2. 华侨大学 智慧旅游研究所,泉州 362021
2. Smart Tourism Research Institute, Huaqiao University, Quanzhou 362021, China
2020年,我国数字经济规模已达到39.2万亿元,占GDP比重为38.6%①。新发展格局下,数字经济增长潜力巨大,成为驱动经济高质量发展的核心关键力量[1-3]。数字经济产业的发展渗透至文化交往、经济环境和政治决策等社会各方面[4-6]。从宏观层面来看,数字经济对于推动传统产业转型升级,促进新业态新模式快速成型与发展具有重要作用[7];从微观层面来看,数字经济产业有助于推动企业管理创新和技术进步,同时对于家庭消费和投资具有促进作用[8]。然而,数字经济产业的发展也容易受到区域内经济发展水平、产业结构、信息化建设等因素影响,造成数字经济产业发展水平空间分布与演化的非均衡性[8-10]。因此,从地理学视角,研究数字经济核心企业的空间分布格局演化及影响因素,对于丰富与拓展数字经济产业相关理论研究,优化数字经济产业空间布局以及指导企业区位选择具有重要的实践价值。
数字经济指“以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动”[10]。目前,国外关于数字经济的研究主题集中在数字技术迭代创新[11]、数字消费智能实现[12]、数字产业深度融合[13]、数字经济外部治理[14]以及数字路径选择机理[15]等方面,少部分研究关注了数字经济的空间分布特征。例如,Chen等利用夜间灯光遥感数据发现,中国城市层面的数字经济增长存在显著的不平衡情况[16]。Philip和Williams通过三个案例研究表明,英国偏远农村地区的数字经济基础设施不完善阻碍了小微型企业的数字化发展[17]。Tranos等基于英国存档网页的数据集估算一个地区的数字经济活动,研究结果认为,数字化技术对当地经济增长产生重大的空间异质性影响[18]。从国内文献来看,已有部分学者从国家、区域和城市群层面分别对我国数字经济发展的空间分布格局进行了探索。段博等基于中国284个地级市数据的研究表明,数字经济加剧了地区收入差距[19]。陈修颖等以浙江省为例,构建了基于地级市层面的数字经济增长动力主导类型的评价指标体系,结果表明数字经济增长动力指数与区域收入存在较强关联性[20]。通过对国内外文献的梳理发现,关于数字经济发展空间分布格局的探索仍然较少。此外,董晓松等认为,目前关于数字经济空间增长及均衡发展的相关研究应当引起学界的重视[21]。
综上,虽然已有部分研究从地理学的视角分析了数字经济发展的空间特征与影响因素,但在以下方面还存在创新空间:第一,从研究尺度来看,当前文献分别从中国、区域和城市群等宏观视角进行数字经济空间分异及其影响因素的探索,但缺乏从微观视角讨论数字经济发展的空间格局演化特征。第二,从研究对象来看,当前文献对于数字经济的空间分异特征研究,并未聚焦到数字经济细分产业及核心企业。文东伟等[22]认为,企业所属的国民经济行业分类和所在地理单元或位置,是研究产业空间分布特征问题当中非常重要的两个方面。基于此,本研究以厦门市街道(镇)为空间尺度,探究厦门市数字经济核心企业的空间分布与格局演化特征,并利用负二项回归模型对厦门市数字经济核心企业区位选择的影响因素进行分析,在此基础上对厦门市数字经济核心企业未来布局发展方向进行探讨。
1 数字经济核心产业分类各个国家和地区的经济社会发展水平以及文化背景存在差异,关于数字经济的概念内涵、统计分类等尚未形成标准化、统一化的理论共识,导致不同机构测算的数字经济统计结果存在较大差异[23]。本研究援引G20杭州峰会关于数字经济的定义和国家统计局关于数字经济核心产业的定义,并参照国家统计局发布的《数字经济及其核心产业统计分类2021》和2018年浙江省统计局发布的《浙江省数字经济核心产业统计分类目录》,同时充分考虑了厦门市数字经济产业的实际发展情况与研究数据的可得性,最终确定将厦门市的数字经济核心产业分类6大类,如表 1所示。
厦门市位于福建省东南部,为国家副省级城市,先后获批国家经济特区和自由贸易试验区,是东南沿海重要的中心城市和港口城市。早在2000年,习近平在闽工作期间提出建设数字福建,并推动建立厦门市经济信息中心,为厦门市信息化建设和数字经济发展奠定坚实基础。2019年,厦门市深入实施“数字经济领跑行动”,2020年,厦门市数字经济规模达3650亿元,占GDP比重为57%。厦门市数字经济产业发展具有政策环境优、历史久、速度快、数字产业高端化明显等优势。因此,以厦门市数字经济核心企业为研究对象,对当前数字经济产业发展具有较大的理论意义与实践价值。研究范围包括厦门市6个行政区(海沧区、湖里区、集美区、思明区、同安区和翔安区),共42个正式街道(镇)(图 1)。
本研究中数字经济核心企业数据主要来自厦门市工商局登记的企业信息和天眼查的数据②,依据表 1中数字经济6大类核心产业,选取2000—2020年在厦门市成立的数字经济核心企业,从中筛选出在2000年、2005年、2010年、2015年和2020年等5个时间节点成立的企业。通过整理分析,收集的信息包括企业的公司名称、经营状态(存续)、公司类型、成立日期、注册地址、所属区县、经营范围等,在此基础上对数字经济核心企业进行分行业、分行政区位置以及分街道整理,最终确定符合研究条件的企业数量共7109家。此外,根据企业的注册地址,通过百度地图API接口获取企业空间地理坐标(WGS-84坐标系)。本研究中的厦门市行政区划与街道地图数据均来源于中国科学院资源环境科学与数据中心③。
2.3 研究方法 2.3.1 空间自相关与核密度分析利用空间自相关和核密度分析刻画厦门市数字经济核心企业的空间分布格局[24]。其中,利用全局莫兰指数(Moran's I)判断数字经济核心企业的空间分布是否存在统计学上的集聚或分散现象。利用Getis-OrdGi指数进一步分析局部区域的空间聚类特征。利用核密度分析对厦门市数字经济核心企业的空间集聚与分散情况进行地理可视化呈现。
2.3.2 标准差椭圆标准差椭圆可以从椭圆方向、重心、覆盖范围等多个角度反映研究区域内点位分布在空间方位上的变化[25],本文利用标准差椭圆和重心迁移来揭示不同类型数字经济核心企业空间演化特征。
2.3.3 负二项回归模型本文被解释变量为数字经济核心企业数量,为非零正整数,计数模型(如泊松回归和负二项回归)将比一般线性回归模型更适用于该数据类型,但泊松回归模型的基本假设为因变量的条件均值与条件方差相等[26]。鉴于本研究被解释变量的方差远大于均值,存在“过度”分散特征,不符合泊松回归模型的假设,需用负二项回归模型进行分析[27]。负二项回归模型如下:
(1) |
式中,回归系数βi表示在控制其他解释变量的情况下对事件发生次数的影响大小;offseti为模型中引入的抵消项;ki表示超离散的程度,服从均值为0,方差为α的Gamma分布。在使用负二项回归时,通过计算模型中Gamma分布的方差参数Alpha可验证负二项回归的有效性,若Alpha系数大于0且显著,则说明泊松回归关于条件均值和方差的假定不满足,负二项回归模型的结果是有效的。
3 厦门市数字经济核心企业空间分布及演变特征 3.1 空间分布特征利用ArcGIS10.2软件对厦门市2000年、2005年、2010年、2015年和2020年数字经济核心企业数量进行点密度制图,得到企业的街道分布状况(图 2)。具体来看:2000年,厦门市数字经济产业处于起步阶段,空间分布呈零星化特征,尚未产生集聚现象;2005年,企业在原有基础上逐步扩张,逐渐呈现岛内集聚现象;2010年,岛内集聚趋势进一步增强;2015年,数字经济产业发展迅猛,新增企业数量众多,其中,岛内街道的企业数量占主导地位;2020年,企业继续保持高速增长态势,集聚特征显著。从区层面来看,湖里区(36.00%)和思明区(35.29%)企业分布数量最多;在街道分布上,禾山街道(12.45%)和莲前街道(10.55%)是岛内企业分布数量最多的街道,杏林街道(4.18%)和海沧街道(1.63%)是岛外企业分布数量最多的街道,表明厦门市数字经济核心企业在街道分布上呈现不均衡特征。整体来看,厦门市数字经济核心企业的空间分布具有岛内集中、岛外分散的特征,呈现“一带一面多点”的不均衡空间格局,其中“一带”表现为企业沿“海沧湾—马銮湾—杏林湾—同安湾”呈带状分布,“一面”表现为企业高度集中在岛内街道呈面状分布特征,“多点”表现为企业在岛外零星分布的多点特征。
基于各街道数字经济核心企业分布数量,利用全局空间自相关得到厦门市数字经济核心企业5个时间点的Moran's I值,分别为0.073、0.075、0.269、0.283、0.188(表 2),除2000年外,其余年份的Moran's I指数Z检验值都为正且在0.1条件下显著,表明2005—2020年间厦门市数字经济核心企业呈现明显的空间集聚特征,即数字经济核心企业分布数量高值区在空间分布上趋于相邻,低值区在空间分布上也趋于相邻。从时间发展趋势来看,Moran's I值呈现先升后降趋势,表明厦门市数字经济核心企业的空间自相关性先趋于增强,后趋于减弱[27]。具体来看,2000—2015年,厦门市数字经济核心企业的Moran's I值整体呈上升趋势,企业空间格局由随机分布转变弱集聚分布,再到集聚分布,表明该阶段厦门市数字经济核心企业空间布局朝集聚化方向发展。2015年—2020年Moran's I值呈下降趋势,表明该阶段厦门市数字经济核心企业朝着离散化的方向发展,企业空间集聚程度有所削弱,但从Moran's I值的变化幅度来看,削弱程度并不明显,空间集聚特征依然显著。
为进一步探究厦门市数字经济核心企业局部空间关系,了解高低值集聚分布情况,计算数字经济核心企业的Getis-OrdGi*统计量,利用Jenks自然间断点分级法将G值分为4个等级反映局部空间关系(图 3)。结果显示:①2000—2010年,厦门市数字经济核心企业的空间关系发生较大变化,如侨英街道、海沧街道等街道由次冷点转变为热点,金海街道由冷点转变为次热点;②2010—2020年,厦门市数字经济核心企业的空间关系呈现热点与次冷点扩张、冷点与次热点收缩特征,但热点区与冷点区整体所属街道不变,表明厦门市数字经济核心企业的空间关系趋向稳定。整体来看,在局部空间演化特征上,厦门市数字经济核心企业呈现热点扩张、冷点收缩特征,企业分布呈现不断扩张的态势。但冷、热点保持稳定性的街道数量占比较高,如岛内形成稳定性热点区域,岛外北部地区形成稳定性冷点区域,表明企业分布具有一定的空间锁定特征,呈现明显的层级结构,“岛内—岛外”阶梯式递减分异格局较为显著。
利用ArcGIS10.2软件中的核密度分析工具得到分类型数字经济企业的核密度分布图(图 4),并结合分类型企业分布数量探究分类型数字经济企业空间分布特征。结果显示:①软件和信息技术服务业类企业占比高达60.82%,主要分布在湖里区和思明区,高密度地区主要集中禾山街道—江头街道—嘉莲街道—梧村街道一带以及两侧的殿前街道和金山街道。②互联网和相关服务业类企业占比为20.06%,主要分布在湖里区和思明区,高密度地区空间分布特征与软件和信息技术服务业类企业基本一致;③广播、电视、电影和录音制作业类企业占比为11.01%,主要分布在湖里区和思明区,高密度地区主要集中殿前街道、集美街道。④计算机、通信和其他电子设备制造业类企业占比为5.84%,主要分布在湖里区和集美区,高密度地区主要集中殿前街道、禾山街道以及马巷街道。⑤专用设备制造业类企业占比为1.36%,主要分布在湖里区和集美区,高密度地区主要集中在新民镇、马巷街道、殿前街道。⑥电信、广播电视和卫星传输服务类企业占比为0.90%,主要分布在湖里区和思明区,高密度地区主要集中在禾山街道、湖里街道。
进一步利用ArcGIS10.2软件中的标准差椭圆分析工具得到分类型数字经济核心企业标准差椭圆及重心分布图(图 5),探究不同类型数字经济核心企业的空间演化特征。结果显示:①软件和信息技术服务业类企业的标准差椭圆在方向上呈现“西南—东北”到“西北—东南”转变,椭圆重心经历了“西—东南—东北—西北”等方向的偏移,椭圆覆盖范围不断扩大。②互联网和相关服务业类企业的标准差椭圆在方向上呈现“南—北”“西南—东北”“西北—东南”等较多变动,椭圆重心经历了“东—西南—东北—西北”方向的偏移。③广播、电视、电影和录音制作业类企业的标准差椭圆在方向上呈现“西北—东南”到“西南—东北”转变,椭圆重心经历了“东南—东—西北”方向的偏移,椭圆覆盖范围不断扩大。④计算机、通信和其他电子设备制造业类企业的标准差椭圆整体呈现“西南—东北”走向。⑤专用设备制造业类企业的标准差椭圆在方向上整体呈现“西北—东南”到“西南—东北”转变。⑥电信、广播电视和卫星传输服务类企业的标准差椭圆的空间方位和重心均变动较大,椭圆覆盖范围大幅增加。
企业区位选址受多种因素的综合影响,本研究在综合已有文献[28-31]的基础上,结合数字经济核心企业的特点将厦门市数字经济核心企业区位选址的影响因素归纳为区位要素、人才要素、环境要素、政策要素和集聚要素5个方面,具体解释变量及定义见表 3。
第一,从区位要素来看,休闲娱乐是数字经济核心企业员工进行商务接待与娱乐消遣的重要需求,因此本研究选择城市商务中心(CBD)来代表区位要素中的休闲娱乐区位环境,若街道内有CBD,则赋值为1,否则为0,预期回归系数为正;城市外部交通便捷性在很大程度上影响了数字经济核心企业的对外业务联系以及员工出差办公等,因此本研究选择各街道中心到厦门高崎机场(AIRP)、厦门站(RAIL-1)和厦门北站(RAIL-2)的距离来代表城市外部交通便捷性,预期回归系数为负;城市内部交通便捷性在很大程度上影响了数字经济核心企业员工的通勤时间,因此本研究选择街道内地铁站(SUBWAY)数量来代表城市内部交通便捷性,预期回归系数为正;办公楼租金是影响数字经济核心企业选址成本的重要因素,因此本研究选择办公楼租金(PRICE)来代表租金成本,根据厦门市房价行情的划分,将办公楼租金价格从低到高划分为6个等级,预期回归系数为负。第二,从人才要素来看,数字经济核心企业极具创新属性,高素质的科技型人才是数字经济核心企业运作的基础[32],而高等院校是创新人才输出的主要端口,其布局会对当地人才供给产生可观影响,是人才供给要素的重要反映指标[33, 34]。因此本研究选择高校与研究机构来代表人才要素(COLLEGE),若街道内有则赋值为1,否则为0,预期回归系数为正。第三,从环境要素来看,数字经济本身是环境友好型产业,较好的生态环境更有利于吸引数字经济企业投资[35]。而城市公园是城市生态环境的重要组成部分[36],同时也是评价城市生态环境质量的重要指标之一。因此本研究选择街道内公园数量来代表环境要素(GREEN),期望回归系数为正。第四,从政策要素来看,产业园区是指一个国家或地区在特定区域利用特定政策发展产业和科技的集聚区[37],政府规划的专业产业园区能使企业享受优惠扶持政策与减少企业成本,因此本研究选择专业产业园区来代表政策要素,若街道内有相关产业园区,则赋值为1,否则为0,预期回归系数为正。第五,从集聚要素来看,集聚经济对企业区位选择具有重要作用,同类企业在空间上集聚可以获得规模效应,共享基础设施等资源[38],因此本研究选择上一研究时刻的数字经济核心企业数量(NUMBER)用来代表集聚要素,预期回归系数为正。
4.2 实证结果本研究选择2020年厦门市各街道(镇)数字经济核心企业数量为被解释变量,以42个街道(镇)为基本单元,选择表 3中的因素为解释变量。结果显示,被解释变量最大值为558,最小值为1,均值(94.55)与方差(13189.42)较大,存在过度离散化特征,因此,应采用负二项模型进行实证分析。在模型运算之前先进行共线性检验,结果显示各变量VIF最大值为6.37,最小值为1.38,平均值为3.17,表明变量之间共线性较弱,可用于回归分析。2020年全行业数字经济核心企业有3971家(记为Y1),其中软件和信息技术服务业有2682家(记为Y2),互联网和相关服务有593家(记为Y3),广播、电视、电影和录音制作业有547家(记为Y4),计算机、通信和其他电子设备制造业有104家(记为Y5),专用设备制造业有25家,电信、广播电视和卫星传输服务有20家。由于后两类企业数量较少,且在空间分布上具有较大的随机性,因此,本研究主要以Y1、Y2、Y3、Y4、Y5及2016年后新增数字经济核心企业数量(Y6)作为被解释变量,构建6个模型。所有模型通过负二项回归进行估计后得到的Alpha系数均在95%的置信区间上大于0,故使用负二项回归模型是合适的,回归模型结果见表 4。
由表 4中模型1全行业数字经济核心企业回归结果显示,代表区位要素的6个解释变量中,RAIL-1、RAIL-2、SUBWAY均通过显著性检验,且回归系数符号符合预期,可见,城市内外部交通便捷性对全行业数字经济核心企业区位选址具有重要影响;同时,办公楼租金(PRICE)也通过显著性检验且回归系数为负,符合预期,表明办公楼租金越低的街道更能吸引数字经济核心企业的入驻,这符合企业选址时追求最低成本的原则;然而CBD和AIRP两个解释变量回归结果不显著,但这并不意味着商务休闲中心和机场通达性对数字经济核心企业的选址没有影响,只是在街道尺度下的影响不明显,这一结论与代表人才要素COLLEGE的回归结果一致,并且在其他研究中也得到了同样论证[27, 30]。代表环境要素GREEN通过显著性检验且回归系数为正,符合预期,表明良好的街道生态环境对数字经济核心企业的选址有积极作用。代表政策要素DEPARK与集聚要素NUMBER均通过显著性检验,且回归系数符号符合预期,表明街道尺度下数字经济核心企业受专业产业园区和产业集聚效应影响明显。从厦门市数字经济核心企业发展历程来看,其时空格局演变始终受到政策因素的影响。早期受到政策支持,企业布局多集聚于产业园区,空间格局呈集聚态势,且随着时间的发展不断增强;而随着集聚区的地租逐渐提高,高铁站和地铁等交通的便利性增强形成企业向外扩散的“推力”,同时在产业园区向岛外布局的政策引导和环境要素的“拉力”作用下,企业空间格局呈逐渐向外扩散态势,空间集聚程度有所下降,但企业发展受集聚要素影响显著,空间集聚程度整体依然呈现较高态势。综上,城市街道尺度下,区位要素(RAIL、SUBWAY、PRICE)、环境要素GREEN、政策要素DEPARK、集聚要素NUMBER对全行业数字经济核心企业区位选址影响显著,对于厦门市数字经济核心企业的时空格局演变起到重要作用。
通过对模型2—模型5的分析发现,不同解释变量对于不同类型数字经济核心企业区位选址的影响强度具有较大差异。第一,模型2与模型1影响因素一致,均会受到RAIL、SUBWAY、PRICE、GREEN、DEPARK和NUMBER的显著影响。从企业分布来看,软件和信息技术服务业类型的企业是厦门市数字经济发展的主要核心产业,业务范围包括软件开发、集成电路设计和信息系统集成及物联网技术服务,对于市内工作生活及周边省市业务联系的短距离出行的交通枢纽有很强的需求,同时也受企业成本控制的限制,对于办公楼租金较为敏感。这一结论在谢敏等对宁波市软件企业选址的影响因素研究中同样得到了论证[30]。第二,模型3受对外交通便利性(AIRP、RAIL)影响显著,但受市内交通便利性SUBWAY影响不显著,结合图 5的标准差椭圆与重心分布也可以发现,该类型企业主要集中分布在岛内的湖里区和思明区,该区域城市道路网密度空间差异较小,因而SUBWAY对其没有显著影响。第三,CBD只对模型4存在显著影响,该类型企业产品属于文化娱乐类,易受大众消费市场的影响,因而往往选择在城市商务中心布局,这一结论与生产型文化企业选址的影响因素研究结果是一致的[27, 39, 40]。最后,模型5只受到专业产业园区的影响,原因可能是该类型数字经济核心企业属制造业范围,通常企业办公面积较大,受政府规划政策与产业关联度影响明显[41, 42]。通过对分类型与全行业数字经济核心企业区位选址影响因素的对比分析,发现二者存在一定的共性与特性。首先,从共性特征来看,政策要素DEPARK均显著,人才要素COLLEGE均不显著;此外,区位要素RAIL和环境要素GREEN除模型5外均具有显著影响。其次,从特性差异来看,CBD只对模型4具有显著影响,SUBWAY只对模型1和模型2影响显著,PRICE和NUMBER只对模型1、模型2和模型3影响显著。
为了更准确地比较近时期数字经济核心企业区位选址的影响因素,选取2016年后新增全行业数字经济核心企业为解释变量,构建负二项回归模型Y6。结果显示,专业产业园区DEPARK对2016年后新增数字经济核心企业选址具有显著正向影响(p < 0.00,Coef.=0.636),并且影响系数增大,这表明近年来新增数字经济核心企业受专业产业园区影响明显。而代表城市核心区的便利以及发展基础的城市商务中心CBD与地铁站SUBWAY因素影响均不显著。可以发现,厦门市近年来新增数字经济核心企业选址受专业产业园区影响较大。这一结论也反映了厦门市对于数字经济产业的规划与布局,如在《厦门市工业布局规划(2019—2035年)》中,明确提出加快岛内传统制造业退出,推动工业向岛外四区(海沧、集美、同安、翔安)主要工业园区集聚,进而促进了新增数字经济核心企业趋向于选择专业产业园区布局。
5 结论与讨论 5.1 结论本文基于厦门市2000—2020年数字经济核心企业数据,以厦门市42个行政街道(镇)为基本空间单元,探究了厦门市数字经济核心企业空间分布格局演化,采用负二项回归模型探究了数字经济核心企业区位选址的影响因素。主要结论如下:
第一,在空间格局方面,2000—2020年厦门市数字经济核心企业岛内与岛外数量差距较大,空间分布整体呈现岛内集中、岛外分散特征,具体表现为“一带一面多点”的格局。同时不同类型数字经济核心企业在空间分布特征上具有一定相似性,也存在较大的异质性。第二,在空间演化方面,厦门市数字经济核心企业空间格局呈“随机—弱集聚—集聚”变化过程,且表现出热点区扩张、冷点区收缩态势。企业分布具有一定的空间锁定特征,企业热点区域集中在岛内街道,企业冷点区域集中在岛外北部地区街道,呈现“岛外—岛内”阶梯式递减分异格局。同时不同类型数字经济核心企业空间演化特征上,各类型企业基本朝西北方向转移。第三,在区位选址的影响因素方面,厦门市数字经济核心企业选址受区位要素中的外部交通便利性RAIL、环境要素GREEN、政策要素DEPARK和集聚要素NUMBER的影响显著,远距离通达性AIRP、CBD和人才要素COLLEGE在街道尺度下影响不显著。此外,2016年后新增的数字经济核心企业受政策要素DEPARK影响作用明显。分类型企业来看,软件和信息技术服务业与互联网和相关服务业受办公楼租金PRICE、环境要素GREEN和集聚要素NUMBER的影响明显大于其它类型企业,而政策要素DEPARK作用则相反,进一步表明了政府政策规划对于制作制造类型数字经济核心企业布局影响的重要性。
5.2 讨论聚焦于厦门市的研究表明,数字经济核心企业的空间格局演化与区位选址影响因素存在一定的普遍性规律,同时又因城市地理位置、资源条件等方面的不同存在特殊的差异性[31, 43]。新发展格局下,城市数字经济产业的布局既要考虑数字经济自身属性特点,又要结合城市语境选择符合自身的发展方式。本着区域协调与产业差异化发展的基本原则,针对厦门市现阶段数字经济产业发展特征,本研究提出以下建议:
第一,从厦门市数字经济核心企业空间分布“失衡”的特征来看,厦门市政府应在尊重市场经济起决定性作用的基础上,发挥好政策及规划引导的作用,依托翔安和巷北等工业园区的优势,积极引导企业往北部发展,一方面缓解岛内土地等生产要素压力,另一方面推动厦门市数字经济产业空间格局重组与优化。第二,从厦门市数字经济核心企业类型结构“失衡”的特征来看,厦门市数字经济核心产业以软件和信息技术服务业以及互联网和相关服务为主。厦门市政府应依托海沧台商投资区、火炬高新区和福建自贸试验区厦门片区的专业产业园区优势,通过税收优惠、土地租金减免以及人才引进等奖励性政策,促进厦门市数字经济核心产业结构调整与优化,实现各类型产业均衡发展。第三,从厦门市数字经济核心企业选址影响因素来看,生态环境因素、办公楼租金、政府政策及集聚要素对企业选址影响显著。厦门市应进一步发挥国家卫生城市和国家生态园林城市的生态环境优势,吸引数字经济核心企业入驻,合理调整规划工业用地和商业用地。同时也要尊重企业选址影响因素的差异性,通过设立更加专业化的产业园区,积极发挥政府政策作用,推动厦门数字经济产业高质量发展。
注释:
① 中国信息通信研究院《中国数字经济发展白皮书(2021年)》http://www.caict.ac.cn/kxyj/qwfb/bps/202104/t20210423_374626.htm。
② 天眼查是国家中小企业发展子基金旗下官方备案企业征信机构https://www.tianyancha.com/?jsid=SEM-360-PZ-SY-111201。
③ 中国科学院资源环境科学与数据中心https://www.resdc.cn/。
[1] |
Curran D. Risk, innovation, and democracy in the digital economy[J]. European Journal of Social Theory, 2018, 21(2): 207-226. DOI:10.1177/1368431017710907 |
[2] |
Gomber P, Kauffman R J, Parker C, et al. On the fintech revolution: Interpreting the forces of innovation, disruption, and transformation in financial services[J]. Journal of Management Information Systems, 2018, 35(1): 220-265. DOI:10.1080/07421222.2018.1440766 |
[3] |
Brynjolfsson E, Collis A. How should we measure the digital economy?[J]. Harvard Business Review, 2019, 97(6): 140-146. |
[4] |
Amuso V, Poletti G, Montibello D, et al. The digital economy: Opportunities and challenges[J]. Global Policy, 2020, 11(1): 124-127. DOI:10.1111/1758-5899.12745 |
[5] |
Zhao F, Wallis J, Singh M. E-government development and the digital economy: A reciprocal relationship[J]. Internet Research Electronic Networking Applications & Policy, 2015, 25(5): 734-766. |
[6] |
Gopal R D, Ramesh R, Whinston A B. Microproducts in a digital economy[J]. International Journal of Electronic Commerce, 2003, 8(2): 9-30. DOI:10.1080/10864415.2003.11044292 |
[7] |
杨佩卿. 数字经济的价值、发展重点及政策供给[J]. 西安交通大学学报(社会科学版), 2020, 40(2): 57-65, 144. [Yang Peiqing. The value, development emphasis and policy supply of digital economy[J]. Journal of Xi'an Jiaotong University (Social Sciences), 2020, 40(2): 57-65, 144.] |
[8] |
刘传明, 尹秀, 王林杉. 中国数字经济发展的区域差异及分布动态演进[J]. 中国科技论坛, 2020(3): 97-109. [Liu Chuanming, Yin Xiu, Wang Linshan. Research on the spatial imbalance and distrbutional dynamic evolution of digital economy in China[J]. Forum on Science and Technology in China, 2020(3): 97-109.] |
[9] |
田俊峰, 王彬燕, 王士君, 等. 中国东北地区数字经济发展空间分异及成因[J]. 地域研究与开发, 2019, 38(6): 16-21. [Tian Junfeng, Wang Binyan, Wang Shijun, et al. Spatial differentiation of urban digital economic development and its causes in northeast China[J]. Areal Research and Development, 2019, 38(6): 16-21.] |
[10] |
王彬燕, 田俊峰, 程利莎, 等. 中国数字经济空间分异及影响因素[J]. 地理科学, 2018, 38(6): 859-868. [Wang Binyan, Tian Junfeng, Cheng Lisha, et al. Spatial differentiation of digital economy and its influencing factors in China[J]. Scientia Geographica Sinica, 2018, 38(6): 859-868.] |
[11] |
Ciarli T, Kenney M, Massini S, et al. Digital technologies, innovation, and skills: Emerging trajectories and challenges[J]. Research Policy, 2021, 50(7): 104289. DOI:10.1016/j.respol.2021.104289 |
[12] |
Mizintseva M F, Gerbina T V. Knowledge management: A tool for implementing the digital economy[J]. Entific and Technical Information Processing, 2018, 45(1): 40-48. DOI:10.3103/S0147688218010094 |
[13] |
Hoinaru R, Buda D, Borlea S N, et al. The impact of corruption and shadow economy on the economic and sustainable development.Do they "sand the wheels" or "grease the wheels"?[J]. Sustainability, 2020, 12(2): 1-27. |
[14] |
Mcmichael B J, Viscusi W K. The punitive damages calculus: The differential incidence of state punitive damages reforms[J]. Southern Economic Journal, 2017, 84(1): 82-97. DOI:10.1002/soej.12217 |
[15] |
Robert L, Gilles-Maurice D S. Dictionary users in the digital revolution[J]. International Journal of Lexicography, 2014(4): 14-16. |
[16] |
Chen Z, Wei Y, Shi K, et al. The potential of nighttime light remote sensing data to evaluate the development of digital economy: A case study of China at the city level[J]. Computers, Environment and Urban Systems, 2022, 92: 101749. DOI:10.1016/j.compenvurbsys.2021.101749 |
[17] |
Philip L, Williams F. Remote rural home based businesses and digital inequalities: Understanding needs and expectations in a digitally underserved community[J]. Journal of Rural Studies, 2019, 68: 306-318. DOI:10.1016/j.jrurstud.2018.09.011 |
[18] |
Tranos E, Kitsos T, Ortega-Argilés R. Digital economy in the UK: Regional productivity effects of early adoption[J]. Regional Studies, 2021, 55(12): 1-15. |
[19] |
段博, 邵传林, 段博. 数字经济加剧了地区差距吗?——来自中国284个地级市的经验证据[J]. 世界地理研究, 2020, 29(4): 728-737. [Duan Bo, Shao Chuanlin, Duan Bo. Does the digital economy exacerbate regional disparities?: Empirical evidence from 284 prefecture-level cities in China[J]. World Regional Studies, 2020, 29(4): 728-737.] |
[20] |
陈修颖, 苗振龙. 数字经济增长动力与区域收入的空间分布规律[J]. 地理学报, 2021, 76(8): 1882-1894. [Chen Xiuyin, Miao Zhenlong. Spatial distribution of digital economic growth dynamics and regional income[J]. Acta Geographica Sinica, 2021, 76(8): 1882-1894.] |
[21] |
董晓松, 夏寿飞, 谌宇娟, 等. 基于科学知识图谱的数字经济研究演进、框架与前沿中外比较[J]. 科学学与科学技术管理, 2020, 41(6): 108-127. [Dong Xiaosong, Xia Shoufei, Zhan Yujuan, et al. The evolution, framework and frontier of digital economy research: Comparative study of Chinese and foreign based on the map of scientific knowledge[J]. Science of Science and Management of S. & .T, 2020, 41(6): 108-127.] |
[22] |
文东伟, 冼国明. 中国制造业的空间集聚与出口: 基于企业层面的研究[J]. 管理世界, 2014(10): 57-74. [Wen Dongwei, Xian Guoming. Spatial agglomeration and export of China's manufacturing industry: A study based on enterprise level[J]. Management World, 2014(10): 57-74.] |
[23] |
关会娟, 许宪春, 张美慧, 等. 中国数字经济产业统计分类问题研究[J]. 统计研究, 2020, 37(12): 3-16. [Guan Huijuan, Xu Xianchun, Zhang Meihui, et al. Research on industrial statistical classification of digital economy in China[J]. Statistical Research, 2020, 37(12): 3-16.] |
[24] |
樊立惠, 蔺雪芹, 王岱, 等. 北京房地产中介空间格局演化特征及驱动因素分析[J]. 人文地理, 2018, 33(5): 71-79. [Fan Lihui, Lin Xueqin, Wang Dai, et al. Evolution characteristics and driving effects of spatial patterns of Beijing real estate agents[J]. Human Geography, 2018, 33(5): 71-79.] |
[25] |
唐文敏, 赵媛, 许昕, 等. 中国社会组织发展的时空演化与影响因素[J]. 人文地理, 2020, 35(1): 36-45. [Tang Wenmin, Zhao Yuan, Xu Xin, et al. Spatio-temporal evolution and influencing factors of social organization development in China[J]. Human Geography, 2020, 35(1): 36-45.] |
[26] |
徐祯, 李国平, 席强敏, 等. 北京市建筑设计产业空间分布与区位选择[J]. 地理科学, 2021, 41(5): 804-814. [Xu Zhen, Li Guoping, Xi Qiangmin, et al. Spatial distribution and location selection of architectural design industry in Beijing[J]. Scientia Geographica Sinica, 2021, 41(5): 804-814.] |
[27] |
张丽, 韩增林. 大连市文化企业的空间分布变化与区位影响因素[J]. 地理科学, 2020, 40(4): 665-673. [Zhang Li, Han Zenglin. The spatial variation and location influencing factors of cultural firms in Dalian city, China[J]. Scientia Geographica Sinica, 2020, 40(4): 665-673.] |
[28] |
王彬燕, 王士君, 田俊峰, 等. 中国高技术产业及其细分行业发展时空演变特征[J]. 经济地理, 2017, 37(9): 135-142. [Wang Binyan, Wang Shijun, Tian Junfeng, et al. Development difference and influence factors of high-tech industry and its each subdivision in China[J]. Economic Geography, 2017, 37(9): 135-142.] |
[29] |
袁丰, 魏也华, 陈雯, 等. 苏州市区信息通讯企业空间集聚与新企业选址[J]. 地理学报, 2010, 65(2): 153-163. [Yuan Feng, Wei Yehua, Chen Wen, et al. Spatial agglomeration and new firm formation in the information and communication technology industry in Suzhou[J]. Acta Geographica Sinica, 2010, 65(2): 153-163.] |
[30] |
谢敏, 赵红岩, 朱娜娜, 等. 宁波市软件产业空间格局演化及其区位选择[J]. 经济地理, 2017, 37(4): 127-134, 148. [Xie Min, Zhao Hongyan, Zhu Nana, et al. Spatial pattern evolution and location selection of software industry in Ningbo[J]. Economic Geography, 2017, 37(4): 127-134, 148.] |
[31] |
王丹, 方斌, 陈正富. 基于社区尺度的互联网企业空间格局与演化——以扬州市区为例[J]. 经济地理, 2018, 38(6): 133-141. [Wang Dan, Fang Bin, Chen Zhengfu. Spatial pattern and evolution of internet companies based on community scale: A case study of Yangzhou[J]. Economic Geography, 2018, 38(6): 133-141.] |
[32] |
孟方琳, 汪遵瑛, 赵袁军, 等. 数字经济生态系统的运行机理与演化[J]. 宏观经济管理, 2020(2): 50-58. [Meng Fanglin, Wang Zunying, Zhao Yuanjun, et al. The operational mechanism and evolution of the digital economic-ecological system[J]. Macroeconomic Management, 2020(2): 50-58.] |
[33] |
马莉萍, 岳昌君, 闵维方. 高等院校布局与大学生区域流动[J]. 教育发展研究, 2009(23): 31-36. [Ma Liping, Yue Changjun, Min Weifang. Regional distribution of colleges and regional flow of college students[J]. Research in Educational Development, 2009(23): 31-36.] |
[34] |
王强, 缪小明. "十四五"时期国家自创区创新生态系统构建与路径实现[J]. 科学管理研究, 2021, 39(6): 35-42. [Wang Qiang, Liao Xiaoming. Construction and path driving of innovation ecosystem in nation self established area during the period of the"14th Five-Year Plan"[J]. Scientific Management Research, 2021, 39(6): 35-42.] |
[35] |
宋洋. 经济发展质量理论视角下的数字经济与高质量发展[J]. 贵州社会科学, 2019(11): 102-108. [Song Yang. Digital economy and high quality development from perspective of economy development quality theory[J]. Guizhou Social Sciences, 2019(11): 102-108.] |
[36] |
屈雅静, 魏海英, 马瑾. 基于BP神经网络的北京城区公园土壤PAHs含量预测[J]. 环境科学研究, 2020, 33(12): 2864-2871. [Qu Yajing, Wei Haiying, Ma Jin. Prediction of polycyclic aromatic hydrocarbons (PAHs) content in siol of urban park in Beijing based on BP neural network[J]. Research of Environmental Sciences, 2020, 33(12): 2864-2871.] |
[37] |
甄杰, 任浩, 唐开翼. 中国产业园区持续发展: 历程、形态与逻辑[J]. 城市规划学刊, 2022(1): 66-73. [Zhen Jie, Ren Hao, Tang Kaiyi. Sustainable development of industrial parks in China: Process, morphology, and logic[J]. Urban Planning Forum, 2022(1): 66-73.] |
[38] |
郭付友, 陈才, 刘继生, 等. 转型期长春市服务空间与城市功能空间关系特征研究[J]. 地理科学, 2015, 35(3): 299-305. [Guo Fuyou, Chen Cai, Liu Jisheng, et al. The relationship between services space and other function space of Changchun city in transition period[J]. Scientia Geographica Sinica, 2015, 35(3): 299-305.] |
[39] |
Coffey W, Polèse M, Drolet R. Examining the thesis of CBD decline: Evidence from the montreal metropolitan area[J]. Environment and Planning A, 1996, 28: 1795-1814. |
[40] |
Hesmondhalgh D. The Cultural Industries[M]. London: SAGE Publications, 2002: 2.
|
[41] |
王帅, 席强敏, 李国平. 北京制造业企业对河北投资的空间特征与影响因素[J]. 经济地理, 2015, 35(4): 90-98. [Wang Shuai, Xi Qiangmin, Li Guoping. The geographical characteristics & influencing factors of Beijing manufacture enterprises investment on Hebei[J]. Economic Geography, 2015, 35(4): 90-98.] |
[42] |
宋金彦, 李仙德, 徐宁. 中国新创通信设备制造企业空间格局及其影响因素研究[J]. 地理科学进展, 2021, 40(6): 911-924. [Song Jinyan, Li Xiande, Xu Ning. Spatial pattern and underlying factors of new telecommunication equipment ventures in China[J]. Progress in Geography, 2021, 40(6): 911-924.] |
[43] |
刘程军, 王周元晔, 李续双, 等. 互联网新创企业空间格局演化及区位选择——以杭州为例[J]. 经济地理, 2021, 41(6): 107-115, 146. [Liu Chengjun, Wang Zhouyuanye, Li Xushuang, et al. Spatial pattern evolution and location choice of internet startups: A case study of Hangzhou[J]. Economic Geography, 2021, 41(6): 107-115, 146.] |