公共支出对京津冀生产性服务业发展影响研究—基于空间面板杜宾模型的实证分析

■ 周文通 博士生 陆 军 教授 通讯作者 （北京大学政府管理学院 北京 100871）

引言

生产性服务业为制造业提供市场化的中间投入服务，是产业分工和专业化的结果，是服务外包和市场化的产物。通常认为，生产性服务业由FIRE（Finance,Insurance and Real Estate）和PST（Professional,Science and Technical Services）两类产业组成（李佳 等，2014）。生产性服务业具有专业性强、创新活跃、产业融合度高、带动作用显著等特点，还能有效激发内需潜力、带动扩大社会就业、持续改善人民生活，也能引领区域产业向价值链高端提升。因此，生产性服务业对我国区域经济发展非常重要。长期以来，京津冀地区是我国区域经济的三大“增长极”之一。依托北京和天津两个特大型城市，京津冀地区一直处在全国生产性服务业发展的前列。作为现代服务业的重要门类之一，生产性服务业也是京津冀地区产业转型升级和经济结构调整的重要依托。为促进京津冀生产性服务业发展，地方政府的有效手段之一是通过公共支出直接刺激生产性服务业发展。一个值得研究的客观事实是：公共支出对本地和周边地区的生产性服务业的影响是差异化的；同时，不同类别的公共支出对生产性服务业发展的影响是也差异化的。目前，国内外对生产性服务业的研究主要集中在：生产性服务业与制造业之间投入产出关系（李博、韩增林，2012），生产性服务业与制造业的协同集聚（Shanzi et al.，2014；江曼琦、席强敏，2014），以及生产性服务业空间集聚规律（李佳等，2014）等领域。对京津冀地方政府的公共支出和生产性服务业关系的研究还比较薄弱。

因此，本文基于2003-2012年京津冀地区生产性服务业各细分行业和地方政府主要公共支出的相关数据，利用空间面板杜宾模型，估计京津冀地方政府各项公共支出对生产性服务业影响，测度地方政府公共支出对京津冀生产性服务业的空间溢出效应，以此来探讨在京津冀一体化协调发展的背景下，地方政府各项公共支出对生产性服务业区域影响的内在机理，为京津冀地方政府相关决策提供依据。

实证方法和数据

（一）实证模型

本文主要考察京津冀地方政府（北京和天津两个直辖市及河北省11个省辖市）各项公共支出对生产性服务业及其细分行业可能的影响。本文分析的生产性服务业对应于中国 《国民经济行业分类》（GB/T4754-2002）中的金融业，房地产服务业，信息传输、计算机服务、软件业，租赁与商务服务业，科研技术服务和地质勘查业五大类产业，本文将后三类产业简称为软件服务业、商务服务业和科技服务业。本文主要分析的是地方政府财政支出类别包括科研支出、教育支出、社会保障支出和行政支出。为了提升分析的准确性，实证模型还引入了经济发展水平、劳动力池、创新活动三个控制变量。

本文利用空间面板杜宾模型（Spatial Panel Durbin Model，SPDM）作为实证模型，该模型是空间杜宾模型（SDM）在面板数据下的表现形式。SDM为测度空间影响和空间相互作用提供了一个更一般化的起点，因而更适于空间计量经济学建模（LeSage &Pace，2009）。本文也将符合空间面板杜宾模型设定的方程作为实证模型：

其中：Xit=[fis1it,…,fis4it,gdpit,labit,patit]` 。fis1it到fis4it分别是地方政府科研支出、教育支出、社会保障支出、行政支出的对数项；gdpit、labit、patit分别是控制变量取对数后的结果；εit是扰动项。

（二）模型检验和空间溢出测度

根据Elhorst（2012）提出的针对空间面板模型的估计与检验框架，估计与检验的过程主要分三步进行：第一步，检验经济数据的空间相关性。首先采用OLS方法估计数据，其残差的空间自相关性，采用拉格朗日乘子及其稳健形式（LMlag、LMerror、R-LMlag、R-LMerror）进行检验。第二步，面板数据还要考虑固定效应（Fixed Effect）模型和随机效应（Random Effect）模型的选择。两种模型的选择，取决于Hausman检验的结果。第三步，检验SDM能否简化为SAR或SEM，可被简化为空间误差模型的原假设为H0：γ+δβ=0，可被简化为空间滞后模型的原假设为H0：γ=0。利用Wald检验或LR检验进行。

表1 京津冀生产性服务业及其细分行业数据的相关检验

表2 各项公共支出对生产性服务业及其细分行业的本地影响

表3 各项公共支出对生产性服务业及其细分行业的空间影响

LeSage &Pace（2009）提出一种更准确测度空间影响的方法，针对SDM模型，总体空间影响由一个NXN矩阵表示：LeSage &Pace将空间影响分为直接效应和间接效应，直接效应是偏微分矩阵主对角线元素的平均值，间接效应是偏微分矩阵非主对角线元素的平均值，直接效应代表本地要素对本地经济的影响，间接效应即平均空间溢出，代表本地要素对周边经济的影响。Elhorst（2012）将这种方法推广到了空间面板模型。

（三）实证数据

京津冀各城市的生产性服务业及其细分行业规模、各项公共支出、经济发展水平、劳动力池、创新活动分别以行业年度就业人数、对应的财政计划支出、GDP、人口规模、专利申请数来表征。本文涉及时间范围涵盖2003-2012年。京津冀各城市的生产性服务业及其细分行业的就业人数采自2004-2013年《中国城市统计年鉴》。京津冀各城市历年各项财政计划支出、GDP、人口采自相应的《北京市统计年鉴》、《天津市统计年鉴》、《河北省统计年鉴》。

实证分析

本文参数估计部分主要包括以下内容：空间权重矩阵设定和模型检验、模型参数估计以及空间溢出测度。

（一）空间权重矩阵设定和模型检验

设定空间权重矩阵的原则主要有邻接原则和距离原则，本文基于地理距离原则来设置空间权重矩阵。模型检验结果如下：首先，京津冀生产性服务业及其细分行业的拉格朗日乘子检验都通过了5%显著性水平，表明数据存在空间自相关性，空间面板模型要优于普通面板模型。其次，Hausman检验显著性水平低于2.5%，本文选择固定效应模型进行估计。最后，针对SAR和SEM的Wald检验和LR检验结果都大于0.05的显著性水平，本文基于空间面板杜宾模型来进行估计。京津冀生产性服务业及其细分行业数据的相关检验具体如表1所示。

（二）参数估计

根据拉格朗日乘数及其稳健形式的检验结果，可知2003-2012年京津冀相关数据存在显著的空间相关性。因此，本文基于空间杜宾面板模型进行估计。在本部分，主要利用京津冀地区各个城市各项公共支出的参数估计值，分析其对本地生产性服务业及其细分行业的影响，结果如表2所示。在下一部分，将聚焦于各项公共支出对京津冀地区各城市生产性服务业的空间影响。

就京津冀各城市本地生产性服务业而言，本地的教育支出、社会保障支出、行政支出的影响的估计值分别约为1.35、0.3、-1.51，并通过相应的显著性检验。这表明，本地教育支出和社会保障支出对本地生产性服务业发展起着促进作用，而本地行政支出则起着阻碍作用。这是因为，生产性服务业属于知识密集型产业，其发展高度依赖于人力资本。本地教育支出能够提升本地教育水平和扩大本地教育规模，从而直接壮大本地人力资本；更完善的社会福利和保障能吸引外地人才来本地工作，从而间接壮大本地人力资本；过高的行政支出会抑制本地经济的活力，间接上阻碍本地生产性服务业发展。

就京津冀生产性服务业各个细分行业而言，本地教育支出对本地软件服务业、金融业、房地产服务业、商务服务业和科技服务业，都发挥着主要的促进作用。这也再次证明了人力资本对生产性服务业发展的重要性，以及教育投入对人力资本积累的意义。本地行政支出对本地软件服务业、金融业、商务服务业和科研服务业都起着抑制作用，这意味着生产性服务业的细分行业大多对本地的经济活力较为敏感，而过高的行政支出会抑制本地经济活动，从而限制本地生产性服务业发展。而本地科技支出和社保支出仅仅能影响少数细分行业。

（三）空间溢出测度

总体而言，本地科研支出、教育支出和社会保障支出对周边城市生产性服务业的空间影响的估计值分别为-0.5、-1.4和0.52，并且在95%水平下显著，其中本地政府的教育支出对周边城市生产性服务业的空间影响最大（见表3）。

作为技术密集型行业，研发创新在生产性服务业发展中扮演着重要作用，而且研发创新产生的大部分成果受专利保护，具有排他性。本地政府通过科研公共支出，鼓励本地生产性服务业的研发创新，扶持本地生产性服务业发展，而本地研发创新成果却不被周边城市所共享。本地政府通过科技支出，在扶持本地生产性服务业发展的同时，会抑制周边城市生产性服务业的发展，从而形成对周边城市生产性服务业的“阴影效应”。这意味着，本地公共科研支出高的城市，周边往往分布着经济发展水平较低的城市。这是因为京津冀地区的政府科研支出往往集中在京津地区，而京津周边的河北省地级市科研支出滞后的现象和生产性服务业发展落后的现象同时存在。生产性服务业不仅是技术密集型产业，也是知识密集型产业。本地教育支出和周边城市生产性服务业发展负相关，表明存在一种“虹吸效应”：即教育支出能够提升本地人力资本，本地更高的人力资本，会吸引周边城市的生产性服务业企业来本地发展，从而抑制周边城市生产性服务业发展。这是因为在京津冀地区，人力资本集中分布于京津两大直辖市，导致京津地区更能吸引生产性服务业企业，而一个时期区域内人力资本总量是基本稳定的，这造成河北地级市的生产性服务业发展缺乏人才推动，京津周边的河北地级市更难吸引到生产性服务业企业，从而形成“灯下黑”的局面。这个过程呈现出“因果累积循环”的特点：经济越发达的城市越容易赢得人才，人力资本的增强对经济发展起到正强化的作用，并且吸引更多人才；经济欠发达的城市更容易失去人才，导致对该地区生产性服务业发展的抑制和人才的进一步流失。这种人力资本空间分布上的“马太效应”，使得人才在经济发达地区过度集聚，而经济落后地区则缺乏人才，京津冀地区的内部差距越拉越大。此外值得注意的是，京津冀地区各城市的本地社会保障支出，对周边城市生产性服务业发展存在正外部性。

对京津冀生产性服务业各个细分行业而言，本地社会保障支出对周边城市软件服务业的空间影响的估计值约为0.71；本地科研支出和教育支出对周边城市金融业的空间影响的估计值约为-0.56和-1.5；本地科研支出、社会保障支出和行政支出对周边城市房地产服务业的空间影响的估计值约为-0.91、1.75和-1.97；本地科研支出对周边城市商务服务业的空间影响的估计值约为0.3；本地科研支出、社会保障支出和行政支出对周边城市科研服务业的空间影响的估计值约为-0.82、1.55和-5.84；以上估计值均通过相应显著性检验。这意味着，本地科研支出对周边城市生产性服务业细分行业影响最广泛（主要有金融业、房地产服务业、商务服务业和科研服务业），而且影响以抑制作用为主。金融业和科技服务业与研发创新的关系最密切。提高本地科研支出，会促进本地金融业和科研服务业发展，并且抑制周边城市金融业和科研服务业的发展。本地社会保障支出对周边城市生产性服务业细分行业的影响范围仅次于本地科研支出（主要影响软件服务业、房地产服务业和科研服务业）。

结论与政策建议

根据以上理论探讨与实证分析，可以得出以下关于京津冀各城市公共支出对生产性服务业及其细分行业影响的基本结论：

第一，从本地公共支出对本地生产性服务业影响的角度看，京津冀地区各城市的本地教育支出和社会保障支出主要起着促进作用，而本地行政支出则起着阻碍作用。这是因为，生产性服务业属于知识密集型产业，其发展高度依赖于人力资本。本地教育支出能够提升本地教育水平和扩大本地教育规模，为本地生产性服务业发展提供核心支撑。本地社会保障支出能够提升本地劳动力的社会福利和社会保障。更完善的社会福利和保障，使得人才更愿意在本地工作，达到间接推动本地生产性服务业发展的效果。地方政府过高的行政支出会抑制本地经济的活力，从而间接上阻碍本地生产性服务业发展。在各类政府公共支出中，本地教育支出对本地软件服务业、金融业、房地产服务业、商务服务业和科技服务业，都发挥着最主要的促进作用。这也再次证明了人力资本对生产性服务业发展的重要性，以及教育投入对人力资本积累的意义。本地行政支出对本地软件服务业、金融业、商务服务业和科研服务业都起着抑制作用，这意味着过高的行政支出会限制本地生产性服务业发展。而本地科技支出和社保支出仅仅能影响本地生产性服务业的少数细分行业。

第二，从本地公共支出对周边城市生产性服务业影响的角度看，京津冀地区各城市的本地科研支出，对周边城市生产性服务业存在“阴影效应”。本地政府通过科研公共支出，鼓励本地生产性服务业研发创新，扶持本地生产性服务业发展，而本地研发创新成果却不被周边城市所共享。本地政府的科技支出，在扶持本地生产性服务业发展的同时，实际上会抑制周边城市生产性服务业的发展。本地教育支出和周边城市生产性服务业存在“虹吸效应”，教育支出能够提升本地人力资本，而本地更高的人力资本，会吸引周边城市相关企业来本地发展，从而抑制周边城市生产性服务业。对京津冀生产性服务业各个细分行业而言，本地科研支出主要对周边城市的金融业、房地产服务业、科研服务业存在负外部性，本地教育支出主要对周边城市的金融业存在负外部性，而本地社会保障支出，则对周边城市的房地产服务业和科研服务业存在正外部性。

1.江曼琦，席强敏.生产性服务业与制造业的产业关联与协同集聚[J].南开学报（哲学社会科学版）,2014（1）

2.李博，韩增林.基于投入产出法的大连市生产性服务业与制造业互动研究[J].地理科学，2012，32（2）

3.李佳，孙铁山，张文忠.中国生产性服务业空间集聚特征与模式研究—基于地级市的实证分析[J].地理科学，2014（4）

4.Elhorst J.P.Matlab Software for Spatial Panels.International Regional Science Review,2012

5.LeSage J,K Pace.Introduction to Spatial Econometrics [M].Taylor &Francis Group,LLC,2009

6.Shanzi Kea,Ming Hea,Chenhua Yuana.Synergy and Co-agglomeration of Producer Services and Manufacturing:A Panel Data Analysis of Chinese Cities [J].Regional Studies,2014,48(11)