力供给市场的弹性越大，企业越容易以较低的工资、必需的时期以较短的时间雇佣到足额劳动力，在经济形势不好的时候，也不必担忧未来雇佣难度而丧失解雇劳动力的灵活性。相反，劳动力规模越小，岗位就业替代率越低，刺激企业预防性存储就业，不敢轻易辞退劳动力[64]。劳动力供给规模与带眷系数的乘积决定了城市人口规模的大小，城市的规模集聚效应，带来劳动者间生产技能、知识、经验等的共享、学习及外溢，提升了劳动效率[65]，决定了大城市的绝对工资水平超过小城市。较高的绝对工资水平，增加了企业劳动力成本，基于高额利润的追求，企业就有机器代人、降低劳动力成本的内在动力。因此，劳动力供给规模的成本压力、雇佣市场的灵活性，二者联合作用，可能会抑制企业规模的扩张，而且这种抑制效应会随城市劳动力供给规模扩大而增强。由此，本文提出假设1，即：
假设1：城市劳动力供给规模越大，企业员工规模越小，去劳动化明显。
通用劳动力的人力资本不高，专业技术水平低，企业通用性强，基本特征与城市外来人口基本相符。其潜在供给市场多，总体供给规模大，区位锁定效应差，城市间流动性强。由于不是企业的核心竞争力、关键岗位的劳动力，加之工作岗位要求的相对标准化、片段化、低技术化，决定了更高的机器替代风险，因此，生产经营上行时增雇、新雇，下行时解雇、减雇的灵活性更强，对企业持有、存储通用劳动力的抑制力度更大。叠加上通用劳动力供给规模增大带来工资绝对水平抬升压力，会抑制企业规模的扩张。据此，本文提出假设2，即：
假设2：城市通用劳动力供给规模越大，企业规模越小，去劳动化明显。
专用劳动力，用驻地城市中企业所在行业的从业人员规模测度。专用劳动力供给规模与城市专门化部门有关，与城市规模大小关系不大，大规模的供给也可以存在于较小的城市中，因此，城市间专用劳动力的工资水平差异与城市规模差异的相关性不紧密。专门化部门在城市间的差异性，决定了比通用劳动力更强的空间偏在性、部分城市的区位锁定性，以及更少的供给市场数量、更高的稀缺程度。这一特征导致城市内专用劳动力平均工资水平高于通用劳动力，还决定企业较强的劳动力储备倾向、较弱的解雇倾向。
若某城市的专门化部门与企业所在行业相符，则劳动力的供需适配度高，专用劳动力供给规模越大，城市内的稀缺性越低，就会降低城市内对应的劳动报酬要求，减少企业工资成本压力，增大企业劳动投入的可能，节省在其他城市寻求必需劳动力的额外成本。由此，本文提出假设3，即：
假设3：城市专用劳动力规模越大，企业规模越大。

4 数据来源

根据《日本海外进出企业总览2016（国别篇）》（简称总览）[66]，1990年以来中国环渤海地区日企数量升降波动明显，占全国比例由39.13%降至18.18%，2000—2016年这一占比仅次于长三角，相对稳定在15%~20%之间（图2）。从总览中筛选出环渤海地区具有常勤员工规模日企618家，分布在28个地级城市。总览同时提供了在地日企的名称、区县地址、隶属行业部门、设立时间、经营内容、常勤从业人员数、日方投资比重等信息。劳动力供给规模、通用劳动力供给规模来源于《中国人口普查分县资料（2010年）》，专用劳动力规模来源于京津冀鲁辽5省市的《第三次经济普查年鉴》。其他城市属性数据来自于相关城市统计年鉴、各区县国民经济和社会发展统计公报以及统计局网站等。
图2 1990—2016年环渤海地区日企数量及占全国比例的变动

Fig. 2 Numbers of Japanese multinational enterprises in Bohai Sea Rim region and its proportion to total number in China, 1990-2016

5 日企规模与城市劳动力的空间分布特征

5.1 日企员工规模的分布特征

5.1.1 日企规模服从帕累托分布，收缩特征明显

在自给自足的经济状态下，企业规模通常服从帕累托分布，利用公式（1）检验环渤海地区日企的位序—规模特征（表1）。
r = A × S r - β
式中：r表示日企就业规模降序排列的位序；Sr为第r位的日企规模；A为常数项；β为帕累托指数。自然竞争状态下，帕累托指数近似为1，意味着企业规模及数量比例合理，指数大于1、小于1分别表示大企业数量多、小企业数量多。环渤海地区日企规模分布的帕累托指数在0.5左右，帕累托回归分析调整R2均大于0.75（表1、图3），显然该地区日企规模分布较为离散，小型日企数量较自然状态更多。京津冀、山东、辽宁日企规模分布特征基本相同，保持了时间上、行业间的相对稳定性。区域内部，位序前150位的日企中，员工规模最大的是京津冀，其次是辽宁，最小的是山东。位序前200位的日企中，制造业的员工规模大于服务业。
表1 环渤海地区日企的规模分布

Tab. 1 Scale distribution of Japanese multinational enterprises in Bohai Sea Rim region

帕累托指数β 调整R2
地区 环渤海 0.505*** 0.774
京津冀 0.505*** 0.804
山东 0.528*** 0.762
辽宁 0.471*** 0.769
时间 2001年之前 0.549*** 0.755
2001年之后 0.531*** 0.788
行业 制造业 0.518*** 0.746
服务业 0.541*** 0.841

注：***表示在1%水平上显著。

图3 环渤海地区日企位序规模分布图

Fig. 3 Rank-size distribution of Japanese multinational enterprises in Bohai Sea Rim region

环渤海地区日企规模有明显的收缩化趋势。2001年前的日企平均规模为474人、此后仅为151人（图4）。这一特征在日企规模位序分布中也有清晰表现（图3），且这种差异显著，2001年前后两时段日企规模的方差检验表明，F值为64.02，通过1%水平的显著性检验。
图4 环渤海地区日企规模的年际变动

Fig. 4 Average number of employees in one Japanese multinational enterprise in Bohai Sea Rim region, before 1990s-2015

5.1.2 日企数量及规模空间差异明显

环渤海地区日企空间分布不均，2016年北京（165家）、天津（157家）、大连（153家）等中心城市最多（图5）。具体到县区间差异（表2），30个近郊区日企数量最多（387家），其次是32个中心城区（136家）、16个远郊区（118家），23个县及县级市最少（40家）。
图5 2016年环渤海地区日企数量及平均员工规模的空间分异

Fig. 5 Spatial distribution of the number of Japanese multinational enterprises and its average employee scale on municipal and county levels in Bohai Sea Rim region in 2016

表2 2016年环渤海地区的日企平均规模

Tab. 2 Number of Japanese multinational enterprises and its average employee scale in Bohai Sea Rim region in 2016

地区 县市区数(个) 日企数量(家) 区县平均日企数(家) 平均员工数(人) 平均员工数标准差
中心城区 32 136 4.25 170 520.09
近郊区 30 387 12.9 272 519.76
远郊区 16 118 7.38 322 536.37
县及县级市 23 40 1.74 251 523
环渤海地区70.19%的日企平均规模小于200人，超过1000人的只占5.43%。具体到各城市，日企平均员工规模差异显著。比如秦皇岛、济宁、廊坊等的日企均在400人以上，泰安、邯郸、东营等均在70人之下，北京、天津、大连虽然日企数量多，规模也不大。县市区间的日企规模也有显著差异。其中，中心城区最小（170人），远郊区最大（322人），近郊区（272人）、县及县级市（251人）居中（表2）。将近郊区、远郊区、县级市和县归并为非中心城区，中心城区、非中心城区日企规模的方差检验表明，F值为4.98，Sig.为0.026，显然日企规模具有中心城区更小、外围地区更大的空间格局。

5.2 劳动力的分布特征

5.2.1 劳动力规模、通用劳动力规模的分布特征

城市尺度上，京津冀地区的劳动力规模、通用劳动力规模的中位数最大，山东省其次（表3）。县区尺度上，山东省劳动力规模中位数最大，京津冀、辽宁相差不大；辽宁的通用劳动力规模中位数最大，山东、京津冀地区相差不大。两种空间尺度上，通用劳动力规模的变异系数、帕累托指数分别大于1、小于1，劳动力规模的两指标则相反。意味着通用劳动力规模的空间分布更极化，供给规模大的县市区数量更少。北京与天津的中心城区、沈阳与大连的中心城区、青岛与济南的中心城区均是劳动力、通用劳动力的供给中心（图6）。
表3 2010年环渤海地区的劳动力、通用劳动力的规模分布

Tab. 3 The distribution of labor force and shared labor force in Bohai Sea Rim region in 2010

空间
尺度		 区域 单位数量(家) 劳动力规模 通用劳动力规模
中位数(百万人) 变异系数 帕累托指数 中位数(万人) 变异系数 帕累托指数
城市
尺度		 环渤海 44 295.06 0.70 1.24 24.52 2.16 0.80
京津冀 13 478.61 0.64 1.26 40.69 1.93 0.59
辽宁省 14 171.32 0.64 1.52 18.82 1.41 0.81
山东省 17 382.53 0.46 1.11 29.49 1.10 0.75
区县
尺度		 环渤海 444 32.44 0.72 1.38 1.76 2.53 0.60
京津冀 204 28.14 0.92 1.42 1.11 2.81 0.53
辽宁省 100 27.88 0.59 1.25 2.80 1.60 0.76
山东省 140 43.92 0.45 1.66 1.89 1.36 0.61
图6 2010年环渤海地区劳动力规模、通用劳动力规模的空间分布

Fig. 6 Spatial distribution of labor force and shared labor force in Bohai Sea Rim region in 2010

5.2.2 专用劳动力规模的空间分布特征

各城市优势部门不同，日企所需的专用劳动力空间分布不均。由于日企对其部门的追随很难下落到县区层面，故以城市为最小分析单元。假设xaij表示j城市中a日企所在部门i的从业人员数， x b k l表示l城市b日企所在部门k的从业人员数，若j = l，且i = k，则有xaij = xbkl；若j ≠ l，或者i ≠ k则xaij ≠ xbkl。利用地理集中指数测度日企所在行业的从业人员规模在环渤海地区的空间集中程度，公式为：
C i = 1 m ∑ C i j t - C i j ¯ t
C i j t = x i j t ∑ x i j t
C i j ¯ t = ∑ x i j t ∑ ∑ x i j t
式中：Ci代表i行业的地理集中度； x i j t是j城市的i行业的从业人员； C i j t是j城市的i行业从业人员份额； C i j ¯ t是j城市总从业人员所占份额；m是城市数量。
可以看出，① 不同行业地理集中度不同。服务业的地理集中度高于制造业。服务业中，公共服务业、信息服务业等地理集中度最高。制造业中，食品制造业、纺织工业等地理集中度最高（图7）。② 不同行业从业者集中的主要城市不同（图8）。环渤海地区日企数量超过5%的行业中，化学工业（7.34%）集中在天津、石家庄、潍坊，电气机器制造业（12.04%）集中天津、青岛。除京津外，批发零售业（19.82%）在青岛，运输业（5.73%）在沈阳，输送机器制造业（10.87%）在保定、青岛，机械设备制造业（10.43%）在沧州、石家庄等也有较多分布。③ 京津冀城市专用劳动力均值较大，分布更离散，鲁、辽专用劳动力均值接近，更小、更集中（表4）。
图7 2013年环渤海地区部分主要行业的地理集中度

Fig. 7 Geographical concentration degree of different industries in Bohai Sea Rim region in 2013

图8 2013年环渤海地区部分行业专用劳动力规模的空间分布

Fig. 8 Spatial distribution of dedicated labor force in specific industries in Bohai Sea Rim region in 2013

表4 2013年环渤海地区专用劳动力的分布特征

Tab. 4 Distribution characteristics of the dedicated labor force in Bohai Sea Rim region in 2013

地区 样本(家) 全距 最小值 最大值 平均值 标准差
京津冀 353 8.03 6.18 14.21 12.30 1.34
山东 138 5.05 8.21 13.26 11.58 1.25
辽宁 190 5.56 7.70 13.26 11.50 1.22

6 模型构建与变量定义

6.1 模型构建

企业规模大小是其内部规模经济、外部规模经济联合作用的结果。前者取决于企业技术经济条件决定的企业内部平均成本、内部交易费用，与企业的行业属性相关，后者与企业外部的市场交易成本密切相关。市场交易成本的高低与企业（包括母公司与子公司）的属性特征、驻地城市的属性特征相关。基于此认识，搭建包括企业属性、驻地城市属性在内的企业规模解析框架，重点考察劳动力规模、通用劳动力与专用劳动力结构对日企规模的复杂影响。
假设城市j中日企k规模为si，生产总成本为ck，则有：
s k = f c k
s k = f c i n , k , c o u t , k
式中：cin,k和cout,k分别为企业生产的内部平均成本与外部市场交易成本，cin,k的高低与企业属性Yk相关；cout,k与地方劳动力供给Xj、其他城市属性Zj相关，式（6）就变为式（7）：
s k = f X j , Y k , Z j
在多项式回归分析中，式（7）可以转换为式（8）：
s k = a 0 + β 1 X j + β 2 Y k + β 3 Z j + ε k t
式中：a0和εkt分别为常数项和误差项。利用标准化回归系数βk的正负方向、数值大小，判定各变量对日企规模的扩张或者抑制方向、强度大小。

6.2 变量定义

变量定义如表5所示。① 因变量。日企员工规模，选用2016年时各日企的员工人数测度。为规避日企员工规模差异悬殊的干扰，在回归分析中，做对数处理。② 自变量包括县市区劳动力供给规模、通用劳动力规模、专用劳动力规模3个变量，分别用日企所在区（县、市）具有劳动能力的人口总量、外来人口数量、日企所在行业的从业人员数测度。为反映劳动力因素对日企员工规模时间滞后影响，前二者使用2010年的第六次人口普查数据，后者采用2013年第三次经济普查数据。
表5 变量定义及描述

Tab. 5 Definition and description of variables

变量 变量定义 符号预期
因变量 日企员工规模 日企从业人员数(取对数)
自变量 劳动力变量 劳动力供给规模 区县劳动力能力人口数量(取对数) -
专用劳动力规模 城市拥有日企行业的从业人员数 (取对数) +
通用劳动力规模 区县外来人口(取对数) -
控制变量 企业变量 母公司属性 母公司是否上市 上市=1, 非上市=0 -
是否本地首次投资 首次投资=1, 非首次投资=0 -
子公司属性 企业年龄 截至2016年的存续年数 +
是否独资进入 独资=1, 合资=0 +/-
是否服务业 服务业=1, 制造业=0 -
城市变量 市场结构 本地市场面向 城市社会消费零售额(取对数) +/-
国外市场面向 区县出口额(取对数) +/-
空间集聚 本地企业集聚 区县规模以上企业数(取对数) +/-
日企尾随集聚 区县日企累计数量 +/-
文化因素 日语劳动力供给 城市开设日语专业高等院校数量 +
区位因素 开发区数量 区县拥有省级及以上开发区数量 +
是否中心城区 中心城区=1, 非中心城区=0 -

注：各区县日企累计数量来源于总览，根据各日企进入年份统计；日语专业高等院校数据为研究者搜集，截止年份为2016年；其余地域属性数据均使用2016年。

企业属性控制变量，包括母公司、子公司属性变量，用来控制企业异质性影响。驻地城市属性用以控制区域差异影响，包括市场面向结构、空间集聚、日语劳动力保障、开发区数量、是否中心城区4个方面。
母公司控制变量：包括母公司是否为上市公司、是否首次在环渤海地区投资，引入虚拟变量区分。样本企业中，上市、非上市公司各有476家、205家，首次、非首次投资各有431家、250家。若母公司为上市公司，则融资能力更强，资本、技术、人力等条件更雄厚，更可能给予子公司较大支持。若为母公司为本地首次投资，则市场信息的获取需要额外的初始启动成本[67]，对当地投资环境陌生、缺乏本地互动经验，抬升了市场交易成本，增大了经营风险，抑制了投资规模扩张，多表现为小规模的试探性投资。
子公司控制变量：包括子公司年龄、是否独资进入、是否为服务业。子公司年龄变量，用入驻年份至2016年的存续年数测度。FDI企业进入初期，收集、分析东道国市场信息困难且昂贵，面临更大的外国责任[68]，随着年龄增长，母子公司对当地的经营环境、商业惯习、生产要素和产品市场越发熟悉，与本地互动水平提高，降低与本地的政治、经济、文化、社会摩擦的交易成本，为企业规模腾挪了扩张空间。
独资、合资进入模式变量，产权、通道权力控制的物质资产、人力资产影响了企业规模[69]，FDI企业的产权体现为独资或合资进入。合资需要处理母国和东道国间的差异、合作伙伴间的差异，可以迅速建立当地合法性，获得当地供应销售商的网络，但管理权的混合，也会加剧决策过程的复杂化、专有资产共享的困难性[68,70 -71]。独资虽然只需要处理国家间的差异[68,70⇓ -72]，但适应当地要求的初始交易成本不可或缺，当然这一成本可以被本地经验积累、本地网络融入所消减。足够高的股权水平，除了吸引母公司更多支持外，也能避免决策过程复杂化、决策效率下降或技术知识外泄等带来的额外成本，降低生产成本。独合资模式对企业规模的混合影响，需要实证研究的支持。论文设置虚拟变量，将合资企业、独资企业分别定义为1、0，各有371家、310家。
服务业变量，企业从属行业不同，技术经济条件不同，企业内部分工、协作程度各异，制约着企业的平均生产成本、内部组织成本高低，且具有稳定性[73]，影响着企业规模。与服务业相比，制造业的平均生产成本更大，内部规模经济更大。论文设定虚拟变量，服务业、制造业日企分别定义为1、0，各有245家、415家。
市场面向变量，包括本地市场面向和国际市场面向，前者产品主要销往东道国，用城市社会消费零售额测度，后者产品主要销往母国或第三国，用企业所属区县的出口额测度。市场需求是成本以外决定企业规模的另一直接要素，市场需求规模增加，企业规模就会扩大[74]。不过，市场规模越大，也意味着专业化与分工越强，市场交易行为越多，可能会抬升市场交易成本，抑制企业规模扩张。市场需求规模的具体影响很大程度上取决于实证的结果[75]。
空间集聚变量，包括本土企业集聚、日企尾随集聚，分别用日企入驻时所在区县规模以上企业数、日企存量数测度。无论是本土企业集聚，还是日企尾随集聚，集聚规模越大，企业间分工越发育，越会带来规模化、高频化、稳定化的市场交易，增大交易成本，刺激企业将部分业务服务外包，抑制企业规模扩张[73]。日企空间集聚，也会带来顺畅及时且完备的产业链供应，缩短所需原材料、零部件供应的时间和运输距离，降低供应商、需求商的搜寻成本，还会带来共享、匹配与学习外溢效应，提高企业生产效率，激励企业规模扩张。作为在华日企的重要特征[76-77]，尾随集聚可以利用先行者，消弭与东道国的文化、制度差异，降低获取政策、信息和市场等的交易成本，共享日企间的分工协作与配套集聚效益，诱发规模扩张。同时，后来者面临比先行者更大的市场竞争压力，以及前期制造业、后期配套服务业的产业链投资配套，也会抑制日企规模扩张。空间集聚对企业规模的影响有待实证结果的支持。
日语劳动力保障变量，用城市开设日语专业高等院校数量测度。虽然已有日企工作语言英语化的趋向，但日语仍是大量日企的工作语言，其重要性不言而喻。日企对本地日本语劳动力需求程度，因其入驻时间长短、本地化程度深浅、企业规模大小而异。如果本地有丰富的日语劳动力供给，一定程度上可以削弱本地政策、文化、制度距离，以及产品及原材料市场、劳动力供需市场、生产协调组织等方面的外来者劣势。相对而言，小型日企因其实力所限，更需要且依赖本地日语劳动力供给，换言之，日语劳动力供给规模大的城市，可能也是小型日企扎堆集聚的城市。
是否为中心城区变量，采用虚拟变量的方法，中心城区、非中心城区分别定义为1、0，各有32个、69个。中心城区土地成本高、本地市场规模大，劳动力供给充足，基础设施配套条件优，多集中劳动集约型、技术密集型企业，主营业务单一，分工程度高，贸易成本高，且服务业比重更高。中心城区外，劳动密集型企业更多，主营业务更多样化，分工程度、贸易成本更低，技术更常规化，制造业比重更高[73]。因此，中心城区内企业规模可能更小。
开发区变量用日企所在区县的省级以上开发区数量测度优惠政策的影响，基础数据来自于《中国开发区审核公告目录（2018年版）》，数据统计截至2016年。与非开发区相比，开发区的入驻企业普遍享受土地、人才、税收、基础设施配建等优惠政策支持，生产经营环境更优越，利于企业降低成本、扩大规模。

6.3 环渤海地区日企规模的决定因素

从劳动力供给规模、通用劳动力和专用劳动力3个方面，综合考虑地域属性与企业属性，建立多元回归模型，重点讨论地方劳动力市场对日企规模的影响。表6的模型1~4为全样本OLS回归分析结果，各回归方程均通过1%水平的显著性检验，方程可信，各模型校正R2在0.33前后，所用变量可以解释日企员工规模的1/3左右。图9为各模型显著性变量的作用方向及作用强度。
表6 环渤海地区日企规模回归方程检验及变量显著性

Tab. 6 Regression analysis of the scale of Japanese multinational enterprises in Bohai Sea Rim region and the significance of variables

变量 模型1 模型2 模型3 模型4 模型52001年前 模型6
2001年后		 模型7
2001年前		 模型8
2001年后		 模型9
2001年前		 模型10
2001年后		 模型11
2001年前		 模型12
2001年后
自变量 劳动力规模 -0.205***
(-2.546)		 -0.229*
(-1.887)		 -0.233***
(-2.677)
通用劳动力 -0.224***
(-3.554)		 -0.211***
(-3.347)		 -0.077
(-0.603)		 -0.309***
(-3.818)		 -0.054
(-0.428)		 -0.301***
(-3.706)
专用劳动力 0.107***
(2.502)		 0.094**
(2.204)		 0.151**
(2.004)		 0.086
(1.438)		 0.148*
(1.953)		 0.066
(1.128)
企业属性 母公司是否上市 0.038
1.164)		 0.039
(1.217)		 0.033
(1.01)		 0.041
(1.274)		 0.057
(0.896)		 0.035
(0.824)		 0.052
(0.81)		 0.037
(0.888)		 0.057
(1.308)		 0.026
(0.618)		 0.059
(0.930)		 0.037
(0.901)
母公司是否地区首次投资 -0.086***
(-2.663)		 -0.085***
(-2.642)		 -0.076**
(-2.341)		 -0.080**
(-2.471)		 -0.118*
(-1.788)		 -0.073*
(-1.746)		 -0.110*
(-1.654)		 -0.069*
(-1.656)		 -0.101
(-1.541)		 -0.064
(-1.502)		 -0.105
(-1.583)		 -0.064
(-1.517)
企业年龄 0.379***
(10.02)		 0.384***
(10.173)		 0.373***
(9.859)		 0.383***
(10.16)		 0.132*
(1.839)		 0.293***
(6.530)		 0.125*
(1.729)		 0.287***
(6.468)		 0.133*
(1.857)		 0.280***
(6.22)		 0.135*
(1.874)		 0.285***
(6.420)
独资模式 -0.135***
(-4.203)		 -0.133***
(-4.136)		 -0.135***
(-4.174)		 -0.135***
(-4.207)		 -0.121*
(-1.963)		 -0.150***
(-3.514)		 -0.110*
(-1.777)		 -0.149**
(-3.513)		 -0.106*
(-1.735)		 -0.153***
(-3.560)		 -0.108*
(-1.756)		 -0.152***
(-3.576)
是否服务业 -0.198***
(-5.83)		 -0.213***
(-6.376)		 -0.269***
(-6.843)		 -0.258***
(-6.603)		 -0.307**
(-4.568)		 -0.168***
(-3.780)		 -0.319***
(-4.737)		 -0.182**
(-4.236)		 -0.386***
(-5.155)		 -0.235***
(-4.531)		 -0.385***
(-5.136)		 -0.214***
(-4.160)
地域属性 本地市场规模 0.056
(0.781)		 0.061
(0.855)		 -0.023
(-0.306)		 0.017
(0.233)		 -0.010
(-0.070)		 0.093
(0.950)		 -0.026
(-0.181)		 0.111
(1.145)		 -0.091
(-0.622)		 0.017
(0.165)		 -0.083
(-0.566)		 0.081
(0.799)
国外市场规模 -0.045
(-0.759)		 -0.048
(-0.821)		 -0.115**
(-2.058)		 -0.055
(-0.941)		 -0.034
(-0.308)		 -0.037
(-0.459)		 -0.081
(-0.717)		 -0.031
(-0.393)		 -0.122
(-1.154)		 -0.120
(-1.563)		 -0.106
(-0.942)		 -0.035
(-0.443)
本地企业集聚 0.204***
(2.788)		 0.140**
(2.225)		 0.072
(1.197)		 0.136**
(2.180)		 0.218
(1.445)		 0.217**
(2.291)		 0.074
(0.572)		 0.159*
(1.957)		 0.072
(0.597)		 0.071
(0.890)		 0.092
(0.711)		 0.152*
(1.858)
日企尾随集聚 -0.046
(-0.974)		 -0.033
(-0.688)		 -0.058
(-1.223)		 -0.035
(-0.725)		 -0.061
(-0.689)		 -0.042
(-0.644)		 -0.063
(-0.696)		 -0.014
(-0.214)		 -0.056
(-0.631)		 -0.054
(-0.818)		 -0.055
(-0.618)		 -0.013
(-0.202)
开发区数量 0.152***
(3.385)		 0.159***
(3.549)		 0.137***
(3.073)		 0.157***
(3.513)		 0.175**
(1.968)		 0.156***
(2.683)		 0.161*
(1.794)		 0.174***
(2.992)		 0.154*
(1.744)		 0.145**
(2.479)		 0.160*
(1.786)		 0.172
(2.964)
日语劳动力 -0.159**
(-2.497)		 -0.079
(-1.254)		 -0.106***
(-1.703)		 -0.073
(-1.158)		 -0.097
(-0.758)		 -0.213**
(-2.462)		 -0.028
(-0.219)		 -0.119
(-1.407)		 -0.035
(-0.277)		 -0.158**
(-1.859)		 -0.025
(-0.195)		 -0.116*
(-1.363)
是否为主城区 -0.036
(-0.818)		 -0.054
(-1.220)		 -0.047
(-1.059)		 -0.048
(-1.096)		 -0.015
(-0.156)		 -0.046
(-0.815)		 -0.045
(-0.486)		 -0.06
(-1.085)		 -0.023
(-0.248)		 -0.059
(-1.054)		 -0.025
(-0.265)		 -0.059
(-1.056)
N 681 681 681 681 229 452 229 452 229 452 229 452
调正R2 0.333 0.335 0.329 0.339 0.172 0.252 0.160 0.264 0.174 0.243 0.170 0.265
F 27.067 27.370 26.633 25.909 4.639 12.690 4.329 13.462 4.683 12.158 4.345 12.599
Sig. 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
变量 模型13
京津冀		 模型14
山东		 模型15
辽宁		 模型16
京津冀		 模型17
山东		 模型18
辽宁		 模型19
京津冀		 模型20
山东		 模型21
辽宁		 模型22
京津冀		 模型23
山东		 模型24
辽宁
自变量 劳动力规模 -0.538***
(-4.839)		 0.065
(0.594)		 0.145
(1.137)
通用劳动力 -0.521***
(-4.162)		 -0.026
(0.252)		 0.016
(0.128)		 -0.491***
(-3.914)		 -0.029
(-0.284)		 0.015
(0.119)
专用劳动力 0.178**
(2.544)		 0.065
(0.643)		 -0.009
(-0.139)		 0.148**
(2.135)		 0.066
(0.654)		 -0.008
(-0.131)
企业属性 母公司是否上市 0.071
(1.599)		 0.018
(0.235)		 0.005
(0.083)		 0.060
(1.308)		 0.025
(0.322)		 0.010
(0.163)		 0.072
(1.598)		 0.021
(0.275)		 0.009
(0.145)		 0.076*
(1.687)		 0.024
(0.312)		 0.010
(0.148)
母公司是否地区首次投资 -0.070
(-1.591)		 -0.067
(-0.892)		 -0.124*
(-1.941)		 -0.053
(-1.154)		 -0.069
(-0.920)		 -0.119*
(-1.846)		 -0.063
(-1.417)		 -0.070
(-0.929)		 -0.119*
(-1.846)		 -0.052
(-1.155)		 -0.070
(-0.931)		 -0.119*
(-1.845)
企业年龄 0.402***
(7.004)		 0.397***
(4.043)		 0.343***
(3.875)		 -0.359***
(6.200)		 0.382***
(3.842)		 0.329***
(3.732)		 0.409***
(6.983)		 0.402***
(3.864)		 0.329***
(3.736)		 0.411***
(7.054)		 0.392***
(3.714)		 0.329***
(3.721)
独资模式 -0.149***
(-3.295)		 -0.135**
(-4.207)		 -0.043
(-0.705)		 -0.151***
(-3.246)		 -0.177**
(-2.254)		 -0.050
(-0.814)		 -0.147***
(-3.220)		 -0.170**
(-2.179)		 -0.049
(-0.796)		 -0.146***
(-3.211)		 -0.176**
(-2.238)		 -0.049
(-0.797)
是否服务业 -0.100**
(-2.128)		 -0.192**
(-2.213)		 -0.378***
(-6.059)		 -0.240***
(-3.720)		 -0.215**
(-2.176)		 -0.359***
(-5.627)		 -0.124***
(-2.628)		 -0.187**
(-2.149)		 -0.363***
(-5.785)		 -0.215***
(-3.391)		 -0.220**
(-2.184)		 -0.361***
(-5.456)
地域属性 本地市场规模 -0.235
(-1.023)		 -0.238
(1.373)		 -0.016
(-0.206)		 -0.012
(-0.051)		 0.206
(1.130)		 -0.029
(-0.366)		 -0.201
(-0.867)		 0.231
(1.291)		 -0.033
(-0.413)		 -0.219
(-0.949)		 0.193
(1.021)		 -0.032
(-0.384)
国外市场规模 0.199
(1.590)		 -0.120
(-1.159)		 -0.053
(-0.345)		 -0.083
(-0.733)		 -0.112
(-1.111)		 -0.098
(-0.657)		 0.210
(1.590)		 -0.101
(-0.996)		 -0.100
(-0.667)		 0.197
(1.495)		 -0.108
(-1.052)		 -0.099
(-0.658)
本地企业集聚 0.295**
(2.564)		 0.218*
(1.565)		 -0.003
(-0.011)		 -0.032
(-0.329)		 0.247*
(1.898)		 0.149
(0.578)		 0.084
(0.853)		 0.244*
(1.860)		 0.139
(0.497)		 0.076
(0.780)		 0.242*
(1.844)		 0.136
(0.479)
日企尾随集聚 -0.004
(-0.058)		 -0.062
(-0.578)		 -0.071
(-0.591)		 -0.080
(-1.066)		 -0.073
(-0.679)		 -0.086
(-0.72)		 0.003
(0.043)		 -0.055
(-0.451)		 -0.086
(-0.716)		 -0.007
(-0.097)		 -0.057
(-0.473)		 -0.087
(-0.721)
开发区数量 0.104
(1.406)		 0.049
(0.490)		 0.107
(0.534)		 0.101
(1.330)		 0.056
(0.578)		 0.130
(0.646)		 0.094
(3.513)		 0.067
(0.650)		 0.129
(0.641)		 0.087
(1.167)		 0.066
(0.637)		 0.157
(3.513)
日语劳动力 0.048
(0.230)		 -0.221
(-1.306)		 -0.022
(-0.167)		 -0.108
(-0.504)		 -0.169
(-1.007)		 0.021
(0.169)		 0.184
(0.838)		 -0.184
(-1.099)		 0.017
(0.132)		 0.150
(0.687)		 -0.157
(-0.908)		 0.017
（0.130）
是否为主城区 -0.027
(-0.424)		 0.035
(0.250)		 -0.017
(-0.102)		 -0.090
(-1.407)		 0.078
(0.592)		 0.002
(0.014)		 -0.139**
(-2.173)		 0.069
(0.527)		 0.003
(0.016)		 -0.137**
(-2.145)		 0.083
(0.621)		 0.000
（0.002）
N 353 138 190 353 138 190 353 138 190 353 138 190
调正R2 0.354 0.292 0.349 0.322 0.293 0.344 0.343 0.291 0.344 0.349 0.287 0.340
F 15.814 5.353 8.785 13.855 5.359 8.625 15.110 5.317 8.624 14.503 4.945 7.965
Sig. 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

注：单元格内数值为对应解释变量的参数估计值；*、**、***分别表示在10%、5%、1%水平上显著；括号内的数值为t检验值。

图9 影响日企规模的显著性变量的作用方向与强度

Fig. 9 The positive or negative influence strength of the significant variables affecting the scale of Japanese enterprises

6.3.1 地方劳动力市场的效应

模型1、2在控制企业属性、驻地属性的前提下，分别考察了地方劳动力供给规模、通用劳动力供给规模的影响，标准化回归系数均为负值，且在1%水平上显著，意味着二者规模越大，日企员工规模越小，具有显著的规模抑制效应，分别证实了假设1、假设2。模型3考察了地方专用劳动力规模的作用，回归系数为正值，通过了1%水平的显著性检验，意味着地方专用劳动力规模越大，日企员工规模越大，确认了企业专用劳动力需求与城市有效供给相匹配的员工规模扩张效应，证实了假设3。模型4考察了通用劳动力、专用劳动力供给的联合影响，二者的标准化回归系数分别为负值、正值，均通过1%水平的显著性检验，确认了假设2、假设3的成立。从标准化回归系数的绝对值来看，通用劳动力（0.211）大于专用劳动力（0.094），即在控制条件下，通用劳动力规模增加一个单位，日企员工数减少21.1%，专用劳动力规模增加一个单位，日企从业人员数增加9.4%。二者的联合作用，影响着日企员工规模，也决定了劳动力供给规模对日企员工规模的抑制作用。

6.3.2 控制变量的影响

企业属性控制变量中，与母公司相比，子公司属性影响更大。① 母公司是否为上市公司的回归系数符号为正，未通过显著性检验，意味着母公司对子公司的支持虽然有扩大其规模的效用，但效用并不稳健、显著。② 母公司在环渤海地区首次投资的回归系数符号稳定为负，均通过显著性检验，与预期相符，确认了母公司本地投资经验的重要性。③ 子公司的存续时间、独资进入模式以及是否为服务业变量，均通过了1%水平的显著性检验，日企存续时间越长（进入越早）规模越大，独资进入的规模更小，合资收益超过了独资。与制造业相比，服务业日企的规模更小，行业的最小规模经济依然是日企规模的决定因素。
地域属性控制变量的作用方向与预期相符，但显著程度各有不同。
（1）4个回归模型中，国外市场面向的回归系数为负值，只有专用劳动力模型3通过了1%水平的显著性检验。本地市场面向的回归系数除模型3外，均为负值，未通过显著性水平检验。虽然面向国际市场的区域内日企规模更小、面向本地市场的区域内日企规模更大，但大部分日企同时具备本地市场、国外市场面向，导致这一差异并不稳健、显著。
（2）本地企业集聚的回归系数均为正值，除了专用劳动力模型3外，分别通过了1%或5%水平的显著性检验，日企尾随集聚的回归系数虽然均为负值，但未能通过显著性检验。显然，本地企业集聚具备显著的日企规模扩张效应。
（3）开发区数量的回归系数均为正值，且通过了1%或5%水平的显著性检验，主城区变量的回归系数均为负值，且没有通过显著性检验，意味着开发区的招商引资政策优惠、企业空间集聚效益降低生产经营成本，促进了日企规模扩张，主城区内的日企虽然规模更小，但较少的数量，制约了抑制效应的稳健发挥。
（4）日语劳动力保障的回归系数均为负，在模型1、3中通过5%、1%的显著性水平检验。显然，本地日语劳动力保障对小规模日企更有吸引力。不过，随着地产地消、工作语言英语化趋势的增强，日语劳动力保障的重要性渐次降低[78]。

6.3.3 日企规模决定因素的时间变动

1990—2016年环渤海地区各城市的劳动力规模、外来人口规模不断增加。入驻日企日益年轻化、独资化和服务业化，其中，存续15年以内的日企占比高达65.9%，2006—2010年、2011—2016年独资进入均超过50%，服务业日企由21.4%增至36.0%。为了考察各变量在日企规模缩小化的作用，将日企样本拆分成2001年前后两部分，样本量分别为452家和229家，分别进行同样的分析，OLS回归分析结果见表6中模型5~12，各回归方程均通过1%水平的显著性检验，方程可信。模型5~12的校正R2在0.20左右，模型可以解释日企员工规模的1/4左右。前后两阶段的显著性变量的作用方向及作用强度如图9所示。对比来看，主要变化有3个方面。
（1）两阶段地方劳动力供给规模模型中，劳动力规模、是否为服务业、母公司是否为地区首次投资、独合模式对日企规模的抑制作用显著，不过前二者略有增强，后二者略有减弱。日语劳动力保障的抑制作用由显著转为不显著。企业年龄、开发区数量、本地企业集聚的扩张效应显著，前二者稍有增强，本地企业集聚则有减弱。
（2）两阶段通用劳动力规模模型中，通用劳动力规模的抑制作用由不显著转向显著，抑制强度最高；独合资进入模式、母公司是否为地区首次投资的抑制作用同样显著，不过，前者略有增强，后者略有减弱。企业年龄、开发区数量的扩张效应同样显著，且前者增幅更明显。本地企业集聚的扩张效应由不显著转为显著。
（3）两阶段专用劳动力模型中，专用劳动力规模的扩张效应由显著转为不显著；企业年龄、开发区数量的扩张效应显著，前者显著增强，后者略有减弱。独资模式的抑制作用增强且显著，日语劳动力保障的抑制效应由不显著转为显著。

6.3.4 日企规模影响因素的区域差异

表6中模型13~24为山东、辽宁、京津冀的回归分析结果。山东、辽宁、京津冀的样本量分别为138家、190家、353家，各回归方程的校正R2均在0.29~0.36之间，全部通过了1%显著性水平检验。城市劳动力规模与通用劳动力规模的抑制作用、专用劳动力规模的促进作用以及企业属性及地域属性的作用在环渤海地区具有明显的空间异质性。
（1）京津冀地区城市劳动力规模、通用劳动力规模、专用劳动力规模的回归系数分别为-0.538、-0.521、0.178，均通过了1%水平的显著性检验，对日企规模的抑制、促进作用是稳健的、显著的。
（2）山东、辽宁的劳动力规模回归系数均为正值，通用劳动力规模回归系数分别为负值、正值，专用劳动力规模回归系数分别为正值、负值，但均未通过显著性检验。这可能与京津冀、山东和辽宁样本县市区的劳动力、通用劳动力、专用劳动力规模分布的离散性差异有关，如表3、表4所示，3个变量在京津冀地区的离散程度更大，在山东、辽宁的离散程度较小。
（3）企业属性控制变量中，年龄变量对日企规模的促进作用、是否为服务业变量的抑制影响，在京津冀、山东和辽宁是共同的、稳定且显著的。独资进入的抑制作用在京津冀地区、山东是显著的，在辽宁不显著。母公司在环渤海地区首次投资的抑制作用在辽宁是显著的，其他两地区不显著。
（4）地域属性中，本地集聚变量对日企规模的激励作用在山东省最显著、稳定；中心城区的区位对日企规模的抑制作用在京津冀地区通用劳动力模型（模型19）、劳动力匹配结构模型（模型22）中显著，意味着京津冀地区中心城区内日企规模更小。

7 结论与讨论

本文从企业内部规模经济、外部规模经济联合决定企业规模的视角出发，搭建了融合城市地域属性、企业属性的FDI企业规模分析框架，重点围绕地方劳动力供给规模、供需结构匹配（通用劳动力、专用劳动力），以环渤海地区日企为对象，分析了其规模决定因素及其时间变动，验证了论文的3个假设，有以下主要结论：
（1）地方劳动力市场的作用是复杂的，仅仅考虑劳动力总供给规模，不足以解释环渤海日企规模的大小差异，必须同时考虑通用劳动力与专用劳动力的供给结构。在地域属性及企业属性的约束下，环渤海地区各地方劳动力市场的劳动力规模、通用劳动力规模具有相同的日企规模抑制效应，专用劳动力规模具有日企规模扩张效应。
（2）地方劳动力市场的作用具有时空异质性。时间上，2001年前后两阶段，地方劳动力供给规模的抑制效应始终稳健、显著。通用劳动力规模的抑制效应由不显著转向显著，专用劳动力规模的扩张效应由显著转为不显著。专用劳动力规模的扩张效应弱化、通用劳动力规模的抑制效应强化，联合导致了环渤海地区日企规模的收缩。空间上，劳动力规模、通用劳动力规模的抑制作用、专用劳动力规模的促进作用，在京津冀地区稳健且显著，在山东、辽宁不显著。
（3）企业属性中，企业年龄对日企规模的扩张效应、独资进入、服务业的抑制效应显著且稳健。地域属性中，地方开发区数量的扩张效应明显。本地企业集聚的扩张效应在专用劳动力模型中不显著，在2001年后劳动力规模及通用劳动力规模的模型中显著，在山东省各模型中显著。
本文初步回答了影响环渤海地区日企规模收缩的主要因素。但该研究尚有可进一步拓展的空间，主要表现在两个方面：① 环渤海地区虽然是日本在华投资的重要地区，但无论投资规模、主导行业以及变动显著性等，都与长江三角洲地区、珠江三角洲地区不同，本文发现的地方劳动力规模与通用劳动力规模的抑制效应、专用劳动力的扩张效应是否也适用于上述两地区?这需要进一步的实证分析。② 中国吸纳的韩国直接投资超过了日本，新加坡直接投资仅次于日本，香港在内地的直接投资更是高居首位。中国城市的地方劳动力市场是否也显著影响了这些不同来源地FDI的在地企业规模?与具有外国责任的FDI企业不同，本土企业规模的决定因素是否也与地方劳动力市场相关?地方劳动力供给规模与专用/通用劳动力的供给结构是否也有同样的抑制或者扩张表现?这些都需要进一步的实证说明。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Li Hongya, Shi Xuegui, Zhang Yinjie. A study on the financing constrains and Chinese enterprises' scale distributions: An analysis based on the data of listed companies in Chinese manufacturing. Modern Economic Science, 2014, 36(2): 95-109, 127-128.

[李洪亚, 史学贵, 张银杰. 融资约束与中国企业规模分布研究: 基于中国制造业上市公司数据的分析. 当代经济科学, 2014, 36(2): 95-109, 127-128.]

[2]
Shi Jianzhong. Character and shape of the Chinese firm size distribution. East China Economic Management, 2010, 24(12): 51-55.

[石建中. 中国企业规模分布的形态及特征分析. 华东经济管理, 2010, 24(12): 51-55.]

[3]
Luo Changyuan, Si Chunxiao. Determinants of foreign divestment: Evidence from Chinese industrial enterprises. The Journal of World Economy, 2020, 43(8): 26-53.

[罗长远, 司春晓. 外商撤资的影响因素: 基于中国工业企业数据的研究. 世界经济, 2020, 43(8): 26-53.]

[4]
Dunning J H. The eclectic paradigm of international production: A restatement and some possible extensions. Journal of International Business Studies, 1988, 19(1): 1-31. DOI: 10.1057/palgrave.jibs.8490372.

[5]
Dunning J H. Location and the multinational enterprise: A neglected factor? Journal of International Business Studies, 1998, 29(1): 45-66.

DOI

[6]
Dunning J H. The eclectic paradigm as an envelope for economic and business theories of MNE activity. International Business Review, 2000, 9(2): 163-190.

DOI

[7]
Mucchielli J L, Puech F. Internationalisation et localisation des firmes multinationales: l'exemple des entreprises françaises en Europe. Economy and Statistics, 2003, 363(1): 129-144.

[8]
Melitz M J. The impact of trade on intra-industry reallocations and aggregate industry productivity. Econometrica, 2003, 71(6): 1695-1725.

DOI

[9]
Helpman E, Melitz M J, Yeaple S R. Export versus FDI with heterogeneous firms. American Economic Review, 2004, 94(1): 300-316.

DOI

[10]
Yeaple S R. Firm heterogeneity and the structure of U.S. multinational activity. Journal of International Economics, 2009, 78(2): 206-215.

DOI

[11]
Aw B Y, Lee Y. Firm heterogeneity and location choice of Taiwanese multinationals. Journal of International Economics, 2008, 76(2): 403-415.

DOI

[12]
Chen M X, Moore M O. Location decision of heterogeneous multinational firms. Journal of International Economics, 2010, 80(2): 188-199.

DOI

[13]
Liu Xiaoning. Location choice of outward foreign direct investment: A study on host country factors and enterprise heterogeneity factors. Economic Survey, 2018, 35(3): 59-66.

[刘晓宁. 企业对外直接投资区位选择: 东道国因素与企业异质性因素的共同考察. 经济经纬, 2018, 35(3): 59-66.]

[14]
Belderbos R, Carree M. The location of Japanese investments in China: Agglomeration effects, keiretsu, and firm heterogeneity. Journal of the Japanese and International Economies, 2002, 16(2): 194-211.

DOI

[15]
Okubo T, Picard P M, Thisse J F. The spatial selection of heterogeneous firms. Journal of International Economics, 2010, 82(2): 230-237.

DOI

[16]
Baldwin R E, Okubo T. Heterogeneous firms, agglomeration and economic geography: Spatial selection and sorting. Journal of Economic Geography, 2006, 6(3): 323-346.

DOI

[17]
Ottaviano G I P. 'New' new economic geography: Firm heterogeneity and agglomeration economies. Journal of Economic Geography, 2011, 11(2): 231-240.

DOI

[18]
Hart P E, Prais S J. The analysis of business concentration: A statistical approach. Journal of the Royal Statistical Society Series A (General), 1956, 119(2): 150-191.

DOI

[19]
Singh A, Whittington G. The size and growth of firms. The Review of Economic Studies, 1975, 42(1): 15-26.

DOI

[20]
Cefis E, Marsili O, Schenk H. The effects of mergers and acquisitions on the firm size distribution. Journal of Evolutionary Economics, 2009, 19(1): 1-20. DOI: 10.1007/S00191-008-0105-9.

[21]
Axtell R L. Zipf distribution of U.S. firm sizes. Science, 2001, 293(5536): 1818-1819.

PMID

[22]
Gaffeo E, Gallegati M, Palestrini A. On the size distribution of firms: Additional evidence from the G7 countries. Physica A: Statistical Mechanics and Its Applications, 2003, 324(1-2): 117-123.

DOI

[23]
Yoshi F, Aoyama H, Guilini C D. Gibrat and pareto-zipf revisited with European firms. Physica A: Statistical Mechanics and Its Applications, 2004, 344(1-2): 112-116.

DOI

[24]
Cirillo P, Hüsler J. On the upper tail of Italian firms' size distribution. Physica A: Statistical Mechanics and Its Applications, 2009, 388(8): 1546-1554.

DOI

[25]
Cirillo P. An analysis of the size distribution of Italian firms by age. Physica A: Statistical Mechanics and Its Applications, 2010, 389(3): 459-466.

DOI

[26]
Fang Mingyue, Nie Huihua. The stylized facts of size distribution of China manufacturing industries: A perspective of Zipf's Law. Review of Industrial Economics, 2010, 9(2): 1-17.

[方明月, 聂辉华. 中国工业企业规模分布的特征事实: 齐夫定律的视角. 产业经济评论, 2010, 9(2): 1-17.]

[27]
Yang Qijing, Li Xiaobin, Fang Mingyue. Market, government and enterprise size distribution: An empirical study. World Economic Papers, 2010(1): 1-15.

[杨其静, 李小斌, 方明月. 市场、政府与企业规模分布: 一个经验研究. 世界经济文汇, 2010(1): 1-15.]

[28]
Cabral L M B, Mata J. On the evolution of the firm size distribution: Facts and theory. American Economic Review, 2003, 93(4): 1075-1090.

DOI

[29]
Pagano P, Schivardi F. Firm size distribution and growth. Scandinavian Journal of Economics, 2003, 105(2): 255-274.

DOI

[30]
Luttmer E G J. Selection, growth, and the size distribution of firms. The Quarterly Journal of Economics, 2007, 122(3): 1103-1144.

DOI

[31]
Wang Yongjin, Sheng Dan, Li Kunwang. Scale distribution in the growth of Chinese enterprises: A study based on large enterprises. Social Science in China, 2017(3): 27- 48, 204-205.

[王永进, 盛丹, 李坤望. 中国企业成长中的规模分布: 基于大企业的研究. 中国社会科学, 2017(3): 27- 48, 204-205.]

[32]
Zhang Tao, Sun Churen. Trade opening, productivity pattern and enterprise size. The Journal of World Economy, 2012, 35(8): 40-67.

[章韬, 孙楚仁. 贸易开放、生产率形态与企业规模. 世界经济, 2012, 35(8): 40-67.]

[33]
Sheng Bin, Mao Qilin. Trade liberalization, enterprise growth and size distribution. The Journal of World Economy, 2015, 38(2): 3-30.

[盛斌, 毛其淋. 贸易自由化、企业成长和规模分布. 世界经济, 2015, 38(2): 3-30.]

[34]
Shi Xiusong, Liu Jun. Big business, spatial distribution and development of regional economy: Based on Chinese top 500 enterprises. Shanghai Journal of Economics, 2014, 26(9): 88-99.

[史修松, 刘军. 大企业规模、空间分布与区域经济增长: 基于中国企业500强的研究. 上海经济研究, 2014, 26(9): 88-99.]

[35]
Zhang Tinglong, Sun Hui. The size, distribution and regional economic growth of industrial enterprises. Journal of Xinjiang University (Natural Science Edition), 2016, 33(1): 25-32.

[张廷龙, 孙慧. 工业企业规模、分布与区域经济增长. 新疆大学学报(自然科学版), 2016, 33(1): 25-32.]

[36]
Wei Liangyi. An analysis of my country's enterprise scale and restrictive factors[D]. Chengdu: Southwest Jiaotong University, 2006.

[魏良益. 我国企业规模与制约因素分析: 基于中国上市公司的实证[D]. 成都: 西南交通大学, 2006.]

[37]
Li D Y, Lu Y, Wu M Q. Industrial agglomeration and firm size: Evidence from China. Regional Science and Urban Economics, 2012, 42(1-2): 135-143.

DOI

[38]
Shao Chuanlin, Pei Zhiqiang. A measure for nonlinear impact effect of the environments of institution to the firm size. Industrial Economic Review, 2015, 6(1): 34-47.

[邵传林, 裴志强. 制度环境对企业规模非线性影响效应的测度: 来自中国工业企业的证据. 产经评论, 2015, 6(1): 34-47.]

[39]
Overman H G, Puga D. Labour pooling as a source of agglomeration:An empirical investigation//Glaeser E L. Agglomeration Economics. Chicago: University of Chicago Press, 2010.

[40]
Broadman H G, Sun X L. The distribution of foreign direct investment in China. The World Economy, 1997, 20(3): 339-361.

DOI

[41]
Chen Ping, Ou Yan. The impact of rising labor cost on FDI regional transfer in China: Evidence from data of industrial enterprises and FDI spatial effect. Journal of Sun Yat-Sen University (Social Science Edition), 2011, 51(2): 185-191.

[陈平, 欧燕. 我国劳动力成本上升对FDI地区转移的影响: 来自工业企业数据和FDI空间效应的证据. 中山大学学报(社会科学版), 2011, 51(2): 185-191.]

[42]
Feng Wei, Shao Jun, Xu Kangning. Market size, labor cost and FDI: Based on the study of panel data of our provinces from 1990 to 2009. Nankai Economic Studies, 2011(6): 3-20.

[冯伟, 邵军, 徐康宁. 市场规模、劳动力成本与外商直接投资: 基于我国1990—2009年省级面板数据的研究. 南开经济研究, 2011(6): 3-20.]

[43]
Song Weijia. Research on wage level and location change of foreign direct investment. Research on Financial and Economic Issues, 2013(10): 48-54.

[宋维佳. 工资水平与外商直接投资区位变动研究. 财经问题研究, 2013(10): 48-54.]

[44]
Cai Jialin. Research on labor cost, market size and attractiveness of FDI: Based on provincial spatial panel data of China. Modern Business Trade Industry, 2015, 36(1): 104-107.

[蔡佳林. 劳动力成本、市场规模与FDI吸引力研究: 基于中国省级空间面板数据. 现代商贸工业, 2015, 36(1): 104-107.]

[45]
Chu Zhi. An empirical analysis on the influencing factors of location choice of foreign direct investment. Productivity Research, 2016(10): 21-23.

[褚智. 外商直接投资区位选择影响因素的实证分析. 生产力研究, 2016(10): 21-23.]

[46]
Cassidy J F, Andreosso-O'Callaghan B. Spatial determinants of Japanese FDI in China. Japan and the World Economy, 2006, 18(4): 512-527.

DOI

[47]
Wei Yansheng, Ao Rongjun. Effect of labor quality on locational choice of foreign direct investment into China. Geography and Geo-Information Science, 2008, 24(5): 57-60, 83.

[韦燕生, 敖荣军. 外商直接投资区位选择的劳动力质量因素研究. 地理与地理信息科学, 2008, 24(5): 57-60, 83.]

[48]
Li Hongyan. Research on foreign investment in China from the perspective of human capital[D]. Jinan: Shandong Normal University, 2014.

[李红岩. 人力资本视角下的外商对华投资问题研究[D]. 济南: 山东师范大学, 2014. ]

[49]
Kremer M. The o-ring theory of economic development. The Quarterly Journal of Economics, 1993, 108(3): 551-575.

DOI

[50]
Melo P C, Graham D J. Testing for labour pooling as a source of agglomeration economies: Evidence for labour markets in England and Wales. Papers in Regional Science, 2014, 93(1): 31-52.

DOI

[51]
Helsley R W, Strange W C. Matching and agglomeration economies in a system of cities. Regional Science and Urban Economics, 1990, 20(2): 189-212.

DOI

[52]
Ellison G, Glaeser E L, Kerr W R. What causes industry agglomeration? Evidence from coagglomeration patterns. American Economic Review, 2010, 100(3): 1195-1213.

DOI

[53]
Andini M, de Blasio G, Duranton G, et al. Marshallian labour market pooling: Evidence from Italy. Regional Science and Urban Economics, 2013, 43(6): 1008-1022.

DOI

[54]
He Yumei, Liu Xiuyan, Li Rui. Research on spatial agglomeration evolution and driving factors of manufacturing industry based on continuous distance. Journal of Finance and Economics, 2012, 38(10): 36-46.

[何玉梅, 刘修岩, 李锐. 基于连续距离的制造业空间集聚演变及其驱动因素研究. 财经研究, 2012, 38(10): 36-46.]

[55]
Song Zirui. Research on the factors and economic effect of industrial agglomeration in counties of Hubei province[D]. Wuhan: Central China Normal University, 2016.

[宋子睿. 湖北省县域产业集聚的影响因素及区域效应研究[D]. 武汉: 华中师范大学, 2016.]

[56]
Qian Huixiong, Liu Xiaoyan. A research into the labor pooling effect of migrant worker agglomeration. Economic Survey, 2011, 28(1): 115-119.

[千慧雄, 刘晓燕. 农民工集聚的劳动力池效应研究. 经济经纬, 2011, 28(1): 115-119.]

[57]
Zhang Huihui, Xu Liheng. The impact of high-skilled labor on the service enterprises value-added: Based on the heterogeneous analysis of skill-biased production function. Journal of Technology Economics, 2021, 40(8): 63-75.

[张慧慧, 徐力恒. 高技能劳动力对服务业企业增加值的影响: 基于技能偏向型生产函数的异质性分析. 技术经济. 2021, 40(8): 63-75.]

[58]
Liang Wenquan, Lu Ming. The divergence of skill composition: Exploring the skill complementarity and the agglomeration of labors. Comparative Economic & Social Systems, 2015(3): 185-197.

[梁文泉, 陆铭. 城市人力资本的分化: 探索不同技能劳动者的互补和空间集聚. 经济社会体制比较, 2015(3): 185-197.]

[59]
Liu Chenyang, Cao Yilun. Foreign enterprise technology licensing and upgrade of labor skill structure: Empirical evidence from 2012 China enterprise survey data of the world bank. Research on Economics and Management, 2021, 42(11): 74-92.

[刘晨阳, 曹以伦. 外资企业技术授权与劳动力技能结构升级: 来自世界银行中国企业调查数据的经验证据. 经济与管理研究. 2021, 42(11): 74-92.]

[60]
Hu Zhaoliang, Wang Enyong, Han Maoli. The characteristics of the distribution of the talentred persons in China. Economic Geography, 1998, 18(1): 8-14.

[胡兆量, 王恩涌, 韩茂莉. 中国人才地理特征. 经济地理, 1998, 18(1): 8-14.]

[61]
Liu Ye, Wang Ruoyu, Xue Desheng, et al. The spatial pattern and determinants of skilled laborers and lessskilled laborers in China: Evidence from 2000 and 2010 censuses. 2010 Geographical Research, 2019, 38(8): 1949-1964.

[刘晔, 王若宇, 薛德升, 等. 中国高技能劳动力与一般劳动力的空间分布格局及其影响因素. 地理研究, 2019, 38(8): 1949-1964.]

DOI

[62]
Luo Shougui, Wang Aimin, Gao Ruxi. Analyses of factors of high-level falents' migration and significance of establishing anti-selection mechanisms among regions. Scientia Geographica Sinica, 2009, 29(6): 779-786.

DOI

[罗守贵, 王爱民, 高汝熹. 高级人才空间流动因素分析及建立反区域筛选机制的意义. 地理科学, 2009, 29(6): 779-786.]

DOI

[63]
Krugman P R. Geography and Trade. Cambridge: MIT Press, 1991.

[64]
Scott A J, Fujio Mizuoka. Metropolis. Tokyo: KOKON-SHOIN, 1996.

[65]
Kenji Yamamoto. Economic Geography of Industrial Agglomerations. Tokyo: Hosei University Press, 2005.

[66]
Harushi shibaita. Overview of Inbound and Outbound Enterprises (Country Edition). Tokyo: Toyo Keizai, 2019.

[柴生田晴四. 海外进出企业总览(国别编). 东京: 东洋经济新报社, 2019.]

[67]
Kang J, Lee J Y, Ghauri P N. The interplay of Mahalanobis distance and firm capabilities on MNC subsidiary exits from host countries. Management International Review, 2017, 57(3): 379-409.

DOI

[68]
Luo Y D, Shenkar O. Toward a perspective of cultural friction in international business. Journal of International Management, 2011, 17(1): 1-14.

DOI

[69]
Rajan R G, Zingales L. Power in a theory of the firm. The Quarterly Journal of Economics, 1998, 113(2): 387-432.

DOI

[70]
Gaur A S, Lu J W. Ownership strategies and survival of foreign subsidiaries: Impacts of institutional distance and experience. Journal of Management, 2007, 33(1): 84-110.

DOI

[71]
Hennart J F, Larimo J. The impact of culture on the strategy of multinational enterprises: Does national origin affect ownership decisions? Journal of International Business Studies, 1998, 29(3): 515-538.

DOI

[72]
Makino S, Neupert K E. National culture, transaction costs, and the choice between joint venture and wholly owned subsidiary. Journal of International Business Studies, 2000, 31(4): 705-713.

DOI

[73]
Wang Maojun, Ma Huiwen, Shao Jing, et al. The impact of spatial agglomeration on the employment scale of Japanese enterprises in Beijing. Geographical Research, 2022, 41(7): 1845-1863.

DOI

[王茂军, 马慧汶, 邵静, 等. 空间集聚对在京日企就业规模的影响研究. 地理研究, 2022, 41(7): 1845-1863.]

DOI

[74]
Huang Taiyan, Wang Jiangui. How determines the scale of enterprises. China Economic Studies, 2000(4): 12-19.

[黄泰岩, 王检贵. 企业规模是如何决定的. 中国经济问题, 2000(4): 12-19.]

[75]
Nie Huihua, Li Wenbin. What determines the best size of the firm: Review on the study of firm size. Henan Social Sciences, 2006, 14(4): 31-34.

[聂辉华, 李文彬. 什么决定了企业的最佳规模? 关于企业规模的研究述评. 河南社会科学, 2006, 14(4): 31-34.]

[76]
Liu Yuxiao, Wang Maojun. The same industry effect and the same source effect of Japanese companies in China: Take Beijing, Shanghai, Guangzhou and Shenzhen as examples. Progress in Geography, 2020, 39(11): 1845-1859.

DOI

[刘玉潇, 王茂军. 中国城市日企的同业与同源效应: 以京、沪、广、深为例. 地理科学进展, 2020, 39(11): 1845-1859.]

DOI

[77]
Lee K D, Hwang S J. Regional characteristics, industry agglomeration and location choice: Evidence from Japanese manufacturing investments in Korea. Asian Economic Journal, 2016, 30(2): 123-145.

DOI

[78]
Zhou Jun, Sui Jiyuan. Discuss the impact of changes in the development of Japanese companies in China on the Japanese language skills of practitioners. Journal of Jiangsu University of Technology, 2012, 18(1): 34-36.

[周军, 隋吉原. 论在华日资企业发展变化对从业者日语能力的影响. 江苏技术师范学院学报, 2012, 18(1): 34-36.]

Options
文章导航

/

〈 〉