制造业集聚

制造业集聚（共8篇）

制造业集聚 篇1

一、中国生物医药产业集群分类

中国医药制造业是技术密集型行业, 是关系到国计民生的基础性和战略性行业, 目前已形成包括化学药品、原药制造、化学药品制剂制造、中药材及中成药加工、兽用药制造、生物与生化制品制造等门类比较齐全的产业体系。但是现阶段中国生物医药产业集群普遍存在研发投入不足、自主创新能力较弱等问题, 在全球价值链的分工体系下, 我国生物医药产业集群处于中低端。综合来看, 我国的生物医药产业集群可以分为三类:

一是资源禀赋型产业集群。以湖北省生物产业集群为代表。湖北省拥有丰富的生物资源, 《湖北省生物医药创新能力及体系建设规划方案2008》显示, 湖北省现有的28 家植物种质资源保藏单位收藏各类植物种质资源3 万余种、16 万余份;湖北省虽然拥有“武汉健民”、“安琪”、“红桃K”、“马应龙”、“龙牡”等多个国内知名品牌或企业, 但由于科研投入不足, 科技成果转化率不高, 多数企业集中于生物原料药的制造, 如宜都东阳光的产品国内市场占有率达到40%, 在全国领先, 位居世界第二, 但是其主打产品还是停留在红霉素原料药的生产上。

二是生产制造型产业集群。以苏州产业集群为典型。苏州位于长江三角洲, 属于我国外向型发展程度较高的城市之一。依托于长三角的区位优势, 经过多年发展, 苏州形成了以生物医药制造为主的产业集群。2008 年苏州生物医药产业集群的药品生产企业和医疗器械生产企业分别为96 家和409 家, 药品种类达2200种, 包括中药、生物制品、原料药品、化学药品等;医疗器械产品数目达2000个。

三是科研驱动型产业集群。上海市张江“药谷”是全国屈指可数的以科研为主的生物医药产业集群, 目前, 该产业集群已经走出了依赖资源禀赋生产低技术含量产品的阶段, 其发展的主要动力来自于科技研发。该集群内汇聚了14 家博士后科研工作站和流动站、12 家高校培训机构, 并拥有院士20多名、博士2000多名和硕士6000 多名, 从价值链的环节来看, 张江“药谷”的科研实力和优势在国内十分突出。

二、基尼系数及集中率指标的测算

根据《中国高技术产业统计年鉴》 (2001—2010) 按地区分组的医药制造业工业当年价总值, 带入上述两个测量医药制造业的集聚程度的指标, 结果见表1:

数据来源:根据《中国高技术产业统计年鉴》 (2010) 数据整理而得

为了更清楚地表现出基尼系数、集中率历年的变化情况, 画出相应的折线图, 见图1。

从图1可以看出, 10年间医药制造业产业集聚程度变动趋势基本表现为:2000—2009年G值和CR8值的变化趋势一致, 总体呈逐年上升趋势;医药制造业的产业集聚水平比较平稳, 即使变化也是在很小的范围内波动。10年间基尼系数变动最大幅度为0.0415, 而集中率则仅仅变动了0.0368。这说明我国医药制造业要想取得更大的发展必须要转变现有的发展模式, 优化经济结构, 否则难以突破原有的产业发展瓶颈。

本文计算了2009年中国高新技术产业的航空航天制造业、电子及通信设备制造业、电子计算机及办公设备制造业、医疗设备及仪表制造业的产业集聚程度的指标值, 计算结果见表2。

结合表1和表2可以看出, 除医药制造业的其他高技术产业的G值均大于或接近于0.6, CR8值均大于0.78, 而医药制造业的G值和CR8值都不高。同属于高技术产业, 医药制造业的各指标值都明显低于其他高技术产业的指标值, 这说明, 同其他高技术产业相比, 医药制造业的产业集聚程度较低。

数据来源:《中国高技术产业统计年鉴》 (2010)

本文对2000—2009年排名前8位的省份所占比重进行分析, 以便深入了解医药制造业集聚情况, 见表3。从表3可以看出, 广东、江苏、山东、浙江、上海、河北、河南均榜上有名, 这表明医药制造业产业集聚地区比较稳定。广东、江苏、山东均属于排名靠前的几个省份并且山东表现出强劲的增长势头, 2005—2009年期间一直稳居第一。而广东省的产业集聚排名由第一位下滑到第四位, 2004年之后相对较为稳定。上海市、河北省医药制造业集聚水平呈逐年下降趋势。

排名前8位的省份中, 除了吉林、河南、湖北属于中部地区, 四川属于西部地区外, 其余7个省市都属于东部地区。医药制造业的分布具有明显的地区差异。

数据来源:《中国高技术产业统计年鉴》 (2010)

三、医药制造业产业集聚水平与工业经济增长的回归分析

本文对产业集聚程度与工业经济增长进行回归分析的主要方法是通过建立产业工业总产值与医药制造业基尼系数G的回归模型来刻画二者之间的相关关系。根据表4, 利用EXCEL得到Y与X (G) 的回归方程。

undefined

说明回归方程的拟合优度很高, 说明X (G) 对Y有显著影响, 这充分说明我国医药制造业的产业集聚程度已经开始表现出对工业总产值的显著影响, 这一点与我国一直以来注重扶持医药制造业发展, 以及医药制造业不断追求技术进步和技术创新是分不开的。

四、对策建议

虽然中国医药制造业产业集聚对工业经济发展表现出显著的影响, 但从基尼系数指标值来看2000—2009年变动很小, 这也暴露出我国医药制造业目前的发展模式已经制约医药产业的持续发展, 据此提出以下建议:

1.加大研发投入。中国生物产业集群升级的方向应是沿着全球价值链不断向上升级, 即通过不断加大研发投入, 整合集群优势资源, 通过技术能力的提升实现产业集群升级。

2.努力营造充满活力的创新环境。有利于创新的文化环境是高科技园区发展不可或缺的因素。充满竞争意识、冒险精神、创业胆识和宽容失败氛围的文化环境对区域经济发展非常重要。医药制造业应努力营造充满活力的创新环境, 以一流人才引领创新, 以金融服务支持创新, 以良好环境保障创新。

3.提升产业核心竞争力。为了改变我国外源型产业集聚区竞争力较低的现状, 需要将外源型的产业集聚植根于地方, 进而形成产业集聚区的核心竞争力并逐步获得国际竞争优势。

4.充分发挥政府主导作用。政府应加强规划指导, 优化空间布局, 大力培育特色产业集群, 提高招商引资效率, 做大做强资金融通平台, 强化资金保障, 加强环境保护, 以促进产业集聚区持续健康快速发展。

参考文献

[1]赵玉林, 张倩男.主导性高技术产业领域的评价与筛选[J].科学研究, 2007 (6) :435-442.

[2]李凯, 马爱霞.我国医药制造业技术创新能力分析[J].中国医药技术经济与管理, 2008 (10) :48-54.

[3]朱英明.产业集聚论[M].北京:经济科学出版社, 2003.

[4]王子龙, 谭清美, 许萧笛.产业集聚水平测度的实证研究[J].中国软科学, 2006 (3) :109-116.

[5]熊俊.基尼系数四种估算方法的比较与选择[J].商业研究, 2003 (23) :123-125.

[6]吴晓隽, 高汝熹.欧洲生物医药产业集群的案例研究及启示[J].软科学, 2008 (12) .

[7]池仁勇, 唐根年.基于投入与绩效评价的区域技术创新效率研究[J].科研管理, 2004, 25 (4) .

[8]Porter M.The Competitive Advantage of Nations[J].London and Basingstoke:Macmillan, 1990.

[9]Kap Linsky R, Morris M.A Handbook for Value Chain Research[M].Prepared for the IDRC, 2001.

[10]Gereffi G.International Trade and Industrial Up-grading in the Apparel Commodity Chain[J].Journal of In-ternational Economics, 1999, 48 (1) .

制造业集聚 篇2

摘要：选取区位商作为衡量指标，从制造业整体及其具体行业分析京津冀地区制造业集聚的现状，在此基础上利用主成分分析法探究影响该地区制造业产业集聚的因素。研究结果表明：劳动力、技术要素以及第三产业的发展水平是主要影响因素，而资本要素对产业集聚程度的影响并不显著。应从产业对接、配套服务体系和生产要素流动政策等方面探讨制造业产业集聚，以促进京津冀协同发展。

关键词：京津冀；制造业；产业集聚；协同发展；产业转移；生产要素；产业对接；税收政策

中图分类号：F061.5 文献标识码：A 文章编号：1007-2101（2016）04-0104-06

一、问题的提出

京津冀位于我国环渤海地区，是我国乃至东北亚重要战略区域，该区域常住人口约1.1亿，经济活动活跃，开放程度较高，吸纳了较多的就业人口，具有较强的创新和科研能力，是拉动我国经济发展的重要力量。随着我国经济结构和发展方式的不断调整和优化，作为该地区的核心——北京承载了较多的非首都功能，导致了交通拥堵、环境恶化、产业布局不合理等一系列经济社会问题。因此，京津冀协同发展的工作重点是疏解四类非首都功能，即将一般性产业、区域性专业市场等部分服务行业，部分教育、医疗和一些社会公共服务功能，部分行政事业性服务机构转移出北京。其中，一般性产业中的高能耗产业、非科技创新型企业和一些科技创新成果转化型企业，以及高端制造业中缺乏比较优势的生产加工环节等制造业是转移的重点。

现阶段，京津冀三地制造业均有自身的优势行业，例如，北京地区的汽车制造业产值在2013年达到了3 237.19亿元，占当地制造业总产值的27%，居三地之首；计算机、通讯和其他电子设备制造业的产值也超过了2 000亿元。然而作为全国政治中心，以上装备制造业是协同发展规划中明确要求北京转移的行业。作为北京产业转移的承接地，天津地区的汽车制造业一直是该地区的传统优势产业，计算机、通讯和其他电子设备制造业2013年的销售产值达到3 013.76亿元，约是北京地区的1.4倍。作为北京重点转移行业之一的电气机械和器材设备制造业，河北省2013年该行业的销售产值达到1 729.93亿元，是三省市中最具优势的地区。由此可见，天津、河北两地已具备北京部分需转移产业的承接能力。因而笔者将从产业集聚的角度分析北京向天津、河北两地疏解制造业的可行性，探究影响天津、河北制造业产业集聚的因素，从而带动当地制造业的发展，这是实现京津冀协同发展的关键一环。

目前国内外学者关于产业集聚的研究成果十分丰富，主要集中在集聚程度、集聚的影响因素以及集聚效应等方面。对产业集聚程度的测度方面，近年来，国内外学者采用了HHI指数（张宇、蒋殿春，2008）、空间基尼系数（吴三忙、李善同，2010；樊秀峰、康晓琴，2013）、E-G指数（彭中文、何新成，2011）、区位商（Pontus Braunerhjelm、Bo Carlsson，1998；梁琦、詹亦军，2005；Hector O.Rocha、Rolf Sternberg，2005；张小蒂、王永齐，2009；毕红毅、张海洋，2012；杨仁发，2013）等多种方法。关于产业集聚的影响因素，多数学者运用面板数据建立回归模型的方式对其进行具体阐释，如：尹希果、刘培森（2012）、樊秀峰、康晓琴（2013）采用该方法分别对我国及陕西省制造业集聚度的影响因素进行实证研究；庞丽、赵增耀（2012）对全国各省汽车产业集聚的因素进行了实证检验。此外，还有学者（Elif Alkay、Geoffrey J.D.Hewings；2010）运用二阶段最小二乘法探究了伊斯坦布尔制造业集聚的原因；也有以刘娟（2008）、戴钰（2013）为代表的学者，运用主成分分析方法对东北老工业基地产业集聚、湖南省文化产业集聚的影响因素进行筛选。其中，运用面板数据建立回归模型以及二阶段最小二乘法的目的在于探究某个或某些影响因素对产业集聚影响程度的大小，而主成分分析法的研究重点是在众多影响因素中筛选出若干个主要的因素。从地区角度看，现阶段将京津冀地区作为整体并从产业集聚角度进行的研究尚不够充分，且多数学者从定性角度展开经验性分析，缺乏数理依据支撑，仅提出了较为宏观的对策建议，针对性较差。有少数学者进行了定量研究，例如周国富（2009）选取FDI和人均地区生产总值两个变量来解释京津冀地区产业集聚的形成与发展，涵盖范围较窄，不能充分说明问题。

为此，笔者结合京津冀协同发展规划的具体要求，选取京津冀制造业为研究对象，运用区位商指标衡量京津冀地区制造业的集聚现状，在此基础上运用主成分分析法找出影响该地区产业集聚程度的主要因子，根据分析结果提出促进京津冀协同发展的对策建议。

二、京津冀制造业产业集聚现状

制造业包含了工业行业中除采矿业、电力、热力、燃气及水生产和供应业之外共31个具体行业。在众多测度产业集聚程度的方法中，HHI指数以企业个数和规模为基础进行计算，是所有企业的市场份额的平方和，该指标对规模较大的企业反映更为敏感；空间基尼系数是某地区产业的相关指标占全国该产业的比重，忽略了企业规模的差异，并不能够准确反映集聚程度；E-G指数将HHI指数作为权重引入到计算公式中，弥补了空间基尼系数未考虑企业规模差异的缺陷，是对空间基尼系数的改进。但以上三种方法对数据的质量要求较高，需要丰富的企业层面数据，这对指标的应用广泛性形成了一定挑战。区位商在产业结构研究中从行业角度进行剖析，数据可得性较强。该指标借助产值来观察某行业是否在一地区具备明显的优势，是一个地区特定部门的产值在当地工业总产值中所占的比重与某区域该部门产值在区域内工业总产值中所占比重之间的比值，是“比率之比”，由哈盖特（P·Huggett）首先提出并在区位研究中加以应用。该比率是用来判断某产业专业化程度的通用概念。区位商的经济意义以“1”作为临界点：区位商大于1，则该产业是地区专业化部门，区位商越大，专业化水平越高；区位商小于或等于1，则认为该产业尚未形成专业化生产，是自给性部门。其公式为：

LQij=■

其中Lij表示某地区某行业的产值，i为地区，j代表具体行业，此处n=3，代表京津冀三省市，m=31，涵盖制造业的31个行业，最终比值LQij为某地某行业的区位商。本文的区位商分析在区域协同发展的背景下展开，通过该方法在京津冀范围内找出各省市的优势行业，分析某地的某行业在京津冀范围内是否构成专业化部门，因此选择各省市作为个体，京津冀地区作为总体进行研究。根据区位商的计算公式，由2013年的《中国工业统计年鉴》中选取京津冀三省市制造业销售产值及工业销售产值，计算出京津冀现阶段制造业的产业集聚程度如表1所示。

由表1可得，京津冀地区的制造业集聚程度较高，其中，天津、河北两地制造业的区位商大于1，说明以上两地区的制造业专业化程度较高，已形成产业集聚，北京地区制造业的区位商尚未达到专业化生产的临界值。进一步地，运用相同的方法分析北京、天津、河北三省市集聚程度较高的具体行业，其中京津冀各地的行业销售产值来自2014年的《中国工业统计年鉴》，区位商计算结果如表2所示。

经济合作与发展组织（OECD）将制造业的技术密集程度分为四类，即低技术产业、中低技术产业、中高技术产业及高技术产业。根据表2，天津地区区位商大于1的制造业行业共有13个，其中4个属于高技术产业，1个属于中高技术产业，其余8个行业为中低技术产业或低技术产业。高技术产业中的计算机、通讯和其他电子设备制造业和专用设备制造业亦为北京的优势产业。河北地区专业化程度较高的制造业行业共有16个，其中13个为低技术产业和中低技术产业，3个为中高技术产业。其中，低技术产业中的酒、饮料和精制茶制造业，家具制造业，印刷和记录媒介复制业，以及中高技术产业中的电气机械和器材设备制造业是河北与北京地区共有的集聚程度较高的行业。

在京津冀协同发展规划的总要求中，北京市被定位为“全国政治中心、文化中心、国际交往中心、科技创新中心”。制造业已不再是北京重点发展的领域，虽然北京地区的制造业区位商还未达到“1”，整体上还未构成集聚，但制造业中的某些具体行业已达到专业化的程度，例如：仪器仪表制造业、汽车制造业、金属制品、机械和设备修理业、计算机、通讯和其他电子设备制造业等行业的区位商已经远高于“1”，然而这些行业大多属于劳动密集型和高消耗型行业，有悖于北京城市功能定位。而从天津和河北比较来看，仅有化学原料和化学制品制造业和金属制品业属于两地共有的集聚程度较高的行业，这说明现阶段天津、河北两地制造业互补程度较高，这为北京制造业转移提供了多样的选择空间。

三、天津、河北制造业集聚的影响因素分析

由区位商的分析可知，天津、河北两地的制造业的区位商均大于1，集聚程度较高，两地的制造业在京津冀范围内已是专业化的生产部门，为承接来自北京制造业转移奠定了良好的基础。在此笔者将选用主成分分析法探究影响两地产业集聚水平的具体因素，重点讨论北京市制造业的转移所带来的资本、技术、劳动力等生产要素能否进一步深化两地制造业的集聚程度，进而促进京津冀地区实现产业领域的协同发展。

（一）变量选取

20世纪90年代以来，产业集聚逐步成为经济学和地理学的研究热点，在产业区位论、新产业区位论以及新经济地理等理论中均有不同程度的阐述。笔者根据研究重点，从资源禀赋、市场需求、规模经济、外部性以及劳动力成本五个角度选取人口密度、实收资本、R&D经费、人均GDP、企业个数、第三产业就业人数比重、在岗职工平均工资等7个指标进行分析，具体见表3。

（二）数据来源

本模型共选取了1999—2013年共15年的统计数据作为分析样本，其中人均GDP、人口密度、R&D经费以及第三产业就业人口比重的数据均来自2000—2014年的《河北经济年鉴》《天津统计年鉴》；2008年河北的R&D经费数据来自《中国统计年鉴》，其中由于数据缺失，1999年天津R&D经费用工业数据近似替代制造业；企业个数以及实收资本数据来自2000—2012年的《中国工业经济年鉴》以及2013—2014年的《中国工业统计年鉴》，其中2004年和2007年河北省制造业的实收资本数据缺失，分别用相邻前后两年的均值替代；在岗职工平均工资来源于人力资源和社会保障机构的统计文件。

（三）实证方法

为了在众多影响产业集聚的因素中找出主要因子，本文采用主成分分析的方法，对影响天津及河北两地制造业产业集聚的因素进行筛选。如前文所述，本模型共选取7个变量，可分别用X1，X2，……，X7表示，由此构成7维随机向量X=（X1，X2，……，X7）′。对X进行线性变换，形成新的综合变量Y，即：

Y1=u11X1+u21X2+……+u71X7Y2=u21X1+u22X2+……+u72X7……Y7=u71X1+u72X2+……+u77X7

上述模型满足：

（1）ui′ui=1（i=1，2……，7）；

（2）Yi与Yj相互无关（i≠j；i，j=1，2……，7）；

（3）Y1的方差大于Y2的方差，Y2的方差大于Y3的方差，依此类推。

基于上述原则由X线性变换得到的Y1，Y2，……，Y7，分别为原始变量的第一主成分，第二主成分……第七主成分。以上综合变量在总方差中的比重依次递减。在本研究中，只挑选前几个方差较大的主成分，以达到简化数据结构、筛选主要影响因素、提高分析效率的目的（何晓群，2012）。实证过程借助SPSS17.0统计分析软件完成。

（四）实证检验及结论分析

在分析天津、河北两地产业集聚的主要影响因素之前，首先分别对两地的变量数据进行Kaiser-Meyer-Olkin（KMO）检验和Bartlett球体检验，考察变量之间是否具有较强的相关关系。其中，KMO值越接近于1，意味着变量间的相关性越强，原有变量越适合作因子分析。Bartlett的球度检验小于显著性水平0.05，则拒绝Bartlett球度检验的零假设，认为适合于因子分析。表4是天津、河北两地数据的检验结果。

从表4的数据中可以看到，天津、河北两地KMO检验的值均大于0.7，根据Kaiser给出的KMO度量标准，两地的变量数据均适合作因子分析，其中天津市的数据要优于河北省数据。Bartlett的球形度检验的P值均小于0.05，通过检验，因此可对两地的数据进行进一步的分析。天津、河北两地数据主成分分析的输出结果如表5和表6所示。

根据表5、表6的输出结果综合判断，天津、河北两地的模型均提取一个主成分，天津的唯一主成分包含了原始变量80.484%的信息，在这一主成分中不难发现影响力度最大的因子是人均GDP和在岗职工平均工资，均达到了0.993，其次为第三产业就业人数比重、人口密度以及R&D经费。河北省数据的主成分解释方差百分比达到81.650%，其中影响力度较大的依次是人均GDP、在岗职工平均工资、人口密度、第三产业就业人数比重以及R&D经费。与天津不同的是，企业个数是影响河北省制造业产业集聚程度较为显著的因素之一。

综合模型输出结果可以得出如下结论：第一，影响天津河北两地制造业产业集聚的因素是相似的。从总体上来看，两地现阶段的产业集聚形成因素的差异不大，只是各因子在影响程度上略有不同。天津与河北地区的人均GDP和在岗职工平均工资水平是影响两地产业集聚程度最主要的因子，这说明经济发展水平和劳动力成本对两地的产业集聚起着至关重要的作用。除此之外，天津、河北制造业的发展与配套服务业紧密联系，对当地服务业发展水平的要求较高。相比之下，企业个数对河北省制造业集聚的影响要显著于天津，这说明河北省制造业企业的规模较小，单个企业的生产能力有限。第二，实收资本对两地制造业集聚的影响不显著。天津、河北两地制造业另一个相似点是资本要素对集聚的形成作用较小。这说明两地资本密集型企业较少，与劳动力成本相比，资本成本占总成本的比重较小。这一点在河北地区体现得更为明显，实收资本对制造业集聚的影响系数仅为0.273，其作用力甚微。天津地区资本对制造业集聚的影响力要大于河北省，但其重要程度无法与其他显著因子相提并论。

综上所述，北京制造业产业转移所带来的劳动力及技术要素的增加是促进天津、河北两地集聚程度进一步深化的有效因素。就实收资本和企业个数两个影响因素而言，并不是最主要的影响因子，但从数据仍可以看出资本对天津地区的影响程度明显优于河北，河北地区产业集聚受企业个数的影响较大。因此，在北京地区的制造业转移过程中，需要为劳动力和技术等重要生产要素的自由流动创造条件，以更好地促进京津冀地区产业的协同发展。

四、京津冀制造业产业集聚对实现协同发展的启示

京津冀协同发展规划纲要中明确指出了三省市在未来发展中的功能定位，在疏解北京非首都职能的核心前提下，天津市将发展成为“全国先进制造业研发基地”，河北省将转型为“产业升级示范区”。依据协同发展规划的战略部署，结合现阶段京津冀三地制造业集聚的现状，产业转移与承接工作应从以下几个方面有序展开。

（一）依据各地资源禀赋进行产业对接

北京制造业对外转移时，应根据承接地的资源禀赋优势进行科学规划。天津地区制造业领域中已形成的专业化生产部门包含较多的高技术产业或中高技术产业，根据协同发展规划要求，北京地区的科技创新成果转化型企业以及高端制造业中缺乏比较优势的生产加工环节可选择天津作为承接地。为此，天津应加大制造业领域的研发投入，充分重视高科技人才的培养。河北省作为京津冀协同发展中的产业转型与升级基地，是北京非科技创新型产业对外转移的理想目的地，在保持现有的产业集群基础上，应着力推动制造业由劳动密集型向技术密集型转化。通过合理规划布局，提高转移效率，进一步提升当地集聚行业的竞争力，促进规模经济的实现。

（二）完善与制造业相关的配套服务体系

在影响天津、河北两地制造业产业集聚的因素中，第三产业就业人数比重均是重要影响因子，这说明配套服务业的发展水平是集聚的关键。服务业是制造业的重要辅助性产业，包括物流业、金融业、广告业以及研发机构等在内的诸多服务业均为制造业产业链条上的关键环节。通过提升上述关键环节的行业水平，提高制造业整体的竞争力、产业管理水平和创新能力。这样既可以缓解该地区的就业压力，亦可带动服务业的发展，为实现京津冀协同发展创造优良的服务环境。

（三）出台促进生产要素流动的优惠政策

为保障产业转移顺利进行，解决京津冀三地因此产生的利益冲突，财税部门出台了京津冀产业转移企业税收分享办法，从政策上为京津冀协同发展创造了条件。现阶段劳动力、技术与资本等要素因为地区差异问题，在流动性方面存在一定的障碍，税收政策的出台仅仅解决了地方政府之间的矛盾，至于企业、劳动者等多个利益团体能否打破“一亩三分地”的思维方式，打破常规，实现自觉自愿转移，尚需合理完善的政策措施进行保障。

参考文献：

[1]梁琦，詹亦军.产业集聚、技术进步和产业升级：来自长三角的证据[J].产业经济评论，2005，（12）：50-69.

[2]张小蒂，王永齐.融资成本、企业家形成与内生产业集聚：一般分析框架及基于中国不同区域的比较分析[J].世界经济，2009，（9）：15-26.

[3]毕红毅，张海洋.产业集聚对山东省FDI技术溢出的影响研究[J].国际贸易问题，2012，（4）：73-82.

[4]杨仁发.产业集聚与地区工资差距——基于我国269个城市的实证研究[J].管理世界，2013，（8）：41-52.

[5]张宇，蒋殿春.FDI、产业集聚与产业技术进步——基于中国制造行业数据的实证检验[J].财经研究，2008，（1）：72-82.

[6]吴三忙，李善同.中国制造业地理集聚的时空演变特征分析：1980-2008[J].财经研究，2010，（10）：4-25.

[7]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）：115-160.

[8]彭中文，何新城.所有权性质、产业集聚与FDI技术效率溢出——来自中国装备制造业的经验证据[J].财经研究，2011，（6）：122-132.

[9]尹希果，刘培森.中国制造业影响因素研究——兼论交通运输与制造业集聚的非线性关系[J].经济地理，2013，（12）：97-103.

[10]庞丽，赵增耀.汽车产业集聚及其影响因素研究[J].财经问题研究，2012，（7）：38-42.

[11]刘娟.东北老工业基地产业集聚的影响因素分析[J].东北亚论坛，2008，（3）：74-78.

[12]戴钰.湖南省文化产业集聚及其影响因素研究[J].经济地理，2013，（4）：114-119.

[13]何晓群.现代统计方法与应用[M].北京：中国人民大学出版社，2012.

[14]Hector O.Rocha，Rolf Sternberg.Entrepreneurship：The Role of Clusters Theoretical Perspectives and Empirical Evidence from Germany[J].Small Business Economics，2005，（24）：267-292.

[15]Pontus Braunerhjelm，Bo Carlsson.Industry Clusters in Ohio and Sweden，1975stry Clu[J]. Small Business Economics，1999，（12）：279-293.

[16]Elif Alkay，Geoffrey J.D.Hewings.The determinants of agglomeration for the manufacturing sector in the Istanbul metropolitan area[J].Ann Reg Sci，2012，（48）：225-245.

上海制造业集聚因素的实证分析 篇3

制造业是指对原材料 (包括农产品与采掘业的产品) 进行加工再加工, 以及对零部件装配的工业的总称。按照现行工业的分类, 制造业包括了工业体系中除采掘业和电力煤气及水产品供应业外所有29个行业。

制造业是国民经济中最为庞大的产业体系, 涵盖的范围十分广泛, 即包括劳动密集型的传统轻纺工业和资本密集型的化学工业, 也包括知识密集型与资本密集型的机电工业。制造业不仅是一个区域经济的重要支柱, 而且是技术的载体和转化的媒介, 一个地区是否具有高度发达的制造业体系, 尤其是机电是否发达, 已成为衡量一个地区综合经济实力的重要标志。

近年来, 作为长三角经济区的龙头, 上海市的产业集聚现象越来越引起人们的兴趣。在上海市区的北面, 是精品钢材及延伸产业集聚;在南面, 已逐步形成以石油化工和天然气化工为基础功能完整的石油化工及深加工基地;在东南, 已形成国内微电子生产线最密集区;在西北, 集产、学、研、检测、展示、竞技、文化于一体的汽车城业已形成;在西南, 有大型成套设备和航空航天等装配制造业集群;在长江口, 一个造船及港口设备产业集聚正在形成中。可见无论从数量, 还是从质量上来看, 上海市的制造业集群都是全国同类集群的杰出代表。

本文就是要从影响制造业产业集聚的因素出发, 考察这些因素对制造业产业发展的影响。我们的研究将基于新古典框架, 引入不完全竞争市场与规模经济, 主要研究企业的平均劳动报酬、平均规模、产业的前向后向联系、产业内专业化以及产业间多样性对于上海制造业产业发展的影响。为此我们搜集了上海市1998～2005年110个三位数行业, 29个两位数行业关于累计工业总产值、累计企业就业人数、累计企业人数、累计劳动报酬总额等数据, 并进行了计量分析。回归结果表明, 产业的前向后向关联以及产业间的多样性对产业发展有着显著的影响, 上海市较高的工资率对产业的长期发展起到了支撑的作用。但是没有发现产业内专业化对产业发展的影响, 即没有找到关于MAR外部性的证据。

2 文献回顾

提到产业集聚, 我们不能不回答这样3个问题, 即集聚在什么条件下产生?集聚的中心在那里?集聚是否会持续下去?可以说, 正是从对于这3个问题的思考出发, 经济学家们发展出了一套丰富多彩的产业集聚理论。在本文中, 我们将把目光聚焦在第3个问题上, 即集聚是否会持续下去?

Fujita、Krugman、Venables (1999) 提出了一个回答这个问题的理论菜单 (见下表) , 他们将影响产业集聚的因素分成两类, 一类是离心力, 一类是向心力。向心力包括产业间的关联性、厚的市场需求、知识溢出以及纯粹的外部性;离心力包括不可移动的要素、地租及阻塞成本、纯粹的规模不经济。

来源:《Spatial Economy: Cities, Regions and International Trade》1999

关于产业关联性的文献, Hirschman在1958年的文献最为知名, 强调了强制性的前向-后向关联效应将促使产业长期稳定的发展。Venables (1996) ;Krugman&Venables (1995) 模型化了Hirschman的思想, 阐述了产业间的垂直关联性是如何产生一种使相互依赖的公司定位在一起的趋势的。

向心力中的第二项, 厚的市场, 其实是指当地有对于某种商品的强烈需求, 最早见于Krugman (1980) 。在那篇文章里, Krugman提出了一个类似于李嘉图的两类国家两类商品的模型, 说明了对于收益递增行业的产品, 一个地方对该产品的强烈需求, 会导致产业的集聚与地方专业化。在国际贸易与区际贸易中, 该地将出口这种商品。这就是“国内市场效果 (home-market effect) 。由此可见, 所谓的厚市场效应, 是针对规模报酬递增的企业而言的。

经济活动的专业特性在一个特定的空间起什么作用?这个问题涉及到外部性是如何形成的。外部性的存在是无可争辩的, 但外部性的成因确是多样的。从产业角度来看, 知识的外部性可以分为两种:产业内外部性和产业间的外部性。产业内的外部性是指同一行业内的公司之间的外在性。自从Marshall (1920) 第一次阐述了行业集聚与外部性的观点后, 他的观点得到Arrow (1962) 和Romer (1990) 的发展:在一个特定的空间某个行业的大量集中能促进该行业公司之间的知识溢出。Glaeser et al (1992) 将它称之为MAR外部性。当然也存在产业间的外部性, 那些有差异的公司之间也存在知识溢出。Jacobs (1969) 认为知识的外部性源于具有差异性的公司之间、及那些能对新知识产生较大回报的经济单元之间的互补性知识交流。比较而言, MAR外部性强调了专业化促进创新发明;而Jacobs则认为差异性与多样性更有助于创新发明。城市之所以是创新的基地, 正是因为在城市里, 不论是知识还是商品, 其差异性和多样化都是最大的。他强调在一个地域内产业的差异性和多样化提升了知识的外在性, 最终推动了创新和经济增长。Rosenberg (1963) 描述了产业间生产工具的扩散以及知识是如何从一个产业传递到另一个产业去。Scherer (1982) 提供了一个系统性的证据, 说明一个给定产业大约70%的发明都被应用于这个产业之外。他们都对Jacobs的理论给出了有力的支持。

自上个世纪90年代以来, 在产业集聚领域, 出现了一些比较有代表性的实证研究, 其中Glaeser, Kallal, Scheinkman and Shleifer (1992) 通过对于美国1956～1987年间170个城市六大支柱产业的实证分析, 找到了产业间外部性的证据, 没有发现产业内外部性的证据。Hendersen, Kuncoro and Turner (1995) 运用了美国在1970年以及1980年间前八大制造业数据, 分别对传统产业和高科技产业两个样本集做了回归分析, 结果显示产业内与产业间的外部性对产业发展均非常重要, 但是对于高科技产业来说, 随着时间的流逝, 产业内集聚的作用将越来越小。Hanson (1998) 的文章没有发现MAR外部性和Jacobs的外部性的证据, 但是发现了运输成本以及前向后向关联度对于产业集聚形成所起到的作用。

国内运用主流经济学方法对产业集聚的研究中, 梁琦 (2004) 是这一方面杰出的代表, 梁琦 (2004) 第八章从产业关联角度考察了FDI的区位分布取向, 结果没有发现产业内集聚 (专业化) 的证据。其他的一些研究, 我们认为有两个主要的缺陷。 (1) 很少将产业集聚的研究与本区域的产业结构调整以及总体的产业布局结合在一起, 提出的政策性建议往往只具有理论上的价值。 (2) 这些研究大多数仍然囿于区域经济学和传统的经济地理学的藩篱。描述现象的多, 实证分析的少, 缺少令人信服的实证支持。而仅有的一些实证文章, 往往基于一般区位均衡的理论, 对规模经济和不完全竞争结构进行探讨的不多。由于制造业企业基本上为规模报酬递增的, 而所面临的市场也近似为垄断竞争市场, 所以这些实证分析得出的政策建议的价值往往很低。

3 理论模型与数据说明

考虑j产业代表性企业的利润函数:

∏t=Atf (lt) -wtlt (1)

其中:f (lt) 是生产函数、wt是工资率、lt是投入的劳动要素、At衡量的是代表性企业之外影响生产率的因素, 即技术的外部性。

对于利润函数求一阶条件:

Atf′ (lt) =wt (2)

两边取自然对数并进行一阶差分, 得到:

$\ln (\frac{\text{f}{}^{´}(\text{l}{}_{\text{t}+1})}{\text{f}{}^{´}(\text{l}{}_{\text{t}})})=-\ln (\frac{\text{A}{}_{\text{t}+1}}{\text{A}{}_{\text{t}}})+\ln (\frac{\text{w}{}_{\text{t}+1}}{\text{w}{}_{\text{t}}})(3)$

根据产业集聚理论, 我们认为技术的外部性的增长率, 与这个企业所在产业的前向后向关联度、产业内的专业化程度、产业间的多样性以及企业自身的规模有关, 于是:

$\ln (\frac{\text{A}{}_{\text{t}+1}}{\text{A}{}_{\text{t}}})=\text{g}(\text{s}\text{p}\text{e}\text{c}\text{i}\text{a}\text{l}\text{i}\text{z}\text{a}\text{t}\text{i}\text{o}\text{n}$, diversity, backward-forwardlinkeges) (4)

进一步, 我们有:

$\ln (\frac{\text{f}{}^{´}(\text{l}{}_{\text{t}+1})}{\text{f}{}^{´}(\text{l}{}_{\text{t}})})=\ln (\frac{\text{w}{}_{\text{t}+1}}{\text{w}{}_{\text{t}}})-\text{g}(\text{s}\text{p}\text{e}\text{c}\text{i}\text{a}\text{l}\text{i}\text{z}\text{a}\text{t}\text{i}\text{o}\text{n}$, diversity, backward-forwardlinkeges) (5)

写成回归方程的形式:

$\ln (\frac{\text{f}{}^{´}(\text{l}{}_{\text{t}+1})}{\text{f}{}^{´}(\text{l}{}_{\text{t}})})=\text{β}{}_0+\text{β}{}_1\ln (\frac{\text{w}{}_{\text{t}+1}}{\text{w}{}_{\text{t}}})+\text{β}{}_2\text{b}\text{a}\text{c}\text{k}\text{w}\text{a}\text{r}\text{d}-\text{f}\text{o}\text{r}\text{w}\text{a}\text{r}\text{d}\text{l}\text{i}\text{n}\text{k}\text{e}\text{g}\text{e}\text{s}+\text{β}{}_3\text{s}\text{p}\text{e}\text{c}\text{i}\text{a}\text{l}\text{i}\text{z}\text{a}\text{t}\text{i}\text{o}\text{n}+\text{β}{}_4\text{d}\text{i}\text{v}\text{e}\text{r}\text{s}\text{i}\text{t}\text{y}+\text{ε}{}_{\text{j}\text{t}}(6)$

下面的任务就变成了如何量化上述变量并建立相应的指标。指标的量化模式参考了第二部分中提到的3篇实证文献, 其中产业内专业化以及产业间多样性的指标参考了Hanson (1998) 、企业的平均规模以及产业的前向后相关联指标借鉴了Glaeser, Kallal, Scheinkman and Shleifer (1992) 的相关内容, 而对于计量方法选择以及数据取舍方式的思路则取自Hendersen, Kuncoro and Turner (1995) 。具体的计量方程如下:

$\ln (\frac{\text{Ο}\text{u}\text{t}\text{p}\text{u}\text{t}{}_{\text{j}\text{t}+1}^{\text{S}}/\text{L}{}_{\text{j}\text{t}+1}^{\text{S}}}{\text{Ο}\text{u}\text{t}\text{p}\text{u}\text{t}{}_{\text{j}\text{t}}^{\text{S}}/\text{L}{}_{\text{j}\text{t}}^{\text{S}}})=\text{β}{}_0+\text{β}{}_1\ln (\frac{\text{R}\text{e}\text{m}{}_{\text{j}\text{t}+1}^{\text{S}}/\text{L}{}_{\text{j}\text{t}+1}^{\text{S}}}{\text{R}\text{e}\text{m}{}_{\text{j}\text{t}}^{\text{S}}/\text{L}{}_{\text{j}\text{t}}^{\text{S}}})+\text{β}{}_2\ln (\frac{\text{L}{}_{\text{k}\text{t}}^{\text{S}}}{\text{L}{}_{\text{j}\text{t}}^{\text{S}}})+\text{β}{}_3\ln (\frac{\text{L}{}_{\text{j}\text{t}}^{\text{S}}}{\text{L}{}_{\text{t}}^{\text{S}}})+\text{β}{}_4\ln ({\displaystyle \sum _{\text{h}\ne \text{j}}(}\frac{\text{L}{}_{\text{h}\text{t}}^{\text{S}}}{\text{L}{}_{\text{t}}^{\text{S}}}){}^2)+\text{β}{}_5\ln (\frac{\text{L}{}_{\text{j}\text{t}}^{\text{S}}}{\text{E}\text{s}\text{t}{}_{\text{j}\text{t}}^{\text{S}}})+\text{ε}{}_{\text{j}\text{t}}$ (7)

其中,

S=上海

t=初始期

j=三位数产业

k=两位数产业 (j三位数产业所属的)

L=就业量

Rem=总工资

Est=企业数目

Output=总产出

公式 (7) 中的因变量反映的是产业生产率的相对增长率, 它衡量的是产业生产率年均增长率的增长。自变量的第1项反映的是企业员工年内平均报酬的增长率, 它反应的是工资率的增长率。

自变量的第2项反映的是产业的前向后向关联度, 即企业从上下游产业相互靠近所得利益。譬如在服装产业, 上下游产业包括纺织品、皮革业, 毛织业。以两位数产业就业相对于三位数产业就业的比率来测量市场关联度。这是因为两位数的产业分划包含了拥有直接前向后向关联关系的产业。例如, 在交通运输制造业这个两位数行业, 包括通用零件制造业、汽车制造业、铁路车辆和机动车组制造业等。这个比例越大, 表明产业面临的前向后向关联度越强。如果产业关联度指标起作用的话, 我们希望它有正向作用。

自变量的第3项是产业内专业化指标, 用当年产业就业与当年上海市总就业量的比率来衡量。如果产业内专业化指标起作用的话, 我们希望它有正向的作用。自变量的第4项是产业间多样性指标, 用的是j产业以外其它产业的就业与上海市全部产业的就业之比的平方和来衡量。这个指标的构建思路来自与Herfendal指数, 也就是说, 行业劳动就业分布越均衡, 这个平方和就越小。如果产业间多样性有正的外部性, 我们希望这个指标的系数是负的。

自变量的第5项是产业内企业平均规模指标, 用当年产业就业量与当年产业内企业总数之比来衡量。要注意的是, 这个指标无法衡量产业内企业的规模经济性, 这是因为规模经济衡量起来很难, 这里只能以平均规模代替。我们认为企业平均规模越大的产业, 将有更快的发展。

由于产业之间差别很大 (从成熟产业到高科技产业) , 我们无法排除产业间的异方差性, 所以将运用处理面板数据的固定效应模型。在控制截面虚拟变量的同时, 我们将运用广义最小二乘法 (GLS) 对模型进行修正。计量分析的工具为Eviews5.0。

我们搜集了上海市1998～2005年110个三位数行业, 29个两位数行业关于累计工业总产值 (千元, 当年价格) 、累计企业就业人数 (万人) 、累计企业个数、累计劳动报酬总额 (千元) 的数据。数据的来源为《上海工业、能源与交通统计年鉴 (1999～2004) 》、《中国工业经济统计年鉴 (2003～2004) 》、《中国劳动统计年鉴 (1999～2005) 》, 国研网工业统计数据库 (2003～2005) 。其中, 累计劳动报酬总额的数据取自《中国劳动统计年鉴 (1999～2005) 》, 但是只有两位数水平上的数据。1998～2003年关于累计工业总产值 (千元, 当年价格) 、累计企业就业人数 (万人) 、累计企业个数的数据取自《上海工业、能源与交通统计年鉴 (1999～2004) 》, 1998～2003年上海市总体就业量的数据取自《中国工业经济统计年鉴 (2003～2004) 》, 其余数据均来自国研网工业统计数据库 (2003～2005) 。三位数行业, 炼铁业、矿山冶金建筑专用设备制造业、化工木材非金属加工专用设备制造业、纺织服装和皮革工业专用设备制造业、农林牧渔专用机械制造业、医疗仪器设备及器械制造业缺少2004-2005年度的数据;塑料加工业缺少1998年度的数据。

4 回归分析与结果

由于没有三位数水平上的平均劳动报酬的数据, 所以我们将回归方程分成两步来做。第一步先做两位数水平上产业生产率增长率与工资增长率的回归分析, 回归方程如下,

$\ln (\frac{\text{Ο}\text{u}\text{t}\text{p}\text{u}\text{t}{}_{\text{k}\text{t}+1}^{\text{S}}/\text{L}{}_{\text{k}\text{t}+1}^{\text{S}}}{\text{Ο}\text{u}\text{t}\text{p}\text{u}\text{t}{}_{\text{k}\text{t}}^{\text{S}}/\text{L}{}_{\text{k}\text{t}}^{\text{S}}})=\text{β}{}_0+\text{β}{}_1\ln (\frac{\text{R}\text{e}\text{m}{}_{\text{k}\text{t}+1}^{\text{S}}/\text{L}{}_{\text{k}\text{t}+1}^{\text{S}}}{\text{R}\text{e}\text{m}{}_{\text{k}\text{t}}^{\text{S}}/\text{L}{}_{\text{k}\text{t}}^{\text{S}}})+\text{ε}{}_{\text{k}\text{t}}$

回归结果如下,

其中**表示在1%统计水平下显著;*表示在5%统计水平下显著。

第二步再做三位数水平上产业增长率与产业前向后向关联度、产业内专业化、产业间多样性以及产业平均企业规模的回归分析, 回归结果如下,

其中**表示在1%统计水平下显著;*表示在5%统计水平下显著

为了区分产业内专业化以及产业间多样化对于产业发展的影响, 我们分别控制变量, (a) 中, 自变量只有产业内专业化、平均规模以及前向后向关联度; (b) 中, 自变量只有产业间多样性、平均规模以及前向后向关联度; (c) 中, 自变量包括产业内专业化、产业间多样性、平均规模以及前向后向关联度。

5 结 论

从表2, 我们看到工资增长率每提高1%, 该产业劳动生产率增长率提高0.5%。所以说, 上海市制造业高的工资率并没有因为生产成本的提升对产业发展产生不利的影响。相反, 对产业发展有促进作用。2002年～2004年间, 上海市制造业平均劳动报酬与全国平均劳动报酬的比为1.86、1.97、1.92 (根据《中国劳动统计年鉴 (2003～2005) 》计算) , 从回归结果看, 这一差距还有进一步扩大的趋势。可以预见, 在未来的几年里, 全国制造业高素质人才仍将向上海大量集中。

由于采用了企业的平均规模代替了规模经济作为衡量标准, 从表3中, 我们无法确定规模经济对于产业生产率增长的促进作用。但是, 比较明显的是, 上海市制造业企业平均规模已经很大, 部分产业的企业已经达到了规模经济的边界。

同样, 我们没有发现产业集聚 (专业化) 的证据。从表3中, 我们可以看到产业内知识溢出效应并不明显。这一方面说明了上海市知识密集型制造业的产品总体上附加值还很低, 大量的核心技术还依赖于转让, 生产主要集中在加工、组装阶段;另一方面也说明上海市劳动以及资本密集型制造业已处在产业生命周期的末段。只有加大研发投入, 更新产品的生命周期才是解决困境的办法。

比较意外的是前向后向关联度指标是负的。从指标的构成看, 若某产业的前向后向关联指数上升, 说明该产业上游或下游产业雇佣的劳动力数量上升。一个可能的原因是上游或下游产业的平均企业规模在扩大。联系上面上海市制造业企业平均规模过大的证据, 我们可以得到, 在这种情况下, 进一步扩大规模并不能降低成本或是提高生产率, 相反由于规模过大造成的管理成本的上升, 反而会抵消增加的产量所带来的收益。一个突出的例子, 上个世纪90年代末, 上海市钢铁业横向兼并后, 并没有达到1+1>2的效果, 反而造成了效率的下降 (Sun Pei, 2005) 。可见, 当某产业的上下游产业规模扩大导致生产成本上升或效率下降时, 该产业生产率的增长率必定会下降。

产业间集聚 (多样化) 是有利于产业发展的。这与Jacobs的理论相一致。在生产率提升方面, 产业多样性指标是强于前向后向关联度指标的。说明哺育多样性的产业 (有共同的科学基础) , 维持住现有的上下游产业的布局才是目前产业规划应该注意的问题。

制造业集聚 篇4

中国自改革开放以来, 伴随外商直接投资 (FDI) 的不断涌入, 产业集聚现象愈发凸现。冼国明、文东伟 (2006) 从制造业总资本和外商资本的地区分布中发现, FDI与制造业在东部沿海集聚有着明显正的关联性。赵伟、张萃 (2007) 也分析了不同集聚度的产业1999-2003年FDI渗透率对产业集聚γ系数之间的关系, 发现渗透率超过11.77%这个转折点, 会对产业集聚产生加速作用。李娟、王菲 (2011) 研究发现, 在2007年我国东部沿海地区就集中了85%的外商直接投资, 而2003-2006年30个省份27个制造业的产业集聚程度不断加深。因此, 在FDI促进产业集聚的同时, 研究产业集聚、FDI技术溢出对技术进步的影响是一个重要的现实问题。

本文的研究将从制造业不同集聚度行业的视角出发, 利用面板数据回归模型, 实证分析和检验产业集聚、FDI的技术溢出对不同集聚度行业技术进步的影响, 对不同集聚度行业实现技术进步提出了相关对策。

二、文献综述

关于产业集聚、FDI技术溢出对一国技术进步影响的研究中, 学者们的观点有:一类研究认为产业集聚、FDI的技术溢出促进了一国的技术进步。Markusen和Venables (1999) 从技术互补效应和规模经济效应的角度、Baptista和Swanm (1999) 建立的计量模型从集聚区内企业之间显著的学习效应的角度都发现产业集聚通过FDI技术溢出促进了一国技术进步。张宇、蒋殿春 (2008) 认为产业集聚中FDI企业会利用劳动力流动、关联、示范以及外溢效应来带动本地企业的技术升级和技术进步。盖骁敏 (2010) 指出产业集聚对FDI技术溢出效应的影响与东道国企业创新能力、集聚的FDI类型以及外资与当地企业的关联和市场竞争等因素有关。另一类研究却持有否定的观点。Birikinshaw (2000) 利用生命周期理论分析表明产业集聚的发展程度不同对FDI技术溢出效应有所差异:对于成熟产业集聚区的技术溢出正向效应明显, 而处于增长过程的产业集聚区的技术溢出效应, 只在短期内有明显正效应, 而长期影响有限。De Propris (2001) 更是提出产业集聚没有通过FDI技术溢出效应促进一国的技术进步, 却形成所谓的“逆向性技术扩散”。毕红毅 (2012) 利用2000-2009年山东制造业数据分析表明, 产业集聚企业的技术创新依赖性和惰性抑制了FDI技术溢出效应, 带来创新能力下降和恶性竞争等负效应。

三、实证模型构建与检验

(一) 实证模型构建

本文利用2003—2011年20个制造业行业数据进行分析, 利用面板数据回归方法建立如下实证模型:

lnYi, t=c+φ0lnYi, t-1+φ1lnRDi, t+φ2lnGNi, t*lnFDIi, t+φ3lnGMi, t+φ4ln MKi, t+φ5ln LABi, t+ηi+μt+εi, t

其中:

1.lnYi, t代表行业技术进步, 使用全要素生产率 (TFP) 指标, 利用数据包络分析法 (DEA) 来测度TFP的Malmquist指数。并将各年的各行业指数换算成以2003年为基期的生产率指数 (表1) 。

2.lnGNi, t代表产业集聚, 利用文玫 (2004) 的区位基尼系数计算方法, GNi的取值范围是在 (0, 1) 之间的, 如果某行业集聚程度低, 则该行业的区位基尼系数趋向为0, 如果某行业集聚程度高, 区位基尼系数趋向为1。根据2003-2011年的平均区位基尼系数, 将各行业划分为高、中、低集聚度行业, 其中GNi的取值范围在0至0.35之间为低集聚行业, 0.35 (包括) 至0.5之间为中集聚度行业, 0.5 (包括) 至1之间是高集聚度行业 (表2) 。

3.lnFDIi, t代表外商直接投资, 本文选用的外资指标是利用了20个制造业外商投资企业2003-2011年的工业生产总值与各行业当年的全部工业总产值的比重进行衡量 (表1) 。

4.lnRDi, t代表了R&D支出, 利用各行业R&D支出占当年各行业工业总产值的比重。

5.lnGMi, t代表了规模经济效应, 利用2003-2011年各行业工业生产总值与当年各行业的企业数量比值衡量, 考察了各行业单位企业的生产规模。

6.lnMKi, t代表了市场竞争效应, 用各行业当年利润额占当年工业总产值比重。

7.lnLABi, t代表了劳动力禀赋, 用各行业的就业人数与当年的全国总就业人数的比值进行衡量。

为了避免模型中的被解释变量lnYi, t产生的内生性导致模型结果的不稳定, 加入lnYi, t-1提高模型解释度。

(二) 实证检验与结果分析

1.实证检验结果

为了深入分析产业集聚、FDI技术溢出对不同集聚度行业技术进步的影响, 实证模型中以产业集聚和FDI交互项进行考察, 体现了产业集聚对FDI技溢出的作用, 具体结果 (表3) 。

2.检验结果分析

产业集聚、FDI的技术溢出对不同集聚度行业技术进步有不同影响。低集聚度、中集聚度和高集聚度行业的产业集聚、FDI技术溢出对技术进步的贡献系数依次为0.11、0.04和-0.16。说明随着产业集聚度的增加, 不同集聚度行业的产业集聚通过FDI技术溢出对技术进步的贡献依次呈现了较快增长、缓慢增长和较快下降的态势。就不同集聚度行业的具体情况而言:

(1) 高集聚度行业。这类行业具备了规模庞大、垄断能力强、但对外资进入有限的特征, 因此, 规模经济效应对技术进步促进作用明显 (0.27) , 而垄断特征使得市场竞争效应对技术进步没有明显正向效应。高集聚行业特别是烟草制品业、石油炼焦业、化学纤维制造业等, 由于外资企业在总体制造业产值占比较低, 因此产业集聚没有通过FDI技术溢出效应对其技术进步产生促进 (-0.16) 。劳动力禀赋不再成为高集聚度行业技术进步的优势 (-0.36) , R&D支出水平较低, 产生阻碍效应 (-0.08) 。

(2) 中集聚度行业。相比高集聚度行业, 市场竞争效应对技术进步发挥了明显的促进作用 (0.12) , 如食品加工制造业、纺织品制造业等行业, 有着相对完善的市场竞争机制, 市场竞争效应对技术的进步作用大于具有垄断性质的高集聚度行业, 可以有效促进企业自主创新和技术进步。规模经济的边际效应递减, 说明行业规模基本处于饱和状态, 造成对行业技术进步的负效应 (-0.08) 。产业集聚和FDI的技术溢出效应对技术进步有明显的正效应 (0.04) , 更多是由于由于产业本身的技术比较稳定和成熟, 从R&D支出的技术进步效应 (0.07) 可以得到印证, 且自主创新机制的带动作用最为突出 (0.92) 。因此, 这类行业中外资更为看重的是除技术外的其他资源禀赋优势 (例如劳动力、市场规模等) , 当劳动力禀赋没有带来明显的技术进步时 (不显著正效应0.02) , 产业集聚通过FDI技术溢出效应对技术进步的正向作用就会受到一定的制约。

(3) 低集聚度行业。行业本身资源禀赋特征比较明显, 受到资源约束比较大, 规模经济对技术进步作用更多体现为利用丰富的资源优势来实现企业生产成本的降低, 规模经济效应对技术进步正向效应明显 (0.27) , 市场竞争效应也起到了很大的推动作用 (1.06) 。产业集聚、FDI技术溢出效应对技术进步起到了明显的正向效应 (0.11) , 说明产业集聚和FDI技术溢出的边际效应较大。这类行业在R&D投入上要注重科技项目的高技术含量, 否则也会阻碍技术的进一步提升 (-0.23) 。

四、结论与政策建议

产业集聚、FDI的技术溢出效应对不同集聚度行业技术进步产生的影响不同, 因此不同行业实现技术进步的途径有所不同:高集聚产业由于市场垄断和对外资的限制, 产业集聚并没有通过FDI技术溢出效应对技术进步产生明显的推动作用, 抑制了产业技术进步, 但规模经济效应却发挥了明显的作用, 因此如果能积极引入FDI, 通过关联产业之间互相促进, 实现规模经济促进技术进步;中集聚度行业, 由于本身的技术发展比较稳定和成熟, 市场竞争效应对技术的促进作用非常明显, 外资的引进要适度, 避免市场寻求性FDI及对技术溢出效应的限制, 产业的自主创新成为技术进步的主要动力, 加大创新资本投入实现自主创新能力的提升;低集聚度行业引进外资可以明显实现产业集聚对技术进步的推动作用, 应着重利用先进技术提升和改造传统产业, 摒弃依靠资源优势来提升产业技术水平的传统模式, 引入优良的外部技术带动机制。

摘要：利用中国20个制造业行业2003-2011年面板数据, 实证分析了产业集聚、FDI技术溢出对不同集聚度行业技术进步的影响, 并提出相应策略:高集聚度行业应逐步放宽对FDI的限制, 发挥规模效应;中集聚度行业通过市场竞争效应推进行业自主创新;低集聚度行业应利用FDI先进技术实现对行业的技术改造和升级。

关键词：产业集聚,FDI技术溢出,技术进步

参考文献

[1]Baptista R.and Swanm P., “Do Firms in ClustersInnovate More?”[J], Research Policy, 1998, (5) :pp525-540

[2]Birkinshaw J.“Regional Clusters and MultinationalEnterprises, Independence, Dependence, or Interde-pendence”.International Studies of Management andOrganization[J], 2000, (30) :pp25-114.

[3]Markusen J.and Venables A., “Foreign Direct In-vestment as a Catalyst for Industrial Development”[J], European Economic Review, 1999 (43) :pp335-356

[4]盖骁敏, 产业集聚形成过程中的FDI溢出效应分析[J], 东岳论丛, 2010, 9.

[5]冼国明、文东伟, FDI、地区专业化与产业集聚[J], 管理世界, 2006, 12.

[6]张宇、蒋殿春, FDI、产业集聚与产业技术进步——基于中国制造业行业数据的实证检验[J], 财经研究, 2008, 1.

制造业集聚 篇5

关键词：产业集聚,专业化,珠三角制造业,工业增长

引 言

随着对产业集聚问题研究的深入和产业集聚度测度方法的细化, 出现了一批实证研究的成果。梁琦 (2003) 计算了中国1994、1996、2000年两位数24个行业的空间基尼系数及2001年3位数171个行业的空间基尼系数, 两位数行业除食品制造外, 都呈上升趋势, 另FDI与基尼系数的相关性系数表明FDI的集中进一步导致了我国一些资本、技术密集型产业的快速集聚。白重恩等 (2004) 计算了产值的HOOVER地方化系数, 证实1985~1997年间区域专业化程度有了相当大的提高, 白重恩的实证还表明地方保护主义不利于产业的地区集中。罗勇等 (2005) 用EG指数测算了1993、1997、2002、2003年中国20个行业集聚程度, 得出制造业总体集聚程度上升的结论。路江涌 (2006) 完全按照Ellion & Glaeser的计算方法对于数据的要求, 采用更为细化的区域和行业数据计算1998~2003年的集聚度变化趋势并与国际集聚水平进行比较, 认为中国的制造业集聚程度还不高, 有望进一步上升。贺灿飞等 (2006) 对统计数据进行挖掘, 计算了1980~2003更长时间序列的制造业两位数的空间基尼系数, 并分析影响制造业集中的因素, 就增加值的空间基尼系数来看, 1980年代趋于扩散而1990年代趋于集中。

关于珠三角 (或广东) 产业集群的实证研究主要有:施雯 (2006) 计算并比较广东省主要工业产业2000与2004年的产品销售收入的区位商, 唐启勇等 (2005) 使用调整过的区位基尼系数公式计算了广东省1998~2003年间29个制造行业的区位基尼系数, 兰正文 (2007) 计算了广东省2005年30个行业的制造业集聚的赫芬达尔指数, 但缺乏时间序列的比较分析。本文采用空间基尼系数对珠三角制造业29个行业的集中度进行测算, 从1993~2007年相对长的时间序列考察珠三角制造业集聚度的变化趋势, 城市专业化水平变化情况, 并以电子信息业为例分析产业集聚对于珠三角工业增长的作用。

1 珠三角制造业的集聚度变动趋势及城市专业化

1.1 产业集聚测度方法

测度产业集聚度的方法有赫芬达尔系数、胡弗系数、熵指数、锡尔系数等, 一般情况下这些系数的结果近似。本文采用空间基尼系数, 其计算公式为:

$\text{G}\text{i}=\frac{1}{2\text{Ν}{}^2\text{μ}}{\displaystyle \sum _{\text{j}}{\displaystyle \sum _{\text{k}}\left|\frac{\text{x}{}_{\text{i}\text{j}}}{\text{X}\text{i}}-\frac{\text{x}{}_{\text{i}\text{k}}}{\text{X}\text{i}}\right|}}(1)$

式中, N表示城市数量, xij或xik为产业i在j城市或k城市的总产值, Xi为产业i在珠三角的总产值, μ为各行业产值占全省产值比重的均值。制造业省区专业化的基尼系数与式 (1) 类似, 计算时产业换成城市, 城市换成产业。该指数取值范围为0到1, 数值越高, 表明某产业地理集中程度越高或某城市专业化程度越高。此外, 本文还借用市场集中度指标的计算方法, 计算29个行业工业总产值排名前3位的城市所占的市场份额, 称之为三城市集中度, 即CR3, 三城市的集中度可以从另一个角度反映产业的空间分布情况。

1.2 数据来源及预处理

本文所有数据来自1994~2008年《广东统计年鉴》, 包括珠三角 (广州、深圳、珠海、佛山、东莞、中山、江门、肇庆、惠州) 共9个城市的数据, 选取各城市工业分行业总产值指标作为原始数据。2002年国家统计局对国民经济行业分类体系进行了调整, 口径有一定变化, 考虑到数据连续性和完整性, 本文对2003年前后口径变化不明显的行业数据不予区分, 共选取食品加工业等29个两位数行业做为研究对象。

1.3 制造业集聚程度变动趋势

在1993~2007年间, 珠三角由于进行大幅度的产业结构调整, 产业不断转移和更新, 整个产业转换的过程让产业的集聚度出现了大起大落。29个制造业行业中, 有10个产业的集聚度出现下降, 主要集中在能耗型和传统产业上, 如皮革、毛皮、羽毛制品业、橡胶业是集聚度下降最大的两个行业, 集聚度下降分别为25.22%和26.80%。与此相对应的, 通信设备业和仪器仪表制造业上升接近20个百分点, 因而可以认为, 正是珠三角产业由传统劳动密集型向资本、技术密集型转换的过程使得珠三角的产业集聚度发生强烈波动, 新的主导产业强势进入成为产业集群更有竞争力的载体。

由表1中可以看到, 除了烟草制造和石油加工这类垄断性很强的产业外, 2007年产业集聚度最高的几个产业是:交通运输设备制造业、通信设备、计算机及其他电子设备制造业、有色金属冶炼及压延加工业、黑色金属冶炼及压延加工业。这几个产业2007年和集聚度都在0.6以上。其中前两个行业属于技术密集型, 后两个行业属于资本密集型。因为资本及技术密集型产业的产业链相对长, 更容易发生产业前后向联系, 同时这两类产业的知识溢出效应更加明显, 因而这类产业更容易与周边产业集聚在一起。

1.4 城市专业化变动趋势

计算出珠三角城市专业化水平变化如下:

上一行为按照行业产值占总产值的比例加权平均, 下一行是算术平均值。二者都表现出城市专业化水平增强的趋势, 只是算术平均值的结果波动比较厉害, 而加权平均值呈现出平稳的增长态势。把集聚度和城市专业化水平的行业加权平均值进行对比, 见图1:

可以看出, 两曲线的变化趋势高度一致, 数据相关度达0.91, 说明珠三角产业集聚度整体水平提高的同时, 城市的专业化水平也在不断提高。

计算CR3指标, 对2007年度各个行业总产值排名前三位的城市进行汇总, 根据各城市产业在CR3计算中出现的次数作出制造业集聚的地域分布排行表, 同时给出城市的专业化指数排名见表3:

在CR3的计算过程中, 佛山、广州和深圳的出现频次最多, 有较多数量的产业拥有较高的市场占有率, 总体的产业竞争力较强。这几个城市的主要行业存在较明显的差异性, 表现出较强的产业间分工。其中佛山以传统的纺织、塑料、木材加工及五金制造业为主;深圳以资本、技术密集度比较高的机械制造、电子信息制造业为主;而广州作为省会城市产业的综合性比较强, 即有传统的食品饮料制造业, 又有机械制造、电子信息制造业等技术型产业, 还有烟草制造、化工行业等资本密集型产业。专业化指数的计算结果显示, 2007年以深圳、惠州和珠海的专业化程度最高, 这几个城市除了深圳的多样化程度较高外, 惠州、珠海的支柱行业较少, 仅专业化于2、3个行业的生产。

2 珠三角制造业对工业增长的影响

研究产业集聚的主要目的是探讨其对经济增长的作用, 一般认为产业集聚有利于经济增长。本文以珠三角支柱产业电子信息业为例分析产业集聚对于工业增长的作用, 先对工业总产值进行对数处理 (下文以lnIGDP表示) , 然后应用计量方法对二者关系作进一步检验和分析。

2.1 单位根检验

检验变量是否稳定的过程称为单位根检验 (Augmented Dickey-Fuller Test) , 该检验法的基本原理是通过n次差分的办法将非平稳序列转化为平稳序列, 经过D阶差分后序列变为平稳, 则称为D阶单整序列。对Gi和lnIGDP进行ADF检验, 结果见表4:

Gi和lnIGDP都为1阶单整, 可以进行协整检验。

2.2 协整检验

变量序列之间的协整关系基本思想在于, 尽管两个或两个以上的变量序列为非平稳序列, 但它们的某种线性组合却可能呈现稳定性, 则这两个变量之间便存在长期稳定关系即协整关系。本文采用Johansen检验是否存在协整关系及协整关系存在的个数。协整关系检验结果见表5:

由于使用的是两变量系统, 因此零假设为无协整关系H0:r=0, H1:r=1, 拒绝零假设则表明存在协整关系。极大似然率为16.61267, 大于5%水平临界值15.49471, 所以拒绝零假设, 即接受工业增长率lnIGDP与集聚度指数Gi存在协整关系。在考虑有协整关系的情况下, 进一步检验有多少个协整关系, 极大似然率3.838636小于5%水平临界值3.841466, 所以接受零假设, 即存在一个协整关系。

2.3 建立协整方程

根据前人研究的经验结果, 工业增长往往与产业集聚度的三次方成正比, 而本文中lnIGDP与Gi描散点图显示为正向的线性关系, 排除异常年份1993年、1994年作线性回归:

LNIGDP=13.5486*G+0.6427

R2=0.9539 F=0.0000

O.W=1.67 (13.6431) (1.1260)

因归系数显著为正, 即产业集聚对工业增长存在显著的正向作用。

3 结 论

本文利用空间基尼系数对珠三角制造业1993~2007年间29个行业的产业集聚度进行测度, 结果表明珠三角大部分行业的产业集聚度上升, 少部分行业下降。不同产业的集聚度及变化趋势明显, 表现为一方面, 新兴的资本、技术密集型产业集聚度上升并占据集聚度排行榜的前列, 而传统产业的集聚度明显下降。行业间分化明显是珠三角产业结构调整和经济转型特定阶段所具有的现象。CR3结果显示佛山、广州、深圳等几个城市在CR3排名中出现频次最多, 是多样化程度较高、产业综合竞争能力较强的几个城市。同时还计算了1993~2007年间各城市的专业化指数, 结果表明珠三角的专业化程度有所提高。文章还采用协整检验的方法对集聚指数和工业总产值的关系进行分析, 发现产业集聚对工业增长具有长期正向的作用。

参考文献

[1].罗勇, 曹丽莉.中国制造业集聚程度变动趋势实证研究[J].经济研究, 2005, (8)

[2].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)

[3].白重恩, 杜颖娟, 陶志刚等.地方保护主义及产业地区集中度的决定因素和变动趋势[J].经济研究, 2004, (4) :29~40

[4].梁琦.中国工业的区位基尼系数——兼论外商直接投资对制造业集聚的影响[J].经济研究, 2003, (9) :21~25

[5].贺灿飞, 谢秀珍.中国制造业地理集中与省区专业化[J].地理学报, 2006, (2)

[6].唐启勇, 谢洪明, 蓝海林.广东产业集群现状发展趋势和对策[J].特区经济, 2005, (11) :22~24

[7].兰正文, 郑少智.广东省制造业集聚发展状况的实证研究[J].经济纵横, 2007, (6) :103~104

制造业集聚 篇6

新经济地理学认为, 随着生产技术的不断发展, 规模经济效应愈加明显, 而运输成本的降低, 更加促进了产业集聚的发展[1]。随着我国经济的高速发展, 我国工业在地理上的集聚更加明显, 其中东部沿海地区多个省份成为了制造业的中心, 新经济地理学理论可解释中国改革开放后的工业聚集[2]。环渤海地区是我国继长江三角洲、珠江三角洲之后第三大经济集聚地。狭义的环渤海地区包括北京、天津、山东、辽宁和河北三省两市, 其国土面积和人口分别约占全国的5. 37% 和17. 8%, 其地区GDP总额为13. 02 万亿元, 占全国GDP的24.98% , 其中京津唐地区更是我国第三大经济增长极。

随着国家先后在辽宁和山东建立沈阳国家新型工业化配套改革实验区、辽宁沿海经济带和山东半岛蓝色经济带, 加上生产技术的飞速发展, 环渤海地区迎来了新的发展契机, 制造业集聚也愈加明显。那么在环渤海地区的发展过程中, 制造业是否存在明显的产业—空间双重集聚[3]现象以及集聚程度如何? 本文对这一现象尝试性地做出解释。

基尼系数是由意大利经济学家科拉多·基尼依据洛伦兹曲线于1912 年提出, 是用来综合考察居民内部收入分配差异状况的一个重要分析指标。区位基尼系数是随着产业集聚理论的发展而发展起来的[4]。最早提出区位基尼系数的是保罗·克鲁格曼[5], 他于1991年计算了美国三位数行业的区位基尼系数, 分析研究了美国行业的集聚程度, 发现部分行业存在高度集聚。此后, 有更多的专家和学者或引用或改善这一模型来分析产业集聚状况。Amiti[6]计算了欧洲10 个国家的27 个三位数行业的基尼系数和5 个国家65 个行业的基尼系数; Young[7]观察到中国不同地区在工业生产结构上的趋同态势; 梁琦[8]计算了中国工业24 个行业的基尼系数以及制造业类171 个行业的区位基尼系数, 分析了产业集聚现象; 文枚[2]运用第二、三次工业普查的数据分析了中国工业在区域上的集中程度, 发现中国制造业在地域上的集中程度在增强; 白重恩等人[9]在分析中国地方保护主义上也将区位基尼系数作为衡量产业集中度和地方保护主义的指标; 徐圆[10]研究了中国工业的分布和聚集程度, 分析发现中国产业分布的空间集中程度在提高, 同时发现制造业开始在江苏、上海、浙江、广东、山东等沿海省市集聚; 杨勇[11]通过转换Amiti和Wen的区域分布基尼系数分析了中国服务业在空间上的集中程度, 测算了空间基尼系数, 得到不同服务业的集聚程度; 李文秀和胡继明[12]分别基于空间基尼系数、赫芬达尔系数和E - G系数分析发现, 中国服务业的集聚趋势已出现并不断上升; 郑蔚[13]利用区位熵、空间基尼系数和产业共同集聚指数分析发现, 福建省各地市的制造业已形成各具特色的产业集群; 李扬[14]选用区位熵、空间基尼系数和行业集中度指数分析了西部地区产业集聚状况, 发现西部绝大多数产业集聚程度正在增加, 产业集聚具有很大的发展空间; 梁琦等[15]应用区位基尼系数、区位熵和区域分工指数分析了广东省的制造业集聚和扩散程度及趋势, 结果与广东制造业发展现实情况基本相符; 田相辉[16]测算了城乡所有制部门的原始地理集中指数、基尼系数和区位基尼系数, 用以分析城乡所有制部门吸纳劳动力要素能力的发展趋势。此外, 还有一些学者利用区位基尼系数、区位熵等分析研究了单一产业的区域集聚状况[17,18]。

本文所运用的区位基尼系数和产业基尼系数均是由基尼系数演化而来, 区位基尼系数只是从横向分析地区间的产业集聚情况, 并没有做到从纵向方面分析区域的产业集聚变化趋势。本文提出的产业基尼系数是从纵向方面来分析产业集聚, 将区位基尼系数和产业基尼系数相结合可分析包括产业的空间集聚和区域的产业集聚在内的双重集聚情况, 可分析得到更加详实和科学的产业集聚状况。本文将分别从时间和空间角度出发, 分析产业集聚的产业基尼系数和区位基尼系数 ( 称为“双重基尼系数”) 。

2 双重基尼系数研究方法

基尼系数是对基于确定指标的某对象分布均匀度的量, 主要用于度量一个国家或地区的财富分配状况和社会稳定性[19]。区位基尼系数和产业基尼系数正是对基尼系数的发展和对其实质在产业集聚分析上的运用。区位基尼系数可用于测量产业在地区间的分配均衡程度, 是分析产业发展平衡性的一个有力的量化工具, 也可以描述各地区间产业结构的多样性和集中性。它建立在累积比率曲线与标准衡量曲线的对比上, 是分析区位产业发展不平衡性的一个量化工具。区位基尼系数的指标值越大, 就说明产业的空间分布高于整个产业的集中程度, 或该行业的地方化集中化程度高、多样化程度差, 该产业在某地区就形成优势产业。所以区位基尼系数也是衡量产业分布均衡与否的一个重要指标。

产业基尼系数用于测量某地区各个产业的分配均衡状况, 描述该地区产业的集中程度和多样性。产业基尼系数的数值越大, 说明该地区某一个或几个产业占总产业的比值大, 产业集中程度越高, 相对应的多样化程度较低, 因此在一定程度上产业基尼系数也是反映国民经济体系是否完善的一个标准。区位基尼系数和产业基尼系数公式为:

式中, Gq为区位基尼系数; sji为地区j产业i所占的份额; smi为地区m产业i所占的份额; n为地区的数量; si为产业i的平均份额。Gc为产业基尼系数; cu为该地区所有产业的平均份额; ce为产业e的份额; cf为产业f的份额。区位基尼系数值和产业基尼系数值在0—1 之间变化, 其区位基尼系数值越大, 说明该产业在某地区集中; 而产业基尼系数越大, 则说明该地区集中分布某个或某些产业。反之, 区位基尼系数值越小, 说明该产业相对平均分布在各个地区; 产业基尼系数则说明该地区各个产业平均分布。根据基尼系数衡量收入差距的一般标准假定: 基尼系数在0. 2 以下表示无集聚现象; 0. 2—0. 3 之间表示低度集聚; 0. 3—0.4 之间表示中度集聚; 0. 4—0. 5 之间表示较高集聚; 0.5 以上为高度集聚。

产业集聚只是一个相对普遍的经济现象, 并非所有产业都具有集聚的特征, 适用于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[19]。克鲁格曼强调要通过自由移动的生产来研究产业的空间集聚, 而移动自由的产业多不依赖于自然资源生产的分布, 相当于我们所说的第二产业和第三产业[20]。但属于第二产业的采矿业只是对自然资源的初加工, 对资源的依赖性仍很强, 因此本文只研究制造业的空间集聚。至于用增加值还是用总产值来计算基尼系数才能更好地反映工业的集中度, 存在着分歧。部分学者认为, 由于产值中所含的要素投入和中间投入可从其他区域进口获得, 它并不反映该地区对一个行业的真实贡献, 所以用增加值计算更能说明问题; 而另一部分学者则认为, 厂商地理位置的选择通常已考虑了中间投入的运输费用并与其生产规模紧密相关, 而总产值能更好地反映生产规模, 所以用总产值更合适[2]。本文更强调产业的生产规模, 因此采用工业总产值进行分析。由于不同地区不同年份的统计口径不同, 在数据选取和分析过程中, 本文出于对分析结果影响最小化的目的对部分数据进行了处理, 在此不再赘述。

3 环渤海地区制造业集聚实证分析

3. 1 区位基尼系数分析

运用区位基尼系数 ( 式1) 对2011 年三省两市共33 类制造业进行数据处理分析, 得到各类制造的区位基尼系数, 并以超过份额平均值为标尺得到各类产业集聚的主要省市 ( 表1) 。从产业角度看, 区位基尼系数0. 5—0. 6 的产业有3 类, 属高度集聚; 有8 类产业的区位基尼系数为0. 4—0. 5, 属较高度集聚; 0. 3—0.4 的产业有6 类, 属中度集聚; 区位基尼系数0. 2—0. 3的产业也有6 类, 为低度集聚产业; 共有10 类产业的区位基尼系数在0. 2 以下, 集聚现象不明显, 其中有两类产业的系数低于0. 1。从分布地区的角度来看 ( 图1) , 产业份额超过平均值的产业在山东有19 类, 产业份额占第一、二位分别有11 类、8 类; 在辽宁的共有11类, 占第一、二位的各有6 类、5 类, 其中只有两类产业 ( D46水的生产和供应业与C20木材加工及竹、藤、棕、草制品业) 的区位基尼系数高于0. 4; 在河北的有7 类, 占第一、二位的各有3 类和4 类; 在北京的共有10 类, 其中占第一位的有9 类; 在天津的有12 类产业, 4 类占第一位。

注: 各代码行业: C13农副食品加工业, C14食品制造业为, C15饮料制造业, C16烟草制品业, C17纺织业, C18纺织服装、鞋、帽制造业, C19皮革、毛皮、羽毛 ( 绒) 及其制品业, C20木材加工及木、竹、藤、棕、草制品业, C21家具制造业, C22造纸及纸制品业, C23印刷业和记录媒介的复制, C24文教体育用品制造业, C25石油加工、炼焦及核燃料加工业, C26化学原料及化学制品制造业, C27医药制造业, C28化学纤维制造业, C29橡胶制品业, C30塑料制品业, C31非金属矿物制品业, C32黑色金属冶炼及压延加工业, C33有色金属冶炼及压延加工业, C34金属制品业, C35通用设备制造业, C36专用设备制造业, C37交通运输设备制造业, C39电气机械及器材制造业, C40通信设备、计算机及其他电子设备制造业, C41仪器仪表及文化、办公用品制造业, C42工艺品及其他制造业, C43废弃资源和废旧材料回收加工业, D44电力、热力的生产和供应业, D45燃气生产和供应业, D46水的生产和供应业, 下同。数据来源于各省市2012 年《统计年鉴》。

从区位基尼系数高于0. 4 的产业主要分布地区来看, D46水的生产和供应业在辽宁省高度集聚, 主要是因为辽宁省相对于环渤海地区其他省市的缺水情况更加严重, 整个水源地相对集中, 而供给地分布分散, 这种水资源的空间分布不均直接影响水生产和供应业的发展。C40通信设备、计算机及其他电子设备制造业, C41仪器仪表及文化、办公用品制造业和C42工艺品及其他制造业等技术密集型产业, 对资本、技术和人才的要求更高, 在交通便利、高素质人才密集、科研条件优越的北京和天津地区的集聚度较高。C20木材加工及木、竹、藤、棕、草制品业属于资源—加工型, 对资源和劳动力有较大的依赖性, 山东省和辽宁省的木材资源相对丰富, 廉价劳动力集中, 集聚明显。D45燃气的生产和供应业在北京集聚明显, 这与北京城市化水平高、居民使用燃气率高、政府政策和基础设施齐全等有关。C17纺织业、C28化学纤维制造业和C19皮革、毛皮、羽绒及其制品业属于资源—加工型产业和劳动力密集型产业[21], 主要集聚在山东和河北两省份, 主要因为这两省拥有大量的廉价劳动力, 都是棉花生产大省和畜牧养殖大省, 资源优势和自然禀赋优势明显。C43废弃资源和废旧材料回收加工业主要在天津集聚, 天津的人才基础和科研实力雄厚, 而且在地价等方面相对北京成本更低廉, 另与区域内政府间的产业协调和政策制定有密切关系。C24文教体育用品制造业在山东省明显集聚, 山东省的产业结构偏重于轻工业, 人口众多, 生活消费类产品居多, 是文化体育大省, 相应的文教体育用品制造业在山东省也较为集中。从各个制造业的区位基尼系数分析发现, 环渤海地区的制造业集聚现象总体较明显, 部分产业已实现在区域上的集聚, 并形成了规模效应。

3. 2 产业基尼系数分析

区位基尼系数分析的是各产业在区域内的集聚状况, 不能反映出某地区内的产业集聚变化和主要集聚产业的变化。因此, 本文运用产业基尼系数 ( 式2) 来计算环渤海地区三省两市各自的产业基尼系数, 得到各省市的产业基尼系数变化趋势 ( 图2 ) 。数据源于各省市近十年的《统计年鉴》。从图2 可见, 环渤海地区三省两市的产业基尼系数都大于0. 48, 产业集聚度高; 而具体到不同的省市, 近十年的系数变化发展趋势各有不同。山东省的产业基尼系数最低, 一直为0. 48—0. 5, 只有2010 年的系数超过0. 5, 其产业集聚的总体变化趋势不明显, 这与区位基尼系数在0. 4 以上的制造业在山东省集聚相对明显有冲突, 这主要是因为两个基尼系数在计算过程中的取值不同。辽宁省近十年的产业基尼系数一直都为0. 620—0. 634, 2002—2005年处于下降状态, 随后回升并趋于稳定。河北省的系数变化幅度最大, 从2002 年的0. 541 一直上升到2006 年的0. 645, 而后逐渐下降到11 年的0 . 63 。天津市的系数变化趋势与河北省的情况基本相同, 也是以2006 年为转折点先升后降。不同的是, 天津市的变化幅度较小, 总体系数值大于河北, 集聚程度更高。北京市是近十年环渤海地区产业基尼系数平均最高的市, 其变化趋势呈波浪式, 系数也是在曲折中上升, 产业集聚现象在北京市更为明显。

综上所述, 辽宁和山东两省的产业基尼系数变化幅度相对较小, 两省都是工业强省, 都拥有雄厚的工业基础, 部分支柱产业齐头并进, 在产业基尼系数变化中反映并不明显。不同的是, 辽宁省的部分支柱产业占制造业的份额更大或支柱产业相对比山东省少, 凭借丰富的矿产资源, 辽宁省在重工业方面的集聚更加明显; 山东省拥有丰富的劳动力资源和巨大的市场需求, 在轻工业和加工制造业方面的集聚更加明显。河北省的工业基础相对较弱, 21 世纪以来制造业发展速度快, 强化了支柱产业的发展, 产业集聚程度在该省得到了较快发展, 但大多是以初级产品加工为主的产业。北京市和天津市拥有发展技术密集型和资本密集型产业的多种优势条件, 产业发展政策指向明确, 是我国高新技术产业的主要集聚区之一, 形成了规模效益和集聚效益。不同的是, 天津市的产业发展基础较薄弱, 加工制造业的后续发展速度更快, 集聚现象也愈加明显, 而北京市发展技术和资本密集型产业的时间更长, 高度集聚比天津市形成的时间更早, 而且形成了长时间稳定的集聚现象。

3. 3 区位熵分析

以上两部分是对制造业的空间集聚和三省两市的产业集聚变化分析, 并没有体现各个省市的主要集聚产业在近十年的变化情况。我们以环渤海地区各产业的产值总和为基准利用绝对区位熵分析得到环渤海各个省市2002 年、2007 年和11 年三个时间点的主要集聚产业, 然后与各制造业的主要集聚分布地区进行比较分析。

为了便于分析和描述, 本文只取区位熵前三位的制造业, 得到表2。从表2 可见, 2011 年各省市区位熵前三位的制造业与区位基尼系数得到的制造业主要集聚地区基本符合, 特别是各省市区位熵值最大的产业都是区位基尼系数在0. 4 以上的产业。从各省市三个时间点的区位熵值比较发现, 山东省的制造业区位熵值较均衡, 熵值最大的2002 年农副食品加工业也只有1. 97, 与山东省近十年的产业基尼系数相对较低且相对稳定相符; 北京市的制造业熵值相对分散, 以2011年为例, 熵值超过3. 00 的有4 类制造业, 而熵值低于1. 00 的制造业则有20 类, 这与表1 和图2 得到的北京市产业集聚程度最高十分相符。

注: 数据来源于各省市2003 年、2008 年和2012 年的《统计年鉴》。

综上所述, 无论是产业的空间集聚还是区域内的产业集聚在环渤海地区的三省两市表现都十分明显, 这与我们之前的预测基本相符。产业集聚是现代经济发展的基本趋势, 产业集聚的形成和发展机制一般基于自然条件与自然资源状况、区位与交通条件、劳动力资源、经济条件和社会条件等因素。不同的地域存在着不同的产业集聚条件, 相应地会产生不同类别的产业集聚和不同的集聚发展趋势。北京市和天津市是高新技术产业集聚区, 主要是因为北京市和天津市拥有便利的交通条件、人才集聚、科研实力强和政策扶持等条件。山东省和河北省拥有丰富的农业资源和劳动力资源, 形成以纺织、皮革制造等需求大量劳动力的资源—加工型产业集聚, 并且山东省人口众多, 是教育、文化和体育大省, 轻工业特别是文教体育用品制造业集聚非常明显。辽宁省拥有丰富的煤、铁、石油等资源, 但由于处在由重工业向高新技术产业和第三产业转型阶段, 除部分仍有实力的资源型产业外, 产业集聚现象相对不明显。

随着全球经济的发展和时间的推移, 生产技术、制度和贸易自由度等因素对产业集聚机制影响不断扩大, 甚至是推动产业集聚的根本力量。对环渤海地区来说, 在国家先后在辽宁省和山东省建立三个国家发展战略区域的政策扶持下, 以及本身所拥有较强的科技实力、开放的市场环境和国际环境, 为经济的发展创造了良好时机。在今后发展过程中, 这些地区应进一步加强交通运输设施建设, 提高通达度, 降低运输成本和贸易成本, 促进区域间的资源要素流动; 继续加强区域内的产业交流和要素流动, 建立区域经济交流与合作平台, 消除地区间的恶性竞争重视发展产业集聚所带来的规模效应, 实现产业的市场化整合, 提高资源的利用效率。在资源禀赋的基础上, 必须要重视发展高技术产业和海洋产业, 发展区域特色产业和优势产业, 提高产品的多样化, 实现产业结构优化; 强化促进产业协调发展和错位发展, 形成合理的产业分工和相应的产业链。

4 结论与讨论

产业集聚可带来的巨大的集聚效益和规模效益, 但这并不意味着所有产业都适合集聚发展, 也不代表单纯地强调发展产业的地域专业化就能够实现产业的集聚效益和规模效益。本研究利用产业基尼系数、区位基尼系数和区位熵分析环渤海三省两市的制造业集聚状况。结果发现: 环渤海地区三省两市的产业集聚程度都很高, 有11 类产业在区域内存在高度集聚, 北京市的产业集聚最为明显, 山东省内的集聚程度相对较低; 高新技术产业在北京和天津集聚明显, 山东省和河北省主要是资源—加工型产业集聚, 资源型产业在辽宁集聚相对明显; 环渤海地区存在明显的产业和空间双重集聚。

制造业集聚 篇7

1 国内外相关研究

对于FDI与产业集聚的关系, 国内外的研究是非常丰富的。Swenson和Head.Rises (1995) 分析了日本在美国各个州的投资情况, 得出产业集聚对于日本在美国直接投资的区位选择是很重要的;Davies和Weinstein (1999) 利用美国跨国公司在一些产业的FDI面板数据, 研究了东道国的制度条件对FDI的影响, 认为影响美国对外投资决策的重要因素是在欧洲大陆形成的产业“集聚中心”。Hanson (2001) 分析了产业集聚的比较优势与竞争之后, 指出跨国公司对于产业集聚有着特殊的作用, 认为产业集聚与跨国公司投资之间存在着协同效应。

孙浦阳, 韩帅, 靳舒晶 (2012) 等从新经济地理学理论的角度, 分析生产、消费和公共服务三种不同服务业集聚对于外商直接投资的影响, 并利用相邻城市的面板数据实证分析了产业集聚与FDI的相互影响, 发现城市服务业集聚有利于吸引外商直接投资, 但是制造业集聚和外国资本的积累却不利于吸引FDI。刘荣茂, 张羽翼 (2007) 通过对江苏省的产业集聚和外商的直接投资的关系以及FDI区位选择的影响因素进行了实证分析, 证明产业集聚和FDI两者之间有着显著的相关关系;除了产业集聚因素的影响之外, FDI还受到外商示范效应、地理位置以及基础设施等因素的影响。梁琦 (2004) 通过研究在空间上集聚的跨国公司之间的关系和交易成本、聚集经济效应等, 发现地区的开放程度和产业集聚所产生的关联效应是影响FDI流入的主要因素。

2 长三角区域制造业集聚的分析

对产业集中的测量有多种方法, 主要包括集中系数, 变差系数, 信息熵以及基尼系数, 区位熵, 产业集聚系数等。本文在权衡之后主要选取产业区位基尼系数和产业区域集聚程度的指数来进行分析。

产业区位基尼系数借鉴了基尼系数的思想, 来判断产业空间分布的不均匀程度。用公式表示即为:

其中Sij、Sik表示j、k地区的产业占整个区域产业的份额, n表示地区个数, u表示各地区的产业i在整个区域的比重的平均值, 也就是1/n。区位基尼系数值在0-1之间。区位基尼系数越小, 说明产业在各地区平均分布, 产业的集聚程度低;而区位基尼系数越大, 说明产业可能集中分布在一个或少数几个地区, 即产业的集聚程度较高。

李太平 (2007) 根据Ellision和Glaeser构建产业地理集中指数的思路构建了产业区域集聚程度指数, 用以衡量产业区域集聚程度, 它的计算公式如下:

Xij表示i产业在j区域的主要经济指标 (从业人员数, 工业生产总值等) , k表示产业中大于平均经济指标的区域个数。表示产业在每个区域的经济指标的平均值。 (m-k) /m为分布系数, 表示i产业的不均匀程度在地理区域上的实际分布状况, 当k值越小, 说明位于平均值以上的那部分不均匀程度主要集中在少数几个地理区域, 则分布系数越大。反之, k值越大, 说明位于平均值以上的那部分不均匀程度分散在多个地理区域, 则分布系数越小。θi的取值范围为0≤θi≤1, θi的取值越大说明i产业的集聚程度越高。

资料来源:2007~2013年《中国工业统计年鉴》相关数据计算得到。

这里为了测度长三角区域制造业各行业的集聚情况, 此处采用区位基尼系数对长三角区域2006~2012年20个制造业的集聚情况进行分析。以安徽省、江苏省、浙江省、上海市4个地区产业的工业总产值来进行数据的计算。本文之所以选择这“三省一市”作为本文的研究对象, 是因为中国最大的城市群———长三角的城市群, 位于中国沿江沿海“T”字带, 它是由沿江城市带和杭州湾城市群构成, 包括江浙沪全境及安徽的部分地区。所以选择这“三省一市”代表长三角地区应该是合理的。为了不同年份的数据之间可以进行比较, 本文的所有工业总产值都是以2006年的价格为基期调整后得到的。计算结果见表1。

从2012年的数据看, 如图1, 发现除了食品制造业的基尼系数很低只有0.066以外, 其他19个行业的基尼系数都超过了0.2。基尼系数超过0.3的有13个行业, 其中0.3~0.4的行业有8个, 分别是农副食品加工业, 纺织服装、鞋、帽制造业, 造纸及纸制品业, 医药制造业, 黑色金属冶炼及压延加工业, 金属制品业, 专用设备制造业和电气机械及器材制造业。有5个行业的基尼系数超过了0.4, 分别是纺织业, 化学原料及制品制造业, 化学纤维制造业, 通信设备、计算机及其他电子设备制造业和仪器仪表及文化办公用机械。

基尼系数超过0.3我们便认为集聚现象比较明显, 所以由以上数据我们可以得出这样的结论, 长三角区域的制造业各行业的集聚现象还是很明显的, 并且集聚程度较高的行业多为资本密集型, 技术密集型和传统劳动力密集型行业。改革开放以来, 长三角区域作为中国经济增长的龙头, 在优惠政策支持下获得大量的资金、技术、人才资源, 实现了经济的快速发展, 以优越的条件集聚了很多行业和企业在长三角发展, 实现规模经济效益, 使得长三角区域制造业的集聚现象明显。

从2006~2012年的数据看, 如图2, 20个行业中有5个行业基尼系数出现了下降, 分别是食品制造业、纺织业、造纸及纸制品业、石油加工业及黑色金属冶炼及压延加工业。其中除了食品制造业下降幅度最大, 下降了59.96%以外, 其他4个行业下降的幅度并不是太大。

因为食品制造业在长三角区域并不是优势产业, 所以这些企业都集聚到了其他地区。而其他15个行业的基尼系数都有不同幅度的增长, 不过整体增长幅度都较小, 集聚程度没有太大变化。增长幅度较大的行业有交通运输设备制造业、电气机械及器材制造业以及仪器仪表及文化办公用机械, 其增长幅度均超过了20%。但从总体上看长三角区域各行业集聚程度并没有太大变化, 保持平稳态势。这是因为长三角区域一直是中国经济较发达, 企业和产业较密集的地区, 所以长三角区域的产业集聚程度一直都较高。并且近年来, 随着长三角区域生产成本的增加, 其竞争优势逐年下降, 有不少企业和行业转移到生产成本较低的中部地区发展。

3 制造业集聚对FDI影响的实证分析

外商在国内投资时, 会面临不熟悉的经营环境、信息不对称、文化差异, 以及没有固定的原材料和中间产品供应商等不利情况, 在这种情况下他们会主动选择进入产业集聚区, 因为在产业集聚区内集聚了大量具有竞争合作、相联系的企业、公司和机构。一方面外商可以通过相同产业的企业获得当地的市场信息, 如所在地劳动力市场运作情况、合作伙伴的选择标准、原材料及中间产品的有效供应、拓展当地市场的途径等, 尤其可以借鉴早期进入的外资已取得的成绩和宝贵经验, 甚至他们可以成为此地区内原材料和中间产品的买家或供应商, 通过充分利用企业自身的规模经济节约成本, 从而降低对市场的不确定性。另一方面, 进入产业集聚区可以享受公共基础设施、专业化服务以及交通通信设施, 在员工培训和物流方面节约大量资源。因此, 产业集聚成为影响外商直接投资区位选择的重要因素。

下面我们利用长三角地区的制造业集聚指数作为解释变量反映长三角区域整体的制造业集聚情况, 用外资企业的实际投资额 (万亿元) 代表作为被解释变量, 再用长三角地区人均 (万元) 代表长三角地区的经济水平构建回归模型, 进行实证分析。所用数据都是根据2001年到2013年《中国统计年鉴》、《中国工业统计数据》和江浙沪皖4省的统计年鉴计算而来。

本文利用EVIEWS6.0进行回归分析, 所用各变量均采用对数形式, 因为这样可以将可能存在的非线性关系转化成线形关系, 而对于结果并无影响。回归方程模型为:

是回归参数, ln FDIi是外资企业注册数的对数, ln Ri是产业集聚指数的对数, ln GDPi是人均国内生产总值的对数, Ci表示残差, 下标i表示年份, 在这里FDI是2000年到2012年的数据, 其他的表示的是从1999年到2011年的数据, 这是考虑到以上一年的R和GDP来作为解释变量比较合理, 因为当年的可能会看上一年的指标, 所以通过回归我们得到:

从模拟的结果来看, 2为0.994219, 说明该模型的线性拟合度效果很好, 同时和的值接近于0说明通过了显著性检验。当产业聚集指数增加一个单位, 就会增加1.594166万亿元, 可以看出与产业集聚有很大的关系, 同时, 人均与也有显著的正相关系, 人均每增加一万元, 就增加0.188万亿元, 表明经济增长对于外商的投资也具有一定的促进作用。

通过上述分析, 可以发现, 产业集聚程度对外商的直接投资选择有着很大的影响, 外商一般会倾向于在产业集聚水平较高的地区投资。

4 结论与建议

4.1 基本结论

本文通过研究国内外文献以及对长三角地区制造业集聚与FDI的关系表明长三角地区制造业集聚对FDI是有很大影响的, 同时人均GDP对FDI也有很显著的作用, 这是因为一个地区的经济发展程度也是外商所看重的因素之一。跨国公司进入某个区域之前首先考虑的是成本最小化, 只有成本够低, 企业才能在技术水平没有重大突破的情况下获取最大的投资回报;其次, 市场的规模和增长的潜力对FDI也有一定的影响, 规模大的市场专业化也会更加的成熟, 还可以提供充足的劳动力, 对于用工培训的费用就可以大幅度的减少;同时对于外商而言, 面对不熟悉的环境, 他们往往会选择基础条件设施比较好的、经济比较发达的市场进行投资, 这样可以降低风险。

4.2 政策建议

从全国范围来看, 外国投资仍集中在东部地区, 所以对于中西部地区促进产业集聚以吸引外商投资本文提出了几点建议:

首先, 扩大市场规模。因为外国投资者在东道国投资的目的无外乎获得收益, 因此东道国的市场规模和市场潜力是外商考虑的重点, 东道国的市场规模越大, 外商获得规模经济的可能性也就越大。

其次, 大力实施技术创新。建立技术平台, 如政府可以通过研发机构、大学等为企业提供咨询服务, 对企业发展与技术改造活动, 采取各个方面的优惠措施来鼓励企业不断进行创新。

制造业集聚 篇8

改革开放至今,从国内生产总值的结构来看,虽然第二产业的比重有所下降,但其仍旧处在三产业之首。例如,2009年第一产业的GDP占10.3%,第二产业占46.3%,第三产业增加至43.4%。不过,第二产业中工业的地位相对于采掘业、建筑业等而言一直是举足轻重的,平均85%以上的贡献来自于工业。由此,中国仍然处于工业化的深度发展时期。在工业化的进程中,制造业成为其主导性产业。以工业增加值指标为例,依据《中国统计年鉴》数据计算,2004—2008年工业增加值占第二产业的比重平均为87.94%,制造业增加值占工业的份额平均达到78.61%。 从对外经济角度来看,制造业是外商投资最集中的行业,第二产业中近90%的外商直接投资都是集中在制造业的各个行业中。2009年中国实际利用外资达900.32亿美元,其中第二产业达到500.76亿美元,制造业实际利用外资的金额占整个第二产业的93.40%。

制造业快速发展的同时不可避免地导致诸如工业废水、工业废气、工业固体废物等污染源排放量的增加。从统计数据来看,工业废水排放量的变化最小,1991年为235.60亿吨,2009年为234.38亿吨,期间最低值是1997年的188.3亿吨,最高增加到2007年的246.6亿吨;工业废气排放量自2000年以来增幅明显,2000年是13.81万亿标立方米,到2009年已经增加至43.61万亿标立方米,其中工业SO2排放量的增加是主要原因之一;工业固体废物产生量从1991的5.88亿吨增加至2009年的20.39亿吨,年均增速是“三废”中最快的①。

“三废”指标量的总体增加是否是由于大量的外资进入造成的呢?或是中国改革开放初期环境污染标准较低的因素构成了吸引外资的重大优势?之所以有这一假说,是基于以前学者的研究论断。Jensen、Mani和Wheeler、Keller和 Levinson以及He都肯定了“污染天堂假说”,验证了外商直接投资与环境污染之间存在线性关系。潘申彪和余妙志研究表明FDI增长与环境污染加剧之间的因果关系较为明显。沙文兵和石涛认为FDI对我国生态环境具有显著的负面效应。苏振东、周玮庆也证实了“污染避难所”假说在中国的成立。

本文的研究视角选定为污染集聚度,在明确FDI与环境污染之间的线性关系基础上,一方面考察工业污染是否也存在集聚现象,另一方面验证外商直接投资是否与污染的集聚度有关系。

关于集聚问题,国内梁琦首次进行了研究;洗国明和文东伟的研究也肯定了外商资本在沿海地区的集聚与制造业向沿海地区的集聚之间的正向关系;马静和赵果庆发现地区制造业和FDI集聚程度提高,制造业集聚度与FDI集聚度的相关性具有显著性。本文拟借鉴集聚度的测量指标,计算制造业环境污染的集聚性,并在此基础上判断外资在行业分布上的集聚性与制造业环境污染的关系。

2 制造业环境污染的集聚度分析

2.1 制造业污染的集中度

采集2003年以来《中国环境统计年鉴》中制造业各行业的“三废”数值,计算各行业污染物排放量占制造业总排放量的比重并按大小顺序排列,加总排在前五位的数值,得到行业污染的集中度CR(见表1)。从表1的各个CR值可以清晰看出,制造业的污染集中度十分高,尤其是工业废气和工业废物这两类,CR值均在0.8以上,而且污染集中的行业完全相同,化学原料及化学制品制造业和黑色金属冶炼及压延加工业是在类污染物中共同集中的制造业行业。

注:2003年的废气排放量前五强中包括金属制品业和医药制造业,与后面几年不一致,故舍弃

2.2 制造业污染的基尼系数

依据洛伦兹曲线,可以计算不同污染物在制造业各个行业分布的基尼系数。借鉴张旭斌的研究,将区位基尼系数的计算方法修正为行业基尼系数所用,计算公式如下:

$G=\frac{\underset{i=1}{{\displaystyle {\displaystyle \sum }^n}}\underset{j=1}{{\displaystyle {\displaystyle \sum }^n}}|w{}_i-w{}_j|}{2n(n-1)\mu }$

式中:wi和wj 表示第i和j个行业污染物的排放量;n为制造业的行业总数,这里n=29;μ表示所有制造业行业污染物排放量的均值,$\mu =\frac{1}{n}\underset{i=1}{{\displaystyle {\displaystyle \sum }^n}}w{}_i$。

由表2的计算结果可知,各个污染物的行业基尼系数值均较大,表明制造业的污染集中度较高,尤其是废气排放量和固体废物产生量,这两种污染物的行业基尼系数值都在0.8以上,十分接近1。

3 制造业污染物的集聚度对FDI的依赖

3.1 FDI在制造业中的集中度

采集历年《中国工业经济统计年鉴》及《2004年中国经济普查年鉴》中规模以上企业各行业的外商资本(含港澳台资本)数据,计算制造业29个行业的外商资本除以制造业总外商资本的值,并汇总前五名得到CR值。从计算结果可以看出,FDI的行业集中度远不如污染物的排放量,CR值在0.43～0.48范围之间。2003—2007年排在前五名的行业分别是通信设备、计算机及其他电子设备制造业、化学原料及化学制品制造业、电气机械及器材制造业、交通运输设备制造业和纺织业,2008—2009年的纺织业被通用设备制造业替代,排在了第六位。

对比制造业污染物的集中度发现,仅化学原料及化学制品制造业是两者兼有的,虽然FDI与污染物排放均具有集聚的特征,但集聚的行业及集聚的程度并不相同。这一点也可以从FDI的行业基尼系数得到验证,FDI在制造业的行业基尼系数值尽管从2003年开始一直处于上升趋势,但仍旧徘徊在0.44～0.49之间,这与污染物的行业基尼系数值的差距较大。

3.2 FDI与“三废”之间的线性关系

鉴于《中国统计年鉴》中对外商直接投资的行业分类较粗犷,FDI的数据取自历年的《中国工业经济统计年鉴》,将实收资本中的外商(含港澳台)资本比重定义为自变量FDI。为了进一步考察污染较严重的行业是否是外资重点投资的行业,是否是产能过剩、利润率较低的劳动密集型行业,在这里本文增加了自变量人均利润,因变量分别用“三废”的排放量或产生量替换。因为数据单位不一样,数据之间的数额差别过大,对所有的数据进行对数化处理。制造业一共20个行业②,其中烟草制造业以国有或民有为主,外资涉入份额极少;石油加工及炼焦业近几年的利润不稳定,时有正负之差,所以在研究中将以上这两个行业剔除(见表3)。

分别定义Water为工业废水排放量,Air为工业废气排放量,Waste为工业废物产生量,Percent为FDI,Profit为人均利润。FDI与“三废”之间的单位根检验的结果表明原有的数据在5%的置信水平下均是平稳的。

Granger因果关系检验的结果相互较类似,当滞后1期时,除了工业废水排放量方面有有色金属冶炼及压延加工业的FDI不是废水排放量的格兰杰原因之外,其余所有制造业行业的FDI与“三废”均构成因果关系,这在一定程度上表明“污染避难所”假说的成立。其他方面,“三废”检验结果一致的是纺织业的FDI不是人均利润的格兰杰原因,农副食品加工业的人均利润不是FDI的格兰杰原因。

由表3的面板数据的估计模型运算结果显示,Percent系列中仅有农副食品加工业和专用设备制造业这两个行业的FDI与“三废”的关系均是负相关。图1描述的是两个行业近年来外商资本占实收资本的比重,农副食品加工业基本上是平缓下滑趋势,专用设备制造业的外资份额呈现上升势头,2009年的比重已经达到33.74%。再观察这两个行业的“三废”指标量发现,走势基本上与图1的不一样,如专用设备制造业的“三废”量呈现的是“W”型有升有降的形状;农副食品加工业2008年的工业废水排放量为157 770万吨,达到历史最高,而同期的外商资本比例已经下降至22.38%。

除此以外,还有食品制造业、通用设备制造业等四个行业的FDI系列系数值部分为负,18个制造业行业中有12个在三次估算中FDI的系数值均为正。由表1可知,外商投资与工业“三废”之间存在着线性关系。

3.3 FDI与制造业污染物的结构相似性

从前面的分析已经得知,FDI与“三废”之间存在着线性关系,它们相互构成了格兰杰因果关系;同时,制造业污染物的行业分布与FDI的行业分布都具有集中性,不过集中的行业类别与集中度都有一定的差异。那么是否FDI的行业分布结构与制造业污染物排放的行业分布结构也具有相似性呢?接下来需要运用结构系数来进一步检验。定义:

$\begin{array}{l}x{}_i=w{}_{ij}/\underset{i=1}{{\displaystyle {\displaystyle \sum }^n}}w{}_{ij}\times 100\\ y{}_i=FD{\rm I}{}_i/\underset{i=1}{{\displaystyle {\displaystyle \sum }^n}}FD{\rm I}{}_i\times 100\\ S(x,y)={\displaystyle \sum x}{}_{i}y{}_i/\sqrt{{\displaystyle \sum x}{}_i{}^2{\displaystyle \sum y}{}_i{}^2}\end{array}$

其中xi、yi分别表示第i行业污染物、外商资本占制造业总污染物排放量及外商资本的比重,wij表示第j种污染物第i个行业的排放量,j=1,2,3,分别表示废水排放量、废气排放量及固体废物产生量,S(x,y)即表示污染物与FDI的结构相似系数。

经计算得到表4的结果,废水排放量与FDI的结构相似系数最大,固体废物产生量与FDI的结构系数最小,总体上“三废”与FDI在行业结构分布上的相似度偏低。这说明“三废”在制造业中的集中并不是FDI在制造业中的集中。

3.4 FDI与污染物制造业集聚度相关性检验

进一步地采用相关系数考察三种污染物(x)与FDI(y)之间的依赖关系。相关系数的计算公式如下:

$r=\frac{\underset{i=1}{{\displaystyle {\displaystyle \sum }^n}}(x{}_i-\overline{x})(y{}_i-\overline{y})}{\sqrt{\underset{i=1}{{\displaystyle {\displaystyle \sum }^n}}(x{}_i-\overline{x}){}^2\underset{i=1}{{\displaystyle {\displaystyle \sum }^n}}(y{}_i-\overline{y}){}^2}}$

其中$\overline{x}=\frac{1}{n}\underset{i=1}{{\displaystyle {\displaystyle \sum }^n}}x{}_i‚\overline{y}=\frac{1}{n}\underset{i=1}{{\displaystyle {\displaystyle \sum }^n}}y{}_i$

分别计算三类污染物排放量与FDI之间的相关系数,得到表5的结果。制造业行业总数n=29,自由度为27,查得相关系数的临界值α=5%时,r=0.367;α=1%时,r=0.47。从表5的计算结果可见,所有的相关系数值均小于临界值,这表明三类污染物排放量与FDI之间的相关性并不显著。

为了验证相关系数方法的科学性,表6又进一步计算了三类污染物之间的相关系数,废水排放量与废气排放量之间的相关性较小,废气排放量与废物排放量之间高度相关,这恰好与前面的行业基尼系数计算结果相似,它们在制造业的行业集中分布除了排名不一样,行业类别完全相同。

4 基本结论

通过制造业的面板数据分析,得到了除工业废水排放量方面的有有色金属冶炼及压延加工业外的所有制造业行业FDI与“三废”排放量之间的线性关系,这在一定程度上表明“三废”与FDI之间有着一定的相互影响。跨国公司会利用发展中国家的低污染标准优势,将污染型产业或企业转移进来,使之成为“污染避难所”。随着外商直接投资的大量增加,工业污染产生量与排放量相应增加。如刘淑琪对广东省600家外资企业的调查发现,70%的企业在引进设备中缺乏配套的环保设施,这种情况使得外商投资企业引发的水污染、铅污染、砷污染、二氧化硫污染、汞污染等事故不断发生。

在线性关系的基础上,本文考察了制造业污染物的集中与FDI的集聚。研究发现,污染物的集中程度明显高于FDI,表现在CR值与行业基尼系数值均较接近1,并且污染物集中的行业分布较一致,化学原料及化学制品制造业和黑色金属冶炼及压延加工业是在类污染物中共同集中的制造业行业,但是,污染物的集中并不是FDI的集中,两者之间的结构系数偏低,相关系数值均低于临界值,因此,制造业污染物的集聚与FDI在制造业中的行业集中并没有显著的相关关系。制造业的污染排放受外商直接投资的影响,各个行业各个地方招商引资的环境代价较高,但内部因素如内资企业自身环境保护意识的薄弱、考核企业发展的标准偏颇等对环境污染的伤害更是不容忽视。

摘要：运用制造业29个行业的面板数据验证了外商直接投资与污染物排放量之间的线性关系,并在此基础上考察了两者在制造业的行业集中度。最后通过结构系数与相关系数的计算得出FDI与污染物排放在集聚性方面并不一致,两者并不显著相关。

关键词：外商直接投资,集聚度,相关系数

参考文献

[1]VIDAR M H JENSEN.The pollution haven hypothesis and the indus-trial flight hypothesis:Some perspectives on theory and empirics centrefor development and the environment[M].Oslo:University of Oslo,1996

[2]JIE-HE.Pollution haven hypothesis and environmental impacts offoreign direct investment:The case of industrial emission of sulfur di-oxide(so2)in Chinese provinces[J].Ecological Economics,2006(11):228-245

[3]KELLER W,LEVINSON A.Environmental compliance costs and for-eign direct investment inflows to U.S.states[J].NEBR WorkingPaper No.7369,Cambridge,MA,2002

[4]MANI M,WHEELER D.In search of pollution havens Dirty industryin the world economy,1960～1995[J].Journal of Environment andDevelopment,1998,7(3):215-247

[5]梁琦.中国工业的区位基尼系数:兼论外商直接投资对制造业集聚的影响[J].统计研究,2003(9):67-77

[6]马静,赵果庆.中国地区制造业集聚与FDI依赖:度量、显著性检验与分析[J].南开经济研究,2009(4):90-107

[7]潘申彪,余妙志.江浙沪三省市外商直接投资与环境污染的因果关系检验[J].国际贸易问题,2005(12):74-79

[8]沙文兵,石涛.外商直接投资的环境效应:基于中国省级面板数据的实证分析[J].世界经济研究,2006(6):76-81

[9]苏振东,周玮庆.外商直接投资对中国环境的影响与区域差异:基于省际面板数据和动态面板数据模型的异质性分析[J].世界经济研究,2010(6):63-87