中国专精特新企业的时空格局与区位因素

丁子军,郑慧彬,戴 靓,刘承良

(1.南京财经大学 公共管理学院, 江苏 南京 210023;2.华东师范大学 城市与区域科学学院,上海 200241;3.华东师范大学 全球创新与发展研究院,上海 200062)

0 引言

中小企业是经济高质量发展的重要基础,也是民生就业稳定的坚实支撑。2018年8月国务院促进中小企业发展工作领导小组第一次会议中指出,我国中小企业占据全国企业数量的90%,贡献了50%以上的税收,60%以上的GDP,70%以上的技术创新,80%以上的城镇劳动就业。然而,数量众多并不能代表中小企业具有经济韧性,在中美贸易摩擦、新冠疫情的冲击下,2020年我国实体业有超过32万家中小企业注销[1]。根据工信部发布的《专精特新中小企业发展报告(2022年)》,专精特新“小巨人”企业研发平均强度约为9%,从事特定细分市场平均时长近16年,企业科研创新、抗风险能力强劲。因此,面对日新月异的技术更迭、变幻莫测的经济格局以及不断升级的市场需求,朝向“专业化、精细化、特色化、新颖化”转型成为中小企业成长的必然选择。同时,科技创新驱动着区域空间格局的重塑,城市作为企业生存与发展的载体,如何吸引创新拔尖企业入驻、汇聚高端创新要素资源、提升城市竞争力受到政府和学术界的广泛关注。

企业的空间布局与区位选择一直是经济地理学的重要议题。从研究尺度来看,相关文献涉及市域[2]、省域[3]、区域(城市群)[4]和全国[5],多利用赫芬达尔指数、标准差椭圆法、最近邻指数、核密度估计、Ripley′sK函数、地理集中度、基尼系数、全局和局部空间自相关、区位熵、因子分析或聚类分析等[6-8],定量探讨企业的空间集聚现象及其演化特征。从研究对象来看,学者们侧重于研究制造业企业和生产性服务企业,文化创意和时尚企业也愈发受到青睐。例如,王婷等分析了南京市文化企业空间分布格局、演化过程及企业区位选择机制[9];李嘉晨等探讨了2003—2019年长三角时尚企业的空间布局演化规律与影响因素[10]。不同类型的企业会表现出差异化的区位选择行为[11],既有文献为其他新兴企业的区位选择与产业集聚研究奠定坚实基础。近年来,随着经济发展对创新驱动型需求的渐长,对创新型企业和高新技术企业的研究也日益丰富。例如,肖凡等指出中国高新技术企业分布呈现出以“北上广深”为首位中心,以成渝与区域性中心城市为次位中心的高度集聚特征[5]。杨洋等揭示了广东省瞪羚企业的空间聚集不断强化,具有明显的相对集中性与地域性[12]。马腾等比较了北京、上海、深圳、杭州四市独角兽企业的空间格局演化及其区位选择因素[13]。相比于国家政策对专精特新企业的关注,学者们对专精特新企业的空间分布及影响因素研究存在明显的滞后与缺位[14],以宏观为主的空间研究尺度未能充分考虑城市间相互作用,企业聚集机制的挖掘有待深化[15]。相关研究主要集中在经管领域,侧重于对专精特新企业发展现状与演化特征[16]、评价体系[17]、困境难题以及政策建议[18]等方面的定性分析。

党的二十大报告指出,要加快实现高水平科技自立自强,建设科技强国。专精特新中小企业已然成为解决“卡脖子”瓶颈、巩固本土全产业链条、树立制造强国地位的排头兵。因此,在新一轮企业技术革命与城市创新发展的背景下,探索专精特新企业的时空格局及其影响因素,对优化企业的城市布局,构建全域创新发展新格局,推动资源要素整合具有重要的理论与现实意义。鉴于此,本文基于工信部公布的四批专精特新“小巨人”企业名单,分析专精特新企业的发展和分布特征,并通过多尺度地理加权回归探讨其区位选择因素。在此基础上,为专精特新企业发展提出政策建议,以期为区域找准经济发展引擎、营造良好的创新创业环境、提高城市综合竞争力提供参考。

1 研究设计

1.1 研究区域与数据来源

截至2023年5月,工信部于2019、2020、2021、2022年认定并发布了248、1 744、2 930和4 357家专精特新“小巨人”企业名单。以地级及以上城市(含地级市、地区、自治州、盟、直辖市)为统计口径,研究区域未包含我国香港特别行政区、澳门特别行政区和台湾地区,分析专精特新企业的时序格局与市域分布特征。在企查查网站(https://www.qcc.com)按照名单进行匹配获取9 279家企业数据,包括企业名称、成立时间、所属城市、所属行业等信息。企查查作为中国最大的商业数据库之一,其数据源于国家企业信用信息公示系统(http://www.gsxt.gov.cn/index.html),被广泛应用于企业的相关研究中[5,19]。这些企业成立时间从1955年跨至2022年,但2020年和2021年无新成立企业,仅有1家成立于2022年,因而使用2019年城市属性数据探讨企业选址的影响因素,数据来源于2020年《中国统计年鉴》和各省区市统计年鉴。

1.2 变量设定

将专精特新企业按所在城市进行汇总,得到292个城市的企业数量(Firm)作为被解释变量。参考企业区位选择的相关研究成果[3,5,20-22],综合考虑专精特新企业的特点以及数据的可得性,从经济禀赋、产业发展、基础设施、市场环境和企业自身五大维度选取11个指标作为解释变量(表1)。

表1 专精特新企业空间分布的影响因素

一般而言,经济禀赋好的城市依托完善的基础设施、丰厚的人才储备以及切实的政策红利对吸引企业入驻发挥激励和导向作用[20]。本文通过地区生产总值和公共财政科技支出衡量城市的经济规模与研发投入,以反映经济禀赋。产业发展包含产业结构和产业平台[23],分别用二产、三产比重分析城市产业结构对专精特新企业分布的影响;通过省级产业园区数量衡量城市的产业平台及其政策支持对企业聚集的影响[24]。与此同时,较高的信息化水平有助于企业提高获取知识的能力与速度[25];交通运输能力强可为企业节约运输成本,弱化市场分割的影响,增强市场的可达性与信息反馈的及时性[21]。故选择电信业务总量、货运总量分别衡量城市的信息通讯水平和货运交通能力,以表征基础设施。从市场规模看,新经济地理学表示市场规模大的区域对企业具有吸引力,人口密度是与区域市场环境密切相关的综合指标,可以反映劳动力资源、房产价格、市场需求等[26];从市场投入看,传统区位论强调劳动力成本对企业选址的重要影响,以在岗职工平均工资来量化[20]。此外,企业自身因素也可能影响企业区位选择,具体体现为企业规模和公司年龄[27]。所有解释变量的方差膨胀因子(VIF)都小于5且均值为2.23,说明不存在明显的多重共线性问题。

1.3 多尺度地理加权回归

城市经济活动由于生产要素的不完全流动存在空间异质性[28]。多元线性回归(OLS)应用于全局关系建模时隐含空间均质假设,故无法测度影响因素的空间异质性[29]。地理加权回归(GWR)是应用最广泛的局部空间关系建模方法,但带宽大小恒定是所有自变量不同带宽的平均值,因而捕捉了不必要噪声致使参数估计偏差[30]。多尺度地理加权回归(MGWR)解决了固定带宽的缺陷,因而既能测度影响因素的空间异质性,也使模拟结果更加精细[31]。计算公式如下:

(1)

式中:yi表示第i个城市专精特新企业的数量;(ui,vi)表示第i个城市的空间地理位置;xij为自变量;bwj是第j个变量回归系数估算时使用的带宽;βbwj表示第j个变量的局部回归系数,εi为误差项。

与经典GWR最大的区别是MGWR模型中的带宽具有分异性,通常采用自适应带宽的二次核函数计算每个变量的最佳带宽,以经典GWR作为初始估计,利用后退拟合算法拟合各平滑项,并将经典的残差平方和的变化比例作为收敛准则[32]。变量带宽是参与回归的样本点数量,带宽的选择会影响回归系数的估计[33]。MGWR模型使用AICc准则作为最佳带宽选择标准,城市数量是本研究中带宽单位用来测度影响因素的作用范围。

2 中国专精特新企业的时空格局

2.1 时序格局特征

根据专精特新企业的成立时间与数量,可将中国专精特新企业大致划分为4个发展阶段(图1):1953—1988年的平稳起步期、1989—2003年的快速增长期、2004—2010年的高位波动期和2011—2022年的收缩发展期。改革开放前,受计划经济体制影响民营企业数量较少,专精特新企业仅有15家。改革开放后的政策环境和营商环境为专精特新类民营企业创造有利的成长空间,企业成立数量开始起步增加。1978年至1988年间平均每年新增8家企业,呈现平稳增长。1989年后企业数量直线上升,处于快速增长状态;2003年新企业数超500家,相较1989年上涨15倍。2004—2010年新增企业数起伏较大,2008年的低谷期和2010年的顶峰期形成鲜明对比;但在此期间每年均保持400家以上的成立数目,表现为高位波动的走势。2011年后专精特新企业成立数量持续下降,在2015年之后新企业数量跌破300,直至急剧降至2022年的1家,说明新企业数量的增速步入了收缩发展期,符合专精特新企业专注长期发展从而建立竞争优势的战略定位。

图1 每年成立的专精特新企业数量

2.2 空间格局特征

9 279家专精特新企业分布于中国292个地级及以上城市,各城市企业数的基尼系数为0.683,具有空间不均衡性(图2a)。排名前十的城市分别为北京(596家)、上海(506家)、深圳(445家)、宁波(283家)、重庆(263家)、杭州(209家)、武汉(209家)、成都(205家)、天津(198家)、苏州(173家)。除武汉、重庆和成都为中西部核心城市外,其余均为东部沿海经济强市,集聚了1/3以上的专精特新企业,且均位于胡焕庸线东南侧和五大国家级城市群内,可见企业倾向于选择在经济发达、资源丰厚、区位优越的高能级城市。

注:基于自然资源部地图技术审查中心GS(2020)4619号标准地图绘制,底图边界无修改,图4同。

各个城市专精特新企业数的全局莫兰指数为0.131,具有空间正自相关性,且在1%的水平下通过显著性检验。各城市专精特新企业数的空间集聚模式如图2b所示,共有124个城市具有显著的空间聚类特征,占比42.47%。其中,东部沿海的32个城市为高高集聚区,占比10.96%,基本位于京津冀、长三角、珠三角和山东半岛城市群。北京独有的首府效应对天津和河北的部分城市发展起到正向的带动作用;长三角凭借较好的多中心和一体化发展形成网络组团集聚;珠三角依靠省内深广的双核引领和科创高地的战略定位成为南部集群;山东半岛兼具海陆优势,人力资本丰富、制造业发达,是环渤海经济区的重要部分,因而成为优质中小企业的集聚地。低低集聚区包含60个城市,占比20.55%,主要分布在我国位置偏远、人口外流、相对落后的西北、东北和西南地区,这类城市大多是创新创业低地、高质量发展动力不足。高低集聚区均为西部和东北的中心城市,如四川省的成都、重庆、云南省的昆明、贵州省的贵阳、陕西省的西安、吉林省的长春、黑龙江省的哈尔滨,占比2.40%,这些城市为成渝、滇中、黔中、哈长城市群的核心,其发展过程中单向虹吸周边城市和落后地区的资源以支撑自身的高首位度。低高集聚区共25个城市,占比8.56%,主要分布在东部沿海发达城市的周围,中心城市的辐射效应为腹地城市的企业成长营造优越环境的同时也在周边形成了“集聚阴影”,未来需进一步扩大发达地区核心城市的辐射范围、打造高效的上下游产业链、促进创新创业资源的区域流动乃至全国循环。

2.3 行业聚集特征

在9 279家专精特新企业中,第二产业的企业有5 984家,占比近65%,第三产业的企业次之,为3 277家,占比超35%,而第一产业的企业数量仅有18家,不足1%。4个时期中国专精特新企业二、三产业的变化如图3所示。在前3个阶段,平稳起步期、快速增长期和高位波动期的二产企业比重均超过65%,数量远超第三产业;到第四阶段,收缩发展期的第三产业企业占比达到51.39%,超过第二产业,说明专精特新企业受到国家经济转型和创新发展战略的影响,由资源要素驱动向知识创新驱动转变。从中国专精特新企业的分类特征(表2)可知,虽然第二、三产业的专精特新企业数量多,且涉及城市广泛,但企业分布数量的聚集程度远超第一产业的情况,而第三产业企业的空间集聚最突出,基尼系数高达0.765。

图3 不同时期二三产业专精特新企业数量的变化

表2 专精特新企业的分行业特征

从不同行业(表2)看,除在房地产行业数量为0外,其余十大行业均有涉及。其中,工业和公共服务及管理组织业的专精特新企业最多,分别有5 935家和2 008家,总占比超过85%,而工业中的制造业、公共服务及管理组织业中的科学研究和技术服务业尤其是深耕领域。其他行业的企业数呈断崖式下降,批发和零售业,信息传输、软件和信息技术服务业以超过500家的企业数成为第二梯队,数量前四的行业企业总占比达98%,分布的城市数量多但基尼系数均大于0.5,说明城市尺度下企业的空间聚集性强。租赁和商务服务业、建筑业、农林牧渔业、交通运输仓储和邮政业、金融业、住宿和餐饮业则不足百家,基尼系数均小于0.5,说明其更倾向于分散化的城市选址。尽管各行业企业的空间聚集程度各异,但由于聚集所产生的知识溢出、规模经济和品牌效应更有利于企业的发展与壮大[34],促使专精特新企业在城市选择时整体上仍体现为集聚偏好。

3 中国专精特新企业的区位因素

运行MGWR模型得到中国专精特新企业的区位因素的拟合结果(表3)。

表3 多尺度地理加权回归结果

总体而言,经济禀赋、产业发展、基础设施、市场环境、企业特征共同影响中国专精特新企业的选址。共有10个解释变量在0.1的水平下通过显著性检验,按平均影响程度由小到大依次为公司年龄、货运交通、产业园区、三产比重、二产比重、电信通讯、薪资水平、企业规模、经济规模、研发投入。经济禀赋对企业选址的影响最大,这符合专精特新企业研发投入大、对经济支撑效应强的共性特点。为深入考察影响程度的空间异质性,可视化出各样本的回归系数(图4),根据自然间断点法将影响程度划分成5级。

图4 中国专精特新企业分布影响因素的空间分异

就经济禀赋而言,GDP的系数介于0.135—0.339之间,对企业聚集的正向影响表现为由南向北逐渐增大的格局(图4a),因为南方城市尤其是东南沿海一带凭借独有的地缘优势具有强劲的经济实力,企业入驻对经济条件的需求被其他影响因素削弱,而对于经济基础薄弱的西北地区与面临城市收缩的东北地区,企业成长更加依赖有相对优势的省会城市,致使经济实力的边际效应对欠发达地区的作用更大。R&D的边际最大,均值为0.695,说明在知识经济时代研发投入强度助力企业集群,其正向影响表现为自南向北递减(图4b),可能是相较于有众多老牌工业企业的北部特别是东北地区,南部地区的企业多为新兴技术企业,产品研发对创新资源与创新环境的需求更为迫切,需要更为充足的研发经费投入以加快创新成果的转化。

就产业发展而言,Sec系数的均值与变化幅度都大于Ter,说明企业的区位选择目前受城市第二产业集聚化程度的影响更大,其在全国尺度上对企业入驻呈正向影响,在区域尺度上表现为局部分异的空间格局(图4c):华南闽粤桂三省、西南云贵川地区、西北门户呼包鄂榆地区、东北及环渤海经济区成为负向影响区。总体来看,浙江和广东是二产比重影响的高值区,两者分别拥有1 078家和881家企业,在全国领先。但这两省二产比重对于企业集聚的作用却相反,原因可能在于产业结构的调整方向不同,浙江以打造先进制造业集群作为推进经济高质量发展的抓手,省内专精特新企业有78.66%在工业实体领域;而广东依托粤港澳大湾区创新高地的科技研发优势,通过产业融合将现代服务业嵌入先进制造业以双轮驱动形成产业新业态,省内三产专精特新企业比重超过40%,这充分体现了专精特新企业的发展会结合区域特色与优势,精准利用当地的产业基础与资源禀赋以实现自身的高效发展。第三产业对全域企业的正向吸引力整体是东高西低(图4d),与企业数量东多西少的分布一致,说明科技研发的突破是企业发展的关键环节。此外,Park的系数均值为0.023,在0.1的水平下呈正向影响,说明产业政策发挥了引导地区产业发展和资源优化配置的作用,并形成了西强东弱的差异化影响(图4e),这与周茂等的研究发现[35]一致,即设立产业园区作为政策支持可以对技术落后地区起到“雪中送炭”的作用。

就基础设施而言,信息化与工业化的深度融合成为高技术发展的趋势,Tele的系数均值为0.032,说明发达的电信通讯有利于企业的壮大与集聚[3],其影响程度由东南向西北递减(图4f),可能是因为西北地区基础设施相对落后,东北地区软环境相对薄弱,而南部地区对外开放水平高,充分发挥了数实融合对经济高质量发展的支撑作用。Fre的系数均值为0.018,货运交通能力是吸引企业入驻的重要指标,对西部和东部地区的影响最强(图4g)。

就市场环境而言,人口密度Den对企业选址的影响不显著而薪资水平Wage显著。Wage的系数均值为0.039,取值范围是0.010—0.058,其正向影响在东南地区形成高值区,而沿西北方向递减(图4h)。东部地区高校科研院所集中,科教资源丰沃,汇聚了大量从事技术创新、科技研发的高端人才。研发投入巨大、高层次人才云集是专精特新企业的特点,不同于一般中小企业为降低支出成本,以廉价劳动力地区为优先选择,专精特新企业更注重劳动力素质与质量。

就企业特征而言,Day的系数均值为0.008,取值范围是0.006—0.012,公司年龄的正向影响以东北地区为高值区,沿西南方向逐渐递减(图4i)。Size的系数均值为-0.044,取值范围是-0.051—-0.025,在0.1的水平下通过显著性检验,企业自身规模的扩大可能会阻碍集群发展,这也与专精特新企业多为长期精耕于细小领域的中小企业定位相符。负向影响程度东高西低(图4j),主要是因为东南地区城市化加快致使人地矛盾突出,高昂的地价会增加较大规模企业的财务成本与资金风险,东北地区老工业城市选择精明收缩的发展模式以提高土地利用率,能提供的城市土地空间有限;而中西部地区有更广阔的生产空间承载规模较大的企业。

4 结论与建议

本文系统探讨了我国9 279家专精特新企业发展的时空格局特征与区域选择因素,主要结论如下:①就时空特征而言,中国专精特新企业的发展精力了平稳起步期、快速增长期、高位波动期和收缩发展期4个阶段。9 279家专精特新企业分布于292个城市,排名前十的是北京、上海、深圳、宁波、重庆、杭州、武汉、成都、天津、苏州,均为高能级城市或经济强市,呈现由沿海到内陆递减的空间分异格局,京津冀、长三角、粤港澳、长中游、成渝以及山东半岛城市群成为专精特新企业的主要集聚区。专精特新企业以二、三产业为主,其中,工业和公共服务及管理组织业成为热点行业,不同行业的专精特新企业空间聚集度不尽相同,但总体上聚集特征仍较为显著。②就影响因素而言,经济禀赋、产业发展、基础设施、市场环境、企业特征共同影响专精特新企业的分布。平均影响程度由大到小依次为研发投入、经济规模、企业规模、薪资水平、电信通讯、二产比重、三产比重、产业园区、货运交通、公司年龄,各因素的作用范围与影响程度具有空间异质性。经济规模和研发投入的正向影响呈现南北差异;三产比重、产业园区、公司年龄的吸引力以及企业规模的抑制力均呈现东西向的空间梯度分异;电信通讯和薪资水平对企业选址的积极影响表现为东南向西北的递减格局。

基于上述结论,可为专精特新企业的发展提出以下3点建议:①推行因地制宜的差异化专项服务,积极培育特色产业集群。因地制宜地打造产业生态环境,引导资源跨区域流动、促进利用效率边际效应的最大化和区域企业空间布局的均衡化。具体可以完善西北地区的基础设施以扩展企业培育基地,促进东北地区老牌工业的转型与创新发展,厚植东南地区高端人才等创新优势提质增量等。②实施对专精特新企业税收优惠,针对性补贴创新研发环节。竞相创新环境下中小微企业的高质量发展离不开政策扶持,但财政补贴仍存在“僧多粥少”的现象。这仍需要优化科技创新的顶层设计,组织开展精准服务,夯实企业创新前端的政策保障,发挥制度创新与科技创新的双轮驱动,提高专精特新企业的培育率与存活率。③持续推进强链补链专项行动,打造现代化的产业链供应链。通过建设产业园区协同不同规模企业间的纵向联合与融通发展,合力解决短板和断点问题,提高产业链和供应链的韧性。数字经济时代下,还需积极建设数字基建新高地,加快产学研融合,为企业提供优质创新载体,实现科学技术与产业成果的紧密衔接与有效转化。

本文对专精特新企业的时空格局及其市域尺度的选址因素进行分析,可深化对企业空间集聚模式和影响机制的认知。但仍存在一些不足,也是未来需要深入研究的方向。例如,不同类别行业的专精特新企业空间聚集状况不同,对其不均衡程度的差异性探讨仍有待深入。其次,企业选址的影响因素具有复杂性,受到数据的限制,具体指标的选取可能不尽充分。最后,由于MGWR模型的限制,本文仅使用截面数据分析影响因素,未能考虑时间效应,未来随着MGTWR(多尺度时间地理加权回归)模型的成熟,可使用面板数据进行分析。