-
2020年初暴发的新型冠状病毒肺炎（coronavirus disease 2019，COVID-19）引起了人们对国家重大公共卫生事件应急处理能力的集体讨论和反思[1]。疫情发生以来，学者们从疫情发展规律[2]、医疗物资调配[3]、应急管理系统[4]、大数据疫情管控[5-6]、社会学理论[7]、医院管理与建设[8]等多个角度研究了公共卫生事件应急管理和策略，鲜有研究从医用物资生产供应角度制定公共卫生事件应急策略（简称应急策略）。基于经济空间场理论对医药制造业波及效应进行分析，能从医用物资生产链的角度指导医药制造业的发展，提高医用药品的供给能力。结合探索性空间数据分析（exploratory spatial data analysis，ESDA）探究中国大陆医药制造业的空间布局现状，能为地区产业的发展提出更具针对性的建议，从而提升地区公共卫生事件的应对能力，制定各省应急策略。
经济空间场理论由冯宗宪[9]基于经济学的投入产出法并借助物理学中的场理论所提出。该理论包括波及效应梯度场等重要模型，成为研究产业经济空间的重要方法之一。基于波及效应梯度场建立的感应度梯度和影响力梯度分别衡量了产业在经济空间中的推动作用和拉动作用，近年来被学者们运用到空间分析和空间相互作用等地理研究中，以预测产业发展[10]、分析经济空间梯度[11]和探究产业空间联系[12-14]等。
尽管感应度梯度和影响力梯度能够衡量各个产业的波及能力，但仍然难以分析单个产业对其他产业的具体影响。而且，当前经济空间场理论与地理分析方法的结合尚处于初步运用阶段，只有与城市引力模型相结合的个别研究[12-14]，这对产业空间布局具有一定的指导作用，但无法针对单个产业的发展提出具体建议。
针对以上不足，本文基于波及效应梯度场构建生产诱发梯度，进一步完善经济空间场理论，分析医药制造业对其他各个产业的波及效应并确定医药密切相关产业。结合ESDA，探究各个省份医药制造业的空间聚集模式，评估各省公共卫生事件的应对能力，提出相应的医药制造业未来发展建议和突发公共卫生事件的应对措施。
-
投入产出法中常用消耗系数表示各部门之间的投入和产出关系[15-18]。直接消耗系数记为aij，表示产业部门j产出1个单位量时对部门i的直接消耗量。直接消耗系数越大，表明产业部门之间的直接依存关系越强。完全消耗系数记为bij，表示产业部门j每产出1个单位量时对部门i的完全消耗量，即：
$$ {b_{ij}} = {a_{ij}} + \mathop \sum \limits_{k = 1}^n {b_{ik}}{a_{kj}} $$ (1) -
完全消耗系数矩阵和直接消耗系数矩阵构造出一个产业经济空间。经济空间场理论将产业部门视为产业经济空间中的节点[9-10]。在这个空间中，每个产业都具有潜在的产业联系能力的性质[13]，如同物理场空间中每个点都对应着一个物理量一样。这些节点的投入、产出、收益等变化引起的其他节点的变动可以通过一定的梯度形式表现出来。学者们基于该理论建立了多种梯度场来模拟产业的相互影响和相互作用关系[10-11]。其中，运用最广的是波及效应梯度场，可表示为：
$$ \nabla \mathit{\boldsymbol{B}} = \mathop \sum \limits_{k = 2}^n \mathop \sum \limits_{l = 1}^n \left[ {\begin{array}{*{20}{c}} {{b_{1k}}{b_{l1}}}&{{b_{1k}}{b_{l2}}}& \cdots &{{b_{1k}}{b_{ln}}}\\ {{b_{2k}}{b_{l1}}}&{{b_{2k}}{b_{l2}}}& \cdots &{{b_{2k}}{b_{ln}}}\\ \vdots & \vdots &{}& \vdots \\ {{b_{nk}}{b_{l1}}}&{{b_{nk}}{b_{l2}}}& \cdots &{{b_{nk}}{b_{ln}}} \end{array}} \right]{a_{kl}} $$ (2) 式中，▽B即为波及效应梯度场；bij为完全消耗系数矩阵中第i行第j列的元素；akl为直接消耗系数矩阵中第k行第l列的元素；n为产业部门的类别数。波及效应梯度场能够反映由于某一产业部门的技术进步、效率提升、产业结构等变化所波及到的相关产业变动情况[10]。波及效应梯度场中建立的产业空间势能是进行产业空间联系、产业空间波及效应研究的基础。
-
为表征单个产业对其他产业的具体影响，本文借助投入产出模型中的生产诱发系数概念，基于波及效应梯度场构建了生产诱发梯度，用以反映医药制造业在整个产业经济空间中的动态生产诱发效应。可表示为：
$$ \mathit{\boldsymbol{W}} = \frac{{\Delta \mathit{\boldsymbol{B}} \cdot \mathit{\boldsymbol{Y}}}}{y} $$ (3) 式中，W为医药制造业对其他各部门的生产诱发梯度；ΔB为波及效应梯度场；Y为医药制造业对其他各部门的需求量；y为医药制造业的总需求量。医药制造业对某产业部门的生产诱发梯度能够反映医药制造业对该产业部门的诱导作用大小，即医药制造业每增加一个单位产值，通过波及效应梯度场可以计算传递到该产业上需要增加的产值。由于场理论中的梯度反映的是产业的位势高低和变化趋势，因此生产诱发梯度表征了单个产业在产业经济空间中对其他产业诱发效应的动态变化趋势。
-
ESDA可通过对现象或事物空间分布格局的描述和可视化发现其空间分布、时空差异、空间聚集等方面的特征，其核心是空间相关性分析[19-21]。Moran's I作为一种常用的反映全局空间自相关程度的指数[3, 7, 21]，可表征医药制造业的空间聚集水平。Moran散点图可反映某省份医药制造业水平与该省份空间滞后变量之间的相关关系，将省份分为高-高型聚集（HH）、高-低型聚集（HL）、低-高型聚集（LH）和低-低型聚集（LL）4种空间聚集类型，表征各省医药制造业的空间布局现状。
空间聚集类型为HH型的省份（简称HH型省份），其自身医药制造业发达，且其周围省份的医药制造业也较为发达。HH型省份应对突发公共卫生事件的能力强，其医药制造能力不仅可以满足省内医药品需求，而且产能溢出效应明显，具备医药生产技术和向其他省份输出医药物资的能力。
空间聚集类型为HL型的省份（简称HL型省份），其自身医药制造业发达，但其周围省份的医药制造业较为落后，其应对突发公共卫生事件的能力较强。HL型省份应充分利用自身优势资源如人力、企业形象、品牌信誉等，进一步提升医药企业生产水平，并加强与周围省份的产业联系，以带动周围省份医药制造业的发展。
空间聚集类型为LH型的省份（简称LH型省份），其自身医药制造业落后，但其周围省份的医药制造业发达。LH型省份的医药品生产能力无法满足省内医药品需求，其省内医药品缺口可直接由邻近省份提供[22]。长远来看，可利用区位优势积极引进相关技术和人才，提高医药品产能，以保障省内医药品供应。
空间聚集类型为LL型的省份（简称LL型省份），其自身医药制造水平低，其周围省份也无力提供医药品供给。因此，LL型省份医药品供给不足，公共卫生事件应对能力差，需要重点关注。LL型省份应结合省内产业结构基础，进一步完善医药企业运行保障机制，从而提高医药制造业生产水平。
-
通过完善经济空间场理论，分析医药制造业波及效应，得到医药密切相关的产业。利用ESDA探究中国大陆医药制造业空间布局和各省空间聚集类型，评估各省公共卫生事件应对能力。对于不同聚集类型的省份，基于医药制造业产业波及效应关系提出产业发展建议和应急策略。聚焦应急反应能力较差的省份，依据其医药密切相关产业的发展水平，提出更加详细的产业发展建议和应急措施。具体技术流程如图 1所示。
图 1 公共卫生事件应急策略制定技术流程图
Figure 1. Technique Flowchart for Development of Public Health Emergency Response Strategies
-
基于最新的2017年全国投入产出表，计算得到中国医药制造业对149个产业部门的直接消耗系数、完全消耗系数和各产业部门受医药制造业的生产诱发梯度，分别如表 1~3所示。由表 1、表 2可知，农业、畜牧业、基础化学原料制造业、商务服务业为医药制造业提供了较多的直接和间接消耗产品，是医药制造业的上游产业。由于医药用品属于最终消耗品，因此医药制造业没有明显的下游产业。与其他产业部门相比[16-17]，医药制造业对不同产业的消耗系数差异较小，与排名第1、第2、第3的产业联系都较为密切，说明其发展需要多种产业支撑，产业链较为复杂。
表 1 中国医药制造业对各产业部门的直接消耗系数排序
Table 1. Ranking of the Direct Consumption Coefficients of Chinese Pharmaceutical Industry on Each Industrial Sector
排名 产业部门 直接消耗系数 1 医药制品 0.221 3 2 农产品 0.071 9 3 畜牧产品 0.057 7 4 商务服务 0.056 1 5 基础化学原料 0.040 8 6 零售 0.034 0 7 批发 0.023 5 8 道路货物运输和运输辅助活动 0.017 4 9 货币金融和其他金融服务 0.016 0 10 电力、热力生产和供应 0.015 7 11 酒精和酒 0.014 6 12 棉、化纤纺织及印染精加工品 0.011 7 13 餐饮 0.011 1 14 玻璃和玻璃制品 0.009 2 15 造纸和纸制品 0.008 5 注：由于篇幅限制，只列出了排名前15的产业部门 表 2 中国医药制造业对各产业部门的完全消耗系数排序
Table 2. Ranking of the Complete Consumption Coefficients of Chinese Pharmaceutical Industry on Each Industrial Sector
排名 产业部门 完全消耗系数 1 医药制品 0.286 7 2 农产品 0.156 4 3 商务服务 0.119 9 4 基础化学原料 0.094 3 5 畜牧产品 0.084 2 6 电力、热力生产和供应 0.073 5 7 零售 0.068 8 8 货币金融和其他金融服务 0.066 1 9 批发 0.051 5 10 道路货物运输和运输辅助活动 0.046 1 11 精炼石油和核燃料加工品 0.035 7 12 造纸和纸制品 0.033 0 13 棉、化纤纺织及印染精加工品 0.030 3 14 石油和天然气开采产品 0.027 8 15 专用化学产品和炸药、火工、焰火产品 0.027 5 注：由于篇幅限制，只列出了排名前15的产业部门 表 3 中国医药制造业对各产业部门的生产诱发梯度排序
Table 3. Ranking of the Production-Induced Gradients of Chinese Pharmaceutical Industry on Each Industrial Sector
排名 产业部门 生产诱发梯度 1 电力、热力生产和供应 0.103 1 2 货币金融和其他金融服务 0.073 4 3 基础化学原料 0.071 0 4 商务服务 0.071 0 5 石油和天然气开采产品 0.062 7 6 农产品 0.059 4 7 电子元器件 0.058 9 8 精炼石油和核燃料加工品 0.056 0 9 煤炭开采和洗选产品 0.054 2 10 有色金属及其合金 0.043 9 11 批发 0.038 7 12 零售 0.037 9 13 专用化学产品和炸药、火工、焰火产品 0.037 5 14 道路货物运输和运输辅助活动 0.036 1 15 房地产 0.035 5 注：由于篇幅限制，只列出了排名前15的产业部门 医药制造业的上游产业中，农业、畜牧业、基础化学原料制造业为医药制造提供了生产原材料，其产品产量、质量等变化能直接影响医药制造水平。而商务服务业是具有高技术含量、高附加值特征的人力资本密集型行业[23]，医药制造业对商务服务业的直接消耗系数和完全消耗系数分别排名第4、第3，这说明医药制造业的发展十分依赖高技能劳动力和人力资本。
医药制造业的生产诱发梯度排名与直接消耗系数和完全消耗系数的排名存在较大差异。从表 3可以看到，医药制造业的产业波及作用明显，对国内支柱产业[24]的诱发效应普遍较高，如对金融业、电子制造业、石油能源工业甚至房地产业都有较强的诱发效应。
直接消耗系数、完全消耗系数和生产诱发梯度分别从3个方面反映了医药制造业的产业波及效应，对表 1~3中的3个排名进行求和排序，可得到各产业对医药制造业的综合影响力。结果发现，医药制造业受农业、商务服务业、基础化学原料制造业与电力、热力生产和供应业这4个产业的影响最大，本文将这些产业定义为医药密切相关产业。由直接消耗系数可知，4个医药密切相关产业加上医药制造业本身提供了超过40%的医药制造业生产要素。医药制造业对149个行业的总生产诱发额为1.635元，而对这4个产业的生产诱发额总和就达到了0.305元。因此，医药密切相关产业的合理发展可以有效带动医药制造业的发展。
经济空间场理论分析结果显示，医药制造业波及效应明显，说明可以通过加强区域合作和调整产业结构为医药制造业创造有利的产业发展环境，从而促进医药制造业发展，提升地区公共卫生事件应急能力。
-
医药制造业发展水平和空间布局将直接影响各省医用物资供应，进而影响各省公共卫生事件应对能力和应对措施。各省医药制造业发展水平用各省2019年统计年鉴数据计算得到的各省人均年医药制造业产值来表征。因中国香港特别行政区、中国澳门特别行政区和中国台湾省的统计数据无法获取，医药制造业ESDA范围仅限于中国大陆31个省级行政单位。由全局趋势分析可知，从东西方向来看，中国医药制造业水平差异大，由东向西快速降低；从南北方向来看，医药制造业发展水平差异较小，发展水平呈倒“U”型，中部高，南北低。由全局自相关分析可知，中国大陆（不含香港、澳门、台湾）人均年医药产值全局Moran's I指数为0.394，并通过5%水平的显著性检验，表明中国大陆医药制造业存在空间自相关，具有显著的空间集聚效应。利用Moran散点图分析中国大陆各省级行政区医药制造业水平的聚集类型，结果如表 4所示；并利用LISA（local indicators of spatial association）聚集图对局部空间聚集模式进行显著性水平为0.05的显著性检验，结果如图 2所示。
表 4 中国大陆省级行政区Moran散点图类型分布（不含香港、澳门、台湾）
Table 4. Distribution of Moran Scatter Plots of Provincial Administrative Regions in Chinese Mainland (Excluding Hong Kong, Macao and Taiwan)
类型 省级行政区 HH 北京、天津、山东、江苏、上海、湖北、浙江、江西、海南 HL 吉林、陕西、四川、广东、重庆 LH 河北、河南、福建、安徽 LL 黑龙江、辽宁、内蒙古、新疆、甘肃、山西、宁夏、青海、西藏、云南、贵州、广西、湖南 
图 2 中国大陆医药制造业水平LISA聚集图（不含香港、澳门、台湾）
Figure 2. LISA Cluster Map of Chinese Pharmaceutical Industry Level (Excluding Hong Kong, Macao and Taiwan)
表 4的ESDA结果显示，9个HH型省级行政区均为东部地区。其中，天津、江苏和上海为显著HH型省级行政区。HH型省级行政区应保持产业优势，加大对生物医药、疫苗药物研发等高精尖医药制造业的投入，增强医药企业创新能力。面对突发重大传染病，要在严防疫情扩散的同时，及时启动病毒基因测序、疫苗研发程序。
吉林等5个省级行政区为HL型，其中四川为显著HL型省份。HL型省级行政区应保持产业优势，加强与西部省级行政区的产业技术联系，积极培养并输出技术人才，以带动周围省级行政区医药制造业的发展。省内出现疫情时，要严防扩散，将疫情控制在省内；邻省出现疫情时，也应主动输出抗疫物资和相关技术人才。
河北、河南、福建和安徽属于LH型省份，其中安徽为显著LH型省份，这些省份散布在东部HH型省份中。由经济空间场理论分析结果可知，医药制造业对高技能劳动力的依赖较大，因此LH型省份要发挥区位优势，积极引进技术人才，提升医药产能，以保障省内医药品供应。出现突发公共卫生事件时，可由周围省份提供医药用品，以补齐省内物资缺口。
黑龙江等13个LL型省级行政区分布在西北、西南、东北地区，其中新疆、甘肃、青海、西藏和云南为显著LL型聚集。由于医药制造业产业波及效应明显，受产业结构影响较大，因此LL型省级行政区可通过产业结构调整，为医药制造业创造有利的产业发展环境，逐步提升公共卫生事件应对能力。面对公共卫生事件，要统一协调省内、省外多方力量进行防控。显著LL型省级行政区是典型的医药制造业“洼地”，公共卫生事件应对能力差，因此需要对其进行重点分析，以得到更加详细的产业发展建议和应急策略。
-
经济空间场理论分析结果显示，农业、商务服务业、基础化学原料制造业与电力、热力生产和供应业这4个产业为医药密切相关产业，对医药制造业发展影响较大。若某省这4个医药密切相关产业发达，则表明该省医药制造业发展潜力较大，具备自主发展医药制造业的产业基础和条件。若某省这4个产业发展水平较低，则难以利用省内产业基础和能力发展医药制造业，在未来一段时间内都将缺乏应对公共卫生事件的产业能力，需要重点防控。新疆、甘肃、云南、青海、西藏5个显著LL型省级行政区医药密切相关产业发展水平如表 5所示。
表 5 显著LL型省级行政区医药密切相关产业发展水平
Table 5. Development Level of Industries Closely Related to Pharmaceutical Production in Low-Low Provincial Administrative Regions
省级行政区 医药制造业密切相关产业年总产值/亿元 人口/万人 人均年医药密切相关产业产值/（万元·人﹣1） 农业 商务服务业 基础化学原料制造业 电力、热力生产和供应业 新疆 2 541.2 580.5 914.1 1 206.3 2 487 2.11 甘肃 1 166.1 708.3 157.6 877.4 2 637 1.10 云南 2 234.7 1 994.7 984.8 1 362.8 4 830 1.36 青海 169.2 128.4 362.8 468.6 603 1.87 西藏 88.1 96.1 4.7 35.2 344 0.65 全国平均 61 452.6 78 833.6 72 066 62 463 139 653 1.97 注：数据来源于各省2019年统计年鉴、中国第三产业统计年鉴。因各省统计年鉴未单独统计“基础化学原料制造业”产值，本文以“化学原料及化学制品制造业”产值来反映其发展水平 由表 5可知，新疆的4个医药密切相关产业的总体发展水平（人均年医药密切相关产业产值）超过全国平均水平，因此新疆的医药制造业发展具有良好的经济和产业基础，在面对突发重大公共卫生事件时，可以迅速引导医药企业建设，调整产业产品结构和生产链，短时间内大幅提升其医药用品产能，补齐抗疫物资需求缺口。
青海的4个医药密切相关产业的发展水平与全国平均水平相当，医药制造业发展具有一定的产业基础，但可能受经济发展水平、人才、交通等因素的制约，其医药制造业发展相对滞后。在面对突发公共卫生事件时，具备及时调整产业结构以提高医药产能的能力，应控制人口流动，优先保障重点人群如一线医护人员的物资供应。
西藏、云南、甘肃的4个医药密切相关产业的发展水平较低，因此其医药制造业发展受到产业结构的制约，医药产能难以满足省内医药品需求，更无力面对突发公共卫生事件时医药品、医药器械需求激增的情况。由于省内医药制造产业链不完备、医药品产能较低，出现突发疫情时应统一调度抗疫物资，严防出现囤积、倒卖、哄抢抗疫防疫物资的现象。从长期来看，可通过发展医药上游产业来保障原料供给、政府补贴医药生产线设备升级等方式为医药制造业发展创造有利的产业环境，并结合省内医药产业基础，发展特色医药产业如藏医、苗医等，从而逐步提升医药品产能和公共卫生事件应对能力。
-
在COVID-19疫情中，国家公共卫生事件应对能力成为讨论重点，而作为生产防疫抗疫物资、极大影响地方卫生事件应对能力的产业——医药制造业却没有得到足够关注。本文通过构建生产诱发梯度，进一步完善了经济空间场理论，并对医药制造业进行波及效应分析。分析结果显示，农业、商务服务业、基础化学原料制造业和电力、热力生产和供应业对医药制造业的影响较大，为医药密切相关产业。结合ESDA，探究了中国大陆（不含香港、澳门、台湾）医药制造业产业布局，得到各省级行政区空间聚集类型，同时评估了各省级行政区公共卫生事件应对能力。针对不同空间聚集类型的省级行政区，尤其是显著LL型省级行政区，基于医药制造业波及效应，提出了相应的医药制造业产业发展建议和应急策略。
经济空间场理论与地理分析方法的探索性结合展现了其在产业空间布局、产业空间联系、经济空间梯度等方面的巨大潜力[10-14]。目前，经济空间场理论和地理分析方法的结合仅有与城市引力模型相结合的个别研究[12-14]。本文进一步扩大了经济空间场理论的运用范围，将其与ESDA方法相结合，不仅弥补了传统ESDA仅能揭示变量空间分布特征的缺陷，也实现了综合考虑产业波及效应和产业布局，以及针对单个产业的发展指导建议。未来可继续深入研究场理论与其他地理分析方法的结合。
Development of Public Health Emergency Response Strategies Based on Economic Space Field Theory and ESDA
-
摘要: 新型冠状病毒肺炎疫情引起了人们对国家公共卫生事件应对能力的广泛关注。基于波及效应梯度场提出了生产诱发梯度，进一步完善了经济空间场理论，并将其与探索性空间数据分析（exploratory spatial data analysis，ESDA）相结合，对医药制造业波及效应及空间布局进行了研究，制定了有效的公共卫生事件应急策略。经济空间场理论分析结果揭示了产业经济空间中医药制造业与各产业部门之间的波及效应，并由此得到了医药密切相关产业。同时，经济空间场理论与ESDA方法的结合能在区分中国大陆各省空间聚集类型的基础上，评估各省公共卫生事件的应对能力，从而为各省提出相应的应急策略和医药制造业发展建议。该方法综合考虑了产业波及效应和产业空间布局现状，不仅能够促进各省医药制造业的健康合理发展，也有助于增强各省突发公共卫生事件的应对能力。Abstract: Coronavirus disease 2019 (COVID-19) has aroused people's attention to public health emergency management. Based on wave effect gradient field, the production-inducing gradient is proposed to explore the wave effect of a certain industry on other industries. By combining the economic space field theory with exploratory spatial data analysis (ESDA) method, this paper studies the industrial wave effect and spatial distribution of pharmaceutical industry, and develops effective strategies for public health emergency accordingly. The results of economic space field theory analysis of China's pharmaceutical industry reveal the wave effect between pharmaceutical industry and each industrial sector in the industrial economic space respectively, and identify the industries closely related to pharmaceutical production. The response capability of each province in Chinese mainland to public health emergency can be evaluated based on spatial aggregation types, and then emergency strategies and suggestions for the development of pharmaceutical industry are put forward accordingly. The comprehensive consideration of industrial wave effect and the industrial spatial distribution can not only promote the rational development of pharmaceutical industry in all provinces, but also help to enhance the response capability of provinces to public health emergencies.
-
图 1 公共卫生事件应急策略制定技术流程图
Figure 1. Technique Flowchart for Development of Public Health Emergency Response Strategies
图 2 中国大陆医药制造业水平LISA聚集图（不含香港、澳门、台湾）
Figure 2. LISA Cluster Map of Chinese Pharmaceutical Industry Level (Excluding Hong Kong, Macao and Taiwan)
表 1 中国医药制造业对各产业部门的直接消耗系数排序
Table 1. Ranking of the Direct Consumption Coefficients of Chinese Pharmaceutical Industry on Each Industrial Sector
排名 产业部门 直接消耗系数 1 医药制品 0.221 3 2 农产品 0.071 9 3 畜牧产品 0.057 7 4 商务服务 0.056 1 5 基础化学原料 0.040 8 6 零售 0.034 0 7 批发 0.023 5 8 道路货物运输和运输辅助活动 0.017 4 9 货币金融和其他金融服务 0.016 0 10 电力、热力生产和供应 0.015 7 11 酒精和酒 0.014 6 12 棉、化纤纺织及印染精加工品 0.011 7 13 餐饮 0.011 1 14 玻璃和玻璃制品 0.009 2 15 造纸和纸制品 0.008 5 注：由于篇幅限制，只列出了排名前15的产业部门 
下载: 导出CSV
表 2 中国医药制造业对各产业部门的完全消耗系数排序
Table 2. Ranking of the Complete Consumption Coefficients of Chinese Pharmaceutical Industry on Each Industrial Sector
排名 产业部门 完全消耗系数 1 医药制品 0.286 7 2 农产品 0.156 4 3 商务服务 0.119 9 4 基础化学原料 0.094 3 5 畜牧产品 0.084 2 6 电力、热力生产和供应 0.073 5 7 零售 0.068 8 8 货币金融和其他金融服务 0.066 1 9 批发 0.051 5 10 道路货物运输和运输辅助活动 0.046 1 11 精炼石油和核燃料加工品 0.035 7 12 造纸和纸制品 0.033 0 13 棉、化纤纺织及印染精加工品 0.030 3 14 石油和天然气开采产品 0.027 8 15 专用化学产品和炸药、火工、焰火产品 0.027 5 注：由于篇幅限制，只列出了排名前15的产业部门
下载: 导出CSV
表 3 中国医药制造业对各产业部门的生产诱发梯度排序
Table 3. Ranking of the Production-Induced Gradients of Chinese Pharmaceutical Industry on Each Industrial Sector
排名 产业部门 生产诱发梯度 1 电力、热力生产和供应 0.103 1 2 货币金融和其他金融服务 0.073 4 3 基础化学原料 0.071 0 4 商务服务 0.071 0 5 石油和天然气开采产品 0.062 7 6 农产品 0.059 4 7 电子元器件 0.058 9 8 精炼石油和核燃料加工品 0.056 0 9 煤炭开采和洗选产品 0.054 2 10 有色金属及其合金 0.043 9 11 批发 0.038 7 12 零售 0.037 9 13 专用化学产品和炸药、火工、焰火产品 0.037 5 14 道路货物运输和运输辅助活动 0.036 1 15 房地产 0.035 5 注：由于篇幅限制，只列出了排名前15的产业部门
下载: 导出CSV
表 4 中国大陆省级行政区Moran散点图类型分布（不含香港、澳门、台湾）
Table 4. Distribution of Moran Scatter Plots of Provincial Administrative Regions in Chinese Mainland (Excluding Hong Kong, Macao and Taiwan)
类型 省级行政区 HH 北京、天津、山东、江苏、上海、湖北、浙江、江西、海南 HL 吉林、陕西、四川、广东、重庆 LH 河北、河南、福建、安徽 LL 黑龙江、辽宁、内蒙古、新疆、甘肃、山西、宁夏、青海、西藏、云南、贵州、广西、湖南
下载: 导出CSV
表 5 显著LL型省级行政区医药密切相关产业发展水平
Table 5. Development Level of Industries Closely Related to Pharmaceutical Production in Low-Low Provincial Administrative Regions
省级行政区 医药制造业密切相关产业年总产值/亿元 人口/万人 人均年医药密切相关产业产值/（万元·人﹣1） 农业 商务服务业 基础化学原料制造业 电力、热力生产和供应业 新疆 2 541.2 580.5 914.1 1 206.3 2 487 2.11 甘肃 1 166.1 708.3 157.6 877.4 2 637 1.10 云南 2 234.7 1 994.7 984.8 1 362.8 4 830 1.36 青海 169.2 128.4 362.8 468.6 603 1.87 西藏 88.1 96.1 4.7 35.2 344 0.65 全国平均 61 452.6 78 833.6 72 066 62 463 139 653 1.97 注：数据来源于各省2019年统计年鉴、中国第三产业统计年鉴。因各省统计年鉴未单独统计“基础化学原料制造业”产值，本文以“化学原料及化学制品制造业”产值来反映其发展水平
下载: 导出CSV
-
[1] Wu F, Zhao S, Yu B, et al. A New Coronavirus Associated with Human Respiratory Disease in China[J]. Nature, 2020, 579(7 798): 265-269 doi: 10.1038/s41586-020-2008-3 [2] 苏理云, 郭雯.中国各省新型冠状病毒肺炎累计确诊人数的空间聚集及时空格局演变分析[J].重庆理工大学学报(自然科学版), 2020, 34(4): 51-58, 65 https://www.cnki.com.cn/Article/CJFDTOTAL-CGGL202004007.htm Su Liyu, Guo Wen. Spatial Aggregation and Spatial-Temporal Pattern of Provincial Cumulative Confirmed Count of Novel Coronavirus Pneumonia (COVID-19) in China[J]. Journal of Chongqing University of Technology (Natural Science), 2020, 34(4): 51-58, 65 https://www.cnki.com.cn/Article/CJFDTOTAL-CGGL202004007.htm [3] 葛洪磊, 刘南.重大传染病疫情演化情境下应急物资配置决策建模分析:以新冠肺炎疫情为例[J].管理工程学报, 2020, 34(3):214-222 https://www.cnki.com.cn/Article/CJFDTOTAL-GLGU202003022.htm Ge Honglei, Liu Nan. Modeling of Emergency Materials Allocation Decision-Making Problems Based on the Evolution Scenarios of Serious Infectious Disease: A Case of COVID-19[J]. Journal of Industrial Engineering and Engineering Management, 2020, 34(3):214-222 https://www.cnki.com.cn/Article/CJFDTOTAL-GLGU202003022.htm [4] 杜晶晶, 胡登峰, 张琪.数字化赋能视角下突发公共事件应急管理系统研究——以新型冠状病毒肺炎疫情为例[J].科技进步与对策, 2020, 37(20): 34-40 https://www.cnki.com.cn/Article/CJFDTOTAL-KJJB202020006.htm Du Jingjing, Hu Dengfeng, Zhang Qi. Research on Emergency Management System of Public Emergencies from the Perspective of Digital Empowerment: Enlightenment from the Novel Coronavirus Pneumonia Epidemic[J]. Science & Technology Progress and Policy, 2020, 37(20): 34-40 https://www.cnki.com.cn/Article/CJFDTOTAL-KJJB202020006.htm [5] 李德仁, 邵振峰, 于文博, 等.基于时空位置大数据的公共疫情防控服务让城市更智慧[J].武汉大学学报·信息科学版, 2020, 45(4): 475-487, 556 doi: 10.13203/j.whugis20200145 Li Deren, Shao Zhenfeng, Yu Wenbo, et al. Public Epidemic Prevention and Control Services Based on Big Data of Spatiotemporal Location Make Cities More Smart[J]. Geomatics and Information Science of Wuhan University, 2020, 45(4): 475-487, 556 doi: 10.13203/j.whugis20200145 [6] 张新, 林晖, 王劲峰, 等.中国数字化公共卫生应急管理体系建设的科技策略建议[J].武汉大学学报·信息科学版, 2020, 45(5):633-639 doi: 10.13203/j.whugis20200151 Zhang Xin, Lin Hui, Wang Jinfeng, et al. Scientific and Technological Strategies Proposal for the Construction of Digital Public Health Emergency Management System in China[J]. Geomatics and Information Science of Wuhan University, 2020, 45(5): 633-639 doi: 10.13203/j.whugis20200151 [7] 龚维斌.应急管理的中国模式——基于结构、过程与功能的视角[J].社会学研究, 2020, 35(4):1-24, 241 https://www.cnki.com.cn/Article/CJFDTOTAL-SHXJ202004001.htm Gong Weibin. The Chinese Model of Emergence Management: From the Perspective of Structure, Process and Function[J]. Sociological Studies, 2020, 35(4):1-24, 241 https://www.cnki.com.cn/Article/CJFDTOTAL-SHXJ202004001.htm [8] 倪紫菱, 王小合, 王莹, 等.医院感染管理在新型冠状病毒肺炎疫情防控中的执行力提升策略研究[J].中国医院管理, 2020, 40(7):14-17, 26 https://www.cnki.com.cn/Article/CJFDTOTAL-YYGL202007007.htm Ni Ziling, Wang Xiaohe, Wang Ying, et al. Research on Enhancement Strategy of Nosocomial Infection Management Implementation in Prevention and Control of COVID-19[J]. Chinese Hospital Management, 2020, 40(7):14-17, 26 https://www.cnki.com.cn/Article/CJFDTOTAL-YYGL202007007.htm [9] 冯宗宪.经济空间场理论与应用[M].西安:陕西人民出版社, 2000 Feng Zongxian. Theory and Application of Economic Space Field[M]. Xi'an: Shaanxi People's Publishing House, 2000 [10] 杨先卫.产业关联梯度场模型的建立与分析[J].科技进步与对策, 2005, 22(6): 86-88 doi: 10.3969/j.issn.1001-7348.2005.06.030 Yang Xianwei. A Grads Field Mold on Analysis of Industrial Relations[J]. Science & Technology Progress and Policy, 2005, 22(6): 86-88 doi: 10.3969/j.issn.1001-7348.2005.06.030 [11] 白永平, 纪玲娟.基于场理论的经济空间梯度分析——甘肃省为例[J].干旱区资源与环境, 2012, 26(1): 41-47 https://www.cnki.com.cn/Article/CJFDTOTAL-GHZH201201008.htm Bai Yongping, Ji Lingjuan. Analysis on the Economic Spaceial Gradient Based on Field Theory—A Case of Gansu Province[J]. Journal of Arid Land Resources and Environment, 2012, 26(1): 41-47 https://www.cnki.com.cn/Article/CJFDTOTAL-GHZH201201008.htm [12] 宋吉涛, 赵晖, 陆军, 等.基于投入产出理论的城市群产业空间联系[J].地理科学进展, 2009, 28(6): 932-943 https://www.cnki.com.cn/Article/CJFDTOTAL-DLKJ200906015.htm Song Jitao, Zhao Hui, Lu Jun, et al. Approach and Empirical Research on Industry Contact in Urban Agglomeration[J]. Progress in Geography, 2009, 28(6): 932-943 https://www.cnki.com.cn/Article/CJFDTOTAL-DLKJ200906015.htm [13] 孙东琪, 张京祥, 胡毅, 等.基于产业空间联系的"大都市阴影区"形成机制解析——长三角城市群与京津冀城市群的比较研究[J].地理科学, 2013, 33(9): 1043-1050 https://www.cnki.com.cn/Article/CJFDTOTAL-DLKX201309003.htm Sun Dongqi, Zhang Jingxiang, Hu Yi, et al. The Formation of Metropolitan Shadow from the Perspective of Industry Spatial Contacts:A Comparison Between Changjiang River Delta and Beijing-Tianjin-Hebei Metropolitan Region[J]. Scientia Geographica Sinica, 2013, 33(9): 1043-1050 https://www.cnki.com.cn/Article/CJFDTOTAL-DLKX201309003.htm [14] Yu Y, Han Q, Tang W, et al. Exploration of the Industrial Spatial Linkages in Urban Agglomerations: A Case of Urban Agglomeration in the Middle Reaches of the Yangtze River, China[J]. Sustainability, 2018, 10(5): 1 469 [15] Xu X, Huang G, Liu L, et al. A Mitigation Simulation Method for Urban NOx Emissions Based on Input-Output Analysis[J]. Journal of Cleaner Production, 2020, 249: 119338 [16] 张建磊, 安娜, 程隆棣.中国纺织产业关联与产业波及效应的演化分析[J].丝绸, 2020, 57(5): 68-74 https://www.cnki.com.cn/Article/CJFDTOTAL-SICO202005012.htm Zhang Jianlei, An Na, Cheng Longdi. Analysis on Industry Linkage and Industry Spread Effect of China's Textile[J]. Journal of Silk, 2020, 57(5): 68-74 https://www.cnki.com.cn/Article/CJFDTOTAL-SICO202005012.htm [17] 华连连, 张宇轩, 王建国.乳品产业依存度及波及效应分析——基于中国2012年投入产出表的实证研究[J].中国乳品工业, 2019, 47(2): 39-42 https://www.cnki.com.cn/Article/CJFDTOTAL-RPGY201902009.htm Hua Lianlian, Zhang Yuxuan, Wang Jianguo. Dependence and Spread Effect Analysis of Dairy Industry—An Empirical Study Based on China's 2012 Input-Output Table[J]. China Dairy Industry, 2019, 47(2): 39-42 https://www.cnki.com.cn/Article/CJFDTOTAL-RPGY201902009.htm [18] Xing L, Dong X, Guan J. Global Industrial Impact Coefficient Based on Random Walk Process and Inter-Country Input-Output Table[J]. Physica A: Statistical Mechanics and Its Applications, 2017, 471: 576-591 [19] 王腾, 王艳东, 赵晓明, 等.顾及道路网约束的商业设施空间点模式分析[J].武汉大学学报·信息科学版, 2018, 43(11): 1746-1752 doi: 10.13203/j.whugis20160558 Wang Teng, Wang Yandong, Zhao Xiaoming, et al. Network-Constrained Spatial Point Pattern Analysis for Commercial Facilities[J]. Geomatics and Information Science of Wuhan University, 2018, 43(11): 1746-1752 doi: 10.13203/j.whugis20160558 [20] 许林玉, 杨建林.国内期刊论文产出时空分布与演化特征研究[J].现代情报, 2020, 40(4): 128-135, 177 https://www.cnki.com.cn/Article/CJFDTOTAL-XDQB202004015.htm Xu Linyu, Yang Jianlin. Research on Spatial-Temporal Distribution and Evolution Law of Domestic Journal Paper Output[J]. Journal of Modern Information, 2020, 40(4): 128-135, 177 https://www.cnki.com.cn/Article/CJFDTOTAL-XDQB202004015.htm [21] 岳彦利, 罗明良, 张斌.干热河谷冲沟DEM插值误差的空间分布研究[J].武汉大学学报·信息科学版, 2018, 43(7): 1122-1128 doi: 10.13203/j.whugis20160302 Yue Yanli, Luo Mingliang, Zhang Bin. Study on Spatial Distribution of DEM Interpolation Errors in the Gully of Dry-Hot Valley[J]. Geomatics and Information Science of Wuhan University, 2018, 43(7): 1 122-1 128 doi: 10.13203/j.whugis20160302 [22] 王本举.为疫情防控和经济社会发展提供交通运输坚强支撑[J].人民论坛, 2020(20):72-73 https://www.cnki.com.cn/Article/CJFDTOTAL-RMLT202020023.htm Wang Benju. Provide Strong Transportation Support for Epidemic Prevention and Control and Economic and Social Development[J]. People's Tribune, 2020(20):72-73 https://www.cnki.com.cn/Article/CJFDTOTAL-RMLT202020023.htm [23] 陈青姣, 盖玉坤.商务服务业上市公司绩效及影响因素分析基于2009—2013年的面板数据[J].财经理论与实践, 2015, 36(3): 78-83 https://www.cnki.com.cn/Article/CJFDTOTAL-CLSJ201503015.htm Chen Qingjiao, Gai Yukun. The Performance of Commercial Service Industry Listed Companies and the Impact Factors Based on the Panel Data of 2009—2013[J]. The Theory and Practice of Finance and Economics, 2015, 36(3): 78-83 https://www.cnki.com.cn/Article/CJFDTOTAL-CLSJ201503015.htm [24] 冯江华, 王峰.主导产业、优势产业和支柱产业辨析[J].生产力研究, 2000(3):72-73 https://www.cnki.com.cn/Article/CJFDTOTAL-SCLY200003031.htm Feng Jianghua, Wang Feng. Differentiation and Analysis of Leading Industries, Advantageous Industries and Pillar Industries[J]. Productivity Research, 2000(3):72-73 https://www.cnki.com.cn/Article/CJFDTOTAL-SCLY200003031.htm -
点击查看大图
图(2) / 表(5)
计量
- 文章访问数: 328
- HTML全文浏览量: 118
- PDF下载量: 40
- 被引次数: 0
