中国制造业区域聚集及国际比较

一、引言有关产业区域聚集的研究是新经济地理学和产业组织学文献的重要内容之一，一直得到经济学家的广泛关注，并在20世纪90年代以来取得了快速发展(krugman，1991a；kim，1995；hanson，2001)。经济学理论通常把产业区域聚集的原因主要归结为两方面，即区域间自然禀赋的差异性(ohlin，1933)和产业区域聚集的外部效应(marshall，1920；henderson，1974；krugman，1991b)，而外部效应又可以分为技术外溢、专业劳动力聚集、接近客户和供应商等。国际上近年来有关产业区域聚集的实证研究发展很快。几篇有代表性的文献包括：kim(1995)研究了美国自1860年至1987年间经济活动区域分布的长期变化趋势；ellisonandglaeser(1997)优化了衡量产业区域聚集程度的指标体系；durantonandoverman(2005)采用了接近精确的企业地理位置数据，在假设企业的区域分布是连续，而不是受到区域边际限制的基础上对区域经济的文献作了重要发展。近年来，关于中国的产业区域聚集状况的研究也有很多，但得出的结论存在争议。例如：young(2000)利用5个产业(农业、制造业、建筑业、运输业和商业)的数据发现中国的行业区域聚集程度在1985—1997年呈下降趋势，而白重恩等(2004)则利用行业分类较细的2位代码行业数据(29个省、32个2位代码行业)研究发现在同一时期中国的行业区域聚集程度呈上升趋势。关于文献中对于中国行业区域聚集程度得出不同结论的原因，白重恩等(2004)认为过于粗糙的行业分类可能导致young(2000)的结论出现偏差。在本文中，我们利用近一段时期(1998—2003年)更为细化的区域和行业数据(2861个县区、539个4位代码行业)进行分析，试图揭示中国行业区域聚集程度近期的发展趋势。研究中国产业区域聚集时借鉴西方的相关研究，并与发达国家产业区域聚集的历史进程和现状进行对比，有助于我们理解中国产业区域聚的发展趋势和所处阶段。这方面，范剑勇和杨丙见(2002)以及范剑勇(2004)作了大量的工作。然而，ellisonandglaeser(1997)表明传统上用于衡量产业区域聚集的指标(例如hoover系数和gini系数)没有考虑不同行业内企业集中程度的差别，这样计算出来的产业区域聚集程度即使在同一国家的不同行业之间进行对比也存在偏差。因此，我们在进行产业区域聚集程度的跨国比较时尤其应注意指标的可比性。本文利用细致的行业和区域分类，力争取得与国际上相关研究可比的指标，在比较时侧重于共同趋势的发现，而不是绝对值的比较。关于解决不同行业内企业集中程度的差别可能导致的偏差，罗勇和曹丽莉(2005)做了有创见的贡献，他们首先使用ellisonandglaeser(1997)的方法，利用行业数据对我国20个制造行业1993、1997,2002和2003年的聚集程度进行了测定。与罗勇和曹丽莉(2005)不同的是，我们使用了1998—2003年的全国制造业的企业级数据，完全符合ellisonandglaeser(1997)方法对数据的要求，此外，我们对在这一时期内我国行政区划和行业分类的变化进行了仔细的核对、调整，提高了各年数据的可比性。在此基础上，按照不同细分程度的行政区划和行业标准进行了反复计算，得出了稳健的结果，从而增加了本文结论的说服力。罗勇和曹丽莉(2005)分析了我国制造业聚集程度较长期间的变化和区域间的差别，而本文则对近期的趋势进行了详细分析，并就行业区域聚集和行业区域共同聚集进行了国际比较，二文相互补充，可以勾勒出我国制造业聚集程度变化更加全面的轮廓。本文第二节描述数据及对数据进行的前期整理工作；第三节中，首先计算hoover系数，并与现有关于中国行业区域聚集程度的文献进行衔接和对比。其次，借鉴ellisonandglaeser(1997)创建的指标体系，用尽可能与国际上相关研究近似的行业和区域分类计算中国1998—2003年的行业区域聚集程度和行业区域共同聚集程度，并通过与西方国家(主要是美国)的比较得出关于中国行业区域聚集程度和行业区域共同聚集程度变动趋势的结论；第四节是结论和政策性建议。二、数据本文依据的主要数据是国家统计局1998—2003年工业企业数据库。该数据库采用自1998年开始启用的统计口径，涵盖了中国所有国有企业和年销售额500万元人民币以上的非国有企业，每年企业数目从16万家到19万家不等。相关数据项目主要包括企业所在区域代码(省、市、县和邮编)、行业代码、产值、职工人数等。一般而言，研究区域经济最理想的数据是普查数据。然而，由于普查规模大，而且包括许多小企业，因此数据质量会受到影响。例如，panandzhang(2002)在使用中国第三次工业普查数据时发现，在去除了销售收入、职工人数、固定资产等数据项缺失的企业之后，企业数量从原始数据中的750，000下降到119，790。这说明普查原始数据中存在严重的数据项缺失问题。如果数据的缺失是系统性的，也就是说由于某些原因造成某些区域或行业的企业整体缺失，就会影响衡量区域经济指标的计算。在关于行业区域聚集的研究中，对数据最重要的要求是企业地理位置和行业分类的准确性。如果没有企业精确的经纬度坐标，通常会使用企业所在的行政区划来确定企业位置，越细分的行政区划得出的结果越准确。本文依据的是省、市、县三级区划标准，例如1999年颁布的《县及县以上行政区划代码表——国家标准gbt2260—1999》。中国的行政区划经常发生变动，变动的原因主要包括行政区域的增减、行政区域的重新划分和区划代码的更改等。具体而言：(1)从1999年到2003年，中国县级行政区划的数目(不含港、澳、台)从2431个增加到2861个；(2)更重要的是，中国行政区划和代码近些年来经常变更。由于行政区划和代码变更，企业在填报行政区划代码时很有可能错报和漏报，这会在很大程度上影响到衡量行业区域聚集指标的计算。因此，关于企业行政区划代码，我们做了两方面的努力力争将错误降到最低限度。首先，我们利用企业的地址信息对企业填报的行政区划代码进行逐一核对。一般来说，企业填报错误地址的可能性比填报错误行政区划代码的可能性要小得多。其次，我们把数据期间各年度使用的行政区划代码统一为《国家标准gbt2260—1999》，这样有利于我们进行各年度间的比较。通过以上两个步骤，我们一共修正了14.9万个企业／年度的行政区划代码，占总的企业／年度数目的14.38%。关于行业代码，中国自2003年开始启用了新的国民经济行业代码(编码为gb／t4754—2002)。这一变化导致数据中2003年企业填报所依据的行业代码标准与以前年度不一致，如果不进行调整，将会使各年度之间的对比变得不合理。为此，我们首先利用行业代码表(gb／t4754—2002，新)和行业代码表(gb／t4754—94，旧)的对照表将2003年企业的(新)代码转换为(旧)代码。对于那些不能利用对照表进行自动转换的企业，我们利用企业主要产品名称的信息，然后利用旧的行业代码表中的行业具体产品信息进行逐一分类。本文主要研究制造业，而把采掘业，以及电力、煤气、水的生产和供应业排除在外，其原因是这些行业的地理分布很大程度上取决于矿产资源等自然资源的分布，而自然资源在中国的分布是极不平均的，这使得对后两类行业的区域聚集进行研究意义有限。此外，由于数据限制，本文研究不包含港、澳、台地区，而下文的全国即为除港、澳、台外的全国其他地区。文中各项指标的计算主要依据产值数据和职工人数数据，选择的标准尽量和现有文献一致，以便考察较长期间的趋势和进行国际比较。三、行业区域聚集和行业区域共同聚集(一)行业hoover系数hoover系数最早由hoover(1936)提出，是表示某行业在各区域间的聚集程度最常用的指标之一。hoover系数计算方法如下：首先，计算区位商，其中outputir表示行业i在区域r的产值，outputi表示全国范围行业i的产出，outputr表示表示区域r所有行业的总产值，output表示全国所有行业的总产值。如果lqir大于1，说明行业i在区域r的集中程度较高，如果lqri小于1，则相反。接着，对行业i在所有区域r=1，2，…，m的区位商进行降序排列，得到m个区域的序列组合。计算行业i在各区域产值的累计百分比(outputir／output)并绘制在y坐标轴上，计算所有行业在各区域产值的累计百分比(outputr／output)并绘制在x坐标轴上，由此构建行业i的区域聚集曲线。如果行业i在区域间均匀分布，那么该行业在各区域的区位商都为1，同时该行业的区域聚集曲线成为从原点出发的45度射线。相反，行业i在各区域比例相差越大，则该行业的区域聚集曲线也就越凹。行业hoover系数定义为由45度直线和行业的区域聚集曲线所围成区域面积与曲线所在三角形面积的比值，取值范围是[0，1]，取值越大表示行业的区域聚集程度越高。表1中报告了按2位行业代码和县级区划的产值数据计算的行业hoover系数。从表1中，我们发现以下几点规律：首先，从1998—2003年，在29个行业中只有5个行业的区域聚集程度下降，同时，hoover系数的算术平均数和加权平均数分别上升了2.51%和3.25%。区域聚集程度上升最明显的行业包括食品加工业、纺织业、食品制造业和造纸及纸制品业等，而这些行业的共同特点是技术含量低。大多数行业区域聚集程度上升与白重恩等(2004)和文玫(2004)的结论相符合。为了展示行业hoover系数较长期间的变化趋势，我们借用白重恩等(2004)计算的1985—1997年的hoover系数，并利用我们的数据计算了1998—2003年2位行业省级区域的hoover系数，两段期间的结果如图1所示，1998年后hoover系数有一个较大的跳跃，其中原因主要是由于1998年前后国家统计局工业企业统计数据口径发生重大变化，导致1998年前后的统计数据并不完全可比。然而从整体上看，中国的行业区域聚集程度自20世纪80年代末起呈上升趋势。其次，行业区域聚集程度较高的行业多是高度依赖自然资源的行业，主要包括烟草加工业、石油加工及炼焦业、化学纤维制造业、黑色金属冶炼及压延加工业和木材加工及竹、藤、棕、草制品业等。这一点也与现有文献相一致，例如，ellisonandglaeser(1999)研究表明，在该文使用的样本中，至少50%的行业区域聚集可以用自然资源优势来解释。(二)ellisonandglaeser系数：γi和γci行业hoover系数只考虑了行业在区域间的聚集程度，没有考虑不同行业内企业集中程度的差别。如果某行业内只有少数几个企业且规模分布不均，那么这个行业的区域聚集程度自然就会很高；而如果某行业企业数量很多，那么这个行业的区域聚集程度自然就会较低。一个极端的例子是：对于只有一个企业的行业来说，全行业都集中在一个区域，这种情况下的行业区域聚集程度应该和100个企业都集中在同一个区域的行业不同。从表1行业hoover系数和行业内企业数量的关系中，可以发现企业数量较少的行业hoover系数通常较高。例如烟草加工业2003年只有224家企业，而该行业的hoover系数高达0.965。在一篇非常有影响的文章里，ellisonandglaeser(1997)调整了行业内企业集中度，设计了两个系数，分别用于衡量行业区域聚集程度(agglomeration，γi系数)和在产业链上有较强关联性行业的区域共同聚集程度(co-agglomeration，γci系数)。在ellisonandglaeser(1997)之后，有许多研究将ellisonandglaeser(1997)的方法运用于对其他发达国家行业区域聚集的研究。例如，maurelandsedillot(1999)以及devereuxandgriffith(2004)分别对法国和英国的制造业区域聚集情况进行了研究。然而，目前利用ellisonandglaeser等(199