汪增洋，孫曉宇

（安徽財經(jīng)大學(xué) 經(jīng)濟學(xué)院,安徽 蚌埠 233030）

隨著經(jīng)濟水平的提高，中國汽車保有量不斷增加，同時居民對汽車服務(wù)的需求也進(jìn)一步擴大。據(jù)公安部統(tǒng)計，截至2022年9月底，全國汽車保有量達(dá)3.15億輛，占全國機動車總量的76.46%，成為機動車保有量占比最多的類型。汽車市場的繁榮使得汽車服務(wù)業(yè)成為城市經(jīng)濟的重要組成部分，已有研究表明，在一個成熟的汽車市場中汽車服務(wù)業(yè)可以帶來40% ～ 60%的利潤[1]。在此背景下，探究汽車服務(wù)業(yè)在城市內(nèi)部的布局形態(tài)與區(qū)位選擇的影響因素有助于揭示城市汽車服務(wù)業(yè)空間布局規(guī)律，對優(yōu)化城市產(chǎn)業(yè)空間布局具有重要意義。

城市商業(yè)區(qū)位研究源于20世紀(jì)初，隨著研究的不斷深入，逐漸形成了一套完整的理論方法和體系，典型的理論和模型有中心地理論[2]、廖什景觀[2]、三級空間活動理論[3]、Reilly引力模型[4]、商區(qū)模型[5]等。城市商業(yè)服務(wù)業(yè)區(qū)位研究主要從空間分布、集聚[6]、區(qū)位選擇[7]、動力機制[8]等方面開展，如不同類型餐飲業(yè)演化過程[9]、影響因素[10]、發(fā)展水平[11]以及與動態(tài)人口耦合性[12]等。近些年隨著經(jīng)濟、地理、統(tǒng)計等多學(xué)科方法被運用到城市商業(yè)區(qū)位研究中，數(shù)據(jù)獲取渠道也開始呈現(xiàn)多樣性，點評數(shù)據(jù)、工商統(tǒng)計數(shù)據(jù)、社交媒體數(shù)據(jù)以及POI數(shù)據(jù)等被廣大學(xué)者運用到產(chǎn)業(yè)空間的研究中。其中POI數(shù)據(jù)具有數(shù)據(jù)樣本多、可獲取性高和時效性強等優(yōu)點，常被學(xué)者們運用到城市服務(wù)業(yè)產(chǎn)業(yè)空間研究中。韓會然等[13]、趙學(xué)偉等[14]、陳洪星等[15]以及劉笑杰等[16]對城市批發(fā)企業(yè)、物流企業(yè)、住宿業(yè)、零售業(yè)等產(chǎn)業(yè)部門的空間演化特征、區(qū)位選擇因素、驅(qū)動機制等進(jìn)行分析，研究方法主要包括區(qū)位熵、標(biāo)準(zhǔn)差橢圓、Ripley’sK、核密度分析、局部G統(tǒng)計量和空間自相關(guān)等。湛東升等[7]采用最近鄰指數(shù)、Ripley’sK函數(shù)、最近鄰層次聚類對杭州市房地產(chǎn)企業(yè)空間集聚水平和區(qū)位選擇因素進(jìn)行分析。相較于其他城市服務(wù)業(yè)產(chǎn)業(yè)空間研究的成果，關(guān)于汽車服務(wù)業(yè)的探究較少，且較少有學(xué)者定量研究汽車服務(wù)業(yè)區(qū)位選擇的影響因素[17-21]。

近些年，城市數(shù)據(jù)平臺的開放和POI數(shù)據(jù)的使用為從微觀個體出發(fā)考察汽車服務(wù)業(yè)的空間分布和集聚特征提供了支撐。因此，本研究利用從高德地圖獲取的蘇州市汽車服務(wù)業(yè)POI數(shù)據(jù)，采用 ArcGis10.6 將企業(yè)位置轉(zhuǎn)換為空間點文件，運用核密度分析、最近鄰指數(shù)等空間計量方法，詳細(xì)分析蘇州市汽車服務(wù)業(yè)空間分布和集聚特征，并在此基礎(chǔ)上探究區(qū)位選擇的影響因素，在一定程度上豐富了蘇州市汽車服務(wù)業(yè)空間分布格局研究，同時也為優(yōu)化汽車服務(wù)業(yè)企業(yè)區(qū)位選擇提供了參考。

1 研究區(qū)域和方法

1.1 研究區(qū)域概況

蘇州市作為長江三角洲城市群中的中心城市，地理位置優(yōu)越，經(jīng)濟發(fā)展勢頭強勁。蘇州市區(qū)包括相城區(qū)、吳中區(qū)、吳江區(qū)、姑蘇區(qū)和虎丘區(qū)，占地4 652.84 km2（圖1）。2021年蘇州市區(qū)常住人口677.05萬人，常住人口人均生產(chǎn)總值為15.79萬元，私家客車擁有量211.15萬輛。自2005年以來，蘇州市區(qū)建立了蘇州江南汽配市場、新東方汽配城、相城國際汽車城、金閶新城汽配城等汽車服務(wù)業(yè)市場，尤其是蘇州江南汽配城形成了集汽車銷售、美容和維修為一體的專業(yè)化汽配市場，是蘇州市區(qū)服務(wù)門類最齊全的汽車市場之一。完善的汽車配套設(shè)施和居民收入的保障使得蘇州市區(qū)汽車服務(wù)需求較大，研究區(qū)域具有一定的代表性。因此，本研究的研究區(qū)域選定為蘇州市區(qū)，以期能夠全面地反映和揭示蘇州市汽車服務(wù)業(yè)的客觀情況。

圖1 蘇州市區(qū)示意圖Figure 1 Schematic map of Suzhou

1.2 數(shù)據(jù)來源與處理

基于高德地圖軟件，利用Phython爬取蘇州市區(qū)2021年汽車服務(wù)業(yè)的POI數(shù)據(jù)（包括企業(yè)名稱、地址、所屬商圈、電話、評分等級、汽車服務(wù)業(yè)類別和經(jīng)緯度等），利用ArcGis10.6 軟件將企業(yè)的地理坐標(biāo)轉(zhuǎn)換為WGS84坐標(biāo)，最終得到8 626個POI數(shù)據(jù)。以鄉(xiāng)、鎮(zhèn)和街道為最小研究單元，共計70個研究單元，為了敘述方便以下統(tǒng)稱為鎮(zhèn)街。根據(jù)高德地圖對POI數(shù)據(jù)的分類，將汽車服務(wù)業(yè)分為汽車服務(wù)、汽車維修和汽車銷售，其中汽車服務(wù)主要包括加油站、汽車養(yǎng)護和裝飾、汽車配件銷售以及洗車等服務(wù)，汽車銷售和維修主要包括各類汽車的零售和維修服務(wù)，為了行文方便以下簡稱為服務(wù)型、維修型和銷售型。表1對蘇州市汽車服務(wù)業(yè)分類及其數(shù)量作了詳細(xì)說明。

表1 蘇州市汽車服務(wù)業(yè)分類及其數(shù)量Table 1 Classification and number of automobile service industry in Suzhou

1.3 研究方法

（1）核密度分析

核密度分析用于計算不同搜索半徑下每個輸出柵格像元周圍的汽車服務(wù)業(yè)企業(yè)空間點要素的密度[22]。采用核密度估計可以直觀揭示蘇州市不同類型汽車服務(wù)業(yè)的空間分布情況。其計算公式為

其中，fh(x)為核函數(shù)，值越大代表點分布越多；K為空間權(quán)重函數(shù)；h為平滑參數(shù)；(x-xi)表示估計點到樣本點的距離；n為蘇州市區(qū)不同類型汽車服務(wù)業(yè)點的個數(shù)。

（2）最鄰近指數(shù)

最近鄰指數(shù)可測量不同類型汽車服務(wù)業(yè)企業(yè)的空間點要素與其最近鄰要素之間的距離。采用最近鄰指數(shù)可以揭示不同類型汽車服務(wù)業(yè)的集聚水平。當(dāng)汽車服務(wù)業(yè)企業(yè)的平均距離小于假設(shè)隨機分布中的平均距離時，將汽車服務(wù)業(yè)企業(yè)空間分布視為集聚分布；當(dāng)汽車服務(wù)業(yè)企業(yè)的平均距離大于假設(shè)隨機分布中的平均距離時，將汽車服務(wù)業(yè)企業(yè)空間分布視為分散分布；當(dāng)兩者相等時，視為均勻分布[23]。最近鄰指數(shù)的公式為

最近鄰指數(shù)的顯著性判斷通常采用的是Z檢驗，其公式為

（3）雙變量空間自相關(guān)分析

雙變量空間自相關(guān)可以表示不同類型汽車服務(wù)業(yè)之間的集聚程度并揭示兩者在空間上的關(guān)聯(lián)區(qū)域[24]。計算公式為

其中，I表示不同類型汽車服務(wù)業(yè)之間的雙變量空間自相關(guān)系數(shù)，xi和yi分別表示第i和j個空間單元上x和y變量的觀測值，為x、y變量的平均值，S2為樣本方差，Wij是兩個鎮(zhèn)街之間的地理矩陣權(quán)重。Moran’sI取值范圍為[-1,1]，Moran’sI值大于0代表正相關(guān)，數(shù)值越大代表集聚程度越強，反之則相反。

（4）負(fù)二項回歸模型

泊松分布和負(fù)二項回歸模型可以用于分析汽車服務(wù)業(yè)空間分布的影響因素。泊松分布必須滿足因變量方差和均值相等的條件，而蘇州市區(qū)各鎮(zhèn)街汽車服務(wù)業(yè)企業(yè)數(shù)量的方差大于均值，因而采用負(fù)二項回歸模型。在負(fù)二項回歸模型中，假設(shè)第i個空間單元內(nèi)不同類型汽車服務(wù)業(yè)企業(yè)數(shù)量（Yi）服從參數(shù)為λi的泊松分布，則在研究單元內(nèi)觀測到y(tǒng)i的概率[14]為

其中，yi為各鎮(zhèn)街內(nèi)的不同類型汽車服務(wù)業(yè)企業(yè)數(shù)量，xi為影響汽車服務(wù)業(yè)區(qū)位選擇的因素，λi由xi決定，β為模型的回歸系數(shù)，對β進(jìn)行最大似然估計得到

2 結(jié)果與分析

2.1 空間分布特征

蘇州市區(qū)共有8 626家汽車服務(wù)業(yè)企業(yè)（表2），整體呈現(xiàn)出空間不均勻分布的特征。姑蘇區(qū)位于蘇州市區(qū)中心區(qū)域，經(jīng)濟發(fā)達(dá)，人流量大，存在潛在的交易市場。但汽車服務(wù)業(yè)對店鋪面積需求大，且考慮到試駕和車輛運輸?shù)纫蛩兀噙x擇在租金便宜的郊區(qū)，因此姑蘇區(qū)的汽車服務(wù)業(yè)數(shù)量最少；同樣作為中心城區(qū)，虎丘區(qū)和相城區(qū)與姑蘇區(qū)接壤，在一定程度上承接姑蘇區(qū)的汽車服務(wù)業(yè)需求，汽車服務(wù)業(yè)企業(yè)數(shù)量與姑蘇區(qū)相比有所增加；吳江區(qū)和吳中區(qū)面積較大且相對偏遠(yuǎn)，靠近外圍農(nóng)村地域，廉價的租金和相對較大的店鋪面積吸引較多不同類型的汽車服務(wù)企業(yè)集中于此，值得一提的是蘇州市規(guī)模最大和產(chǎn)品最齊全的江南汽配城就位于吳中區(qū)。

表2 蘇州市區(qū)各轄區(qū)汽車服務(wù)業(yè)企業(yè)數(shù)量Table 2 Number of automotive service enterprises in each jurisdiction of Suzhou

蘇州市汽車服務(wù)業(yè)整體核密度估計結(jié)果見圖2（a)，可以看出蘇州市汽車服務(wù)業(yè)整體呈現(xiàn)出“多中心、塊狀集聚”的空間分布特征。在中心地帶，觀前街周邊街道多為居民區(qū)和旅游景點，城市道路短、密集且狹窄，汽車出行不便，導(dǎo)致汽車行業(yè)分布零散；在近城市中心區(qū)域，姑蘇區(qū)、虎丘區(qū)和吳中區(qū)汽車服務(wù)業(yè)企業(yè)分布較多，具有一定的規(guī)模優(yōu)勢，呈現(xiàn)出連片分布的特征，姑蘇區(qū)白洋灣街道和婁葑街道、虎丘區(qū)楓橋街道、吳中區(qū)木瀆鎮(zhèn)和郭巷街道等地區(qū)形成高度集聚區(qū)域，原因在于這些地區(qū)緊臨市區(qū)，基礎(chǔ)設(shè)施完備，經(jīng)濟發(fā)展水平較高，人口分布較密集；在近郊區(qū)，汽車服務(wù)業(yè)集聚規(guī)模較小，主要集中在平望鎮(zhèn)、盛澤鎮(zhèn)、黃埭鎮(zhèn)和吳江經(jīng)濟技術(shù)開發(fā)區(qū)等經(jīng)濟實力較強的鎮(zhèn)和開發(fā)區(qū)。

圖2 蘇州市汽車服務(wù)業(yè)空間分布Figure 2 Spatial distribution of automotive service industry in Suzhou

蘇州市區(qū)不同類型汽車服務(wù)業(yè)空間分布見圖2（b）～（d）。不同類型的汽車服務(wù)行業(yè)特性決定其空間分布特征不同。服務(wù)型汽車企業(yè)因其寬泛的業(yè)務(wù)決定其可以在城市大部分地區(qū)選址，且由于服務(wù)型汽車企業(yè)POI數(shù)量在汽車服務(wù)業(yè)中占據(jù)優(yōu)勢，因此服務(wù)型企業(yè)空間分布與汽車服務(wù)業(yè)企業(yè)呈現(xiàn)出相似性。維修型企業(yè)與服務(wù)型企業(yè)類似，業(yè)務(wù)廣泛，但受地租和人力資源成本的影響，維修型企業(yè)一般分布在人流量大且區(qū)位條件稍差的地帶，主要集中在城市中心外圍和郊區(qū)，以木瀆鎮(zhèn)、城南街道、長橋街道和蘇苑街道等地為核心區(qū)域，向四周延展。銷售型企業(yè)在楓橋街道和木瀆鎮(zhèn)核密度值相對較高，原因在于周邊分布大量的汽車專賣店和二手車交易市場。

采用最近鄰指數(shù)對蘇州市不同類型汽車服務(wù)業(yè)空間集聚水平進(jìn)行測度，結(jié)果見表3。汽車服務(wù)業(yè)平均觀察距離和預(yù)期平均距離分別為93.843和355.257，NNI值為0.264，Z值小于-2.58，通過了顯著性檢驗，說明蘇州市汽車服務(wù)業(yè)整體集聚水平顯著。從各個行業(yè)來看，服務(wù)型、維修型和銷售型企業(yè)平均觀測距離分別為141.285、256.544和198.376，均小于對應(yīng)的預(yù)期觀測距離，且各行業(yè)Z值均小于-2.58，均通過了顯著性檢驗。不同類型的汽車服務(wù)業(yè)表現(xiàn)出不同程度的集聚強度，根據(jù)各行業(yè)的NNI值，其集聚強度由大到小依次為銷售型、服務(wù)型和維修型。

表3 蘇州市汽車服務(wù)業(yè)最近鄰指數(shù)結(jié)果Table 3 Result of nearest neighbor index of automotive service industry in Suzhou

2.2 空間關(guān)聯(lián)格局

不同類型的汽車服務(wù)業(yè)之間存在著需求關(guān)聯(lián)。為了揭示不同類型汽車服務(wù)業(yè)之間的空間關(guān)聯(lián)，將銷售型企業(yè)作為第一變量，服務(wù)型企業(yè)和維修型企業(yè)作為第二變量，采用雙變量莫蘭指數(shù)進(jìn)行分析。

（1）全局莫蘭指數(shù)

為刻畫不同類型汽車服務(wù)業(yè)之間的空間關(guān)聯(lián)性，計算銷售型汽車服務(wù)業(yè)與維修型汽車服務(wù)業(yè)、服務(wù)型汽車服務(wù)業(yè)之間的雙變量全局莫蘭指數(shù)，結(jié)果見表4。銷售型企業(yè)與維修型企業(yè)和服務(wù)型企業(yè)之間的Moran’sI分別為0.111 和0.106，說明區(qū)域內(nèi)銷售型企業(yè)的集聚促進(jìn)維修型和服務(wù)型企業(yè)的集聚。

表4 不同類型汽車服務(wù)業(yè)之間的全局莫蘭指數(shù)Table 4 Overall Moran index among different types of automobile service industries

（2）局部莫蘭指數(shù)

全局空間自相關(guān)表明銷售型汽車服務(wù)業(yè)與維修型汽車服務(wù)業(yè)、服務(wù)型汽車服務(wù)業(yè)之間存在著空間關(guān)聯(lián)，為了更直觀揭示銷售型與服務(wù)型企業(yè)以及銷售型與維修型企業(yè)之間的集聚區(qū)域和差異區(qū)域，采用雙變量局部空間自相關(guān)，在5%顯著性水平下繪制蘇州市不同類型汽車服務(wù)業(yè)LISA集聚圖（圖3）。

圖3 蘇州市不同類型汽車服務(wù)業(yè)雙變量LISA圖Figure 3 Bivariate LISA diagram of different types of automotive service industry in Suzhou

由圖3可知，不存在高-低集聚區(qū)，且蘇州市區(qū)大多數(shù)區(qū)域為不顯著集聚區(qū)。低-低集聚區(qū)指的是銷售型企業(yè)分布較少且維修型企業(yè)或服務(wù)型企業(yè)分布也較少的地區(qū)，主要集中在商業(yè)化的市中心區(qū)域，如桃花塢街道、雙塔街道、觀前街道、平江街道和滄浪街道等，由于其主要作為城市商業(yè)載體，大多為接待外地游客和本地居民休息購物的場所，店鋪面積相對較小且租金高昂，不能滿足汽車服務(wù)業(yè)企業(yè)日常需求，所以銷售型、維修型和服務(wù)型汽車服務(wù)業(yè)分布較少。高-高集聚區(qū)指的是銷售型企業(yè)分布較多且維修型或服務(wù)型企業(yè)分布也較多的地區(qū)，多位于城市郊區(qū)，如吳江區(qū)平望鎮(zhèn)和吳江經(jīng)濟技術(shù)開發(fā)區(qū)等，城市郊區(qū)擁有相對廉價的土地和面積更大的店鋪，有利于維修型或服務(wù)型汽車服務(wù)業(yè)開展維修業(yè)務(wù)或買賣汽車配件和養(yǎng)護汽車等服務(wù)，而銷售型企業(yè)更依賴潛在的客戶人群和市場，多選擇集聚經(jīng)濟相對較強的城市中心外圍或郊區(qū)街鎮(zhèn)中心區(qū)域。低-高集聚區(qū)指的是銷售型企業(yè)分布較少且維修型或服務(wù)型企業(yè)分布較多的地區(qū)，多分布在高-高集聚區(qū)外圍，如吳江區(qū)黎里鎮(zhèn)和七都鎮(zhèn)，更加靠近城市外圍并與其他城市接壤。

3 影響因素分析

3.1 指標(biāo)選取

參考已有的汽車服務(wù)業(yè)空間分布格局影響因素[17-21,25]，將各鎮(zhèn)街內(nèi)的汽車服務(wù)業(yè)企業(yè)個數(shù)作為因變量，選取交通條件、人口密度、城鄉(xiāng)區(qū)位和集聚條件4個因素作為自變量（表5）。

表5 汽車服務(wù)業(yè)空間分布回歸模型變量設(shè)計及描述Table 5 Variable design and description of regression model for spatial distribution of automobile service industry

3.2 結(jié)果分析

本研究選用2021年蘇州市區(qū)各鎮(zhèn)街汽車服務(wù)業(yè)企業(yè)數(shù)量為被解釋變量，以鎮(zhèn)街為基本單位，有效的樣本數(shù)量為70個，選取表5中的自變量因素為解釋變量，代入負(fù)二項回歸模型計算，得出的Alpha系數(shù)均顯著，說明采用負(fù)二項回歸模型較為合理。表6為汽車服務(wù)業(yè)負(fù)二項回歸模型分析結(jié)果。

表6 汽車服務(wù)業(yè)負(fù)二項回歸模型分析結(jié)果Table 6 Negative binomial regression model results of automobile service industry

從交通條件來看，所在地?fù)碛懈咚俾房趯ζ嚪?wù)業(yè)分布有顯著促進(jìn)作用。主要原因在于，對外交通設(shè)施與汽車服務(wù)業(yè)企業(yè)布局之間有較強的關(guān)聯(lián)[17]，交通要道的車流量相對更大，位于其出入口更靠近消費者。

從城鄉(xiāng)區(qū)位來看，鎮(zhèn)街位于中心城區(qū)不利于服務(wù)業(yè)在此布局。這是因為汽車服務(wù)業(yè)占地面積較大，布局多受限于土地成本，而中心城區(qū)的土地成本較高，因此企業(yè)傾向于選擇非中心城區(qū)。

從人口密度來看，其作用系數(shù)為0.280，且通過了1%的顯著性檢驗，表明企業(yè)布局傾向于人口密度較高的地區(qū)。與人口低密度地區(qū)相比，較高的人口密度反映了該地區(qū)居民生活水平和市場需求，因此作為服務(wù)型行業(yè)的汽車服務(wù)業(yè)會選擇靠近市場以便獲得客戶群。

從集聚條件來看，企業(yè)多布局在擁有大型汽配城的鎮(zhèn)街，這是因為原有同類企業(yè)的空間集聚會帶來規(guī)模經(jīng)濟和外部經(jīng)濟，從而吸引不同類型的汽車服務(wù)業(yè)匯聚在此，新進(jìn)企業(yè)在完善自身服務(wù)的同時還可以提高知名度，吸引更多的顧客。

從不同類型汽車服務(wù)業(yè)空間分布的影響因素來看，交通條件、人口密度、城鄉(xiāng)區(qū)位和集聚條件對企業(yè)選址都有顯著影響，但程度有所不同。當(dāng)其他變量不變時，蘇州市鎮(zhèn)街人口密度增加1個單位時，維修型、銷售型和服務(wù)型企業(yè)數(shù)量會因此增加34.1%、18.3%和28.4%。

4 結(jié)論

（1）整體上蘇州市區(qū)汽車企業(yè)空間分布不均勻，多集中于吳中區(qū)、吳江區(qū)和虎丘區(qū)；汽車企業(yè)空間分布呈現(xiàn)出“多中心、塊狀集聚”特征，汽車服務(wù)業(yè)主要在姑蘇區(qū)白洋灣街道、婁葑街道，虎丘區(qū)楓橋街道，吳中區(qū)木瀆鎮(zhèn)、郭巷街道等地區(qū)形成高度集聚區(qū)域；行業(yè)特性、地租、人流量等因素導(dǎo)致不同類型的汽車服務(wù)業(yè)空間分布差異較大。

（2）汽車服務(wù)業(yè)企業(yè)分布均存在顯著的空間集聚特征，但不同類型的汽車服務(wù)業(yè)集聚水平有差異，其集聚強度由大到小依次為銷售型、服務(wù)型和維修型。

（3）雙變量空間自相關(guān)結(jié)果表明，銷售型汽車服務(wù)業(yè)與其他兩種汽車服務(wù)業(yè)之間存在顯著的空間正相關(guān)性，但不同類型汽車服務(wù)業(yè)之間的關(guān)聯(lián)度存在差異，銷售型汽車服務(wù)業(yè)與服務(wù)型汽車服務(wù)業(yè)之間的關(guān)聯(lián)度高于其與維修型汽車服務(wù)之間的關(guān)聯(lián)度。從不同研究單元來看，不同類型的汽車服務(wù)業(yè)關(guān)聯(lián)區(qū)域存在差異，其中關(guān)聯(lián)程度最高的區(qū)域是城市郊區(qū)。

（4）從區(qū)位選擇的影響因素來看，交通條件、人口密度、城鄉(xiāng)區(qū)位和集聚條件都對汽車服務(wù)業(yè)分布有顯著影響，其中位于大型汽配城和高速路口附近對汽車服務(wù)業(yè)區(qū)位選擇影響程度最高。

本研究通過對蘇州市區(qū)汽車服務(wù)業(yè)的研究，在一定程度上揭示了其分布特征、區(qū)位選擇影響因素和不同類型汽車服務(wù)業(yè)之間的關(guān)聯(lián)情況。但受數(shù)據(jù)可獲取性的限制，缺乏長時期的數(shù)據(jù)，無法研究其動態(tài)演化特征；在影響因素的選擇方面，沒有考慮商業(yè)基準(zhǔn)地價、鎮(zhèn)街人口經(jīng)濟水平、市場需求等因素的影響，需在今后的研究中進(jìn)一步討論。