产业集聚度的测算(最新整理)
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是指相同或相关产业在其中一特定区域内集中发展的现象。
产业集聚有助于形成产业链、提高经济效益和技术创新能力。
因此，准确测度产业集聚度对于政府和企业进行产业政策制定和投资决策具有重要意义。
目前，对于产业集聚度的测度方法有很多，常用的包括GL指数法、Moran’s I指数法、离散熵法、Herfindahl-Hirschman指数（HHI）和熵法等。
下面将对这几种方法进行比较。
首先是GL指数法，该方法综合考虑了产出、就业和投资三个方面的数据，是比较常用的一种测度方法。
GL指数法可较全面地反映一个地区内产业的集中程度，但其计算相对复杂，需要大量的就业和投资数据，且对于空间数据的要求较高。
其次是Moran’s I指数法，该方法主要考虑的是空间上的相关性。
它通过计算各个地区间的产业相关系数，来评估产业在空间上的集聚程度。
该方法适用于具有空间关联性的产业，但并不适用于考虑其他因素（如产业规模和投资水平）的情况。
离散熵法是另一种常用的测度方法，它通过计算一个地区内不同产业间的差异程度，来评估产业的集聚程度。
该方法适用于需要考虑产业间的差异性的情况，但它主要考虑的是产业之间的差异，而没有考虑到产业在区域内的分布情况。
Herfindahl-Hirschman指数（HHI）是衡量产业市场集中度的常用指标，也可用于测度产业集聚度。
HHI指数通过计算各个地区内不同产业的市场份额，来评估产业的集聚程度。
但该方法主要考虑的是市场份额，而不太考虑其他因素（如就业和投资）。
最后是熵法，它通过计算各个地区内不同产业的信息熵，来评估产业的集聚程度。
熵法是一种较为常用的综合性测度方法，可以同时考虑产业的规模、分布和差异等因素，但计算相对复杂，需要大量的数据支持。
综上所述，不同的测度方法适用于不同的情况和需求。
GL指数法和Moran’s I指数法适合评估产业的空间集聚程度；离散熵法适合考虑产业间的差异性；Herfindahl-Hirschman指数和熵法适合综合考虑产业的规模、分布和差异等因素。
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一、标准差比例指数（SD Ratio）标准差比例指数是用来衡量企业在一个地域范围内聚集程度的方法之一、它的计算公式为SD Ratio = (标准差/平均值) * 100。
该方法可以直观地给出一个地区的产业分布的稳定程度，当SD Ratio越高时，表示产业集聚度越高。
二、本聚指数（Location Quotient）本聚指数是用来衡量一个地区特定产业在国家或地区整体产业中的比重程度。
它的计算公式为LQ=(地区特定产业的就业人数/地区所有产业的就业人数)/(国家或地区特定产业的就业人数/国家或地区所有产业的就业人数)。
当LQ大于1时，表示该地区的产业集聚度高于国家或地区整体水平，说明该地区在该产业上有较高的竞争力和优势。
三、格兰斯贝克指数（Gini Coefficient）格兰斯贝克指数是用来衡量地区产业集聚度不平衡程度的方法之一，它的计算公式为Gini = 1 - (2 * 集聚度区域面积)。
Gini值越大，表示该地区的产业集聚度越不平衡，即存在较大的集聚区和较多的边缘化地区。
四、差异系数（Coefficient of Variation）差异系数是用来衡量不同地区内部产业集聚度差异的方法之一，它的计算公式为CV=(标准差/平均值)*100。
通过计算不同地区的差异系数，可以判断不同地区内部产业分布的不均匀程度。
以上几种方法各有其优势和适用范围。
标准差比例指数可以直观地反映产业分布的稳定程度，适用于研究地区内部产业聚集程度的差异。
本聚指数适用于比较不同地区特定产业在国家或地区整体产业中的比重，可以判断地区的产业竞争力。
格兰斯贝克指数可以衡量地区产业集聚度的不平衡程度，适用于研究地区内部产业集聚的均衡性。
差异系数适用于比较不同地区内部产业聚集度的差异，可以揭示地区产业分布的不均匀程度。
综上所述，不同的产业集聚度测度方法在衡量地区产业集聚度时各有其独特的作用和适用范围。
结合这些方法的应用，可以全面地了解一个地区的产业集聚情况，为地区经济发展提供参考和指导。
产业地理集中的衡量指标及其计算方法
产业地理集中的衡量指标及其计算方法首先，对一些符号含义进行说明。
本文研究范围为制造业，用m 代表一个国家的地区个数，i 代表其中的一个地区，则有：i=1，2，…，m 。
用n 代表一个国家制造业所包括的行业个数，k 代表其中一个行业，则有k=1，2，…，n 。
产业地理集中是以区域为自变量来考察具体产业在地理空间的分布状况，衡量指标有绝对指标和相对指标之分，常用指标如下：（一）绝对指标1. 产业集中度（concentration ration of industry ）产业集中度指某产业规模最大的前几个地区总产值（或者增加值，就业人数）占整个产业总产值（或者增加值，就业人数）的份额之和，其公式为：∑==Niki n CR 1s其中，CR n 代表前N 个地区的产业集中度，ki s 为k 产业i 地区的总产值占全国k 产业总产值的比重，N 为前几个地区的数目。
产业集中度是最简单、最常用的绝对指标，可以衡量某一产业的竞争程度。
但存在局限性：产业集中度指标主要受地区个数和地区市场分布两个因素影响，该指标仅考虑前几个地区的情况，比较片面；选取地区的数目是人为主观确定的，可以选择前3个、前5个、或前8个等，导致指标结果随机波动。
2. 赫希曼—赫芬达尔指数（Hirschman －Herfindahl index ，简称 H 指数） H 指数最初由赫希曼（A.Hirschman ）提出，后经哥伦比亚大学的赫芬达尔（O.Herfindahl ）进一步发展，成为产业组织理论中衡量市场竞争和垄断关系的常用指标。
H 指数是一个产业中所有企业市场份额的平方和。
近年来经济地理学家用该指标来衡量特定行业的空间集聚程度时，其计算公式为：21211∑∑∑====⎪⎪⎪⎭⎫ ⎝⎛=mik im i m i ki kisX X H其中，k i X 代表k 产业在i 地区的就业人数(或产值)，∑=mi k i X 1为k 产业在一国范围内的总就业人数，k i s 表示k 产业在i 地区就业人数（或者产值）占全国的份额。
产业集群的测度方法
产业集群的测度方法产业集群是由具有相关产业链和密集分布的企业、相关机构和服务单位组成，形成某一特定地域内的产业集聚现象。
对于一个产业集群的测度，可以从以下几个方面进行考察和评估。
首先，可以从产业集群的规模和密度来进行测度。
规模指的是产业集群所涉及的企业数量和从业人员规模，而密度则是指产业集群内企业之间的联系和关联程度。
可以通过统计数据和现场调研等方法，了解产业集群的规模和密度，并进行比较分析。
其次，可以从产业集群的价值链和产业链来进行测度。
价值链是指产业集群中各个企业在价值创造过程中的分工和合作关系，而产业链则是指产业集群所涉及的产业之间的上下游关系和协同作用。
可以通过调研和分析企业之间的业务联系、合作情况和价值传递方式，评估产业集群的价值链和产业链的完整性和协同程度。
第三，可以从产业集群的人才集聚和技术创新能力来进行测度。
人才集聚是指产业集群中各个企业所聚集的高素质人才数量和质量，技术创新能力则是指产业集群中企业的研发投入和技术创新成果。
可以通过调查和统计产业集群内的人才数量、教育背景、技术专长以及企业的研发投入和技术创新成果等指标，评估产业集群的人才集聚和技术创新能力。
此外，可以从产业集群的市场竞争力和国际影响力来进行测度。
市场竞争力是指产业集群中企业在市场上的竞争地位和市场份额，国际影响力则是指产业集群所涉及的产业在国际市场上的竞争力和影响力。
可以通过市场调研、企业销售数据和国际评比等方法，评估产业集群的市场竞争力和国际影响力。
最后，可以从产业集群的政策支持和服务体系来进行测度。
政策支持是指政府对产业集群的扶持政策和措施，服务体系则是指产业集群所涉及的相关机构和服务单位的配套服务。
可以通过政策文件分析和企业调研等方法，评估产业集群的政策支持和服务体系的完善程度。
综上所述，对于产业集群的测度可以从产业集群的规模和密度、价值链和产业链、人才集聚和技术创新能力、市场竞争力和国际影响力以及政策支持和服务体系等多个方面进行考察和评估。
产业集聚度的测算
一 产业集聚度概念和测度方法产业集中度的概念：产业集中度也叫市场集中度，是指市场上的某种行业内少数企业的生产量、销售量、资产总额等方面对某一行业的支配程度，它一般是用这几家企业的某一指标（大多数情况下用销售额指标）占该行业总量的百分比来表示。
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有关数值(销售额、就业人数、生产额等) 占整个行业的份额来度量。
计算公式为：11n i i n N i i XCR X===∑∑其中n CR 代表X 产业的集聚度，1ni i X =∑代表规模最大几个地区X 产业的销售额或者生产额、就业人数等，1Ni i X =∑代表全部地区X 产业的销售额或者生产额、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：11E /i i ij n n i i i i q Q q Q ===∑∑ 其中E ij 表示某区域i 部门对于高层次区域的区域熵；i q 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)；i Q 为高层次区域部门的有关指标； n 为某类产业的部门数量。
E ij 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。
产业集聚测度方法
产业集聚测度方法产业集聚是指相同或相关产业在特定区域内聚集，并形成规模经济效应、创新效应和外部经济效应的现象。
产业集聚能够提高企业之间的合作与交流，促进技术创新和资源共享，提高产业竞争力。
对于政府和企业来说，了解和测度产业集聚的情况是非常重要的，可以帮助他们确定合适的产业发展政策和战略。
本文将介绍几种常用的产业集聚测度方法。
1.拉依达指数（LQ指数）拉依达指数是最常见的产业集聚测度方法之一、它的计算方法是将一些产业在特定地区的就业人口占全国同业人口的比例与该产业在该地区的就业人口占全地区总就业人口的比例相除，以衡量其中一特定地区其中一特定产业的就业水平与全国平均水平的关系。
LQ指数介于0和1之间，LQ>1表示该产业在该地区的集聚程度高于全国水平，LQ<1表示低于全国水平。
2.基尼系数基尼系数是一种衡量产业分布不平衡的指标。
基尼系数介于0和1之间，0表示完全均衡，1表示完全不均衡。
基尼系数的计算方法是将其中一地区各个产业的产值按照大小排列，然后计算累计产值占总产值的比例，最后将这些比例的差值加总除以总数得到基尼系数。
基尼系数越大，表明该地区产业集聚程度越低。
3.空间自相关分析空间自相关分析是一种基于地理信息系统的产业集聚测度方法。
它通过计算不同地区间的产业相关性来确定是否存在产业集聚。
常用的空间自相关分析方法包括Moran's I指数和Geary's C指数。
这些指数通过计算各地之间的距离和产业数据之间的相关性来判断产业集聚的强度和分布情况。
4.综合测度方法除了上述单一的测度方法外，也可以采用综合的测度方法来评估产业集聚情况。
这种方法可以综合考虑各种指标，如产业规模、产值增速、研发投入等，计算出一个综合指数来判断产业集聚的程度。
综合测度方法更加全面和客观，能够从多个角度评估产业集聚的情况，为政府和企业提供更准确的参考依据。
总之，产业集聚的测度方法有很多，不同的方法适用于不同的情况。
产业集聚度的测算
一产业集聚度概念和测度方法产业集中度的概念：产业集中度也叫市场集中度，是指市场上的某种行业内少数企业的生产量、销售量、资产总额等方面对某一行业的支配程度，它一般是用这几家企业的某一指标(大多数情况下用销售额指标)占该行业总量的百分比来表示。
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有关数值(销售额、就业人数、生产额等)占整个行业的份额来度量。
计算公式为：nX iCR n 1X ii 1n其中CR n代表X产业的集聚度，X i代表规模最大几个地区X产业的销售额i 1N或者生产额、就业人数等，X i代表全部地区X产业的销售额或者生产额、i 1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 q i / Q i匚j ~/ ~nq i Q ii 1 i 1其中E j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E域部门的有关指标；n为某类产业的部门数量。
E j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(Hefindahl-Hirschman index )该指数是衡量产业集聚程度的重要指标，最初由 A. Hirschma n 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“结构一一行为一一绩效”(SCP) 理论。
产业集聚度的几种测算方法
产业集聚度的几种测算方法第一种方法是格里芬指数（Gini coefficient）。
格里芬指数最初用于测算个体之间的收入不平等程度，后来也被应用于衡量产业集聚度。
格里芬指数的计算方法如下：1.收集区域内所有企业的市场份额数据，份额可以是销售额、就业人数、净利润等。
2.将这些份额按照从小到大的顺序排列，并计算企业市场份额的累计占比。
3.根据累计占比计算格里芬系数，公式为：G=(n+1)/n-(2×累计份额占比)格里芬指数的取值范围为0到1，值越高表示产业集聚度越高。
第二种方法是默顿指数（Herfindahl index）。
默顿指数用于衡量市场份额集中度，也可以用于衡量产业集聚度。
计算方法如下：1.收集区域内所有企业的市场份额数据，份额可以是销售额、就业人数、净利润等。
2.将这些份额按照从小到大的顺序排列，并计算企业市场份额的平方。
3.将所有企业的市场份额平方相加，得到总和。
4.根据总和计算默顿指数，公式为：H=总和默顿指数的取值范围为0到1，值越高表示产业集聚度越高。
第三种方法是位置熵（Location entropy）。
位置熵用于测算不同地区之间同一产业占比的差异程度，可以反映产业集聚的情况。
计算方法如下：1.统计不同地区内同一产业的市场份额数据，份额可以是销售额、就业人数、净利润等。
2.计算每个地区内同一产业份额的占比，并计算位置熵，公式为：E = -∑(p × log(p))位置熵的取值范围为0到1，值越高表示产业集聚度越高。
此外，还有一些其他方法可以用于测算产业集聚度，如罗森鲍姆指数、可达性指数等。
这些方法都在不同的背景和需求下应用，可以根据具体情况选择适当的方法。
总之，产业集聚度的测算方法多样，可以根据数据可获得性和研究目的选择合适的方法进行测算。
不同的方法有不同的特点和适用范围，需要根据具体情况进行选择和应用。
(完整版)产业集聚测量方法
摘要：本文介绍了目前常用的产业集聚测量方法，主要包括：行业集中度、赫芬达尔指数、熵指数、空间基尼系数、E－G指数。
通过对比分析，阐述了各种测量方法的优缺点。
分析认为，E－G指数是测量产业集聚比较适合的方法，但受制于数据的可获取性。
关键词：产业集聚测量一、前言区域经济理论认为，产业集聚对一个地区整体产业竞争力及区域经济增长具有重要影响。
因此推动产业集聚成为了许多地方政府发展区域经济的重要手段。
制定产业集聚相关政策必须以实证研究为基本前提，而对于产业集聚的实证研究，一个最根本的问题是如何测度产业的集聚度水平，因为无论是单纯进行产业集聚的研究还是探讨产业集聚对经济增长、经济稳定以及其他方面的影响，它都直接影响到最终研究结论的可信程度。
二、产业集聚常用的测量方法目前比较常用的产业集聚测量方法主要有：行业集中度、赫芬达尔指数、熵指数、空间基尼系数、E－G集聚指数。
1、行业集中度行业集中度是一种比较简单的指标，用来衡量某产业规模最大的前几个地区在全国所占的份额。
其计算公式如下：其中IC代表行业集中度；A i代表产业A中排名第i位区域的产值或者销售额、从业人员等；N代表产业A中的地区数目。
上式表明行业集中度等于产业A中规模排名前n位 (n一般取4或8)的区域企业规模之和占产业A全国总规模的比例。
由于IC主要反映行业在几个区域的集中程度，没有涉及到行业的企业数目与行业总规模之间的差异，行业集中系数就是为了弥补这个缺陷。
以P表示计算的企业占行业企业总数的比例：那么，行业集中系数 CC可表示为：行业集中度与集中系数能够形象地反映产业区域集中水平以及行业中企业数量的影响，测算方法便捷直观。
然而，行业集中度指标存在一些缺点:第一，仅说明了产业分布规模最大的几个地区的情况，而忽略了其余地区的规模分布情况；第二，不能反映最大几个地区的个别情况；第三，存在选取规模最大的区域数目不同集中度结果不同的问题。
因此，一般较少单独用来测度产业集聚的情况，更多的是把它作为一个辅助指标。
产业集聚度的测算.pdf
一 产业集聚度概念和测度方法产业集中度的概念：产业集中度也叫市场集中度，是指市场上的某种行业内少数企业的生产量、销售量、资产总额等方面对某一行业的支配程度，它一般是用这几家企业的某一指标（大多数情况下用销售额指标）占该行业总量的百分比来表示。
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有关数值(销售额、就业人数、生产额等) 占整个行业的份额来度量。
计算公式为：11n i i n N i i XCR X===∑∑其中n CR 代表X 产业的集聚度，1ni i X =∑代表规模最大几个地区X 产业的销售额或者生产额、就业人数等，1Ni i X =∑代表全部地区X 产业的销售额或者生产额、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：11E /i i ij n n i i i i q Q q Q ===∑∑ 其中E ij 表示某区域i 部门对于高层次区域的区域熵；i q 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)；i Q 为高层次区域部门的有关指标； n 为某类产业的部门数量。
E ij 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。
论产业集聚度的测度
论产业集聚度的测度摘要：随着产业集聚理论的不断发展成熟，一系列衡量产业集聚度的指标应运而生，其中最具代表性的即是区位基尼系数，它的出现为我们测度产业集聚提供了一个很好的工具。
详细论述了区位基尼系数的产生、发展以及运用时应当注意的问题，以期更好地运用区位基尼系数解释、预测社会经济的运行。
关键词：产业集聚；区位基尼系数；分析工具1 区位基尼系数的应用1.1 产业集聚理论的发展早在上世纪20年代，韦伯（A·Weber）和马歇尔（A · Marshall）就对产业集聚的问题给予了高度的重视，并由此开辟了一个新的研究领域——空间经济。
进入20世纪80年代，世界范围内产业集聚明显加快，各种形式的产业集聚现象大量涌现，一大批著名的经济学家敏锐地观察到了这一趋势，开始介入到产业集聚的空间或区域问题的研究，并希望将其引入到主流经济学的范畴。
在这些工作中，首推以保罗·克鲁格曼(Krugram，Paul)等为代表的“新经济地理学”的贡献。
克鲁格曼甚至认为“新经济地理学”是继新产业组织理论、新贸易理论和新增长理论之后的最新经济理论前沿。
随着产业集聚理论的不断发展成熟,现在该理论已经成为经济学、管理学等诸多学科的研究热点。
深入地研究集聚理论，不仅要探索产业集聚的形成机理以及动力机制等定性因素，而且要求产业集聚度量等定量分析，以便更好地检验或者完善产业集聚理论。
在这一要求下，一系列衡量产业集聚度的指标应运而生，如标准差系数、集中率、集中指数、区位基尼系数等，其中最具代表性的应该是区位基尼系数。
区位基尼系数的产生要追溯到洛伦茨，洛伦兹（M · Lorenz）在研究居民收入分配时，发现将居民家庭户数累积百分比与居民收入百分比联系在一起，可以揭示收入分配的均衡性。
这种揭示社会分配公平程度的曲线即为洛伦兹曲线，虽然洛伦兹曲线以图示的方法直观形象地反映了社会分配的均衡程度，但却不能达到精确计量的要求，为此，意大利著名经济学家基尼（Gini，1912）根据洛伦兹曲线，创造性地提出了精确计算收入分配均衡程度的统计指标，即基尼系数。
辽宁省生产性服务业集聚的水平测度与效率评价
辽宁省生产性服务业集聚的水平测度与效率评价随着国家对服务业的逐步重视和产业结构的不断调整优化，生产性服务业集聚越来越成为推动区域经济发展的重要力量。
辽宁省服务业经济发达地区比较集中，但是各地的生产性服务业发展水平存在差异，如何准确测度和评价其集聚水平和效率，对于指导地方产业结构调整，提高经济效益具有重要意义。
本文将从辽宁省生产性服务业集聚的测度和效率评价两个方面进行探讨。
1. 集聚程度测度集聚程度是衡量生产性服务业聚集程度的重要指标，一般用“聚集程度指数”来表达。
其计算公式为：C=（n/（n-1））×（s2/σ2-1/n）其中，n为区域内生产性服务业数量，s2和σ2分别为样本方差和总体方差。
较高的聚集程度指数表明生产性服务业在某一区域内的聚集程度越高，呈现出更强的集聚效应。
2. 空间关联测度生产性服务业集聚往往表现为空间集聚现象，通过空间关联测度可以判断不同服务业之间的关联度。
一般采用Moran's I指数来测度，其计算公式为：I = n/（ΣΣwij）× (ΣΣwij(xi,xj) )) / S其中，n为样本容量，wij代表空间位置上的权重矩阵，S为总体方差。
Moran's I指数在-1到1之间取值，值越大代表着空间上的高度集聚关系。
3. 拓扑结构测度拓扑结构是指生产性服务业集群之间的空间关系，是测度服务业集聚的重要方法。
通常采用网络分析的方法来评价拓扑结构，如节点度中心性和介数中心性等指标。
节点度中心性：用来测量该节点与其他相关节点的连接程度，计算公式如下：C_i = （k_i）/（n-1）其中ki为该节点的度数，n为节点集的总数。
介数中心性：用来测量该节点在整个网络中的中介程度，即在网络的任意两点之间找到的最短路径中，该节点被算作中介点的次数。
计算公式如下：C_i = Σj<kij<p（gij/pj）其中，kij表示节点i和j之间的最短路径条数，gij表示kij条路径中经过节点i的路径数，pj表示从节点j出发到达所有其他节点的路径数。
产业集聚测量方法
产业集聚测量方法
1. 雷尼指数（Reynolds Index）：雷尼指数是最早用于测量产业集聚的指标之一，它通过计算一个地区或行业中的企业数量与市场份额之间的关系，来评估集聚程度。
雷尼指数越大，表示集中程度越高。
2. Gini系数：Gini系数是一种用于衡量收入分配差距的指标，也可以用于测量产业集聚。
它通过计算企业间市场份额的不平等程度来评估产业集聚情况。
Gini系数越大，表示集聚程度越高。
3. 弹性系数（Elasticity Index）：弹性系数是一种基于经济学理论的测量方法，它通过计算企业就业弹性和产出弹性来评估产业集聚的效果。
就业弹性指标衡量了从业人员对需求变化的敏感程度，而产出弹性指标衡量了产出对需求变化的敏感程度。
弹性系数越高，表示产业集聚效果越好。
4. 空间计量模型：空间计量模型是一种用于分析地理空间中产业集聚的统计方法。
它通过计算企业之间的空间相关性和空间自相关性来评估产业集聚的程度。
常用的空间计量模型有空间Durbin模型、空间滞后模型和空间误差模型等。
以上是几种常用的产业集聚测量方法。
每种方法都有其优缺点，适用于不同的研究目的和数据类型。
因此，在实际应用中，可以结合多种方法进行综合分析，以得出更准确和全面的结论。
产业集聚测度方法
1．赫芬代尔系数和赫希曼-赫芬代尔系数赫芬代尔系数是各区域某产业产值或就业比重的平方和，即∑=ii s H 2如果所有经济活动都集中在一个区域，那么H=1最大，如果经济活动平均分布在各个区域，H=1/n 。
这个系数实际上仅衡量了产业的空间分布，并没有与其他经济活动相对比较，衡量的是产业绝对集中程度。
为了衡量产业的相对集中程度，赫希曼改善课赫芬代尔系数，()21∑=-=m j j ij i x s HH其中s ij 表示产业i 在区域j 中的就业或产值比重，x j 区域j 中的总就业或者产值占全国的比重。
如果某产业的就业或产值的空间分布与总体经济活动是一致的，那么HH 值为零。
2．信息熵和锡尔系数信息熵原本用来测量一个系统的复杂程度。
一个产业的空间分布越分散，表明这个系统越复杂；反之，产业在空间上越集中，则该系统越简单。
产业空间分布的信息熵如下()()i ij ji ij i x x x x E /ln /∑-=其中x ij 表示产业i 在区域j 中的就业人数或产值，x i 产业i 的总就业人数或总产值。
如果某个产业全部集中在一个区域，E 值为零。
锡尔系数经常用来测量收入的区域差异，也可以衡量产业的地理集中程度，计算如下：⎪⎪⎭⎫ ⎝⎛-=∑=J x x x x T i ij Jr i ij i 1log log 1 其中x ij 产业i 在区域j 总的就业或产值，x i 产业i 的总就业或总产值，J 为总区域数。
3．基尼系数基尼系数将某产业分布于其他产业对比，是使用最广泛的系数之一，计算公式如下：ik ij k j i s s n G -=∑∑μ221其中s ij 和s ik 事产业i 在区域j 和k 的比重，μ是产业在各个区域比重的平均值，n 为区域个数。
基尼系数等于洛伦兹曲线与45°线之间面积的两倍，洛伦兹曲线是基于s ij 递增排序，并将累计s ij 置于纵轴，而累计的区域数置于横轴绘制而成的。
产业集聚度的测度方法和区位熵
产业集聚度的测度方法和区位熵
区位熵是由经济地理学家阿尔弗雷德·韦伯于1909年提出的概念，
用于衡量产业集聚度。
区位熵是根据产业在地理上的相对分布情况计算的。
区位熵的计算方法如下：
首先，确定研究区域的范围和要研究的产业类型。
然后，将研究区域划分为若干个单位区域（例如县级单位或乡镇单位）。
接下来，根据产业在每个单位区域的就业人数或产值等指标，计算每
个单位区域内产业的相对分布情况。
最后，根据单位区域内产业的相对分布情况，计算区位熵的值。
区位
熵的计算公式为：
E = - ∑(pi * log(pi))
其中，pi表示第i个单位区域内的产业就业人数或产值占总区域内
产业总就业人数或产值的比重，log表示以2为底的对数。
区位熵的数值范围为0到1之间，数值越小表示产业的集聚度越高，
数值越大表示产业的分散度越高。
区位熵的优点是简单易计算，并且能够综合考虑地理上的相对分布情况。
然而，区位熵也存在一些局限性。
首先，区位熵只能反映产业在空间上的集聚程度，无法考虑其他因素
对产业集聚度的影响。
其次，区位熵的计算结果受到单位区域的划分方式和产业类型的选择等因素的影响，可能存在主观性和不确定性。
此外，区位熵只能测度当前时期的产业集聚度，无法对产业集聚度的变化趋势进行预测。
因此，在进行产业集聚度的测度时，需要综合考虑区位熵以外的其他因素，例如产业链条的完整度、企业间的关联度、创新能力等，以充分评估产业集聚的程度和发展潜力。
产业集聚测度方法
1．赫芬代尔系数和赫希曼-赫芬代尔系数赫芬代尔系数是各区域某产业产值或就业比重的平方和，即∑=ii s H 2如果所有经济活动都集中在一个区域，那么H=1最大，如果经济活动平均分布在各个区域，H=1/n 。
这个系数实际上仅衡量了产业的空间分布，并没有与其他经济活动相对比较，衡量的是产业绝对集中程度。
为了衡量产业的相对集中程度，赫希曼改善课赫芬代尔系数，()21∑=-=m j j ij i x s HH其中s ij 表示产业i 在区域j 中的就业或产值比重，x j 区域j 中的总就业或者产值占全国的比重。
如果某产业的就业或产值的空间分布与总体经济活动是一致的，那么HH 值为零。
2．信息熵和锡尔系数信息熵原本用来测量一个系统的复杂程度。
一个产业的空间分布越分散，表明这个系统越复杂；反之，产业在空间上越集中，则该系统越简单。
产业空间分布的信息熵如下()()i ij ji ij i x x x x E /ln /∑-=其中x ij 表示产业i 在区域j 中的就业人数或产值，x i 产业i 的总就业人数或总产值。
如果某个产业全部集中在一个区域，E 值为零。
锡尔系数经常用来测量收入的区域差异，也可以衡量产业的地理集中程度，计算如下：⎪⎪⎭⎫ ⎝⎛-=∑=J x x x x T i ij Jr i ij i 1log log 1 其中x ij 产业i 在区域j 总的就业或产值，x i 产业i 的总就业或总产值，J 为总区域数。
3．基尼系数基尼系数将某产业分布于其他产业对比，是使用最广泛的系数之一，计算公式如下：ik ij k j i s s n G -=∑∑μ221其中s ij 和s ik 事产业i 在区域j 和k 的比重，μ是产业在各个区域比重的平均值，n 为区域个数。
基尼系数等于洛伦兹曲线与45°线之间面积的两倍，洛伦兹曲线是基于s ij 递增排序，并将累计s ij 置于纵轴，而累计的区域数置于横轴绘制而成的。
(完整版)产业集聚度的测算
一 产业集聚度概念和测度方法产业集中度的概念：产业集中度也叫市场集中度，是指市场上的某种行业内少数企业的生产量、销售量、资产总额等方面对某一行业的支配程度，它一般是用这几家企业的某一指标（大多数情况下用销售额指标）占该行业总量的百分比来表示。
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有关数值(销售额、就业人数、生产额等) 占整个行业的份额来度量。
计算公式为：11n i i n N i i XCR X===∑∑其中n CR 代表X 产业的集聚度，1ni i X =∑代表规模最大几个地区X 产业的销售额或者生产额、就业人数等，1Ni i X =∑代表全部地区X 产业的销售额或者生产额、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：11E /i i ij n n i i i i q Q q Q ===∑∑ 其中E ij 表示某区域i 部门对于高层次区域的区域熵；i q 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)；i Q 为高层次区域部门的有关指标； n 为某类产业的部门数量。
E ij 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。
最新论产业集聚度的测度
论产业集聚度的测度从对表二绝对量指标的分析来看，基本也能得出与上文分析我国区位基尼系数时相一致的结论。
占行业产值最高的五省市的资源禀赋型行业产值，几乎都占了全国总产值的一半以上（虽然这种绝对量在下降）；资本技术密集型行业如普通机械制造业和专用设备制造业，产量最高的五省市所占比例全国总量也较高；而食品制造业和饮料制造业这两个劳动密集型产业所占全国的比例最低。
（2）区位基尼系数的产业适用问题。
区位基尼系数是随着产业集聚理论的产生、发展而发展起来的，而产业集聚只是一个相对普遍的经济现象，并非所有的产业都具有集聚的特征，这也是现实经济生活中并非所有的二三产业都集中在大城市的原因。
适合应用区位基尼系数的产业应是那些具有良好规模经济效应，能产生集聚效益的产业，而一般规模经济效应弱，集聚效益小的广布产业，由于分散本身就是它的特征，也就不适合用此工具来探索其集聚程度。
比如农业，由于其必须依靠无法产生位置变动的生产要素——土地，也就无所谓集聚与否了。
（3）区位基尼系数因地域或行业选取标准差异而不同。
所谓区位选取差异，主要是指在计算区位基尼系数时，选取的区位大小等级单位。
如果把研究的整体只分成一个区位，那么区位基尼系数肯定为1；如果把研究的整体区域无限地分割下去，以至于一个企业所在的地方就是一个区位，那么区位基尼系数将逐渐接近于0。
现实中研究都不可能采取这两种极端的划分方法，而是在两者之间进行适当划分。
区位选取单位的大小，必须依据具体的研究内容，依据研究地区的经济情况而定。
一般情况下，应该将经济研究的整体区域划分成若干个同质的经济区位，再进行区位基尼系数的计算。
因为产业集聚具有地域性的特点，客观上不同产业有向不同区域集聚的趋势，同质区域的划分更适宜于区位基尼系数的应用。
我国学者在计算区位基尼系数时，往往基于行政地理单元，但是人为行政界线确立的各个地理单元显然是不同质的，因此，也影响了对产业集聚的精确度量。
行业选取标准差异，指产业选取时采用的分类标准差别问题。
(2020年整理)产业集聚度的测算.doc
一 产业集聚度概念和测度方法产业集中度的概念：产业集中度也叫市场集中度，是指市场上的某种行业内少数企业的生产量、销售量、资产总额等方面对某一行业的支配程度，它一般是用这几家企业的某一指标（大多数情况下用销售额指标）占该行业总量的百分比来表示。
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有关数值(销售额、就业人数、生产额等) 占整个行业的份额来度量。
计算公式为：11nii n Nii X CR X===∑∑其中n CR 代表X 产业的集聚度，1ni i X =∑代表规模最大几个地区X 产业的销售额或者生产额、就业人数等，1Ni i X =∑代表全部地区X 产业的销售额或者生产额、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：11E /iiij nni ii i q Q q Q===∑∑其中E ij表示某区域i 部门对于高层次区域的区域熵；i q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)；iQ 为高层次区域部门的有关指标； n 为某类产业的部门数量。
E ij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。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一 产业集聚度概念和测度方法产业集中度的概念：产业集中度也叫市场集中度，是指市场上的某种行业内少数企业的生产量、销售量、资产总额等方面对某一行业的支配程度，它一般是用这几家企业的某一指标（大多数情况下用销售额指标）占该行业总量的百分比来表示。
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有关数值(销售额、就业人数、生产额等) 占整个行业的份额来度量。
计算公式为：11n i i n N ii XCR X===∑∑其中代表X 产业的集聚度，代表规模最大几个地区X 产业的销售额n CR 1ni i X =∑或者生产额、就业人数等，代表全部地区X 产业的销售额或者生产额、1Ni i X =∑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：11E /i i ij n n i i i i q Q q Q ===∑∑其中表示某区域i 部门对于高层次区域的区域熵；为某区域部门的有关E ij i q指标(通常可用产值、产量、生产能力、就业人数等指标)；为高层次区域i Q 部门的有关指标； n 为某类产业的部门数量。
值越大，表示产业的集聚E ij 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：2211(/)(1,2,3...,)N Njj j j H Z X X j n =====∑∑其中， 代表产业市场总规模(就业或产值)， 代表企业的规模， = X j X j j Z 代表第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/j X X j 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()i i iG S x =-∑其中，为空间基尼系数，是i 地区某产业占全国该产业就业人数的比重， G i S i x 是该地区就业人数占全国总就业人数的比重。
= 0时，产业在空间分布是均匀G 的， (最大值为1) 越大，表明地区产业的集聚程度越高。
G 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 ）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：22221112221()(1)(1)1(1)(1)M M N i i i j i i j i i N i i i j i j s x x Z G x H x H x Z γ====-----==---∑∑∑∑∑∑∑（）（1-）其中， 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，表示i 区i s i x 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) N 表示该产业中以就业人数为标准计算的企业分布。
21Nj j H Z ==∑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：,,111()1(),()A B A B n n i j A i j j n n d d k d f p h h ==≠-=∑∑、B 其中， 是窗宽,，是核函数，A 、B 是总企业地点S 的两个子集。
是h f ,()A B n n p 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 是相同的集合，则 = ；如果A, B 属于不相交的集合，则 =,()A B n n p ,(1)2A A n n -,()AB n n p 。
.A B n n 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。
二 实例解析EG 指数测算实例：该指标的计算公式中融合了空间基尼系数和赫芬达尔指数优点，也是目前国内用于测算产业集聚度的常用指标，具有普遍性。
下面是一个测算高技术产业集聚度的例子，采用的评价指标是EG 指数，测算了1995～2005 年我国高技术企业的集聚变动趋势，同时，考虑到我国的经济发展不平衡，东部地区开放程度高，基础设施较为完善，经济发展水平较高，交通便利，并且高技术产业发展的时间较早，技术成熟，拥有良好的供应链和技术链环境，从而引发了越来越多的高技术企业向东部靠拢，所以东部地区的地理集中程度会明显高于全国的平均水平。
若仅把全国当成一个经济体来测算高技术企业的地理集中度，所得的结果会有一定的偏差，体现不出分地区的集聚状况，因此有必要按传统的方法把全国分为东部、中部和西部三大区域。
根据EG 指数计算公式：22221112221()(1)(1)1(1)(1)M M N i i i j i i j i i N i i i j i j s x x Z G x H x H x Z γ====-----==---∑∑∑∑∑∑∑（）（1-）将的大小分成三个区间：当时，表示该产业没有地方化的现象；γ0.02γ< 时，表示该产业在区域上分布较为均衡；当 时，表明产0.020.05γ≤≤0.05γ>业在地区上的分布聚集程度较高。
计算出95、97、99、01、02、03、04、05年的EG 指数如下表所示：表一 我国各地区不同年份的EG 指数年份19951997199920012002200320042005全国0.02180.02070.03390.04470.05420.07130.102390.10349东0.05420.05830.09010.12700.14510.17560.229990.23214部中0.00880.00990.01540.0.01820.02180.02720.039950.04133部0.00200.00210.00240.00520.00710.01240.020730.02459西部从表1可以清楚的看出，我国高技术产业的地理集中指数始终保持着增长的态势。
就全国范围内来看，在1995～2001 年间，我国高技术产业的区域分布还是较为均衡的，但在2002 年以后，全国的地理集中指数γ就超过了0.05（γ=0.0542），并且还有进一步集中的趋势。
这一结论可以从前五省市的市场集中度CR5 得到进一步的验证①，全国前五省市的市场集中度CR5 显示了在1995～1999 年间，全国前五省市的市场占有率增加了3.09%，平均每年增加0.773%，而在1999～2005 年，全国前五省市的市场占有率增加了8.31%，平均每年增1.38%，所以，我国高技术企业的地理集中度指数的变化趋势与前五省市的市场占有率的变动方向相吻合。
再从分地区来看，当我们把东部地区视为一个整体来考察区内高技术企业的集聚指数时，可以发现在1995年东部地区的地理集中指数已经超过了0.05，说明此时该地区已经出现了明显的企业聚集现象。
从1995 年东部地区前五省市的市场占有率排名上看，高技术企业主要聚集在长江三角洲、珠江三角洲和首都北京，这五省市的高技术企业总产值达2675.4 亿，占东部地区企业生产总值的74.78%，占全国总产值的56.77%。
可以说此时的长江三角洲、珠江三角洲高技术产业带和以首都北京为中心的高技术产业区已经初见端倪。
随着时间的进一步推进，东部的地理集中指数增长越来越快，从1995～1997 年两年增长7.56%，到时2002～2003 年增长率为21.02%，2003～2005 年增长率为32.20%，这说明我国东部地区的高技术企业的集聚程度还在进一步加强，出现了所谓的“集聚导致集聚”的现象。
这一结论还可以从前五省市的市场占有率中得到时进一步的印证，因为2005年前五省市的市场占有率已从1995 年的56.77%上升到71.91%，占东部地区的比例已从1995 年的74.78%是升80.31%。
与东部地区相比，中部地区的高技术产业集聚现象出现的时间比较晚，地理集中指数明显的不如东部，但中部地区的地理集中指数也在逐年增大，在2002 年前，中部地区所有年份的γ值均小于0.02，说明在2002 年以前中部地区的高技术企业并没有形成明显的地方化现象，但到2003 年中部地区的γ值已经超过0.02（γ=0.0272）。