作者简介:章 文(1978—),男(汉族),安徽省安庆市人,中山大学博士研究生.E-mail:zhangwen@ustc.edu
中文责编:英 子; 英文责编:雨 辰
1)中山大学地理科学与规划学院,广州510275; 2)广东省城市化与地理环境空间模拟重点实验室,广州510275; 3)伦敦大学学院工程学院, 伦敦 WC1E 6BT; 4)华南师范大学地理科学学院,广州 510631; 5)伦敦大学学院高级空间分析中心,伦敦 W1T 4TJ
Zhang Wen1, 2 , Cheng Tao3, Mei Zhixiong4, and Wang Jiaqiu51)School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275, P.R.China2)Key Laboratory of Urbanization and Geographical Environment Simulation of Guangdong Province, Guangzhou 510275, P.R.China3)Faculty of Engineering Science, University College London, London WC1E 6BT, UK4)Geography School of South China Normal University, Guangzhou 510631, P.R.China5)Centre for Advanced Spatial Analysis, University College London, London W1T 4TJ, UK
economic geography; spatial analysis; service industries; spatial autocorrelation; Shenzhen's tertiary industry; regional economy
DOI: 10.3724/SP.J.1249.2014.06638
在建立深圳服务业地理数据库基础上,采用空间分析法分析深圳服务业的分布格局及空间自相关性.研究表明,点密度渲染和加权平均中心刻画出了地理要素总量分布情况,深圳服务业企业分布密度基本体现从市中心向外递减的规律,各服务业加权中心均西向偏离地理中心.通过Moran's I检验,显示深圳服务业具有不同的全局空间自相关性,高增加值比重(≥3%)服务业局部自相关集聚区呈多样化格局,区域分工已经形成,这是区位条件、经济联系和政府规划等因素共同作用的结果.研究指出,因为城市区位差异性和产业异质性的存在,不同区域有必要坚持定制化的服务业空间发展策略.
Based on the establishment of Shenzhen service enterprises geographic database, spatial analysis is adopted to develop empirical research on Shenzhen service industry spatial distribution and autocorrelation patterns. Conclusion s are drawn as follows: dot density rendering and centrographic statistics estimate the spatial distribution characteristics of geographic factors on the whole. Shenzhen service enterprises distribute with a strong trickle-down trend from the city center to the periphery. The weighted mean centers of Shenzhen service industries display an obviously western offset from the geometry center. Indicated by Moran's I verifications, Shenzhen service industries have different global spatial autocorrelations. Also Shenzhen services with high proportion of added values(≥3%)show diversified local spatial autocorrelations on agglomerative subdistricts. Regional industrial division has been formed, which is the result of cooperative effect of location condition, economic ties, and government planning. Furthermore, it would be necessary to keep customized spatial development policies for the specific service industry, because of the existence of urban regional differences and industrial heterogeneity.
产业是具有使用相同原材料、相同工艺技术或生产产品用途相同的企业集合,根据产业的定义,企业最本质表征产业的各种形态,除从业人员外[1-2],随着统计方式的完善,依赖企业的空间统计数据逐渐成为分析产业空间分布格局研究重要信息来源[3-5].产业空间格局是指产业中企业集合在地域上呈现出的空间形态,是社会经济部门发展运动规律在该区域中的表现.关于城市产业空间格局的研究[4-5]也日渐成为研究热点,究其原因,产业分布现状及成因分析是科学合理规划产业空间的基础, 是取得良好经济、 社会和生态效益的重要依据.
在经济构成中,服务业的发展起到了促进优化产业结构、提升经济增长质量以及合理吸纳就业的作用.就深圳市而言,已有的研究主要集中在三资企业空间分布[6],或围绕产业基地的产业导向[7]质性分析上,关于深圳服务业空间格局的研究鲜见于文献.深圳是中国市场经济发育较成熟的地方,因此开展深圳服务业的空间研究具有一定代表性.本研究从空间角度出发,考察城市服务业总量分布、空间自相关性及形成机理,以研究解决服务业发展过程中存在的空间差异,为合理调控城市产业用地规划,培育区域服务业发展提供决策支持.该方法是大数据地理信息系统(geographic information system,GIS)[8]在产业研究中的有效运用.
深圳市位于中国广东省南部,陆域位置为东经113°46'~114°37',北纬22°27'~22°52'.东临大亚湾,与惠州市相连,西濒珠江口伶仃洋,南至深圳河,与香港毗邻,西北与东莞市、东北与惠州市接壤.自1979年1月宝安县改为深圳市起,历经多次行政区改革,深圳经济特区范围已扩大至全市,2004年成为无农村城市,下辖福田、罗湖、南山、盐田、宝安、龙岗6个行政区,和光明新区、坪山新区、龙华新区、大鹏新区4个行政功能区,传统关内区域指二线关以内的福田、罗湖、南山、盐田4区.2012年全市共设有57个街道办事处.其中,蛇口街道分为2个空间网格单元,内伶仃岛是离岸岛屿,为生态控制区,岛上企业数量为0,在空间分析中不予考虑,这也避免了邻接关系孤岛现象; 光明街道亦分为2个网格单元,因此深圳共有街道级地理网格58个,如图1.
历经30余年发展,深圳经济保持高速增长,全市生产总值年均增长24.8%,从产业发展情况来看,第一产业GDP及其增长速度总体呈下降趋势,深圳完成了从农业社会向工业社会转变; 第二产业的增长速度亦呈下降趋势,表明第二产业以空间扩张为主的发展阶段已经结束; 第三产业的增长速度虽然总体上落后于第二产业,但不同阶段增长速度落差较小,发展相对稳定.据《深圳年鉴》2013卷报道, 深圳的三次产业结构由 2005 年的0.2:53.4:46.4 调整为2012年的0.1:44.3:55.6,第三产业超过第二产业并迅速拉大距离,可见深圳服务业发展开始加速,且逐步形成了稳定的经济增长力.
根据2012年深圳企业商事登记基础信息,按照国民经济行业分类(GB/T 4754—2002)门类代码,将服务业企业统计归类为:F类交通运输、仓储和邮政业; G类信息传输、计算机服务和软件业; H类批发和零售业; I类住宿和餐饮业; J类金融业; K类房地产业; L类租赁和商务服务业; M类科学研究、技术服务和地质勘查业; N类水利、环境和公共设施管理业; O类居民服务和其他服务业; P类教育; Q类卫生、社会保障和社会福利业; R类文化、体育和娱乐业.因行政机关、事业单位和社会团体不需要进行商事注册登记,现有企业数据中的P类教育业不包括大、中、小和职业学校,实际主要企业类型为驾校,Q类卫生、社会保障和公共设施管理业不包括公立医院,实际主要企业类型为宠物医院,这两类服务业收集到的企业不能表征所属产业的本质,故不参与分析.有效选取分类的服务业企业涉及11个行业,以街道级粒度的城市网格为空间平台,构建空间化率和匹配率较高的产业地理数据库(geographic database)作为研究数据来源.
地图数据符号化是图形语言的表达,具有确定客观事物空间位置、分布特点、质量和数量特征的基本功能.不同于分级色彩或分级符号方案,点密度渲染基于地理要素属性字段,将字段数值定量表示为一系列点图案的填充,即用特定大小的点符号表示网格内的要素密度数值, 数值较大时点符号较多, 数值较小时点符号较少,会同网格单元本身面积大小的差异,形成一种点密度渲染图,虽不对数据进行分级分类,却能直观表现地理要素密度的分布.
平均中心(mean center)研究区中所有对象的平均x坐标和y坐标,是描述空间分布的常用指标之一,亦被称作重心(center of gravity),其表达式为
{X^-=1/n∑ni=1xi
Y^-=1/n∑ni=1yi(1)
其中, xi和yi是对象i的坐标; n为对象总数.加权平均中心是通过赋予网格单元对象(如街道)几何坐标不同属性权重来得到,比较加权平均中心的计算结果,可总体概括地理要素分布的中心区位和整体差异.加权平均中心可扩展为
{X^-=(∑ni=1wixi)/(∑ni=1wi)
Y^-=(∑ni=1wiyi)/(∑ni=1wi)(2)
其中,xi、 yi和n定义同式(1); wi为要素在网格单元i处的权重.
空间自相关是用于检验指定地理要素属性与其相邻地理网格上要素是否相关的空间统计方法,已被广泛用于生态物种[9]、疾病控制[10]和产业经济[11]等领域.全局Moran's I(记为Iglobal)和局部Moran's Ii(记为Ilocal_i)是空间自相关两项重要的度量指数.
空间统计首先需将空间方位和空间关系直接整合进算法中,这些方位关系需通过空间权重矩阵(spatial weights matrix)实现,空间权重矩阵的定义是空间自相关分析的前提和基础.空间权重矩阵定义为二元对称矩阵W, 用来表达n个位置的地理网格的邻接关系,其表现形式[12]为
W=[w11 w12 … w1n
w21 w22 … w2n
wn1 wn2 … wnn](3)
其中, wij表示网格单元i与j邻接关系,它可根据邻接标准或距离标准来衡量.以给定网格单元为围绕中心的二进制邻接矩阵通常有2种方式,一种情况是定义边邻接关系,这类似于国际象棋中车(rook)的走法规则,故称为rook邻接关系; 另一种是在前一种基础上再加上顶点,类似国际象棋中后(queen)的走法规则,称为queen邻接关系.
全局空间Moran's I反映了地理网格上要素属性值相似性整体程度.设网格单元上的要素属性观测值为x, 则全局Moran's I[13]计算式为
Iglobal=(n∑ni=1∑nj=1wij(xi-(-overx))(xj-(-overx)))/(∑ni=1∑nj=1wij∑ni=1(xi-(-overx))2)(4)
其中, n为网格单元数; 要素属性均值(-overx)=1/n∑ni=1xi. Iglobal的取值范围是[-1,1],Iglobal>0表示正相关,要素趋向聚类分布; Iglobal<0表示负相关,要素趋向发散分布; Iglobal=0表示整体无自相关性,要素在网格中趋向随机分布.
通过局部空间自相关方法考察地理要素属性高值或低值分布是否存在局部空间聚类,以及要素属性局域的同质性和异质性,使用的测度指标是局部Moran's Ii[14]. 局部Moran's Ii描述的是网格单元i上要素属性观测值与空间相邻网格上要素空间聚集程度,模型定义为
Ilocal_i=(n(xi-(-overx)))/(∑ni=1(xi-(-overx))2)∑nj=1wij(xj-(-overx))=
zi∑nj=1wijzj(5)
其中, zi和zj分别代表网格单元i与邻接网格j上要素属性观测值与均值的标准化偏差,其他变量含义与全局Moran's I计算式相同.Ilocal_i>0表示要素同质聚类正相关; Ilocal_i <0表示聚类异常负相关.
将局部Moran's Ii与显著性水平结合形成局部空间关联指数(local indicators of spatial association, LISA)集聚图,局部Moran's Ii的显著性判断可采用Bonferroni校正法.此时,根据局部Moran's Ii及其显著性把网格单元上产业要素空间自相关类型分为4类:① 扩散(涓滴)效应区(HH类型区),Ilocal_i的显著性水平>0, ∑nj=1wijzj>0, 网格单元i与空间邻接网格j的产业属性值高于均值,说明网格i是该产业“扩散中心”的热点,通过资本、技术和信息的扩散,带动周边街道同类产业的共同发展; ② 极化(回波)效应区(HL类型区),Ilocal_i的显著性水平<0, ∑nj=1wijzj<0, 表示网格单元i自身产业水平较高,而相邻网格产业水平较低,呈现中心高而四周低的产业分布空间格局,极化效应明显; ③ 产业过渡区(LH类型区), Ilocal_i的显著性水平<0, ∑nj=1wijzj>0, 表示网格单元i自身产业水平较低,而相邻网格产业水平较高,空间上呈现中心低而四周高的负相关特征,是扩散效应区或低速发展区与其他类型区域之间的过渡地带; ④ 低速发展区(LL类型区), Ilocal_i>0, ∑nj=1wijzj<0, 该类网格单元和周边网格产业水平都较低、为低值聚集的冷点,产业提升空间很大.
在ArcGIS中使用地图符号系统的点密度渲染器基于企业数用点来填充各个街道网格,每个点都代表1个特定值(在图2中,1个点代表400家企业).服务业企业密度最高的街道主要分布在福田和罗湖区,次高区域包括南山区、盐田区及与传统关内区域相邻接的龙岗区布吉、宝安区民治和新安及龙华新区龙华等街道,反映城市服务业“双主中心”(福田-罗湖和南山区前海主中心)和龙岗等副中心格局初具形态.整体看来,深圳服务业企业分布密度基本体现从市中心向外递减的规律.
平均中心对于比较不同类型地理要素的分布非常有用,根据式(1)和式(2)计得深圳地理中心及各服务业的加权平均中心.图3显示了深圳服务业空间分布的差异性和不均匀性.深圳地理中心位于布吉街道靠近坂田和清水河街道的区域,而深圳各
服务业的加权平均中心均偏离地理中心,且都在地理中心的西部.其中,M科学研究、技术服务和地质勘查业西偏表现的尤为明显,加权平均中心处在西丽街道.这与深圳西部拥有更多的科教资源有关,深圳大学、深圳职业技术学院以及深圳大学城(清华大学深圳研究生院、北京大学深圳研究生院、哈尔滨工业大学深圳研究生院,中国科学院深圳先进技术研究院, 南方科技大学和国家超级计算深圳中心入驻)均分布在西丽街道周边或在该街道上.
空间权重矩阵构造采用二进制邻接矩阵,对比不同阶数的邻接关系,得到深圳服务业全局Moran's I的结果会有所不同,其中rook和queen的1阶邻接关系一致,这与深圳街道级地理网格空间结构有关,而1阶邻接矩阵相比2阶、3阶得到的Moran's I值最大,说明服务业相关性随距离衰减,根据地理学第一定理:任何事物都与其他事物相联系,但邻近的事物比较远事物联系更为紧密[15],这种空间依赖(spatial dependence)关系可引申为城市内经济联系随距离增大而减少,因此空间权重矩阵选取多边形1阶多边形邻接关系较合适.对深圳各服务业进行正态分布假设下的全局空间自相关检验,零假设为:n个街道的服务业属性变量之间不存在空间自相关性,根据z=[Iglobal-E(Iglobal)]/(var(Iglobal))1/2可计算出z统计量,由z的p值在给定显著性水平下检验是否拒绝或接受零假设.其中,E(Iglobal)为Iglobal的期望值; var(Iglobal)为Iglobal的方差. 深圳服务业全局空间自相关Moran's I结果如表1. 其中, 服务业G、 H、 I、 J、 K、 L、 M、 N和O类在显著水平0.05条件下均拒绝零假设,且z>0, 表现为正相关的空间聚类特征; 服务业F和R无法拒绝零假设,与随机模式的差异并不显著.
增加值(added value)是识别各产业部门最终生产成果的主要指标,所有常住单位生产活动的增加值之和即是国内生产总值.根据2012年深圳市各行业增加值比重,服务业增加值不小于3%的有F类交通运输、仓储和邮政业(3.6%),G类信息传输、计算机服务和软件业(5.0%),H类批发和零售业(11.7%),J类金融业(13.3%),K类房地产业(8.7%)及L类租赁和商务服务业(3.0%),对这6类具有高增加值比重、对城市的国内生产总值(gross domestic product, GDP)影响力大的服务业分别进行局部空间自相关性分析.为避免地理要素分布因采样设计或施加的聚合方案而可能引起的偏离,预先对空间权重矩阵进行标准化,将Ilocal_i与统计显著性结合得到深圳高增加值比重(≥3%)服务业LISA集聚图(图4).
F类交通运输、仓储和邮政业整体上在深圳街道地理网格上并没有显著的空间同质聚类现象,但在个别街道上仍出现空间离群值,如盐田区的盐田街道属于产业HL类型区,宝安区的福永街道属于产业HH类型区,HL集聚和HH集聚会相互抵消对全局Moran's I的影响.盐田街道辖区内拥有远洋集装箱班轮密度国内第一的盐田港,福永街道是国内最大航空港之一深圳宝安国际机场所在街道,说明城市港口/空港地理位置对交通运输、仓储和邮政业物流业起着决定性作用.
图4 2012年深圳高增加值比重服务业LISA集聚图
Fig.4 LISA cluster map of Shenzhen services with high proportion of added value on 2012
G类信息传输、计算机服务和软件业HH类型区主要分布在南山区的粤海、南头、南山街道和福田区的华强北、福田、莲花、沙头街道,受政府高新产业园规划、优惠政策和科研资源的影响显著,且整体上有着较强的集聚分布倾向,在参与局部自相关分析的6类服务业中,信息传输、计算机服务和软件业全局Moran's I值为最高.
H类批发和零售业普遍的分布规律是地区毗邻地带的物资集散地批发和零售业均较发达,据中国物流信息中心对重点企业的调查,2012年中国批发零售业企业物流费占其商品总销售额的比重为7.8%,高于发达国家.深圳批发和零售业HH类型区出现在宝安区西乡等街道片区,该片区位于穗-莞-深-港交通走廊的“脊梁”上,周边大中城市基本涵盖在以该片区为圆心的“半小时交通圈”范围内,便捷的交通能够降低物流以及库存成本.
J类金融业在深圳服务业中的增加值最高,金融业集聚中心形成本质上是一种“涌现”过程[16],可以理解为金融企业大量集聚促使了金融中心的产生.深圳金融业HH高值集聚在福田中央商务区(central business district,CBD),CBD拥有高素质的就业人口、密集的信息资源、更为良好的基础设施和通勤环境,有利于“面对面”的知识与信息的交流,可以有效促动“默会知识(tacit knowledge)→明晰知识(explicit knowledge)→默会知识”这种知识流的转换过程,在此转化过程中实现了知识的创新,缩短了“干中学”的过程.金融业集聚的本身就是一种创新网络[17],相对传统行业,集聚对金融业的发展尤为重要.
K类房地产业是指从事土地和房产开发、经营、管理和服务活动的产业群体,与建筑业产业性质不同,房地产业不生产实物产品、建筑活动计入第二产业建筑业核算范围.《深圳市城市总体规划(2010—2020)》确定了深圳的2个城市主中心,即福田-罗湖中心和前海中心,在城市主中心,土地和房产开发使用较为活跃,土地和房产又被称作“不动产”,其空间固定性使房地产业具有很强的地域性.深圳房地产业在福田区的福田、莲花、沙头街道和宝安区的新安街道呈现高值集聚,位于这2个城市主中心内.
L类租赁和商务服务业主要集聚在福田区的华强北、福田、莲花、沙头街道,罗湖区的桂园和南湖街道.目前福田-罗湖中心是深圳商业信息流量最大、知识传播速度最快的核心区域,租赁和商务服务业企业在城市核心区的空间集聚大大方便了信息的交换和知识的扩散.租赁和商务服务业是相关供应者企业在市中心内的集聚,这种关联企业的集聚不仅可为规模经济的产生创造条件,更重要的是这些相关企业在提供服务上是互补的(如法律服务和知识产权服务),有利于降低消费的搜寻成本和商旅成本,更能吸引希望一站式服务的消费者.
作为新兴城市,深圳有别于北京、上海和广州等核心区接近城市的空间质心的城市,深圳城市核心区位于城市南部靠近服务业发达的香港[18](香港经济结构呈高度服务业化,服务业比重已超90%),这使深圳能便利地通过香港获取资金、引入技术和管理方法,且受路径依赖因素影响,信息传输、计算机服务和软件业、金融业、租赁和商务服务业等高端服务业在深圳南部城市核心区高值聚集,并存在惯性作用促使区域经济活动就近扩张.
探索式空间分析方法是基于数据驱动的量化分析,能较好反映产业的空间格局特征.全局Moran's I值接近0指示的是要素属性在整个区域空间特征,但并不表示没有局部空间离群值,因此还需进行局部自相关性检验.测度空间单元的选择会对研究区中要素的空间自相关产生影响,本研究以街道为单元进行分析,而原深圳二线关内外街道尺度差异较大,可能会影响分析结果,可考虑通过更细粒度的空间网格单元加以改善.
服务业由于具有高增加值、低能耗的特点,成为我国各级政府重点扶持的产业对象.政府推动往往和市场运作相配合,通过规划重点园区、建设CBD区及政策和资金支持发挥作用,相比发达国家,我国大中城市服务业集聚往往表现为市场经济与政府导向双轮驱动的模式[19].深圳服务业空间格局同样受到市场和政府的双重引导,在此双重引导下深圳服务业各行业空间格局形态呈现出多样化特征,在城市内部形成良好的服务业的区域分工与功能互补的同时,相伴有经济发展空间差异现象,所以有必要立足区域产业特色进行合理的功能区定位,进而坚持在不同区域实施个性定制的服务业空间发展策略.
深圳服务业尤其是高端服务业在城市核心区高值集聚明显,而服务业两翼伸展空间结构尚待加强.西部滨海区拥有港口、机、高速公路和口岸等完备的交通基础设施优势,应立足珠三角或更大地域范围,发挥区位与政策先行优势,深化深港合作,积极推进前海成为地区性的服务业中心.由于受生态环境保护等城市规划的约束,深圳东部滨海区不适合大规模发展传统制造业,东部滨海区服务业企业也还较少,从另一个角度看,该区域服务业具有很大的提升空间,属于深圳服务业发展的价值洼地.综合东部滨海区产业基础和资源禀赋,可着力发展生物医药合同研发(contract research organization,CRO)、基因测序以及基因组学研究等生物科技服务业.通过大力发展服务业及科学的差异化空间布局,促进深圳实现城市“精明”增长和产业可持续发展.
深圳大学学报理工版
JOURNAL OF SHENZHEN UNIVERSITY SCIENCE AND ENGINEERING
(1984年创刊 双月刊)
主 管 深圳大学
主 办 深圳大学
编辑出版 深圳大学学报理工版编辑部
主 编 阮双琛
国内发行 深圳市邮电局
国外发行 中国国际图书贸易集团有限公司(北京399信箱)
地 址 北京东黄城根北街16号
邮 编 100717
电 话 0755-26732266
0755-26538306
Email journal@szu.edu.cn
标准刊号 ISSN 1000-2618
CN 44-1401/N