郝俊卿，吴玉梅，张 迪

(1.西安财经大学 a.商学院，b.现代企业管理研究中心，c.统计学院，陕西 西安 710100；2.西安交通大学 公共管理博士后流动站，陕西 西安 710049)

一、引 言

产业集聚对区域经济实力提升、竞争优势加强和产业布局优化具有重要作用[1-2]。产业集聚程度识别是区域经济研究的基础问题，而制造业产业集聚的识别一直是研究重点。通过中国知网，对1990至2018年主题为“产业集聚”和“制造业”的CSSCI、CSCD期刊论文进行检索，共得到1104篇论文。利用中国知网可视化计量分析功能，对检索到的论文进行主题分析。其中，筛选掉“实证分析”等主题后，在发文量最多的前10项主题中，主题为“集聚程度”的论文有78篇、“集聚水平”的论文有54篇、“集聚度”的论文有45篇。所以，如何采用合理方法科学地识别制造业产业集聚是值得深入探讨的问题。

国内学者从不同角度对制造业产业集聚程度进行测度。利用产业空间基尼系数和产业集中度测度了中国部分制造产业1994至2003年集聚水平[3]。运用区位熵指数和空间基尼系数对制造业集聚度进行测度，计算了四类制造业产业专业化集聚的 EG 指数[4-5]。同时，也有学者从制造业细分行业进行产业集聚程度衡量，如利用产业空间集聚指数和行业集中度对中国高新技术产业集聚水平进行测定，利用区位熵指数对中国纺织产业集聚水平进行了测度，基于Ellison-Glaeser指数和Maurel-Sedillot指数，构建了用于测度中国制造业行业集聚程度的γa指数、长江经济带沿线11个省市物流产业集聚水平、环渤海16个城市的临港石化产业集聚程度等[6-9]。在这些研究中，2013年之前的研究较多采用基尼系数，2014年至今，研究方法逐渐丰富，区位熵、赫芬代尔系数、空间基尼系数、Ellison和Glaeser指数(EG指数)、Moran's I指数等应用广泛，研究范围逐渐深入至省级范围和制造业细分行业，研究结论差异化明显。

事实上，产业集聚不仅要判别在什么空间集聚了什么产业，而且要识别集聚程度高的产业分布在哪些区域，仅采用一种方法是不全面的。上述研究为制造业产业集聚提供了丰富的实证成果，但也存在两个问题：一是研究多集中于制造业产业集聚的测度问题。测度多关注结果，而识别在关注结果的同时更加注重测量过程，其核心是测量方法的合理性、实用性探讨。二是单一测量方法容易产生测量结果的误差。在使用EG指数测量制造业产业集聚程度时，依赖于赫芬达尔指数与空间基尼系数两个关键参数的选择，一旦选择出现偏差，其测量结果的准确性和可信度便会受到影响，甚至出现同一产业集聚程度在不同测量方法下研究结果差异明显的现象[10-11]。

基于此，本文立足于制造业产业集聚识别问题，重点探讨产业集聚识别的维度、方法。首先从产业集聚概念属性着手，分析制造业产业集聚识别的维度，然后对各测量方法进行比较分析，提出制造业产业集聚“多维度测量、综合识别”的研究框架，最后以关中平原城市群制造业为例进行论证。

二、产业集聚识别维度

在全球化背景下，产业区企业的专业化程度不断加强，企业间合作关系变得更加紧密，初步形成了产业集聚[12]。20世纪90年代，随着空间计量经济学发展，产业集聚的空间特征不断被强化，认为产业集聚的相关产业部门不仅彼此之间存在专业化分工协作，而且在空间上集聚，是某一产业在一个地理区域高度集中，生产要素在空间上不断集中的过程[13]。因此，产业集聚是产业空间分布的不平衡状态及聚集体内在经济联系的结果，具有空间属性和经济属性。

由于受到空间尺度、行业层次选择的影响，产业集聚的测量结果往往差异明显[14]。需要考虑产业集聚识别的维度问题，以实现产业集聚测量结果在不同空间尺度、不同行业范围的可比性。产业技术联系和产业分布空间联系是产业集聚识别维度的两个基本方面[15]。依据对产业集聚的分析，产业集聚在空间上表现为地理空间的集聚现象，相关的产业部门和机构在一个地域单元内集聚，或者具有集聚的趋势；在经济关系上表现为内部的专业化特征和外部的产业溢出效应。专业化特征由产业、企业彼此之间以专业化分工与协作，相互紧密联系，使集聚内的产业、企业的规模扩大，比其他非集聚的产业、企业经济效益增加；外部溢出效应通过经济、技术溢出和扩散对同一产业及其相关产业产生有利影响。产业集聚是产业的不平衡分布和产业区域集聚会通过自身的作用机制对地区差距产生较为持久的影响[16]。制造业集聚呈现出明显的中心-边缘特征，东部沿海地区制造业集聚明显，且中心度自东向西、由沿海至内陆逐渐降低[17]。受到垂直专业化的影响，东南沿海逐渐成为中国制造业和加工贸易集聚的主要区域，形成了较强的集聚效应[18]。产业在某一个区域集聚或地区专业化程度的变迁必然导致区域间的资源重组，进而引起区域产业结构的波动[19]。所以，产业集聚的空间属性表现为空间相关关系，经济属性表现为产业经济联系，进而构成了产业集聚识别的两个维度。

三、产业集聚识别方法的选取与改进

(一)识别方法辨析

在识别产业集聚的方法中，区位熵法、赫芬代尔系数、空间基尼系数、Ellison 和 Glaeser指数(EG指数)、Moran's I指数应用比较广泛。本文选取这五种方法，从区域尺度、数据获取程度、产业空间相关关系测量、产业经济联系测量、适用范围和局限六方面进行比较分析，如表1所示。

表1 产业集聚识别方法辨析

由表1可知，(1)区位熵是判断产业是否集聚的简易方法，但该方法没有考虑企业规模的影响，可能会出现区位熵值很大而企业规模很小的情况。(2)赫芬代尔系数是衡量产业集聚的重要指标，用产业中某产业值或从业人数比重的平方和进行计算。该方法的优点在于考虑了企业总数和企业规模两个因素对产业集聚的影响，能够准确反映企业或市场绝对集聚程度。但是，测量结果难与其他产业活动比较，并且获取详细全面的企业数据难度也较大。(3)空间基尼系数将洛伦兹曲线和基尼系数相结合，将某产业分布与其他产业进行对比，用于测量产业在地区间的集聚程度。空间基尼系数数值在理论上等于洛伦兹曲线与45°度线之间面积的两倍。但该方法依然未考虑企业规模差异对产业集聚的影响。如果一个地区存在一个规模较大的企业而并未出现产业集聚现象时，空间基尼系数的结果会比较高。(4)EG指数充分考虑了企业规模和区域差异对产业集聚的影响。企业一般不孤立考虑区位的影响因素，企业选择某个区位是为了利用该区位的自然优势，如接近原材料；亦或是从与其他企业临近中获取好处。该指数有助于对不同产业的集聚程度进行跨时期、跨区域分析，离散程度、相似度以及综合测量有效性也优于其它方法。(5)Moran's I指数是探索性空间数据分析方法，它将经济活动空间属性和数据结合起来，分析经济活动空间特征，重点在于判别经济活动空间分布的非随机性——空间自相关性。产业活动空间集聚是该指数的重点反映内容，产业集聚的经济联系程度则反映不足。

综上，产业集聚测量方法因研究区域、数据获取、适用范围不同，表现出不同的适用性。前四种方法侧重于测量产业间的经济联系强度，Moran's I指数适用于测量产业空间分布的相关关系。产业集聚识别是一种综合测量，既需要采用经济联系强度的方法，也需要采用空间相关关系的方法。因此，本文选取EG指数作为测量经济联系强度的方法，选取Moran's I指数作为测量空间相关关系的方法。

(二)经济联系强度测算方法选取与改进

假设某一国家或地区的某一产业内有N个企业，且该国家或地区划分为M个区域单元，N个企业分布于M个区域单元中，Ellison 和Glaeser建立的产业地理集中指数计算公式如下：

(1)

其中，si表示i区域单元某产业就业人数占该产业全部就业人数的比重，xi表示i区域单元全部就业人数占国家或地区就业总数的比重；G表示空间基尼系数，H表示赫芬达尔指数，计算公式如下：

(2)

其中，X代表市场总规模，Xj代表j企业的规模，zj=Xj/X代表j个企业的市场占有率。该指数表示，如果一个产业的EG指数为正，说明该产业在空间上集聚，并且指数越大集聚程度越高，反之则越低；如果指数为负，则表明产业分散。

在分析过程中，为避免EG指数受到赫芬代尔系数数据全面性不足的影响，对赫芬代尔系数进行估算，即用产业平均比重代替企业实际比重，公式推算如下：

(3)

其中，M表示空间单元数，N表示区域i某产业企业单位数，Xi表示区域i某产业的从业人数或产值，X表示某产业的总从业人数。EG指数的值γ≥0.05，表示某时期内产业i处于高度集聚水平；0.02<γ<0.05，表示产业i处于中等空间集聚水平；γ<0.02，则为低水平集聚。该处理方法可能使EG指数值较实际值偏低，但不会影响结论。

(三)空间相关关系测算方法选取与改进

Moran's I指数是探索性空间数据分析方法的测算指标。空间自相关性分析是目前测量经济活动空间分布、尤其是在适度空间范围内空间分布特征的主要方法，公式如下：

(4)

Moran's I指数可以看做是观测值与它的空间滞后(spatial lag)之间的相关系数。变量xi的空间滞后是xi在单元j的平均值，定义为：

xi，-1=∑jwijxj/∑jwij

(5)

因此，Moran's I指数的取值一般在-1到1之间：如果大于0表示正相关，值接近1时表示具有相似特性的经济活动属性集聚在一起即高集聚区与高集聚区相邻、低集聚区与低集聚区相邻；小于0表示负相关，值接近-1时表示具有相异特征的经济活动集聚在一起，高集聚区与低集聚区相邻、低集聚区与高集聚区相邻，如果接近0，则表示属性是随机分布的，或者不存在空间自相关性。

(四)综合识别方法构建

在EG指数和Moran's I指数测量基础上，采用坐标象限法综合识别制造业集聚程度。该方法以Moran's I指数作纵坐标，EG指数作横坐标，构成制造业产业集聚程度平面坐标系。第一象限表示经济联系强、空间相关性高的“强高型”产业特征，第二象限表示经济联系弱、空间相关性高的“弱高型”产业特征，第三象限表示经济联系弱、空间相关性低的“弱低型”产业特征，第四象限表示经济联系强、空间相关性低的“强低型”产业特征。在这四个象限中，第一象限的制造业产业具备了产业集聚的特征属性，可识别为存在产业集聚；第二、三象限的制造业产业可识别为潜在的产业集聚，第四象限的制造业不具备产业集聚特征属性。通过四个象限分别表示不同的制造业集聚特征，从而实现产业集聚程度综合识别的目的。

三、关中平原城市群制造业集聚识别实证分析

(一)区域范围与数据来源

关中平原城市群是推动全国经济增长和市场空间由东向西、由南向北拓展，引领和支撑西北地区开发开放，纵深推进“一带一路”建设的独特战略区域。制造业产业集聚已成为推动关中平原城市群经济发展的重要力量[20]。在《关中平原城市群发展规划》规定范围基础上，结合数据可获取性，本文研究区域为陕西省西安、宝鸡、咸阳、铜川、渭南5个市、杨凌农业高新技术产业示范区及商洛市的商州区、洛南县、丹凤县、柞水县。制造业各行业分类标准以GB/T4754—2017国民经济行业分类体系为依据，选取了21个制造业行业进行分析。

为了保证数据全面性，EG指数数据来源于西安、宝鸡、咸阳(含杨凌示范区)、铜川、渭南2018年统计年鉴，选取了2017年各制造业行业规模以上工业企业数、从业人员年平均人数两组数据。Moran'I指数数据来源于西安、宝鸡、咸阳(含杨凌示范区)、铜川、渭南2018年统计年鉴，选取了各区县2017年工业产值(代替制造业总产值)；各制造业行业产值数据来源于研究区域各区县2015年至2018年统计年鉴。

(二)经济联系强度测算结果

采用EG指数测算了2017年关中平原城市群制造业中21个产业的γ值，如表2所示，其中烟草加工业、皮革皮毛羽毛(绒)及其制品业、文教体育用品制造业、石油加工炼焦及核燃料加工业、化学纤维制造业、仪器仪表及文化办公用机械制造业数据不全面，未列入分析范围。为了降低这些行业对总体测量结果带来的影响，将关中平原城市群全部就业人数按照21个制造业产业就业人数总和处理。

依据Ellison和Glaeser对产业集聚程度的划分标准，关中平原城市群制造业集聚程度总体高，γ值超过0.05的行业占到测算行业总数的81%。除家具制造业和专用设备制造业经济联系强度较低之外，农副食品加工业、食品制造业、饮料制造业、纺织业、木材加工及竹藤棕草制品业、造纸及纸制品业、化学原料及化学制品业、医药制造业、橡胶和塑料制品业、黑色金属冶炼及压延加工业、有色金属冶炼及压延加工业、交通运输设备制造业(含汽车制造业)、通信设备计算机及其他电子设备制造业等17个行业的经济联系强度为高。由此可以判断上述行业是关中平原城市群制造业集聚程度明显、竞争优势突出的制造业行业。

表2 制造业产业集聚EG指数和Moran's I 指数

(三)空间相关关系测量结果

(1)空间特征概况 首先需要采用箱地图建立产业集聚的空间组织形式。箱地图是一种显示分布的中值、第一位和第三位分位数(在累积分布中第50%、25%和75%分位点)以及离群值(样本最大和最小值)的简便方法，有1.5和3.0倍两种分位距。数据采用区县级单元产值，本文借助于OpenGeoDa软件，采用1.5倍分位距，构建了关中平原城市群制造业箱地图，如图1所示。由图1可知，制造业企业产值被分为6个等级，制造业企业产值分布最高的区域为西安市区、咸阳市区、宝鸡市区、渭南市区、高陵区、长安区。由此可见，包括西安市区、长安区、咸阳市区和高陵区在内的西咸区域，与渭南市区连接成一体，西咸渭是关中平原城市群制造业集聚的最大核心区域，而宝鸡市区则是制造业集聚的另一核心区域，形成了两个核心的空间格局。

图1 关中平原城市群制造业箱地图

(2)空间权重确定 空间权重用于确定制造业企业空间组织形式是否存在空间相关性。借助于OpenGeoDa软件选取K-nearest neighbors确定关中平原城市群制造业的空间权重类型，相邻数选取6，因为该相邻数能基本覆盖关中平原城市群各区县的相邻区县数，建立了关中平原城市群内制造业集聚的空间权重GWT文件。

(3)全局空间自相关性 通过OpenGeoDa软件对关中城市群制造业产值数据进行全局自相关分析，结果如图2所示。在图2中，Moran's I指数为0.0506，并且分四个象限(高高、高低、低高和低低)分布，表示制造业产值高的区县之间彼此趋于相邻，说明关中平原城市群制造业呈现了一定空间相关关系。

图2 关中平原城市群制造业全局空间相关性分析图

(4)局部空间自相关性 首先利用OpenGeoDa生成局部空间自相关LISA图，如图3所示，然后对关中平原城市群制造业局部自相关性进行分析。由图3可知，该区域制造业产业局部自相关性表现出三个特征：①High-High集聚区(1区域)，表示制造业产值高的区县在空间上自相关，形成了制造业产业空间集聚。西安市区、咸阳市区、长安区和三原县属于该类型集聚特征，它们既是关中平原城市群制造业产业集聚区域，又是区位中心区县，在关中城市群发展中发挥着重要作用。②Low-High集聚区(3区域)，表示制造业产值高但与周边区县空间上不相关，没有与周边区县形成产业空间集聚。泾阳县、蓝田县和高陵县属于该类型集聚特征。由于这些区县紧邻着High-High集聚区县，未来可能与之形成新的、范围更大的制造业产业空间集聚区域。③Low-Low集聚区(2区域)，表示制造业产值低的区县在空间上自相关，但是并没有形成制造业产业的空间集聚。如长武县、旬邑县。除此以外，关中平原城市群制造业没有表现出High-Low集聚区特征，且大部分区县没有表现出明显的制造业集聚空间特征。

依据上述方法，通过OpenGeoDa软件对关中平原城市群各制造行业进行全局自相关分析和局部自相关分析，测算Moran's I指数结果如表2所示，结果表明：除有色金属冶炼及压延加工业、通信设备计算机及其他电子设备制造业之外，农副食品加工业、食品制造业、饮料制造业、纺织业等19个制造业产业在空间上呈现相关关系，其中以High-High集聚和Low-Low集聚为主。

图3 关中城市群制造业产值LISA图

(四)制造业集聚综合识别结果

在关中平原城市群制造业经济联系强度、空间相关关系测量基础上，进行该区域制造业产业集聚综合识别。将Moran's I指数作为纵向坐标，EG指数为横向坐标，选取Moran's I为0的值、EG指数中γ为0.05的值为坐标原点，构建关中平原城市群制造业产业集聚的平面坐标系。通过坐标系的四个象限进行产业集聚综合识别，结果如图4所示。

图4 关中平原城市群制造业产业集聚综合识别结果图

在图4中，位于第一象限的制造业产业有C13农副食品加工业、C14食品制造业、C15饮料制造业、C17纺织业、C20木材加工及竹藤棕草制品业、C22造纸及纸制品业、C27医药制造业、C29橡胶和塑料制品业、C31非金属矿物制品业、C32黑色金属冶炼及压延加工业、C34金属制品业、C35通用设备制造业、C37交通运输设备制造业、C39电气机械器材制造业和C40通用设备计算机其它电子设备制造业，共15个制造业行业。这些产业经济联系强、空间相关性高，具备了产业集聚识别的特征，因此是关中平原城市群制造业中的产业集聚行业。位于第二、三象限的制造业为C18纺织服装鞋帽业、C21家具制造业、C23印刷和记录媒介复制业、C33有色金属冶炼压延加工业和C36专用设备制造业，这些为潜在制造业集聚行业，有可能成为制造业集聚行业，也有可能集聚程度越来越低。没有位于第四象限的制造业。

四、结 论

本文通过对制造业产业集聚识别维度、识别方法进行分析，以关中平原城市群制造业为例，进行了产业集聚综合识别的实证研究，得出以下结论和进一步探讨的问题。

(1)产业集聚具有空间属性和产业属性，由此构成了产业集聚识别的两个维度：经济联系强度和空间相关关系。不同于一般产业集聚测量，产业集聚识别更关注测量过程和测量方法的合理性。研究提出，产业集聚应采用多维度测量、综合进行识别。

(2)在对比分析了五种主要测量方法基础上，采用EG指数测量关中平原城市群制造业的经济联系强度，采用Moran's I指数测算其空间相关关系，最后构建平面坐标系综合识别产业集聚情况。结果表明，关中平原城市群17个制造业行业存在高经济联系强度，19个行业呈现空间正相关关系，综合识别之后15个制造业行业存在产业集聚。同时，研究表明制造业产业集聚与西咸区域发展相互作用明显，能够为关中平原城市群制造业产业优化、西安新区创新发展提供借鉴。

(3)基于EG指数和Moran's I指数构建的产业集聚综合识别方法，拓展了产业集聚测量的研究视角，能够更全面反映产业集聚程度。由于数据统计口径的差异，本文采用了规模以上工业企业数据进行测算，研究结果中可能没有反映出中小型制造企业集聚情况，值得进一步探讨分析。