EN中文

地理研究 >

2019 , Vol. 38 >Issue 5: 1236 - 1252

DOI: https://doi.org/10.11821/dlyj020170859

研究论文

长三角制造业企业空间分布特征及其影响机制研究：尺度效应与动态演进

  • 徐维祥 ,
  • 张筱娟 ,
  • 刘程军
展开
  • 浙江工业大学经贸管理学院,杭州 310023
通讯作者：张筱娟（1991-）,女,湖南邵阳人,博士研究生,主要从事产业经济与区域创新研究。 E-mail：

作者简介：徐维祥（1963-）,男,浙江东阳人,教授,博士生导师,主要从事产业经济与空间计量研究。 E-mail：

收稿日期: 2017-08-25

  要求修回日期: 2019-03-28

  网络出版日期: 2019-05-13

基金资助

国家自然科学基金项目（71774145、71276824）

收起

Spatial distribution pattern and influencing factors of manufacturing enterprises in Yangtze River Delta: Scale effects and dynamic evolution

  • XU Weixiang ,
  • ZHANG Xiaojuan ,
  • LIU Chengjun
Expand
  • College of Economic and Management, Zhejiang University of Technology, Hangzhou 310023, China

Received date: 2017-08-25

  Request revised date: 2019-03-28

  Online published: 2019-05-13

Copyright

《地理研究》编辑部
Fold

摘要

基于2005年、2013年长三角制造业企业微观数据,综合运用最近邻指数、Ripley’s K函数、空间热点聚类等分析方法,探究长三角制造业企业空间布局、集聚尺度及热点分布区域等空间点格局特征,并采用负二项回归模型对不同尺度下长三角制造业企业区位选择的影响机制进行了甄别,研究发现：长三角地区制造业企业空间分布不均衡,制造业企业总体和行业分样本均呈现出显著的空间集聚特性,空间集聚态势随地理距离的变化先增强后减弱,具有尺度效应。制造业企业的热点区域主要分布于由南京、苏州、无锡、常州、上海、杭州、绍兴及宁波为连接节点的 “Z”字型发展轴线上。长三角制造业郊区化现象较为普遍,绝大部分地市的制造业企业主要集聚在远郊。制造业企业区位选择影响机制存在尺度差异,产业结构和融资环境的作用在不同尺度下均具备稳健性,其中产业结构为影响制造业企业区位选择的主导因素,其作用强度远大于其他影响因子。区（县、市）样本中用工成本对制造业企业区位选择的影响显著提升。

关键词： 制造业企业; 区位选择; 尺度效应; 动态演进

本文引用格式

徐维祥 , 张筱娟 , 刘程军 . 长三角制造业企业空间分布特征及其影响机制研究：尺度效应与动态演进[J]. 地理研究, 2019 , 38(5) : 1236 -1252 . DOI: 10.11821/dlyj020170859

Abstract

With the assistance of micro data of manufacturing enterprises in the Yangtze River Delta in 2005 and 2013, this article combined the methods of the nearest neighbor index, Ripley’s K function and space hot clustering analysis to explore the spatial point pattern characteristics of manufacturing enterprises in this region, i.e., space distribution, agglomeration scale and hot spot areas. And then we used the negative binomial regression model to identify the influencing factors of location choice for manufacturing enterprises in the Yangtze River Delta in different spatial scales. The results are obtained as follows. Firstly, the spatial distribution of manufacturing enterprises in the study area is extremely uneven, and manufacturing enterprises overall are significantly space clustering, which applies to the labor-intensive manufacturing enterprises, capital intensive manufacturing enterprises, technology-intensive manufacturing enterprises and resource-intensive manufacturing enterprises. Besides, space agglomeration of manufacturing enterprises has scale effects, the degree of space agglomeration first enhanced and then weakened with the change of geographical distance. Hot spot areas of manufacturing enterprises are mainly distributed on the development axis shaped as a “Z”, which is connected by the nodes of Nanjing, Suzhou, Wuxi, Changzhou, Shanghai, Hangzhou, Shaoxing and Ningbo. In addition, the suburbanization trend of manufacturing enterprises in Yangtze River Delta is fairly common, and for most cities, the manufacturing enterprises mainly cluster in the outer suburbs. Lastly, it is indicated that the effects of influencing factors on the location choice for manufacturing enterprises vary in different spatial scales, among all the influencing factors, the effect of industrial structure and financial environment is positive and stable in both city samples and county samples, while the industrial structure is dominant among the factors influencing the location choice for manufacturing enterprises, which has greater effects than other factors. For the county samples, the effect of wage on the location choice for manufacturing enterprises is obviously enhanced.

Key words： manufacturing enterprises; location choice; scale effects; dynamic evolution

1 引言

改革开放30多年来,长三角迅速崛起成为中国第一大经济区、综合实力最强的经济中心。长三角地区不仅是中国经济增长的重要引擎,同时也是全球重要的先进制造业基地。2015年,长三角两省一市（江、浙、沪）规模以上工业企业总资产和主营业务收入分别达到210995.39亿元和244461.08亿元①（① 资料来源：《中国统计年鉴》（2016）。）,各占全国的21%和22%,足见其战略地位的重要性。近年来,中国传统制造业企业面临着要素成本上涨、环境复杂多变、资源约束趋紧等多重压力,为谋求新的发展空间,一些企业纷纷将产品生产的部分或全部转出原生产地。新一轮产业转移浪潮下,作为微观主体的制造业企业在长三角地区具有怎样的空间布局特点及动态演进规律?其驱动机制又当如何?
目前学术界对企业区位的相关研究主要集中于以下方面：制造业企业空间格局演化及动力机制[1,2,3,4,5,6,7]、企业区位选择与制造业空间集聚[8,9,10]及城市空间重构[11]、企业区位调整与模式重组[12]、制造业企业迁移特征、模式和机制[13,14]以及制造业新建企业选址影响机制[15]等。从研究对象来看,对某个别大都市（北京、上海、南京等）制造业的探究居多,如张晓平等[3]对北京制造业、姜海宁等[5]对上海日资纺织服装制造企业、赵新正等[6]对上海制造业外资企业进行了研究,而涉及长三角地区制造业企业的研究尚不多见。自20世纪90年代以来,中国一些大城市已陆续进入了典型的郊区化过程,制造业郊区化指的是制造业由城市中心区向郊区扩散,中心区和郊区制造业的产业结构、就业结构发生相对变化[16]。近年来,陆续有研究表明,中国一些城市的制造业已融入郊区化进程。如吕卫国[17]发现受产业结构调整政策、开发区建设、交通条件改善等多重因素的影响,南京市制造业已进入明显的郊区化进程。刘涛等[18]的研究表明北京市中心城区制造业趋于衰退,呈现出以近郊平原为主的郊区化趋势。此外,广州[4]及上海[5]等城市的制造业也具有明显的郊区化特点。除南京、上海等城市外,制造业郊区化现象是否对长三角其他城市同样具有普适性?
尺度是地理数据的重要属性[19],尺度效应表现为随着空间尺度的变化,被观测对象呈现出不同的数量特征、质量特征及时空结构 [20]。在生态学、土壤学、水文学及遥感等领域,尺度问题受到了广泛关注,在经济地理学研究中,诸多学者提出相同的理论不适用于所有的空间尺度 [21]。相关实证研究主要涉及人口分布、区域经济及旅游业发展格局尺度差异等方面,如陈培阳等[22]基于地带、省级、地级和县级 4个尺度探索中国区域经济发展的尺度效应。刘涛等[23]基于北京市村级数据,研究发现外来人口分布存在圈层差异和尺度效应,影响外来人口在大都市区居住区位决策的因素在不同空间尺度的分析中具有显著的差异性。方叶林等[24]针对不同时空尺度下中国旅游业发展格局演化进行了研究,刘振锋等[25]探讨了西安市文化产业的空间尺度效应。在历史工业基础、地理位置优势及区域发展战略等多重因素作用下,中国制造业呈现出“极度东倾”的空间集聚态势[26,27]。制造业空间集聚一直是产业经济、空间经济等学科的热点议题之一,从研究内容来看,主要集中于集聚水平及演变趋势[28,29]、影响机制[30]及效率[31]等方面,鲜有研究涉及集聚对空间尺度变化的响应。
综上,本研究运用中国工业企业数据,借助百度地图定位工具对中国长三角地区制造业企业的空间区位进行识别,阐明长三角制造业企业的空间分布特征,进一步论述制造业企业空间集聚的尺度效应及其动态演化,最后结合负二项回归模型考察长三角制造业企业空间区位选择的影响机制及其尺度差异性。以期丰富相关研究成果,并为现阶段长三角区域产业空间调整、制造业转型升级提供决策参考。

2 区域概况、研究方法与数据来源

2.1 研究区概况

长三角是长江三角洲的简称,根据国务院2010年批准的《长江三角洲地区区域规划》,长三角范围实现扩容,由原来的十六市调整为两省一市,即江苏省、浙江省和上海市。文中采用此标准对长三角范围进行界定,共包含25个地级及以上城市,127个县级行政单元（市辖区、县、县级市）,长三角行政区划如图1所示。
Fig. 1 The map of Yangtze River Delta

图1 长三角行政区划

2.2 研究方法

2.2.1 最近邻指数 最近邻指数（NNI）为研究区域内点要素的实际最近邻平均距离（DN）与随机分布模式下理论平均距离（DR）的比值 [32],用以衡量点状事物的空间分布模式,其计算公式[32]为：
NNI = D N D R = 1 n ∑ i = 1 n d i 1 2 A n （1）
式中：NNI为最近邻指数; d i 为企业 i 与其最邻近企业之间的距离;A为研究区面积;n为研究区内制造业企业个数。采用Z检验方法对计算结果的统计显著性进行验算。当NNI=1时,表示长三角地区制造业企业为随机分布;NNI<1时,表示制造业企业为聚集分布;NNI>1时,则表示制造业企业为均匀分布。
2.2.2 Ripley’s K函数 在不同空间尺度下,点状地物的分布模式存在一定差异 [32],为探究不同尺度下长三角制造业企业的空间分布格局,文中采用Ripley’s K函数进行分析。其计算公式为：
K ( d ) = A ∑ i = 1 n ⋅ ∑ j = 1 n w ij ( d ) n 2 （2）
式中：K(d)为K函数;A为研究区面积;n为研究区内制造业企业个数;Wij(d)表示在距离d范围内企业i、j之间的距离。
为保持方差稳定,Besag提出以L(d)替代K(d),并对K(d)作开方线性变换[33]。 L d = K d π - d ,其判断准则如下：若L(d)>0,则表示长三角制造业企业为聚集分布;若L(d)<0,则表示为扩散分布。为判断其显著性,采用Monte-Carlo模拟来估计L(d)统计量一个大致的置信区间,置信区间的上下限即包络线,若L函数曲线位于包络线上方,则表示制造业企业在空间上为显著集聚分布。在此基础上,可进一步判断长三角制造业企业集聚程度与空间尺度之间的关系,若在一定空间尺度范围内,L(d)曲线逐渐远离包络线,则表示集聚程度不断增强;而随着空间尺度的增大,L(d)曲线逐步趋近包络线,则表示集聚程度逐渐减弱,由此说明制造业空间集聚具有尺度效应。 ⋅
2.2.3 空间热点聚类 采用最近距离层次聚类分析方法（Nearest Neighbor Hierarchical Clustering, NNH）对长三角制造业企业空间分布的热点区域进行识别。在Crimestat3.3软件中设置各阶聚类的最少点数为10,Monte-Carlo模拟次数为99,依次可得到长三角制造业企业的各阶热点集聚区。
2.2.4 计数模型 对于因变量为离散非正态的计数数据,通常采用泊松回归[34],基本泊松回归模型设置为：
Ln λ i = offse t i + β 0 + β 1 x 1 + β 2 x 2 + … + β i x i （3）
因变量Yi的观测值yi服从参数为 λ i 的泊松分布： P Y i = y i | x i = ( e - λ i ⋅ λ i y i ) y i ! 。泊松回归的局限在于要求因变量的期望与方差相等[34],而实际数据往往很难符合这一要求。在因变量期望与方差不相等的情形下,则需采用负二项回归,其模型设定如下：
Ln λ i = Ln k i + offse t i + β 0 + β 1 x 1 + β 2 x 2 + … + β i x i （4）
式中：k服从均值为0、方差为 α 的伽马分布,用以衡量超离散的程度; β 1 — β i 为自变量的回归系数。此部分用于检验长三角制造业企业空间区位选择的影响机制及其尺度差异性。

2.3 数据来源

本研究选取2005年、2013年长三角地区规模以上制造业企业作为研究对象,2005年选取的28个二位数制造业行业代码为C13—C41,不含C38,由于2011年后国民经济行业分类发生变化,2013年根据新的国民经济行业分类标准（GB/T4754–2011）,选取行业代码为C13—C40的制造业行业进行分析。此外,由于2011年后规模以上工业企业的统计口径发生了变化,入库标准由主营业务收入500万元调整为2000万元,为便于比较,按新的统计口径进行调整。企业信息来源于国家统计局中国工业企业数据库,该数据库2005年和2013年收录的国有及规模以上非国有工业企业数分别为27万余家、34万余家,文中所选取的长三角28个二位数制造行业企业数分别为40393家和88710家。为尽量避免统计偏误,综合企业所处省（地市、县等）、邮编、行政区划代码及名称等多维度信息对企业区位进行识别,借助百度地图API控制台、XGeocoding工具批量解析、转换企业经纬度坐标,继而采用长三角县域矢量图与之相匹配。文中所涉区域属性数据来源于2006年及2014年《上海统计年鉴》《江苏统计年鉴》《浙江统计年鉴》《中国城市统计年鉴》《中国县域统计年鉴》《中国城市建设统计年鉴》《中国区域经济统计年鉴》、相关地市统计年鉴及县域国民经济与社会发展统计公报。地图数据来源于国家地理信息中心,对行政区划有所变更（县改区、市改区等）的区域进行了相应调整。

3 长三角制造业企业空间分布格局及其多尺度特征

3.1 长三角制造业企业的空间分布特征

3.1.1 制造业企业空间分布格局 采用自然断裂点分级法将2005年、2013年长三角县域制造业企业数划分为5个级别,借助ArcGIS10.1 软件绘制制造业企业空间分布等级图,图2显示,长三角制造业企业空间分布不均衡、呈地理集中分布态势。具体来看,2005年,长三角制造业企业主要分布在上海市区、杭州市区、宁波市区、常州市区、苏州市区、无锡市区、江阴市、南京市区、温州市区、昆山市及常熟市等地,上述县域制造业企业已占至长三角制造业企业总数的50%,其中仅上海市区、杭州市区、宁波市区、常州市区和苏州市区5个地区的企业数占企业总体的30%以上,而开化县、龙泉市、云和县、松阳县、景宁县、文成县、庆元县、嵊泗县等县域企业分布相对较少,不及样本总数的0.3%。2013年,上海市区、苏州市区、杭州市区、宁波市区、常州市区、南京市区、无锡市区、绍兴市区、昆山市、南通市区、江阴市、温州市区、扬州市区、常熟市、张家港市、慈溪市、余姚市、太仓市、海宁市等19个县域制造业企业占长三角制造业企业总数的50%,其中上海市区、苏州市区、杭州市区、宁波市区、常州市区及无锡市区6个地区的制造业企业数约占企业总体的30%,相对地,浙江西南部的遂昌县、云和县、景宁县、文成县和泰顺县等县域的制造业企业分布较为零散。综上可以发现,上海市区、杭州市区、宁波市区、常州市区、苏州市区、无锡市区、南京市区、温州市区、昆山市等县域是制造业企业的主要集聚地,这可能源于这些地区具有经济发展水平较高、交通网络完善、人口稠密等优势,而浙西南的遂昌县、云和县、景宁县、文成县、泰顺县等县域由于地形阻碍、经济、交通相对欠发达导致企业分布较少。
Fig. 2 The spatial distribution of manufacturing enterprises in Yangtze River Delta in 2005 and 2013

图2 2005年、2013年长三角制造业企业空间分布

3.1.2 制造业分行业企业空间分布 进一步地,文中参照沈能等[35]按要素密集度将中国二位数制造业行业划分为劳动、资本、技术及资源密集型四种类型的分类方法,将不同类型制造业企业进行归类,以期明确制造业细分行业中企业的空间布局特征,对2013年的制造业行业划分依据新的国民经济行业分类标准（GB/T4754–2011）进行相应调整,具体分类详见表1。并基于此,绘制长三角制造业各细分行业企业空间分布图,图3显示,2013年劳动密集型企业主要分布于上海市区、杭州市区、绍兴市区、苏州市区、宁波市区、南通市区、海宁市、温州市区及常州市区等县域,该9个地区制造业企业数已占至所属行业企业总数的33%,而这些地区多位于杭州湾沿岸。资本密集型企业主要位于上海市区、无锡市区、沭阳县、太仓市、邳州市、杭州市区、常州市区及苏州市区等地。技术密集型企业空间分布多以市辖区为主,如上海市区、苏州市区、常州市区、宁波市区、杭州市区、南京市区、无锡市区等,上述7个地区的制造业企业比重已高达38%。与技术密集型企业分布类似,上海市区、苏州市区、杭州市区、宁波市区、无锡市区、常州市区、南京市区等县域也是资源密集型企业的密集分布区。
Tab. 1 Classification of manufacturing industries

表1 制造业行业细分一览

制造业类型 行业（代码）
劳动密集型 农副食品加工业（C13）、食品制造业（C14）、酒、饮料和精制茶制造业（C15）、纺织业（C17）、纺织服装、服饰业（C18）、皮革、毛皮、羽毛及其制品和制鞋业（C19）、家具制造业（C21）、造纸和纸制品业（C22）、印刷和记录媒介复制业（C23）、文教、工美、体育和娱乐用品制造业（C24）
资本密集型 烟草制品业（C16）、木材加工和木、竹、藤、棕、草制品业（C20）、化学纤维制造业（C28）、黑色金属冶炼和压延加工业（C31）、有色金属冶炼和压延加工业（C32）
技术密集型 化学原料和化学制品制造业（C26）、医药制造业（C27）、通用设备制造业（C34）、专用设备制造业（C35）、汽车制造业（C36）、铁路、船舶、航空航天和其他运输设备制造业（C37）、电气机械和器材制造业（C38）、计算机、通信和其他电子设备制造业（C39）、仪器仪表制造业（C40）
资源密集型 石油加工、炼焦和核燃料加工业（C25）、橡胶和塑料制品业（C29）、非金属矿物制品业（C30）、金属制品业（C33）
Fig. 3 The spatial distribution of manufacturing enterprises by sector in Yangtze River Delta in 2013

图3 2013年长三角制造业分行业企业空间分布

3.1.3 长三角制造业企业空间集聚特征 运用最近邻指数（NNI）探究长三角制造业企业总体及分行业样本下制造业企业空间分布的集聚特征,计算结果见表2。表2显示,2005年和2013年制造业企业总体的最近邻指数分别为0.2532和0.2378,数值远小于1,说明长三角制造业企业为聚集分布。z检验值分别为-231.3149和-367.7538,均小于-2.58,且通过了1%的显著性水平,表明长三角制造业企业空间集聚特性非常显著。从行业分样本来看,2013年劳动、资本、技术及资源密集型企业的NNI指数值分别为0.2595、0.3223、0.2446及0.3031,均小于1,且在1%的水平下显著,说明与总体样本一致,分行业样本企业均呈现出显著的空间集聚特征。尽管最近邻指数表明制造业企业在空间上呈显著集聚分布态势,但这种集聚特性是否会随空间尺度的改变而发生变化?进一步结合Ripley’s K函数加以验证。
Tab. 2 The spatial clustering characteristics of manufacturing enterprises in Yangtze River Delta

表2 长三角制造业企业空间集聚性

类型 平均最近邻距离(m) 期望平均最近邻距离(m) NNI z值 p值 分布类型
2005年制造企业总体 539.4612 2130.4797 0.2532 -231.3149 0.0001 显著集聚
2013年制造企业总体 334.1043 1404.7483 0.2378 -367.7538 0.0001 显著集聚
2013年劳动密集型 655.8587 2527.1355 0.2595 -198.6141 0.0001 显著集聚
2013年资本密集型 1616.6170 5015.2479 0.3223 -87.7355 0.0001 显著集聚
2013年技术密集型 497.7899 2035.0181 0.2446 -244.2108 0.0001 显著集聚
2013年资源密集型 995.5976 3285.1153 0.3031 -138.6891 0.0001 显著集聚

3.2 制造业企业空间集聚尺度效应与动态演化

3.2.1 长三角制造业企业空间集聚尺度效应 根据Ripley’s K函数计算结果,得到长三角制造业企业总体及分行业样本多尺度下空间分布格局,如图4所示。可以发现,长三角制造业企业总体及分行业样本下制造业企业均为空间集聚分布,且随地理距离的变化空间集聚态势先增强后减弱。如图所示,2005年和2013年长三角制造业企业总体的L(d)值在0~100个距离单位之间都大于0,且L(d)曲线位于上包络线之上,表明长三角制造业企业具有显著的空间集聚分布特征,曲线先升后降,表现为倒“U”型结构。2005年集聚空间尺度为163.27 km,即在0~163.27 km范围内L(d)曲线逐渐远离包络线,空间集聚程度不断增强,在163.27 km处集聚程度达到最大值,此时L(d)值为112.56,随后L(d)曲线趋近包络线,集聚程度逐渐减弱。2013年集聚空间尺度约为160.62 km,此时L(d)达到峰值,为94.89,大于160.62 km后集聚程度趋于弱化。从行业分样本来看,2013年劳动、资本、技术及资源密集型企业的L(d)值均大于0,且L(d)曲线均位于上包络线上方,表明不同要素密集度制造业企业同样表现出空间集聚分布特征,且空间集聚趋势与企业总体较为一致,L(d)曲线均呈现出先升后降的倒“U”型变动趋势,集聚程度先增强后减弱。但劳动、资本、技术及资源密集型制造业企业空间集聚尺度的峰值略有差异,依次出现在158.26 km、138.03 km、160.49 km及159.46 km处。
Fig. 4 The Ripley’s K function of manufacturing enterprises in Yangtze River Delta

图4 长三角制造业企业Ripleyߣs K函数分析

3.2.2 长三角制造业企业热点区及其演化 采用最近距离层次聚类分析法对长三角制造业企业空间分布的热点区进行探测,再结合 ArcGIS软件分析工具对各阶热点区加以空间可视化,并绘制图5。图5显示,2005年,长三角制造业企业共形成1个一阶热点区、7个二阶热点区和64个三阶热点区。其中一阶热点区集中分布于江苏南部、上海市区以及浙江东北部县域;二阶热点区主要分布于上海市区、昆山市、杭州市区、绍兴市区、富阳市、宁波市区、余姚市、慈溪市、嘉兴市区、桐乡市、海宁市、平湖市、海盐县、嘉善县、苏州市区、无锡市区、常州市区、常熟市、张家港市、江阴市等地,以上县区集中在以苏州、无锡、常州、上海、嘉兴、杭州、绍兴及宁波为连接节点的“Z”字型发展轴线上;三阶热点区除“Z”字型发展轴线这一分布区外,还包括南京市区、扬州市区、南通市区以及浙江东南沿海的台州市区、温岭市、温州市区及瑞安市。2013年,长三角制造业企业的各阶热点区数目均有所增加,一阶热点区增加至3个,主要分布于上海市区、嘉兴市区、嘉善县、平湖市、苏州市区、昆山市、杭州市区、海宁市、湖州市区、无锡市区、常州市区、镇江市区等地;二阶热点区共20个,除“Z”字型发展轴线外,还包括浙江金华市区、义乌市、浦江县,沿海地区的临海市、台州市区、温岭市以及温州市区、瑞安市、乐清市等区域。三阶热点区共204个,除“Z”字型区域及其余二阶热点区域外,苏北地区的徐州市区、宿迁市区、淮安市区、盐城市区、新沂市、沭阳县等以及浙西南的衢州市区、金华市区、江山市、义乌市、武义县、永康市等县域也成为制造业企业的热点分布区。
Fig. 5 The hot spot clustering of manufacturing enterprises in Yangtze River Delta in 2005 and 2013

图5 2005年、2013年长三角制造业企业热点区聚类

3.2.3 长三角制造业企业郊区化特征 由于难以准确对长三角所有地级及以上城市的中心区和郊区地域范围进行界定,因而仅对2005年和2013年各城市市辖区和县（县级市）制造业企业占全市制造业企业总数的相对份额进行统计对比分析,县（县级市）一般距离中心城区较远,可看作是远郊区,计算结果详见表3。值得一提的是,文中以行政区划作为边界进行统计分析,与真实的城市郊区边界可能存在一定出入,但出于可操作性考虑,仍按照吕卫国[17]、谢敏等[36]的做法以行政区划作为划分依据。由计算结果可知,不考虑行政区划调整（撤县设区、撤市设区）的影响,从2005年到2013年,长三角25个地级及以上城市中,除上海、常州、盐城、镇江、无锡及舟山6个城市外,其余地市市辖区制造业企业占全市的比例均不断下降,而县（县级市）的制造业企业比例则逐步上升,这表明制造业企业具有明显的郊区化趋势。需要说明的是,对于历经了行政区划调整的城市而言,计算各区域制造业企业比重时,是否考虑区划调整因素,对计算结果有较大的影响。以南通为例,2005年,南通市区和县（县级市）制造业企业所占比例分别为22.29%和77.71%,2009年通州市撤市设区,成立通州区,2013年南通市区（含通州区）制造业企业比例上升至31.99%,县（县级市）的制造业企业比例降至68.01%,而不含通州区的南通市区制造业企业比例则下降至16.71%,县（县级市）的比例上升至83.29%。南京、苏州、泰州、扬州及绍兴等城市的情况类似。
Tab. 3 The distribution of manufacturing enterprises in Yangtze River Delta in 2005 and 2013

表3 2005年、2013年长三角制造业企业的区县分布

地区 2005年企业个数（占比%） 2013年企业个数（占比%）
市辖区 县
（县级市）		 行政区划调整
后市辖区		 县
（县级市）		 行政区划调整
前市辖区		 县
（县级市）
上海市 6867(98.66) 93(1.34) 8770(98.71) 115(1.29) ― ―
南京市 1014(85.35) 174(14.65) 2539(100.00) ― 1829(72.04) 710(27.96)
苏州市 1433(31.02) 3187(68.98) 4489(45.41) 5396(54.59) 2981(30.16) 6904(69.84)
常州市 1491(78.81) 401(21.19) 3053(81.57) 690(18.43) ― ―
淮安市 281(64.60) 154(35.40) 909(45.70) 1080(54.30) ― ―
南通市 407(22.29) 1419(77.71) 1524(31.99) 3240(68.01) 796(16.71) 3968(83.29)
泰州市 186(22.33) 647(77.67) 971(39.20) 1506(60.80) 530(21.40) 1947(78.60)
连云港市 119(48.57) 126(51.43) 263(18.25) 1178(81.75) ― ―
无锡市 1346(46.32) 1560(53.68) 2466(51.67) 2307(48.33) ― ―
宿迁市 86(30.07) 200(69.93) 537(22.12) 1891(77.88) ― ―
徐州市 284(43.43) 370(56.57) 776(28.71) 1927(71.29) 343(12.69) 2360(87.31)
盐城市 218(21.98) 774(78.02) 627(22.66) 2140(77.34) ― ―
扬州市 423(39.98) 635(60.02) 1363(54.72) 1128(45.28) 790(31.71) 1701(68.29)
镇江市 272(31.66) 587(68.34) 807(33.85) 1577(66.15) ― ―
杭州市 2379(74.11) 831(25.89) 3883(67.25) 1891(32.75) ― ―
宁波市 1676(52.52) 1515(47.48) 3089(47.60) 3400(52.40) ― ―
绍兴市 372(22.09) 1312(77.91) 2197(58.18) 1579(41.82) 488(12.92) 3288(87.08)
台州市 463(35.18) 853(64.82) 1006(31.51) 2187(68.49) ― ―
衢州市 83(36.24) 146(63.76) 274(29.88) 643(70.12) ― ―
嘉兴市 382(21.23) 1417(78.77) 881(20.66) 3383(79.34) ― ―
湖州市 409(48.35) 437(51.65) 861(36.09) 1525(63.91) ― ―
金华市 195(17.82) 899(82.18) 563(16.83) 2783(83.17) ― ―
丽水市 62(28.44) 156(71.56) 211(19.52) 870(80.48) ― ―
温州市 895(47.38) 994(52.62) 1396(35.75) 2509(64.25) ― ―
舟山市 131(80.37) 32(19.63) 255(82.26) 55(17.74) ― ―

注：表中第3、4列数值按行政区划调整（撤县设区、撤市设区）后计算,第5、6列数值按原有行政区划计算。

进一步地,分别计算出上海、常州、盐城、镇江、无锡及舟山各区（县、市）制造业企业占全市制造业企业总数的比例,结果如表4所示。如上文所述,尽管上述城市市辖区制造业企业比例不降反升,通过对其市辖区进行细分,可以发现,上述城市的制造业企业同样具有郊区化特征。参照石忆邵等[37]采用行政区划法将上海市划分为中心城区（黄浦（原卢湾和黄浦）、静安、虹口、杨浦、闸北、普陀、长宁、徐汇）、近郊区（宝山、闵行、嘉定、浦东新区（原浦东新区和南汇））和远郊区（松江、青浦、金山、奉贤、崇明）三种类型的分类标准,汇总得到2005年（2013年）上海市中心城区、近郊区和远郊区制造业企业的比重依次为：12.46%（5.56%）、55.80%（49.67%）和31.74%（44.77%）,可知近郊区为上海制造业企业的主要分布地,其次为远郊区,中心城区制造业企业比重大幅下降,近郊区制造业企业比重也略有下降,而以崇明县为代表的远郊区制造业企业比重则大幅上升,由此可见,上海市制造业同样表现出郊区化特征。就常州而言,天宁区这一主城区制造业企业比重由2005年的14.53%下降为2013年的5.98%,钟楼区和戚墅堰区制造业企业比重也呈下降趋势,而近郊的武进区和新北区制造业企业比重明显上升。尽管2015年常州市原武进区和戚墅堰区合并为新的武进区,相应计算仍以2013年的行政区划为准。此外,盐城市中心城区亭湖区、镇江市主城区润州区、无锡崇安区及舟山普陀区等区域制造业企业比重也不断下降。此外,还可以发现,2013年,除上海、南京、常州、无锡、扬州、杭州、绍兴、舟山8个城市外,其余城市县（县级市）制造业企业所占比例均高于市辖区制造业企业所占比例,由此说明就长三角地区而言,绝大部分地市的远郊成为制造业企业的主要集聚地。
Tab. 4 The distribution of manufacturing enterprises in Shanghai, Changzhou, Yancheng, Zhenjiang, Wuxi and Zhoushan in 2005 and 2013

表4 2005年、2013年上海市、常州市、盐城市、镇江市、无锡市及舟山市制造业企业的区县分布

地区 区、县、市名（2005年占全市比%,2013年占全市比%）
上海市 黄浦区（0.99, 0.23）、静安区（0.27, 0.06）、虹口区（0.86, 0.37）、杨浦区（2.14, 0.83）、闸北区（1.58, 0.74）、普陀区（2.04, 1.34）、长宁区（1.01, 0.45）、徐汇区（3.56, 1.54）、宝山区（5.86, 5.44）、闵行区（14.51, 11.39）、嘉定区（12.54, 13.64）、浦东新区（22.89, 19.20）、松江区（11.06, 14.37）、青浦区（8.16, 9.63）、金山区（4.38, 7.60）、奉贤区（6.80, 11.87）、崇明县（1.34, 1.29）
常州市 天宁区（14.53, 5.98）、钟楼区（12.32, 6.84）、戚墅堰区（3.28, 2.51）、武进区（33.03, 44.16）、新北区（15.64, 22.07）、金坛市（11.05, 9.14）、溧阳市（10.15, 9.30）
盐城市 亭湖区（12.80, 10.81）、盐都区（9.17, 11.85）、滨海县（7.76, 7.23）、大丰市（11.29, 14.09）、东台市（19.96, 19.80）、阜宁县（10.48, 8.82）、建湖县（8.17, 13.05）、射阳县（15.02, 9.58）、响水县（5.34, 4.77）
镇江市 润州区（8.03, 3.06）、京口区（14.55, 19.04）、丹徒区（9.08, 11.74）、丹阳市（33.29, 28.94）、句容市（21.65, 22.27）、扬中市（13.39, 14.93）
无锡市 北塘区（4.51, 1.72）、滨湖区（17.45, 19.40）、崇安区（1.07, 0.15）、惠山区（12.28, 16.09）、江阴市（39.30, 29.35）、南长区（2.65, 0.98）、锡山区（8.36, 13.32）、宜兴市（14.38, 18.98）
舟山市 普陀区（40.49, 36.45）、定海区（39.88, 45.81）、岱山县（15.95, 15.16）、嵊泗县（3.68, 2.58）

4 制造业企业区位选择的影响机制

工业企业区位选择理论的代表人物有韦伯、帕兰德、廖什等,其中韦伯（1909年）提出工业区位论的最基本理论,其中心思想为,区位因子（运费、劳动费、集聚或分散等）决定生产区位,费用最小点即为最佳区位点。帕兰德（1935年）强调最佳的生产地应使得生产的所有费用总和最小。不同于费用最小化原则,廖什（1939年）指出工业区位选择应遵循利润最大化原则,工业区位应选择能获得最大利润（收入与费用之差）的地域。传统工业区位理论不足之处在于,其提出的费用最小化或利润最大化原则建立在“理性人”的假设之上,但这往往难以与现实情况相符。其次,传统区位论仅关注运费、劳动力费用等经济因素,忽略了非经济因素对工业区位的影响 [38]。鉴于此,后续西方的现代工业区位理论除考虑经济因素的影响外,同时考虑非经济因素的作用,代表性的有史密斯区位收益性空间边界理论、普雷德行为矩阵等。
结合相关理论、既有文献[10]及数据的可获取性,以落入区域内的制造业企业数量作为因变量,采用计数模型来分析中国长三角地区制造业企业空间布局的影响机制。主要考察以下因素对制造业企业区位分布的影响：① 人口密度：一般而言,地处人口密集区域的制造业企业可以降低劳动力的搜寻成本,便于企业获取适宜的劳动力资源,预期变量符号为正;② 产业结构：以第二产业占地区生产总值的比重表示;③ 经济基础：经济发展良好的地区依托完善的基础设施、人才、交通及政策红利等优势对制造业企业产生较强的吸引作用,采用人均地区生产总值表示;④ 对外开放水平：以外商直接投资总额进行表示;⑤ 融资环境：宽松的融资环境便于企业进行融资,有利于企业生产活动的顺利进行;⑥ 用工成本：传统区位论强调劳动力成本因素在企业区位选择过程中的重要作用,尤其是近年来长三角地区制造业企业在面临土地租金、劳动力成本上升的双重压力背景下,劳动力成本较低的地区理应是制造业企业追寻的重要场所,以在岗职工平均工资进行表示,预期变量符号为负;⑦ 区位通达性：便利的交通运输条件能够降低企业的运输成本,以区域内公路里程数表示。所有变量及定义详见表5。为考察制造业企业区位选择影响机制及其多尺度差异性,分别以长三角地级市及区（县、市）作为研究尺度,比较不同空间尺度、不同时期影响机制的差异。
Tab. 5 The affecting factors of manufacturing enterprises’ location choice in Yangtze River Delta

表5 长三角制造业企业区位选择影响因素

因素（变量,单位） 含义
制造业企业数（Y,个） 企业数量
人口密度（PDEN,人/km2） 单位面积人口
产业结构（INDUS,%） 第二产业占GDP比重
经济基础（PGDP,元） 人均地区生产总值
对外开放水平（OPEN,万美元） 外商直接投资
融资环境（FIN,亿元） 年末金融机构各项贷款余额
用工成本（WAGE,元） 在岗职工平均工资
区位通达性（RDEN,km） 公路里程数
考虑到各解释变量之间可能存在多重共线性问题,以2013年区（县、市）样本为例,采用Spearman相关系数矩阵对解释变量之间的相关性进行测算,由表6可知,各解释变量间的相关系数值均低于0.8,不存在严重的多重共线性,各解释变量可同时纳入模型。
Tab. 6 The Spearman correlation coefficient matrix of independent variables

表6 解释变量间Spearman相关系数矩阵

变量 PDEN INDUS PGDP OPEN FIN WAGE RDEN
PDEN 1.0000
INDUS 0.1501 1.0000
PGDP 0.6152 0.2393 1.0000
OPEN 0.5929 0.1132 0.7488 1.0000
FIN 0.6470 0.2462 0.7670 0.7182 1.0000
WAGE 0.1768 0.0685 0.4870 0.1903 0.4855 1.0000
RDEN 0.1361 0.1123 0.2008 0.5211 0.5221 -0.0562 1.0000
通过考察被解释变量的统计特征,可以发现样本方差远高于样本均值,以2013年区（县、市）企业样本为例,样本方差和均值分别为1040089、703.13,计数资料呈现超离散特征,不满足泊松回归被解释变量期望与方差相等的前提假设。此外,alpha的95%置信区间为（0.0691,0.1163）,在5%的显著性水平下拒绝“alpha=0”的原假设,因而宜采用负二项回归模型进行估计,结果详见表7。值得说明的是,出于数据可获取性考虑,区（县、市）样本中仅包含126个县域单元。估计结果表明,制造业企业区位选择的影响因素在不同尺度下存在显著差异性。在其他条件不变时,产业结构是影响制造业企业区位选择的主导因素,且在不同空间尺度下、不同阶段均具有稳健性。不同时期地市样本中各影响因素的作用表现各异,而区（县、市）样本中各解释变量的正负情况及显著性较为一致,但影响因素的作用强度存在差异。
Tab. 7 Regression results for location of manufacturing enterprises in Yangtze River Delta

表7 长三角制造业企业区位选择模型估计结果

变量 区（县、市）样本 地市样本
2005年 2013年 2005年 2013年
PDEN 0.1518*（1.76） 0.1584**（2.51） -0.1367（-0.80） 0.1417（1.02）
INDUS 1.2751***（5.06） 1.2969***（6.26） 2.1316***（3.05） 3.1458***（4.75）
PGDP 0.2667**（2.25） 0.2231*（1.89） -0.1812（-0.59） -0.4379（-1.30）
OPEN 0.1124***（2.85） 0.0758**（2.50） 0.1346（1.18） 0.1993**（2.27）
FIN 0.4755***（7.19） 0.4942***（9.06） 0.8038***（4.24） 0.6543***（4.83）
WAGE -0.5120***（-3.25） -1.1958***（-5.36） -0.9787**（-2.50） -0.4073（-1.13）
RDEN 0.2109***（2.73） 0.3680***（4.78） -0.1313（-0.64） 0.3028（1.26）
CONS 2.8203（1.21） 10.0247***（3.73） 5.2375（0.90） -6.4020（-1.27）
样本数 126 126 25 25
α 0.1147 0.0897 0.0567 0.0302
α置信区间 （0.0872, 0.1510） （0.0691, 0.1163） （0.0324, 0.0995） （0.0173, 0.0528）
LR stat 2822.35*** 4992.13*** 1530.87*** 2298.52***

注：***、**、*分别表示1%、5%和10%的显著性水平;括号内为z值。

具体来看,以2005年计算结果为例,分区（县、市）样本中,人口密度在10%的显著性水平下为正,说明在其他条件不变时,人口密集的县区对制造业企业区位选择具有较强的吸引作用。但在地市样本中,人口密度变量不显著。产业结构因素在分区（县、市）样本中的作用系数为1.2751,且通过了1%的显著性检验,表明产业结构是影响制造业企业区位选择的核心要素,而在分地市样本中,产业结构的影响作用更强,影响系数高达2.1316。区（县、市）样本中经济基础和对外开放水平的作用系数显著为正,而地市样本中上述变量的影响较弱。融资环境在不同样本下作用系数均显著为正,表明外部融资环境也是制造业企业空间布局的重要影响因素,宽松的融资环境便于企业获取外部融资,盘活企业资金链,保证生产活动的顺利进行。在地市样本中,融资环境对企业区位选择的作用强度更大,影响系数为0.8038。不同于其他因素的影响,在区（县、市）、地市样本中用工成本对制造业企业区位选择的作用系数显著为负,分别为-0.5120和-0.9787,说明出于成本节约的考虑,制造业企业更倾向于布局在工资水平较低的地区。且在所有影响因素中,工资水平的作用强度仅次于产业结构。分区（县、市）样本中,以公路里程数表示的区位通达性的影响系数为0.2109,且通过了1%的显著性水平,但其在地市层面的影响则相对有限。
2005年区（县、市）样本中,在其他条件不变时,产业结构是影响制造业企业区位选择的主导因素,其次为用工成本,融资环境、经济基础、区位通达性、人口密度和对外开放水平对企业区位选择的影响作用依次递减。至2013年,人口密度、产业结构、经济基础、对外开放水平、融资环境、用工成本及区位可达性等因素对制造业企业区位选择仍具有显著影响,各影响因子的作用强度按产业结构、用工成本、融资环境、区位通达性、经济基础、人口密度和对外开放水平依次减弱。其中人口密度、产业结构、融资环境、用工成本及区位通达性的作用强度（回归系数的绝对值）均有所上升,其中用工成本表现最为突出,作用系数由-0.5120降至-1.1958,表明用工成本对制造业企业区位选择的影响作用逐步增强,而经济基础和对外开放水平的影响作用则相对弱化。地市样本中,2013年,产业结构、对外开放水平及融资环境均对企业区位选择有显著的正向影响,与2005年相比,产业结构和对外开放水平的影响作用明显上升,而用工成本、融资环境等因素的作用则有所减弱。

5 结论

本研究采用中国工业企业数据库中长三角制造业企业的微观数据,借助Crimestat3.3和ArcGIS10.1软件,综合运用最近邻指数、Ripley’s K函数、空间热点聚类分析方法,探究中国长三角地区制造业企业空间分布、聚集特征及热点分布区域等空间点格局特征,并采用负二项回归模型剖析制造业企业区位选择的动力机制及其尺度差异性,主要结论如下：
（1）长三角制造业企业空间分布不均匀,呈地理集中分布格局。制造业企业主要集中于上海市区、杭州市区、常州市区、苏州市区、宁波市区及无锡市区等少数县域,浙西南地区企业分布较少。
（2）制造业企业总体及分行业样本均具有显著的空间集聚特性,制造业空间集聚存在尺度效应,随地理距离的变化空间集聚趋势先增强后减弱,呈现出倒“U”型结构特征。
（3）热点区域主要集中在由南京、苏州、无锡、常州、上海、杭州、绍兴及宁波为连接节点的“Z”字型发展轴线上,除“Z”字型区域外,苏北地区的徐州市区、宿迁市区、淮安市区、盐城市区、新沂市、沭阳县以及浙西南的衢州市区、金华市区、江山市、义乌市、武义县、永康市等区域也是制造业企业的重要集聚地。
（4）长三角制造业企业具有明显的郊区化趋势,绝大多数城市中县和县级市制造业企业份额要高于市区制造业企业份额,远郊成为制造业企业的主要集聚地。不考虑行政区划调整（撤县设区、撤市设区）因素的影响,除上海、常州、镇江、盐城、无锡及舟山外,其余地市市区制造业企业的相对份额不断下降,而远郊的县和县级市制造业企业份额则逐步上升。上海中心城区制造业趋于衰退,而远郊制造业发展迅速。常州、盐城、镇江等城市主城区制造业也呈现衰退趋势。
（5）负二项回归模型估计结果表明,制造业企业区位选择的影响机制具有明显的尺度差异性,在不同空间尺度下、不同阶段产业结构为影响制造业企业区位选择的核心因素。地市样本中,产业结构和融资环境的作用具备稳健性,产业结构和对外开放水平的影响作用上升,而用工成本、融资环境等因素的作用相对下降。区（县、市）样本中,人口密度、产业结构、经济基础、对外开放水平、融资环境及区位通达性等因素在不同时期对制造业企业区位选择均具有显著的正向影响,而用工成本的作用显著为负。在不同时期上述影响因素的作用强度存在差异,产业结构是影响制造业企业区位选择的主导因素之一,其次为用工成本,对外开放水平的影响相对最弱。用工成本对制造业企业区位选择的影响显著提升,而经济基础和对外开放水平的影响作用略有下降。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
姜海宁, 谷人旭, 李广斌. 中国制造业企业500强总部空间格局及区位选择. 经济地理, 2011, 31(10): 1666-1673.

[Jiang Haining, Gu Renxu, Li Guangbin.Headquarter spatial pattern and location choice of top 500 enterprises of Chinese manufacturing industries. Economic Geography, 2011, 31(10): 1666-1673.]

[2]
贺灿飞, 梁进社, 张华. 北京市外资制造企业的区位分析. 地理学报, 2005, 60(1): 122-130.基于第二次基本单位普查资料,采用OPM模型分析北京制造业外资企业的区位行为.研究表明, 外资企业的集聚程度由城内向外显著递减,依托交通干线和开发区,外资企业已经扩散到了北京的郊区县,推动了制造业的郊区化发展.统计结果显示,企业、产业 和集聚因素共同决定了制造业外资企业的区位选择.规模较大的、新建的外资企业倾向于近郊区,而多种经营的、独资的企业则偏好城内,尤其在二～四环之间,集 聚经济推动了制造业外资企业的郊区化.外资企业的区位行为存在显著的产业差异.

DOI

[He Canfei, Liang Jinshe, Zhang Hua.Locational study of foreign enterprises in Beijing based on an ordered probit model. Acta Geographica Sinica, 2005, 60(1): 122-130.]

[3]
张晓平, 孙磊. 北京市制造业空间格局演化及影响因子分析. 地理学报, 2012, 67(10): 1308-1316.制造业的空间扩散是推动城市空间结构呈现多极化、多中心地域系统的主要驱动力,对制造业区位变迁及影响因素的研究是认识城市空间重构机制的微观基础。本研究基于北京市1996、2001、2010年制造业企业数据,以邮政编码区为空间单元,刻画了北京市制造业空间集聚格局及演化特征。采用计量模型,检验了导致北京制造业空间重构的主要区位因子,对比了这些影响因子作用强度随时间的变化以及在制造业行业间的差异。结果表明,北京市的制造业在中心城区的集聚度明显减弱,呈显著的郊区化集聚;主要集聚区位于距市中心半径为15～35km的空间范围内,总体空间格局呈现出大都市区尺度上的扩散以及产业园区尺度的再集聚特征。计量模型计算结果显示,区位通达度、集聚经济、科技园区规划与政策引导是北京制造业总体空间格局演化的主要驱动因素,但不同区位因子的作用强度存在行业间差异。本研究揭示了北京市的制造业空间重组机制是政府规划引导下的市场经济作用机制。认识到城市经济活动空间重组中市场与政府的交互作用机理,有助于决策者对转型期大都市区制造业空间集聚和扩散格局进行更加有效地引导,以优化大都市区的空间结构与功能体系。

DOI

[Zhang Xiaoping, Sun Lei.Manufacture restructuring and main determinants in Beijing metropolitan area. Acta Geographica Sinica, 2012, 67(10): 1308-1316.]

[4]
蒋丽. 广州制造业空间布局及其形成原因. 热带地理, 2014, 34(6): 850-858.Manufacturing is one of the main driving forces of urban economic development. Thus, the distribution of manufacturing is a hot-topic to the academics. This paper specifically makes a case study of Guangzhou to explore the distribution of the manufacturing industry in the city with Concentration Index, Location Quotient, and spatial analysis based on the second economic census data in 2008, and analyses the formation reason of the distribution, as well as the relationship between urban spatial structure and the distribution. In conclusion, the paper proposes that Guangzhou manufacturing is mainly distributed in the inner-suburbs such as Haizhu district, Liwan district and Luogang district. The manufacturing in the CBD has already declined. The manufacturing employment density increases from the city centre to suburbs, but the increase distance is not far from the city centre. The suburbanization phenomenon has appeared in the eastern and southern areas, especially in the eastern area which has become the manufacturing centre of Guangzhou. The manufacturing distribution density in four circle layers from high to low in turn is: the core circle layer>the inner circle layer>the outer circle layer>the outer circle. The manufacturing in the core circle layer has the highest employment density. The agglomeration degree of manufacturing is high. The highest spatial cluster level area is the inner-suburb. Next is the outer-suburb. The lowest is the city centre. Guangzhou manufacturing spatial structure is composed of Xiagang manufacturing centre, Nanshitou and Donghuan manufacturing subcentres. The manufacturing has had a large impact on the formation and development of the urban spatial structure of Guangzhou. It is not only the main driving force for Xinhua and Xiagang employment subcentres, but also the force to promote Guangzhou suburbanization. Four factors influence the spatial distribution of manufacturing in Guangzhou: the compensation system of Chinese land acquisition, the policy of Guangzhou government, the construction of Guangzhou industrial development zone, and the industrial agglomeration effect.

[Jiang Li.Spatial distribution and driving force of manufacturing in Guangzhou. Tropical Geography, 2014, 34(6): 850-858.]

[5]
姜海宁, 张文忠, 吕国庆, 等. 上海日资纺织服装制造企业的空间格局. 地理研究, 2016, 35(6): 1095-1106.选择上海作为研究区域,以日资纺织服装制造企业名录为数据基础,运用GIS软件,分析1995-2012年上海日资纺织服装制造企业的空间分布规律及其影响因素。结果发现:企业集聚与扩散并存,并向郊区化发展,其中开发区是企业集聚的重要空间载体,并沿高速、高架路呈带状分布,其集聚强度和规模随时间推移迅速增大;外商独资企业与合资合作企业的集聚格局相似,中心依赖性较弱,而大规模企业倾向于集聚在郊区,小规模企业中心依赖性较强。运用泊松回归模型的计量结果表明,接近高速或高架路因素对企业具有显著吸引作用,其次是开发区、集聚因素及地价因素影响也较大,高等院校影响相对较小,而其他4个因素作用并不明显。此外,与合资合作企业相比,外商独资企业的区位选择对集聚效应、开发区以及高等院校更加敏感,而受地价、接近高速高架路等影响相对较小。

DOI

[Jiang Haining, Zhang Wenzhong, Lv Guoqing, et al.Spatial pattern of Japan-funded textile and garment manufacturing enterprises in Shanghai. Geographical Research, 2016, 35(6): 1095-1106.]

[6]
赵新正, 宁越敏, 魏也华. 上海外资生产空间演变及影响因素. 地理学报, 2011, 66(10): 1390-1402.利用2004年经济普查数据对上海制造业外资企业的空间分布、区位选择及其空间效应进行了研究。空间分布结果表明,20世纪90年代以来,上海外资企业在分布上表现出明显的郊区化和向近郊区局部地区（尤其是园区和新城）集聚的特征,并形成了沪西南、浦东和沪西北3大集聚区;制造业外资企业的分散和集聚推动了上海外资生产空间的郊区化重组。对制造业外资企业区位选择影响因素的分析显示：上海制造业外资企业区位选择是经济全球化与地方政府互动的过程;具体来说,传统区位因素作用在逐渐减弱,制度因素和集聚因素的作用在不断增强;制度因素内部产业优惠政策对外资的吸引力强于空间优惠政策,而国家级园区优惠政策对制造业外资企业（尤其是高技术外资企业）的吸引力则强于市级园区,上述研究对上海未来的产业及外资引进政策都具有重要的参考意义。

DOI

[Zhao Xinzheng, Ning Yuemin, Wei Yehua.Evolution and determinants of foreign production space in Shanghai. Acta Geographica Sinica, 2011, 66(10): 1390-1402.]

[7]
武前波, 宁越敏. 中国制造业企业500强总部区位特征分析. 地理学报, 2010, 65(2): 139-152.Through analysis of top 500 enterprises data of Chinese manufacturing industries, the paper reveals headquarter location characteristics of Chinese large and medium-sized enterprises, and explains the location factors of corporate headquarters in China. The study finds that top 500 enterprises of Chinese manufacturing industries are concentrated in the three major coastal economic regions, including the Yangtze River Delta, Pearl River Delta, Beijing-Tianjin-Hebei Region, Shandong and Liaoning provinces, as well as the areas along the Yangtze and Yellow rivers. Corporate headquarters of mega-cities are mainly located in the central districts, and economic and technological development zones, industrial parks or technological parks are main space of headquarter clusters in the medium-sized cities. In addition, small and medium-sized cities also accommodate a number of corporate headquarters. At the same time, the phenomenon of corporate headquarters relocation has already emerged in China, with Beijing and Shanghai as the main destinations. The location factors of corporate headquarters include urban scale, market capacity, domestic and foreign investment, financial capacity, science and technology conditions, urban infrastructures and urban location. Furthermore, urban economy scale is more explanatory to headquarters location. Chinese coastal developed regions have many advantages in these conditions, so Beijing, Shanghai and Shenzhen are attracting more and more corporate headquarters to further concentration.

DOI

[Wu Qianbo, Ning Yuemin.Headquarter locations of top 500 enterprises of Chinese manufacturing industries. Acta Geographica Sinica, 2010, 65(2): 139-152.]

[8]
袁丰, 魏也华, 陈雯, 等. 苏州市区信息通讯企业空间集聚与新企业选址. 地理学报, 2010, 65(2): 153-163.The high-tech industry is the key to urban development and regional competitiveness in the context of globalization. However, the distribution of the high-tech industry is spatially uneven, and spatial factors significantly influence its location decision and spatial agglomeration. Although the substantial progress has been made in the studies on industrial agglomeration and location in China, little attention has been paid to the intra-city level. This paper analyzes spatial agglomeration and its influence on new firm location decision in Suzhou city, with a focus on the information and communication technology (ICT) industry. Based on point pattern analysis methods, we find that the level of agglomeration exhibits an inverted-U pattern, with the maximum being around 6 kilometers. Temporarily, hot spots of spatial agglomeration shifts from the old city district towards suburban areas, but ICT firms are still mainly concentrated in national-level development zones surrounding the old urban district. Meanwhile, new firm formation is highly correlated to the distribution of existing firms, which is re-enforcing spatial agglomeration. Poisson regression model has revealed the significant role of agglomeration, as well as development zones, transportation conditions and physical environments, in new firm formation.

DOI

[Yuan Feng, Wei Yehua, Chen Wen, et al.Spatial agglomeration and new firm formation in the information and communication technology industry in Suzhou. Acta Geographica Sinica, 2010, 65(2): 153-163.]

[9]
王伟凯. 制造业外资企业地理集聚及其区位选择. 哈尔滨工业大学学报: 社会科学版, 2011, 13(6): 27-34.从产业视角分析中国加入WTO后制造业外商投资的空间格局演变及 其区位选择。基于2002年和2007年的工业普查数据，选择七个代表性产业，运用基尼系数、Moran’s I系数等空间分析方法对七个代表性产业外资企业的空间格局进行分析，发现这七个产业空间格局显著差异。总体上，外资企业高度集聚，但是劳动密集型产业外资 企业分布较技术密集型产业分散且具有明显扩散趋势。泊松回归模型分析发现制造业外资企业的集聚属于地方化经济，是同产业集聚；外资企业之间的集聚更为明 显，受内资企业影响较弱。传统因素如劳动力、基础设施等和政策制度对制造业外资企业的区位分布仍然影响显著。

DOI

[Wang Weikai.Geographical agglomeration and location choice of foreign-invested manufacturing enterprises. Journal of Harbin Institute of Technology: Social Sciences , 2011, 13(6): 27-34.]

[10]
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

[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.]

[11]
吕卫国, 陈雯. 制造业企业区位选择与南京城市空间重构. 地理学报, 2009, 64(2): 142-152.企业区位选择研究是从微观角度理解城市结构变动的重要视角,本文构造了一个制造业区位选择作用于城市空间重构的理论框架,并以南京为例进行了实证研究。在理论框架的基础上,首先采用计量模型检验了制造业企业郊区化扩散和重新集聚一系列影响要素,其次从要素空间分布及集聚经济的角度分析制造业的扩散和集聚的微观行为对城市空间重构的作用机制。研究发现,由于土地有偿使用、城市外围交通改善、政府"退二进三"的规划管理、城市开发区建设等因素的作用,南京制造业明显的郊区化扩散和集聚,对南京城市的郊区化和空间重构具有显著影响。研究还发现,污染密集型制造业较其他制造业具有更加强烈的郊区化趋势,这对提升城市功能和改善城市环境具有重要意义。

DOI

[Lv Weiguo, Chen Wen.Manufacturing industry enterprises location choice and the urban spatial restructuring in Nanjing. Acta Geographica Sinica, 2009, 64(2): 142-152.]

[12]
袁丰, 魏也华, 陈雯, 等. 无锡城市制造业企业区位调整与苏南模式重组. 地理科学, 2012, 32(4): 401-408.The Sunan model attributes the development of Sunan (Southern Jiangsu) to the local state-directed township and village enterprises (TVEs). However, with intensifying global competition in China, since the early 1990s Sunan has moved-渂eyond the Sunan model-漷hrough privatization and the infusion of global capital, especially Taiwanese investment. However, Sunan shows a great diversity of evolution in the development and restructuring. The research on Sunan deals largely with the development of peri-urban areas represented by national or provincial development zones, rather than the evolution of the Sunan model. This article investigates economic restructuring and industrial location in Wuxi city, especially the Nanchang district, to better understand the remaking of Sunan model and spatial change. The paper analyzed how the manufacturing firm migration and new firm locational choice influenced industrial upgrading and spatial patterns as well as the impact of the government on regional transformation. This study based on the spatial analysis of a large amount of enterprise data, and questionnaire survey and interviews of local officials and company managers. The results showed that the manufacturing industry in Nanchang had experienced changes in property rights, structure and space successively under the promotion of economic transformation and urbanization. The manufacturing industry had exhibited some characteristics of urbanization obviously, such as endogenous development chiefly through high-tech advancement and highly concentrated in industrial parks. The government applied regulatory planning and financial policies such as development zone construction, tax and so on to gradually move out the traditional manufacture with high-pollution and low-added value and attract high-tech enterprises. What governments do in this process is very different from what they did in the traditional Sunan model, which was to step in business of enterprise directly. However, there are many new challenges both the local government and manufacturing firms must face, including the shortage of highly skilled labor, the unemployment of lower skilled workers, and the relocation of the manufacturing enterprises from urban zones into industrial parks.

[Yuan Feng, Wei Yehua, Chen Wen, et al.Manufacturing firms location adjustment and the restructuring of the Sunan model in Wuxi city. Scientia Geographica Sinica, 2012, 32(4): 401-408.]

[13]
郭杰, 杨永春, 冷炳荣. 1949年以来中国西部大城市制造业企业迁移特征、模式及机制-以兰州市为例. 地理研究, 2012, 31(10): 1872-1886.企业迁移研究是经济地理学的重要论题之一,是一种从微观个体出发理解产业空间格局演变及其形成机制的重要视角。利用兰州市制造业企业迁移信息,从迁移规模、方式、距离及迁移跨度4个方面对城市制造业企业空间位移特征进行分析,一定程度上揭示了新中国成立以来,中国西部大城市制造业企业迁移的模式、路径及其形成机制。案例分析表明:中国西部大城市制造业企业迁移模式由计划经济时期单一行政主导的"梯度式"迁移模式向市场经济体制时期企业自主选择的"渐进式"迁移与政府先行主导的"跳跃式"迁移相结合的模式过渡,大体上经历了向心式集中迁移、中心-外围互迁、外向型跨越式迁移3个阶段。研究还表明,经济体制转型、地方政府自主经营权下放等宏观环境变化,地方政策影响下的旧城更新、开发区建设、城市内外交通设施改善,企业自身由于外部环境变化和内在扩张需求等诸多因素相互组合及综合作用,在一定程度上共同推动了中国西部大城市制造业企业的空间迁移活动。

DOI

[Guo Jie, Yang Yongchun, Leng Bingrong.Characteristics, models and mechanisms of manufacturing enterprises migrations of large cities in western China since 1949: Taking Lanzhou as an example. Geographical Research, 2012, 31(10): 1872-1886.]

[14]
吴爱芝, 李国平, 孙铁山. 中国纺织服装产业的区位迁移. 地理科学进展, 2013, 32(2): 233-242.纺织服装业因其自身产业特点和发展特征,一直是国内研究的热点,被认为是最早实现全球产业转移和最具有产业转移特征的重要产业之一。通过构建产业结构变动系数来描绘纺织服装业区位迁移的基本格局,结果表明:①纺织服装产业的结构变动相对稳定且集中于东部地区;②结构变化地域分异明显,沿海大于内陆,东部大于中部,中部又高于西部和东北,东部沿海的浙江、广东、江苏、山东、上海和福建,中部的湖北和河南,以及东北的辽宁,纺织服装业的结构变化系数均高于全国平均水平,西部地区的多数省份则较低;③结构变动系数的大小取决于当地经济发展、区位性和结构性因素。采用偏离—份额模型将中国纺织服装业发展分解为结构效应和空间效应,以此阐述中国纺织服装业区位迁移的内在规律。结果表明:①河南、安徽和江西已经成为东部纺织服装业转移的主要承接地区;②纺织服装业的区位迁移在竞争效应和纯空间竞争效应上具有一致性,说明产业的地理分布主要受到区位优势的影响;③明显的结构负效应说明纺织服装业的产业结构有待于进一步优化。

DOI

[Wu Aizhi, Li Guoping, Sun Tieshan.Location shift of textile and garment industry in China. Progress in Geography, 2013, 32(2): 233-242.]

[15]
周浩, 陈益. FDI外溢对新建企业选址的影响. 管理世界, 2013, (12): 78-88.基于1998~2007年中国工业企业微观数据,本文运用负二项回归考察了FDI3种外溢效应对新建企业选址的影响。本文的研究显示:FDI外溢是影响企业选址的重要影响因素之一,但3种FDI外溢效应的影响作用表现出一定的差异。首先,总体上FDI水平外溢和后向外溢对内资和外资企业的选址均具有显著的吸引作用,但FDI前向外溢只对外资企业有显著的吸引作用,而对内资企业缺乏显著影响;进一步的研究发现,FDI前向外溢对内资企业中的大规模企业的选址有显著的吸引作用,而对中小规模企业则没有显著影响。其次,FDI外溢效应对企业选址影响的差异还表现出所有制差异,3种FDI外溢效应对外资企业选址的吸引作用均明显高于内资企业。

[Zhou Hao, Chen Yi.Effect of FDI spillover on the location of the new enterprises. Management World, 2013, (12): 78-88.]

[16]
柴彦威. 郊区化及其研究. 经济地理, 1995, 15(2): 48-53.

[Chai Yanwei.Suburbanization and suburbanization study. Economic Geography, 1995, 15(2): 48-53.]

[17]
吕卫国. 转型期南京市制造业郊区化及区位选择. 长江流域资源与环境, 2010, 19(2): 120-126.The suburbanization is the necessary stage of city development,and the institutions transition and economics transition is the deepseated background of suburbanization in China.The triple process of decentralization,marketization,and globalization has fundamentally restructured the orthodox Chinese socialist state,and introduced intense competitive environment.China’s local government becomes one of the most competitive governments in the world. In this condition,urban space has now become a strategic resource,a citymanaging tool and a means of expressing local government achievements.The paper took Nanjing as a demonstration and focused on the suburbanization of the manufacturing industry.Firstly,the spatial pattern of the manufacturing industry aggregation and proliferation and the suburbanization extent in Nanjing were analyzed.Then a theoretical framework of the manufacturing industry suburbanization was established. Finally,a sort of factors was identified using the Poisson model.The study found that the suburbanization had taken place from the end of 1990,and some periurban areas were the main areas where the enterprises reagglomerate.The results also validate the hypothesis that government planning and management aiming at optimizing urban spatial structure,marketizatkion of land, improvement of the means of transportation in the suburban and the establishment of the development zone are the important driving forces.

[Lv Weiguo.Location choice of manufacturing industry and suburbanization in the transition period-A study of Nanjing city. Resources and Environment in the Yangtze Basin, 2010, 19(2): 120-126.]

[18]
刘涛, 曹广忠. 北京市制造业分布的圈层结构演变-基于第一、二次基本单位普查资料的分析. 地理研究, 2010, 29(4): 716-726.基于第一、二次基本单位普查的企业数据,以邮区为基本空间单元,以制造业密度突变和总量增减为标准,将北京市划分为三个圈层:制造业衰退的中心城区已蔓延至四环;投资和外迁企业的集中区也已不限于城八区,而是迅速扩展至平原地区大部;远郊区县和山区的制造业发展缓慢.各产业类型、所有制类型和规模等级的制造业圈层结构及其演变均有较大差异.因素分解表明,北京市制造业圈层结构演变的主要推动力是电气电子和金属与矿物类产业、私有企业和大中型企业;企业规模结构的小型化和产业结构调整也有一定的促进作用.研究认为应充分重视产业结构调整与空间布局调整的结合,遏止和扭转各圈层内产业结构均衡化和圈层间产业结构同质化的趋势.近郊平原制造业的核心地位仍将长期保持,用地集约化至关重要;中心城区可以适度发展都市型制造业,促进就业多样化;远郊化的谨慎推进则应以生态保育为前提.

DOI

[Liu Tao, Cao Guangzhong.The changing layer structure of manufacturing in Beijing and its factor decomposition: Based on the national census of basic units. Geographical Research, 2010, 29(4): 716-726.]

[19]
Cao C, Lam N S.Understanding the Scale and Resolution Effects in Remote Sensing and GIS. In: Quattrochi D A, Goodchild M F. Scale in Remote Sensing and GIS. Boca Raton, Florida: CRC/Lewis Publishers, 1997: 57-72.

[20]
刘凯, 秦耀辰. 论地理信息的尺度特性. 地理与地理信息科学, 2010, 26(2): 1-5.尺度是地理信息一种固有的本质属性,尺度问题是当前地理信息科学研究的核心内容之一。该文根据地理信息在获取、处理、传输、表达和分析中尺度显现的基本规律,将地理信息的尺度特性概括为尺度依赖性、空间形态可分性与可聚合性、语义层次性与语义连通性、尺度不变性、尺度一致性,并探讨其具体内涵。

[Liu Kai, Qin Yaochen.On scale characteristics of geographic information. Geography and Geo-Information Science, 2010, 26(2): 1-5.]

[21]
Overman H G.Can we learn anything from economic geography proper? Journal of Economic Geography, 2004, 4(5): 501-516.This paper considers the ways geographers (proper) and (geographical) economists approach the study of economic geography. It argues that there are two areas where the approach of the latter is more robust than the former. First, formal models identify which assumptions are crucial in obtaining a particular result and enforce internal consistency when moving from micro to macro behaviour. Second, empirical work tends to be more rigorous. There is much greater emphasis on identifying and testing refutable predictions from theory and on dealing with issues of observational equivalence. But any approach can be improved and so the paper also identifies ways in which geographical economists could learn from the direction taken by economic geographers proper.

DOI

[22]
陈培阳, 朱喜钢. 基于不同尺度的中国区域经济差异. 地理学报, 2012, 67(8): 1085-1097.采用变异系数、泰尔指数、空间自相关和尺度方差等统计方法从地带、省级、地级和县级4个尺度对1998-2009年中国区域经济差异进行测度和空间格局比较分析。①差异测度研究表明,自1998年以来,中国区域经济差异在4个尺度上均表现出扩大的趋势;省级、地级和县级单元人均GDP具有显著的空间自相关性,其中地级和县级人均GDP的空间自相关程度呈扩大趋势。②尺度方差及其分解研究表明,尺度方差及其构成大小依次排列均为县级、地级、省级、地带,即尺度越小,尺度方差越大,对区域经济差异的贡献份额也越大。③空间格局研究表明,不同尺度区域经济空间关联格局总体相对稳定,HH类型集聚区大多分布于东部沿海地区,LL类型在中西部地区的大规模集聚是不同尺度区域经济空间自相关性的主要原因;各尺度显著空间关联类型对总体空间自相关和区域经济差异的影响各不相同。

DOI

[Chen Peiyang, Zhu Xigang.Regional inequalities in China at different scales. Acta Geographica Sinica, 2012, 67(8): 1085-1097.]

[23]
刘涛, 曹广忠. 大都市区外来人口居住地选择的区域差异与尺度效应-基于北京市村级数据的实证分析[J]. 管理世界, 2015, (1): 30-40, 50.基于住房供给—需求关系,本文从就业机会、房源供给、宏观区位和交通便利性4个维度构建了外来人口在都市区内部的居住决策和空间分布的解释模型,并将区域差异和尺度效应纳入模型.基于北京市村级数据的实证研究发现,就业机会的空间分布对外来人口的居住区位决策和空间分布格局起到决定性作用,职住空间一体化或职住临近是城市外来人口工作、生活空间的重要特征.近郊区是中心城区外来务工人口的主要聚居地,其空间格局主要受到房源供给的限制,而与本地的就业机会和交通条件关系有限.城市产业的郊区化促进外来人口向远郊区聚集,进入了明显的远郊化进程;尤其随着地铁网络的延伸,远郊地铁站附近成为外来人口的重要聚居区.远郊区和偏远地区的区县中心对外来人口分布的影响不大,依托村镇本地的就业机会而就近居住是这些地区外来人口居住决策的主要方式,县乡道及一般道路通达性较好的地区因此成为产业发展和外来人口集聚的优势区域.

[Liu Tao, Cao Guangzhong.Regional inequalities and scale effects of residence choice for the floating population in metropolitan area-Based on the data of village in Beijing. Management World, 2015, (1): 30-40, 50.]

[24]
方叶林, 黄震方, 王坤. 不同时空尺度下中国旅游业发展格局演化. 地理科学, 2014, 34(9): 1025-1032.以中国（不包括港、澳、台地区）省、市域1996~2010年旅游发展的面板数据为例,运用ESDA、重心、标准差椭圆等分析技术,对原始数据进行空间分析,结合脉冲响应函数,分析空间演化的影响因素作用。结果表明：1996~2010年总体上省域旅游经济表现出随机分布的空间态势,空间差异有所缩小,其中东部旅游业发展差异最大,中部最小。中国省域旅游经济重心向西北发生偏移,长三角及周边地区为中国旅游经济的扩散效应区,广大西部地区是旅游经济的低速增长区。中国市域旅游经济的高值区大致分布在“黑河腾冲”线的右侧,主要集聚在四大板块,与省域旅游经济的空间差异相比,市域旅游经济空间差异更加显著。区域旅游资源禀赋以及社会经济因素是影响空间差异的两大因素,区域发展客观规律与政府的政策制度,对区域旅游发展差异有重大的影响,特殊事件对原有格局会产生一定的冲击,但不能从总体上改变空间差异的格局。

[Fang Yelin, Huang Zhenfang, Wang Kun.Spatial pattern of Chinese tourism development based on different spatio-temporal scales. Scientia Geographica Sinica, 2014, 34(9): 1025-1032.]

[25]
刘振锋, 薛东前, 庄元, 等. 文化产业空间尺度效应研究-以西安市为例. 地理研究, 2016, 35(10): 1963-1972.以西安市为例,利用绕城高速内文化企业空间点数据,借助Arc GIS 9.3软件创建不同尺度方格网并计算格网内文化企业点数和密度,运用基尼系数、Global Moran＇s I指数和Kriging插值来探讨文化产业空间尺度效应。结果表明：（1）研究尺度的增大对文化企业空间集中程度具有＂稀释＂作用,稀释能力随着尺度的增大而减弱,这种稀释作用具有一定的尺度＂阈值＂;（2）格网尺度超过1.5 km×1.5 km时,集中程度随尺度变化较小;（3）根据基尼系数和Global Moran＇s I指数的变化情况,将文化产业空间分为三个尺度层次,微观尺度（0.1 km×0.1 km~0.6 km×0.6km）下自相关系数随尺度增大而快速增大,中观尺度（0.6 km×0.6 km~2.8 km×2.8 km）下高水平波动,宏观尺度（2.8 km×2.8 km以上）下趋于稳定;（4）从微观到宏观尺度,文化产业沿着散点—极核—轴带—团块格局演变,文化产业的尺度效应是由空间单元划分引起相邻文化密集区的空间重构造成的;（5）研究的实践意义在于,进行文化产业规划和制定相关政策时,应针对文化产业不同尺度的空间特征做出不同层次的安排,以利于文化产业的合理布局和健康发展。

DOI

[Liu Zhenfeng, Xue Dongqian, Zhuang Yuan, et al.Space scale effects of cultural industries: A case study of Xi'an. Geographical Research, 2016, 35(10): 1963-1972.]

[26]
徐维祥, 汪彩君, 唐根年. 中国制造业资本积累动态效率变迁及其与空间集聚关系研究. 中国工业经济, 2011, (3): 78-87.中国制造业空间集聚态势非常明显，但并非所有制造业空间集聚都会带来正效益。本文利用1997-2008年中国制造业28个行业的数据。运用AMSZ准则对中国制造业资本积累的动态效率进行测算．并对典型制造业空间集聚规模及其资本积累动态效率关系进行格兰杰因果检验，结果显示：中国整体制造业资本积累动态效率不断提高，制造业内不同行业的资本积累动态效率存在较大差异：进一步分析发现，制造业空间集聚规模与资本积累的动态效率之间不是简单互为因果的均衡关系．只有部分地区、个别行业存在单向的因果关系．而有些产业集聚程度较高地区集聚程度与资本积累动态效率反而偏离长期均衡关系．出现过度集聚、效率下降现象。

[Xu Weixiang, Wang Caijun, Tang Gennian.Dynamic efficiency of China’s manufacturing capital accumulation and its relationship with spatial agglomeration. China Industrial Economics, 2011, (3): 78-87.]

[27]
文东伟, 冼国明. 中国制造业的空间集聚与出口: 基于企业层面的研究. 管理世界, 2014, (10): 57-74.

[Wen Dongwei, Xian Guoming.Spatial agglomeration of China's manufacturing industry and exports: Based on the study of enterprises. Management World, 2014, (10): 57-74.]

[28]
罗胤晨, 谷人旭. 1980-2011年中国制造业空间集聚格局及其演变趋势. 经济地理, 2014, 34(7): 82-89.利用中国工业经济统计数据,考察1980—2011年中国19个两位数制造业在省区尺度的空间集聚格局及其演变趋势,同时对2004年后制造业空间集聚程度持续下降的原因进行了探讨。结果表明:1从空间维度看,中国制造业出现了显著的集聚趋势,尤其是向东部沿海地区集中的态势明显,制造业地理集聚存在空间差异;2从产业特性看,不同类型产业的空间集聚趋势也存在显著差异。资源依赖型产业空间集聚程度相对较低,而资本和技术密集型产业空间集聚程度较高,劳动密集型产业由于以出口为主导,促进了产业向接近国外市场的东部沿海地区集聚。3从时间维度看,1980—2004年集聚程度呈稳定上升趋势,并在2004年达到最高点,而2004—2011年集聚程度呈持续下滑态势。

[Luo Yinchen, Gu Renxu.The pattern and evolutional trend of Chinese manufacturing’s spatial agglomeration-An empirical analysis based on data from 1980 to 2011. Economic Geography, 2014, 34(7): 82-89.]

[29]
郑蔚. 福建省制造业空间集聚水平测度与评价. 经济地理, 2012, 32(7): 74-80.利用区位商、空间基尼系数和产业共同集聚指数对福建省制造业空间集聚水平进行测度和评价。结果表明:福建省9地市现已形成各具特色的产业集群。区域中心城市的行业发展相对均衡,外围城市的行业发展相对集中。单一制造业空间集聚程度与制造业共同集聚程度并不完全呈现一致性。传统的自然资源密集型产业和劳动密集型产业具有两极化的空间集聚水平,而重化工业的集聚效应明显于扩散效应。最后,分别对基于资源禀赋、协作共生、规模经济和政府引导四种制造业集群的形成机理进行分析。

[Zheng Wei.Spatial agglomeration level measurement and evaluation of manufacturing in Fujian province. Economic Geography, 2012, 32(7): 74-80.]

[30]
韩峰, 柯善咨. 空间外部性、比较优势与制造业集聚-基于中国地级市面板数据的实证分析. 数量经济技术经济研究, 2013, (1): 22-38, 116.本文综合传统比较优势和外部性因素，在新经济地理框架下建立了理论和计量模型，研究了我国284个地级市制造业集聚的影响机制及地区差异，结果表明，传统比较优势仍是影响制造业区位的重要因素；城市之间存在明显的要素供给与市场需求的空间关联性，且已超过传统比较优势成为制造业集聚的主要来源；传统比较优势与空间外部性对制造业集聚的作用分别由西到东和由东到西依次递减。研究结论为进一步促进区域间产业转移和协调发展提出了重要启示。

[Han Feng, Ke Shanzi.Spatial externalities, comparative advantage and manufacturing agglomeration. The Journal of Quantitative & Technical Economics, 2013, (1): 22-38, 116.]

[31]
汪彩君, 唐根年. 长江三角洲地区制造业空间集聚、生产要素拥挤与集聚适度识别研究. 统计研究, 2011, 28(2): 59-64.我国制造业呈现空间集聚特征已是不争的事实,但是并非所有的集聚都会带来正效应。长三角地区一些产业集聚已出现生产要素拥挤现象,产业效率下降明显。本文采用区位商及其产值所占比例等指标选取长三角地区典型的六大高集聚度的制造产业,通过产业规模指数与利润的相关分析,得出并非所有制造行业生产效率与产业聚集度成正相关关系,依据制造业集聚效率特征把集聚类型定量划分为聚集过度、聚集适度与聚集推进三类,并建立区域制造业空间聚集适度分析与预警模型,为合理指导区域产业聚集、产业转移提供决策依据。

DOI

[Wang Caijun, Tang Gennian.Spatial agglomeration、congestion of production factors and the forewarning for the manufacturing industry agglomeration suitability in Yangtze River Delta. Statistical Research, 2011, 28(2): 59-64.]

[32]
王劲峰, 廖一兰, 刘鑫.空间数据分析教程. 北京: 科学出版社, 2014: 76-79.

[Wang Jinfeng, Liao Yilan, Liu Xin.Analysis on Spatial Data. Beijing: Science Press, 2014: 76-79.]

[33]
Besag J E.Comments on Ripley’s paper. Journal of the Royal Statistical Society,Series B, 1977, 39: 193-195.

[34]
陈强. 高级计量经济学及stata应用. 北京: 高等教育出版社, 2010: 203-204.

[Chen Qiang.Advanced Econometrics and Application Using Stata. Beijing: Higher Education Press, 2010: 203-204.]

[35]
沈能, 赵增耀, 周晶晶. 生产要素拥挤与最优集聚度识别-行业异质性的视角. 中国工业经济, 2014, (5): 83-95.集聚经济具有两面性,集聚正(负)外部性在不同的集聚阶段可能交替出现。本文从行业异质性视角入手,引入过度集聚带来的拥挤效应重新考察中国制造业全要素生产率的变化,并采用非线性门限回归模型考察不同类型产业集聚效应的门槛特征并确定最佳的转移时机和区位选择。研究表明:产业集聚对行业生产率的影响并非单调递增(递减),其影响系数在不同行业、不同集聚区间是有所差异的,即随着产业集聚度由弱变强,会对行业生产率产生先提高后降低的影响,且具有显著的三重非线性门槛特征。根据集聚程度与生产率两者的匹配关系给出了集聚推进、集聚适中和集聚过度判断的标准。中国行业生产率与集聚活动呈现空间错配特征,集聚转移的区位选择取决于集聚经济与重新选址的沉没成本之间的权衡比较。本文政策涵义明显:政府应重构产业区域协同发展机制,通过产业链的协同创新机制实施多层次多极的空间战略;产业政策切忌走入盲目提高集聚度或降低集聚度的误区,应针对不同的行业要素特征和发展阶段,采取差异化的集聚政策。

[Shen Neng, Zhao Zengyao, Zhou Jingjing.Congestion of production factors and optimal agglomeration recognition-Based on the perspective of industry heterogeneity. China Industrial Economics, 2014, (5): 83-95.]

[36]
谢敏, 赵红岩, 朱娜娜, 等. 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, 148.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

[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, 148.]

[37]
石忆邵, 俞怡文. 郊区化究竟是加重还是缓解了城市病: 基于上海的实证分析. 经济地理, 2016, 36(8): 47-54.以上海市为例,运用定性与定量分析相结合的方法,分别从制造业郊区化和住宅郊区化两方面分析对上海城市发展的影响。结果表明:1制造业郊区化总体上改善了城市环境空气质量,但对中心城区和郊区的影响方向相反;2住宅郊区化加剧了中心城区和郊区的职住分离现象,恶化了中心城周边地区的交通拥堵状况;3制造业郊区化和住宅郊区化均在一定程度上造成了土地资源的过量消耗。因此,伴随上海郊区化进程的深化,既要控制和削减NO2和PM2.5的排放浓度,又要统筹推进产城融合发展;既要注重推进郊区土地的节约和集约利用,又要控制房价过快上涨,还要关注近郊区的人口结构、产业结构、用地结构、空间结构的互动调整和优化,力争将上海建设成为资源节约型、环境友好型、社会和谐型、生态宜居型的全球城市。

DOI

[Shi Yishao, Yu Yiwen.Whether suburbanization exacerbates or alleviates urban diseases-evidences from Shanghai, China. Economic Geography, 2016, 36(8): 47-54.]

[38]
安虎森, 肖欢. 我国区域经济理论形成与演进. 南京社会科学, 2015, (9): 23-30.自1949年以来,我国先后提出和完善了生产力均衡布局理论、区域非均衡发展理论、区域协调发展理论、中国特有的城乡统筹理论。目前正实施四大板块和三大支撑带组合战略,其核心是实现经济活动空间拓展以及区域经济一体化,也是重塑国内、国外经济地理的过程。尽管经济活动空间拓展以及区域经济一体化理论并非我国所独创,但我国提出的构建新的国际分工和产业转移模式,通过实现产业转移实施者与产业转移承接者发展战略的无缝对接,促使资本和产业源源不断地流入产业承接者国内,实现区域经济一体化的观点,进一步丰富和完善了区域经济理论。

[An Husen, Xiao Huan.The formation and evolution of the regional economic theory in China. Nanjing Journal of Social Sciences, 2015, (9): 23-30.]

[39]
王俊松. 长三角制造业空间格局演化及影响因素. 地理研究, 2014, 33(12): 2312-2324.基于长三角制造业企业数据和空 间计量统计方法,探讨了长三角地区2000年以来制造业的空间格局变化及影响因素。结果表明:长三角制造业空间分布呈现出典型的以上海为中心的沿重要交通 轴线集聚的特征,且在2000年以后经历了明显的产业扩散,这种扩散存在明显的行业差别,技术密集度越高,行业的扩散半径越小。尽管出现制造业扩散趋势, 上海市作为长三角中心城市的地位却有所增强。空间计量的回归结果表明,制造业分布存在典型的空间溢出效应;控制空间溢出效应以后,这一地区的制造业集聚主 要受制于区位条件因素,包括到上海市区和到机场的距离以及市辖区区位是影响制造业分布的重要因素,且前两个因素的影响逐渐增强,尚未发现政策因素对制造业 分布的显著影响。同时发现制造业集聚影响因素存在显著的行业差异。

DOI

[Wang Junsong.Evolution of spatial pattern and influencing factors of manufacturing industries in Yangtze River Delta region. Geographical Research, 2014, 33(12): 2312-2324.]

[40]
叶素云, 叶振宇. 中国工业企业的区位选择: 市场潜力、资源禀赋与税负水平. 南开经济研究, 2012, (5): 94-110.本文在新经济地理的理论框架下着重考察了市场潜力、资源禀赋和税负水平对工业企业区位选择的影响。利用2000--2010年中国286个城市层面的数据，通过对不同时段、不同区域和不同所有制类型的工业企业区位进行分析，结果显示，国内市场潜力和国际市场需求越大，越有利于吸引和培育新企业；沿海地区城市的资源禀赋条件越好，越有利于吸引企业投资；内地地区城市的工业税负水平高、差异大，不利于吸引企业落户；城市内部基础设施和工资水平对工业企业区位决策的影响并不显著。从不同所有制的企业看，国内市场潜力和国际市场需求对外资、私营和港澳台企业区位决策都有显著的正向影响，而城市工业税负水平则起着相反的作用。本文研究表明新经济地理理论对中国工业企业区位进择有较强的解释力。

[Ye Suyun, Ye Zhenyu.Location choice of industrial firms in China: Market potential, resource endowment and tax burden level. Nankai Economic Studies, 2012, (5): 94-110.]

Options
文章导航

/

〈 〉