制造業與生產性服務業聚集及空間可分性研究——以深圳市為例

章 文，李 彥，張 莉

(1.中山大學地理科學與規劃學院，廣東廣州510275;2.廣東省城市化與地理環境空間模擬重點實驗室，廣東廣州510275;3.深圳行政學院，廣東深圳518034;4.深圳市財政委員會，廣東深圳518034)

一、引 言

城市產業空間結構的演變伴隨著城市中產業的成長和產業結構的演變表現出來，城市產業結構和產業成長最突出的特點就是從制造業經濟到服務經濟的演變，生產性服務業在國民經濟發展中具有舉足輕重的地位，已成為現代城市尤其是國際性大都市的重要特征。從制造經濟到服務經濟正是分工不斷發展深化的表現，在此過程中，由于信息技術、交通物流的快速發展，引起了城市空間的重構，生產性服務業和制造業在追求集聚經濟的同時，也引發了空間可分性現象。

產業聚集是有一定聯系或同類企業在空間上鄰近的經濟地理現象，產業［1］和經濟［2］空間聚集可以利用基于空間鄰近矩陣的Moran指數和LISA(local indication of spatial association)圖進行判別，但產業間的空間可分性研究還停留在定性分析階段。邱靈等基于北京市生產性服務業和制造業企業的LISA圖初步判斷了兩者具有空間可分性［3］;周鵬等運用生產性服務業與制造業的行業集中度CR相關系數來判斷兩者整體空間布局的相關性［4］。目前產業空間可分性的定量分析仍較為缺乏。

本文以深圳市為例，在構建制造業與生產性服務業企業空間化信息的基礎上，以Moran指數及其變體雙變量Moran指數為空間統計分析方法，探索制造業與生產性服務業聚集的熱點區域，并以定量測度的形式研究兩者間的空間可分性問題。

二、數據收集和空間化處理

按照數據的可得性及研究的角度不同，現有研究對生產性服務業劃分也有所不同［5］。本文按照《國民經濟和社會發展第十二個五年規劃綱要》中分類方法，將生產性服務業分為金融服務業、現代物流業、高技術服務業和商務服務業，對應于《國民經濟行業分類》(GB/T 4754—2002)字母分類代碼分別是:J金融業，F交通運輸、倉儲和郵政業，G信息傳輸、計算機服務和軟件業，L租賃和商務服務業。以此作為生產性服務業的歸類依據，從企業注冊登記基本數據中根據行業分類代碼篩選出深圳市制造業企業85 781家和生產性服務業企業106 304家，并關聯到深圳市58個街道級城市空間網格中(如圖1所示)，形成匹配度較高的產業空間數據庫作為制造業和生產性服務業空間聚集和空間可分性測度實例數據來源。

圖1 深圳市制造業與生產性服務業空間分布柱狀圖

三、研究方法

1.Moran指數

Moran指數［6］是用來度量產業空間自相關的常用全局指標，它反映的是空間鄰接或空間鄰近區域單元產業屬性值的相似程度，能夠探索產業等要素的空間聚集模式［7］。設空間單元i上產業企業數觀測值為xi，則產業的全局Moran’s I用下式計算

式中，n是產業屬性樣本觀測數;wij為空間單元i、j之間的空間鄰接矩陣x )2。全局 Moran’s I的取值在［-1，1］，小于 0 表示負相關，大于0表示正相關，等于0表示不相關，即空間隨機分布。

為彌補全局性的產業空間自相關Moran’s I方法只能解決“產業是否存在空間聚類”問題的不足，局域性聚類分析方法的提出可以直觀呈現和分析產業聚類具體位置和范圍。局域聚類指標Local Moran’s I可用來識別具有統計顯著性的局域熱點、冷點和空間異常值的具體位置及程度。局部Moran指數Ii定義為

2.雙變量Moran指數

在空間自相關Moran指數基礎上，參見單變量方程可以構造出雙變量Moran指數［8］。雙變量Moran’s I揭示了給定空間單元上屬性值與鄰居上其他屬性值的相關性，因此可作為刻畫產業空間分異的有效工具。全局雙變量Moran’s I對應的產業空間自回歸統計量為

局域雙變量產業Moran空間相關指數為

3.Moran散點圖

散點圖在數據分析中是較為常用的一種圖形可視化方法，當散點圖的橫軸表示一個變量在不同位置上觀測值標準化向量z，縱軸表示該變量的空間滯后因子 Wz時，就構成了 Moran散點圖(Moran scatterplot map)［9］。以(z，Wz)為坐標點的 Moran 散點圖常用來表示要素空間關聯總體平穩程度。Moran散點圖相對于其他空間分布分析方法，優勢在于能夠具體區分空間單元和其近鄰單元上產業屬于高值-高值、低值-高值、低值-低值、高值-低值之中的何種空間聯系形式。Moran散點圖對產業觀測標準化值z和空間滯后因子Wz進行了可視化的二維圖示，全局Moran’s I可以看作是 Wz對于z的線性回歸系數，對Moran’s I具有強烈影響的空間單元可以通過參與標準回歸來診斷。對應于Moran散點圖不同象限，可將研究區域劃歸到不同的空間聯系類型［10］。Moran散點圖的4個象限分別對應于空間單元與其鄰近單元之間4種類型的局部空間聯系形式:第Ⅰ象限代表了企業數高值的空間單元被同是產業屬性高值的區域所包圍的空間聯系形式，即高值-高值象限;第Ⅱ象限代表低值-高值象限;第Ⅲ象限代表低值-低值象限;第Ⅳ象限代表高值-低值象限。

四、產業空間聚集性分析

1.制造業聚集模式

通過GeoDa 1.4計算得到深圳市制造業Moran’s I值為0.593，說明制造業具有較強的空間自相關性。從Moran散點圖(如圖2(a)所示)可以看出影響Moran指數值的影響因子主要為第Ⅰ象限的高-高值散點，結合LISA圖(如圖2(b)所示)，深圳市制造業為顯著高-高聚集的區域主要集中在靠近東莞的寶安區(含龍華新區)的新安、西鄉、福永、石巖、沙井、公明和松崗街道，以及南山區的西麗街道等8個街道，占全市街道網格總數的14%，這些空間單元位于Moran散點圖第Ⅰ象限(高-高值象限)，對周邊區域具有產業擴散效應。制造業低-低塌陷區域主要在羅湖區的翠竹、黃貝、蓮塘街道，福田區的梅林街道，鹽田區的海山、沙頭角街道，以及大鵬新區的大鵬街道等，這些街道以發展商業、高新技術業和旅游業為主。從整體地理區位分布上來看，制造業高-高值聚集分布格局位于城市中心外圍區域，在空間上鄰近深圳西北向同為制造業較發達的東莞地區，反映了同類經濟活動空間上趨向集中，城市間產業引力效應明顯。而東北部的惠州由于制造業相對不發達，對深圳市制造業的互引力也較弱，因此深圳東部制造業空間自相關性不夠明顯。

圖2 深圳市制造業聚集性測度

2.生產性服務業聚集模式

深圳市生產性服務業 Moran’s I值為 0.365，具有一定的空間自相關性。從生產性服務業Moran散點圖(如圖3(a)所示)可以看出，其Moran’s I值同樣主要受第Ⅰ象限的高-高聚集的影響，LISA圖(如圖3(b)所示)顯示出深圳市生產性服務業高-高值主要聚集在福田區的沙頭、福田、南園、華強北、蓮花街道和羅湖區的桂園、東門等7個街道，占全市街道網格總數的12%。生產性服務業低-低值塌陷區主要在東部的大鵬、葵涌、坪山、鹽田等街道，這些街道服務業還有深入開發的潛能。深圳市生產性服務業企業空間集聚在位于毗鄰香港的南部區域，這種空間上的靠近有助于深圳自發展伊始便能方便地從香港獲得生產性服務業發展所需的信息、人才和資金等支持，形成了循環積累因果式的促進集聚力量。而基于CEPA框架下深港合作備忘錄的簽定及配套政策的實施，標志了深港區域經濟一體化程度的加深，這進一步強化了深圳市生產性服務業空間聚集的路徑依賴。

圖3 深圳市生產性服務業聚集性測度

五、空間可分性測度

本文分別討論了深圳市制造業和生產性服務業的分布格局，測度結果表明兩者各自均具有較為明顯的空間自相關性，并呈現出不同的空間聚集特征，那么制造業和生產性服務業之間是否具有空間關聯性或可分性，則需要對兩者間的空間相關性進行計量。以制造業為空間相關被解釋變量，測度其對生產性服務業的空間依賴性，經計算得到制造業與生產性服務業雙變量 Moran’s I為-0.046，全局 Moran’s I值接近為0，表示生產性服務業對于制造業而言幾乎無空間相關性，空間關系呈隨機分布。同理可以計算出制造業對生產性服務業的全局雙變量Moran’s I為-0.089，也接近為 0。換句話說，深圳市制造業和生產性服務業空間相互依存性較弱，空間分布上有著顯著的可分性。Moran散點圖(如圖4(a)所示)顯示第Ⅰ、Ⅱ、Ⅲ、Ⅳ象限的散點均較為靠近原點，雖有離群值存在，但由空間觀測標準化值和滯后量值構成的坐標系中樣本散點的線性回歸直線近乎緊貼橫軸，即Moran’s I接近為0;在LISA集聚圖(如圖4(b)所示)中，雖有個別街道屬于高-高值聚集區域，但占比較小，僅占總數的5%，且不能對全局Moran’s I值的大小產生影響。通過全局和局域雙變量Moran’s I的計算可以判定出深圳市制造業與生產性服務業具有空間可分性特點。

圖4 深圳市制造業與生產性服務業空間可分性測度

六、結束語

綜上所述，首先Moran’s I值可以表征產業空間自相關性的強弱，Moran散點圖能夠解釋偏離全局空間模式的局部空間關聯類型和局部空間關聯是否穩定，以及影響Moran’s I值的是以高-高值聚集為主還是其他類型空間聯系為主，LISA圖則將產業聚集情況投影到街道格網單元上，直觀顯示出具有產業擴散效應的高-高值聚集所在區域。以此衍生出來的雙變量Moran’s I、散點圖及其LISA圖揭示的是一個產業屬性變量與其他產業屬性變量的空間相關性，據此可以作為生產性服務業與制造業空間可分性測度判別依據。此外它還具有直觀、可視化等特點。

從深圳市的產業實例中可以看到，深圳市制造業在靠近東莞的寶安等區街道上高-高值聚集，生產性服務業則在靠近香港的福田、羅湖部分街道呈現高-高值聚集，深圳市制造產業和生產性服務業因區位指向、內在聯系和對規模經濟的追求在地理空間上形成了集聚現象，這也與城市內部的區位條件和城市外部產業環境有關。雙變量Moran’s I空間相關性分析則表明該兩者間沒有顯著的空間相關性，或者說深圳的制造業和生產性服務業具有空間上的可分性，從而定量描述出產業間的空間關聯程度。制造業和生產性服務業的聚集關聯模式及兩者空間可分性研究對推動城市產業升級、優化產業規劃布局有著積極的理論參考和實踐指導意義。

［1］欒貴勤，高志強.江蘇省生產性服務業發展差異的空間統計分析［J］.開發研究，2012(4):59-62.

［2］王全.基于ESDA的上海地區經濟關聯模式研究［J］.測繪科學，2011，36(5):95-97.

［3］邱靈，申玉銘，任旺兵.北京生產性服務業與制造業的關聯及空間分布［J］.地理學報，2008，63(12):1299-1310.

［4］周鵬，余珊萍，胡凱.生產性服務業與制造業空間布局升級間相關性分析［J］.統計與決策，2011(5):93-95.

［5］吉亞輝，李巖，蘇曉晨.我國生產性服務業與制造業的相關性研究——基于產業集聚的分析［J］.軟科學，2012，26(3):15-19，38.

［6］MORAN P.Notes on Continuous Stochastic Phenomena［J］.Biometrika，1950，37(1):17-23.

［7］周天墨，付強，諸云強，等.空間自相關方法及其在環境污染領域的應用分析［J］.測繪通報，2013(1):53-56.

［8］ANSELIN L，SYABRI I，SMIRNOV O.Visualizing Multivariate Spatial Correlation with Dynamically Linked Windows［C］∥Proceedings of the Specialist Meeting In New Tools for Spatial Data Analysis.Santa Barbara:University of California，2002.

［9］ANSELIN L.The Moran Scatterplot as an Esda Tool to Assess Local Instability in Spatial Association［C］∥Gisdata Specialist Meeting on GISand Spatial Analysis.Amsterdam，the Netherlands:West Virginia University，1993.

［10］張連均，張晶，侯曉慧，等.江蘇省人口分布的空間自相關分析［J］.首都師范大學學報:自然科學版，2010，31(4):7-10.