中國生產性服務業集聚的空間統計分析

吉亞輝，楊應德

(西北師范大學經濟管理學院，蘭州730070)

0 引言

西方學者對生產性服務業研究較早，從20世紀中期就開始關注服務業中的生產性服務業，而對于生產性服務業的集聚探索始于20世紀70年代，對生產性服務業集聚情況進行了深入的研究。認為生產性服務業主要集中在大都市內，不同的行業，其集聚程度也不一樣。Beyers(1993)等對美國、英國和加拿大等國家分別進行研究得出生產性服務業高度集中在發達的大都市區［1－3］。Illeris S和 Sjoholt P 研究了北歐各國的生產性服務業，表明70%以上的生產性服務業集中在各國首都和一些經濟較為發達的大都市區［4］。以上學者從生產性服務業整體研究了它的集聚特征。還有一些學者對生產性服務業的細分行業的集聚現象進行了研究。Bennett R J和Graham D J等研究了商務服務業和金融業在英國的集聚，也表明其具有很高的集聚度［5－6］。在研究表明生產性服務業高度集中的同時，也有研究認為生產性服務業的布局行為出現了向大都市外圍擴散的趨勢。如Gillespie和Green提出了生產性服務業布局行為呈逆大都市化趨勢的結論［2］。Selya認為生產性服務業在集聚的同時也呈現出空間選擇的擴散趨勢［7］。

國內對生產性服務業的研究起步較晚，對生產性服務業空間分布和集聚的實證研究相對較少，除用靜態的集聚測度指數研究以外，主要從兩個方面展開:一是從地理學的角度，利用地理信息系統軟件對生產性服務業進行測度和可視化展現［8－9］，二是從經濟學的角度，利用空間統計學和計量學的原理和方法來研究生產性服務業的分布特征和影響因素，如:胡霞和魏作磊在考慮到空間因素影響的條件下，借助空間經濟計量模型，探討了中國城市服務業空間的分布狀況，指出中國城市服務業的空間集聚特點逐漸強化［10］。趙成柏的研究認為江蘇省生產性服務業的區域發展不僅表現出空間依賴和集聚特性，其背后的影響因素也表現出空間集聚特征［11］。

已有的對生產性服務業集聚的研究主要集中在大都市內部，較多地從靜態的角度利用區位商指數、空間基尼系數、EG指數等對集聚程度進行測算，Anselin等學者創立的空間統計學和計量經濟學理論和方法將距離、地理位置等空間因素納入到經典的計量分析框架中，實現了地理位置和相應經濟屬性值間的互動［12］。因此，利用空間統計學原理和方法對生產性服務業的空間分布特征進行研究，具有重要的現實意義，本研究將采用該方法，對省域層面的生產性服務業的空間分布特征、集聚狀況進行研究。

1 研究方法與數據

根據我國政府在《國民經濟和社會發展第十一個五年規劃綱要》對生產性服務業的劃分以及統計數據的有效性，將生產性服務業定義為6個行業:交通運輸、倉儲和郵政業，信息傳輸、計算機服務和軟件業，金融業，房地產業，租賃和商務服務業及科學研究、技術服務和地質勘查業。

1.1 研究區域、樣本數據

研究區域是除了我國香港、澳門特別行政區和臺灣省的中國大陸31個省、自治區和直轄市，簡稱各省份。樣本數據來源于2007—2010年《中國統計年鑒》和《中國第三產業統計年鑒》，文章中僅在計算各年份的Moran’s I用到了單個年份的數據，除此以外，均用2007—2010年4年的平均數作為屬性值進行分析。利用Open Goeda空間計量軟件進行數據分析和地圖處理。由于統計年鑒中沒有各省份生產性服務業細分行業的產值數據，因此，用就業數和企業數兩個屬性值來代替產值進行對比分析，使結論更加符合現實。

1.2 空間統計分析方法

1.2.1 全局空間自相關分析。全局空間自相關分析能夠從區域空間整體上刻畫區域屬性值空間分布的集聚情況，包括Moran’s I系數和Geary’s C比率。通常采用Moran’s I指數進行分析。全局Moran’s I定義如下:

Moran’s I的取值變化在0和 ±1之間，當Moran’s I=0時，代表空間無關;當Moran’s I＞0時為正相關;當Moran’s I＜0時為負相關。

1.2.2 Moran’s I散點圖。通過繪制空間相關系數的Moran’s I散點圖，可將生產性服務業分為4個象限的空間依賴模式，用以識別各個地區與其鄰近地區的關系。第一象限表示生產性服務業屬性值高的省份被生產性服務業屬性值高的其他省份包圍(HH);類似的，第二象限表示屬性值低的省份被屬性值高的其他省份包圍(LH);第三象限表示屬性值低的省份被屬性值低的其他省份包圍(LL);第四象限表示屬性值高的省份被屬性值低的其他省份包圍(HL)。第一、第三象限正的空間自相關關系表示相似觀測值之間的空間關聯，而第二、第四象限負的空間自相關關系表示不同觀測值之間的空間關聯。如果觀測值均勻地分布在4個象限，則表明地區之間不存在空間自相關性。

2 生產性服務業的空間統計分析

本研究將從生產性服務業的空間分布、生產性服務業的全局Moran’s I系數和Moran’s I散點圖3個方面來分析生產性服務業的空間分布特征。首先從總體上把握生產性服務業的地區分布差異;其次考察了生產性服務業的全局自相關即總體集群狀況，并結合局部Moran’s I散點圖進行深入分析，從而對生產性服務業的空間分布特征有一個全面的認識。

2.1 生產性服務業的空間分布圖

對各省份的生產性服務業進行簡單的分析，從而直觀地了解生產性服務業總體分布情況。圖1是各省份生產性服務業就業和企業的空間分布四分位圖。圖例中字母“C”表示生產性服務業的屬性值，在左圖中表示生產性服務業的就業人數，右圖中表示生產性服務業的企業數。圖例中 1st range，2nd range，3rd range和 4th range代表生產性服務業屬性值的大小所處的位次，括號中的數字表示在每一個位次中所包含的省份的個數。圖中按生產性服務業就業和企業數的大小將各省份生產性服務業發展水平分為4個位次，顏色越深代表生產性服務業發展水平越高。

圖1 各省份生產性服務業就業(左圖)和企業(右圖)的空間分布分位圖① 本研究采用的地圖除包含31個樣本省份外，還包括臺灣省，與完整中國地圖有一些出入，僅作研究用。Fig.1 The spatial distribution’s bitmap of producer services about employment(left)and enterprise(right)of different provinces

對圖1的左圖和右圖進行對比，當生產性服務業的屬性值由就業變為企業數時，觀察各省份所處級別變化:可以看出，四川由原來的第三位次上升為第四位次，而河南恰好相反。第二位次中的廣西、天津上升為第三位次，原來處于第三位次的黑龍江、山西、陜西降低為第二位次。處第一位次的地區無論是就業數和企業數均基本保持不變。

從單個行業的分布來看，不管是就業還是企業數，排名前幾位的主要是北京、廣東、上海、浙江、江蘇等經濟發達省份。生產性服務業的分布具有較強的中心性，與各個地區的經濟發展水平相一致，經濟越發達的省份其生產性服務業的屬性值也越高。

從圖1的左圖和右圖可以看出，生產性服務業的發展很不平衡，具有明顯的層次性，產值高、發展最快的都集中在東部沿海省份，即環渤海、長三角和珠三角地區。西部地區各省份的產值呈低值分布。中部各省份產值較高且與高值區毗鄰，分布較為集中。

2.2 生產性服務業的全局Moran’s I系數

采用全局空間相關系數對各省份的生產性服務業在空間上是否存在自相關和集聚特征進行檢驗，檢驗結果如表1和表2所示。

表1 各省份生產性服務業就業的Moran’s I統計值Tab.1 Moran’s I statistics values of producer services’employment of different provinces

表2 各省份生產性服務業企業的Moran’s I統計值Tab.2 Moran’s I statistics values of producer services’enterprise of different provinces

從表1和表2可以看出，除了2008和2010年生產性服務業的就業的Moran’s I統計值分別在10.91%和11.28%的水平上顯著外，其他各年份的Moran’s I統計值都經過了10%的顯著性檢驗，就業的Moran’s I的平均值在0.092 6 以上，企業的Moran’s I的平均值0.179 4以上，這意味著區域生產性服務業的就業和企業值具有顯著的空間正相關關系，且企業的Moran’s I統計值要大于就業的Moran’s I統計值，以企業數據代表的生產性服務業的分布顯示更強的集聚特征。空間上鄰近的地區具有相似的生產性服務業屬性值，說明生產性服務業的分布呈現出集聚特征，區域之間存在近鄰效應，某個區域的生產性服務業的發展水平與鄰近區域的生產性服務業發展水平有關，某個區域的發展過程可能依賴于鄰近區的發展狀況。

另外，通過分析生產性服務業內部細分行業的Moran’s I系數，發現交通運輸、倉儲和郵政業的系數遠遠高于其他行業;金融業、租賃和商務服務業的系數較高;房地產業，信息傳輸、計算機服務和軟件業的系數較小;科學研究、技術服務和地質勘查業的系數最小。即傳統生產性服務業具有明顯的空間自相關，相比新興生產性服務業空間依賴性不明顯，這表明我國生產性服務業空間依賴性主要表現為傳統生產性服務業，現代新興生產性服務業在省域間還沒有產生明顯的空間溢出效應。從Moran’s I統計量可以看出生產性服務業屬性值的空間集聚特征，但無法識別具體的空間格局，這需要通過Moran’s I散點圖進一步辨識。

2.3 生產性服務業的Moran’s I散點圖

圖2給出了生產性服務業分別以就業和企業為屬性值的Moran’s I散點圖。散點圖中左、右圖的橫軸分別表示2007—2010年間我國31個省域的生產性服務業以就業數和企業數為屬性值的集聚度;縱軸表示鄰近值的加權平均值。從圖2(左圖)的Moran’s I散點圖可以看出生產性服務業就業的高值區和低值區都呈現較明顯的集聚特征，但無法識別高值集聚區和低值集聚區的具體省份情況，因此，列出了生產性服務業就業的空間相關模式表，如表3所示。

結合表3進一步分析圖2(左圖)，發現生產性服務業并沒有均勻地分布在4個象限，第一象限和第三象限包含19個省份，說明中國大陸31個省份中61.29%的省份表現出了相似的空間關聯，呈現出正的相關性。這進一步證實了全局指標檢測的正相關分布特征(Moran’s I=0.096 6)。其中，第一象限是高值的集聚分布，第三象限是低值的集聚分布。第一象限包含8個省份，分別為上海、黑龍江、浙江、北京、河北、江蘇、遼寧、山東，表現出高高(HH)的正相關關系集群;第三象限分布有11個省份，分別為云南、青海、陜西、重慶、江西、貴州、西藏、寧夏、甘肅、新疆、山西，呈現出低低(LL)的空間自相關關系。另外，第二象限和第四象限分別包含7個和5個省份，第二象限的7個省份為:吉林、內蒙、廣西、海南、天津、安徽、福建被高值所包圍，呈現出低高(LH)的負相關關系;第四象限僅有5個省份，即四川、湖南、河南、廣東、湖北被低值所包圍，呈現高低(HL)的空間負相關關系。從以上的Moran’s I散點圖中可以看到生產性服務業具有明顯的空間集聚分布特征。

圖2 各省份生產性服務業就業(左圖)和企業(右圖)的Moran’s I散點圖Fig.1 Moran’s I scatter of producer services about employment(left)and enterprise(right)of different provinces

表3 生產性服務業就業的空間相關模式表Tab.3 Spatial correlation pattern of the employment of producer services

從圖2(右圖)的Moran’s I散點圖可以看出生產性服務業企業的高值區和低值區都呈現明顯的集聚特征。表4為對應的空間相關模式表，但與生產性服務業就業的分布相比有所變化。

表4 生產性服務業企業的空間相關模式表Tab.4 Spatial correlation pattern of the enterprise of producer services

結合表4進一步分析圖2發現，生產性服務業企業的Moran’s I散點圖中共有24個省份分布在第一象限和第三象限，說明全國20個省份中64.52%的省份表現出了相似的空間關聯，呈現出較強的正的相關性，與全局指標檢測的正相關的Moran’s I=0.175 2的值比較高相符。與生產性服務業的就業數值對比發現，第一象限原來的河北和黑龍江消失，新產生了福建;而第四象限的湖南和河南兩省由開始被低值包圍的高值轉向低值集聚區，從而表現出更強的空間相關性，即集聚分布的特征。

3 結論

從生產性服務業的空間分布分位圖看，不管從生產性服務業就業數來考察還是企業數來考察，排名前幾位的比較穩定，主要是北京、廣東、上海，浙江、江蘇等經濟發達省份，且相應省份的省會城市規模大、發展水平高，因此，我們認為生產性服務業的分布具有較強中心依賴性，經濟越發達的省份、城市化水平越高的省份其生產性服務業的屬性值也越高。另外，對生產性服務業細分行業的研究發現:傳統生產性服務業集聚較為明顯，相比新型生產性服務業沒有表現出明顯的空間依賴性。

從生產性服務業的全局Moran’s I系數和Moran’s I散點圖綜合分析發現，生產性服務業分布顯示出較強的集聚特征，區域之間存在近鄰效應，某個區域的生產性服務業的發展水平與鄰近區域的生產性服務業發展水平有關，某個區域的發展過程可能依賴于鄰近區的發展狀況。由于區域間存在商品流動、要素流動、技術擴散和知識溢出等微觀上這樣或那樣的聯系，因此，地理上的臨近為商品、要素等的流動提供了便利，使臨近地區優先獲得技術擴散和知識溢出，最終導致毗鄰地區發展水平的趨同，在空間上表現為低值區或高值區的集聚。從生產性服務業細分行業看，傳統生產性服務業具有明顯的空間自相關，相比新興生產性服務業空間依賴性不明顯，這表明我國生產性服務業空間依賴性主要表現為傳統生產性服務業，現代新興生產性服務業在省域間還沒有產生明顯的空間溢出效應。

總體而言，生產性服務業的發展很不平衡，具有明顯的層次性，呈明顯的中心－外圍結構，產值高、發展最快的都集中在東部沿海省份，即環渤海、長三角和珠三角地區，形成高值聚集區。西部地區各省份的產值呈低值分布，形成低值集聚區。中部各省份產值較高且與高值區毗鄰，分布較為集中。

［1］Beyers W B.Producer Services［J］.Progress in Human Geography，1993，17(2):221 －231.

［2］Gillespie A E，Green A E.The Changing Geography of Producer Services Employment in Britain［J］.Regional Studies，1987，21(5):397 －411.

［3］Coffey W J，McRae J J.Service Industries in Regional Development［M］.Halifax:Institute for Research on Public Policy，1990.

［4］Illeris S，Sjoholt P.The Nordic Countries:High Quality Services in A Low Density Environment［J］.Progress in Planning，1995，43(3):205 －221.

［5］Bennett R J，Graham D J，Braggon W.The Location and Concentration of Business in Britain:Business Clusters，Business Services，Market Coverage and Local Economic Development［J］.Transaction of the Institute of British Geographers，1999，24(4):393 －420.

［6］Pandit N R，Cook G A S，Swann G M P.The Dynamics of Industrial Clustering in British Financial Services［J］.The Service Industrial Journal，2001，21(4):33 －61.

［7］Selya R M.Taiwan as A Service Economy［J］.Geoforum，1994，25(3):305 －322.

［8］趙群毅.北京生產者服務業空間變動的特征與模式:基于單位普查數據的分析［J］.城市發展研究，2007，14(4):70－77.

［9］甄峰，劉慧，鄭俊.城市生產性服務業空間分布研究:以南京為例［J］.世界地理研究，2008，17(1):24 －31.

［10］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［J］.統計研究，2006，27(9):54－60.

［11］趙成柏.地區生產性服務業發展差異的空間計量分析［J］.商業研究，2010，15(4):68 －73.

［12］Anselin L.Spatial Econometrics:Methods and Models［M］.Boston:Kluwer Academic Publishers，1988.