厦门市数字经济核心企业空间分布格局演化及影响因素_余军.pdf

提提 要要：数字经济核心企业是数字经济发展的基础。基于厦门市 20002020 年数字经济核心企业数据，利用空间自相关等研究方法探究了数字经济核心企业空间分布、格局演化及区位选择的影响因素。结果发现：厦门市数字经济核心企业呈现“一带一面多点”分布特征和岛内集中、岛外分散的“失衡”格局；企业空间集聚程度趋于增强，呈现热点区扩张、冷点区收缩态势，空间锁定特征明显。各类型数字经济核心企业受自身特点影响，空间布局与演化既有一定相似性，也存在较大的异质性。区位要素、环境要素、集聚要素和政策要素对数字经济核心企业的区位选址具有显著影响，并且不同要素对不同类型企业的影响具有差异性。关键词关键词：数字经济；空间格局；演化；负二项回归；厦门市中图分类号中图分类号：K901；F49文献标识码文献标识码：A厦门市数字经济核心企业空间分布格局演化及影响因素余 军1，章 坤1，谢朝武1,2（1.华侨大学 旅游学院，泉州 362021；2.华侨大学 智慧旅游研究所，泉州 362021）SPATIAL PATTERN EVOLUTION AND INFLUENCING FACTORS OFSPATIAL PATTERN EVOLUTION AND INFLUENCING FACTORS OFDIGITAL ECONOMY CORE FIRMS IN XIAMENDIGITAL ECONOMY CORE FIRMS IN XIAMENYU Jun1,ZHANG Kun1,XIE Chao-wu1,2（1.College of Tourism,Huaqiao University,Quanzhou 362021,China;2.Smart Tourism Research Institute,Huaqiao University,Quanzhou 362021,China）AbstractAbstract:The digital economy has become a new growth point and new engine for urban economic development under the new development pattern.The core firms of the digital economy are the foundation of the development of the digital economy.Based on the data of core firms of digital economy in Xiamen from 2000to 2020,and 42 administrative streets(towns)as research units.Using spatial autocorrelation,kernel density,standard deviation ellipse and negative binomial regression model,this paper explores the influencing factorsof spatial distribution,pattern evolution and location selection of core firms from a micro perspective,andcompares the different influencing factors on location selection of different types of core firms in digitaleconomy.The results found that:1)The core firms of Xiamens digital economy present the distribution characteristics of one belt,one side and multiple points and the unbalanced pattern of concentration withinthe island and scattered outside the island.2)As it strengthens,the hot spot is expanding and the cold spot isshrinking,with obvious spatial locking characteristics.3)The core firms of various types of digital economyare affected by their own characteristics,and their spatial layout and evolution have certain similarities andlarge heterogeneities.4)Location factors,environmental factors,agglomeration factors,and policy factorshave a significant impact on the location selection of core firms in the digital economy;Finally,Xiamenshould be further leverage its ecological and environmental advantages,respect the differences in factors influencing enterprise location selection,rationally adjust and plan industrial and commercial land,and attractdigital economy core enterprises to settle in.Key wordsKey words:digital economy;spatial pattern;evolution;negative binomial regression model;Xiamen city基金项目：福建省社科重大课题（FJ2019Z015）；福建省科技厅软科学课题（2020R0067）作者简介：余军（1993），男，江西上饶人，博士生，主要研究方向为智慧旅游。E-mail:。通讯作者：谢朝武（1975），男，湖南武冈人，博士，教授，博士生导师，主要研究方向为旅游安全和智慧旅游等。E-mail:。收稿日期：2021-12-03；修订日期：2022-07-26文章编号:1003-2398(2023)02-0126-11DOI:10.13959/j.issn.1003-2398.2023.012.0152023年第2期总第190期人文地理HUMAN GEOGRAPHY VolHUMAN GEOGRAPHY Vol.3838.NoNo.2 2 20232023/4 41262020 年，我国数字经济规模已达到 39.2 万亿元，占GDP比重为38.6%。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。2 研究区域、数据来源与研究方法2.1研究区域选择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表1 厦门市数字经济核心产业分类Tab.1 The Classification of the Digital Economy Core Industry in Xiamen数字经济核心产业6大类计算机、通讯和其他电子设备制造业电信、广播电视和卫星传输服务互联网和相关服务软件和信息技术服务业广播、电视、电影和录音制作业专用电子设备制造业国民经济行业分类代码（2017）3963646587349详细内容计算机、通讯设备、智能消费设备、半导体制造等电信、广播、卫星传输服务等互联网接入、搜索、生产、数据等软件开发、集成电路、物联网、信息系统集成等广播电视集成播控、影视节目和录音节目制作等工业机器人制造、特殊作业机器人制造等HUMAN GEOGRAPHY VolHUMAN GEOGRAPHY Vol.3838.NoNo.2 2 20232023/4 4127余军，章坤，谢朝武：厦门市数字经济核心企业空间分布格局演化及影响因素为研究对象，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）。2.2数据来源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，依据表1中数字经济6大类核心产业，选取20002020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。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（Morans 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：lni=lnki+offseti+0+1x1+2x2+ixi（1）式中，回归系数i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 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图 1 研究区示意图Fig.1 The Sketch Map of Study Region2023年第2期总第190期人文地理HUMAN GEOGRAPHY VolHUMAN GEOGRAPHY Vol.3838.NoNo.2 2 20232023/4 4128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。3.2空间演化特征3.2.1全局空间演化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Morans 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Morans I指数Z检验值都为正且在0.1条件下显著，表明20052020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，Morans 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，20002015年，厦门市数字经济核心企业的Morans 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Morans 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Morans 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。图2 2000、2005、2010、2015、2020年厦门市分街道数字经济核心企业分布图Fig.2 Distribution of Digital Economy Core Firms in Xiamen by Sub-district in 2000,2005,2010,2015 and 2020a 2000年b 2005年c 2010年d 2015 年e 2020年表2 厦门市数字经济核心企业全局自相关情况Tab.2 A Global Spatial Autocorrelation Coefficient of Digital Economy Core Firms in Xiamen指标Morans IE(I)Z ScoreP-value空间格局2000年0.073-0.0241.6150.106随机分布2005年0.075-0.0241.6800.093弱集聚分布2010年0.269-0.0244.9320.000集聚分布2015年0.283-0.0245.2590.000集聚分布2020年0.188-0.0243.8250.000集聚分布HUMAN GEOGRAPHY VolHUMAN GEOGRAPHY Vol.3838.NoNo.2 2 20232023/4 4129余军，章坤，谢朝武：厦门市数字经济核心企业空间分布格局演化及影响因素3.2.2局部空间演化特征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：20002010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；20102020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。3.3 分类型数字经济核心企业的空间格局演化3.3.1 分类型数字经济核心企业空间分布特征利用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：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。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；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。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。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。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。3.3.2分类型数字经济核心企业空间演化特征进一步利用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：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a 2000年b 2005年c 2010年d 2015年e 2020年图3 2000、2005、2010、2015、2020年厦门市分街道数字经济核心企业热点演化Fig.3 The Evolution of Hot Spots of Digital Economy Core Firms in Xiamen by Sub-district in 2000,2005,2010,2015 and 20202023年第2期总第190期人文地理HUMAN GEOGRAPHY VolHUMAN GEOGRAPHY Vol.3838.NoNo.2 2 20232023/4 4130a软件和信息技术服务业b互联网和相关服务c广播、电视、电影和录音制作业d计算机、通信和其他电子设备制造业e专用设备制造业f电信、广播电视和卫星传输服务图4 分类型数字经济核心企业核密度分布Fig.4 Core Density Distribution of Different Types of Digital Economy Core Firms注：专用设备制造业类企业在2000年未出现。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。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。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。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。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。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。4 影响因素分析4.1要素分析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HUMAN GEOGRAPHY VolHUMAN GEOGRAPHY Vol.3838.NoNo.2 2 20232023/4 4131余军，章坤，谢朝武：厦门市数字经济核心企业空间分布格局演化及影响因素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，同类图5 分类型数字经济核心企业标准差椭圆及重心分布Fig.5 Standard Deviation Ellipse and Center of Gravity Distribution of Different Types of Digital Economy Core Firmsa 软件和信息技术服务业d计算机、通信和其他电子设备制造业b互联网和相关服务e专用设备制造业c广播、电视、电影和录音制作业f电信、广播电视和卫星传输服务表3 解释变量指标选取及定义Tab.3 Explanations of Variables区位要素人才要素环境要素政策要素集聚要素解释变量CBDAIRPRAIL-1RAIL-2SUBWAYPRICECOLLEGEGREENDEPARKNUMBER定义与解释街道是否为CBD所在街道到厦门高崎机场的距离（取对数）街道到厦门站距离（取对数）街道到厦门北站距离（取对数）街道内地铁站数量街道内办公楼租金街道内是否有高等院校/研究机构街道内的三级公园数量街道是否有专业产业园区上一年度数字经济核心企业密度数量来源厦门市政府网站a百度地图b百度地图b百度地图b厦门地铁官网c中国房价行情数据库d厦门市政府网站a厦门市政府网站a厦门市政府网站a天眼查数据库e预期+-+-+注：a:https:/ GEOGRAPHY VolHUMAN GEOGRAPHY Vol.3838.NoNo.2 2 20232023/4 4132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和表4 负二项回归模型估计结果Tab.4 Regress Results of Negative Binomial Model解释变量CBDAIRPRAIL-1RAIL-2SUBWAYPRICECOLLEGEGREENDEPARKNUMBER_consalphaLLLR模型1Y10.026-0.148-0.567*-1.011*0.345*-0.159*0.2120.120*0.480*0.008*8.385*0.103*-184.37488.490模型2Y2-0.096-0.010-0.640*-0.980*0.412*-0.189*0.1540.117*0.328*0.009*7.779*0.125*-170.96667.950模型3Y30.059-0.585*-0.602*-0.837*0.070-0.235*0.2650.114*0.540*0.007*7.632*0.052*-109.8753.110模型4Y40.252*-0.743*-0.449*-1.016*0.213-0.0390.1590.095*1.030*0.0017.732*0.057*-109.21611.360模型5Y50.119-0.0070.748-0.6350.632-0.0620.6540.0640.722*0.006-0.9020.396*-74.2738.540模型6Y60.078-0.364-0.879*-1.159*0.239-0.1330.1310.123*0.636*0.007*11.696*-1.712-245.100.25VIF1.515.956.371.521.715.791.81.441.384.19注：*通过10%的显著性水平，*通过5%显著水平，*通过1%显著水平；_cons为常数项。HUMAN GEOGRAPHY VolHUMAN GEOGRAPHY Vol.3838.NoNo.2 2 20232023/4 4133余军，章坤，谢朝武：厦门市数字经济核心企业空间分布格局演化及影响因素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（p0.00，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