浙江省区域服务业发展时空演变及影响因素

潘哲琪

(浙江省发展和改革研究所，浙江 杭州 310025)

随着工业化水平的提升，现代服务业在国民经济中的地位不断上升，这是现代经济发展的普遍规律。改革开放40年来，我国服务业增加值占GDP的比重，由1978年的24.6%上升至2018年的52.2%，服务业已成为经济增长的主要动力。服务业发展到一定阶段，区域空间的不均衡问题随之显现，区域服务业发展差异已成为学者关注的热点。目前，有关区域服务业差异的研究，主要基于省级、地市级、县级行政单元的数据，测度方法较多。以往的测度方法包括标准差、变异系数(1)方远平、周雁：《广东省服务业发展的区域差异及影响因素分析》，《广东科技》2012年第18期，第67-71页。、泰尔系数(2)曾春水、王开泳、蔺雪芹等：《环渤海经济区服务业差异时空演变及影响因素分析》，《经济地理》2012年第9期，第80-85页。和基尼系数等，但因这些方法缺乏空间视角，在一定程度上忽视了不同区域之间空间结构的关联性，使研究存在一定的局限性。ESDA(空间数据探索性分析)为区域空间差异的量化研究提供了新的思路，它是一系列空间分析方法和技术的集合，以空间关联测度为核心，通过对事物或现象空间分布格局的描述和可视化，发现空间集聚和空间异常，揭示研究对象之间的空间相互作用机制(3)蒲英霞、葛莹、马荣华等：《基于ESDA的区域经济空间差异分析——以江苏省为例》，《地理研究》2005年第6期，第965-974页。。国内学者应用ESDA的研究集中在区域经济空间差异演化特征(4)李小建、乔家君：《20世纪90年代中国县际经济差异的空间分析》，《地理学报》2001年第2期，第136-145页。(5)柯文前、陆玉麒：《基于县域的福建省经济空间格局演化》，《经济地理》2011年第7期，第1081-1087页。(6)赵磊、方成、黄武龙：《浙江省县域经济发展差异时空演变分析》，《华东经济管理》2014年第3期，第6-11页。(7)万鲁河、王绍巍、陈晓红：《基于Geoda的哈大齐工业走廊GDP空间关联性》，《地理研究》2011年第6期，第977-984页。、服务业发展(8)胡霞、魏作磊：《中国城市服务业发展差异的空间经济计量分析》，《统计研究》2006年第9期，第54-60页。(9)赵亮：《福建省服务业空间差异性研究》，《沈阳工业大学学报(社会科学版)》2012年第2期，第141-148页。(10)宋晓雨、丁正山、卢晓旭等：《江苏省服务业发展时空格局演变》，《经济地理》2014年第8期，第111-117页。、人口分布(11)刘聪粉、柯大钢、张瑞荣：《基于Geoda095i的陕西省人口分布空间统计分析》，《西北人口》2008年第6期，第7-11页。、房地产市场(12)王雪青、陈媛、刘炳胜：《中国区域房地产经济发展水平空间统计分析——全局Moran’s Ⅰ、Moran散点图与LISA集聚图的组合研究》，《数理统计与管理》2014年第1期，第59-71页。、农业经济(13)谢花林：《环鄱阳湖地区农业经济空间差异分析——基于探索性空间数据分析(ESDA)方法》，《农业现代化研究》2010年第3期，第299-303页。和创新要素(14)刘青、李贵才、仝德等：《基于ESDA的深圳市高新技术企业空间格局及影响因素》，《经济地理》2011年第6期，第926-933页。(15)邹琳、曾刚、曹贤忠：《基于ESDA的长三角城市群研发投入空间分异特征及时空演化》，《经济地理》2015年第3期，第73-79页。等领域。总体而言，关于县域尺度的服务业发展空间差异的研究，仍集中在少数地区。

浙江是我国服务经济最发达的省份之一，继2014年服务业超过第二产业后，连续4年在三次产业中领跑，产业结构已由“二三一”转向“三二一”，服务业对区域经济的带动作用日益显著。但由于省内各县域区位条件、资源禀赋、自然环境和经济基础等差异较大，区域服务业发展非均衡性已成为浙江服务业发展的一大制约。笔者综合采用传统统计方法变异系数与ESDA方法，运用Geoda软件，以浙江各县域为研究对象，以1997—2018年人均服务业增加值为指标，试图揭示浙江区域服务业发展差异的时空联系与空间变化特征，分析影响浙江服务业差异演化的因素，为制定合理的区域服务业发展政策提供借鉴。

一、研究方法和数据来源

(一)研究方法

1.变异系数。变异系数是测度数据离散程度的相对统计量，其定义为标准差与平均值之比。计算公式为：

(1)

其中，V为变异系数，Fi为浙江第i个区域人均服务业增加值，n为区域单元个数。

一般来说，变异系数越大，区域间的相对差异越大；变异系数越小，区域间的相对差异越小。

2.全局空间自相关。全局空间自相关用于研究某种属性值在整个区域的自相关程度。Moran’s Ⅰ指数是常用的空间自相关测度指标，计算公式(16)蔡芳芳、濮励杰、张健等：《基于ESDA的江苏省县域经济发展空间模式解析》，《经济地理》2012年第3期，第22-28页。为：

(2)

Moran’s Ⅰ的值域为[-1，1]。大于0表示空间正相关，说明服务业水平相似的区域在空间上显著集聚，值越接近1，区域间集聚程度就越高。小于0表示空间负相关，说明区域在空间上显著差异，值越接近-1，区域间极化程度就越高。等于0则表示各区域服务业空间不相关，呈随机分布状态。

对于Moran’s Ⅰ结果进行统计检验，采用Z检验。计算公式为：

(3)

其中，E(I)为期望值，var(I)为变异数。如果|Z|值大于正态分布函数在0.05置信度下的阈值1.96，则服务业在区域间存在显著的正(负)自相关。

3.局部空间自相关。局部空间自相关用于研究每个区域与周边地区之间的局部空间关联和差异程度。本研究采用局部空间关联指标(LISA)和Moran散点图衡量局部相关性。

(1)LISA。LISA包括局部Moran指数和局部Geary指数。本研究重点介绍局部Moran指数，计算公式(17)柯文前、陆玉麒：《基于县域的福建省经济空间格局演化》，《经济地理》2011年第7期，第1081-1087页。为：

(4)

其中Zi、Zj为空间单元i和j观测值的标准化值，Wij表示空间权重矩阵。当局部Moran指数通过检验达到显著性水平时，该区域与其服务业水平相似的区域邻近，存在空间集聚。

(2)Moran散点图。Moran散点图以散点图形式将区域空间自相关可视化，横轴对应观测值与均值的偏差变量z，纵轴对应空间滞后向量W，即该区域周边地区观测值的加权平均。Moran散点图分为四个象限，第一象限(HH)表示高值区域单元被高值区域包围，第二象限(LH)表示低值区域单元被高值区域包围，第三象限(LL)表示低值区域单元被低值区域包围，第四象限(HL)表示高值区域单元被低值区域包围。

将LISA显著性水平与Moran散点图结合，得到LISA聚类图，可直观表达区域高高集聚、高低集聚、低低集聚和低高集聚四种集聚模式。

(二)数据来源

本研究以浙江县域单元为研究对象进行空间数据探索性分析。县域单元主要包括县、县级市、市辖区以及地级市的市区，选取72个研究单元，包括11个地级市市区和61个县(市、区)。为保证数据的一致性，对各年行政区划进行了相应的调整合并。各县域服务业增加值、总人口和工业增加值等数据均来源于1998—2019年的《浙江统计年鉴》。

二、实证研究

(一)区域服务业发展差异的时间特征

计算1997—2018年浙江省各区域人均服务业增加值的标准差，以衡量区域服务业的绝对差异，计算变异系数以衡量区域服务业的相对差异。从绝对差异来看，1997—2015年，浙江区域服务业标准差从2 461元/人提高至20 825元/人，绝对发展差异呈逐年上升趋势，2016年有较大幅度回落，而2017年和2018年小幅回升。从相对差异来看，除2001年表现异常外，浙江区域服务业变异系数从1997年的0.757一路下降至2018年的0.358，相对发展差异总体呈缩小趋势。出现这种现象的原因在于，1997—2015年浙江服务业水平靠后的区域发展较快，但因基数较小，仍难以改变绝对差距继续扩大的趋势；2016年绝对差距明显回落，表明近年来浙江区域服务业均衡性有所提升(见图1)。

(二)区域服务业发展的空间自相关分析

1.分位等级图。利用Geoda软件生成2018年浙江区域人均服务业增加值分位等级图(见图2)，将各区域分为五档，等级由高到低排列。当前，浙江服务业的空间分布呈现以下三个基本特征。

第一，浙江区域服务业呈现“北高南低”空间格局。浙江省县域服务业由北向南呈阶梯式分布，北部地区服务业发展明显领先于南部地区，南北差距依然较大。服务业较发达区域主要分布在环杭州湾地区，包括杭州、宁波、绍兴、嘉兴、湖州和舟山6个地级市市区。浙江服务业梯度发展格局若干年内较难发生逆转性变化。

图1 1997—2018年浙江区域服务业发展的地区差异

图2 2018年浙江区域人均服务业增加值分位等级图

第二，服务业向市区集中的趋势较为明显。浙江11个地级市中，市区着色明显深于周边地区，说明各市区人均服务业增加值明显高于周边地区。如杭州市区处于人均服务业增加值最高一档，周边地区相对较低；宁波市区处于第一档，周边地区大多处于第三、第四档；绍兴市区处于第二档，周边地区大多处于第三、第四档；温州市区处于第三档，周边地区大多处于第五档；丽水地区处于第三档，周边地区大多处于第五档。尽管各市区服务业发展水平不一，但相对于周边地区，市区依旧是服务业发展的高地与集中区。

第三，区域服务业发展城乡二元结构开始显现。由于服务业多集中于市区，人才、资金和技术等要素多向市区集中，市区自然成为主要极化单元。并且，处于高梯度的服务业发达地区，将进一步积累有利因素，加速服务业发展。这一极化效应，会加大市区与县域之间服务业发展的差距，导致区域服务业发展城乡二元结构的显现。这一问题是服务业发展进程中必然出现的矛盾，也是协调城乡服务业发展需要改善的一个方面。

2.全局空间自相关分析。利用Geoda软件计算浙江1997—2018年各县域人均服务业增加值的全局Moran’s Ⅰ估计值和显著性水平P值，结果见表1。可以看出，全局Moran’s Ⅰ值全部为正，表明浙江区域人均服务业增加值的分布存在显著的正的空间自相关，也就是说较高的人均服务业增加值地区与较高的人均服务业增加值地区相邻，较低的人均服务业增加值地区与较低的人均服务业增加值地区相邻，总体呈现空间集聚态势。

从表1全局Moran’s Ⅰ值的变动来看，浙江县域服务业空间关联性可以分为三个阶段。一是趋异阶段(1997—2004年)，全局Moran’s Ⅰ值从0.1160上升至0.3080，说明在这一时期，浙江省区域服务业空间集聚性明显增强，空间差异不断扩大。随着改革开放的深入推进，浙江各县域服务业取得了较大发展，但由于各县域并非处于同一起跑线，空间分布不平衡性明显加剧。二是稳定阶段(2005—2012年)，全局Moran’s Ⅰ值在0.2784～0.2983波动，浙江省服务业空间集聚的基本格局保持稳定，没有太大改变。三是趋同阶段(2013—2018年)，全局Moran’s Ⅰ值从0.2969下降至0.2603，表明随着时间推移，浙江区域服务业发展在空间上集聚的趋势有所弱化，空间分异有所减弱，但2018年浙江省服务业空间集聚仍保持相对较高水平。近年来，随着下山脱贫、山海协作和丽水国家级扶贫改革试验区等一系列政策的实施与落地，以及浙江对中西部地区财税、科技和外贸等方面的倾斜支持，浙江服务业相对落后地区加快发展速度，区域服务业发展的均衡性不断提高。纵观全局Moran’s Ⅰ值的变化，总体呈现先增长后下降的态势，表明浙江区域服务业空间集聚先增强后减弱，空间差异先扩大后缩小，空间均衡性先降低后回升。

表1 1997—2018 年浙江各县域人均服务业增加值的全局Moran’s Ⅰ值

注：P值均通过999次随机置换(Randomization)获得。

3.局部空间自相关分析。全局Moran’s Ⅰ值体现了浙江服务业发展在空间布局上的整体相关性，但并不能解释局部县域单位之间服务业发展的演变特征，所以利用Moran散点图和LISA聚类图重点分析局部空间自相关性。

(1)Moran散点图。选取1997年和2018年浙江各县域人均服务业增加值作为截面数据，利用Geoda软件生成Moran散点图，其中横坐标为人均服务业增加值的标准化值，纵坐标为接邻单元人均服务业增加值的标准化均值。

由图3可知，1997年，位于第一象限(HH)的县域单元个数为10个，位于第三象限(LL)的县域单元个数为36个，合计占到浙江县域单元个数的63.9%。2018年，位于第一象限(HH)的县域单元个数为11个，位于第三象限(LL)的县域单元个数为45个，合计占到浙江县域单元个数的77.8%。一、三象限内点的增多，表明浙江服务业发展相似区域在空间上集聚现象明显增强。比较1997年和2018年的Moran散点图可知，1997年Moran散点图中各点相对集中，而2018年各点相对分散，说明经过20年的发展，区域空间差异明显扩大，这与全局Moran’s Ⅰ值估计结果相一致。

图3 1997年和2018年浙江县域人均服务业增加值Moran散点图

(2)LISA聚类图。为了更加直观地分析浙江服务业空间格局的动态演化，选取1997年、2007年和2018年三个时间截面，利用Geoda软件生成LISA聚类图(见图4)。由图4和表2可知，浙江区域服务业发展具有较为明显的时空演变特征。

第一，浙江县域服务业空间集聚度明显增强。位于HH和LL象限的县域单元明显增多，高高集聚和低低集聚区域数量呈上升趋势。虽然大部分县域位于HH和LL象限，但由LISA聚类图可知，通过显著性检验的区域相对较少。在5%的显著性水平下，通过检验的HH和LL区域1997年有17个，2007年有21个，2018年有24个。其他未着色的区域未通过显著性检验，其与周边地区联系比较微弱，基本处于孤立发展状态。

图4 浙江各县域人均服务业增加值LISA聚类图

表2 浙江县域服务业空间相关模式

第二，浙江服务业高高集聚区区位发生较大变化。从空间分布来看，服务业高高集聚区从杭甬两大高点，发展到杭州、宁波、嘉兴等多地显著较高，再到杭州地区占绝对优势，目前基本形成了以杭州为核心、包含周边众多县域的服务业发达集聚区。图4所示仅为高高集聚区的核心，其范围还包括与其相邻的周边地区。优越的区位条件、发达的经济基础以及丰富的旅游资源，使杭州形成了服务业发展的高高集聚区。作为省会城市，杭州始终是浙江服务业发展水平最高、最具活力的地区，在全省服务业发展中具有举足轻重的地位。近年来，宁波地区退出高高集聚区，原因在于，尽管宁波市区人均服务业值较高，但其周边的奉化区、余姚市和慈溪市等区域人均服务业增加值并不高，可见宁波市区辐射带动作用并不强。与历史水平相比，宁波地区逐渐失去昔日区域增长极的地位，服务业整体优势明显减弱。

第三，浙江服务业低低集聚区明显扩大。2018年低低集聚区比1997年多了6个，增加值至21个，占县域单元总数的29.2%。服务业相对落后的区域主要位于浙西南地区，主要包括衢州、丽水以及温州、金华、杭州的部分县域。这些区域服务业发展相对落后，而且周边接邻区域服务业发展也相对滞后，这就形成了大片的局部低水平空间均衡分布状态。经过多年发展，虽然区域人均服务业普遍有较大幅度提升，但是低低集聚区服务业基础比较薄弱，加之区域交通不便、对外开放水平不高以及投资吸引力较弱等因素，当前仍没有摆脱相对落后的困境，服务业发展的空间差异格局愈加明显。

第四，浙江多极化中心现象越来越显著。近年来，高低集聚区逐渐增多，空间相关模式从单一向多元转变。表2显示，具有高低集聚类型的县域单元明显增多，1997年只有衢州市区，2007年有丽水市区、温州市区和台州市区，2018年有义乌市、温州市区、台州市区和新昌县。这些区域被周边低值区域包围，而自身服务业相对发达，是高低两级之间的过渡地带。随着高低集聚区的增加，浙江区域服务业发展初步形成了以杭州为高值极化中心，以义乌市、温州市区、台州市区等为次极化中心的多层次空间格局。衢州市区和丽水市区由原先的高低集聚类型，转变为低低集聚类型，已成为浙江服务业发展的一个薄弱环节。如何促进相对落后地区的服务业发展，缩小省内地区间差异，任务依然艰巨。

(三)浙江区域服务业发展的影响因素

1.双变量空间关联性分析。空间关联性除了单变量的空间自相关外，还表现为两个不同变量之间的空间交叉关联性。为了了解区域服务业的发展是否受到邻近区域劳动力供给、工业基础、消费市场、交通条件和科技创新等因素的影响，本研究运用双变量全局Moran’s Ⅰ值进行分析，进一步探析区域间是如何相互作用与影响的。利用Geoda软件，计算2007年、2012年和2018年浙江省各县域人均服务业增加值分别与总人口、人均工业增加值、社会消费品零售总额、公路密度和专利申请授权量等指标的双变量全局Moran’s Ⅰ值(见表3)。

表3 浙江县域人均服务业增加值与各指标的双变量全局Moran’s Ⅰ值

注：P值均通过999次随机置换(Randomization)获得。

(1)劳动力供给。2007年、2012年、2018年浙江县域人均服务业增加值与总人口的双变量全局Moran’s Ⅰ值为0.1786、0.1772、0.1298，均通过了显著性检验，说明两者的空间相关性是显著的，也就是说人均服务业增加值较高的县域，其周边区域的总人口也相对较高。县域服务业发展受到周边地区劳动力供给的正向集聚效应影响。这是由于服务业的发展需要依赖周边地区劳动力资源，大量外出务工人员为发达地区的服务业发展作出了积极贡献。丰富的劳动力供给，有利于满足服务业未来发展的需求；反过来，服务业发展在吸纳劳动力、缓解就业压力方面正在发挥越来越重要的作用。

(2)工业基础。2007年、2012年、2018年浙江县域人均服务业增加值与人均工业增加值的双变量全局Moran’s Ⅰ值为0.3613、0.3580、0.3150，均通过了显著性检验，且显著性水平等于0.001。这表明人均服务业增加值较高的县域，周边地区工业发展水平也相对较高，工业发展状况对服务业发展有着显著的正向影响。这一现象可以解释为工业与服务业具有互动互补、相互促进的关系，并且工业发达的地区对周边地区服务业发展具有辐射带动作用。良好的工业基础，有利于拉动服务业增长；反过来，发展服务业有利于促进工业化的细化和深化。工业与服务业在空间上呈现相似区域空间集聚特征。

(3)消费市场。2007年、2012年、2018年浙江县域人均服务业增加值与社会消费品零售总额的双变量全局Moran’s Ⅰ值为0.1818、0.1893、0.1301，均通过了显著性检验。这表明浙江人均服务业增加值比较高的地区，周边地区消费总额也相对较高，两者具有正向的空间关联性。这是由于周边地区提供了广大的跨区域消费市场，是拉动服务业发展的重要力量。服务业商品和贸易的跨区域流动，是省内市场化交易的重要内容，是提升区域间服务业发展空间依赖度的关键因素。服务业发展受到周边地区消费市场的正向影响。

(4)交通条件。公路密度是指每平方公里所拥有的公路总里程数。浙江县域人均服务业增加值与公路密度的双变量全局Moran’s Ⅰ值，2007年未通过显著性检验，2012和2018年均通过了显著性检验。这表明随着时间的推移，浙江区域服务业发展与周边地区的交通条件存在显著的空间关联性。也就是说，浙江服务业发展水平较高的地区，周边地区交通条件相对较好。这是由于通达便捷的交通条件，有利于服务业物流、商流和人流的顺利实现，对服务业发展具有促进作用。故服务业的发展受到周边地区交通条件的正向影响。

(5)科技创新。2007年、2012年、2018年浙江省县域人均服务业增加值与专利申请授权量的双变量全局Moran’s Ⅰ值为0.1794、0.1773、0.1315，均通过了显著性检验。这表明区域人均服务业增加值比较高的地区，周边地区的科技创新发展水平相对较高。这可以解释为知识和创新的空间溢出效应，即邻近区域间在技术、信息等创新要素上的溢出和共享。由于区域间在创新禀赋条件和创新能力存在差异，邻近区域间可以通过创新要素的流动，实现创新价值的提升与优化，最终影响区域服务业的发展，且是显著的正向影响。服务业发展与周边地区知识和创新发展水平具有正向空间关联性。

2.相关性分析。为进一步了解劳动力供给、工业基础等因素对本地区服务业的发展产生何种影响，利用SPSS软件，引入Spearman相关系数进行相关性分析。结果显示，2018年浙江人均服务业增加值与本地区总人口、人均工业增加值、社会消费品零售总额、公路密度和专利申请授权量五项指标的Spearman相关系数分别为0.490、0.297、0.531、0.316、0.454，均通过显著性检验。可见，浙江区域服务业的发展受到本地区劳动力供给、工业基础、消费市场、交通条件和科技创新等因素的正向影响。

三、结论与讨论

本研究利用变异系数和ESDA等分析方法，展示了1997年以来浙江县域服务业发展的时空差异演变，并得出以下七个结论。第一，1997年以来，浙江区域服务业绝对差距先扩大后有所缩小，相对差距持续缩小。第二，浙江区域服务业呈现“北高南低”空间格局，北部地区服务业发展明显领先于南部地区，尤其是环杭州湾地区，形成了浙江省服务业高地。第三，服务业向市区集中的趋势较为明显，这会加大市区与县域之间的发展差距，导致区域服务业发展城乡二元结构的显现。第四，浙江省区域服务业全局Moran’s Ⅰ值在时间序列上呈现出“倒U”型曲线，说明浙江县域服务业发展差异的时空联系经历了“趋异—平稳—趋同”三个发展阶段，服务业空间集聚由增强到平稳再向略微减弱演进。第五，浙江服务业从杭甬两大高点，向以杭州为核心、包含周边众多县域的服务业高高集聚区转变，高高集聚区呈相互带动、互促互利的发展态势。低低集聚空间明显扩大，在浙西南地区连片分布，因缺乏增长极，服务业整体发展与发达地区仍存在较大差距。第六，高低集聚区明显增多，杭州一直是高值极化中心，义乌市、温州市区和台州市区等次极化中心逐渐显现，浙江区域服务业发展由相对单一的极化中心向多极化中心演变，区域服务业多元化发展加快。第七，浙江区域服务业的发展受到本地区和邻近区域劳动力供给、工业基础、消费市场、交通条件和科技创新等因素的正向影响。

本研究对于浙江区域服务业时空演变的研究是较为初步的，今后可在以下三个方面进一步深究：第一，对浙江县域服务业发展水平的测度仅采用人均服务业增加值指标，相对比较单一，可在以后的研究中增加服务业投资力度、就业人数等其他因子，构建更加合理的综合性指标；第二，对浙江区域服务业发展侧重基于县域单元的分析，可在以后的研究中采用较大的地级市或者较小的乡镇级，更加全面地展示浙江区域服务业时空演变特征；第三，对浙江区域服务业发展的时空演变侧重服务业总体态势分析，可进一步细分行业深入研究，增强研究成果的实证性与科学性。