城市群服务业集聚与经济增长——以长三角为例

■谷永芬 洪 娟

产业集聚是城市群形成和发展的重要动力，同时城市群又是区域产业集聚发展的重要载体，两者间的相互协调能够有效推动区域经济整体发展。服务业作为后工业社会的主导产业，其集聚效应显著。我国“十二五”规划纲要中明确提出要“科学规划城市群内各城市功能定位和产业布局”，同时“推动特大城市形成以服务经济为主的产业结构”。可见，研究服务业的集聚效应对于城市群产业规划和空间组织具有重要的理论意义和现实意义。长三角地区作为目前我国发展最快、经济总量规模最大和最具发展潜力的城市群，在城市聚集和产业空间组织方面都对我国其他城市群具有很强的示范性效应，选择其作为研究对象并对其做定量分析具有很强的代表性和前瞻性。

一、文献回顾

产业的空间集聚是经济活动最突出的地理特征，与经济增长是一个相伴而生的过程。20世纪90年代初以Krugman为代表的新经济地理学家开始把主流经济学家长期忽视的空间因素纳入一般均衡的分析框架，研究产业在空间的集聚与分散原理，从而为研究区域经济增长差距提供新的视角。早期的空间经济模型都是静态的，一旦经济达到均衡，经济增长率为零，除非外生经济参数发生变化，否则这一均衡结果很难改变。因此，要考察集聚与经济增长的关系，必须将新经济地理模型动态化。Englmann＆Walz(1995)在 Krugman(1991)创立的“中心—外围”模型基础上，首次将新经济地理学与内生经济增长理论融合，解释了产业集聚与区域经济增长差异的动态关系。Martin et al和Baldwin et al[1][2][3]创建了劳动力不流动条件下的新经济地理学动态模型，认为资本存量产生的溢出效应影响新资本的形成成本，从而进一步促进资本积累，最终形成内生经济增长。Baldwin et al和Fujita et al[4][5]尝试在区域间劳动力自由流动的假定条件下，提出了结合内生增长理论和新经济地理中心——外围模型的动态模型，认为地理位置影响经济增长，集聚对于整体经济增长有利。

在实证研究方面，大多数经验研究支持集聚与经济增长呈正相关，但同时也存在相当部分研究认为产业集聚对区域经济增长无相关和负相关。如，Ciccone[6]利用欧洲5个国家的Nuts-3级地区628个样本数据研究了产业集聚(就业密度)对平均劳动生产率的影响，发现制造业与服务业的经济集聚对区域经济增长具有正面效应。范剑勇[7]借鉴Ciccone提供的模型分别研究了我国地级以上城市非农产业和服务业对生产率的影响，同样得出了正相关的结论。Rice[8]和Midelfar[9]分别在研究英国和挪威地区间收入差距时发现，即使工资收入对人口密度有正弹性，但劳动生产率与人口密度没有表现出显著的正相关关系。Bode[10]基于德国数据的研究结论也是经济集聚对劳动生产率几乎没有促进作用。Sbergami[11]进一步研究发现，从国家层面看，只在经济发展的某一水平集聚才能推动GDP增长。陈立泰等[12]采用1995—2007年我国省际面板数据分析得出我国城市服务业与区域经济增长呈负相关。胡霞和魏作磊[13]研究城市服务业集聚效应认为，服务业发展存在一定的空间规模报酬递增效应，表明集聚确实能够促进服务业增长，但过度集聚会带来负面影响。

根据区域城市群理论，城市群发展的主要动力和竞争优势来源于产业集聚，新经济地理学揭示的产业集聚基本规律为:具有前后向联系的企业为了节约交易成本而集聚，但随着集聚程度的提高，集聚区的工资和地租等要素价格会上涨，从而导致企业成本增加，当企业增加的成本大于所节约的交易成本时，集聚程度就会下降，即产业集聚程度会随着交易成本的降低而呈倒U型变化。从这一规律出发，本文检验长三角地区城市群内服务业集聚与经济增长的关系，并以此探讨城市群在可持续发展和产业结构调整过程中，服务业集聚的有效空间组织应如何体现在区域政策体系中。

二、长三角城市群服务业集聚程度分析

(一)产业集聚测度指标选择

衡量产业集聚程度的指标主要有行业集中度、区位熵、赫芬达尔-赫希曼指数、空间基尼系数、EG指数等，其中区位熵指数在测度产业集中度时比较客观全面，而且计算简单方便。结合数据获得的可行性，本文采用此指标进行计算。区位熵指数的计算公式为:

此处，Eij表示第j个地区的第i个产业的产出指标(通常为产值或就业人数)。LQ＞1，表明该产业在该地区的专业化水平比较高，在该地区相对集中，高于全国平均水平;LQ＜1，表明该产业在该地区的集中度低于全国平均水平，处于比较劣势;等于1则处于均势。区位熵侧重描述专业化集聚水平，能够较形象地反映某个地区的主导产业和产业集聚水平。

(二)服务业空间聚集程度分析

长三角地区是我国经济最为发达的产业和城市密集区，涵盖了上海、南京、杭州、宁波、苏州、无锡、常州、徐州、泰州、连云港、淮安、盐城、镇江、南通、扬州、宿迁、温州、嘉兴、湖州、绍兴、金华、衢州、舟山、台州、丽水等25个城市。本文采用区位熵指数测算了长三角地区25个城市(市辖区)2001—2010年服务业的集聚情况，测算结果见表1。

根据测算结果分析:第一，从整体看，长三角城市的区位熵数值大部分大于1，而且在1.5以上，说明长三角地区城市的服务业产业与全国平均水平相比，产业相对聚集且专业化程度较高，具有一定的比较优势和规模优势;第二，各城市的区位熵值总体呈下降趋势，部分地区如杭州、嘉兴、绍兴等下降幅度较大，说明这种由集聚带来的地区规模经济和专业化优势正在逐步减弱。所以，从区位熵测算结果看，长三角主体城市群服务业的集聚程度已处于集聚规律“倒U型曲线”的右方，鉴于产业集聚与经济增长的协同关系以及“十二五”规划纲要中“推动特大城市形成以服务经济为主的产业结构”政策背景，“十二五”期间长三角城市群在着力发展现代服务业的同时，应该注重分析服务业集聚本身的经济增长效应，以加强其空间组织效率。

三、长三角城市服务业集聚与地区经济增长关系分析

(一)模型设定及变量解释

1.模型设定

表1 长三角地区25个城市服务业聚集程度

产业集聚与区域经济增长之间的关系可以通过采用影响经济增长的产业集聚指标来进行。在不考虑区域之间贸易及资本的自由流动的情况下，服务业集聚促进经济增长的实证模型可设定为:

其中，Yj为区域j的产出水平，Xj为影响区域产出水平的服务业集聚因素(指标)，A为区域技术进步。对上式求全微分，两边同时除以Yj，并作相应线性处理，可以得到如下计量模型:

其中，αi为服务业集聚因素i对区域的产出弹性。在此计量模型基础上，本文根据服务业和产业集聚的特点，并借鉴国内外学者已有的研究成果，将长三角地区服务业集聚与经济增长关系的实证基础模型设定为:

对于严格为正的变量，其条件分布常常具有异方差或偏态性，取对数后，即使不能消除这方面的问题，也可以使之有所缓和。在这里我们将变量 pgdp、pd、iq、perh、ui采用对数形式，即相应模型为:

2.变量解释

模型中lnpgdp为被解释变量，lq是本文关注的一个解释变量，lnpd、lniq、pfe、open、lnper和 lnui作为控制变量出现在模型中。各经济变量解释说明如下:

lnpgdp代表区域经济增长率(作为被解释变量放在模型左边)，pgdp采用各地区的人均国内生产总值来描述。

lq代表服务业集聚水平，采用根据(1)式计算的区位熵来描述。

lnpd代表生活服务业市场规模，服务业由于生产和消费在时间和空间上的不可分性、非物化性、不可储存性等特点，决定了其产品比工业更依赖于本地市场容量，即服务业市场规模主要取决于本地市场容量。在这里，pd我们采用人口密度来描述。

lniq代表生产性服务业市场规模。与上述同理，iq我们采用区域限额以上工业企业总产值占GDP的比重来描述。

pfe代表政府的干预能力，采用地方财政预算内支出占GDP比重来描述。

open代表区域的开放程度，采用地区实际利用外资金额占GDP比重来描述。

lnperh代表人力资本水平，perh采用高等学校专任教师数来描述。

lnui代表城市居民的消费能力，ui采用地区城镇居民人均可支配收入占GDP比重来描述。

(二)实证分析

本文的样本选择在长三角地区16个主体城市基础上进行了拓展，采用了长三角地区涵盖的25个市级以上城市 (市辖区)2001—2010年的面板数据来进行实证分析。样本原始数据主要来源于各年《中国城市统计年鉴》、《上海统计年鉴》、《浙江统计年鉴》和《江苏统计年鉴》等。在面板回归模型选择上，本文通过对面板数据的检验得出应选择个体固定效应回归模型。同时，为保证分析结果的科学性，本文对面板数据进行了平稳性 (单位根)和协整检验，结果见表2，表明模型中所有变量都是一阶单整序列，可能存在协整关系。对面板变量进行协整检验后，从模型回归残差序列单位根结果看，残差序列平稳，说明各变量之间存在长期的均衡关系。

所采用的250个样本面板数据的个体固定效应回归结果见表3。在MODEL[Ⅰ]中，open和lnpd变量未通过检验，而且其系数符号为负，与现实经济意义不符，故将其剔除得到MODEL[Ⅱ]，再进行回归。回归结果显示，在MODEL[Ⅱ]中各变量都通过了检验，其中，lnui通过5%检验，其他都通过了1%检验。模型[Ⅱ]计量结果中的修正可决系数为0.901，表明方程回归拟合效果不错，可以理解为方程中解释变量和控制变量对区域经济增长的解释程度为90.1%。

表2 各变量单位根检验结果

表3 个体固定效应回归结果

从解释变量的回归系数看，MODEL[Ⅱ]回归结果显示:解释变量服务业集聚度(区位熵lq)与经济增长负相关，弹性系数为-0.395，这说明长三角地区城市服务业集聚度(区位熵lq)每提高一个百分点，经济增长水平相应下降0.395个百分点。从MODEL[Ⅱ]控制变量的回归系数看，各控制变量(lniq，pfe，lnperh，lnui)的回归系数都是正数，表明其与区域经济增长正相关，即各控制变量所代表的经济变量每提高一个百分点，经济增长水平将上升相应的百分点。其中，lniq、lnperh和lnui具有较高的弹性系数，说明生产性服务业市场规模、人力资本水平和居民消费水平和对区域经济增长具有显著的正效应。pfe与经济增长的正效应关系也表明，生产性服务业市场规模、服务市场的进一步开放和人力资本建设都有利于区域经济的增长。

四、结论与政策建议

(一)结论分析

本文的主要结论为:长三角地区城市的服务业集聚程度与区域经济增长呈现负相关关系，相应的弹性系数为-0.395，负效应影响比较明显，作为一种“经济信号”值得关注。同时，研究结果显示，模型中各控制变量，如生产性服务业市场规模、政府干预程度、人力资本水平和居民消费能力，与经济增长均呈现正相关，弹性系数分别为0.611、0.0315、0.307、0.127，即这些变量指标的提高，都有利于区域经济的增长。对于长三角服务业集聚负效应出现的现实原因，本文认为有以下几方面的解释:

在衡量服务业集聚程度方面本文采用的是区位熵(lq)指标，该指标主要反映的是服务业集聚的专业化效应，所以这在一定程度上表明长三角地区城市服务业集聚开始呈现由于单一化特征而带来的经济增长负效应，也就是说，服务业集聚结构的过度单一化不利于经济增长。

高程度集聚由于缺乏相关产业和支撑产业的协同，导致经济增长负效应。迈克尔·波特在其“钻石体系”理论中就指出，如果在形成产业集聚的过程中，没有相关产业和支援产业的配合，产业集聚就会因为缺乏专业化的高级生产要素投入而发生停滞，阻碍经济增长。所以，产业集聚发展到一定程度，专业化优势可能会导致某一产业层面上聚集了过多的相似企业 (产业同构和竞争过度)，而忽略了相关产业的协同集聚，从而导致集聚增长乏力。

高度集聚带来的拥塞成本负效应，以及分工不充分带来的恶性竞争不利于经济增长。长三角是经济活动的高密度地区，制造业和服务业水平都比较高，人口密度大，高密度的集聚会带来交通、物流的拥挤成本。同时由于产业同构、行业结构的单一，企业之间的恶性竞争也会产生经济成本，这些都成为地区经济增长的阻隔。

(二)政策建议

长三角服务业集聚困境的出现，要求该地区的区域经济政策应该有所转变，对服务业集聚引导应从“量”变转向“质”变，注重对服务业集聚结构和配套设施的调整与优化。

长三角地区在大力发展现代服务业，以服务业集聚促进经济增长的同时，应该把握好服务业规模和水平的适度发展，应注重城市群内基础设施和交通建设，减少高程度集聚带来的拥挤成本效应。服务业集聚的规划应充分考虑城市交通的承载能力，不能一拥而上;同时，要打破行政属性，注重城市群交通“一体化”建设，应综合考虑各种运输方式与地区经济的配合，重点完善各交通节点与枢纽的通达性。

长三角地区城市服务业集聚的发展应该倡导多样化，避免由于过度专业化导致的经济增长负效应。各地区可以通过建立区域利益协调机制，在明确各自的主导产业的同时实行“差异化”定位，如服务产品、规模的差异化，以促进服务产业地区间的合理布局和分工的形成。同时应加大创新服务产品类型的力度，促进服务产业多元化发展。

加强服务业相关产业和支援产业的协同集聚，避免因服务业高程度集聚而缺乏支撑所带来的负外部性。长三角城市在促进服务业集聚的同时促进配套制造业的协同集聚，这样不仅有利于各自技术水平的提高，还可以削弱以往制造业集聚引发的地方产业同构、过度竞争和产业萎缩现象，推进区域产业结构的顺利升级。[14]

在推动服务业适度集聚的同时，政府应在宏观层面加强引导，提高居民消费能力、适当扩大服务业市场规模(尤其是生活性服务业市场规模)、加强合理干预程度和人力资本建设。

[1]Martin.P，G.Ottaviano.Growth and Agglomeration.International Economic Review，Volume42，Issue4，2001.

[2]Baldwin，R.E.，P.Martin and Ottaviano.Global Income Divergence， Trade and Industrialization：The Geography of Growth Take-Offs.Journal of Economic Growth，6，2001.

[3]Baldwin，Richard et al.Economic Geography and Public Policy.Princeton University Press，2003.

[4]Fujita M.，and J.F.Thisse.Does Geographical Agglomeration Foster Economic Growth？And Who Gains and Who Loses.The Japanese Economic Review， Vol.54(2)，2003.

[5]Berliant and Fujita.The dynamics of knowle dgediver sity and economic growth.http：//mpra.ub.uni-muenchen.de/21009/1/berliantfujitaiiiv44.pdf，2010.

[6]Ciccone A.Agglomeration Effects in Europe.European Economic Review， Vol.46(2)，2002.

[7]范剑勇.产业集聚与地区间的劳动生产率[J].经济研究，2006，(11).

[8]Rice P.＆A.J.Venables.Spatial determinants of productivity：Analysis for the regons of Great Britain.CEP Discussion paper，0642，2004.

[9]Midelfar，K，H.Does agglomeration explain regional income inequalities，mimeo.Norwegian School of Economics and Business Administration and CEPR，2004.

[10]Bode，E.Productivity effects of agglomeration externalities， Third Spatial Econometrics Workshop， Strasbourg， cournot2.u-strasbg.fr，2004.

[11]Sbergami F.Agglomeration and Economic Growth：Some Puzzles[EB/OL].HEI Working Paper，No.02/2002.

[12]陈立泰，张祖妞.服务业集聚与区域经济增长的实证研究[J].山西财经大学学报，2010，(10).

[13]胡霞，魏作磊.中国城市服务业集聚效应分析[J].财贸经济，2009，(8).

[14]王奇.推进生产性服务业高端化发展的对策[J].经济纵横，2012，(7).