EN中文

地理科学 >

2025 , Vol. 45 >Issue 12: 2625 - 2636

DOI: https://doi.org/10.13249/j.cnki.sgs.20240924

技术创新与数字赋能

珠三角城市群新能源汽车企业的时空格局及影响因素

  • 李珊 , 1 ,
  • 李宇晖 2 ,
  • 许吉黎 , 3, *
展开
  • 1.广州大学建筑与城市规划学院，广东 广州 510006
  • 2.华南理工大学建筑学院，广东 广州 510641
  • 3.广东省科学院广州地理研究所/广东省遥感与地理信息系统应用重点实验室，广东 广州 510070
许吉黎。E-mail:

李珊（1987—），女，湖北天门人，博士，副教授，硕导，研究领域为经济地理与城市地理。E-mail:

收稿日期: 2024-08-21

  修回日期: 2025-03-04

  网络出版日期: 2025-12-15

基金资助

国家自然科学基金项目(42301182)

国家自然科学基金项目(42301203)

广东省基础与应用基础研究基金项目(2022A1515110331)

广东省哲学社会科学规划项目(GD23XGL076)

广东省科学院发展专项资金项目(2023GDASZH-2023010101)

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

Spatio-temporal patterns and influencing factors of new energy vehicle enterprises in the Pearl River Delta Urban Agglomeration, China

  • Li Shan , 1 ,
  • Li Yuhui 2 ,
  • Xu Jili , 3, *
Expand
  • 1. School of Architecture and Urban Planning, Guangzhou University, Guangzhou 510006, Guangdong, China
  • 2. School of Architecture , South China University of Technology, Guangzhou 510641, Guangdong, China
  • 3. Key Lab of Guangdong for Utilization of Remote Sensing and Geographical Information System, Guangzhou Institute of Geography, Guangdong Academy of Sciences, Guangzhou 510070, Guangdong, China

Received date: 2024-08-21

  Revised date: 2025-03-04

  Online published: 2025-12-15

Supported by

National Natural Science Foundation of China(42301182)

National Natural Science Foundation of China(42301203)

Guangdong Basic and Applied Basic Research Foundation(2022A1515110331)

Guangdong Philosophy and Social Science Foundation(GD23XGL076)

GDAS' Project of Science and Technology Development(2023GDASZH-2023010101)

Copyright

Copyright reserved © 2025.
Fold

摘要

刻画2017—2021年珠三角城市群新能源汽车企业的时空格局，聚焦政府与市场双重动力揭示时空格局的影响因素，探究影响因素随时间、空间和产业链环节的变化。研究表明：①珠三角新能源汽车企业由以深圳为“单核心”向以深圳与广州为“双核心”的空间格局演进，在广佛与深莞交界区域集聚程度最高，上游“原材料”企业由深圳向广州、惠州、珠海等城市扩散，中游“核心零部件”企业一直以深圳集聚为主，下游“整车制造”企业集聚于深圳与广州并逐步向周边地区扩散，延伸“配套及后市场”企业由以深圳和广州为双核心向多热点区演变。②政府与市场共同影响珠三角新能源汽车企业时空格局，且影响程度随发展阶段、地理区位、企业所处产业链环节而变化。发展阶段上，随着时间推移，企业空间布局的影响因素由政府与市场双重动力，转向以市场力量为主导；地理区位上，珠三角东岸地区受市场动力影响更深，西岸地区则受政府作用相对更显著；产业链上，上游与中游环节主要受到市场作用，下游与延伸环节受到政府与市场力量共同影响。

关键词： 新能源汽车; 新兴产业; 产业集聚; 政府−市场关系; 珠江三角洲

本文引用格式

李珊 , 李宇晖 , 许吉黎 . 珠三角城市群新能源汽车企业的时空格局及影响因素[J]. 地理科学, 2025 , 45(12) : 2625 -2636 . DOI: 10.13249/j.cnki.sgs.20240924

Abstract

Against the backdrop of climate change, energy transition, and high-quality development, new energy vehicles (NEVs) have become an increasingly vital component of strategic emerging industries. Specifying the spatiotemporal patterns of NEV enterprises within urban agglomerations and identifying the influencing factors are basic scientific issues for facilitating the development of NEV industrial development. This paper depicts the spatiotemporal patterns of NEV enterprises in the Pearl River Delta (PRD) during 2017—2021 and examines the influencing factors through the lens of the dual dynamics of state and market. The findings indicate that: 1) The spatial pattern of NEV enterprises in the PRD has evolved from a “single-core” centered in Shenzhen to a “dual-core” centered in Shenzhen and Guangzhou, with the highest concentration in the boundary areas of Guangzhou-Foshan and Shenzhen-Dongguan. Upstream “raw material” enterprises have dispersed from Shenzhen to Guangzhou, Huizhou, and Zhuhai; midstream “core component” enterprises remain largely concentrated in Shenzhen; downstream “vehicle manufacturing” enterprises are concentrated in Shenzhen and Guangzhou and begin to spread to surrounding areas, with “supporting and aftermarket” enterprises evolving from a dual-core pattern in Shenzhen and Guangzhou to multiple hotspots. 2) Both state and market dynamics influence the spatiotemporal pattern of NEV enterprises in the PRD, with the effects on the distribution of NEV enterprises in the PRD varying across development stages, geographic locations and industry chain segments. In terms of development stages, the influencing factors of enterprise spatial layout shift from the dual drive of government and market to market forces dominance. With respect to geographic locations, the eastern PRD is more sensitive to market dynamics, while the western PRD sees a relatively more prominent role of the government. As for the industrial chain, market forces mainly affect the upstream and midstream, while the downstream and extended segments are under the dual influence of both state and market forces.

Key words： new energy vehicle; emerging industry; industrial agglomeration; state-market relation; the Pearl River Delta

新能源汽车产业是中国应对气候变化、推动绿色转型和高质量发展的重要支撑[1-2]。珠江三角洲是中国社会经济发展水平和科技创新能力突出的城市群，也是全国乃至全球新能源汽车产量和出口量名列前茅的区域[3]。同时，珠三角依托广州深圳的龙头企业构建并整合了较完整的新能源汽车产业链，有助于为城市群产业空间布局及其动因提供更加全面细致的理解。如深圳比亚迪集团覆盖从电池原材料、三电系统、整车设计制造的完整闭环，广州广汽埃安和小鹏汽车涉及中游电池生产、下游整车制造以及延伸环节充电桩建设运营等全链条。
近5 a来，新能源汽车产业受到经济学、管理学、生态学和地理学等多学科的广泛关注[4-7]，然而相比其他学科，地理学研究尚处于起步阶段[8-10]。现有成果的主要研究议题集中于宏观层面的产业地理格局描述和聚焦特定视角下的产业发展动力揭示。具体而言，宏观层面的产业地理格局描述涉及全球和国家（地区）尺度的锂、铬、钴等关键能矿资源供应链分布[11-12]、产业上中下游价值链联系[13]、关键产品贸易网络[14]、专利创新网络[15-16]和产业配套基础设施的空间布局等[17-19]，侧重呈现全球范围尤其是中国新能源汽车产业兴起过程中，涉及研发、原料、零部件、产品、市场和分配等不同环节及其关联所涌现的产业空间分布及网络结构。另一方面，有关新能源汽车产业发展动力，鉴于其仍处于产业生命周期早期，依赖政府财税支持和优惠政策，诸多研究成果聚焦政府在产业发展中发挥的关键乃至决定性作用，包括中国国有企业在新能源汽车领域汇聚创业资源和把握创业机会的引领性作用[20]、中国政府研发补贴对新能源汽车企业研发强度的积极影响[21-22]、城市产业规划和产业政策的显著效应[23]，以及政府财政补贴对于新能源企业上市公司金融表现的影响机制等[24]。然而，针对大量研究以政府动力为焦点，新近研究批判性地指出，政府通过规划制定和政策引导等方式对于新能源汽车产业的影响具有动态性和阶段性，不能将产业发展过度归因于政府作用，政府与市场的互动及共同作用能够为新能源汽车产业发展提供更加全面且与时俱进的分析框架[12,25-26]。例如，研究发现中国新能源汽车产业政策推动产业发展的效应随时间推移呈现显著分化，尤其是在市场规模不断扩大和市场化导向日益深化进程中，政府产业政策的影响逐渐减弱[27]。相关研究基于新能源汽车上市公司不同环节创新效率的影响因素演变[26]、新能源汽车产业社会−技术发展路径动态[28]、市场端个体消费者对于购买新能源汽车偏好与意愿[24]等证据，论证了市场动力培育以及政府−市场关系在推动中国新能源汽车产业空间演化的重要作用。
尽管相关研究初步刻画了全球和国家（地区）等宏观层面新能源汽车产业布局及供应链和产业链关联、贸易网络联系等地理格局，并对政府和市场作为产业空间演化动力的理论认知达成了一定共识，但是仍存在若干薄弱环节有待进一步强化。第一，时空格局上，在全球和国家（地区）尺度之外，区域尺度尤其是城市群空间尺度作为当前新能源汽车产业空间集聚的重要地域载体，需要深化其时空格局研究。研究意义不仅在于下推空间尺度以提供更高分辨率的空间分析，更在于超越描述性分析本身，转向以时空格局为基础、以影响因素和政策启示为纵深的研究设计。第二，对现阶段新能源汽车产业在城市群时空格局的影响因素研究，分析框架上需要兼顾政府与市场双重动力，以与时俱进和更加全面的视角理解产业空间涌现及其区位选择的动态影响因素，尤其需要强化政府与市场影响新能源汽车产业布局的时空敏感性，在已有研究达成共识的基础上深化地理机制。第三，尽可能提升产业时空格局和影响因素研究的颗粒度，包括企业数据搜集、清洗和处理上的细节优化，下沉到产业链不同环节的格局及影响因素辨识，以及涵盖范围足够全面、时空分异充分呈现的政府与市场动力。
综上，本文刻画2017—2021年珠三角城市群新能源汽车产业链不同环节企业分布的时空格局，基于政府与市场双重动力的分析框架构建区县空间尺度影响新能源汽车企业时空格局的指标体系，揭示新能源汽车企业时空格局的影响因素及其在产业链环节和地理区位上的异质性。形成如下研究贡献：①在全球和国家（地区）尺度外，更加精细、准确地刻画中国新能源汽车产业在城市群空间尺度的时空格局演变，将时空格局、影响因素与政策启示相联结，形成更具地理情境性的研究设计；②构建政府与市场双重动力的分析框架以理解珠三角城市群新能源汽车产业时空格局的影响因素，揭示政府与市场影响随产业发展阶段、地理区位和产业链环节所发生的变化，深化影响因素的时空及产业链敏感性。

1 数据来源与研究方法

1.1 数据来源

新能源汽车以动力电池为核心，依托相关动力控制、智能驾驶等先进技术形成新的结构，产业链包括上游环节（原材料供应）、中游环节（核心零部件生产）、下游环节（整车制造）4个环节（图1）。鉴于最新年份数据可获取性和新能源汽车产业发展周期，选取2017—2021年企查查−企业工商信息查询系统（https://www.qcc.com/ ，数据来源下载日期为2023-08-15）中的新能源汽车企业信息、珠三角各城市统计年鉴（广东省及21个市统计年鉴，https://gdzd.stats.gov.cn/dcsj/gdsnjsj/201902/t20190201_154503.html）和社会经济统计公报作为主要数据来源。
图1 2017年、2021年珠三角城市群新能源汽车产业时空布局

1.白云区；2.厚街镇；3.虎门镇；4.长安镇；5.光明区；6.宝安区；7.龙岗区；8.福田区

Fig. 1 Spatio-temporal distribution of new energy vehicle (NEV) enterprises in the Pearl River Delta (PRD) in 2017 and 2021

珠三角新能源汽车企业数据库的建立步骤：①以新能源汽车产业上游、中游、下游、延伸链上的所有产品为关键词（如“锂矿”“电池”“永磁材料”“充电设备”等），在企查查−企业工商信息查询系统中搜索“成立年限”为2000年1月1日—2021年12月31日的企业，将登记状态为“正常状态”和“异常状态”（注销/吊销）企业信息保留；②剔除“核准日期”在2017年12月31日前登记状态为“异常状态”的企业，得到在2017年登记状态为 “正常状态”且在2017年12月31日后登记状态为“异常状态”企业，形成2017年珠三角新能源汽车产业链的初始企业库，明确企业在珠三角的进入和退出状况。同理，构建2021年珠三角新能源汽车企业库；③将企业库中所有企业的地址字段转换到经纬度坐标（地名转坐标工具：https://maplocation.sjfkai.com/，2023-08-17），再通过异常值过滤及消除重复数据等预处理，形成珠三角新能源汽车企业数据库（表1）。
表1 珠三角新能源汽车数据库各环节的企业数量

Table 1 Number of enterprises in each segment of new energy vehicle database in the PRD

年份 全产业链/个 上游环节/个 中游环节/个 下游环节/个 延伸环节/个
2017 29026 2082 15056 4928 6960
2021 63899 3845 20599 18500 20955

1.2 研究方法

采用标准差椭圆分析法和局部莫兰指数法刻画时空格局。标准差椭圆分析法是集合地理要素中心、离散和方向趋势的空间分析方法，用于刻画要素的分布格局以及发展态势，识别产业集聚核心区并解析其演变趋势[29]。局部莫兰指数多用于区域自相关评价，能揭示区域单位的空间集聚现象[30]。影响因素上，兼顾政府与市场双重动力的研究视角，采用多元线性回归模型[31]。鉴于新能源汽车产业具有投资大、风险高、周期长等特点，有赖于政府的创新资源投入、补贴政策制定与基础建设投入等[32-33]。政府动力主要包括政府干预能力[34-35]、政府的市场参与度、政策支持强度[36]等。政府干预能力用一般公共预算支出衡量[37]，政府的市场参与度用国有企业数量反映，政府对交通基础设施的投入用当地公交车站与高速公路衡量，政策支持力度用省级以上开发区数量表征[37]。市场动力主要涵盖市场活力与规模[35]、市场消费偏好[38]、生产服务水平等。其中，市场活力用民营企业数量衡量，市场规模用社会消费品零售额衡量[36]，市场消费偏好用出口额衡量[39]，生产服务水平用金融保险机构数量衡量[40]。此外，新能源汽车产业布局还受地区经济发展水平[38]、人力资本[35]与创新水平[41]等因素影响（表2）。
$ \begin{split} {\mathrm{Y}}_{i,t}= & \alpha +{\beta }_{1}{GP}_{i,t}+{\beta }_{2}{GY}_{i,t}+{\beta }_{3}{BU}_{i,t}{+\beta }_{4}{RN}_{i,t}{+\beta }_{5}{ED}_{i,t}+{\beta }_{6}{MY}_{i,t}+{\beta }_{7}{EX}_{i,t}+{\beta }_{8}{SA}_{i,t}+{\beta }_{9}{JR}_{i,t}+\\ & {\beta }_{10}{PG}_{i,t}+{\beta }_{11}{RD}_{i,t}+{\beta }_{12}{SL}_{i,t}+{\beta }_{13}{DE}_{i,t}+Re+{\varepsilon }_{i,t}\end{split} $
式中，α为常数项；β为回归参数；i分别为珠三角内102个区县①；t为年份；被解释变量Y是各区县新能源汽车企业数量；GP为一般公共预算支出；GY为国有企业数量；BU为公交车站数量；RN为高速公路密度；ED为开发区数量；MY为民营企业数量；EX为出口额；SA为社会消费品零售额；JR为金融证券机构数量。新能源汽车作为新兴产业，其发展势必会受到地区经济发展水平的影响，继而控制变量选取经济维度的“人均生产总值PG”、创新维度的“研发投入占比RD”与自然条件维度的“坡度SL”“高程DE”这4个指标；Re表示分区域的哑变量；ε i,t为随机误差项。
表2 政府与市场影响下珠三角新能源汽车产业空间格局的指标体系

Table 2 Indicator system of spatial distribution of NEV enterprises in the PRD under influences from the state and market

一级指标 二级指标 指标解释
政府力量（5个） 一般公共预算支出（GP） 指国家财政将筹集起来的资金进行分配使用，以满足经济建设和各项事业的需要/万元
国有企业数量（GY） 政府对经济的控制水平/个
公交车站数量（BU） 政府对公共服务设施的支撑/个
高速公路密度（RN） 高速公路反映政府对交通基础设施的投入/（km/km2）
开发区数量（ED） 国家级、省级开发区数量/个
市场力量（4个） 民营企业数量（MY） 市场经济的活力和创造力，市场对经济的控制水平/个
出口额（EX） 实际出口中国国境的货物的价值总和，反映对外经济活力/万元
社会消费品零售额（SA） 各类批发零售业、住宿餐饮业和其他行业企业，售予城乡居民用于生活消费和社会集团用于公共消费的商品总金额/万元
金融证券机构数量（JR） 证券公司、保险公司、金融保险服务机构的数量/家
控制变量（4个） 人均生产总值（PG） 地区所生产按人口平均计算的社会最终产品和劳务的总值/（万元/人）
研发支出占比（RD） 研究与试验发展经费支出占地区生产总值的比例/%
坡度（SL） 地表的陡缓程度/（°）
高程（DE） 地点相对于黄海平均海面的高度/m

2 珠三角城市群新能源汽车企业的时空格局演化

2.1 新能源汽车企业集聚的时空布局

2017年，珠三角新能源汽车企业布局以深圳为单核心，2021年广州成为第二大核心，呈现向周边扩散态势。①上游“原材料”环节：2017年主要集中在深圳市，尤其深圳市宝安区占据领先地位，其他地区零散分布；2021年，除在深圳显著集聚外，在广州北部、惠州中部和珠海东部地区快速涌现。②中游“核心零部件”环节：企业数量有所增加，但聚集区位无显著变化，企业数量最多的是深圳宝安区、福田区与龙岗区。③下游“整车制造”环节：企业数量最多的是深圳福田区、广州白云区与深圳宝安区。在广州白云区发展迅速，到2021年基本实现珠三角地域全覆盖。④延伸“配套及后市场”环节：2017年企业数量最多的是深圳宝安区、福田区与龙岗区，2021年广州白云区成为新的集聚区，佛山、东莞与惠州等城市逐渐成为新的热点地区（图1）。

2.2 新能源汽车企业的空间演化轴向

珠三角新能源汽车整体的空间演化与深圳−广州走向基本一致。①上游“原材料”环节：受产地影响，空间椭圆的离心率与聚集面积均最小，形态最为圆化。首先，产业空间中心稳定在深圳市光明区，由2017年深圳市光明区（113°54′36″E、22°43′48″N）移动到2021年深圳市光明区（113°52′48″E、22°45′36″N）。其次，椭圆长半轴、短半轴、离心率均增大，呈“扁平化”扩张态势。②中游“核心零部件”环节：首先，2017年椭圆最为扁化，核心城市的吸引力塑造产业发展的动力轴，产业空间中心由2017年东莞长安镇（113°46′48″E、22°45′36″N）移动到2021年深圳宝安区（113°49′48″E、22°44′24″N）。其次，椭圆长半轴、短半轴、离心率均减小，表现出向四周外溢的扩张趋势。③下游“整车制造”环节：首先，产业空间中心相对稳定，由2017年东莞虎门镇（113°39′00″E、22°51′00″N）移动到2021年东莞厚街镇（113°38′24″E、22°53′24″N）。其次，椭圆长半轴减小、短半轴扩大、离心率减小，出现深圳、东莞、广州和佛山等多核心。④延伸“配套及后市场”环节：产业空间中心移动与下游环节相似，也是由2017年东莞市虎门镇（113°45′00″E、22°49′48″N）移动到2021年东莞市厚街镇（113° 41′24′00″E、22° 53′24′00″N）。但是椭圆长半轴扩大、短半轴扩大、离心率减小，呈均衡扩张态势（图2）。
图2 2017年与2021年珠三角新能源汽车企业的空间椭圆

Fig. 2 Spatial ellipses of NEV enterprises in the PRD in 2017 and 2021

2.3 新能源汽车企业的空间集聚模式

总体上，新能源汽车企业数量 “高−高”值集聚在深圳，表明深圳企业对周边地区具有显著带动效应（图3）。“低−低”值分散在肇庆、中山与东莞等地区，反映这些地区新能源汽车产业发展相对滞后。“低−高”值在东莞与深圳交界，表明深圳对深莞边界地区的带动尚不显著。上游环节在东西两岸的集聚模式存在差异性，中游环节在深圳以外地区尚未出现显著空间集聚，下游环节在广州、佛山和深圳之间呈现良好的协同效应，延伸环节由深圳集聚开始向广佛两地扩散。
图3 珠三角新能源汽车各产业链环节企业的空间集聚模式

Fig. 3 Spatial agglomeration pattern of NEV enterprises in different chain segments in the PRD

3 珠三角新能源汽车企业分布的影响因素

3.1 影响因素及其时空分异

1）发展阶段上，在研究时段初期，珠三角城市群新能源汽车企业集聚的驱动力由政府力量与市场力量共同主导，研究时段后期，珠三角城市群新能源汽车的发展动力主要来源于市场。初期阶段政府力量高速路网密度（RN）、市场力量民营企业数量（MY）对新能源汽车企业空间布局具有显著促进作用。市场力量（如MY）对新能源汽车企业布局的推动作用高于政府力量（如RN）的推动作用。研究时段后期，仅市场力量对企业集聚具有显著推动作用，且相较于初期的推动作用有所降低。
2）地理区位上，珠三角东岸城市包括深圳、东莞、惠州，西岸城市包括广州、佛山、珠海、江门、中山、肇庆。东岸新能源汽车企业发展的驱动力主要来自市场力量，相对而言西岸受到的政府力量的影响更突出。在东岸，初期市场力量民营企业数量（MY）、金融证券机构数量（JR）对新能源汽车企业布局具有显著促进作用，且前者作用强于后者。在研究期末，民营企业数量（MY）仍起显著促进作用，且作用程度更大。在西岸，初期阶段政府力量公交车站数量（BU）与市场力量出口额（EX）、社会消费品零售额（SA）、金融证券机构数量（JR）均对新能源汽车布局有显著正向影响。研究期末，西岸新能源汽车生产仍处于培育阶段，政府与市场力量处于动态变化（表3）。
表3 2017年、2021年珠三角新能源汽车企业时空格局的影响因素及其时空分异

Table 3 Heterogeneous influential factors of spatio-temporal distribution of NEV enterprises in the PRD in 2017 and 2021

变量 2017年（全产业） 2021年（全产业）
珠三角 东岸 西岸 珠三角 东岸 西岸
　　注：*、**和***分别表示5%，1%和0.1%的显著水平；括号内数值为稳健标准误差；变量含义见表2；上述线性回归模型均通过了VIF检验。
政府力量 GP 0.123 0.223 −0.061 0.160 −0.015 −0.209
（0.112） （0.153） （0.042） （0.159） （0.156） （0.192）
GY −0.385*** −0.632*** 0.035 −0.163 0.086 −0.045
（0.144） （0.084） （0.044） （0.155） （0.313） （0.087）
BU 0.027 −0.047 0.122*** 0.119 0.196 0.160
（0.067） （0.063） （0.022） （0.119） （0.147） （0.176）
RN 0.129* 0.079 −0.019 0.053 0.004 −0.010
（0.075） （0.065） （0.026） （0.057） （0.058） （0.108）
ED 0.059 0.067 −0.030 −0.122 0.012 0.194
（0.057） （0.045） （0.024） （0.126） （0.068） （0.170）
市场力量 MY 0.786*** 1.021*** −0.140 0.420* 1.339*** 0.100
（0.216） （0.174） （0.088） （0.215） （0.196） （0.155）
EX 0.033 −0.120 0.151*** 0.258 −0.058 0.099
（0.112） （0.077） （0.026） （0.185） （0.151） （0.163）
SA −0.227** −0.678* 0.119*** 0.001 −0.241 0.089
（0.087） （0.338） （0.039） （0.057） （0.364） （0.068）
JR 0.033 0.428** 0.123* −0.098 −0.372** 0.074
（0.126） （0.206） （0.071） （0.134） （0.141） （0.169）
控制变量 PG −0.053 −0.011 −0.014 0.039 0.107* −0.097
（0.061） （0.056） （0.017） （0.056） （0.053） （0.074）
RD 0.064 0.075 0.001 0.015 −0.776 0.080
（0.041） （0.048） （0.019） （0.111） （1.061） （0.054）
SL −0.036 −0.136* 0.288 0.195 0.134 0.316
（0.099） （0.067） （0.194） （0.158） （0.204） （0.475）
DE 0.045* 0.079** 0.009 0.081 0.038 −0.095
（0.026） （0.034） （0.010） （0.052） （0.041） （0.063）
常数 −0.005 0.083 −0.283 −0.251 −0.176 −0.267
（0.098） （0.068） （0.183） （0.172） （0.197） （0.428）
样本量 78 44 34 73 39 34
R 2 0.883 0.978 0.954 0.746 0.972 0.728

3.2 影响因素及其产业链分异

政府动力上，国有企业数量（GY）对珠三角新能源汽车“上游”“中游”与“延伸”环节的企业集聚施加显著负向影响（表4）。新能源汽车是高度依赖技术创新的新兴产业，而国有企业多倾向于投资于传统产业及其核心业务，这导致新能源汽车行业并非是国有企业的投资与转型之首选。相较而言，民营企业为了市场份额与生存空间，更具创新动力与灵活性。公交车站数量（BU）、高速路网密度（RN）对新能源汽车“下游”“与延伸”环节的企业集聚产生显著促进作用。首先，公交车代表地方政府为居民出行提供的公共交通服务，能反映政府对交通基础设施的支出情况。为推广新能源汽车使用，珠三角诸多城市实行公交电动化策略，对传统燃油公交进行替代，优先采购新能源汽车，倡导城市公交出行的电动化与绿色化，扩大新能源汽车的市场规模，进而吸引整车制造企业集聚。另外，高速路网也是政府建设交通基础设施的重要体现。高速公路能压缩时空距离，促进区域内人流与物流的快速流通，增加居民远距离出行需求，刺激新能源汽车产业的私家车市场，进而促进新能源汽车“整车”企业发展，带动配套设施例如充电桩、充电设备等“延伸”环节企业发展。
表4 珠三角新能源汽车企业时空格局的影响因素及其产业链分异

Table 4 Industrial-chain-based influential factors of spatio-temporal distribution of NEV enterprises in the PRD

变量 模型1 模型2 模型3 模型4
上游 中游 下游 延伸
　　注：*、**分别表示5%，1%的显著水平；括号内数值为稳健标准误差；变量含义见表2；上述线性回归模型均通过了VIF检验；样本量151个。
政府力量 GP 0.161（0.109） 0.169（0.110） −0.021（0.159） 0.028（0.136）
GY −0.214**（0.104） −0.224**（0.105） −0.122（0.128） −0.213**（0.098）
BU −0.063（0.067） −0.006（0.062） 0.173**（0.084） 0.053（0.073）
RN −0.001（0.040） −0.001（0.040） 0.130**（0.056） 0.080*（0.044）
ED −0.079（0.054） −0.092*（0.053） 0.127（0.100） 0.071（0.076）
市场力量 MY 0.362*（0.215） 0.308（0.203） 0.663**（0.280） 0.712**（0.288）
EX 0.259**（0.120） 0.277**（0.116） 0.018（0.128） 0.075（0.123）
SA −0.103（0.076） −0.110（0.082） 0.145（0.141） 0.107（0.126）
JR −0.024（0.099） 0.012（0.100） −0.149（0.139） −0.062（0.114）
控制变量 PG −0.032（0.045） −0.027（0.044） −0.004（0.081 −0.018（0.066
RD −0.054（0.098） −0.050（0.097） 0.100（0.138） 0.041（0.132）
SL 0.016（0.093） −0.012（0.098） 0.224（0.151） 0.138（0.119）
DE 0.035（0.024） 0.043*（0.025） 0.010（0.024） 0.022（0.021）
常数 −0.023（0.096） −0.003（0.100） −0.256*（0.148） −0.159（0.120）
R 2 0.668 0.677 0.674 0.727
市场动力上，民营企业数量（MY）对新能源汽车“上游”“下游”与“延伸”环节的企业集聚均产生显著正向作用（表4）。地方民营企业数量越多往往意味着市场环境更活跃，更有利于刺激企业创新，衍生新技术和新产品。另外，新能源汽车生产链条长，不同环节企业集聚能降低物流成本和交易成本，实现协作过程的快速响应并提高生产效率。在当前复杂严峻的国际环境下，多样化的民营企业集聚有利于灵活生产与共同抵御外部风险，提升本地经济韧性。 出口额（EX）对新能源汽车“上游”“中游”环节企业集聚具有显著的积极影响。出口状况代表了地方嵌入全球生产网络的程度，能反映本地市场的开放度与活跃度。地区对外开放度越高，表明当地对新事物与新文化的包容性越高。新能源汽车相对于传统燃油车，是一种基于现代能源技术革新、生态环保理念以及可持续发展战略的全新交通工具。地区开放度越高，居民对新能源汽车的接受程度会越高，市场需求也会更加多元化与个性化，这会间接扩大新能源汽车的市场容量，促进相关企业的本地集聚。

4 结论与讨论

4.1 结论

本文刻画了2017—2021年珠三角城市群新能源汽车企业的时空格局，构建政府与市场双重动力的分析框架揭示影响因素，细化了影响因素的时空分异与产业链分异。
时空格局上，珠三角新能源汽车企业由以深圳为“单核心”演化为以深圳、广州为“双核心”的空间结构，且在深莞与广佛交界地带集聚程度最高，呈“东南−西北”轴线发展。上游“原材料”企业由深圳扩散到广州、惠州、珠海等，中游“核心零部件”企业始终以深圳集聚为主，下游“整车制造”企业集聚于深圳与广州并向周边扩散，延伸“配套及后市场”企业由以深圳、广州为核心演变为多中心结构。集聚模式上，上游环节在东西两岸的集聚存在差异性，中游环节在深圳以外地区尚未出现显著空间集聚，下游环节在广州、佛山和深圳之间呈现良好的协同效应，延伸环节由深圳集聚开始向广佛两地扩散。
影响因素上，政府与市场作为双重动力对珠三角新能源汽车企业时空格局产生显著影响，但是影响程度存在时空及产业链分异。①发展阶段上，研究初期珠三角城市群新能源汽车企业集聚的驱动力由政府力量与市场力量共同主导，随着时间推移，企业空间布局和集聚动力则更多来源市场力量。②地理区位上，珠三角东岸新能源汽车空间布局的驱动力主要来自于市场力量，西岸则更大程度上由政府力量与市场力量共同驱动。③产业链环节上，政府力量例如国有企业数量对新能源汽车“上游”“中游”和“延伸”环节的空间布局施加显著负向影响；公交车站数量、高速路网密度对“下游”与“延伸”环节的空间布局产生积极影响。市场力量例如民营企业数量对新能源汽车产业“上游”“下游”环节与“延伸”环节企业的空间布局和集聚产生显著正向作用；地区出口额对新能源汽车产业“上游”和“中游”环节的企业集聚具有显著的正向影响。

4.2 讨论

在社会主义市场经济体制改革的转型期，中国政府与市场在地区经济发展的过程中形成了不同模式的互动关系[42]。相比其他城市群，珠三角城市群内部在经济发展中受到的驱动力存在更明显的空间分异特征。在珠三角东岸，作为经济特区的深圳率先引领社会主义市场经济改革，以代工和组装等劳动密集型产业嵌入全球生产网络[43-44]。西岸则呈现差异化的政府—市场关系和驱动机制，包括广州作为省会城市和政治经济中心，在国家支持下强势导入汽车等战略性产业，实现互惠式耦合[45] ，其他西岸城市更多以本土民营资本为主导，政府力量与市场力量形成了更加均衡的互动关系，共同参与到区域经济发展和产业转型进程中。
产业政策和规划启示：①推动政府力量与市场力量的良性互动。在市场化程度高的东岸地区，加强新能源汽车企业集聚的政府动力，建议政府在资源、技术、人力资本等方面实现统筹协调，以实现东岸新能源汽车产业与西岸地区的跨区域合作。在西岸地区的江门、肇庆等新能源汽车企业空间分布的“低−低值”洼地，采取“飞地”形式为东岸新能源汽车的大型企业分支设厂，实现新能源汽车产业在东西两岸的跨区域融合。②制定响应时空与产业链环节敏感性的精细化产业政策。在制定产业政策时，需综合考虑产业发展时序与生产环节的异质性。如在产业发展的初期阶段，政府力量更多作用于“下游”与“延伸”环节，为新企业打开市场，而在发展成熟阶段政府的干预强度在一定程度会让位于市场动力。区域新兴产业发展需要结合产业生命周期所处的不同阶段，准确辨识产业链不同环节企业在政府动力与市场动力共同作用下的时空布局敏感性。
本文存在一定的局限性：①选择2017—2021年分析新能源产业企业布局的时空演化过程，时间跨度相对较短，未能追溯到新能源汽车企业的长时序演化空间格局，今后需进一步拓展研究时段。②虽在精细尺度上探讨了珠三角新能源汽车企业时空布局的影响因素，但是机制分析尚显薄弱，今后需要结合实地调研和案例分析，深化影响机制。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
国务院. 国务院办公厅关于印发新能源汽车产业发展规划(2021—2035年)的通知[R]. 2020

State Council. Notice of the General Office of the State Council on issuing the development plan for the new energy automobile industry (2021—2035). 2020.

[2]
国务院办公厅, 国家统计局. 战略性新兴产业分类(2018)[S]. 中华人民共和国国务院公报, 2019(5): 41

General Office of State Council, Nationgal Bureau of Statistics. Classification of strategic emerging industries (2018). Communique of the State Council of the People’s Republic of China, 2019(5): 41.

[3]
袁博. 碳中和目标下粤港澳大湾区新能源汽车产业发展研究[J]. 区域经济评论, 2022(4): 145-151.

DOI

Yuan Bo. Research on the development of Guangdong-Hong Kong-Macao Greater Bay Area’s new energy vehicle industry under the goal of carbon neutrality. Regional Economic Review, 2022(4): 145-151.

DOI

[4]
许吉黎, 叶玉瑶, 罗子昕, 等. 新发展格局下粤港澳大湾区高科技产业多尺度空间联系与政策启示[J]. 地理科学进展, 2022, 41(9): 1592-1605.

DOI

Xu Jili, Ye Yuyao, Luo Zixin et al. Multi-scalar spatial linkages initiated by high-tech industries in the Guangdong-Hong Kong-Macao Greater Bay Area and policy implications against the backdrop of China’s new development paradigm. Progress in Geography, 2022, 41(9): 1592-1605.

DOI

[5]
乐为, 谢隽阳, 刘启巍, 等. 新能源汽车产业政策关联及其耦合效应研究[J]. 管理学刊, 2022, 35(5): 65-81.

Le Wei, Xie Junyang, Liu Qiwei et al. Research on the relevance and coupling effect of new energy vehicle industrial policy. Journal of Management, 2022, 35(5): 65-81.

[6]
Jiang Z S, Xu C H. Policy incentives, government subsidies, and technological innovation in new energy vehicle enterprises: Evidence from China[J]. Energy Policy, 2023, 177: 113527

DOI

[7]
周燕, 潘遥. 财政补贴与税收减免——交易费用视角下的新能源汽车产业政策分析[J]. 管理世界, 2019, 35(10): 133-149.

DOI

Zhou Yan, Pan Yao. Subsidization versus tax reduction: The policy choice for new energy vehicles under the constraints of transaction costs. Journal of Management World, 2019, 35(10): 133-149.

DOI

[8]
陈肖飞, 郭建峰, 胡志强, 等. 汽车产业集群网络演化与驱动机制研究——以奇瑞汽车集群为例[J]. 地理科学, 2019, 39(3): 467-476.

Chen Xiaofei, Guo Jianfeng, Hu Zhiqiang et al. The evolution process and driving mechanism of automobile industrial cluster network: Taking Chery Cluster as an example. Scientia Geographica Sinica, 2019, 39(3): 467-476.

[9]
熊志飞, 张文忠. 中国新能源汽车产业创新网络及其溢出效应研究[J]. 中国科学院院刊, 2022, 37(12): 1819-1832.

Xiong Zhifei, Zhang Wenzhong. Study on innovation networks and its spillover effect of China’s new energy automobile industry. Bulletin of Chinese Academy of Sciences, 2022, 37(12): 1819-1832.

[10]
杨晓燕, 胡永锋, 贾秋淼, 等. 国际大都市碳中和行动对北京的启示[J]. 地理科学, 2024, 44(1): 109-120.

Yang Xiaoyan, Hu Yongfeng, Jia Qiumiao et al. Inspiration from the international metropolis’ zero emission action plan to the carbon neutrality of Beijing. Scientia Geographica Sinica, 2024, 44(1): 109-120.

[11]
Liu W, Li X, Liu C Y et al. Resilience assessment of the cobalt supply chain in China under the impact of electric vehicles and geopolitical supply risks[J]. Resources Policy, 2023, 80: 103183

DOI

[12]
Gong H W, Hansen T. The rise of China’s new energy vehicle lithium-ion battery industry: The coevolution of battery technological innovation systems and policies[J]. Environmental Innovation and Societal Transitions, 2023, 46: 100689

DOI

[13]
何瑶, 杨永春, 王绍博. 价值链视角下中国新能源汽车产业网络及其机制[J]. 地理学报, 2023, 78(12): 3018-3036.

DOI

He Yao, Yang Yongchun, Wang Shaobo. Network and mechanism of China’s new energy vehicle industry from the perspective of value chain. Acta Geographica Sinica, 2023, 78(12): 3018-3036.

DOI

[14]
丛海彬, 邹德玲, 高博, 等. “一带一路” 沿线国家新能源汽车贸易网络格局及其影响因素[J]. 经济地理, 2021, 41(7): 109-118.

Cong Haibin, Zou Deling, Gao Bo et al. Network patterns and influence factors of new energy vehicle trade along the countries of the Belt and Road. Economic Geography, 2021, 41(7): 109-118.

[15]
张凯煌, 千庆兰. 中国新能源汽车产业创新网络特征及其多维邻近性成因[J]. 地理研究, 2021, 40(8): 2170-2187.

DOI

Zhang Kaihuang, Qian Qinglan. Characteristics and proximities mechanism of China’s new energy vehicle industry innovation network. Geographical Research, 2021, 40(8): 2170-2187.

DOI

[16]
Ren M H, Zhou T, Wang C X. New energy vehicle innovation network, innovation resources agglomeration externalities and energy efficiency: Navigating industry chain innovation[J]. Technological Forecasting and Social Change, 2024, 200: 123114

DOI

[17]
曹小曙, 胡培婷, 刘丹. 电动汽车充电站选址研究进展[J]. 地理科学进展, 2019, 38(1): 139-152.

DOI

Cao Xiaoshu, Hu Peiting, Liu Dan. Progress of research on electric vehicle charging stations. Progress in Geography, 2019, 38(1): 139-152.

DOI

[18]
黄洁, 高阳, 付晓, 等. 基于出行链的新能源汽车公共充电站点可达性研究——以北京市为例[J]. 地理研究, 2022, 41(12): 3305-3317.

DOI

Huang Jie, Gao Yang, Fu Xiao et al. Accessibility of public electric vehicle charging stations based on trip chains: A case study in Beijing. Geographical Research, 2022, 41(12): 3305-3317.

DOI

[19]
Cao L, Deng F, Zhuo C F et al. Spatial distribution patterns and influencing factors of China’s new energy vehicle industry[J]. Journal of Cleaner Production, 2022, 379: 134641

DOI

[20]
Cai L, Peng X Q, Wang L. The characteristics and influencing factors of entrepreneurial behaviour: The case of new state-owned firms in the new energy automobile industry in an emerging economy[J]. Technological Forecasting and Social Change, 2018, 135: 112-120.

DOI

[21]
Xiong Y Q, Qin S F. Differences in the effects of China’s new energy vehicle industry policies on market growth from the perspective of policy mix[J]. Energy & Environment, 2021, 32(3): 542-561.

[22]
Sun X H, Liu X L, Wang Y et al. The effects of public subsidies on emerging industry: An agent-based model of the electric vehicle industry[J]. Technological Forecasting and Social Change, 2019, 140: 281-295.

DOI

[23]
Lauer J, Liefner I. State-led innovation at the city level: Policy measures to promote new energy vehicles in Shenzhen, China[J]. Geographical Review, 2019, 109(3): 436-456.

DOI

[24]
Wang X L, Li Z Q, Shaikh R et al. Do government subsidies promote financial performance? Fresh evidence from China’s new energy vehicle industry[J]. Sustainable Production and Consumption, 2021, 28: 142-153.

DOI

[25]
Li J J, Jiao J L, Xu Y W et al. Impact of the latent topics of policy documents on the promotion of new energy vehicles: Empirical evidence from Chinese cities[J]. Sustainable Production and Consumption, 2021, 28: 637-647.

DOI

[26]
Chen Y F, Ni L F, Liu K L. Does China’s new energy vehicle industry innovate efficiently? A three-stage dynamic network slacks-based measure approach[J]. Technological Forecasting and Social Change, 2021, 173: 121161

DOI

[27]
Dong F, Liu Y J. Policy evolution and effect evaluation of new-energy vehicle industry in China[J]. Resources Policy, 2020, 67: 101655

DOI

[28]
Wu Z L, Shao Q L, Su Y T et al. A socio-technical transition path for new energy vehicles in China: A multi-level perspective[J]. Technological Forecasting and Social Change, 2021, 172: 121007

DOI

[29]
Cui X F, Huang W, Zhang J et al. Exploring the spatiotemporal evolution mechanism of rural e-commerce: Insights from the experience of Taobao towns in China[J]. Humanities and Social Sciences Communications, 2024, 11(1): 789

DOI

[30]
Chao Y, Gao L N, Liu Y Q et al. Multi-perspective perception of urban relative poverty and its associated factors analysis: A case study of Wuhan City[J]. Cities, 2024, 153: 105320

DOI

[31]
王丰龙, 曾刚, 周灿, 等. 中国地方政府科技财政支出对企业创新产出的影响研究——来自工业企业数据库的证据[J]. 地理科学, 2017, 37(11): 1632-1639.

Wang Fenglong, Zeng Gang, Zhou Can et al. Effects of local expenditure for science and technology on firm innovation: Evidence from Chinese industrial enterprises database. Scientia Geographica Sinica, 2017, 37(11): 1632-1639.

[32]
李文辉, 董诗涵, 郑舒桐, 等. 中国高成长性创业企业的时空格局与区位因素研究[J]. 地理科学, 2023, 43(3): 445-453.

Li Wenhui, Dong Shihan, Zheng Shutong et al. Spatiotemporal pattern and location factors of Chinese high-growth start-up firms. Scientia Geographica Sinica, 2023, 43(3): 445-453.

[33]
邹伟勇, 熊云军. 中国城市人工智能发展的时空演化特征及其影响因素[J]. 地理科学, 2022, 42(7): 1207-1217.

Zou Weiyong, Xiong Yunjun. Spatio-temproral evolution characteristics of AI development in Chinese cities and its influencing factors. Scientia Geographica Sinica, 2022, 42(7): 1207-1217.

[34]
陶杰, 曹卫东, 吴娟. 长三角城市群上市民营企业发展水平变化及其影响因素[J]. 经济地理, 2022, 42(11): 124-132.

Tao Jie, Cao Weidong, Wu Juan. Evolution and factors influencing the development of listed private enterprises in the Yangtze River Delta Urban Agglomeration. Economic Geography, 2022, 42(11): 124-132.

[35]
丁乙宸, 黄亚平, 鲁仕维, 等. 长三角汽车制造产业链投资网络空间特征及影响因素[J]. 地理研究, 2024, 43(7): 1715-1734.

DOI

Ding Yichen, Huang Yaping, Lu Shiwei et al. Spatial characteristics and influencing factors of investment network in the automobile manufacturing industry chain of the Yangtze River Delta. Geographical Research, 2024, 43(7): 1715-1734.

DOI

[36]
赵建吉, 刘岩, 王艳华, 等. 欠发达地区城市群金融机构空间演化特征及影响因素——以中原城市群为例[J]. 经济地理, 2022, 42(1): 70-78

Zhao Jianji, Liu Yan, Wang Yanhua et al. Spatial evolution characteristics and influencing factors of financial institutions in undeveloped areas: A case study of the urban agglomerations in the central plains. Economic Geography, 2002, 42(1): 70-78.

[37]
王帮娟, 刘承良, 毛炜圣, 等. 中国城市软创新的时空演化及其影响因素[J/OL]. 地理学报, 1-19[2024-11-29]. http://kns.cnki.net/kcms/detail/11.1856.P.20241127.0925.002.html

Wang Bangjuan, Liu Chengliang, Mao Weisheng et al. Spatio-temporal evolution and determinants of soft innovation in Chinese cities: A trademark perspective. Acta Geographica Sinica, 1-19[2024-11-29]. http://kns.cnki.net/kcms/detail/11.1856.P.20241127.0925.002.html.]

[38]
何瑛, 杨琳. 改革开放以来国有企业混合所有制改革: 历程、成效与展望[J]. 管理世界, 2021, 37(7): 44-60+4.

DOI

He Ying, Yang Lin. Mixed ownership reform of state-owned enterprises since reform and opening-up: Course, effect and prospect. Journal of Management World, 2021, 37(7): 44-60+4.

DOI

[39]
李浩天, 薛德升, 黄耿志, 等. 2000—2020年中国就业人口时空格局及影响因素研究[J]. 人文地理, 2024, 39(5): 96-108.

Li Haotian, Xue Desheng, Huang Gengzhi et al. Study on the spatio-temporal pattern and influencing factors of Chinese employed population from 2000 to 2020. Human Geography, 2024, 39(5): 96-108.

[40]
周霞, 杨仕恩. 北京高新技术企业分布特征及其影响因素[J]. 经济地理, 2024, 44(8): 126-136.

Zhou Xia, Yang Shien. Distribution characteristics and influencing factors of high-tech enterprises in Beijing. Economic Geography, 2024, 44(8): 126-136.

[41]
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.

[42]
Yeh A G, Yang F F, Wang J J. Economic transition and urban transformation of China: The interplay of the state and the market[J]. Urban Studies, 2015, 52(15): 2822-2848.

DOI

[43]
吴磊, 李贵才, 刘青. 新发展格局下粤港澳大湾区的发展脉络与展望[J]. 城市发展研究, 2023, 30(11): 34-41.

DOI

Wu Lei, Li Guicai, Liu Qing. The development pulse and prospects of Guangdong, Hong Kong and Macao’s Greater Bay Area under the new development pattern. Urban Development Studies, 2023, 30(11): 34-41.

DOI

[44]
Xu J L, Du Z W, Yeh A G O. Localization, regionalization, and domesticalization of satellite industrial platform and urban transformation: A case study of Dongguan in the Pearl River Delta, China[J]. Cities, 2023, 139: 104368

DOI

[45]
刘逸, 纪捷韩, 张一帆, 等. 粤港澳大湾区经济韧性的特征与空间差异研究[J]. 地理研究, 2020, 39(9): 2029-2043.

DOI

Liu Yi, Ji Jiehan, Zhang Yifan et al. Economic resilience and spatial divergence in the Guangdong Hong Kong-Macao Greater Bay Area in China. Geographical Research, 2020, 39(9): 2029-2043.

DOI

Options
文章导航

/

〈 〉