首页  期刊介绍 期刊订阅 广告合作 联系我们 English
 
最新录用  |  当期目录  |  过刊浏览  |  热点文章  |  阅读排行  |  下载排行  |  引用排行
北京典型行业微区位选址比较研究——以北京企业管理服务业和汽车制造业为例
李佳洺,, 孙威, 张文忠,
中国科学院地理科学与资源研究所,区域可持续发展分析与模拟重点实验室,北京100101

作者简介:李佳洺(1984- ),男,山西晋城人,副研究员,主要从事产业与区域发展研究。E-mail: lijm@igsnrr.ac.cn

通讯作者:张文忠(1966- ),男,内蒙古呼和浩特人,研究员,博士生导师,主要从事宜居城市与区域发展研究。 E-mail: zhangwz@igsnrr.ac.cn
摘要

以微观企业数据为基础,采用核密度空间平滑和条件逻辑选择模型等方法,重点关注企业在城市内部微观尺度下的区位选择,并对北京典型现代服务业和制造业区位选择的差异进行对比分析。结果表明:① 北京中小型制造企业倾向于在集聚区分布,符合马歇尔式产业集群的特征,而服务业则是大型企业更倾向于集中布局;② 尽管微观尺度下多样化和上下游产业链对现代服务业和制造业依然有重要影响,但是与宏观尺度下不同的是对于现代服务业来说过度多样化并不利于其发展,对于制造业来说区域专业化劳动力规模而非专业化程度更为重要;③ 政府对地铁等公共设施布局选址将对现代服务业的微观区位产生重要影响。

关键词: 企业区位选择; 微观尺度; 产业集聚; 北京;
Comparative study on micro-scale location choice of typical industries: The case study of management service and automobile manufacturing in Beijing
LI Jiaming,, SUN Wei, ZHANG Wenzhong,
Institute of Geographic Sciences and Natural Resources Research, Key Laboratory of Regional Sustainable Development Modeling, CAS, Beijing 100101, China
Abstract

Industrial location has attracted much attention since classical location theories were built, but most of literature focused on location choice at macro scale. However, micro-scale location choice became a troublesome problem due to the reduction of land and the increase of land price. The research employed a unique micro-firm dataset to identify industrial agglomeration areas of service and manufacturing industries in Beijing and then uncovered factors which have impact on micro-scale location choice within urban areas. Importantly, the result further showed difference of location choice between two typical economic sectors--management service and automobile manufacturing in Beijing. The findings are obtained as follows: (1) 102 service and 130 manufacturing agglomeration areas were identified by firm and employment densities. Firms within these two kinds of agglomeration areas accounted for 72.66% and 44% in service and manufacturing industries respectively. Generally, most of large service firms had concentrated into those service clusters, while large manufacturing enterprises used to be located otherwise. Compared with large firms, small and medium-sized manufacturing firms were more inclined to distribute in agglomeration areas. (2) Although the results showed that urbanization economies had significant effect on location choice of both modern service (representing by management service) and manufacturing industry (representing by automobile manufacturing), the influence mechanisms are completely different. The former prefers a diversified local labor market and relatively diversified industrial environment, while the latter needs a complete industry supplying chain. It is only because the automobile industry has a diverse and comprehensive range of auto parts, it seems that automobile manufacturing firms prefer diversified environment. Naturally, upstream and downstream industry chains and specialized labors are key factors for location choice of automobile firms. Even for the service industry, it is not the more diversified the better at the micro scale. (3) Different from existing literature, the results showed that industrial policies had more influence on service than manufacturing industry. It is partly because one of important factors for location of management service is public infrastructure such as subway, on which local governments have enough impact; and partly because, automobile, as an advanced manufacturing industry, is not among the negative list of manufacturing. Besides, enterprise property has significant influence on location choice of both industries.

Keyword: location choice; micro-scale; industrial agglomeration; Beijing;
1 前言

自古典区位论以来,产业区位问题就引起了广泛关注。对于产业区位的理论研究存在两个主要视角,一个是基于空间距离,从空间临近性出发分析运输成本、交易成本等对产业区位的影响,古典区位理论和集聚经济理论都是基于与主要消费地、重要基础设施以及上下游企业的空间临近性,构建企业在空间中进行区位选择的理论框架;另一个是基于发展环境,从企业对制度环境、社会环境、经济环境、自然环境等的偏好出发,研究企业的区位选择行为,如Duranton等基于城市经济的多样化和专业化发展环境对不同类型产业区位的影响,构建了城市演化与产业区位的理论[1]

大量的实证研究结果也基本符合相关理论的预期。就空间临近性和可达性来看,赵浚竹等认为交通条件对于中国汽车制造业有明显的影响,陈松林等对福建的分析结果也表明制造业的布局与交通可达性具有很强的正相关性[2,3];Ellison等的研究也表明集聚经济的三大要素对美国制造业区位有重要影响[4]。就发展环境来看,陈建军等对中国制造业分布的研究表明技术密集型制造业倾向于分布于多样化的经济环境,而传统劳动密集型制造业则倾向于专业化的发展环境;刘作丽等发现制度因素、专业化发展环境等都对汽车产业跨国公司在中国的空间布局有重要影响[5,6]。但是一些实证研究的结果没有支持相关区位理论,如王铮等对中国高科技产业的研究表明交通条件是辅助性的影响因素[7];武晓霞等对长三角16个城市服务业的研究发现,专业化的发展环境对于服务业的升级有正向的影响,而多样化环境则是负向的[8]。总体而言,空间临近性和可达性对于传统制造业影响更大,而发展环境对服务业尤其是现代服务业影响更大。

更重要的是,传统的实证研究多是基于区域和城市尺度[9],对于城市内部微观尺度产业区位的研究相对较少。事实上,企业区位选择可以分为两步,首先是对城市的选择,其次是对城市内部具体区域的选择,目前研究主要集中于企业区位选择的第一步。尽管近年来城市内部产业区位已经引起了关注,一些学者对城市产业园区对FDI布局的影响、软件等高科技产业在城市内部空间分布以及物流业等服务业的区位特征等进行了研究[10,11,12,13,14]。但是由于城市内部微观尺度产业数据可获得性低、传统统计数据难以匹配等问题,导致目前城市内部产业区位的研究多是精细化的特征性分析,难以揭示空间格局形成的因素和机制。同时,已有研究也多是针对某一特定的行业,缺乏对不同行业区位选择的比较性分析。

本研究基于北京市微观企业数据,首先确定北京产业集聚区范围,其次进一步挖掘企业属性信息,并结合道路等数据,对北京商务服务业和交通装备制造业两大典型行业区位选择因素的差异进行对比分析,进而检验相关区位理论在微观尺度的适用性,并为北京产业空间的优化提供决策支持。

2 研究方法与数据来源
2.1 研究数据

基础数据主要来源于2010年在北京市登记注册的企业信息,经筛选去掉一些信息不完整或信息存在明显错误的企业后,研究的企业样本数量为592992家。这些企业还包括一些重要的属性信息,如企业地址、员工人数、行业代码、成立时间。进一步利用百度API接口,将企业地址信息转化为企业空间坐标,从而构建基于北京注册企业的空间数据,作为集聚区划分和企业区位选择研究的基础。此外,还收集了北京2010年地铁站点、5条环路以及京藏等8条主要对外通道等空间数据。需要注意的是,工商登记数据也存在一些问题,如一些企业注册地可能与经营地不一致的情况,可能对分析结果带来一定偏差,但是从大规模数据分析来说,可能的偏差应该是在可接受范围内。

2.2 研究方法

2.2.1 核密度估计 核密度估计是一种非参数估计的方法,可以将企业点密度在空间中进行平滑,得到企业在城市空间中的分布状况,找出企业较为集中的区域。核密度估计的公式如下:

f h (x) = 1 n h i = 1 n K ( x - X i h ) (1)

式中:h为带宽;n为观测值的数量; X i 为独立的样本点; K ( ) 为核函数。

核密度估计的权函数包括正态分布、统一分部、负指数函数等,研究采用负指数函数。负指数函数可以实现自适应核密度估计,Silverman的研究表明自适应核密度估计能够更好的适应长尾数据的分析[15]。加之,负指数函数空间平滑的程度低于其他函数,避免微观尺度下核密度估计对空间过度平滑造成的不准确。带宽按照Silverman的拇指法则进行计算。

2.2.2 条件逻辑选择模型 条件逻辑选择模型(Conditional logit model)属于离散选择模型,主要针对微观主体选择行为进行分析,描述了微观决策主体在不同可供选择的选项之间做出选择的过程。Carlton首次将离散选择模型引入到企业区位选择的实证研究中,对企业区位决策行为进行初步尝试研究[16]。此后,离散选择模型尤其是有条件逻辑选择模型由于其简便性和明确的理论涵义而成为研究企业区位选择的常用分析方法,被应用于跨国企业选择及各产业区位的研究[17,18,19]

企业区位选择结果实则为区位特征(区位影响要素)对企业的效用函数。在利益最大化原则下,企业在所有可供选择的区位中,会选择使其利润最大化的区位。企业在一个区域获得的利润可分为可观察部分和随机项两个部分,即πij=Uij。当πijik,kCkj时,企业就会进入j地区。选择任意两个备选区域的概率不受其他区域影响时,企业i进入地区j的概率可以表达为:

P ij = exp ( β × U i j ) k = 1 c exp ( β × U ij ) (2)

C为可选择的区域数量。假设企业i的利润受到m个因素影响,则Uij可表达为:

U ij = β 1 x ij 1 + β 2 x ij 2 + β m x ij m (3)

参数β将采用最大似然法(maximum likelihood estimation,MLE)进行估计。

由于条件逻辑选择模型所估计的参数并不能直接表示解释变量对被解释变量的边际影响,为了得到边际影响的大小,参考Cheng等的处理方法,以平均概率弹性(average probability elasticity,APE)来计算解释变量的边际影响[20]。企业i选择区域j的概率弹性由区域j的经济特征和企业i自身的特征Rij决定,其概率弹性可表示为: ln P ij R ij = β i ( 1 - P ij ) ln P ij R ij = β i ( 1 - P j ) ,则产业区位特征的平均概率弹性为所有企业和区域的加总,即APEij= β i ( J - 1 J ) ,式中:J为所有备选区域的总数; β i 是需要估计的参数。基于已有的研究,服务业和制造业分别取值为0.968和0.980。

3 北京产业集聚区划分及特征分析

以往对城市产业区位的研究多是以政府行政区划为基础,如魏也华等是以产业园区为基本空间单元,谷一桢等对北京就业中心的识别也是基于街道[21]。基于行政单元的好处是空间范围明确,配套的统计数据可得性较好,但也存在一些明显的问题,如政府确定的园区边界与真实的产业集聚的空间范围可能是不一致的。这一问题在对城市内部高科技产业和服务业的研究时表现的更加明显,一方面金融等现代服务业或电子信息等高科技制造业在空间中高度集聚,可能远小于所在街道的范围;另一方面与制造业不同,地方政府鼓励现代服务业和高技术产业的发展,一般不会限定其空间范围,一个产业集聚区跨多个街道也是常有的情况。因此,本研究首先将依据企业的空间分布识别和确定北京产业集聚区的空间范围,以此作为企业区位选择研究的基础。

产业集聚区识别和界定主要考虑两个要素:识别集聚区的指标以及其阈值。对于集聚区识别指标,本研究借鉴Leslie对美国菲尼克斯进行城市多中心的研究时采用的从业人员密度和企业密度的双指标方法[22]。从业人员密度是集聚区识别通常考虑的指标,因为其能够反映区域经济活动的强度;企业密度这一指标往往受到忽视,但是集聚经济的外部性主要是来源于多家企业之间的前后相联系以及溢出效应等,而不是单一企业的规模效应,因此本研究将企业密度也作为识别指标。就指标阈值来说,尽管Giuliano在其经典的城市次中心研究中依靠经验设定了次中心阈值[23],但是该方法需要研究者对所研究区域十分了解。为了避免主观判断带来的不准确性和随意性等问题,本研究在采用核密度函数对企业和从业人员数量进行空间平滑的基础上,以北京市域企业密度和从业人员密度第95个百分位的值作为集聚区的阈值,即将企业密度和从业人员密度都在前5%的区域作为产业集聚区。

然而,由于服务业企业和制造业企业空间密度的差距十分明显,需要将两大类产业的集聚区域分别进行识别。对服务业企业和制造业企业分别采用核密度函数进行空间平滑后,发现服务业企业的空间密度明显高于制造业企业,服务业企业空间密度最大值在12728.49个/km2,就业密度最大值为8516.57人/km2,而制造业企业这两个值分别为1052.61个/km2和931.35人/km2,两者之间差距十分明显。如果以北京市所有企业的密度分布为依据进行集聚区的划分,必然仅能识别服务业集聚区。

此外,产业集聚区也需要具有一定的规模,因此对集聚区范围进行初步划定之后,剔除面积在0.01 km2以下的服务业集聚区块和面积在0.25 km2以下的制造业集聚区块。同时,对外围一些产业门类相似、空间临近的集聚区进行合并。

最终,在北京市域范围内识别出130个制造业集聚区和包括中心大团在内的72个服务业集聚区(图1)。制造业集聚区总面积达到281.57 km2,总计就业人数为128万人,企业数量为18523个,分别占全市的46.86%和50.71%;而服务业集聚区总面积296.94 km2,包括388942家企业和615万从业人员,分别占企业总数和总就业的74.30%和79.00%。但是由于服务业的中心大团面积和规模过大,几乎包括了所有的服务业类型,作为单一集聚区显然不合理,因此需要对中心大团进一步划分。

图1 服务业和制造业产业集聚区 Fig. 1 Industrial agglomeration areas of service and manufacturing industries

为了对中心大团不同功能的产业集聚区进行识别,首先按500 m×500 m网格单元划分后,得到1135个网格单元,其中企业数量大于100个(接近服务业企业密度第95个百分位的数值393个/km2)的单元格数量是814个;其次,对814个单元格内企业按行业2位码进行分类,依据不同行业的从业人员数量对单元格的功能进行划分提取每个单元格内从业人员超过该单元格总从业人员10%的行业;最后,对比相邻单元格的主要产业功能,将空间相邻产业类型相似的网格单元整合,得到31个的产业集聚区(图2)。其中,企业数量最多且就业规模最大的是CBD集聚区,企业数量和就业人数分别为24052个和479800人,面积最大的是南2环到4环间木樨园到方庄区块,面积为13.26 km2;企业数量、就业规模和面积都是最小的集聚区是位于奥运村附近的集聚区。

图2 服务业中心大团及划分结果 Fig. 2 Core area of service and its divisions

最终,识别出102个服务业集聚区和130个制造业集聚区。整体上,北京市服务业集聚区的企业数量和就业人数远高于制造业集聚区,集聚能力也较强。102个服务业集聚区企业数量和就业人数分别是130个制造业集聚区的21倍和5倍,且服务业集聚区就业密度是制造业的4倍以上;服务业集聚区企业数量和就业人数占服务业的72.66%和77.52%,而制造业则分别为44%和47%(表1)。

表1 北京市产业集聚区基本情况 Tab. 1 Basic situation of industrial agglomeration areas in Beijing

当然,不同区域的服务业集聚区之间差异也很明显。城市中心区域31个集聚区不仅在企业数量和就业人数远高于外围71个集聚区,占服务业的56.37%和66.07%,而且其就业密度是外围集聚区的近1.6倍,企业平均规模也是外围集聚区的近3倍。

制造业在企业规模方面要大于服务业,但制造业集聚区的企业规模要低于制造业整体水平。而对于服务业来说,虽然服务业集聚区的平均企业规模低于服务业整体水平,但是城市中心区域服务业集聚区的企业平均规模还是明显高于服务业整体水平的。这个结果表明,大型制造业企业更倾向于单独布局,不是与其他企业集聚,但中小型制造业企业则更倾向于与其他企业联合布局;而服务业则刚好相反,大型服务业企业则倾向于分布在集聚区内,且服务业集聚区必须有足够的规模。从较大规模企业在空间的分布状况也能得到印证,服务业超过5000人的企业169家,其中155家位于服务业集聚区内,而且142家位于中心大团集聚区;而就业人数大于5000人的制造业企业58家,仅27家位于集聚区内,不足总数的一半。

4 典型行业区位选择对比分析

企业管理服务业和汽车制造业分别是北京服务业和制造业中最突出的行业。北京作为全国政治中心和北方经济中心,大量企业总部落户于此,企业管理成为城市的重要职能之一,其所属的商务服务业2010年从业人员达到77.81万,生产总值达到953.2亿元,在全市的占比分别达到12.03%和6.75%,是从业人员规模最大的行业,也是北京与其他城市相比最具优势的行业[24]。就汽车制造业而言,2010年北京注册的汽车制造企业为379家,尽管交通装备行业企业注册有1484家,但这些企业中包含大量非生产性的企业如汽车维修等企业(1005家),去除此类企业后,北京交通装备制造业企业479家,因此汽车企业占交通装备行业企业总数的近80%。而其交通运输设备制造业2010年实现工业总产值和销售产值分别为2495.6亿元和2476.8亿元,在全市的占比分别达到17.2%和 17.3%,是北京市工业门类中占比最高的行业。因此,商务服务业和汽车制造业的企业区位选择对北京产业区位研究具有较好的代表性。

研究重点关注新成立企业的区位选择,2010年新成立企业管理服务企业575家,由于汽车制造业单个年份新成立企业较少,因此本研究选择自2005-2010年注册的汽车制造企业共133家。就研究的空间范围而言,由于企业管理服务企业主要集中在中心城区,因此区位选择的研究范围是中心大团31个集聚区;而汽车制造业则几乎在130个制造业集聚区中都有分布,因此区位选择的研究范围包括全部制造业集聚区。

4.1 企业区位的影响因素

(1)两类企业区位选择的主要因素。① 多样化的城市化经济和专业化的地方化经济对现代服务业和制造业的影响是本研究关注的重点,希望明确在城市内部微观尺度上两类因素的影响是否与城市等宏观尺度一致,城市化经济和地方化经济分别由各集聚区从业人员的多样化指数和专业化指数表征。② 企业性质对企业区位的影响也受到关注,北京作为政治中心,集聚了大量国有的企业,通过该因素的研究希望明确公有制经济是否会影响企业的区位选择。③ 政策影响也是学者普遍关注的问题,本研究中将服务业集聚区是否为CBD区域作为政策影响表征变量,而将制造业集聚区是否为开发区和是否位于5环外作为表征变量。因此,城市化经济、地方化经济、企业性质以及政策影响成为现代服务业和制造业企业区位选择都关注的四类因素。

(2)两类企业区位选择的特征性因素。① 企业管理服务业企业区位选择的特征性因素是服务业集聚区到城市中心的距离,为了进一步明确北京环路对于区位选择的影响,本研究根据3条环路设置了3个哑变量(表2)。② 汽车制造业的特征性因素为上下游产量联系,根据北京市2010年投入产出表,有色金属冶炼及压延是交通运输设备制造业联系最紧密的行业,因此,将各制造业集聚区内该行业从业人员数量为上下游联系的表征变量(表3)。

表2 企业管理服务业企业区位选址模型解释变量定义及预期影响 Tab. 2 Variable definition and expected impact for location model of management service
表3 汽车制造业企业区位选址模型解释变量定义及预期影响 Tab. 3 Variable definition and expected impact for location model of automobile manufacturing

(3)控制变量。两类企业区位选择都将集聚区面积和交通便捷性作为控制变量,但是交通便捷性表征变量有所差异。对于企业管理服务业来说,交通便捷性表征变量是集聚区内地铁站点数量;对于汽车制造业来说,交通便捷性表征变量是制造业集聚区是否位于京藏、京承、京开等8条对外运输的高速公路以及5环路周边5 km范围内。

4.2 分析结果

4.2.1 企业管理服务业企业区位选择分析结果 在模型1和模型2主要比较地铁站点的影响。模型1结果表明集聚区内地铁站点数量对企业区位选择的影响是显著的。但是,通常来说地铁站点的影响范围有限,研究进一步将影响范围设置为2 km[25],即当集聚区内新成立的企业距离该集聚区地铁站2公里以外时则认为该地铁站点无效,依次构建模型2。结果发现相对于模型1,模型2中地铁影响的显著性大幅提高,这表明地铁站点的影响是有距离限制的,超过一定距离影响力就会明显降低。由于调整后的参数值更加显著,所以后面的4个模型也都采用调整后的值(表4)。

表4 企业管理服务企业区位条件Logit模型估计结果 Tab. 4 The results of conditional logit mode for management service firms

模型2的结果表明尽管多样化指数对于企业管理服务企业的空间分布没有显著影响,但是专业化指数呈现负向的影响,与此同时区域总从业人员规模有显著影响但企业管理服务业从业人数的影响则不显著,因此整体上城市化经济对于企业管理服务企业空间分布有正向的影响。企业性质对区位选择的影响也符合预期,国有企业更倾向于在城市中心区分布。政策因素即CBD对于企业区位也有正向影响。城市中心对于服务业空间布局的影响也很显著,结果表明3环外的区域对于企业管理服务企业是负向的影响,企业不倾向于在3环外分布,当然与2环内相比,企业更倾向于在2~3环的区域分布。从三个控制变量来看,地铁站数量对企业区位有显著影响,但是集聚区面积的影响则不显著。

模型3和模型4在保持其他变量不变的情况下,分别关注城市化经济和地方化经济对于企业管理服务企业空间分布的影响。结果表明当不考虑地方化经济带来的外部性的情况下,集聚区服务业从业人员规模增加10%的时候,企业选择该集聚区的平均概率弹性将增加6.82%;当不考虑城市化经济的外部性情况下,集聚区专业化程度每增加10%,企业选择该集聚区的平均概率弹性将降低3.01%。

模型5和模型6分别放弃对企业性质和城市中心两个方面的影响,集聚区控制变量的符号与模型2相同,且显著性依然较高,但是对于城市化经济和地方化经济的影响则有一定差异。企业性质对于地方化经济和城市化经济影响较小,但是如果不控制城市中心这个因素,集聚区的从业人员总体规模和专业化程度对于企业空间分布影响的显著性就会明显降低。这表明城市中心对于服务业企业空间分布有重要影响。

总体来说,城市化经济更有利于商务服务等服务业的发展。城市中心对对于服务业有很强的吸引力,尤其是国有企业。此外,交通便利和政策等都对服务业的空间分布具有显著影响,但对集聚区面积则没有明显的影响。

4.2.2 汽车制造业企业区位选择分析结果 在模型1中,集聚区的汽车制造业从业人员数量以及有色金属冶炼及压延从业人员数量两个变量的显著性最高,表明汽车制造企业的布局主要是受到上下游产业链及专业化人才市场的吸引,集聚区的汽车制造和有色金属两个行业从业人员每增加10%,可以使企业选择该集聚区的平均弹性系数分别增加2.78%和1.49%。集聚区的多样化指数对于交通装备制造企业也有较为显著的影响,但是尽管专业化劳动力市场规模影响显著,专业化程度却没有显著影响,表明企业希望布局到专业化人才较多的区域,但这些区域是否以汽车制造为主并不重要。此外,企业性质对于企业的空间分布有较为显著的影响,国有企业在5环内布局的概率较大(表5)。

表5 汽车制造企业区位条件Logit模型估计结果 Tab. 5 The results of conditional logit mode for automobile manufacturing firms

在模型2中,进一步分析城市化经济对于汽车制造业的影响,在不考虑交通装备专业人才市场的情况下,城市化经济对于汽车制造业企业空间分布的影响更为显著,原因可能是北京较为突出的总体设计和装配能力,在顺义(北京现代、北京汽车)、亦庄(北京奔驰)、昌平(福田汽车)、怀柔(福田戴姆勒)、房山(长安汽车)五个汽车制造集中的区域,几乎都是有总装厂。此外,有色金属行业的从业人员数量依然具有显著影响。

在模型3中,在不考虑城市化经济影响的情况下,专业化劳动力市场及上下游产业链依然具有显著影响,但专业化程度的影响仍然不显著。此外,政策因素开始表现出较为显著的影响,开发区对于企业空间选择有着明显的正向影响,而5环内的区域表现出负向的影响;同时表征交通便捷性的高速公路对于企业的空间分布也有显著正向影响。

在模型4、模型5和模型6中,依次放松对上下游产业链影响、政策因素影响和企业性质影响的控制,多样化指数和专业化人才市场依然有较为显著的影响。当不控制上下游产业链因素的情况下,退二进三等产业政策有一定影响,但开发区则没有显著影响。

总体来说对于交通装备制造业企业影响最大的因素是上下游产业链,其次是专业化劳动力市场规模和城市化经济。当不控制城市化经济的影响时,开发区和退二进三等产业政策等表现出较为显著的影响。通常来说,交通便捷性对于制造业的发展有明显影响,但北京8条主要的对外联系通道对于交通装备制造企业的分布影响并不明显,可能是由于北京以汽车为主的交通装备制造业主要为北京本地服务,且集聚区内配套完善,因此对外部市场以及零部件供应依赖程度较低。

4.3 两个典型行业影响因素对比分析

首先,对企业管理行业区位选择影响最大的因素是城市中心区的向心力、交通的便利程度以及政策的引导,而对于制造业来说,影响最大的因素则是上下游产业链的联系以及专业化的人才市场规模。从2010年北京市投入产出表来看,与商务服务业投入产出联系最强的是其本身,但是实证分析结果表明该行业的从业人员数量对于企业布局没有显著影响;而与交通装备制造业企业联系紧密的有色金属加工业,其从业人数则对汽车制造业区位则有显著影响。这样的差异表明服务业企业更关注区域整体的发展氛围和基础设施配套,而制造业企业更注重相关产业配套。

第二,尽管已有的研究表明城市化经济和地方化经济对服务业和制造业的发展有明显差异[26,27],但是就本研究结果来看,多样化的城市化经济对于商务服务等现代服务业和汽车等制造业都是有利的,而地方化经济影响则是负向或不显著。就企业管理服务业来看,尽管多样化的产业环境对于高端服务业的影响并不显著,但是专业化程度对于高端服务业是显著负向影响,且集聚区从业总体规模对于企业有较为明显的正向影响,而专业化的人才市场规模则仅在不考虑人才市场总体规模时才有显著影响,因此城市化经济对于服务业的影响较为明显。就汽车制造业而言,专业化劳动力市场规模有正向影响,但专业化经济的影响则不显著,相反多样化的城市化经济却有正向影响,考虑到汽车行业涉及行业较多且上下游配套产业影响大,可能表明城市化经济对汽车制造业正向影响更多是由于其多种类型的配套产业导致的,这与现代服务业对多样化发展环境的需求有本质区别。

第三,尽管已有的研究表明制造业受到开发区以及退二进三等政策的影响较大[9,28,29],但是本研究结果表明与重点发展的制造业相比,重点发展的服务业受到政府政策的影响更为明显。一方面,汽车等先进制造业技术含量高、对环境影响小,成为北京外围区县竞相发展的行业,使得产业在空间上较为分散,并不一定集中在大型产业园区,因此受园区等政策因素的影响较小;另一方面,企业管理等高端服务业来说,企业对于公共交通、多样化的商业氛围和劳动力市场等要求较高,政府通过地铁等基础设施的布局,对现代服务业企业区位选择产生重要影响。加之,各区县政府靠自身难以满足这些条件,因此使得高端服务业受到政策的影响更为显著。

最后,服务业和制造业均受到企业性质的影响,国有企业相对于其他企业来说更倾向于在距离城市中心较近的地方分布。此外,两类产业都几乎不受集聚区面积这一因素的影响,表明由于北京的产业升级向高端化发展,重点发展高端服务业和先进制造业对于土地资源的依赖程度较低,已经一定程度上摆脱了的粗放发展模式。

5 结论

以2010年北京微观企业数据为基础,采用核密度空间平滑等方法识别并明确了服务业和制造业产业集聚区,在此基础上对以企业管理和汽车制造业所代表的现代服务业和制造业在城市微观尺度区位选择进行对比分析,结果表明:

(1)北京形成了102个服务业集聚区和130个制造业集聚区,两类集聚区企业数量在全市的占比分别达到72.66%和44%。进一步对集聚区企业规模分析,发现北京是大型服务业企业倾向于布局在大型集聚区内,而大型制造业企业则更倾向于在集聚区外单独布局,总体上北京服务业集聚区对大型企业有较强吸引力,而制造业集聚区则多以中小企业为主。

(2)以企业管理为代表的现代服务业企业更倾向于多样化发展环境和大规模的劳动力市场,而以汽车制造为代表的制造业企业尽管也受到多样化的城市化经济的影响。这是主要是由于汽车产业相关配套产业类型较多,本质上制造业更多受到上下游产业链和专业化劳动力市场的影响。尽管无论区域等宏观尺度还是城市内部微观尺度下,多样化的城市化经济都有助于现代服务业发展,而制造业更看重上下游产业配套,但是在微观尺度下,过度多样化和过度专业化都不利于现代服务业发展,而制造业集聚区的专业化程度本身对企业区位没有显著影响,重点是专业化劳动力市场规模是否足够大,即影响企业区位选择的是专业劳动力的数量而不是其在整个劳动力市场的占比。

(3)与通常认为制造业受政策影响较大不同,本研究结果表明现代服务业受政策的影响比制造业更大,政府通过地铁的公共设施等影响现代服务业分布。需要强调的是,尽管地铁对于现代服务业区位选择有显著影响,但是当超过一定范围(如2 km)时影响会显著降低。此外,企业性质对两类企业的布局都有显著影响,而集聚区面积则没有显著影响。同时,对外运输通道对北京汽车制造业布局也没有显著影响。

The authors have declared that no competing interests exist.

Reference
[1] Duranton G, Puga D.Nursery cities: Urban diversity, process innovation, and the life cycle of products. American Economic Review, 2001, 91(5): 1454-1477.
This paper develops microfoundations for the role that diversified cities play in fostering innovation. A simple model of process innovation is proposed, where firms learn about their ideal production process by making prototypes. We build around this a dynamic general-equilibrium model, and derive conditions under which diversified and specialized cities coexist. New products are developed in diversified cities, trying processes borrowed from different activities. On finding their ideal process, firms switch to mass production and relocate to specialized cities where production costs are lower. We find strong evidence of this pattern in establishment relocations across French employment areas 1993-1996.
DOI:10.1257/aer.91.5.1454      [本文引用:1]
[2] 赵浚竹, 孙铁山, 李国平. 中国汽车制造业集聚与企业区位选择. 地理学报, 2014, 69(6): 850-862.
本文利用2001-2009年《中国工业企业数据库》中汽车制造业企业有关数据,对近10年来中国汽车制造业的空间布局进行描述,利用地理集中度指数和EG指数对产业集聚水平进行测算和分析后,发现中国汽车制造业的空间集聚水平呈现不断下降的趋势,零部件及配件制造业的集聚水平对汽车制造业具有决定性和先导性影响。针对零部件及配件制造业的特点,构建了基于地级以上城市为空间单元的新建企业区位选择模型,进行估计后发现:①中国不存在类似欧美日等国家整车和零部件企业邻近的空间集中集聚现象;②零部件制造业的劳动密集型特点显著,不利于产业生产率和专业化水平提高;③在不考虑集聚经济的条件下,市场规模和地方保护对新建企业的区位选择影响非常显著。在这些原因的共同作用下,使得中国汽车制造业的专业化水平和空间集聚程度越来越低。
DOI:10.11821/dlxb201406011      [本文引用:1]
[Zhao Junzhu, Sun Tieshan, Li Guoping, Agglomeration and firm location choice of China's automobile manufacturing industry. Acta Geographica Sinica, 2014, 69(6): 850-862.]
[3] 陈松林, 陈进栋, 韦素琼. 福建省综合交通可达性格局及其与制造业空间分布的关系分析. 地理科学, 2012, 32(7): 807-815.
以福建省为研究区域,县(市)为研究单元,采用加权平均旅行时间指标,分析公路(区内与区外联系)、铁路、港口、航空等交通方式及区域综合交通网络的可达性空间格局,探讨各交通网络空间分布的均衡性。选取制造业中的28个行业,从资源集约度角度将其分为资源密集型制造业、劳动密集型制造业、资本密集型制造业,利用平均集中率测量产业集聚度。引入要素禀赋条件、外部性、规模经济、制度政策4个方面13个变量对福建制造业空间分布影响因素进行回归分析。结果表明:福建省路网可达性由沿海中部向四周降低,其中公路区内可达性呈明显的圈层结构,区外可达性为“井”字形分布,铁路、港口和机场形成以福州、厦门—泉州为可达性高值区的马鞍状格局,综合交通网络可达性呈带状分布。不同类型的制造业在空间分布格局上呈现不同的特征,制造业平均集中率高值区呈环状分布,而制造业集中率低值区呈点状分布,与交通可达性的“凹陷区”重合。可达性与制造业空间集聚呈现很强的相关性,并且与不同类型制造业空间集聚相关程度有所差异,与资源密集型制造业空间集聚相关性相对较低。此外,农业丰裕度、自然资源禀赋、知识溢出效应、相对企业规模等其他变量对制造业空间分布也有显著影响。
[本文引用:1]
[Chen Songlin, Chen Jindong, Wei Suqiong.The integrated transportation accessibility in Fujian province and its correlation with the spatial distribution of manufacturing. Scientia Geographica Sinica, 2012, 32(7): 807-815.]
[4] Ellison G, Glaeser E L, Kerr W R.What causes industry agglomeration? Evidence from coagglomeration patterns. American Economic Review, 2010, 100(3): 1195-1213.
Why do firms cluster near one another? We test Marshall's theories of industrial agglomeration by examining which industries locate near one another, or coagglomerate. We construct pairwise coagglomeration indices for US manufacturing industries from the Economic Census. We then relate coagglomeration levels to the degree to which industry pairs share goods, labor, or ideas. To reduce reverse causality, where collocation drives input-output linkages or hiring patterns, we use data from UK industries and from US areas where the two industries are not collocated. All three of Marshall's theories of agglomeration are supported, with input-output linkages particularly important.
DOI:10.2139/ssrn.980966      [本文引用:1]
[5] 陈建军, 崔春梅, 陈菁菁. 集聚经济、空间连续性与企业区位选择: 基于中国265个设区城市数据的实证研究. 管理世界, 2011, (6): 63-75.
本文基于新经济地理学理论构建分析框架,通过采集2008年全国265个设区城市的二位数制造业产业部门数据研究了集聚经济对企业区位选择的影响,通过模型检验和机理分析表明:集聚经济对企业区位选择的影响具有明显的产业特征,资本、技术密集型产业部门的区位选择更多地收敛于城市化集聚,而传统的劳动密集型产业则更偏好于地方化集聚。同时对集聚经济的空间连续性效应的探索性研究发现,一些产业部门的集聚具有空间蔓延特性,毗邻城市的人口规模和就业水平会对集聚区域空间走向产生影响。上述结论为区域产业发展的战略研究和规划提供了重要的启示意义。
[本文引用:1]
[Chen Jianjun, Cui Chunmei, Chenqingqing. Agglomeration economy, spatial continuity and enterprise location selection. Management World, 2011, (6): 63-75.]
[6] 刘作丽, 贺灿飞. 集聚经济、制度约束与汽车产业跨国公司在华功能区位. 地理研究, 2011, 30(9): 1606-1620.
基于全球500强在华投资数据,研究了汽车产业跨国公司在华功能区位。随着汽车产业跨国公司在华功能不断拓展,不同功能的空间分离已非常明显;服务功能主要集中在北京、上海,而生产功能则对上海、天津、重庆、广州等城市具有更强的偏好。条件逻辑模型的研究结果表明,集聚经济和制度约束是影响汽车产业跨国公司在华不同功能区位选择的重要因素。总体而言,生产功能区位选择的被动式嵌入特征明显,其在受制度约束的同时十分关注部门集聚效益,地方化经济对其具有很强的解释力,城市化经济也在一定程度上发挥作用;而服务功能区位选择则十分关注功能集聚和城市化经济,靠近政策源头布局也是其区位抉择的重要参考依据。
DOI:10.11821/yj2011090006      [本文引用:1]
[Liu Zuoli, He Canfei.Agglomeration, institutions and the functional location of auto TNCs in China. Geographical Research, 2011, 30(9): 1606-1620.]
[7] 王铮, 毛可晶, 刘筱, . 高技术产业聚集区形成的区位因子分析. 地理学报, 2005, 60(4): 567-576.
In this paper, the concepts of agglomeration and cluster are discussed firstly, which shows that the forming of high-tech industrial agglomeration depends on industrial cluster. Based on such a cognition, the location factors that affect the distribution of industrial agglomeration are analyzed in detail. Then these factors are quantified and the model is set up, which validate these factors' influence on high-tech industrial agglomeration. The results indicate that: (1) Agglomeration is the spatial centralization of industry, capital and population. And the location factors that can cause industrial agglomeration are: knowledge spillover environment, human capital conglomeration, climate environment, commercial and trade circumstance, traffic condition and supply chain environment. (2) Among the six location factors, knowledge spillover environment, human capital conglomeration and climate environment are the decisive factors that form high-tech industry.
DOI:10.3321/j.issn:0375-5444.2005.04.005      [本文引用:1]
[Wang Zheng, Mao Kejing, Liu Xiao, et al.An analysis for location factors that cause industrial agglomeration. Acta Geographica Sinica, 2005, 60(4): 567-576.]
[8] 武晓霞, 梁琦. 集聚经济的空间演变及产业结构升级效应: 基于长三角服务业的分析. 南京审计学院学报, 2014, 11(5): 14-22.
以2002年至2012年长三角16个城市的服务业为例分析了集聚经济的空间演变及产业结构升级效应。基于散点图研究发现长三角服务业集聚经济存在空间相关性;基于条件散点图研究发现集聚经济对产业结构升级的影响存在区域差异,其中地方化经济的区域差异较小,城市化经济的区域差异较大;基于静态面板回归分析发现地方化经济对产业结构升级的影响显著为正,而城市化经济对产业结构升级的影响则显著为负;基于动态面板回归分析发现地方化经济对产业结构升级的长期影响依然为正,但有所减弱,而城市化经济对产业结构升级的长期影响为负。
DOI:10.3969/j.issn.1672-8750.2014.05.002      [本文引用:1]
[Wu Xiaoxia, Liang Qi.The spatial evolution of agglomeration economy and its effect on industrial structure upgrading: Based on the service industry of Yangtze River Delta. Journal of Nanjing Audit University, 2014, 11(5): 14-22.]
[9] 刘颖, 郭琪, 贺灿飞. 城市区位条件与企业区位动态研究. 地理研究, 2016, 35(7): 1301-1313.
[本文引用:2]
[Liu Ying, Guo Qi, He Canfei.Urban characteristics and firms' location selection. Geographical Research, 2016, 35(7): 1301-1313.]
[10] Huang H, Wei Y D.Intra-metropolitan location of foreign direct investment in Wuhan, China: Institution, urban structure, and accessibility. Applied Geography, 2014, 47: 78-88.
61Foreign Direct Investment (FDI) in Wuhan has become concentrated on the Wuhan Economic and Technological Development Zone.61FDI location in Wuhan is a result of interaction among institution, urban structure, and accessibility.61National development zones have the most significant positive impacts on the FDI location within Wuhan.61Easy access to major roads and the central business districts (CBDs) has positive impacts on the FDI location.61The importance of urban spatial structure is identified by the significance of the traditional auto industrial base, Hanyang.
DOI:10.1016/j.apgeog.2013.11.012      [本文引用:1]
[11] 李国旗, 金凤君, 陈娱, . 基于POI的北京物流业区位特征与分异机制. 地理学报, 2017, 72(6): 1091-1103.
[本文引用:1]
[Li Guoqi, Jin Fengjun, Chen Yu, et al.Location characteristics and differentiation mechanism of logistics industry based on points of interest: A case study of Beijing. Acta Geographica Sinica, 2017, 72(6): 1091-1103.]
[12] 谢敏, 赵红岩, 朱娜娜, . 宁波市软件产业空间格局演化及其区位选择. 经济地理, 2017, 37(4): 127-134.
基于宁波市2006、2010、2014年软件企业数据,以街道为研究的空间单元,探讨了宁波市软件企业空间分布及其演化特征.进一步,采用负二项回归模型,验证影响宁波软件企业空间分布及区位选择的影响因素,并比较其对基础软件企业、应用软件企业及其他软件企业的影响差异.结果发现:截至2014年,宁波市软件企业的区位选择表现出“两心·一带”的空间分布格局,但产业集聚中心位置从中心城区向郊区转移,2006年之前宁波软件企业主要集聚在市中心海曙区的江厦街道和南门街道,之后以鄞州区的梅墟街道和首南街道为集聚中心,呈现典型的郊区化集聚格局.区位通达性、集聚要素、政府政策对软件企业的区位选择具有显著影响,应用软件企业受区位通达性、办公楼条件及产业基础的影响明显大于基础软件企业和其他软件企业,而基础软件企业和其他软件企业对软件园区和现代服务业集聚区等政府政策则更为敏感.
DOI:10.15957/j.cnki.jjdl.2017.04.016      [本文引用:1]
[Xie Min, Zhao Hongyan, Zhu Nana, et al.Spatial pattern evolution and location selection of software industry in Ningbo. Economic Geography, 2017, 37(4): 127-134.]
[13] 李佳洺, 张文忠, 李业锦, . 基于微观企业数据的产业空间集聚特征分析: 以杭州市区为例. 地理研究, 2016, 35(1): 95-107.
与基于面状地理数据的研究不同,以微观企业点数据为基础,采用基于距离的产业集聚的研究方法,最终完成一个完整的从企业地址信息处理,到大量企业之间距离运算和处理,再到集聚参照设定,最后进行产业空间集聚分析的研究过程。以杭州市2013年工商登记数据为基础,通过对不同类型产业的研究,认为生产性服务业和高科技制造业集聚趋势较为明显,而传统的零售业和制造业在城市空间上没有形成集聚。进一步分析企业规模对空间集聚趋势的影响表明,金融服务和商务服务业的集聚由较小规模企业主导,零售业的集聚由较大规模企业主导,信息服务业的集聚由中等规模企业主导,制造业的集聚整体上由中小规模企业主导。
DOI:10.11821/dlyj201601009      [本文引用:1]
[Li Jiaming, Zhang Wenzhong, Li Yejin, et al.The characteristics of industrial agglomeration based on micro-geographic data. Geographical Research, 2016, 35(1): 95-107.]
[14] 张景秋, 陈叶龙. 北京城市办公空间的行业分布及集聚特征. 地理学报, 2011, 66(10): 1299-1308.
[本文引用:1]
[Zhang Jingqiu, Chen Yelong.Industrial distribution and clusters of urban office space in Beijing. Acta Geographica Sinica, 2011, 66(10): 1299-1308.]
[15] Silverman B W.Density Estimation for Statistics and Data Analysis. CRC Press, 1986.
Financial engineers have access to enormous quantities of data but need powerful methods for extracting quantitative information, particularly about volatility and risks. Key features of this textbook are: illustration of concepts with financial markets and economic data, R Labs with real-data exercises, and integration of graphical and analytic methods for modeling and diagnosing modeling errors. Despite some overlap with the author's undergraduate textbook Statistics and Finance: An Introduction , this book differs from that earlier volume in several important aspects: it is graduate-level; computations and graphics are done in R; and many advanced topics are covered, for example, multivariate distributions, copulas, Bayesian computations, VaR and expected shortfall, and cointegration. The prerequisites are basic statistics and probability, matrices and linear algebra, and calculus. Some exposure to finance is helpful.
DOI:10.1080/00401706.1987.10488295      [本文引用:1]
[16] Carlton D W.Why new firms locate where they do: An econometric model. Joint Center for Urban Studies of MIT and Harvard University, 1979.
[本文引用:1]
[17] Head C K, Ries J C, Swenson D L.Attracting foreign manufacturing: Investment promotion and agglomeration. Regional Science and Urban Economics, 1999, 29(2): 197-218.
No abstract is available for this item.
DOI:10.1016/S0166-0462(98)00029-5      [本文引用:1]
[18] 余珮, 孙永平. 集聚效应对跨国公司在华区位选择的影响. 经济研究, 2011, (1): 71-82.
本文以跨国公司区位选择微观理论为基础,利用条件Logit模型,对2007年《财富》世界500强中,1995年到2007年期间,457家美国子公司和537家欧洲子公司在华个体区位选择决定因素进行了实证分析。分析结果表明,集聚效应是样本公司区位选择的重要决定因素,在华投资的欧美制造业公司普遍采用"集聚"这一战略,其子公司大量集聚在东部地区,盲目吸收外资来缩小东—西部经济发展不平衡的政策并不合适,尤其是中部地区。因此,在文章末,本文对中国政府应该如何减小区域经济发展不平衡和合理引用外资提出了建议。
[本文引用:1]
[Yu Pei, Sun Yongping.The impacts of agglomeration on MNE's location choice in China. Economic Research Journal, 2011, (1): 71-82.]
[19] 黄娉婷, 张晓平. 京津冀都市圈汽车产业空间布局演化研究. 地理研究, 2014, 33(1): 83-95.
产业的集聚与扩散所形成的产业结构变迁,带动城市空间发生重构。随着产业不断发展成熟,生产片段化的趋势日益显著,对地区产业链的研究有助于寻求区域空间结构优化的途径。本文基于企业层面的数据,刻画京津冀都市圈汽车制造业企业的空间分布格局,考察汽车企业在都市圈范围内集聚与扩散特点,探讨汽车产业链不同环节的地域特征差异,并分析影响微观企业空间布局的驱动力量。研究结果表明,1996年京津冀都市圈汽车产业集聚程度较低,2001年出现少数集聚中心主导的向心集聚,2010年核心城市与多个新兴集聚点共存;北京的城市功能拓展区和城市发展新区(朝阳、通州、大兴等)、天津市环城4 区(西青、东丽等)以及河北的沧州、廊坊是汽车零部件和配件企业的主要集聚区,而汽车修理企业则倾向于在北京的城市功能拓展区(丰台、朝阳)、天津市内六区和滨海新区以及河北的唐山和石家庄布局。基于条件logit模型的定量研究,验证了市场条件、集聚经济和政策引导等因素是影响京津冀都市圈汽车企业布局的主要因素。
DOI:10.11821/dlyj201401008      [本文引用:1]
[Huang Pingting, Zhang Xiaoping.Spatial evolution of automobile industry in Beijing-Tianjin-Hebei Metropolitan Region. Geographical Research, 2014, 33(1): 83-95.]
[20] Cheng S, Stough R R.Location decisions of Japanese new manufacturing plants in China: A discrete-choice analysis. The Annals of Regional Science, 2006, 40(2): 369-387.
This paper adopts a conditional logit model to empirically examine the location choices of Japanese greenfield manufacturing foreign direct investment among Chinese provinces. It is hypothesized that its location decisions in China would be determined by the provinces’ market sizes, infrastructure capacities, labor, land, and energy costs, agglomeration effects, labor quality, and policy incentives. A Hausman–McFadden test is conducted to test whether the independence from irrelevant alternatives assumption of the conditional logit model is violated.
DOI:10.1007/s00168-005-0052-4      [本文引用:1]
[21] 谷一桢, 郑思齐, 曹洋. 北京市就业中心的识别: 实证方法及应用. 城市发展研究, 2009, 16(9): 118-124.
[本文引用:1]
[Gu Yizhen, Zheng Siqi, Cao Yang.The identification of employment centers in Beijing. Urban Development Studies, 2009, 16(9): 118-124.]
[22] Leslie T F.Identification and differentiation of urban centers in Phoenix through a multi-criteria kernel-density approach. International Regional Science Review, 2010, 33(2): 205-235.
DOI:10.1177/0160017610365538      [本文引用:1]
[23] Giuliano G K, Small A.Subcenters in the Los Angeles region. Regional Science and Urban Economics, 1990, 21(2): 163-182.
We investigate employment subcenters in the Los Angeles region using 1980 Census journey-to-work data. A simple subcenter definition is used, based solely on gross employment density and total employment. We find a surprising dominance of downtown Los Angeles and three large subcenters with which it forms a nearly contiguous corridor. Two-thirds of the region's employment, however, is outside any of the 32 centers we identify. Most centers have high population densities in and near them, and their workers' commutes are just 2.4 miles longer than other workers' commutes. A cluster analysis of employment by industry reveals several distinct types of centers, and a wide dispersion of sizes and locations within each type.
DOI:10.1016/0166-0462(91)90032-I      [本文引用:1]
[24] 李佳洺, 孙铁山, 张文忠. 中国生产性服务业空间集聚特征与模式研究: 基于地级市的实证分析. 地理科学, 2014, 34(4): 385-393.
<p>2000 年以后,中国生产性服务业高速发展,产业格局逐渐形成。利用2000 年、2005 年和2010 年3 个年份地级市行业从业人员的数据,通过区位基尼系数和空间自相关性分析,发现中国生产性服务业在地理空间中整体呈现点状集中的模式,进而对不同行业的集聚特点进行比较分析,认为信息服务业和商务服务业是首位城市集聚模式,科研技术服务业和房地产业是位序规模分布的模式,金融业则是均衡分布的模式。最后,结合主要城市行业的相对优势度分析,得出随着从业人员的增加,承担的生产性服务功能更加综合,符合中心地理论的特点,在省域和城市群内各城市具有较好的职能分工和互补性。</p>
[本文引用:1]
[Li Jiaming, Sun Tieshan, Zhang Wenzhong.Spatial cluster characteristics and modes of producer services in China. Scientia Geographica Sinica, 2014, 34(4): 385-393.]
[25] 李佳洺. 基于微观数据的北京产业集聚特征研究. 北京: 中国科学院大学, 2015.
城市内部产业空间集聚和空间格局问题一直作为经济地理、城市地理以及城市经济学等研究的重点问题。北京作为我国的首都,受到市场经济和政策体制的双重影响,是典型的具有中国特色的国际化大都市,其产业空间的特征十分具有代表性。更重要的是,在京津冀区域协调发展背景下,产业空间的集聚和扩散、非核心功能的疏解、产业转移等问题解决需要建立在科学基础上。因此,研究北京产业空间的集聚等具有重要的现实意义。  由于数据的可得性,目前关于城市内部产业空间的研究,多数是以行政区划为基础,但是行政区划的范围与经济空间往往并不一致,而且行政单元...
[本文引用:1]
[Li Jiaming.The characteristics of industrial spatial agglomeration based on micro-geographic data in Beijing. Beijing: University of Chinese Academy of Sciences, 2015.]
[26] Maurel F, Sédillot B.A measure of the geographic concentration in french manufacturing industries. Regional Science & Urban Economics, 1999, 29(5): 575-604.
The purpose of this paper is to offer an empirical investigation of the geographic concentration of French industries. The index of concentration is derived from a location model in the line of Ellison and Glaeser (1994, 1997) and can be interpreted as the correlation between the location decisions of two business units in the same industry. Along with extractive and traditional industries, some high technology industries are highly localized, which supports the view that technological spillovers may be important. Besides, the identification of the most and least localized industries reveals similar patterns in France and in the U.S.
DOI:10.1016/S0166-0462(99)00020-4      [本文引用:1]
[27] Frank Moulaert, Camal Gallouj.The locational geography of advanced producer service firms: The limits of economies of agglomeration. Service Industries Journal, 1993, 13(2): 91-106.
To maintain its relevance for the analysis of economic ex-yuternalities and internalities rendered by locational behaviour andyspatial organisation of firms, the concept of ‘economies ofyagglomeration’ must be amended in two ways. First, its socio-ycultural content must be recognised. Second, the interaction be-ytween agglomerations and other spatial forms, in particulary'global networks of agglomerations', must be taken into account.yIf these two conditions are met, it becomes possible to disconnectyeconomies which are traditionally attributed to agglomeration asya spatial form, from this spatial form and to revisit the signifi-ycance of urbanisation economies for the location and spatialyorganisation of knowledge-based industries like advanced pro-yducer services. The relevance of reconsidering ‘agglomerations inytheir global networks' for the analysis of the economic geographyyof such services is illustrated for information technology con-ysultancy and executive search and selection consultancy firms.
DOI:10.1080/02642069300000032      [本文引用:1]
[28] Wu F.Intrametropolitan FDI firm location in Guangzhou, China. The Annals of Regional Science, 1999, 33: 535-555.
DOI:10.1007/s001680050120      [本文引用:1]
[29] 郑国, 周一星. 北京经济技术开发区对北京郊区化的影响研究. 城市规划学刊, 2005, (6): 27-30, 47.
对我国郊区化的已有研究基本上 都局限在对人口和工业的离心扩散进行总体分析,而在城市各个功能区时郊区化的影响方面尚未涉足。利用实际调查和深度访谈的资料,分析了北京经济技术开发区 对北京郊区化的影响内容和影响机理。研究结果表明:经济技术开发区由于位于远郊的区位务件和良好的产业发展前景、良好的居住环境等城市一般郊区所不具有的 条件,已经成为我国城市郊区化的重要载体,吸引了区位竞争力较强的郊区化企业和居民,促进了城市的远域郊区化和郊区化的空间分异。因此,在郊区化背景下, 应将经济技术开发区的发展纳入到城市总体规划中,促进其与城市的整合发展 同时还应充分关注和研究我国郊区化的空间分异现象。
DOI:10.3969/j.issn.1000-3363.2005.06.006      [本文引用:1]
[Zheng Guo, Zhou Yixing. Research on the effect of Beijing Economic and Technologic Development Area to Beijing suburbanization, 2005, (6): 27-30, 47.]
版权所有 © 《地理研究》编辑部
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn