产业集聚度的测算

一 产业集聚度概念和测度方法 产业集中度的概念产业集中度也叫市场集中度，是指市场上的某种行业内少 数企业的生产量、销售量、资产总额等方面对某一行业的支配程度，它一般是用这几 家企业的某一指标（大多数情况下用销售额指标）占该行业总量的百分比来表示。 产业集聚测度方法 1、 集中度（Concentrion 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 1 1 n i i nN i i X CR X      其中 n CR 代表X产业的集聚度， 1 n i i X   代表规模最大几个地区X产业的销售额或者生产 额、就业人数等， 1 N i i X   代表全部地区X产业的销售额或者生产额、就业人数等。 优点计算方法简单，采用最常用的指标，能够形象的反应产业集聚水平。 缺点一是集聚度的测算季节容易受到n值选取的影响，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。 2、 区位熵（Entropy 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。计算公式为 11 E/ii ij nn ii ii qQ qQ    其中 E ij 表示某区域i部门对于高层次区域的区域熵；i q 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；i Q 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。 优点计算操作简单方便，指标选取目标明确。 缺点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。 3、 赫芬达尔- 赫希曼指数（Herfindahl-Hirschman index） 该指数是衡量产业集聚程度的重要指标，最初由A. Hirschman 提出，后经哥伦 比亚大学O. Hirschman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 22 11 / 1,2,3., NN jj jj HZXXjn    其中， X代表产业市场总规模就业或产值， j X 代表 j 企业的规模， j Z / j XX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。 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。 缺点直观性比较差。 4、 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（ Gini）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。 Krugman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。Krugman 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，计算公式为 2 ii i GSx  其中，G为空间基尼系数， i S是i地区某产业占全国该产业就业人数的比重， i x 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。 优点相对而言比较简便直观，可以很方便地把基尼系数转化成非常直观的图形。 缺点 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。 5、 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 222 2 111 2 22 1 1 1 1 11 MMN iiij iijii N ii ij ij sxxZ GxH xH xZ             （）（1- ） 其中， i s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， i x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 lIndex 2 1 N j j HZ   N表示该产业 中以就业人数为标准计算的企业分布。 优点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。 缺点该方法没有对其中的H 给出合理的解释。 6、 DO 指数（DO index） Duranton 和Overman （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，计算公式为 , , 11 1 1 ,AB AB nn i j A ij j n n dd kdf phh      、B 其中， h是窗宽,，f是核函数，A、B 是总企业地点S的两个子集。 , AB n n p 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 , AB n n p ,1 2 AA nn  ；如果A, B 属于不相交的集合，则 , AB n n p . AB n n 。 优点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。 缺点 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。 二 实例解析 EG 指数测算实例该指标的计算公式中融合了空间基尼系数和赫芬达尔指数优 点，也是目前国内用于测算产业集聚度的常用指标，具有普遍性。 下面是一个测算高技术产业集聚度的例子，采用的评价指标是EG指数，测算了1995～2005 年我国高技术企业的集聚变动趋势，同时，考虑到我国的经济发展不平衡，东部地区开放程 度高， 基础设施较为完善， 经济发展水平较高， 交通便利， 并且高技术产业发展的时间较早， 技术成熟， 拥有良好的供应链和技术链环境， 从而引发了越来越多的高技术企业向东部靠拢， 所以东部地区的地理集中程度会明显高于全国的平均水平。 若仅把全国当成一