广东省制药企业的空间分布特征与集聚区识别

于海食 张庆芬 林秀旎 赖 盼 王 洋

广东省医药制造业在广东省制造业大行业中占有较为重要的地位。2016年，广东省医药制造业规模以上（指每年主营业务收入大于2000万）工业企业的增加值达 494.03亿元[1]。对广东省制药企业空间布局特征的研究是广东医药制药业实现科学布局和健康可持续发展的重要基础性研究工作。

目前，学术界对制药企业（或制药产业）空间布局议题的研究主要集中在国家或区域医药产业集群发展思路与竞争策略研究[2-4]，医药产业的创新能力[5-6]、竞争力[7]或创新效率[8]的评价，偶见城市尺度的制药企业空间布局研究[9]，缺乏在省域这一大尺度下对医药制造业的空间布局研究。鉴于此，本文以广东省为研究对象，以2017年全部561个制药企业的 647个药品生产厂地址为基本数据，利用地理学科中常用的平均最邻近距离、核密度函数等方法探索广东省制药企业的空间分布。当前，我国社会生产力水平总体上显著提高，社会生产能力在很多方面进入世界前列，更加突出的问题是发展不平衡不充分，这已经成为满足人民日益增长的美好生活需要的主要制约因素。因此，通过对广东省制药企业空间布局的研究，评估其发展是否平衡、充分，对调节区域协调发展具有重要的学术和现实意义。

1 资料与方法

1.1 一般资料广东省目前有561家制药企业，多数制药企业的注册地址与其生产地址相匹配，但也有部分企业有多个生产地址，鉴于此，本文以药品的实际生产地址（药品生产厂）为研究对象，共647个。企业名称、注册地址和生产地址数据均来源于广东省食品药品监督管理局（GDFDA）官网。采用百度地图的地址搜索技术将文字描述性的地址转化为地理坐标数据，并采用地理信息系统（GIS）进行空间数字化处理，形成药品生产企业的空间分布图。根据广东省约定俗成的四个分区，将其划分为珠三角、粤西、粤东、粤北四个区域，以便分析制药企业的空间分布差异，进而从地理空间分布角度侧面反映广东省制药企业的平衡、发展情况。上述数据通过GIS技术进行数字化处理。

1.2 研究方法

1.2.1 以平均最邻近距离探索制药企业的空间分布和集聚特征企业的空间集聚是指某类企业在空间上的聚集，即在某一区域内分布密集。空间集聚是空间分布特征的一种表现形式。最近邻分析是判断某区域的点（例如企业）是否存在空间集聚的重要分析方法。最近邻分析是指将区域中现实的点分布特征与该区域中理论上点的随机分布特征相比较。这个方法最初是植物生态学定义的一个间距指数，用于比较观测一个区域的植物聚落图式与随机分布的异同，后被地理学广泛采用。平均最近邻距离法是最近邻分析的代表性方法。以企业点为例，该方法的分析过程为：首先测量每个企业点与其最近邻企业之间的实际距离；然后计算所有这些最近邻距离的平均值（di）。如果该实际平均距离小于企业随机分布中的平均距离（用de表示），则意味着企业为集聚分布。如果该平均距离大于假设随机分布中的平均距离，则表述企业为分散分布。平均最近邻比率（R）通过观测的实际平均距离除以期望的平均距离计算得出。因此，R可表示为[10-11]：

式中，最邻近距离的期望值de可表示为：

其中，N为企业点的数量，A为广东省陆域面积。

当R＜1时，表示制药企业为集聚分布；R＞1时为分散分布；当实际值等于期望值，即R=1时，表示制药企业为随机分布。R的范围是 0≤R≤2.1491。其标准差Z可通过如下表达式计算[12]：

式中，Z的临界值（双侧检验）1.65、1.96、2.58分别对应P值的0.1、0.05、0.01。当P＞0.1时，显著性较差，表明制药企业为随机分布；当0.05＜P＜0.1时，为一般性集聚（分散）分布；0.01＜P＜0.05时，为较强集聚（分散）分布；当P＜0.01时，说明制药企业具有强烈的集聚（分散）分布。

1.2.2 采用核密度函数识别制药企业集聚区核密度函数是采用平滑的曲线来模拟所观察到的数据点，从而形成模拟的概率分布曲线。因此，核密度函数可用于探索区域空间点数据的热点区分布，该函数可根据单位网格内制药企业点的密度估计企业点周围密度并产生光滑表面。在二维空间中，核密度函数的可用如下公式表示[13-14]：

式中，λ(s)是制药企业点s处的核密度估计，r为核密度函数的搜索半径，即带宽，n为企业点数量，φ是企业点l与s间距离dls的权重。

以此为基础，采用正态分布的阈值设定思路。即，根据正态分布原理，平均值加一个标准差、两个标准差与三个标准差可分别涵盖整体数据的68%、95%与99%，进而以核密度估计值高于均值加减三个标准差、两个标准差、一个标准差的数据分别代表制药企业的核心集聚区、集聚区和外围影响区[15-17]。

2 结果

2.1 广东省制药企业的空间分布特征采用GIS技术将企业地址转化为地理坐标数据，并导入Arc GIS软件中，得出广东省 647个制药企业生产点（以下简称：企业点或企业）的空间分布图（图 1）。表明广东省制药企业呈现明显的空间不平衡布局，并且这种空间不平衡的程度在不同区域（珠三角、粤西、粤东、粤北）各有不同。其中，珠三角的制药企业点高达438个，占全省的67.70%，粤西、粤东、粤北的制药企业点分别为65、90、54个，远小于珠三角的数量。可见，广东省制药业企业主要分布在珠三角地区。

2.2 广东省制药企业的空间集聚特征以图1广东省制药企业空间数据为基础，计算广东省制药企业的最邻近距离及其四个区域（珠三角、粤西、粤东、粤北）的最邻近距离指标（表 1），以进一步定量分析这种不平衡式的空间集聚特征。由表 1可知，广东省制药企业的R值为0.3268，显著性P为0.0000，表明其呈现显著的集聚分布特征。全省制药企业的平均最临近距离为3387.55 m。四个区域的最邻近距离各有不同，珠三角内企业的最邻近距离最小，为2281.60 m，而粤北地区最大，达 9817.05 m。从R值上看，珠三角地区制药企业的空间集聚程度最强，达到 0.4535，而粤东地区和粤北地区尽管也是集聚分布，但集聚程度弱于其他两个区域，R值分别为0.5900和0.5543。

表1 广东省制药企业空间集聚分布的最邻近距离分析结果

2.3 广东省制药企业集聚区的空间识别采用核密度函数计算方法识别出广东省制药企业三个层次的集聚区（图 2）。其中颜色最深的为制药企业核心集聚区，颜色次深的为制药企业集聚区，颜色较浅的为制药企业外围影响区。上述区域都是广东省制药企业较为集中的区域。其他白色区域为制药业非集聚区。

3 分析与讨论

基于GIS制图技术和平均最邻近距离方法可知，广东省制药企业空间不平衡分布特征明显，表现为显著的“抱团式”空间集聚分布，制药企业主要布局在珠三角地区。在不同区域这种空间集聚的程度各有差异，其中，珠三角的集聚程度最为明显，粤东地区制药企业的集聚特征稍弱与其他三个区域。

通过核密度函数可以科学定量地识别出制药产业的聚集区，表明广东省制药企业集聚区主要分布在珠三角地区和粤东地区。具体地，主要集聚在珠三角地区的广州、深圳、中山、珠海、佛山以及粤东的汕头、揭阳。上述区域形成了以核心集聚区为主的多层级制药企业集聚区，是广东省制药企业生产的主要地域范围。此外，湛江、茂名、江门、清远、韶关、惠州的中心城区呈现点式分布，为制药企业集聚区或外围影响区，但缺乏核心集聚区。

对广东省制药企业空间布局特征的探索和集聚区的识别，这有利于省药品监督管理部门对上述集聚区进行重点监督管理，也有利于在省域层面更高效地统筹安排对制药企业的认证、监督、检查等行政活动，进一步降低药品监督管理的时空成本，提高管理效率，实现精准管理。

图1 广东省制药企业空间分布图

图2 广东省制药企业集聚区边界识别图

我国社会主要矛盾的变化是关系全局的历史性变化，对党和国家工作提出了许多新要求。因此要在继续推动发展的基础上，着力解决好发展不平衡不充分问题，大力提升发展质量和效益，更好地满足人民在经济、政治、文化、社会、生态等方面日益增长的需求，更好推动人的全面发展、社会的全面进步。充分认识到广东省制药企业空间不平衡布局的特征将有利于缓解制药业过于集中在少数区域所带来的行业空间不平衡发展问题。该成果也可为企业的药品生产布局提供有利参考。

[1]广东省统计局,国家统计局广东调查总队.广东统计年鉴(2017)[M].北京∶中国统计出版社,2017.

[2]刘良,陈桂红,韩扣兰.我国医药产业集群发展面临的问题与对策[J].商场现代化,2008(11)∶243-243.

[3]肖宏.提升我国制药企业竞争优势策略研究[D].南昌∶江西财经大学,2003.

[4]孙长青.长江三角洲制药产业集群协同创新研究[D].上海∶华东师范大学,2009.

[5]李楠.广东省医药产业技术创新能力评价指标体系分析[J].经济研究导刊,2013(12)∶198-199.

[6]陈红川.医药制造业技术创新能力评价实证研究[J].广州大学学报(自然科学版),2013,12(4)∶82-86.

[7]郑衍迪,张学农,陈文风,等.广东医药制造业竞争力评价与分析[J].广东药学院学报,2016,32(6)∶784-789.

[8]曹阳,张文思.我国医药制造业创新效率及其影响因素的空间计量分析[J].中国新药杂志,2017,26(12)∶1351-1356.

[9]陈长瑶,杨青山,赵瀚,等.资源型城市制造业企业空间分布研究——基于吉林通化医药制造业企业的分析[J].经济地理,2017,37(7)∶131-138.

[10]Clark PJ,Evans FC.Distance to nearest neighbor as a measure of spatial relationships in populations[J].Ecology,1954,35(4)∶445-453.

[11]蔡运龙,陈彦光,阙为民,等.地理学∶科学地位与社会功能[M].北京∶科学出版社,2012.

[12]王洋,杨忍,李强,等.广州市银行业的空间布局特征与模式[J].地理科学,2016,36(5)∶742-750.

[13]张学工.新编信息控制与系统系列教材∶模式识别[M].3版.北京∶清华大学出版社,2010.

[14]Chu HJ,Liau CJ,Lin CH,et al.Integration of fuzzy cluster analysis and kernel density estimation for tracking typhoon trajectories in the Taiwan region[J].Expert Systems with Applications,2012,39(10)∶9451-9457.

[15]Borruso G,Porceddu A.A Tale of Two Cities∶ Density Analysis of CBD on Two Midsize Urban Areas in Northeastern Italy[J].Springer Berlin Heidelberg,2009.

[16]Yu W,Ai T,Shao S.The analysis and delimitation of Central Business District using network kernel density estimation[J].Journal of Transport Geography,2015,45∶32-47.

[17]吴康敏,张虹鸥,王洋,等.广州市多类型商业中心识别与空间模式[J].地理科学进展,2016,35(8)∶963-974.