EN中文

经济地理 >

2024 , Vol. 44 >Issue 10: 117 - 125

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.10.012

产业经济与创新发展

长三角地区智能设备制造业空间布局演化及影响因素

  • 朱彬 , 1 ,
  • 关京武 , 2, ※ ,
  • 尹旭 3
展开
  • 1.南京晓庄学院 旅游与社会管理学院，中国江苏 南京 211171
  • 2.中国人民银行宿迁市分行，中国江苏 宿迁 223800
  • 3.中国人民银行江苏省分行，中国江苏 南京 210004
※关京武（1996—），男，硕士，研究方向为空间统计。E-mail:

朱彬(1989—)，女，博士，讲师，研究方向为城乡发展和区域经济。E-mail:

收稿日期: 2024-05-21

  修回日期: 2024-10-05

  网络出版日期: 2024-11-29

基金资助

国家自然科学基金项目(52078237)

江苏省高等学校基础科学（自然科学）研究项目(21KJB170013)

收起

Spatial Evolution and Influencing Factors of Intelligent Equipment Manufacturing Industry in Yangtze River Delta Region

  • ZHU Bin , 1 ,
  • GUAN Jingwu , 2, ※ ,
  • YIN Xu 3
Expand
  • 1. Tourism and Social Administration College，Nanjing Xiaozhuang University，Nanjing 211171，Jiangsu，China
  • 2. Suqian Municipal Branch，The People's Bank of China，Suqian 223800，Jiangsu，China
  • 3. Jiangsu Provincial Branch，The People's Bank of China，Nanjing 210004，Jiangsu，China

Received date: 2024-05-21

  Revised date: 2024-10-05

  Online published: 2024-11-29

Fold

摘要

文章以2014—2023年长三角地区41个地级及以上城市的智能设备制造业企业为研究对象，利用高德地图接口采集企业坐标，通过核密度估计、空间杜宾模型等方法，深入研究了长三角地区智能设备制造业空间布局演化及影响因素。结果表明：①长三角地区智能设备制造业空间演化集聚效应明显，呈现“热点东南聚集、冷点西北分散”的空间分异格局。②长三角地区智能设备制造业核密度呈“多核心—环核群带状连片”分布特征，逐步形成以合肥、苏州、杭州、宁波、温州5市为核心的集聚区，且集聚度不断增强。③长三角地区智能设备制造业呈现明显的“东南—西北”方向空间演化态势，不同细分智能设备制造业演化方向与整体演化方向相似。④经济规模、政府支持力度、创新水平、人力资本、设施完善度均对本地智能设备制造业发展具有显著促进作用，其中经济规模、政府支持力度、设施完善度还存在正向空间溢出效应。

关键词： 新质生产力; 智能设备制造业; 产业集聚; 工业机器人; 无人飞行器; 创新水平; 长三角地区

本文引用格式

朱彬 , 关京武 , 尹旭 . 长三角地区智能设备制造业空间布局演化及影响因素[J]. 经济地理, 2024 , 44(10) : 117 -125 . DOI: 10.15957/j.cnki.jjdl.2024.10.012

Abstract

Taking the intelligent equipment manufacturing enterprises in 41 cities at prefecture level or above in the Yangtze River Delta region from 2014 to 2023 as the research object,and using the Amap interface to collect enterprise coordinates,this study analyzes the spatial layout evolution and influencing factors of the intelligent equipment manufacturing industry by the methods of kernel density estimation and spatial Durbin model. The results show that: 1) The intelligent equipment manufacturing industry in the Yangtze River Delta exhibits significant agglomeration characteristics. The spatial layout presents a spatial differentiation pattern of "hot spots gathering in the southeast of China and cold spots dispersing in the northwest of China". 2) The kernel density of intelligent equipment manufacturing industry exhibits a distribution characteristic of "multi-core and ring-core cluster strip connection" in the Yangtze River Delta, and gradually forms cluster area with Hefei,Suzhou,Hangzhou,Ningbo and Wenzhou as the cores, the degree of agglomeration is continuously increasing. 3) The intelligent equipment manufacturing industry in the Yangtze River Delta presents an obvious spatial evolution trend in the "southeast-northwest" direction. The evolution direction of different segments of intelligent equipment manufacturing industry is similar to the overall evolution direction. 4) Economic scale,government support,innovation level, human capital, and facility improvement all have significant promoting effects on the development of the local intelligent equipment manufacturing industry, among which economic scale, government support and facility improvement also have positive spatial spillover effects.

Key words： new quality productive forces; intelligent equipment manufacturing industry; industrial agglomeration; industrial robot; unmanned aerial vehicles; innovation level; Yangtze River Delta region

当前，我国经济已由高速增长阶段转向高质量发展阶段。发展新质生产力，特别是加速新型工业化进程、深化数字经济发展及快速推进人工智能技术的应用，是驱动经济高质量发展的核心动力与战略重点。智能设备制造业既是人工智能实现的重要载体，也是数字经济核心产业的组成部分，更是新质生产力范畴内的关键行业，研究其空间布局演化对推动数字经济和新质生产力高质量发展具有重要的理论和现实意义。
产业空间布局是地理学、区域经济学的研究热点之一。学术界多从集聚效应、转移路径、影响因素等方面对传统制造业、服务业开展探讨[1-5]。近年来，部分学者侧重数字经济空间效应[6-7]方面的研究，还有一些学者则聚焦于数字产业空间布局的演变趋势及其区位选择的核心推动因素研究[8-15]。首先，数字产业空间布局演化具备一般产业集聚与扩散的共性特征，同时也呈现自身独特性特征。省域尺度上，中国数字经济空间格局表现为东高西低的特征，发展水平总体呈现稳步上升态势[8]。城市尺度上，中国数字经济发展重心偏向东南部，呈现出以京津冀、长三角、珠三角和成渝城市群为引领的“四极”联动数字经济发展新格局[9]。长江经济带[10]和黄河流域[11]数字产业的分布差异显著，形成了依托“城市群—中心城市”体系的多核心集聚模式。不同类别的数字产业在空间布局演变路径上各具特色[12-15]。其次，在数字产业空间布局演化的驱动因素方面，传统区位论认为区位便利性与可达性、市场规模状况与增长潜力、要素禀赋情况与成本效益、集聚外部性等均是影响数字产业空间布局的重要因素[16-17]，但随着数字技术的发展，传统区位因素的影响力正逐步淡化，制度环境、人力资本以及数字基础设施等新区位因素在数字产业空间布局方面的作用愈发明显[18-19]。
综上所述，目前国内学界对于数字产业的研究大多集中在宏观产业整体和微观传统产业的空间布局、演化路径、驱动因素分析方面，缺乏针对新兴产业如智能设备制造业及细分产业的研究，同时对空间溢出效应的研究相对较少。
鉴于此，本文借助ArcGIS软件，运用核密度分析、标准差椭圆分析和空间杜宾模型等方法，探索长三角地区智能设备制造业的空间布局、演化规律和驱动因素，揭示各驱动因素的空间溢出效应，以期为推动长三角地区产业空间重构和转型升级，实现区域经济高质量发展提供理论支撑。

1 数据来源与研究方法

1.1 研究对象

依据《数字经济及其核心产业统计分类（2021）》和《国民经济行业分类》（GB/T 4754-2017），本文的研究对象智能设备制造业，包括工业机器人制造、特殊作业机器人制造、智能照明器具制造等8个细分子行业，对应的国民经济行业代码以及在企查查中的行业名称见表1。
表1 智能设备制造业的细分行业名称及代码

Tab.1 Name and code of segment of the intelligent equipment manufacturing industry

细分行业在统计
分类中名称		 对应的国民
经济行业代码		 与国民经济行业代码匹配的企查查中行业名称
工业机器人制造 3491 工业机器人制造
特殊作业机器人制造 3492 特殊作业机器人制造
智能照明器具制造 3874 智能照明器具制造
可穿戴智能设备制造 3961 可穿戴智能设备制造
智能车载设备制造 3962 智能车载设备制造
智能无人飞行器制造 3963 智能无人飞行器制造
服务消费机器人制造 3964 服务消费机器人制造
其他智能消费设备制造 3969 其他智能消费设备制造

1.2 数据来源及处理

本文选取的研究时期为2014—2023年。研究区域为长三角地区，根据2019年中共中央、国务院印发的《长江三角洲区域一体化发展规划纲要》，长三角地区涵盖上海市、江苏省、浙江省、安徽省全域，共41个地级及以上城市（以下简称“城市”）。
考虑数据的可获得性及研究的科学性，参照韩燕[11]等的方法对数据处理如下：①通过企查查平台，根据企业所属行业名称与国民经济行业分类中智能设备制造业的细分行业名称进行匹配，批量采集智能设备制造业企业信息（包括企业名称、登记状态、注册资本、注册地址、企业规模等），剔除无效地址和吊销、注销、停业、清算状态企业后，将分析对象确定为正常状态的（存续、在业）企业。②通过高德地图接口，按企业注册地址信息抓取企业空间地理坐标，结合长三角地区空间范围进一步核对和删选，最终确定3340家智能设备制造业企业。③利用ArcGIS软件进行样本的可视化处理与定量分析。长三角各城市经济社会数据均来源于2014—2023年的各城市统计年鉴、各城市国民经济和社会发展统计公报和统计局网站等。

1.3 研究方法

①全域Moran's I分析。通过全域Moran's I计算判断区域空间自相关性，揭示区域聚集和分散性质。若数值大于0，说明智能设备制造业存在空间正自相关性，即智能设备制造业在区域上表现为集聚性，数值越大，集聚性越强。
②核密度分析。核密度分析可以刻画智能设备制造业的空间密度特征和分布趋势，直观反映核对周边区域的影响程度，通过对比相同区域不同时间下的核密度值，可判断智能设备制造业空间分布的集聚或分散特征。
③局域关联分析。局域关联指数Getis-ord Gi*常用于识别局部尺度各要素的空间异质性程度，可揭示智能设备制造业空间分布上的冷热点区域。
④标准差椭圆分析。标准差椭圆在空间上揭示研究要素在地理分布上的方向偏离特征。标准差椭圆内的区域为主要智能设备制造业分布的区域，本文采用一个标准差进行计算，即标准差椭圆内的区域包含68%的样本。智能设备制造业分布较多的方向为标准差椭圆长轴方向，智能设备制造业分布较少的方向为标准差椭圆短轴方向，长短轴之间的差值越大，说明分布的方向性越强，相反就越弱；智能设备制造业演化方向即为标准差椭圆重心的迁移方向。
⑤空间杜宾模型。空间杜宾模型（SDM）同时包含了空间滞后效应和空间误差效应，通过引入智能设备制造业空间布局影响因素的因变量和自变量的空间滞后项，观察空间各单元之间交互作用，该相互作用一般为2种形式，当相邻空间单元促进本单元发展时，称之为正向空间溢出效应；当相邻空间单元抑制本单元发展时，称之为负向空间溢出效应。

2 长三角地区智能设备制造业空间布局演化特征

2.1 长三角地区智能设备制造业总体演化特征

选取2014、2017、2020和2023年4个时间节点，运用全域Moran's I分析判断长三角地区智能设备制造业的区域聚集和分散特征。研究发现，长三角地区智能设备制造业呈显著集聚特征且空间自相关性不断增强。其中，2014—2017年是长三角地区智能设备制造业发展的初始阶段，全域Moran's I从0.171快速提升至0.280，空间集聚特征的雏形基本形成；随着新技术发展，人工智能新浪潮推动智能穿戴设备制造、服务消费机器人制造产业快速发展，人才、技术、市场等资源共享成效进一步提升，2023年全域Moran's I从2020年的0.311提升至0.323，长三角地区智能设备制造业空间分布呈显著集聚化特征且集聚程度逐步增强。

2.2 长三角地区智能设备制造业空间集聚强度特征

运用ArcGIS软件，采用核密度估计法继续探究集聚中心和集聚强度（图1）。可以看出，长三角地区智能设备制造业核密度呈“多核心—环核群带状连片”分布特征。2014年，核密度值处于0~41，空间分布呈现出以合肥、马鞍山、芜湖、杭州、温州为核心的5个高密度区，并在周边地区呈现连片集聚蔓延的趋势。2017年，核密度值处于0~75，高密度值增大，形成以合肥、马鞍山、芜湖、杭州、温州为核心的5个高密度区和以宁波为核心的1个次高密度区，低密度区形成连片分布。2020年，核密度最高值达300以上，集聚中心也发生变化，空间分布呈现以杭州、宁波、合肥为核心的3个高密度区，以苏州、温州、嘉兴、芜湖为核心的4个次高密度区，安徽省围绕合肥形成集聚中心，马鞍山、芜湖集聚能力明显转弱。杭州和宁波发挥强辐射作用，带动嘉兴、绍兴等地区快速发展。到2023年，集聚强度大幅增加，核密度最高值达1000以上，集聚中心不断衍生，基本形成以合肥、苏州、杭州、宁波、温州为核心的5个高密度区，以芜湖、常州、嘉兴为核心的3个次高密度区，集聚中心辐射范围覆盖长三角近一半区域。分地区看演化速度，安徽省主要以合肥为中心集聚，演化速度较慢；江苏省主要以苏州为中心集聚，演化速度适中；浙江省凭借较强的互联网经济基础和良好的营商环境，出现杭州、宁波、温州3个核心城市，在多集聚中心的辐射下，演化速度最快。
图1 长三角地区智能设备制造业的核密度空间分布演变

Fig.1 Evolution of kernel density distribution of intelligent equipment manufacturing industry in Yangtze River Delta region

2.3 长三角地区智能设备制造业空间分异格局

采用Getis-ord Gi*方法探索具有相似集聚特征的区域，通过自然断裂法将长三角地区智能设备制造业区域分为热点区、次热点区、次冷点区和冷点区（图2）。可以看出，2014年热点区围绕合肥及周边城市、浙江沿海城市形成2个集聚区域，冷点区形成皖北和苏北连片分布态势。2017年冷热点区域范围有所扩大，以合肥为中心的热点区范围涵盖至六安和安庆等区域，浙江沿海一带热点区范围缩小，冷点区扩大到扬州、镇江和泰州等区域。2020年，冷热点分布空间分异格局增强，长三角地区整体上被分成4个无明显交错区域。热点区主要集聚在浙江沿海一带，次热点区主要分布在苏南和浙南部分地区，次冷点区主要分布在皖南地区，冷点区主要在皖北和苏北形成连片分布。到2023年，热点区域在上海和浙江沿海一带形成带状集聚分布，冷点区依然在苏北和皖北形成带状连片分布。综合来看，长三角地区整体呈现“热点东南聚集、冷点西北分散”的空间分异格局。其中热点区从合肥和浙江沿海2个集聚区域演变成为上海和浙江沿海形成带状集聚区，说明这些地区的基础设施、政策和人才储备等因素吸引智能设备制造业企业的集聚。
图2 长三角地区智能设备制造业空间分异演变

Fig.2 Evolution of spatial differentiation of intelligent equipment manufacturing industry in Yangtze River Delta region

2.4 长三角地区智能设备制造业空间演化方向

为推断长三角地区智能设备制造业的空间演化方向，利用标准差椭圆方法进一步探索（图3）。结果显示，标准差椭圆长短轴之间差值较大，表明分布的方向性较强，长三角地区智能设备制造业“东南—西北”空间演化态势明显。其中，2014—2017年，标准差椭圆重心向西北方向迁移，椭圆长短轴均有所扩大，结合图1可知，主要是合肥向六安、淮南等城市辐射，带动西北方向城市快速发展。2017—2020年，标准差椭圆重心向东南方向迁移，这和安徽智能设备制造业发展趋缓，苏州、杭州、宁波等城市智能设备制造业快速发展密不可分。2020—2023年，标准差椭圆重心向西北略有迁移，椭圆长短轴基本没有发生改变，说明分布方向基本呈“东南—西北”空间分布态势。从4个年份标准差椭圆的移动方向可知，椭圆基本围绕重心顺时针旋转，椭圆重心由宣城境内转移到湖州境内，主要原因是长三角地区智能设备制造业逐渐向苏州、常州、杭州、嘉兴、宁波等城市集聚，这与核密度分析结果相一致。
图3 长三角地区智能设备制造业空间演化方向

Fig.3 Spatial evolution direction of intelligent equipment manufacturing industry in Yangtze River Delta region

2.5 长三角地区细分智能设备制造业空间演化特征

智能设备制造业可分为8类细分行业，其演化方向直接影响智能设备制造业整体空间布局，本文利用标准差椭圆对6类细分智能设备制造业的演化方向进行分析（剔除样本量较少的特殊作业机器人制造业和其他智能消费设备制造业）。由于部分类型制造业企业出现时间较晚，对标准差椭圆分析的时段也进行了相应调整。
研究发现，6类细分智能设备制造业的演化方向与智能设备制造业整体的演化方向相似，呈现“东南—西北”空间演化态势，椭圆均围绕重心顺时针旋转。其中，工业机器人制造业和可穿戴智能设备制造业总体相似，标准差椭圆重心均向北部迁移。由于工业机器人制造业样本数量较多，且企业集聚效应与整体吻合，重心向北演化促进了长三角地区智能设备制造业整体重心向“东北”演化。智能车载设备制造业、智能无人飞行器制造业、服务消费机器人制造业、智能照明器具制造业的空间演化方向相似程度较高，标准差椭圆重心均向东部迁移，对整体智能设备制造业重心演化起到拉动作用。2023年，除智能照明器具和服务消费机器人制造业重心在湖州境内，其他4类重心均在苏州、无锡、常州之间。主要原因是多种类型智能设备制造业形成以苏州、杭州为核心的集聚中心，表明苏州、杭州的智能设备制造业发展类型较为多元化，产业种类丰富、产业链条完整，产业集群成效相对较好。而合肥仅成为服务消费机器人制造业的集聚中心，与整体差异较大。

3 长三角地区智能设备制造业空间布局演化的影响因素分析

3.1 变量选取

产业时空格局演变受成本、收益和环境等多种因素影响[2,20-21]，成本因素主要包括劳动力、资本、技术等生产要素成本，收益因素主要包括交通运输效率、市场需求度等影响企业盈利效率因素，环境因素主要包括基础设施、产业结构、政府政策因素。
本文借鉴已有文献，同时综合考虑数字产业空间布局的特点[10-11]，选取2014—2023年长三角地区智能设备制造业空间布局演化的影响因素指标（表2）。①被解释变量y：智能设备制造企业受到各种因素影响的结果直接表现为落户行为，借鉴杨洋等的研究[22]，用各城市单位面积内智能设备制造企业数量作为被解释变量，反映企业密度情况。②解释变量 x 1：用各城市人均GDP表征，反映经济规模。地区经济规模决定土地、劳动力等生产要素成本，经济规模越大，成本费用越高，“挤出效应”越明显[3,8]，同时具备更优质的发展环境，对企业吸引力更高。③解释变量 x 2：用各城市财政支出与GDP比值表征，反映政府支持力度[23]。政府通过设立财政补贴和专项资金，直接支持企业的研发、技术改造、市场拓展等关键环节，通过实施结构性减税降费政策，优化政策环境[24]，进而减轻企业税负，增加企业现金流，提升企业竞争力。④解释变量 x 3：用各城市专利授权数量表征，反映城市创新水平。产业的发展与升级需要创新驱动[12]，智能设备制造与科技创新密不可分，企业通过技术外溢和劳动力共享的方式，降低生产成本、提高生产效率、吸引企业落户，但也会引起过度竞争、关键人员流失频繁等不利影响[25-26]。⑤解释变量 x 4：用各城市高校在校人数占常住人口比重表征，反映人力资本[27]。智能设备制造业的发展依赖专业知识、技能和管理等高素质人才。⑥解释变量 x 5：用各城市市政设施固定资产投资表征，反映设施完善度。市政设施投资对制造业部门来说至关重要[28]，不仅会影响地区经济效益，还会通过影响运输成本和交流合作成本，对企业的落户意愿产生影响。⑦解释变量 x 6：用各城市进出口总额占GDP比重表征，反映对外开放程度[3]。在国内有效需求不足、产能过剩的背景下，地区对外开放程度越高，越有利于企业积极扩大外部市场、消化库存和过剩产能。
表2 影响因素指标及描述性统计分析

Tab.2 Indicators of influencing factors and descriptive analysis

变量选取 具体指标 单位 均值 标准差 最小值 最大值
被解释变量 企业密度 各城市单位面积内智能设备制造企业数量 个/km2 0.0036 0.0059 0.0000 0.0420
解释变量 经济规模 各城市人均GDP 万元/人 8.7500 4.3200 1.5200 20.6300
政府支持力度 各城市财政支出与GDP比值 - 0.1600 0.0600 0.0096 0.3600
创新水平 各城市专利授权数量 万项 2.1700 2.9700 0.0081 20.6900
人力资本 各城市高校在校人数占常住人口比重 - 0.0210 0.0180 0.0022 0.1400
设施完善度 各城市市政设施固定资产投资 千亿元 0.1000 0.1500 0.0037 0.8800
对外开放程度 各城市进出口总额占GDP比重 - 0.6500 1.3600 0.0190 11.6600

3.2 模型构建

长三角地区智能设备制造业存在较强的空间集聚效应，因此在构建影响因素分析模型时，需要考虑影响因素在空间上的传导作用，即某个地区的智能设备制造业空间分布格局是否会被其他地区的某个因素影响。基于此，有别于OLS面板回归，空间计量模型充分考虑了空间溢出效应，更适合分析具有空间分布性质的变量。空间计量模型主要分为SAR（空间自回归模型）、SEM（空间误差模型）、SDM（空间杜宾模型），不同模型的使用条件区别较大，需按顺序逐个检验。
LM检验对空间误差（Spatial error）效应和空间滞后（Spatial lag）效应进行了检验，统计量均通过1%显著性检验，既存在空间自相关性又存在空间滞后性，因此本文选择SDM模型进行下一步检验。LR检验结果显示SDM模型不可退化。hausman统计量为负值，根据连玉君[29]等的研究，此时应采用固定效应。时间固定通过1%显著性检验，但个体固定也通过了5%显著性检验，因此，本文分别对时间、个体、双固定进行模型构建，选择拟合度最大的模型（时间、个体、双固定模型的 R 2 w i t h i n分别为：0.3277、0.5882、0.5421），所以选择个体固定模型。最终构建基于个体固定的SDM模型：
y = ρ w y + β 1 x 1 + β 2 x 2 + β 3 x 3 + β 4 x 4 + β 5 x 5 + β 6 x 6 + w l n x i δ i

3.3 结果与分析

已有研究[30-31]表明，式（1）中 w l n x i δ i无法反映空间溢出效应的真实情况，需要对式（1）进行偏微分处理，才能准确得到各地区的交互效应（表3）。
表3 空间溢出效应分解

Tab.3 Spatial spillover effect decomposition

变量 直接效应 间接效应 总效应
经济规模 -0.00015 0.00120*** 0.00105***
政府支持力度 -0.00178 0.05383*** 0.05205**
创新水平 0.00052*** 0.00047 0.00099***
人力资本 0.12822*** 0.03194 0.16015*
设施完善度 0.01200*** 0.02519** 0.03718***
对外开放程度 -0.00019 -0.00025 -0.00044
表3中，直接效应含义为区域内变量对本区域被解释变量的影响程度，间接效应含义为周边区域变量对本区域被解释变量的影响程度，总效应含义为所有区域变量变化一个单位对本区域被解释变量的影响程度。回归结果显示：
经济规模的总效应在1%置信水平下显著，且系数为正值，说明地区经济规模对智能设备制造业发展具有显著促进作用。直接效应未通过1%显著性检验。间接效应在1%置信水平下显著，说明邻近地区经济增长将有利于本地区智能设备制造业发展，主要原因可能是邻近地区的经济增长往往伴随着技术、知识、信息和资源的溢出，进而带动周边地区产业链联动和市场规模扩展，为周边地区企业带来更多机会。
政府支持力度的总效应在5%置信水平下显著，且系数为正值，说明政府支持力度对智能设备制造业发展具有显著促进作用。直接效应未通过1%显著性检验。间接效应在1%置信水平下显著，说明邻近地区财政支出增长将有利于本地区智能设备制造业发展，主要原因可能是，财政支出中用于基础设施建设的部分不仅能够直接提升邻近地区的交通便捷性，降低物流成本，促进产业要素的流动和聚集，还可能通过产业链的前后端联系，带动周边地区相关产业的协同发展。
创新水平的总效应在1%置信水平下显著，且系数为正值，说明创新水平对智能设备制造业发展具有显著促进作用。直接效应通过1%显著性检验，说明本地区创新活动活跃将有利于本地区智能设备制造业发展。主要原因可能是，创新水平高的地区通常具备较高的技术转化效率，能够将科研成果快速转化为实际生产力，这种高效的转化机制使得智能制造业能够及时获得最新的技术支持，推动其快速发展。间接效应未通过1%显著性检验。
人力资本的总效应在10%置信水平下显著，且系数为正值，说明人力资本对智能设备制造业发展具有显著促进作用。直接效应通过1%显著性检验，说明本地区高校在校人数是本地区智能设备制造业发展的潜力因素。主要原因可能是，高校在校人数的增加意味着该地区拥有更多具备专业知识和技能的人才，这些人才毕业后将直接投入社会生产；同时高校在校人数多，也可为产学研合作提供更多的人才资源和合作机会，均有利于智能制造业的发展。间接效应未通过1%显著性检验。
设施完善度的总效应在1%置信水平下显著，且系数为正值，说明设施完善度对智能设备制造业发展具有显著促进作用。直接效应通过1%显著性检验，间接效应通过5%显著性检验，且系数均为正值，说明本地区和邻近地区加大基础设施建设力度均会促进本地区智能设备制造业发展。主要原因可能是，良好的基础设施能够为企业提供便捷高效的生产条件，这不仅能够降低企业的物流成本，还能缩短产品从生产到市场的时间，提高整体的生产效率。邻近地区的基础设施建设同样重要，因为它能够形成区域性的产业集聚效应，当多个地区的基础设施都得到完善时，将有助于形成产业集群，从而进一步提升本地区的产业竞争力。
对外开放程度总效应、直接效应及间接效应均未通过1%置信度检验。可能的原因是，智能设备制造业作为高技术产业在行业发展初期和技术突破阶段，其发展和创新往往更依赖于自主研发和技术积累。同时，随着国内消费者对智能设备的需求不断升级，市场对高性能、高品质的智能设备需求持续增长，相较于外需，内需拉动作用可能占据主导地位。
总体来看（图4），长三角地区智能设备制造业空间演化受创新水平、人力资本、经济规模、设施完善度和政府支持力度等多种因素驱动，其中创新水平、人力资本更多直接作用本地智能设备制造业发展，经济规模、设施完善度和政府支持力度则通过影响周边地区对本地智能设备制造业产生空间溢出效应。长三角地区智能设备制造业的细分行业演化方向各异，工业机器人、可穿戴智能设备向北演化以及智能车载设备、智能无人飞行器、服务消费机器人、智能照明器具向东演化共同决定了智能设备制造业的演化方向。区域内智能设备制造业呈现产业发达地区辐射带动产业欠发达地区发展，产业欠发达地区自身寻求差异化发展道路的趋势。
图4 长三角地区智能设备制造业空间演化机制

Fig.4 Spatial evolution mechanism of intelligent equipment manufacturing industry in Yangtze River Delta region

3.4 稳健性检验

①根据地理学第一定律，选用一阶邻接矩阵作为空间权重矩阵，但较多学者的研究表明[32]，地理因素并不是产生空间效应的唯一因素，经济水平类似的空间单元也能较好吸收与利用经济资源，进而趋近规模收益递增状态。因此，本文将一阶邻接矩阵替换为经济距离矩阵。
②表3结果显示，对外开放程度的总效应、直接效应、间接效应均未通过10%显著性检验，且系数均为负值，所以本文将对外开放程度考虑为无关变量，给予剔除后再进行模型构建，以观察其他变量的显著性和作用方向是否发生改变。
表4结果显示，基准回归仅 x 2作用方向发生改变，且未通过10%显著性检验，其他变量的系数符号和显著性结果与基于个体固定的SDM模型一致；基于经济距离空间权重矩阵模型的所有变量的系数符号均未发生改变， x 1和 x 6的显著性发生了改变；剔除对外开放程度变量模型中所有变量的系数符号和显著性均未发生改变。综上所述，根据3种稳健性检验结果，把对外开放程度变量作为无关变量从模型中剔除是有效的，不同模型变量的作用方向和显著性与基于个体固定的SDM模型基本一致，所以本文的回归结果具备一定的稳健性。
表4 稳健性检验

Tab.4 Robustness test

变量 基准回归（OLS） 基于经济距离
空间权重矩阵		 剔除变量：
对外开放程度
经济规模（ x 1） 0.00076*** 0.00006 0.00101***
政府支持力度（ x 2） -0.00775 0.03225*** 0.06265***
创新水平（ x 3） 0.00106*** 0.00168*** 0.00095**
人力资本（ x 4） 0.10950*** 0.20780*** 0.17289**
设施完善度（ x 5） 0.01227*** 0.09991*** 0.03750***
对外开放程度（ x 6） -0.00020 -0.00075** -

4 结论与建议

4.1 主要结论

本文以长三角地区智能设备制造业为研究对象，运用全域Moran's I分析、核密度分析、局域关联分析、标准差椭圆分析、空间杜宾模型等方法，探究了长三角地区智能设备制造业的空间布局演化和影响因素，得出主要结论如下：
①长三角地区智能设备制造业呈显著集聚特征且空间自相关性不断增强。这说明智能设备制造业并非孤立发展，而是与周边地区的经济状况、产业布局等因素密切相关。智能设备制造业的“热点东南聚集、冷点西北分散”的空间分异格局尤为明显，其中江苏、浙江沿海地区凭借其得天独厚的地理位置、完善的基础设施、前瞻性的政策导向以及丰富的人才储备，成功吸引了大量智能设备制造业企业。产业的空间分布从最初的合肥和浙江沿海2个集聚区发展到上海和浙江沿海形成的带状集聚区，这一变化不仅反映了智能设备制造业在长三角地区内部的动态调整和优化，也体现了该行业对于市场需求、政策环境等因素极具敏感。
②长三角地区智能设备制造业核密度呈“多核心—环核群带状连片”分布特征，这说明智能设备制造业在长三角地区多点开花并集群式发展，这些集聚点之间紧密联系和相互支撑，不仅有助于资源优化和产业协同，还提高了整个区域的产业竞争力和抗风险能力。其中，高密度区通过辐射带动作用，促进了周边地区的经济发展和产业升级，为智能设备制造业的持续创新和发展提供了有力支撑；次高密度区虽然规模相对较小，但同样拥有独特的产业优势和资源禀赋，为整个区域的产业发展注入了新的活力和动力。
③长三角地区智能设备制造业呈现明显的“东南—西北”方向空间演化态势。其中工业机器人制造业和可穿戴智能设备制造业的椭圆重心均向北部迁移，这说明随着技术进步和市场需求的变化，北部地区成为新的增长点，从而推动了整体行业向该方向的演化。而东部沿海地区作为长三角地区的经济核心区域，拥有更为完善的产业链、更丰富的资源和更广阔的市场空间，推动了智能车载设备制造业、智能无人飞行器制造业、服务消费机器人制造业以及智能照明器具制造业的椭圆重心向东部迁移。
④长三角地区智能设备制造业受经济规模、政府支持力度、创新水平、人力资本、设施完善度等多种因素影响。其中，经济规模是智能设备制造业发展的基础条件之一，随着经济的发展，人们对智能设备的需求不断增加，也带来了更多的资本投入，有效促进了智能设备制造业的发展。政府支持是智能设备制造业发展的重要推动力，长三角地区的各级政府在推动智能设备制造业发展方面给予了大力支持，包括提供政策优惠、资金支持、人才引进等，这些措施激发了企业主体活力，引导企业去创新去竞争。创新是智能设备制造业发展的核心驱动力，长三角地区的智能设备制造业在技术创新方面取得了显著成果，不断推出新产品、新技术和新模式，提高了产品的附加值和市场竞争力。人力资本是智能设备制造业发展的重要支撑，智能设备制造业往往具有技术壁垒，通过培育丰富的人才资源，包括高水平的研发人员、技术人员和管理人员以及高校后备资源储备，是打破技术壁垒的关键。设施完善度是智能设备制造业发展的重要保障，智能设备制造业的发展离不开交通、通信、能源等先进的基础设施，这些“硬件”决定了企业的运营成本和效率。

4.2 对策建议

①加强区域合作与协调，促进智能设备制造业在长三角地区内的均衡发展。针对江苏、浙江沿海地区等高密度区域，应围绕合肥、苏州、杭州、宁波、温州等城市，继续发挥其辐射作用，同时注重产业升级和创新能力提升，形成具有自主知识产权的核心技术和产品，培育创新型智能制造产业集群，通过建设一批智能设备制造业的示范项目，展示最新成果和应用效果，为其他地区提供可借鉴、可复制的经验。针对南通、金华、滁州等低密度区域，在与周边高密度区域城市建立合作机制的同时，应贯彻差异化发展理念，避免产业同质化竞争，研判自身相对优势产业，挖掘自身有利因素，积极参与区域产业分工，充分挖掘其独特的产业优势和资源禀赋，推动形成优势互补的区域产业布局。
②注重空间溢出效应，推动长三角地区各城市智能设备制造业快速发展。对于苏南、浙江东部、北部等智能设备制造业产业发达地区，要加快构建便捷高效的现代交通网络和信息通信网络，降低城市间物流和信息交流的成本，促进生产要素在更大范围内的自由流动和优化配置，为产业空间溢出提供有力支撑。同时还要主动建立智能设备制造业的区域合作机制，加强政府、企业、高校和科研机构之间的沟通与协作，通过人才交流、合作研发等方式，推动知识、技术和经验的传播与共享，增强产业的空间溢出效应。对于苏北、皖北等智能设备制造业产业欠发达地区，要积极承接智能设备制造业的转移，通过引进先进技术和管理经验，加强与产业发达地区在技术研发、市场开拓等方面的交流合作，推动本地企业建立产业联盟，加强产业链上下游企业的合作与交流，提高整体竞争力，共同推动产业创新和发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
练文华, 张晓平, 吴爱萍, 等. 中国光伏装备制造业空间布局演化及影响因素分析[J]. 地理研究, 2024, 43(3):679-700.

DOI

[2]
孙勇, 张思慧, 王天, 等. 中国信息服务业时空格局演化及影响因素分析[J]. 地理与地理信息科学, 2024, 40(1):73-80.

[3]
梁晓敏, 魏璐瑶, 陆玉麒. 产业链视角下珠三角地区白色家电制造业时空格局及影响因素分析[J]. 地理与地理信息科学, 2023, 39(2):126-133.

[4]
Teng T, Cao X, Chen H. The dynamics of inter-firm innovation networks:The case of the photovoltaic industry in China[J]. Energy Strategy Reviews, 2021(33):100593.

[5]
范星瑶, 刘子琦, 李亮. 基于GIS的贵阳市主城区零售商业空间格局及其影响因素分析[J]. 贵州师范大学学报:自然科学版, 2020, 38(1):85-93.

[6]
Zhang W, Zhao S, Wan X, et al. Study on the effect of digital economy on high-quality economic development in China[J]. PLoS ONE, 2021, 16(9):e0257365.

[7]
赵巍, 徐筱雯. 数字经济、空间效应与经济高质量发展——以长江经济带110个城市为例[J]. 华东经济管理, 2023, 37(8):42-49.

[8]
王胜鹏, 滕堂伟, 胡森林, 等. 中国数字经济空间网络结构演化及其驱动因素[J]. 地理科学, 2024, 44(5):743-753.

DOI

[9]
余运江, 杨力, 任会明, 等. 中国城市数字经济空间格局演化与驱动因素[J]. 地理科学, 2023, 43(3):466-475.

DOI

[10]
毛丰付, 高雨晨, 周灿. 长江经济带数字产业空间格局演化及驱动因素[J]. 地理研究, 2022, 41(6):1593-1609.

DOI

[11]
韩燕, 潘成, 金凤君, 等. 黄河流域数字经济产业空间格局演化及影响因素[J]. 资源科学, 2024, 46(3):488-504.

DOI

[12]
冯瑜满, 梁育填. 中国电子信息制造业时空格局演化及影响因素[J]. 热带地理, 2022, 42(12):1980-1992.

DOI

[13]
刘程军, 王周元晔, 李续双, 等. 互联网新创企业空间格局演化及区位选择——以杭州为例[J]. 经济地理, 2021, 41(6):107-115,146.

DOI

[14]
王丹, 方斌, 陈正富. 基于社区尺度的互联网企业空间格局与演化——以扬州市区为例[J]. 经济地理, 2018, 38(6):133-141.

DOI

[15]
林娟, 张欣炜, 汪明峰. 上海大都市区物联网产业集聚与空间演化[J]. 人文地理, 2017, 32(3):131-137,145.

[16]
Scott A J. Industrial organization and the logic of intra-metropolitan location:I. Theoretical considerations[J]. Economic Geography, 1983, 59(3):233-250.

[17]
王铮, 毛可晶, 刘筱, 等. 高技术产业聚集区形成的区位因子分析[J]. 地理学报, 2005, 60 (4):567-576.

[18]
刘军, 杨渊鋆, 张三峰. 中国数字经济测度与驱动因素研究[J]. 上海经济研究, 2020 (6):81-96.

[19]
Hellwig V. Shoulders and shadows of giants:Intra-regional distribution of the digital industry in Germany[J]. Regional Studies,Regional Science, 2023, 10(1):234-252.

[20]
Cao L, Deng F, Zhuo C, et al. Spatial distribution patterns and influencing factors of China's new energy vehicle industry[J]. Journal of Cleaner Production, 2022,379:134641.

[21]
Cao X, Chen B, Si Y, et al. Spatio-temporal evolution and mechanism of regional innovation efficiency:Evidence from Yangtze River Delta Urban Agglomeration of China[J]. PLoS ONE, 2021, 16(7):e0253598.

[22]
杨洋, 乔家君, 郭远智, 等. 广东省瞪羚企业空间分布特征及驱动机制[J]. 经济地理, 2022, 42(8):112-122.

DOI

[23]
宋昌耀, 厉新建, 殷婷婷, 等. 中国冰雪装备制造企业的时空特征及其区位选择影响因素[J]. 地理研究, 2023, 42(4):1070-1087.

DOI

[24]
彭如霞, 夏丽丽, 林剑铬. 创新政策环境对外商直接投资区位选择的影响——以珠江三角洲核心区六市为例[J]. 地理学报, 2021, 76(4):992-1005.

DOI

[25]
徐丹, 于渤. 空间溢出视角下长三角城市群高技术产业集聚与城市创新——产业结构优化升级的中介效应与时空异质性分析[J]. 研究与发展管理, 2023, 35(2):15-29.

[26]
王凯, 胡奕, 甘畅, 等. 中国科技创新对旅游经济效率的空间溢出效应[J]. 地理与地理信息科学, 2024, 40(1):125-133.

[27]
梁志霞, 安景文, 王鹏. 京津冀城市群知识密集型服务业时空分异及影响因素分析[J]. 城市问题, 2020(12):46-56.

[28]
刘倩倩, 张文忠, 王少剑, 等. 中国城市市政基础设施投资效率及对经济增长的影响[J]. 地理研究, 2017, 36(9):1627-1640.

DOI

[29]
连玉君, 王闻达, 叶汝财. Hausman检验统计量有效性的Monte Carlo模拟分析[J]. 数理统计与管理, 2014, 33(5):830-841.

[30]
韩峰, 阳立高. 生产性服务业集聚如何影响制造业结构升级?——一个集聚经济与熊彼特内生增长理论的综合框架[J]. 管理世界, 2020, 36(2):72-94,219.

[31]
白俊红, 王钺, 蒋伏心, 等. 研发要素流动、空间知识溢出与经济增长[J]. 经济研究, 2017, 52(7):109-123.

[32]
王守坤. 空间计量模型中权重矩阵的类型与选择[J]. 经济数学, 2013, 30(3):57-63.

Options
文章导航

/

〈 〉