产业集聚度几种测度方法的比较

产业集聚度几种测度方法的比较

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某一行业有关数值(销售额、就业人 数、生产额等) 占整个市场的份额来度量。理论上认为，百分比数值大于 10，区域形成聚集，数值越大，聚集的程度越大。计算公式为：

i?1 CR ?n N

? X??X

i?1

n

i

i

其中 CRn 代表X产业的集聚度， ? Xi 代表规模最大几个地区X产业的销售额

i?1

n

或者生产额、就业人数等， ? Xi 代表全部地区X产业的销售额或者生产额、

i?1

N

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：

E ? ij qi

n i

/

Qi

n

? q?Q

i?1

i?1

i

其中

Eij

表示某区域i部门对于高层次区域的区域熵；qi 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)； Qi 为高层次区域

部门的有关指标； n为某类产业的部门数量。

Eij

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：

H ? ? Z ? ?( X / X )2 ( j ? 1, 2, 3..., n)

2 j

j

j ?1

N N

j ?1

其中， X 代表产业市场总规模(就业或产值)， X j 代表 j 企业的规模， Z j =

X j / X 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

? x )G ? ?(S i i

i

其中，G 为空间基尼系数，Si 是i地区某产业占全国该产业就业人数的比重，xi 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）空间集聚指数

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：

M 2

2 i i i i M 2 i N

2j

(s ? x )? (1? ? x)? Z ?x)H G ? (1??? ? ?

? ? （1? ? x）（1-H） (1? ? x)(1? ??Z )

i?1

2

i i

2

i?1 N

j ?1 2 i j

i j ?1

其中， si 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，xi 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)

H ? ? Z j2 N表示该产业中以就业人数为标准计算的企业分布。

j ?1

N

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：

1 n

d ? di, j k (d ) ? n f ( ?)A、B i?1 ?j ?1 ,j ?1

p(n n ) h h A

B

A, 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。 p(n n 是A, ) B 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

n, (n?1)

合，则 p(n n ) = A A ；如果A, B 属于不相交的集合，则 p(n n )

A, B A, B

2 = nA .nB 。

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。