轉型期中國制造業產業集聚分布特征及動態演進

陳長石 吳晶晶 劉和駿

摘 要：以EG指數為例，本文通過比較關鍵參數對轉型期中國制造業產業集聚分布特征的影響，探討產業集聚測算過程中應該注意的問題。使用EG指數衡量產業集聚依賴于赫芬達爾指數與空間基尼兩個關鍵參數的選擇，一旦選擇出現偏差，則其測算結果的準確性和可信度便會受到質疑。本文對比不同赫芬達爾指數計算方法對制造業產業集聚分布特征的影響，并通過對產業集聚動態演進分解，為制造業產業集聚分布特征提供經濟解釋。

關鍵詞：產業集聚；EG指數；規模集聚；空間集聚

中圖分類號：F263 文獻標識碼：A

文章編號：1000176X（2016）01002509

一、引 言

作為經濟活動的基本特征，產業集聚被很多學者當作實證分析的背景或視角。然而，其中許多實證研究的分析結果存在較大差異，甚至出現了基于同組數據卻得到相左結論的現象。那么，為什么會出現這種情況呢？數據質量直接決定了實證分析的生命力。我們發現，學者對中國產業集聚分布特征仍然存在爭議，這是導致相關實證分析結果存在爭議的重要原因。以EG指數[1]為例，目前國內采用該指數測算中國制造業產業集聚且影響較大的文獻是路江涌和陶志剛[2]、文東偉和冼國明[3]的研究，均是基于工業企業數據庫進行的測算，但兩篇文獻所測算的產業集聚分布特征截然不同，路江涌和陶志剛測算結果的分布呈現“金字塔”結構；而文東偉和冼國明測算結果的分布呈現“倒金字塔”結構。如果基于上述兩組EG指數分別進行實證分析，所得到的結果很可能是存在較大差異，甚至截然相反。鑒于此，我們認為有必要從技術與經濟角度對產業集聚指標研究設計中存在的問題進行討論，以求盡可能準確地反映中國產業集聚分布的現實狀況。

本文試圖通過對EG指數中關鍵參數的討論，明確中國制造業產業集聚分布特征。在明確EG指數關鍵參數為赫芬達爾指數（HHI）與空間基尼（G）基礎上，本文進行了以下兩方面改進：一是從靜態角度比較不同HHI算法對產業集聚分布特征的影響，并結合轉型期特征對按照不同算法得到的結果進行評價；二是對產業集聚動態演進過程進行分解，討論G對制造業產業集聚分布特征的影響，為其提供經濟解釋。

二、文獻評述

（一）產業集聚指標及應用狀況評述

截至目前，學術界一共提出了三代產業集聚衡量指標。第一代指標包括CRn指數、Hoover指數、赫芬達爾指數、空間基尼系數和區位熵等，設計思路是通過衡量某區域若干排名靠前企業產值占全行業比重或個體與行業均值間的偏差。之后，在一篇非常有影響的文獻中，Ellison和Glaeser[1]認為第一代指標未考慮同一產業中企業規模的分布差異，無法識別各種溢出效應對企業選址的影響，會造成偏差。基于企業選址思想，他們對空間基尼系數指標進行了優化，提出了γ系數，即EG指數。隨后，Duranton和Overman[4]、Marcon和Puech[5]、Scholl和Brenner[6]提出了DO指數、M函數等第三代產業聚集度指標，試圖進一步減小企業規模和區域邊界對測算結果產生的偏誤。

從上述三代產業集聚指標在經濟學研究中的應用情況來看，現在很多國外學者已將EG指數應用于本國產業集聚問題研究當中，EG指數也因此成為衡量產業集聚的主流方法。然而，國內學術界目前所使用的產業集聚指標仍然以第一代為主，主要原因在于微觀數據的限制。隨著工業企業數據庫的出現，學者對微觀數據重視程度日漸提高，近年來越來越多的學者開始關注EG指數，出現許多使用該指標的實證論文，應用前景非常樂觀。至于第三代產業集聚指標，由于計算繁瑣，并且對微觀空間數據要求較高，僅有少數學者使用。

（二）基于EG指數的文獻評述

總的來說，國外學者基于EG指數的研究主要包含三個方面：第一，衡量產業集聚程度。Maurel和Sedillot[7]、Devereux等[8]分別采用EG指數對法國、英國的制造業產業集聚程度進行了測算；第二，討論產業集聚形成的原因及推動因素。Rosenthal和Strange[9]、Dumais等[10]分別在EG指數模型框架下，討論了美國產業集聚的決定因素，Puga[11]、Syverson[12]分別基于EG指數測算從生產率分布差異角度討論了推動產業集聚的原因；第三，分析產業集聚對其他經濟活動的影響。Delgado等[13]在EG指數測算結果基礎上，討論了產業集聚對企業進入的影響。Duranton和Puga[14]則使用EG指數討論了產業集聚對創新以及產品周期的影響。

雖然目前國內學術界基于EG指數的研究尚處于起步階段，總體文獻數量較少，但呈逐年增長趨勢。羅勇和曹麗莉[15]、路江涌和陶志剛[2]最早使用EG指數分別測算了1993—2003年和1998—2003年期間全國制造業聚集程度。之后，文東偉和冼國明[3]再次測算了1998—2009年全國制造業EG指數。此外，邱靈和方創琳[16]測算了北京市區生產性服務業的EG指數，趙黎明和邢雅楠[17]測算了中國旅游產業的EG指數，劉艷[18]測算了中國戰略性新興產業的EG指數，趙浚竹等[19]測算了汽車制造業集聚程度，等等。文東偉和冼國明[20]基于EG指數測算結果，討論了制造業空間集聚、融資約束和全要素生產率等因素對中國制造業企業出口的影響。

綜上所述，與國外同行相比，國內學者在EG指數應用方面，無論在范圍還是在深度上均有待提高。然而，在我們將EG指數用于實證分析之前，首先需要明確的是由于EG指數同時考慮了規模集聚和空間集聚，學者在使用EG指數測算產業集聚時，比第一代指標擁有更高的自主度，能夠彌補第一代產業集聚指標中存在的部分問題。但另一方面，這又可能導致新問題的出現。路江涌和陶志剛[2]、文東偉和冼國明[3]關于產業集聚分布特征的矛盾就是最好的證明。因此，本文研究目的之一便是希望通過討論基于EG指數測算的產業集聚分布特征，使學者注意到EG指數存在的問題以及影響，并在實證分析中給予足夠關注。

三、EG指數測算方法及數據來源

（一）EG指數測算方法

Ellison和Glaeser[1]提出的EG指數計算公式如下：

由于篇幅原因，這里不再給出EG指數的推導過程，詳細推導參見Ellison和Glaeser[1]。

γi=Gi-（1-∑mi=1x2i）Hi（1-∑mi=1x2i）（1-Hi）（1）

假設i行業存在于m個地區當中；xi為i行業總就業人數占所有地區就業人數的份額；Gi是i行業空間基尼系數，計算公式為Gi=∑（sj-xj）2，Gi表示i行業在不同地區的空間集聚程度，其中，sj是i行業中企業j就業人數占所有地區該行業就業人數的份額；Hi是i行業的赫芬達爾指數（以下簡稱，HHI），計算公式為H=∑（zj）2，其中，zj表示i行業中企業j的主營業務收入占i行業主營業務收入的份額，HHI用于表示i行業的競爭程度，也可被視為規模集聚程度。由于通常情況下xi是給定的，所以影響EG指數的主要變量是sj和zj，前者決定空間集聚程度，后者決定規模集聚。通過上述分析不難發現，學者能通過調整HHI與G算法影響EG指數估計結果。

與第一代產業集聚衡量指標相比，EG指數優勢是非常明顯的。由于EG指數中包含了HHI和G兩項指標，能夠將規模集聚和空間集聚兩方面因素納入到統一的分析框架中，算法實現簡便且彈性較好，能夠方便地對不同地區與不同行業集聚水平進行測算及比較。但這也對學者提出了更高的要求，由于選擇彈性更大，所以學者想得到能夠準確反映產業集聚狀況的結果，需要結合研究主題確定HHI與G算法，否則很可能出現偏差。

（二）EG指數算法的靜態比較

為討論HHI和G算法對EG指數估計的影響，需要通過比較靜態分析理順這兩個關鍵參數對EG指數測算結果的影響。第一，EG指數對HHI的比較靜態分析。給定EG指數的計算公式，對H求偏導，可以得到γH=G-AA（1-H）2。當G>A時，γH>0；而當GA情況是不可能滿足的。

用歸納法能夠證明G>A是不可能出現的，我們之后的測算結果也印證了這一點。所以，EG指數與H是負相關的，即行業的競爭程度越低或市場勢力越強，產業集聚水平就越低。

第二，EG指數對G的比較靜態分析。給定EG指數的計算公式，對G求偏導，可以得到γG=1A（1-H），通過簡單的參數比較，可以得到γG>0。所以，EG指數與G是正相關的，即企業選址越集中，空間集聚程度越高，產業集聚水平就越高。

第三，γ<0的條件。當γ<0，必須滿足G-（1-∑（1-x2i）H<0。因此，如果我們假設A=1-∑x2i，當A>G/H時，γ<0成立。上述結果表明，在某行業從業人數占所有地區就業人數比重很小的情況下（即∑x2i→0A→1），如果該行業空間集聚水平小于生產集中程度（G

（三）G算法與HHI的選擇

在使用EG指數測算產業集聚之前，學者必須要做以下兩個選擇：第一，確定地理范圍。第二，確定企業數量。關于這兩個選擇，文東偉和冼國明[3]均進行了討論，他們發現，地理范圍劃分越細，則EG指數結果就越小，原因在于地理范圍越小，則xi就越小，∑x2i就越小；而行業范圍越細，則EG指數結果就越大，因為行業范圍越小，則zj就越大，HHI就越大。

除此之外，注意到HHI算法也會對EG指數產生影響，也就是進入HHI計算公式的企業數量。目前，計算HHI的方法主要有兩種：一是代表法，即從所有樣本中截取部分（或按照一定比例，或按照固定數量）用以計算HHI；二是平均法，即采用所有樣本計算HHI。與平均法相比，按照代表法計算的HHI數值較高。因此，在某些情況下，采用平均法可能會低估規模集聚水平。參考Ellison和Glaeser[1]的研究，國內已有研究在計算HHI時多選擇平均法計算HHI，而這樣的處理可能是并不恰當的，我們將在下一部分中對此問題進行重點討論。

（四）數據來源及清洗

為了驗證上述討論，我們將在給定空間基尼系數G算法的情況下，基于不同HHI算法測算EG指數。與已往研究一致，本文主要采用1999—2009年中國工業企業數據庫中的行業從業人數與主營業務收入兩項指標

由于2000年從業人數指標的缺失，該年的EG指數空缺。進行測算。首先，根據聶輝華等[21]、Brandt等[22]的建議，在測算之前要對數據進行清洗。具體來說，當估計4位代碼行業時，數量達到400個以上，其中包含少量規模非常小的行業，對這些行業進行測算的經濟意義不大。因此，我們剔除了就業人數小于10、主營業務收入小于0的企業以及企業數量少于10個的行業。其次，由于國民行業代碼劃分標準在2002年時進行了更新，

由GB/T4754-1994轉為GB/T4754-2002。所以在數據配對過程中，對2002年國民行業代碼變化前后的行業進行了合并處理，并且僅對樣本考察期內持續存在的行業進行測算。簡便起見，我們并未對“省、市、縣”三種地區劃分方式全部進行測算，僅測算按省劃分的EG指數。我們分別基于代表法排名前10、前15、前1%企業HHI測算了EG指數，為了設定基準，還基于平均法的HHI進行了測算。最后，我們還根據測算結果對Ellison和Glaeser[1]給出的分類標準進行了調整，將γ<0、0<γ<002、002<γ<005和γ>005四種情況分別定義為分散、低度集聚、中度集聚和高度集聚。

四、產業集聚分布特征及HHI算法選擇

（一）基于EG指數測算結果的產業集聚分布特征

如表1所示，采用不同HHI算法的EG指數測算結果之間差別是非常明顯的。

首先，基于代表法HHI測算EG指數結果顯著低于基于平均法的EG指數測算結果。從表1中可以看到，基于代表法HHI測算EG指數算術平均數均是負的，而基于平均法HHI測算EG指數算術平均數均為正值，與路江涌和陶志剛[2]、文東偉和冼國明[3]的研究結論類似。上述結果說明HHI算法的變化將會影響學者對產業集聚整體情況的判斷。

其次，基于代表法HHI測算EG指數產業集聚分布特征與基于平均法HHI測算的EG指數產業集聚分布特征存在明顯差異。基于代表法HHI測算的EG指數時，產業集聚水平分布呈現“啞鈴結構”，與路江涌和陶志剛“金字塔結構”的研究結果更為接近，而基于平均法HHI測算EG指數時，產業集聚水平分布則呈現“倒金字塔結構”，與文東偉和冼國明的研究結果一致。更為重要的，在樣本期內，基于代表法HHI測算的EG指數產業集聚分布特征較為固定，而基于平均法HHI測算的EG指數產業集聚分布特征則發生了明顯變化。

其中：（a）是基于前10家企業HHI計算的EG指數；（b）是基于前15家企業HHI計算的EG指數；（c）是基于前1%企業HHI計算的EG指數；（d）是基于全樣本企業HHI計算的EG指數。

（二）制造業產業集聚分布特征評價及EG指數有效性

那么，究竟哪個結果能夠更準確地反映制造業產業集聚分布特征呢？這是本節內容主要討論的問題。我們認為，基于平均法HHI測算的EG指數結果會高估產業集聚水平和高估產業集聚演進速度的情況。因此，無論從技術角度還是經濟解釋角度，基于代表法HHI測算的EG指數均更加符合實際情況。原因在于：第一，工業企業微觀數據庫中相當比例4位代碼行業具有以下兩個基本特征：一是規模較小，特別是企業數量少；二是排名靠前的企業主營收入占的市場份額較高，加之產業集聚具有明顯的范圍經濟特征。根據產業組織理論，在這些行業中排名靠前的企業將依靠技術、人才等方面優勢抬高行業門檻，形成局部壟斷，阻止新企業進入，從而阻礙空間集聚水平提升，影響產業集聚水平提高。在這種情況下，基于代表法測算的HHI可能低估這些企業的市場勢力，導致EG指數測算結果偏高。

第二，與西方國家相比，中國經濟制度環境具有以下兩點特征：一是行政性分權與經濟型分權以及由此產生的市場分割；二是行政壟斷、混合所有制等轉型經濟體特征。制造業產業集聚分布形成很可能會受上述兩方面特征影響。首先，出于提升或保護本地優勢行業競爭力的目的，地方政府會過度對特定企業進行補貼或減稅，當政府補貼或被減的稅收進入企業利潤函數之后，就會刺激企業加大投入，考慮到中國企業更偏好規模擴張而非技術研發，進行擴張的主要方式就是增加本地產能或者在其他地區設立新廠，帶動所在行業及其上下游行業的發展；其次，出于維護本地企業利益以及發展本地經濟的目的，政府會采取保護措施，阻止來自其他地區企業或商品進入。因此，產業集聚分布特征很可能存在分化的情況，即高度集聚產業越來越趨于集聚，而低度集聚產業越來越趨于分散。通過分析，我們認為，基于代表法HHI測算的EG指數更符合上述描述。

第三，作為復雜的經濟現象，產業集聚演進涵蓋的影響因素及微觀機理非常復雜，演變過程是非常緩慢的。已有研究也證明了這一點，Dumais等[10]基于EG指數測算結果考察了美國20年來產業集聚演進情況，發現分布特征幾乎沒有發生變化，Maurel和Sedillot[7]、Devereux等[8]學者也得到了類似的研究結論。因此，直觀上，基于平均法HHI測算的EG指數結果會高估產業集聚演進速度。我們認為，上述問題主要是由工業企業數據庫統計過程中的技術性因素造成的，隨著國民經濟規模不斷增加，雖然規模以上企業統計標準經過若干次向上調整，然而企業數量一直處于大幅增長狀態，導致代表法HHI的測算結果出現技術性下降，難以準確反映實際情況。

五、產業集聚動態演進過程分解

確定基于代表法HHI測算的EG指數更符合實際情況之后，我們給定HHI算法的影響，試圖從空間基尼系數G角度研究產業集聚動態演進過程，進一步為轉型期中國制造業產業集聚分布特征提供經濟解釋。

（一）理論模型

如前所述，產業集聚動態演進主要是在空間集聚和規模集聚雙重影響下實現的。如果給定某行業EG指數不變的結果，很可能是由以下兩種情況造成的：一是空間集聚和規模集聚朝相反的方向變化，即G增大H減小，或者G減小H增大，并且兩者影響相互抵消；二是新企業在舊企業原址上繼續生產。由于第二種情況無法在產業集聚指標上體現，所以這里主要討論的是第一種情況。現實中，空間集聚與規模集聚的影響是很難完全抵消的，這是為何產業集聚在不斷變化，Dumais等[10]認為這種變化可以通過從業人數變化予以反映，具體如式（2）所示：

sijt+1-sijt=+sijt-sjt空間變化+sjt+1-sjt行業變化+ijt （2）

其中，sijt是i地區j行業在t時刻就業人數占所有地區該行業就業人數份額，sjt是j行業t時刻就業人數在所有地區的平均份額，、和是估計系數，ijt是擾動項。

假設擾動項ijt與其他系數之間滿足正交關系。通過式（2），從業人口變化被分解為空間變化和行業變化?；谑剑?）的設定思路，Dumais等進一步提出了能簡便衡量空間集聚變化的計算公式，如式（3）所示：

在式（3）中，空間基尼系數被用于替換EG指數衡量產業集聚變化。在不影響最終結果的前提下，這樣處理主要出于以下兩個原因：第一，簡化分解過程；第二，空間基尼系數能夠更準確地衡量企業選址變化所導致的產業集聚水平變化。此外，按照面板數據的估計方程，我們對其分解模型進行了相應調整。

Gjt+1-Gjt=∑issijt+1-sjt+12-∑issijt-sjt2（3）

將式（2）代入式（3），并經過化簡之后，可以得到式（4）：

Gjt+1-Gjt=2+2Gjt均值效應+∑is2ijt隨機效應（4）

其中，Gjt是j行業在t時刻就業人數的空間基尼系數。根據式（4）的結果，j行業的空間集聚變化被分解為均值效應與隨機效應兩部分。其中，均值效應大小取決于sijt-sjt，即式（2）中的空間變化。因此，當<0時，表明i地區j行業的從業人員流向其余地區，導致i地區j行業的空間集聚水平下降；當>0時，表明j行業的從業人員持續向i地區流入，空間集聚水平提高。隨機效應包含了所有除從業人員數量變化以外因素的影響。由于經濟活動趨于集中是人類活動的天性，在穩定的經濟社會發展局面下，促進產業集聚增加的因素遠多于導致產業集聚減小的因素，因此，隨機效應總是大于0的。根據之前對EG指數的靜態比較分析，空間集聚程度越高，產業集聚水平就越高，可以通過估計式（4）檢驗空間集聚對產業集聚的影響。

（二）實證分析方法與相關系數

與Dumais等[10]不同，本文將采用面板數據進行模型估計，首先需要解決計量模型選擇的問題。由于估計式（4）使用的數據是4位代碼行業的空間基尼系數，屬于典型的“N大T小”短面板數據。在這種情況下，固定效應模型是最常用的。然而，式（4）當中并未包含常數項，而固定效應模型中必須包含控制個體效應的截距項，這樣的話，我們就無法衡量式（4）中隨機效應的影響。因此，我們將采用不包含截距項的MLE隨機效應模型進行估計。為了對比兩種估計方法對測算結果的影響，我們仍將給出固定效應模型估計結果。此外，為了比較異質性產業集聚的動態演進過程，我們一共測算了三組分析結果：全樣本、按集聚程度與按2位代碼行業劃分的樣本。

此處需要說明的是，2位代碼行業的實證分析結果是基于其4位子類行業估計得到的。

進行實證分析之前，首先給出不同年份4位代碼行業EG指數間的相關系數，如表2所示。從結果可以看到，4位代碼行業EG指數的相關系數滿足以下特征：第一，前期產業集聚與后期產業集聚之間均是正向關系，表明產業集聚演進存在一定的慣性。第二，相關系數值隨年份增加逐漸減小，表明前期產業集聚與后期產業集聚之間的密切程度不斷減弱。第三，2003年之前產業集聚水平相關性較低，2003年之后產業集聚水平相關性較高。此外，與Dumais等[10]研究中美國歷年產業集聚相關系數均在09以上相比，中國不同年份制造業產業集聚相關系數值是比較低的。

（三）實證結果與分析

1全樣本以及集聚程度分組

表3給出了采用MLE隨機模型估計的產業集聚動態演進分解結果，報告了各組回歸的EG指數均值、式（4）中的2+2、t值、殘差的均值γ與標準差σ。

結果顯示：（1）除EG指數小于0行業（即分散行業）以及中度集聚行業兩類分組之外，其他分組估計得到的2+2均是正值，且在1%顯著性上通過了檢驗，表明除分散和中度集聚行業外，其余程度集聚行業的均值效應均促進了空間集聚變化。（2）均值效應在高度集聚和低度集聚兩類行業當中影響最大，估計系數分別達到0163、0105，高于全樣本分組的估計系數，而中度集聚行業未通過顯著性檢驗。在剔除分散行業之后，全樣本估計系數達到0138，高于低度集聚行業。此外，分散行業估計系數為-0036。上述結果表明均值效應在不同程度集聚行業影響存在“兩極化”趨勢，即高度集聚的行業更趨于集聚，而分散行業更分散，而對中度集聚行業的影響并不明顯，這為EG指數分布特征呈現“啞鈴結構”提供了解釋。（3）不同分組中的隨機效應的影響是不同的。其中，高度集聚行業的γ和σ明顯高于其他組，而分散行業以及中度集聚行業兩類分組的γ和σ明顯低于其他分組，特別是分散行業分組的γ符號為負，說明不僅空間集聚，外部因素也是導致產業集聚分布呈現“啞鈴結構”的重要原因。

2按2位代碼行業分組

第一，與按照全樣本以及集聚程度分組的回歸結果一樣，除了造紙及紙制品業與水的生產和供應業的估計結果系數為負之外，其他分組估計結果均是正值，并且大多數估計系數在1%顯著性水平上通過了檢驗，表明在絕大多數行業中，均值效應促進了空間集聚提升。第二，不同行業當中均值效應影響的差異比較大。在剔除估計系數為負值的行業之后，估計系數最高的行業依次為農副食品加工業、電子機械及器材制造業、醫藥制造業、橡膠制品業以及煙草制品業，估計所得到的系數均在02以上；廢棄資源和廢舊材料回收加工業、木材加工及木、竹、藤、棕、草制品業、紡織業等13個行業的估計系數在01—02之間，其余行業的估計系數在01以下。需要特別指出的是，所有估計系數在01以下的行業均未能通過顯著性檢驗，而估計系數在01以上的行業，除了印刷業和記錄媒介的復制與化學纖維制造業以外，多數行業均在1%顯著性水平上通過了檢驗。上述結果說明，均值效應的影響呈現兩級分化，這與全樣本及集聚程度分組的實證結果是一致的。2+2。第三，通過比較不同行業EG指數均值、估計系數2+2、γ值和σ值可以發現，總體上，估計系數2+2、γ值和σ值與EG指數均值間呈現負相關，即隨著產業集聚升高，驅動產業集聚的力量逐漸減弱。這與直觀感覺一致，隨著產業集聚提高，進一步提升的難度也在增加。

3估計結果有效性比較

為了檢驗估計結果的穩健性以及對比不同估計方法對結果的影響，我們采用固定效應模型估計的產業集聚動態演進分解結果，限于篇幅不在文中列示。

結果顯示：（1）采用MLE隨機效應模型得到的估計系數顯著性低于固定效應模型，且估計系數明顯小于固定效應模型，如果按照估計系數大小對兩次估計結果分別進行排序，則一些行業排名出現了較大變化。原因在于：第一，在控制個體效應之后，估計系數值與顯著性均出現明顯的提升。這一結果并不出人意料，因為估計使用的是4位代碼行業EG指數，這些子行業均同屬于2位代碼行業，經營環境是比較相似的，所以在控制固定效應之后，不同組別估計系數值與顯著性均會有所提升。第二，由于2位代碼行業之間自身存在的差異，導致不同行業的固定效應也是不同的，這種差異決定了估計系數變化的大小。（2）采用MLE隨機效應模型得到的γ和σ高于固定效應模型。如前所述，由于控制了行業固定效應，所以與MLE隨機效應模型相比，在固定效應模型估計殘差中影響產業集聚的因素減少。上述變化導致固定效應模型中的γ和σ偏低。綜上所述，MLE隨機效應模型的優勢在于對隨機效應的衡量更為準確，而固定效應模型由于控制了個體效應的影響，對均值效應估計更為準確，但由于未能將個體效應納入到殘差中，對隨機效應的衡量遜于MLE隨機效應模型。總體來說，固定效用模型估計結果是穩健的。

六、研究小結

近年來，隨著以產業集聚為研究主題的實證論文越來越多，產業集聚指標測算結果準確性問題愈加重要，然而，目前關于中國產業集聚分布特征的系統討論尚不多見。鑒于此，本文以基于工業企業微觀數據庫測算的EG指數為例，討論赫芬達爾指數（HHI）與空間基尼（G）兩個關鍵參數變動對產業集聚分布特征測算結果的影響。研究結論表明：（1）國內已有研究在計算HHI時多借鑒Ellison和Glaeser的研究選擇平均法，但這一選擇很可能會高估產業集聚水平以及分布變化速度，使用代表法計算HHI更為合適。（2）無論從均值效應還是隨機效應來看，空間集聚變化均呈現“兩極化”趨勢，即高度集聚的行業更趨于集聚，而分散行業更分散，且對中度集聚行業的影響并不明顯，符合基于代表法HHI測算的EG指數分布特征。（3）基于代表法HHI測算的EG指數結果，制造業產業集聚分布呈現“啞鈴結構”。綜上所述，我們建議學者在使用EG指數衡量產業集聚時，應根據研究主題確定HHI與G算法。

參考文獻：

[1] Ellison，G， Glaeser， E L Geographic Concentration in US Manufacturing Industries： A Dartboard Approach[J] Journal of Political Economy， 1997， 105（5）：889-927

[2] 路江涌，陶志剛中國制造業區域聚集及國際比較[J]經濟研究，2006，（3）：103-114

[3] 文東偉，冼國明中國制造業產業集聚的程度及其演變趨勢：1998—2009年[J]世界經濟，2014，（3）：3-31

[4] Duranton， G， Overman， H G Testing for Localization Using Micro-Geographic Data[J] The Review of Economic Studies， 2005， 72（4）： 1077-1106

[5] Marcon， E， Puech， F Measures of the Geographic Concentration of Industries： Improving Distance-Based Methods[J]Journal of Economic Geography， 2010， 10（5）：745-762

[6] Scholl， T， Brenner， T Testing for Clustering of Industries-Evidence from Micro Geographic Data[R] Philipps University Marburg， Department of Geography， 2011

[7] Maurel， F， Sedillot， B A Measure of the Geographic Concentration in French Manufacturing Industries[J] Regional Science and Urban Economics， 1999， 29（95）：575-604

[8] Devereux， M P， Griffith， R， Simpson， H The Geographic Distribution of Production Activity in the UK[J] Regional Science and Urban Economics， 2004， 34（5）： 533-564

[9] Rosenthal， S， Strange， W C Geography， Industrial Organization， and Agglomeration[J] Review of Economics and Statistics， 2003， 85（2）： 377-393

[10] Dumais， G， Ellison， G， Glaeser， E L Geographic Concentration as a Dynamic Process[J] Review of Economics and Statistics， 2002， 84（2）： 193-204

[11] Puga， D The Magnitude and Causes of Agglomeration Economies[J] Journal of Regional Science， 2010， 50（1）： 203-219

[12] Syverson， C Product Substitutability and Productivity Dispersion[J] Review of Economics and Statistics， 2004， 86（2）：534-550

[13] Delgado， M， Porter， M E， Stern， S Clusters and Entrepreneurship[J] Journal of Economic Geography， 2010，10（4）：495-518

[14] Duranton， G， Puga， D Nursery Cities： Urban Diversity， Process Innovation， and the Life Cycle of Products[J]American Economic Review， 2001， 91（5）：1454-1477

[15] 羅勇，曹麗莉中國制造業集聚程度變動趨勢實證研究[J]統計研究，2005，（8）：22-29

[16] 邱靈，方創琳北京市生產性服務業空間集聚綜合測度[J]地理研究，2013，（1）： 99-110

[17] 趙黎明，邢雅楠基于EG指數的中國旅游產業集聚研究[J]西安電子科技大學學報：社會科學版，2011，（2）：43-48

[18] 劉艷中國戰略性新興產業集聚度變動的實證研究[J]上海經濟研究，2013，（2）：40-51

[19] 趙浚竹，孫鐵山，李國平中國汽車制造業集聚與企業區位選擇[J]地理學報，2014，（6）：850-862

[20] 文東偉，冼國明中國制造業的空間集聚與出口：基于企業層面的研究[J]管理世界，2014，（10）：57-74

[21] 聶輝華，江艇，楊汝岱.中國工業企業數據庫的使用現狀和潛在問題[J]世界經濟，2012，（5）：142-158.

[22] Brandt， L.， Biesebroeck， J.， Zhang， Y. Creative Accounting or Creative Destruction： Firm-Level Productivity Growth in Chinese Manufacturing[J]Journal of Development Economic， 2012， 97（2）：339-351.

（責任編輯：孫 艷）