产业转型下上海新进外资企业空间分布分析

制度经济的区位理论阶段以及考虑集聚经济效应的区位理论阶段。与此同时，有关企业选址以及空间分布的实证研究也十分丰富。西方实证研究主要集中于分析不同类型企业的空间分布特征[1-9]，以及分析不同企业选址的影响因素[10-21]。随着中国经济的迅速发展，以制造行业为主的外资企业大量入驻中国，其选址因素及空间分布特征引起中国学者的注意，逐渐成为研究热点[22-25]。可以看出，外资企业选址相关研究对象主要以工业企业，尤其是制造类企业的选址及空间分布特征为主。但随着沿海发达地区进入产业升级和结构优化调整的时期，各地对于各类外资企业的招商引资政策和措施也将会发生变化，这势必影响新进外资企业的选址及空间分布特征。因此，本文以沿海地区中的上海市为研究范围，搜集2009年上海市新进主要行业外资企业的相关数据，采用空间计量经济方法来分析各类新进外资企业空间分布特征和选址影响因素。

1 研究范围界定及数据搜集

1.1 研究范围界定

为了研究新一轮产业结构调整下外资企业空间分布情况，本文选取2009年新投资的外资企业作为研究对象。考虑到目前企业仍然需要在各自行政管辖区内工商部门登记注册，本文以上海区县单元为基础，将上海市辖区分为21个基本空间单元：（1）崇明；（2）长兴；（3）横沙；（4）浦东；（5）南汇；（6）奉贤；（7）金山；（8）松江；（9）青浦；（10）闵行；（11）嘉定；（12）宝山；（13）杨浦；（14）虹口；（15）闸北；（16）普陀；（17）长宁；（18）徐汇；（19）卢湾；（20）黄埔；（21）静安（图1）。

1.2 研究行业确定

根据新进外资企业的生产经营内容，按照我国《国民经济行业分类》（GB/T4754-2002）中的企业行业分类标准（如制造业行业代码为“C”）对外资企业进行行业分类。图2显示2009年上海2397家新进外资企业主要分布在20大类行业中的17类行业，其中以从事商品进出口贸易的批发零售业最多，占当年新进外企数的33%；其次是制造业及租赁和商务服务业，均占新进企业总数的近20%；此外，信息传输、计算机服务和软件业以及科学研究、技术服务和地址勘查业外企也达到一定的规模（分别为8.5%和6.8%）。由此可以看出，制造行业已经不是外资企业主要涉足的行业。受惠于上海市及长三角其他地区强大的消费能力，与制造业相关的批发零售业则成为外资企业投资的热点行业；此外，服务业以及高新技术行业（租赁与服务业，信息传输、计算机服务和软件业以及科学研究、技术服务和地址勘查业）也成为外资投资的主要行业。

本文根据外资企业联系地址，结合Google地图和ArcGIS软件进行外资企业地理位置识别，并加载到上海市空间分析单元中，进行外资企业空间分布特征分析。考虑到各行业新进外资企业数量不同，本文以外资企业整体以及5类外资主要投资行业（批发零售业，制造业，租赁和商务服务业，信息传输、计算机服务和软件业以及科学研究、技术服务和地质勘查业）为研究对象，进行外资企业空间分布特征分析。

1.3 外资企业空间分布示意

由图3（a）可以看出外资企业明显集聚在长宁、徐汇、卢湾、黄埔和静安五个城市中心区内，并向外呈现递减态势。而5类主要行业中，批发零售业以及租赁和商务服务业存在着明显的中心区集聚，外围逐渐递减的态势，而其他3类行业产业的空间分布则趋于平均分散的态势。

2 研究方法

2.1 圈层划分

圈层分析是以圈层结构理论为基础而形成的一种区域空间分析方法。圈层结构理论认为，城市在区域经济发展中起主导作用，城市对区域经济的促进作用与空间距离成反比，区域经济的发展应以城市为中心，以圈层状的空间分布为特点逐步向外发展[26]。因此，本文将上海市基本空间单元以其市中心为中心，参考上海行政区的地理位置与经济发展水平，进行圈层划分，并分析各个圈层内新进外资企业空间分布特征。

2.2 空间相关性

为了分析新进外资企业在各空间单元内分布是否存在自相关性，本文采用全局Moran指数I来检验外资企业的空间集聚特征。Moran指数I是检验整个研究区中邻近地区间是相似、相异（空间正相关、负相关）还是相互独立的一种全局聚类检验方法[27]，其计算公式如下：

I= = （1）

其中，n为研究区域内基本空间单元数；ωij为区域i与区域j的空间权重（若区域i与区域j相邻，ωij=1；区域i与区域j不相邻，则ωij=0）；xi和xj分别是区域i和区域j的属性；x=xi为属性的平均值；S2=（xi-x）2为属性的方差。

2.3 空间滞后回归模型

外资企业选址不仅仅与各空间分析单元（区位）的各种经济属性相关，同时也与相邻区位存在相互影响，存在着空间依赖性。空间滞后模型[27]主要研究各变量在一个地区是否具有扩散现象（溢出效应），其计算公式如下所示：

y=ρWy+Xρ+ε （2）

其中，y为因变量；ρ为可估计的空间滞后系数，反映样本数据中固有的空间依赖性；W为一个空间权重矩阵；Wy为空间滞后（算子），即随机变量y的加权平均；X为传统解释变量；β为相关参数变量；ε为随机误差项。通过检验空间滞后系数是否显著异于零，来确定空间滞后模型是否具有邻近区域上的空间关系。

3 上海新进外资企业空间分布特征分析

3.1 外资企业分布圈层分析

本文将上海市21个基本空间单元分成4个圈层[25]：①中心城核心区，包括卢湾、黄浦、静安；②中心城外围区，包括杨浦、虹口、闸北、普陀、长宁、徐汇；③近郊区，包括浦东、闵行、嘉定、宝山；④远郊区，包括崇明、南汇、奉贤、金山、松江、青浦。

通过对不同圈层内外资企业分布比例分析（表1）可知，上海新进外资企业仍然以核心区为主要选址区域，并由核心区向边缘地区逐渐减少。而在五类主要的外资企业当中，以“租赁和商务服务业”圈层分布密度差异化最大，核心区分布达到了3.82，远远高于其他圈层；而“信息传输/计算机服务和软件业”的圈层分布密度仍然以核心区为主，但是相比其他四类行业，其差异化相对较小。

3.2 外资企业全局空间相关性分析

上海外资企业的Moran指数I值以及95%置信水平下的P值如表2所示。可以看出，2009年上海新进外资企业整体以及5类行业的Moran指数I取值均为负数，且绝对值较小。这表明各行政区内外资企业选址呈现微弱的空间负相关关系，即外资企业选址倾向于避免集聚而产生的对自身发展及市场开拓等不利因素，但同时又由于外资企业所属行业的不同，这种负相关的选址现象并不显著。

3.3 新进外资企业空间分布影响因素分析

为了研究企业整体以及主要行业企业空间分布的影响因素，本文以各空间分析基本单元内各类外资企业数量为因变量，以传统回归（Ordinal Least Square， OLS）为参考，采用空间滞后模型（Spatial Lag Model， SLM）对新进外资企业空间分布影响因素进行分析。为了分析新进外资企业空间区位选址的影响因素，本文选取了相应的指标因素，如表3所示，并搜集相关指标数据进行计算。

（1）传统区位因素

根据区位相关理论[28]可知，企业的传统选址因素主要与各区位总生产成本因素相关。首先，各区位面积在一定程度上决定了所能吸纳的企业数量；其次，区位的地区生产总值反映了该区位经济发展水平，代表一个区位的整体经济环境；人口总数代表了该区位里可供雇佣的劳动力资源规模；根据城市地租理论[29]可知，地租水平随着与市中心的距离越远而越低，与此同时离市中心越远也意味着与市场更远，因此采用区位内外资企业与市中心的平均距离反映了其地租水平及市场接近程度；此外，由于外资企业大多为跨国公司的分公司/子公司，与海外地区经贸往来相对更为密切，同时离机场的远近也反映了外资企业相应交通成本的高低，因此，采用各区位内外资企业与两个机场的平均距离反映外资企业对外联系的便利程度。

（2）产业集聚因素

区内各行业相应的产业集聚程度也是新进外资企业空间分布一个重要的影响因素[30]。与此同时，与新进外资企业进行实地访谈可知，新进外资企业在进行选址决策的同时，也会考虑同一时期其他新进入驻的外资企业情况。考虑到数据的可获得性，本文仅考虑到新进外资企业集聚情况对于外资企业入驻的影响，建立了两类集聚指标来衡量不同行业内新进外企集聚度以及同一行业内外企集聚度，具体计算公式如下示：

X= （3）

X= ，i≠j （4）

其中，X和X分别为第m区位内第t行业外资企业的行业间集聚度及行业内集聚度，值域为（0，+∞），值越大表明集聚程度越高；Nmt为第m区位内第t行业的外资企业数；N表示外资企业总数；d为第m区位内t行业内任意某企业与其他行业某外资企业之间的距离；d为第m区位内t行业内任意两外资企业之间的距离。对于整体外资企业而言，只存在行业内集聚度指标。

采用空间计量经济软件GeoDa[31]对外资企业整体以及5类行业外资企业空间分布进行回归分析，同时对于待估参数P值大于0.1的影响因素予以剔除，计算结果如表4所示。

由表4可知，除常数项之外，所有的影响因素对于选址均存在显著性影响（P值小于0.1）。其中，传统区位因素中，除“租赁和商务服务业”和“信息传输/计算机服务和软件业”，“与市中心距离”以及“与机场距离”两类因素均对其他4类外资企业的选址存在显著影响，两类因素的效应意味着外资企业偏向选址于靠近机场，远离市中心的区位。与此同时，除批发零售业，外资企业整体以及其他4类外资企业分布明显具有邻近空间相关的特征（空间滞后算子W在1%的置信水平下显著），且均为明显的负相关特性，这表明企业倾向选址于周边外资企业数较少的小区内。

考虑本文空间分析的样本量较少（21个区县）且面积大小不均而可能造成回归系数稳健性的问题，本文采用Barniv等人[32]提出的in and out-of-sample 方法，以外资制造企业为例，随机抽取17个样本进行模型参数估计（in-sample），以剩下4个样本来检验模型拟合效果（out-sample），进行稳定性检验，再进行预测评估。结果显示，用于检验的4个样本中，有3.816个是符合实际结果的，模型预测准确率达到了76.32%，意味着模型的参数估计结果是稳定可信的。

第一，在传统区位因素当中，外资企业与市中心的距离及与机场的距离均被引入模型当中且参数检验结果是非常显著。其中，与市中心的距离这一系数为正，表明外资企业考虑到土地租金成本水平而偏向于选择在远离城市中心的郊区选址；而与机场的距离这一系数则明显为负，这也反映出外资企业十分重视选址地对外交通联系的便利程度。由于虹桥机场较浦东机场更近于市区，因此虹桥机场对于外资企业选址的影响因素要明显高于浦东机场。

第二，两类空间集聚指标之中，对于“信息传输/计算机服务和软件业”的企业，行业间企业集聚与行业内企业集聚均不显著，表明“信息传输/计算机服务和软件业”的外资企业选址并未考虑同行业的以及其他行业的外资企业的选址分布以及相应的集聚效应。对于其他4类外资企业而言，外资企业集聚因素的影响十分显著，但两类集聚因素的影响效果存在差异。“批发零售业”以及“租赁和商务服务业”的行业内企业集聚指标呈现显著的正向效应，表明这两种行业偏向选址于同种行业集聚的区域，与此同时“批发零售业”也对行业间企业集聚呈现显著的负向效应，表明“外资批发零售业”更倾向于业内集群形成规模效应，并不重视甚至排斥同区域内其他行业的集聚。

对于“制造业”以及“科学研究/技术服务和地质勘查业”，行业间企业集聚度则存在明显的正向效应，这表明两类企业与区域内其他行业之间关系密切，区域内不同行业的集群也将会促进本行业的发展；与此同时，由于两类行业本身市场的有限性或提供服务的同质性，在选址时，对于行业内企业集聚存在明显的负向效应。

4 结论与建议

本文搜集2009年上海新进外资企业信息， 对新一轮产业调整形势下上海新进外资企业空间分布特征以及选址影响因素进行分析研究。目前上海市新进外资企业主要以批发零售业、制造业、租赁和商务服务业、信息传输/计算机服务和软件业以及科学研究/技术服务和地质勘查业5类企业为主。通过空间分布以及圈层分析发现，外资企业整体及5类外资企业空间分布上存在较为明显的中心集聚，外围逐渐衰减的态势，但各类外资企业的全局空

间自相关性则呈现不同的态势。

其次，采用考虑空间效应的SLM回归发现，传统区位因素当中，以外资企业与市中心距离和与机场距离最为显著，反映了新进外资企业在区位选址当中主要考虑土地成本以及对外交通的便捷程度。通过建立行业内企业集聚和行业间企业集聚两种指标并引入模型中分析发现，不同行业对于两类集聚因素的显著性及实际效应存在不同。信息传输/计算机服务和软件业对于集聚因素并无显著性；行业内企业集聚程度对批发零售业以及租赁和商务服务业显著且具有正向效应；制造业以及科学研究/技术服务和地质勘查业选址时则明显受到行业间企业集聚的正向影响。

基于上述的结论，本文对促进上海外资投资，促进对外经济贸易发展，提出以下相关建议。第一，由于外资企业十分重视与本国总部或海外市场的及时有效的联系，因此其十分重视选址地的对外交通状况（与机场的距离）。与此同时，随着上海市经济发展的不断国际化与一体化，快速有效的对外交通则成为上海市对外经济发展的重要保障。在此基础下，空港已经成为促进上海市对外经济贸易发展，形成总部经济的重要基础条件。因此，建议上海市在引进外资投资时，应考虑空港与城市经济发展的互动作用，充分利用空港的交通优势来合理引导外资企业选址，从而促进城市经济的发展。第二，结合不同外资企业对于产业内及产业间集聚的特征，制定合理有效的外资企业引导政策，并形成合理的外资企业区位条件，从而引导外资企业入驻。由于“批发零售以及租赁和商务服务”类外资企业明显偏向于同行业外资企业集聚，通过享受行业内产业的集聚效应而获得自身的发展。因此，上海市应该根据现有外资企业空间分布特征，打造批发零售及商务服务产业园区，形成强有力的行业集聚效应，吸引同一行业外资企业入驻。对于“制造业以及科学研究/技术服务和地质勘查业”内的外资企业，由于其偏向于选址在其他配套产业及基础设施环境完善的区位生产经营，因此对于此类外资企业，应着力完善相关产业园区内上下游产业及配套设施。

参考文献

[1] Charles G. Schmidt. An analysis of firm relocation patterns in metropolitan Denver， 1974-76[J]. The annuals of regional science， 1979， 13（1）： 78-91.

[2] Brent W. Ambrose， Thomas M. SPRINGER. Spatial Variation of Nonmetropolitan Industrial Location[J]. Journal of Real Estate Finance and Economics， 1993， 7：17-27.

[3] David B. Audretsch， Marco Vivarelli. Determinants of New-Finn Startups in Italy[J]. Empirica 1996， 23： 91-105.

[4] Frank G. van Oort， Oedzge A. L. C. Atzema. On the conceptualization of agglomeration economies： The case of new firm formation in the Dutch ICT sector[J]. Ann Reg Sci， 2004， 38：263-290.

[5] 贺灿飞，梁进社，张华. 北京市外资制造企业的区位分析[J]. 地理学报，2005，6（1）：122-130.

[6] Hanna Maoh， Pavlos Kanaroglou. Geographic clustering of firms and urban form： a multivariate analysis[J]. J Geograph Syst， 2007， 9：29-52.

[7] Niels Bosma， André van Stel， Kashifa Suddle. The geography of new firm formation： Evidence from independent start-ups and new subsidiaries in the Netherlands[J]. Int Entrep Manag J， 2008， 4：129-146.

[8] Robert Faff， Tribeni Lodh， Jerry Pawada. Location Decisions of Domestic and Foreign-Affiliated Financial Advisors： Australian Evidence[J]. J Financ Serv Res， 2011：11-23.

[9] Sven Müller. Identifying spatial nonstationarity in German regional firm start-up data[J]. Jahrbuch für Regionalwissenschaft， 2012， 32（2）： 113-132

推荐访问:外资企业 上海 新进 转型 分布