EN中文

Economic geography >

2024 , Vol. 44 >Issue 12: 132 - 140

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.12.014

Evolutionary Characteristics of Agglomeration of New High-tech Enterprises in China

  • LIU Qin , 1 ,
  • CHEN Gang 2 ,
  • WANG Guanghui , 3, ※ ,
  • LIU Chenghao 4
Expand
  • 1. The Institute for Sustainable Development，Macau University of Science and Technology，Macao 999078, China
  • 2. Institute of Jiangxi Economic Development & Reform Research，Jiangxi University of Finance and Economics，Nanchang 330013，Jiangxi, China
  • 3. Institute of Geographic Sciences and Natural Resources Research，Chinese Academy of Sciences，Beijing 100101, China
  • 4. School of Economics and Management，Nanchang University，Nanchang 330031，Jiangxi, China

Received date: 2023-09-13

  Revised date: 2024-02-10

  Online published: 2025-01-21

Fold

Abstract

This paper selects 218300 new high-tech enterprises in China from 2010 to 2019 as samples, uses kernel density and other methods to describe their spatiotemporal evolution characteristics, and uses the MGWR model to explore the influencing factors of new high-tech agglomeration. The results show that: 1) From 2010 to 2019, the overall distribution of new high-tech enterprises in China showed the characteristics of "dense in the east of China and sparse in the west of China, more in the south of China and less in the north of China", and gradually spread to the central and western regions, and their agglomeration centers changed from "three cores" to "three poles and multiple cores". 2) The new high-tech enterprises mainly come from the four major industries, and the agglomeration characteristics of the industries are obviously different, and the regional imbalance generally shows a trend of first increasing and then decreasing, but there are stages of agglomeration between industries. 3) The number of authorized invention patents, scientific research expenditure in the general budget of local finance, the number of on-the-job employees, the output value of the manufacturing sector, the proportion of construction land, the density of the road network in the built-up area, and the per capita GDP jointly act on the agglomeration of high-tech enterprises, and the impact intensity decreases in turn. Among them, the spatial scale of innovative technology output and infrastructure construction, represented by the number of authorized invention patents and the density of the road network in built-up areas, is small and has strong spatial heterogeneity. Finally, some policy suggestions are put forward based on the research conclusions.

Key words： high-tech enterprises; agglomeration characteristics; spatial layout; innovative environment; MGWR model

Cite this article

LIU Qin , CHEN Gang , WANG Guanghui , LIU Chenghao . Evolutionary Characteristics of Agglomeration of New High-tech Enterprises in China[J]. Economic geography, 2024 , 44(12) : 132 -140 . DOI: 10.15957/j.cnki.jjdl.2024.12.014

当前，技术创新进入前所未有的密集活跃期，高新技术企业成为创新型中国建设的活力所在，已成为促进我国科技强国建设的核心要素[1]。根据企查查、天眼查等网站统计，截至2022年3月，中国高新技术企业的数量已经突破34万家，近10年平均每年新增超过2万家。2022年中国知识产权相关工作情况报告显示，以高新技术企业为主体的创新型企业拥有的有效发明专利占国内企业拥有总量的65.1%，知识和技术密集的高新技术企业已成为中国区域创新发展的新引擎，正成为促进经济高质量发展的骨干力量。
高新技术企业具有更明显的集聚现象，并对区域经济新格局产生重要影响[2]。国家科学技术部《2020年我国高技术产业发展状况统计分析》显示，我国高新技术企业呈现出很高的地理集中度，它们主要集中分布在中心城市、省会城市以及沿海发达城市的高新开发区[3]。同时，高新技术企业的高竞争性和高风险性使其对区位选择异常挑剔，具有产业集聚抱团特征，如科技推广和应用服务业主要分布在北京和上海，而计算机及办公设备制造业在东部沿海省份表现出极高的集聚度。高新技术企业通过集聚外部性进一步促进了企业发展，已深刻影响着中国经济地理空间格局，正在重塑中国创新发展的区域新特征[4]。因此，研究高新技术企业集聚的演化特征，理解其区位选择的形成机制显得尤为重要，这对于促进科技强国建设，加快建设创新型国家，为政府提供创新发展要素整合规划和培育新质生产力具有重要参考价值。
集聚是高新技术企业典型的空间现象[5]，学界对高新技术企业集聚的相关研究主要集中在3个方面：①侧重对高新技术企业集聚特征描述和定量刻画。知识密集型商业（KIBS）和地域跨国企业（MNEs）的位置选择存在共同集聚态势，且MNEs对附近KIBS的建立具有显著影响[6]。学者们利用各类指数与计量方法（如莫兰指数、区位基尼系数、洛伦兹曲线等）分析不同尺度下的高新技术企业聚集的空间格局特征[3,7-8]。②对高新技术企业空间分布规律和影响因素进行量化分析。当地大学与研究机构是影响高科技企业区位的最主要因素[9]，快捷便利效率较高的制造类科技企业更关注城市中的交通基础设施、知识溢出及产业集群等[10]，不同制度环境也会影响到高新技术企业空间选址决策[11-12]。有学者广泛使用结构方程模型、Tobit模型和社会网络模型等来量化高新技术企业集聚的驱动因素[13]。近年来，多尺度地理加权回归模型的引入逐步完善了高新技术企业空间分布与影响因素研究的广度和深度，得到普适性和部分区域性的影响因子[9,14-15]。③对高新技术企业集聚演化的理论机理和异质性机制的解释。高新技术企业通过共享集聚效应，中小型、技术型企业能够依赖新创企业集聚带来的规模优势提高专业服务水平[16]。地理邻近性有助于隐性知识交流，对于建立非正式合作关系、促进隐性知识交流和企业创新具有积极影响，然而过度集聚也有可能造成空间拥堵、资源分配达到空间上限等问题[17]。同时，基于外部性理论、新经济地理学和演化地理学，探索构建多尺度、多要素、多元作用的高新技术企业集聚演化分析框架正成为研究热点[13,18]。可见，高新技术企业集聚特征研究正被大量关注，但仍需从多要素建模和空间异质性方面进行深入探讨，并采用微观数据匹配中观尺度数据进行检验。

1 分析框架

高新技术企业具有以下特点：一是具有快速成长和产学研用深度融合性。高新技术企业通过与高校、科研院所及其他科研平台合作，开展联合研发，加速科研成果产业化。二是具有高投入与市场的高风险性。高新技术企业通常面临长期性的研发投入和研发风险，需要综合运用机构融资、政府补贴等维持现金流，进而获得盈利。三是具有人才集聚和环境开放性。本文从集聚外部性理论并结合演化经济地理学研究成果[9,19]，尝试性提出包括行业内在属性、行业间特征、城市禀赋特征、环境政策响应在内的“四位一体”分析框架（图1），以期理解高新技术企业集聚的演化机理。
图1 高新技术企业演化的分析框架

Fig.1 Analytical framework of for high-tech enterprises evolution

①行业内在属性。行业内的MAR外部性是导致不同高新技术企业集聚的内在动因[13]，主要体现在3个方面：一是劳动力蓄水池。人才的持续供给是影响企业选址的重要影响因素，当高新技术企业集聚于同一区位时，会享受更专业化的劳动力供给池，加强产业内联系，在正向的集聚效应中收益。二是中间投入共享。高新技术企业往往通过中间投入，如研发投入和技术投入来实现规模经济效应和知识外溢效应机制，进而增强城市对高新技术企业的吸引力。三是地方化经济。高新技术企业是知识技术密集型的新兴企业，其集聚现象和区位因子之间的关系不同于其他类型企业，与其规模和行业性质密切相关[20]。
②行业间特征。行业间的Jacobs外部性通过多样化和市场规模经济来促进高新技术企业集聚：一是产业多样化。产业多样化给高新技术企业发展提供更良好的成长环境，一般通过择优选择来推动高新技术企业集聚。二是市场规模。高新技术企业集聚要权衡市场规模、要素投入、集聚效应及政策环境等因素，良好的市场规模和潜力是行业正外部性发挥的良好条件。三是城市化经济。一旦某高新企业在城市布局集中发展，规模集聚效应开始发挥作用，会促使更多资本在此集聚，产生循环累积过程[21]。
③城市禀赋特征。城市禀赋特征是导致不同高新技术企业布局的重要力量，主要包括两个方面：一是自然条件的影响，由于不同区位的城市拥有的资源禀赋迥异，地形地势等客观条件对企业选址和发展存在影响[19]。二是城市发展特征，不同发展阶段的城市，基础条件往往存在较大差异，高新技术企业往往对城市通达性和基础设施具有更高的选择性。
④环境政策响应。政府通过实施的政策、制度，自上而下对高新技术企业的空间分布进行引导、强化和限制[22]。不同政策环境是导致不同高新技术企业布局差异的重要因素，主要体现在创新环境营造和公共品投入两个方面。

2 研究方法与数据来源

2.1 研究方法

2.1.1 核密度估计法（KDE）

为估计中国新增高新技术企业的空间布局，本文采用核密度估计法（Kernel Density Estimation，KDE）以估计新增高新技术企业在中国的空间布局。
f n x = 1 n h ∑ n = 1 n k x - x i h
式中：f n x是点x处的密度估计；k ( )为核函数，是每个样本点对周围区域的影响范围和形状；n是核函数的幂次，决定密度估计的形状以；x为样本点的位置；x i为观测点的位置；h>0，为搜索半径（带宽）；( x - x i )指估计样本点到观测点x i处的距离。以中国县域的实际情况为基础，通过多次对比试验，本文采用5000 m作为搜索半径。

2.1.2 相对区位基尼系数

为了衡量高新技术企业在地理上的分布不平衡程度，本文参考肖凡等所使用的相对区位基尼系数[3]，该表达式如下：
G i = 1 2 N 2 u ∑ j ∑ k x i j x 1 - x i k x i
式中：G i是相对区位基尼系数；x i j、x i k为高新技术企业在j或k地区的数量指标；x i为高新技术企业的全国总量；u为高新技术企业在各地区的比重均值；在这里u = 1 / N，N为地区总数。相对区位基尼系数的数值处于[0,1]，取值为0表示高新技术企业区位完全均等化；若取值为1，则表示高新技术企业在一个地区完全集聚。

2.1.3 多尺度地理加权回归模型（MGWR）

为了探究高新技术企业集聚不同影响因素的空间异质性及空间尺度，本文选取多尺度地理加权回归（MGWR）来识别。MGWR模型是Fotheringham等提出的一个可以识别协变量空间异质性及其空间尺度的计量经济学方法[22]，并且由Yu等补充完善了该方法的统计推断[23]，使其可以普遍运用在实证研究中。
y i = ∑ j = 1 15 β b w j μ i , v i x i j + ε i
式中：y i为总估计量；表示β b w j μ i , v i x i j为第j个自变量第i个样本点的回归系数；j为自变量（在本文中代指15个影响因子）；x i j为解释变量i个样本点第j个自变量的取值；b w j代表第j个变量回归系数β使用的带宽；μ i , v i为第i个样本点的空间坐标；ε i为残差。模型构建通过软件MGWR2.2实现，基于赤池信息（AICc）准则选择自变量最优带宽，为便于自变量对于因变量的解释。

2.2 变量和数据来源

2.2.1 变量选取

参考现有研究成果[5,13,24-25]，以及考虑数据可得性等原因，将新增高新技术企业数量作为被解释变量，选取政策环境、公共服务、劳动力蓄水池、中间品投入、地方化经济、产业多样化、市场规模、城市化经济、城市区位特征和自然条件禀赋10个维度的15个影响因子进行识别分析（表1）。
表1 变量选择

Tab.1 Variable selection

影响因子主类 影响因子亚类 影响因子 变量代码 计算方法
政策环境响应 创新环境 创新经费投入 X1 地方财政一般预算内科学研究支出（万元）
开发区政策 X2 省级以上开发区数（个）
公共服务 社会保障度 X3 每万人床位数量（张/每万人）
环境保障度 X4 建成区绿化覆盖率（%）
行业内在属性 劳动力蓄水池 人才供给能力 X5 普通高校在校大学生数（人）
中间品投入 创新技术产出 X6 发明专利授权数（件）
地方化经济 行业规模与性质 X7 制造业部门产值（万元）
行业间特征 产业多样化 产业结构高级化 X8 二三产值/GDP（%）
市场规模 生产能力 X9 人均GDP（元/人）
消费能力 X10 在岗职工平均收入（元）
城市化经济 城市规模与性质 X11 在岗职工数量（万人）
城市禀赋特征 城市发展特征 基础设施建设 X12 建成区路网密度（km/km2）
区位发展优势 X13 建设用地占比（%）
自然区位条件 海拔高度 X14 海拔高度（m）
地形坡度 X15 地形坡度（°）

2.2.2 数据来源

为了探究高新技术企业的空间演化规律，本文原定选择2010—2022年作为观察期，但是鉴于全球疫情影响，2020—2022年成立的高新技术企业样本较少，且规模较小，与前10年演化特征存在较大差异，故本文最终将样本确定为注册时间位于2010—2019年的高新技术企业，并对其数据进行分析。
本文高新技术企业数据均来自企查查、天眼查等网站搜索，并把企业定位于城市中心或者县域中心；相关城市数据来源于《中国城市统计年鉴2022》《中国科技统计年鉴2022》，以及各地级市及省级统计年鉴。

3 演化特征分析

3.1 时空分布演化特征

①新增高新技术企业总体空间分布特征为“东密西疏、南多北少”，并逐渐向中部扩散。运用ArcGIS计算新增高新技术企业分布的全局Moran′s I为0.12，且Z统计量3.14，通过了1%的显著性水平检验，表明研究期间新增的高新技术企业在空间上总体呈集聚型分布形态。在中国四大板块分布中，新增高新技术企业东部地区占比最高，为69.2%；中部地区占比次之，为16.4%；西部地区和东北地区占比相对较低，分别为10.3%和4.2%。可见，东部地区优势明显。从南北对比来看，新增高新技术企业南方地区占比高达73.83%，而北方地区占比仅为26.17%，“南多北少”特征显著。
虽然新增高新技术企业在东部地区占比依然最高，但伴随着产业升级和结构优化，新兴高新技术企业对东部地区的偏好逐渐降低，呈现出逐渐向中部扩散的趋势。对比发现，成立于2010年以前的高新技术企业，总部位于东部的占比超过71%，而2010—2014年新增高新技术企业选择东部作为总部的占比降至70%，到2015—2019年再降至68%；中部地区凭借地区资源禀赋以及劳动力丰富等优势，承接东部地区的技术与产业转移，高新技术企业相对较快发展，新增高新技术企业在该地区占比从2010年以前的14％上升至2015—2019年的18%；新增高新技术企业在西部地区和东北地区数量较少，占比变化相对不明显。总体来看，研究期间新增的高新技术企业分布呈现出“东密西疏、南多北少”的特征，并且逐渐向中西部扩散。
②新增高新技术企业集聚呈现出由“三核”向“三极多核”转变规律。由高新技术企业的核密度分布可以发现（图2）：首先，在2010年以前成立的高新技术企业中，北京、上海、深圳3个城市的核密度峰值最高，辐射带动京津冀、长三角、珠三角等集群连片分布，“核心—外围”结构特征明显。其次，四川、安徽、湖南、山东、福建、河南等省份的省会城市或发达城市的高新技术企业核密度峰值较高，存在小范围集聚现象，并向四周延伸递减，形成多核斑块状。2010年以后成立的高新技术企业在中西部省会城市和一些发达城市集聚的更为明显，总体集聚特征由“三核”向“三极多核”转变。其中，“三极”为以上海为中心的长三角城市群、以深圳为中心的粤港澳大湾区、以北京为中心的京津冀城市群3个极点区（城市群内高新技术企业数量超过3万家，称为“极”）；“多核”指以成都和重庆为中心的成渝城市群，以武汉、长沙和南昌为核心的长江中游城市群，以厦门为中心的海峡西岸城市群，以郑州为中心的中原城市群及以青岛为中心的山东半岛城市群等多个核心区（城市群内高新技术企业数量超过1万家而在3万家之内，称为“核”）。
图2 中国新增高新技术企业数量的核密度分布图

注：基于自然资源部标准地图服务网站下载的审图号为GS（2020）4630号的标准地图绘制，底图边界无修改。图4同。

Fig.2 Kernel density distribution about the number of new high-tech enterprises in China

3.2 分行业演化特征

①新增高新技术企业主要来源于四大行业，行业间集聚特征存在明显差异。数据统计显示，2010—2019年中国高新技术企业的产业结构发生较大变化，高新技术企业从2010年以前二、三产业较为均衡的结构比例，转变为以第三产业占据绝对优势的产业结构。新增高新技术企业以科技型、创新服务型行业为主，其中占比最高的4类产业由高到低依次为（表2）：科学研究和技术服务业（32.66%）、制造业（29.24%）、信息传输、软件和信息技术服务业（17.51%）和批发和零售业（10.33%）。
表2 新增高新技术企业所属行业门类统计

Tab.2 Statistics of industry categories of new high-tech enterprises

序号 行业门类 新增企业数量
（个）		 占比
（%）
1 科学研究和技术服务业（m） 71074 32.66
2 制造业（c） 63583 29.24
3 信息传输、软件和信息技术服务业（i） 38103 17.51
4 批发和零售业（f） 22181 10.33
5 租赁和商务服务业（l） 6173 2.82
6 建筑业（e） 3729 1.71
7 农、林、牧、渔业（a） 2177 1.00
8 交通运输，仓储和邮政业（g） 1190 0.54
9 金融（j） 246 0.11
10 其他行业 8906 4.08

注：1.按照GB /T4754-2017国民经济行业分类代码进行分类。2.按照全国高新技术企业认定数据库（2022年）进行认定。

通过对前4类新增高新技术企业的空间分布特征进行分析，可以发现：
第一，各行业的集聚区位存在差异，但“多点集聚”总体特征较稳定。科学研究和技术服务业（m）主要集中于北京和上海2个高度集聚区，在广东、湖北、四川、吉林也存在类似集聚区间；制造业（c）主要集中于上海和广东，且沿海中心城市几乎都存在高新技术制造业的集聚点；批发和零售业（f）在广东存在大型集聚中心，同样在黑龙江、四川、湖北、陕西等省会城市也存在类似高密度集聚区；信息传输、软件和信息技术服务业（i）主要集中于环上海集聚圈，围绕着上海、江苏、浙江3地城市密集区构成了该行业的极核中心。第二，科技服务、信息服务类高新技术企业更倾向于增加集聚强度。从演化的角度来看，科学研究和技术服务业（m）2010—2014年主要集中于北京，信息传输、软件和信息技术服务业（i）在环上海集聚圈内集聚程度不断增加，整体而言，科技服务类企业倾向于围绕少数集聚点不断聚拢。第三，批发业和零售业（f）、制造类（c）企业集聚的扩散范围正在扩大。批发和零售业（f）2015—2019年集聚的强度和离散程度相比2010—2014年呈现降低趋势，显示出该类企业集聚的扩散范围在扩大；制造业（c）向中部扩散的趋势更加明显，表现在武汉、合肥等核心城市的集聚范围和强度均逐步增强，而在广州和深圳的集聚强度增速正在缓慢下降。
②新增高新技术企业集聚的区域不平衡程度呈现先增后减的状态，但行业间集聚存在阶段性。通过计算新增高新技术企业分布的相对区域基尼系数（图3），可以发现：第一，新增高新技术企业集聚总体（all）上不平衡程度呈现出先增后减的态势。2010—2019年新成立的高新技术企业中，信息传输、软件和信息技术服务业（i）、科学研究和技术服务业（m）的空间分布的不平衡程度呈现增加趋势，而制造业（c）、批发及零售业（f）的聚集基尼系数呈现下降趋势。第二，不同行业新增高新技术企业聚集存在明显阶段性。在2015年以前，除了制造业（c）以外，信息传输、软件和信息技术服务业（i）、批发及零售业（f）和科学研究和技术服务业（m）的集聚基尼系数均呈现增长态势，反映这个阶段高新技术企业集聚的区域不平衡程度持续变强；在2015年后，因为我国采用了更积极的产业转移政策和地方招商引资政策，除了科学研究和技术服务业（m）以外，其余3类企业集聚基尼系数均呈现下降或保持不变。同时，在2015年后，我国整体（all）高新技术企业集聚基尼系数也呈现缓慢下降趋势，说明这时期新成立的高新技术企业集聚的区域不平衡程度在缩小，区域创新失衡问题在逐渐改善。
图3 新增高新技术企业集聚的不均衡指数

注：制造业（c）：包括专用设备制造业、通用设备制造业、金属制品业、纺织业；批发及零售业（f）：包括批发业、零售业；信息传输、软件和信息技术服务业（i）：包括电信、广播电视和卫星传输服务、互联网和相关服务、软件和信息技术服务业；科学研究和技术服务业（m）：包括研究和试验发展、专业技术服务业，科技推广和应用服务业；其他行业（other）：其他所有不在上述4类中高新技术企业。all：代指整体高新技术企业。

Fig.3 Disequilibrium index of the agglomeration of new high-tech enterprises

4 影响因素分析

4.1 影响因素的全局性分析

参考古恒宇的做法[33]，运用MGWR模型对高新技术企业集聚影响的15个因素进行分析，表3列示了新增高新技术企业集聚影响因素的MGWR模型回归结果，仅对通过P值检验（通过10%显著性检验）的变量进行解释。可以发现，创新环境、中间品投入、地方化经济、市场规模、城市化经济、城市发展特征共同作用于高新技术企业集聚，在7个显著的影响因子中，影响系数由大到小依次是：发明专利授权数（X6）、地方财政一般预算内科学研究支出（X1）、在岗职工数量（X11）、制造业部门产值（X7）、建设用地占比（X13）、建成区路网密度（X12）、人均GDP（X9）。
表3 MGWR模型回归结果

Tab.3 Regression results of MGWR model

变量 β P值（MC） 带宽 带宽置信度（95%）
X1 0.279*** 0.000 271 1.975
X2 -0.023 0.229 123 2.350
X3 0.020 0.139 254 2.165
X4 -0.020 0.250 271 2.120
X5 -0.018 0.246 43 2.860
X6 0.519*** 0.000 96 2.448
X7 0.109* 0.098 43 2.860
X8 -0.012 0.337 206 2.396
X9 -0.038* 0.058 271 2.048
X10 0.000 0.984 271 2.028
X11 0.113** 0.018 123 2.258
X12 0.024** 0.032 100 2.705
X13 0.063** 0.033 271 1.990
X14 0.004 0.696 271 2.033
X15 -0.018 0.429 271 2.037

注：***、**、*分别通过1%、5%、10%显著性检验，模型对因变量和自变量均进行了标准化，不同变量间系数大小可以进行比较。

①从行业内在属性来看，中间品投入和地方化经济共同影响高新技术企业集聚。其中，发明专利授权数（X6）是系数最大的影响因素，而制造业部门产值（X7）也对高新技术企业的区位选择产生显著影响，这可能是高新技术企业的产品化不仅需要科研成果的转化，还依赖于本地制造业发展支撑，发达的制造业可以有效降低高新企业产品化和规模化的成本[5]。
②从行业间特征来看，城市化经济也是高新技术企业集聚的重要影响因素，通过行业间知识溢出和规模化带来集聚红利。其中在岗职工数量（X11）反映了城市人力资源的能级。人力资源是众多资源中较为重要的资源之一，它直接影响企业的知识市场化，从而转化为商品以获取丰厚的利润[16]。人均GDP对高新技术企业集聚呈现微弱负向影响，表明高新技术企业会倾向于选择知识溢出能力较强、市场规模较大、产业集聚程度较高的城市，但城市经济因素对其影响比较微弱。
③从城市禀赋特征来看，城市发展特征对高新技术企业存在显著正向影响，其中建设用地占比（X13）的系数最为显著。具有比较优势的城市基础往往会降低高新技术产业生产成本[11]，原因在于良好的基建水平可以降低高新企业成本，提高高新企业的利润，交通条件的改善有助于高新技术企业的集聚，其为互动学习创造了良好的基础条件。
④从政策响应环境来看，创新环境对高新技术企业集聚影响较大，其中地方财政一般预算内科学研究支出（X1）的系数较高且显著，这可能是新增高新技术企业大多处于成长期，政府的科研经费投资可以有效降低企业的研发成本和提供良好的知识交流平台，相比于社会保障和环境保障条件，这类企业对资金政策更敏感。

4.2 影响因素的空间异质性

MGWR结果能反映变量空间尺度的差异性（图4），影响因素的空间分异源于地区间差异化的边际效应。
图4 新增高新技术企业聚集影响因素的空间异质性

Fig.4 Spatial heterogeneity of influencing factors of the agglomeration of new high-tech enterprises

①从行业内在属性来看，发明专利授权数（X6）的回归带宽为96，属于局部变量，其影响在空间上差异较大，影响高值区为西部地区，次高值区为东北地区。对于西部地区和东北地区而言，经济活力相对不足，发明专利的知识溢出效应可以实现该地区高新技术产业“跃迁”式发展。制造业部门产值（X7）的回归带宽为43，空间异质性特征非常明显，并在空间上呈现与发明专利授权数（X6）不同的特征，即以京津冀、长三角、珠三角3个城市群为高值的扩散分异格局，原因可能在于配套完善的制造业在发达地区更容易实现高新技术企业的市场化拓展。
②从行业间特征来看，在岗职工数量（X11）的回归带宽为123，接近局部变量，其影响存在空间差异，该因素对高新技术企业集聚的正向影响，呈现出以东南沿海地区为影响低值区的“东南—西北”向空间分异格局，而影响高值区普遍位于经济发展水平相对薄弱地区，这可能是因为人力资源对欠发达地区的边际效用更大[5]。人均GDP（X9）的回归带宽为271，几乎为全局尺度，不存在空间异质性，属于全局变量，其影响在空间上没有显著差异，其系数取值处于-0.0507~-0.0443，均值为0.050，标准差为0.001，说明人均GDP每增加1%，高新技术企业集聚降低0.05%，这种影响相对微弱。
③从政策响应环境来看，地方财政一般预算内科学研究支出（X1）的回归带宽为271，几乎不存在空间异质性，其系数取值处于0.2779~0.2806，均值为0.2792，标准差为0.001，说明创新经费投入每增加1%，高新技术企业集聚程度就平均提高0.28%。可见，创新经费投入在全局上对高新技术企业集聚的影响较大，地方财政一般预算内科学研究支出越大，越能体现政府对科学创新和人才培养的重视，一个充满创新活力的城市更能吸引和留住高新技术企业。
④从城市禀赋特征来看，建设用地占比（X13）的回归带宽为271，几乎为全局尺度，其影响在空间上没有显著差异，其系数取值处于0.0640~0.0650，均值为0.064，标准差为0.001，说明建设用地占比每增加1%，高新技术企业集聚程度就平均提高0.06%。可见，提高城市基础设施服务水平有利于加强企业与消费市场的联系，提高科技成果产业化效率。建成区路网密度（X12）的回归带宽为100，属于局部变量，其影响在空间上差异较大，路网密度的正向影响呈现出以沿海为影响高值区的“东—西”扩展分异格局，可能原因在于东部地区高新企业外贸依存度较高，需要依托沿海港口城市向境外销售产品，对交通通达性要求更高，而中西部地区高新技术企业多集聚于核心城市，故敏感度较低。

5 研究结论与政策启示

5.1 研究结论

本文基于企查查、天眼查等网站数据以及城市统计数据，运用核密度等方法对中国2010—2019年新增的21.83万个高新技术企业的时空演化特征进行刻画，并采用MGWR模型分析了新增高新技术企业集聚的影响因素。主要研究结论如下：
①中国新增高新技术企业总体分布呈现“东密西疏、南多北少”，逐渐向中西部扩散格局，由“三核”向“三极多核”转变。高新技术企业主要聚集在北京、上海和深圳3个极化中心以及周围城市圈内，2010以后新增部分次级高新技术企业集聚中心，并且大多位于省会城市和中心城市，反映中国高新技术企业集聚正在重塑中国创新空间格局。
②新增高新技术企业主要来源于四大行业，不同行业新增高新技术企业的空间演化差异明显，其中服务类高新技术企业集聚强度更高，而批发业和制造类企业集聚的扩散范围正在拉大。新增高新技术企业集聚的区域不平衡总体呈现先增后减趋势，但各行业的集聚区位存在差异且行业间集聚存在阶段性，反映出中国高新技术企业的行业集聚演变不平衡的独特性。
③发明专利授权数（X6）、地方财政一般预算内科学研究支出（X1）、在岗职工数量（X11）、制造业部门产值（X7）、建设用地占比（X13）、建成区路网密度（X12）、人均GDP（X9）共同作用于高新技术企业集聚，且影响强度依次降低，反映中国高新技术企业集聚的影响因素交织的差异性和多样性。
④新增高新技术企业集聚的影响因素存在空间异质性。其中以发明专利授权数和建成区路网密度为代表的创新技术产出和基础设施建设空间尺度较小，具有较强的空间异质性，正在深刻作用中国创新格局演进过程。

5.2 政策启示

①新增高新技术企业空间分布存在不平衡特征，在大力培育新质生产力的大背景下，后发地区需要提高知识创造水平和技术创新水平，营造良好的创新环境以提升内部创新能力，加大基础设施投入以承接先发地区的知识溢出，进而促进创新空间均衡，实现创新经济的高质量发展。
②不同行业新增高新技术企业集聚同样存在不平衡现象，需要抓住服务类高新技术企业快速增长趋势，大力发展现代服务业。对批发业和制造类高新技术企业，需要建设公平的市场环境，在提高行业创新产出的同时吸引高新技术企业的进入。
③完善城市基础设施建设和加大与科研相关的资金投入和政策支持，因地制宜地发挥不同影响因子的驱动作用。通过提供完善的基础配套设施来优化创新要素资源配置，并积极推进制造业高端化、智能化、创新化升级。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
习近平. 在全国科技大会、国家科学技术奖励大会、两院院士大会上的讲话[J]. 中华人民共和国国务院公报, 2024(20):6-9.

[2]
高培勇, 隆国强, 刘尚希, 等. 扎实推动高质量发展,加快中国式现代化建设——学习贯彻中央经济工作会议精神笔谈[J]. 经济研究, 2024, 59(1):4-35.

[3]
肖凡, 任建造, 伍敏冬, 等. 21世纪以来中国高新技术企业的时空分布和影响机制[J]. 经济地理, 2018, 38(2):27-35.

DOI

[4]
周媛媛, 董平, 陆玉麒, 等. 基于上市高新技术企业的中国城市创新网络及其影响因素[J]. 经济地理, 2023, 43(6):145-155.

DOI

[5]
肖凡, 王姣娥, 黄宇金, 等. 中国高新技术企业分布影响因素的空间异质性与尺度效应[J]. 地理研究, 2022, 41(5):1338-1351.

DOI

[6]
Jacobs W, Koster H R A, Oort F. Co-agglomeration of knowledge-intensive business services and multinational enterprises[J]. Journal of Economic Geography, 2014, 14(2):443-475.

[7]
唐永伟, 唐将伟, 熊建华. 城市创新空间发展的时空演进特征与内生逻辑——基于武汉市2827家高新技术企业数据的分析[J]. 经济地理, 2021, 41(11):58-65.

[8]
Lejpras A, Stephan A. Locational conditions,cooperation and innovativeness:Evidence from research and company spin-offs[J]. The Annals of Regional Science, 2011, 46:543-575.

[9]
符文颖, 董诗涵. 技术型新创企业的地理学研究进展[J]. 地理科学, 2019, 39(9):1398-1406.

DOI

[10]
马淑燕, 赵祚翔, 王桂玲. 中国国家高新技术产业开发区时空格局特征及影响因素[J]. 经济地理, 2022, 42(8):95-102,239.

DOI

[11]
王振坡, 段思洁, 宋顺锋. 我国高新技术企业选址的影响因素研究——基于35个大中城市的实证分析[J]. 城市发展研究, 2020, 27(9):122-131.

[12]
Lao X, Gu H, Yu H, et al. Exploring the spatially-varying effects of human capital on urban innovation in China[J]. Applied Spatial Analysis and Policy, 2021, 14(4):827-848.

[13]
Gu H, Yu H, Sachdeva M, et al. Analyzing the distribution of researchers in China:An approach using multiscale geographically weighted regression[J]. Growth and Change, 2021, 52(1):443-459.

[14]
周灿, 曾刚, 曹贤忠. 中国城市创新网络结构与创新能力研究[J]. 地理研究, 2017, 36(7):1297-1308.

DOI

[15]
Hou Y. Traffic congestion,polycentricity,and intraurban firm location choices:A nested logit model for the Los Angeles metropolitan area[J]. Journal of Regional Science, 2016, 56(4):683-716.

[16]
许吉黎, 黄耿志, 张虹鸥, 等. 可持续性转型视角下区域新兴产业形成的研究进展与展望[J]. 经济地理, 2022, 42(12):142-151.

DOI

[17]
刘骁啸, 吴康. 功能疏解背景下京津冀中部核心区产业投资网络演化研究[J]. 地理科学进展, 2020, 39(12):1972-1984.

DOI

[18]
郭峰, 曹友斌, 熊云军, 等. 国家级新区设立与企业空间布局:基于镇级面板数据的分析[J]. 经济研究, 2023, 58(8):191-208.

[19]
盛科荣, 杨雨, 孙威. 中国城市网络中心性的影响因素及形成机理:基于上市公司500强企业网络视角[J]. 地理科学进展, 2019, 38(2):248-258.

DOI

[20]
吴康, 方创琳, 赵渺希. 中国城市网络的空间组织及其复杂性结构特征[J]. 地理研究, 2015, 34(4):711-728.

DOI

[21]
张永凯, 徐伟. 演化经济地理学视角下的产业空间演化及其影响因素分析——以中国汽车工业为例[J]. 世界地理研究, 2014, 23(2):1-13,25.

[22]
Fotheringham A S, Yang W, Kang W. Multiscale geographically weighted regression (MGWR)[J]. Annals of the American Association of Geographers, 2017, 107(6):1247-1265.

[23]
Yu H, Fotheringham A S, Li Z, et al. Inference in multiscale geographically weighted regression[J]. Geographical Analysis, 2019, 52(1):87-106.

[24]
金海燕, 刘宵, 李佩. 中国城市人才聚集的时空演化特征及影响因素研究[J]. 世界地理研究, 2024, 33(8):117-131.

DOI

[25]
丁建军, 刘贤, 王淀坤, 等. 国家级专精特新“小巨人”企业空间分布及其影响因素[J]. 经济地理, 2022, 42(10):109-118.

DOI

[26]
曹清峰. 国家级新区对区域经济增长的带动效应——基于70大中城市的经验证据[J]. 中国工业经济, 2020(7):43-60.

[27]
Zhu S, He C, Zhou Y. How to jump further and catch up?Path-breaking in an uneven industry space[J]. Journal of Economic Geography, 2017, 17(3):521-545.

[28]
张莉, 朱光顺, 李世刚, 等. 市场环境、重点产业政策与企业生产率差异[J]. 管理世界, 2019, 35(3):114-126.

[29]
郭丽燕, 黄建忠, 庄惠明. 人力资本流动、高新技术产业集聚与经济增长[J]. 南开经济研究, 2020(6):163-180.

[30]
丛海彬, 段巍, 吴福象. 新型城镇化中的产城融合及其福利效应[J]. 中国工业经济, 2017(11):62-80.

[31]
耿纯, 赵艳朋. 交通基础设施对新建制造业企业选址的异质影响研究[J]. 经济学动态, 2018(8):90-105.

[32]
张杰, 唐根年. 浙江省制造业企业时空迁移特征及驱动机理——基于县域尺度[J]. 经济地理, 2019, 39(6):118-126.

[33]
古恒宇, 孟鑫, 沈体雁, 等. 中国城市流动人口居留意愿影响因素的空间分异特征[J]. 地理学报, 2020, 75(2):240-254.

DOI

Options
Outlines

/

〈 〉