本文摘要：摘要：创业空间一定程度上代表互联网+转型背景下创业活动的空间表达。本文结合双变量空间自相关、地理加权回归、负二项回归模型等方法，通过识别兼具创业活力和产业特性的城市创新创业环境，探讨双创政策背景下广州创业空间的微区位模式及影响因素。研究表明：①实施双
摘要：创业空间一定程度上代表“互联网+”转型背景下创业活动的空间表达。本文结合双变量空间自相关、地理加权回归、负二项回归模型等方法，通过识别兼具创业活力和产业特性的城市创新创业环境，探讨双创政策背景下广州创业空间的微区位模式及影响因素。研究表明：①实施“双创”政策以来，广州创业空间不断涌现，众创空间呈现由初期暴增到逐渐平缓的态势，从区位窗口期向空间集聚转变，孵化器空间分布较为稳定。②创业空间微区位模式表现为创新创业型、创意创新型、创意导向型、技术密集型和资本邻近型，技术密集驱动和依托高校建立的创业空间比例上升。中央商务区、历史城区和城中村等不同区域微区位影响存在空间异质性，其中高校邻近和园区辐射是局部和全局创业空间区位选择的关键影响因子。
关键词：众创空间;科技企业孵化器;微区位;城市创新创业环境;广州市
引言90 年代以来，柔性化生产和个性化消费的后福特主义逐渐取代标准化生产和大众化消费[1]，创意(Creativity)、创新(Innovation)和创业(Entrepreneurship)成为“新经济”崛起的关键支撑[2]。普遍认为，创意、创新活动转化为创业实践需要一定的过程和空间。所谓创业是在区域中寻求机遇，通过创新将想法商业化并创造价值的过程[3]。
然而，创业活动存在巨大的风险和不确定性[4]，有赖于建立低成本、便利化、全要素、开放式的新型创业服务平台①(创业苗圃、孵化器、加速器、产业园区等)组成的创业孵化链条。自上世纪 80 年代我国第一家科技企业孵化器成立起，历经 30 多年孵化器已成为我国创新创业的支撑平台。2015年国务院首次提出发展众创空间，以满足大众创新创业需求、提供专业化服务②，其功能类似于创业苗圃，实现创新企业“从 0 到 1”的诞生，又与孵化器共同推动企业实现“从 1 到 100”的孵化[5]。“大众创业、万众创新”政策实施以来，科技企业孵化器和众创空间为代表的创业空间，共同构成城市最具创新创业活力的空间载体。
当前研究聚焦于创业空间的内涵与功能[6]、特征机制[5]，创业生态[7]与演化历程[8]，并从全国[9]、省域[10]、城市群[11]及城市[12-13]等尺度，运用数量统计、空间分析、案例对比等方法，深入探讨了创业空间的宏观区位选择规律及其驱动因素，但创业过程往往受到城市创新环境的影响。一方面，尺度效应表明宏观因素并不一定适用于微观尺度。宏中观是确定微区位的背景因素，但最终均需落实到具体区位。现有研究多将创业空间视为微型创业生态系统，或从宏观尺度探讨创业空间的地理分布，针对创业空间的微区位选择研究较少。
另一方面，当前研究主要从创新要素[14]、建成环境[15]等角度识别城市创新环境，学者们虽强调城市创新创业的孵化作用，但对城市创新创业环境的关联识别尚待挖掘。作为历史文化名城与国内城市更新的前沿阵地，广州拥有创新企业发展的文化底蕴与潜在空间。本文将创业空间的地理分布视为城市创新环境影响下，知识密集型创业活动的空间表达，微区位代表着兼具创业活力和产业特性的城市创新创业环境。通过分析广州创业空间的空间演化与集聚特征差异，探讨双创政策背景下广州创业空间的地理格局及影响因素。
1 创业空间与区域环境创业区位选择
遵循个体基于成本-利益原则的自主决策，但创业家的社交网络和创业资本根植于日常生活的地方环境，自 Feldman 认为创业成功在于积极地方环境的构建，将创业活动视为区域现象[16]以来，区域环境如何影响创业区位得到经济地理学的广泛关注[17]。
区域创业生态系统往往是地方性的，新兴产业与传统产业相比更加集聚[18]。Florida 认为在知识经济时代，创新创业活动更多体现在城市或区域，而非个人或企业层面。城市作为承载创新活动的容器，也是新的创意想法、组织机构和新企业的孵化地[19]。新一代创业企业为适应新的产业范式及减少空间摩擦，产生新的区位诉求，对市场、氛围、多样化、减少竞争风险的需求增加[20]。因此，区域对创业活动的影响表现为创新环境对创业活动的孵化。
地方创业被定义为“在区域条件的驱动下，创业家以社会网络的方式集体进行技术创新和制度创新的能动性实践过程”[21]，创业区位选择与产业集聚密切相关，产业集聚对地方创业的影响体现在：创业活动的产生依赖地方化经济的商业网络和知识溢出;新创企业主要源于集群衍生[17]。衍生是集群涌现的关键过程和增长引擎，多数新创企业源于现有企业拓展经营的多样化子企业或员工建立的衍生企业[21]。由于创业的高风险和不确定性，区域倾向于由相关多样化分化，形成与现有产业关联的新产业[22]。
研究将地理邻近对知识溢出的影响阐述为 Jacobs 外部性[23](多样化)和 MAR 外部性[24](专业化)，前者即城市化经济，指不同产业在城市范围的空间邻近所带来的正外部性，城市共享密集的基础设施、人才、资本与经济发展;后者即地方化经济，指同一产业地理邻近形成知识溢出。因此，不同产业集聚区位反映了多样化的城市创新环境，而关联产业的地理集聚区位体现区域环境特性。知识溢出理论认为在知识密集交织语境中，创新思维产生创业机遇，创业家通过商业化活动将想法付诸实践[25]。
创意、创新和创业常常被区分以阐述创业过程，创意关注想法和感知，通常代表着文化创意类活动，诸如艺术创作、创意设计和音乐美术等;创新则与创业密不可分，创新地理学关注地方内生性特质，企业、高校和其它创新要素形成的区域创新网络推动知识溢出与传播[26]。从新知识产生到创业过程需要创业家作为中介，将科学性知识转化为商业知识[25]。相关研究[27]将创意阶层划分为艺术型和技术型，发现艺术型倾向于多样化城市环境与文化氛围，技术型倾向于安静、干扰少、现代化的办公空间与商业环境，分别偏向于缄默知识和编码知识，文化创意产业和信息技术服务业对区域环境的需求也存在差异。
文化创意产业已成为全球城市经济复兴和城市更新的实践热点，与城市的社会文化环境相互交织[28]。研究发现文创产业常与老城区的闲置空间利用和产业转型相关，强调文化资源的利用和保护，与城市更新相契合，例如在广州急剧扩张和新中心形成背景下，广州老城区凭借深厚的历史文化资源，文创产业形成新的经济增长点[29]。
其次，“互联网+”企业为代表的信息产业成为城市发展的新机遇，研究发现互联网企业的空间极化效应日益显著，空间分布倾向于市中心，中心城区的风险资本、专业人才、服务业经济水平[30]和名企名校的品牌效应[31]等吸引信息产业的集聚，因此文创产业和信息产业的地理集聚能够表征特定的区域创新环境。风险投资又称为“创业资本”，风险投资机构是致力于响应新创企业需求的金融中介，为具有潜力的新创企业提供资本和特定的专业知识[4]。研究发现风投机构与金融行业、高科技企业和新创企业存在耦合性联系，空间分布表现为显著的资本邻近[32]。
基于上述讨论，本文以文化创意产业(创意)、信息技术服务业(技术)和风险投资机构(资本)的地理集聚来表征城市的创新环境特性。在“互联网+”转型背景下，孵化器和众创空间为具有一定知识存量和不同专业背景的创业者提供物质空间和创业资源，举办活动吸引产家、客户、同行等的临时集聚，帮助创业者构建关系网络和实现团队协作，成为集聚新创企业的创业空间[20]。
符文颖[20]等对广州软件产业集群调研发现第二代企业家面对互联网转型，倾向于开辟相关产业的缝隙市场，而众创空间和孵化器的优势(新技术和市场知识、关系网络的构建)受到初创企业的亲睐，创业空间一定程度上代表“互联网+”转型背景下创业活动的空间表达。现有研究主要解释了宏观尺度创业空间的区位特点，但创业活动更多体现在微观尺度。
从城市内部来看，中央商务区、历史城区等区域的地方特性、产业基础、建成环境存在差异，而城市更新特别是城中村，由于集体土地所有权和非正式规划，满足创新群体的需求，营造宽松包容且多样化的社会环境[33]，集聚众多创业空间。基于上述讨论，本文通过创业空间与特定产业的空间集聚关系和回归分析来识别城市创新创业活动的微区位模式，归纳不同的区域环境特性，探讨区域环境和产业集聚对创业空间微区位的影响因素。
2 数据来源与研究方法
2.1 研究范围与数据来源
据广州科技企业孵化器协会统计数据，截止 2019年 3 月，广州市共有 339 家孵化器及 212 家众创空间，由于部分孵化器拥有多个地址，其点样本量为 413 个，本文主要研究范围为广州主城区③。广州共有 11 个区及 170 个街道/镇，为识别天河区城中村边界，在村界(数据来源于中国科学院资源数据中心)基础上，参考已有提取城中村建筑物的研究成果 [35](正确率达89.29%)，筛选出天河区 40 个城中村。
区位研究通常以街道为尺度，一定程度反映全局区位影响因素，但忽视街道内部差异，难以体现微区位的空间异质性，网格化数据能够匹配多源数据，详细表达社会经济数据的空间分布，因此将广州主城区划分为 500m×500m 格网。文化创意产业和信息技术服务业数据来源于天眼查，其数据库包括全国企业信用信息公示系统等公开信息，清洗企业名录中信息不全和不符合要求的数据。
文化创意产业参考国家文化产业分类标准及相关研究，选取与文化创意紧密相关的类别，包括建筑设计、工程设计、文化艺术、新闻出版、广播影视及创意消费等，风险投资机构数据从创头条“双创地图”网站爬取。以 2016 年与 2019 年为研究时间节点，反映“大众创业，万众创新”背景下广州创业空间时空演变和微区位模式，企业数据以 2016 年为界，广州主城区文化创意产业、信息技术服务业及风险投资机构的样本量分别为 4032、8346、1197 家。
2.2 研究方法与模式识别
2.2.1 微区位模式识别
微区位模式识别流程如下：首先运用双变量空间自相关初步探索创业空间与文化创意产业、信息技术服务业和风险投资机构的集聚特征，其次计算 OLS 回归探索各个格网单元中创业空间与三种产业/机构的相关性，为识别模式进一步采用地理加权回归模型(GWR)。结合双变量空间自相关和地理加权回归模型筛选出创业空间与对应产业/机构正相关的集聚区，概况为创意导向、技术密集和资本邻近的区域特征。
2.2.2 负二项回归模型
在识别不同的微区位模式后，需进一步探讨不同的区域环境对创业空间微区位的空间异质性，以深化微区位模式的区域载体和科学依据。考虑到广州创业空间集聚分布具有明显离散特征，常用泊松或负二项回归模型。泊松模型要求条件方差与均值相等，负二项回归适用于条件方差大于均值的超离散型数据，故采用负二项回归模型。模型变量除创意导向、技术密集和资本邻近三个解释变量外，参考已有研究[15,37]，城市建成环境、高校邻近和园区辐射可能影响创业空间的区位选择，因此从生活便利、高等院校和进入壁垒三方面，采用生活设施、高校邻近、园区辐射、地租成本和初期集聚因子，而产业集聚减少新创企业进入壁垒，体现区域环境的“创业气候”。
3 双创背景下广州市创业空间的时空演变
3.1 众创空间：由区位窗口期向空间集聚转变
2015 年 3 月国务院发布《关于发展众创空间推进大众创新创业的指导意见》，为响应号召，11 月广州市发布《关于加快推进众创空间建设发展的若干措施》，双创政策导向下众创空间大量涌现。从增长数量上看，2016 年是广州众创空间的先发期，经过一年的政策引导，广州拥有 41 家众创空间，其中国家备案 23 家，这一阶段依托原有的创客空间和创业咖啡。
随着政策扶持和绩效体系的完善，较早进入市场的众创空间获得先发优势，多数上升为国家备案级别，至 2016 年底国家备案达 45 家，但此后两年均稳定在 51 家，级别上升渠道减少，而市登记级别众创空间数量不断增多，体现大量运营主体趁政策红利涌入众创市场，数量上呈现由初期暴增到逐渐平稳的态势。
从空间分布上看，2016 年众创空间全部位于主城区，外围城区均无分布，主要集聚于珠江新城中轴线和海珠区北部;2019 年众创空间集聚中心由海珠区向天河区移动，天河智慧城和科学城集聚趋势加强，天河区数量占比稳定在 48%左右，广州各区众创空间数量占比表现为前两年的波动到 2018 年、2019 年曲线重合，表明众创空间从区位窗口期向空间集聚转变。
3.2 孵化器：空间分布相对稳定不同于众创空间，新增孵化器倾向于布局在已有的集聚区域，空间分布相对稳定。从增长数量上看，自 1991 年广州建立第一家科技企业孵化器起，2014 年增长至 66 家孵化器，其中国家级 13 家。2014 年 10 月广州出台《关于促进科技企业孵化器发展的实施意见》，孵化器数量快速增长，从 2016 年底的 192 家增长至 2019 年的 339 家，其中国家级由 21 家增至 26 家。2016 年与 2019 年广州各区孵化器数量占比曲线近乎重合，表明广州孵化器空间布局已相对稳定。从空间分布上看，2019 年分布范围逐渐向外围区域延伸，但集聚区域稳定，形成珠江新城中轴线、天河智慧城和科学城、历史城区三个核心。
4 模式识别与研究结果
4.1 创业空间微区位模式
识别过程文化创意产业、信息技术服务业、风险投资机构和创业空间的集聚和关联识别，代表着创新活力较强的优势区域，本文以产业/机构所表征的创意、技术、资本要素识别创业空间的微区位模式。
首先进行创业空间与产业集聚的关联识别，模型变量选取文化创意产业、信息技术服务业和风险投资机构的数量，由于POI 数量属于零值截尾数据，超离散数据不满足 OLS 模型数据要求，参考相关研究[30]，以 800m 为搜索半径，500m 为输出像元对创业空间进行核密度处理后提取非零网格作为因变量，通过正态变换以满足回归要求，网格数量为 1229 个，对分析单元的变量进行统计描述，可以发现变量符合回归分析的基本要求。
OLS 估计结果表明，VIF 小于 7.5，不存在多重共线性，调整 R2 值为 0.198，X1、X2 和 X3变量均显著正相关，一定程度上能够解释创业空间区位选择的影响，但由于因变量存在空间自相关，OLS 忽视空间效应可能存在模型的不适用问题，对 OLS 估计结果的标准化残差进行空间自相关分析，全局Moran’s I 指数为 0.422，表明 OLS 模型存在较大偏差。
因此考虑局域的空间异质性影响，由于 OLS 回归证实所有变量均通过显著性检验，保留变量进一步采用 GWR 模型，调整 R2 值为 0.39，局部 R2 值为 0.12~0.51，AICc 值能够比较不同模型拟合程度的显著性，其值越小拟合优度越高，GWR 比 OLS 下降约 301.876，且调整 R2 值明显优于 OLS 模型，说明 GWR 模型进一步提升 OLS 模型的拟合优度。针对 GWR 模型的标准化残差进行空间自相关分析，Moran’s I 指数为 0.28，低于 OLS残差自相关分析结果，再次证明 GWR 局部模型比 OLS 全局模型性能优越。
再者分析创业空间与产业集聚的空间关系。广州创业空间全局 Moran’s I 指数为 0.482，主要集聚于广州主城区。对主城区范围创业空间与文化创意产业、信息技术服务业和风险投资机构进行双变量空间自相关分析，探索性分析结果表明，文化创意产业、信息技术服务业和风险投资机构均呈现集聚分布，LISA 的 Moran’s I 指数为 0.385、0.491、0.326，表明两者总体呈现协同区位分布。高高即创业空间与对应变量呈现高集聚-高集聚，表明创业空间与产业/机构的协同集聚分布;高低即创业空间与对应变量呈现高集聚-低集聚分布，图中可见部分边缘区域集聚创业空间;而低高代表着产业/机构集聚但创业空间较少的区域，沿高高集聚向外延伸，主要分布在越秀区。
4.2 创业空间微区位模式识别
结果统计 2016 年和 2019 年不同微区位模式的数量比例发现，创意创新型、创新创业型、资本邻近型区域的创业空间数量占比较大，经过三年的自发形成和政策引导，技术密集型增长比例最大，创意创新型比例上升，而创意导向型和资本邻近型占比减少，体现信息技术服务业对创业空间的带动作用，其次依托高校建立的众创空间数量增多。对比而言，众创空间更倾向于分布在优势区域，且集聚趋势增强，孵化器则呈现扩散趋势。
4.3 创业空间微区位模式的影响因素
对微区位模式的划分有利于理解城市创新创业环境的差异，体现了不同区域集聚创业空间的区位特性。由上可知，中央商务区、历史城区、城中村等区域的地方特性、产业基础、建成环境存在差异，为进一步探讨不同区域环境对创业空间微区位的空间异质性，深化微区位模式的区域载体和科学依据，以广州四类区域(天河区城中村、老城区、中央商务区和主城区)范围格网单元的创业空间数量作为因变量，探讨区域环境和产业集聚对创业空间微区位的影响因素。对模型进行多重共线性检验和逐步回归，结果表明不存在多重共线性。
模型一以天河区城中村作为研究对象，探索城中村吸引创业空间的区域环境，由于天河区采取一致的地方政策，从而减少政策因素的影响。历史城区范围内差异性较小，因此模型二以老城区(包括越秀区、荔湾区和海珠区)作为研究对象;模型三研究范围为中央商务区，探索新老城区对创业空间区位选择的因素差异;模型四分析广州主城区创业空间的影响因素。
5 结论与讨论
本文结合双变量空间自相关和地理加权回归模型，识别广州市创业空间的微区位模式，探讨双创政策背景下广州创业空间的时空演变，进一步采用负二项回归模型分析不同区域环境和产业集聚对创业空间微区位的影响，旨在探讨创业空间区位选择的空间异质性。研究结果表明：
①双创背景下广州创业空间涌现，众创空间呈现由初期暴增到逐渐平缓的态势，从区位窗口期向空间集聚转变，空间分布向优势区域集聚;孵化器数量暴增但空间分布相对稳定，呈现扩散趋势。从全市范围看，广州创业空间高度集聚于主城区，集中在珠江新城和五山高教区交界(创新创业型和创意创新型)、天河智慧城和广州科学城(技术密集型和资本邻近型)和历史城区(创意导向型)，虽然多数创业空间分布在优势区域，但在主城区范围内，外围区域的创业空间比重约占 37%，据统计 2018 年全国中西部地区众创空间数量比例约占40%，体现不同空间尺度上的自相似性。
②通过识别兼具创业活力和产业特性的城市创新创业环境，广州创业空间表现为创新创业型、创意创新型、创意导向型、技术密集型和资本邻近型五种微区位模式，其中现代和传统市中心(珠江新城中轴线和东风东路-先烈东路)属于创新创业型，北京路文化核心区和五山高教区属于创意创新型，广州历史城区属于创意导向型，科韵中路东部和天河智慧城属于技术密集型，而广州科学城属于资本邻近型。技术密集驱动和依托高校建立的创业空间比例上升，但主城区范围内的外围区域占比较大，主要分布在城中村。③城中村和老城区呈现显著的创意导向，而中央商务区更偏向于技术-资本邻近，创业空间微区位选择主要受高校邻近(局部)和园区辐射(全局)影响，城中村的土地成本优势和老城区的创意环境等体现了城市创新创业环境的空间异质性。
综上所述，集聚创业空间的中心城区在历史文化、产业基础、建成环境等方面具有不同的区域特性，地方应注重从产业基础和区域环境出发，针对不同的微区位模式，重视对地方创意文化、技术密集或资本邻近等优势的挖掘，发挥比较优势建立关联产业的孵化基地，加强高校众创空间平台建设，提高已有产业集群的孵化作用，从而改善周边环境与基础设施，实现创新创业对区域的反哺。对于中国语境下的创业空间而言，综合自上而下政府建立完善的绩效管理体制，与自下而上区域发挥自身产业禀赋和优化人文环境，有利于发挥地方活力与创造力，增强创业活动对区域多样化发展的作用。
本文创新之处在于识别兼具创业活动和产业特性的微区位模式，识别城市创新创业环境，探索双创政策背景下广州创业空间涌现与区域环境的关系，对于解释创业活动的微区位选择具有启示意义。但存在一定的局限性，首先多数研究采用新创企业数据探讨创业活动，创业空间虽一定程度上集聚新创企业，但并不能涵盖所有知识密集型创业活动;其次由于采用格网化处理，难以将统计数据与微区位结合，在指标选择上多以点数据表征，未考虑创业空间的政策导向和个体差异，未来研究须进一步加强模型和变量选择的合理性。
参考文献(Reference)
[1] 朱竑, 吕祖宜, 钱俊希. 文化经济地理学:概念、理论和实践. 经济地理, 2019, 39(9): 1-11. [ZHU H, Lv Z, QIAN J.Cultural economic geography: Concepts, theories and practices. Economic Geography, 2019, 39(9): 1-11. ]
[2] 颜子明, 杜德斌, 刘承良, 等. 西方创新地理研究的知识图谱可视化分析. 地理学报, 2018, 73(2): 362-379. [YAN Z,DU D, LIU C, et al. Visualization analysis of mapping knowledge domain on western geography of innovation. ActaGeographica Sinica, 2018, 73(2): 362-379. ]
[3] SHANE S. Prior knowledge and the discovery of entrepreneurial opportunities. Organization Science, 2000, 11(4): 448-469.
[4] AVNIMELECH G, SCHWARTZ D, BAR-EL R. Entrepreneurial high-tech cluster development: Israel's experience withventure capital and technological incubators. European Planning Studies, 2007, 15(9): 1181-1198.
[5] 王晶, 甄峰. 城市众创空间的特征、机制及其空间规划应对. 规划师, 2016, 9(32): 5-10. [WAND J, ZHEN F. Spatialcharacters and planning strategy for mass innovation space. Planners, 2016, 9(32): 5-10. ]
[6] 项振海, 黄哲, 李志刚. 众创空间的内涵、功能搭建与机制——对广佛智城的实证. 规划师, 2016, 32(6): 18-23.[XIANG Z, HUANG Z, LI Z. Connotation, function and mechanism of mass innovation space: A positive study ofGuangzhou-Foshan smart city. Planners, 2016, 32(6): 18-23. ]
[7] 裴蕾, 王金杰. 众创空间嵌入的多层次创新生态系统:概念模型与创新机制. 科技进步与对策, 2018, 35(06):1-6. [PEIL, WANG J. The Makerspace-embedded multi-level innocation biosystem:conceptual model and innovation mechanism.Science and Technology Progress and Policy, 2018, 35(06):1-6. ]
作者：刘向杰 1a，王敏 2，刘承良 1a，1b
转载请注明来自发表学术论文网：http://www.fbxslw.com/jjlw/29964.html
