中国工业空间格局的演变与集聚差异*——基于EDSA和城市面板数据的空间计量研究

刘友金　曾小明



中国工业空间格局的演变与集聚差异*——基于EDSA和城市面板数据的空间计量研究

刘友金曾小明

摘要：利用2003—2013年全国286个地级市面板数据，运用探索性空间数据分析技术和空间计量模型方法，考察中国工业空间格局的演变过程、地理集聚特征及其影响因素。研究表明：（1）中国工业在长江三角洲、环渤海地区的集聚趋势进一步增强，集聚范围进一步扩大，工业向中西部跨省区转移的同时，还呈现出明显的省内转移现象。（2）工业空间分布存在全局范围正的空间自相关性，且这种相关性随时间变化而增强，局部相关显示出工业的地理集聚特征为东部的“高高”集聚和西部的“低低”集聚，中部的集聚特征并不显著。（3）空间杜宾模型显示，空间溢出效应、市场规模、在公共产品上的财政支出、税收政策和产业外部性对工业分布有显著影响。中西部地区承接产业转移，应充分发挥政府提供公共产品服务功能，为产业发展提供良好的环境和条件，同时加强地区间产业联系和互补，实现产业集群式发展，在中西部有相对比较优势的地区形成新的产业集聚区。

关键词：工业分布；时空演变；集聚差异；ESDA；空间计量；杜宾模型

一、引言

改革开放以来，我国工业空间结构不平衡问题日益突出，形成了东部地区高度集聚、中西部地区相对分散的“中心-外围”工业空间格局。为了调整空间结构，一些学者主张通过产业转移来促进区域协调发展，政府也实施了一系列优惠政策推动产业从东部地区向中西部地区转移，先后批准设立了七个国家级承接产业转移示范区，并且不断加大对中西部地区交通基础设施建设的支持力度。与此同时，自2003年前后东部地区开始出现“民工荒”和“电荒”等现象，劳动力和能源等资源越来越紧缺，企业低成本优势逐渐丧失，市场机制也在推动产业向中西部地区转移。在政府政策与市场规律的双重作用下，中国工业空间格局和聚集差异是否发生了变化？如果发生了变化，决定工业空间分布变化的因素又是什么？对这些问题的思考与实证研究有助于了解中国工业时空演变规律和国家产业布局，为资源空间优化配置和产业转出地、产业承接地的政策制定提供依据。

目前，研究中国工业空间格局的文献基本上从产业转移和产业集聚两方面展开，探讨产业的分布特征、集聚趋势及影响因素。文献研究发现，中国工业存在显著的集聚现象，并且产业集聚不断加强。在我国工业整体表现为集聚的同时，部分行业有向中西部地区转移现象。面对我国工业空间格局的变动，众多学者从不同方面展开了一系列研究，寻找导致工业空间格局变动的影响因素。黄玖立和李坤望研究发现，对外贸易的地理优势和由此获得的各种政策优惠与倾斜，是产业向东部地区集聚的重要原因，内地省份的地方保护主义也影响产业布局。贺灿飞和潘峰等人的研究发现利用外资和参与国际贸易有利于产业地理集聚，而区域分权促使制造业分散布局。市场容量、城市化、基础设施的改善和政府作用的弱化也有利于工业集聚，而东部地区的土地、劳动力等成本上升和政府积极推动区域协调发展是影响产业向中西部地区转移的重要原因。朱英明和杨连盛的研究表明，东部地区的水土资源短缺不但没有降低工业集聚水平，反而显著提高工业集聚水平，需求规模、地方政府竞争和累积循环效应对地区工业集聚具有显著的促进作用，交易成本对工业集聚则产生显著的约束作用。以上研究对我们认识和理解中国工业在区域间的分布不平衡问题提供了很好的分析途径。但仍然存在一定的局限性，即上述研究都假设各区域之间是相互独立，不存在任何相互作用。然而，任何事物与其周围事物都存在联系且与其相近事物的联系更为紧密，几乎所有空间数据都具有空间依赖性或空间自相关特征。而传统的工业空间布局变化分析方法缺乏空间视角，不仅忽视了产业的空间辐射效应，也难以反映产业发展的空间关联性和时空差异性。另外，关于研究数据的选取方面，以往的研究大多使用的是省级层面的数据，但是每个省内部地区之间存在着巨大差异性，从省份这样巨大而复杂的区域来研究工业空间格局的变化可能会影响结论的准确性，并且大多使用的数据时间较早，不能反映工业空间结构变动的最新状况。

ESDA（Exploratory Spatial Data Analysis，探索性空间数据分析）是一系列空间数据分析方法和技术的集合，以空间关联测度为核心，通过对事物或现象空间分布格局的描述和可视化，发现空间集群和空间分异，揭示研究对象之间的空间相互作用机制。近年来，ESDA方法已被应用在研究区域经济差异、社会空间、创新产出、人口空间格局等方面，同时也为工业空间格局的演变提供了很好的分析方法和工具。本文以中国285个地级市为研究对象，通过ESDA相关分析，描述2003—2013年中国市域工业在空间上的变化状况，并进一步利用面板数据的空间计量分析探索影响市域工业空间格局变化的机制及工业经济发展的空间溢出效应，为设计中国区域间产业转移的时空引导政策提供依据。

二、数据来源与研究方法

（一）数据来源及空间范围

数据是开展研究的基础，本文研究在数据的选取过程中考虑到两个问题：一是中国工业分布变化最明显的时间节点，二是所能够获取到的最新相关数据。对于前者，考虑到2003年左右开始沿海产业向中西部地区的转移的数量和规模不断扩大，东部地区工业产出比重开始呈下降趋势，说明2003年左右我国工业空间分布开始出现明显的变化；对于后者，根据我们查阅的资料，目前所能全面获取到的最新数据只到2013年度。所以，本文报告中国工业空间分布的时间范围为2003—2013年。本文的数据资料如无特别说明，均取自《中国城市统计年鉴（2004—2014）》，对个别地区个别年份缺失的数据，我们采用前后两年的均值代替。本文根据数据情况确定研究的空间范围，第一，由于中国香港、澳门和台湾省因数据无法获取不包括在本研究范围之内。第二，毕节、铜仁、拉萨因数据严重缺失也不包括在分析范围内；第三，由于巢湖市在2011年进行了行政规划调整，我们将其并入合肥市。因此，依据实际数据，本文的分析单元共包括285个地级市。

（二）研究方法

空间经济学理论认为一个地区的经济活动与邻近地区的这一经济活动有密切关系，即地理位置邻近的空间数据具有空间自相关的特征。为了验证我国工业的空间集聚特征，本文对中国工业空间分布进行空间自相关检验，包括全局测度和局部测度两种。

1.全局空间自相关

全局空间自相关描述的是在研究空间范围内所有单元的整体空间关系，通常使用Moran’s I指数分析经济活动是否具有全局空间自相关，其计算公式为：

Moran’s I的取值范围为-1≤I≤1，I<0表示空间负相关，代表不同的属性值趋向于聚集在一个区域；I>0表示空间正相关，代表相似的属性值趋向于聚集在一个区域；I=0表示不相关。在Moran’s I指数的显著性检验中，常假设变量服从正态分布，因此可以通过标准化统计量Z来判断地区间的空间相关性，当Z值为正且显著时，表示空间正相关；当Z值为负且显著时，表示空间负相关；当Z值为零时，表示不相关。

2.局部空间自相关

为了更好地描述空间关系在空间中如何分布和变化，需要借助可以探测局域空间自相关的局域指标（Local Indicators of Spatial Association，LISA）即局域Moran’s Ii，计算公式如下：

式中，zi和zj是标准化后的观测值，wij为行标准化后的空间权重矩阵元素。若Ij显著为正且zi＞0，表示位置i与其邻居的观测值相比样本平均水平来说较高，属高高集聚②；若Ii显著为正且zi＜0，表示位置i与其邻居的观测值相对较低，属低低集聚；若Ii显著为负且zj＞0，表示邻居观测值远低于位置i的观测值，属高低集聚；若Ii显著为负且zi＜0，表示邻居观测值远高于位置i的观测值，属低高集聚。

三、中国工业空间格局演变和集聚差异

（一）各地区工业比重分布

在进行ESDA（探索性空间数据分析）之前，我们不妨考察一下各地区工业比重分布的变化情况，图1和图2分别绘制了2003年和2013年中国各地区的工业生产总值份额分布，从中我们可以非常清晰地看到这10年间工业分布的变化过程。

2003年，中国工业主要分布在东部沿海地区的珠江三角洲、长江三角洲、环渤海地区以及东北地区的大庆市、哈尔滨市、长春市。中部地区工业份额相对较多的有河南郑州市、湖北鄂州市。西部地区工业份额相对较多的是重庆市和四川成都。相比之下，到2013年，中国的地区工业布局发生了很大的变化，与2003年的工业布局图相对照不难发现：（1）中国工业在东部沿海地区的长江三角洲、环渤海地区的集聚趋势进一步增强，并且集聚范围进一步扩大，特别是山东半岛工业集聚范围明显扩大，但珠江三角洲集聚趋势并不明显。在工业份额增加的前20位城市中，山东省的城市占了七位，并且山东东营是工业份额增加最多的城市；（2）东北地区大庆市、哈尔滨市、长春市的工业份额有明显的下降，特别是大庆市工业份额下降了0.58个百分点；（3）整体来看，中西部地区城市工业份额有所增加，特别是中部地区个别城市工业份额有明显的上升，中部地区代表城市有河南郑州、湖南长沙、湖北襄樊、安徽合肥和芜湖，西部地区代表城市有重庆、内蒙古鄂尔多斯。另由图1图2可知，2003年中部地区有相当一部分城市的工业份额在0.01-0.1之间，而到了2013年，基本上达到0.1—0.5之间。（4）东部沿海地区工业向中西部跨省区转移的同时，还呈现明显的省内转移现象，代表省份有山东和江苏，山东威海和济南工业份额减少，而东营、临沂、聊城、菏泽、德州、滨州、潍坊等城市工业份额均有增加；江苏无锡、苏州和南京工业份额减少，而徐州、南通、泰州、连云港等城市工业份额均有增加。

图1　2013年各市工业比重

图2　2013年各市工业比重

（二）空间相关性分析与地区集聚差异

为进一步分析地级市工业分布是否具有空间自相关性，我们运用探索性空间数据分析技术（ESDA），分别计算了我国地级市工业份额的Moran’s I值（表1所示），从计算结果来看，工业份额的Moran’s I指数均为正值，且全部通过了1%的显著性水平检验，表明我国286个地级市工业在空间分布上具有显著的正相关性。换句话说，工业在空间上的分布表现出某些城市的工业在空间上趋向于集聚，而不是随机分布。

表1　2003—2013年工业比重的全局Moran’s I估计值

Moran’s I指数从整体上刻画了我国工业的集群情况，但这种全局空间自相关无法分析不同地理位置的区域空间关联模式，局域Moran’s Ii指标可以检验局部地区高值或低值是否在空间上存在集聚，根据局域Moran’s Ii值和显著性，可以绘制出2003和2013年中国工业的LISA集群图（如图3、图4所示）。

图3　2003年中国285个地级市工业份额的LISA集聚图

图4　2013年中国285个地级市工业份额的LISA集聚图

1.高高集聚区。2003年主要集中在长江三角洲、山东半岛、京津冀、辽宁以及福建等沿海区域，中部地区唯一的高高集聚区是以武汉为中心的地区。2003年该类型集聚区共有24个城市，该地区工业份额远远高于周边城市。很明显，这类城市是区域经济发展的增长极。到2013年，该类地区数量明显增加，达到37个城市，并且集聚范围在原来的基础上向周边有了不同程度的扩展，特别是山东半岛和长江三角洲地区扩展最为迅速。这些地区工业都比较发达，城市间经济联系密切，要素流动、产业扩散等溢出效应作用明显，从而带动周边城市工业份额的提高。该类地区在中部地区增加的城市是河南郑州和安徽合肥。

2.高低集聚区。主要集中在珠江三角洲③、成渝等地区。研究期内，该类地区在空间变化上相对比较稳定，城市数量也相对较少。虽然该类地区的工业份额处于较高水平，但与高高集聚区相比仍有一定差距。该区工业的增长并没有相应带动周边地区的工业的增加，而是呈现出一定的极化效应，这也在一定程度上抑制了该地区整体工业经济的发展。

3.低高集聚区。该类地区本身工业地位较低、增长较慢，受到工业增长较快地区影响较小，是工业由增长较快地区向增长较慢地区转移的过渡区，分布在工业增长较快的高高或高低集聚区周围。2013年，该类型地区主要集中分布在安徽省境内，其他地方如湖北、江西、浙江、河北和辽宁等地区也有分布。研究期内，其分布变化较大，2003年还并没有形成此类集聚区，这也在一定程度上说明了我国工业在区域间出现了梯度扩散现象。

4.低低集聚区。该类区域是工业份额非常低的集聚区，其中心地区与周边地区的工业差异程度较小，但和前几类集聚区内的地区相比，工业差距较大。2003年该类区域在空间分布上主要集中于西部地区的四川省和陕西省的个别城市，而到2013年，该类区域扩展为甘肃、陕西、四川、云南等地区，说明西部地区一些城市的工业发展水平同其他地区的差距进一步扩大。

总体来看，高高集聚主要集中在东部长江三角洲、山东半岛、京津冀、辽宁以及福建等沿海地区，低低集聚主要集中在西部地区四川和陕西的个别城市，中部地区绝大部分城市集聚类型并不显著，说明中部地区局部工业集聚模式尚未形成，区域经济联系尚待进一步加强。中部地区的武汉、郑州和合肥工业发展水平相对较高，但对周边区域辐射带动能力不强。

四、中国工业分布变动影响机制的空间计量分析

（一）空间计量模型

有关税收“逐底竞争”和地方经济竞赛的一系列研究揭示了区域之间在经济发展中存在策略互动特征。地方政府为了发展本地经济，特别是工业经济，采取了包括税收、补贴及财政支出等各种优惠政策来吸引投资。地区之间政府政策的相互模仿和互动导致地区工业产出不仅受本地因素的影响，亦可能受其周边地区政府决策行为等相关因素的影响，使得工业空间分布存在一定的空间相关性。因此，在实证研究中需要采用空间计量模型将这种空间效应考虑进去，考察一个地区的相关因素是否通过空间溢出效应影响了其他区域的工业分布。为了检验区域间是否存在互动及空间效应，本文采用空间杜宾模型，构建如下空间计量模型：

（二）变量和数据说明

被解释变量Yit表示城市i在t时期的工业份额，用城市工业总产值除以全国工业总产值得到。该指标参考了金煜（2006）和洪俊杰（2014）等人文中被解释变量的选择。解释变量指标选取主要参考既有文献的通常做法，具体构造如下：

劳动力成本（wage）：用当年城市职工平均工资反映劳动力成本，一般情况下，在其他条件相同的情况下，工资越高的地区对产业的吸引力越小。

税收负担（tax）：用城市工业应缴增值税与工业总产出的比来衡量，该指标参考了魏后凯（2000）的平均税负指标的定义。由于一些国家政策和地方政策，不同时期、不同地区的税率会存在差异。在其他条件不变的情况下，税率越低的地区对产业的吸引力越大。

财政支出（fiscal）：政府财政支出主要用于公共事业，在其他条件相同的情况下，财政支出更多的地方，为区域社会经济发展提供的环境和条件也更优越，对企业的吸引力也更大。本文以各城市减去教育事业支出的那部分财政支出占GDP的比重来衡量。

交通运输基础设施（road）：交通基础设施是影响交易成本的重要组成部分，交通运输条件的改善有利于降低交易成本，本文用城市人均道路面积衡量运输基础设施水平。

市场规模（market）：市场规模越大的地方对消费品的需求就会越多，会导致本地消费品价格的上升，一方面会吸引企业进入本地市场，另一方面会提升本地工资水平，提高消费者的购买力。城市市场规模大小用城市GDP表示。

外部性（external）：企业在空间上的集聚能够通过专业劳动力市场共享、中间投入品效应、知识和技术溢出效应给企业带来外部经济。外部性指标一般用城市工业企业数量占全国工业企业数量的比重来衡量。

其他控制变量包括人口密度（pop）、对外开放度（fdi）。人口密度用城市人口除以行政面积得到。人口越密集的地区，一方面有相对丰富的劳动力供给，另一方面有相对较高工资，所以对工业空间分布的影响并不确定。对外开放度用城市外商直接投资与城市GDP比率表示，现有研究认为对外开放程度会影响工业空间分布，但结论尚不一致。

（三）不包含空间效应估计结果

本文计量模型所使用的数据为2003—2013年间城市层面的面板数据，总样本为3135个。Hausman检验在1%的水平上拒绝原假设，因此我们使用固定效应模型。表2报告了不包含空间效应的面板数据估计结果。（1）在全国层面，市场规模对工业空间分布有显著的正向影响。进一步把样本分为东部和中西部，回归结果表明，全国层面的由市场规模引致的工业份额增加主要由中西部样本所推动。在中西部地区，控制了城市层面的其他因素之后，市场规模的系数显著为正，而在东部地区这一效应并不显著。可见，在市场规模影响工业空间分布这一问题上，在东部和中西部存在显著差异。（2）在全国层面，由工资表示的劳动力成本显著影响工业空间分布，工资水平越高的地方，越不利于工业份额的增加。当把样本分为东部和中西部后，全国层面的工资上升导致工业份额减少主要是由中西部样本所推动，东部地区的工资上涨对工业空间分布的影响并不显著。（3）税收的回归系数显著为负，表明税收较高的地区不利于吸引企业入驻或增加当地企业的相对产出。并且这一系数的绝对值在东部地区要大于中西部地区，表明在相同的税率下企业更倾向于被东部地区所吸引，而中西部地区想要吸引企业必须设定更低的税率。（4）在全国层面，用企业数量占比衡量的产业外部性对工业份额的增加作用显著为负，看起来较为异常。然而当分样本回归后，发现在东部地区产业外部性系数显著为正，全国层面的外部性系数显著为负主要是由中西部样本所推动，说明中西部地区还没有形成良好的竞争环境和集聚经济。（5）交通基础设施的回归系数在全国层面和中西部地区显著为正，而在东部地区这一效应并不显著，说明中西部地区交通设施的改善有利于吸引产业进入。（6）政府财政支出的系数在东部地区显著为正，在中西部地区并不显著。

表2　不包含空间效应的中国工业空间格局演变的决定因素估计

续表

（四）包含空间效应估计结果

传统模型没有考虑地区间的交互作用和邻近地区因素对本地工业分布的影响，而空间效应模型可以弥补这种不足。我们同样将样本分为全国、东部和中西部进行估计，表3报告了包含空间效应的估计结果：（1）工业份额的空间滞后项系数显著为正，说明相邻地区工业经济的发展确实会影响本地工业经济的发展，也就是一个地区工业发展可以带动周边地区工业发展，说明我国工业经济的发展确实存在空间溢出效应。（2）东部地区市场规模的系数也变得显著为正，市场规模的空间滞后项的系数都显著为负，说明一个地区市场规模的扩大将增加本地工业份额而减少相邻地区工业份额。

（3）在引入空间效应后，工资变量的系数变得并不显著，其空间滞后项在中西部地区显著为负，说明东部地区对工资的变动不敏感，而中西部某一地区工资增加将会吸引劳动力流入该地区，从而减少周边地区工业份额。（4）税收变量的系数在引入空间效应后依然十分显著，说明地区利用税收优惠政策吸引产业的效果还取决到其他地区税收优惠政策的力度，证明了我国区域间确实存在税收“逐底竞争”。（5）引入空间效应后，产业外部性系数和方向基本不变，从产业外部性的空间滞后项系数在全国范围内和中西部地区均为正，东部地区并不显著。说明，东部地区产业外部性的有效范围仅在城市内，而中西部地区间的恶性竞争产生的外部性会影响到其他地区。（6）引入空间效应后，城市交通基础设施的系数并不显著，一方面可能是我们的模型中已经控制了财政支出变量，因为财政支出中有部分是用来交通基础设施建设，当我们把财政支出变量拿掉后，交通基础设施变量在全国层面是显著的。（7）财政支出系数在引入空间效应后，无论是东部还是中西部地区，都变得显著起来，说明在考虑了空间效应后，财政支出对工业份额增加有正向影响作用，说明中西部地区在基础设施、卫生服务等、社会保障的改善方面必须从整体考虑，而不是个别地区公共服务条件的改善。

表3　包含空间效应的中国工业空间格局演变的决定因素估计

五、结论及政策含义

本文利用2003—2013年全国286个地级市面板数据，在运用探索性空间数据分析中国市域工业空间格局演变的基础之上，进一步使用空间计量方法实证研究了中国工业空间格局演变的影响因素，得到了以下结论：

第一，中国工业在东部沿海地区的长江三角洲、环渤海地区的集聚趋势进一步增强，集聚范围进一步扩大；东北地区的工业份额有明显的下降；工业向中西部跨省区转移的同时，还呈现出明显的省内转移现象。全局空间关联分析表明我国286个地级市工业在空间分布上具有显著的正的空间自相关性，且这种相关性随着时间变化不断增强，“高高集聚”主要集中在东部长江三角洲、山东半岛、京津冀、辽宁以及福建等沿海地区，“低低集聚”主要集中在西部地区四川和陕西的个别城市，中部地区绝大部分城市集聚类型并不显著。这具有重要的政策启示：促进中西部地区经济发展，不仅仅只是简单地承接沿海地区产业转移，更重要的是，通过政策引导在有相对比较优势的中西部地区打造新的特色产业聚集区，形成新的经济增长极，以此通过产业辐射效应带动周边地区经济发展。同时要加强地区间产业联系和互补，以实现产业集群式发展。

第二，从工业空间分布的影响因素来看，产业扩散或辐射效应、市场规模的扩大和政府在基础设施、卫生服务、社会保障等公共服务方面的改善是影响工业分布的重要因素。在劳动力可以空间流动的情况下，中西部地区并没有明显的劳动成本优势。税收优惠政策确实能够影响工业分布，但中西部地区若要利用税收优惠吸引产业，必须付出比东部地区更大的代价。中西部地区在招商引资中存在恶性竞争导致负外部性。这对于中西部地区产业发展的政策启示是：充分发挥政府提供公共产品服务功能，为产业发展提供良好的环境和条件；发展地区优势产业，避免地区间恶性竞争，设立地区产业发展指导目录，形成以主导产业为中心的产业集群；中西部地区应根据产业导向的需要，实行有差别的税收优惠政策，对地区有比较优势的主导产业应加大税收优惠执行力度。

由于数据的限制，本文没有从分行业层面分析工业空间格局的演变，这使本文研究存在一些不足。虽然使用工业数据总体体现了不同类型制造业的一些共同属性，但不同类型产业之间的差异也是不容忽视的，立足于整个工业的角度可能会掩盖部分不同类型产业空间分布的事实，因此，本文研究需要在分析对象上进一步细化，分不同类型产业考察其产业分布规律是下一步值得改进的方向。

注释

①中国城市间最小的“门槛距离”是公里，也就是说，在不小于该距离的情况下，每个城市至少会有一个邻居城市。②高高集聚区：该类地区工业份额远远高于周边城市，工业比较发达，城市间经济联系密切。高低集聚区：该类地区的工业份额虽处于较高水平，但周边地区工业发展的带动不如高高集聚区。低高集聚区：该类地区本身工业份额较低，是工业由增长较快地区向增长较慢地区的过渡区。低低集聚区：该类地区工业份额非常低，区域内工业差异程度较小，但和前几类集聚区相比，存在较大差距。③珠江三角洲的高低集聚区主要集中在广州、深圳、佛山，该地区并没有像长三角地区一样形成高高集聚区，其原因可能有两点：一是产业结构差异，我们采用的是工业总产值指标，但珠江三角洲地区主要以轻工业为主，产值相对较低；二是企业规模差异，珠江三角洲地区劳动密集型企业相对较多，企业规模相对较小（特别是东莞存在很多家庭作坊），许多数据没有包括在国家统计局的统计数据当中，造成统计上的差异。

参考文献

［1］庞娟.产业转移与区域经济协调发展［J］.理论与改革，2000，（3）：81-82.

［2］胡俊超.区域经济协调发展的路径依赖［J］.特区经济，2006，（6）：286-288.

［3］郑鑫，陈耀.运输费用、需求分布与产业转移——基于区位论的模型分析［J］.中国工业经济，2012，（2）：57-67.

［4］文玫.中国工业在区域上的重新定位和聚集［J］.经济研究，2004，（2）：84-94.

［5］金煜，陈钊，陆铭.中国的地区工业集聚：经济地理、新经济地理与经济政策［J］.经济研究，2006，（4）：79-89.

［6］范剑勇.市场一体化、地区专业化与产业集聚趋势——兼谈对地区差距的影响［J］.中国社会科学，2004，（6）：39-51，204-205.

［7］陈秀山，徐瑛.中国制造业空间结构变动及其对区域分工的影响［J］.经济研究，2008，（10）：104-116.

［8］胡安俊，孙久文.中国制造业转移的机制、次序与空间模式［J］.经济学（季刊），2014，（4）：1533-1556.

［9］洪俊杰，刘志强，黄薇.区域振兴战略与中国工业空间结构变动——对中国工业企业调查数据的实证分析［J］.经济研究，2014，（8）：28-40.

［10］黄玖立，李坤望.对外贸易、地方保护和中国的产业布局［J］.经济学（季刊），2006，（2）：733-760.

［11］贺灿飞，潘峰华，孙蕾.中国制造业的地理集聚与形成机制［J］.地理学报，2007，（12）：1253-1264.

［12］吴三忙，李善同.中国制造业空间分布分析［J］.中国软科学，2010，（6）：123-131，150.

［13］朱英明，杨连盛，吕慧君，等.资源短缺、环境损害及其产业集聚效果研究——基于21世纪我国省级工业集聚的实证分析［J］.管理世界，2012，（11）：28-44.

［14］Arbia G. The Role of Spatial Effects in the Empirical Analysis of Regional Concentration ［J］. Journal of Geographical Systems，2001，3（3）：271-281.

［15］Anselin L. Spatial Econometrics：Methods and Models［M］.［S.l.］：Springer Science & Business Media，2013.

［16］Anselin L. Interactive Techniques and Exploratory Spatial Data Analysis［J］. Geographical Information Systems：Principles，Techniques，Management and Applications，Eds.，P. Longley，M. Goodchild，D. Maguire，and D. Rhind. Cambridge：GeoinformationInt，1999.

［17］李丁，冶小梅，汪胜兰，等.基于ESDA—GIS的县域经济空间差异演化及驱动力分析——以兰州—西宁城镇密集区为例［J］.经济地理，2013，（5）：23，31-36.

［18］白永平，李建豹.基于ESDA的区域经济空间差异分析——以兰新铁路辐射带为例［J］.经济地理，2011，（7）：1057-1063.

［19］宣国富，徐建刚，赵静.基于ESDA的城市社会空间研究——以上海市中心城区为例［J］.地理科学，2010，（1）：22-29.

［20］程叶青，王哲野，马靖.中国区域创新的时空动态分析［J］.地理学报，2014，（12）：1779-1789.

［21］王春杨，张超.中国地级区域创新产出的时空模式研究——基于ESDA的实证［J］.地理科学，2014，（12）：1438-1444.

［22］吕晨，樊杰，孙威.基于ESDA的中国人口空间格局及影响因素研究［J］.经济地理，2009，（11）：1797-1802.

［23］贺曲夫，刘友金.我国东中西部地区间产业转移的特征与趋势——基于2000—2010年统计数据的实证分析［J］.经济地理，2012，（12）：85-90.

（责任编辑：晓力）

［24］Cliff A D，Ord J K. Spatial Processes：Models &Applications［M］.［S.l.］：Pion London，1981.

［25］Anselin L. Local Indicators of Spatial Associa⁃tion-lisa［J］. Geographical Analysis，1995，27 （2）：93-115.

China’s Industrial Spatial Pattern Evolution and the Concentration Difference——Based on the EDSA and Urban Panel Data of Spatial Econometrics

Liu Youjin Zeng Xiaoming

Abstract：In this paper，we use the national 286 prefecture level panel data from 2003 to 2013，the method of exploratory spatial data analysis and spatial econometric model，examined the procedure of the evolution of China’s industrial spatial pattern，the difference of geographical concentration and its influencing factors. Research shows：①Industry agglomeration trend of the Yangtze River delta，Bohai Sea region go to further strengthen，and agglomeration scope to further expand，industrial go across province to the central and western，at the same time also presents obvious transfer phenomena in the province.②the global spatial autocorrelation of industrial distribution is significant and the correlation enhance over time. According to the result of local spatial autocorrelation analysis，industrial geographic concentration characteristics of“high- high”in the east and“low- low”in the west，central feature is not significant.③Spatial Durbin model shows that spatial spillover effect，market scale，the fiscal expenditure on public goods externalities，tax policy and industry externalities has a significant influence on the industrial distribution. The central and western regions to undertake industrial transfer，service function should give full play to the government to provide public products and provide a good environment and conditions for industrial development，at the same time，strengthen industry relationship between region and complement each other，implement the industry cluster development，in the center of the Midwest areas form a new industrial agglomeration.

Key Words：Industry Distribution；Space-time Evolvement；Agglomeration Discrepancy；Esda；Spatial Econometrics；Durbin Model

作者简介：刘友金，男，湖南科技大学教授，博士生导师（湘潭411201）。曾小明，男，湖南科技大学博士研究生（湘潭411201）。

*基金项目：国家自然科学基金项目“基于地域产业承载系统适配性的产业集群式转移时空演替机理与调控模式研究”（41271139）。

中图分类号：F062.1

文献标识码：A

文章编号：2095—5766（2016）01—0080—09

收稿日期：2015—10—12