宁波市专精特新“小巨人”企业分布的热点空间及其适配路径

刘 忱，丛海彬，王璐茜，邬伟娥，唐根年，

（1.宁波大学商学院，浙江宁波 315211；2.浙江工业大学经济学院，浙江杭州 310023；3.浙江工业大学之江学院，浙江绍兴 312030）

0 引言

2022 年，习近平总书记［1］在党的二十大报告时提出实施产业基础再造工程和重大技术装备攻关工程，支持“专精特新”企业发展，推动制造业高端化、智能化、绿色化发展。“专精特新”企业是指专业化、精细化、特色化、新颖化的企业，它们大多掌握“独门绝技”，是行业中的单项冠军或隐形冠军，对于制造业高端化、智能化、绿色化发展具有重要推动作用，已经成为高质量发展的动力源、新发展格局的稳定器、创新型国家的生力军［2］。“专精特新”企业高质量发展是中国实现制造强国、科技强国目标的重要抓手，也是现阶段工作重点［3］。专精特新“小巨人”企业则是“专精特新”企业中的“排头兵”。中华人民共和国工业和信息化部自2018 年开始实施培育专精特新“小巨人”企业政策，并于2019、2020、2021、2022、2023 年先后分五批次遴选公示了12 950 家专精特新“小巨人”企业。2023 年7 月，工信部公示了第五批专精特新“小巨人”企业名单，其中宁波市共新增69 家企业，再加上前面已公示的四批，宁波市专精特新“小巨人”企业数量累计达到352 家。就其地理空间分布特征而言，我们不难发现这些专精特新“小巨人”企业更偏向于北京、上海、深圳、苏州、宁波等“热点空间”城市，其中浙江省共1 453 家“小巨人”企业位居全国第三，宁波市则以352 家排名全国第五、浙江第一。

宁波占据工信部专精特新“小巨人”企业认定的先发优势，在第三批时数量排名全国第三仅次于北京和上海，但是第四批第五批总量相继被深圳、苏州超过，目前虽然仍居全国城市第五，但对比2021 年，最近两年在“小巨人”企业的认定上已表现出增速大幅放缓。从长远发展来看，随着杭州、重庆、武汉等城市“专精特新”企业认定步伐的进一步加快，未来宁波市“专精特新”企业数量净增可能进一步下降，现有的数量优势可能进一步弱化。

参天之木，必有其根；怀山之水，必有其源。引发专精特新“小巨人”企业“井喷”景象的“密码”是什么？是否与这些城市的营商环境存在某种密切的因果关系？宁波市作为“专精特新”企业数量超群的城市，其专精特新“小巨人”企业分布的热点空间与营商环境生态又是怎样的？

1 研究数据与方法

1.1 研究对象及数据来源

1.1.1 研究对象

本研究的对象锁定为宁波市行政区内工信部认定的专精特新“小巨人”企业及其所在区县，主要基于以下缘由考量：第一是宁波拥有352 家国家级专精特新“小巨人”企业，在数量规模上仅次于北京、上海、深圳、苏州，受到社会各界的广泛关注，无疑是探究中国专精特新“小巨人”企业成因的重点关注对象；第二，宁波是民营企业、中小企业、制造业聚集地，现在又成为专精特新“小巨人”企业的“大市”，是否与当地的营商环境存在天然的关联，有待探究；第三，宁波市县域经济发达，2022 浙江省区县地区生产总值（GDP）排名中宁波市鄞州区继续蝉联领跑，且前5 名上榜区县3 个，名列前茅。以宁波行政区范围内县、区为研究的空间尺度，有助于我们更进一步解析专精特新“小巨人”企业的生境画像特征。

1.1.2 数据来源

借助天眼查系统平台获取专精特新“小巨人”企业注册地址及其行业类型，并参考Chen 等［4］的研究方法，通过地理编码系统得到各企业的地址所对应的经纬度坐标，精准定位各企业的地理空间位置及其区县归属状况。截至2023 年，宁波拥有6 个市辖区、2 个县、2 个县级市，合计10 个区县，以此作为空间统计单位，统计10 个区县范围内专精特新“小巨人”企业数量。

为了测度专精特新“小巨人”企业所在区域的生长生态，参考“中国城市营商环境评价研究”课题组［5］和李志军［6］的研究成果，构建共包含公共服务、人力资源、市场环境、创新环境、金融服务、法治环境、政务环境共7 个一级指标、17 个二级指标、21 个三级指标的评价体系（见表1），使用2022 年宁波市区县各三级指标相应数据，通过标准化和加权求和得到宁波市10 个区县的一级指标和营商环境指数。

表1 宁波市区县营商环境评价指标体系

表2 为宁波市10 个区县专精特新“小巨人”企业数量与营商环境指标的描述性统计结果。

表2 变量描述性统计结果

1.2 研究方法

本研究侧重探究宁波市内专精特新“小巨人”企业的地理空间分布特征，解析其热点空间取向及其生境画像，并探究营商环境对企业数量的因果复杂机制。基于此研究内容，首先使用ArcGIS 剖析宁波市内专精特新“小巨人”企业的地理空间分布特征，并采用系统聚类法对各区县企业数量和营商环境指标进行分类，解析专精特新“小巨人”企业的生境画像，并鉴于营商环境是一种复杂生态，结合模糊集定性比较分析法（fsQCA），从组态视角进一步分析营商环境对专精特新“小巨人”企业数量的影响。

1.2.1 核密度分析方法

核密度分析基于地理学第一定律，通常被应用于离散点在周边地理区域范围内密度的计算［7］。该方法从原始离散点出发，研究区域范围内点密度的空间变化。宁波市352 家专精特新“小巨人”企业的经纬度坐标可以作为空间地图上的点，借助核密度工具计算集聚强度分析企业及其分行业的空间集聚分布情况。核密度函数公式如式（1）所示：

式（1）中：h为半径；xi为半径内第i个企业的空间位置；n为以点x为中心h为半径空间范围内所包含的企业数量。

空间权重函数公式为：

1.2.2 系统聚类法

系统聚类法（hierarchical cluster analysis）的核心是类间方差最大和类内方差最小，常用于对不同样本的分类。Ward's method 发展较为成熟，在学术界得到了广泛采纳［8］。这种聚类法一般应用于特征识别以及大样本分类［9］，可以以研究样本的多指标信息特征为基础做好相类的分类工作，对类别区的抑制性和同质性进行区分，由此对研究对象的综合差异和归类情况进行表示。该方法以方差分析为基础，选取的测度标尺是欧式距离，首先对研究案例进行归类集合，然后对类间方差进行计算，优先合并有着较小增幅和离差平方和的两类，依此循环至实现所有类别逐级合并完成，聚类结果以树状图或冰柱图形式展现。

将n个样本集合分为k类（G1,G2,…,Gk），nj为类Gj中拥有的样本数，Xij为Gj中第i个样本指标值向量，Xj为Gj的重心，Gj中所有样本的离差平方和公式为：

全部类别内部离差平方和公式为：

1.2.3 组态分析

使用fsQCA 方法，以组态分析的视角分析宁波市专精特新“小巨人”企业数量背后营商环境的多元驱动机制。1987 年，Ragin［10］最先提出了定性比较分析方法（qualitative comparative analysis,QCA）方法。此方法可以在因果复杂性下通过比较相关案例，找出不同条件变量的组合与结果变量的因果关系，识别条件变量的协同效应［11］。有别于传统的回归分析（定量研究）和案例分析（定性研究），QCA 的优势在于：第一，相较于线性回归，组态分析中不同因素具有依赖性，可以考察条件变量对于结果变量的共同作用；第二，组态具有等效性，不同案例不同因素组合可以殊途同归地导致相同结果的产生，可以研究条件间的适配与替代关系的差异化驱动机制；第三，组态分析具有非对称性，导致高结果变量出现的条件与非高结果变量出现的条件并非一定相同，可以进一步比较导致结果正负向的组态，拓展理论解释维度。

2 空间分布特征

2.1 总体空间分布特征

2.1.1 空间分布

基于宁波市352 家专精特新“小巨人”企业详实的注册地址及其经纬度坐标信息，借助ArcGIS10.8 软件工具，绘制宁波市专精特新“小巨人”企业的区县数量分布与热点空间分布情景。从图1可见，宁波市的专精特新“小巨人”企业空间分布状况宛如“天女散花”，在各区县地域空间上不同程度地呈现热点空间，但其分布又存在明显的空间差异性。具体而言：

图1 宁波市专精特新“小巨人”企业地理空间分布

（1）在总体表现上，在广域空间上“天女散花”、在局部空间上存在集聚。宁波市辖10 个县区市均拥有专精特新“小巨人”企业，覆盖率为100%，区县平均专精特新“小巨人”企业数量达到35.2 家。

（2）在广域空间上，10 个区县市均有专精特新“小巨人”企业不同程度地分布（见图2），企业数量拥有前2 位的为鄞州区（72 家）和慈溪市（58家），均拥有50 家以上；工业重镇的北仑区（42 家）和镇海区（41 家）紧随其后；位于“老三区”的江北区（31 家）和海曙区（20 家）也有相当一部分企业；但位于市区南部的象山县（12 家）和宁海县（12家）为数量全市最少。分批次来看，第一批仅有北仑、镇海、鄞州、奉化、余姚各一家，第二批新增50 家，第三批增长127 家达到巅峰，第四批新增101 家，第五批新增69 家，净增数量放缓。

图2 宁波市各区县分批次专精特新“小巨人”企业数量

（3）在局部空间上，参照丁建军等［12］的研究，可见呈“一极双核”模式。“一极”是以鄞州高新区为中心及其附近的江北孔浦、镇海庄市蛟川和北仑小港，这一片区是宁波市专精特新“小巨人”企业分布最密集的核心区域；“双核”为北仑大碶、慈溪宗汉两个密度次中心。

2.1.2 趋势分析

专精特新“小巨人”企业地理分布的趋势分析结果（见图3）清楚地表明，宁波市内从北至南，专精特新“小巨人”企业数量具有明显的递减态势，而从西向东则表现出先降后增再降的“S”形特征。这一趋势分析结果与图1 核密度分析结果吻合，与宁波市各区县地理分布以及企业数量分布情况基本一致。

图3 宁波市专精特新“小巨人”企业数量的发展空间趋势

2.2 行业空间分布特征

根据国家行业分类标准，在宁波市五批专精特新“小巨人”企业中，制造业有309 家，占企业总数的87.78%；科学研究和技术服务业有26 家，占企业总数的7.39%；信息传输、软件和信息技术服务业有8 家，占企业总数的占2.27%；电力、热力、燃气及水生产和供应业有4 家，占企业总数的1.14%；水利、环境和公共设施管理业有2 家，占企业总数的0.57%；采矿业、建筑业和批发和零售业3 类各有1 家，均占企业总数的0.28%。可发现宁波市专精特新“小巨人”企业的行业组成结构以制造业、科技研究和技术服务业为主，制造业占据绝对主导位置。

从行业分批次数量来看，第一批全部为制造业，而到第五批略具多样性。其中，制造业企业在第四批和第五批明显减少并且直接导致总企业净增减少；科学研究和技术服务业企业稳步增加。

从行业分区县数量来看，制造业企业在各区县的数量水平均很高，鄞州区（59 家）和慈溪市（50 家）最为亮眼。其中，科学研究和技术服务业企业在镇海区、鄞州区并列最多（6 家），鄞州区企业数量更是几乎包揽了信息传输、软件和信息技术服务业。

进一步地，考察制造业、科学研究和技术服务业的空间分布特征可发现，制造业空间分布（见图4）基本与总企业分布（见图1）类似又略有不同，参照丁建军等［13］的研究，可归纳为“三极一核”：“三极”分别为鄞州高新区潘火区域、镇海区庄市蛟川区域、北仑区大碶，“一核”为慈溪市宗汉；科学研究和技术服务业则是以鄞州高新区到镇海蛟川为“单极”。

图4 宁波市专精特新“小巨人”企业数量的行业地理空间分布

3 专精特新“小巨人”企业栖息地生境画像特征

培育专精特新“小巨人”企业不仅需要时间和资本的投入，更需要适宜的发展环境。营商环境是企业发展不可或缺的“培育基”和“栖息地”［14］，良好的营商环境能使科技创新能力的提升和重大科技成果的应用事半功倍。

3.1 相关性分析

以宁波市辖10 个县区的营商环境指数（X）、7个一级指标（X1～X7）和各区县专精特新“小巨人”企业数量（Y）进行相关性分析。结果如表3 所示，宁波市专精特新“小巨人”企业数量与营商环境的相关性达到显著性相关水平，一级指标中除金融服务，其他指标均与营商环境呈显著性相关，这可能与宁波市金融机构高度集中于鄞州区东部新城和海曙区有关。

表3 宁波市营商环境指标与专精特新“小巨人”企业数量相关性分析

3.2 系统聚类分析

采用系统聚类法进一步考察宁波市专精特新“小巨人”企业分布的生境画像特征，以7 个一级指标和专精特新“小巨人”企业数量为依据进行聚类分组。结果见图5，据此将10 个区县划分为A、B、C 共3个组类，各组相应的指标和所含区县见表4，不同组类之间的生境画像存在明显差异。

图5 宁波市各区县营商环境与专精特新“小巨人”企业数量聚类谱系

表4 宁波市专精特新“小巨人”企业栖息地生境画像特征

A 组区县的营商环境指数和7 个一级指标都明显优于B 组和C 组，以A 组各指标水平为基准，在专精特新“小巨人”企业数量方面，B 组和C 组的平均水平仅为A 组的0.52、0.27；在营商环境指数方面，B 组和C 组的平均水平仅为A 组的0.63 和0.39。不同组类区县间的7 个营商环境一级指标构成的营商环境水平存在差距，对应的专精特新“小巨人”企业数量也因此差异明显。

同时，A、B、C 组所有营商指标都随着专精特新“小巨人”企业数量一同递减，但此分组结果仅显示营商环境整体水平的高低导致企业数量的多少。杜运周等［15］曾基于组态分析提过，单一营商环境变量高低并不一定成为结果变量的必要条件，但是高政府效率表现着相对普适的正向作用。因此，以下将进行组态分析验证此分组结果，并探究哪些营商环境因素的组合对企业数量产生最为核心的影响。

3.3 组态分析

营商环境各变量间相互组合，协同影响专精特新“小巨人”企业数量的复杂机制，参考程建青等［16］的研究，比较适合fsQCA 方法的跨案例比较分析，从整体视角探索营商环境因素影响专精特新“小巨人”企业数量的因果复杂机制。

3.3.1 变量与校准

前因条件为各区县营商环境的一级指标，结果变量为各区县专精特新“小巨人”企业数量。为将原始数据转换为0～1 集合隶属度，在必要条件分析和充分性分析前，借鉴谭海波等［17］的研究，首先需要对7 个条件变量和1 个结果变量进行校准。根据Andrews 等［18］的做法，将完全隶属、交叉点和完全不隶属的3 个校准锚点分别设定为95%分位数、50%分位数、5%百分位数；此外，根据Crilly 等［19］的研究，为了避免案例被剔除的问题，将0.50 隶属度加上0.001 常数。各变量的校准锚点见表5。

表5 案例变量集合和校准

3.3.2 必要条件分析

使用fsQCA 分析营商环境单个条件变量的必要性。必要条件分析的判断标准是一致性水平高于0.9，则该条件变量可视为结果变量的必要条件［20］。如表6 所示，虽然高法治环境对高专精特新“小巨人”企业数量的必要性一致性大于0.9，且覆盖度大于0.5，但通过绘制散点图发现案例点大量分布于对角线左上方（见图6），未通过必要条件检验，即不存在产生高与非高专精特新“小巨人”企业数量的必要营商环境条件。

图6 X6 与Y 必要性案例散点图

表6 宁波市专精特新“小巨人”企业实现的单个条件必要性检验结果

3.3.3 充分性分析

使用fsQCA4.1 分别分析导致高专精特新“小巨人”企业数量和非高专精特新“小巨人”企业数量的营商环境组态，这些不同的组态表示实现同一结果的不同营商环境生态。

（1）产生高专精特新“小巨人”企业数量的环境生态。

参考杜运周等［21］的做法，将案例频数阈值设定为1，原始一致性阈值设为0.8，PRI 一致性阈值设为0.7。因为缺乏营商环境对专精特新“小巨人”企业数量影响作用的确切理论支撑，所以在进行反事实分析时，勾选单个营商环境条件出现与否均可贡献高专精特新“小巨人”企业数量。根据梁玲玲等［22］的研究，以中间解为主，辅助简单解找到核心条件与边缘条件：变量同时在中间解与简单解中存在的为核心条件，只在中间解中存在的为边缘条件。分析结果见表7，其中产生高专精特新“小巨人”企业数量的组态有2 个（S1a、S1b），参照Fiss［23］的观点，其构成了二阶等价组态（二者核心条件相同）。下面对两种组态进行命名分析。

表7 宁波市高、非高专精特新“小巨人”企业数量实现的条件组态

法治市场主导下依托公共服务的创新驱动型。组态S1a 指出以高公共服务、高市场环境、高创新环境、高法治环境为核心条件，非高人力资源、非高金融服务、非高政务环境为边缘条件，可以充分地产生高专精特新“小巨人”企业数量。典型案例为镇海区、余姚市。工业是镇海的立区之本，临港靠海的市场环境优势及配套的公共服务决定了镇海区必须承担起世界级绿色石化基地建设主阵地的特殊使命，同时，镇海区发挥科创资源集中优势，以创新环境为培育基，提升石化产业价值链；但受人口基数和地域面积较小的限制，镇海区在产业发展上有着天然的要素瓶颈，资源要素劣势倒逼镇海区走上高质量“专精特新”发展的主动谋变之路。

法治市场主导和政府助力下依托公共服务的创新驱动型。组态S1b 指出以高公共服务、高市场环境、高创新环境、高法治环境为核心条件，高人力资源、高金融服务、高政务环境为边缘条件，可以充分地产生高专精特新“小巨人”企业数量。典型案例为鄞州区、慈溪市。这一组态属于全能型，尤其是鄞州区，其各项指标均处全市前列，但仅为营造促进“专精特新”企业发展的良好生态环境，复刻此条件的成本也较大，也不具备实践价值。营商环境的改进与“专精特新”企业成长存在边际效应，营造契合本地中小企业“专精特新”转型的营商环境生态即可，正如组态S1a，而非强求各方面尽善尽美。

可以看出，组态S1a、S1b 均可以产生高专精特新“小巨人”企业数量，高公共服务、高市场环境、高创新环境、高法治环境4 个要素的共同作用是最为核心的影响因素。

（2）产生非高专精特新“小巨人”企业数量的环境生态。

借鉴荆浩等［24］的研究，为检验因果非对称性，对产生非高专精特新“小巨人”企业数量的组态进行分析，发现2 个组态（NS1a、NS1b）产生非高专精特新“小巨人”企业数量，并同样相互构成了二阶等价组态。

组态NS1a 显示，即使在人力资源、金融服务、政务环境等边缘条件水平较高的情况下，如果缺乏公共服务、市场环境、法治环境等核心条件，专精特新“小巨人”企业数量依然会较少。典型案例为海曙区、江北区。作为宁波历史最悠久的区域，海曙区受限于老城区劣势的制造业市场环境及错位的公共服务重心，即使拥有较高的人口密度、前列的金融岗位，但在“专精特新”发展方面仍较为迟缓。

组态NS1b 显示，在各营商环境要素均表现不佳时（公共服务、市场环境、法治环境等核心条件和人力资源、创新环境、金融服务、政务环境等边缘条件均缺乏），专精特新“小巨人”企业的数量无法显著增长。典型案例为宁海县、象山县。位于宁波市南翼的宁海县和象山县，受限于地理因素，产城融合发展不足，城市化滞后工业化，“专精特新”发展较为迟缓，其教育、医疗、文化等公共服务和商业服务供给不足，难于引进优秀的专业技术人才和管理人才；企业多但规模小，缺乏行业头部企业，发展行业多但大多缺乏比较竞争优势；产业与资源不匹配，两县具有丰富的海洋资源，但相关产业的发展依然只是起步，并未成为主导产业。

不难发现，组态NS1a、NS1b 都呈现出共有的特征，即公共服务、市场环境和法治环境不佳，无论其他环境条件水平如何，都将导致专精特新“小巨人”企业数量保持低水平。

4 结论与建议

4.1 结论

本研究得出如下主要结论：（1）宁波市是中国专精特新“小巨人”企业密集分布的“龙头”城市，其专精特新“小巨人”企业空间分布宛如“天女散花”，10个区县覆盖率达到100%，在热点空间上整体呈“一极双核”的模式，并有“北多南少”的集聚型分布格局。（2）宁波市专精特新“小巨人”企业中制造业企业数量占比达87.78%，主导了专精特新“小巨人”企业的行业构成，且其分布也与整体情况类似；其次是科学研究和技术服务业，但其分布呈“单极”模式。（3）宁波市专精特新“小巨人”企业数量与其所在地营商环境状况存在显著正相关，聚类分析甄别划分的A、B、C 三组区县进一步揭示不同类别间生境画像存在明显差异。（4）两种营商环境组态可以殊途同归地产生高专精特新“小巨人”企业数量，包括法治市场主导下依托公共服务的创新驱动型、法治市场主导和政府助力下依托公共服务的创新驱动型，但单个营商环境要素并不构成高专精特新“小巨人”企业数量产生的必要条件，而优化法治环境、市场环境、创新环境、公共服务对高专精特新“小巨人”企业数量发挥着普适的作用，如若公共服务、市场环境和法治环境不佳，无论其他环境条件如何，都将导致专精特新“小巨人”企业数量保持低水平。

4.2 建议

本研究探讨营商环境生态与专精特新“小巨人”企业数量背后的多元驱动机制，发现单一营商环境变量不足以推进“专精特新”企业发展，不同地区资本和技术禀赋不同，营商环境境况不同，发展“专精特新”企业的路径也不同，应调整政府和市场逻辑，探寻优化营商环境的适宜路径，释放生态系统的合力。政策制定需要发挥核心营商环境要素组合促进“专精特新”企业的作用，法治环境是根本，提供良好的公共服务、扩充市场环境体量、培育创新环境是促进专精特新“小巨人”企业发展的重中之重。

相较于其他城市，宁波市的传统制造业占比仍然较重，在新一轮科技革命与产业变革加速融合的当下，需要抢抓新机遇、培育新赛道，加快新旧动能的转换。显然，宁波市仍需要更多战略性新兴产业及未来产业的谋划与布局，需要培育量更多、面更广的“新星”企业、瞪羚企业及独角兽企业。要发展“大优强”企业，离不开单项冠军企业及专精特新“小巨人”企业的培育。只有进一步增强大企业实力、增加优质中小企业数量、建设拥有强势话语权的单项冠军企业梯队，加快形成以绿色为导向、新经济为主力、高技术为支撑的产业结构，宁波制造才能真正跃升为智造和创造。