▪ 文献来源：

▪ 文献内容：

▪ 研究设计与相关数据应用：

对中国工业企业数据库与工业企业污染排放数据库合并数据进行清洗，最终样本期限定在 2001—2007 年 。在此基础上，根据“全要素能源效率测算”生成企业全要素能源效率指标（EE）。

区位熵在地区产业专业化程度等方面具有良好的测算优势（张平淡和屠西 伟，2021），在此同样借助区位熵对城市制造业集聚水平予以测度，公式如下：

其中，c 表示城市，t表示时间；Xct表示第c个城市在第t年的制造业就业人数，Sct表示第c个城市在第t年全行业总就业人数，∑cXct 表示所有城市制造业的总就业人数，∑cSct表示所有城市全行业的总就业人数。考虑到集聚度量指标的稳健性，文章基于中国工业企业数据，参考现有研究（范剑勇等，2014）还进行了七种集聚指标的测算，验证结论的稳健性。

制造业集聚对企业全要素能源效率能够产生影响，可能也会受到能源效率的反向作用。能源效率的提升是制造业集聚外部性的体现，有助于集聚深化，导致集聚对能源效率的影响存在向上偏误。为了缓解反向因果问题：第一，文章将制造业集聚设定在宏观层面，将能源效率下沉到企业层面。一般而言，单个企业能源效率的改善不足以影响整个宏观层面的制造业集聚，从而在一定程度上缓解反向因果问题。第二，构造工具变量。制造业集聚本质上是产业组织形式的动态调整，从工具变量的构造看，需要一个直接影响产业组织形式变化但又不直接影响企业能源效率的工具变量。相对而言，外部需求是一个理想的工具变量。外部需求引致生产要素的空间集聚，能够促进相似类型 和具有上下游投入产出关系的企业集聚以及原有企业扩大生产规模，这种外部需求并不直接影响企 业的能源效率，在一定程度上能够克服反向因果的问题。此外，尽管模型中控制地区和时间的固定效 应，但仍有不可观测特征的时变因素无法控制，本文不仅要为制造业集聚寻找需求方面的冲击，而且要求这个冲击要足够的外生于城市个体特征，因此不直接采用城市实际外部需求或城市实际出口额 （张川川，2015），而是采用 Bartik 方法（Goldsmith-Pinkham et al.，2020）构造城市外部需求（EX）这一工具变量。之所以摒弃城市实际出口额，而将加权平均额作为外部需求，是为了消除城市潜在的混淆 效应（Confounding Effects），更大程度上满足排他性约束（Exclusion Constraint）。 工具变量构造方法如下：

其中，sharecj × Exportjt为c城市、j行业的出口额；ln∑sharecj × Exportjt为城市层面加权出口额对数值，衡量城市外部需求。具体而言，Exportjt表示j行业t期的全国出口总额，份额sharecj定义如下：

其中，outputcj 表示c城市在制造业行业（j两位数代码水平）的总产值比重。根据 GoldsmithPinkham et al.（2020）份额设定方式，文章将份额（share）固定在期初水平（1998 年），目的在于使外部需求在城市层面上呈现差异，同时增强工具变量的外生性。