長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)空間集聚綜合測(cè)度

鄒德玲，叢海彬，徐　明

(1.東華大學(xué)旭日工商管理學(xué)院，上海　200051；2.浙江萬(wàn)里學(xué)院現(xiàn)代物流學(xué)院，浙江　寧波　315100；3.寧波大學(xué)商學(xué)院，浙江　寧波　315211)

?

長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)空間集聚綜合測(cè)度

鄒德玲1,2，叢海彬3，徐明1

(1.東華大學(xué)旭日工商管理學(xué)院，上海200051；2.浙江萬(wàn)里學(xué)院現(xiàn)代物流學(xué)院，浙江寧波315100；3.寧波大學(xué)商學(xué)院，浙江寧波315211)

摘要：運(yùn)用空間基尼系數(shù)、赫芬達(dá)爾指數(shù)、EG指數(shù)、區(qū)位商對(duì)長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)的空間集聚狀況進(jìn)行量化測(cè)度，通過(guò)全局自相關(guān)分析判定影響長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)空間集聚的因素。從城市層面來(lái)看，上海作為長(zhǎng)三角的龍頭城市，其知識(shí)密集型服務(wù)業(yè)的空間集聚特征最為顯著；從知識(shí)密集型服務(wù)業(yè)本身來(lái)看，除整體上表現(xiàn)出明顯的空間集聚發(fā)展特征之外，金融業(yè)空間集聚程度最高，并且政府行為和城市(區(qū)域)開(kāi)放度對(duì)長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)空間集聚發(fā)展影響最為顯著。

關(guān)鍵詞：長(zhǎng)三角；知識(shí)密集型服務(wù)業(yè)；空間集聚；測(cè)度

隨著經(jīng)濟(jì)地理學(xué)研究視角的興起，知識(shí)密集型服務(wù)業(yè)空間集聚的研究逐漸成為學(xué)術(shù)界的熱點(diǎn)問(wèn)題[1-6]。

通過(guò)對(duì)知識(shí)密集型服務(wù)業(yè)空間集聚程度的測(cè)度，可以更好的分析產(chǎn)業(yè)空間分布狀況，為地區(qū)知識(shí)密集型服務(wù)業(yè)發(fā)展戰(zhàn)略制定、區(qū)域產(chǎn)業(yè)結(jié)構(gòu)調(diào)整提供可靠的理論依據(jù)。

1研究方法與數(shù)據(jù)

1.1研究方法

(1)空間基尼系數(shù)(G)：產(chǎn)業(yè)集中度測(cè)量。

空間基尼系數(shù)是衡量產(chǎn)業(yè)空間集聚程度的重要指標(biāo)之一。

(1)

式中：G代表空間基尼系數(shù)；n為城市數(shù)量；Si為第i個(gè)城市知識(shí)密集型服務(wù)業(yè)就業(yè)人數(shù)占整個(gè)長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)就業(yè)人數(shù)的比重；Xi為第i個(gè)城市就業(yè)人數(shù)占長(zhǎng)三角總就業(yè)人數(shù)的比重。G值處于0和1之間，若G值接近于0，說(shuō)明產(chǎn)業(yè)空間分布較均衡，若G值接近1，則產(chǎn)業(yè)集聚程度較強(qiáng)。

(2)赫芬達(dá)爾指數(shù)(H)：企業(yè)集中度測(cè)量。

赫芬達(dá)爾指數(shù)主要反映知識(shí)密集型服務(wù)業(yè)各行業(yè)內(nèi)企業(yè)集聚程度。

(2)

其中，Si=Xi/X，X代表市場(chǎng)總規(guī)模；Xi代表i企業(yè)的規(guī)模，n代表產(chǎn)業(yè)內(nèi)部的企業(yè)數(shù)。運(yùn)用就業(yè)人數(shù)測(cè)算赫芬達(dá)爾指數(shù)。

(3)EG指數(shù)：產(chǎn)業(yè)集聚結(jié)構(gòu)測(cè)量。

運(yùn)用EG指數(shù)對(duì)長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)的空間集聚程度進(jìn)行考量[7]。

(3)

其中，G、H表示空間基尼系數(shù)、赫芬達(dá)爾指數(shù)。γEG越小，產(chǎn)業(yè)集聚結(jié)構(gòu)越好；反之，則相反。

(4)區(qū)位商：產(chǎn)業(yè)專業(yè)化程度測(cè)量。

選用區(qū)位商(Q)來(lái)反映某產(chǎn)業(yè)在特定區(qū)域的相對(duì)集中度，發(fā)現(xiàn)該區(qū)域具有優(yōu)勢(shì)地位的專業(yè)化產(chǎn)業(yè)。

(4)

其中：∑ei為各市分行業(yè)總就業(yè)人數(shù)之和；∑Ei為長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)就業(yè)總?cè)藬?shù)。Q越大，說(shuō)明該地區(qū)產(chǎn)業(yè)專業(yè)化優(yōu)勢(shì)越明顯。若Q>1，表明該區(qū)域該產(chǎn)業(yè)的專業(yè)化優(yōu)勢(shì)顯著；若Q<1，說(shuō)明其專業(yè)化優(yōu)勢(shì)有待提高。

1.2數(shù)據(jù)來(lái)源

以信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)、金融業(yè)、租賃和商務(wù)服務(wù)業(yè)、科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)為特定研究對(duì)象，以長(zhǎng)三角為研究區(qū)域，以就業(yè)人數(shù)反映知識(shí)密集型服務(wù)業(yè)的發(fā)展水平，數(shù)據(jù)來(lái)自《中國(guó)城市統(tǒng)計(jì)年鑒》。

2長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)集聚水平分析

2.1知識(shí)密集型服務(wù)業(yè)發(fā)展規(guī)律特征

通過(guò)對(duì)數(shù)據(jù)進(jìn)行分析，繪制長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)就業(yè)人數(shù)及知識(shí)密集型服務(wù)業(yè)產(chǎn)值占第三產(chǎn)業(yè)比重可視圖(見(jiàn)圖1)。

由圖1可見(jiàn)，就業(yè)人數(shù)方面，長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)以及四個(gè)子行業(yè)在考察期表現(xiàn)出不斷增強(qiáng)的吸納社會(huì)勞動(dòng)的能力。金融業(yè)、租賃及商務(wù)服務(wù)業(yè)作為傳統(tǒng)知識(shí)密集型服務(wù)業(yè)的重要組成，其對(duì)知識(shí)密集型服務(wù)業(yè)的貢獻(xiàn)更加顯著，但科學(xué)研究與技術(shù)服務(wù)業(yè)表現(xiàn)出強(qiáng)勁的后來(lái)居上勢(shì)頭。這與新時(shí)代背景下經(jīng)濟(jì)發(fā)展的技術(shù)高要求密不可分。整體來(lái)看，在考察期，長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)就業(yè)人數(shù)在第三產(chǎn)業(yè)就業(yè)人數(shù)中所占的比例呈現(xiàn)穩(wěn)健的逐年上漲趨勢(shì)。四個(gè)分行業(yè)來(lái)看，其就業(yè)人數(shù)在第三產(chǎn)業(yè)就業(yè)人數(shù)中所占的比例也表現(xiàn)出統(tǒng)一的穩(wěn)中增長(zhǎng)特征。租賃與商務(wù)服務(wù)業(yè)就業(yè)人數(shù)在第三產(chǎn)業(yè)就業(yè)人數(shù)中所占的比例從2004年到2005年增長(zhǎng)了4.19個(gè)百分點(diǎn)，此后呈逐年下降的趨勢(shì)。而信息傳輸、計(jì)算機(jī)服務(wù)與軟件業(yè)就業(yè)人數(shù)在第三產(chǎn)業(yè)就業(yè)人數(shù)中所占比例變化最為平穩(wěn)。行業(yè)產(chǎn)值方面，第一，長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)整體平穩(wěn)增長(zhǎng)。其中，2004年到2008年增長(zhǎng)較快，其占第三產(chǎn)業(yè)產(chǎn)值的比例上升幅度達(dá)到6.43%。而在2009年到2013年間，則表現(xiàn)穩(wěn)定。第二，金融業(yè)是知識(shí)密集型服務(wù)業(yè)發(fā)展的中堅(jiān)力量。這主要表現(xiàn)為，金融業(yè)的變化規(guī)律基本延續(xù)了知識(shí)密集型服務(wù)業(yè)的整體特征，同樣表現(xiàn)出以2008年為分界點(diǎn)的前后兩個(gè)發(fā)展時(shí)期。本文認(rèn)為，這主要是由于受2008年金融危機(jī)的影響，長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)以及金融業(yè)發(fā)展腳步逐步放緩，雖然經(jīng)濟(jì)危機(jī)對(duì)長(zhǎng)三角產(chǎn)生了一系列負(fù)面效應(yīng)，但由于經(jīng)濟(jì)危機(jī)產(chǎn)生的影響具有一定滯后性，而恰逢2010年上海世博會(huì)召開(kāi)，為長(zhǎng)三角經(jīng)濟(jì)的發(fā)展注入了一劑有效的強(qiáng)心劑，使其在2010年經(jīng)濟(jì)危機(jī)負(fù)面效應(yīng)作用的同時(shí)，仍然能夠保持平穩(wěn)的經(jīng)濟(jì)發(fā)展態(tài)勢(shì)。第三，信息傳輸、計(jì)算機(jī)服務(wù)與軟件業(yè)、科學(xué)研究與技術(shù)服務(wù)業(yè)、租賃及商務(wù)服務(wù)業(yè)產(chǎn)值占第三產(chǎn)業(yè)產(chǎn)值的比例變化較為平穩(wěn)。

圖1　2004—2013年長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)就業(yè)人數(shù)及產(chǎn)值占第三產(chǎn)業(yè)比重

2.2知識(shí)密集型服務(wù)業(yè)空間集聚程度測(cè)度

(1)行業(yè)整體空間集聚呈“草帽”狀，科學(xué)研究與技術(shù)服務(wù)業(yè)的空間集聚程度最高。應(yīng)用空間基尼系數(shù)測(cè)度知識(shí)密集型服務(wù)業(yè)空間集聚程度，分行業(yè)來(lái)看，科學(xué)研究與技術(shù)服務(wù)業(yè)的空間基尼系數(shù)最高，租賃與商務(wù)服務(wù)業(yè)次之，信息傳輸、計(jì)算機(jī)服務(wù)與軟件業(yè)排在第三位，金融業(yè)最小。整體來(lái)看，其呈現(xiàn)出以2007、2011年為分界點(diǎn)，以2009年為中心的“草帽”形狀。分行業(yè)層面，科學(xué)研究與技術(shù)服務(wù)業(yè)倒“U”型特征顯著，其空間基尼系數(shù)在2008—2010年達(dá)到較高水平，是唯一超過(guò)0.1的行業(yè)，這表明，該行業(yè)的空間集聚程度在此期間達(dá)到頂峰，并為知識(shí)密集型服務(wù)業(yè)“草帽”形狀中的“帽蓋”做出了重要貢獻(xiàn)。租賃及商務(wù)服務(wù)業(yè)的空間基尼系數(shù)總體呈下降趨勢(shì)，空間集聚程度不斷減弱。而對(duì)于金融業(yè)和信息傳輸、計(jì)算機(jī)服務(wù)與軟件業(yè)來(lái)說(shuō)，其穩(wěn)步上升的空間基尼系數(shù)表明了二者不斷增強(qiáng)的空間集聚特征。

(2)企業(yè)集中度整體呈波浪形狀，金融企業(yè)的集中程度最高。應(yīng)用赫芬達(dá)爾指數(shù)測(cè)度知識(shí)密集型服務(wù)業(yè)企業(yè)集中度，分行業(yè)來(lái)看，金融業(yè)的赫芬達(dá)爾指數(shù)最高，租賃與商務(wù)服務(wù)業(yè)次之，科學(xué)研究與技術(shù)服務(wù)業(yè)排在第三位，信息傳輸、計(jì)算機(jī)服務(wù)與軟件業(yè)處于第四位。整體來(lái)看，長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)赫芬達(dá)爾指數(shù)呈現(xiàn)出以2004年為起點(diǎn)的波浪式下降特征，即整個(gè)行業(yè)內(nèi)企業(yè)的積聚程度波動(dòng)下降。分行業(yè)層面，金融業(yè)在赫芬達(dá)爾指數(shù)中的表現(xiàn)較為突出，雖然整體表現(xiàn)出下降趨勢(shì)，但其所代表的該行業(yè)內(nèi)企業(yè)的空間集聚程度仍然是最高的。這是由于金融業(yè)的發(fā)展體現(xiàn)出強(qiáng)烈的經(jīng)濟(jì)依賴，長(zhǎng)三角為金融業(yè)的發(fā)展提供了良好的市場(chǎng)環(huán)境。租賃與商務(wù)服務(wù)業(yè)在2005年和2013年，赫芬達(dá)爾指數(shù)處于較高點(diǎn)，說(shuō)明該行業(yè)在這兩個(gè)年度企業(yè)集中程度較高。而科學(xué)研究與技術(shù)服務(wù)業(yè)、信息傳輸和計(jì)算機(jī)服務(wù)與軟件業(yè)的赫芬達(dá)爾指數(shù)變化表現(xiàn)出相同的波動(dòng)特征，只是科學(xué)研究與技術(shù)服務(wù)企業(yè)的集中程度要略高于信息傳輸、計(jì)算機(jī)服務(wù)與軟件業(yè)。本文認(rèn)為，隨著信息傳輸行業(yè)的壟斷程度不斷提高，將直接帶動(dòng)信息傳輸、計(jì)算機(jī)及軟件行業(yè)內(nèi)企業(yè)聚集程度的不斷增強(qiáng)。

(3)行業(yè)整體集聚結(jié)構(gòu)優(yōu)良，金融業(yè)空間集聚結(jié)構(gòu)最優(yōu)。應(yīng)用EG指數(shù)測(cè)算知識(shí)密集型服務(wù)業(yè)的產(chǎn)業(yè)空間集聚結(jié)構(gòu)，分析空間集聚結(jié)構(gòu)的優(yōu)劣，如表1。長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)及其下屬金融業(yè)的EG指數(shù)均小于零，這表明二者具有良好的產(chǎn)業(yè)空間集聚結(jié)構(gòu)。一方面，長(zhǎng)三角地區(qū)發(fā)達(dá)的經(jīng)濟(jì)水平為金融業(yè)提供了優(yōu)良的發(fā)展環(huán)境，促進(jìn)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(shí)也是長(zhǎng)三角的核心城市，其發(fā)展有力帶動(dòng)了整個(gè)長(zhǎng)三角“雁型”結(jié)構(gòu)中“兩翼”的突飛猛進(jìn)，從而為長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)的發(fā)展注入活力。分行業(yè)來(lái)看，信息傳輸、計(jì)算機(jī)服務(wù)與軟件業(yè)的EG指數(shù)較小，不斷上升也說(shuō)明其空間集聚特征相對(duì)較優(yōu)。租賃與商務(wù)服務(wù)業(yè)的空間集聚結(jié)構(gòu)要劣于信息傳輸業(yè)，但與信息傳輸業(yè)相反的是，其EG指數(shù)表現(xiàn)出顯著的下降趨勢(shì)，表明其行業(yè)內(nèi)部集聚結(jié)構(gòu)不斷優(yōu)化。EG指數(shù)最高的是科學(xué)研究與技術(shù)服務(wù)業(yè)，但行業(yè)內(nèi)集聚結(jié)構(gòu)的優(yōu)劣存在一定波動(dòng)性。

表1　2004—2013年長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)EG指數(shù)

2.3知識(shí)密集型服務(wù)業(yè)專業(yè)化水平評(píng)價(jià)

應(yīng)用區(qū)位商評(píng)價(jià)長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)的專業(yè)化水平，四個(gè)分行業(yè)中金融業(yè)的專業(yè)化水平最高。信息傳輸、計(jì)算機(jī)服務(wù)與軟件業(yè)次之，其區(qū)位商基本保持在0.9左右，表明其一直保持著較高的專業(yè)化水平。租賃與商務(wù)服務(wù)業(yè)的專業(yè)化水平則相對(duì)高于排在最后的科學(xué)研究與技術(shù)服務(wù)業(yè)。

篇幅所限，本文對(duì)區(qū)位商進(jìn)行平均化處理，考察知識(shí)密集型服務(wù)業(yè)專業(yè)化發(fā)展的空間特征，見(jiàn)表2。整體來(lái)看，25個(gè)城市中，知識(shí)密集型服務(wù)業(yè)整體區(qū)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(jīng)濟(jì)發(fā)展水平、宏觀政策、人才集聚等方面的優(yōu)勢(shì)成為長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)專業(yè)化水平最高的城市。江蘇省的無(wú)錫、常州、南通、連云港、淮安、鹽城、揚(yáng)州、鎮(zhèn)江、泰州以及浙江省的寧波、湖州、金華、臺(tái)州區(qū)位商平均值均在0.7以上水平，其知識(shí)密集型服務(wù)業(yè)同樣表現(xiàn)出較高的專業(yè)化水平。剩余6個(gè)城市的區(qū)位商指數(shù)處于0.7以下水平，知識(shí)密集型服務(wù)業(yè)的專業(yè)化水平相對(duì)較低。分行業(yè)而言，金融業(yè)區(qū)位商平均值大于1的城市最多，共有上海等十個(gè)城市，這說(shuō)明，金融業(yè)的專業(yè)化發(fā)展優(yōu)勢(shì)從空間層面而言主要集中在以上城市。信息傳輸、計(jì)算機(jī)服務(wù)與軟件業(yè)區(qū)位商平均值大于1的城市有8個(gè)，同樣表現(xiàn)出一定的專業(yè)化空間集聚優(yōu)勢(shì)。租賃及商務(wù)服務(wù)業(yè)區(qū)位商平均值大于1的城市有5個(gè)，科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)區(qū)位商指數(shù)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(yè)以及知識(shí)密集型服務(wù)業(yè)整體區(qū)位商方面均表現(xiàn)出強(qiáng)勁優(yōu)勢(shì)，這和上海的實(shí)際發(fā)展情況是相吻合的。

表2　2004—2013年長(zhǎng)三角各城市知識(shí)密集型服務(wù)業(yè)及其各行業(yè)區(qū)位商平均值

3長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)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(chǔ)上，結(jié)合長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)發(fā)展實(shí)際情況，提出區(qū)域經(jīng)濟(jì)發(fā)展水平、城市(區(qū)域)開(kāi)放度、教育支撐、信息技術(shù)以及政府行為作為主要因素，選擇相應(yīng)的顯性指標(biāo)使其表象化。具體見(jiàn)表3。

表3　變量選擇及其含義

3.2全局空間自相關(guān)

為了更好地反映長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)空間臨近程度，運(yùn)用空間自相關(guān)指數(shù)對(duì)2013年知識(shí)密集型服務(wù)業(yè)進(jìn)行分析，并運(yùn)用Geoda軟件得到全局空間自相關(guān)系數(shù)的估計(jì)值為0.257，P值為0.009，通過(guò)1%的顯著性水平檢驗(yàn)，結(jié)果表明，長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)發(fā)展表現(xiàn)出地理空間上的集聚效應(yīng)，并符合空間滯后分析及誤差分析要求。

全局空間自相關(guān)指數(shù)計(jì)算公式為:

(5)

3.3空間滯后與誤差模型

選擇2013年數(shù)據(jù)，運(yùn)用空間滯后模型(SLM)和空間誤差模型(SEM)進(jìn)行分析，以此確定各因素對(duì)長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)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(zhǎng)三角知識(shí)密集型服務(wù)業(yè)就業(yè)人數(shù)(TIW)；W為空間權(quán)重矩陣；Wy為空間滯后模型中的因變量；ε為隨機(jī)誤差項(xiàng)；β為自變量對(duì)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(jī)誤差項(xiàng)；λ為空間誤差系數(shù)；μ為正態(tài)分布隨機(jī)誤差項(xiàng)；β為自變量對(duì)因變量影響程度[9]。

3.4實(shí)證結(jié)果

運(yùn)用Geoda軟件，對(duì)數(shù)據(jù)及模型進(jìn)行系統(tǒng)分析，見(jiàn)表4。

表4　空間滯后和空間誤差模型ML估計(jì)結(jié)果

分析發(fā)現(xiàn)，空間誤差模型擬合優(yōu)度(0.907)優(yōu)于空間滯后模型的擬合優(yōu)度(0.892)。此外，空間誤差模型SEM的對(duì)數(shù)似然值(4.525)大于SLM的對(duì)數(shù)似然值(4.430)，同時(shí)，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(yàn)。比較而言，空間誤差模型在長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)影響因素的評(píng)判中表現(xiàn)較優(yōu)。兩個(gè)模型中信息技術(shù)的系數(shù)都是負(fù)數(shù)(-0.109，-0.179)，這種負(fù)向影響主要是由于信息技術(shù)的發(fā)展突破了傳統(tǒng)產(chǎn)業(yè)發(fā)展供需空間上的距離障礙，使市場(chǎng)對(duì)于知識(shí)密集型服務(wù)業(yè)的需求即使在距離較遠(yuǎn)情況下，業(yè)能夠?qū)崿F(xiàn)優(yōu)質(zhì)供給，從而限制了行業(yè)空間集聚發(fā)展。另外，政府行為對(duì)長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)空間集聚的影響雖然在空間滯后模型中表現(xiàn)為負(fù)值(-0.179)，但在表現(xiàn)較優(yōu)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(shù)均為正，并且政府行為和城市開(kāi)放度對(duì)知識(shí)密集型服務(wù)業(yè)空間集聚正向影響顯著。這是由知識(shí)密集型服務(wù)業(yè)高知識(shí)密集度特點(diǎn)決定的，政府科教投入的擴(kuò)大對(duì)知識(shí)密集型服務(wù)業(yè)發(fā)展提供智力支撐至關(guān)重要。

4結(jié)論與建議

長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)整體表現(xiàn)出明顯的空間集聚特征，其中尤以科學(xué)研究與技術(shù)服務(wù)業(yè)的空間集聚程度最為顯著；然而，從各行業(yè)內(nèi)部的企業(yè)集中度、集聚結(jié)構(gòu)以及專業(yè)化水平來(lái)看，金融業(yè)首當(dāng)其沖排在第一位。

總體上看，上海在長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)空間集聚發(fā)展的格局形成中起著至關(guān)重要的吸納輻射作用，應(yīng)繼續(xù)發(fā)揮其龍頭作用；鑒于政府行為和城市(區(qū)域)開(kāi)放度在知識(shí)密集型服務(wù)業(yè)空間集聚發(fā)展中的重要影響，高速發(fā)展的經(jīng)濟(jì)、開(kāi)放的城市文化為吸引優(yōu)秀人才提供了良好的社會(huì)環(huán)境，而政府在科教支出上的財(cái)政支持，則提供了重要的智力支撐。由此，長(zhǎng)三角各城市應(yīng)該特別注重從提高城市(區(qū)域)開(kāi)放程度，優(yōu)化知識(shí)密集型服務(wù)業(yè)發(fā)展環(huán)境，提高政府引導(dǎo)地位等方面，促進(jìn)知識(shí)密集型服務(wù)業(yè)空間集聚發(fā)展，并充分發(fā)揮產(chǎn)業(yè)集聚所帶來(lái)的品牌效應(yīng)和輻射功能，從而實(shí)現(xiàn)長(zhǎng)三角知識(shí)密集型服務(wù)業(yè)品牌構(gòu)建與集聚發(fā)展的良性循環(huán)。

參考文獻(xiàn)：

[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(chǎn)業(yè)集群中知識(shí)密集型服務(wù)業(yè)的功能研究[J]科技進(jìn)步與對(duì)策，2004,(12):7-9.

[4]陳守明,張志鵬.知識(shí)密集型服務(wù)業(yè)集群內(nèi)企業(yè)間知識(shí)轉(zhuǎn)移影響因素——環(huán)同濟(jì)建筑設(shè)計(jì)產(chǎn)業(yè)帶的實(shí)證研究[J].財(cái)貿(mào)研究,2009，(5):116-125.

[5]趙炎,周文.基于粗糙集理論的知識(shí)密集型服務(wù)業(yè)集群創(chuàng)新能力評(píng)價(jià)研究[J].軟科學(xué),2009，(4):46-49+55.

[6]朱海燕.知識(shí)密集型服務(wù)業(yè)嵌入與內(nèi)生型產(chǎn)業(yè)集群網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化[J].經(jīng)濟(jì)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(guān)的數(shù)據(jù)分析方法與應(yīng)用研究-南亞海嘯對(duì)海洋生態(tài)因子的影響為例[D].蘭州:蘭州大學(xué),2009.

[9]顧偉平.我國(guó)制造業(yè)集聚及其影響因素的空間統(tǒng)計(jì)研究[D].蚌埠:安徽財(cái)經(jīng)大學(xué),2011.

(責(zé)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(hào):K902

文獻(xiàn)標(biāo)識(shí)碼:A

作者簡(jiǎn)介：鄒德玲(1980-)，女，吉林柳河人，博士生，講師;研究方向：服務(wù)創(chuàng)新。

收稿日期：2015-04-15

基金項(xiàng)目：浙江省社科規(guī)劃課題成果(14NDJC240YB、15NDJC244YB),國(guó)家社科基金重大項(xiàng)目(14ZDA024),教育部人文社會(huì)科學(xué)基金項(xiàng)目(14YJC790018),中國(guó)、江蘇省博士后科學(xué)基金(2014M561607、1401003C),浙江省高校人文社科重大項(xiàng)目攻關(guān)計(jì)劃(2013QN045),并受浙江省哲社重點(diǎn)研究基地—臨港現(xiàn)代服務(wù)業(yè)與創(chuàng)意文化研究中心資助。