湖南省生产性服务业空间集聚及其影响因素研究——基于城市空间面板模型

陈赤平，谷 佳（. 湘潭大学 商学院，湖南 湘潭 405；2. 湖南女子学院，长沙 40004）

· 城市经济 ·

湖南省生产性服务业空间集聚及其影响因素研究
——基于城市空间面板模型

陈赤平1， 2，谷 佳1
（1. 湘潭大学 商学院，湖南 湘潭 411105；2. 湖南女子学院，长沙 410004）

利用探索性空间数据分析方法对湖南省生产性服务业集聚程度进行研究，并通过构建普通计量模型与空间面板模型对生产性服务业集聚的影响因素进行对比分析。结果表明，湖南省生产性服务业集聚具有正的空间相关性，且各市州生产性服务业多为低值集聚区；人力资本、制造业集聚、信息化水平对湖南省生产性服务业集聚有显著的正向影响；考虑空间因素后，制度环境和创新水平的影响效果从显著变得不显著。

生产性服务业；空间聚集；空间自相关；空间计量；影响因素

一、引言

新技术革命促使世界经济结构由工业向服务业转变，且生产性服务业的空间集聚发展态势日趋明显，英国伦敦城、美国硅谷是集聚发展的典范。自 2002年以来，中国生产性服务业以年均14%的速度增长，［1］中国经济步入“服务化”时代的趋势更明显。伴随新经济地理学发展，关于生产性服务业的空间分析逐渐纳入学者们的分析框架。在考虑空间外溢因素下，湖南省生产性服务业集聚的空间相关性如何？影响集聚的因素在考虑空间外溢因素前后是否相同？基于以上两点，本文通过构建空间面板模型，试图对湖南省生产性服务业空间集聚的影响因素进行实证分析，以期帮助政府部门合理规划生产性服务业布局，优化湖南省产业结构、促进社会经济发展。

我国对生产性服务业集聚的研究以集聚度测度及影响因素分析为主，指标主要借用其他产业集聚的测度指标。［2］-［4］盛龙从行业层面和地区层面研究影响生产服务业集聚的因素；［5］陈建军运用2000年和2007年的截面数据，在OLS方法上设置地区虚拟变量，考察地理位置差异对集聚的影响。［6］随着计算机技术日益成熟，空间数据极大丰富，空间数据分析逐渐受学者重视。空间数据分析两步走，第一步的探索性空间数据分析方法（ESDA）将统计学和现代图形计算结合，能直观可视化生产性服务业的空间分布特征。狄乾斌基于ESDA的空间自相关分析，发现我国生产性服务业存在显著地理集聚。［7］第二步是证实性空间数据分析方法（CSDA），即建立空间计量模型并进行检验和拟合，进一步揭示影响生产性服务业集聚的因素。王雪瑞基于SLM模型和SEM模型分析生产性服务业影响因素，发现考虑空间因素的空间计量模型具有更优的估计效果。［8］

可以看出，现有文献对我国生产性服务业空间集聚发展做出了贡献，但有以下几个方面需深入研究。第一，关于生产性服务业空间集聚的研究不应局限于用指标测度集聚度，还应多结合空间数据及ESDA方法，从多学科角度展开研究。第二，使用经典统计学分析集聚影响因素时，多默认样本间相互独立，而 Tobler的地理学第一定律（TFL）指出：邻近距离内的事物通常比相距较远的事物具有更多关联性。这种空间关联性使样本违背了经典统计学假设，易造成结果偏差。［9］第三，部分学者受历史环境背景的局限，忽略了空间因素对集聚的影响，随着空间计量经济学的发展和操作软件的改进，实证结果的可靠性和准确性有较大的提升空间。

为了弥补以上研究的不足，本文采用探索性空间数据分析方法，研究湖南省生产性服务业集聚的空间相关性；应用空间面板模型，将空间地理距离纳入影响集聚因素分析的框架中。

二、理论假说与模型设定

（一）理论假说

自20世纪末以来，将空间相关性纳入经济学研究越来越受到重视，即指某区域事物的发展受邻近区域的影响。［10］这种空间相关性根源于相邻区域间的溢出效应，如具有比较优势的产业集群通过经济要素的流动、知识和人力资本的溢出等方式向周围区域扩散，使邻近区域获得正外部效应，且区域间距离越近，扩散时间相对越短，资源共享越多，正外部效应也越明显。因此，生产性服务业发展较好的市州能使邻近市州享受更多溢出效应，带动周边市州生产性服务业集聚发展。因此，针对当前环长株潭城市群建设取得的成就，本文认为湖南省的生产性服务业存在空间相关性。假设1：湖南省生产性服务业存在空间相关性。

生产性服务业与制造业有着密不可分的联系。根据分工理论，生产性服务业从制造业中分离出来，且制造业成为生产性服务业的主要需求市场。制造业在区域内集聚到一定程度，会扩大对生产性服务业的中间投入需求，引致生产性服务业集聚发展。对于生产性服务业发展较落后的中小城市，制造业发展存在比较优势，推动制造业集聚对生产性服务业集聚影响重大。［11］考虑到湖南省制造业的比较优势，本文认为制造业集聚能促进生产性服务业集聚发展。假设 2：制造业集聚度越高，越能促进湖南省生产性服务业集聚。

生产性服务业具有信息技术密集性特征，加上信息时代的到来改变了企业间交换信息的途径，不仅使企业减少了面对面交流的成本，也让信息更快速、更准确传输，内外因的结合促使生产性服务业的发展依托于信息网络技术的运用。而信息化水平的差异使不同区域比较优势存在差异，生产性服务企业更愿意在信息化水平较高的区域集聚。因此，新经济地理学理论认为信息化水平取代了运输成本，成为影响生产性服务业集聚的主要因素之一。虽然也有学者指出信息化水平会减弱企业集聚的向心力，［12］但就湖南省信息化发展整体水平不高的现状，本文认为信息化水平仍是促进生产性服务业集聚的重要因素之一。假设 3：信息化水平越高，越能促进湖南省生产性服务业集聚。

企业研发机构、大学和研究所是知识和技术创新的源头所在地，其所在区域创新水平较高，生产性服务业，尤其是高科技企业期望尽可能布局在这些机构周围，从而能以最快速度、最短时间获得新技术抢占市场。因此，创新水平成为企业空间布局的重要因素，且企业在布局中会逐渐形成地理集聚，如北京中关村。同时，高科技产业等生产性服务业集聚到一定程度会吸引更多相关企业集聚，如会计事务所、金融机构等中介服务机构，距离上的邻近有利于企业间形成良好的合作关系，进一步扩大集聚规模。因此，本文认为创新水平能促进生产性服务业集聚。假设4：创新水平越高，越能促进湖南省生产性服务业集聚。

产业集聚中引入政府干预可以弥补市场失灵，使得政策等制度环境影响到生产性服务业集聚。［13］制度环境影响方向可能是正面的，也可能是负面的。如政府通过加大科教投入、“优二进三”政策、建设产业园区等政策能培养优质人力资本，促进产业分工，引导生产性服务业集聚。但政府对经济的过多干预则会使得市场管制过多，生产要素无法自由流动，阻碍生产性服务业集聚。鉴于我国市场经济体制不完善以及湖南省生产性服务业集聚处于初步发展阶段，本文假设合理的政府决策能促进生产性服务业集聚发展。假设 5：合理的政府决策，能促进生产性服务业集聚。

生产性服务业属人力资本密集型产业，优质的人力资本往往具有丰富的专业知识，能以较少的人力资本投入带来相对较高产出，保持企业竞争优势。同时，人力资本又具有空间外溢性，［14］随着人员流动，知识和技术的空间外溢会促使周边企业共享知识，相互学习，进而提升人力资本水平，增强企业竞争力。且距离人力资本最优的中心区越近，外溢效应越明显，人力资本提升速度也越快，即中心区周围会吸引更多企业集聚。因此，本文认为，优质的人力资本能促进生产性服务业集聚。假设 6：越优质的人力资本，越能促进生产性服务业集聚。

（二）变量选择

1. 被解释变量

生产性服务业集聚程度（Yit）：生产性服务业是人力资本密集性产业，又鉴于使用服务业总产值会出现低估集聚水平的问题，［15］因此，本文选用湖南省各市州生产性服务业从业人数占各市土地面积的比值来表示各市生产性服务业集聚程度。

2. 解释变量

制造业集聚（manuit）：生产性服务业从制造业中分离出来，两者的关系是十分紧密的，制造业集聚与生产性服务业集聚之间的协同关系已经被学者研究发现，同时为了保证数据的一致性，本文选取湖南省各市制造业从业人数与各市土地面积之比来表示该市制造业集聚程度。

信息化水平（inf oit）：信息化水平测算方法有波拉特法、信息化发展指数法，但两者都是完整体系，指标较多，计算复杂。考虑到数据的可获得性，本文选取湖南省各市互联网用户数与各市总户数之比来表示信息化水平。

创新水平（creait）：专利是发明创造的首创者拥有可受保护的独享权利，专利授权量是衡量创新能力的重要指标。本文选取湖南省各市专利授权量与湖南省对应均值之比来表示创新水平。

制度环境（govit）：对于制度环境的衡量，大部分学者用政府干预程度作为其代理变量，并选用特定部分公共财政支出与全部财政支出的比值表示政府干预程度。本文选取各市财政预算内支出（扣除教育事业支出、科技事业支出）与湖南省对应均值之比来表示制度因素。

人力资本（humanit）：人力资本的代理变量选择较多，如科技人力资源指标、高等学校教师数。考虑到基础研究对生产率的重要促进作用，而目前基础研究又以高校为中心，因此，本文选取各市普通高校专任教师数量占湖南省对应的均值之比来表示人力资本水平。

3. 控制变量

城市规模（urbit）：城市规模指标主要包括城市人口和城市地域规模，一般采用人口指标作为其代理变量。本文选取各市的城市人口密度与湖南省对应均值之比来表示城市规模。

以上数据来源于《湖南省统计年鉴》《中国城市统计年鉴》（2004～2014）以及湖南省知识产权局年统计数据（2007～2013）。本文将交通运输、仓储和邮政业，信息传输、软件和信息技术服务业，金融业，租赁和商务服务业，科学研究、技术服务业等 5大行业作为生产性服务业统计的基本范围。又由于《城市统计年鉴》缺少湘西州的数据，所以仅以湖南省13个地级市为研究对象，虽然仍有代表性但可能导致分析结果出现偏差。

（三）模型设定

本文选用湖南省13个地级市2007～2013年的面板数据分析各影响因素对生产性服务业集聚影响程度。设定如下线性回归模型：

其中，i、t为城市和年份，Yit为生产性服务业在i城市t年的集聚程度，β0为常数项，β1、β2、β3、β4、β5、β6为代估参数，εit为随机误差项。

表1 湖南省生产性服务业就业密度全局Moran'I指数值

三、湖南省生产性服务业集聚的探索性空间数据分析

（一）全局空间自相关分析

空间相关性对应空间集聚性，因此本文通过研究各市州空间相关性来反映空间集聚性。其中，全局相关性分析中Moran'I应用较广泛，以湖南各市州生产性服务业就业人口密度（Yit）测算Moran's I指数。Moran'I取值范围为-1 ≤I≤1，给定显著性水平，值为正表示观测值之间存在显著正相关，呈现高高集聚或低低集聚格局；值为负表示观测值之间存在显著负相关，呈现空间分散格局；当Moran'I接近期望值时，表示不存在空间自相关，观测值在空间上随机排列。本文使用GeoDa1.6.7对2003-2013年湖南省生产性服务业进行全局空间自相关检验。结果如表1所示。

在显著性水平5%和10%下，Moran'I指数均通过Z值检验且都大于0，表明湖南省生产性服务业就业密度在空间上存在正相关性，生产性服务业集聚水平相近的市州在湖南省空间地域上有显著的集聚特性。假设1成立。因此，有必要对湖南省生产性服务业集聚进行空间计量分析。

（二）局域空间自相关

1. Moran散点图

该图用于研究局域空间关联性，横轴表示各市州生产性服务就业密度值，纵轴表示空间滞后量。每个象限分别对应空间自相关类型，第一、三象限分别为高高关联和低低关联，对应的是正空间自相关；第二、四象限则为低高关联和高低关联，两者表示的是负空间自相关。下图为利用GeoDa1.6.7生成的2004、2007、2010和2013年的Moran散点图。

从图1可知，湖南省各市州生产性服务业整体上存在空间相关性，但大部分市州处于第三象限即低值集聚区，表明生产性服务业发展较弱的市州相邻的情况居多，生产性服务业发展较好的市州相邻的情况则较少。

图1 2004、2007、2010 和2013年湖南省生产性服务业集聚的Moran散点图

2. LISA检验

LISA检验可看出生产性服务业空间自相关的显著性水平。利用GeoDa1.6.7计算湖南省四个年度就业人口密度的LISA值，并且在Z检验的基础上（P≤0.05）绘制LISA集聚图。从各年的LISA集聚图可以更清楚地看出湖南省生产性服务业空间格局及其演变趋势。

从图2可发现，各市州生产性服务业局部集聚有变化，总体上表现出随时间推移集聚度逐渐增强的趋势。2004年以长沙、株洲、湘潭、娄底为中心呈现一定的集聚性，益阳的低观测值被周围地区高观测值包围，形成低—高型集聚。2007年长沙、湘潭的生产性服务业发展迅速，集聚趋势不断加强，但株洲和娄底的集聚度降低，呈现低—高型集聚。到2010年随着长株潭一体化进程加快，生产性服务业集聚水平越来越高，整体上形成了以长株潭为核心的生产性服务业集聚格局，尤其是长沙生产性服务业发展一路领先，高观测值被周围地区低观测值包围，形成新的高—低型集聚。2013年集聚区域维持与2007年大致格局。

图2 2004、2007、2010、2013年湖南省生产性服务业LISA集聚图

四、空间计量模型与实证

（一）空间面板数据模型

误差项中包含空间相关性的模型称作空间误差模型（SEM）。表达式为

其中，α0为截距，αj、λ为系数，μit为随机误差项，其他参数同上，αj衡量Xj对Yit的影响，λ衡量扰动项中的样本的空间依赖作用，通过邻近市州关于Yit的误差冲击对本地Yit的影响程度；W为空间权重矩阵，本文使用xy2cont函数生成。

将空间相关性显性表达在模型中，即称作空间滞后模型（SLM），空间滞后模型考虑了因变量的空间相关性，模型表达式为

表2 湖南省生产性服务业集聚空间相关模式检验

（二）空间相关性再检验及SLM、SEM选择

考虑空间相关性后，需判定这种相关性是源自随机误差项自相关还是内生空间滞后项，目前相关文献基本采用Anselin和Rey提出的拉格朗日乘子检验及其稳健形式判断。［16］首先进行普通OLS回归分析，然后采用LM-lag、LM-error检验判断，Robust LM-lag、Robust LM-error进行稳定性检验补充。若LM-lag （或LM-error）统计量更显著，且Robust LM-lag（Robust LM-error）显著而Robust LM-error（Robust LM-lag）不显著，那么恰当的模型是空间滞后模型（或空间误差模型）。［17］如果模型均显著，则通过拟合优度和极大似然对数值进行比较。本文以 1%的显著性水平进行检验。结果如表2所示。

检验结果表明空间滞后模型更合适。因此当考虑空间相关性因素后，本文选用空间滞后模型分析湖南省生产性服务业集聚影响因素问题。由于口径不同难以比较，为了提高模型估计的精确度，以上变量均取对数，模型设定如下：

（三）实证结果与分析

1. 普通面板实证结果与分析

不考虑空间相关性因素，运用stata12进行普通OLS模型回归、固定效应模型和随机效应模型回归。发现后两者均优于OLS模型。通过Hausman检验选择固定效应模型或随机效应模型，最后修正异方差，进行GLS回归估计，结果如表3。

表3 普通面板实证结果

上表共有五个方程的回归结果，对6个解释变量逐一进行分析。从最后回归结果看，除政府因素在 5%的置信水平下显著外，其他变量均在1%的置信水平下显著，且都对生产性服务业集聚有显著的正效应，假说均成立。按影响程度由大到小排序为人力资本、城市化水平、信息化水平、政府、创新和制造业集聚，说明生产性服务业是知识密集型产业，受人力资本影响最大，湖南省制造业集聚对生产性服务业集聚的弹性系数只有0.026，说明湖南省制造业集聚对生产性服务业集聚影响相对较弱。

2. 空间面板实证与分析

运用MATLABR2014a估计空间滞后模型参数，通过Hausman检验，选择固定效应模型。（6）、（7）、（8）、（9）是将固定效应按时间和空间维度分为无固定效应、空间固定效应、时间固定效应以及时空固定效应四种情况。一般来说，空间维度代表地区自然禀赋与经济结构的影响，而时间维度代表随时间变化因素如经济周期、突发事件的冲击和影响。［18］结果如表4。

表4 SLM模型固定效应实证结果

加入空间相关性因素后，拟合优度值、对数似然函数值都有所提升，说明有效消除了生产性服务业集聚空间自相关和空间误差的存在。尽管同一解释变量在不同模型中的系数大小和方向略有变化，但与理论预期基本一致，较好揭示了解释变量在时间维度和空间维度对湖南省生产性服务业集聚影响的作用机制。

第一，地区固定、时间固定和时空固定效应模型的拟合优度均在90%以上，对数似然函数值均大于无固定效应模型，这说明模型既受空间固定效应影响，也受时间固定效应影响。体现空间依赖关系的 W*dep.var.在除时空固定模型下均达到 1%的显著性水平，且系数符号均为正，进一步说明湖南省生产性服务业集聚存在明显的正的空间相关性，生产性服务业集聚的空间相互作用的途径可通过邻近地理位置优势相互传递。

第二，制造业集聚的弹性系数均通过了显著性检验，说明制造业集聚是影响湖南省生产性服务业集聚的重要因素之一，假说2成立。从空间维度看，制造业集聚弹性系数均为正，说明制造业集聚对生产性服务业集聚有促进作用；仅从时间维度看，制造业集聚可能因经济周期、突发情况等随时间变化对生产性服务业集聚有负作用。

第三，信息化水平弹性系数在除时空固定效应下均显著为正，说明信息化水平对生产性服务业集聚的促进作用明显，假说3成立。其中，时间固定效应下弹性系数最大，说明信息化水平随时间提升迅速，不同时间下信息化水平差异比在不同地区之间差异更明显，对生产性服务业集聚影响也最大。

第四，人力资本在时间固定效应模型下对生产性服务业集聚影响显著为正，且弹性系数达到0.304604，充分说明人力资本对生产性服务业集聚有强劲推动作用，假说6成立。高校老师的数量随着每年大学扩招不断增加，一方面学生受教育的质量得到保证，研发成果也会相应增加，生产性服务企业更倾向于布局在研发力度大的城市。因此，人力资本从时间维度上对生产性服务业集聚起到促进作用。从空间维度上，由于湖南省高校过于集中于长沙市，知识辐射效应较小，造成人力资本分布过于集中于长沙，而总体上其他地区人力资本水平差异并不悬殊，因此，空间效应并不显著。

第五，考虑空间相关性因素后，受到空间固定效应和时间固定效应影响，创新水平和制度环境对生产性服务业集聚影响不显著。可能是因为湖南省创新水平不高，各市州创新差异不明显，从空间上没有对生产性服务业集聚产生作用；同时，各市州的创新能力没有随时间得到较大提高，从时间上也没有对生产性服务业产生作用。同时，各级地方政府对支持生产性服务业集聚发展的政策措施不到位，从空间考虑对其集聚影响不显著。虽然普通面板数据实证得出创新水平和制度环境对集聚正影响的结果，但这两个结论并不矛盾。普通面板是从整体出发探讨影响因素，空间面板是从空间角度出发探讨影响因素，得出的结果更细致，也进一步验证了忽视空间因素可能会对实证结果造成偏差。

五、结论与启示

本文使用探索性空间数据分析方法，构建空间计量模型，揭示了湖南省生产性服务业集聚内在形成机理，主要结论及启示如下：

湖南省生产性服务业集聚存在明显的正空间自相关，其相互作用的途径可通过邻近地理位置优势相互传递，传递的内容与人力资本、信息技术流动密不可分。但湖南省生产性服务业集聚仍以低值集聚为主，长株潭辐射能力有限，因此各市州之间应注重推动生产要素流动，增强空间溢出效应，促进湖南省生产性服务业在更大范围内集聚发展。

人力资本因素对湖南省生产性服务业集聚正向影响显著，再次证明生产性服务业对高素质人才的需求。因此，应从高等教育入手，鼓励高校多开设与生产性服务业相关课程，推动高校对生产性服务业的研究，鼓励长沙优质高校与偏远地区高校展开一帮一活动和交流，建议企业与高校共同制定专业人才培养计划，提升人力资本水平。制造业集聚从空间维度上对生产性服务业集聚有促进作用，各地应注重促进制造业与生产性服务业集聚协同发展，同时克服时间影响下对集聚的负作用。信息化水平对生产性服务业集聚也有正向促进作用，尤其是时间效应下更明显。各地区应加快信息高速公路建设，积极实施“互联网+”行动计划，提升各地区信息化水平，充分挖掘信息化水平对生产性服务业集聚的潜能。考虑空间相关性因素后，创新水平和制度环境对生产性服务业集聚影响有待提高。各级政府应加快转变以发展工业为主导的思想，营造良好的制度环境促进生产性服务业集聚发展。同时，深入实施创新驱动战略，增强企业、高校、科研所以及行业协会的合作，促进产学研的深度融合，提升湖南省原始创新力。

［1］ 周明生， 陈文翔. 中国生产性服务业集聚的空间效应研究——基于空间面板数据模型［J］. 经济与管理研究， 2014（9）: 69-76.

［2］ 李文秀， 谭力文. 服务业集聚的二维评价模型及实证研究——以美国服务业为例［J］. 中国工业经济， 2008（4）: 55-63.

［3］ 任英华， 邱碧槐. 现代服务业空间集聚特征分析——以湖南省为例［J］. 经济地理， 2010（3）: 454-459.

［4］ 邱灵， 方创琳. 北京市生产性服务业空间集聚综合测度［J］.地理研究， 2013（1）: 99-110.

［5］ 盛龙， 陆根尧. 中国生产性服务业集聚及其影响因素研究——基于行业和地区层面的分析［J］. 南开经济研究， 2013（5）: 115-129.

［6］ 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.

［7］ 狄乾斌， 张健， 涂文伟. 基于 ESDA的中国生产性服务业地理集聚分析［J］. 地理与地理信息科学， 2014（3）:71-76.

［8］ 王雪瑞， 葛斌华. 我国生产性服务业空间效应研究——基于SLM、SEM模型的实证［J］. 中央财经大学学报， 2012（4）: 68-71.

［9］ 王劲峰， 廖一兰， 刘鑫. 空间数据分析教程［M］. 北京: 科学出版社， 2010.

［10］ Cliff A D， Ord J K. Spatial processes: models & applications ［M］. London: Pion， 1981.

［11］ 陈建军， 陈菁菁. 生产性服务业与制造业的协同定位研究——以浙江省 69个城市和地区为例［J］. 中国工业经济， 2011（6）: 141-150.

［12］ Quah D. ICT clusters in development: theory and evidence［J］. EIB papers Cahiers BEI， 2001（1）: 85-100.

［13］ 高运胜. 基于修正钻石模型下生产性服务业集聚与政府作用分析［J］. 会计与经济研究， 2012（6）: 73-78.

［14］ 赵达薇， 李非非. 罗默、卢卡斯人力资本理论对经济增长作用的理论分析［J］. 管理现代化， 2008（1）: 49-50.

［15］ 陈国亮. 新经济地理学视角下的生产性服务业集聚研究［D］.杭州: 浙江大学， 2010: 90-91.

［16］ L Anselin， R Florax ， S Rey. Advanced in Spatial Econometrics: Methodology， Tools and Applications［M］. Berlin: Springer Verlag，2004: 16-84.

［17］ 吴玉鸣. 中国经济增长与收入分配差异的空间计量经济分析［M］. 北京: 经济科学出版社， 2005: 172-173.

［18］ 李婧， 谭清美， 白俊红. 中国区域创新生产的空间计量分析——基于静态与动态空间面板模型的实证研究［J］. 管理世界， 2010（7）: 43-54.

（责任编校：贺常颖）

Services Industryof ProdctionAgglomeration and Its Influential Factors in Hunan: Based on Urban Spatial Panel Model

CHEN Chiping1，2， GU Jia1
（1. Business School， Xiangtan University， Xiangtan， Hunan 411105， China； 2. Hunan Woman's University， Changsha， Hunan 410004，China）

This article analyzes the services industry of agglomeration in Hunan Province by using the exploratory spatial data analysis， and it compares the influential factors of the services industrey agglomeration through building general and spatial econometric models. The conclusions are as follows：the producer services agglomeration in Hunan Province has a positive spatial auto correlation， and the producer services in cities are most low concentration areas； Human capital，manufacturing agglomeration and informatization level are of significant positive effects on the producer services agglomeration；considering the factor of space， the effects of institutional environment and level of innovation become insignificant.

producer services； spatial agglomeration； spatial autocorrelation； spatial econometrics； influential factors

F 263

A

10.3969/j. issn. 2096-059X.2016.02.001

2096-059X（2016）02-0001-07

2016-01-12

教育部人文社科项目（15YJA790004）；湖南省社科基金重点项目（12ZDB05）

陈赤平（1969-），男，湖南桑植人，教授，博士生导师，主要从事新制度经济学、产业组织理论研究；谷佳（1990-），女，湖南长沙人，硕士研究生，主要从事产业经济学研究。