EN中文

经济地理 >

2019 , Vol. 39 >Issue 3: 125 - 133

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.03.015

产业经济与创新发展

京津冀城市群物流企业空间格局演化及影响因素

  • 张璐璐 ,
  • 赵金丽 ,
  • 宋金平 , ※
展开
  • 北京师范大学 地理科学学部，中国 北京 100875
※宋金平（1968—），男，山东平邑人，博士，教授。主要研究方向为经济地理。E-mail：。

张璐璐（1993—），女，山东济南人，硕士研究生。主要研究方向为城市与区域发展。E-mail：。

收稿日期: 2018-07-02

  修回日期: 2018-11-15

  网络出版日期: 2025-04-29

基金资助

国家自然科学基金项目(41271132)

收起

Spatial Evolution and Influencing Factors of Logistics Enterprises in Beijing-Tianjin-Hebei Urban Agglomeration

  • ZHANG Lulu ,
  • ZHAO Jinli ,
  • SONG Jinping , ※
Expand
  • Faculty of Geographical Science，Beijing Normal University，Beijing 100875，China

Received date: 2018-07-02

  Revised date: 2018-11-15

  Online published: 2025-04-29

Fold

摘要

通过国家企业信用信息公示系统收集京津冀城市群物流企业的信息，利用核密度分析和热点分析方法对1995、2005、2015年京津冀城市群物流企业空间分布特征进行研究，采用地理加权回归模型（GWR）分析物流企业演化的影响因素。结果表明：1995—2015年，京津冀城市群物流企业在数量上急剧增加，物流企业的空间分布由分散趋于集中，形成北京市、天津市及石家庄市三大集聚中心，物流企业的分布区域由京津冀城市群西北部向东南部转移，但北京市及周边区县物流企业发展水平始终较高。对比京津冀城市群2015年商业物流企业和国有物流企业的区位选择可以发现，商业物流企业布局受第三产业比重、道路密度、居民可支配收入、企业集聚的影响。该四类因素对物流企业布局的影响均存在区域上差异，企业集聚因素对京津冀城市群各区县物流企业布局的影响最大，而居民可支配收入对物流企业布局的影响区域差异最大。

关键词： 京津冀城市群; 物流企业; 空间演化; 地理加权回归; 京津冀协同发展; 集聚

本文引用格式

张璐璐 , 赵金丽 , 宋金平 . 京津冀城市群物流企业空间格局演化及影响因素[J]. 经济地理, 2019 , 39(3) : 125 -133 . DOI: 10.15957/j.cnki.jjdl.2019.03.015

Abstract

This paper collects the information of the logistics enterprises of Beijing-Tianjin-Hebei urban agglomeration through the National Enterprise Credit Information Publicity System and describes the spatial distribution characteristics of the logistics enterprises in Beijing-Tianjin-Hebei urban agglomeration in 1995, 2005 and 2015 by using the Kernel density and hot spot analysis methods. This paper uses geographically weighted regression (GWR)model to analyze the influencing factors. The results show that the total number of logistics enterprise in Beijing-Tianjin-Hebei urban agglomeration increased sharply from 1995 to 2015. The spatial pattern shifts from the dispersion distribution to the cluster and forms three centers of agglomeration which are Beijing, Tianjin and Shijiazhuang, and the distribution area of logistics enterprises transferred from the northwest of Beijing-Tianjin-Hebei urban agglomeration to the southeast. The development level of logistics enterprises in Beijing and surrounding counties has always been in high level. Compared the location choice of the state-owned logistics enterprises with the commercial logistics enterprises in Beijing-Tianjin-Hebei urban agglomeration in 2015, the distribution of commercial logistics enterprises is influenced by four factors: the proportion of the third industries, the road density, the disposable income of the resident and the agglomeration of the enterprises. There are regional differences in the four factors on the distribution of logistics enterprises, and the enterprise agglomeration has the greatest impact on the distribution of logistics enterprises in each district, while the regional difference in the influence of disposable income on the layout of logistics enterprises is the largest.

Key words： Beijing-Tianjin-Hebei urban agglomeration; logistics enterprises; spatial evolution; geographically weighted regression; integrated development of Beijing-Tianjin-Hebei; agglomeration

2014年以来，国家倡导发展新经济和互联网经济，充分认识到物流和商贸流通对国家经济发展的重要性。2015年中共中央政治局审议通过《京津冀协同发展规划纲要》，强调要实现京津冀协同发展，明确北京市为“全国政治中心、文化中心、国际交往中心、科技创新中心”，天津市为“全国先进制造研发基地、北方国际航运核心区、金融创新运营示范区、改革开放先行区”，河北省为“全国现代商贸物流重要基地、产业转型升级试验区、新型城镇化与城乡统筹示范区、京津冀生态环境支撑区”。在天津市和河北省的功能定位中均涉及到物流业，说明物流业在京津冀协同发展过程中具有重要的地位。陆大道先生也曾分析，京津冀城市群的发展目标是成为世界性的“资金流”、“信息流”、“物流”、“人才流”等“流”的重要节点[1]。物流业的发展成为京津冀城市群协同发展过程中的关键。物流业作为现代服务业的重要组成部分，对区域城市发展和产业转型具有重要的支撑和导向作用。
空间视角是地理学的核心视角，空间视角下的物流企业的空间组织与布局是核心研究内容[2-3]。物流企业的地理学研究大多基于增长极理论和区位论[4⇓-6]。在物流企业的空间演化方面，国外注重微观层面的研究，国内则更注重宏观层面的研究。国外对物流企业的地理学研究包括单个物流企业内部的社会资本、知识管理、管理技术[7-8]，不同物流企业间的合作模式[9]等。国内对物流企业的地理学研究主要集中在城市物流企业的空间格局以及物流网络两方面。在空间格局方面，王成金选择中国1 855家A级物流企业为样本分析中国物流企业的分布格局及形成机制[10]，之后有学者分别研究了义乌市[11]、苏州市[12]、宁波市[13]、广州市[14]、重庆市[15]、北京市[16]等城市物流企业、城市新区[17]，长江三角洲[18-19]、珠江三角洲[20]等城市群的空间格局。在物流网络研究方面，集中在城市群物流企业网络的研究[21-22]，物流交通网络的研究[23]、物流网络中城市等级的研究[24-25]等。在物流企业布局影响因素的研究方面，国内外学者在影响因素的选取上具有一致性，影响因素主要集中在交通条件[26⇓-28]和企业集聚[29]。MP Devereux提到劳动力市场中产生的劳动力市场共享、中间产品投入和知识技术溢出会影响物流企业的选址[30]。在国内的研究中，影响因素集中在物流基础设施建设[12]、物流市场分布[12]、企业集聚要素[13]、交通网络布局[31]、政策因素[31]等。李国旗等提出，交通、地租和资产是物流企业和物流节点类型、职能与对象分异的主要影响因子[5]。韩增林等提出了第三方物流企业的影响因素体系，包括自然因素、社会因素、经营因素和交通运输因素[32]。
国内外的大量研究为从地理学视角研究物流企业的空间布局提供了科学参考，但仍存在不足，主要表现在：研究尺度上以城市为单元的研究较多，对城市群的关注较少。在研究时间上，以截面数据为基础的静态研究较多，缺少对物流企业动态演化的分析。在物流企业空间布局影响因素的研究中，当前大多数研究未考虑到不同区域物流企业布局的影响因素在空间上会存在差异。
因此，本文以京津冀城市群为研究案例，对1995—2015年京津冀城市群物流企业的空间演化及影响因素进行探讨，利用国家企业信用信息网站提供的物流企业数据，采用核密度分析、热点分析方法研究京津冀城市群物流企业数量的演化规律，利用地理加权回归模型（GWR）对京津冀城市群物流企业布局的影响因素进行探究，对区域物流资源配置、物流要素流动、合理布局物流网点起到指导作用，对京津冀城市群物流企业空间布局调整及优化具有重要的实践意义。

1 研究区概况、数据来源与研究方法

1.1 研究范围

1.1.1 地理范围

本研究的地理范围是京津冀城市群，该城市群是连接华北、东北、华东的接合部，是我国的政治、文化与科技中心，包括北京市、天津市两个直辖市以及河北省11个地级市。2000年后部分城市进行了行政区划调整，为便于研究，以2015年行政区划为准。在行政区划上，研究区域包括2个直辖市，11个地级市，202个县级行政单元（73个市辖区、20个县级市和109个县）。将河北省各地级市的市辖区合并为11个市区研究单元；将北京市2个中心城区和4个近郊区合并为1个独立单元，其余10个远郊区各自作为1个研究单元；将天津市6个中心城区和4个近郊区合并为一个独立单元，其余的5个远郊区县和副省级区滨海新区则各自作为一个研究单元，最终共形成157个基本研究单元[33]。

1.1.2 时间范围

本研究的时间范围是1995—2015年。1990年以后，随着我国经济体制改革的发展，企业产权关系日益明晰，生产、流通等企业开始认识到物流企业的重要性，国内开始出现不同形式的物流企业。2004年，国家发展与改革委员会等九部委出台《关于促进我国现代物流业发展的意见》，该文件是我国物流政策环境建设突破性的进展。2015年4月，中共中央政治局审议通过《京津冀协同发展规划纲要》，随着北京非首都功能的不断疏解，京津冀城市群的物流企业布局也需要随着城市功能的改变进行重构和优化。因此，在物流企业发展的重要时间阶段中选取研究时间点。考虑到京津冀城市群2016—2017年部分县域数据尚未公布，从1990年代开始每10年选取一个时间点对企业演化过程进行研究，因此本研究选取1995、2005、2015年3个时间点来探究京津冀城市群物流企业的空间分布格局及演化特征。

1.2 数据来源

本文的物流企业数据主要来源于国家企业信用信息登记系统，截止到2015年12月按执照登记在册的京津冀物流企业的名录共收集到9 052家。在此基础上，建立京津冀城市群物流企业数据库，主要包括企业名称、企业等级、成立年份、经营地址、经营范围、注册资本等。利用地址信息通过百度地图获取每个物流企业的经纬度，对照京津冀城市群的县域地图确认物流企业的空间位置，剔除基本信息不明确的企业，最终得到7 886家企业，总体空间化率为87.12%。其中截至1995年有301家，截至2005年有2 927家，截至2015年有7 886家。社会经济数据主要来源于北京、天津及河北各县市的统计年鉴、各县市国民经济与社会发展统计公报和政府工作报告，个别缺失数据通过插补得到。

1.3 研究方法

1.3.1 核密度分析法

核密度分析工具用于计算要素在其周围邻域中的密度。此工具可计算点要素和线要素的密度。核密度估计是从数据样本自身出发研究数据分布特征的方法，通过考察规则区域中点密度的空间变化来研究点的分布特征，属于一种非参数的估计方式：对某一已知点的密度函数KERNEL，在观测点上平均化，以期得到一条光滑的估计曲线[34]。常用的四次多项式核函数为：
λ ^ h s = ∑ j = 1 n 3 π h 4 1 - s - s j h 2 2
式中：s为待估计点的位置； s j为落在以s为圆心，h为半径的圆形范围内的第i个企业的位置；h代表步长，即以p为源点的曲面在空间上延展的宽带。

1.3.2 热点分析法

热点分析方法可对数据集中的每一个要素计算Getis-Ord Gi*统计。通过得到的z得分和p值，可以知道高值或低值要素在空间上发生聚类的位置。此方法的计算原理为，查看邻近要素环境中的每一个要素，要成为具有显著统计学意义的热点，要素应具有高值，且被其他同样具有高值的要素所包围。某个要素及其相邻要素的局部总和将与所有要素的总和进行比较，当局部总和与所预期的局部总和有很大差异，以致无法成为随机产生的结果时，会产生一个具有显著统计学意义的z得分[35]。
Getis-Ord Gi*局部统计可表示为：
G i * = ∑ j = 1 n w i , j x j - X - ∑ j = 1 n w i , j S n ∑ j = 1 n w i , j 2 - ∑ j = 1 n w i , j 2 n - 1
式中： x j是要素j的属性值； w i , j是要素i和j之间的空间权重；n为要素总数，且：
S = ∑ j = 1 n x j 2 n - X - 2； X - = ∑ j = 1 n x j n
Gi*统计是z得分，因此无需做进一步的计算。

1.3.3 地理加权回归（Geographically weighted regression，GWR）

①因变量和自变量选取。本研究将京津冀城市群每个研究单元内的物流企业数量作为因变量，将自变量归纳为经济因素、交通因素、市场因素、企业集聚因素四类（表1）。其中经济因素包括人均GDP，第三产业增加值在GDP中所占的比重；交通因素指高速公路在每个区县的分布密度；市场因素包括人口密度和居民可支配收入；企业集聚因素指2005年各区县物流企业的集聚数量。集聚经济影响企业区位选择，在此以2005年京津冀城市群各区县物流企业分布数量作为2015年物流企业发展的历史基础，以此检验物流产业集聚对企业区位选择的影响[11]。
表1 自变量选取及变量说明

Tab.1 Independent variable selection and variable description

因素 自变量 变量说明
经济因素 人均GDP 该地区2015年人均GDP
三产占比 第三产业增加值占GDP比重
交通因素 高速公路密度 该地区高速公路长度与该地区面积比
市场因素 人口密度 该地区人口数量与面积比
居民可支配收入 居民家庭可以用来自由支配的收入
企业集聚因素 企业集聚数量 2005年各区县集聚的物流企业的数量
②OLS模型构建及结果。通过筛选出国有企业并对其进行OLS分析，可以发现以中国邮政为代表的国有物流企业受市场因素和经济因素的影响较小，因此剔除该国有企业数据。在进行OLS检验之前，首先对各自变量进行内生性检验，对变量进行标准化处理以消除多重共线问题的影响。以2015年京津冀城市群各区县的商业物流企业数量为因变量，以上述四类动力因子为因变量构建OLS模型，分析自变量影响程度，结果见表2。
表2 OLS模型参数估计及检验结果

Tab.2 Parameter estimation and test results of the OLS model

因素 自变量 各区企业数量
经济因素 人均GDP 0.009
三产占比 0.029*
交通因素 高速密度 0.099***
市场因素 人口密度 0.019
居民可支配收入 0.107***
企业因素 企业集聚数量 0.945***
校正可决系数（R2） 0.977

注：*p<0.05，**p<0.01，***p<0.001。

③GWR模型构建。在OLS模型的基础上，设第i个县市的地理中心坐标为（ui，vi），根据选取的影响因素及其参数设定，GWR模型构建如下：
Y = β 0 u i , v i + ∑ j = 1 k β 1 u i , v i x i j a g g l o m e r a t i o n + ∑ j = 1 k β 2 u i , v i x i j i n c o m e + ∑ j = 1 k β 3 u i , v i x i j r o a d d e n t i s i t y + ∑ j = 1 k β 4 u i , v i x i j p r o p o r t i o n + ε i
式中：（ui，vi）是第i个样本空间单元的地理中心坐标； β k（ui，vi）是连续函数 β k（u，v）在i样本空间单元的值。

2 物流企业空间格局及演化特征

2.1 物流企业数量集中于省会城市且向东南部转移发展

1995—2015年物流企业数量的演化特征为：从“北京—石家庄”一线向城市群东南部扩展，2015年该特征尤为明显，最终形成“以北京市、天津市、石家庄市为集聚中心，物流企业向城市群东南部转移发展”的分布格局。
运用ArcGIS软件统计不同时间节点点每个区县的物流企业数量，物流企业分布演化的趋势从图1可以看出，1995年京津冀城市群物流企业数量较少，北京市及天津市的物流企业集聚在主城区，河北省的物流企业呈现分散布局，京津冀城市群的大部分区县还存在无物流企业布局的情况。2005年该城市群物流企业的数量迅速增加，物流企业开始出现集聚分布，形成了北京市主城区、天津市主城区、石家庄市辖区三大物流企业集聚中心，此时京津冀城市群各区县均有物流企业点分布。2015年城市群物流企业的数量继续增加，北京市及天津市各区县的物流企业数量相对该城市群其他区县较高，在其影响下沧州市各区县、保定市定兴县及高碑店市的物流企业数量都迅速增加，除此之外，石家庄市、张家口市、衡水市、邢台市的市辖区的物流企业数量都相对增加，形成次级的集聚中心。不均衡的物流企业分布说明了城市群各区县在产业发展、人口规模及城市规模等方面的差异。
图1 京津冀城市群物流企业布局演化

Fig.1 Distribution and evolution of logistics enterprises in Beijing-Tianjin-Hebei urban agglomeration

2.2 物流企业集聚于省会城市主城区且沿交通干线扩展

1995—2015年物流企业集聚的演化特征为：物流企业的集聚中心始终集中在北京市、天津市、石家庄市的主城区。企业的分布由分散趋于集中，且沿交通干线集聚范围不断扩大。
通过分析物流企业的数量变化可以发现，京津冀城市群的物流企业存在集聚现象，因此采用核密度分析进一步探究其集聚态势（图2）。1995年物流企业数量较少且整体较为分散，集聚中心主要分布在北京市主城区、天津市主城区以及天津滨海新区、石家庄市辖区、保定市辖区、邯郸市辖区。2005年物流企业的分布由分散向集中演变，集中区域演变为北京市、天津市、石家庄市辖区及其近郊的鹿泉市、正定县及栾城县、邯郸市辖区。2015年物流企业的集中区域仍然集中在北京市、天津市及石家庄市，且三者的集聚规模较2005年变化不大，但京津冀城市群东南部小规模的物流企业集聚现象增多，说明该城市群的物流企业发展区域将主要集中在东南部。将京津冀城市群的交通网络和其物流企业的集聚相联系可以发现，1995—2015年物流企业的集聚中心均沿交通干线发展，说明交通因素会影响物流企业的布局。
图2 京津冀城市群物流企业核密度分析

Fig.2 Analysis of Kernel density of logistics enterprises in Beijing-Tianjin-Hebei urban agglomeration

2.3 物流发展水平较高的地区始终在北京主城且范围在逐渐扩大

1995—2015年物流发展水平的演化特征为：京津冀城市群物流发展水平较高的区域始终集中在北京市各区县并向周边扩展。虽然城市群东南部物流企业数量在增加，但物流企业的发展还处于较低水平。
对京津冀城市群物流企业数量的分析可以得出各城市物流企业规模的大小，但物流企业规模无法完全代表该区域物流发展水平。根据物流企业的不同职能和规模，可以将物流企业划分为“总部—区域分公司—省市分公司—区县分公司—营业部/投资公司等”。按照物流企业等级对所有企业进行赋分，对企业总部赋值为5，区域分公司赋值为4，省市分公司赋值为3，区县分公司赋值为2，营业部或投资公司等赋值为1，将京津冀城市群各区县所有物流企业的分值加和得到该区县的物流企业总分值，总分值代表了该区县物流业发展水平的高低。将各区县的分值导入ArcGIS进行热点分析。
研究结论如图3所示，京津冀城市群的热点地区1995—2005年范围稍有变大，2005—2015年则基本未发生变动，始终集中在北京市各区县以及邻近北京市的涿州市、固安县、永清县、广安县、安次区及天津市的武清区，说明物流发展水平较高的地区始终集中在北京市及周边区县即京津冀城市群的中心位置。1995—2015年京津冀城市群物流企业的冷点地区集中在城市群东南部，随着时间的变化，冷点区域在不断缩小，说明天津和河北各区县的物流业的发展水平也在不断提高。
图3 京津冀城市群物流企业发展水平热点分析

Fig.3 Hot spot analysis of development level of logistics enterprises in Beijing-Tianjin-Hebei urban agglomeration

3 京津冀城市区物流企业空间演化的驱动因素分析

3.1 OLS结果分析

在对京津冀城市群各区县物流企业布局的OLS分析中，第三产业占比、高速路网密度、居民可支配收入、企业集聚数量均通过显著性检验，该模型的解释力为97.7%。对结果作进一步分析发现，企业集聚数量对因变量的影响最大，可以说明京津冀城市群的物流企业具有明显的空间集聚性。居民可支配收入对因变量的影响说明该区域居民的可支配收入越高，则该区域的物流企业数量越多。高速路网密度对因变量的影响说明物流企业布局具有很强的交通依赖性，路网密集的区域会吸引更多的物流企业。第三产业占比对因变量的影响说明物流企业的发展和第三产业的发展息息相关，特别是电子商务的发展极大带动了物流企业的运作，因此区域的第三产业所占比重越大，则该区域的物流企业数量会更多。

3.2 GWR模型及其结果

回归系数的计算在ArcGIS 10.1软件中应用GWR工具实现，其中模型带宽的计算运用AICc的方法，结果见表3。
表3 GWR模型参数估计及检验结果

Tab.3 Parameter estimation and test results of the GWR model

模型参数 数值
Bandwidth 117 259.079
Residual Squares 2.389
Effective Number 25.087
Sigma 0.136
AICc -158.169
R2 0.984
Adjusted R2 0.981
模型的拟合优度为0.984，OLS的拟合优度为0.977，GWR模型的拟合结果要显著优于OLS模型。在GWR模型中的每个空间单元都有特定的系数。表4对各系数值进行了统计，得到平均值、最大值、最小值、上四分位值、下四分位值和中位值。结果表明高速路网密度和企业集聚数量两个自变量的系数在空间上较为稳定，且符号均为正，表明交通因素和企业集聚均对物流企业的布局有正向影响。三产占比和居民可支配收入的回归系数在空间上有波动且后者的波动较大，说明三产占比和居民可支配收入对京津冀城市群物流企业布局的影响不稳定，且后者的不稳定性更大。
表4 GWR模型型回归系数的描述性统计分析

Tab.4 Descriptive statistical analysis of the regression coefficients in the GWR model

因素 平均值 最大值 最小值 上四分位值 下四分位值 中位值
三产占比 0.033 0.095 -0.061 0.019 0.043 0.029
高速密度 0.087 0.141 0.041 0.064 0.109 0.086
居民可支配收入 0.536 10.998 -1.503 0.084 0.114 0.109
企业集聚数量 0.948 1.085 0.731 0.919 0.989 0.939
各区县局部回归模型的标准化残差值的范围在[-2.895，3.709]，其中约96.1%的范围在[-2.58，2.58]，因此GWR模型的标准化残差值在5%的显著性水平下是随机分布的。标准化残差中只有6个县域的局部回归模型未通过残差检验。进一步对残差进行空间自相关检验，得到Moran’s I=-0.041，Z=-0.706<1.65，P=0.479>0.05，残差在空间上完全随机分布，说明模型整体的效果良好。

3.3 GWR结果分析

对影响京津冀城市群物流企业布局的四类因素进行地理加权回归分析，每一类因素得到的回归系数在空间上的分布如图4。
图4 GWR模型影响因素回归系数空间分布

Fig.4 Spatial distribution of regression coefficient of influence factors in the GWR model

3.3.1 第三产业占比对物流企业布局有正向影响

第三产业增加值在区域GDP中所占比重越大，则该区域的物流企业数量会更多。从第三产业占比回归系数的空间分布上可以发现，回归系数在城市群的西部及中部偏低，石家庄市的平山县以及邯郸市的涉县回归系数出现负值。平山县第三产业的比重为33%，物流企业的数量为34，其中国有物流企业占79%，商业物流企业占21%，涉县在2015年第三产业的比重为40%，物流企业数量为35，其中国有物流企业占69%，商业物流企业占31%。由此可以看出二者的第三产业占比相对较低，经济发展水平较弱，物流企业的布局以邮政等传统国有物流企业为主，因此第三产业的发展占比对其影响较小。以邮政为代表的国有物流业因需要满足居民基本的物流需求，因此其布局受国家政策影响较大。但随着电子商务等第三产业的迅速发展，商业物流的需求越来越多，因此商业物流在数量上急剧增加，且分布范围也越来越广。

3.3.2 高速公路密度对物流企业布局有正向影响

道路密度对城市群所有区县物流企业布局的影响均为正向影响，即该道路越密集，物流企业数量则相对越多。回归系数的变化趋势为由东部向西部递减，城市群中东部地区包括北京市、天津市、承德市、唐山市各区县的道路因素对其物流业布局的影响相对较大，交通因素对西部地区的影响相对较小。张家口市的张北县、尚义县、康保县因高速公路的密度较小，所以交通因素对物流企业布局的影响较小。石家庄市、衡水市和保定市的部分区县也因高速公路的密度较小导致其物流企业受交通因素的影响较小。物流业从兴起到现在，交通基础设施及区位通达性始终是影响其布局的重要因素，随着京津冀城市群城市化进程的推进，交通基础设施不断完善，同时城市中心土地成本和劳动力成本不断上升，物流企业会沿交通干线由城市中心向郊区扩散转移。

3.3.3 居民可支配收入对物流企业布局有正向影响且区域差异较大

居民可支配收入对城市群的大部分区县具有正向影响。回归系数的变化趋势为城市群东部的唐山市、南部的邯郸市、邢台市各区县的回归系数相对较低，北部张家口市各区县的回归系数较大。京津冀城市群西部的唐山市拥有市辖区、5个县以及2个地级市，在8个研究单元中有6个研究单元的第二产业比重在50%左右，所以第二产业的发展带动了当地经济的发展，创造了较多的就业机会，当地居民的生活水平也随之提高。第三产业中的物流业发展相对较弱，因此物流企业在唐山市的布局会相对较少。但随着居民可支配收入的增加，商品交易的市场区域会不断扩大，市场因素成为影响物流企业布局的重要因素。

3.3.4 企业集聚对物流企业有正向影响

该因素的影响表现在该区域集聚的物流企业数量越多，即该地区物流发展历史较长时，其现在的物流企业数量也会相应增多。企业集聚因素回归系数的变化趋势为城市群的西北部系数较小，西南部及东北部系数较大。回归系数最大的区域为石家庄市、衡水市及邢台市各区县。物流企业有明显的空间集聚特征，集聚会降低企业的运输成本，提高效率，从而形成规模经济。但值得关注的是，京津冀城市群物流企业演化的集聚点北京市和天津市的回归系数并不大，对此也有学者以新经济地理学中的“集聚的外部不经济”为依据进行解释[36]，作为经济快速发展的北京市和天津市，大量物流企业在城市的集聚将会导致道路拥挤、成本增加等问题，因此物流企业会放弃进驻集聚区。

4 结论与讨论

本文利用1995、2005和2015年的微观企业数据对京津冀城市群物流企业的空间分布进行了研究。研究得出以下结论：数量上，京津冀城市群物流企业数量在迅速增加，以北京市及天津市的主城区、石家庄市辖区企业数量增长速度最快。集聚上，1995年的物流企业呈现分散分布状态，2005年开始出现北京市、天津市、石家庄市三个物流企业集聚中心，到2015年，物流企业在三个城市的集聚更为明显。在物流企业的发展水平上，1995—2015年，北京市各区县始终为京津冀城市群物流业发展水平较高的地区，城市群东南部物流企业数量较多但发展水平相对较低。
对2015年物流企业数据进行地理加权回归分析得出结论：第三产业比重、道路密度、居民可支配收入、企业集聚均对物流企业的布局有正向影响。企业集聚因素对京津冀城市群各区县物流企业布局的影响最大，而居民可支配收入对物流企业布局的影响各区县区域差异最大。在京津冀城市群的发展过程中，因北京市和天津市经济高度发展，第三产业发展迅速，城市中心的土地成本及劳动力成本不断增加，因此物流企业开始出现往城市郊区及河北省各区县转移的趋势。
由以上研究结论可以得出，1995—2015年，京津冀城市群物流企业的空间组织和经济联系日益紧密，物流企业在数量增加的同时开始出现集聚趋势，北京市物流发展水平始终较高，在京津冀城市群中的主体地位明显。天津市和石家庄市物流企业与北京市形成了密切联系，并带动了其他地级市物流企业的发展，由此京津冀城市群物流业发展实现一体化。
对物流企业布局的影响因素可以作进一步讨论，物流企业的区位选择具有市场、服务对象等需求指向特征及交通区位指向特征[37]，物流企业依据其在产业链中的地位与作用的不同可以分为不同类型，不同类型的物流企业在选址时侧重的因素也会不同。物流企业交通线路作为物流业的骨架将各个物流节点联系起来[38]。因此，物流企业的布局和联系会对区域城市空间结构产生影响。此外，产业集群被看作是一种经济发展的战略方式[39]，研究物流企业的集聚状况有利于更好地构建产业集群系统，加快城市群经济进步与发展。
随着2015年《京津冀协同发展规划纲要》的提出，建设供应链一体化的物流企业成为京津冀城市群物流产业发展的新方向。根据京津冀城市群的物流配套需求以及本研究所得出的物流企业的空间分布特点及发展趋势，建议相关部门合理规划承担运输、仓储不同功能物流企业的布局。结合天津市及河北省物流中心的定位，协助疏导北京市物流企业，统筹物流企业发展与京津冀城市群专业市场的发展定位，明确各城市在协同发展中的重点发展领域，从而推动京津冀城市群协同发展战略的实施，有序疏导北京非首都功能，促进京津冀城市群产业经济稳步发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
陆大道. 京津冀城市群功能定位及协同发展[J]. 地理科学进展, 2015, 34(3):265-270.

DOI

[2]
王鹏程, 宗会明, 黎明, 等. 现代物流业与城市空间结构作用相关研究进展[J]. 世界地理研究, 2014(3):102-109.

[3]
阿布都伟力·买合普拉, 杨德刚. 物流地理学研究进展与展望[J]. 地理科学进展, 2012, 31(2):231-238.

DOI

[4]
陆大道. 区域发展及其空间结构[M]. 北京: 科学出版社,1995.

[5]
李国旗, 金凤君, 刘思婧. 物流枢纽形成的驱动力与演化机理[J]. 经济地理, 2015, 35(4):84-89.

[6]
秦璐. 城市物流空间结构特征及演化理论研究[D]. 北京: 北京交通大学, 2012.

[7]
Zhang F M, Meng X Z. Empirical Research on the Efficiency and Effectiveness Continued Evaluation of Chinese Logistics Enterprises[J]. Industrial Engineering & Management, 2010, 15(2):46-49.

[8]
Hazen B T, Hanna J B, Hall D J. Incorporating logistics enter-prise architecture: a diffusion of innovation perspective[J]. International Journal of Logistics Research and Applications, 2014, 17(3):179-199.

[9]
Liu W, Wang W, Li W. Empirical analysis of logistics enterpris-es' cooperation[J]. International Journal of Services Operations and Informatics, 2008, 3(3-4):271-282.

[10]
王成金, 张梦天. 中国物流企业的布局特征与形成机制[J]. 地理科学进展, 2014, 33(1):134-144.

DOI

[11]
朱慧, 周根贵. 国际陆港物流企业空间格局演化及其影响因素——以义乌市为例[J]. 经济地理, 2017, 37(2):98-105.

[12]
曹卫东. 城市物流企业区位分布的空间格局及其演化——以苏州市为例[J]. 地理研究, 2011, 30(11):1997-2 007.

[13]
蒋天颖, 史亚男. 宁波市物流企业空间格局演化及影响因素[J]. 经济地理, 2015, 35(10):130-138.

[14]
千庆兰, 陈颖彪, 李雁, 等. 广州市物流企业空间布局特征及其影响因素[J]. 地理研究, 2011, 30(7):1254-1 261.

[15]
巫才林. 重庆市物流业发展的影响因素及战略研究[D]. 成都: 西南财经大学, 2011.

[16]
李国旗, 金凤君, 陈娱, 等. 基于POI的北京物流业区位特征与分异机制[J]. 地理学报, 2017, 72(6):1091-1 103.

[17]
李江苏, 梁燕, 王晓蕊. 基于POI数据的郑东新区服务业空间聚类研究[J]. 地理研究, 2018(1):145-157.

DOI

[18]
梁双波, 曹有挥, 吴威. 长江三角洲地区物流供应链时空演化及其影响因素——基于国际货代企业数据的分析[J]. 地理研究, 2017, 36(11):2156-2 170.

[19]
谢守红, 蔡海亚. 长江三角洲物流业发展的时空演变及影响因素[J]. 世界地理研究, 2015, 24(3):118-125.

[20]
陈鹏. 珠江三角洲地区物流产业与城市群竞争力关系研究[D]. 西安: 长安大学, 2013.

[21]
叶磊, 段学军. 基于物流企业的长三角地区城市网络结构[J]. 地理科学进展, 2016, 35(5):622-631.

DOI

[22]
王成金. 中国物流企业的空间组织网络[J]. 地理学报, 2008, 63(2):135-146.

[23]
刘正兵, 戴特奇, 廖聪, 等. 中国城际公路货运空间网络特征——基于“第一物流”网站数据[J]. 经济地理, 2017, 37(6):28-35.

[24]
秦璐, 高歌. 中国物流运营网络中的城市节点层级分析[J]. 经济地理, 2017, 37(5):101-109.

[25]
董琦, 甄峰. 基于物流企业网络的中国城市网络空间结构特征研究[J]. 人文地理, 2013(4):71-76.

[26]
Speranza M G. Trends in transportation and logistics[J]. Euro-pean Journal of Operational Research, 2016,264:10.1016/j. ejor.2016.08.032.

[27]
Bowen J T. Moving places:the geography of warehousing in the US[J]. Journal of Transport Geography, 2008, 16(6):379-387.

[28]
Boschma R, Frenken K. The emerging empirics of evolution-ary economic geography[J]. Papers in Evolutionary Economic Geography, 2011, 11(2):295-307.

[29]
Devereux M P, Griffith R, Simpson H. The geographic distri-bution of production activity in the UK[J]. Regional Science & Urban Economics, 2004, 34(5):533-564.

[30]
Sergio R. Jara-Dı́az, Basso L J. Transport cost functions,net-work expansion and economies of scope[J]. Transportation Research Part E, 2004, 39(4):271-288.

[31]
梁双波, 曹有挥, 吴威. 上海大都市区港口物流企业的空间格局演化[J]. 地理研究, 2013, 32(8):1448-1 456.

[32]
韩增林, 李晓娜. 第三方物流企业的区位影响因素研究[J]. 地域研究与开发, 2007, 26(2):16-19.

[33]
赵金丽, 张璐璐, 宋金平. 京津冀城市群城市体系空间结构及其演变特征[J]. 地域研究与开发, 2018, 37(2):9-12.

[34]
陈思宇, 张昕彤, 吴迪, 等. 北京市批发企业区位分布演化与驱动力分析[J]. 经济地理, 2016, 36(9):111-117.

[35]
闫东升, 陈雯, 李平星. 基于人口分布空间特征的市民化压力研究[J]. 地理研究, 2015, 34(9):1733-1 743.

[36]
Heuvel F P, Langen P W, Donselaar K H,etc. Spatial concen-tration and location dynamics in logistics:the case of a Dutch province[J]. Journal of Transport Geography, 2013,28:39-48.

[37]
王成金, 张梦天. 中国物流企业的布局特征与形成机制[J]. 地理科学进展, 2014, 33(1):134-144.

DOI

[38]
王鹏程, 宗会明, 黎明, 等. 现代物流业与城市空间结构作用相关研究进展[J]. 世界地理研究, 2014(3):102-109.

[39]
杨自辉, 邓恩, 林安源. 湖南物流产业集群系统发展研究[J]. 经济地理, 2010, 30(3):426-430.

Options
文章导航

/

〈 〉