创意空间的生产,是刻画创意产业区演化与大都市空间关联性的最佳视角与方法。第一,这既突破了以往从一方变化刻度另一方作用(或影响)的研究视角与方法,又实现了两者独自变化及相互影响共同作用之产出的判识;第二,创意空间的生产,不仅能够揭示创意产业区演化与大都市空间重构的互动机理,同时又预示着大都市空间的新生;第三,创意空间的生产,既可视为过程(即创意产业区演化重构大都市空间的机理),又可看作状态(创意空间的发育程度、空间组织模式与格局等),因此,它既可揭示关联性存在的机理,又能阐明关联性的时空表征。作为状态的“创意空间的生产”,可通过判识与刻画创意空间,阐明了创意产业区演化重构大都市空间的程度与格局,构成了实证研究核心。如何判识大都市内部是否存在创意空间?创意空间又呈现何种空间组织特征?这需要依据创意空间的本质构建判识方法,并对其做出综合刻画(刻画其发育机理与发育阶段等)。
作为创意产业区演化重构大都市空间的产出,创意空间自然是城市空间的新生类型和发展趋势。识别其是否存在,自然需要将其本质内涵定量与指标化,并结合地统计学(Geo-Statistics)构建识别方法。创意空间的发育受城市内部空间差异和城市间差异,自然存在阶段性和地域性,因此,即使判识出都市范围内存在创意空间,尚需对其作出综合评价,以诊断都市创意空间的发育阶段和空间组织特征。
“创意空间”识别方法,国内外鲜有相关研究,仅有Richard Florida利用创意产业从业者密度针对美国和欧洲都市做过初步探究,此外以衡量创意城市发展水平的“创意指数,如European Creativity Index(ECI)、Global Creativity Index(GCI)、香港创意指数、上海城市创意指数”也试图构建综合性指标体系测度创意城市。因此,构建创意空间的识别方法,需要紧扣创意企业和创意产业从业者的空间集聚及其构筑的群落这个核心。借鉴城市就业中心识别方法[1],构建如图7-27的创意空间识别技术路线和方法。
图7-27 创意空间识别技术路线及方法
构建此识别方法体系是基于如下假设:(1)创意企业和创意阶层作为创意空间的行为主体,因为创意企业集创意经济活动与创意产业从业者于一体,所以选择空间要素时,创意企业具有较好代表性;(2)创意企业的空间集聚既是形成创意空间的基础,在某种程度上又可视为创意空间的初级阶段,其理论依据源自创意企业的空间集聚不仅是促成地点具备创意空间充要条件,同时创意企业集聚空间发展到一定程度便形成创意空间;(3)创意空间的发育阶段评价是基于创意空间是否存在为前提。
关键方法的计量模型及应用技巧:
(1)界定大都市的范围,首要问题是统一的劳动力市场和无自然地理环境阻隔及交通阻隔,在平原地区市辖行政范围可以解决此问题;此外对于分析评价的基本单元,空间范围不能过大,如果太大就会将一个过大的区域视为创意空间,与事实相矛盾,因此在选择分析单元最好以邮政区或街道(乡镇)为空间分析基本单位,囿于统计数据基本空间单元为区,因此以“区”级行政区为分析单元。
(2)创意产业涉及诸多行业,如表1-3。产业部门的类型采用由国家统计局确定的4位数编码,共1047类行业。其中代码为6211、6212、629、611、602、75、769构成研发设计创意业,7671、7672、7673、8120、490构成建筑设计创意业,3415、3153、3159、4211、4212、4213、4214、4215、4216、4217、4218、4219、881、882、891、892、8931、894、901、905、909构成文化艺术创意业,7432、7433、7439、7491、7499、694、703、619、772、779、908、744、745构成咨询策划创意业,824、826、828、921、923、748、813构成时尚消费创意业。这些行业在行政区所囊括的企业便构成了创意企业集合。
(3)Moran’s I。据地统计学(Geo-Statistics),创意企业密集的“高地”可视为要素分布正的空间自相关(即空间集聚),而Moran’s Index是对空间集聚进行检验的常用方法。它包括全局Moran和局部Moran,正空间自相关意味着相邻单元拥有相似的值,即空间集聚;负空间自相关则表示空间扩散[2]。
全局Moran’s I计算方式,是基于统计学相关系数的共变量(covariance)关系推算得来,公式如下:
其中,Wij是研究范围内每一个空间单元i与j(j ={1,2,3…n })区空间单元的空间相邻权重矩阵。以1当作i与j相邻时,而以0表示i与j不相邻。而I的期望值为:
依照以上步骤计算出的Moran’s I 值结果一定介于-1到1之间,大于0为正相关,小于0为负相关,且值越大表示空间分布的相关性越大,即空间上有聚集分布的现象。反之,值越小代表示空间分布相关性小,而当值趋于0时,即代表此时空间分布呈现随机分布的情形。若要将单位去除,则I值标准化的公式如下:
对I值进行显著性检定时,在5%显著水平下,Z(I)大于1.96时,表示研究范围内某现象的分布有显著的关联性,亦即范围内存有空间单元彼此的空间自相关性。而Z(I)若介于1.96与-1.96之间,则表示研究范围内某现象的分布的关联性不明显,空间自相关性亦较弱。此外,若Z(I)若小于-1.96时,则表示研究范围内某现象分布呈现负的空间自相关性。
局部Moran’s I可以用于检验局部层次空间自相关性,也称LISA (Local Indicator of Spatial Autocorrelation)[3]。对于地理单元i,LISA的定义是:
其中zi是xi标准化之后形式,w(i,j)同全局Moran’s I中计算一样。通过分析LISA和zi可以绘制LISA集聚图,首先要确定显著的LISA值,一般用条件转置法检测LISA值的显著水平;其次将LISA值显著的地理单元归入四类,即每一个单元都被放到一个四象限的Moran散点图中。纵坐标是每个单元标准化的空间滞后值,横坐标是标准化的原始密度值,据LISA的定义,相邻高—高地理单元的集聚即被认为是一个“高地”;如果有多个,取LISA值最大的作为第一“高地”。
(4)单中心模型与多中心模型检验函数。
运用单中心模型检验确定的“高地”后,继续运用Moran’s I分析残差以寻找第二个“高地”。用指数函数检验“高地”,公式为:
D(r)=aexp (br )
其中D是地理单元的创意企业密度,r是地理单元中心点到“高地”中心点的距离,a和b是需要回归的系数。如果通过统计检验,a值表示中心的理论密度,b值表示创意企业密度随距离r下降的速度,b的绝对值越大表明该中心影响力越强。
运用多中心模型检验第二个“高地”,之后继续运用Moran’s I分析残差以寻找第三个“高地”。多中心模型采用以下公式:
D(m)=∑anexp (bnrmn)
其中D(m)是地理单元m的创意企业密度,rmn是该单元m到“高地”n的距离。an和bn是回归系数,且该公式为非线性回归,如果结果不收敛,那么假定的中心将被否定。如果回归通过所有检验,继续对残差进行分析。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。