柬埔寨、老挝人民民主共和国和泰国制造业集聚的空间格局

ERIA - DP - 2015 - 68ERIA 讨论论文系列老挝柬埔寨制造业集聚的空间格局民主共和国和泰国 *Toshitaka GOKAN发展中经济体研究所- 日本对外贸易组织Ikuo KUROIWA发展中经济体研究所- 日本对外贸易组织 ， 泰国曼谷：泰国发展研究所基金会Yasushi UEKI东盟和东亚经济研究所2015 年 9 月Abstract:由于降低了贸易和运输成本，参与全球价值链 （ GVC ） 正在成为许多发展中国家最有效的发展战略之一。然而，对全球价值链的参与是不够的 ； 产业联系和集群的形成对于持续的经济增长至关重要。本文使用 Mori 和 Smith （ 2013 ） 提出的方法确定了柬埔寨，老挝人民民主共和国和泰国的制造业集群。本文提供了按行业划分的产业集群图，并对虚假集群的假设进行了检验。此外，本文还使用全球范围和局部密度指数来指示工业集聚的空间结构。关键词产业集聚, 聚类分析, 老挝人民民主共和国, 柬埔寨, 泰国JEL 分类: L60 R12 R14*这项研究是作为 2014 财年 ERIA 研究项目 “东亚产业集群地理模拟分析和检测 ” 的一部分进行的。 11. Introduction后发国家的工业发展和技术进步与当前发达国家不同。前者可以通过参与全球价值链 （ GVC ） 并利用与寻求较低生产成本或新市场并组织 GVC 的跨国公司的联系来提升技术阶梯 ： 后发国家的本地公司可以学习和升级其技术能力通过跨国公司的技术转让。上述发展战略变得越来越重要，因为贸易自由化和经济一体化为后发国家提供了更多参与跨国公司全球价值链的机会 ，而贸易自由化也造成了政策空间的缩小，这使得后发国家对幼稚产业的保护越来越难以实施。然而，参与全球价值链是不够的。结构转型，特别是工业深化 — — 通过建立强大的供应商基础和扩大辅助服务来形成当地联系 （ 亚行 2013 ） — — 是必要的。换句话说，产业联系和集群的形成对于持续的经济增长至关重要。这是因为如果供应商产业在产业集群内得到培育和发展，它将通过以较低的成本，在更短的时间内和更大的灵活性 （ “前向链接 ” 效应 ） 交付零件和组件来提高组装产业的竞争力。同时，装配行业的发展为供应商行业提供了中间需求，刺激了上游行业从零部件供应商到原材料和机械制造商的顺序发展 （ “后向联动 ” 效应 ） 。这种累积循环效应诱发了产业集群的形成，增强了相关产业的竞争力。柬埔寨和老挝人民民主共和国 (老挝人民民主共和国) 在 1990 年代开始贸易和投资自由化后 ， 加入了劳动密集型产业的全球价值链 ， 特别是服装和鞋类产业。 2他们提供的优惠地位帮助柬埔寨和老挝人民民主共和国参加了全球价值链。然而，自 2010 年代初以来，由于邻国劳动力成本的上升，电子、汽车零部件和精密机械等技术更先进的行业开始向柬埔寨和老挝转移 ，特别是中华人民共和国 （ PRC ） 和泰国，以及大湄公河次区域基础设施发展和贸易自由化所鼓励的贸易和运输成本下降。由于柬埔寨和老挝人民民主共和国的工业发展仍处于早期阶段，应优先考虑加入更多行业的全球价值链。然而，在工业发展的下一阶段，产业集群的形成将成为政策议程上的重要项目，因为它们需要加强工业的竞争力，以抵消不断上升的劳动力和拥堵成本。在泰国，汽车和家用电器等进口替代产业在 20 世纪 60 年代吸引了大量的外国直接投资，特别是来自日本的投资。但是，泰国改变了政策方向，并在 1980 年代中期之后积极参与了跨国公司组织的全球价值链，当时日本和韩国，台湾和香港等东亚国家的投资激增。由于泰国拥有较长的工业发展经验，并实施了诸如更高的贸易壁垒和当地含量要求等保护措施，这些措施后来被世界贸易组织现行规则所禁止，因此泰国的经济建立了比柬埔寨和老挝人民民主共和国等后发国家更强大的当地供应商基地也就不足为奇了。然而，东南亚的本地供应商基地 — — 包括泰国、马来西亚、印度尼西亚和菲律宾 — — 比东北亚的供应商基地要弱。日本和韩国 （ Kuroiwa ， 2015 年 ） 。在此背景下，本文使用 Mori 和 Smith （ 2013 ） 提出的方法确定了柬埔寨，老挝和泰国的制造业集群。尽管无法通过这种方法确定集聚的原因，例如投入产出联系，劳动力汇集和知识溢出，但研究这些经济体制造业的集群模式非常重要。如下所述，Mori 和 Smith 提供了工业地图。 3按行业划分的集群，这与虚假集群的假设进行了检验。此外，Mori 和 Smith 使用全球范围 （ GE ） 和局部密度 （ LD ） 指数来指示工业集聚的空间格局。请注意，这些空间模式非常有用，因为工业集群通常分布在更广泛的地理区域，并且 GE 和 LD 指数 - 以及集群映射 - 显示相应的集群如何适应特定的空间模式。本文组织如下。首先 ， 解释了本研究中采用的方法的理论背景。其次 ， 以柬埔寨 ， 老挝和泰国为代表的实证结果。最后 ， 本文总结了研究结果。2. 产业集聚空间尺度识别的两个指标本节介绍了 Mori 和 Smith （ 2013 ） 介绍的两个指数的作用和意义 ， 以及推导这两个指数的方法和本研究中这些指数的值的实际计算方式。2.1. 森喜朗和史密斯 (2013) 两个指数的推导方法Mori 和 Smith (2013) 开发的指数旨在识别产业集聚的空间结构。例如，公司在全球聚集的空间结构 (i 。Procedres.大空间) 尺度，但分散在局部 (i 。Procedres.可以观察到较小的空间 ） 规模，而也可以看到公司在全球范围内分散但在局部范围内聚集的空间结构。使用任何单个索引都面临着辨别空间结构差异的局限性。因此，Mori 和 Smith (2013) 引入了两个指数 - GE 和 LD 。导出 GE 和 LE 的过程可以分为三个步骤 ： 检测簇 ， 找到基本包含 ， 并计算 GE 和 LD 。第一步是找到集群方案ℂ在每个候选集群方案中具有贝叶斯信息标准 (BIC) 的最大值 ： 4퐵퐼퐶 ℂln <unk>whereℂℂℂ푘ℂ2푘ℂ퐿 ( |푥) = ∑ 푛 (푥) 푙푛푝(푗) + ∑ ∑ ￿￿ ￿￿ .ℂℂ￿=0ℂ푗=0 푟∈퐶푗￿￿￿群集方案ℂ 只是一个或多个不相交的簇 ，퐶, j= 1,..., k， 以及所有非聚类区域的残差集。 BIC 随着较大的对数似然性而增加ℂ， 聚类方案的位置概率ℂ 对于每个基本区域, 给定一个观察到的位置模式푥， 而 BIC 随着惩罚项的减少而减少푘， 表示集群方案中的集群数量ℂ, and푛， 表示总面积中的机构数量。聚类方案的位置概率ℂ 对于集群 j= 1,..., k, 푝， 可以重写为푝̂where푛表示集群 j 中机构数量的总和= 1,..., kand푛表示整个地区的机构总数。在上述对数似然函数中 ，푛and푛are related with a sequence of independent location decisions by individual establishments. Because each region is included as part of a certain cluster퐶, j= 1,..., k或所有非聚类区域的残差集，位置概率的对数似然函数的右侧 （ i 。Procedres.随机采样的机构在某一群集中的区域中定位的概率) 表示总概率定律: 对数似然函数可以分为两部分, 即第一项, 它给出了该区域的定位概率。푛机构位于集群中퐶, j= 1,..., k， 以及第二项 ， 它给出了位置概率푛机构位于区域内푟 在集群中퐶, j= 1,..., k， 假定各个机构在每个集群内完全随机地选择其位置。在选择集群内的附加区域的过程中 ， 使用最短路径距离。第二步分为两部分。第一部分是找到本质聚类 ， 即在对 BIC 的增量贡献之和超过一定比例的情况下 ， 对 BIC 的增量贡献最显著的聚类 (λ) of퐵퐼퐶， 第二步的最后一部分是在包含本质簇集合的总面积中找到最小的凸 - 固体集合。直观地 ， a 5凸 - 固体集合是指集合是连接的 ， 并且不仅在其周边没有凹痕 ， 而且没有内部空腔。那么 ， 最小凸 - 固体集合中的区域可以被视为必要的安全壳。最后 ， 我们可以通过将行业的基本遏制的经济总量除以整个国家的经济总量来获得行业的 GE 。同样 ， 我们可以通过将行业的基本集群的经济总量除以基本遏制的经济总量来获得行业的 LD 。2.2. 对杂散簇的测试产业集聚指数的最新趋势是对 “零假设 ” 进行检验，即空间分布可能只是偶然出现 （ Elliso 和 Glaeser，1997 ； Drato 和 Overma，2005 ； 和 Mori 等。， 2005) 。在 Mori 和 Smith （ 2013 ） 中，进行了伪簇的测试，以测试最佳簇方案的 BIC 是否明显优于由蒙特卡洛测试生成的随机位置模式下的 BIC 。2.3. 三个国家的全球范围和局部密度的推导为了获得柬埔寨、老挝和泰国的 GE 和 LD，我们将上述方法应用于这些国家的距离、经济区域和机构数量数据。 1 距离是通过形状文件中每个区域质心之间的直线而不是道路网络距离来计算的。老挝人民民主共和国和柬埔寨的形状文件是联合国粮食及农业组织制作的全球行政单位层。泰国的形状文件是从 DIVA - GIS (diva - gis 。org).经济区是由欧洲委员会联合研究中心从 2000 年全球土地覆盖中获得的。省略任何不适合经济活动的区域，我们使用形状文件计算了每个区域的经济面积。关于建立数据的说明如下。1 Mori 和 Smith （ 2013 ） 引入的这些分析的计算机程序可在 http: / / www. mori. kier. kyoto - u. ac. jp / data / cluster _ detection. html 上获得。 6最后 ， 我们选择了λ适当地 ， 遵循 Mori 和 Smith (2014) 的建议。2.4. 森喜朗和史密斯两个指数的作用和意义 (2013)GE 和 LD 的组合反映了产业集聚的空间结构 ， 因为 GE 的价值表明了本质遏制 （ 图 1 - 1 中的黑色和灰色正方形 ），它是相对于整个国家 （ 图 1 - 1 中的整个区域 ） 包含本质集群集合的最小凸 - 固体集合。LD 的值表示其基本簇 （ 图 1 - 2 中的黑色正方形 ） 相对于其基本容器 （ 图 1 - 1 中的黑色和灰色正方形 ） 的总面积的份额。图 1 ： 全球范围和局部密度的计算1. 全局范围的计算 2. 局部密度的计算因此, 较大的 GE 可以表示在整个国家中更分散的行业的空间分布, 而较大的 LD 可以揭示在整个基本遏制中更分散的行业的空间分布。换句话说，具有低 GE 的行业被认为表现出相对 “有限 ” 的空间模式，而具有高 GE 的行业则表现出相对“ 分散 ” 的模式。 7同样，具有高 LD 的行业表示相对 “密集 ” 的模式，而具有低 LD 的行业则表现出相对“ 稀疏 ” 的模式。因此，我们获得了第 3 节中使用的四种空间结构模式，即 “全局分散和局部密集 ” 模式 ；“ 全局分散和局部稀疏 ” 模式 ； “全局受限和局部密集 ” 模式 ； 和“ 全局受限和局部稀疏 ” 模式。为了获得更清晰的四种空间结构模式的图像，我们举例说明了。GE 和 LD 使用由 36 块组成的盒子。我们获得了图 2 中每个图案的 GE 和 LD 的四个简化图，为简单起见，将 λ 设置为 1 。四个盒子中的每个盒子都有 36 个街区，这意味着整个国家有 36 个地区。黑色和灰色区域的数量用于计算 GE 和 LD 。黑色区域显示基本簇中的区域。灰色区域不被视为基本簇，而是被视为基本遏制中的区域。图 2 中的第一个数字是针对全局受限和局部密集的格局。从总面积的区域数量来看 ， 本质遏制和本质集群分别为 36 、 9 和 8 ， 我们计算 G