马子路，黄亚平

引言

新一轮技术革命加快重塑全球产业体系，我国创新驱动战略全面推行，科技服务业作为助推科技与经济有机融合的重点领域，成为引领城市经济高质量发展的关键环节，据统计，2019 年北京市科技服务业增加值为2826.4 亿元，占全市生产总值的8.0%[1]。由科技部发布的《“十三五”现代服务业科技创新专项规划》，提出加强科技创新和商业模式创新，开展技术研发与应用示范，着力做大做强科技服务业。科技服务业是以科学理论知识和专业技术方法为基础，为科技创新推动社会和经济发展提供智力服务的行业[2]，在提升技术创新水平、促进传统产业转型和培育新兴产业等方面发挥着重要作用[3]。因此，刻画城市内部科技服务业空间分布格局，辨析其区位选择的影响因素，对于揭示城市科技服务业空间分布的规律，实现科技资源的优化配置有着重要的理论和现实意义。

国外学者对城市科技服务业区位的研究开始于20 世纪90 年代，研究成果主要集中于科技服务业的分布特征和影响因素，如亚特兰大[4]、凤凰城[5]、巴黎[6]和维也纳[7]。研究结果表明，科技服务业主要分布在城市郊区[4，5]、高科技中心[6]、综合医院和大学附近[7]等区域，影响因素集中在低廉土地价格、便利交通条件、高素质人力资源[4]、消费者偏好、政府政策、居住模式[6]、合作伙伴互动、共享研发设施和获取知识趋势[7]等。国内学者对城市科技服务业分布的研究开始于本世纪初，以北京[8]、上海[9]、广州[10]和杭州[11]等城市为案例，研究了科技服务业的分布特征、空间格局演化及影响因素等内容。在分布特征方面，科技服务业倾向于集聚在科技园和高等院校集中的区域[8，10]；在空间格局演化方面，学者们发现一些企业呈现向外扩展态势[11，12]，向软件园、科技园[11]等地分散；在影响因素方面，主要涉及经济实力、政府政策[9]、配套设施、发展空间、环境条件[13]和人才高地[14]等因素；研究方法上，采用基尼系数[8]、区位商[10]、核密度估计[11，12]、标准差椭圆[12]等空间分析方法，刻画科技服务业的空间格局及其演化特征，在影响因素分析中，多采用定性描述分析方法[9，13，14]。

综上，①从研究对象来看，国内研究集中于北京、上海和杭州等东部城市，对中部地区城市的研究较少；②从研究内容来看，现有文献大多以科技服务业整体为对象，缺乏对不同类型科技服务业空间格局的差异性进行探讨，同时，忽略了文化环境、孵化环境和商业环境等因素对科技服务业区位选择的影响，对不同类型企业影响因素的比较研究也少有涉及；③从研究方法来看，科技服务业区位选择影响因素的探讨以定性描述分析为主，在定量分析方面尚显薄弱。武汉市作为全国重要的增长极，对于异质性的中国来说具有典型意义，以武汉都市区为案例，科技服务业的空间分布格局具有何种特点，不同行业之间是否存在差异？影响科技服务业区位选择的因素有哪些，不同行业的区位选择因素有何不同？这些是本文所要探讨的问题。鉴于此，本文基于武汉市工商登记企业数据，运用圈层分析与核密度估计方法，对武汉都市区科技服务业空间格局及不同类型企业的区位差异进行研究，并采用负二项回归模型，定量分析其区位选择的影响因素及不同行业间的差异，以期为城市科技服务业的健康发展和合理布局提供参考。

1 数据来源与研究方法

1.1 研究区域与数据来源

武汉市是我国中部区域中心城市，其独特的交通区位、科教资源和政策优势为科技服务业的快速增长提供了有力支撑。本文选取武汉市2010 版总体规划中确定的都市发展区范围作为研究区域，包括主城区和近郊区部分乡镇，总面积为3261km2，是城市功能集聚与空间扩展的主要区域。

科技服务企业数据来自2018 年武汉市工商登记企业数据，根据《国民经济行业分类》（GB/T4754—2017），科技服务业主要包括研究和试验发展、专业技术服务业以及科技推广和应用服务业三种类型，武汉都市区共计46505 条科技服务企业数据信息，包含单位名称、行业类型、企业地址和经营范围等属性信息，采用地理编码技术获取企业地址对应的经纬度坐标，利用ArcGIS10.2 平台构建科技服务企业空间数据库。在影响因素分析中，参照武汉市自然资源和规划局公布的武汉市城镇土地级别与基准地价，通过数字化处理得到商务办公基准地价；地铁站点、公交站点、购物设施、高等院校、科研机构和文化设施数据来自北京大学开放研究数据平台的高德地图兴趣点（Points of Interest,POI）数据[15]，为截至到2018 年的全量数据（https://doi.org/10.18170/DVN/WSXCNM）；科技企业孵化器数据来自武汉市科学技术局公布的科技企业孵化器名单；开发区数据来自武汉市相关规划图集。

1.2 研究方法

1.2.1 圈层分析法

圈层分析法旨在揭示城市科技服务业在不同圈层范围内的空间集聚态势，设定武汉市人民政府为研究区域中心，以3km 为间隔向外推移，构建环形缓冲区，计算不同环形圈层中科技服务业的企业数量及占比。计算公式为：

式中，Pi 表示第i 个圈层科技服务企业在总量中的占比，Ai 表示第i 个圈层的科技服务企业数量，A 表示研究区域内的科技服务企业数量。

1.2.2 核密度估计法

核密度估计法的原理是将要素点周边一定区域作为密度计算范围，距离要素点越近，密度越高，反之密度越低[16]。科技服务企业在空间上的分布密度由区域内所有企业邻近区域内核密度函数的总和进行计算，形成叠加核密度值的平滑表面，能清晰地反映其空间集聚特征，核密度估计的公式为：

式中，k 表示核密度函数，h 表示搜索半径，即带宽，n 表示搜索半径内样本点的数量，x-xi 表示核密度估值点x 与企业xi 之间的距离。本文通过ArcGIS10.2 中的核密度估计工具计算科技服务业的分布密度。

1.2.3 负二项回归模型

本文对武汉都市区进行1km×1km 网格划分，将被解释变量定为落入网格内的科技服务企业密度，网格内的企业密度是不连续的，呈现出离散分布的特征，可利用泊松回归模型检验科技服务业空间格局的影响因素。泊松回归模型的假设条件是被解释变量的平均值与方差相等，而各网格的企业密度差异较大，表现为方差大于平均值，呈现过度离散的特征，因此，本文利用负二项回归模型进行分析，该模型已在互联网企业[17]和文化企业[18]的区位因子研究中得到应用，模型可以表示为：

λi 为Yi 的估计系数，Yi 为研究单元i 内的企业密度，服从泊松分布：

式中：参数Ki 测度超离散的水平，遵循均值为0、方差为α 的伽马分布；参数λi 取决于解释变量Xi；系数βi 为解释变量的影响程度。

2 科技服务业的空间格局特征

2.1 总体集中分布于中心区和近郊区，呈现多中心格局

根据武汉都市区空间范围，设定武汉市人民政府作为原点，选择等距离3km 为间隔，形成14 个环形缓冲区，计算每个环形圈层中科技服务企业的占比情况（图1），探究科技服务业的圈层分布特征。武汉都市区科技服务业主要分布在中心区和近郊区，形成了两大峰值区域，分别在3～6km圈层和15～18km圈层，形成两大集中圈层，占科技服务企业总量的16.56%和19.31%，在近郊圈层集聚的倾向更显著。18km 范围内是科技服务业分布的主要区域，占企业总量的比重为80.90%。在24-27km 圈层形成了较小的波峰，说明科技服务业在城市外围地区形成了集聚的热点区域。30km 圈层以外的区域，科技服务企业分布的数量较少。

图1 武汉都市区科技服务业圈层分布图

利用ArcGIS10.2 平台中的核密度估计模块，设置带宽为1km，计算武汉都市区科技服务业的密度分布情况（图2），可以看出，科技服务业空间分布不均衡，主要在武昌区域集聚，形成了“多中心”的空间分布格局。具体来说，科技服务业紧邻光谷创业街、关东科技园和光谷总部国际形成了3 个核心集聚区，其中，光谷创业街（武汉东湖新技术创业中心）是全国第一家科技企业孵化器，吸引了数百家高科技企业的入驻。此外，科技服务业沿中南路商圈、街道口、光谷软件园和武汉大学科技园形成了4 个次级集聚区，其他区域的企业数量相对较少。总体上，武汉都市区科技服务业主要分布在创业街、科技园区和总部基地等区域，商业中心、高校集聚区和软件园区也具有较强的吸引力。

图2 武汉都市区科技服务业空间分布核密度图

2.2 不同类型科技服务业的空间格局存在明显差异

对比各类型科技服务业的核密度分布图发现（图3），不同行业的空间格局特征存在明显差异。研究和试验发展企业呈现出“一主两副”的空间格局，核心集聚区位于关东科技园附近区域，并沿光谷创业街和光谷总部国际形成了次级集聚区，表明研究和试验发展企业倾向于邻近科技园区分布；专业技术服务企业呈现出“两主多副”的空间格局，主要以中南路商圈和街道口为中心，形成两个核心集聚区，并形成了沿楚河汉街商圈、光谷创业街、关东科技园和光谷总部国际的次级集聚区，体现了专业技术服务企业倾向于紧邻高校集聚区和商业中心布局；科技推广和应用服务企业呈现出“一主多副”的空间格局，核心集聚区位于中南路商圈周边区域，同时，形成了多个次级集聚区，分布在汉阳人信汇、钟家村商圈、楚河汉街商圈、光谷创业街和关东科技园等区域，说明科技推广和应用服务企业倾向于沿商业中心分布。

图3 武汉都市区分类型科技服务业空间分布核密度图

3 科技服务业区位选择的影响因素

3.1 影响因素选择

在研究武汉都市区科技服务业空间格局影响因素时，主要探讨科技服务业整体空间格局的影响因素和不同类型科技服务业空间格局的影响因素。通过对科技服务业空间集聚相关研究的分析[19，20]，结合科技服务业的自身特性，本研究将影响科技服务业区位选择的因素归为区位条件、商业环境、技术因素、文化环境、孵化环境、集聚因素和政策因素，相关变量及说明如表1 所示。

在区位条件方面，科技服务企业的业务联系和员工通勤依赖于便捷的交通通达性，选择网格到地铁站点的最短直线距离和网格内的公交站点密度来验证交通条件对科技服务业区位选择的影响，分别用X1 和X2 表示；企业生产经营需要考虑用地成本，对成本最低的需求，导致其布局在地租较低的区域，本文选取研究单元内商务办公基准地价衡量土地价格（X3）。科技服务业沿商业中心分布有助于及时了解市场动态，促进适应本地市场的技术开发，同时，接触客户的机会较高，有利于加强企业和客户的交流合作，避免信息不对称造成的决策失误，研究中引入变量商业环境（X4），选取网格内的购物设施密度衡量。科技服务业靠近高等院校和科研机构分布有助于获取技术知识和人力资源，本研究引入变量技术因素（X5），若研究单元内有高等院校或科研机构，赋值为1，否则为0。科技服务业以知识、技术和信息为基础，文化设施是激发创新灵感的源泉，有助于营造良好的文化氛围，吸引高层次文化人才，促进科技服务企业进行技术理念革新，研究中引入变量文化环境（X6），若研究单元内有文化设施赋值为1，否则为0。孵化器能为新创企业发挥着建立融资渠道，促进产学研合作和开拓市场等重要作用[21]，促进企业高效运作，提升产品开发成功率，本研究引入变量孵化环境（X7），若研究单元内有科技企业孵化器则赋值为1，否则赋值为0。集聚经济有利于技术溢出，促进资源与信息共享，降低投资风险和生产成本，以研究单元1km 缓冲区内科技服务企业密度测度集聚因素（X8）[22]。地方政府通过建立开发区，制定税收、地价等优惠政策，完善配套设施和专门服务，从而有利于吸引企业进入[23]，本研究引入变量政策因素（X9），若研究单元在开发区范围内，赋值为1，否则赋值为0。

3.2 结果分析

本研究以1km×1km 网格为研究的基本单元，选取网格内科技服务企业密度为被解释变量，以表1 中的因素为解释变量，有效样本数量为3261 个。由于科技服务企业在网格内的分布具有过度离散的特征，因此，结合stata15.0 软件执行负二项回归分析，表2 分别列出全部科技服务企业、研究和试验发展企业、专业技术服务企业以及科技推广和应用服务企业的估计结果，alpha 的参数均显著大于零，验证了本文进行负二项回归分析的合理性。

表1 变量指标选取及说明

表2 负二项回归模型估计结果

从全部企业的估计结果可以看出，各项指标均显示很高的显著性，说明以上因素对网格内科技服务企业的密度具有非常高的影响。交通条件是影响科技服务业空间格局的重要因素，到地铁站点距离（X1）和公交站点密度（X2）的影响均与预期相符，并通过了显著性水平检验，说明科技服务业大多分布在交通便捷的区域，交通条件越好，与其他区域建立业务联系越容易。土地价格（X3）的回归系数显著为正，与预期相反，说明科技服务业分布在土地价格较高的区域，其竞租能力较强，也说明了交通条件和基础设施对科技服务业的重要性，往往交通条件和基础设施越完善，土地价格越高。商业环境（X4）的系数显著为正，表明科技服务业十分重视良好的市场接入性和便捷的商务环境。技术因素（X5）的系数显著为正，表明科技服务业倾向于邻近高等院校和科研机构分布，知识溢出与技术合作有利于提升企业的技术创新能力，同时，高等院校和科研机构能满足企业对专业化人才的需求。文化环境（X6）的系数显著为正，表明浓厚的文化氛围为科技服务业的集聚和发展创造了有利条件。孵化环境（X7）的回归系数最高，且通过了显著性检验，即孵化器对科技服务业的吸引作用最强，说明科技服务业高度依赖于创业资源和孵化服务，孵化器是影响科技服务业区位选择的关键因素。集聚因素（X8）的回归系数显著为正，表明集聚经济效应对企业区位选择具有显著影响，即科技服务业集聚有利于吸引相似企业的跟进。政策因素（X9）的回归系数显著为正，说明开发区良好的基础设施和优惠政策对科技服务业具有较强的吸引力。对比各类影响因素可以发现，技术因素、孵化环境和政策因素对科技服务业区位选择的影响相对较大，体现了科技服务业对技术、人才、孵化和政策等资源要素更加重视。

影响因素对不同类型科技服务业的作用强度存在差异。研究和试验发展企业受土地价格、到地铁站点距离和公交站点密度的影响显著，说明其土地竞租能力较强，交通便捷的区域是其空间布局的优选区域。商业环境的系数不显著，说明研究和试验发展企业对商业环境没有特别的倾向。集聚因素显著为正，表明研究和试验发展企业是集聚经济效益的受益者。孵化环境是影响其空间格局的重要因素，使其表现出一定的集聚分布特征。与其他企业相比，研究和试验发展企业更加重视技术因素、文化环境和政策因素，良好的技术条件、浓厚的文化氛围和更多的优惠政策为其空间布局提供了必要条件。对专业技术服务企业而言，到地铁站点距离和土地价格的影响作用高于其他企业，表明其更倾向于分布在临近地铁和基础设施更完善的区域。公交站点密度、商业环境和集聚因素显著为正，对专业技术服务企业的空间布局具有较大的吸引力。技术因素和孵化环境是专业技术服务企业区位选择的重要影响因素，表明其倾向于分布在高等院校、科研机构和科技企业孵化器周边区域。专业技术服务企业对文化环境、政策因素有较强的依赖，使其偏好在文化设施和开发区周边集聚。科技推广和应用服务企业受到地铁站点距离、公交站点密度和土地价格的影响倾向于集中分布。商业环境和集聚因素的影响高于其他企业，表明科技推广和应用服务企业偏好在商业氛围浓厚和相似企业集中的区域布局。科技推广和应用服务企业对技术因素和政策因素具有一定的依赖，倾向于邻近高等院校、科研机构和开发区等区域布局。文化环境的系数相对较小，且显著性水平较低，对科技推广和应用服务企业布局的影响较弱。孵化环境的回归系数最大，表明其更偏好分布在科技企业孵化器附近，以促进科技成果的转化。

结论与讨论

本研究以武汉都市区为案例，基于工商登记企业数据，运用圈层分析与核密度估计方法，刻画了科技服务业的空间格局特征，并利用负二项回归模型检验了科技服务业空间格局的影响因素，主要结论如下：

第一，武汉都市区科技服务业集中分布于中心区和近郊区，在3～6km 和15～18km 圈层形成两大峰值区域，呈现“多中心”的空间格局，形成了位于光谷创业街、关东科技园和光谷总部国际的核心集聚区，以及位于中南路商圈、街道口、光谷软件园和武汉大学科技园的次级集聚区。不同行业的空间格局存在明显差异，研究和试验发展企业呈现出“一主两副”的空间格局，倾向于邻近科技园区分布；专业技术服务企业呈现出“两主多副”的空间格局，倾向于紧邻高校集聚区和商业中心布局；科技推广和应用服务企业呈现出“一主多副”的空间格局，倾向于沿商业中心分布。

第二，从影响因素分析来看，区位条件、商业环境、技术因素、文化环境、孵化环境、集聚因素和政策因素是武汉都市区科技服务业空间格局的主要影响因素，其中，技术因素、孵化环境和政策因素的影响相对较大，影响因素对不同类型科技服务业的作用强度存在差异。

总体而言，本文的研究结论与已有研究存在相似性，也具有差异性。空间格局方面，武汉都市区科技服务业形成了围绕高等院校、科技园区和软件园区的集聚区，这与北京[8]和杭州[11]等城市相一致，不同之处体现在，武汉都市区出现了沿创业街、总部基地和商业中心的集聚特征。影响因素方面，已有研究认为影响因素主要包括人力资源、政府政策、基础设施等，本文在前人基础上进一步验证了文化环境、孵化环境和商业环境对科技服务业区位选择的影响。此外，本文系统分析了不同类型科技服务业的空间格局和影响因素，有助于深化对城市科技服务业空间格局特征和机理的认识。然而，研究仅采用了截面数据，未能刻画科技服务业空间格局的演化过程，因此，进一步结合时间序列数据，探讨城市科技服务业的空间演化规律，判断其空间发展趋势，提出空间配置的优化策略，将是进一步研究的方向。

图、表来源

文中所有图、表均由作者绘制。