EN中文

经济地理 >

2024 , Vol. 44 >Issue 8: 126 - 136

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.08.015

产业经济与创新发展

北京高新技术企业分布特征及其影响因素

  • 周霞 ,
  • 杨仕恩 , ※
展开
  • 北京建筑大学 城市经济与管理学院，中国 北京 100044
※ 杨仕恩（1989—），男，博士研究生，研究方向为国土空间规划。E-mail：

周霞（1975—），女，博士，教授，研究方向为区域经济。E-mail：

收稿日期: 2024-01-15

  修回日期: 2024-07-09

  网络出版日期: 2024-09-23

基金资助

国家自然科学基金青年项目(72203018)

北京市社会科学基金项目(19GLB016)

北京建筑大学2024年度博士研究生科研能力提升项目(DG2024032)

收起

Distribution Characteristics and Influencing Factors of High-tech Enterprises in Beijing

  • ZHOU Xia ,
  • YANG Shien , ※
Expand
  • School of Urban Economics and Management，Beijing University of Civil Engineering and Architecture，Beijing 100044，China

Received date: 2024-01-15

  Revised date: 2024-07-09

  Online published: 2024-09-23

Fold

摘要

高新技术企业已成为区域创新活动的重要载体，具有空间集聚特征。文章利用空间自相关、核密度分析、标准差椭圆和MGWR模型等方法对2000—2023年北京高新技术企业分布特征、演变格局及影响因素进行了分析与探讨。结果表明：①北京高新技术企业空间自相关性先增强后减弱，整体空间格局变化较小且趋向稳定发展；不同类型企业呈现出明显的集聚特征，并都有其特定的高密度集聚区域。②MGWR模型可以在不同的空间尺度上调整权重，更精细地揭示高新技术企业在不同尺度上的异质性。③不同因素对高新技术企业分布作用强度不同且在空间上具有异质性，MGWR模型全局影响因素回归结果与分类型结果存在显著差异。研究成果可为政府和企业制定科学合理的产业规划和创新政策提供科学依据。

关键词： 高新技术企业; 集聚; 高校与科研院所; 办公出租市场; 交通; 生活服务; 空间布局

本文引用格式

周霞 , 杨仕恩 . 北京高新技术企业分布特征及其影响因素[J]. 经济地理, 2024 , 44(8) : 126 -136 . DOI: 10.15957/j.cnki.jjdl.2024.08.015

Abstract

High-tech enterprises have become important drivers of regional innovation activities,exhibiting spatial agglomeration characteristics. This study utilizes methods such as spatial autocorrelation,kernel density analysis,standard deviation ellipse,and multiscale geographic weighted regression(MGWR) model to investigate the distribution characteristics and influencing factors of high-tech enterprises in Beijing. The results indicate that: 1) The spatial autocorrelation of high-tech enterprises in Beijing initially increased and then weakened,with the overall spatial pattern showing little change and trending towards a stable stage of development. Different types of enterprises exhibited distinct clustering characteristics and each had their specific high-density clustering areas. 2) The multiscale geographic weighted regression model can adjust weights at different spatial scales,revealing the heterogeneity of high-tech enterprises at various scales more precisely. 3) Various factors exerted varying degrees of influence on the distribution of high-tech enterprises,displaying spatial heterogeneity. There were significant differences between the regression results of the MGWR model's global influencing factors and those obtained from classifying the enterprises by type. The research findings can provide a scientific basis for governments and enterprises to formulate scientific and reasonable industrial planning and innovation policies,guiding the high-quality development of the urban economy.

Key words： high-tech enterprises; clustering; universities and research institutes; office rental market; transportation; life service; spatial layout

创新作为引领发展的第一动力，以高质量创新带动高质量发展成为国家经济建设的主旋律[1]。高新技术企业是高新技术产业的主体和核心[2]，是高质量创新的重要载体和推动力，承担着科技成果转化为经济效益的重要使命。根据《中国火炬统计年鉴》，2010—2022年中国高新技术企业从3.19万家增加至39.45万家，数量增长超11倍，发展态势迅猛，高新技术企业已成为推动中国经济高质量发展的重要力量。然而，受地方创新体系、科研机构分布、科技政策、市场需求和人才引进等多方因素的影响，高新技术企业并非均匀分布于各地，而是呈现出一定的集聚趋势。因此，深入研究高新技术企业在特定地理空间的分布特征，探讨其影响因素，对优化产业结构、提升区域创新能力、推动创新链条协同、促进经济可持续发展具有重要价值。
学术界对高新技术企业分布特征及其影响因素的研究已有丰富成果，这些研究不仅涵盖了国家、地区、城市等多个尺度，还采用了多种空间定性与定量分析方法。在国家尺度中，Fornahl等对德国的技术领域进行了深入分析，揭示了集中工业活动、主导企业作用等因素对地理空间聚集的影响[3]；肖凡等以中国215791家高新技术企业为基础数据，刻画了以“北上广深”为首位中心、以成渝与区域性中心城市为次位中心高度集聚的中国高新技术企业空间分布格局[4]；王振坡等基于我国35个大中城市分析了高新技术企业选址的影响因素[5]。在地区尺度中，Keeble[6]、Saxenian[7]、Frenkel[8]等国外学者分别对英国剑桥地区、美国硅谷和128公路、以色列北部地区的高新技术企业集聚现象进行了实证研究，进一步丰富了我们对这一领域的认识；Arauzo-Carod等分析了聚集经济对大都市区内新兴企业区位选择所产生的影响[9]；沈娉等[10]、闫东升等[11]分别以珠三角地区、长三角地区为研究对象，分析了高新技术企业时空演变的内生逻辑。在城市尺度，Arbia等对意大利米兰高科技产业空间进行实证分析，揭示了经济空间的非同质性，强调了空间异质性与空间依赖性的重要程度[12]；Cao等认为城市产业的区位格局反映了以可持续发展为条件的特定阶段的产业结构调整和空间转型[13]；余颖等发现深圳高新电子信息企业空间格局经历了“集聚—分散—集聚”的变化过程，园区政策、产业集聚是影响企业分布的关键因子[14]；吴素春以武汉为例，发现高新技术企业存在内密外疏圈层分布模式，与科技资源具有极强的空间耦合性[15]。从研究方法上看，同样展现出了多样性。王铮等通过定性研究，强调了政府在高科技产业空间演变中的关键作用[16]；刘青等基于EDSA技术发现，在深圳市2472家高新技术企业中，大型企业、电子信息企业主导集聚但无创新集聚效应[17]；张鹏等采用空间常系数与变系数模型研究了全国31个省份的高新技术产业发展影响因素[18]；祝美琪等运用探索性空间数据分析与多元线性回归模型分析了上海5个新城的高新技术企业时空分布特征及影响因素，发现了从离散向“单核多节点—环绕中心城区外围”分布的演变模式[19]；陈家祥、刘婧、管曼玲等使用地理加权回归模型，分别对南京市新一代信息技术企业和南京城区创新空间进行了分布特征和影响因素研究，发现产业基础、生产服务、公共服务、生活服务等因素影响显著并存在空间异质性[20-22]。另外，在关于北京地区各类企业的研究中，学者们分别对独角兽企业[23]、物流企业[24]、批发企业[25]、制造业企业[26]以及中央商务区企业[27]的空间格局演化及其影响因素进行了研究，王缉慈、Zhang等对市域范围内的高新技术企业分布特征开展了研究[28-29]，为进一步研究北京高新技术企业的分布及其发展规律提供了重要参考。
综上所述，学术界对高新技术企业分布特征及影响因素的研究虽然涉及多个尺度并采用了多样化的研究方法，但在中微观城市尺度下的研究仍显不足，研究的深度和精度有待进一步提升。北京作为国家的科技中心，其高新技术产业在全国乃至全球都占据重要地位，对北京的高新技术企业分布特征及影响因素进行深入研究，具有重要的现实意义和理论价值。然而，目前学界对北京高新技术企业分布特征及影响因素的研究所使用的数据相对陈旧，主要停留在2010年以前，且数据量偏小。随着北京高新技术企业的数量在10多年间呈现出爆发式增长，其空间结构亦在持续变化。因此，对北京高新技术企业进行更全面的研究显得尤为迫切。得益于最新统计数据的发布，可以对不同类型的高新技术企业空间分布及影响因素进行更为细致的分析。因此，本文从地理学视角，探讨北京高新技术企业分布特征，利用地理加权回归模型分析影响因素，以期为政府和企业制定科学合理的产业规划和创新政策提供科学依据，从而促进城市经济高质量发展。

1 研究区概况

近年来，北京市政府大力推动科技创新，区域内高新技术企业数量快速增加。截至2022年，北京高新技术企业数量2.57万家，营业收入和工业总产值分别达到5.77万亿和1.04万亿元。其中，北京市六环内区域是北京主要的经济活动区，拥有丰富的科技资源和人才优势，形成了多个高新技术产业集聚区，高新技术企业数量占全市总数的70%，因此，将此区域内的高新技术企业作为研究对象，具有较强的代表性。此范围涵盖东城、西城、海淀、朝阳、石景山、丰台、房山、大兴、门头沟等9个行政区。

2 数据与方法

2.1 数据来源与处理

本文中的高新技术企业名单来自北京市科学技术委员会官网于2023年9月公布的《高新技术企业名单（截至2023年7月）》，包含30399条企业信息，属性字段包括序号、法人代码、法人单位名称、所属园区、所属技术领域。所属技术领域中包含电子与信息、先进制造技术、生物工程和新医药、新能源与高效节能技术、环境保护技术、新材料及应用技术、航空航天技术、现代农业技术动植物优良新品种、核应用技术、海洋工程技术、与上述十大领域配套的相关技术产品以及适合首都经济发展特点的其他高新技术及其产品11个类别。首先将此名单中的法人单位名称与企查查网站中的企业名称进行匹配，获取各企业注册地址、经营状态（存续）和成立日期等信息，继而通过百度地图API获取空间地理坐标，在ArcGIS Pro3.0.1软件中将企业空间地理坐标与北京六环区域进行空间叠加，最终得到符合研究条件的企业数量共20522家。各类POI数据通过百度地图API接口获取，办公出租信息通过链家网获取。GDP网格数据[30]以及人口规模网格数据[31]来源于中国科学院资源环境科学与数据中心。本文使用等面积空间网格法，通过对比500 m、1000 m和1500 m不同尺度下的高新技术企业空间集聚特征，发现在1000 m网格尺度下的分析结果更加符合现实状态。因此，本文最终以1 km×1 km的网格作为基本研究单元。通过ArcGIS Pro3.0.1进行空间连接处理，将各项研究数据属性匹配到格网。

2.2 研究方法

①空间自相关。空间自相关是一种研究空间依赖性的统计方法，用于确定空间位置上的数据点之间的相互关系。空间自相关可用来分析企业分布的集聚现象，确定企业集中分布区，以及区域之间的关联程度，为后续影响因素研究提供基础。
②核密度分析。核密度分析是一种可视化方法，用于展示数据点在空间上的分布密度，可展示高新技术企业分布的密集区域和稀疏区域，揭示企业分布的不均衡性，从而更深入地理解其分布特征。
③标准差椭圆。标准差椭圆是一种描述数据点分布形态的图形工具，它通过计算数据点在不同方向上的标准差来展示数据的离散程度和方向趋势，揭示企业在不同方向上的分布差异和方向特征。
④MGWR模型。MGWR模型（多尺度地理加权回归模型）是一种多变量空间回归模型，用于分析空间数据的多个变量之间的相互关系，可用于探讨不同因素对企业分布的影响程度和影响方式[32]。

3 分布及演变特征

3.1 空间分布特征

利用ArcGIS软件对2000、2010和2023年企业数量进行点密度分析，得到北京高新技术企业的分布情况（图1）。其中，2000年北京高新技术企业数量为1170家，除中关村核心区呈现出明显的集聚趋势外，望京、上地、总部基地和北京经济技术开发区等区域也呈现出类似的集聚发展态势，初步形成了多点集聚发展的空间格局；2001—2010年企业数量稳步扩张，2010年达7000家；2011—2020年北京高新技术产业经历了迅猛的发展，企业数量急剧增长，2020年增加到18991家，集聚现象愈发显著；2021—2023年企业数量增速有所放缓，2023年增加至20522家，但集聚特征未发生根本性改变。同时，在行政区层面企业分布也呈现不均衡特征。其中，海淀区作为北京的教育科研中心，高新技术企业数量占据首位，占比44.89%；顺义区（0.94%）、通州区（0.69%）、门头沟区（0.23%）等相对偏远的区域，高新企业数量占比均不足1%。
图1 北京市六环内高新技术企业分布演变

Fig.1 Distribution of high-tech enterprises within the Sixth Ring Road of Beijing

3.2 空间演变特征

3.2.1 全局空间演变特征

根据各网格内的高新技术企业分布数量，计算得出北京高新技术企业6个时间节点的莫兰数值稳定保持在0.2以上，p值均为0，在1%条件下显著。表1结果表明，2000—2023年北京高新技术企业呈现显著的空间集聚特征且经历了先增强后减弱的变化过程。具体来说，2000—2010年莫兰值呈上升趋势，北京高新技术企业的空间格局逐渐趋向于集聚；2011—2023年，伴随着企业数量的爆发式增长，莫兰值却不断下降，尽管空间集聚的显著性依然存在，但空间集聚趋势正在减弱，这预示着高新技术企业的空间分布趋于随机或分散，新的企业和创新活动在更广泛的地理范围内出现，减少了对特定集聚区域的过度依赖，北京市六环内的经济发展正逐渐趋向均衡。
表1 北京市六环内高新技术企业全局自相关情况统计

Tab.1 Statistical table of Global autocorrelation of high-tech enterprises within the Sixth Ring Road of Beijing

指标 2000年 2005年 2010年 2015年 2020年 2023年
Moran's I 0.249697 0.275501 0.279772 0.246650 0.224375 0.209507
E（I） -0.000063 -0.000063 -0.000063 -0.000063 -0.000063 -0.000063
方差 0.000031 0.000031 0.000031 0.000030 0.000029 0.000028
Z score 44.818573 49.829109 50.515573 45.065941 41.725186 39.675215
P-value 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000

3.2.2 局部空间演变特征

为深入了解北京高新技术企业的局部空间关系，以及高、低值的分布特征，使用ArcGIS软件计算高新技术企业的Getis-Ord Gi*值，通过自然间断点法，将G值划分成7级，以刻画局部空间格局。图2结果显示：①北京高新技术产业空间格局趋向稳定，空间分布呈现出多中心结构。2000—2023年研究区内高新技术企业均为热点区域集聚，主要集中在西北方向的中关村核心区、西二旗以及海淀山后地区，西部的中关村石景山园区，西南方向的丰台总部基地，东北方向的望京—酒仙桥区域，东南方向的北京经济技术开发区。②不同区域的热点范围呈现出不同的变化态势，包括收缩、稳定扩张、带状增长、面状扩张等，显示出企业发展的多样性和动态性。具体地，西北二环到西北五环之间的中关村核心区域热点范围逐渐收缩，西二旗热点区域稳定并不断向东侧的西三旗扩张，海淀山后热点区域呈现东西向带状增长，丰台总部基地一直处于热点区域，北京经济技术开发区范围内热点区域由东北部向西南部逐渐扩散，望京—酒仙桥区域呈现面状扩张态势。此外，南部的北京大兴经济开发区、东南六环的良乡工业园区也逐渐呈现出局部热点范围。③研究区内几乎无冷点范围。主要原因是在非热点区域内，企业分布较为均匀，没有显著的低值区。
图2 北京市六环内高新技术企业热点分布演变

Fig.2 Evolution of hot spots of high-tech enterprises within the Sixth Ring Road of Beijing

本文的高新技术企业共有11个类别，其中核应用技术类企业32家、海洋工程技术类企业9家，这两类企业数量较少，在空间分布上具有较大的随机性。因此，本文主要聚焦于其余9类数量较多的企业展开讨论。

3.3.1 不同类型高新技术企业空间分布特征

首先利用ArcGIS软件中的核密度工具进行绘图（图3），然后结合2023年企业数量，分析不同类型高新技术企业的空间特征。由图3a~图3j对比发现：①不同类型的高新技术企业在空间上呈现出明显的集聚特征，每个类型企业都有其特定的高密度集聚区域，并且与所在区域经济发展特点密切相关。如电子与信息类企业，在北京市高新技术产业发展过程中占据主导地位，主要集中在高校和科研机构富集的海淀区，尤其是中关村核心区域；而北京经济技术开发区则更适合先进制造技术、生物工程和新医药、新能源与高效节能技术等类型的高新技术企业的成长。②从企业类型的丰富度看，海淀区和丰台区几乎涉及所有类型高新技术企业，特别是海淀区的中关村核心区和丰台区的总部基地，这些区域对于北京市高新技术产业的发展起着关键作用。总体上，不同类型企业集聚不仅凸显了特定区域在产业发展中的重要作用，也展示了不同行业间在空间布局上的相互关联和协同效应。
图3 2023年不同类型高新技术企业核密度分布

Fig.3 Distribution of kernel density of high-tech enterprises by type

3.3.2 不同类型高新技术企业空间演变特征

利用ArcGIS软件中的标准差椭圆分析2000—2023年不同类型高新技术企业的空间演变特征。结果表明：①不同类型企业在空间演变方向上展现出显著趋同性。多数高新技术企业类型，包括电子与信息、先进制造技术、生物工程与新医药、航空航天技术标准差椭圆走向呈现“西北—东南”趋势，这些类型企业在空间布局和演变上显示出高度一致性。②多个类型企业的标准差椭圆范围呈扩大趋势。如电子与信息类、新能源与高效节能技术类、生物工程与新医药类、现代农业技术类，其中，电子与信息类企业和生物工程与新医药类企业扩张趋势最为明显，这进一步印证了高新技术企业在空间发展上的相互关联性和协调性。③不同类型企业的集聚区域稳定性与变动性共存。椭圆中心位置变化显示，一些类型的企业集聚区域，如电子与信息类、先进制造技术类和新能源与高效节能技术类企业保持相对稳定；而另一些企业，如生物工程与新医药类、现代农业技术类企业的集聚区域则显示出明显的变动性，这表明不同行业内部结构的调整或新的增长点的出现，带来了不同的空间扩张模式。

4 影响因素

4.1 影响因素筛选

高新技术企业选址是政策、区位、环境和人才等众多因素交织影响下的综合决策结果，其中，政策要素在高新技术企业的布局中具有关键作用，众多文献对此已形成共识，北京尤为明显，故对此暂不展开讨论。参考已有文献[33-34]，本文主要聚焦于公共服务和基础设施供给的角度，结合北京高新技术企业的独特特征，从投资基础、生产服务、交通服务、公共服务、生活服务5个核心维度进行分析。①投资基础：包括GDP规模、人口规模、办公出租信息数量、办公出租价格4项指标。其中，GDP规模和人口规模是区域经济活力和发展潜力的代表，是吸引企业投资的重要因素；办公出租信息数量和办公出租价格可以反映一个地区的商业环境和房地产市场的活跃程度，有助于判断企业在此设立的意愿。②生产服务：包括高校及科研机构距离、金融保险法律等咨询服务数量2项指标。其中，高校及科研机构距离能够体现一个地区的科技资源和研发能力，对于高新技术企业尤为重要；金融保险法律等咨询服务数量可以反映一个地区的金融环境和法律服务水平，为高新技术企业的投融资和法律事务提供支持。③交通服务：包括公交站数量、地铁站距离、高铁站距离、机场距离4项指标，可以体现一个地区的交通便捷程度和对外连接能力，影响企业的物流和人员流动。④公共服务：包括医疗服务和基础教育2项指标，可以体现社会福利水平和公共服务质量，为高新技术企业员工的家庭生活和子女教育提供保障。⑤生活服务：包括住宿服务、餐饮服务、购物服务、体育休闲服务、风景名胜5项指标，可以反映一个地区的居住环境和日常生活便利程度，影响高新技术企业员工的居住选择和生活质量（表2）。
表2 高新技术企业选址影响因素及数据来源汇总

Tab.2 Factors influencing the site selection of high-tech enterprises and their data sources

类型 影响因素 变量描述 数据来源
投资基础 GDP规模 格网内GDP总值 中国GDP空间分布公里网格数据集
人口规模 格网内的人口数量 中国人口空间分布公里网格数据集
办公出租信息数量 格网内商务楼宇办公信息条目数量 2022年12月链家办公出租信息
办公出租价格 格网内商务楼宇办公租金均价 2023年12月链家办公租金价格
生产服务 高校及科研机构距离 格网中心到最近高校或研究机构的距离 2023年北京市POI数据
金融保险法律等咨询服务数量 格网内金融保险法律等咨询服务机构的数量 2023年北京市POI数据
交通服务 公交站数量 格网内公交站数量 2023年北京市POI数据
地铁站距离 格网中心到最近地铁站距离 2023年北京市POI数据
高铁站距离 格网中心到最近高铁站的距离 2023年北京市POI数据
机场距离 格网中心到最近机场的距离 2023年北京市POI数据
公共服务 医疗服务 格网内医疗服务设施数量 2023年北京市POI数据
基础教育 格网内中学、小学数量 2023年北京市POI数据
生活服务 住宿服务 格网内酒店住宿设施数量 2023年北京市POI数据
餐饮服务 格网内餐饮设施数量 2023年北京市POI数据
购物服务 格网内超市、便利店、菜市场等购物服务设施数量 2023年北京市POI数据
体育休闲服务 格网内健身中心、酒吧、KTV等体育休闲设施数量 2023年北京市POI数据
风景名胜 格网风景名胜设施数量 2023年北京市POI数据
进一步对上述17项影响因素进行莫兰指数检验，发现均存在空间异质性特征（表3），满足地理加权回归模型的使用条件，但不能排除它们之间存在多重共线性的可能。为了有效避免各因素之间相互作用形成的偏误，需对每项影响因素逐一验证，并选择最佳影响因素作为变量构建MGWR模型。本文首先使用OLS方法将高新技术企业数量作为因变量、17项影响因素作为解释变量进行回归分析，发现GDP规模和人口规模的方差膨胀因子（VIF）数值大于7.5，意味着两项影响因素间存在多重共线性；继而删除最大值人口规模后，再次检验模型，VIF均小于5.0，最终选择剩余的16项影响因素作为解释变量进行模型构建[35]。
表3 各影响因素空间自相关结果及VIF值统计

Tab.3 Spatial autocorrelation results and VIF values of various influencing factors

影响因素 Moran's I P-value VIF
GDP规模 0.91 0.00 8.39
人口规模 0.92 0.00 12.20
办公出租信息数量 0.40 0.00 1.92
办公出租价格 0.49 0.00 1.83
高校及科研机构距离 0.99 0.00 1.11
金融保险法律等咨询服务数量 0.58 0.00 2.78
公交站数量 0.46 0.00 1.48
地铁站距离 0.96 0.00 1.22
高铁站距离 0.99 0.00 2.82
机场距离 0.99 0.00 1.03
医疗服务 0.23 0.00 1.31
基础教育 0.32 0.00 1.41
住宿服务 0.51 0.00 2.12
餐饮服务 0.47 0.00 4.70
购物服务 0.38 0.00 2.23
体育休闲服务 0.53 0.00 2.92
风景名胜 0.39 0.00 1.16

4.2 模型选择

为评估多尺度地理加权回归模型在本文中的适用性，对高新技术企业分布数量及其影响因素分别采用OLS、GWR及MGWR进行模型运算，结果见表4。3组数据中，拟合优度R2呈递增趋势，而AICc值为下降趋势。调整后的MGWR模型的R2值达到0.67，在3个模型中拟合度最佳，相较于传统的GWR模型，MGWR模型全面考虑了各变量的作用范围，有助于更深入地了解各影响因素的空间作用表现，故选取MGWR模型进一步探究影响北京高新技术企业空间集聚的因素。
表4 OLS、GWR、MGWR模型结果对比

Tab.4 Results comparison of OLS，GWR，and MGWR models

模型 R2 调整R2 AICc
OLS 0.44 0.43 36923.57
GWR 0.56 0.52 34752.54
MGWR 0.69 0.67 7346.51

4.3 MGWR模型结果与分析

MGWR模型结果分析主要从全局和不同企业类型两个视角展开讨论。①在全局空间分布影响因素分析中发现，不同变量的作用尺度有很大的差异（表5）。首先，高校及科研机构距离、公交站数量、地铁站距离、高铁站距离、机场距离带宽分别为97590.98、45582.20、97590.98、97590.98、45582.20，作用尺度较大，属于全局尺度，即几乎不存在空间异质性；办公出租信息数量、办公出租价格、金融保险法律等咨询服务数量、餐饮服务带宽分别为8284.61、6315.80、11292.65、12687.00，作用尺度较小，属于局部尺度，即存在较大的空间异质性。其次，标准差指标能够度量高新技术企业分布中各个变量对不同区域影响的离散程度，标准差越大说明区域间的差异越明显，办公出租信息数量、办公出租价格、金融保险法律等咨询服务数量对高新技术企业分布的影响在空间上差异很大。②在不同类型高新技术企业空间分布影响因素分析中发现，各类型高新技术企业受到的影响不尽相同（表6）。其中，办公出租信息数量、价格和高校及科研机构距离等因素对电子与信息、先进制造技术、生物工程和新医药、新能源与高效节能技术、环境保护技术、新材料及应用技术等类型企业均具有局部显著影响，与全局性分析结果基本一致；而在公共服务、生活服务方面与全局分析结果不同，不同类型企业呈现出局部显著的影响因素，这有助于进一步理解高新技术企业空间分布影响因素的作用效果。
表5 全局空间分布影响因素的MGWR模型回归结果

Tab.5 MGWR model regression results of global spatial distribution factors

解释变量 显著（要素百分比） 平均值 标准差 带宽（范围百分比）
GDP规模 0（0.00） -0.0186 0.0000 97590.98（100.00）
办公出租信息数量 1750（43.59） 0.8145 1.2840 8284.61（8.49）
办公出租价格 436（10.86） 0.1502 0.2143 6315.80（6.47）
高校及科研机构距离 4015（100.00） 0.1094 0.0090 97590.98（100.00）
金融保险法律等咨询服务数量 739（18.41） 0.0923 0.1777 11292.65（11.57）
公交站数量 3871（96.41） 0.0636 0.0156 45582.20（46.71）
地铁站距离 4015（100.00） -0.0569 0.0007 97590.98（100.00）
高铁站距离 4015（100.00） -0.0960 0.0003 97590.98（100.00）
机场距离 4015（100.00） 0.1923 0.0552 45582.20（46.71）
医疗服务 0（0.00） 0.0123 0.0006 97590.98（100.00）
基础教育 0（0.00） 0.0229 0.0006 97590.98（100.00）
住宿服务 0（0.00） 0.0070 0.0006 97590.98（100.00）
餐饮服务 796（19.83） 0.0258 0.1439 12687.00（13.00）
购物服务 0（0.00） 0.0525 0.0006 97590.98（100.00）
体育休闲服务 0（0.00） 0.0040 0.0410 97590.98（100.00）
风景名胜 0（0.00） 0.0030 0.0003 62262.19（63.80）
表6 不同类型高新技术企业空间分布影响因素的MGWR模型回归结果

Tab.6 MGWR model regression results of factors affecting spatial distribution of different types of high-tech enterprises

解释变量 电子
信息		 先进
制造		 生物
医药		 新能源 环境
保护		 新材料 航空
航天		 现代
农业		 其他
GDP规模 ○ ○ ○ ○ ○ ○ ○ ○ ○
办公出租信息数量
办公出租价格 ●
高校及科研机构距离
金融保险法律等咨询服务数量 ●
公交站数量 ● ● ●
地铁站距离 ○ ○ ○ ○ ○ ○ ○
高铁站距离 ● ● ○ ○ ○ ● ○ ● ●
机场距离 ● ● ● ● ● ● ● ● ●
医疗服务 ○ ● ○ ○ ○
基础教育 ○ ○ ○ ○ ○ ○
住宿服务 ○ ○ ○ ○ ○
餐饮服务 ○ ○ ○
购物服务 ○ ○ ○ ○ ○ ○ ○
体育休闲服务 ○ ○ ○ ○ ○
风景名胜 ○ ○

注：●全局显著影响， 局部显著影响，○无显著影响；为方便表达，本表对各类型名称使用简称。

首先，投资基础方面，办公出租市场的活跃度对高新技术企业分布形成显著影响。①从全局看，办公出租信息数量对高新技术企业的分布影响强度最高，主要影响区域在中关村核心区、海淀山后地区、丰台总部基地、望京等（图4a），其办公出租信息数量越多，高新技术企业分布数量越多，高新技术企业在某一区域形成集聚，会带动更多类似企业进驻，从而增加了对办公场所的需求，促使地区房地产开发商提供更多的办公出租选择。②办公出租价格对高新技术企业分布的影响呈现中心—外围结构，显著正向影响主要集中在丰台总部基地、北京经济技术开发区、中关村石景山园、西二旗、海淀山后地区等四环外区域（图4b），其办公出租价格越低，高新技术企业分布数量越多，在这些区域，政府为吸引企业投资和发展提供了税收减免、租赁优惠等政策和资源支持，办公出租价格相对较低，从而为企业提供了更加有利的发展环境。③从不同类型看，办公出租信息数量和价格对大多数类型的高新技术企业分布有局部显著影响，表明企业在选址时会考虑办公空间的可用性和成本，对于需要灵活和成本效益高的办公空间的高新技术企业，如电子与信息、先进制造和生物医药等，办公出租市场的供应量和价格是重要的考量因素。这些企业倾向于选择办公空间供应充足且价格合理的地区，以降低运营成本并提高企业的灵活性。
图4 全局空间影响因素的显著性分布

Fig.4 Significance distribution of global spatial influencing factors

其次，生产服务方面，人才资源、科创资源和咨询服务对高新技术企业的分布具有重要影响。①从全局看，高校及科研机构距离对高新技术企业的分布具有显著正向影响，距离高校及科研机构越近的区域，高新技术企业分布越多（图4c），因为高校和科研机构所在地是人才聚集的地方，高新技术企业在这些地区可以更容易地招聘到优秀人才，同时它们拥有丰富的科研资源，能为企业提供先进的科技成果和研发支持。②金融保险法律等咨询服务数量对中关村核心区、丰台总部基地的高新技术企业分布产生了显著正相关影响（图4d），高新技术企业在创新和运营过程中通常需要知识产权保护、融资以及合同法律事务等咨询服务，中关村核心区和丰台总部基地的金融保险法律等咨询服务机构聚集，形成了地域性的服务网络和产业集群，这种聚集效应使高新技术企业更容易找到合作伙伴和供应商，降低交易成本。③从不同类型看，人才资源、科创资源和咨询服务的可获取性对大多数类型的高新技术企业分布都有局部显著影响。
再次，交通服务方面，可达性较高的区域对高新技术企业表现出强烈的吸引力。公交站数量、地铁站距离、高铁站距离和机场距离对高新技术企业分布的影响呈现全局显著性（图4e~图4h），不同交通方式对不同类型企业的影响具有明显的异质性。其中，公交站数量对全行业类型都有局部或者全局显著影响，良好的公共交通连接对企业的吸引力较大，尤其是在电子与信息、先进制造和新能源等行业。高新技术企业的员工通常对时间较为敏感，而地铁站距离较远意味着更多的时间成本，对员工的工作效率和生活质量产生负面影响。高铁站距离对电子信息、先进制造和新材料企业有显著影响，表明对于需要快速连接国内主要城市和市场的企业，高铁的便捷性是一个关键因素，高铁网络的接入可以大幅提高企业的商务旅行效率和市场响应速度。机场距离对所有类型的高新技术企业均有显著影响，这强调了机场对于企业全球连接性的重要性，对于需要频繁进行国际交流和合作的企业，如电子信息和航空航天行业，机场的近距离可以显著提高企业的国际竞争力和市场准入能力。
最后，公共服务与生活服务方面，全局回归结果与分类型回归结果存在显著差异。全局看，医疗服务、基础教育、生活服务、住宿服务、餐饮服务、购物服务、体育休闲服务和风景名胜对高新技术企业分布的影响较小。其中，仅有餐饮服务在中关村核心区形成了显著的正向影响（图4i），其他解释变量对高新技术企业分布未形成显著影响。然而从诸多文献研究结果看，生态环境和生活质量的高低对高新技术企业的分布有一定的吸引力，从不同类型企业深入分析发现，尤其是餐饮服务、体育休闲服务和风景名胜3个影响因素的作用强度存在差异。对于餐饮服务的正向影响反映了高新技术企业在选址时更注重园区内的餐饮设施配套服务；体育休闲服务和风景名胜因素对多数高新技术企业的空间分布有局部显著影响，如电子信息和新能源行业，优美的生态环境和丰富的休闲设施是重要的考量因素。这些因素不仅提升了员工的满意度和生活质量，也有助于企业吸引和保留人才。

5 结论和建议

5.1 结论

本文以北京市六环以内的20522家高新技术企业为样本，探讨了企业分布的空间自相关特征，同时引入多尺度地理加权回归模型综合分析了5类17项因素对企业分布的影响。得出结论如下：①北京高新技术企业空间布局呈现集聚特征但在各行政区分布不均，集中分布于中关村核心区、西二旗、望京—酒仙桥、丰台总部基地以及北京经济技术开发区等区域；企业集聚趋势先增强后减弱，预示着新企业选址减少了对特定集聚区的依赖，北京六环内的经济发展正趋向均衡；不同类型企业都有其特定的高密度集聚区域，并在空间演变方向上展现出显著趋同性。②相较于OLS和GWR模型，MGWR模型使用了自适应核函数，可以在不同的空间尺度上调整权重，适应不同的地理区域特征，能更精细地揭示高新技术企业在不同尺度上表现出的复杂结构和异质性。③通过MGWR模型分析发现，办公出租信息数量、办公出租价格对高新技术企业分布具有显著的空间异质性，人才资源、科创资源和咨询服务丰富的区域以及可达性较高的区域对高新技术企业表现出强烈的吸引力，而公共服务和生活服务对不同类型的高新技术企业的影响则不尽相同。

5.2 建议

根据上述结论，针对北京高新技术企业的发展路径，本文提出以下几点建议：①优化空间布局。鉴于高新技术企业存在明显的空间集聚现象，且集聚趋势先增强后减弱，政府主管部门应通过政策引导和支持，鼓励高新技术企业在六环内外更广泛区域布局，减少对特定区域的过度依赖，促进区域经济均衡发展。②提升办公出租市场活跃度。政府主管部门应鼓励房地产开发商增加办公出租市场的供应，特别是在中关村核心区、海淀山后地区、丰台总部基地和望京等高新技术企业集聚区域，适度控制租金水平，以吸引更多高新技术企业进驻。此外，可进一步推行租赁优惠和税收减免等政策，降低企业运营成本，促进高新技术企业集聚。③优化生产服务资源配置。增加高校及科研机构周边的高新技术企业配套设施，利用高校和科研机构的人才和科研资源优势，促进企业与高校和科研机构的合作；加强中关村核心区和丰台总部基地的金融、法律、保险等咨询服务网络建设，进一步提升这些区域的服务能力，为高新技术企业提供全方位的支持，降低企业的交易成本和运营风险。④改善交通服务条件。提升公交站点覆盖率，特别是在高新技术企业密集的区域，确保员工通勤便利；加强地铁和高铁网络建设，尤其是在电子信息、先进制造和新材料等需要快速连接市场和城市的企业集聚区，提升交通便捷性；优化机场周边的基础设施，提供便捷的机场交通服务，支持企业的国际化发展。⑤加强公共服务与生活服务配套。提升高新技术企业聚集区的餐饮服务质量和数量，为企业员工提供便利的就餐选择；改善体育休闲设施和生态环境，建设高品质的工作和生活环境，吸引和保留高端人才；注重生活服务的多样化和便捷性，提升医疗、教育、住宿、购物等服务水平，为企业员工提供全面的生活保障。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
李煜华, 张云飞. 创新生态系统视角下高技术产业创新质量提升组态路径研究[J]. 科技进步与对策, 2024, 41(15):138-148.

[2]
Martin R, Sunley P. Deconstructing clusters:Chaotic concept or policy panacea?[J] Journal of Economic Geography, 2003, 3(1):5-35.

[3]
Fornahl D, Brenner T. Geographic concentration of innovative activities in Germany[J]. Structural Change and Economic Dynamics, 2009, 20(3):163-182.

[4]
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

[5]
王振坡, 段思洁, 宋顺锋. 我国高新技术企业选址的影响因素研究——基于35个大中城市的实证分析[J]. 城市发展研究, 2020, 27(9):122-131.

[6]
Keeble D E. High-technology industry and regional development in Britain:The case of the Cambridge phenomenon[J]. Environment and Planning C:Government and Policy, 1989, 7(2):153-172.

[7]
Saxenian A L. Inside-out:Regional networks and industrial adaptation in Silicon Valley and Route 128[J]. Cityscape, 1996, 2(2):41-60.

[8]
Frenkel A. Why high-technology firms choose to locate in or near metropolitan areas[J]. Urban Studies, 2001, 38(7):1083-1101.

[9]
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.

[10]
沈娉, 陈丹阳, 张嘉颖, 等. 珠三角地区高新技术企业分布的时空演变特征研究[J]. 城市规划学刊, 2023(3):100-109.

[11]
闫东升, 巫强. 长江三角洲高新技术企业增长时空格局与驱动因素研究[J]. 南通大学学报:社会科学版, 2020, 36(4):41-49.

[12]
Arbia G, Espa G, Giuliani D, et al. Clusters of firms in an inhomogeneous space:The high-tech industries in Milan[J]. Economic Modelling, 2012, 29(1):3-11.

[13]
Cao W, Li Y, Cheng J, et al. Location patterns of urban industry in Shanghai and implications for sustainability[J]. Journal of Geographical Sciences, 2017, 27(7):857-878.

DOI

[14]
余颖, 刘青, 李贵才. 深圳高新电子信息企业空间格局演化及其影响因素[J]. 世界地理研究, 2020, 29(3):557-567.

DOI

[15]
吴素春. 科技资源密集型城市高新技术企业空间分布研究——以武汉市为例[J]. 湖北社会科学, 2016(3):74-82.

[16]
王铮, 赵晶媛, 刘筱, 等. 高技术产业空间格局演变规律及相关因素分析[J]. 科学学研究, 2006(2):227-232.

[17]
刘青, 李贵才, 仝德, 等. 基于ESDA的深圳市高新技术企业空间格局及影响因素[J]. 经济地理, 2011, 31(6):926-933.

[18]
张鹏, 李悦明, 张立琨. 高技术产业发展的影响因素及空间差异性[J]. 中国科技论坛, 2015(6):100-105.

[19]
祝美琪, 翟国方. 新城高新技术企业时空分异及影响因素分析——以上海五个新城为例[J]. 上海城市规划, 2021(6):134-144.

[20]
陈家祥, 王共平. 南京高新区高新技术企业的空间扩散研究[J]. 城市规划, 2007, 31(7):32-38.

[21]
刘婧, 甄峰, 张姗琪, 等. 新一代信息技术企业空间分布特征及影响因素——以南京市中心城区为例[J]. 经济地理, 2022, 42(2):114-123,211.

DOI

[22]
管曼玲, 孙世界. 城市创新空间的集聚特征及影响因素研究——以南京主城为例[J]. 城市规划, 2023, 47(12):21-31.

[23]
马腾, 李一杰, 余杰. 独角兽企业空间格局演化及其区位影响因素研究——以北京、上海、深圳、杭州为例[J]. 中国科技论坛, 2022(8):128-138.

[24]
谢永琴, 魏晓晨. 北京物流企业空间布局演化及影响因素分析[J]. 陕西师范大学学报:自然科学版, 2019, 47(2):106-115.

[25]
韩会然, 杨成凤, 宋金平. 北京批发企业空间格局演化与区位选择因素[J]. 地理学报, 2018, 73(2):219-231.

DOI

[26]
王帅, 席强敏, 李国平. 北京制造业企业对河北投资的空间特征与影响因素[J]. 经济地理, 2015, 35(4):90-98.

[27]
陈跃刚, 邓肇隆. 北京中央商务区企业分布的空间特征——以北京中央商务区16栋楼宇为例[J]. 城市问题, 2014(7):87-93.

[28]
王缉慈, 宋向辉, 李光宇. 北京中关村高新技术企业的集聚与扩散[J]. 地理学报, 1996(6):481-488.

DOI

[29]
Zhang X, Huang P, Sun L, et al. Spatial evolution and locational determinants of high-tech industries in Beijing[J]. Chinese Geographical Science, 2013, 23(2):249-260.

[30]
徐新良. 中国GDP空间分布公里网格数据集[DB/OL]. 资源环境科学数据注册与出版系统, 2017. https://www.resdc.cn/DOI/doi.aspx?DOIid=131.

[31]
徐新良. 中国人口空间分布公里网格数据集[DB/OL]. 资源环境科学数据注册与出版系统, 2017. https://www.resdc.cn/DOI/doi.aspx?DOIid=131.

[32]
沈体雁, 于瀚辰, 周麟, 等. 北京市二手住宅价格影响机制——基于多尺度地理加权回归模型(MGWR)的研究[J]. 经济地理, 2020, 40(3):75-83.

DOI

[33]
吴家权, 谢涤湘, 方远平. 珠三角城市群创新空间时空演进特征与影响因素——基于50981家高新技术企业数据的分析[J]. 城市发展研究, 2022, 29(10):34-40.

[34]
唐永伟, 唐将伟, 熊建华. 城市创新空间发展的时空演进特征与内生逻辑——基于武汉市2827家高新技术企业数据的分析[J]. 经济地理, 2021, 41(1):58-65.

DOI

[35]
凡来, 张大玉. 北京街区活力影响机制及空间分异特征研究——基于多尺度地理加权回归[J]. 城市规划, 2022, 46(5):27-37.

Options
文章导航

/

〈 〉