中國制造業和服務業大型企業的時空格局演化及其關聯性
——基于500 強企業的分析

王璐茜，徐維祥，唐根年，舒季君

（1.浙江工業大學管理學院，浙江杭州 310023；2.浙江樹人大學管理學院，浙江杭州 310015）

1 文獻綜述

發達國家的經驗表明，服務業的發展能夠提高制造業的生產力和利潤水平。制造業從勞動密集型、資本密集型、技術密集型到目前知識密集型階段的轉型升級中，服務業特別是生產性服務業發揮了重要的作用，“微笑曲線”也形象地展示了服務業對制造業轉型升級及增強其競爭力的作用［1］。學術界對制造業和服務業兩者空間關系的研究聚焦于空間互動關系，形成了區位上的集聚和分離兩種觀點。

一種觀點認為，制造業和服務業存在空間集聚趨勢，如Selya［2］指出，制造業傾向選址于有生產性服務業的城市，特定城市的制造業可能遷徙至配套生產性服務業聚集的臨近城市；陳娜等［3］、王碩［4］研究表明，生產性服務業與制造業在區位選擇上相互影響，其空間分布有協同效應，但該效應在不同規模城市間存在差異；陳建軍等［5］通過構建聯立方程得出兩者存在協同定位關系，具有空間關聯的集聚效應，但該效應受城市規模和運輸成本的影響。

另一種觀點認為，制造業和服務業存在空間分離現象，如Bhagwati［6］指出，信息網絡技術的發展使生產性服務的輻射面變廣，兩者地理鄰近性趨勢減弱；安樹偉等［7］從城市尺度研究發現，金融和商業流通等高端生產性服務業并不一定集中在制造業周圍，兩者具有空間可分性；宋昌耀等［8］指出，目前高端生產性服務業主要集聚在少數超大城市；Noyelle 等［9］強調兩者區位選擇動力機制不同，當制造業企業發生遷移時，部分生產性服務企業繼續留在大都市；席強敏等［10］基于省域和城市的數據研究得出，在都市圈和單個城市內均存在“中心-外圍”的產業布局現象，生產性服務業主要集聚在中心區。此外，還有部分學者從動力機制角度研究指出大型制造企業的區位選擇受多方面因素影響，例如城市的經濟發展水平、交通通達性、科教水平等因素，其中金融服務等服務業發展水平是影響制造企業總部區位選擇的重要因素［11］，但制造業的集聚并非解釋服務業區位的主要因素，因為生產性服務業的需求市場并非制造業一個，另外生產投入不依賴制造業產品［3］。

綜上所述，已有關于制造業和服務業空間關系的研究，大多是基于區域和城市的宏觀經濟數據，而從企業微觀角度切入的較少；在研究方法上，主要基于協同集聚度、聯立方程等空間計量方法。而隨著中國經濟市場化的進一步推進，制造業對市場性服務需求增加，從企業層面來看，制造業與服務業會有怎樣的空間布局關系，這樣的空間關系隨時間推移會出現什么變化及兩者的空間差距變化如何？本研究以2005—2017 年中國制造業500 強和服務業500 強企業為樣本，借助重心模型和空間熱點等方法，分析服務業與制造業企業的總部空間分布特征及其動態演化，進而構建計量模型探討服務業對制造業空間布局的影響。中國制造業500 強企業是中國制造企業的優秀代表，是科技創新的主體，由其可以反映目前中國實體經濟的情況，而中國服務業500強企業可以反映中國服務業總體發展水平，研究兩者的選址及總部時空格局演變可以看出兩者區位分布及關聯性，對促進區域經濟及產業結構優化具有重要的現實意義。

2 數據來源與研究方法

2.1 數據來源

本研究數據主要來源于中國企業聯合會、企業家協會在2005—2017 年間發布的《中國500 強企業發展報告》，同時通過查詢樣本企業官方網站和全國企業信用信息公示系統，得到樣本企業總部所在地址及其所屬行業等統計信息。實證部分涉及的有關城市數據來源于歷年的各地級市統計年鑒和《中國城市統計年鑒》。另外，綜合樣本企業總部所處地區、郵編、名稱等多方面信息來識別企業總部區位，借助百度地圖API 控制臺，獲取企業經緯度坐標，并通過MATLAB 軟件計算企業每年的重心坐標、移動距離和角度，提高研究結果的精確性。

2.2 研究方法

2.2.1 空間熱點分析

運用熱點分析（Getis-Ord Gi*）方法，通過計算Gi*指數來分析樣本企業集聚熱點區域的變化情況。Gi*指數用以分析區域的空間異質性，檢驗局部單元是否有顯著的空間集聚性。一般需要對Gi*指數進行標準化處理得到Z值，若為正值且該值越大，表明這個區域屬于高值空間集聚區（即熱點區）；若為負值，則說明該區域為低值空間集聚區（冷點區）［12］。Gi*指數表達式如下：

式（1）中：Wij為權重指數；Xj為各區域樣本觀測值；i、j分別均為區域索引。式（2）中，E（Gi*）為Gi*的期望值。

2.2.2 重心模型

重心模型是借鑒力學原理，首先賦予二維空間內各研究對象不同的權重，通過計算其地理坐標的加權平均得到重心位置［13］，通過對重心位置的比較可以直觀地反映研究對象的分布和變化特征。本研究引入“重心”的概念來探討樣本企業總部區位分布的動態變化過程。樣本企業重心的計算過程如下：假設研究區域單元數量為n；x和y分別為所在城市的經度和緯度，第i個區域單元中心城市的地理坐標為（xi,yi）；mi表示第i個區域單元要素屬性值，可為人口、地區生產總值（GDP）等，本研究中指樣本企業營業收入。則第i個區域單元的重心坐標() 為：

2.2.3 重心偏移模型

樣本企業的重心位置確定后，可從移動方向和移動距離分析其重心演變特征。移動方向計算公式如下：

式（5）中：θ為第t+1 年相對于第t年的重心偏移角度，；k為調整系數，k=0,1,2。并定義第一象限為東北方向，第二象限為西北方向，第三象限為西南方向，第四象限為東南方向。

d為兩個相鄰年份間的重心偏移距離，計算公式如下：

式（6）中c=111.111，表示由地球表面的坐標轉化為平面距離的系數。

為了得到樣本企業重心變化的相關性，首先分別計算相鄰年份服務業樣本企業重心變化矢量和制造業樣本企業重心變化矢量，定義相關度指標R為兩者之間的矢量點積，即：

3 企業總部空間格局演變特征

3.1 基于空間熱點分析的分布特征

為探究樣本企業集聚熱點區域變化情況，根據熱點分析方法計算樣本企業2005、2011、2017 年的Gi*統計量Z值得分，采用自然斷點法將Z值分成5類，得到兩類企業空間分布的冷熱點變化圖（見圖1 和圖2）。從整體上看，制造業500 強企業總部分布的熱點區主要集中在長三角與環渤海地區，而其他絕大部分區域一直為冷點區。具體來看，2005 年熱點區和次熱點區主要分布在長三角和環渤海地區；2011 年南通、鹽城、揚州從次熱點區變為熱點區，徐州、蚌埠從次冷點區轉為次熱點區，長三角地區內熱點區和次熱點區數量增加，中西部地區部分中心城市從冷點區變為次冷點區；2017 年環渤海地區的熱點區數量減少6 個，其中承德、張家口、邢臺、青島等從熱點區轉為次熱點區，長三角地區的熱點區數量持續增加，南京、鎮江、常州及蕪湖、馬鞍山變為熱點區，中部地區的景德鎮進入熱點區，珠三角地區的部分城市變為熱點區，珠海、江門、茂名、福州等變為次熱點區，西部及東北地區大部分城市轉為冷點區域。服務業500 強企業總部分布的熱點區集中在環渤海、長三角和珠三角地區。其中，2005 年熱點區分布在環渤海地區15 個城市，次熱點區集中在長三角地區；2011 年熱點區向南移動，長三角地區內熱點區增加到6 個，環渤海地區內熱點區銳減為6 個，北京和河北、山東的大部分城市轉為次熱點區；2017 年珠三角地區內6 個城市從次冷點區變為熱點區，分別為廈門、南寧及廣東的廣州、深圳、惠州、汕頭4 個城市，廣東近幾年在服務業領域持續發力，從原來的加工貿易向整個供應鏈領域快速發展，另外廣東和廣西內共有5 個城市從冷點區變為次熱點區。

圖1 中國制業500 強企業空間冷熱點分布

圖2 中國服務業500 強企業空間冷熱點分布

比較兩類企業熱點區分布變化可看出，2005—2017 年制造業和服務業企業熱點區和次熱區呈現向南移動趨勢，環渤海熱點區數量逐漸減少，長三角是兩類企業總部分布共同的熱點區。制造業和服務業企業總部熱點區及次熱區變化較大省份集中在北部和東南部地區。

3.2 基于重心模型的總部空間演變分析

在對樣本企業總部進行空間熱點分析后，進而采用重心模型來探討兩類企業總部空間動態演變。首先依據式（3）和式（4）分別計算樣本企業總部2005—2017 年重心坐標，并制作出兩者重心移動軌跡圖。圖3 顯示，樣本制造業企業總部重心分布在北緯33.60°～35.01°和東經116.50°～117.06°范圍內，位于華東地區。其中，2005 年企業總部重心位于安徽宿州，之后至2011 年總體向西北方向移動，2011 年企業總部重心位于山東濟寧魚臺縣，2011—2017 年整體向西南移動，2017 年企業總部重心位于安徽東北部的宿州碭山縣附近。樣本服務業企業總部重心范圍為北緯34.47°～36.23°和東經116.14°～116.61°，位于華東地區。2005 年企業總部重心在山東濟南，之后整體向南偏西方向移動，2017 年企業總部重心位于河南商丘附近。可以看出，制造業和服務業樣本企業的總部重心位置在研究期間不斷接近。

其次，依據式（5）和式（6）分別計算2005—2017 年樣本制造業和服務業企業總部重心移動方向和移動距離，結果如表1 所示。從移動方向來看，制造企業總部重心先向西北方向移動，2011 年后向西南方向移動趨勢明顯，2014—2017 年略向東南方向移動，這是由于很多技術密集型企業入圍制造業500 強，而這些企業主要集聚在東南地區，導致總體方向略微改變；而服務業企業總部重心2005—2008年先向東南方向移動一次，之后一直向南移動，主要向西南方向，整體偏移-99.4°。從移動距離來看，兩者不同年份存在差異，進而速度也不同。其中，制造業企業重心2008—2011 年移動距離較大、移動速度最快，這期間由于北部沿海經濟區尤其是山東的制造企業總部不斷增多，增加速度快于南方地區，2011 年后隨著東南地區經濟的快速發展，許多制造企業入圍500 強，企業總部重心向南移動趨勢顯著、移動速度加快；而服務業企業總部2005—2008 年向東南方向移動43.01 km，2008—2017 年間向西南方向移動距離較大，移動速度逐年加快，這一方面是東北地區入圍服務業500 強企業數量持續減少，另一方面是南部地區例如廣東、廣西入圍服務業500強企業數量增加。

表1 樣本企業總部重心移動距離與方向

為了得到兩類樣本企業總部重心變化的相關性，首先根據式（7）計算相鄰年份服務業企業重心變化矢量和制造業企業重心變化矢量，從圖3 可看出兩者重心變化相關度數值由負到正單調遞增，說明兩者重心變化的相關度增強，空間關系不斷增強。具體呈現如下特點：（1）兩者在經度和緯度方向都有移動，重心距離不斷減小，地理鄰近性加強；（2）兩者重心變化具有階段性特征，制造業企業重心在2011—2017 年向南偏移，服務業企業重心總體向南移動，兩者重心近幾年均向南方向位移，在南北方向移動一致；（3）兩者空間相關性逐漸增強。

圖3 樣本企業總部重心演變軌跡

4 服務業企業對制造業企業總部空間格局影響分析

4.1 區位選擇模型

工業區位論的典型代表人物有韋伯、廖什等。其中，韋伯［14］在1909 年提出工業區位最基本理論，指出影響工業布局的因素有運費、勞動費用、集聚因素等，費用最小點即是最佳區位點；廖什強調工業生產地應選擇能獲取利潤最大的區域［15］。傳統工業區位論提出的觀點建立在“理性人”和“完全信息”的假設之上，但這往往有悖于現實情況；其次，傳統區位論僅對經濟因素例如運費、人工費用等較為關注，而沒有考慮非經濟因素的影響［15］，對此，后續的區位研究考慮了行為、政策等非經濟因素的影響，典型代表有史密斯的收益性空間界限分析理論、普雷德的行為矩陣等。

關于區位選擇模型，Wu［16］提出區位選擇可以認為是區位影響要素的效用函數，并首次采用該模型研究外資企業在廣州內部的區位選擇，之后王俊松［17］、謝敏等［18］運用該模型來分析企業區位選擇。本研究結合相關理論，以地級市為單位，根據樣本制造業企業主要分布的城市數量，最終選擇其中173個研究單元作為研究對象，包括東部、中部和西部等絕大部分區域。以制造業500 強企業數量為因變量，以影響因素為自變量，采用計數模型來分析服務業500 強企業對制造業500 強企業空間分布的影響。由于樣本企業數量為離散數據，通常采用泊松模型，假設第i個研究區域內的制造業企業數量服從參數為λi的泊松分布，因變量Yi觀測值yi的概率（P）為：

采用泊松回歸模型的前提是因變量的方差與期望相等，但實際數據很難符合該條件，經檢驗后若因變量的期望和方差不相等，可用負二項模型替代泊松回歸模型來估計。負二項模型設置如下：

式（9）中：offset 為偏移量；k服從均值為0、方差為α的伽馬分布；β為自變量的回歸系數。

4.2 變量選取

現代服務業對制造業生產業務開展具有支撐作用，服務業發達的區域有利于制造業企業總部的發展。借鑒高孟立［19］的研究，用交通運輸倉儲郵政業，信息傳輸、計算機服務和軟件業，金融業，科學研究、技術服務和地質勘查業代表生產性服務業，分析樣本生產性服務業企業對制造業企業總部區位的影響。綜合數據的可獲取性和完整性，主要考察以下影響因素：（1）交通運輸服務水平。發達的交通運輸可為制造企業提供優質的服務，借鑒學界通常做法，采用城市貨運總量來表示。（2）金融服務水平。寬松的融資環境有利于企業籌集資金，采用年末金融機構貸款余額來表示。（3）科技服務水平。科技水平反映城市的創新能力，城市科技服務水平的提高有利于制造企業總部研發創新業務的開展，采用城市創新指數來表示［20］。（4）信息網絡服務水平。發達的信息服務與網絡設施有利于制造企業總部快速獲取信息并作出科學決策，參照陸大道［21］的做法，選取人均電信業務收入、互聯網用戶數來衡量。（5）科教資源。企業發展需要人力資本，科學教育可為企業培養高素質人才，人力和教育資源的富集程度影響企業總部區位，選取城市擁有高等學校數量來表示。（6）區位因素。便捷的交通通達性可為企業節約交易和運輸成本，選取公路里程數來量化。具體的變量設定詳見表2，在計量模型采用對數的形式，以使數據更加平穩。

表2 樣本企業區位選擇模型變量設計

4.3 結果分析

為了排除自變量間的多重共線性問題，采用Spearman 相關系數矩陣檢測自變量之間相關性，結果顯示（見表3）各自變量間不存在嚴重的多重共線性，可同時引入模型。

表3 樣本企業區位選擇模型自變量相關性分析

考察因變量的統計特征發現，樣本變量的方差大于樣本均值，不符合泊松分布“因變量方差與均值相等”的假設，說明采用柏松模型不太適合，因此采用負二項回歸替代泊松模型，模型檢驗結果見表4。具體來看，2005 和2017 年的檢驗結果均高度顯著，其中交通運輸服務水平對樣本制造業企業總部區位的影響顯著為正，作用系數從2005 年的0.256上升到2017 年的0.649，說明企業總部傾向布局在交通運輸業發達的城市，該傾向愈加顯著表明交通運輸的發達程度仍是企業總部區位選擇考慮的重要因素；金融服務水平在1%顯著性水平下為正，系數從0.319 增加到0.830，因為制造企業生產業務的開展需要資金支持，發達的金融業便于企業總部獲取外部融資，對制造企業總部入駐有較強吸引作用；科技服務水平對制造業企業總部的區位影響從2005年的無顯著性到2017 年的顯著為正，作用系數為0.268，說明城市創新能力對制造業企業總部空間分布的作用顯著增強，而在國家創新驅動發展戰略的引導下，大型制造企業轉向智能制造，借助科學技術進行轉型升級，大力推進業態創新、商業模式創新和管理創新，城市科技水平的提高能夠為其發展提供支撐，因此制造企業總部傾向布局在創新能力得分較高的城市；關于信息網絡服務水平，人均電信業務收入對制造企業總部區位分布不存在顯著影響，互聯網用戶數的影響僅在2005 年顯著為正，這是由于目前大部分城市都普及互聯網，通信網絡服務發展較均衡，原來存在的絕對優勢有所減弱；另外，區位因素對制造企業總部的吸引作用僅在2005 年顯著，這可能與本研究選取的指標有關系，區位因素反映的是陸路交通的通達性；科教資源對制造企業總部分布在2017年呈顯著的影響，作用系數為0.256，這說明近幾年高校或科研機構對企業發展的貢獻度有所增加，但該作用相對較小，須進一步促進兩者融合發展，發揮高校的人才培養作用，同時加快科研成果轉化以促進制造企業發展。

表4 樣本制造企業總部區位選擇模型估計結果

表4（續）

5 結論

本研究采用2005 年至2017 年間中國制造業和服務業500 強企業的微觀數據，運用空間熱點分析、重心模型等方法，通過分析兩類企業選址及總部空間演變來剖析兩者空間布局演化及其關聯性，并選取與制造業密切相關的生產性服務業，采用負二項回歸模型分析服務業對制造業企業區位選擇的影響。主要得到以下結論：

（1）2005—2017 年間，中國制造業和服務業500強企業主要集聚在環渤海、長三角和珠三角地區。從熱點分布來看，制造業企業總部熱點區集中在長三角和環渤海地區，但2011—2017 年環渤海地區內熱點區數量減少；服務業企業總部熱點區在2005 年集中于環渤海地區，2011 年環渤海地區內熱點區數量驟減，2011—2017 年熱點區以長三角為主，珠三角地區有日益增強趨勢。總的來看，兩類企業總部熱點區和次熱點區均呈現向南移動趨勢，長三角地區是兩類企業總部分布共同的熱點區。

（2）企業總部重心變化呈現階段性特征，制造企業總部重心在2005—2011 年總體向北位移、2011—2017 年向南偏移，服務業企業總部重心總體向西南移動，兩者企業總部重心近幾年均向南位移，在南北方向移動一致；其次，兩者重心位置差距減小，空間相關度增強。制造業和服務業企業空間關系發生變化的原因，一方面是由于區域經濟發展的不平衡，入圍500 強的企業名單每年有所不同，分地區來看，東北地區入圍企業的比重均減少，南部入圍企業比重增加，導致兩者企業總部重心位置發生改變；另一方面，服務業的發展對制造業企業區位選擇有一定的影響，制造業企業總部重心移動趨勢在近幾年隨著服務業企業變化而有所改變，兩者空間分布一致性增強。

（3）城市的金融服務、交通運輸、科技服務的水平等對制造業企業總部區位選擇存在顯著影響，其中科技服務水平的影響顯著增加，因為科技水平反映城市的創新能力，城市創新能力的提升能為制造企業轉型升級提供支撐，而信息網絡服務的作用減弱，科教資源在2017 年產生顯著影響。這說明制造業企業總部傾向布局在高端生產性服務業水平較高的區域，制造業對服務業的區位選擇存在依賴性。制造業的發展需要服務業的支持，尤其在信息技術與制造業深入融合的情形下，推動建設科技創新、現代金融、現代化交通等協同發展的城市服務體系能為制造業發展創造良好的環境。同時，充分發揮市場配置資源的決定性作用，順應科技革命要求，深化業務關聯、鏈條延伸、技術滲透，以促進先進制造業和現代服務業耦合共生，有利于為中國經濟實現高質量發展夯實產業基礎。