EN中文

Economic geography >

2025 , Vol. 45 >Issue 4: 77 - 85

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.04.008

Distribution Characteristics and Influencing Factors of Cultural Enterprises in China

  • LIU Peixue , 1 ,
  • HE Jiawei 2 ,
  • WANG Ting 2 ,
  • ZHANG Honglei , 2, ※ ,
  • ZHANG Jianxin 2
Expand
  • 1. School of Business Administration，Nanjing University of Finance and Economics，Nanjing 210046，Jiangsu，China
  • 2. School of Geography and Ocean Science，Nanjing University，Nanjing 210023，Jiangsu，China

Received date: 2024-08-12

  Revised date: 2025-02-20

  Online published: 2025-06-24

Fold

Abstract

Based on the industrial and commercial registration data of Chinese cultural enterprises from 2006 to 2021, this paper empirically analyzes the spatiotemporal distribution characteristics, influencing factors and heterogeneity of cultural enterprises in China by the methods of LISA time-space transition and geographically weighted regression (GWR) model. The results show that: 1) The spatial distribution of cultural enterprises exhibits significant imbalances and the degree of geographical agglomeration of enterprise layout increases significantly. 2) The spatial distribution of cultural enterprises shows high stability and path dependence, and the internal factors play a leading role in the formation of the spatial structure of cultural enterprises, while the neighborhood spillover effect is relatively small. 3) Factors such as economic level, the proportion of service industry, higher education resources and cultural tourism resources have a significant impact on the spatial choice of cultural enterprises. Cultural enterprises has a shift in spatial preferences from traditional cultural tourism resources towards areas with robust economic, innovative capacities, and higher education resources, aligning with national regional development strategies. The research provides novel insights into the evolving spatial dynamics of cultural enterprises and offers strategic policy implications for balanced and coordinated cultural industry development.

Key words： cultural enterprises; cultural industry; cultural tourism resources; innovation ability; industrial agglomeration; higher education resources; economic level

Cite this article

LIU Peixue , HE Jiawei , WANG Ting , ZHANG Honglei , ZHANG Jianxin . Distribution Characteristics and Influencing Factors of Cultural Enterprises in China[J]. Economic geography, 2025 , 45(4) : 77 -85 . DOI: 10.15957/j.cnki.jjdl.2025.04.008

文化及相关产业是指为社会公众提供文化产品和文化相关产品的生产活动的集合[1]。文化企业作为文化产业中具体经营文化产品和服务的生产者，同时也是文化传播和消费的重要媒介。中国文化产业进入快速发展时期以来，文化企业的地理集聚现象不断增多，长三角、珠三角、京津冀、川渝等区域文化企业规模日益扩大。2006年，中共中央、国务院发布《关于深化文化体制改革的若干意见》，为我国文化产业的发展指明了方向；党的十八大以来中国文化产业与各领域的融合逐渐深入，文化产业与“文化+”的作用更加显著；党的二十大报告提出，健全现代文化产业体系和市场体系。文化企业的活动构成了文化产业的核心部分，文化企业的空间分布不仅反映了企业的选择策略，也体现了文化产业整体的空间组织形态。因此，随着文化产业在国家经济发展中的地位日益凸显，适时分析文化企业空间分布的特征和影响机制，对于制定有效的文化产业政策、优化文化资源配置、促进区域经济均衡发展以及推进新时代文化产业高质量发展具有重要指导作用。
文化企业作为文化产业中的微观主体，其空间分布和集聚特征是文化产业研究不可或缺的部分。文化产业的空间格局特征和影响因素都存在明显的尺度效应[2]，研究尺度越大稀释能力越强，越小越利于合理探究文化产业分布规律。目前，文化产业研究尺度从大到小涵盖了国家[3]、省域[4]、市域[5]、街道[6]、格网[7-8]单元，如张旭等人发现中国文化产业挂牌企业呈现出地域分散但数量集中的特点[3]，刘润等人以格网为单元分析了武汉文化企业在交通依赖、区位选择、产业关联等方面已形成的特定模式[7]。对于文化产业空间格局的研究，主要侧重于文化产业的格局演变和特征、集聚动因以及产业集聚对城市空间的影响等方面的探讨[9]。关于文化产业的区位选择，Henderson较早地发现文化产业有聚合选址倾向[10]，Fahmi等发现印度尼西亚文化创意产业和传统文化产业在区位选择上具有明显的差异[11]。而文化产业集聚机制的研究分析框架则主要有新经济地理理论、钻石模型和创意阶层理论等，如大都市的文化产业集聚往往是因为显著的区位优势、强大的要素配置和稳定的市场需求。Paddison认为需要邻近文化设施、人才、消费者等因素[12]，Lazzeretti等认为意大利和西班牙的文化创意产业集聚受历史文化禀赋和规模等因素的共同作用[13]，同时也有学者开始对文化产业政策演进过程以及政策效果的区域分异进行研究[14-15]。综上发现，众多的理论与实证研究结果存在较强一致性，即政策、人才、技术、社会环境是促进文化产业发展的主要因素。
研究方法上，已有文献大多基于常见统计数据或调查数据进行指标测算与数据分析[16]，如文化及其相关产业增加值[17-18]、产业营业收入[4]、产业从业人数[19-20]等，文化产业园区数量也有少量应用[17]。特别是近年来，许多研究者将带有空间属性和其他丰富信息的企业工商注册数据应用于都市圈和城市研究，揭示了不同尺度企业空间格局演化特征[6,21]。空间演化上，文化企业空间规模的扩张与分布格局的演变可以视为文化产业在空间中成长[22]，由于地理区位、经济水平、宏观政策等影响因素在不同时间段对文化企业空间分布的影响程度不同，且各城市之间影响因素的作用强度也存在差异，导致文化企业在区域间的布局存在不均匀性，从而形成各具特色的区域文化产业结构。研究对象上，当前关于文化产业的市场主体即文化各类企业或设施的研究区域多为经济较为发达的东中部城市杭州[9]、武汉[7]、南京[23]等，亟待从全国尺度宏观把握文化产业格局。
尽管对文化产业空间分布的研究已有一定的积累，但仍存在以下问题：①现有研究往往侧重于空间分布现象的描述，而从文化企业出发，对产业空间分布的动态过程和时空路径依赖性的理解尚显不足。②尽管有研究涉及文化企业空间选择的影响因素，但这些因素在不同区域和时间尺度上的异质性影响尚未得到系统性研究。③现有文献中对于中西部地区的文化企业空间分布特征探讨不多，这限制了对全国文化企业空间分布全貌和发展过程的认识。④文化产业影响因素的研究多集中在使用负二项回归[6]或岭回归[21]等方法进行全域计量回归，对于影响因素的时空异质性分析也主要为地理加权回归、多尺度地理加权回归[24]、地理探测器[25]等模型，存在一定局限性。因此，本文以中国文化企业为对象，运用LISA时空跃迁和地理加权回归模型对文化企业时空的分布特征、影响因素及其异质性进行深入探讨，以促进文化产业规模有序发展，为推动新时代产业和区域高质量发展提供科学依据。

1 研究方法与数据来源

1.1 研究方法

1.1.1 LISA时空跃迁

LISA时间路径是Local Moran's I在Moran散点图时间上转移的连续表达[26]，可弥补传统LISA在时间维度的测量不足[27]。为进一步探索局部空间在时间序列上的动态性特征，Rey等提出转移概率矩阵和时空跃迁来描述Local Moran's I在不同时间的类型变化情况，并将时空跃迁分为4类[28]。LISA坐标由客源数据的标准化值及其空间滞后量组成，各研究单元LISA坐标空间移动轨迹可表示为[（yi，1，yLi，1），（yi，2，yLi，2），…，（yi，t，yLi，t）]。其中，yi，t表示研究单元i在第t年文化企业数量，yLi，t表示研究单元i在第t年的空间滞后量。通过Local Moran's I计算时段内类型Ⅳ的跃迁数量除以所有可能跃迁的数量为空间离散度（spatial cohesion），可以对文化企业空间分布的稳定性进行测度[29]。

1.1.2 地理加权回归模型

时空非平稳性是指在空间回归分析中，各变量之间的关系或结构会随时间、地点的改变而改变，这种非平稳性在空间数据是普遍存在的[30]。时空非平稳性分析能够深入揭示地理要素的时空分布规律，更好地理解社会现象和环境的动态过程。为了深入探究文化企业分布的空间异质性及其动态变化机制，本文采用地理加权回归（Geographically Weighted Regression，GWR）模型进行分析。GWR模型能够有效解决传统全局回归模型忽视空间效应的局限，通过在每个空间点上局部估计回归系数，捕捉自变量与因变量之间关系的地域性差异，从而提供更为精细和贴近现实的空间效应解析[23]。考虑到2006—2021年文化企业数量扩张及可能伴随的阶段性变化，本文针对3个时间节点应用GWR模型考察不同阶段文化企业分布受各类因素的空间异质影响，为理解文化企业发展的阶段性特征及长期趋势提供实证基础。

1.2 文化企业筛选与识别

文化产业包括从传统的新闻出版、广播电影电视、娱乐休闲等行业活动，到新兴的互联网文化娱乐平台、数字动漫游戏、智能文化设备制造等文化新业态。本文数据来源于天眼查企业数据库（https://www.tianyancha.com），爬取其行业分类为“新闻和出版业”“广播、电视、电影和录音制作业”“文化艺术业和娱乐业”的所有企业，然后获取所有关键词为“文化”的企业数据作为补充，去重后共计1261.281万条有效数据（查询截止日期为2022年1月），数据属性包含公司名称、经营状态、成立日期、注册地址、经营范围等。具体筛选过程如下：①参照《文化及相关产业分类（2018）》对各细分行业的描述解释[1]（表1），根据企业经营范围对所有数据进行识别，剔除明显与文化产业无关的数据。通过与有关专家讨论和小组讨论，结合数据具体情况，针对性地列出2247个关键词（例如保险咨询、燃料等）用于剔除，约删除283万条。②剔除企业名称明显不属于文化产业的公司。通过与相关专家讨论，并进行小组内部多次讨论，共计列出292个关键词（例如电力、劳保、生化等）用于剔除，约删除234万条。③剔除注册地址空白或为电商链接的企业，约删除117万条。④剔除成立日期空白或为2022年成立的企业，约删除103万条。⑤剔除一家公司同一地点重复注册的企业，约删除95万条。根据企业信息和注册地址确定所属城市，按年度汇总后导入ArcGIS软件中进行数据可视化，建立文化企业空间数据库。
表1 文化产业分类与相应企业形态

Tab.1 Classification of cultural industry and its corresponding enterprise form

产业领域 类别 常见企业形态
文化核心领域 新闻信息服务 报社、广播电视网络公司、信息服务公司等
内容创作生产 影视公司、图书出版公司、演艺公司、工艺美术品厂等
创意设计服务 图文公司、建筑公司、广告公司等
文化传播渠道 书店、音像专卖店、电影院等
文化投资运营 文化投资公司、产业园区管理公司等
文化娱乐休闲服务 网吧、游乐场、歌舞厅、棋牌室、采摘园等
文化相关领域 文化辅助生产和中介服务 造纸厂、印刷厂、会展公司、娱乐经纪公司、活动策划公司等
文化装备生产 乐器厂、游乐设备厂、照相器材厂等
文化消费终端生产 玩具厂、电视机厂、文具店等
将数据筛选和识别之后，共获得428.812万条有效数据，其中正常营业的企业数量为300.211万个，占比70.0%；处于吊销、注销状态的企业数量为128.601万个。所获文化企业数据覆盖368个行政单元（不包含港澳台地区），包括4个直辖市和364个地级市、自治州、盟及部分省直辖级行政单位。根据《中国文化及相关产业统计年鉴》，2018年法人单位数210.31万个，2018年分地区文化及相关产业法人单位数量和2021年分地区规模以上文化及相关产业企业与本文方法所获取对应年份数据的皮尔逊相关性分别为0.998和0.994，说明在数据量级和分布上具有代表性。本文选取2006—2021年为研究时间范围，理由是：一方面是考虑到政策层面，2006年发布的《关于深化文化体制改革的若干意见》，为我国文化产业的发展指明了方向；另一方面在数据层面上，2006年起各市平均企业注册量超过50个，具备了全国范围研究的基础。

1.3 文化企业空间分布影响因素选择

结合文化产业集聚[6,21]相关研究，选取产业经济结构、文化资源条件、产业发展支撑3个方面的影响因素指标。产业经济结构方面，用地区人均生产总值（ECO）来衡量经济水平，第三产业占比（INS）来反映产业结构的优化程度，以及当年实际使用外资金额代表对外依存度（FDI）来衡量经济的开放性和吸引外资的能力。文化资源条件方面，通过普通高等院校数量代表高等教育资源（COL）来衡量地区的人才培养能力和知识创新水平，同时以4A及以上旅游景区及文博物馆数量代表文旅资源（RES）来衡量地区文化旅游资源的丰富性和吸引力。产业发展支撑方面，政策的导向作用是推动文化企业区位选择和发展的关键外部条件，通过一般公共预算支出代表发展投入（GOV）来反映政府财政支持力度，使用城市创新指数代表创新环境（INV）来衡量地区创新活动的活跃程度和创新体系的完善性。
以地级市为研究单元，对上述影响因素的数据进行收集、整理。各指标数据主要来源于2007、2014和2022年《中国城市统计年鉴》及各市（州）统计年鉴或统计公报，城市创新指数采用基于专利数据和企业注册资本数据的《中国城市和产业创新力报告》[33]。本文最终获取了284个城市的数据。

2 文化企业分布的时空演化特征

2.1 文化企业时间变化与空间关联性

随着社会经济和文化市场的不断发展，中国文化企业注册量连年增长。2021年当年注册文化企业589934家，而2006年仅18208家，2013年73489家，截至2021年底文化企业数量3002109家。2013年之前增速较为平缓，2013年后在相关政策、产业规划、市场机遇等多重因素助推下进入高速发展阶段，受疫情影响，2020年与2019年文化企业注册量相差不大，但2021年文化企业又恢复增长。通过K最近邻为4的空间权重矩阵计算各年市域尺度文化企业新注册数量的全局莫兰指数，观察文化企业集聚扩散和空间依赖情况。研究期内，莫兰指数在0.02~0.15波动，2011年及之前为通过0.1显著性水平检验，2012年之后均通过0.05显著性水平检验，指数在低值波动数年后持续上升直到2018年的0.149，集聚程度显著增加，而随后逐年下降（图1）。
图1 2006—2021年中国文化企业年度注册量与全局Moran's I变化趋势

Fig.1 Registration number and Global Moran's I of cultural enterprises in China in 2006-2021

2012年底，党的十八大报告将“文化软实力显著增强”作为全面建成小康社会的5项新要求之一，推动我国文化产业进入了高速发展期。2019年以来则受国内外多方面因素共同冲击，故有必要进行分阶段研究。从图2来看，文化企业分布具有明显的非均衡性，呈现出东南多、西北少的分布格局，符合“胡焕庸线”规律。多数省份的文化企业倾向于在省会城市集聚，这一现象在17个省会城市中尤为明显；这些城市的文化企业数量占到了各省文化企业总量的40%以上，凸显了省会城市在文化产业发展中的主导地位和集聚效应。此外，一些非省会城市也表现出了较强的文化企业集聚趋势。例如，大连的文化企业占辽宁省文化企业总量的26.2%，苏州和宁波则分别占据了所在省份的20.3%和16.4%，在一定程度上分散了省会的文化主导功能，展现了自身在文化产业发展中的潜力和优势。
图2 2006、2013和2021年中国文化企业市域空间分布

注：基于自然资源部标准地图服务网站下载的审图号为GS（2023）2763号的标准地图制作，底图边界无修改。图3、图4同。

Fig.2 Distribution of cultural enterprises in China in 2006，2013 and 2021 at the prefecture level

为进一步揭示产业集聚效应，本文计算中国文化企业的Local Moran's I指数并将其可视化，得到中国文化企业LISA空间集聚图（图3）。从中看出，中国文化企业空间聚类表现出不均衡性、差异性，其中以高—高聚类和低—低聚类为主，高—低聚类相对较少，表明中国文化企业空间格局呈现出较高的空间正相关性，即位置相近的城市，其文化企业的数量也相近。
图3 2006、2013和2021年中国文化企业LISA空间集聚格局

Fig.3 LISA spatial agglomeration pattern of cultural enterprises of China in 2006，2013 and 2021

整体来看，高—高聚类区域主要存在于京津冀、长三角、珠三角部分城市，其中北京、上海、深圳3座文化产业中心城市地位突出。高—低聚类区域呈零星分布，主要包括长沙、武汉和成都等中西部省会城市，这些省会城市以较为突出的资源、经济市场吸引了各省的大部分文化企业在此布局，导致周边城市文化企业数量少。低—高聚类区域主要分布在河北的张家口、承德，四川的资阳，安徽的马鞍山、宣城，浙江的湖州、舟山等城市，这些地方由于周边直辖市或者省会城市资源禀赋优于自身，受虹吸作用明显。低—低聚类区域范围更广，连片分布于以新疆、西藏、青海为代表的西部地区，以及海南的部分城市，受资源、市场限制明显。
从空间演化上来看，2006—2013年文化企业空间格局变化主要包括高—高聚类区域从18个变为17个，低—低聚类从34个变为38个，低—高聚类从11个降为8个。其中，扬州、泰州从高—高聚类变为非显著，而廊坊从高—高聚类变成低—高聚类，而东莞、惠州从低—高聚类跃迁成为高—高聚类，重庆从非显著变为高—低聚类。云南、新疆等地低—低聚类区域扩大。2013—2021年文化企业空间格局变化明显，其中，低—低聚类区域明显扩大，数量从38个变为45个，新增了云南、新疆、黑龙江和内蒙古的部分地区；而高—低聚类区域从4个变为8个，主要包括武汉、长沙、岳阳、沈阳、成都，都从非显著区域跃迁为高—低聚类区域。

2.2 文化企业的局部空间格局演化趋势

①LISA时间路径分析。进一步通过LISA时间路径的几何特征来分析2006—2021年中国文化企业空间分布的时空变化以及局部空间差异。LISA时间路径长度大于1的城市有73个，占比19.84%，表明就全国范围而言，局部市域单元动态性较弱。由图4a可知，LISA时间路径长度越长则表明该城市更具有动态的局部空间结构，较长的区域集中在京津冀、长三角、珠三角、川渝等区域，表明这些区域具有相对动态的局部空间结构，而这些区域正是近些年产业热点集聚区，而且具有一定的都市圈效应。LISA时间路径移动长度排名前4的城市为深圳（20.36）、舟山（12.37）、北京（11.34）、上海（11.22），其中舟山叠加普陀文化资源、沿海和长三角地区优势，从低起点开始发展迅速；3个一线城市长期保持领先优势，而内陆非省会城市大多是长度短和空间结构稳定的区域。
图4 LISA时间路径几何特征空间分布

Fig.4 Distribution of geometrical characteristics of LISA time path

由图4b可知，LISA时间路径弯曲度均值为0.82，均值以下城市占比为73.64%，表明文化企业布局局部空间结构波动性较弱。其中，LISA时间路径弯曲度较大的城市为珠海（6.51）、安阳（5.39）、淮安（5.04），表明这些城市在空间依赖方向上具有更大的波动性，这些城市及其邻近区域在文化企业空间布局过程中具有较强的波动特征；而广州（0.31）、佛山（0.3）、金华（0.3）弯曲度最小，则表明这些区域在空间依赖方向上具有较强的稳定性，波动较弱。
根据2006—2021年中国各城市在莫兰散点图中的位置坐标，计算得到LISA时间路径移动方向。由图4c可知，244个城市表现为协同增长，表明中国文化企业空间格局演化的空间整合性较强。其中正向协同增长的城市53个（0~90°方向），负向191个（180°~270°方向），进一步表现出较高的负向整合性。正向协同增长发展的区域主要集中在山东、河南、江苏南部、浙江北部以及福建东部城市，这些城市是近些年的文化企业选址热点区域；负向协同发展的区域主要集中在中西部偏远地区，相较于东部沿海地区交通可达性不足。
②LISA时空跃迁分析。本文采用时空跃迁分析进一步探索中国文化企业的局部空间关联性类型之间的转移关系，得到2006—2021年的Local Moran's I转移概率矩阵。表2结果显示，中国文化企业局部空间结构较为稳定，不同类型之间的转移较少，说明城市单元要改变自身的相对位置比较困难。在已经发生的不同类型之间的转移中，HHt→LHt+1为转移概率最大的类型，概率为0.149，发生跃迁的城市个数为7个（东莞、惠州、廊坊、赣州、泰安、潍坊和淄博）；其次为HLt→HHt+1（0.125）、LLt→LHt+1（0.069）。
表2 Local Moran's I转移概率矩阵

Tab.2 Transition probability matrix of local Moran's I

HHt+1 LHt+1 LLt+1 HLt+1
HHt Ⅳ（0.809） Ⅰ（0.149） Ⅲ（0.000） Ⅱ（0.043）
LHt Ⅰ（0.061） Ⅳ（0.878） Ⅱ（0.061） Ⅲ（0.000）
LLt Ⅲ（0.006） Ⅱ（0.069） Ⅳ（0.910） Ⅰ（0.015）
HLt Ⅱ（0.125） Ⅲ（0.000） Ⅰ（0.031） Ⅳ（0.844）

注：Ⅰ.自身跃迁—邻域稳定；Ⅱ.自身稳定—邻域跃迁；Ⅲ.自身跃迁—邻域跃迁；Ⅳ.自身稳定—邻域稳定。

最普遍的跃迁类型为自身单元与其邻域单元均保持稳定状态的类型Ⅳ，发生概率为89.5%，即中国文化企业的空间稳定性St为0.895，表明中国文化企业的空间集聚性存在相对较高的稳定性以及一定的路径依赖。类型Ⅰ跃迁比例为3.4%，类型Ⅱ为7.1%，类型Ⅲ为0.4%，只有3个城市发生了此类跃迁，分别是洛阳、连云港、菏泽发生了LLt→HHt+1跃迁。从跃迁类型发生的概率可以看出，中国文化企业空间结构更多是受到自身城市因素的影响，邻域溢出效应影响较小。

3 文化企业空间选择影响因素的时空分异

3.1 文化企业空间选择的驱动因素分析

结合研究需要和数据来源限制采用文化企业数量，文化产业的代表指标还有文化产业从业人数[20]，但在2019年之后《中国城市统计年鉴》等渠道不再公布故舍弃。参考城市创业活跃度的相关研究[34]，被解释变量是自变量对应年份及其前后两年的5年期间各城市新创立的文化企业数量之和。对解释变量进行共线性检验，VIF均小于7.5，不存在明显的多重共线问题，因而按年份分组标准化后进行模型分析（表3）。利用Python的mgtwr库实现GWR模型回归，采用自适应二次形式为核函数并以AICc准则来确定带宽。GWR模型调整后的R2均比OLS模型有较大提高，对应AICc降低，说明GWR模型拟合效果明显优于OLS模型。OLS系数与GWR各节点系数的均值能够对应，对外依赖度（FDI）和政府影响力（GOV）指标均没有通过OLS回归显著性检验，而且GWR模型中系数均值小于0.1，明显低于其他指标，因而简化为仅对其他5个影响因素进行异质性分析。
表3 OLS和GWR回归估计结果

Tab.3 Estimation results of GWR and OLS

变量 OLS GWR
2006 2013 2021 2006 2013 2021
Constant -0.004*** -0.011** -0.231*** -0.004 -0.012 -0.189
ECO 0.066*** 0.140*** 0.917*** 0.080 0.103 0.861
INS 0.014*** 0.051*** 0.508*** 0.012 0.032 0.429
COL -0.004*** -0.010 0.093** 0.003 0.027 0.125
RES 0.012** -0.115*** -0.142* -0.002 -0.066 -0.092
GOV 0.002 0.002 0.024 0.005 0.077 0.014
INV 3.459*** 1.720*** 0.355*** 2.630 1.000 0.312
FDI 0.002 -0.009 -0.004 0.000 -0.021 -0.010
AICc -2357.474 -1478.474 -641.374 -2493.886 -1822.268 -822.380
R2 0.854 0.798 0.688 0.937 0.983 0.883
Adjusted R2 0.850 0.792 0.680 0.924 0.971 0.860

注：***、**、*分别表示1%、5%和10%的显著水平；GWR模型为各节点系数的均值。

文化企业的空间选择受到多种因素的影响，并且这些影响因素的作用在不同时间和地点表现出差异性。通过分析GWR回归系数的箱型图（图5），结果显示：经济发展水平（ECO）和服务业占比（INS）平均系数逐年增加，表明经济水平对文化企业空间选择的影响在加强，四分位距（IQR）的扩大表明城市间经济差异的增加；高等教育资源（COL）系数逐步提高，对文化企业空间选择的正面影响在加强，中位数提升和IQR的变化，说明城市间在人才培养和知识创新能力上的差异成为文化企业区位选择的关键；文旅资源（RES）系数呈现负向变化，文化企业对传统文旅资源依赖度在降低；政府影响力（GOV）和对外依赖度（FDI）的平均系数较低且变化不大，但空间分化有所加强；城市创新力（INV）系数最高但呈现逐年下降，结合IQR的收敛，表明尽管各城市创新环境本身在增强，但其对文化企业空间选择的相对吸引力可能并未随之增强。
图5 2006、2013和2021年各影响因素GWR回归系数变化趋势

Fig.5 Change trend of GWR regression coefficients of influencing factors in 2006、2013 and 2021

4 结论

本文基于2006—2021年中国文化企业的注册数据，运用LISA时空跃迁和地理加权回归（GWR）模型，实证分析了中国文化企业时空的分布特征、影响因素及其异质性。主要结论如下：
①中国文化企业的空间分布呈现出显著的非均衡性，以东南沿海地区集聚为特点，并沿胡焕庸线展现出明显的区域分异。文化企业的地理集聚程度经历了先下降后上升的变化模式，2013年后文化企业集聚程度显著增加。此外，文化企业的LISA空间集聚图揭示了空间聚类的不均衡性和差异性，其中高—高聚类区域主要集中在京津冀、长三角、珠三角等经济发达地带，而低—低聚类区域则广泛分布于西部地区和海南部分城市，这些区域受资源和市场的限制较为明显。从时间演化的视角来看，研究期内中国文化企业的空间格局经历了显著变化，高—高聚类区域的减少和低—低聚类区域的扩大反映了文化产业在空间上的极化现象。
②中国文化企业的空间分布表现出显著的时空路径依赖和局部空间结构动态性。LISA时间路径分析揭示出局部市域单元的动态性较弱，但京津冀、长三角、珠三角、川渝等区域展现出较强的动态局部空间结构，这些区域也是近些年来文化产业的热点集聚区。协同增长的城市数量表明中国文化企业空间格局演化具有较强的空间整合性，尤其是正向协同增长区域，如山东、河南、江苏南部等，成为文化企业选址的热点区域。时空跃迁分析进一步表明，中国文化企业的局部空间结构相对稳定，市域单元改变其相对位置较为困难。最普遍的跃迁类型为自身单元与邻域单元均保持稳定状态的类型Ⅳ，表明中国文化企业的空间集聚性具有较高的稳定性和路径依赖性，文化企业空间结构更多受到自身城市因素的影响，而邻域溢出效应相对较小。
③从影响因素看，文化企业的空间分布受到经济水平、服务业占比、高等教育资源、文旅资源和创新环境等多重因素的驱动，这些因素在不同年份和区域表现出显著的时空分异性。经济水平和创新环境在所有年份对文化企业的空间选择具有显著的正向影响。具体而言，经济水平和服务业占比的影响系数在逐年增加，对文化企业的吸引力在不断增强；高等教育资源的影响系数从负转正，表明其对文化企业的吸引力逐渐增强；文旅资源系数呈现负向变化，表明文化企业对传统文旅资源的依赖度降低；尽管创新环境的影响系数逐年下降，这可能表明其已成为广泛而普遍的驱动力。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
国家统计局. 文化及相关产业分类(2018)[S]. 北京: 国家统计局, 2018.

[2]
刘振锋, 薛东前, 庄元, 等. 文化产业空间尺度效应研究——以西安市为例[J]. 地理研究, 2016, 35(10):1963-1972.

DOI

[3]
张旭, 余方正, 徐良佳. 基于文化产业企业网络视角的中国城市网络空间结构研究[J]. 地理科学进展, 2020, 39(1):78-90.

DOI

[4]
戴俊骋, 孙东琪, 张欣亮. 中国区域文化产业发展空间格局[J]. 经济地理, 2018, 38(9):122-129.

DOI

[5]
陈政, 胡吉, 洪敏, 等. 湖南文化产业发展的时空特征与影响因素分析[J]. 经济地理, 2018, 38(3):129-134.

DOI

[6]
张丽, 韩增林. 大连市文化企业的空间分布变化与区位影响因素[J]. 地理科学, 2020, 40(4):665-673.

DOI

[7]
刘润, 任晓蕾, 黄敏, 等. 武汉市文化产业集聚发展的特征与模式[J]. 经济地理, 2020, 40(12):128-136.

DOI

[8]
袁文华, 李建春, 秦晓楠, 等. 基于FCS框架的城市文化产业景观生态特征及网络关联[J]. 地理科学进展, 2020, 39(3):474-487.

DOI

[9]
袁海红, 吴丹丹, 马仁锋, 等. 杭州文化创意产业集聚与城市建成环境场耦合性[J]. 经济地理, 2018, 38(11):123-132.

DOI

[10]
Henderson J V. Ways to think about urban concentration:Neoclassical urban systems versus the new economic geography[J]. International Regional Science Review, 1996, 19(1):421-425.

[11]
Fahmi F Z, Koster S, Van Dijk J. The location of creative industries in a developing country:The case of Indonesia[J]. Cities, 2016, 59(4):66-79.

[12]
Paddison R. City marketing,image reconstruction and urban regeneration[J]. Urban Studies, 1993, 30(2):339-350.

[13]
Lazzeretti L, Capone F, Boix R. Reasons for clustering of creative industries in Italy and Spain[J]. European Planning Studies, 2012, 20(8):1243-1262.

[14]
蒋园园, 杨秀云, 李敏. 中国文化创意产业政策效果及其区域异质性[J]. 管理学刊, 2019, 32(5):9-19.

[15]
贺达, 顾江. 中国文化产业政策的有效性:政策类型与区域差异的交互视角[J]. 江海学刊, 2019, 26(1):240-245.

[16]
杨成凤, 韩会然, 宋金平. 功能疏解视角下北京市产业关联度研究——基于投入产出模型的分析[J]. 经济地理, 2017, 37(6):100-106.

[17]
孟召宜, 渠爱雪, 仇方道, 等. 江苏文化产业时空格局及其影响因素研究[J]. 地理科学, 2016, 36(12):1850-1859.

DOI

[18]
戴钰. 湖南省文化产业集聚及其影响因素研究[J]. 经济地理, 2013, 33(4):114-119.

[19]
顾江, 吴建军, 胡慧源. 中国文化产业发展的区域特征与成因研究——基于第五次和第六次人口普查数据[J]. 经济地理, 2013, 33(7):89-95.

[20]
余煌, 杨子璇, 张景秋. 文化产业集聚对中国城市经济转型影响的空间效应与作用机制研究[J]. 地理研究, 2024, 43(6):1388-1406.

DOI

[21]
肖晔, 赵林, 乔路明, 等. 京津冀文化艺术产业空间格局演变及其影响因素[J]. 地理研究, 2021, 40(6):1768-1784.

DOI

[22]
李留通, 张森森, 赵新正, 等. 文化产业成长对城市空间形态演变的影响——以西安市核心区为例[J]. 地理研究, 2021, 40(2):431-445.

DOI

[23]
王婷, 刘培学, 吴国平, 等. 南京市文化企业空间格局及其影响因素异质性研究[J]. 世界地理研究, 2022, 31(6):1310-1320.

[24]
刘婧, 甄峰, 张姗琪, 等. 新一代信息技术企业空间分布特征及影响因素——以南京市中心城区为例[J]. 经济地理, 2022, 42(2):1-11.

[25]
赵宏波, 余涤非, 苗长虹, 等. 基于POI数据的郑州市文化设施的区位布局特征与影响因素研究[J]. 地理科学, 2018, 38(9):1525-1534.

DOI

[26]
Ye X, Rey S. A framework for exploratory space-time analysis of economic data[J]. The Annals of Regional Science, 2013, 50(1):315-339.

[27]
张子昂, 黄震方, 曹芳东, 等. 浙江省县域入境旅游时空跃迁特征及驱动机制[J]. 地理研究, 2016, 35(6):1177-1192.

DOI

[28]
Rey S J, Janikas M V. STARS:Space-time analysis of regional systems[J]. Geographical Analysis, 2006, 38(1):67-86.

[29]
Rey S J. Spatial empirics for economic growth and convergence[J]. Geographical Analysis, 2001, 33(3):195-214.

[30]
张俊杰, 杨毅, 蒋廷臣, 等. 时空异质性探测的上海市房价演进分析[J]. 测绘科学, 2020, 45(12):175-180.

[31]
Porter M E. Location,competition,and economic development:Local clusters in a global economy[J]. Economic Development Quarterly, 2000, 14(1):15-34.

[32]
郭卫东, 杜德斌. 基于模糊集定性比较分析的中国研发密集型企业格局特征与集聚路径[J]. 地理科学, 2024, 44(4):598-609.

DOI

[33]
寇宗来, 刘学悦. 中国城市和产业创新力报告[R]. 上海: 复旦大学产业发展研究中心, 2017.

[34]
杜运周, 刘秋辰, 程建青. 什么样的营商环境生态产生城市高创业活跃度?——基于制度组态的分析[J]. 管理世界, 2020, 36(9):141-155.

[35]
丁任重, 王河欢. 城市群经济差异、产业结构与南北经济分化[J]. 财贸经济, 2022, 43(12):128-143.

Options
Outlines

/

〈 〉