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 (1)(1) 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