中国信息服务业时空格局演化及影响因素分析

孙 勇,张 思 慧,王 天,张 佩

(1.广州大学公共管理学院,广东 广州 510006;2.华南农业大学经济管理学院,广东 广州 510642;3.中国科学院科技战略咨询研究院,北京 100190;4.中国科学院地理科学与资源研究所,北京 100101)

0 引言

随着信息技术不断发展,数字经济已成为全球各国、各地区争相发展的战略性新兴产业[1,2],并将是后疫情时代塑造新经济地理格局的关键经济形式[3,4],深刻影响区域产业经济体系和未来竞争力。作为数字经济的重要部门,信息服务业以软性服务为主,深入渗透到产业数字化和数字产业化的过程中[5]。区别于传统服务业,信息服务业的发展与信息技术水平紧密相关[6],具有高科技服务的特征[7],信息服务业凭借产业关联度高、增值效益大等特性,广泛应用于农业、工业、金融、商务等传统产业领域[8],研究信息服务业的时空格局特征及其驱动因素有助于深化数字经济产业发展的新理论与新认识。

传统制造业在东南沿海地区发展较快,后重心向西北方向转移,但西部地区制造业发展仍低于中东部地区[9]。由于信息服务业对地理空间的依赖性较弱,其空间集聚特征与传统制造业存在一定差异[10-12],如西部地区的软件和信息技术服务业平均水平在近几年已超过中部地区,其中四川、重庆和陕西逐步接近东部沿海地区[13]。随着数字经济发展,信息服务业将越来越多地参与现代产业体系,其时空格局、演变过程和机理有待更多元且深入地探讨。鉴于此,本文基于城市信息服务业企业工商注册数量数据,运用标准差椭圆和空间计量模型分析我国信息服务业的时空演变格局及影响因素,以期为信息服务业产业政策制定提供参考。

1 研究方法

1.1 标准差椭圆

标准差椭圆是通过椭圆中心坐标、长短轴、方位角分析要素空间分布特征,其中,中心坐标能反映信息服务业的空间方向变动特征,方位角反映信息服务业的空间趋势方向,长短轴反映信息服务业的集聚程度与趋势[14]。

1.2 空间计量模型

空间计量模型[15,16]主要包括空间误差模型(SEM)、空间滞后模型(SLM)与空间杜宾模型(SDM),前两者仅考虑被解释变量的空间相关性,而SDM模型还考虑解释变量的空间相关性,故本文选用SDM模型研究信息服务业的影响因素,同时考察邻近地区信息服务业发展水平和影响因素对本地信息服务业发展水平的影响。公式如下:

Yit=β0+ρwij×Yit+β1Xit+ρ1wij×Xit+εit

(1)

式中:Yit为信息服务业发展水平,Xit为影响因素变量,wij为空间权重,基准回归中使用反距离权重矩阵,稳健性检验中使用0-1矩阵,wij×Yit为信息服务业发展水平的空间滞后变量,即i地区邻近地区j信息服务业发展水平的观察值,wij×Xit为影响因素的空间滞后变量,即i地区邻近地区j影响因素的观察值,ρ、ρ1为空间回归系数,反映空间依赖作用,即邻近地区的观察值对本地区信息服务业发展水平的影响方向和程度。

1.2.1 因变量选取 目前研究多用两种指标衡量产业发展水平:①集聚指数,包括专业化集聚指数、多样化集聚指数、基尼系数、区位熵等[17,18],这类指标对数据质量要求较高,且在回归分析中稳健性较差;②产业产值、就业人口等绝对值指标[19,20],但城市层面的信息服务业缺乏产值数据,有信息服务业整体的就业人口数据,没有细分行业数据,在研究中难以进行细致的产业类型分析,本文参考文献[21],用信息服务业企业工商注册数量衡量信息服务业发展水平,分别用信息服务业新创企业总数刻画产业发展的规模特征,用万人新创企业数刻画产业发展的活力特征(表1)。

表1 变量详细信息

1.2.2 自变量选取 已有研究认为产业时空格局演变受成本、收益和环境等多种因素影响[22]。其中,成本因素主要包括生产要素成本、交易成本等因素,如劳动、资本、技术的空间集聚会影响区域产业的生产要素成本,交通运输环境会影响产业的交易成本;收益因素主要为市场因素,地区市场的需求量最终决定产业布局的类型和规模;环境因素则包括政府政策、基础设施、产业结构等。基于此,本文综合考虑一般产业地理格局过程的驱动机制及信息服务业的特性,从以下五方面选取信息服务业发展水平的影响因素:①知识层面,信息服务业是知识产权密集型行业,其时空格局受地区创新环境影响,创新水平高的地区知识密度较高、知识溢出也较多,参考文献[4,23],采用专利申请数衡量创新水平;②要素层面,信息服务业对高知识人才和资本的需求量较大,故采用普通高等学校在校学生数、年末金融机构存款余额占GDP比重分别表征劳动[24]和资本要素[25];③设施层面,信息服务业与生产性服务业和制造业(二者受基础设施影响较显著)的协同特征较明显,尽管信息服务业具有虚拟性,但产业集聚受交通基础设施的影响,且依赖信息基础设施,因此参考文献[26],选用人均道路面积衡量交通基础设施,用人均邮政业务衡量信息基础设施;④市场层面,信息服务业相比传统的制造业受地理空间的约束弱,但也受区域市场规模的影响,其主要市场对象包括个人、企业以及由个人和企业所共同影响的经济产出水平,因此本文用人口密度和地区生产总值表征;⑤产业层面,信息服务业与其他产业的关联主要体现为对服务业和制造业的影响,因此用第三产业与第二产业的产值比衡量产业关联效应(表1)。

1.3 数据来源

信息服务业工商企业注册数据来自爱企查(https://aiqicha.baidu.com/?from=pz),该产业类型有电信、广播电视和卫星传输服务业,互联网和相关服务业,软件和信息技术服务业。获取2000—2019年全国283个城市的信息服务业新创企业数和全部行业新创企业数,影响因素指标数据从EPS数据库获取。为保证数据质量和面板的平衡性,回归分析部分数据的时间跨度为2011—2019年。

2 信息服务业时空演变特征

2.1 时序演变特征

由图1可知,2000—2019年我国信息服务业新创企业总数和每万人平均拥有数均呈增加趋势。2000—2003年处于增长阶段,该阶段是我国互联网信息产业高速发展阶段,网络基础设施的完善和产业生态的形成促进信息服务供应商、内容服务商开始联合建设信息服务业;2004—2013年我国信息服务业面临新一次大洗牌,相继经历了我国的互联网泡沫破灭和全球金融危机,信息服务业进入整合优化阶段;2013年以后,我国信息服务业开始新一轮快速发展,移动互联网的成熟为信息服务业发展提供了新机遇,一大批信息技术的应用场景开始出现,推动了以软件服务业、信息咨询、数字内容等为核心的信息服务业的新一轮发展。

图1 我国信息服务业新创企业数变化趋势

2.2 空间演变特征

由图2可知,我国信息服务业新创企业总数和万人新创企业数具有与重点城市或城市群相似的多点分布格局和集聚态势,空间差异特征较明显。①东西差异显著,东部沿海地区信息服务业新创企业数量较多,中西部地区相对较少,这与东部地区广阔的商业市场、信息资源和营商环境息息相关。②中心外围差异显著,城市群与省会城市往往也是商业市场、信息资源和营商环境集中地区,其信息服务业相对集中,外围区域信息服务业集聚程度较低,且随着区域发展,中心城市向外围溢出的特征逐渐明显。例如,2000年我国信息服务业主要集聚在东部沿海大城市,10年后不断向内陆大城市扩张,武汉、重庆、成都等城市的发展势头较好;此后伴随数字经济的全面发展,信息服务业开始向中西部和东北地区扩张,如贵阳、长沙、沈阳、哈尔滨等城市也逐渐成为信息服务业的新中心。

注:基于自然资源部标准地图服务系统(http://bzdt.ch.mnr.gov.cn/)下载的审图号为GS(2020)4615的标准地图制作,底图无修改。

由表2可知,京津冀、长三角、珠三角三大城市群是信息服务业主要集中地区,2000年、2013年和2019年其信息服务业新创企业总数分别约占全国的37.00%、39.27%和36.42%,万人新创企业数分别是全国的1.77倍、1.87倍和1.68倍。2000年新创企业总数排序为长三角>京津冀>珠三角,2013年和2019年为长三角>珠三角>京津冀;2000年万人新创企业数为珠三角>京津冀>长三角,京津冀的规模优势和活力优势逐步形成,2013年和2019年为珠三角>长三角>京津冀。可见,长三角具有规模领先优势,珠三角具有活力领先优势,京津冀的规模优势和活力优势均呈下滑趋势。

表2 三大城市群信息服务业新创企业数

由表3可知,2000—2019年新创企业总数和万人新创企业数标准差椭圆中心的经度和纬度均呈减小趋势,即信息服务业新创企业空间分布中心向西南地区移动;标准差椭圆的短半轴均呈先增后减趋势,即沿短轴方向(西北—东南)的集聚程度呈先减后增趋势;新创企业总数标准差椭圆的长半轴呈持续减小趋势,而万人新创企业数标准差椭圆的长半轴呈先减后增趋势,整体减小,即沿长轴方向(东北—西南)的集聚程度明显增加。整体看,我国信息服务业发展水平不断提高,东部地区依然是我国信息服务业发展水平较高的地区。

表3 信息服务业新创企业数标准差椭圆分析

3 信息服务业时空格局的影响因素

3.1 描述性统计

考虑到统计数据一致性问题,同时为消除数据的异方差,本文将各变量进行对数化处理(表4),结果显示,各变量不存在极端异常值,数据平稳性较好,且各变量方差膨胀因子(VIF)不超过10,说明数据之间不存在共线性问题。

表4 描述性统计

3.2 回归结果分析

根据前文分析,信息服务业具有明显的空间集聚特征,进一步进行空间Moran′s I指数检验,结果显示,信息服务业具有显著的空间依赖性,因此适宜使用空间计量模型探讨其影响因素。参考文献[4],本文使用反距离矩阵作为空间杜宾模型回归的权重矩阵,得到信息服务业万人新创企业数(模型1)与信息服务业新创企业总数(模型2)所衡量的信息服务业发展水平变量的回归结果(表5)。

表5 变量回归结果

1)模型1与模型2中Spatialρ分别为3.627与0.876,且通过1%水平的显著性检验,表明信息服务业时空格局演变受到邻近地区的影响,即邻近地区多个影响因素的空间格局与演变过程会对本地区的信息服务业分布产生溢出效应。

2)创新水平(X1)对信息服务业时空格局演变具有显著正向影响。可以认为,创新资源的空间关联、创新要素的空间集聚能加强产业间关联以及提升产业集聚外部性[27],从而有利于信息服务业发展。创新对信息服务业的空间溢出效应不明确,即周边地区创新水平变化可能会对本地区信息服务业发展产生正向作用或负向效应。正向作用可能得益于知识溢出效应,邻近地区的创新水平提升能带来知识流动,为本地区信息服务业提供集聚资源;而负向效应可能因为周边地区高创新水平在促进其发展的过程中形成了“创新高地”,能进一步提升资源关联与要素集聚能力,扩大辐射范围,从而对本地区信息服务业及相关企业具有更大的吸引力,不利于本地区信息服务业发展。

3)金融资本(X2)对信息服务业时空格局演变具有显著正向影响。金融资本增多能带动资本积累与供给,为信息服务业发展提供资金支持等,有助于提升企业学习能力,提高企业产品性能,增强信息服务业竞争力,助力信息服务业发展。金融资本对信息服务业发展具有显著的负向空间溢出效应,资金在一定程度上是定量的,邻近地区的资本积累增多与本地区的资本存量减少存在一定的关系,这会引起本地区发展动力不足,降低本地区信息服务业发展水平。

4)人力资本(X3)对信息服务业时空格局演变具有显著正向影响。信息服务业作为知识密集型产业对人力资本水平有更高要求,因此地区高人力资本水平能为信息服务业提供更多的知识储备,有利于产业生态建立。人力资本水平对信息服务业时空格局演变具有显著的正向溢出效应,主要是因为邻近地区人力资本水平的提升所产生的知识、技术等的溢出在一定程度上能对本地区信息服务业发展提供支撑。

5)交通基础设施(X4)对信息服务业时空格局演变具有正向影响。交通基础设施的完善可以促进区域内成员以更低成本共享生产要素,降低运输成本与运输风险,从而使区域内成员联系更紧密[28],推动信息服务业上下游及相关企业发展,提升产业发展水平。从空间溢出效应看,邻近地区的交通基础设施水平对本地区信息服务业时空格局演变的溢出效应不明确,说明交通基础设施更多地作用于设施所在地,对其他地区影响差异较大。

6)信息基础设施(X5)对信息服务业发展具有显著正向影响。信息基础设施的完善有利于企业之间的信息流动,加强企业间的技术、知识等交流,提升企业关联[29],有利于信息服务业发展水平提升。从空间溢出效应看,邻近地区信息基础设施水平对本地区信息服务业发展的溢出效应不明确,可能因为邻近地区信息基础设施的完善一方面有利于与本地区的信息交流沟通,推动本地区信息服务业发展,另一方面会出现信息危机,过度敏捷的信息交流可能会暴露本地区隐私或导致区域间的恶性竞争,不利于本地区信息服务业发展。

7)人口规模(X6)对信息服务业时空格局演变有显著正向影响。人口规模高不仅可以为信息服务业发展提供充足的劳动力支持,而且决定了潜在市场容量[30],从而有利于信息服务业发展。邻近地区的人口规模对本地区的信息服务业发展具有显著的正向空间溢出效应,因公共交通与通信技术等的完善,人们能更便捷地在地区间流动并获取其他地区信息,这不仅推动邻近地区人口向本地区流动,而且邻近地区的市场需求也可能发生转移,从而有利于本地区的信息服务业发展。

8)经济规模(X7)在1%的显著性水平下对信息服务业时空格局演变有正向影响。经济规模越高,地区消费者购买能力越强,并且经济发展水平高的地区能吸引更多的资金、人才、技术等,有利于信息服务业发展。从空间溢出效应看,邻近地区的经济规模对本地区信息服务业发展有显著负向溢出作用,由于邻近地区经济规模所体现的高经济发展水平会吸引本地区资金、人才等要素外流,导致本地区产业发展条件恶化,不利于信息服务业发展。

9)产业结构(X8)对信息服务业时空格局演变具正向影响作用。产业结构升级能促进生产要素在产业间的高效配置[30],有利于产业间协调能力的加强及关联水平的提升,在信息服务业专业化发展和与制造业、服务业相关联的多样化发展中均能发挥积极作用。产业结构升级对信息服务业发展具有负向溢出作用,邻近地区的产业结构升级在促进其资源配置水平提升时,可能会筛选出一系列不利于信息服务业发展的要素或产业,并在城市间交流时转入本地,从而对本地区信息服务业发展产生不利影响。

3.3 稳健性检验

本文基准回归及对比回归中使用了反距离矩阵,事实上,在城市面板数据回归时0-1矩阵广为使用[31],故本文将反距离矩阵更换为0-1矩阵,以进一步明确信息服务业发展的影响因素,回归结果见表5中的模型3与模型4。可以看出,模型3与模型4中,Spatialρ分别为0.545与0.469,且在1%的水平下显著,再次验证了信息服务业时空格局演变受到邻近地区的影响效应。在影响因素分析时,使用0-1矩阵的估计结果与反距离矩阵基本相同,创新水平、金融资本、人力资本、信息基础设施、人口规模与经济规模均对信息服务业发展具有显著正向影响,产业结构的影响仍具有不确定性。溢出效应回归结果与反距离矩阵回归结果基本相同,0-1矩阵中邻近地区金融资本与经济规模对本地区信息服务业发展具有显著的负向溢出效应,而人口规模对本地区信息服务业发展具有显著的正向溢出效应,其他变量溢出效应仍不稳定。

3.4 异质性检验

为进一步分析信息服务业时空格局演变影响因素的空间异质性,将283个城市按东、中、西部进行划分并分别回归(表6),可以看出:①在空间效应估计方面,东、中、西部地区信息服务业发展的空间溢出效应均在1%显著性水平下为正,即本地区高信息服务业发展水平对周边地区信息服务业发展具有溢出与带动作用。②在影响因素估计方面,金融资本、交通基础设施、信息基础设施与经济规模对东、西部地区信息服务业发展产生显著的正向影响,金融资本、交通基础设施、信息基础设施和人口规模在中部地区对信息服务业发展有正向影响但并不显著,创新水平在中、西部地区有较显著的正向影响,人力资本仅在东部地区显著为正,产业结构仅在中部地区显著为正,而人口规模系数虽为正但均不显著。上述结果可以验证本文影响因素分析结果的稳健性及信息服务业发展影响因素存在的空间异质性,其中,东部地区影响因素及溢出效应识别结果最佳,因为东部地区作为经济发展先行区,在产业集聚发展政策和市场方面均积累有丰富的实践经验,能在信息服务业时空格局演变中更好地发挥以及凸显各要素的影响作用。

表6 异质性检验

4 结论与讨论

本文以信息服务业万人新创企业数与新创企业总数作为核心指标测度信息服务业发展水平,利用标准差椭圆分析我国283个城市信息服务业发展的时空演变格局,并通过空间杜宾模型探讨信息服务业发展的影响因素,得到如下结论:①2000—2019年我国信息服务业新创企业数呈“增加—减少—增加”的发展趋势,空间上呈现“东高西低”的格局;城市群和省会城市的信息服务业相对集中,其外围区域信息服务业的集聚程度相对较低。②我国信息服务业新创企业总数和万人新创企业数具有与重点城市或城市群相似的多点分布格局,长三角、珠三角和京津冀三大城市群是信息服务业主要集中地区,长三角城市群具有规模领先优势,珠三角城市群具有活力领先优势,京津冀城市群的规模优势和活力优势均呈下滑趋势,信息服务业中心呈向西南移动趋势。③创新水平、金融资本、人力资本、信息基础设施、人口规模与经济规模对信息服务业发展有显著的正向影响,而交通基础设施与产业结构对其影响不稳健。这些影响因素大部分具有显著的空间溢出效应,本地信息服务业发展水平不仅受邻近地区信息服务业发展的影响,还受邻近地区相关因素的影响;这些影响因素对信息服务业发展具有明显的空间异质性,在东部地区最显著,与整体拟合结果较吻合。

基于上述结论提出如下建议:①依托信息服务业集聚的重点城市化地区带动周边地区信息服务业发展,尤其二、三线地区可以依托城市群和省会城市的资源和技术,拓展产业发展潜力并培育其新赛道下的发展优势。②政府要抓住数字经济的新赛道,积极营造数字经济引领的信息服务业创新环境,强化信息技术创新与信息服务创新的多元产业创新生态体系。首先,政府要牵头构建开放创新平台,促进产学研合作,充分提高创新效率和创新有用性。其次,政府应根据本地信息服务业产业发展的条件与基础,优化法律法规及产业政策,保护创新成果,减少创新壁垒,激发创新活力,为信息服务业发展提供知识支持。③加强人力、金融等要素投入,加快信息基础设施建设,为信息服务业发展提供要素与基础设施支持。尤其要加大对5G互联网、数据交换中心、工业互联网等新型基础设施的建设,促进数据要素在区域内快速流动,为信息服务业发展提供数字支持。

本文不足之处在于:信息服务业新创企业数不能完全代表信息服务业的发展水平,未来将考虑纳入产值、就业人口和专利产出构建区域信息服务业综合评价指标体系。