我国IT产业的空间集聚_基于30省区面板数据的实证研究

2011年1月
第33卷 第1期
当代经济科学
Modern Economic Science
Jan.02011
Vo.l33 No.1
我国IT产业的空间集聚:
基于30省区面板数据的实证研究
王家庭,张俊韬
(南开大学中国城市与区域经济研究中心,天津300071)
摘要:本文通过计算2000-2008年我国IT产业的市场集中度指数及空间集聚B指数,来考察IT产业的集聚
现象;并进一步运用空间计量方法,计算出Moran指数及其散点图,来分析产业集聚的空间相关性和空间分布特
征。结果表明,我国IT产业发展的不平衡性在逐渐加剧, IT产业呈现出在少数几个省区集聚的现象,具有明显的
地方化现象。我国IT产业属于高度空间集聚产业,且空间集聚指数逐年增大,产业集聚现象明显。我国IT产业
发展水平及其增长的空间分布不是随机的,而是在全局和局域环节都呈现出正向的空间依赖特征,表现为高发展
水平的区域倾向于集聚在一起。
关键词:IT产业;空间集聚;市场集中度;Moran指数
文献标识码:A 文章编号:1002-2848-2011(01)-0085-06
一、引 言
自改革开放以来,在我国经济长期高速发展的
同时,产业也呈现出高度的空间集聚现象,尤其是高
新技术产业的空间集聚现象极为突出。产业集聚是
区域发展和产业发展的必然产物,是某特定产业及
其相关支撑产业、相关联的不同产业在一定地理范
围内的空间集聚,形成强劲、持续竞争优势的现象,
其实质是由于经济活动和生产要素在空间上的集聚
而导致的规模经济。高新技术产业不仅是国民经济
的重要支柱,而且是技术及知识经济的载体,尤其是
其中的IT行业已经成为衡量一国技术经济水平的
重要标志。本文的IT产业主要指电子及通信设备
制造业,将其简称为IT产业,它对区域经济的发展
及竞争力的提升起到了重要的作用。由于IT产业
对自然环境的依赖程度小,在市场竞争的作用下,企
收稿日期: 2010-10-03
作者简介:王家庭(1974-),山东省诸城市人,南开大学中国城市与区域经济研究中心副教授,经济学博士,硕士生导师,研究方向:城市
与区域经济、土地与房地产经济;张俊韬(1986-),江西省贵溪市人,南开大学中国城市与区域经济研究中心硕士研究生,研究方向:城市与区
域经济。
业向低成本、高收益区域不断集中,所以易形成产业
集聚; IT产业的空间集聚带来了产业的规模效应和
外部经济,使集聚区的产品获得了相对成本优势和
绝对成本优势,提升了产品的竞争力,使得IT产业
进一步向该地区集中,获得集聚经济。
产业集聚作为目前区域经济和产业经济的研究
热点,已经引起了国内外学者的广泛关注。有关产
业集聚的研究可以追溯到19世纪末20世纪初,We-
ber从微观企业的区位选择角度对工业企

业在一定
区域集聚进行了深入的研究,并首次提出了集聚经
济的概念[1];Marshall对产业集聚的内涵、外延做了
开创性的研究,认为集聚能产生正的外部效应,并揭
示了企业为追求外部规模经济而进行集聚的内在原
因[2]。此后,经济学者和经济地理学者不断地从不
同视角对产业集聚理论进行深入的研究,其中以波
特和克鲁格曼对产业集聚的研究最为突出。Portor
85在研究国家竞争优势的过程中,提出地区竞争力的
著名/钻石0模型,强调产业集聚对地区产业国际竞
争力的作用,并认为产业集聚能够促进区域竞争,保
持或增加其经济增长速度,他的主要贡献在于对产
业集聚影响企业竞争力的机理研究[3];Krugman以
规模报酬递增、不完全竞争经济学、路径依赖和累积
因果关系等对产业集聚进行了解释,认为产业集聚
是由于企业的规模报酬递增、运输成本和生产要素
流动通过市场传导的相互作用而产生的[4]。Victor
D. Norman和Anthony J. Venables探讨了国家产业
集聚政策与世界经济均衡发展关系、产业集聚与世
界经济福利最大化的关系,得出了如果政府对产业
集聚的补贴率过高,将导致产业集聚数量过多而规
模过小的结论[5]。
近年来,国内也出现了很多关于产业集聚的研
究,如蔡宁等基于企业理论解释了企业集群的竞争
优势,认为特定的资源和能力是竞争优势的来源,且
集群的竞争优势来源于资源禀赋及集群对于资源的
整合能力[6];罗勇等应用EG指数对我国制造业集
聚程度变动趋势进行了实证研究,发现集聚程度的
高低与产业性质有很大关系,行业集聚程度有高到
低的分布基本遵循/技术密集型-资本密集型-劳
动密集型0的路径[7];王子龙等利用产业空间集聚B
指数和行业集中度CRn指标对我国高技术产业
1994-2003年的集聚水平进行测定,得出了我国高
技术产业的总体集聚程度正在不断提高,产业集聚
和地方化呈现增长趋势,区域发展的两极分化也逐
渐加剧的结论[8];李强从生产要素的地理集中及其
规模收益递增入手,通过构建产业集聚判定的模型
框架,对其产业集聚现状进行了实证研究,得出了国
家高新区的产业集聚已具雏形,但部分高新区产业
集聚质量不高的结论[9]。梁晓艳等通过计算各省区
高技术产业产值的Theil熵和相对增长速度及Mo-
ran指数,得出了我国高技术产业发展不平衡在加
剧,且呈现出在少数几个省区集聚的现象的结
论[10];郑江淮等从企业集聚可持续发展的角度进行
研究,认为企业进驻开发区的主要目的是获取/政
策租0,由此导致开发区企业/扎堆0不具有一般意
义上的产业集聚效应[11];陈建军等通过VECM和协
整分析,在借鉴新古典增长分析

框架基础上提出了
垄断竞争增长的分析框架,从宏观增长角度,以长三
角洲次区域为例,对产业在既定空间-外围式的集
聚给集聚地区带来的经济发展、技术进步和索洛剩
余递增集聚效应进行了理论和实证分析[12]。
目前国内学者关于产业集聚的性质、成因及其
优势等方面的研究较多,而对产业集聚水平的测度
研究相对较少,使用空间计量方法测度IT产业的集
聚水平的文献更是少之又少。基于此,本文通过计
算市场集中度指数CRn及产业空间集聚指数B来
测度我国IT产业的集聚度及变化趋势,并利用空间
计量方法及Moran指数来研究该产业的空间相关
性,从而可以更为细致地了解我国IT产业的空间集
聚现状。
二、研究方法与变量选取
(一)研究方法
在衡量产业集聚的方法中,集中度是一个最简
单、使用最为广泛的常用指标,是测度某一市场竞争
程度的重要标志。它是指规模最大的前几位(比如
前4位、前8位等)企业(或地区某行业)的有关数
据(如销售额、生产额、职工人数、资产总额等)占整
个行业或市场的份额。其计算公式为[13]:
CRn=E
n
i=1
Xi/E
N
i=1
Xi(1)
其中CRn代表X产业中规模最大的前n位企业
的市场集中度,Xi代表X产业中第i个企业的销售
额、生产额或职工人数等,N代表X产业的全部企业
数。在行业分析中,一般取n =4、n =5或n =8,而
在分析整个工业或整个经济的集聚状况时,一般取
n =50、n =100、n =200或n =500。本文在测度IT
产业的空间集聚程度时,采用CR4指标,即IT产业
份额最大的前四个省份的份额总和。
空间集聚指数(EG指数)是由Ellision和Glaes-
er为了解决空间基尼系数失真而提出来的,用于测
度产业空间集聚程度[14]。假设某经济体某一产业
内有N个企业将该经济体划分为M个地理区域,这
N个企业分布于M个区域之中。Ellision和Glaeser
建立的产业空间集聚指数计算公式为:
B=
G -(1-Eiq2i)H
(1-Eiq2i)(1-H)
=E
M
i=1
(pi-qi)2-(1-E
M
i=1
q2i)E
N
j=1
S2j
(1-E
M
i=1
q2i)(1-E
N
j=1
S2j)
86式中B表示产业空间集聚指数,pi为i区域某产
业就业人数占全国该产业总就业人数的比重,qi是
该区域就业人数占全国总就业人数的比重。Sj为第j
个企业市场的占有率,赫希曼-赫佛因德指数H =
E
N
j=1
S2j=E
N
j=1
(Xj/X)2表示该产业中以就业人数为标
准计算的企业规模分布。Ellision和Glaeser建立的
产业空间集聚指数充分考虑了区域差异及企业规模
所带来的影响,弥补了空间基尼系数的缺陷,使我们
能够进行跨时间、跨区域、跨产业比较。
鉴于产业空间集聚B指数的优越性,本文采用B
指数来衡量IT产业的空间集聚水平,它能够反映区
域经济发展的差异性;以市场集中度CRn指数测度

区域IT产业总产值所占市场份额,它能够反映IT产
业市场竞争和垄断情况。B指数和CRn指数的综合
应用将从一个新的角度考察IT产业的市场集聚水
平和空间分布状况。指数越大,表明产业集聚程度越
高,反之,则越低。
(二)变量选取
本文选取2000-2008年我国30个省市自治区
的面板数据,根据市场集中度CRn指数及产业空间
集聚B指数的计算公式,我们选择电子及通信设备
制造业当年价总产值、电子及通信设备制造业企业
从业人员年平均人数、各地区就业人员总数等相关
年度指标,来测度IT产业的集聚水平。本文基础数
据均来自历年5中国高新技术产业统计年鉴6和5中
国统计年鉴6。
三、我国IT产业空间集聚的测度
根据CRn指数及产业空间集聚B指数的计算公
式,计算出2000-2008年我国IT产业年总产值份额
最大的前四个省份的市场集中度指数及IT产业空
间集聚指数,计算结果如表1和表2所示。
表1 我国IT产业市场集中度CR4指数
行业
年份 电子及通信设备制造业
2000广东0. 3109江苏0. 1214上海0. 1101北京0. 0993 CR4=0. 6417
2004广东0. 3613江苏0. 1692上海0. 0943天津0. 0874 CR4=0. 7712
2005广东0. 3466江苏0. 1662上海0. 0985天津0. 088 CR4=0. 6993
2006广东0. 3431江苏0. 1759天津0. 0898北京0. 0845 CR4=0. 6933
2007广东0. 3291江苏0. 1965北京0. 0905上海0. 0746 CR4=0. 6907
2008广东0. 3606江苏0. 2091上海0. 0807北京0. 0727 CR4=0. 7231
资料来源:本文研究整理。
表2 我国IT产业空间集聚B指数
行业2000 2004 2005 2006 2007 2008 2000-2008变化率
电子及通信设备制造业0. 0486 0. 063 0. 0683 0. 0749 0. 0741 0. 0787 0. 6193
资料来源:本文研究整理。
根据表1和表2的计算结果,我们从整体维度
和区域维度对我国IT产业集聚水平进行系统分析。
(一)整体维度分析
从表1和表2我们可以得到,2000-2008年我国
IT产业的市场集中度CR4指数整体呈增长态势,期
间略有变动,产业集聚现象明显;且我国IT产业的空
间集聚水平也正在不断上升,由2000年的0.0486提
高到2008年的0. 0787,增长率高达61. 93%,并且集
聚和地方化呈增长趋势,集聚已经成为未来我国IT
产业发展趋势和主要变动方向。随着我国市场化进
程的加快和对外开放程度的提高,外部经济、规模经
济、FDI和产业关联等因素已经成为推动我国IT产
业集聚的主要力量。Ellision和Glaeser将空间集聚
指数分为三个区间,第一区间为B<0.02,表示该产
业没有地方化的现象,称为低度集聚产业;第二区间
为0.02[B[0.05,表示该产业在区域上的分布较为
均匀,称为中度集聚产业;第三区间为B>0.05,表示
该产业在地区上的分布集聚程度最高,称为高度集聚
产业[14]。按照这一标准,我国IT产业的集聚指数大于
0.05,属于高度集

聚产业,是技术密集型产业的典型
代表。
(二)区域维度分析
87根据市场集中度指数,我们可以看出我国IT产
业集聚群主要集中在广东、江苏、上海、北京和天津
等东部沿海地区,且这些地区的IT产业产值所占比
重日益加大,CR4指数由2000年的0. 6417上升到
2008年的0. 7231,说明我国IT产业仍然集中在珠
三角、长三角和环渤海区域。其中广东省所在的珠
三角一直是IT产业主要集聚地区,其市场集中度指
数一直高于30%,且集聚水平有进一步加大的趋
势,集聚现象非常明显,这主要是由于珠三角地区拥
有发达的金融市场,良好的投资环境,较完善的基础
设施,政府服务能力较强,产业之间联动性强,进出
口便利,各种资源汇集于此,有利于吸收高级人才和
外商投资等,进一步促进IT产业发展。长三角是我
国第二大IT产业集群,其中的上海、江苏等地区市
场集中度最为突出,同样是由于其经济发达,各产业
之间的联系密切等原因所致。而环渤海是我国IT
业第三产业集群,这是由于环渤海区域内各省份经
济条件差异较大,区域协作能力较差,且区域产业结
构雷同现象较为突出,各产业之间关联度小,导致综
合配套能力弱于珠三角和长三角。
四、我国IT产业集聚的空间相关性:
Moran指数的计量结果
经济地理学者们认为,一个地区的产业发展必
定受到当地及其周边地区创新投入、经济水平、社会
文化、科技水平等环境因素的影响,因此,产业发展
应具有在特定地区集聚的空间分布特征[15],这就是
所谓的空间依赖或空间相关性[16],它表示了观测值
与区位之间的一致性,意味着观测值由于某种空间
作用而使之在地理上集聚,特定区位的观测值也会
受到周边地区性质的影响。当相邻地区随机变量的
低值或高值在空间上出现集聚倾向时为正的空间自
相关;而当地理区域倾向于被相异值的邻接地区所
包围时则为负的空间自相关。为了验证我国IT产
业集聚的空间相关性,我们选择电子及通信设备制
造业当年价总产值作为衡量空间相关性的指标,以
期解释我国IT产业空间分布特征是随机发生的,还
是存在特定的分布规律。基于此,我们使用空间统
计学中最常用的指标,即Moran I指数来检验IT产
业的空间相关性,这包括全局空间相关性检验和局
域空间相关性检验。
(一)基于Moran I指数的IT产业全局空间相
关性检验
计算Moran指数前,首先要构造各省际区域的
空间权重矩阵W,矩阵中元素Wij构造原则为:
Wij=1,当i省区和j省区相邻时
0,当i省区和j省区不相邻
习惯上将W的所有对角线上的元素Wij设为0,
因此,W是一个(N@N)矩阵。由于海南省没有与其
他省份相邻,对结果影响较小,因此在构

造矩阵时将
海南省去掉。
Moran I指数定义如下:
I=E
n
i=1E
n
j=1
Wij(Xi-X)(Xj-X)
S2E
n
i=1E
n
j=1
wij
其中Xi是观测值,S2=1nEi(Xi-X)2,X =
1
nE
n
i=1
Xi。Moran I指数可看作各地区观测值的乘积
和,其取值范围为-1[I[1。I<0表明负的空间相
关性,说明不同的属性值倾向于集聚在一起; I>0
表明正的空间相关性,说明在分布中相似的属性值
倾向于集聚在一起。若各省际间经济行表现为空间
正相关, I的数值应当较大;负相关则较小。
表3 2000-2008年我国IT产业集聚水平的全局Moran指数及其检验
年份2000 2004 2005 2006 2007 2008
Moran.s I 0. 0883 0. 0721 0. 084 0. 0732 0. 073 0. 0516
P值0. 09*0. 103 0. 094*0. 099*0. 099*0. 156
注:*表示通过了10%水平的显著性检验。
表3的Moran指数及其检验结果表明我国IT
产业集聚水平在2000、2005、2006和2007年都通过
了10%水平的显著性检验,而只有2004和2008年
没有通过显著性检验。这说明我国IT产业的发展
水平及其增长的分布整体上确实不是随机的,而是
存在显著的正向空间依赖, IT产业发展水平高的地
88区倾向于集聚在一起,一个省区的IT产业绩效受到
邻近省区的影响。知识溢出、交易成本、人力资本流
动或资本流动等都可能是邻近省区之间相似性的原
因。
(二)基于Moran散点图的局域空间相关性检
验
为了进一步识别我国各省区属于IT产业的高
水平区域还是低水平区域,就要进行局部空间相关
性分析。Moran散点图法是局部空间相关性分析的
主要方法之一。
Moran散点图是以(z,Wz)为坐标点,对z和Wz
数据进行了可视化的二维图示,其中zi=(xi-X),
ZT= [z1,z2,,,zn],W为空间权重矩阵,Wz表示
了对邻近省区观测值的加权平均。Moran散点图的
四个象限分别对应着各省区与其邻近省区之间的四
种类型的局部空间联系模式。HH:高高相关,对应
于第一象限,代表着高观测值的区域单元被同是高
值的区域单元所包围的空间联系模式; LH:低高相
关,对应于第二象限,代表着低观测值的区域单元被
高值的区域所包围的空间联系模式; LL:低低相关,
对应与第三象限,代表着低观测值的区域单元被同
是低值的区域所包围的空间联系模式;HL:高低相
关,对应于第四象限,代表着高观测值的区域被低值
的区域所包围的空间联系模式。象限?和象限ó表
示正的空间相关性,揭示区域的集聚和相似性;象限
ò和象限?则表示负的空间相关性,揭示区域的异
质性。因此,Moran散点图识别了区域单元所属局
部空间的集聚类型。
表4 2007年我国各省区IT产业的空间相关模式
相关模式地区
HH(第一象限)天津、山东、江苏、上海、浙江、北京
LH(第二象限)安徽、湖南、江西、福建、广西
LL(第三象限)四川

、湖北、重庆、云南、贵州、黑龙江、内蒙古、新疆、吉林、辽宁、甘肃、河北、山西、陕西、宁夏、青海、河南
HL(第四象限)广东
资料来源:本文研究整理。
图1 2007年我国IT产业发展水平的Moran散点图及显著性水平图
资料来源:本文研究整理。
由图1可以看出,位于第一象限和第三象限的
省区居多,几乎达到总数的80%,这说明我国IT产
业以高-高集聚和低-低集聚分布为主,这也证实
了前面Moran指数计算得出的IT产业的地理分布
呈现出正向空间依赖性的结论。同时可以从表4看
出,有6个省区显示负的空间相关性,其中5个省区
集中在第二象限(LH:低的发展水平-高的空间滞
后), 1个省区在第四象限(HL:高的发展水平-低
的空间滞后);有23个省区显示正的空间相关性,
其中6个集中于第一象限(HH:高的发展水平-高
的空间滞后), 17个集中于第三象限(LL:低的发展
水平-低的空间滞后)。处于HH区域的都是东部
沿海地区,它们的经济发展水平高,且集聚效应强;
处于LH区域的多为东部地区的腹地,如安徽、江
89西、广西等地,它们自身的IT产业发展水平不高,与
周边地区的高产出区相比有一定的差距,但有受到
相邻强势地区辐射带动发展的潜力;处于HL区域
的只有广东,其IT产业发达,但周边地区发展水平
较低,使得周边地区有向广东地区集聚的效应;其余
的广大中西部地区处于LL区域,它们的发展水平
低下,且周边省份的发展水平同样低下,区域之间的
溢出、扩散效应不明显。由此可以看出我国IT产业
发展的地理分布呈现自东向西梯度减弱的趋势,东
部地区已经成为我国IT产业发展最快的地区。
五、结论及启示
本文采用电子及通信设备制造业当年价总产值、
电子及通信设备制造业企业从业人员年平均人数、各
地区就业人员总数等相关年度指标,来测度我国IT
产业的集聚水平及其空间相关性,得出如下结论:
1.我国IT产业发展的不平衡性逐渐加剧,领
先的几个省区所占份额越来越大,出现了明显的地
方化现象。从市场集中度CR4指数变化趋势可以
看出,我国IT产业主要集中于广东、江苏、北京、上
海、天津等东部沿海地区,且这几个省份所占份额越
来越大,尤其是广东省所占比重最大,产业地方化趋
势增强。
2.我国IT产业属于高度空间集聚产业,且空
间集聚指数逐年增大,表现出明显的产业集聚现象。
从产业空间集聚B指数及其分类标准可以看出,我
国IT产业属于高度集聚产业,随着我国市场化进程
的加快和对外开放程度的提高,集聚已经成为未来
我国IT产业发展趋势和主要变动方向。
3.我国IT产业的发展水平及其增长的分布不
是随机的,而是存在显著的正向空间

依赖。由Mo-
ran指数及其散点图的计算结果可以看出,我国IT
产业发展水平及其增长的空间集聚不仅在全局上表
现出强烈的空间依赖性,在局域环节上也是如此。
我国IT产业发展水平高的地区倾向于集聚在一起,
一个省区的IT产业绩效受到邻近省区的影响,如西
部地区则表现出低产业发展水平省区被低产业发展
水平的邻近省区所包围的特点。
通过上述分析,我们可以得出如下启示:产业政
策制定者在制定IT产业发展政策时,不能仅仅考虑
区域自身的发展条件,还充分分析和利用产业集聚、
知识溢出、空间依赖、区位优势等地理条件,加强区
域之间的交流,扩大区域之间的扩散和辐射能力,实
现区域之间协调发展。特别是中西部地区,应该加
强合作,建立IT产业发展基地,实现本区域IT产业
的跨越式增长。
参考文献:
[1] WeberA. Theory of the location of industries[M]. Ch-i
cago: University ofChicago Press, 1929.
[2] MarshallA. Principles of economics[M]. London: The
Macmillan Press, 1961.
[3] PortorM E. Competitive strategy[M]. New York: The
Free Press, 1999.
[4] Krugman P. Increasing returns and economic geography
[J]. JournalofPoliticalEconomy, 1996,99(3):48-59.
[5] Norman V D, Venables A J. Industrial clusters: equilibr-i
um, welfare, and policy[R]. NBER, WorkingPaper, 2001.
[6] 蔡宁,吴结兵.企业集群的竞争优势:资源的结构性整
合[J].中国工业经济, 2002, (7): 45-50.
[7] 罗勇,曹丽莉.中国制造业集聚程度变动趋势实证研
究[J].经济研究, 2005, (8): 106-115.
[8] 王子龙,谭清美,许萧迪.高技术产业集聚水平测度方法及
实证研究[J].科学学研究,2006,24(5):706-714.
[9] 李强.国家高新区产业集聚实证研究)生产要素集中
的规模收益分析[ J].科学学研究, 2007, 25(6): 1112
-1121.
[10] 梁晓艳,李志刚,汤书昆,赵林捷.我国高技术产业的
空间聚集现象研究)基于省际高技术产业产值的空
间计量分析[ J].科学学研究, 2007, 25 (3): 453 -
460.
[11] 郑江淮,高彦彦,胡小文.企业/扎堆0、技术升级与经
济绩效)开发区集聚效应的实证分析[ J].经济研
究, 2008, (5): 33-46.
[12] 陈建军,胡晨光.产业集聚的集聚效应)以长江三角
洲次区域为例的理论和实证分析[ J].管理世界,
2008, (6): 68-83.
[13] 江激宇.产业集聚与区域经济增长[M].北京:经济
科学出版社, 2006.
[14] Ellision G, GlaeserE L. Geographic concentration inU.
S. manufacturing industries: a dartboard approach[ J].
Journal ofPoliticalEconomy, 1998, 105(5):899-927.
[15] AnderssonT, Hanson EW, SergerS S. The clusterpo-l
icieswhitebook[R]. IKED, Stockholm, 2004.
[16] Anselin L. Spatial econometrics[A]. Baltagi B. A
companion to econometrics[C]. Oxford: BasilBlack-
wel,l 2001. 310-330.
责任编辑、校对:李再扬
90Firm spExportDecision: Forced or

Self-Selection?
)Evidence From Zhejiang and Guangdong Provinces
ZHAOWei1, ZHAO Jin-liang2, HAN Yuan-yuan2
(1. Institute of InternationalEconomics, ZhejiangUniversity, Hangzhou 310027, China;
2. College ofEconomics, ZhejiangUniversity, Hangzhou 310027, China)
Abstract:Firmspexportdecision is a frontier issue in the field of international trade. This papergives an
empirical study and comparative analysis from Zhejiang and Guangdong provinces. The results show thatTFP
has both positive (sel-f selection) and negative (paradox) significant effects on firmspexportdecision ofZhe-
jiang Province and only negative significant effects on that ofGuangdong Province. Meanwhile, we find that
TFP doesnpt foster exportpropensity for firmswith previous exports and that/export inertia0exists in terms of
firmspinnovationmotivation. In this situation, transferring the foreignmarket to domesticmarket is one of the
most important tasks for export firms of the two provinces.
Key words:Total factor productivity; Firmspexportdecision; Sel-f selection effec;t Export inertia
The Space Concentration of IT Industry in China: an Empirical Study Based on
Panel Statistics of30Provinces
WANG Jia-ting, ZHANG Jun-tao
(Research Center ofChinaUrban and RegionalEconomies, NankaiUniversity, Tianjin 300071, China)
Abstract:This paper is to analyze the concentration phenomenon of IT industrybased on themarketcon-
centration index and space concentrationBindexwith data through 2000-2008. W ith the help of spacemete-
ringmethod, we get theMoran index and scatterdiagram to analyze the space relativity of industry concentra-
tion and space distribution characteristics. The findings show that the development imbalance of IT industry is
increasing and ittakeson localization in severalprovinces. IT industry inChina ishighly-concentratedwith in-
creasing space concentration index. Furthermore, it takes on positive space-depending character rather than
casual one.
Key words:IT industry; Space concentration; Market concentration; Moran index
EntrepreneurialProfit-Seeking or Rent-Seeking: A M icro-AnalyticalFram ework
LIXiao-min
(Economics Schoo,l ZhongnanUniversity ofEconomics and Law, Wuhan 430064, China)
Abstract:Based onBaumolps entrepreneurship, thispaperanalyzes entrepreneurialprofits-seeking activ-i
ties and theirmarketequilibrium. Entrepreneurialprofits-seeking and rents-seeking activitiesdepend on entre-
preneurship level and institution quality. In the long term, entrepreneurship promotion can increase entrepre-
neurialprofits-seeking and decrease entrepreneurial rents-seeking. In the shortterm, however, improvement in
compensation structure encourages profits-seeking activities. One contribution of this paper is the introduction
of the entrepreneurship level in the analytic framework. The other contribution is the investigation of the supply
and demand ofprofits-seeking activities and theirmarketequilibrium and the proposed policy implications from
in

creasing the supply and the demand ofprofits-seeking activities to improve entrepreneur allocation.
Key words:Rents-seeking; Profits-seeking; Entrepreneurship; Institution
127