第二节 西部地区服务业集聚水平测度

一 测度方法

服务业集聚是产业集聚的重要组成部分，因此，一般沿用产业集聚的相关指标测度服务业集聚水平。从早期的市场集中度、赫芬达尔指数、空间基尼系数、区位熵指数，到后来的产业地理集中指数等，产业集聚的测度指标得到了不断发展和完善，测度结果也变得越来越精确。为进一步了解服务业集聚的相关测度指标，本书将对国内外广泛使用的产业集聚测度指标做一个简要介绍：

（一）赫芬达尔指数

赫芬达尔指数（H）是由Herfindahl（1950）提出的用于测算行业集中度的指标，它以同一行业中各企业的收入（或资产）占行业总收入（或总资产）百分比的平方和来计量，其计算公式为：

式（2.1）中，Hi是i行业的赫芬达尔指数，Fj是i行业中第j个企业的市场份额，n是该行业企业总数，Dj是j企业的产值，Ei是i行业的市场总规模。

当某行业独家企业垄断时，该指数等于1，当所有企业规模相同时，该指数等于1/n，故而这一指标在1/n-1之间变动，因此，一般来说，H指数的数值越大，说明该行业的集中程度越高。由于赫芬达尔指数不受行业内企业分布的影响，因此该指标大多用来研究行业集中度和市场结构。但是，因为它缺少对行业空间分布的说明以及对产业间紧密程度的考量，所以这一指标在测度产业集聚的时候不能充分体现集聚的空间特征。因此，部分学者对赫芬达尔指数进行了改良，比如，杨洪焦等（2008）在计算H指数时，对企业规模进行了考量，但限于我国的数据可得性，只能假设某产业内的所有企业具有相同的规模。

（二）空间基尼系数

空间基尼系数（G）由Krugman（1991）利用洛伦兹曲线和基尼系数的基本原理和方法计算得出，用于测算美国制造业行业集聚程度，其计算公式为：

式（2.2）中，Gi是i行业的空间基尼系数，n是某地区内所含的区域个数（这里认为一个地区由多个区域组成），sij是j区域i行业的就业人数占整个地区该行业总就业人数的比重，xij是j区域i行业就业人数占整个地区总就业人数的比重；对整个地区内所有区域的数值进行加总，就可得出某行业的空间基尼系数。

空间基尼系数G的值在0和1之间，若G的值越是接近0，那么该地区的产业分布越均衡，若G的值越接近1，则产业集聚程度越强。一般认为，某行业空间基尼系数的值越大，则说明该行业的集聚程度越高；反之，数值越小说明集聚程度越低。空间基尼系数主要衡量某一行业在各个地区的集聚程度，涉及的数据简单易得，因此易于计算。但是，该指数也没有考虑企业规模、产业组织状况以及地区内各区域的差异，因此，有时候其计算结果并不能反映行业集聚的实际情况，如Ellison、Glaeser（1997）研究指出，如果某一地区存在一个大规模的企业，那么该产业在该地区会呈现出较高的基尼系数，但有可能实际上该产业并无明显的集聚现象。因此，空间基尼系数大于零，并不一定表明有集聚现象存在。

（三）区位熵指数

区位熵指数由Haggett（1977）首先提出并运用于区位分析中，该指数通过衡量要素在特定区域中空间分布状况来研究产业部门的专业化程度。具体来讲，区位熵指数是指某个部门在特定区域的产值在该地区总产值中所占的比重与全国该部门产值在全国总产值中所占比重之比，公式为：

式（2.3）中，LQij是j区域行业i的区位熵指数，Ai是某区域行业i就业人数，Ci是全国行业i就业人数，Mj是某区域就业人数，N是全国总就业人数。此外，与空间基尼系数公式中的变量定义不同，式（2.3）中的xj为某区域就业人数占全国总就业人数的比重，Sij是某区域行业i就业人数占全国行业i就业人数的比重。

由以上各测度指标的表达式可以看出，区位熵指数与赫芬达尔指数、空间基尼系数最大的不同点在于，它可以衡量某区域某个行业的集聚程度，而后两者只能衡量某一地区范围内（该地区由多个区域组成）某个行业的集聚程度，也即区位熵指数能够应用于衡量更小地理单位上的集聚程度。然而，由于该指数无法反映产业间直接信息的联系，因此可能会导致计算结果失真，从而存在一定局限性。

（四）产业地理集中指数

Ellison、Glaeser（1997）基于企业区位选择概率模型这一假设前提，首次提出产业地理集中指数（EG）。他认为，如果企业间的区位选择是相互依赖的，那么企业将趋向于在具有特殊自然优势或能够从行业内其他企业获得溢出效应的地区集中。产业地理集中指数的计算公式为：

式（2.4）中，EGi是某地区行业i的产业地理集中指数，Gi是行业i的空间基尼系数，Hi是行业i的赫芬达尔指数，j是某地区所包含的区域个数，xj是j区域的就业人数占全国总就业人数的比重。

EG指数融合了空间基尼系数与赫芬达尔指数内涵，对区域差异与企业规模进行了综合考虑，能够较为全面地反映行业集聚水平。针对EG指数，李文秀（2008）构建了一个服务业集聚的二维评价模型，包括区域间的行业集聚（用空间基尼系数衡量）和行业内的企业集聚（用赫芬达尔指数衡量），并以此测算了美国1996—2004年和中国2000—2005年的服务业集聚程度，得出了较为可靠的研究结论。可见，EG指数同时结合了空间基尼系数和赫芬达尔指数的优点，在衡量行业区域集聚程度的同时又考虑到了行业内企业的集聚程度，是目前较为成熟的综合性的评价指标。

（五）产业地理集中指数（EG）的一个修正

虽然EG指数是一个能较好地反映产业集聚程度的综合性评价指标，但由于我国目前并未对服务业各细分行业的企业员工人数进行披露，所以该指标在我国的应用受到限制。因此，本书借Paulo等（1999）、杨洪焦等（2008）的做法，对EG指数进行修正。修正后的EG指数不仅是无偏的，而且与原指数相比，方差更小，具有统计意义上的优势（张卉，2007），其计算公式为：

将式（2.5）分子分母同除以，得到：

将赫芬达尔指数的公式代入式（2.6），得到：

由于我国缺乏服务业企业的详细数据，因此，假设i行业内集聚了大量相同规模的企业，即企业总产值（或就业人数）相等。同时，这一假设对每一区域j均成立。基于此，将赫芬达尔指数进行调整后得到：

将赫芬达尔指数进一步变形，得到：

最终，得到修正后的EG指数，表达式为：

式（2.8）至式（2.10）中，EGi是某地区（假设一个地区由多个区域组成）行业i的产业地理集中指数，Gi是某地区行业i的空间基尼系数，j是某地区所含的区域个数，xj是j区域就业人数占全国总就业人数的比重，Sij是j区域行业i的就业人数占全国行业i的就业人数的比重，Bi是某地区行业i的企业个数，Hi是某地区行业i的赫芬达尔指数，Ai是某地区行业i就业人数，Ci是全国行业i就业人数，n是行业i的企业总数，Dn是各企业的产值，En是市场总规模。

二 西部地区服务业集聚水平测度和分析

目前，我国学者多采用区位熵指数和空间基尼系数衡量服务业集聚发展程度。然而，单独运用这两种方法时，其在综合评价能力方面存在不足，可能导致测度结果缺乏全面性。因此，本书采用修正后的EG指数测度我国东、中、西部地区各服务业行业的集聚水平。同时，由于区位熵指数能够测量较小区域范围内的产业集聚程度，在研究细分区域的服务业行业集聚时具有比较优势。因此，本书利用区位熵指数进一步测算分析西部地区具体省份的特定服务业行业集聚水平，以全面深入地考察西部地区服务业集聚现状，弥补已有研究的不足。

（一）采用修正后的EG指数测度东、中、西部服务业集聚水平

本书利用修正后的EG指数测算了我国东、中、西部地区各服务业行业的集聚水平（见表2-2），并以此为基础作出2007—2011年东、中、西部地区各服务业行业的EG均值图（见图2-1）。一般而言，学术界将EG＜0.02的行业称为低度集聚行业；0.02≤EG＜0.05的行业称为中度集聚行业；0.05≤EG的行业称为高度集聚行业。由图2-1可知，我国西部地区服务业集聚程度低于东、中部地区，且与东部地区差距明显。因此，结合西部服务业集聚的现实状况，本章将低度集聚行业进一步细分为较高、一般、较低、极低四类（见表2-3），以深入剖析西部地区服务业集聚的差异。

从2007—2011年间我国东、中、西部地区各服务业行业的EG均值来看，三个地区的服务业都处于中、低度集聚状态，缺乏高度集聚的服务业，且地区服务业的整体集聚程度呈现出自东向西依次递减的趋势。这与马风华等（2006）、管驰明等（2011）的研究结论基本一致：马风华等（2006）研究表明，我国服务业集聚程度最高的为东、中部地区的广东、河南、江苏、山东四省，相比而言，西部各省明显落后且呈现出区域发展不平衡的状态；管驰明等（2011）在测度分析2003—2008年间中国城市服务业空间基尼系数时发现，中、西部地区的服务业集聚程度明显低于东部地区。

从表2-3可以看出，科学研究、技术服务和地质勘查业，房地产业，信息传输、计算机服务和软件业在我国东部地区处于中度集聚水平；文化、体育、娱乐业以及租赁和商务服务业则处于低度聚集中的较高类；而西部地区没有服务业行业属于中度集聚或低度集聚较高类。可以发现，东部地区的生产性服务业集聚程度较高，而西部地区的生产性服务业集聚水平则较为落后。这与马风华等（2006）、陈建军等（2009）、何骏（2011）的研究结论基本一致。马风华等（2006）认为目前服务业存在一种向制造业发达区集聚的趋势，因而具有制造业基础的东部地区服务业集聚程度较高；陈建军等（2009）对全国222个地级以上城市的截面数据进行研究，研究指出：由于东部与中、西部地区存在截然相反的服务业集聚路径，使得东部城市存在长期集聚效应，而中、西部城市则在相对规模达到一定熵值后，其集聚效应便开始递减；何骏（2011）研究发现，长三角区域的服务业发展和集聚将成为未来较长时间内的必然趋势，其服务业集聚水平将大幅提高。可见，我国区域服务业集聚水平不均衡主要是由于制造业发展和集聚不均衡。例如，东部沿海地区作为我国出口导向型制造业的集聚地，对相关服务业产生了大量需求，吸引了基于制造业发展的生产性服务业和基于人口规模扩张的生活性服务业在此集聚。

此外，低度集聚服务业行业在东、中、西部地区的分布情况存在一定差异。以低度集聚中的一般类行业为例，西部地区不存在此类行业，中部地区的公共管理和社会组织、租赁与商务贸易属于此类行业，而东部地区包含的此类行业较多，包括金融、交通运输、仓储和邮政，住宿餐饮，水利、环境与公共设施管理，教育、卫生、社会保障及社会福利，居民服务及其他服务，公共管理和社会组织等。这与东部地区的经济发展程度密切相关，东部地区是我国的经济中心，聚集了大量人力、物力、财力和技术等资源，有助于服务业集聚。例如，在我国拥有20多年发展历史的现代租赁业主要集中在以“北、上、广”为代表的东部各省，该行业为这些地区的商务服务业发展创造了有利条件；而西部地区地广人稀，产业基础较为薄弱，服务业集聚缺乏产业和资源支撑。

西部地区的低度集聚中较低类行业有住宿和餐饮业，文化、体育和娱乐业，房地产业，水利、环境和公共设施管理业，科学研究、技术服务和地质勘查业，教育，公共管理和社会组织，信息传输、计算机服务和软件业。相对较低类行业，集聚水平更低的则属于极低类，包括除上述行业之外的其他行业。较低类行业大多是非生产性服务业或传统服务业，技术创新和知识密集型的服务业较少。这与杨勇（2008）的结论较为一致，他认为西部地区的服务业集聚主要体现在传统服务业上，如住宿餐饮、交通仓储等。这是因为，西部地区相对滞后的经济基础导致了服务业的市场需求结构差异；丰富的自然禀赋和旅游资源也促进了住宿和餐饮业的集聚，住宿和餐饮业的集聚又带动了文化、体育和娱乐业的集聚，从而激发了文化园区和娱乐场所集聚区等的建设。

（二）采用区位熵指数测度西部地区内部服务业集聚水平

本书运用区位熵指数测算了我国西部地区12个省（市、自治区）的各服务业行业的集聚水平，并以2004—2011年的平均值表示，测算结果如表2-4所示。为了进行更直观的对比和分析，本书将各服务业行业在各省（市、自治区）的集聚水平进行了排名，排名结果如表2-5所示。

一般来说，一定区域内某行业的区位熵数值越大，表示这种行业在该区域的集聚程度越高。一般以1作为划分标准，LQ＞1表示该行业在该区域的集聚水平较高，超过了整个地区的平均水平，具有集聚的比较优势；反之，LQ＜1则表示该行业在该区域的集聚水平较低。表2-5中，本书将非生产性服务行业用斜体字体表示，并用粗体字体标出了服务业行业LQ＞1的省份，用粗斜体字体标出了服务业行业LQ＞2的省份。

由表2-5可知，西部地区非生产性服务行业LQ＞1的省份所占比例明显高于生产性服务行业，这一定程度上说明西部地区非生产性服务行业集聚程度比生产性服务行业高。金荣学等（2010）的研究也印证了这一观点，即中、西部地区服务业集聚的比较优势集中在非生产性服务业领域。

具体来说，非生产性服务业中的公共管理和社会组织，批发和零售业，水利、环境和公共设施管理业，住宿和餐饮业，文化、体育和娱乐业，教育，卫生、社会保障和社会福利业等行业在西部地区大部分省（市、自治区）的LQ都大于1，说明这些行业在西部地区的集聚水平较高。这主要是因为：一方面，西部地区旅游资源发达，且带动了其他相关服务业行业的发展。这一现象在西藏地区尤为明显，2012年西藏共接待游客1058.4万人次，实现旅游总收入126.47亿元，分别比上一年增长21.7%和30.3%，旅游接待人次突破千万大关，旅游总收入突破百亿元大关。旅游业的迅速发展推动了住宿和餐饮业的快速集聚，并促进了特色文化、娱乐产业集聚区的形成与发展。另一方面，水利建设是西部大开发基础设施投资的重要主体。2012年，国家水利部明确指出，每年提取两成农田水利建设资金用于全国统筹，其目的就在于将水利投资集中向西部倾斜。可见，西部是全国水利建设的重心所在，这在一定程度上使得西部地区水利、环境和公共设施管理业的集聚程度也相对较高。特别地，住宿和餐饮业，文化、体育和娱乐业，公共管理和社会组织在西藏地区的LQ值都大于2，这主要是由于西藏地区的总人数相对较少，从而导致LQ值偏高。

当然，由于我国服务业行业统计数据不甚规范，且区位熵指数本身存在一些偏差，可能导致表2-5的结果存在一定程度的失真，甚至出现比较意外的结果。比如，贵州的教育行业集聚程度位列西部第一，与人们通常的认识不甚相符。究其原因，可能是由于国家实施的大力支持西部教育的相关政策。例如，教育部在2012年的正式文件中提出：在贵州新增5—7个教育部重点实验室（工程中心）、3—5个少数民族医药重点学科和1—2个国家级中医药（民族医药）实验教学示范中心，并且为贵州的教职人员提供大量的优惠政策。这些政策吸引了相关从业人员流向贵州的教育行业，导致该行业的就业人数量相对较多，从而提升了LQ值。此外，表2-5的测度结果显示，部分行业存在集聚特征不明显的现象，这与相关行业的一些特殊要求有关。比如，在卫生、社保、社会福利等行业中，必须按照及时性和公平性的原则分配服务产品，甚至要求相关行业按非市场规则进行区域网点布局，且政府会进行一定程度的投资及参与布局决策，以规避行业垄断现象。