中国典型制造业大规模空间集聚特征及变化*

赵作权 赵紫威

引 言

工业化时期制造业的大规模空间集聚是全球工业化进程中出现的地理现象，对一个国家的全球竞争力具有重要影响。美国的工业化形成了横跨其东北部地区、绵延几十万平方公里的制造业带，①Harris,C.D.,“The Market as a Factor in the Localization of Industry in the United States,”Annals of the Associa‐tion of American Geographers,vol.44,1954,pp.315-348.欧洲的工业化形成横跨德国西部、法国北部、意大利北部和英国南部的“蓝香蕉”地区。

学术界一直关注工业化导致的产业集聚，特别是大规模集聚现象。1890年英国经济学家马歇尔最早探讨了产业集聚形成的原因，①Crafts,N.and A.Klein,“Spatial Concentration of Manufacturing Industries in the United States:Re-Examination of Long-Run Trends,”European Review of Economic History,Vol.25,2021,pp.223-246.瑞典地理学家德吉尔（1927）最早分析了欧美制造业的大规模空间集聚现象，②De Geer,S.,“The American Manufacturing Belt,”Geografiska Annaler,vol.9,1927,pp.233-359.美国地理学家Harris（1954）深入分析了美国制造业带的密度、范围等特征，美国经济学家克鲁格曼（1991）提出新经济地理理论，解释了美国制造业带的成因，③Krugman, P., “Increasing Returns and Economic Geography,” Journal of Political Economy, vol.99, 1991, pp.483-499.学术界高度关注中国工业化进程，认为2012年前后是中国工业化的高峰期，④Rodrik,D.,“Premature Deindustrialization,”Journal of Economic Growth,vol.21,2016,pp.1-33；魏后凯、王颂吉：《中国“过度去工业化”现象剖析与理论反思》，《中国工业经济》2019年第1期。对中国工业化时期全国制造业的空间集聚的研究主要聚焦在区域、城市等中宏观空间尺度，基于制造业企业区位的精细空间集聚分析依然不足，⑤张可云、仲艾芬：《我国制造业结对集聚水平测度及其特征——机器学习方法的改进与应用》，《经济地理》2023年第4期。一些学者利用企业区位数据分析中国高技术或战略性新兴产业的空间集聚问题，但使用工业企业微观数据以及标准差椭圆方法探讨中国制造业在国土空间上的大规模集聚特征及演化问题还是一个研究空白。为此，本文旨在使用标准差椭圆及相对集聚系数方法，利用全国工业企业微观数据，分析中国制造业总体及典型行业的大规模空间集聚特征与变化。本文利用中国规模以上工业企业微观数据，从资源、装备、高技术三种类型制造业中分别选取一个代表行业，分析1998—2013年这些行业相对于制造业总体的大规模空间集聚特征、模式及变化。

本文之所以使用标准差椭圆方法是因为该方法比基尼系数、EG指数、DO指数等空间集聚分析方法更精准、全面、直观地显示产业大规模空间集聚的特征和状态。标准差椭圆方法是近百年前用来计量地理集中⑥Lefever, D.W.,“Measuring Geographic Concentration by Means of the Standard Deviational Ellipse,”American Journal of Sociology,vol.32,1926,pp.88-94.、近年来用来计量产业集聚更加直观、精细的空间分析工具⑦赵作权：《地理空间分布整体统计研究进展》，《地理科学进展》2009年第1期。。该方法能直接用于识别空间大规模集聚的地理范围，还可以通过椭圆之间的相似性和差异性分析确定制造业的相对集聚状态。⑧赵作权：《空间格局统计与空间经济分析》，北京：科学出版社，2014年，第47—81页。例如，赵璐等（2014）通过不同标准差椭圆的比较分析了2004—2008年中国城市制造业的空间集聚特征与集聚模式。⑨赵璐、赵作权：《中国制造业的大规模空间聚集与变化——基于两次经济普查数据的实证研究》，《数量经济技术经济研究》2014年第10期。孙智君等（2018）利用标准差椭圆方法分析了2004—2014 年中国高技术制造业及其子行业的集聚特征。⑩孙智君、张雅晴：《中国高技术制造业集聚水平的时空演变特征——基于空间统计标准差椭圆方法的实证研究》，《科技进步与对策》2018年第9期。刘华军等（2019）利用标准差椭圆计算了2012—2016年中国战略性新兴产业及细分行业的空间集聚特征与演变趋势。⑪刘华军、王耀辉、雷名雨：《中国战略性新兴产业的空间集聚及其演变》，《数量经济技术经济研究》2019年第7期。

除了标准差椭圆方法，还有三类计量产业集聚的方法，各有其局限性。①乔彬、李国平、杨妮妮：《产业聚集测度方法的演变和新发展》，《数量经济技术经济研究》2007 年第4期。第一类是最早由经济学家们提出的空间基尼系数、行业集中度（CR指数）、②Bain,J.S.,“Relation of Profit Rate to Industry Concentration:American Manufacturing,1936–1940,”Quarterly Journal of Economics,vol.65,1951,pp.293-324.赫芬达尔指数（HHI指数）③Herfindahl,O.,Concentration in the Steel Industry,Ph.D.Dissertation,Columbia University,1950.和区位商④Haggett,P.Locational Analysis in Human Geography.London:Edward Arnold,1965.。国内许多学者借助这类方法进行制造业集聚分析，其中魏后凯（2002）使用集中度、赫芬达尔指数和区位商考察了中国521个制造业小行业集中状况，⑤魏后凯：《中国制造业集中状况及其国际比较》，《中国工业经济》2002年第1期。梁琦（2003）使用空间基尼系数对中国二十个制造业行业集聚进行了分析，⑥梁琦：《中国工业的区位基尼系数——兼论外商直接投资对制造业集聚的影响》，《统计研究》2003 年第9期。罗勇等（2005）用市场集中度（CR指标）作为辅助指标从市场空间角度检验不同类别制造业集聚程度，⑦罗勇、曹丽莉：《中国制造业集聚程度变动趋势实证研究》，《经济研究》2005年第8期。贺灿飞等（2007）运用空间基尼系数测算了中国2004年二至四位数制造业产业在省、地、县等行政区尺度上的集聚水平。⑧贺灿飞、潘峰华、孙蕾：《中国制造业的地理集聚与形成机制》，《地理学报》2007年第12期。但这类方法假设以企业均匀分布作为空间集聚计量的基准，忽略了产业集中、随机因素乃至区域尺度大小对产业集聚计量的影响。

第二类方法以EG指数为代表，对第一类方法进行了改进。Ellison和Glaeser（1997）认为产业集聚计量应当考虑产业集中、随机因素的影响，为此提出了EG指数，⑨Ellison,G.and E.L.Glaeser,“Geographic Concentration in Us Manufacturing Industries:A Dartboard Approach,”Journal of Political Economy,vol.105,1997,pp.889-927.后被学术界广泛应用。例如，Rosenthal等（2001）利用EG指数测算了美国四位数制造业的集聚度，⑩Rosenthal, S.S. and W.C. Strange, “The Determinants of Agglomeration,”Journal of Urban Economics, vol. 50,2001,pp.191-229.文东伟等（2014）从省、地、县三级空间尺度分析了中国二至四位数制造业的集聚水平。⑪文东伟、冼国明：《中国制造业产业集聚的程度及其演变趋势:1998~2009 年》，《世界经济》2014 年第3期。不过以上两类方法都是基于行政区划、区域差异的产业集聚计量方法，其分析结果都受所选面状单元的形状、大小即可变面元问题（MAUP）的影响。⑫Morphet, C.S., “A Statistical Method for the Identification of Spatial Clusters,”Environment and Planning A:Economy and Space,vol.29,1997,pp.1039-1055.

第三种产业集聚的计量方法是基于连续空间及距离的方法，⑬Marcon, E. and F. Puech,“A Typology of Distance-Based Measures of Spatial Concentration,”Regional Science and Urban Economics,vol.62,2017,pp.56-67.其中以Duranton 和Overman（2005）提出的DO指数最具代表性。⑭Duranton, G. and H.G. Overman,“Testing for Localization Using Micro-Geographic Data,”Review of Economic Studies,vol.72,2005,pp.1077-1106.Brakman等（2017）利用DO指数测算了基于县域尺度的中国制造业企业集聚情况，①Brakman,S.et al.,“Spatial Concentration of Manufacturing Firms in China,”Papers in Regional Science,vol.96,2017,pp.S179-S205.袁海红等（2014）最早利用DO指数测度了北京制造业企业的集聚状况，②袁海红、张华、曾洪勇：《产业集聚的测度及其动态变化——基于北京企业微观数据的研究》，《中国工业经济》2014年第9期。陈柯等（2018）运用DO指数研究中国产业集聚变化趋势，③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年第7期。黄宇金等（2021）利用DO指数分析2004—2013年京津冀地区制造业集聚的变化。④黄宇金、孙威：《京津冀地区制造业集聚的时空演化特征和差异性分析》，《地理科学进展》2021 年第12期。但是基于距离的方法把企业的空间分布转化为一维空间的距离，丢失了企业空间分布的大量信息（如方位），不能像本文所使用的标准差椭圆方法那样精准描述企业分布的二维空间特征，包括距离之外的方位、形状等特征。

本文将制造业分为资源型产业、装备型产业与高技术产业三类，受到Harris（1954）的启发。Harris对前两类制造业子行业进行了详细的叙述，高技术类制造业则是学术界后来比较关注的制造业类型。⑤王秋红、陈曦：《我国高技术产业集聚水平的测度》，《科技管理研究》2012年第11期。我们从这三类产业中分别选取石油、煤炭及其他燃料加工业，汽车制造业，计算机、通信和其他电子设备为代表，利用1998—2013年多达32万个企业数据（包括企业区位和就业人数），通过标准差椭圆方法构建相对集聚系数，分析描述这些典型制造业行业相对制造业总体（或总制造业、全制造业）的空间集聚特征与变化。

本文的学术贡献包括如下两个方面：

第一，采用制造业企业微观（区位和就业）数据，利用标准差椭圆这一点格局分析工具，准确地计量中国制造业大规模空间集聚特征和变化。以往的相关研究主要使用城市等行政区区域层面的统计数据，没有考虑企业的区位信息。与我们类似的研究只有陈妍等（2018）一篇文章，但该文章只使用了工业企业数据库之外的企业区位数据，没有使用企业规模（如就业人员）数据，也没有分析制造业子行业相对于制造业总体的相对集聚水平。⑥陈妍、秦昆、桂志鹏、吴华意：《基于工商企业注册数据的中国第二产业空间集聚研究》，《辽宁工程技术大学学报（自然科学版）》2018年第3期。本文考虑了制造业企业的规模，使用企业区位和就业人员数据能够揭示制造业空间集聚更多的信息。

第二，聚集制造业相对集聚研究，提出了新的基于基准空间分布的相对集聚系数。Duranton和Overman（2005）指出，受自然条件（如气候、地形等）和人为规定（如城市规划）的限制，一个国家内并不是每一个点都具备企业布局的可能，因此将子行业与产业总体进行比较的相对集聚研究能够揭示制造业空间集聚更丰富的信息。实际上相对集聚测度已经被学术界认可，符合集聚测度的一般准则。⑦Marcon, E. and F. Puech, “Measures of the Geographic Concentration of Industries: Improving Distance-Based Methods,”Journal of Economic Geography,vol.10,2009,pp.745-762.本文将相对集聚系数定义为典型制造业与基准制造业两个标准差椭圆的面积之比，不受椭圆重心分布的限制，比赵璐等（2014）提出的空间集聚度概念更直观简洁。

一、研究方法与数据

（一）研究方法

1.标准差椭圆方法

标准差椭圆方法是空间统计的经典方法，能够以可视化的方法直观、全面地揭示研究对象的多维度空间特征。制造业空间格局的重心、展布范围、形状、方位可由标准差椭圆的重心（经纬度坐标）、长短半轴长度、短长半轴之比、方位角来表达。①白冰、赵作权、张佩：《中国南北区域经济空间融合发展的趋势与布局》，《经济地理》2021年第2期。

2.相对集聚系数

制造业的空间集聚是指制造业企业的空间分布显著偏离基准分布即制造业总体企业分布的一种状态。②Kulldorff,M.,“Tests of Spatial Randomness Adjusted for an Inhomogeneity,”Journal of the American Statistical Association,vol.101,2006,pp.1289-1305.按照基准参照空间的不同可以把制造业空间集聚分为绝对空间集聚、足迹空间集聚和相对空间集聚。③赵作权：《空间格局统计与空间经济分析》，第47—81页。本文聚焦制造业的相对空间集聚计量，以制造业总体企业区位格局和典型制造业企业区位格局为基准，分别分析典型制造业企业区位格局和企业就业格局集聚状态。

定义相对集聚系数为：

式中Ai表示制造业子行业企业分布的标准差椭圆面积，A0表示基准分布即制造业总体企业分布的标准差椭圆面积。如果制造业子行业的企业分布相对于制造业总体的企业分布是完全随机的，那么两个分布的标准差椭圆面积A是一样的，即K=1；将0.05作为相对集聚显著性的临界值，当K大于1.05时表明子行业企业分布相对于制造业总体企业分布呈分散式集聚状态，且K越大集聚的分散程度越高；K小于0.95时表明子行业企业分布相对于制造业总体企业分布呈集中式集聚状态，且K越小集聚的集中程度越高。因此，当K在0.95—1.05之间时表明子行业企业分布相对于制造业总体企业分布处于随机状态。

此外本文将单位椭圆面积上的属性量即空间密集度作为辅助指标，其计算公式如下：

式中i表示单位地理要素，Wi表示i的属性量，σx，σy分别表示x轴和y轴的标准差。本研究以ArcGIS10.6为操作平台，基于Albers投影坐标系（中央经线105°E，标准纬线25°N、47°N）展开空间分析。

（二）数据

研究数据来源于中国工业企业数据库，该数据库时间跨度为1998—2013年。本研究选取1998年、2005年及2013年这三个年份的工业企业数据，通过百度地图API（应用程序接口）实现地理编码，得到每个企业区位的经纬度坐标，并剔除坐标精度低的数据。本文按照2011年《国民经济行业分类》（GB/T 4754—2011）对三年中各企业所属的两位数制造业行业进行了统一。表1列出了1998—2013年总制造业与典型制造业行业的企业数。

表1 1998—2013年总制造业与典型制造业行业规模

二、基于企业区位的典型制造业空间集聚

（一）典型制造业企业区位分布的空间集聚模式及变化

以总制造业企业分布椭圆为参照，三个典型制造业表现出不同的空间集聚模式和空间分布特征。表2列出了1998—2013年总制造业与典型制造业企业区位的标准差椭圆参数。从空间集聚模式看，2013年代表装备型产业的汽车制造业与代表高技术产业的计算机、通信和其他电子设备制造业呈现明显的集中式集聚，相对集聚系数分别为0.87和0.70。代表资源型产业的石油、煤炭及其他燃料加工业呈现分散式集聚，相对集聚系数为1.59。计算机等高技术产业的集中式集聚是普遍接受的事实。汽车制造业具有产业链长的特点，其发展高度依赖供应链的上下游，因此汽车制造业集中集聚更具经济效益。资源型产业企业分布相对更加分散，原因在于资源型产业企业的布局会受到自然资源分布的支配。①Harris,C.D.,“The Market as a Factor in the Localization of Industry in the United States,”Annals of the Associa‐tion of American Geographers,vol.44,1954,pp.315-348.

表2 1998—2013年总制造业与典型制造业企业区位的标准差椭圆参数

从集聚演化趋势看，1998—2013年，中国制造业呈现集中化集聚，椭圆收缩趋势明显，其中椭圆面积先后减少了40.22万km2和2.47万km2。三个典型制造业均呈现密集化趋势，除石油、煤炭及其他燃料加工业外，其他两个典型制造业的椭圆面积收缩，但相对总制造业的相对集聚度变化趋势各不相同。具体来看，代表资源型产业的石油、煤炭及其他燃料加工业呈现分散化集聚趋势，其相对集聚系数从0.95增加至1.59，空间集聚度降低；代表装备型产业的汽车制造业呈现空间均衡增长，其相对集聚系数比较稳定；代表高技术产业的计算机、通信和其他电子设备制造业呈现集中化集聚趋势，其相对集聚系数从0.73下降至0.70。

（二）典型制造业企业区位分布的空间集聚分布及变化

从集聚的地理分布上来看，作为资源型产业的石油、煤炭及其他燃料加工业重心位于总制造业重心的西北方，距总制造业重心466.90 km，是三个典型制造业中距离最远的。其分布椭圆的方位角比总制造业大，椭圆形状比总制造业椭圆更圆。作为装备型产业的汽车制造业集聚分布区域与总制造业基本一致，都分布在山东、江苏、浙江、上海、湖北、湖南、安徽、河南等东部沿海及中部地区，其重心（即椭圆中心）距离总制造业的重心北略偏西52.48 km，方位角比总制造业大，形状接近。作为高技术产业的计算机、通信和其他电子设备制造业重心位于总制造业重心南略偏东处，距离340.59 km，这主要受到广东省的拉动作用，2013年广东省企业数全国第一，是第二名江苏省的1.7倍。计算机、通信和其他电子设备制造业相较总制造业集聚分布在东南沿海区域，这是因为在劳动力、土地等要素成本优势的加持下，中国在世界电子信息领域占据重要位置，企业布局受到国际市场商品贸易及技术扩散等方面的影响，在广东、江苏、浙江等东部沿海地区形成产业集群。①贺灿飞、朱向东、孔莹晖、李伟：《集聚经济、政策激励与中国计算机制造业空间格局——基于贸易数据的实证研究》，《地理科学》2018年第10期。

从集聚的空间分布变化上看，石油、煤炭及其他燃料加工业，计算机、通信和其他电子设备制造业对总制造业分布的偏离变大，汽车制造业对总制造业分布的偏离在变小。对石油、煤炭及其他燃料加工业来说，其重心始终位于总制造业重心的西北方，距离增大27.8%，主要是因为1998—2013年石油、煤炭及其他燃料加工业的重心波动中向西北方向移动39.52 km，也是三个典型制造业中唯一的重心西移的行业，其中向西移动31.44 km，向北移动23.93 km（位于河南的安阳或新乡）。该产业椭圆长短半轴都呈现出增大的趋势，分别增加了108.56 km、160.20 km，说明椭圆外地区企业数量的增长速度快于椭圆内区域。该产业椭圆形状在波动中向正圆趋近，意味着各个方向的发展水平更加均衡。该产业密集度在波动中小幅增长24.0%，这来源于行业规模的连续增长。该产业椭圆方位顺时针旋转了22°，是三个典型制造业中变动幅度最大的，这可能是因为不同地区的资源勘探难度不同，在技术的限制下被勘探、开发和利用的时间节点也有所不一样，随着不同地区资源的开发，企业集聚分布方向可能会发生较大变动。

对汽车制造业来说，其重心基本位于总制造业重心北方，在东西方向上略有变动，距离缩短了55.4%。该产业重心在1998—2013年向东南方向移动了117.02 km，其中先向东移动87.52 km，后向西移动67.50 km，持续向南移动115.30 km（位于安徽的阜阳或合肥）。与总制造业变动趋势一致，汽车制造业同样经历了向东南沿海移动又回迁内陆的过程。该产业椭圆长半轴缩短110.71 km，短半轴缩短52.58 km，这意味着椭圆内区域企业数量的增长速度快于椭圆外区域，且东北-西南方向上集中化集聚趋势更加明显。该产业的空间密集度大幅增长，从1998年的15.01个/万km2，增长至74.34个/万km2，增幅达395.27%，位列三个典型制造业之首，这主要来源于企业总数量的增长。

对于计算机、通信和其他电子设备制造业来说，其重心基本位于总制造业重心的南部，距离增大了39.7%。该产业的重心在1998—2013年向南移动161.13 km（位于安徽安庆、池州两市或江西上饶）。该产业椭圆长半轴缩短了110.21 km，短半轴缩短了66.64 km，南-北方向上集聚特征更加明显，表明椭圆内部的企业数量增长主要集中在广东省及江苏省和浙江省，具有非常鲜明的地域特征。该产业的空间密集度从1998年的24.73个/万km2，增加至2013年的98.11个/万km2，增幅达296.72%。

三、基于企业就业人员的典型制造业空间集聚

将企业就业人数赋权于企业区位，分析典型制造业就业人员分布相对于制造业总体企业就业人员分布的相对集聚程度，能够识别企业规模特别是大企业及其分布对典型制造业相对集聚水平的影响。

（一）典型制造业企业就业分布的空间集聚模式及变化

与制造业总体企业就业人员分布相比，三个典型制造业企业就业人员分布呈现不同的集聚模式（表3）。其中，石油、煤炭及其他燃料加工业一直呈现明显的分散式集聚状态，其相对集聚系数不断增加，由1998年的1.07增加到2013年的1.66，表明该产业的空间分散程度在上升，行业内大企业分布更加分散；汽车制造业在1998年均处于明显的集中式集聚状态，到2005年都处于空间随机状态，到2013年又回归到集中式集聚状态，说明该产业大企业分布可能存在先分散化后集中化的趋势；计算机、通信和其他电子设备制造业一直处于明显的集中式集聚状态，其相对集聚系数由1998年的0.88下降到2013年的0.67，表明该产业的空间集中程度在上升，说明大企业分布可能存在持续集中化的趋势。同时，1998—2013年中国制造业就业人员椭圆呈现与企业区位椭圆相同的空间收缩趋势，其面积分别减少了16.84万km2和14.70万km2。

表3 1998—2013年制造业子行业企业就业分布的标准差椭圆参数

（二）典型制造业企业就业分布的空间集聚分布及变化

从集聚的地理分布变化来看，汽车制造业，计算机、通信和其他电子设备制造业的就业格局重心朝东南方向移动，只有石油、煤炭及其他燃料制造业朝西北方移动，与企业格局的移动方向一致（图1、图2）。值得注意的是，石油、煤炭及其他燃料制造业的短半轴、形状指数及方位角都是变化幅度最大的，短半轴增长215.73 km，长半轴只增长了31.58 km，因此形状指数由0.74变为0.92，椭圆形状向正圆靠近，同时方位角由17.35°增大至63.45°，这一变化趋势更加充分佐证了前文结论，即作为资源依赖型产业，资源区位对产业空间格局会产生巨大的影响。计算机、通信和其他电子设备制造业的就业密集度最大且增幅最大，十六年间增长了768.54%，说明了在以技术、人才为核心竞争力的行业，劳动力池、知识外溢等集聚外部性所产生的巨大作用。

图1 1998—2013年总制造业与典型制造业的重心分布

图2 1998—2013年基于就业人员的典型制造业的重心分布

最后，从空间演变的阶段性看，1998—2005年间，基于制造业就业人员的空间集聚格局基本形成。2005—2013年间，制造业在原有空间集聚格局的基础上快速密集化、均衡化发展，具体表现为1998—2005年间总制造业椭圆重心、展布、方位、形态等变化较为剧烈，而2005—2013年间，制造业总体的空间密集度增加161.45%，密集化趋势更为显著。计算机、通信和其他电子设备制造业与总制造业空间集聚的阶段性特征基本一致。汽车制造业在两个时间段内空间格局变动都较为明显，但其密集化与制造业总体的密集化都发生在2005—2013年。石油、煤炭及其他燃料制造业则是在不断分散化的同时保持空间密集度相对稳定。上述典型制造业空间集聚的阶段性特征明显有别于基于企业区位的典型制造业的空间集聚演变趋势，后者在1998—2005年和2005—2013年的演变趋势的差异并不显著。

四、结论与启示

本文基于中国企业微观数据，使用标准差椭圆方法从连续空间的角度分析了中国三个典型制造业的大规模相对空间集聚的特征与变化趋势。通过对比总制造业企业区位格局和就业人员分布，分析了中国三类典型制造业企业分布的相对集聚模式、特征和变化趋势。总结得出以下结论：

第一，以总制造业为基准，1998—2013年中国三个典型产业拥有不同的空间集聚模式，其中属于资源型产业的石油、煤炭及其他燃料制造业呈现显著的空间分散式集聚模式，其分散程度有所上升；属于高技术产业的计算机、通信和其他电子设备制造业以及属于装备型产业的汽车制造业基本呈现空间集中式集聚模式，其集中程度有所上升或处于相对稳定状态。

第二，1998—2013年，中国制造业总体，无论是企业区位分布还是企业就业人员格局，都呈现明显的空间集中化、密集化趋势。三个典型制造业均呈现密集化趋势，但相对总制造业的集聚度变化趋势各不相同，其中代表资源型产业的石油、煤炭及其他燃料加工业呈现空间分散化趋势，代表装备型产业的汽车制造业呈现空间均衡增长的态势，代表高技术产业的计算机、通信和其他电子设备制造业呈现空间集中化集聚发展趋势。

第三，企业规模主要影响了典型制造业空间集聚的展布特征和空间集聚演化的阶段性差异。一方面，石油、煤炭及其他燃料加工业和汽车制造业的大企业分布更加分散，体现在基于企业就业人员椭圆的面积大于基于企业区位椭圆的面积，而计算机、通信和其他电子设备制造业的大企业分布更加集中。特别是，考虑企业规模的典型制造业的空间集聚在1998—2005年和2005—2013年呈现明显不同的演化态势。

未来制造业空间布局应考虑各类制造业的空间集聚模式与演化规律，充分发挥产业大规模空间集聚的竞争优势。研究表明，华北平原和长江中下游平原是我国制造业大规模集聚的核心区域，是提升我国制造业稳定性、竞争力的关键区域，也是维护我国产业链安全的重点区域。针对资源型产业的空间分散式集聚模式与分散化集聚趋势，应突出该类产业在全国区域协调发展、区域开放合作中的重要地位。针对装备型产业同总制造业一样集中式集聚分布于华北平原和长江中下游平原即全国经济核心集聚区，应发挥该类产业在统一全国大市场、区际货物自由贸易中的基础作用，重点降低各类交通网络的运输费用，同时地方政府应加大对先进制造业集群发展的支持力度；针对高技术产业集中式集聚在东南沿海区域，应加大相关地区制造业技术创新体系的布局力度，推进创新型产业组织变革，加快重点领域的产业技术联盟建设步伐，提升高技术产业的全球竞争力。