国外对产业集聚的研究已经有100多a的历史 ^[1],自19世纪末开始,西方研究者已将目光和研究兴趣转向产业集群,并开展了大量相关研究^[2],但应用区域集群研究直到20世纪70年代才逐步兴起 ^[3]。其中集群识别是应用区域集群研究的核心,也是近年来学者的研究重点之一。相较于西方国家,中国的集群研究发展较晚,直到20世纪80年代末才正式起步^[4],20世纪90年代以后,区域产业集群识别的相关研究逐渐增多^[5~8]。

根据Porter的定义,产业集群一般是指一组处于特定产业领域,在地理上相互接近,由于具有相似性或互补性而彼此关联的企业及相关机构^[9~11]。因而对集群的识别主要依赖于对产业间联系以及空间集聚的识别。目前集群识别研究大多数从识别产业间联系的角度出发,识别方法包括区位商法等定性方法,以及基于投入产出分析的主成分因子分析法、多元聚类分析法、图论法等定量方法^[5~12],利用这些方法,国内学者近年来陆续开展了若干针对不同区域的集群识别研究^[7,8,13,14]。已有研究中的集群识别大多忽略了产业集群的空间临近特征,存在一定的片面性^[3],尽管部分研究已开始将空间集聚的测度纳入集群识别^[8],但仍然集中在全局性的地理集中研究,无法揭示集群的局部空间集聚和空间布局特征。本文通过产业联系识别区域集群,在此基础上进一步研究集群的空间分布和布局特征,旨在更好地理解产业集群的地理空间特征,为区域产业集群政策的制定提供依据。

1 研究方法

1.1 基于产业联系的集群识别

传统的集群识别研究大多基于区域或城市投入产出数据,无法反映跨区域或城市的产业关联以及识别发育中的产业集群。本文借鉴孙铁山等^[14]识别的全国集群模板,以全国投入产出数据为基础,通过全国基准集群模板识别和分析地方产业集群,有利于更有效地分析地方经济和产业集群^[14~16],适合广泛应用于区域产业集群分析。

该模板共识别了14个制造业集群,分别为：食品饮料及医药业集群,烟草业集群,纺织服装业集群,造纸及印刷包装业集群,都市型工业集群,石化工业集群,化学原料制造业集群,化学品制造业集群,非金属矿物制品业集群,黑色金属冶炼及加工业集群,交通运输设备制造业集群,汽车及装备制造业集群,电子元器件制造业集群,电子及通信设备制造业集群。本研究在此基础上对北京市制造业集群进行分析。

1.2 基于局部空间统计的集群空间分析

较常见的产业集聚或地理集中测度方法,包括测度产业地理集中的差异系数、赫芬代尔系数、赫希曼—赫芬代尔系数、胡弗系数、信息熵系数、希尔系数以及空间基尼系数等,从企业选址角度出发衡量空间集聚的Devereux指数、EG指数和MS指数,基于地理距离的K函数等^[17~24]。20世纪90年代以来空间统计技术逐步兴起^[25],通过统计学和现代图形技术的结合,用相对直观的方法展现空间数据中隐含的空间分布、空间模式以及空间相互作用等特征^[26],在探查要素空间相互作用和空间依存性方面具有明显优势,为产业集聚研究提供了新的视角。目前国内主要应用全局空间统计指标Moran’s I 和 Geary’s C等开展全局性研究,很少涉及局部空间统计。局部空间统计能够考察潜在的局部显著性空间关联,从而研究区域内潜在的空间经济关联模式和空间特征^[27],是开展产业集群空间布局研究的直观和有效的方法。本文应用局部空间统计方法,着重对集群空间集聚的区位特征进行研究。

局部Moran’s I 和局部Getis and Ord G_i *都是测度局部空间自相关的指标^[28,29]。已有研究显示,与局部Moran’s I相比,局部Getis and Ord G_i *在探测局部空间集聚尤其是高值集聚时更准确^[30],因而本文选取Getis and Ord G_i *指数,其计算公式为：

Gi*=∑wijxj/∑xj（1）

其中,x_j是空间单元j的观测值,w_ij为空间权重矩阵第i行j列的元素,代表区域i与j之间的临近关系。一般来说基于距离的空间权重矩阵比较常用,即距离超过d的空间单元权重为0,不计入考虑,距离d以内的空间单元根据一定规则计算权重取值,∑w_ijx_j即空间单元i周边距离d以内空间单元j观测值的加权总和; ∑xj代表所有空间单元的观测值总和,即G _i*测度的是局部空间单元观测值占全部观测值的比重。一般假定G_i*统计量满足正态分布,对G_i*的显著性检验采用标准化统计量Z值,Z值表示的是标准偏差：

Z(Gi*)=Gi-E(Gi)VAR(Gi)（2）

即： Z(Gi*)=∑wijxj-Wix̅nS1i-Wi2)(n-1（3）

式中,G_i 是全局G统计量, G=∑∑wijxixj/∑∑xixj,W_i是距离d以内的空间权重总和, x̅=∑xj/(n-1, S1i=∑wij2,n是空间单元的总数量。Z(G_i*)值大于1.96代表在5%的显著性水平下显著集聚,Z(G_i*)值大于2.58代表在1%的显著性水平下显著集聚。

2 北京市制造业集群的基本状况

本研究利用2008年全国和北京市经济普查数据,使用全国产业集群模板,分析北京市制造业集群的基本状况（表1）。

结果显示,北京市制造业集群中产值份额较大的前5位集群分别为电子及通讯设备制造业集群、汽车及装备制造业集群、石化工业集群、电子元器件制造业集群和黑色金属冶炼及加工业集群,各集群工业总产值占全部工业总产值的比例均大于5%,总计占比达到52.88%,是北京市的支柱性制造业集群。结合全国数据分析,前4大集群的区位商均大于1,其中前两大集群即电子及通讯设备制造业和汽车及装备制造业两大集群区位商大于1.5,同时在规模和专业化方面具有优势,是北京市的优势制造业集群。第6位至第8位集群均为都市类工业集群,各自份额不大,从区位商来看大部分不具有专业化优势,但总计占到全部工业总产值的9.18%,在北京市制造业中占据一定地位。

3 北京市制造业集群空间布局特征

本研究使用2008年北京市第二次经济普查资料中的就业人口数据,测度各产业集群就业人口在空间上的局部集聚,即计算Z(G_i*),并在1%显著性水平下对集群空间集聚进行显著性检验,最后利用ArcGIS绘制显著性地图（图1）,进而分析北京市制造业集群的局部空间集聚和区位特征。

显示原图| 下载原图ZIP| 生成PPT

图1   北京市14个制造业集群的空间布局特征

Fig. 1   Distribution of 14 manufacturing clusters in Beijing

首先,由于街道、镇、乡（以下简称街道）是可以获得就业数据的最小空间单元,本文以此作为分析的基本空间单元,通过对行政单元的合并调整得到308个空间单元,实现与数据的匹配。其次,在观测值的选择上,一般来说为了避免由于面积差异造成的不可比,会选择就业密度作为测度指标;但是就北京市就业人口的分布情况来看,郊区空间单元一般面积较大且就业人口较少,城市中心区的街道面积小但就业人口较多,以就业密度进行测度会强化中心城区小空间单元的集聚水平,而削弱郊区大空间单元的集聚水平,因此本文使用就业人口数而非密度作为观测值。最后,在空间权重矩阵的选择上,本文采用倒数距离权重计算方法,即空间单元j的权重随着距空间单元i的距离的增加而衰减;不同的相邻距离阈值d决定空间单元的相邻关系,并进一步影响空间权重矩阵的取值。通过不同距离阈值实验,结果显示距离阈值为3 km时空间集聚特征最为明显。

3.1 集群空间布局的总体特点

在14个制造业集群中,最后5个集群在北京市工业总产值中的份额很小（产值份额均小于1.5%）,本文着重观察前9位集群的空间分布。从制造业集群的总体分布来看,制造业的郊区化趋势已经十分明显,通过制造业集群在各区县工业园区、北京市重点发展园区,以及园区周边区域的集聚,形成了多个郊区制造业中心区域,形成了良好的制造业分散集聚的态势（图2）。前5位占较大经济规模的产业集群主要集中在城市功能拓展区的外沿和城市发展新区的内沿区域,即城市的近郊区范围;第6位至第9位集群的分布则主要集中在该范围以外的远郊区域,分别沿两个方向延伸,一是沿着东部发展带,由通州向北延伸至顺义、怀柔和密云,二是在南部地区由亦庄向大兴和房山延伸。

显示原图| 下载原图ZIP| 生成PPT

图2   北京市前九大制造业集群的空间分布

Fig. 2   Distribution of first 9 manufacturing clusters in Beijing

3.2 集群空间布局的区位特点

资源条件、交通区位、历史因素、政策环境等要素均是影响集群区位选择的影响要素^[31],不同要素从北京市制造业集群的空间分布来看,不同产业对要素的敏感性不同,体现出区位特点的差异。其中,传统产业如化学类工业集群、黑色金属冶炼及加工业集群、电子元器件制造业集群等是在北京市“一五”时期发展的重点产业基础上发展起来的,就此类集群的地域分布来看,尽管随着产业发展,部分集群出现了新的集聚区域,但以房山燕山石化、石景山首钢工业区、酒仙桥电子产业集聚区为代表的历史分布仍然延续至今;在历史区位延续的基础上,新产业区位的选择则根据不同产业集群的要素需求而有不同的选择,其中普遍影响较大的是政策优势,亦庄北京经济技术开发区对重点培育产业明显的土地、税收等优惠政策,成功吸引了大量企业的入驻,形成了该区域多元化的产业结构。此外,电子元器件制造业集群和电子及通信设备制造业集群在中关村地区和空港工业区的集聚,则体现了智力资源和交通因素对电子类集群的影响。而食品饮料及医药制造业集群在顺义、怀柔和密云等远郊区县的集聚,则体现了食品饮料产业对自然资源以及劳动力条件的高度依赖。北京市造纸及印刷包装业集群的主体环节集中在印刷包装,因而与本地的食品饮料及医药产业集群存在较强的产业关联,而两大产业集群在空间布局上也存在明显的临近布局,可见具有较强产业关联集群的空间布局也对集群的空间布局具有较明显的影响作用。

3.3 集群内部产业环节的布局特点

就制造业集群内部环节的空间布局特点来看,尽管产业集群内部不同环节在空间上存在不同的区位选择,但集群在多个工业园区的分散布局,并不总是伴随着产业环节的明显分异,食品饮料及医药制造业、汽车及交通设备制造业等多个集群都存在同一产业环节在多个空间单元的重复布局（图3）。如医药制造业在亦庄北京经济技术开发区等3个区域重复布局,而汽车制造业,遍布在亦庄、通州、昌平、顺义、怀柔和平谷等不同区域,存在明显的重叠。这些重复布局可能使得区域间功能差异不足,不仅不利于集聚优势的发挥,也会造成郊区新城制造业功能的重叠,不利于区域差异化发展。

显示原图| 下载原图ZIP| 生成PPT

图3   集群内部产业环节的重复布局

Fig. 3   Overlap of industry distribution in clusters

4 结论与讨论

本文在利用全国集群模板识别北京市制造业集群的基础上,进一步分析集群的空间布局特点,主要结论如下：

1） 将传统集群识别与空间分析相结合,通过局部空间自相关方法分析产业集群的空间布局特征。该方法可以直接用于城市及区域产业集群研究,为中国产业集群研究提供了一种简便实用的方法。

2） 利用提出的方法识别了北京市制造业集群,并着重分析了其在空间上的布局特征。从结果来看,北京市制造业集群的空间分布主要依托重点开发区和园区在近郊区集中,并逐步向远郊区延伸;资源条件、交通区位、历史因素、政策环境等不同要素均对集群的区位选择和空间布局产生影响;具有关联性的产业集群具有空间临近分布的特点;部分集群内部不同环节在空间布局上存在分异,但总体上仍然存在较明显的功能重叠。

3） 基于北京市制造业集群的分布特点,总体来看,制造业集群的郊区化发展趋势日渐明显,这对疏散城市人口和功能具有重要意义;但目前集群的空间布局仍然比较分散并在空间上存在一定的功能重叠,不利于发挥集聚效应和区县的特色发展,未来应当着重考虑加快集群的空间集聚,并进一步加快产业结构调整和区县功能优化。

The authors have declared that no competing interests exist.

参考文献

文献选项

• 原文顺序
• 文献年度倒序
• 文中引用次数倒序
• 被引期刊影响因子