城市群视角下的产业共聚与产业空间治理:机器学习算法的测度
2020-05-17分类号:F124
【部门】东南大学经济管理学院 新泽西理工学院吴鹰计算机学院
【摘要】城市群是未来中国产业发展的主要空间载体与重要地理单元。本文在机器学习Wasserstein距离算法思想的基础上,运用矩阵扩张Sinkhorn算法和熵正则化约束法改进Wasserstein距离算法及其求解方式,通过假设检验与蒙特卡洛模拟构建产业共聚指数,测算中国城市群的产业共聚水平。测度结果发现,中国城市群同二位数行业内产业间的共聚水平大于跨二位数行业产业间共聚水平;经济相对落后的城市群表现出明显的产业共聚特征,同时技术密集型产业在上述城市群内部偏向共聚;2007—2013年间中国城市群产业空间共聚水平总体呈下降态势,不同城市群的演化模式存在差异。本文还利用产业共聚指数的方向性,分析了不同城市群产业空间核心产业的差异,绘制出城市群产业空间结构。对产业共聚影响因素的实证研究发现,投入产出关联、技术关联与规模差距对产业间共聚的影响显著为正,行业内部竞争水平从共聚和被共聚两个方向抑制产业间共聚趋势;城市群层面诸如政府规模等区域特征均与产业间共聚水平负相关。据此,本文提出了实施城市群产业空间治理的相应政策建议。
【关键词】产业共聚 产业空间治理 机器学习算法 城市群
【基金】国家自然科学基金面上项目“以‘一带一路’创新牵引中国区域产业转移、转型并高质量发展的机理、路径与政策研究”(批准号71873030);国家自然科学基金面上项目“新型城镇化约束与引导下的产业转移的模式、路径与组织研究”(批准号71473037)
【所属期刊栏目】中国工业经济
文献传递