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：

n

X i

CR n 1

X i

i 1

n

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 1

N

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 ~/ ~n

q i Q i

i 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。计算公式为：

N N

H Z2 (X j/X)2(j 1,2,3…,n)

j 1 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，乙= 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一一基尼系

数。Krugman?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：

G (S i x i )2

i

其中，G为空间基尼系数，S i是i地区某产业占全国该产业就业人数的比重，为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 )

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。Ellisi on 和Glaeser建立的产业空间集聚指数计算公式为：

M M N

2

(s X i ) (1

i 1

(1 x 2)(1

i

其中，s i 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，

x i 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 llndex)

N

H

Z j 2

N 表示该产业中以就业人数为标准计算的企业分布。

j 1

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:

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P (n A ,n B ) =

nA ，(n A

1)

；如果A, B 属于不相交的集合，则P (n A ,n B )=门人心

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。

X 2) Z 2

i 1 j 1 -N

Z

2)

j 1

G (1 i

X 2

)H

(1

i

X 2)( 1-H )

其中,

k A B (d)

h 是窗宽,， 1 P (n

A,n B

)

h

n A i 1

d 1f(- d i,j h

f 是核函数，A B 是总企业地点S 的两个子集。

P (n A

,“B

)是

n B