生产性服务业集聚与区域经济增长——基于珠三角数据的实证分析

简颖欣 刘 娟

(广东财经大学 经济学院,广东 广州 510320)

1 研究背景

粤港澳大湾区建设需要着眼于加快建设具有国际竞争力的现代化产业体系。在大湾区内建立起一个国际竞争力的现代化产业体系必定是一个长期的复杂的过程，在具体的推动进程中，要想尽早实现大湾区的产业体系，则需要在发展战略上坚持“四轮驱动”，即以先进制造业为支柱，以战略性新兴产业为先导，以现代服务业为支撑，以海洋经济为优势，构建粤港澳大湾区具有国际竞争力的现代产业体系[1]。

当前，以国内大循环为主体、国内国际双循环相互促进的新发展格局，是基于经济发展新阶段背景提出的新时代发展理念。双循环的构建，不但需要科技的推动，还需要现代服务体系为其保驾护航。中国特色社会主义经济建设的主要特征在于经济高质量发展，经济的高质量发展离不开现代服务业的助力。作为服务业中协助生产的重要行业，生产性服务业是研究经济发展新动力中的重要对象之一。

生产性服务业是指为其他商品和服务的生产者提供中间投入的服务行业，作为现代服务业的重要组成部分，它正逐渐成为促进中国产业由生产制造型向生产服务型转变、进而提高整体经济效率和实现高质量增长的主力。作为生产的中间投入要素，生产性服务业不仅能发挥对关联产业的外部性，而且有利于培育新的经济增长点。因此，重视生产性服务业的建设，不但有利于推动大湾区现代化服务业的发展，还可以促进大湾区尽快建设具有国际竞争力的现代产业体系，实现新的经济突破。

根据国家统计局2015年公布的生产性服务业分类标准，并结合相应的现实情况，将生产性服务业的重点关注对象定义为交通运输、仓储和邮政业，信息传输、软件和信息技术服务业，金融业，房地产业，租赁和商务服务业，以及科学研究和技术服务业。

基于对珠三角的九个城市(广州、深圳、佛山、珠海、东莞、中山、江门、惠州和肇庆)的数据分析，运用计量经济学和空间经济学的工具和方法，分别研究珠三角九市的生产性服务业的聚集度，以及生产性服务业聚集的各个因素对区域经济增长的影响。

2 文献综述

自20世纪50年代生产性服务业进入公众视线以来,生产性服务业的集聚效应一直被各国的学者所关注，相关研究也从对集聚现象的简单描述不断深入到分析生产性服务业集聚对地区经济效率的影响。从简单地通过相关研究计算对应指标，到关注生产性服务业的集聚程度对经济增长的作用效应，各国学者对生产性服务业集聚度的研究逐渐从定性研究走向从定量研究。定性研究集中在分析生产性服务业促进经济增长的机制，马库森(1920)将生产性服务业作为中间产品引入模型，来解释生产性服务业促进制造业和经济增长的内在机理。郑吉昌(2005)认为分工的深化是生产性服务业推动的,生产性服务业是现代经济增长的基本动力来源。定量研究主要采用面板数据分析、协整检验、VAR模型和VECM等方法,或是从产业集聚、空间技术溢出效应和产业关联效应等角度定量分析生产性服务业。

关于生产性服务业集聚的研究，陈建军、陈国亮和黄洁(2009)基于新经济地理学研究全国的生产性服务业聚集程度和影响因素，盛龙、陆根尧基于行业和地区层面分析研究中国的生产性服务业。崔大树、杨永亮(2015)对长江三角洲地区生产性服务业进行空间分异特征研究。王鹏、魏超巍(2016)以珠三角城市群为例分析城市群生产性服务业的空间集聚特征。

生产性服务业集聚对经济的发展的影响作用多参照现代服务业集聚的研究。纳瑞什(2001)通过考察英国的金融服务业聚集对企业的增长作用，发现英国金融服务业都具有明显的集群效应，此后马吕斯和尼克(2008)在已有的研究基础上指出，尽管欧洲的金融服务业很少依赖于其他市场，但金融部门集聚产生了积极的促进生产的效应。胡霞、魏作磊等[2]发现服务业集聚对其生产率的提升有明显的带动作用，并且大部分的服务性行业的聚集都能在一定程度上促进服务业规模的增长。由于如今对生产性服务业的研究多是与制造业相关联，单独探讨生产性服务业对经济增长的作用机制的研究仍较少。马歇尔[3]最早指出正是生产性服务业聚集是由于外部地理环境的影响，而这种聚集所形成的专业化能够使得劳动力与中间产品形成规模效应。阿斯勒森和伊萨克森[4]进一步分析了生产性服务业与经济增长的互动关系，从而得出结论——生产性服务业集聚有利于高新技术的产生,从而有助于经济增长;而经济的高速增长又会对高新技术产生更多需求,反过来促进生产性服务业的集聚和升级。郑吉昌(2005)研究了生产性服务业专业化分工对经济增长的作用。袁冬梅、李恒辉(2021)基于产业层次和城市规模研究生产性服务业集聚对城市经济效率的促进作用。王琢卓，韩峰(2012)利用湖南省数据研究生产性服务业集聚对经济增长的具体影响。

综上所述，由于目前对生产性服务业集聚的研究所涉及的范围一般在省级单位以上，很少集中于某个具体的省市来探讨生产性服务业的集聚。珠三角九市地处广东，而广东的GDP近几年一直在全国名列前茅，故采用珠三角九市的数据来研究生产性服务业集聚对经济增长的具体影响具有一定的代表性，该研究结果有利于进一步了解中国经济发展较好的地区的生产性服务业集聚现状。此外，珠三角九市地处粤港澳大湾区的内地枢纽，处于一个促进粤港澳经济进一步发展的战略性地位，为内地和港澳的经济深入交流搭建稳靠的平台。为更好地建设粤港澳大湾区，也为积极响应我国提倡构建内外双循环的号召，定量研究生产性服务业聚集对某一个地区的经济发展有更深层次的现实意义。因为这既有利于完善生产性服务业集聚在小范围区域作用机制的研究分析，又有助于为粤港澳大湾区现代服务体系的建立找准方向。

3 生产性服务业集聚的空间特征分析

3.1 珠三角生产性服务业现状分析

以2019年的数据为例，珠三角生产性服务业就业人数为809 5819人，其中，广州市就业占其48.68%；深圳市占其18.39%；佛山市占其9.77%；江门市占其5.11%其余城市占其18.05%。其中，广州的生产性服务业企业数占广州总服务企业数的86.89%；深圳的生产性服务业企业数占深圳总服务企业数的86.02%；东莞的生产性服务业企业数占东莞总服务企业数的83.97%。从以上具有代表性的统计数值来看，有相当多的一部分城市的生产性服务业仍处于发展态势较好的水平，而且各地生产性服务业占据了服务业相当大的一部分市场份额，单从企业数来说，生产性服务业已经是引领现代服务业发展的一大指向标，是现代服务业的发展中不可缺失的重要一环。

在生产性服务业中，受地区区位因素及工业结构影响，珠三角内不同的城市的具体生产性服务业的增长速度互有差异，相对来说，珠三角各市的生产性服务业确实存在一定的共性，如珠三角各市的交通运输、仓储和邮政业的增长速度一般较慢，这与珠三角的交通运输业已经达到一定程度的饱和有关，故其交通运输、仓储和邮政业后期的增长速度放缓。而增长速度较快的行业有信息传输、软件和信息技术业和房地产行业，前者的发展速度较快是因为科学技术是提高生产力的永动力，加之目前政府大力扶持高新产业，有相应的政策鼓励发展；后者则是因为房地产市场近年来一直不断地扩张，有巨大的市场需求，也由此衍生出不断壮大的与房地产挂钩的服务性企业。

3.2 相关公式引用

3.2.1 空间基尼系数

研究生产性服务业集聚对经济增长的具体影响的前提条件是珠三角九市生产性服务业存在聚集现象。引入空间基尼系数定量检测珠三角九市生产性服务业的空间集聚度[5]，空间基尼系数的表达式如下所示：

在以上公式中，Ij为j市从事生产性服务业的就业人数与广东省从事生产性服务业人数的比值，Tj代表j市某年年末就业人数和该年年末的广东就业人数之比。G值结果在0到1之间，若结果越趋近于0，表明j市生产性服务业平均分布；若结果越趋近于1，表明j市生产性服务业的集聚水平越高。

3.2.2 PC指数

若某个城市能通过基尼系数被判定确实存在生产性服务业的空间聚集现象，那么下一步即可用库吉提出的衡量某个产业的集聚程度的公式，来表示该城市生产性服务业在广东的聚集程度，衡量PC指数的公式如下：

(2)

3.3 结果分析

利用公式(1)可得珠三角九市的空间基尼系数，结果如表1所示。

表1 珠三角生产性服务业基尼系数(%)

通过对表1各城市的基尼系数进行分析，发现珠三角内的生产性服务业整体分布较均衡。珠三角九市中，广州和东莞的基尼系数相对于其他城市而言总体偏大，说明这两个城市生产性服务业的空间集聚水平较高，同时也能维持在一个较稳定的水平。其他的七个城市，其生产性服务业的空间分布较为平均，但佛山、惠州和中山的生产性服务业总体呈日渐聚集的态势，另外4个城市也保持着相对稳定的生产性服务业聚集程度。综上所述，珠三角九市中多数城市都具有一定的生产性服务业集聚的特点，这为之后研究它们的集聚程度和相应的定量研究奠定了良好的基础。

利用公式(2)计算珠三角九市的PC值，通过去掉最大值和最小值的方法对各个城市往年在空间上的聚集度进行评估，按PC值的大小将珠三角九市分成三个梯度，第一梯度的城市有广州和深圳，它们的生产性服务业在空间上较其他城市具有更高的集聚特征，而第二梯度的城市有佛山、珠海和中山，这些城市的特征是其生产性服务业在近10年来都能保持在较高水平的聚集程度，但佛山的生产性服务业的集聚水平呈现的是稳步递增的态势，而珠海和中山的生产性服务业集聚度有趋向平均分布的趋势。其余4个城市则归于第三梯度，它们生产性服务业的聚集程度总体并不明显。综合来看，珠三角九市的生产性服务业的聚集程度都有很大的提升空间，这也侧面证明了珠三角的生产性服务业目前仍处于起步阶段，如表2所示。

表2 珠三角生产性服务业PC指数

3.4 局限性分析

用空间基尼系数来衡量各市生产性服务业的空间分布存在以下的局限性：

首先从空间基尼系数的定义上看，该系数衡量的是某个时点上各市之间从事生产性服务业人数在空间分布上的加总平均，这反映的是一种静态情况，并不能很好地反映各市从事生产性服务业人数的空间动态变化；其次空间基尼系数对众数附近的转移最为敏感，但其并不满足一般的转移敏感性，即一个城市的生产性服务业从业人数与其从业人数的数值越大，等量数额的生产性服务业人数的转移导致基尼系数的变化幅度也就越大。这也是广州与深圳的空间基尼系数较其他城市更不稳定的原因，因为这两个城市的生产性服务业从业人数与其从业人数与其他城市数量差距较大。

PC指数的局限性则是在不同面积单位上的选择会导致结果存在较大的差异。比如说，采用万平方千米作为面积单位算出的PC值是采用平方千米的10 000倍。

4 实证分析

4.1 数据来源及变量选取

采用珠三角九个地级市的面板数据，运用StataSE12.0软件，以各市的国内生产总值为被解释变量，各市的PC指数、生产性服务业的固定资产增加值、城市化水平和科技经费投入为解释变量，实证分析珠三角九市生产性服务业集聚程度对经济增长的影响。以下为各变量的具体说明：

(1)各市的国内生产总值(GDP)为衡量各市经济增长的指标。

(2)PC指数(PC)为衡量各市生产性服务业集聚程度的具体指标。

(3)生产性服务业的固定资产增加值(KS)。由于目前我国生产性服务业以交通运输、仓储和邮政业，信息传输、软件和信息技术业，金融业，房地产业，租赁和商务服务业以及科学研究和技术服务业为主，故以上述产业的固定资产增加值作为衡量生产性服务业资本总量的指标[6]。

(4)城市化水平(LURBAN)，即一市的城镇人口占该市总人口的比重，反映了生产性服务业的地区投资环境[7]。

(5)科技经费投入(T)。该项指标来源于各市2010-2019年用于生产性服务业R&D的经费总额，这反映的是在这十年各城市的生产性服务业的技术进步与创新水平。

以上变量的具体数据均选自《广东统计年鉴》(2011-2020)及各市的统计年鉴。为使变量数量特征更具线性化，分别对KS、T及GDP取对数，记为LNGDP、LNKS、LNT,选取ui为模型的随机扰动项。假定的计量方程如下所示：

LNGDP=α+β1PC+β2LNKS+β3LURBAN+β4LNT+ui

(3)

4.2 面板数据设定检验及结果分析

对所收集的面板数据进行数据的总体检验，得出这是一个平衡的面板数据。用软件StataSE12.0对该面板数据进行LM检验和豪斯曼检验，发现面板数据强烈接受随机效应和固定效应模型，最终拟订使用聚类稳健标准误对固定效应模型进行评估。得到的回归结果如表3所示。

表3 固定效应模型回归结果

将回归结果代入到假定的固定效应模型之中，得出拟合的模型为：

LNGDP=2.460571+0.2730067PC+0.5856939

LNKS+0.0212427LURBAN+0.01591LNT+ui

(4)

通过以上的面板模型估计可知，选用的四个对生产性服务业具体度量的指标，即衡量生产性服务业集聚度的PC指数、生产性服务业的固定资产增加值(KS)、城市化水平(LURBAN)和科技经费投入(T)都对区域经济增长具有正向促进作用，且得出的四个估计结果均在置信度水平为95%下显著。由此可得每当生产性服务业的集聚度、固定资产增加值、城市化水平和科技经费投入增加一单位，会给该区域经济发展分别带来27.3%、58.6%、约2.1%和约1.6%的增长。由此可见，生产性服务业集聚在一定程度上可促进该区域的经济增长。具体而言，资本的增加对经济增长的正向影响程度较大，此外，城市化水平和科技经费投入对经济增长的正向作用并不明显，这是因为对区域劳动力的量化需要更加细致，没有综合考虑劳动力的质量对区域经济的影响；以及科技经费的投入与科技经费的投入产出比概念不同，科技对经济增长的影响归根结底应该是科技转化成生产力的具体表现，简单地将R&B经费等同于科技水平对经济增长会引起结果的部分偏差。

4.3 模型结果检验

为了避免模型出现伪回归的情况，对以上选定好的因变量PC，LNKS，LURBAN和 LNT进行单位根检验。由于该面板数据为长面板，故采用LLC检验和IPS检验。

通过软件STATA12.0进行回归检验，发现LNKS与LURBAN可以通过LLC检验和IPS检验；PC和LNT可以通过滞后一期的LLC单位根检验。这说明，以上模式的回归在一定程度上可以相信不存在伪回归的情况。

5 结论及建议

5.1 结论

通过对珠三角内九个城市2010-2019年的面板数据的分析，考察和研究了生产性服务业集聚在不同地区的聚集程度，生产性服务业对区域经济增长的作用方向及影响程度。通过实证研究，总结归纳出以下几点结论：①通过珠三角生产性服务业空间基尼系数的测度值，确定了珠三角九市是具有一定的生产性服务业集聚的空间特征；②珠三角的生产性服务业聚集程度并不明显，虽然整体分布较为均衡，但各市之间生产性服务业聚集水平的差距较大。除此之外，珠三角的生产性服务业仍有很大的发展空间；③通过对相关模型的构建，从模型的回归结果中，确定生产性服务业的集聚对区域经济增长有正向促进的作用，资本和劳动力的集中投入正向影响GDP增长。

5.2 建议

为更好促进粤港澳大湾区建成具有国际竞争力的现代产业体系，提高生产性服务业集聚对区域经济增长的正向作用，提高生产性服务业成为区域经济高质量增长新动能的转化效率，促进区域产业经济尽快形成内外双循环的推动力，特提出以下建议：

5.2.1 采取有效政策，保护新兴产业

目前珠三角的生产性服务业处于方兴未艾的阶段，有效的产业保护措施十分重要。通过数据分析，发现珠三角的生产性服务业集聚程度并不高，各市之间的生产性服务业发展程度也有较大的差别。为更好保护我国新生的生产性服务业企业，政府需在政策上支持和保护当地生产性服务业的发展与壮大，并适当降低生产性服务业的准入门槛。此外，为当地生产性服务业提供更好的基础设施，建立相应的产业园以形成产业集聚，和提供小额贷款等方式有利于吸引外地企业在当地投资生产性服务业。通过加强珠三角的邻近城市两地间生产性服务业企业的信息交流和资源共享，亦有利于生产性服务业较集中的城市对周围城市的带动作用，促进珠三角整体的生产性服务业集聚度提升，更好带动经济运行，促进内循环的有效运转。对一些发展前景较好的生产性服务业，如信息传输、软件和信息技术服务业，应当采取鼓励发展的政策方针，适当地给相关创新项目的落地孵化给予财政上的帮助，有利于为生产性服务业的进一步集聚发展注入新的动能。

5.2.2 关注资本投入，优化资源配置

由于生产性服务业的资本投入对区域经济增长的影响程度较大。在推动当地生产性服务业的聚集时，资本的效用是一个不可忽视的点。资本能使一个地区的生产性服务业聚集对经济增长的正向影响效用发挥到较大的水平，因此关注资本在生产性服务业中的运转需要被重点关注。对于一个企业而言，除了关注资本外，如何合理运用和配置用资本，从而提高生产性服务业集聚对经济增长的正影响也是需要得到重视的。

除了资本外，其他资源的配置也需要得到相应的调整，以期达到促进经济增长的最佳水平。尤其是对于具有不同产业背景的城市而言,应遵循产业结构演进的规律和本地产业转型升级的需要,有针对性地推动城市中生产性服务业发展壮大和专业化集聚,以有效发挥其对关联产业和城市经济效率的积极促进作用。此外，对于不同规模城市而言,应基于城市人口规模、市场潜力与不同层次生产性服务业的协调匹配程度,有选择性地推动城市中生产性服务业发展壮大和专业化集聚。以本次研究的珠三角为例，对于中小城市(如珠海、惠州)而言,在制定产业发展规划时,应基于自身城市人口规模、工业基础与生产性服务业的协同配合,有选择地发展第三方物流、金融、电子商务等生产性服务业。而对于大城市(如广州、深圳)而言,要重视培育和引进高端生产性服务业,为制造业迈向价值链中高端提供了更多的专业服务支持,同时，应重视低端服务业的基础支撑性作用。简而言之,在制定产业政策和发展规划时,各级城市政府应密切关注自身城市需求与生产性服务业的协同配合,正视不同城市规模对不同产业层次生产性服务业存在需求差异的客观规律,有目的、有选择地推动适宜本地实际发展需求的生产性服务业集聚。

5.2.3 重视人才效用，提高科技产出

从目前的珠三角就业市场上看，现有的人口红利正在不断减少,而且高端人才的缺口依然很大。相应的人才战略计划应尽快出台实施,积极吸引其他省市各层次的劳动力。应加大力度培养本土高层次人才,吸引海外科技人才,充分储备优秀的人才来支撑生产性服务业的持续快速发展[8]。通过对生产性服务业人才的培养，能更好提高人才资源对生产性服务业的聚集作用，提高区域生产性服务业的聚集水平，促进经济增长。为更好吸引劳动力，各级政府应因地制宜，对于广州和深圳这种本身经济发展水平较高的城市，可考虑通过放低户口准入标准等优惠政策来吸引劳动力；而对于像经济水平一般的中小型城市，如珠海和佛山，则可以通过降低个人所得税，解决养老问题，提高其他福利待遇等吸引周边的人才资源，以解决当前劳动力不足的问题。

在研究的面板数据中，数据反映出生产性服务业R&D经费投入与经济发展关联度较低这个事实，这表明虽然每年珠三角在生产性服务业中投入的科研经费都在平稳上升，但实际得出的科技成果最终能转化成的实际生产力的效率并不高。保证科技研发投入的资金充裕是企业促进企业发展而需要达到的目标，但企业不能只是盲目投入，而不计较科技转化形成的有效生产力，特别是在新兴产业阶段，由于资本存量不大，科技实际效率对降低生产成本起着关键性作用。