EN中文

地理科学  2018 , 38 (11): 1828-1836 https://doi.org/10.13249/j.cnki.sgs.2018.11.010

Orginal Article

长三角地区研发企业集聚与知识溢出强度——连续空间中的微观分析

王庆喜, 胡志学

浙江工业大学经贸管理学院, 浙江 杭州 310023

A Micro-level Analysis on R&D Firm Agglomeration and Magnitude of Knowledge Spillovers in Continuous Space

Wang Qingxi, Hu Zhixue

School of Economics & Management, Zhejiang University of Technology, Hangzhou 310023, Zhejiang, China

中图分类号:  F429.9

文献标识码:  A

文章编号:  1000-0690（2018）11-1828-09

收稿日期: 2017-11-1

修回日期:  2017-12-19

网络出版日期:  2018-11-20

版权声明:  2018 《地理科学》编辑部 本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.

基金资助:  国家社会科学基金一般项目（17BJL074）、教育部人文社会科学研究一般项目（15YJA790058）、浙江省哲学社会科学规划课题（18NDJC215YB）资助

作者简介:

作者简介：王庆喜（1976-）,男,湖南邵阳人,副教授,博士,主要研究方向为知识溢出与区域经济发展。E-mail: wqx1976@zjut.edu.cn

展开

摘要

利用2005年中国规模以上制造业企业数据,以长三角地区为范围,对企业地址进行地理编码,建立企业点对点的空间邻近关系,将距离从5 km逐次扩大到100 km,进行企业知识溢出的空间效应分析。研究发现,长三角地区的研发企业比较集中,大约在20 km范围内有明显的集聚状况,之后则有比较明显的分散,并与整体制造业活动空间分布趋向一致。知识溢出的空间强度随距离递增呈负指数幂函数形式加速衰减,于40 km处左右减势趋于平缓。与连续空间上的微观数据分析相比,区域层面上的归并数据分析放大了知识溢出的效应。

关键词： 研发企业集聚 ; DO指数 ; 知识溢出 ; 微观数据分析

Abstract

Former studies on knowledge spillovers often deal with aggregate data at regional level. However, the observed knowledge spillover comes from spatial interaction among micro entities, and needs to be examined microcosmically in nature. This article, employing micro data of Chinese manufacturing firms above designated size in 2005, analyzes spatial effects of firm knowledge spillovers in the Yangtze River Delta. Firstly, this article identifies geographical coordinates of all firms from Baidu API by R language program, and then calculates the point-to-point geosphere distances among firms. Secondly, with a step of 1 km in a range of 0-100 km, this article explores spatial point pattern of firms with DO index. This article discovers that R&D firms are significantly clustered within a scope of about 20 km, then disperse as distance increases, and tend to accord with the spatial distribution of all the manufacturing firms in the end. This article compares the results with those drawn from EG index calculated at various regional levels under Monte Carlo simulation, and finds that R&D firms are significantly agglomerated at village, town or county levels. However, at city level, firm agglomeration is not significantly observed. The significance level becomes lower as regional level gets higher. Thirdly, this paper constructs spatial contiguity relationships based on threshold distance. To observe how spatial effects of knowledge spillovers vary as distance increases, this paper set multiple threshold distances step by step from 5 km to 100 km, with a step of 5 km. With the package of spdep in R language, this article analyzes the spatial effects of knowledge spillovers at individual level in continuous space based on knowledge production function. This paper finds that, within range of 0-100 km, the spatial effects of firm knowledge spillovers decrease more and more rapidly, and can be described with a fitted function of negative exponential power. Beyond 40 km, the effect of knowledge spillovers moves down a stable low level. This shows that the spatial extent of firm knowledge spillover may be within a distance of about 40 km. Compared with micro data analysis in continuous space, aggregate data analyses based on regional analysis exaggerate the effects of knowledge spillovers. With the analysis of micro data, this article can avoid the modifiable area unit problem effectively, which is a big trouble appearing in the studies based on aggregate data. Under the limitation of the capability of computers, this paper only analyzes the firm data of the Yangtze River Delta in 2005. Subsequent researches can expand the spatial extent and prolong time duration to obtain more general results.

Keywords： R&D firm agglomeration; ; DO index ; knowledge spillovers ; micro data analysis

0

PDF (779KB) 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

王庆喜, 胡志学. 长三角地区研发企业集聚与知识溢出强度——连续空间中的微观分析[J]. 地理科学, 2018, 38(11): 1828-1836 https://doi.org/10.13249/j.cnki.sgs.2018.11.010

Wang Qingxi, Hu Zhixue. A Micro-level Analysis on R&D Firm Agglomeration and Magnitude of Knowledge Spillovers in Continuous Space[J]. Scientia Geographica Sinica, 2018, 38(11): 1828-1836 https://doi.org/10.13249/j.cnki.sgs.2018.11.010

知识溢出是内生经济增长和产业集聚的基础[1,2],证明知识溢出的存在性并考察知识溢出的空间范围和强度引起了众多学者的兴趣。这方面研究有2个层面和3种经验方法：研究层面上包括更为宏观的城市或区域层面和更为微观的个体层面[3],经验方法上包括基于专利引用的方法、基于知识生产函数的方法和基于空间计量经济的方法[4]。其中,最为常见的是采用区域归并数据、基于知识生产函数、运用空间计量经济方法来考察知识溢出强度和空间局域性的研究[5,6]。然而,知识扩散实际上是微观主体互动行为所致,微观层面的分析将能得到更为准确的结果[7]。因此,从区域归并数据（aggregate data）切入到个体微观数据（micro data）,将能更好地识别集聚外部性、知识溢出对于经济增长的影响机制和效应[8]。数据库和GIS技术的发展使得微观地址数据的可获得性大为增加,基于企业位置、从微观层面来研究企业的集聚行为以及知识溢出的空间效应已成为当前研究的趋势。本文尝试借用前人研究中基于知识生产函数的空间计量分析技术,从企业微观层面来考察研发企业集聚和知识溢出的空间特征,希望能够对知识空间溢出的表现做更细微、更深入的考察。具体来说,本文基于2005年中国工业企业数据库,以长三角地区为空间范围（包括上海、江苏和浙江两省一市）,建立企业点对点的空间邻近关系,在连续空间上将企业间阈值距离从5 km逐次扩大到100 km,考察了企业集聚的空间分布型态和知识溢出的空间影响范围。同时,将企业个体数据在县级和地市级层面上汇总,进行定义于离散空间上的区域层面的归并分析（aggregate analysis）,以与连续空间中企业微观层面的分析结果进行比较。研究发现,区域层面研究受限于可变面元（MAUP）问题,结论众说不一,且对知识空间溢出的强度有明显的夸大。

1 研发企业集聚和知识溢出测度

1.1 研发企业集聚测度

产业集聚源于企业间的共享、匹配和学习[9],即企业在集聚经济的驱使下选择了共同区位。关于产业集聚测度和知识溢出的空间强度,前人研究多在区域层面上展开[10,11],其最大的缺陷是存在可变面元问题（modifiable area unit problem, MAUP）。即其数据是由区域单元内的微观主体归总得来,区域观测数据和区域间的空间关系随分割整体空间的细分层次和区划方式而变化,使得研究结果缺乏一致性。

研发企业集聚测度与产业地理集中程度的测度在原理和方法上并无实质区别。对于产业集聚,传统的测度方式有区位基尼系数[12]、熵指数[13]和EG指数[14]等。无论它们如何改进,其原理都是评估区域单元的目标产业活动和其总体经济活动在各区域间空间分布的不一致性,测度结果无法摆脱MAUP的影响。如路江涌、陶志刚利用EG指数、采用中国工业规模以上企业数据测算了中国1998~2003年制造业行业的集聚趋势,发现集聚系数最小和最大的行业在县、市、省3个层面均存在不同程度的差异,2003年两位数制造业在省级层面上最为集中的是烟草加工业[15]。贺灿飞、谢秀珍利用基尼系数、采用产业分省区数据测算了1980~2003年中国各省区两位数制造业数据,发现2003年最为集中的是文教体育用品制造业。数据来源、测量指标和区域尺度的不同,造成二者研究结果的差异[16]。

如何解决测度产业集聚时可能存在的MAUP问题?一种权宜之计是像路江涌、陶志刚那样,利用不同区域级别计算多组行业集聚指标,以观察基于不同区域级别结果的稳健性[15]。尽管他们采用了企业微观数据,但他们在计算 γ系数时将企业个体数据在区域层面上进行归总。另一种更为彻底的方法是从微观个体层面、将研究对象置于连续空间中进行考察[17,18]。比较常用的是DO指数法,基于企业精确位置信息,构造企业两两之间的距离密度函数在连续空间中来判断行业集聚性,从而能有效地消除MAUP影响[17]。然而,使用这种方法的主要困难是企业精确位置的信息往往很难获得[15]。随着数据库和GIS技术的发展,获取地理编码的企业微观数据在技术上可以实现,使这类研究成为可能[19,20]。

1.2 研发企业知识溢出测度

关于知识溢出,前人研究多在区域层面上进行[5,7,21~26]。除检验区域知识溢出存在性外,一些学者还考察了中国区域知识溢出的空间距离[27,28]。这些研究都是在区域层面基于归并数据进行的,很少有研究在连续空间利用企业微观数据展开。在区域层面上所观察到的知识溢出效应,实际上是区域间（内）微观主体的互动行为在区域研发活动指标上的汇总呈现,有可能掩盖甚至误导不同微观主体的知识溢出联系,从而得出不确切的推断。基于此种担忧,有必要深入到微观主体层面的知识溢出研究,以便更准确地剖析知识溢出的范围和强度。目前,基于企业微观数据来研究它们知识溢出的文献还不多见。类似的研究有,Baltagi Egger等利用2004~2007年中国电子制造行业企业数据,研究了企业生产率溢出的来源[29]。Baltagi Egger等利用2004~2006年中国化工行业企业数据,研究了它们行业内的全要素生产率溢出情况[30]。不过,他们是基于企业地址的邮政编码来识别企业的位置关系,相比企业原始地址来说存在一定的不精确性。

2 样本企业选择说明及其经纬度解析

本文利用2005年由国家统计局编制的“中国工业企业数据库”中规模以上制造业企业数据进行企业知识溢出随距离递增的空间影响强度分析。考虑到中国幅员辽阔,且各省份的自然地理和经济地理特征差异很大,因此为控制区域异质性,本文以长三角地区为研究范围。这样做的主要考虑为：一是江苏、浙江和上海三者之间的经济、产业和技术发展水平相差不甚悬殊,不同所有制企业网络向多中心扁平化方向发展[31],空间联系表现非常密集[32],知识溢出活动相对频繁而顺畅,不容易出现明显的溢出空间断层现象,有利于考察知识溢出活动在连续空间上的扩散范围;二是没有太多的巨型山川,同时桥梁、隧道等交通基础设施发达,使得在用测地距离替代企业间的交通距离时,偏差不至于太大;三是全国范围内每年的制造业企业达数十万家,计算企业两两之间的距离工作量浩大,超过了一般计算机的性能界限。在研究年份上,本文选择2005年,其考虑为：现有公布的中国工业数据库仅公布了2005~2007年少数几个研发投入和产出指标数据,且2005年处于2003年中国加入WTO与2008年全球爆发金融危机之间,同时也是时届政府施政期的中间年份,经济运行较平稳,相对来说,这一年的经济和政策宏观因素冲击对研究结论的干扰较小。

“中国工业企业数据库”2005年长三角地区（行政区代码前两位为31、32、33）企业共有87 308家,根据其地址信息可获取经纬度坐标的企业有86 300家。考虑到工业企业中的“采矿业”和“电力、燃气及水的生产和供应业”研发活动特点不甚突出,从样本中去除,因此样本企业实际上为制造业企业。进一步根据实际情况对样本进行筛选,筛选条件如下：

固定资产净值、中间投入、工业总产值、工业增加值、销售产值、营业收入、主营收入和实收资本均大于0;研究开发费、新产品产值、出口交货值、国家资本、集体资本、个人资本、外商资本和港澳台资本均大于或等于0;平均从业人员大于或等于8。

去掉与实际情况不符的样本后,还余样本企业83 122家,整体样本去除率不到5%,对分析结果影响甚微。样本企业中,将研究开发费大于0的认定为有研发活动的企业,即研发企业,有8 385家,占比为10%左右;研究开发费等于0的认定为无研发活动的企业,即无研发企业,有74 737家,占比为90%左右。利用R语言编程,本文根据中国工业企业数据库给出的企业地址信息,批量从百度地图API解析出其经纬度。相比前人研究根据企业邮政编码来解析经纬度[33],本文精度更高。

3 长三角地区研发企业空间集聚分析

如何基于微观企业位置,在连续空间上探测企业间是否存在集聚?换句话说,相对全部企业的区位分布而言,研发企业的区位分布是否更为集中?本文采用Duranton和Overman的方法来检验长三角地区研发企业在2005年的集聚性[17],以避免前人研究中常见的基于区域离散空间来测度经济活动空间集中时可能产生的可变面元问题。

理想情况下,所有的空间数据分析工作都应在连续空间中进行,以避免人为设定空间单元所带来的弊端[34]。Duranton和Overman提出的DO指数是目前用得最多的基于距离的衡量经济活动空间集中度的方法,具有相当好的性质[17]。但是DO指数法对数据的要求很高,需要对企业精确定位;而且当企业数偏多时,计算相当复杂,模拟检验有大量的计算要求,这限制了它的应用[19]。

DO指数法的核心是 Kd函数。 Kd函数是在给定距离下发现某关注点的邻居的概率密度函数。它首先计算所关注的点与点之间的距离,然后计算在每一距离上的点对数目并将之平均,将结果平滑以得到连续密度函数,并标准化以使结果加总为1。 Kd函数如果以企业为点,并用企业雇员数给点赋权,则为 KAemp函数。Duranton 等给出了 Kd函数和 KAemp函数的具体计算原理和公式[17]。

Kd值（或加权后的 KAemp值）随后与企业在实际可选区位中（更大范围的企业集合）随机选址的零假设下的置信区间比较,置信区间一般通过蒙特卡罗方法生成（一般模拟随机选址1 000次）。如果基于企业实际区位的 Kd值在随机生成的区间以上,则判定为有显著集聚;如果在区间以下,则判定为有显著分散。分别用企业“研究开发费”和“新产品产值”作权重变量,考虑到长三角地区的面积范围,设定观察距离为0~100 km,以1 km为步长,得到如图1、2所示的 Kd函数值分布。

显示原图| 下载原图ZIP| 生成PPT

图1   长三角地区企业研发投入距离密度值

Fig.1   Distance density of firm R&D inputs in the Yangtze River Delta Region

显示原图| 下载原图ZIP| 生成PPT

图2   长三角地区企业研发产出距离密度

Fig.2   Distance density of firm R&D outputs in the Yangtze River Delta Region

可以发现,长三角地区的研发企业比较集中,大约在20 km范围内有明显的集聚状况,之后则有比较明显的分散,并与整体制造业活动空间分布趋向一致。

为与基于区域离散空间计算出的传统产业集聚指数进行比较,本文从不同区域级别计算了长三角地区研发企业集聚的EG指数[14]。从区域层面,按照国家统计局对行政区代码的规定,分村、乡、县、市4个区域层级（区划代码分别取12、9、6和4位进行汇总）分别计算长三角地区研发企业集聚的EG指数,总体经济活动规模指标用“工业总产值”衡量,创新活动规模指标用“新产值产出”衡量,同时利用蒙特卡罗法模拟了999次各层级的EG指数分布,以此来识别EG指数的显著性,结果如图3所示。可以发现,在村、乡、县级别,创新活动在0.01水平上显著,而在市级不显著,区域层级越高,显著性程度越低。这在一定程度上,与基于微观层面的企业数据反映出来的集中状况一致,因为20 km半径范围内大约相当于一个县的辖域。

显示原图| 下载原图ZIP| 生成PPT

图3   长三角地区分区域层级的EG指数模拟分布

Fig.3   Simulated distribution of EG index at varied regional levels in the Yangtze River Delta Region

长三角地区研发企业知识溢出分析较之于前人的离散空间分析,本文在连续空间上展开区域知识溢出研究。本文借鉴前人研究中基于空间计量经济技术、采用双对数形式的知识生产函数模型来考察知识溢出效应的做法,首先检验模型因变量（即对数化的“新产品产值”）的空间自相关性。在连续空间上取0~100 km范围,空间权重矩阵元素设定为阈值相邻,步长为5 km,依次计算在每一距离阈值下的Moran’s I指数（表1）。

表1   长三角地区研发企业创新产出空间自相关系数

Table 1   Spatial autocorrelation of innovative output of R&D firms in the Yangtze River Delta Region

距离（km）Moran’s I方差P 距离（km）Moran’s I方差P
50.12008.26E-06<2.2e-16550.03782.76E-07<2.2e-16
100.09733.00E-06<2.2e-16600.03722.46E-07<2.2e-16
150.07871.63E-06<2.2e-16650.03742.21E-07<2.2e-16
200.06731.06E-06<2.2e-16700.03811.98E-07<2.2e-16
250.05987.64E-07<2.2e-16750.03921.78E-07<2.2e-16
300.05225.98E-07<2.2e-16800.03941.60E-07<2.2e-16
350.04784.90E-07<2.2e-16850.03901.44E-07<2.2e-16
400.04354.14E-07<2.2e-16900.03841.30E-07<2.2e-16
450.04153.57E-07<2.2e-16950.03711.17E-07<2.2e-16
500.03973.12E-07<2.2e-161000.03621.06E-07<2.2e-16

新窗口打开

可以发现,在0~100 km范围内,对数化的企业“新产品产值”这一指标存在着显著的空间正自相关性,说明需要利用能控制空间自相关性的空间计量经济模型来考察变量间的影响关系,并通过空间效应系数来检验知识溢出的存在性及其强度。进一步观察,在0~65 km范围内,其空间自相关性随距离递增逐渐递减,而后趋于平缓,略有起伏。

空间知识生产函数（spatial knowledge production function）是研究区域知识溢出常用的空间计量经济工具[35]。Anselin Varga等首次应用空间计量经济分析技术观察到一地的研发产出不仅受其本地研发投入影响,同时还受其邻近地区的研发活动影响,从而开启了探测区域间知识溢出的研究[5]。与前人研究不同,本文基于企业微观数据,在连续空间上来观察知识溢出效应。根据知识生产函数原理,借鉴Moreno Paci等的做法[36],将研发产出视为研发投入的函数,控制企业类型、企业区位和所属产业等个体异质特征,用因变量的空间自回归系数来表征知识溢出水平,得到以下具体设定模型：

lnPr=α0+ρWlnPr+α1lnKr+α2lnLr+γ⋅duration+∑i=14βiOi+∑j=12ωjRj+∑k=129ϕkIk

式中, Pr为企业研发产出,取“新产品产值”的自然对数; Kr为研发资本投入,这里基于数据库给出的指标实际情况,用“研究开发费”来测量,取其自然对数值; Lr为研发人员投入,数据库没有给出企业研发人员的指标,因此用“职工教育费”来代理测量,取其自然对数值; W为 n×n的空间权重矩阵,其元素 wi,j设置规则为：以给定企业 i为中心,其他企业 j在其给定半径距离阈值 r内,则 wi,j设置为1,否则为0,对角线元素全部为0,即设定自己与自己不相邻; ρWlnPr为模型因变量 lnPr的空间滞后项,其中 ρ为空间自回归系数,捕捉了企业知识溢出的空间效应;模型自变量的后4项均为控制变量,其中变量 duration控制企业年限;变量 Oi（i取1~ 4）为4个取值为0或1的虚拟变量,控制企业所有制类型,分国有与集体企业（基准变量,取值全为0）、私营企业（取值为1,其他为0）、非港澳台外资企业（取值为1,其他为0）、港澳台资企业（取值为1,其他为0）、其他所有制类型企业（取值为1,其他为0）共5种类型;变量 Rj（j取1~2）控制企业区域,分上海、江苏、浙江3个省份,以“上海”为基准变量（ Rj全部取0值）;变量 Ik（k取1~29）控制企业行业,共30个制造业行业,以“农副食品加工业”（两位数行业代码为13）为基准变量（ Ik全部取0值）; α0为常数项; α1、α2、γ、βi、ωj、ϕk均为回归系数。

基于2005年长三角地区规模以上有R&D活动的制造业企业数据,用R语言spdep扩展包进行空间滞后模型估计,将距离阈值以5 km为步长、逐一从5~100 km,得到如表2所示的系数估计结果。为节省篇幅起见,表2略去了控制变量的回归系数。为与前人研究做比较,本文还根据前人在定义于离散空间区域上的研究,将企业微观数据归集到县级和市级层面,考察了区域间知识溢出的空间效应系数。

表2   长三角地区知识溢出的空间效应值

Table 2   Spatial effects of knowledge spillovers in the Yangtze River Delta Region

ρ研究开发职工教育ρ研究开发职工教育
县域0.46107***1.56684***0.23489市域0.172140.84819***0.22735
距离（km）距离（km）
50.00323***0.66089***0.28723***550.000050.67496***0.28640***
100.00136***0.66284***0.28726***600.000060.67447***0.28684***
150.00066***0.66657***0.28730***650.00008*0.67385***0.28739***
200.00041***0.66939***0.28709***700.00009**0.67313***0.28800***
250.00033***0.67002***0.28716***750.00011***0.67202***0.28872***
300.00023**0.67185***0.28704***800.00012***0.67078***0.28916***
350.00018**0.67281***0.28691***850.00012***0.66955***0.28961***
400.000120.67404***0.28667***900.00012***0.66852***0.29004***
450.000090.67452***0.28650***950.00011***0.66824***0.29031***
500.000070.67478***0.28642***1000.00011***0.66769***0.29101***

注：***表示显著性水平为0.001;**表示显著性水平为0.01;*表示显著性水平为0.05。

新窗口打开

从表2可以发现,在县级层面上,区域知识溢出的空间效应系数 ρ为0.461,在0.001水平上高度显著,但在市级层面上 ρ系数为0.172,并不显著。这说明在长三角地区,制造业研发活动在县级层面溢出效应明显。这与上文空间自相关系数达到市级层面后不再显著的情况一致。

基于连续空间的企业微观数据分析显示,在0~100 km内,以5 km为步长,知识溢出空间效应系数 ρ系数均高度显著,但其值明显比基于区域层面估计出的值要小,说明区域层面的分析放大了企业间实际的知识溢出影响效果。严格来说,区域层面估计出的系数值得深究。以本文的研究为例,在县级层面,毗邻县制造业的研发产出每上升1%,将会使得本县的研发产出上升0.46%。如此大的溢出影响效应,似乎难以从现实中得到解释。前人研究中的区域知识溢出效应系数大多与此类似。如符淼基于省级空间面板数据分析估计出的这一系数为0.189[28];苏方林估计出的系数为0.22%[24]。这些系数,尽管在赖以估计的空间范围、区域层级和计量方法上与本文存在着一定差异,但是均远高于在连续空间下企业微观层面的估计结果。对比本文连续空间下的微观数据分析和前人离散空间下的归并数据分析,可以得出,后者很有可能放大了研发活动主体间知识溢出的空间影响效应。事实上,在一定距离阈值内,周边企业的研发活动确实能够对本企业的研发活动产生正向影响,但其影响效果不会太大,企业创新产出水平的提升更多地还是源自其自身的内部研发。

由于前人研究中的区域层面分析和本文中的微观层面分析都是基于观测单元数据的统计模型分析,因此从方法角度来讲,区域层面分析之所以会放大知识溢出的空间效应,其原因可能有二：一是源自生态谬误的误判。本质上,知识溢出是个体间的互动行为所致,应该在个体层面考察。而区域层面的研究却是将区域内的企业个体行为汇总后进行区域总体间的考察,势必模糊知识溢出本来间的关系。比如说企业间的知识溢出本来局限在一定区域范围内,区域间的互动行为相对较少,但在将企业个体行为在区域层面汇总后,观察到的知识溢出效应可能大大加强了（特别是省级层面）。二是来自混杂因素的干扰。本文的微观企业分析,控制了可能影响企业知识产出的众多个体因素,如企业年限、所有制类型、所属行业等,使得空间溢出系数的识别相对准确。而区域间的知识溢出分析,影响因素和机制更为庞杂,造成控制区域的特定差异更为困难,从而使得其溢出系数混杂了其他不可观测因素（如国家区域发展政策和区域要素禀赋等）的正向干扰。

在0~100 km内,可以发现,企业知识溢出强度随距离加速衰减。将企业知识溢出空间效应值与距离步长进行函数拟合, R2以负指数幂函数形式为最高,达到0.818 4,具有很好的解释度,如图4所示。在0~40 km内,溢出效应系数衰减速度非常快,随后回复值平稳起伏状态,这说明企业间距离越近,知识溢出强度越大,其影响范围在40 km内相对明显（图4）。

显示原图| 下载原图ZIP| 生成PPT

图4   长三角地区知识溢出强度随距离加速衰减

Fig.4   Knowledge spillovers intensity decays as distance in the Yangtze River Delta Region

5 总结与讨论

本文以长三角地区三省一市为空间范围,基于2005年中国工业企业库数据,研究了制造业R&D型企业的空间分布、集聚状况和知识溢出的空间强度。研究发现,较之于制造业活动的整体分布,R&D型企业的空间分布要相对集中。DO指数的计算结果表明,大约在20 km范围内长三角R&D型企业存在明显的集聚,之后则渐趋分散,并与整体制造业活动空间分布型态吻合。进一步考察连续空间下的企业微观知识溢出强度,在0~100 km范围内,以5 km为步长,发现知识溢出的空间强度系数显著,随距离递增呈负指数幂函数形式加速衰减,于40 km处左右减势趋于平缓。与连续空间上的微观数据分析相比,区域层面上的归并数据分析明显放大了知识溢出的空间效应。

理论上的认识是,企业集聚能够增强企业间的知识溢出。然而,对于知识溢出的地理边界则是相对模糊的。本研究不仅给这一认识提供了可信的经验支持,同时也在空间范围上给我们以明确的政策启示：一是为提高研发企业间知识溢出的空间效应,需要加强它们在局域空间内的集聚;二是更重要地,考虑到中国的地方政策施行存在着行政辖域分割性,影响研发企业集聚的产业空间规制政策最好局限在县级行政单位（10~20 km）,不宜超出市级行政单位（40 km以外）。因此,需要政府有意识地通过政策引导和空间重塑,对研发企业在空间上进行局域行政辖域内的集群式布局。

在区域经济研究中,微观数据分析由于能更深入地探测微观主体的行为,从而剖析区域总体层面变量间的联系机制和效应,因此成为当前研究的趋势。中国工业企业数据库是区域经济研究中常用的微观企业数据库,但迄今为止,少有研究对其数据进行空间化。本文基于R语言编程、借用百度地图API平台,实现了其企业地址的地理编码,从而使得在连续空间中分析企业间的知识溢出强度成为可能,避免了MAUP问题。由于计算机性能的限制,本文仅就2005年长三角地区的R&D企业进行了研究,后续研究可以将研究时段和范围进一步扩大,得到适用范围更广的发现。

The authors have declared that no competing interests exist.

参考文献

[31] [Liu Kewen, Yuan Feng, Pan Kunyou.

Evolution analysis of different ownership enterprises spatial organization network in the Yangtze River Delta

. Scientia Geographica Sinica,2017,37(5):651-660.]

URL      [本文引用: 1]      摘要

以总部在长江三角洲的大型企业为样本，对改革开放以来不同所有制企业空间组织网络的演化特征、类型及驱动因素进行了分析，结论为：国有企业从相互独立的星状企业网络演化为行政中心辐射型网络；跨国公司为中心辐射型网络，有向多中心网络演化的趋势；民营企业从小团体离散型网络向多中心扁平化网络演变。3种所有制企业的网络密度、网络结构、网络重要节点等变化趋势存在着差异。企业空间组织网络类型可分为局地型、中心辐射型、多中心扁平型3种。企业扩张模式和组织结构调整、企业网络治理、区域资产与基础设施、制度与技术等是驱动企业空间组织网络演进的重要因素。
[32] 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.

URL      [本文引用: 1]      摘要

利用区位熵、耦合协调模型、趋势面分析、引力模型等对长江经济带城市功能与区域创新耦合协调度进行了测算,并对其空间联系进行了分析。得到了以下结论：2004-2014年,各个城市单元整体的耦合协调度均有一定程度的提升,逐渐形成三大连绵较高协调集聚区,长江经济带总体耦合协调度呈现出＂下游高-中上游低＂的空间趋势;空间联系的最大引力线联结格局比较稳定,长三角城市群是耦合协调发展的重要基地和优势集聚区;长江下游地区空间联系的网络密度与网络结构的复杂程度远高于长江中上游地区,并且逐渐形成由以长三角为核心城市圈,牵引长江中上游城市多极化发展的网络结构。

[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.]

URL      [本文引用: 1]      摘要

利用区位熵、耦合协调模型、趋势面分析、引力模型等对长江经济带城市功能与区域创新耦合协调度进行了测算,并对其空间联系进行了分析。得到了以下结论：2004-2014年,各个城市单元整体的耦合协调度均有一定程度的提升,逐渐形成三大连绵较高协调集聚区,长江经济带总体耦合协调度呈现出＂下游高-中上游低＂的空间趋势;空间联系的最大引力线联结格局比较稳定,长三角城市群是耦合协调发展的重要基地和优势集聚区;长江下游地区空间联系的网络密度与网络结构的复杂程度远高于长江中上游地区,并且逐渐形成由以长三角为核心城市圈,牵引长江中上游城市多极化发展的网络结构。
[33] 杨凡,杜德斌,段德忠,等.

城市内部研发密集型制造业的空间分布与区位选择模式——以北京、上海为例

[J].地理科学,2017,37(4): 492-501.

URL      [本文引用: 1]      摘要

基于微观企业数据对北京和上海研发密集型制造业空间分布的特征和影响因素进行分析,进而揭示其区位选择模式差异。研究发现,北京企业集中分布特征明显,热点区主要位于核心城区及近郊的少数地区,并形成以中关村-上地为中心的集聚格局;上海企业表现为集中与扩散并存,热点区在郊环线以里区域零散布局,并形成以漕河泾和张江为双核的联动共生集聚格局;北京和上海企业均存在开发区和交通指向性以及路径依赖,与此同时,上海企业还具有学研机构和老工业区指向性以及郊区化现象,北京企业则出现逆郊区化。研发密集型制造业在北京和上海分别形成以开发区为空间载体的"紧凑型-中心性"模式和以开发区、学研机构和老工业区为多元空间载体的"离散型-郊区化"模式。不同行业企业基本符合总体特征,但又呈现一定的特殊性。

[Yang Fan, Du Debin, Duan Dezhong. et al.

The intra-metropolitan location of r&d-intensive manufacturing in Beijing and Shanghai

. Scientia Geographica Sinica,2017,37(4): 492-501.]

URL      [本文引用: 1]      摘要

基于微观企业数据对北京和上海研发密集型制造业空间分布的特征和影响因素进行分析,进而揭示其区位选择模式差异。研究发现,北京企业集中分布特征明显,热点区主要位于核心城区及近郊的少数地区,并形成以中关村-上地为中心的集聚格局;上海企业表现为集中与扩散并存,热点区在郊环线以里区域零散布局,并形成以漕河泾和张江为双核的联动共生集聚格局;北京和上海企业均存在开发区和交通指向性以及路径依赖,与此同时,上海企业还具有学研机构和老工业区指向性以及郊区化现象,北京企业则出现逆郊区化。研发密集型制造业在北京和上海分别形成以开发区为空间载体的"紧凑型-中心性"模式和以开发区、学研机构和老工业区为多元空间载体的"离散型-郊区化"模式。不同行业企业基本符合总体特征,但又呈现一定的特殊性。
[34] Duranton G, Overman H G.

Exploring the detailed location patterns of U.K. manufacturing industries using microgeographic data

[J]. Journal of Regional Science, 2008,48(1): 213-243.

https://doi.org/10.1111/j.1365-2966.2006.0547.x      URL      [本文引用: 1]      摘要

ABSTRACT. We use a point-pattern methodology to explore the detailed location patterns of U.K. manufacturing industries. In particular, we consider the location of entrants and exiters versus continuing establishments, domestic- versus foreign-owned, large versus small, and affiliated versus independent. We also examine colocalization between vertically-linked industries. Our analysis provides a set of new stylized facts and confirmation for others.
[35] Autant-Bernard C.

Spatial econometrics of innovation: Recent contributions and research perspectives

[J]. Spatial Economic Analysis, 2012,7(4): 403-419.

https://doi.org/10.1080/17421772.2012.722665      URL      [本文引用: 1]      摘要

First introduced in the field of economics of innovation by Anselin, Varga and Acs (1997), spatial econometric tools are increasingly used to study the geography of innovation. By taking spatial autocorrelation and spatial heterogeneity of regional innovation into account, this paper analyzes how these techniques have improved our ability to quantify knowledge spillovers, to measure their spatial extent and to explore the underlying mechanisms, especially the interactions between geographical and social distance. It is also argued that the recent developments of spatio-dynamic models open new research lines for investigating the temporal dimension of both spatial knowledge flows and innovation networks, two issues that should rank high in the research agenda of the geography of innovation. R07SUM07 Initialement introduits dans le domaine de l'économie de l'innovation par Anselin, Varga et Acs (1997), les outils de l'économétrie spatiale sont de plus en plus utilisés pour étudier la géographie de l'innovation. En tenant compte de l'autocorrélation spatiale mais aussi de l'hétérogénéité spatiale de l'innovation régionale, cette communication analyse la fa04on dont ces techniques ont permis d'améliorer notre capacité de quantification des retombées des connaissances, pour mesurer leur envergure spatiale et explorer les mécanismes sous-jacents, notamment les interactions entre distances géographique et sociale. Nous soutenons également que les récents développements des modéles spatio-dynamiques ouvrent de nouvelles perspectives de recherches pour rendre compte de la dimension temporelle des flux spatiaux de connaissance et des réseaux d'innovation, deux questions qui devraient occuper une place de choix dans le programme de recherche de la géographie de l'innovation. EXTRACTO Las herramientas de econometría espacial, previamente introducidas por Anselin, Varga y Acs, se emplean ampliamente en la geografía económica de la innovación. Teniendo en cuenta la correlación espacial y la heterogeneidad espacial de la innovación regional, este estudio analiza cómo estas técnicas han mejorado nuestra habilidad para cuantificar los spillovers de conocimiento, medir su extensión espacial y explorar los mecanismos subyacentes, especialmente, las interacciones entre la distancia geográfica y social. También se discute que los recientes desarrollos de modelos dinámico-espaciales abren nuevas líneas de estudio para investigar la dimensión temporal de los flujos de conocimiento espacial y las redes de innovación, dos cuestiones que deberían clasificarse en posiciones altas del programa de investigación de la geografía de la innovación. 创新产业的空间经济学分析 : 最新成果和研究视角 摘要 : 最早由 Anselin, Varga and Acs 引进的空间经济学分析工具被广泛应用于创新产业的经济地理分析。通过分析区域创新产业的空间自相关和不均匀性 , 本文分析了如何应用空间经济学分析方法帮助我们更好地量化知识经济 , 测量其空间分布 , 探索潜在机制 , 尤其是在空间距离和社会距离间的互动方面。本文还指出 , 时空动态模型的最新进展为调查空间知识流向和创新网络打开了新的研究方向 , 而这两个问题应该是创新经济地理分析研究中最为紧要的。
[36] Moreno R,Paci R,Usai S.

Spatial spillovers and innovation activity in European regions

[J]. Environment & Planning A, 2005,37(10): 1793-1812.

https://doi.org/10.2139/ssrn.493682      URL      [本文引用: 1]      摘要

This paper explores the spatial distribution of innovative activity and the role of technological spillovers in the process of knowledge creation across 138 regions of 17 countries in Europe (the 15 members of the European Union plus Switzerland and Norway). The analysis is based on an original statistical databank set up by CRENoS on regional patenting at the European Patent Office spanning from 1978 to 1997 and classified by ISIC sectors (3 digit). In a first step, a deep exploratory spatial data analysis of the dissemination of innovative activity in Europe is performed. Some global and local indicators for spatial association are presented, summarising the presence of a dependence process in the distribution of innovative activity for different periods and sectors. Secondly, we attempt to model the behaviour of innovative activity at the regional level on the basis of a knowledge production function. Econometric results points to the relevance of internal factors (R&D expenditure, economic performance, agglomeration economies). Moreover, the production of knowledge by European regions seems to be also affected by spatial spillovers due to innovative activity performed in other regions. Keywords: Innovative activity, Spatial analysis, European regions, Knowledge production function.
[1] Romer P M.

Endogenous technological change

[J]. Journal of political Economy, 1990,98(5): S71-S102.

https://doi.org/10.1086/261725      URL      [本文引用: 1]     

[2] Rosenthal S S,

& Strange W C. Chapter 49-evidence on the nature and sources of agglomeration economies

[J]. Handbook of Regional and Urban Economics, 2001,4: 2119-2171: Elsevier.

[本文引用: 1]     

[3] Henderson J V.

Understanding knowledge spillovers

[J]. Regional Science and Urban Economics,2007,37(4): 497-508.

https://doi.org/10.1016/j.regsciurbeco.2006.11.010      URL      [本文引用: 1]     

[4] Autant-Bernard C, Fadairo M, Massard N.

Knowledge diffusion and innovation policies within the European regions: Challenges based on recent empirical evidence

[J]. Research Policy, 2013,42(1): 196-210.

https://doi.org/10.2139/ssrn.1625246      URL      [本文引用: 1]      摘要

This article builds upon empirical results concerning localised knowledge spillovers to highlight some policy implications within European regions. The analysis emphasises the role of regional innovation policies in supporting the institutions that generate knowledge and learning. However, the variety of regional features presented in the empirical literature suggests that the search for universal policy tools is unrealistic. From this perspective, we argue that original strategies must be generated to cope with the various dilemmas faced by regional innovation policies. Such specific strategies require accurate knowledge of local features. Improving data and indicators to diagnose and monitor regional innovation is therefore presented as a key issue for policy makers.
[5] Anselin L, Varga A, Acs Z.

Local geographic spillovers between university research and high technology innovations

[J]. Journal of Urban Economics,1997, 42(3): 422-448.

https://doi.org/10.1006/juec.1997.2032      URL      [本文引用: 3]      摘要

No abstract is available for this item.
[6] Autant-Bernard C, Le Sage J P.

Quantifying knowledge spillovers using spatial econometric models

[J]. Journal of Regional Science, 2011,51(3): 471-496.

https://doi.org/10.1111/j.1467-9787.2010.00705.x      URL      [本文引用: 1]      摘要

ABSTRACT This paper seeks to develop our understanding of the somewhat diffuse nature of technological externalities and space by associating a geographical dimension with the sectoral dimension. Using a panel data set containing French patents as well as private and public research expenditures by industry and region over the period from 1992 to 2000, this paper estimates a knowledge production function. The region- and industry-specific nature of the sample data allows us to empirically examine spatial spillovers associated with public and private research expenditures in own- and other-industry sectors for our sample of 94 French regions. We find that the largest direct and indirect effects are associated with private R&D activity that spills across industry boundaries. However, since Jacobs externalities decrease more drastically with distance than MAR externalities, our results also point to different optimal strategies for regional versus national officials.
[7] Paci R, Marrocu E,Usai S.

The complementary effects of proximity dimensions on knowledge spillovers

[J]. Spatial Economic Analysis, 2014,9(1): 9-30.

https://doi.org/10.1080/17421772.2013.856518      URL      [本文引用: 2]      摘要

The purpose of this paper is to analyse the effect of various proximity dimensions on the innovative capacity of 276 regions in Europe within a knowledge production function model, where R&D and human capital are included as the main internal inputs. We combine the standard geographical proximity with the technological, social and organizational ones to assess whether they are substitutes or complements in channelling knowledge spillovers. Results show that all proximities have a significant complementary role in generating an important flow of knowledge across regions, with technological closeness showing the most important effect.
[8] Massard N, Autant-Bernard C.

Editorial: Geography of innovation: New trends and implications for public policy renewal

[J]. Regional Studies, 2015,49(11): 1767-1771.

https://doi.org/10.1080/00343404.2015.1041711      URL      [本文引用: 1]      摘要

The aim of this special issue is threefold. Firstly, it highlights major recent methodological advances to address the two key issues referred to above: improving extended KPF analyses, on the one hand, and developing strategic approaches using microeconomic data, on the other:[br/][br/]* Two papers are presented using Knowldge Production Functions (KPF). They offer new methodologies to deal with the issue of regional heterogeneity when estimating KPF at the regional level in Europe. [br/][br/]* Using more microeconomic approaches, three papers contribute to the second topic. They use micro-economic data to show how firms strategies may interact with the local environment and impact upon the determinants of agglomeration dynamics.[br/][br/]Secondly, this issue draws attention to interesting new results emerging from the application of these new methodologies to the analysis of innovation dynamics in European regions and shows how they can help one to revisit some main tenets of received wisdom concerning the rationale and impact of public policies on the Geography of Innovation.[br/][br/]Finally this special issue also identifies issues that still require further research, particularly in relation to the development of new methodologies for the evaluation of public policies integrating the spatial dimension and the interdependencies between public policies implemented at different regional scales, which remains no more than an emerging field in the Geography of Innovation. [br/][br/]The special issue concludes with a paper presenting a new theoretical framework for the analysis and evaluation of local innovation public policies using simulation methodology. All these papers have important policy implications.
[9] Puga D.

The magnitude and causes of agglomeration economies

[J]. Journal of Regional Science, 2010,50(1): 203-219.

https://doi.org/10.1111/j.1467-9787.2009.00657.x      URL      [本文引用: 1]      摘要

ABSTRACT. Firms and workers are much more productive in large and dense urban environments. There is substantial evidence of such agglomeration economies based on three approaches. First, on a clustering of production beyond what can be explained by chance or comparative advantage. Second, on spatial patterns in wages and rents. Third, on systematic variations in productivity with the urban environment. However, more needs to be learned about the causes of agglomeration economies. We have good models of agglomeration through sharing and matching, but not a deep enough understanding of learning in cities. Despite recent progress, more work is needed to distinguish empirically between alternative causes.
[10] 韩增林,杨文毅,郭建科,等.

环渤海地区临港石化产业集聚水平测度

[J].地理科学,2017,37(8):1135-1144.

URL      [本文引用: 1]      摘要

以环渤海16个城市的临港石化产业为研究对象,采用修正的EG指数和产业间协同集聚指数对其2003年和2013年的集聚程度进行测算,利用空间计量模型测度其集聚效益,最后通过对比集聚类型、集聚程度和集聚效益对环渤海地区临港石化产业的集聚水平进行综合评定。主要得出以下结论:1根据EG指数取值的正负与企业的规模经济水平,将集聚分为地理空间的“区域集聚”和市场空间的“规模集聚”。2003和2013年环渤海地区临港石化产业以“区域集聚”类型为主。2 2003年和2013年环渤海地区临港石化产业均为低度集聚,除了一些城市的集聚程度和产业间协同集聚程度得到提高外,大部分城市都有所降低。3经过10 a的发展,环渤海地区临港石化产业的空间相关性加强,集聚效益有所提高,但集聚对产业劳动生产率不存在稳定的正向空间影响。4环渤海地区临港石化子产业集聚水平由高到低依次为石油加工、炼焦与核燃料加工业,橡胶和塑料制品业,化学纤维制造业,医药制造业,化学原料和化学制品制造业。

[Han Zenglin, Yang Wenyi, Guo Jianke. et al.

The determination of the port-petrochemical industries’ agglomeration level in the Bohai Sea Rim

. Scientia Geographica Sinica, 2017, 37(8): 1135-1144.]

URL      [本文引用: 1]      摘要

以环渤海16个城市的临港石化产业为研究对象,采用修正的EG指数和产业间协同集聚指数对其2003年和2013年的集聚程度进行测算,利用空间计量模型测度其集聚效益,最后通过对比集聚类型、集聚程度和集聚效益对环渤海地区临港石化产业的集聚水平进行综合评定。主要得出以下结论:1根据EG指数取值的正负与企业的规模经济水平,将集聚分为地理空间的“区域集聚”和市场空间的“规模集聚”。2003和2013年环渤海地区临港石化产业以“区域集聚”类型为主。2 2003年和2013年环渤海地区临港石化产业均为低度集聚,除了一些城市的集聚程度和产业间协同集聚程度得到提高外,大部分城市都有所降低。3经过10 a的发展,环渤海地区临港石化产业的空间相关性加强,集聚效益有所提高,但集聚对产业劳动生产率不存在稳定的正向空间影响。4环渤海地区临港石化子产业集聚水平由高到低依次为石油加工、炼焦与核燃料加工业,橡胶和塑料制品业,化学纤维制造业,医药制造业,化学原料和化学制品制造业。
[11] 徐维祥,杨蕾,刘程军,等.

长江经济带创新产出的时空演化特征及其成因

[J]. 地理科学,2017,37(4):502-511.

URL      [本文引用: 1]      摘要

利用区位基尼系数、空间自相关、相对发展率指数(NICH指数)以及空间面板数据模型等分析方法,以长江经济带沿线38个中心城市作为空间观测单元,结合专利授权量等相关数据,研究了创新产出的时空演化特征及其成因。结果表明:2000~2013年长江经济带沿线中心城市的创新产出在整体上逐年增长,地理集中度呈现波动下降趋势;长三角地区相对发展速度较快;创新产出的空间集聚程度表现出反"Z"字形的波动上升态势;创新产出的热点区域由长三角-成渝"双核心"空间结构发展成长三角"单极突出"空间格局,且长三角热点区域范围有所增长,冷点区域则分布在长江中游地带;技术溢出、政府行为、空间区位和金融支持均对长江经济带沿线中心城市的创新产出具有显著地正向影响,经济基础对下游城市具有促进作用。根据研究结论还提出了相应政策建议。

[Xu Weixiang, Yang Lei, Liu Chengjun. et al.

Temporal-spatial evolution characteristics and its causes of innovation output in the Yangtze River economic belt

. Scientia Geographica Sinica, 2017, 37(4): 502-511.]

URL      [本文引用: 1]      摘要

利用区位基尼系数、空间自相关、相对发展率指数(NICH指数)以及空间面板数据模型等分析方法,以长江经济带沿线38个中心城市作为空间观测单元,结合专利授权量等相关数据,研究了创新产出的时空演化特征及其成因。结果表明:2000~2013年长江经济带沿线中心城市的创新产出在整体上逐年增长,地理集中度呈现波动下降趋势;长三角地区相对发展速度较快;创新产出的空间集聚程度表现出反"Z"字形的波动上升态势;创新产出的热点区域由长三角-成渝"双核心"空间结构发展成长三角"单极突出"空间格局,且长三角热点区域范围有所增长,冷点区域则分布在长江中游地带;技术溢出、政府行为、空间区位和金融支持均对长江经济带沿线中心城市的创新产出具有显著地正向影响,经济基础对下游城市具有促进作用。根据研究结论还提出了相应政策建议。
[12] Krugman P.Geography and Trade[M].Boston: MIT Press, 1991.

[本文引用: 1]     

[13] Brülhart M, Traeger R.

An account of geographic concentration patterns in Europe

[J]. Regional Science and Urban Economics, 2005, 35(6): 597-624.

https://doi.org/10.1007/0-387-26259-8_22      URL      [本文引用: 1]      摘要

Using entropy indices and associated bootstrap tests, we describe the distribution of economic sectors across Western European regions over the 1975-2000 period. We decompose geographic concentration into its within-country and between-country components. In addition, we estimate centre -periphery gradients in sectoral location patterns and the impact of EU membership on countries' internal geography. It is found that manufacturing has become gradually more concentrated, although the locational bias towards central regions has become weaker. Conversely, market services have been relocating towards centrally located regions. EU integration appears to have strengthened countries' internal concentration trends.
[14] Ellison G, Glaeser E L.

Geographic concentration in U.S. manufacturing industries: A dartboard approach

[J]. Journal of Political Economy, 1997, 105(5): 889-927.

https://doi.org/10.1086/262098      URL      [本文引用: 2]     

[15] 路江涌, 陶志刚.

我国制造业区域集聚程度决定因素的研究

[J]. 经济学季刊, 2007,6(3): 801-816.

URL      [本文引用: 3]      摘要

本文分析了中国近年来（1998-2003）制造业行业集聚的趋势以及影响行业集聚的微观基础。研究表明样本期间中国制造业行业集聚呈上升态势。我们利用面板数据和动态估计过程模型，一定程度上控制了现有实证研究文献中存在的一些可能造成结果偏差的缺陷。我们发现：地方保护主义在很大程度上限制了中国制造业的区域集聚。同时，溢出效应、运输成本和自然禀赋也是影响行业集聚的重要因素。

[Lu Jiangyong, Tao Zhigang.

Determinants of industrial agglomeration in China: Evidence from Panel Data

. China Economic Quarterly, 2007, 6(3): 801-816.]

URL      [本文引用: 3]      摘要

本文分析了中国近年来（1998-2003）制造业行业集聚的趋势以及影响行业集聚的微观基础。研究表明样本期间中国制造业行业集聚呈上升态势。我们利用面板数据和动态估计过程模型，一定程度上控制了现有实证研究文献中存在的一些可能造成结果偏差的缺陷。我们发现：地方保护主义在很大程度上限制了中国制造业的区域集聚。同时，溢出效应、运输成本和自然禀赋也是影响行业集聚的重要因素。
[16] 贺灿飞, 谢秀珍.

中国制造业地理集中与省区专业化

[J]. 地理学报, 2006, 61(2): 212-222.

https://doi.org/10.3321/j.issn:0375-5444.2006.02.010      URL      [本文引用: 1]      摘要

20世纪80年代以来,中国制造业空间格局在市场化和全球化力量的共同影响下发生了显著变化。利用1980-2003年中国各省区两位数制造业数据,发现中国制造业在空间上越来越集中,而各省的产业结构则越来越多元化。具体而言,大多数产业在20世纪80年代趋于分散而在90年代更趋集中,而大多数省份产业结构总体上趋于多元化的同时,在90年代后期显露专业化的迹象。统计结果表明,经济全球化、比较优势和规模经济等是导致产业空间集中的原因,经济地理模型中强调的外部经济并没有促进产业地理集中,激烈的产业内市场竞争推动了产业空间分散。

[He Canfei, Xie Xiuzhen.

Geographical concentration and provincial specialization of Chinese manufacturing industries

. Acta Geographica Sinica, 2006, 61(2): 212-222.]

https://doi.org/10.3321/j.issn:0375-5444.2006.02.010      URL      [本文引用: 1]      摘要

20世纪80年代以来,中国制造业空间格局在市场化和全球化力量的共同影响下发生了显著变化。利用1980-2003年中国各省区两位数制造业数据,发现中国制造业在空间上越来越集中,而各省的产业结构则越来越多元化。具体而言,大多数产业在20世纪80年代趋于分散而在90年代更趋集中,而大多数省份产业结构总体上趋于多元化的同时,在90年代后期显露专业化的迹象。统计结果表明,经济全球化、比较优势和规模经济等是导致产业空间集中的原因,经济地理模型中强调的外部经济并没有促进产业地理集中,激烈的产业内市场竞争推动了产业空间分散。
[17] Duranton G,Overman H G.

Testing for Localization using micro-geographic data

[J]. The Review of Economic Studies, 2005, 72(4): 1077-1106.

https://doi.org/10.1111/0034-6527.00362      URL      [本文引用: 5]      摘要

To study the detailed location patterns of industries, and particularly the tendency for industries to cluster relative to overall manufacturing, we develop distance-based tests of localization. In contrast to previous studies, our approach allows us to assess the statistical significance of departures from randomness. In addition, we treat space as continuous instead of using an arbitrary collection of geographical units. This avoids problems relating to scale and borders. We apply these tests to an exhaustive U.K. data-set. For four-digit industries, we find that (i) 52% of them are localized at a 5% confidence level, (ii) localization mostly takes place at small scales below 50 km, (iii) the degree of localization is very skewed, and (iv) industries follow broad sectoral patterns with respect to localization. Depending on the industry, smaller establishments can be the main drivers of both localization and dispersion. Three-digit sectors show similar patterns of localization at small scales as well as a tendency to localize at medium scales.
[18] Marcon E, Puech F.

Evaluating the geographic concentration of industries using distance-based methods

[J]. Journal of Economic Geography, 2003,3(4): 409-428.

https://doi.org/10.1093/jeg/lbg016      URL      [本文引用: 1]      摘要

We propose new methods for evaluating the spatial distribution of firms. To assess whether firms are concentrated or dispersed, economists have tradi-tionally used indices that analyse the heterogeneity of a spatial structure at a single geographic level. We introduce distance-based methods, Besag's L function (derived from Ripley's K function) and Diggle and Chetwynd's D function to describe simultaneously spatial distribution at different geographical scales. Our empirical applications consider the distribution of French manufacturing firms in the Paris area and in France generally. For some geographic levels, results show significant concentration or dispersion of firms according to their sector of activity.
[19] 袁海红, 张华, 曾洪勇.

产业集聚的测度及其动态变化——基于北京企业微观数据的研究

[J]. 中国工业经济, 2014 (9): 38-50.

URL      [本文引用: 2]      摘要

针对国内产业集聚测度研究在方法、空间尺度以及行业层次选择等方面的不足,本文选择DO指数利用北京企业微观数据进行了不同空间尺度细化行业的产业集聚测度研究,并对产业集聚的动态变化进行了考察。结果表明:①40%的行业在5%的置信水平下是显著集聚的,集聚行业数量在1km处最大,最大集聚程度发生的空间尺度则相对较大;②高技术行业最集聚,多数行业集聚范围大而短距离内集聚程度不高,低技术的劳动密集型行业最分散,分散行业中有多个为重污染行业,分散尺度过大且分散程度高;③小企业是集聚的主体,大企业是集聚的主要推动力;④相同二位数行业下的三位数行业空间分布模式类似,大类行业与下属行业的分布模式有所不同;⑤随着时间发展,2/3的行业空间分布模式稳定,不会变得更加集聚或更加分散,其余1/3可能会更加集聚或更加分散,或者行业集聚区发生移动。因此,北京政府需采取措施改变大部分行业,尤其是高科技行业短距离集聚程度偏低的现状,可通过扶持、培养大企业等来提高集聚程度,促进形成集聚程度高、特色鲜明的产业集聚区;北京面临污染企业规模小、数量较多且分散程度高的局面,为实现"宜居城市"目标,需进行污染的控制和治理。

[Yuan Haihong, Zhang Hua, Zeng Hongyong.

Measuring localization of manufacturing industries and its dynamics:Using Beijing firm-level data

. China Industrial Economics, 2014,(9): 38-50.]

URL      [本文引用: 2]      摘要

针对国内产业集聚测度研究在方法、空间尺度以及行业层次选择等方面的不足,本文选择DO指数利用北京企业微观数据进行了不同空间尺度细化行业的产业集聚测度研究,并对产业集聚的动态变化进行了考察。结果表明:①40%的行业在5%的置信水平下是显著集聚的,集聚行业数量在1km处最大,最大集聚程度发生的空间尺度则相对较大;②高技术行业最集聚,多数行业集聚范围大而短距离内集聚程度不高,低技术的劳动密集型行业最分散,分散行业中有多个为重污染行业,分散尺度过大且分散程度高;③小企业是集聚的主体,大企业是集聚的主要推动力;④相同二位数行业下的三位数行业空间分布模式类似,大类行业与下属行业的分布模式有所不同;⑤随着时间发展,2/3的行业空间分布模式稳定,不会变得更加集聚或更加分散,其余1/3可能会更加集聚或更加分散,或者行业集聚区发生移动。因此,北京政府需采取措施改变大部分行业,尤其是高科技行业短距离集聚程度偏低的现状,可通过扶持、培养大企业等来提高集聚程度,促进形成集聚程度高、特色鲜明的产业集聚区;北京面临污染企业规模小、数量较多且分散程度高的局面,为实现"宜居城市"目标,需进行污染的控制和治理。
[20] 李佳洺, 张文忠, 李业锦, 等.

基于微观企业数据的产业空间集聚特征分析——以杭州市区为例

[J]. 地理研究, 2016, 35(1): 95-107.

https://doi.org/10.11821/dlyj201601009      URL      [本文引用: 1]      摘要

与基于面状地理数据的研究不同,以微观企业点数据为基础,采用基于距离的产业集聚的研究方法,最终完成一个完整的从企业地址信息处理,到大量企业之间距离运算和处理,再到集聚参照设定,最后进行产业空间集聚分析的研究过程。以杭州市2013年工商登记数据为基础,通过对不同类型产业的研究,认为生产性服务业和高科技制造业集聚趋势较为明显,而传统的零售业和制造业在城市空间上没有形成集聚。进一步分析企业规模对空间集聚趋势的影响表明,金融服务和商务服务业的集聚由较小规模企业主导,零售业的集聚由较大规模企业主导,信息服务业的集聚由中等规模企业主导,制造业的集聚整体上由中小规模企业主导。

[Li Jiaming, Zhang Wenzhong, Li Yejin. et al.

The characteristics of industrial agglomeration based on micro-geographic data

. Geographical Research, 2016, 35(1): 95-107.]

https://doi.org/10.11821/dlyj201601009      URL      [本文引用: 1]      摘要

与基于面状地理数据的研究不同,以微观企业点数据为基础,采用基于距离的产业集聚的研究方法,最终完成一个完整的从企业地址信息处理,到大量企业之间距离运算和处理,再到集聚参照设定,最后进行产业空间集聚分析的研究过程。以杭州市2013年工商登记数据为基础,通过对不同类型产业的研究,认为生产性服务业和高科技制造业集聚趋势较为明显,而传统的零售业和制造业在城市空间上没有形成集聚。进一步分析企业规模对空间集聚趋势的影响表明,金融服务和商务服务业的集聚由较小规模企业主导,零售业的集聚由较大规模企业主导,信息服务业的集聚由中等规模企业主导,制造业的集聚整体上由中小规模企业主导。
[21] Greunz L.

Intra-and inter-regional knowledge spillovers: Evidence from European regions

[J]. European Planning Studies, 2005,13(3): 449-473.

https://doi.org/10.1080/09654310500089746      URL      [本文引用: 1]      摘要

Is the knowledge creation process linear or characterized by feedback relations among actors involved in the regional innovation system? How can the innovation process of ‘lagging’ regions be strengthened? What is the role and extent of inter-regional knowledge spillovers? The paper aims at providing satisfactory answers in investigating a knowledge production function framework adapted to the specific questions and which is tested on an extended sample of European regions. On the basis of the results, concrete policy measures are derived aiming at upgrading the knowledge creation capacity of European regions.
[22] 叶静怡, 林佳, 姜蕴璐.

知识溢出、距离与创新——基于长三角城市群的实证分析

[J]. 世界经济文汇, 2016(3): 21-41.

URL      摘要

知识溢出是城市群的重要辐射功能。本文基于2001-2012年长三角城市群数据考察知识溢出、城市间距离对创新的影响。研究发现:地理和经济距离邻近性越高,高校知识溢出对城市创新正向效应越大;领先城市创新主要依靠自身的研发,并受到其他城市高校知识溢出的影响;落后城市创新同样受到其他城市高校知识溢出的影响,但自身研发的影响不显著。突破行政限制、依地理和经济邻近性进行规划,引导创新资源向领先城市集聚,将可能提高城市群的辐射作用和创新效率。

[Ye Jingyi, Lin Jia, Jiang Yunlu.

Knowledge spillovers, distance and innovation: An empirical analysis for urban agglomeration of Yangtze River Delta

. World Economic Papers, 2016(3): 21-41.]

URL      摘要

知识溢出是城市群的重要辐射功能。本文基于2001-2012年长三角城市群数据考察知识溢出、城市间距离对创新的影响。研究发现:地理和经济距离邻近性越高,高校知识溢出对城市创新正向效应越大;领先城市创新主要依靠自身的研发,并受到其他城市高校知识溢出的影响;落后城市创新同样受到其他城市高校知识溢出的影响,但自身研发的影响不显著。突破行政限制、依地理和经济邻近性进行规划,引导创新资源向领先城市集聚,将可能提高城市群的辐射作用和创新效率。
[23] 吴玉鸣, 何建坤.

研发溢出、区域创新集群的空间计量经济分析

[J]. 管理科学学报, 2008, 11(4): 59-66.

https://doi.org/10.3321/j.issn:1007-9807.2008.04.008      URL      摘要

利用空间自相关 Moran 指数与集群分析的空间计量经济学空间误差模型和空间滞后模型,对2000—2002年中国大陆31个省域的创新集群及其影响因素进行了空间计量经济分析.结果发现:我国省域创新在空间分布上存在异质性和依赖性,表现为比较明显的区域创新集群现象,形成这种创新集群的原因主要归因于企业的研究与开发贡献,大学的学术研究还没有表现出明显的知识溢出,同时大学与企业研发的结合也没有对区域创新集群产生明显贡献.

[Wu Yuming, He Jiankun.

Spatial econometric analysis of R&D spillovers and regional innovation cluster

. Journal of Management Sciences in China, 2008, 11(4): 59-66.]

https://doi.org/10.3321/j.issn:1007-9807.2008.04.008      URL      摘要

利用空间自相关 Moran 指数与集群分析的空间计量经济学空间误差模型和空间滞后模型,对2000—2002年中国大陆31个省域的创新集群及其影响因素进行了空间计量经济分析.结果发现:我国省域创新在空间分布上存在异质性和依赖性,表现为比较明显的区域创新集群现象,形成这种创新集群的原因主要归因于企业的研究与开发贡献,大学的学术研究还没有表现出明显的知识溢出,同时大学与企业研发的结合也没有对区域创新集群产生明显贡献.
[24] 苏方林.

中国省域R&D溢出的空间模式研究

[J]. 科学学研究, 2006, 24(5): 696-701.

[本文引用: 1]     

[Su Fanglin.

An analysis on the spatial pattern of Chinese provincial R&D spillovers

. Studies in Science of Science, 2006, 24(5): 696-701.]

[本文引用: 1]     

[25] 王庆喜.

多维邻近与我国高技术产业区域知识溢出——一项空间面板数据分析(1995~2010)

[J]. 科学学研究,2013, 31(7): 1068-1076.

https://doi.org/10.3969/j.issn.1003-2053.2013.07.014      URL      摘要

采用我国31个省份中5个高技术产业1995-2010年的创新 投入与产出数据,基于地理邻近、技术邻近和交互邻近三种空间权重矩阵,利用空间面板数据分析,分别考察了不同邻近性下我国高技术产业的省际知识溢出效应. 实证结果表明:相比普通面板分析而言,空间面板分析的估计更为准确；研发资本对创新产出的贡献要高于研发人员；不管是在地理邻近还是在技术邻近维度下,我 国高技术产业的省际溢出效应均很明显,其中技术邻近效应略高,然而基于二者的交互效应并没有明显增强；不同设定方式下模型系数存在差别,文章据此探讨了其 背后的可能发生机制.

[Wang Qingxi.

Inter-provincial knowledge spillovers under multiple dimensions of proximity: An empirical examination by spatial panel data analysis(1995-2010)

. Studies in Science of Science, 2013, 31(7): 1068-1076.]

https://doi.org/10.3969/j.issn.1003-2053.2013.07.014      URL      摘要

采用我国31个省份中5个高技术产业1995-2010年的创新 投入与产出数据,基于地理邻近、技术邻近和交互邻近三种空间权重矩阵,利用空间面板数据分析,分别考察了不同邻近性下我国高技术产业的省际知识溢出效应. 实证结果表明:相比普通面板分析而言,空间面板分析的估计更为准确；研发资本对创新产出的贡献要高于研发人员；不管是在地理邻近还是在技术邻近维度下,我 国高技术产业的省际溢出效应均很明显,其中技术邻近效应略高,然而基于二者的交互效应并没有明显增强；不同设定方式下模型系数存在差别,文章据此探讨了其 背后的可能发生机制.
[26] 胡曙虹,黄丽,范蓓蕾,等.

中国高校创新产出的空间溢出效应与区域经济增长——基于省域数据的空间计量经济分析

[J]. 地理科学,2016,36(12):1767-1776.

URL      [本文引用: 1]      摘要

采用空间计量经济学方法,基于2003-2012年中国省域高校创新产出及经济增长的统计数据,对中国省域高校创新产出的空间溢出效应及其对区域经济增长的影响进行测算与分析。结果表明：①中国省域高校创新产出存在一定的空间依赖性,空间分布的不平衡性逐步加剧,从2003年的＂沿海-沿江＂分布进一步演变至2012年明显集聚在长江三角洲及山东、湖北、重庆等少数省域;②空间计量模型结果表明,研究期内高校创新产出对区域经济增长的拉动作用不断提升;③计量结果显示,高校通过基础研究及产学研合作获得的创新产出对促进区域经济增长的贡献显著。

[Hu Shuhong, Huang Li, Fan Peilei. et al.

Spatial spillover effects of innovative outputs of university and its impacts on regional economic growth of China: Based on Spatial Econometrics Analysis of Provincial Data

. Scientia Geographica Sinica, 2016, 36(12): 1767-1776.]

URL      [本文引用: 1]      摘要

采用空间计量经济学方法,基于2003-2012年中国省域高校创新产出及经济增长的统计数据,对中国省域高校创新产出的空间溢出效应及其对区域经济增长的影响进行测算与分析。结果表明：①中国省域高校创新产出存在一定的空间依赖性,空间分布的不平衡性逐步加剧,从2003年的＂沿海-沿江＂分布进一步演变至2012年明显集聚在长江三角洲及山东、湖北、重庆等少数省域;②空间计量模型结果表明,研究期内高校创新产出对区域经济增长的拉动作用不断提升;③计量结果显示,高校通过基础研究及产学研合作获得的创新产出对促进区域经济增长的贡献显著。
[27] 孙建,齐建国.

中国区域知识溢出空间距离研究

[J]. 科学学研究,2011(11): 1643-1650.

URL      [本文引用: 1]      摘要

利用中国区域 1998-2008年有关专利创新面板数据,在对知识生产函数进行扩展的基础上,根据面板单位根、面板协整及空间过滤理论研究了中国区域知识溢出空间距离 问题。实证结果表明,中国区域创新空间集聚特征已经形成,并且这种集聚特征有逐年增强趋势;中国区域创新代理变量的适当组合存在协整关系,而如果组合不 当,则它们之间不存在协整关系;中国区域创新存在着明显的正负向知识溢出现象,正负向知识溢出位于不同圆环区域。

[Sun Jian,Qi Jianguo.

The study of spatial distance of knowledge spillover in Chinese regions

. Studies in Science of Science, 2011(11): 1643-1650.]

URL      [本文引用: 1]      摘要

利用中国区域 1998-2008年有关专利创新面板数据,在对知识生产函数进行扩展的基础上,根据面板单位根、面板协整及空间过滤理论研究了中国区域知识溢出空间距离 问题。实证结果表明,中国区域创新空间集聚特征已经形成,并且这种集聚特征有逐年增强趋势;中国区域创新代理变量的适当组合存在协整关系,而如果组合不 当,则它们之间不存在协整关系;中国区域创新存在着明显的正负向知识溢出现象,正负向知识溢出位于不同圆环区域。
[28] 符淼.

地理距离和技术外溢效应——对技术和经济集聚现象的空间计量学解释

[J].经济学季刊,2009, 8(3):1549-1566.

URL      [本文引用: 2]      摘要

本文发现技术和经济活动都存在局部集聚,技术集聚度高于经济;两者的集聚度随时间增强,地理分布高度一致。随地理距离快速下降的技术溢出效应是导致局部集聚和东西部发展不均问题的原因之一。结果表明,在一到两个省的范围或800公里内为技术的密集溢出区;800公里以上为快速下降区,技术溢出效应强度减半的距离为1 250公里。RD外部性、人力资本流动以及市场的竞争和合作是导致技术外溢的主要原因。强化以上因素作用将有助于区域的平衡。

[Fu Miao.

Geographical distance and technological spillover effects: A spatial econometric explanation of technological and economic agglomeration phenomena

. China Economic Quarterly, 2009, 8(3): 1549-1566.]

URL      [本文引用: 2]      摘要

本文发现技术和经济活动都存在局部集聚,技术集聚度高于经济;两者的集聚度随时间增强,地理分布高度一致。随地理距离快速下降的技术溢出效应是导致局部集聚和东西部发展不均问题的原因之一。结果表明,在一到两个省的范围或800公里内为技术的密集溢出区;800公里以上为快速下降区,技术溢出效应强度减半的距离为1 250公里。RD外部性、人力资本流动以及市场的竞争和合作是导致技术外溢的主要原因。强化以上因素作用将有助于区域的平衡。
[29] Baltagi B H, Egger P H, Kesina M.

Sources of productivity spillovers: Panel data evidence from China

[J]. Journal of Productivity Analysis, 2015, 43(3):389-402.

https://doi.org/10.1007/s11123-014-0393-z      URL      [本文引用: 1]      摘要

http://link.springer.com/10.1007/s11123-014-0393-z
[30] Baltagi B H, Egger P H, Kesina M.

Firm-level productivity spillovers in China’s chemical industry: A spatial hausman-taylor approach

. Journal of Applied Econometrics, 2016,31(1): 214-248.

https://doi.org/10.1002/jae.2460      URL      [本文引用: 1]      摘要

This paper assesses the role of intra-sectoral spillovers in total factor productivity across Chinese producers in the chemical industry. We use a rich panel data-set of 12,552 firms observed over the period 2004-2006 and model output by the firm as a function of skilled and unskilled labor, capital, materials, and total factor productivity, which is broadly defined. The latter is a composite of observable factors such as export market participation, foreign as well as public ownership, the extent of accumulated intangible assets, and unobservable total factor productivity. Despite the richness of our data-set, it suffers from the lack of time variation in the number of skilled workers as well as in the variable indicating public ownership. We introduce spatial spillovers in total factor productivity through contextual effects of observable variables as well as spatial dependence of the disturbances. We extend the Hausman and Taylor (1981) estimator to account for spatial correlation in the error term. This approach permits estimating the effect of time-invariant variables which are wiped out by the fixed effects estimator. While the original Hausman and Taylor (1981) estimator assumes homoskedastic error components, we provide spatial variants that allow for both homoskedasticity and heteroskedasticity. Monte Carlo results show, that our estimation procedure performs well in small samples. We find evidence of positive spillovers across chemical manufacturers and a large and significant detrimental effect of public ownership on total factor productivity.
[31] 刘可文,袁丰,潘坤友.

长江三角洲不同所有制企业空间组织网络演化分析

[J]. 地理科学,2017,37(5):651-660.

URL      [本文引用: 1]      摘要

以总部在长江三角洲的大型企业为样本，对改革开放以来不同所有制企业空间组织网络的演化特征、类型及驱动因素进行了分析，结论为：国有企业从相互独立的星状企业网络演化为行政中心辐射型网络；跨国公司为中心辐射型网络，有向多中心网络演化的趋势；民营企业从小团体离散型网络向多中心扁平化网络演变。3种所有制企业的网络密度、网络结构、网络重要节点等变化趋势存在着差异。企业空间组织网络类型可分为局地型、中心辐射型、多中心扁平型3种。企业扩张模式和组织结构调整、企业网络治理、区域资产与基础设施、制度与技术等是驱动企业空间组织网络演进的重要因素。

网站版权 © 《地理科学》编辑部
地址：长春市高新北区盛北大街4888号　
邮编：130102
电话：0431-85542217，0431-85542212　
E-mail：geoscien@neigae.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发

/

〈 〉