中国制造业和服务业大型企业的时空格局演化及其关联性——基于500 强企业的分析

王璐茜，徐维祥，唐根年，舒季君

（1.浙江工业大学管理学院，浙江杭州 310023；2.浙江树人大学管理学院，浙江杭州 310015）

1 文献综述

发达国家的经验表明，服务业的发展能够提高制造业的生产力和利润水平。制造业从劳动密集型、资本密集型、技术密集型到目前知识密集型阶段的转型升级中，服务业特别是生产性服务业发挥了重要的作用，“微笑曲线”也形象地展示了服务业对制造业转型升级及增强其竞争力的作用［1］。学术界对制造业和服务业两者空间关系的研究聚焦于空间互动关系，形成了区位上的集聚和分离两种观点。

一种观点认为，制造业和服务业存在空间集聚趋势，如Selya［2］指出，制造业倾向选址于有生产性服务业的城市，特定城市的制造业可能迁徙至配套生产性服务业聚集的临近城市；陈娜等［3］、王硕［4］研究表明，生产性服务业与制造业在区位选择上相互影响，其空间分布有协同效应，但该效应在不同规模城市间存在差异；陈建军等［5］通过构建联立方程得出两者存在协同定位关系，具有空间关联的集聚效应，但该效应受城市规模和运输成本的影响。

另一种观点认为，制造业和服务业存在空间分离现象，如Bhagwati［6］指出，信息网络技术的发展使生产性服务的辐射面变广，两者地理邻近性趋势减弱；安树伟等［7］从城市尺度研究发现，金融和商业流通等高端生产性服务业并不一定集中在制造业周围，两者具有空间可分性；宋昌耀等［8］指出，目前高端生产性服务业主要集聚在少数超大城市；Noyelle 等［9］强调两者区位选择动力机制不同，当制造业企业发生迁移时，部分生产性服务企业继续留在大都市；席强敏等［10］基于省域和城市的数据研究得出，在都市圈和单个城市内均存在“中心-外围”的产业布局现象，生产性服务业主要集聚在中心区。此外，还有部分学者从动力机制角度研究指出大型制造企业的区位选择受多方面因素影响，例如城市的经济发展水平、交通通达性、科教水平等因素，其中金融服务等服务业发展水平是影响制造企业总部区位选择的重要因素［11］，但制造业的集聚并非解释服务业区位的主要因素，因为生产性服务业的需求市场并非制造业一个，另外生产投入不依赖制造业产品［3］。

综上所述，已有关于制造业和服务业空间关系的研究，大多是基于区域和城市的宏观经济数据，而从企业微观角度切入的较少；在研究方法上，主要基于协同集聚度、联立方程等空间计量方法。而随着中国经济市场化的进一步推进，制造业对市场性服务需求增加，从企业层面来看，制造业与服务业会有怎样的空间布局关系，这样的空间关系随时间推移会出现什么变化及两者的空间差距变化如何？本研究以2005—2017 年中国制造业500 强和服务业500 强企业为样本，借助重心模型和空间热点等方法，分析服务业与制造业企业的总部空间分布特征及其动态演化，进而构建计量模型探讨服务业对制造业空间布局的影响。中国制造业500 强企业是中国制造企业的优秀代表，是科技创新的主体，由其可以反映目前中国实体经济的情况，而中国服务业500强企业可以反映中国服务业总体发展水平，研究两者的选址及总部时空格局演变可以看出两者区位分布及关联性，对促进区域经济及产业结构优化具有重要的现实意义。

2 数据来源与研究方法

2.1 数据来源

本研究数据主要来源于中国企业联合会、企业家协会在2005—2017 年间发布的《中国500 强企业发展报告》，同时通过查询样本企业官方网站和全国企业信用信息公示系统，得到样本企业总部所在地址及其所属行业等统计信息。实证部分涉及的有关城市数据来源于历年的各地级市统计年鉴和《中国城市统计年鉴》。另外，综合样本企业总部所处地区、邮编、名称等多方面信息来识别企业总部区位，借助百度地图API 控制台，获取企业经纬度坐标，并通过MATLAB 软件计算企业每年的重心坐标、移动距离和角度，提高研究结果的精确性。

2.2 研究方法

2.2.1 空间热点分析

运用热点分析（Getis-Ord Gi*）方法，通过计算Gi*指数来分析样本企业集聚热点区域的变化情况。Gi*指数用以分析区域的空间异质性，检验局部单元是否有显著的空间集聚性。一般需要对Gi*指数进行标准化处理得到Z值，若为正值且该值越大，表明这个区域属于高值空间集聚区（即热点区）；若为负值，则说明该区域为低值空间集聚区（冷点区）［12］。Gi*指数表达式如下：

式（1）中：Wij为权重指数；Xj为各区域样本观测值；i、j分别均为区域索引。式（2）中，E（Gi*）为Gi*的期望值。

2.2.2 重心模型

重心模型是借鉴力学原理，首先赋予二维空间内各研究对象不同的权重，通过计算其地理坐标的加权平均得到重心位置［13］，通过对重心位置的比较可以直观地反映研究对象的分布和变化特征。本研究引入“重心”的概念来探讨样本企业总部区位分布的动态变化过程。样本企业重心的计算过程如下：假设研究区域单元数量为n；x和y分别为所在城市的经度和纬度，第i个区域单元中心城市的地理坐标为（xi,yi）；mi表示第i个区域单元要素属性值，可为人口、地区生产总值（GDP）等，本研究中指样本企业营业收入。则第i个区域单元的重心坐标() 为：

2.2.3 重心偏移模型

样本企业的重心位置确定后，可从移动方向和移动距离分析其重心演变特征。移动方向计算公式如下：

式（5）中：θ为第t+1 年相对于第t年的重心偏移角度，；k为调整系数，k=0,1,2。并定义第一象限为东北方向，第二象限为西北方向，第三象限为西南方向，第四象限为东南方向。

d为两个相邻年份间的重心偏移距离，计算公式如下：

式（6）中c=111.111，表示由地球表面的坐标转化为平面距离的系数。

为了得到样本企业重心变化的相关性，首先分别计算相邻年份服务业样本企业重心变化矢量和制造业样本企业重心变化矢量，定义相关度指标R为两者之间的矢量点积，即：

3 企业总部空间格局演变特征

3.1 基于空间热点分析的分布特征

为探究样本企业集聚热点区域变化情况，根据热点分析方法计算样本企业2005、2011、2017 年的Gi*统计量Z值得分，采用自然断点法将Z值分成5类，得到两类企业空间分布的冷热点变化图（见图1 和图2）。从整体上看，制造业500 强企业总部分布的热点区主要集中在长三角与环渤海地区，而其他绝大部分区域一直为冷点区。具体来看，2005 年热点区和次热点区主要分布在长三角和环渤海地区；2011 年南通、盐城、扬州从次热点区变为热点区，徐州、蚌埠从次冷点区转为次热点区，长三角地区内热点区和次热点区数量增加，中西部地区部分中心城市从冷点区变为次冷点区；2017 年环渤海地区的热点区数量减少6 个，其中承德、张家口、邢台、青岛等从热点区转为次热点区，长三角地区的热点区数量持续增加，南京、镇江、常州及芜湖、马鞍山变为热点区，中部地区的景德镇进入热点区，珠三角地区的部分城市变为热点区，珠海、江门、茂名、福州等变为次热点区，西部及东北地区大部分城市转为冷点区域。服务业500 强企业总部分布的热点区集中在环渤海、长三角和珠三角地区。其中，2005 年热点区分布在环渤海地区15 个城市，次热点区集中在长三角地区；2011 年热点区向南移动，长三角地区内热点区增加到6 个，环渤海地区内热点区锐减为6 个，北京和河北、山东的大部分城市转为次热点区；2017 年珠三角地区内6 个城市从次冷点区变为热点区，分别为厦门、南宁及广东的广州、深圳、惠州、汕头4 个城市，广东近几年在服务业领域持续发力，从原来的加工贸易向整个供应链领域快速发展，另外广东和广西内共有5 个城市从冷点区变为次热点区。

图1 中国制业500 强企业空间冷热点分布

图2 中国服务业500 强企业空间冷热点分布

比较两类企业热点区分布变化可看出，2005—2017 年制造业和服务业企业热点区和次热区呈现向南移动趋势，环渤海热点区数量逐渐减少，长三角是两类企业总部分布共同的热点区。制造业和服务业企业总部热点区及次热区变化较大省份集中在北部和东南部地区。

3.2 基于重心模型的总部空间演变分析

在对样本企业总部进行空间热点分析后，进而采用重心模型来探讨两类企业总部空间动态演变。首先依据式（3）和式（4）分别计算样本企业总部2005—2017 年重心坐标，并制作出两者重心移动轨迹图。图3 显示，样本制造业企业总部重心分布在北纬33.60°～35.01°和东经116.50°～117.06°范围内，位于华东地区。其中，2005 年企业总部重心位于安徽宿州，之后至2011 年总体向西北方向移动，2011 年企业总部重心位于山东济宁鱼台县，2011—2017 年整体向西南移动，2017 年企业总部重心位于安徽东北部的宿州砀山县附近。样本服务业企业总部重心范围为北纬34.47°～36.23°和东经116.14°～116.61°，位于华东地区。2005 年企业总部重心在山东济南，之后整体向南偏西方向移动，2017 年企业总部重心位于河南商丘附近。可以看出，制造业和服务业样本企业的总部重心位置在研究期间不断接近。

其次，依据式（5）和式（6）分别计算2005—2017 年样本制造业和服务业企业总部重心移动方向和移动距离，结果如表1 所示。从移动方向来看，制造企业总部重心先向西北方向移动，2011 年后向西南方向移动趋势明显，2014—2017 年略向东南方向移动，这是由于很多技术密集型企业入围制造业500 强，而这些企业主要集聚在东南地区，导致总体方向略微改变；而服务业企业总部重心2005—2008年先向东南方向移动一次，之后一直向南移动，主要向西南方向，整体偏移-99.4°。从移动距离来看，两者不同年份存在差异，进而速度也不同。其中，制造业企业重心2008—2011 年移动距离较大、移动速度最快，这期间由于北部沿海经济区尤其是山东的制造企业总部不断增多，增加速度快于南方地区，2011 年后随着东南地区经济的快速发展，许多制造企业入围500 强，企业总部重心向南移动趋势显著、移动速度加快；而服务业企业总部2005—2008 年向东南方向移动43.01 km，2008—2017 年间向西南方向移动距离较大，移动速度逐年加快，这一方面是东北地区入围服务业500 强企业数量持续减少，另一方面是南部地区例如广东、广西入围服务业500强企业数量增加。

表1 样本企业总部重心移动距离与方向

为了得到两类样本企业总部重心变化的相关性，首先根据式（7）计算相邻年份服务业企业重心变化矢量和制造业企业重心变化矢量，从图3 可看出两者重心变化相关度数值由负到正单调递增，说明两者重心变化的相关度增强，空间关系不断增强。具体呈现如下特点：（1）两者在经度和纬度方向都有移动，重心距离不断减小，地理邻近性加强；（2）两者重心变化具有阶段性特征，制造业企业重心在2011—2017 年向南偏移，服务业企业重心总体向南移动，两者重心近几年均向南方向位移，在南北方向移动一致；（3）两者空间相关性逐渐增强。

图3 样本企业总部重心演变轨迹

4 服务业企业对制造业企业总部空间格局影响分析

4.1 区位选择模型

工业区位论的典型代表人物有韦伯、廖什等。其中，韦伯［14］在1909 年提出工业区位最基本理论，指出影响工业布局的因素有运费、劳动费用、集聚因素等，费用最小点即是最佳区位点；廖什强调工业生产地应选择能获取利润最大的区域［15］。传统工业区位论提出的观点建立在“理性人”和“完全信息”的假设之上，但这往往有悖于现实情况；其次，传统区位论仅对经济因素例如运费、人工费用等较为关注，而没有考虑非经济因素的影响［15］，对此，后续的区位研究考虑了行为、政策等非经济因素的影响，典型代表有史密斯的收益性空间界限分析理论、普雷德的行为矩阵等。

关于区位选择模型，Wu［16］提出区位选择可以认为是区位影响要素的效用函数，并首次采用该模型研究外资企业在广州内部的区位选择，之后王俊松［17］、谢敏等［18］运用该模型来分析企业区位选择。本研究结合相关理论，以地级市为单位，根据样本制造业企业主要分布的城市数量，最终选择其中173个研究单元作为研究对象，包括东部、中部和西部等绝大部分区域。以制造业500 强企业数量为因变量，以影响因素为自变量，采用计数模型来分析服务业500 强企业对制造业500 强企业空间分布的影响。由于样本企业数量为离散数据，通常采用泊松模型，假设第i个研究区域内的制造业企业数量服从参数为λi的泊松分布，因变量Yi观测值yi的概率（P）为：

采用泊松回归模型的前提是因变量的方差与期望相等，但实际数据很难符合该条件，经检验后若因变量的期望和方差不相等，可用负二项模型替代泊松回归模型来估计。负二项模型设置如下：

式（9）中：offset 为偏移量；k服从均值为0、方差为α的伽马分布；β为自变量的回归系数。

4.2 变量选取

现代服务业对制造业生产业务开展具有支撑作用，服务业发达的区域有利于制造业企业总部的发展。借鉴高孟立［19］的研究，用交通运输仓储邮政业，信息传输、计算机服务和软件业，金融业，科学研究、技术服务和地质勘查业代表生产性服务业，分析样本生产性服务业企业对制造业企业总部区位的影响。综合数据的可获取性和完整性，主要考察以下影响因素：（1）交通运输服务水平。发达的交通运输可为制造企业提供优质的服务，借鉴学界通常做法，采用城市货运总量来表示。（2）金融服务水平。宽松的融资环境有利于企业筹集资金，采用年末金融机构贷款余额来表示。（3）科技服务水平。科技水平反映城市的创新能力，城市科技服务水平的提高有利于制造企业总部研发创新业务的开展，采用城市创新指数来表示［20］。（4）信息网络服务水平。发达的信息服务与网络设施有利于制造企业总部快速获取信息并作出科学决策，参照陆大道［21］的做法，选取人均电信业务收入、互联网用户数来衡量。（5）科教资源。企业发展需要人力资本，科学教育可为企业培养高素质人才，人力和教育资源的富集程度影响企业总部区位，选取城市拥有高等学校数量来表示。（6）区位因素。便捷的交通通达性可为企业节约交易和运输成本，选取公路里程数来量化。具体的变量设定详见表2，在计量模型采用对数的形式，以使数据更加平稳。

表2 样本企业区位选择模型变量设计

4.3 结果分析

为了排除自变量间的多重共线性问题，采用Spearman 相关系数矩阵检测自变量之间相关性，结果显示（见表3）各自变量间不存在严重的多重共线性，可同时引入模型。

表3 样本企业区位选择模型自变量相关性分析

考察因变量的统计特征发现，样本变量的方差大于样本均值，不符合泊松分布“因变量方差与均值相等”的假设，说明采用柏松模型不太适合，因此采用负二项回归替代泊松模型，模型检验结果见表4。具体来看，2005 和2017 年的检验结果均高度显著，其中交通运输服务水平对样本制造业企业总部区位的影响显著为正，作用系数从2005 年的0.256上升到2017 年的0.649，说明企业总部倾向布局在交通运输业发达的城市，该倾向愈加显著表明交通运输的发达程度仍是企业总部区位选择考虑的重要因素；金融服务水平在1%显著性水平下为正，系数从0.319 增加到0.830，因为制造企业生产业务的开展需要资金支持，发达的金融业便于企业总部获取外部融资，对制造企业总部入驻有较强吸引作用；科技服务水平对制造业企业总部的区位影响从2005年的无显著性到2017 年的显著为正，作用系数为0.268，说明城市创新能力对制造业企业总部空间分布的作用显著增强，而在国家创新驱动发展战略的引导下，大型制造企业转向智能制造，借助科学技术进行转型升级，大力推进业态创新、商业模式创新和管理创新，城市科技水平的提高能够为其发展提供支撑，因此制造企业总部倾向布局在创新能力得分较高的城市；关于信息网络服务水平，人均电信业务收入对制造企业总部区位分布不存在显著影响，互联网用户数的影响仅在2005 年显著为正，这是由于目前大部分城市都普及互联网，通信网络服务发展较均衡，原来存在的绝对优势有所减弱；另外，区位因素对制造企业总部的吸引作用仅在2005 年显著，这可能与本研究选取的指标有关系，区位因素反映的是陆路交通的通达性；科教资源对制造企业总部分布在2017年呈显著的影响，作用系数为0.256，这说明近几年高校或科研机构对企业发展的贡献度有所增加，但该作用相对较小，须进一步促进两者融合发展，发挥高校的人才培养作用，同时加快科研成果转化以促进制造企业发展。

表4 样本制造企业总部区位选择模型估计结果

表4（续）

5 结论

本研究采用2005 年至2017 年间中国制造业和服务业500 强企业的微观数据，运用空间热点分析、重心模型等方法，通过分析两类企业选址及总部空间演变来剖析两者空间布局演化及其关联性，并选取与制造业密切相关的生产性服务业，采用负二项回归模型分析服务业对制造业企业区位选择的影响。主要得到以下结论：

（1）2005—2017 年间，中国制造业和服务业500强企业主要集聚在环渤海、长三角和珠三角地区。从热点分布来看，制造业企业总部热点区集中在长三角和环渤海地区，但2011—2017 年环渤海地区内热点区数量减少；服务业企业总部热点区在2005 年集中于环渤海地区，2011 年环渤海地区内热点区数量骤减，2011—2017 年热点区以长三角为主，珠三角地区有日益增强趋势。总的来看，两类企业总部热点区和次热点区均呈现向南移动趋势，长三角地区是两类企业总部分布共同的热点区。

（2）企业总部重心变化呈现阶段性特征，制造企业总部重心在2005—2011 年总体向北位移、2011—2017 年向南偏移，服务业企业总部重心总体向西南移动，两者企业总部重心近几年均向南位移，在南北方向移动一致；其次，两者重心位置差距减小，空间相关度增强。制造业和服务业企业空间关系发生变化的原因，一方面是由于区域经济发展的不平衡，入围500 强的企业名单每年有所不同，分地区来看，东北地区入围企业的比重均减少，南部入围企业比重增加，导致两者企业总部重心位置发生改变；另一方面，服务业的发展对制造业企业区位选择有一定的影响，制造业企业总部重心移动趋势在近几年随着服务业企业变化而有所改变，两者空间分布一致性增强。

（3）城市的金融服务、交通运输、科技服务的水平等对制造业企业总部区位选择存在显著影响，其中科技服务水平的影响显著增加，因为科技水平反映城市的创新能力，城市创新能力的提升能为制造企业转型升级提供支撑，而信息网络服务的作用减弱，科教资源在2017 年产生显著影响。这说明制造业企业总部倾向布局在高端生产性服务业水平较高的区域，制造业对服务业的区位选择存在依赖性。制造业的发展需要服务业的支持，尤其在信息技术与制造业深入融合的情形下，推动建设科技创新、现代金融、现代化交通等协同发展的城市服务体系能为制造业发展创造良好的环境。同时，充分发挥市场配置资源的决定性作用，顺应科技革命要求，深化业务关联、链条延伸、技术渗透，以促进先进制造业和现代服务业耦合共生，有利于为中国经济实现高质量发展夯实产业基础。