产业集群辨识方法综述，本文主要内容关键词为：产业集群论文,方法论文，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。
上世纪末，在全球范围内，经济政策和实践发生了令人瞩目的变化。全球化趋势、不断进步的技术、越来越激烈的竞争、以及人们对于更高生活质量的期望等等，无一不冲击着传统的经济发展模式。各国政府都在努力寻求一种新的应对体制和发展规则，希望能够提高经济绩效，籍以为国民带来经济繁荣。在这种大氛围下，基于集群的经济发展模式出现了。这种新的发展思路不同于传统的经济分析和规划，它不是简单地确定出国家或地区的优势产业，而是试图合理配置资源，促进产业的关联性发展，以此提高国家或地区的竞争力。诸多研究和实践表明[1—9]，科学运用集群模式制定发展战略和政策能够给国家或地区带来快速、持续的经济增长；强势的产业集群构成了经济发展框架中极其重要的一环，而促进区域内产业集聚的形成、发展和升级，已然成为各国和地区提高竞争力的重要途径和关键课题。
集群分析是制定基于集群的经济发展战略的科学依据，而如何辨识集群又是集群分析的起点与核心部分，因此，对于集群辨识方法的梳理是十分必要的。目前，在集群研究中，辨识集群时运用到的方法大致分为两类：一类侧重于定性分析，如专家意见法、产业感知法、企业调研法等；一类则侧重于定量分析，且大多以投入产出表为数据基础，如多元统计聚类法、主成分因子分析法，Czamanski法、共识集群法等等。以产业集群内涵的厘清为基础，本文将对集群辨识所运用的各种方法进行系统论述和评价，通过总结它们的优势和缺憾，归纳出关于辨识方法的可行理念，为促进这一学术领域的发展服务。
1 产业集群的内涵
对产业集群内涵的正确把握是进行集群辨识方法评价的标尺。
集群一词最早出现在生物学领域，后为经济学家用以描述厂商和经济活动集中在一个特定区位，或者不同的社会群体和经济活动在不同地方聚集的现象。产业集群的最初出处很难确定，其推广应归功于哈佛商务学院的学者迈克尔·波特（Michael Porter），由他领导的研究小组创建了闻名于世的“菱形”模型[1]，该模型关于产业集群和竞争力的见解奠定了后续产业集群研究的基调。
产业集群的基本义是“通过共同区位（co-location）获得绩效优势的一些产业的地理集中”[10]。这与集聚经济非常相似，事实上，集聚经济效应在产业集群内部也是普遍存在的；然而，在此基本义之外，学者关于产业集群的定义不尽一致。波特在《国家竞争优势》[1] 一书将产业集群划为两类：一为纵向集群，由通过买卖关系而联系在一起的产业组成；一为横向集群，组成这类集群的产业通常共享终端产品市场，或使用相同技术和劳动力，或者需要相似的自然资源。Jacobs、DeMan和Rosenfeld以之为基础，对产业集群的定义作了更深层次的探讨[3,11]。Jacobs和DeMan认为“尚没有一个准确的产业集群概念……不同维度（的界定）都有一定意义。”他们总结了产业集群涵盖的一些重要维度，包括经济活动的地理空间集聚，产业部门之间横向和纵向的关联，相同技术的使用，核心部门（即大企业、研究中心等等）的存在，企业网络或企业协作的质量等等。Rosenfeld在界定产业集群时，所考虑到的元素除了横向和纵向的关联，还包括集群的规模，集群的经济或战略重要性，产品／服务的范围，以及相同投入的使用。他并不赞同在界定集群时单一地考虑相关产业的规模或者就业人数的多少，更多地强调社会互动和企业协同的重要性。
学者对于产业集群的定义和内涵的研究一直在继续，综而观之[1,3—5,12—14]，有几点认识是共通的：①应当充分考虑空间接近性的重要地位；②产业集群是一个动态的经济地理现象；③应当将单个产业或企业放在一个大的经济体系中考虑，避免“就事论事”的模式；④必须充分考量社会基础的重要性。根据这些认识，同时通过比较各方面学者对于产业集群的论述[1,3—5,12—14]，总结出产业集群涵盖的三个方面：
第一，产业部门和相关机构在特定空间区域内，必须有集中的现象或者集聚的趋势。当然，产业集群的生命周期一般包括新兴、增长、稳定和衰退四个阶段，不同的阶段，其在空间上的分布和集聚态势也表现出由疏到密再到疏的过程[15]。
第二，具有区域竞争力的产业通过对外输出产品和服务为区域创造财富，它们是构成产业集群的重要组分，是经济发展的核心驱力。整个产业集群结构由三大部分组成，处在“金字塔”顶端的是出口导向型产业，原料供应、生产服务等支撑性产业位居其次，而经济基础构成其底座。需要注意，产业集群内的产业不包含所有的产业部门，而是集中在几个特定的部门上，如“硅谷”的高新技术产业、底特律的汽车制造业等等（图1）。
图1 斯坦福国际研究所的产业集群结构之金字塔模型
Fig.1 SRI international's pyramid model of industrial cluster's strucuture
第三，产业、企业彼此之间以某种方式相互紧密联结，使集群内的产业、企业的经济效率比其它非集群的产业、企业总体要好得多。联结的方式可以是买方与卖方的纵向关联，也可以是资源的共享，抑或是竞争与合作的关系，还可以是以上三种关联的不同组合。
2 产业集群辨识的方法及其评价
在进行集群辨识之前，有必要明确所需进行的集群分析是处在微观层次（企业）、还是中观层次（产业）、抑或宏观层次（国家或大区域），不同层次探讨集群的重点和目的都不尽相同，自然对于集群辨识的要求也就不尽一致。微观层次，虽然有利于确定企业发展战略和优化“链”的管理和运营，但是受限于资料难以获取，且往往因研究层次过细而忽略大的经济结构问题；而宏观层次，虽然能够从整体观点把握住国家或大区域的需求，但是由于对内部变化和差别的忽视，容易误将国家或者大区域层次的问题等同为地区需求；从中观层次切入，可以承接微观宏观层次的分析，资料也比较容易取得，因此从这一层面作集群分析具有相当的优势。就不完全统计，目前大部分研究也都集中在中观层次[14]。
辨识产业集群方法可以分为两大类：定性方法和定量方法。需要说明，在实际运作中，纯粹的定量或定性的方法几乎是不存在的，往往是交融使用，有所侧重罢了。
2.1 定性的集群辨识方法
定性方法不单操作起来简单，而且在进行区域经济研究时针对性极强，故而在产业集群研究初期获得广泛使用。在集群辨识中主要采用的侧重于定性判断的方法包括专家意见法、产业感知法（Industry Perception Method，简称IPM方法）、企业调研法等。
2.1.1 专家意见法
专家包括区域研究工作者、大型企业领导人、地方官员等等，他们是“对于产业发展现状、供应链、投资模式、以及新产品的契机等情况了如指掌的区域代理人……”[16]，是进行产业辨识的重要信息源，我们可以通过访谈、讨论小组或者德尔斐（Delphi）方法调研等收集所需关键信息，从而确定出地区产业集群的各个组成部分。
专家意见法针对性强，资金和时间的花费相对高效，而且能够同时收集到丰富的地区信息；然而，这种方法存在“硬伤”：①对于代表不同类型利益实体的专家的意见，研究者在引用的过程中难以精准把握其正确性；②依赖专家的主观意见，较难实现系统化的数据收集，而且其数据收集技术的效力有待验证，致使其分析结论无法一般化。
应用较多的专家意见法为“多部门定性分析（Multi-sectoral Qualitative Analysis）”[16,17]。它以投入产出表、专家组讨论、企业领导人采访以及地方既有研究报告和文献等为信息基础，针对一组绩效指标，对所有的产业部门分别进行等级评定，通过指标权重赋予，计算出乘积加和，以此给各产业部门排序，次序靠前的那些产业部门被认为构成了区域的产业集群。不难看出，这种方法往往忽视了集群内部产业部门间必须具有密切关联的特质，更适合在微观层面探究区域具有“核心竞争力和经济潜能”的产业。
2.1.2 产业感知法[12]
第一步是要确定出对区域外货物和服务、为区域创造财富的产业。因为区域对外输出的精确数据很少有专门性统计，所以需要一种替代。最普遍且有效的替代就是计算就业集中程度，或曰“区位商”法，计算公式如下：
第二步就是将区位商大于1（根据实际适度调整）的产业部门按照可能的关联进行归类，组合成产业集群的初始框架。这种归类无定法可循，主要是基于研究人员的产业常识和对于区域经济实情的掌握，尤其是对部门间在生产链上的关联程度的了解。例如，电子设备制造业可能归入航空制造产业群，也可能归入汽车制造产业群，这些都依赖于研究者的经验和知识进行判断，当然，判断时可以使用类如投入产出表等辅助信息。
第三步是校正和优化集群辨识结果。上一步的分析基于现有数据，具有时滞性和片面性。需要通过与主要企业的领导者开展访谈等途径获得有用信息，对第二步中的归类结果作出必要修正。
最后一步可以依据已有的分析结论，绘制产业集群内部关联图，以此体现出产业间的投入产出关联以及产业部门与研发中心等支撑机构的关联。对于那些须制定出经济发展的应因战略的研究而言，这种信息的可视化表达尤为有价值。
2.1.3 企业调研法
理论上，我们可以通过对研究区内的企业进行调研，以此获取它们对（区域）内外贸易情况、合作联盟模式、研发投入等等信息，从而辨识出集群，进而进行后续的集群分析。然而，由于调研所涉及到企业间的贸易量和非正式交流往往属于商业机密，难以获得准确数据，而且调研本身所需的人力和资金较庞大，所以，在中观层面，即便有研究采用这种方法，也是做抽样调研。这种基于企业调研的辨识方法更适用于微观层面的集群研究。
2.2 定量的集群辨识方法
随着集群研究的深入，定性方法已经不能满足分析的需要，而且由于研究结论往往缺乏横向比较的统一口径，学者们逐渐转向量化辨识的探寻，陆续将投入产出等经典数理分析手段引入进来，大大丰富了集群辨识的方法，也促进了不同案例之间的比较研究。目前，在集群研究中，定量辨识集群大多以价值型表投入产出表（简作I／O表）为主要数据①，方法包括多元统计聚类法、主成分分析法（Principal Component Analysis，简称PCA法），Czamanski法、共识集群法（Consensus Clustering）等[5,18—22]。也有利用创新相关数据作投入产出分析进行集群辨识的研究[23,24]，但考虑到此类数据仅极少部分OECD国家编制，在此不予论述。
2.2.1 多元统计聚类法
多元统计聚类的基本思想就是基于一系列指标和特征变量，将样本进行分组，使得组内样本趋同而组间样本趋异。利用此方法进行产业集群辨识的过程，一般可以分解为四个步骤：①通过对I／O表的运算，获得投入产出技术系数矩阵——中间投入矩阵A、中间产出矩阵B，并由此生成最大关联矩阵E；②选择多元统计聚类的算法，通常有等级聚类、K聚类等；③选择体现组间联系程度的方法，有最小距离法、最大距离法、欧氏距离法等等；④对最大关联矩阵E进行聚类运算，如果是K聚类的算法，则聚类结果即辨识结果，如果是等级聚类的算法，则需要进一步对生成的聚类树状图进行整理，决定出阈值，从而得出集群。
研究表明[25,26]，多元统计聚类所辨识出来的产业集群能够透视出产业间的最重要的相互依存关系。然而，这种辨识方法的结果，一方面所有部门都会纳入某个集群，与集群内涵的以具有区域竞争力的出口性产业为主体、非全部门覆盖的理念相左；另一方面部门在集群间的归属具有排他性，这不符合区域经济发展的现实，因为某些产业部门（尤其是支撑性产业）往往隶属于多个集群。这些都限制了此方法在实际集群战略研究中的运用。
2.2.2 主成分分析法
西方学者很早就开始尝试利用PCA法进行产业群的研究[27]，Feser和Bergman[5] 对于利用PCA法进行区域产业集群的辨识作了系统总结，并详细描述了运算过程；贺灿飞等人。[28] 以北京为实证案例，沿用了Feser和Bergman总结的辨识框架，对北京制造业进行集群分析，结果是比较理想的。此方法大致可以分为五个步骤进行：①通过对I／O表的运算，获得中间投入矩阵A、中间产出矩阵B；②根据矩阵A和B，通过计算相关系数，生成最大相似矩阵C；③对矩阵C进行主成分分析运算，通常以特征值大于1为标准，提取主成分，原则上，提取的每个主成分对应一个集群，但是，每个主成分对应的是涵盖所有部门的列向量（列向量中，各部门以在该主成分中因子载荷值从大到小排序），所以需要进一步处理；④利用方差最大旋转法，使每个主成分内的因子载荷差异最大化；⑤设定因子载荷门槛值，在每个主成分中，超过门槛值对应的产业归入该产业集群，从而最终获得辨识结果。
PCA法在集群辨识中运用相当普遍，虽然辨识结果大多数情况比较理想，但是从原理来看，它所得到的与其说是具有密切内部关联的产业集群，不如说是具有相似产销结构的产业组群，换句话说，它强调了互补性联系，而垂直联系重视不足；而且不同主成分有主次之分，根据它们的解释率，第一主成分所对应的是整个产业的最大经济结构特征，故而在辨识结果中，第一主成分对应的集群包含了最多的产业部门，其后主成分对应集群包含部门个数依次减少[5,28]；另外，此方法辨识出来的集群内部的各产业间联系紧密程度也相对不强。
2.2.3 Czamanski法
Czamanski[29] 在研究产业的空间集聚过程中，曾经利用I／O数据以获得相互关联的产业部门集合，其强调产业关联的理念与集群研究不谋而同，后来学者在进行产业集群的辨识中借鉴并发展了他的方法[30,31]。该方法的具体实施步骤如下：①以I／O表为基础，计算出中间投入矩阵A和中间产出矩者B，从而得到它们的转置矩阵A′和B′；②由矩阵A、B、A′和B′生成最大关联矩阵E；③可通过不同社会经济指标的排序，如区位商、影响力系数、感应度系数或者这些指标的综合等，确定出核心产业，核心产业的个数则需要根据部门排序实际情况确定，原则上，每个核心产业对应一个产业集群；④对矩阵E中核心产业部门对应的列的数值进行排序，最大数值对应的产业部门（除核心产业自身）作为集群的第二个部门；⑤将既定的两个部门在矩阵E中对应的列按行加和，形成一个新的列向量，对该向量中的数值进行排序，最大数值对应的产业部门（除既定的两个部门）作为集群的第三个部门，以此类推，确定出进入集群的其它产业部门；⑥部门进入的截止标准是，如果再进入新的一个产业部门，则集群内产业间平均关联程度
要下降。
Czamanski方法强调产业间的相互关联，其产业归类的方法经济逻辑严密；但该方法在实际操作中存在困扰——如果核心产业的支撑性部门有较多重叠，而且在辨识操作过程中支撑性部门过早进入集群，则容易导致不同集群间后续进入的产业部门趋同。
2.2.4 共识集群法
Sergio和Daniel[22] 通过大量实证，对比了主成分分析法和多元统计聚类法两类集群辨识的途径，发现两种方法生成的产业集群所具有的产业关联特征总是有不尽人意之处，而又各有所长。因此，他们通过糅合两类辨识方法，创建了一种新的集群辨识手段，称之为“共识集群法”。①在用于运算分析的矩阵选择上，不囿限于最大相似矩阵C（或最大关联矩阵E），而是中间投入矩阵A、中间产出矩阵B等通通纳进来，以期获得不同层面的产业功能关联；②对于所有纳入分析的矩阵，一方面利用主成分分析法运作，选择不同的因子载荷门槛值，获得一系列辨识结果，另一方面，利用多元统计聚类法分析，利用不同算法和阈值组合，得出一系列辨识结果；③接着引入一个“产业对”的概念，在某一辨识方法中，进入同一集群的两个部门即为一“产业对”，然后利用先前所得的若干组辨识结果，构造体现产业对信息的共识相似矩阵，进而进行多元聚类分析，最终获得各个共识产业群。
为了能更清楚地说明此方法，设定有A、B、C、D、E、F六个产业部门，我们使用三种产业集群辨识方法进行分析（表1）。
表1 不同方法的辨识结果
Tab.1 Comparison of identification methods
则可构造出相应的用于共识集群分析的矩阵，如下：
表2 构造的共识相似矩阵
Tab.2 Consensus similarity matrix
最后利用上面的这个矩阵，进行多元聚类分析，并获得树状图，确定一定阀值，就可以获得最终的共识集群结果。此法将原来单独使用的各种集群辨识法整合起来，将它们所得结果都看成是对其它方法的补充；产业对的引入，能够使产业间各个层面功能紧密联结的特质凸显出来。Sergio和Daniel在加利福尼亚州的实证研究表明，共识集群方法辨识出来的产业集群结果是相当理想的。但是在共识相似矩阵中，Sergio和Daniel将主对角线取值为0，这似乎有待商榷。
2.2.5 其他定量方法
部分研究者尝试[32,33] 利用图论进行集群辨识，做法是：将各产业部门视为节点，利用某种投入产出技术矩阵，设定门槛值，超过门槛值的则对应一连接两个产业部门的有向线，从而构造产业节点间的有向图，继而利用网络分析方法求解各个产业集群。研究表明[22]，这种方法无非是多元统计聚类法的一种变体，就目前而言，两者并没有实质性的差别。也有将已有辨识方法进行融合改造的，如梁进社等人[31] 在研究北京产业集群中，是先利用主成分分析初步辨识集群，进而针对已经进入集群的产业部门，用Czamanski方法往下延伸，这种根据研究实际对原始方法修正、整合的思路值得借鉴。
3 总结与讨论
在产业集群的研究过程中，辨识是最基本的工作，它是制定出基于集群的经济发展战略和政策的关键一环。一旦产业集群被科学地辨识出来，产业间的关联和生产缺口等区域经济系统诸多情况就能得到透彻的了解，企业管理者和政策制定者就可以进一步运用集群分析工具，扩充产业，填补缺口，使产业集群生产链趋于完整，以达到整个区域经济在全球价值链上得到不断攀升。
在产业集群的辨识中，专家意见法、产业感知法和企业访谈法这三种偏定性的方法都具有针对性强的特点，而且能够获得时新信息，尤其是部分难以统计的微观信息；但是，三者都不同程度地依赖于专家或企业管理者个人的感性认识，限制了系统性数据的收集，研究结论难以普适化，而且企业访谈法更是受到资金和精力的限制，不易实施。
而偏定量方法方面，多元统计聚类虽然能很好透视产业间重要的依存关系，但不能体现出集群的竞争力理念，产业在集群间的截然分组也不符合实际；主成分分析能够将显著关联的变量聚集到一个因子上，减少信息的重叠，但是数理解释上比较牵强，且辨识出来的集群内部各产业间联系紧密度偏弱；Czamanski法逻辑严密，重点突出了集群内部各产业间的相互关联，但对支撑性部门雷同的集群处理不理想；共识集群法为我们呈现了一种不同以往的思维模式，其集群辨识所体现的综合集成理念在今后的研究中值得借鉴发扬。需要指出，这些偏定量的方法所依据的投入产出表数据，呈现的是以往资料（周期至少5年），无法反应产业的动态变化，产业部门的界定也显过时，而且忽略了支撑性机构和组织。
以上这些集群辨识的方法都各有优劣，在产业集群的辨识中，纯粹使用某一种方法显然不能满足研究需求[22,26,34]，而共识集群法给我们提供了一种新颖的量化分析思维模式，今后的集群辨识宜于继续对该方法进行开发，根据研究目的和区域实情，选取多种量化方法以构造共识集群法分析的共识相似矩阵，再辅以专家经验、实地调研对定量方法的结果进行修正。同时，以往集群研究视空间集聚（趋势）为客观必然，而一开始就忽视了地理因子的考虑；近年来，产业生态学家将“空间自相关”引入区域经济研究[8,35—37]，对如何在集群辨识中将空间邻近维度纳入方法框架有一定启发。
应该看到，产业集群仍然是一个方兴未艾的研究领域，尽管其在区域科学的源头可以追溯到20世纪中期，然而直至20世纪末本世纪初，产业集群的应用性研究变得汗牛充栋，学界才开始探究其方法论的发展趋势。目前为止，绝大多数产业集群的研究一则都具有极强特质性，尤其是一些基于特定地区政策的项目中，产业集群多为指派决定，二则研究受限于资源和数据约束，且对于理论文献的要义解读又各有所钟，所以在方法论上尚未有定见。随着研究的深入，可以预见，将逐渐形成更为系统和获得公认的产业集群的相关定义和分析技术。
基金项目：国家自然科学基金项目（编号：40635026）资助。
注释：
① 文中涉及到投入产出表及相关矩阵的运算原理请见文后附录。
标签：聚类论文; 层次聚类方法论文; 产业集群论文; 集群技术论文; 矩阵管理论文; 关联分析论文; 矩阵分解论文; 对应分析论文;