EN中文

地理研究 >

2019 , Vol. 38 >Issue 2: 273 - 284

DOI: https://doi.org/10.11821/dlyj020170730

研究论文

制造业企业区位选择集聚经济指向的空间效应

  • 于瀚辰 , 1 ,
  • 周麟 2 ,
  • 沈体雁 , 1
展开
  • 1. 北京大学政府管理学院,北京 100871
  • 2. 清华大学建筑学院,北京 100084
沈体雁（1971- ）,男,湖北天门人,教授,博士生导师,研究方向为经济地理、区域经济、城市与区域规划。E-mail:

作者简介：于瀚辰（1991- ）,男,北京人,博士研究生,研究方向为区域经济、空间计量经济学。E-mail:

收稿日期: 2017-08-16

  要求修回日期: 2018-08-11

  网络出版日期: 2019-02-20

基金资助

国家社会科学基金重大项目（13&ZD166）

国家自然科学基金项目（71473008）

收起

Location selection and spatial effects of agglomeration economy in manufacturing enterprises

  • YU Hanchen , 1 ,
  • ZHOU Lin 2 ,
  • SHEN Tiyan , 1
Expand
  • 1. School of Government, Peking University, Beijing 100871, China
  • 2. School of Architecture, Tsinghua University, Beijing 100871, China

Received date: 2017-08-16

  Request revised date: 2018-08-11

  Online published: 2019-02-20

Copyright

《地理研究》编辑部 所有
Fold

摘要

集聚经济指向是中国制造业企业区位选择的重要特征,同时企业的选址决策通常受到集聚经济的空间效应影响。因此,尝试使用空间泊松模型探讨中国制造业企业区位选择集聚经济指向的空间效应。结果表明：① 地方化经济和城市化经济均存在显著的空间效应,但空间效应的作用要弱于本地效应。② 地方化经济和城市化经济的空间效应是不同的,前者存在溢出效应,后者则为阴影效应。③ 地方化经济和城市化经济的正向影响尺度也存在差异,前者正向影响尺度较大,而后者正向影响仅限于本地。④ 集聚经济的本地效应和空间效应存在行业差异,其强度存在正相关。

关键词： 集聚经济; 区位选择; 空间依赖性; 空间泊松模型

本文引用格式

于瀚辰 , 周麟 , 沈体雁 . 制造业企业区位选择集聚经济指向的空间效应[J]. 地理研究, 2019 , 38(2) : 273 -284 . DOI: 10.11821/dlyj020170730

Abstract

As we all know, agglomeration economy is one of the key factor affecting the location choice of enterprises. It can be divided into localization and urbanization. Enterprises benefit from localization and urbanization are different. Localization originates from industry size but urbanization originates from city size. Many researches have explored the mechanism of the two and their impact on different industries, and a series of meaningful conclusions have been drawn. However, spatial effect is important to enterprises' decision making, while scholars pay little attention to it, such as whether the impact of agglomeration economy has spillover effect in space, how large the scale of the effect is, whether the relationship is spatially different. Therefore, this paper improves the traditional location selection model to a spatial model, and studies the spatial effect of location selection of manufacturing enterprises. Based on the spatial poisson models, this paper discusses the spatial dependence of location selection and agglomeration economies and manufacturing industry enterprises location selection in China. It is found that both localization and urbanization have significant spatial effects, but the spatial effect is weaker than the direct effect. The results show that: (1) There are significant spatial effects in both localization and urbanization, but the spatial effects are weaker than the direct effects. (2) The spatial effects of localization and urbanization are different. The former has spillover effect, while the latter has shadow effect. (3) There are also differences in the scale of positive impact between localization and urbanization. The former has a larger scale of positive impact, while the latter is limited to local areas. (4) There are industry differences in the direct and spatial effects of agglomeration economy, and their intensity is positively correlated.

Key words： agglomeration economy; location selection; spatial dependency; spatial poisson model

1 引言

众所周知,集聚经济是影响企业区位选择的关键因素[1,2,3,4],其按照作用机理不同,可分为地方化经济和城市化经济。企业受益于两者的根源不同,地方化经济源于行业规模,城市化经济源于城市规模。诸多研究探讨两者作用机理及其对不同行业的影响,并得到了一系列有意义的结论。但空间效应作为影响企业决策的重要环节,诸多问题却较少被关注,例如：集聚经济的影响在空间上是否存在溢出效应,作用尺度有多大,是否存在空间差异等。因此,本文将传统的企业区位选择模型改进为空间模型,并以此为基础研究制造业企业区位选择集聚经济指向的空间效应。
集聚经济的研究源于19世纪末,英国经济学家Marshall发现城市中的同一产业集聚有助于企业间的知识溢出和技术传播,从而促进该产业及城市的增长,并指出集聚经济产生的原因主要有三个方面：共享劳动力池,投入产出联系和知识溢出。随后,Jacobs将知识溢出、产业集聚与创新有机结合,提出异质性企业间的非确定性交流更能够产生关键知识的溢出,并引发企业新思路,进而构建多样化集聚与知识溢出的关系。在此基础上,Glaeser等结合经济学理论的演进,将上述两种机制总结为MAR外部性与Jacobs外部性[2],自此引发了地方化经济还是城市化经济的广泛讨论。前者认为外部性主要发生在同一产业内,后者认为外部性发生在不同产业间。相关研究中,Rosenthal等讨论了Marshall集聚理论的三个方面,并通过实证发现共享劳动力池是集聚经济的主要原因[5]。Duranton等则将集聚经济分为共享机制、匹配机制、学习机制,并认为Marshall对于集聚的来源的观点中劳动力池有两种解释：一为共享机制,当某个企业受到特殊的冲击时,工人可以通过劳动力池到其他企业就业,从而分担其风险;二为匹配机制,更大的劳动力池使得工人和企业得到更适合的匹配[6]。Henderson经过实证研究发现尽管不同行业差异性很大,但综合来说,地方化经济比城市化经济对企业的影响更大[7]。Jofre等认为知识密集型企业更重视城市化经济,技术密集型企业则更重视地方化经济[8]。近年集聚经济的空间效应也备受关注,Mori等提出了一种基于空间聚类的产业集聚尺度和程度的定量测度方法,并以日本工业为例验证了考虑运输距离与产业集聚空间尺度的新经济地理学模型[9]。Andersson等通过研究经济密度的外部性发现在考虑了邻近关系后更容易捕捉到学习行为,但知识溢出随距离急速衰减[10]。
国内研究中,制造业集聚经济指向同样是学界近年来的关注重点。范剑勇认为中国制造业的产业外部性均表现为产业内集聚与关联产业集聚,而且产业内集聚效应高于关联产业集聚效应[11]。贺灿飞等发现专业化和本地竞争一定程度上可以促进产业增长[12]。刘修岩等研究发现与城市化经济相比,地方化经济对企业区位选择有着更大的影响[13]。陈建军等则验证了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[14]。随后,周浩等认为区域间需求可达性对新企业具有排斥力,供给可达性和区域内需求可达性对新企业具有吸引力[15]。陈曦等将制造业内部产业关联及其空间集聚联系到了一起发现部分行业由于产业关联而产生空间关联[16]。而蒋灵多则证实了地方化经济和城市化经济均可显著降低企业失败风险,且前者作用大于后者[17]。
通过文献综述可知,国内外学者对于集聚经济的归纳总结已较为完善,但整体上对集聚经济的空间效应和空间尺度关注不够,鲜有研究可以精细化识别区域间的溢出效应,进而无法得知地方化经济和城市化经济在空间上的作用尺度和作用差异。究其原因,以往对于集聚经济的研究主要使用集聚指标配合经典线性模型或经典泊松模型,这些方法虽然能够在一定程度上反映集聚经济,但却无法处理数据及模型中存在的空间依赖性,也就无法识别空间效应。因此,本文将经典泊松模型改进为空间泊松模型,以度量地方化经济和城市化经济的空间效应,并进一步探讨空间效应所对应的空间尺度、溢出效应和阴影效应等问题。

2 模型设定、变量选取与数据来源

2.1 模型设定

2.1.1 经典泊松模型 企业根据获得的利润来决定是否进入某个地区,而利润由收入和成本确定。收入和成本受到各个因素的影响,所以企业的利润可由构建线性期望企业随机利润函数确定[18]：
πi=xiβ+εi （1）
式中：πi为企业位于i区域的利润;xi是影响企业区位选择的因素;εi是误差项。
在可选择的有限的空间中,企业之所以选址于某个地区,原因在于该地区的利润是最大的。因此,如果随机项εi满足极值Ⅱ型分布,那么企业选址于i区域的概率可以表达为：
Prob(i)=exp(xiβ)/$\sum$i exp(xiβ) （2）
根据Guimaraes证明的条件Logit模型和泊松模型的系数估计是等价的[19],上述模型等价于如下模型：
E（yi）=exp(xiβ) （3）
式中：yi是i地新企业数量。此即经典的企业区位选择的泊松模型（Poisson Model,PM）。
2.1.2 空间泊松模型——对经典泊松模型的拓展 经典的泊松模型没有考虑空间依赖性,也就无法识别区域间的溢出效应。Tobler地理学第一定律指出任何事物存在空间相关,距离越近的事物空间相关性越大[20]。因此空间数据中通常都会存在或强或弱的空间依赖性。区位理论指出,企业在选择区位时存在明显的竞争效应和溢出效应,进而影响企业区位选择的空间分布。显然,忽略这种空间影响不仅不能准确的解释企业的区位选择决策,而且会导致参数的有偏估计。所以在企业区位选择模型中加入空间效应是非常必要的。所以以两种方式将空间效应加入模型。
第一种：将自变量x的空间滞后变量W×x加入到模型中：
E（yi）=exp（xiβ+Siwijxiθ） （4）
式中：W=（wij）n×n是空间权重矩阵。
第二种：将模型改进为空间滞后泊松模型：
E（yi）=exp（xiβ）Πj≠i E（yi）ρ wij （5）
式中：ρ为空间滞后回归系数。

2.2 变量选取与估计方法

在国内外研究中,企业区位选择泊松模型的变量及指标选取较为相似。刘修岩等使用行业全国就业人数占比与赫芬达尔指数分别反映地方化经济和城市化经济,使用市场潜能、工资水平和省会港口虚拟变量作为控制变量[13]。周浩等使用行业就业人数与城市就业人数全国占比分别代表地方化经济和城市化经济,将可达性变量引入模型,并选择将人口密度和平均工资作为控制变量[15]。Jofre等以行业从业人数代表地方化经济,城市就业人员人数代表城市化经济,以城市面积和区域固定效应作为控制变量[8]。Guimaraes等则使用行业就业密度反映地方话经济,使用制造业和服务业企业密度反映城市化经济,并将人口密度,税收和个人收入总额作为控制变量[19]。参照既往研究选取自变量指标（表1）。
Tab. 1 Selection and description of variables

表1 变量的选取与描述

变量 描述
N 2007年开业的规模以上工业企业数量（个）
ME 2007年制造业行业从业人数（万人）
UE 城市就业人员人数（万人）
MP 通过市场潜能函数计算得到的市场潜能大小
S 职工平均工资（万元）
就中国而言,行业从业人数一般代表了行业规模,而地方化经济源于行业规模,所以行业从业人数可以作为反映地方化经济的变量指标。城市就业人员人数在很大程度上代表了城市规模,由于城市化经济源于城市规模,所以城市就业人员人数反映了城市化经济的大小。市场需求和企业成本是影响企业区位选择的重要因素,本研究将市场需求用一个区域及其邻近区域的市场购买力的加权平均和衡量,也就是利用市场潜能反映市场需求。在企业成本中,用工成本是其主要部分之一,使用职工平均工资反映用工成本,同时职工平均工资也可以部分地反映各地区诸如地价和通勤等因素。故选择市场潜能和职工工资作为反映市场需求和企业成本的控制变量。市场潜能借鉴Harris提出的市场潜能函数[21]：
mpi=Yi/dii+Σ j≠i Yi/dij （6）
式中：Yi为i城市总收入,以地区GDP表示;dij为城市间欧式距离;dii为城市内部距离。
将变量代入到三种模型中则分别得到经典泊松模型：
E（Nij）=exp（MEijb1j+UEiβ2j +MPiβ3j +Siβ4j） （7）
自变量空间滞后泊松模型（Spatial Lag of X Poisson Model,SLXPM）：
E（Nij）=exp（MEijβ1j+UEiβ2j +MPiβ3j+Siβ4j+ΣkwikMEkjθ1j+ΣkwikUEkθ2j+ΣkwikMPkθ3j+ΣkwikSkθ4j）（8）
空间滞后泊松模型（Spatial Lag Poisson Model,SLPM）：
E（Nij）=exp（MEijβ1j+UEiβ2j +MPiβ3j +Siβ4j）Pj≠i E（Nij）ρ wij （9）
式中：Nij表示第i个地区第j个行业的新企业数量;MEij表示第i个地区第j个行业的地方化经济;UEi表示第i个地区的城市化经济;MPi表示第i个地区的市场潜能;Si表示第i个地区的工资。
考虑到上述模型可能存在遗漏变量导致的内生性问题,进而影响估计的稳健性,在拟最大似然估计的框架下,参照Lambert等提出的两阶段有限信息最大似然估计方法对模型进行估计与检验[22]。Wooldridge指出即便泊松模型存在内生性问题,其拟最大似然估计仍具有一致性[23],故本研究对于模型的估计较为可靠。在选择空间权重矩阵时,Arora等建议在处理空间滞后时使用中性的二进制邻接矩阵进而增加模型的稳健性,因此本研究使用经典的二进制Queen邻接权重矩阵[24]。

2.3 数据来源

数据方面使用的企业层面数据为2007-2008年规模以上工业企业数据,来自于国家统计局工业企业统计数据库,并将数据按照二位数行业代码划分为29个行业。该数据涵盖采掘业、制造业和电力、煤气与水生产和供应业的全部国有和年销售收入500万以上的非国有企业。其中,烟草制品业样本数量很小,为了避免模型自由度不足导致不可信的回归结果,选取其他28个制造业行业进行分析。区域层面数据如土地面积、就业人员人数、地区生产总值、职工平均工资,来自2008年《中国区域经济统计年鉴》,共选取了338个地级区域的数据。

3 中国制造业的空间依赖格局

本研究将制造业所有行业的新企业汇总到地级市区域,发现新企业主要分布在东部沿海地区,呈现由东向西逐渐递减的格局,且新企业格局在空间上存在明显的正相关,即新企业数量多的地级市,其周围地级市新企业也较多,反之亦然（图1a）。进一步使用局部Moran's I（Local Indicators of Spatial Association,LISA）来反映各个地区的局部自相关[25]。结果表明：制造业新企业格局在东部沿海地区呈现明显的“高—高”集聚,西部则呈现明显的“低—低”集聚（图1b）。这种正的自相关一方面是由于东部经济发展水平较高而西部较低,另一方面也可能是由于地方化经济、城市化经济、市场潜力等多种因素的溢出效应导致。空间泊松模型将证明这种溢出效应,即：制造业企业区位选择的空间相关性不仅由于影响因素存在空间自相关,而且还因为影响因素存在溢出效应。另一方面,东部部分地区呈现低—高的负相关现象,即：周围地区新企业数量越多,则本地新企业数量越少。这可能由于其他沿海地区的阴影效应,企业被吸引到这些沿海地区导致其周围部分地区新企业的减少。最后,通过Moran散点图及检验得到P值为0.001,表明新企业数量确实存在空间正自相关（图1c）。
Fig. 1 Spatial pattern and spatial autocorrelation of new firms

图1 新企业数量空间格局及自相关

制造业就业人数的空间分布同样存在正的自相关,且呈现东高西低逐渐递减的格局,与新企业数量的格局非常相近（图2a）。其LISA图反映的局部自相关则主要是西部的“低—低”集聚,在东部没有呈现明显的局部自相关（图2b）。Moran散点图也说明了制造业就业人数存在空间正自相关,P值为0.001（图2c）。
Fig. 2 Spatial pattern and spatial autocorrelation of manufacturing employment

图2 制造业就业人数空间格局及自相关

城市就业人口的空间分布与前两个变量存在较大差异,以胡焕庸线为分割,东高西低,差异明显,而中部地区和东部沿海地区则相差无几（图3a）。城市就业人口的LISA图表现的局部自相关同样是西部的“低—低”集聚,在东部没有明显的局部自相关（图3b）。其Moran散点图也说明了城市就业人口的存在空间正自相关,P值为0.002（图3c）。
Fig. 3 Spatial pattern and spatial autocorrelation of urban employment

图3 城市就业人口空间格局及自相关

综上所述,制造业新企业数量、制造业就业人口、城市就业人口均存在显著的空间正自相关。其中,前两者的空间格局十分相似,均呈现由东向西梯度递减的格局。城市就业人口则以胡焕庸线为分割,呈现东高西低的格局。在西部地区,三者均出现“低-低”集聚的局部空间自相关。东部地区则只有新企业数量局部自相关明显。本文推测企业区位选择的影响因素存在空间溢出效应,并进一步通过回归模型验证。

4 回归结果分析

将制造业28个行业分别使用泊松模型、自变量空间滞后泊松模型、空间滞后泊松模型进行回归,并统计28个行业各系数回归结果的均值、标准差、5%显著水平下显著为正的行业数量和显著为负的行业数量。三个模型中,地方化经济、城市化经济的回归系数均为显著的正值,这表明集聚经济对于企业区位选择存在正向影响（表2）。同时,自变量空间滞后泊松模型和空间滞后泊松模型均反映出变量存在空间效应,空间滞后泊松模型反映出所有变量均为正相关的空间效应,而自变量空间滞后模型反映了除城市化经济为负相关,其他变量为正相关空间效应,考虑到遗漏变量偏误,自变量空间滞后泊松模型更为可信。模型回归系数的本地效应表明,制造业就业人数增加1万人,新企业增加0.26%。由此可知,地方化经济正向影响企业利润,进而增加了企业选址于此的可能性。城市就业人口增加1百万人,新企业增加0.13%。因此,城市化经济同样会增加企业选址于此的可能。市场潜能增加1,新企业增加0.1%,所以说市场潜力也是企业在区位选择时的正向因素。员工平均工资增加1万元,新企业减少0.25%。作为企业的成本,员工工资负向影响了企业的区位选择,工资越高,企业选址与此的可能性越小。其中除市场潜能外,其他变量对大多数行业均显著。本地效应的回归结果整体上与前人的研究保持一致。模型回归系数的空间效应中,周围的制造业就业人数增加1万人,新企业增加0.07%。周围的城市就业人口增加1百万人,新企业减少0.03%。周围的市场潜能增加1,新企业增加0.05%。周围的员工平均工资增加1万元,新企业减少0.07%。所有变量的空间效应对于大多数行业均显著,且空间效应的作用要弱于本地效应。
Tab. 2 Regression coefficients and statistical inference

表2 各模型回归系数与统计推断

变量 PM PM-s SLXPM SLXPM-s SLPM SLPM-s
常数项 -0.46
(1.32)		 15
(9)		 0.12
(1.30)		 13
(10)		 -0.58
(1.21)		 7
(16)
制造业就业人数 0.27
(0.25)		 26
(0)		 0.26
(0.23)		 28
(0)		 0.24
(0.21)		 27
(0)
城市就业人口 0.10
(0.05)		 21
(0)		 0.13
(0.07)		 25
(0)		 0.11
(0.07)		 24
(0)
市场潜能 0.33
(0.11)		 28
(0)		 0.10
(0.14)		 10
(0)		 0.19
(0.11)		 26
(0)
员工平均工资 -0.35
(0.26)		 0
(28)		 -0.25
(0.23)		 0
(28)		 -0.24
(0.20)		 0
(19)
W×制造业就业人数 0.07
(0.08)		 25
(0)
W×城市就业人口 -0.03
(0.03)		 0
(18)
W×市场潜能 0.05
(0.03)		 22
(0)
W×员工平均工资 -0.07
(0.06)		 0
(19)
空间回归系数 0.16
(0.21)		 26
(0)

注：PM、SLXPM、SLPM的各行中第一行为系数均值,括号中为标准差。PM-s、SLXPM-s、SLPM-s的各行中第一行为5%显著水平下显著为正的行业数量,第二行括号中为显著为负的数量。

由上述结果可知,地方化经济和城市化经济的空间作用不同。地方化经济反映出明显的正向溢出效应,本地地方化经济程度越高,则企业在其周围地区选址的概率也会越高。城市化经济则反映出明显的负向的空间效应,即竞争效应,本地城市化经济越高,则企业在其周围选址的概率越低。因此,两者对于企业区位选择的正向影响的尺度是不同的。地方化经济的正向影响尺度更大,其溢出效应会正向影响企业到该地周围选址,而城市化经济的正向影响仅限于本地,影响尺度较小,其空间效应为负向相关的阴影效应。这种尺度上的差异源于两者差异化的作用机制。Dumais等验证了共享劳动力池是企业地理集中的最重要原因之一[26]。由于劳动力的迁移,共享劳动力池不仅局限于本城市,在城市间同样存在共享劳动力池,故而地方化经济存在溢出效应。另一方面,谢里等发现中国制造业集聚存在正向的空间技术溢出效应[27]。同行业的技术溢出也是造成地方化经济存在溢出效应的原因之一。城市化经济主要包括了共享基础设施以及多样化产生的知识溢出。基础设施的共享仅限于本城市,而知识溢出在空间上则衰减较快。Ficher等论证了知识溢出的存在,并发现这种溢出效应存在明显的距离衰减特征[28]。究其原因,知识在传播过程中必然会经历诸如含义扭曲、架构变更等变化,由此出现或多或少的耗损。这种耗损会随着彼此间默契程度（包括认知、了解与协作程度等）的疏远而增加,所以企业为了增加与其他企业的默契程度而偏好集聚分布[29]。因此,由城市化经济产生的知识在地级市间的溢出衰减较快,这种知识溢出对于企业的正效应在地级市间也就不太显著。相比而言,企业为了追求多样化产生的知识溢出和更好的基础设施,会有更大的概率将企业选址在城市化经济更高的地区,这致使地区之间产生了竞争效应,进而导致了城市化经济的阴影效应。市场潜能同样存在正的溢出效应,因此市场潜能的影响尺度同样要比地级市区域更大。与此类似的是反映企业成本的员工工资,员工工资不仅在本地是负的影响,其空间效应同样是负效应。这说明企业选址时考虑的成本因素和市场因素的尺度要大于地级市尺度。本研究进一步讨论集聚经济的本地效应和空间效应的行业差异。结果表明地方化经济本地效应较强的行业,其溢出效应也较强,而城市化经济本地效应较强的行业,其阴影效应也较强（表3）。这表明集聚经济本地效应和空间效应的强度存在正相关,越重视本地集聚经济的制造业企业,对于其周围地区的集聚经济也越重视。
Tab. 3 Industry rankings by key factors (sorted by absolute value from large to small)

表3 主要因素行业排名（绝对值从大到小）

排名 地方化经济 城市化经济 地方化经济空间效应 城市化经济空间效应
1 石油加工、炼焦及核燃料加工业(0.842) 皮革、毛皮、羽毛(绒)及其制品业(0.252) 化学纤维制造业(0.328) 塑料制品业(-0.087)
2 化学纤维制造业(0.804) 工艺品及其他制造业(0.228) 饮料制造业(0.267) 交通运输设备制造业(-0.086)
3 饮料制造业(0.598) 印刷业和记录媒介的复制(0.226) 橡胶制品业(0.193) 通用设备制造业(-0.08)
4 食品制造业(0.514) 塑料制品业(0.218) 医药制造业(0.165) 纺织服装、鞋、帽制造业(-0.077)
5 橡胶制品业(0.484) 纺织业(0.19) 工艺品及其他制造业(0.147) 电气机械及器材制造业(-0.075)
6 木材加工及木、竹、藤、棕、草制品业(0.48) 仪器仪表及文化、办公用机械制造业(0.188) 有色金属冶炼及压延加工业(0.113) 橡胶制品业(-0.067)
7 造纸及纸制品业(0.445) 金属制品业(0.175) 家具制造业(0.108) 文教体育用品制造业(-0.059)
8 医药制造业(0.416) 通用设备制造业(0.163) 食品制造业(0.094) 纺织业(-0.053)
9 家具制造业(0.306) 化学纤维制造业(0.161) 木材加工及木、竹、藤、棕、草制品业(0.086) 仪器仪表及文化、办公用机械制造业(-0.044)
10 有色金属冶炼及压延加工业(0.294) 橡胶制品业(0.155) 造纸及纸制品业(0.063) 金属制品业(-0.043)
11 化学原料及化学制品制造业(0.252) 电气机械及器材制造业(0.143) 塑料制品业(0.06) 印刷业和记录媒介的复制(-0.04)
12 农副食品加工业(0.197) 专用设备制造业(0.142) 交通运输设备制造业(0.054) 医药制造业(-0.038)
13 文教体育用品制造业(0.196) 通信设备、计算机及其他电子设备制造业(0.132) 通用设备制造业(0.053) 专用设备制造业(-0.036)
14 工艺品及其他制造业(0.193) 食品制造业(0.128) 专用设备制造业(0.046) 食品制造业(-0.035)
15 印刷业和记录媒介的复制(0.156) 家具制造业(0.125) 金属制品业(0.044) 农副食品加工业(-0.031)
16 纺织服装、鞋、帽制造业(0.14) 非金属矿物制品业(0.124) 皮革、毛皮、羽毛(绒)及其制品业(0.043) 化学原料及化学制品制造业(-0.026)
17 黑色金属冶炼及压延加工业(0.126) 造纸及纸制品业(0.122) 仪器仪表及文化、办公用机械制造业(0.038) 通信设备、计算机及其他电子设备制造业(-0.025)
18 交通运输设备制造业(0.108) 农副食品加工业(0.12) 纺织业(0.029) 非金属矿物制品业(-0.023)
19 金属制品业(0.105) 医药制造业(0.114) 农副食品加工业(0.026)
20 非金属矿物制品业(0.097) 饮料制造业(0.092) 化学原料及化学制品制造业(0.025)
21 专用设备制造业(0.097) 黑色金属冶炼及压延加工业(0.085) 黑色金属冶炼及压延加工业(0.02)
22 通用设备制造业(0.094) 交通运输设备制造业(0.084) 非金属矿物制品业(0.015)
23 皮革、毛皮、羽毛(绒)及其制品业(0.087) 纺织服装、鞋、帽制造业(0.081) 电气机械及器材制造业(0.015)
24 纺织业(0.066) 化学原料及化学制品制造业(0.044) 纺织服装、鞋、帽制造业(0.011)
25 仪器仪表及文化、办公用机械制造业(0.057) 通信设备、计算机及其他电子设备制造业(0.007)
26 塑料制品业(0.041)
27 电气机械及器材制造业(0.041)
28 通信设备、计算机及其他电子设备制造业(0.01)

注：括号中数值为对应回归系数值,未列出行业表示对应系数值不显著。

化学纤维制造业,饮料制造业,橡胶制品业,医药制造业等几个行业地方化经济及其空间效应均显著且高于其他行业,说明这些行业更依赖于本地和区域间的共享劳动力池和投入产出联系。总结这些行业发现,它们的企业平均员工人数较高,主要属于劳动密集型产业,进而发现劳动力密集型产业受到地方化经济及其空间效应的影响较大。
塑料制品业,通用设备制造业,电气机械及器材制造业,橡胶制品业等几个行业城市化经济及其空间效应均显著且高于其他行业,与其他行业相比,受到更大的城市化经济及阴影效应的影响。探索数据发现,它们的平均资产要小于其他行业,而平均资产较大的行业受到较小的城市化经济及阴影效应影响,故而资本密集型产业受到城市化经济的影响较小。
木材加工及木、竹、藤、棕、草制品业,石油加工、炼焦及核燃料加工业,有色金属冶炼及压延加工业三个行业城市化经济和城市化经济空间效应均不显著,说明这三个行业对于城市化经济指向型不强。它们主要属于资源密集型产业,在区位选择时更多的是原料指向型,同时可以发现其他资源密集型产业受到集聚经济的影响同样很小。因此资源密集型产业集聚经济指向不强。

5 结论

基于空间泊松模型,对中国制造业企业区位选择与集聚经济的空间格局、空间效应和空间尺度进行了讨论,主要结论如下：
首先,企业区位选择的空间格局与地方化经济的空间格局较为相似,两者均存在由东向西梯度递减的趋势。城市化经济则以胡焕庸线为分割,呈现东高西低的格局。并且,三者在空间上均存在明显的空间自相关。
其次,与以往研究一致,本地的地方化经济和城市化经济均正向影响着企业的区位选择,但地方化经济和城市化经济均存在空间效应,而空间效应的作用要弱于本地效应。同时发现,地方化经济和城市化经济的空间效应是不同的,前者存在溢出效应。后者则存在阴影效应。
再次,地方化经济和城市化经济对于企业区位选择正向影响的尺度是不同的。前者的正向影响尺度较大,在地级市之间存在溢出效应,而后者的正向影响则仅限于本地,尺度较小,并在地级市之间存在阴影效应。造成上述现象的原因在于差异化的作用机理,企业的共享劳动力池和技术溢出等需求决定地方化经济的因素在空间上衰减较慢,而企业对于共享基础设施和获取更多的知识溢出等需求决定城市化经济的因素在空间上衰减得较快。
最后,集聚经济的本地效应和空间效应存在行业差异,地方化经济本地效应较强的行业,其地方化经济溢出效应也较强,城市化经济本地效应较强的行业,其城市化经济阴影效应也较强,本地效应和空间效应的强度存在正相关。劳动力密集型产业受到地方化经济及其溢出效应的影响较大,资本密集型产业受到城市化经济及其阴影效应的影响较小,而资源密集型产业集聚经济指向不强。
本文引出的政策含义主要包含如下三点：第一,地方政府在吸引新企业时,应当充分考虑集聚经济的空间效应,在促进具有地区特色的专业化产业区形成的同时,加强地区间的交流从而促进溢出效应的产生。第二,政府在进行产业转移时也需要关注集聚经济的空间效应,将企业迁往溢出效应较高而阴影效应较低的地区,在产业转移的同时保护企业的健康发展。第三,通过考虑集聚经济指向的行业差异,合理地制定招商引资和产业转移政策。

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]
Henderson J V.Efficiency of resource usage and city size. Journal of Urban Economics, 1986, 19(1): 47-70.No abstract is available for this item.

DOI

[2]
Glaeser E L, Kallal H D, Scheinkman J A, et al.Growth in cities. Journal of Political Economy, 1992, 100(6): 1126-1152.

DOI

[3]
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.]

[4]
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.随着新新经济地理理论的发展，企业异质性的研究逐渐受到重视，不同效率企业的区位选择被认为是造成城市生产效率差异的重要原因。验证企业区位选择对城市生产效率的影响，以及探讨企业区位选择的城市影响要素是研究的关键问题。沿用Baldwin和Melitz等学者的研究思路，从企业区位主动选择与被动选择的视角，理解中国城市生产效率的差异及其变化，分析企业区位自选择效应的空间差异。在此基础上，采用2002．2007年的规模以上工业企业面板数据，通过建立基于企业进入、退出区位动态的回归模型，揭示企业区位自选择效应的作用机制和城市影响因素。研究发现：企业区位自选择效应确实存在，不同效率企业的主动选择和被动选择都会影响城市的生产效率。生产率较高的工业企业倾向于选择科技研发水平高、市场潜力大、产业相对集聚的城市，生产率较低的工业企业更容易因城市高昂的要素成本和激烈的行业竞争，尤其是同行企业竞争而被挤出。此外，政府的政策优惠可以吸引高效率企业进入，但这种政策倾斜也会加剧其他企业的退出。因此，提高科技水平、扩大市场规模、促进产业集聚、合理运用政策调控是提高城市竞争力的关键。

DOI

[Liu Ying, Guo Qi, He Canfei.A study on the location conditions of cities and the location dynamics of enterprises. Geographical Research, 2016, 35(7): 1301-1313.]

[5]
Rosenthal S S, Strange W C.The determinants of agglomeration. Journal of Urban Economics, 2001, 50(2): 191-229.

DOI

[6]
Duranton G, Puga D.Micro-foundations of urban agglomeration economies. In: Henderson J V, Thisse J F. Handbook of Regional and Urban Economics. Amsterdam: North Holland, 2004: 2063-2117.

[7]
Henderson J V.Marshall's scale economies. Journal of Urban Economics, 2003, 53(1): 1-28.

DOI

[8]
Jofre-Monseny J, Marin-Lopez R, Viladecans-Marsal E.The determinants of localization and urbanization economies: Evidence from the location of new firms in Spain. Journal of Regional Science, 2014, 54(2): 313-337.ABSTRACTThe objective of this paper is to analyze why firms in some industries locate in specialized economic environments (localization economies) while those in other industries prefer large city locations (urbanization economies). To this end, we examine the location decisions of new manufacturing firms in Spain at the city level and for narrowly defined industries. First, we estimate firm location models to obtain estimates that reflect the importance of localization and urbanization economies in each industry. Then, we regress these estimates on industry characteristics related to the potential importance of labor market pooling, input sharing, and knowledge spillovers. Urbanization effects are high in knowledge-intensive industries, suggesting that firms locate in large cities to benefit from knowledge spillovers. We also find that localization effects are high in industries that employ workers whose skills are more industry-specific, suggesting that industries locate in specialized economic environments to share a common pool of specialized workers.

DOI

[9]
Mori T, Smith T E.On the spatial scale of industrial agglomerations. Journal of Urban Economics, 2015, 89(1): 1-20.The standard approaches to studying industrial agglomeration have been in terms of summary measures of the egree of agglomeration within each industry. But such measures often fail to distinguish between industries that exhibit substantially different spatial scales of agglomeration. In a previous paper, Mori and Smith [45] proposed a new pair of quantitative measures for distinguishing both the scale and degree of industrial agglomeration based on an explicit method for detecting spatial clusters. The first, designated as the global extent (GE) of industrial clusters, measures the spatial spread of these clusters (within a given country) in terms of the areal size of their essential containment, defined to be the (convex-solid) region containing the most significant subset of these clusters. The second, designated as the local density (LD) of industrial clusters, measures the spatial extent of individual clusters within their essential containment in terms of the areal share of that containment occupied by clusters. The central purpose of the present paper is to apply these two measures to the manufacturing industries in Japan, and to demonstrate how they can be used in combination to distinguish both the relative scale and degree of agglomeration exhibited by cluster patterns for each industry. In addition, the information provided by this pair of measures (GE, LD) is systematically compared to that of the most prominent summary measures currently in use. Finally, it is shown that these measures also support certain predictions of new economic geography models in the sense that shipping distances for establishments in each industry tend to be negatively (positively) correlated with the GE (LD) measures of agglomeration in these industries.

DOI

[10]
Andersson M, Klaesson J, Larsson J P.How local are spatial density externalities? Neighbourhood effects in agglomeration economies. Regional Studies, 2016, 50(6): 1082-1095.2016). How Local are Spatial Density Externalities? Neighbourhood Effects in Agglomeration Economies. Regional Studies: Vol. 50, Theme Issue: Environmental Governance of Urban and Regional Development, pp. 1082-1095. doi: 10.1080/00343404.2014.968119

DOI

[11]
范剑勇. 产业外部性、企业竞争环境与劳动生产率. 管理世界, 2009, (8): 65-72, 187.本文将产业内集聚与关联产业集聚视为产业外部性的重要来源,利用 省级层面制造业四位数行业数据,实证分析产业外部性、企业所处的竞争环境对劳动生产率的影响.本文发现,目前阶段中国制造业的产业外部性均表现为产业内集 聚与关联产业集聚,而且产业内集聚效应高于关联产业集聚效应.同时,企业所处的竞争环境总体上有利于劳动生产率的提高.从3个典型行业看,总体上存在产业 内集聚效应,其中专用设备业与纺织业尤为明显;关联产业集聚效应仅存在于纺织业与专用设备业;对于企业所处竞争环境是否能促进劳动生产率的提高,我们在纺 织业与专用设备业中得到正面的验证.上述结论对地区经济发展中的主导性产业选择提出了重要的启示意义.

[Fan Jianyong.The externality of industries, the competitive environment of enterprises, and the productivity. Management World, 2009, (8): 65-72, 187.]

[12]
贺灿飞, 潘峰华. 中国城市产业增长研究: 基于动态外部性与经济转型视角. 地理研究, 2009, 28(3): 726-737.新经济增长理论强调动态外部性对经济增长的积极作用。本研究认为动态外部性对中国城市产业增长的影响依赖于中国经济转型。利用2000年和2005年地级市及其以上城市的两位数制造业数据进行实证研究,发现动态外部性和我国城市产业增长存在非线性关系。产业专业化和本地竞争一定程度上可以促进产业增长,但是当专业化和竞争超过一定水平之后将不利于产业增长;相反,多元化程度只有达到较高水平之后才会显著促进产业增长。本研究还发现动态外部性对于市场化程度较高、参与全球化程度高、地方保护较强的产业以及位于经济自主权较大的城市的产业影响尤为显著。本文清晰地表明我国经济转轨为动态外部性的发生创造了条件。

DOI

[He Canfei, Pan Fenghua.City industry growth in China: Perspectives of dynamic externalities and economic transition. Geographical Research, 2009, 28(3): 726-737.]

[13]
刘修岩, 张学良. 集聚经济与企业区位选择: 基于中国地级区域企业数据的实证研究. 财经研究, 2010, 33(11): 83-92.文章使用2004-2007年间中国全部国有和规模以上非国有工业企业数据,对集聚经济因素在企业区位选择中的作用进行了实证检验。为了分析和比较集聚经济的不同类型对企业区位选择影响的相对作用方向和程度,文章构建了地区产业专业化、地区产业多样性和地区市场潜能等指标。同时,文章采用了泊松面板数据模型估计方法,有效解决了被解释变量取值为0的个数较多这一计数数据特征所带来的实证困难。研究发现,地区的产业专业化、产业多样性和市场潜能等变量都对该地区期望进入的企业数量有着显著为正的影响,从而证实了企业区位选择中集聚经济效应的显著存在性。

[Liu Xiuyan, Zhang Xueliang.Agglomeration economy and firm location choice: Evidence from prefectural data of firms in China. Journal of Finance and Economics, 2010, 33(11): 83-92.]

[14]
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。

[Chen Jianjun, Cui Chunmei, Chen Jingjing.The agglomerative economy, the spatial continuity and the selection of suppliers' location. Management World, 2011, (6): 63-75.]

[15]
周浩, 余壮雄, 杨铮. 可达性、集聚和新建企业选址: 来自中国制造业的微观证据. 经济学(季刊), 2015, 14(4): 1393-1416.以城市作为空间单位,本文利用泊松模型考察了1998—2007年间可达性和集聚经济对中国制造业新企业选址的影响。主要结论是:(1)区域间需求可达性对新企业具有排斥力,供给可达性和区域内需求可达性对新企业具有吸引力。(2)区域内需求可达性对出口企业选址的影响并不显著,对非出口企业选址则具有明显的吸引力。(3)集聚经济是吸引新企业落户的重要因素,其中地方化经济比城市化经济对新企业的吸引力更大。

[Zhou Hao, Yu Zhuangxiong, Yang Zheng.Accessibility, agglomeration and new firm location: Micro evidence from Chinese manufacturing. China Economic Quarterly, 2015, 14(4): 1393-1416.]

[16]
陈曦, 席强敏, 李国平. 制造业内部产业关联与空间分布关系的实证研究. 地理研究, 2015, 34(10): 1943-1956.聚焦于中国制造业内部的产业关联与空间分布,基于《中国投入产出表》中涉及的17个制造业细分行业和中国286个地级市空间单元的统计数据,研究与某一制造业细分行业具有较强产业关联的其他制造业细分行业与其空间分布之间是否存在相关性,并进一步分析产业关联强且具有空间关联的产业组合的主要特征。研究表明,在68个产业关联较强的产业组合中,有39个产业组合具有空间关联;产业关联较强的劳动/劳动密集型制造业和资本/技术密集型制造业更容易呈现空间关联;超过半数的制造业细分行业的产业关联和空间关联的程度之间存在正相关。此外,在产业特征分析基础上,利用GWR模型对39个产业关联强且具有空间关联的产业组合的空间关联度在空间分布上的特征和差异进行分析。结果显示,产业组合的空间关联度较高区域多分布在中等发展水平省区,而在经济发达或欠发达省区分布较少;东北三省区空间关联度较高的产业组合基本一致,产业发展情况较为相似。

DOI

[Chen Xi, Xi Qiangmin, Li Guoping.Industrial linkage and spatial distribution of manufacturing industry. Geographical Research, 2015, 34(10): 1943-1956.]

[17]
蒋灵多. 集聚会降低企业失败风险吗? 来自中国微观企业的证据. 产业经济研究, 2016, 84(5): 1-12.企业的生存并非只依赖企业自身发展，与企业间的活动也息息相关。基于2000—2007年中国制造业行业企业数据，通过构建cloglog生存分析模型研究集聚对新成立企业生存的影响。研究表明，地方化经济和城市化经济都可显著降低企业失败风险，且城市化经济的作用大于地方化经济；新成立企业、中小型企业以及劳动密集型行业企业可从地方化经济和城市化经济中获得更大的“集聚租”，集聚程度越高的地区，企业的失败风险下降越多。工业园区的建设应延伸到中西部地区，政府应合理利用优惠政策带动工业园区的发展，以实现企业的可持续发展。

[Jiang Lingduo.Will the agglomeration reduce the risk of firm failure? Firm-level evidence from China. Industrial Economics Research, 2016, 84(5): 1-12.]

[18]
Carlton D W.The location and employment choices of new firms: An econometric model with discrete and continuous endogenous variables. The Review of Economics and Statistics, 1983, 65(3): 440-449.No abstract is available for this item.

DOI

[19]
Guimaraes P, Figueiredo O, Woodward D.Industrial location modeling: Extending the random utility framework. Journal of Regional Science, 2004, 44(1): 1-20.Abstract. Given sound theoretical underpinnings, the random utility maximization ased conditional logit model (CLM) serves as the principal method for applied research on industrial location decisions. Studies that implement this methodology, however, confront several problems, notably the disadvantages of the underlying Independence of Irrelevant Alternatives (IIA) assumption. This paper shows that by taking advantage of an equivalent relation between the CLM and Poisson regression likelihood functions one can more effectively control for the potential IIA violation in complex choice scenarios where the decision maker confronts a large number of narrowly defined spatial alternatives. As demonstrated here our approach to the IIA problem is compliant with the random utility (profit) maximization framework.

DOI

[20]
Tobler W R.A computer movie simulating urban growth in the Detroit region. Economic Geography, 1970, 46(s1): 234-240.react-text: 589 The notion of a cartogram is reviewed. Then, based on a presentation from the 1960s, a direct and simple introduction is given to the design of a computer algorithm for the construction of contiguous value-by-area cartograms. As an example, a table of latitude/longitude to rectangular plane coordinates is included for a cartogram of the United States, along with Tissot's measures for this map... /react-text react-text: 590 /react-text [Show full abstract]

DOI

[21]
Harris C D.The market as a factor in the localization of industry in the United States. Annals of the Association of American Geographers, 1954, 44(4): 315-348.Manufacturing in the United States is highly localized as a result of a complex of many factors. In the Belt of the Northern United States, which occupies only a twelfth of the country, is concentrated half the entire national market, seventy per cent of the industrial labor force, and the sources of supply of most materials and parts directly used in manufacturing. Location of manufacturing is strongly influenced by the distribution of other economic activities; these produce industrial raw materials, provide in themselves markets for specific industrial goods, and support people who constitute the markets for manufactured consumers' goods.

DOI

[22]
Lambert D M, Brown J P, Florax R J G M. A two-step estimator for a spatial lag model of counts: Theory, small sample performance and an application. Regional Science and Urban Economics, 2010, 40(4): 241-252.Several spatial econometric approaches are available to model spatially correlated disturbances in count models, but there are at present no structurally consistent count models incorporating spatial lag autocorrelation. A two-step, limited information maximum likelihood estimator is proposed to fill this gap. The estimator is developed assuming a Poisson distribution, but can be extended to other count distributions. The small sample properties of the estimator are evaluated with Monte Carlo experiments. Simulation results suggest that the spatial lag count estimator achieves gains in terms of bias over the aspatial version as spatial lag autocorrelation and sample size increase. An empirical example deals with the location choice of single-unit start-up firms in the manufacturing industry in the US between 2000 and 2004. The empirical results suggest that in the dynamic process of firm formation, counties dominated by firms exhibiting internal increasing returns to scale are at a relative disadvantage even if localization economies are present.

DOI

[23]
Wooldridge J M.Econometric Analysis of Cross-Section and Panel Data. Cambridge: MIT Press, 2010.

[24]
Arora S S, Brown M.Alternative approaches to spatial autocorrelation: An improvement over current practice. International Regional Science Review, 1977, 2(1): 67-78.

DOI

[25]
Anselin L.Local indicators of spatial association: LISA. Geographical Analysis, 1995, 27(2): 93-115.

[26]
Dumais G, Ellison G, Glaeser E L.Geographic concentration as a dynamic process. The Review of Economics and Statistics, 2002, 84(2): 193-204.This paper uses data from the Census Bureau's Longitudinal Research Database to describe the dynamics of geographic concentration in U.S. manufacturing industries. Agglomeration results from a combination of the mean reversion and randomness in the growth of state-industry employment. Although industries' agglomeration levels have declined only slightly over the last quarter century, we find a great deal of movement for many geographically concentrated industries. We decompose aggregate concentration changes into portions attributable to plant births, expansions, contractions, and closures. We find that the location choices of new firms play a deagglomerating role, whereas plant closures have tended to reinforce agglomeration.

DOI

[27]
谢里, 张敬斌. 中国制造业集聚的空间技术溢出效应: 引入制度环境差异的研究. 地理研究, 2016, 35(5): 909-928.基于Fujita和Thisse提出的理论框架,引入制度环境变量,研究地区制造业集聚和制度环境通过地区技术创新影响空间技术溢出的机制。在此基础上,采用2003-2012年中国内地30个省、自治区和直辖市的面板数据,运用面板工具变量两阶段最小二乘法(IV-TSLS)对其机制进行实证检验。研究表明:一方面,从全国总体样本来看,加入制度环境变量后,制造业集聚与法律制度的交互项对地区技术创新和空间技术溢出有显著的正向促进作用;另一方面,从分地区的样本来看,东部地区与全国样本检验结果一致,而中西部地区的制造业集聚并未产生显著的空间技术溢出效应。进而,提出通过优化制造业集聚提高空间技术溢出效应的政策建议。

DOI

[Xie Li, Zhang Jingbin.The spatial technology spillovers effect of Chinese manufacturing industries' agglomeration: The difference of institutional environment. Geographical Research, 2016, 35(5): 909-928.]

[28]
Fischer M M, Scherngell T, Jansenberger E.The geography of knowledge spillovers between high-technology firms in Europe: Evidence from a spatial interaction modeling perspective. Geographical Analysis, 2006, 38(3): 288-309.The focus in this article is on knowledge spillovers between high-technology firms in Europe, as captured by patent citations. The European coverage is given by patent applications at the European Patent Office that are assigned to high-technology firms located in the EU-25 member states (except Cyprus and Malta), the two accession countries Bulgaria and Romania, and Norway and Switzerland. By following the paper trail left by citations between these high-technology patents we adopt a Poisson spatial interaction modeling perspective to identify and measure spatial separation effects to interregional knowledge spillovers. In doing so we control for technological proximity between the regions, as geographical distance could be just proxying for technological proximity. The study produces prima facie evidence that geography matters. First, geographical distance has a significant impact on knowledge spillovers, and this effect is substantial. Second, national border effects are important and dominate geographical distance effects. Knowledge flows within European countries more easily than across. Not only geography, but also technological proximity matters. Interregional knowledge flows are industry specific and occur most often between regions located close to each other in technological space.

DOI

[29]
Audretsch D B, Lehmann E E, Warning S.University spillovers and new firm location. Research Policy, 2005, 34(7): 1113-1122.This paper examines the impact of locational choice as a firm strategy to access knowledge spillovers from universities. Based on a large dataset of publicly listed, high-technology startup firms in Germany, we test the proposition that proximity to the university is shaped by different spillover mechanisms—research and human capital—and by different types of knowledge spillovers—natural sciences and social sciences. The results suggest that spillover mechanisms as well as spillover types are heterogeneous. In particular, the evidence suggests that new knowledge and technological-based firms have a high propensity to locate close to universities, presumably in order to access knowledge spillovers. However, the exact role that geographic proximity plays is shaped by the two factors examined in this paper—the particular knowledge context, and the specific type of spillover mechanism.

DOI

Options
文章导航

/

〈 〉