生产性服务业集聚对经济增长影响机理探究

陈树良 康 鑫 梁 妍（.辽宁工业大学经济学院，辽宁锦州00；.哈尔滨理工大学经济与管理学院，黑龙江哈尔滨5000）

一、引言

生产性服务业产生伊始，通过产业的高质量发展和产业聚集效应，在促进区域经济发展中起到了促进和保障作用。尤其是当前中国经济社会发展进入“新常态”，作为中国经济发展的稳定器,服务业在国民经济中的重要性将持续增强[1]。

多数国内外学者主要研究京津冀等经济发达地区生产性服务业集聚对经济增长影响，东北地区研究成果相对匮乏。生产性服务业集聚已然成为发展过程中的必然趋势，产业集聚态势与高新技术创新的交互融合，势必带动国内经济高质高效提升[2]。鉴于此，本文在产业集聚、经济增长、产业集聚对经济增长影响理论基础上，运用区位熵指数测度生产性服务业专业化、多样化集聚程度，采用空间计量经济学方法实证分析生产性服务业集聚对经济增长的影响机理，研究成果为进一步以生产性服务业集聚发展带动其他产业的升级换代，促进经济增长提供理论框架借鉴和实践指导。

二、生产性服务业集聚水平测量指标选择

区位熵用来测量某一区域要素的空间分布情况。区位熵指数表示一些工业或其他行业的平均水平以及在某些特定区域内的高层次地区水平及优势。区位熵与地区产业集聚水平成正比。生产性服务业集聚专业化水平，采用樊菊花[3]对生产性服务业集聚的专业化集聚水平指数进行计算，用D 表示生产性服务业集聚专业化水平。生产性服务业集聚多样化水平，采用吉亚辉[4]的方法，用H 表示生产性服务业集聚多样化水平。

三、生产性服务业集聚对经济增长影响的分析

（一）变量设计

空间计量经济学模型设定被解释变量和解释变量（核心解释变量和辅助解释变量）。被解释变量Y 选择地区生产总值。核心解释变量为生产性服务业集聚专业化水平以及生产性服务业集聚多样化水平。将劳动力水平和政府干涉力度设定为辅助解释变量。

本文以辽宁省为研究对象，实证分析数据由2012—2017年《辽宁省统计年鉴》以及《国家统计年鉴》整理计算得出。统计数据主要通过Excel 软件进行处理，通过ArcGIS 软件来完成数据格式转换，并进一步通过GeoDa 软件进行空间计量分析，实证揭示生产性服务业集聚对经济增长的影响机理。

（二）生产性服务业聚集的测度

1.生产性服务业集聚专业化水平（D）

由于城市内的集聚效应能够产生空间溢出效应，而由于产业内集聚的企业间相互合作与竞争，刺激到其他企业的经济增长，进而直接促进地区经济增长的方式就是集聚专业化水平。计算得表1。

表1 辽宁省各城市生产性服务业集聚

2.生产性服务业集聚多样化水平（H）

采用吉亚辉（2015）计算方法来对生产性服务业集聚多样化程度进行测度。产业集聚多样化水平可以直观的说明所研究产业的多样性，即在存在产业间的知识溢出效应的前提下，产业之间产生一定或一系列的联系性，进而提升地域经济水平。

表2 辽宁省各城市生产性服务业集聚多样化水平表

（三）生产性服务业集聚对经济增长影响分析

1.空间权重矩阵设定

在空间权重矩阵中，存在两种相邻，分别是Rook 相邻和Queen 相邻，Queen 相邻的空间矩阵结构与周边其他地区的关联框架存在更加紧密的联系，本文使用Queen 相邻的空间矩阵设置空间权重矩阵。

2.空间相关性检验

进行空间相关性检验，包括全局空间相关性检验和局部空间相关性检验两个方面。

一是全局检验。采用GeoDa 软件对辽宁省2012—2017年各市数据进行莫兰检验。2012年Moran’s I 为-0.227185，2017年Moran’s I 为-0.247233，因而辽宁省各城市间经济关系负相关。同时，2012年与2017年对比可知，各地区间的经济负相关性更明显。为了说明空间相关性是否有效，计算得到2017年Moran’s I 检验的p 值为0.077<0.1。根据空间相关性检验结果，可以进行空间计量分析。

二是局部检验。近六年来，各个地区内生产性服务业并没有明显的变化，其中抚顺是高高聚集状态，说明抚顺地区的生产性服务业的集聚水平较高，同时周边地区集聚水平较高。而锦州属于低低集聚状态，即锦州的生产性服务业集聚水平较低，同时其周边地区集聚水平较低。

3.空间模型选择

通过GeoDa 软件对2012年以及2017年的数据进行回归诊断，运用空间滞后模型（SLM）以及空间误差模型（SEM）的拟合优度值选取最优结果，结果见表3。

表3 空间模型选择结果

从表3 中可以看出，2012年SLM 的Rsquared 为0.969989，2012年SEM 的R-squared为0.967104，0.969989>0.967104，因而对于辽宁省各城市2012年的数据，建立空间滞后模型。

2017年SLM 的R-squared 为0.969314，2017年SEM 的R-squared 为0.981166，0.969314<0.9811664，对于辽宁省各城市2017年数据，选择建立空间误差模型。

4.空间模型建立及结果说明

通过表3，分别对2012年数据和2017年数据进行回归建模。

2012年空间滞后模型。其基础模型为：

根据计算获得方程（2）：

可以看到，生产性服务业专业化集聚水平以及生产性服务业多样化集聚水平与辽宁省生产性服务业经济发展均存在正向影响关系，其中专业化集聚水平对于辽宁省各城市经济发展起到了正向的调节作用；劳动力水平和政府干涉程度与辽宁省的经济增长是负向的关系。

2017年空间误差模型。其基础模型为：

得到2017年的空间误差模型为公式（3）：

在空间误差模型的检验中，lnH 以及lnL 的概率值远大于0.1，故将多样化集聚水平和劳动力水平两个变量舍掉，建立空间误差模型。在公式（3）中，专业化集聚水平和政府干涉程度对于辽宁省经济增长具有显著的正向影响。

四、结论与建议

（一）结论

（1）辽宁省生产性服务业集聚水平呈现不均衡特点。一方面，只有沈阳市和大连市的专业化集聚水平较高，其他城市的专业化集聚水平仍然不乐观，均低于全国的平均水平；另一方面，只有沈阳和大连的多样化集聚水平较高，其他地区多样化集聚水平较低。可能与各个区域所在地理位置有关。

（2）抚顺市生产性服务业集聚状态最佳。对于数据进行局部莫兰检验，抚顺市是高高集聚状态，锦州市是低低集聚状态，铁岭市和辽阳市是低高集聚状态。针对辽宁省各地区生产性服务业集聚图，抚顺市以及周边地区的生产性服务业聚集状态最佳，而锦州及其周边的地区生产性服务业集聚水平不高，铁岭和辽阳生产性服务业的发展潜力巨大。

（3）生产性服务业集聚专业化水平对促进辽宁省经济增长的效果较显著。从SAR 和SEM相关系数结果可以看出，辽宁省生产性服务业集聚专业化水平能够较好地带动辽宁省各地级市经济增长。在2012年，辽宁省生产性服务业集聚专业化水平，每增加一单位，对应的辽宁省经济增长0.890695 单位；2017年，辽宁省生产性服务业及集聚专业化水平每增加一单位，对应辽宁省经济增长0.747831 单位。相较于2012年，辽宁省生产性服务业集聚的专业化水平对于辽宁省的经济增长与2012年相比显著性较低，但是生产性服务业集聚的专业化水平依然在较大程度上影响辽宁省的经济发展。

（4）政府干涉程度显著影响辽宁省经济发展。从GeoDa EDA 分析的散点图矩阵中，从2012年到2017年，由于相关会议出台以及有关政策实施，促进了辽宁省经济发展。同时由SAR和SEM 结果可知，政府干涉程度由原来的每增加一单位，下降1.27678 个单位经济在增长变动到每增加一单位政府干涉，增加1.78451 个单位辽宁省经济增长。

（二）建议

（1）加强各地区间经济合作。如在辽西地区，建立以锦州为区域中心的包括物流、信息技术、金融等生产性服务业区域中心，提高辽西地区生产性服务业集聚水平；加强沈阳中心建设，充分挖掘铁岭、辽阳生产性服务业潜力，巩固沈阳区域中心地位，并最终带动辽宁中部经济发展。

（2）以生产性服务业集聚发展带动其他产业升级换代。在经济发展过程中，可通过各个产业的集聚化来发展生产性服务业，进一步降低其他相关产业生产成本，以此来促进地区经济增长。各地区在进行分工时，需要充分考虑自身优势、资源禀赋以及自身缺陷，扬长补短，充分认识自身产业特点，结合自身发展优势，把握发展机会，提升各地区经济。如利用营口、锦州两地的港口优势带动金融业、物流生产性服务业及其他产业再发展，各城市内各产业集群间联动发展等。

（3）加大政府生产性服务业发展的支持力度。提高区域经济发展能力，使区域生产性服务业实现创新与进步，需要政府发挥力量，给予相关企业在政策上包括区域人才以及知识技术创新上出台相应政策，加大对知识创新的支持程度，建立创新改革制度。