泛长三角区域内产业分工与产业转移——来自四省一市的经验研究,本文主要内容关键词为:区域内论文,产业转移论文,四省论文,经验论文,产业论文,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。
中图分类号:F207 文献标识码:A 文章编号:1000-7636(2011)09-0035-07
一、研究背景
改革开放以来,长三角地区凭借低廉的要素成本优势,积极融入由发达国家跨国公司主导和控制的全球生产网络中,成为接受国际产业转移的重要地区之一,经历了快速发展后,逐步变成了世界的“制造中心”。然而,制造业在东部沿海地区的高度集聚导致非贸易品价格、环境污染等拥挤成本的不断上涨,同时由于长三角地区不断加快产业升级,调整区域产业布局,众多劳动密集型出口加工企业开始将企业的制造环节向内地迁移,安徽省、江西省地区已率先成为承接上海市、江苏省、浙江省产业转移的前沿阵地,这种以价值链空间分布的离散化和网络化为导向的价值链环节的重新定位,使众多产业在空间上形成了地区专业化分工。在以扩大内需为背景的新一轮产业转移过程中,泛长三角区域内产业专业化程度如何,产业区域内的转移出现了哪些趋势和特点?本文利用1998-2009年泛长三角地区四省一市分行业两位数制造业数据,考察泛长三角区域内产业分工与产业转移的最新变化特点,以及不同类型制造业地区分布的时空变动趋势。
国外对制造业空间布局的研究主要集中在对美国和欧盟的研究,克鲁格曼(Krugman)、金(Kim)和马尼克(Munnich)、雷克斯(Rex)等分别利用空间基尼系数、行业分工指数和胡佛(Hoover)地方系数、区位商测度了美国制造业区域分布的长期变化趋势,发现产业的地区集中率先上升后下降,呈倒“U”型曲线[1-4]。艾利森和格兰泽(Ellison)等通过使用考虑不同行业内企业的规模差异的EG指数计算了美国制造业的集中程度,也得出了同样的结论[5]。与美国不同,艾米(Amiti)对欧盟10国三位数水平27个行业以及5国65个行业的基尼系数的计算结果表明,欧洲经历20世纪70年代区域间产业结构趋同后,80年代开始呈现缓慢的专业化过程[6]。布鲁哈特(Brulhart)等使用熵指数研究发现欧洲制造业在空间上变得更加集中[7]。
随着市场化改革和经济全球化进程的不断推进,我国地区间产业分工与合作的形式日趋多样化,关于中国制造业空间结构变动的研究也成为国内众多学者关注的重要问题。白重恩等、文玫、梁琦、罗勇和曹丽莉、路江涌等参照国外的做法,分别使用Hoover地方化系数、区位基尼系数、EG指数等不同的指标研究了中国两位数和三位数行业1980-2003年间的区域聚集程度,结果均表明整体上来说中国制造业的地区集中度不断上升,仍位于倒“U”型曲线的左方[8-12]。就区域层面来说,范剑勇通过使用行业集中度、地区间专业化指数计算了长三角地区1998年、2000年、2002年各省市的产业分工程度[13],陈建军、陈国亮、黄洁利用EG指数以长三角25个地级市三位数产业2001-2006年间规模以上企业的数据为基础,衡量了产业集聚间分工水平,结果发现与全国层面的变动趋势相同,制造业地理分布呈集聚态势,地区间专业化生产水平在上升[14]。通过对已有文献的梳理可以发现,对长三角地区的研究主要是利用上海、江苏和浙江的两省一市数据,而实际上随着区域经济一体化进程的推进,安徽、江西两省越来越多地融入到长三角经济圈内,因此,有必要将泛长三角区域内四省一市作为一个整体重新考察地区间的产业分工态势。此外,已有研究大多止于2006年,对长三角地区制造业时空分布的新趋势缺少关注。
基于上述研究背景,本文着眼于将泛长三角地区四省一市作为研究对象,使用制造业区位基尼系数、平均集中率和地区专业化指数三个指标综合考察了泛长三角地区产业分工与产业转移的最新时空演变特点。
二、数据来源和产业分工的测度
(一)数据来源
本文选择了泛长三角地区四省一市29个两位码制造业行业进行研究,时间跨度为1998-2009年。样本数据均来源于《上海市统计年鉴》、《江苏省统计年鉴》、《浙江省统计年鉴》,《安徽省统计年鉴》、《江西省统计年鉴》,工业总产值均以当年价格进行计算。
(二)地区产业分工的测度指标
1.制造业区位基尼系数
克鲁格曼的区位基尼系数是一个衡量产业空间分布均衡性的指标,其数值越小,说明产业的空间分布越分散,反之则说明产业的空间分布越集中,他在计算美国区位基尼系数时用的是就业数据,梁琦在《产业集聚论》一书中曾比较了产值数据和就业数据的优劣,并指出中国的劳动生产率差异较大,用产值更合适[15]。因此,本文选择制造业产值作为度量指标。按照界定,该系数是Ellision和Glaeser指数的简化形式。每一行业的基尼系数可以表示为:
该指数测度的是i与j地区制造业结构差异程度。取值范围在0~2之间,当两个地区间的产业结构完全相同时,取值为0;完全不同时,取值为2。指数值越高,表明地区专业化程度越高。
三、泛长三角地区制造业时空演变特征
根据公式(1)、(2)、(3)计算出,1998-2009年泛长三角地区分行业制造业各指标的具体数值(见表1),可以发现长三角地区制造业分布在时间和空间上呈现以下特征。
(一)不同类型制造业地区分布的时间变化特征
从各行业区位基尼系数的时间变动趋势看,主要呈现以下三种情况。
第一,集聚程度先升后降呈倒“U”型,代表性产业有饮料制造业、纺织业、服装及其他纤维制品制造业、造纸及纸制品制造业、化学纤维制造业、医药制造业、文体教育用品制造业、石油加工及炼焦业、化学原料及化学制品业、橡胶制品业、黑色金属冶炼及压延业、有色金属冶炼及压延业、金属制品业、普通机械制造业、电气机械及器材制造业、电子及通信设备制造业等18个行业。这些产业的区位基尼系数大多在2003-2005年达到最高,其后开始缓慢下降。从产业特性上看,这些行业可以分为三类:第一类是劳动密集型产业,其中,服装及其他纤维制品制造业区位基尼系数在2003年达到最高0.033,2004年大幅度下降至0.013,而到2009年仅为0.009;纺织业基尼系数在2004年达到峰值0.059,此后缓慢下降,2009年下降至0.054。这些产业的特点是技术含量较低,主要依靠大量的劳动力投入,厂商规模较小,生产集中度不高,较易发生扩散,而纺织业集中度仍然较高的原因可能是大多在省内实现了转移。第二类是资源加工型产业,其中黑色金属冶炼及压延加工业从1998年的0.073下降至2009年的0.026,降幅为63.3%,说明近年来地区间自然资源禀赋差异形成的比较优势分工导致了地区间产业分工的形成。第三类是技术密集型产业,电子通信设备制造业作为高技术产业,从2006年才开始下降,但幅度较小,这主要是因为高新技术及重型工业需要当地有一定的工业基础和上下游产业配套能力,向周边地区扩散的速度要慢于劳动密集型产业。
第二,集中程度先降后升呈“U”型,该类代表性产业有食品加工业、烟草加工业、木材加工及竹、藤、棕、草制品业、非金属矿物制品业、专用设备制造业、仪器仪表及文化、办公用机械制造业。其中1998-2002年的趋势变化与范剑勇所得出的结论一致,但通过计算发现在2002年后出现一些变化,即这些产业又出现一定程度的集中。烟草加工业区位基尼系数的上升幅度最快,由2004年的0.048上升到2009年的0.088,出现这一趋势的原因可能是作为利润丰厚的政府垄断性和资源密集型行业,能够为地方政府创造高额的税收收入,因此,地方政府间的财政分权可能抑制了这些产业扩散的进程,在地区间国内生产总值锦标赛的推动下,使其重新出现集中的趋势。木材加工及竹、藤、棕、草制品业在2002年已达到最低值0.001,而其他行业大多在2004年集中程度达到最低,其后开始缓慢上升。食品加工业由2004年的0.023上升到2009年的0.043,这可能是该产业从上海、江苏和浙江地区转移后又在安徽和江西地区形成了再次集聚,以安徽省为例,上海、江苏和浙江地区的投资占安徽省全部到位省外资金的55.7%,上海食品集团、上海绿洲集团等70多家上海企业在安徽的投资总额超过10多亿元。
第三,集中程度不断上升,仍处于倒“U”型左方,代表产业较少。主要是食品制造业、印刷业、记录媒介的复制、塑料制品业和家具制造业。其中家具制造业区位基尼系数在2004年微降后持续上升至2009年的0.161,且增长幅度较大,年平均增长率为1.2%。说明这些产业具有一定的地区根植性,尚未形成专业化的区域分工格局。
总体来说,在上海、江苏、浙江地区劳动力、土地等要素成本上升的推力,以及安徽、江西地区资源禀赋优势和政策实施拉力的双重作用下,促进产业扩散的离心力开始凸显,泛长三角区域内部分产业已初步呈现向周边地区转移的态势。
(二)制造业地区分布的空间变化特征
1.各地区制造业集中率变化特征
从整体来看,1998-2009年泛长三角地区制造业出现了一些新的变化,呈现向周边地区扩散和转移的现象。20世纪90年代以来我国长三角地区集聚了中国大部分制造业,随着区域一体化进程的推进,地区间的产业分布状况发生了一定的变化。
上海制造业平均集中率从期初的0.282下降到2009年的0.148,可见近10年来上海发挥了较强的辐射带动作用;浙江省制造业平均集中率在1998-2004年由0.234上升到0.330,该时期内主要承接了上海制造业转移,2005年转而开始不断地向江西和安徽等周边省份进行产业扩散,2009年下降至0.292;而江苏省,一直以来具有明显的制造业优势,制造业平均集中率在各年均保持较高水平,2009年上升到0.417,且尚未出现下降趋势。这主要是因为苏北地区具有较规范的市场环境和完善的基础设施,对许多产业形成较大的吸引力,成为苏南产业转移的首选地区,仅2007年上半年苏北承接苏南的产业转移500万元以上的项目1211项,增长14.57%。江苏全省已批复苏南、苏北共建工业园区10个、105个项目签约、42个项目在建[17],省内转移居于主导地位。同时,安徽、江西两地制造业平均集中率小幅上升,但增长速度相对较慢,分别由1998年的0.071、0.052上升到2009年的0.084和0.069。从2008年开始,增长速度略微提高(见图1)。从以上分析可以看出,近年来由于上海、江苏和浙江地区的劳动力价格、土地成本以及环境污染等拥挤成本的不断上升,扩散效应开始强于极化效应,一些劳动密集型产业开始在泛长三角区域内部的省域内和省际地区间进行梯度转移。
图1 1998-2009年泛长三角区域内部各省市的制造业平均集中率变化
2.制造业地区间专业化分工程度的演变特征
1998-2009年间,各地区间的专业化程度均在增强,分工差距在缩小。四省一市分工指数的平均值从1998年的0.547上升至2009年的0.630,增长约15.2%。其中,浙江和江西的专业化分工程度最强,地区间专业化指数平均值为0.825,江苏与江西、上海与江西的地区专业化指数平均值分别为0.792和0.735,而江苏和浙江的地区专业化分工程度最弱,平均值仅为0.393。由此可见,江西、安徽与上海、江苏、浙江的专业化分工程度在不断加深。而江苏、浙江两省由于同时处在长三角地区的沿海地带,其资源要素禀赋和产业发展的市场环境具有相似性。其中,纺织、普通机械制造业、医药制造、橡胶制品、金属制品以及塑料制品均为两省的共有优势产业,两地间的产业结构较相近,导致地区间专业化分工程度较低(如图2所示)。
图2 1998-2009年各地区间专业化指数平均值
通过比较泛长三角区域内的分工格局可以发现,上海、江苏和浙江的专业化指数在1998-2001年呈上升趋势,该时期内江苏、浙江两省是上海产业转移的主要承接地。2002-2009年,上海与江苏地区专业化指数开始下降,与此同时,上海同江西和安徽两省的专业化指数快速上升,说明随着中部崛起以及区域经济一体化战略的实施,有力推动了泛长三角区域内的协调发展,安徽、江西两省已成为上海产业转移的主要承接地。浙江和江西间地区专业化指数在2003年高达0.930,之后开始略微下降。2009年,在泛长三角区域内,上海与江西的专业化指数最高为0.847,浙江与江西次之为0.702,江苏与江西之间的地区专业化指数为0.674,上海、浙江、江苏与安徽之间的专业化指数分别为0.654、0.578、0.555,总的来说,安徽同三个地区的专业化分工程度略小于江西。可见安徽、江西两省在自然资源、能源矿产资源和劳动力要素成本等方面更具有明显的优势,同时基础设施水平的不断完善也弱化了两省的区位劣势,形成了良好的区域内产业分工格局(见表2)。
此外,随着新一轮产业转移,泛长三角区域内部四省一市之间的地区分工正趋于合理。从表2可以看出,10对省份的产业分工程度在增强。在1998年,浙江与江西间的专业化指数最大为0.742,江苏与浙江间专业化指数最小为0.290,具有最相似的产业结构类型,二者之差为0.452。但四省一市两两之间的产业分工程度在上升,在2009年上海与江西间的指数最大为0.847,江苏与浙江间的地区间专业化指数仍然最小为0.431,二者相差0.416,说明地区间分工差距明显缩小。随着泛长三角一体化的建立和区域协调能力的增强,安徽、江西地区与上海、江苏、浙江的资源禀赋差异,可以使大部分产业实现产品多样化分工生产。
四、结论与建议
本文使用区位基尼系数、制造业平均集中率和地区专业化指数三个指标分析了1998-2009年泛长三角地区四省一市两位数制造业产业分工与产业转移的时空演变特征,结果表明制造业在总体上出现了先集聚后扩散的倒“U”型的基本趋势。
第一,从行业类型上看,29个两位数制造业中有18个行业的集中率在下降,已经出现了一定程度的扩散趋势,这些产业既有饮料制造业、纺织业、服装及其他纤维制品制造业、造纸及纸制品制造业和化学纤维制造业等劳动密集型行业也有石油加工及炼焦业、黑色金属冶炼及压延加工业等资源密集型行业,同时电子及通信设备制造业等技术密集型行业也开始将低附加值的生产环节向周边地区转移。
第二,从地区分布上看,地区专业化程度不断加深,各省份之间的产业分工越来越显著。对四省一市专业化分工的两两比较可以看出,截至2009年,上海与江西的产业分工程度最高,浙江与江西次之,江苏和浙江的产业结构最相似。各地区利用自身比较优势发展制造业的趋势越来越明显,已经形成较为明显的制造业分工体系。
因此,未来泛长三角地区的产业政策重点应该是:一方面推动区域经济一体化,通过延伸和拉长全球价值链在国内的功能环节构建国内价值链,实现以功能升级和部门升级为重点的产业升级,促进上海、江苏、浙江三地将已经丧失优势的高外向度、高劳动密集型产业向周边地区转移;另一方面,安徽、江西地区应努力优化承接产业转移的软硬环境,不断降低商务成本和交易成本,吸引更多的制造业在地区内的聚集。