研究角度与指标选取

20世纪70年代，小岛清以国际贸易中的H-O-S理论为基础，将赤松要的“雁行理论”和弗农的产品生命周期理论结合在一起，发展了产业转移理论。他认为，发达地区将在本区域内失去比较优势的产业转移到在该产业上仍具有比较优势的欠发达地区，而将资源用于本区域内具有比较优势的产业，就可以使两个地区获得“双赢”。这一理论深刻地影响了日本的对外投资和产业转移，也成为国内研究区域间产业转移的依据（陈建军，2002）。和产业转移发生在发展程度有差异的地区不同，产业同构往往是针对资源禀赋相近、产业发展程度接近的地区而言。国内的研究在提到产业同构的时候，往往以长三角为例，认为在长三角区域内产业同构现象十分严重，而产业同构现象会引起恶性竞争从而导致区域整体竞争力的下降（蔡跃洲和王瑛，2006）。另一些学者则认为，所谓的产业同构只是产业统计口径的差别，数据的粗泛是造成这一假象的原因（李清娟，2006）。

但无论是产业转移理论，还是产业同构现象，都是在产业结构的层面上来分析问题。而我们从长三角的企业跨区域发展的浪潮中发现的多个产业集聚间存在着的分工关系，则更多地站在了区域分工的角度上，即相近产业的产业集聚，在各自发展的过程中，伴随着集聚内企业的跨区域活动，又再次进行了区域间的分工。这是单从产业结构的角度无法观察到的经济现象。尽管产业集聚间的地域分工，研究的也是要素在区域间的流动，但其与产业转移、产业同构的区别在于研究角度和对象的差异。

另外，回顾我们在第2章中的文献综述可以发现，目前产业集聚理论在研究角度上存在两个明显的缺陷：

（1）对多个产业集聚间关系研究的缺乏。从本质上来说，产业集聚是生产要素在空间上集中进行专业化生产的现象和过程，本身就是劳动分工的一种形式，因此，产业集聚的发展是一个动态过程，它的发展轨迹并不是孤立和绝对的。

（2）基本产业集聚单位的缺乏。正如我们在第3章中论述的，产业集聚研究中对多个产业集聚间关系研究的缺乏，很重要的原因是来自于对产业集聚界线的模糊性，许多新经济地理的研究者都曾试图在NEG模型的框架下分析多个产业集聚的形成和演进，但因为没有找到产业集聚的明确界线，也就始终没有取得突破性的进展，多个产业集聚间的互动关系也就成为了新经济地理学的前沿问题之一（陈建军和黄洁，2008）。

可见，以上两个研究角度上的缺陷是紧密联系、相互影响的。研究产业集聚间分工就必须要建立经济和空间的二维性坐标。在本书的实证部分我们将证明把一个地级市的三位数产业集聚定义为一个基本的产业集聚单位是比较合适的。同时，与传统的产业集聚理论相比，我们研究的产业集聚间分工更倾向于生产的组织结构，而非对产业结构。

在通常的研究中，用来衡量产业集聚的指标包括胡佛系数和空间Gini系数（或称区位商）等，这些指标随着研究的深入都得到了进一步的发展和修正。其中，最有影响力的是Ellison＆Glaeser（1997）用dartboard方法修正的空间Gini系数。

1.空间Gini系数

传统的空间Gini系数的计算方法为用某地区某产业的从业人数占一国该产业总就业人数的比值，和该地区全部劳动人口占一国总劳动人口的比值相比较的结果来说明某地区某产业的集中程度。用公式表示为：

其中，i，k分别表示地区和产业。G_k为k产业的空间基尼系数，G_k=1时，全国k产业都集中于一个地区；G_k=0时，k产业在全国平均分布；系数越接近1，表明产业在地理上愈加集中。S_ik是i地区k产业就业人数占全国k产业总就业人数的比重，X_i是i地区就业人数占全国总就业人数的比重，是全国k 产业的平均份额。这种计算方法也为Krugman所采用。

2.E-G 关于产业集聚的指数

Ellison＆Glaeser（1997）认为，空间Gini系数大于零并不一定表明有产业集聚发生了，因为企业的规模是有差异的，方差的计算方法会高估一地的产业集聚度。他们提出了被后来者称为E-G 指数的产业集聚指数，计算公式如下：

其中，各指标含义如表4.1所示，γ⁰_k可被大致地看作是G_k和H_k的差值，E（γ_k）=G_k，H_k是产业中以就业人数为标准计算的企业规模分布，X_i含义同空间Gini系数。同样地，γ⁰_k∈［0，1］，γ⁰_k值越大，表明产业集聚程度越高，反之则越低。

表4.1　γ⁰_k指数各指标含义

3.测度产业集聚间分工的E-G 共同集聚指数

E-G 指数中的第二个指标γ^c_k可以用来估算产业组间（industry group）的共同集聚程度（co-agglomeration）。在区域经济学中，对地区间分工的衡量，是以比较优势理论为基础，以要素密集作为两地区分工的标准（孙杰和余剑，2007）。而统计数据并不能显示出一个国家内部行政区域之间的贸易往来，也就无法量化地区间的分工情况。但在本书的研究中，E-G 的共同集聚指数其实就是一种专业化分工指数。如果产业组内的产业是横向联系的，γ^c_k表示的就是这些产业是否趋向于将类似的生产工序或价值链制造环节在此地进行协同生产，共享信息、技术、劳动力和中间产品，根据各自不同的要素密集程度和自然禀赋，生产差异化的产品。这样一来，γ^c_k表示的就是水平分工水平。如果产业组内的产业是上下游关系的，那么，γ^c_k反映的就是这些产业在一地区内的垂直分工水平（Ellison＆Glaeser，1997），Ellison＆Glaeser（1997）用100个上下游产业的共同集聚估测了它们之间的垂直分工水平（co-agglomeration with upstream and downstream relationships）。计算公式为：

其中，ω_l表示l产业在k产业组中的产值比重，L表示k这个产业组包含了L个子产业。E（γ^c_k）=G_k，γ^c_k∈［-1，1］，γ^c_k越接近于1，则产业间的关联性程度越高，越接近于-1就意味着相互之间的关系越松散。γ^c_k＜0时，表示k产业群中的产业相互间的离心力大于集聚力，而γ^c_k＞0则相反。在区域经济学中，对地区间分工的衡量，是以比较优势理论为基础，以要素密集作为两地区分工的标准。而统计数据并不能显示出行政区域之间的贸易往来，也就无法量化地区间的分工情况。但在本书研究的产业集聚中，采用的E-G 指数其实就是一种专业化分工指数。

4.简化了的地区E-G 指数

E-G 指数的好处是显而易见的，它排除了空间Gini系数中大规模企业对产业集聚的夸大估计，能从更为客观的角度量化产业集聚的程度；同时，也提供了量化产业间溢出效应的工具。但E-G 指数对数据的要求很高，特别是要计算各个产业的赫芬达尔指数，要求有精确到企业层面的微观数据作为支撑。Devereux et al.（2002）对此作出了简化，他们将γ^c_k简化为（各因子的意义同γ^c_k计算公式），β^c_k为γ^c_k的无偏估计。从β^c_k指数本身而言，它表示的是长三角地级市之间的区域产业的溢出效应，但国内的实证研究中也有学者以此估算产业同构系数（路江涌和陶志刚，2006）。本书利用这个指数固有的含义，将该公式中表示产业的k置换成表示地区的r，来构造表示地区间溢出效应的β^c_r。

类似G_k的含义，G_r=（m_k-x_k）²，m_k表示r地区k产业的工业总产值占r地区工业总产值的比重，x_k表示全国k产业的工业总产值占全部工业总产值的比重。

5.本书采用的方法

本章将6年总计86万余家企业的数据作为基本的数据库，以地级市三位数产业集聚作为一个基本的产业集聚单位，从中计算每个基本单位的s_ik，以及每个地级市的x_i，然后得出该产业集聚的空间Gini系数和γ⁰_l。同样地，我们又以地级市二位数产业的企业数据为样本，在E-G 指数下计算了长三角二位数产业集聚的情况，用γ⁰_k表示。接着对地级市三位数产业集聚间的分工程度进行了估算，用γ^c_k表示（陈建军和黄洁，2009）。最后，在第6章中，我们还将计算长三角地区性因素对产业集聚的影响，用β^c_r表示。

特别需要指出的是，在分析产业集聚间分工的时候，我们采用了以一个二位数产业作为一个产业组的方法：先计算浙江、江苏、上海三省市二位数产业在地级市层面上的集聚情况，再选取每个二位数大类产业作为一个产业组，观察隶属于一个二位数产业的三位数产业集聚之间的分工程度。虽然通常在提到产业关联时，研究的是上下游产业间的纵向联系，用投入-产出表来反映产业的关联，但从马歇尔共享技术溢出、劳动力集中和中间产品丰富的角度看，麻织工业和棉纺织工业之间的联系不会弱于棉花原产地和棉纺织工业的关系；制造业的分类划分是按照最终产品的相似性标准的，也就是说，制造业的产业分类反映了产品间的差异性或上下游关系的片段。如二位数代码17，代表的是纺织业，它包含了171-棉、化纤纺织及印染精加工、172-毛纺织和染整精加工、173-麻纺织、174-丝绢纺织及精加工这四个差异性中间产品；它们和175-纺织制成品制造、176-纺织带和帘子布制造、177-针织品、编制品及其制品制造之间存在着部分的纵向产业关联。因此，在这里用二位数产业和三位数产业之间的关联可以比单纯的投入-产出关系更好地反映出产业集聚间分工的复杂种类，也更符合杨小凯等人对分工的定义和马歇尔、克鲁格曼所提到的“外部规模经济”。

因为对地区产业多样化的计算中，规模较大的企业并不会影响最终值的判断，因此对β^c_r的计算采用了Devereux et al.（2002）的简化方法，并用于衡量产业集聚间分工对地区产业多样化的贡献，从而从总体上衡量产业集聚间分工对地区竞争优势的作用（马国霞等，2007）。

特别地，在H_k的计算过程中，由于考虑到每个产业所包含的企业数量是不同的，很难对其找到一个适用于所有产业的N值，因此本书在计算赫芬达尔指数时对其进行了修正，取N=10（表4.2），但并不直接从长三角地区中直接筛选，而是把地级市中的前10位企业的赫芬达尔指数作为H_ik，再赋予H_ik一个权数s_ik，有。这样，虽然γ⁰_k′不再是γ⁰_k的无偏估计，但E（γ⁰_k′）=E（γ⁰_k）仍然成立。

表4.2　本书计算中用到的参数与相对应的数据