文献来源：Billings S B, Johnson E B. Agglomeration within an urban area[J]. Journal of Urban Economics, 2016, 91:13-25.
摘要：本文利用新建立的综合指数来估计单个城市区域内产业集聚的决定因素。本文的新指数在制可修改的区域单元问题（MAUP）的同时直接结合了单个企业的位置以创建这两个行业之间的空间相似性度量。我们估计，靠近交通基础设施和消费者外部性以及知识溢出在很大程度上解释了聚集的模式。我们发现，对于零售和消费者服务业而言，投入产出联系和消费外部性的作用较小。
1引言
长期以来，城市学者一直试图解释诸如硅谷的信息技术公司或密歇根的汽车制造业集群等现象。虽然有大量关于制造业在城市、州或国家的集聚的文献，但研究单一城区内工业活动分布的研究却很少。本文试图用城市作为空间尺度，扩大考察的工业部门，包括制造业和服务业，来填补这一空白。
本文主要有两个贡献，一是引入了一个具有很多理想属性的新的共同定位指数，本文的指数是在Ellison和Glaeser（1997）基础上的一项创新，它利用企业层面的的数据来测量空间集中度，克服了对MAUP的担忧；二是利用本文新建的指数正式地估计了自然优势的作用，结果显示，在城市区域内，交通基础设施、消费者外部性和知识溢出等因素对工业集聚具有重要的积极作用。
如何衡量产业集聚关系重大。当使用本文新的共同定位指数、EG指数、DO指数进行测算时，系数的大小和显著性都有所不同。这种变化可归因于数据集、用于量化工业集中度的地理单位的选择以及每个指数如何控制工业集中度。结论强调了自然优势和知识溢出的更大作用，以及相对于国家研究而言，投入-产出联系在城市规模的产业集聚中所起的作用更小。
2 数据
在单个城市地区的小规模范围内测度工业集中度需要使用空间非聚合数据。我们从2006年就业和工资季度普查（QCEW）项目（以前称为ES-202）的数据集中提取第四季度的数据集。QCEW计划编制了国家失业保险法所涵盖的工人就业和就业场所的综合列表，并包括每个机构的地理坐标。这个数据集提供了所有制造业和服务业的每个企业的纬度和经度。
3共同定位指数
本文新的测量方法是基于共同定位的前提，或者说是两个不同行业的企业聚集在一起的趋势，可以被建模为两个行业间空间密度分布的相似性。我们的合作衡量标准假设企业的建立是为了在自然优势和跨行业溢出效应的基础上实现利润最大化。
一般来讲，让fj和fk是表征工业j和k在R2空间上分布的两个函数，让每个密度函数下的面积标准化为1。存在一个映射M:R2→R2，对于所有的R2的自己都能实现fj到fk的转变：
据此，可定义Wasserstein距离为：
在此基础上，结合Wj, k将这种空间相似性度量方法转换为共同定位指数。
为了证明开发新的共同定位指数是合理的，将本文的指数与现有指数进行对比，包括跨行业的比较、控制工业活动的总体集中度以及通过面向生产的分类对工业进行分组。指标往往变化的维度是空间聚集或MAUP。
4实证分析
由于工业分类是面向生产的，它没有突出特定的集聚力。因此，我们估计了产业集聚的假定决定因素对我们的城市区域尺度的影响。我们包括传统的集聚决定因素，如投入-产出关系，劳动力集中/匹配和知识溢出，以及量化消费外部性的变量，我们还提供了三种不同的自然优势因素，这些因素在我们的分析规模中是独一无二的:交通基础设施的可及性、消费者的可及性和工业结构。
投入-产出关系
根据以上变量，本文的估计方程为：
在实证结果中发现，大多数传统的集聚影响因素与共同定位关系较弱。投入产出联系对共同定位有小而显著的正相关影响，知识溢出对共同定位影响为0.09。自然优势与其他团集聚影响因素是正交的。排除我们的三个自然优势变量以及自然优势变量的子集，可以使其余系数的变化可以忽略不计。这些行业固定效应模型得出的主要结果是，交通和消费者产生的系数估计值分别为0.10和0.11，三个指标均为正向且显著解释了共同定位。
另一个可能解释行业间空间相似性的因素是工业用土地作为生产投入的程度。某些行业可能需要拥有较大面积的土地，因此必须位于城市的稀疏地区，而土地密集程度较低的行业可能具有更大的灵活性。为了对此进行验证，我们创建了一个新的变量（密度差异），这个变量等于企业j和k之间的平均人口密度的绝对差异。结果出现了一个很大的负系数，但是由于包含了这个变量，其他的团聚决定因素似乎相对不变。因此，结果并不仅仅是由产业对大片土地的偏好所驱动，而这些土地可能与其他决定集聚的因素有关。
5结论
许多学者利用制造业和国家数据集对我们产业集中度的影响因素做出了贡献，大多数人发现自然优势和马歇尔因素都发挥了作用。本文的研究结果通过考察一个城市区域内以及一系列制造业和服务业的集聚来扩展这一研究。具体来说，我们的结果与Rosenthal and Strange（2001）和Greenstone等（2010）一致，他们发现知识溢出影响了小区域的聚集。本文测试聚集影响因素的方法与Ellison等（2010）非常相似，并支持知识溢出和投入-产出关系的类似积极作用。与埃里森等人（2010）不同的是，我们最大的决定因素是自然优势和知识共享，而不是投入共享和劳动力市场共享。这种差异与我们的分析规模一致，我们的分析侧重于较小的地理距离和单一的劳动力市场。本文的研究结果对影响工业区位的政策提供了信息，如土地利用调控、工业园区补贴和交通基础设施等，这些都是在次都市规模下实施的。（宋帅邦，周玉龙）
