陳長石 吳晶晶 劉和駿

摘 要：以EG指數(shù)為例，本文通過比較關(guān)鍵參數(shù)對轉(zhuǎn)型期中國制造業(yè)產(chǎn)業(yè)集聚分布特征的影響，探討產(chǎn)業(yè)集聚測算過程中應(yīng)該注意的問題。使用EG指數(shù)衡量產(chǎn)業(yè)集聚依賴于赫芬達爾指數(shù)與空間基尼兩個關(guān)鍵參數(shù)的選擇，一旦選擇出現(xiàn)偏差，則其測算結(jié)果的準確性和可信度便會受到質(zhì)疑。本文對比不同赫芬達爾指數(shù)計算方法對制造業(yè)產(chǎn)業(yè)集聚分布特征的影響，并通過對產(chǎn)業(yè)集聚動態(tài)演進分解，為制造業(yè)產(chǎn)業(yè)集聚分布特征提供經(jīng)濟解釋。

關(guān)鍵詞：產(chǎn)業(yè)集聚；EG指數(shù)；規(guī)模集聚；空間集聚

中圖分類號：F263 文獻標識碼：A

文章編號：1000176X（2016）01002509

一、引 言

作為經(jīng)濟活動的基本特征，產(chǎn)業(yè)集聚被很多學者當作實證分析的背景或視角。然而，其中許多實證研究的分析結(jié)果存在較大差異，甚至出現(xiàn)了基于同組數(shù)據(jù)卻得到相左結(jié)論的現(xiàn)象。那么，為什么會出現(xiàn)這種情況呢？數(shù)據(jù)質(zhì)量直接決定了實證分析的生命力。我們發(fā)現(xiàn)，學者對中國產(chǎn)業(yè)集聚分布特征仍然存在爭議，這是導致相關(guān)實證分析結(jié)果存在爭議的重要原因。以EG指數(shù)[1]為例，目前國內(nèi)采用該指數(shù)測算中國制造業(yè)產(chǎn)業(yè)集聚且影響較大的文獻是路江涌和陶志剛[2]、文東偉和冼國明[3]的研究，均是基于工業(yè)企業(yè)數(shù)據(jù)庫進行的測算，但兩篇文獻所測算的產(chǎn)業(yè)集聚分布特征截然不同，路江涌和陶志剛測算結(jié)果的分布呈現(xiàn)“金字塔”結(jié)構(gòu)；而文東偉和冼國明測算結(jié)果的分布呈現(xiàn)“倒金字塔”結(jié)構(gòu)。如果基于上述兩組EG指數(shù)分別進行實證分析，所得到的結(jié)果很可能是存在較大差異，甚至截然相反。鑒于此，我們認為有必要從技術(shù)與經(jīng)濟角度對產(chǎn)業(yè)集聚指標研究設(shè)計中存在的問題進行討論，以求盡可能準確地反映中國產(chǎn)業(yè)集聚分布的現(xiàn)實狀況。

本文試圖通過對EG指數(shù)中關(guān)鍵參數(shù)的討論，明確中國制造業(yè)產(chǎn)業(yè)集聚分布特征。在明確EG指數(shù)關(guān)鍵參數(shù)為赫芬達爾指數(shù)（HHI）與空間基尼（G）基礎(chǔ)上，本文進行了以下兩方面改進：一是從靜態(tài)角度比較不同HHI算法對產(chǎn)業(yè)集聚分布特征的影響，并結(jié)合轉(zhuǎn)型期特征對按照不同算法得到的結(jié)果進行評價；二是對產(chǎn)業(yè)集聚動態(tài)演進過程進行分解，討論G對制造業(yè)產(chǎn)業(yè)集聚分布特征的影響，為其提供經(jīng)濟解釋。

二、文獻評述

（一）產(chǎn)業(yè)集聚指標及應(yīng)用狀況評述

截至目前，學術(shù)界一共提出了三代產(chǎn)業(yè)集聚衡量指標。第一代指標包括CRn指數(shù)、Hoover指數(shù)、赫芬達爾指數(shù)、空間基尼系數(shù)和區(qū)位熵等，設(shè)計思路是通過衡量某區(qū)域若干排名靠前企業(yè)產(chǎn)值占全行業(yè)比重或個體與行業(yè)均值間的偏差。之后，在一篇非常有影響的文獻中，Ellison和Glaeser[1]認為第一代指標未考慮同一產(chǎn)業(yè)中企業(yè)規(guī)模的分布差異，無法識別各種溢出效應(yīng)對企業(yè)選址的影響，會造成偏差?；谄髽I(yè)選址思想，他們對空間基尼系數(shù)指標進行了優(yōu)化，提出了γ系數(shù)，即EG指數(shù)。隨后，Duranton和Overman[4]、Marcon和Puech[5]、Scholl和Brenner[6]提出了DO指數(shù)、M函數(shù)等第三代產(chǎn)業(yè)聚集度指標，試圖進一步減小企業(yè)規(guī)模和區(qū)域邊界對測算結(jié)果產(chǎn)生的偏誤。

從上述三代產(chǎn)業(yè)集聚指標在經(jīng)濟學研究中的應(yīng)用情況來看，現(xiàn)在很多國外學者已將EG指數(shù)應(yīng)用于本國產(chǎn)業(yè)集聚問題研究當中，EG指數(shù)也因此成為衡量產(chǎn)業(yè)集聚的主流方法。然而，國內(nèi)學術(shù)界目前所使用的產(chǎn)業(yè)集聚指標仍然以第一代為主，主要原因在于微觀數(shù)據(jù)的限制。隨著工業(yè)企業(yè)數(shù)據(jù)庫的出現(xiàn)，學者對微觀數(shù)據(jù)重視程度日漸提高，近年來越來越多的學者開始關(guān)注EG指數(shù)，出現(xiàn)許多使用該指標的實證論文，應(yīng)用前景非常樂觀。至于第三代產(chǎn)業(yè)集聚指標，由于計算繁瑣，并且對微觀空間數(shù)據(jù)要求較高，僅有少數(shù)學者使用。

（二）基于EG指數(shù)的文獻評述

總的來說，國外學者基于EG指數(shù)的研究主要包含三個方面：第一，衡量產(chǎn)業(yè)集聚程度。Maurel和Sedillot[7]、Devereux等[8]分別采用EG指數(shù)對法國、英國的制造業(yè)產(chǎn)業(yè)集聚程度進行了測算；第二，討論產(chǎn)業(yè)集聚形成的原因及推動因素。Rosenthal和Strange[9]、Dumais等[10]分別在EG指數(shù)模型框架下，討論了美國產(chǎn)業(yè)集聚的決定因素，Puga[11]、Syverson[12]分別基于EG指數(shù)測算從生產(chǎn)率分布差異角度討論了推動產(chǎn)業(yè)集聚的原因；第三，分析產(chǎn)業(yè)集聚對其他經(jīng)濟活動的影響。Delgado等[13]在EG指數(shù)測算結(jié)果基礎(chǔ)上，討論了產(chǎn)業(yè)集聚對企業(yè)進入的影響。Duranton和Puga[14]則使用EG指數(shù)討論了產(chǎn)業(yè)集聚對創(chuàng)新以及產(chǎn)品周期的影響。

雖然目前國內(nèi)學術(shù)界基于EG指數(shù)的研究尚處于起步階段，總體文獻數(shù)量較少，但呈逐年增長趨勢。羅勇和曹麗莉[15]、路江涌和陶志剛[2]最早使用EG指數(shù)分別測算了1993—2003年和1998—2003年期間全國制造業(yè)聚集程度。之后，文東偉和冼國明[3]再次測算了1998—2009年全國制造業(yè)EG指數(shù)。此外，邱靈和方創(chuàng)琳[16]測算了北京市區(qū)生產(chǎn)性服務(wù)業(yè)的EG指數(shù)，趙黎明和邢雅楠[17]測算了中國旅游產(chǎn)業(yè)的EG指數(shù)，劉艷[18]測算了中國戰(zhàn)略性新興產(chǎn)業(yè)的EG指數(shù)，趙浚竹等[19]測算了汽車制造業(yè)集聚程度，等等。文東偉和冼國明[20]基于EG指數(shù)測算結(jié)果，討論了制造業(yè)空間集聚、融資約束和全要素生產(chǎn)率等因素對中國制造業(yè)企業(yè)出口的影響。

綜上所述，與國外同行相比，國內(nèi)學者在EG指數(shù)應(yīng)用方面，無論在范圍還是在深度上均有待提高。然而，在我們將EG指數(shù)用于實證分析之前，首先需要明確的是由于EG指數(shù)同時考慮了規(guī)模集聚和空間集聚，學者在使用EG指數(shù)測算產(chǎn)業(yè)集聚時，比第一代指標擁有更高的自主度，能夠彌補第一代產(chǎn)業(yè)集聚指標中存在的部分問題。但另一方面，這又可能導致新問題的出現(xiàn)。路江涌和陶志剛[2]、文東偉和冼國明[3]關(guān)于產(chǎn)業(yè)集聚分布特征的矛盾就是最好的證明。因此，本文研究目的之一便是希望通過討論基于EG指數(shù)測算的產(chǎn)業(yè)集聚分布特征，使學者注意到EG指數(shù)存在的問題以及影響，并在實證分析中給予足夠關(guān)注。

三、EG指數(shù)測算方法及數(shù)據(jù)來源

（一）EG指數(shù)測算方法

Ellison和Glaeser[1]提出的EG指數(shù)計算公式如下：

由于篇幅原因，這里不再給出EG指數(shù)的推導過程，詳細推導參見Ellison和Glaeser[1]。

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

假設(shè)i行業(yè)存在于m個地區(qū)當中；xi為i行業(yè)總就業(yè)人數(shù)占所有地區(qū)就業(yè)人數(shù)的份額；Gi是i行業(yè)空間基尼系數(shù)，計算公式為Gi=∑（sj-xj）2，Gi表示i行業(yè)在不同地區(qū)的空間集聚程度，其中，sj是i行業(yè)中企業(yè)j就業(yè)人數(shù)占所有地區(qū)該行業(yè)就業(yè)人數(shù)的份額；Hi是i行業(yè)的赫芬達爾指數(shù)（以下簡稱，HHI），計算公式為H=∑（zj）2，其中，zj表示i行業(yè)中企業(yè)j的主營業(yè)務(wù)收入占i行業(yè)主營業(yè)務(wù)收入的份額，HHI用于表示i行業(yè)的競爭程度，也可被視為規(guī)模集聚程度。由于通常情況下xi是給定的，所以影響EG指數(shù)的主要變量是sj和zj，前者決定空間集聚程度，后者決定規(guī)模集聚。通過上述分析不難發(fā)現(xiàn)，學者能通過調(diào)整HHI與G算法影響EG指數(shù)估計結(jié)果。

與第一代產(chǎn)業(yè)集聚衡量指標相比，EG指數(shù)優(yōu)勢是非常明顯的。由于EG指數(shù)中包含了HHI和G兩項指標，能夠?qū)⒁?guī)模集聚和空間集聚兩方面因素納入到統(tǒng)一的分析框架中，算法實現(xiàn)簡便且彈性較好，能夠方便地對不同地區(qū)與不同行業(yè)集聚水平進行測算及比較。但這也對學者提出了更高的要求，由于選擇彈性更大，所以學者想得到能夠準確反映產(chǎn)業(yè)集聚狀況的結(jié)果，需要結(jié)合研究主題確定HHI與G算法，否則很可能出現(xiàn)偏差。

（二）EG指數(shù)算法的靜態(tài)比較

為討論HHI和G算法對EG指數(shù)估計的影響，需要通過比較靜態(tài)分析理順這兩個關(guān)鍵參數(shù)對EG指數(shù)測算結(jié)果的影響。第一，EG指數(shù)對HHI的比較靜態(tài)分析。給定EG指數(shù)的計算公式，對H求偏導，可以得到γH=G-AA（1-H）2。當G>A時，γH>0；而當GA情況是不可能滿足的。

用歸納法能夠證明G>A是不可能出現(xiàn)的，我們之后的測算結(jié)果也印證了這一點。所以，EG指數(shù)與H是負相關(guān)的，即行業(yè)的競爭程度越低或市場勢力越強，產(chǎn)業(yè)集聚水平就越低。

第二，EG指數(shù)對G的比較靜態(tài)分析。給定EG指數(shù)的計算公式，對G求偏導，可以得到γG=1A（1-H），通過簡單的參數(shù)比較，可以得到γG>0。所以，EG指數(shù)與G是正相關(guān)的，即企業(yè)選址越集中，空間集聚程度越高，產(chǎn)業(yè)集聚水平就越高。

第三，γ<0的條件。當γ<0，必須滿足G-（1-∑（1-x2i）H<0。因此，如果我們假設(shè)A=1-∑x2i，當A>G/H時，γ<0成立。上述結(jié)果表明，在某行業(yè)從業(yè)人數(shù)占所有地區(qū)就業(yè)人數(shù)比重很小的情況下（即∑x2i→0A→1），如果該行業(yè)空間集聚水平小于生產(chǎn)集中程度（G

（三）G算法與HHI的選擇

在使用EG指數(shù)測算產(chǎn)業(yè)集聚之前，學者必須要做以下兩個選擇：第一，確定地理范圍。第二，確定企業(yè)數(shù)量。關(guān)于這兩個選擇，文東偉和冼國明[3]均進行了討論，他們發(fā)現(xiàn)，地理范圍劃分越細，則EG指數(shù)結(jié)果就越小，原因在于地理范圍越小，則xi就越小，∑x2i就越??；而行業(yè)范圍越細，則EG指數(shù)結(jié)果就越大，因為行業(yè)范圍越小，則zj就越大，HHI就越大。

除此之外，注意到HHI算法也會對EG指數(shù)產(chǎn)生影響，也就是進入HHI計算公式的企業(yè)數(shù)量。目前，計算HHI的方法主要有兩種：一是代表法，即從所有樣本中截取部分（或按照一定比例，或按照固定數(shù)量）用以計算HHI；二是平均法，即采用所有樣本計算HHI。與平均法相比，按照代表法計算的HHI數(shù)值較高。因此，在某些情況下，采用平均法可能會低估規(guī)模集聚水平。參考Ellison和Glaeser[1]的研究，國內(nèi)已有研究在計算HHI時多選擇平均法計算HHI，而這樣的處理可能是并不恰當?shù)?，我們將在下一部分中對此問題進行重點討論。

（四）數(shù)據(jù)來源及清洗

為了驗證上述討論，我們將在給定空間基尼系數(shù)G算法的情況下，基于不同HHI算法測算EG指數(shù)。與已往研究一致，本文主要采用1999—2009年中國工業(yè)企業(yè)數(shù)據(jù)庫中的行業(yè)從業(yè)人數(shù)與主營業(yè)務(wù)收入兩項指標

由于2000年從業(yè)人數(shù)指標的缺失，該年的EG指數(shù)空缺。進行測算。首先，根據(jù)聶輝華等[21]、Brandt等[22]的建議，在測算之前要對數(shù)據(jù)進行清洗。具體來說，當估計4位代碼行業(yè)時，數(shù)量達到400個以上，其中包含少量規(guī)模非常小的行業(yè)，對這些行業(yè)進行測算的經(jīng)濟意義不大。因此，我們剔除了就業(yè)人數(shù)小于10、主營業(yè)務(wù)收入小于0的企業(yè)以及企業(yè)數(shù)量少于10個的行業(yè)。其次，由于國民行業(yè)代碼劃分標準在2002年時進行了更新，

由GB/T4754-1994轉(zhuǎn)為GB/T4754-2002。所以在數(shù)據(jù)配對過程中，對2002年國民行業(yè)代碼變化前后的行業(yè)進行了合并處理，并且僅對樣本考察期內(nèi)持續(xù)存在的行業(yè)進行測算。簡便起見，我們并未對“省、市、縣”三種地區(qū)劃分方式全部進行測算，僅測算按省劃分的EG指數(shù)。我們分別基于代表法排名前10、前15、前1%企業(yè)HHI測算了EG指數(shù)，為了設(shè)定基準，還基于平均法的HHI進行了測算。最后，我們還根據(jù)測算結(jié)果對Ellison和Glaeser[1]給出的分類標準進行了調(diào)整，將γ<0、0<γ<002、002<γ<005和γ>005四種情況分別定義為分散、低度集聚、中度集聚和高度集聚。

四、產(chǎn)業(yè)集聚分布特征及HHI算法選擇

（一）基于EG指數(shù)測算結(jié)果的產(chǎn)業(yè)集聚分布特征

如表1所示，采用不同HHI算法的EG指數(shù)測算結(jié)果之間差別是非常明顯的。

首先，基于代表法HHI測算EG指數(shù)結(jié)果顯著低于基于平均法的EG指數(shù)測算結(jié)果。從表1中可以看到，基于代表法HHI測算EG指數(shù)算術(shù)平均數(shù)均是負的，而基于平均法HHI測算EG指數(shù)算術(shù)平均數(shù)均為正值，與路江涌和陶志剛[2]、文東偉和冼國明[3]的研究結(jié)論類似。上述結(jié)果說明HHI算法的變化將會影響學者對產(chǎn)業(yè)集聚整體情況的判斷。

其次，基于代表法HHI測算EG指數(shù)產(chǎn)業(yè)集聚分布特征與基于平均法HHI測算的EG指數(shù)產(chǎn)業(yè)集聚分布特征存在明顯差異。基于代表法HHI測算的EG指數(shù)時，產(chǎn)業(yè)集聚水平分布呈現(xiàn)“啞鈴結(jié)構(gòu)”，與路江涌和陶志剛“金字塔結(jié)構(gòu)”的研究結(jié)果更為接近，而基于平均法HHI測算EG指數(shù)時，產(chǎn)業(yè)集聚水平分布則呈現(xiàn)“倒金字塔結(jié)構(gòu)”，與文東偉和冼國明的研究結(jié)果一致。更為重要的，在樣本期內(nèi)，基于代表法HHI測算的EG指數(shù)產(chǎn)業(yè)集聚分布特征較為固定，而基于平均法HHI測算的EG指數(shù)產(chǎn)業(yè)集聚分布特征則發(fā)生了明顯變化。

其中：（a）是基于前10家企業(yè)HHI計算的EG指數(shù)；（b）是基于前15家企業(yè)HHI計算的EG指數(shù)；（c）是基于前1%企業(yè)HHI計算的EG指數(shù)；（d）是基于全樣本企業(yè)HHI計算的EG指數(shù)。

（二）制造業(yè)產(chǎn)業(yè)集聚分布特征評價及EG指數(shù)有效性

那么，究竟哪個結(jié)果能夠更準確地反映制造業(yè)產(chǎn)業(yè)集聚分布特征呢？這是本節(jié)內(nèi)容主要討論的問題。我們認為，基于平均法HHI測算的EG指數(shù)結(jié)果會高估產(chǎn)業(yè)集聚水平和高估產(chǎn)業(yè)集聚演進速度的情況。因此，無論從技術(shù)角度還是經(jīng)濟解釋角度，基于代表法HHI測算的EG指數(shù)均更加符合實際情況。原因在于：第一，工業(yè)企業(yè)微觀數(shù)據(jù)庫中相當比例4位代碼行業(yè)具有以下兩個基本特征：一是規(guī)模較小，特別是企業(yè)數(shù)量少；二是排名靠前的企業(yè)主營收入占的市場份額較高，加之產(chǎn)業(yè)集聚具有明顯的范圍經(jīng)濟特征。根據(jù)產(chǎn)業(yè)組織理論，在這些行業(yè)中排名靠前的企業(yè)將依靠技術(shù)、人才等方面優(yōu)勢抬高行業(yè)門檻，形成局部壟斷，阻止新企業(yè)進入，從而阻礙空間集聚水平提升，影響產(chǎn)業(yè)集聚水平提高。在這種情況下，基于代表法測算的HHI可能低估這些企業(yè)的市場勢力，導致EG指數(shù)測算結(jié)果偏高。

第二，與西方國家相比，中國經(jīng)濟制度環(huán)境具有以下兩點特征：一是行政性分權(quán)與經(jīng)濟型分權(quán)以及由此產(chǎn)生的市場分割；二是行政壟斷、混合所有制等轉(zhuǎn)型經(jīng)濟體特征。制造業(yè)產(chǎn)業(yè)集聚分布形成很可能會受上述兩方面特征影響。首先，出于提升或保護本地優(yōu)勢行業(yè)競爭力的目的，地方政府會過度對特定企業(yè)進行補貼或減稅，當政府補貼或被減的稅收進入企業(yè)利潤函數(shù)之后，就會刺激企業(yè)加大投入，考慮到中國企業(yè)更偏好規(guī)模擴張而非技術(shù)研發(fā)，進行擴張的主要方式就是增加本地產(chǎn)能或者在其他地區(qū)設(shè)立新廠，帶動所在行業(yè)及其上下游行業(yè)的發(fā)展；其次，出于維護本地企業(yè)利益以及發(fā)展本地經(jīng)濟的目的，政府會采取保護措施，阻止來自其他地區(qū)企業(yè)或商品進入。因此，產(chǎn)業(yè)集聚分布特征很可能存在分化的情況，即高度集聚產(chǎn)業(yè)越來越趨于集聚，而低度集聚產(chǎn)業(yè)越來越趨于分散。通過分析，我們認為，基于代表法HHI測算的EG指數(shù)更符合上述描述。

第三，作為復雜的經(jīng)濟現(xiàn)象，產(chǎn)業(yè)集聚演進涵蓋的影響因素及微觀機理非常復雜，演變過程是非常緩慢的。已有研究也證明了這一點，Dumais等[10]基于EG指數(shù)測算結(jié)果考察了美國20年來產(chǎn)業(yè)集聚演進情況，發(fā)現(xiàn)分布特征幾乎沒有發(fā)生變化，Maurel和Sedillot[7]、Devereux等[8]學者也得到了類似的研究結(jié)論。因此，直觀上，基于平均法HHI測算的EG指數(shù)結(jié)果會高估產(chǎn)業(yè)集聚演進速度。我們認為，上述問題主要是由工業(yè)企業(yè)數(shù)據(jù)庫統(tǒng)計過程中的技術(shù)性因素造成的，隨著國民經(jīng)濟規(guī)模不斷增加，雖然規(guī)模以上企業(yè)統(tǒng)計標準經(jīng)過若干次向上調(diào)整，然而企業(yè)數(shù)量一直處于大幅增長狀態(tài)，導致代表法HHI的測算結(jié)果出現(xiàn)技術(shù)性下降，難以準確反映實際情況。

五、產(chǎn)業(yè)集聚動態(tài)演進過程分解

確定基于代表法HHI測算的EG指數(shù)更符合實際情況之后，我們給定HHI算法的影響，試圖從空間基尼系數(shù)G角度研究產(chǎn)業(yè)集聚動態(tài)演進過程，進一步為轉(zhuǎn)型期中國制造業(yè)產(chǎn)業(yè)集聚分布特征提供經(jīng)濟解釋。

（一）理論模型

如前所述，產(chǎn)業(yè)集聚動態(tài)演進主要是在空間集聚和規(guī)模集聚雙重影響下實現(xiàn)的。如果給定某行業(yè)EG指數(shù)不變的結(jié)果，很可能是由以下兩種情況造成的：一是空間集聚和規(guī)模集聚朝相反的方向變化，即G增大H減小，或者G減小H增大，并且兩者影響相互抵消；二是新企業(yè)在舊企業(yè)原址上繼續(xù)生產(chǎn)。由于第二種情況無法在產(chǎn)業(yè)集聚指標上體現(xiàn)，所以這里主要討論的是第一種情況。現(xiàn)實中，空間集聚與規(guī)模集聚的影響是很難完全抵消的，這是為何產(chǎn)業(yè)集聚在不斷變化，Dumais等[10]認為這種變化可以通過從業(yè)人數(shù)變化予以反映，具體如式（2）所示：

sijt+1-sijt=+sijt-sjt空間變化+sjt+1-sjt行業(yè)變化+ijt （2）

其中，sijt是i地區(qū)j行業(yè)在t時刻就業(yè)人數(shù)占所有地區(qū)該行業(yè)就業(yè)人數(shù)份額，sjt是j行業(yè)t時刻就業(yè)人數(shù)在所有地區(qū)的平均份額，、和是估計系數(shù)，ijt是擾動項。

假設(shè)擾動項ijt與其他系數(shù)之間滿足正交關(guān)系。通過式（2），從業(yè)人口變化被分解為空間變化和行業(yè)變化?；谑剑?）的設(shè)定思路，Dumais等進一步提出了能簡便衡量空間集聚變化的計算公式，如式（3）所示：

在式（3）中，空間基尼系數(shù)被用于替換EG指數(shù)衡量產(chǎn)業(yè)集聚變化。在不影響最終結(jié)果的前提下，這樣處理主要出于以下兩個原因：第一，簡化分解過程；第二，空間基尼系數(shù)能夠更準確地衡量企業(yè)選址變化所導致的產(chǎn)業(yè)集聚水平變化。此外，按照面板數(shù)據(jù)的估計方程，我們對其分解模型進行了相應(yīng)調(diào)整。

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

將式（2）代入式（3），并經(jīng)過化簡之后，可以得到式（4）：

Gjt+1-Gjt=2+2Gjt均值效應(yīng)+∑is2ijt隨機效應(yīng)（4）

其中，Gjt是j行業(yè)在t時刻就業(yè)人數(shù)的空間基尼系數(shù)。根據(jù)式（4）的結(jié)果，j行業(yè)的空間集聚變化被分解為均值效應(yīng)與隨機效應(yīng)兩部分。其中，均值效應(yīng)大小取決于sijt-sjt，即式（2）中的空間變化。因此，當<0時，表明i地區(qū)j行業(yè)的從業(yè)人員流向其余地區(qū)，導致i地區(qū)j行業(yè)的空間集聚水平下降；當>0時，表明j行業(yè)的從業(yè)人員持續(xù)向i地區(qū)流入，空間集聚水平提高。隨機效應(yīng)包含了所有除從業(yè)人員數(shù)量變化以外因素的影響。由于經(jīng)濟活動趨于集中是人類活動的天性，在穩(wěn)定的經(jīng)濟社會發(fā)展局面下，促進產(chǎn)業(yè)集聚增加的因素遠多于導致產(chǎn)業(yè)集聚減小的因素，因此，隨機效應(yīng)總是大于0的。根據(jù)之前對EG指數(shù)的靜態(tài)比較分析，空間集聚程度越高，產(chǎn)業(yè)集聚水平就越高，可以通過估計式（4）檢驗空間集聚對產(chǎn)業(yè)集聚的影響。

（二）實證分析方法與相關(guān)系數(shù)

與Dumais等[10]不同，本文將采用面板數(shù)據(jù)進行模型估計，首先需要解決計量模型選擇的問題。由于估計式（4）使用的數(shù)據(jù)是4位代碼行業(yè)的空間基尼系數(shù)，屬于典型的“N大T小”短面板數(shù)據(jù)。在這種情況下，固定效應(yīng)模型是最常用的。然而，式（4）當中并未包含常數(shù)項，而固定效應(yīng)模型中必須包含控制個體效應(yīng)的截距項，這樣的話，我們就無法衡量式（4）中隨機效應(yīng)的影響。因此，我們將采用不包含截距項的MLE隨機效應(yīng)模型進行估計。為了對比兩種估計方法對測算結(jié)果的影響，我們?nèi)詫⒔o出固定效應(yīng)模型估計結(jié)果。此外，為了比較異質(zhì)性產(chǎn)業(yè)集聚的動態(tài)演進過程，我們一共測算了三組分析結(jié)果：全樣本、按集聚程度與按2位代碼行業(yè)劃分的樣本。

此處需要說明的是，2位代碼行業(yè)的實證分析結(jié)果是基于其4位子類行業(yè)估計得到的。

進行實證分析之前，首先給出不同年份4位代碼行業(yè)EG指數(shù)間的相關(guān)系數(shù)，如表2所示。從結(jié)果可以看到，4位代碼行業(yè)EG指數(shù)的相關(guān)系數(shù)滿足以下特征：第一，前期產(chǎn)業(yè)集聚與后期產(chǎn)業(yè)集聚之間均是正向關(guān)系，表明產(chǎn)業(yè)集聚演進存在一定的慣性。第二，相關(guān)系數(shù)值隨年份增加逐漸減小，表明前期產(chǎn)業(yè)集聚與后期產(chǎn)業(yè)集聚之間的密切程度不斷減弱。第三，2003年之前產(chǎn)業(yè)集聚水平相關(guān)性較低，2003年之后產(chǎn)業(yè)集聚水平相關(guān)性較高。此外，與Dumais等[10]研究中美國歷年產(chǎn)業(yè)集聚相關(guān)系數(shù)均在09以上相比，中國不同年份制造業(yè)產(chǎn)業(yè)集聚相關(guān)系數(shù)值是比較低的。

（三）實證結(jié)果與分析

1全樣本以及集聚程度分組

表3給出了采用MLE隨機模型估計的產(chǎn)業(yè)集聚動態(tài)演進分解結(jié)果，報告了各組回歸的EG指數(shù)均值、式（4）中的2+2、t值、殘差的均值γ與標準差σ。

結(jié)果顯示：（1）除EG指數(shù)小于0行業(yè)（即分散行業(yè)）以及中度集聚行業(yè)兩類分組之外，其他分組估計得到的2+2均是正值，且在1%顯著性上通過了檢驗，表明除分散和中度集聚行業(yè)外，其余程度集聚行業(yè)的均值效應(yīng)均促進了空間集聚變化。（2）均值效應(yīng)在高度集聚和低度集聚兩類行業(yè)當中影響最大，估計系數(shù)分別達到0163、0105，高于全樣本分組的估計系數(shù)，而中度集聚行業(yè)未通過顯著性檢驗。在剔除分散行業(yè)之后，全樣本估計系數(shù)達到0138，高于低度集聚行業(yè)。此外，分散行業(yè)估計系數(shù)為-0036。上述結(jié)果表明均值效應(yīng)在不同程度集聚行業(yè)影響存在“兩極化”趨勢，即高度集聚的行業(yè)更趨于集聚，而分散行業(yè)更分散，而對中度集聚行業(yè)的影響并不明顯，這為EG指數(shù)分布特征呈現(xiàn)“啞鈴結(jié)構(gòu)”提供了解釋。（3）不同分組中的隨機效應(yīng)的影響是不同的。其中，高度集聚行業(yè)的γ和σ明顯高于其他組，而分散行業(yè)以及中度集聚行業(yè)兩類分組的γ和σ明顯低于其他分組，特別是分散行業(yè)分組的γ符號為負，說明不僅空間集聚，外部因素也是導致產(chǎn)業(yè)集聚分布呈現(xiàn)“啞鈴結(jié)構(gòu)”的重要原因。

2按2位代碼行業(yè)分組

第一，與按照全樣本以及集聚程度分組的回歸結(jié)果一樣，除了造紙及紙制品業(yè)與水的生產(chǎn)和供應(yīng)業(yè)的估計結(jié)果系數(shù)為負之外，其他分組估計結(jié)果均是正值，并且大多數(shù)估計系數(shù)在1%顯著性水平上通過了檢驗，表明在絕大多數(shù)行業(yè)中，均值效應(yīng)促進了空間集聚提升。第二，不同行業(yè)當中均值效應(yīng)影響的差異比較大。在剔除估計系數(shù)為負值的行業(yè)之后，估計系數(shù)最高的行業(yè)依次為農(nóng)副食品加工業(yè)、電子機械及器材制造業(yè)、醫(yī)藥制造業(yè)、橡膠制品業(yè)以及煙草制品業(yè)，估計所得到的系數(shù)均在02以上；廢棄資源和廢舊材料回收加工業(yè)、木材加工及木、竹、藤、棕、草制品業(yè)、紡織業(yè)等13個行業(yè)的估計系數(shù)在01—02之間，其余行業(yè)的估計系數(shù)在01以下。需要特別指出的是，所有估計系數(shù)在01以下的行業(yè)均未能通過顯著性檢驗，而估計系數(shù)在01以上的行業(yè)，除了印刷業(yè)和記錄媒介的復制與化學纖維制造業(yè)以外，多數(shù)行業(yè)均在1%顯著性水平上通過了檢驗。上述結(jié)果說明，均值效應(yīng)的影響呈現(xiàn)兩級分化，這與全樣本及集聚程度分組的實證結(jié)果是一致的。2+2。第三，通過比較不同行業(yè)EG指數(shù)均值、估計系數(shù)2+2、γ值和σ值可以發(fā)現(xiàn)，總體上，估計系數(shù)2+2、γ值和σ值與EG指數(shù)均值間呈現(xiàn)負相關(guān)，即隨著產(chǎn)業(yè)集聚升高，驅(qū)動產(chǎn)業(yè)集聚的力量逐漸減弱。這與直觀感覺一致，隨著產(chǎn)業(yè)集聚提高，進一步提升的難度也在增加。

3估計結(jié)果有效性比較

為了檢驗估計結(jié)果的穩(wěn)健性以及對比不同估計方法對結(jié)果的影響，我們采用固定效應(yīng)模型估計的產(chǎn)業(yè)集聚動態(tài)演進分解結(jié)果，限于篇幅不在文中列示。

結(jié)果顯示：（1）采用MLE隨機效應(yīng)模型得到的估計系數(shù)顯著性低于固定效應(yīng)模型，且估計系數(shù)明顯小于固定效應(yīng)模型，如果按照估計系數(shù)大小對兩次估計結(jié)果分別進行排序，則一些行業(yè)排名出現(xiàn)了較大變化。原因在于：第一，在控制個體效應(yīng)之后，估計系數(shù)值與顯著性均出現(xiàn)明顯的提升。這一結(jié)果并不出人意料，因為估計使用的是4位代碼行業(yè)EG指數(shù)，這些子行業(yè)均同屬于2位代碼行業(yè)，經(jīng)營環(huán)境是比較相似的，所以在控制固定效應(yīng)之后，不同組別估計系數(shù)值與顯著性均會有所提升。第二，由于2位代碼行業(yè)之間自身存在的差異，導致不同行業(yè)的固定效應(yīng)也是不同的，這種差異決定了估計系數(shù)變化的大小。（2）采用MLE隨機效應(yīng)模型得到的γ和σ高于固定效應(yīng)模型。如前所述，由于控制了行業(yè)固定效應(yīng)，所以與MLE隨機效應(yīng)模型相比，在固定效應(yīng)模型估計殘差中影響產(chǎn)業(yè)集聚的因素減少。上述變化導致固定效應(yīng)模型中的γ和σ偏低。綜上所述，MLE隨機效應(yīng)模型的優(yōu)勢在于對隨機效應(yīng)的衡量更為準確，而固定效應(yīng)模型由于控制了個體效應(yīng)的影響，對均值效應(yīng)估計更為準確，但由于未能將個體效應(yīng)納入到殘差中，對隨機效應(yīng)的衡量遜于MLE隨機效應(yīng)模型。總體來說，固定效用模型估計結(jié)果是穩(wěn)健的。

六、研究小結(jié)

近年來，隨著以產(chǎn)業(yè)集聚為研究主題的實證論文越來越多，產(chǎn)業(yè)集聚指標測算結(jié)果準確性問題愈加重要，然而，目前關(guān)于中國產(chǎn)業(yè)集聚分布特征的系統(tǒng)討論尚不多見。鑒于此，本文以基于工業(yè)企業(yè)微觀數(shù)據(jù)庫測算的EG指數(shù)為例，討論赫芬達爾指數(shù)（HHI）與空間基尼（G）兩個關(guān)鍵參數(shù)變動對產(chǎn)業(yè)集聚分布特征測算結(jié)果的影響。研究結(jié)論表明：（1）國內(nèi)已有研究在計算HHI時多借鑒Ellison和Glaeser的研究選擇平均法，但這一選擇很可能會高估產(chǎn)業(yè)集聚水平以及分布變化速度，使用代表法計算HHI更為合適。（2）無論從均值效應(yīng)還是隨機效應(yīng)來看，空間集聚變化均呈現(xiàn)“兩極化”趨勢，即高度集聚的行業(yè)更趨于集聚，而分散行業(yè)更分散，且對中度集聚行業(yè)的影響并不明顯，符合基于代表法HHI測算的EG指數(shù)分布特征。（3）基于代表法HHI測算的EG指數(shù)結(jié)果，制造業(yè)產(chǎn)業(yè)集聚分布呈現(xiàn)“啞鈴結(jié)構(gòu)”。綜上所述，我們建議學者在使用EG指數(shù)衡量產(chǎn)業(yè)集聚時，應(yīng)根據(jù)研究主題確定HHI與G算法。

參考文獻：

[1] Ellison，G， Glaeser， E L Geographic Concentration in US Manufacturing Industries： A Dartboard Approach[J] Journal of Political Economy， 1997， 105（5）：889-927

[2] 路江涌，陶志剛中國制造業(yè)區(qū)域聚集及國際比較[J]經(jīng)濟研究，2006，（3）：103-114

[3] 文東偉，冼國明中國制造業(yè)產(chǎn)業(yè)集聚的程度及其演變趨勢：1998—2009年[J]世界經(jīng)濟，2014，（3）：3-31

[4] Duranton， G， Overman， H G Testing for Localization Using Micro-Geographic Data[J] The Review of Economic Studies， 2005， 72（4）： 1077-1106

[5] Marcon， E， Puech， F Measures of the Geographic Concentration of Industries： Improving Distance-Based Methods[J]Journal of Economic Geography， 2010， 10（5）：745-762

[6] Scholl， T， Brenner， T Testing for Clustering of Industries-Evidence from Micro Geographic Data[R] Philipps University Marburg， Department of Geography， 2011

[7] Maurel， F， Sedillot， B A Measure of the Geographic Concentration in French Manufacturing Industries[J] Regional Science and Urban Economics， 1999， 29（95）：575-604

[8] Devereux， M P， Griffith， R， Simpson， H The Geographic Distribution of Production Activity in the UK[J] Regional Science and Urban Economics， 2004， 34（5）： 533-564

[9] Rosenthal， S， Strange， W C Geography， Industrial Organization， and Agglomeration[J] Review of Economics and Statistics， 2003， 85（2）： 377-393

[10] Dumais， G， Ellison， G， Glaeser， E L Geographic Concentration as a Dynamic Process[J] Review of Economics and Statistics， 2002， 84（2）： 193-204

[11] Puga， D The Magnitude and Causes of Agglomeration Economies[J] Journal of Regional Science， 2010， 50（1）： 203-219

[12] Syverson， C Product Substitutability and Productivity Dispersion[J] Review of Economics and Statistics， 2004， 86（2）：534-550

[13] Delgado， M， Porter， M E， Stern， S Clusters and Entrepreneurship[J] Journal of Economic Geography， 2010，10（4）：495-518

[14] Duranton， G， Puga， D Nursery Cities： Urban Diversity， Process Innovation， and the Life Cycle of Products[J]American Economic Review， 2001， 91（5）：1454-1477

[15] 羅勇，曹麗莉中國制造業(yè)集聚程度變動趨勢實證研究[J]統(tǒng)計研究，2005，（8）：22-29

[16] 邱靈，方創(chuàng)琳北京市生產(chǎn)性服務(wù)業(yè)空間集聚綜合測度[J]地理研究，2013，（1）： 99-110

[17] 趙黎明，邢雅楠基于EG指數(shù)的中國旅游產(chǎn)業(yè)集聚研究[J]西安電子科技大學學報：社會科學版，2011，（2）：43-48

[18] 劉艷中國戰(zhàn)略性新興產(chǎn)業(yè)集聚度變動的實證研究[J]上海經(jīng)濟研究，2013，（2）：40-51

[19] 趙浚竹，孫鐵山，李國平中國汽車制造業(yè)集聚與企業(yè)區(qū)位選擇[J]地理學報，2014，（6）：850-862

[20] 文東偉，冼國明中國制造業(yè)的空間集聚與出口：基于企業(yè)層面的研究[J]管理世界，2014，（10）：57-74

[21] 聶輝華，江艇，楊汝岱.中國工業(yè)企業(yè)數(shù)據(jù)庫的使用現(xiàn)狀和潛在問題[J]世界經(jīng)濟，2012，（5）：142-158.

[22] Brandt， L.， Biesebroeck， J.， Zhang， Y. Creative Accounting or Creative Destruction： Firm-Level Productivity Growth in Chinese Manufacturing[J]Journal of Development Economic， 2012， 97（2）：339-351.

（責任編輯：孫 艷）