知识外溢、信息技术与信息技术服务业集聚

刘雪梅

内容摘要：本文运用我国29个省、市、自治区信息技术服务业2005-2014年面板数据，通过计算区位熵度量产业的集聚状况，结果显示，我国信息服务业存在明显的空间集聚。然后，使用静态面板模型和动态面板模型进行估计，研究结果表明，知识外溢因素和信息技术对信息技术服务业集聚度有显著的影响。在分区域回归中，本文发现信息技术和知识外溢对信息技术服务业产业集聚的影响主要发生在东部地区，对西部地区的影响较小。

关键词：区位熵 信息技术服务业 产业集聚 知识外溢因素 信息技术

引言

随着产业结构转型升级，服务业产值占经济总量的比重不断提升，越来越受到重视。其中2012年到2015年全国服务业增加值分别为238529.66亿元、276314.53亿元、305500.61亿元、341567亿元，占GDP的比重分别为45.5%、46.9%、48.1%、50.5%，可以看出比重在逐年上升，服务业对经济的贡献越来越大，2015年首次突破50%。其中信息技术服务业的发展尤为突出，这主要得益于互联网经济的快速发展。根据工信部公布的数据，2012年到2015我国信息技术服务业收入分别是16936.51亿元、20710.64亿元、26659.75亿元、29201亿元，收入增长非常迅速，收入增长率从2013年的22.30% 提高到2014年的28.72%。

信息技术服务业是IT产业的重要组成部分，其业务主要包括信息技术咨询服务、设计与开发服务、信息系统集成服务、数据处理和运营服务等几个方面，具有产业渗透性强、创新活跃、带动作用显著等特点，能够为传统行业提供数字化平台开发运营与维护、业务数据存储处理及系统设计和咨询服务。在产业转型升级的要求下，信息技术服务业的地位越来越突出。但目前国内对信息技术服务业的关注较少，研究这一行业的文献不多。集聚是产业经济研究经常考虑的一个方向，以集聚为切入点研究信息技术服务业可以更好地了解该行业在全国不同区域的发展状况以及在区域内的发展水平。因此本文选择研究信息技术服务业产业集聚和其主要影响因素即信息技术和知识外溢，以期加深对这个行业的了解。

本文拟从信息技术服务业的产业集聚度入手，先了解全国该行业产业空间集聚的状况，然后分别使用静态面板估计和动态面板估计进行回归分析，具体探究信息技术和知识外溢因素对信息技术服务业集聚的影响。

本文以下部分的结构安排如下：第二部分是文献综述；第三部分是信息技术服务业的空间集聚测度；第四部分是理论分析、模型设定与数据来源；第五部分是实证结果与分析；第六部分是结论与启示。

文献综述

产业集聚是区域经济和产业经济研究长期关注的一个重点，从马歇尔的外部经济理论开始到新经济地理学的相关理论，大量研究关注产业集聚问题。马歇尔（1920）最先使用集聚的概念来描述地域相近的企业或产业的集中现象。克鲁格曼（2000）结合新经济地理和新贸易理论将规模经济、运输成本等因素引入产业集聚的解释中，证实较低的运输成本和较高的产业规模有利于产业集聚的形成。国内对产业集聚的关注始于上世纪90年代，最初大多数学者主要以制造业为研究对象。路江涌和陶志刚（2007）对我国制造业的实证研究结果表明区域产业集聚处于一个上升的趋势。韩峰（2012）从空间经济学的角度，在马歇尔外部性和新经济地理的视角下构建了市场与需求的空间指标，探讨我国制造业空间集聚机制，发现区际研发溢出和市场需求等对制造业的空间集聚有显著影响。樊秀峰（2013）运用区位熵和空间基尼系数对陕西省的制造业集聚进行测度，并通过panel-data模型对制造业的集聚影响因素进行研究，发现资源依赖性行业的集聚度整体呈下降趋势。文东伟和冼国明（2014）从省、市、县三个层次，利用企业层面的微观数据分别测算了制造业的产业集聚指数，指出一些高集聚行业可能与集聚经济、运输成本和空间外部性等因素有关。可以看出，国内学术界对制造业的集聚研究逐步深入，既有全国层面的研究也有省市甚至企业微观数据层面的研究。

随着全球金融危机的深化和制造企业向着服务化转型升级，使得产业经济研究的重点逐渐转移到服务业上，其中对生产性服务业集聚的研究开始受到重视。越来越多的学者（陈建军等，2009；刘辉煌等，2012）开始关注生产性服务业的产业集聚。目前对生产性服务业集聚研究的理论基础大多是借鉴制造业的研究机理，以马歇尔（1920）、克鲁格曼（2000）等的集聚理论为基础，从外部性经济出发研究集聚的动因。然而生产性服务业和制造业在产业特性上存在差异，因此研究制造业集聚的传统理论并不能完全适用于生产性服务业。Keeble 和Nacham（2002）认为生产性服务业属于知识密集型行业，不同于制造业从供给和需求方面进行探讨，应该从创新和知识的角度对其进行研究。盛龙（2013）从生产性服务业的产业特性出发利用2003年到2010年我国地级城市数据从行业和地区两个层面对影响生产性服务业集聚的因素进行实证研究，研究发现信息化程度、知识密度、人力资本等对生产性服务业集聚产生显著的积极影响。刘辉煌（2012）运用中部81个地级城市的面板数据研究发现政府行为、对外开放度、信息化水平等对生产性服务业集聚有显著的影响。Ding和Zhao（2013） 运用面板数据对我国生产性服务业集聚的原因进行探讨，他们认为生产性服务业集聚受产业关联、政府投资的影响较大。虽然制造业和生产性服务业具有不同的特点，但也不是完全独立的。根据分工理论，服务业特别是生产性服务业是从制造业中分离出来的（刘辉煌等，2012）。有学者（Ke et al，2013）认为制造业和生产性服务业存在着协同集聚效应，并通过对我国286个城市的面板数据进行实证研究，证实制造业倾向选择有生产性服务业集聚的城市。

虽然制造业和生产性服务在某些研究方法上是一脉相承的，但由于不同行业特性使得研究也存在一些差異。有较多学者对生产性服务业进行研究，但主要是从省级层面或者地级市层面对整个生产性服务业的产业集聚进行研究，没有细化到某一个具体的行业。本文在前人研究的基础上，以期弥补具体行业研究的不足，对生产性服务业中的重要分支信息技术服务业集聚进行研究，以探究信息技术服务业产业集聚情况以及信息技术和知识外溢对信息技术服务业集聚的影响。endprint

信息技术服务业空间集聚测度

关于产业集聚的测度方法主要有空间基尼系数、产业集群数、赫芬达尔-赫希曼指数、区位熵指数等。这些方法都存在各自的优缺点，其中区位熵指数由于其计算比较简单可行，并且能够较形象的反映某个地区的主导产业和产业集聚水平，成为目前应用最广泛的指标（申玉铭等，2009）。本文结合各测度方法的优缺点以及考虑数据的可得性，最终选择区位熵来测度信息技术服务业的产业集聚度。区位熵的计算公式为：

LQij=（Eij/Ei）/（Eki/Ek）

其中 LQij代表i地区信息技术服务业的区位熵，Eij表示i地区信息技术服务业的产值，Ei表示i地区的所有产业总产值，Eki表示全国信息技术服务业的产值，Ek表示全国的所有产业总产值。LQij的数值越大代表该地区的集聚度越高，一般大于1表明该地区信息技术服务业存在明显集聚。

信息技术服务业集聚度计算涉及到的相关数据来自《中国电子信息产业统计年鉴》、《中国统计年鉴》（2005-2014年）。由于西藏和青海两省的信息技术服务业收入数据缺失，故剔除这两个省，共包括（除港澳台地区）的29个省市区。本文把各省市区信息技术服务业集聚结果以地图的形式呈现。由于篇幅有限，图1只列出了2005年、2008年、2011年、2014年四年各省信息技术服务业集聚分布图，从这四幅图可以大体观察出这10年来信息技术服务业产业集聚空间分布的变化情况。10年来，北京、广东、上海、陕西、江苏、福建、辽宁基本都居于前几位，区位熵基本都大于1。其中北京的集聚度尤为突出，虽然近年来有所下降，但仍远远高于其他省市，区位熵基本都在3以上。而广大中西部地区的省份，如安徽、宁夏、山西、新疆、内蒙古则位于后几位，信息技术服务业发展集聚程度低，没有形成明显的产业集聚。可以看出，中国的信息技术服务业主要集聚在长三角、珠三角以及环渤海等区域。这种集聚的趋势和格局并没有随着时间的推移而发生较大的变化，反而有强化的趋势。

理论假说、模型设定与数据来源

（一）理论假说

知识外溢因素：马歇尔认为外部经济是产业集聚的经济动因，包括中间投入、劳动力共享及知识溢出。信息技术服务业属于知识密集型产业，存在大量显性和隐性的知识，而知识外溢提高了这些知识在集群内的传播效率，有利于创新，而且推动了信息技术服务业“集体学习过程的”形成。同时知识外溢有助于信息技术服务业知识的扩散，对集聚具有促进作用。基于以上分析，本文假设知识外溢与信息技术服务业集聚有显著的正相关性。

信息技术：曾国宁（2006）认为大部分生产性服务业的无形产品在空间上多是通过一种虚拟网络进行，很少依靠面对面的交易。而信息技术服务业和一般的生产性服务业相比具有其特性，它提供的产品主要是围绕信息技术展开，属于信息技术密集型产业。信息技术服务业的发展很大程度上依托于信息网络与信息技术的运用与发展，信息技术可以有效的提高信息技术服务企业的效率与服务质量（刘辉煌和雷艳，2012）。并且该产业提供的产品主要通过信息技术、互联网等手段进行传输，这就大大扩展了信息技术产业的服务半径，为空间的集聚提供了可能性（何骏，2011）。基于以上分析，本文假设信息技术提高对信息技术服务业产业集聚有显著的正面影响

（二）计量模型设定

引起信息技术服务业产业集聚的原因很多，本文主要探讨其中两个主要方面的原因，即信息技术和知识外溢因素，设定以下模型：

（1）

其中，LQ代表信息技术服务业集聚程度；KS代表各地区的知识外溢因素；It代表各地区的信息技术水平；X代表其他的控制变量，以增强模型的解释能力，并尽可能减少遗漏变量偏误。i、t分別表示地区和时间，β 0为常数项，β1、β2、α为待估参数，εit为随机扰动项。

由于集聚具有因果累积循环关系，静态数据面板分析方法不能很好的诠释这种关系，故引入动态面板数据分析模型。具体的模型如下：

（2）

其中 LQi，t-1表示信息技术服务业集聚水平的滞后一期，其他的解释变量含义与模型（1）相同。

（三）数据来源及变量说明

本文数据的时间跨度为2005-2014年，使用的数据主要来自《中国电子信息产业统计年鉴》、《中国统计年鉴》以及国家统计局网站。由于计算区位熵时剔除了西藏和青海，研究对象共包括除港澳台以外的其他29个省、市、自治区。

研究发现，知识外溢对劳动者素质有着较高的要求，劳动素质越高的情况下越容易发生知识外溢（刘洪伟等，2016）。信息技术服务业作为知识、技术生产与传播的行业，对人才特别是高素质人才的依赖性较强，一个地区接受高等教育的人数越多，潜在的人力资源就越多，其知识溢出的水平越大。因此，本文采取高等学校在校生数量表征知识溢出。汪斌、余冬筠（2004）构建了信息化衡量综合指数（CIIC）来测算我国信息化水平，比较全面与准确。但是由于该指数涉及众多指标，鉴于数据所限，本文仅采用其中一个指标即互联网用户数衡量信息技术发展。其他的控制变量包括对外开放度、政府行为、创新活跃度、市场空间因素和外商投资水平，具体的变量含义及计算形式见表1。

实证结果与分析

（一）静态面板估计分析

运用式（1）的计量模型，使用静态面板数据进行回归，考察信息技术和知识外溢对信息技术服务业集聚的影响。通过豪斯曼检验进行固定效应模型和随机效应模型的选取，得到chi2（7）=42.32且Prob>chi2=0.0000，表明选择固定效应模型分析信息技术服务业的集聚影响因素优于随机效应模型。对固定效应模型进行序列相关和异方差检验，发现同时存在异方差和序列相关问题，因此本文采用广义线性模型和面板修正标准差估计进行修正，并比较两种方法估计出来的结果，发现估计出来的结果相差不大。本文选取广义线性模型进行分析，可以看到经过修正后，政府行为这一控制变量由显著变得不显著了，而创新活跃度由不显著变得显著了，其他控制变量显著性没有变化都在5%水平下显著。模型（4）中主要解释变量信息技术和知识外溢在1%的水平下显著，并且系数为正，结果表明信息技术和知识外溢与信息技术服务业集聚水平存在显著的正相关关系，符合预期。市场空间因素和外商投资水平与信息技术服务业集聚水平存在显著的负相关关系，对外开放度与信息技术服务业集聚度呈正相关，开放度越高，对外交流越多，信息技术服务业集聚度越高（见表2）。endprint

（二）动态面板估计分析

由于集聚具有时间上的相关性，即前一期会对后一期的结果产生影响。从信息技术服务业的区位熵可以看出集聚强的区域越来越强，弱的依然弱。静态面板数据回归不能很好解释这一现象，故引入动态面板数据估计，并采用式（2）作为动态面板估计的计量模型。与静态面板估计方法相比，动态面板广义矩估计在处理异方差、个体效应、自相关方面具有更大的优势。本文采用动态面板广义矩估计进一步探讨模型的估计结果（夏斌武，2015）[11]。其中模型（10）采用的是动态面板差分GMM方法，模型（11）采用的是动态面板系统GMM方法。对两个模型过度识别约束进行sargan检验，检验结果没有拒绝工具变量有效性的原假设，说明采用一阶自回归的动态面板模型是合理的。

从表3可以看出，两种估计方法估计出的集聚度的一阶滞后项系数都显著为正，说明信息技术服务业的集聚水平在时间上具有持续性，前一期的集聚水平对后一期的影响较大，存在累积因果循环关系。模型（10）和模型（11）的估计结果与前面的广义线性模型的估计结果相比，信息技术的显著性水平和相关系数都有所上升，知识外溢因素的相关系数虽然有所下降，但仍然非常显著，与信息技术服务业的集聚水平依然存在正的相关性。

（三）按区域分组回归分析

为了更细致的研究信息技术和知识外溢对信息技术服务业集聚的影响，本文把全国分成东部、中部、西部三个区域进行分组回归。结合前文的分析，在回归方法上选用了PCSE估计和广义系统矩估计，得到结果如表4。分组回归表明知识外溢因素在东、中部无论采用PCSE估计还是系统GMM估计都和集聚水平存在显著正相关关系，知识外溢对信息技术服务业的集聚有积极的影响，而在西部地区系统GMM估计的结果表明知识外溢对信息技术服务业的集聚影响不显著，这可能是由于西部地区研究机构和高校的数量较少，且该区域对人才的吸引力也不强，这些因素导致西部知识外溢水平不高。无论是用PCSE估计还是系统GMM估计在东部地区信息技术都与产业集聚水平存在显著正相关关系。但是在西部地区两种方法估计出来的结果都不显著，这可能是由于西部地区经济发展水平低，且多贫困山区，这些区域主要精力不在提高信息化水平上，导致信息化水平不高，对信息技术服务业的影响小。总之，在东部地区信息技术和知识外溢因素对信息技术服务业集聚的影响大，在中西部地区，特别是西部地区影响较小。信息技术服务业的空间集聚也主要是在东部地区。

结论及启示

通过对信息技术服务业集聚的特征进行描述，以及对信息技术服务业集聚影响因素的实证检验，本文得出以下结论：我国信息技术服务业近10来年主要集聚在珠三角、长三角和环渤海地区，其中北京信息技术服务业的集聚水平遥遥领先其他省份；知识外溢因素和信息技术与信息技术服务业的集聚存在显著的正相关关系，并且这种正相关关系主要存在于东部地区；信息技术服务业的集聚水平显著受前期的影响，存在累积因果循环关系。这也解释了10年来，集聚区域基本没有变化的原因，集聚水平高的区域随着时间推移依然较高，而集聚水平低的区域虽然有所提升，但仍远远落后集聚水平高的区域；其他控制变量，如政府行为对信息技术服务业的集聚度有显著的负面影响。

基于上述研究结论，为促进我国信息技术服务业的集聚与快速发展，提出以下政策建议：第一，在地区之间平衡发展，在重点发展集聚度高的区域同时，扶持集聚度和发展水平低的区域的发展，促进信息技术服务业在全國的协调发展；第二，加大对信息技术服务方面专业人才的培养，丰富的人力资本是知识外溢的来源。各省可以根据自身的具体情况出台一些吸引和留住人才的措施；第三，大力推进信息技术水平建设，规范信息化发展，引导居民有序合理地使用互联网。通过信息技术促进信息技术服务业的发展；第四，政府要合理运用这只“看得见的手”，在信息技术服务业发展过程中，引导市场朝着正确的方向发展，但不能过多干预，否则只会适得其反。

参考文献：

1.路江涌，陶志刚.我国制造业区域集聚程度决定因素的研究[J].经济学（季刊），2007，25（3）

2.文东伟，冼国明.中国制造业产业集聚的程度及其演变趋势：1998-2009年[J].世界经济，2014，427（3）

3.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，2009，187（4）

4.刘辉煌，雷艳.中部城市生产性服务业集聚及其影响因素研究[J].统计与决策，2012，356（8）

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，2013，173（5）

6.申玉铭，吴康，任旺兵.国内外生产性服务业空间集聚的研究进展[J].地理研究，2009， 28（6）

7.曾国宁.生产性服务业集群：现象、机理和模式[J].经济学动态，2006（12）

8.何骏.长三角区域服务业发展与集聚研究[J].上海经济研究，2011，275（8）

9.刘洪伟，陈银，李骏.产业集聚、知识溢出与技术学习成本间关系的实证研究[J].技术经济，2016，35（10）

10.汪斌，余冬筠.中国信息化的经济结构效应分析——基于计量模型的实证研究[J].中国工业经济，2004（7）

11.夏斌武.自主创新与高技术产业生产率增长的关系研究[D].浙江财经大学，2015

12.Marshall A.Principles of Economics[M].London：MacMillan，1920

13.保罗·克鲁格曼.地理和贸易[M].北京大学出版社，2000

14.韩峰，柯善咨.追踪我国制造业集聚的空间来源：基于马歇尔外部性与新经济地理的综合视角[J].管理世界，2012，229（10）endprint

15.樊秀峰， 康曉琴.陕西省制造业产业集聚度测算及其影响因素实证分析[J].经济地理，2013，187（9）

16.Keeble D，Nacham L. Why do business service firms cluster？small consultancies，clustering and decentralization in London and Southern England. Transaction of the Institute of British Geographers，2002，27（1）

17.Ding J，Zhao G. On Influence Factors of Central Region of China Producer Service Agglomeration-Based on Empirical Study of Panel Data[J]. Science & Technology Management Research，2013

18.Shanzi Ke，Ming He， Chenhua Yuan. Synergy and Co-agglomeration of Producer Services and Manufacturing： A Panel Data Analysis of Chinese Cities[J]. Regional Studies，2014，48（11）

19.Ellison G，Kerr W R. What Causes Industry Agglomeration？ Evidence from Coagglomeration Patterns[J]. General Information， 2010， 100（3）

20.Keeble D. and Wilkinson F. High-technology clusters， networking and collective learning in Europe.Ashgate，2000，42（1）

21.Combes P P，Economic structure and local growth： france，1984-1993. Journal of Urban Economics，2000（47）

22.Roy VV，Vertesy D，Vivarelli M. The Employment Impact of Innovation： Evidence from European Patenting Companies[J]. DISCE - Quaderni dellIstituto di Politica Economica，2015endprint