转型期中国制造业产业集聚分布特征及动态演进

摘 要：以EG指数为例，本文通过比较关键参数对转型期中国制造业产业集聚分布特征的影响，探讨产业集聚测算过程中应该注意的问题。使用EG指数衡量产业集聚依赖于赫芬达尔指数与空间基尼两个关键参数的选择，一旦选择出现偏差，则其测算结果的准确性和可信度便会受到质疑。本文对比不同赫芬达尔指数计算方法对制造业产业集聚分布特征的影响，并通过对产业集聚动态演进分解，为制造业产业集聚分布特征提供经济解释。

关键词：产业集聚；EG指数；规模集聚；空间集聚

中图分类号：F263 文献标识码：A

文章编号：1000176X（2016）01002509

一、引 言

作为经济活动的基本特征，产业集聚被很多学者当作实证分析的背景或视角。然而，其中许多实证研究的分析结果存在较大差异，甚至出现了基于同组数据却得到相左结论的现象。那么，为什么会出现这种情况呢？数据质量直接决定了实证分析的生命力。我们发现，学者对中国产业集聚分布特征仍然存在争议，这是导致相关实证分析结果存在争议的重要原因。以EG指数[1]为例，目前国内采用该指数测算中国制造业产业集聚且影响较大的文献是路江涌和陶志刚[2]、文东伟和冼国明[3]的研究，均是基于工业企业数据库进行的测算，但两篇文献所测算的产业集聚分布特征截然不同，路江涌和陶志刚测算结果的分布呈现“金字塔”结构；而文东伟和冼国明测算结果的分布呈现“倒金字塔”结构。如果基于上述两组EG指数分别进行实证分析，所得到的结果很可能是存在较大差异，甚至截然相反。鉴于此，我们认为有必要从技术与经济角度对产业集聚指标研究设计中存在的问题进行讨论，以求尽可能准确地反映中国产业集聚分布的现实状况。

本文试图通过对EG指数中关键参数的讨论，明确中国制造业产业集聚分布特征。在明确EG指数关键参数为赫芬达尔指数（HHI）与空间基尼（G）基础上，本文进行了以下两方面改进：一是从静态角度比较不同HHI算法对产业集聚分布特征的影响，并结合转型期特征对按照不同算法得到的结果进行评价；二是对产业集聚动态演进过程进行分解，讨论G对制造业产业集聚分布特征的影响，为其提供经济解释。

二、文献评述

（一）产业集聚指标及应用状况评述

截至目前，学术界一共提出了三代产业集聚衡量指标。第一代指标包括CRn指数、Hoover指数、赫芬达尔指数、空间基尼系数和区位熵等，设计思路是通过衡量某区域若干排名靠前企业产值占全行业比重或个体与行业均值间的偏差。之后，在一篇非常有影响的文献中，Ellison和Glaeser[1]认为第一代指标未考虑同一产业中企业规模的分布差异，无法识别各种溢出效应对企业选址的影响，会造成偏差。基于企业选址思想，他们对空间基尼系数指标进行了优化，提出了γ系数，即EG指数。随后，Duranton和Overman[4]、Marcon和Puech[5]、Scholl和Brenner[6]提出了DO指数、M函数等第三代产业聚集度指标，试图进一步减小企业规模和区域边界对测算结果产生的偏误。

从上述三代产业集聚指标在经济学研究中的应用情况来看，现在很多国外学者已将EG指数应用于本国产业集聚问题研究当中，EG指数也因此成为衡量产业集聚的主流方法。然而，国内学术界目前所使用的产业集聚指标仍然以第一代为主，主要原因在于微观数据的限制。随着工业企业数据库的出现，学者对微观数据重视程度日渐提高，近年来越来越多的学者开始关注EG指数，出现许多使用该指标的实证论文，应用前景非常乐观。至于第三代产业集聚指标，由于计算繁琐，并且对微观空间数据要求较高，仅有少数学者使用。

（二）基于EG指数的文献评述

总的来说，国外学者基于EG指数的研究主要包含三个方面：第一，衡量产业集聚程度。Maurel和Sedillot[7]、Devereux等[8]分别采用EG指数对法国、英国的制造业产业集聚程度进行了测算；第二，讨论产业集聚形成的原因及推动因素。Rosenthal和Strange[9]、Dumais等[10]分别在EG指数模型框架下，讨论了美国产业集聚的决定因素，Puga[11]、Syverson[12]分别基于EG指数测算从生产率分布差异角度讨论了推动产业集聚的原因；第三，分析产业集聚对其他经济活动的影响。Delgado等[13]在EG指数测算结果基础上，讨论了产业集聚对企业进入的影响。Duranton和Puga[14]则使用EG指数讨论了产业集聚对创新以及产品周期的影响。

虽然目前国内学术界基于EG指数的研究尚处于起步阶段，总体文献数量较少，但呈逐年增长趋势。罗勇和曹丽莉[15]、路江涌和陶志刚[2]最早使用EG指数分别测算了1993―2003年和1998―2003年期间全国制造业聚集程度。之后，文东伟和冼国明[3]再次测算了1998―2009年全国制造业EG指数。此外，邱灵和方创琳[16]测算了北京市区生产业的EG指数，赵黎明和邢雅楠[17]测算了中国旅游产业的EG指数，刘艳[18]测算了中国战略性新兴产业的EG指数，赵浚竹等[19]测算了汽车制造业集聚程度，等等。文东伟和冼国明[20]基于EG指数测算结果，讨论了制造业空间集聚、融资约束和全要素生产率等因素对中国制造业企业出口的影响。

综上所述，与国外同行相比，国内学者在EG指数应用方面，无论在范围还是在深度上均有待提高。然而，在我们将EG指数用于实证分析之前，首先需要明确的是由于EG指数同时考虑了规模集聚和空间集聚，学者在使用EG指数测算产业集聚时，比第一代指标拥有更高的自主度，能够弥补第一代产业集聚指标中存在的部分问题。但另一方面，这又可能导致新问题的出现。路江涌和陶志刚[2]、文东伟和冼国明[3]关于产业集聚分布特征的矛盾就是最好的证明。因此，本文研究目的之一便是希望通过讨论基于EG指数测算的产业集聚分布特征，使学者注意到EG指数存在的问题以及影响，并在实证分析中给予足够关注。

三、EG指数测算方法及数据来源

（一）EG指数测算方法

Ellison和Glaeser[1]提出的EG指数计算公式如下：

由于篇幅原因，这里不再给出EG指数的推导过程，详细推导参见Ellison和Glaeser[1]。

γi=Gi-（1-∑mi=1x2i）Hi（1-∑mi=1x2i）（1-Hi）（1）

假设i行业存在于m个地区当中；xi为i行业总就业人数占所有地区就业人数的份额；Gi是i行业空间基尼系数，计算公式为Gi=∑（sj-xj）2，Gi表示i行业在不同地区的空间集聚程度，其中，sj是i行业中企业j就业人数占所有地区该行业就业人数的份额；Hi是i行业的赫芬达尔指数（以下简称，HHI），计算公式为H=∑（zj）2，其中，zj表示i行业中企业j的主营业务收入占i行业主营业务收入的份额，HHI用于表示i行业的竞争程度，也可被视为规模集聚程度。由于通常情况下xi是给定的，所以影响EG指数的主要变量是sj和zj，前者决定空间集聚程度，后者决定规模集聚。通过上述分析不难发现，学者能通过调整HHI与G算法影响EG指数估计结果。

与第一代产业集聚衡量指标相比，EG指数优势是非常明显的。由于EG指数中包含了HHI和G两项指标，能够将规模集聚和空间集聚两方面因素纳入到统一的分析框架中，算法实现简便且弹性较好，能够方便地对不同地区与不同行业集聚水平进行测算及比较。但这也对学者提出了更高的要求，由于选择弹性更大，所以学者想得到能够准确反映产业集聚状况的结果，需要结合研究主题确定HHI与G算法，否则很可能出现偏差。

（二）EG指数算法的静态比较

为讨论HHI和G算法对EG指数估计的影响，需要通过比较静态分析理顺这两个关键参数对EG指数测算结果的影响。第一，EG指数对HHI的比较静态分析。给定EG指数的计算公式，对H求偏导，可以得到γH=G-AA（1-H）2。当G>A时，γH>0；而当GA情况是不可能满足的。

用归纳法能够证明G>A是不可能出现的，我们之后的测算结果也印证了这一点。所以，EG指数与H是负相关的，即行业的竞争程度越低或市场势力越强，产业集聚水平就越低。

第二，EG指数对G的比较静态分析。给定EG指数的计算公式，对G求偏导，可以得到γG=1A（1-H），通过简单的参数比较，可以得到γG>0。所以，EG指数与G是正相关的，即企业选址越集中，空间集聚程度越高，产业集聚水平就越高。

第三，γ

（三）G算法与HHI的选择

在使用EG指数测算产业集聚之前，学者必须要做以下两个选择：第一，确定地理范围。第二，确定企业数量。关于这两个选择，文东伟和冼国明[3]均进行了讨论，他们发现，地理范围划分越细，则EG指数结果就越小，原因在于地理范围越小，则xi就越小，∑x2i就越小；而行业范围越细，则EG指数结果就越大，因为行业范围越小，则zj就越大，HHI就越大。

除此之外，注意到HHI算法也会对EG指数产生影响，也就是进入HHI计算公式的企业数量。目前，计算HHI的方法主要有两种：一是代表法，即从所有样本中截取部分（或按照一定比例，或按照固定数量）用以计算HHI；二是平均法，即采用所有样本计算HHI。与平均法相比，按照代表法计算的HHI数值较高。因此，在某些情况下，采用平均法可能会低估规模集聚水平。参考Ellison和Glaeser[1]的研究，国内已有研究在计算HHI时多选择平均法计算HHI，而这样的处理可能是并不恰当的，我们将在下一部分中对此问题进行重点讨论。

（四）数据来源及清洗

为了验证上述讨论，我们将在给定空间基尼系数G算法的情况下，基于不同HHI算法测算EG指数。与已往研究一致，本文主要采用1999―2009年中国工业企业数据库中的行业从业人数与主营业务收入两项指标

由于2000年从业人数指标的缺失，该年的EG指数空缺。进行测算。首先，根据聂辉华等[21]、Brandt等[22]的建议，在测算之前要对数据进行清洗。具体来说，当估计4位代码行业时，数量达到400个以上，其中包含少量规模非常小的行业，对这些行业进行测算的经济意义不大。因此，我们剔除了就业人数小于10、主营业务收入小于0的企业以及企业数量少于10个的行业。其次，由于国民行业代码划分标准在2002年时进行了更新，

由GB/T4754-1994转为GB/T4754-2002。所以在数据配对过程中，对2002年国民行业代码变化前后的行业进行了合并处理，并且仅对样本考察期内持续存在的行业进行测算。简便起见，我们并未对“省、市、县”三种地区划分方式全部进行测算，仅测算按省划分的EG指数。我们分别基于代表法排名前10、前15、前1%企业HHI测算了EG指数，为了设定基准，还基于平均法的HHI进行了测算。最后，我们还根据测算结果对Ellison和Glaeser[1]给出的分类标准进行了调整，将γ

四、产业集聚分布特征及HHI算法选择

（一）基于EG指数测算结果的产业集聚分布特征

如表1所示，采用不同HHI算法的EG指数测算结果之间差别是非常明显的。

首先，基于代表法HHI测算EG指数结果显著低于基于平均法的EG指数测算结果。从表1中可以看到，基于代表法HHI测算EG指数算术平均数均是负的，而基于平均法HHI测算EG指数算术平均数均为正值，与路江涌和陶志刚[2]、文东伟和冼国明[3]的研究结论类似。上述结果说明HHI算法的变化将会影响学者对产业集聚整体情况的判断。

其次，基于代表法HHI测算EG指数产业集聚分布特征与基于平均法HHI测算的EG指数产业集聚分布特征存在明显差异。基于代表法HHI测算的EG指数时，产业集聚水平分布呈现“哑铃结构”，与路江涌和陶志刚“金字塔结构”的研究结果更为接近，而基于平均法HHI测算EG指数时，产业集聚水平分布则呈现“倒金字塔结构”，与文东伟和冼国明的研究结果一致。更为重要的，在样本期内，基于代表法HHI测算的EG指数产业集聚分布特征较为固定，而基于平均法HHI测算的EG指数产业集聚分布特征则发生了明显变化。

其中：（a）是基于前10家企业HHI计算的EG指数；（b）是基于前15家企业HHI计算的EG指数；（c）是基于前1%企业HHI计算的EG指数；（d）是基于全样本企业HHI计算的EG指数。

（二）制造业产业集聚分布特征评价及EG指数有效性

那么，究竟哪个结果能够更准确地反映制造业产业集聚分布特征呢？这是本节内容主要讨论的问题。我们认为，基于平均法HHI测算的EG指数结果会高估产业集聚水平和高估产业集聚演进速度的情况。因此，无论从技术角度还是经济解释角度，基于代表法HHI测算的EG指数均更加符合实际情况。原因在于：第一，工业企业微观数据库中相当比例4位代码行业具有以下两个基本特征：一是规模较小，特别是企业数量少；二是排名靠前的企业主营收入占的市场份额较高，加之产业集聚具有明显的范围经济特征。根据产业组织理论，在这些行业中排名靠前的企业将依靠技术、人才等方面优势抬高行业门槛，形成局部垄断，阻止新企业进入，从而阻碍空间集聚水平提升，影响产业集聚水平提高。在这种情况下，基于代表法测算的HHI可能低估这些企业的市场势力，导致EG指数测算结果偏高。

第二，与西方国家相比，中国经济制度环境具有以下两点特征：一是行政性分权与经济型分权以及由此产生的市场分割；二是行政垄断、混合所有制等转型经济体特征。制造业产业集聚分布形成很可能会受上述两方面特征影响。首先，出于提升或保护本地优势行业竞争力的目的，地方政府会过度对特定企业进行补贴或减税，当政府补贴或被减的税收进入企业利润函数之后，就会刺激企业加大投入，考虑到中国企业更偏好规模扩张而非技术研发，进行扩张的主要方式就是增加本地产能或者在其他地区设立新厂，带动所在行业及其上下游行业的发展；其次，出于维护本地企业利益以及发展本地经济的目的，政府会采取保护措施，阻止来自其他地区企业或商品进入。因此，产业集聚分布特征很可能存在分化的情况，即高度集聚产业越来越趋于集聚，而低度集聚产业越来越趋于分散。通过分析，我们认为，基于代表法HHI测算的EG指数更符合上述描述。

第三，作为复杂的经济现象，产业集聚演进涵盖的影响因素及微观机理非常复杂，演变过程是非常缓慢的。已有研究也证明了这一点，Dumais等[10]基于EG指数测算结果考察了美国20年来产业集聚演进情况，发现分布特征几乎没有发生变化，Maurel和Sedillot[7]、Devereux等[8]学者也得到了类似的研究结论。因此，直观上，基于平均法HHI测算的EG指数结果会高估产业集聚演进速度。我们认为，上述问题主要是由工业企业数据库统计过程中的技术性因素造成的，随着国民经济规模不断增加，虽然规模以上企业统计标准经过若干次向上调整，然而企业数量一直处于大幅增长状态，导致代表法HHI的测算结果出现技术性下降，难以准确反映实际情况。

五、产业集聚动态演进过程分解

确定基于代表法HHI测算的EG指数更符合实际情况之后，我们给定HHI算法的影响，试图从空间基尼系数G角度研究产业集聚动态演进过程，进一步为转型期中国制造业产业集聚分布特征提供经济解释。

（一）理论模型

如前所述，产业集聚动态演进主要是在空间集聚和规模集聚双重影响下实现的。如果给定某行业EG指数不变的结果，很可能是由以下两种情况造成的：一是空间集聚和规模集聚朝相反的方向变化，即G增大H减小，或者G减小H增大，并且两者影响相互抵消；二是新企业在旧企业原址上继续生产。由于第二种情况无法在产业集聚指标上体现，所以这里主要讨论的是第一种情况。现实中，空间集聚与规模集聚的影响是很难完全抵消的，这是为何产业集聚在不断变化，Dumais等[10]认为这种变化可以通过从业人数变化予以反映，具体如式（2）所示：

sijt+1-sijt=+sijt-sjt空间变化+sjt+1-sjt行业变化+ijt （2）

其中，sijt是i地区j行业在t时刻就业人数占所有地区该行业就业人数份额，sjt是j行业t时刻就业人数在所有地区的平均份额，、和是估计系数，ijt是扰动项。

假设扰动项ijt与其他系数之间满足正交关系。通过式（2），从业人口变化被分解为空间变化和行业变化。基于式（2）的设定思路，Dumais等进一步提出了能简便衡量空间集聚变化的计算公式，如式（3）所示：

在式（3）中，空间基尼系数被用于替换EG指数衡量产业集聚变化。在不影响最终结果的前提下，这样处理主要出于以下两个原因：第一，简化分解过程；第二，空间基尼系数能够更准确地衡量企业选址变化所导致的产业集聚水平变化。此外，按照面板数据的估计方程，我们对其分解模型进行了相应调整。

Gjt+1-Gjt=∑issijt+1-sjt+12-∑issijt-sjt2（3）

将式（2）代入式（3），并经过化简之后，可以得到式（4）：