关键词：投入产出分析 主成份分析 聚类分析
内容摘要：本文在综合国内外相关研究的基础上，以河南省为例，尝试运用基于投入－产出模型的主成份分析法和聚类分析法进行了集群的动态识别和分类研究。产业集群已经成为区域经济发展中新的亮点，然而，如何识别和选择产业集群仍然是困扰决策者和研究者的主要技术问题之一。

识别产业集群是产业集群理论研究和实际运用的基础，目前，国内外有关产业集群识别问题的研究主要集中于三个层面，即微观层面的产业集聚状态分析，中观层面的区域行业空间集聚和经济联系分析，宏观层面的国家产业集群竞争力分析。相应的研究方法主要有波特案例分析法、区位商法，望闻问切法以及基于投入产出理论的主成份分析法、多元聚类法、图论法和网络流法等。其中波特案例法比较适用宏观层面的分析；区位商法可用于微观层面的分析，将区位商法和基于投入产出表主成份分析法、多元聚类分析法和图论分析法结合可以用于中观层面的分析。

产业集群识别问题研究概述

考虑到目前有关产业集群识别和分类的国内研究中定性分析多，定量研究较少；静态分析多，动态分析较少的研究现状。本文以河南省为例，把定性分析和定量研究结合起来，尝试采用动态识别和聚类分析相结合的分析方法对区域产业在空间上的集聚状态和产业间的关联进行研究。

产业集群动态识别

目前，区位商法是识别产业集群最常用的一种分析方法。但是由于该方法假设全国和区域两个层面上同一产业的劳动生产率是相同的，是一种静态的研究方法，因此不能用于新型或小型产业集群的识别。同时又由于产业集群具有动态关联的特征，因而用一种动态的分析方法来进行研究将更加合适，鉴于此本文选用了基于投入－产出模型的主成份分析法进行研究。
投入产出分析又称产业关联分析，是美国著名学者列昂惕夫首先提出来的一种数理分析方法。用投入产出分析法识别产业集群主要抓住了“产业集群内的各个企业存在紧密的产业联系”这一特征。1971年Czamanski在“投入—产出”模型的基础上应用主成份分析法对区域产业集聚状态进行了分析。该分析方法较好的显示了产业间的关联性，突出了产业间的互补性，比较适合区域范围内产业集群的识别和选择。其中，主成份分析的基本目的是简化数据和解释生产的因子。用此方法可以识别在直接消耗系数矩阵中不明显的产业关联，因此是识别产业集群的一种较好的方法。基于此，本文根据河南省2005年投入产出表构造了直接消耗系数矩阵。由于公共管理和社会组织业、废品废料行业与绝大多数行业相关系数为0，所以将其剔除，保留了40个部门，然后本文利用SPSS14.0统计软件进行主成份分析。具体步骤如下：
第一步，对数据进行标准化处理，通过KMO值（0.7205）检验证明国民经济中其他行业具有较好的相关性。第二步，按照累计方差贡献率大于80%（本文为84.07%）的原则提取了12个主成份。第三步，对确定的主成份进行因子正交旋转使每个因子负载最大化，便于各产业在集群间的分配。第四步，通过旋转后提取了12个主成份，每一个主成份都可以看做一个大的产业集群，然后根据相关系数矩阵中系数的大小把每一个特定的产业分配到不同的产业集群中。如表1所示：河南40个产业部门中有12个部门已经形成了产业集群。

产业集群分类研究

产业集群分类运用的是多元统计分析中的聚类分析法。聚类分析是依据样品之间的相似性进行分类的多元统计分析方法，本文采用分层聚类法，这是目前国内外使用较多的一种研究方法。其基本指导思想是先将n个样本各自看成一类，然后规定样本之间的距离和类与类之间的距离，选择距离最小的两类并成一新类，计算新类和其他类的距离，再将距离最近的两类合并，直至所有的样本都成一类为止。本文在上述主成份分析的基