EN中文

地理科学 >

2025 , Vol. 45 >Issue 3: 518 - 530

DOI: https://doi.org/10.13249/j.cnki.sgs.20230587

数字经济与区域发展

中国科技型企业的空间分布及影响因素

  • 于英杰 , 1, 2, 3 ,
  • 杜德斌 , 1, 2, 3, * ,
  • 段德忠 1, 2, 3
展开
  • 1.华东师范大学地理科学学院，上海 200241
  • 2.华东师范大学全球创新与发展研究院，上海 200062
  • 3.华东师范大学世界地理与地缘战略研究中心，上海 200062
杜德斌。E-mail:

于英杰（1996—），女，山东威海人，博士研究生，研究方向为科技创新与区域发展。E-mail:

收稿日期: 2023-12-16

  修回日期: 2024-03-25

  网络出版日期: 2025-04-07

基金资助

国家社会科学基金重大项目(23&ZD330)

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 distribution characteristics and influencing factors of technology-oriented enterprises in China

  • Yu Yingjie , 1, 2, 3 ,
  • Du Debin , 1, 2, 3, * ,
  • Duan Dezhong 1, 2, 3
Expand
  • 1. School of Geographic Sciences, East China Normal University, Shanghai 200241, China
  • 2. Institute for Global Innovation & Development, East China Normal University, Shanghai 200062, China
  • 3. Center for World Geography and Geo-strategic Studies, East China Normal University, Shanghai 200062, China

Received date: 2023-12-16

  Revised date: 2024-03-25

  Online published: 2025-04-07

Supported by

National Social Science Foundation of China(23&ZD330)

Copyright

Copyright reserved © 2025.
Fold

摘要

科技型企业是塑造城市创新空间的第一动力，已成为各国提高综合国力的关键力量。本文利用POI地理大数据定量分析中国科技型企业的空间分布特征及其影响因素。研究发现：① 中国科技型企业总体呈现“东强西弱”的梯度递减趋势，符合胡焕庸线分布规律，空间上形成“三核心–两环带–多核点”的集聚模式；② 大型企业集中于长江以北，以长三角和京津冀为核心，中型企业在珠三角及长三角南部占优势，中西部地区则以小微型企业为主；③ 制造业、科学研究和技术服务业、信息传输、软件和信息技术服务业是科技型企业的三大主导行业，制造业呈现以长三角和珠三角为高密度核心区，科学研究和技术服务业形成东部高值聚集、中部哑铃状扩散、西部单核块状分布，信息传输、软件和信息技术服务业主要沿东部沿海、黄河流域地区及长江经济带分布；④ 市场环境、产业政策、经济实力等因素对企业影响显著，其中大型企业更依赖人力资本，中小微企业更依赖于政府政策支持、市场环境和经济环境。各行业均受政策影响最大，制造业还受市场结构和产业布局影响，服务业则高度依赖人才、经济水平和产业环境。

关键词： 科技型企业; 核密度分析; 区位论; 中国

本文引用格式

于英杰 , 杜德斌 , 段德忠 . 中国科技型企业的空间分布及影响因素[J]. 地理科学, 2025 , 45(3) : 518 -530 . DOI: 10.13249/j.cnki.sgs.20230587

Abstract

Technology-oriented enterprises are the primary drivers of urban innovation spaces and have become a key force for countries to enhance their comprehensive national strength. This study utilizes Point of Interest (POI) geographic big data to quantitatively analyze the spatial distribution characteristics and influencing factors of technology-oriented enterprises in China. The findings are as follows: 1) The overall distribution of technology-oriented enterprises in China exhibits a gradient decline from east to west, conforming to the distribution pattern of the Hu Line, with a micro-scale clustering model of “three cores-two rings-multiple nuclei”; 2) Large enterprises are concentrated north of the Yangtze River, mainly in the Yangtze River Delta and Beijing-Tianjin-Hebei region, while medium-sized enterprises dominate in the Pearl River Delta and the southern part of the Yangtze River Delta, and micro-enterprises prevail in the central and western regions; 3) Manufacturing, scientific research and technical services, information transmission, software, and information technology services are the three leading industries among technology-oriented enterprises. Manufacturing is characterized by high-density core areas in the Yangtze River Delta and the Pearl River Delta, scientific research, and technical services form high-value clusters in the east, dumbbell diffusion in the middle, and single-core block distribution in the west. Information transmission, software, and information technology services are primarily distributed along the eastern coastal area , Yellow River Basin and the Yangtze River Economic Belt; 4) Market environment, industrial policy, and economic strength significantly impact these enterprises, with larger enterprises relying more on human capital and small and micro enterprises depending more on government policy support, market environment, and economic conditions. All industries are most affected by policies, with manufacturing also influenced by market structure and industrial layout, and the service industry highly dependent on talent, economic level, and industrial environment.

Key words： technology-oriented enterprises; kernel density estimation; location theory; China

当今世界，科技创新已成为各国提高综合国力的关键支撑[1]，科技企业一直被视为区域创新增值的最大贡献者[2-3]，其空间集聚形态在一定程度上决定着区域发展的基本格局和创新趋势，是城市地理、经济地理和创新地理交叉研究的重点领域[4]。中共二十大报告（https://www.gov.cn/xinwen/2022-10/25/content_5721685.htm）指出要强化企业科技创新主体地位，发挥科技型骨干企业引领支撑作用，营造有利于科技型中小微企业成长的良好环境。城市作为国家经济发展的核心载体和参与国际竞争网络的基本单元[5]，其创新环境直接影响科技企业的成长和迁移。因此探究中国科技型企业的空间分布规律和影响因素，对优化科技型企业空间布局、统筹推进区域科技创新中心建设和提升国家创新体系整体效能具有重大意义。
19世纪，以韦伯、廖什为代表的工业区位论、市场区位论提出了工业企业布局的一般性规律，即成本运费最小原则和市场最大化原则[6-7]。科技创新时代，企业发展的要素需求和创造性的工作方式使其分布规律区别于传统工业布局的一般性规律[8]，且不同行业和规模的企业分布规律也略有差异。在企业规模上，国内外学者认为跨国公司[9-10]、百强企业[11]、全球创新1000强企业[12-13]等大型创新企业总部更集中分布在区域中心超大和特大城市[14-15]，主要在于大企业自身具备独立的创新能力，因此对外界环境的依赖性更取决于超大城市最佳的投资环境和经济潜力[16]。高增长的中小型创新企业（如瞪羚企业、隐形冠军企业）易集聚在城市环境相对发达的中等城市和大城市[17-19]，得益于中等城市的马歇尔外部经济（行业内集聚）和大城市的雅各布斯外部经济（跨行业集聚）[20]。在产业类型上，技术密集型产业相比传统工业空间分布更加不均衡[21-22]，高新技术服务业与高新技术制造业的空间分布非均衡程度依次降低[23]，服务业企业相较于制造业更加集中在直辖市、省会和副省级城市[24]。重化工企业分布具有显著的弱地理邻近分布效应，易受政治因素和经济政策影响[25-26]，技术密集型企业相比传统工业、服务业企业更受人力资本、城市产业结构影响[27-28]。随着时代和企业生产需求改变，知识水平[29]、政策驱动[30]、创新环境等因素被明显放大，用地成本[31]、交通通达性[32]等因素作用则逐渐减弱。尽管上述研究成果逐步完善了科技企业空间分布与影响因素研究的广度和深度，得到普适性和部分区域性的影响因子，但对不同规模、不同行业类型的科技企业区位选择因素差异尚不清晰。此外，在数据选取上多使用百千数量样本，以行政边界为基本空间单元，研究样本量较小且空间分辨率较低，用其中一类企业数据难以刻画中国科技型企业空间分布全貌，也难以反映出不同类型企业的因素差异性。
1999年，科技部和财政部就联合发布科技型中小企业申报条件，之后国家及各省市又出台一系列高新技术企业、隐形冠军企业等认定程序文件①，从认定文件看这些企业均具有科技创新水平。企查查平台将国家及各省市公布的高新技术企业、科技型中小企业、民营科技企业、雏鹰企业、瞪羚企业、独角兽企业、工程技术研究中心、技术创新示范企业、技术先进性服务企业、科技企业孵化器、科技小巨人企业、民营科技企业、企业技术中心、隐形冠军企业、众创空间、专精特新小巨人、专精特新中小企业名单进行规整，共有48万余家（截至2022年）。本文运用POI地理大数据并结合空间分析方法，从不同规模和行业分析中国科技型企业的空间分布特征，规避由于行政区划导致的可塑性面积单元问题。基于城市尺度采用负二项回归方法诠释不同类型企业差异化分布的影响因素，为优化科技企业创新布局、构建不同类型科技企业优势互补的创新生产体系提供决策参考。

1 数据来源与研究方法

1.1 数据来源

本文科技型企业数据来源于企查查平台②，该平台数据均来源于国家或地方政府网站公开公示信息，已被大量应用于经济地理学研究中[23,33]。通过企查查网站批量获取截止2020年所有正常状态（在业/存续/迁入/迁出/设立）的科技型企业名单，包括所属行业、注册地址等信息，获取时间为2022年12月。由于部分企业具有多个类型标签，为避免在爬取过程中企业名称重复出现，一次性选择17个类型企业，最后检查结果未出现重复企业名称。通过百度地图将企业注册地址转换为地理坐标，共生成485908个企业空间数据点作为基础分析数据。影响因素指标选取近5 a数据分析其对科技型企业分布的影响，其中轨道交通车辆数来源城市建设统计年鉴③，风险投资机构数据来源于CVSource数据库④，重大科技基础设施来源于中国科学院重大科技基础设施共享服务平台⑤，教育部重点实验室来源于科塔学术网站①，全球前500强企业数量来源于《财富》榜单②，政府公布科技、科教、产学研词频数收集整理自各地方政府工作报告③，其他数据均来源于《中国城市统计年鉴》和各城市统计年鉴④，港澳台数据暂缺。

1.2 研究方法

1.2.1 最近邻指数

最近邻指数可以测度“点要素”的地理空间分布形态，通过该方法测度企业间的相互邻近程度，进而确定其空间分布形态[22]。

1.2.2 核密度

核密度估计法（KDE）是空间分析中常用的一种非参数估计方法，常用来分析点要素在周边领域内的密度，刻画研究对象的空间密度特征和分布趋势[4]。本文以核密度分析法测度中国科技型企业空间分布的总体格局及其集聚变化状况。

1.2.3 负二项回归模型

本文采用回归模型揭示科技型企业空间集聚的影响因素，由于因变量存在“过度分散”，即方差明显大于期望，所以使用负二项回归模型。本文将城市科技型企业总数及不同规模、不同行业企业数作为因变量分别进行负二项回归分析，模型公式如下：
$ \mathit{ENT=\alpha+\beta}_{\mathit{\mathrm{1}}}\mathit{X}_{\mathit{\mathrm{1}}}\mathit{+\beta}_{\mathit{\mathrm{2}}}\mathit{X}_{\mathit{\mathrm{2}}}\mathit{+\beta}_{\mathit{\mathrm{3}}}\mathit{X}_{\mathit{\mathrm{3}}}+\cdots\cdots+\beta_{\mathit{i}}\mathit{X}_{\mathit{i}}\mathit{+\varepsilon}_{\mathit{i}} $
式中，α是常数项；β是系数；X是自变量；εi是随机误差项；被解释变量ENTsum、ENTmax、ENTmed、ENTmin、ENTmini、ENTmanu、ENTsci-ser、ENTinf-ser分别表示中国各城市科技型企业总数，大中小微规模企业数和制造业，科学研究和技术服务业，信息传输、软件和信息技术服务业企业数，为减少该指标数据存在的波动性，因变量均做对数处理。

2 中国科技型企业的空间分布格局

2.1 总量分布特征

中国科技型企业总体呈现出东高、中次、西低的“梯度化”（https://www.stats.gov.cn/hd/lyzx/zxgk/202107/t20210730_1820095.html）集聚分布特征。运用最邻近点指数对企业空间分布形态进行测度，结果表明，中国科技型企业实际最近邻距离为308 m，理论最近邻距离为3807 m，最邻近指数为0.08<1，表明中国科技型企业在空间分布上整体呈现集聚结构状态。以胡焕庸线（黑河−腾冲线）为界，科技型企业在胡焕庸线两侧出现明显的分布差异，线以东占据约98.5%的企业，而以西仅占1.5%。核密度测算结果显示，中国科技型企业在空间分布上形成三大密度核心区、两大环核延伸带及多个次高密度区，呈现以“三核心–两环带–多核点”为依托的集中连片分布结构（图1）。三大密度核心区分别为以北京、天津为核心的京津冀地区，以上海、苏州、杭州为核心的长三角地区和以深圳为核心的珠三角地区。两大环核延伸带分别是以京津核心区向南辐射的京津冀鲁创新带和以上苏杭为核心向南北延伸的江浙创新带。河南、陕西、四川、湖北等省区形成以省会城市为中心的相对独立的单核聚集点。
图1 中国科技型企业的核密度和LISA聚类图

基于自然资源部标准地图服务网站审图号为GS（2023）2763号的标准地图制作，底图边界无修改，港澳台数据暂缺

Fig. 1 Kernel density and LISA clustering of technology-based enterprises in China

运用全局Moran’s I和局部空间自相关进一步判断企业的空间集聚特征，结果显示全局Moran’s I值为0.288，正态统计量Z值为9.467，P值为0.01即通过显著性检验，表明中国科技型企业的地理空间分布呈现出显著的空间集聚特征。基于邻接关系权重矩阵下形成的局部空间自相关（LISA）主要表现为高–高、高–低、低–高与低–低集聚特征，其中东部沿海地区的京津、山东半岛向南延伸至浙江及珠三角地区高–高集聚态势明显，高–高聚类城市群周边环绕的城市多表现为低–高聚类特征，昆明及东北地区的沈阳、长春和哈尔滨与邻近城市之间呈现出显著的高–低集聚特征，胡焕庸线以西及云南和广西地区多呈现出低–低集聚格局，说明中国科技型企业与周边邻域存在明显的空间依赖性。

2.2 不同规模企业空间分布特征

企查查平台基于大数据模型，结合不同行业企业的经营数据计算形成L（大型）、M（中型）、S（小型）和XS（微型）4类企业规模分类体系，该分类结果基本符合相关学者关于大中小微企业规模的划分标准[34]。统计结果显示全国大、中、小、微型科技企业分别有7507家、71011家、308024家、94969家，借用核密度方法分别测算出4类规模企业的空间分布格局（图2）。大型企业空间分布整体呈现“两主核心+一副核心+两环带”的自东向西辐射扩散格局。两主核心为长三角和京津冀地区，一副核心为珠三角地区，两环带分别为以京津冀为主核心向南延伸的环渤海带和以长三角为主核心向西扩展为长江中下游企业带。除两大高核心区外，其他区域的大型企业集聚性较弱，总体呈离散分布形态，低值区在中西部地区呈现明显的面状分布特征。中型企业的高值区更偏向南部地区，空间分布密度呈“两主一副、沿海分布、西部偏低”的结构特征。珠三角和长三角区域是中型规模企业的高度集中区，副核心区以组团状分布于京津冀地区，华中、华西地区空间分布密度相对较低。通过对比发现大型企业更偏向于长江以北地区，中型企业则更倾向分布在长江以南地区。
图2 不同规模的科技型企业核密度

基于自然资源部标准地图服务网站审图号为GS（2023）2763号的标准地图制作，底图边界无修改，港澳台数据暂缺

Fig. 2 Kernel density of technology-oriented enterprise of different sizes

小型企业空间分布密度最高，整体呈现东部以京津冀、长三角和珠三角为三大高密度核心区，中部以冀南豫北和鄂湘交界为次低值片状集聚，西部以成渝、西安为次低值组团状集聚分布。微型企业空间分布范围相对广泛，东中西部均有不同密度值的集聚区，各核心区围绕主要城市群集聚，并向周边拓展为组团式的离散分布格局。东部沿海地区分别以长三角和深圳为高密度核心区，以京津冀和珠三角城市群为两大次高密度核心区，中部的鲁豫交界处、鄂湘交界区为两大次低核心点团，成都、西安构成西部相对较高的密度区。相对来看，小型企业和微型企业在中西部的分布范围要远高于大中型企业在中西部的分布面积，高密度城市群与次核心点团向四周扩散覆盖至胡焕庸线以东地区。

2.3 不同行业企业空间分布特征

从行业类型来看，制造业、科学研究和技术服务业及信息传输、软件和信息技术服务业是科技型企业占比最高的前3大行业，分别占科技型企业数量总量的38.66%、31.05%、14.35%，其余16大行业门类均有科技企业形成，但总量共占科技型企业总数的16%，因此重点分析前3大行业的空间格局特征。
核密度结果显示不同行业的科技型企业空间密度差异大、类型区隔明显、地域分异显著。制造业在国内空间分布相对广泛，核密度南方高于北方、东部高于西部，形成以长三角和珠三角为高密度核心区、津冀苏浙和青岛为次密度核心区的空间特征（图3）。珠三角密度区围绕广深城市集聚、长三角密度区以上苏杭为核心并向周边拓展为组团式和带状式分布，组团集聚区内外企业分布密度差异较大，这源于该地区高密度的城市群对周边地区产业的创新带动效应。中西部的川渝交界处、陕南、豫北、鄂东、湘东区域组团式块状分布格局较为明显，上述地区经济发展水平和科技创新水平较高，容易形成以技术革新为突破的科技制造业集群。反观新疆、西藏、青海等胡焕庸线以西省区及云南、广西、贵州的科技型制造业企业核密度低于0.0184。这与当地的制造业基础薄弱及落后的经济科技水平有关，加之人口居住相对分散，地区制造业创新集约性生产普遍不高。
图3 三大行业门类的科技型企业核密度

基于自然资源部标准地图服务网站审图号为GS（2023）2763号的标准地图制作，底图边界无修改，港澳台数据暂缺

Fig. 3 Kernel density of technology-oriented enterprise in three industry sectors

科学研究和技术服务业在空间上形成东部高值聚集、中部哑铃状扩散、西部单核块状分布的“两主核心+一副核心+多节点+环海带”的分布格局（图3）。“两主核心”为东部地区的京津城市群和长三角城市群，“一副核心”为珠三角城市群，中部地区以武汉和长沙为南部哑铃状向周围扩散、以郑州和石家庄为北部哑铃状向周围扩散，西部以西安和成都为节点、东北地区以沈阳、长春和哈尔滨为节点呈单核状集聚分布，东部山东省将京津冀和长三角两大主核心链接起来形成一条环海的科学研究和技术服务带。该类科技型企业空间分布面积小于制造业，但核密度量级最高，高值区和低值区空间两极分化严重，只有少数城市具备雄厚的智力资源和创新条件，因此具有高度的空间集聚性。
信息传输、软件和信息技术服务业空间分布相对分散，主要沿东部沿海、黄河流域地区及长江经济带分布，大致呈现“横T型”分布格局，同时存在两大一小主核心区、四小副核心区、多单核组团式的集聚格局（图3）。东部沿海地区按照集聚程度分别是长三角、珠三角的两大主核心区和北京一小主核心区，在京主核心区外围及成都、西安、武汉形成四小副核心区。主核心区均为经济发达、实力雄厚、资源丰富的地区，副核心区主要得益于全国和当地政策支持，加上良好的产业基础长期以来滋养形成一批发达的信息技术服务业。中西部形成较为清晰的单核链状分布格局，中东部地区的单核区多与周边地区以组团状集聚分布，说明中东部地区的核心城市辐射带动作用较强，而西部地区尚未形成良好的合作互动。

3 影响因素分析

3.1 指标选取

本研究在参考现有实证研究的基础上，从传统区位论角度出发，依据“3T”等理论和科技型企业的内涵[6,35-36]，构建科技型企业区位选择机制框架图（图4）。其内在逻辑是古典区位论中的成本决定论和利润决定论强调运费、距离与原料对工业区位选择的重要性[35]，工业区位论进一步总结出运费、劳动费、集聚和分散是决定生产场所的一般因素[6]，之后不断被学者补充发展为区位条件、劳动力条件、资源禀赋和市场条件[37]。
图4 科技型企业区位选择机制框架图

Fig. 4 Framework diagram of location selection mechanism for technology-oriented enterprise

科技型企业是以高素质人才为主要劳动力、以知识创新和技术创新为核心竞争力、以开发高技术含量产品和提供知识密集型服务为目标的高成长型企业，整个生产过程弱化了土地、矿产等传统物质区位因子，凸显了知识区位、智力资源等价值。因此时间成本成为企业新区位再选择的重要因素，廉价劳动力转化为高素质人才，传统资源禀赋在以知识技术创新为核心动力下转变为创新资源禀赋，新产品和新服务的市场销售从临近市场原则转变为国内外市场。因此，在选择自变量时要考虑影响企业创新的过程变量，本文共选择9大因素、23项指标作为影响科技型企业区位选择的因素。
具体而言：第一，交通便利有利于降低时间成本，促进隐性知识传播，本文选取公共汽车数量、轨道交通车辆和民用航空客运量衡量城市内外交通连通水平(TRA)[38]；第二，人力资本(HC)不仅包括高校的知识分子，还包括社会中高素质劳动力[39]，高等学校教师数、在校大学生数、高等学校数均反映该城市的人力资源数量、质量及潜在创业者，工资水平能在一定程度上反映出城市社会就业人员的素质[40]。第三，创新资源禀赋包括产业环境(IND)、创新基础设施(INF)、金融环境(FIN)、政策环境(POL)、创新创业环境(ENT)和经济实力(ECO)，本文选择第二产业和第三产业分别占GDP比重作为城市产业基础，已有研究表明城市产业基础对独角兽企业影响最大[40]。创新基础设施对企业研发活动和企业创新创业具有重要作用，选取重大科技基础设施、科教基础设施、产业技术创新基础设施表征城市创新基础设施条件[41]。完善的金融体系和良好风险投资环境可为科技型企业的成长提供资金支持和专业知识服务[42]，选取年末金融机构各项存贷款余额和风险投资机构数量反映城市金融环境。政策环境包括财政支出和创新创业支持[43]，选取科技财政支出占总支出比重和政府公布科技、科教、创业词频数表示城市政策环境。创新创业环境包括城市包容环境和创新活力，包容环境有助于吸引留住各类企业，选取市区暂住人口数表示城市的包容性，知识更新速度可反映城市知识创新活力，规模较大的科技龙头企业会吸引带动中小规模企业集聚[44]，选取全球前500强企业数量表示城市的龙头企业。经济水平高的城市承受企业合作与技术创新交易成本的能力也更强[38,44]，用人均地区生产总值衡量城市经济发展基础。第四，市场环境包括国内外市场潜能和对外开放度，已有研究表明拥有大量客户的市场会形成多样化和个性化的服务需求，临近市场有利于企业及时捕捉市场信息，国外市场有利于引进先进的管理经验和资本运作方式[45]。本文以296个地级及以上城市为研究对象（港澳台数据暂缺），借助熵值法计算出科技型企业影响因素各指标的权重，依据各权重系数计算出城市各要素层的得分。

3.2 结果分析

本文以市域范围内不同类型的科技型企业数量为因变量，上述9项影响因素的分值为自变量，考虑到被解释变量均为大于0的整数值且方差（1.28e+07）与均值（1628.341）之间差距较大，存在过度离散现象，所以使用负二项回归模型进行影响因素分析。自变量共线性诊断参数VIF值均低于6，说明自变量之间不存在明显的共线性，回归结果见表1。
表1 负二项回归结果

Table 1 Negative binomial regression results

模型1
（ENTsum）		 模型2
（ENTmax）		 模型3
（ENTmed）		 模型4
（ENTmin）		 模型5
（ENTmini）		 模型6
（ENTmanu）		 模型7
（ENTsci-ser）		 模型8
（ENTinf-ser）
　　注：显著性水平***：P<0.01，**：P<0.05，*：P<0.1；括号内为标准误；ENTsum、ENTmax、ENTmed、ENTmin、ENTmini、ENTmanu、ENTsci-ser、ENTinf-ser分别表示中国各城市科技型企业总数，大型规模企业数，中型规模企业数，小型规模企业数，微型规模企业数，制造业企业数，科学研究和技术服务业企业数，信息传输、软件和信息技术服务业企业数；城市内外交通连通水平(TRA)、市场环境(MAR)、金融环境(FIN)、人力资本(HC)、创新创业环境(ENT)、创新基础设施(INF)、产业环境(IND)、政策环境(POL)、经济实力(ECO)；港澳台数据暂缺。
TRA –0.252
（0.403）		 –0.119
（0.384）		 –0.352
（0.329）		 –0.279
（0.168）		 –0.289
（0.364）		 –0.097
（0.366）		 –0.128
（0.480）		 –0.525
（0.474）
MAR 0.652***
（0.909）		 1.531***
（0.763）		 1.257***
（0.254）		 0.542***
（0.199）		 0.584**
（0.973）		 0.874***
（0.791）		 0.766***
（0.870）		 0.871**
（0.975）
FIN –0.349
（0.275）		 –0.499
（0.445）		 –0.039
（0.369）		 –0.224
（0.466）		 –0.319
（0.209）		 0.376
（0.317）		 –0.089
（0.339）		 0.352
（0.299）
HC 0.360**
（0.217）		 0.803***
（0.237）		 0.616**
（0.261）		 0.398
（0.125）		 0.423
（0.349）		 0.493**
（0.580）		 0.650***
（0.187）		 0.554***
（0.158）
ENT 0.447
（0.594）		 0.673
（0.532）		 0.277
（0.287）		 0.783
（0.146）		 0.253
（0.329）		 0.259
（0.145）		 0.368
（0.389）		 0.681**
（0.399）
INF 0.755*
（0.702）		 0.528*
（0.486）		 0.343
（0.297）		 0.279
（0.521）		 0.577
（0.618）		 0.873
（0.672）		 0.220
（0.758）		 0.754
（0.162）
IND 0.579***
（0.419）		 1.397***
（0.473）		 0.644**
（0.497）		 0.616
（0.511）		 0.712
（0.431）		 0.616***
（0.386）		 0.269**
（0.455）		 0.423***
（0.425）
POL 0.761***
（0.261）		 0.826***
（0.885）		 1.152***
（0.205）		 1.559***
（0.216）		 1.187***
（0.245）		 1.309***
（0.121）		 1.273***
（0.219）		 1.336**
（0.377）
ECO 0.348***
（0.679）		 0.358**
（0.366）		 0.548
（0.387）		 0.475**
（0.461）		 0.275***
（0.506）		 0.259**
（0.609）		 0.382***
（0.107）		 0.292**
（0.141）
常数项 1.070
（0.319）		 –1.954
（0.336）		 0.705
（0.388）		 1.845
（0.368）		 0.884
（0.083）		 1.054
（0.077）		 0.819
（0.254）		 −0.385
（0.369）
样本数 296 296 296 296 296 296 296 296
Prob>chi2 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
Loglikelihood –2204.189 –2009.189 –2009.242 –1750.647 –1469.066 –1619.496 –2069.438 –1768.225
模型1显示中国科技型企业整体受市场环境、产业环境、政策环境和经济环境影响最大，4类因素均在1%的置信水平下通过显著性检验，且标准化系数均为正值，其中政策支持对科技企业的吸引力度最大，其次是市场环境，包括该地区国内外市场销售潜力和外商投资环境均对科技企业产生重要影响，城市产业结构合理和经济基础也有利于相同产业的科技型企业集聚，对其分布具有较强的积极影响。城市人力资本通过置信水平为5%的显著性检验，说明人才也是科技型企业集聚的重要动力之一。城市创新基础设施条件也在10%的置信水平下通过显著性检验，说明相比于交通基础设施未通过显著性检验，科技型企业更受重大科技基础设施、科教基础设施等创新基础设施的影响较大。金融环境和创新创业环境对科技型企业的空间分布并不显著，可能原因是目前中国科技型企业分布还未充分实现在市场驱动下自由流动，更多受地方政策驱动和制度限制影响。
模型2~5分别显示不同规模企业影响因素结果：大规模的科技型企业受市场环境、产业环境、政策环境和人力资本影响较大，其中市场环境和产业环境的贡献力度最大，其次是政策环境和人力资本，以上因子均通过1%的显著性检验。创新基础设施对大型规模企业影响较大，而对中小微型企业未产生显著性影响，模型3到模型5结果显示中小微型企业更倾向于在政策支持力度高、市场容量大和经济实力强的地区集聚，其中政策环境对规模较小的科技型企业影响力最大。说明大规模企业自身具备较强的创新实力，更易在市场驱动下受地区创新资源影响而自由流动，而中小规模企业的创新实力相对较低，还需借助政府力量完成科技创新活动。人力资本对不同规模企业均具有显著的正相关性，其中规模越大的企业受其影响力越大，也进一步说明规模越大的企业对人才数量和质量要求越高。
模型6到模型8表示上述影响因素对不同行业的科技型企业影响程度，整体来看，政策支持环境均对制造业、科学研究和技术服务业、信息传输、软件和信息技术服务业企业具有极大促进作用。此外，模型6显示制造业的科技型企业受市场环境影响较大，其次是产业环境，说明传统制造业转型升级和新兴制造业国际化迈进离不开政策引导和开放包容的市场环境，合理优化的产业结构也有利于各行业通过协作研究和交叉技术扩大产业合作领域。模型7显示市场环境、人力资本和地区经济实力对科学研究和技术服务业也存在显著的正向影响，表明作为一种运用现代知识技术和分析研究方法，以及经验、信息等要素向社会提供智力服务的新兴产业，极大依赖于当地人才智力支持和经济水平支撑。模型8显示信息传输、软件和信息技术服务业对人力资本和产业环境依赖性更强，其次市场环境、创新创业氛围和经济基础，表明在全球信息化时代，信息传输、软件和信息技术服务业深受地区高素质人才和产业分布影响，人才是知识技术的创造者和搬运者，不同产业对知识信息的需求度不同，因此该类行业的科技企业更倾向于在知识创造者和信息技术高需求地集聚表1。

4 结论与建议

4.1 结论

本文利用48万多个企业微观数据定量识别不同规模不同行业类型的科技企业空间分布特征，规避由于行政区划导致的可塑性面积单元问题，同时构建科技型企业区位选择机制理论框架，探究不同规模不同行业类型企业差异化分布的影响因素，结果显示不同类型企业区位选择主导因素存在差异性。具体结论如下：
1）中国科技型企业总体呈现“自东向西”的梯度化递减分布格局，符合胡焕庸线分布规律，其中华东、华北和华南地区是科技型企业的高集聚区。微观尺度下科技型企业呈现“三核心–两环带–多核点”的片状集聚结构，京津冀、长三角和珠三角地区为三大核心密度区，京津冀鲁创新带和江浙创新带为两大环核带，中西部省会中心城市为相对独立的单核聚集点，整体呈现显著的东部沿海高–高集聚、中部低–高集聚、东北高–低集聚和胡焕庸线以西低–低集聚的空间聚类态势。
2）不同规模的科技型企业空间分异也略有差异，大型企业偏向集中在长江以北，整体呈现以长三角和京津冀地区为两大主核心，珠三角城市群为一副核心，以环渤海和长江中下游为两条龙头企业带的空间格局特征。中型科技企业的高值区更偏向长江以南地区，珠三角和长三角区域是中型企业的高度集中区，小、微型企业空间分布密度最高且空间分布范围相对广泛，东中西部均有不同密度值的集聚区，各核心区围绕主城市群集聚，并向周边拓展为组团式的离散分布格局。各规模企业均以京津冀和长三角为东部环海带的两端点形成一条科技企业创新带，且长江以北的东部沿海地区较长江以南沿海地区的企业集聚相对明显。
3）从行业分布来看,制造业、科学研究和技术服务业、信息传输、软件和信息技术服务业是我国科技型企业的三大主导行业。不同行业类型的科技型企业空间分布不均衡、类型区隔明显、地域分异显著，制造业企业分布范围最广泛，形成以长三角和珠三角为高密度核心区、津冀青苏浙为次密度核心区的空间分布格局。科学研究和技术服务业核密度量级最高，高低值区两极分化严重，形成东部高值聚集、中部哑铃状扩散、西部单核块状的“两主核+一副核+多节点+环海带”分布格局。信息技术服务业企业空间布局整体相对分散，主要沿东部沿海、黄河流域地区及长江经济带分布呈“横T型”分布。
4）负二项回归分析显示不同规模、不同行业的科技型企业影响因子及影响程度略有差异。中国科技型企业整体受市场环境、产业环境、政策环境和经济实力影响最大，其次是人力资本和创新基础设施。人力资本对不同规模企业均具有显著的正相关性，其中规模越大的企业受其影响力越大，但对小微型企业无显著影响，中小微企业更依赖于政策支持、市场环境和经济环境。从各行业来看，三大行业均受政策环境影响最大，其中制造业还受市场环境和产业结构影响较大，科学研究和技术服务业也极大依赖于当地人才智力支持和经济水平支撑，信息传输、软件和信息技术服务业企业深受地区高素质人才和产业分布影响。

4.2 建议

科技创新时代，吸引与培育科技型企业是提高区域科技竞争力的重要动力来源。在此背景下，遵循科技型企业的本质特征和发展规律，探究优化区域创新环境以促进城市精准吸引和培育各市发展所需的不同类型科技型企业成为亟待解决的关键问题。针对中国科技型企业的整体分布特征及不同类型企业的空间分布规律和影响因素，提出以下对策建议：① 华东地区科技企业最为密集，应建设一流创新基础设施、集聚全球风险资本、营造尊重科学和宽容失败的创新创业环境，在市场供求规律下实现创新资源自由流动，形成更加开放高效的多规模多类型企业协同创新网络；华北、华南和华中地区中小企业最为密集，应形成区域龙头企业和政府共同引领的企业科创环境，地方政府要加大创新基础设施建设和科研财政支出，构建多规模企业协同创新模式。② 大型企业依托国家产业政策扶持，着力推进新技术、新业态和新模式的扩散应用，加强跨国复合型人才培育，营造海纳百川、开放包容、追求卓越、敢于冒险的创新精神，加强重大科技基础设施等平台建设，从全球科技战略发展的市场趋势中寻找新的增长点，力争培育更多的世界一流企业；根据中小型企业行业特点、企业所处阶段和区域战略需求等因素综合考虑，强化中小企业创新要素保障，加大政府采购支持力度，拓展科技型中小企业市场空间，鼓励大规模企业要发挥产业创新带头作用和风险资本保障作用，在资金来源、创新伙伴上促进初创企业、小微企业、独角兽企业和龙头企业等的创新合作。③ 坚持综合型的产业发展方向，重点支持科技型企业在知识密集型制造业和科学研究和技术服务业、信息传输、软件和信息技术服务业等国家重点发展的新兴产业领域中的创新项目，同时要立足现有产业基础，引导和鼓励科学研究和技术服务业企业强化技术集成应用能力，围绕区域重点产业，整合优化产业链，利用高新技术和先进适用技术改造和提升传统产业，搭建以开放式创新为导向的跨国公司与本土企业创新合作平台，为科技型企业发展提供全面的产业结构和深厚的产业基础。

4.3 展望

本文受限于数据可得性与处理复杂性，暂时无法获取企查查平台前些年科技型企业数据，团队将在后续研究中及时跟踪数据更新动态，选取多年数据探究中国科技型企业的时空演变特征，根据不同企业类型特点和发展需求修正和完善科技型企业影响因素指标体系，并进一步研究集聚及其变动的影响机理。区域创新创业发展最合理的战略是不同类型企业之间的合作战略，其内部不同规模、不同类型企业的分配和布局关乎区域科技创新发展趋势，进而影响国家创新的整体分布格局，探索企业创新地理和产业创新地理更是当前乃至未来相当长一段时期内研究的热点、难点问题。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
杜德斌. 全球科技创新中心动力与模式[M]. 上海: 人民出版社, 2015

Du Debin. Power and mode of global science and technology innovation center. Shanghai: People’s Publishing House, 2015.

[2]
Acs Z J, Audretsch D B. Entrepreneurship, innovation and technological change[J]. Foundations and Trends in Entrepreneurship, 2005, 1(4): 149-195.

DOI

[3]
Carree M A, Thurik A R. The impact of entrepreneurship on economic growth[M]. New York: Springer, 2010: 557-594.

[4]
钟业喜, 傅钰, 郭卫东, 等. 中国上市公司总部空间格局演变及其驱动因素研究[J]. 地理科学, 2018, 38(4): 485-494.

Zhong Yexi, Fu Yu, Guo Weidong et al. Spatial pattern evolution and driving factors of China’s listed companies. Scientia Geographica Sinica, 2018, 38(4): 485-494.

[5]
刘硕, 李治堂. 创新型城市建设国际比较及启示[J]. 科研管理, 2013, 34(S1): 58-64.

Liu Shuo, Li Zhitang. International comparison of innovative city construction and inspiration. Science Research Management, 2013, 34(S1): 58-64.

[6]
韦伯. 工业区位论[M]. 李刚剑, 译. 北京: 商务印书馆, 1997

Weber A. Industrial location theory. Translated by Li Gangjian. Beijing: Commercial Press, 1997.

[7]
廖什. 经济空间秩序[M]. 王守礼, 译. 北京: 商务印书馆, 1995

Losch A. The economics of location. Translated by Wang Shouli. Beijing: Commercial Press, 1995.

[8]
马晓敏, 张志斌, 公维民, 等. 兰州市都市型工业空间分布及区位选择[J]. 世界地理研究, 2023, 32(4): 119-131.

DOI

Ma Xiaomin, Zhang Zhibin, Gong Weimin et al. Analysis of spatial distribution and location selection of urban industries in Lanzhou. World Regional Studies, 2023, 32(4): 119-131.

DOI

[9]
Castellani D, Lavoratori K, Perri A et al. International connectivity and the location of multinational enterprises’ knowledge-intensive activities: Evidence from US metropolitan areas[J]. Global Strategy Journal, 2022, 12(1): 82-107.

DOI

[10]
Mudambi R, Narula R, Santangelo G D. Location, collocation and innovation by multinational enterprises: A research agenda[J]. Industry and Innovation, 2018, 25(3): 229-241.

DOI

[11]
Csete M, Szabó M. How the spatial distribution of the Hungarian TOP 500 companies affects regional development: An examination of income generation at subnational scale[J]. Regional Statistics, 2014, 4(1): 40-60.

DOI

[12]
马静涵, 刘天宝. 全球创新1000强上市公司的行业特征与空间格局[J]. 经济地理, 2021, 41(1): 121-130.

Ma Jinghan, Liu Tianbao. Industry characteristics and spatial pattern of the top 1000 global innovation listed companies. Economic Geography, 2021, 41(1): 121-130.

[13]
姚康. 基于企业视角的兰州市制造业地理集中与集聚研究[D]. 兰州: 兰州大学, 2010

Yao Kang. Research on geographical concentration and agglomeration of industries in Lanzhou: An empirical study basied on enterprise perspective. Lanzhou: Lanzhou University, 2010.

[14]
王璐茜, 徐维祥, 唐根年, 等. 中国制造业和服务业大型企业的时空格局演化及其关联性——基于500强企业的分析[J]. 科技管理研究, 2021, 41(10): 105-111.

Wang Luqian, Xu Weiyang, Tang Gennian et al. Spatial-temporal evolution and correlation of large-scale enterprises in China: Based on the analysis of top 500 manufacturing and service enterprises. Science and Technology Management Research, 2021, 41(10): 105-111.

[15]
Haitao M, Weid Y, Xiaodong H et al. The innovation networks shaped by large innovative enterprises in urban China[J]. Journal of Geographical Sciences, 2023, 33(3): 599-617.

DOI

[16]
Barkhatov V, Belova I, Bents D. Large-sized enterprises in Russia: An analysis of federal districts[J]. Procedia-Social and Behavioral Sciences, 2018, 238: 303-312.

DOI

[17]
Yudenko M, Polovnikova N, Chikisheva N et al. International practice of fast-growing innovative companies[J]. Chinese Business Review, 2017, 16(10): 496-503.

[18]
Pinkovetskaya J S, Meliksetyan N, Pavlyuk A V et al. Small and medium-sized enterprises in the Russian federation: Regularities of spatial distribution[J]. Journal of Advanced Research in Law and Economics, 2019, 10(2): 640-652.

[19]
Murigi M W. Factors influencing spatial distribution of small and medium size enterprises within Nairobi county, Kenya[D]. Nairobi: University of Nairobi, 2016.

[20]
傅十和, 洪俊杰. 企业规模、城市规模与集聚经济——对中国制造业企业普查数据的实证分析[J]. 经济研究, 2008, 43(11): 112-125.

Fu Shihe, Hong Junjie. Firm size city size and agglomeration economies—Evidence from China manufacturing census. Economic Research Journal, 2008, 43(11): 112-125.

[21]
宋华盛, 张敏. 中国IT产业省区分布及其决定因素[J]. 浙江学刊, 2015 2 187-194.

DOI

Song Huasheng, Zhang Min. The distribution of China’s IT industry by province and region and its determinants. Zhejiang Academic Journal, 2015 2 187-194.

DOI

[22]
方远平, 陆莲芯, 毕斗斗, 等. 珠江三角洲港资服务业企业的空间格局及影响因素研究[J]. 地理科学, 2020, 40(9): 1421-1428.

Fang Yuanping, Lu Lianxin, Bi Doudou et al. The distribution and influencing factors of Hong Kong-funded service companies in the Pearl River Delta. Scientia Geographica Sinica, 2020, 40(9): 1421-1428.

[23]
丁建军, 刘贤, 王淀坤, 等. 国家级专精特新“小巨人”企业空间分布及其影响因素[J]. 经济地理, 2022, 42(10): 109-118.

Ding Jianjun, Liu Xian, Wang Diankun et al. Spatial distribution and influencing factors of China’s national-level “little giant” enterprises. Economic Geography, 2022, 42(10): 109-118.

[24]
李德瑜. 中国大型企业总部地理集聚——以制造业和服务业500强企业为例[J]. 哈尔滨工业大学学报(社会科学版), 2011, 13(6): 41-46.

Li Deyu. Geographic concentration of headquarter of large enterprises in China—An example of Top 500 enterprises in manufacturing and service industries. Journal of Harbin Institute of Technology (Social Sciences Edition), 2011, 13(6): 41-46.

[25]
林兰. 重化工业集群式创新机制与空间响应研究[J]. 地理学报, 2016, 71(8): 1400-1415.

DOI

Lin Lan. Innovation dynamics and spatial response of heavy-chemical industry: Rethinking the cluster innovation. Acta Geographica Sinica, 2016, 71(8): 1400-1415.

DOI

[26]
陆大道. 工业区的工业企业成组布局类型及其技术经济效果[J]. 地理学报, 1979, 34(3): 248-264

Lu Dadao. Locational patterns of grouping firms in industrial district and their techno-economic effect?. Acta Geographica Sinica, 1979, 34(3): 248-264.

[27]
Chen D, Wang G, Yuan Z et al. Study on the spatial pattern and influencing factors of China’s new energy vehicle industry—Based on data of relevant listed companies from 2008–2021[J]. Sustainability, 2023, 15(4): 1-16.

[28]
Ženka J, Slach O, Ivan I. Spatial patterns of knowledge-intensive business services in cities of various sizes, morphologies and economies[J]. Sustainability, 2020, 12(5): 1-19.

[29]
杨凡, 杜德斌, 段德忠, 等. 城市内部研发密集型制造业的空间分布与区位选择模式——以北京、上海为例[J]. 地理科学, 2017, 37(4): 492-501.

Yang Fan, Du Debin, Duan Dezhong et al. The intra-metropolitan location of R&D-intensive manufacturing in Beijing and Shanghai. Scientia Geographica Sinica, 2017, 37(4): 492-501.

[30]
刘青, 李贵才, 仝德, 等. 基于ESDA的深圳市高新技术企业空间格局及影响因素[J]. 经济地理, 2011, 31(6): 926-933.

Liu Qing, Li Guicai, Tong De et al. The spatial pattern and influence factors of high-tech firms in Shenzhen based on ESDA. Economic Geography, 2011, 31(6): 926-933.

[31]
袁丰, 魏也华, 陈雯, 等. 苏州市区信息通讯企业空间集聚与新企业选址[J]. 地理学报, 2010, 65(2): 153-163.

Yuan Feng, Wei Yehua, Chen Wen et al. Spatial agglomeration and new firm formation in the information and communication technology industry in Suzhou. Acta Geographica Sinica, 2010, 65(2): 153-163.

[32]
余颖, 刘青, 李贵才. 深圳高新电子信息企业空间格局演化及其影响因素[J]. 世界地理研究, 2020, 29(3): 557-567.

Yu Ying, Liu Qing, Li Guicai. The spatial evolution of Shenzhen high-tech electronic information technology agglomeration pattern and locational determinants. World Regional Studies, 2020, 29(3): 557-567.

[33]
刘婧, 甄峰, 张姗琪, 等. 新一代信息技术企业空间分布特征及影响因素——以南京市中心城区为例[J]. 经济地理, 2022, 42(2): 114-123+211.

Liu Jing, Zhen Feng, Zhang Shanqi et al. Spatial distribution characteristics and influencing factors of new-generation information technology companies: A case of Nanjing central city. Economic Geography, 2022, 42(2): 114-123+211.

[34]
高敏雪, 孙庆慧, 胡强, 等. 大中小微企业规模划型统计标准的实证研究[J]. 数量经济技术经济研究, 2022, 39(2): 164-181.

Gao Minxue, Sun Qinghui, Hu Qiang et al. An empirical study on the statistical standard for the size classification of large, medium small and micro-sized enterprises. Journal of Quantitative & Technological Economics, 2022, 39(2): 164-181.

[35]
亚当·斯密. 国民财富的性质和原因的研究[M]. 郭大力, 等译. 北京: 商务印书馆, 1986

Adam Smith. An inquiry into the nature and causes of the wealth of nations. Translated by Guo Dali et al. Beijing: Commercial Press, 1986.

[36]
Florida R. The rise of the creative class[M]. New York: Basic Books, 2002.

[37]
郭细根. 创新型企业空间分布及其影响因素研究——来自全国676家创新型试点企业的数据分析[J]. 科技进步与对策, 2016, 33(15): 62-67.

Guo Xigen. The spatial distribution of innovative enterprises and its influencing factors—Data from the national 676 innovative pilot enterprises data. Science & Technology Progress and Policy, 2016, 33(15): 62-67.

[38]
于英杰, 吕拉昌. 中国城市知识创新职能空间分异及其影响因素[J]. 地理学报, 2023, 78(2): 315-333.

Yu Yingjie, Lyu Lachang. Spatial pattern of urban knowledge innovation function in China and its influencing factors. Acta Geographica Sinica, 2023, 78(2): 315-333.

[39]
赵涛, 刘文光, 边伟军. 区域科技创业生态系统的结构模式与功能机制研究[J]. 科技管理研究, 2011, 31(24): 78-82.

DOI

Zhao Tao, Liu Wenguang, Bian Weijun. Study on structural model and functional mechanism of regional hi-tech entrepreneurial ecosystem. Science and Technology Management Research, 2011, 31(24): 78-82.

DOI

[40]
楚天骄, 宋韬. 中国独角兽企业的空间分布及其影响因素研究[J]. 世界地理研究, 2017, 26(6): 101-109.

DOI

Chu Tianjiao, Song Tao. Spatial distribution and influence factors of unicorn companies in China. World Regional Studies, 2017, 26(6): 101-109.

DOI

[41]
于英杰, 吕拉昌. 中国城市创新基础设施的时空特征及影响因素——基于291个地级及以上城市数据的实证分析[J]. 科技管理研究, 2021, 41(16): 9-19.

DOI

Yu Yingjie, Lyu Lachang. Spatial and temporal characteristics of China’s urban innovation infrastructure and its influencing factors: Empirical analysis based on the data of 291 prefecture level and above cities. Science and Technology Management Research, 2021, 41(16): 9-19.

DOI

[42]
李嘉晨, 任文慧. 长三角时尚企业分布特征及其影响因素[J]. 经济地理, 2022, 42(10): 137-145.

Li Jiachen, Ren Wenhui. Distribution characteristics and influencing factors of fashion enterprises in Yangtze River Delta. Economic Geography, 2022, 42(10): 137-145.

[43]
刘乐, 盛科荣, 王传阳. 中国科技型初创企业的时空格局及影响因素研究——基于创业生态系统视角[J]. 地球信息科学学报, 2023, 25(2): 340-353.

DOI

Liu Le, Sheng Kerong, Wang Chuanyang. The spatial-temporal patterns and influencing factors of China’s tech start-ups: A study based on the entrepreneurial ecosystem. Journal of Geo-Information Science, 2023, 25(2): 340-353.

DOI

[44]
肖凡, 王姣娥, 黄宇金, 等. 中国高新技术企业分布影响因素的空间异质性与尺度效应[J]. 地理研究, 2022, 41(5): 1338-1351.

Xiao Fan, Wang Jiao’e, Huang Yujin et al. Exploring the spatial and scale variation of factors affecting the geography of high-techenterprises in China. Geographical Research, 2022, 41(5): 1338-1351.

[45]
周晓艳, 侯美玲, 李霄雯. 独角兽企业内部联系视角下中国城市创新网络空间结构研究[J]. 地理科学进展, 2020, 39(10): 1667-1676.

DOI

Zhou Xiaoyan, Hou Meiling, Li Xiaowen. Spatial structure of urban innovation network based on the Chinese unicorn company network. Progress in Geography, 2020, 39(10): 1667-1676.

DOI

Options
文章导航

/

〈 〉