全国基准产业集群识别及在区域经济分析中的应用——以北京市为例，本文主要内容关键词为：北京市论文,为例论文,基准论文,产业集群论文,经济分析论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
文章编号：1000-0585(2008)04-0873-12
修订日期：2008-01-16
1 前言
近年来，产业集群已成为区域经济发展研究与实践的核心概念之一，并被应用于地方经济政策的制定。根据Porter(1990，1998，2000)的定义，产业集群一般是指一组处于特定产业领域，在地理上相互接近，由于具有相似性和互补性而彼此关联的公司和相关机构[1～3]。尽管目前产业集群概念已得到广泛关注和应用，但许多学者也指出，无论从理论上还是在实践中，对产业集群的理解和界定仍然存在争议，这是因为产业集群概念本身建构在一系列不同的理论基础上，其识别方法也多种多样，因此对它的理解和界定可能在许多方面出现分歧，比如空间尺度或形成机制上，而在实际应用中，不同的分析往往根据其需要使用不同的定义和识别方法[4～6]。
在实证研究中，产业集群分析方法大致分为自上而下和自下而上两类[4]。前者采用特定的数据(如投入产业表)，以产业部门为基础，分析相互关联的产业活动的地理集中，关注宏观或中观层面上的产业集群。后者往往使用相对定性的方法如案例研究、问卷调查等识别特定区域内的企业集群，并分析其微观结构及内在机制。采用何种分析方法往往取决于研究问题和产业集群分析的目的。Bergman等将产业集群分析的目的分为三类：(1)对区域产业集群有所了解，但想要进一步明确集群内部企业间的联系及其促成竞争优势的微观机制；(2)对区域主导产业有所了解，但想要进一步明确这些产业之间，或主导产业与区域其他产业之间的内在关联及互补性；(3)对区域主导产业尚不明确，想通过集群分析了解本地经济的竞争优势和潜力[7]。对于第一类研究，往往采用自下而上的微观分析方法，而对于第二和第三类研究，需要将区域经济作为整体，系统分析其产业部门间的内在关联，因此通常采用自上而下的中观分析方法，Bergman等称其为“应用区域集群分析”(Applied Regional Industrial Cluster Analysis)。
应用区域集群分析将区域经济作为整体，以产业部门为基础，着眼于产业活动间的关联，目的在于识别区域内紧密联系的产业构成的群体，即产业集群(或产业链)，并以集群为基本分析单元，进行区域经济分析。因此，应用区域集群分析与传统区域经济分析的根本不同在于使用产业集群取代产业部门的概念，以反映传统的基于产业部门的区域经济分析所不能揭示的区域经济特征、优势和潜力等。因为关注宏观或中观层面上的产业集群，应用区域集群分析将产业集群定义为区域内一组具有密切产业联系的产业群体，其构成以产业部门为基本单元，强调产业之间的上下游联系和产业分工。这样的定义并非基于理论的考量，而是出于实际应用的需要。应用区域集群分析从产业联系的视角，将产业集群作为分析工具应用到区域经济分析和规划中。但这样的定义其缺陷在于忽略了产业集群的空间临近特征，没有将空间视角纳入分析体系。尽管如此，这样的分析方法对于我们从产业联系出发理解区域经济发展仍有着重要意义。而且，Porter也承认，尽管地理集中在集群发展中有着重要作用，但产业联系并不一定伴随地理集中，而且产业集群的地理范围取决于产业联系的空间尺度[3]。
应用区域集群分析的产业集群定义方便于使用基于投入产出数据的定量方法识别产业集群。对此的研究始于上世纪70年代，如Czamanski等曾详细总结和比较了早期的相关研究[8]。遵循这一传统，Feser等提出，基于全国投入产出表识别的产业集群，能够代表一国产业活动的技术经济联系特征，以全国产业集群为基准或模板，通过比较区域层面产业集群(或产业链环节)的构成，可以有效反映区域经济的相对优势或不足，从而揭示区域经济在国家的地位、竞争能力及潜力[9]。将全国基准产业集群应用于区域集群分析的优点在于，不仅可以帮助明确区域集群发展的特征和趋势，更重要的可以揭示集群内部产业活动或产业链环节的优势或不足，从而为区域集群发展提供明确的政策建议。
本研究使用最新发布的2002年我国122部门投入产出表[10]，首先识别我国基准产业集群，并以北京市为例，使用以全国基准产业集群为模板的区域集群分析方法，分析北京市制造业集群的发展现状及特征。
2 以全国基准产业集群为模板的区域集群分析
全国基准产业集群(National Benchmark Industrial Clusters)是指将国家经济作为整体，基于一国产业技术经济联系特征识别的全国范围的产业集群，其构成反映国家层面上产业联系的一般特征，因此可以作为“集群模板”(Cluster Templates)应用于区域集群分析。早在上世纪70年代，美国学者就使用投入产出表识别全国范围内的产业集群[11～13]。在我国，相关的研究尚比较少见，已有的研究大多是对某一地区产业集群的识别[14～17]。此类研究往往使用区域投入产出表，如贺灿飞等使用1997年北京市投入产出表识别北京市制造业集群[14]；刘增使用浙江省1997和2002年投入产出表识别浙江省产业集群[15]等。区域投入产出表可以反映区域内现有产业部门间的贸易特征，但并不能反映跨区域的产业关联，而产业联系往往不局限于区域范围内，因此Bergman等认为，使用全国投入产出表识别的集群，不局限于特定区域，更具一般性和普遍性，适宜作为模板应用于区域集群分析[7]。
传统的区域经济分析，以产业部门为分析单元，很少考虑产业间的联系，而应用区域集群分析以产业集群为分析单元，将相互关联的产业作为整体加以考虑，有助于更准确的把握区域竞争优势，和形成能反映产业内在关联的地方经济发展策略。基于全国基准集群的区域集群分析首先需要识别国家基准产业集群，在全国投入产出表基础上，通过多元统计分析，将相互关联的产业聚类以识别集群。全国基准集群可以作为集群模板应用于区域经济分析，包括对区域集群发展现状及特征，区域集群内部结构及空间布局等的分析(图1)[18，19]。应用区域集群分析可以有效应用于地方产业发展规划和地方经济政策制定中。
图1 以全国基准产业集群为模板的区域集群分析框架
Fig.1 The framework for the regional industrial cluster analysis using national benchmark industrial clusters as templates
3我国基准产业集群的识别
3.1识别方法
国内学者对产业集群识别方法已有系统总结[20～22]。在定量方法中最常使用的是基于投入产出表的识别方法。投入产出表是根据国民经济各部门间产品交易数量编制的，可以反映产业间投入产出的数量依存关系[22]。尽管产品交易不能代表产业间的全部联系，尤其是非正式的产业联系，但能在一定程度上反映产业间的分工合作程度，并且投入产出表是能够反映产业技术经济联系特征最为易得的数据，因此常被用于产业集群的识别。
常见的使用投入产出表识别产业集群的统计方法包括主成分分析和多变量聚类分析。基于主成分分析的算法源自Czamanski的研究[23]，应用相对较多。主成分分析方法强调产业间的互补性，因此识别的集群中，产业间具有相似的投入产出特征，而非紧密的前后向联系，相比之下，聚类分析识别的集群具有较强的内在产业关联，因此结果更合理，也更易解释[20]。同时，主成分分析趋向于形成相对少数组成庞杂的集群和多数组成较少甚至由单一部门构成的集群，而聚类分析识别的集群在构成上产业数量则相对平均[24]。尽管聚类分析更适用于集群识别，但因为其分类结果具有互斥性，即某一产业只能归属于一类集群，这与现实不符，因此在集群识别中相对较少得到应用。
本研究采用Feser的基于多变量聚类的集群识别方法[24]，具体步骤见图2。相比于其他识别方法，Feser方法的优点在于：第一，采用多变量聚类分析代替主成分分析方法，首先通过聚类分析识别集群的核心产业，然后为集群添加次核心产业，最终形成产业门类重叠、不具互斥性的产业集群；第二，分析不只局限于制造业部门，通过统一的算法既识别制造业集群也识别非制造业集群；第三，构建产业关联系数(Linkage Coefficient)反映产业间联系强度，并以其为基础识别产业集群，结果更直观、更易解释。
具体的识别方法说明如下。首先，在122部门投入产出表中去除11个主要为本地服务的产业部门①以剩余的111部门基本流量表为基础，形成投入产出交易矩阵A。从A中分别计算：
图2 我国基准产业集群的识别方法流程
Fig.2 Methodology of national benchmark industrial cluster identification
这4项指标分别代表产业i与j在四个不同维度上的关联程度，因此选取四者中最大的(
)构成产业关联矩阵。产业关联矩阵进一步用于聚类分析以识别产业集群。
Feser指出由于投入产出表的产业分类往往对制造业部门分类较细，而对服务业部门分类较粗，导致服务业部门，尤其是生产者服务型部门，相比于专业化的制造业部门，具有更大的交易流量，从而主导整体的产业关联结构[24]。为了消除这一影响，Feser建议在计算产业关联系数时，应对生产者服务型部门，如金融业、保险业、信息服务业和批发业等，赋以小于1的权重。本研究选取了20个生产者服务型部门，赋以权重1/3。②
通过聚类分析，可以划定具有互斥性的产业集群。但实际上，产业之间在不同程度都彼此关联，因此同一产业往往出现在多个集群类别中。聚类分析确定的集群构成是相比于其他产业更为紧密联系的产业群体，因此可以作为集群的核心产业，还需要为集群进一步添加次核心产业，以形成不具互斥性的产业集群。当某一产业与某一集群的核心产业间的联系强度超过一个特定的阀值(δ)，即可作为该集群的次核心产业。理论上，当δ为0，则每个集群都将包括所有的产业部门。因此，δ值的选取会直接影响集群识别的结果。Feser建议使用z值来划定集群的次核心产业[24]。首先，定义产业i与集群k的n个核心
产业j之间的平均联系强度为：
然后将
做z值化处理：
之后选定阀值，阀值越小，则集群构成越松散，组成的产业门类越多，反之构成越紧密门类越少。本研究选取阀值
为1.5。
3.2 识别结果
使用上述方法及2002年我国122部门投入产出表，首先识别我国基准产业集群，相关计算使用SAS/IML
完成。根据聚类分析的树状结构图(图略)得到不同尺度上的分类结果。类数的决定带有一定主观性，笔者比较了从20类到30类间的11个分类结果，发现划分为22个基准产业集群，结果最理想，集群内产业技术经济联系特征明确，且不会把集群划分得过粗或过细。具体识别结果见表1。
22个基准产业集群中包括14个制造业集群，3个服务业集群(旅游业集群、生产者服务业集群、专业技术服务业集群)，其他包括农业及其加工业集群、畜牧业集群、能源工业集群和采矿业集群。集群名称主要依据集群的核心产业确定，大部分集群内的产业联系特征明确，上下游关系清晰。但应该指出的是，产业集群的定量识别在很大程度上受到投入产出表产业部门分类的限制。相比于国外同类研究，本研究使用的我国122部门投入产出表产业分类相对较粗，所以集群划分不能全面反映细化产业部门间的联系。这也导致部分集群内产业构成重叠度较高，如烟草业集群与纺织服装业集群，交通运输设备制造业集群与汽车及装备制造业集群等。
4基准产业集群在区域集群分析的应用
全国基准产业集群可以作为集群模板应用于区域集群分析。本研究以北京市为例，以上述基准集群为模板，分析北京市制造业集群发展现状、结构特征及空间布局。本节所用数据主要来自2004年经济普查[25,26]，空间分析部分使用了2001年北京市第二次基本单位普查资料。由于数据限制，本研究只对北京市14个制造业集群进行分析，如果数据可得，此分析方法也适用于其他集群。③
4.1北京市制造业集群发展现状
使用2004年经济普查数据发现，在14个制造业集群中(表2)，北京市规模较大的集群包括：电子及通信设备制造业集群、汽车及装备制造业集群、电子元器件制造业集群、化学原料制造业集群和交通运输设备制造业集群，其工业总产值均占到全市的10％以上。其中，又以电子及通信设备、汽车及装备制造和电子元器件集群最大。这三个集群的核心产业都是目前北京市的主导产业，如电子及通信设备和电子元器件制造业集群的核心产业电子及通信设备制造业占全市工业总产值的20.86％，汽车及装备制造业集群的核心产业交通运输设备制造业占全市工业总产值的12.67％。因此，这类集群主要由规模较大的核心产业带动上下游产业发展，产业配套较好，集群整体规模相应较大。与传统基于产业部门的区域经济分析结果不同的是，在北京工业总产值中占有较高比重的黑色金属冶炼及压延加工业，尽管自身产业规模较大(占8.45％，位列第3)，但相应集群仅占全市工业总产值的9.1％(位列第7)，集群规模相对有限，未能成为北京市的主导产业集群。
表2 北京市制造业集群基本情况
Tab.2 Summary of Beijings manufacturing clusters
从业人员 工业总产值
制造业集群 企业数
(万人) (亿元) 占全市比重
食品饮料及医药业集群 5820 97.94 554.39.3％
烟草业集群2521 7.31
171.32.9％
纺织服装业集群4011 7.79
226.83.8％
造纸及印刷包装业集群 4600 4.1 6 247.44.1％
都市型工业集群3497 26.90 162.22.7％
石化工业集群 649
17.24 474.97.9％
化学原料制造业集群1073 21.86 660.5
11.1％
化学品制造业集群 3633 17.39 394.96.6％
非金属矿物制品业集群 1231 13.87
85.11.4％
黑色金属冶炼及加工业集群 401
3.73
540.89.1％
交通运输设备制造业集群7509 11.18 605.2
10.1％
汽车及装备制造业集群 8938 11.651300.8
21.8％
电子元器件制造业集群 6922 5.12
926.1
15.5％
电子及通信设备制造业集群 4070 7.51 1550.1
25.9％
数据说明：1.数据来源于文献[26]。2.由于投入产出表与经济普查在产业分类上不完全一致，上述石化工业集群中石油及核燃料加工业从业人员包括了炼焦业，化学原料制造业集群中炼焦业从业人员用石油及核燃料加工业代替，非金属矿物制品业集群中其他非金属矿物制品制造业数据包括了石墨。3.由于数据限制，石化工业集群中缺少管道运输业数据。
从北京市制造业集群在全国的地位来看，分别计算各集群在北京和全国工业总产值中所占比重，比较二者可以发现，在北京市5个规模最大的制造业集群中，电子及通信设备制造、汽车及装备制造和电子元器件制造业集群具有相对优势(图3)。尤其是电子及通信设备制造业集群，在北京工业总产值中占25.9％，而在全国仅占15.5％，区域专业化优势明显。总体来讲，上述三个集群不仅具有较大规模，且具有较高的区域专业化程度，可以认为是北京市的优势制造业集群。
图3 北京市制造业集群工业产值比重及与全国比较
Fig.3 Percentage shares of the manufacturing clusters of Beijing and China
4.2 集群内部结构分析——以电子及通信设备制造业集群为例
有关研究显示，北京市高科技产业集聚特征明显，尤其是电子信息业集群发展相对成熟[27]。本研究以北京市规模最大的制造业集群：电子及通信设备制造业集群为例，分析集群的内部结构特征。以全国电子及通信设备制造业集群内各产业所占比重为基准，比较北京市电子及通信设备制造业集群的产业构成，如产业在集群中所占比重高于全国基准，则说明该产业环节在北京市具有专业化优势，可以看作是区域集群的优势环节。
电子及通信设备制造业集群由6个核心产业和3个次核心产业组成。由于北京市经济普查数据中，电子计算机整机和其他电子计算机设备制造业并未分别统计，因此以下分析将两者合并为电子计算机制造业。北京市电子及通信设备制造业集群的构成以通信设备制造、电子计算机制造和电子元器件制造业为主，三个产业环节在集群中所占比重分别为37.1％、22.4％和16.0％。从区域专业化程度来看，在核心产业中，北京市在通信设备制造和其它通信、电子设备制造业上具有较强优势，而在电子计算机、家用视听设备和文化、办公用机械制造业上相对较弱。在次核心产业中，与电子及通信设备制造业密切相关的配套环节：电子元器件和其他电气机械及器材制造业，在北京市都不具备明显优势，北京市仅在仪器仪表制造业上具有一定优势(图4)。
总体来讲，从产业链上下游环节分析，北京市电子及通信设备制造业集群的优势环节主要集中在电子通信设备制造上，而配套的元器件环节则相对较弱。从集群发展角度，为进一步壮大该集群，北京市应重点支持相关配套产业的发展，同时应加快电子计算机、家用视听设备和文化、办公用机械制造业等的发展。
图4 北京市电子及通信设备制造业集群产业环节比重及与全国比较
Fig.4 Member industry shares of the electronic and telecommunication equipment cluster of Beijing and China
4.3集群空间布局分析——以电子及通信设备制造业集群为例
仍然以电子及通信设备制造业集群为例，分析集群各产业环节在北京市的空间布局。本研究使用2001年北京市第二次基本单位普查的企业资料，分别汇总集群内各产业在北京市18区县的工业产值，计算集群各环节在区县分布的比重(图5)。
结果显示，北京市电子及通信设备制造业集群在空间上呈现高度分异，集中分布在朝阳、海淀、大兴区，这三区集中了该集群工业总产值的70％。具体从集群各产业环节来看，电子计算机制造业空间集中度最高，86％集中在海淀区。家用视听设备制造业和文化、办公用机械制造业空间集中度也较高，80％以上集中在海淀和朝阳两区。集群的优势核心产业通信设备制造业主要集中在朝阳和大兴区(亦庄)，配套的电子元器件制造业集中在朝阳、海淀、石景山、大兴等区，其他电气机械及器材制造业集中在朝阳、大兴、丰台等区。其余产业部门分布则相对分散，其他通信、电子设备制造业主要集中在大兴、海淀、石景山、朝阳等区，仪器仪表制造业主要集中在海淀、朝阳、昌平等区。总体来讲，除了由于个别大型企业总部设在市区④，使得统计上个别市区在某些环节上比重偏高外，北京电子及通信设备制造业集群高度集中在城市近郊区，而在远郊区县布局较少。
从各区县电子及通信设备制造业集群的发育程度来看，依托中关村科技园区中的电子城、海淀园等产业基地，朝阳和海淀区是集群环节配套最完善的区域。朝阳区除电子计算机制造业比重较低外，其余环节均处主导地位，家用视听设备制造业、电子元器件制造业和通信设备制造业均居首位；海淀区在电子计算机制造业和文化、办公用机械制造业上居主导，占全市比重超过60％。此外，大兴区依托亦庄经济技术开发区，集群发展也较好，在通信设备制造业、其他通信电子设备制造业、电子元器件制造业和其他电气机械及器材制造业上，都在全市占有相当比重。
图5 北京市电子及通信设备制造业集群空间布局示意图
Fig.5 Spatial distribution of the electronic and telecommunication equipment cluster in Beijing
说明：柱状图表示各区县比重高于10％的产业环节。其中，东城区在仪器仪表制造业、西城区在其他通信、电子设备制造业、宣武区在通信设备制造业上比重都高于10％，但主要由于个别大型企业总部设在市区，使得统计上市区在某些环节上比重偏高，因此未在图中表示。
相关研究指出，北京市制造业整体呈现郊区化和园区化的发展态势[28,29]。电子及通信设备制造业集群的空间布局充分体现了这种态势，集中分布在近郊区的科技园内，其区位选择主要受到接近高素质劳动力、科技园优惠政策等因素的影响。
5结论
本研究使用2002年我国122部门投入产出表，首先识别我国基准产业集群，并以其为模板，分析了北京市制造业集群的发展现状、结构特征及空间布局。主要结论如下：
(1)本研究首次识别了我国基准产业集群，既包括制造业集群也包括非制造业集群，共22类。以国民经济各部门间产品交易量为基础，构造产业关联系数反映产业部门间的联系强度，通过聚类分析识别产业集群，结果直观且集群内产业技术经济联系特征明确。本研究识别的全国基准产业集群，可以应用于国内区域集群分析及相关比较研究，为我国的产业集群实证研究提供了集群模板。
(2)对北京市制造业集群发展现状的分析发现，北京市目前已形成三个规模较大，并具有区域专业化优势的制造业集群：电子及通信设备制造、汽车及装备制造和电子元器件制造业集群。
(3)本研究选取北京市最具优势的电子及通信设备制造业集群为例，进一步分析了该集群的产业链结构及空间布局特征。相应方法同样适用于分析其他集群。分析发现，北京市电子及通信设备制造业集群的优势环节是通信设备制造和其他通信、电子设备制造业，其配套环节电子元器件和其他电气机械及器材制造业仍相对较弱。在空间上，北京市电子及通信设备制造业集群主要分布在城市近郊地区，朝阳、海淀、大兴区是集群环节配套较为完善的区域。
应用区域集群分析有助于制定基于集群的地方经济发展政策，比如帮助决策者认识地方产业竞争力来源和区域集群发展现状，了解区域集群发展的优势和不足，及其空间布局特征，作为政府制定经济发展及布局调整政策的依据。但应用区域集群分析使用投入产出表和多元统计方法识别产业集群，强调产业联系，却忽略了空间临近特征，是此类研究的主要不足。将空间分析技术与投入产出分析结合识别区域产业集群是未来的研究方向，将空间视角纳入应用区域集群分析，可以完善现有研究的不足。
注释：
①去除的11个主要为本地服务的产业部门包括：公共管理和社会组织、社会保障和社会福利业、环境资源与公共设施管理业、城市公共交通运输业、居民服务和其他服务业、教育事业、卫生事业、体育事业、娱乐业、餐饮业、废品废料。
②20个生产者服务型部门包括：金融业，保险业，房地产业，租赁业，商务服务业，信息传输服务业，计算机服务和软件业，科学研究事业，专业技术及其他科技服务业，批发和零售贸易业，邮政业，仓储业，铁路货运业，道路运输业，水上运输业，航空货运业，管道运输业，电力、热力的生产和供应业，燃气生产和供应业，水的生产和供应业。
③《北京经济普查年鉴2004》中缺少第一产业的统计资料，对第三产业的行业也缺少产值或销售收入等经济指标，因此本研究的数据分析局限在以第二产业行业为主的制造业集群中。
④中国普天信息产业集团公司总部设在宣武区，北京北广电子集团有限责任公司总部设在西城区，北京远东仪表有限公司总部设在东城区。
标签：通信设备论文; 聚类分析论文; 投入产出表论文; 空间分析论文; 经济论文; 集群技术论文; 产业集群理论论文; 优势分析论文; 区域经济学论文;