Ellison-Glaeser集聚(所有制版)
「Ellison-Glaeser集聚(所有制版)」，覆盖 1949-2022 年，频率 年度，省级层级，含 8 个变量，样本量约 2,156。 衡量各省份不同所有制工业资产的空间集聚程度，基于Ellison-Glaeser指数框架，以所有制分组替代行业分组计算省级代理指数。
| 时间跨度 | 1949-2022 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 省级 |
| 变量数 | 8 |
| 样本量 | 2,156 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Province [省份名称] — 省份的中文名称.
- ProvinceCode [省份代码] — 省份的相关统计部门代码 (6 位字符串).
- Year [年份] — 统计年份.
- AsIndTotalAssets [规模以上工业企业资产总计(亿元)] — 资产总计指企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源。资产一般按流动性分为流动资产和非流动资产。其中流动资产可分为货币资金、交易性金融资产、应收票据、应收账款、预付款项、其他应收款、存货等；非流动资产可分为长期股权投资、固定资产、无形资产及其他非流动资产等。根据会计“资产负债表”中“资产总计”项目的期末余额数填报。
- SoeIndCoTotalAssets [国有控股工业企业资产总计(亿元)] — 资产指企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源。资产一般按流动性分为流动资产和非流动资产。其中流动资产可分为货币资金、交易性金融资产、应收票据、应收账款、预付款项、其他应收款、存货等；非流动资产可分为长期股权投资、固定资产、无形资产及其他非流动资产等。
- PvtIndTotalAssets [私营工业企业资产总计(亿元)] — 资产指企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源。资产一般按流动性分为流动资产和非流动资产。其中流动资产可分为货币资金、交易性金融资产、应收票据、应收账款、预付款项、其他应收款、存货等；非流动资产可分为长期股权投资、固定资产、无形资产及其他非流动资产等。
- HmtIndCoTotalAsset [外商及港澳台商投资工业企业资产总计(亿元)] — 资产指企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源。资产一般按流动性分为流动资产和非流动资产。其中流动资产可分为货币资金、交易性金融资产、应收票据、应收账款、预付款项、其他应收款、存货等；非流动资产可分为长期股权投资、固定资产、无形资产及其他非流动资产等。
- EG_Agglomeration_Ownership [Ellison-Glaeser集聚(所有制版)] — Ellison-Glaeser集聚(所有制版)。计算公式：(sum (s_k - x_k)^2 - (1-Σ x_k^2)*Σ z_k^2) / ((1 - Σ x_k^2)(1 - Σ z_k^2))。
常见问题
- 「Ellison-Glaeser集聚(所有制版)」是什么数据集？
- Ellison-Glaeser集聚(所有制版)，隶属行业生产。衡量各省份不同所有制工业资产的空间集聚程度，基于Ellison-Glaeser指数框架，以所有制分组替代行业分组计算省级代理指数。
- 该数据集的时间范围是？
- 覆盖 1949-2022 年。
- 包含哪些变量/指标？
- 共 8 个变量。核心指标包括：规模以上工业企业资产总计(亿元)、国有控股工业企业资产总计(亿元)、私营工业企业资产总计(亿元)、外商及港澳台商投资工业企业资产总计(亿元)、Ellison-Glaeser集聚(所有制版)。完整字段清单（变量名·中文名·说明）见页面「字段字典」。
- 数据频率和层级是怎样的？
- 频率为年度，省级层级。
- 样本量有多大？
- 约 2,156 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 Ellison-Glaeser (EG) 集聚指数衡量经济活动的空间集中程度，其经济学含义在于区分由自然优势或溢出效应导致的真实集聚与由产业内厂商随机分布形成的“伪集聚”。本指标引入所有制维度，旨在刻画不同所有制类型（如国有、集体、私营、外资等）在省级层面的空间分布模式，从而揭示所有制结构对区域产业集聚的影响。数据来源为相关统计部门年度公开数据中的工业资产相关指标。完整计算公式如下： $$ EG = \frac{\sum{k=1}^{4} (sk - xk)^2 - \left(1 - \sum{k=1}^{4} xk^2\right) \cdot \sum{k=1}^{4} zk^2}{\left(1 - \sum{k=1}^{4} xk^2\right) \cdot \left(1 - \sum{k=1}^{4} zk^2\right)} $$ 其中，\( sk \) 为本省所有制 \( k \) 的工业资产占本省全部工业资产的份额（源字段：SoeIndCoTotalAssets, PvtIndTotalAssets, HmtIndCoTotalAsset, AsIndTotalAssets 分别对应四种所有制类型的资产值）；\( xk \) 为全国所有制 \( k \) 的工业资产占全国全部工业资产的份额（以全国各省份加总值计算）；\( zk \) 为厂商规模份额，在本简化版中取 \( zk = sk \)。关键步骤包括：首先计算各省份各所有制类型的资产份额 \( sk \) 及全国基准份额 \( xk \)；其次计算 \( \sum (sk - xk)^2 \) 反映本省所有制结构与全国平均结构的偏离程度；然后计算赫芬达尔指数 \( \sum xk^2 \) 和 \( \sum zk^2 \)；最后代入公式得到 EG 指数。该指数为无量纲指数，取值范围通常在 \([-1, 1]\) 之间，典型量级在 0.01 至 0.5 之间，正值表示存在集聚，负值表示分散。 补充说明 本指标采用简化假设，将所有制分为四组（国有、集体、私营、外资），替代原始 EG 指数所需的四位数行业分类，因此无法捕捉行业内部所有制分布的细微差异。边界条件方面，数据覆盖年份为 2003 年至 2021 年，缺失年份采用线性插值处理；所有资产值均以亿元为单位，无需额外单位换算。计算粒度为省级（Province 主键），以 ProvinceCode 和 Year 唯一标识。已知限制包括：所有制分组较粗可能导致集聚程度被低估；厂商规模份额 \( zk \) 直接取 \( sk \) 而非基于企业层面数据，违反了原始 EG 指数对厂商规模分布的严格假设，可能引入测量误差。 参考文献 [1] Ellison, G., & Glaeser, E. L. (1997). Geographic Concentration in U.S. Manufacturing Industries: A Dartboard Approach. Journal of Political Economy, 105(5), 889-927. [2] 路江涌, 陶志刚. (2006). 中国制造业区域集聚及国际比较. 经济学(季刊), 5(3), 779-800.
- 如何获取该数据集？
- 通过站内对应淘宝链接下单后，客服发放兑换码；在站内"兑换"页输入兑换码即可获得下载权益并下载。