实现产业集聚的新方法：第二代测度模型

第二代方法是指在1997年后出现的产业聚集程度测度方法，主要以Ellison-Glaeser指数（Ellison and Glaeser，1997）和Maurel-Sedillot指数（Maurel and Sedillot，1999）为代表，这类指数考虑了产业集中度即大企业选址带来的影响，在计算时利用刻画每个产业集中度的赫芬达尔指数对地理集聚指数进行了修正。修正之前测度方法暴露的一些缺点，使经济学家认识到集聚经济的测度应该依赖于这样的度量：

第一，任何关于地域化经济的测度指标必须基于所有产业是可比的，这个测度必须能够控制制造业聚集的总体趋势，这两个要求在研究中已被广泛认同。例如在美国，即使没有地域化经济，我们期望在Montana一个代表性产业要比在California具有更多的就业。简单的原因是前者人口数量是后者的30倍。

第二，产业聚集的测度要控制产业集中的程度。自Ellison和California这一点已被广泛认同。对于外部观察来说，产业地理集中企业的区位形式是由纯异质的因素所决定，区位决定可能没有任何有意义的形式，例如在美国空调机产业75%的就业分布在四分之一的主要厂家。即使这些企业区位是分隔的，仅由于四个区位占到至少75%的就业就认为存在聚集经济，这就没有任何意义。也就是说不平均并不意味着聚集经济存在。不幸的是传统的产业聚集程度的测度只能测度不平均。Ellison和Glaeser令人信服地解决了这一问题，他们研究的指数满足这两个需要，且在所有产业之间是可比的。Maurel和Sedillot及Devereux发展了具有相同属性的产业集聚程度测度指数。

1.空间集聚指数（EG指数）

在实际利用空间基尼系数比较不同产业的集聚水平时，由于产业组织或区域差异可能造成跨产业比较的误差。Ellison和Glaeser指出基尼系数大于零并不一定表明产业集聚现象一定存在，因为基尼系数没有考虑到企业之间的差异。为此，Ellison和Glaeser在美国制造业集聚测度时重新定义了产业集聚的概念，并认为产业集聚主要指产业地理空间集聚，利用空间基尼系数测度产业集聚程度时，应该扣除由于内部规模经济或资源优势所导致的空间集聚所引起的虚假成分。为了解决空间基尼系数失真的问题，Ellison和Glaeser对衡量产业区域聚集程度的指标进行了优化，提出了用于测量产业空间集聚程度的空间集聚指数（EG指数）。假设某经济体某一产业内有N个企业将该经济体划分为M个地理区域，这N个企业分布于M个区域之中。空间集聚指数计算公式为：

上式中，γEG为空间集聚指数，G为空间基尼系数，Si表示i区域某产业的产值（就业人数）占全国该产业总产值（就业人数）的比例，Xi表示i区域全部工业总产值（就业人数）占全国工业总产值（就业人数）的比例，H是产业的赫芬达尔指数，Zk为企业k的产值占产业i总产值的比例。本文测算乳制品产业的空间集聚指数时，Si表示i区域乳品工业产值占全国乳品工业产值的比例，Xi表示i区域食品制造业总产值占全国食品制造业总产值的比例。

一般认为，γ>0.05被视为产业高度集聚，表明某产业在一定空间尺度下的集聚程度超过了产业内企业规模分布导致的地理集中，该产业内企业显著地相互接近而产生了空间集聚（即在某一区域企业的数量增加）；γ<0.02被视为产业不存在地理集中，表明某产业在一定空间尺度下的地理集中是由于地区间经济活动分布和产业内企业规模分布导致的，产业内企业无相互接近性，是随机分布的。

空间集聚指数区分了企业随机集中和由于外部性和自然优势共享产生的集中，充分考虑产业规模及区域差异带来的影响，弥补了区域基尼系数缺陷，使产业集聚度能够跨产业、跨时间进行比较，目前，更多学者开始使用空间集聚指数来测定产业聚集度，成为产业集聚测度中应用较为广泛的测算方法之一。Ellison和Glaeser利用该指数对美国制造业集聚水平进行了测算，发现一些产业的集聚水平和以前研究的并不相同，许多产业集聚水平较弱，还有一些产业集聚较强的现象有待进一步研究。Henderson等也曾应用EG指数测度美国三位数机械产业和高新技术产业的地理聚集情况。

Rosenthal和Strange为解释产业空间聚集的差异，利用美国四位数制造业数据考察了美国集聚经济的微观基础，用EG指数对集聚经济微观基础的代理变量（知识溢出、劳动力池、投人共享）进行回归，控制了产品的运输成本和自然优势。回归分析分为三个地理层面（州、县、区），研究发现劳动力池在各个地理层面对集聚都有较强的正向作用；知识溢出只在区水平测度中对集聚具有正向作用。

Braunerjelm和Johansson应用EG指数对瑞士生产集聚进行了实证分析，使用瑞士1975年～1993年四位数产业（制造业和服务业）数据，通过EG指数测算，得出制造业和服务业集聚变动的差异。另外作为比较，还使用基尼系数进行了集聚程度的测算。研究表明：企业规模对集聚及区域最初的集聚水平有正向影响。知识集约度对产业专业化的影响有限，市场成本及依赖与原材料程度均不显著；制造业变得更加集中且雇佣的员工减少，服务业的集聚程度逐渐下降雇员逐渐增加；在制造业中没有发现知识密集型产业的空间集聚程度高的证据，然而在服务业中50%的最集中产业是知识密集型产业；将结果与美国、法国采用同样方法得到的产业集聚水平进行比较，发现瑞士产业要比美国、法国的产业更加集中。

罗勇、曹丽莉应用EG指数对中国20个制造业1993年～2003年间的集聚程度进行了测度。研究表明1993年～1997年的集聚程度有所下降，1997年～2003年的集聚程度呈增长的态势。集聚程度由高到低分布依次是技术密集型产业—资本密集型产业—劳动密集型产业。中国制造业地域分布极不平衡，江苏、广东、山东、浙江、上海五省市集中度很高，西部边远地区则远远落后，两极分化现象很严重。路江涌等使用更为详尽的工业企业数据库数据，利用Ellison和Glaeser的集聚指标体系考察了1998年～2003年间中国制造业发展趋势，并与西方国家数据进行对比，结果发现中国的产业集聚水平仍低于西方国家近期的产业集聚水平。

2.Maurel-Sedillot产业集聚指数

在对Ellison和Glaeser研究肯定的基础上，Maurel和Sedillot构建了一个关于产业选址的概率模型，利用1993年法国50个两区产业和273个四区产业的数据，对产业聚集进行了测度。该模型假设企业根据区位自然条件或地理接近的企业间溢出来确定选址，模型核心部分如下：

其中Uij是一个随机变量，当j企业选址于i地区时Uij=1，否则Uij=0。假设一个产业中的j企业和k企业有相同的联合概率分布，从而有：(www.xing528.com)

这意味着该产业中的所有企业选址于i地区的概率都是Xi，此外，

也就是说，由于j和k两个企业在自然优势和相互溢出两方面的共同利益，二者选址相关系数是确定的，γ∈[-1，1]。

从上述概率方程可以得到同一产业任意两个企业选址于同一地区的概率是相同的，假设都为P，则

从而可以得到关于R的线性表达式，通过对P的估计值可以得到厂的估计值：

Si、Xi和HE的含义和EG指数相同。EG和MS两个指数衡量的是控制产业集中后的地理集中，但是EG指数并不能表明这种额外集中是由于资源禀赋、集聚经济还是其他原因所造成的。虽然EG指数采用赫芬达尔指数来控制产业集中度影响，但是EG指数仍然受到产业内企业规模的影响。在很多产业中，如果不考虑小企业，那么EG指数会增加。EG和MS的估计也存在一定的差异，从EG指数和MS两个指数的推导和表达式我们可以看出二者的异同点：

首先，二者都是参数γ的无偏估计，但MS指数是建立在一个简单的概率选址模型基础之上。

其次，二者都将市场集中度从产业空间分布中予以剔除，能够反映出产业地理集聚内涵，这两个集聚指数的期望值都是HE+γ（1-HE）。因此γ能够较好表达超出市场集中度（HE）之上的地理集聚的含义。

再次，EG指数和MS指数剔除了市场集中度影响，能够精确地反映产业地理集聚度的内涵。如果一个产业随机选址在不同地理区域，或者如果该产业企业之间都不存在任何溢出，则不管该产业市场集中度（HE）如何高，γEG和γMS的值都会接近于0。这一特点是使得γMS和γEG比基尼系数更适合度量空间集聚的主要原因。

Maurel和Sedillot使用这一集聚度系数测算了法国制造业集聚水平，研究表明在开采业等资源密集型产业、传统劳动密集型产业以及高科技产业中地方化较高，后者主要是由于产业之间知识溢出所致。汽车等运输设备制造业、机械设备制造业以及有色金属制造业地方化水平最低。Mare使用区域基尼系数、EG指数和MS指数分别测度了新西兰部分产业的产业集聚程度，结果发现从纵向看新西兰1988年～2003年间产业集聚度呈上升趋势，从横向来看新西兰产业集聚度和英国相似，但低于美国和法国，新西兰一个显著的特点是高市场集中度和低产业集聚度并存。

3.Devereux指数

为了准确衡量产业集聚水平，Devereux等人（1999）提出了产业间空间集聚度测度指标，其计算方法是产业地理集中度F减去产业集中度M所得衡量产业集聚的系数α。其计算公式可以表示为：

其中α为产业的空间集聚度；N为企业个数；K为大小基本相同的地理单元个数，K∗=min[N，K]；H为赫芬达尔系数，用来表示产业部门的产业集中度：，通常Zn为第n个企业的就业人员数占所在产业总就业人员数的比值；J为产业部门的地理集中度：，Sk为第k个地区某产业的就业人员数与该产业全部地区就业人员数的比值；M和F分别为消除企业个数和地理单元个数影响的地理集中度和产业集中度。

α取值为[-1，1]，如果地理集中超过产业集中，取值为正，说明产业在空间上集聚；如果产业空间分布与规模是一致的，α取值为零。Devereux指数只是经验的数学表述，缺乏坚实的理论基础，另外F和M描述的分别只是产业的地理分布和企业规模分布。