中国城市生产性服务业空间布局的演进趋势及特征分析

张浩然

一、引言

以研发服务、技术支持、信息和物流服务为核心的生产性服务业来源于产业链条分工的深化、专业化服务的增长和制造业内部服务部门的外部化。生产性服务业是经济活动的粘合剂，可以便利交易，刺激商品生产。通过生产服务活动的介入，衔接成一个紧密黏合的社会生产网络。近年来，生产性服务业在不同空间尺度的集聚现象已经成为经济发展过程中重要的典型化事实之一，如加利福尼亚的多媒体产业集群、北京金融街和中关村IT服务业集聚区、深圳前海现代服务业集聚区等。随着制造业的高速发展和经济活动的服务化，产业链附加值中越来越大的比重来源于生产性服务。处于全球产业链中低端的中国正逐步由单纯的加工、组装、制造环节向供应链和价值链两端延伸，不断提高产品附加值，促进经济结构转型升级。近年来，加快发展以生产性服务业为代表的现代服务业已经成为各级地方政府的普遍诉求。那么，在这一背景下，我国的生产性服务业的空间布局及演进趋势如何？主要受什么因素驱动？如何通过生产性服务业地理空间布局的优化提高区域经济运行效率？深化对上述问题的认识对于充分发挥生产性服务业的集聚效应、实现各城市的专业化分工与协同发展具有重要的理论价值和现实意义。

近年来，基于中国产业集聚的经验研究进展很快。有代表性的文献包括路江涌、陶志刚（2006）运用EG系数（Ellison，Glaeser，1997）的方法考察了中国制造业聚集度1998-2003年间的发展趋势，并进行了国际比较，发现中国的制造业集聚程度低于西方发达国家的水平。袁海红等（2014）基于制造业企业的微观数据和DO指数（Duranton，Overman，2005）测算了北京市产业集聚程度及其动态变化，结果表明40%的行业在5%的水平下显著集聚，高技术行业的集聚程度最高，而低技术的劳动密集型行业最分散。受制于数据的可得性，在服务业方面的研究相对滞后。黄雯、程大中（2006）基于沿海六省市的研究发现知识密集型生产性服务业的空间差异在扩大，而传统服务业的空间差异在缩小。陈建军等（2009）的研究表明生产性服务业集聚程度较高，且表现出逐年提高的态势。集聚主要得益于技术溢出效应。王智渊、马晶（2014）的研究显示服务业专业化集聚对服务业内部结构演进有着显著的正向影响，能够推动服务业结构转型升级。宣烨、余泳泽（2014）强调经济总量大的核心城市能够吸引知识密集度高、不需要频繁面对面接触、辐射能力强的高端服务业，提供专业化的高等级服务。而经济规模小的中小城市主要布局知识密集度低、需要频繁面对面接触、辐射能力较弱的低等级服务业，提供常规服务功能。

总的来说，有关制造业集聚和空间布局的研究进展很快，然而针对生产性服务业的研究尚有不足。绝大多数研究是基于省级数据，而生产性服务业的集聚通常以城市为载体。基于城市生产性服务业集聚的研究侧重于集聚与生产率、工资和经济增长的关系，对于哪些产业以集聚为特征、集聚如何演化以及集聚的决定因素较少涉及。此外，已有文献大多基于面板数据模型，通过组内去均值、一阶差分等方法消去固定效应，以解释变量的短期变化解释生产性服务业集聚度的短期变化，而横截面模型适合于考察各种长期因素对被解释变量的影响（方颖等，2011）。另一些文献虽然利用了横截面模型，但解释变量和被解释变量来源于同一时期。事实上，生产性服务业集聚度的演变需要在较长的视野中才能更好地反映。鉴于此，本文以中国263个地级及以上城市生产性服务业就业数据为研究对象，分析2003年到2012年间，中国城市生产性服务业的部门集聚程度及其演进趋势，并利用地区初始经济总量、信息化程度的差异来解释不同城市间生产性服务业集聚度的变化，考察生产性服务业地理空间布局演变的长期影响因素。

二、数据来源和计算说明

（一）数据来源说明

本文选取2003年-2012年中国263个地级及以上城市面板数据作为研究对象。结合国际研究的惯例和数据的可得性，本文主要通过就业数据测度生产性服务业的地理集中程度和集聚程度，原始数据出自《中国城市统计年鉴》和《中国区域经济年鉴》。由于撤县设区等原因，市辖区区划调整较为频繁，本文采用行政边界相对稳定的全市统计口径。

（二）计算说明

生产性服务业是从制造业内部生产服务部门独立发展起来的、与制造业直接相关的配套服务业。生产性服务业既包括金融、保险、会计、法律、广告、商务、经纪等狭义的生产性服务部门，也包括运输、仓储、通讯等大部分分配性服务业，主要为其他商品和服务生产者提供中间投入。生产性服务业的界定可能存在困难。例如，交通运输、仓储和邮政业既可以看作生产性服务业，也可以看作分配性服务业，金融业既可以视为为消费者提供服务的居民服务业，也可以视为为企业提供服务的生产性服务业（Browning，Singelmann,1975），只是各有侧重。本文沿用顾乃华（2011）的思路，将信息传输、计算机服务和软件业，科学研究、技术服务和地质勘查业，租赁和商业服务业，金融业和交通运输，仓储和邮政业等5个行业加总代表生产性服务业。同时，依据人均产出指标选择交通运输、仓储和邮政业代表低端生产性服务业，选择信息传输、计算机服务和软件业，科学研究、技术服务和地质勘查业，租赁和商业服务业，金融业加总作为高端生产性服务业。

从数据的特性及可得性出发，本文首先运用基尼（Gini）系数考察2003年-2012年263个地级及以上城市生产性服务业地理集中程度的演变趋势。基尼系数除了用于反映收入不平等程度以外，也常被用于测量产业地理集中度。基尼系数的计算公式如下：

其中i 是行业，本文为生产性服务业，sij和sik分别是地区j 和地区k在生产性服务业就业中所占份额，n 是地区的个数，是各地区在生产性服务业就业中所占份额的均值。生产性服务业在城市间的分布越均匀，基尼系数就越小。当所有城市在生产性服务业中所占的份额都相等时，基尼系数就为0。如果生产性服务业完全集中在一个城市，基尼系数就接近1。

Krugman（1991）在Gini系数的基础上构造了空间基尼系数，它成为了其后学者测度产业聚集程度的惯用指标。空间基尼系数可以通过如下公式计算：

式中，KGi为Krugman空间基尼系数，Sij是j城市生产性服务业就业人数占全国生产性服务业总就业人数的比重，Xj是该城市总从业人数占全国总从业人数的比重。空间基尼系数值接近于0，说明生产性服务业就业分布与从业人数衡量的地区规模是一致的；反之，空间基尼系数越接近于1，说明生产性服务业的空间分布与地区规模不一致，生产性服务业的集聚（即产业地方化）程度高。

本文还利用区位商测度全国263个城市2003年-2012年生产性服务业集聚程度（Qp）、高端生产性服务业集聚度（Qhp）和低端生产性服务业集聚度（Qlp）。区位商的公式如下：

其中sj表示生产性服务业在城市j 的总就业人数，s 表示生产性服务业在全国的总就业人数。xj和x 分别表示城市j和全国所有行业的总从业人数。区位商指数能够控制城市规模因素，充分反映一个城市生产性服务业构成与全国平均水平之间的差别。如果Lj等于1，说明生产性服务业与全国所有行业发展成比例地分布于各地。如果Lj大于1或小于1，说明生产性服务业在该城市就业中占有份额大于或小于生产性服务业就业在整个经济中占有份额。

三、生产性服务业集聚程度的现状与变动趋势

由图1可以看出，各城市的生产性服务业集聚程度差异较大。城市的经济体量越大，生产性服务业的集聚程度就越高。就我国的情况而言，随着城市间产业分工的深化，一些城市群出现了生产中心和服务中心相分离的现象。经济体量大的核心城市主要提供信息和服务功能，如北京、上海、广州、深圳，2012年生产性服务业区位商分别为9.09、3.61、3.13和3.01，位列全国前5位。而另一些城市则试图成为专业化的制造业中心，如长三角的苏州、无锡和常州，珠三角的东莞和佛山，这些城市生产性服务业的区位商均小于1。生产性服务业集聚地通常位于行政等级较高的大城市，从而尽可能靠近行政和监管信息来源。这也表明能够提供强大信息源的高等级城市更适合生产性服务业集聚。

图1 2012年城市生产性服务业区位商的空间分布图

就具体的行业而言，2012年基尼系数最高的行业是租赁和商业服务业，基尼系数达到0.777，其后是科研、技术服务和地质勘查业，基尼系数为0.713，以上两个行业呈现首位分布的特点，基尼系数较大，首位城市突出且均为北京。交通运输和仓储邮政业，信息传输、计算机服务和软件业的基尼系数依次为0.668和0.667，最后是金融业，基尼系数为0.520。金融业需要充分利用“软”信息，因此本地嵌入和与客户的地理邻近至关重要。过度的金融集聚增大了金融企业与客户的平均地理距离，引发借贷双方的信息不对称问题，提高了金融机构的监督成本（Agarwal，Hauswald，2010；Cotugno et al., 2013）。

为了全面了解我国生产性服务业和经济活动地区集中的变动趋势，本文还计算了2003年-2012年中国生产性服务业和细分行业就业以及地区生产总值的基尼系数。计算结果显示，我国生产性服务业从2003-2012年的地区集中程度呈现持续上升的态势，基尼系数由2003年的0.563上升到2012年的0.633。在细分服务业方面，信息传输、计算机服务和软件业的提升幅度最大，达到0.108，体现了市场对于区域资源配置的重要作用。科学研究、技术服务和地质勘查业的上升幅度最小，只有0.014，空间布局模式相对稳定。与此同时，地区生产总值的基尼系数大体呈现出先升后降的倒U形曲线过程：波峰出现在2006年左右，达到0.529，至2012年为0.516，变动幅度不大，低于生产性服务业的地理集中程度。

本文还利用Krugman空间基尼系数计算了生产性服务业的集聚程度，结果表明信息传输、计算机服务和软件业，租赁和商业服务业的集聚程度最高，均为0.053，接下来分别是科学研究、技术服务和地质勘查业、交通运输、仓储和邮政业，空间基尼系数分别为0.033和0.017，集聚度最低的仍然是金融业，只有0.008。租赁和商业服务业、交通运输、仓储和邮政业2012年的空间基尼系数略低于2003年，而另外三个行业的集聚程度则呈现上升的趋势，信息传输、计算机服务和软件业空间基尼系数提升的幅度最大。

这种结果的差异说明了基尼系数和Krugman空间基尼系数研究视角和测度方法的不同。Krugman空间基尼系数控制了地区规模因素，若该系数较高，说明生产性服务业与总体经济活动的空间分布不一致，产业的地方化程度较高，而传统的基尼系数则侧重于考察绝对的不平衡程度。考虑到我国就业岗位分布地区差异较大的现实和本文的主旨，我们主要通过基尼系数反映生产性服务业空间布局和地理集中程度的演变趋势。

四、生产性服务业集聚度变动影响因素的计量分析

（一）研究模型的设立

为了考察城市生产性服务业集聚程度演变的长期影响因素，本文考虑如下的横截面计量模型：

式中下标i 代表城市，yi是2003年-2012年各城市生产性服务业、高端生产性服务业和低端生产性服务业区位商的增长率，具体采用对数差分形式进行估计。qpi0表示2003年相应的加总、高端和低端生产性服务业集聚程度，Xi为其他解释变量集合。为了尽可能缓解内生性问题，所有解释变量固定在基期2003年的水平，反映城市特征对生产性服务业集聚度演变的影响。借鉴已有文献，解释变量包括：

(1)经济总量（Lngdp）：经济体量较大的核心城市在管理和信息密集活动中占有优势（World Bank，2009）。大城市的高附加值部门对于金融、法律、广告和科研等生产性服务业有更高的需求（柯善资、赵耀，2014），需要多样化的生产服务企业满足公司总部、研发和营销活动的服务外包需求。生产服务企业也便于获取专业化的劳动力供给和相关服务企业的支持，与其他行业更好的匹配，确保生产性服务业集聚的持续性。

(2)信息基础设施（Internet）：生产性服务业的发展是建立在信息的基础上（顾乃华，2011）。信息基础设施的改善使信息、知识和技术的传递速度加快，能够缓解交易双方的信息不对称问题，对于生产服务企业的区位选择尤为重要。随着信息化程度的提高，服务产品可以通过电子传输，降低了服务产出的运输成本，拓展了服务半径，使生产性服务业可以为远距离的客户提供服务。本文以各城市人均互联网用户数来反映城市的信息基础设施条件。

(3)产业结构：生产性服务业主要为制造业和服务业提供中间投入。良好的制造业和服务业基础对于生产性服务业的发展尤为重要。考虑到工业和服务业之间的差异，本文采用第二产业（Ind）和第三产业（Ser）增加值占地区生产总值的比重反映城市的经济结构。

(4)人力资本（Edu）：人力资本属于软性生产要素，可以解释数量相近的要素投入为何带来差别较大的产出。以研发设计、流程优化、信息技术为代表的生产性服务业依赖于知识和人才要素投入。城市的人力资本水平越高，对生产服务企业的吸引力越大，生产性服务业的集聚程度就越高。考虑到教育是人力资本的基石，本文采用2003年基期每万人中等和高等学校教育从业人员数衡量人力资本的丰裕程度。

(5)政府规模（Gov）：在我国城市生产性服务业的定位中，政府规划引导和政策导向作用非常重要。本文选择扣除了教育和科研支出以后的财政支出占城市地区生产总值比重衡量政府对本地经济活动的参与程度。

（二）计量检验与结果分析

本文利用263个城市数据，通过普通最小二乘法考察了各城市高端（Gqhp）、低端（Gqlp）以及加总生产性服务业集聚程度增长率（Gqp）的影响因素。模型（1）—模型（4）的被解释变量为生产性服务业集聚度的增长率，模型（5）和模型（6）的被解释变量分别为高端和低端生产性服务业集聚度增长率。为了控制横截面回归中很可能存在的异方差问题，本文中所有估计的标准误和相应的t统计量均采用White异方差调整。

表1的估计结果显示，模型（1）至模型（6）主要解释变量的大小和方向并没有显著的变化，表现出了较强的稳健性特征。其中，经济总量对生产性服务业区位商增长率的影响显著为正，说明2003年以来，我国城市生产性服务业出现了向经济发展较好的核心城市集中的趋势。生产服务企业相互毗邻作为一个整体集聚在大城市能够靠近公司总部，与上下游产业链条诸多关联企业同时实现规模经济，并充分利用大城市的知识溢出。而经济体量小的中小城市难以公司总部和大中型企业定位，对生产性服务业的需求不足。

信息基础设施的回归系数显著为正。生产性服务业集聚对于信息条件具有独特的偏好，信息条件在生产性服务业集聚中的地位和作用不断增强。城市的信息获取能力早期依赖于航运，如19世纪的伦敦和纽约、上世纪二三十年代的上海，后期依赖于光缆、通讯卫星等现代通讯基础设施的发展。生产性服务业在本质上仍然是信息服务业，良好的信息基础设施使集聚区内的生产服务企业获益，提高了资源配置效率和微观生产效率。

地方政府规模对生产性服务业空间布局演变的影响也显著为正，政府可以通过规划引导、土地优惠、税收减免等多种途径积极发展生产性服务业，在吸引生产服务企业定位、促进集聚的过程中扮演重要角色。这一结论与陈建军等（2009）的研究结果不同，可能是本文的模型设定侧重于长期影响而非短期效应。

表1 模型回归结果

（续表）

人力资本仅对低端生产性服务业集聚度的提高具有显著影响，其原因可能在于教育的影响具有滞后性，且容易外溢到其他地区。同时，在城市层面，人力资本水平在经验研究中较难测度，降低了统计的显著性。产业结构的影响也不显著，其原因可能在于三次产业的划分仍然较为粗糙，地区生产总值已经反映了城市经济结构的差异。

五、结论与政策含义

本文首先通过基尼系数、Krugman空间基尼系数和区位商分析我国263个地级及以上城市生产性服务业集聚程度及演变趋势，然后利用横截面模型检验生产性服务业布局演变的影响因素。估计结果显示生产性服务业及细分行业都存在明显的空间集中现象，租赁和商业服务业地理集中程度最高，而金融服务业的地理集中程度最低，均呈现出逐年上升的趋势。在影响因素方面，城市经济总量、信息化水平和政府规模在生产性服务业重新定位的过程中扮演了重要角色。本文结果对于生产性服务业空间政策的制定有重要的参考价值：

首先，城市的生产性服务业发展战略不仅要考虑区位条件，还需要与城市的等级规模和经济发展水平相匹配。具体来说，对于东部沿海地区产业基础较好、信息基础设施完善的大城市而言，需要进一步鼓励生产性服务业集聚发展，并适度分散市区集聚收益不足的低端制造业。对于中西部地区的中小城市而言，应发挥资源和低要素成本优势，重点发展少数特色产业，实现专业化发展，避免盲目追求产业结构的高级化。

其次，各级政府应处理好行政边界和市场边界的关系，实现生产性服务业与其他行业在更高水平上的有机融合，优化空间布局，降低服务外包风险和交易成本，充分发挥生产服务部门在研究开发、流程设计、市场营销、物流配送等方面的引领带动作用。

[1] 陈建军, 陈国亮, 黄洁.新经济地理学视角下的生产性服务业集聚及其影响因素研究——来自中国222个城市的经验证据[J].管理世界, 2009 (4): 83-95.

[2] 方颖 , 纪, 赵扬.中国是否存在“资源诅咒”[J].世界经济, 2011 (4): 144-160.

[3] 顾乃华.我国城市生产性服务业集聚对工业的外溢效应及其区域边界——基于HLM模型的实证研究[J].财贸经济, 2011 (5):115-122.

[4] 黄雯, 程大中.我国六省市服务业的区位分布与地区专业化[J].中国软科学, 2006 (11): 60-73.

[5] 柯善咨, 赵曜.产业结构、城市规模与中国城市生产率[J].经济研究, 2014 (4): 75-88.

[6] 路江涌, 陶志刚.中国制造业区域聚集及国际比较[J].经济研究, 2006 (3): 103-114.

[7] 王智渊, 马晶.服务业专业化集聚与服务业内部结构演进[J].产业经济评论, 2014 (4): 14-23.

[8] 宣烨, 余泳泽.生产性服务业层级分工对制造业效率提升的影响——基于长三角地区38城市的经验分析[J].产业经济研究,2014 (3): 1-10.

[9] 袁海红, 张华, 曾洪勇.产业集聚的测度及其动态变化——基于北京企业微观数据的研究[J].中国工业经济, 2014 (9): 38-50.

[10] Agarwal, S., Hauswald, R.Distance and Private Information in Lending[J].Review of Financial Studies, 2010, 23(7), pp.2757-2788.

[11] Browning, H.L., Singelmann, J.The Emergence of a Service Society: Demographic and Sociological Aspects of the Sectoral Transformation of the Labor Force in the USA[M].Springfield: National Technical Information Service, 1975.

[12] Cotugno, M., Monferra, S., Sampagnaro, G.Relationship Lending, Hierarchical Distance and Credit Tightening: Evidence From the Financial Crisis[J].Journal of Banking & Finance, 2013, 37(5), pp.1372-1385.

[13] Duranton, G., Overman, H.G.Testing for Localization Using Micro-Geographic Data[J].The Review of Economic Studies, 2005, 72(4), pp.1077-1106.

[14] Ellison, G., Glaeser, E.L.Geographic Concentration in US Manufacturing Industries: A Dartboard Approach[J].Journal of Political Economy, 1997, 105(5), pp.889-927.

[15] Krugman, P.Geography and Trade[M].Cambridge: The MIT Press, 1991.

[16] World Bank.World Development Report 2009: Reshaping Economic Geography[M].Washington, DC: World Bank Publications, 2009.