EN中文

经济地理 >

2024 , Vol. 44 >Issue 6: 124 - 133

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.06.013

产业经济与创新发展

中国粮食作物种业企业空间格局及其影响因素

  • 任世鑫 , 1 ,
  • 李二玲 , 2, ※ ,
  • 邓晴晴 2 ,
  • 赵金彩 1
展开
  • 1.河南师范大学 商学院，中国河南 新乡 453007
  • 2.河南大学 地理与环境学院，中国河南 开封 475004
※李二玲（1969—），女，教授，博士生导师，研究方向为产业集群与农业创新发展。E-mail：

任世鑫（1991—），男，博士，讲师，研究方向为农业环境与农区发展。E-mail：

收稿日期: 2023-10-26

  修回日期: 2024-05-16

  网络出版日期: 2024-09-14

基金资助

国家自然科学基金项目(41971222)

国家自然科学基金项目(42171182)

河南省重点研发与推广专项（科技攻关）项目(222102110420)

河南省自然科学优秀青年基金项目(222300420021)

河南省哲学社会科学规划年度项目(2023CJJ125)

收起

Spatial Pattern and Influential Factors of Enterprises of Grain Crop Seed Industry in China

  • REN Shixin , 1 ,
  • LI Erling , 2, ※ ,
  • DENG Qingqing 2 ,
  • ZHAO Jincai 1
Expand
  • 1. Business School，Henan Normal University，Xinxiang 453007，Henan，China
  • 2. College of Geography and Environmental Science，Henan University，Kaifeng 475004，Henan，China

Received date: 2023-10-26

  Revised date: 2024-05-16

  Online published: 2024-09-14

Fold

摘要

文章基于中国4119家粮食作物种业企业数据，采用最近邻指数、核密度估计、空间热点分析及Tobit回归分析等方法，探究了中国粮食作物种业企业的空间格局及其影响因素。结果表明：①中国粮食作物种业企业总体呈现出“东多西少—低密高疏—区域差异显著—集聚特征明显”的空间分布格局。②总体样本企业及分类作物种业企业密度空间表现出“异质性—多核心”特征，冷热点区集中连片且分层明显。③中国粮食作物种业企业的空间分布主要受产业基础、城市综合实力和技术因素的影响，且深度依赖于地形、气温和降水等自然条件。④在多种因素的共同作用下，中国粮食作物种业企业主要分布于农业资源丰富、农业产业优势明显、自然条件适宜的粮食主产地，综合实力强、规模等级高的直辖市和省会城市，以及创新要素集聚效应突出、创新产出规模优势明显、交通条件便利的地区。

关键词： 粮食作物; 种业企业; 空间格局; 集聚特征; 粮食主产地; 创新; 中国

本文引用格式

任世鑫 , 李二玲 , 邓晴晴 , 赵金彩 . 中国粮食作物种业企业空间格局及其影响因素[J]. 经济地理, 2024 , 44(6) : 124 -133 . DOI: 10.15957/j.cnki.jjdl.2024.06.013

Abstract

Based on the data of 4119 enterprises of grain crop seed industry in China in 2022,this paper analyzes the spatial distribution pattern and the influencing factors of enterprises of grain crop seed industry using the methods of nearest neighbor analysis,kernel density estimation,spatial hotspot analysis and Tobit regression analysis. The results show that: 1) Enterprises of China's grain crop seed industry in general presents a spatial distribution pattern,which is more in the east of China than that in the west of China,the density is higher in low altitude areas than that in high altitude areas,it's significant in terms of regional differences and agglomeration characteristics. 2) The density spaces of total sample enterprises and classified enterprises of grain crop seed industry both show "heterogeneity-multi-core" characteristics,cold and hot spots are concentrated and stratified. 3) The spatial distribution of grain crop seed enterprises in China is mainly influenced by the industrial base,comprehensive strength of cities and technical factors,and is deeply dependent on natural conditions such as topography,temperature and precipitation. 4) Under the joint action of many factors,enterprises of China's grain crop seed industry are mainly distributed in main grain producing areas with rich agricultural resources,obvious advantages in agricultural industry and suitable natural conditions,municipalities and provincial capitals with strong comprehensive strength and high scale rating,and areas with outstanding gathering effect of innovation factors,obvious advantages in the scale of innovation outputs and convenient transport conditions.

Key words： grain crop; seed industry enterprises; spatial pattern; agglomeration characteristics; main grain producing areas; innovation; China

粮安天下，种为粮先，种子是农业的芯片，种业是国家战略性、基础性核心产业，是保障国家粮食安全和重要农产品有效供给的根本[1]。党的十八大以来，习近平总书记多次对种业发展作出指示，强调“要下决心把民族种业搞上去”“中国人的饭碗要牢牢端在自己手中，就必须把种子牢牢攥在自己手里” [2]。鉴于种业的重要性，党和国家将发展种业摆在突出位置并作出了系统部署[3]，2021—2023年中央一号文件连续提出要打好种业翻身仗、全面实施种业振兴行动方案、深入实施种业振兴行动。作为种业创新的关键主体，种业企业是发展现代种业的骨干力量，在育种创新、良种繁育、种质资源保护及种业基地建设等方面发挥着重要作用。自2000年实施《中华人民共和国种子法》以来，我国种业进入快速市场化阶段，至今形成了以隆平高科、荃银高科、登海种业等龙头企业为引领，众多中小企业融通发展的生态格局。在当前我国大力推动种业振兴、努力实现新时代种业发展新格局的大背景下，探讨粮食作物种业企业的空间分布格局并解析其影响因素，有助于揭示中国粮食作物种业企业的空间布局规律，对于统筹粮食作物种业资源要素、优化粮食产业空间布局具有重要意义。
企业的区位选择和空间分布一直是经济地理学关注的热点问题之一[4]。作为社会财富的生产者和流通者，企业具有经济与空间双重属性，其空间格局不仅能够体现出由企业间相互作用所形成的空间集聚形态，并在一定程度上决定着经济的基本格局与发展趋势[5]。传统的集聚经济和新经济地理学理论认为，经济活动在地理上的集中能节约成本、提升效率，是解释生产效率空间差异的主要因素[6]。同时，企业的异质性又使得企业在区位选择时存在差异，即在现实世界中，某些企业会倾向聚集于某一专业化地区，而某些企业在区位选择上却偏好高度多样化的城市[7]。从演化的角度来看，地区过去的经济发展在一定程度上决定着未来，要素的循环积累对产业发展具有持续作用[8]，企业空间分布格局的形成与地区的社会发展传统、资源禀赋、外部环境、成本要素等密切相关[9-10]。
农业企业是农业产业空间的重要载体与市场主体，国内外学者对农业企业空间布局问题的研究由来已久，尤其是在产业集群成为国外农村经济发展的重要组织形式后，农业企业的空间集聚问题备受关注[11]。农业企业在空间上的集聚不仅能够促进企业间的知识共享、激发本地企业的竞争和创新行为，还可以提高地方资源利用水平、创造经济价值、产生社会福利效应[12-13]。不同于其他产业，由于农业兼具自然再生产与社会再生产的双重属性，除了社会经济因素之外，农业资源、自然禀赋对于农业企业的区位选择影响深刻[14-15]。有研究指出，农业龙头企业更多地分布在农业规模较大的地区[16]、海拔高度对于农牧企业分布影响显著[17]、有机农业企业的空间布局与区域环境质量和种植基底条件密切相关[14]。当前，对于种业企业的研究主要集中在以下方面：①企业的生存能力问题[18]，如Win等认为通过降低成本，尤其是降低作物收获后种子的处理成本和劳动力成本，可有效增加种子企业的潜在客户群[19]；②政策环境的影响[20]，学者们强调政府的支持性政策对种子企业发展的重要性[21]；③良种供应责任，主要观点认为种子企业通过培育和提供优良品种可为保障粮食安全做出贡献[22]；④技术创新途径[23]，学界对产学研合作、政府支持在种子企业实现技术创新过程中的作用给予了较多关注[3,24]。此外，一些研究从定性的角度对种子企业的发展战略及竞争力问题进行了探讨[25]。总体而言，关于种业企业的相关研究虽有较多成果，但关于粮食作物种业企业空间布局的研究尚不多见，特别是基于定量视角对其影响因素进行探究的文献则更少。因而，适时厘清“粮食作物种业企业具有怎样的空间分布特征”“影响粮食作物种业企业空间分布的因素有哪些”等问题，将有助于深化企业区位选择与空间布局研究。
鉴于此，本文首先基于中国粮食作物种业企业数据，借助ArcGIS软件平台，运用核密度估计、最近邻指数、空间热点分析等方法，刻画中国粮食作物种业企业空间分布格局；继而在此基础上，利用Tobit回归模型进一步探究其影响因素并归纳中国粮食作物种业企业空间格局的形成机制，以期丰富种业企业区位的实证研究，并为种业产业发展及空间布局调整等相关政策的制定提供参考。

1 理论基础、研究方法与数据来源

1.1 理论基础

区位理论是经济地理学和区域经济学的核心理论，企业是区位理论研究中最重要的主体[26]。作为理性“经济人”，企业在进行区位决策时需权衡生产成本、市场占有、企业整体策略等因素，以实现企业利润最大化为目标，按照这一原则，邻近资源、劳动力和土地价格因素、市场规模和增长潜力、集聚经济及政府政策等成为影响公司决策的重要因素[10]。农业是一个对自然资源和环境依赖性很强且占用和消耗自然资源较多的产业，作为依托于农业发展的市场主体，农业企业的空间布局不仅要关注市场、成本、交通、制度等社会经济要素，亦需充分考虑资源禀赋、自然环境以及农业发展基础[27]。对于粮食作物种业企业而言，进行粮食作物种子研发、生产、加工、销售及售后服务等是企业的主营业务，拥有高质量的种子是企业获得并保持市场竞争优势的关键。同时，要实现利润最大化这一目标，需从多方面降低种子业务的生产经营成本。由此，粮食作物种业企业在进行区位条件选定时需重点关注所选区域是否能够满足企业的生产经营需求，关键因素主要有：①自然因素[17]，即区域的气候、地形、土壤条件等是否适合开展育种、制种及新品种试验等业务；②粮食产业基础，关系到种子产品的市场规模与市场潜力；③经济因素，城市的经济发展水平、交通条件、劳动力成本等均直接影响着企业的生产经营活动[28]；④技术因素，现代种业对于技术的依赖程度不断加大，区域的知识创造能力、技术创新水平以及对科技的投入力度等亦非常重要[23]；⑤政策因素，政府对于区域种业发展尤其是种子企业的扶持力度是影响种业企业布局决策的重要因素[21,24]。在上述因素的共同作用下，不同规模、不同性质、不同经营范围的种业企业进行差异化的区位选择，并逐步形成具有种业产业特点的粮食作物种业企业空间分布格局。

1.2 研究方法

1.2.1 核密度估计法

核密度估计法常用于分析基于点位数据的空间集聚性，是一种非参数密度估计统计方法，它根据输入的点数据集计算研究区域的空间集聚状况并产生一个平滑的连续表面，体现了地理现象空间扩散的距离衰减规律[29]。

1.2.2 最近邻指数法

最近邻指数（Nearest Neighbor Index，NNI）通过计算观测点之间的最小距离与随机分布条件下最近邻点之间的距离，来比较其偏离程度，可用于判断宏观空间分布模式是集聚、离散还是随机[30]。

1.2.3 空间热点分析

空间热点分析用于探究经济社会要素、现象等空间分布的非随机性[31]，可识别不同空间区域的热点和冷点区。Getis-Ord的计算公式为：
G i * d = ∑ j = 1 n W i j d X j / ∑ j = 1 n X j
式中： G i * d代表中心要素i的统计量；Xj为邻域内第j个要素的属性值；n为邻域内的要素总数；Wij为基于距离d范围内的空间权重矩阵。

1.2.4 Tobit回归模型

Tobit回归模型是指因变量在正值上大致连续分布，却又含有一部分取值为0的观察值的模型[32]，又称受限因变量模型。本文以城市拥有的粮食作物种业企业数量为因变量，而有相当数量城市的粮食作物种业企业数量为0，属于截尾数据，适用Tobit回归模型进行估计。表达式如下[32]：
$Y=\left\{\begin{array}{cc} Y^{*}=X \beta+\varepsilon & Y>0 \\ 0 & Y=0 \end{array}\right.$
式中：Y为因变量； Y *为受限因变量；X为自变量； β为回归系数； ε为误差项，符合正态分布。

1.3 数据来源

本文所用数据包括：①粮食作物种业企业数据。本文以持有有效农作物种子生产经营许可证的粮食作物种业企业为研究对象，企业数据来源于由农业农村部种业管理司、全国农业技术推广服务中心等机构共同打造的中国种业大数据平台（http://202.127.42.145/bigdataNew/）。为了避免可能存在的内生性问题，本文参考肖凡等的处理方法[33]，使用相比自变量（2021年）滞后一期的粮食作物种业企业数量作为因变量（2022年），即以企业所持有的农作物种子生产经营许可证在2022年底（以2022年12月31日为时间节点）处于有效期内为筛选条件。在此基础上，根据生产经营范围进一步遴选出包含水稻、小麦、玉米、豆类、薯类及杂粮等粮食作物的种业企业，共获得4119家粮食作物种业企业数据信息，最后通过天眼查平台（https://www.tianyancha.com/）补充企业基础信息数据，见表1。②城市社会经济统计数据。本文中用于分析中国粮食作物种业企业空间布局影响因素的社会经济数据均来自2022年《中国城市统计年鉴》及部分省份统计年鉴。③高程、气温及降水数据。DEM数字高程数据来源于地理空间数据云（http://www.gscloud.cn/），气温及降水数据来源于中国科学院资源环境科学数据中心（http://www.resdc.cn）。④地图矢量数据。本文以全国矢量化标准图为底图，矢量数据来源于自然资源部标准地图服务网站（http://bzdt.ch.mnr.gov.cn/）。
表1 中国粮食作物种业企业基础信息

Tab.1 Basic information of enterprises of China's grain crop seed industry

类型 数量/家（比例/%） 类型 数量/家（比例/%）
成立时间 1979—2000年 296（7.19） 粮食作物企业种类 水稻 957
2001—2010年 1725（41.88） 小麦 1627
2011—2022年 2098（50.94） 玉米 1751
企业类型 有限责任公司 3861（93.74） 豆类 1099
股份有限公司 124（3.01） 薯类及杂粮 909
其他 134（3.25） 种子生产经营许可证颁发机构 国家农业农村部 100（2.43）
注册资本（元） <100万 107（2.60） 省（区）农业农村厅 1276（30.98）
100~1000万 1904（46.22） 市级农业农村局 608（14.76）
1000~5000万 1771（43.00） 县级农业农村局 2135（51.83）
>5000万 337（8.18）

注：由于多家种业企业的生产经营范围包含多种作物，在统计企业数量时依据粮食作物种类分别进行归类统计（如A企业的种子生产经营范围为小麦、玉米，则将其同时归类于小麦种业企业和玉米种业企业分别进行统计）。

2 中国粮食作物种业企业空间格局

2.1 粮食作物种业企业的空间分布特征

①中国粮食作物种业企业总体呈“东多西少—低密高疏”的空间分布格局（图1）。从区域分布看，与“胡焕庸线”所刻画的人口密度及分布状况相类似，粮食作物种业企业分布亦表现为“东多西少”的空间格局，在“胡焕庸线”以东地区所分布的种业企业达3478家，占企业总数的84.44%，而其西部所分布的企业数量仅641家，所占比重只有15.56%，二者相差明显。结合地形情况来看，粮食作物种业企业布局表现出“低密高疏”的特征，主要集中分布于平原、盆地等低海拔地区，其中华北平原、东北平原所分布的种业企业最为密集，而山地、高原等高海拔地区的种业企业数量则明显较少，尤以青藏高原地区最为稀疏。
图1 中国粮食作物种业企业空间分布

注：该图基于自然资源部标准地图服务审图号为GS（2020）4619号的地图绘制，底图无修改。图2~图4同。

Fig.1 Spatial distribution of enterprises of China's grain crop seed industry

②不同区域的粮食作物种业企业数量差异显著（图2）。省域层面上（图2a），粮食作物种业企业数量最多的省份为河南，企业数量超过500家；甘肃和黑龙江亦拥有较多的种业企业，其数量分别达到361和329家；相比之下，广西、浙江、福建、上海、青海、重庆、海南和天津等地的企业数量均不足50家；西藏则暂无获得生产经营许可的粮食作物种业企业。由此可见，省际企业数量差距显著。市域层面上（图2b），地区间企业数量差异显著的特征同样存在，其中张掖和长春的企业数量分别达108和102家；合肥、酒泉、哈尔滨、新乡、石家庄等15个城市的企业数量也超过50家，上述17个城市拥有的企业数量占到全国粮食作物种业企业总数的30.20%；相较而言，有125个地市单元的企业数量位于1~5家，同时，有51个地市单元尚无粮食作物种业企业分布。
图2 不同尺度下中国粮食作物种业企业空间分布

Fig.2 Spatial distribution of enterprises of China's grain crop seed industry at different scales

2.2 粮食作物种业企业空间集聚特征

①粮食作物种业企业呈显著集聚分布。通过最近邻指数分析能够判断不同类型粮食作物种业企业的空间分布类型，利用ArcGIS软件计算得到最邻近指数（NNI）、Z值、P值等指标（表2）。结果显示，中国粮食作物种业企业的最近邻指数为0.24，平均观测距离为7.56 km，预期平均距离为31.16 km，集聚特征显著。从不同作物类型种业企业的空间集聚性来看，水稻、小麦、玉米、豆类、薯类及杂粮等作物种业企业的最邻近指数均小于1，表明上述类型企业在空间上均呈集聚型分布，其集聚程度由高到低依次为小麦>水稻>玉米>豆类>薯类及杂粮，即小麦种业企业的集聚特征最为显著，水稻、玉米和豆类种业企业的最邻近指数差距较小，其集聚程度相近。
表2 粮食作物种业企业最邻近指数分析结果

Tab.2 Results of the NNI analysis of enterprises of grain crop seed industry

企业类型 NNI Z得分 P值 空间分布模式 平均观测距离（km） 预期平均距离（km）
总体 0.24 -92.98 0.00 集聚 7.56 31.16
水稻 0.26 -44.11 0.00 集聚 15.51 60.74
小麦 0.23 -59.32 0.00 集聚 10.76 46.52
玉米 0.27 -58.69 0.00 集聚 12.50 46.67
豆类 0.28 -45.41 0.00 集聚 16.69 58.68
薯类及杂粮 0.32 -39.23 0.00 集聚 19.45 60.75
②密度空间表现出“异质性—多核心”特征（图3）。由图3可以看出，中国粮食作物种业企业密度空间异质性显著（图3a），其中高密度区域主要位于“豫—皖—鲁西—冀南”集中连片区、“哈—长—沈”带状分布区和酒泉核心区，以成都、北京、武汉、太原、广州、佳木斯、乌鲁木齐等城市为中心的集聚性亦较为明显。从各作物类型种业企业的密度空间来看，水稻（图3b）、玉米（图3d）、豆类（图3e）、薯类和杂粮（图3f）种业企业密度分布表现出明显的“多区多核心”特征，即形成了多个集中连片区和以多个城市为核心的高密度区，如水稻种业企业密度分布形成以“苏—皖—沪”集中连片区、“哈—长—沈”带状分布区以及以成都、武汉、长沙、南昌、昆明、南宁、银川和佳木斯为核心的高密度区；小麦种业企业密度分布呈现以“豫—皖—鲁西—冀南”集中连片区为主体的典型集聚特征（图3c），该区域是我国小麦主产区，上述4省的小麦产量占到我国小麦总产量的70.16%，在保障全国小麦需求方面发挥着至关重要的作用。
图3 2022年中国粮食作物种业企业核密度空间分布

Fig.3 Spatial distribution of kernel density of enterprises of grain crop seed industry in China in 2022

③冷热点区集中连片且分层明显（图4）。基于ArcGIS空间统计工具探测粮食作物种业企业集聚分布的冷热点区域，并依据Z（Gi*）的统计结果将其划分为热点区、次热点区、随机分布区、次冷点区和冷点区5种类型。首先，中国粮食作物种业企业分布热点区位于“鲁西—冀南—豫北—晋东”以及“吉黑蒙”交界区域（图4a），其外围依次为次热点区、随机分布区、次冷点区和冷点区。其次，各作物类型种业企业同样表现出上述特征，其中水稻种业企业热点区分布于黑龙江、吉林以及长江下游沿江地区（图4b）；小麦种业企业呈现以“豫—鲁—冀南—皖北—晋南”集中连片区为“内环”、向外逐步分层的“环状”特征（图4c）；玉米种业企业表现为“由东北向西南”依次为热点区、次热点区、随机分布区和次冷点区（图4d）；豆类种业企业的热点区和次热点区主要位于华北平原、东北及西北的部分区域，次冷点区和冷点区则分别集中于西部地区和华南地区（图4e）；薯类及杂粮种业企业热点区分布于“京津冀”、陕西及山西北部、内蒙古大部及东北地区西部等地，次热点区呈现在“由东北延至西南”的带状区域，冷点区和次冷点区则位于南方地区（图4f）。
图4 中国粮食作物种业企业冷热点分布

Fig.4 Hotspot distribution of enterprises of grain crop seed industry in China

3 中国粮食作物种业企业空间布局影响因素

3.1 变量选取

基于前文的理论分析，借鉴已有研究成果[14-17]，并考虑数据的可得性，本文以城市拥有的粮食作物种业企业数量为因变量，从产业基础、经济因素、自然条件、技术因素和政策因素5个层面选取解释变量：①产业基础，包括粮食种植规模和产业结构2个指标；②经济因素，主要指标有城市等级、经济规模、劳动力成本、交通便捷度及经济外向度等；③自然条件，选取地形、气温和降水量作为衡量指标；④技术因素，包含知识创造能力、技术创新水平和财政科技投入力度3个指标；⑤政策因素，以是否有国家现代农业产业园来表示。上述因素直接或间接影响着粮食作物种业企业空间格局，具体含义见表3。在构建Tobit模型之前，需对自变量进行多重共线性检验。诊断结果表明，14项解释变量的方差膨胀因子（VIF）均小于7.5，表明变量之间相互独立，不会因相互影响而干扰模型的稳定性，可作进一步的建模分析。
表3 变量选取与描述

Tab.3 Variable selection and description

变量性质 变量名称 变量符号 变量描述
因变量 - 种业企业数量 N 城市拥有粮食作物种业企业数量
解释变量 产业基础 粮食种植规模 sow 粮食作物播种面积
产业结构 indus 第一产业产值比重
经济因素 城市等级 hier 是否为直辖市或省会城市
经济规模 gdp 地区生产总值
劳动力成本 wage 在岗职工平均工资
交通条件 tfc 路网密度
经济外向度 tra 进出口总额占GDP比重
自然条件 地形 elev 海拔
气温 temp 平均气温
降水 prcp 年降水量
技术因素 知识创造能力 edu 农业类高校及其他设有农学专业高校数量
技术创新水平 pat 专利授权数
财政科技投入 sci 科学技术支出占地方财政支出比重
政策因素 支持性政策 pol 是否有国家现代农业产业园

3.2 拟合结果

基于Stata软件，采用Tobit回归模型对中国粮食作物种业企业空间分布影响因素进行实证分析，回归结果见表4。其中，模型Ⅰ是总体回归结果，模型Ⅱ~模型Ⅵ为分类回归结果（分别以城市拥有的水稻、小麦、玉米、豆类、薯类及杂粮种业企业数量作为因变量）。拟合结果显示，模型Ⅰ~模型Ⅵ均通过了显著性检验，表明模型显著成立。
表4 Tobit模型回归结果

Tab.4 Regression results of Tobit model

变量名称 模型Ⅰ 模型Ⅱ 模型Ⅲ 模型Ⅳ 模型Ⅴ 模型Ⅵ
sow 0.121*** 0.139*** 0.058 0.146*** 0.151*** 0.129***
indus 0.357*** 0.694*** 0.114 0.331*** 0.411*** 0.403***
hier 0.884*** 0.883** -0.463 1.099*** 0.669** 0.360
gdp 0.441*** 0.212 1.035*** 0.311** 0.531*** 0.811***
wage -0.312 1.994*** -0.265 0.041 -0.143 0.191
tfc 0.303*** -0.290 1.443*** 0.223* 0.173 0.391**
tra -0.134** -0.097 -0.347*** -0.022 -0.178** -0.115
elev -0.144*** -0.252*** -0.233** 0.013 -0.144** 0.123*
temp -0.953*** -0.481* -1.360*** -0.209 -1.096*** -1.086***
prcp -0.880*** 0.705*** -1.518*** -1.002*** -0.817*** -1.200***
edu 0.035* 0.047* 0.051 0.030 0.031 0.011
pat 0.202** 0.206 0.177 0.285*** 0.236** 0.081
sci 0.103 0.215** 0.130 -0.084 0.108 -0.201**
pol 0.129 0.221 -0.159 0.038 -0.233 0.122
Log likelihood -373.849 -335.616 -353.880 -355.764 -330.447 -293.805
Pseudo R2 0.225 0.145 0.155 0.202 0.197 0.230
LRchi2 217.616 113.608 129.466 180.212 162.577 175.850
Prob>chi2 0.000 0.000 0.000 0.000 0.000 0.000

注：***、**、*分别表示在1%、5%和10%水平上显著。

①产业基础对粮食作物种业企业空间分布影响显著。总体样本拟合结果显示，粮食种植规模和产业结构均通过了1%的显著性检验且作用方向为正，即粮食作物种业企业倾向于分布在粮食种植规模大、农业产业基础好的地区。通常而言，该类地区对于粮食作物种子具有较大的需求量，可为粮食作物种业企业提供充足的市场机会和发展动力。分类回归模型中，粮食种植规模和产业结构对水稻、玉米、豆类、薯类及杂粮种业企业的空间布局的影响均通过了1%水平的显著性检验且表现为正向驱动，与总体回归模型拟合结果一致。
②城市综合实力是影响种业企业空间分布的重要因素。根据模型Ⅰ的拟合结果，城市等级、经济规模、交通条件对粮食作物种业企业空间布局具有显著正向影响，表明城市等级高、经济实力强、交通便利的地区更具吸引力，相比普通地级市，直辖市及省会城市通常在要素集聚、经济发展、政务服务等多个方面优势显著，可为种业企业开展种子研发与生产、认证与检测、加工与销售等业务提供有利条件。由模型Ⅱ~模型Ⅵ的回归结果可得，城市等级、经济规模、交通条件对不同类型粮食作物种业企业空间分布的影响同样以正向驱动为主。
③粮食作物种业企业的空间分布对于自然环境具有深度依赖性。对总体样本而言，地形、气温和降水均通过了1%的显著性检验并表现为负向影响，低海拔地区可为种业企业开展育种、销售等业务提供有利条件，而气温和降水则需结合具体作物类型作进一步分析。根据模型Ⅱ的拟合结果，气温对水稻种业企业的空间分布呈负向影响，水稻种业企业主要分布于长江中下游、华南以及东北地区，其中东北地区的水稻种业企业数量占比达到了26.75%，而该地区年均气温偏低，从而对回归结果产生影响；降水这一变量的作用方向显著为正，这与水稻的生长习性与特点密切相关。类似地，气温和降水对其他作物类型种业企业布局的影响亦可结合企业的分布特征和作物的生长特点进行解释。
④技术因素对粮食作物种业企业空间格局具有一定影响。总体回归模型中，知识创造能力和技术创新水平分别在10%和5%水平上显著，并表现为正向驱动，即知识创造能力强、技术创新水平高的地区对粮食作物种业企业更具吸引力，尤其是对于研发型种业企业，布局于该类地区有利于其与相关高校及科研机构开展产学研合作、进行新品种研发及试验，这是提升企业创新水平与竞争力的重要途径。在分类回归模型中，上述指标对不同作物类型种业企业分布的影响各异，这主要与各作物类型种业企业空间布局的异质性及其所在城市拥有创新资源的差异性有关。
⑤政策因素对粮食作物种业企业空间格局的影响不显著。从拟合结果来看，是否有国家现代农业产业园这一变量未通过显著性检验，原因可能在于，国家现代农业产业园虽然在推动农业现代化建设、培育孵化农业企业方面发挥着重要作用，但目前对于种业企业的集聚效应尚不明显。随着我国深入实施种业振兴行动，以种业为单一主导产业的现代农业产业园数量在不断增加，由此将会促进种业企业在空间上的集聚，支持性政策所产生的积极效应也将逐步凸显。

3.3 稳健性检验

为了检验模型的稳健性，进一步以粮食作物种业企业分布密度（城市单位面积种业企业数）为因变量来构建Tobit回归模型。拟合结果显示，在总体回归模型中，粮食种植规模、城市等级、交通便捷度、知识创造能力和技术创新水平对粮食作物种业企业空间格局的影响显著为正，经济外向度、地形、气温和降水量表现为负向影响，除了产业结构和经济规模外，其他显著变量的作用方向均与前文一致，稳健性较好。此处，产业结构和经济规模作用方向及显著性的变化，是由于因变量在考虑城市种业企业数量的基础上加入了市域面积因素，在此情况下，拥有种业企业数量多但市域面积偏大的城市的地位便被弱化，因而出现作用方向相反的情况。对比分类回归模型拟合结果可知，大多数变量对不同类型粮食作物种业企业空间分布的影响与前文亦具有较强的一致性。

3.4 粮食作物种业企业空间格局形成机制

企业的区位选择是资源空间配置的核心范畴，在企业区位研究中，空间经济学将主流经济学长期忽视的空间因素纳入到一般均衡理论的分析框架中，探究企业经济活动的空间分布规律，解释空间集聚现象产生的原因和内在机理[34]。中国人口和资源环境区域差异较大，而不同类型企业对资源环境的依赖程度不同，这就为企业区位研究提供了特殊背景[10]。由前文分析可得，中国粮食作物种业企业集聚分布特征明显且具有鲜明的地域特点，各作物类型种业企业均集中分布于相应粮食作物的主产地，这些区域具有良好的农业产业基础、种子产品市场潜力和适宜的自然条件，可为种业企业开展育种、制种、销售等业务提供有利条件。除此之外，拥有较强综合实力、优越区位条件、丰富创新资源等诸多优势的直辖市和省会城市亦是种业企业的重要集聚地。综上分析，本文总结出中国粮食作物种业企业空间格局的形成机制（图5），即中国粮食作物种业企业是在产业基础、自然条件、城市综合实力及创新条件等因素的共同作用下，趋向于分布在农业资源丰富、农业产业优势明显、自然条件适宜的粮食主产地，综合实力强、规模等级高的直辖市和省会城市，以及创新要素集聚效应突出、创新产出规模优势明显、交通条件便利的地区，最终塑造出“东多西少—低密高疏—区域差异显著—集聚特征明显”的空间分布格局。
图5 中国粮食作物种业企业空间格局形成机制

Fig.5 Formation mechanism of spatial pattern of enterprises of grain crop seed industry in China

4 结论与讨论

4.1 结论

本文基于4119家粮食作物种业企业数据，综合运用空间分析法、Tobit回归模型等方法对中国粮食作物种业企业的空间格局、影响因素及其形成机制进行了深入分析。主要研究结论如下：
①中国粮食作物种业企业总体呈现出空间分布不均衡、区域差异明显的特征。全国尺度上，有84.44%的粮食作物种业企业分布在“胡焕庸线”以东地区；省域尺度上，河南、甘肃、黑龙江等粮食主产省份所拥有粮食作物种业企业数量远高于非粮食主产省份；市域尺度上，有17个城市的粮食作物种业企业数量超过50家，另有174个地市单元的企业数量不足10家，还有51个地市单元尚无粮食作物种业企业分布。
②中国粮食作物种业企业空间集聚特征显著。空间分析结果显示，粮食作物种业企业总体样本及不同作物类型种业企业均呈集聚型分布；同时，密度空间异质性显著并形成了多个高密度核心区，其中总体样本的高密度区域主要位于“豫—皖—鲁西—冀南”集中连片区、“哈—长—沈”带状分布区和酒泉核心区，各作物类型种业企业的密度核心区分别位于其所对应的主产区。
③中国粮食作物种业企业空间格局的形成受产业基础、自然条件、城市综合实力及创新条件等因素的共同影响，在其综合作用下，粮食作物种业企业趋向分布在农业资源丰富、农业产业优势明显、自然条件适宜的粮食主产地，综合实力强、规模等级高的直辖市和省会城市，以及创新要素集聚效应突出、创新产出规模优势明显、交通条件便利的地区。

4.2 讨论

区位理论自发端起便致力于探索影响企业空间布局的区位因子[35]，已有研究验证了自然条件、政策环境、基础设施、城市规模等因素在企业进行区位选择与空间布局过程中的作用。本文揭示了中国粮食作物种业企业的空间格局，总体而言，其空间分布与粮食作物资源禀赋空间具有较强的吻合性，这在当前种业企业空间布局领域研究成果较为欠缺的背景下可提供有益补充。对比已有关于农业企业空间布局的研究[14,27]，其所强调的自然条件、农业资源、创新条件等要素对于企业空间格局影响的重要性在本文中亦得到了验证，而政策因素所发挥的作用则并不显著，这与已有研究存在一定的差异。此外，就研究视角而言，本文聚焦于农业产业链顶端的种业领域，并进一步细化至具体作物类型展开定量探究，所得结论更具针对性。但就研究内容与视角的全面性而言，本文仍存在以下不足待完善：①企业空间格局的形成具有一定的历史过程，本研究是基于截面数据进行定量分析，但从时空演化的角度来看，中国粮食作物种业企业空间格局具有怎样的演变规律?驱动其空间格局演化的因素又有哪些?在未来的研究中应当尝试回答上述问题。②企业的空间布局不仅受宏观区位因素的影响，亦与企业性质、规模、利润、年龄等企业属性密切相关[4]，本文在选取变量时仅考虑了宏观因素，后续研究应将企业微观层面因素纳入研究框架，更为深入地剖析其空间格局的形成机制。
根据以上研究结论，本文提出如下建议：①因地制宜发展种业产业，不断优化种业空间布局。中国粮食作物种业企业的空间分布具有显著的区域异质性和集聚性特征，不同地区所拥有的种业产业基础和优势各异，各地应充分发挥地方优势，合理谋划出符合本地发展需求的种业发展新格局。②积极搭建种业科技创新合作平台，促进政产学研用深度融合。作为种业创新的关键主体，种业企业在培育新品种和突破新技术方面扮演着重要角色，而种业创新的实现离不开高校、科研院所及政府机构等主体的共同参与。因此，要积极推动种业企业与关联主体的深度融合，不断提高种业企业的科技创新水平和科技成果转化能力。③持续提升政府服务效能，加大对种业企业发展的支持力度。对于种业企业而言，政府能否提供优质、高效的服务保障是影响其开展种子生产经营活动、进行战略布局决策的重要因素。由前文可得，综合实力强、规模等级高的城市对于种业企业具有较强的吸引力，这不仅与其拥有多种有利资源相关，亦得益于该类城市政府部门普遍具有较高的服务效能。所以，要着力提升政务服务质量和水平，尤其是在良繁基地建设、种质资源保护、新品种试验鉴定与示范推广、种业信息资源共享等方面给予种业企业大力支持。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
全国政协农业和农村委员会课题组. 推进种业振兴筑牢粮食安全屏障[N]. 人民政协报,2022-04-01(1).

[2]
求是网. 习近平:下决心把民族种业搞上去[EB/OL]. http://www.qstheory.cn/zhuanqu/2022-06/19/c_1128755705.htm.

[3]
肖翠萍, 李晓云. 农作物育种产学研合作网络特征及其对种子企业技术创新绩效的影响——基于植物新品种权申请的合作网络分析[J]. 中国农村经济, 2023(5):42-60.

[4]
陈肖飞, 韩腾腾, 栾俊婉, 等. 新创企业的时空分异与区位选择——基于中国汽车制造业的实证研究[J]. 地理研究, 2021, 40(6):1749-1767.

DOI

[5]
钟业喜, 傅钰, 郭卫东, 等. 中国上市公司总部空间格局演变及其驱动因素研究[J]. 地理科学, 2018, 38(4):485-494.

DOI

[6]
刘颖, 郭琪, 贺灿飞. 城市区位条件与企业区位动态研究[J]. 地理研究, 2016, 35(7):1301-1313.

DOI

[7]
陈建军, 崔春梅, 陈菁菁. 集聚经济、空间连续性与企业区位选择——基于中国265个设区城市数据的实证研究[J]. 管理世界, 2011(6):63-75.

[8]
Martin R. Roepke lecture in economic geography—Rethinking regional path dependence:Beyond lock-in to evolution[J]. Economic Geography, 2010, 86(1):1-27.

[9]
Gordon I R, McCann P. Innovation,agglomeration,and regional development[J]. Journal of Economic Geography, 2005, 5(5):523-543.

[10]
李小建, 胡雪瑶. 中国公司地理研究进展及特色凝练[J]. 经济地理, 2021, 41(10):33-41.

DOI

[11]
李二玲. 中国农业产业集群演化过程及创新发展机制——以“寿光模式”蔬菜产业集群为例[J]. 地理科学, 2020, 40(4):617-627.

DOI

[12]
Feldman M, Francis J, Bereovitz J. Creating a cluster while building a firm:Entrepreneurs and the formation of industrial clusters[J]. Regional Studies, 2005, 39(1):129-141

[13]
Giuliani E. The selective nature of knowledge networks in clusters:Evidence from the wine industry[J]. Journal of Economic Geography, 2007, 7(2):139-168.

[14]
王浩然, 王玉华, 刘笑含, 等. 中国有机农业企业基地的空间依赖性与影响因素分析——以四川省为例[J]. 中国农业资源与区划, 2023, 44(12):67-76.

[15]
杨明洪, 孙继琼. 农业产业化发展的空间分布与影响因素分析——以农业产业化国家重点龙头企业为例[J]. 财经科学, 2008(7):103-110.

[16]
熊友云, 张明军, 刘园园, 等. 中国农业产业化龙头企业空间分布特征——以国家级重点龙头企业为例[J]. 地理科学进展, 2009, 28(6):991-997.

[17]
马仁锋, 刘丽东, 伍灵芝, 等. 青藏地区农牧企业区位特征变化及影响因素[J]. 经济地理, 2022, 42(12):133-141.

DOI

[18]
Donovan J, Rutsaert P, Domínguez C, et al. Correction to:Capacities of local maize seed enterprises in Mexico:implications for seed systems development[J]. Food Security, 2022, 14(2):509-529.

[19]
Win M T, Maredia M K, Boughton D. Farmer demand for certified legume seeds and the viability of farmer seed enterprises:Evidence from Myanmar[J]. Food Security, 2023, 15(2):555-569.

[20]
Tripp R, Rohrbach D. Policies for African seed enterprise development[J]. Food Policy, 2001, 26 (2):147-161.

[21]
David S. Farmer seed enterprises:A sustainable approach to seed delivery?”[J]. Agriculture and Human Values, 2004, 21 (4):387-397.

[22]
Qaim M. Role of new plant breeding technologies for food security and sustainable agricultural development[J]. Applied Economic Perspectives and Policy, 2020, 42(2):129-150.

[23]
李万君, 胡春红, 李艳军. 规模化还是多元化,抑或二者并举?——种子企业技术创新能力提升路径的实证分析[J]. 中国农村经济, 2021(5):102-123.

[24]
李万君, 李艳军, 李婷婷, 等. 政府支持如何影响种子企业技术创新绩效?——基于政策、组织和市场异质性的分析[J]. 中国农村经济, 2019(9):104-123.

[25]
侯军岐. 我国种业企业核心竞争力及其培育[J]. 西北农林科技大学学报:社会科学版, 2016, 16(4):116-122.

[26]
胡国建, 陆玉麒, 胡舒云. 顾及企业注册地址的区位理论研究[J]. 地理研究, 2022, 41(2):580-595.

DOI

[27]
蒋辉, 刘兆阳. 中国农业产业化龙头企业空间分布特征及其影响因素[J]. 吉首大学学报:社会科学版, 2020, 41(6):94-101.

[28]
吕大国, 耿强, 简泽, 等. 市场规模、劳动力成本与异质性企业区位选择——中国地区经济差距与生产率差距之谜的一个解释[J]. 经济研究, 2019, 54(2):36-53.

[29]
张婧, 李诚固, 周国磊, 等. 长春市公共服务设施用地演变格局与机制[J]. 地理学报, 2015, 70(12):1939-1952.

DOI

[30]
崔之珍, 李二玲, 刘晨光. 黄河流域绿色农业专业村的时空演变及机制[J]. 经济地理, 2021, 41(12):158-166.

DOI

[31]
蒋正云, 刘庆芳, 宋金平. 中国区域经济韧性的格局特征及演化机制[J]. 经济地理, 2023, 43(6):1-12.

DOI

[32]
赵静平, 卢明华, 刘汉初. 北京上市公司总部空间分布特征及影响因素[J]. 经济地理, 2020, 40(1):12-20.

DOI

[33]
肖凡, 王姣娥, 黄宇金, 等. 中国高新技术企业分布影响因素的空间异质性与尺度效应[J]. 地理研究, 2022, 41(5):1338-1351.

DOI

[34]
梁琦, 陈强远, 王如玉. 异质性企业区位选择研究评述[J]. 经济学动态, 2016 (4):126-139.

[35]
杨晓, 刘爱民, 薛莉, 等. 主要国家大豆压榨企业布局特征及其成因——以美国、巴西、中国为例[J]. 资源科学, 2018, 40(10):1931-1942.

DOI

Options
文章导航

/

〈 〉