毛艳华， 蔡敏容

城市专业化、多样化与生产性服务业集聚*
——基于中国283个地级以上城市面板数据的实证研究

毛艳华， 蔡敏容

中国城市生产性服务业集聚发展的动力机制是什么？从城市专业化与多样化视角进行分析和阐述，并基于2004—2013年中国283个地级及以上城市相关数据，构建静态和动态面板模型进行经验验证。结果发现：1.无论从全国看还是从分区域看，城市生产性服务业集聚发展均具有自我强化的路径依赖作用；2.就城市专业化而言，中国城市生产性服务业集聚发展的主要力量源泉来自城市专业化水平的提高，尤其是中西部城市专业化水平的提高；3.就城市多样化而言，城市多样化水平与生产性服务业集聚间存在显著的“U型”非线性关系，中国当前正处于多样化水平提高促使生产性服务业集聚水平小幅下降的阶段。分区域看：东部城市多样化水平已突破拐点，生产性服务业集聚水平随多样化水平的提高而上升；而中西部城市多样化水平仍处于拐点之前，生产性服务业集聚水平随多样化水平的提高而下降。有关城市专业化与多样化对生产性服务业集聚的不同影响效应为中国城市发展路径选择提供了新的思路，对区域生产性服务业差异化集聚发展等具有重要的政策含义。

专业化； 多样化； 生产性服务业集聚； 城市化(Urbanization)

一、引 言

城市是现代经济活动的基本载体，有些城市只拥有少数专业化产业，如底特律、谢菲尔德、克莱蒙弗朗、丰田(Henderson，1997；Duranton & Puga，2000)，而有些城市却容纳了许多不同的产业，如纽约、东京等(Chinitz，1961；Fujita & Tabuchi，1997)。现代城市正经历从产业专业化*指广告业、汽车业等特定行业在城市的集中。向功能专业化*指管理、服务、生产等城市功能的专业化，可以是具有某个特定功能的不同产业在城市的集中。转变的阶段(Duranton & Puga，2005)，城市已成为生产性服务业*当前学术界对生产性服务业的界定存在争议。本文首先将中间需求率大于50%的服务业初步界定为生产性服务业，再结合美国商务部、英国、香港、联合国、OECD国家、日本、北京社科院、上海统计局、Coffey和Bailly等部分具有代表性的国家、地区、机构和学者对生产性服务业门类的划分，进行选择，最后结合我国现实对具有争议的行业进行进一步筛选，最终选取交通运输、仓储和邮政业，信息传输、计算机服务和软件业，批发和零售业，金融业，租赁和商务服务业，科学研究、技术服务和地质勘查业六个行业，作为本研究关注的生产性服务业。的集聚地。服务业是从制造业中分离出来的。服务业本身可以看作专业化的服务外包(Walker，1985；Abraham & Taylor，1996)，传统制造企业集聚以追求成本剩余为主，而服务企业集聚主要追求收益剩余；与传统制造业产品可储存和远距离传输不同，服务产品的生产和消费在时空上具有同一性(李文秀和谭力文，2008)，产业集聚理论并非全部适用于服务业集聚(Moulaert&Gallouj，1993)。在当前城市化高速发展的现实背景下，一系列城市问题日益严峻，生产性服务业作为中间投入性行业，其集聚发展对优化产业结构及空间布局，提升城市竞争力，实现新型城镇化建设具有战略性意义。因此，我们有必要以城市为视角，以生产性服务业为独立的研究对象，考察城市专业化、多样化与生产性服务业集聚之间的关系。我们力求回答两个问题：(一)在城市化视角下，究竟是专业化还是多样化有利于中国城市生产性服务业集聚经济发展？(二)专业化和多样化对东、中、西部城市生产性服务业集聚的影响是否存在显著差异？开展本研究具有重要的政策含义。一是如果专业化更重要，那么城市发展路径应该选择专业化于特定的产业，充分利用规模经济效应，实现标准化生产，促进生产性服务业集聚发展；如果多样化更重要，那么城市发展应该注重多样化产业的培育与发展，为城市创新提供良好的环境，依靠大城市实现生产性服务业集聚发展。二是如果专业化和多样化对东、中、西部生产性服务业集聚的影响存在显著差异，我们要为区域生产性服务业集聚发展提供差异化的政策引导，促进区域经济协调发展。

现有相关研究多以制造业或整体产业为对象，关注专业化及多样化对城市就业、产业发展及创新绩效的作用，而忽视了它们对生产性服务业集聚的直接影响。现有相关文献主要有3类。一是城市专业化和多样化对就业的影响。格莱泽等(Glaeser et al., 1992)采用美国1956—1987年170个城市6个产业的数据，发现多样化促进城市就业增长而专业化减少城市就业增长。库姆斯(Combes，2000)基于法国341个地区1984—1993年间包括工业和服务业的97个部门数据，发现多样化对大部分服务业的就业增长具有正影响而对大部分工业的就业增长具有负影响。二是城市专业化和多样化对产业发展的影响。Henderson(1997)采用1977—1990年面板数据研究动态外部性与产业发展的关系，发现专业化对产业发展的影响大于多样化。三是城市专业化和多样化对创新绩效的影响。费尔德曼和奥德斯(Feldman & Audretsch，1999)采用美国1982年企业创新数据(SBIDB)对城市创新的影响因素进行分析，结果表明多样化比专业化更有利于创新。杜兰顿和普伽(Duranton & Puga，2001)认为在多样化和专业化城市共存的“苗圃城市”*“苗圃城市”(Nursery Cities)来自于Duranton和Puga(2001)的文章，是指多样化城市和专业化城市共存的一种空间组织形式。城市多样化、创新过程和产品生命周期间存在密切联系，新产品在多样化城市中产生及试验，随后转移至专业化城市进行大规模生产以降低成本。中，创新产品常在多样化城市产生，进而转移到专业化城市进行大规模生产。孔善右(2010)基于省级层面面板数据，发现专业化和多样化都对区域创新有正影响。然而，中国地域辽阔，基于省域的研究必然忽视了城市产业结构、劳动力规模、经济发展程度等异质性，掩盖了专业化、多样化与生产性服务业集聚之间的真实关系。近年来，部分学者开始关注专业化和多样化对城市集聚经济的影响，如李金滟和宋德勇(2008)。然而，在中国经济由制造业经济向服务经济转型的背景下，将城市所有产业作为一个整体进行研究，必然会忽视生产性服务业的产业特性。

当前，研究生产性服务业集聚影响因素的文献大都沿用分析制造业集聚的范式，Moulaert和Gallouj(1993)基于服务业的特殊性曾对此提出质疑。本文拟在新古典经济学、城市经济学和新经济地理学的理论基础上，结合现有文献、生产性服务业的产业特性、中国生产性服务业发展现状及产业政策的特点，以地级及以上城市为研究单位，采用2004—2013年的相关数据建立动态面板数据模型，从要素禀赋、城市特征及制度环境3个维度构建生产性服务业集聚影响因素框架，重点考察中国城市专业化水平及多样化水平对生产性服务业集聚的影响，并分析其对东、中、西部城市生产性服务业集聚影响的差异，为中国城镇化路径选择、生产性服务业集聚发展及区域经济协调发展提供政策参考和决策依据。

二、理论假说、数据来源、变量选取与模型设定

(一)理论假说

国内外学者基于不同的产业范围、地理单位、时间跨度，对城市专业化和多样化与经济增长、产业发展、创新绩效的关系进行研究，得出多种不同甚至相反的结论：有显著影响或无显著影响、影响是正向或负向、影响是线性或非线性等。从我国产业发展现状看，首先，专业化水平较高的城市往往专业化于制造业，发达的制造业吸引了该行业及上下游相关产业的集聚，以共享规模经济、市场需求、知识溢出及人才供给，降低标准化生产成本，制造业的集聚发展促进了与其配套的交通运输、物流、金融等生产性服务业的集中，提高了城市生产性服务业集聚水平。其次，随着某一生产性服务业的发展，与其互补或共生的其他生产性服务业趋于共同集聚，进一步提高城市生产性服务业集聚水平。再次，专业化水平较高的城市，往往具有较为完善的公共基础设施及配套的资金、财税等政策措施，这也成为城市吸引生产性服务业集聚的另一个重要因素。因此，我们假设城市专业化水平越高，生产性服务业集聚水平越高。

H1：城市专业化水平对生产性服务业集聚有显著正影响。

服务业常集聚于大城市，大部分生产性服务业如交通运输、仓储和邮政业、金融业的集聚往往同时表现出总部在中心城市多样化集聚、分支机构及终端服务网络在中小城市分散两个突出的特征。在多样化水平较低时，城市多样化水平的提高促使劳动力逐步从交通运输、仓储和邮政业、批发和零售业、住宿和餐饮业等劳动密集型服务业向信息传输、计算机服务业和软件业、金融业、商业服务业等知识、技术密集的现代生产性服务业流动，生产性服务业的从业人数随着城市产业转型及结构调整而减少。此时以城市生产性服务业从业人员占所有城市生产性服务业平均从业人数比值来衡量的生产性服务业集聚水平呈现下降趋势；而当城市多样化发展到一定阶段时，多样化水平的进一步提高强化了城市正的外部性效应，发达的总部经济、良好的创新环境、巨大的市场潜能、完善的基础设施及配套的资金、人才、技术、财税等政策，吸引外围城市生产性服务业集聚，此时城市生产性服务业集聚水平呈现上升趋势。因此，我们认为城市多样化水平与生产性服务业集聚间存在“U型”关系。

H2：城市多样化水平与生产性服务业集聚程度之间存在显著的“U型”非线性关系。

(二)数据来源

本文数据主要来源于2004—2013年《中国统计年鉴》、《中国城市统计年鉴》、《中国科技统计年鉴》及国家地理信息系统1:400万电子地图。样本城市采用《中国城市统计年鉴》中除了六盘水市、思茅市及四平市外的283个地级以上城市，缺失某些年份数据及2004—2013年间经历了行政区划变化的城市，则利用均值插补法对其进行补充。我们采用Geoda0.95i及Stata12.0等工具对城市距离及面板数据进行处理。

(三)变量选取

1．因变量(Services)

产业集聚实际上是生产与人口分布在特定区域集聚的反映(李国平和范红忠，2003)，因此产业集聚程度测度既可以利用就业数据，也可以利用产出数据。国内外学者常用就业数据进行相关研究，例如埃里森等(Ellison et al., 2010)、路江涌和陶志刚(2006)等；也有部分学者用某产业产值与所有产业总产值的比重来衡量制造业集聚程度，如文(Wen，2004)。与制造业相比，生产性服务业具有突出的产业异质性，生产性服务产品具有无形性且可通过信息网络进行传递，大部分衡量制造业集聚的指标并不适用于生产性服务业集聚。同时，由于中国服务业统计口径及统计方法不完善，服务业发展水平往往被严重低估(陈建军等，2009)，此外，采用就业人数数据可以避免不同时期产值数据的内在价值转换问题。基于以上考虑，本文用第t年城市i生产性服务业从业人员数与所有城市生产性服务业平均从业人员数比值来衡量城市生产性服务业集聚水平。

2．核心解释变量

本文借鉴Duranton和Puga(2000)的方法，用部门间就业分布衡量城市专业化和多样化水平，包括绝对指标和相对指标*绝对指标反映劳动力在单个城市内部各个行业间的分布情况，包括绝对专业化指标和绝对多样化指标；相对指标反映劳动力在某个城市与其他城市之间的配置关系，包括相对专业化指标和相对多样化指标。。相对指标可以在不同城市间进行比较，因此我们选取相对专业化和相对多样化指数对城市专业化和多样化水平进行测度。

(1)城市专业化水平(RZI)

城市相对专业化指数可表示为：

(1)

(2)城市多样化水平(RDI)

城市相对多样化指数可表示为：

(2)

其中，Sij表示i城市第j部门在该城市就业份额，Sj为j部门在全国就业份额。

3．控制变量

(1)资金密集水平(Cap)

我们用资金密集度来衡量城市资本要素禀赋，资金密集度用城市全社会固定资产投资与社会从业人员比值来表示，反映城市基本建设、更新改造、房地产开发等投资规模、速度、比例关系和使用方向，衡量城市技术装备投资及新兴产业发展水平。

(2)知识溢出水平(Know)

知识溢出空间局限性产生的原因，主要是在传播过程中不易留下痕迹的缄默知识(tacitknowledge)及具有高度语境限制和不确定性的粘性知识(stickyknowledge)的存在(梁琦，2004)。与制造业相比，缄默知识和黏性知识的作用在知识密集型服务业中更为突出，其知识溢出的空间衰减程度更强，衰减速度更快，因而更需要地理接近及面对面交流，难以编码的隐形知识更是无法有效传播，只能在有限的空间范围实现互动交流。衡量知识溢出水平的指标有成人识字率、受教育年限、高等学校数、科研院所数、研发机构数等。考虑指标优劣性及数据可得性，我们用城市i每万人拥有的高等学校专任教师数量与t年所有城市平均每万人拥有普通高等学校教师数的比值来衡量城市i第t年的知识溢出水平。

(3)信息技术水平(Tech)

新经济地理学认为，冰山交易成本是影响向心力与离心力的关键因素。对于制造业来讲，良好的城市道路建设是有效降低运输成本，提高集聚效应的重要手段，而生产性服务产品是无形的，信息传递成本取代制造业运输成本成为影响服务业集聚的重要空间因素。信息技术水平直接影响了生产性服务产品的交易效率(姚洋洋等，2015)。信息技术水平反映城市技术要素禀赋，对城市信息化水平测算的方法有很多*现有文献往往采用综合指标体系来评价信息技术水平，例如日本经济学家小松崎(1965)选取与邮政、广播、电视新闻等行业相关的11个变量，构建信息化指数对社会信息化水平进行测度。钟义信等(2001)从信息部门产值、信息基础设施的装备能力、信息基础设施使用水平、信息主体水平及信息消费水平等维度构建信息化的综合指数(CIIC)。，鉴于数据可得性，本文借鉴陈建军等(2009)的做法，采用t年城市i移动电话数和t年城市i单位从业人员数的比值，作为生产性服务产品交易成本的代理变量。

(4)市场潜能(MP)

地区市场潜能考虑了地区自身及其周边地区的市场需求之和，随着交易成本的增加，周边地区的影响逐渐衰减。生产性服务业选址于市场潜能高的地区，能为更多消费者提供个性化的服务业，能有效降低交易费用，降低平均成本，生产性服务业集聚水平较高。拉夫和鲁尔(Raff&Ruhr，2001)的研究显示，生产性服务业倾向于选址在有大量市场需求的区域，反映地区本地市场容量、市场通达性、购买能力和发展潜力的市场潜能是生产性服务企业选址考虑的首要因素。在新经济地理学的实证研究中，不同的学者提出了度量市场潜能的方法，最常见的是哈里斯(Harris，1954)提出的市场潜能函数与雷丁和维纳布尔斯(Redding&Venables，2004)提出的双边贸易数据流构建的Ma和Sa指标。哈里斯(1954)认为，一个生产地的吸引力，来自于与消费市场的“通达性”，市场潜能就是对这种通达性的量化。与哈里斯的市场潜能函数相比较，Ma和Sa指标更为精确，但受限于中国地级城市间双向贸易数据可得性，我们无法获取Ma和Sa指标。此外，在国家地级城市区域劳动力可流动的情况下，甚至没有必要对Ma和Sa指标加以区分(OttavianoandPinelli，2006)，因此我们选择哈里斯(1954)的方法来度量城市市场潜能：

(3)

(5)城市规模(Size)

在经典的城市经济学模型中，城市的边界由拥挤效应和外部性收益权衡决定。在一定范围内，城市规模的扩大会产生正的外部性。接近消费者，获得市场、生产性和竞争者信息；接近互补性行业，共享交通优势，共享专业技术人员及临近企业总部等，是生产性服务业向大都市区集聚的主要原因(MichalakandFairbairn, 1993)。然而城市规模与产业集聚之间并不是完全的线性关系，阿隆索(Alonso，1964)认为，服务业由于更能承受高昂的土地租金且占地面积较小而在城市集中，而制造业则向次中心转移，并提出最优城市规模理论，认为城市规模与集聚经济之间存在非线性关系。当城市规模过大时，拥挤成本、高昂土地租金、环境污染等负的外部效应会降低集聚水平。因此，我们在模型中考虑城市规模二次项对生产性服务业集聚水平的影响。我们用第t年末城市i户籍人口规模与全国城市户籍人口规模平均值的比值来衡量城市相对规模。

(6)地区开放程度(Open)

科格特和赞德(Kogut&Zander，1996)认为，在跨国服务企业的示范效应或学习效应的吸引下，所在区域会吸引更多相关企业在周边集聚，扩大服务业集聚区规模，且集聚区内的企业能吸收跨国公司的技术和技能，有利于服务业集聚区生产率的提升。恩赖特(Enright，2001)的研究表明，加拿大电信服务业集群的成长主要依靠美国FDI的推动。我们用城市FDI存量与全国城市平均FDI存量的比值来反映地区开放程度*当前我国缺失城市生产性服务业FDI统计数据，考虑到城市FDI和生产性服务业FDI存在高度相关性，我们用城市的FDI与全国的平均值的比值作为生产性服务业开放性的代理变量。。《中国城市统计年鉴》提供了地级以上城市FDI流量，考虑到FDI的滞后性，我们采用FDI存量指标来衡量FDI的影响，参照资本存量计算方法，以2004年为基期，因此2004年i城市FDI*考虑到此处是用城市FDI存量与全国城市平均FDI存量的比值来衡量地区开放性，在计算中已消除实际汇率的影响，因此这里采用名义FDI。存量为：

(4)

FDIi(t)=FDIi(t-1)-αFDIi(t-1)+fdii(t)

(5)

(7)地区政府规模(Gov)

政府规模越大，其行政干预能力越强。对于制造业而言，政府可以通过产业政策，例如设立各级别的产业园区、加强扶持地方产业等手段来促进制造业集聚，提升地方经济发展水平，以此作为官员晋升的资本。许多生产性服务业如金融、科学研究、技术服务和地质勘查等关系国民经济命脉的产业，更容易受到政府干预及管制的直接影响。事实上，政府本身与部分服务业间存在一定程度的替代关系。长期以来，不完善的官员考核及晋升制度，刺激了偏重制造业投资的政府行为，这在一定程度上阻碍了城市生产性服务业集聚发展。参照已有文献的做法，我们用第t年城市i的非公共财政支出*非公共财政支出指扣除科学、教育、抚恤和社会福利救济、社会保障补助支出外的地方财政一般预算内支出，受数据可得性限制，我们采用的是扣除科学和教育后的支出。水平与全国城市非公共财政支出水平的均值的比值来衡量地区政府规模。

表1 变量及其测量方法

(四)模型设定

Servicest=Xtαt+Services-tβt+μt

(8)

其中，Servicest表示第t期(t=1,…,10)每个城市(n=1,…,N)的被解释变量观测值组成的N×1向量；Xt=(Xt1,Xt2,…,Xt9)′为N×9的解释变量矩阵；αt=(αt0,αt1,αt2,…,αtN)′为N×1的解释变量系数矩阵；Services-t表示滞后期(t=1,…,10)每个城市(n=1,…,N)的被解释变量观测值向量；βt表示滞后因变量系数矩阵；μt=(μt1,μt2,…,μtN)′为N×1的扰动项矩阵。

我们分别考察静态和动态面板数据模型：首先考虑基本模型中各个解释变量一次项对生产性服务业集聚的影响；其次加入城市多样化水平及城市规模的二次项，重点讨论静态面板数据模型中城市专业化水平及多样化水平对生产性服务业集聚水平的影响；最后在模型中加入滞后因变量，考察动态面板数据模型中滞后因变量、城市专业化与多样化对生产性服务业集聚的真实影响。

三、模型估计、实证结果与假说验证

(一)面板数据单位根及协整检验

1．面板数据单位根检验

在面板数据模型估计之前，我们需要进行数据平稳性检验。一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联，对非平稳数据进行回归，尽管有较高的R平方，但其结果没有任何实际意义，可能存在伪回归问题。因此，为了避免数据非平稳带来的伪回归，确保估计结果的有效性，我们需要通过面板数据单位根检验对各面板序列的平稳性进行检验。常用的解决办法有两种：一是先对变量做一阶差分，再回归；二是“协整”。

我们首先对面板数据进行单位根检验。面板数据单位根检验的方法主要有LLC检验法、IPS检验以及ADF和PP检验、Hadir检验。在实证中，为了方便，许多研究只用两种面板数据单位根检验方法，即相同根单位根检验LLC检验和不同根单位根检验Fisher-ADF检验，如果在两种检验中均拒绝存在单位根的原假设，则此序列是平稳的，反之则不平稳。为了克服单一检验方法的缺陷和偏差，我们选择LLC、IPS、Fisher-ADF及Fisher-PP4种方法对面板数据各变量及其一阶、二阶差分变量进行单位根检验*由于篇幅关系，此处只列示二阶差分变量检验统计值及其p值。。以上变量的单位根检验中都含有截距项及趋势项，我们采用修正的AIC准则对每个变量滞后长度进行选择，自动选择最大的滞后长度。如表2所示，经二阶差分，除LLC检验下的RZI外，各变量均在5%的显著性水平下拒绝原假设，即可以认为变量存在二阶单整。

表2 面板数据单位根检验

注：括号内为相应统计量的P值。

2．面板数据协整检验

协整检验是考察变量间长期均衡关系的方法。如果多个单位根变量之间由于某种经济力量而存在长期均衡关系，我们可以对这些变量做线性组合从而消去随机趋势。当单位根检验的结果发现变量之间是同阶单整的，我们可以进行协整检验。

面板数据协整检验的方法主要有三种：一是基于高(Kao，1999)、高和蒋(Kao&Chiang，2000)提出的面板协整检验方法，其原假设是不存在协整关系，并利用静态面板回归的残差构建统计量；二是根据佩德罗尼(Pedroni，1999)给出的7种基于残差的面板协整检验方法，其原假设是不存在协整关系(与高的方法不同的是，佩德罗尼的检验方法允许异质面板的存在)；三是联合个体(CombinedIndividual)检验，Fisher在1932年成功利用对个体独立检验的结果进行整体的联合检验，后来该方法被应用到面板数据的联合检验中。由于Pedroni检验只适用于在组(Group)中仅包含7个及7个以下序列的情形，我们选择了Kao(Engle-GrangerBased)检验和Fisher(combinedJohansen)检验进行协整分析。

结果如表3，Kao检验及Fisher检验在1%的显著性水平下拒绝不存在协整关系的原假设，即各变量之间存在显著的协整关系。面板数据通过了协整检验，说明各个变量之间存在着长期稳定的均衡关系，其方程回归残差是平稳的，因此可以在此基础上直接对原方程进行回归，可以获得较为准确的结果。

表3 面板数据协整检验

注：(1)两种检验均存在假定同时含有截距项和趋势项；(2)Fisher(combinedJohansen)同时通过Trace和MaximumEigenvalue检验；(3)Atmost6是指至少存在6个协整关系。

(二)面板数据模型估计与假说验证

1．静态面板数据模型

面板数据模型回归方法有混合(Pooled)回归、固定效应(Fixedeffect)模型回归及随机效应(Randomeffect)模型回归等。

我们首先进行混合回归，结果如表4中(Ⅰ)、(Ⅱ)所示，普通标准差与聚类稳健标准差的差距较大，默认的普通标准差计算方法假设扰动项为独立同分布，其估计并不准确。因此我们进一步通过LSDV法考察城市个体虚拟变量，先使用组内估计量，结果显示，复合扰动项(μi+ξit)的方差主要来自个体效应μi的变动。模型F检验强烈拒绝原假设“H0:allμi=0”，即“所有个体虚拟变量多为0”的原假设，多数个体虚拟变量均很显著，因此认为存在个体效应，不应使用混合回归。

接着我们对固定效应模型和随机效应模型进行选择。由于普通标准差与聚类稳健标准差差异较大，传统Hausman检验失效，我们采用辅助回归法进行稳健Hausman检验，结果显示p值为0.0000，强烈拒绝原假设H0：个体异质性与解释变量不相关，应该使用固定效应模型而非随机效应模型。此外，当样本从总体中随机选取时，选择随机模型较为合适，而当回归分析样本来自于特定个体时，选择固定效应模型更为合适，我们的样本城市选择并非随机产生,因此固定效应模型显然是更好的选择。伍德里奇(Wooldridge，2006)强调，当我们不能把观测值看作一个从大总体中随机抽样的结构，尤其是观测值是大的地理单位时，应该使用固定效应法。基于以上几个原因，我们选取固定效应模型进行回归。为了防止异方差对回归结果带来偏差，我们采用稳健标准差进行修正。

固定效应模型回归结果如表4中(Ⅲ)、(Ⅳ)所示。模型(Ⅲ)为基本线性模型，模型(Ⅳ)在模型(Ⅲ)基础上考虑了城市多样化和城市规模对生产性服务业集聚的二次影响。总体上看，模型F检验p值均为0.000，大部分解释变量对因变量有显著影响，模型具有显著解释力。模型(Ⅲ)表明，专业化水平、多样化水平对生产性服务业集聚有显著的影响。加入城市多样化水平及城市规模的二次项后，模型得到了改进。第一，除城市规模外，非线性模型自变量系数绝对值均小于线性模型，这说明线性模型高估了大部分自变量对生产性服务业集聚程度的影响。其中，核心解释变量城市专业化水平对生产性服务业集聚的正向影响作用由0.106下降为0.076。第二，城市多样化与生产性服务业集聚之间的关系由负向关系转变为“U型”关系，城市规模与生产性服务业集聚之间的关系从不显著转变为显著的“倒U”型关系，这从侧面反映了加入城市多样化水平及城市规模二次项的必要性。第三，从模型的解释力和变量的显著性看，模型(Ⅳ)更能客观反映解释变量与因变量间的关系。

表4 静态面板数据模型估计结果

注：(1)系数下方括号内的值为t值；(2) ***、**、*分别表示系数在1%、5%、10%的水平上显著;(3)模型F检验p值均为0.000，方程具有显著解释力。

经济活动往往是一个连续、动态的变化过程，经济个体当期的经济行为，不仅受到经济系统内解释变量的影响，还受过去经济行为的影响。因此我们在静态模型(Ⅳ)的基础上，考虑滞后因变量对城市生产性服务业集聚水平的影响，构建动态面板数据模型，从而更加客观地分析解释变量及滞后因变量对生产性服务业集聚水平的影响。

2．动态面板数据模型

(1)估计方法与选择

动态面板数据模型常用的估计方法有两种：一是阿雷拉诺和邦德(Arellano&Bond，1991)提出的差分GMM估计；二是布伦德尔和邦德(Blundell&Bond，1998)将差分GMM和水平GMM相结合，将差分方程和水平方程作为一个系统进行GMM估计，称为系统GMM估计。我们分别进行差分GMM和系统GMM估计，并对两个估计结果进行比较和选择。

1)差分GMM

我们先采用差分GMMArellano-Bond估计，结果如表5(Ⅴ)所示，被解释变量的一阶到三阶滞后值都很显著，而其他解释变量则不太显著。作为一致估计量，差分GMM能够成立的前提是扰动项{εit}不存在自相关，因此要对此进行检验，结果如表5(Ⅴ)差分GMM中AR(1)、AR(2)和AR(3)所示，扰动项的差分不存在一阶、二阶和三阶自相关，即扰动项{εit}无自相关，可以使用差分GMM进行估计。此外，差分GMM使用了63个工具变量，因此我们需要进行过度识别Sargan检验。过度识别的Sargan检验结果显示，在1%的显著性水平下，拒绝“所有工具变量均有效”的原假设，存在过度识别问题。因此我们接着进行系统GMM估计。

2)系统GMM

系统GMM估计结果如表5(Ⅵ)所示，被解释变量的一阶和三阶滞后值都很显著，而其他解释变量也基本显著。对比差分GMM和系统GMM估计结果(1)的系数，我们发现，二者的估计值较为接近，但后者的系数更为显著。这可能是因为系统GMM(1)使用了更多的工具变量，使得其估计更加准确。

对系统GMM(1)扰动项自相关性进行检验结果显示，扰动项差分不存在一阶、二阶和三阶自相关，不拒绝原假设，即扰动项{ξit}无自相关，可以使用系统GMM进行估计。此外，系统GMM(1)使用了85个工具变量，因此我们需要进行过度识别Sargan检验。其结果在1%的显著性水平下强烈拒绝“所有工具变量都有效”的原假设，这使得我们怀疑系统GMM的适用性。

与差分GMM相比，系统GMM(1)可能更有效率，但其成立的前提不满足，这也可能是模型设定不当导致的。在模型(Ⅵ)系统GMM(1)中，我们采用内生解释变量的二阶和三阶滞后值作为工具变量，且最多使用被解释变量的三个滞后值作为工具变量。为了改善工具变量的有效性，我们对内生解释变量仅使用二阶滞后值作为工具变量，但最多使用被解释变量的三个滞后值作为工具变量，重新进行系统GMM的估计与检验。结果如表5(Ⅶ)系统GMM(2)所示，被解释变量的一阶到三阶滞后值显著，而其他解释变量也基本显著。此外，工具变量的个数由85减少为73。

同样地，我们进行扰动项自相关检验及工具变量过度识别检验，结果显示我们可以接受“扰动项无自相关”的原假设且可以在5%的显著性水平下接受“所有工具变量都有效的原假设”，因此，动态面板数据模型估计最终结果如表5(Ⅶ)系统GMM(2)所示。

表5 动态面板GMM估计结果

注：(1)***、**、*分别表示系数在1%、5%、10%的水平上显著。括号内为z值。(2)差分GMM中最多使用被解释变量的三个滞后值作为工具，RDI，RDI2及MP为内生解释变量，最多使用其两个更高阶滞后值为工具变量；工具变量个数为63个。(3)系统GMM(1)中最多使用被解释变量的两个滞后值作为工具，RDI，RDI2及MP为内生解释变量，最多使用其两个更高阶滞后值为工具变量；工具变量个数为85个。(4)系统GMM(2)最多使用被解释变量的三个滞后值作为工具，RDI，RDI2及MP为内生解释变量，最多使用其一个更高阶滞后值为工具变量；工具变量个数为73个。(5)AR(1)检验的零假设H0:差分后的残差项不存在一阶序列相关[若差分后的残差项存在一阶序列相关，GMM仍然有效，详细的讨论可参见Roodman(2006)]；AR(2)检验的零假设H0:差分后的残差项不存在二阶序列相关(若差分后的残差项仍在二阶序列相关，则系统GMM无效)。(6)Sargan检验的零假设H0：过度识别检验有效。

(2)实证结果

与静态面板数据模型相比，动态面板数据模型将城市过去生产性服务业集聚水平对当期的影响剔除出来，从模型解释力和变量的显著性看，动态面板模型对现实的拟合度更高，能更客观、更准确地反映解释变量与因变量间的关系。

在加入了滞后因变量后，我们发现：一是滞后一到三期的生产性服务业集聚水平对城市当期生产性服务业集聚水平有显著的正影响，这从侧面反映了构建动态面板数据模型的必要性。城市生产性服务业集聚水平受其过去生产性服务业集聚水平的影响，且近期的影响要大于远期，城市生产性服务业的集聚发展具有突出的累积循环作用及稳定性，城市一旦形成了生产性服务业集聚，就会在自我强化机制下形成路径依赖。二是核心解释变量城市专业化水平对生产性服务业集聚由无显著影响变为有显著正影响，城市专业化水平上升1个单位，生产性服务业集聚水平上升0.094个单位。三是核心解释变量城市多样化水平与生产性服务业集聚之间呈显著的“U型”非线性关系，与静态模型相比，城市多样化水平与生产性服务业集聚间的“U型”曲线更加平缓且更慢到达拐点，这说明加入滞后项后，城市多样化水平对生产性服务业集聚的影响变小。当RDI小于1.054时，城市多样化水平越高，生产性服务业集聚水平越低；当RDI=1.054时，城市生产性服务业集聚水平达到最低值，此后城市生产性服务业集聚水平随多样化水平的提高而提高。

从总体上看，当前我国城市多样化水平较低，处于拐点之前，多样化水平的提高会促使城市生产性服务业集聚水平小幅下降，因此提高专业化水平仍然是当前城市吸引生产性服务业集聚的主要途径。这与戴维斯和亨德森(Davis&Henderson，2004)、李金滟和宋德勇(2008)、姚永玲和赵宵伟(2012)等以服务业或城市集聚经济为研究对象所得到的结论不一致。戴维斯和亨德森(Davis&Henderson，2004)认为，提供多样化的本地商业服务业成为吸引总部经济集聚的最重要的决定因素。李金滟和宋德勇(2008)指出，多样化有利于城市集聚经济的发展，而专业化不利于城市集聚经济的发展。姚永玲和赵宵伟(2012)认为，服务业的集聚效应主要由多样化来实现，这与生产性服务业的特性及当前我国产业结构密切相关。从中国城市看，制造业仍然是专业化水平最高的产业，城市制造业的发展促进了为其提供中间服务的生产性服务业的集聚发展，因此城市专业化水平越高，与其配套的生产性服务业集聚水平越高。就现阶段看，中国城市化处于生产性服务业集聚水平随多样化水平提高而下降的阶段，可能的原因是，中国城市生产性服务业的集聚主要依赖于单一的制造业的发展，交通运输、仓储和邮政业、租赁和商务服务、信息传输、计算机服务和软件业、金融业等互补或共生生产性服务业的共同集聚效应未能形成，对周边城市生产性服务业吸引力不足。

四、稳健性检验

中国地域辽阔，以全国城市为样本必然掩盖了区域特性，因此,以下我们将东、中、西部*我们将地级以上城市划分为东、中、西部三个地区。东部包括：北京、天津、河北、上海、江苏、浙江、辽宁、福建、山东、广东、广西、海南12个省、自治区、直辖市共115个城市；中部包括：内蒙古、吉林、山西、安徽、江西、河南、湖北、湖南、黑龙江9个省、自治区共109个城市；西部包括：重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆10个省、自治区、直辖市共59个城市。三个区域的城市作为子样本，考察前文实证结果的稳健性，并分析核心解释变量城市专业化水平及多样化水平对三大区域生产性服务业集聚水平影响的差异性。分区域估计结果如表6所示。

东部样本城市估计结果显示：滞后一到三期生产性服务业集聚水平对当期生产性服务业集聚水平有显著的正影响；城市专业化水平对生产性服务业集聚无显著影响；多样化水平与生产性服务业集聚水平间存在显著的“U型”关系，当前大部分东部城市多样化水平处于拐点1.060之前，城市多样化水平越高，生产性服务业集聚水平越高。因此，提高多样化水平是促进东部城市生产性服务业集聚的主要途径。

中部样本城市估计结果显示：滞后一到二期的生产性服务业集聚水平对当期生产性服务业集聚水平有显著的正影响；城市专业化水平对生产性服务业集聚有显著正影响，专业化水平提高1个单位，生产性服务业集聚水平提高0.104个单位；多样化水平与生产性服务业集聚水平之间存在显著的“U型”关系，当前中部城市多样化水平处于拐点1.047之前，城市多样化水平越高，生产性服务业集聚水平越低。因此，当前提高中部生产性服务业集聚发展主要依靠城市专业化水平的提高。

表6 分区域系统GMM估计结果

注：(1)***、**、*分别表示系数在1%、5%、10%的水平上显著。括号内为相应t值。

西部样本城市估计结果显示：滞后一到二期的生产性服务业集聚水平对城市当期生产性服务业集聚水平有显著的正影响；专业化水平提高1个单位，生产性服务业集聚水平提高0.120个单位；多样化水平与生产性服务业集聚水平间存在显著的“U型”关系，当前西部城市多样化水平处于拐点1.049之前，城市多样化水平越高，生产性服务业集聚水平越低。因此，提高专业化水平是当前西部生产性服务业集聚发展的主要途径。

综上，文章实证结果具有较强的稳健性：一是滞后因变量对当期生产性服务业集聚有显著正影响；二是除东部城市外，专业化水平对城市生产性服务业集聚有显著正影响；三是多样化水平与城市生产性服务业之间存在显著的“U型”非线性关系。此外，分区域估计结果表明，专业化和多样化对城市生产性服务业集聚的影响程度及方向随着区域区位条件及经济发展阶段的不同而存在一定差异。

五、主要结论与政策含义

本文基于2004—2013年中国283个地级以上城市相关数据，构建动态面板数据模型，对中国城市专业化、多样化与生产性服务业集聚的关系进行实证研究，结果发现：第一，滞后一到二期的生产性服务业集聚水平对城市当期生产性服务业集聚水平有显著的正影响，城市生产性服务业集聚发展存在自我强化的路径依赖作用；第二，就城市专业化而言，中国城市生产性服务业集聚发展的主要力量源泉来自城市专业化水平的提高，尤其是中西部城市专业化水平提高的作用效应；第三，就城市多样化而言，城市多样化水平与生产性服务业集聚间存在显著的“U型”非线性关系，中国当前正处于多样化水平提高促使生产性服务业集聚水平小幅下降的阶段。分区域来看，东部城市多样化水平已突破拐点，生产性服务业集聚水平随多样化水平的提高而上升；而中西部城市多样化水平仍处于拐点之前，生产性服务业集聚水平随多样化水平的提高而下降。

本文研究结论对中国城市发展路径选择及区域生产性服务业差异化集聚发展具有重要的政策含义：

第一，城市生产性服务业集聚发展具有内在的稳定性，其自我强化机制使得城市当期生产性服务业集聚水平受滞后期的影响，因此城市专业化或多样化发展政策必须具有较强的稳定性及连续性，促使城市生产性服务业集聚形成良性循环，否则旨在促进生产性服务业集聚化发展的政策效应难以实现。

第二，专业化水平的提高对全国城市、中部城市和西部城市的生产性服务业集聚具有显著正影响，对东部城市则无显著影响；多样化水平的提高对生产性服务业集聚经济的影响作用表现为先下降后上升。这意味着城市地方政府通过产业园、科技园、高新区等方式为企业提供专业化或多样化产业环境时，并不一定能够提高城市生产性服务业集聚水平。只有当多样化水平达到拐点之后，多样化水平提升的产业环境才能实现提高生产性服务业集聚发展的政策目标，因此如果地方政府，尤其是中部及西部地区的政府，脱离城市经济发展阶段和现实条件，盲目跟风发展产业园区，往往会带来相反的结果。

第三，在城市化进程中，东部和中西部城市的生产性服务业集聚发展应采取差异化政策，形成基于职能分工的合理、高效的城市体系。对于东部城市来说，应积极发挥集聚经济优势，提供良好的多样化产业发展环境，加快基础设施建设与提高信息技术水平，完善基础设施及有效的公共服务，增强服务业集聚效应，扩大城市辐射半径，加快知识溢出与技术创新，创造良好的环境以吸引企业总部的迁入，鼓励多种生产性服务业集聚，满足消费者多样性偏好，为周边地区制造业发展提供管理、咨询、金融等配套服务，发挥东部多样化中心城市带动区域经济增长的作用。对于中西部城市来说，应重点提高城市专业化水平，扩大市场潜能及城市规模，吸引更多的生产性服务业实现互补或共生集聚，加快城市多样化水平达到“U型”曲线拐点，实现专业化和多样化对生产性服务业集聚的促进作用。具体来讲，首先，中西部城市应立足于制造业，积极承接东部沿海地区制造业转移，形成网络化的区域制造业发展格局，提高城市专业化水平，促进配套生产性服务业集聚发展；其次，中西部省会城市，应通过适度多样化提高服务业集聚水平及辐射能力，加快城市多样化水平突破临界点，成为为外围中小城市提供多样化服务的地区增长极，促进中西部区域经济协调发展；再次，应加快计算机技术及互联网技术的开发与应用，显著降低生产性服务产品的信息传递成本，扩大产品的贸易半径，提高市场潜能，实现更广阔空间的产业互动，以此带动服务业集聚发展；最后，应通过新城建设和旧城改造，适度扩大城市规模，提高城市承载能力，吸引劳动力流入，逐步扩大城市规模以实现其对生产性服务业发展的正外部性。

白重恩，杜颖娟，陶志刚，仝月婷.地方保护主义及产业地区集中度的决定因素和变动趋势.经济研究，2004，(4).

陈建军，陈国亮，黄洁.新经济地理学视角下的生产性服务业集聚及其影响因素研究.管理世界，2009，(4).

孔善右，周勇，陈荣明.我国医药制造业知识溢出的空间计量分析.科技与经济，2010，(1).

李国平，范红忠.生产集中、人口分布与地区经济差异.经济研究，2003，(11).

李金滟，宋德勇.专业化、多样化与城市集聚经济.管理世界，2008，(2).

李文秀，谭力文.服务业集聚的二维评价模型及实证研究.中国工业经济，2008，(4).

梁琦.产业集聚论.北京:商务印书馆，2004.

路江涌，陶志刚.我国制造业区域集聚程度决定因素的研究.经济学(季刊)，2007，(3).

杨本建，王珺.地方政府合作能否推动产业转移——来自广东的经验.中山大学学报(社会科学版)，2015，(1).

姚洋洋，李文秀，张少华.交易效率对生产服务业发展的影响研究.中国软科学，2015，(5).

姚永玲，赵宵伟.城市服务业动态外部性及其空间效应.财贸经济，2012，(1).

Abraham,K.G.,Taylor,S.K.Firm’sUseofOutsideContractors:TheoryandEvidence.JournalofLaborEconomics, 1996, 14: 394-424.

Alonso1,W.LocationandLandUse.Cambridge.HarvardUniversityPress, 1964.

Arellano,M.,andBond,S.SomeTestsofSpecificationforPanelData:MonteCarloEvidenceandanApplicationtoEmploymentEquations.TheReviewofEconomicStudies, 1991, 58, (2): 277-297.

Blundell,R.,andBond,S.InitialConditionsandMomentRestrictionsinDynamicPanelDataModels.JournalofEconometrics, 1998, 87, (1): 115-143.

Chinitz,B.ContrastsinAgglomeration:NewYorkandPittsburgh.TheAmericanEconomicReview, 1961, 51, (2): 279-289.

Combes,P.P.EconomicStructureandLocalGrowth:France, 1984-1993.JournalofUrbanEconomics, 2000, 47: 329-355.

Davis,J.C.,Henderson,L.TheAgglomerationofHeadquarters.BrownUniversity, 2004.

Duranton,G.,Puga,D.DiversityandSpecializationinCities:Why,WhereandWhenDoesItMatter?UrbanStudies, 2000, 37, (3): 533-555.

Duranton,G.,Puga,D.FromSectoraltoFunctionalUrbanSpecialization.JournalofUrbanEconomics2005, 57: 343-370.

Duranton,G.,Puga,D.NurseryCities:UrbanDiversity,ProcessInnovation,andtheLife-CycleofProducts.AmericanEconomicReview, 2001, 91: 1454-1477.

Ellison,G.,Glaeser,E.L.,andKerr,W.R.WhatCausesIndustryAgglomeration?EvidencefromCoagglomerationPatterns.AmericanEconomicReview, 2010, (6): 1195-1213.

Enright,M.RegionalClusters:WhatWeKnowandWhatWeShouldKnow.inInternationalWorkshop,InnovationClustersandInternationalCompetition, 2001, 11: 12-13.

Feldman,M.P.,Audretsch,D.B.InnovationinCities:Science-basedDiversity,SpecializationandLocalizedCompetition.EuropeanEconomicReview, 1999, 43, (2): 409-429.

Fujita,M.,Tabuchi,T.RegionalGrowthinPostwarJapan.RegionalScienceandUrbanEconomics, 1997, 27, (6): 643-670.

Glaeser,E.L.,Kallal,H.D.,Scheinkman,J.A.,Shleifer,A.GrowthinCities.JournalofPoliticalEconomy, 1992, 100, (6): 1127-1152.

Harris,C.TheMarketasaFactorintheLocalizationofIndustryintheUnitedStates.AnnalsofAssociationofAmericanGeographers, 1954, 44: 315-348.

Henderson,V.ExternalitiesandIndustrialDevelopment.JournalofUrbanEconomics, 1997, 42: 449-470.

Kao,C.SpuriousRegressionandResidualBasedTestsforCointegrationinPanelData.JournalofEconometrics, 1999, 90, 1-44.

Kao,C.,Chiang,M.OntheEstimationandInferenceofaCointegratedRegressioninPanelData,AdvancesinEconometrics, 2000, 15: 179-222.

Kogut,B.,Zander,U.WhatFirmsDo?Coordination,Identity,andLearning.OrganizationScience, 1996, 7, (5): 502-518.

Michalak,W.,Fairbairn,K.J.TheLocationofProducerservicesinEdmonton.CanadianGeographer, 1993, 37, (1): 2-16.

Moulaert,F.,Gallouj,C.TheLocationalGeographyofAdvancedProducerServiceFirms:TheLimitsofEconomiesofAgglomeration.TheServiceIndustriesJournal, 1993, 13: 91-106.

Ottaviano,G.I.,Pinelli,D.MarketPotentialandProductivity:EvidencefromFinnishRegions.RegionalScienceandUrbanEconomics, 2006, 36: 636-657.

Pedroni,P.CriticalValuesforCointegrationTestsinHeterogeneousPanelswithMultipleRegressors.OxfordBulletinofEconomicsandstatistics, 1999, 61, 653-670.

Raff,H.,Ruhr,M.V.ForeignDirectInvestmentinProducerServices:TheoryandEmpiricalEvidence, 2001,CESifoWorkingPaperSeriesNo. 598.

Redding,S.,Venables,A.J.EconomicGeographyandInternationalInequality.JournalofInternationalEconomics, 2004, 62: 53-82.

Walker,R.IsthereAServiceEconomy?TheChangingCapitalistDivisionofLabor.ScienceandSociety, 1985, 39: 42-83.

Wen,M.RelocationandAgglomerationofChineseIndustry.JournalofDevelopmentEconomics, 2004, 73: 329-347.

Wooldridge,J.IntroductoryEconometrics:AModernApproach.费剑平译. 北京：中国人民大学出版社，2010.

【责任编辑：李青果；责任校对：李青果，张慕华】

2016—05—06

打造“理论粤军”重大现实问题招标课题(LLYJ1306)；国家社会科学基金重点项目(12AZD025)

毛艳华，中山大学粤港澳发展研究院、港澳珠江三角洲研究中心、港澳与内地合作发展协同创新中心(广州 510275)； 蔡敏容，中山大学管理学院(广州 510275)。

10.13471/j.cnki.jsysusse.2016.06.019