EN中文

经济地理 >

2020 , Vol. 40 >Issue 6: 98 - 105

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.06.011

城市地理与新型城镇化

中国科技新城的空间联系特征及其影响机制

  • 徐乐怡 , 1 ,
  • 刘程军 2
展开
  • 1.浙江大学 经济学院，中国浙江 杭州 310027
  • 2.浙江工业大学 产业经济研究所，中国浙江 杭州 310023

徐乐怡（1993—），女，浙江杭州人，博士研究生。主要研究方向为产业经济学。E-mail：。

收稿日期: 2019-11-12

  修回日期: 2020-04-05

  网络出版日期: 2025-05-14

基金资助

浙江省社会科学规划课题(20NDQN257YB)

浙江省自然科学基金项目(LQ19G030011)

国家自然科学基金项目(71774145)

国家自然科学基金项目(71874160)

杭州市哲学社会科学规划项目(Z19JC053)

收起

Spatial Connection Characteristics and Its Influence Mechanism of New Science and Technology Towns in China

  • XU Leyi , 1 ,
  • LIU Chengjun 2
Expand
  • 1. College of Economic，Zhejiang University，Hangzhou 310027，Zhejiang，China
  • 2. Institute of Industrial Economy，Zhejiang University of Technology，Hangzhou 310023，Zhejiang，China

Received date: 2019-11-12

  Revised date: 2020-04-05

  Online published: 2025-05-14

Fold

摘要

科技新城是大都市空间拓展新形式和高质量发展新载体。文章利用国家和省级的开发区数据，结合引力模型和空间杜宾模型，分析了科技新城的空间联系特征及其影响机制。结果表明：科技新城的国家级空间联系网络表现出由单中心逐渐向均衡型的复杂网络结构过渡，强联系主要为江苏—上海、江苏—山东、江苏—安徽三组。省级层面科技新城的空间联系形成了长三角、京津冀两大较为明显的网络中心；国家级和省级的科技新城及其空间联系总量均具有明显的空间集聚效应。国家级层面，科技新城空间联系总量的热点分布呈现出以长三角为主的热点区和西部地区为主的冷点区，热点区包含了福建、浙江、安徽、江苏和上海；省级层面的科技新城空间联系的热点区演化，其中热点区主要位于长三角的浙江、江苏、上海和安徽四个区域；互联网+、政府主导、市场主导、经济基础、区域科技金融和对外开放水平、企业家精神对科技新城的设立及其空间联系总量均有一定的空间溢出效应，且表现出明显的异质性特征。

关键词： 科技新城; 空间联系; 引力模型; 互联网+; 京津冀; 长三角; 创新型城市

本文引用格式

徐乐怡 , 刘程军 . 中国科技新城的空间联系特征及其影响机制[J]. 经济地理, 2020 , 40(6) : 98 -105 . DOI: 10.15957/j.cnki.jjdl.2020.06.011

Abstract

New science and technology town is a new form of metropolitan space expansion and a new carrier of high-quality development. Building a new science and technology town is one of the main ways to achieve high-quality urban development. Based on the data of national and provincial development zones, combined with the gravity model and the spatial Durbin model, the study analyzes the spatial connection characteristics and influence mechanism of the new technology town. The study reached the following conclusions : the state-level spatial connection network of new science and technology towns shows a transition from a single center to a balanced complex network structure, and the strong connection is mainly composed of three groups: Jiangsu-Shanghai,Jiangsu-Shandong and Jiangsu-Anhui. The spatial connection of the new science and technology towns at the provincial level has formed two obvious network centers: the Yangtze River Delta and the Beijing-Tianjin-Hebei Region. National and provincial science and technology new towns and their total space connections have obvious spatial agglomeration effect. At the national level,the hot spots distribution map of the total space connection of new science and technology towns shows the hot spots dominated by the Yangtze River Delta and the cold spots dominated by the western region,including Fujian,Zhejiang,Anhui,Jiangsu and Shanghai. The Internet,government-led,market-led,economic foundation,regional science and technology finance and the level of opening to the outside world,and entrepreneurship all have a certain spatial spillover effect on the establishment of science and technology new towns and the total amount of their spatial connections,and show obvious heterogeneity characteristics.

Key words： new town of science and technology; spatial association; gravity model; Internet+; Beijing-Tianjin-Hebei; Yangtze River Delta; innovative city

新世纪以来，中国城镇化率持续上升，科技新城成为城市高质量发展的新形态和产业集群发展的新载体。科技新城区别于传统的高新区、开发区，常常选址于城市郊区并且独立于城市主要生活区，具有相对独立的空间范畴，同时在空间定位上突出城市功能综合化，这类在母城周边建设科技新城的模式是新时代背景下城市空间拓展的显著特征[1]。科技新城是高新区发展的第四个阶段，即自工业园、企业加工社区、区域高新技术开发区向科技新城迭代演进[2]。而科技新城作为一个独立的行政区划城市，应以研发性的企业和高素质的居民为主体，教育、商业、居住、娱乐为辅助，有足够的人口，是可以实现自给自足、满足生产、生态、生活和娱乐的一切需要的新型城市。
针对科技新城的相关研究成果梳理后发现，科技新城在中国城镇化和工业化过程中扮演着举足轻重的角色[3]。同时，科技新城作为推动中国高新技术产业发展、促进技术创新和提升科技水平的重要载体，被赋予了创新驱动型城市高质量发展的光荣使命。科技新城在通过技术和知识溢出形成辐射效应的同时，也通过集聚效应促进技术创新、产品创新和商业模式创新等，促进城市走上创新驱动、内生增长的高质量发展道路[4]。然而，科技新城如果建设失速和定位模糊，将会出现创新要素集聚不够、空间距离产生的职住分离、公共基础设施薄弱以及母城创新辐射不到位等问题，容易导致“睡城”“空城”“鬼城”等现象的发生[5]。为避免上述现象的继续发生，有学者提出新城建设要做到智慧化、低碳化和生态化，推动产业规划、空间规划和技术规划的融智融商融资[6]。通过对国内外新城新区建设的系统梳理后发现，新城新区需要明确定位，在有效疏解大城市功能、优化产业结构，促进城市发展结构由空间单中心为主向多个中心的空间转向等方面做足特色，从而实现区域协调发展[7]；尤其是在当前经济新常态的背景下，新城新区要以政府和市场双轮为驱动，在考虑产业的基础上产城融合，从粗放低效向集约高效转型，实现新城新区的多重功能聚合和核心能力建设[8]；在对科技新城建设内涵和发展有了充分认识的基础上，学者们进一步利用各自独特地视角针对科技新城的影响因素展开了较为系统的研究。刘永敬等通过对跨界新区的样本分析后发现，科技新城的高质量发展主要有政府驱动型、互动发展型和市场驱动型三种驱动力[9]；陈嘉平研究表明中国科技新城发展主要是资本积累循环的作用[10]；冯奎基于空间经济学视角分析认为科技新城主要通过空间生产和空间创新进行政策环境优化和要素配置效率提升[11]；潘家栋研究指出科技新城是吸引要素集聚、推动产业转型、加强政策配套及完善创新生态等途径形成商业生态竞争优势和产业链竞争优势[12]；Kissfazekas研究指出政府主导的新城建设需要精准把握其产业基础和独特优势，才能确保新城的繁荣发展[13]；Yin进一步研究指出政府主导的功能主要是通过资本循环的通道来实现新城新区建设的良性发展[14]；Desille则认为多元化的市场竞争导向是新城建设的核心机制之一[15]；Oh研究发现基于技术导向的区域金融和区域政策是科技新城建设的关键动力之一[16]；Ploeckl通过系统分析发现经济基础在新城建设和成长中具有举足轻重的作用[17]。
综上所述，目前针对科技新城的相关研究，更多地关注科技新城本身的产生、发展和治理，并形成了一系列的研究成果，这为中国科技新城建设提供了有益的理论探索和实践启示。然而，仅有部分研究从空间布局的角度来探讨科技新城的空间区位选择，鲜有研究基于空间联系的视角探讨科技新城的空间特征，关于其空间联系特征背后的作用机制的探讨更为罕见。由于地方经济锦标赛的发展模式，科技新城的空间联系行为较为明显，特别是省级科技新城的建设，因此，本研究拟通过对国家级和省级的科技新城的定位，利用引力模型和空间杜宾模型探讨两类科技新城的空间联系特征及其影响机制，以期为科技新城的高质量发展提供理论证据和决策参考。

1 数据来源与研究方法

1.1 数据来源

本研究的分析区域为中国省域范围，其包含30个省份，由于数据缺失较为严重，不包含西藏自治区、台湾、香港和澳门。本研究科技新城数据来源于《中国开发区审核公告目录（2018年版）》。本研究所采用影响机制分析的数据来源于2009—2018年《中国统计年鉴》，对于个别缺失的数据，利用区域相邻地区进行数据类比类推估算得到，引力模型中使用的各省域间时间成本距离通过百度API功能批量获取。

1.2 科技新城空间联系网络模型

1.2.1 修正的引力模型

本研究为系统揭示出中国各省域间的科技新城空间联系网络特征，通过构建引力模型展开科技新城省域之间空间作用分析，经抽象化表现为中国科技新城的空间联系网络，以中国省域的空间单元作为网络节点，把反映科技新城网络节点间的空间联系引力抽象为网络连接线，并利用科技新城引力联系强度衡量网络节点之间的空间联系大小，空间引力模型中科技新城“质量”值为省域内科技新城的个数，省域之间距离计算考虑中国交通复杂性，根据相关学者做法[18]，利用中国省域间的时间成本距离进行计算，修正引力模型，计算公式如下：
R i j = K M i M j / T i j θ
式中： R i j是代表省域节点研究单元i与j之间的科技新城引力强度；K为省域节点研究单元之间科技新城引力的引力常量，一般取值为1； M i以及 M j表示研究单元i与研究单元j的科技新城“质量”； T i j为省域i和省域j之间的时间成本距离， θ则常取2。

1.2.2 最大引力线和势能模型

最大引力线能够衡量中国省域科技新城局部的区域影响力，而势能模型可以测度全局的影响力，找出中心地位相对较高省市。针对任意一个省域i与其他省域发生空间联系时，存在与某一省域构成的最大引力值 G i m a x，该最大引力值所在的网络线命名为最大引力线，势能模型则表现某省域与其他省域空间联系值总和[18]。最大引力值 G i m a x和势能 P i公式分别如下：
G i m a x = m a x G i 1 , G i 2 , G i 3 , ⋯ , G i k
P i = ∑ j = 1 k G i j

1.3 空间自相关分析

为检测中国科技新城以及空间联系的空间相关性，本研究利用全局Moran's I指数进行空间自相关分析，相关公式[18]如下：
I = n ∑ i = 1 n ∑ j = 1 n W i j X i - X ¯ X j - X ¯ ∑ i = 1 n ∑ j = 1 n W i j ∑ i = 1 n X j - X ¯
式中： X i、 X j表示中国第i个与第j个省域的科技新城或空间联系总量； W i j表示空间权重矩阵； X ¯表示平均值；n表示所有研究单元的数量总和。
局域Moran's I指数可以较为细致地刻画出中国科技新城各省域间关联程度，相关公式[19]如下：
I i d = X i - X ¯ ∑ j = 1 n W i j X j - X ¯ S 2

1.4 空间计量模型

空间自相关性分析可以发现中国科技新城及其空间联系总量的空间关联性，为探究其空间格局演化的影响机制，由于传统的计量经济学模型隐含了研究单元的同质性假设，因此存在空间异质性研究单元的样本中相关计量经济学模型便不再适用。而空间计量经济学模型则可以弥补这一缺陷。它主要可以划分为空间滞后模型（SLM）以及空间误差模型（SEM），LeSage在前两个模型的基础上，构造了空间杜宾模型（SDM），它同时包含空间滞后和空间误差影响，本研究构建杜宾模型如下：
l n P i t = ρ ∑ j = 1 n W i j l n P i t + α 0 + β 1 l n X i t + ∑ j = 1 n W i j l n X i t γ 1 + μ i + λ i + ε i t
式中： P i t为科技新城“质量”与科技新城空间联系总量值；X为影响因素； ρ为空间滞后回归系数，是度量空间相邻地区科技新城及其空间联系相互影响程度； γ表示自变量空间滞后回归系数；W为空间权重矩阵。当 γ = 0时，SDM模型可以退化为SLM模型，当 γ + ρ β = 0时，SDM模型则可以退化为SEM模型。

2 中国科技新城的空间联系特征

2.1 中国科技新城的空间联系分析

本研究利用引力模型测算得到各省市科技新城的空间联系量，并结合ArcGIS的自然断裂点方法和空间网络分析工具，绘制得到图1。由图1可知，科技新城的国家级空间联系网络表现出由单中心逐渐向均衡型的复杂网络结构过渡。具体而言，2008年，强联系仅有上海—江苏，较强联系包含了上海—浙江、江苏—山东、北京—天津等三对科技新城的空间联系，整体上表现出区域性的简单空间联系网络；2013年，强联系的区域增加了江苏—山东、江苏—安徽两对空间联系组合，即形成了以江苏为核心的发散型网络，较强联系表现出区域性群落的联系特征，分别形成了福建—江西、浙江—江苏、浙江—上海、河北—北京、河北—天津等，一般联系由东部地区空间联系网络逐渐过渡并覆盖中部地区，并开始蔓延到西部地区和东北地区。2017年，强联系和较强联系的空间结构基本稳定并有所加强，向西部地区的广西、四川和陕西等省域空间扩散。一般联系的空间网络特征表现出地区性网络联系减弱，但是东部群组的整体吸引力明显提升。
图1 国家级、省级科技新城的空间联系

Fig.1 Spatial linkages of national or provincial science and technology new towns

省级层面科技新城的空间联系形成了长三角、京津冀两大较为明显的网络中心。2008年，强联系仅有北京—河北和江苏—安徽两对空间联系，较强空间联系共有四对，分别为福建—江西、江苏—山东、安徽—山东和河北—天津；2013年，强联系以京津冀扩展为主，形成河北—北京、河北—天津、河北—山东组成的强关联发散网络，另外一组仍然是江苏—安徽组成。较强空间联系由原来的局部性的联系网络，由沿海向中西部扩展成均衡型的空间联系网络，涉及到吉林、辽宁、内蒙古、陕西、山西、四川、广东、广西、贵州、重庆、湖北、湖南、河南、福建、江西等省市，几乎覆盖东部、东北和中部地区的相关省市；2017年，强联系的空间网络结构比较稳定，较强空间网络联系表现出向中部和东部方向性收敛，其中辽宁—吉林、广西—贵州、贵州—重庆、重庆—湖北之间的空间联系有所降低，降格为一般联系。这说明区域性的联系强度受全国性的网络中心的影响而有所减弱，区域性为主体的空间一体化有所加强。
为了深入探讨空间联系的首位因素的空间演进特征，选用最大引力线可视化国家级和省级科技新城之间的空间联系特征。总体而言，国家级科技新城空间联系的最大引力线表现出四大组团向三大组团转变，其中巨型网络的影响力持续拓展。2008年，京津冀、内蒙古和东北三省、海南—广西—广东—湖南—江西—福建组成三个小世界网络，其余省市组成巨型最大引力线空间网络，巨型网络超过研究单元的一半以上，主要涉及长江经济带及附近省市；2013年，空间组团出现裂变，区域性力量有所崛起，其中青海—四川—云南形成一个新的联结网络，由于京津冀的吸引力进一步扩大，内蒙古从东三省的小世界网络脱钩，融入到京津冀最大引力线网络中，以珠三角为代表的空间网络的空间单元未发生变化，但是局域空间联系结构有所变动，空间网络通径由湖南—广东转变为湖南—广西—福建—广东的网络链路，巨型网络由于地区性网络崛起而有所收敛；2017年，巨型网络的空间影响力进一步拓展，表现出较强的统摄力，内蒙古从京津冀脱钩出来进一步融入到巨型网络中，并进一步联结青海—四川—云南，形成依托长江经济带为主要特征的空间联系网络，东北三省和京津冀两个联系网络相对稳定，组成区域性的空间网络，以珠三角主体的空间网络，空间单元比较稳定，但是网路之间的通径逐渐向东移，广西通过湖南、江西、福建，融入到珠三角的空间网络之中。
省级层面的科技新城的最大引力线具有四大组团的特征。2008年，以京津冀、珠三角为代表的小型最大引力线空间网络，以东三省和长三角联合组成的大范围的空间网络以及中西部组合的巨型空间网络；2013年，最大引力线依然是四大组团，但是沿海省市逐渐从巨型网络中脱钩，形成江西—福建、上海—江苏—浙江—安徽两个小标度网络，以京津冀与东北三省共同构筑新的最大引力线网络，广东、海南和广西进一步融入到中西部的巨型网络中，省级层面的科技新城表现出较强的区域吸引力；2017年，最大引力线的空间网络相对比较稳定，逐渐形成了较为成熟的空间竞争格局（图2）。
图2 国家级、省级科技新城空间联系的最大引力线分析

Fig.2 Analysis of the maximum gravitational line of space linkages of national and provincial science and technology new towns

由表1可知，科技新城空间联系总量存在显著地空间集聚特征，Moran's I和Geary's c两个指数在研究期间内均显著。国家级的科技新城空间联系总量Moran's I指数一般介于0.588~0.677之间，Geary's c指数一般介于0.286~0.757；省级的科技新城空间联系总量Moran's I指数一般介于0.444~0.628之间，Geary's c指数一般介于0.369~0.756。这均表明国家级和省级科技新城具有明显的正向空间相关性以及明显的空间依赖性特征，证实了科技新城空间联系总量的空间溢出效应的存在。
表1 空间联系总量的空间自相关结果

Tab.1 Spatial autocorrelation result with sum of spatial linkage

年份 国家级 省级
Moran's I Z值 Geary's c Z值 Moran's I Z值 Geary's c Z值
2008 0.605 5.597 0.331 -4.291 0.551 4.743 0.460 -4.072
2009 0.588 5.453 0.364 -4.083 0.545 4.687 0.463 -4.051
2010 0.677 6.159 0.301 -4.577 0.628 5.363 0.369 -4.763
2011 0.695 6.391 0.286 -4.578 0.534 4.326 0.636 -2.385
2012 0.683 6.344 0.305 4.389 0.478 4.527 0.715 -1.802
2013 0.588 5.453 0.364 -4.084 0.457 4.527 0.756 -1.454
2014 0.658 6.210 0.343 -4.066 0.460 4.423 0.742 1.599
2015 0.610 6.058 0.757 -3.710 0.444 4.313 0.737 -1.662
2016 0.627 6.166 0.376 -3.672 0.457 4.291 0.723 -1.783
2017 0.633 6.210 0.393 -3.529 0.453 4.910 0.370 -1.483
根据公式（4）计算得到局域G值，利用ArcGIS可视化后得到图3。由图3可知，国家级层面，2008年，科技新城空间联系总量的热点分布图呈现出以长三角为主的热点区和西部地区为主的冷点区，热点区包含了福建、浙江、安徽、江苏和上海，围绕在热点区的次热点区布局了环渤海湾和中部地区部分省份，共计9个区域；冷点区分布在青海、四川、重庆和贵州，次冷点区主要包含新疆、云南、广西、海南和黑龙江。2013年，热点区区域空间上有所拓展，在原来的基础上增加了江西，而次热点区进一步向热点区集聚，辽宁向随机分布区转变，湖南成为了次热点区；冷点区主要向青海、甘肃和四川三个省份集聚，而内蒙古、新疆、云南、贵州、广西、重庆、海南、黑龙江均为次冷点区域。2017年，热点区、次热点区和冷点区的空间单元保持稳定，吉林由随机分布区转换为次冷点区。
图3 国家级与省级科技新城空间联系热点分析

Fig.3 Hotspot analysis of spatial linkage between national and provincial science and technology new towns

省级层面的科技新城空间联系的热点区演化表现出，2008年，热点区域带和冷点区域带分别分布在东部沿海地区和西部地区，其中热点区主要位于长三角的浙江、江苏、上海和安徽四个区域，次热点区环绕在热点区周围，包含了福建、江西、湖北、河南和山东等省份，而冷点区主要为西部的四川、青海、甘肃、新疆以及东北的黑龙江，次冷点区为西南边陲的海南、广西、云南、贵州、四川和重庆，还有内蒙古；2013年，热点区有上海、江苏、安徽和河南，次热点区向北扩散，在原来的基础上增加了吉林、辽宁、河北、天津、北京、山西、陕西，减少了江西和福建，冷点区基本稳定，次冷点区有所扩展，增加了广东和湖南两个省份，减少了内蒙古。2017年，热点区向内陆扩散，增加了湖北，次热点区增加了浙江，其他类型的区域均具有较为稳定的空间结构。

3 中国科技新城的影响机制分析

中国科技新城的发展过程和空间演进受到了诸多因素的共同作用，这些因素在整个科技新城建设过程中扮演了怎样的角色，目前针对这一问题尚未有比较系统的研究成果进行解读。因此，本研究在相关研究的基础上[12-17]，试图利用空间计量经济学方法，构建一个理论分析框架和实证检验模型，以期揭示出中国科技新城增设及空间联系特征背后的影响机制。
中国互联网的持续壮大伴随着科技新城的快速发展，互联网以其跨时空的即时连接特征，促进科技新城中的创新知识的快速吸收、消化和应用，消费需求的满足摆脱了地域限制，极大地加速了科技新城的成长和发育[20]。此外，各级政府针对性地推动“互联网+”战略的实施，多重效应叠加，共同推动科技新城的发展和跨区科技新城之间的联系。因此，本研究选取“互联网+”作为科技新城发展和空间联系的影响因素之一，以互联网宽带接入端口数作为表征。科技新城的建立和发展，往往是地方政府实施GDP锦标赛的重要方式之一[1]，是推动科技新城建设的主要动机之一，给予科技新城内相关的企业低于市场价的土地和减免一定比例的税收，同时针对高素质人才在生活和就业提供比较有力的支持。在整个科技新城从设立、建设和管理过程中，政府主导扮演了极为重要的角色。因此，本研究选取政府主导作为影响科技新城空间分布和空间联系的因素之一，以地方财政科学技术支出进行表征。新城新区初始建设阶段如果没有充分考虑到产业特征、需求状况和人口要素等市场状态，就会出现大规模建设之后的“空城”“睡城”等相对消极的局面[21-23]。因此，市场导向应该是科技新城区位选择和空间联系强度的重要因素之一，本研究选取社会消费品零售总额进行表征。科技新城是产城融合的高质量发展的形态，原有的经济基础是科技新城建设过程中强有力推手[24]，本研究选取经济基础作为影响因素纳入到实证模型中，用人均GDP来表征。科技新城主要依托于高新技术园区发展而来，区域科技金融的发展程度关系到科技新城的建设成效和活力。一般而言，科技金融越发达的区域，其科技新城的建设数量规模和空间联系规模越大[25]。本研究选用技术市场成交额来表征区域科技金融。外商投资企业往往会带来较为先进的技术和管理经验，对区域的技术水平升级和优秀管理人才培养具有明显的正向外部性，从而有效地推动科技新城的建设和空间联系规模的扩大。本研究选取对外开放水平作为影响科技新城区位选择和空间联系的因素之一[1]，利用外商投资企业进出口总额进行表征；区域文化作为科技新城建设的重要因素之一，其中企业家精神作为区域文化强有力的代表，是科技新城建设具有明显的助推效应[26]，因此，本研究选取企业家精神作为影响因素之一，利用规模以上工业企业R&D经费来表征[27]。
基于以上理论分析，本研究构建了一个基本的实证分析框架，利用空间计量模型测算得到数据见表2。由表2可知，科技新城的产生及其空间联系的影响机制来自于不同的因子，国家级和省级之间的作用类型和强度存在明显的异质性。由空间杜宾模型的数据结果分析可知，国家级科技新城的产生主要受到互联网+、政府主导、市场主导、经济基础、区域科技金融和对外开放水平等变量的显著影响，其中互联网+和经济基础反而是抑制国家级科技新城的产生，这表明互联网的持续深入，消解了由于地理集聚优势而形成的科技新城，从而阻碍了科技新城的产生，科技新城往往是中央政府为促进地方经济发展而批准设立的新城新区，经济基础较好的地区，不利于科技新城的建立和完善。而国家级科技新城的空间联系状况主要受到市场导向和对外开放水平的影响，市场导向不利于科技新城的外向型空间联系，其可能原因为纯粹市场行为会导致逐利性过于凸显，从而不利于国家级科技新城的空间网络拓展和同质性竞争加剧，而对外开放水平明显有利于国家级科技新城的空间联系提升，因为外商投资企业对资源和要素可以有效地进行跨区域的优化配置，从而实现资源利用最大化和要素价值最大化，促进科技新城间的合理化分工和协调化发展，形成更为高效的协作型空间联系网络。
表2 中国科技新城及其空间联系的影响因素回归结果

Tab.2 Regression results of factors influencing the science technology new towns and spatial linkage

解释变量 科技新城数量 空间联系总量
国家级 省级 国家级 省级
lnnet 0.408***（3.381） 0.180（1.32） 0.396***（2.910） -0.173（-0.780）
lngov 0.192***（2.873） -0.216***（-2.790） 0.211**（2.100） -0.406***（-3.260）
lnmark -0.019（-0.130） 0.327**（2.080） 2.410***（3.640） 0.013***（0.050）
lnecon -0.102（-0.972） -0.467***（-3.760） -0.733***（-2.140） -0.658***（-3.320）
lnfina -0.096***（-3.755） -0.048（-1.620） 0.039（0.940） 0.166***（3.450）
lnopen 0.014（0.615） -0.158***（-6.000） -0.025（-0.750） 0.007（0.180）
lnentre 0.119**（1.912） 0.623***（8.660） -0.123（-0.910） 1.067***（9.220）
W·lnnet -1.185***（-4.612） 0.692**（2.290） -0.195（-0.840） 2.334***（4.880）
W·lngov 0.243**（1.880） -0.061（-0.410） -0.275（-1.590） -0.546**（-2.270）
W·lnmark 0.788***（2.36） -0.729**（-1.880） -2.206**（-2.830） -1.587***（-2.520）
W·lnecon -0.505**（-1.950） -0.766**（-2.470） 0.234（0.450） -0.926*（-1.860）
W·lnfina 0.179***（3.350） 0.037（0.600） 0.006（0.080） -0.061（-0.600）
W·lnopen 0.102**（1.870） 0.284***（4.480） 0.178**（2.200） 0.122（1.200）
W·lnentre -0.193（-1.390） 0.002（0.001） 0.177（0.780） 0.457*（1.710）
W·dep.var -0.454***（-5.68） 0.162***（12.180） 0.835***（31.880） 0.420**（12.160）
R2 0.775 0.821 0.529 0.768
log-likelihood -123.417 152.015 55.171 295.473
Hausman 固定效应 固定效应 固定效应 固定效应

注： ***代表1%的显著性水平，**代表5%的显著性水平，*代表10%的显著性水平，括号里的数值表示t值。

省级科技新城的产生主要由互联网+、市场主导、经济基础、对外开放水平的影响，市场导向和经济基础具有明显的阻碍作用，省级地方政府设置科技新城是主要是综合地区发展实际、民生和社会福祉等公共性较强的作用因素，过于强烈的市场导向，会由于资本的逐利性造成新城新区建设的短视行为而可能由于相关配套设施不到位形成“空城”。科技新城建设往往被地方政府作为实施经济增长的重要手段之一，经济基础较好的区域，由于原有经济建设的惯性和旧城发展的先发优势，从而对科技新城的建设意愿明显减弱。省级科技新城的空间网络形成主要受到互联网+、政府主导、市场主导、经济基础、对外开放水平、企业家精神等因素的影响。其中，政府主导、市场主导、经济基础三个因素均对科技新城的空间联系产生明显的抑制作用，政府主导下的科技新城空间网络由于学习型文化和同质化建设从而导致区域间的非理性竞争，增加了空间联系网络之间的摩擦，降低了省级科技新城空间联系网络的规模，市场导向往往会由于产业发展特征和资本逐利性共同作用，加剧同质性竞争程度，降低区域间协调发展的空间联系能力，引致省级科技新城之间无序的空间竞争，争夺空间资源，经济基础代表原有区域的路径依赖和先发优势，均会降低科技新城的空间联系。

4 主要结论与讨论

本研究利用科技新城的定位坐标数据和中国统计年鉴数据，结合引力模型和空间计量模型等方法，分析了中国科技新城空间联系特征和影响机制，得到如下结论：
第一，科技新城的国家级空间联系网络表现出由单中心逐渐向均衡型的复杂网络结构过渡，强联系主要为江苏—上海、江苏—山东、江苏—安徽三组。省级层面科技新城的空间联系形成了长三角、京津冀两大较为明显的网络中心。区域性的联系强度受全国性的网络中心的影响有所减弱，区域性的空间一体化有所加强。最大引力线表现出四大组团向三大组团转变，其中巨型网络的影响力持续拓展，形成了依托长江经济带为主要特征的空间联系网络。
第二，国家级和省级的科技新城及其空间联系总量均具有明显的空间集聚效应。国家级层面，科技新城空间联系总量的热点分布呈现出以长三角为主的热点区和西部地区为主的冷点区，热点区包含了福建、浙江、安徽、江苏和上海，围绕在热点区的次热点区分布在环渤海湾和中部地区部分省份，热点区区域空间上有所拓展；省级层面的科技新城空间联系的热点区演化，其中热点区主要位于长三角的浙江、江苏、上海和安徽四个区域，次热点区域环绕在热点区周围，包含了福建、江西、湖北、河南和山东等省份，而冷点区主要为西部的四川、青海、甘肃、新疆以及东北的黑龙江，热点区向内陆扩散，增加了湖北，其他类型的区域均具有较为稳定的空间结构。
第三，互联网+、政府主导、市场主导、经济基础、区域科技金融、对外开放水平和企业家精神对科技新城的设立及其空间联系总量均有一定的空间溢出效应，且表现出明显的异质性特征。国家级科技新城的产生主要受到互联网+、政府主导、市场主导、经济基础、区域科技金融和对外开放水平等变量的显著影响；而国家级科技新城的空间联系状况主要受到市场导向和对外开放水平的影响；省级科技新城的产生主要由互联网+、市场主导、经济基础、对外开放水平的影响，省级科技新城的空间网络形成主要受到互联网+、政府主导、市场主导、经济基础、企业家精神等因素的影响。
本研究利用国家级和省级科技新城的相关数据，结合引力模型和空间计量模型等方法，较为系统地揭示了中国科技新城的空间联系特征及其影响机制。然而，仍有以下研究内容值得后续研究继续追踪和深入探讨：一方面，本研究从区域视角阐述了科技新城的空间联系特征，后续研究可以进一步利用中国工业企业数据库和上市公司相关数据深入挖掘微观视角下科技新城的主要特征及其生产率改进机制等；另一方面，在相关模型的设定中，增加如经济距离、认知距离、文化距离等多种空间距离，以及反映创新链、产业链等影响因子，以期更加丰富科技新城的相关研究成果。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
彭冲, 陆铭. 从新城看治理:增长目标短期化下的建城热潮及后果[J]. 管理世界, 2019(8):44-57.

[2]
袁宇, 李福华. 高新区与科技新城互动发展的路径研究[J]. 科技进步与对策, 2013, 30(11):40-45.

DOI

[3]
王鹏, 吴思霖, 李彦. 国家高新区的设立能否推动城市产业结构优化升级?——基于PSM-DID方法的实证分析[J]. 经济社会体制比较, 2019(4):17-29.

[4]
常晨, 陆铭. 新城之殇——密度、距离与债务[J]. 经济学(季刊), 2017, 16(4):1621-1 642.

[5]
杨雪锋, 徐周芳. 科技新城产城融合的区位类型、路径选择及政策支持[J]. 学习与实践, 2017(4):14-22.

[6]
方创琳, 王少剑, 王洋. 中国低碳生态新城新区:现状、问题及对策[J]. 地理研究, 2016, 35(9):1601-1 614.

[7]
王磊, 李成丽. 新城新区发展模式演变与雄安新区建设研究[J]. 区域经济评论, 2017(5):44-52.

[8]
冯奎. 中国新城新区转型发展趋势研究[J]. 经济纵横, 2015(4):1-10.

[9]
刘永敬, 罗小龙, 田冬, 等. 中国跨界新区的形成机制、空间组织和管治模式初探[J]. 经济地理, 2014, 34(12):41-47.

[10]
陈嘉平. 新马克思主义视角下中国新城空间演变研究[J]. 城市规划学刊, 2013(4):18-26.

[11]
冯奎. 中国新城新区现状与创新发展重点[J]. 区域经济评论, 2016(6):15-25.

[12]
潘家栋. 锚企业驱动科技新城发展的机制研究[J]. 治理研究, 2018, 34(6):69-75.

[13]
Kornelia Kissfazekas. Relationships between politics,cities and architecture based on the examples of two Hungarian New Towns[J]. Cities, 2015, 48(9):99-108

[14]
Yin G, Liu Y, Wang F. Emerging Chinese new towns:Local government-directed capital switching in inland China[J]. Cities, 2018, 79(9):102-112.

[15]
Amandine Desille. Revisiting the diversity-urban development nexus:Perspectives from Israeli immigrant towns[J]. Political Geography, 2019, 73(8):1-16.

[16]
Deog-Seong Oh. Technology-based regional development pol-icy:case study of Taedok Science Town,Taejon Metropolitan City,Korea[J]. Habitat International, 2002, 26(2):213-228

[17]
Florian Ploeckl. Endowments and market access;the size of towns in historical perspective:Saxony,1550-1834[J]. Regional Science and Urban Economics, 2012, 42(4):607-618.

[18]
刘程军, 周建平, 蒋建华. 长江经济带区域物流的空间联系格局及其驱动机制研究[J]. 华东经济管理, 2019, 33(9):87-96.

[19]
徐乐怡, 曹信生, 刘程军. 产业视角的中国城镇化质量分级与演化研究[J]. 经济地理, 2018, 38(12):68-75.

DOI

[20]
韩先锋, 宋文飞, 李勃昕. 互联网能成为中国区域创新效率提升的新动能吗[J]. 中国工业经济, 2019(7):119-136.

[21]
陆铭, 李杰伟, 韩立彬. 治理城市病:如何实现增长、宜居与和谐?[J]. 经济社会体制比较, 2019(1):22-29,115.

[22]
常晨, 陆铭. 新城:造城运动为何引向债务负担[J]. 学术月刊, 2017, 49(10):55-65.

[23]
殷冠文. 地方政府主导下的资本循环与城市化:以鄂尔多斯康巴什新区为例[J]. 地理科学, 2019, 39(7):1082-1 092.

[24]
邹德玲, 丛海彬. 中国产城融合时空格局及其影响因素[J]. 经济地理, 2019, 39(6):66-74.

DOI

[25]
张芷若, 谷国锋. 科技金融与科技创新耦合协调度的空间格局分析[J]. 经济地理, 2019, 39(4):50-58.

DOI

[26]
何永达. 人力资本、知识创新与服务业空间集聚——基于省际面板数据的计量分析[J]. 经济地理, 2015, 35(9):120-125.

[27]
刘程军, 周建平, 蒋建华, 等. 区域创新与区域金融耦合协调的格局及其驱动力——基于长江经济带的实证[J]. 经济地理, 2019, 39(10):94-103.

DOI

Options
文章导航

/

〈 〉