空间异质性视角下中国制造业集聚度测算差异研究

杨　超，宋维明，戴永务

(1.北京林业大学 经济管理学院， 北京 100083； 2.福建农林大学 管理学院， 福建 福州 350002)



【统计应用研究】

空间异质性视角下中国制造业集聚度测算差异研究

杨超1，宋维明1，戴永务2

(1.北京林业大学 经济管理学院， 北京 100083； 2.福建农林大学 管理学院， 福建 福州 350002)

采用元回归分析方法，基于CSSCI、SCI、SSCI数据库2006—2015年42篇测度制造业集聚水平文献中的3 334个样本观测值，分析造成集聚度测算结果不一致的原因，并着重探讨了空间异质性造成的测算差异。研究发现：空间异质性对集聚度测算差异的影响显著，制造业集聚水平呈现出东部、西部高、中部低的U型曲线的特征。在文献特征方面，从方法选择上看，空间集聚指数法是几种常见测度方式中较优的方法；从时间上看，制造业集聚也表现出先下降后上升的U型特征，转折点在1998年前后。建议未来的研究或规划应重视空间异质性，正确认识区域间差异并识别区域潜力，结合区域内的优势行业特点提出发展策略。

集聚度；元分析；制造业

一、引 言

被克鲁德曼、藤田昌久等经济地理学家视为经济增长引擎的产业集聚效应吸引了众多学者对其进行研究，而制造业作为城市经济重要的支柱产业，自然成为学者研究产业集聚时关注的热点[1]。这类研究的一项重要工作是对制造业集聚程度进行测算。纵观近年来诸多文献，不同研究者从不同视角运用不同方法测算了中国制造业集聚度，但是结论却并不一致甚至大相径庭：有研究认为中国制造业集聚度呈上升趋势，但也有研究认为集聚程度呈现出下降态势[2-4]。有学者注意到了这种现象，并将分歧归结为方法、数据等方面的差异所导致的结果[5-7]。这些研究为后人的研究提供了丰富的线索，但也有一些可改进之处：一是这些讨论只给出了定性的解释，缺乏以定量分析方式探究集聚度测算差异的原因；二是忽略了原始文献中除方法、数据外的其他可能造成测算差异的信息，例如空间异质性、时间因素等。为克服定性文献综述缺乏客观性和科学性的缺陷，本文收集了近10年来42篇有关制造业集聚度测算的中外文献，尝试从定量角度对现有文献进行梳理，运用元回归法分析影响集聚度测算结果差异的因素，并比较各类因素对结果差异影响的大小和方向，弥补以往综述类文献无法将这些信息以数值化形式直观展示的遗憾。

二、研究框架与变量设置

(一)研究框架

元分析(也称Meta分析)是一种对多份定量研究结论进行统计分析的方法。与一般文献综述一样，元分析也是对相同研究主题的文献进行比较和总结的综述方法，不同之处是元分析更加关注存在争议的领域，且不再局限于对已有研究的定性总结，而是通过对相同主题的研究结论进行定量合成，进行再统计再分析，探究这些结果差异的来源，帮助研究者甄别已有实证研究结果的准确性。元分析要求从以下三个维度来选择自变量，以尽可能地反映各项研究在样本数据选择、模型设计、估计方法等方面的差异：一是对文献的内容方面的描述，这一类关键变量应根据研究主题合理选择，以体现该领域所关注的重点；二是对研究方法的描述，如统计方法、分析形式等；三是对文献来源的描述，如期刊影响力、出版的年份等。

根据元分析规范给出的三点建议并结合产业集聚研究领域的焦点问题，本文针对原始文献所表现出的主要差异设置了空间层面和文献层面两类变量，其中空间特征是本文重点关注的变量，文献特征则主要作为控制变量。

1.空间特征。克鲁格曼和藤田昌久等学者以具有两种产业和两个区域的“中心-外围”模型解释了空间异质性对产业集聚的影响，指出经济活动在空间分布上是处于聚集状态还是分散状态，主要由促进产业向中心聚集的“向心力”和迫使产业离开中心向外围扩散的“离心力”两股力量对比决定。向心力包括劳动力市场、市场规模效应、外部经济和信息溢出效应等，离心力包括高地租、外部不经济以及自然资源等受自然条件限制而固有的不可流动性。模型最终的推演结果是：由于各地区的资源、工资、运输成本和劳动力等存在差异，导致不同产业选择不同的集聚区，不同区域的集聚水平也不一样，也就是说，空间异质性是影响产业集聚差异的原因之一。

从本文所搜集的文献来看，有关空间信息的差异可以归纳为以下两点，它们都有可能是影响集聚值测算结果差异的原因：一是研究区域的地理位置。中国幅员辽阔，各地区发展程度不尽相同，制造业在不同地域必然呈现不同的集聚特征，目前学界普遍认为沿海地区的集聚程度高，内陆地区低，但也有文献发现以西安为代表的一些具有航天、军工等特殊产业的西部城市，集聚度高于全国平均水平[8]。二是研究区域的地理细分度。在已收集的文献中，研究区域的地理单元大小不一，范围由粗至细依次是：对全国制造业集聚水平的评价，对诸如长三角、珠三角地区这样的特定经济区域的研究，以省为基本单位的集聚水平对比，以地级市为研究对象的集聚水平测度。这些地理单元代表了不同大小的产业承载空间，集聚值高低与此空间的大小应该存在着密切的关系。据此两点，本文以“经度”和“纬度”坐标作为变量表示地理位置差异，并设置有序分类变量“地理细分度”来区分原始文献测算集聚度时所遵循的空间划分规范(地市级、省级或全国)。

2.文献特征。先说方法因素。彭耿、胡健等学者从理论上解释了不同集聚值测算方法是如何导致迥异的结果[6，9]。本文整理了原始文献所使用的测度方法，并以无序分类变量形式纳入回归方程中，考察方法上的差异对测算结果差异的影响是否显著，这五种方法分别是行业集中指数方法(Concentration Ratio)、赫芬达尔指数法(Herfindahl-Hirschman Index)、空间集聚指数法(E-G Index)、空间基尼系数法(Spatial Gini Coefficient)和区位商指数法(Location Quotient)。再说时间因素。原始文献所用数据的时间范围是反映文献间差异的重要变量，本文所搜集的原始文献的数据时间跨度为1988—2012年，集聚度在这段期间有两种趋势：多数使用早期数据的文献认为集聚度呈下降趋势，而使用近期数据，尤其是使用2000年后数据的文献普遍得出了集聚度逐年上升的结论，本研究推测集聚度在时间轴上可能呈先下降再上升的U型特征。据此，引入时间的平方项验证此推测。

3.数据来源。路江涌、陶志刚指出，获取数据的渠道及数据统计口径的差异有可能是集聚度测算差异的另一个原因[10]。对原始文献的数据获取方式整理后发现，多数文献是以“工业统计年鉴+中国统计年鉴”组合作为数据来源，少数文献从科技统计年鉴、市场年鉴等获取数据。据此，本文设置虚拟变量考察数据来源对测算结果的差异是否显著。

4.期刊影响力。有研究注意到审稿人和期刊偏好造成的发表偏倚：具有显著统计结果的稿件被发表机会更大，且期刊影响力越大，越偏好显著的统计结果[11]。据此，本文使用中国科学技术信息研究所公布的各期刊综合影响因子代表期刊影响力，考察是否存在发表偏倚。

(二)变量设置及说明

基于以上研究框架设置了表1所示的自变量，以期从空间特征和文献特征两个层面对不同文献之间存在的集聚度测算结果差异做出合理解释。

三、研究设计

(一)研究方法

元分析的主要作用是对可能导致现有实证研究结果不一致的因素进行甄别，关键之处是尽量对不同文献有争议之处以合适的代理变量进行表述[11]，模型如下：

i=1,2,…,K

(1)

其中的因变量lnYi为原始文献中的定量结论，在本文中为原始文献所测算的制造业集聚值的对数(经过离差标准化处理)，Geogin是本文重点关注的反映原始文献空间异质性的自变量，Refim是反映文献层面差异的代理变量。K为样本量，本文中K=3 334。

(二)样本选取

元分析要求所收集的原始文献必须是定量研究且合并归类在统计学上可行，本文最终从42篇中外文献中获得3 334个观测样本。数据整理包括以下三个主要步骤：先收集文献。在参考了国内外的元分析研究后，本文将文献追溯期定为10年(2006—2015年)，分别使用CNKI和Web of Science引擎对CSSCI、SCI、SSCI数据库进行检索；再筛选文献。剔除理论研究、综述性研究等定性研究以及若干份以示意图形式报告结果而无法提取精确数据的研究。同时，对于“同作者、同样本、同结论”的多份研究，只取发表在影响因子较大期刊上的一份数据纳入本研究；最后提取数据。确定纳入分析的文献后，需要从原始文献中提取本研究所需的数据，包括集聚度测算值及原始文献中所隐含的研究区地理信息等反映文献特征的代理变量，通过这些数据与变量，可以反映出文献间的差异。有关数据的描述性统计见表1。

表1　相关变量描述

注：中华人民共和国大地原点坐标为东经108°55′25″，北纬34°32′27″，位于陕西省咸阳市。

四、回归结果分析

表2中的模型(1)是使用普通最小二乘法(OLS)的估计结果，模型(2)至模型(4)为加权最小二乘法(WLS)的估计结果，权重为原始文献所报告的集聚值个数的平方根[12]，以处理可能存在的非独立性问题。从结果来看，R2显示WLS的拟合优度高于OLS，因此下文将以模型(2)为主进行讨论。

(一)空间因素的影响

研究区覆盖的范围大小对集聚值具有正向影响，“地理细分度”每提高一个等级，集聚值相应提高2.08%。这是因为相同的产业一般集中于一个省或一个地区的经济中心，在同样的集聚状态下，研究区越具体，地理单元的面积就越小，显示出的集聚水平就越高。若将研究区范围扩大，虽然可能增加少量样本，但由于地域面积扩大，其平均集聚度却是下降的。

集聚度与“纬度”显著负相关，说明在南北分布上低纬度地区的制造业集聚水平比高纬度地区高，符合一般认知。但是，“经度”显著为负意味着在东西分布上，越往东部集聚水平反而越低，与多数文献结论背离。我们认为这种结果可能由以下两点原因导致：一是有部分文献的研究范围是“全国”，本文在数据录入时将这些观测值的经纬度坐标设置为大地原点，而该点恰巧属于西部；二是国家发改委对东西部的划分是根据经济发展水平进行的政策性划分，处于同一经度上的两个省可能被划入不同分区，例如相同经度上的广东、湖南，就分别划入了东部、中部，甚至地处东端的黑龙江、吉林反而属于中部，“经度”无法反映这种人为划分。模型(3)尝试剔除研究区为“全国”的数据并以变量“中、东、西部”(以东部作为参照组)替代“经纬度”重新拟合，结果显示中部地区的集聚度低于东部地区，但西部地区的集聚度仍旧高于东部。再次检查数据，对西部的数据做箱线图探测异常值后，我们认为有可能是有关西安的数据出现了显著高于西部平均水平的情况(图1)。模型(4)剔除“陕西”和“西安”的数据后再次回归，结果显示西部集聚度显著低于东部。

表2　模型估计结果

注：***、**、*分别表示显著性水平为1%、5%、10%；括号内为t值。下同。

图1　西部地区集聚值箱线图

从模型(2)到模型(4)的变化过程说明，在东西方向上，制造业的平均集聚水平由沿海向内陆地区递减，但是西部少数省份个别特殊行业的高集聚状态(如西安的航空航天制造业)显著拉高了西部的平均水平。此外，本文还意外发现了一个有意思的现象：模型(3)和模型(4)显示出中部的系数比西部小，说明中部地区的集聚度比东部、西部都要低，这似乎印证了所谓的中部塌陷论。如果此假说成立，那么集聚值与地理经度的关系就不是简单的线性关系，而是二次函数关系，本文尝试引入平方项进行检验。

表3　空间异质性与集聚值的关系

表3为检验结果，模型(5)、模型(6)分别加入经度、纬度进行回归，模型(7)是全变量模型，旨在进一步检验前两个模型的稳健性。模型(5)和模型(7)显示，变量“经度^2”显著为正，说明确实存在U型的关系，也就是说，在东西方向上存在一条贯穿中部地区大部分省份的分界线(拐点在东经111.096 1°附近)，此分界线附近的中部省份的平均集聚值较低，而远离此线的东部甚至西部都有较高的集聚水平。变量“纬度^2”在模型(6)和模型(7)中不显著，说明在南北方向上不存在类似的U型关系。

(二)文献因素的影响

从模型(2)的结果来看，方法的差异的确会导致集聚值测算结果的显著差异，以空间集聚指数法作为参照组，行业集中指数法、赫芬达尔指数法的测算结果较高，空间基尼系数法、区位商指数法测算结果较低，综合来看，空间集聚指数法虽然也不完美，但因其考虑了地理单元面积差异和企业规模差异造成的影响，可以进行跨时间、跨行业的集聚水平比较，在目前是上述几种常用测度方法中能反映产业真实集聚状态的方法，原因如下：一是该方法的优点是计算简便，但该指数反映更多的是“市场维度指标”而不是“空间维度指标”。二是赫芬达尔指数法测算结果较高的原因与行业集中指数法相仿，忽略了不同地理单元的面积差异，未能有效反映产业在空间上的集聚水平[13]。三是空间基尼系数法弥补了上述两方法的一些不足，但是此方法忽略了企业间的规模差异：假设有某地区只有一家规模庞大的企业，而没有其他同业企业，结果会显示空间基尼系数值虚高，但实际上并没形成产业集聚；反之，如果该地区有数量非常多的同业小企业，但缺少大规模企业，则空间基尼系数值“虚低”[14]。四是区位商指数法无法识别新生的或较小的产业集聚，若某个区域内的产业集聚是以小集群形式分布时，该方法可能无法如实反映产业集聚状态。

年份的平方与集聚值的关系显著为正，说明制造业集聚水平在时间轴上呈现出下降再上升的U型形态，前文已提到，得出集聚度下降的文献使用的都是早期数据，而得出集聚度逐年上升的结论则多使用的是近几年的数据，因此本文认为这两种表面上迥异的判断在一定时间前提下都是合理的，通过计算可以求得时间拐点在1998年前后。1997年正值亚洲金融危机爆发，事后来看，这场危机对中国制造业来讲是“坏事变好事”，因为它加速了中国制造业结构调整，在危机中生存下来的优势企业在当时积极的金融政策和扩张的财政政策鼓励下触底反弹，实现了此后15年的投资拉动型经济增长[15]，制造业集聚水平在1998年后逐年上升与此不无关系。可以预见，在未来一段时间内制造业集聚效应可能逐年增加，直至过度集聚引起规模不经济。

数据来源对结果影响不显著说明在现有研究的数据来源都是年鉴这样的二手数据的情况下，无论是《中国统计年鉴》、《中国工业统计年鉴》还是其他统计资料上的数据差异都在合理范围内，不足以对结果产生显著影响。相比于调研数据，使用二手数据的好处是不用考虑抽样方法(分层抽样、随机概率抽样)或调查设计(邮寄法、电话法或访谈法)造成的偏倚，可以很容易地与其他研究进行横向对比。

期刊影响力显著为正，说明在本研究主题范围内，存在影响力越大的期刊越偏好发表正线性关系论文的现象，但系数值非常小，基本可以忽略此因素的影响。

五、结论及启示

有关中国制造业集聚水平的研究一直没有形成统一的结论，本文通过搜集CSSCI、SSCI、SCI期刊数据库2006—2015年间发表的42篇文献(3 334条实证结果)，运用元分析方法分析了空间异质性等因素对制造业集聚值测度结果差异的影响程度，得到以下主要结论：

从空间特征上看，在东西方向上东部、中部、西部的制造业集聚水平有明显区别，东经111.096 1°附近存在一条贯穿中部省份的分界线，呈现出东、西部高而中部低的U型曲线的特征，但是在南北方向上则没有类似的分界线，集聚水平由南向北逐渐降低。中部制造业集聚水平最低，从侧面佐证了“中部塌陷现象”的存在，但是西部的高集聚水平也并不意味着西部所有省份都拥有大规模的产业集群，这种高集聚水平很可能只是由个别城市的个别“非常规”制造业支撑的，剔除这些非常规产业后的结果显示，西部地区的平均集聚水平仅比中部高出约0.38%，仍远远落后于东部地区。

在文献特征方面，从方法选择上看，空间集聚指数法是目前较为理想的集聚度测度方法。与另外4种测度方法相比，该方法考虑到了行业差异和空间差异，是一种较为客观的方法。从时间上看，制造业集聚表现出先下降后上升的U型特征，转折点在1998年前后。集聚程度增加绝非个别企业增资扩产能够实现，而是一定区域内的一个或几个行业普遍性地扩大生产规模的结果，因此这种特征代表了宏观经济环境向好的趋势。

当前，新一轮科技革命和产业变革与中国加快转变经济发展方式形成历史性交汇，国际产业分工格局正在重塑，我国必须紧紧抓住这一重大历史机遇实施制造强国战略。建议无论是产业研究还是地区发展规划，都应正确认识区域差异并识别本区域潜力，结合本区内的优势行业特点，有针对性地进行统筹规划和前瞻部署，按照《中国制造2025》行动纲领要求，既要坚持制造业发展全国一盘棋，也要注重分类指导相结合。

[1]李蓉，强林飞，蔡敬梅. 产业集聚与区域经济竞争力协调发展的实证研究[J]. 统计与信息论坛,2014(3).

[2]马国霞，石敏俊，李娜. 中国制造业产业间集聚度及产业间集聚机制[J]. 管理世界，2007(8).

[3]赵玉林，魏芳. 基于熵指数和行业集中度的中国高技术产业集聚度研究[J]. 科学学与科学技术管理，2008(11).

[4]吴三忙，李善同. 中国制造业集聚程度演变态势的实证研究——基于1988～2007年的数据[J]. 山西财经大学学报，2009(12).

[5]关爱萍，陈锐. 产业集聚水平测度方法的研究综述[J]. 工业技术经济，2014，33(12).

[6]彭耿，刘芳. 产业集聚度测量研究综述[J]. 技术与创新管理，2010(2).

[7]孙慧，周好杰. 产业集聚水平测度方法综述[J]. 科技管理研究，2009(6).

[8]樊秀峰，康晓琴. 陕西省制造业产业集聚度测算及其影响因素实证分析[J]. 经济地理，2013(9).

[9]胡健，董春诗. 产业集聚测度方法适用条件考辩[J]. 统计与信息论坛，2013(1).

[10]路江涌，陶志刚. 中国制造业区域聚集及国际比较[J]. 经济研究，2006(3).

[11]陈立敏，王小瑕. 国际化战略是否有助于企业提高绩效——基于Meta回归技术的多重误设定偏倚分析[J]. 中国工业经济，2014(11).

[12]Nelson J P, Kennedy P E. The Use (and Abuse) of Meta-Analysis in Environmental and Natural Resource Economics: An Assessment[J]. Environmental & Resource Economics, 2009(3).

[13]赵建群. 论赫芬达尔指数对市场集中状况的计量偏误[J]. 数量经济技术经济研究，2011(12).

[14]Ellison G， Glaeser E L. Geographic Concentration in U.S. Manufacturing Industries: A Dartboard Approach[J]. Journal of Political Economy, 1997(5).

[15]温铁军，高俊，张俊娜. 中国对美“双重输出”格局及其新变化[J]. 经济理论与经济管理，2015(7).

(责任编辑：李勤)

Differential Analysis of China's Manufacturing Agglomeration Level Measurement in the Perspective of Spatial Heterogeneity

YANG Chao1，SONG Wei-ming1，DAI Yong-wu2

(1. School of Economics & Management, Beijing Forestry University, Beijing 100083, China;2. School of Management, Fujian Agriculture And Forestry University, Fuzhou 350002, China)

This paper analyzes differences of China's manufacturing industry clustering by Meta regression method based on 3334 observations from 42 original papers of CSSCI,SCI,SSCI database(2006-2015). The results show that: The clustering degree is lowest in central China while the degree is higher in western or eastern region. About methodology，E-G index is an objective method relatively. On the timeline, besides，the clustering degree offers descending firstly than upgrade latter tendency while turning point in 1998. In future research，how to recognize regional disparity tapping the potential gives an idea of things that need to be taken into account.

industry clustering；Meta-analysis； manufacturing

2016-04-16

国家林业局重点项目《森林认证与中国林产品国际贸易关系研究》(RZ2015-)；福建省社会科学研究基地重大项目《福建省生态技术创新机制与保障政策研究》(2014JDZ020)

杨超，男，福建三明人，博士生，研究方向：产业经济学；

F429.9

A

1007-3116(2016)09-0028-06

宋维明，男，河北沧州人，教授，博士生导师，研究方向：产业经济学；

戴永务，男，福建尤溪人，教授，博士生导师，研究方向：产业发展与竞争力。