EN中文

经济地理 >

2025 , Vol. 45 >Issue 3: 229 - 237

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.03.023

第二十七届中国科协年会学术论文

京津冀地区制造业空间扩散的差异化特征及其关键因素

  • 桂淳文 , 1, 2, 3 ,
  • 刘嘉川 1, 2, 3 ,
  • 李佳洺 , 1, 2, ※
展开
  • 1.中国科学院 地理科学与资源研究所，中国 北京 100101
  • 2.中国科学院 区域可持续发展分析与模拟重点实验室，中国 北京 100101
  • 3.中国科学院大学 资源与环境学院，中国 北京 100049
※李佳洺（1984— ），男，博士，副研究员，研究方向为产业区位与区域发展。E-mail：

桂淳文（2000— ），男，博士研究生，研究方向为产业与区域发展。E-mail：

收稿日期: 2024-07-26

  修回日期: 2025-01-03

  网络出版日期: 2025-05-13

基金资助

国家自然科学基金面上项目(42171178)

收起

Differentiated Characteristics and Key Factors of Spatial Diffusion of Manufacturing Industry in Beijing-Tianjin-Hebei Region

  • GUI Chunwen , 1, 2, 3 ,
  • LIU Jiachuan 1, 2, 3 ,
  • LI Jiaming , 1, 2, ※
Expand
  • 1. Institute of Geographic Sciences and Natural Resources Research，Chinese Academy of Sciences，Beijing 100101，China
  • 2. Key Laboratory of Regional Sustainable Development Modeling，Chinese Academy of Sciences，Beijing 100101，China
  • 3. College of Resources and Environment，University of Chinese Academy of Sciences，Beijing 100049，China

Received date: 2024-07-26

  Revised date: 2025-01-03

  Online published: 2025-05-13

Fold

摘要

文章以邻近扩散、等级扩散等空间相互作用理论为基础，关注空间距离和规模差异两个表征城市间相互关系的变量，运用零膨胀负二项回归模型、互补累积分布函数和边际效应分析等方法，对京津冀地区2000—2019年劳动密集型、资本密集型和技术密集型制造业的转移和扩散特征进行综合比较，厘清了制造业空间扩散可能性和扩散强度的差异性，探讨了空间距离和等级距离的差异化影响。结果表明：①京津冀地区高强度制造业投资联系主要集中在北京、天津和石家庄市之间，投资来源城市人口规模的增长有助于京津冀地区制造业的转移和扩散，而投资目标城市人口规模的增长对制造业扩散影响较为复杂；②京津冀地区3类制造业的空间扩散受空间距离和等级距离双重约束，空间距离始终影响扩散可能性，等级距离始终影响扩散强度；③与空间距离的广泛影响不同，等级距离仅在特定阈值范围内产生显著影响，其中劳动密集型制造业的阈值范围介于0.6~4.4，而资本密集型和技术密集型制造业则均在0.2~2.5。

关键词： 制造业空间扩散; 空间距离; 等级距离; 扩散可能性; 扩散强度; 资本密集型和技术密集型; 边际效应

本文引用格式

桂淳文 , 刘嘉川 , 李佳洺 . 京津冀地区制造业空间扩散的差异化特征及其关键因素[J]. 经济地理, 2025 , 45(3) : 229 -237 . DOI: 10.15957/j.cnki.jjdl.2025.03.023

Abstract

Based on the spatial interaction theories such as proximity diffusion and rank diffusion, this study takes spatial distance and scale differences to reflect the intercity relationships, and uses the methods of zero-inflated negative binomial regression, complementary cumulative distribution function and marginal effect analysis to systematically compare the transfer and diffusion characteristics of labor-intensive, capital-intensive and technology-intensive manufacturing industries in Beijing-Tianjin-Hebei region from 2000 to 2019, clarify disparities in spatial diffusion likelihood and intensity among these industries and analyze the differential effects of spatial distance and hierarchical distance. It's found that: 1)The high-intensity manufacturing investment links of Beijing-Tianjin-Hebei region are mainly concentrated among the cities of Beijing, Tianjin and Shijiazhuang. The growth of the population size of the investment source cities facilitates the transfer and diffusion of manufacturing industries in the Beijing-Tianjin-Hebei region, while the population size of the investment target cities exhibits a more complex influence on the diffusion of manufacturing industries. 2) Both spatial distance and hierarchical distance limit the spatial diffusion of three types of manufacturing industries in Beijing-Tianjin-Hebei region. Spatial distance always affects the diffusion possibility, and hierarchical distance always affects the diffusion intensity. 3) Unlike the broad influence of spatial distance, hierarchical distance exerts significant effects only within a specific threshold range. The threshold range for labor-intensive manufacturing is between 0.6 and 4.4, while for both capital-intensive and technology-intensive manufacturing, it is between 0.2 and 2.5.

Key words： spatial diffusionm of manufacturing industry; spatial distance; hierarchical distance; diffusion possibility; diffusion intensity; capital-intensive and technology-intensive; marginal effect

京津冀地区作为中国的“首都经济圈”，不仅在地理位置上扮演连接南北、带动中西的关键角色，更是承载着推动区域高质量发展和实现中国式现代化目标等方面的重大历史使命[1-2]。党的十八大以来，以习近平同志为核心的党中央高度重视京津冀区域协同发展。然而，由于经济发展水平差异和行政体制分割等原因，京津冀地区目前仍存在产业发展差距过大、产业协同程度不高、无序开发和恶性竞争等问题，导致区域发展不平衡、不充分的问题依然突出[3]。为避免城市间产业结构趋同导致的无效竞争以及因中心城市规模过大引发的大城市病等问题，积极推动京津冀地区产业合理有序转移，优化生产力布局，成为该区亟待解决的重要议题。
产业转移在优化生产力布局和推动区域均衡发展方面发挥着重要作用，合理有序的产业转移和扩散能够充分发挥各区域的比较优势，从而显著提升区域经济的整体实力[4-5]。目前，学者们已对京津冀[6]、长三角[7]、珠三角[8]等城市群的产业转移特征进行了大量分析，并认为产业转移和扩散的动因包括产业技术梯度、竞争优势、推拉力以及国家政策和社会文化等多重因素[9⇓⇓-12]。如高菠阳等基于区域间投入产出模型，分析了投资、消费、出口3因素对我国电子信息产业转移的驱动效应[13]。
从已有研究来看，学者们更加关注影响产业扩散目标地选择的关键因素，很大程度上仍是区位选择的范畴，但是产业扩散过程更多的是涉及扩散来源地和目标地之间的相互关系，而不仅仅是目的地的属性特征。近年来，有少数学者开始关注产业技术梯度等表征城市间相互关系的变量。空间距离作为地理学第一定律的核心内容，其对产业及其他要素的空间扩散都产生广泛影响[14⇓-16]。这一理论强调空间距离对信息流动、资源配置及物流成本的显著影响。如王帅等在对北京制造业企业投资的研究中发现，制造业投资以北京为中心，呈现随距离衰减的特点，整体投资呈现出圈层状的布局[17]。同时，还有部分学者关注了高技术产业等新兴产业的空间转移，并认为这些行业的转移与扩散受到空间距离的影响较小，属于“松脚型”产业。这一观点为产业转移提供了新的认识，但缺乏对城市规模等因素的深入考察[18-19]。
城市规模通常被界定为城市自身属性的一部分但是城市间的规模差异实际上是城市间社会经济联系产生的重要因素。全球城市理论强调纽约、伦敦、东京在全球城市体系中的等级和地位是以其巨大的人口规模作为支撑的，而全球化与世界级城市研究小组 （the Globalization and World Cities Study Group，GaWC）发布的世界城市排名也展现了城市间的等级关系[20-21]。随着产业生命周期的演进，产业倾向于从大城市向中小城市扩散[22-23]。这一趋势主要表现为大城市的企业在寻求降低运营成本和拓展市场的过程中，逐步向中小城市转移投资，从而实现资源的再配置和空间布局的优化。同时，多项研究也指出较大规模城市之间的产业联系同样紧密[24-25]。如钱肖颖等研究发现中国城际创业投资联系网络具有明显的层级性，高等级城市间的联系十分显著[26]。此外，产业转移和扩散在不同城市等级体系中也存在显著差异[27]。例如，在长三角地区的省域产业转移过程中，农林业更倾向于从人口规模较大的城市向人口规模较小的城市转移，而制造业和服务业的转移则受城市人口规模差异的影响较小[28]。
京津冀地区制造业扩散过程既可能遵循邻近扩散的规律，也可能表现为长距离的跨区域的等级扩散现象。需要强调的是，城市规模对这一过程也具有重要影响，具体表现在产业可能从大城市向中小城市扩散，以实现资源的优化配置和运营成本的降低。同时，产业在大城市之间的流动同样显著，反映了区域内的分工协作和资源共享[29-30]。基于此，本文以京津冀城市群为研究对象，聚焦劳动密集型、资本密集型和技术密集型3类制造业，从空间距离与等级距离的视角出发，运用零膨胀负二项回归（ZINB）模型深入比较分析空间距离和等级距离对产业扩散可能性及强度的差异性影响。在此基础上，通过边际效应分析，明确不同类型制造业在扩散过程中空间范围和等级距离的阈值强度及其范畴，以期为非首都核心功能的疏解以及城市群地区产业从中心城市向腹地区域转移的相关决策提供科学依据。

1 研究数据和方法

1.1 数据来源

本文数据主要来源于京津冀地区城市间制造业分行业投资数据集。该数据集中的投资金额数据来自中国工商企业注册数据库，不仅直观展示了各城市之间的投资规模，也在很大程度上反映了制造业在城市间扩散的强度。由于行业间投资数据可获得性较低，数据相对滞后，同时考虑到疫情影响可能使得行业间投资联系难以反映一般性特征和规律等问题，本文选取2000—2019年作为研究时段。研究对象包括北京市、天津市和河北省的11个地级市（以下简称“城市”），涵盖农副食品加工业、食品制造业、酒、饮料及精制茶制造业以及烟草制品业等28类细分制造业行业，并根据谢建国[31]和王家庭[32]等的研究，将其划分为劳动密集型、资本密集型和技术密集型3类（表1）。
表1 制造业细分行业类型划分

Tab.1 Types of subdivided industries in the manufacturing industry

代码 行业名称 要素密集类型 代码 行业名称 要素密集类型
13 农副食品加工业 劳动 27 医药制造业 技术
14 食品制造业 劳动 28 化学纤维制造业 资本
15 酒、饮料及精制茶制造业 劳动 29 橡胶和塑料制品业 资本
16 烟草制品业 劳动 30 非金属矿物制品业 资本
17 纺织业 劳动 31 黑色金属冶炼和压延加工业 资本
18 纺织服装、服饰业 劳动 32 有色金属冶炼和压延加工业 资本
19 皮革、毛皮、羽毛及其制品和制鞋业 劳动 33 金属制品业 资本
20 木材加工和木、竹、藤、棕、草制品业 劳动 34 通用设备制造业 技术
21 家具制造业 资本 35 专用设备制造业 技术
22 造纸和纸制品业 资本 36 汽车制造业 技术
23 印刷和记录媒介复制业 资本 37 铁路、船舶、航空航天和其他运输设备制造业 技术
24 文教、工美、体育和娱乐用品制造业 资本 38 电气机械和器材制造业 技术
25 石油、煤炭及其他燃料加工业 资本 39 计算机、通信和其他电子设备制造业 技术
26 化学原料和化学制品制造业 资本 40 仪器仪表制造业 技术
此外，本文还考虑了城市间的空间距离、城市人均GDP以及人口规模。其中，空间距离数据通过百度地图API获取经纬度后，利用Python计算得出；城市人均GDP和人口规模数据则采用历年《中国城市统计年鉴》中的人均地区生产总值和人口规模数据。

1.2 研究方法

1.2.1 零膨胀负二项回归模型

在本文中，京津冀地区城市间制造业的投资规模为非负整数，同时数据中还存在大量零值，且其方差远大于期望值，表明存在过度分散的问题。有研究表明，采用OLS等模型进行此类数据估计时，会因异方差而导致估计结果出现偏误。借鉴以往研究[33]，本文采用零膨胀负二项回归（Zero-Inflated Negative Binomial，ZINB）模型来分析京津冀地区城市间制造业空间扩散的影响因素。该模型分为两个子模型：Logit模型和负二项回归模型。前者用于拟合零值的频率，后者用于拟合非零值的频率。该模型能够有效处理数据中的零值和过度离散性，避免估计结果偏误。模型构建如下：
w S T ≈ β + α 1 P S + α 2 P T + α 3 ( P S ) 2 + α 4 ( P S · P R ) + α 5 ( P T ) 2 + α 6 P S T + α 7 d S T + α 7 G D P P S + α 8 G D P P T + ε
式中：被解释变量wST为京津冀地区城市间制造业的投资金额； β为常数项， α 1~ α 8为自变量的待估参数；PS为投资来源城市S人口规模；PT为投资目标城市T人口规模；dST为投资来源城市S和目标城市T的空间距离，这3项主要是考虑重力模型；PST为等级距离，即投资来源城市S人口规模与投资目标T城市人口规模的比值，主要用来测度城市人口规模差异对制造业投资空间扩散的影响；GDPPS和GDPPT为投资来源城市和目标城市人均GDP，衡量该城市经济发展水平，一般来说城市发展水平越高，其技术水平也相对较高； ε是随机误差项。

1.2.2 互补累积分布函数

考虑到制造业投资网络中关联度分布的非连续性，本文采用互补累积分布函数（CCDF）来描述京津冀地区城市网络平均关联度分布特征。CCDF能够有效揭示城市投资网络的关联性及其结构特征，进而比较不同类型制造业之间的差异性特征。分布特征拟合过程及精度检验基于Origin 2022实现。其与网络平均关联度的关系为：
P ( k ) = ∑ k ≻ n ∝ P ( k )
式中：网络平均关联度分布可以用互补累积分布函数 P ( k )表示（制造业投资网络中与节点直接相连的边的数目）。

1.2.3 边际效应分析

边际效应分析用于量化不同自变量对因变量影响的强弱程度及变化趋势。通过计算边际效应，可以在控制其他变量不变的前提下，精准量化某一自变量增加1个单位对因变量变化的具体影响程度。本文采用边际效应分析，比较空间距离和等级距离的变化对不同类型制造业空间扩散的差异化影响，并明确了空间距离和等级距离作用的阈值强度及其范畴。具体公式如下：
M U P S T = ∂ w S T ∂ P S T ,     M U d S T = ∂ w S T ∂ d S T
式中： M U P S T和 M U d S T分别表示PST和dST的边际效应。

2 京津冀地区制造业投资网络总体特征

尽管京津冀地区制造业投资网络中各城市存在着广泛的投资联系，但高强度的投资联系主要集中在少数城市间。具体而言，京津冀地区13个城市已构建起多达145条投资联系，仅余11条潜在联系尚未形成。其中，北京、天津和石家庄3个核心城市在制造业对外投资上表现出强大的活力，其累计投资逾2万亿元，约占该地区总投资的90%。值得注意的是，京津冀地区制造业投资联系超过1000亿元的仅有6条，其中5条来源于北京市，1条为石家庄市；投资规模超过500亿的投资联系也只有30条；其他超过半数的城市间投资额尚未达到10亿元，这在一定程度上反映了京津冀地区制造业投资布局的不均衡现状。
由图1可知，京津冀地区城市间制造业的投资联系受到空间距离和等级距离的双重影响，呈现出明显的空间异质性。就空间距离而言，京津冀地区制造业投资更倾向于在地理位置相近的城市间进行。以唐山和邢台市为例，尽管两城市的规模相近，但2000—2019年北京市对唐山市的制造业累积投资规模高达3000亿元，是对邢台市投资的10倍之多。事实上，尽管邻近城市间的投资联系数仅占整体联系数的30%，但其投资金额占比近一半（47.2%）。就等级距离而言，京津冀地区制造业投资主要表现为人口规模较大的城市向人口规模较小的城市的投资，占全部投资金额的89.7%。即使城市间的空间距离接近，城市规模的差异依然会对制造业投资规模产生显著影响。例如，石家庄市对邯郸市的制造业投资规模远超对保定市的投资。
图1 2000—2019年京津冀地区城市间制造业累积投资网络结构

Fig.1 Cumulative investment network structure of manufacturing among cities in Beijing-Tianjin-Hebei region from 2000 to 2019

由图2可知，京津冀地区的制造业投资网络关联度呈现出明显的“长尾分布”趋势，且不同类型制造业存在较大差异。其中，北京、天津和石家庄市的制造业平均网络关联度明显高于其他城市，在制造业投资网络中占据重要地位。同时，在劳动密集型制造业投资中，这3大城市与其他城市间存在明显的断层关系，相比之下，在资本密集型和技术密集型制造业投资过程中，各城市间网络关联度则相对均衡。这表明随着京津冀地区经济结构转型和产业升级的推进，城市更倾向于支持资本和技术密集型制造业的发展，劳动密集型制造业主要表现为北京、天津和石家庄市与其他城市的高强度联系。
图2 2000—2019年京津冀地区平均城市网络关联度的互补累积分布函数曲线

Fig.2 Complementary cumulative distribution function curve of average urban network correlation in Beijing-Tianjin-Hebei region from 2000 to 2019

总体来看，在京津冀地区制造业的空间扩散过程中，中心城市不仅向周边规模较小的城市进行大规模投资，而且与空间距离较远但规模接近的大城市有着紧密的投资联系。空间距离和等级距离在此过程中发挥着重要作用，且对不同类型的制造业产生差异化的影响，从而在很大程度上塑造了制造业扩散的异质性。

3 制造业空间扩散过程模拟及其异质性分析

为深入探讨京津冀城市体系中不同类型制造业扩散的特征，并研究空间距离和等级距离的差异化影响，本文利用2000—2019年京津冀地区城市间制造业投资数据，运用ZINB模型对劳动密集型、资本密集型和技术密集型3类制造业在城市间的扩散过程进行模拟和定量分析。

3.1 投资来源城市和目标城市人口规模的综合影响

图3展示了在控制空间距离变量后，投资来源城市和目标城市人口规模的特定组合对制造业投资规模的影响。其中，等值线图横轴表示投资来源城市的人口规模，纵轴表示目标城市的人口规模。等值线的颜色深浅表示投资规模的大小，较浅的颜色对应较大的投资规模，而较深的颜色则表示投资规模较小。
图3 京津冀地区制造业空间扩散的城市层级

Fig.3 City levels of spatial diffusion of manufacturing industries in Beijing-Tianjin-Hebei region

3种类型的制造业等值线未呈现严格的45°角分布，这表明在控制空间距离后，制造业的投资规模并非简单地与城市人口规模呈线性关系。同时，不同类型制造业的等值线颜色分布存在显著差异，即在相同的城市人口规模组合下，不同类型的制造业的投资规模存在较大差异。具体来说，劳动密集型制造业的等值线颜色从右上方到左下方逐渐加深，表明随着投资来源城市和目标城市人口规模的增加，制造业投资规模也随之增加；当人口规模减小时，投资规模也会相应减少。资本密集型制造业的等值线颜色从右下方到左上方逐渐加深，表明当投资来源城市人口规模较大而目标城市规模较小时，制造业投资规模较高，反之则反。技术密集型制造业的等值线颜色从右半部分到左半部分逐渐加深，表明城市间投资规模主要受投资来源城市规模的影响，当投资来源城市人口规模较大时，制造业投资规模也较大，反之投资规模则较小。值得注意的是，资本密集型和技术密集型制造业由小城市向大城市投资规模都很小，尤其是资本密集型制造业，大城市之间投资规模都相对较小。

3.2 投资来源城市和目标城市人口规模的单一影响

为进一步研究城市人口规模变化对制造业空间扩散的影响，以及投资来源城市与目标城市人口规模的差异化作用，本文分别对投资目标城市（图4a1~图4c1）和来源城市（图4a2~图4c2）的人口规模进行控制，进而分析制造业投资规模随着目标城市或来源城市人口规模变化的趋势。基于图3对比人口规模为100万、500万、900万和1300万的4组城市在投资规模上的差异特征（图4）。
图4 京津冀地区制造业空间扩散的城市人口规模

Fig.4 Urban population size of the spatial diffusion of manufacturing industries in Beijing-Tianjin-Hebei region

当固定投资目标城市人口规模后，3类制造业的投资规模均随着投资来源城市人口规模的增加而增加，但是3类制造业的差异也较为明显。对于劳动密集型制造业而言，当目标城市的人口规模从100万逐步扩大至500万、900万，直至1300万时，其投资规模也呈现出同步增长的态势；而资本密集型和技术密集型制造业则刚好相反，随着目标城市人口规模的增大，投资规模反而逐渐缩减。同时，就资本密集型和技术密集型制造业而言，尽管目标城市人口规模越小，其投资规模越大，但是其随投资来源城市规模变化的幅度也更小，尤其是人口规模100万的目标城市，资本密集型制造业的投资规模基本保持不变。而对于技术密集型制造业而言，当目标城市人口规模达到1300万，且投资来源城市的人口规模超过900万时，其投资规模逐步超越人口规模为100万和500万的城市，与900万人口规模的城市相接近。这样的结果进一步印证了投资等值线的结论。
当固定投资来源城市人口规模后，投资目标城市人口规模对3类制造业的投资规模影响呈现多种变化趋势。具体来说，对于劳动密集型制造业，随着目标城市人口规模的增加，制造业投资规模也随之增加；对于资本密集型制造业，当目标城市人口规模介于100万~500万时，制造业投资规模基本保持稳定，一旦目标城市人口规模超过阈值500万时，其投资规模呈现明显的下降趋势；对于技术密集型制造业，当来源城市人口规模低于500万时，制造业投资规模随目标城市人口规模的增加略有下降；当人口规模为900万时，投资规模随目标城市规模的增加，先增加后下降；而当人口规模超过1300万后，投资规模随着目标城市人口规模的增加而增加。这表明技术密集型制造业更倾向于在大城市之间进行投资，而中小城市之间以及中小城市向大城市投资都相对较少。
总体来看，投资来源城市和目标城市的人口规模显著影响着制造业投资规模，前者呈现正相关关系，而后者的影响则较为复杂。此外，来源城市和目标城市的人口规模对3类制造业空间扩散的影响程度存在较大差异。就劳动密集型和技术密集型制造业而言，当控制投资来源城市后，不同规模的4组城市间的投资规模差距明显大于在控制投资目标城市后的差异。这表明投资规模和扩散强度更多受到投资来源城市规模差异的影响，对其变化更为敏感。相反，资本密集型制造业对投资目标城市规模的变化更为敏感。

4 制造业空间扩散过程的关键影响因素比较

基于对城市间制造业空间扩散过程的模拟和分析，本文进一步探讨了ZINB模型中，空间距离和等级距离在京津冀地区制造业空间扩散过程中的差异性影响，并通过绘制森林图直观对比空间距离和等级距离在3类制造业空间扩散中的显著性和影响程度（图5）。在模型结果中，零膨胀部分揭示了当投资规模设定为0（即没有投资联系）和1（即有投资联系）时的回归结果，以及目标城市在制造业扩散过程中的选择机制；而负二项回归部分则聚焦于城市间存在的投资联系，将投资规模视为因变量进行模型拟合，反映了制造业扩散过程中的扩散强度。在制造业的空间扩散过程中，扩散的可能性和强度无疑是两个至关重要的环节。
图5 空间距离和等级距离的回归分析结果

Fig.5 Regression analysis results of spatial distance and hierarchical distance

4.1 空间距离和等级距离的差异化影响

模型估计结果显示，空间距离对于制造业的扩散过程产生广泛且相对一致的影响。具体而言，零膨胀部分模型结果表明3类制造业均在0.01的显著水平上拒绝了原假设，且均为正向影响。这说明随着城市间空间距离增加，制造业不发生投资的可能性随之增加。同时，回归系数结果表明技术密集型制造业受到空间距离的影响最大，其次是资本密集型，劳动密集型受影响最小。负二项回归部分模型的结果则表明仅技术密集型制造业在0.01的显著性水平上拒绝了原假设，且为负向影响。即随着空间距离的增加，技术密集型制造业的投资规模显著减少，而劳动密集型和资本密集型制造业的投资规模基本上不受空间距离的影响。
相对于空间距离，等级距离对于制造业的影响则较为复杂。零膨胀部分的模型显示劳动密集型和技术密集型制造业在0.01的显著性水平上拒绝了原假设，且均为负向影响。这表明与空间距离对制造业的广泛影响不同，等级距离对资本密集型制造业投资可能性没有显著影响。同时，城市间的等级距离增加，反而提升了劳动密集型和技术密集型制造业的扩散可能性，即城市间规模差距促进了这两类制造业的扩散过程。负二项回归部分的模型结果表明，3类制造业均在0.01的显著水平上拒绝了原假设，但影响的方向存在差异。等级距离对资本密集型和技术密集型制造业的空间扩散具有正向影响，即随着城市等级距离的增加，资本密集型和技术密集型制造业的城市间投资规模显著增加，而对于劳动密集型制造业，情况则相反，城市间规模差距的扩大会导致其投资规模的缩减。
总体而言，劳动密集型、资本密集型和技术密集型3类制造业均受到空间距离和等级距离的双重影响。其中，空间距离和等级距离对技术密集型制造业的影响最为广泛，其次是劳动密集型制造业，资本密集型制造业受到的影响则相对较小。空间距离主要影响了资本密集型制造业的投资可能性，而等级距离主要影响其投资强度。同时，相比于空间距离，3类制造业的等级距离的相关系数绝对值整体上更大，这意味着城市间的规模差异对制造业空间扩散的影响更为显著。

4.2 空间距离和等级距离的边际效应分析

为了进一步明确空间距离和等级距离作用的阈值强度及其范畴，本文对两类距离的边际效应进行了深入分析。在京津冀地区，城市间的最小距离是北京和廊坊市，距离约50 km，城市间距离最远的是秦皇岛和邯郸市，相距约600 km；城市规模差距最大的是北京和秦皇岛市，人口规模约为1400万和300万，因此京津冀地区城市间空间距离阈值为50 km~600 km，而等级距离阈值为0.2~4.7。
从空间距离来看，对于劳动密集型、资本密集型和技术密集型3类制造业而言，在50 km~600 km的距离范围内，其边际效应均为正值（图6a）。这意味着在京津冀地区，空间距离的影响阈值范围即为50 km~600 km。然而，不同的空间距离对于3类制造业影响的边际效应存在明显差异。具体而言，劳动密集型制造业对空间距离变化的反应相对较小，且在不同距离上基本保持一致，其边际效应变化较小。资本密集型制造业同样表现出较为稳定的边际效应，但其效应值显著高于劳动密集型制造业。即当空间距离变化时，城市间制造业的空间扩散会发生较大幅度的改变。同时，资本密集型制造业的置信区间也是3类制造业中最大的，揭示了该类型制造业在空间距离变化下投资行为的较大不确定性。与其他两类制造业不同，技术密集型制造业则呈现出不同的趋势，随着空间距离的增加，其边际效应逐渐减弱，特别是当城市间的空间距离大于300 km时，空间距离的边际效应降低到较低水平，基本与劳动密集型产业相当。总体而言，空间距离的变化对劳动密集型制造业的投资行为影响相对较小，对资本密集型制造业影响显著，而对技术密集型制造业的影响则随着距离的增加而减弱。
图6 空间距离和等级距离对制造业空间扩散的边际效应分析

Fig.6 Marginal effect of spatial distance and hierarchical distance on the spatial diffusion of manufacturing industries

与空间距离不同，等级距离仅在特定的阈值范围内对投资行为产生显著影响。由图6b看出，劳动密集型制造业受等级距离影响的阈值为0.6~4.4，其边际效应相对较小，说明城市规模差异的变化对于投资行为的影响相对较小，且当投资来源城市规模小于目标城市人口规模的60%或大于4.4倍时，城市间的等级距离就不再对制造业空间扩散产生显著影响；而资本密集型和技术密集型制造业的阈值范围在0.2~2.5，前者为0.2~2.4，后者为0.2~2.6，即当投资来源城市人口规模达到目标城市2.5倍左右时，等级距离对投资行为的影响便不再显著。总体而言，与空间距离不同，等级距离的作用并非在所有城市间都显著，而是存在特定的阈值范围。此外，投资来源城市的人口规模越小，劳动密集型制造业投资的不确定性越大，而资本密集型和技术密集型则随着投资来源城市规模的增大，其投资行为的不确定性也随之增长，其中技术密集型制造业的不确定性最为显著。

5 结论与讨论

5.1 结论

本文基于京津冀地区13个城市间2000—2019年制造业细分行业投资数据，从空间距离和等级距离两个视角，比较了劳动密集型、资本密集型和技术密集型制造业在城市间空间扩散过程中的差异化特征，探讨了制造业空间扩散可能性和扩散强度的差异。主要结论如下：
①在京津冀地区的制造业投资网络中，尽管城市间存在广泛的投资联系，但高强度的投资互动主要集中在北京、天津和石家庄等少数人口规模较大的核心城市，这很大程度上体现了城市人口规模对于城市间制造业投资的影响。具体而言，劳动密集型制造业倾向于在邻近规模城市间扩散，城市间投资规模随着投资来源城市和目标城市的人口规模增加而增加；资本密集型和技术密集型制造业的投资规模随着投资目标城市规模的增加呈现下降的趋势，当投资目标城市人口规模超过500万时，资本密集型和技术密集型制造业在城市间投资规模就会下降，尤其是资本密集型制造业的下降更为明显。此外，劳动密集型和技术密集型制造业城市间的投资规模更多地受到投资来源城市规模的影响，而资本密集型制造业则更多地受到投资目标城市规模的影响。
②ZINB模型结果表明，京津冀地区3类制造业的空间扩散过程受到空间距离和等级距离的双重影响，且等级距离的影响相对更大，表明制造业的空间扩散是邻近扩散和等级扩散同时存在的，而非单一类型的扩散。总体上，空间距离更多影响制造业扩散的可能性，即城市间制造业投资的发生与否；等级距离则对制造业扩散的强度影响更大，即城市间制造业投资的规模大小。
③空间距离和等级距离对3类制造业空间扩散的边际效应存在较大差异。对于劳动密集型制造业而言，其受空间距离和等级距离变化的影响阈值相对宽泛，尤其是空间距离，但是其影响系数相对较小。资本密集型和技术密集型制造业在等级距离上的影响阈值在0~2.5，即城市间人口规模的差距在2.5倍以内，等级距离有较为显著的影响，但是与技术密集型制造业相比，空间距离和等级距离对于资本密集型制造业空间扩散的影响相对较小。两类制造业更为显著的差异是资本密集型制造业投资可能性更多受到空间距离的影响，而投资强度则主要受到等级距离的影响。但是，对技术密集型制造业来说，当空间距离或等级距离超出特定阈值时，空间扩散对距离变化的敏感度将显著降低，且伴随着较大的不确定性。

5.2 讨论

值得注意的是，本文结论表明技术密集型制造业在很大程度上受到了空间距离的显著制约，特别是在城市群范围内，其影响甚至可能超过劳动密集型和资本密集型制造业。通常而言，学者们认为劳动密集型和资本密集型制造业的产品更易受到空间运输成本的限制[34]，然而本文结果表明，技术密集型制造业在空间距离上的敏感性更为突出。可能的原因是，本文以京津冀地区为例，比较而言该区域空间尺度相对有限，城市间的距离增加对运输成本的影响并不显著。相反，城市间市场规模的差异或劳动力市场规模的差异对制造业扩散的影响更大。此外，本文还发现技术密集型制造业呈现明显的大城市间强强联合的“俱乐部”效应，考虑到空间距离导致的投资可能性或强度的快速衰减，这预示着在全国或更大尺度上，技术密集型制造业更倾向于在人口规模较大的城市间扩散，而非选择地理位置邻近但规模较小的城市间扩散。
本文主要关注城市间空间距离和等级距离对制造业扩散的影响，尤其强调了人口规模的作用。然而，制造业的扩散过程还受到供应链稳定性、技术承接能力和组织协作能力等多重因素的影响。作为一种生产组织行为，城市间的组织协作能力在扩散过程中可能发挥关键作用。因此，后续研究应考虑将基础设施水平、科学技术水平和组织距离等控制变量纳入分析框架，并纳入不同类型要素特征的制造业向外扩散的关键因素，以全面理解其对制造业扩散的影响，从而更深入地揭示制造业扩散的复杂机制。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
张贵, 孙晨晨, 刘秉镰. 京津冀协同发展的历程、成效与推进策略[J]. 改革, 2023(5):90-104.

[2]
蔡昉, 江小涓, 黄泰岩, 等. 以中国式现代化推进中华民族伟大复兴——学习贯彻党的二十大精神笔谈(上)[J]. 经济研究, 2022, 57(11):4-28.

[3]
孙久文, 李恒森. 我国区域经济演进轨迹及其总体趋势[J]. 改革, 2017(7):18-29.

[4]
樊杰, 赵艳楠. 面向现代化的中国区域发展格局:科学内涵与战略重点[J]. 经济地理, 2021, 41(1):1-9.

DOI

[5]
孙晓华, 郭旭, 王昀. 产业转移、 要素集聚与地区经济发展[J]. 管理世界, 2018, 34(5):47-62,179-180.

[6]
唐松林, 周文兵, 王国成. 房价变动、 产业转移与区域协调发展——以京津冀地区为例[J]. 中国管理科学, 2021, 29(3):14-23.

[7]
范剑勇. 长三角一体化、地区专业化与制造业空间转移[J]. 管理世界, 2004(11):77-84,96.

[8]
刘力, 张健. 珠三角企业迁移调查与区域产业转移效应分析[J]. 国际经贸探索, 2008(10):74-79.

[9]
刘新争. 比较优势、 劳动力流动与产业转移[J]. 经济学家, 2012(2):45-50.

[10]
陈建军. 中国现阶段的产业区域转移及其动力机制[J]. 中国工业经济, 2002(8):37-44.

[11]
刘友金, 周健, 曾小明. 中国与“一带一路”沿线国家产业转移的互惠共生效应研究[J]. 中国工业经济, 2023(2):55-73.

[12]
陆铭, 陈钊, 严冀. 收益递增、 发展战略与区域经济的分割[J]. 经济研究, 2004(1):54-63.

[13]
高菠阳, 李俊玮, 刘红光. 中国电子信息产业转移特征及驱动因素——基于区域间投入产出表分析[J]. 经济地理, 2015, 35(10):103-109.

[14]
Feser E, Isserman A. Harnessing growth spillovers for rural development:The effects of regional spatial structure[R]. Report to USDA Rural Development,University of Illinois at Urbana-Champaign, 2006.

[15]
Xiang G, Xiong Y, Liu J, et al. How far is the optimal intercity distance? Evidence from China[J]. International Regional Science Review, 2020, 43(4):344-369.

DOI

[16]
王俊松. 长三角制造业空间格局演化及影响因素[J]. 地理研究, 2014, 33(12):2312-2324.

DOI

[17]
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.

[18]
周沂, 贺灿飞. 中国城市出口产品演化[J]. 地理学报, 2019, 74(6):1097-1111.

DOI

[19]
Binz C, Truffer B. Global Innovation Systems——A conceptual framework for innovation dynamics in transnational contexts[J]. Research Policy, 2017, 46(7):1284-1298.

[20]
Sassen S. The global city:Introducing a concept[J]. The Brown Journal of World Affairs, 2005, 11(2):27-43.

[21]
Taylor P, Derudder B. World City Network:A Global Urban Analysis[M]. London:Routledge, 2015.

[22]
张可云, 裴相烨. 大城市制造业企业空间扩张模式及其对企业效率的影响——以北京市上市企业为例[J]. 地理科学进展, 2021, 40(10):1613-1625.

DOI

[23]
孙斌栋, 金晓溪, 林杰. 走向大中小城市协调发展的中国新型城镇化格局——1952年以来中国城市规模分布演化与影响因素[J]. 地理研究, 2019, 38(1):75-84.

DOI

[24]
李聪, 卢明华, 张金哲, 等. 京津冀城市群产业投资网络演变及影响因素研究[J]. 人文地理, 2022, 37(5):162-170.

[25]
刘子慎, 沈丽珍, 崔喆. 基于投资联系的中国文化创意产业网络特征[J]. 经济地理, 2021, 41(2):113-120.

DOI

[26]
钱肖颖, 孙斌栋. 基于城际创业投资联系的中国城市网络结构和组织模式[J]. 地理研究, 2021, 40(2):419-430.

DOI

[27]
李佳洺, 孙铁山, 张文忠, 等. 产业的区域空间效应及其作用机理[J]. 城市规划学刊, 2020(1):41-47.

[28]
黄徐亮, 徐海东, 倪鹏飞, 等. 长三角地区产业转移特征及其影响因素[J]. 经济地理, 2023, 43(1):124-132.

DOI

[29]
马学广, 张钊, 蒋策. 基于先进制造业投资的中国城市网络空间联系与结构研究[J]. 人文地理, 2023, 38(3):108-117,154.

[30]
刘清, 薛德升, 黄耿志, 等. 中国半导体产业集群网络的空间组织与网络外部性影响——基于半导体产业价值链细分视角[J]. 地理研究, 2024, 43(4):909-930.

[31]
谢建国. 外商直接投资与中国的出口竞争力——一个中国的经验研究[J]. 世界经济研究, 2003(7):34-39.

[32]
王家庭, 李艳旭, 马洪福, 等. 中国制造业劳动生产率增长动能转换:资本驱动还是技术驱动[J]. 中国工业经济, 2019(5):99-117.

[33]
Burger M, Van Oort F, Linders G J. On the specification of the gravity model of trade:Zeros,excess zeros and zero-inflated estimation[J]. Spatial Economic Analysis, 2009, 4(2):167-190.

[34]
徐曌, 欧国立. 交通基础设施对区域间制造业分工的影响——基于制造业细分行业数据的实证研究[J]. 经济问题探索, 2016(8):28-35.

Options
文章导航

/

〈 〉