基于企业大数据的京津冀制造业集聚的影响因素

图1 4个典型行业的空间分布形态曲线

Fig. 1 Spatial distribution curves of four typical industries

集聚指数 $Γ_{A} (d)$ 和分散指数 $Ψ_{A} (d)$ 的计算公式分别为：

（2）

Γ_{A} (d) \equiv m a x ({\hat{K}}_{A} (d) - {\tilde{K}}_{A} (d), 0)

（3）

Ψ_{A} (d) \equiv \{\begin{array}{l} m a x ({\underset{~}{K}}_{A} (d) - {\hat{K}}_{A} (d), 0) i f \sum_{d = 0}^{194} Γ_{A} (d) = 0; \\ 0 e l s e \end{array}

本文运用R语言dbmss程序包计算DO指数^[19],相关命令将全局距离均分为512份,返回每一份距离上的核密度值。为简化计算,本文基于512个离散距离上的结果展开研究。

2.2 Hurdle模型

为丰富DO指数模型的现实含义,本文参考Alfaro等^[20]的做法,通过累加集聚指数构建衡量任意距离（S）内的行业A的集聚强度指标并作为被解释变量,公式为：

（4）

D O_{A} (S) = \sum_{d = 0}^{S} Γ_{A} (d) = \sum_{d = 0}^{S} [{\hat{K}}_{A} (d) - {\tilde{K}}_{A} (d)]

约有20%的行业集聚强度为0,属于典型的归并数据。Tobit模型常用于归并数据,但对于扰动项正态性和同方差性有严格要求。根据条件矩检验和构建LM统计量发现数据存在异方差和非正态性问题,故构建“跨栏模型”（Hurdle Model）,也被称为“两部分模型”（Two-part Model）^[21-22]。作为Tobit模型的推广,Hurdle模型能规避上述问题。模型公式表达为：

（5）

f (y | x) = \{\begin{array}{l} P (d = 0 | x) y = 0 \\ P (d = 1 | x) f (y | d = 1, x) y > 0 \end{array}

式中：d为虚拟变量,集聚行业（y > 0）记为d = 1,分散或随机行业（y = 0）记为d = 0;P表示概率。

Hurdle模型中的第一阶段基于全部样本回答自变量是否有利于形成集聚,被解释变量中非0值均设为1,设定Probit二值选择模型：

（6）

P r o b i t (y_{i} = 1 | x_{n i}) = λ + ν_{n} x_{n i} + γ_{i}

第二阶段基于集聚行业样本（d = 1）回答自变量如何影响行业集聚强度,被解释变量为连续变量并满足线性模型假设条件,采用最小二乘法（Ordinary Least Squares, OLS）估计,设定线性模型：

（7）

y_{i} = α + β_{n} x_{n i} + ε_{i}

式中：y_i为被解释变量;λ和α均为常数项;v_n和β_n（n =1, 2, …）为待估参数;x_ni为自变量与控制变量;γ_i和ε_i均为误差项。

2.3 数据来源与处理

数据来源于3次全国经济普查,该数据展现了特定年份中国几乎所有的企业和属性信息,是目前调查资料中企业层面最为精细和权威的数据之一,广泛应用于产业研究。根据经济普查,本文共获取京津冀地区41.4万条制造业企业信息。根据企业地址信息采用正向地理编码技术进行可视化,该技术主要基于百度地图开放平台（ http://lbsyun.baidu.com/）提供的地理编码和地点检索服务。另外,约有0.62%的企业从业人数为0或缺失,本文认为这些企业暂不具备生产制造能力,剔除处理。图2展示了2004年、2008年和2013年所有制造业企业的核密度分布。

图2

图2 2004年、2008年和2013年京津冀地区制造业企业核密度分布

Fig. 2 Kernel density distribution of manufacturing enterprises in the Beijing-Tianjin-Hebei region in 2004, 2008, and 2013

研究单元是基于国民经济行业分类下的中类制造业行业,以三位数代码区分。研究的时间跨度为2004—2013年,该时间跨度内涉及两个经济行业分类标准。考虑数据的匹配性,2004年和2008年的制造业行业划分以《国民经济行业分类（GB/T 4574-2002）》为准,2013年以《国民经济行业分类（GB/T 4574-2011）》为准。另外,企业数量过少（低于10家）的行业（烟叶复烤、卷烟制造、其他烟草制品加工、核燃料加工）缺乏代表性,予以剔除。因此,2004年和2008年制造业行业类型样本有162个,2013年有168个。

3 研究结果

3.1 制造业集聚的总体特征

根据DO指数模型,在95%置信水平判断各年制造业三位数行业具有不同空间分布形态特征的数量与比重。2004—2013年京津冀地区具有集聚特征的行业从124个增加至129个,占所有行业的比重先增后减,波动并不明显,维持在77%左右（表1）。

表1 2004年、2008年和2013年京津冀地区集聚、分散、随机分布的行业数量与集聚强度

Tab. 1 The number and agglomeration intensity of agglomerated, dispersed, and randomly distributed industries in the Beijing-Tianjin-Hebei region in 2004, 2008, and 2013

年份	集聚		分散		随机		行业总数	平均全局集聚强度
数量(个)	占比(%)	数量(个)	占比(%)	数量(个)	占比(%)
2004	124	76.5	22	13.6	16	9.9	162	0.332
2008	127	78.4	27	16.7	8	4.9	162	0.307
2013	129	76.8	29	17.3	10	6.0	168	0.261

制造业空间分布形态具有选择性,大部分行业在空间上趋于集聚,少部分行业倾向于分散（表1）。2004—2013年京津冀地区制造业集聚行业比重约为77%,该比例远高于相近年份的英国（52%）^[23]、加拿大（52%）^[24]、日本（50%）^[25],接近于德国（71%）^[26]。该比例也高于邵朝对等^[27]、陈柯等^[28]、孟美侠等^[18]对中国制造业的研究结果,也高于魏海涛等^[29]对长三角城市群的研究结果（16%）,而与Brakman等^[30]的研究结果相近（77%）。对于众多各异的集聚行业比重,在模型方法准确的前提下,京津冀地区制造业集聚比重高的原因主要在于该地区制造业在全国具有比较优势,能够不断吸引区域外部企业和各类资源。同时,相比于长三角城市群多核心结构,该地区北京市、天津市两个核心城市的地位突出,城市群空间结构相对简单,从而制造业分布具有较明确的选择方向。

根据公式 $Γ_{A} = \sum_{d = 0}^{194} Γ_{A} (d)$ ,将所有距离上的全局集聚指数累加可得到行业A的总集聚强度,并对各年所有具有集聚特征的行业计算平均强度。2004—2013年平均全局集聚强度持续降低,从0.332减小至0.261,下降约21.4%。不同行业集聚强度具有差异,2004年航空航天器制造、电子计算机制造、自行车制造、装订及其他印刷服务活动、其他电子设备制造等行业集聚强度高;2013年金属丝绳及其制品制造、自行车制造、摩托车制造、文化办公用机械制造、金属家具制造等行业集聚强度高。由此可见,2004—2013年集聚行业变化不大,多为技术密集型（交通运输设备、电子设备、仪器仪表）和劳动密集型（皮革毛皮、家具）制造业（表2）,该规律与已有研究结果相一致^[6]。

表2 京津冀地区集聚强度前10位的制造业行业

Tab. 2 Top 10 manufacturing industries in the Beijing-Tianjin-Hebei region in terms of agglomeration intensity

2004年		2008年		2013年
行业类型	集聚强度	行业类型	集聚强度	行业类型	集聚强度
航空航天器制造	1.22	皮革鞣制加工	1.09	金属丝绳及其制品制造	1.09
电子计算机制造	1.12	自行车制造	1.07	自行车制造	1.06
自行车制造	1.10	其他未列明制造业	0.94	摩托车制造	0.90
装订及其他印刷服务活动	1.07	航空航天器制造	0.92	文化、办公用机械制造	0.78
其他电子设备制造	1.01	船舶及浮动装置制造	0.90	金属家具制造	0.74
船舶及浮动装置制造	1.01	装订及其他印刷服务活动	0.84	电子元件制造	0.71
通用设备制造	0.92	电子计算机制造	0.80	皮革制品制造	0.69
专用仪器仪表制造	0.91	电子元件制造	0.75	航空航天器及设备制造	0.66
皮革鞣制加工	0.90	医疗仪器设备及器械制造	0.75	毛皮鞣制及制品加工	0.66
生物生化制品制造	0.83	金属家具制造	0.74	皮革鞣制加工	0.65

注：总集聚强度理论取值范围为0~1,但本文为简化计算,直接将512个离散距离上的结果相加,导致其结果扩大为原来的2.63倍,但不影响强度比较。

统计不同距离上的集聚行业数量（m）,并根据公式 $Γ (d) = \sum_{A = 1}^{m} Γ_{A} (d)$ 对所有集聚行业在每一个d上的指数求和,比较制造业集聚行业数量/指数与距离的关系（图3）。集聚行业数量和集聚指数在0~60 km范围内随着距离增大而迅速衰减,在60~194 km下降平缓,并且在110 km处两者均有一“凸起”,特别是在2004年和2008年表现更为明显。0~60 km是企业沟通与产业关联最频繁、最高效的距离范围,比如知识技术学习、中间产品运输、劳动力人才共享等活动,而在更大距离上交通运输成本是企业发生联系的主要限制因素^[27]。同时,将距离与现实地理空间对应,集聚行业数量与集聚指数随距离的变化恰好反映出产业集聚从单一城市内部到多个城市之间的演变过程。0~60 km是城市内部产业发展的核心区域,各种要素集聚带来了巨大的外部性收益。而110 km接近于两个城市之间的距离,凸起是因为在该距离上两个城市间的产业集聚要高于城市内部边缘区域,这间接地说明了城市间的产业空间联系。

图3

图3 京津冀地区不同距离上集聚行业数量(a)与行业集聚指数(b)

Fig. 3 Number of agglomerated industries (a) and agglomeration index of industries
(b) in the Beijing-Tianjin-Hebei region at different distances

3.2 变量选择

基于学者的已有研究成果,本文从资源禀赋、集聚经济、政府行为、全球化4个角度选取解释变量（表3）。资源禀赋、集聚经济是讨论产业区位的普遍视角,政府行为、全球化则结合了中国制造业发展的现实情况。

表3 核心解释变量说明

Tab. 3 Descriptions of core explanatory variables

影响因素	变量	量化指标	名称	数据来源
资源禀赋 (RES)	农业	农林牧渔业中间投入占行业总投入的比重	RES_AGR	地区投入产出表
	矿产	煤炭、石油、金属、非金属中间投入占行业总投入的比重	RES_MIN
	电力、燃气、水	电力、燃气、水供应中间投入占行业总投入的比重	RES_ENE
集聚经济 (AGG)	劳动力池	行业从业人员数	AGG_EMP	经济普查数据
	产业内部关联	行业内部中间投入占总投入的比重	AGG_INI	地区投入产出表
	产业外部关联	其他制造业产品中间投入占总投入的比重	AGG_INT
	知识溢出	行业专利数量	AGG_TEC	智慧芽专利平台
政府行为 (GOV)	地方保护主义	行业内国有企业占所有企业的比重	GOV_NAT	经济普查数据
开发区政策	行业成为开发区目标行业的次数	GOV_LEV	中国开发区审核公告目录
全球化 (GLO)	对外贸易	行业出口交货值占工业销售产值的比重	GLO_EXP	工业企业数据库
外商投资	行业内外商投资企业占所有企业的比重	GLO_FOR	经济普查数据

注：为减少自变量与因变量的双向因果关系,来源于工业企业微观数据的变量均滞后一期。

根据比较优势理论和资源禀赋学说,资源禀赋是企业区位选择的基础因素,行业对于各类资源依赖性的差异直接影响其空间分布。随着通讯技术和交通运输条件改善,自然资源的影响在逐渐减弱,劳动力、资本等投入要素的影响在增强^[31]。本文选取农业、矿产、电力燃气水变量,并利用三省市投入产出表（2002年、2007年、2012年）分别汇总计算各类自然资源在行业总投入中的比重进行量化。

集聚经济理论常用来解释产业区位选择的微观机制,认为产业集聚带来外部性收益。集聚降低了劳动力（专业人才）、中间商品、知识技术的流动成本,学者们将其概括为劳动力池共享、产业联系、知识溢出。劳动力池变量利用经济普查数据（2004年、2008年、2013年）计算各行业从业人员数来量化^[18]。产业联系包括行业内部关联和行业外部关联,利用三省市投入产出表分别汇总计算行业内部和行业外部中间产品投入占总投入的比重来量化^[10]。知识溢出难以直接测度,常用专利授权数代理^[32-33]。本文利用智慧芽专利平台（ https://www.zhihuiya.com）分别统计中国知识产权局在2004年、2008年、2013年授权给京津冀三省市各行业的专利数量来量化。

伴随全球化,20世纪80年代以来经济活动的重心逐渐从欧美转移至亚洲^[34],中国积极参与并逐步建立制度优势,2003年成为全球最大的外资流入国。依靠丰富且廉价的劳动力资源,全球化成为中国沿海地区制造业发展的重要推力,进一步塑造以资源投入和集聚经济为导向的制造业布局^[6]。本文选取对外贸易和外商投资变量反映全球化因素,并分别以行业出口交货值比重和外商投资企业比重进行量化^[8,35]。

政府行为是市场经济主导下调控产业发展的重要力量。中国多级行政体系间无序竞争、长期以GDP为政绩考核标准等原因使得政府行为对产业空间布局影响十分复杂^[36]。一方面,地方政府通过广泛建立各类开发区扩大集聚经济效应,通过开发区优惠政策吸引企业进入^[37-38];另一方面,竞争思维引导地方政府对国有企业和利税率高的企业产生保护倾向,影响产业的空间集聚^[5]。开发区政策变量通过成为园区主导行业的次数进行量化,来源为《中国开发区审核公告目录》（2006年、2018年）,根据批准时间统计京津冀地区省级以上开发区的主导行业,并与二位数行业分类近似匹配。地方保护主义变量以行业国有企业比重来量化。

本文控制变量包括空间结构和交通运输。其中,空间结构变量表征由于行业在不同省市比重差异引起的偏差,分别以行业在北京的比重和行业在天津的比重来量化;交通运输变量以相应中间投入占总投入的比重来量化。变量描述性统计参见表4。

表4 变量描述性统计

Tab. 4 Descriptive statistics of variables

变量类型	变量	样本量	平均值	标准差	最小值	最大值
因变量	DO(50)	492	0.170	0.222	0	1.201
	DO(100)	492	0.204	0.248	0	1.203
	DO(150)	492	0.224	0.262	0	1.224
	DO(194)	492	0.231	0.264	0	1.224
自变量	RES_AGR	492	0.053	0.094	0	0.311
	RES_MIN	492	0.039	0.078	0	0.601
	RES_ENE	492	0.030	0.0178	0	0.077
	AGG_EMP	492	36953	56086	167	520480
	AGG_INI	492	0.249	0.114	0	0.528
	AGG_INT	492	0.254	0.147	0	0.543
	AGG_TEC	492	167.4	537.8	0	5600
	GOV_NAT	492	0.015	0.026	0	0.333
	GOV_LEV	492	28.68	40.29	0	138
	GLO_EXP	492	0.165	0.180	0	0.898
	GLO_FOR	492	0.062	0.052	0	0.339
	SPA_BJ	492	0.231	0.165	0	0.870
	SPA_TJ	492	0.256	0.137	0.022	0.775
	RES_TRA	492	0.036	0.014	0	0.115

注：因变量DO(S)表示根据公式（4）计算的S范围内的行业集聚强度。

3.3 模型回归结果

在回归分析之前,首先对解释变量进行了多重共线性检验。模型中自变量相关系数均小于等于0.6,方差膨胀因子（VIF）均小于10,所以可不考虑多重共线性问题。为减少异方差影响,模型采用稳健性标准误。

3.3.1 制造业形成集聚的影响因素

2011年之后由于规模以上企业统计口径发生变化,并且部分变量（对外贸易,GLO_EXP）缺失数据,因而2013年与2004、2008年可能存在数据口径不统一的问题。为保证模型的稳健性,表5分别列出2004—2008年和2004—2013年两个时段的混合截面回归结果。模型考虑年份固定效应,第一阶段模型采用最大似然估计方法,各模型均通过卡方检验。

表5 Hurdle模型第一阶段Probit回归结果

Tab. 5 Probit regression results of the first stage in the Hurdle model

变量	2004—2008年				2004—2013年
	模型(1)	模型(2)	模型(3)	模型(4)	模型(5)	模型(6)	模型(7)	模型(8)
	50 km	100 km	150 km	194 km	50 km	100 km	150 km	194 km
RES_AGR	-3.813^** (1.695)	-4.153^** (1.734)	-4.106^** (1.709)	-3.703^** (1.694)	-3.042^** (1.467)	-3.158^** (1.488)	-3.119^** (1.489)	-2.837^* (1.509)
RES_MIN	1.325 (2.039)	1.262 (2.099)	1.201 (2.067)	0.915 (1.995)	0.249 (1.412)	0.162 (1.432)	0.153 (1.424)	0.202 (1.413)
RES_ENE	-13.264 (8.470)	-14.357^* (8.597)	-13.884 (8.643)	-10.649 (8.524)	6.624 (5.391)	7.071 (5.520)	7.579 (5.511)	7.808 (5.437)
AGG_EMP	0.287^*** (0.086)	0.321^*** (0.083)	0.328^*** (0.084)	0.373^*** (0.085)	0.240^*** (0.058)	0.252^*** (0.057)	0.258^*** (0.057)	0.311^*** (0.058)
AGG_INI	1.086 (1.706)	1.716 (1.701)	1.720 (1.690)	1.459 (1.698)	-0.637 (1.278)	-0.345 (1.293)	-0.428 (1.298)	-0.570 (1.318)
AGG_INT	0.206 (1.609)	0.516 (1.632)	0.395 (1.608)	0.570 (1.611)	0.929 (1.377)	1.133 (1.396)	1.119 (1.399)	1.268 (1.433)
AGG_TEC	-0.014 (0.077)	-0.006 (0.084)	-0.028 (0.084)	-0.044 (0.094)	-0.061 (0.041)	-0.060 (0.042)	-0.069^* (0.042)	-0.067 (0.043)
GOV_NAT	0.651 (3.807)	0.756 (4.088)	0.224 (4.056)	0.883 (3.903)	-1.233 (2.271)	-1.382 (2.284)	-1.634 (2.299)	-0.937 (2.266)
GOV_LEV	-0.007 (0.006)	-0.010 (0.006)	-0.006 (0.006)	-0.002 (0.007)	-0.001 (0.003)	-0.002 (0.003)	-0.001 (0.003)	-0.001 (0.003)
GLO_EXP	0.611 (0.585)	0.551 (0.627)	0.608 (0.621)	0.456 (0.594)
GLO_ FOR	5.552^** (2.780)	6.333^** (3.052)	6.367^** (3.089)	4.989^* (2.979)	4.690^** (2.003)	4.830^** (2.132)	4.891^** (2.150)	3.434^* (2.034)
SPA_BJ	2.568^*** (0.672)	2.583^*** (0.712)	2.592^*** (0.713)	2.204^*** (0.706)	2.501^*** (0.517)	2.491^*** (0.533)	2.515^*** (0.534)	2.357^*** (0.539)
SPA_TJ	1.751^** (0.694)	1.945^** (0.756)	1.658^** (0.735)	1.118 (0.718)	2.580^*** (0.562)	2.769^*** (0.583)	2.623^*** (0.579)	2.316^*** (0.583)
RES_TRA	-13.759 (8.473)	-15.439^* (8.735)	-15.359^* (8.670)	-13.606 (8.390)	-12.833^** (6.412)	-13.414^** (6.547)	-13.757^** (6.547)	-12.867^** (6.558)
常数项	-2.321^** (1.118)	-2.652^** (1.100)	-2.656^** (1.092)	-2.771^** (1.092)	-2.218^** (0.894)	-2.353^*** (0.896)	-2.342^*** (0.897)	-2.525^*** (0.910)
年份固定效应	是	是	是	是	是	是	是	是
样本量	324	324	324	324	492	492	492	492
Pseudo R²	0.224	0.247	0.241	0.219	0.223	0.237	0.236	0.229

注：括号内为稳健标准误;^*、^**、^***分别表示在10%、5%和1%的水平上显著,下同。

自然资源投入因素中,农业资源投入（RES_AGR）对制造业形成集聚表现为显著的负向影响,并随着距离上升影响逐步减弱。矿产资源（RES_MIN）、电力燃气水（RES_ENE）对制造业集聚的影响均不显著。究其原因,可能是自然资源作为制造业发展的基础条件,地域性和稀缺性导致其空间分布较分散。因而,企业为减少运输成本将靠近自然资源布局,行业呈现分散特征。虽然交通运输技术发展使长距离运输成为现实,自然资源对于行业分布的严格限制得以放松,但其依然是某些行业布局需要考虑的重要因素,尤以食品相关行业表现更为明显（表6）。农产品具有易腐烂变质特性,相比矿产品、电力燃气水运输成本更高昂,并且与本地市场联系紧密,因而农业资源投入高的行业多表现出分散特征。

表6 2013年京津冀地区农业资源投入前5位二位数行业的集聚强度

Tab. 6 Agglomeration intensity of the top 5 two-digit industries in the agricultural resource input in 2013

行业	农业资源投入占比	各距离范围内的行业集聚强度
50 km	100 km	150 km	194 km
农副食品加工业	0.301	0.018	0.021	0.021	0.022
食品制造业	0.301	0.022	0.023	0.023	0.024
饮料制造业	0.301	0.000	0.000	0.000	0.000
纺织业	0.245	0.144	0.156	0.169	0.193
纺织服装、鞋、帽制造业	0.126	0.161	0.250	0.258	0.258
所有行业平均值	0.057	0.152	0.180	0.195	0.200

注：《投入产出表》中只涉及二位数行业,本文通过近似匹配计算农业投入比重,集聚强度为所属三位数行业的平均值。

集聚经济因素中,劳动力池（AGG_EMP）对制造业形成集聚表现为显著的正向影响并随距离上升而影响增强。产业内部关联（AGG_INI）、产业外部关联（AGG_INT）、知识技术溢出（AGG_TEC）均不显著。企业规模越大,对于劳动力的需求越旺盛,越需要靠近人口密集的地区。同时,这些区域丰富的劳动力资源也会吸引大量企业进入,有利于行业形成集聚。

全球化因素中,外商投资（GLO_FOR）对制造业形成集聚表现为显著的正向影响并随距离上升先增强后减弱。逐利是资本流动的根本目的,外商在华投资的动机可概括为生产投入与市场动机、生产服务动机、利用优惠政策和降低投资风险动机等^[39],因而附加值高、集聚效应强的行业是外商首选,比如电子通信设备、化学原料及制品等^[8]。外商投资在产业集聚的过程中通过优势传播和挤出机制促进行业形成集聚和产业结构升级,但这样的溢出效应存在距离衰减规律^[40]。整体而言,外商投资在早期对中国制造业增长机制、增长效益、增长速度、增长质量都有重要贡献^[41]。

控制变量中,行业从业人员在北京的比重（SPA_BJ）、在天津的比重（SPA_TJ）对制造业形成集聚均表现为显著的正向影响。北京和天津作为中国制造业的重要集聚地,制造业种类繁多,产业配套能力强,并且发展条件优势明显,产业集聚度远高于河北省。因而行业在两地比例越高,越有利于集聚形成。交通运输（RES_TRA）对产业集聚形成具有显著的负向影响。交通运输成本越高的行业,越需要靠近市场或是原料地来降低成本。

3.3.2 制造业集聚提升的影响因素

表7报告了Hurdle模型第二阶段影响因素的回归结果。自然资源因素中,电力燃气水（RES_ENE）变量对行业集聚提升具有显著的负向影响并在150 km范围内影响增强,超出该距离范围影响呈减弱趋势。相比农业和矿产资源作为生产原料,电力燃气水是生产环节中的必备能源和资源。政府出让工业土地时一般都会解决供电供水问题,电力燃气水资源并非企业寻求区位的首要因素,因而该变量对于第一阶段形成集聚并没有显著影响。但某些集聚行业（比如化学工业）对于电力燃气水的需求很高,企业为节约成本寻求廉价资源区位,而廉价资源的分散分布导致行业集聚强度下降^[42]。

表7 Hurdle模型第二阶段OLS回归结果

Tab. 7 OLS regression results of the second stage in the Hurdle model

变量	2004—2008年				2004—2013年
	模型(1)	模型(2)	模型(3)	模型(4)	模型(5)	模型(6)	模型(7)	模型(8)
	50 km	100 km	150 km	194 km		50 km	100 km	150 km	194 km
RES_AGR	-0.001 (0.196)	-0.009 (0.210)	-0.025 (0.223)	-0.027 (0.225)	-0.086 (0.217)	-0.041 (0.220)	-0.055 (0.228)	-0.058 (0.227)
RES_MIN	0.413 (0.263)	0.439 (0.285)	0.389 (0.299)	0.402 (0.290)	-0.120 (0.184)	-0.089 (0.191)	-0.133 (0.197)	-0.126 (0.198)
RES_ENE	-4.905^*** (1.191)	-4.938^*** (1.290)	-5.619^*** (1.289)	-5.443^*** (1.307)	-3.143^*** (0.925)	-3.165^*** (0.962)	-3.724^*** (0.972)	-3.403^*** (0.998)
AGG_EMP	-0.011 (0.013)	-0.001 (0.014)	0.002 (0.014)	0.005 (0.013)	-0.015 (0.009)	-0.005 (0.010)	-0.001 (0.010)	-0.001 (0.010)
AGG_INI	0.746^*** (0.199)	0.800^*** (0.209)	0.829^*** (0.211)	0.857^*** (0.207)	0.365^** (0.182)	0.470^*** (0.180)	0.498^*** (0.181)	0.524^*** (0.179)
AGG_INT	0.350^** (0.163)	0.414^** (0.177)	0.481^*** (0.183)	0.527^*** (0.184)	0.155 (0.189)	0.288 (0.187)	0.338^* (0.189)	0.385^** (0.188)
AGG_TEC	0.008 (0.009)	0.004 (0.010)	0.013 (0.010)	0.014 (0.010)	-0.002 (0.007)	-0.005 (0.007)	-0.000 (0.007)	-0.001 (0.007)
GOV_NAT	0.248 (0.504)	0.070 (0.533)	0.074 (0.453)	0.090 (0.443)	0.140 (0.477)	-0.127 (0.532)	-0.102 (0.496)	-0.121 (0.497)
GOV_LEV	-0.001 (0.001)	-0.002^* (0.001)	-0.002^** (0.001)	-0.002^** (0.001)	-0.001 (0.001)	-0.001^** (0.001)	-0.002^*** (0.001)	-0.002^*** (0.001)
GLO_EXP	-0.043 (0.086)	-0.028 (0.096)	-0.027 (0.096)	-0.018 (0.094)
GLO_ FOR	0.581 (0.379)	0.421 (0.416)	0.411 (0.412)	0.445 (0.410)	0.611^** (0.290)	0.443 (0.309)	0.443 (0.312)	0.499 (0.312)
SPA_BJ	0.224^* (0.123)	0.311^** (0.136)	0.342^** (0.136)	0.325^** (0.135)	0.198^* (0.103)	0.274^** (0.109)	0.315^*** (0.110)	0.305^*** (0.110)
SPA_TJ	0.259 (0.171)	0.413^** (0.178)	0.462^*** (0.165)	0.441^*** (0.162)	0.223 (0.139)	0.349^** (0.146)	0.395^*** (0.139)	0.384^*** (0.137)
RES_TRA	-1.484 (1.608)	-2.003 (1.688)	-1.807 (1.682)	-1.899 (1.663)	-0.196 (1.204)	-0.846 (1.268)	-0.554 (1.284)	-0.580 (1.311)
常数项	0.061 (0.134)	-0.039 (0.142)	-0.080 (0.146)	-0.115 (0.143)	0.190 (0.122)	0.074 (0.127)	0.027 (0.128)	-0.001 (0.125)
年份固定效应	是	是	是	是	是	是	是	是
样本量	248	253	255	267	377	382	384	398
R²	0.345	0.307	0.346	0.348	0.240	0.231	0.264	0.262

集聚经济因素中,产业内部关联（AGG_INI）、产业外部关联（AGG_INT）均对集聚强度提升具有显著的正向影响并随距离上升影响增强。产业内部关联越紧密,通过提升集聚强度能节约大量的交通运输成本,也有利于打造地方品牌,提升竞争力。产业外部关联越紧密,越有利于促进产业间协同集聚^[43],间接提升产业内集聚强度。产业内部关联和外部关联的正向作用随距离而变化的可能原因是马歇尔外部性与雅各布斯外部性共同作用的结果^[44]。两者分别在短距离和长距离起主导作用,加强产业关联对集聚的正向效应,特别是距离越大,雅各布斯外部性的增强作用就越明显。另外,产业内部关联、外部关联变量在模型两阶段的结果差异表明它们只有对集聚行业才有促进作用,而对行业是否形成集聚并无显著影响。这可能是因为产业关联需要在一定的集聚基础上才能发挥作用,并非原始驱动力。知识溢出（AGG_TEC）对集聚强度的影响依然不显著,可能原因是京津冀地区虽然每年都有大量的专利授权,但只有少数运用于本地产业发展,大多在长三角、珠三角等地实现专利转化,其本身需要的大量技术主要依赖外部^[45]。本地知识技术优势没有得到充分利用,无法吸引更多的企业进入。劳动力池（AGG_EMP）在第二阶段并不显著,表明劳动力类似于生产原料是企业初期考虑的区位因素,只在行业形成集聚阶段才发挥作用。

政府行为因素中,地方保护主义（GOV_NAT）变量在模型第二阶段依然不显著,并且模型加入利润税收变量后仍不显著（表中未列出）。京津冀三省市长期存在政治差异限制了地方政府的竞争,地方保护主义受到明显削弱,对产业集聚影响有限^[46]。另一种解释是沿海地区相比内陆地区更接近国外市场,地方政府保护动机不强^[47]。开发区政策（GOV_LEV）变量对集聚强度提升有显著的负向影响,原因是京津冀地区多个开发区主导行业重叠度过高,集中在电子信息、装备制造、汽车、新材料等领域,过度竞争导致行业趋于分散。孟美侠等^[18]提供了另一种解释,开发区政策实际上调整了原本市场力量主导下的产业中心—外围的分布格局,税收优惠降低了企业运营成本并导致外围地区企业数量增加,因此整体产业集聚强度有所下降。

全球化因素中,外商投资（GLO_FOR）仅在50 km范围内对集聚强度提升有正向影响,在其他距离并不显著。对外贸易（GLO_EXP）对集聚强度提升也不显著。与第一阶段相类似,外商投资对产业集聚的正向作用随距离衰减,而且衰减速度更快。当行业形成集聚后,内资企业凭借本地优势壮大起来,集聚范围逐渐扩大,而外商投资企业的引领作用持续减弱,只能对短距离的企业产生作用^[44]。外商投资和对外贸易的显著性差异主要原因是中国沿海省区的贸易很大部分是外资推动,两者存在互补关系,因而外商投资是影响外向型制造业分布的核心因素^[47]。

3个控制变量对产业集聚提升的影响与第一阶段类似,区别仅在于交通运输（RES_TRA）变量的负向影响并不显著,表明其对集聚提升的限制作用并不明显。交通运输成本的下降可能难以促进制造业进一步集聚,表明京津冀地区制造业的发展阶段可能已经跨过新经济地理学中描述的倒U型曲线的左侧部分^[48]。

3.3.3 制造业集聚的两阶段的对比分析

DO指数和Hurdle模型回归结果验证了产业集聚存在两个阶段,并且集聚形成和集聚提升的主导因素不同（图4）。

图4

图4 制造业集聚的两阶段示意图

Fig. 4 Schematic diagram of two stages of manufacturing agglomeration

在集聚形成阶段,制造业集聚受到基础条件影响,比如农业资源、劳动力池、外商投资和交通运输。农业资源和交通运输对制造业形成集聚存在负向作用,劳动力池和外商投资起到正向作用。当行业空间分布“跨越”集聚门槛,集聚提升阶段主要受电力燃气水资源、产业内部关联和外部关联、开发区政策影响,产业内部关联和产业外部关联对行业集聚提升具有正向作用,并且产业内部关联作用更强,开发区政策和电力燃气水资源起到负向作用。

产业集聚两阶段过程实际反映了企业区位选择时的决策变化。未有明显集聚活动时,企业区位选择主要考虑基础条件,目的是运营和生存。当行业形成集聚后,企业区位选择主要考虑集聚经济、政策环境等,目的是获取更大的利润。这个过程可能涉及新企业的进入和老企业的退出。当然,部分行业集聚门槛较高,始终无法跨越,因而更适合分散或随机分布,比如食品制造业等。

3.3.4 影响因素作用的尺度效应

基于不同距离范围内的回归结果（表5、表7）,可初步得到各变量对产业集聚的影响具有尺度效应的结论。在第一阶段,农业资源、外商投资、交通运输对集聚形成的影响均随距离上升先增强后减弱,即可能存在一个集聚的最佳范围,而劳动力池的正向作用始终随距离上升而增强。在第二阶段,电力燃气水、开发区政策对集聚提升的作用也随距离上升先增强后减弱,而产业内部关联、产业外部关联的正向作用持续增强,外商投资的正向作用迅速减弱。这些现象都表明变量作用并非完全服从距离衰减规律,可能在一定范围内增强或是持续增强。贺灿飞等^[10]、范剑勇等^[49]也提出小地理范围和大地理范围产业集聚的主导因素并不一致的观点。

为进一步验证影响因素作用的尺度效应,本文将0~194 km按照5 km间隔计算集聚强度并建立模型。图5和图6分别展示了Hurdle模型两阶段自变量回归系数与距离的变化关系（0~194 km范围内均不显著的变量未展示）。

图5

图5 京津冀地区制造业集聚形成阶段自变量回归系数与距离的变化关系

注：图a展示了能对因变量产生正向作用的变量,图b展示了产生负向作用的变量,虚线表示回归系数不显著,实线表示回归系数在10%或5%水平显著,图6同。

Fig. 5 The relationship between the regression coefficient of independent variables and the distance in the formation stage of agglomerations

图6

DOI:10.1111/j.1468-2427.1988.tb00448.x URL [本文引用: 1]

图6 京津冀地区制造业集聚提升阶段自变量回归系数与距离的变化关系

Fig. 6 The relationship between the regression coefficient of independent variables and the distance in the development stage of agglomerations

可以发现,各变量回归系数随距离变化的趋势与上文结论相一致,再次说明各影响因素对产业集聚的作用具有尺度效应。通过更为细致的回归分析发现,知识溢出变量仅在25 km内有显著正向影响;其余变量的作用虽然可能存在增强阶段,但几乎都随距离的持续扩大而呈减弱趋势,比如图6a中的产业内关联变量。同时,本文归纳出不同变量对产业集聚发挥显著性作用的空间尺度。在第一阶段,劳动力池、农业资源变量系数在0~194 km范围均显著,而外商投资、电子燃气水、交通运输变量系数只在50~150 km范围显著。在第二阶段,产业内部关联、产业外部关联、电力燃气水变量系数在0~194 km范围均显著,开发区政策变量系数在90~194 km范围显著,而外商投资、知识溢出变量系数只在短距离范围显著,对空间尺度十分敏感。具体来看,外商投资在集聚提升阶段的正向作用在0~45 km范围迅速增强,在45 km范围之外作用明显减弱且不显著;知识溢出对行业集聚提升的正向作用也是在0~25 km范围迅速增强,25 km范围之外并不显著。这些实证结果都表明两变量对产业集聚正向作用受到距离的严格限制。

4 结论与讨论

4.1 结论

本文基于3次全国经济普查企业大数据识别和测度了京津冀地区三位数制造业的空间分布形态,指出产业集聚影响因素的两阶段特征,并关注不同空间尺度下各因素作用的差异性。研究结果表明：

（1）2004年、2008年、2013年京津冀地区分别有124个、127个、129个行业集聚,22个、27个、29个行业分散,16个、8个、10个行业随机分布。技术密集型（交通运输设备、电子设备、仪器仪表）和劳动密集型（皮革毛皮、家具）制造业的集聚强度较高,集聚范围多为0~60 km。

（2）集聚可以划分为两个阶段,在集聚形成阶段,农业资源和交通运输对行业形成集聚具有负向作用,劳动力和外商投资起到正向作用;当行业“跨越”集聚门槛后,即在集聚提升阶段,产业内部关联、产业外部关联具有正向作用,并且产业内部关联作用更强,开发区主导产业政策、电力燃气水资源起到负向作用。总体来看,在集聚形成阶段,企业主要考虑基础条件;在集聚提升阶段,更侧重于集聚经济、政策环境等因素。进一步的研究表明,并非所有的行业都能进入第二阶段,若跨越集聚门槛的成本过高,有些行业将倾向于分散或随机分布。

（3）不同变量的作用程度受距离的影响存在差异性,但几乎都随距离的持续扩大而呈现减弱趋势。在集聚形成阶段,农业资源、外商投资、交通运输3个因素的影响都随距离上升先增强后减弱,而劳动力池的正向作用持续增强但速度放缓;在集聚提升阶段,电力燃气水、开发区政策的作用也随距离上升先增强后减弱,知识溢出、外商投资的正向作用迅速增强后不显著,而产业内部关联、产业外部关联的正向作用持续增强但速度放缓。同时,不同变量对产业集聚发挥显著性作用具有特定的空间尺度。在第一阶段,劳动力池、农业资源变量在0~194 km均发挥显著作用,而外商投资、电子燃气水、交通运输变量只在50~150 km范围发挥作用。在第二阶段,产业内部关联、外部关联、电力燃气水变量在0~194 km发挥显著作用,开发区政策变量仅在90~194 km范围发挥作用,而外商投资、知识溢出变量对空间尺度尤为敏感,分别在0~45 km、0~25km范围发挥作用。

4.2 讨论

两阶段性很可能广泛存在于现实的事物发展过程中,目前正逐渐受到地理学者关注^[50]。Hurdle模型本质上是假定受限因变量存在两种决定机制,因而需要采取两阶段回归策略。已有研究讨论产业集聚影响因素时,多会默认所有行业都会倾向集聚分布。然而,现实并非如此,比如与食品相关的行业大多呈现分散分布的特征。本文认为讨论产业集聚的影响因素时首先应该回答产业形成集聚（区别于随机/分散）的原因,然后才是分析集聚行业集聚强度提升的影响机制。本文只关注了行业集聚,随着区域一体化政策的实施,行业分散过程与影响机制也应该受到重视。值得注意的是,Hurdle模型描述的两阶段虽然与产业集聚形成和发展过程能够相联系,但内涵并不完全一致。前者更倾向于逻辑顺序,后者更倾向于时间动态过程。如何将逻辑顺序和时间动态过程相统一并纳入Hurdle模型进行作用机制分析,将是我们下一步研究的重点。

本文还发现影响因素对产业集聚的作用具有尺度效应,尽管基本均随距离扩大呈减弱趋势,但不同因素对距离的反应存在差异。比如,同样是在第二阶段,产业内部关联、外部关联对集聚提升的正向作用随距离上升而增强,而电力燃气水、开发区政策的作用随距离上升先增强后减弱。我们也发现无论变量作用随距离如何变化,其似乎都在趋向于一个稳定值,也就是对产业集聚产生一个稳定作用,这在一定程度上可以解释文献中不同空间尺度下产业集聚的影响因素能得到较为一致结论的原因。但值得注意的是,对空间尺度敏感性强的因素,需要在特定空间尺度下才能观测到,比如知识溢出仅在25 km范围内对产业集聚提升具有显著作用。如果我们在较大空间尺度,比如地级市开展研究,则很可能得到错误的结论。当然京津冀地区的知识溢出作用不明显还可能受到专利本地转化率低等影响。这类因素对产业布局有特殊意义,是地理学需要格外关注的变量。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Scott

A J

Flexible production systems and regional development

International Journal of Urban and Regional Research, 1988, 12(2): 171-186.

[2]

Malmberg

Industrial geography: Location and learning

Progress in Human Geography, 1997, 21(4): 573-582.

DOI:10.1191/030913297666600949 URL [本文引用: 1]

[3]

Krugman

P R

Development, Geography, and Economic Theory. Cambridge: MIT Press, 1997.

[4]

Miao

Changhong

, Cui

Lihua

Industrial agglomeration: A viewpoint comparison between geography and economics

Human Geography, 2003, 18(3): 42-46.

[ 苗长虹, 崔立华.

产业集聚: 地理学与经济学主流观点的对比

人文地理, 2003, 18(3): 42-46.]

[5]

Bai

Chongen

, Du

Yingjuan

, Tao

Zhigang

, et al.

Local protectionism and industrial concentration in China: Overall trend and important factors

Economic Research Journal, 2004(4): 29-40.

[ 白重恩, 杜颖娟, 陶志刚, 等.

地方保护主义及产业地区集中度的决定因素和变动趋势

经济研究, 2004(4): 29-40.]

[6]

C F

, Wei

Y D

, Xie

X Z

Globalization, institutional change, and industrial location: Economic transition and industrial concentration in China

Regional Studies, 2008, 42(7): 923-945.

DOI:10.1080/00343400701543272 URL [本文引用: 4]

[7]

Liu

Junyang

, Zhu

Shengjun

Proximity between markets and the geographical agglomeration of exporters in Guangdong province

Geographical Research, 2020, 39(9): 2044-2064.

DOI:10.11821/dlyj020200373 [本文引用: 1]

Trade has been an important force which shapes the industrial spatial pattern of Guangdong province. It is of great importance to conduct research on the relationship between export trade and firm agglomeration in Guangdong. From the perspective of multidimensional proximity between export destinations and local markets, this paper puts forward a new insight for the firm agglomeration in Guangdong, which has certain theoretical and practical significance. This paper argues that, the lower the proximity of a firm’s export destination to the local market is, the more difficult it is for the firm to directly gain comprehensive knowledge about the export destination at a distance. In this case, firms tend to agglomerate, in order to absorb the spillovers of relevant knowledge locally and achieve market expansion. Based on the data of China Customs Trade Statistics from 2002 to 2016, this paper describes the pattern of export markets and agglomeration of firms in Guangdong, and empirically measures the relationship between firms’ agglomeration level and the geographical, economic, political, institutional and cultural proximity between export destination and local market. In particular, the DO method is used to quantitatively measure the agglomeration level, which restores the original and micro form of firm agglomeration, making up for the shortcomings of the existing methods used to measure agglomeration level to a certain extent. Descriptive analysis shows that, on the one hand, the export markets of Guangdong’s firms are diversified, while the expansion of markets follows the principle of “proximity” to a certain extent. On the other hand, the distribution of firms presents an obvious “core-periphery” pattern. The empirical results show that when exporting to markets with low economic, political and institutional proximity to the local market, firms are more agglomerated. The geographical and cultural proximity has no significance effect on the agglomeration level of firms. At the same time, this effect is heterogenous in the sample of firms whose export markets are developed and developing regions.

[ 刘君洋, 朱晟君.

市场间邻近性与广东省出口企业的地理集聚

地理研究, 2020, 39(9): 2044-2064.]

DOI:10.11821/dlyj020200373 [本文引用: 1]

对外贸易是塑造广东省产业空间分布格局的重要力量,深入地探讨出口贸易与广东省企业集聚的内在联系机制,具有重要意义。本文从出口市场与本地市场之间的多维邻近性角度,为广东省的企业集聚发生机制提供了新的解释,具有一定的理论与政策参考价值。本文认为,企业的出口市场与本地邻近性越低,企业自身越难以远距离地直接获取关于目的市场的出口知识。在这种情况下,企业为了实现出口的成功扩张,其在空间上倾向于集聚分布,以在本地获取相关知识的溢出。基于2000—2016年中国海关进出口贸易数据,本文对广东省出口企业的外部出口市场格局以及内部空间集聚格局进行了描述,并实证测度了企业的出口市场与广东省在地理、经济、文化、政治和制度五个维度上的邻近性与企业地理集聚水平之间的关系。特别地,本文运用DO方法对企业集聚水平进行定量测度,还原了企业集聚的原始微观形态,一定程度上弥补了现有对于集聚水平测度方法的不足。描述性分析表明,一方面,广东省企业的出口市场具有多样化的特点,其扩张一定程度上遵循“邻近性”原则;另一方面,广东省的企业空间分布呈现明显的“核心-边缘”格局。实证结果表明,当出口至与本地在经济、政治和制度三个维度上邻近性较低的市场时,企业在本地更加集聚。市场间地理和文化邻近性对企业集聚水平的影响不显著。同时,该影响效应在出口市场为发达地区和发展中地区的企业样本中具有差异。

[8]

Liang

Gini-coefficient of Chinese manufacturing industry: On the influence of FDI on manufacturing agglomeration

Statistical Research, 2003, 20(9): 21-25.

[ 梁琦.

中国工业的区位基尼系数: 兼论外商直接投资对制造业集聚的影响

统计研究, 2003, 20(9): 21-25.]

[9]

Jiangyong

, Tao

Zhigang

Determinants of industrial agglomeration in China: Evidence from panel data

China Economic Quarterly, 2007, 6(3): 801-816.

[ 路江涌, 陶志刚.

我国制造业区域集聚程度决定因素的研究

经济学(季刊), 2007, 6(3): 801-816.]

[10]

Canfei

, Pan

Fenghua

, Sun

Lei

Geographical concentration of manufacturing industries in China

Acta Geographica Sinica, 2007, 62(12): 1253-1264.

[ 贺灿飞, 潘峰华, 孙蕾.

中国制造业的地理集聚与形成机制

地理学报, 2007, 62(12): 1253-1264.]

[11]

Duranton

, Overman

H G

Testing for localization using micro-geographic data

The Review of Economic Studies, 2005, 72(4): 1077-1106.

DOI:10.1111/0034-6527.00362 URL [本文引用: 2]

[12]

Zhang

Jiefei

, Xi

Qiangmin

, Sun

Tieshan

, et al.

Industrial division and transfer of manufacture in Beijing-Tianjin-Hebei region

Human Geography, 2016, 31(4): 95-101, 160.

[ 张杰斐, 席强敏, 孙铁山, 等.

京津冀区域制造业分工与转移

人文地理, 2016, 31(4): 95-101, 160.]

[13]

Qiao

Bin

, Li

Guoping

, Yang

Nini

The Evolution and new development of the industry agglomeration measurement

The Journal of Quantitative & Technical Economics, 2007(4): 124-133, 161.

[ 乔彬, 李国平, 杨妮妮.

产业聚集测度方法的演变和新发展

数量经济技术经济研究, 2007(4): 124-133, 161.]

[14]

Zhao

Ziyu

, Wang

Shijun

, Chen

Xiaofei

Beyond locality in restructuring the spatial organization of China's automobile industry clusters under modular production: A case study of FAW-Volkswagen

Acta Geographica Sinica, 2021, 76(8): 1848-1864.

DOI:10.11821/dlxb202108003 [本文引用: 1]

Under the background of the third revolution of production mode in the automobile industry, as represented by modularization, there arise a series of urgent theoretical and practical problems: how the new production mode affects the evolution of the spatial organization of the automobile industry, how to explain its mechanism based on economic geography, and how to analyze its effects on specific industrial clusters. Taking FAW-Volkswagen as an example, based on the local full-coverage first-level supply chain mapping industry cluster organization of vehicle manufacturing, this paper explores the effects of modular production on the spatial organization of automobile industry clusters at the local-regional scale. Results indicate that: (1) The degree of local agglomeration decreases with the decline of local economy. To a certain extent, the scale economy created by modular production overcomes transportation cost, leading to both the weakened production dependence of large-scale vehicle groups on the host area after industrial transfer and the reduced spatial agglomeration of parts suppliers. (2) Beyond locality: the production network between regions is reconstructed. Under modular production, regional production networks will be reorganized, which reflects the importance of scale production and scale reorganization for spatial economic dynamics. When the Yangtze River Delta region, with its regional advantages in the manufacturing industry and its complete auto parts industry chain, takes part in the division and cooperation of the production network of FAW-Volkswagen automobile factories in four cities across the country in the form of industry clusters, "beyond locality" competitive advantages are created. (3) Scale economic effect, knowledge technology sharing, and enterprise organization strengthening jointly drive the spatial reconstruction of China's automobile industry clusters under modular production. This study provides insight to understand the interactive mechanism between the adjustment of production mode and the evolution of the spatial organization structure of manufacturing industry clusters, offering beneficial complements to studies on industrial geography from the perspectives of economy, system, society, and innovation.

[ 赵梓渝, 王士君, 陈肖飞.

模块化生产下中国汽车产业集群空间组织重构: 以一汽-大众为例

地理学报, 2021, 76(8): 1848-1864.]

DOI:10.11821/dlxb202108003 [本文引用: 1]

在以模块化为代表的第三次汽车工业生产方式变革背景下,新生产方式如何影响汽车工业空间组织演化,如何基于经济地理学阐释其发生机制及剖析对特定产业集群的影响作用,成为亟需解决的理论和现实问题。本文以一汽-大众为例,基于整车制造的本土全覆盖一级供应链映射产业集群组织,探讨地方—区域尺度下模块化生产对于汽车产业集群空间组织的影响。结果显示：① 地方式微：本地集聚程度下降。模块化生产所带来的规模经济在一定程度上克服运输成本,导致大型整车集团产业转移后对东道地生产依赖的下降和零部件供应商空间集聚的降低;② 超越地方：生产网络跨区重构。模块化生产将重组区域生产网络的组织结构,反映出尺度生产和尺度重组过程对空间经济动态的重要性。长三角地区凭借制造业区域优势和完整汽车零部件产业链,以产业集群作为行动主体参与到一汽-大众全国4个城市整车厂生产网络的分工协作中,产生了“超越地方”的竞争优势;③ 规模经济效应、知识技术共享和企业组织强化共同驱动模块化生产下汽车产业集群的空间组织重构。研究有助于理解生产方式调整与制造业产业集群空间组织结构演化的互动机制,同时为以经济、制度、社会和创新为视角的产业地理研究提供有益补充。

[15]

Liu

Guimei

, Wang

Maojun

Spatial agglomeration model of Japanese enterprises in Beijing based on enterprise point data

World Regional Studies, 2021, 30(5): 925-936.

[ 刘桂梅, 王茂军.

基于企业点数据的在京日企空间集聚模式

世界地理研究, 2021, 30(5): 925-936.]

[16]

Cui

Zhe

, Shen

Lizhen

, Liu

Zishen

Spatial agglomeration characteristics of service industry in Xinjiekou CBD of Nanjing City and change: Based on micro enterprise data

Progress in Geography, 2020, 39(11): 1832-1844.

DOI:10.18306/dlkxjz.2020.11.005 [本文引用: 1]

The classic theory of central business district (CBD) internal industry spatial distribution originated from the west, and its applicability in China needs to be tested empirically. Based on the micro enterprise data from 2000 to 2018 classified by machine learning, this study analyzed the industrial structure, agglomeration degree, spatial distribution characteristics, and so on in order to explore the spatial and temporal change and spatial agglomeration characteristics of service industry in Xinjiekou, a typical urban center CBD in China. The results show that: 1) The change of service industry structure in Xinjiekou shows that the number of productive services continues to lead, the growth rate of circulation services has slowed down, and the gap between consumer services and information services has widened. There is no trend of specialization in general; in comparison with the whole city, consumer services have stronger comparative advantages, and the advantages expanded over time. 2) The extent of agglomeration is divided. The change of the extent of industry agglomeration is reflected in the overall agglomeration of consumer service industry, social service industry, and information service industry, among which the highest extent of agglomeration is in catering, entertainment, and residential service industries. The retail industry is experiencing decentralization and shows an opposite trend compared with catering, entertainment, and residential services. The productive service industry has polarized. The financial service industry shows the trend of agglomeration and the research and development (R&D) and design service industry is experiencing decentralization. 3) The change of spatial distribution shows the trend of double zonal contraction as a whole. Productive service industry and consumer service industry are highly coupled. The cluster center of social service industry tends to move to the core, and circulation service industry and information service industry are gathering in the outer circle.

[ 崔喆, 沈丽珍, 刘子慎.

南京市新街口CBD服务业空间集聚及演变特征: 基于微观企业数据

地理科学进展, 2020, 39(11): 1832-1844.]

DOI:10.18306/dlkxjz.2020.11.005 [本文引用: 1]

经典的CBD内部产业空间布局理论源于西方,在新时期背景下需对其在中国的适用性进行实证检验。本文使用机器学习分类的2000—2018年微观企业数据,通过分析产业结构、集聚程度、空间分布特征等,探寻中国典型城市中心CBD——南京新街口地区的服务业时空演变及空间集聚特征。研究发现：① 南京市新街口服务业产业结构演变表现为生产性服务业数量持续领跑,流通性服务业增速趋缓,与消费性服务业、信息服务业差距拉大,总体未出现专业化趋势;在与全市对比中,消费性服务业有更强的比较优势,且优势随时间推移而扩大。② 行业集聚程度分化,各行业集聚程度演变表现为消费性服务业、社会性服务业与信息服务业总体集聚,其中餐饮、娱乐与居民服务业的集聚程度最高;零售业呈分散趋势,与前者形成倒挂;生产性服务业两极分化,金融业偏集聚,而研发设计服务业偏分散。③ 空间分布上演变整体呈现双圈层收缩趋势,生产性服务业与消费性服务业高度耦合,社会性服务业集聚中心趋于内核,流通性服务业与信息服务业集聚在外圈层。

[17]

Silverman

B W

Density Estimation for Statistics and Data Analysis New York: Chapman and Hall, 1986.

[18]

Meng

Meixia

, Cao

Xiguang

, Zhang

Xueliang

Does the special economic zones policy affect industrial agglomeration in China: Based on the agglomeration perspective of the cross administrative boundary

China Industrial Economics, 2019(11): 79-97.

[本文引用: 4]

[ 孟美侠, 曹希广, 张学良.

开发区政策影响中国产业空间集聚吗? 基于跨越行政边界的集聚视角

中国工业经济, 2019(11): 79-97.]

[本文引用: 4]

[19]

Marcon

, Traissac

, Puech

, et al.

Tools to characterize point patterns: dbmss for R

Journal of Statistical Software, 2015, 67(3): 1-15. DOI: 10.18637/jss.v067.c03.

[20]

Alfaro

, Chen

M X

The global agglomeration of multinational firms

Journal of International Economics, 2014, 94(2): 263-276.

DOI:10.1016/j.jinteco.2014.09.001 URL [本文引用: 1]

[21]

Cragg

J G

Some statistical models for limited dependent variables with application to the demand for durable goods

Econometrica, 1971, 39(5): 829-844.

DOI:10.2307/1909582 URL [本文引用: 1]

[22]

Chen

Qiang

Advanced Econometrics and Stata Application. Beijing: Higher Education Press, 2010.

[ 陈强. 高级计量经济学及Stata 应用. 北京: 高等教育出版社, 2010.]

DOI:10.1016/j.regsciurbeco.2015.01.002 URL [本文引用: 1]

[23]

Duranton

, Overman

H G

Exploring the detailed location patterns of UK manufacturing industries using microgeographic data

Journal of Regional Science, 2008, 48(1): 213-243.

DOI:10.1111/j.1365-2966.2006.0547.x URL [本文引用: 1]

[24]

Behrens

, Bougna

An anatomy of the geographical concentration of Canadian manufacturing industries

Regional Science and Urban Economics, 2015, 51: 47-69.

[25]

Nakajima

, Saito

Y U

, Uesugi

Measuring economic localization: Evidence from Japanese firm-level data

Journal of the Japanese and International Economies, 2012, 26(2): 201-220.

DOI:10.1016/j.jjie.2012.02.002 URL [本文引用: 1]

[26]

Koh

H-J

, Riedel

Assessing the localization pattern of German manufacturing and service industries: A distance-based approach

Regional Studies, 2014, 48(5): 823-843.

DOI:10.1080/00343404.2012.677024 URL [本文引用: 1]

[27]

Shao

Chaodui

, Su

Danni

, Li

Kunwang

Agglomeration across the border: Spatial characteristics and driving factors

Finance & Trade Economics, 2018, 39(4): 99-113.

[ 邵朝对, 苏丹妮, 李坤望.

跨越边界的集聚: 空间特征与驱动因素

财贸经济, 2018, 39(4): 99-113.]

[28]

Chen

, Zhang

Xiaojia

, Han

Qing

The measure and characteristics of the geographical concentration of Chinese industries

Shanghai Journal of Economics, 2018, 30(7): 30-42.

[ 陈柯, 张晓嘉, 韩清.

中国工业产业空间集聚的测量及特征研究

上海经济研究, 2018, 30(7): 30-42.]

[29]

Wei

Haitao

, Xiao

Tiancong

, Hu

Baosheng

, et al.

A distance-based measure of industrial agglomeration

Urban Development Studies, 2020, 27(10): 55-63.

[ 魏海涛, 肖天聪, 胡宝生, 等.

基于距离的产业集聚测度: 以长三角城市群为例

城市发展研究, 2020, 27(10): 55-63.]

[30]

Brakman

, Garretsen

, Zhao

Spatial concentration of manufacturing firms in China

Papers in Regional Science, 2017, 96: S179-S205.

DOI:10.1111/pirs.12195 URL [本文引用: 1]

[31]

Kim

Regions, resources, and economic geography: Sources of US regional comparative advantage, 1880-1987

Regional Science and Urban Economics, 1999, 29(1): 1-32.

[32]

Zhao

Yong

, Bai

Yongxiu

Knowledge spillovers: A survey of the literature

Economic Research Journal, 2009, 44(1): 144-156.

[ 赵勇, 白永秀.

知识溢出: 一个文献综述

经济研究, 2009, 44(1): 144-156.]

[33]

Fischer

M M

, Scherngell

, Jansenberger

Geographic localisation of knowledge spillovers: Evidence from high-tech patent citations in Europe

The Annals of Regional Science, 2009, 43(4): 839-858.

DOI:10.1007/s00168-009-0300-0 URL [本文引用: 1]

[34]

Dicken

Global Shift: Reshaping the Global Economic Map in the 21st Century

London: Sage, 2003.

[35]

Xian

Guoming

, Wen

Dongwei

FDI, regional specialization and industrial agglomeration

Management World, 2006(12): 18-31.

[ 冼国明, 文东伟.

FDI、地区专业化与产业集聚

管理世界, 2006(12): 18-31.]

[36]

Zhou

Lian

Governing China's local officials: An analysis of promotion tournament model

Economic Research Journal, 2007, 42(7): 36-50.

[ 周黎安.

中国地方官员的晋升锦标赛模式研究

经济研究, 2007, 42(7): 36-50.]

[37]

, Wang

, Zhu

L M

Do place-based policies work? Micro-level evidence from China's economic zone program

SSRN Electronic Journal, 2015. DOI: 10.2139/ssrn.2635851.

[38]

Ben

, Wu

Lihua

Development zone and firms' growth: Research on heterogeneity and mechanism

China Industrial Economics, 2018(4): 79-97.

[ 李贲, 吴利华.

开发区设立与企业成长: 异质性与机制研究

中国工业经济, 2018(4): 79-97.]

[39]

Wei

Houkai

, He

Canfei

, Wang

Xin

An analysis of motives and location factors of foreign direct investment in China: An empirical study of foreign direct investment in Qinhuangdao city

Economic Research Journal, 2001(2): 67-76, 94.

[ 魏后凯, 贺灿飞, 王新.

外商在华直接投资动机与区位因素分析: 对秦皇岛市外商直接投资的实证研究

经济研究, 2001(2): 67-76, 94.]

[40]

Liu

Siyang

, Lu

Jiangyong

, Tao

Zhigang

Spillovers of FDI on indigenous manufacturing firms: A perspective of geographic distance

China Economic Quarterly, 2009, 8(1): 115-128.

[ 刘巳洋, 路江涌, 陶志刚.

外商直接投资对内资制造业企业的溢出效应: 基于地理距离的研究

经济学(季刊), 2009, 8(1): 115-128.]

[41]

Haijian

Transnational corporations' entrance and their impacts on Chinese manufacturing industries

China Industrial Economy, 2003(5): 15-21.

[ 李海舰.

跨国公司进入及其对中国制造业的影响

中国工业经济, 2003(5): 15-21.]

DOI:10.13249/j.cnki.sgs.2020.10.008 [本文引用: 1]

[42]

Zou

Hui

, Duan

Xuejun

Layout evolution and its influence mechanism of chemical industry in China

Scientia Geographica Sinica, 2020, 40(10): 1646-1653.

Under the background of economic high quality development and ecological environment protection strategy, the spatial distribution of chemical industry which is the most representative polluting industrial sector has become the focuses of academic world even all walks of life. Based on the enterprise data from 2003 to 2013, this study analyzes the spatial evolution and its influencing mechanism of chemical industry in China. Chemical enterprises present distribution pattern like “π” shape which include coastal regions, Longhai Railway and regions along the Yangtze River. Chemical enterprises are concentrated in the Yangtze River Delta, the Pearl River Delta, the Bohai Rim, the Changsha-Zhuzhou-Xiangtan Regions and their peripheral regions. Major chemical cities show “dual-core structure” such as Tianjin-Zibo, Shanghai-Nanjing and Guangzhou-Maoming. Overall layout chemical industry presents diversification trend. Chemical industry sectors (i.e. coking, fertilizer, pesticide and explosive fireworks sectors) with high pollution and low added value are transferred from coastal areas to the central and western regions of China, whereas relatively sophisticated and high-end chemical industry sectors (i.e. refining, chemical raw material, coating, synthetic material, special chemical and daily chemical sectors) are concentrated in coastal areas or transferred among coastal areas. Factors analysis showed that the influence of port conditions, market demand, geographical location and environmental regulation presents downtrend contribution. On the contrary, the contribution of resource conditions, foreign investment and investment in science and technology reveal rising. It reflects the influence factors change of China’s chemical industry in the background of the global industrial restructuring, resource supply situation, environment protection strategy, and industry gradient transfer situation.

[ 邹辉, 段学军.

中国化工产业布局演变与影响机理研究

地理科学, 2020, 40(10): 1646-1653.]

DOI:10.13249/j.cnki.sgs.2020.10.008 [本文引用: 1]

基于2003—2013年的企业数据,研究了中国化工产业及其行业空间布局演化、影响因素及机理。结果表明：① 化工企业呈现沿海?陇海线?沿长江的“π”字型分布格局,集中在长三角、珠三角、环渤海、长株潭等4个热点区,天津?淄博、上海?南京、广州?茂名等化工集聚区的双核结构凸显,布局演变呈分散化趋势；② 整体上高污染、低附加值的基础化工行业由沿海地区向中西部地区转移,反之相对精细高端的行业集中在沿海地区或在沿海地区内部转移；③ 整体上港口条件、市场需求、地理区位、环境规制的影响贡献呈现下降趋势,而资源条件、外商投资、科技投入等要素的贡献上升,不同行业影响程度和趋势存在差异。

[43]

Chen

Guoliang

, Chen

Jianjun

Industrial relationship, spatial geography and secondary and tertiary industries agglomeration: Experience from 212 cities in China

Management World, 2012(4): 82-100.

[ 陈国亮, 陈建军.

产业关联、空间地理与二三产业共同集聚: 来自中国212个城市的经验考察

管理世界, 2012(4): 82-100.]

[44]

Sanmang

, Li

Shantong

Specialization, diversity and industrial growth

The Journal of Quantitative & Technical Economics, 2011, 28(8): 21-34.

[ 吴三忙, 李善同.

专业化、多样化与产业增长关系: 基于中国省级制造业面板数据的实证研究

数量经济技术经济研究, 2011, 28(8): 21-34.]

DOI:10.13249/j.cnki.sgs.2019.10.007 [本文引用: 1]

[45]

Duan

Dezhong

, Chen

Ying

, Du

Debin

Regional integration process of China's three major urban agglomerations from the perspective of technology transfer

Scientia Geographica Sinica, 2019, 39(10): 1581-1591.

Recently, regional integration is increasingly regarded as a tool for reaping the benefits and countering the negative impacts of globalization. Beginning with the elimination of trade barriers between countries in the same region to achieve economic integration, regional integration has gradually emphasized on promoting the economic development in developing or underdeveloped regions, and narrowing the gap of internal development within a country. Regional integration has been used by Chinese government both at the national and local level as the main policy tool to deal with the development gap within a specific region. Regardless of inter-country integration or intra-country integration, existing studies mainly explain integration in terms of trade costs, investment costs and transportation costs, few attentions have been paid to discover the regional integration from the perspective of technology flows. This paper attempts to understand the regional integration process of China's three major urban agglomerations by describing a technology trading market-based integration based on patent transfer. We found that regional integration of the technology transfer system of the three urban agglomerations both at overall level and technology supply chain level have not been realized. Among them, the Yangtze (Changjiang) River Delta (YRD) urban agglomeration is developing to integration, the technology acquisition of most cities depends on the internal inter-city technology transfer network. The integration of the Pearl (Zhujiang) River Delta (PRD) urban agglomeration ranked second, but it is developing in the opposite direction of integration. Beijing-Tianjin-Hebei urban agglomeration (BTH) has the lowest level of integration, and technology acquisition in most cities is increasingly dependent on external inter-city technology transfer network. At the technical sales chain level, only the YRD has achieved regional integration, and the integrated technology transfer system with Shanghai as the core is accelerating. The technical sales of most cities in the PRD are increasingly dependent on the outside of the PRD, while the BTH is increasingly dependent on the inside of the BTH. Lastly, technology flows in the three urban agglomerations were increasingly moving across the border, and the intra-region technology transfer network was increasingly unable to meet the needs of technological development for the cities in the three urban agglomerations.

[ 段德忠, 谌颖, 杜德斌.

技术转移视角下中国三大城市群区域一体化发展研究

地理科学, 2019, 39(10): 1581-1591.]

DOI:10.13249/j.cnki.sgs.2019.10.007 [本文引用: 1]

基于城际间的专利转让数据,从技术转移体系一体化的视角阐释中国三大城市群的区域一体化进程,得出以下结论：①在总体层面和技术供给链层面,长三角、珠三角和京津冀这三大城市群的区域一体化皆未实现,其中长三角城市群正朝着一体化方向发展,大部分城市的技术获取依赖于区内技术转移网络,珠三角城市群一体化程度次之,但朝着一体化相反方向发展,京津冀城市群一体化程度最低,大部分城市的技术获取愈发依赖于外部技术转移网络;②在技术销售链层面,仅长三角城市群实现了区域一体化,以上海为核心的一体化技术转移体系正加速形成,珠三角城市群大部分城市的技术销售愈发依赖于城市群外部,而京津冀城市群则愈发依赖于城市群内部;③三大城市群的技术流动越来越多地跨越边界,区域内技术转移网络越来越无法满足城市群的技术发展需求。

[46]

Wenguang

, Chen

Fei

The coordinated development among Beijing, Tianjin and Hebei: Challenges and predicaments

Nankai Journal (Philosophy, Literature and Social Science Edition), 2015(1): 110-118.

[ 薄文广, 陈飞.

京津冀协同发展: 挑战与困境

南开学报(哲学社会科学版), 2015(1): 110-118.]

[47]

Huang

Jiuli

, Li

Kunwang

Foreign trade, local protectionism and industrial location in China

China Economic Quarterly, 2006, 5(2): 733-760.

[ 黄玖立, 李坤望.

对外贸易、地方保护和中国的产业布局

经济学(季刊), 2006, 5(2): 733-760.]

[48]

Wen

Relocation and agglomeration of Chinese industry

Journal of Development Economics, 2004, 73(1): 329-347.

DOI:10.1016/j.jdeveco.2003.04.001 URL [本文引用: 1]

[49]

Fan

Jianyong

, Li

Fangwen

Effect of spatial concentration of manufacturing in China: A review

South China Journal of Economics, 2011(6): 53-66.

[ 范剑勇, 李方文.

中国制造业空间集聚的影响: 一个综述

南方经济, 2011(6): 53-66.]

[50]

H Y

, Shen

T Y

Modelling skilled and less-skilled internal migrations in China, 2010-2015: Application of an eigenvector spatial filtering hurdle gravity approach

Population Space and Place, 2021, 27(6): e2439. DOI: 10.1002/psp.2439.