EN中文

SCIENTIA GEOGRAPHICA SINICA >

2021 , Vol. 41 >Issue 9: 1525 - 1535

DOI: https://doi.org/10.13249/j.cnki.sgs.2021.09.004

Spatial Agglomeration of Design Creative Talents and Its Driving Factors: Based on the Perspective of Urban Amenities

  • He Jinliao , 1, 2 ,
  • Peng Jue 1, 3 ,
  • Hu Hao , 1, 2, *
Expand
  • 1. The Center for Modern Chinese City Studies, East China Normal University, Shanghai 200062, China
  • 2. The Institute of Urban Development, East China Normal University, Shanghai 200062, China
  • 3. School of Urban and Regional Science, East China Normal University, Shanghai 200041, China

Received date: 2020-06-16

  Revised date: 2020-12-24

  Online published: 2021-11-17

Supported by

National Natural Science Foundation of China(42171214)

Major Program of Hangzhou Soft Science(20200834M22)

Copyright

Copyright reserved © 2021.
Fold

Abstract

Creative talents are the new dynamics to urban and regional economic development. However, limited attention was paid to the spatial agglomeration mechanism and driving factors of creative talents. Based on the theory of urban amenities, the paper establishes an index system of urban amenities to the spatial agglomeration of creative talents in design sectors in China. An extensive dataset with over 3 million designers registered in the online platform zcool.com was adopted as the sample for this study. It aims to examine the spatiality of China’s creative talents and its association with urban amenities for cultural production. Using the quantitative methods such as location quotient, geographic concentration index, and the negative binomial regression method, we investigate the characteristics and mechanism of the spatial concentration of Chinese creative designers. The results suggest that: First, the distribution of creative designers shows a significant spatial agglomeration. First-tier cities like Beijing are the most dominated, but emerging cities such as Hangzhou, Changsha, Wuhan, and Zhengzhou are also well-performed, even better than some first-tier cities. Second, amenity-based approach has a strong explanatory power in explaining the agglomeration of Chinese design creative talents. The cultural environment, educational environment, and natural environment are the core factors that affect the agglomeration of design creative talents. Third, this study echoes with some conclusions of the creative class theory. Cultural infrastructures, cultural heritages, cultural tourism, high-quality human capital, warm climate, and good air quality were essential to enhance the city’s attractiveness to creative talents. Simultaneously, it is found that scientific research investment has a significant crowding-out effect on the accumulation of creative talents. The amenity factors of the living environment that were emphasized by Western scholars have a limited impact on agglomeration of creative talents. In conclusion, this research adopted a more inclusive urban amenity theory, and proved that urban amenities matter in the process of concertation of creative designers. It also provides a reference for local governments to promote their brain gain policy for creative talents.

Key words： creative talent; creative industry; agglomeration; urban amenities; designers

Cite this article

He Jinliao , Peng Jue , Hu Hao . Spatial Agglomeration of Design Creative Talents and Its Driving Factors: Based on the Perspective of Urban Amenities[J]. SCIENTIA GEOGRAPHICA SINICA, 2021 , 41(9) : 1525 -1535 . DOI: 10.13249/j.cnki.sgs.2021.09.004

21世纪以来，创意经济和创意人才资源已成为城市和区域发展的核心竞争力。在美国，创意产业贡献了1/3以上的国民经济生产总值和就业机会[1]，在英国伦敦，创意产业是仅次于金融服务业的支柱性产业[2]。近年来，由于中国大都市地区正在经历产业转型升级和城市功能转变，中国的创意产业也取得了快速发展，自2013年以来，文化创意产业增加值在中国GDP中所占比重不断增加，2013—2018年从3.36%增加至4.48%[3]，但与西方发达国家相比，总体上还存在较大差距。
创意人才的空间流动和集聚机制研究一直是国外城市与经济地理领域的研究热点，然而在国内相关的文献还很稀缺。其原因一方面在于国内学者主要把关注焦点放在产业集群、企业和组织关系、产业政策等层面[4~7]，极少有学者关注创意行为主体“人”本身。另一方面，国内现有文献大多受传统人口迁移模型的影响，在研究创新型人才流动和空间集聚机制时仍然采用古典经济学理论，如推拉理论、成本收益等，这些理论对于大众人口迁移和传统职业的劳动力空间流动具有很强的解释力。然而，对于新兴创意人才来说，传统区域要素往往不能进行很好的解释。对此，美国经济地理学家Florida提出了著名的创意阶层理论[1]；类似地，美国城市地理学家Scott在解释创意空间的形成机理时提出了著名的创意场域（creative field）理论[8]。城市舒适性理论（urban amenities）为解释包括创意人才在内的创新型高端人才的空间流动和集聚机制提供了新的研究思路。国内已有不少研究关注到高学历、高技能人才的空间集聚受非经济要素影响更大，但其研究对象多为科研工作者或留学生群体[9~11]，对于以文化创意为核心的职业群体关注较少。
基于此，本文试图从城市舒适性视角出发，通过大数据挖掘技术抓取国内设计师社交网络平台站酷网的数据，构建中国设计创意人才的城市舒适性指标体系和回归分析模型，从自然环境、教育环境、创业环境、文化环境、生活环境5个基本方面对中国设计创意人才的空间集聚机理进行深入的剖析，以期为地方政府吸引和培育创意人才提供参考依据。

1 理论基础与指标构建

地理学者通常采用古典经济学模型对人口的空间集聚进行解释，如拉文斯坦人口迁移法则、“推-拉”理论、“干预机会”理论等[12,13]。然而在知识经济时代，创意人才属于稀缺人力资本，具有很强的自主性、高环境敏感性和地方滑动性等特征[1]，因此在解释创意人才的空间集聚机理需要更加灵活和包容的研究视角。西方经济地理学家发现城市舒适性（urban amenities）对创新型人才的空间流动和集聚机制有很强的解释力，认为舒适性在促进人口增长与区域发展方面超过了传统区域要素，并由此形成了城市舒适性理论[14~18]。
从城市舒适性视角研究创意人才集聚应注意两方面的问题：①城市舒适性具有地域性，由于经济发展阶段、城市化水平、文化环境等差异，不同国家的城市舒适性内涵有所不同[15,19,20]，例如，商业设施和交通便利性对中国城市人口集聚的影响较大，而西方国家更加强调自然环境和文化多样性的重要作用[20]。②不同职业群体的城市舒适性偏好存在差异[21,22]，对于创意工作者来说，这种差异主要是由创意部门的知识类型分异导致的[5,23]，如Markusen发现艺术家群体与高科技工作者在城市区位偏好上存在明显的分异现象[24]。目前国内相关的研究主要关注科研工作者[9,10,25]，发现公共服务、高等教育、文化环境等因素对不同层次的科研人员的区位选择均有重要影响[9,10,26]。然而，已有研究对以文化创意为核心的职业群体关注较少，仅有少量研究从城市尺度对工业设计师、创意产业园区内从业者进行了案例分析[5,27]，亟待更多中国语境下不同创意部门的城市舒适性实证研究。
基于以上认识，并结合数据的可获得性，本文构建了驱动设计创意人才空间集聚的城市舒适性指标体系（表1），共选取了5个一级指标，每个一级指标由3个二级指标组成：① 自然环境舒适性。自然环境舒适性是西方城市舒适性研究普遍强调的重要指标，且本研究基于全国尺度进行研究，自然环境差异较大，应当考虑自然环境指标[19]，如气候与温度，因此选取一月平均气温[18,28,29]与日照时长表征城市气候情况，用年PM2.5平均浓度表征城市空气质量。② 教育环境舒适性。已有研究表明教育资源与人才集聚之间存在明显的空间耦合关系，并且创意场域理论与创意阶层理论均指出教育资源是吸引创意人才的重要舒适性[8]，大学是创意知识生产、创意人才培育的重要场所[7,19]。因此采用每万人常住人口中在校大学生数量表征城市高等教育发展水平，用每万人常住人口中拥有大专及以上学历的人口表征城市平均受教育程度。然而对于高科技与艺术类从业者之间的关系仍然存在争论[24]，因此选取单位GDP研发投入考察科研类活动与设计师集聚之间的关系。③ 创业环境舒适性。Lee等[30]指出创业精神和创意环境之间具有显著正相关的关系，创业氛围良好的城市通常也具有较好的创意环境，因此选取商标注册数量、上市公司数量、创意产业园区数量来表征城市的创业氛围。④ 文化环境舒适性。文化遗产是城市重要的文化资本与外生舒适性[31]，同时，创意人才偏好完善的文化设施[1,8]。⑤ 生活环境舒适性。借鉴Glaeser的区域均衡模型[17]，且温婷等认为住房、交通对人才的自我发展具有重要影响[15]，因此将平均房价与人均可支配收入、交通便利性纳入指标体系。
表1 设计师城市舒适性指标体系

Table 1 Urban amenity index for designers

一级指标 二级指标 描述
　　注：*因为北半球平均气温一月份最低，代表该地区的寒冷程度，该指标在舒适性研究中被普遍采纳[18,28,29]。
自然环境舒适性

一月平均气温* 一月平均气温/℃
空气质量 年PM2.5平均浓度/（μg/m3）
日照时长 全年日照时长/h
教育环境舒适性

大学生数量 每万人常住人口中在校大学生数量/人
受教育程度 每万人常住人口中拥有大专及以上学历的人口/人
研发投入 单位GDP研发投入/元
创业环境舒适性

商标注册 单位GDP商标注册个数/（个/亿元）
上市公司 国泰安数据库上市公司数量/个
创意产业园区 创意产业园区数量/个
文化环境舒适性

文化遗产 全国重点文物保护单位数量/个
文化基础设施 展览馆数量/个
文化旅游 入境旅游人数占常住人口比重/%
生活环境舒适性

平均房价 城市平均房价/（元/m3）
交通便利性 人均公共交通客运次数/次
人均可支配收入 城镇居民人均可支配收入/元

2 数据和方法

2.1 数据收集与处理

本文使用的设计创意人才数据主要来自于中国最大的平面设计师社交平台站酷网（zcool.com）。通过大数据挖掘工具Python进行数据采集，涉及数据类型包括设计师所在城市、职业、创作作品、人气指数（粉丝数）等。并对所有数据进行人工判读和删选，去除无效数据（如僵尸账号、从未发布作品的账号等），最后共采集了340万条有效设计师数据，涵盖了363个地级市及自治州（未含港澳台地区数据）。考虑到设计师在不同城市的长尾效应，在进行回归分析时只考虑设计师数量排名前200的地级市，同时由于城市指标数据的可获得性原因排除了30个自治州数据，最后有效设计师数据共计330万名。
城市舒适性因子数据主要来自于2018年《中国城市统计年鉴》[3]，其中自然环境的相关指标来自于国家气象信息中心（cma.gov.cn）、环境状况公报、相关统计局网站等，受教育程度来自第六次人口普查数据，商标注册数量来自于商标局（sbj.cnipa.gov.cn），上市公司数据来自国泰安数据库，创意产业园区数量来自中国文化创意产业网（ccitimes.com）发布的《2019中国文化创意产业集聚区分布图》，展览馆数据来自美团网（fy.meituan.com），房价数据来自安居客（anjuke.com）2017年各城市平均房价数据。

2.2 研究方法

地理集中指数是反映要素集中程度的重要指标[32]，本文采用地理集中指数来表征设计创意人才在全国的空间集聚程度。区位熵指数常用来反映某一区域要素在高层次区域的地位及作用[33]，采用区位熵指数来表征设计创意人才在不同城市的空间分布特征。
为了揭示创意人才的空间集聚机制及其影响因子，本文采用负二项回归模型进行分析。对于因变量为非负整数的计数数据，通常选择泊松回归，但对于因变量存在“过度分散”，即方差明显大于期望的情况，应使用负二项回归模型。作为对比，分别将城市总设计创意人才数与区位熵作为因变量进行回归分析，其中将区位熵进行整数化处理转换为计数数据。自变量包括表1中15个二级指标。负二项回归模型的公式如下：
$ \ln{\lambda _i} = \ln{k_i} + offse{t_i} + {\beta _0} + {\beta _1}{x_1} + \cdots + {\beta _i}{x_i} $
式中，λi是Yi的估计参数；ki表示超离散的程度，服从均值为0，方差为α的Gamma分布，若α= 0则模型退化为泊松回归模型；β0是方程常数；offseti为模型中引入的抵消项；βi是系数；xi是自变量；Yi服从泊松分布。

3 研究结果与分析

3.1 设计创意人才的空间集聚特征分析

图1展示了从站酷网上采集的330万设计创意人才的细分行业情况，其中平面设计师是设计创意人才中的主体部分，占到总人数的56%，网页设计师也占了较大比例（11%），紧跟其后的还包括UI设计师、插画设计师、室内设计师、摄影师等，占比在5%~7%之间。这些设计师职业的工作内容有着共同的特征，即以图像作为主要创意载体，属于符号经济（symbolic economy）的核心部门。
图1 设计师职业分布

Fig. 1 Occupational distribution of designers

从四大经济区域分布[34]来看，设计创意人才主要集中在东部发达地区，并呈现从沿海向内陆递减的趋势：东部发达地区设计创意人才人数占全国总人数的70.22%；中部地区占比13.63%；西部地区占比12.88%；东北部地区占3.28%（图2a）。其中北京、广东、浙江、上海这些经济发达的地区占全国设计师总人数的54.68%；西部地区分布较多的省份与城市为四川、重庆、陕西；中部地区分布较多的省份为河南、湖北、湖南；东北地区辽宁省人数最多。从城市等级来看[35]，设计创意人才主要分布在一线城市与新一线城市，占比达到70.07%，其中北京处于遥遥领先的位置，说明北京是中国设计创意产业的中心，值得注意的是，部分二线城市的设计师人数超过一些新一线城市，如厦门、合肥、济南超过了青岛、沈阳等（图2b）。总体上而言，设计师创意人才的空间分布自东向西递减，具有明显的大城市集聚效应，趋向于经济发达以及大都市地区如北上广深，以及发展迅速的杭州、成都、武汉等新一线城市，但同时也有一些二线城市在人数上超过部分新一线城市。
图2 2019年不同地区和不同城市等级的创意设计师总人数及区位熵分布

Fig. 2 Distribution of total number and location quotient of creative designers in different regions and cities in 2019

从地理集中指数的测算来看，中国设计创意人才的空间分布呈现非常集聚的特征。假设设计创意人才在全国是均衡分布的，此时地理集中指数是7.07%。而全国设计创意人才的地理集中指数为28.2%，远远大于设计创意人才均衡分布于全国的地理集中指数，这表明设计创意人才在全国的分布呈现高度集聚态势。
进一步对设计创意人才排名前200的城市进行可视化分析，包括总人数、区位熵、发布作品数、人气指数4个方面。图3a展示了设计创意人才总规模分布，设计创意人才的空间分布特征与中国区域经济发展格局基本保持一致，即主要分布在京津冀、长三角、珠三角城市群以及长江经济带沿线省会城市。设计师总人数前10位的城市分别为北京、广州、上海、深圳、杭州、成都、武汉、重庆、郑州、南京。
图3 2019年中国设计创意人才总人数、区位熵、创作数量和人气指数分布

审图号GS(2019)1822号，底图无修改；未含港澳台数据

Fig. 3 Distribution of creative designers in 2019

为了消除城市规模的影响，本文采用区位熵表征设计创意人才的空间集聚程度。如图3b所示，设计创意人才的区位熵分布呈现高度集聚的格局，并与设计创意人才总规模的分布格局存在差异，区位熵排名前10的城市分别是北京、广州、杭州、长沙、深圳、武汉、郑州、上海、石家庄、西安。从区位熵来看，杭州、长沙、武汉、郑州这些新一线城市在设计师空间集聚方面已经超过了上海，可以看出，在设计创意产业领域，新一线城市正在崛起，原有的城市等级体系正在发生重构。类似地，根据张苏秋等对中国31个省（市、自治区）2004—2014年创意指数的评价，上海的排名从2004年的第四降至2012年的第七[36]。美国创意阶层的分布也存在类似的现象，尽管一些高等级的服务功能集中在3个最大的大都市，但受到一些舒适性因素（如生活成本）的影响，创意人才具有向二线城市集中的趋势[24]。由此可见，在创意经济时代，城市的规模红利正在逐渐消退，大城市病（如拥堵、高生活成本、污染等问题）的排挤效应开始显现，城市的生活和工作环境正在成为影响城市吸引力的关键要素。
通过站酷网社交平台不仅仅可以获得全国各城市的设计创意人才的空间分布，同时还可以获得作品发布数目和人气指数，从而为进一步分析各城市的设计创意活动的活跃程度提供参考依据。图3c显示了2004年以来设计作品数排名前200的城市分布情况，总体上来说，设计创意人才越集聚的地区创意活动也越活跃，但也存在少数例外。与设计创意人才总人数分布一样具有大城市与高等级城市效应，北京拥有最多的设计师，同时也是创作作品最多的城市。然而，值得注意的是，深圳的设计人才数量（188 499）少于广州（231 903）、上海（215 338），但深圳的创作数量（546 422）高于广州（490 907）、上海（530 168）；同样地，南京（64 509）和西安（58 328）的设计创意人数也小于重庆（78 292），但创作数量上，南京（106 627）和西安（95 643）都高于重庆。
图3d展示了设计创意人才的人气分布情况。设计师人气是指设计师主页被关注的次数，代表着设计师作品的影响力或知名度，城市的创意设计师人气越高，意味着这个城市的设计作品更有影响力。值得注意的是，创意设计师人气的分布与设计师人数和作品分布特征不同。虽然在作品数量上，上海（530 168）多于广州（490 907），但人气方面，广州（236 631）要高于上海（199 577）。西安也具有相当高的人气（88 329），这也进一步说明了西安虽然拥有较少的设计创意人才，但设计创意活动却非常活跃，并具有较强的影响力。厦门在设计师人数、集聚程度、创作作品上都不占优势，但其人气在全国排名第十，超过了许多新一线城市，由于武夷山的阻隔使得福建与其他地区形成了不同的文化，在设计创意行业具有突出的影响力。

3.2 设计创意人才的空间集聚机理分析

本文进一步通过回归分析对设计创意人才的空间集聚机理及其影响因子进行解释。从描述性统计结果来看，因变量设计创意人才总数和区位熵的变异系数都比较大，分别为3.87、1.24，这进一步印证了设计创意人才在城市之间的分布很不均衡，集聚程度非常显著。在自变量方面，各指标的变异系数有所差异。首先，创业环境舒适性因子的变异系数最大，有两个二级指标的变异系数大于2，分别为创意园区（2.65）和上市公司（2.31），商标注册变异系数也大于1，说明城市之间的创业环境差异非常显著。其次，文化环境因子变异系数仅次于创业环境，其中文化旅游变异系数为2.44，文化基础设施与文化遗产变异系数也都大于1。教育环境舒适性有两个二级指标变异系数大于1，受教育程度变异系数小于1（为0.79）。生活环境舒适性与自然环境舒适性仅有一个二级指标变异系数大于1，另两个变异系数小于1，说明城市生活环境和自然环境的差异并不明显。总体上社会文化环境舒适性因子的变异系数大于自然环境舒适性因子的变异系数，这说明社会文化因子可能在促进设计师集聚方面发挥更重要的作用。自变量共线性诊断参数VIF 值均低于7，说明自变量之间不存在明显的共线性。
表2展示了分别以设计创意人才总数（模型1）和区位熵（模型2）为因变量的回归分析结果。总体上，负二项回归模型的分析结果验证了城市舒适性在解释中国设计创意人才的空间集聚机理时有很强的解释力，2个模型的各项指标都很理想，2个模型都在1%的置信水平下均拒绝alpha=0的假设，证明了采用负二项回归模型估计的合理性。同时，2个模型的P值均为0，都通过了显著性检验。比较而言，模型2通过显著性检验的指标比模型1更多，因此，可以认为模型2的表现更优，即城市舒适性因子能更好地解释消除规模效应后设计创意人才的空间集聚机制，关于各舒适性因子对设计创意人才的空间集聚的影响机理详细解释如下。
表2 中国设计师集聚负二项回归分析结果

Table 2 Negative binomial regression results of creative designers

解释变量 模型1（总人数） 模型2（区位熵）
标准化系数 标准误 标准化系数 标准误
　　注：*、**、***分别表示在10%、5%、1%的置信水平下通过显著性检验。
一月平均气温 0.1799*** 0.0603 0.0958** 0.0392
空气污染 0.2893 0.0449 -0.0511* 0.0305
日照时长 0.0353 0.0531 0.0130 0.0316
大学生数量 0.4938*** 0.0814 0.3475*** 0.0442
受教育程度 -0.0250 0.0440 0.0004 0.0560
研发投入 -0.1014 0.0618 -0.1512*** 0.0459
商标注册 0.1078* 0.0628 0.1055** 0.0451
上市公司 0.0996 0.2004 0.0304 0.0869
创意产业园区 0.2093** 0.2081 0.0100 0.1023
文化遗产 0.1245** 0.0648 0.1090*** 0.0350
文化基础设施 0.4327*** 0.2068 0.2378*** 0.0827
文化旅游 0.1887*** 0.0795 0.1716*** 0.0431
平均房价 -0.0497 0.0879 -0.0142 0.0569
交通便利性 -0.0068 0.0785 -0.0050 0.0571
人均可支配收入 0.2369*** 0.0672 -0.0474 0.0429
alpha 0.2682*** 0.0338 0.1764*** 0.0207
首先，2个模型的结果都显示与设计创意人才空间集聚关联最为紧密的是文化环境舒适性因子。在2个模型中文化基础设施与文化旅游因子都在1%的置信水平下通过显著性检验，且标准化系数都为正值，说明文化基础设施和文化旅游都是影响设计创意人才空间集聚的重要因子。文化遗产在模型2中通过置信水平为1%的显著性检验，在模型1中通过置信水平为5%的显著性检验，且标准化系数都为正值，说明文化遗产在消除规模效应对设计创意人才空间集聚影响更大。该结果与已有的创意产业研究是相符的，设计创意活动往往需要大量符号知识的输入和交流[5]，文化基础设施（如展览馆）在文化舒适性因子与创意设计师集聚的相关性最显著，一方面展览馆通过展出作品，可以使设计师获得丰富的学习素材；另一方面，展览馆同时也是设计师重要的社交场所，在观看作品的同时，可以使设计师之间相互交流学习，或者与其他参观者之间相互交流，面对面获得对作品的评价。文化旅游因子常被认为是文化多样性的象征，多种文化交融有利于为设计师提供创意，这与Lee等指出文化多样性与文化创造力存在显著正相关关系的结论是相符的[28]。此外，文化遗产对创意设计师集聚起到重要作用，这与西方学者强调的历史文化资源对创意阶层的驱动作用类似，如Brueckner等认为，历史舒适性因子（如文化遗产）属于城市的外生舒适性，是一个城市不可移动且难以复制的文化资本，同时也是设计师创作的重要内容[29]。例如，近年来有着广泛影响的故宫创意设计产品就是以故宫文化为核心素材进行创作形成的文化创意品牌[37]。该结果可以很好的解释武汉、杭州这类文化基础设施丰富的城市，以及西安、南京这类历史悠久的城市创意设计师集聚的现象，城市的文化资本在创意设计师的集聚过程中起到了相当重要的作用。
其次，2个模型显示教育环境舒适性因子也是影响设计创意人才集聚的重要因素。大学生数量在两个模型中都通过了置信水平为1%的显著性检验，并且在所有城市舒适性因子中标准化系数最大，可以认为高等教育水平是影响设计创意人才集聚的重要因子，且主要体现在高素质人力资本方面。该结果与已有城市舒适性研究是吻合的，如Clarke和Gaile认为教育舒适性（大学生数目）在人才集聚中起到了非常重要的作用[38]，以及Florida的3T理论中所强调的人才是创意经济发展的核心。高等教育通过多种方式促进创意设计的发展。首先大学为设计行业提供了丰富的人才与知识资源；其次大学通过社会网络的方式为设计师提供互动交流的环境，如北京的车公庄大街和中关村地区集聚了大量的规划设计企业[7]，南京师范大学和南京艺术学院附近集聚了大量品牌设计公司[19]。同时，研发投入仅在模型2中通过了置信水平为1%的显著性检验，但在2个模型中标准化系数均为负值，受教育程度在2个模型中均为通过显著性检验，这也是Florida的3T理论受到批评的地方，Markusen指出艺术家与高科技工作之间并不存在相关性，甚至可能起到相互替代的作用[24]。实际上科研工作者与创意设计师在生产过程中所使用的知识类型也是不同的，科研活动使用解析（analytic）知识，而设计活动则更加依赖于符号（symbolic）知识[5]，已有研究表明创意产业中技术密集型与文化密集型部门在空间偏好上存在明显的差异[23]。该结论说明了设计创意产业部门与高技术产业部门之间存在不同的空间集聚机理。
再次，在自然环境舒适性方面只有一月平均气温在模型1中通过置信水平为1%的显著性检验，在模型2中通过置信水平为5%的显著性检验，空气污染在模型1中未通过显著性检验，在模型2中通过置信水平为10%的显著性检验，日照时长在2个模型中均为通过显著性检验。这说明自然环境对设计创意人才的区位选择具有一定影响，空气污染在模型1中标准化系数为正值，在模型2中标准化系数为负值，说明城市规模所带来的好处，如更多的工作机会、更丰富的基础设施，一定程度上可以抵消空气污染带来的影响，然而在消除规模效应后设计创意人才更加关注空气质量。这与西方学者强调的温暖的气候更有利于新兴产业发展的结论具有相对一致性，例如，Ullman强调充足的阳光对于区域发展具有重要的意义[16]，这为创新型人才提供舒适的自然环境，因此美国的阳光地带（sunbelt）集聚了大量的创新型人力资本，但在模型中日照时长与设计创意人才的集聚相关性不强，一月均温和空气污染更加重要，这说明对于创意人才而言自然舒适性因子具有地域性，不同地区的自然环境影响程度有所差异，但总体上自然舒适性因子会影响设计创意人才的区位选择。
然后，2个模型显示创业环境舒适性因子对设计创意人才集聚也具有一定影响。其中商标注册在模型1中通过了置信水平为10%的显著性检验，在模型2中通过了置信水平为5%的显著性检验，可以认为商标注册时影响设计创意人才集聚的重要因子，这一结果印证了创业环境与企业家精神之间的密切关系[28]，同时，创意经济之父Howkins指出[39]，创意经济以知识产权为特征，商标注册数量体现了城市对于知识产权的重视程度。
创意产业园区在模型1中通过了置信水平为5%的显著性检验，在模型2中未通过显著性检验，同时上市公司因子在2个模型中并未通过显著性检验，说明创意产业园区对设计创意人才的集聚具有一定影响，但不是核心因子，而上市公司不是影响创意人才集聚的因子。创意产业园区与上市公司均具有一定的门槛效应，且上市公司门槛更高，因此在考虑城市规模效应时创意产业园区与设计创意人才的集聚相关性显著，而消除规模效应后两者均不显著，这说明设计师在区位选择中具有相当大的自主性，从全国尺度来看创意产业园区这类微观载体和上市公司对设计创意人才的集聚影响并不明显。
最后，在生活环境舒适性因子方面，仅人均可支配收入在模型1中通过显著性检验且标准化系数为正值（置信水平为1%），在模型2中未通过显著性检验标准化系数为负值，说明人均可支配收入对于设计创意人才的集聚具有一定影响，主要体现在大城市能提供更高的收入，但消除城市规模的影响后人均可支配收入对创意人才的集聚影响不显著。这一结果与Glaeser的观点[17]类似，城市规模越大往往具有交通拥堵、环境污染等城市病，对于创意阶层而言其舒适性较差，因此也需要提供更高的工资作为平衡。平均房价和交通便利性在两个模型中均未通过显著性检验，说明并不是影响设计创意人才集聚的重要因子。生活舒适性因子对设计创意人才区位选择的影响主要体现在人均可支配收入方面，这可能与中国的创意经济发展阶段有关。
综上所述，负二项回归模型证实了城市舒适性理论可以很好地解释设计创意人才空间集聚的驱动机制，其中文化环境舒适性的影响作用最为突出，教育环境、自然环境、创业环境舒适性也具有重要影响，具体包括文化基础设施、文化遗产、文化旅游、大学生数量、气温、商标注册、创意园区等因子。相比之下，上市公司、受教育程度、房价、交通便利性等因子对设计创意人才的空间集聚没有显著影响。研发投入和空气污染在一定程度上表现为负相关，即高科技产业和环境污染状况会对设计创意产业产生替代或排挤效应。因此，本文一方面证实了创意阶层理论的部分研究结论，比如文化资本、高等教育、自然环境对创意人才集聚的重要影响；同时也发现中国创意经济发展与西方国家相比处于不同阶段，并由于中国特殊国情的缘故，其影响机理也有所差异。

4 结论与讨论

本文从城市舒适性理论出发，通过地理集中度计算、区位熵、负二项回归模型，揭示了中国设计创意人才空间集聚特征与影响机理。研究结果表明城市舒适性理论能够很好的解释城市创意人才的空间集聚现象，具体结论可概括如下。
首先，设计创意人才在总人数、区位熵方面均具有非常明显的集聚特征，并与中国区域经济发展的基本格局相吻合。创意人才主要分布在东部沿海的大都市地区，并自东向西递减，北上广深等一线城市是设计创意人才的重点集聚区，其中北京是中心城市，但同时也有一些二线城市在人数上超过部分新一线城市，这表明创意人才正在重塑中国的城市等级体系，城市的规模效应在设计创意产业领域正在减弱，城市的舒适性程度成为了吸引创意人才的重要因素。近期类似的研究发现这种空间重构过程同时也发生在以电商粉丝经济为代表的数字经济领域中[40]。
其次，从设计创意人才的创作数量与人气指数来看也具有明显的集聚特征，但与总人数与区位熵的空间分布存在差异。创作数量与人气指数可以表征城市的创造活力与创作影响力，大体上与设计创意人才的空间分布格局相近，文化资本越丰富的城市其创造活力与影响力也越大，如厦门在人数、区位熵、创作数量上均不占优势但人气指数极高，城市独特的自然、文化环境能孕育出具有影响力的设计师，城市舒适性也是影响创意人才创造力的重要因素。
再次，负二项回归分析结果表明中国城市创意人才的空间集聚受到文化环境、教育环境以及自然环境舒适性影响最大。其中文化基础设施（展览馆数量）、文化遗产、文化旅游为设计创意活动提供素材和灵感，是驱动设计创意人才集聚的核心驱动力；高等教育则为设计创意产业提供了大量的高素质人才、符号知识分享机会等；温暖的气候、良好的空气质量为设计创意人才提供了舒适的自然环境；商标注册数量表征的创业氛围与创意产业园区也为设计创意人才提供了良好的创业环境与活动载体。
最后，本文验证了西方创意阶层理论的部分结论，如文化基础设施、文化遗产、高等教育对于设计师创意人才群体的集聚具有重要意义。但由于中国的特殊国情，本文的部分结论与基于西方社会的舒适性研究有所区别，例如，研发投入并不是影响设计创意人才集聚的重要因子，自然环境舒适性对设计创意人才集聚具有重要影响，但日照时长影响有限，这与美国区域经济学者发现的阳光带结论有所区别，说明城市舒适性在不同语境下的内涵存在差异。
综上，本文在解释中国设计创意人才的空间集聚时突破了传统的经济学模型的限制，而采用更加包容的城市舒适性理论，并通过实证案例充分证明了城市舒适性理论在解释中国创意人才空间集聚现象的适用性。尽管如此，由于国内类似的案例研究仍然非常稀缺，本文也只考察设计创意人才这一特殊的职业群体，该研究结论是否适用于其他产业部门有待更多的实证分析加以验证，创意人才的创作活力与影响力为何存在差异也有待深入分析。再者，本文主要采用定量的回归模型进行分析，对于舒适性因子与创意人才集聚之中的因果关系仍需更多质性研究作为支撑。因此，本文呼吁国内地理学者加强舒适性理论的实证研究，从而为解释创意人才的空间过程提供更多科学依据。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Florida R L. The rise of the creative class—Revisited[M]. New York, USA: Basic Books, 2012.

[2]
驻英使馆经商处. 英国创意产业已成为新兴支柱产业 [J/OL]. 2011-04-07. http://gb.mofcom.gov.cn/article/i/201104/20110407499008.shtml.

Economic and Commercial Office of the Chinese Embassy in the UK. British creative industries have become a new pillar industry. 2011-04-07. http://gb.mofcom.gov.cn/article/i/201104/20110407499008.shtml.

[3]
国家统计局. 2018年全国文化及相关产业增加值占GDP比重为4.48% [J/OL]. 2020-01-21. http://www.stats.gov.cn/tjsj/zxfb/202001/t20200121_1724242.html.

National Bureau of Statistics. In 2018, the added value of national culture and related industries accounted for 4.48% of GDP. 2020-01-21. http://www.stats.gov.cn/tjsj/zxfb/202001/t20200121_1724242.html.

[4]
褚劲风. 上海创意产业空间集聚的影响因素分析[J]. 经济地理, 2009, 29(1): 102-107+129.

Chu Jingfeng. A study on spatial difference of the creative industrial zones in Shanghai. Economic Geography, 2009, 29(1): 102-107+129.

[5]
何金廖, 黄贤金, 司月芳. 产业集群的地方嵌入与全球生产网络链接——以上海文化创意产业园区为例[J]. 地理研究, 2018, 37(7): 1447-1459.

He Jinliao, Huang Xianjin, Si Yuefang. Local embeddedness and global production network of industrial clusters: Case study of the cultural. Geographical Research, 2018, 37(7): 1447-1459.

[6]
马仁锋. 创意产业区演化与大都市空间重构[M]. 杭州: 浙江大学出版社, 2014.

Ma Renfeng. Evolution of the creative industrial districts and spatial restructuring of the metropolitan space. Hangzhou: Zhejiang University Press, 2014.

[7]
朱华晟, 赵雪平, 吴骏毅, 等. 大学与城市创意产业空间—网络构建——以北京市规划设计业为例[J]. 经济地理, 2013, 33(3): 84-92.

Zhu Huasheng, Zhao Xueping, Wu Junyi et al. Urban creative space and network: A case study of planning & design industry in Beijing. Economic Geography, 2013, 33(3): 84-92.

[8]
Scott A J. Cultural economy and the creative field of the city[J]. Geografiska Annaler: Series B, Human Geography, 2010, 92B(2): 115-130.

[9]
林静霞, 何金廖, 黄贤金. 城市舒适性视角下科研人才流动的城市偏好研究[J]. 地域研究与开发, 2020, 39(1): 59-64+88.

DOI

Lin Jingxia, He Jinliao, Huang Xianjin. Research on the city preference of the flow of scientific research talents from the perspective of urban amenities. Areal Research and Development, 2020, 39(1): 59-64+88.

DOI

[10]
王若宇, 黄旭, 薛德升, 等. 2005~2015年中国高校科研人才的时空变化及影响因素分析[J]. 地理科学, 2019, 39(8): 1199-1207.

DOI

Wang Ruoyu, Huang Xu, Xue Desheng et al. Spatio-temporal change of facaulty members of higher education institute and its influential factors in China in 2005-2015. Scientia Geographica Sinica, 2019, 39(8): 1199-1207.

DOI

[11]
侯纯光, 杜德斌, 刘承良, 等. 全球人才流动网络复杂性的时空演化——基于全球高校留学生流动数据[J]. 地理研究, 2019, 38(8): 1862-1876.

DOI

Hou Chunguang, Du Debin, Liu Chengliang et al. Spatiotemporal evolution of global talent mobility network based on the data of international student mobility. Geographical Research, 2019, 38(8): 1862-1876.

DOI

[12]
李涛, 曹小曙, 黄晓燕. 珠江三角洲交通通达性空间格局与人口变化关系[J]. 地理研究, 2012, 31(9): 1661-1672.

Li Tao, Cao Xiaoshu, Huang Xiaoyan. The relationship between spatial structure of accessiblity and population change in Pearl River Delta. Geographical Research, 2012, 31(9): 1661-1672.

[13]
曹琳剑, 王杰, 王欢欢, 等. 京津冀基础设施建设与人口集聚耦合演进分析——基于推拉理论解析[J]. 地理科学, 2019, 39(8): 1256-1264.

DOI

Cao Linjian, Wang Jie, Wang Huanhuan et al. Evolutional analysis of coupling between infrastructure and population agglomeration in Beijing-Tianjin-Hebei Region: An analysis based on push-pull theory. Scientia Geographica Sinica, 2019, 39(8): 1256-1264.

DOI

[14]
温婷, 蔡建明, 杨振山, 等. 国外城市舒适性研究综述与启示[J]. 地理科学进展, 2014, 33(2): 249-258.

DOI

Wen Ting, Cai Jianming, Yang Zhenshan et al. Review and enlightenment of overseas urban amenity research. Progress in Geography, 2014, 33(2): 249-258.

DOI

[15]
温婷, 林静, 蔡建明, 等. 城市舒适性: 中国城市竞争力评估的新视角及实证研判[J]. 地理研究, 2016, 35(2): 214-226.

DOI

Wen Ting, Lin Jing, Cai Jianming et al. Urban amenity: A new perspective and empirical testimony on China’s city competitiveness assessment. Geographical Research, 2016, 35(2): 214-226.

DOI

[16]
Ullman E L. Amenities as a factor in regional growth[J]. Geographical Review, 1954, 44(1): 119-132.

DOI

[17]
Glaeser E L, Edward L. Glaeser, Review of Richard Florida’s The Rise of the Creative Class[J]. Regional Science and Urban Economics, 2005, 35(5): 593-596.

DOI

[18]
Clark T N, Lloyd R, Wong K K et al. Amenities drive urban growth[J]. Journal of Urban Affairs, 2002, 24(5): 493-515.

DOI

[19]
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.

[20]
马凌, 李丽梅, 朱竑. 中国城市舒适物评价指标体系构建与实证[J]. 地理学报, 2018, 73(4): 755-770.

DOI

Ma Ling, Li Limei, Zhu Hong. The construction of urban amenities index in China: An empirical research based on a statistical anal. Acta Geographica Sinica, 2018, 73(4): 755-770.

DOI

[21]
Florida R, Mellander C. Talent, skills, and urban economies[M]//Dariusz Wójcik. The new Oxford handbook of economic geography. Oxford: Oxford University Press, 2018.

[22]
齐宏纲, 戚伟, 刘盛和. 粤港澳大湾区人才集聚的演化格局及影响因素[J]. 地理研究, 2020, 39(9): 2000-2014.

DOI

Qi Honggang, Qi Wei, Liu Shenghe. Talents concentration in the Guangdong-Hong Kong-Macao Greater Bay Area, China: Evolution pattern and driving factors. Geographical Research, 2020, 39(9): 2000-2014.

DOI

[23]
He J, Huang X. Agglomeration, differentiation and creative milieus: A socioeconomic analysis of location behaviour of creative enterprises in Shanghai[J]. Urban Policy and Research, 2018, 36(1): 79-96.

DOI

[24]
Markusen A. Urban development and the politics of a creative class: Evidence from a study of artists[J]. Environment and Planning A, 2006, 38(10): 1921-1940.

DOI

[25]
周亮, 张亚. 中国顶尖学术型人才空间分布特征及其流动趋势——以中国科学院院士为例[J]. 地理研究, 2019, 38(7): 1749-1763.

Zhou Liang, Zhang Ya. The spatial distribution and flow trends of Chinese top academic talents: Based on the case study of academicians of Chinese Academy of Sciences. Geographical Research, 2019, 38(7): 1749-1763.

[26]
罗守贵, 王爱民, 高汝熹. 高级人才空间流动因素分析及建立反区域筛选机制的意义[J]. 地理科学, 2009, 29(6): 779-786.

Luo Shougui, Wang Aimin, Gao Ruxi. Analyses of factors of high-level talents’ migration and significance of establishing anti-selection mechanisms among regions. Scientia Geographica Sinica, 2009, 29(6): 779-786.

[27]
朱华晟著;吴殿廷主编. 创意城市中的创意人群及其流动性[M]//大城市创意产业空间与网络结构: 基于北京和上海的实证研究. 南京: 东南大学出版社, 2015: 168-197.

Zhu Huasheng, Wu Dianting. Creative people and their mobility in Creative Cities. Spatial and network structure of creative industries in big cities: An empirical study based on Beijing and Shanghai. Nanjing: Southeast University Press, 2015: 168-197.

[28]
Wenting R, Atzema O, Frenken K. Urban amenities and agglomeration economies? The locational behaviour and economic success of Dutch fashion design entrepreneurs[J]. Urban Studies, 2011, 48(7): 1333-1352.

DOI

[29]
Gottlieb P D. Amenities as an economic development tool: Is there enough evidence?[J]. Economic Development Quarterly, 1994, 8(3): 270-285.

DOI

[30]
Lee S Y, Florida R L, Acs Z. Creativity and entrepreneurship: A regional analysis of new firm formation[J]. Regional Studies, 2004, 38(8): 879-891.

DOI

[31]
Brueckner J K, Thisse J-F, Zenou Y. Why is central Paris rich and downtown Detroit poor? An amenity-based theory[J]. European Economic Review, 1999, 43(1): 91-107.

DOI

[32]
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.

[33]
徐维祥, 张凌燕, 刘程军, 等. 城市功能与区域创新耦合协调的空间联系研究——以长江经济带 107 个城市为实证[J]. 地理科学, 2017, 37(11): 1659-1667.

Xu Weixiang, Zhang Lingyan, Liu Chengjun et al. The coupling coordination of urban function and regional innovation: A case study of 107 cities in the Yangtze River Economic Belt. Scientia Geographica Sinica, 2017, 37(11): 1659-1667.

[34]
国家统计局. 东西中部和东北地区划分方法 [J/OL]. 2011-06-13. http://www.stats.gov.cn/ztjc/zthd/sjtjr/dejtjkfr/tjkp/201106/t20110613_71947.htm.

National Bureau of Statistics. Method of dividing east, west, central and northeast regions. 2011-06-13. http://www.stats.gov.cn/ztjc/zthd/sjtjr/dejtjkfr/tjkp/201106/t20110613_71947.htm.

[35]
第一财经. 2019新一线城市官方名单出炉: 你的城市排第几?(附337个城市排名) [J/OL]. 2019-05-24. https://www.yicai.com/news/100200192.html.

YICAI. The official list of new first-tier cities in 2019 is released: What is your city? (Attach a ranking of 337 cities). 2019-05-24. https://www.yicai.com/news/100200192.html.

[36]
张苏秋, 周锦. 中国区域创意指数的测度与评价[J]. 统计与决策, 2017(20): 44-48.

Zhang Suqiu, Zhou Jin. Measurement and evaluation of China’s Regional Innovation Index. Statistic & Decision, 2017(20): 44-48.

[37]
崔舸, 林宪生. 文化创意产业视角下我国物质文化遗产发展模式探究——以北京故宫为例[J]. 经济研究导刊, 2018(9): 39-41.

DOI

Cui Ge, Lin Xiansheng. Research on the development model of Chinese material heritage from the perspective of cultural and creative industries. Economic Research Guide, 2018(9): 39-41.

DOI

[38]
Clarke S E, Gaile G L. The work of cities[M]. Minneapolis: University of Minnesota Press, 1998.

[39]
Howkins J. The creative economy: How people make money from ideas[M]. London: Penguin Global, 2002.

[40]
彭珏, 何金廖. 电商粉丝经济的地理格局及其影响因子探析——以抖音直播带货主播为例[J]. 地理科学进展, 2021, 40(7): 1098-1112.

DOI

Peng Jue, He Jinliao. Spatial differentiation and influencing factors of fan economy in China: Taking TikTok livestreaming commerce host as an example. Progress in Geography, 2021, 40(7): 1098-1112.

DOI

Options
Outlines

/

〈 〉