中国生产性服务业的市场潜力与空间分布_中国制造业论文

中国生产性服务业市场潜能与空间分布，本文主要内容关键词为：潜能论文,中国论文,服务业论文,市场论文,空间论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

       修订日期：2015-03-13

       中图分类号：F719 文献标识码：A 文章编号：1000～0690(2016)01～0001～09

       席强敏，陈曦，李国平.中国生产性服务业市场潜能与空间分布——基于面板工具模型的实证研究[J].地理科学，2016，36(1)：1～9.[Xi Qiangmin,Chen Xi,Li Guoping.Market Potential and Spatial Distribution of Producer Services in China:An Empirical Research Based on Panel Model with Instrument Variables.Scientia Geographica Sinica,2016,36(1):1～9.]doi:10.13249/j.cnki.sgs.2016.01.001

       自新古典经济学时代以来，对于产业空间布局和集聚现象的研究一直是学术界关注的热点问题之一。新古典经济理论强调第一自然因素的作用，对经济活动空间分布的研究更多的关注了区域自身特征的影响[1～3]，如要素禀赋、经济结构、技术水平等。新经济地理理论兴起后，研究者们更强调第二自然因素，将空间因素纳入一般均衡的分析框架中[4～6]，如外部性、运输成本、规模报酬递增等，对经济活动的空间分布规律和空间集聚机制进行了更为深入的探讨，并提出市场潜能效应[7～9]，从更全面的角度考察了经济地理在经济活动空间分布中的作用。

       在市场潜能对经济活动影响的研究方面，Redding和Venables、Keith和Thierry的相关研究均论证了市场潜能通过贸易对产业集聚产生重要影响，研究得出市场潜能对于工资收入、就业率和吸引制造业投资存在正向影响[10～12]。周伟林等、刘修岩等学者以中国为研究对象，分别从省级和地级城市层面实证得出市场潜能对中国制造业空间集聚具有显著的正向影响[13，14]；赵增耀和夏斌则进一步将市场潜能进行细分，研究得出国内市场潜能、国外市场潜能和周边市场潜能与工业集聚之间的关系有所不同[15]。

       已有关于市场潜能的实证研究大多关注制造业，通过企业利润最大化和工资水平提升等作用机制阐释市场潜能对制造业空间分布产生的影响，而对在区域经济发展中作用日益突出的生产性服务业空间分布影响机制的研究则比较缺乏。目前关于生产性服务业空间分布的研究相比于制造业的研究还不够系统全面，大多关注对生产性服务业集聚现象的理论推理和对集聚特征与模式的实证分析[16～19]，探究影响因素的实证研究相对较少[20]，更缺乏新经济地理学视角下的考虑市场潜能因素的相关研究。因此，本研究将以中国地级城市生产性服务业为研究对象，利用面板工具计量模型，重点对生产性服务业市场潜能与其空间分布之间的关系进行实证研究。

       1 数据说明和研究方法

       1.1 数据范围界定

       根据《国民经济行业分类(GB/T4754～2011)行业分类国家标准》对于服务业的分类界定和《国民经济和社会发展第十一个五年规划纲要》中将生产性服务业分为交通运输业、现代物流业、金融服务业、信息服务业和商务服务业，本文将二位数行业代码在53～60和63～75区间内的服务业确定为生产性服务业，即交通运输、仓储和邮政业，信息传输、计算机服务和软件业，金融业，房地产业，租赁和商务服务业，科学研究和技术服务业六大类①。由于《国民经济行业分类》(GB/T4754～2002)与《国民经济行业分类》(GB/T4754～1994)相比，关于服务业细分行业的分类发生了较大的调整，这种调整使得2003年前后生产性服务业细分行业的数据可比性较低，所以本文研究的时间段是2003～2012年，研究对象是中国地级及以上城市(不包括港澳台地区)，数据来源于2004～2013年《中国城市统计年鉴》[21]。

       在关于制造业的研究中，国内外很多学者大多用工业产值来衡量产业发展水平和进行指标测算，由于制造业产品是有形的，在统计口径和统计方法上都已经较为完善，采用这样的指标有一定的合理性，但是对于服务业而言，目前学术界普遍认为中国关于服务业行业增加值的统计被严重低估[22，23]，因此采用产值来衡量地区服务业发展水平不太合适，另外关于各城市生产性服务业细分行业的从业人数数据远比产值数据全面，因此本文的研究均采用各地级市生产性服务业细分行业的从业人员数据进行指标测算。

       1.2 面板工具变量模型

       虽然面板计量模型能够在一定程度上处理个体异质性问题，但如果回归模型包含内生解释变量，会产生内生性，为了克服内生性，在面板计量回归模型中需要使用工具变量法。面板工具变量模型在回归时通常分为两步，即首先对模型进行变化以解决个体异质性问题(比如使用固定效应模型或者一阶差分法)，然后对变换后的模型使用二阶段最小二乘法[24]。

       2 生产性服务业及其市场潜能的空间分布特征

       2.1 生产性服务业空间分布特征

       传统的服务经济学认为，服务业的产品和制造业产品有着巨大的差别，其中最主要的一条是库存和运输的不可分性，这使得服务一般被认为是不可贸易的，从而在空间布局上倾向于分散，难以形成集聚。但是生产性服务业的发展使得这种观点受到挑战。Krugman[8]研究得出，作为中间投入的生产性服务业，比如金融服务业是可以贸易的，从而可以服务到周边地区，进而形成一些区域性的集聚中心，比如哈特福德是保险业集聚的中心，芝加哥是期货交易中心，洛杉矶是娱乐中心。大部分生产性服务业由于其可贸易的产业特征导致这些行业在区域中心城市呈现空间集聚的特征。

       利用自然断点分类法进行聚类分析，得到图1。从图1显示的2012年生产性服务业在中国地级城市的空间分布情况可以看出，生产性服务业主要集中在区域中心城市②。2012年区域中心城市的生产性服务业就业人数占全国的份额高达56％，就业密度是非区域中心城市生产性服务业就业密度的11.8倍。从生产性服务业各行业来看，商务服务业和科技服务业在区域中心城市集聚的特征最为显著，占全国份额分别高达65.5％、62.6％，就业密度分别是非区域中心城市的17.5倍和15.5倍。

       从时序变化上来看，生产性服务业向区域中心城市集聚的特征越来越显著，中心城市生产性服务业占全国的份额由2003年的48.2％上升到2012年的56％，提高了7.8％(图2)。①分行业来看，信息服务业向区域中心城市加速集聚的特征最为突出，份额上升了12.7％，其中北京、重庆、西安、杭州等中心城市信息服务业的就业份额分别上升了6.5％、3.5％、2.7％、2.5％。②分城市来看，重庆、深圳、北京、杭州4个中心城市的生产性服务业在2003～2012年的份额上升最大，分别上升了2.6％、1.8％、1.7％和1.3％。

      

       图1 2012年生产性服务业空间分布(a)及2003～2012年变动(b)

      

       图2 2003、2012年区域中心城市生产性服务行业就业人数占全国份额

       2.2 市场潜能空间分布特征

       对于生产性服务业而言，一个地区第二产业规模及其周边地区的第二产业规模是其潜在的最主要的需求规模，需求规模越大，市场潜能也相应越大。虽然第一产业和第三产业也会产生一定的生产性服务业需求，但本研究通过对《2007年中国投入产出表》测度发现[25]，每单位生产性服务业产出中有0.6单位投入到第二产业中，其中每单位科技研发业产出中投入到第二产业中的比例高达80％，所以第二产业的规模大小是生产性服务业市场需求规模的最主要组成部分，也是本研究关注的重点。故本文借鉴Harris[7]的度量方法基于第二产业的规模大小来衡量各地级城市生产性服务业的市场潜能(p)，计算公式如下：

      

       式中，i、j分别代表城市i和城市j；Y代表各城市第二产业生产总值；

代表两个城市中心之间的欧式直线距离，根据国家测绘局公布的国家基础地理信息系统中的中国1∶400万地形数据库整理得出。各地级市的内部距离

=0.66L/π，其中L为各地级市的土地面积[26]。

       从图3显示的2012年生产性服务业市场潜能在全国的空间分布情况可以看出，生产性服务业市场潜能大体上呈现由沿海地区向内陆地区逐渐减弱的趋势，市场潜能高的地区主要集中在长三角、珠三角和环渤海区域，西部地区和东北地区的市场潜能都相对较小，但从2003～2012年市场潜能的空间变动趋势来看，随着国家实施西部大开发和促进中部地区崛起战略的大力推进，中西部地区生产性服务业市场潜能的增长明显大于东部沿海地区的市场潜能的增长，东部沿海地区与中西部地区生产性服务业的市场潜能差距在缩小。

      

       图3 2012年生产性服务业市场潜能空间分布(a)及2003～2012年市场潜能变动(b)

       3 市场潜能与生产性服务业空间分布的实证研究

       3.1 核心假设

       市场潜能的概念最早由Harris于1954年提出[7]，他采用以空间距离为权重的所有其他地区国内生产总值的加总来衡量一个地区所生产的产品和服务的潜在需求规模。20世纪90年代初，由Krugman等人所开创的新经济地理学基于垄断竞争、收益递增和运输成本相结合的一般均衡模型重新推导出包含市场潜能函数的工资方程，从而为传统的市场潜能研究提供了坚实的理论基础[9]。

       新经济地理学模型揭示：在规模收益递增和存在运输成本的情况下，企业总是选择在市场潜能较大的地区进行生产，因为在这些地区企业可以最大限度地节省产品销售到消费者或产业下游企业和从产业上游企业购买中间投入品时的运输成本。生产性服务业是作为第二产业的中间投入、与第二产业直接相关的配套服务业[27]。对于生产性服务业而言，一个地区第二产业规模及其周边地区的第二产业规模是其潜在的需求规模。生产性服务业和第二产业两大部门之间存在较强的产业关联，生产性服务业部门是第二产业生产的“供应者”，第二产业则是生产性服务业部门的“需求者”。生产性服务业部门的发展可以降低第二产业的生产成本和交易成本，促进第二产业生产效率的提高，同时第二产业部门的发展能带来更多生产性服务投入的需求，并推动生产性服务业服务质量及效率的提升。生产性服务业部门为了减少与第二产业之间的“面对面”接触产生的交易成本，更好地了解第二产业对中间服务投入的需求和服务于较多的“需求者”，渴望在第二产业集聚区周围布局以获得市场竞争优势。此外，随着信息通讯技术的发展和交通运输成本的下降，生产性服务业的辐射范围不仅限于本地，而将市场范围扩散到周边城市。因此，生产性服务业分布不仅受对本地第二产业规模的影响，但同时也受周边城市第二产业规模的影响。故以本地第二产业规模和以空间距离为权重的周边城市第二产业规模的加总衡量的生产性服务业潜在市场规模会直接影响城市生产性服务业的空间分布，市场潜能越高的城市生产性服务业就业份额也相应越高。

       因此，本文提出核心假设：城市的生产性服务业就业份额与其市场潜能正相关。

       3.2 变量说明和模型设定

       前文的研究表明生产性服务业内各行业的产业分布特性差异较大，因此本文将生产性服务业整体及各行业作为实证分析的研究对象，选取各城市某行业从业人员数占全国该行业从业人员总数的份额来衡量行业的空间分布。

       为了增强模型的解释力，除了市场潜能这一主要解释变量以外，本模型还设立了一系列用于解释生产性服务业空间分布的控制变量。大多数生产性服务业企业都具有高度知识密集性，其区位选择的重要影响因素并不是传统区位理论认为的原材料、自然条件、运输成本等传统影响因素，而主要考虑与市场势能、劳动力成本、交通设施水平、高等教育水平、政府政策等因素，这些因素是生产性服务业集聚形成的主要影响因子。

       本文计量模型设定为：

      

       1)劳动力工资水平：生产性服务业提供的产品主要是服务，进而劳动力成本是生产性服务业的主要成本。生产性服务业企业在劳动力工资水平相对较低的城市能够降低经营成本，提高企业利润。因此本研究预测城市的生产性服务业就业份额与其劳动力工资负相关。劳动力工资变量用各市职工平均工资的对数衡量。

       2)交通设施水平：交通基础设施水平的提高，将降低生产性服务业的交易成本，提高生产性服务业的服务质量。城市交通设施条件的改善将促进生产性服务业向该城市的集中。因此本研究预测城市的生产性服务业就业份额与其交通设施水平正相关。交通设施水平用各市道路面积占全国的比重衡量。

       3)高等教育水平：高等教育水平较高的城市的人力资本素质相对较高，能够满足生产性服务业各行业对高素质人才的需求，有利于提高生产性服务业的服务质量。因此本研究预测城市的生产性服务业就业份额与其教育水平正相关。高等教育水平用各市高等学生数量占全国的份额衡量。

       4)政府政策：许多政府行为本身就构成一种对生产性服务业的替代，一个无所不包的政府会对一个地区的生产性服务业集聚产生抑制等负面作用，Rati[28]、Barro[29]等人的研究都验证了政府规模与服务业发展的负相关关系。基于此，本文假设城市的生产性服务业份额与其政府规模负相关。鉴于数据的可得性，用政府非公共财政支出占GDP的比重来衡量政府规模，即政府规模=(地方财政一般预算内支出-科学支出-教育支出-抚恤和社会福利救济支出-社会保障补助支出)/生产总值。

       3.3 模型估计与结果分析

       3.3.1 模型选择与内生性检验

       首先对以上面板模型进行豪斯曼检验，以确定模型到底采用固定效应还是个体效应。经过检验后各模型均应采用固定效应模型。

       按照固定效应模型对模型回归得到的结果显示，市场潜能的系数符号都与理论模型所预期的完全一致，但是估计结果都不显著。这其中很重要的一个原因是内生性问题造成的：在计算中国各地级城市生产性服务业市场潜能时，本研究将各地级城市的本地制造业对生产性服务业的市场需求规模也考虑在内。一般而言，一个城市生产性服务业的发展也会带动其制造业的发展。因此，一个地区较大的生产性服务业份额究竟是由该地区较大的市场潜能引起，还是相反就难以判断，也就是说生产性服务业就业份额和市场潜能之间可能存在联立内生性。考虑到数据的可获得性，设立的计量模型中遗漏了一些诸如资源禀赋等变量而可能导致市场潜能与随机误差项之间存有相关性，进而引致较为严重的内生性偏误。

       本文用Baum等[30]提出的内生性检验方法对市场潜能的内生性进行检验，检验方法是分别把市场潜能当做内生变量、外生变量，对两个回归结果的Sargan-Hanse统计量进行比较，检验的原假设是被检测变量是内生变量。检验结果显示市场潜能变量在生产性服务业及其各行业的回归模型中均显著地存在着内生性偏误。

       3.3.2 工具变量的选择与检验

       基于上述检验结果，本研究通过引入工具变量解决市场潜能的内生性问题。一个良好的工具变量必须满足两个条件：①这一变量与市场潜能相关；②这一变量与随机误差项不相关。借鉴前人的研究方法[31]，选取衡量各地级城市“地理中心度”的指标作为市场潜能的工具变量，其计算公式为：

      

       式中，c代表地理中心度，

代表城市i中心和城市j中心之间的欧式直线距离。同时本文还选取了市场潜能滞后一阶变量L.p当做工具变量。为检验工具变量的有效性，本文用under identification test[32]、Weak identification[33]和Sargan-Hansen test来进行检验。under identification test是利用工具变量回归方程的LM统计量检验工具变量对内生变量的相关性，原假设是工具变量不能有效地解释内生变量；Weak identification是对工具变量解释力的强弱进行检验，当统计量大于临界值时，表明工具变量对内生变量的解释力较强。Sargan-Hansen test是用GMM方法做过度识别检验，原假设是工具变量回归过度识别。检验结果显示本文选取地理中心度和市场潜能滞后一阶变量来作为市场潜能的工具变量是合理的。

       3.3.3 面板工具模型结果分析

       根据检验结果，本文的计量模型宜采用使用c、L.p作为p的工具变量，并进行GMM-FE方法进行估计。

       由表1显示的实证结果可以得出：①在控制了其他变量的影响之后，市场潜能变量p的回归系数符号在所有回归结果中均为正，由此说明一个地级城市的市场潜能对其生产性服务业及其各行业有正的影响。这与前文的理论假设一致，即一个地区生产性服务业的潜在市场需求越大，该地区代表性企业所获得的净利润就越多，从而促使以利润最大化为目标的企业向该地区集聚，其生产性服务业在全国的就业份额也就会越高。该结论与刘修岩等[16]对制造业分布与其市场潜能关系的实证结果相似。②从市场潜能回归系数的显著性上来看，市场潜能p对金融服务业和科技服务业集聚回归系数没有通过显著性检验，其余4个行业中商务服务业的空间分布受市场潜能的影响最为显著，且回归系数最大。③从其他控制变量的回归结果可以得出：生产性服务业及其大多数行业的空间分布显著地受劳动力工资水平w的影响，劳动力工资水平越低的城市对生产性服务业的吸引力越强；交通设施水平r、高等教育水平e对生产性服务业份额的影响为正且显著，与前文的理论预测相一致，其中商务服务业和房地产服务业受交通设施和高等教育的正向影响最为显著；政府规模g对大部分生产性服务业行业的回归系数为负，虽然没通过显著性检验，但在一定程度上表明政府规模越大，其政府行为本身就构成一种对生产性服务业的替代，从而会对一个城市的生产性服务业发展产生抑制作用。大部分生产性服务业行业的回归系数为负，虽然没通过显著性检验，但在一定程度上表明政府规模越大，其政府行为本身就构成一种对生产性服务业的替代，从而会对一个城市的生产性服务业发展产生抑制作用。

       为了进一步揭示生产性服务业分布受市场潜能影响在不同地区的差异性，本文分别对区域中心城市和周边城市的生产性服务业分布的影响因素进行了实证回归，为克服内生性，同样采用了工具变量下的固定效应模型(IV-FE)。由于本文重点关注的是市场潜能对生产性服务业空间分布的影响，所以表2仅列出了市场潜能的实证结果。

      

       对比区域中心城市和其他城市的实证结果可以发现：生产性服务业及其各行业在区域性中心城市的分布份额明显受市场潜能的正向影响，本地及周边的工业发展水平越高，中心城市的生产性服务业也随之发展得越快，换一个角度也可以说明中心城市的生产性服务业能够有效地服务于本地和周边市场。而非中心城市的生产性服务业受市场潜能的影响则不显著，分行业看仅有商务服务业、科技服务业和房地产业在10％的显著水平下通过了显著性检验，由此说明非中心城市的生产性服务业受市场潜能的带动作用不明显，潜在的市场需求不能有效地转换为生产性服务业的真正需求。

      

       4 结论与讨论

       本文分析了2003～2012年中国地级城市生产性服务业及其市场潜能的空间分布特征，并基于面板工具计量模型，实证研究了生产性服务业市场潜能对其空间分布的影响，得到如下结论：①生产性服务业高度集中在区域中心城市，并且集聚特征越来越显著，其中商务服务业和科技服务业的集聚特征最为显著；生产性服务业市场潜能主要集中在东部沿海地区，但从时序变化上，中西部地区生产性服务业市场潜能的增长明显快于东部沿海地区的市场潜能的增长，东部沿海地区与中西部地区生产性服务业的市场潜能差距不断缩小。②在控制了其他影响生产性服务业空间分布的影响因素，并利用工具变量克服了模型的内生性之后，市场潜能对生产性服务业就业份额的提高具有显著的正向影响。生产性服务业的潜在市场需求越大，该地区代表性企业所获得的净利润就越多，从而促使以利润最大化为目标的生产性服务业企业向该地区集聚。分行业看，商务服务业的空间分布受市场潜能的影响最大；分地区看，市场潜能对生产性服务业空间分布的影响主要体现在区域中心城市，而非中心城市的生产性服务业受市场潜能的带动作用不明显，潜在的市场需求尚未有效地转换为生产性服务业的真正需求。

       生产性服务业各行业受市场潜能的影响程度存在一定的差异，这其中的原因可能是由于各生产性服务行业的产业特性和服务方式不同，导致各行业的服务辐射范围会存在一定的差异，进而使各行业空间分布受包含本地市场和周边市场的市场潜能大小的影响程度不尽相同。当行业的服务辐射范围较大时，其有效市场覆盖范围也相对较大，由此在市场潜能大的地区能促进该行业的发展，而当行业的服务辐射范围较小时，市场潜能对其空间分布的影响程度较弱。此观点仅停留在推论阶段，在未来的研究中将进一步进行深入实证研究。另外，受中国地级市层面生产性服务业细分行业增加值的时间序列数据难以获取的限制，本文对生产性服务业发展水平的测度未能规避劳动生产率差异导致的偏差。

       区域中心城市由于自身优越的地理位置和较强的生产性服务业市场潜能，使中国生产性服务业向这些地区高度集聚，而这种空间集聚又进一步提高该地区的规模经济和市场潜能。在市场潜能差异的影响下，通过因果累积循环机制，区域性中心城市与非中心城市生产性服务业发展的差距越来越大。因此，在中国新型城镇化战略和区域经济协调发展大力推进的大背景下，本文认为中国在未来应大力促进工业与生产性服务业之间的融合发展，提高生产性服务业的市场潜能。同时要提高非中心城市的生产性服务水平，以满足工业转型升级过程对本地生产服务的需求，使工业对生产性服务的潜在需求转换为现实需求，缩小与中心城市之间生产性服务发展的差距。

       注释：

       ①为了叙述方便，本文将以上6类生产性服务业部门分别称为交通运输业、信息服务业、金融服务业、房地产服务业、商务服务业和科技研发业。

       ②本文把各省的行政中心(即省会城市)和直辖市作为各区域的中心城市。

标签：中国制造业论文;  集聚效应论文;  城市规模论文;  第二产业论文;