中国生产性服务业的空间聚集与变化——基于285个城市的实证研究

常瑞祥 安树伟

中国生产性服务业的空间聚集与变化
——基于285个城市的实证研究

常瑞祥 安树伟

现有研究表明的我国生产性服务业存在明显的空间集聚特征，是基于国土空间上的城市集聚，但需作进一步的行业细分和实证。采用空间统计标准差椭圆方法，以我国285个城市的区位空间为足迹空间，从连续空间上大规模聚集角度计算和分析生产性服务业及其细分行业的空间聚集程度和变化趋势。结果表明：中国生产性服务业在空间分布上并没有呈现出显著的聚集性，没有形成“中心—外围”结构；2003-2014年，中国生产性服务业空间聚集程度提高，呈现集中化聚集发展趋势，聚集经济在生产性服务业发展中仍然发挥着主导作用；生产性服务业与其细分行业空间聚集程度的一致性较高，分布椭圆均呈“东北—西南”方向，信息传输、计算机服务和软件业聚集程度最高，交通运输、仓储和邮政业聚集程度最低，总体呈现“递增型”、“递减型”、“稳定型”三种变化趋势。

生产性服务业； 空间聚集； 标准差椭圆

1970年代以来，世界经济开始从“工业经济”转向“服务经济”，社会分工与专业化进一步发展，服务业尤其是生产性服务业逐渐从制造业中分离出来，并在许多国家或区域内部呈现出明显的空间集聚特征。生产性服务业的空间集聚特性对全球城市崛起、城市等级体系重构和城市内部空间塑造均具有重要影响(Coffey和McRae，1990[1]；Sassen，2001[2])。随着世界经济服务化程度加大以及生产性服务业逐渐成为世界级城市群主导产业和增长动力(Illeris，1989)[3]，中国生产性服务业的空间集聚也开始成为城市空间结构调整和功能提升的主要影响因素(阎小培和许学强，1999)[4]。研究生产性服务业的聚集特征和聚集变化规律，并剖析其背后的原因和机制，不仅可以为地方政府制定产业发展规划和发展政策提供参考，而且可以引导各区域生产性服务业的空间结构合理化，从而更好地为制造业发展提供服务与配套。本文分为四个部分：第一部分是研究综述；第二部分主要介绍研究方法和数据；第三部分对我国生产性服务业及其细分行业的空间聚集程度和变化趋势进行计算和分析；第四部分是主要结论与相关启示。

一 文献综述

国外学者较早关注和研究生产性服务业的聚集状况。他们普遍认为，生产性服务业大部分集中在大都市内(Beyers，1993[5]；Coffey et al.，1996[6]；Illeris和Sjoholt，1995[7])，不同细分行业聚集程度不一样(Bennett et al.，1999[8]；Pandit et al.，2001[9])。也有部分学者研究发现，生产性服务业的空间布局出现了向大都市区周边地区扩散的趋势(Gillespie和Green，1987[10]；Selya，1994[11])。

国内学者主要从全国、区域、城市内部三个由大到小的空间尺度分析生产性服务业的集聚态势，以及生产性服务业细分行业空间聚集的差异性。从全国尺度看，我国生产性服务业空间分布具有集聚特征(胡霞，2008)[12]，并且比其他服务业呈现出更明显的集聚趋势(程大中和黄雯，2005[13]；马风华和刘俊，2006[14]；蔡翼飞，2010[15])。但生产性服务业空间聚集并不均衡，具有地域和资源特色(张三峰，2010)[16]：直辖市的金融业、信息服务业、商务服务业和科研服务业聚集程度较高，与制造业有紧密联系的生产性服务业在东部沿海地区聚集程度较高，中西部地区的生产性服务业并没有形成聚集优势。东部沿海省份集中分布着产值高、发展最快的生产性服务业，形成了高值集聚区，中部地区各省份生产性服务业分布较集中，产值较高且与东部高值区比邻，西部地区形成了低值集聚区，各省份生产性服务业产值呈低值分布(吉亚辉和杨应德，2012)[17]。总体上，生产性服务业呈现出从东北以及中西部地区向东部沿海地区集聚的趋势，北京、上海两大直辖市作为集聚中心的效应尤为明显(盛龙和陆根尧，2013)[18]。生产性服务业的不同细分行业产业聚集特点也有差异。在集聚模式方面，信息传输、计算机服务和软件业与租赁和商务服务业属于首位城市集聚模式，行业从业人员在规模最大城市具有明显优势；科学研究、技术服务和地质勘查业与房地产业也在不断向高等级城市集聚，但从业人员数量最多的首位城市与较低等级城市相比没有显示出特别优势，基本表现为“位序—规模”分布模式；金融业分布与制造业相似，随着城市等级降低，从业人员规模逐渐增加，在一定范围内表现出空间扩散过程，属于均衡分布模式(李佳洺等，2014)[19]。在集聚程度方面，租赁和商务服务业，科学研究、技术服务和地质勘查业聚集程度相对最高，金融业相对最低；信息传输、计算机服务和软件业集聚趋势最强，租赁和商业服务业，科学研究、技术服务和地质勘查业的集聚趋势相对最弱(盛龙和陆根尧，2013)[18]。

从区域范围看，长三角地区生产性服务业的集聚特征突出，越来越向初始规模较大的城市集聚，且集聚水平高于全国平均水平(胡晓鹏和李庆科，2008)[20]。区域内部的集聚模式有所不同，上海、浙江分别为基于内源式产业结构调整与外源式区域分工的集聚，江苏则呈现出分散化趋势。各细分行业的聚集程度也不相同，聚集度最高的是科学研究、技术服务和地质勘查业，最低的是金融业。黄繁华等(2011)[21]的研究则表明，交通运输、仓储及邮政业，金融业，租赁和商业服务业是长三角地区聚集程度较高的三个生产性服务业，上海、南京、杭州是生产性服务业聚集程度较高的三个城市。珠三角地区的生产性服务业以广州、深圳为核心整体呈集聚发展趋势，但中山、佛山、东莞、江门、惠州等城市则呈现出一定的扩散趋势。细分行业中集聚度最高的是房地产业，最低的是金融业(左连村和贾宁，2013)[22]。

从城市内部空间看，与国际大都市相比较，北京市的生产性服务业呈现显著的聚集特征，向郊区扩散的趋势并不明显，细分行业中金融服务业主要在中心城区聚集，信息咨询服务业在中心城区聚集的同时在近郊也呈聚集态势，而计算机服务业则更倾向于在近郊聚集(邵晖，2008)[23]。邱灵和方创琳(2013)[24]的研究表明，北京市生产性服务业的聚集普遍存在，但空间集聚程度较低，金融服务业为递增型空间集聚，商务和科技服务业为递减型空间集聚，流通服务业为“N”形空间集聚，信息服务业为“U”形空间集聚。上海市金融服务机构处于从聚集走向高度聚集的过程，陆家嘴金融贸易区和外滩金融集聚带是金融服务机构高度聚集的地区(陈跃刚和吴艳，2010)[25]。杭州生产性服务业和高科技制造业集聚趋势较为明显(李佳洺等，2016)[26]。西安市生产者服务业在城市内部空间集聚度偏低，但逐渐趋于集中，且细分行业集聚程度参差不齐(薛东前等，2011)[27]。

研究结果普遍表明，我国生产性服务业存在明显的空间集聚特征，但由于研究区域范围以及使用方法不同，对不同细分行业集聚特征研究的结论有所不同。在使用方法上，现有研究较多地从静态角度，利用空间基尼系数、克鲁格曼集中指数、区位熵指数、熵指数、EG 指数等对生产性服务业及其细分行业集聚程度进行测算，这些方法忽略了空间区位、距离和尺度对度量空间聚集的影响；有少数学者运用空间统计学原理和方法将距离、地理位置等空间因素纳入到对集聚程度的测算中，这一方法使用较多的是Moran’s I 系数。本文使用空间统计标准差椭圆方法，以城市区位作为足迹空间，结合城市生产性服务业从业人员数量和城市空间区位的数据组合，从连续空间上大规模聚集角度计算和分析我国生产性服务业及其细分行业的空间聚集程度和变化趋势。该空间统计方法不受空间分割及空间尺度的影响，充分考虑了空间区位、空间结构和地理范围等对空间聚集性的影响，能够从全局、空间的角度精确描述产业大规模聚集的水平和变化趋势。

二 研究方法与数据来源

(一)空间聚集分析

空间聚集分析来源于点格局分析，通常依据空间随机试验，对一般空间分布的密集型进行比较判断，由此判定现实世界的空间分布是否与某种基准空间分布具有显著的差异(Kulldorff，2006)[28]。如果所用的基准分布是空间完全随机，空间聚集分析需要判断所研究的空间分布是否是完全随机(或者聚集)的；如果所用的基准分布是一种现实世界的聚集空间分布，就需要判断所研究的空间格局是否是相对聚集的。空间聚集是空间格局偏离空间随机的一种状态，一个空间格局聚集水平越高，就越远离空间随机状态。空间聚集可以分为绝对空间聚集、足迹空间聚集和相对空间聚集三种类型(赵作权，2014)[29]。本文研究属足迹空间聚集，运用标准差椭圆方法，以我国285个地级及以上城市的区位空间为足迹空间，分析生产性服务业偏离其足迹空间随机的状态。

标准差椭圆作为一种空间统计方法，可以通过空间分布椭圆的基本参数(中心、面积、长轴、短轴、方位角)精确地解释经济空间分布多方面特征(Lauren，2010[30]；Wong，1999[31])，定量描述研究对象的整体空间分布特征(赵璐和赵作权，2014a)[32]。本文基于285个城市的空间区位，将该城市对应的地理坐标和生产性服务业从业人员数量作为权重，分别生成城市和生产性服务业空间分布的标准差椭圆。运用标准差椭圆方法分析生产性服务业聚集，可以排除空间分割与空间尺度对聚集的影响，能够较为精确地描述产业聚集的水平及变化趋势，识别城市生产性服务业规模变化对全国生产性服务业空间聚集格局的影响作用，并可以将其在空间上可视化表达(赵璐和赵作权，2014b)[33]。首先，标准差椭圆方法以各种经济要素的空间区位和结构为基础进行计算。假如某种经济要素的空间增长过程是均质的、随机的，该要素空间分布椭圆与其空间区位椭圆差别就较小；反之差别则较大。通过分析要素分布椭圆与要素区位分布椭圆之间面积差异的变化，可以定量判断和描述要素分布空间集聚变化的趋势，如果某要素分布椭圆明显小于其基准分布椭圆，那么该要素在空间上的分布是聚集的。本文将空间聚集度定义为：

(1)

A越大，表明聚集程度越高。本文中，要素分布椭圆指生产性服务业及其细分行业的空间分布椭圆，基准分布椭圆指285个城市的空间分布椭圆。其次，标准差椭圆方法可以通过要素空间分布椭圆的变化，从整体上反映经济要素空间聚集格局的变化趋势——是集中发展、离散发展还是稳定发展。如果经济要素空间分布椭圆面积缩小，表明其呈现集中化聚集发展趋势；如果空间分布椭圆面积扩大，出现空间扩张，表明其出现离散化聚集发展趋势；如果空间分布椭圆面积基本保持不变，表明经济要素呈稳定化聚集发展趋势。再次，标准差椭圆方法可结合城市产业规模的变化识别其对全国生产性服务业空间聚集格局的影响作用，从城市产业规模变化的角度解释产业空间聚集格局变化的原因。经济要素的空间分布椭圆可以划分为椭圆内部和外部两个空间，椭圆的中心及长轴、短轴又将椭圆内部空间划分为四个子空间。分布在椭圆内部的经济要素是该要素空间分布的主体部分，如果分布在椭圆外部区域的经济要素增长速度快于内部区域的增长速度，经济要素空间分布的椭圆面积就会变大，呈现出扩张趋势；反之，经济要素空间分布的椭圆会变小，呈现收缩趋势。在椭圆内部，要素空间分布椭圆的中心会朝着增长速度较快的子空间方向移动，方位角同时会相应地沿着顺时针或逆时针方向旋转。

地理要素特别是自然地理要素在一定时间尺度内具有稳定性(Nordhaus，2006[34]；Rappaport和Sachs，2003[35])，城市作为经济活动的重要载体，可以看作是“第一自然”要素作用下的经济足迹空间(赵璐和赵作权，2014b)[33]。因此，把城市作为足迹空间分析生产性服务业空间分布与城市空间分布之间的关系及其变化，可以很好地反映足迹空间上生产性服务业的聚集状况。如果生产性服务业空间分布椭圆与城市空间分布椭圆相似，表明其在足迹空间上分布均衡，不存在聚集；如果两者的分布椭圆存在明显差别，表明生产性服务业呈聚集发展态势。

(二)空间格局相似性分析

空间格局相似性分析旨在确定两个空间格局在中心性、展布范围、密集性与轴线等方面的总体相似程度(赵作权，2014)[29]。鉴于每个空间格局可以用椭圆表征，那么对两个空间格局所对应的椭圆进行空间叠置分析，就可以确定两个空间格局的相似水平。设两个空间格局的标准差椭圆分别为A1和A2，那么它们的相似性系数为：

(2)

A1∩A2表示两个标准差椭圆相交，A1∪A2表示两个标准差椭圆相并，S值介于0～1之间，S值越大表明空间格局相似性越大。

(三)数据来源

鉴于2002年之后我国地级市的行政区划发生了较大变化，考虑研究对象的一致性和数据的可获取性，本文主要收集2003-2014年全国285个城市的生产性服务业及其细分行业的全市从业人员数量以及城市区位数据。生产性服务业及其细分行业从业人员数据来源于2004-2015年《中国城市统计年鉴》，城市区位的经纬度数据从Google Earth获取。关于空间分布的图形及计算基于ArcGIS10.2软件展开，空间参考为Albers投影。根据《中华人民共和国行业分类国家标准》和《中华人民共和国国民经济和社会发展第十一个五年规划纲要》对生产性服务业的分类，本文生产性服务业包括交通运输、仓储和邮政业，信息传输、计算机服务和软件业，金融业，房地产业，租赁和商务服务业，科学研究、技术服务和地质勘查业六大类。

三 中国生产性服务业的空间聚集

(一)空间聚集程度及趋势

1.聚集程度判定

以285个地级及以上城市作为生产性服务业的足迹空间，其空间分布椭圆中心位于驻马店市，椭圆面积为277.36万km2，长半轴为1162.71km，短半轴为759.38km，方位角为23.32°。由此可见，中国生产性服务业的空间分布并未出现明显的空间聚集特征，没有形成“中心—外围”结构，只是相对集中于城市分布椭圆的东部地区，2014年空间聚集度仅为0.094，小于同年制造业的空间聚集度0.238(图1)。东南沿海地区是中国生产性服务业空间聚集的核心区域，2014年沿海地区113个地级及以上城市的生产性服务业从业人员数量占全国285个地级及以上城市的60%。同样，以沿海地区113个城市作为足迹空间，生产性服务业也没有表现出明显的空间聚集特征，2014年空间聚集度为0.129，低于制造业聚集度0.288(图2)。但总体而言，沿海地区生产性服务业的空间聚集度高于全国水平。

图1 2014年中国生产性服务业的空间聚集

图2 2014年中国沿海地区生产性服务业的空间聚集

2.聚集趋势变化

2003-2014年，中国生产性服务业空间聚集程度提高，呈现集中化聚集发展趋势，聚集经济在生产性服务业发展中仍然发挥着主导作用。以足迹空间(285个城市)分布椭圆为参照，2003年生产性服务业空间聚集度为0.118，2014年为0.129。生产性服务业空间分布椭圆面积在波动中呈下降趋势；长轴有较明显的减小趋势，而短轴则有小幅度增大趋势，表明其形状扁化程度降低；空间分布总体由东北向西南方向移动，尤其在东北方向收缩趋势明显(图3)，2003年分布中心在商丘市，2008年在周口市，2014年在周口市的南部边界地区；方位角度数在2011年达到最小，之后又变大，表明椭圆先是逆时针旋转，之后又顺时针旋转(表1)。

表1 中国生产性服务业空间聚集特征椭圆参数

注：中国国土空间椭圆参数来自赵璐和赵作权(2014b)[33]的研究。

通过对比2003年、2014年中国生产性服务业从业人员数量，可以很好地解释生产性服务业空间分布椭圆变化的原因。首先，分布在椭圆内部的城市生产性服务业从业人员增长速度快于椭圆外部区域的城市，因此生产性服务业呈集中化聚集发展趋势；其次，位于椭圆内部东西方向的长三角和成渝地区生产性服务业从业人员增长速度较快，短半轴呈增大趋势，椭圆在东西方向扩张；再次，位于椭圆外部东北方向的东北地区生产性服务业从业人员增长速度缓慢，因此椭圆东北方向收缩趋势明显；最后，虽然椭圆在东南方向和西南方向均存在扩张趋势，但位于椭圆外部东南方向的城市生产性服务业从业人员增长速度大于西南方向的城市，所以向东南方向扩张趋势大于西南方向。

图3 2003-2014年中国生产性服务业聚集变化

(二)细分行业空间聚集

总体上，我国生产性服务业细分行业与生产性服务业的空间聚集一致程度较高，分布椭圆均呈“东北—西南”方向(表2、图4)。金融业与生产性服务业的空间聚集一致性最高，空间格局相似性系数为0.922，科学研究、技术服务和地质勘查业与生产性服务业的空间聚集一致性最低，空间格局相似性系数为0.864。细分行业之间，信息传输、计算机服务和软件业与金融业的空间聚集一致性最高，空间格局相似性系数高达0.945，两者的椭圆分布中心相邻分布在阜阳市北部；房地产业与科学研究、技术服务和地质勘查业的空间聚集一致性最低，空间格局相似性系数为0.769。

表2 生产性服务业及其细分行业空间格局相似性系数

注：PS表示生产性服务业，PS1～PS6分别表示交通运输、仓储和邮政业，信息传输、计算机服务和软件业，金融业，房地产业，租赁和商务服务业，科学研究、技术服务和地质勘查业。

从空间聚集度看，细分行业中信息传输、计算机服务和软件业聚集程度最高，空间聚集度为0.216，其后依次是金融业，租赁和商务服务业，房地产业，科学研究、技术服务和地质勘查业，交通运输、仓储和邮政业聚集程度最低，空间聚集度仅为0.054；除交通运输、仓储和邮政业外，其余细分行业的聚集程度均高于生产性服务业，科学研究、技术服务和地质勘查业与生产性服务业的聚集程度最为相近，两者的空间聚集度分别为0.131和0.129(表3)。

表3 2014年中国生产性服务业细分行业空间椭圆参数及空间聚集度

注：PS表示生产性服务业，PS1～PS6分别表示交通运输、仓储和邮政业，信息传输、计算机服务和软件业，金融业，房地产业，租赁和商务服务业，科学研究、技术服务和地质勘查业。

从空间位置看，以生产性服务业空间分布为参照，房地产业的分布相对靠南，椭圆中心在信阳市；租赁和商务服务业相对靠东，椭圆中心在阜阳市；科学研究、技术服务和地质勘查业相对靠北，椭圆中心在周口市(图4)。

图4 2014年中国生产性服务业及其细分行业空间聚集

从聚集趋势看，生产性服务业细分行业可以分为三类：交通运输、仓储和邮政业，租赁和商务服务业的聚集度呈波动下降趋势，聚集度分别从2003年的0.078、0.220下降到2014年的0.054、0.133，租赁和商务服务业波动较大，波动幅度为0.288(2004年)到0.128(2011年)；信息传输、计算机服务和软件业，房地产业呈波动上升趋势，聚集度分别从2003年的0.155、0.062上升到2014年的0.212、0.153，房地产业波动较大，波动幅度为0.062(2003年)到0.177(2010年)；金融业，科学研究、技术服务和地质勘查业的聚集程度相对稳定，没有发生太大变化(图5)。

图5 2003-2014年中国生产性服务业及其细分行业空间聚集度

四 结论与启示

本文以均匀分布为判断标准，通过空间统计标准差椭圆方法，将全国285个地级市的空间分布作为足迹空间，从连续空间上大规模聚集角度计算和分析了中国生产性服务业及其细分行业的空间聚集特征和聚集趋势变化。得出如下结论：(1)以全国285个城市作为足迹空间，中国生产性服务业的空间分布并未出现明显的空间聚集特征，没有形成“中心—外围”结构；(2)2003-2014年，中国生产性服务业空间聚集程度提高，呈现集中化聚集发展趋势，聚集经济在生产性服务业发展中仍然发挥着主导作用；(3)生产性服务业细分行业与生产性服务业的空间聚集一致程度较高，分布椭圆均呈“东北—西南”方向，除交通运输、仓储和邮政业外，其余细分行业的聚集程度均高于生产性服务业，信息传输、计算机服务和软件业聚集程度最高，交通运输、仓储和邮政业聚集程度最低，总体呈现“递增型”、“递减型”、“稳定型”三种变化趋势。

从上述结论可以得出一些启示：首先，现有研究表明的我国生产性服务业存在明显的空间集聚特征，是基于中国大陆空间上的城市聚集，而本文以城市为足迹空间的研究则表明生产性服务业并未出现明显的空间聚集现象，这说明，目前我国生产性服务业在国土空间上的显著聚集格局可能与中国城市分布格局处于同一聚集过程中，而其本身并没有特殊的空间聚集驱动机制，或者说现阶段这种驱动机制还没有发挥作用；其次，我国以城市作为足迹空间的生产性服务业空间分布虽未出现明显的聚集特征，但其空间聚集程度在不断提高，呈现集中化聚集发展趋势，说明聚集经济在生产性服务业发展中仍然发挥着主导作用，政府在尊重市场规律的前提下，应进一步引导生产性服务业空间聚集发展；再次，为了更准确地对生产性服务业及其细分行业的聚集程度与变化趋势做出判断，需用相同的方法在不同地域范围作进一步深入研究，如对我国长三角、珠三角、京津冀地区以及大城市内部的生产性服务业空间聚集进行研究。

[1] Coffey, W. J., McRae, J. J..ServiceIndustriesinRegionalDevelopment[M]. Halifax: Institute for Research on Public Policy, 1990.

[2] Sassen, S..TheGlobalCity:NewYork,London,Tokyo[M]. Princeton, New Jersey: Princeton University Press, 2001.

[3] Illeris, S.. Producer services: The Key Sector for Future Economic Development[J].EntrepreneurshipandRegionalDevelopment, 1989, 1(3): 267-274.

[4] 阎小培, 许学强. 广州城市基本-非基本经济活动的变化分析——兼释城市发展的经济基础理论[J]. 地理学报, 1999, 54(4): 299-308.

[5] Beyers, W. B.. Producer Services[J].ProgressinHumanGeography, 1993, 17(2): 221-231.

[6] Coffey, W. J., Drolet, R., Polese, M.. The Intra-metropolitan Location of High Order Services: Patterns, Factors and Mobility in Montreal[J].PapersinRegionalScience, 1996, 75(3): 293-323.

[7] Illeris, S., Sjoholt, P.. The Nordic Countries: High Quality Services in a Low Density Environment[J].ProgressinPlanning, 1995, 43(3): 205-221.

[8] Bennett, R. J., Graham, D. J., Braggon, W.. The Location and Concentration of Business in Britain: Business Clusters, Business Services, Market Coverage and Local Economic Development[J].TransactionoftheInstituteofBritishGeographers, 1999, 24(4): 393-420.

[9] Pandit, N. R., Cook, G. A. S., Swann, G. M. P.. The Dynamics of Industrial Clustering in British Financial Services[J].TheServiceIndustrialJournal, 2001, 21(4): 33-61.

[10] Gillespie, A. E., Green, A. E.. The Changing Geography of Producer Services Employment in Britain[J].RegionalStudies, 1987, 21(5): 397-411.

[11] Selya, R. M.. Taiwan as A Service Economy[J].Geo-forum, 1994, 25(3): 305-322.

[12] 胡霞. 中国城市服务业空间集聚变动趋势研究[J]. 财贸经济, 2008, (6): 103-107.

[13] 程大中, 黄雯. 中国服务业的区位分布与地区专业化[J]. 财贸经济, 2005, (7): 73-81.

[14] 马风华, 刘俊. 我国服务业地区性集聚程度实证研究[J]. 经济管理, 2006, (23): 10-13.

[15] 蔡翼飞. 我国服务行业集聚特征分析[J]. 发展研究, 2010, (3): 35-40.

[16] 张三峰. 我国生产者服务业城市集聚度测算及其特征研究——基于21个城市的分析[J]. 产业经济研究, 2010, (3): 31-37.

[17] 吉亚辉, 杨应德. 中国生产性服务业集聚的空间统计分析[J]. 地域研究与开发, 2012, (2): 1-5.

[18] 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.

[19] 李佳洺, 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, 34(4): 385-393.

[20] 胡晓鹏, 李庆科. 生产性服务业的空间集聚与形成模式: 长三角例证[J]. 改革, 2008, (9): 81-8.

[21] 黄繁华, 程佳, 王晶晶. 长三角地区生产性服务业集聚实证研究[J]. 南京邮电大学学报(社会科学版), 2011, (4): 9-16.

[22] 左连村, 贾宁. 珠三角生产性服务业集聚发展分析[J]. 产经评论, 2013, 4(6): 12-27.

[23] 邵晖. 北京市生产者服务业聚集特征[J]. 地理学报, 2008, 63(12): 1289-1298.

[24] 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, 32(1): 99-110.

[25] 陈跃刚, 吴艳. 上海市金融服务业空间分布研究[J]. 城市问题, 2010, (12): 39-44.

[26] 李佳洺, 张文忠, 李业锦等. 基于微观企业数据的产业空间集聚特征分析——以杭州市区为例[J]. 地理研究, 2016, 35(1): 295-107.

[27] 薛东前, 石宁, 公晓晓. 西安市生产者服务业空间布局特征与集聚模式研究[J]. 地理科学, 2011, 31(10): 1195-1201.

[28] Kulldorff, M.. Tests of Spatial Randomness Adjusted for an Inhomogeneity: A General Framework[J].JournaloftheAmericanStatisticalAssociation, 2006, 101(475): 1289-1305.

[29] 赵作权.空间格局统计与空间经济分析[M].北京: 科学出版社, 2014: 21， 92.

[30] Lauren, M. S., Mark, V. J.. Spatial Statistics in ArcGIS[A]//Fischer, M. M., Getis, A..HandbookofAppliedSpatialAnalysis:SoftwareTools,MethodsandApplications[M]. Berlin: Springer, 2010.

[31] Wong, D. W. S.. Several Fundamentals in Implementing Spatial Statistics in GIS: Using Centre-graphic Measures as Examples[J].GeographicInformationSciences, 1999, 5(2): 163-174.

[32] 赵璐, 赵作权. 中国沿海地区经济空间差异的动态演化[J]. 世界地理研究, 2014a, 23(1): 45-54.

[33] 赵璐, 赵作权. 中国制造业的大规模空间聚集与变化——基于两次经济普查数据的实证研究[J]. 数量经济技术经济研究, 2014b, (10): 110-121.

[34] Nordhaus, W. D.. Geography and Macroeconomics: New Data and New Findings[J].ProceedingsoftheNationalAcademyofSciencesoftheUnitedStates, 2006, 103(10): 3510-3517.

[35] Rappaport, J., Sachs, J. D.. The United States as a Coastal Nation[J].JournalofEconomicGrowth, 2003, 8(1): 5-46.

[引用方式]常瑞祥, 安树伟. 中国生产性服务业的空间聚集与变化——基于285个城市的实证研究[J]. 产经评论, 2016, 7(6): 39-49.

Spatial Agglomeration and Change of Producer Service Industry in China——Based on the Empirical Study of 285 Cities

/2

The existing research shows that the obvious spatial agglomeration of producer services industry is based on urban agglomeration of national land in China. Using the standard deviation ellipse, this paper analyses the space aggregation degree and change trend of producer service industry from a continuous mass gathering space based on geographical space of the 285 cities in China. The results indicate that the spatial aggregation of producer service industry is not obvious, and the center-periphery structure does not form; 2003-2014, the aggregating degree of producer services industry improved, and aggregating economy continues to play a leading role in the development of producer services industry; producer service and its subdivision industry gather in high degree of coincidence, and their distribution ellipses show northeast-southwest direction; The space aggregation degree of information transmission, computer services and software industry is the highest, while transportation, storage and postal industry is the lowest; Generally, the space aggregation of subdivision industry has three trends: increasing, decreasing and stable.

producer service； spatial agglomeration； standard deviation ellipse

2016-08-20

国家社会科学基金重大项目“拓展我国区域发展新空间研究”(项目批准号：15ZDC016，项目负责人：安树伟)。

常瑞祥，首都经济贸易大学城市经济与公共管理学院博士研究生，宁夏大学纪委监审处科员，研究方向：城市与区域发展；安树伟，经济学博士，首都经济贸易大学城市经济与公共管理学院、特大城市经济社会发展研究院教授、博士生导师，研究方向：城市与区域发展。

F061.5

A

1674-8298(2016)06-0039-11

[责任编辑：伍业锋、刘鸿燕]

10.14007/j.cnki.cjpl.2016.06.004