產業(yè)集群多層次網絡結構對集群風險擴散的影響

摘要：文章分析了產業(yè)集群網絡結構對集群的風險抵御能力的影響機理。利用溫州鞋革業(yè)集群、東莞玩具業(yè)集群、硅谷和128公路區(qū)集群等案例對該影響機理進行了論證，并運用仿真模擬方法構建了集群結構模型，刻畫了在外生性風險和內生性風險的擴散過程中集群結構的動態(tài)演化。主要結論有：馬歇爾集群網絡具有無標度網絡和小世界網絡的拓撲結構屬性，輪軸式集群網絡具有接近無標度網絡極限狀態(tài)的結構屬性；兩類集群對外生性風險擴散的抗性顯著高于其對內生性風險擴散的抗性；馬歇爾集群對內生性風險的抵御能力優(yōu)于輪軸式集群，而輪軸式集群對外生性風險抗性則相對較強。

關鍵詞：產業(yè)集群；集群風險；多層次網絡；風險擴散

中圖分類號：F0615文獻標志碼：A文章編號：10085831（2013）05005006

一、研究背景

產業(yè)集群的發(fā)展與衰退通常被認為是影響區(qū)域經濟的重要因素，然而與研究產業(yè)集群競爭優(yōu)勢的文獻相比，聚焦于集群風險的文獻相對較少。對產業(yè)集群風險的研究源于Porter對產業(yè)集群演化的分析。Porter指出技術革新、消費者行為模式變更、供應商聯(lián)盟等外因以及集群企業(yè)戰(zhàn)略同質化、價格聯(lián)盟、過度并購等內因可能導致產業(yè)集群的衰退[1]。在Porter的基礎上，Dalum等提出了產業(yè)集群技術生命周期的概念，并以North Jutland的通訊器材業(yè)集群為例，指出突破性技術可能導致新的產業(yè)集群在短時間內成型亦可能使該集群面臨迅速崩潰的風險[2]。Tichy借用產品生命周期的概念將產業(yè)集群的生命周期分為形成期、成長期、成熟期與衰退期，分析了過度依賴單一產品或產業(yè)很可能導致集群在成熟期或衰退期中迅速衰敗的風險[3]。

隨著中國產業(yè)集群的迅速興起以及部分集群隨后的衰落，國內的學者也逐漸關注產業(yè)集群的風險問題。蔡寧等認為集群內企業(yè)間的關系網絡是該集群的本質屬性，產業(yè)集群除面臨著結構性風險和周期性風險外還面臨著網絡性風險，三類風險間存在著相互增強的機制[5]。吳曉波、耿帥借鑒植物學自花結實的“自稔性”概念，提出產業(yè)集群存在著自稔性風險，認為導致產業(yè)集群優(yōu)勢的專業(yè)化分工、地理性臨近、群內相互關聯(lián)、協(xié)同效應與溢出效應四大特性中隱伏著降低集群對環(huán)境變化、外部威脅的應變能力的內部風險，并最終引起集群的衰退[6]。王發(fā)明、劉傳庚采用反映集群網絡共性的集聚系數(shù)、路徑長度與度分布等結構變量對產業(yè)集群的潛在風險進行衡量，并利用美國128公路產業(yè)集群針對這三個結構變量在衡量集群風險中的有效性進行了案例分析[8]。

上述國內外的研究對于理解產業(yè)集群風險具有十分重要的意義，并為進一步的研究提供了良好的理論基礎。然而現(xiàn)有研究集群風險的文獻存在以下問題：其一，現(xiàn)有研究主要從外部環(huán)境與內在特性方面對集群發(fā)展中的風險問題進行較為宏觀的、定性的分析，缺乏對集群風險的數(shù)量分析、風險識別與風險規(guī)模衡量等方面的深入研究。其二，由集群內的企業(yè)關系形成的復雜網絡結構是產業(yè)集群的內在屬性之一，對于產業(yè)集群的競爭優(yōu)勢、演化過程、風險抵抗能力等各方面都施加著重要影響，然而從集群網絡結構視角對集群風險進行的研究卻十分匱乏。王發(fā)明、劉傳庚雖然提出了集群網絡結構變量對風險刻畫的理論框架，但該研究仍處于定性分析階段，對網絡結構指標的選取也顯示出該研究采取的是靜態(tài)的橫截面分析法[8]。因此，采用數(shù)量方法對集群網絡結構影響集群風險擴散的過程機理進行動態(tài)分析在彌合現(xiàn)有理論缺口，化解集群風險等方面均具有積極的意義。

二、產業(yè)集群風險與集群多層次網絡結構刻畫

（一）產業(yè)集群的外生性風險與內生性風險

按照風險來源分類，產業(yè)集群風險可分為外生性風險與內生性風險[7，9]。外生性風險指的是產業(yè)集群外部力量作用于集群宏觀整體，以相對均等的概率影響到集群內企業(yè)個體，從而對產業(yè)集群產生負面影響的風險。外生性風險屬于系統(tǒng)性風險的一種，具體表現(xiàn)為產業(yè)集群的經濟周期風險、技術生命周期風險、結構性風險等。由2008年金融危機后歐美消費品需求萎縮而導致的東莞玩具業(yè)集群危機，20世紀70年代日本半導體產業(yè)VLSI計劃對美國硅谷的沖擊，美國底特律汽車工業(yè)集群、澳大利亞Styria鋼鐵工業(yè)區(qū)、湖南省邵陽造紙業(yè)集群等集群的衰退與消亡都是外生性風險作用結果的典型案例。

1重慶大學學報（社會科學版）2013年第19卷第5期

王聰聰，等產業(yè)集群多層次網絡結構對集群風險擴散的影響

內生性風險指的是由產業(yè)集群內部因素累積，內部力量相互作用，對集群的整體競爭力、穩(wěn)定性、持續(xù)發(fā)展能力等方面產生負面影響的風險。由于內生性風險通常在各類內部因素長期累積并達到某個臨界值后突發(fā)，因此內生性風險一般以較大概率直接作用于集群內部的核心企業(yè)。內生性風險具體表現(xiàn)為自我鎖定式的網絡性風險和導致集群僵化的自稔性風險。例如，美國128公路電子技術產業(yè)集群由于過度合并以及對國防采購的極度依賴而喪失了創(chuàng)新能力與活力，并伴隨著貝爾、數(shù)字設備公司、王安實驗室等核心企業(yè)的衰落而陷入了整體的衰退。

（二）產業(yè)集群多層次網絡結構刻畫

產業(yè)集群網絡是集群內企業(yè)相互作用、相互依賴所形成的關系網絡。在經營過程中，集群企業(yè)間在原材料、產品、編碼信息、緘默知識、勞動力等各方面都存在著交流與互動。按照企業(yè)間交流與互動的內容，Tichy將集群網絡分為投入產出網絡、勞動力網絡、技術合作網絡三個層次[3]。各層次的網絡通常既存在重合部分亦存在相異部分，而各層次網絡集合的并集則形成了宏觀層面的產業(yè)集群網絡。集群多層次網絡的結構屬性可以通過節(jié)點度分布、最短路徑長度、集聚系數(shù)、結構洞系數(shù)等結構變量刻畫。由于集群形成過程中的外部環(huán)境、資源稟賦、路徑依賴等各方面原因，各種類型集群的網絡結構存在較大差異（圖1），導致了集群對各類風險的抵御能力的不同。

Markusen依據(jù)集群組織形式的不同將產業(yè)集群分為馬歇爾集群、輪軸式集群、衛(wèi)星平臺式集群和政府支持式集群四類[10]。其中馬歇爾集群和輪軸式集群在實踐中最為普遍，在中國各地的產業(yè)集群中也占據(jù)主導地位。本文也將研究重點放在這兩類集群的風險擴散上。

三、集群風險擴散過程仿真分析

（一）仿真研究框架設計

基于復雜網絡視角，集群內部網絡結構是由網絡中節(jié)點與網絡邊構成。在企業(yè)間網絡背景下，網絡中節(jié)點代表集群中的企業(yè)，網絡邊代表集群中企業(yè)與企業(yè)間的關系。該關系包括了集群企業(yè)間在原材料、產品、編碼信息、緘默知識、勞動力等各方面交流與互動的關系。集群通過這些節(jié)點和邊顯示出異質性個體間的集聚，非線性和相互作用的特性，并且通過分布式控制、信息流共享、知識傳遞和學習、多樣化行為特征、創(chuàng)新能力以及行為個體間的復雜關系和結構演進表現(xiàn)出來[9]。在復雜網絡研究中，學者通過建立動態(tài)網絡模型，研究度分布、平均路徑長度（或最短路徑長度）、集聚系數(shù)、網絡密度等相關指標的變化，分析一個或少數(shù)幾個節(jié)點或邊在發(fā)生故障時通過節(jié)點之間的擬合關系（邊） 引起其他節(jié)點發(fā)生故障，從而產生連鎖效應，最終導致相當一部分節(jié)點甚至整個網絡的崩潰。

本文利用NetLogo 5.0軟件對兩類風險擴散過程中集群網絡結構動態(tài)變化進行計算機模擬；以網絡節(jié)點模擬集群中的企業(yè)，以連接節(jié)點的非矢量邊模擬企業(yè)關系，形成集群多層次網絡。

我們采用網絡理論研究中常用的經典測度指標，作為計算機仿真研究的指標。

度分布P： 節(jié)點i的度ki是該節(jié)點連接的其他節(jié)點的數(shù)目。網絡中節(jié)點的度分布情況可用分布函數(shù)P（k）來表示。P（k）表示的是一個隨機選定節(jié)點的度恰好為k的概率，即：

Pk=∑∞1k=jP（j）

該公式表示的是度不小于k的節(jié)點概率分布。度分布反映的是網絡整體結構，少量節(jié)點度分布越高，網絡結構越不均勻；節(jié)點之間度分布同質性越高，網絡結構越均勻。

最大連通子圖相對值（G）：該參數(shù)是在去掉發(fā)生故障的節(jié)點后，衡量網絡中最大連通的子網絡中的節(jié)點個數(shù)。將最大連通子圖的相對值G定義為：

G = N' /N

其中N' 表示相繼故障結束后網絡的最大連通子圖包含的節(jié)點個數(shù)。該參數(shù)G表示網絡性能。

（二）馬歇爾集群網絡風險抗性仿真

馬歇爾集群包括了馬歇爾早期提出的傳統(tǒng)工業(yè)區(qū)集群和后期形成的意大利產業(yè)集群模式。該類集群由大量小型本地企業(yè)構成，集群企業(yè)規(guī)模差異較??；物資、信息、人員在集群內部企業(yè)間流動頻繁。溫州鞋革業(yè)集群、英國牛津郡賽車谷、美國硅谷均屬于典型的馬歇爾集群。這些集群在根植本土、小規(guī)模企業(yè)、自組織性等方面的特性十分明顯。

馬歇爾集群的上述特性導致了該類集群的網絡結構的穩(wěn)定狀態(tài)是一種自組織臨界態(tài)（SOC）。自組織臨界態(tài)指的是大量近距離相互作用的個體所構成的復雜系統(tǒng)在一定條件下自行演化最終達到的相對穩(wěn)定狀態(tài)[11]；而個體間網絡結構的自組織臨界態(tài)通常表現(xiàn)出小世界網絡（smallworldliness）與無標度網絡（scalefree）的拓撲結構性質。許多研究領域的實證結果對這一現(xiàn)象提供了支持，例如互聯(lián)網、美國電網、生態(tài)網絡、百老匯演員合作網絡、意大利電視劇組網絡等各學科領域的自組織網絡均表現(xiàn)出小世界與無標度的網絡結構屬性[12]。蔡寧等的研究顯示溫州鞋革業(yè)集群與北京中關村IT業(yè)集群的網絡結構也存在著這兩類結構屬性[13]。馬歇爾集群雖然主要由規(guī)模差異較小的中小企業(yè)構成，但其間也存在著部分核心企業(yè)，這些核心企業(yè)往往在集群中的某個區(qū)域居于主導地位。核心企業(yè)在馬歇爾集群中并非屈指可數(shù)，而是以一定規(guī)模散布在整個集群網絡中。例如，2008年由整體規(guī)模較小的5 000余家企業(yè)構成的溫州鞋革業(yè)集群中出口額在千萬美元的企業(yè)就有61家。這些核心企業(yè)在該集群中具有較高的影響力并在一定范圍內與集群中的其他企業(yè)開展廣泛合作。馬歇爾集群的這些特征與小世界網絡集聚系數(shù)較高、最短路徑值較小以及無標度網絡的冪律分布等特征均契合。由此可見，馬歇爾集群網絡結構具有小世界網絡和無標度網絡的結構性質。

圖1（a）刻畫了馬歇爾集群網絡結構中的小世界特征和無標度特征。在集群內，多家小企業(yè)聚集在三家核心企業(yè)（局部集散節(jié)點）周圍，核心企業(yè)的關系數(shù)量遠高于小企業(yè)；核心企業(yè)間存在著直接或者路徑極短的關系連接，小企業(yè)間也存在著一定的關系連接，但其密集程度遠未達到封閉網絡的程度。

小世界網絡與無標度網絡在面對節(jié)點的隨機失效時具有較強的系統(tǒng)生存力。由于馬歇爾集群網絡結構具有上述兩類網絡結構性質，該類產業(yè)集群對外生性風險的擴散具有較強的抵御能力。無標度網絡結構性質表明馬歇爾集群中小企業(yè)節(jié)點數(shù)量遠高于核心企業(yè)節(jié)點（集散節(jié)點）數(shù)量。當外生性風險以隨機的方式作用于集群內企業(yè)時，小企業(yè)節(jié)點失效的概率遠高于核心企業(yè)節(jié)點失效概率。以2008年溫州鞋革業(yè)集群5 000家企業(yè)中核心企業(yè)數(shù)量61家為例，小企業(yè)與核心企業(yè)在風險擴散中失效概率比值約為80∶1。由于非核心企業(yè)的關系連接數(shù)量很少，部分小企業(yè)節(jié)點的失效并不會影響集群整體的穩(wěn)定性。圖2顯示在部分小企業(yè)節(jié)點失效后集群網絡的完整性與連通性并未受到太大的影響。事實上，在集群演化過程中小企業(yè)、邊緣企業(yè)進出集群十分頻繁，但集群整體并未受到根本性的影響。例如9.11事件對中國外貿依存度較高的產業(yè)產生了較大的沖擊，溫州鞋革業(yè)集群企業(yè)數(shù)量在兩年內銳減1/4，集群整體發(fā)展卻并未受到太大的影響[13]。

另一方面，較高的集聚系數(shù)以及核心企業(yè)的存在使馬歇爾集群面對內生性風險時較為脆弱。圖3顯示了在某個核心企業(yè)節(jié)點失效后集群網絡分裂成了兩個互不連通的子網絡和少數(shù)孤立的小企業(yè)節(jié)點，集群的完整性與集群網絡的連通性受到了極大的影響。因此，面對以特定方式作用于集群核心企業(yè)的內生性風險，馬歇爾集群表現(xiàn)出較弱的風險抗性。隨著內生性風險的擴散，即便只有幾家核心企業(yè)的倒閉也將導致集群的整體衰亡。由此可見，馬歇爾集群對外生性風險擴散的抵御能力顯著高于其對內生性風險的抵抗力。

由于以上原因，我們采用Shepard小世界簇群模型模擬馬歇爾集群網絡結構，該模型能有效模擬具備無標度與小世界屬性的網絡結構，并可選擇簇群核心企業(yè)數(shù)量。在該模型中新增企業(yè)與原企業(yè)連接概率為：

Pki=M1m0+t·ki1∑1jkj

其中M為已有節(jié)點中選取的新加入節(jié)點數(shù)量（并存在條件M≥m），m0代表初始結點數(shù)量，ki與kj分別代表節(jié)點i與節(jié)點j的度。

（三）輪軸式集群網絡風險抗性仿真

輪軸式集群是大量小企業(yè)圍繞著與之關聯(lián)的一家或者少數(shù)幾家中心大型企業(yè)而形成的。與馬歇爾集群企業(yè)間協(xié)作關系不同，輪軸式集群中的小企業(yè)一般受到與中心企業(yè)的契約牽制。這些小企業(yè)通常扮演了中心企業(yè)的本地專屬供應商的角色，但又同時具有一定的獨立性。與散布在馬歇爾集群中且在一定范圍內具有較高影響力的核心企業(yè)相比，輪軸式集群的中心企業(yè)在整個集群中具有絕對的主導地位。美國波士頓128公路集群和西雅圖波音公司集群是典型的輪軸式集群。

圖1（b）簡要刻畫了輪軸式集群的網絡結構。輪軸式集群的中心企業(yè)數(shù)量極少，小企業(yè)與中心企業(yè)的聯(lián)系緊密，而小企業(yè)之間的協(xié)作連結十分稀疏；中心企業(yè)直接與集群外的供應商和客戶聯(lián)系，而集群內的小企業(yè)通常與集群外企業(yè)缺乏連接通道。這導致了輪軸式集群的網絡結構接近于Freeman提出的“星形”網絡結構。星形結構是無標度網絡結構的極限形式。在星形網絡結構中，中心節(jié)點與所有邊緣節(jié)點連接，而邊緣節(jié)點僅與中心節(jié)點連接，邊緣節(jié)點間無連接；中心節(jié)點擁有最高的度分布值，而邊緣節(jié)點只具備最低度分布值。

由此可見，與馬歇爾集群相比，輪軸式集群網絡結構的無標度屬性被強化，集群網絡中邊緣節(jié)點數(shù)量與集散節(jié)點數(shù)量之間的比值更高。在隨機攻擊網絡節(jié)點的外生性風險擴散過程中，輪軸式集群比馬歇爾集群具有更強的系統(tǒng)生存力。例如同為美國高新技術集群的硅谷（馬歇爾集群）和128公路集群（輪軸式集群），在面對20世紀70年代日本半導體產業(yè)VLSI計劃對美國高新技術產業(yè)的沖擊時（外生性風險），128公路集群比硅谷的整體受損程度小[14]。在2008年美國金融危機對中國外貿依存度較高的產業(yè)形成的外生性風險作用下，馬歇爾集群形態(tài)的東莞玩具業(yè)集群內大量企業(yè)倒閉，其中包括作為該集群核心企業(yè)之一的合俊集團，對集群整體產生了破壞。而同樣的沖擊對輪軸式集群形態(tài)的杭叉股份集群產生的破壞程度并不大。雖然該集群中仍有不少邊緣企業(yè)倒閉，作為中心企業(yè)的杭叉股份集團公司外貿銷售額也銳減51%，但是由于該集群中心企業(yè)節(jié)點在外生性風險隨機攻擊中并未失效，集群整體保持了較好的完整性。

另一方面，輪軸式集群網絡結構缺少小世界拓撲結構屬性，中心企業(yè)節(jié)點數(shù)量遠少于馬歇爾集群中核心企業(yè)節(jié)點數(shù)量。這導致輪軸式集群對以特定方式作用于中心企業(yè)的內生性風險的抵御能力比馬歇爾集群更弱。在內生性風險擴散過程中，馬歇爾集群的一些核心企業(yè)節(jié)點逐一失效，剩余核心企業(yè)節(jié)點仍能維持相對完整的集群網絡；而輪軸式集群在中心企業(yè)節(jié)點失效后，則可能快速陷入衰退或直接崩潰。Saxenian在對硅谷與128公路集群的比較中發(fā)現(xiàn)，美國電子工業(yè)進入微電腦時代后硅谷和128公路集群內部均表現(xiàn)出自稔性風險所刻畫的僵化現(xiàn)象。雖然兩個集群都出現(xiàn)了核心企業(yè)的倒閉現(xiàn)象，但硅谷的集群整體存續(xù)狀況和后期恢復能力均要優(yōu)于128公路集群[14]。

因此，與馬歇爾集群相同，輪軸式集群對外生性風險的抵御能力要高于其對內生性風險的抵御能力；但與馬歇爾集群相比，輪軸式集群對外生性風險的抗性更強，而其在內生性風險擴散過程中的系統(tǒng)存續(xù)能力更弱。

圖4產業(yè)集群仿真結構（N = 1 500 agents）

資料來源：筆者繪制。由于以上原因，我們采用增強BA模型模擬輪軸式集群網絡結構；該模型由Barabasi等提出，模型中新增節(jié)點優(yōu)先與具有較高連接數(shù)量的節(jié)點連接，能夠有效模擬具備較強冪律分布的無標度網絡結構。在增強BA模型中，新增企業(yè)與原企業(yè)連接概率為：

Pi=ki1∑jkj

其中ki為節(jié)點i的度。新進入在兩個模擬網絡的初始節(jié)點上分別以小世界簇群模型規(guī)則和增強BA模型規(guī)則添加新的節(jié)點，直至達到1 500個節(jié)點（較典型的產業(yè)集群內企業(yè)數(shù)量通常超過1 000個），形成馬歇爾集群和輪軸式集群模擬網絡（圖4）。按照溫州鞋革業(yè)集群全部企業(yè)與核心企業(yè)數(shù)量比80∶1的關系，馬歇爾集群模擬網絡核心企業(yè)節(jié)點數(shù)量設定為19。

（四）仿真結果分析

我們采用使集群網絡中節(jié)點逐一失效的方式模擬風險擴散過程，節(jié)點失效意味著該節(jié)點代表的企業(yè)倒閉。對于外生性風險，我們讓網絡所有節(jié)點以相等的概率逐一隨機失效，直至極大連通子圖相對值RG為零。這模擬了外生性風險以等概率的方式作用于集群全體企業(yè)的特性。對于內生性風險，我們首先選取目前網絡中連接數(shù)量最多的3個節(jié)點，然后以等概率隨機選取其中一個點使其失效，以此類推，直至RG為零。這模擬了內生性風險以特定方式作用于集群核心企業(yè)的特性。極大連通子圖相對值RGi是指在節(jié)點i失效后系統(tǒng)中最大連通子網絡的節(jié)點數(shù)Ni與原網絡節(jié)點數(shù)N的比值，通過觀測集群網絡極大連通子圖相對值RG的改變可了解集群結構完整性的變化。

圖5顯示了在外生性與內生性風險擴散作用下馬歇爾集群和輪軸式集群結構完整性的變化。橫軸代表倒閉企業(yè)數(shù)量占企業(yè)總數(shù)量的比例，縱軸代表集群網絡極大連通子圖相對值RG，即集群結構完整性。RG取值為0代表著集群消亡。圖中跨度較大的間斷處代表了某節(jié)點的失效對集群結構完整性造成了較大的破壞。與輪軸式集群相比，馬歇爾集群的間斷數(shù)量較多且間斷跨度較小。這體現(xiàn)了馬歇爾集群內核心企業(yè)數(shù)量雖然遠大于輪軸式集群內中心企業(yè)數(shù)量，但核心企業(yè)倒閉對馬歇爾集群結構完整性的影響卻不如中心企業(yè)倒閉對輪軸式集群結構完整性的影響大。

由圖5可知，在外生性風險擴散作用下，約43%的企業(yè)倒閉后馬歇爾集群完全消亡，約64%的企業(yè)倒閉后輪軸式集群消亡；在內生性風險擴散作用下，約19%的企業(yè)倒閉后馬歇爾集群消亡，約11%的企業(yè)倒閉后輪軸式集群消亡由于外生性風險擴散對集群的作用具有一定的隨機性，我們將風險擴散試驗重復了50次以檢驗結果的魯棒性；50次試驗結果的具體數(shù)據(jù)略有差異，但所得結論相同。 。由此可見，兩類集群對外生性風險擴散的抵御能力均高于對內生性風險擴散的抵御能力；輪軸式集群對外生性風險的抗性高于馬歇爾集群，而馬歇爾集群對內生性風險的抗性則相對較高。

四、結論

產業(yè)集群風險作為影響區(qū)域經濟發(fā)展的重要因素正受到越來越多的關注，然而與研究產業(yè)集群競爭優(yōu)勢的文獻相比，聚焦于集群風險的文獻相對較少，現(xiàn)有相關研究亦存在較多的理論缺口。采用數(shù)量方法研究集群網絡的結構以及該結構對集群風險擴散過程的影響在彌合現(xiàn)有理論缺口，化解集群風險等方面均具有積極的意義。本文采用理論分析、案例論證等方法提出了產業(yè)集群網絡結構對集群風險抵御能力的作用機理模型，并運用計算機仿真模擬法構建了集群仿真結構，刻畫了在外生性風險和內生性風險的擴散過程中集群結構的動態(tài)演化。得到的主要結論有以下三點：（1）馬歇爾集群網絡具有無標度網絡和小世界網絡的拓撲結構屬性，而輪軸式集群網絡具有接近無標度網絡極限狀態(tài)的星形網絡結構屬性；（2）馬歇爾集群和輪軸式集群對外生性風險擴散的抗性顯著高于兩者對內生性風險擴散的抗性；（3）馬歇爾集群對內生性風險的抵御能力優(yōu)于輪軸式集群，而輪軸式集群對外生性風險的抵御能力則相對較強。

由此可見，與相同規(guī)模的內生性風險相比外生性風險對集群的破壞較小，相關政策制定者與管理實踐者應更關注集群內部的自稔性風險與網絡性風險。從網絡結構的角度分析，可通過在輪軸式集群中培育多個后備中心企業(yè)來分散該類集群的內生性風險，防止少數(shù)中心企業(yè)倒閉導致集群整體衰落的事件發(fā)生；通過引導集群內邊緣企業(yè)進行更多的互動協(xié)作，增加小企業(yè)間的關系連接數(shù)量與集散節(jié)點數(shù)量，提升集群的網絡密度來增強集群抵御內生性風險與外生性風險的能力。

本文是從集群網絡結構視角出發(fā)對集群風險研究的一次嘗試，所構建的集群模型和集群風險擴散過程與現(xiàn)實仍具有一定的差距，未來的研究可以從以下兩方面進行拓展與深入研究：一是，外生性風險在現(xiàn)實中并非以完全等概率的方式作用于集群企業(yè)，例如全球性金融危機所導致的外生性風險會以較大概率作用于外貿依賴度較高的企業(yè)節(jié)點；通過構建更為細致精確的風險擴散模型能更有效地擬合現(xiàn)實中集群所面臨的風險。二是，許多集群風險并不是單純的內生性或外生性風險，而是兩者的混合，研究集群結構在兩者共同作用下的變化過程具有更高的理論價值和現(xiàn)實指導意義。

參考文獻：

[1]PORTER M E. Clusters and new economics of competition [J]. Harvard Business Review， 1998（6）： 77-90.

[2]DALUM B，PEDERSEN C，VILLUMSEN G.Technological lifecycles lessons from a cluster facing disruption[J]. European Urban and Regional Studies， 2005（12）： 229-246.

[3]TICHY G. Clusters： Less dispensable and more risky than ever， clusters and regional specialisation[M].London：Pion Limited，1998.

[4]FRITZ O M，MAHRINGER H.A riskoriented analysis of regional clusters， clusters and regional specialisation[M]. London：Pion Limited，1998.

[5]蔡寧，楊閂柱，吳結兵. 企業(yè)集群風險的研究：一個基于網絡的視角[J]. 中國工業(yè)經濟，2003（4）：59-64.

[6]吳曉波，耿帥. 區(qū)域集群自稔性風險成因分析[J]. 經濟地理，2003（6）：726-730.

[7]朱瑞博. 模塊化抗產業(yè)集群內生性風險的機理分析[J]. 中國工業(yè)經濟，2004（5）：54-60.

[8]王發(fā)明，劉傳庚. 基于復雜網絡視角的產業(yè)集群風險研究[J].商業(yè)研究，2009（11）：66-70.

[9]蔡寧，黃純. 集群風險與結構演化的復雜網絡仿真研究[J]. 重慶大學學報：社會科學版，2012（1）：5-11.

[10]MARKUSEN A. Sticky places in slippery space： A typology of industrial districts[J].Economic Geography，1996（3）： 293-313.

[11]BAK P，TANG C，WIESENFELD K. Selforganized criticality： An explanation of 1/ f noise [J]. Physical Review Letter， 1987 （4）： 381-384.

[12]BAUM J A C，ROWLEY T，SHIPILOV A V.The small world of Canadian capital markets： Statistical mechanics of investment bank syndicate network， 1952-1989 [J]. Canadian Journal of Administrative Sciences， 2004， 21（4）： 307-325.

[13]蔡寧，吳結兵，殷鳴. 產業(yè)集群復雜網絡的結構與功能分析 [J]. 經濟地理， 2006（3）：378-382.

[14]SAXENIAN A. Regional advantage： Culture and competition in Silicon Valley and Route 128[M].Cambridge， MA， USA： Harvard University Press， 1994.