浙江省區域服務業發展時空演變及影響因素

潘哲琪

(浙江省發展和改革研究所，浙江 杭州 310025)

隨著工業化水平的提升，現代服務業在國民經濟中的地位不斷上升，這是現代經濟發展的普遍規律。改革開放40年來，我國服務業增加值占GDP的比重，由1978年的24.6%上升至2018年的52.2%，服務業已成為經濟增長的主要動力。服務業發展到一定階段，區域空間的不均衡問題隨之顯現，區域服務業發展差異已成為學者關注的熱點。目前，有關區域服務業差異的研究，主要基于省級、地市級、縣級行政單元的數據，測度方法較多。以往的測度方法包括標準差、變異系數(1)方遠平、周雁：《廣東省服務業發展的區域差異及影響因素分析》，《廣東科技》2012年第18期，第67-71頁。、泰爾系數(2)曾春水、王開泳、藺雪芹等：《環渤海經濟區服務業差異時空演變及影響因素分析》，《經濟地理》2012年第9期，第80-85頁。和基尼系數等，但因這些方法缺乏空間視角，在一定程度上忽視了不同區域之間空間結構的關聯性，使研究存在一定的局限性。ESDA(空間數據探索性分析)為區域空間差異的量化研究提供了新的思路，它是一系列空間分析方法和技術的集合，以空間關聯測度為核心，通過對事物或現象空間分布格局的描述和可視化，發現空間集聚和空間異常，揭示研究對象之間的空間相互作用機制(3)蒲英霞、葛瑩、馬榮華等：《基于ESDA的區域經濟空間差異分析——以江蘇省為例》，《地理研究》2005年第6期，第965-974頁。。國內學者應用ESDA的研究集中在區域經濟空間差異演化特征(4)李小建、喬家君：《20世紀90年代中國縣際經濟差異的空間分析》，《地理學報》2001年第2期，第136-145頁。(5)柯文前、陸玉麒：《基于縣域的福建省經濟空間格局演化》，《經濟地理》2011年第7期，第1081-1087頁。(6)趙磊、方成、黃武龍：《浙江省縣域經濟發展差異時空演變分析》，《華東經濟管理》2014年第3期，第6-11頁。(7)萬魯河、王紹巍、陳曉紅：《基于Geoda的哈大齊工業走廊GDP空間關聯性》，《地理研究》2011年第6期，第977-984頁。、服務業發展(8)胡霞、魏作磊：《中國城市服務業發展差異的空間經濟計量分析》，《統計研究》2006年第9期，第54-60頁。(9)趙亮：《福建省服務業空間差異性研究》，《沈陽工業大學學報(社會科學版)》2012年第2期，第141-148頁。(10)宋曉雨、丁正山、盧曉旭等：《江蘇省服務業發展時空格局演變》，《經濟地理》2014年第8期，第111-117頁。、人口分布(11)劉聰粉、柯大鋼、張瑞榮：《基于Geoda095i的陜西省人口分布空間統計分析》，《西北人口》2008年第6期，第7-11頁。、房地產市場(12)王雪青、陳媛、劉炳勝：《中國區域房地產經濟發展水平空間統計分析——全局Moran’s Ⅰ、Moran散點圖與LISA集聚圖的組合研究》，《數理統計與管理》2014年第1期，第59-71頁。、農業經濟(13)謝花林：《環鄱陽湖地區農業經濟空間差異分析——基于探索性空間數據分析(ESDA)方法》，《農業現代化研究》2010年第3期，第299-303頁。和創新要素(14)劉青、李貴才、仝德等：《基于ESDA的深圳市高新技術企業空間格局及影響因素》，《經濟地理》2011年第6期，第926-933頁。(15)鄒琳、曾剛、曹賢忠：《基于ESDA的長三角城市群研發投入空間分異特征及時空演化》，《經濟地理》2015年第3期，第73-79頁。等領域。總體而言，關于縣域尺度的服務業發展空間差異的研究，仍集中在少數地區。

浙江是我國服務經濟最發達的省份之一，繼2014年服務業超過第二產業后，連續4年在三次產業中領跑，產業結構已由“二三一”轉向“三二一”，服務業對區域經濟的帶動作用日益顯著。但由于省內各縣域區位條件、資源稟賦、自然環境和經濟基礎等差異較大，區域服務業發展非均衡性已成為浙江服務業發展的一大制約。筆者綜合采用傳統統計方法變異系數與ESDA方法，運用Geoda軟件，以浙江各縣域為研究對象，以1997—2018年人均服務業增加值為指標，試圖揭示浙江區域服務業發展差異的時空聯系與空間變化特征，分析影響浙江服務業差異演化的因素，為制定合理的區域服務業發展政策提供借鑒。

一、研究方法和數據來源

(一)研究方法

1.變異系數。變異系數是測度數據離散程度的相對統計量，其定義為標準差與平均值之比。計算公式為：

(1)

其中，V為變異系數，Fi為浙江第i個區域人均服務業增加值，n為區域單元個數。

一般來說，變異系數越大，區域間的相對差異越大；變異系數越小，區域間的相對差異越小。

2.全局空間自相關。全局空間自相關用于研究某種屬性值在整個區域的自相關程度。Moran’s Ⅰ指數是常用的空間自相關測度指標，計算公式(16)蔡芳芳、濮勵杰、張健等：《基于ESDA的江蘇省縣域經濟發展空間模式解析》，《經濟地理》2012年第3期，第22-28頁。為：

(2)

Moran’s Ⅰ的值域為[-1，1]。大于0表示空間正相關，說明服務業水平相似的區域在空間上顯著集聚，值越接近1，區域間集聚程度就越高。小于0表示空間負相關，說明區域在空間上顯著差異，值越接近-1，區域間極化程度就越高。等于0則表示各區域服務業空間不相關，呈隨機分布狀態。

對于Moran’s Ⅰ結果進行統計檢驗，采用Z檢驗。計算公式為：

(3)

其中，E(I)為期望值，var(I)為變異數。如果|Z|值大于正態分布函數在0.05置信度下的閾值1.96，則服務業在區域間存在顯著的正(負)自相關。

3.局部空間自相關。局部空間自相關用于研究每個區域與周邊地區之間的局部空間關聯和差異程度。本研究采用局部空間關聯指標(LISA)和Moran散點圖衡量局部相關性。

(1)LISA。LISA包括局部Moran指數和局部Geary指數。本研究重點介紹局部Moran指數，計算公式(17)柯文前、陸玉麒：《基于縣域的福建省經濟空間格局演化》，《經濟地理》2011年第7期，第1081-1087頁。為：

(4)

其中Zi、Zj為空間單元i和j觀測值的標準化值，Wij表示空間權重矩陣。當局部Moran指數通過檢驗達到顯著性水平時，該區域與其服務業水平相似的區域鄰近，存在空間集聚。

(2)Moran散點圖。Moran散點圖以散點圖形式將區域空間自相關可視化，橫軸對應觀測值與均值的偏差變量z，縱軸對應空間滯后向量W，即該區域周邊地區觀測值的加權平均。Moran散點圖分為四個象限，第一象限(HH)表示高值區域單元被高值區域包圍，第二象限(LH)表示低值區域單元被高值區域包圍，第三象限(LL)表示低值區域單元被低值區域包圍，第四象限(HL)表示高值區域單元被低值區域包圍。

將LISA顯著性水平與Moran散點圖結合，得到LISA聚類圖，可直觀表達區域高高集聚、高低集聚、低低集聚和低高集聚四種集聚模式。

(二)數據來源

本研究以浙江縣域單元為研究對象進行空間數據探索性分析。縣域單元主要包括縣、縣級市、市轄區以及地級市的市區，選取72個研究單元，包括11個地級市市區和61個縣(市、區)。為保證數據的一致性，對各年行政區劃進行了相應的調整合并。各縣域服務業增加值、總人口和工業增加值等數據均來源于1998—2019年的《浙江統計年鑒》。

二、實證研究

(一)區域服務業發展差異的時間特征

計算1997—2018年浙江省各區域人均服務業增加值的標準差，以衡量區域服務業的絕對差異，計算變異系數以衡量區域服務業的相對差異。從絕對差異來看，1997—2015年，浙江區域服務業標準差從2 461元/人提高至20 825元/人，絕對發展差異呈逐年上升趨勢，2016年有較大幅度回落，而2017年和2018年小幅回升。從相對差異來看，除2001年表現異常外，浙江區域服務業變異系數從1997年的0.757一路下降至2018年的0.358，相對發展差異總體呈縮小趨勢。出現這種現象的原因在于，1997—2015年浙江服務業水平靠后的區域發展較快，但因基數較小，仍難以改變絕對差距繼續擴大的趨勢；2016年絕對差距明顯回落，表明近年來浙江區域服務業均衡性有所提升(見圖1)。

(二)區域服務業發展的空間自相關分析

1.分位等級圖。利用Geoda軟件生成2018年浙江區域人均服務業增加值分位等級圖(見圖2)，將各區域分為五檔，等級由高到低排列。當前，浙江服務業的空間分布呈現以下三個基本特征。

第一，浙江區域服務業呈現“北高南低”空間格局。浙江省縣域服務業由北向南呈階梯式分布，北部地區服務業發展明顯領先于南部地區，南北差距依然較大。服務業較發達區域主要分布在環杭州灣地區，包括杭州、寧波、紹興、嘉興、湖州和舟山6個地級市市區。浙江服務業梯度發展格局若干年內較難發生逆轉性變化。

圖1 1997—2018年浙江區域服務業發展的地區差異

圖2 2018年浙江區域人均服務業增加值分位等級圖

第二，服務業向市區集中的趨勢較為明顯。浙江11個地級市中，市區著色明顯深于周邊地區，說明各市區人均服務業增加值明顯高于周邊地區。如杭州市區處于人均服務業增加值最高一檔，周邊地區相對較低；寧波市區處于第一檔，周邊地區大多處于第三、第四檔；紹興市區處于第二檔，周邊地區大多處于第三、第四檔；溫州市區處于第三檔，周邊地區大多處于第五檔；麗水地區處于第三檔，周邊地區大多處于第五檔。盡管各市區服務業發展水平不一，但相對于周邊地區，市區依舊是服務業發展的高地與集中區。

第三，區域服務業發展城鄉二元結構開始顯現。由于服務業多集中于市區，人才、資金和技術等要素多向市區集中，市區自然成為主要極化單元。并且，處于高梯度的服務業發達地區，將進一步積累有利因素，加速服務業發展。這一極化效應，會加大市區與縣域之間服務業發展的差距，導致區域服務業發展城鄉二元結構的顯現。這一問題是服務業發展進程中必然出現的矛盾，也是協調城鄉服務業發展需要改善的一個方面。

2.全局空間自相關分析。利用Geoda軟件計算浙江1997—2018年各縣域人均服務業增加值的全局Moran’s Ⅰ估計值和顯著性水平P值，結果見表1。可以看出，全局Moran’s Ⅰ值全部為正，表明浙江區域人均服務業增加值的分布存在顯著的正的空間自相關，也就是說較高的人均服務業增加值地區與較高的人均服務業增加值地區相鄰，較低的人均服務業增加值地區與較低的人均服務業增加值地區相鄰，總體呈現空間集聚態勢。

從表1全局Moran’s Ⅰ值的變動來看，浙江縣域服務業空間關聯性可以分為三個階段。一是趨異階段(1997—2004年)，全局Moran’s Ⅰ值從0.1160上升至0.3080，說明在這一時期，浙江省區域服務業空間集聚性明顯增強，空間差異不斷擴大。隨著改革開放的深入推進，浙江各縣域服務業取得了較大發展，但由于各縣域并非處于同一起跑線，空間分布不平衡性明顯加劇。二是穩定階段(2005—2012年)，全局Moran’s Ⅰ值在0.2784～0.2983波動，浙江省服務業空間集聚的基本格局保持穩定，沒有太大改變。三是趨同階段(2013—2018年)，全局Moran’s Ⅰ值從0.2969下降至0.2603，表明隨著時間推移，浙江區域服務業發展在空間上集聚的趨勢有所弱化，空間分異有所減弱，但2018年浙江省服務業空間集聚仍保持相對較高水平。近年來，隨著下山脫貧、山海協作和麗水國家級扶貧改革試驗區等一系列政策的實施與落地，以及浙江對中西部地區財稅、科技和外貿等方面的傾斜支持，浙江服務業相對落后地區加快發展速度，區域服務業發展的均衡性不斷提高。縱觀全局Moran’s Ⅰ值的變化，總體呈現先增長后下降的態勢，表明浙江區域服務業空間集聚先增強后減弱，空間差異先擴大后縮小，空間均衡性先降低后回升。

表1 1997—2018 年浙江各縣域人均服務業增加值的全局Moran’s Ⅰ值

注：P值均通過999次隨機置換(Randomization)獲得。

3.局部空間自相關分析。全局Moran’s Ⅰ值體現了浙江服務業發展在空間布局上的整體相關性，但并不能解釋局部縣域單位之間服務業發展的演變特征，所以利用Moran散點圖和LISA聚類圖重點分析局部空間自相關性。

(1)Moran散點圖。選取1997年和2018年浙江各縣域人均服務業增加值作為截面數據，利用Geoda軟件生成Moran散點圖，其中橫坐標為人均服務業增加值的標準化值，縱坐標為接鄰單元人均服務業增加值的標準化均值。

由圖3可知，1997年，位于第一象限(HH)的縣域單元個數為10個，位于第三象限(LL)的縣域單元個數為36個，合計占到浙江縣域單元個數的63.9%。2018年，位于第一象限(HH)的縣域單元個數為11個，位于第三象限(LL)的縣域單元個數為45個，合計占到浙江縣域單元個數的77.8%。一、三象限內點的增多，表明浙江服務業發展相似區域在空間上集聚現象明顯增強。比較1997年和2018年的Moran散點圖可知，1997年Moran散點圖中各點相對集中，而2018年各點相對分散，說明經過20年的發展，區域空間差異明顯擴大，這與全局Moran’s Ⅰ值估計結果相一致。

圖3 1997年和2018年浙江縣域人均服務業增加值Moran散點圖

(2)LISA聚類圖。為了更加直觀地分析浙江服務業空間格局的動態演化，選取1997年、2007年和2018年三個時間截面，利用Geoda軟件生成LISA聚類圖(見圖4)。由圖4和表2可知，浙江區域服務業發展具有較為明顯的時空演變特征。

第一，浙江縣域服務業空間集聚度明顯增強。位于HH和LL象限的縣域單元明顯增多，高高集聚和低低集聚區域數量呈上升趨勢。雖然大部分縣域位于HH和LL象限，但由LISA聚類圖可知，通過顯著性檢驗的區域相對較少。在5%的顯著性水平下，通過檢驗的HH和LL區域1997年有17個，2007年有21個，2018年有24個。其他未著色的區域未通過顯著性檢驗，其與周邊地區聯系比較微弱，基本處于孤立發展狀態。

圖4 浙江各縣域人均服務業增加值LISA聚類圖

表2 浙江縣域服務業空間相關模式

第二，浙江服務業高高集聚區區位發生較大變化。從空間分布來看，服務業高高集聚區從杭甬兩大高點，發展到杭州、寧波、嘉興等多地顯著較高，再到杭州地區占絕對優勢，目前基本形成了以杭州為核心、包含周邊眾多縣域的服務業發達集聚區。圖4所示僅為高高集聚區的核心，其范圍還包括與其相鄰的周邊地區。優越的區位條件、發達的經濟基礎以及豐富的旅游資源，使杭州形成了服務業發展的高高集聚區。作為省會城市，杭州始終是浙江服務業發展水平最高、最具活力的地區，在全省服務業發展中具有舉足輕重的地位。近年來，寧波地區退出高高集聚區，原因在于，盡管寧波市區人均服務業值較高，但其周邊的奉化區、余姚市和慈溪市等區域人均服務業增加值并不高，可見寧波市區輻射帶動作用并不強。與歷史水平相比，寧波地區逐漸失去昔日區域增長極的地位，服務業整體優勢明顯減弱。

第三，浙江服務業低低集聚區明顯擴大。2018年低低集聚區比1997年多了6個，增加值至21個，占縣域單元總數的29.2%。服務業相對落后的區域主要位于浙西南地區，主要包括衢州、麗水以及溫州、金華、杭州的部分縣域。這些區域服務業發展相對落后，而且周邊接鄰區域服務業發展也相對滯后，這就形成了大片的局部低水平空間均衡分布狀態。經過多年發展，雖然區域人均服務業普遍有較大幅度提升，但是低低集聚區服務業基礎比較薄弱，加之區域交通不便、對外開放水平不高以及投資吸引力較弱等因素，當前仍沒有擺脫相對落后的困境，服務業發展的空間差異格局愈加明顯。

第四，浙江多極化中心現象越來越顯著。近年來，高低集聚區逐漸增多，空間相關模式從單一向多元轉變。表2顯示，具有高低集聚類型的縣域單元明顯增多，1997年只有衢州市區，2007年有麗水市區、溫州市區和臺州市區，2018年有義烏市、溫州市區、臺州市區和新昌縣。這些區域被周邊低值區域包圍，而自身服務業相對發達，是高低兩級之間的過渡地帶。隨著高低集聚區的增加，浙江區域服務業發展初步形成了以杭州為高值極化中心，以義烏市、溫州市區、臺州市區等為次極化中心的多層次空間格局。衢州市區和麗水市區由原先的高低集聚類型，轉變為低低集聚類型，已成為浙江服務業發展的一個薄弱環節。如何促進相對落后地區的服務業發展，縮小省內地區間差異，任務依然艱巨。

(三)浙江區域服務業發展的影響因素

1.雙變量空間關聯性分析。空間關聯性除了單變量的空間自相關外，還表現為兩個不同變量之間的空間交叉關聯性。為了了解區域服務業的發展是否受到鄰近區域勞動力供給、工業基礎、消費市場、交通條件和科技創新等因素的影響，本研究運用雙變量全局Moran’s Ⅰ值進行分析，進一步探析區域間是如何相互作用與影響的。利用Geoda軟件，計算2007年、2012年和2018年浙江省各縣域人均服務業增加值分別與總人口、人均工業增加值、社會消費品零售總額、公路密度和專利申請授權量等指標的雙變量全局Moran’s Ⅰ值(見表3)。

表3 浙江縣域人均服務業增加值與各指標的雙變量全局Moran’s Ⅰ值

注：P值均通過999次隨機置換(Randomization)獲得。

(1)勞動力供給。2007年、2012年、2018年浙江縣域人均服務業增加值與總人口的雙變量全局Moran’s Ⅰ值為0.1786、0.1772、0.1298，均通過了顯著性檢驗，說明兩者的空間相關性是顯著的，也就是說人均服務業增加值較高的縣域，其周邊區域的總人口也相對較高。縣域服務業發展受到周邊地區勞動力供給的正向集聚效應影響。這是由于服務業的發展需要依賴周邊地區勞動力資源，大量外出務工人員為發達地區的服務業發展作出了積極貢獻。豐富的勞動力供給，有利于滿足服務業未來發展的需求；反過來，服務業發展在吸納勞動力、緩解就業壓力方面正在發揮越來越重要的作用。

(2)工業基礎。2007年、2012年、2018年浙江縣域人均服務業增加值與人均工業增加值的雙變量全局Moran’s Ⅰ值為0.3613、0.3580、0.3150，均通過了顯著性檢驗，且顯著性水平等于0.001。這表明人均服務業增加值較高的縣域，周邊地區工業發展水平也相對較高，工業發展狀況對服務業發展有著顯著的正向影響。這一現象可以解釋為工業與服務業具有互動互補、相互促進的關系，并且工業發達的地區對周邊地區服務業發展具有輻射帶動作用。良好的工業基礎，有利于拉動服務業增長；反過來，發展服務業有利于促進工業化的細化和深化。工業與服務業在空間上呈現相似區域空間集聚特征。

(3)消費市場。2007年、2012年、2018年浙江縣域人均服務業增加值與社會消費品零售總額的雙變量全局Moran’s Ⅰ值為0.1818、0.1893、0.1301，均通過了顯著性檢驗。這表明浙江人均服務業增加值比較高的地區，周邊地區消費總額也相對較高，兩者具有正向的空間關聯性。這是由于周邊地區提供了廣大的跨區域消費市場，是拉動服務業發展的重要力量。服務業商品和貿易的跨區域流動，是省內市場化交易的重要內容，是提升區域間服務業發展空間依賴度的關鍵因素。服務業發展受到周邊地區消費市場的正向影響。

(4)交通條件。公路密度是指每平方公里所擁有的公路總里程數。浙江縣域人均服務業增加值與公路密度的雙變量全局Moran’s Ⅰ值，2007年未通過顯著性檢驗，2012和2018年均通過了顯著性檢驗。這表明隨著時間的推移，浙江區域服務業發展與周邊地區的交通條件存在顯著的空間關聯性。也就是說，浙江服務業發展水平較高的地區，周邊地區交通條件相對較好。這是由于通達便捷的交通條件，有利于服務業物流、商流和人流的順利實現，對服務業發展具有促進作用。故服務業的發展受到周邊地區交通條件的正向影響。

(5)科技創新。2007年、2012年、2018年浙江省縣域人均服務業增加值與專利申請授權量的雙變量全局Moran’s Ⅰ值為0.1794、0.1773、0.1315，均通過了顯著性檢驗。這表明區域人均服務業增加值比較高的地區，周邊地區的科技創新發展水平相對較高。這可以解釋為知識和創新的空間溢出效應，即鄰近區域間在技術、信息等創新要素上的溢出和共享。由于區域間在創新稟賦條件和創新能力存在差異，鄰近區域間可以通過創新要素的流動，實現創新價值的提升與優化，最終影響區域服務業的發展，且是顯著的正向影響。服務業發展與周邊地區知識和創新發展水平具有正向空間關聯性。

2.相關性分析。為進一步了解勞動力供給、工業基礎等因素對本地區服務業的發展產生何種影響，利用SPSS軟件，引入Spearman相關系數進行相關性分析。結果顯示，2018年浙江人均服務業增加值與本地區總人口、人均工業增加值、社會消費品零售總額、公路密度和專利申請授權量五項指標的Spearman相關系數分別為0.490、0.297、0.531、0.316、0.454，均通過顯著性檢驗。可見，浙江區域服務業的發展受到本地區勞動力供給、工業基礎、消費市場、交通條件和科技創新等因素的正向影響。

三、結論與討論

本研究利用變異系數和ESDA等分析方法，展示了1997年以來浙江縣域服務業發展的時空差異演變，并得出以下七個結論。第一，1997年以來，浙江區域服務業絕對差距先擴大后有所縮小，相對差距持續縮小。第二，浙江區域服務業呈現“北高南低”空間格局，北部地區服務業發展明顯領先于南部地區，尤其是環杭州灣地區，形成了浙江省服務業高地。第三，服務業向市區集中的趨勢較為明顯，這會加大市區與縣域之間的發展差距，導致區域服務業發展城鄉二元結構的顯現。第四，浙江省區域服務業全局Moran’s Ⅰ值在時間序列上呈現出“倒U”型曲線，說明浙江縣域服務業發展差異的時空聯系經歷了“趨異—平穩—趨同”三個發展階段，服務業空間集聚由增強到平穩再向略微減弱演進。第五，浙江服務業從杭甬兩大高點，向以杭州為核心、包含周邊眾多縣域的服務業高高集聚區轉變，高高集聚區呈相互帶動、互促互利的發展態勢。低低集聚空間明顯擴大，在浙西南地區連片分布，因缺乏增長極，服務業整體發展與發達地區仍存在較大差距。第六，高低集聚區明顯增多，杭州一直是高值極化中心，義烏市、溫州市區和臺州市區等次極化中心逐漸顯現，浙江區域服務業發展由相對單一的極化中心向多極化中心演變，區域服務業多元化發展加快。第七，浙江區域服務業的發展受到本地區和鄰近區域勞動力供給、工業基礎、消費市場、交通條件和科技創新等因素的正向影響。

本研究對于浙江區域服務業時空演變的研究是較為初步的，今后可在以下三個方面進一步深究：第一，對浙江縣域服務業發展水平的測度僅采用人均服務業增加值指標，相對比較單一，可在以后的研究中增加服務業投資力度、就業人數等其他因子，構建更加合理的綜合性指標；第二，對浙江區域服務業發展側重基于縣域單元的分析，可在以后的研究中采用較大的地級市或者較小的鄉鎮級，更加全面地展示浙江區域服務業時空演變特征；第三，對浙江區域服務業發展的時空演變側重服務業總體態勢分析，可進一步細分行業深入研究，增強研究成果的實證性與科學性。