EN中文

GEOGRAPHICAL RESEARCH >

2014 , Vol. 33 >Issue 12: 2312 - 2324

DOI: https://doi.org/10.11821/dlyj201412009

Orginal Article

Evolution of manufacturing industries’ spatial pattern and influence factors in Yangtze River Delta region

  • Wang Junsong
Expand
  • Institutional of China Innovation, Department of Urban & Economic Geography, East China Normal University, Shanghai 200062, China

Received date: 2014-05-08

  Request revised date: 2014-10-25

  Online published: 2014-12-10

Copyright

《地理研究》编辑部
Fold

Abstract

The paper figures out driving forces of the spatial pattern transformation of manufacturing industries since 2000 and the influencing factors in Yangtze River Delta (YRD) using firm level data and spatial econometric method. The result shows that, the spatial pattern displays the typical Shanghai-centered and main transport axis orientation pattern. Since 2000, the manufacturing industries have been apparently diffused to peripheral areas and have displayed significant industrial differences, in that more technology-intensive industries tend to diffuse to nearer neighborhood and more labor-intensive industries tend to diffuse to longer distance. The spatial econometrical result shows that, the distribution of manufacturing industries has significant spatial spillover effect. After controlling such spillovers, we found the most influencing factors are location factors, including the distance to Shanghai and airport, and whether it belongs to urban regions, while the former two factors’influences have been intensified. The paper also reports that there are significant differences of influencing factors among different industries.

Key words： Yangtze River Delta region; manufacturing industry; agglomeration; spatial pattern

Cite this article

Wang Junsong . Evolution of manufacturing industries’ spatial pattern and influence factors in Yangtze River Delta region[J]. GEOGRAPHICAL RESEARCH, 2014 , 33(12) : 2312 -2324 . DOI: 10.11821/dlyj201412009

1 引言

伴随经济的发展,世界范围内城市空间出现重组。在都市区和都市带层面,高端服务功能向中心城区集聚,而郊区化推动人口和产业向周边地区迁移。制造业是空间重组的重要因素,随着制造业份额在城市中心区的降低,城市的产业空间格局将出现较大的调整和变化。全球化是推动都市区空间重组的重要因素。经济全球化使世界商品、服务、资本的流动更加顺畅,交通通讯技术的进步不仅推动了全球和区域的经济融合,也促进产业结构向高技术、服务业和信息产业的转型。伴随着全球化和产业结构重组,长江三角洲的区域空间结构也经历重大转型。制造业的结构变动和区域转移是空间重组的重要力量。有必要同时在区域层面和都市区层面探讨制造业的空间格局演化及影响机制。
发达国家在20 世纪50 年代以后陆续经历了郊区化的过程,制造业逐渐向郊区以及边缘地区迁移,推动城市内部及区域层面的空间重构。Swan[1]、Simon[2]、Wheaton 等[3]、Carlino and Mills[4]、Ouwersloot and Rietveld [5]、Arauzo-Carod 和 Viladecans-Marsal[6]分析了转型过程中都市区内部的产业区位变迁。少数研究从区域层面探讨了多种因素作用下的城市产业迁移过程,Fujita和Tabuchi[7]的研究显示,1960年代以后,东京和大阪都市区制造业比重下降,周边城市的制造业份额上升,上世纪80年代以后,传统的产业经济向知识和信息经济转型,推动制造业向周边地区迁移,信息产业和高端服务业集聚在东京都市区,试错性工厂分布在周边地区,大规模生产转移到非都市区和国外,形成以东京为中心的单中心城市等级体系[7]。Arauzo-Carod 和 Viladecans-Marsal[6]以西班牙13个都市区为研究对象探讨了在集聚产生的向心力和拥挤、污染、生产成本上升产生的离心力共同作用下,不同技术等级制造业的区位选择过程。对美国的研究发现,1954-1967年间,35个大都市统计区中心城区的就业比重下降9%,而郊区的制造业就业增长一倍[1]。
中国在20 世纪90 年代以后也进入制造业郊区化的进程,这一进程一直持续到现在。90 年代,土地有偿使用制度的确立、住房制度改革、交通通讯设施的改进推动低附加值产业向郊区转移[8]。2000 年以后,市场因素是推动郊区化的重要力量,受制于核心区地价和劳动力成本的上涨,低附加值产业陆续向周边地区迁移;政府力量是影响产业转移的又一重要因素,北京和上海陆续提出“调整产业结构”、“退二进三”等口号,逐渐提高中心城市的产业附加值。制造业的空间转移已经成为推动中国城市空间重构的重要力量。已有研究深入到都市区内部探讨制造业的区位模式及动因[9-15]。贺灿飞等强调市场机制对北京市外资区位的重要性[9],曹广忠等探讨了北京市制造业的圈层变化[10],赵新正等强调传统区位因素和集聚因素共同作用决定上海外资企业区位[11],张晓平等认为政府规划和市场因素共同决定了北京市制造业的空间重组[12]。一些研究从区域或更大的尺度探讨了产业变迁趋势[16,17]。范建勇基于1998-2002 年江浙沪的省区数据验证了上海正将劳动密集型和资本密集型产业转移到江苏和浙江两省[16]。石敏俊等从全国层面考察了最新制造业空间转移趋势,并认为要素成本、市场等因素是推动产业转移的主要力量[17]。这些研究为研究都市区和区域尺度的产业空间重组提供了借鉴。
由于产业的转移涉及到更广阔的空间范围,单纯的城市或区域层面的研究难以概括产业转移的总体情况,了解转型期产业空间变动,需要同时从城市内部和都市带或区域层面展开研究。中国的城市郊区化趋势早在20 世纪90 年代就已经受到学界关注[8,18,19]。但2000 年以来,全球化和市场化趋势逐步深入,中国的制造业产值2010 年已经跃升为世界第一,同时,研发和高端服务业在一些中心城市出现并得到强化,城市的空间结构出现新变化。2007 年全球金融危机导致对制造业产品的外部需求减缓,对长三角制造业的空间结构也产生了影响,需要深入研究。长江三角洲是中国经济最发达的城镇密集区[18],这一地区的产业空间格局变化具有一定的典型性。从城市内部和区域层面,探讨长三角地区的制造业在2000 年以后的空间格局演化,深入分析不同技术密集度的制造业的空间变化特征,并探讨制造业空间集聚的影响机理。

2 研究方法与数据来源

探讨2000-2009 年长三角地区制造业的空间格局变化,主要研究加入WTO以后,在全球化的影响下制造业的区域变化趋势。由于2007 年全球金融危机可能会对这一地区产生影响,同时加入对2007 年节点的分析。尽管随着辐射力的增强,长三角涵盖的地理范围有扩大的趋势,但尚未有公认的扩充范围。因此仍然沿用2010 年《长江三角洲地区区域规划》中所指的16 个地级及以上城市,包括直辖市上海,副省级城市南京、杭州、宁波,江苏省的苏州、无锡、常州、镇江、南通、扬州、泰州和浙江省的湖州、嘉兴、绍兴、舟山、台州12 个地级市。2000 年以后,中国融入世界的步伐加快,长三角地区的发展潜力进一步得到释放。2000-2009 年,第二产业增加值年均增长率达11.8%,第二产业增加值比重从52.2%下降到50.7%,尽管总体上没有太大变化,其区域内的城市产业结构却出现了明显变动：上海的二产增加值比重从48%下降到40%,而舟山的二产增加值比重从33%上升到45%。这表明区域内部的产业空间结构出现动态变化。
基于2000 年、2007 年和2009 年长三角各市的制造业企业数据,来源于国家统计局企业数据库,包括企业名称、地址、就业人数、增加值、企业所有制、SITC4 位数行业分类代码等指标,样本包括全部国有企业和年销售产值500 万以上的非国有企业制造业。最终整理出2000 年34314 家,2007 年86217 家,2009 年110779 家制造业企业样本。在分析过程中,选择纺织服装、鞋、帽制造业(18)、黑色金属冶炼及压延加工业(32)、通信设备、计算机及其他电子设备制造业(40) 作为典型产业分析不同类型产业的空间格局演变。在计量模型中,基于两位数产业区分劳动密集型产业、资本密集型产业和技术密集型产业,并分别探讨不同要素密集度产业空间格局变化的决定因素。
以2000 年的区县为空间基本研究单元。由于市辖区面积过小,将同一个地级市的所有市辖区合并,并保留县的行政区。2000 年以后,陆续有一些行政区撤县设区或撤市设区,如上海闵行区、嘉定区、金山区,苏州的吴中区,这些区通常面积较大,因此仍然将其看作是独立的行政单元。最终整理出94 个空间基本单元。以这些行政区作为基本的空间分析单元,行政区中心点的坐标代表其位置并基于ArcGIS软件进行空间化处理。

3 长三角制造业空间格局变化

3.1 制造业空间相关性增强

汇总每个空间单元内的制造业就业数量,运用Moran's I 指数检验长三角制造业的空间相关性,如果产业空间分布高度正相关,意味着产业集中在相邻区域。Moran's I 的公式为：
式中： ,xi是产业在区位i 的就业人数或产值;wij反映两个区域的空间关系,如果两者相邻,取值为1,如果不相邻取值为0。当Moran's I 显著为正时表明产业集中分布在相邻的区域,产业随机而独立地分布时,Moran's I 接近0,产业在空间上比较分散时,Moran's I为负值。
计算结果见图1。2000 年和2009 年长三角制造业就业的空间相关性均显著为正,表明制造业空间分布存在显著的空间相关关系;2009 年,长三角制造业就业Moran's I 高于2000 年,表明空间相关性逐渐趋于增强。这一时期,长三角的区域一体化水平提高[20],行政区之间的要素流动障碍进一步降低,使得地区之间的制造业产业相关性有所增强,某一地区制造业发展对相邻地区的发展形成显著的空间溢出效应。
Fig. 1 Moran’s I of Yangtze River Delta region

图 1 长江三角洲Moran’s I计算结果

3.2 以上海为中心的空间扩散格局

基于ArcGIS 空间分析工具,绘制长三角地区企业分布的K密度图(图2),结果显示出制造业集聚中心沿主要交通线扩散的趋势。2000 年,长三角的制造业基本集聚在以上海为中心的集核地区,其他地区仅以无锡、常州、杭州为中心形成少量集核。2009 年,制造业企业数量大大增加,已经形成沿沪宁、沪杭、杭甬等主要交通轴线为核心的集核连片区。这表明2000 年以后,制造业已经在这一地区形成连片式蔓延发展的态势,在市域层面,制造业从中心城区向郊区扩散;在都市带层面,制造业从以上海为中心的核心区向周边的苏浙地区沿主要交通轴线蔓延,形成大范围制造业集聚区。
Fig. 2 K density map of YRD region in 2000 and 2009

图 2 2000年和2009 年长三角企业分布K密度

长三角制造业的扩散趋势可以从就业密度的变化情况体现出来。以上海为中心,制造业就业密度应该遵循从中心向外围依次递减的规律。为验证这个假设,以长三角94 个空间单元的中心坐标为空间单元的位置,以上海市辖区为中心,以长三角其他空间单元到上海市辖区中心的距离为半径,以每20 km的距离为单位,计算距离上海市辖区中心每20 km环层的制造业平均就业密度,结果见图3。
Fig. 3 Labor density and distance to Shanghai in YRD in 2000,2007 and 2009 (Whole industries)

图3 2000年、2007 年和2009 年长三角其他地区到上海的距离与制造业就业密度变化

图3表明,上海市制造业就业密度呈现显著的单中心结构,以上海为中心,就业密度从中心向外围迅速降低,这种单中心结构在2000 年非常显著,2007 年和2009 年的就业密度出现明显变化：距上海市中心20 km 范围内制造业就业密度出现明显下降,从1676 人/km2降至1365 人/km2,而在距离上海中心20 km以外的地区出现明显的上升,其中在20~100 km 处就业密度上升最快,2000-2009 年上升幅度达一倍以上。100 km 以外的就业密度上升较慢。这表明出现了明显的制造业扩散,且扩散区域以邻域扩散为主,扩散区域主要在20~100 km 区域,周边区域制造业就业密度的快速上升,表明上海市区的制造业发展已经达到饱和,并出现产业转型升级,使得上海周边地区获得更多的发展机会。2009年在距离上海40~60 km 和80~100 km范围内就业密度出现了两个小波峰,这两个地区对应金山区、昆山市等上海郊区和邻近城市,也包括苏州、嘉兴等距离上海最近的地级市区。比较2007 年和2009年的就业密度变化,就业密度仅在距上海80~100 km范围内出现较明显的上升,其余地区并未出现显著的变化。
由于每个圈层包含的地区密度存在差异,为了验证单中心结构,进一步将2000 年、2007年和2009年94个地区单元就业密度利用密度函数进行拟合,密度函数表示为：
式中： 为i地区的就业密度; ri为i地区到上海市辖区中心的半径;a为常数;b为密度斜率系数。2000 年拟合的结果为： D=253.82e-0.772r ,R2=0.21;2007 年拟合的结果为：D=510.32e-0.783r,R2=0.21;2009年拟合的结果为：D=582.79e-0.795r ,R2=0.24。明显显示出以上海为中心的单中心结构;且2000 年、2007 年、2009 年的密度斜率系数绝对值依次升高,表明尽管这一地区的制造业出现从上海向扩散的趋势,但上海作为区域中心城市的地位却趋于增强,上海市区的中心性有所提高,距离上海市区越近,制造业就业密度增加越显著。

3.3不同技术密集度的产业扩散趋势

总体上,制造业向区域外部转移,但由于产业特性的差异,产业转移的范围和幅度存在差别。研究表明,距离因素对高技术产业的影响更大[6]。高技术产业相对更能承受较高的生产成本,且在生产过程中对市场、技术信息的需求更强,而低技术产业则对成本变化更加敏感。因此可以认为,出现产业扩散时,高技术产业的扩散范围较小,低技术产业的扩散范围可能更大。为探讨产业的要素密集度对产业扩散的影响,选择纺织服装、鞋、帽制造业,黑色金属冶炼及压延加工业和通信设备、计算机和其他电子设备制造业几类典型产业作为劳动密集型、资本密集型和技术密集型产业的代表,探讨其在2000-2009年的就业密度的空间分布。
纺织服装业的就业密度见图4。2000 年,纺织服装制造业主要集聚在上海市辖区范围,此外在距离上海中心40~60 km范围内有个小波峰;2009 年,纺织服装制造业的生产中心出现明显外移的趋势,尽管上海市辖区仍然是就业密度最高的地区,但区外距上海市中心60~160 km的范围内是增长最快的地区,尤其是距离上海60~80 km处,就业密度从10 人/km2上升到54 人/km2,上升幅度超过4 倍。此外,在距离上海中心140~160 km处纺织服装制造业就业密度也出现了较明显的上升。比较2007 和2009 年的就业密度,未发现显著的就业密度变化。纺织服装制造业生产中心的外移主要由于生产成本上升,地方政府也不断推动产业转移,而江苏的常熟、海门以及浙江的嘉善、萧山等地的纺织服装业集群在这一时期有了快速的发展,形成新的集聚中心。未来随着产业结构升级和调整,纺织服装产业的区域内转移以及向区外的转移还将持续。
Fig. 4 Labor density and distance to Shanghai in YRD in 2000, 2007 and 2009 (Manufacture of TextileWearing Apparel, Footware and Caps)

图4 2000年、2007 年和2009 年长三角城市到上海的距离与纺织服装、鞋、帽制造业就业密度变化

重工业的就业密度在这一时期也出现明显的变化。以黑色金属冶炼及压延加工业为例(图4),其在上海市区的就业密度大幅度下降,其他少数城市有所增加,其中在距130 km和170 km左右有较明显的增加。2000 年上海市区以宝山钢铁公司为主的黑色金属冶炼及压延加工业生产在长三角占据绝对优势,但随着上海市转移高耗能产业以及成本原因,宝钢逐渐将部分产能转移向上海市以外地区,其中,长三角地区主要承接地以无锡、宁波和杭州为主,同时江阴市的钢铁产业也有了较快发展。到2009 年,上海市区的黑色金属冶炼及压延加工业就业密度急剧下降,而距上海130 km 左右的产业就业密度出现较明显的增长,长三角其他地区的就业密度变化不大。这也在一个侧面反映了这一地区将有步骤地转移能耗较高的重化工业,而转移目的地可能在长三角以外的地区,例如宝钢将部分钢铁产能转移到乌鲁木齐、韶关、湛江等地,本区域其他城市并没有明显的对这一产业的承接。因而可以认为重化工业的转移趋势以跳跃式地向区外转移为主。同样,2007-2009年的就业密度变化幅度不大。
Fig. 5 Labor density and distance to Shanghai in YRD in 2000, 2007 and 2009 (Smelting and Pressing of Ferrous Metals)

图5 2000 年、2007 年和2009 年长三角城市到上海的距离与黑色金属冶炼及压延加工业就业密度变化

通信设备、计算机及其他电子设备制造业被认为是高技术制造业,对技术水平和产业配套设施的要求相对较高,但中国的电子设备制造多是从事技术含量较低的代工生产,对生产成本的变化较为敏感。2000-2009 年,这一产业在长三角地区也经历了生产重心持续外移的过程(图5)：2000 年,通信设备、计算机及其他电子设备制造业的生产在上海市辖区占据绝对优势,就业密度远高于长三角其他地区;2007 年,尽管上海仍然占据优势地位,周边地区的就业密度出现大幅度上升：2009 年,上海周边地区100 km范围内就业密度进一步上升,上海在通信设备、计算机及其他电子设备制造业的优势地位已经被周边地区所取代。距离上海市中心40~60 km和80~100 km的地区成为增长最快的地区,2000-2009 年就业密度分别增长16 倍和10 倍,其中昆山市和苏州市辖区是电子设备制造业增长最快的地区,已经形成完整的电子产品产业链和产业集群。2007 年金融危机以后,产业转移的步伐加快,随着生产成本变化及产业的转型升级,电子通讯设备制造业已经出现向区外甚至国外转移的迹象。
Fig. 6 Labor density and distance to Shanghai in YRD in 2000, 2007 and 2009 (Manufacture of communication equipment, computers and other electronic equipment)

图6 2000 年、2007年和2009 年长三角城市到上海的距离与通信设备、计算机及其他电子设备制造业就业密度变化

比较三类产业生产重心在同一时期的向外迁移过程,纺织服装、鞋、帽制造业属于典型的劳动密集型产业,向外转移的半径明显高于通信设备、计算机及其他电子设备制造业,前者范围在60~160 km,后者范围大致在40~100 km,前者的转移半径大致是后者的1.5 倍。而黑色金属冶炼及压延加工业作为高能耗的重化工业,除了在距离上海130 km左右有较明显的上升外,其余地区变化不大,也表明大部分钢铁工业产能可能转移到区域外部。由此可见,技术水平低的制造业区域内转移的空间范围高于技术水平高的制造业,而高耗能的重化工业可能直接转移到距离更远的地区。而随着区域产业的转型,制造业区域内部和向外转移的趋势还将持续。2007 年之前和之后的就业密度变化显示,仅通信设备、计算机及其他电子设备制造业在2007 年后出现了显著的空间转移,而其他产业并未出现明显的就业密度变化,高技术产业面对外部需求和内部成本变化显示出更强的空间重组能力。

4 长三角制造业集聚与扩散的影响因素分析

4.1 变量选择

传统区位论强调资源条件、劳动力成本等外生因素在企业区位选择过程中的重要性,企业集聚在接近资源并具有显著比较优势的地区;新贸易理论和新经济地理理论强调企业集聚于市场规模大及前后向关联度高的地区[21,22]。对于中国的研究发现,除市场因素外,政府行为同样影响企业的区位选择[9],中央和地方政府通过划定产业园区,给予相应的土地和税收优惠,从而有条件地吸引目标产业。
因此认为传统区位因素、新经济地理因素和政府因素共同作用影响长三角地区企业区位分布。首先,区位通达性是影响企业区位的重要因素。良好的区位条件能够降低企业的生产成本,提高企业集聚水平,选择到中心城市上海的距离(DIST) 表示市场通达性,到上海市区的距离越近,越接近大市场;同时,上海又是长三角地区最重要的港口,距离上海越近,意味着越接近出口市场;上海也是众多制造业转移的重要来源地,接近上海意味着更有机会接受来自上海的辐射。同时选择地区国内市场潜力①(①市场潜力借鉴引力模型,计算公式为 式中： Pk表示企业所在地级市以外的所有地级市; Pj表示企业所在的地级市; djk表示j城市到k城市的最短距离; Sj表示j城市的面积。)(MARKET)、到机场的距离(AIRPORT)、是否沿江沿海(COAST) 衡量区位条件,预期市场潜力越大、到机场距离越近,沿江沿海的区位更有利于吸引企业的集聚。另外,选择是否是市辖区(URBAN) 作为虚拟变量②(② 2000年以后,一些城市撤县设区,但本文仍沿用2000年的市辖区标准,后来扩大的辖区仍然按非市辖区考虑。),通常,市辖区的就业密度明显高于周边地区。
其次,要素成本是影响企业集聚的重要因素,选用地区土地成交均价(LAND) 作为要素成本的衡量指标,尽管大量制造业仍然集聚在土地成本较高的地区,但预期一些成本敏感型的劳动密集型产业已经向地价较低的地区转移。
再次,政府通过建立产业园区、制定各种优惠政策吸引企业进入,由于长三角地区开放时间较长,多数地区已经建立起地方的产业园区。引入国家级产业园区(ZONE) 数量衡量政策因素对制造业集聚的影响。预期国家级产业园区有利于吸引更多的企业入驻。
所有的变量及定义见表1。就业密度数据来源于统计局企业统计数据,到上海的距离(DIST) 和到机场的距离数据(AIRPORT) 是将地图数据通过ArcGIS 空间化以后计算得出,土地成交均价(LAND) 数据来源于中国指数研究院数据信息中心,国家级产业园区数据ZONE) 来源于实地搜集资料。在回归分析中,将连续性变量DIST、AIRPORT取对数,以获得弹性的结果,并降低可能出现的异方差现象。经计算变量之间的相关系数在0.5以下,可以同时进入模型。
Tab. 1 Variables and definitions

表 1 变量名称及定义

因素 解释变量 定义与解释
区位通达性 DIST 到上海市中心的距离
MARKET 市场潜力
AIRPORT 到机场的距离
COAST 是否沿江沿海
URBAN 是否属于市辖区
要素禀赋 LAND 土地成交均价
政策因素 ZONE 国家级产业园区数量

4.2 模型设计

引入空间计量模型探讨长三角制造业空间布局的影响因素。由于地区之间制造业就业存在明显的空间相关性且相关性逐渐增强,传统的计量模型难以考虑当被解释变量存在空间相关性或随机误差项存在空间相关性的情形,从而难以得到可靠的估计结果[23]。引入空间回归模型探讨影响这一地区制造业空间布局因素的时间和行业差异。
空间计量有关空间依赖的两个基本模型为空间滞后模型(SLM)和空间误差模型(SEM),当被解释变量之间的空间依赖性对模型存在显著影响时,采用空间滞后模型,当模型误差项在空间上相关时,采用空间误差模型。空间滞后模型的数学表达式为：
空间误差模型的数学表达式为：
式中：Y为N×1(N为地区数94) 的因变量向量;X为N×k的外生解释变量矩阵(K为自变量个数);W为n×n的空间邻接矩阵Contiguity Matrix);参数β反映了解释变量X对因变量Y的影响;ε为正态分布的误差向量;ρ和λ分别为空间自回归系数和空间自相关系数,衡量了样本观察值中的空间依赖作用,不同的是空间误差模型的空间依赖作用存在于扰动误差之中,而空间滞后模型的空间依赖作用存在于因变量自身,即ρ反映的是相邻地区的观察值Y对本地区观察值Y的影响方向和程度,而λ度量邻接地区关于因变量的误差冲击对本地区观察值的影响程度。

4.3 回归结果分析及解释

基于最小二乘法(OLS)、空间滞后模型(SLM) 和空间误差模型(SRM),首先探讨长三角制造业空间格局影响因素在2000 年和2009 年的变化情况。模型的拟合优度较好,R2在0.49~0.62 之间。结果显示2000 年和2009 年的空间滞后项W的系数ρ在0.1 水平上显著,2000 年模型的空间误差项的系数λ在0.1 的水平上显著,表明这一地区的制造业就业存在显著的空间相关性。某一地区的制造业集聚可能会对邻近地区产生显著的溢出效应,而制造业扩散也往往首先转移到邻近地区。空间滞后模型和空间误差模型的解释力均较OLS模型有所提升。
结果显示(表2),在控制空间相关性以后,区位条件是影响制造业空间布局的重要因素,首先到上海市区的距离(DIST) 是影响制造业集聚的重要因素,且影响力度逐渐增强。2000 年,到上海的距离增加一倍,制造业就业密度降低59%~63%;2009 年,到上海市区的距离增加一倍,制造业就业密度降低63%~66%。这表明,尽管出现制造业扩散的趋势,上海作为长三角的中心地位不仅没有降低,反而有所增强。上海不仅是区域的中心城市,还是长三角面向国际市场的门户,是区域制造业品向海外运输的港口城市,邻近上海是接受制造业转移的重要条件。同样,市场规模(MARKET)、临近机场的区位(AIRPORT) 也是吸引制造业企业的重要因素。其他条件一定的情况下,到机场距离的增加能够显著降低制造业就业密度。沿海沿江区位(COAST) 在2000 年显著提高制造业就业密度,但2009 年,该变量仅在空间滞后模型中在10%的水平上显著,显示制造业已经向内陆扩散的趋势。
Tab. 2 Regression result of influence factors of manufacturing industries agglomeration in YRD

表 2 长三角制造业集聚影响因素回归结果

2000年 2009年
变量名 OLS SLM SRM OLS SLM SRM
lnDIST -0.614*** -0.631*** -0.594*** -0.641*** -0.657*** -0.630***
(0.001) (0.000) (0.000) (0.001) (0.000) (0.000)
MARKET 3.775*** 3.546*** 3.539*** 2.033* 1.878* 1.935*
(0.000) (0.000) (0.000) (0.069) (0.067) (0.065)
lnAIRPORT -0.463** -0.411*** -0.357** -0.439** -0.427*** -0.407**
(0.014) (0.008) (0.022) (0.015) (0.009) (0.015)
COAST 0.435* 0.528*** 0.502*** 0.283 0.385* 0.302
(0.029) (0.004) (0.000) (0.177) (0.051) (0.124)
URBAN 1.275*** 1.222*** 1.237*** 1.043*** 0.953*** 0.983***
(0.000) (0.000) (0.000) (0.001) (0.000) (0.000)
LAND 0.150** 0.145*** 0.141*** 0.106** 0.101** 0.097**
(0.001) (0.000) (0.002) (0.035) (0.027) (0.040)
ZONE 0.010 0.081 0.069 0.032 0.113 0.072
(0.957) (0.644) (0.682) (0.872) (0.542) (0.693)
Constant -29.847*** -28.388*** -27.987*** -12.576 -11.869 -11.797
(0.000) (0.000) (0.002) (0.224) (0.214) (0.227)
ρ 0.138** 0.136**
(0.027) (0.024)
λ 0.229* 0.134
(0.056) (0.285)
R-squared 0.587 0.611 0.606 0.489 0.519 0.497
Akaike info criterion 256.872 253.874 253.967 267.504 264.331 266.473
Log likelihood -120.436 -117.937 -118.983 -125.752 -123.165 -125.236
观测值 94 94 94 94 94 94

注：*、**、***分别代表在10%、5%、1%的水平上显著

市辖区(URBAN) 虚拟变量在两年里所有模型中均显著为正,表明尽管制造业寻求低成本区位,仍然偏向于集聚在市辖区。其原因：一是市辖区存在大量劳动力,二是产业的集聚便于形成完善的产业配套条件同时方便寻找市场。其中,2009 年的LAND系数明显低于2000年,表明相比于2000年,市辖区的集聚经济对制造业的吸引力开始下降。
土地价格(LAND) 对制造业就业密度的影响在两年的模型中显著为正。除了2009年的空间误差模型外,且2009 年的地价系数小于2000 年。这表明,尽管众多研究强调制造业倾向于选择低成本区位,但要素成本对制造业布局的影响仍然小于区位条件,制造业仍然集聚在地价较高的地区;但到2009 年,地价的显著性和系数均出现下降趋势,表明制造业布局开始更多地考虑要素成本的影响。
政府政策是影响制造业集聚的重要因素,但国家级开发区数量(ZONE) 的系数均不显著。这一方面可能是国家级开发区数量难以充分反映政策因素,各地方政府通过各种针对性的产业政策扶持相应的产业,但政策因素难以充分量化;另一方面也在一定程度上表明,这一地区已经经历了充分的市场化过程,市场机制已经成为产业布局的主导因素,同时本区域各地方政府几乎都有相应的开发区,各地区均有吸引企业的优惠政策,地方政府的政策优势相对于长三角其他地区难以凸显。
进一步验证长三角制造业集聚影响的行业间差异。将2009 年制造业样本区分成资源密集型、劳动密集型、资本密集型和技术密集型四类行业③(③ 四类行业的分类标准为：SITC 两位数行业代码中,06-11 为资源密集型产业;13-24,42 为劳动密集型产业;25-26,28-34 为资本密集型产业;27,35-40 为技术密集型产业。)分别进行空间回归分析,四类行业包括的企业数分别为315 个、36842 个、30594 个和41891 个。结果见表3。除资源密集型产业外,其余产业拟合优度均在0.43 以上。结果显示空间滞后模型中,滞后变量的系数ρ对于劳动密集型、资本密集型和技术密集型制造业均显著为正,而空间误差模型中,误差项空间滞后项系数λ不显著,空间滞后模型的解释力更强。结果表明劳动密集型、资本密集型和技术密集型制造业的就业密度存在显著的空间相关性,相邻地区的就业对本地区存在显著的正向影响。
Tab. 3 Regression result of influence factors in different sectors of manufacturing agglomeration in YRD (2009)

表 3 长三角制造业集聚影响因素分行业回归结果(2009年)

变量名 资源密集型 劳动密集型 资本密集型 技术密集型
SLM SRM SLM SRM SLM SRM SLM SRM
lnDIST -0.046 0.045 -0.655*** -0.628*** -0.653*** -0.632*** -0.605*** -0.586***
(0.712) (0.717) (0.000) (0.000) (0.000) (0.000) (0.003) (0.005)
MARKET 1.561** 1.563** 1.047 1.142 3.354*** 3.473*** 1.950* 2.085*
(0.029) (0.029) (0.300) (0.270) (0.001) (0.000) (0.097) (0.080)
lnAIRPORT 0.157 0.142 -0.656*** -0.369** -0.419*** -0.412** -0.463** -0.465**
(0.168) (0.212) (0.000) (0.025) (0.010) (0.014) (0.013) (0.014)
COAST 0.043 0.263 1.191 0.115 0.278 0.208 0.523** 0.479**
(0.749) (0.845) (0.325) (0.553) (0.158) (0.293) (0.017) (0.032)
URBAN 0.772*** 0.778*** 0.775*** 0.801*** 0.820*** 0.853*** 1.045*** 1.083***
(0.000) (0.000) (0.005) (0.004) (0.004) (0.003) (0.001) (0.000)
LAND -0.014 -0.016 0.050 0.046 0.103** 0.104** 0.152*** 0.155***
(0.646) (0.611) (0.263) (0.321) (0.025) (0.028) (0.003) (0.003)
ZONE 0.043 0.036 0.261 0.219 0.058 0.014 -0.035 -0.076
(0.734) (0.776) (0.152) (0.226) (0.753) (0.938) (0.867) (0.719)
Constant -14.957 -14.882** -5.223 5.477 -26.930*** -27.521*** -13.354 -14.177
(0.304) (0.025) (0.578) (0.569) (0.004) (0.005) (0.222) (0.201)
ρ 0.071 0.164** 0.158** 0.107*
(0.539) (0.021) (0.033) (0.054)
λ 0.013 0.140 0.100 0.039
(0.918) (0.261) (0.429) (0.760)
R-squared 0.242 0.238 0.458 0.431 0.495 0.471 0.497 0.484
Akaike info criterion 195.941 194.288 261.538 263.910 265.151 267.105 289.699 289.73
Log likelihood -88.976 -89.144 -121.769 -123.954 -123.576 -125.552 -135.849 -136.865
观测值 94 94 94 94 94 94 94 94

注：*、**、***分别代表在10%、5%、1%的水平上显著

回归结果显示出区位、要素条件对制造业分布存在显著的行业间差异。首先,到上海的距离(DIST) 和到机场的距离变量(AIRPORT) 对资源密集型制造业不显著为正,而对劳动密集型、资本密集型和技术密集型制造业的系数显著为负,表明对于资源密集型产业,接近资源更重要,而对后三类产业,相对于上海和机场的区位是影响制造业集聚的关键因素。比较三类行业的系数,到上海市区中心的距离对劳动密集型产业更重要,而到机场的距离对技术密集型产业更加重要。这可能是因为劳动密集型产业更需要接近本地市场或海外市场,而技术密集型产业对航空运输有更高的要求。结果还发现市场规模(MARKET) 对除劳动密集型产业之外的产业的影响均显著为正;沿江沿海区位(COAST) 仅对技术密集型产业的就业密度存在显著的正向影响,进一步表明了到2009年,成本因素已经成为制造业区位选择的重要因素,技术密集型产业因附加值较高且外向度较高,尚能克服沿江和沿海的高成本,仍然倾向于布局在沿江沿海区位。
尽管是否位于市辖区(URBAN) 对四类产业均显著为正,但比较回归系数可以发现,市区区位对于四类产业的重要性依次增强,对资源密集型的重要性最弱,对技术密集型的重要性最强。技术密集型产业需要依赖于来自市区的人才技术和信息资源,更倾向于集聚在市区。土地价格(LAND) 变量对前三类产业均不显著,对资源密集型产业地价变量符号为负,但对技术密集型产业地价变量显著为正。这表明技术密集型产业为了寻求其信息和技术资源可以克服土地的高成本劣势,往往布局在地价更高的区位。

5 结论与讨论

基于长三角制造业企业数据探讨其制造业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,并存在显著的空间相关性,且制造业在2000 年以后经历了明显的产业扩散的过程。上海中心城区制造业就业密度下降,周边20~100 km制造业就业密度上升迅速。这种扩散过程同时体现出典型的行业差异,纺织服装、鞋、帽制造业的扩散半径明显大于通信设备、计算机及其他电子设备制造业,而黑色金属冶炼及压延加工业以向区外扩散为主。2007 年全球金融危机以后,仅通信设备、计算机及其他电子设备制造业出现了较明显的进一步产业扩散,其他典型产业未受到显著影响。尽管出现制造业扩散趋势,上海市区的中心性仍然有所提高。
基于空间计量回归模型的研究发现,这一地区的制造业就业密度存在典型的空间溢出效应,一个地区的制造业集聚受到周边地区制造业分布的显著影响。在控制空间溢出效应之后发现,区位条件仍然是影响这一地区制造业集聚的重要因素。上海市区作为长三角区域中心的地位有所增强。一个地区的制造业布局主要受到上海市区的距离、到机场的距离、市场规模、是否沿江沿海、是否是市辖区等因素的影响。制造业主要集聚在距离上海市区和机场近的地区,且上海市区和机场的制造业集聚的影响增强,也倾向于集聚在市辖区,而市辖区的距离的影响降低。尽管要素成本存在影响,但制造业仍然集聚在地价较高的地区,但这种倾向逐渐减弱。实证结果没有发现政策因素对制造业集聚的显著影响。
计量回归同时发现制造业集聚影响因素的行业间差异。到上海的距离对劳动密集型行业更加重要,而对资源密集型行业没有显著影响;到机场的距离对技术密集型制造业影响更明显,对资源密集型行业不存在显著影响;沿江沿海的区位仅对技术密集型产业集聚存在显著影响;市辖区的区位对几类制造业集聚的影响随着技术密集度的提升依次增强;土地价格仅对技术密集型行业存在显著的正向影响。这表明高技术行业更加倾向于集聚在市辖区,也更能承受高地价压力;劳动密集型行业倾向于接近市场;而资源密集型行业则倾向于寻找低成本区位,从而远离市场和要素价格偏高的地区。
国内外都市区发展理论表明制造业的空间转移是都市区发展的重要过程。在全球化竞争格局下,中国的都市区发展进入新的阶段,国内政策强调都市区的转型、升级发展。以长三角为例基于定量化研究为世界都市区的转型发展提供了新的例证,也为地区引导产业流向提供决策参考。政府应进一步发挥市场机制,在制造业产业转移过程中合理配置基础设施,推动都市区空间结构合理化和城市功能优化。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Swan P L.Decentralization and the growth of urban manufacturing employment. Land Economies, 1973, (2): 212-216.

[2]
Simon C J.Analysis of manufacturer location and relocation in the cleveland metropolitan area: 1966-1971. American Economist, 1980, 24(9): 35-42.

[3]
Wheaton W C, Lewis M J.Urban wages and labor market agglomeration. Journal of Urban Economics, 2002, 51(3): 542-562.

[4]
Carlino G, Mills E.The determinant's of county growth. Journal of Regional Science, 1987, 27(1): 39-54.

[5]
Ouwersloot H, Rietveld P.The geography of R&D: Tobit analysis and a Bayesian approach tomapping R&D activities in the Netherlands. Environment and Planning A, 2000, 32(9): 1673-1688.

[6]
Arauzo Carod J M, Viladecans Marsal E. Industrial location at the intra-metropolitan level: The role of agglomeration economies. Regional Studies, 2009, 43(4): 545-558.

[7]
Fujita M, Tabuchi T.Regional growth in postwar Japan. Regional Science and Urban Economics, 1997, 27(6): 643-670.

[8]
周一星, 孟延春. 中国大城市的郊区化趋势. 城市规划汇刊, 1998, (3): 22-28.

[Zhou Yixing, Meng Yanchun.Surburbanization of Chinese big cities. Urban Planning Forum, 1998, (3): 22-28.]

[9]
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.

[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.]

[10]
曹广忠, 刘涛. 北京市制造业就业分布重心变动研究: 基于基本单位普查数据的分析. 城市发展研究, 2007, 14(6): 8-14.

[Cao Guangzhong, Liu Tao.Study on spatial change of the center of gravity of manufacturing employment distribution in Beijing: Based on economic unit census. Urban Studies, 2007, 14(6): 8-14.]

[11]
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.

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

[12]
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.

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

[13]
刘霄泉, 孙铁山, 李国平. 北京市就业密度分布的空间特征. 地理研究, 2011, 30(7): 1262-1270.

[Liu Xiaoquan, Sun Tieshan, Li Guoping.Research on the spatial structure of employment distribution in Beijing. Geographical Research, 2011, 30(7): 1262-1270.]

[14]
张华, 贺灿飞. 区位通达性与在京外资企业的区位选择. 地理研究, 2007, 26(5): 984-994.

[Zhang Hua, He Canfei.Lo-cational accessibility and location of foreign enterprises in Beijing. Geographical Research, 2007, 26(5): 984-994.]

[15]
陈诚, 陈雯, 赵海霞. 江苏沿江地区生态保护与产业分布空间匹配格局分析. 地理研究, 2011, 30(2): 269-277.

[Chen Cheng, Chen Wen, Zhao Haixia.Spatial matching pattern between industrial space and ecological protection in areas along the Yangtze River in Jiangsu province. Geographical Research, 2011, 30(2): 269-277.]

[16]
范剑勇. 长三角一体化、地区专业化与制造业空间转移. 管理世界, 2004, (11): 77-85.

[Fan Jianyong.Yangzi River Delta region integration, regional specialization and manufacturing spatial transformation. Management World, 2004,(11): 77-85.]

[17]
石敏俊, 杨晶, 龙文, 等. 中国制造业分布的地理变迁与驱动因素. 地理研究, 2013, 32(9): 1708-1720.

[Shi Minjun, Yang Jing, Long Wen, et al.Changes in geographical distribution of Chinese manufacturing sectors and its driving forces.Geographical Research, 2013, 32(9): 1708-1720.]

[18]
宁越敏, 施倩, 查志强. 长江三角洲都市连绵区形成机制与跨区域规划研究. 城市规划, 1998, 22(1): 16-20.

[Ning Yuemin, Shi Qian, Zha Zhiqiang.Yangzi River Delta region metropolitan interlocking region formation mechanism and cross region planning research. Urban Planning, 1998, 22(1): 16-20.]

[19]
胡序威. 中国沿海城镇密集地区空间集聚与扩散研究. 北京: 科学出版社, 2000.

[Hu Xuwei.Research of Chinese Coastal Metropolitan Area's spatial Agglomeration and Diffusion. Beijing: Science Press, 2000.]

[20]
陈雯, 王钰. 长江三角洲空间一体化发展格局的初步测度. 地理科学, 2013, 33(8): 902-908.

[Chen Wen, Wang Yu.Spatial integration development brief measurement of Yangzi River Delta region. Geographical Science, 2013, 33(8):902-908.

[21]
Krugman P.Scale economies, product differentiation, and the pattern of trade. American Economic Review, 1980, 70(5):950-959.

[22]
Krugman P.Increasing returns and economic geography. Journal of Political Economy, 1991, 99(3): 483-499.

[23]
Anselin L.Spatial Econometrics: Methods and Models. Dordrecht: Kluwer Academic Publishers, 1988.

Options
Outlines

/

〈 〉