Scientia Geographica Sinica 2017 , 37 (5): 691-700 https://doi.org/10.13249/j.cnki.sgs.2017.05.006

Orginal Article

基于空间杜宾模型的山东省制造业时空分异研究

刘清春, 张莹莹, 李传美

1.山东财经大学经济学院, 山东济南 250014

Spatial Pattern Change of Manufacturing Industry in Shandong Province Based on Spatial Durbin Model

Liu Qingchun, Zhang Yingying, Li Chuanmei

1.School of Economics, Shandong University of Finance and Economics, Jinan 250014, Shandong, China

中图分类号: F719

文献标识码: A

文章编号: 1000-0690（2017）05-0691-10

收稿日期: 2016-09-1

修回日期: 2016-11-23

网络出版日期: 2017-05-25

基金资助: 国家自然科学基金项目（41401163）、山东省软科学重点项目（2014RZB01009）资助

作者简介:

作者简介：刘清春（1979-）,女,山东诸城人,博士,副教授,硕士生导师,研究方向为区域经济。E-mail:lqc7919@163.com

展开

摘要

利用2003~2014年山东省17个地级市制造业27个部门的面板数据,研究了山东省制造业的时空分异特征,并基于空间杜宾模型（SDM）探讨了主要的影响因素,结果发现：山东省制造业份额呈现出自东向西递减、先东部集聚后向中西部扩散的规律。以2007年为转折点,制造业呈现东部沿海转出、内陆转入的特点,鲁北地区成为份额增长最快的区域。由于空间溢出效应的存在,市场规模、交通基础设施、产业规模和人力资本水平均有助于提升本地区制造业份额。因此,应该从地区关联的角度重新审视制造业发展规律并制定相应政策措施。

关键词： 空间杜宾模型 ; 制造业 ; 空间自相关性 ; 山东省

Abstract

Based on the panel data of 27 subsectors of manufacturing industry of 17 cities in Shandong Province from 2003 to 2014, using the share of the city’s manufacturing output accounting for the province’s total manufacturing output, the article analyzed the characteristics of the temporal and spatial pattern of the manufacturing industry and three sectors in Shandong Province, then investigated the main influencing factors based on the Spatial Durbin Model (SDM). The conclusions are as follows. Firstly, on the spatial distribution of manufacturing industry in Shandong Province during the past 12 years, it showed the decreasing trend from the east to the west, as well as the pattern of spatial clustering in eastern region toward to the mid and west region. As to the change of spatial distribution, since 2007 the total manufacturing industry showed the transfer out from the eastern costal region to the inland region, and the northern region in Shandong Province has become an important region of attracting industry. For the change of subsectors, most of the manufacturing subsectors, especially the textile, furniture manufacturing as the representative of the labor-intensive sectors, were accelerating the transfer from the eastern region to the inland. Secondly, there is obvious spatial autocorrelation for the distribution of manufacturing industry, showing that the distribution of manufacturing industry at the city level is impacted by the geographic location and adjacent relation. The expansion of the scale of local market and enterprises, the improvement of transportation infrastructure and human capital level contributed to increase the share of manufacturing industry in the region, while the rising labor cost was the constraint factor of the development of manufacturing industry in Shandong Province. Due to the spatial spillover, the improvement of transportation infrastructure could promote the manufacturing industry of the neighboring regions, but both the expansion of the scale of local market and enterprises showed inhibitory effects. And the human capital had no obvious effects. Lastly, the article put forward some suggestions of the development of manufacturing industry, such as improving the level of human capital in east region to promote the industry upgrading, and investing on the transportation infrastructure in the mid and west region, and establishing the regional cooperation mechanism of economic integration and so on.

Keywords： Spatial Durbin Model ; manufacturing industry ; spatial autocorrelation ; Shandong Province

PDF (1201KB) 元数据多维度评价相关文章收藏文章

本文引用格式导出 EndNote Ris Bibtex

刘清春, 张莹莹, 李传美. 基于空间杜宾模型的山东省制造业时空分异研究[J]. , 2017, 37(5): 691-700 https://doi.org/10.13249/j.cnki.sgs.2017.05.006

Liu Qingchun, Zhang Yingying, Li Chuanmei. Spatial Pattern Change of Manufacturing Industry in Shandong Province Based on Spatial Durbin Model[J]. Scientia Geographica Sinica, 2017, 37(5): 691-700 https://doi.org/10.13249/j.cnki.sgs.2017.05.006

随着国际产业分工体系的重塑,制造业重新成为全球经济竞争的制高点。随着东部沿海地区劳动力、土地等要素成本的快速上升,资源与环境对产业发展约束增强,空间布局的优化成为中国制造业创新发展的内在要求。制造业空间分布一直是学术界关注的热点议题,基于不同的视角,古典和新古典区位论、新经济地理学、产业集群理论及新贸易理论都为阐释产业空间分布提供了理论支撑^[1~3]。实证研究方面,国外学者多以美国、英国、日本等发达国家为研究单元,从地区专业化和产业集聚视角,分析制造业空间分布的特征及影响因素^[4~7]。国内学者对于中国制造业空间分布的研究始于20世纪90年代,最近的研究发现,在省级尺度上资源依赖型产业空间集聚程度相对较低,而资本和技术密集型行业空间集聚程度较高,自2004年以来呈持续下滑态势^[8],在空间分布变化上,自2003年以来,制造业还呈现出“西进北上”的特点^[9,10]。在影响因素与作用机制方面,主要探讨了要素成本、贸易成本^[9]、城镇化水平^[10]及制度要素^[11]等的作用。

但是,区域一体化趋势使得制造业在城市群内部或省内的转移更加容易^[12],探究特定地区的制造业时空变化特征也成为研究趋势^[13~15]。此外,已有研究表明制造业分布存在典型的空间自相关性^[16~19],但常用的空间滞后或空间误差模型不能将解释变量的空间溢出效应纳入模型,难以充分反映制造业分布空间依赖的具体机制。Greene^[20]认为,忽略解释变量的空间依赖性会导致模型结果的错误估计。而空间杜宾模型,因其能考察所有变量的空间效应,在区域经济研究中的应用也越来越多^[21~23]。

山东省是中国东部沿海经济发达省份之一,自2005年以来,山东省提出了打造以青岛、烟台、潍坊、威海等市为主的胶东半岛高端产业聚集区的决策部署,并将推进产业转移作为促进东西区域协调发展的重大举措,加快鲁东地区产业向中西部转移。山东省制造业发展迅速,2015年制造业规模总量与经济效益均居全国第二位,成为“制造强国”战略的重要支撑点。因此,本文以处于制造业大省到强省转变关键期的山东省为研究区域,以17个地级市为空间单元,系统分析了2003~2014年制造业及行业的时空分异特征,并基于空间杜宾模型,探究其作用机制,试图为优化产业空间布局,制定相关产业发展政策提供依据。

1 研究方法与数据来源

本文首先通过各地市制造业的份额值^[10,24]（即各地市制造业产值占全省制造业总产值比重）、份额变动值,从时间、空间以及分行业层面探究山东省制造业分布的时空格局特征,然后基于对制造业分布的空间自相关检验,采取适合的计量模型进行实证分析。空间自相关分析主要采用全局Moran’s $\begin{matrix} I \end{matrix}$ 指数,该指数既可以反映产业分布的空间自相关程度,又是构建空间计量模型的检验条件^[25,26],如果空间自相关性显著,则需采用适合的空间计量模型来测度各因素的影响作用。James和Kelly^[27]将空间滞后模型进行扩展,提出了空间杜宾模型（SDM）。

$\begin{matrix} Y_{_{it}} = ρ \overset{N}{\sum_{j = 1}} W_{ij} Y_{jt} + β X_{it} + \overset{N}{\sum_{j = 1}} θ W_{ij} X_{jt} + μ_{i} + ϕ_{t} + ε_{it} \end{matrix}$

式中, $\begin{matrix} Y_{it} \end{matrix}$ 表示因变量,为i地市在t年的制造业份额值; $\begin{matrix} W_{ij} \end{matrix}$ 是N×N阶空间权重矩阵中的元素,表示地市i与j的邻近关系,该权重矩阵经过行标准化处理,使每行元素之和为1,本文N为17,代表山东省17个地级市,本文选择了两种方法来测度空间矩阵,一个是邻接矩阵,二是各地级市中心之间最短距离的倒数作为权重矩阵,能够充分考虑到地理距离接近但并不相邻的两个城市也可能存在相互作用的事实; Y_jt表示 $\begin{matrix} j \end{matrix}$ 地市在t年的制造业份额值;W_ijY_jt表示与i相邻的地市Y_jt对Y_it的交互影响; $\begin{matrix} ρ \end{matrix}$ 为空间滞后回归系数,表示相邻区域的制造业份额对本地区制造业份额的影响方向和程度。 $\begin{matrix} β \end{matrix}$ 、θ是未知的参数向量,当θ为0时,SDM模型可以转化为空间滞后模型（SLM模型）。当 $\begin{matrix} θ + ρβ \end{matrix}$ 为0时,SDM模型可以转化为空间误差模型（SEM）^[21,22]。 $\begin{matrix} ϕ_{t} \end{matrix}$ 表示时间固定效应; $\begin{matrix} ε_{it} \end{matrix}$ 表示空间自相关误差项; $\begin{matrix} μ_{i} \end{matrix}$ 表示个体固定效应;X_jt表示了 $\begin{matrix} j \end{matrix}$ 地市在t年的各影响因素;W_ijY_jt表示与 $\begin{matrix} i \end{matrix}$ 相邻的地市X_jt对 $\begin{matrix} X_{it} \end{matrix}$ 的交互影响。基于已有的研究,本文选取了对外开放水平、产业规模、市场规模、交通运输水平、人力资本水平、劳动力成本与政府干预程度等7个影响要素,OPEN表示进出口总额占GDP比重,反映了对外开放水平;SCALE表示规模以上制造业企业数的制造业产值比值,反映各地市的产业规模^[28];PGDP表示人均GDP,反映了市场规模;TRANS表示货运量,反映地区交通运输水平^[18];HC表示了在校大学生人数,反映了人力资本水平;WAGE表示了从业人员的平均工资,反映劳动力成本;GOV表示了各地区政府在非公共财政占GDP的比重,反映政府干预程度^[10]。

模型估计时,如果被解释变量的空间滞后项回归系数不为零,回归系数结果不能直接反映其空间效应或直接影响,需要对模型求偏微分来检验各变量对制造业份额影响的直接效应和间接效应^[22,24,29],其中直接效应衡量了各解释变量对制造业影响的区内溢出,间接效应衡量了各解释变量对制造业影响的区间溢出。

由于国民经济行业分类在2002、2004和2011年进行了修正,为了保持数据的时新性,又不失数据的概括性,考虑到数据统计的可比性,本文以2002年分类为标准,以17个地级市的制造业总体及27个两位数制造业部门为研究对象,并参考文献[10]的研究,将制造业按照要素密集程度划分为劳动密集型、资本密集型和技术密集型3个行业类型。本文所需要数据主要来源于2004~2015年《山东省统计年鉴》^[30]、《山东工业统计年鉴》^[31]与山东省17个地级市统计年鉴,其中GDP数据均以1995年为基年进行价格指数平减。

2 山东省制造业时空分异的基本特征

2.1 空间分布格局

按照各地市制造业份额值的大小将17地市分为3类,分别为低份额区（份额值<5%）、中份额区（5%≤份额值≤10%）和高份额区（份额值>10%）。图1可见,2014年制造业总体空间分布与2003、2007年基本保持一致,呈现出自东向西递减、先东部集聚后向中西部扩散的演变过程。2007年以来,中、西北部地区份额显著提高,这一过程与山东省制造业转型升级、促进区域协调发展的政策实施密切发展。目前,制造业高份额集中在鲁东的青岛和烟台2市,中份额主要集中在鲁中、鲁北地区,共包括淄博、东营、潍坊、临沂、聊城、德州和滨州等7市;低份额值主要位于西部内陆区,枣庄、莱芜等城市的份额值均低于2.5%。

显示原图| 下载原图ZIP| 生成PPT

图1 山东省各地市制造业产值份额分布

Fig.1 Spatial distribution of manufacturing industry in Shandong Province in 2003, 2007 and 2014

不同行业看,空间分布也呈现自东向西递减、先聚集后扩散的规律,但各行业的高份额值仍然主要集中于鲁东地区。2014年资本密集型、技术密集型行业空间分布较2003年变化不大,但中份额区呈现向西北部扩散态势。劳动密集型行业空间分布变动较大,自2007年以来,西部地区的行业份额值显著增加,其中,聊城、菏泽和济宁由低份额区变为中份额区,滨州由中份额区变为高份额区,烟台、威海则由高份额区变为中份额区,表明山东省东部地区仍处于劳动密集型行业向中西部转移、向技术密集型行业转型升级的发展阶段。

2.2 空间分布变化

1）产业转移。计算各地市在2003~2007、2007~2014与2003~2014年之间的制造业份额差值,将17地市分为强减少区（值<-4%）、弱减少区（-4%≤值≤0）、弱增长区（<值≤4%）和强增长区（值>4%）等4类,以反映制造业在区域上“转出”或“转入”的相对变化^[10],仅说明各行业此消彼长的过程,而不是实际意义上的产业从某一个向另一个地区的转移。图2表明,自2007年以来,鲁东地区的青岛、烟台、威海制造业份额开始下降,但地处鲁北、鲁西及鲁南等地区的东营、聊城、菏泽等制造业份额开始增加。这主要是因为2008年全球金融危机,以及生产要素成本的上升、环境规制及制造业结构优化调整的要求加剧了制造业的空间布局重组^[9]。图3表明,12 a来山东省制造业总体空间分布变化呈现东部沿海转出、内陆转入的特点。其中,强减少区包括济南、威海和青岛3市;弱减少区包括烟台、莱芜、淄博、济宁和枣庄5市;弱增长区包括临沂、聊城、滨州等9市;强增长区仅包括东营,份额增加值为6.9%,这一特征表明,2005年产业转型升级的政策推动了鲁东地区的产业转出,带来了内陆地区制造业的较快发展,其中鲁北地区制造业份额显著增加,成为产业转入的重要区域。

显示原图| 下载原图ZIP| 生成PPT

图3 2003~2014年山东省制造业总体及3个行业份额变动

Fig. 3 Changes in shares of whole manufacturing industry and three sectors at city level in Shandong Province in 2003-2014

从3个行业来看,空间分布变化也呈现出东部沿海转出、内陆转入的特点。对于技术密集型行业,尽管该行业高份额值主要集中于鲁东地区,但随着其它地市对技术密集型产业发展的重视,其比较优势相对减弱,青岛、威海的行业份额分别减少8.5%,6.9%,而鲁北地区的东营为主要的转入区域,行业份额增加9.54%。

2）部门转移。从制造业各部门份额的区域变化（表1）来看,自2003年以来,除印刷、石油加工、黑色金属冶炼、交通运输和计算机通信制造等部门的份额上升外,多数制造业部门在鲁东沿海地区的份额有所下降,特别是劳动密集型行业,自2007年以来,纺织业、家具制造业、皮革业等具有比较优势的劳动密集型行业加速下降,份额变化分别为13.8%,16%和22.6%,在鲁北、鲁西和鲁南等地区的份额有所上升,如纺织业份额在北部共上升18.8%,木材加工业份额在西部、南部地区分别上升16.5%,10%,可见,劳动密集型部门从鲁东沿海地区向内陆转移趋势明显。

表1 山东省主要制造业部门份额变动的区域对比（%）

Table 1 Changes in shares of main manufacturing industry sectors at region level in Shandong Province(%)

制造业部门		鲁东地区			鲁北地区		鲁西地区			鲁南地区			鲁中地区
制造业部门		2003~ 2007年		2007~ 2014年		2003~ 2007年	2007~ 2014年		2003~ 2007年	2007~ 2014年	2003~ 2007年	2007~ 2014年	2003~ 2007年	2007~ 2014年
1	农副食品加工业	-5.7	-10.4		3.5	3.2	1.8	3.0		-0.3	2.9		0.7	1.2
2	食品制造业	-2.6	-7.1		9.6	1.3	1.7	5.3		-6.6	0.8		-2.2	-0.4
3	饮料制造业	-7.1	-7.1		6	1.7	1.5	2.6		-1.4	1.5		1	1.3
4	纺织业	-7.4	-13.8		8.9	9.9	2.6	6.8		-0.1	-1.1		-3.9	-1.8
5	纺织、鞋、帽制品业	-16.6	-12.6		3.7	1.7	2.2	5.5		6.4	4.5		4.3	0.9
6	皮革、毛皮、羽毛（绒）及制品业	-9.3	-22.6		4.7	5.8	3.3	6.9		2.2	6.9		-1	2.9
7	木材加工及木竹藤棕草制品业	-12.7	-12.0		1.1	-0.5	1	15.5		12.4	-2.4		-1.8	-0.6
8	家具制造业	3.7	-16.0		-0.2	5.2	3.2	11.2		4.5	-0.1		-11.3	-0.3
9	造纸及纸制品业	-1.1	-8.6		2	-4.1	1.7	-0.2		-0.7	12.9		-1.9	0.0
10	印刷和记录媒介复制业	-16.9	44.2		13.1	-68.4	-3.6	7.7		-4.9	6.7		-27.6	9.9
11	文教体育用品制造业	-13	-11.2		-1.3	7.4	0.9	16.3		12.1	-11.1		1.3	-1.3
12	石油加工、炼焦和核燃料加工业	2.7	6.0		-11.2	14.8	-0.6	2.0		2.5	-1.6		6.6	-21.3
13	非金属矿物制品业	-4.5	-4.5		2.9	7.0	1.8	5.2		-1	0.2		0.8	-8.0
14	黑色金属冶炼及压延加工业	-4.2	2.6		5.8	1.2	2.6	7.6		4.9	8.2		-9.2	-19.6
15	有色金属冶炼及压延加工业	9.5	-13.6		1.4	20.5	9.5	-2.6		1.3	0.9		-21.7	-5.2
16	金属制品业	-7.8	-12.4		6	8.6	2.3	2.7		5.2	-0.1		-5.7	1.2
17	通用设备制造业	-17.6	-11.2		5.6	5.5	4.5	7.7		6.7	-1.7		0.7	-0.3
18	专用设备制造业	-5.9	-8.5		2.6	12.9	0.5	-6.5		0.1	-1.9		2.7	4.0
19	仪器仪表及文化、办公用品的制造	12	-18.5		-6.2	5.6	1.3	1.8		1.4	5.0		-8.5	6.0
20	橡胶制品业	-4	-39.4		0.6	22.8	1.5	2.7		0.3	10.7		1.5	3.2
21	化学纤维制造业	27.3	-13.0		-2.5	16.6	0.8	15.4		0.8	3.8		-26.4	-22.8
22	医药制造业	11.8	-7.7		-4.2	18.0	3.2	7.1		7.5	-11.1		-18.3	-6.3
23	化学原料和化学制品制造业	0	-15.0		0.3	17.8	1.1	7.4		3.2	-5.1		-4.6	-5.1
24	交通运输设备制造	-6.6	7.4		7.4	-3.1	0.4	6.9		1.2	-2.9		-2.5	-8.4
25	电气机械及器材制造业	-8.4	-19.3		-0.1	7.1	1.9	4.0		3.4	3.9		3	4.2
26	计算机通信和其他电子设备制造业	15.2	4.0		1.1	1.2	0.1	2.1		0.4	0.5		-16.8	-7.8
27	工艺品及其他制造品	-10.6	-19.3		-1.4	7.0	6.3	-5.9		5.2	12.3		0.6	5.9

注：1~11属于劳动密集型行业;12~19属于资本密集型行业;20~27属于技术密集型行业。鲁东地区包括：青岛、威海、日照、烟台和潍坊;鲁北地区包括：德州、滨州和东营;鲁西地区包括：聊城和菏泽;鲁南地区包括：济宁、枣庄和临沂;鲁中地区包括莱芜、济南、淄博和泰安等。

新窗口打开

3 山东省制造业空间分布的影响因素分析

3.1 空间自相关检验

利用OpenGeoDa设定邻接权重矩阵测度山东制造业及各行业的空间自相关性,发现山东省制造业总体、劳动密集型行业及技术密集型行业的Moran’s $\begin{matrix} I \end{matrix}$ 指数结果均大于零,且通过显著性检验,表明山东省制造业分布具有正向空间自相关关系,存在空间聚集现象^[27]（表2）。制造业总体的Moran’s $\begin{matrix} I \end{matrix}$ 指数在2006年达到最大值,而后变小,反映了制造业分布聚集程度的下降。不同行业中,劳动密集型行业Moran’s $\begin{matrix} I \end{matrix}$ 指数在2003年高于其它行业,但随后开始下降;资本密集型行业空间自相关特性仅在2003年显著,其它年份表现为随机的空间分布;技术密集型行业Moran’s $\begin{matrix} I \end{matrix}$ 指数自2006年开始高于其它行业,聚集程度更高,但自2009年以来呈现下降趋势,这与山东省各地区大力发展高新技术产业、促进产业转型升级的政策有关。

表2 2003~2014年山东省制造业的Moran’s $I$ 指数

Table 2 The Moran’s I index of manufacturing industry of Shandong Province in 2003-2014

年份	制造业	劳动密集型	资本密集型	技术密集型
2003	0.325**	0.492***	0.275*	0.144
2004	0.318*	0.388***	0.154	0.237*
2005	0.362**	0.387***	0.098	0.357***
2006	0.382**	0.337**	0.087	0.400***
2007	0.341**	0.340**	0.030	0.384***
2008	0.349**	0.256*	0.083	0.402***
2009	0.356**	0.272*	0.056	0.406***
2010	0.278*	0.216*	0.030	0.343**
2011	0.270*	0.235*	0.101	0.324**
2012	0.265*	0.278*	0.104	0.292*
2013	0.263*	0.268*	0.097	0.290*
2014	0.258*	0.253*	0.086	0.287*

注： ***、**和*分别表示 $P$ <0.001、 $P$ <0.01和 $P$ <0.05。

新窗口打开

3.2 实证结果分析

基于Stata 12.0进行SDM估计时,本文也对比分析了SLM和SEM回归,表3显示空间回归系数 $\begin{matrix} ρ \end{matrix}$ 在5%的水平上显著为正,可见不能忽视空间作用对制造业空间分布的影响。通过Wald检验发现,SDM可简化为SLM（Wald 检验：28.6, P< 0.01）和SEM（Wald检验：32.0,P< 0.01）的假设都不成立,Hausman检验结果显示,具有固定效应的空间杜宾模型最优。在不同权重下,回归结果表现出相似特征,模型具稳健性,但邻接矩阵模型表现出更好的拟合度,误差系数更小,因此分析结果以邻接空间矩阵为依据。根据前文分析,由于 $\begin{matrix} ρ \end{matrix}$ 在SDM中回归结果不为0,各因素的回归结果不能用来反映直接或间接效应结果,需要对模型求偏微分来求得。

表3 制造业总体及3行业的空间计量模型回归结果

Table 3 The regression results of manufacturing industry and three sectors based on spatial mathematic model

	制造业总体				劳动密集型	资本密集型	技术密集型
	SLM		SEM	SDM	SDM	OLS	SDM
OPEN	0.560	0.606	0.382		-0.129	0.647	0.328
SCALE	0.353***	0.532***	0.611***		0.317***	0.389***	0.429***
PGDP	0.284***	0.275***	1.172***		1.093***	0.299***	1.411**
TRANS	0.135***	0.147***	0.109***		0.077***	0.121***	0.099***
HC	0.151*	0.108*	0.105*		0.065*	0.152*	0.186*
WAGE	-0.137***	-0.129***	-0.043*		-0.068*	-0.150**	-0.021*
GOV	-0.697***	-0.778**	0.158		-0.061	-0.734	0.509*
W×OPEN			0.911***		1.230**		-0.678
W×SCALE			-0.594***		-0.407**		-0.655**
W×PGDP			-1.002***		-1.113***		-0.606**
W×TRANS			0.079*		0.138***		0.042
W×HC			0.021		0.063		0.064
W×WAGE			-0.1*		-0.028**		-0.001
W×GOV			0.371		-0.199*		-1.341***
ρ	0.101*	0.254*	0.160*		0.116*		0.102*
Log-likelihood	54.583	68.383	103.59		111.025	80.3801	77.28
样本数量	204	204	204		204	204	204

注：***、**和*分别表示在P<0.001、P<0.01和P<0.05;空白为无数据。

新窗口打开

表4 SDM模型的直接效应和间接效应估计

Table 4 Direct and indirect estimation of SDM model

	制造业总体			劳动密集型行业			技术密集型行业
	直接效应		间接效应		直接效应	间接效应	直接效应	间接效应
OPEN	0.424	1.077*		-0.079	1.335*		0.349	-0.749
SCALE	0.594***	-0.574*		0.307***	-0.415*		0.464***	-0.666***
PGDP	1.137***	-0.944***		1.054***	-1.092***		1.488***	-0.751***
TRANS	0.102**	0.209*		0.084***	0.175**		0.101**	0.050
HC	0.088**	0.050		0.06*	0.09		0.171*	0.045
WAGE	-0.096*	-0.122		-0.057*	-0.023		-0.005*	0.001
GOV	0.144	-0.424		0.055	-0.241		0.567*	-1.328***

注：***、**和*分别表示在P<0.001、P<0.01和P<0.05。

新窗口打开

1）直接效应。表4显示,各要素的空间效应分解值与表3中SDM模型结果呈现相似规律,从直接效应结果来看, $\begin{matrix} PGDP 、 \end{matrix} \begin{matrix} SCALE 、 \end{matrix} \begin{matrix} TRANS 、 \end{matrix} \begin{matrix} WAGE \end{matrix}$ 和 $\begin{matrix} HC \end{matrix}$ 是本地区制造业份额提升的重要驱动要素,说明山东省制造业倾向运输成本较低、集聚规模经济显著、市场潜力大的区域布局。 $\begin{matrix} PGDP \end{matrix}$ 的直接效应值为1.137,是影响山东省制造业空间分布的首要因素。新经济地理学理论曾指出制造业企业总是趋向于在本地区内市场规模较大的区域内进行生产,以最大程度上满足自身的需求。鲁东地区是省内经济实力最发达的地区,因此也是制造业分布最集中、所占份额最大的地区;而地处鲁北的东营、滨州等地市由于拥有较好的市场规模,也成为制造业转入的重要承载地。 $\begin{matrix} SCALE \end{matrix}$ 的直接效应值为0.594,是影响山东省制造业空间分布的第二要素,产业规模反映了地区的产业基础和配套能力,产业规模越大,越有利于发挥规模经济效应,降低企业的生产服务成本。鲁东地区聚集了山东省36.8%的规模以上制造业企业,38.97%的规模以上制造业产值,较大的产业规模有力地推动了本地制造业发展。 $\begin{matrix} TRANS \end{matrix}$ 的直接效应值为0.102,便利的交通运输能够降低企业的运输成本,是影响山东省制造业空间分布的第三要素。 $\begin{matrix} WAGE \end{matrix}$ 直接效应值为-0.096,是影响山东省制造业空间分布的第四要素,驱动制造业从劳动力成本相对较高的地区转到劳动力丰富、成本相对较低的地区,在一定程度上反映了山东省制造业发展尚未摆脱主要依赖于低劳动力成本的现实状况。 $\begin{matrix} HC \end{matrix}$ 直接效应值为0.088,是影响山东省制造业空间分布的第五要素,可见制造业分布偏好劳动力素质较高的地区^[11],人力资本水平反映了劳动力的素质,是技术创新的主体,能够有效推动本地区制造业的创新发展和转型升级,但目前人力资本的效应值相对较小,反映了山东省制造业发展所需的人力资本作用不强。 $\begin{matrix} OPEN \end{matrix}$ 的直接效应为不显著的正值,这主要跟山东省的制造业国际市场份额较小、外向度较低有直接关系。

2）间接效应。 $\begin{matrix} OPEN \end{matrix}$ 、 $\begin{matrix} PGDP \end{matrix}$ 、 $\begin{matrix} SCALE \end{matrix}$ 和 $\begin{matrix} TRANS \end{matrix}$ 是影响地区间制造业份额变化的重要因素。 $\begin{matrix} OPEN \end{matrix}$ 的间接效应值显著且大于直接效应,意味着本地区的对外开放程度越高,越能产生区域辐射带动作用。 $\begin{matrix} SCALE \end{matrix}$ 与 $\begin{matrix} PGDP \end{matrix}$ 的间接效应均为显著的负值,说明本地区市场规模、产业规模的扩大,能够对其它地区的人才、资本等生产要素产生虹吸效应,从而抑制相邻地区的制造业份额的提升,地区之间存在竞争关系。 $\begin{matrix} TRANS \end{matrix}$ 的间接效应值为0.209,且高于直接效应值0.102,表明区域交通基础设施的改善,能够降低物流成本,提高分工的精细程度,并通过交通网络产生“扩散效应”,带动周边地区制造业的发展^[15,18]。 $\begin{matrix} HC \end{matrix}$ 的间接效应为不显著的正值,表明人力资本的作用仅仅局限在地级市范围以内,验证了人力资本的溢出效应随着距离的增大迅速衰减的结论^[22]。 $\begin{matrix} GOV \end{matrix}$ 的直接和间接效应均不显著,因为随着制造业的发展,市场在资源配置中的主导作用逐渐得到强化,政府干预的作用必然被弱化^[10]。

3.3 制造业行业的影响因素分析

由于资本密集型行业的空间自相关结果不显著,回归结果选择包括固定效应的普通面板回归,由制造业行业的计量模型结果（表3）发现,各要素的回归结果值与制造业总体呈现相似规律, $\begin{matrix} PGDP \end{matrix}$ 、 $\begin{matrix} SCALE \end{matrix}$ 、 $\begin{matrix} TRANS \end{matrix}$ 、 $\begin{matrix} HC \end{matrix}$ 和 $\begin{matrix} WAGE \end{matrix}$ 为主要影响要素。比较3行业的回归系数发现, $\begin{matrix} PGDP \end{matrix}$ 、 $\begin{matrix} TRANS \end{matrix}$ 和 $\begin{matrix} SCALE \end{matrix}$ 对技术密集型行业发展影响较大, $\begin{matrix} WAGE \end{matrix}$ 的上升对资本密集型行业影响较大, $\begin{matrix} GOV \end{matrix}$ 仅对技术密集型行业影响显著。

劳动密集型、技术密集型行业的空间效应分解结果（表4）显示, $\begin{matrix} PGDP \end{matrix}$ 、 $\begin{matrix} SCALE \end{matrix}$ 、 $\begin{matrix} TRANS \end{matrix}$ 、 $\begin{matrix} HC \end{matrix}$ 与 $\begin{matrix} WAGE \end{matrix}$ 的直接效应值均具显著性,并且均以 $\begin{matrix} PGDP \end{matrix}$ 的直接效应值最高,反映了制造业行业对市场规模的依赖性,但 $\begin{matrix} PGDP \end{matrix}$ 对劳动密集型行业的间接效应为负值（-1.092）,并高于直接效应值（1.054）,意味着各地市在争夺该行业市场的竞争程度较高。对于技术密集型行业, $\begin{matrix} GOV \end{matrix}$ 的直接效应为显著正值（0.567）,而间接效应表现为显著负值（-1.328）,可见政府干预能有效的引导技术密集型行业发展,吸引要素向本地区的流动,但对周边地区制造业发展产生抑制作用。 $\begin{matrix} HC \end{matrix}$ 仅对本地区行业发展产生积极影响。

4 结论与讨论

基于2003~2014年山东省17地市制造业部门的面板数据,系统刻画了山东省制造业时空分异特征,并基于空间杜宾模型,探究了主要影响因素,得出如下结论：

1）在空间分布格局上,山东省制造业呈现出自东向西递减、先东部集聚后向中西部扩散的规律。在空间分布变化上,以2007年为转折点,制造业空间分布变化上呈现东部沿海转出、内陆转入的特点,鲁北地区成为份额增长最快的区域;多数制造业部门,特别是以纺织、家具制造为代表的劳动密集型行业,加速从鲁东沿海地区转出,呈现“西进北上”的特点。

2）实证结果表明,山东省制造业分布存在显著的正向空间自相关,表明地市级制造业水平受地理位置和邻接关系影响显著。市场规模、交通基础设施、产业规模和人力资本水平有助于本地区制造业的份额上升,劳动力成本成为制约制造业发展的约束要素。这表明山东省制造业倾向于市场潜力大、运输成本较低、规模经济显著的区域布局,体现了制造业发展与经济发展存在良性互动关系以及基础设施和人力资本对制造业发展的有力支撑。由于空间溢出效应,交通基础设施对相邻地区制造业发展产生促进作用,但市场规模和产业规模的发展则对相邻地区制造业发展产生抑制作用,表明各地区间在市场与产业发展方面存在“非合作”的竞争关系,人力资本的空间溢出作用并不显著。

3）从3个行业来看,各因素的作用程度存在差异。市场规模、交通设施水平和产业规模对技术密集型行业发展影响较大,劳动力成本对资本密集型行业影响较大,政府干预程度仅对技术密集型行业有积极影响。市场规模对劳动密集型行业的间接效应为负值,并高于直接效应值,意味着各地市在争夺该行业市场的竞争程度较高。

4）为进一步促进山东省制造业产业布局优化,应该从地区关联的角度重新审视制造业发展规律并制定相应政策措施：一是在制造业转型升级过程中,要想摆脱劳动力成本的上升带来的约束,需要努力提升劳动力素质和水平,特别是应增加鲁东等转出地的研发和人力资本的投入,加快技术创新,以实现向制造业高端转变的目标;二是政府在进行公共资源配置时,应充分考虑地区间交通设施的空间联系与互动,继续加大对鲁中、西部交通基础设施的投资,提高产业基础的配套能力,以吸引制造业企业的入驻;三是重视各地市在制造业发展中的竞争与合作关系,建立经济一体化的区域合作机制,通过跨区域产业链的建设,逐步减少城市之间的市场分割,促进区域内制造业分工体系的建立。

The authors have declared that no competing interests exist.

参考文献

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

[1]	Krugman P. Increasing Returns and Economic Geography [J]. Journal of Political Economy, 1991, 99(3): 483-499. URL [本文引用: 1]
[2]	Holmes T, Stevens J. Geographic Concentration and Establishment scale [J]. Review of Economics and Statistics,2002, 84:682-690. https://doi.org/10.1162/003465302760556495 URL 摘要 This paper shows that plants located in areas where an industry concentrates are larger, on average, than plants in the same industry outside such areas. In some sectors, such as manufacturing, the differences are substantial. The connection between size and concentration is stronger than what we would expect to find if plants were randomly distributed like darts on a dartboard.
[3]	Marshall A.Principles of Economics[M]. London: MacMillan, 1890. [本文引用: 1]
[4]	Norton R D, Rees J. The Product Cycle and the Spatial Decentralization of American Manufacturing [J].Regional Studies, 1979, (13):141-151. https://doi.org/10.1080/00343400701232199 URL [本文引用: 1] 摘要 ABSTRACT Norton R. D. and Rees J. (1979) The product cycle and the spatial decentralization of American manufacturing, Reg. Studies 13, 141--151. The relative and absolute decline of the American Manufacturing Belt is examined as a core-periphery realignment process. The decentralization of production is related conceptually to the product cycle model and tested empirically using shift-share analysis. The spread of innovative capacity and rapid growth industries to the states of the American South and West is seen as a reversal in traditional regional roles.
[5]	Devereux M, Griffith R, Simpson H. The Geographic Distribution of Production Activity in the UK [J]. Regional Science and Urban Economics, 2004, 34: 533-564. https://doi.org/10.1016/S0166-0462(03)00073-5 URL 摘要 We investigate the geographic concentration and agglomeration of production activity in the UK at the four-digit industry level using a variety of measures. We relate these to comparable patterns in the US and France and find several similarities. We find that conditioning on industrial concentration, the most geographically concentrated industries appear to be relatively low-tech. We find evidence that plant survival rates are higher and both entry and exit rates are lower in more agglomerated industries, but that in some of the most agglomerated industries entry acts to re-enforce agglomeration.
[6]	Fujita M, Tabuchi T. Regional Growth in Postwar Japan [J]. Regional Science and Urban Economics, 1997, 27(6): 643-670. https://doi.org/10.1016/S0166-0462(96)02167-9 URL 摘要 We show that a shift from light to heavy industries brought about the fast regional transformation from the Tokyo-Osaka bipolar system to the Pacific industrial belt system, and a shift from heavy to high-tech and service industries induced the second transformation to the Tokyo monopolar system. We also show that the recent development in telecommunications and transportation technologies tend to agglomerate knowledge-intensive activities in the core regions of Japan while dispersing mass-production activities to nonmetropolitan regions and overseas. This partly explains the recent renewed tendency of the increasing income differential between the core and peripheral regions.
[7]	Arauzo Carod J M, Viladecans Marsal E. Industrial Location at the Intra-metropolitan Level: The Role of Agglomeration Economies [J]. Regional Studies, 2009, 43(4): 545-558. https://doi.org/10.1080/00343400701874172 URL [本文引用: 1] 摘要 Arauzo-Carod J.-M. and Viladecans-Marsal E. Industrial location at the intra-metropolitan level: the role of agglomeration economies, Regional Studies. The objective of this paper is to analyse the influence of agglomeration economies on location decisions taken by new firms inside metropolitan areas. As it is assumed that these economies differ according to firms' level of technology, the sample comprises new firms from high-, intermediate- and low-technology industries. Of particularly interest is in analysing the effects of agglomeration economies that are felt over very short distances (inside the metropolitan areas). Introduced in the estimation is the effect of the central city as a determinant for the location of new firms in the rest of the metropolitan area. Arauzo-Carod J.-M. et Viladecans-Marsal E. Sites industriels au niveau intramétropolitain: le r00le des économies d'agglomération, Regional Studies. L'objectif de cet article est d'analyser l'influence des économies d'agglomération sur les décisions prises par de nouvelles entreprises concernant l'installation de leur site dans des zones métropolitaines. Partant de l'hypothèse que ces économies diffèrent en fonction du niveau technologique des entreprises, notre échantillon comprend des entreprises nouvelles d'un niveau technologique élevé, intermédiaire et bas. Nous nous intéressons particulièrement à l'analyse des effets des économies d'agglomération qui sont ressenties sur de très courtes distances (à l'intérieur des zones métropolitaines). Nous introduisons dans notre estimation l'effet de la ville centrale comme déterminant dans le choix des sites des nouvelles entreprises dans le reste de la zone métropolitaine. Sites industriels69Ville69Zone métropolitaine6907conomies d'urbanisation Arauzo-Carod J.-M. und Viladecans-Marsal E. Industriestandorte auf intrametropolitaner Ebene: die Rolle der Agglomerationswirtschaften, Regional Studies. Mit diesem Beitrag soll der Einfluss von Agglomerationswirtschaften auf die Standortentscheidungen von neuen Firmen in metropolitanen Gebieten untersucht werden. Da wir annehmen, dass diese Wirtschaften je nach dem technologischen Niveau der Firmen unterschiedlich ausfallen, enth01lt unsere Stichprobe neue Firmen aus Branchen mit hohem, mittlerem und niedrigerem technologischen Niveau. Insbesondere interessieren wir uns für die Analyse der Auswirkungen von Agglomerationswirtschaften, die über sehr kurze Entfernungen hinweg (innerhalb der metropolitanen Gebiete) spürbar werden. In unserer Sch01tzung berücksichtigen wir die Auswirkung der zentralen Stadt als Determinanten für den Standort neuer Firmen im übrigen metropolitanen Gebiet. Industriestandort69St01dte69Metropolitane Gebiete69Agglomerationswirtschaften Arauzo-Carod J.-M. y Viladecans-Marsal E. Localización industrial en un nivel intrametropolitano: el papel de las economías de aglomeración, Regional Studies. El objetivo de este artículo es analizar qué influencia ejercen las economías de aglomeración cuando las nuevas empresas eligen su localización en áreas metropolitanas. Suponiendo que estas economías difieren en función del nivel de tecnología de las empresas, en nuestra muestra abarcamos nuevas empresas de industrias con tecnologíaalta, intermedia y baja. Nos interesa en particular analizar los efectos de las economías de aglomeración que se hacen palpables sobre distancias muy cortas (dentro de áreas metropolitanas). En nuestro cálculo introducimos el efecto de la ciudad central como determinante para ubicar las nuevas empresas en el resto del área metropolitana. Ubicación industrial69Ciudades6909reas metropolitanas69Economías de aglomeración
[8]	罗胤晨,谷人旭. 1980~2011年中国制造业空间集聚格局及其演变趋势 [J].经济地理,2014,34(7):84-88. URL [本文引用: 1] 摘要利用中国工业经济统计数据,考察1980-2011年中国19个两位数制造业在省区尺度的空间集聚格局及其演变趋势,同时对2004年后制造业空间集聚程度持续下降的原因进行了探讨.结果表明:①从空间维度看,中国制造业出现了显著的集聚趋势,尤其是向东部沿海地区集中的态势明显,制造业地理集聚存在空间差异;②从产业特性看,不同类型产业的空间集聚趋势也存在显著差异.资源依赖型产业空间集聚程度相对较低,而资本和技术密集型产业空间集聚程度较高,劳动密集型产业由于以出口为主导,促进了产业向接近国外市场的东部沿海地区集聚.③从时间维度看,1980-2004年集聚程度呈稳定上升趋势,并在2004年达到最高点,而2004-2011年集聚程度呈持续下滑态势. [Luo Yinchen, Gu Renxu. The Pattern and Evolutional Trend of Chinese Manufacturing’s Spatial Agglomeration—An Empirical Analysis Based on Data from 1980 to 2011. Economic Geography, 2014, 34(7): 84-88.] URL [本文引用: 1] 摘要利用中国工业经济统计数据,考察1980-2011年中国19个两位数制造业在省区尺度的空间集聚格局及其演变趋势,同时对2004年后制造业空间集聚程度持续下降的原因进行了探讨.结果表明:①从空间维度看,中国制造业出现了显著的集聚趋势,尤其是向东部沿海地区集中的态势明显,制造业地理集聚存在空间差异;②从产业特性看,不同类型产业的空间集聚趋势也存在显著差异.资源依赖型产业空间集聚程度相对较低,而资本和技术密集型产业空间集聚程度较高,劳动密集型产业由于以出口为主导,促进了产业向接近国外市场的东部沿海地区集聚.③从时间维度看,1980-2004年集聚程度呈稳定上升趋势,并在2004年达到最高点,而2004-2011年集聚程度呈持续下滑态势.
[9]	石敏俊,杨晶,龙文. 中国制造业分布的地理变迁与驱动因素 [J]. 地理研究,2013,32(9):1708-1720. https://doi.org/10.11821/dlyj201309013 URL Magsci [本文引用: 3] 摘要近年来中国制造业分布格局呈现出新的动向。以2004-2005年为转折点,以食品轻纺行业为主的部分制造业部门开始从沿海省份向中西部省份转移,北京、天津、上海、浙江、广东、福建等省份的产业份额明显下降,安徽、江西、湖南、河南、四川等中西部省份的产业份额趋于增加。在地市尺度上,制造业分布变化呈现出"西进北上"的特点,具体表现为产业份额从沿海发达城市转向沿海省份内部发展相对滞后的地市、以及中西部省份内部产业基础较好且本地市场规模较大的地市。中部地区的重点开发区域已成为承接产业转移的重要载体。沿海地区劳动力、土地等要素成本上升导致要素成本的区域差异不断扩大,与此同时中西部地区市场邻近和供给邻近逐步得到改善。沿海地区和中西部地区之间要素成本差异的扩大和贸易成本差异的缩小,使得贸易成本和要素成本的均衡关系发生逆转性变化,这是驱动中国产业分布地理变迁的核心因素。 [Shi Mingjun, Yang Jing, Long Wen. Changes in Geographical Distribution of Chinese Manufacturing Sectors and its Driving Forces. Geographical Research, 2013,32(9): 1708-1720.] https://doi.org/10.11821/dlyj201309013 URL Magsci [本文引用: 3] 摘要近年来中国制造业分布格局呈现出新的动向。以2004-2005年为转折点,以食品轻纺行业为主的部分制造业部门开始从沿海省份向中西部省份转移,北京、天津、上海、浙江、广东、福建等省份的产业份额明显下降,安徽、江西、湖南、河南、四川等中西部省份的产业份额趋于增加。在地市尺度上,制造业分布变化呈现出"西进北上"的特点,具体表现为产业份额从沿海发达城市转向沿海省份内部发展相对滞后的地市、以及中西部省份内部产业基础较好且本地市场规模较大的地市。中部地区的重点开发区域已成为承接产业转移的重要载体。沿海地区劳动力、土地等要素成本上升导致要素成本的区域差异不断扩大,与此同时中西部地区市场邻近和供给邻近逐步得到改善。沿海地区和中西部地区之间要素成本差异的扩大和贸易成本差异的缩小,使得贸易成本和要素成本的均衡关系发生逆转性变化,这是驱动中国产业分布地理变迁的核心因素。
[10]	陈曦,席强敏,李国平. 城镇化水平与制造业空间分布 [J].地理科学, 2015, 35(3): 259-267. Magsci [本文引用: 6] 摘要 <p>基于2001~2011 年中国省区面板数据,聚焦于城镇化水平与中国制造业空间分布。研究表明,城镇化水平是中国制造业空间分布的重要影响因素之一,两者之间存在倒"U"型关系,以中国各省区制造业产值占全国制造业总产值的份额反映中国制造业的空间分布,当城镇化水平超过36.26%后,城镇化水平的进一步提高不再推动制造业份额上升,反而会导致其下降。进一步研究发现,劳动密集型、资本密集型和技术密集型3 种类型制造业在空间分布、份额变化和与城镇化水平的相关性上均存在一定程度的差异性,并印证了制造业内部存在由劳动密集型、资本密集型向技术密集型转型升级的基本规律。此外,交通设施水平、区位条件等因素也会对中国制造业空间分布产生影响。</p> [Chen Xi, Xi Qiangmin, Li Guoping. Urbanization Level and Spatial Distribution of Manufacturing Industry: An Empirical Research Based on Provincial Panel Data. Scientia Geographica Sinica, 2015, 35(3): 259-267.] Magsci [本文引用: 6] 摘要 <p>基于2001~2011 年中国省区面板数据,聚焦于城镇化水平与中国制造业空间分布。研究表明,城镇化水平是中国制造业空间分布的重要影响因素之一,两者之间存在倒"U"型关系,以中国各省区制造业产值占全国制造业总产值的份额反映中国制造业的空间分布,当城镇化水平超过36.26%后,城镇化水平的进一步提高不再推动制造业份额上升,反而会导致其下降。进一步研究发现,劳动密集型、资本密集型和技术密集型3 种类型制造业在空间分布、份额变化和与城镇化水平的相关性上均存在一定程度的差异性,并印证了制造业内部存在由劳动密集型、资本密集型向技术密集型转型升级的基本规律。此外,交通设施水平、区位条件等因素也会对中国制造业空间分布产生影响。</p>
[11]	贺灿飞,谢秀珍,潘峰华. 中国制造业省区分布及其影响因素 [J].地理研究,2008,27(3): 623-635. https://doi.org/10.3321/j.issn:1000-0585.2008.03.016 URL Magsci [本文引用: 2] 摘要 <p>改革开放以来,中国制造业空间格局发生了显著变化,多数产业在20世纪80年代趋于空间分散而在90年代趋于地理集中;大部分省区的制造业结构逐渐多元化,90年代后期以来趋于专业化。中国制造业的地理格局存在显著的产业间差异,出口加工型产业越来越向沿海省区集中,原材料指向型更加接近资源地而比较分散,消费市场导向型产业需要就近市场也趋于分散,各地区竞相发展的高利润、高税收产业也更趋于分散。本文系统考察了影响各制造业省区地理分布的区位因素,发现影响我国制造业省区分布的重要因素依次为政策和制度因素、劳动力素质和成本、规模经济、自然资源和区位通达性,但不同类型产业的地理分布影响因素差异较大。</p> [He Canfei, Xie Xiuzhen, Pan Fenghua. Locational Studies of Chinese Manufacturing Industries. Geographical Research, 2008, 27(3): 623-635.] https://doi.org/10.3321/j.issn:1000-0585.2008.03.016 URL Magsci [本文引用: 2] 摘要 <p>改革开放以来,中国制造业空间格局发生了显著变化,多数产业在20世纪80年代趋于空间分散而在90年代趋于地理集中;大部分省区的制造业结构逐渐多元化,90年代后期以来趋于专业化。中国制造业的地理格局存在显著的产业间差异,出口加工型产业越来越向沿海省区集中,原材料指向型更加接近资源地而比较分散,消费市场导向型产业需要就近市场也趋于分散,各地区竞相发展的高利润、高税收产业也更趋于分散。本文系统考察了影响各制造业省区地理分布的区位因素,发现影响我国制造业省区分布的重要因素依次为政策和制度因素、劳动力素质和成本、规模经济、自然资源和区位通达性,但不同类型产业的地理分布影响因素差异较大。</p>
[12]	李燕,贺灿飞. 1998~2009 年珠江三角洲制造业空间转移特征及其机制 [J].地理科学进展,2013,32(5):777-787. https://doi.org/10.11820/dlkxjz.2013.05.009 URL Magsci [本文引用: 1] 摘要 1998年以来,随着珠江三角洲经济发展,空间不足、劳动力成本和土地价格上升等问题逐渐凸显,对珠三角制造业的发展带来巨大的冲击。制造业空间转移成为珠三角面临的重大问题。本文采用企业数据和定量研究方法系统研究珠三角内部制造业空间转移的产业及空间特征,研究发现:1998-2009年珠三角制造业整体呈现先分散后集聚的"U"型发展趋势,但集聚水平普遍偏低,且不同类型的产业集聚特征差异显著。珠三角制造业地区专业化与产业集聚的变化趋势十分吻合;地区间结构差异缓慢提升。基于产业—区域交互模型对产业转移机制的实证结果表明:珠三角制造业呈现出向交通成本低、工资水平低、环境管制宽松、土地成本较低地区转移的趋势;地区制造业同构推动珠三角制造业空间转移;珠三角制造业呈现出显著的集聚规模经济,产业向运输成本较低的地区转移,前后向联系紧密的产业向市场潜力大的城市转移的趋势;当考虑产业异质性和空间异质性时,不同要素密集度的产业转移方向不明确。 [Li Yan, He Canfei. Characteristics and Mechanism of Manufacturing Industry Shift in the Pearl River Delta during 1998-2009. Progress in Geography, 2013,32(5):777-787.] https://doi.org/10.11820/dlkxjz.2013.05.009 URL Magsci [本文引用: 1] 摘要 1998年以来,随着珠江三角洲经济发展,空间不足、劳动力成本和土地价格上升等问题逐渐凸显,对珠三角制造业的发展带来巨大的冲击。制造业空间转移成为珠三角面临的重大问题。本文采用企业数据和定量研究方法系统研究珠三角内部制造业空间转移的产业及空间特征,研究发现:1998-2009年珠三角制造业整体呈现先分散后集聚的"U"型发展趋势,但集聚水平普遍偏低,且不同类型的产业集聚特征差异显著。珠三角制造业地区专业化与产业集聚的变化趋势十分吻合;地区间结构差异缓慢提升。基于产业—区域交互模型对产业转移机制的实证结果表明:珠三角制造业呈现出向交通成本低、工资水平低、环境管制宽松、土地成本较低地区转移的趋势;地区制造业同构推动珠三角制造业空间转移;珠三角制造业呈现出显著的集聚规模经济,产业向运输成本较低的地区转移,前后向联系紧密的产业向市场潜力大的城市转移的趋势;当考虑产业异质性和空间异质性时,不同要素密集度的产业转移方向不明确。
[13]	毛广雄,钱肖颖,曹蕾,等. 江苏省劳动密集型产业集群化转移的空间路径及机理研究 [J]. 地理科学,2016,36(1):72-80. https://doi.org/10.1329/j.cnki.sgs.2016.01.009 URL Magsci [本文引用: 1] 摘要以江苏省为区域案例,根据劳动密集系数选取3类10种产业,采用区位基尼系数、计量经济学模型以及纵向比较和横向比较相结合的方法,分析江苏省域不同类型劳动密集型产业集群化转移的趋势及空间路径。结果发现:江苏劳动密集型产业集群化转移趋势明显,Ⅰ、Ⅱ类劳动密集型产业以苏南地区比重下降明显,苏北苏中地区上升较快、Ⅲ类劳动密集型产业以苏南地区内部重新分配为主的特征;总体呈现由苏南向外推移的中心-外围式空间格局,产业集群化转移遵循以苏南为转移中心,苏北为产业承接外围的三阶梯、"一心两翼一腹地"的空间路径。最后,结合中心-外围理论,分析了劳动密集型产业集群化转移的内在机理。 [Mao Guangxiong, Qian Xiaoying, Cao Lei et al. The Space Path and Mechanism of Labor-intensive Industrial Cluster Transfer in Jiangsu. Scientia Geographica Sinica, 2016,36(1):72-80.] https://doi.org/10.1329/j.cnki.sgs.2016.01.009 URL Magsci [本文引用: 1] 摘要以江苏省为区域案例,根据劳动密集系数选取3类10种产业,采用区位基尼系数、计量经济学模型以及纵向比较和横向比较相结合的方法,分析江苏省域不同类型劳动密集型产业集群化转移的趋势及空间路径。结果发现:江苏劳动密集型产业集群化转移趋势明显,Ⅰ、Ⅱ类劳动密集型产业以苏南地区比重下降明显,苏北苏中地区上升较快、Ⅲ类劳动密集型产业以苏南地区内部重新分配为主的特征;总体呈现由苏南向外推移的中心-外围式空间格局,产业集群化转移遵循以苏南为转移中心,苏北为产业承接外围的三阶梯、"一心两翼一腹地"的空间路径。最后,结合中心-外围理论,分析了劳动密集型产业集群化转移的内在机理。
[14]	段小薇,苗长虹,赵建吉. 河南承接制造业转移的时空格局研究 [J]. 地理科学,2016,36(1):1-11. https://doi.org/10.1329/j.cnki.sgs.2016.01.001 Magsci 摘要利用2003~2012年全国285个地级及以上城市面板数据,研究了中国生产性服务业及其市场潜能的空间分布特征,并基于面板工具计量模型,实证检验了生产性服务业市场潜能对其空间分布的影响。主要结论是:①生产性服务业主要集中在区域中心城市,且中心城市与非中心城市生产性服务业发展差距日益加大;生产性服务业市场潜能主要集中在东部沿海地区,从动态上东部地区与中西部地区生产性服务业市场潜能差距在逐渐减小;②生产性服务业市场潜能对生产性服务业空间分布具有显著影响。分行业看,市场潜能仅对金融服务业和科技服务业的空间分布影响不显著,对商务服务业的空间分布影响最大;③市场潜能有效地带动了区域中心城市生产性服务业的发展,但对非中心城市生产性服务业的带动作用不明显,市场潜能没能有效地转化为真实需求。基于此,建议中国未来应提高非中心城市生产性服务业的市场潜能,带动其生产性服务业的发展,尤其是提高非中心城市的本地化专业服务水平,以满足非中心城市工业转型升级过程中受距离限制不能从中心城市获得的专业化生产服务。 [Duan Xiaowei, Miao Changhong, Zhao Jianji. Spatio-temporal Pattern of Undertaking Manufacturing’s Transfer in Henan Province. Scientia Geographica Sinica, 2016,36(1):1-11.] https://doi.org/10.1329/j.cnki.sgs.2016.01.001 Magsci 摘要利用2003~2012年全国285个地级及以上城市面板数据,研究了中国生产性服务业及其市场潜能的空间分布特征,并基于面板工具计量模型,实证检验了生产性服务业市场潜能对其空间分布的影响。主要结论是:①生产性服务业主要集中在区域中心城市,且中心城市与非中心城市生产性服务业发展差距日益加大;生产性服务业市场潜能主要集中在东部沿海地区,从动态上东部地区与中西部地区生产性服务业市场潜能差距在逐渐减小;②生产性服务业市场潜能对生产性服务业空间分布具有显著影响。分行业看,市场潜能仅对金融服务业和科技服务业的空间分布影响不显著,对商务服务业的空间分布影响最大;③市场潜能有效地带动了区域中心城市生产性服务业的发展,但对非中心城市生产性服务业的带动作用不明显,市场潜能没能有效地转化为真实需求。基于此,建议中国未来应提高非中心城市生产性服务业的市场潜能,带动其生产性服务业的发展,尤其是提高非中心城市的本地化专业服务水平,以满足非中心城市工业转型升级过程中受距离限制不能从中心城市获得的专业化生产服务。
[15]	陈松林,陈进栋,韦素琼. 福建省综合交通可达性格局及其与制造业空间分布的关系分析 [J]. 地理科学,2012,32(7):807-815. URL Magsci [本文引用: 2] 摘要以福建省为研究区域,县(市)为研究单元,采用加权平均旅行时间指标,分析公路(区内与区外联系)、铁路、港口、航空等交通方式及区域综合交通网络的可达性空间格局,探讨各交通网络空间分布的均衡性。选取制造业中的28个行业,从资源集约度角度将其分为资源密集型制造业、劳动密集型制造业、资本密集型制造业,利用平均集中率测量产业集聚度。引入要素禀赋条件、外部性、规模经济、制度政策4个方面13个变量对福建制造业空间分布影响因素进行回归分析。结果表明：福建省路网可达性由沿海中部向四周降低,其中公路区内可达性呈明显的圈层结构,区外可达性为“井”字形分布,铁路、港口和机场形成以福州、厦门—泉州为可达性高值区的马鞍状格局,综合交通网络可达性呈带状分布。不同类型的制造业在空间分布格局上呈现不同的特征,制造业平均集中率高值区呈环状分布,而制造业集中率低值区呈点状分布,与交通可达性的“凹陷区”重合。可达性与制造业空间集聚呈现很强的相关性,并且与不同类型制造业空间集聚相关程度有所差异,与资源密集型制造业空间集聚相关性相对较低。此外,农业丰裕度、自然资源禀赋、知识溢出效应、相对企业规模等其他变量对制造业空间分布也有显著影响。 [Chen Songlin,Chen Jindong,Wei Suqiong. The Integrated Transportation Accessibility in Fujian Province and Its Correlation with the Spatial Distribution of Manufacturing. Scientia Geographica Sinica,2012,32(7):807-815.] URL Magsci [本文引用: 2] 摘要以福建省为研究区域,县(市)为研究单元,采用加权平均旅行时间指标,分析公路(区内与区外联系)、铁路、港口、航空等交通方式及区域综合交通网络的可达性空间格局,探讨各交通网络空间分布的均衡性。选取制造业中的28个行业,从资源集约度角度将其分为资源密集型制造业、劳动密集型制造业、资本密集型制造业,利用平均集中率测量产业集聚度。引入要素禀赋条件、外部性、规模经济、制度政策4个方面13个变量对福建制造业空间分布影响因素进行回归分析。结果表明：福建省路网可达性由沿海中部向四周降低,其中公路区内可达性呈明显的圈层结构,区外可达性为“井”字形分布,铁路、港口和机场形成以福州、厦门—泉州为可达性高值区的马鞍状格局,综合交通网络可达性呈带状分布。不同类型的制造业在空间分布格局上呈现不同的特征,制造业平均集中率高值区呈环状分布,而制造业集中率低值区呈点状分布,与交通可达性的“凹陷区”重合。可达性与制造业空间集聚呈现很强的相关性,并且与不同类型制造业空间集聚相关程度有所差异,与资源密集型制造业空间集聚相关性相对较低。此外,农业丰裕度、自然资源禀赋、知识溢出效应、相对企业规模等其他变量对制造业空间分布也有显著影响。
[16]	王俊松. 长三角制造业空间格局演化及影响因素 [J].地理研究,2014,33(12):2312-1224. https://doi.org/10.11821/dlyj201412009 URL Magsci [本文引用: 1] 摘要基于长三角制造业企业数据和空间计量统计方法,探讨了长三角地区2000年以来制造业的空间格局变化及影响因素。结果表明:长三角制造业空间分布呈现出典型的以上海为中心的沿重要交通轴线集聚的特征,且在2000年以后经历了明显的产业扩散,这种扩散存在明显的行业差别,技术密集度越高,行业的扩散半径越小。尽管出现制造业扩散趋势,上海市作为长三角中心城市的地位却有所增强。空间计量的回归结果表明,制造业分布存在典型的空间溢出效应;控制空间溢出效应以后,这一地区的制造业集聚主要受制于区位条件因素,包括到上海市区和到机场的距离以及市辖区区位是影响制造业分布的重要因素,且前两个因素的影响逐渐增强,尚未发现政策因素对制造业分布的显著影响。同时发现制造业集聚影响因素存在显著的行业差异。 [Wang Junsong. Evolution of Manufacturing Industries’ Spatial Pattern and Influence Factors in Yangtze River Delta region. Geographical Research,2014,33(12): 2312-2324.] https://doi.org/10.11821/dlyj201412009 URL Magsci [本文引用: 1] 摘要基于长三角制造业企业数据和空间计量统计方法,探讨了长三角地区2000年以来制造业的空间格局变化及影响因素。结果表明:长三角制造业空间分布呈现出典型的以上海为中心的沿重要交通轴线集聚的特征,且在2000年以后经历了明显的产业扩散,这种扩散存在明显的行业差别,技术密集度越高,行业的扩散半径越小。尽管出现制造业扩散趋势,上海市作为长三角中心城市的地位却有所增强。空间计量的回归结果表明,制造业分布存在典型的空间溢出效应;控制空间溢出效应以后,这一地区的制造业集聚主要受制于区位条件因素,包括到上海市区和到机场的距离以及市辖区区位是影响制造业分布的重要因素,且前两个因素的影响逐渐增强,尚未发现政策因素对制造业分布的显著影响。同时发现制造业集聚影响因素存在显著的行业差异。
[17]	贺灿飞,朱彦刚,朱晟君. 产业特性、区域特征与中国制造业省区集聚 [J].地理学报, 2010, 65(10): 1218-1228. https://doi.org/10.11821/xb201010007 URL Magsci 摘要产业地理集聚存在产业差异和区域差异.本文结合产业特性和区域特征揭示产业集聚的形成机制.采用2004年第一次经济普查数据,本文发现交通密度、政府支出比重、开发区数量以及贸易壁垒强度等区域特征显著影响产业集聚.在产业特性与区域特征交叉分析中发现,市场化促进了农业投入依赖性强、产业联系强、劳动密集型及研发密集型的产业的空间扩散,交通网络的完善有利于产业联系强的、规模经济显著的产业的分散布局,在市场潜力较大的省区规模经济显著的产业更为集聚;地方政府的产业和区域政策促进了产业联系较强的产业集聚,而拉动了利税率高的、国有企业主导的、属于国家重点计划的产业分散布局;各级政府建立的开发区和园区则尤其不利于国家计划重点产业的集聚和规模经济的实现.本文研究表明,贸易理论与新经济地理理论对于中国的制造业集聚具有一定的解释力,而中国的政策制度环境也是产业集聚的重要影响因素.产业集聚需要一定的产业和区域条件,并非所有产业和所有区域内都能够实现高水平的产业集聚. [He Canfei, Zhu Yan’gang, Zhu Shengjun. Industrial Attributes Provincial Characteristics and Industrial Agglomeration in China. Acta Geographica Sinica, 2010, 65(10): 1218-1228.] https://doi.org/10.11821/xb201010007 URL Magsci 摘要产业地理集聚存在产业差异和区域差异.本文结合产业特性和区域特征揭示产业集聚的形成机制.采用2004年第一次经济普查数据,本文发现交通密度、政府支出比重、开发区数量以及贸易壁垒强度等区域特征显著影响产业集聚.在产业特性与区域特征交叉分析中发现,市场化促进了农业投入依赖性强、产业联系强、劳动密集型及研发密集型的产业的空间扩散,交通网络的完善有利于产业联系强的、规模经济显著的产业的分散布局,在市场潜力较大的省区规模经济显著的产业更为集聚;地方政府的产业和区域政策促进了产业联系较强的产业集聚,而拉动了利税率高的、国有企业主导的、属于国家重点计划的产业分散布局;各级政府建立的开发区和园区则尤其不利于国家计划重点产业的集聚和规模经济的实现.本文研究表明,贸易理论与新经济地理理论对于中国的制造业集聚具有一定的解释力,而中国的政策制度环境也是产业集聚的重要影响因素.产业集聚需要一定的产业和区域条件,并非所有产业和所有区域内都能够实现高水平的产业集聚.
[18]	张光南,洪国志,陈广汉. 基础设施、空间溢出与制造业成本效应 [J].经济学(季刊),2013,13(1):285-304. URL [本文引用: 2] [Zhang Guangnan, Hong Guozhi, Chen Guanghan. Infrastructure, Spillover and Cost Effect of Manufacturing Industry. China Economic Quarterly, 2013, 13(1) :285-304.] URL [本文引用: 2]
[19]	刘霄泉,孙铁山,李国平. 基于局部空间统计的产业集群空间分析——以北京市制造业集群为例 [J]. 地理科学,2012,32(5):530-535. URL Magsci [本文引用: 1] 摘要将集群识别与空间分析相结合,通过全国集群模板识别产业集群,进而利用局部空间统计方法,探测产业集群的空间布局特征。利用2008 年北京市和全国经济普查数据,从产业联系的角度识别了北京市制造业集群,在此基础上进一步测度了北京市制造业集群的空间分布现状与布局特征。研究发现,北京市制造业集群主要分布在近郊区并向远郊区延伸,资源条件、政策环境、交通区位、历史因素等多种区位因子均对集群的区位选择产生影响。从总体分布来看,北京市制造业集群的空间布局存在分布比较分散、功能重叠或与区县功能定位不符等问题。未来在政策制定时,应进一步强化北京市制造业集群的空间集聚,发挥区域产业政策的引导作用,并不断依托产业园区优化集群发展环境,引导符合区县功能定位的制造业集群发展。 [Li Xiaoquan, Sun Tieshan, Li Guoping. Spatial Analysis of Industry Clusters Based on Local Spatial Statistics: A Case Study of Beijing’s Manufacturing Industry Clusters. Scientia Geographica Sinica,2012,32(5):530-535.] URL Magsci [本文引用: 1] 摘要将集群识别与空间分析相结合,通过全国集群模板识别产业集群,进而利用局部空间统计方法,探测产业集群的空间布局特征。利用2008 年北京市和全国经济普查数据,从产业联系的角度识别了北京市制造业集群,在此基础上进一步测度了北京市制造业集群的空间分布现状与布局特征。研究发现,北京市制造业集群主要分布在近郊区并向远郊区延伸,资源条件、政策环境、交通区位、历史因素等多种区位因子均对集群的区位选择产生影响。从总体分布来看,北京市制造业集群的空间布局存在分布比较分散、功能重叠或与区县功能定位不符等问题。未来在政策制定时,应进一步强化北京市制造业集群的空间集聚,发挥区域产业政策的引导作用,并不断依托产业园区优化集群发展环境,引导符合区县功能定位的制造业集群发展。
[20]	Greene W. Reconsidering Heterogeneity in Panel Data Estimators of the Stochastic Frontier Model [J]. Journal of Econometrics, 2005,126: 269-303. https://doi.org/10.1016/j.jeconom.2004.05.003 URL [本文引用: 1] 摘要 No abstract is available for this item.
[21]	程叶青,王哲野,马靖. 中国区域创新的时空动态分析 [J].地理学报,2014,69(12):1779-1789. https://doi.org/10.11821/dlxb201412004 URL Magsci [本文引用: 2] 摘要基于探索性空间数据分析和验证性空间面板模型,本文探讨了2000 年以来中国区域创新的时空动态。结果表明:① 自创新战略实施以来,中国各省区创新产出的年均增长率几乎都经历了一个剧烈的加速过程,说明区域创新能力的总体提升,但是,东部沿海地区仍然在创新产出中居于压倒性地位,导致“沿海—内陆”分化加剧和区域鸿沟的进一步突出,省区创新可能会陷入“强者愈强,弱者愈弱”的“马太效应”;② 中国区域创新产出与创新投入的空间集聚随时间推移不断强化,通过识别不同时期各变量“热点”,表明创新产出“热点”地区与创新投入“热点”具有高度的时空耦合特征;③ 人均GDP、研发投入、研发人员及在校大学生数对省区创新产出有显著的直接影响。省区间创新活动存在明显的空间溢出效应,其知识溢出的地理区域跨越了省区边界。空间依赖性的存在导致省区间创新活动具有反馈效应,相邻省区的知识溢出对该省区的创新活动具有实质性影响。 [Cheng Yeqing, Wang Zheye, Ma Jing. Analyzing the Space-time Dynamics of Innovation in China. Acta Geographica Sinica, 2014, 69(12): 1779-1789.] https://doi.org/10.11821/dlxb201412004 URL Magsci [本文引用: 2] 摘要基于探索性空间数据分析和验证性空间面板模型,本文探讨了2000 年以来中国区域创新的时空动态。结果表明:① 自创新战略实施以来,中国各省区创新产出的年均增长率几乎都经历了一个剧烈的加速过程,说明区域创新能力的总体提升,但是,东部沿海地区仍然在创新产出中居于压倒性地位,导致“沿海—内陆”分化加剧和区域鸿沟的进一步突出,省区创新可能会陷入“强者愈强,弱者愈弱”的“马太效应”;② 中国区域创新产出与创新投入的空间集聚随时间推移不断强化,通过识别不同时期各变量“热点”,表明创新产出“热点”地区与创新投入“热点”具有高度的时空耦合特征;③ 人均GDP、研发投入、研发人员及在校大学生数对省区创新产出有显著的直接影响。省区间创新活动存在明显的空间溢出效应,其知识溢出的地理区域跨越了省区边界。空间依赖性的存在导致省区间创新活动具有反馈效应,相邻省区的知识溢出对该省区的创新活动具有实质性影响。
[22]	张浩然,衣保中. 基础设施、空间溢出与区域全要素生产率 [J].经济学家,2012,2:61-67. [本文引用: 3] [Zhang Haoran, Yi Baozhong. Infrastructure, Spillover and TFP. Economist, 2012, 2: 61-67.] [本文引用: 3]
[23]	王建康,谷国锋,姚丽. 城市化进程、空间溢出效应与城乡收入差距——基于2002~2012省级面板数据 [J].财经研究,2015, 41(5):55-66. URL [本文引用: 1] 摘要近年来,我国的城市化进程发展迅速,在促进了经济持续增长的同时却伴随着城乡收入差距的不断扩大.基于此,文章选取了2002-2012年我国30个省(市、自治区)的面板数据,通过空间自相关性检验和构建空间计量模型,从表征与保障两个方面考察了我国城市化进程对城乡收入差距的直接影响和间接影响(溢出效应).结果表明:我国城乡收入差距具有明显的空间自相关性,虽然相关程度逐渐减小但仍非常显著;人口非农化、固定资产投资与政府能力对城乡收入差距存在消极影响,而产业结构、城市建设用地与人力资本对城乡收入差距具有积极影响,且均存在不同程度的空间溢出效应,即邻近地区的城市化进程会对本地区城乡收入差距产生影响.最后文章针对城市化进程中如何缩小城乡收入差距的问题提出了对策. [Wang Jiankang, Gu Guofeng, Yao Li. Urbanization, Spatial Spillover Effects and Urban-rural Income Gap in China: Based on Provincial Panel Data from 2002 to 2012. Journal of Finance and Economics, 2015,41(5):55-66.] URL [本文引用: 1] 摘要近年来,我国的城市化进程发展迅速,在促进了经济持续增长的同时却伴随着城乡收入差距的不断扩大.基于此,文章选取了2002-2012年我国30个省(市、自治区)的面板数据,通过空间自相关性检验和构建空间计量模型,从表征与保障两个方面考察了我国城市化进程对城乡收入差距的直接影响和间接影响(溢出效应).结果表明:我国城乡收入差距具有明显的空间自相关性,虽然相关程度逐渐减小但仍非常显著;人口非农化、固定资产投资与政府能力对城乡收入差距存在消极影响,而产业结构、城市建设用地与人力资本对城乡收入差距具有积极影响,且均存在不同程度的空间溢出效应,即邻近地区的城市化进程会对本地区城乡收入差距产生影响.最后文章针对城市化进程中如何缩小城乡收入差距的问题提出了对策.
[24]	仇方道,蒋涛,张纯敏,等. 江苏省污染密集型产业空间转移及影响因素 [J].地理科学,2013,33(7):789-796. URL Magsci [本文引用: 2] 摘要污染密集型产业空间转移规律及其动力机制研究正在成为区域可持续发展研究的热点领域之一。利用2000~2010年江苏省13个省辖市的统计数据,运用空间分析及面板数据分析模型,探讨该省污染密集型产业空间转移特征及作用机制。结果发现:江苏省依然是国际污染密集型产业的承接地,其污染密集型产业分布呈现以苏锡常地区为核心向外围逐渐下降的"核心-边缘"型空间格局,并显示出"扩散-集聚-扩散"的空间演化趋势,苏北地区正在成为苏南地区的"污染避难所";发展阶段和实际利用外资是江苏省承接污染密集型产业的主要因素,实际利用外资是实现污染密集型产业向江苏转移的主要形式;技术创新、产业结构是驱动污染密集型产业由苏南、苏中向苏北转移的主要因素;政府调控是影响污染密集型产业转移的主要手段。因此,应通过加大产业结构转型升级和技术创新力度、改善政府调控、加强环境监管等措施促进污染密集型产业布局优化。 [Qiu Fangdao, Jiang Tao,Zhang Chunmin et al. Spatial Relocation and Mechanism of Pollution-intensive Industries in Jiangsu Province. Scientia Geographica Sinica, 2013, 33(7):789-796.] URL Magsci [本文引用: 2] 摘要污染密集型产业空间转移规律及其动力机制研究正在成为区域可持续发展研究的热点领域之一。利用2000~2010年江苏省13个省辖市的统计数据,运用空间分析及面板数据分析模型,探讨该省污染密集型产业空间转移特征及作用机制。结果发现:江苏省依然是国际污染密集型产业的承接地,其污染密集型产业分布呈现以苏锡常地区为核心向外围逐渐下降的"核心-边缘"型空间格局,并显示出"扩散-集聚-扩散"的空间演化趋势,苏北地区正在成为苏南地区的"污染避难所";发展阶段和实际利用外资是江苏省承接污染密集型产业的主要因素,实际利用外资是实现污染密集型产业向江苏转移的主要形式;技术创新、产业结构是驱动污染密集型产业由苏南、苏中向苏北转移的主要因素;政府调控是影响污染密集型产业转移的主要手段。因此,应通过加大产业结构转型升级和技术创新力度、改善政府调控、加强环境监管等措施促进污染密集型产业布局优化。
[25]	Anselin L. Spatial Econometrics in RSUE: Retrospect and Prospect [J]. Regional Science and Urban Economics, 2007,37(4): 450-456. https://doi.org/10.1016/j.regsciurbeco.2006.11.009 URL Magsci [本文引用: 1] 摘要 This article reviews the stages of development of spatial econometrics since its inception in the early 1970s, especially as represented by publications in RSUE. It also reflects on promising future directions. The evolution of the field is categorized into three distinct periods: the preconditions for growth (early 1970s to late 1980s), the take off (1990s), and the steady state (post 2000). Each of these is characterized by a change in the focus of interest, an evolution of the disciplinary mix of scholars involved in the field, and a diversification of publication outlets.
[26]	吴玉鸣,李建霞. 中国区域工业全要素生产率的空间计量经济分析 [J].地理科学,2006, 26(8):385-391. https://doi.org/10.3969/j.issn.1000-0690.2006.04.001 URL [本文引用: 1] 摘要全要素生产率（TFP）是一个国家或地区经济增长质量和技术进步、管理效率提高的重要标志，正确、科学测算TFP对区域经济增长和技术进步及政策研究非常重要。运用空间统计和空间计量经济学的空间自相关Moran指数、空间滞后模型和空间误差模型方法，基于2003年中国大陆31个省、直辖市和自治区的工业企业统计数据，对中国大陆省级区域工业全要素生产率进行了空间计量经济测算分析。结果发现，空间统计与空间计量经济学模型在测算我国省域工业全要素生产率中具有较好效果，利用这种方法测算的2003年中国大陆31个区域全要素生产率的实证结果比较符合工业生产率发展实际；在影响我国省域工业生产率的因素中，工业资本投入是造成工业经济增长率在东中西部地区之间和各个省域之间存在巨大差异的主要原因；劳动生产率水平偏低是制约我国省域工业生产率提高的主要瓶颈因素；2003年我国省域工业生产率增长是由资本和技术共同推动的。 [Wu Yuming, Li Jianxia. A Spatial Econometric Analysis of Industrial TFP in China’s Provincial Region. Scientia Geographica Sinica, 2006, 26(8):385-391.] https://doi.org/10.3969/j.issn.1000-0690.2006.04.001 URL [本文引用: 1] 摘要全要素生产率（TFP）是一个国家或地区经济增长质量和技术进步、管理效率提高的重要标志，正确、科学测算TFP对区域经济增长和技术进步及政策研究非常重要。运用空间统计和空间计量经济学的空间自相关Moran指数、空间滞后模型和空间误差模型方法，基于2003年中国大陆31个省、直辖市和自治区的工业企业统计数据，对中国大陆省级区域工业全要素生产率进行了空间计量经济测算分析。结果发现，空间统计与空间计量经济学模型在测算我国省域工业全要素生产率中具有较好效果，利用这种方法测算的2003年中国大陆31个区域全要素生产率的实证结果比较符合工业生产率发展实际；在影响我国省域工业生产率的因素中，工业资本投入是造成工业经济增长率在东中西部地区之间和各个省域之间存在巨大差异的主要原因；劳动生产率水平偏低是制约我国省域工业生产率提高的主要瓶颈因素；2003年我国省域工业生产率增长是由资本和技术共同推动的。
[27]	James P L, Kelly P R.Introduction to Spatial Econometrics[M].Boca Raton, US: CRC Press Taylor &Francis Group,2009. [本文引用: 2]
[28]	Kim T J, Knapp G. The Spatial Dispersion of Economic Activities and Development Trends in China: 1952-1985 [J]. The Annals of Regional Science, 2001, 35: 39-57. https://doi.org/10.1007/s001680000021 URL [本文引用: 1] 摘要 This paper reviews and analyzes the spatial dispersion of economic activities in the Peoples' Republic of China for the period of 1952-1985. The purpose of the paper is to shed light on the future prospect of spatial development in China. Specifically, the paper examines the relationship between spatial dispersions of economic activities and the central government's policy for economic development in past decades.
[29]	Lesage J P, Pace R K. Spatial Econometric Modeling of Origin-destination Flows [J]. Journal of Regional Science, 2008, 48(5): 941-967. https://doi.org/10.1111/j.1467-9787.2008.00573.x URL [本文引用: 1] 摘要 ABSTRACT. Standard spatial autoregressive models rely on spatial weight structures constructed to model dependence among n regions. Ways of parsimoniously modeling the connectivity among the sample of N = n 2 origin-destination (OD) pairs that arise in a closed system of interregional flows has remained a stumbling block. We overcome this problem by proposing spatial weight structures that model dependence among the N OD pairs in a fashion consistent with standard spatial autoregressive models. This results in a family of spatial OD models introduced here that represent an extension of the spatial regression models described in Anselin (1988) .
[30]	山东省统计局.山东省统计年鉴[M].北京:中国统计出版社,2004-2015. [本文引用: 1] [Shandong Statistical Bureau. Shandong Statistical Yearbook.Beijing: China Statistics Press,2004-2015.] [本文引用: 1]
[31]	山东省统计局. 山东工业统计年鉴[M].北京:中国统计出版社,2004-2015. [本文引用: 1] [Shandong Statistical Bureau.Shandong Industry Statistical Yearbook. Beijing: China Statistics Press, 2004-2015.] [本文引用: 1]

Increasing Returns and Economic Geography

1991

... 随着国际产业分工体系的重塑,制造业重新成为全球经济竞争的制高点.随着东部沿海地区劳动力、土地等要素成本的快速上升,资源与环境对产业发展约束增强,空间布局的优化成为中国制造业创新发展的内在要求.制造业空间分布一直是学术界关注的热点议题,基于不同的视角,古典和新古典区位论、新经济地理学、产业集群理论及新贸易理论都为阐释产业空间分布提供了理论支撑^[1~3].实证研究方面,国外学者多以美国、英国、日本等发达国家为研究单元,从地区专业化和产业集聚视角,分析制造业空间分布的特征及影响因素^[4~7].国内学者对于中国制造业空间分布的研究始于20世纪90年代,最近的研究发现,在省级尺度上资源依赖型产业空间集聚程度相对较低,而资本和技术密集型行业空间集聚程度较高,自2004年以来呈持续下滑态势^[8],在空间分布变化上,自2003年以来,制造业还呈现出“西进北上”的特点^[9,10].在影响因素与作用机制方面,主要探讨了要素成本、贸易成本^[9]、城镇化水平^[10]及制度要素^[11]等的作用. ...

Geographic Concentration and Establishment scale

2002

The Product Cycle and the Spatial Decentralization of American Manufacturing

1979

The Geographic Distribution of Production Activity in the UK

2004

Regional Growth in Postwar Japan

1997

Industrial Location at the Intra-metropolitan Level: The Role of Agglomeration Economies

2009

1980~2011年中国制造业空间集聚格局及其演变趋势

2014

1980~2011年中国制造业空间集聚格局及其演变趋势

2014

中国制造业分布的地理变迁与驱动因素

2013

... [9]、城镇化水平^[10]及制度要素^[11]等的作用. ...

... 1）产业转移.计算各地市在2003~2007、2007~2014与2003~2014年之间的制造业份额差值,将17地市分为强减少区（值<-4%）、弱减少区（-4%≤值≤0）、弱增长区（<值≤4%）和强增长区（值>4%）等4类,以反映制造业在区域上“转出”或“转入”的相对变化^[10],仅说明各行业此消彼长的过程,而不是实际意义上的产业从某一个向另一个地区的转移.图2表明,自2007年以来,鲁东地区的青岛、烟台、威海制造业份额开始下降,但地处鲁北、鲁西及鲁南等地区的东营、聊城、菏泽等制造业份额开始增加.这主要是因为2008年全球金融危机,以及生产要素成本的上升、环境规制及制造业结构优化调整的要求加剧了制造业的空间布局重组^[9].图3表明,12 a来山东省制造业总体空间分布变化呈现东部沿海转出、内陆转入的特点.其中,强减少区包括济南、威海和青岛3市;弱减少区包括烟台、莱芜、淄博、济宁和枣庄5市;弱增长区包括临沂、聊城、滨州等9市;强增长区仅包括东营,份额增加值为6.9%,这一特征表明,2005年产业转型升级的政策推动了鲁东地区的产业转出,带来了内陆地区制造业的较快发展,其中鲁北地区制造业份额显著增加,成为产业转入的重要区域. ...

中国制造业分布的地理变迁与驱动因素

2013

... [9]、城镇化水平^[10]及制度要素^[11]等的作用. ...

城镇化水平与制造业空间分布

2015

... [10]及制度要素^[11]等的作用. ...

... 本文首先通过各地市制造业的份额值^[10,24]（即各地市制造业产值占全省制造业总产值比重）、份额变动值,从时间、空间以及分行业层面探究山东省制造业分布的时空格局特征,然后基于对制造业分布的空间自相关检验,采取适合的计量模型进行实证分析.空间自相关分析主要采用全局Moran’s

\begin{matrix} I \end{matrix}

指数,该指数既可以反映产业分布的空间自相关程度,又是构建空间计量模型的检验条件^[25,26],如果空间自相关性显著,则需采用适合的空间计量模型来测度各因素的影响作用.James和Kelly^[27]将空间滞后模型进行扩展,提出了空间杜宾模型（SDM）. ...

... 式中,

\begin{matrix} Y_{it} \end{matrix}

表示因变量,为i地市在t年的制造业份额值;

\begin{matrix} W_{ij} \end{matrix}

是N×N阶空间权重矩阵中的元素,表示地市i与j的邻近关系,该权重矩阵经过行标准化处理,使每行元素之和为1,本文N为17,代表山东省17个地级市,本文选择了两种方法来测度空间矩阵,一个是邻接矩阵,二是各地级市中心之间最短距离的倒数作为权重矩阵,能够充分考虑到地理距离接近但并不相邻的两个城市也可能存在相互作用的事实; Y_jt表示

\begin{matrix} j \end{matrix}

地市在t年的制造业份额值;W_ijY_jt表示与i相邻的地市Y_jt对Y_it的交互影响;

\begin{matrix} ρ \end{matrix}

为空间滞后回归系数,表示相邻区域的制造业份额对本地区制造业份额的影响方向和程度.

\begin{matrix} β \end{matrix}

、θ是未知的参数向量,当θ为0时,SDM模型可以转化为空间滞后模型（SLM模型）.当

\begin{matrix} θ + ρβ \end{matrix}

为0时,SDM模型可以转化为空间误差模型（SEM）^[21,22].

\begin{matrix} ϕ_{t} \end{matrix}

表示时间固定效应;

\begin{matrix} ε_{it} \end{matrix}

表示空间自相关误差项;

\begin{matrix} μ_{i} \end{matrix}

表示个体固定效应;X_jt表示了

\begin{matrix} j \end{matrix}

地市在t年的各影响因素;W_ijY_jt表示与

\begin{matrix} i \end{matrix}

相邻的地市X_jt对

\begin{matrix} X_{it} \end{matrix}

的交互影响.基于已有的研究,本文选取了对外开放水平、产业规模、市场规模、交通运输水平、人力资本水平、劳动力成本与政府干预程度等7个影响要素,OPEN表示进出口总额占GDP比重,反映了对外开放水平;SCALE表示规模以上制造业企业数的制造业产值比值,反映各地市的产业规模^[28];PGDP表示人均GDP,反映了市场规模;TRANS表示货运量,反映地区交通运输水平^[18];HC表示了在校大学生人数,反映了人力资本水平;WAGE表示了从业人员的平均工资,反映劳动力成本;GOV表示了各地区政府在非公共财政占GDP的比重,反映政府干预程度^[10]. ...

... 2）间接效应.

\begin{matrix} OPEN \end{matrix}

、

\begin{matrix} PGDP \end{matrix}

、

\begin{matrix} SCALE \end{matrix}

和

\begin{matrix} TRANS \end{matrix}

是影响地区间制造业份额变化的重要因素.

\begin{matrix} OPEN \end{matrix}

的间接效应值显著且大于直接效应,意味着本地区的对外开放程度越高,越能产生区域辐射带动作用.

\begin{matrix} SCALE \end{matrix}

与

\begin{matrix} PGDP \end{matrix}

的间接效应均为显著的负值,说明本地区市场规模、产业规模的扩大,能够对其它地区的人才、资本等生产要素产生虹吸效应,从而抑制相邻地区的制造业份额的提升,地区之间存在竞争关系.

\begin{matrix} TRANS \end{matrix}

的间接效应值为0.209,且高于直接效应值0.102,表明区域交通基础设施的改善,能够降低物流成本,提高分工的精细程度,并通过交通网络产生“扩散效应”,带动周边地区制造业的发展^[15,18].

\begin{matrix} HC \end{matrix}

的间接效应为不显著的正值,表明人力资本的作用仅仅局限在地级市范围以内,验证了人力资本的溢出效应随着距离的增大迅速衰减的结论^[22].

\begin{matrix} GOV \end{matrix}

的直接和间接效应均不显著,因为随着制造业的发展,市场在资源配置中的主导作用逐渐得到强化,政府干预的作用必然被弱化^[10]. ...

城镇化水平与制造业空间分布

2015

... [10]及制度要素^[11]等的作用. ...

\begin{matrix} I \end{matrix}

... 式中,

\begin{matrix} Y_{it} \end{matrix}

表示因变量,为i地市在t年的制造业份额值;

\begin{matrix} W_{ij} \end{matrix}

\begin{matrix} j \end{matrix}

地市在t年的制造业份额值;W_ijY_jt表示与i相邻的地市Y_jt对Y_it的交互影响;

\begin{matrix} ρ \end{matrix}

为空间滞后回归系数,表示相邻区域的制造业份额对本地区制造业份额的影响方向和程度.

\begin{matrix} β \end{matrix}

、θ是未知的参数向量,当θ为0时,SDM模型可以转化为空间滞后模型（SLM模型）.当

\begin{matrix} θ + ρβ \end{matrix}

为0时,SDM模型可以转化为空间误差模型（SEM）^[21,22].

\begin{matrix} ϕ_{t} \end{matrix}

表示时间固定效应;

\begin{matrix} ε_{it} \end{matrix}

表示空间自相关误差项;

\begin{matrix} μ_{i} \end{matrix}

表示个体固定效应;X_jt表示了

\begin{matrix} j \end{matrix}

地市在t年的各影响因素;W_ijY_jt表示与

\begin{matrix} i \end{matrix}

相邻的地市X_jt对

\begin{matrix} X_{it} \end{matrix}

... 2）间接效应.

\begin{matrix} OPEN \end{matrix}

、

\begin{matrix} PGDP \end{matrix}

、

\begin{matrix} SCALE \end{matrix}

和

\begin{matrix} TRANS \end{matrix}

是影响地区间制造业份额变化的重要因素.

\begin{matrix} OPEN \end{matrix}

的间接效应值显著且大于直接效应,意味着本地区的对外开放程度越高,越能产生区域辐射带动作用.

\begin{matrix} SCALE \end{matrix}

与

\begin{matrix} PGDP \end{matrix}

\begin{matrix} TRANS \end{matrix}

\begin{matrix} HC \end{matrix}

的间接效应为不显著的正值,表明人力资本的作用仅仅局限在地级市范围以内,验证了人力资本的溢出效应随着距离的增大迅速衰减的结论^[22].

\begin{matrix} GOV \end{matrix}

的直接和间接效应均不显著,因为随着制造业的发展,市场在资源配置中的主导作用逐渐得到强化,政府干预的作用必然被弱化^[10]. ...

中国制造业省区分布及其影响因素

2008

... 1）直接效应.表4显示,各要素的空间效应分解值与表3中SDM模型结果呈现相似规律,从直接效应结果来看,

\begin{matrix} PGDP 、 \end{matrix} \begin{matrix} SCALE 、 \end{matrix} \begin{matrix} TRANS 、 \end{matrix} \begin{matrix} WAGE \end{matrix}

和

\begin{matrix} HC \end{matrix}

是本地区制造业份额提升的重要驱动要素,说明山东省制造业倾向运输成本较低、集聚规模经济显著、市场潜力大的区域布局.

\begin{matrix} PGDP \end{matrix}

的直接效应值为1.137,是影响山东省制造业空间分布的首要因素.新经济地理学理论曾指出制造业企业总是趋向于在本地区内市场规模较大的区域内进行生产,以最大程度上满足自身的需求.鲁东地区是省内经济实力最发达的地区,因此也是制造业分布最集中、所占份额最大的地区;而地处鲁北的东营、滨州等地市由于拥有较好的市场规模,也成为制造业转入的重要承载地.

\begin{matrix} SCALE \end{matrix}

的直接效应值为0.594,是影响山东省制造业空间分布的第二要素,产业规模反映了地区的产业基础和配套能力,产业规模越大,越有利于发挥规模经济效应,降低企业的生产服务成本.鲁东地区聚集了山东省36.8%的规模以上制造业企业,38.97%的规模以上制造业产值,较大的产业规模有力地推动了本地制造业发展.

\begin{matrix} TRANS \end{matrix}

的直接效应值为0.102,便利的交通运输能够降低企业的运输成本,是影响山东省制造业空间分布的第三要素.

\begin{matrix} WAGE \end{matrix}

直接效应值为-0.096,是影响山东省制造业空间分布的第四要素,驱动制造业从劳动力成本相对较高的地区转到劳动力丰富、成本相对较低的地区,在一定程度上反映了山东省制造业发展尚未摆脱主要依赖于低劳动力成本的现实状况.

\begin{matrix} HC \end{matrix}

直接效应值为0.088,是影响山东省制造业空间分布的第五要素,可见制造业分布偏好劳动力素质较高的地区^[11],人力资本水平反映了劳动力的素质,是技术创新的主体,能够有效推动本地区制造业的创新发展和转型升级,但目前人力资本的效应值相对较小,反映了山东省制造业发展所需的人力资本作用不强.

\begin{matrix} OPEN \end{matrix}

的直接效应为不显著的正值,这主要跟山东省的制造业国际市场份额较小、外向度较低有直接关系. ...

中国制造业省区分布及其影响因素

2008

... 1）直接效应.表4显示,各要素的空间效应分解值与表3中SDM模型结果呈现相似规律,从直接效应结果来看,

\begin{matrix} PGDP 、 \end{matrix} \begin{matrix} SCALE 、 \end{matrix} \begin{matrix} TRANS 、 \end{matrix} \begin{matrix} WAGE \end{matrix}

和

\begin{matrix} HC \end{matrix}

是本地区制造业份额提升的重要驱动要素,说明山东省制造业倾向运输成本较低、集聚规模经济显著、市场潜力大的区域布局.

\begin{matrix} PGDP \end{matrix}

\begin{matrix} SCALE \end{matrix}

\begin{matrix} TRANS \end{matrix}

的直接效应值为0.102,便利的交通运输能够降低企业的运输成本,是影响山东省制造业空间分布的第三要素.

\begin{matrix} WAGE \end{matrix}

\begin{matrix} HC \end{matrix}

\begin{matrix} OPEN \end{matrix}

的直接效应为不显著的正值,这主要跟山东省的制造业国际市场份额较小、外向度较低有直接关系. ...

1998~2009 年珠江三角洲制造业空间转移特征及其机制

2013

... 但是,区域一体化趋势使得制造业在城市群内部或省内的转移更加容易^[12],探究特定地区的制造业时空变化特征也成为研究趋势^[13~15].此外,已有研究表明制造业分布存在典型的空间自相关性^[16~19],但常用的空间滞后或空间误差模型不能将解释变量的空间溢出效应纳入模型,难以充分反映制造业分布空间依赖的具体机制.Greene^[20]认为,忽略解释变量的空间依赖性会导致模型结果的错误估计.而空间杜宾模型,因其能考察所有变量的空间效应,在区域经济研究中的应用也越来越多^[21~23]. ...

1998~2009 年珠江三角洲制造业空间转移特征及其机制

2013

江苏省劳动密集型产业集群化转移的空间路径及机理研究

2016

江苏省劳动密集型产业集群化转移的空间路径及机理研究

2016

河南承接制造业转移的时空格局研究

2016

河南承接制造业转移的时空格局研究

2016

福建省综合交通可达性格局及其与制造业空间分布的关系分析

2012

... 2）间接效应.

\begin{matrix} OPEN \end{matrix}

、

\begin{matrix} PGDP \end{matrix}

、

\begin{matrix} SCALE \end{matrix}

和

\begin{matrix} TRANS \end{matrix}

是影响地区间制造业份额变化的重要因素.

\begin{matrix} OPEN \end{matrix}

的间接效应值显著且大于直接效应,意味着本地区的对外开放程度越高,越能产生区域辐射带动作用.

\begin{matrix} SCALE \end{matrix}

与

\begin{matrix} PGDP \end{matrix}

\begin{matrix} TRANS \end{matrix}

\begin{matrix} HC \end{matrix}

的间接效应为不显著的正值,表明人力资本的作用仅仅局限在地级市范围以内,验证了人力资本的溢出效应随着距离的增大迅速衰减的结论^[22].

\begin{matrix} GOV \end{matrix}

的直接和间接效应均不显著,因为随着制造业的发展,市场在资源配置中的主导作用逐渐得到强化,政府干预的作用必然被弱化^[10]. ...

福建省综合交通可达性格局及其与制造业空间分布的关系分析

2012

... 2）间接效应.

\begin{matrix} OPEN \end{matrix}

、

\begin{matrix} PGDP \end{matrix}

、

\begin{matrix} SCALE \end{matrix}

和

\begin{matrix} TRANS \end{matrix}

是影响地区间制造业份额变化的重要因素.

\begin{matrix} OPEN \end{matrix}

的间接效应值显著且大于直接效应,意味着本地区的对外开放程度越高,越能产生区域辐射带动作用.

\begin{matrix} SCALE \end{matrix}

与

\begin{matrix} PGDP \end{matrix}

\begin{matrix} TRANS \end{matrix}

\begin{matrix} HC \end{matrix}

的间接效应为不显著的正值,表明人力资本的作用仅仅局限在地级市范围以内,验证了人力资本的溢出效应随着距离的增大迅速衰减的结论^[22].

\begin{matrix} GOV \end{matrix}

的直接和间接效应均不显著,因为随着制造业的发展,市场在资源配置中的主导作用逐渐得到强化,政府干预的作用必然被弱化^[10]. ...

长三角制造业空间格局演化及影响因素

2014

长三角制造业空间格局演化及影响因素

2014

产业特性、区域特征与中国制造业省区集聚

2010

产业特性、区域特征与中国制造业省区集聚

2010

基础设施、空间溢出与制造业成本效应

2013

... 式中,

\begin{matrix} Y_{it} \end{matrix}

表示因变量,为i地市在t年的制造业份额值;

\begin{matrix} W_{ij} \end{matrix}

\begin{matrix} j \end{matrix}

地市在t年的制造业份额值;W_ijY_jt表示与i相邻的地市Y_jt对Y_it的交互影响;

\begin{matrix} ρ \end{matrix}

为空间滞后回归系数,表示相邻区域的制造业份额对本地区制造业份额的影响方向和程度.

\begin{matrix} β \end{matrix}

、θ是未知的参数向量,当θ为0时,SDM模型可以转化为空间滞后模型（SLM模型）.当

\begin{matrix} θ + ρβ \end{matrix}

为0时,SDM模型可以转化为空间误差模型（SEM）^[21,22].

\begin{matrix} ϕ_{t} \end{matrix}

表示时间固定效应;

\begin{matrix} ε_{it} \end{matrix}

表示空间自相关误差项;

\begin{matrix} μ_{i} \end{matrix}

表示个体固定效应;X_jt表示了

\begin{matrix} j \end{matrix}

地市在t年的各影响因素;W_ijY_jt表示与

\begin{matrix} i \end{matrix}

相邻的地市X_jt对

\begin{matrix} X_{it} \end{matrix}

... 2）间接效应.

\begin{matrix} OPEN \end{matrix}

、

\begin{matrix} PGDP \end{matrix}

、

\begin{matrix} SCALE \end{matrix}

和

\begin{matrix} TRANS \end{matrix}

是影响地区间制造业份额变化的重要因素.

\begin{matrix} OPEN \end{matrix}

的间接效应值显著且大于直接效应,意味着本地区的对外开放程度越高,越能产生区域辐射带动作用.

\begin{matrix} SCALE \end{matrix}

与

\begin{matrix} PGDP \end{matrix}

\begin{matrix} TRANS \end{matrix}

\begin{matrix} HC \end{matrix}

的间接效应为不显著的正值,表明人力资本的作用仅仅局限在地级市范围以内,验证了人力资本的溢出效应随着距离的增大迅速衰减的结论^[22].

\begin{matrix} GOV \end{matrix}

的直接和间接效应均不显著,因为随着制造业的发展,市场在资源配置中的主导作用逐渐得到强化,政府干预的作用必然被弱化^[10]. ...

基础设施、空间溢出与制造业成本效应

2013

... 式中,

\begin{matrix} Y_{it} \end{matrix}

表示因变量,为i地市在t年的制造业份额值;

\begin{matrix} W_{ij} \end{matrix}

\begin{matrix} j \end{matrix}

地市在t年的制造业份额值;W_ijY_jt表示与i相邻的地市Y_jt对Y_it的交互影响;

\begin{matrix} ρ \end{matrix}

为空间滞后回归系数,表示相邻区域的制造业份额对本地区制造业份额的影响方向和程度.

\begin{matrix} β \end{matrix}

、θ是未知的参数向量,当θ为0时,SDM模型可以转化为空间滞后模型（SLM模型）.当

\begin{matrix} θ + ρβ \end{matrix}

为0时,SDM模型可以转化为空间误差模型（SEM）^[21,22].

\begin{matrix} ϕ_{t} \end{matrix}

表示时间固定效应;

\begin{matrix} ε_{it} \end{matrix}

表示空间自相关误差项;

\begin{matrix} μ_{i} \end{matrix}

表示个体固定效应;X_jt表示了

\begin{matrix} j \end{matrix}

地市在t年的各影响因素;W_ijY_jt表示与

\begin{matrix} i \end{matrix}

相邻的地市X_jt对

\begin{matrix} X_{it} \end{matrix}

... 2）间接效应.

\begin{matrix} OPEN \end{matrix}

、

\begin{matrix} PGDP \end{matrix}

、

\begin{matrix} SCALE \end{matrix}

和

\begin{matrix} TRANS \end{matrix}

是影响地区间制造业份额变化的重要因素.

\begin{matrix} OPEN \end{matrix}

的间接效应值显著且大于直接效应,意味着本地区的对外开放程度越高,越能产生区域辐射带动作用.

\begin{matrix} SCALE \end{matrix}

与

\begin{matrix} PGDP \end{matrix}

\begin{matrix} TRANS \end{matrix}

\begin{matrix} HC \end{matrix}

的间接效应为不显著的正值,表明人力资本的作用仅仅局限在地级市范围以内,验证了人力资本的溢出效应随着距离的增大迅速衰减的结论^[22].

\begin{matrix} GOV \end{matrix}

的直接和间接效应均不显著,因为随着制造业的发展,市场在资源配置中的主导作用逐渐得到强化,政府干预的作用必然被弱化^[10]. ...

基于局部空间统计的产业集群空间分析——以北京市制造业集群为例

2012

基于局部空间统计的产业集群空间分析——以北京市制造业集群为例

2012

Reconsidering Heterogeneity in Panel Data Estimators of the Stochastic Frontier Model

2005

中国区域创新的时空动态分析

2014

... 式中,

\begin{matrix} Y_{it} \end{matrix}

表示因变量,为i地市在t年的制造业份额值;

\begin{matrix} W_{ij} \end{matrix}

\begin{matrix} j \end{matrix}

地市在t年的制造业份额值;W_ijY_jt表示与i相邻的地市Y_jt对Y_it的交互影响;

\begin{matrix} ρ \end{matrix}

为空间滞后回归系数,表示相邻区域的制造业份额对本地区制造业份额的影响方向和程度.

\begin{matrix} β \end{matrix}

、θ是未知的参数向量,当θ为0时,SDM模型可以转化为空间滞后模型（SLM模型）.当

\begin{matrix} θ + ρβ \end{matrix}

为0时,SDM模型可以转化为空间误差模型（SEM）^[21,22].

\begin{matrix} ϕ_{t} \end{matrix}

表示时间固定效应;

\begin{matrix} ε_{it} \end{matrix}

表示空间自相关误差项;

\begin{matrix} μ_{i} \end{matrix}

表示个体固定效应;X_jt表示了

\begin{matrix} j \end{matrix}

地市在t年的各影响因素;W_ijY_jt表示与

\begin{matrix} i \end{matrix}

相邻的地市X_jt对

\begin{matrix} X_{it} \end{matrix}

中国区域创新的时空动态分析

2014

... 式中,

\begin{matrix} Y_{it} \end{matrix}

表示因变量,为i地市在t年的制造业份额值;

\begin{matrix} W_{ij} \end{matrix}

\begin{matrix} j \end{matrix}

地市在t年的制造业份额值;W_ijY_jt表示与i相邻的地市Y_jt对Y_it的交互影响;

\begin{matrix} ρ \end{matrix}

为空间滞后回归系数,表示相邻区域的制造业份额对本地区制造业份额的影响方向和程度.

\begin{matrix} β \end{matrix}

、θ是未知的参数向量,当θ为0时,SDM模型可以转化为空间滞后模型（SLM模型）.当

\begin{matrix} θ + ρβ \end{matrix}

为0时,SDM模型可以转化为空间误差模型（SEM）^[21,22].

\begin{matrix} ϕ_{t} \end{matrix}

表示时间固定效应;

\begin{matrix} ε_{it} \end{matrix}

表示空间自相关误差项;

\begin{matrix} μ_{i} \end{matrix}

表示个体固定效应;X_jt表示了

\begin{matrix} j \end{matrix}

地市在t年的各影响因素;W_ijY_jt表示与

\begin{matrix} i \end{matrix}

相邻的地市X_jt对

\begin{matrix} X_{it} \end{matrix}

基础设施、空间溢出与区域全要素生产率

2012

... 式中,

\begin{matrix} Y_{it} \end{matrix}

表示因变量,为i地市在t年的制造业份额值;

\begin{matrix} W_{ij} \end{matrix}

\begin{matrix} j \end{matrix}

地市在t年的制造业份额值;W_ijY_jt表示与i相邻的地市Y_jt对Y_it的交互影响;

\begin{matrix} ρ \end{matrix}

为空间滞后回归系数,表示相邻区域的制造业份额对本地区制造业份额的影响方向和程度.

\begin{matrix} β \end{matrix}

、θ是未知的参数向量,当θ为0时,SDM模型可以转化为空间滞后模型（SLM模型）.当

\begin{matrix} θ + ρβ \end{matrix}

为0时,SDM模型可以转化为空间误差模型（SEM）^[21,22].

\begin{matrix} ϕ_{t} \end{matrix}

表示时间固定效应;

\begin{matrix} ε_{it} \end{matrix}

表示空间自相关误差项;

\begin{matrix} μ_{i} \end{matrix}

表示个体固定效应;X_jt表示了

\begin{matrix} j \end{matrix}

地市在t年的各影响因素;W_ijY_jt表示与

\begin{matrix} i \end{matrix}

相邻的地市X_jt对

\begin{matrix} X_{it} \end{matrix}

... 模型估计时,如果被解释变量的空间滞后项回归系数不为零,回归系数结果不能直接反映其空间效应或直接影响,需要对模型求偏微分来检验各变量对制造业份额影响的直接效应和间接效应^[22,24,29],其中直接效应衡量了各解释变量对制造业影响的区内溢出,间接效应衡量了各解释变量对制造业影响的区间溢出. ...

... 2）间接效应.

\begin{matrix} OPEN \end{matrix}

、

\begin{matrix} PGDP \end{matrix}

、

\begin{matrix} SCALE \end{matrix}

和

\begin{matrix} TRANS \end{matrix}

是影响地区间制造业份额变化的重要因素.

\begin{matrix} OPEN \end{matrix}

的间接效应值显著且大于直接效应,意味着本地区的对外开放程度越高,越能产生区域辐射带动作用.

\begin{matrix} SCALE \end{matrix}

与

\begin{matrix} PGDP \end{matrix}

\begin{matrix} TRANS \end{matrix}

\begin{matrix} HC \end{matrix}

的间接效应为不显著的正值,表明人力资本的作用仅仅局限在地级市范围以内,验证了人力资本的溢出效应随着距离的增大迅速衰减的结论^[22].

\begin{matrix} GOV \end{matrix}

的直接和间接效应均不显著,因为随着制造业的发展,市场在资源配置中的主导作用逐渐得到强化,政府干预的作用必然被弱化^[10]. ...

基础设施、空间溢出与区域全要素生产率

2012

... 式中,

\begin{matrix} Y_{it} \end{matrix}

表示因变量,为i地市在t年的制造业份额值;

\begin{matrix} W_{ij} \end{matrix}

\begin{matrix} j \end{matrix}

地市在t年的制造业份额值;W_ijY_jt表示与i相邻的地市Y_jt对Y_it的交互影响;

\begin{matrix} ρ \end{matrix}

为空间滞后回归系数,表示相邻区域的制造业份额对本地区制造业份额的影响方向和程度.

\begin{matrix} β \end{matrix}

、θ是未知的参数向量,当θ为0时,SDM模型可以转化为空间滞后模型（SLM模型）.当

\begin{matrix} θ + ρβ \end{matrix}

为0时,SDM模型可以转化为空间误差模型（SEM）^[21,22].

\begin{matrix} ϕ_{t} \end{matrix}

表示时间固定效应;

\begin{matrix} ε_{it} \end{matrix}

表示空间自相关误差项;

\begin{matrix} μ_{i} \end{matrix}

表示个体固定效应;X_jt表示了

\begin{matrix} j \end{matrix}

地市在t年的各影响因素;W_ijY_jt表示与

\begin{matrix} i \end{matrix}

相邻的地市X_jt对

\begin{matrix} X_{it} \end{matrix}

... 2）间接效应.

\begin{matrix} OPEN \end{matrix}

、

\begin{matrix} PGDP \end{matrix}

、

\begin{matrix} SCALE \end{matrix}

和

\begin{matrix} TRANS \end{matrix}

是影响地区间制造业份额变化的重要因素.

\begin{matrix} OPEN \end{matrix}

的间接效应值显著且大于直接效应,意味着本地区的对外开放程度越高,越能产生区域辐射带动作用.

\begin{matrix} SCALE \end{matrix}

与

\begin{matrix} PGDP \end{matrix}

\begin{matrix} TRANS \end{matrix}

\begin{matrix} HC \end{matrix}

的间接效应为不显著的正值,表明人力资本的作用仅仅局限在地级市范围以内,验证了人力资本的溢出效应随着距离的增大迅速衰减的结论^[22].

\begin{matrix} GOV \end{matrix}

的直接和间接效应均不显著,因为随着制造业的发展,市场在资源配置中的主导作用逐渐得到强化,政府干预的作用必然被弱化^[10]. ...

城市化进程、空间溢出效应与城乡收入差距——基于2002~2012省级面板数据

2015

城市化进程、空间溢出效应与城乡收入差距——基于2002~2012省级面板数据

2015

江苏省污染密集型产业空间转移及影响因素

2013

\begin{matrix} I \end{matrix}

江苏省污染密集型产业空间转移及影响因素

2013

\begin{matrix} I \end{matrix}

Spatial Econometrics in RSUE: Retrospect and Prospect

2007

\begin{matrix} I \end{matrix}

中国区域工业全要素生产率的空间计量经济分析

2006

\begin{matrix} I \end{matrix}

中国区域工业全要素生产率的空间计量经济分析

2006

\begin{matrix} I \end{matrix}

2009

\begin{matrix} I \end{matrix}

... 利用OpenGeoDa设定邻接权重矩阵测度山东制造业及各行业的空间自相关性,发现山东省制造业总体、劳动密集型行业及技术密集型行业的Moran’s

\begin{matrix} I \end{matrix}

指数结果均大于零,且通过显著性检验,表明山东省制造业分布具有正向空间自相关关系,存在空间聚集现象^[27]（表2）.制造业总体的Moran’s

\begin{matrix} I \end{matrix}

指数在2006年达到最大值,而后变小,反映了制造业分布聚集程度的下降.不同行业中,劳动密集型行业Moran’s

\begin{matrix} I \end{matrix}

指数在2003年高于其它行业,但随后开始下降;资本密集型行业空间自相关特性仅在2003年显著,其它年份表现为随机的空间分布;技术密集型行业Moran’s

\begin{matrix} I \end{matrix}

指数自2006年开始高于其它行业,聚集程度更高,但自2009年以来呈现下降趋势,这与山东省各地区大力发展高新技术产业、促进产业转型升级的政策有关. ...

The Spatial Dispersion of Economic Activities and Development Trends in China: 1952-1985

2001

... 式中,

\begin{matrix} Y_{it} \end{matrix}

表示因变量,为i地市在t年的制造业份额值;

\begin{matrix} W_{ij} \end{matrix}

\begin{matrix} j \end{matrix}

地市在t年的制造业份额值;W_ijY_jt表示与i相邻的地市Y_jt对Y_it的交互影响;

\begin{matrix} ρ \end{matrix}

为空间滞后回归系数,表示相邻区域的制造业份额对本地区制造业份额的影响方向和程度.

\begin{matrix} β \end{matrix}

、θ是未知的参数向量,当θ为0时,SDM模型可以转化为空间滞后模型（SLM模型）.当

\begin{matrix} θ + ρβ \end{matrix}

为0时,SDM模型可以转化为空间误差模型（SEM）^[21,22].

\begin{matrix} ϕ_{t} \end{matrix}

表示时间固定效应;

\begin{matrix} ε_{it} \end{matrix}

表示空间自相关误差项;

\begin{matrix} μ_{i} \end{matrix}

表示个体固定效应;X_jt表示了

\begin{matrix} j \end{matrix}

地市在t年的各影响因素;W_ijY_jt表示与

\begin{matrix} i \end{matrix}

相邻的地市X_jt对

\begin{matrix} X_{it} \end{matrix}

Spatial Econometric Modeling of Origin-destination Flows

2008

2015

... 由于国民经济行业分类在2002、2004和2011年进行了修正,为了保持数据的时新性,又不失数据的概括性,考虑到数据统计的可比性,本文以2002年分类为标准,以17个地级市的制造业总体及27个两位数制造业部门为研究对象,并参考文献[10]的研究,将制造业按照要素密集程度划分为劳动密集型、资本密集型和技术密集型3个行业类型.本文所需要数据主要来源于2004~2015年《山东省统计年鉴》^[30]、《山东工业统计年鉴》^[31]与山东省17个地级市统计年鉴,其中GDP数据均以1995年为基年进行价格指数平减. ...

2015

〈

〉

基于空间杜宾模型的山东省制造业时空分异研究

Spatial Pattern Change of Manufacturing Industry in Shandong Province Based on Spatial Durbin Model

1 研究方法与数据来源

2 山东省制造业时空分异的基本特征

2.1 空间分布格局

2.2 空间分布变化

3 山东省制造业空间分布的影响因素分析

3.1 空间自相关检验

3.2 实证结果分析

3.3 制造业行业的影响因素分析

4 结论与讨论

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

参考文献

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