張浩然

一、引言

以研發(fā)服務(wù)、技術(shù)支持、信息和物流服務(wù)為核心的生產(chǎn)性服務(wù)業(yè)來源于產(chǎn)業(yè)鏈條分工的深化、專業(yè)化服務(wù)的增長和制造業(yè)內(nèi)部服務(wù)部門的外部化。生產(chǎn)性服務(wù)業(yè)是經(jīng)濟活動的粘合劑，可以便利交易，刺激商品生產(chǎn)。通過生產(chǎn)服務(wù)活動的介入，銜接成一個緊密黏合的社會生產(chǎn)網(wǎng)絡(luò)。近年來，生產(chǎn)性服務(wù)業(yè)在不同空間尺度的集聚現(xiàn)象已經(jīng)成為經(jīng)濟發(fā)展過程中重要的典型化事實之一，如加利福尼亞的多媒體產(chǎn)業(yè)集群、北京金融街和中關(guān)村IT服務(wù)業(yè)集聚區(qū)、深圳前?，F(xiàn)代服務(wù)業(yè)集聚區(qū)等。隨著制造業(yè)的高速發(fā)展和經(jīng)濟活動的服務(wù)化，產(chǎn)業(yè)鏈附加值中越來越大的比重來源于生產(chǎn)性服務(wù)。處于全球產(chǎn)業(yè)鏈中低端的中國正逐步由單純的加工、組裝、制造環(huán)節(jié)向供應(yīng)鏈和價值鏈兩端延伸，不斷提高產(chǎn)品附加值，促進經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型升級。近年來，加快發(fā)展以生產(chǎn)性服務(wù)業(yè)為代表的現(xiàn)代服務(wù)業(yè)已經(jīng)成為各級地方政府的普遍訴求。那么，在這一背景下，我國的生產(chǎn)性服務(wù)業(yè)的空間布局及演進趨勢如何？主要受什么因素驅(qū)動？如何通過生產(chǎn)性服務(wù)業(yè)地理空間布局的優(yōu)化提高區(qū)域經(jīng)濟運行效率？深化對上述問題的認識對于充分發(fā)揮生產(chǎn)性服務(wù)業(yè)的集聚效應(yīng)、實現(xiàn)各城市的專業(yè)化分工與協(xié)同發(fā)展具有重要的理論價值和現(xiàn)實意義。

近年來，基于中國產(chǎn)業(yè)集聚的經(jīng)驗研究進展很快。有代表性的文獻包括路江涌、陶志剛（2006）運用EG系數(shù)（Ellison，Glaeser，1997）的方法考察了中國制造業(yè)聚集度1998-2003年間的發(fā)展趨勢，并進行了國際比較，發(fā)現(xiàn)中國的制造業(yè)集聚程度低于西方發(fā)達國家的水平。袁海紅等（2014）基于制造業(yè)企業(yè)的微觀數(shù)據(jù)和DO指數(shù)（Duranton，Overman，2005）測算了北京市產(chǎn)業(yè)集聚程度及其動態(tài)變化，結(jié)果表明40%的行業(yè)在5%的水平下顯著集聚，高技術(shù)行業(yè)的集聚程度最高，而低技術(shù)的勞動密集型行業(yè)最分散。受制于數(shù)據(jù)的可得性，在服務(wù)業(yè)方面的研究相對滯后。黃雯、程大中（2006）基于沿海六省市的研究發(fā)現(xiàn)知識密集型生產(chǎn)性服務(wù)業(yè)的空間差異在擴大，而傳統(tǒng)服務(wù)業(yè)的空間差異在縮小。陳建軍等（2009）的研究表明生產(chǎn)性服務(wù)業(yè)集聚程度較高，且表現(xiàn)出逐年提高的態(tài)勢。集聚主要得益于技術(shù)溢出效應(yīng)。王智淵、馬晶（2014）的研究顯示服務(wù)業(yè)專業(yè)化集聚對服務(wù)業(yè)內(nèi)部結(jié)構(gòu)演進有著顯著的正向影響，能夠推動服務(wù)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級。宣燁、余泳澤（2014）強調(diào)經(jīng)濟總量大的核心城市能夠吸引知識密集度高、不需要頻繁面對面接觸、輻射能力強的高端服務(wù)業(yè)，提供專業(yè)化的高等級服務(wù)。而經(jīng)濟規(guī)模小的中小城市主要布局知識密集度低、需要頻繁面對面接觸、輻射能力較弱的低等級服務(wù)業(yè)，提供常規(guī)服務(wù)功能。

總的來說，有關(guān)制造業(yè)集聚和空間布局的研究進展很快，然而針對生產(chǎn)性服務(wù)業(yè)的研究尚有不足。絕大多數(shù)研究是基于省級數(shù)據(jù)，而生產(chǎn)性服務(wù)業(yè)的集聚通常以城市為載體?；诔鞘猩a(chǎn)性服務(wù)業(yè)集聚的研究側(cè)重于集聚與生產(chǎn)率、工資和經(jīng)濟增長的關(guān)系，對于哪些產(chǎn)業(yè)以集聚為特征、集聚如何演化以及集聚的決定因素較少涉及。此外，已有文獻大多基于面板數(shù)據(jù)模型，通過組內(nèi)去均值、一階差分等方法消去固定效應(yīng)，以解釋變量的短期變化解釋生產(chǎn)性服務(wù)業(yè)集聚度的短期變化，而橫截面模型適合于考察各種長期因素對被解釋變量的影響（方穎等，2011）。另一些文獻雖然利用了橫截面模型，但解釋變量和被解釋變量來源于同一時期。事實上，生產(chǎn)性服務(wù)業(yè)集聚度的演變需要在較長的視野中才能更好地反映。鑒于此，本文以中國263個地級及以上城市生產(chǎn)性服務(wù)業(yè)就業(yè)數(shù)據(jù)為研究對象，分析2003年到2012年間，中國城市生產(chǎn)性服務(wù)業(yè)的部門集聚程度及其演進趨勢，并利用地區(qū)初始經(jīng)濟總量、信息化程度的差異來解釋不同城市間生產(chǎn)性服務(wù)業(yè)集聚度的變化，考察生產(chǎn)性服務(wù)業(yè)地理空間布局演變的長期影響因素。

二、數(shù)據(jù)來源和計算說明

（一）數(shù)據(jù)來源說明

本文選取2003年-2012年中國263個地級及以上城市面板數(shù)據(jù)作為研究對象。結(jié)合國際研究的慣例和數(shù)據(jù)的可得性，本文主要通過就業(yè)數(shù)據(jù)測度生產(chǎn)性服務(wù)業(yè)的地理集中程度和集聚程度，原始數(shù)據(jù)出自《中國城市統(tǒng)計年鑒》和《中國區(qū)域經(jīng)濟年鑒》。由于撤縣設(shè)區(qū)等原因，市轄區(qū)區(qū)劃調(diào)整較為頻繁，本文采用行政邊界相對穩(wěn)定的全市統(tǒng)計口徑。

（二）計算說明

生產(chǎn)性服務(wù)業(yè)是從制造業(yè)內(nèi)部生產(chǎn)服務(wù)部門獨立發(fā)展起來的、與制造業(yè)直接相關(guān)的配套服務(wù)業(yè)。生產(chǎn)性服務(wù)業(yè)既包括金融、保險、會計、法律、廣告、商務(wù)、經(jīng)紀(jì)等狹義的生產(chǎn)性服務(wù)部門，也包括運輸、倉儲、通訊等大部分分配性服務(wù)業(yè)，主要為其他商品和服務(wù)生產(chǎn)者提供中間投入。生產(chǎn)性服務(wù)業(yè)的界定可能存在困難。例如，交通運輸、倉儲和郵政業(yè)既可以看作生產(chǎn)性服務(wù)業(yè)，也可以看作分配性服務(wù)業(yè)，金融業(yè)既可以視為為消費者提供服務(wù)的居民服務(wù)業(yè)，也可以視為為企業(yè)提供服務(wù)的生產(chǎn)性服務(wù)業(yè)（Browning，Singelmann,1975），只是各有側(cè)重。本文沿用顧乃華（2011）的思路，將信息傳輸、計算機服務(wù)和軟件業(yè)，科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)，租賃和商業(yè)服務(wù)業(yè)，金融業(yè)和交通運輸，倉儲和郵政業(yè)等5個行業(yè)加總代表生產(chǎn)性服務(wù)業(yè)。同時，依據(jù)人均產(chǎn)出指標(biāo)選擇交通運輸、倉儲和郵政業(yè)代表低端生產(chǎn)性服務(wù)業(yè)，選擇信息傳輸、計算機服務(wù)和軟件業(yè)，科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)，租賃和商業(yè)服務(wù)業(yè)，金融業(yè)加總作為高端生產(chǎn)性服務(wù)業(yè)。

從數(shù)據(jù)的特性及可得性出發(fā)，本文首先運用基尼（Gini）系數(shù)考察2003年-2012年263個地級及以上城市生產(chǎn)性服務(wù)業(yè)地理集中程度的演變趨勢?；嵯禂?shù)除了用于反映收入不平等程度以外，也常被用于測量產(chǎn)業(yè)地理集中度。基尼系數(shù)的計算公式如下：

其中i 是行業(yè)，本文為生產(chǎn)性服務(wù)業(yè)，sij和sik分別是地區(qū)j 和地區(qū)k在生產(chǎn)性服務(wù)業(yè)就業(yè)中所占份額，n 是地區(qū)的個數(shù)，是各地區(qū)在生產(chǎn)性服務(wù)業(yè)就業(yè)中所占份額的均值。生產(chǎn)性服務(wù)業(yè)在城市間的分布越均勻，基尼系數(shù)就越小。當(dāng)所有城市在生產(chǎn)性服務(wù)業(yè)中所占的份額都相等時，基尼系數(shù)就為0。如果生產(chǎn)性服務(wù)業(yè)完全集中在一個城市，基尼系數(shù)就接近1。

Krugman（1991）在Gini系數(shù)的基礎(chǔ)上構(gòu)造了空間基尼系數(shù)，它成為了其后學(xué)者測度產(chǎn)業(yè)聚集程度的慣用指標(biāo)?？臻g基尼系數(shù)可以通過如下公式計算：

式中，KGi為Krugman空間基尼系數(shù)，Sij是j城市生產(chǎn)性服務(wù)業(yè)就業(yè)人數(shù)占全國生產(chǎn)性服務(wù)業(yè)總就業(yè)人數(shù)的比重，Xj是該城市總從業(yè)人數(shù)占全國總從業(yè)人數(shù)的比重。空間基尼系數(shù)值接近于0，說明生產(chǎn)性服務(wù)業(yè)就業(yè)分布與從業(yè)人數(shù)衡量的地區(qū)規(guī)模是一致的；反之，空間基尼系數(shù)越接近于1，說明生產(chǎn)性服務(wù)業(yè)的空間分布與地區(qū)規(guī)模不一致，生產(chǎn)性服務(wù)業(yè)的集聚（即產(chǎn)業(yè)地方化）程度高。

本文還利用區(qū)位商測度全國263個城市2003年-2012年生產(chǎn)性服務(wù)業(yè)集聚程度（Qp）、高端生產(chǎn)性服務(wù)業(yè)集聚度（Qhp）和低端生產(chǎn)性服務(wù)業(yè)集聚度（Qlp）。區(qū)位商的公式如下：

其中sj表示生產(chǎn)性服務(wù)業(yè)在城市j 的總就業(yè)人數(shù)，s 表示生產(chǎn)性服務(wù)業(yè)在全國的總就業(yè)人數(shù)。xj和x 分別表示城市j和全國所有行業(yè)的總從業(yè)人數(shù)。區(qū)位商指數(shù)能夠控制城市規(guī)模因素，充分反映一個城市生產(chǎn)性服務(wù)業(yè)構(gòu)成與全國平均水平之間的差別。如果Lj等于1，說明生產(chǎn)性服務(wù)業(yè)與全國所有行業(yè)發(fā)展成比例地分布于各地。如果Lj大于1或小于1，說明生產(chǎn)性服務(wù)業(yè)在該城市就業(yè)中占有份額大于或小于生產(chǎn)性服務(wù)業(yè)就業(yè)在整個經(jīng)濟中占有份額。

三、生產(chǎn)性服務(wù)業(yè)集聚程度的現(xiàn)狀與變動趨勢

由圖1可以看出，各城市的生產(chǎn)性服務(wù)業(yè)集聚程度差異較大。城市的經(jīng)濟體量越大，生產(chǎn)性服務(wù)業(yè)的集聚程度就越高。就我國的情況而言，隨著城市間產(chǎn)業(yè)分工的深化，一些城市群出現(xiàn)了生產(chǎn)中心和服務(wù)中心相分離的現(xiàn)象。經(jīng)濟體量大的核心城市主要提供信息和服務(wù)功能，如北京、上海、廣州、深圳，2012年生產(chǎn)性服務(wù)業(yè)區(qū)位商分別為9.09、3.61、3.13和3.01，位列全國前5位。而另一些城市則試圖成為專業(yè)化的制造業(yè)中心，如長三角的蘇州、無錫和常州，珠三角的東莞和佛山，這些城市生產(chǎn)性服務(wù)業(yè)的區(qū)位商均小于1。生產(chǎn)性服務(wù)業(yè)集聚地通常位于行政等級較高的大城市，從而盡可能靠近行政和監(jiān)管信息來源。這也表明能夠提供強大信息源的高等級城市更適合生產(chǎn)性服務(wù)業(yè)集聚。

圖1 2012年城市生產(chǎn)性服務(wù)業(yè)區(qū)位商的空間分布圖

就具體的行業(yè)而言，2012年基尼系數(shù)最高的行業(yè)是租賃和商業(yè)服務(wù)業(yè)，基尼系數(shù)達到0.777，其后是科研、技術(shù)服務(wù)和地質(zhì)勘查業(yè)，基尼系數(shù)為0.713，以上兩個行業(yè)呈現(xiàn)首位分布的特點，基尼系數(shù)較大，首位城市突出且均為北京。交通運輸和倉儲郵政業(yè)，信息傳輸、計算機服務(wù)和軟件業(yè)的基尼系數(shù)依次為0.668和0.667，最后是金融業(yè)，基尼系數(shù)為0.520。金融業(yè)需要充分利用“軟”信息，因此本地嵌入和與客戶的地理鄰近至關(guān)重要。過度的金融集聚增大了金融企業(yè)與客戶的平均地理距離，引發(fā)借貸雙方的信息不對稱問題，提高了金融機構(gòu)的監(jiān)督成本（Agarwal，Hauswald，2010；Cotugno et al., 2013）。

為了全面了解我國生產(chǎn)性服務(wù)業(yè)和經(jīng)濟活動地區(qū)集中的變動趨勢，本文還計算了2003年-2012年中國生產(chǎn)性服務(wù)業(yè)和細分行業(yè)就業(yè)以及地區(qū)生產(chǎn)總值的基尼系數(shù)。計算結(jié)果顯示，我國生產(chǎn)性服務(wù)業(yè)從2003-2012年的地區(qū)集中程度呈現(xiàn)持續(xù)上升的態(tài)勢，基尼系數(shù)由2003年的0.563上升到2012年的0.633。在細分服務(wù)業(yè)方面，信息傳輸、計算機服務(wù)和軟件業(yè)的提升幅度最大，達到0.108，體現(xiàn)了市場對于區(qū)域資源配置的重要作用?？茖W(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)的上升幅度最小，只有0.014，空間布局模式相對穩(wěn)定。與此同時，地區(qū)生產(chǎn)總值的基尼系數(shù)大體呈現(xiàn)出先升后降的倒U形曲線過程：波峰出現(xiàn)在2006年左右，達到0.529，至2012年為0.516，變動幅度不大，低于生產(chǎn)性服務(wù)業(yè)的地理集中程度。

本文還利用Krugman空間基尼系數(shù)計算了生產(chǎn)性服務(wù)業(yè)的集聚程度，結(jié)果表明信息傳輸、計算機服務(wù)和軟件業(yè)，租賃和商業(yè)服務(wù)業(yè)的集聚程度最高，均為0.053，接下來分別是科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)、交通運輸、倉儲和郵政業(yè)，空間基尼系數(shù)分別為0.033和0.017，集聚度最低的仍然是金融業(yè)，只有0.008。租賃和商業(yè)服務(wù)業(yè)、交通運輸、倉儲和郵政業(yè)2012年的空間基尼系數(shù)略低于2003年，而另外三個行業(yè)的集聚程度則呈現(xiàn)上升的趨勢，信息傳輸、計算機服務(wù)和軟件業(yè)空間基尼系數(shù)提升的幅度最大。

這種結(jié)果的差異說明了基尼系數(shù)和Krugman空間基尼系數(shù)研究視角和測度方法的不同。Krugman空間基尼系數(shù)控制了地區(qū)規(guī)模因素，若該系數(shù)較高，說明生產(chǎn)性服務(wù)業(yè)與總體經(jīng)濟活動的空間分布不一致，產(chǎn)業(yè)的地方化程度較高，而傳統(tǒng)的基尼系數(shù)則側(cè)重于考察絕對的不平衡程度?？紤]到我國就業(yè)崗位分布地區(qū)差異較大的現(xiàn)實和本文的主旨，我們主要通過基尼系數(shù)反映生產(chǎn)性服務(wù)業(yè)空間布局和地理集中程度的演變趨勢。

四、生產(chǎn)性服務(wù)業(yè)集聚度變動影響因素的計量分析

（一）研究模型的設(shè)立

為了考察城市生產(chǎn)性服務(wù)業(yè)集聚程度演變的長期影響因素，本文考慮如下的橫截面計量模型：

式中下標(biāo)i 代表城市，yi是2003年-2012年各城市生產(chǎn)性服務(wù)業(yè)、高端生產(chǎn)性服務(wù)業(yè)和低端生產(chǎn)性服務(wù)業(yè)區(qū)位商的增長率，具體采用對數(shù)差分形式進行估計。qpi0表示2003年相應(yīng)的加總、高端和低端生產(chǎn)性服務(wù)業(yè)集聚程度，Xi為其他解釋變量集合。為了盡可能緩解內(nèi)生性問題，所有解釋變量固定在基期2003年的水平，反映城市特征對生產(chǎn)性服務(wù)業(yè)集聚度演變的影響。借鑒已有文獻，解釋變量包括：

(1)經(jīng)濟總量（Lngdp）：經(jīng)濟體量較大的核心城市在管理和信息密集活動中占有優(yōu)勢（World Bank，2009）。大城市的高附加值部門對于金融、法律、廣告和科研等生產(chǎn)性服務(wù)業(yè)有更高的需求（柯善資、趙耀，2014），需要多樣化的生產(chǎn)服務(wù)企業(yè)滿足公司總部、研發(fā)和營銷活動的服務(wù)外包需求。生產(chǎn)服務(wù)企業(yè)也便于獲取專業(yè)化的勞動力供給和相關(guān)服務(wù)企業(yè)的支持，與其他行業(yè)更好的匹配，確保生產(chǎn)性服務(wù)業(yè)集聚的持續(xù)性。

(2)信息基礎(chǔ)設(shè)施（Internet）：生產(chǎn)性服務(wù)業(yè)的發(fā)展是建立在信息的基礎(chǔ)上（顧乃華，2011）。信息基礎(chǔ)設(shè)施的改善使信息、知識和技術(shù)的傳遞速度加快，能夠緩解交易雙方的信息不對稱問題，對于生產(chǎn)服務(wù)企業(yè)的區(qū)位選擇尤為重要。隨著信息化程度的提高，服務(wù)產(chǎn)品可以通過電子傳輸，降低了服務(wù)產(chǎn)出的運輸成本，拓展了服務(wù)半徑，使生產(chǎn)性服務(wù)業(yè)可以為遠距離的客戶提供服務(wù)。本文以各城市人均互聯(lián)網(wǎng)用戶數(shù)來反映城市的信息基礎(chǔ)設(shè)施條件。

(3)產(chǎn)業(yè)結(jié)構(gòu)：生產(chǎn)性服務(wù)業(yè)主要為制造業(yè)和服務(wù)業(yè)提供中間投入。良好的制造業(yè)和服務(wù)業(yè)基礎(chǔ)對于生產(chǎn)性服務(wù)業(yè)的發(fā)展尤為重要?？紤]到工業(yè)和服務(wù)業(yè)之間的差異，本文采用第二產(chǎn)業(yè)（Ind）和第三產(chǎn)業(yè)（Ser）增加值占地區(qū)生產(chǎn)總值的比重反映城市的經(jīng)濟結(jié)構(gòu)。

(4)人力資本（Edu）：人力資本屬于軟性生產(chǎn)要素，可以解釋數(shù)量相近的要素投入為何帶來差別較大的產(chǎn)出。以研發(fā)設(shè)計、流程優(yōu)化、信息技術(shù)為代表的生產(chǎn)性服務(wù)業(yè)依賴于知識和人才要素投入。城市的人力資本水平越高，對生產(chǎn)服務(wù)企業(yè)的吸引力越大，生產(chǎn)性服務(wù)業(yè)的集聚程度就越高?？紤]到教育是人力資本的基石，本文采用2003年基期每萬人中等和高等學(xué)校教育從業(yè)人員數(shù)衡量人力資本的豐裕程度。

(5)政府規(guī)模（Gov）：在我國城市生產(chǎn)性服務(wù)業(yè)的定位中，政府規(guī)劃引導(dǎo)和政策導(dǎo)向作用非常重要。本文選擇扣除了教育和科研支出以后的財政支出占城市地區(qū)生產(chǎn)總值比重衡量政府對本地經(jīng)濟活動的參與程度。

（二）計量檢驗與結(jié)果分析

本文利用263個城市數(shù)據(jù)，通過普通最小二乘法考察了各城市高端（Gqhp）、低端（Gqlp）以及加總生產(chǎn)性服務(wù)業(yè)集聚程度增長率（Gqp）的影響因素。模型（1）—模型（4）的被解釋變量為生產(chǎn)性服務(wù)業(yè)集聚度的增長率，模型（5）和模型（6）的被解釋變量分別為高端和低端生產(chǎn)性服務(wù)業(yè)集聚度增長率。為了控制橫截面回歸中很可能存在的異方差問題，本文中所有估計的標(biāo)準(zhǔn)誤和相應(yīng)的t統(tǒng)計量均采用White異方差調(diào)整。

表1的估計結(jié)果顯示，模型（1）至模型（6）主要解釋變量的大小和方向并沒有顯著的變化，表現(xiàn)出了較強的穩(wěn)健性特征。其中，經(jīng)濟總量對生產(chǎn)性服務(wù)業(yè)區(qū)位商增長率的影響顯著為正，說明2003年以來，我國城市生產(chǎn)性服務(wù)業(yè)出現(xiàn)了向經(jīng)濟發(fā)展較好的核心城市集中的趨勢。生產(chǎn)服務(wù)企業(yè)相互毗鄰作為一個整體集聚在大城市能夠靠近公司總部，與上下游產(chǎn)業(yè)鏈條諸多關(guān)聯(lián)企業(yè)同時實現(xiàn)規(guī)模經(jīng)濟，并充分利用大城市的知識溢出。而經(jīng)濟體量小的中小城市難以公司總部和大中型企業(yè)定位，對生產(chǎn)性服務(wù)業(yè)的需求不足。

信息基礎(chǔ)設(shè)施的回歸系數(shù)顯著為正。生產(chǎn)性服務(wù)業(yè)集聚對于信息條件具有獨特的偏好，信息條件在生產(chǎn)性服務(wù)業(yè)集聚中的地位和作用不斷增強。城市的信息獲取能力早期依賴于航運，如19世紀(jì)的倫敦和紐約、上世紀(jì)二三十年代的上海，后期依賴于光纜、通訊衛(wèi)星等現(xiàn)代通訊基礎(chǔ)設(shè)施的發(fā)展。生產(chǎn)性服務(wù)業(yè)在本質(zhì)上仍然是信息服務(wù)業(yè)，良好的信息基礎(chǔ)設(shè)施使集聚區(qū)內(nèi)的生產(chǎn)服務(wù)企業(yè)獲益，提高了資源配置效率和微觀生產(chǎn)效率。

地方政府規(guī)模對生產(chǎn)性服務(wù)業(yè)空間布局演變的影響也顯著為正，政府可以通過規(guī)劃引導(dǎo)、土地優(yōu)惠、稅收減免等多種途徑積極發(fā)展生產(chǎn)性服務(wù)業(yè)，在吸引生產(chǎn)服務(wù)企業(yè)定位、促進集聚的過程中扮演重要角色。這一結(jié)論與陳建軍等（2009）的研究結(jié)果不同，可能是本文的模型設(shè)定側(cè)重于長期影響而非短期效應(yīng)。

表1 模型回歸結(jié)果

（續(xù)表）

人力資本僅對低端生產(chǎn)性服務(wù)業(yè)集聚度的提高具有顯著影響，其原因可能在于教育的影響具有滯后性，且容易外溢到其他地區(qū)。同時，在城市層面，人力資本水平在經(jīng)驗研究中較難測度，降低了統(tǒng)計的顯著性。產(chǎn)業(yè)結(jié)構(gòu)的影響也不顯著，其原因可能在于三次產(chǎn)業(yè)的劃分仍然較為粗糙，地區(qū)生產(chǎn)總值已經(jīng)反映了城市經(jīng)濟結(jié)構(gòu)的差異。

五、結(jié)論與政策含義

本文首先通過基尼系數(shù)、Krugman空間基尼系數(shù)和區(qū)位商分析我國263個地級及以上城市生產(chǎn)性服務(wù)業(yè)集聚程度及演變趨勢，然后利用橫截面模型檢驗生產(chǎn)性服務(wù)業(yè)布局演變的影響因素。估計結(jié)果顯示生產(chǎn)性服務(wù)業(yè)及細分行業(yè)都存在明顯的空間集中現(xiàn)象，租賃和商業(yè)服務(wù)業(yè)地理集中程度最高，而金融服務(wù)業(yè)的地理集中程度最低，均呈現(xiàn)出逐年上升的趨勢。在影響因素方面，城市經(jīng)濟總量、信息化水平和政府規(guī)模在生產(chǎn)性服務(wù)業(yè)重新定位的過程中扮演了重要角色。本文結(jié)果對于生產(chǎn)性服務(wù)業(yè)空間政策的制定有重要的參考價值：

首先，城市的生產(chǎn)性服務(wù)業(yè)發(fā)展戰(zhàn)略不僅要考慮區(qū)位條件，還需要與城市的等級規(guī)模和經(jīng)濟發(fā)展水平相匹配。具體來說，對于東部沿海地區(qū)產(chǎn)業(yè)基礎(chǔ)較好、信息基礎(chǔ)設(shè)施完善的大城市而言，需要進一步鼓勵生產(chǎn)性服務(wù)業(yè)集聚發(fā)展，并適度分散市區(qū)集聚收益不足的低端制造業(yè)。對于中西部地區(qū)的中小城市而言，應(yīng)發(fā)揮資源和低要素成本優(yōu)勢，重點發(fā)展少數(shù)特色產(chǎn)業(yè)，實現(xiàn)專業(yè)化發(fā)展，避免盲目追求產(chǎn)業(yè)結(jié)構(gòu)的高級化。

其次，各級政府應(yīng)處理好行政邊界和市場邊界的關(guān)系，實現(xiàn)生產(chǎn)性服務(wù)業(yè)與其他行業(yè)在更高水平上的有機融合，優(yōu)化空間布局，降低服務(wù)外包風(fēng)險和交易成本，充分發(fā)揮生產(chǎn)服務(wù)部門在研究開發(fā)、流程設(shè)計、市場營銷、物流配送等方面的引領(lǐng)帶動作用。

[1] 陳建軍, 陳國亮, 黃潔.新經(jīng)濟地理學(xué)視角下的生產(chǎn)性服務(wù)業(yè)集聚及其影響因素研究——來自中國222個城市的經(jīng)驗證據(jù)[J].管理世界, 2009 (4): 83-95.

[2] 方穎 , 紀(jì), 趙揚.中國是否存在“資源詛咒”[J].世界經(jīng)濟, 2011 (4): 144-160.

[3] 顧乃華.我國城市生產(chǎn)性服務(wù)業(yè)集聚對工業(yè)的外溢效應(yīng)及其區(qū)域邊界——基于HLM模型的實證研究[J].財貿(mào)經(jīng)濟, 2011 (5):115-122.

[4] 黃雯, 程大中.我國六省市服務(wù)業(yè)的區(qū)位分布與地區(qū)專業(yè)化[J].中國軟科學(xué), 2006 (11): 60-73.

[5] 柯善咨, 趙曜.產(chǎn)業(yè)結(jié)構(gòu)、城市規(guī)模與中國城市生產(chǎn)率[J].經(jīng)濟研究, 2014 (4): 75-88.

[6] 路江涌, 陶志剛.中國制造業(yè)區(qū)域聚集及國際比較[J].經(jīng)濟研究, 2006 (3): 103-114.

[7] 王智淵, 馬晶.服務(wù)業(yè)專業(yè)化集聚與服務(wù)業(yè)內(nèi)部結(jié)構(gòu)演進[J].產(chǎn)業(yè)經(jīng)濟評論, 2014 (4): 14-23.

[8] 宣燁, 余泳澤.生產(chǎn)性服務(wù)業(yè)層級分工對制造業(yè)效率提升的影響——基于長三角地區(qū)38城市的經(jīng)驗分析[J].產(chǎn)業(yè)經(jīng)濟研究,2014 (3): 1-10.

[9] 袁海紅, 張華, 曾洪勇.產(chǎn)業(yè)集聚的測度及其動態(tài)變化——基于北京企業(yè)微觀數(shù)據(jù)的研究[J].中國工業(yè)經(jīng)濟, 2014 (9): 38-50.

[10] Agarwal, S., Hauswald, R.Distance and Private Information in Lending[J].Review of Financial Studies, 2010, 23(7), pp.2757-2788.

[11] Browning, H.L., Singelmann, J.The Emergence of a Service Society: Demographic and Sociological Aspects of the Sectoral Transformation of the Labor Force in the USA[M].Springfield: National Technical Information Service, 1975.

[12] Cotugno, M., Monferra, S., Sampagnaro, G.Relationship Lending, Hierarchical Distance and Credit Tightening: Evidence From the Financial Crisis[J].Journal of Banking & Finance, 2013, 37(5), pp.1372-1385.

[13] Duranton, G., Overman, H.G.Testing for Localization Using Micro-Geographic Data[J].The Review of Economic Studies, 2005, 72(4), pp.1077-1106.

[14] Ellison, G., Glaeser, E.L.Geographic Concentration in US Manufacturing Industries: A Dartboard Approach[J].Journal of Political Economy, 1997, 105(5), pp.889-927.

[15] Krugman, P.Geography and Trade[M].Cambridge: The MIT Press, 1991.

[16] World Bank.World Development Report 2009: Reshaping Economic Geography[M].Washington, DC: World Bank Publications, 2009.