区域制造业集群的辨识——以北京市制造业为例，本文主要内容关键词为：制造业论文,北京市论文,为例论文,集群论文,区域论文，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。
产业集群定义为相互关联的一群产业在特定地理空间的集中[1]。理论上，相关产业的空间集聚是一种内在要求，因为集群中的企业通过与其他相关企业的分工协作获得成本优势[2]。企业内部规模经济和外部经济是产业集群的驱动力，产业的技术与市场联系是产业集群形成的必要条件。产业集群与产业竞争力直接关联，提供了一种介于企业与区域之间的组织形式，并可以将基础与非基础部门纳入区域经济发展战略，为决策者所青睐[3]。许多区域的经济政策也逐渐从扶持个别产业转向培育产业集群。
近几年，国内发表了大量有关产业或企业集群理论的综述[4，5]；一些研究将产业集群定位为一种区域发展理论，因为产业集群强调区域分工的重要性，也突出了发挥区域内各种资源整合能力的作用，尤其是技术进步与创新的作用[6～8]；也有一些案例研究，如计算机相关产业集群的研究[6，9～11]，河南虞城县钢卷尺企业集群的研究[12]，这些案例研究将产业集群定义为一个产业内企业在一定区域内的集聚，对区域产业之间的功能联系重视不够。区域产业集群辨识方法研究还处在探讨阶段，主要以定性研究为主。在实际操作中，辨别产业集群最常用的方法是“产业认知法(Industry Perception Method)”[13]，第一步是计算区域内各产业的区位商，并根据其大小对产业进行排序。然后基于研究者的产业知识及其对区域产业结构的了解将产业初步归类为集群。最后通过对产业内主要公司进行访谈确认产业间的联系，从而认定对集群判断的正确性。IPM过分依赖专家的经验和知识，容易被区域内占主导地位的企业所误导，这种主观判断的产业集群给区域间的比较带来困难，因此在产业集群的辨别上非常有必要引入科学的定量方法。
产业间功能联系构成产业集群的必要条件，许多辨别集群的定量方法都源于投入产出表，如图谱分析法和多因素聚类分析等。Campbell[14] 和Slater[15] 利用图谱方法分析区域产业之间的关联并将联系程度超过一定门槛的每对产业用箭头连接，在此基础上辨别区域产业集群。多因素聚类分析是比较成熟的方法，但在产业集群辩识研究中用得不多，主要原因是这种方法将不同产业归纳到不同的集群，这与现实不吻合，因为许多产业可能属于多个集群。一些研究采用主成分分析法来辨识产业集群[16～20]。主成分分析可以将显著关联的变量聚集到一个因子上，减少信息的重叠。投入产出表中产业间价值流信息存在显著的重复，根据投入产出表可构建反映某个产业的中间投入或中间销售的行业结构，因此可采用主成分分析将具有相似经济技术联系的产业组合成因子，每个因子反映产业间价值流的行业结构，提取出来的因子成为构造产业集群的基础，每个产业集群中存在若干个联系强度各异的产业链。
1 产业集群辨识方法——主成分分析及其发展
产业间功能联系是产业集群的必要条件，一个区域的投入产出表反映产业之间的技术与市场联系，因此可依据区域投入产出表来辨识区域产业集群。区域投入产出关系表述为如下两个等式：基于产出的关系式：
附图
基于投入的关系式：
附图
式中，X[，i]为产业i的总产出额，X[，j]为产业j的总投入额；x[，ij]为产业i到产业j的销售额，亦x[，ij]为产业j从产业i购买的投入额；y[，ik]为最终部门k对产业i的最终需求额，E[，i]为产业i的区域外销售额；V[，j]为产业j的增加值，M[，j]为产业j从区域外进口额。
首先，基于投入产出表构造反映产业间功能联系的矩阵。1997年北京市投入产出表中总共有124个部门，这里仅其中的74个制造业部门。产业的总中间投入和中间销售以p和s表示，产业i和j间的功能联系可表示为如下2个系数：
附图
式中，
，a[，ij]表示产业j从i购买的中间投入占产业j的总中间投入的比重，a[，ij]系数较大说明产业j强烈依赖产业i提供中间投入；b[，ij]表示产业i向产业j的中间销售额占产业i的总中间销售额的比重，b[，ij]系数较大表明产业j是产业i主要市场。a[，ij]构成一个74×74的中间投入矩阵A，b[，ij]构成一个74×74的中间销售矩阵B[，B]，将矩阵B[，B]转置成矩阵B。矩阵A中每一列表示一个产业的中间投入行业结构，矩阵B中每一列代表一个产业的中间销售行业结构。矩阵A和B反应北京市制造业之间的功能联系。为了能够运用主成分分析的方法辨识基于产业联系的集群，需要构造反映产业功能联系的相关矩阵。根据矩阵A和B，可计算四个相关系数来全面衡量产业m和n的投入产出结构的相似性：R(a[，m]，a[，n])衡量两产业中间投入行业结构的相似程度；R(b[，m]，b[，n])测量两个产业的中间销售行业结构的相似程度；R(a[，m]，b[，n])表示产业m中间投入的行业结构与产业n中间销售行业结构的相似程度；R(b[，m]，a[，n])衡量产业m中间销售的行业结构与产业n的中间投入的行业结构的相似程度。对74个产业中每一对产业计算上述四个相关系数，然后取其数值最大者构成一个新的74×74对称矩阵C，这个矩阵类似于主成分分析中的原变量的相关矩阵，矩阵中每一个相关系数反映产业之间的经济技术联系的行业结构相似性。C[，mn]表示如下：
C[，mn]=C[，nm]=max[R(a[，m]，a[，n])，R(b[，m]，b[，n])，R(a[，m]，b[，n])，R(b[，m]，a[，n])](4)
然后将矩阵C分解以求得其特征向量和特征值，并采用主成分分析方法提取因子。主成分分析中的因子反映各产业间价值流的行业结构。由于各个特征值都不相同，且特征值λ[，i]可以按严格大小顺序排列，因此根据矩阵C的标准正交化特征向量P可将其分解为：C=PΛP＇，其中，
附图
λ[，i]为矩阵C的第i个特征值，且有λ[，1]≥λ[，2]≥…≥λ[，74]成立。根据特征值和特征向量，可以得到因子荷载矩阵：Θ=P(
，荷载矩阵表示因子与矩阵C中列的相关程度。为了达到辨识产业集群的目的，选择特征值大于1作为因子提取的决策标准，被提取出来的因子成为辨识产业集群的基础。为确定每一个集群中的产业，通常采用方差极大法进行正交旋转将因子荷载差异最大化，根据旋转后的荷载矩阵，可以确定各个集群中的产业。是否将特定产业归入一个集群，取决于特定产业的荷载值，本文将每个因子中荷载值超过0.40的产业归入因子。然后根据产业投入产出关系，构造产业链，最终辨识产业集群，每个产业集群中存在若干产业链。
各产业在集群内中间投入贡献率和中间销售贡献率反应促成该产业集群形成的核心产业。产业中间投入和中间销售贡献率定义如下：
附图
式中，k为产业集群内的产业个数，其它同上。
最后，设计下列指标来衡量集群内产业间的联系强度：产业i在集群内的中间销售比重(L[，si])和中间投入比重(L[，pi])以及集群前向联系系数(L[，F])和后向联系系数(L[，B])。较高的指标值说明集群内在功能联系紧密。
附图
2 北京市制造业产业集群
基于北京市1997投入产出表中74个制造业间价值流信息，采用主成分分析方法，根据特征值大于1的标准，提取14个因子，采用方差极大化方法旋转后的主成分分析结果见表1。
表1 方差极大方法正交旋转后的主成分结果
Table 1 Results of factor analysis with Varimax rotation
因子 特征值 解释方差(％) 累计(％) L[，F] L[，B]核心投入产业(％) 核心销售产业(％)
120.18 27.28 27.2843.9754.16钢压延加工(32)
钢压延加工(30)
28.08
10.93 38.2032.7946.59有机化学产品(38) 有机化学产品(23)
37.80
10.54 48.7447.1151.27电子元器件(59)
其它电子通信设备(23)
45.73
7.75
56.4971.7747.59棉毛纺织业(76)
服装(53)
53.35
4.52
61.0212.2723.19造纸及纸制品(70) 造纸及纸制品(38)
63.15
4.26
65.2742.6628.17毛纺织业(64) 毛纺织业(57)
73.09
4.17
69.4528.1935.16金见属制品业(44) 金属制品业(52)
82.89
3.90
73.3544.8233.88汽车制造业(76)
汽车制造业(72)
92.58
3.49
76.8378.2650.13粮油饲料加工(83) 粮油饲料加工(74)
10
2.28
3.08
79.9215.9529.96耐火材料与水泥(56)
水泥制品(59)
11
1.53
2.06
81.9833.1520.31肉类蛋类加工(92) 肉类蛋类加工(90)
12
1.50
2.03
84.0157.3867.65电子计算机制造(75)
电子计算机制造(89)
13
1.44
1.94
85.9569.5643.13毛纺织业(67) 毛纺织业(69)
14
1.41
1.90
87.856.79 9.28 石油加工(75) 石油加工(56)
14个因子累计解释87.85％的总方差，根据荷载大于0.40的标准将不同产业归入集群，每个集群中有2～30个产业不等。根据产业的集群内中间投入贡献率，每个集群都有明显的核心产业，这个核心产业对集群的中间投入贡献率从32％到92％，中间销售贡献率从23％到90％，足以说明产业集群内核心产业的凝聚力。从集群前向和后向联系系数来看，绝大多数产业集群的群内采购或销售比重超过其总中间投入或销售的三分之一，有些甚至超过70％，如以棉毛纺织业为核心产业的集群在群内的中间销售占其总中间销售的72％，而集群内的中间投入也达48％(表2)。
表2 北京3个代表性制造业产业集群及其产业构成(1997)
Table2 Three selected industrial clusters and their sector compositions in Beijing(1997)
钢压延加工集群1 荷载L[，s]
L[，p] 钢压延加工集群1 荷载L[，s]
L[，p]
煤炭采选 0.8340.3520.52 锅炉及原动机制造 0.9290.1170.39
黑色金属矿采选
0.9797.9964.41 金属加工机械制造 0.4269.5748.23
家具木制品
0.7711.1539.29 其他普通机械制造 0.9345.1263.83
玩具体育娱乐用品 0.6820.0228.71 农林牧渔水利机械 0.9781.0974.65
炼焦业
0.9779.8544.48 铁路运输设备制造 0.9736.5768.81
水泥制造业
0.5113.9024.50 汽车制造 0.6357.2374.61
水泥制品及石棉水泥
0.424.73 64.47 自行车制造
0.871.83 80.98
陶瓷制品 0.9112.6413.23 其他交通运输设备 0.8844.8352.81
耐火材料制品 0.7070.3632.06 电机制造 0.9478.2066.29
其他非金属矿物制品
0.5937.4854.30 日用电器制造 0.6761.5949.20
炼铁业
0.5192.9465.97 其他电气机械及器材
0.5941.4925.49
炼钢业
0.9691.6766.24 文化办公用机械制造
0.709.13 3.73
钢压延加工
0.8943.6258.11 机械设备修理 0.4610.7063.91
铁合金冶炼
0.9590.0136.56 工艺美术品制造
0.5920.9728.50
金属制品 0.8927.2160.60 其他产品制造 0.9757.0020.50
有机化学产业集群2荷载L[，s]
L[，p] 电子元器件产业集群3 荷载L[，s]
L[，p]
造纸及纸制品 0.4441.7857.30 玻璃及玻璃制品
0.7854.774.97
印刷与复制
0.483.15 40.95 有色金属压延加工 0.8243.5658.74
石油加工 0.7617.238.01
金属加工机械制造 0.5636.4421.82
基本化学原料制造 0.9086.1949.72 其他专用设备制造 0.9112.0447.69
化学肥料制造 0.803.80 41.80 航空航天器制造
0.850.76 31.83
有机化学产品制造 0.8669.3660.35 日用电器制造 0.6250.3546.39
日用化学产品制造 0.7024.4551.49 其他电气机械及器材
0.7627.6055.03
其他化学产品制造 0.9141.3568.28 日用电子器具制造 0.8515.3070.46
医药制造 0.887.32 43.93 电子元器件制造
0.9278.2350.69
橡胶制品 0.529.00 41.10 其他电子及通信设备
0.8976.7285.57
塑料制品 0.9232.5768.32 仪器仪表制造 0.4337.1467.69
砖瓦石灰和轻质建筑料 0.638.23 36.65 文化办公用机械制造
0.445.24 44.61
玻璃及玻璃制品
0.484.15 49.26
2.1 钢压延加工业集群
这是北京市最大的产业集群，以钢压延加工业为核心产业，包括煤炭采选业、黑色金属矿采选业、炼焦业、炼铁业、炼钢业、金属制品、钢压延加工业以及多种机械设备制造业在内的30个产业。该产业集群的中间投入和销售分别占54％和44％。其中20个产业的群内中间销售占其总中间销售的30％以上，22个产业的从群内采购30％以上的中间投入。根据L[，s]和L[，p]可判断与该产业集群联系紧密的产业包括黑色金属采选业、炼铁业、炼钢业、锅炉及原动机、农业水利机械、汽车制造以及电机制造等。
为了进一步分析产业集群内各产业之间的功能联系，从矩阵A和B中挑选出这30个产业的中间投入系数和销售系数(a[，ij]，b[，ij])，分别组成新的矩阵A[，1]和B[，1]。然后选择一定的门槛值，用箭头将中间投入系数或者销售系数超过该门槛值的产业对连接起来。理论上，北京市投入产出表中的每一个产业从124个产业购买中间投入，每一个产业的平均比重应该是0.008。为了不至于连接太多，在深入分析两个新矩阵后，认为0.015作为门槛值较为合适。图1基于A[，1]矩阵的信息绘制的该产业集群内的后向联系图，其中从产业i到j的箭头方向表示产业j从产业i购买了较高比重的中间投入。从图1可以清楚地分辩出该产业集群内提供中间投入的中心产业是钢压延加工业和金属制品业，其它重要的中间投入产业还包括煤炭采选业、其他普通机械制造业、汽车制造业以及其他产品制造业等。
附图
图1 钢压延加工集群内重要的后向联系
Fig.1 Critial backward linkages in the cluster of ferrous metals smelting and pressing industry
图2是基于B[，1]矩阵绘制的该集群内产业前向联系图，其中从产业i到j的箭头方向表示产业i向j的中间销售占较高的比重。汽车制造、钢压延加工业以及金属制品业是将该集群内的产业连接的主要市场力量，其他包括家具、水泥制品以及石棉水泥、炼钢业、其他普通机械和农林牧渔水利机械等。
附图
图2 钢压延加工集群内重要的前向联系
Fig.2 Critical forward linkages in the cluster of ferrous metals smelting and pressing industry
2.2 有机化学产品制造业集群
有机化学产品制造业是该产业集群的核心产业，提供了38.06％的中间投入，包括造纸及纸制品、印刷记录媒介的复制业、石油加工业、基本化学原料、化学肥料、有机化学产品、日用化学产品、其它化学产品、医药制造、橡胶制品、塑料制品、砖瓦实惠和建筑材料以及玻璃和玻璃制品业等13个相互关联的产业。该产业集群的中间投入和销售分别占47％和33％。石油加工业、有机化学产品、基本化学原料、其它化学产品、造纸及纸制品以及塑料制品业等构成了该集群的原料投入，而医药制品业、日用化学产品以及其它化学制品是集群形成的市场力量。
2.3 电子元器件制造业集群
电子元器件提供了59％的集群中间投入，成为该集群的核心产业，包括玻璃及玻璃制品业、有色金属压延、金属加工机械、专用设备、航空航天器、日用电器、其它电器机械及器材、日用电子器具、电子元器件、其它电子及通信设备、仪器仪表、文化办公用机械等12个产业。集群内中间投入与销售分别占51.27％和47.11％。电子元器件、有色金属压延、其他电器与器材以及仪器仪表为集群形成的投入要素，专用设备、日用电器制造、日用电子器具、其他电器与器材以及电子元器件等构成了集群的市场力量。其它产业集群还包括棉毛纺织业集群、造纸产业集群、金属制品产业集群、汽车制造产业集群、粮油饲料产业集群、耐火水泥产业集群、计算机产业集群以及石油加工产业集群等，这里就不再逐一讨论。
3 北京产业集群的空间集聚
根据产业集群理论，技术经济联系紧密的产业通常在相同的空间上集聚。产业集群内各产业的企业空间分布的Pearson相关系数反应关联企业的空间相关性。由于缺乏与1997年投入产出表对应的企业层次的数据，本文采用北京2001年基本单位普查的企业数据来分析几个产业集群内企业空间分布。制造业之间的技术联系比较稳定，采用不同时间的数据总体上不会影响分析结果。选用北京区县作为分析的基本空间单位，首先找出产业集群内各产业在北京市18个区县内的企业数，然后计算产业间的企业区县分布的相关系数，根据这个空间相关系数的大小和显著性，可以判断集群内企业是否在空间上集聚。如果空间相关系数为正，表明两个产业的企业空间分布趋于一致，在相同空间上集聚。Pearson空间相关系数定义如下：
其中，x[，i]和y[，i]分别为产业x和y在区县i的企业数。
“钢压延加工业集群”内有30个产业，其中的435个相关系数，绝大多数为正且高度显著。金属制品业与其它23个产业的空间分布倾向于一致，其中与家具木制品、其他普通机械制造业、农林牧渔水利机械制造业以及汽车制造业等的相关系数超过0.91。汽车制造业与其它22个产业的空间分布显著相关，家具木制品、日用电器等与其它23个产业空间分布显著相关，金属加工机械和电机制造业等分别与其它24个产业的企业空间分布高度相关，其他电气机械及器材与其它25个产业的企业分布高度相关，许多相关系数超过0.80。该相关系数矩阵太大，这里就不列出。
在“有机化学产品集群”中，除了化学肥料产业外，其它产业之间的企业空间分布基本上都显著正相关，表明它们倾向于分布在相同区县(表3)，如石油加工业与基本化学原料制造业的企业空间分布相关系数为0.98，日用化学产品制造业和有机化学产品制造业与医药制造业的企业空间分布也高度一致，其空间相关系数分别达到0.90和0.87。表4列出了“电子元器件制造业集群”内企业分布相关系数，其中66个相关系数全部高度显著，尤其电子、电器、电气器材及仪器仪表等产业内的企业在空间上分布相当集聚，其相关系超过了0.80。
表3 有机化学产品集群内各产业的企业区县分布的相关系数
Table 3 Correlation coefficients between spatial distributions of industries in the chemical cluster
造纸及 印刷、 石油 基本化 化学 有机化 日用化 医药 橡胶 塑料 砖瓦 玻璃
纸制品 媒介加工 学原料 肥料 学产品 学产品 制造 制品 制品 石灰 制品
]CH1 1.00
CH2 0.751.00
CH3 0.400.231.00
CH4 0.460.260.98
1.00
CH5 0.170.11-0.19 -0.13 1.00
CH6 0.720.700.66
0.69
-0.07 1.00
CH7 0.770.800.69
0.72
0.02
0.90
1.00
CH8 0.670.790.45
0.48
0.11
0.69
0.871.00
CH9 0.760.560.69
0.73
0.06
0.82
0.830.58 1.00
CH10 0.830.610.72
0.76
0.07
0.78
0.860.71 0.84 1.00
CH11 0.540.230.67
0.72
-0.04 0.49
0.550.30 0.60 0.81 1.00
CH12 0.740.690.56
0.59
0.11
0.68
0.890.91 0.68 0.76 0.41 1.00
注：CH代表与第一行相对应的产业部门。
表4 电子元器件集群内各产业的企业区县分布的相关系数
Table4 Correlation coefficients of spatial distributions of industries in the cluster of electronics
玻璃 有色金属 金属加 其它专 航空航 日用
其它电气
日用电 电子元 其它电子及 仪器
文化办
制品 压延加工 工机械 用设备
天器
电器 机械和器材 子器具
器件通信设备
仪表
公机械
SCI11.00
SCI20.661.00
SCI30.650.571.00
SCI40.730.770.681.00
SCI50.700.620.550.871.00
SCI60.730.800.730.920.861.00
SCI70.850.710.810.910.870.941.00
SCI80.710.610.600.950.910.830.881.00
SCI90.860.610.580.900.910.840.920.941.00
SCI10
0.550.650.530.920.880.880.820.890.82 1.00
SCI11
0.610.690.610.950.910.910.870.920.86 0.97 1.00
SCI12
0.550.580.700.910.760.800.810.920.77 0.82 0.861.00
注：SCI代表与第一行相对应的产业部门
4 结论与讨论
本文提供了一种辨别区域产业集群的定量分析方法。基于区域投入产出表，本文构造了一个反映产业之间的技术和市场联系的相关系数矩阵，在此基础上，通过主成分分析方法提取一定数量的因子。由于这些被提取的因子集合了具有相似的中间投入或销售行业结构的产业，因而可以看成是产业集群。在主成分分析基础上，设计了几个指标来测量集群内产业间的功能联系，并采用空间相关系数来分析相关产业的空间集聚情况。本文采用主成分分析法对北京1997年投入产出表中74个制造业进行深入分析，辨识出了14个产业集群，这些集群围绕核心产业而形成，包括钢压延加工业集群、有机化学制品集群、电子元器件集群、棉毛纺织业集群、造纸及纸制品集群、毛纺织业集群、金属制品业集群、汽车制造业集群、计算机产业集群以及石油加工业集群等。集群内在产业功能联系非常紧密，相关企业在空间上集聚，符合产业集群的理论定义。
利用定量方法辨别一个区域内的产业集群有助于制定基于产业集群的经济发展政策。首先，辨识区域内的产业集群可以帮助决策者认清区域竞争力的源泉，根据资源优势、区位优势以及产业结构调整等需要确认重点发展的产业集群；其次，决策者可以根据现有的产业基础和产业结构，找出生产链中的主要缺口，从而能够有的放矢扩充产业；再次，对区域产业集群有了比较全面地认识之后，政府部门可以根据产业集群的内在要求指导招商引资活动，将外部资本引入到重点发展的区域产业集群内，而且这种基于产业集群外资产业政策能够更有效地吸引区外资金的流入；最后，为了提高区域经济效益，经济决策者可以根据产业集群来调整产业空间布局，将属于某个产业集群的企业集中在一定的地理空间上，从而可以整合区域各种优势资源，促进产业集群的形成。
标签：主成分分析论文; 空间分析论文; 企业空间论文; 因子分析论文; 相关矩阵论文; 销售分析论文; 相关性分析论文; 集群技术论文; 矩阵分解论文; 产业集群理论论文; 功能分析论文; 电器论文; 矩阵论文;