EN中文

Journal of Geo-information Science >

2023 , Vol. 25 >Issue 2: 340 - 353

DOI: https://doi.org/10.12082/dqxxkx.2023.220028

The Spatial-Temporal Patterns and Influencing Factors of China's Tech Start-ups: A Study based on the Entrepreneurial Ecosystem

  • LIU Le ,
  • SHENG Kerong , * ,
  • WANG Chuanyang
Expand
  • School of Economics, Shandong University of Technology, Zibo 255012, China
* SHENG Kerong, E-mail:

Received date: 2022-01-16

  Revised date: 2022-03-18

  Online published: 2023-04-19

Supported by

National Natural Science Foundation of China(41771173)

Fold

Abstract

The deepening of the innovation-driven strategy has promoted the prosperity of the entrepreneurial economy, and the high-tech start-ups have increasingly become the decisive force to promote China's tech progress and high-quality economic development. With the assistance of the data of China's tech start-ups from 2015 to 2020, this paper combines the methods of Thiel index and kernel density estimation to explore the spatial-temporal evolution characteristics. At the same time, an analytical framework is constructed for the development of tech start-ups based on the entrepreneurial ecosystem theory. The OLS model and SARAR model are established to quantitatively identify the influential factors of the distribution of tech start-ups. Three conclusions are drawn: (1) From the perspective of time series, the number of tech start-ups in China is growing rapidly from 2015 to 2020. The tertiary industry enterprises occupy a dominant position in its industry composition, and the proportion of the number is gradually increasing. However, the distribution in the urban system presents a continuous hierarchical structure. Most cities have little change in the hierarchical system, and some cities have jumped up the hierarchy in the wave of mass entrepreneurship and innovation; (2) From the perspective of spatial pattern, China's tech start-ups present a multi-core distribution pattern, with the Yangtze River Delta and Pearl River Delta as the main core, and The Beijing-Tianjin-Hebei region as the secondary core. Entrepreneurship hot spots have expanded from the three core regions to more regions, with Chengdu, Wuhan, Zhengzhou, Xi'an, and other cities becoming secondary cluster centers. But the imbalance between the three regions of East, Central, and West is increasing, the intra-regional differences are greater than the inter-regional differences; (3) Venture capital, knowledge thickness, human capital, market size, incubation environment, and policy environment have positive effects on the development of tech start-ups. Entrepreneurial ecosystem also shows the influence of spatial dependence and spatial heterogeneity. Moreover, the effect intensity and relative importance of different influencing factors are different in different development stages. The research results are helpful to promote the discussion on location choice of regional emerging industries and the development of entrepreneurial ecosystem theory. In the future, the government should attach importance to the construction of high-quality tech entrepreneurship ecosystem, and the driving path suitable for the development of local tech start-ups should be selected according to local conditions. At the same time, it is necessary to strengthen resource interconnection and strategic cooperation with geographical proximity areas.

Key words： tech start-ups; spatial-temporal pattern; distribution characteristics; entrepreneurial ecosystem; SARAR model; influencing factors; spatial heterogeneity; windows of locational opportunity

Cite this article

LIU Le , SHENG Kerong , WANG Chuanyang . The Spatial-Temporal Patterns and Influencing Factors of China's Tech Start-ups: A Study based on the Entrepreneurial Ecosystem[J]. Journal of Geo-information Science, 2023 , 25(2) : 340 -353 . DOI: 10.12082/dqxxkx.2023.220028

1 引言

在创新驱动发展战略的深入推进下，我国创新创业实现了从局部到整体、从现象到机制的跨越。创新创业代表着企业家精神，在产业空间重构中扮演重要角色，对于刺激新的就业、催化技术进步具有重要意义[1-2]。与此同时，科技型初创企业作为加快科技成果产业化的重要载体，更是增强我国产业国际竞争力的重要驱动力量。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》[3]中指出，要完善科技创新体制机制，提升企业技术创新能力，形成以企业为主体、市场为导向、产学研深度融合的技术创新体系。因此注重科技型初创企业发展，建设有效的科技创业生态系统，已成为中国提升科技创新能力及实现城市经济高质量发展的核心内容。
近些年，初创企业的研究已经在学术界引起了广泛关注。一些学者解析了初创企业分布格局及演化特征。如Florida[4]、Glaeser等[5]基于美国的研究发现旧金山、波士顿和纽约比传统工业区更具有企业家精神；宋金彦等[6]发现2013—2019年中国通信设备制造业趋向于在中国主要城市群聚集；陈肖飞等[7]、史进等[8]研究发现自1998年以来，中国汽车制造业、金属制品业初创企业活跃地区逐渐由东部地区向中西部地区转移；段吕晗等[9]、刘程军等[10]则分别解析了上海市、杭州市互联网行业初创企业的空间格局演化及区位选择机制。另一些学者探究了地方尺度初创企业的影响因素。20世纪90年代新区域主义的兴起，使得经济地理学者开始聚焦于地方环境如何影响创业活动的产生和发展[11-12]，创业生态系统理论[13]、区域创业系统理论[14]、创业知识溢出理论[15]逐渐形成。例如，全球创业观察(GEM)报告[16]将创业生态系统细分为金融支持、政府政策等9个方面；Tanner等[17]认为技术关联对新产业的出现具有重要作用；宓泽锋等[18]从区位机会窗口理论和区域产业分叉理论出发，认为本地知识基础对于创新集群具有显著的积极影响；符文颖等[11]认为传统的马歇尔集聚经济是创业活动区位选择阶段的主导因素；Pan等[19]发现股权融资、信贷融资以及风险资本的可得性有利于城市创业活动的开展。
科技型初创企业是初创企业的重要组成部分。科技型初创企业属于典型的知识和技术密集型的新兴企业，具有更加独特的区位条件需求。相关研究主要围绕高新技术企业[20-21]、电子信息行业[22]空间格局的解析，以及知识资源、人力资本、产业集群和基础设施等对科技企业空间分布影响的探究[11,20⇓-22]，较少关注科技企业中初创企业发展的独特规律。仅有的少数研究也是基于通信设备制 造[6]、电子信息[22]等特定行业，缺乏对全行业科技型初创企业的整体分析。另外，创业活动的溢出效应导致其地理分布具有空间相关性[23]，即某地区的创业活动不仅受到本地区创业资源和机会的影响，也会受到其相邻地区的制约，但以往研究影响因素的定量分析中很少考虑到创业活动的空间相关性。
鉴于此，本文研究了中国科技型初创企业的时空格局及影响因素。首先基于企业生命周期阶段性特征，以成立时间为6年或不足6年的科技型企业界定科技型初创企业，采用泰尔指数、核密度估计等空间分析方法解析了中国科技型初创企业的时空演化特征；接着基于创业生态系统理论提出科技型初创企业发育的分析框架，利用OLS模型与SARAR模型，从空间相关性和时空异质性的角度定量识别了创业生态系统对科技型初创企业的影响。本文期待为促进区域科技型初创企业的发展和优化城市科技创业生态系统提供科学参考。

2 数据来源与研究方法

2.1 数据来源

企业从诞生到消亡，一般可以分为初创期、成长期、成熟期和蜕变期4个阶段[24]，初创企业则指处于初创期的企业。在实证研究中，学界多以企业成立年限界定[25⇓⇓-28]。近年来，产品更新换代加速，企业生命周期缩短，越来越多的学者以6年作为初创企业研究的年龄上限[25]①（① 对于初创企业的年龄界定问题，也有研究尝试过不同年限，例如成立3个月到42个月[16]、6年[25]、8年[26]、12年[27]等。但Bantel[28]认为很多在5年之内还无法建立起有力市场地位的初创企业或面临倒闭风险，成立时间太久(超过12年)的企业虽已摆脱年龄困境，但尚未达到像在位企业那样的成熟阶段。本文借鉴以往研究，也倾向于认为企业创立的前6年是决定企业生存与否的关键时期。）。本文以成立时间为6年或不足6年的科技型企业界定科技型初创企业，选取企查查网站(https://www.qcc.com/)中收录的科技型企业作为研究对象。企业样本包括319 384家科技型中小企业、20 061家民营科技企业、8401家瞪羚企业、15 565家专精特新企业、4580家企业技术中心、5788家科技小巨人企业、11 104家雏鹰企业、1464家众创空间、2301家专精特新小巨人企业、1174家科技孵化企业、264家技术创新示范企业、596家隐形冠军企业、314家技术先进型服务企业、334家牛羚企业、635家独角兽企业。考虑到部分企业在类型归属时存在交集，本文在处理数据时剔除掉重复企业，共得到样本企业330 962家。最终整理出企业的成立时间、办公地址、所属门类等详细信息，建立企业信息数据库。城市样本为297个地级以上城市，不包括30个自治州、8个地区、3个盟、三沙市以及香港、台湾和澳门。

2.2 研究方法

2.2.1 时空格局的分析方法

（1）泰尔指数
本文选择泰尔指数来衡量中国科技型初创企业的区域差异。泰尔指数是广义熵指标体系的一种特殊形式，被广泛应用于区域差异测算。其最大的优势在于能够将总体差异分解为区域内差异和区域间差异。计算公式为：
T = T b + T w = ∑ x j x l n x j / x n j / n + ∑ x j x ∑ x j i x j l n x j i / x j 1 / n j
式中： T、 T b、 T w、分别为总体、区域间、区域内的泰尔指数； x、 x j i、 x i、 x j分别为全国企业数量、第 j区域内 i城市的企业数量、各城市企业数量、各区域企业数量； n、 n j分别为全国城市数量、各区域城市数量。泰尔指数的值越大，表明差异性越大。
（2）核密度估计
泰尔指数尽管可以刻画科技型初创企业的空间分布差异，但只能反映全局特征，为了更加清晰地呈现科技型初创企业的空间分布，本文进一步借助核密度估计法(Kernel Density Estimation, KDE)对其时空格局进行测度。在核密度分析中，对于落入区域内的点进行加权，靠近区域中心的点会被赋予较大的权重，随着其与中心距离的增大，权重降低，最后形成适合每个样本点的平滑曲面。计算公式为：
f n x = 1 n h ∑ i = 1 n k x - x i h
式中： k ( x - x i ) / h为核函数； n为科技型初创企业数量； h > 0为搜索半径(带宽)；( x - x i)指估计点 x到 x i处的距离。

2.2.2 影响因素的计量方法

OLS模型是国内外学者研究微观企业选址行为的常用模型之一，本文采用此方法研究科技型初创企业的区位选择机制。具体形式如下：
Y = β 0 + β 1 X + ε
式中： Y表示城市科技型初创企业的数量； X为解释变量； β 0、 β 1为待估计的参数； ε为随机误差。
但城市经济数据存在着一定的空间依赖性，普通计量模型中空间效应的忽略会在一定程度上形成误差。学者们主要选择SLM模型、SEM模型及SDM模型等来解决可能存在的空间相关关系，但空间滞后与空间误差效应有时会同时发生，因此本文选择包含空间自回归误差项的空间滞后模型，即SARAR模型。具体形式如下：
Y = λ W Y + β X + μ
μ = ρ W μ + ε
式中： Y表示城市科技型初创企业的数量； X为解释变量； W为空间权重矩阵； β为待估计参数； μ和 ε为随机扰动项； λ和 ρ分别为空间自回归系数和残差自回归系数。若 λ = 0， ρ ≠ 0，该模型为空间误差模型（SEM）；若 λ ≠ 0， ρ = 0，该模型为空间滞后模型（SLM）。

3 中国科技型初创企业的时空格局分析

3.1 中国科技型初创企业数量快速增长

中国科技型初创企业从2015年的155 769家发展到2020年的210 091家，数量快速增长。图1(a)报告了中国科技型初创企业数量变化图。可以看出，中国科技型初创企业数量的发展历程可划分为2个阶段：① 快速上升阶段：2015—2019年，科技型初创企业处于快速发展阶段，科技型初创企业数量增长74 281家，这主要与该阶段国家整体的创业形势和地区政策导向密切相关；② 下降回落阶段：2019—2020年，科技型初创企业数量出现回落。2020年科技型初创企业数量相对于2019年减少 19 959家。这个阶段市场成本上升压力较大，融资约束趋紧给科技型初创企业发育提出了更多更高的要求。另外，图1(a)还直观揭示了我国科技型初创企业在不同地区的分布情况。可以看出，东部地区为我国科技型初创企业分布的主要集聚区。2015—2020年，东部地区科技型初创企业占比有所下降，中部及西部地区占比有所上升②（② 东部地区为北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个省（市）；中部地区为山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南9个省（区）；其余为西部地区。）。
图1 2015—2020年中国科技型初创企业分地区及分行业数量

Fig. 1 Number of China's tech start-ups by region and industry from 2015 to 2020

本文进一步按照三次产业和主营行业对我国科技型初创企业作分类研究[29] ③（③ 三次产业分类依据国家统计局2018年修订的《三次产业划分规定》[29]，分为第一产业、第二产业和第三产业。第一产业是指农、林、牧、渔业；第二产业是指采矿业，制造业，电力、热力、燃气及水生产和供应业，建筑业；第三产业即服务业，是指除第一产业、第二产业以外的其他行业。）。我国科技型初创企业行业分布多元，涵盖农林牧渔业、制造业、科学研究和技术服务业等23个门类，图1(b)报告了排名前10位的科技型初创企业所属行业数量。可以看出，第三产业中的科学研究和技术服务业企业占据主导地位。2015—2020年，第三产业企业数量占比逐渐增大，由2015年的60.53%上升到2020年的74.55%；第一产业和第二产业企业数量占比逐渐下降，第一产业由2.49%下降到1.59%，第二产业由36.98%下降到23.85%。

3.2 中国科技型初创企业分布呈现持续的层级结构特征

本文基于自然断裂点法(Jenks)将科技型初创企业发育城市划分为4个等级。从表1可以看出，科技型初创企业具有高等级城市指向性，多在直辖市和省会城市集中。相对而言，在城市等级体系中，位于Ⅰ、Ⅱ层级的城市数量仍然较少，极化效应显著。大部分城市在等级体系中变动不大，但也有部分城市在双创浪潮中抓住了机会，使自身实现了层级的跃升。
表1 科技型初创企业视角下的城市等级分布

Tab. 1 Hierachical distribution of cities from the perspective of tech start-ups

等级 2015年 2020年
城市（科技型初创企业数量占比/%） 数量/个 城市（科技型初创企业数量占比/%） 数量/个
Ⅰ 深圳(7.09)、苏州(5.67)、上海(4.50)、广州(4.45)、北京(3.72)、南京(3.61) 6 苏州(5.89)、南京(5.48)、深圳(4.75)、上海(4.31)、杭州(3.87)、太原(3.54)、天津(3.44) 7
Ⅱ 天津(3.03)、杭州(2.59)、西安(2.12)、青岛(2.09)、成都(1.97)、无锡(1.88)、东莞(1.86)、佛山(1.78)、温州(1.68)、太原(1.65)、武汉(1.65)、郑州(1.57)、宁波(1.45) 13 广州(3.23)、成都(2.79)、西安(2.68)、郑州(2.51)、宁波(2.36)、北京(2.24)、青岛(1.90)、武汉(1.72)、无锡(1.69)、合肥(1.52) 10
Ⅲ 合肥(1.25)、长沙(1.21)、济南(1.20)、盐城(0.92)、嘉兴(0.91)、中山(0.89)、重庆(0.88)、南通(0.86)、绍兴(0.85)、徐州(0.78)、赣州(0.76)、常州(0.75)、金华(0.72)、台州(0.69)、惠州(0.65)、泰州(0.65)、大连(0.62)、南昌(0.61)、沈阳(0.60)、江门(0.59)、福州(0.59)、湖州(0.59)、石家庄(0.58)、扬州(0.57)、厦门(0.56)、珠海(0.56)、宿迁(0.53)、烟台(0.53)、洛阳(0.50)、泉州(0.46)、潍坊(0.46) 34 佛山(1.37)、徐州(1.34)、长沙(1.16)、哈尔滨(1.15)、盐城(1.13)、济南(1.11)、东莞(1.06)、温州(0.93)、赣州(0.85)、嘉兴(0.84)、南通(0.82)、烟台(0.80)、沈阳(0.78)、重庆(0.71)、大连(0.68)、南昌(0.66)、常州(0.66)、洛阳(0.65)、绵阳(0.64)、宿迁(0.61)、福州(0.61)、绍兴(0.59)、石家庄(0.58)、中山(0.58)、惠州(0.53)、湖州(0.50)、泰州(0.45)、金华(0.45)、珠海(0.45)、威海(0.44)、芜湖(0.44)、台州(0.44)、江门(0.43)、泉州(0.42)、南宁(0.42)、潍坊(0.41)、宜宾(0.41) 37
Ⅳ 其他城市 244 其他城市 243
2015年，深圳、苏州、上海、广州和北京作为我国京津冀、长江三角洲和珠江三角洲的核心城市，在等级体系中位于第Ⅰ层级，等级体系中极化效应显著。2020年，我国三大经济圈依然是科技型初创企业的主要基地，深圳、上海、北京、济南、青岛、佛山、重庆等134个城市的科技型初创企业数量占比和位序有所下降，太原、沈阳、哈尔滨、南京、合肥、郑州、南宁、成都等77个城市的企业数量占比和位序有所上升。同时，天津、太原、杭州、合肥、哈尔滨等城市实现了层级的跃升。

3.3 中国科技型初创企业分布呈现多核心的空间格局

本文将核密度计算结果进行可视化处理（图2）。可以看出，2015—2020年，中国科技型初创企业的核密度值显著增大，集聚中心的数量及集聚范围持续扩展。总体来说，科技型初创企业的分布表现出较强的空间稳定性，且呈现出以长江三角洲和珠江三角洲为主要核心、以京津冀为次要核心的多核心分布模式。
图2 2015年和2020年中国科技型初创企业的空间分布

注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2020)4619号的标准地图制作，底图无修改。由于数据获取困难，本次研究不包括香港、台湾和澳门。

Fig. 2 Spatial distribution of tech start-ups in China, 2015 and 2020

2015年，科技型初创企业在长江三角洲和珠江三角洲地区形成一级集聚中心，京津冀地区出现了科技型初创企业核密度高值区。而中西部地区创新经济活跃程度相对较低，科技型初创企业集聚程度相对较弱。2020年，科技型初创企业的总体空间格局变化不大。长江三角洲和京津冀地区科技型初创企业发展迅速，强度和广度均有所上升。另外，中西部地区科技型初创企业显著增长，并且在成都、武汉、郑州、西安、太原等城市有形成次级集聚中心的趋势。

3.4 中国科技型初创企业的区域不平衡性逐渐增强

通过泰尔指数能够判断科技型初创企业的区域差异，计算结果见表2。可以看出，2015—2020年，我国科技型初创企业的泰尔指数显著为正，且呈逐渐扩大的趋势，这表明中国科技型初创企业的区域不平衡性在逐渐增强。另外，2015—2020年，我国科技型初创企业的区域内差距远远大于区域间差异，且这种趋势在逐渐增强。这表明现阶段应在妥善处理科技型初创企业发展区域间差异的基础上，更加重视区域内科技型初创企业的协调发展。
表2 2015—2020年中国科技型初创企业分布的泰尔指数

Tab. 2 Thiel index of the distribution of China's tech start-ups from 2015 to 2020

年份 指标 东部 中部 西部 区域间差异 区域内差异
2015 泰尔指数 1.2044 0.9301 0.7769 1.2417 0.2723 0.9321
贡献率 0.5421 0.1261 0.1056 0.2261 0.7739
2016 泰尔指数 1.2252 0.9520 0.8463 1.2723 0.2600 0.9652
贡献率 0.5393 0.1376 0.1110 0.2122 0.7878
2017 泰尔指数 1.2328 0.9560 0.9032 1.3256 0.2466 0.9862
贡献率 0.5311 0.1496 0.1192 0.2001 0.7999
2018 泰尔指数 1.2413 0.9579 0.9655 1.3849 0.2328 1.0086
贡献率 0.5209 0.1634 0.1281 0.1875 0.8125
2019 泰尔指数 1.2544 0.9723 1.0477 1.4095 0.2138 1.0406
贡献率 0.5117 0.1852 0.1327 0.1704 0.8296
2020 泰尔指数 1.2620 0.9874 1.0838 1.4186 0.2001 1.0619
贡献率 0.5080 0.1966 0.1368 0.1585 0.8415
进一步测算了东部、中部、西部地区泰尔指数。一方面，从三区域泰尔指数看，东中西部地区泰尔指数均逐渐增大，且西部地区科技型初创企业的空间差异要普遍高于东中部地区。另一方面，从三区域泰尔指数贡献率看，东部地区贡献率介于50.80%~54.21%之间，且总体呈缩小趋势，中西部地区贡献率始终处于较低水平，但总体呈扩大趋势，这说明东部地区科技型初创企业空间差异对总体差异影响最大，中西部地区较小，但这种差距正逐渐缩小。

4 中国科技型初创企业分布的影响因素分析

4.1 变量说明

科技型初创企业面临着“新生弱性”和“小而弱性”的双重困境，在与在位企业竞争时处于天然的劣势地位。如何依赖组织外部环境来搜寻可利用的创业资源，从而形成自身的竞争优势是初创企业突破内部资源瓶颈的重要策略。本文基于创业生态系统理论(Entrepreneurial Ecosystem Theory)来研究中国科技型初创企业分布的影响因素。创业生态系统指的是特定区域内促进新企业创建和成长的一系列环境要素组合。Cohen较早的提出了创业生态系统的概念[30]，后来Isenberg[31]进一步提出了包含政府、市场、人力资本、金融、文化和支撑系统6个要素的分析模型。借鉴Isenberg的创业生态系统“6要素模型”提出影响科技型初创企业分布的研究框架（图3）。
图3 创业生态系统对科技型初创企业影响的分析框架

Fig. 3 An analytical framework of the impact of entrepreneurial ecosystem on the development of tech start-ups

在本文分析框架中，风险投资、知识厚度、人力资本、市场规模、孵化环境、政策环境等因素共同构成了创业生态系统。其中，风险投资不仅为科技型初创企业的成长提供资金支持，还将带来专业的财务知识；知识厚度影响着潜在企业家对创业资源的可及性[15]，也将通过溢出效应影响着创业机会；人力资本不仅可以提供潜在的科技创业者，还可以为科技型初创企业提供有技能的劳动力[32]；市场规模的增长能为科技型初创企业的发育提供机会，拥有大量客户的本地市场会形成多样化和个性化的服务需求[33]；孵化环境主要包括众创空间、企业孵化器、产业园区等为主的有形基础设施，为科技型初创企业的孵化和成长提供支撑；地方政府可以通过调整法律法规、降低行政壁垒等方式创造有利于科技型初创企业发展的经济社会环境，但是不利的政策环境也会阻碍初创企业的成长[34]。这些因素结合在一起，通过影响创业资源和创业机会影响着科技型初创企业的成长。不仅如此，由于中国的区域发展条件多种多样，不同城市在地理区位条件、技术吸收能力、资源稀缺程度等方面存在较大差异，创业生态系统中不同要素对科技型初创企业的影响将存在空间异质性。
根据以上分析框架，选取了6个城市属性指标作为影响中国科技城初创企业分布的解释变量（表3）。其中，风险投资(Vcpe)采用城市风险投资金额/万元来衡量，用以测度城市的融资约束对科技型企业孵化的影响。知识厚度(Knowle)采用全市每万人发明专利申请数量/件来衡量，用以测度城市知识资源对科技型初创企业发展的影响。人力资本(Human)采用全市普通本专科在校学生人数/人来衡量；市场规模(Market)采用市场潜力指数来衡量[35]，计算公式为：
M a r k e t i = G D P i / d i + ∑ j ≠ i G D P j / d i j
d i = 2 / 3 S i / π
式中：Marketi为i城市的市场潜力；GDPi为 i城市的地区生产总值； d i为城市内部距离； S i为全市行政区域土地面积/km2， d i j为两城市中心距离，由ArcGIS中的Creat Near Table程序获得。孵化环境(Incuba)采用城市创业孵化器数量/家来衡量，本文借鉴曾婧婧[36]的处理思路，通过对各省份孵化器数量进行加权来估计，计算公式为：
I n c u b a i = I n c u b a i s × E i / E i s
式中： I n c u b a i和 I n c u b a i s分别为 i城市和其所在省份的孵化器数量/家； E i和 E i s分别为 i城市和其所在省份的地方一般公共预算支出/万元。政策环境(Capital)采用城市行政级别虚拟变量来衡量：北京赋值为4，上海、天津、重庆赋值为3，省会城市及副省级城市赋值为2，其他城市赋值为1。
表3 中国科技型初创企业分布的影响因素说明

Tab. 3 Source and description of the influencing factors of the distribution of China's tech start-ups

量 名称 含义 数据来源
Startups 企业数量 科技型初创企业数量/家 企查查网站(https://www.qcc.com/)
Vcpe 风险投资 城市风险投资金额/万元 Wind数据库(https://www.wind.com.cn/ )
Knowle 知识厚度 每万人发明专利申请数量/件 佰腾网(https://www.baiten.cn/)
Human 人力资本 全市普通本专科在校学生数/人 《中国城市统计年鉴》[37]
Market 市场规模 市场潜力指数 《中国城市统计年鉴》[37]
Incuba 孵化环境 城市创业孵化器数量/家 《中国火炬统计年鉴》[38]、《中国城市统计年鉴》[37]、《中国统计年鉴》[39]
Capital 政策环境 城市行政级别虚拟变量 根据城市行政级别赋值1~4

4.2 计量模型回归结果

4.2.1 基准模型回归结果

本文基于2015年和2020年2期截面数据分析中国科技型初创企业分布的影响因素。为了避免可能存在的内生性问题，解释变量采取2014年和2019年的时间滞后值④（④ 本文通过对比滞后一期、滞后二期和滞后三期数据回归的AIC值、BIC值、R2，认为滞后一期数据拟合效果更好，故在回归中引入2014年和2019年的时间滞后值。）。同时考虑到许多0值数据的存在，采取对除政策环境外的其余变量原始数据加1取自然对数的方法来解决可能存在的异方差问题。考虑部分城市统计数据和空间邻接矩阵中地理邻居的缺失，计量分析部分的城市样本减少到269个。
表4报告了基准模型回归结果。回归结果中，方差膨胀因子的最大值Max vif远小于10，表明方程不存在多重共线性问题。首先，采用OLS模型分析中国科技型初创企业发育的影响因素，模型1和模型3报告了OLS模型回归结果。可以看出，风险投资、知识厚度、人力资本、市场规模、孵化环境以及政策环境均对科技型初创企业的发育具有积极影响。其次，进行空间计量SARAR模型回归，模型2和模型4报告了SARAR模型回归结果。相比于模型1和模型3，模型2与模型4的AIC值和BIC值明显变小，表明SARAR模型相较于OLS模型有更好的估计效果。另外，2015年和2020年的空间误差系数ρ分别为0.093和0.100，且通过了显著性检验，表明空间相关性对中国科技型初创企业存在显著的正向影响。主要分析结果如下。
表4 中国科技型初创企业分布影响因素的基准模型回归结果

Tab. 4 Regression results of the distribution of China's tech start-ups

变量 2015年 2020年
模型1（OLS） 模型2（SARAR） 模型3（OLS） 模型4（SARAR）
Vcpe 0.022** 0.019** 0.019* 0.022**
(2.13) (2.15) (1.86) (2.38)
Knowle 0.424*** 0.418*** 0.442*** 0.613***
(7.92) (7.07) (6.58) (7.67)
Human 0.202*** 0.192*** 0.149*** 0.102***
(5.71) (5.93) (4.06) (2.98)
Market 1.091*** 0.734*** 0.944*** 0.506**
(7.10) (3.71) (5.98) (2.29)
Incuba 0.275*** 0.462*** 0.426*** 0.515***
(3.89) (5.21) (5.93) (5.85)
Capital 0.351*** 0.292** 0.469*** 0.380***
(2.61) (2.27) (3.27) (2.74)
常数 -6.022*** -3.848** -5.779*** -2.928***
(-5.88) (-2.93) (-5.39) (-1.95)
λ - 0.008 - 0.006
- (1.62) - (1.08)
ρ - 0.093*** - 0.100***
- (6.54) - (6.40)
Max vif 2.47 2.47 2.58 2.58
Mean vif 2.07 2.07 2.02 2.02
样本数 269 269 269 269
AIC 522.390 485.826 591.956 557.624
BIC 547.553 521.773 617.119 593.571
R2/Loglikelihood 0.808 -232.913 0.789 -268.812

注：括号中数值是估计参数相对应稳健标准误的t检验值和z检验值；***、**和*分别代表在1%、5%和10%的水平上显著。Max vif和 Mean vif分别报告了方差膨胀因子的最大值和平均值。

（1）风险投资对科技型初创企业的发展具有显著的正向影响。根据Wind数据库显示，2015年和2020年所纳入计量方程的城市风险投资金额分别为3087.941亿元和8807.842亿元，全国风险投资项目数分别为5557件和5325件，且风险投资金额和风险投资项目在各地区也存在着明显的空间分异特征。风险投资水平越高的城市有着宽松的融资环境，便于科技型初创企业获取外部风险投资，盘活企业资金链，保证生产活动的顺利进行。这与Pan等[19]在研究金融环境对初创企业空间分布的影响时所得出的结论是一致的。
（2）知识厚度同样也是科技型初创企业分布的积极影响因素，且作用强度呈上升趋势。每万人专利申请水平提高1%，科技型初创企业数量水平在2015年和2020年将显著提高0.418%和0.613%。我国科技型初创企业多以第三产业为主，科学研究和技术服务业和信息传输、软件和信息技术服务业在结构组成中占据重要位置。在创新资源丰富、区域知识创造能力较强的地区，初创企业能够以较低的成本享受到先进科技信息的溢出效应。
（3）人力资本对科技型初创企业的发展具有显著的正向影响。模型2和模型4中Human的拟合系数均为正值且显著，但拟合系数稍有下降。本文以全市普通本专科在校学生数的自然对数来表征地区人力资本发展能力，科技型初创企业对高素质技术人才的强烈需求会使其倾向于布局在人力资本水平较高的城市。这在降低企业人力资源搜寻成本的同时，也可获得人才集聚所带来的溢出效应。同时，人力资源机会成本和信用成本水平的提高可能会在一定程度上削弱其对科技型初创企业发育的影响。
（4）市场规模同样也是科技型初创企业分布的积极影响因素，但作用强度随时间发展有所下降。Market的拟合系数显著为正，这表明市场规模对创业活动具有积极影响，从而印证了新经济地理学的观点。在市场规模较大的地区，科技型初创企业有着更好的创业盈利评估前景，更容易获取所需资源开拓商业机会。但市场规模增大造成的劳动力工资高水平等也可能是削弱其作用程度的重要原因。
（5）孵化环境水平的提升会为科技型初创企业的发展创造有利条件，且作用强度呈上升趋势。本文以城市创业孵化器数量/家的自然对数来表征地区的孵化环境。创业孵化器数量每提高1%，科技型初创企业数量水平在2015年和2020年将显著提高0.462%和0.515%。当前，科技型初创企业发展方兴未艾，众创空间、创业孵化器、产业园区等共同完善着我国创业孵化链条，以城市创业孵化器为代表的创业孵化支撑体系日益完善，为科技型初创企业的发育提供了温床。
（6）城市行政级别虚拟变量在模型2和模型4中的拟合系数为显著为正，表明在中国的国情下，政策环境是影响科技型初创企业分布的重要因素。一方面，城市行政级别代表着政治资本的多寡，能够左右资源再分配流向，包括财政资金、物资支持和政策倾斜等。另一方面则是集聚效应，中国绝大部分的大型上市公司都分布在首都、直辖市或者省会城市，上市公司集聚所带来的正外部性会对科技型初创企业发育产生正向影响。

4.2.2 异质性检验结果

为了更准确地分析各解释变量对科技型初创企业分布影响的地区差异，本文进一步将样本分为东部、中部和西部地区进行检验，表5报告了异质性检验结果。其中，模型1和模型4报告了东部地区回归结果，模型2和模5报告了中部地区回归结果，模型3和模型6报告了西部地区回归结果。需要说明的是，2015年西部地区科技型初创企业的 Moran's I指数未通过显著性检验，故模型3报告了OLS模型回归结果，其余方程报告了SARAR模型回归结果。从分区域回归结果可以可看出，各解释变量对于不同地区科技型初创企业的影响存在较大的差异。
表5 空间异质性检验结果

Tab. 5 Test results of spatial heterogeneity

变量 2015年 2020年
模型1（东部） 模型2（中部） 模型3（西部） 模型4（东部） 模型5（中部） 模型6（西部）
Vcpe 0.007 0.160 0.033 0.032*** 0.004 0.022
(0.66) (1.36) (1.33) (2.69) (0.35) (1.14)
Knowle 0.381*** 0.301*** 0.498*** 0.448*** 0.564*** 1.064***
(4.97) (2.75) (3.42) (4.69) (3.75) (8.25)
Human 0.378*** 0.179*** 0.037 0.320*** 0.162** -0.009
(6.70) (3.10) (0.64) (4.39) (2.13) (-0.24)
Market 1.154*** 0.876*** 0.918* 0.377 1.193*** 1.779***
(2.87) (2.73) (1.99) (0.83) (3.92) (3.43)
Incuba 0.451*** 0.907*** 0.791*** 0.579*** 0.953*** 0.972***
(4.01) (5.09) (3.17) (4.38) (5.99) (5.01)
Capital -0.023 0.485* 0.259 0.148 0.302 -0.788**
(-0.16) (1.95) (0.76) (1.03) (1.02) (-2.33)
常数 -8.225*** -4.891** -3.554 -4.002 -8.670*** -10.397***
(-2.97) (-2.22) (-1.17) (-1.24) (-4.15) (-3.00)
λ 0.003 -0.009 - 0.002 -0.004 -0.007
(0.48) (-0.86) - (0.36) (-0.45) (-0.52)
ρ 0.121*** 0.151*** - 0.071** 0.131*** 0.097***
(5.12) (11.09) - (2.34) (6.94) (2.90)
Max vif 2.89 2.48 2.62 4.45 2.80 3.01
Mean vif 2.52 1.85 1.53 3.00 2.18 2.13
样本数 96 103 70 96 103 70
AIC 133.143 177.167 150.855 163.341 201.802 145.440
BIC 158.786 203.514 166.595 188.984 228.149 167.925
R2/Loglikelihood -56.571 -78.583 0.691 -71.670 -90.901 -62.720

注：括号中数值是估计参数相对应稳健标准误的t检验值和z检验值；***、**和*分别代表在1%、5%和10%的水平上显著；Max vif和 Mean vif分别报告了方差膨胀因子的最大值和平均值。2015年西部地区科技型初创企业的Moran's I指数未通过显著性检验，故模型3报告了OLS模型回归结果，其余方程报告了SARAR模型回归结果。

风险投资的拟合系数在模型4中显著为正，但是在其他模型中均未通过显著性检验，说明相对于中西部地区而言，东部地区风险投资变得越来越活跃，在扶持科技型企业发展方面发挥着越来越重要的作用。同样，人力资本的拟合系数在模型1和模型4中显著为正且数值最高，而在模型3和模型6中不显著，说明人力资本的提升显著改善了东部城市的企业家精神，并提高了东部城市中科技型企业的孵化绩效，而人力资本在西部城市普遍较低，未能对科技型企业培育产生明显的影响。行政级别的拟合系数在模型1和模型4中不显著，在模型6中变为负值，结合着表4的分析结果，这意味着行政级别的影响更多体现在地区之间而不是地区内部，且对于西部地区而言，较高的行政干预不利于科技型企业的培育。
相反，知识厚度和孵化环境在模型1和模型4中的拟合系数分别低于相对应的模型3和模型6中的拟合系数，这意味着知识厚度和孵化环境具有报酬递减的特征，即相对于东部城市的创业生态系统而言，西部城市的知识厚度和孵化环境仍然是短板因素，从而知识资本和孵化环境的改善对西部城市科技型企业培育发挥着更大的影响。市场规模对东部城市科技型企业发展的促进作用大幅度下降，而对中西部城市的边际影响明显提升，这可能意味着，市场规模与科技型企业发展呈现倒U型关系，即在经济发展的早期阶段市场规模具有递增的边际影响，但是随着交通基础设施的改善和经济发展水平的提升，市场规模的作用让趋于减缓甚至消失。

5 讨论

本文从创业生态系统的视角对中国科技型初创企业的时空格局、影响因素开展了实证研究。科技型初创企业是加速技术知识转化、推进新兴产业发展的重要推动力量，也是理解未来经济地理格局演化趋势的重要切入点。本文关注高增长型和创新型企业的独特需求与成长轨迹，强调城市尺度的背景条件在促进企业家创业活动方面的重要作用。本文揭示了中国科技型初创企对区域条件的高度依赖性，并解析了创业生态系统中不同因素的作用机理。本文的研究结果有助于以下2个问题的讨论：
（1）研究结果有助于区域新兴产业区位选择的讨论。新兴产业技术创新的区位选择与本地知识基础的关系是经济地理学家研究的热点问题之一[18]，而区位机会窗口理论和区域产业分叉理论对此存在争议。区位机会窗口理论认为新企业最初创立时在空间上是自由的，其对生产环境具有新的要求，地方已有的组织和结构难以满足新企业对知识、技术、制度等的需要[40]。而区域产业分叉理论则认为地方的产业基础和地理空间邻近会对新兴产业产生显著影响，已有的产业关联可以为创业提供更好的区域创新政策[41]。本文研究发现中国科技型初创企业具有高等级城市指向性，显著集聚于长江三角洲及珠江三角洲等产业基础较为良好的地区。分析结果呼应了宋金彦等[6]、符文颖等[11]的结论，即“大集聚小分散”的空间分异以及核心区初创企业集聚形态逐渐强化成为我国初创企业发育的主要特征。本地的创业资源形成了特定的创业环境，使科技型初创企业的区位选择对原有的发展路径具有一定的依赖性，结果支持了区域产业分叉理论对于新兴产业区位选择论述的观点。
（2）研究结果有助于推动创业生态系统理论的发展。创业生态系统指的是对创业机会的产生、发现和开发产生交互系统影响的外部创业环境。当前的研究强调了创业生态系统的地方根植性和承担促进创业活动职能的地理单元，更多关注的是具有地理边界效应的影响因素[32⇓-34]。本文研究表明科技型初创企业的发展不仅取决于本地创业环境，还受到地理相邻地区初创企业发展活力的积极影响，即利用跨越地理边界的知识溢出潜力创造了创业机会，进而推动了知识溢出创业的发展。研究结果与丁玥等[23]的结论相一致。这意味着，随着创新过程空间复杂性的提高，创业系统边界变得越来越模糊和多变，创业过程承载了跨越时空尺度的参与者网络和机构环境，传统地域系统的视角面临着越来越多的局限性。因此未来创业生态系统的研究应更多地采用多空间尺度互动的地理视角，注重资源、网络和制度认同在各级尺度之间的转化和叠加效应。
本文还存在一些不足之处。首先，本文是从全国尺度刻画了科技型初创企业的时空格局及其影响机制，然而定量分析难以解释创业活动的区域动态变化，未来应采取定量分析及定性案例分析相结合的方式全方位探讨科技型初创企业的区位影响因素，弥补定量分析对于微观过程理解的不足。其次，随着信息技术、交通体系的快速发展以及产业分工的逐步深化，城市之间的密切交互往来使得城市由场所空间向流动空间转变，未来对初创企业的研究应跳出地方尺度的限制，从跨区域交通流、信息流、资金流等视角出发，关注城市网络联系与合作伙伴绩效对创业活动的影响。

6 结论

本文基于2015—2020年中国科技型初创企业数据，运用泰尔指数、核密度估计等方法解析了中国科技型初创企业的时空格局，并利用OLS模型与SARAR模型定量识别了中国科技型初创企业的影响因素。结果表明：
(1) 中国科技型初创企业数量快速增长的同时保持着较大空间差异性。2015—2020年，中国科技型初创企业的规模快速扩大，其中以科学研究和技术服务业等为代表的第三产业在我国科技型初创企业中占据绝对主导地位。科技型初创企业具有持续的高等级城市指向性，创业城市等级体系中极化效应显著。长江三角洲、珠江三角洲和京津冀三大热点的集聚功能进一步加强，成都、武汉、郑州、西安等城市成长为次级集聚中心。科技型初创企业分布的区域不平衡性不断增强，区域内差距远远大于区域间差异。
(2) 城市关键资源及空间溢出效应影响着科技型初创企业的空间分布。风险投资、知识厚度、人力资本、市场规模、孵化环境及政策环境是科技型初创企业分布的积极影响因素，邻近地区创业生态系统的活力也正向影响着科技型初创企业的发展。创业生态系统对于科技型初创企业的影响存在空间异质性，且不同影响因素的作用强度和相对重要性在不同发展阶段存在差异。总体来看风险投资、知识厚度、孵化环境及政策环境的作用强度有所上升，而人力资本及市场规模的作用强度明显下降。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Acs Z, Storey D. Introduction: Entrepreneurship and economic development[J]. Regional Studies, 2004, 38(8):871-877. DOI:10.1080/0034340042000280901

DOI

[2]
Fritsch M, Storey D J. Entrepreneurship in a regional context: Historical roots, recent developments and future challenges[J]. Regional Studies, 2014, 48(6):939-954. DOI:10.1080/00343404.2014.892574

DOI

[3]
新华社. 中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要[EB/OL].(2021-03-13)[2022-01-16]. http://www.gov.cn/xinwen/2021-03/13/content_5592681.htm.

[ Xinhua News Agency. Outline of the 14th five-year plan for national economic and social development of the People's Republic of China and the vision for 2035[EB/OL].(2021-03-13)[2022-01-16]. http://www.gov.cn/xinwen/2021-03/13/content_5592681.htm.

[4]
Florida R, Mellander C. Rise of the startup city: The changing geography of the venture capital financed innovation[J]. California Management Review, 2016, 59(1):14-38. DOI:10.1177/0008125616683952

DOI

[5]
Glaeser E L, Kerr W R. Local industrial conditions and entrepreneurship: How much of the spatial distribution can we explain?[J]. Journal of Economics and Management Strategy, 2009, 18(3):623-663. DOI:10.1111/j.1530-9134.2009.00225.x

DOI

[6]
宋金彦, 李仙德, 徐宁. 中国新创通信设备制造企业空间格局及其影响因素研究[J]. 地理科学进展, 2021, 40(6):911-924.

DOI

[ Song J Y, Li X D, Xu N. Spatial pattern and underlying factors of new telecommunication equipment ventures in China[J]. Progress in Geography, 2021, 40(6):911-924. ] DOI:10.18306/dlkxjz.2021.06.002

DOI

[7]
陈肖飞, 韩腾腾, 栾俊婉, 等. 新创企业的时空分异与区位选择——基于中国汽车制造业的实证研究[J]. 地理研究, 2021, 40(6):1749-1767.

DOI

[ Chen X F, Han T T, Luan J W, et al. Spatiotemporal heterogeneity in the locational choices of new firms in China: A case study of the automobile manufacturing industry[J]. Geographical Research, 2021, 40(6):1749-1767. ] DOI:10.11821/dlyj0202 00653

DOI

[8]
史进, 贺灿飞. 中国新企业成立空间差异的影响因素——以金属制品业为例[J]. 地理研究, 2018, 37(7):1282-1296.

DOI

[ Shi J, He C F. Determinants of the spatial variation of new firm formation in China's metal product industry[J]. Geographical Research, 2018, 37(7):1282-1296. ] DOI:10.11821/dlyj201807003

DOI

[9]
段吕晗, 杜德斌, 黄筱彧. 上海互联网新创企业的时空演化及影响因素[J]. 地理科学进展, 2019, 38(3):383-394.

DOI

[ Duan L H, Du D B, Huang X Y. Spatial and temporal changes and influencing factors of the location of internet start-ups in Shanghai, China[J]. Progress in Geography, 2019, 38(3):383-394. ] DOI:10.18306/dlkxjz.2019.03.008

DOI

[10]
刘程军, 王周元晔, 李续双, 等. 互联网新创企业空间格局演化及区位选择——以杭州为例[J]. 经济地理, 2021, 41(6):107-115.

[ Liu C J, Wang Z Y Y, Li X S, et al. Spatial pattern evolution and location choice of internet startups: A case study of Hangzhou[J]. Economic Geography, 2021, 41(6):107-115. ] DOI:10.15957/j.cnki.jjdl.2021.06. 012

DOI

[11]
符文颖, 董诗涵. 技术型新创企业的地理学研究进展[J]. 地理科学, 2019, 39(9):1398-1406.

DOI

[ Fu W Y, Dong S H. Research progress in geography on technology-based start-ups[J]. Scientia Geographica Sinica, 2019, 39(9):1398-1406. ] DOI:10.13249/j.cnki.sgs.2019.09.005

DOI

[12]
高建, 石书德. 中国转型经济背景下创业地区差异的决定因素研究[J]. 科学学研究, 2009, 27(7):1011-1019.

[ Gao J, Shi S D. A study on determinants of entrepreneurial variations in the context of transforming economy of China[J]. Studies in Science of Science, 2009, 27(7):1011-1019. ] DOI:10.16192/j.cnki.1003-2053.2009.07.011

DOI

[13]
Stam E. Entrepreneurial ecosystems and regional policy: A sympathetic critique[J]. European Planning Studies, 2015, 23(9):1759-1769. DOI:10.1080/09654313.2015.1061484

DOI

[14]
Kim Y, Kim W, Yang T. The effect of the triple helix system and habitat on regional entrepreneurship: Empirical evidence from the US[J]. Research Policy, 2012, 41(1):154-166. DOI:10.1016/j.respol.2011.08.003

DOI

[15]
Acs Z J, Audretsch D B, Lehmann E E. The knowledge spillover theory of entrepreneurship[J]. Small Business Economics, 2013, 41(4):757-774. DOI:10.1007/s11187-013-9505-9

DOI

[16]
Bosma N, Hill S, Somers A I, et al. Global entrepreneurship monitor(GEM)2020/2021 global report[EB/OL]. (2021-05-03)[2022-01-16]. https://www.gemconsortium.org/report

[17]
Tanner A N. The emergence of new technology-based industries: The case of fuel cells and its technological relatedness to regional knowledge bases[J]. Journal of Economic Geography, 2016, 16(3):611-635. DOI:10.1093/jeg/lbv011

DOI

[18]
宓泽锋, 周灿, 尚勇敏, 等. 本地知识基础对新兴产业创新集群形成的影响——以中国燃料电池产业为例[J]. 地理研究, 2020, 39(7):1478-1489.

[ Mi Z F, Zhou C, Shang Y M, et al. The impact of local knowledge base on the formation of innovation clusters in emerging industries: The case study of China’s fuel cell industry, 2020, 39(7):1478-1489. ] DOI:10.11821/dlyj020190595

DOI

[19]
Pan F H, Yang B F. Financial development and the geographies of startup cities: Evidence from China[J]. Small Business Economics, 2019, 52(3):743-758. DOI:10.1007/s11187-017-9983-2

DOI

[20]
肖凡, 任建造, 伍敏冬, 等. 21世纪以来中国高新技术企业的时空分布和影响机制[J]. 经济地理, 2018, 38(2):27-35.

[ Xiao F, Ren J Z, Wu M D, et al. The spatiotemporal evolution and the influence mechanism of high-tech enterprise locations in China during the twenty-first century[J]. Economic Geography, 2018, 38(2):27-35. ] DOI:10.15957/j.cnki.jjdl.2018.02.004

DOI

[21]
刘青, 李贵才, 仝德, 等. 基于ESDA的深圳市高新技术企业空间格局及影响因素[J]. 经济地理, 2011, 31(6):926-933.

[ Liu Q, Li G C, Tong D, et al. The spatial pattern and influence factors of high-tech firms in Shenzhen based on ESDA[J]. Economic Geography, 2011, 31(6):926-933. ] DOI:10.15957/j.cnki.jjdl.2011.06.008

DOI

[22]
周灿, 曹贤忠, 曾刚. 中国电子信息产业创新的集群网络模式与演化路径[J]. 地理研究, 2019, 38(9):2212-2225.

DOI

[ Zhou C, Cao X Z, Zeng G. Cluster networks and evolution path of China's electronic information industry innovation[J]. Geographical Research, 2019, 38(9):2212-2225. ] DOI:10.11821/dlyj020180964

DOI

[23]
丁玥, 朱华晟, 贺清灿. 广东省创业活动的地区差异及其影响因素[J]. 经济地理, 2017, 37(11):92-98.

[ Ding Y, Zhu H S, He Q C. The regional differences and determinants of entrepreneurship in Guangdong province: Based on spatial autocorrelation analysis[J]. Economic Geography, 2017, 37(11):92-98. ] DOI:10.15957/j.cnki.jjdl.2017.11.012.

DOI

[24]
伊查克·爱迪思. 企业生命周期[M]. 北京: 中国社会科学出版社,1997.

Adizes I. Corporate lifecycles[M]. Beijing: China Social Science Press, 1997. ]

[25]
朱吉庆. 中国国际新创企业成长研究[M]. 上海: 复旦大学出版社, 2010.

[ Zhu J Q. Research on the impact of Chinese international start-ups[M]. Shanghai: Fudan University Press, 2010. ]

[26]
蒋春燕, 赵曙明. 社会资本和公司企业家精神与绩效的关系:组织学习的中介作用——江苏与广东新兴企业的实证研究[J]. 管理世界, 2006(10):90-99.

[ Jiang C Y, Zhao S M. The relationship between social capital, company enterprise and company performance: The medium role of organizational learning: A case study of the new and developing enterprises in Jiangsu and Guangdong[J]. Management World, 2006(10):90-99. ] DOI:10.19744/j.cnki.11-1235/f.2006.10.011

DOI

[27]
Govin J G, Slevin D P, Govin T J. Content and performance of growth-seeking strategies: A comparison of small firms in high and low technology industries[J]. Journal of Business Venturing, 1990, 5(6):391-412. DOI:10.1016/0883-9026(90)90013-J

DOI

[28]
Bantel K A. Technology-based “adolescent” firm configurations: Strategy identification, context, and performance[J]. Journal of Business Venturing, 1998, 13(3):205-230. DOI:10.1016/S0883-9026(97)00033-5

DOI

[29]
国家统计局. 关于修订《三次产业划分规定(2012)》的通知[EB/OL].(2018-03-23)[2022-01-16]. http://www.stats.gov.cn/xxgk/tjbz/gjtjbz/201804/t20180402_1758923.html

[ National Bureau of Statistics of China. Notice on revising provisions on the division of tertiary industries (2012)[EB/OL]]. (2018-03-23)[2022-01-16]. http://www.stats.gov.cn/xxgk/tjbz/gjtjbz/201804/t20180402_1758923.html

[30]
Cohen B. Sustainable valley entrepreneurial ecosystems[J]. Business Strategy and the Environment, 2006, 15(1):1-14. DOI: 10.1002/bse.428

DOI

[31]
Isenberg D J. The entrepreneurship ecosystem strategy as a new paradigm policy: Principles for cultivating entrepreneurship[R]. Dublin:Institute of International European Affairs, 2011.

[32]
赵涛, 刘文光, 边伟军. 区域科技创业生态系统的结构模式与功能机制研究[J]. 科技管理研究, 2011, 31(24):78-82.

[ Zhao T, Liu W G, Ban W J. Study on structural model and functional mechanism of regional hi-tech entrepreneurial ecosystem[J]. Science and Technology Management Research, 2011, 31(24):78-82. ] DOI:10.3969/j.issn.1000-7695.2011.24.020

DOI

[33]
Spilling O R. The entrepreneurial system: On entrepreneurship in the context of a mega-event[J]. Journal of Business Research, 1996,36(1):91-103. DOI:10.1016/0148-2963(95)00166-2

DOI

[34]
李正卫, 刘济浔, 潘家栋. 创业生态系统中的政府治理:新创企业成长视角[J]. 科研管理, 2019, 40(12):42-50.

[ Li Z W, Liu J X, Pan J D. Governmental governance in the entrepreneurial ecosystem: A perspective of new venture growth[J]. Science Research Management, 2019, 40(12):42-50. ] DOI:10.19571/j.cnki.1000-2995.2019.12.005

DOI

[35]
Harris C D. The market as a factor in the localization of industry in the United States[J]. Annals of the Association of American Geographers, 1954, 44(4):315-348. DOI:1 0.1080/00045605409352140

DOI

[36]
曾婧婧, 温永林. 政府创业政策对城市创业的影响及其作用机制——基于国家创业型城市的准自然实验[J]. 经济管理, 2021, 43(4):55-70.

[ Zeng J J, Wen Y L. Effect of government entrepreneurship policy on urban entrepreneurship: A quasi-natural experiment based on national entrepreneurial cities[J]. Business and Management Journal, 2021, 43(4):55-70. ] DOI:10.19616/j.cnki.bmj.2021.04.004

DOI

[37]
国家统计局城市社会经济调查司. 中国城市统计年鉴[M]. 北京: 中国统计出版社,2015-2020.

[ Department of Urban Surveys National Bureau of Statistics of China. China city statics yearbook[M]. Beijing: China Statistics Press, 2015-2020. ]

[38]
科技部火炬高技术产业开发中心. 中国火炬统计年鉴[M]. 北京: 中国统计出版社,2015-2020.

[ Torch High Technology Industry Development Center Ministry of Science & Technology. China torch statistical yearbook[M]. Beijing: China Statistics Press, 2015-2020. ]

[39]
国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社,2015-2020.

National Bureau of Statistics of China. China statistical yearbook[M]. Beijing: China Statistics Press, 2015-2020. ]

[40]
Boschma R, Minondo A, Navarro M. The emergence of new industries at the regional level in Spain: A proximity approach based on product relatedness. Economic Geography, 2012, 89(1):29-51. DOI:10.1111/j.1944-8287.2012.01170.x

DOI

[41]
赵建吉, 王艳华, 吕可文, 等. 内陆区域中心城市金融产业集聚的演化机理——以郑东新区为例[J]. 地理学报, 2017, 72(8):1392-1407.

DOI

[ Zhao J J, Wang Y H, Lu K W, et al. The evolutionary mechanism of financial industry agglomeration in central cities of inland China: A case study of Zhengdong new district in Zhengzhou[J]. Acta Geographica Sinica, 2017, 72(8):1392-1407. ] DOI:10.11821/dlxb201708005

DOI

Options
Outlines

/

〈 〉