下载文档原格式
产业集聚度几种测度方法的比较产业集聚是指相同或相关产业在其中一特定区域内集中发展的现象。
产业集聚有助于形成产业链、提高经济效益和技术创新能力。
因此，准确测度产业集聚度对于政府和企业进行产业政策制定和投资决策具有重要意义。
目前，对于产业集聚度的测度方法有很多，常用的包括GL指数法、Moran’s I指数法、离散熵法、Herfindahl-Hirschman指数（HHI）和熵法等。
下面将对这几种方法进行比较。
首先是GL指数法，该方法综合考虑了产出、就业和投资三个方面的数据，是比较常用的一种测度方法。
GL指数法可较全面地反映一个地区内产业的集中程度，但其计算相对复杂，需要大量的就业和投资数据，且对于空间数据的要求较高。
其次是Moran’s I指数法，该方法主要考虑的是空间上的相关性。
它通过计算各个地区间的产业相关系数，来评估产业在空间上的集聚程度。
该方法适用于具有空间关联性的产业，但并不适用于考虑其他因素（如产业规模和投资水平）的情况。
离散熵法是另一种常用的测度方法，它通过计算一个地区内不同产业间的差异程度，来评估产业的集聚程度。
该方法适用于需要考虑产业间的差异性的情况，但它主要考虑的是产业之间的差异，而没有考虑到产业在区域内的分布情况。
Herfindahl-Hirschman指数（HHI）是衡量产业市场集中度的常用指标，也可用于测度产业集聚度。
HHI指数通过计算各个地区内不同产业的市场份额，来评估产业的集聚程度。
但该方法主要考虑的是市场份额，而不太考虑其他因素（如就业和投资）。
最后是熵法，它通过计算各个地区内不同产业的信息熵，来评估产业的集聚程度。
熵法是一种较为常用的综合性测度方法，可以同时考虑产业的规模、分布和差异等因素，但计算相对复杂，需要大量的数据支持。
综上所述，不同的测度方法适用于不同的情况和需求。
GL指数法和Moran’s I指数法适合评估产业的空间集聚程度；离散熵法适合考虑产业间的差异性；Herfindahl-Hirschman指数和熵法适合综合考虑产业的规模、分布和差异等因素。
产业集聚度几种测度方法的比较一、标准差比例指数（SD Ratio）标准差比例指数是用来衡量企业在一个地域范围内聚集程度的方法之一、它的计算公式为SD Ratio = (标准差/平均值) * 100。
该方法可以直观地给出一个地区的产业分布的稳定程度，当SD Ratio越高时，表示产业集聚度越高。
二、本聚指数（Location Quotient）本聚指数是用来衡量一个地区特定产业在国家或地区整体产业中的比重程度。
它的计算公式为LQ=(地区特定产业的就业人数/地区所有产业的就业人数)/(国家或地区特定产业的就业人数/国家或地区所有产业的就业人数)。
当LQ大于1时，表示该地区的产业集聚度高于国家或地区整体水平，说明该地区在该产业上有较高的竞争力和优势。
三、格兰斯贝克指数（Gini Coefficient）格兰斯贝克指数是用来衡量地区产业集聚度不平衡程度的方法之一，它的计算公式为Gini = 1 - (2 * 集聚度区域面积)。
Gini值越大，表示该地区的产业集聚度越不平衡，即存在较大的集聚区和较多的边缘化地区。
四、差异系数（Coefficient of Variation）差异系数是用来衡量不同地区内部产业集聚度差异的方法之一，它的计算公式为CV=(标准差/平均值)*100。
通过计算不同地区的差异系数，可以判断不同地区内部产业分布的不均匀程度。
以上几种方法各有其优势和适用范围。
标准差比例指数可以直观地反映产业分布的稳定程度，适用于研究地区内部产业聚集程度的差异。
本聚指数适用于比较不同地区特定产业在国家或地区整体产业中的比重，可以判断地区的产业竞争力。
格兰斯贝克指数可以衡量地区产业集聚度的不平衡程度，适用于研究地区内部产业集聚的均衡性。
差异系数适用于比较不同地区内部产业聚集度的差异，可以揭示地区产业分布的不均匀程度。
综上所述，不同的产业集聚度测度方法在衡量地区产业集聚度时各有其独特的作用和适用范围。
结合这些方法的应用，可以全面地了解一个地区的产业集聚情况，为地区经济发展提供参考和指导。
物流业集聚与经济发展的联系一、中国物流产业集聚度测算1.产业集聚度测算方法目前常用的产业集聚度测算方法有很多，例如空间基尼系数、空间集聚指数、赫芬达尔指数、区位熵等。
鉴于各种方法的优劣性比较及数据的完备性的考虑，论文采用区位熵法来测算全国物流产业的集聚程度。
区位熵，即LQ系数，是用来测度一个地区某个产业的专业化程度，其计算公式如下：该指标的经济含义是为了测度一个地区某个产业的专业化水平，将该地区的产业发展水平与全国平均水平进行比较，比值越大，该产业的集聚度越高；比值越小，该产业的集聚度越低。
在上述公式（1）中，分子是地区j的物流产业的就业人数占全国物流产业总就业人数的比值，分母是地区j全部就业人数在全国总就业人数的比值。
其值大于1则该地区物流产业专业化程度高，产业集聚度高。
2.数据的获取与处理现代物流业是从传统储运业发展而来的，传统储运业的支柱产业是交通运输业、仓储和邮电业。
随着传统储运业向现代物流的业务演化，交通运输业、仓储和邮电业成为我国现代物流产业的重要组成部分。
而且在我国历年统计年鉴中，并没有现代物流的详细统计，而是把交通运输业、仓储和邮电业归为一类进行统计，所以，选取我国历年统计年鉴中的交通运输、仓储和邮电业的职工就业人数作为测算对象，以反映我国各区物流产业的发展状况。
论文选取2000-2011年的样本数据，数据均来源于中华人民共和国国家统计局网站。
该样本数据中包括全国31个省、自治区和直辖市。
为了综合反映各个区域物流产业集聚度与经济发展的关系，论文又把31个省、市、自治区分为四个区域。
下面分析四个区域涉及到的三类数据，分别是四个区域职工就业人数，四个区域内交通运输、仓储、邮电业的职工就业人数，四个区域内的国民生产总值。
对这些数据的处理方式是依据公式（2）得到的：Qi—将每个区域内所包含的省级单位的原始数据汇总相加得到的。
以2000年东部地区的职工就业人数为例，就是将2000年东部地区所包括的10个省级单位的就业人数汇总相加。
一 产业集聚度概念和测度方法产业集中度的概念：产业集中度也叫市场集中度，是指市场上的某种行业内少数企业的生产量、销售量、资产总额等方面对某一行业的支配程度，它一般是用这几家企业的某一指标（大多数情况下用销售额指标）占该行业总量的百分比来表示。
产业集聚测度方法1、 集中度（Concentrion ration of industry ）行业集中度是用规模最大的几个地区有关数值(销售额、就业人数、生产额等) 占整个行业的份额来度量。
计算公式为：11n i i n N i i XCR X===∑∑其中n CR 代表X 产业的集聚度，1ni i X =∑代表规模最大几个地区X 产业的销售额或者生产额、就业人数等，1Ni i X =∑代表全部地区X 产业的销售额或者生产额、就业人数等。
优点：计算方法简单，采用最常用的指标，能够形象的反应产业集聚水平。
缺点：一是集聚度的测算季节容易受到n 值选取的影响，二是忽略了规模最大地区之外其它地区的规模分布情况， 三是不能反映规模最大地区内部之间产业结构与分布的差别。
2、 区位熵（Entropy index ）所谓熵, 就是比率的比率，它由哈盖特（P ·Haggett ）首先提出并用于区位分析中。
区位熵， 又称专门化率，用以衡量某一区域要素的空间分布情况，反映某一产业部门的专业化程度，以及某一区域在高层次区域的地位和作用等方面。
在产业结构研究中，通常用于分析区域主导专业化部门的状况。
计算公式为：11E /i i ij n n i i i i q Q q Q ===∑∑ 其中E ij 表示某区域i 部门对于高层次区域的区域熵；i q 为某区域部门的有关指标(通常可用产值、产量、生产能力、就业人数等指标)；i Q 为高层次区域部门的有关指标； n 为某类产业的部门数量。
E ij 值越大，表示产业的集聚程度越高。
优点：计算操作简单方便，指标选取目标明确。
缺点：不能反映区域经济发展水平的差异性，某产业区位熵最大的地区不一定是该产业集聚水平最高的地区。
一 产业集聚度概念和测度方法产业集中度的概念：产业集中度也叫市场集中度，是指市场上的某种行业内少数企业的生产量、销售量、资产总额等方面对某一行业的支配程度，它一般是用这几家企业的某一指标（大多数情况下用销售额指标）占该行业总量的百分比来表示。
产业集聚测度方法1、集中度（Concentrion ration of industry ）行业集中度是用规模最大的几个地区有关数值(销售额、就业人数、生产额等) 占整个行业的份额来度量。
计算公式为：11n i i n N ii XCR X===∑∑其中代表X 产业的集聚度，代表规模最大几个地区X 产业的销售额n CR 1ni i X =∑或者生产额、就业人数等，代表全部地区X 产业的销售额或者生产额、1Ni i X =∑就业人数等。
优点：计算方法简单，采用最常用的指标，能够形象的反应产业集聚水平。
缺点：一是集聚度的测算季节容易受到n 值选取的影响，二是忽略了规模最大地区之外其它地区的规模分布情况， 三是不能反映规模最大地区内部之间产业结构与分布的差别。
2、区位熵（Entropy index ）所谓熵, 就是比率的比率，它由哈盖特（P ·Haggett ）首先提出并用于区位分析中。
区位熵， 又称专门化率，用以衡量某一区域要素的空间分布情况，反映某一产业部门的专业化程度，以及某一区域在高层次区域的地位和作用等方面。
在产业结构研究中，通常用于分析区域主导专业化部门的状况。
计算公式为：11E /i i ij n n i i i i q Q q Q ===∑∑其中表示某区域i 部门对于高层次区域的区域熵；为某区域部门的有关E ij i q指标(通常可用产值、产量、生产能力、就业人数等指标)；为高层次区域i Q 部门的有关指标； n 为某类产业的部门数量。
值越大，表示产业的集聚E ij 程度越高。
优点：计算操作简单方便，指标选取目标明确。
缺点：不能反映区域经济发展水平的差异性，某产业区位熵最大的地区不一定是该产业集聚水平最高的地区。
产业集聚度的几种测算方法第一种方法是格里芬指数（Gini coefficient）。
格里芬指数最初用于测算个体之间的收入不平等程度，后来也被应用于衡量产业集聚度。
格里芬指数的计算方法如下：1.收集区域内所有企业的市场份额数据，份额可以是销售额、就业人数、净利润等。
2.将这些份额按照从小到大的顺序排列，并计算企业市场份额的累计占比。
3.根据累计占比计算格里芬系数，公式为：G=(n+1)/n-(2×累计份额占比)格里芬指数的取值范围为0到1，值越高表示产业集聚度越高。
第二种方法是默顿指数（Herfindahl index）。
默顿指数用于衡量市场份额集中度，也可以用于衡量产业集聚度。
计算方法如下：1.收集区域内所有企业的市场份额数据，份额可以是销售额、就业人数、净利润等。
2.将这些份额按照从小到大的顺序排列，并计算企业市场份额的平方。
3.将所有企业的市场份额平方相加，得到总和。
4.根据总和计算默顿指数，公式为：H=总和默顿指数的取值范围为0到1，值越高表示产业集聚度越高。
第三种方法是位置熵（Location entropy）。
位置熵用于测算不同地区之间同一产业占比的差异程度，可以反映产业集聚的情况。
计算方法如下：1.统计不同地区内同一产业的市场份额数据，份额可以是销售额、就业人数、净利润等。
2.计算每个地区内同一产业份额的占比，并计算位置熵，公式为：E = -∑(p × log(p))位置熵的取值范围为0到1，值越高表示产业集聚度越高。
此外，还有一些其他方法可以用于测算产业集聚度，如罗森鲍姆指数、可达性指数等。
这些方法都在不同的背景和需求下应用，可以根据具体情况选择适当的方法。
总之，产业集聚度的测算方法多样，可以根据数据可获得性和研究目的选择合适的方法进行测算。
不同的方法有不同的特点和适用范围，需要根据具体情况进行选择和应用。
一产业集聚度概念和测度方法产业集中度的概念：产业集中度也叫市场集中度，是指市场上的某种行业内少数企业的生产量、销售量、资产总额等方面对某一行业的支配程度，它一般是用这几家企业的某一指标（大多数情况下用销售额指标）占该行业总量的百分比来表示。
产业集聚测度方法1、集中度（ Concentrion ration of industry ）行业集中度是用规模最大的几个地区有关数值( 销售额、就业人数、生产额等 ) 占整个行业的份额来度量。
计算公式为：nX iCR n i 1 NX ii 1其中 CR n代表X产业的集聚度，n代表规模最大几个地区 X产业的销售额X ii 1N或者生产额、就业人数等，X i代表全部地区X产业的销售额或者生产额、i 1就业人数等。
优点：计算方法简单，采用最常用的指标，能够形象的反应产业集聚水平。
缺点：一是集聚度的测算季节容易受到n 值选取的影响，二是忽略了规模最大地区之外其它地区的规模分布情况，三是不能反映规模最大地区内部之间产业结构与分布的差别。
2、区位熵（ Entropy index）所谓熵 , 就是比率的比率，它由哈盖特（P · Haggett ）首先提出并用于区位分析中。
区位熵，又称专门化率，用以衡量某一区域要素的空间分布情况，反映某一产业部门的专业化程度，以及某一区域在高层次区域的地位和作用等方面。
在产业结构研究中，通常用于分析区域主导专业化部门的状况。
计算公式为：q i Q iEij n / nq i Q ii 1 i 1其中Eij表示某区域 i 部门对于高层次区域的区域熵；q i为某区域部门的有关指标 ( 通常可用产值、产量、生产能力、就业人数等指标)；Qi为高层次区域部门的有关指标；n 为某类产业的部门数量。
Eij值越大，表示产业的集聚程度越高。
优点：计算操作简单方便，指标选取目标明确。
缺点：不能反映区域经济发展水平的差异性，某产业区位熵最大的地区不一定是该产业集聚水平最高的地区。
一产业集聚度概念和测度方法产业集中度的概念：产业集中度也叫市场集中度，是指市场上的某种行业内少数企业的生产量、销售量、资产总额等方面对某一行业的支配程度，它一般是用这几家企业的某一指标(大多数情况下用销售额指标)占该行业总量的百分比来表示。
产业集聚测度方法1、集中度(Concentrion ration of industry )行业集中度是用规模最大的几个地区有关数值(销售额、就业人数、生产额等)占整个行业的份额来度量。
计算公式为：nX iCR n 1X ii 1n其中CR n代表X产业的集聚度，X i代表规模最大几个地区X产业的销售额i 1N或者生产额、就业人数等，X i代表全部地区X产业的销售额或者生产额、i 1就业人数等。
优点：计算方法简单，采用最常用的指标，能够形象的反应产业集聚水平。
缺点：一是集聚度的测算季节容易受到n值选取的影响，二是忽略了规模最大地区之外其它地区的规模分布情况，三是不能反映规模最大地区内部之间产业结构与分布的差别。
2、区位熵(Entropy index )所谓熵,就是比率的比率，它由哈盖特( P • Haggett )首先提出并用于区位分析中。
区位熵，又称专门化率，用以衡量某一区域要素的空间分布情况，反映某一产业部门的专业化程度，以及某一区域在高层次区域的地位和作用等方面。
在产业结构研究中，通常用于分析区域主导专业化部门的状况。
计算公式为：E q i / Q i匚j ~/ ~nq i Q ii 1 i 1其中E j表示某区域i部门对于高层次区域的区域熵；qi为某区域部门的有关指标(通常可用产值、产量、生产能力、就业人数等指标)；Qi为高层次区E域部门的有关指标；n为某类产业的部门数量。
E j值越大，表示产业的集聚程度越高。
优点：计算操作简单方便，指标选取目标明确。
缺点：不能反映区域经济发展水平的差异性，某产业区位熵最大的地区不一定是该产业集聚水平最高的地区。
3、赫芬达尔-赫希曼指数(Hefindahl-Hirschman index )该指数是衡量产业集聚程度的重要指标，最初由 A. Hirschma n 提出,后经哥伦比亚大学O. Hirschman加以改进，该指数产生的理论基础来源于贝恩(Bain) 的“结构一一行为一一绩效”(SCP) 理论。
计算公式为：N NH Z2 (X j/X)2(j 1,2,3…,n)j 1 j 1其中，X代表产业市场总规模(就业或产值)，X j代表j企业的规模，乙= X j/X代表第j个企业的市场占有率，N代表该产业内部的企业数。
在实际分析中，经常运用H指数的倒数作为产业多样化的测度。
优点：第一是能够准确反映产业或企业市场集中度，因为它考虑了企业总数和企业规模两个因素的影响；第二是能够反映市场垄断与竞争程度的变化；第三是对产业内企业的合并与分解反映灵敏且计算方法相对容易。
缺点：直观性比较差。
4、空间基尼系数( Space Gini coefficient )洛伦茨(Lorenz) 在研究居民收入分配时，创造了解释社会分配平均程度的洛伦茨曲线。
基尼( Gini )依据洛伦茨曲线，提出了计算收入分配公平程度的统计指标一一基尼系数。
Krugman?利用洛伦茨曲线和基尼系数的原理和方法，构造了测定行业在空间分布均衡程度的空间基尼系数。
Krugman( 1991) 等在研究美国制造业集聚程度测量时定义了空间基尼系数，计算公式为：G (S i x i )2i其中，G为空间基尼系数，S i是i地区某产业占全国该产业就业人数的比重，为是该地区就业人数占全国总就业人数的比重。
G = 0时，产业在空间分布是均匀的，G ( 最大值为1) 越大，表明地区产业的集聚程度越高。
优点：相对而言比较简便直观，可以很方便地把基尼系数转化成非常直观的图形。
缺点：基尼系数大于零并不表明有集聚现象存在，因为它没有考虑到企业的规模差异。
空间基尼系数没有考虑到具体的产业组织状况及区域差异，因此在表示产业集聚程度时往往含有虚假的成分。
5、EG指数(EG index )为解决基尼系数失真问题，Ellision 和Glaeser( 1997)提出了新的集聚指数来测定产业空间集聚程度。
假定某一经济体 (国家或地区) 的某一产业内有N 个企业，且将该经济体划分为M个地理区域，这N个企业分布于M个区域之中。
Ellisi on 和Glaeser建立的产业空间集聚指数计算公式为：M M N2(s X i ) (1i 1(1 x 2)(1i其中，s i 表示i 区域某产业就业人数占该产业全部就业人数的比重，x i 表示i 区域全部就业人数占经济体就业总人数的比重。
赫芬达尔指数(Herf indah llndex)NHZ j 2N 表示该产业中以就业人数为标准计算的企业分布。
j 1优点：充分考虑了企业规模及区域差异带来的影响， 弥补了空间基尼系数的缺陷，使能够进行跨产业、跨时间、甚至跨国的比较。
缺点：该方法没有对其中的H 给出合理的解释。
6 DO 指数(DO index )Duranton 和Overman (2005)则采用了无参数回归模型分析方法，构造了新的产业集聚测度指数，计算公式为:不同企业双边距离的总数，其中每个企业属于一个子集。
如果 A 、B 是相同的集合，则P (n A ,n B ) =nA ，(n A1)；如果A, B 属于不相交的集合，则P (n A ,n B )=门人心优点：与前面几种方法相比， 这种方法能够评价偏离随即性的统计显著性， 避免了与规模和边界有关的问题缺点：由于这种计算是基于企业层面的数据且与企业间的距离有关， 因此该 方法的可操作性比较差。
X 2) Z 2i 1 j 1 -NZ2)j 1G (1 iX 2)H(1iX 2)( 1-H )其中,k A B (d)h 是窗宽,， 1 P (nA,n B)hn A i 1d 1f(- d i,j hf 是核函数，A B 是总企业地点S 的两个子集。
P (n A,“B)是n B实例解析EG 指数测算实例：该指标的计算公式中融合了空间基尼系数和赫芬达尔指数优 点，也是目前国内用于测算产业集聚度的常用指标，具有普遍性。
下面是一个测算高技术产业集聚度的例子，采用的评价指标是 EG 旨数，测算了1995〜2005年我国高技术企业的集聚变动趋势，同时，考虑到我国的经济发展 不平衡，东部地区开放程度高，基础设施较为完善，经济发展水平较高，交通便 利，并且高技术产业发展的时间较早， 技术成熟，拥有良好的供应链和技术链环 境，从而引发了越来越多的高技术企业向东部靠拢， 所以东部地区的地理集中程 度会明显高于全国的平均水平。
若仅把全国当成一个经济体来测算高技术企业的 地理集中度，所得的结果会有一定的偏差，体现不出分地区的集聚状况，因此有 必要按传统的方法把全国分为东部、中部和西部三大区域。
根据EG 指数计算公式:MMN222(S x)2(1 X 2) Z 21 i 1 j 1N 2 2(1 x)(1 Z j )ij 1将 的大小分成三个区间：当 0.02时，表示该产业没有地方化的现象;0.020.05时，表示该产业在区域上分布较为均衡；当 0.05时，表明产业在地区上的分布聚集程度较高。
计算出95、97、99、01、02、03、04、05年的EG 旨数如下表所示：表一我国各地区不同年份的EG 旨数G (1 iX ：)H(1ix3( 1-H)从表1可以清楚的看出，我国高技术产业的地理集中指数始终保持着增长的态势。
就全国范围内来看，在1995〜2001年间，我国高技术产业的区域分布还是较为均衡的，但在2002年以后，全国的地理集中指数丫就超过了（丫=）,并且还有进一步集中的趋势。
这一结论可以从前五省市的市场集中度CR5得到进一步的验证①，全国前五省市的市场集中度CR5显示了在1995〜1999年间，全国前五省市的市场占有率增加了％平均每年增加%而在1999〜2005 年,全国前五省市的市场占有率增加了% 平均每年增%所以，我国高技术企业的地理集中度指数的变化趋势与前五省市的市场占有率的变动方向相吻合。
再从分地区来看，当我们把东部地区视为一个整体来考察区内高技术企业的集聚指数时，可以发现在1995年东部地区的地理集中指数已经超过了，说明此时该地区已经出现了明显的企业聚集现象。
从1995年东部地区前五省市的市场占有率排名上看，高技术企业主要聚集在长江三角洲、珠江三角洲和首都北京，这五省市的高技术企业总产值达亿，占东部地区企业生产总值的%占全国总产值的%可以说此时的长江三角洲、珠江三角洲高技术产业带和以首都北京为中心的高技术产业区已经初见端倪。
随着时间的进一步推进，东部的地理集中指数增长越来越快，从1995〜1997年两年增长％到时2002〜2003年增长率为％ 2003〜2005年增长率为%这说明我国东部地区的高技术企业的集聚程度还在进一步加强，出现了所谓的“集聚导致集聚”的现象。
这一结论还可以从前五省市的市场占有率中得到时进一步的印证，因为2005年前五省市的市场占有率已从1995年的％上升到%占东部地区的比例已从1995年的％是升％与东部地区相比，中部地区的高技术产业集聚现象出现的时间比较晚，地理集中指数明显的不如东部，但中部地区的地理集中指数也在逐年增大，在2002 年前，中部地区所有年份的丫值均小于，说明在2002年以前中部地区的高技术企业并没有形成明显的地方化现象，但到2003年中部地区的丫值已经超过(丫=)。
在2005年丫值已经达到，这说明经过一段时间的发展，高技术产业已经形成自东向西扩散的产业格局。
同时从产业的市场集中度表格中可以看出，中部地区的高技术企业主要集聚在湖北省的周围，这与湖北拥有诸多著名的高等学府是分不开的。
西部地区是我国高技术企业集聚程度最低的地区，2005 年西部地区的地理集中指数仅为，不过该地区的地理集中指数的年平均增长率最高，从1995〜2005年西部地区的高技术企业地理集中指数年平均增长率为%。
从西部地区前五省市的市场占有率中看出，西部的高技术企业主要集中在四川省和陕西省。
区位熵和产业集中度测算实例：下面分析的行业仅限于居工业中心地位的制造业，研究时段为1998—2006年，样本数据均来自于历年《中国工业经济统计年鉴》和《中国统计年鉴》。
由于2004版的《中国工业经济统计年鉴》开始采用新的国民经济行业分类体系( GB/T4754 -2002) 对行业进行分类，而不再使用旧的国民经济行业分类体系(GB /T4754 - 94) ，故本文选择了制造业的20个行业作为研究样本，这20个行业的分类标准在新的国民经济分类体系中基本未作改变，都属于比较典型的制造业。
