基于企业点数据的在京日企空间集聚模式

doi:10.3969/j.issn.1004-9479.2021.05.2019713

摘要/Abstract

摘要：

基于驻京日企微观空间数据，根据企业母公司所属行业类型，对比探析不同行业企业的空间集聚/分散态势及其演化趋势，利用DO指数法，科学测定在京日企空间集聚范围。研究发现：（1）在“纯距离”条件下，原材料密集型制造业集聚尺度为35-60km，资本和技术密集型制造业集聚尺度为20-28km，生产性服务业的集聚尺度为10-18km，而生活服务业空间分布则较为随机；在考虑企业规模条件下，各个行业集聚尺度则大相径庭，集聚（分散）指数显著升高；（2）服务业与制造业之间存在明显的互斥现象，对于制造业而言互斥状态并不显著，但对于服务业而言在空间上与制造业存在明显的互斥现象，且互斥尺度发生在22-28km上；（3）随着时间的推移，原材料密集型制造业在空间上的分布模式基本趋于稳定，资本和技术密集型制造业新-老企业在空间上愈发集聚，共聚尺度发生在18—30km范围内；生产性服务业与生活服务业的新-老企业分布模式基本相似，新入驻企业依托于前期入驻企业，接触扩散、就近分布，在空间上趋于共栖。

关键词: 产业集聚, DO指数, 日本企业, 北京, 企业点数据

Abstract:

Based on the micro-spatial data perspective of Japanese enterprises in Japan, according to the type of industry of the parent company, we compare and analyze spatial agglomeration/distribution situation and evolution trend of enterprises in different industries, and use the DO index to measure the range of agglomeration distances in Beijing.Results found that:(1) under the condition of "pure distance", the concentration scale of raw material-intensive manufacturing is 35-60km, the concentration scale of capital and technology-intensive manufacturing is 20-28km, and the concentration scale of productive service industry is 10-18km, and the spatial distribution of life service industry is relatively random; under the conditions of considering the size of the enterprise, the scale of agglomeration of various industries is quite different, and the agglomeration (distribution) index is significantly increased; (2) Between service industry and manufacturing industry exist obviously the mutual exclusion phenomenon,which is not significant for the manufacturing industry, but there is a clear mutual exclusion for the service industry, and the mutual exclusion scale occurs at 22-28km; (3) With the pass of time, the spatial distribution pattern of raw material-intensive manufacturing industries has basically stabilized, and capital- and technology-intensive manufacturing new-old enterprises have become more and more concentrated in space, and the copolymerization scale has occurred at 18-30km.The distribution pattern of new-old enterprises in the production service industry and the life service industry is basically similar. The newly-relocated enterprises rely on the enterprises that have settled in the previous period, and are exposed to spread, close to the distribution, and tend to cohesion in space.

Key words: industrial agglomeration, DO index, Japanese companies, Beijing, enterprise point data

刘桂梅, 王茂军. 基于企业点数据的在京日企空间集聚模式[J]. 世界地理研究, 2021, 30(5): 925-936.

Guimei LIU, Maojun WANG. Spatial agglomeration model of Japanese enterprises in Beijing based on enterprise point data[J]. World Regional Studies, 2021, 30(5): 925-936.

图/表 12

参考文献 21

1	Marshall A.Principles of economics. London, UK: Macmillan,1890.
2	Ellison G.,Glaeser E., Kerr W. R.. What Causes Industry Agglomeration?Evidence from Coagglomeration Patterns. American Economic Review,2010,100(3):1195-1213.
3	Krugman P.R.Increasing returns and econoomics geography.Journal of political Economy.1991,99(3):483-499.
4	Mori Tomoya,E.Smith Tony.On the spatial scale of industrial agglomerations. Journal of Urban Economics,2015,89(10):14-29.
5	Billings Stephen B,B.Johnson Erik.Agglomeration within an urban area.Journal of Urban Economics,2016,91(12):13-25.
6	Duranton G,Overman H.G.Testing for localization using Micro-geographic data.The Review of Economic studies,2005,72(4):1077-1106.
7	Combes P.P.,Overman H.G.The Spatial Distribution of Economic Activities in the European Union.J.F.Thisse,and J.V. Hendrerson. Handbook of Regional and Urban Economics.Amsterdam:North Holland,2004.
8	王欢芳,李密,宾厚.产业空间集聚水平测度的模型运用与比较,统计与决策,2018(11)37-41.
	Wang H, Li M,Bin H.Application and comparison of models for measuring the level of industrial spatial agglomeration, Statistics and Decision, 2018, (11) 37-41.
9	Nakajima K,Saito Y.U., Uesugi I.Measuring economic localization: Evidence from Japanese firm-level data.Journal of the Japanese and International Economies,2012,26(2):201-220.
10	Nakajima Kentaro,Yukiko Umeno Saito,Uesugi lichiro.Measuring economic localization: Evidence from Japanese firm-level data.Japanese Int.Economies,2012,26(1):201-220.
11	Inoue Hiroyasu,Nakajima Kentaro,Yukiko Umeno Saito.Localization of knowledge-creating establishments,Japan and the World Economy,2017,43(10):23-29.
12	Behrens Kristian,Bougna Théophile. An anatomy of the geographical concentration of Canadian manufacturing industries.Regional Science and Urban Economics, 2015, 51(4):47–69
13	Koh Hyun-Ju, Riedel Nadine.Assessing the localization pattern of german manufacturing & service industries- a distance based approach. Regional Studies, 2014, (16):823-843.
14	苏丹妮,盛斌,邵朝对.产业集聚与企业出口产品质量升级.中国工业经济,2018(11):117-135.
	Su D,Sheng B, Shao C.Industrial agglomeration and upgrading of export quality of enterprises.China Industrial Economy, 2018 (11): 117-135.
	Maskell P.,Lorenzen M.. The Cluster as Market Organization.Druid Working Paper,2003.
15	邵朝对,苏丹妮,李坤望.跨越边界的集聚:空间特征与驱动因素.贸易经济,2018(4):99-113.
	Shao C,Su D,Li K. Agglomeration across borders: spatial characteristics and driving factors. Trade and Economics, 2018 (4): 99-113.
16	陈柯,张晓嘉,韩清.中国工业产业空间集聚的测量及特征研究.上海经济研究,2018(7):30-42.
	Chen K, Zhang X, Han Q. Measurement and characteristics of spatial agglomeration of China 's industrial industry. Shanghai Economic Research, 2018 (7): 30-42.
17	何玉梅,刘修岩,李锐.基于连续距离的制造业空间集聚演变及其驱动因素研究.财经研究,2012,12(10):36-46.
	He Y,Liu X, Li R.Research on Spatial Agglomeration Evolution and Its Driving Factors Based on Continuous Distance. Finance and Economics Research, 2012, 12 (10): 36-46
18	刘春霞,朱青,李月臣.基于距离的北京制造业空间集聚.地理学报,2006(12): 1247-1258.
	Liu C,Zhu Q,Li Y.Distance agglomeration of Beijing manufacturing industry. Acta Geographica Sinica, 2006 (12): 1247-1258
19	袁海红,张华,曾洪勇.产业集聚及其动态变化—基于北京企业微观数据的研究.中国工业经济,2014(9):38-50.
	Yuan H, Zhang H, Zeng H.Industrial agglomeration and its dynamic changes: A study based on micro-data of Beijing enterprises. China Industrial Economy, 2014 (9): 38-50.
20	丁鹏飞.基于DO指数的上海市制造业空间集聚测度研究.经济论坛,2019(582):41-47.
	Ding P, Research on measurement of spatial agglomeration of shanghai manufacturing industry based on DO Index.Economic Forum,2019 (582): 41-47.
21	Silverman B. W. Density estimation for statistics and data analysis. New York, US: Chapman and Hall, 1986.

行业大类	类型	行业
制造业	原材料密集型（65）	建筑业（9）
		食品制造业（9）
		纺织业（8）
		医药制造业（10）
		化学原料和化学制品制造业（19）
		非金属矿物制品业（6）
		金属制品（2）
		非铁金属（2）
	资本与技术密集型（105）	机械制造（24）
		电气机器（57）
		仪器仪表制造业（11）
		铁路、船舶、航空航天和其他运输设备制造业（13）
	其他制造业（7）
服务业	生产性服务业（67）	交通运输、仓储和邮政业（13）
		房地产（4）
		软件和信息技术服务业（20）
		金融保险（8）
		电信、广播电视和卫星传输服务业、广告（22）
	生活服务业（84）	批发业（56）
		零售业（15）
		生活服务业（13）
	其他服务业（27）

行业大类	类型	行业
制造业	原材料密集型（65）	建筑业（9）
		食品制造业（9）
		纺织业（8）
		医药制造业（10）
		化学原料和化学制品制造业（19）
		非金属矿物制品业（6）
		金属制品（2）
		非铁金属（2）
	资本与技术密集型（105）	机械制造（24）
		电气机器（57）
		仪器仪表制造业（11）
		铁路、船舶、航空航天和其他运输设备制造业（13）
	其他制造业（7）
服务业	生产性服务业（67）	交通运输、仓储和邮政业（13）
		房地产（4）
		软件和信息技术服务业（20）
		金融保险（8）
		电信、广播电视和卫星传输服务业、广告（22）
	生活服务业（84）	批发业（56）
		零售业（15）
		生活服务业（13）
	其他服务业（27）

行业	街道名称	企业数量	行业	街道名称	企业数量
资本和技术密集型制造业	海淀区花园路街道	4	生活服务业	顺义区牛栏山地区	3
	通州区台湖镇	6		朝阳区六里屯街道	4
	大兴区亦庄地区办	9		朝阳区八里庄街道	5
	朝阳区呼家楼街道	10		朝阳区麦子店街道	6
	朝阳区麦子店街道	11		朝阳区呼家楼街道	9
	朝阳区将台地区办	14		朝阳区将台地区办	9
生产性服务业	朝阳区崔各庄地区	3	技术密集型制造业	通州区台湖镇	2
	朝阳区小关街道	3		大兴区亦庄地区办	3
	朝阳区呼家楼街道	4		朝阳区崔各庄地区	4
	海淀区学院路街道	5		朝阳区麦子店街道	4
	石景山区苹果园街	6		朝阳区将台地区办	6
	朝阳区将台地区办	14		朝阳区呼家楼街道	10

行业	街道名称	企业数量	行业	街道名称	企业数量
资本和技术密集型制造业	海淀区花园路街道	4	生活服务业	顺义区牛栏山地区	3
	通州区台湖镇	6		朝阳区六里屯街道	4
	大兴区亦庄地区办	9		朝阳区八里庄街道	5
	朝阳区呼家楼街道	10		朝阳区麦子店街道	6
	朝阳区麦子店街道	11		朝阳区呼家楼街道	9
	朝阳区将台地区办	14		朝阳区将台地区办	9
生产性服务业	朝阳区崔各庄地区	3	技术密集型制造业	通州区台湖镇	2
	朝阳区小关街道	3		大兴区亦庄地区办	3
	朝阳区呼家楼街道	4		朝阳区崔各庄地区	4
	海淀区学院路街道	5		朝阳区麦子店街道	4
	石景山区苹果园街	6		朝阳区将台地区办	6
	朝阳区将台地区办	14		朝阳区呼家楼街道	10

行业类型	原材料密集型	资本与技术密集型	生产性服务业	生活服业
未加权	0.0327	0.0249	0.0362	0.024
加权	0.0597	0.1017	0.0800	0.0755