長三角城市群生產性服務業的空間分布及演化

吳佩，吳雪樺

（上海師范大學 旅游學院，上海 200234）

一、引言

長三角地區作為中國經濟發展勢頭最為迅猛的地區之一，區位優勢明顯，外向經濟和商品經濟發達，在落實國家新發展理念和推進區域協調發展戰略中擔當重任，而長三角城市群建設是新時期長三角率先發展、高質量發展的重要一環。現階段，我國正處于產業結構調整、經濟發展方式轉變的關鍵時期。2021年，《關于加快推動制造服務業高質量發展的意見》以推動高質量發展為主題，明確提出了制造業和服務業融合發展是經濟全球化背景下的大趨勢，生產性服務業發展與制造業競爭力提升已經有著不可忽略的緊密聯系，并且現代化經濟體系和經濟高質量發展也更加依賴生產性服務業。長三角區域作為我國經濟最為活躍的區域之一，其服務業發展及集聚速度處于全國前列，生產性服務業集聚化發展對加速長三角城市群的升級再造起到舉足輕重的作用，不僅能帶動長三角整體經濟的發展，而且能夠通過輻射作用帶動鄰近地區乃至整個國家經濟的發展。

生產性服務業是國家大力發展的重點產業，一些制造業發展水平和市場化程度較高、經濟實力較強的城市，一般來說也是生產性服務業密集、競爭力強的地區，這是因為生產性服務業的發展是依賴于制造業發展起來的，城市的制造業發展水平和市場化程度為生產性服務業發展創造了條件［1］。新經濟地理學開創者保羅·克魯格曼認為，生產性服務業有比制造業更為明顯的集聚趨勢［2］。生產性服務業對區位的依賴性與工業制造業依賴交通、地理成本等因素不同，生產性服務業更多考慮所在地區可以增加產品附加價值的特性，如市場規模、經濟發展能力、人力資源、服務設施等因素［3］。Stephen和Meyer通過研究得出生產性服務業主要集中在具備集聚優勢的中心地區的結論，認為生產性服務業能夠從面對面的接觸中獲益［4］。張三峰通過對21個城市的研究得出，生產性服務業集聚發展并不均衡，且呈現出明顯的城市集聚特征，信息、商務、科研服務業和金融業在直轄市中集聚程度較高，與制造業相關的生產性服務業在沿海城市中集聚程度較高［5］。羅芳和楊良良研究得出，長三角區域服務業集聚趨勢明顯，并且生產性服務業的集聚程度要高于公共性服務業［6］。張浩然通過研究中國城市生產性服務業空間布局，認為生產性服務業的集聚水平與行政等級有一定的關系，即一般行政等級較高的城市其集聚水平也相對較高［7］。張志彬對比分析長三角及京津冀城市群生產性服務業集聚，得出長三角地區生產性服務業相比京津冀地區集聚水平較低、但總體集聚趨勢在增強的結論［8］。肖沛余通過對比得出，生產性服務業集聚有兩極分化的趨勢，區域性中心城市和就業規模相對較小的城市集聚程度較高，而中游位置的城市集聚程度較低［9］。林秀梅和曹張龍研究認為，生產性服務業集聚具有空間效應且存在明顯的地區差異性［10］。

學術界對于產業集聚模式的探討，主要有兩類具有代表性的產業集聚模式：一是以Marshall、Arrow、Komer為代表提出的專業化集聚，即相同產業中企業的集聚。專業化集聚觀點認為，相同產業的不同企業進行集聚可以促進企業間的合作和交流，促進知識溢出，從而提升技術創新［11-13］；Li等也發現專業化集聚不僅能夠促進企業知識傳播和技術合作，還有助于降低交易成本和提高交易效率，同時規避因信息不充分造成的市場失靈問題［14］。另一種集聚模式是以Jacobs為代表提出的多樣化集聚，即不同產業間企業的集聚。多樣化集聚觀點認為，不同產業間企業集聚能夠創造多樣化的環境，有利于企業間知識技術的交流碰撞，促進技術創新活動的開展［15］；Agovino等研究發現，多樣化集聚會推動產業間互補性知識的溢出，有利于高效配置企業資源，實現范圍經濟，并且能顯著減少單個企業的市場風險［16］；吳玉鳴使用中國省級數據研究得出，專業化集聚對于技術創新的促進作用更強，而多樣化集聚對技術創新未產生顯著影響［17］；彭向和蔣傳海使用21個工業行業數據研究發現，專業化集聚、多樣化集聚均顯著推動了地區產業發展，但兩類集聚模式的影響方式和程度不同［18］。

長三角城市群產業集聚區域數量眾多、分布密集，生產性服務業體系發展較為完備，多中心圈的城市布局結構明顯，但由于城市群內的城市規模、經濟發展階段等差異，始終存在產業發展同構化和集聚不適度等問題，所以生產性服務業集聚水平存在差異。以往文獻多從省域總體上研究長三角三省一市的集聚水平，較少探討城市群內不同城市生產性服務業集聚的異質性，并且大都是通過采用區位熵等方法計算生產性服務業整體集聚水平，鮮有從專業化集聚和多樣化集聚角度對長三角城市群生產性服務業集聚進行研究，并且其可能的空間聯動性和空間溢出效應也少有涉及。本文參考《國民經濟行業分類》（GB∕T 4754-2017）和國家統計局發布的《生產性服務業統計分類〔2019〕》，考慮數據的可得性，結合《中國城市統計年鑒》的劃分方式，將生產性服務業劃分為五個行業：交通運輸、倉儲和郵政業，租賃和商務服務業，信息和計算機服務業，金融業，科學技術和地質勘查業。通過計算多樣化集聚和專業化集聚指數，并借助GIS工具顯示其集聚的空間變化，進而分析長三角城市群41個城市生產性服務業不同集聚模式的發展水平，希望能為長三角城市群生產性服務業發展提供參考。

本文的研究貢獻在于：分別計算長三角城市群41個城市生產性服務業的多樣化集聚和專業化集聚水平，借助ArcGIS工具以更直觀的方式展現長三角城市群生產性服務業集聚的空間演化情況，并分析專業化集聚和多樣化集聚的城市差異性及空間相關性，為長三角城市群41個城市有針對性地提高多樣化集聚或專業化集聚水平提供理論依據。

二、研究設計

（一）數據來源

本研究的樣本選擇是依據2019年《長江三角洲區域一體化發展規劃綱要》中明確的“長三角城市群”，覆蓋了上海、江蘇、浙江、安徽全域全部41個城市（包括上海、南京、無錫、徐州、常州、蘇州、南通、連云港、淮安、鹽城、揚州、鎮江、泰州、宿遷、杭州、寧波、溫州、嘉興、湖州、紹興、金華、衢州、舟山、臺州、麗水、合肥、蕪湖、蚌埠、淮南、馬鞍山、淮北、銅陵、安慶、黃山、滁州、阜陽、宿州、六安、亳州、池州、宣城），觀測期為2009—2019年。生產性服務業專業化、多樣化集聚指數是基于《中國城市統計年鑒》提供的細分行業的年末城鎮單位就業人數，使用相關模型進行測算得到。缺失數據通過浙江省、江蘇省、安徽省、上海市統計年鑒以及《中國區域經濟統計年鑒》查詢得出，個別缺失數據用臨近兩年數據的平均值代替。考慮數據的離散性較大，對初始數據做取對數處理。

（二）變量說明

1.專業化集聚

生產性服務業部門為了更容易獲取生產要素和資源，在某個特定區域內地理上形成部門相對集中，這種地理集中被稱為生產性服務業專業化集聚，生產性服務業專業化集聚揭示了生產性服務業在空間中的集中程度。專業化集聚的基礎是部門分工，各產業部門在經濟社會的長期發展中由于地理位置不同、資源稟賦和歷史地位差異等在某個區域按照產業形成分工。專業化集聚的部門內部由于產業一致，各企業會產生有效競爭行為，激發市場潛能，促進產業變革。專業化集聚區內產業分工明確，產業鏈中上下游企業相對單一化，但供求匹配。參考Ezcurra等提出的產業專業化集聚測算方法，通過以下公式構建生產性服務業專業化集聚指標［19］：

其中：Ej,s表示城市j生產性服務業s的就業人數；Ej表示城市j的全部就業人數；E's表示全國除了城市j之外，其他城市的生產性服務業s全部就業人數總和；E'表示全國除了城市j之外，其他城市的全部就業人數總和。

2.多樣化集聚

不同類型的生產性服務業由于產業間的協同與合作過程，在經濟社會長期發展中形成了供求鏈條相對完整、供求多元化的多元產業組合，并且這種多元產業組合在特定區域內相對地理集中，形成不同生產性服務企業的空間分布多樣化集聚。生產性服務業多樣化集聚可以使集聚區域內各企業更高效率地共享傳播生產要素、更加有效地進行知識和信息的交換和互補，有利于實現集聚區域內產業融合創新。由于多樣化集聚中各行業供求鏈條完整，可替代性較強，所以多樣化產業布局與專業化產業布局相比，會減少市場波動帶來的系統性風險，產業集聚群體韌性會較高，有利于產業內部的技術創新。參考韓峰等提出的多樣化集聚水平的測度方法，通過以下計算公式構建生產性服務業多樣化集聚指標［20］：

其中：Ej,s表示城市j生產性服務業s的就業人數；Ej表示城市j的全部就業人數；Ej,s'表示城市j除了生產性服務業s以外其他生產性服務業的就業總人數；Es'表示全國就業人數中，除了生產性服務業s，其他生產性服務業的就業總人數；E表示全國就業總人數；Es表示全國范圍內生產性服務業s的就業總人數。

（三）研究方法

1.變異系數

本文利用變異系數指標來測度生產性服務業空間集聚的總體差異程度。變異系數法是統計學中的一種方法，其數據的大小受統計變量離散程度的影響，而且受統計變量平均水平的制約，所以變異系數是由數據標準差除以樣本均值計算得出的數值，此數值是一個相對值，沒有單位。與同樣可以衡量數據離散程度的標準差相比，變異系數在比較兩個或兩個以上樣本變異程度時，可以消除由于單位不同或平均數不同對數據波動程度比較的影響，變異系數越大，表示數據波動離散程度越大［21］。本文利用變異系數反映長三角城市群生產性服務業空間集聚的差異程度，即長三角三省一市41個城市生產性服務業集聚水平的離散程度。其計算公式如下：

其中：Cv表示變異系數；n表示計算單位的數量；?i表示的是計算單位中某i個樣本的集聚指數；?ˉ表示?i的平均值。由變異系數得出的結果，可以反映出集聚水平在各樣本之間的差異狀況，并以此可以進行時間維度上的縱向分析，以發現隨著時間的變化，變異系數的變化情況。若上式中n表示某一省內微觀樣本的數量，?i表示該省第i個城市生產性服務業集聚指數，?ˉ表示?i的平均值，這時以省為單位，利用每一個省份的微觀數據得出的變異系數，可以反映出省內生產性服務業集聚的差異狀況；若上式中n表示長三角城市群內微觀樣本的數量，?i表示的是41個城市中第i個城市生產性服務業集聚指數，?ˉ表示?i的平均值，這時以長三角城市群為單位，利用每一個城市的微觀數據得出的變異系數，可以反映出長三角城市群內生產性服務業集聚的差異狀況。

2.空間自相關

探索性空間數據分析（ESDA）是以空間關聯測度為核心的一種空間數據分析方法和技術，通過對事物或現象空間分布格局的描述與可視化，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［22］。空間自相關是檢驗研究數據值是否顯著與相鄰空間點上相同數據值相關聯的重要指標，正相關表明此單位的數值變化與其相鄰空間單位具有相同變化趨勢，負相關則為相反的變化趨勢。本文用空間自檢驗方法來檢驗長三角城市群各城市生產性服務業專業化集聚和多樣化集聚是否存在空間自相關性。利用Moran'sI指數表明長三角城市群生產性服務業集聚是否存在統計上的集聚或分散現象。公式如下：

其中：n為觀察值總數；Yi為位置i的觀察值；Wij為空間權重矩陣（空間相鄰為1，不相鄰為0）；S2為屬性值的方差；Yˉ為Yi的平均值。在給定顯著性水平時，若Moran'sI指數顯著為正，表示其生產性服務業集聚指數變化與鄰近區域具有相同的變化趨勢，即具有集聚現象；若Moran'sI指數顯著為負，則表明其生產性服務業集聚指數具有空間擴散跡象。取值的絕對值越大，說明空間相關性越強；反之，絕對值越小意味著空間相關性越弱。通過對Moran'sI指數進行Z檢驗和P檢驗，當Z值為正且顯著時，表明存在正的空間自相關；當Z值為負且顯著時，表明存在負的空間自相關；當Z值為零時，觀測值呈獨立隨機分布。

3.空間可視化分析

為了更加直觀地顯示長三角城市群生產性服務業專業化集聚和多樣化集聚，本文使用GIS技術把數據和視圖結合起來，借助ArcGIS軟件，以地圖形式將長三角城市群生產性服務業集聚和多樣化集聚的空間分布直觀展現出來，并抽取2009年、2013年、2016年、2019年四個年份進行時空演化的縱向動態分析。

三、數據分析與結果

（一）描述性統計分析

基于數據的可得性，本研究選取2009—2019年數據作為分析依據，樣本范圍包括長三角城市群三省一市41個城市，總樣本量為451。根據基礎數據，按照專業化集聚和多樣化集聚指數計算出均值、標準差、最大值、最小值，結果見表1所列。

表1 變量定義及描述性統計

從統計數據中得出，長三角地區生產性服務業從業人數由2009年末的324.7萬人增長到2019年末的687.8萬人，占全國生產性服務業從業人數的22.1%。2009—2019年，長三角地區生產性服務業和服務業從業人數增長率分別為112%和86%，均高于全國84%和61%的增長率，可見長三角地區生產性服務業發展速度一直領先國內總體水平，是中國經濟發展的增長極，為城市群提供了大量的就業機會。從生產性服務業細分行業來看，由于各行業性質和生產效率存在差距，不適合進行橫向比較，但可以對各細分行業進行時間上的縱向比較，各行業就業人數變化趨勢如圖1所示。

圖1 2009—2019年長三角城市群生產性服務業各行業就業人數變化趨勢

整體上來看，長三角城市群生產性服務業各細分行業人數有上升增長趨勢。從各個細分行業來看，交通運輸、倉儲和郵政業人數位于生產性服務業細分行業的第一，符合勞動密集型產業可替代性、存在廣泛性的特點。金融業人數一直位列生產性服務業細分行業的第二，作為資本密集型產業，高資本投入吸引了大量的人才。租賃和商業服務業在2012年后發展迅速，在生產性服務業行業中發展潛力較大。交通運輸、倉儲及郵政業在2013年就業人數急劇上升，說明產業發展非常具有潛力，但同時也是位列碳排放量第三的行業，從2015年開始，行業就業人數開始連續下降，這可能與2015年出臺的《“十三五”規劃綱要》中提出的“創新、協調、綠色、開放、共享”的新發展理念有關，在此背景下交通運輸業淘汰落后產能，優化產業結構，所以就業人數有所下降。信息傳輸、軟件和信息技術服務業及科學研究和技術服務業這兩類知識密集型產業，在初始階段由于從業門檻較高，行業就業基數較少，但是隨著經濟發展，市場對技術和知識型人才的需求量變大，使得其就業人數不斷增長，在2012—2013年間增長趨勢明顯，這可能與工業和信息化部印發的《軟件和信息技術服務業“十二五”發展規劃》中大力發展軟件和信息技術服務業有關，互聯網的持續發展也持續為這一行業帶來大量人才，對現階段長三角地區生產性服務業的發展起到至關重要的作用。

（二）生產性服務業集聚的時空演變

本部分選取2009年、2013年、2016年、2019年4個時間截面，使用ArcMap10.2軟件，將長三角城市群生產性服務業集聚按照空間可視化方法，繪制了4個年份長三角城市群41個城市的生產性服務業專業化集聚和多樣化集聚情況的時空演變趨勢，結果如圖2、圖3所示。

圖2 長三角城市群生產性服務業專業化集聚水平空間分布（審圖號：GS［2021］5451號）

圖3 長三角城市群生產性服務業多樣化集聚水平空間分布（審圖號：GS［2021］5451號）

圖2中的數字代表通過基礎數據計算出的生產性服務業專業化集聚指數，數字越大代表專業化集聚水平越高。從長三角城市群生產性服務業專業化集聚水平空間分布及時間演化來看，2009—2019年，整體上各城市的生產性服務業專業化集聚水平呈現逐年增長趨勢，但存在顯著的不均衡和空間異質性。2009年，東南沿海城市如上海、舟山等城市的專業化集聚指數均處于0.085～0.200的最高分位數區間，而內陸城市如合肥、鎮江、常州、蕪湖、宣城等城市均處于0.000～0.041的較低分位數區間。2013年，南京、宿遷、泰州、紹興等城市的專業化集聚水平也升至最高分位數區間。至2019年，長三角城市群中大部分城市生產性服務業專業化集聚水平已上升至峰值。值得注意的是，寧波、杭州、合肥等二線城市的專業化集聚水平相對來說一直處于較低水平，專業化集聚水平的分布呈現兩極化趨勢。由此基本可知，如宿遷、泰州、滄州、宣城、六安、紹興、金華等三四線中小城市的產業結構較為單一，主要由單個或少數幾個產業支撐，所以當地的生產性服務業專業化集聚水平相對較高；而像寧波、合肥、杭州等此類經濟發展程度較高的二線城市產業種類發展更加齊全，產業結構相對復雜，其生產性服務業專業化集聚的趨勢相對來說表現得不夠明顯；上海、南京作為一線城市，生產性服務行業的人力資本、知識、技術在行業內高效共享和擴散，形成專業化集聚區，其專業化集聚水平處在最高分位數區間。

圖3中的數字代表通過基礎數據計算出的生產性服務業多樣化集聚指數，數字越大代表多樣化集聚水平越高。從長三角城市群生產性服務業多樣化集聚水平的空間分布及時間演化來看，2009—2019年長三角城市群的生產性服務業多樣化集聚水平整體上呈現連續上升趨勢，并且多樣化集聚水平的空間分布與專業化集聚相同，都存在明顯的空間區域異質性和不均衡性。2013年，宿遷、泰州、紹興的多樣化集聚水平處在0.350～0.500的較高分位數區間，除此之外，其他多數城市的生產性服務業多樣化集聚水平在城市群中并不突出。隨著時間的推移，2013—2019年，多數城市的多樣化集聚水平出現明顯提升，并在空間上呈現出明顯的集聚趨勢，而上海、南京等一二線城市的多樣化集聚水平一直處于0.000～0.200的較低分位數區間，這可能與其專業化集聚水平較高抑制了產業結構優化有關，紹興、南通等三四線城市的多樣化集聚水平相對較高。由此可見，長三角城市群的生產性服務業多樣化集聚水平在分布上呈現出不均衡的空間特征，部分城市逐漸發展金融服務、物流倉儲、商業租賃服務、科學技術咨詢、信息技術等產業來為制造業服務，所以多樣化集聚水平逐年顯著增加。

（三）變異系數

本文利用變異系數這一指標來測度長三角城市群生產性服務業不同集聚模式的總體差異程度。變異系數越大，表示統計數據波動離散程度越大，區域內的集聚水平越分散。分別計算江蘇省、浙江省、安徽省各城市的集聚水平離散情況以及長三角城市群中41個城市的集聚水平離散情況（其中上海包含在長三角城市群中），可以反映出長三角城市群內生產性服務業集聚的差異狀況。

1.專業化集聚變異系數分布

從表2和圖4可以看出，2009—2019年專業化集聚在三省以及長三角城市群中的變異系數整體處于0.250～0.400區間內，表明各城市專業化集聚差異并不明顯，并未形成斷層式發展。在三省一市中縱向上并未表現出明顯的上升或下降趨勢，這表明在各省份內，各城市之間生產性服務業專業化集聚差異也沒有明顯隨著年份上升呈縮小或擴大的趨勢，各城市之間專業化集聚并未形成整體協調發展的格局，這可能與各城市之間的地理位置、經濟發展等因素有關。從圖4對蘇浙皖三省以及長三角城市群專業化集聚變異指數橫向比較可以看出，長三角整體各城市的專業化集聚指數差異最大，蘇浙皖三省中，江蘇省各城市中專業化集聚的差異要大于其余兩個省份，浙江省各城市專業化集聚差異較小，這說明浙江省各城市生產性服務業的專業化發展相對更為均衡。

表2 2009—2019年專業化集聚變異系數

圖4 2009—2019年專業化集聚變異系數變化

2.多樣化集聚變異系數分布

從表3和圖5可以看出，2009—2019年的多樣化集聚在三省以及長三角城市群中的變異系數整體處于0.250～0.450區間內，各城市多樣化集聚差異并不明顯，與專業化集聚相同，并未形成斷層式發展。多樣化集聚的變異系數在縱向上也沒有明顯的演變規律。從橫向上看，雖然長三角城市群中41個城市的多樣化集聚指數差異最大，但是蘇浙皖三省中，浙江省城市生產性服務業多樣化集聚差異最小，其次是江蘇省和安徽省。

圖5 2009—2019年多樣化集聚變異系數變化

表3 2009—2019年多樣化集聚變異系數

（四）空間自相關

空間自相關是檢驗研究數據的屬性值是否顯著地與其相鄰空間點上的相同屬性值相關聯的重要指標，正相關表明某單元的屬性值變化與其相鄰空間單元具有相同變化趨勢，負相關則相反。從表4對各年份專業化集聚和多樣化集聚的空間自相關檢驗可以看出，不管是專業化集聚還是多樣化集聚，除2010年的專業化集聚外，其余Moran'sI指數都為正數，但是專業化集聚的Moran'sI指數大部分年份都沒有通過顯著性檢驗，說明長三角城市群內專業化集聚并不存在明顯的空間集聚狀態，即專業化集聚在空間上并沒有明顯的外溢效應。而多樣化集聚的Moran'sI指數都為正值并且都通過了不同水平顯著性檢驗，Z值也為正值，說明多樣化集聚存在正的空間相關性，即多樣化集聚會對鄰近城市產生空間外溢，多樣化集聚水平會在空間上形成集聚，多樣化集聚水平高的城市，其鄰近城市的多樣化集聚水平也會較高，在空間上并非獨立分布。

表4 2009—2019年專業化、多樣化集聚Moran's I指數

四、結論與對策建議

本文研究了2009—2019年長三角城市群41個城市的專業化集聚和多樣化集聚程度以及它們在空間演化上的趨勢和城市差異性，實證分析結果表明：

（1）生產性服務業專業化集聚呈現隨時間逐年增長、空間上兩極化發展的趨勢。這表明各城市在發展過程中，依靠自身產業優勢發展特色產業，并且這種特色優勢越來越明顯。在發展地方特色產業的過程中，一線城市生產性服務業的人力資本、知識、技術在行業內高效共享和擴散，逐步形成了高度集聚狀態；三四線城市的產業結構較為單一，主要由單個或少數幾個產業支撐，集聚水平也相對較高；經濟發展程度相對較高的二線城市，雖然產業種類發展相對齊全，但綜合實力還有提升空間，其專業化集聚的趨勢相對不夠明顯。同時，各城市間專業化集聚并不存在明顯的空間相關性，單個城市的集聚未對鄰近城市產生明顯的輻射效應，表明長三角城市群內城市間在發展特色產業過程中，未在城市群之間形成較為完整的產業鏈條，特色產業之間未形成有機聯系的合作競爭關系，也從另一方面說明了長三角城市群內構建完整產業鏈的潛力巨大。

（2）生產性服務業的多樣化集聚呈現隨時間逐年增長的趨勢，在總體上表現為一線城市較低，三四線城市相對較高。這表明隨著信息技術以及交通等基礎設施的發展，區域間企業合作壁壘逐漸降低，跨地區企業合作趨勢明顯。一線城市多樣化集聚水平較低，可能與其已經形成的突出產業特色一定程度上抑制了多樣化集聚的發展有關。而三四線城市在大力發展地方經濟過程中，逐漸發展服務地方產業的差異化生產性服務業，所以多樣化集聚水平逐年增加。根據多樣化集聚的空間相關性檢驗結果，各城市間多樣化集聚存在明顯的空間正相關性，多樣化的集聚更容易形成跨區域的產業融合，促進周邊地區制造業的發展，進而拉動周邊地區生產性服務業的發展。由此可見，長三角一體化發展有助于充分發揮生產性服務業的空間溢出效應，促進區域產業融合。

基于以上研究結論，長三角城市群各個城市已經形成了服務地方經濟的特色生產性服務業集聚模式，企業的跨地區合作逐漸緊密，未來可從更大空間配置資源，依托專業化集聚和多樣化集聚兩種集聚模式，推動長三角城市群生產性服務業發展和經濟發展水平的提高。

一是依托生產性服務業的專業化集聚，進一步帶動地區產業發展。不同城市要因地制宜，根據自身的戰略定位、資源配置、產業結構等特點，發展適合當地經濟發展需要的生產性服務業產業結構，要積極建立生產性服務業與制造業之間的良性融合發展和互動模式，推動生產性服務業與制造業協同高效融合發展。要進一步挖掘一線城市專業化集聚的空間溢出效應，促進周邊城市制造業創新升級，進而帶動周邊地區制造業和服務業的發展，提高專業性集聚的空間溢出效應。

二是依托生產性服務業的多樣化集聚，促進區域經濟協調發展。要推進長三角城市群生產性服務業的合理空間梯度發展和網絡化布局，為發揮生產性服務業集聚的空間溢出效應開拓空間。在充分發揮地方效應、促進產業專業集聚的同時，引導不同地區不同產業的均衡協調發展，不同城市形成職能劃分合理、各具特色、優勢互補的產業格局，為多元化產業發展以及多元化集聚效應溢出提供有力支撐。