汪增洋，孙晓宇

（安徽财经大学 经济学院,安徽 蚌埠 233030）

随着经济水平的提高，中国汽车保有量不断增加，同时居民对汽车服务的需求也进一步扩大。据公安部统计，截至2022年9月底，全国汽车保有量达3.15亿辆，占全国机动车总量的76.46%，成为机动车保有量占比最多的类型。汽车市场的繁荣使得汽车服务业成为城市经济的重要组成部分，已有研究表明，在一个成熟的汽车市场中汽车服务业可以带来40% ～ 60%的利润[1]。在此背景下，探究汽车服务业在城市内部的布局形态与区位选择的影响因素有助于揭示城市汽车服务业空间布局规律，对优化城市产业空间布局具有重要意义。

城市商业区位研究源于20世纪初，随着研究的不断深入，逐渐形成了一套完整的理论方法和体系，典型的理论和模型有中心地理论[2]、廖什景观[2]、三级空间活动理论[3]、Reilly引力模型[4]、商区模型[5]等。城市商业服务业区位研究主要从空间分布、集聚[6]、区位选择[7]、动力机制[8]等方面开展，如不同类型餐饮业演化过程[9]、影响因素[10]、发展水平[11]以及与动态人口耦合性[12]等。近些年随着经济、地理、统计等多学科方法被运用到城市商业区位研究中，数据获取渠道也开始呈现多样性，点评数据、工商统计数据、社交媒体数据以及POI数据等被广大学者运用到产业空间的研究中。其中POI数据具有数据样本多、可获取性高和时效性强等优点，常被学者们运用到城市服务业产业空间研究中。韩会然等[13]、赵学伟等[14]、陈洪星等[15]以及刘笑杰等[16]对城市批发企业、物流企业、住宿业、零售业等产业部门的空间演化特征、区位选择因素、驱动机制等进行分析，研究方法主要包括区位熵、标准差椭圆、Ripley’sK、核密度分析、局部G统计量和空间自相关等。湛东升等[7]采用最近邻指数、Ripley’sK函数、最近邻层次聚类对杭州市房地产企业空间集聚水平和区位选择因素进行分析。相较于其他城市服务业产业空间研究的成果，关于汽车服务业的探究较少，且较少有学者定量研究汽车服务业区位选择的影响因素[17-21]。

近些年，城市数据平台的开放和POI数据的使用为从微观个体出发考察汽车服务业的空间分布和集聚特征提供了支撑。因此，本研究利用从高德地图获取的苏州市汽车服务业POI数据，采用 ArcGis10.6 将企业位置转换为空间点文件，运用核密度分析、最近邻指数等空间计量方法，详细分析苏州市汽车服务业空间分布和集聚特征，并在此基础上探究区位选择的影响因素，在一定程度上丰富了苏州市汽车服务业空间分布格局研究，同时也为优化汽车服务业企业区位选择提供了参考。

1 研究区域和方法

1.1 研究区域概况

苏州市作为长江三角洲城市群中的中心城市，地理位置优越，经济发展势头强劲。苏州市区包括相城区、吴中区、吴江区、姑苏区和虎丘区，占地4 652.84 km2（图1）。2021年苏州市区常住人口677.05万人，常住人口人均生产总值为15.79万元，私家客车拥有量211.15万辆。自2005年以来，苏州市区建立了苏州江南汽配市场、新东方汽配城、相城国际汽车城、金阊新城汽配城等汽车服务业市场，尤其是苏州江南汽配城形成了集汽车销售、美容和维修为一体的专业化汽配市场，是苏州市区服务门类最齐全的汽车市场之一。完善的汽车配套设施和居民收入的保障使得苏州市区汽车服务需求较大，研究区域具有一定的代表性。因此，本研究的研究区域选定为苏州市区，以期能够全面地反映和揭示苏州市汽车服务业的客观情况。

图1 苏州市区示意图Figure 1 Schematic map of Suzhou

1.2 数据来源与处理

基于高德地图软件，利用Phython爬取苏州市区2021年汽车服务业的POI数据（包括企业名称、地址、所属商圈、电话、评分等级、汽车服务业类别和经纬度等），利用ArcGis10.6 软件将企业的地理坐标转换为WGS84坐标，最终得到8 626个POI数据。以乡、镇和街道为最小研究单元，共计70个研究单元，为了叙述方便以下统称为镇街。根据高德地图对POI数据的分类，将汽车服务业分为汽车服务、汽车维修和汽车销售，其中汽车服务主要包括加油站、汽车养护和装饰、汽车配件销售以及洗车等服务，汽车销售和维修主要包括各类汽车的零售和维修服务，为了行文方便以下简称为服务型、维修型和销售型。表1对苏州市汽车服务业分类及其数量作了详细说明。

表1 苏州市汽车服务业分类及其数量Table 1 Classification and number of automobile service industry in Suzhou

1.3 研究方法

（1）核密度分析

核密度分析用于计算不同搜索半径下每个输出栅格像元周围的汽车服务业企业空间点要素的密度[22]。采用核密度估计可以直观揭示苏州市不同类型汽车服务业的空间分布情况。其计算公式为

其中，fh(x)为核函数，值越大代表点分布越多；K为空间权重函数；h为平滑参数；(x-xi)表示估计点到样本点的距离；n为苏州市区不同类型汽车服务业点的个数。

（2）最邻近指数

最近邻指数可测量不同类型汽车服务业企业的空间点要素与其最近邻要素之间的距离。采用最近邻指数可以揭示不同类型汽车服务业的集聚水平。当汽车服务业企业的平均距离小于假设随机分布中的平均距离时，将汽车服务业企业空间分布视为集聚分布；当汽车服务业企业的平均距离大于假设随机分布中的平均距离时，将汽车服务业企业空间分布视为分散分布；当两者相等时，视为均匀分布[23]。最近邻指数的公式为

最近邻指数的显著性判断通常采用的是Z检验，其公式为

（3）双变量空间自相关分析

双变量空间自相关可以表示不同类型汽车服务业之间的集聚程度并揭示两者在空间上的关联区域[24]。计算公式为

其中，I表示不同类型汽车服务业之间的双变量空间自相关系数，xi和yi分别表示第i和j个空间单元上x和y变量的观测值，为x、y变量的平均值，S2为样本方差，Wij是两个镇街之间的地理矩阵权重。Moran’sI取值范围为[-1,1]，Moran’sI值大于0代表正相关，数值越大代表集聚程度越强，反之则相反。

（4）负二项回归模型

泊松分布和负二项回归模型可以用于分析汽车服务业空间分布的影响因素。泊松分布必须满足因变量方差和均值相等的条件，而苏州市区各镇街汽车服务业企业数量的方差大于均值，因而采用负二项回归模型。在负二项回归模型中，假设第i个空间单元内不同类型汽车服务业企业数量（Yi）服从参数为λi的泊松分布，则在研究单元内观测到yi的概率[14]为

其中，yi为各镇街内的不同类型汽车服务业企业数量，xi为影响汽车服务业区位选择的因素，λi由xi决定，β为模型的回归系数，对β进行最大似然估计得到

2 结果与分析

2.1 空间分布特征

苏州市区共有8 626家汽车服务业企业（表2），整体呈现出空间不均匀分布的特征。姑苏区位于苏州市区中心区域，经济发达，人流量大，存在潜在的交易市场。但汽车服务业对店铺面积需求大，且考虑到试驾和车辆运输等因素，多选择在租金便宜的郊区，因此姑苏区的汽车服务业数量最少；同样作为中心城区，虎丘区和相城区与姑苏区接壤，在一定程度上承接姑苏区的汽车服务业需求，汽车服务业企业数量与姑苏区相比有所增加；吴江区和吴中区面积较大且相对偏远，靠近外围农村地域，廉价的租金和相对较大的店铺面积吸引较多不同类型的汽车服务企业集中于此，值得一提的是苏州市规模最大和产品最齐全的江南汽配城就位于吴中区。

表2 苏州市区各辖区汽车服务业企业数量Table 2 Number of automotive service enterprises in each jurisdiction of Suzhou

苏州市汽车服务业整体核密度估计结果见图2（a)，可以看出苏州市汽车服务业整体呈现出“多中心、块状集聚”的空间分布特征。在中心地带，观前街周边街道多为居民区和旅游景点，城市道路短、密集且狭窄，汽车出行不便，导致汽车行业分布零散；在近城市中心区域，姑苏区、虎丘区和吴中区汽车服务业企业分布较多，具有一定的规模优势，呈现出连片分布的特征，姑苏区白洋湾街道和娄葑街道、虎丘区枫桥街道、吴中区木渎镇和郭巷街道等地区形成高度集聚区域，原因在于这些地区紧临市区，基础设施完备，经济发展水平较高，人口分布较密集；在近郊区，汽车服务业集聚规模较小，主要集中在平望镇、盛泽镇、黄埭镇和吴江经济技术开发区等经济实力较强的镇和开发区。

图2 苏州市汽车服务业空间分布Figure 2 Spatial distribution of automotive service industry in Suzhou

苏州市区不同类型汽车服务业空间分布见图2（b）～（d）。不同类型的汽车服务行业特性决定其空间分布特征不同。服务型汽车企业因其宽泛的业务决定其可以在城市大部分地区选址，且由于服务型汽车企业POI数量在汽车服务业中占据优势，因此服务型企业空间分布与汽车服务业企业呈现出相似性。维修型企业与服务型企业类似，业务广泛，但受地租和人力资源成本的影响，维修型企业一般分布在人流量大且区位条件稍差的地带，主要集中在城市中心外围和郊区，以木渎镇、城南街道、长桥街道和苏苑街道等地为核心区域，向四周延展。销售型企业在枫桥街道和木渎镇核密度值相对较高，原因在于周边分布大量的汽车专卖店和二手车交易市场。

采用最近邻指数对苏州市不同类型汽车服务业空间集聚水平进行测度，结果见表3。汽车服务业平均观察距离和预期平均距离分别为93.843和355.257，NNI值为0.264，Z值小于-2.58，通过了显著性检验，说明苏州市汽车服务业整体集聚水平显著。从各个行业来看，服务型、维修型和销售型企业平均观测距离分别为141.285、256.544和198.376，均小于对应的预期观测距离，且各行业Z值均小于-2.58，均通过了显著性检验。不同类型的汽车服务业表现出不同程度的集聚强度，根据各行业的NNI值，其集聚强度由大到小依次为销售型、服务型和维修型。

表3 苏州市汽车服务业最近邻指数结果Table 3 Result of nearest neighbor index of automotive service industry in Suzhou

2.2 空间关联格局

不同类型的汽车服务业之间存在着需求关联。为了揭示不同类型汽车服务业之间的空间关联，将销售型企业作为第一变量，服务型企业和维修型企业作为第二变量，采用双变量莫兰指数进行分析。

（1）全局莫兰指数

为刻画不同类型汽车服务业之间的空间关联性，计算销售型汽车服务业与维修型汽车服务业、服务型汽车服务业之间的双变量全局莫兰指数，结果见表4。销售型企业与维修型企业和服务型企业之间的Moran’sI分别为0.111 和0.106，说明区域内销售型企业的集聚促进维修型和服务型企业的集聚。

表4 不同类型汽车服务业之间的全局莫兰指数Table 4 Overall Moran index among different types of automobile service industries

（2）局部莫兰指数

全局空间自相关表明销售型汽车服务业与维修型汽车服务业、服务型汽车服务业之间存在着空间关联，为了更直观揭示销售型与服务型企业以及销售型与维修型企业之间的集聚区域和差异区域，采用双变量局部空间自相关，在5%显著性水平下绘制苏州市不同类型汽车服务业LISA集聚图（图3）。

图3 苏州市不同类型汽车服务业双变量LISA图Figure 3 Bivariate LISA diagram of different types of automotive service industry in Suzhou

由图3可知，不存在高-低集聚区，且苏州市区大多数区域为不显著集聚区。低-低集聚区指的是销售型企业分布较少且维修型企业或服务型企业分布也较少的地区，主要集中在商业化的市中心区域，如桃花坞街道、双塔街道、观前街道、平江街道和沧浪街道等，由于其主要作为城市商业载体，大多为接待外地游客和本地居民休息购物的场所，店铺面积相对较小且租金高昂，不能满足汽车服务业企业日常需求，所以销售型、维修型和服务型汽车服务业分布较少。高-高集聚区指的是销售型企业分布较多且维修型或服务型企业分布也较多的地区，多位于城市郊区，如吴江区平望镇和吴江经济技术开发区等，城市郊区拥有相对廉价的土地和面积更大的店铺，有利于维修型或服务型汽车服务业开展维修业务或买卖汽车配件和养护汽车等服务，而销售型企业更依赖潜在的客户人群和市场，多选择集聚经济相对较强的城市中心外围或郊区街镇中心区域。低-高集聚区指的是销售型企业分布较少且维修型或服务型企业分布较多的地区，多分布在高-高集聚区外围，如吴江区黎里镇和七都镇，更加靠近城市外围并与其他城市接壤。

3 影响因素分析

3.1 指标选取

参考已有的汽车服务业空间分布格局影响因素[17-21,25]，将各镇街内的汽车服务业企业个数作为因变量，选取交通条件、人口密度、城乡区位和集聚条件4个因素作为自变量（表5）。

表5 汽车服务业空间分布回归模型变量设计及描述Table 5 Variable design and description of regression model for spatial distribution of automobile service industry

3.2 结果分析

本研究选用2021年苏州市区各镇街汽车服务业企业数量为被解释变量，以镇街为基本单位，有效的样本数量为70个，选取表5中的自变量因素为解释变量，代入负二项回归模型计算，得出的Alpha系数均显著，说明采用负二项回归模型较为合理。表6为汽车服务业负二项回归模型分析结果。

表6 汽车服务业负二项回归模型分析结果Table 6 Negative binomial regression model results of automobile service industry

从交通条件来看，所在地拥有高速路口对汽车服务业分布有显著促进作用。主要原因在于，对外交通设施与汽车服务业企业布局之间有较强的关联[17]，交通要道的车流量相对更大，位于其出入口更靠近消费者。

从城乡区位来看，镇街位于中心城区不利于服务业在此布局。这是因为汽车服务业占地面积较大，布局多受限于土地成本，而中心城区的土地成本较高，因此企业倾向于选择非中心城区。

从人口密度来看，其作用系数为0.280，且通过了1%的显著性检验，表明企业布局倾向于人口密度较高的地区。与人口低密度地区相比，较高的人口密度反映了该地区居民生活水平和市场需求，因此作为服务型行业的汽车服务业会选择靠近市场以便获得客户群。

从集聚条件来看，企业多布局在拥有大型汽配城的镇街，这是因为原有同类企业的空间集聚会带来规模经济和外部经济，从而吸引不同类型的汽车服务业汇聚在此，新进企业在完善自身服务的同时还可以提高知名度，吸引更多的顾客。

从不同类型汽车服务业空间分布的影响因素来看，交通条件、人口密度、城乡区位和集聚条件对企业选址都有显著影响，但程度有所不同。当其他变量不变时，苏州市镇街人口密度增加1个单位时，维修型、销售型和服务型企业数量会因此增加34.1%、18.3%和28.4%。

4 结论

（1）整体上苏州市区汽车企业空间分布不均匀，多集中于吴中区、吴江区和虎丘区；汽车企业空间分布呈现出“多中心、块状集聚”特征，汽车服务业主要在姑苏区白洋湾街道、娄葑街道，虎丘区枫桥街道，吴中区木渎镇、郭巷街道等地区形成高度集聚区域；行业特性、地租、人流量等因素导致不同类型的汽车服务业空间分布差异较大。

（2）汽车服务业企业分布均存在显著的空间集聚特征，但不同类型的汽车服务业集聚水平有差异，其集聚强度由大到小依次为销售型、服务型和维修型。

（3）双变量空间自相关结果表明，销售型汽车服务业与其他两种汽车服务业之间存在显著的空间正相关性，但不同类型汽车服务业之间的关联度存在差异，销售型汽车服务业与服务型汽车服务业之间的关联度高于其与维修型汽车服务之间的关联度。从不同研究单元来看，不同类型的汽车服务业关联区域存在差异，其中关联程度最高的区域是城市郊区。

（4）从区位选择的影响因素来看，交通条件、人口密度、城乡区位和集聚条件都对汽车服务业分布有显著影响，其中位于大型汽配城和高速路口附近对汽车服务业区位选择影响程度最高。

本研究通过对苏州市区汽车服务业的研究，在一定程度上揭示了其分布特征、区位选择影响因素和不同类型汽车服务业之间的关联情况。但受数据可获取性的限制，缺乏长时期的数据，无法研究其动态演化特征；在影响因素的选择方面，没有考虑商业基准地价、镇街人口经济水平、市场需求等因素的影响，需在今后的研究中进一步讨论。