, 张文忠The characteristics of industrial agglomeration based on micro-geographic data
LIJiaming, ZHANGWenzhong通讯作者:
收稿日期:2015-06-26
修回日期:2015-10-21
网络出版日期:2016-01-23
版权声明:2016《地理研究》编辑部《地理研究》编辑部
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
Keywords：
-->0
PDF (7576KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
早在19世纪末,Marshall就注意到产业空间集聚的现象,基于新古典经济学的规模报酬不变的原则,提出经济外部性以解释产业的空间集聚,主要包括运输成本降低、劳动力池以及知识外溢三个方面[1]。而集聚经济真正兴起于20世纪80-90年代。Krugman等将运输成本降低因素重新阐释为企业间的前后向联系,并以此为基础,利用规模报酬递增、冰山技术、垄断竞争模型等从根本上回答了集聚经济是如何产生的[2-4]。此后,Porter提出的产业集群理论[5]及Becattini等对第三意大利的研究[6],使得集聚经济受到学术界的广泛关注。而现实中,美国硅谷、好莱坞等产业集聚区的成功,使得集聚经济与创新、经济增长紧密联系在一起,使产业集聚区成为政府促进国家和地区经济增长的重要手段。因此,产业集聚成为地理学和经济学研究的重要领域。从经济学角度对空间集聚的研究,一方面是经济基础理论和经济模型的深化与演绎,如Krugman等对国际贸易、城市体系的演化等的研究[7,8];另一方面是以现实的经济数据为基础对空间集聚产生的原因以及与区域创新和增长的关系等进行实证分析,如Ellison等以美国的投入产出表、专利和劳动力数据为基础对集聚经济的三个外部性因素的实证[9],Asheim等对挪威集聚经济与创新的实证研究[10]。
与经济学不同,地理学更关注集聚形成的空间和地域,因此侧重对产业集聚的地域范围、地理区位以及空间格局等的研究,这就涉及到识别产业空间集聚的方法。贺灿飞等认为赫芬达尔系数、基尼系数等是测度地理集中,区位商等主要用于识别产业集群,而产业集聚的方法主要是EG指数、MS指数以及Ripley的K函数[11]。EG指数具有明确的理论基础,被广泛应用于产业集聚的实证分析[12-15]。由于该指数主要用于测度集聚的程度,与创新、增长等研究相关性很大,因此主要应用于经济学领域的研究。空间计量中的Moran's I指数和G统计量等空间自相关分析方法由于其可以在ArcGIS等地理信息软件中直观地表达分析结果[16],成为地理****常用的产业集聚分析方法。例如吴爱芝等用局部Moran's I指数分析中国纺织服装产业的空间集聚状况[17],靳诚等用全局Moran's I指数、G统计量以及局部G统计量对江苏省经济格局及其演化进行分析[18],张伟丽等对地级市经济增长的格局进行了研究[19]。
但是这些测度集聚的方法主要基于面状空间数据（the cluster-based approach）,以行政单元为基础,但是行政单元的大小有时差别巨大,可能造成误导[11,20]。即使在较大尺度上测度产业的空间集聚,该类方法被广泛使用,也并不意味着以面状空间单元为区位研究的基础是最合适的,而只是因为面状空间单元的数据容易获得。正如Feldman所说,虽然大家都同意州并非是最合适的区域分析层次,但是由于州一级数据的有效性而被广泛采用[21]。而且在一个城市内部较小的空间尺度上,以行政单元为基础的面状空间数据问题更加突出,如金融、商务等现代服务业集聚范围很小,因此以行政单元为基础的空间数据和方法不能准确地测度和识别产业的空间集聚状态。Ripley提出了基于空间距离的K函数用于点分析过程[22],Diggle等应用该方法聚类检验[23]。然后Marcon等对该方法进行了一定的修正,并应用于产业空间集聚的研究[20]。张景秋等也应用该方法分析了北京不同类型办公产业的集聚范围[24]。但是Ripley的K函数在应用于产业集聚研究时也存在一定问题（将在后文方法部分进行讨论）。Duranton等在对英国产业集聚的研究中提出了另外一种基于距离的空间集聚分析和测度的思路和方法[25]。
本文以杭州企业工商登记数据为基础,应用基于距离的微观数据分析方法,对杭州市区不同产业集聚状况进行对比分析,并以注册资本为依据研究企业规模对产业集聚产生的影响。目前一些研究对于不同类型生产性服务业在城市空间上集聚特征进行研究,结论有一定差异。邱灵等认为北京金融服务业集中度最高,商务服务业最低[14];张景秋等基于距离的研究表明金融服务业集中度相对较低[24];邵晖基于街道数据的研究认为金融和商务咨询产业集聚度较高,信息服务业较低[26]。对于城市内部制造业集聚特征的比较则较少。因此,本文是对城市产业空间集聚特征研究的一个有益补充。
2 数据来源与研究方法
2.1 数据来源与处理
以2013年杭州市工商登记数据为基础,涉及236365个企业,主要包括企业名称、行业类型、注册资本、企业地址以及注册时间等属性信息。通过百度地图API接口,在拾取坐标系统中依据工商登记的企业地址信息查找各个企业的地理坐标,最终使用ArcGIS 9.3将企业坐标转化为杭州企业空间点数据文件。研究范围主要是杭州市区,不包括市域内其他县市,共计225134个企业（图1）。点空间数据准确标明了企业个体在城市空间中的地理位置,以此作为空间分析的基础,能够更加真实地反映产业在城市空间中的集聚趋势。
显示原图|下载原图ZIP|生成PPT图1杭州市区企业空间分布
-->Fig. 1The spatial distribution of firms in Hangzhou
-->
选取9个具有代表性的产业类型进行对比分析,包括4类服务业和5类制造业,行业分类以《国民经济分类》（GB/T 4754-2011）的大类为主要依据,共涉及22个大类和3个中类（表1）。
Tab. 1
表1
表19大产业类型划分
Tab. 1The categories of industries
| 产业名称 | 行业名称 | 产业类型 | 企业数量 | |
|---|---|---|---|---|
| 服务业 | 高端商务服务业 | 企业管理服务;法律服务;咨询与调查 | 生产性服务业 | 15976 |
| 金融服务业 | 货币金融服务;资本市场服务;保险业和其他金融业 | 生产性服务业 | 1553 | |
| 信息服务业 | 电信、广播电视和微型传输服务;互联网和相关服务;软件和信息技术服务业 | 流通性服务业 | 15984 | |
| 零售业 | 零售业 | 消费性服务业 | 23689 | |
| 制造业 | 高科技制造业 | 计算机、通信和其他电子设备制造业;仪器仪表制造业 | 技术密集型制造业 | 2186 |
| 装备制造业 | 通用设备制造业;专用设备制造业;汽车制造业;铁路、船舶、航空航天和其他运输设备制造业 | 资金和技术密集型 制造业 | 2892 | |
| 纺织服装、服饰业 | 纺织服装、服饰业 | 劳动密集型制造业 | 2976 | |
| 食品制造业 | 食品制造业 | 劳动密集型制造业 | 644 | |
| 重化工工业 | 石油加工、炼焦和核燃料加工业;化学原料和化学制品制造业;化学纤维制造业;非金属矿物制品业;黑色金属冶炼和压延加工业;有色金属冶炼和压延加工业 | 资金密集型制造业 | 1638 |
新窗口打开
9个产业类型既有生产性服务业,如商务服务业和金融业,也有传统消费性服务业,如零售业;既有电信、互联网等高科技信息服务业,也有通信设备等高科技电子信息制造业;既有石油加工等资金密集型工业,也有食品等传统劳动密集型工业。不同产业类型集聚特征的对比分析能够较好反映不同产业类型空间分布的差异。
2.2 研究方法
对企业数据进行三个步骤的分析：首先,计算特定产业所有企业两两之间的距离;其次,采用核密度函数对企业之间的距离进行分析;最后,设置参照变量以检验各产业的集聚状况。2.2.1 企业之间的距离计算 企业两两间的距离计算的结果是一个矩阵,如商务服务行业有15976个企业,这个产业各企业两两间距离的计算结果为一个15976×15976的矩阵,根据产业包括企业数量的不同,矩阵的大小差异很大。商务服务业等的距离矩阵数据量十分庞大,需要采取一定的方法对数据进行处理,然后再进行计算,但是对于企业数量较小的产业,如装备制造业有2892个企业,则可以直接计算出所有企业两两间的距离。服务业中除去金融业以外,其他3个产业的企业数量都超过10000个,直接计算各企业间的距离较为困难,需要采用蒙特卡罗方法进行处理,对这3个产业随机抽取5000个企业,并计算各个企业两两间的距离,然后进行1000次循环计算,最后采用各距离上1000次计算结果的中位数作为该产业的结果。而对于制造业和金融服务业由于数据量较小可以直接计算各产业的距离分布。
2.2.2 距离的核密度分析 对各产业距离计算的结果采用核密度函数分析企业的空间分布状况,如某个产业在特定距离的频数较大,表明该产业在这一距离上集聚程度较高。核密度分析的结果还可以使曲线下的面积为1,使各产业之间集聚程度具有可比性。因为计算企业两两之间的距离,因此对普通核密度函数公式进行修正,计算公式如下：
式中：n为特定产业的企业数量;
式中：
2.2.3 设定企业空间集聚的参照变量 对于空间点数据,通常采用Ripley的K函数的来检验样本总体分布的不均匀性,并根据蒙特卡罗模拟的结果对点数据的集聚与否进行判断。但是在产业空间中依然采用这个方法存在一定的问题。因为城市并非均质的空间,城市地域空间中包含山地、平原、水域等多种地貌类型,如山地、水域等并不适合企业的分布,产业主要分布在适合其发展的平原地区,受地形地貌条件的限制,经济活动在城市空间中几乎一定会呈现集聚的态势。而且企业的分布也受到城市规划、土地规划等法规的限制,除城市周边的耕地、林地等企业不能占用以外,在城市建成区范围内也受到土地利用类型的限制,工业只能分布在工业用地上,而商业服务业也有特定的发展区域。因此,在现实的城市空间中,企业由于受到地貌等自然条件及规划等法规条例的限制必然呈现集聚的空间分布特征,但这种集聚并非经济地理所关注的,实际上经济地理学更加关注由于企业间经济外部性所产生的集聚。
为消除自然条件和人为设定的限制条件等因素的干扰,需要设定一个集聚的参照标准。Duranton等对在英国全境的8个行业进行研究时,以所有企业的总体分布状况为参照标准[25],但是在城市空间中这个标准并不合适。因为城市中服务业空间分布的集聚程度明显高于制造业,在杭州市区也一样（图2）。若所有的产业都不加区别的以所有企业的分布状况作为集聚的参照标准,则明显降低的服务业的集聚门槛,而提高了制造业的集聚门槛。因此,分别以服务业和制造业企业的空间分布状况作为4个服务业和5个制造业的参照。由于服务业和制造业的企业数量很大,依然需要采用蒙特卡罗模拟的方法进行处理,以每个距离频数的第95个百分位的数值为集聚的下限,超过此数值认为是集聚分布,以频数的第5个百分位的数值为上限,低于此数值认为离散分布,在两个数值之间认为是随机分布。
显示原图|下载原图ZIP|生成PPT图2杭州市区企业、服务业企业、制造业企业的总体空间分布
-->Fig. 2The spatial distribution of service, manufacturing and total firms in Hangzhou
-->
3 杭州市区产业集聚特征
3.1 杭州市区产业整体格局
2012年杭州市GDP达7803.98亿元,市区8个区（上城区、下城区、江干区、拱墅区、西湖区、滨江区、萧山区、余杭区）经济总量达到全市的80%。周围县市的经济规模远小于杭州市区,杭州经济发展呈现市区一支独大的局面。从市区企业数量来看,江干区数量最多,其次是下城区,企业数量分别为75250个和44333个,萧山区分布最少仅有3842个。但是如前所述由于各区面积差异很大,仅企业数量并不能反映产业的发展状况。企业的密度更能反映经济活动的强度,采用核密度函数对企业数量进行分析（图3）。
显示原图|下载原图ZIP|生成PPT图3杭州市区产业总体格局
-->Fig. 3The spatial pattern of industry in Hangzhou
-->
杭州市区产业空间格局呈指状结构,产业空间以下城区为中心,沿道路等经济轴线向外围区域扩散。江干区的杭州经济技术开发区和滨江区的高新技术产业园区形成了具有一定规模的产业集聚区,在西湖区的转塘镇等外围地区也发展了一些规模较小的产业区。
由于杭州市区所有企业中有超过17万服务业企业,占企业总数85%以上,因此企业整体的空间格局可能掩盖了制造业企业的空间分布特征。对比服务业和制造业的空间格局表明（图4）,服务业空间格局大体与产业整体的空间特征相似,每km2的企业数量的最大值近5000个;而制造业的空间格局相对来说更加分散,多中心的空间特征更为明显,萧山、余杭的制造业集聚优势得到凸显,下城区不再是企业密度最高的区域,而制造业的企业密度也明显较低,最大值仅为534个/km2。
显示原图|下载原图ZIP|生成PPT图4杭州市区服务业与制造业产业空间格局
-->Fig. 4The spatial pattern of service and manufacturing industry in Hangzhou
-->
3.2 不同产业空间集聚特征
服务业和制造业的整体集聚趋势同样不能揭示细分产业间差异化的集聚特征,已有的研究表明产业内部各产业间的集聚状况的差异也十分明显[14,26,28]。因此,通过9个具有代表性的产业在城市空间中企业集聚特征的对比分析,可以在一定程度上揭示不同产业类型间的差异。3.2.1 服务业集聚特征分异 从4个不同类型服务业集聚状况来看,信息服务业和金融服务业集聚程度较高,集聚趋势较为明显,而商务服务业和零售业集聚程度相对较低,集聚趋势也不明显（图5、表2）。
显示原图|下载原图ZIP|生成PPT图5杭州市区服务业空间分布状况
-->Fig. 5The spatial pattern of service sectors in Hangzhou
-->
Tab.2
表2
表2杭州市区服务业集聚特征比较（km2）
Tab.2Test results of industrial spatial pattern (km2)
| 金融服务业 | 信息服务业 | 商务服务业 | 零售业 | |
|---|---|---|---|---|
| 超过第95个百分位集聚水平的范围 | 0~4.3 | 0~3.3;10.5~14.0 | 0~2.0 | ≥11.0 |
| 集聚的峰值距离 | 3.5 | 0.0 | 4.0 | 5.0 |
| 最大集聚程度 | 0.088 | 0.092 | 0.083 | 0.078 |
新窗口打开
金融服务业和信息服务业集聚程度随着距离增加而呈现的变化趋势差异明显。金融服务业集聚程度随着距离先增大后减小,只有一个集聚程度的极大值点;而信息服务业集聚程度总体上随着距离增加不断降低,但是在9~14 km范围内有一个上升的趋势,因此出现两个极大值点。集聚趋势的差异揭示了两个产业间重要的差异化特征：第一,金融服务业一个极大值点表明金融服务业在杭州市区是一个单中心集聚,而两个极大值点则表明信息服务业行业是双中心甚至多中心的模式。金融和信息服务业的企业密度分布图（图6）进一步证实了分析结果,杭州市区金融服务业主要集中在延安路和庆春路附近,而信息服务业则在文三路附近和滨江高新技术开发区出现两个明显的产业集聚区,这两个区域的距离为12 km2左右。第二,信息服务业集聚程度随着距离不断降低表明企业之间的距离越小越好;而金融服务业最佳的集聚距离为3.5 km2,这表明虽然杭州市区的金融服务企业虽然集聚在一定的区域,但企业之间仍然保持一定的距离,企业之间存在竞争关系,每个企业都需要一定的市场范围。金融服务业和信息服务业在集聚程度和范围也是不同的,金融服务业的最高集聚程度低于信息服务行业,但其集聚范围在0~4.3 km2左右,大于信息服务业的0~3.3 km2。
显示原图|下载原图ZIP|生成PPT图6杭州市区金融和信息服务业的企业密度
-->Fig. 6The firm density of finance and information service in Hangzhou
-->
商务服务业和零售业的总体集聚趋势都不明显,但空间集聚的模式是不同的。商务服务业集聚水平基本与服务业整体水平一致,企业的空间分布很大程度上表现为随机分布。通常认为高端商务服务业与金融业都是重要的生产性服务行业,区位特征较为相似,但是在杭州市区商务服务业仅在0~2 km2范围内有略微的高于服务业整体集聚水平,表明杭州市区资产管理、法律、会计等高端商务服务行业没有在城市空间中形成一个明显的集聚区,专业化程度较低。零售业作为传统的生活性服务业,零售企业在城市的服务业空间上整体是一个散布的模式,与行业特征相符。同时,从经济联系形成的集聚角度来说,这两个行业的集聚特征也说明当一个行业在空间上的集聚度达到最大时,并不一定表明该行业在这个距离上是集聚的。例如,商务服务业在该距离上没有高于服务业的整体集聚度,而零售业则明显低于服务业的集聚程度。
3.2.2 制造业集聚特征分异 与服务业相比,5个制造业的整体集聚程度明显较低,最高为0.06,而4个服务业中集聚程度最低的零售业也接近0.08,但是制造业集聚范围相对较大。从制造业内部来看,高科技制造业集聚程度较高,集聚趋势十分明显,轻工制造业次之,重工业集聚程度最低（图7、表3）。
显示原图|下载原图ZIP|生成PPT图7杭州市区制造业空间分布状况
-->Fig. 7The spatial pattern of manufacturing industries in Hangzhou
-->
Tab. 3
表3
表3杭州市区制造业集聚特征比较（km2）
Tab. 3Test results of industrial spatial pattern (km2)
| 高科技制造业 | 纺织服装\服饰业 | 食品制造业 | 装备制造业 | 重化工工业 | |
|---|---|---|---|---|---|
| 超过第95个百分位集聚水平的范围 | 0~6.9 | 1.5~6.8;8.0~10.4 | 0~4.0 | 14.4~21.5 | ≥14.6 |
| 集聚的峰值距离 | 6.1 | 7.5 | 8.0 | 7.5 | 9.2 |
| 最大集聚程度 | 0.06 | 0.058 | 0.053 | 0.052 | 0.042 |
新窗口打开
高科技制造业集聚程度最高,最高集聚度达0.06,而空间范围内集聚相对较小;纺织服装、服饰业和食品制造业两个劳动密集型工业的空间集聚有较大差异,前者集聚程度与高科技制造业相近,虽然在1.5~10 km2左右的范围内集聚程度都超过制造业第95个百分位的集聚水平,但是只在3~7 km2左右的范围内集聚趋势较为明显;食品制造业集聚程度相对较低且集聚趋势不明显,只在0~4 km2的范围内略高于制造业的整体水平;装备制造业和重化工工业虽然在空间集聚的范围上较相似,但是集聚的程度和集聚空间尺度差异明显。装备制造业集聚程度明显高于重化工工业,空间集聚的尺度相对较小。
整体来看,杭州市区高科技制造业集聚程度最高、劳动密集型产业次之,资本密 集型最低的状况符合制造业空间分布的一般特征。就产业空间分布的模式来看,高科技制造业表现出明显的集聚特征,而纺织服装、服饰业集聚趋势相对较弱;食品制造业和装备制造业在制造业空间上呈现随机分布的模式;重化工工业企业属于分散布局的状态。
3.3 不同规模企业集聚特征分析
以上研究表明了产业整体的集聚特征和趋势,但是企业规模对产业集聚特征有重要影响,如陆毅等的研究表明,在全国尺度上,企业规模与产业集聚之间存在明显的正相关关系[29],但在城市微观尺度上,两者之间关系的实证研究较少。以上的研究中某些明显不同的产业却表现出极为相似的集聚特征,如纺织服装、服饰业和装备制造业,这也需要进行进一步考察,以深入了解产业之间的差异。本次工商登记数据中没有提供企业从业人员数,因此以注册资本代替,该指标很大程度上能够反映企业的规模。以企业的注册资本为依据,对各产业的企业规模进行划分。对各个产业的企业规模进行排序,然后分别取第90个百分位和第50个百分位的企业规模,作为较大规模企业和较小规模企业的阈值（表4）。
Tab. 4
表4
表4杭州市区九个产业类型企业规模划分阈值（km2）
Tab. 4The classification of firm sizes in Hangzhou (km2)
| 商务服务业 | 金融服务业 | 信息服务业 | 零售业 | 高科技制造业 | 装备制造业 | 纺织服装、服饰业 | 食品制造业 | 重化工工业 | |
|---|---|---|---|---|---|---|---|---|---|
| 第50个百分位企业规模 | 50 | 50 | 50 | 10 | 50 | 50 | 50 | 50 | 50 |
| 第90个百分位企业规模 | 1000 | 1000 | 250 | 100 | 600 | 559 | 236.5 | 557 | 706 |
新窗口打开
4个服务业中,金融服务业和商务服务业较小规模企业的集聚程度高于较大规模企业,而零售业则是较大规模企业集聚程度高于较小规模企业,信息服务业两类企业集聚状况差异不大（图8）。但是无论是商务服务的较小规模企业还是零售业的较大规模企业集聚水平都没有超过杭州市区服务业第95个百分位的集聚水平,因此仍然没有明显的集聚趋势。值得注意的是,信息服务业的较小规模企业和较大规模企业的集聚趋势与产业整体趋势差别很大,因为并没有单独分析中等规模企业的集聚状况,而信息服务业中等规模的企业数量达到4777个,对行业整体的集聚趋势有较大影响。造成这种结果的可能的原因是,中等规模企业本身集聚程度很高;或者中等规模企业与较大规模企业和较小规模企业结合程度很高;亦或两种状况兼有。无论是哪种状况,都表明中等规模企业在信息服务业中十分重要。
显示原图|下载原图ZIP|生成PPT图8杭州市区不同规模服务业的空间分布状况
-->Fig. 8The spatial agglomeration tendency of service industries in Hangzhou
-->
与服务业不同的是,制造业的空间集聚状况由较小规模企业主导的趋势十分明显,而大型制造业的集聚程度普遍低于较小规模企业（图9）。5个制造业较大规模企业的最大集聚度都在0.04左右,而多数产业的较小规模企业最大集聚度都在0.05以上,集聚程度最低的重化工工业也达到0.047,高科技制造业的较小规模企业的最大集聚度更是接近0.07。分产业来看,高科技制造业和两个轻工制造业较小规模企业的集聚趋势比较明显,高科技制造业和纺织服装、服饰业较小规模企业的集聚程度和范围都大于产业整体的集聚状况,食品制造业也在8~12.5 km2范围内出现明显集聚,但较大规模企业均在超过15 km2的距离上才明显的高于制造业整体集聚水平,表明较大规模企业在空间上较为分散。装备制造业和重化工工业中,较小规模企业的集聚程度尽管高于产业的整体水平,但是仍然低于制造业集聚的阈值。值得注意的是,装备制造业和重化工工业的分布在20 km2左右的距离上集聚程度达到最大,且高于阈值,一定程度上表明这两个产业在城市远郊区域以大企业的集聚为主。
显示原图|下载原图ZIP|生成PPT图9杭州市区不同规模制造业企业集聚特征
-->Fig. 9The spatial agglomeration tendency of manufacturing industries in Hangzhou
-->
4 结论
随着企业等个体信息的可获得性不断提高和地理信息技术的发展,采用微观数据对产业空间集聚的研究应该受到重视。相对于传统以行政边界为基础的面状数据的分析方法,微观尺度下以企业点数据为基础的研究能够更加准确、细致地反映城市内部产业集聚的特征,尤其对金融、信息等在很小范围内集聚的产业来说更为重要。本文完成了从企业工商登记数据,到企业地址信息向空间数据的转换,再到微观数据的分析方法和集聚参照的设定,最后对不同类型的产业空间集聚特征和不同规模企业对产业集聚特征的影响研究,初步构建了一个较为完整的对企业微观数据进行处理和分析的研究架构,结论如下：（1）高科技服务业和高科技制造业在城市空间上都表现出明显的集聚趋势,因此技术和知识密集型产业可以从空间集聚的外部性中获得更多收益,该类型产业的空间区位受到集聚经济的影响最大;而明显高于产业平均集聚水平的集聚程度也表明该类型产业可以在空间中形成专业化较强的产业集聚区。生产性服务业和劳动密集型工业整体上能够表现出一定的集聚趋势,但并不明显,而且不同的行业空间集聚模式也有差异,与整体集聚水平相近的集聚程度表明这两类产业在空间上难以形成专业化很强的产业集聚区;生活性服务业和资本密集型制造业整体上呈现随机分布或分散布局的空间模式。
（2）从企业规模的角度来看,企业规模对于杭州市区服务行业的影响存在一定差异,但是制造业集聚由小规模企业主导的趋势却十分明显。在服务业中,金融服务和商务服务业较小规模企业的集聚程度明显高于较大规模企业,主导产业整体集聚趋势,但传统服务行业大型零售企业的空间集聚度更高,而信息服务业由中等规模企业主导其空间集聚,而且较大规模的企业集聚程度要高于较小规模的企业。对于5个制造业来说,较小规模企业的集聚程度明显高于较大规模企业,并主导了产业整体的空间集聚趋势,表明杭州市区的制造业集聚区很可能是以中小企业为主的马歇尔式的产业集聚区。大型的装备制造业和重化工工业在较大距离上集聚趋势明显,表明这类型产业的较大规模企业的郊区化趋势明显,但同时表明该类型产业在郊区是散布的状态。整体来看,杭州市区的产业集聚主要以中小企业为主导,需要进一步提升大企业的实力,特别是金融服务业和商务服务业等,以提高杭州产业发展的整体水平。
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
被引期刊影响因子
| [14] | 全球经济服务化趋势增强、生产性服务业成为国际大都市主导产业和增长动力背景下,中国大城市正向服务经济迈进,生产性服务业的空间集聚成为影响城市空间重构和功能提升的重要力量。以北京市为案例区,基于基本单位普查和经济普查的大样本企业数据,运用Theil系数、空间基尼系数、赫芬代尔系数、EG指数、空间自相关模型和地理联系率进行城市生产性服务业空间集聚的综合测度研究。结果表明:①基于就业人数的城市生产性服务业空间差异更为明显且呈现扩大趋势,功能区间发展差异的贡献最大。②街区尺度生产性服务业区域集聚程度和企业集中程度均存在时间波动性和行业异质性,控制企业规模的产业集聚普遍存在,但空间集聚程度普遍较低。③城市生产性服务业就业分布呈现显著的空间关联性,首都功能核心区是高密度区与高密度区邻近的集中区域。④流通、信息、商务和科技服务相对于生产性服务业的空间集聚一致性较高,流通、商务和科技服务之间以及信息与科技服务之间的空间集聚一致性较高。 |
| [15] | . <p>20世纪90年代以来,作为服务业中重要一支的生产性服务业正成为推动我国大城市经济增长的重要力量和体现城市经济职能的主要方面。本文在对产业集聚和服务业区位等相关理论回顾的基础上,对目前国内外生产性服务业空间集聚的主要研究内容和研究方法进行了详尽梳理。总体来看,围绕着区域和大都市内两个尺度,生产性服务业空间集聚的研究取得了明显进展,但同时尚存在一些不足:①偏重于空间集聚的格局研究,对其演变过程研究相对薄弱;②空间集聚的机理研究稍显不足,缺乏规律的总结;③研究方法上大多将制造业集聚的测度模型移植到生产性服务业,其适用性和针对性尚需进一步探讨。今后应围绕"测度辨识—格局过程—作用机理",运用定性、定量与空间分析综合集成的方法,继续深化和完善生产性服务业集聚的地理学研究。</p> <p>20世纪90年代以来,作为服务业中重要一支的生产性服务业正成为推动我国大城市经济增长的重要力量和体现城市经济职能的主要方面。本文在对产业集聚和服务业区位等相关理论回顾的基础上,对目前国内外生产性服务业空间集聚的主要研究内容和研究方法进行了详尽梳理。总体来看,围绕着区域和大都市内两个尺度,生产性服务业空间集聚的研究取得了明显进展,但同时尚存在一些不足:①偏重于空间集聚的格局研究,对其演变过程研究相对薄弱;②空间集聚的机理研究稍显不足,缺乏规律的总结;③研究方法上大多将制造业集聚的测度模型移植到生产性服务业,其适用性和针对性尚需进一步探讨。今后应围绕"测度辨识—格局过程—作用机理",运用定性、定量与空间分析综合集成的方法,继续深化和完善生产性服务业集聚的地理学研究。</p> |
| [16] | . <p>本文旨在发展基于Moran指数的空间自相关分析理论和方法。首先,利用线性代数知识对基于Moran统计量的空间自相关过程的数学表示进行规范化整理;其次,基于变换中的不变性思想给出Moran指数的理论解释;第三,对空间权重矩阵的数理性质、建设方法和应用范围提出新的见解。总结并发展了Moran指数的三种计算方法——三步求值法、矩阵标度法和回归分析法,将空间权重矩阵划分为四种基本类型——局域关联型、准局域关联型、准长程关联型和长程关联型。以河南省鹤壁市乡镇体系为实证对象,以本文改进的理论和方法为依据,提供了一个空间自相关分析的简明案例。</p> <p>本文旨在发展基于Moran指数的空间自相关分析理论和方法。首先,利用线性代数知识对基于Moran统计量的空间自相关过程的数学表示进行规范化整理;其次,基于变换中的不变性思想给出Moran指数的理论解释;第三,对空间权重矩阵的数理性质、建设方法和应用范围提出新的见解。总结并发展了Moran指数的三种计算方法——三步求值法、矩阵标度法和回归分析法,将空间权重矩阵划分为四种基本类型——局域关联型、准局域关联型、准长程关联型和长程关联型。以河南省鹤壁市乡镇体系为实证对象,以本文改进的理论和方法为依据,提供了一个空间自相关分析的简明案例。</p> |
| [17] | . 纺织服装产业是最早实现全球产业转移,也是产业转移特征最为明显的行业之一,对其研究可更真实、清晰地审视中国的产业转移路径和产业空间布局变化。本研究借助区位基尼系数和局部Moran 分析对全国地市层面2001-2009 年的纺织服装产业的空间集聚程度进行全局和局部空间可视化的定量测度,以产业中心的变化来追踪和分析该行业的产业转移路径。研究结果显示,基尼系数大于0.95 的主要是原料依赖性强的细分行业,对原料依赖性相对较低的细分行业在空间分布上则较分散;纺织服装产业的空间集聚程度非常高,但近些年来有微弱的下降趋势;产业分布的空间正相关性也在逐渐下降。中国纺织服装产业的区域转移,主要发生在山东和江浙一带的省内地市间,也呈现出向河南、安徽、江西等中部地区的部分地市转移的态势;互动性强的细分行业具有空间布局临近性,但总体上仍存在一定的空间分异性。 纺织服装产业是最早实现全球产业转移,也是产业转移特征最为明显的行业之一,对其研究可更真实、清晰地审视中国的产业转移路径和产业空间布局变化。本研究借助区位基尼系数和局部Moran 分析对全国地市层面2001-2009 年的纺织服装产业的空间集聚程度进行全局和局部空间可视化的定量测度,以产业中心的变化来追踪和分析该行业的产业转移路径。研究结果显示,基尼系数大于0.95 的主要是原料依赖性强的细分行业,对原料依赖性相对较低的细分行业在空间分布上则较分散;纺织服装产业的空间集聚程度非常高,但近些年来有微弱的下降趋势;产业分布的空间正相关性也在逐渐下降。中国纺织服装产业的区域转移,主要发生在山东和江浙一带的省内地市间,也呈现出向河南、安徽、江西等中部地区的部分地市转移的态势;互动性强的细分行业具有空间布局临近性,但总体上仍存在一定的空间分异性。 |
| [18] | . <p>通过ESDA相关分析，描述了20世纪90年代以来江苏省县域经济格局在空间上的变化状况。在经济总体空间格局上，江苏省县域经济发展水平表现出很强的空间自相关性，相似的地区在空间上集聚分布，热点区的空间结构多表现为以苏州、无锡为核心的圈状空间结构，且不断的向东南方向集聚。经济增长空间格局在空间分布上表现出更多的随机性和结构的不稳定性，热点区域切换频繁，没有明显的地理集中现象。江苏经济空间格局连续性和自组织性越来越强，空间分异格局中的随机成份在不断降低，而由空间自相关引起的结构化分异越来越显著，东北—西南方向经济发展的空间差异较小，而东南—西北方向经济发展空间差异最大。最后，将江苏省经济格局演化的驱动力归结为3个方面：历史发展基础、经济区位和区域发展政策。</p> <p>通过ESDA相关分析，描述了20世纪90年代以来江苏省县域经济格局在空间上的变化状况。在经济总体空间格局上，江苏省县域经济发展水平表现出很强的空间自相关性，相似的地区在空间上集聚分布，热点区的空间结构多表现为以苏州、无锡为核心的圈状空间结构，且不断的向东南方向集聚。经济增长空间格局在空间分布上表现出更多的随机性和结构的不稳定性，热点区域切换频繁，没有明显的地理集中现象。江苏经济空间格局连续性和自组织性越来越强，空间分异格局中的随机成份在不断降低，而由空间自相关引起的结构化分异越来越显著，东北—西南方向经济发展的空间差异较小，而东南—西北方向经济发展空间差异最大。最后，将江苏省经济格局演化的驱动力归结为3个方面：历史发展基础、经济区位和区域发展政策。</p> |
| [19] | . 利用ESDA方法和空间计量模型对中国329个地市经济增长空间俱乐部趋同假说进行检验,并与省份数据进行比较,最后探讨其形成机制。结果表明:地市ESDA分析得到的区域组更加符合俱乐部趋同"组内趋同而组间趋异"的特点;地市经济增长存在两个空间趋同俱乐部,其形成机制是,在经济行为的空间异质性和增长的局域空间溢出效应的共同作用下,产生不均衡空间分布,形成HH与LL两个区域组。在它们内部各地市之间的相互作用程度比区域组之间高,因而诱发了HH组、LL组内出现增长集聚。伴随着增长的持续,HH组、LL组的集聚程度不断提高,两组之间的经济增长差异不断扩大,于是形成两个空间趋同俱乐部。 利用ESDA方法和空间计量模型对中国329个地市经济增长空间俱乐部趋同假说进行检验,并与省份数据进行比较,最后探讨其形成机制。结果表明:地市ESDA分析得到的区域组更加符合俱乐部趋同"组内趋同而组间趋异"的特点;地市经济增长存在两个空间趋同俱乐部,其形成机制是,在经济行为的空间异质性和增长的局域空间溢出效应的共同作用下,产生不均衡空间分布,形成HH与LL两个区域组。在它们内部各地市之间的相互作用程度比区域组之间高,因而诱发了HH组、LL组内出现增长集聚。伴随着增长的持续,HH组、LL组的集聚程度不断提高,两组之间的经济增长差异不断扩大,于是形成两个空间趋同俱乐部。 |
| [20] | We propose new methods for evaluating the spatial distribution of firms. To assess whether firms are concentrated or dispersed, economists have traditionally used indices that analyse the heterogeneity of a spatial structure at a single geographic level. We introduce distance-based methods, Besag's L function (derived from Ripley's K function) and Diggle and Chetwynd's D function to describe simultaneously spatial distribution at different geographical scales. Our empirical applications consider the distribution of French manufacturing firms in the Paris area and in France generally. For some geographic levels, results show significant concentration or dispersion of firms according to their sector of activity. |
| [1] | |
| [2] | |
| [21] | This is the most comprehensive and significant statement about the value and potential of economic geography in thirty years. More than forty leading economists and geographers from around the world investigate the rival theories and perspectives that have sustained the recent development of economic geography, and offer stimulating insights into the emerging global economy of the twenty-first century. The editors have outstanding reputations for original research at the boundaries of economics and geography. They have taught in leading U. S. and European universities, and have contributed to significant debates about the theory of economic geography and its applications to public policy. The handbook is devoted to the frontiers of the field, eschewing nostalgia for the past in favour of contributions relevant to the emerging global economy of the twenty-first century. From general statements about the history and evolution of the field to statements about the crucial problems of economic geography, it is concerned with the rival theories and perspectives that have sustained the recent growth of economic geography. Always provocative and challenging, it will continue to define the terms of debate for the coming decade. Contributors to this volume - Gordon L Clark, Maryann Feldmann, Meric Gertler Allen Scott Paul Krugman Jamie Peck Ed Glaeser Eric Sheppard Tony Venables and Howard Shatz Michael Storpor John Gallup, Andrew Mellinger, and Jeffrey Sachs Michael Watts Risto Laulajainen Adam Tickell Michael Porter Peter Dicken Neil Wrigley Erica Schoenberger David B. Audretsch Bengt-Ake Lundvall and Peter Maskell Maryann Feldman Cristiano Antonelli Bjorn Asheim Beat Hotz-Hart Ron Martin Gordon Hanson Linda McDowelll John Kain Eric Swyngedouw Amy Glasmeier R. Kerry Turner David Angel Tetsuo Abo John Holmes Ash Amin Nigel Thrift |
| [22] | ABSTRACT Spatial point processes may be analysed at two levels. Quadrat and distance methods were designed for the sampling of a population in the field. In this paper we consider those situations in which a map of a spatial pattern has been produced at some cost and we wish to extract the maximum possible information. We review the stochastic models which have been proposed for spatial point patterns and discuss methods by which the fit of such a model can be tested. Certain models are shown to be the equilibrium distributions of spatial-temporal stochastic processes. The theory is illustrated by several case studies. |
| [23] | Motivated by recent interest in the possible spatial clustering of rare diseases, the paper develops an approach to the assessment of spatial clustering based on the second-moment properties of a labelled point process. The concept of no spatial clustering is identified with the hypothesis that in a realisation of a stationary spatial point process consisting of events of two qualitatively different types, the type 1 events are a random sample from the superposition of type 1 and type 2 events. A diagnostic plot for estimating the nature and physical scale of clustering effects is proposed. The availability of Monte Carlo tests of significance is noted. An application to published data on the spatial distribution of childhood leukaemia and lymphoma in North Humberside is described. |
| [24] | . 以北京城区6 个行政区内的594 个抽样写字楼内公司数量、规模和行业隶属为研究样本和数据，运用缓冲区分析和Ripley's K(d) 函数等空间分析方法，探讨在城市经济转型过程中， 逐渐替代制造业的办公活动行业分布与空间集聚特征。即：① 从总体来看，北京城市各行业办公活动区位选择具有明显的向心性，其就业密度与公司密度表现在以天安门为中心，以5 km、10 km、15 km为半径的缓冲区圈层结构中由内向外逐渐递减的特点；② 各行业空间分异特征显著，整体呈现“东高西低”，城市高端功能区就业吸纳能力强的特点，其分布大体呈现 3 种集聚模式，即“大分散、小集聚”模式，“大分散、大集聚”模式和“小分散、大集聚” 模式；③ 各行业空间集聚趋势类似，均呈先增后减的倒“U”型结构特征，但其空间尺度存在差异，其中，社会服务业和批发零售业的办公区位可选范围最大，金融业集聚于特定区域，区位可选范围偏小，交通运输仓储和邮政业的交通区位指向显著。 |
| [3] | This article presents a summary of our conversation on the past, present and future of the new economic geography, which took place with the help of an interlocutor in San Juan, Puerto Rico in November 2002. Following the intro-duction, we explain what the new economic geography is, and we describe some basic models. The discussion of its various critical aspects is presented subse-quently, and the article concludes with the discussion of future issues and challenges facing the field. |
| [4] | This paper describes the spread of industry from country to country as a region grows. All industrial sectors are initially agglomerated in one country, tied together by input–output links between firms. Growth expands industry more than other sectors, bidding up wages in the country in which industry is clustered. At some point firms start to move away, and when a critical mass is reached industry expands into another country, raising wages there. We establish the circumstances in which industry spills over, which sectors move out first, and which are more important in triggering a critical mass., December 1996,(4), pp. 440–464. Centre for Economic Performance, London School of Economics; and London School of Economics and Centre for Economic Policy Research. |
| [24] | 以北京城区6 个行政区内的594 个抽样写字楼内公司数量、规模和行业隶属为研究样本和数据，运用缓冲区分析和Ripley's K(d) 函数等空间分析方法，探讨在城市经济转型过程中， 逐渐替代制造业的办公活动行业分布与空间集聚特征。即：① 从总体来看，北京城市各行业办公活动区位选择具有明显的向心性，其就业密度与公司密度表现在以天安门为中心，以5 km、10 km、15 km为半径的缓冲区圈层结构中由内向外逐渐递减的特点；② 各行业空间分异特征显著，整体呈现“东高西低”，城市高端功能区就业吸纳能力强的特点，其分布大体呈现 3 种集聚模式，即“大分散、小集聚”模式，“大分散、大集聚”模式和“小分散、大集聚” 模式；③ 各行业空间集聚趋势类似，均呈先增后减的倒“U”型结构特征，但其空间尺度存在差异，其中，社会服务业和批发零售业的办公区位可选范围最大，金融业集聚于特定区域，区位可选范围偏小，交通运输仓储和邮政业的交通区位指向显著。 |
| [25] | |
| [5] | |
| [6] | On the basis of economic and population census data and of foreign trade statistics, in this paper we analyse the changes that occurred in the 1990s in the different local production systems that make up the mosaic of the Italian economy. The results of the study show that personal and household goods and light engineering, often made in industrial districts, contributed positively to the Italian balance of trade. Moreover, employment and other economic and social indicators show that industrial district provinces performed better than large enterprise provinces, so refuting the usual interpretation that district small and medium-sized enterprises are responsible for the recent slow down of the Italian economy. Some cues for policy intervention close the paper. |
| [26] | . <p>国际发展经验表明， 大都市生产者服务业具有强烈的向中心商务区聚集的特征， 同时 随着产业分工深化和技术进步， 也具有向郊区扩散的趋势。利用空间基尼系数、经济计量模 型分析等方法分析北京市的金融服务业、信息咨询服务业、计算机服务业三大类生产者服务 业在城市中尤其是在中心城区和近郊区的的空间分布和聚集情况， 发现北京市的生产者服务 业呈现明显的聚集特征， 而向郊区扩散的趋势并不明显， 并且金融业、信息咨询业、计算机 服务业三类生产者服务业的聚集特征有所差别。北京市生产者服务业空间区位选择是由市场 规律、政府规划、城市特色共同作用的结果。总结国内外的研究结果发现， 生产者服务业的 空间分布主要由经济活动的联系特征、生产要素特征和区位条件三个要素所决定。</p> <p>国际发展经验表明， 大都市生产者服务业具有强烈的向中心商务区聚集的特征， 同时 随着产业分工深化和技术进步， 也具有向郊区扩散的趋势。利用空间基尼系数、经济计量模 型分析等方法分析北京市的金融服务业、信息咨询服务业、计算机服务业三大类生产者服务 业在城市中尤其是在中心城区和近郊区的的空间分布和聚集情况， 发现北京市的生产者服务 业呈现明显的聚集特征， 而向郊区扩散的趋势并不明显， 并且金融业、信息咨询业、计算机 服务业三类生产者服务业的聚集特征有所差别。北京市生产者服务业空间区位选择是由市场 规律、政府规划、城市特色共同作用的结果。总结国内外的研究结果发现， 生产者服务业的 空间分布主要由经济活动的联系特征、生产要素特征和区位条件三个要素所决定。</p> |
| [7] | |
| [8] | |
| [27] | Article usage statistics combine cumulative total PDF downloads and full-text HTML views from publication date (but no earlier than 25 Jun 2011, launch date of this website) to 23 May 2014. Article views are only counted from this site. Although these data are updated every 24 hours, there may be a 48-hour delay before the most recent numbers are available. |
| [28] | . <p>2000 年以后，中国生产性服务业高速发展，产业格局逐渐形成。利用2000 年、2005 年和2010 年3 个年份地级市行业从业人员的数据，通过区位基尼系数和空间自相关性分析，发现中国生产性服务业在地理空间中整体呈现点状集中的模式，进而对不同行业的集聚特点进行比较分析，认为信息服务业和商务服务业是首位城市集聚模式，科研技术服务业和房地产业是位序规模分布的模式，金融业则是均衡分布的模式。最后，结合主要城市行业的相对优势度分析，得出随着从业人员的增加，承担的生产性服务功能更加综合，符合中心地理论的特点，在省域和城市群内各城市具有较好的职能分工和互补性。</p> |
| [9] | Many industries are geographically concentrated. Many mechanisms that could account for such agglomeration have been proposed. We note that these theories make |
| [10] | ABSTRACT This report is a slightly revised version of a paper presented at the Symposium of the Commission of the Organisation of Industrial Space, the 28th International Geographical Congress, The Hague, The Netherlands, August 5-10, 1996. A shortened version of the report will be published in European Planning Studies in 1997.The theoretical part of the report examines the concept of regional innovation systems on the background of modern theories of innovation. The view of interactive learning as a fundamental aspect of the innovation process provides the ground for an interactive innovation model, which is greatly facilitated by geographical proximity and territorial agglomeration. The empirical part of the report analyses geographical variations in innovation activity in Norwegian industry. In this part we also identify different types of industrial agglomerations in Norway, and tries to measure international competitiveness, job growth and innovative activity in these agglomerations compared with corresponding industrial sectors nationwide, and also examining more thoroughly innovation performance in two industrial agglomerations in Norway, Horten and Jæren. On the basis of the theoretical clarification and empirical analyses carried out, the article finally discuss how to design a regional innovation policy for three main area types in Norway. |
| [28] | <p>2000 年以后，中国生产性服务业高速发展，产业格局逐渐形成。利用2000 年、2005 年和2010 年3 个年份地级市行业从业人员的数据，通过区位基尼系数和空间自相关性分析，发现中国生产性服务业在地理空间中整体呈现点状集中的模式，进而对不同行业的集聚特点进行比较分析，认为信息服务业和商务服务业是首位城市集聚模式，科研技术服务业和房地产业是位序规模分布的模式，金融业则是均衡分布的模式。最后，结合主要城市行业的相对优势度分析，得出随着从业人员的增加，承担的生产性服务功能更加综合，符合中心地理论的特点，在省域和城市群内各城市具有较好的职能分工和互补性。</p> |
| [29] | . 产业集聚对企业规模的重要影响在发达国家中得到了证实.本文基于 对1998年至2005年中国制造业企业年度调研报告中数据的分析,证实了在中国背景下,产业集聚和企业规模之间的正相关关系.在此基础上,文章进一步使 用工具变量方法解决内生性问题,以及格兰特检验来证实产业集聚对企业规模的因果关系.同时,文章发现相比于企业数量,企业的规模能够为企业带来更大的集聚 效应. |
| [11] | . <p>本文综述了产业地理集中、产业地理集聚以及产业集群的测量与辨识方法。传统的测量 产业地理集中方法包括集中系数、变差系数、赫芬代尔系数、赫希曼- 赫芬代尔系数、信息熵、锡尔 系数以及基尼系数等, 这些系数测量产业总体地理集中程度, 没有考虑企业规模分布对产业地理 集中的影响。基于企业区位选择模型, 经济学家发展了测量产业地理集聚的指数, 控制产业内企 业规模分布对产业地理集中的影响。无论地理集中指数还是地理集聚系数都以行政单元为基础, 仅描述单一空间尺度上的产业区位模式。Ripley 的K 函数通过计算某个企业一定距离内的邻居 企业个数来测量产业的地理集聚程度, 可同时反映产业在不同空间尺度的集聚程度。相互联系的 一群企业在地理空间上的集聚构成了产业集群, 产业集群的辨识不仅要测量产业间联系, 也要考 虑产业地理临近性。区位商和标准化区位商法、空间相关与产业联系法、因子分析和聚类分析等 多元统计方法以及基于投入产出关系的图谱分析方法等可以用来作为辨识区域产业集群手段。</p> <p>本文综述了产业地理集中、产业地理集聚以及产业集群的测量与辨识方法。传统的测量 产业地理集中方法包括集中系数、变差系数、赫芬代尔系数、赫希曼- 赫芬代尔系数、信息熵、锡尔 系数以及基尼系数等, 这些系数测量产业总体地理集中程度, 没有考虑企业规模分布对产业地理 集中的影响。基于企业区位选择模型, 经济学家发展了测量产业地理集聚的指数, 控制产业内企 业规模分布对产业地理集中的影响。无论地理集中指数还是地理集聚系数都以行政单元为基础, 仅描述单一空间尺度上的产业区位模式。Ripley 的K 函数通过计算某个企业一定距离内的邻居 企业个数来测量产业的地理集聚程度, 可同时反映产业在不同空间尺度的集聚程度。相互联系的 一群企业在地理空间上的集聚构成了产业集群, 产业集群的辨识不仅要测量产业间联系, 也要考 虑产业地理临近性。区位商和标准化区位商法、空间相关与产业联系法、因子分析和聚类分析等 多元统计方法以及基于投入产出关系的图谱分析方法等可以用来作为辨识区域产业集群手段。</p> |
| [12] | This paper discusses the prevalence of Silicon Valley-style localizations of individual manufacturing industries in the United States. Several models in which |
| [13] | . 纵观工业革命后世界范围内各国经济的发展历程，经济的发展经常显示出一定的地理特征，这既包括在世界范围内，位于不同地理位置的国家之间存在较大的经济发展差距，也包括在一国以内不同地区间的经济发展不平衡。在本文中我们致力于解决的问题主要有： 1、截止到2005年，中国制造业的集聚总体情况如何?在不同的地区，中国制造业中的各产业分布有何差异? 2、中国制造业集聚模式是怎样的?是以产业内集聚为主还是以产业间集聚为主?产业集聚模式在地区之间有何差异? 3、中国制造业集聚对不同地区间的经济增长的影响是通过何种模式产生的?为什么... 纵观工业革命后世界范围内各国经济的发展历程，经济的发展经常显示出一定的地理特征，这既包括在世界范围内，位于不同地理位置的国家之间存在较大的经济发展差距，也包括在一国以内不同地区间的经济发展不平衡。在本文中我们致力于解决的问题主要有： 1、截止到2005年，中国制造业的集聚总体情况如何?在不同的地区，中国制造业中的各产业分布有何差异? 2、中国制造业集聚模式是怎样的?是以产业内集聚为主还是以产业间集聚为主?产业集聚模式在地区之间有何差异? 3、中国制造业集聚对不同地区间的经济增长的影响是通过何种模式产生的?为什么... |
| [14] | . 全球经济服务化趋势增强、生产性服务业成为国际大都市主导产业和增长动力背景下,中国大城市正向服务经济迈进,生产性服务业的空间集聚成为影响城市空间重构和功能提升的重要力量。以北京市为案例区,基于基本单位普查和经济普查的大样本企业数据,运用Theil系数、空间基尼系数、赫芬代尔系数、EG指数、空间自相关模型和地理联系率进行城市生产性服务业空间集聚的综合测度研究。结果表明:①基于就业人数的城市生产性服务业空间差异更为明显且呈现扩大趋势,功能区间发展差异的贡献最大。②街区尺度生产性服务业区域集聚程度和企业集中程度均存在时间波动性和行业异质性,控制企业规模的产业集聚普遍存在,但空间集聚程度普遍较低。③城市生产性服务业就业分布呈现显著的空间关联性,首都功能核心区是高密度区与高密度区邻近的集中区域。④流通、信息、商务和科技服务相对于生产性服务业的空间集聚一致性较高,流通、商务和科技服务之间以及信息与科技服务之间的空间集聚一致性较高。 |
| [29] | 产业集聚对企业规模的重要影响在发达国家中得到了证实.本文基于 对1998年至2005年中国制造业企业年度调研报告中数据的分析,证实了在中国背景下,产业集聚和企业规模之间的正相关关系.在此基础上,文章进一步使 用工具变量方法解决内生性问题,以及格兰特检验来证实产业集聚对企业规模的因果关系.同时,文章发现相比于企业数量,企业的规模能够为企业带来更大的集聚 效应. |
