EN中文

地理科学 >

2022 , Vol. 42 >Issue 8: 1370 - 1380

DOI: https://doi.org/10.13249/j.cnki.sgs.2022.08.005

黑土专栏

中国数字创意上市挂牌企业空间格局及其影响因素

  • 展亚荣 ,
  • 谷人旭 , *
展开
  • 华东师范大学城市与区域科学学院，上海 200241
谷人旭。E-mail:

展亚荣（1991-），女，河南商丘人，博士研究生，主要从事经济地理与区域创新研究。E-mail:

收稿日期: 2021-02-15

  修回日期: 2021-10-19

  网络出版日期: 2022-08-20

基金资助

华东师范大学优秀学者培育计划项目资助(WLKXJ202009)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Spatial Pattern and Influencing Factors of Digital Creative Listed Enterprises in China

  • Zhan Yarong ,
  • Gu Renxu , *
Expand
  • School of Urban and Regional Science, East China Normal University, Shanghai 200241, China

Received date: 2021-02-15

  Revised date: 2021-10-19

  Online published: 2022-08-20

Supported by

Outstanding Scholar Cultivation Project of East China Normal University(WLKXJ202009)

Copyright

Copyright reserved © 2022.
Fold

摘要

基于中国数字创意上市企业、新三板挂牌企业数据，运用核密度估计、标准差椭圆、基尼系数、负二项回归模型等方法探究其空间分布特征及影响因素。研究发现：① 数字创意上市挂牌企业总体呈“东密西疏”的空间结构特征，集聚与扩张共存并以集聚为主，且始终保持京津冀、长三角、珠三角等多核心空间集聚形态，空间分布高度不均衡且区域重心北向迁移显著。② 数字创意上市挂牌企业空间分布具有行业异质性，其集聚区域、集聚强度因产业特性和所有制性质不同而存在差异。③ 数字创意上市挂牌企业的空间分异受到集聚经济、基础设施、正式制度、非正式制度因素中的文化活跃度与企业家创新精神、宏观经济环境因素中的全球连通性、金融集聚水平等因素影响，具有明显“高等级城市偏好”。企业空间分异影响因素因产业特性和所有制不同存在差异。

关键词： 数字创意产业; 上市企业; 集聚经济; 制度环境

本文引用格式

展亚荣 , 谷人旭 . 中国数字创意上市挂牌企业空间格局及其影响因素[J]. 地理科学, 2022 , 42(8) : 1370 -1380 . DOI: 10.13249/j.cnki.sgs.2022.08.005

Abstract

Digital creative industry has become a new field for the symbiosis of global economic competitiveness and cultural soft power, and it was listed as the strategic emerging industry of China in 2016. However, under the background of digital transformation of cultural production, the research on the geographical pattern of digital creative industry in the field of economic geography is still scarce in China. Based on the data of digital creative industry listed enterprises and NEEQ (National Equities Exchange and Quotations)-listed enterprises, this study explored the spatial pattern and evolution of the digital creative enterprises by using the kernel density estimation, standard deviation ellipse, Gini coefficient, then analyze the factors that influence the layout of digital creative enterprises by using the negative binomial regression model. The conclusions are as follows: First, digital creative enterprises generally present a spatial structure characteristic of “Dense East and Sparse West”, with agglomeration and expansion coexisting but focusing on agglomeration, and it always maintain the form of multi-core spatial agglomeration such as the Beijing-Tianjin-Hebei, the Yangtze River Delta, and the Pearl River Delta. The spatial distribution is highly uneven and the regional center of gravity has shifted significantly to the north. Second, the spatial distribution of digital creative listed enterprises is heterogeneous in different industries, and their agglomeration areas and intensities are different due to the different industrial characteristics and ownership properties. At last, the spatial differentiation of digital creative listed enterprises is influenced by agglomeration economy, infrastructure, formal institutions, cultural activity and innovation entrepreneurship, global connectivity and financial agglomeration level, and it has an obvious feature of “high-grade city preference”. Due to the difference of industrial nature and ownership, the influencing factors of enterprise site selection are also different.

Key words： digital creative industry; listed enterprises; agglomerative economies; institution environment

伴随后消费时代消费结构的升级以及新一代科技革命的创新驱动，数字创意产业迎来爆发性增长。数字创意产业具备数字经济、知识和技术密集型产业以及新兴服务业等多重属性[1]，以其对社会发展和经济增长的促进作用及对其他部门的溢出效应而成为后工业化时代推动经济转型发展的新引擎，同时在满足人们不断升级的文化消费及数字福利需求等方面有着显著的社会效益，现已成为全球经济竞争力与文化软实力共生的新场域[2]。2016年，数字创意产业被列为中国的战略性新兴产业，在国家战略布局中的重要性得到极大提升。
数字创意产业是数字技术与文化创意产业深度融合产生的一种新经济形态[3]，目前尚无统一的概念界定，国际上相近的概念有数字出版产业、数字内容产业、数字文化产业等。已有研究侧重于从经济与管理类、新闻传播类、计算机科学类等学科视角展开，地理学领域的相关研究则可追溯到创意产业。国外对创意产业的研究集中在创意产业的概念[4]、产业边界[5]、与城市发展之间的关系[6,7]、产业集群效应及形成机制[8,9]、产业集群网络[10]等方面，近年来有学者基于细分行业如电影产业、游戏产业、音乐产业等对数字创意产业的集群演化[11]、集群网络[12]、数字化技术对产业内在机理的影响[13]等进行了研究。国内研究集中在创意产业的空间布局[14]、产业集聚及其动力机制[15,16]、社会经济效益[17]、产业网络[18]等方面，近年来有学者基于数字创意产业整体层面对其产业集聚[2]、全球价值链构建[3]、跨界融合发展[19]等进行了探究。根据国家统计局发布的《战略性新兴产业分类（2018）》（ http://www.stats.gov.cn/tjgz/tzgb/201811/t201811261635848.html），数字创意产业包括数字创意技术设备制造、数字文化创意活动、设计服务和数字创意与融合服务4个部分，创意产业构成了数字创意产业的数字内容板块，因此有关创意产业的研究在一定程度上可以为数字创意产业的地理学研究提供阐释与佐证，但无法全面反映数字创意产业的发展概况。尤其在当前数字经济时代，数字化技术变革重新塑造了信息处理、知识传递和文化传播的方式，减少了生产者与消费者之间空间邻近的必要性，同时也为文化生产者和远距离的合作伙伴交流和建立合作网络创造了新渠道，有学者认为文化生产会因此产生“去中心化”[20]。但也有学者认为伴随数字化而来的文化生产对城市软性基础设施提出了更高的要求，这可能会强化某些地区现有的文化生产中心[21]。因此，在文化生产数字化转型背景下，对数字创意产业生产地理格局的研究能够为进一步厘清数字技术对文化创意产业空间组织改变的影响提供有力佐证。
鉴于此，文章基于数字创意产业A股上市企业、海外上市企业以及新三板挂牌企业的数据，运用核密度估计、标准差椭圆、区位基尼系数等方法刻画数字创意上市挂牌企业的空间格局特征及其演变过程，并进一步探讨其影响因素，以期挖掘其空间分异规律，为优化数字创意产业的空间布局与管理提供科学参考和决策支持。

1 研究方法和数据来源

1.1 数据来源

数字创意上市企业是该领域发展规模较大、相对成熟的企业，但考虑到中国数字创意产业起步较晚，小规模企业居多，多数企业选择在“全国中小企业股份转让系统”（即“新三板”）挂牌，因此选择加入新三板挂牌企业数据来反映中小企业的地理格局。根据国家统计局印发的《战略性新兴产业分类（2018）》和《国民经济行业分类（GB/T 4754-2017）》（ http://www.stats.gov.cn/tjsj/tjbz/hyflbz/201710/t20171012_1541679.html）以及中国证监会印发的《上市公司行业分类指引（2012）》（ http://www.csrc.gov.cn/csrc/c101864/c1024632/content.shtml）等文件，确定涉及数字创意产业的行业并按照国民经济行业代码将其与数字创意产业的4种分类进行匹配（表1）。筛选这几类行业的企业样本，并剔除数字创意产品主营业务收入占比低于50%的企业以确保样本可靠性，共获得778个研究样本（不含港澳台地区）。上市挂牌企业数据来源于万德数据库，时间截至2019年12月31日，进一步获取其办公地址所在的地理坐标并利用ArcGIS10.2软件绘制可视化地图。企业空间分异影响因素相关数据来源于2020年《中国城市统计年鉴》[22]、各省市统计年鉴及统计公报。
表1 数字创意产业分类

Table 1 Classification of Digital Creative Industries

数字创意产业分类 对应国民经济行业名称 对应国民经济行业代码 代表性企业
　　注：*代表国民经济某行业类别仅部分活动属于数字创意产业。
数字创意技术设备制造 通用设备制造业；计算机、通信和其他电子设备制造业 3417*、3931*、3932*、3934*、3939*、3951*、3952*、3969* 兆驰股份、佳禾智能
数字文化创意活动 软件和信息技术服务业；互联网和相关服务；电信、广播电视和卫星传输服务；科技推广和应用服务业；广播、电视、电影和录音制作业；文化艺术业；新闻和出版业 6513*、6572*、6571*、6579*、6429*、6422*、6321*、6322*、6319*、7519*、8710*、8720*、8730*、8740*、8760*、8770*、8810* 科大讯飞、游族网络、广电网络、华谊兄弟、中文在线、芒果超媒
设计服务 专业技术服务业 7484*、7485*、7591*、7492* 弘高创意、延华智能
数字创意与融合服务 商务服务业；新闻和出版业；文化艺术业 7251*、7259*、7281*、7282*、7283*、7284*、7291*、8625*、8831*、8850* 省广集团、时代出版

1.2 研究方法

1.2.1 核密度估计

核密度分析（KDE）能够较好地反映数字创意企业的空间分布规律[23]。其公式为：
$ f\left(x,y\right)=\dfrac{1}{n{h}^{2}}\displaystyle\sum _{i=1}^{n}k\left(\dfrac{{d}_{i}}{n}\right) $
式中，f(x,y)是位于(x,y)的密度估计值；n为观测量；h为带宽；k为核函数；di为(x,y)位置与第i个观测位置之间的距离。

1.2.2 标准差椭圆

标准差椭圆能够揭示数字创意企业空间分布的整体特征，描述其动态演变趋势。椭圆的长轴、短轴分别表征企业空间分布在主方向、次方向上的离散程度。椭圆重心偏离的方向指示了企业空间分布的高密度部位，偏离距离则指示非均衡程度。具体计算方法参见文献[15]。

1.2.3 区位基尼系数

区位基尼系数能够衡量数字创意企业的地理分布不均衡程度[23]，公式如下：
$ {G}_{i}=\dfrac{1}{2{N}^{2}u}{\displaystyle\sum }_{j}{\displaystyle\sum }_{m}\left[\dfrac{{X}_{ij}}{{X}_{i}}-\dfrac{{X}_{im}}{{X}_{i}}\right] $
式中，Xij、Xim为数字创意企业在j或m地区的数量；Xi为数字创意企业的全国总量；u为数字创意企业在各地区的比重均值，N为地区总数。由于不同尺度下基尼系数无法相互比较，因此采用区位基尼系数的增长率来比较省区市尺度下数字创意企业数量区域不平衡程度的变化。

1.2.4 负二项回归模型

鉴于企业数量为非负整数，具有离散特性，泊松回归和负二项回归模型更适用于该数据类型。泊松回归模型基本假设为离散平衡，即因变量的方差与期望相等，否则将导致模型的有偏估计。由于本文所用数据存在过度离散问题，因此更适合采用负二项回归模型[24]。其公式如下：
$ \mathrm{l}\mathrm{n}{\delta }_{i}={\rm{ln}}{k}_{i}+{offset}_{i}+{\beta }_{0}+{\beta }_{1}{x}_{1}+{\beta }_{2}{x}_{2}+,\cdots ,+{\beta }_{i}{x}_{i} $
式中，δi为服从泊松分布的估计参数；βi为控制其他解释变量情况下xi对事件发生频次的影响程度；offseti为引入的抵消项；ki为超离散程度。当α=0时，退化为泊松回归模型。

2 数字创意上市挂牌企业空间格局

2.1 数字创意上市挂牌企业总体空间结构

2.1.1 空间分布特征

中国数字创意产业的战略地位从2009年逐步确立[3]，2009年之前数字创意企业数量增长极为缓慢（图1），2014年之后增速大幅提升，因此选择2009年为研究起点，利用ArcGIS软件绘制2009年、2014年和2019年的数字创意上市挂牌企业核密度分布图。
图1 数字创意上市挂牌企业发展概况

未含港澳台数据

Fig. 1 Development overview of digital creative listed enterprises

数字创意上市挂牌企业总体上呈“东密西疏”的空间结构特征（图2），与“胡焕庸线”高度一致。①数字创意上市挂牌企业高度集中在“胡焕庸线”东侧经济和文化繁荣、交通便利、创新能力较强的地区，而经济发展滞后、交通不畅、创新能力低下的“胡焕庸线”西侧分布则极为稀疏，形成了“东密西疏”的空间格局。②数字创意上市挂牌企业数量增长迅速，企业空间分布范围持续扩大，呈现集聚与扩张共存并以集聚为主的空间形态，且始终高度集聚于京津冀、长三角、珠三角三大核心区域，集聚强度最大的为京津冀地区，集聚范围最广的则为长三角地区。其他次级集聚区则分布在胡焕庸线东侧的省会及经济发达城市，中西部地区①(①中东西部划分参见网址http://www.stats.gov.cn/tjsj/tjbz/index.html)数字创意产业的发展较为滞后。③省域层面，数字创意上市挂牌企业主要分布在华北地区的北京，华东地区的上海、江苏、浙江、福建，华中地区的湖南、湖北，华南地区的广东，西南地区的重庆、四川，西北地区的陕西，东北地区的辽宁。企业分布数量排名前10位的省市为：北京、广东、上海、江苏、浙江、山东、福建、湖南、四川、湖北。④城市尺度上，数字创意上市挂牌企业高度集聚在北京、上海、广州、深圳等一线城市，呈现明显的“高等级城市”偏好，其次是杭州、厦门、长沙、南京、武汉、成都、苏州、郑州等二线城市。其中北京的数字创意上市挂牌企业数量处于全国领先水平，占比高达30.66%，为中国数字创意产业发展的先锋城市。
图2 2009—2019年数字创意上市挂牌企业空间分布特征

基于审图号为 GS(2020)4630 的标准底图制作，底图无修改；未含港澳台数据

Fig. 2 Spatial distribution characteristics of digital creative listed enterprises from 2009 to 2019

2.1.2 空间演化特征

数字创意上市挂牌企业空间格局演化特征明显（图3），重心从2009年的河南省信阳市（115°34′48″E，31°45′00″N）向北迁移到2019年的阜阳市（116°19′12″E，32°33′36″N），重心总位移113.31 km，其中向东移动69.19 km，向北移动89.97 km，南北方向移动距离大于东西方向。2009—2014年重心主要表现为南北方向上的移动，其中向北移动68.88 km，向东移动47.3 km。得益于政策扶持，这一阶段数字创意上市挂牌企业数量增速加快，由于北京的数字创意产业发展较早且初具规模，受集聚效益的驱动企业不断向北京集聚，从而牵引重心北移。2014—2019年重心向东移动21.74 km，向北移动21.09 km，位移幅度较小，表明这一阶段区域重心迁移较为平稳，未发生太大幅度的变化，企业数量虽大幅增长但以集聚为主，数字创意产业整体发展格局较为稳定。从标准差椭圆的方向变化来看，数字创意上市挂牌企业空间分布范围呈扩大趋势，以南北向扩张为主。
图3 2009—2019年数字创意上市挂牌企业重心变化与方向分布

基于审图号为 GS(2020)4630 的标准底图制作，底图无修改；未含港澳台数据

Fig. 3 Center of gravity and direction distribution change of digital creative listed enterprises in 2009-2019

2.1.3 区域不平衡特征

计算得到省、市级尺度下中国数字创意上市挂牌企业区位基尼系数的年增长率（图4）。2009—2019年省级尺度下的基尼系数均在0.7之上，市级尺度下的基尼系数均在0.9之上，且两个尺度下的基尼系数变化不一。2014年之前，省级尺度的基尼系数保持正向增长，数字创意上市挂牌企业数量区域不平衡程度存在扩大现象，市级尺度的基尼系数除2013年微弱正增长外，其余年份的增长率均为负数，表明不平衡程度在市级尺度存在缩小现象。2014年之后，省级与市级尺度的基尼系数均呈现负增长，区域不平衡程度持续缩小。2019年省、市级尺度下的基尼系数又转向正增长。整体来看，虽然近10 a来数字创意上市挂牌企业不平衡分布的趋势有所缓解，但企业仍趋向于少数城市和区域集聚，空间分布高度不平衡，且市级尺度的区域不平衡程度大于省级尺度。
图4 2009—2019年不同尺度下数字创意上市挂牌企业区位基尼系数变化率

Fig. 4 Gini coefficient growth rate of digital creative listed enterprises at each scale in 2009-2019

2.2 不同类型数字创意上市挂牌企业空间分布特征

数字创意上市挂牌企业的产业特性、所有制属性不同，其空间分布特征也有所差别。绘制2019年不同类型数字创意上市挂牌企业的核密度分布图，从产业维度来看（图5），中国数字创意上市挂牌企业以数字创意活动类为主，占比达68.73%，其次是数字融合服务类，占比达18.73%，数字设备制造类占比6.98%，设计服务类占比仅5.56%。数字设备制造类企业呈现以深圳、广州为核心的珠三角高密度区，占比高达47.25%，长三角地区次之，占比23.16%，四川地区也有少量企业分布。数字创意活动类、数字融合服务类企业分布均呈现以北京为中心的高密度区，以上海、广州为中心的两个次密度区，湖南、湖北、福建等地企业呈零星分布态势。设计服务类企业主要分布在东部沿海一带，并以长三角为主要集聚核心，京津冀、珠三角分布密度次之。不同产业的上市挂牌企业空间分布差异与其产业性质及地区的产业基础相关。珠三角地区自改革开放以来便是中国电子信息制造业的发展重心，为数字设备制造产业的发展提供了坚实的产业基础。以北京、上海为辐射中心的京津冀、长三角地区文化产业市场化程度及对外开放程度较高，在配套设施、辅助机构、专业人才、科学技术等生产要素上优势突出，吸引了大批以创意内容生产和创意技术研发为主的企业集聚。
图5 2019年不同行业数字创意上市挂牌企业空间分布特征

基于审图号为 GS(2020)4630 的标准底图制作，底图无修改；未含港澳台数据

Fig. 5 Spatial distribution characteristics of digital creative listed enterprises by sector in 2019

从所有制维度来看（图6），中国数字创意上市挂牌企业以民营企业为主，占比达81.01%，国有企业占比11.24%，外资企业占比仅2.45%。国有企业分布范围最广，呈现以北京为核心的京津冀、以上海为核心的长三角两大高密度区，广东、湖南、湖北、四川为次密度区。民营企业分布相对集中，以京津冀为主要集聚核心，长三角和珠三角分布密度次之，福建、湖南等地集聚规模较小。外资企业主要分布在东部沿海一带，并高度集中在北京、上海、广东三地。不同所有制企业的空间分布差异是市场机制和政府干预作用下的结果，民营与外资企业受市场机制驱动更倾向于布局在已形成产业集聚规模的区域，因此其空间集聚程度更高。国有企业则更多受到地方行政因素的影响，即使在尚未形成产业集群的区域也有少量分布。
图6 2019年不同所有制数字创意上市挂牌企业空间分布特征

基于审图号为 GS(2020)4630 的标准底图制作，底图无修改；未含港澳台数据

Fig. 6 Spatial distribution characteristics of digital creative listed enterprises with different ownership in 2019

3 影响因素分析

3.1 要素分析

文化数字化与创意科技化是数字创意产业发展的鲜明属性与核心驱动力，其空间分布既受到创意产业区位影响因子的驱动，又受地区宏观经济发展环境的影响。
创意产业的一个关键特征是生产活动的明显集聚，且往往集中在大城市及其周边地区，学者们通常采用集聚经济理论对此进行解释，包括地方化经济和城市化经济[9]，认为创意产业的集聚受同一产业内企业的共同选址和城市经济规模所产生的各种外部利益所驱动，这些外部利益包括专业的供应商、劳动力、地方特定机构、产业协作等带来的交易成本降低、技能的丰富以及知识溢出等[25,26]。数字创意产业作为知识密集型产业，受编码化知识与产业标准的影响较小，创意行为更多地依赖隐性知识，其生产高度依赖多个主体的相互合作，因此集聚经济是影响数字创意产业布局的重要因素。
基础设施被认为对创意产业集聚具有重要影响。拥有高质量便利设施的大城市更有可能吸引高流动性、高技能的创造性劳动力，这反过来又会吸引更多投资并促进创意产业的扩张。因此，创意工作者基于便利设施相关因素的区位决策构成了创意产业集聚的关键驱动力[27,28]。
受经济地理学“制度转向”的启发，制度环境对创意产业空间分布的重要性受到学者的广泛关注，制度有助于解决企业与市场中其他经济主体的复杂协调问题。创意产业的发展通常依赖于地方政府、公共机构的支持[29,30]，尤其在中国的体制情境下，政府是促成数字创意产业在某些地方聚集的重要制度力量。此外，数字创意产业具有较强的地方性和根植性，已有研究也表明文化氛围、社会环境等非正式制度对创意产业的发展起到重要作用[31,32]，地区共享的社会规范和价值观有利于创意产业的集聚，而创意阶层也更倾向于在文化氛围宽松、生活方式与价值观得到认同的地方工作。
宏观经济环境也是数字创意产业布局的重要考量因素。地区的全球连通性、金融发展水平、数字化发展水平、产业结构均会对数字创意产业的生存和发展产生影响。随着区域经济活动朝着专业化的全球生产网络转变[33]，数字创意产业的发展更加离不开全球市场和全球分工体系，因此区域参与全球经济活动的能力及其在全球经济活动中的竞争力也将影响数字创意产业的发展。上市挂牌企业对于资金的流动和融资的便捷性要求很高，企业一般倾向于选择在金融业发展水平较高的城市布局以实现融资需求[34]。数字创意产业本质上是传统文化产业与数字化技术深度融合的产物，地区良好的数字化发展环境和数字基础设施能够为创意产业数字化升级提供支撑。数字创意产业本身与第三产业存在密切联系，地方产业结构也对其空间差异产生影响。
基于以上对数字创意产业空间集聚的理论解释，尝试从集聚经济、制度环境、基础设施、宏观经济环境4个方面探究数字创意上市挂牌企业空间分异的影响机制（表2）。
表2 解释变量含义

Table 2 Meaning of explanatory variables

变量类型 解释名称 变量符号 指标解释
　　注：文化活跃度以城市的文化设施数量来衡量，文化多样性以方言分化指数为表征，企业家创新精神以每万人专利授权量为表征。区位商计算公式： $ {LQ}_{mn}=\dfrac{{X}_{mn}/{X}_{n}}{{X}_{m}/X} $ ，Xmn为地区n的年末金融机构存款余额，Xn为地区n的生产总值，Xm为278个地级市年末金融机构存款总额，X为278个地级市的总产值。
集聚经济 地方化经济 X1 上一研究时刻（2014年）数字创意上市挂牌企业数量
城市化经济 X2 城市化率
X3 城市等级（直辖市或省会、副省级城市赋值为1，其他为0）
制度环境 正式制度 X4 文化体育与传媒财政支出占财政总支出的比重
X5 科技支出占财政总支出的比重
非正式制度 X6 文化活跃度
X7 文化多样性[35]
X8 企业家创新精神
基础设施 交通通达性 X9 公路密度
信息化水平 X10 互联网普及率
人力资本 X11 每万人拥有大学生数量
宏观经济环境 全球连通性 X12 进出口总额占GDP比重
金融集聚水平 X13 金融资本区位商
数字化水平 X14 数字化指数[36]
产业结构 X15 第三产业产值占GDP比重

3.2 实证结果

本研究选择2019年278个地级市的全部数字创意上市挂牌企业、数字设备制造类企业、数字创意活动类企业、设计服务类企业、数字融合服务类企业数量以及国有与非国有企业数量为因变量，以表2中因素为自变量。首先对各自变量之间的共线性进行检验，剔除数字化水平（X14）指标之后，各自变量的VIF值均小于10，排除多重共线性问题。利用STATA软件进行负二项回归，回归结果如表3。
表3 回归结果

Table 3 Regression results

变量 模型1
全部
模型2
数字设备制造类 		模型3
数字创意活动类 		模型4
设计服务类
模型5
数字融合服务类 		模型6
国有 		模型7
非国有
　　注：*、**和***分别表示10%、5%和1%的显著水平；变量解释见表1；未含港澳台数据。
X1 0.0626*** 0.0681 0.0723*** -0.0510 0.0793** 0.0910*** 0.0597***
X2 0.0231*** -0.0180 0.0177 -0.0143 0.0535*** 0.0183 0.0245**
X3 1.4894*** 0.0826 1.6872*** 1.2019** 1.3370** 2.6544*** 1.3302***
X4 0.1048* 0.1430* 0.0463 -0.2268 0.2273*** 0.1730 0.0689*
X5 0.0913** 0.1248* 0.0902** 0.1258 0.1051** 0.0553 0.0925***
X6 0.0052*** -0.0007 0.0055*** 0.0120*** 0.0025 0.0050** 0.0048***
X7 -0.1988 0.2759 -0.2268 -0.6199** -0.1613 -0.3391 -0.1589
X8 0.0038* 0.0088** 0.0030 0.0158*** -0.0024 0.0073** 0.0029
X9 0.3581** -0.1299 0.2731 0.4709 0.4151** 0.7333*** 0.2900
X10 0.0015*** 0.0027** 0.0011** 0.0009 0.0019*** 0.0002 0.0016***
X11 0.0008** 0.0015** 0.0009*** -0.0005 0.0008* 0.0011*** 0.0006**
X12 0.0068** 0.0166** 0.0091** -0.0054 -0.0006 -0.0122 0.0095***
X13 0.6187* 1.9695* 0.8106* 0.2486 0.2624 0.9192 0.6142**
X15 0.0179 0.0559 0.0268* 0.0486* -0.0091 -0.0087 0.0248
常数 -4.2897*** -5.4152*** -4.5495*** -5.2450*** -6.7650*** -4.2756*** -4.7768***
模型1为全部数字创意上市挂牌企业的回归结果。①集聚经济因素均通过显著性检验，地方化经济回归系数显著为正，表明数字创意上市挂牌企业选址依赖于同行业企业空间集聚所带来的外部规模经济，即地理上的邻近、地方机构以及相关的创意和科技服务业集聚等能够使企业进行专业化的分工和交流合作，同时本地数字创意产业的大规模发展也使得技能劳动力的培训、交流和正规教育成为可能；城市化发展带来的城市舒适度、技术发展等软硬实力的提升也是企业布局的重要考量因素，城市等级的回归系数较大，高等级城市拥有开放的文化氛围、较强的经济实力、完善的文化基础设施以及优良的政策环境，同时本地存在的多元化社会资本和产业集群能够与企业各个生产环节产生协同效应，是数字创意企业发展并形成集聚的地域根植性驱动力量。②制度环境因素里，正式制度因素均通过显著性检验。政府对文化与科技事业的投入有利于营造宽松的文化环境和创意氛围，促进传统的产业组织和经济模式发生改变，为企业进入本地市场提供优渥的文化土壤和政策保障。同时也验证了中国数字创意企业的上市、挂牌等行为除受到自身商业利益驱动之外，地方政府的扶持和推动也是其重要驱动力；非正式制度因素里，文化活跃度与企业家创新精神均通过显著性检验，但基于方言种类计算而来的文化多样性未通过检验且回归系数为负，原因可能在于方言本身的身份识别和文化认同效应，造成不同方言群体间产生信任壁垒，从而阻碍了知识、信息、资本等要素的空间流动，不利于企业集聚。③基础设施因素回归系数均显著为正。数字创意企业的发展需要当地配套设施的支持，即使信息化水平、物流运输速度的提高使得远距离运营的交易成本普遍下降，但知识学习的空间成本对于数字创意产业来说仍然很重要，再加上文化表达和对文化价值观的理解依赖于当地环境，因此密集的交通和信息网络、易得的高学历人才有利于企业嵌入本地生产网络并获得非正式的信息和知识外溢。④宏观经济环境因素方面，金融集聚水平、全球连通性均通过显著性检验。区域经济的全球连通性有利于企业嵌入全球生产网络，其参与全球经济活动能力越强越能够吸引数字创意上市挂牌企业的集聚；上市挂牌企业本身具有较高的融资需求，加之数字创意产业高资本投入的特性，企业更倾向于在金融资本丰富的城市布局。产业结构未能通过显著性检验，原因可能在于数字创意企业具有鲜明的跨界融合发展特性，在不同产业之间构建了生产网络，且实现了生产和消费分离，故第三产业发展水平对其影响不显著。
比较模型2~5可以看出，解释变量对不同行业数字创意上市挂牌企业的作用强度存在差异：①数字设备制造类企业布局受正式制度、信息化水平、人力资本、企业家创新精神、全球连通性、金融集聚水平的影响。该类企业为技术密集型企业，其生产如3D电视机、虚拟现实设备、人机交互设备等依赖于先进的科技、基础设施以及高科技人才，同时地区丰富的金融资本又能够满足其高研发投入的需求。②数字创意活动类企业布局受地方化经济、城市等级、政府科技投入、文化活跃度、人力资本、信息化水平、全球连通性、金融集聚水平、产业结构等因素影响。该类企业是中国创意产业数字化转型的主体，需要高度多样化的创意技能和内容资源来开发新形式的产品，因此倾向于在已形成集聚效应、文化氛围活跃、基础设施便利的高等级城市布局。同时其生产制作需要全球分工与协作，对地区的全球化发展水平也较为注重。③设计服务类企业布局受城市等级、非正式制度因素的影响，该类企业多是基于大数据、虚拟现实等先进技术提供创意设计服务，地区的文化环境、创新环境对设计师群体具有较大吸引力。④数字融合服务类企业受集聚经济、正式制度、基础设施因素影响，该类企业主要为传统文化产业提供数字化服务，行业外部关联性特征显著，倾向于布局在文化事业发展繁荣、政策扶持力度大、设施便利、数字化技术市场需求大的地区。
比较模型6~7可以看出，解释变量对不同所有制数字创意上市挂牌企业的作用强度也存在差异：①受地方行政因素影响，国有企业布局以社会效益为首要考虑因素，对地区的正式制度环境、全球化连通性、信息化水平敏感度较低，更易受到地方化经济、城市等级、人力资本、交通通达性、企业家创新精神等因素的影响。②集聚经济、正式制度、文化活跃度、人力资本、信息化水平、全球连通性、金融集聚水平对非国有企业布局具有显著影响。受市场机制和政府力量的双重驱动，非国有企业既注重城市的正式制度环境，同时又受利润最大化原则指导，对地方的软硬设施环境所能带来的市场效益也更为敏感。

4 结论与讨论

4.1 结论

文章刻画了中国数字创意上市挂牌企业的空间分布及演化特征，并初步探讨了其空间分异的影响因素。研究结论如下：
1）数字创意上市挂牌企业总体呈“东密西疏”的空间结构特征，集聚与扩张共存并以集聚为主，且始终保持京津冀、长三角、珠三角等多核心空间形态，并高度集聚在北京、上海、广州、深圳等一线城市，呈现明显的“高等级城市”偏好。区域重心北向迁移显著。东中西部的数字创意企业空间分布高度不平衡，且市级尺度的区域不平衡程度大于省级尺度。
2）不同类型数字创意上市挂牌企业空间分布特征也有所差别。珠三角地区以其雄厚的电子信息制造业基础成为数字设备制造类企业的主要集聚地。京津冀、长三角地区较高的文化产业市场化程度与对外开放程度以及先进的科技水平吸引了大批数字创意活动类、数字融合服务类、设计服务类企业的集聚。受市场机制的驱动，民营企业更倾向于布局在已形成产业集聚规模的京津冀地区，外资企业高度集中在北京、上海、广东三地。国有企业受地方行政因素的影响，分布范围涵盖了京津冀、长三角两大高密度区以及广东、湖南、湖北、四川等地的小规模集聚区。
3）集聚经济、正式制度、非正式制度因素中的文化活跃度与企业家创新精神、基础设施、宏观经济环境因素中的全球连通性、金融集聚水平对数字创意上市挂牌企业分布均具有显著影响，其中城市等级的回归系数最大，文化多样性虽未通过显著性检验但回归系数为负，原因可能在于因方言差异造成的信任壁垒不利于企业集聚。不同类型企业空间分异的影响因素因其产业特性与所有制不同也存在差异。

4.2 讨论

数字创意上市挂牌企业的整体分布格局是中国文化产业政策、数字经济发展与文化消费习惯的局部体现。本文研究发现，即使数字化技术能够实现大规模的生产与消费分离，现阶段数字创意企业向大城市集聚的趋势也并未减弱，企业通过集聚创造外部经济，而一旦集聚经济形成，地方自我强化的机制也会随之形成，现有的文化生产中心被不断强化，这对于非集聚地区的数字创意产业则形成了较大挑战。与此同时企业分布也存在一定分散化趋势，尤其是依托核心城市的丰富资源与区位辐射，周边城市的数字创意产业正逐渐兴起，但中西部地区仍滞后许多，因城市基础设施与技术应用而形成的“数字鸿沟”未来可能会进一步加剧东中西部数字创意产业发展的不均衡。对此提出建议：①优化数字创意产业发展的制度环境。数字创意企业虽有着明显的高等级城市偏好，但研究表明政府对文化和科技事业的投入能够显著增加企业的进入概率，因此各地政府应积极改善地方的文化产业和科技发展环境，通过培育产业集聚发展的内生动力来吸引企业进入本地经济场域。同时政府应在保护文化多样性的同时，提高社会信任水平，降低文化隔阂带来的信任分割的负面影响，为数字创意产业提供多元但包容性强的社会环境。②发挥高等级文化生产中心的集聚和辐射作用，实现数字创意产业向外衍生和辐射，同时重点培育四川、湖南、湖北等中西部地区的次级数字创意产业区，促使形成以“北京–上海–广东–四川”为顶点的菱形数字创意产业发展区，进而扩大文化生产中心带动周边区域繁荣发展的空间范围。③加快城市文化新基建进程尤其是中西部地区的建设力度，特别是加大快捷交通、5G通信、智能设施等新型基础设施投入，进一步弥合数字鸿沟。虽然不同行业的数字创意产业发展特征与区位选择均存在差异，但其具有一定的路径依赖特性，因此应依据各地区的资源禀赋、产业基础、社会环境等合理引导数字创意产业的差异化发展，构建数字创意产业发展的多元化格局。
受限于研究数据的获取，本文仅刻画了数字创意上市挂牌企业的空间格局特征，为数字创意产业生产地理格局的研究提供了实例证明，但仍需扩大样本数量以期更为精准的刻画其空间特征。此外，企业空间分异的影响因素也可能因不同规模、行业小类而存在较大差异，后续将全面讨论数字创意企业空间分异的影响机制。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
李文军, 李巧明. “十四五”时期数字创意产业发展趋势与促进对策[J]. 经济纵横, 2021(2): 71-81.

Li Wenjun, Li Qiaoming. Development trend and countermeasures of digital creative industry during the“14th Five-Year Plan” period. Economic Review Journal, 2021(2): 71-81.

[2]
解学芳, 李琳. 全球数字创意产业集聚的城市图谱与中国创新路径研究[J]. 同济大学学报(社会科学版), 2020, 31(5): 36-51.

Xie Xuefang, Li Lin. A Study on the urban atlas of global digital creative industry agglomeration and China’s innovation approach. Journal of Tongji University (Social Science Section), 2020, 31(5): 36-51.

[3]
臧志彭. 数字创意产业全球价值链重构——战略地位与中国路径[J]. 科学学研究, 2018, 36(5): 825-830.

DOI

Zang Zhipeng. GVC restructuring of the digital creative industries: Strategic position and China’s path. Studies in Science of Science, 2018, 36(5): 825-830.

DOI

[4]
Florida R. The rise of the creative class[M]. New York: Basic Books, 2002.

[5]
Yusuf S, Nabeshima K. Creative industries in East Asia[J]. Cities, 2005, 22(2): 109-122.

DOI

[6]
Pratt A C. Creative cities: The cultural industries and the creative class[J]. Geografiska Annaler Series B-Human Geograph, 2008, 90b(2): 107-117.

[7]
Mathews V. Incoherence and tension in culture-led redevelopment[J]. International Journal of Urban and Regional Research, 2014, 38(3): 1019-1036.

DOI

[8]
Lazzeretti L, Boix R, Capone F. Why do creative industries cluster? An analysis of the determinants of clustering of creative industries[J]. Iermb Working Paper in Economics, 2009, 20(8): 1243-1262.

[9]
Huiwen G, Robert H. Exploring the clustering of creative industries[J]. European Planning Studies, 2017, 25(4): 583-600.

DOI

[10]
Felton E, Collis C, Graham P. Making Connections: Creative industries networks in outer-suburban locations[J]. Australian Geographer, 2010, 41(1): 57-70.

DOI

[11]
Hoyler M, Watson A. Framing city networks through temporary projects: (Trans)national film production beyond "Global Hollywood"[J]. Urban Studies, 2019, 56(5): 943-959.

DOI

[12]
Ernkvist M, Ström P. Differentiation in digital creative industry cluster dynamics: The growth and decline of the Japanese video game software industry[J]. Geografiska Annaler Series B Human Geography, 2018, 100(3): 263-286.

DOI

[13]
Parc J, Kim S D. The digital transformation of the Korean music industry and the global emergence of K-Pop[J]. Sustainability, 2020, 12(18): 7790.

[14]
戴俊骋, 孙东琪, 张欣亮. 中国区域文化产业发展空间格局[J]. 经济地理, 2018, 38(9): 122-129.

Dai Juncheng, Sun Dongqi, Zhang Xinliang. Spatial pattern of regional cultural industry development in China. Economic Geography, 2018, 38(9): 122-129.

[15]
薛东前, 万斯斯, 马蓓蓓, 等. 基于城市功能格局的西安市文化产业空间集聚研究[J]. 地理科学, 2019, 39(5): 750-760.

Xue Dongqian, Wan Sisi, Ma Beibei et al. Spatial agglomeration of cultural industry of Xi’an City based on urban functional pattern. Scientia Geographica Sinica, 2019, 39(5): 750-760.

[16]
何金廖, 曾刚. 城市舒适性驱动下的创意产业集聚动力机制——以南京品牌设计产业为例[J]. 经济地理, 2019, 39(3): 134-142+161.

He Jinliao, Zeng Gang. Dynamic mechanism of creative industry agglomeration under the driving of urban amenities: A case study of brand design industry in Nanjing. Economic Geography, 2019, 39(3): 134-142+161.

[17]
刘耀彬, 袁华锡, 王喆. 文化产业集聚对绿色经济效率的影响——基于动态面板模型的实证分析[J]. 资源科学, 2017, 39(4): 747-755.

Liu Yaobin, Yuan Huaxi, Wang Zhe. Dynamic panel data modeling of the effects of cultural industry clusters on green economic efficiency. Resources Science, 2017, 39(4): 747-755.

[18]
张旭, 余方正, 徐良佳. 基于文化产业企业网络视角的中国城市网络空间结构研究[J]. 地理科学进展, 2020, 39(1): 78-90.

DOI

Zhang Xu, Yu Fangzheng, Xu Liangjia. Spatial structure of urban networks in China based on the perspective of cultural industry enterprise networks. Progress in Geography, 2020, 39(1): 78-90.

DOI

[19]
何卫华, 熊正德. 数字创意产业的跨界融合: 内外动因与作用机制[J]. 湖南社会科学, 2019(6): 95-102.

He Weihua, Xiong Zhengde. Transboundary convergence of digital creative industry: Internal and external motivation and mechanism. Social Sciences in Hunan, 2019(6): 95-102.

[20]
Lowe N, Vinodrai T. The maker-manufacturing nexus as a place-connecting strategy: Implications for regions left behind[J]. Economic Geography, 2020, 96(4): 315-335.

DOI

[21]
Hracs B J. Cultural intermediaries in the digital age: The case of independent musicians and managers in Toronto[J]. Regional Studies, 2015, 49(3): 461-475.

DOI

[22]
国家统计局. 中国城市统计年鉴[M]. 北京: 中国统计出版社, 2020.

National Bureau of Statistics. China city statistical yearbook. Beijing: China Statistics Press, 2020.

[23]
肖凡, 任建造, 伍敏冬, 等. 21世纪以来中国高新技术企业的时空分布和影响机制[J]. 经济地理, 2018, 38(2): 27-35.

Xiao Fan, Ren Jianzao, Wu Mindong et al. The spatiotemporal evolution and the influence mechanism of high-tech enterprise locations in China during the twenty-first century. Economic Geography, 2018, 38(2): 27-35.

[24]
张丽, 韩增林. 大连市文化企业的空间分布变化与区位影响因素[J]. 地理科学, 2020, 40(4): 665-673.

Zhang Li, Han Zenglin. The spatial variation and location influencing factors of cultural firms in Dalian City, China. Scientia Geographica Sinica, 2020, 40(4): 665-673.

[25]
Xu Z, Chuanxiang S, Lin M. Agglomerative patterns and cooperative networks of the online video industry in China[J]. Regional Studies, 2021, 55(8): 1429-1441.

DOI

[26]
Branzanti C. Creative clusters and district economies: Towards a taxonomy to interpret the phenomenon[J]. European Planning Studies, 2015, 23(7): 1401-1418.

DOI

[27]
Wu D. Rethinking creative industries research: Synthesizing the creative class thesis, clustering, and global production network approaches[J]. Geography Compass, 2017, 11(12): e12348

DOI

[28]
Landry C. The creative city: A toolkit for urban innovations[M]. London: Earthscan, 2002.

[29]
Harvey D C, Hawkins H, Thomas N J. Thinking creative clusters beyond the city: People, places and networks[J]. Geoforum, 2012, 43(3): 529-539.

DOI

[30]
马仁锋, 王腾飞, 张文忠, 等. 文化创意产业区位模型与浙江实证[J]. 地理研究, 2018, 37(2): 379-390.

Ma Renfeng, Wang Tengfei, Zhang Wenzhong et al. Location model of cultural&creative industry and its application in Zhejiang. Geographical Research, 2018, 37(2): 379-390.

[31]
Wenting R, Frenken K. Firm entry and institutional lock-in: An organizational ecology analysis of the global fashion design industry[J]. Industrial and Corporate Change, 2011, 20(4): 1031-1048.

DOI

[32]
文嫮, 胡兵. 中国省域文化创意产业发展影响因素的空间计量研究[J]. 经济地理, 2014, 34(2): 101-107.

DOI

Wen Hu, Hu Bing. A spatial econometric study on the influence factors of provincial cultural and creative industries development in China. Economic Geography, 2014, 34(2): 101-107.

DOI

[33]
王彬燕, 田俊峰, 程利莎, 等. 中国数字经济空间分异及影响因素[J]. 地理科学, 2018, 38(6): 859-868.

Wang Binyan, Tian Junfeng, Cheng Lisha et al. Spatial differentiation of digital economy and its influencing factors in China. Scientia Geographica Sinica, 2018, 38(6): 859-868.

[34]
潘峰华, 刘作丽, 夏亚博, 等. 中国上市企业总部的区位分布和集聚特征[J]. 地理研究, 2013, 32(9): 1721-1736.

DOI

Pan Fenghua, Liu Zuoli, Xia Yabo et al. Location and agglomeration of headquarters of public listed firms within China’s urban system. Geographical Research, 2013, 32(9): 1721-1736.

DOI

[35]
徐现祥, 刘毓芸, 肖泽凯. 方言与经济增长[J]. 经济学报, 2015, 2(2): 1-32.

Xu Xianxiang, Liu Yuyun, Xiao Zekai. Dialect and economic growth. China Journal of Economics, 2015, 2(2): 1-32.

[36]
腾讯研究院. 数字中国指数报告(2019)[R/OL]. https://socialone.com.cn/tencent-research-institute-digital-china-report-2019/2020-09-10.

Tencent Research Institute. Digital index report of China (2019). https://socialone.com.cn/tencent-research-institute-digital-china-report-2019/2020-09-10.

Options
文章导航

/

〈 〉