共查询到18条相似文献，搜索用时 156 毫秒
1.
基于2010—2019年286个地级及以上城市数据深入探究了中国数字经济空间格局演化、集聚模式与驱动因素,主要结论如下：中国数字经济呈现平稳发展和空间集聚趋势,发展重心偏向东南部,空间格局总体呈现东强西弱格局,以京津冀、长三角、珠三角、成渝为核心的数字经济发展“四级”格局逐渐清晰。加速发展型城市主要集聚在中西部地区,起跑发展型城市主要集聚在“胡焕庸线”以东,平衡发展型城市呈现零星分布。信息化基础、地理区域、经济水平、人力资本等对数字经济空间格局与演化具有显著的影响,随着时间的推移,信息化基础和人力资本的影响越来越重要,而地理区域的影响逐渐弱化。 相似文献
2.
宁波市港口物流企业空间格局及区位选择 总被引：4，自引：4，他引：0
以宁波市为例,基于港口物流企业空间数据,运用冷热点分析和泊松回归等方法,研究宁波市港口物流企业空间分布特征及影响因素。结果发现：① 宁波市港口物流企业呈现向心集聚性,圈层分布格局明显。中心商务区和临港工业区是集聚热点区域;②港口物流企业集聚特征明显但整体集聚程度下降,表现出在中心商务区和临港工业区持续集聚和沿主干道路向外围区域蔓延扩散两大趋势;③不同类型港口物流企业的区位选择有明显差异：货代型物流企业主要分布在中心商务区,仓储型物流企业主要临港分布,运输型企业选择临近沿交通干道布局,综合型物流企业的分布没有明显的区位倾向;④ 政策因素、土地价格、城乡差异、临近港口、经济潜力和工业结构都不同程度地影响港口物流企业的空间分布,而交通便利没有表现出相关性。 相似文献
3.
基于POI的北京物流业区位特征与分异机制 总被引：9，自引：2，他引：7
物流节点和物流企业作为物流空间的核心载体和组织主体,其区位特征和分异机制识别对优化城市物流空间布局、合理配置物流资源有重要意义。2014年12月基于腾讯在线地图平台,采集了北京市4396个物流POI。采用产业集中度评价、核密度分析等方法,刻画了北京物流空间格局,阐明了类型差异、供需侧因素与区位选择行为的微观作用机理,揭示了交通、地租、资产对空间分异形成的内在机制。研究表明：① 物流企业和物流节点呈现协同集聚和空间分离相结合的区位特征;物流活动总体呈现“中心边缘、近郊和远郊交错”的空间格局,与物流就业空间耦合度低。② 由物流园区和物流中心构成的公共物流空间是政府引导的结果,由服务于特定行业和终端用户的配送中心构成的末端物流空间多为企业主导,两者区位分异显著。③ 在物流区位形成过程中,政府通过规划交通线路和货运场站改变交通区位条件,配置物流仓储用地影响不同区域物流地租和可得性,进而调控企业行为并形成物流空间的类型与职能分异;企业则通过资产配置的差异化来满足不同服务对象的多样化需求,促进专业化分工并形成物流空间的对象分异。 相似文献
4.
物流活动及其空间组织是经济地理和交通地理共同的研究话题。本文基于汽车物流企业数据,选取137家典型汽车物流企业为研究样本,运用城市网络研究方法,分析了中国汽车物流组织网络的等级结构、空间分异和空间联系特征,并进一步应用回归模型,探讨汽车物流企业在区域尺度的空间分布及区位选址的影响因素。研究结果表明：区域尺度的中国城市汽车物流组织网络存在明显的金字塔型等级结构,可将其划分为全国性、区域性、次区域性、地方性枢纽城市和普通型城市五个等级;各节点城市组织能力空间分布不均,非均衡化发展特征明显,形成由东部沿海3个核心区和中西部2个高值区所构成的“3+2”空间分布格局;节点城市间基本形成以上海为核心,广州、北京、重庆、武汉城市间联系为骨干链条的密集联系网络,其核心网络结构与中国沿海经济带和长江经济带构成的“T”字型空间结构相吻合,网络联系呈现出从东部沿海向中西部地区递减、由城市群向周边地区递减的趋势。通过回归分析发现,城市经济发展水平、汽车物流市场需求和交通基础设施是影响区域尺度的中国汽车物流组织网络布局的重要因素。 相似文献
5.
借助西安市物流企业微观地理数据,采用平均最近邻、标准差椭圆和核密度估计描述1995—2019年西安市物流企业空间分布及其演化特征,采用统计学方法分析物流企业聚集区与市中心的距离关系,并构建最小二乘回归模型分析影响物流企业空间分布的主要因素。结果表明：西安市物流企业从2000年开始出现聚集趋势,逐渐从单核发展为双核,现有出现第三核的趋势;物流企业空间分布呈现明显的扩散特征,演化过程沿着“西南-东北”方向延伸,整体呈现出“郊区化”趋势,集中分布于距市中心15km左右的位置;上一年度物流企业数量、常住人口及社会消费品零售总额是影响西安市物流企业空间格局形成的主要因素,对物流企业布局和集聚具有积极作用。 相似文献
6.
浙江省A级物流企业时空格局特征研究 总被引：2，自引：4，他引：2
基于浙江省2005~2015年A级物流企业时空数据,运用ArcGIS10.0和CrimeStats 3.3软件从时间和空间视角分析了浙江省A级物流企业空间格局特征及形成机制。研究表明：浙江省A级物流企业在时间序列上分为起步阶段、成长阶段和成熟阶段,各等级企业发展不平衡;从空间上来看,A级物流企业呈现明显的东北部密集、西南部稀疏的分布趋势,最近邻指数表明全省A级物流企业的空间分布集聚强度依次为：总体>3A>4A>2A>5A>1A;多尺度研究表明不同等级的物流企业在不同空间尺度上的分布格局以集聚分布形态为主,随机分布为辅,集聚程度趋势随尺度变化而变化;热点探测分析表明A级物流企业区位导向为长三角南翼经济发达区、沿海港口城市、内陆交通枢纽三大地带。 相似文献
7.
上海大都市区港口物流企业的空间格局演化 总被引：1，自引：0，他引：1
以上海港口物流企业数据为基础,运用GIS空间分析、数理统计等方法,探讨港口物流企业空间格局及演化规律,并对其关键影响因素进行分析。研究表明:1990 年代中期以来,上海港口物流企业空间格局总体呈集聚化和郊区化特征,中心城区仍是港口物流企业集聚的主要区域,但企业所占比例呈下降态势,郊区企业所占比例则不断上升。不同类型港口物流企业空间分布差异明显,处于价值链低端的运输仓储型企业倾向于向郊区转移,处于价值链中高端的综合服务型企业仍主要布局在中心城区,但已显现出郊区化端倪。上海港口物流企业空间格局演化受到港口功能演变、综合交通网络建设、商务支撑条件、城市规划及发展政策等因素的综合影响。 相似文献
8.
广州市运输型物流企业空间分布特征分析 总被引：4，自引：0，他引：4
基于广州市3 040个运输型物流企业的空间属性资料,揭示广州市运输型物流企业的空间分布规律,剖析不同区域运输型物流企业的集聚机理。研究表明:①全市运输型物流企业空间分布特征是中心城区高度聚集、其它地区零散分布,呈现"三心一轴"的格局。②各个区域呈现不同分布格局,白云区是三纵一横一个中心,越秀区是均质分布,荔湾区和海珠区是零散分布,天河区是轴线分布基础上的小规模集聚,黄埔区、萝岗区是双集聚中心。③影响各区域分布格局的主要因素有:城区历史因素(地理位置、经济发展水平),交通基础设施因素(城市主干道),经济活动中心因素(商业、商务、工业园区),物流节点因素(机场、货运站场、批发市场),规划政策(物流规划)因素和土地因素。 相似文献
9.
基于企业视角的中国集装箱运输组织网络 总被引：3，自引：0，他引：3
货物运输集装箱化在全球资源要素配置和区域经济发展中的作用愈发突出,集装箱运输组织网络研究已成为交通地理学的重要课题。本文基于微观企业视角,选取112家企业和119座城市作为研究样本,借鉴城市网络研究方法和复杂网络理论,探讨了中国集装箱运输组织网络的等级体系、空间格局、网络联系和复杂性特征。研究结果表明：网络节点城市的集装箱运输组织能力差距明显,已形成由全国性、区域性、次区域性和地方性枢纽城市四个层级所构成的金字塔型等级结构;集装箱运输组织能力在空间分布上表现出显著的非均衡性特征,形成由6个核心区和7个集聚区所构成的“6+7”空间格局;网络联系以全国性和区域性枢纽城市为主要空间指向,联系网络总体呈现从东部沿海向中西部地区、从全国性枢纽城市向地方性枢纽城市逐渐拓展趋势;同时,整体网络结构表现出较强的集聚性、连通性和空间组织效率,且复杂网络特征与节点城市集装箱运输组织能力具有显著相关性。 相似文献
10.
基于创业知识溢出理论和创业生态系统理论,以739家中国创业板企业为依据,借助赫芬达尔指数、区位基尼系数和ZINB模型,研究了中国高成长性创业企业发展的时空格局及其区位因素。得出以下结论：(1)在时空分布上,中国高成长性创业企业发展呈现出稳步推进趋势,其发展过程因受经济环境和国家政策的影响而表现出“M”状波动性;空间格局呈分散与集聚并存、集聚为主的特征,并且集聚程度因行业大类而异。(2)在时空格局演变方面,中国高成长性创业企业总体由沿海向内陆推进,由中心城市向周边城市扩散,并且总体呈现出集聚向分散转化,但仍以高度集聚为主的时空分布格局。(3)中国高成长性创业企业的形成不是随机的,科学技术支出比例、集聚经济水平、风险资本存量、人力资本存量和信息化水平等5个新型区位因素,均对创业板企业的产生存在显著的正向影响,影响程度依次减弱,证明良好的区域创业生态系统在高成长性创业企业产生中具有重要作用。 相似文献
11.
江浙沪主要中心城市对外经济联系的测度分析 总被引：11，自引：2，他引：9
城市是一个开放的系统,城市的发展离不开与其它城市和区域的相互联系。本文借助区域间相互作用的引 力模型,从节点分析、线路分析以及经济联系强度等方面对江浙沪主要中心城市对外经济联系状况进行实际测度, 定量分析其对外经济联系的空间结构等级层次性特征。结果表明：江浙沪主要中心城市对外经济联系不断增强,区 域差异明显,并且表现出按照一定的轴线发生联系,这种轴线的方向和路径具有一定规律性;上海对江浙中心城市 的经济联系强度大,并呈现距离衰减规律,形成圈层结构分异;苏锡常经济圈内部经济联系紧密,南京和杭州对外 经济联系不强,中心地位亟待提高;交通是宁波对外经济联系的最主要障碍。总之,江浙沪主要中心城市经济发展 水平是其对外经济联系的前提条件,而加快交通建设,特别是高速公路的建设,是加快经济发展的关键,也是加强 区域间经济联系的主要手段之一,当然这还与距离、行政区划和历史等因素有关。 相似文献
12.
As a special outcome of urbanization, mega-towns not only play an important role in the process of socio-economic development, but also are important contributors to urbanization. Based on a spatial database of mega-towns in China, this paper explores the spatial distribution features and growth mechanisms of China's 238 mega-towns using the nearest neighbour distance method, kernel density estimation, regression analysis, global autocorrelation, local autocorrelation and other spatial analysis methods. Results of spatial distribution features show that:(1) on the national scale, the existing 238 mega-towns mainly gathered in the southeast coastal areas of China; they formed two spatial core agglomerations, several secondary ones and a southeast coastal agglomeration belt;(2) on the regional scale, each economic region's index was less than 1, indicating that mega-towns in each region tended to be spatially agglomerated due to the close relationship with regional development level and their number;(3) on the provincial scale, 68% of provincial-level units in China tended to be a spatial agglomeration of mega-towns; only one province had a random distribution; the number of mega-towns in those evenly-distributed provinces was generally small. The growth of mega-towns was determined by a combination of various natural and humanistic factors, including topography, location, economy, population, traffic, and national policy. This paper chose digital elevation model(DEM), location advantage, economic density, population density, and highway density distribution as corresponding indicators as quantitative factors. By combining their local autocorrelation analysis, these factors all showed certain influence on the spatial growth of mega-towns and together scheduled it. In the future, provinces and cities should make full use of the mega-town functions to promote their socioeconomic development, especially the central and western regions in China. 相似文献
13.
沿海经济低谷地区的制约因素与发展策略 总被引：11，自引：2，他引：11
根据世界银行的经济分类方法 ,沿海 6个省市的 72个地市中 ,有 34个属于发展相对落后的经济低谷地区。经济低谷地区主要分布在省际交界处 ,从类型上分为黄泛平原、丘陵山区和沿海库区。由于自然条件与区位、社会经济发展、城市化水平和国家宏观政策的制约 ,沿海经济低谷地区与发达地区的差异正在拉大。国家需要从基础设施建设、资源开发利用、投资环境改善以及优惠政策等方面来加快这一地区发展。 相似文献
14.
中国海洋经济发展的时空差异及其动态变化研究 总被引：3，自引：3，他引：0
中国海洋经济近年来快速发展,但地区差异明显。以沿海11个省市区为研究对象,从时间与空间2个角度,运用变差系数及加权变差系数来表现1996~2010年沿海省市经济发展的差异程度,结果表明中国沿海省市海洋经济成倍增长,总体差异在波动中减小;采用区位熵、洛伦兹曲线及基尼系数对海洋产业结构及其空间布局演化进行分析,得出海洋产业结构向高级阶段演进,海洋产业集聚规模有所减弱,各产业趋于均衡发展;具有资源属性的海洋产业集聚程度最高,海洋第三产业集聚程度降低;利用主成分分析法对沿海省市的海洋经济发展进行综合评价将其分为3个梯队;使用R/S分析法对沿海地区差异情况进行预测,显示未来差距有增大的趋势。最后从提高海洋资源开发能力、提高海洋经济发展质量等角度提出了具体建议。 相似文献
15.
中国纺织服装产业的区位迁移 总被引：1，自引：0，他引：1
纺织服装业因其自身产业特点和发展特征, 一直是国内研究的热点, 被认为是最早实现全球产业转移和最具有产业转移特征的重要产业之一。通过构建产业结构变动系数来描绘纺织服装业区位迁移的基本格局, 结果表明:① 纺织服装产业的结构变动相对稳定且集中于东部地区;② 结构变化地域分异明显, 沿海大于内陆, 东部大于中部, 中部又高于西部和东北, 东部沿海的浙江、广东、江苏、山东、上海和福建, 中部的湖北和河南, 以及东北的辽宁, 纺织服装业的结构变化系数均高于全国平均水平, 西部地区的多数省份则较低;③ 结构变动系数的大小取决于当地经济发展、区位性和结构性因素。采用偏离-份额模型将中国纺织服装业发展分解为结构效应和空间效应, 以此阐述中国纺织服装业区位迁移的内在规律。结果表明:① 河南、安徽和江西已经成为东部纺织服装业转移的主要承接地区;② 纺织服装业的区位迁移在竞争效应和纯空间竞争效应上具有一致性, 说明产业的地理分布主要受到区位优势的影响;③ 明显的结构负效应说明纺织服装业的产业结构有待于进一步优化。 相似文献
16.
江苏沿海经济发展的区域差异及空间格局演变 总被引：1，自引：1，他引：0
以县域为基本单元,以GDP和人口为指标,运用绝对差异指标和相对差异指标等经典统计方法,以及可分解的泰尔指数和区域分离指数,分析了2002~2012年江苏省沿海经济发展差异的演变趋势和空间变化特征。研究结果表明：江苏沿海经济发展的绝对差异一直在不断扩大,相对差异基本呈缓慢缩小趋势。总体差异在波动中逐渐下降,其主要来源于区内差异,其中盐城区内差异贡献率最大。区域分离系数以2006年为拐点,呈倒“U”型变化特征,区域差异逐渐趋同。导致区域差异的原因主要是历史基础、区位条件和政策措施。空间结构的变化反映了政府发展战略的连续变化过程,体现了区域发展的非均衡性。 相似文献
17.
创新在区域经济增长中扮演着越来越重要的角色。创新活动的行业和空间特性与各地区各行业的经济增长密切相关。文章对中国最具有创新性的28个行业的大中型企业创新数据进行分析,揭示目前我国创新活动的空间分布态势和地区专业化特征。目前,中国创新活动已经形成沿海、沿江或沿铁路地理集中的态势,并且呈现不同形式的核心边缘现象;创新活动呈现明显的地区专业化特征,上海、北京、天津、江苏、山东、浙江以及广东等极具创新能力的省市呈现不同的创新行业特征。 相似文献
18.
通过测算全国30个省域2000—2015年的二氧化碳排放量,采用自然段点法,分别对2000年、2005年、2010年和2015年各省碳排放量进行分类,分析其空间分异化特征。采用空间自相关分析法揭示了相邻各省份碳排放量的空间关联性。在此基础上,运用对数均值迪氏分解法,从能源结构、能源强度、经济发展和人口规模等角度,对碳排放影响因素进行无残差分解。结果表明：1）时间上,我国碳排放总量整体呈上升趋势,在2014—2015年仅下降2%。除北京市外,其余各省份的碳排放量呈增长趋势;空间上,高值碳排放由环渤海及东部沿海省份逐步蔓延至中西部个别省份;2）各省域碳排放主要呈现高高集聚和低高集聚的特征,高高集聚稳定集中在辽宁、河北、山东、山西和江苏省,北京市和天津市与高碳排放的省份形成一个低高集聚区域;3）东、中部比西部省份更易受能源结构、能源强度、经济发展和人口规模等因素的影响。经济发展对碳排放是驱动作用,能源强度对碳排放是抑制作用,能源结构对各省份碳排放的影响有正向驱动和负向抑制作用,除贵州省外,其余省份人口规模对碳排放均是正向驱动作用。 相似文献