产业地理集中度测度方法研究.docx

产业地理集中度测度方法研究刘春霞(重庆师范大学 地理科学学院 ,中国 重庆 400047)摘 要 :产业空间集聚研究对于制定产业政策 、促进区域经济发展具有重要意义 。其研究依赖于对产业地理分布状况的准确测度 。产业空间分布一直是经济地理学研究的热点 ,因此发展了多种产业地理集中测度方法 。传统的herfindahl 指数 、区位 gini 系数是衡量产业地理集中程度最为常用的方法 。近年来新发展的 e g 指数 、m s 指数 、l 函数 、d 函数 、m 函数是对传统方法的重要补充和提高 ,极大促进了产业地理集中研究的发展 。上述方法可以分 成两类 :单一地理尺度方法和基于距离的多空间尺度方法 。不同的方法各有成功和不足之处 。文章对已有方法进 行了全面分析 ,并对进一步发展的方向提出了一些见解 ,以促进对这些方法的正确理解和运用 。关键词 :产业地理集中度 ;方法 ;分类中图分类号 : f119. 9文献标识码 :a区域产业地理集中一直是经济地理学尤其是工业地理学研究的一个重要课题 。随着地域分工和经济全球化的日益 深入 ,产业空间集聚已经成为区域产业组织的重要形式 ,受到 越来越多的关注 。产业地理集中或集聚指特定产业的企业大 量分布于某一地区 , 形成一个具有协作竞争优势的集合体 。 可以从两个层面理解 : 随机集中 ,即大量不相关的企业集中分布在特定区域 ; 企业间由于共享外部性或自然优势而趋向于某地区集中 。二者的空间表现都是少数地区拥有较大比 重的就业人数或经济规模 。自 19 世纪 marshall 开始关注产业 集聚现象以来 ,发展了多种衡量产业地理集中度的方法 ,如传 统的图解法有集中曲线 ;数值法有熵指数 、isard 指数 、herfind2 ahl 指数 、区位 gini 系数等 。1980 年代以来 ,随着产业集聚成 为经济发展的主流 ,这一现象再次成为研究的热点 ,出现了许 多新方法 ,如 e g 指数 、m s 指数 、k 函数 、l 函数 、d 函数 、m 函数 。一种有效的经济活动空间集中测度方法应该具备以 下特征 : 重视企业规模的影响 ,而不仅仅是数量 ; 将全体行业作为比较基准 ,使得不同行业的计算结果具有可比性 ,其实 质是考虑地理空间的非均质性 ; 对企业的数量不是特别敏 感 ,因为企业规模是产业地理集中程度的重要影响因素 ; 地 理集中度的大小要依赖于所选地理范围的大小 ,以反映经济 活动在不同地理尺度的分布情况 ; 给出统计的显著性 ,这一显著性表明了实际分布是否显著不同于随机分布 。由于不同方法的侧重点不同 ,具体应用时会得到不同的 计算结果 。因此 ,对已有产业地理集中度方法及应用进行分 析和评价 对 于 正 确 理 解 和 运 用 这 些 方 法 具 有 重 要 的 意 义 。 marcon 等1 ,maurel 等2 对常用传统方法做过简单的归纳 ,詹 立宇3 对某些传统方法作了比较详细的介绍 。但是 ,新方法 出现以来 ,国内外文献多侧重于指标的构建和实证研究 ,而缺 少对这些方法及其与传统方法的深入比较与评价 。基于上述分析 ,本文对已有方法及应用作了系统评述 ,以便正确选择适合具体研究目的的产业地理集中测度方法 。表 1 产业地理集中度方法及应用 ta b. 1 methods of geogra phic concentration and its a ppl ications 方法在产业地理集中实证研究中的应用batisse ,2002 4karl and michael ,2001 5 ; karl and davies ,2003 6 ;詹立宇 ,2001 3王兴平 ,2003 7詹立宇 ,2001 3 ; karl and michael ,2001 5 ;davies et al . ,1996 8 ;mano and otsuka ,2000 9krugman ,1991 10 ; kim ,1995 11 ;audretsch et al . ,1996 12 ; amiti et al . ,1998 13 ; wen ,2004 14 ; 梁琦 ,2003 15 ; 詹立宇 ,2001 3ellison and glaeser , 1997 16 ; henderson , 2003 17 ; callejn , 1997 18 ; maurel and sdillot , 1999 2 ; houdebine , 1999 19 ;rosenthal and strange ,2001 20barff ,1987 21 ;marcon and puech ,2003a 1sweeney and feser ,1998 22 ; feser and sweeney ,2000 23 ,2002 24 ;marcon and puech ,2003a 1marcon and puech ,2003b isard 指数熵指数集中曲线herfindahl 指数区位 gini 系数e g(m s) 指数k(l) 函数d 函数m 函数注 : marcon e ,puech f. measures of geographic concentration of industries : improving distance - based methods. 2003b.收稿日期 :2005 - 10 - 12 ; 修回日期 :2006 - 04 - 10基金项目 :国家自然科学基金 ( 编号 :40271035) 资助 。7435 期刘春霞 :产业地理集中度测度方法研究值 ,如图 1 纵坐标 ;同时 ,计算出相应次级地区所有行业就业人数占 a 地域所有行业就业人数的比重 ei , 计算相应累加 值 ,图 1 横坐标 ,得到 owa 曲线 ,即 lorenz 曲线 ,则区位 gini系数的计算公式为 :1产业地理集中度测度方法分类目前 ,国外学者对产业空间分布的研究主要集中在对美 国 、欧盟等国家和地区的制造业在不同地理单元的集中情况 及变化趋势 ;国内学者在这方面的研究比较少 ,主要是运用集 中曲线或区位 gini 系数对我国制造业省区间的分布状况进 行研究 (表 1) 。根据上述方法的原理特点 ,可以将其分为两类 :一类是传 统的单一地理尺度方法 ,包括 isard 指数 、集中曲线 、区位 gini 系数 、herfindahl 指数 、熵指数 、e g 指数和 m s 指数 ; 另一 类是通过分析点的空间分布建立的基于距离的多空间尺度 方法 ,如 k(l) 函数 、d 函数和 m 函数 。在经济活动空间分布 的实证研究中 ,传统方法中的 herfindahl 指数和区位 gini 系数 较为常用 ,而 1980 年代以来出现的 e g 指数 、m s 指数 、k (l) 函数 、d 函数和 m 函数具有传统方法所没有的优势 。gini 系数 ( g) = sa / ( sa + sb )(2)2 产业地理集中度测度方法分析2. 1 单一地理尺度方法单一地理尺度方法的共同特点是只能度量人为给定 或 自然界限划分的单一规模地理单元 (如行政区) 上经济活动的空间集中 和 分 散 情 况 。最 为 常 用 的 是 herfindahl 指 数 、区 位gini 系数 、e g 指数和 m s 指数 。2. 1. 1 herfindahl 指数herfindahl 指数是衡量产业地理集中的重要综合性指标 。 基本原理是 :某地区 a 有 k 个次一级地理单元 ,定义 jik 为 i图 1 lorenz 曲线图fig. 1 ma p of lorenz curve图中 45对角线为绝对平均线 ,lorenz 曲线越接近绝对平 均线 , i 行业的空间分布越均衡 ;反之 ,越集中 。由于 owa 曲线难以拟合 , s 的计算非常繁琐 ,实际运用中 ,构建了多种基a于 (2) 式的计算方法 ,并用于实证10 ,13 ,14 ,其中应用最为广泛的是 1991 年 , krugman 提出的区位 gini 系数10 。区位 gini 系数是传统的衡量经济活动地理集中度最为 常用 的 方 法 , 比 较 典 型 的 有 : krugman10 , kim11 , audretsch等12用职工就 业 人 数 或 增 加 值 数 据 , 通 过 计 算 区 位 gini 系行业 在 第 k 个 地 理 单 元 的 就 业 人 数 , 则 a 地 区herfindahl 指数 hi 为 :i 行 业 的数 ,分别分析了美国州级地理单元各工业或制造业行业及创新产业的地理集中状况和变化趋势 ;amiti13 等学者还将 gini 系数用于欧盟多个国家间制造业行业地理集中情况的研究 。 国内相关的文献较少 ,且集中在制造业行业在省区间分布的kk= ( jik / jik )(1)hik = 1 k = 1式中 : hi 的取值范围是 1/ k , 1 ,值越大 ,产业地理集中程度越高 。若 i 行业所有的经济活动集中于一个地理单元 , hi 达 到最大值 1 ;相反 ,如果是均匀分布在 k 个地理单元 ,此时 hi为最小值 1/ k 。herfindahl 指数多用于研究行业集中和市场结构25 ,26 ,在 产业空间分布研究中的应用 相 对 较 少 。davies 和 lyons8 首 先将其用于欧盟地区产业的空间组织 ; karl 和 michael5 分析 了欧洲 99 个 制 造 业 在 欧 共 体 成 立 前 后 的 地 理 集 中 趋 势 。 herfindahl 指数的优点是计算简单 , 易于理解 , 但存在以下明 显不足 : 没有考虑其他部门的空间分布 ,是一个绝对集中度 指标 ,因此行业间没有可比性 ; 没有考虑不同地理单元的面 积差异 ,显然与实际不符 。区位 gini 系数弥补了这些不 足 , 比 herfindahl 指数的应用更具广泛性 。2. 1. 2 区位 gini 系数 (locational gini index)gini 系数是意大利经济学家科拉多 基尼在 lorenz 曲线 的基础上于 1912 年提出的27 , 最初用于度量国家或区域之间收入不平等的相对程度 。1986 年 , keeble 等人将 lorenz 曲线和 gini 系数用于度量某行业地区间分布的集中程度15 ,发 展成区位 gini 系数 。区位 gini 系数最简明易懂的计算方法是运用 lorenz 曲线 。假设 a 地域有 k 个次级地区 ,对于每个 次级地区 ,计算 i 行业的就业人数 (产值 、增加值) 占该地区所有行业就业人数的比重 ei ,对 ei 从大到小排序 ,计算其累加3 ,14 ,15研究。区位 gini 系数将次级地理单元就业人数与整个区域的就业人数之比作为一个变量纳入公式 ,实质上是考虑了面积大小对集中度的影响 ,对地理集中度的描述比 herfind2 ahl 指数更准确 ;其次将全部行业的地理分布作为比较基准 , 使得不同行业的计算结果具有可比性 ,因此得到了广泛应用 。 但是该方法并非源于区位选择的理论模型 ,也没有考虑企业 规模的影响 ;而且没有区分随机集中和源于共享外部性或自 然优势的集中 。1997 年 , ellison 和 glaeser 提出了 e g 指数 ,弥补了上述不足 。2. 1. 3 e g 指数e g 指数由 ellison 和 glaeser 于 1997 年首次提出 ,其假 设前提是二人提出的企业区位选择模型 : 即如果企业间的区 位选择是相互依赖的 ,企业将趋向具有特殊自然优势或能够16从行业内其他企业获得溢出效应的地区集中 。类似于 gi2ni 系数 , e g 指数也是通过与全部行业的比较来分析某行业 的地理分布 。ellison 和 glaeser 首先定义了一个总体地理集中 度指数 g ,公式为 :kg = ( s k - xk ) 2(3)k = 1式中 : k 为地理单元的个数 , sk 为第 k 个地理单元中某行业就业人数占该行业所有就业人数的比重 ; xk 为第 k 个地理单元 所有行业就业人数占整个地区所有行业就业人数的比重 ,反映 1994-2013 china academic journal electronic publishing house. all rights reserved. 744经济地理26 卷某行 业 相 对 于 全 体 行 业 地 理 分 布 的 偏 离 程 度 。ellison 和glaeser 进一步证明了在完全随机分布的条件下 , g 的期望值 为 :k2. 2. 1 repley 的 k 函数及其修正ripley 的 k 函数的提出基于以下定义与假设 :2. 2. 1. 1 区域内每个企业看成一个点 ,以 i 点为中心 ,半径 r 范围内点的个数 f is r 定义为该点的邻居 : n ( i , r) ,所有点的平 均邻居数为 : n ( r) ,如图 2 。e ( g) = (1 - x2 ) h(4)kk = 1式中 : h 为某行业每个企业就业人数与该行业所有就业人数比值的平方和 ,反映企业的规模分配情况 。在此基础上 ,二人 推导出了衡量产业地区分布集中程度的 e g 指数 ,用 表 示 :kk = g - (1 - x2 ) h /(1 - x2 ) (1 - h) (5)kkk = 1k = 1e g 指数最大的意义在于区分了随机集中和企业间由于共享外部性或自然优势的集中 ,比 gini 系数的地理意义更 明确 。但该方法对其中的 h 并没有给出合理的解释 。maurel 和 sdillot2 从某行业任意两个企业选择在同一个区域的概率 p 的推算入手 ,将 (6) 式修正 ,得到 m s 指数 :kk(1 - x2 ) h/(1 - x2 ) (1 - h) (6)= ga -kkk =1k =1kk式中 : ga = s2 - x2 。从形式上看 , (5) 式和 (6) 式的区别kkk = 1k = 1图 2 邻居概念图示fig. 2 concept of neighbors sketch ma p2. 2. 1. 2 若企业间是独立的且分布在任何点的概率相等 ,此 时 ,区域内企业的平均密度是一个常数 , r 半径范围内企业的个数为r2 ,这种情况称为完全空间随机分布 ( csr) ,并将 其作为比较的基准 。2. 2. 1. 3 由于企业间是相互影响的 ,其实际分布肯定会偏离 csr 状态而趋于集中或分散 , ripley 用 k 函数来衡量这种偏 离 ;将 k 函数定义为 r 距离内所有点的平均邻居数与随机独立分布时的密度的比值 ,计为 k( r) :r在于对总体地理集中度指数 ( g、ga ) 的定义不同 。实质上 ,(6) 式直 接 源 于 概 率 选 择 模 型 , 因 此 比 e g 指 数 更 有 解 释 力 。e g 和 m s 指数的地理意义比较容易解释 ,如果企业 间是独立随机分布的 ,由 (3) 、(4) 式可知 , 、的期望值为零 。 如果某行业的 或 值大于零 ,说明该行业的地理分布趋向集中 ,值越大 ,集中度越高 。e g 和 m s 指数都将企业规模分配 ( h ) 作为影响参数之一 ,避免了“因某行业的就业人数集 中在少数相关性小的大型企业而得出该行业的生产具有地方化特点”的片面结论2 ,比前面两个指标更具有理论和实践意 义 。因此 ,自 1997 年 提 出 以 来 , 得 到 了 广 泛 应 用 。ellison 和 glaeser16 ,rosenthal 和 strange20 先后用于美国州级地理单元的制造业行业的地理集中度测算 ; henderson17 利用 e g 指数分析了美国 317 个都市区 742 个县的 3 位数机械产业和高新技术 产业的地理集中情况 ; callejn18 ,maurel 等2 , houdebine19 分 别研究了西班牙和法国 2 位数和 4 位数制造业行业的地理分 布情况 。目前国内这方面的研究基本处于空白 。除了上述方法 , isard 指数 、熵指数 、集中曲线也属于单一 地理尺 度 的 方 法 , 由 于 实 际 应 用 较 少 , 不 作 详 细 介 绍 。从 herfindahl 指数到 gini 系数再到 e g(m s) 指数 ,产业地理集中的测度方法有了很大进展 ,但这些方法只能衡量单一尺度地理单元 (省级 、地区级 、国家级等) 经济活动的空间分布情 况 。要详细描述经济活动的地理分布 ,需要同时反映其在不 同尺度地理单元上的分布特征 ,而不是受制于人为或已有行 政单元的划分 。基于距离的多空间尺度方法解决了这一难 题 ,特别是 1990 年代以来 ,这种方法备受关注 。2. 2 基于距离的多空间尺度方法基于距离的多空间尺度方法实质是将区域内的企业 看 作点 ,通过分析这些点的分布状态来了解区域产业的分布情况 。这 类 方 法 源 于 ripley28 于 1976 年 提 出 的 k 函 数 , be2 sag29 ,diggle30 ,marcon 等 人 在 此 基 础 上 加 以 修 正 , 发 展 成 l 、d 、m 函数 ,使之逐渐完善 。n ( r)k( r) = g () 2d(7)= 0式中 : g () 是径向分布函数 ,在方向不变的前提下 ,只与点28 ,31之间的距离有关 ,计为 g ( r) 。由于 r 可以取任意值 ,因此 k 函数使得同时分析经济活动在不同空间尺度的集中情 况成为可能 。其局限是需要将每一次计算结果与 r2 进行比较 。1977 年 ,besag29 加以修正 ,以零作为比较基准 ,发展成 l函数 ,即 :k( r)l ( r) =(8)- rl ( r) 的含义是 r 范围内的点在区域平均密度时 ,分布的范围 r( k( r) / ) 与实际范围 r 的差值 ,例如 ,若 l (10) = 5 ,说明在 10km 范围内实际点的个数与 csr 分布时 15km 内的 点个数是相等的 。l ( r) 0 ,说明某行业的地理分布在 r 范围是集中的 , l ( r) 1 表示 r 半径范围内 s 行业的空间分 布是集中的 , m 越大 ,集中程度越高 ; m 1 说明 r 半径范围 内 s 行业的空间分布是分散的 。如特定 r 范围内 , m = 2 说 明该范围内 s 行业就业人数的相对密度是整个区域的两倍 , 反之亦然 。m 函数还可以反映两个产业 ( s1 、s2 ) 间的空间临 近分布情况 ,此时 , eisr 为以 s1 行业的企业为中心 ,半径 r 范围内 s2 行业的就业人数 ,公式变为 :ns1 eis r2es i = 1 ei r 2m ( r , s1 , s2 ) =/(11)全部行业 作 为 比 较 基 准 。diggle 等30下 ,对其作了改进 ,提出了 d 函数 。2. 2. 2 d 函数d 函数与 l 函数的不同之处是运用了一个对照组 ,并将 其定义为除了研究行业 (cases) 以外的其他行业 ( controls) 的个 数 ,计算公式如下 :在 非 均 匀 分 布 的 前 提nes1m ( r , s1 , s2 ) 的值依赖于 s1 和 s2 行业的分布 ,值越大 ,两个行业空间分布的一致性越强 。m 函数是目前最新的基于距离的产业地理集 中 测 度 方 法 ,除了具备 k、l 、d 函数的优点外 ,m 函数考虑了企业规模 , 计算出的集中度更符合实际 ;其次 ,将某行业邻居的就业人数 与同范围内所有行业就业人数进行比较 ,消除了边界效应的 影响 ,可以用于任意复杂区域的测算 ; 第三 ,将全部行业作为 比较基准 ,使得不同行业的 m 值具有可比性 ,是一种更优越的方法 。marcon 和 puech 等运用 eae 提供的数据 ,计算了法国和巴黎 14 个 2 位数制造业行业的地理集中度 ;并分析了服 装皮革与纺织业 、服装皮革和印刷出版业等行业的空间临近 分布 。d ( r)kcases ( r) kcontrols ( r)(9)=-式中 : kcases ( r) 和 kcontrols ( r) 分别为研究行业和对照组的 k 函数 。d 函数的实际含义是研究行业相对于对照组是更集中还 是更分散 。若 d 值大于零 ,说明研究行业的地理分布趋于集中 ,反之 ,趋向于分散 。sweeney 和 feser22 首次将该方法用于验证中小规模企业 是否比大型企业更趋向于集中 ; 2000 年 , 他 们 基 于 投 入 产出联系对 d 函数作了经济上的解释23 ; 2002 年 ,又将其运用于美国北卡莱纳州出版 、印刷业产业链的分析 ,试图找到产业 链中 的 哪 些 行 业 导 致 了 该 部 门 的 集 聚24 ; 随 后 , feser 和 sweeney32 对 d 函数加以修正 , 将职工就业 人 数 作 为 每 个 点 的权重 ,并对两种结果进行对比 。d 函数的对照组在不同半 径范围内的分布密度是不同的 ,实质是考虑了空间的非均质 性 ,解决了边界效应问题 , 与 k(l) 函数相比 , 更 符 合 实 际 情况 。但 d 函数反映的是某行业与其他行业的 k( r) 值之差 ,由于不同行业的企业数量是不一样的 ,因此计算出的不同行 业的 d 值没有可比性 ,而且这种方法也没有考虑企业规模分布的影响 。marcon 和 puech 对其加以改进 ,提出了一个新的基于距离的测度产业地理集中的函数 ,即 m 函数 。2. 2. 3 m 函数marcon 和 peuch 首先假设研究区 a 分布有许多制造业 ,定 义 : f isr : r 半径范围内 s 行业每个企业的邻居 (属于 s 行业) 个 数 ; ns : a 区域 s 行业的全部企业数 ; eisr :以 s 行业的 i 企业为中心 , r 半径内属于 s 行业的邻居的就业人数 ; eir :以 s 行业的i 企业为中心 , r 半径内属于全部行业的邻居的就业人数 ; es : a区域内 s 行业的全部就业人数 ; e :a 区域内全部行业的全部就 业人数 ;上述条件下 ,marcon 和 peuch 的 m 函数为 :3 两类方法的对比分析单一地理尺度的方法和基于距离的多空间尺度方法 ,各 有成功与不足之处 。其差别主要体现在反映的空间尺度 、地 理意义 、数据要求等几个方面 。首先 ,基于距离的多空间尺度方法中的 r 是任意值 ,不受 地理尺度的限制 ,可以同时解释不同范围内经济活动的空间分布 ;而单一地理尺度方法只能衡量行政或自然条件限制下地理单元内经济活动的空间分布 。因此 ,基于距离的方法可 以更加精确的描述经济活动的空间结构 。例如图 3 所示 4 个 区 ,第一个区均匀分布有 9 个企业 ,其他 3 个区各分布 3 个企 业 。herfindahl 指数为 1/ 3 ,经济活动集中在第一个区域 。但 却无法反映其他尺度上的分布状态 ,如图中区内明显的分散情况 。其次 ,基于距离的多空间尺度方法最大的意义在于揭示了某类经济活动在哪个范围内显著集中或分散 。例如r等于6km 时 , l ( r到最大值 ,说明某行业在 6km 内是显著集中的 ;而传统方法只能揭示在某个尺度上 ( 省级等) 经济活动是集中还是分散 ,集中度的大小依赖于分区的规模尺度 。第三 ,数据要求方面 ,两类方法所用指标均可以选用企业 个数 、职工就业人数或经济规模 。基于距离的多空间尺度方 法要求这些统计数据具体到每个企业以及每个企业的空间分 布数据 ;单一地理尺度方法仅要求统计数据且具体到所研究 的地理单元 ( e g 指数要求到企业) 即可 。因此 ,基于距离的ns eis ri = 1 eiresm ( r , s ) =/(10)nes分子的含义是以 s 行业每个企业为中心 , r 半径内 s 行业的就业人数与全部行业就业人数之比的平均值 ; 分母是 amarcon e ,puech f. measures of geographic concentration of industries : improving distance - based methods. 2003b. 1994-2013 china academic journal electronic publishing house. all rights reserved. 746经济地理26 卷多空间尺度方法虽然精确 , 但存在数据难以获得 , 处理难度大 ,速度慢等实际应用的困难 。第四 ,基于距离的多空间尺度方法是通过比较点的分布 状态来反映经济活动的地理分布状况 ,对于每种方法 ,存在一 个虚假设 ,如 m 函数的虚假设是某行业与其他行业具有相同 的分布状态 。实际运用时 ,需要估计出虚假设的置信区间 ;而 单一地理尺度方法则不需要 。第五 ,各类方法由于比较基准不同 ,实际揭示的地理含义也不一样 (表 2) 。通过上述比较可以看出 ,单一地理尺度的方法计算简单 , 数据比较容易获得 ;基于距离的多空间尺度方法对数据要求 高 ,需要借助 gis 等工具进行空间分析 ,较前者相对复杂 。这 些方法即相互联系又有区别 ,新方法不能替代传统方法 ,而是 对传统方法的补充和提高 。表 2 两类方法的对比ta b. 2 compare of the t wo types of methods方法类型单一地理尺度方法基于距离的多空间尺度方法空间尺度地理意义只能反映单一地理尺度上经济活动的空间分布 ,如省域尺度揭示某一个地理尺度 ( 如省域) 上经济活动的集中或分散可以反映任意地理尺度上经济活动的空间分布揭示任意地理尺度上经济活动的集中或分散 , 以及具体的集 中或分散范围具体到每个企业的统计数据及其空间分布 需要给出统计的显著性数据要求统计意义比较基准具体到所研究的地域尺度的统计数据不需要给出统计显著性herfindahl 指数 、k 函数反映实际分布偏离完全独立随机分布的程度 ; d 函数是某行业相对于其他行业的地理分布情况 ; gini系数 、e g 指数 、m s 指数 、m 函数反映的是某行业相对于全部行业的集中与分散程度dustries using distance - based methods j . journal of economic geog 2raphy ,2003 , (3) :409 - 428 .maurel f ,sdillot b. a measure of the geographic concentration in french manufacturing industries j . regional science and urban eco 2 nomics ,1999 ,29 :575 - 604 .詹立宇. 台湾地区制造业地理集中情形之观察 j . 产业金融 ,2001 ,115 :32 - 52 .batisse c. dynamic externalities and local growth - a panel data anal2ysis applied to chinese provinces j . china economic review , 2002 ,13 :231 - 251 .karl a ,michael p. the single market and geography concentration in europe j . review of international economics ,2004 ,12 (1) :1 - 15 . karl a ,davies w. industrial specialization and geographic concen2 tration : two sides of the same coin ? not for the european union j . forthcoming in journal of applied economics ,2004 . 1 - 26 .王兴平. 乡镇企业为主导的区域产业空间研究 j . 经济地理 ,2003 ,23 (3) :299 - 307 .davies s ,l yons b. industrial organization in the european unionm. oxford : clarendon press ,1996 .mano y ,otsuka k. agglomeration economies and geographical con2 centration of industries : a case study of manufacturing sectors in postwar japanj . journal of the japanese and international economies , 2000 ,14 :189 - 203 .krugman p r. geography and trade m . cambridge , usa : mit press ,1991 .kim s. expansion of markets and the geographic distribution of eco2nomic activities : the trends in u. s. regional manufacturing structure ,1860 1987 j . quarterly journal of economics , 1995 , 110 : 881 -908 .audretsh ,david b ,feldman ,eds. r&d spillovers and the geog2 raphy of innovation and production j . the american economic re 2 view ,1996 ,86 (3) :630 - 640 .amiti ,mary. new trade theories and industrial location in the eu : a survey of evidence j . oxford review of economic policy , forthcom 2 ing ,1998 ,14 (2) :45 - 53 .wen m. relocation and agglomeration of chinese industryj . journal of development economics ,2004 ,73 :329 - 347 .梁 琦. 中国工业的区位基尼系数 兼论外商直接投资对制造23图 3 企业分布示意fig. 3 distribution of f irms sketch ma p44 方法应用的趋势和建议产业地理集中 ( 集聚) 一直是经济地理学研究的热点之 一 ,随着研究的日益深入 ,新的测度方法将不断的出现 。实际 应用中应该有针对性的选择计算简单又能达到研究目的的 方法 。例如 ,如果仅研究某个或某些行业地理集中情况或变 化趋势 ,区位 gini 系数是一种简单有效的方法 ; 若不仅仅反 映地理集中的现状 ,而且需要从外部性 、资源优势等方面进行 经济上的解释 , e g 指数是最好的方法 ; 若要探究某行业空 间集聚与分散的规模 ,根据已有数据情况 ,选择基于距离的多 空间尺度方法之一 ;若分析行业间的空间临近分布或相互依 赖性 ,选择 e g 指数或 m 函数 。产业地理集中度方法的研究已经取得了很大进展 ,但现 有指标以单一的职工就业人数或产值 、增加值来衡量 ,这就隐 含着一个假设 :各地区的劳动生产率或技术贡献率是一样的 。 实际并非如此 ,因此就业规模与产值规模并不完全吻合 ,产业 地理集中还反映在经济规模上 ,怎样将就业人数与经济指标 相结合将是产业地理集中度方法今后改进的方向之一 ; 其次 基于距离的多空间尺度方法在空间数据的处理上非常复杂 , 耗费大量时间 ,如何根据国家或地区的基础资料特点发展一 套通用软件显得尤其重要 ; 第三 , 基于距离的多空间尺度方 法 ,没有像 e g(m s) 指数那样 ,将随机集聚与共享外部性 或资源优势的地域集中区分开来 ,如果将二者的优势巧妙结 合 ,将极大的推进产业地理集中度方法的新进展 。567891011121314参考文献 :marcon e , puech f. evaluating the geographic concentration of in2115 1994-2013 china academic journal electronic publishing house. all rights reserved. 7475 期刘春霞 :产业地理集中度测度方法研究业集聚的影响j . 统计研究 ,2003 , (9) :21 - 25 .ell ison g , glaeser e l . geographic concentration in u. s. manu2 facturing industries : a dartboard approach j . the journal of political economy ,1997 ,105 (5) :889 - 927 .henderson v j . marshall s scale economics j . journal of urbaneconomics ,2003 ,53 :1 - 28 .call ej n m. concentratin geogrphic de la industrial ecnomiasde agglomeratinj . economic industrial ,1997 , (5) :61 - 68 . houdebine m. concentration gographique des activitis et spcialization des dpartments francaisj . regional science and urban economics ,1999 ,29 :575 - 604 .rosenthal s s ,strange w c. the determinants of agglomerationj . journal of urban economics ,2001 ,50 (2) :191 - 229 .barff r a. industrial clustering and the organization of production :a2 point pattern analysis of manufacturing in cincinnati ,ohio j . annals of the association of american geographers ,1987 ,77 :89 - 103 . sweeney s h ,feser e j . plant size and clustering of manufacturing activityj . geographical analysis ,1998 ,30 (1) :45 - 64 .feser e j , sweeney s h. a test of the coincident economic and spatial clustering of business enterprises j . journal of geographical system ,2000 ,2 :349 - 373 .feser e j ,sweeney s h. spatially binding linkage in manufactur2ing product chains a . in : mcnaughton p p , m greeneds.global competition and local networks c . ashgate , new york.2002a , (2) :111 - 129 .魏后凯. 中国制造业集中状况及其国际比较 j . 中国工业经 济 ,2001 , (1) :41 - 49 .van n l ,soubeyran a. cost heterogeneity , industry concentration and strategic trade policies j . journal of international economics ,1997 ,43 :207 - 220 .约翰伊特韦尔 ,默里米尔盖特 ,彼得纽曼编. 新帕尔格雷夫 经济学大辞典 ( 第二卷) m . 北京 : 经济科学出版社 ,1992 . 568- 571 .ripl ey b d. the sencond - order analysis of stationary point processj . j . appl . probab ,1976 ,13 :255 - 266 .besag j e. comments on repleys paper j . journal of the royal sta 2tistical society b ,1977 ,