产业集聚测度方法的研究综述

2008/11　总第379期

商业研究

　COMM ERC I AL R ES EARCH

文章编号:1001-148X (2008)11-0064-03

产业集聚测度方法的研究综述

刘斯敖

(河海大学商学院,江苏南京210098)

摘要:产业集聚测度方法是产业集聚研究重要的工具,一直倍受经济学家关注。随着产业集聚理论的

演变与发展,其测度方法也在不断演变与发展。对产业集聚测度方法进行输理与比较分析,以供更好地选择与运用。

关键词:产业集聚;测度方法;研究中图分类号:F22419 文献标识码:B 收稿日期:2007-12-13

作者简介:刘斯敖(1975-),男,河海大学商学院博士研究生,浙江工业大学之江学院讲师,研究方向:

区域经济与产业。

产业集聚作为一种重要的产业空间分布,一直以来备受经济学家的关注。从早期马歇尔的外部性和韦伯的区域经济理论开始,产业集聚的外部规模经济、溢出效应得到了广泛的研究和探讨(胡佛,1990;

Fujita&Thisse,2004);以克鲁格曼、藤田昌久等为代

表的新经济地理理论(Krug man,1991;Fujita etal,

1999)又提出了集聚经济的内部规模经济。中间投入

品和劳动力的共享、知识的溢出(马歇尔,1890)、运输费用的节约(韦伯,1909)以及专业化分工与协作所带来的各种交易成本的降低,使产业集群成为许多国家和地区获取竞争优势的源泉(M ichael Por 2

ter,1990)。

早期的研究侧重于对产业集聚定性的观察与描述,随着研究地深入,产业集聚程度与影响集聚的关键因素的定量测度开始成为区域经济学家们关注的课题。随着产业集聚理论的发展,有关产业集聚程度的测度方法不断发展与完善,经历了有集中率、区位熵、赫芬达尔指数、空间基尼系数、EG 指数等的发展过程。

一、集中度(Concentri on ration of industry )行业集中度是用规模最大的几个地区有关数值

(销售额、就业人数、生产额等)占整个行业的份额

来度量。计算公式为:CR n =

∑n

i =1X

i

∑N

i =1

X

i

其中,CR n 代表X 产业的市场集中度,

∑n

i =1

X

i

代表

规模最大的几个地区X 产业的销售额或生产额、就业

人数等,

∑N

i =1

X

i

代表全部地区X 产业的销售额或生产

额、就业人数等。徐康宁、冯春虎(2003)运用指标计算了中国制造业28个行业1997年的地理集中度。在研究产业地理集聚中,CR n 也经常作为一个辅助的指标加以使用,如罗勇、曹丽莉(2005)和王子龙等

(2006)在测算制造业集聚程度和中国高科技产业集

聚程度时使用了集中度作为集聚程度测算一个辅助指标进行分析。

在各种测度产业集聚水平的方法中,集中度是最简单、最常用的计算指标,能够形象地反映产业市场集中水平。但是,集中度也存在不少缺陷:一是CR n 的值易受n 的影响,n 越大即选择地区越多,CR n 就会越大,二是忽略了规模最大地区之外其它地区的规模分布情况,三是不能反映规模最大地区内部之间产业结构与分布的差别。

二、区位熵(Entr opy index )

所谓熵,就是比率的比率,它由哈盖特(P ?

Haggett )首先提出并用于区位分析中。区位熵,又称

专门化率,用以衡量某一区域要素的空间分布情况,反映某一产业部门的专业化程度,以及某一区域在高层次区域的地位和作用等方面。在产业结构研究中,通常用于分析区域主导专业化部门的状况(崔功豪等,2003)。

区位熵的计算公式为:E ij =

q i

∑n

i =1

q i

/

Q i

∑n

i =1

Q

i

式中,E ij 表示某区域i 部门对于高层次区域的区域熵;q i 为某区域部门的有关指标(通常可用产值、产

量、生产能力、就业人数等指标);Q

i

为高层次区域部

门的有关指标;n为某类产业的部门数量。E

ij

值越大,表示产业的集聚程度越高。区域熵在分析区域优势主导产业中被广泛运用。

区位熵优点在于计算简单方便,能够较形象地反映某个地区的主导产业和产业集聚水平。缺点在于区位熵不能反映区域经济发展水平的差异性,某产业区位熵最大的地区不一定是该产业集聚水平最高的地区。

三、赫芬达尔-赫希曼指数(Herfindahl-H ir2 schman Index)

指数是衡量产业集聚程度的重要指标,最初由A.H irschman提出,后经哥伦比亚大学O.H ir2 schman加以改进,该指数产生的理论基础来源于贝恩(Bain)的“结构———行为———绩效”(SCP)理

论。计算公式为:H=∑N

j=1z2

j

=∑

N

j=1

(X

j

/X)2(j=1,2,

3,…,n)

其中,X代表产业市场总规模(就业或产值),X

j

代

表j企业的规模,z

j =X

j

/X代表第j个企业的市场占有

率,N代表该产业内部的企业数。在实际分析中,经常运用H指数的倒数作为产业多样化的测度。

Davies和Lyons(1996)利用赫芬达尔指数计算了欧盟地区的产业空间结构,Karl和M ichael(2004)分析了欧洲99个制造业在欧共体成立前后的地理集中趋势。Henders on(1997)利用赫芬达尔指数对美国产业多样化进行了测度,Durant on和Puga (2000)、Naude和Krugell(2003)分别利用赫芬达尔指数的倒数作为城市经济多样化的测渡。

H指数在测度产业集聚水平时具有三个优点:第一是能够准确反映产业或企业市场集中度,因为它考虑了企业总数和企业规模两个因素的影响;第二是能够反映市场垄断与竞争程度的变化;第三是对产业内企业的合并与分解反映灵敏且计算方法相对容易。其缺点主要是直观性比较差(王子龙等,2006)。

四、空间基尼系数(Space Gini coefficient)

洛伦茨(Lorenz)在研究居民收入分配时,创造了解释社会分配平均程度的洛伦茨曲线。基尼(Gi2 ni)依据洛伦茨曲线,提出了计算收入分配公平程度的统计指标———基尼系数。Krug man等利用洛伦茨曲线和基尼系数的原理和方法,构造了测定行业在空间分布均衡程度的空间基尼系数。Krug man(1991)等在研究美国制造业集聚程度测量时定义了空间基尼系

数,公式为:G=∑

i (S

i

-x

i

)2。

其中,G为空间基尼系数,s

i 是i地区某产业占全国

该产业就业人数的比重,x

i

是该地区就业人数占全国

总就业人数的比重。G=0时,产业在空间分布是均匀

的,G(最大值为1)越大,表明地区产业的集聚程度

越高。

Am iti and W en(2001)计算了每个三位数制造业

在不同区域分布的基尼系数,W en(2004)又对中国

工业区域集聚进行了计算。公式为:Gi=

2

2n2s

i

∑n

k=1

∑n

j=1

|s

ij

-s

ik

|

其中,s

ij

、s

ik

是省份j和省份k在工业i中所占的份

额,n是省市自治区的个数,s

i

是各省份在工业I中所占

份额的均值。

Audretsch和Feldman(1996)计算了美国两位数

行业的空间基尼系数,并对12个创新性行业的地理

集中的原因进行了深入地分析,研究表明创新活动会

使企业趋于集聚,强调知识溢出是产业空间集聚的主

要因素。Am iti(1998)计算了欧盟十国的3位数水

平27行业的基尼系数及五国65个行业的基尼系数。

梁琦(2003)对中国工业的区位基尼系数进行了计

算。文玫(2004)采用空间基尼系数对中国工业在

区域上的重新定位和聚集进行了研究,研究发现,部

分产业集聚符合Heckscher-Ohlin模型假设,即自然

资源优势导致了某些资源密集型产业集聚,而“落脚

自由”的产业大都集中在沿海地区,市场的规模、交

易费用等对产业集聚有着显著的影响,而经济体制改

革与政策影响着产业的集聚与再分布。

空间基尼系数方法相对而言比较简便直观(可以

很方便地把基尼系数转化成发非常直观的图形),但

是有缺陷。Ellison和Glaeser(1997)指出基尼系数

大于零并不表明有集聚现象存在,因为它没有考虑到

企业的规模差异。空间基尼系数没有考虑到具体的产

业组织状况及区域差异,因此在表示产业集聚程度时

往往含有虚假的成分。

五、EG指数(EG index)

为解决基尼系数失真问题,Ellision和Glaeser

(1997)提出了新的集聚指数来测定产业空间集聚程

度。假定某一经济体(国家或地区)的某一产业内

有N个企业,且将该经济体划分为M个地理区域,

这N个企业分布于M个区域之中。Ellision和Glaeser

建立的产业空间集聚指数计算公式为:

r

=

G-1-∑

i

x2

i

H

1-∑

i

x2

i

(1-H)

=

∑M

i=1

(s

i

-x

i

)2-(1-∑

M

i=1

x2

i

)∑

N

j=1

z2

j

(1-∑

i

x2

i

)(1-∑

N

j=1

z2

j

)

?

5

6

?

总第379期刘斯敖:产业集聚测度方法的研究综述

其中,s i 表示i 区域某产业就业人数占该产业全部就业人数的比重,x i 表示i 区域全部就业人数占经济体就业总人数的比重。赫芬达尔指数(Herf indah l

Index )H =

∑N

J =1

z 2j

表示该产业中以就业人数为标准计

算的企业分布。

鉴于EG 指数的优越性,国内外许多经济学家开始使用EG 指数来测定产业的集聚程度。Rosenthal 和

Strange (2001)应用EG 指数对美国四位数制造业的

空间集聚进行了测算,B raunerjel m 和Johanss on

(2003)应用EG 指数对瑞士制造业和服务业进行了

空间集聚程度测算,Barri os 等(2005)在对爱尔兰和葡萄牙1985-1998年制造业的集聚变动研究中采用EG 指数。国内学者如罗勇、曹丽莉(2004)应用

EG 指数对中国制造业集聚程度变动趋势进行了实证

研究,发现集聚程度的高低与产业性质有很大关系,行业集聚程度由高到低的分布基本遵循“技术密集型产业———资本密集型产业———劳动密集型产业”的路径。王子龙等(2006)应用EG 指数对中国高科技产业集聚水平进行了测算,并辅以回归分析,指出高科技产业空间集聚与工业经济增长存在高度正相关,深层的决定因素在于技术的进步与技术创新。

Ellisi on 和Glaeser 建立的产业空间集聚指数充分

考虑了企业规模及区域差异带来的影响,弥补了空间基尼系数的缺陷,使能够进行跨产业、跨时间、甚至跨国的比较。但是该方法没有对其中的H 给出合理的解释。

六、DO 指数(DO index )

Duranton 和Over man (2005)则采用了无参数回

归模型分析方法,构造了新的产业集聚测度指数,其公式为:k A 、B (d )

=1p (n A

,n B

)h

∑n A i =1

∑

n B

j =1,j ≠i

f (d -d i,j

h

)

式中,h 是窗宽,f 是核函数,A 、B 是总企业地点S 的两个子集。p (n A ,n B )是不同企业双边距离的总数,其中每个企业属于一个子集。如果A 、B 是相同的集合,则p (n A ,n B )=

n A ,(n A -1)

2

;如果A,B 属于不相交的

集合(A I B = ),则p (n A ,n B )=n A ?n B 。

与前面几种方法相比,这种方法能够评价偏离随即性的统计显著性,避免了与规模和边界有关的问题。但是由于这种计算是基于企业层面的数据且与企业间的距离有关,因此该方法的可操作性比较差。

上述所介绍的是产业集聚程度水平测度最常见并常被应用的一些方法。此外,还有许多学者提出了一些不同的产业集聚程度测度方法,但很多都是以上一些方法的改进与变形,在此不一一介绍。

七、小结

产业集聚一直是经济学家们所关注的热点问题,

产业集聚测度方法研究也成为了热点问题。每一种产业集聚测度方法各有优点与缺陷,能够从某些方面较好反映产业集聚水平,但又存在许多不足之处。各种在常规研究方法中,选用单一的职工就业人数、产值或增加值指标来计算集聚度,隐含的假设是各地区的劳动生产率或技术贡献率是一样的,事实并非如此。而后新发展的一些测度方法,如DO 指数等,理论上具有较强的优越性,但是很难获得实际数据进行计算,缺乏实际操作性。随着研究的深入,新的测度方法将不断涌现,实际应用中应该有针对性地选择简单而又能达到研究目的的方法,或者多种方法综合运用。参考文献:

[1]　迈克尔?波特/李明轩,邱如美译.国家竞争优

势[M ].华夏出版社,2002.

[2]　罗勇,曹丽莉.中国制造业集聚程度变动趋势实

证研究[J ].经济研究,2005(8).

[3]　徐康宁,冯春虎.中国制造业地区性集中程度的

实证研究[J ].东南大学学报,2003(1).

[4]　梁琦.中国工业的区位基尼系数[J ].统计研究,

2003(9).

[5]　文玫.中国工业在区位上的重新定位和聚集

[J ].经济研究,2004(2).

[6]　王子龙,谭清美,徐萧笛.高技术产业集聚水平测度

方法及实证研究[J ].科学学研究,2006(10).

[7]　刘春霞.产业地理集中度测度方法研究[J ].经

济地理,2006(9).

[8]　G .Ellis on,E,E .Glaeser,1997,Geographic Con 2

centrati on in U.S .Manufacturing I ndustries:A Dartboard App r oach[J ],Journal of Political Econo 2my,Oct ober .,889-927.

[9]　Am iti,M.,1998,New Trade Theories and Industri 2

al Location in the EU:A Survey of Evidence [J ],Oxford Review of Econom ic Policy,v14,iss .2,pp.45-53.

[10]　Gilles Durant on,Henry .G .Over man,2005,Testing

f or Localizati on Usin

g M icr o -Geographic Data [J ],Revie w of Econo mic Studies,Oct ober,1077-1106.[11]　D.B.Audretsch,M.Feldman,1996,R&D Sp illo 2

vers and the Geography of I nnovati on and Pr oduc 2tion[J ],American Econom ic Review,June,630-640.

(责任编辑:古岩)

?

66?商业研究2008/09