产业集群识别与分类实例研究.docVIP

产业集群识别与分类实例研究 内容摘要：本文根据产业集群理论，以西安各行业的数据为基础，运用区位商法和聚类分析法对西安产业集群进行识别和分类，将西安LQ＞1的16个行业分为3类两个层次的产业集群，研究结果与实际情况相符合，同时证明了这两种方法是对产业集群识别和分类的有效方法。 　　关键词：产业集群 区位商法 识别 聚类分析法 分类 　　 　　产业集群理论概述 　　 　　目前，理论界对产业集群还没有统一的定义。有的强调空间聚集性；有的从产业链方面考虑……其中最有代表性的是波特的定义，他认为产业集群是一组在地理上靠近的、相互联系的公司和关联机构，它们同处一个特定的产业领域，由于具有共性和互补性而联系在一起。在产业集群内部，企业之间发挥信息知识共享、创新扩散、分散风险等优势，实现集群内企业协作竞争，降低生产、组织和交易成本，这是非产业集群以及集群外没有的。产业集群已经在区域经济发展中发挥越来越重要的作用，并成为区域经济发展的重要模式。 　　产业集群的产生发展受到多种因素的影响。首先是技术因素。正是由于产业集群的区域创新特点才促使集群内提高技术水平、研制新产品、开发新项目。其次是投入品价格。由于产业集群可以统一订购数量较大的相同投入品，因此往往可以获得相对低廉的价格，这正是产业集群产生与存在的重要因素。再次是区域内、外市场。区域内足够大的市场容量和消费份额就能吸引大量企业和行业；区域外，在产品的营销和销售方面，集群整体能够实现资源共享，实现集群整体效益。最后是基础设施。基础设施是产业集群空间聚集的首要条件，是产业集群发展的限制性条件。 　　识别产业集群是产业集群理论研究和实际运用的基础，分类是对产业集群识别的深化。国内相关研究主要集中于东部沿海城市，西部欠发达地区较少。本文以西安为研究对象，是对产业集群研究的有益补充，而且运用实证方法将产业集群识别和分类相结合是对产业集群研究的新尝试。 　　 　　西安产业集群识别方法及结果分析 　　 　　（一）区位商法说明 　　区位商 (Location Quotient，LQ)是产业集群识别的方法之一，可以判别产业集群存在的可能性。它运用的是某地区某产业就业数和全国该行业就业数的比值。该方法假定区域内某行业的就业人数如果高于同一产业全国的平均水平，就可以生产出更多的产品，并且大于当地的消费需求，因此该产业可以把多余的产品出口。 　　 　　其中LQi表示i产业的区位商值，ei表示某地区i产业的就业数，Ei表示全国i产业的就业数。LQi＞1表明该地区i产业具有比较优势，专业化水平较高，产品输出数量较多；LQi=1表明该地区i产业专业化水平等于全国水平，产品基本实现自给自足；LQi＜1表明该地区i产业专业化水平低于全国水平，i产业缺乏竞争优势。 　　区位商法存在一定的局限性：不能用于新型或小型产业集群识别；假设在全国和区域两个层面上i产业的劳动生产率是相同的。但是由于该方法数据获取方便、简单易操作，因此在西方和国内产业集群研究中得到广泛应用。 　　（二）数据处理及结果 　　本文根据2003-2006年西安31个行业就业人数的平均值和2003-2006年全国相同行业就业人数的平均值，运用区位商法求得LQ值（见表1）。 　　通过区位商法对样本区间内西安产业集群识别，从表1可以看出西安农业、交通运输、仓储及邮政业、住宿和餐饮业等16个行业的LQ＞1，表明这16个行业均存在不同程度的产业集群，与实际情况相符。特别是LQ排名前11位的产业集群，它们的LQ均大于1.5，专业化水平较高，具有一定的竞争力和比较优势。说明西安集群现象明显，集群效应显现，集群内部已发挥知识共享、创新扩散、降低成本等优势。同时也说明区位商法适用于产业集群识别，结果是合理有效的。 　　西安产业集群分类研究 　　 　　（一）方法介绍和数据来源 　　产业集群分类运用的是多元统计分析中的聚类分析法。聚类分析的基本程序是，首先根据一批样品的多个观测指标，具体找出一些能够度量样品或指标之间相似程度的统计量，然后利用统计量将样品或指标进行归类。其中K均值聚类分析法是麦奎因（1967）提出的，基本思想是将每一个样品分配给最近中心（均值）的类中，具体的算法至少包括以下三个步骤：将所有的样品分成K个初始类；通过欧几里得距离将某个样品划入离中心最近的类中，并对获得样品与失去样品的类重新计算中心坐标；重复步骤2，直到所有的样品都不能再分配时为止。 　　根据K均值聚类分析法对变量进行分类。将表1中LQ＞1的16个产业集群进行分类，数据选取的是2006年西安市16个行业的从业人数和生产总值（工业增加值），数据根据2006年《西安统计年鉴》计算得到。首先采用极差标准化方法对数据进行