長三角知識密集型服務業空間集聚綜合測度

鄒德玲，叢海彬，徐　明

(1.東華大學旭日工商管理學院，上?！?00051；2.浙江萬里學院現代物流學院，浙江　寧波　315100；3.寧波大學商學院，浙江　寧波　315211)

?

長三角知識密集型服務業空間集聚綜合測度

鄒德玲1,2，叢海彬3，徐明1

(1.東華大學旭日工商管理學院，上海200051；2.浙江萬里學院現代物流學院，浙江寧波315100；3.寧波大學商學院，浙江寧波315211)

摘要：運用空間基尼系數、赫芬達爾指數、EG指數、區位商對長三角知識密集型服務業的空間集聚狀況進行量化測度，通過全局自相關分析判定影響長三角知識密集型服務業空間集聚的因素。從城市層面來看，上海作為長三角的龍頭城市，其知識密集型服務業的空間集聚特征最為顯著；從知識密集型服務業本身來看，除整體上表現出明顯的空間集聚發展特征之外，金融業空間集聚程度最高，并且政府行為和城市(區域)開放度對長三角知識密集型服務業空間集聚發展影響最為顯著。

關鍵詞：長三角；知識密集型服務業；空間集聚；測度

隨著經濟地理學研究視角的興起，知識密集型服務業空間集聚的研究逐漸成為學術界的熱點問題[1-6]。

通過對知識密集型服務業空間集聚程度的測度，可以更好的分析產業空間分布狀況，為地區知識密集型服務業發展戰略制定、區域產業結構調整提供可靠的理論依據。

1研究方法與數據

1.1研究方法

(1)空間基尼系數(G)：產業集中度測量。

空間基尼系數是衡量產業空間集聚程度的重要指標之一。

(1)

式中：G代表空間基尼系數；n為城市數量；Si為第i個城市知識密集型服務業就業人數占整個長三角知識密集型服務業就業人數的比重；Xi為第i個城市就業人數占長三角總就業人數的比重。G值處于0和1之間，若G值接近于0，說明產業空間分布較均衡，若G值接近1，則產業集聚程度較強。

(2)赫芬達爾指數(H)：企業集中度測量。

赫芬達爾指數主要反映知識密集型服務業各行業內企業集聚程度。

(2)

其中，Si=Xi/X，X代表市場總規模；Xi代表i企業的規模，n代表產業內部的企業數。運用就業人數測算赫芬達爾指數。

(3)EG指數：產業集聚結構測量。

運用EG指數對長三角知識密集型服務業的空間集聚程度進行考量[7]。

(3)

其中，G、H表示空間基尼系數、赫芬達爾指數。γEG越小，產業集聚結構越好；反之，則相反。

(4)區位商：產業專業化程度測量。

選用區位商(Q)來反映某產業在特定區域的相對集中度，發現該區域具有優勢地位的專業化產業。

(4)

其中：∑ei為各市分行業總就業人數之和；∑Ei為長三角知識密集型服務業就業總人數。Q越大，說明該地區產業專業化優勢越明顯。若Q>1，表明該區域該產業的專業化優勢顯著；若Q<1，說明其專業化優勢有待提高。

1.2數據來源

以信息傳輸、計算機服務和軟件業、金融業、租賃和商務服務業、科學研究、技術服務和地質勘查業為特定研究對象，以長三角為研究區域，以就業人數反映知識密集型服務業的發展水平，數據來自《中國城市統計年鑒》。

2長三角知識密集型服務業集聚水平分析

2.1知識密集型服務業發展規律特征

通過對數據進行分析，繪制長三角知識密集型服務業就業人數及知識密集型服務業產值占第三產業比重可視圖(見圖1)。

由圖1可見，就業人數方面，長三角知識密集型服務業以及四個子行業在考察期表現出不斷增強的吸納社會勞動的能力。金融業、租賃及商務服務業作為傳統知識密集型服務業的重要組成，其對知識密集型服務業的貢獻更加顯著，但科學研究與技術服務業表現出強勁的后來居上勢頭。這與新時代背景下經濟發展的技術高要求密不可分。整體來看，在考察期，長三角知識密集型服務業就業人數在第三產業就業人數中所占的比例呈現穩健的逐年上漲趨勢。四個分行業來看，其就業人數在第三產業就業人數中所占的比例也表現出統一的穩中增長特征。租賃與商務服務業就業人數在第三產業就業人數中所占的比例從2004年到2005年增長了4.19個百分點，此后呈逐年下降的趨勢。而信息傳輸、計算機服務與軟件業就業人數在第三產業就業人數中所占比例變化最為平穩。行業產值方面，第一，長三角知識密集型服務業整體平穩增長。其中，2004年到2008年增長較快，其占第三產業產值的比例上升幅度達到6.43%。而在2009年到2013年間，則表現穩定。第二，金融業是知識密集型服務業發展的中堅力量。這主要表現為，金融業的變化規律基本延續了知識密集型服務業的整體特征，同樣表現出以2008年為分界點的前后兩個發展時期。本文認為，這主要是由于受2008年金融危機的影響，長三角知識密集型服務業以及金融業發展腳步逐步放緩，雖然經濟危機對長三角產生了一系列負面效應，但由于經濟危機產生的影響具有一定滯后性，而恰逢2010年上海世博會召開，為長三角經濟的發展注入了一劑有效的強心劑，使其在2010年經濟危機負面效應作用的同時，仍然能夠保持平穩的經濟發展態勢。第三，信息傳輸、計算機服務與軟件業、科學研究與技術服務業、租賃及商務服務業產值占第三產業產值的比例變化較為平穩。

圖1　2004—2013年長三角知識密集型服務業就業人數及產值占第三產業比重

2.2知識密集型服務業空間集聚程度測度

(1)行業整體空間集聚呈“草帽”狀，科學研究與技術服務業的空間集聚程度最高。應用空間基尼系數測度知識密集型服務業空間集聚程度，分行業來看，科學研究與技術服務業的空間基尼系數最高，租賃與商務服務業次之，信息傳輸、計算機服務與軟件業排在第三位，金融業最小。整體來看，其呈現出以2007、2011年為分界點，以2009年為中心的“草帽”形狀。分行業層面，科學研究與技術服務業倒“U”型特征顯著，其空間基尼系數在2008—2010年達到較高水平，是唯一超過0.1的行業，這表明，該行業的空間集聚程度在此期間達到頂峰，并為知識密集型服務業“草帽”形狀中的“帽蓋”做出了重要貢獻。租賃及商務服務業的空間基尼系數總體呈下降趨勢，空間集聚程度不斷減弱。而對于金融業和信息傳輸、計算機服務與軟件業來說，其穩步上升的空間基尼系數表明了二者不斷增強的空間集聚特征。

(2)企業集中度整體呈波浪形狀，金融企業的集中程度最高。應用赫芬達爾指數測度知識密集型服務業企業集中度，分行業來看，金融業的赫芬達爾指數最高，租賃與商務服務業次之，科學研究與技術服務業排在第三位，信息傳輸、計算機服務與軟件業處于第四位。整體來看，長三角知識密集型服務業赫芬達爾指數呈現出以2004年為起點的波浪式下降特征，即整個行業內企業的積聚程度波動下降。分行業層面，金融業在赫芬達爾指數中的表現較為突出，雖然整體表現出下降趨勢，但其所代表的該行業內企業的空間集聚程度仍然是最高的。這是由于金融業的發展體現出強烈的經濟依賴，長三角為金融業的發展提供了良好的市場環境。租賃與商務服務業在2005年和2013年，赫芬達爾指數處于較高點，說明該行業在這兩個年度企業集中程度較高。而科學研究與技術服務業、信息傳輸和計算機服務與軟件業的赫芬達爾指數變化表現出相同的波動特征，只是科學研究與技術服務企業的集中程度要略高于信息傳輸、計算機服務與軟件業。本文認為，隨著信息傳輸行業的壟斷程度不斷提高，將直接帶動信息傳輸、計算機及軟件行業內企業聚集程度的不斷增強。

(3)行業整體集聚結構優良，金融業空間集聚結構最優。應用EG指數測算知識密集型服務業的產業空間集聚結構，分析空間集聚結構的優劣，如表1。長三角知識密集型服務業及其下屬金融業的EG指數均小于零，這表明二者具有良好的產業空間集聚結構。一方面，長三角地區發達的經濟水平為金融業提供了優良的發展環境，促進了金融資本集聚。另一方面，作為世界著名金融中心的上海同時也是長三角的核心城市，其發展有力帶動了整個長三角“雁型”結構中“兩翼”的突飛猛進，從而為長三角知識密集型服務業的發展注入活力。分行業來看，信息傳輸、計算機服務與軟件業的EG指數較小，不斷上升也說明其空間集聚特征相對較優。租賃與商務服務業的空間集聚結構要劣于信息傳輸業，但與信息傳輸業相反的是，其EG指數表現出顯著的下降趨勢，表明其行業內部集聚結構不斷優化。EG指數最高的是科學研究與技術服務業，但行業內集聚結構的優劣存在一定波動性。

表1　2004—2013年長三角知識密集型服務業EG指數

2.3知識密集型服務業專業化水平評價

應用區位商評價長三角知識密集型服務業的專業化水平，四個分行業中金融業的專業化水平最高。信息傳輸、計算機服務與軟件業次之，其區位商基本保持在0.9左右，表明其一直保持著較高的專業化水平。租賃與商務服務業的專業化水平則相對高于排在最后的科學研究與技術服務業。

篇幅所限，本文對區位商進行平均化處理，考察知識密集型服務業專業化發展的空間特征，見表2。整體來看，25個城市中，知識密集型服務業整體區位商平均值大于1的城市為上海、杭州、麗水、舟山、南京及衢州。而上海更是由于其經濟發展水平、宏觀政策、人才集聚等方面的優勢成為長三角知識密集型服務業專業化水平最高的城市。江蘇省的無錫、常州、南通、連云港、淮安、鹽城、揚州、鎮江、泰州以及浙江省的寧波、湖州、金華、臺州區位商平均值均在0.7以上水平，其知識密集型服務業同樣表現出較高的專業化水平。剩余6個城市的區位商指數處于0.7以下水平，知識密集型服務業的專業化水平相對較低。分行業而言，金融業區位商平均值大于1的城市最多，共有上海等十個城市，這說明，金融業的專業化發展優勢從空間層面而言主要集中在以上城市。信息傳輸、計算機服務與軟件業區位商平均值大于1的城市有8個，同樣表現出一定的專業化空間集聚優勢。租賃及商務服務業區位商平均值大于1的城市有5個，科學研究、技術服務和地質勘查業區位商指數大于1的城市僅有上海、南京及杭州。而且只有上海在分行業以及知識密集型服務業整體區位商方面均表現出強勁優勢，這和上海的實際發展情況是相吻合的。

表2　2004—2013年長三角各城市知識密集型服務業及其各行業區位商平均值

3長三角知識密集型服務業空間集聚影響因素分析

3.1影響因素選擇

在前人研究基礎上，結合長三角知識密集型服務業發展實際情況，提出區域經濟發展水平、城市(區域)開放度、教育支撐、信息技術以及政府行為作為主要因素，選擇相應的顯性指標使其表象化。具體見表3。

表3　變量選擇及其含義

3.2全局空間自相關

為了更好地反映長三角知識密集型服務業空間臨近程度，運用空間自相關指數對2013年知識密集型服務業進行分析，并運用Geoda軟件得到全局空間自相關系數的估計值為0.257，P值為0.009，通過1%的顯著性水平檢驗，結果表明，長三角知識密集型服務業發展表現出地理空間上的集聚效應，并符合空間滯后分析及誤差分析要求。

全局空間自相關指數計算公式為:

(5)

3.3空間滯后與誤差模型

選擇2013年數據，運用空間滯后模型(SLM)和空間誤差模型(SEM)進行分析，以此確定各因素對長三角知識密集型服務業空間集聚的影響程度。

建立空間滯后模型：

y=ρWy+Xβ+ε

(6)

其中：Y為長三角知識密集型服務業就業人數(TIW)；W為空間權重矩陣；Wy為空間滯后模型中的因變量；ε為隨機誤差項；β為自變量對因變量的影響。

建立空間誤差模型：

y=Xβ+ε

(7)

ε=λWε+μ

(8)

其中：ε為隨機誤差項；λ為空間誤差系數；μ為正態分布隨機誤差項；β為自變量對因變量影響程度[9]。

3.4實證結果

運用Geoda軟件，對數據及模型進行系統分析，見表4。

表4　空間滯后和空間誤差模型ML估計結果

分析發現，空間誤差模型擬合優度(0.907)優于空間滯后模型的擬合優度(0.892)。此外，空間誤差模型SEM的對數似然值(4.525)大于SLM的對數似然值(4.430)，同時，空間誤差模型與空間滯后模型的似然比率LR值均滿足顯著性檢驗。比較而言，空間誤差模型在長三角知識密集型服務業影響因素的評判中表現較優。兩個模型中信息技術的系數都是負數(-0.109，-0.179)，這種負向影響主要是由于信息技術的發展突破了傳統產業發展供需空間上的距離障礙，使市場對于知識密集型服務業的需求即使在距離較遠情況下，業能夠實現優質供給，從而限制了行業空間集聚發展。另外，政府行為對長三角知識密集型服務業空間集聚的影響雖然在空間滯后模型中表現為負值(-0.179)，但在表現較優的空間誤差模型中為正值，其他變量在空間誤差模型中的系數均為正，并且政府行為和城市開放度對知識密集型服務業空間集聚正向影響顯著。這是由知識密集型服務業高知識密集度特點決定的，政府科教投入的擴大對知識密集型服務業發展提供智力支撐至關重要。

4結論與建議

長三角知識密集型服務業整體表現出明顯的空間集聚特征，其中尤以科學研究與技術服務業的空間集聚程度最為顯著；然而，從各行業內部的企業集中度、集聚結構以及專業化水平來看，金融業首當其沖排在第一位。

總體上看，上海在長三角知識密集型服務業空間集聚發展的格局形成中起著至關重要的吸納輻射作用，應繼續發揮其龍頭作用；鑒于政府行為和城市(區域)開放度在知識密集型服務業空間集聚發展中的重要影響，高速發展的經濟、開放的城市文化為吸引優秀人才提供了良好的社會環境，而政府在科教支出上的財政支持，則提供了重要的智力支撐。由此，長三角各城市應該特別注重從提高城市(區域)開放程度，優化知識密集型服務業發展環境，提高政府引導地位等方面，促進知識密集型服務業空間集聚發展，并充分發揮產業集聚所帶來的品牌效應和輻射功能，從而實現長三角知識密集型服務業品牌構建與集聚發展的良性循環。

參考文獻：

[1]Illeris S，Sjoholt P.The Nordic countries：High Quality Services in a low Density Environment[J].Progress in Planning,1995，43(2-3)：205-221.

[2]Sassen S.The Global City：New York，London，Tokyo[M].Princeton University Press，2001，(9):115-137.

[3]魏江,夏雪玲.產業集群中知識密集型服務業的功能研究[J]科技進步與對策，2004,(12):7-9.

[4]陳守明,張志鵬.知識密集型服務業集群內企業間知識轉移影響因素——環同濟建筑設計產業帶的實證研究[J].財貿研究,2009，(5):116-125.

[5]趙炎,周文.基于粗糙集理論的知識密集型服務業集群創新能力評價研究[J].軟科學,2009，(4):46-49+55.

[6]朱海燕.知識密集型服務業嵌入與內生型產業集群網絡結構優化[J].經濟地理,2010,30(2):273-278+238.

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

[8]張新峰.空間自相關的數據分析方法與應用研究-南亞海嘯對海洋生態因子的影響為例[D].蘭州:蘭州大學,2009.

[9]顧偉平.我國制造業集聚及其影響因素的空間統計研究[D].蚌埠:安徽財經大學,2011.

(責任編輯譚果林)

Comprehensive Assessment on the Spatial Agglomeration of Knowledge Intensive Business Service in Yangtze River Delta

Zou Deling1,2,Cong Haibin3,Xu Ming1

(1.Glorious Sun School of Business and Management,Donghua University,Shanghai 200051,China；2.Modern Logistics School，

Zhejiang Wanli University,Ningbo 315100，China；3.Business School，Ningbo University，Ningbo 315211，China)

Abstract：Through using the Gini coefficient,Herfindahl index，EG index，location quotient,the paper analyzes the spatial agglomeration status of knowledge intensive business service(KIBS) in Yangtze River Delta.And by the analysis of Global autocorrelation,it determines the main factors that affects the development of spatial agglomeration of KIBS in Yangtze River Delta.From the city level，as the leading city of Yangtze River Delta，spatial agglomeration characteristics of shanghai KIBS is the most significant.From the perspective of KIBS，it shows significant spatial agglomeration characteristics in the whole industry.At the same time,financial industry has the highest spatial agglomeration in the four sub-sectors of KIBS;government action and city(regional) openness are the most significant factors affecting the space agglomeration of KIBS of the Yangtze River Delta.

Key words:Yangtze River Delta；Knowledge intensive business service；Spatial agglomeration；Measure

中圖分類號:K902

文獻標識碼:A

作者簡介：鄒德玲(1980-)，女，吉林柳河人，博士生，講師;研究方向：服務創新。

收稿日期：2015-04-15

基金項目：浙江省社科規劃課題成果(14NDJC240YB、15NDJC244YB),國家社科基金重大項目(14ZDA024),教育部人文社會科學基金項目(14YJC790018),中國、江蘇省博士后科學基金(2014M561607、1401003C),浙江省高校人文社科重大項目攻關計劃(2013QN045),并受浙江省哲社重點研究基地—臨港現代服務業與創意文化研究中心資助。