特大城市产业发展与就业人口的协同特征变化研究——以深圳市制造业为例
2025-06-25摘要
产业是城市经济发展的核心动力,产业发展与就业人口的协同特征研究可以为特大城市的产业人口政策和规划提供指导。文章以深圳市为例,基于第六次(2010年)和第七次(2020年)人口普查数据及企业大数据,系统研究深圳市重点制造业产业发展与就业人口协同特征演变。研究发现:深圳市的制造业结构不断优化,传统制造业的郊区化特征明显,技术密集型产业和资金密集型产业快速增加;尽管技术密集型产业和资本密集型产业的产业人口吸纳能力逐渐增强,就业人口的教育水平普遍提高,以生物医药与健康为代表的高技术产业推动就业人口的高层次发展和性别就业公平,但就业人口大龄化、性别比失衡、居住条件普遍下降等问题突出;产业人口的空间协同性总体呈增强趋势,但协同程度在不同制造业间存在较大差异。面对这一系列挑战,特大城市需制定适当的产业人口保障策略,进一步提高城市竞争力和吸引力,确保城市可持续发展。
作 者
辜智慧 深圳大学建筑与城市规划学院教授
陈 婷 深圳市规划和自然资源局福田管理局专技岗
陈逸润 深圳大学建筑与城市规划学院硕士研究生
张 艳 深圳大学建筑与城市规划学院教授(通信作者)
01
研究背景
大量事实证明,全球经济发展日益受到主要大城市发展的驱动。因此,促进城市发展的关键也是促进全球经济发展的关键。特大城市作为现代社会的经济引擎,吸引了大量的人口,聚集了多元的产业和商机,对国家和全球经济产生深远影响。随着城市规模不断扩大和全球化发展,特大城市的产业结构和就业人口也在不断演变。一些传统产业的衰退和新兴产业的崛起,导致城市内部就业机会分布不平衡,引发社会和经济不平等问题。因此,了解特大城市中产业发展和就业人口的协同特征,有助于政府和企业更好地规划空间资源,优化产业结构,创造更多的就业机会,提高城市的国际竞争力,确保城市的可持续发展。作为中国的特大城市之一,深圳市提供了一个显著的案例研究。自20世纪80年代以来,深圳市吸引了国内外大量投资,特别是制造业领域,重点发展高新技术制造业并着眼服务型制造业的培育。2022年5月,深圳市发布《关于进一步促进深圳工业经济稳增长提质量的若干措施》,提出“工业立市”“制造强市”,将制造业的重要性推向新高度。在产业高质量发展的要求下,深入了解制造业产业发展与就业人口之间的协同特征变化,无疑对深圳市的产业政策和空间规划具有重要的参考意义,并可以为其他特大城市的产业发展提供借鉴。
产业发展与就业人口互为因果、彼此作用,但以产业和经济对就业人口的主导作用为主,就业人口对经济和产业的效应是一种反馈。一方面,产业发展影响就业人口的结构。产业发展通过总量作用、直接效应、关联效应、乘数效应等增加就业机会。配第—克拉克定律和库兹涅茨法则揭示了伴随人均国民收入的提高,劳动力由第一产业向第二、第三产业转移的普遍规律。都阳等利用东京、巴黎和纽约等大都市统计年鉴数据进行实例分析并总结国际经验。路兰(Lu)等、刘红光等发现,资本密集型产业对人口的吸引力随着劳动力蓄水效应的增强而逐渐增加,并分析我国区域间产业转移的梯度模式;产业结构优化提高了就业人口的受教育水平,促进了就业性别的均衡化。孟庆运利用第五次全国人口普查、第六次全国人口普查数据,对我国三次产业人口受教育情况进行定量分析,发现产业人口受教育程度随着产业结构的优化而提高。玛丽娜·阿德谢德(Marina)等与沈茂英对国内外女性就业水平与质量的研究表明,产业技术的提高促使女性越来越多地参与城镇劳动力市场竞争;产业结构在空间上的变化影响就业人口的分布格局。叶仁荪、肖维泽等的研究表明,我国三次产业分布的地区和城乡格局造成就业人口流入的空间差异,引发地区间经济发展的不平衡。王振坡等、李君等 的研究指出,产业布局是驱动人口郊区化的重要因素。冯建等、王春兰等、胡秀媚等相关学者通过对北京、上海、广州等特大城市的研究,证实第二产业向郊区迁移带动居住郊区化,指出政府应利用行政手段对空间分异产生的社会后果进行干预和作用。
另一方面,就业人口的变化对产业发展具有反馈作用。赵光辉、唐国华等强调人才素质对技术密集型产业发展的影响,以及对生产要素优化配置的作用。汪伟等以人口普查1%的抽样数据为样本,将劳动人口的年龄结构引入生产函数,研究中、青、老年劳动者的边际劳动生产率差异。但总体上,中国劳动力就业结构的调整远远落后于产业结构的升级。研究发现,我国人口增长速度持续放缓、人口老龄化速度加快等发展形势,将影响未来劳动力市场供给。张延平等以全国30个省、市为样本,进行人才与产业的协调适配度测评,结果表明各省、市的协调适配等级并不高。蒋荷新等利用人口普查数据,分析发现上海市存在大量低教育程度劳动人口,使得低效率的传统制造业迟迟不能转型。孙铁山、郑思齐等学者的研究指出,中国超大城市中居住与就业空间的不匹配是普遍存在的问题,特别是制造业中常住人口“居住—就业”空间错位的程度相对较高。
综上所述,首先,对产业发展与就业人口的研究多集中在国家和区域层面的城市横向对比,较少关注城市内部的纵向变化;其次,对就业人口的研究较多关注三次产业及流动人口特征,掩盖了就业人口在不同行业间的变化差异;最后,研究关于就业人口构成的发展变化对行业发展的适应与反馈作用的探讨较少,更缺乏将就业人口的住房条件、职住空间等住房外部特征与产业发展置于统一框架下的探讨。在产业转型升级的背景下,这些研究难以支撑从产业发展角度提出的就业人口相关保障和空间规划政策。因此,本文围绕就业人口和产业发展的关系,基于深圳市第六次人口普查、第七次人口普查和企业大数据,对比2010年和2020年两个时间节点上不同制造业就业人口的结构特征和居住特征,分析深圳市制造业产业发展与就业人口的协同特征变化趋势,探讨深圳市“工业立市”“制造强市”的产业人口保障关键,以期为制造业的产业发展提供“深圳经验”。
02
研究设计
本文选取深圳市九大重点制造业产业为研究对象,数据来源于深圳市经济普查年鉴、人口普查抽样数据以及企查查网站数据,通过GIS软件平台和双变量局部莫兰指数分析方法,研究深圳市重点制造业产业的发展特征、就业人口结构特征以及“产业—人口”空间协同特征。
2.1 研究对象
2.1.1 产业发展特征分析
产业发展现状包括产业数量规模、结构及空间分布等方面,其内涵是通过分析产业内在产品附加值的高低及区位选择情况,揭示产业结构的变化趋势。本文通过比较制造业重点产业的企业数量和注册资金数量的变化,以及新增企业点与原有企业点的时空演化两个部分,分析深圳市重点产业时间及地理发展特征。
规模变化:统计企业大数据中各重点产业的企业数量和注册资金数量,通过对比分析2010年与2020年的数量变化,分析各产业发展现状和发展潜力。
时空演化:统计企业大数据中制造业重点产业企业点的经、纬度信息,以2010年与2010年两个时间节点作为分界线,通过GIS软件平台进行核密度分析,比较各产业新增企业的时空演化特征。采用核密度分析法,通过计算深圳市域范围内企业的密度,表征企业在空间上分布的疏密程度。计算公式如下:
式中,f(x, y)为某观测点的核密度估计值;n为观测企业数量;h为搜索半径;di(i=1, 2, …, n)为企业位置与第i个观测值的距离;k为参数。
2.1.2 就业人口结构特征分析
就业人口结构通常指产业中劳动力人口的数量、比例及其相互关系,反映社会劳动力市场的分配情况,是体现国民经济发展水平的重要指标;住房是就业人口在城市发展的生活资料和物质保障,居住水平是生活质量和社会融入程度的体现。因此,本研究通过对不同产业人口规模、教育程度、年龄结构、性别比例及住房条件五方面的分析,阐述不同产业就业人口的结构特征。
人口规模:统计人口普查数据中各重点产业就业人口的数量,通过比较2010年与2020年就业人口的数量,计算各产业就业人口规模增长或减少的情况。
教育程度:统计人口普查数据中各重点产业就业人口的文化程度,将其汇总成小学及以下低学历、中学学历、大专及以上高学历三大类,并与全市就业人口的平均水平进行比较,衡量产业就业人口受教育水平的变化。
年龄结构:统计人口普查数据中各重点产业16~60岁在业人口的年龄分布,将16~25岁年龄段视作青年劳动力,26~45岁年龄段视作壮年劳动力,46~60岁年龄段视作中年劳动力。计算各产业就业人口的年龄结构分布。
性别比例:统计人口普查数据中各重点产业就业人口的男女性别比,即以女性为100,男性对比女性的数量比例来表征。计算各产业就业人口的男女分布差异。
居住特征:统计人口普查数据中各重点产业就业人口的住房来源、租金水平及住房条件。其中,住房来源方面,将住房来源为租赁廉租房及租赁其他住房的划分为租房人口;将住房来源为自建住房、购买商品房、购买二手房、购买经济适用房和购买原公有住房的划分为自有住房人口;将不属于以上几种房屋产权的划分为其他住房人口。住房条件方面,将产业人口居住用房是否配备自来水、卫生间、洗浴、厨房四类设施作为赋分0或1的标准,然后加和计算各产业就业人口的居住环境优劣程度。
2.1.3 “产业—人口”空间协同特征分析
通过计算社区内不同制造业的企业点分布密度与就业人口居住密度之间的双变量空间自相关程度,探析社区尺度下不同制造业产业人口的空间协同情况。双变量局部莫兰指数计算公式如下:
式中,Iijpq为社区行政单元i中p类空间与邻近行政单元j中q类空间的双变量局部莫兰指数;Sp和Sq分别为p类空间和q类空间变化量的方差。这里的空间权重矩阵为基于邻接关系的空间权重Queen邻接,临近的秩为1。莫兰指数的取值范围为[-1, 1],结果为(0, 1],则为正相关,表示具有相似属性的对象聚集在一起;结果为[-1, 0),则为负相关,表示具有相异属性的对象聚集在一起;结果为0,则不存在空间自相关。莫兰指数的显著性可以通过P值来判断,当P<0.05时,通常认为是显著的;当P>0.05时,则可能是非显著的。
根据结果的统计学意义,聚类模式可分为HH聚类、LL聚类、LH聚类和HL聚类。其中,HH聚类和LL聚类表明两者的空间协同度较高,即制造业企业聚集度高的社区,其邻近社区的产业人口聚集度也较高;企业聚集度低的社区,其邻近社区的产业人口聚集度也较低。而HL聚类和LH聚类则表明两者并不协同。
2.2 研究对象与数据来源
2.2.1 研究对象
深圳市作为中国制造业的重要基地之一,其产业空间结构体现了多元化和高效性。目前,南山区和龙岗区等地聚集大量的高科技企业和电子信息产业,成为深圳市的创新高地;宝安区和龙华区等地则以现代制造业和轻工业为主,形成传统制造业集聚区。本文以深圳市2018年经济普查年鉴数据为标准(表1),选取生物医药与健康、汽车、超高清视频显示、新一代电子信息、智能家电、先进材料、绿色石化、现代轻工纺织、现代农业与食品九大重点制造业产业作为研究对象。据统计,产业人口数量占制造业当年期末人数(418.81万)的93.20%,工业产值占制造业当年总产值(33978.01万元)的94.89%,能较好地反映深圳市制造业产业的人口结构和发展水平。
表1 2018年深圳市重点制造业产业经济普查概况
Tab.1 An overview of the economic survey of key manufacturing industries in Shenzhen in 2018
资料来源:深圳市2018年经济普查年鉴
2.2.2 数据来源
本文以社区为统计单元,采用深圳市第六次人口普查(2010年)、第七次人口普查(2020年)1%的抽样数据,包括就业人口的数量、年龄、性别、受教育程度、就业行业代码、居住条件等信息。以官方统计口径为准,结合《广东省国民经济行业分类》中类代码,将就业人口按所属行业进行分类,得到各产业人口的人口结构、居住条件等信息。据统计,2010年的抽样数据中就业人口75.46万人,其中重点制造业产业人口54.08万人,占比71.67%;2020年的抽样数据中就业人口达119.82万人,其中重点制造业产业人口60.65万人,占比50.62%。
本文采用企查查网站数据,包含企业名称、所属国民经济行业(门类、大类、中类)、注册时间、详细地址等信息。基于高德地图API接口,获取每个企业的经、纬度坐标,将企业以坐标点的形式准确定位到具体空间位置上。结合2017年《广东省国民经济行业分类》中类代码,将企业按所属产业进行分类,并按企业注册时间,以2010年12月31日和2020年12月31日为节点进行二次划分。经查询,2010年底,深圳市重点制造业注册企业10.52万个;2020年底,深圳市注册企业25.59万个。
03
分析结果
产业发展与就业人口结构具有相互影响的关系。首先,通过比较深圳市九大重点制造业规模变化以及时空演化分析不同制造业产业发展特征;其次,从就业人口规模、教育程度、年龄结构、性别结构、住房条件四方面分析产业人口结构特征;最后,居住—就业空间分布体现着区域内部产业、人口发展的地区差异,从居住和就业的空间协同效应探讨制造业不同产业的协同集聚特征。
3.1 制造业发展特征
3.1.1 产业规模变化
从深圳市2010年、2020年各重点产业在企业数量上的变化(图1)可知,生物医药与健康产业的增长速度最快,增长率达377.17%,现代轻工纺织、新一代电子信息、超高清视频显示的企业数量变化也较为显著;从注册资金来看,汽车产业的注册资金增长率达1196.38%,其次是生物医药与健康产业,以及超高清视频显示产业;生物医药与健康、新一代电子信息、先进材料企业的产业发展较为均衡,表现为较高的企业数量和注册资金;汽车、超高清视频显示产业的企业数量较少,但注册资金增长速率快,以新增大型资本密集型企业为主;智能家电、绿色石化、现代轻工纺织、现代农业与食品产业新增企业数量多,但以中小企业为主。企业大数据与经济普查数据同时显示深圳市制造业的发展特征:现代轻工纺织等传统制造业仍占据市场主体,生物医药与健康、汽车等高新技术产业和资本密集产业具有较大发展潜力,深圳市制造业结构不断优化。
图1 2010年和2020年深圳市重点制造业企业数量和注册资金变化
Fig.1 Changes in the number and registered capital of key manufacturing enterprises in Shenzhen in 2010 and 2020
资料来源:深圳市2020年企业大数据
3.1.2 产业时空演化
从企业的空间分布结果(图2)来看,2010年以前,深圳市重点制造业产业多分布在城市中心区;2010年以后,各产业新增企业具有不同的空间集聚趋势。生物医药与健康、超高清视频显示产业围绕原有集聚区扩张发展,在企业外扩速度上低于其他产业。其中,超高清视频显示产业在宝安区石岩、沙井等先进制造园区重点布局,生物医药与健康产业在龙岗东部先进制造园区、坪山金沙—碧湖先进制造园区布局的高端医疗器械产业将加快其产业集聚区演化;宝安区将接纳更多智能终端、网络通信等产业集聚;光明区产业园区规划以材料、仪器制造产业发展为主。因此,汽车、新一代电子信息、智能家电、先进材料、绿色石化等产业依托原有中心区的企业发展优势,向宝安、光明等城市郊区扩张,形成连片发展区;现代轻工纺织、现代农业与食品产业发展较为分散,整体呈现向龙岗、龙华、宝安等区均衡发展的特征。深圳市先进制造业园区空间布局规划也显示龙岗区和龙华区的产业园区保留部分劳动密集型产业,承接此类产业的转型与发展。由此可看出,深圳市产业的时空演化整体呈由点带面的外溢特征,其空间集聚趋势与深圳市未来先进制造业园区的空间布局规划密切相关。
图2 深圳市重点制造业企业时空演化
Fig.2 Spatio-temporal evolution of key manufacturing enterprises in Shenzhen
资料来源:笔者自绘
3.2 产业人口结构特征
3.2.1 人口规模
产业人口规模演变的首要动因是工业化进程带来的产业结构变迁,产业人口数量的变化一定程度上反映出产业发展的趋势。从深圳市2010年、2020年不同制造业产业人口数量变化(图3)来看,传统劳动密集型产业具有一定的挤出效应,尤其是现代轻工纺织产业人口流失严重,与2010年相比,产业人口数量下降率达16.54%,在制造业整个行业中的占比下降6.78%,其次是绿色石化;而技术和资本密集型产业的产业人口吸纳能力不断增强,生物医药与健康产业的增长趋势最明显,与2010年相比,产业人口增长率达218.36%,在制造业整个行业中的占比增加4.17%,其次是新一代电子信息、超高清视频显示和智能家电等产业,产业人口数量增加幅度较大,汽车产业人口增长率也较高。
图3 2010年和2020年深圳市重点制造业产业人口数量变化
Fig.3 Population changes of key manufacturing industries in Shenzhen in 2010 and 2020
资料来源:深圳市第六次人口普查、第七次人口普查数据
3.2.2 教育程度
产业的本质属性在客观上影响产业人口的教育层次,产业人口受教育程度的变化与行业结构整体优化的程度有关。从全市就业人口的教育程度分布(表2)来看,深圳市就业人口中学及以下学历人口占比下降,大专及以上学历人口占比显著上升,整体呈优化趋势。不同制造业中仅有生物医药与健康产业人口的教育结构优于全市就业人口的平均水平;汽车、超高清视频显示及新一代电子信息产业与全市发展水平较为一致;其他产业人口的教育结构均低于平均水平。产业人口受教育程度的比例变化显示出产业对人才的吸引差异及产业内部结构的提升和变化。
单位:%
表2 2010年和2020年深圳市重点制造业产业人口的教育结构对比
Tab.2 Comparison of education structure of key manufacturing industry population in Shenzhen in 2010 and 2020
资料来源:深圳市第六次人口普查、第七次人口普查数据
3.2.3 年龄结构
行业结构变化还会促使产业人口年龄结构发生变化。如图4所示,深圳市整体就业人口的年龄平均值从2010年的27岁发展为2020年的44岁,不同制造业产业人口的青年劳动力占比均有较大幅度的降低,壮年和中年劳动力的比重相对增加,显示出劳动力“老龄化”的趋势。从各产业2010年、2020年的年龄人口占比变化可知,生物医药与健康、汽车、超高清视频显示、新一代电子信息、智能家电、先进材料产业人口增加以26~45岁为主,2020年平均就业年龄32~36岁;而绿色石化、现代轻工纺织及现代农业与食品产业人口增加以46~60岁为主,平均就业年龄升至36~40岁,呈“高龄化”倾向。随着社会整体劳动力老龄化现象的产生,以及高新技术产业对劳动者教育背景要求的提高,产业人口的平均就业年龄将呈延后趋势。
图4 2010年和2020年深圳市重点制造业产业人口年龄变化
Fig.4 Age changes in the workforce of key manufacturing industries in Shenzhen in 2010 and 2020
资料来源:深圳市第六次人口普查、第七次人口普查数据
3.2.4 性别结构
行业结构的本质属性影响就业人口男女性别比的构成。从2010年、2020年就业人口性别比构成(图5)可以看出,深圳市制造业就业人口性别比相对偏大,除医药与健康产业外,其他制造业男性就业人口占比较为突出。除汽车和现代农业与食品产业外,其他产业人口的性别比在进一步上升,特别是超高清视频显示、新一代电子信息及先进材料产业,2020年就业人员的性别比均上升到150%以上。总体来看,生物医药和汽车产业在自身内部结构的高端化和复杂化趋势下,性别比差异较小,且略有下降,汽车产业的男性就业人口比例显著下降,高学历女性获得更多的就业机会。
图5 2010年和2020年深圳市重点制造业产业人口性别比变化
Fig.5 Gender ratio changes in the workforce of key manufacturing industries in Shenzhen in 2010 and 2020
资料来源:深圳市第六次人口普查、第七次人口普查数据
3.2.5 住房条件
住房是就业人口在城市发展的重要生活资料和物质保障。从各产业人口在2010年、2020年的住房来源(图6)可知,2010—2020年,深圳市不同制造业就业人口的租房率有较大幅度上升。其中,绿色石化、汽车及先进材料产业就业人员的租房率上升最快,分别高达15.46%、14.83%和14.39%;生物医药与健康及现代农业与食品产业的就业人员住房自有率相对较高,前者主要来源于购买经济适用房、商品房、原公租房等普通住宅,后者大部分来源于自建住房的继承与赠与。住房租赁市场的需求相对不受房价的影响,能有效抑制房价上涨对人口的排挤效应。因此,租房仍然是深圳市制造业产业人口的主要选择。
图6 2010年和2020年深圳市重点制造业产业人口住房来源变化
Fig.6 Changes in the housing sources of the workforce in key manufacturing industries in Shenzhen in 2010 and 2020
资料来源:深圳市第六次人口普查、第七次人口普查数据
住房条件水平是就业人口生活质量和社会融入的重要因素,产业发展所处阶段的不同,促使就业结构差异化发展,影响产业人口的人均收入和生活水平,最终导致就业人口对住房服务的需求结构发生相应变化。2010—2020年,深圳市制造业产业人口的租房成本大幅度上升,但住房条件却显著下降。如图7所示,仅生物医药与健康及现代农业与食品产业人口的住房条件下降幅度略低于其他产业,但其租金水平明显高于其他产业。住房条件下降与住房成本激增的矛盾,无疑会对产业人才的吸引力产生一定程度的阻碍。
图7 2010年和2020年深圳市制造业产业人口住房条件及租金变化
Fig.7 Changes in housing condition and rent for the workforce of the manufacturing industries in Shenzhen in 2010 and 2020
资料来源:深圳市第六次人口普查、第七次人口普查数据
3.3 产业人口空间协同特征
本文通过对不同社区、不同制造业企业分布密度与就业人口居住密度的空间自相关分析,探讨深圳市不同制造业的产业分布及其就业人口居住的空间协同性与变化(图8);通过对各产业就业与居住双变量空间自相关分析,得到局部莫兰指数及散点图。可知,深圳市重点制造业产业的莫兰指数整体为正值,且散点大多位于第一象限,表明其就业与居住分布之间存在一定程度的正相关关系。具体而言,汽车、新一代电子信息、智能家电、先进材料及绿色石化产业的莫兰指数均明显大于0。从时间变化来看,这些产业的莫兰指数呈增大趋势,表明在就业与居住方面,这些产业之间存在着明显的空间正相关性,工人们倾向于选择邻近工作单位的居住地点,方便通勤;而这些制造业企业也倾向于在人口密集地区建立工厂,以便获取劳动力资源。然而,生物医药与健康、超高清视频显示、现代轻工纺织及现代农业与食品产业的莫兰指数虽然也为正值,但趋势逐渐减小,表现出这些产业的生产特性或就业需求与员工居住地选择的变化,导致两者间的正相关程度逐渐减弱。
图8 2010年和2020年深圳市重点制造业产业人口“就业—居住”莫兰散点图
Fig.8 Moran scatterplot of employment-residence patterns for the workforce in key manufacturing industries in Shenzhen in 2010 and 2020
资料来源:笔者自绘
双变量空间自相关分析结果中,“HH”集聚和“LL”集聚代表空间协同,“HL”集聚和“LH”集聚代表空间不协同。从整体分析结果来看(表3),智能家电、先进材料、绿色石化及现代轻工纺织产业的协同社区数量较多,不协同社区数量较少,超过1/3的社区表现出显著的协同效应;而生物医药与健康、汽车及现代农业与食品产业协同社区数量较少,大部分社区存在一定程度的不相关。从2010—2020年协同社区数量变化来看,制造业各重点产业的“居住—就业”空间协同社区数量均有显著提升,汽车及智能家电产业的协同社区增长量均超过100个;不协同社区增长数量较少,特别是超高清视频显示、新一代电子信息、先进材料及绿色石化产业的不协同社区数量出现负增长趋势。
表3 2010年和2020年深圳市重点制造业“产业—人口”协同社区数量变化
Tab.3 Changes in the number of employment-housing synergistic communities in key manufacturing industries in Shenzhen in 2010 and 2020
资料来源:笔者自绘
从“就业—居住”的局部空间自相关图(Local Indicators of Spatial Association, LISA)(图9)来看,整体上,宝安、龙岗、光明等区域易产生“高就业—高居住”集聚区,且在周边开始形成一定数量的“低就业—高居住”集聚区,对于制造业而言,城市中心区多为“低就业—居住低”集聚区。从变化趋势来看,2020年城市外围地区的“高就业—高居住”协同趋势显著升高,而中心城区的“低就业—低居住”协同趋势也在显著增强。具体到不同产业类型,生物医药与健康产业的协同区重心开始向南山、龙岗等区偏移;汽车产业的“产业—人口”协同区主要在坪山区,并且开始在宝安区形成新的协同区;超高清视频显示、新一代电子信息、智能家电等产业主要集中在宝安和光明两区;先进材料、绿色石化、现代轻工纺织及现代农业与食品等产业的协同区主要集中在宝安和龙岗两区。
图9 2010年和2020年深圳市重点制造业产业人口“就业—居住”空间分布LISA图
Fig.9 LISA map of employment-residence spatial distribution for the workforce of key manufacturing industries in Shenzhen in 2010 and 2020
资料来源:笔者自绘
04
结论与探讨
本文从产业发展与就业结构关系的角度出发,以深圳市不同制造业为研究对象,基于人口普查及企业大数据构建产业人口关系特征研究体系,并对2010年和2020年数据进行对比,分析重点制造业的产业发展、就业人口结构及其空间协同特征变化。研究表明:
第一,随着深圳市制造业产业的转型升级,产业人口总体呈现向更高结构层次发展的趋势。深圳市制造业发展重点从劳动密集型向技术和资金密集型转变,以生物医药与健康为代表的高新技术产业发展潜力巨大,对劳动力的吸引力增强。高等教育作为人力资本投资的主要途径之一,决定产业的劳动生产效率和创新能力,产业的转型升级,促使大量就业机会从仅具备中学及以下学历的青年人口向高素质的壮年人口转移,对大量高学历女性的吸纳,进一步促进性别就业的公平。但值得关注的是,目前深圳市制造业中的现代轻工纺织、绿色石化、先进材料等劳动密集型产业占比较大,产业人口老龄化趋势是阻碍此类传统产业转型升级的重要因素。深圳市制造业产业人口的住房条件均有较大幅度的下降,居住环境与居住成本存在明显差距。而人才占比越高的产业,对居住条件的要求也相应提高,目前的居住现状并未较好地满足产业人口的居住需求,居住环境质量问题对产业人才吸引力产生制约作用,未来可能造成对人才吸引力下降等问题。
第二,深圳市制造业产业的空间演化及其与人口的空间协同分析表明,制造业的新增企业数量和就业岗位的郊区化趋势十分明显。宝安、光明、龙华与龙岗等区域的“高就业—高居住”聚类特征明显,且协同社区数量有明显提升。但中心城区的产业人口空间不协同问题较为突出,尤其是技术和资金密集型产业,如生物医药与健康产业、智能家电等。产业分布与就业人口居住空间的不协同,意味着职住分离特征更加明显,这将增加产业人口的通勤成本及城市资源的利用压力。考虑到产业未来发展及人口居住的需求,根据各产业居住就业协同关系预留发展空间十分重要。
当前,深圳市制造业处于提质优化的关键时期,需进一步重点关注以高学历青年为主要服务对象的人才保障房建设,改善重点产业人口的居住条件,提升城市对就业人口的吸引力和产业竞争力。此外,还应关注企业空间分布与就业人口居住的空间协同关系,促进产城融合,提升城市资源的利用效率。