我国八大经济区服务业空间集聚与专业化变动趋势及其空间效应分析

金春雨，陈 霞，王伟强

（1.吉林大学数量经济研究中心，长春130012；2.吉林大学商学院，长春130012；3.湖南大学经济与贸易学院，长沙410006）

我国八大经济区服务业空间集聚与专业化变动趋势及其空间效应分析

金春雨1，2，陈 霞3，王伟强2

（1.吉林大学数量经济研究中心，长春130012；2.吉林大学商学院，长春130012；3.湖南大学经济与贸易学院，长沙410006）

我国区域服务业集聚水平由沿海到内陆依次递减，东部沿海、北部沿海和南部沿海服务业集中度水平在八大区中始终处于最高水平，而长江中游、西南和黄河中游地区在八大区中居于中游水平；东北、西北地区服务业平均集中率水平相对较低，位于八大区下游水平，各区域服务业专业程度较低，而且波动性较大。服务业发展在相邻地区之间具有显著的正向空间相关性，服务业集聚和专业化水平对服务业产出的直接影响效应均为正，但二者的空间溢出效应均显著为负。劳动投入对服务业产出增加的直接效应为正，但不存在显著的空间溢出效应，而相邻区域资本投入对服务业产出具有正向的空间溢出效应，但其直接影响效应不显著。

产业集聚；地区专业化；服务业

一、引 言

随着全球产业结构的变迁，世界各国的产业结构都呈现出由“工业型经济”向“服务型经济”转型的趋势，服务业的发展已经成为各个国家和地区经济发展的重要组成部分，经济服务化成为了发达国家拉动经济增长的重要力量。由于服务业在我国经济增长方式转变、产业结构调整、提供就业机会等方面的作用日益凸显，因此，大力发展服务业，提高服务业在国民经济中的比重，便成为了我国产业结构升级及经济增长方式转变的优选路径。与此同时，随着产业价值链的空间离散化和网络化，产业集聚和地区专业化分工得以加强，产业空间集聚和区域专业化程度与各地区经济的竞争优势越来越呈现强相关关系，多地区间服务业协同发展形成了新的分工形式，不同区域之间服务业的发展也呈现出较强的空间依赖性。因此，本文试图对我国服务业的空间集聚度与地区专业化水平进行测度，并运用空间计量方法来分析区域服务业的空间集聚、地区专业化的直接影响效应与空间溢出效应。

国内外诸多学者分别从全国、区域、行业等不同视角对服务业发展问题展开了广泛的研究。塞皮瑞斯特（Sapprasert）的研究表明，信息和通信技术的发展是驱动服务业增长的重要因素。［1］乔万纳（Giovanna）发现经济全球化的推进与经济发展水平的提高是导致现代服务业快速发展的主要原因。［2］程大中通过实证分析我国服务业地区特征、部门特征发现，城市化水平、人均GDP是影响服务业增长的两个最重要因素。［3］雷小清通过实证分析发现，居民消费和最终需求是决定服务业发展的主导力量。［4］朱尔茜同时从区域和结构两个维度对消费性服务业、生产性服务业以及分配性服务业的影响因素进行了实证分析。［5］但以上研究成果都未从产业集聚和地区专业化视角对我国服务业驱动因素展开研究，事实上，大量实证研究已经证实产业集聚和专业化对服务业发展具有重要的影响作用。如瓦伦蒂娜（Meliciani）和萨沃纳（Savona）的研究认为，集聚经济、技术创新以及知识溢出等要素对服务业专业化水平都具有决定性作用。［6］韩德超、张建华发现，专业化分工对我国各地区生产性服务业的发展具有显著的正向影响。［7］刘纯彬、杨仁发从地区和行业层面实证分析了专业化分工、工业化程度、服务效率、产业融合程度、政府规模、制造业集中度、对外开放程度等因素对我国生产性服务业发展的影响。［8］魏君英的研究表明，劳动和资本要素投入对服务业发展的影响相对较小，而服务业集聚程度、服务业自身发展惯性、经济发展水平以及工业化水平对服务业发展存在较大的促进作用。［9］袁丹、雷宏振认为，产业集聚能够对我国生产性服务业效率产生较强的促进效应。［10］各区域服务业发展不仅受产业专业化程度、集聚程度、要素投入的直接影响，而且还受到相邻区域服务业溢出效应的影响，具有较强的空间依赖性。

由于空间计量经济模型能够用于处理经济单元间的空间依赖性，克利夫（Cliff）和奥德（Ord）最早基于横截面数据对空间滞后模型进行了研究，之后许多学者对空间计量模型进行了拓展。［11］其中安瑟林（Anselin）和艾奥斯特（Elhorst）将截面形式的空间计量模型进一步扩展至面板形式，从而使得空间面板模型获得了广泛的应用。［12］［13］Elhorst从空间相关性检验、固定效应和随机效应的判断、模型参数的估计等多个方面对空间面板模型进行了系统的研究。［14］本文运用空间面板模型实证分析服务业的空间集聚、地区专业化、要素投入对服务业产出的影响。

二、空间面板模型

在模型设定中采用面板数据施加的前提假设条件可以比横截面数据或时间序列数据更为复杂和全面，从而对现实的刻画能力更强。［15］空间面板模型相比以往的截面形式空间计量模型拥有的自由度更大，可以大幅提升模型估计的有效性。因此，空间面板模型在实证中逐渐得到了广泛的应用。空间面板模型从形式上具体可分为空间滞后模型（SAR）、空间误差模型（SEM）以及空间杜宾模型（SDM），其中，SDM模型是SAR模型和SEM模型的一般形式。

1.空间面板模型的设定

SAR模型的基本形式为:

SEM模型的基本形式为:

SDM模型作为SAR模型和SEM模型的一般形式，同时涵盖了被解释变量和解释变量的空间滞后影响，SDM模型的基本形式为:

2.空间面板模型的估计

三、我国八大经济区服务业空间集聚与地区专业化变动趋势分析

范剑勇对产业区域一体化的发展阶段进行研究后认为，产业集聚发生在一体化由低级向中级水平提高的阶段，此时地区专业化水平也获得逐渐提升；而在一体化由中级向高级的发展阶段，产业将出现有序扩散，此时各地区专业化分工将逐渐形成，区域间产业结构差异逐渐扩大；而在最后阶段，地区一体化程度很强，地区专业化与单个产业集中率均达到较高水平，但产业平均集中率可能会下降。［16］［17］产业集聚和地区专业化均是市场优化配置资源的结果，产业集聚有利于实现规模经济；地区专业化有利于充分发挥比较优势。因此，产业集聚和地区专业化对于驱动服务业发展具有重要作用。本文首先对产业集聚程度和地区专业化水平的具体测算方法予以介绍，并在八大经济区框架下，对各区域产业集聚程度和地区专业化水平的变动趋势进行对比分析。

1.八大经济区服务业产业集聚度的测算与趋势分析

本文利用我国31个省、自治区的6个服务业的总产值来测算各区域服务业产业集聚程度，数据来源于2006～2013年《中国工业统计年鉴》、《中国第三产业经济统计年鉴》及中经网数据库。产业平均集中率计算公式为:

图1 东部沿海服务业集中率及平均值

图2 北部沿海服务业集中率及平均值

图3 南部沿海服务业集中率及平均值

图4 东北地区服务业集中率及平均值

图5 长江中游服务业集中率及平均值

图6 黄河中游服务业集中率及平均值

图7 西南地区服务业集中率及平均值

图8 西北地区服务业集中率及平均值

图9 八大区域服务业平均集中率

从图1～8显示的结果可知:从各区域集聚水平来看，南部沿海地区的广东省远高于其他省市；其次是位于东部沿海地区的江苏省、上海市、浙江省及位于北部沿海地区的北京市、山东省，这5个省市平均集中率在2005～2012年均高于全国平均水平，均大于0.05。福建（东部沿海）、河北（北部沿海）、湖南和湖北（长江中游）、河南（黄河中游）、四川（西南地区）、辽宁（东北地区）等7个省市在全国服务业平均集中率均居于中上游水平，均大于0.03。位于南部沿海地区的海南、西南地区的西藏及西北地区的甘肃、青海、宁夏等5个省和自治区的服务业聚集水平最低。在我国服务业聚集水平相对较高的6个省市中，广东省服务业聚集水平一直良好，发展态势最佳，2007年服务业平均集中率达到最高，而后呈现小幅度的下滑趋势，但在全国仍处于领先地位；江苏省的服务业平均集中率仅次于广东省，在2005～2012年间呈现明显的上升趋势。山东省聚集水平也相对较高，从图2可看出，山东省的服务业聚集度在2009年出现大幅度下降，而后在2010年又回升，总体呈上升态势。上海、北京、浙江等省市的服务业聚集水平呈小幅度下降趋势，但聚集水平仍高于全国平均水平。因此，我国服务业聚集度较高的地区都位于沿海地带，广东省的服务业聚集水平最高，发展态势最好，其次是江苏、山东，服务业聚集度最低的地区主要位于西北地区。

图9给出了八大区产业平均集中率的走势。从图9中各区域服务业聚集水平变化趋势可以看出，2005～2012年东部沿海地区的服务业聚集水平变化趋势较为平稳，一直处于领先地位；北部沿海地区聚集水平在0.2左右小幅波动，仅次于东部沿海。南部沿海地区的聚集水平在2005～2012年波动幅度较大，其平均集中率在2005～2007年呈上升趋势，2007年达到最高点后开始呈现大幅度下降趋势，黄河中游、西南地区和长江中游等地区的聚集度发展趋势几乎相同。相对来说，西北地区的产业平均集中率处于八大区域最低水平，其服务业集中趋势不明显。因此，就各区域集中度水平而言，东部沿海、北部沿海和南部沿海的服务业集中度水平分别位列前三位；长江中游、西南和黄河中游地区在八大区中居于中游水平；而东北地区、西北地区服务业平均集中率水平相对较低，位于八大区中的下游位置。显然，我国区域服务业集聚发展水平呈现出一种由沿海向内陆依次递减的明显趋势。

2.八大经济区服务业地区专业化指数的测度与趋势分析

本文利用地区间相对专业化指数对地区之间的产业结构差异程度进行度量，对应的公式为:

图10 东部沿海服务业专业指数及平均值

图11 北部沿海服务业专业指数及平均值

图12 南部沿海服务业专业指数及平均值

图13 东北地区服务业专业指数及平均值

图14 长江中游服务业专业指数及平均值

图15 黄河中游服务业专业指数及平均值

图16 西南地区服务业专业指数及平均值

图17 西北地区服务业专业指数及平均值

图18 八大区服务业专业指数平均值及全国平均值

由图10～17可知，东部沿海地区中的上海相对专业化指数最高，最大值接近0.29，并且在2005～2012年的平均水平在0.2和0.25之间；北部沿海地区中的北京相对专业化指数最高，样本区间内几乎都在0.3以上，河北省的相对专业化指数在2006年出现快速增长之后，从2007年开始逐渐趋于稳定，且维持在0.25以上的水平；长江中游地区中的湖南省专业化水平相对较高，基本处于全国平均水平以上。上海、北京、河北、湖南4个省市的专业化水平远高于全国平均水平。位于黄河中游地区的内蒙古专业化水平相对较高，相对专业化指数均在0.25以上；西南地区的西藏相对专业化指数均在0.35以上，远远高于全国平均水平；西北地区的甘肃、青海、新疆等省的相对专业化指数均位于0.2～0.3之间，并随着时间的推移呈上升趋势，宁夏的相对专业化指数相对于同区域其他省份偏低，但仍高于全国平均水平，且在2008～2009年呈现非常快速的增长，其后相对专业化指数一直维持在0.25以上。内蒙古、西藏、甘肃、青海、新疆、宁夏的服务业极不发达，服务业发展几乎处于“白地”的状态，呈现出一种“人有我无”的状态，这就使得这6个省市的服务业专业化也呈现出较高水平状态。除上海、北京、河北、湖南、内蒙古、西藏、甘肃、青海、新疆、宁夏等10个省市外，其他地区间产业结构的差异性相对较小，趋于全国平均水平。总体而言，我国服务业地区专业化呈现“两极分化”的现象，上海、北京、河北、湖南等4个省市的服务业较发达，服务业发展水平较高，处于全国领先地位；而内蒙古、西藏、甘肃、青海、新疆、宁夏等6个省份的服务业并不发达，但其服务业专业化水平却很高。为了进一步对八大区相对专业化指数变动趋势进行对比，图18同时给出了八大区以及全国相对专业化指数平均值的走势，从图18中各区域的总体平均情况来看，北部沿海地区、西北地区的相对专业化指数较高，远高于全国平均水平；长江中游、南部沿海以及东北地区的相对专业化指数较低，黄河中游地区、西南地区和东部地区专业化水平位于八大区域的中游。从变动趋势看，全国相对专业化平均指数在2005～2009年期间呈现缓慢上升趋势，在2010～2012年趋于平稳。北部沿海地区的服务业相对专业化指数在2008年达到最高点，而后急剧降到2009年的最低点，然后呈现逐渐上升的趋势；西北地区的相对专业化指数在2010年以前上升的幅度较大，在2011～2012年趋近于平稳，而西南地区的相对专业化指数呈明显上升趋势；东部沿海、东北、黄河中游地区的区域间相对专业化指数变动轨迹呈现倒“U”形，总体来看，这3个地区的相对专业化指数在2008年和2009年达到最大值，其后则出现不同程度的下降；北部沿海、南部沿海和长江中游地区的相对专业化指数呈现先上升再下降，之后又上升的变化趋势。

综上，从各区域专业化指数水平来看，西北地区和北部沿海地区的相对专业指数较高；南部沿海、长江中游、东北地区的相对专业指数较低；黄河中游、东部沿海和西南地区的相对专业化指数居于中游水平。从各区域专业化指数变动趋势来看，西南地区和西北地区相对专业化指数都呈现显著增长趋势，就相对专业化指数而言，东北、黄河中游、东部沿海地区都表现为先上升后下降的倒“U”形变化趋势，而北部沿海、南部沿海和长江中游等地区具有先上升再下降后又上升的变化趋势。

四、服务业产业集聚与地区专业化的空间效应

本文运用我国服务业产业数据测算各省域及八大经济区服务业平均集中率和地区相对专业化指数并分析其变化趋势，运用空间面板模型检验产业集聚和地区专业化对服务业发展的直接影响效应与空间溢出效应。

根据空间面板模型的检验步骤，我们首先在普通面板模型形式下进行空间相关性检验，不含空间交互作用的普通面板模型为:

其中，被解释变量zjz3以第三产业产值增加值表示，反映了服务业产出水平，jzl为服务业平均集中率，用于刻画服务业集聚水平，jzl表示服务业相对专业化指数，edu表示人力资本状况，用大专及以上学历占总人口的比重表示，capital为服务业资本投入情况。此外，本文还引入了两项控制变量，pGDP和gfe，其中，pGDP表示地区经济发展水平，用人均国内生产总值来刻画，gfe表示政府对经济的干预程度，用地方政府支出占当地GDP的比重来刻画。本文数据样本为2005～2012年我国31个地区的数据，数据均来自《中国统计年鉴》以及中经网统计数据库。表1给出了非空间面板参数估计及空间自相关性检验结果。

表1 非空间面板模型估计结果

从表1中可以发现，在空间固定效应模型下，LM和稳健LM检验统计量均拒绝了原假设:不存在被解释变量空间滞后项（1%显著性水平），同时，LM检验统计量也在1%的显著性水平下拒绝了不存在空间滞后残差项的原假设。这说明，在空间固定效应下，观测值之间空间相关性是显著存在的。从表2检验结果可以看出，空间固定效应在1%的水平下联合显著，因此，应当在空间固定效应下构建适当的空间面板模型对我国服务业影响因素展开分析。

表2 空间固定效应联合显著性检验

通过上述分析可知，应当建立包含空间固定效应的空间面板模型对我国服务业发展影响因素进行分析，但根据模型选择原理，仍需要对空间固定效应的SDM模型进行Wald检验和LR检验，模型的具体形式为

空间固定效应下SDM模型的估计结果如表3所示。

表3 包含空间特定效应的空间杜宾模型估计结果

由表3可知，SDM模型简化为SAR模型的Wald统计量和LR统计量分别为31.1074和19.7922，二者都在1%的水平上通过了显著性检验；同理，SDM模型简化为SEM模型的Wald统计量和LR统计量分别为48.3872和21.9108，也都通过了1%的显著性水平检验，这说明检验结果同时拒绝空间杜宾模型可以简化为空间滞后模型或空间误差模型的两个原假设，而广义的空间杜宾模型才是最恰当的模型形式。从估计结果来看，区域服务业产出受本地区服务业集中率、地区专业化以及其他解释变量的影响的同时，也受到相邻区域服务业产出的影响。服务业产出空间滞后项的影响系数为0.5224，并且通过了1%显著性水平检验，这表明相邻区域服务业发展对本地服务业发展具有正向的辐射功能和空间外部性效应。服务业集聚水平的影响系数为11.9131，并且通过了1%显著性水平的检验，相邻区域服务业集聚水平对服务业产出的影响系数为-11.0257，也通过了1%显著性水平的检验，这说明服务业集聚对当地服务业发展能够产生较为显著的正向影响，但不利于其相邻地区服务业发展水平的提高，由于服务业集聚对产出的正向影响会随着空间半径的放大而逐步减弱，在市场分割作用下，服务业集聚带来的正向外部性最终会被集聚空间竞争产生的负向作用所抵消甚至赶超，从而导致相邻区域服务业集聚水平对当地服务业产出造成一定抑制作用。从影响系数判断相邻区域服务业集聚对产出负向影响小于本地服务业集聚对产出的正向影响，服务业集聚对其产出具有正向的总效应。总体而言，区域服务业集聚的提升有助于服务业发展。地区专业化对服务业产出的影响系数为0.2111，并通过了10%的显著性检验，相邻区域的地区专业化对本区域服务业产出的影响系数为-3.9430，也通过了10%的显著性检验，这说明由于服务业专业化程度的提升引起的经济外部性具有很强的空间竞争性，服务业专业化程度有利于本空间单元服务业产出的增加，但远远不能抵消专业化带来的空间竞争对服务业产出的负向影响。由此可见，提高服务业专业化程度反而会抑制区域服务业产出的增长。人力资本对服务业产出的影响系数为0.0045，在10%水平下显著，相邻地区的人力资本对服务业产出的影响系数为0.0063，但不显著，两者对服务业产出的影响均为正，这表明本地的人力资本对服务业产出增长具有微弱的促进作用，相邻区域的人力资本对本空间单元服务业产出影响作用不显著，这表明我国服务业发展仍以劳动密集型为主，应大力发展现代服务业，重视人力资本对服务业增长的作用，促进服务业产品附加值提高和服务业结构升级。固定资产投资对服务业产出的影响系数为0.0202，但不显著，相邻区域的固定资产投资对本地区服务业产出的影响系数为0.1601，在1%显著性水平上显著，表明服务业的产出对当地固定资产投资并不存在很强的依赖性，但相邻地区的固定资产投资可以在一定程度上促进本区域的服务业发展。当地的经济发展水平对服务业产出的影响在5%水平上通过了显著性检验，影响系数为0.1786，这说明区域服务业的发展与当地经济发展水平存在较为密切的正向关联，但相邻地区经济发展水平的变化并不会对本地区服务业发展造成较为显著的影响。

五、结 论

本文测算了2005～2012年我国八大经济区31个省市的服务业平均集中率、地区专业化指数，分析了区域服务业集聚水平和服务业专业化程度的变化趋势，并在此基础上运用空间杜宾模型检验了服务业集聚、地区专业化对服务业产出的影响效应，得出了以下结论:

第一，从产业集聚水平来看，2005～2012年，东部沿海、北部沿海和南部沿海服务业集中度水平在八大区中始终处于最高水平，而长江中游、西南和黄河中游地区在八大区中居于中游水平；东北、西北地区服务业平均集中率水平相对较低，位于八大区下游水平，我国区域服务业集聚发展水平呈现由沿海向内陆依次递减的明显趋势。从地区专业化来看，西北地区和北部沿海的相对专业指数较高；南部沿海、长江中游、东北地区的相对专业指数较低；黄河中游、东部沿海和西南地区相对专业化指数居于中游水平。与产业集聚水平相比，区域专业化指数的变动幅度较大，各年度表现很不稳定，其中，西南地区和西北地区相对专业化指数都呈现显著增长趋势，东北、黄河中游、东部沿海地区都表现为先上升后下降的倒“U”形变化趋势，而北部沿海、南部沿海和长江中游具有先上升再下降，之后又上升的变化趋势。

第二，我国服务业发展在相邻地区之间具有显著的正向空间相关性，服务业集聚水平能显著的促进当地服务业的发展，但相邻区域服务业集聚水平的提升反而会对当地服务业发展造成不利影响，即服务业集聚水平的提高对服务业产出的增加具有负向的空间溢出效应和正向的直接影响效应，正向直接影响效应要比负向空间溢出效应的影响程度更高，服务业在特定区域的集聚可以促进当地服务业的快速发展，对全国整体服务业发展也具有积极作用。地区专业化对当地服务业发展具有显著的正向影响，相邻区域服务业专业化水平的提升会产生显著的负向空间溢出效应，并且正向的直接影响效应明显小于负向的空间溢出效应。劳动投入和人均GDP对当地服务业产出均具有显著的正向作用，但相邻地区劳动投入和人均GDP的增长并未形成显著的空间溢出效应，这表明各地区服务业产出主要依赖于自身劳动力投入的增加和经济发展水平的提升。此外，本空间单元资本投入对服务业产出的影响并不显著，但相邻区域资本投入对服务业产出影响作用显著为正，当地与相邻政府经济干预程度对服务业产出的影响都不显著。

［1］Sapprasert K.The Impact of ICT on the Growth of the Service Industries［J］.Working Papers on Innovation Studies，2007.

［2］Giovanna M.Towards the Service Economy.And Yet It Moves！［J］.Economia Dei Servizi，2011：3-10.

［3］程大中.中国服务业增长的地区与部门特征［J］.北京：财贸经济，2003（8）：68-75.

［4］雷小清.中国服务业增长因素分析——基于SDA的实证研究［J］.北京：财贸经济，2007（6）：106-111.

［5］朱尔茜.我国区域服务业发展内部结构影响因素测度［J］.武汉：江汉论坛，2015（4）：16-20.

［6］Meliciani V，Savona M.The Determinants of Regional Specialisation in Business Services：Agglomeration Economies，Vertical Linkages and Innovation［J］.Journal of Economic Geography，2015，15（2）.

［7］韩德超，张建华.中国生产性服务业发展的影响因素研究［J］.哈尔滨：管理科学，2008（6）：81-87.

［8］刘纯彬，杨仁发.中国生产性服务业发展的影响因素研究——基于地区和行业面板数据的分析［J］.太原：山西财经大学学报，2013（4）：30-37.

［9］魏君英.我国服务业发展的影响因素——基于省际面板数据的实证分析［J］.郑州：经济经纬，2014（5）：75-80.

［10］袁丹，雷宏振.产业集聚对生产性服务业效率的影响——理论与实证分析［J］.成都：软科学，2015（12）：36-39.

［11］Cliff A D，Ord J K.Spatial autocorrelation［M］.London：Pion.1973.

［12］Anselin L.Spatial Econometrics：Methods and Models［M］.Dordrecht：Kluwer Academic Publishers.

［13］Elhorst J P.Specification and estimation of spatial panel data models［J］International Regional Science Review.2003，26（3）：244-268.

［14］Elhorst J P.Spatial Panel Data Models［M］.In Handbook of applied spatial analysis，M.M.Fischer and A.Getis，2010a. 377-407.Berlin：Springer.

［15］Hsiao C.Why panel data？［J］.Singapore Economic Review，2005，50（50）.

［16］范剑勇.市场一体化、地区专业化与产业集聚趋势——兼谈对地区差距的影响［J］.北京：中国社会科学，2004（6）：39-51.

［17］范剑勇.长三角一体化、地区专业化与制造业空间转移［J］.北京：管理世界，2004（11）：77-96.

责任编辑：蔡 强

F719.1

A

1005-2674（2016）07-081-11

2016-06-30

国家社会科学基金项目（10BJL041）；吉林省科技发展计划软科学研究资助项目（20130420035FG）；2015年吉林大学哲学社会科学研究重大课题培育项目（2015ZDPY09）。

金春雨（1965-），女，吉林梨树人，吉林大学商学院教授、博士生导师，主要从事产业经济计量与金融计量分析研究；陈霞（1989-），女，河南息县人，湖南大学经济与贸易学院博士研究生，主要从事国际经济学研究；王伟强（1986-），男，河北邯郸人，吉林大学商学院博士研究生，主要从事数量经济学研究。