京津冀地区制造业集聚的时空演化特征和差异性分析

2015年国家提出京津冀协同发展战略,产业协同是推进这一战略的先行领域,因此产业在该地区的集聚与分散受到学界的广泛关注。论文利用全国3次经济普查数据,基于企业的空间位置信息,运用DO指数方法研究了京津冀地区制造业集聚的时空演化特征并对比分析了集聚特征在区域、行业、企业间的差异性。研究表明： ① 2004—2013年京津冀地区制造业集聚的比例从69.0%提高到82.8%,集聚多发生在0~50 km的范围。随着集聚范围逐渐扩大,集聚强度逐渐减弱,下降幅度达到25.9%。② 在区域层面,集聚更容易发生在北京、天津2个直辖市;在行业层面,集聚更容易发生在技术密集型和劳动密集型的制造业且集聚范围更短;在企业层面,集聚更容易发生在小企业。③ 2004—2013年京津冀地区已经出现了制造业从北京、天津向河北扩散的趋势,特别是一些技术水平较低、劳动力需求较大的制造业,表明在2015年提出京津冀协同发展战略是适宜的。     

京津冀城市群制造业结构变迁与空间集聚影响因素分析

运用修正的地理集聚指数(EG),并通过构建空间滞后模型(SLM)和空间误差模型(SEM)等空间计量方法,综合分析京津冀城市群制造业空间变化趋势与集聚影响因素。研究发现:①"京津双城"技术密集型制造业转移扩散特征明显;②资本要素对京津冀城市群制造业集聚有显著促进作用,知识密集度的影响不显著,劳动要素密集度的影响为负;③金融利率高低与制造业集聚呈显著负相关关系;政府干预度和宏观税负对制造业集聚有正向影响效应;④交通基础设施与市场规模与京津冀城市群制造业集聚有正相关性,而外商直接投资(FDI)与京津冀城市群制造业集聚呈现负相关关系。     

京津冀地区制造业空间格局演化及其驱动因素

京津冀地区产业转移升级、协同发展和先进制造业深度融合发展战略对制造业产业集群的空间布局提出更高要求.论文基于2000-2013年京津冀地区规模以上工业企业微观数据,运用核密度分析法和面板数据回归模型等方法,探究京津冀地区制造业空间格局演化特征及其驱动因素.结果表明:①京津冀地区全部制造业总体格局相对稳定,高值区集聚于京...     

基于企业点数据的在京日企空间集聚模式

基于驻京日企微观空间数据,根据企业母公司所属行业类型,对比探析不同行业企业的空间集聚/分散态势及其演化趋势,利用DO指数法,科学测定在京日企空间集聚范围。研究发现：（1）在“纯距离”条件下,原材料密集型制造业集聚尺度为35-60km,资本和技术密集型制造业集聚尺度为20-28km,生产性服务业的集聚尺度为10-18km,而生活服务业空间分布则较为随机;在考虑企业规模条件下,各个行业集聚尺度则大相径庭,集聚（分散）指数显著升高;（2）服务业与制造业之间存在明显的互斥现象,对于制造业而言互斥状态并不显著,但对于服务业而言在空间上与制造业存在明显的互斥现象,且互斥尺度发生在22-28km上;（3）随着时间的推移,原材料密集型制造业在空间上的分布模式基本趋于稳定,资本和技术密集型制造业新-老企业在空间上愈发集聚,共聚尺度发生在18—30km范围内;生产性服务业与生活服务业的新-老企业分布模式基本相似,新入驻企业依托于前期入驻企业,接触扩散、就近分布,在空间上趋于共栖。     

京津冀都市圈人口集聚与扩散及其影响因素——基于区域密度函数的实证研究

人口集聚与扩散是诠释区域形态和空间结构的重要方面,对其研究有助于理解区域空间结构特征及演变趋势。本研究使用区域密度函数考察京津冀都市圈人口集聚与扩散的特征、趋势及模式,并在其基础上建立计量模型,分析人口集聚与扩散的影响因素。多中心区域密度函数的估计结果显示,京津冀都市圈空间发展正逐步由20世纪80年代的少数核心城市主导的向心集聚阶段,向90年代的多中心集聚与核心城市腹地扩散并存的阶段转变。而且,不同层次的中心城市表现出不同的人口集聚与扩散模式,即去中心化扩散、中心增长型扩散和向心集聚。多中心区域密度函数综合考虑多个中心城市对区域人口密度分布的影响,可以更准确地反映京津冀都市圈人口集聚与扩散的特征及变化趋势。同时,本研究建立动态VPM(Varying Parameter Model)模型,考察区域中心城市的社会经济属性对人口集聚与扩散的影响。其结果显示,区域中心城市人口集聚与扩散主要受城市规模、经济发展及结构调整以及对外交通条件等因素的影响。     

创新要素集聚对京津冀农业科技协同发展的影响

促进农业科技创新要素跨区域流动、重组和整合,是京津冀城市群都市农业高质量发展的关键。在分析京津冀农业科研院所创新要素集聚和流动特征的基础上,通过对京津冀农业科技创新效率分解,考察了创新要素集聚对京津冀农业科技协同发展的影响。研究发现:京津冀农业科技投入要素具有高集聚和弱流动性特征,创新要素高度集聚在北京地区的国家级农业科研院所,近年来农业研发人才集聚特征进一步增强。京津冀农业科技创新效率主要源于技术进步,规模效率贡献为负,创新要素集聚溢出效应不明显,北京对周边区域辐射带动作用有限。建议未来从建立协同发展长效机制、营造科技人才跨区流动综合环境、细化农业创新资源开放合作清单和路径等方面构建京津冀新型农业科技创新合作网络。     

市场潜力、空间溢出与制造业集聚

为深入分析国内外市场潜力对于中国制造业集聚发展的重要影响,首先引入一个新经济地理学模型,从理论上分析国内外市场潜力对于制造业区位选择的影响,进而结合跨省面板数据,采用空间杜宾模型对中国省域国内外市场潜力对制造业集聚的影响效应进行经验论证。参数估计结果很好地证实了省域内的国内外市场潜力对制造业集聚的显著的直接促进作用以及省域间的国内市场潜力和国外市场潜力对制造业集聚的空间溢出效应。此外,实证结果也证实了交通基础设施和市场化程度对制造业集聚的直接促进作用,劳动生产率对制造业集聚的直接促进作用和正向溢出效应,实际工资水平对制造业集聚的直接和间接阻滞（负溢出）作用。基于地理距离空间权重矩阵和0-1邻接空间权重矩阵的估计结果具有一致性。文章最后指明了上述结论的政策含义。     

中国汽车制造业集聚与企业区位选择

本文利用2001-2009 年《中国工业企业数据库》中汽车制造业企业有关数据,对近10 年来中国汽车制造业的空间布局进行描述,利用地理集中度指数和EG指数对产业集聚水平进行测算和分析后,发现中国汽车制造业的空间集聚水平呈现不断下降的趋势,零部件及配件制造业的集聚水平对汽车制造业具有决定性和先导性影响。针对零部件及配件制造业的特点,构建了基于地级以上城市为空间单元的新建企业区位选择模型,进行估计后发现：① 中国不存在类似欧美日等国家整车和零部件企业邻近的空间集中集聚现象;② 零部件制造业的劳动密集型特点显著,不利于产业生产率和专业化水平提高;③ 在不考虑集聚经济的条件下,市场规模和地方保护对新建企业的区位选择影响非常显著。在这些原因的共同作用下,使得中国汽车制造业的专业化水平和空间集聚程度越来越低。     

珠三角地区先进制造业布局时空演变特征及其影响因素

基于2004—2018年4次经济普查年鉴中区县尺度的就业人员数据,采用密度、增长率、锡尔指数和全局莫兰指数,探讨珠三角地区区域、城市和区县层面先进制造业布局时空演变特征。研究发现：1）环珠江口地区和东岸密度相对于外围地区和西岸较高,但增速相近,2014—2018年为负增长。2) 9城市密度高低依次为：深圳>东莞>中山>佛山>珠海>广州>惠州>江门>肇庆;增速快慢依次为：肇庆>惠州>深圳>佛山>珠海>中山>东莞>广州>江门,2014—2018年深圳、佛山、中山、东莞、广州为负增长。3）空间分布由“核心-多层边缘”演变为“核心-多次核心-多层边缘”;广州和深圳密度分布出现郊区化;区县密度越来越高但增速越来越慢,2014—2018年84%区县为负增长;空间分布相关程度高但呈下降趋势;集聚程度中等偏上且呈上升趋势。区域和城市的政府鼓励政策、区位优势和港口优势的城市特性、集聚经济的企业特性,促进先进制造业集聚程度增强、密度增加、空间分布相关程度高以及多次核心出现;数字化和环境规制的政府优化政策、溢出效...     

京津冀地区与长三角地区制造业区域专业化特征分析

国内外有关区域专业化研究大多关于一个国家省区之间的专业化分工,对于一国之内经济区内部的区域专业化研究较少.然而,经济区内部分工是当前我国经济发展面临的热点问题,也是包括经济地理学在内的很多学科着力解释的重大议题.这里运用较为成熟的测度方法,以国家图书馆所能查到的最近的2003年各地市制造业分行业就业人口数据为数据源,测度描述区域专业化的区位基尼系数、区域专业化指数、区域分工指数等,综合全面地刻画"十一五"规划界定的京津冀地区和长三角地区区域专业化的行业特征和区域特征.另外,还比较了两个区域在专业化水平上的差异.     

Influencing factors of manufacturing agglomeration in the Beijing-Tianjin-Hebei region based on enterprise big data

Industrial agglomeration is a highly prominent geographical feature of economic activities, and it is an important research topic in economic geography. However, mechanism-based explanations of industrial agglomeration often differ due to a failure to distinguish properly between the spatial distribution of industries and the stages of industrial agglomeration. Based on micro data from three national economic censuses, this study uses the Duranton-Overman(DO) index method to calculate the spatia...     

Driving factors and spatiotemporal effects of environmental stress in urban agglomeration: Evidence from the Beijing–Tianjin–Hebei region of China

Environmental stress is used as an indicator of the overall pressure on regional environmental systems caused by the output of various pollutants as a result of human activities. Based on the pollutant emissions and socioeconomic databases of the counties in Beijing–Tianjin–Hebei region, this paper comprehensively calculates the environmental stress index(ESI) for the urban agglomeration using the entropy weight method(EWM) at the county scale and analyzes the spatiotemporal patterns and the differences among the four types of major functional zones(MFZ) for the period 2012–2016. In addition, the socioeconomic driving forces of environmental stress are quantitatively estimated using the geographically weighted regression(GWR) method based on the STIRPAT model framework. The results show that:(1) The level of environmental stress in the Beijing–Tianjin–Hebei region was significantly alleviated during that time period, with a decrease in ESI of 54.68% by 2016. This decrease was most significant in Beijing, Tangshan, Tianjin, Shijiazhuang, and other central urban areas, as well as the Binhai New Area. The level of environmental stress in counties decreased gradually from the central urban areas to the suburban areas, and the high-level stress counties were eliminated by 2016.(2) The spatial spillover effect of environmental stress increased further at the county scale from 2012 to 2016, and spatial locking and path dependence emerged in the cities of Tangshan and Tianjin.(3) Urbanized zones(development-optimized and development-prioritized zones) were the major areas bearing environmental pollution in the Beijing–Tianjin–Hebei region in that time period. The ESI accounted for 65.98% of the whole region, where there was a need to focus on the prevention and control of environmental pollution.(4) The driving factors of environmental stress at the county scale included population size and the level of economic development. In addition, the technical capacity of environmental waste disposal, the intensity of agricultural production input, the intensity of territorial development, and the level of urbanization also had a certain degree of influence.(5) There was spatial heterogeneity in the effects of the various driving factors on the level of environmental stress. Thus, it was necessary to adopt differentiated environmental governance and reduction countermeasures in respect of emission sources, according to the intensity and spatiotemporal differences in the driving forces in order to improve the accuracy and adaptability of environmental collaborative control in the Beijing–Tianjin–Hebei region.     

基于滞后变量模型的城市群建设用地增长对经济增长的滞后期和效应分析——以京津冀城市群为例

城市群建设用地增长对经济增长存在客观的时间滞后效应,即“用地投入—建设开发—效益产生—效益爬坡—效益稳定”的全周期过程。计算其滞后期长短和总效应大小,并挖掘导致差异的内在机制,对区域建设用地的供给与管理及经济社会的可持续发展具有重要意义。论文以1995—2017年京津冀城市群13个主要城市的统计数据为支撑,提出了建设用地增长对经济增长的滞后变量模型,定量确定了京津冀城市群各城市的滞后期长短、各滞后期的效应以及总效应,并发现了以下规律：① 城市群建设用地增长对经济增长存在普遍的滞后效应,滞后期在0~4 a;② 城市群建设用地增长对经济增长存在显著的正面效应,总效应介于1.66~49.5亿元/km2;③ 城市群建设用地增长对经济增长的滞后期和总效应均呈现出“中心—边缘”的空间分异特征;④ 滞后期主要与城市的等级和功能定位有关,高等级的中心型城市、中等级的副中心型城市和低等级的节点型城市对应的滞后期分别为4 a、2 a和0~2 a;⑤ 总效应主要与产业构成有关,城市产业高、中、低端对应的效应分别为30亿~50亿、10亿~20亿、1亿~10亿元/km2。     

An analysis of the differentiation rules and influencing factors of venture capital in Beijing-Tianjin-Hebei urban agglomeration

Under China’s innovation-driven development strategy, venture capital has become an important driving force in urban agglomeration integration and collaborative innovation. This paper uses social network analysis to analyze spatiotemporal differences of venture capital in the Beijing-Tianjin-Hebei urban agglomeration for the period 2005–2015. A gravity model and panel data regression model are used to reveal the influencing factors on spatiotemporal differences in venture capital in the region. This study finds that there is a certain cyclical fluctuation and uneven differentiation in the venture capital network in the Beijing- Tianjin-Hebei urban agglomeration in terms of total investment, and that the three centers of venture capital (Beijing, Shijiazhuang and Tangshan) have a stimulatory effect on surrounding cities; flows of venture capital between cities display certain networking rules, but they are slow to develop and strongly centripetal; there is a strong positive correlation between levels of information infrastructure development and economic development and venture capital investment; and places with relatively underdeveloped financial environments and service industries are less able to apply the fruits of innovation and entrepreneurship and to attract funds. This study can act as a reference for the Beijing-Tianjin-Hebei urban agglomeration in building a world-class super urban agglomeration with the best innovation capabilities in China.     

基于生态-经济权衡的京津冀城市群土地利用优化配置

探索生态保护与经济发展的权衡关系,并利用该权衡关系协调土地利用优化配置是解决城市群经济与生态协调发展难题的重要途径,已成为目前的一个研究热点。论文针对京津冀城市群生态友好型协同发展的需求,设置生态系统服务价值最大化和经济价值最大化2种优化目标,每种目标下再设置“生态保护”“统筹兼顾”“粮食安全”和“经济发展”4种土地利用情景,采用CLUE-S模型模拟2025年京津冀城市群在不同情景下的土地利用空间配置格局,及其生态系统服务价值、经济价值在不同目标的各种情景下的变化。研究结果表明：相比2015年,2025年在不同目标不同情景下,各类土地利用面积的数量变化和空间格局均有较大不同,且生态目标和经济目标下不同情景的土地利用配置不同。生态系统服务价值在生态目标生态保护情景下最大,为14423.58亿元;而经济价值则在经济目标经济发展情景下最大,为96771.49亿元。从土地利用变化的空间分布上来看,生态用地中林地与草地的增加多出现在坝上高原和燕山与太行山山地,水体的增加则主要分布在东部沿海地区。研究认为,生态效益与经济效益间存在权衡关系,基于生态-经济权衡的土地利用优化研究结果对未来京津冀城市群生态实践工作有较大的参考价值。     

Heterogeneity of water-retention capacity of forest and its influencing factors based on meta-analysis in the Beijing-Tianjin-Hebei region

Water retention is important in forest ecosystem services.The heterogeneity analysis of water-retention capacity and its influencing factors is of great significance for the construction of water-retention functional areas,restoration of vegetation,and the protection of forest ecosystems in the Beijing-Tianjin-Hebei region.A total of 1366 records concerning water-retention capacity in the canopy layer,litter layer,and soil layer of forest ecosystem in this region were obtained from 193 literature published from 1980 to 2017.The influencing factors of water-retention capacity in each layer were analyzed,and path analysis was used to investigate the contribution of the factors to the water-retention capacity of the three layers.The results showed that mixed forests had the highest water-retention capacity,followed by broad-leaved forests,coniferous forests,and shrub forests.In addition,no matter the forest type,the ranking of the water-retention capacity was soil layer,canopy layer,and litter layer from high to low.The main influencing factors of water-retention capacity in forest canopy were leaf area index and maximum daily precipitation(R2=0.49),and the influencing coeffi-cients were 0.34 and 0.30,respectively.The main influencing factors of water-retention ca-pacity in the litter layer were semi-decomposed litter(R2=0.51),and the influencing coefficient was 0.51.The main influencing factors of water-retention capacity in the soil layer were non-capillary porosity and soil depth(R2=0.61),the influencing coefficients were 0.60 and 0.38, respectively.This study verifies the simulation of the water balance model or inversion of remote sensing of the water-retention capacity at the site scale,and provides scientific basis for further study of the impact of global change on water retention.     

基于空间聚类方法的京津冀城市群多层级空间结构研究

在京津冀协同发展战略背景下,以建设京津冀世界级城市群为引领,遵循城市发展规律,优化城市空间布局,明确京津冀城市群等级结构及其空间特征具有重要意义。本文以京津冀城市群156个区县为研究对象,从经济中心性、交通中心性、信息中心性、人口中心性4个角度,利用4种空间聚类方法进行5个等级的聚类分析,并基于克氏中心地理论对京津冀城市群等级划分结果进行空间结构分析。结果显示,自组织特征映射神经网络算法(SOM)较适合京津冀城市群的等级划分;京津冀城市群正从以北京城区为单核心的圈层空间结构向3条带型空间结构转变,其中京津都市发展走廊发育成熟,沿海都市发展带也初具规模,而包括雄安新区在内的京石都市发展带正在孕育。