中国工业中小企业省区分布及其影响因素

　　摘要：20世纪90年代乡镇企业改革以来，中国中小企业空间格局发生了显著变化。现有地理学文献主要关注中小企业空间集聚、集群研究以及八九十年代的中小企业空间分布问题，对于近20年来宏观层面中小企业空间分布的研究比较薄弱，实证研究尤为缺乏。基于文献回顾，运用GIS空间分析、测算变差系数CV等方法，分析1997-2010年中国工业中小企业省区分布的时空格局变化；在此基础上，选取20个影响因素并建立计量模型，运用SPSS及Eviews软件，系统测算导致中国工业中小企业省区分布变化的影响因素，并根据研究结果提出相关政策建议。研究表明：①1997-2010年间，中国工业中小企业的省区分布更加集中、空间差异不断扩大；②中国工业中小企业省区分布格局是多因素综合作用的结果，其中地区经济实力、金融环境、市场环境及技术创新是首要因素，信息化、劳动力、铁路密度及农业资源是次要因素。

　　关键词：工业中小企业；省区分布；时空格局；影响因素；中国

　　1、引言

　　中小企业是区域发展的重要支撑力量，在促进经济增长、增加就业、优化产业结构、活跃区域市场、科技创新与社会和谐稳定方面发挥着不可替代的作用。特别是随着全球化和信息化的发展，规模经济的重要性逐渐降低，中小企业对社会经济的贡献率不断增加。2010年底，中国实有企业1136.5万户，中小企业数量达到了1100多万户，占全国实有企业总数的99.2%。中小企业创造的最终产品和服务价值占全国国内生产总值的60%，提供了近80%的城镇就业岗位，完成了75%以上的企业技术创新和80%以上的新产品开发。与此同时，中小企业也逐渐步入中国有史以来最好的发展时期。2008年金融危机后，为了增加就业和扩大内需，中国于2009年出台《国务院关于进一步促进中小企业发展的若干意见》，2010年又出台《关于鼓励和引导民间投资健康发展的若干意见》。进入“十二五”以来，温家宝总理连续两次主持召开国务院常务会议研究确定支持中小企业健康发展的政策措施，相继出台了27项扶持中小企业发展的政策；重新发布了中小企业划分标准，把微型企业也列入中小企业划分标准中；并颁布《“十二五”中小企业成长规划》。在后危机时代，特别是进入“十二五”国家实施发展方式转变以来，科学认识中国中小企业空间分布特征，已成为一项重要的科技需求，具有重要的现实意义。同时，合理评估中国中小企业空间布局的影响因素，对于后危机时代中国实现小康社会、保持平稳较快发展具有重要战略意义。

　　目前，已有大量文献对中国中小企业发展及其空间分布进行了研究。但是，现有文献主要关注区域中小企业发展水平的综合评价、中小企业集群及其与区域发展之间的关系、中小企业空间分布、中小企业的区域经济效应、中小企业发展的环境效应等方面。其中，关于中小企业空间分布的已有研究文献中，一方面数据较老，主要是关于中国中小企业上世纪80年代高速发展时期的空间分布特征，或90年代民营企业及乡镇企业的空间分布格局；另一方面研究范围较小，较多文献只关注某一区域内的中小企业空间分布格局；同时，也忽视了关于中小企业空间分布的影响因素的研究，特别是缺少深层次的定量分析。在此背景下，本文运用SPSS软件，通过GIS空间分析和测算变差系数等方法，系统描述1997-2010年中国工业中小企业地理格局的时空变化；然后从省区角度，通过因子分析（主成分分析法）提取所有影响因素的主要成分因子，建立变系数面板数据模型，定量测算并考察省际工业中小企业发展的主要影响因素。

　　2、研究方法与数据来源

　　2.1研究方法

　　（1）工业中小企业空间分布

　　介于数据的可获性及准确性，主要采用工业中小企业数量来分析中国工业中小企业地理分布，并兼顾考虑工业中小企业的工业总产值。另外，为了更好的反应省区间工业中小企业空间分布差异，采用变差系数CV来衡量各省区间工业中小企业发展的空间差异。从统计意义上讲，变差系数越大，表明数据值越离散；也就是中国省际层面工业中小企业发展水平的差距越大。

　　（2）工业中小企业空间分布的影响因素模型

　　基于传统区位论、新古典贸易理论、新贸易理论及新经济地理模型，特别是根据最近相关文献，主要考虑自然资源、劳动力、交通、经济、市场、制度等传统因素，以及创新和信息化等新因素对工业中小企业空间分布的影响。

　　考虑到本文数据是时间序列截面数据，故采用面板数据模型，具体如下：

　　SMEit=ai+b1iX1it+b2iX2it+…+bkiXkit+uit式中：SMEit表示i省在t时间的工业中小企业数量；Xjit表示i省t时间的第j个影响因素；uit为i省t时间的随机误差项，满足相互独立、零均值、同方差为σu2的假设；bji为i省第j个影响因素的模型参数；ai为常数项或截距项，代表i省横截面。影响因素数为j=1,2,…,k，本文目前分析20个影响因素，k=20；截面数为i=1,2,…,N，本文分析大陆31个省区市，N=31；时间长度为t=1,2,…,T，目前只分析1997-2010年，T=14。

　　若记Xit=(X1it,X2it,…Xkit)为1×k的解释变量，bi=(b1i,b2i,…bki）为k×1系数向量，则可以写成：

　　SMEit=ai+Xitbi+uit(i=1,2,…,N；t=1,2,…,T)（3）式中：ai≠aj，表示模型考虑横截面上存在的个体影响，用截距项ai(i=1,2,…,N)的差别来说明；bi≠bj，表示模型考虑个体成员之间的结构变化，用系数向量bi(i=1,2,…,N)解释。

　　根据新古典贸易理论和新贸易理论，规模经济、范围经济及外部经济都对区域工业中小企业发展具有重要影响，主要考虑各省区总体经济规模对工业中小企业发展的影响，以GDP来衡量；另外，针对工业中小企业发展中遇到的融资难问题，考虑金融环境的影响，以全部金融机构各项贷款余额（FIN）表示。

　　市场因素是企业区位选择的重要影响因素之一，包括市场范围、市场活跃性、开放性等方面。采用国有企业占工业总产值的比重来衡量省区的市场化改革及市场活跃程度，预计为负；采用实际利用外资额反应市场开放程度及省区在对外开放方面的区位优势；采用大型工业企业数量来衡量大型企业与中小企业空间分布之间的关系。

　　劳动力因素是传统区位论的重要因素，可以从劳动力规模和劳动力素质两个方面进行考察。以省区就业人员总数（LABOR1）衡量劳动力规模；以15岁及15岁以上文盲人口所占比重（LABOR2）来衡量劳动力素质，预计为负。

　　随着知识经济的发展，创新因素在企业区位选择中的重要性越来越高。省区内良好的创新环境，充足的创新投入及相关生产工艺和产品的科技创新产出，对区域工业中小企业发展具有积极的促进作用，采用R&D人员全时当量（INNOV1）及专利申请受理数（INNOV2）来衡量。

　　已有文献表明，信息化因素是信息时代企业区位的核心因素之一。信息技术方便企业进行实时交流和流通，有利于实时响应和快捷配送，从而大大节约企业的时间和空间成中小企业区位模型中解释变量的描述本，改变企业空间组织。主要采用固定电话普及率（ICT1）、移动电话普及率（ICT2）及互联网普及率（ICT3）来表达。

　　交通因素一直以来都是企业区位选择的重要因素。采用交通密度和交通可达性来反映各省区的市场通达性、运输条件和成本。交通密度主要采用公路（TRANSP1）、铁路（TRANSP2）密度两个指标来表达；市场通达性基于各省地理位置及其与其他省份之间的距离计算所得，公式如下：

　　MAj=Σk≠j(100/Djk）+100/Djj式中：MAj为j省区的市场通达性，考虑与所有其他省区市的便利程度；Djj=2/3(Sj/л)1/2，即取该省区地理半径的三分之二作为内部距离；Djk用两省会之间公路运营距离表示。

　　随着全球化和信息化的发展，资源因素在企业区位选择中的重要性有所下降。主要考虑各省区的农业资源、能源资源和矿产资源。农业资源（RESOUR1）考虑主要农产品、林产品、畜产品、水产品的产量占全国比重之和；能源资源（RESOUR2）主要统计石油、天然气、煤等一次能源；矿产资源（RESOUR3）主要统计考虑铁、锰、铬、钒、铜、铅、锌、磷铝土矿、菱镁矿、硫铁矿、原生钛铁矿、高岭土等矿产储量。

　　工业中小企业由于自身规模小、层次低，极易受到外部环境的影响，特别是受地方产业集群及政策制度方面的影响。地方政策采用企业税赋（INSTI1）来表示，预计为负；地方产业集群发展采用产业园区数量（INSTI2）来表示，主要考虑国家级经济技术开发区、国家级高新技术产业区与省级开发区。

　　2.2数据来源

　　较长时间序列可以更为全面的反映中国工业中小企业地理格局特点及其变化趋势。但1997年前后中国工业中小企业统计口径有所变化，前后数据差距较大，故只采用1997-2010年省区尺度工业中小企业为研究对象。微型企业划分标准于2011年6月颁布的新中小企业划分标准中提出，目前没有相关微型企业数据，故只考虑中小企业。介于数据的可获性和准确性，只分析工业中小企业的空间分布。所引用的数据主要来源于国家统计局的1998-2011年《中国统计年鉴》、《中国工业经济统计年鉴》、《中国经济普查年鉴2004》、《中国中小企业年鉴》、《中国科技统计年鉴》、《中国金融年鉴》、《中国交通年鉴》，1998-2011各省的统计年鉴，国家信息中心的1998-2011年《中国信息年鉴》，及中国互联网络信息中心（CNNIC）的1998-2011年《中国互联网络发展状况统计报告》。

　　3、结果分析

　　从空间分布角度，选取工业中小企业数量及其在全国所占比例这个指标来衡量中国各个省份之间的工业中小企业空间分布差异。在此基础上，运用SPSS软件，采用层次聚类分析方法（HierarchicalClusterAnalysisMethod），综合考虑组间距离最大法及组内距离最小法，根据各省区的工业中小企业数量将所有省区市划分为五个层级——最发达地区、比较发达地区、发展中地区、相对落后地区和落后地区。

　　1997年中国工业中小企业空间分布相对比较均衡，各省区工业中小企业数量及其在全国所占比重的差距均不是很大。其中，工业中小企业空间分布最密集、最发达的地区是江苏、广东和辽宁，分别拥有工业中小企业36535家、32066家和29422家，占中国工业中小企业总数的7.92%、6.95%和6.38%。比较发达地区包括浙江、河南、山东、湖南、河北、四川、安徽、福建和湖北等9个省，其工业中小企业在全国所占比重分别为5.83%、5.56%、4.94%、4.92%、4.51%、4.36%、4.27%、4.26%、4.22%。发展中地区包括北京、黑龙江、江西、上海、广西、吉林、陕西、天津和山西，这9个省区市所拥有的工业中小企业在全国所占比例为4%-2%。相对落后地区包括重庆、内蒙古、贵州、甘肃、云南和新疆，这6个省区市所拥有的工业中小企业在全国所占比例都超过1%。拥有的工业中小企业在全国所占比例低于1%的落后地区包括宁夏、青海、海南、西藏等4个省区。

　　2010年，中国工业中小企业省区分布进一步集中，空间分布极其不均衡。工业中小企业最发达地区是浙江、江苏、广东和山东，分别拥有工业中小企业64139家、63637家、52875家和46367家，占全国比重的14.28%、14.17%、11.77%和9.72%。比较发达地区包括辽宁、河南和福建，其工业中小企业在全国所占比重分别为5.27%、4.3%、4.25%。发展中地区包括上海、安徽、湖北、湖南、河北、四川等六个省份，所拥有的工业中小企业在全国所占比例都位于4%-2%之间。相对落后地区包括天津、江西、重庆、北京、广西、山西、吉林、内蒙、黑龙江、陕西等9个省市地区，所拥有的工业中小企业在全国所占比例都超过1%。拥有的工业中小企业在全国所占比例低于1%的落后地区包括山西、云南、贵州、甘肃、新疆、甘肃、宁夏、海南、青海、西藏等9个省份。

　　1997-2010年，中国工业中小企业发展经历了20世纪90年代末的乡镇企业改革、加入WTO后的快速发展及2008年金融危机，其地理分布也出现了相应的变化。总体上，中国工业中小企业的空间分布呈进一步集中的趋势，从1997年的较均衡分布逐步集聚到东部沿海省区。具体表现为以下两个方面：①省区工业中小企业空间分布差异不断扩大。所示，中国工业中小企业的空间分布变化可以辨别出比较明显的两个阶段。第一阶段是1997-2004年，CV值逐年增长，各省区工业中小企业空间差异不断扩大，2004年CV=1.263。在这个阶段，20世纪90年代末的乡镇企业改革期间，东部地区的私营、个体企业获得了率先发展，并逐渐出现一些专业村、专业镇；另一方面，加入WTO后大量外资进入中国，带动沿海地区的工业中小企业（尤其是加工业）快速发展，形成大量的产业集群。第二阶段是2005-2010年，CV值有所增长但基本保持稳定，各省区工业中小企业空间分布变化不大，2008年CV=1.264。2005-2008年，随着中国外向型经济的高速发展，CV值缓慢增长，各省区工业中小企业空间差异逐年扩大；2008年金融危机之后，CV值呈下降趋势，说明中国各省区工业中小企业的空间差异呈缩小趋势。②工业中小企业空间分布中国工业中小企业省区分布图更加集中。相比1997年没有一个省区工业中小企业在全国比例超过8%；2010年，浙江、江苏、广东和山东的工业中小企业比例均超过8%，4个省工业中小企业的总量占全国的49.94%，将近一半。其中，浙江省工业中小企业发展最为突出。浙江省工业中小企业在全国所占比例从1997年的5.83%增加到2010年的14.28%，在全国排名从第四上升到第一。

　　4、工业中小企业省区分布影响因素的实证分析

　　上述分析表明，中国工业中小企业空间分布存在显著的区域差异。各省资源禀赋条件、产业基础、劳动力供给、经济发展状态、市场环境、金融环境、创新环境等都可能影响中小企业的地理分布。本文按照设定的变系数面板数据模型，系统考察并测算影响工业中小企业地理分布的因素。

　　首先对所有自变量进行相关分析，发现部分变量之间存在较高相关性。例如，大型企业数量（MARK3）与国内生产总值（GDP）的相关系数为0.935，专利申请受理数（INNOV2）与贷款余额（FIN）的相关系数为0.921，贷款余额（FIN）与国内生产总值（GDP）的相关系数为0.904，专利申请受理数（INNOV2）与利用外资（MARK2）的相关系数为0.885等。

　　为避免多重共线性，在模型测算之前，对20个影响因素进行因子分析（FactorAnalysis）。因子分析是将复杂变量归结为少数几个因子的多元统计分析方法，目的是揭示变量之间的内在关联性，简化数据维数，便于发现规律或本质。运用主成分分析法（PCA）进行因子分析，即根据相关性大小把变量分组，以线性方程式将所有变量加以合并，计算所有变量共同解释的变异量，该线性组合即成分因子。一般而言，N个变量（Xjit）经主成分分析会产生N个成分（Fjit）；只选取特征根大于1的成分因子，且满足能够解释所有变量的70%以上方差这一条件。因子分析结果，从20个成分因子中选取特征根大于1的6个主要成分，能解释所有变量的80.91%方差。