陈正伟产业同构性与差异性分析方法及应用.docx
- 文档编号:18520874
- 上传时间:2023-08-19
- 格式:DOCX
- 页数:27
- 大小:100.41KB
陈正伟产业同构性与差异性分析方法及应用.docx
《陈正伟产业同构性与差异性分析方法及应用.docx》由会员分享,可在线阅读,更多相关《陈正伟产业同构性与差异性分析方法及应用.docx(27页珍藏版)》请在冰点文库上搜索。
陈正伟产业同构性与差异性分析方法及应用
陈正伟-
区域之间产业同构性与差异性研究
重庆工商大学陈正伟欧阳芳
摘要
中国的区域产业结构大都是围绕某一个经济圈内而设置的,如长江三角洲、环渤海等知名经济圈;而如何对区域中的不同地区进行整体性的同构性测度,很少有人进行研究。
我们选取了五个具有代表性的省市区域(重庆、四川、贵州、湖北、上海),跨越了中部、西部、东部省市,采用了较细国民经济分类口径,对消费结构、投资结构、生产结构,进行了区域之间的同构性与差异性研究的实证性分析。
运用灰色关联度、相似性系数、非参数检验——Spearman秩相关检验三种测度方法,从宏观的角度,对该五个地区的产业结构的同构相似性和异构差异性问题进行初步的了解。
然后以微观角度,比较分析了五个地区的三次产业结构变动趋势情况;比较分析了重庆与其它地区之间的产业关联程度和差异性。
最后根据实证性分析计算的结果进行总结并给出相关的政策建议。
关键词:
产业结构,产业同构,产业异构,相似性系数,Spearman秩相关检验,灰色关联度
Abstract
Mostofthecurrentresearchonindustrialstructurerevolvesaroundprovinceswithinaneconomiccircle,suchastheYangtzeRiverDelta,theBohaiRimEconomiccircleandotherfamouseconomiccircles,withmostofwhicharebasedonacertainarea,theareaofconten-tionfortheoveralldifferentregionsisomorphismofmeasure,butinternalisomorphicresear-
chisscarcelycenteredonrepresentativesofcertaincategoriesofindustrialsectors.Thepaperselectedfiveiconicprovincesandregions(Chongqing,Sichuan,Guizhou,Hubei,andShang-
hai)acrossthecentral,westernandeasternprovinces,thusmadeanempiricalanalysiswithasmallercaliberclassification,inadditiontousingtheprimary,secondaryandtertiaryindus-
triesasbigandthickcaliber.Thepaperwillalsonarrowdowntotheinternalconsumption
structure,theinvestmentstructureandthetotalGDPof42differentindustrialsectors.
Keywords:
industrialstructure,industrialisomorphism,industrialisomerism,rankcorrelationtestofSpearman,grayrelationanalysis
一、相关产业理论基础
1.产业同构与异构性
有人认为区域产业同构化的趋势性不断增强降低了地区资源配置的效率,严重阻碍了经济的发展,也有不少学者认为产业同构是经济发展过程中不同地区间的产业组成的类型、数量的比例、空间的分布、关联的方式等方面在产业结构不断演进过程中不断趋于一致,结构差异在逐步缩小的一种现象,在某些程度上而言是有利于缩小地区差异,促进区域经济均衡发展。
总而言之,产业同构是区域产业结构发展演进过程中的一个衍生物,是指在一地区产业结构变动过程中逐渐出现和加强的区域间结构的类似程度。
它对区域经济发展有着积极影响的同时不乏消极影响:
它能够促进规模优势和竞争态势,从而形成区域优势;同时产业同构容易造成分散投资、重复建设、资源配置效率低,使得地区无法发挥各自应有的资源优势和环境优势。
产业同构与异构是一个互补性的概念,两种指标同样可以衡量相似性,产业结构不趋同即表现为异构,是一个非此即彼的关系。
产业结构表现为异构有时对一定区域的经济是有利的,反而更有利于资源配置的效率性。
2.产业结构同构或者异构的影响因素
在诸多经济的和非经济的因素的相互影响下,产业结构得到了不断发展。
一切影响经济发展的因素都都以不同的方式影响着产业结构,并且推动抑或是制约着产业结构发展变化的方向,然后再在其他多方外力的作用下,不同地区的产业结构形成相似,或者相异的的状况。
根据影响力的来源,将其因素划分为两大类:
内部因素和外部因素。
1)内部因素
内部因素包括需求因素、供给因素两大类。
其中需求因素包括消费需求、投资需求、进出需求,此处重点讨论前两类需求。
消费需求由个人需求和社会需求两部分组成。
生产消费资料的产业构成极大部分由个人消费需求来决定。
从经济发展的特征来看,当收入水平提高时,个人消费需求的结构将渐渐丰富,进而促进产业结构持续提高转化。
对现实最终需求而言,投资是它的一个重要影响因素,而且是新生产能力的构成基础。
对新兴领域的投资,将形成新的产业,从而改变原有的产业结构。
一般而言,投资需求的变化和消费需求的变化是呈比例的。
如果不同地区在一定产业上消费需求和投资需求存在一定的高度关联性,使得其发展变化向着相似的方向发展,则可能出现相关产业趋同,反之异构。
供给是产业结构演进的基础和前提,此处的供给采用的是广义上的概念,既包括如资源资源、人力资源等资源供给范畴,又包括技术资源的供给。
自然资源包括资源的分布、数量和质量等等的方面。
自然资源在很大程度上对一个地区而言,制约着其产业结构。
由于各个地区的领土大小、地理位置不同,拥有的资源条件也就千差万别。
自然资源丰富的地区,早期围绕这些资源发展起来的产业所占比重也就会增大,可能形成以这一部门为主的产业在国民经济中占主导地位或是形成了当地的经济发展特色,从而该地区的产业结构具有资源开发型的特征,如中西部与东部沿海地区的多年来经济发展的侧重点上形成明显的产业结构差异。
劳动力资源是人口总量和人力资源的重要组成部分,一个地区的劳动力数量、质量、流向直接的影响了该地区产业结构的演进方式和发展方向。
具有一定素质的劳动力流向某个地区或某个产业,则该地区或者是该产业就更容易发展和壮大起来。
而且一个地区的劳动力资源的数量和结构,以及劳动力质量的高低在很大程度上决定了该地区产业的发展水平。
一个地区的科技发展水平和技术进步现状,是产业结构演进的动力,技术进步影响着一个地区的需求结构和供给结构,从而导致这产业结构的变化。
资源禀赋和劳动力资源越是相似的地区,其产业结构相似的可能性就越大,反之,异构性的可能性就相对大一些。
2)外部因素
影响一个地区产业结构发展的外部因素包括经济发展战略、产业政策、政府及相关利益群体等等具有主观意识形态的自觉性因素。
绝大部分地区都是通过制定一定的经济发展战略来指导本地区经济发展,如果一个地区能够正确认识和运用经济发展规律,科学制定符合本地区经济发展的战略规划,就能推动产业结构朝着合理化和高度化的方向演进。
反之,其升级的速度将十分的缓慢。
产业政策是政府通过经济杠杆和行政手段对资源在各产业间的配置进行干预,以支持或是限制某些产业的发展,弥补和修正市场机制的失误和不足,加强资源的合理配置和推进产业结构的演进。
产业政策包括产业结构政策和产业组织政策,它们都直接影响到产业结构的发展。
20世纪80年代以来,中央集权制度逐步被地方分权制度所取代,地方政府更多的担负着经济增长和结构调整的职责。
由于在经济发展的初期阶段,不发达地区并不具有资源配置上,尤其是在增量资源配置上的效率优势这就限制了不发达地区的的经济增长,伴随着“马太效应”的产生,这种限制会进一步加强,导致落后地区和发达地区的差距越来越大,而衡量经济发展和考核政绩的一个极其重要的指标就是地方的GDP,这就引起了地方政府对GDP和GDP增长率的热烈追求,这使得地方政府或者是某些官员不顾地区的实际情况而大量投资那些产值较大的产业,以求自己的利益最大化,这种现象在多个地区都是“公开的秘密”,在一定程度上使得这些地区的产业结构趋于相似的概率大大的加大。
二、产业同构测度方法
1、灰色关联度测度方法
关联度是指事物、因素之间的关联性大小的量度,它能够定量的描述事物或因素之间相对变化的大小、方向和速度等性质。
如果计算得出的关联度较大,则可以认为这两个省市区域产业结构变化的态势基本的一致,存在一定的同构性,反之,则同构性较小,即表现出了一定的异构现象。
灰色关联分析也方法是分析灰色系统中各个因素间关联程度的一种量化方法,它将指标间的信息的不确定性和和完全性的特征,通过灰色关联的处理,揭示各个因素之间的主要关系。
如果回归和相关等统计分析方法,也可以在一定程度上对两个区域产业结构的状况做出一定的回答,但是往往要求的数据量较大,数据的分布特征也要求比较的明显,而且对于多因素非典型分布特征的现象,回归分析和相关分析的难度相对较大。
所以利用灰色关联度作为测度指标进行分析可以充分的利用已有的白化信息,在一定程度上减少测度的误差。
灰色关联度的技术路线为:
建立评价指标体系→构造参考标准序列→计算关联系数→计算关联度→关联度综合评价分析。
关联度计算方法主要有三大步,首先即是原始数据的处理。
由于各个因素的计量单位不同,因而原始数据存在量纲和数量级的差异,不便进行比较,抑或是比较之后难以得出正确的结论,因此在计算关联度之前需进行无量纲化处理。
关于无量纲化的处理,此处选择均值化处理方法:
先分别求出各个原始数列的平均值,再用数列的所有数据除以该数列的平均数,即得到均值化数列。
一般表达式为:
(3.1.1)
其次即计算关联系数:
1)构造参考数列:
(3.1.2)
2)构造比较矩阵:
(3.1.3)
3)计算绝对离差值:
将第K个比较数列(k=1,2,3,……,p)各期的数值与参考序列对应期的差值的绝对值记为:
(t=1,2,…,n)(3.1.4)
对于第K个比较数列,分别记n个
中的最小值和最大
,对于P个比较数列,又记P个
中最小值为
,P个
中最大值为
;
4)计算关联系数:
根据灰色关联度分析理论和方法,第K个比较数列和参考数列在第t期的关联程度(即关联系数)的计算公式为:
(3.1.5)
其中
为分辨系数,用来削弱
过大而使关联系数失真的影响,人为引入这个系数可以可以提高关联系数之间的差异显著性或敏感性,此处确定
=0.5。
最后是计算关联度。
由于每个比较数列和参考数列的关联程度是通过n个关联系数来反应的,关联信息分散,不利于整体性的比较,因此需要对关联信息做集中性的处理,而求平均是则是一种信息集中的一种方式,将比较数列与参考数列各个时期的关联系数求平均即可得出反映两个关联程度的关联度,借此来比较器产业同构的程度:
(3.1.6)
2、相似性系数测度
在现实经济生产实践中,常常需要对经济系统中的两个部分的相似程度进行衡量,这种常用的数量指标即相似性系数。
本文采用的是1979年联合国工业发展组织国际工业研究中心提出的产业结构相似性系数,用以测度各个地区产业结构相似度,从而来衡量产业同构的程度。
相似性系数的表达式为:
(3.2.1)
其中
为研究区域,
为参照区域,
为区域
与
产业结构的相似性系数,
和
分别为产业
在
、
两区域产业中的比重。
,其值越大,说明该比较的两个地区产业同构的程度越大,反之,同构程度越低,异构程度越大。
若
,说明
、
产业结构完全不相同,完全异构;若
,说明
、
产业结构完全相同,完全同构。
3、非参数检验——Spearman秩相关检验
该检验是基于秩的两个变量之间的相关、协同分析。
在实际问题中,要对具体的数据作出具体的假定,常常需要很多背景的知识,而由于条件的有限性,我们对总体(即两个相互比较的区域的相关经济指标数量)的信息知之甚少,抑或是指标数值得来的准确性值得进一步探讨,很难针对具体指标值构成的分布分布形式和统计模型作出相对比较明确的假定。
甚至在有些情况下,譬如在认为控制因素不多的大部分经济和社会社会问题中,数据之间的分布形态和数据之间的关系常常是不能够任意假定的,最多只能对总体的分布作出类似于连续性分布或者关于某一点对称等一般性的假定。
而非参数统计的方法对总体的要求较为宽松,效率高,其结果一般具有较好的稳定性,其可以处理所有类型的数据,具有广泛的适用性。
所以此处采用非参数的方法,尽量从数据本身获得所需的信息,对不同地区的产业结构的同构性、趋同性作出判断。
Spearman秩相关检验的假设检验问题为:
Spearman相关系数表达式为:
(3.3.1)
简化的表达式为:
(3.3.2)
类似于参数统计中用t检验来进行相关性检验,在零假设下,类似的定义非参数统计中的T检验统计量:
(3.3.3)
其中
、
表示两个进行比较的地区,
、
分别表示
地区和
的第i个产业部门各自对应的指标值;
表示
在
中的秩,
表示
在
中的秩,如果
与
具有同步性,即两个地区的某两个产业部门具有同步性,则其对应的秩
与
也具有同步性,反之亦然。
该T统计检验量在零假设之下服从
的t分布,当
时,表示两变量有相关关系,产业结构呈现一定的同构性,反之异构。
三、产业同构与异构研究的实证分析
1、指标体系的遴选原则及区域范围界定
在确定指标体系时,主要应当遵循四大原则——系统性、全面性、可比性、简洁性。
系统性,在指标体系的选择中,应当保持指标体系之间有一定的逻辑关系,而不是杂乱无章的罗列;全面性,指标体系的设置应尽可能的从不同的侧面反映事物的全貌,应当在分析研究的基础上全面的反映研究对象的各个方面和各个组成部分;可比性,评价指标体系在指标的各个构成要素之上存在可比性,如在口径上可比,在时间上可比,在计算方法上可比等;简洁性,评价指标体系中应当尽可能删除那些相互重复、相互关联的指标,并把反映研究对象特征时敏感性最大的指标作为首选指标。
2、数据选取
按照三次产业的42部门分类法,第一产业包括农林牧渔业;第二产业包括采矿业、制造业、电力和燃气及水的生产和供应业、建筑业这4个大类;第三产业是指除第一产业和第二产业以外的其他行业。
表4.2.142产业部门分类
产业类别
部门
第一产业
农林牧渔业
第二产业
采矿业
煤炭开采和洗选业
石油和天然气开采业
金属矿采选业
非金属矿及其他矿采选业
表4.2.242产业部门分类(续)
产业类别
部门
第二产业
制造业
食品制造及烟草加工业
纺织业
纺织服装鞋帽皮革羽绒及其制品业
木材加工及家具制造业
造纸印刷及文教体育用品制造业
石油加工、炼焦及核燃料加工业
化学工业
非金属矿物制品业
金属冶炼及压延加工业
金属制品业
通用、专用设备制造业
交通运输设备制造业
电气机械及器材制造业
通信设备、计算机及其他电子设备制造业
仪器仪表及文化办公用机械制造业
工艺品及其他制造业
废品废料
电力、燃气及水的生产和供应业
电力、热力的生产和供应业
燃气生产和供应业
水的生产和供应业
建筑业
建筑业
第三产业
交通运输及仓储业
邮政业
信息传输、计算机服务和软件业
批发和零售业
住宿和餐饮业
金融业
房地产业
租赁和商务服务业
研究与试验发展业
综合技术服务业
水利、环境和公共设施管理业
居民服务和其他服务业
教育
卫生、社会保障和社会福利业
文化、体育和娱乐业
公共管理和社会组织
本文的所有数据均来自各个地区相关年限的统计年鉴,根据上述的产业分类法,收集重庆、湖北等5个地区的包含以上三次产业的42个产业部门的GDP、消费、投资的相关数据。
数据如附录的附表1所示。
3、宏观总体上探索区域产业结构的同构性与异构性
本版块将运用不同的方法对该5个地区的产业结构的同构性与异构性进行测度,不同的方法由于所基于的原理的不同,所得的结果之间可能存在一定的差异,因而就计算结果对它们的产业结构的同构性进行划分存在优劣之分。
(1)基于灰色关联度的产业同构性测度
在不同的环境条件下,任何的经济系统并非像白纸黑字那样的一清二白,由于信息的不完全性和不确定性,经济系统中总会客观且无可避免的存在一些灰色要素,这些不易量化、对经济系统的影响具有正负性的“灰色素”往往可以左右一个经济系统运行的过程和结果,运用灰色关联分析,能够更好的揭示各个因素之间的主要关系,在此处运用灰色关联度的分析方法能够较好的让不同区域产业的同构性程度展示出来。
选取该五个地区42个产业部门的GDP指标,采用均值化方法对取得的原始数据进行无量纲化处理,然后根据上述的灰色关联度的相关理论,以重庆的相关指标数据构成的数列为参考数列,四川、湖北、贵州、上海分别为参考数列,将数据带入,分别计算重庆与四川、重庆与湖北、重庆与贵州、重庆与上海的关联系数及其关联度,然后对计算结果进行排关联序,进而判断相关地区的产业同构性程度。
经计算,得出结果如下表所示:
表4.3.1宏观灰色关联度测度结果
测度对象
关联度
排序
重庆-四川
0.695476609
3
重庆-湖北
0.724974393
2
重庆-贵州
0.886449731
1
重庆-上海
0.656679454
4
由上表关联度的计算结果可知,在选定指标GDP的数据基础上,在总体上,相较于与其他几个地区相比较而言,重庆与贵州的产业结构更加相似;同为直辖市,重庆却与上海的产业结构有着很大的不同,存在着一定程度的异构。
(2)基于相似性系数的产业同构与异构性测度
先计算各个地区的各产业部门的增加值占各个地区各产业部门增加值的比重,然后根据相似性系数的计算公式计算出两两地区的相似性系数,结果如下表所示:
表4.3.2相似性系数计算结果
重庆-四川
0.855651386
重庆-湖北
0.907102246
重庆-贵州
0.835041637
重庆-上海
0.724801375
关于产业同构与异构的测度结果,基于相似性系数的计算结果与灰色关联度的计算结果,同样的数据,而所得却有所不同。
以重庆为参考区域,四川、湖北、贵州和上海则为比较区域,基于GDP的产业同构与异构测度结果为:
重庆和湖北的产业结构最为相似,重庆与上海的仍旧是差别最大的,同为巴蜀之地的四川与重庆的产业结构相比于贵州而言,更接近。
但是所得的相似性系数并非是1,由此可知,即使产业结构存在一定程度的相似,但不能否定在三次产业内部具体的部门内有异构现象存在。
(3)基于非参统计的Spearman秩相关检验同构性测度
根据Spearman秩相关检验理论,首先设置假设检验问题,然后将参考区域与比较区域GDP数列进行定秩;然后计算秩差的平方和,将其带入简化的
公式计算Spearman相关系数,最后将Spearman相关系数带入T检验统计量公式之中,得到T检验统计量的值。
此处T检验统计量在零假设下服从
,即
的
分布。
通过S软件计算所得结果如下:
表4.3.3Spearman秩相关检验
重庆-四川
相关系数
重庆
四川
Spearman的rho
重庆
相关系数
1.000
.892**
Sig.(双侧)
.
.000
N
42
42
四川
相关系数
.892**
1.000
Sig.(双侧)
.000
.
N
42
42
**.在置信度(双测)为0.01时,相关性是显著的。
重庆-湖北
相关系数
重庆
湖北
Spearman的rho
重庆
相关系数
1.000
.879**
Sig.(双侧)
.
.000
N
42
42
湖北
相关系数
.879**
1.000
Sig.(双侧)
.000
.
N
42
42
**.在置信度(双测)为0.01时,相关性是显著的。
重庆-贵州
相关系数
重庆
贵州
Spearman的rho
重庆
相关系数
1.000
.825**
Sig.(双侧)
.
.000
N
42
42
贵州
相关系数
.825**
1.000
Sig.(双侧)
.000
.
N
42
42
**.在置信度(双测)为0.01时,相关性是显著的。
重庆-上海
相关系数
重庆
上海
Spearman的rho
重庆
相关系数
1.000
.721**
Sig.(双侧)
.
.000
N
42
42
上海
相关系数
.721**
1.000
Sig.(双侧)
.000
.
N
42
42
**.在置信度(双测)为0.01时,相关性是显著的。
从上述4对检验(重庆-四川、重庆-湖北、重庆-贵州、重庆-上海)的显著性检验的拒绝原假设的最小显著性水平P值均为0,都小于事先给定的显著性水平
=0.01,故都通过了显著性检验,拒绝原假设(不相关),接受备择假设(相关);而且从上列的四张表格中的软件计算的结果上得知,重庆-四川、重庆-湖北、重庆-贵州、重庆-上海的产业结构的相关系数分别为:
0.892、0.879、0.825、0.721,可知从相关系数的角度出发,产业结构相似程度排序为重庆-四川、重庆-湖北、重庆-贵州、重庆-上海,计算结果与前面的相似性系数和灰色关联度的计算结果所反映的事实总体上看不谋而合。
计算说明从GDP这一反映经济总体水平的的总量指标上来看产业结构的同构性问题,重庆与上述各个地区的产业结构于产业内部,在一定程度上均可能存在相似性,有同构化的趋势,但是现实中的事实并非如此,应该对产业进行具体的细分以及从经济运行的其他角度,如消费、投资等方面出发进行测度,以来探索具体的同构在何处,哪些地方又有异构的趋势,因为GDP毕竟是一个总量指标,在具体的要求下并不能反映出微观方面的问题,具有一定的笼统性。
4、微观细分性探索区域产业结构的同构性与异构性
上述的几种方法都可以用来测度区域产业的同构性,在粗口径的情况下,从计算的结果可知,其他4个地区与重庆的产业结构均存在一定的相似性,即同构性,但是并非100%同构,也存在异构。
有必要进行细致口径条件下进一步的对产业同构性进行测度,深究哪些产业部门存在同构、哪些存在异构、同构在哪里、异构又在哪里、为什么同构、又为什么异构?
所以本章将采用灰色关联度的方法,进一步探索重庆与其他的4个地区到底产业同构,抑或是异构在何处。
(1)基于分三次产业的产值结构指标数据的同构与异构判断
分别选取重庆、四川、湖北、贵州、上海这几个地区的从1992年~2012年关于国内生产总值(GDP)三次产业构成的时间结构指标数据,分别绘制历年第一产业、第二产业、第三产业的GDP构成比例,以及第三产业与第二产业产值比例折线变化图,图表结果如下:
(图省略)
图4.4.1第一产业产业产值结构变化图
图4
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 陈正伟 产业 同构 差异性 分析 方法 应用
![提示](https://static.bingdoc.com/images/bang_tan.gif)