EN中文

经济地理 >

2021 , Vol. 41 >Issue 2: 82 - 91

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.02.009

城市地理与新型城镇化

西北内陆中心城市生产性服务企业空间格局演变与区位选择——以兰州市为例

  • 公维民 ,
  • 张志斌 , ※
展开
  • 西北师范大学 地理与环境科学学院，中国甘肃 兰州 730070
※ 张志斌（1965—），男，甘肃会宁人，教授，博士生导师，研究方向为城市与区域规划。E-mail:

公维民（1992—），男，山东淄博人，博士研究生，研究方向为城市与区域规划。E-mail:

收稿日期: 2020-03-01

  修回日期: 2020-09-05

  网络出版日期: 2025-04-01

基金资助

国家自然科学基金项目(41161028)

国家自然科学基金项目(41961029)

收起

Spatial Pattern Evolution and Location Selection of Producer Service Enterprises in the Central Cities of Northwest Inland:A Case Study of Lanzhou City

  • GONG Weimin ,
  • ZHANG Zhibin , ※
Expand
  • School of Geography and Environmental Science，Northwest Normal University，Lanzhou 730070，Gansu，China

Received date: 2020-03-01

  Revised date: 2020-09-05

  Online published: 2025-04-01

Fold

摘要

生产性服务业作为转型期策动我国城市经济增长的重要力量和体现城市经济职能的主要方面，其企业区位选择已成为从微观视角解析城市空间结构演变的重要途径。以西北内陆中心城市——兰州市为案例区，将生产性服务企业作为研究对象，运用核密度方法分析了兰州市生产性服务企业空间格局演变过程与集聚特征，并通过条件Logit模型探究了其区位选择的影响因素。结果表明：①生产性服务企业的空间分布经历了“集中—分散—分散式集中”的过程，逐渐形成了以城市中心区域为主体，外围地区为补充多中心组团式的空间格局；②从行业集聚的变化特征来看，集聚峰值处的距离和强度分别呈现先增后减和先减后增的变化趋势，集聚范围不断增大，出现多个核心集聚区域。③集聚效益、基础设施、空间距离、政策规划以及技术创新环境对生产性服务企业的区位选择起到了正向吸引作用，其中以集聚效益、政策规划以及技术创新因素的影响最为显著，成为生产性服务企业进行区位选择时考虑的首要因素。④从不同行业类型来看，以商务服务业、交通运输业、房地产服务业为代表的传统生产性服务企业的区位选择主要受到土地价格和基础设施因素的影响，而以金融服务业、信息服务业、科技服务业为代表的现代生产性服务企业则更加关注备选区位的企业集聚效益和技术创新因素，同时政策规划因素也对现代生产性服务企业的区位选择起到了一定的引导作用。

关键词： 生产性服务企业; 空间格局; 区位选择; 兰州市

本文引用格式

公维民 , 张志斌 . 西北内陆中心城市生产性服务企业空间格局演变与区位选择——以兰州市为例[J]. 经济地理, 2021 , 41(2) : 82 -91 . DOI: 10.15957/j.cnki.jjdl.2021.02.009

Abstract

The producer service is an important force that instigates the economic growth of Chinese cities and the main aspect of the city's economic functions during the transition period. The location choice of enterprises has become an important way to analyze the evolution of urban spatial structure from a micro perspective. Taking the northwest inland central city—Lanzhou City as the case area,the paper analyzes the evolution process and agglomeration characteristics of the spatial pattern for the producer services enterprises in Lanzhou applying the kernel density method,and explores the influencing factors of location selection using the Logit model. The results suggest: 1) The spatial distribution of the producer service enterprises go through the process of "concentration-decentralization-decentralized concentration" and gradually form multi-center spatial pattern which is made up of the main areas (urban central areas) and the additional areas (peripheral areas). 2) From the perspective of the changing characteristics of industry agglomeration,contrary to the intensity,the distance at the peak of agglomeration increases firstly and then decreases. As agglomeration areas expand,multiple-core agglomeration areas emerge. 3) Agglomeration benefits,infrastructure,spatial distance,policy planning and technological innovation environment play a positive role in the location selection of productive service enterprises. Among them,agglomeration benefits,policy planning and technological innovation have more remarkable impact on the location selection of producer service enterprises. 4) From the perspective of different types of industries,the location choices of traditional producer service enterprises,such as business services,transportation and real estate services,are mainly affected by land prices and infrastructure factors,while modern producer service enterprises,such as the financial service industry,the information service industry and the technology service industry,attach more importance to the agglomeration efficiency and technological innovation of the enterprises in alternative locations. At the same time,policy planning also guides the location selection of modern producer service enterprises to a certain extent.

Key words： producer service enterprises; spatial pattern; location choice; Lanzhou City

随着世界经济从“工业经济”向“服务经济”转型以及社会分工专业化程度的提高，生产性服务业逐渐从制造业中分离出来，并在深化劳动分工、提高劳动生产率、提升产业竞争力等方面发挥着关键性作用，成为城市经济发展中占据重要战略地位的产业部门[1]。近年来，生产性服务业的增长和集聚对我国工业化背景下的城市经济空间和组织体系都产生了深刻的影响[2]，从微观视角关注其空间格局演变过程及区位选择的影响因素已成为探究我国城市内部经济空间结构演化的重要途径。
生产性服务业的空间布局及其演变影响着城市空间结构的走向，促使其向多功能、多核心的空间结构模式转变[3]。国外学者对于生产性服务业空间布局的研究主要集中在两个方面：一是从区域、国家乃至全球层面分析生产性服务业在不同等级城市之间的空间集聚特征。其中，Illeris对北欧城市[4]、Coffey对加拿大[5]、Sassen对全球城市[6]的研究表明，生产性服务业的行业结构类型和空间集聚态势与其所在区域的城市体系结构密切相关，体现了世界范围内以城市为依托的生产与控制的等级体系。二是从城市层面探讨生产性服务业在城市内部的格局演化及其空间结构的形成机理。Searle对悉尼[7]、Michalak对埃德蒙顿[8]、Schwartz对纽约、洛杉矶和芝加哥[9]的研究发现，生产性服务业在空间上表现出从中心城区向外围区域转移的趋势，并且呈现出集聚与分散并存的空间发展态势，成为塑造城市内部空间结构的重要力量。此外，国外学者通过典型案例对大都市生产性服务业空间结构形成机理的分析发现，面对面接触需求[10⇓-12]、人居环境适宜度[13-14]、集聚效应[15⇓-17]、地方政策[18-19]、社会分异[20-21]等因素对大都市生产性服务业的空间结构演化具有重要影响。我国学者对于生产性服务业的研究主要集中在空间集聚及分工[22⇓⇓-25]、区位选择[26-27]及其与制造业的互动[28⇓-30]等方面。学者们最初运用西方理论来解释生产性服务业发展和区位空间差异[31⇓-33]，但在政府和市场的双重作用下，我国大都市生产性服务业空间演化特征与西方存在一定共性的同时又颇具中国特色，不论是在城市间还是城市内部均处于以向心化为主导的空间集聚阶段，并呈现出大区域集中，小区域分散的空间格局[34-35]。
总体来看，国内外研究大多侧重于生产性服务业的空间分布，较少关注其格局演变与城市空间结构的内在联系，并且对于生产性服务业内部细分行业企业区位选择的差异性也有待于做进一步的探讨。此外，对于影响生产性服务企业区位选择因素的研究也多以定性描述分析为主，计量模型在企业区位研究中的应用尚处在积极探索阶段。本文以西北内陆中心城市兰州市为案例区，从微观视角刻画其生产性服务业空间演变过程和集聚特征，揭示其产业空间布局与城市空间演化的关系，并运用计量模型测度企业区位选择的影响因素，从而有助于对我国西北内陆中心城市生产性服务业空间演化规律的进一步理解。

1 数据来源与研究方法

1.1 研究区概况

兰州市作为甘肃省的政治经济中心，黄河流域唯一一座黄河穿城而过的省会城市，现辖城关、七里河、安宁、西固、红古5区及榆中、皋兰、永登3县。市区南北群山对峙，形成东西长约35km，南北宽约2~8km的带状哑铃型河谷盆地。随着西部开发战略的实施，特别是“一带一路”倡议的提出，兰州市作为计划经济时期兴起的以石化产业为主导的综合性工业城市，目前正处于由工业化中期向工业化后期过渡的关键时期，其工业生产功能不断弱化，服务功能逐渐强化，产业结构也逐渐由生产制造型向生产服务型转变，现已成为我国西北内陆具有重要影响力的中心性城市。生产性服务业作为一种战略性新兴产业，其在兰州市经济发展中的地位不断提升。2014年全市服务业完成增加值1 257亿元，占三产比重达56%，已成为国民经济中的第一大产业，而生产性服务业作为服务业中最具活力和发展潜力的部门，实现增加值501亿元，占服务业增加值比重的40%。本文以兰州市主城区为研究区，即城关、七里河、安宁和西固4区，截至2014年共辖49个街道和一个高新技术开发区，建成区面积220 km2，常住人口251万人。

1.2 数据来源

考虑到研究数据的可获得性，本文以1993、1999、2007、2014年为时间节点，探讨1993—2014年兰州市生产性服务业的空间格局演变过程及规律。其中，企业数据来自兰州市工商企业登记数据（1993—2014年）、万方企业数据库、兰州市经济普查数据以及兰州市工业和信息化局等单位提供的其他相应资料。通过整理得到11 636条服务企业和5 561条生产性服务企业数据，具体包括企业名称、地址、成立时间、就业人数等属性信息。通过全国工商企业信息系统对上述企业信息进行查询、校正，借助百度地图API接口逐一拾取其地理坐标，最终将企业坐标转化为兰州市生产性服务企业空间矢量数据文件。

1.3 研究方法

1.3.1 核密度分析

核密度估计法是现代非参数统计方法的代表，常被应用到空间热点区的探测研究中，以此分析研究对象的空间分布特征[36]。本文采用四次多项式对兰州市生产性服务企业在4个时间节点的空间分布进行核密度计算，假设待估点P处密度为 λ h p，则其估计值 λ h p的函数形式如下：
λ h s = ∑ i = 1 n 3 π h 4 1 - s - s i 2 h 2 2
式中：s为企业的位置； s i为落在以s为圆心，h为半径的范围内第i个生产性服务企业的位置；h表示步长，即以p为源点的曲面在空间上延伸的带宽。

1.3.2 基于距离的核密度测度

对于空间点数据，通常采用Ripley的K函数来描述要素的空间集散状态，但是在分析产业要素的空间均衡度时，由于企业区位选择会受到地貌等自然条件及规划等法规条例的限制，往往会在某一地域形成集聚区，如果依然采用这种方法会影响分析结果的客观性。因此，通过计算各时间节点所有服务企业以及生产性服务企业之间的两两距离，运用R语言编程对企业间的距离频数进行统计，以此来测度兰州市生产性服务企业的空间集聚状况。并且考虑到生产性服务企业的集聚特性，其集聚水平必定高于其他类型服务企业，为保证分析结果的可靠性，在参考李佳洺[37]等人研究成果的基础上，对生产性服务企业的集聚标准进行了设定。以服务企业每个距离频数第95个百分位的数值为生产性服务企业的集聚下限，以距离频数第5个百分位的数值为集聚上限，则其表达式可以表示为：
K d = 1 n n + 1 h ∑ i = 1 n - 1 ∑ j = i + 1 n f d - d i , j h
式中：n为全市生产性服务企业的数量； d i j为i、j两企业之间的距离；h为带宽。参考Silverman[38]的研究方法对带宽进行了重新设定。

1.3.3 区位选择模型

企业区位选择的实质为区位特征对企业的效用函数[39]。作为一个理性的经济人，企业往往会秉持选择主体的利润最大化原则进行区位选择。条件Logit离散选择模型，为研究产业区位提供了很好的分析方法。当任意两个备选区位的概率不受其他区位影响时，则可将企业i进入区位j的概率表达为：
P i j = e x p β × U i j ∑ j = 1 c e x p β × U i j
式中：c代表可选择的区域数量。假设企业i的区位选择受到m个因素的影响， U i j可表示为：
U i j = β 1 X i j 1 + β 2 X i j 2 + β 3 X i j 3 + … + β m X i j m
为了表征变量对被解释变量边际影响的大小，参考余珮[40]等的处理方法，以平均概率弹性来测算解释变量的边际影响。企业i选择区域j的概率弹性由所在区域的区位特征 R i j所决定，其概率弹性可表示为：
∂ l n P i j ∂ R i j = β i 1 - P i j ∂ l n P i j ∂ R i j = β i 1 - P i j
则区位特征的平均概率弹性为研究区域所有企业和备选区位的加总，即：
A P E i j = β i J - 1 J
式中：J表示备选区位的总数；β是估计参数，其中本文β的取值为0.968。

2 兰州市生产性服务企业空间演变与集聚特征

2.1 兰州市生产性服务企业空间分布演变

根据核密度估计结果，兰州市生产性服务企业主要集中在城市中心区，空间分布具有明显的集聚特征，但在不同时期又存在一定的差异。1993年生产性服务企业主要分布在城关老城区（图1a），具体集中在西关什字、南关什字、张掖路、东方红广场、盘旋路、段家滩等区域。在小西湖、培黎广场、银滩、西固城和陈官营附近虽然也出现了较小规模的集聚区域，但整体而言这一时期的生产性服务企业呈现出单中心结构形态。1999年生产性服务企业在老城区的集聚区域与上一时期相比基本保持稳定（图1b），在西固城、陶瓷市场附近出现了较大规模的集聚区，形成东西两大集聚片区，产业空间分布的多中心集聚特征初步显现。2007年生产性服务企业在原有集聚片区的基础上，沿城市交通主干道由老城区逐渐向外围区域扩散（图1c），并在小西湖、汽车西站、金港城、崔家大滩、十里店、费家营出现新的跳跃式集聚中心，多中心组团式的产业空间分布特征更加明显。2014年与前一时期相比集聚范围和强度不断扩大，以城关老城区为主体的城市中心区成为生产性服务企业最主要的集聚区域，在七里河的西站—小西湖，安宁的培黎—十里店，西固的西固城—先锋路形成3个相对稳定的次级集聚区，并且各集聚区之间的连接区域不断得到填充，呈现出带状连片扩张的趋势，多中心组团式空间格局得到进一步巩固（图1d）。整体来看，兰州市生产性服务业的空间格局演变经历了“集中—分散—分散式集中”的过程，形成了以城市中心区域为集聚主体，外围地区为补充的多中心组团式的空间格局，这也与其城市内部地域结构的多核心发展模式相呼应。
图1 1993—2014年兰州市生产性服务企业空间格局

Fig.1 Spatial pattern of producer service enterprises in Lanzhou from 1993 to 2014

2.2 兰州市生产性服务企业空间集聚演变

从兰州市生产性服务企业的集聚函数图来看（图2），各时间节点的距离核密度曲线变化趋势相似，在0~30 km的距离频数范围内均呈现先增后减的倒“U”型曲线，但集聚峰值及其空间距离存在显著差异，集聚范围也表现出较大变化。在选取的4个时间节点，生产性服务企业分别在1.98 km、2.16 km、2.22 km和1.84 km处出现了空间距离频数的集聚峰值，其所对应的集聚强度分别达到0.23、0.18、0.16、0.33（表1）。整体而言，企业间的集聚峰值距离在前三个时段呈现逐渐增大的趋势，2008—2014年呈下降态势，而集聚峰值强度则表现出先减后增的变化趋势。此外，兰州市生产性服务业的集聚范围也逐渐增大并且出现多个极大值点。究其原因可能在于，1993年之前其生产性服务业的发展速度较为缓慢，企业的空间分布也较为集中，表现出以城关老城区为核心的单中心空间布局特征，集聚峰值距离较小，集聚强度较高；1993—2007年生产性服务企业的空间布局以原有集聚区为核心逐渐向外拓展，范围逐渐扩大，并且出现多个集聚区，峰值距离逐渐增大，集聚强度也随之减弱；2007年之后，兰州市生产性服务业发展迅速，多中心空间格局基本形成，峰值距离开始下降，集聚强度又开始逐渐增强。
图2 1993—2014年兰州市生产性服务企业空间集聚特征

Fig.2 Spatial agglomeration characteristics of producer service enterprises in Lanzhou from 1993 to 2014

表1 1993—2014年兰州市生产性服务企业空间集聚特征比较

Tab.1 Comparison of spatial agglomeration characteristics of producer service enterprises in Lanzhou from 1993 to 2014

1993 1999 2007 2014
集聚范围（km） 6.36~9.67 0~4.32，16.84~23.26 0~4.65，17.92~24.26 0~8.63，16.89~30
峰值距离（km） 1.98 2.16 2.22 1.84
峰值集聚强度 0.23 0.18 0.16 0.33

3 兰州市生产性服务企业区位选择的影响因素分析

3.1 变量选择

由于新建企业的区位选择往往会受到之前企业区位决策的影响，因此在测度兰州市生产性服务企业区位选择的影响因素时，需将原有的企业空间分布对2014年新建生产性服务企业在进行区位选择时的影响考虑在内。此外，通过整理共筛选出2014年新建生产性服务企业2 105家，在此基础上以街道为分析单元，将被选中的区位赋值为1，被拒绝的区位则赋值为0。由于兰州市主城区共有50个备选区位，并且企业最终选择的区位是唯一的，因此在参照赵浚竹、王俊松[41-42]已有研究成果的基础上，结合兰州市的实际地域情况，采用蒙特卡洛采样方法，随机选取5个拒绝区位作为特征变量来解决区位选择模型拒绝项过多的问题。在测度影响新建企业区位选择行为的因素时，主要考虑以下几个方面（表2）：
表2 解释变量定义及预期影响

Tab.2 Definition of explanatory variables and expected effects

变量 变量含义 预期影响
因变量
企业区位 企业区位（loc） 1=企业所选的区位，0=企业拒绝的区位
解释变量
地方化经济 企业数量（firm） 备选区位已有该行业企业数量（取对数） +
集聚效益（aggl） 备选区位2014年拥有该行业企业的个数（个）（取对数） +
城市化经济 城市化率（rate） 备选区位的非农人口占年末总人口比重（%） +
人口密度（popudens） 备选区位内每平方千米的人口数（人/km2）（取对数） +
土地价格 商业基准地价（lanprice） 1=一级地价，2=二级地价，3=三级地价，4=四级地价5=五级地价，
6=六级地价（取对数）		 +
劳动力资源 就业适龄人口（wap） 备选区位每平方千米范围内15~64岁的人口数（人/km2）（取对数） +
本行业从业人员（workers） 备选区位从事该行业的从业人员数（人）（取对数） +
基础设施 路网密度（roaddens） 备选区位的道路密度（km/km2）（取对数） -
空间距离 距城市中心距离（center） 备选区位到城市中心的直线距离（km）（取对数） -
距最近轨道交通站点距离（railway） 备选区位距最近火车站、地铁站的直线距离（km）（取对数） -
距最近主干道距离（road） 备选区位距最近城市主干道的直线距离（km）（取对数） -
技术创新 距最近高校和科研院所的直线距离（university） 备选区位距最近高校和科研院所的直线距离（km） -
政策规划 有无开发区或产业园区（development zone） 位于开发区的街道赋值为1，其他街道赋值为0 +
是否位于城市规划中心区域（planning center area） 位于规划中心区域的区位赋值为1，其他区位赋值为0 +
①集聚因素。根据集聚经济理论，产业集聚为企业的发展提供了通过社会网络关系、企业间合作等学习机制获得新知识和新信息的机会，有助于企业间进行知识和信息的共享，从而获得外部经济，有利于其市场竞争优势的保持。学者们通常认为集聚经济包括地方化经济和城市化经济：地方化经济可以解释相似服务企业的空间集聚，空间上的接近有助于企业甄别信息、吸引专业人才、模仿竞争对手以及引领创新，本文在参考韩会然[43]等人研究成果的基础上，分别选取企业数量和集聚效益来反映各备选区位自身产业经济的发展状况；城市化经济则强调经济发展对城市劳动力资源以及城市化水平的依赖，本文借鉴贺灿飞[44]等人的方法，采用各街道的人口密度和城市化率的对数值作为城市化经济的表征变量。
②成本因素。不同区位的租金级差往往会造成企业经营成本的差异，并且成为影响企业区位选择和再选择的一个重要因素。一方面，生产性服务业作为高端服务业，企业往往倾向于商业繁荣、基础设施完善的区域布局，这既有助于品牌效应的形成，也能够获得较高的收益；另一方面，在竞争日趋激烈的市场化背景下，城市内部各种经济活动大都按照距离摩擦抵抗最小化原则来选择各自的区位，而地租作为与空间摩擦关联性最强的因素，其与交通费用共同决定的摩擦费用最小点成为所有经济活动追求的最佳区位点，生产性服务企业也不例外。鉴于此，本文选取兰州市商业基准地价作为企业用地成本的衡量指标。
③劳动力资源。充足的劳动力为企业的发展提供了必要的生产要素，也为其扩大市场规模、形成资本积累创造了条件。本研究将各街道15~64岁的就业适龄人口数和从事该行业的人员数作为衡量区域劳动力资源的表征变量。其中，就业适龄人口在很大程度上反映了备选区位潜在劳动力资源的丰富程度，而区域内该行业从业人员数则反映了该地区行业就业率和能够为企业发展提供专业化劳动力资源的能力。
④基础设施。区域内完善的基础配套设施可以帮助企业将部分内部成本转化为社会公共成本，进而吸引企业的入驻[45]。本文选取道路密度和到达市中心各类交通设施的空间距离作为衡量基础设施差异的指标。道路密度方面，选取每个街道范围内的道路密度作为衡量指标，反映企业选择该街道时所能够获得的交通可达性情况。空间距离方面，分别以各街道质心到城市中心的直线距离以及与最近火车站和主干道路的距离来反映备选区位的基础设施状况。
⑤技术创新。在知识经济和全球化背景下，产业竞争力逐步从过去基于资源禀赋的比较优势向基于创新的竞争优势转变。尤其是现代高新技术的发展和应用为生产性服务业的技术革新提供了重要支撑，促使生产性服务企业也逐渐开始重视创新环境在其发展中的重要性。高校和科研院所因其在技术创新方面的独特优势，使得越来越多的高新技术企业愈发重视与其展开全方位的合作，以此来提高自身的核心竞争力。因此本文在指标的选取过程中，以各备选区位与最近高校和科研院所的直线距离来反映其原有地域的技术创新环境状况。
⑥政策规划。受分税制改革所带来的政治集权与财政分权的双重影响，政策制度也逐渐成为影响生产性服务企业区位选择的重要因素。一方面，开发区作为政府通过税收优惠、市场准入等措施扶植起来的政策高地，已成为集聚产业资源、培育创新人才以及发展先进生产力的有效载体。另一方面，政府通过制定发展规划发挥其在城市产业结构调整和职能转变中的引导性作用，进而影响企业发展及其空间布局[46]。因此本文选取各街道是否位于开发区和城市规划中心区作为反映政策规划因素的表征变量。

3.2 企业区位选择的影响因素测度

考虑到不同类型生产性服务企业由于服务对象、资产配置和服务功能的不同，在区位选择上会有各自的偏好。因此，在对新建生产性服务企业区位选择的影响因素进行整体测度的基础上，按照行业属性特点又进一步将其分为科技服务业、信息服务业、金融服务业、房地产服务业、商务服务业、交通运输业六类行业类型，分别对各类行业企业区位选择的影响因素进行了测度分析（表3）。
表3 兰州市生产性服务业企业区位选择的条件Logit模型估计结果

Tab.3 Results of the Logit model estimation of location selection of producer service enterprises in Lanzhou

模型1
生产性服务业		 模型2
科技服务业		 模型3
信息服务业		 模型4
金融服务业		 模型5
房地产服务业		 模型6
商务服务业		 模型7
交通运输业
Firm 0.142（0.996） 0.031（0.218） -0.026（0.719） 0.595**（0.041） 0.070（0.387） -0.017（0.626） 0.0143（0.224）
Aggl 0.149***（0.006） 0.061**（0.036） 0.131***（0.004） -0.484**（0.036） 0.076（0.327） -0.012（0.672） -0.088（0.115）
Rate 0.035（0.311） 0.023（0.651） 0.014（0.775） 0.026**（0.012） 0.047**（0.071） 0.361**（0.034） 0.012（0.761）
Popudens 0.882（0.272） 2.016（0.158） -0.821（0.469） 4.864（0.267） 0.783（0.151） 0.428（0.214） 1.303**（0.032）
Landprice -0.369*（0.029） 4.144（0.111） -0.089（0.968） -0.889（0.669） 2.557（0.139） -0.031（0.176） -1.873***（0.009）
WAP 0.035（0.276） -5.126（0.101） 2.361（0.296） 1.351*（0.076） -2.879（0.324） 0.403**（0.031） 0.936*（0.091）
Workers 0.124*（0.086） 1.670（0.262） 1.088（0.271） 4.073（0.106） 1.630（0.178） 2.039（0.373） 0.228**（0.035）
Roaddens 0.561***（0.003） 0.026（0.135） 1.439（0.375） 2.947（0.149） 0.782（0.642） 1.085***（0.007） -0.040（0.965）
Center -1.970**（0.049） -0.639（0.642） -0.268（0.886） -0.852***（0.005） -0.583***（0.010） -1.207***（0.005） 2.509*（0.086）
Railway 0.259（0.679） -0.001（0.999） -1.509（0.187） 0.010（0.994） -2.051（0.171） 0.236（0.861） -0.086**（0.022）
Road -1.332**（0.024） -0.594（0.581） -0.542（0.609） -0.723（0.560） -0.659**（0.032） -0.743*（0.055） -0.223***（0.005）
University -1.103***（0.008） -3.452***（0.006） -1.324**（0.049） -0.164（0.170） -2.714（0.157） -0.896（0.190） 0.446（0.624）
DZ 2.280***（0.003） 1.164**（0.028） 2.829***（0.002） 2.714（0.119） -1.008（0.579） -6.908（0.145） 0.882（0.530）
Planning 4.430***（0.005） 0.155（0.954） -0.350（0.908） -6.660（0.180） 5.186（0.178） 0.805（0.135） 0.384（0.817）
Log-likehood -2 297.2 -1 475.4 -1 424.9 -1 065.2 -1 327.7 -944.6 -1834.5
Rseudo R2 0.5983 0.3713 0.3954 0.3155 0.4960 0.3703 0.5812
样本数量 2105 150 685 126 204 791 149

注：括号内数据为z检验值，*、**和***分别表示在10%、5%和1%统计水平上显著。

从生产性服务企业整体的测度结果来看，集聚效益、基础设施、技术创新以及政策规划对其区位选择的影响最为显著。具体而言，①企业的集聚对其区位选择具有显著的正向影响，原有企业数量每增加10%，新建企业选择该区位的平均概率弹性将会提高14.42%，表明生产性服务业作为一种具有集聚经济特点和城市化经济特征偏向的行业，企业在发展过程中愈发重视集聚发展带来的空间效应。②基础设施方面，路网密度对生产性服务企业区位选择呈显著的正向影响，备选区位的平均路网密度每增加10%，生产性服务企业入驻该街道的平均概率弹性将提高5.43%，说明便利的交通可以满足企业与客户面对面交流的需求，为生产性服务企业获得辅助服务并及时有效地传递给客户提供了可能。③技术创新方面，与高校科研院所的距离对生产性服务企业的区位选择具有显著的负向影响。测度结果表明，距离每增加10%，此类型企业选择该区位的平均概率弹性将会降低10.68%，这也进一步说明了生产性服务业作为一种中间性投入行业，越来越注重创新在提升企业竞争力过程中所发挥的重要作用。④政策规划方面，位于开发区或城市规划核心区内的备选区位对于生产性服务企业的区位选择具有显著的正向影响，说明政策规划对生产性服务企业的吸引力较大。
从生产性服务企业分行业的测度结果来看：科技服务企业的区位选择主要受到地方化经济、技术创新以及政策规划因素的影响。①地方化经济方面，集聚效益对其企业区位选择有显著的正向影响，并且以1%的统计水平通过显著性检验，原有科技服务企业所产生的集聚效应成为新建企业在进行区位选择时的重要考量因素。②技术创新方面，备选区位的创新环境对科技服务企业区位选择的影响尤为显著，与最近重点高校和科研院所的距离每增加10%，将会导致科技服务企业选择该区位的平均概率弹性降低33.42%，说明高等院校或科研院所对于该行业企业极具吸引力。③政策规划方面，开发区建设与科技服务企业的区位选择也具有很强的正相关性，位于开发区内的区位比其他区位吸引科技服务企业入驻的概率要高出10.73%。
信息服务企业在区位选择过程中，更加关注集聚效益、技术创新以及与开发区的空间关系。其中，①集聚效益对其企业区位选择的影响显著为正，原有信息服务企业数量每增加10%，新建企业选择该区位的平均概率弹性将会提高12.68%，说明信息服务企业注重企业间空间集聚所带来的外部性经济。②技术创新方面，信息服务企业尤为重视区域创新环境对于企业发展的影响，鉴于高校等科研机构对于该类产业的发展所起到的孵化培育作用，因而与最近高等院校和科研院所的距离每增加10%，企业选择该区位的平均概率弹性将降低12.82%。③政策规划方面，开发区对信息服务企业空间布局的影响显著，测度结果表明信息服务企业在进行区位选择时更倾向于开发区分布。
金融服务企业的测度结果表明，集聚经济和空间距离两个变量对其区位选择影响的显著性最高。①集聚经济方面，企业数量和城市化率对其企业区位选择均起到了显著的正向作用。原有金融服务企业数量每增加10%，新建企业选择该区位的平均概率弹性将会提高5.76%；城市化率每增加10%，其企业选择该区位的概率将会提高2.52%。②空间距离方面，金融服务业作为一种具有向心集聚性特点的行业，城市中心完善的基础设施和信息交流的便利性，吸引着新建企业的入驻，通过测度发现备选区位与城市中心的距离每增加10%，企业选择该区位的概率弹性就会降低8.25%。
房地产服务企业的区位选择主要受到城市化经济和空间距离因素的影响。其中，①城市化经济方面，城市化率对房地产服务企业的区位选择起到了显著的正向作用，城市化率每提高10%，企业选择该区位的平均概率弹性将会增加4.55%。②在空间距离方面，与城市中心和主干道的距离每增加10%，其企业选择该区位的平均概率弹性将分别降低5.64%和6.38%，说明城市中心和主干道附近凭借其较为完善的基础配套设施和较高的交通通达性，成为房地产服务企业选址的优选区位。
商务服务企业的区位选择受到城市化经济、基础设施以及空间距离的影响最为显著。其中，①城市化经济方面的测度结果表明，城市化率对商务服务企业的区位选择有显著的正向影响，地区原有城市化水平每提高10%，企业选择该区位的平均概率弹性将会增加3.49%。②基础设施方面，测度结果也进一步验证了路网密度对其区位选择具有正向影响的先前假设，并且路网密度每提高10%，企业选址在该区位的平均概率弹性将增加10.50%。③空间距离方面的测度结果表明，与城市中心和最近主干道的距离每增加10%，商务服务企业选择该地区的平均概率弹性将分别降低11.68%和7.23%，说明其企业在选址过程中更看重信息来源、交流的便利性，从而更倾向于城市核心区布局。
交通运输企业的测度结果表明，多数因子对其企业区位选择的影响不显著，而该类企业在进行区位选择时更看重地租成本和备选区位与城市主干道的空间邻近性。①商业基准地价对其区位选择的影响呈现出显著的负向影响，测度结果表明备选区位的商业基准地价每提高10%，其企业选择该区位的平均概率弹性将会降低18.13%，说明市中心高额地租限制了用地规模较大的交通运输企业的向心发展。②此外，交通运输业作为一种具有明显交通指向性的行业，其企业的空间分布趋势与交通主干道的距离呈明显的正向关系，说明良好的道路交通条件为其货物的配送运输提供了便利条件，成为该类行业企业的理想区位。
综上所述，生产性服务企业在进行区位选择时所考量的因素既具有产业共性又存在行业差异，其空间布局的形成是集聚效益、土地价格、基础设施、空间距离、政策规划以及技术创新等多种因素共同作用的结果。在诸多因素中，集聚效益、政策规划以及技术创新对行业整体在区位选择中的影响最为显著。与此同时，由于不同行业类型生产性服务企业在区位选择中受行业属性的影响，其决策主体在进行区位选择时考虑的因素也存在较大差异：以商务服务业、交通运输业、房地产服务业为代表的具有一定劳动密集性特点的传统生产性服务企业的区位选择主要受到土地价格和基础设施因素的影响；而以科技服务业、信息服务业、金融服务业为代表的具有一定的知识和技术密集性特点的现代生产性服务企业则更加关注集聚效益因素和技术创新因素对其未来发展的影响。

4 结论与讨论

以兰州市生产性服务企业为研究对象，运用核密度分析方法分析了其空间格局演变过程和集聚特征，通过条件Logit模型在对2014年新建生产性服务企业区位分析的基础上，探究了不同类型生产性服务企业区位选择的影响因素。得到以下结论：
第一，从兰州市生产性服务业空间格局演变特征来看，生产性服务企业空间分布逐渐由单中心向多中心演变并且逐渐趋于稳定，其空间分布形态经历了“集中—分散—分散式集中”的过程。目前，兰州市生产性服务企业的空间分布逐渐形成了以城市中心区域为主体，外围局部地区为补充的多中心组团式的空间格局。从集聚范围和集聚强度的演变特征来看，集聚峰值距离和集聚强度分别呈现先增后减和先减后增的变化趋势，集聚范围不断增大。
第二，从影响生产性服务企业区位选择因素的测度结果可以看出，其企业的区位选择是集聚效益、土地价格、基础设施、空间距离、政策规划以及技术创新等多种因素共同作用的结果。其中，集聚效益、政策规划以及技术创新的影响最为显著，成为生产性服务企业在区位选择时首要考虑的因素。然而，由于本文以兰州市主城区为研究区域，人口密度和城市化率普遍较高，不同街道之间的差异较小，因此以城市化率和人口密度为指标的城市化经济因素对生产性服务企业的区位选择影响不显著。
第三，从不同类型生产性服务企业来看，由于行业属性的不同，企业在进行区位选择过程中所考虑的因素也存在着一定的差异。以交通运输、房地产服务以及商务服务为主体的传统生产性服务企业的区位选择主要受到土地价格和基础设施因素的影响，而以信息服务、金融服务以及科技服务为主体的现代生产性服务企业更关注集聚效益因素和技术创新因素。此外，政策规划因素在现代生产性服务企业区位选择过程中也起到了一定的引导作用。
作为我国西北内陆传统的工业型城市，兰州市在产业结构升级及土地利用“退二进三”式的功能转换过程中，许多工业企业逐步由城市中心区搬迁至郊区工业园区或被淘汰，原有区位则多被具有较高产出效率的生产性服务企业所取代，城市功能也逐渐由传统的制造业中心向现代商品流通以及生产服务中心转化。由于产业集聚特性的存在，生产性服务业在兰州市内部空间中的结构性扩散有力地推动了城市空间结构向多极化、多中心地域系统演变。鉴于此，政府应基于区域资源要素禀赋，在进一步发挥市场机制的同时科学引导生产性服务企业在城市空间的多中心集聚，改善原有单中心空间格局下工商企业混居所引发的集聚不经济现象，进而提高城市的整体生产效率。近年来，生产性服务业虽然在以兰州为代表的西北内陆城市有了长足发展并逐渐成为转型期支撑其内部空间结构的重要力量，但与东部沿海城市相比无论是产业发展水平还是产业韧性都存在较大差距。因此，在规划用地和投入资金建设城市生产性服务业功能区之前，西北内陆城市必须对自身吸引生产性服务业的能力做深入分析，着眼于引导产业集群化、集约化发展，实现城市功能、人口分布、资源环境与产业布局的协调发展。此外，城市生产性服务功能区的建设要着重关注区域差异性、行业异质性以及时间波动性，尤其要重视街道单元发展水平和资源禀赋差异对不同功能区域分工地位的影响。随着我国经济改革的深化和政治体制的完善，政府将进一步外部化各类要素市场，政府配置资源的能力也将发生变化。面对新时期政府—市场关系的演变，生产性服务业的企业空间行为势必会受到新因素的影响，因而在今后的研究中有待于做更深层次的探索。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
席强敏, 李国平. 京津冀生产性服务业空间分工特征及溢出效应[J]. 地理学报, 2015, 70(12):1926-1938.

DOI

[2]
杨帆. 生产性服务业发展的动力机制与空间效应研究进展[J]. 地理科学进展, 2018, 37(6):14-24.

[3]
甄峰, 刘慧, 郑俊. 城市生产性服务业空间分布研究:以南京为例[J]. 世界地理研究, 2008, 17(1):24-31.

[4]
Illeris S, Sjoholt P. The nordic countries:high quality service in a low density environment[J]. Progress in Planning, 1995, 43(2):205-221.

[5]
Coffey W J, Shearmur R G. Factors and correlates of employment growth in the Canadian urban system,1971-1991[J]. Growth and Change, 1998, 29(1):44-66.

[6]
Sassen S. The global city:New York,London,Tokyo[J]. Political Science Quarterly, 2001, 107(2):501-502.

[7]
Searle G H. Changes in produce services location,Sydney:Globalization,technology and labor[J]. Asia Pacific Viewpoint, 1998, 39(2):237-255.

[8]
Michalak W, Fairbairn K J. The location of producer services in Edmonton[J]. Canadian Geographer, 2008, 37(1):2-16.

[9]
Schwartz A. Corporate service linkages in large metropolitan areas:a study of New York,Los Angeles,and Chicago[J]. Urban Affairs Review, 1992, 28(2):276-296.

[10]
Storper M, Venables A J. Buzz:face-to-face contact and the urban economy[J]. Journal of Economic Geography, 2004, 4(4):351-370.

[11]
Storper M. Keys to the city:how economics,institutions,social interaction,and politics shape development[M]. Princeton,NJ: Princeton University Press, 2013.

[12]
Sokol Martin, Van Egeraat Chris, Williams Brendan. Revisiting the "Informational City":space of flows,polycentricity and the geography of knowledge-intensive business services in the emerging global city-region of Dublin[J]. Regional Studies, 42(8):1133-1146.

[13]
Kimelberg S M, Williams E. Evaluating the importance of business location factors:the influence of facility type[J]. Growth and Change, 2013, 44(1):92-117.

[14]
Weterings A. What makes firms leave the neighbourhood[J]. Urban Studies, 2014, 51(8):1613-1633.

[15]
Hermelin B. The urbanization and suburbanization of the service economy:producer services and specialization in Stockholm[J]. Geografiska Annaler B Human Geography, 2007, 89(S1):59-74.

[16]
Huber F. On the sociospatial dynamics of personal knowledge networks:formation,maintenance,and knowledge interactions[J]. Environment and Planning A, 2012, 44(2):356-376.

[17]
Watkins A R. The spatial distribution of economic activity in Melbourne,1971-2006[J]. Urban Geography, 2014, 35(7):1041-1065.

[18]
Condliffe S, Morgan O A. The effects of air quality regulations on the location decisions of pollution-intensive manufacturing plants[J]. Journal of Regulatory Economics, 2009, 36(1):83-93.

[19]
Sevtsuk A. ocation and agglomeration:the distribution of retail and food businesses in dense urban environments[J]. Journal of Planning Education and Research, 2014, 34(4):374-393.

[20]
Giang T, Karpyn A, Laurison H B. Closing the grocery gap in underserved communities:the creation of the Pennsylvania Fresh Food Financing Initiative[J]. Journal of Public Health Management and Practice, 2008, 14(3):272-279.

[21]
Appleyard L. The geographies of access to enterprise finance:the case of the West Midlands,UK[J]. Regional Studies, 2013, 47(6):868-879.

[22]
薛东前, 石宁, 公晓晓. 西安市生产者服务业空间布局特征与集聚模式研究[J]. 地理科学, 2011, 31(10):1195-1201.

[23]
邱灵, 方创琳. 北京市生产性服务业空间集聚综合测度[J]. 地理研究, 2013, 32(1):99-110.

[24]
陈红霞. 北京市生产性服务业空间分布与集聚特征的演变[J]. 经济地理, 2018, 38(5):108-116.

[25]
宋昌耀, 罗心然, 席强敏. 超大城市生产性服务业空间分工及其效应分析——以北京为例[J]. 地理科学, 2018, 38(12):101-109.

[26]
张文忠. 大城市服务业区位理论及其实证研究[J]. 地理研究, 1999, 18(3):273-281.

DOI

[27]
万千欢, 千庆兰, 陈颖彪. 广州市生产性服务业影响因素研究[J]. 经济地理, 2014, 34(1):89-93.

[28]
唐晓华, 张欣珏, 李阳. 中国制造业与生产性服务业动态协调发展实证研究[J]. 经济研究, 2018(3):79-93.

[29]
简晓彬, 陈伟博. 生产性服务业发展与制造业价值链攀升——以江苏为例[J]. 华东经济管理, 2016, 30(7):29-34.

[30]
余泳泽, 刘大勇, 宣烨. 生产性服务业集聚对制造业生产效率的外溢效应及其衰减边界——基于空间计量模型的实证分析[J]. 金融研究, 2016(2):23-36.

[31]
申玉铭, 邱灵, 尚于力. 京沪生产性服务业比较研究[J]. 地理研究, 2009, 28(2):441-450.

[32]
邵晖. 北京市生产者服务业聚集特征[J]. 地理学报, 2010, 63(12):1289-1298.

[33]
赵群毅, 周一星. 北京都市区生产者服务业的空间结构——兼与西方主流观点的比较[J]. 城市规划, 2007(5):24-31.

[34]
Han S S, Qin B. The spatial distribution of producer services in Shanghai[J]. Urban Studies, 2009, 46(4):877-896.

[35]
Yang F, Yeh AGO. Growth and spatial development of producer services in China[J]. Tropical Geography, 2013, 33(2):178-186.

[36]
肖琛, 陈雯, 袁丰. 大城市内部连锁超市空间分布格局及其区位选择——以南京市苏果超市为例[J]. 地理研究, 2013, 32(3):465-475.

[37]
李佳洺, 张文忠, 李业锦. 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.

DOI

[38]
Silverman B W. Density estimation for statistics and data analysis[M]. New York: Chapman and Hall, 1986.

[39]
吕卫国, 陈雯. 制造业企业区位选择与南京城市空间重构[J]. 地理学报, 2009(2):142-152.

[40]
余珮, 孙永平. 集聚效应对跨国公司在华区位选择的影响[J]. 经济研究, 2011(1):73-84.

[41]
赵浚竹, 李国平, 孙铁山. 中国汽车制造业集聚与企业区位选择[J]. 地理学报, 2014, 69(6):850-862.

DOI

[42]
王俊松. 集聚经济与中国制造业新企业区位选择[J]. 哈尔滨工业大学学报:社会科学版, 2011, 13(6):19-26.

[43]
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

[44]
贺灿飞, 魏后凯. 信息成本、集聚经济与中国外商投资区位[J]. 中国工业经济, 2001(9):38-45.

[45]
孙斌栋, 汪明峰, 张文新. 中国城市经济空间[M]. 北京: 科学出版社, 2018.

[46]
宁越敏. 上海市区商业中心区位的探讨[J]. 地理学报, 1984, 51(2):163-172.

Options
文章导航

/

〈 〉