中部地區制造業地理集聚水平影響(2)
三、行政壟斷、市場效率對中部制造業產業地理集聚的影響
(一)行政壟斷因素的測量
不少學者通過選取替代變量的方法間接測量區域內行業存在的行政壟斷程度。比如白重恩等人(白重恩，杜穎娟，陶志剛等，2004)通過行業利稅率與國有化成份比指標去衡量我國地方保護主義的程度。余東華(余東華，2008)選擇了行業增加值占制造業比重，從業人員占制造業比重，國有經濟比重，行業利稅貢獻率，大中型企業增加值比重等六個方面的指標作為影響行業受保護程度的因素，并根據相關研究確定了上述指標的權數，最后通過對所有指標賦權得出了中國制造業行業受保護指數。本文選擇了4個指標作為衡量中部地區制造業行政壟斷程度的變量，它們分別是：各個行業部門總資產占整個制造業總資產比重、各個行業部門獲得利潤和上繳稅收總額占整個制造業比重、各個行業就業人數比重占制造業比重以及中部地區地方政府財政收入占當年GDP比重。以上四個指標都是正向指標，指標水平越高表明行業存在的行政壟斷程度越大。除了地方財政收入占GDP比重的指標是時間序列外(8個樣本點)，其余三項指標都是面板數據，我們對于中部地區19個二位數制造業行業在2003-2010期間的各期數據都進行了計算。在獲得上述四項指標之后，我們采取了主成分分析法對上述四個指標進行主成分提取，進而根據各個主成分的方差貢獻率對主成分賦權，從而得到衡量中部制造業行政壟斷因素的綜合指數。
(二) 市場效率水平的測量
市場效率水平用于反映行業市場對于生產要素綜合使用效率的情況，我們這里選擇用全要素生產率這一指標去測量中部地區制造業的市場效率水平。目前在計算全要素生產率方面應用最廣泛的非參數法是數據包絡法(DEA)，與參數法計算全要素生產率相比，非參數法具有不需預先設定生產函數形式，允許企業規模報酬可變，能夠對全要素生產率進行分解等多種優點，是一種應用比較廣泛的全要素生產率估計方法。本文選擇數據包絡法去計算中部地區19個二位數制造業子行業在2003-2010期間的全要素生產率，由于這里的投入產出數據都是對面板投入產出序列，所以我們進一步選擇Malmqusit指數去計算中部地區制造業部門的全要素生產率。Malmquist指數是Fare等人基于數據包絡分析(DEA)框架提出的一項針對面板投入產出序列的技術進步水平核算方法(Fre， R， Grosskopf， S and Norris， M，1994)。與其他數據包絡分析法一樣，Malmquist指數是基于一系列投入產出距離函數而構建起來的，用公式可以表示為：
Mi(xit，yit，xit+1，yit+1=Dit(xit+1，yit+1)Dit(xit，yit)*Dit+1(xit+1，yit+1)Dit+1(xit，yit)1/2
=Dit+1(xit+1，yit+1)Dit(xit，yit)*Dit(xit+1，yit+1)Dit+1(xit+1，yit+1)*Dit(xit，yit)Dit+1(xit，yit)1/2 (3)
式(3)中的Dit和Dit+1都是基于不同投入產出序列的距離函數，其中i表示觀察樣本(DEU)，t表示時期。xit表示樣本i在t期的投入序列，yit表示樣本i在t期的產出序列，其他符號同理可推。Malmquist指數可以分解為技術前沿變動(TECH)和配置效率變動(EFFCH)兩部分，它們分別對應于上式中的A和B兩部分。技術前沿變動衡量的是在不同的技術條件下，樣本在本期的投入要素使用效率與上一期要素使用效率的比值，反映了由于技術前沿變動帶來的要素使用效率的變化，可以將其理解為生產理論中由于生產可能性邊界本身的移動對樣本點造成的效率變化。配置效率變動則反應的是在相同的技術條件下，樣本在本期的投入要素使用效率與上一期要素使用效率的比重。它說明了樣本對于投入要素配置效率的改變情況，可以將其理解為樣本點在生產可能性線上的移動造成的效率水平變動。兩者相乘即為全要素生產率水平，代表了樣本對于生產要素的綜合考慮效率，我們這里選擇中部地區19個二位數制造業子行業在2003-2010年期間的每年總資產存量最為資本投入量，選擇行業的年末就業人數作為勞動投入量，同時選擇各個行業的年末總產值作為產出量。通過DEAP 2.0軟件計算得出最后的全要素生產率數據。
(三) 計量模型分析
本文建立計量模型對市場效率、行政壟斷對中部地區制造業產業集聚水平進行實證分析，采用面板數據回歸分析法。在模型設定中，被解釋變量是中部地區制造業的EG指數，它反映出中部地區的產業集聚水平，記為GINI;解釋變量是中部地區制造業地方保護綜合指數和全要素生產率指數，其中地方保護綜合指數代表中部地區制造業的行政壟斷水平，全要素生產率指數代表中部地區制造業的市場效率水平，這里分別記為localprotect(LP)和TFTindex(TFT)。由于上述面板數據都有時間序列，因此在對面板數據回歸之前，首先對數據進行平穩性檢驗。選取軟件Eviews 6.0。
變量名Levin， Lin&Chu tBreitung tstatIm， Pesaran and
Shin WstatADF Fisher
ChisquarePP Fisher
ChisquareGini29.47593.418832.9571679.0851108.543P-Value00.99970.00160.00010local protect11.97380.146511.2372271.5452121.837P-Value00.44180.1080.00080tft index12.06231.841461.3569270.4193153.062P-Value00.03280.08740.00110
從平穩性檢驗結果中可以看到，中部地區制造產業的EG指數，地方保護綜合指數以及全要素生產率指數通過了大部分的單位根檢驗，在5%的顯著水平內拒絕了數據序列有一個單位的原假設，因此可以認為上述三個指標都是平穩的序列，可以直接加入估計模型中。
通過對上述三個變量建立含有固定效應的變系數面板模型來估計解釋變量對于被解釋變量的影響參數。模型方程的具體形式如下：
Ginii=c+ai+β1ilocalprotecti+β2itftindexi+ui (4)
其中：c代表固定截距，ai代表行業i對應的固定效應，β1i代表i行業的地方保護綜合指數變化對產業集聚指數變化的影響參數，β2i代表i行業的要素綜合使用效率指數變動對產業集聚指數變化的影響參數，ui是隨機誤差項。由于本文的面板數據橫截面長度超過了時間序列長度，因此為了消除橫截數據的異方差等問題，本文采用截面加權估計法(cross section weights，CSW)估計上述方程。估計結果見表2，軟件選擇eviews6.0，其中表中第一行是各參數的估計值，第二行是參數顯著性檢驗的檢驗值，*表示參數顯著性檢驗的顯著性水平，***代表參數在1%水平上顯著，**代表參數在5%水平上顯著，*代表參數在10%水平上顯著，沒有星號表示參數不顯著。
行業名稱LP 估計參數TFT估計參數固定效應農副食品加工業0.0114960.1037370.174691(1.815551*)(1.670623*)食品制造業0.0011770.0259030.093501(0.402309)(1.198112)飲料制造業0.0006530.0019730.076979(0.131681)(0.058511)紡織業0.0010660.0544660.000493(0.727655)(1.680135*)紡織服裝、鞋、帽制造業0.0730940.2549160.285862(3.072623***)(1.893133*)木材加工及木、竹、藤、棕、草制品業0.0133940.0103920.052989(3.740357***)(0.513465)造紙及紙制品業0.0124980.0141590.066343(4.069595***)(0.642201)石油加工、煉焦及核燃料加工業0.022390.015890.440626(0.740727)0.11344化學原料及化學制品制造業0.0000850.0074790.062297(0.018613)0.298429醫藥制造業0.0126650.0161530.052353(8.560161***)(1.287491)非金屬礦物制品業0.0026010.0302850.109393(2.083714**)(2.949548***)黑色金融冶煉延壓加工業0.0109880.0010380.014921(4.896528***)(0.097222)有色金屬冶煉及延壓加工業0.0006490.0004580.057007(0.191005)(0.045969)金屬制品業0.011880.0004580.040342(2.091373**)(0.045969)通用設備制造業0.0056730.0326380.116831(1.680175*)1.188844專業設備制造業0.0031850.0645880.1297930.4155291.108211交通運輸設備制造業0.0015060.1802380.20865(0.149425)(2.219451**)電氣機械及器材制造業0.0163270.0117230.089306(3.947028***)0.43802通信設備、計算機及其他電子設備制造業0.0129680.2114720.2021010.824748(1.352243)