2. 广州大学-伯明翰大学服务业与城市发展联合研究中心, 广州 510006
2. Guangzhou Univ. -Univ. of Birmingham Joint Research Centre for Service Industry and Urban Development, Guangzhou 510006, China
产业集群被认为是一种能够有效推动区域经济发展的经济空间模式。传统制造业、高新技术产业存在集群现象,更多的集群现象发生在服务业。随着城市产业升级和转型,服务业在城市经济中的比重越来越大,生产性服务业不断趋向大都市中心分布,集聚对重构城市CBD的产业空间,提高城市中心区的空间利用效率以及城市在全球城市网络中枢纽功能的生成等具有重要影响。在理论上产业集群的利益基础被归为规模效应、聚集效应和溢出效应,这三种利益的形成过程是解释集群演化机制的三种重要视角。但是溢出过程在一定程度上还处于“黑箱”状态。一方面空间溢出可以理解为是知识溢出、市场溢出等各种形式溢出在空间上的总和。不同形式的溢出具有不同的传递机制,溢出的多态性增加了解开“黑箱”的难度;另一方面溢出带有不确定性,而且会因产业不同而异。目前关于服务业集群溢出的研究并不充分。所以从溢出的角度开展生产性服务业集群的实证研究具有重要的学术意义。为了更好地理解中国大都市中心区生产性服务业集群的形成和发展,以及提供基于生产性服务业集群的溢出机制的理论认知,本文的研究目标是在产业集群识别的基础上探测生产性服务业集群的特征与空间溢出效应。
1 国内外研究现状随着“制造业的服务化”和现代服务业本身的信息化和技术化发展,正如Krugman[1]指出“在当今世界最突出的地方化例子是基于服务业而不是制造业”。硅谷和128公路更接近为制造业提供服务,东京、伦敦等大都市聚集的也不再是制造商,而是金融、商务服务等生产性服务业。因此服务业集群作为一种客观存在的产业集聚现象进入了经济地理学的研究视野。经济地理学通常将产业集群理解为一种企业微观区位决策的宏观集聚表现,与经济学研究集群的单元为企业不同,地理学往往从不同尺度的空间单元对产业集聚展开研究。雷宏振、潘龙梅[2]通过对中国文化产业2005—2009年的集聚程度进行测定,从省域分析产业集聚特征。宋加强[3]分析了中国省域的生产性服务业与制造业的协同集聚分布。陈明生等[4]从规划的角度提出了金融业、商务服务业、信息传输、计算机服务和软件业、批发和零售业、餐饮业、居民服务和其他服务业等生产性服务业聚集的区位特征是指向大都市中心区。作为集聚的一种微观类型,集群具有更小的空间尺度和特殊的产业构成特征。赵群毅等[5]利用北京第二次全国基本单位普查数据,以“街区单元”为基本空间单位分析了北京都市区生产性服务业地域结构的特征和模式。无论是Yang等[6]基于北京市多个时间截面数据分析经济集群的演化模式,还是Eri和Tetsu [7]对日本汽车集群的区域增长研究都表明集群的产业构成具有多样化的特征。无论是多样化还是单一化的产业构成,集群的发展需要回归到产业集群优势上。Julia [8]运用投入产出分析方法发现集群的优势不可能出现在单一产业;Sun等[9]指出中国的环渤海,珠三角和长三角形成的服务外包集群存在产业同质导致的集群效应发挥不充分的问题。
集群在空间上表现为在一个较小的地理单元内企业的高密度集聚,打破了企业选址的霍特林效应,即:企业具有在空间上彼此排斥而间隔一定间距选址的倾向。但是集群被视为一种有效的空间模式意味着集群具有足以让企业打破霍特林过程的优势。而集群优势来源于什么呢?Marshall最早将溢出与集群联系在一起,开辟了从外部性角度探讨集群利益形成机制的方向。Marshall外部性通过劳动力池,中间投入产品和知识溢出发挥集群优势[10]。此后Arrow提出了“干中学”理论[11],Romer[12]在新经济增长理论中强调了知识溢出的作用,三人的研究构成了MAR外部性理论。Krugman后来重新表述了Marshall外部性,强调了与Marshall经济型外部性不同的技术型外部性对集聚的影响,可惜并没有运用到产业集群研究而是转向对城市形成的解释[13]。而空间经济学派将资本溢出、知识溢出等多形式溢出引入其模型构建中,以探寻产业集群形成的微观机制[14, 15],空间经济学模型的研究结论在一定程度上需要实证验证。在国内,王铮等[16]在知识溢出和霍特林过程相结合的基础上建立空间模型对集群的空间过程作出解释和剖析。上述研究为解释集群的溢出机制提供了理论基础。但现有的研究存在两个薄弱点,一是对隐形知识溢出的研究不足。知识具有显性知识和隐性知识之分,显性知识溢出更多与全球溢出相关,隐性知识溢出主导着地方溢出。模型方法对隐性知识溢出的捕捉并不完美,所以网络分析方法被运用到集群的溢出分析中。如Mark等[17]提出了一个基于正规和非正规,核心和非核心四种类型的集群网络节点的理论分析框架,说明了知识溢出如何通过异质性网络节点的不同转化对集群效应产生影响,为包含隐形知识溢出在内的集群效应的形成提供了一种理论解释。二是知识溢出的多尺度性没有得到足够重视,Schmidt[18]指出溢出可能发生在企业、产业、城市或区域等多种尺度。有必要区分不同尺度开展研究。在产业尺度,溢出分为两种类型,同行业内的溢出被称为Marshall-Arrow-Romer (MAR)型外部性;不同行业之间的溢出被称为Jacobs型外部性[19]。这两种外部性在不同的产业集群中得到一定的验证[20]。Zheng和Zhao [21]在城市尺度上验证了MAR型外部性推动服务业的聚集。Diodato解析了Marshall外部性如何塑造不同的产业集群,发现了服务业集群较制造业集群对Marshall外部性的三种类别呈现不同的敏感性[22]。对于服务业集群而言劳动力池和人力资本相似性对集群更有影响,价值链上的投入产出关联则对制造业集群影响更深。
综上所述,溢出是产业集群优势的重要来源之一,溢出对产业集群作用的一般过程在理论上看似清楚。但是由于溢出的多形式、多尺度和隐形特质,溢出对产业集群的影响机制变得复杂而模糊。基于溢出和生产性服务业集群的理论和实证研究并不多见。特别是基于微观尺度的服务业集群的空间溢出特征和溢出类型的研究还不充分,本文将提供来自广州市中心区生产性服务业集群溢出效应的实际案例和理论思考。
2 数据处理与方法策略 2.1 研究区概况广州是中国第三大城市,与广州市其他区的GDP占比及其增长率相比,天河区(图 1)经济总量占比大和增长速度快,具备城市中心区的基本属性(图 2)。其行政区面积为137.38 km2。早在2009年的地均GDP已经达到1.76亿美元/km2,接近同期新加坡(约2.0亿美元/km2)和香港(1.91亿美元/km2)的发展水平,并进入第二产业扩张转移,第三产业快速增长的发展阶段,即表现为第二产业规模还在扩大,但增长速度已开始低于第三产业,生产性服务业开始大规模集聚。
本文数据来源于广州市天河区第三次全国经济普查(2013年),共涉及研究区28134个服务业企业数据。企业的属性数据包括行业编码地址,从业人员数,资产和营业收入等。在第三次全国经济普查中,研究区四位编码的服务业法人单位共26862个。由于生产性服务业没有统一的界定,本文参考了吴一洲等的研究[23]和国际国内统计部门发布的生产性服务业分类,将信息服务业,金融商贸业,金融服务业,专业服务业,科技服务业和文化创意产业6大行业归并为生产性服务业,它们与《国民经济行业分类》(GB/ T4754-2011)的行业相对应(表 1)。
除了属性数据之外,在空间数据预处理上,根据企业地址将所有企业矢量化,在ArcGIS中建立了研究区26862个服务业企业的空间数据集。将研究区划分为1 km×1 km的网格,汇总统计每个网格中生产性服务业及其6个亚类产业的企业数,从业人员,资产和营业收入4个指标。之所以将研究区域栅格化,是因为大城市中心区的服务业企业往往集中在同一写字楼,这种立体分布空间使得企业间的平面距离几乎为0,若以企业个体为单元开展空间回归,其空间加权矩阵将是26862×26862,维数太大,超过了矩阵最大值限制。利用网格空间进行空间回归则将矩阵降低为171× 171。同时由于参与空间回归模型计算的指标值是每个单元内所有企业的汇总值,在一定程度也可消除个别企业的随机性干扰。
2.3 方法策略在研究方法上,个案研究是发现动力机制的一个常规方法,通过详尽个别企业调查,采用流程再现方式可以绘制出整个相关的价值链,对一个区域的某个行业,也可以开展类似的调查,了解企业之间的关系[24]。但由于服务业内的企业种类、规模众多,因此研究结论的普遍性有所欠缺,不利于区域服务业产业政策的提出。与个案调查不同,基于多企业样本的调查数据可以从微观层面对集群的特征及变化作出深入分析。这种分析能够发现集群中的统计特征,构建普遍性的统计模型,从而为集群的发展政策提供实证基础[6, 25],通过发现空间依赖关系的空间统计方法已成为讨论集群发展与空间溢出的一种重要研究工具。
2.3.1 产业集群识别方法(Moran's I)根据产业集群内涵,产业集群是一种更小空间尺度上的产业聚集,这种聚集是否是集群的关键是企业间是否形成某种联系。这种联系的测度有两种方法,一是通过贸易、人口迁移、信息交流、资金投入等流的方式直接体现;二是采用空间自相关分析方法间接判断。Anselin[26]提出的Moran's I统计量实质上就是空间自相关系数,可用于衡量观察变量的空间自相关性。为了检验样本区生产性服务业聚集是否演化为真正意义上的产业集群,本文分别以营业收入、企业数量、从业人员、企业资产作为观察变量计算了171个网格空间单元的局部Moran's I统计量(公式1),对生产性服务业热点区进行识别。通过四种观察变量热点区的空间叠置分析,确定集群的边界;并根据每个网格四种观察变量的高低值组合不同,进一步对集群类型进行了划分(图 3)。
(1) |
式中,n指样本总量,i,j为网格空间单元,wij为空间权重矩阵w第i行j列元素,xi、xj分别代表第i和第j个样本的取值,x为样本平均值。
2.3.2 空间回归模型空间回归模型是在Anselin提出后被大量运用的空间统计模型。其基本形式有两种。
空间误差模型的形式是:
(2) |
(3) |
式中,ε表示误差项,λ为空间误差系数,W为空间权值矩阵,ξ为不相关误差项。如果误差没有空间相关性,则λ = 0。
空间滞后模型的形式是:
(4) |
式中,ρ为空间系数,ε为误差项,Wy空间滞后项,x为解释变量矩阵。如果不存在空间依赖性,y独立于邻居值,则ρ = 0。
2.3.3 模型运用策略利用空间回归模型探索样本区服务业集群的空间溢出效应。模型运用的基本思路如下(图 4):
(1)以资产和从业人员为投入变量,企业营业收入为产出变量,投入产出函数采用柯布道格拉斯生产函数形式。
(2)考虑两种情况运行空间回归模型,一种是对所有生产性服务业的生产函数进行空间回归(模型1)。另一种是分别对6种生产性服务业亚类的生产函数进行空间回归(模型2—7)。采用不同的模型是出于一种假设推断,如果模型1溢出效应大于其他模型的溢出效应,则说明溢出更倾向于行业间溢出,反之则说明溢出更倾向于行业内溢出。
(3)以1 km×1 km网格为空间单元生成171×171的空间权重矩阵,因为研究区的集群规模在10 km2左右,所以考虑3阶Rook型邻近关系,共6种邻接关系的空间单元定义为邻居。
(4)在运用中,选择哪个模型,需要按照以下方法步骤进行检验。其检验的方法是:首先用最小二乘法做标准回归。其次检验回归残差的空间依赖性;用拉格朗日乘数法决定空间误差模型和空间滞后模型的适用性。最后决定空间回归模型的具体形式。
3 生产性服务业集群识别结果和特征分析 3.1 生产性服务业集群的规模在网格单元水平上,以企业数量、从业人员、资产和营业收入四个指标为观察对象,探测的生产性服务业集群在地域范围上具有不完全一致的情形(图 5)。以资产和营业收入为指标探测的产业集群地域范围要小于由企业数量和从业人员数量为指标探测的产业集群范围。依据四种观察指标的热点分布区,以置信度大于等于90%的热区为判断标准识别集群的地域范围。可以确定在广州市的CBD区已形成了生产性服务业集群,地域规模面积为10 km2(图 6)。生产性服务业的6个亚类服务业在天河区都形成了各自的高值热点区(图 7)。其中地域规模最大的科技服务业集群为14 km2,最小的专业服务业集群为3 km2。
为了进一步说明天河区生产性服务业集群的地域差异,在对企业数量、从业人员和资产形成的高值热点识别的基础上,依据企业数、从业人员数、资产和营业收入的数值高低构成不同(表 2),将天河区生产性服务业集群分为5种类型(图 6),分别是综合型、人力型、资产型、普通型和潜在型。综合型是各项指标均处于高值的地域单元,现代商贸业和金融服务业的比重较大。在另外两类高产出的地域单元中,结合其主要的产业构成推断人力型是靠人力资源投入获得高产出,资产型是靠资产投入获得高产出。普通型与资产型的各项指标值正好相反,表现为企业数和从业人员数较多,但资产和营业收入均较低,以信息服务业和科技服业为主。潜在型在严格意义上说还未形成实质性的聚集区,因为这类地域单元仅出现企业数量较大,而其他三个指标均处于较低水平。由此,不排除部分企业为了套取政策利益,仅仅在该地域单元登记注册,但并未开展实质性经济活动的情况。
(1)根据图 7,生产性服务业的亚类行业集群相互间出现不同的空间重合。科技服务业的集群空间范围最大,其他服务业集群均嵌套其中,形成生产性服务业的多行业混合分布的空间结构。其中各亚类行业混合分布的空间重合度较高的地段出现在从天河体育中心开始沿天河路东西延伸3 km2的广州市第二代CBD范围内,以及与天河路垂直沿城市中轴线南北延伸3 km2的广州市第三代CBD范围内。两者形成了一个T字型的高重合度空间。产业集群的空间重合说明同一区位对多个产业具有潜在的吸引力。
(2)在T字形的重合空间内,各行业在此区位集聚的时间不同。现代商贸业聚集最早形成,随后金融业,专业服务业等入驻形成商业商务混合聚集,信息和科技服务业聚集的形成相对较晚,在空间聚集规模上,科技服务业聚集更呈现后来居上的趋势。文化创意产业作为城市新经济业态出现最晚,产业聚集规模最小,在空间上嵌套其中。
(3)在T字形的重合空间内,各行业在此区位集聚的缘起不同。天河区是1986年广州市为承办第6届全国体育运动会而新建天河体育中心为起步,随城市东进而兴起的新城区。天河体育中心作为城市大型公共基础设施首先要考虑的是交通连接问题,因此一号地铁线延申经过天河体育中心实现与旧城区的连接,三号地铁与一号地铁垂直,北向与广州东站连接实现了对外交通的连接,南向则跨过珠江与海珠区联通,由此天河体育中心所在区位成为城市重要的交通枢纽,交通枢纽位置对商贸业的天然吸引使得这里成为了继北京路商业中心之后的新商业中心,到目前为止这里仍然是广州市最大规模的商业聚集带,其商圈服务范围已经远远超出城市本身,而向珠三角和中国华南地区辐射。随着天河商业中心功能的增强,区位地价升高,能支付高租金的金融、专业服务业,科技服务业等入驻形成广州第二代CBD。同时在CBD区的建筑普遍为裙楼和塔楼一体化的结构特点也推动了群楼商业和塔楼商务活动相伴相生的组合特点。但是随着CBD的商务化发展要求,专业服务业与金融业比邻而居,商务中心与商业中心呈分离发展的趋势。在T字形南北向的广州市第三代CBD范围内,商业活动空间占比减小,商务活动空间凸显。至于科技服务业和信息服务业在此聚集的缘起则可以追溯到天河区在城市东进以前。天河区五山一带作为郊区集中了大量的高等院校,而城市化以较快的速度提高了它们的区位优势,广州市第一个电脑城就发源于此,并且衍生为华南最大的信息产品交易中心之一。可以说市场和知识资本优势驱动了信息服务业和科技服务业集群的发育。这是产业发展路径依赖的结果,所以科技服务业和信息服务业集群在此出现并且与商贸业及其他商务活动集群发生空间耦合说明导致产业向某一区位聚集受其初始状态影响。
(4)在T字形高重合度空间以东出现了一块2 km2的飞地。这块位于员村的飞地处于广州市正在规划建设的第四代CBD范围内,是文化创意产业与信息服务业、科技服务业集群的空间耦合区。从缘起来看,广州市发展科技与信息服务业的空间规划实行一区多园的空间开发模式,位于飞地内的天河科技园就是其中一园,科技服务业和信息服务业在此区位聚集是政府产业规划的产物。而文化创意产业的出现则是城市更新中产业替代的直接结果。员村一带分布的城市旧工业厂房原址一度是文化创意产业填充的理想区位。广州市文化创意产业的特色是文化创意与科技技术结合,以生产动漫和娱乐软件为主。所以两类经济活动的结合决定了相应经济活动在地域上的耦合是具有产业生态成因的。
4 生产性服务业集群空间溢出效应的检验结果与分析 4.1 溢出效应的存在性从溢出效应的存在与否看,生产性服务业集群总体上存在空间溢出效应。其中信息服务业、科技服务等知识密集型产业和专业服务业具有明显的空间溢出效应。而现代商贸业、金融服务业和文化创意产业则没有空间溢出效应。因为生产性服务业的亚类产业间差异较大,所以如果我们把总体上生产性服务业集群的空间溢出理解为是一种跨行业的溢出表现,而把各个亚类产业集群的空间溢出视为同行业内部的溢出,则可以认为生产性服务业的空间溢出效应既存在于同行业内部又存在于不同行业之间。从溢出效应出现在空间回归模型的误差项还是滞后项来看,总体上,生产性服务业的溢出效应由回归误差项间接体现。在通过检验的生产性服务业的各细分行业中,除了科技服务业的溢出效应直接由观察变量营业收入体现外,信息服务业、专业服务业的溢出效应也是由其回归误差项间接体现的。
4.2 溢出效应的地理性特征根据空间回归模型中的邻居阶数可以分析溢出的地理性特征(表 3)。即从溢出的空间范围看,3个生产性服务业亚类都在1阶邻域被检测到空间依赖性。由于我们的空间网格单元是以1 km为间距划分的,所以1阶邻域的范围应为2 km,具有近邻溢出的特点。与单个生产性服务业亚类相比,整个生产性服务业的空间溢出距离要远,在2阶邻域被检测到空间依赖性。说明专业化集群具有近距离溢出的特点,而多样化构成的集群产生的溢出效应距离更远。
从溢出的强度看,信息服务业的溢出强度最大,空间溢出系数是-0.5186,而专业服务业和科技服务业与整个生产性服务业的空间溢出强度相当,空间溢出系数分别为0.2156、0.2374和0.2932,溢出强度出现行业差异,可能的原因在于对知识的依赖程度不同和行业的竞争状态不同。专业服务业相对于科技服务业而言,对知识的依赖程度低,溢出强度低。科技服务业与信息服务业相比,其市场竞争性弱,溢出强度相对低。
4.4 溢出效应的方向性特征从溢出理论而言,溢出具有多种形式的溢出,且具有可正可负的性质。但是产业集群更多地是与知识溢出相联系,并且是一种正效应。因为知识溢出可以降低集群内企业的创新成本从而使企业免费获取到一种外部利益。研究结果表明生产性服务业总体上,专业服务业和科技服务业均呈现正的溢出效果,但信息服务业则出现负的溢出效果。这种情况说明信息服务业集群的网格单元之间没有实现正常的知识溢出,相反在产出端出现此消彼长的市场竞争关系。为什么会出现这样的异常现象?原因可循,广州市信息服务业的发展是按照“一区多园”的模式布局的,结果就是信息服务业的地域边界模糊,集中度较低,与其他服务业地域混合发展,这种在空间上的碎片化阻断了面对面的交流,知识溢出带来的潜在利益无法顺利实现。此外多个园区分工不明确,产品差异度不明显,形成了同一层面的竞争而区域错失了外部利益最大化的宏观效果。
5 结论和讨论 5.1 结论通过上述分析得到如下结论:
(1)生产性服务业集群区位统一指向大都市中心区的核心地域——CBD,同时分行业集群又呈现区位分异。尽管城市化改变了区位,但集群的产业构成依然受路径依赖的影响。在区位的统一与分异并存下,生产性服务业集群出现了空间局部耦合的表象,这实质上是生产性服务业专业化和多样化发展的结果。
(2)生产性服务业集群规模受溢出的调节。生产性服务业集群兼有MAR型溢出和Jocobs型溢出,MAR型溢出与近距离溢出有关,Jocobs溢出倾向更远距离的溢出,前者决定的集群空间范围较后者作用的集群空间范围相对要小。
(3)空间溢出效应并非存在于所有的生产性服务业,知识密集型服务业,如信息服务业、专业服务业和科技服务业的MAR型溢出效应明显。生产性服务业的行业构成复杂,经济活动性质差异很大,从行业外获取溢出扩大自己的知识边界对知识密集型服务业而言动力不足。在理论上近距离交流有利于隐形知识的传递,而服务创新相对产品创新具有更大的柔性,对隐形知识的需求更大,所以知识密集型服务业的产业内溢出是由服务业构成和服务创新特点决定的。
(4)信息服务业集群的溢出呈现负效应,这种现象一方面说明企业在空间上的碎片化阻断了面对面的交流,知识溢出带来的潜在利益无法顺利实现。另一方面在理论上给出的启示是知识溢出在转化为集群利益的过程中具有过滤效应,这种过滤效应受企业间距离和专业化分工的影响。
(5)生产性服务业集群发展水平具有地域差别和行业差别。部分区域只具有产业集群的空间表象而缺乏产业集群的实质内涵。由非市场主导形成的产业集群可能出现知识溢出不能正常实现,区域外部性利益流失的情况。由此对大城市中心区培育服务业集群产生的政策启示包括针对不同生产性服务业集群的溢出特点,细化生产性服务业集群培育政策,推动知识密集型服务业集群的溢出最大化,确立合理的服务业集群规模,通过空间优化实现信息服务业集群的知识溢出正效应。
5.2 讨论(1)对产业集群的识别有许多方法,本文提供了一个根据集群的空间关联性来识别集群空间边界的实证研究。与通过企业边界或企业社会网络界定的集群识别相比,虽无法精细到企业的空间关联,但是集群与集聚现象的本质区别是集群强调关联性,以空间关联性作为判断依据符合集群的概念内涵。与采用密度指标和规模指标测度的集聚具有本质区别。
(2)基于1 km×1 km网格单元的研究,利弊兼有。一方面有利于降低空间矩阵的维数。对企业数据进行网格化汇总再进行建模分析有利于减少企业个体的随机干扰,有利于探索集群的一般规律;另一方面,网格内部企业间的溢出关系成为盲区而无法揭示。
(3)从空间邻近的角度探测生产性服务业集群的溢出特征可以为样本区集群发展的用地规模和产业组合策略提供有益的参考。但对基于知识邻近、组织邻近、文化邻近等多重邻近性的产业集群的溢出机制的解读受限。可作为将来研究的方向另文阐释。
[1] |
Krugman P. Geography and Trade[M]. Cambridge: The MIT Press, 1991: 30-55.
|
[2] |
雷宏振, 潘龙梅. 中国文化产业空间聚集特征研究[J]. 东岳论丛, 2011, 32(8): 114-117. [Lei Hongzhen, Pan Longmei. Study on the characters of spatial agglomeration in cultural industries China[J]. Dongyue Tribune, 2011, 32(8): 114-117.] |
[3] |
宋加强. 我国生产性服务业空间分布研究——基于省际数据的联立方程组分析[J]. 商业时代, 2014, 18: 123-124. [Song Jiaqiang. Study on distribution of productive-services in China:Analysis of simultaneous equations based on provincial data[J]. Commercial Times, 2014, 18: 123-124.] |
[4] |
陈明生, 孙怡, 靳晓静. 大都市中心区高关联度服务业的聚集布局研究[J]. 经济体制改革, 2011(2): 44-47. [Chen Mingsheng, Sun Yi, Jin Xiaojing. Study on cluster pattern of high correlation service industry in central district of urban[J]. Reform of Economic System, 2011(2): 44-47.] |
[5] |
赵群毅, 谢从朴, 王茂军, 等. 北京都市区生产者服务业地域结构[J]. 地理研究, 2009, 28(5): 1401-1413. [Zhao Qunyi, Xie Congpu, Wang Maojun, et al. Study on territorial structure of producer services in Beijing metropolitan area[J]. Geographical Research, 2009, 28(5): 1401-1413.] |
[6] |
Yang Z S, Liang J S, Cai J M. Urban economic cluster template and its dynamics of Beijing, China[J]. Chinese Geographical Science, 2014, 24(6): 740-750. DOI:10.1007/s11769-014-0686-1 |
[7] |
Eri Y, Tetsu K. Assessing dynamic externalities from a cluster perspective:The case of the motor metropolis in Japan[J]. The Annals of Regional Science, 2015, 54: 269-298. DOI:10.1007/s00168-014-0654-9 |
[8] |
Julia K. Inter-industrial relations and sectoral employment[J]. Development in German Regions, 2013, 233: 486-504. |
[9] |
Sun X C, Yang X L. China's service outsourcing industrial cluster development[J]. Management Science and Engineering, 2015, 9(2): 24-30. |
[10] |
Marshall A. Principles of Economics[M]. London: Macmillan, 1920: 10-25.
|
[11] |
Arrow K J. The economic implications of learning by doing[J]. Review of Economic Studies, 1962, 29(3): 155-173. DOI:10.2307/2295952 |
[12] |
Romer P M. Endogenous technological change[J]. Journal of Political Economy, 1990, 98(5): 71-102. DOI:10.1086/261725 |
[13] |
Krugman P. First nature, second nature, and metropolitan location[J]. Journal of Regional Science, 1993, 33(2): 129-144. DOI:10.1111/j.1467-9787.1993.tb00217.x |
[14] |
Martin P, Ottaviano G. Growing locations:Industry in a model of endogenous growth[J]. European Economic Reviews, 1999, 43: 281-302. DOI:10.1016/S0014-2921(98)00031-2 |
[15] |
Baldwin R, Martin P, Ottaviano G. Global Income divergence, trade and industrialization:The geography of growth take-off[J]. Journal of Economic Growth, 2001, 6(1): 5-37. DOI:10.1023/A:1009876310544 |
[16] |
王铮, 朱艳鑫, 毛可晶. 产业集群的两个理论模型[J]. 科研管理, 2008, 29(5): 49-62. [Wang Zheng, Zhu Yanxin, Mao Kejing. Two theoretical models for industry cluster[J]. Science Research Management, 2008, 29(5): 49-62.] |
[17] |
Mark L, Ram M. Clusters, connectivity and catch-up:Bollywood and Bangalore in the global economy[J]. Journal of Ecomonic Geography, 2013, 13: 501-534. |
[18] |
Schmidt S. Balancing the spatial localisation 'Tilt':Knowledge spillovers in processes of knowledge-intensive services[J]. Geoforum, 2015, 65: 374-386. DOI:10.1016/j.geoforum.2015.05.009 |
[19] |
Henderson J V. Marshall's scale economies[J]. Journal of Urban Economics, 2003, 53: 1-28. DOI:10.1016/S0094-1190(02)00505-3 |
[20] |
Tsai B H. Innovation characteristics, industrial clusters and intra-industry spillover effects in integrated circuit industry[J]. International Journal of Innovation and Technology Management, 2013, 10(4): 1-20. |
[21] |
Zheng L, Zhao Z. What drives spatial clusters of entrepreneurship in China? Evidence from economic census data[J]. China Economic Review, 2017, 46: 229-248. DOI:10.1016/j.chieco.2017.09.014 |
[22] |
Dario D, Neffke F, O'Clery N. Why do industries coagglomerate? How Marshallian externalities differ by industry and have evolved over time[J]. Journal of Urban Economics, 2018, 106: 1-26. DOI:10.1016/j.jue.2018.05.002 |
[23] |
吴一洲, 应四爱, 王琳. 城市生产性服务业空间格局与规划——理论, 案例与方法[M]. 北京: 中国建筑工业出版社, 2016: 20-30. [Wu Yizhou, Ying Siai, Wang Lin. Spatial Pattern and Planning for Productive-service in Urban:Theory, Case and Method[M]. Beijing: China Architecture & Building Press, 2016: 20-30.]
|
[24] |
Bathelt H. Cluster relations in the media industry:Exploring the 'distanced neighbour' paradox in Leipzig[J]. Regional Studies, 2010, 39(1): 105-127. |
[25] |
Elsner W. Regional service clusters and networks. Two approaches to empirical identification and development:The case of logistics in the German port city-states Hamburg and Bremen[J]. International Review of Applied Economics, 2010, 24(1): 1-33. |
[26] |
Anselin I. Spatial Econometrics, Methods and Models[M]. Boston: Kluwer Academic Publishers, 1988: 20-38.
|