吉亚辉，杨倩妮

(西北师范大学经济学院，甘肃 兰州 730070)

生产性服务业集聚与创新驱动发展

吉亚辉，杨倩妮

(西北师范大学经济学院，甘肃 兰州 730070)

本文构建了关于生产性服务业空间集聚推进创新驱动发展的理论分析框架，并基于2003—2014年省级面板数据建立空间计量模型，实证研究了生产性服务业专业化集聚、多样化集聚指数对地区科技创新和制度创新提升的影响。研究发现：生产性服务业的专业化集聚和多样化集聚都对地区创新能力存在正面溢出效应，但是主要通过专业化空间集聚促进生产性服务业内部创新；相对于制度创新，生产性服务业集聚对地区科技创新提升力更强；同时，科技创新的空间溢出效应也会对地区的创新能力产生不可忽视的重要影响。

生产性服务业；创新驱动发展；集聚；空间溢出效应

1 引言

生产性服务业具有较强的产业关联性和高度的人力知识资本密集性，其创新不仅表现在技术创新，还表现为服务产品创新、流程组织创新甚至是制度模式创新，这与“十三五”规划对创新拓展定位不谋而合。生产性服务业依赖于本地市场，具有显著的空间集聚效应，易于产生集聚经济，那么生产性服务业的空间集聚是否有利于激发创新活力，从而推进创新驱动发展？各省创新能力是否也存在空间分布集聚现象？生产性服务业空间集聚通过什么路径提升创新能力？基于上述问题，本文建立理论分析框架，通过省级面板数据的空间计量模型，实证检验生产性服务业空间集聚与创新能力的关系，并据此提出相关政策建议。

2 生产性服务业集聚提升自主创新能力的机理分析

关于集聚有利于创新的思想由来已久，学术界广泛认同产业集聚对创新的推动作用[1]，为了理清生产性服务业集聚对自主创新能力的影响机理，本文从生产性服务业发展特性出发进行归纳。

当生产性服务业内部结构主要集中在少数行业时，属于专业化的发展模式。专业化的集聚经济主要通过共享创新资源、强化竞争压力和知识溢出效应，推动区域创新活动。第一，同一产业在特地区域的集聚，可以共享地方研发基础设施、创新中间产品投入和市场以及高素质劳动力，形成规模经济，降低创新成本。第二，以知识密集型企业为代表的生产性服务业本身就是极具活力的创新主体，由集聚导致地理位置相近，知识传播和技术更新迅速，因此依靠新技术获取的垄断利润的时间不会很长，为了保持市场竞争力企业需要持续创新。第三，由于同行业知识具有相似性，相近企业的集聚会促进知识空间溢出，一方面行业内“标准化”知识易于传播，另一方面也为企业战略合作创新创造条件。这种观点认为同一生产性服务业内部的知识溢出是推动地区创新的关键，因此属于同一产业的企业集聚有助于地区产业创新，由于Marshal、Arrow和Romer是这种观点的主要提出者和发展者，因此常被称为“MAR外部性”。

当生产性服务业内部结构在各个行业中分布比较均匀时，产业结构则相对多元化，属于多样化发展模式。多样化的集聚经济主要通过产业关联效应、降低工业成本、满足定制需求，促进区域创新发展。第一，生产性服务业是通过外包形式逐渐从原来的制造业职能中分离出来的，其发展不仅影响自身客户的状况，也会影响具有经济关系的其他生产性服务业的发展，各种企业所依赖的不同知识技术在经济活动中溢出，促进各类知识技术在产业之间或产业内部各环节之间扩散和渗透。第二，生产性服务业集聚创造的多种类服务环境，可以降低各类工业生产成本和搜寻成本，吸引更多工业厂商集聚；随着工业化进程推进和产业链延长，工业对信息和技术服务需求的增多，有助于促进生产性服务业和工业互动创新，提升工业效率[2]。第三，随着经济发展，各个产业会产生定制化和创新性服务需求，例如某些新企业由于满足特定人群新的偏好也能蓬勃发展，它们既满足了偏好多样性的需求，也为区域经济带来频繁的创新活动。这种观点则认为不同产业之间差异化的经济个体在集聚的过程中对互补知识的交流整合，产生了更多的创新回报，因此隶属于不同产业的企业集聚亦有利于地区产业创新，该观点由Jacobs最早提出，常被称为“Jacobs 外部性”。

生产性服务业集聚的MAR外部性和Jacobs外部性会促进区域自主创新能力提升，区域性创新水平的提高又可以吸引更多的生产性服务企业加入产业集聚区，由此形成良性循环模式，对上述理论机制的总结见图1。

图1 生产性服务业空间集聚提升区域自主创新能力的作用机理

基于上述分析，本文提出以下假设：生产性服务业通过专业化集聚和多样化集聚，发挥MAR外部性和Jacobs外部性的作用，推动生产性服务业内部创新和服务业之间、服务业与工业互动创新，提升区域自主创新能力，从而推进创新驱动发展。

3 理论与计量模型

3.1 理论分析框架

Jaffe[3]认为企业追求新经济知识并将其投入生产过程，而投入变量则包括研发经费投入和人力资源投入，并以柯布—道格拉斯生产函数的形式来描述，其创新的知识生产函数为：

Y=AKαLβ

(1)

式中，Y、K和L分别表示创新产出、研发经费和科技人力资源的投入，α、β分别为研发资本投入和科技人力资源投入的产出弹性，A表示广义的技术进步水平，受到生产性服务业集聚的影响，因此将A表示为：

(2)

式中，MAR表示生产性服务业集聚专业化指数，JAC表示生产性服务业集聚多样化指数。本文该函数进行拓展，将式(2)代入式(1)，拓展的创新投入产出函数可表示为：

(3)

3.2 空间计量模型设定

式(3)反映了生产性服务业空间集聚对创新能力的影响，对其两边取对数并令α0=lnBit，得到如下模型：

lnYit=α0+α1lnMARit+α2lnJACit+α3lnKit+α4lnLit

(4)

考虑控制变量，本文将地区开放程度、外商直接投资和产业结构纳入模型，同时基于空间相关性的影响对模型进行修正。空间面板模型可以分为空间面板滞后模型(SAR模型)和空间面板误差模型(SEM模型)。为了更加全面衡量地区的自主创新能力，本文选取科技创新和制度创新作为被解释变量，从而分别形成方程1和方程2，并分别建立生产性服务业集聚对创新能力影响的SAR模型和SEM模型。

方程1：

(5)

(6)

方程2：

(7)

(8)

其中，i表示地区，t表示年份，t=2003，…，2014，PAT、INSTI分别为科技创新和制度创新，MAR和JAC分别表示生产性服务业集聚的专业化指数和多样化指数，Xit表示本文考虑的其他影响创新能力的控制变量，包括K、L、OPEN、FDI、SER，分别表示研发经费投入、人力资本投入、对外开放程度、外商直接投资和产业结构。ρ和λ分别为空间滞后系数和空间误差系数，表示地区间自主创新能力的空间溢出效应。ε、μ、v和σ为残差扰动项。Wij表示空间距离权重矩阵，dij为基于各地区省会城市的经纬度坐标计算得到的地理距离，这样能够充分考虑空间临近但并不相邻的两个城市也可能存在相互作用的事实，其形式为：

(9)

4 变量与数据说明

(1)被解释变量：对于科技创新(PAT)，专利申请受理至授权存在一定时滞，所以本文选择各省的专利申请受理数，它更能反映当期科技创新能力的真实水平。其次，创新的产出还表现为管理效率的提升等，所有创新活动都有赖于制度创新的持续激励，本文以市场化程度(INSTI)来反映制度创新能力，采用非国有固定资产投资占地方全社会固定资产总投资的比重来衡量。

(2)核心解释变量：本文借鉴程中华、于斌斌[4]的度量方法，采用生产性服务业从业人员在各行业部门之间的分布定义各城市生产性服务业的专业化和多样化集聚指数，就业人数采用按行业分城镇单位就业人员数。地区i的专业化指数(MAR)反映了生产性服务业集聚的马歇尔外部性，而多样化指数(JAC)反映了生产性服务业集聚的雅各布斯外部性。定义Sij是生产性服务业行业j在地区i生产性服务业中的就业份额，Sj是生产性服务业行业j在全国生产性服务业中的就业份额。两种指标计算如下：

(10)

(3)控制变量：①研究开发经费投入(K)：研发支出对地区技术吸收能力和转换创新成果发挥着重要作用，该指标以地区研发经费支出占地区GDP比重度量。②人力资本投入(L)：人力资本不仅影响创新的效率，还存在吸收新技术再创新的能力，采用各地区研发人员全时当量衡量。③开放程度(OPEN)：开放程度会通过参与国际产业链分工获得国际知识溢出等途径影响地区自主创新能力，用地区进出口总额占地区GDP比重度量。④外商直接投资(FDI)：外商直接投资会对地区创新能力和技术进步产生影响，对地区自主创新产生溢出效应[5]，本文通过按当年汇率计算地区实际利用外商直接投资额占地区国内生产总值来度量地区外商直接投资水平。⑤产业结构(SER)：产业升级可以通过微观需求拉动效应、中观地区协同效应、宏观国际贸易效应带动企业、地区、国家三个层面的自主创新[6]，产业结构以地区第三产业增加值占地区GDP比重衡量。

(4)生产性服务业的界定及数据来源：本文考虑学界普遍划分方法与数据的可得性，将生产性服务业分类为交通运输、仓储和邮政业；房地产业；信息传输、计算机服务和软件业；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。本文各变量的数据均来自2003—2014年的《中国统计年鉴》《中国科技统计年鉴》以及各省份的统计年鉴。此外，由于西藏自治区相关数据缺失较多，本文将其剔除，因此分析样本为除西藏自治区外的30个省、自治区或直辖市。

5 空间相关性检验与回归结果分析

5.1 空间相关性检验

(1)全局空间自相关。Anselin[7]指出几乎所有的空间数据都具有空间依赖性或空间自相关的特征，本文采用Moran’sI指数检验各地区创新能力的全局空间相关性。Moran’sI指数定义为：

(11)

表1 科技创新和制度创新的Moran’s I及检验

注：***、**、*分别表示通过1%、5%、10%水平下的显著性检验。

由表1可以看出，12年间科技创新和制度创新的Moran’sI指数均为正值且通过不同水平的显著性检验，说明省际间科技创新和制度创新存在显著正的空间相关性。不论从数值还是显著性上来看，制度创新的空间相关性更强，说明省际间在市场化程度方面显著地表现为具有相似市场化程度的地区存在空间集聚。制度创新在12年间空间相关性都通过了1%水平下的显著性检验，从时间上来看呈现出一种空间相关性增强的趋势。对于科技创新能力，2003—2006年虽然表现为空间正相关性，Moran’sI指数仅通过10%水平下的显著性检验，但是数值相对较小，随着时间推移，技术的空间相关性也呈现不断增强的趋势，且越来越显著。

(12)

图2 2003年科技创新的空间聚簇特征

图3 2014年科技创新的空间聚簇特征

图2和图3显示各省份科技创新热点区数量大幅增加，而且多集中于东部沿海地区，热点区从2003年的江西、江苏、福建，扩散至山东、安徽、上海、浙江，囊括了整个华东地区，说明华东地区高值科技创新能力集中，是科技创新发展的核心区。另一方面，科技创新冷点区总体数量呈下降趋势，2003年冷点区为新疆、甘肃、四川，2014年冷点减少为新疆、内蒙古，说明除了这两个省份近年各地科技创新能力得到普遍发展，并且科技创新的空间集聚特征随着时间变化更加显著。

图4和图5表明从制度创新的角度看，热点区同样大幅增加，2003年热点区为江西、江苏，而2014年则为河北、北京、山东、安徽、江苏、上海、浙江，说明京津冀、长三角及周边地区在制度创新方面存在高值空间集聚现象，市场化程度高的地区相互包围。此外制度创新的冷点区数量也在增加，2003年冷点区为新疆、甘肃、宁夏、四川，2014年增加了青海省，说明西部制度创新能力普遍较弱，而且西部地区制度创新冷点可能会对临近地区制度创新能力造成不利影响。

图4 2003年制度创新的空间聚簇特征

图5 2014年制度创新的空间聚簇特征

5.2 空间计量模型估计结果分析

本文借助Matlab R2015a软件进行数据分析。Anselin建议采用极大似然估计法(LM)来估计空间计量模型的参数，一方面能够克服传统OLS方法中的变量内生性问题，另一方面又能科学反映地区间创新的空间溢出效应。其次，空间面板模型采取SAR模型还是SEM模型，根据Anselin判别准则，本文通过对科技创新和制度创新两个方程的LM检验，决定采用SAR模型。在进行了Hausman检验后，本文各模型均应采用固定效应模型。模型回归结果如表2所示。表2中方程1、方程2分别表示被解释变量为科技创新、制度创新。

从表2可见，核心解释变量生产性服务业的专业化集聚指数在1%的显著性水平上对科技创新和制度创新都具有正向影响，但数值上专业化集聚指数对科技创新的回归系数大大高于其对制度创新的回归系数，这说明专业化集聚对科技创新的影响更为突出。另一核心解释变量生产性服务业多样化集聚指数对地区科技创新和制度创新也有促进作用，但是显著性不一，多样化集聚在1%的显著性水平下促进地区科技创新的发展，而对于制度创新，生产性服务业的多样化集聚未能通过显著性检验，而且数值远远小于对科技创新的影响，这说明从全国层面看，生产性服务业多样化集聚主要通过促进科技创新产出而提升地区的创新能力。

表2 空间计量模型回归结果

注：***、**、*分别表示通过1%、5%、10%水平下的显著性检验，括号内为渐进的t统计量。

实证结果验证了本文提出的假设，生产性服务业的专业化集聚和多样化集聚，都对地区自主创新能力存在正面溢出效应，但是影响的程度不同。不论是专业化集聚还是多样化集聚，对科技创新的效应都强于对制度创新的效应，这说明生产性服务业的空间集聚促进创新发展的效应会首先集中体现在以区域企业为主体的科技创新能力上，而制度的变化发展则需要较长的发展、试错和适应过程；这是因为创新活动直接体现在研发专利数量增多等方面，而区域内企业之间通过交流学习，加强与政府互动沟通，进而推动创新环境的优化需要时间的积淀。其次，专业化集聚效应在促进两种创新能力方面都更强，这说明现阶段从全国层面考虑，生产性服务业主要通过专业化空间集聚促进生产性服务业内部创新，而生产性服务业多样化空间集聚所蕴含着潜在的Jacobs外部性，尚未得到充分的施展，这也说明通过生产性服务业的多样化集聚促进服务业之间以及服务业与工业的互动创新升级存在较大潜力。

对于控制变量的回归结果，主要发现人力资本投入、开放程度和外商直接投资都能显著促进区域创新的发展。人力资本投入的回归系数在两个方程中均通过了1%的显著性水平检验，且数值仅小于专业化集聚回归系数。开放程度和外商直接投资均对区域创新能力具有显著提升作用，在外向型经济中，对外贸易通过力争达到贸易技术要求促进地区自主创新，而外商直接投资则通过中间产品逆向工程和技术扩散吸收推动东道国创新能力[9]。这为促进生产性服务业集聚过程中的政策重点提供了思路，例如在规划集聚区时还需要建立人才吸引、终身教育和在职培训等政策，鼓励生产性服务业积极参与对外贸易和合理利用外资，为区域创新建立良好基础。

其次，创新研发经费投入在两个方程中系数均为负，且通过1%水平的显著性检验，这说明研发经费投入对科技创新和制度创新均呈现显著的负影响，这可能是因为科研经费的创新产出转换能力不足，投资回报率较低。产业结构对科技创新的影响不显著，但是对制度创新的影响则显著为负，一种可能的解释可以从创新研发投入中寻找，从全国层面看，研发投入的转换能力不强，即使服务业的占比更高，也不能明显提高制度创新能力。这说明一方面创新的产出不能一味强调投资驱动，要考虑各个要素资源的协调配置，另一方面应当大力发展最具创新活力的知识密集型企业，提高知识技术资本化、商业化价值。

最后，方程1的SAR模型空间滞后回归系数ρ通过了10%水平下的显著性检验，且数值为正，这说明在研究中，科技创新空间外溢对区域创新能力有着重要影响，临近地区之间科技创新能力存在显著空间外溢效应，临近的地区更便于科技人才和创新要素的自由流动，同时带动各种新知识、新技术和新思想的传播和扩散。

6 结论与政策启示

通过分析实证研究结果，本文得到如下结论：地区科技创新和制度创新均存在显著为正的空间相关性且呈现不断增强的趋势，说明不同地区的创新能力在空间分布上存在越来越明显的集聚特征，高值集聚区主要集中在东部沿海地区，而西部地区主要为低值集聚区。实证结果表明，不论是生产性服务业的专业化集聚还是多样化集聚，都对地区自主创新能力存在正面溢出效应，但是专业化集聚的作用更强，生产性服务业主要通过专业化空间集聚促进生产性服务业内部创新；相对于制度创新，生产性服务业集聚对地区创新能力的提升较强地集中在科技创新上；同时，科技创新的空间溢出效应也会对地区的自主创新能力产生不可忽视的重要影响。基于上述结论，本文提出如下政策启示：

(1)为生产性服务业集聚创造良好基础环境。实施创新驱动发展战略，可以通过合理引导生产性服务业空间集聚，充分发挥MAR外部性和Jacobs外部性促进创新的作用，从而实现自主创新能力的提升。各地政府应当引导适宜本地发展的如物流、金融、软件开发、咨询培训等服务业，实施促进其发展的财税、政府采购政策，同时注重健全知识产权保护和人才吸引建设等政策，通过提供良好的集聚环境和基础资源促进生产性服务业集聚，为促进本地创新提供新思路。

(2)因地制宜发挥生产性服务业集聚外部性。由于生产性服务业专业化、多样化集聚影响地区创新能力的机制各异，各地区在制定和调整服务业发展战略时，要与本地工业特点和城市规模相匹配，发展最适宜激发本地创新潜力的生产性服务业。例如东部沿海地区已经呈现生产性服务业多样化集聚和较高水平的创新能力，应当从完善产业链的角度出发加快发展金融、科技研发、管理咨询等高端生产性服务业。对于制造业呈现专业化、生产性服务业集聚和创新水平较低的中西部地区，应当针对当地优势制造业优先发展直接作为中间投入的现代物流仓储、日常性金融等，企业间共享基础资源，通过合作、竞争寻求降低成本实现管理创新。

(3)鼓励集聚区内形成产学研相结合的区域创新网络。首先，应当加大对研究机构、大学等多元主体的投入，各地政府应当鼓励创新主体交流合作，以产学研相结合的方式合作开发技术关联度高的重大战略项目，提高科技转换生产力的效率，减少重复研究和资源浪费。其次，应当培育集聚区内创新主体的学习能力和创新文化，举办形式多样的交流会，促进隐性知识在企业间和公共研发机构间传播和积累，在协同创新的网络的环境下，有助于带动个体创新向大众创业、万众创新发展。

(4)充分发挥创新的空间溢出效应。在生产性服务业集聚下，企业不但可以通过共享地方创新资源，降低创新成本，还可以通过知识和技术的空间溢出效应，提高各自的创新能力。因此一方面应当逐步消除影响科技创新空间溢出的政策体制障碍，减少地方保护主义，防止出现“市场分割”导致资源流通不畅的现象；另一方面应当改善通信、网络、数据库等信息化建设，降低交易和信息交流成本，设法扩大创新的溢出区域边界，促进创新在地区之间互通有无机制的形成。

[1]程中华,刘军.产业集聚、空间溢出与制造业创新——基于中国城市数据的空间计量分析[J].山西财经大学学报，2015，37(4):34-44.

[2]席强敏,陈曦,李国平.中国城市生产性服务业模式选择研究——以工业效率提升为导向[J].中国工业经济，2015(2):18-30.

[3]JAFFE A B.Real effects of academic research.[J].American economic review，1989，79(5):957-970.

[4]程中华,于斌斌.产业集聚与技术进步——基于中国城市数据的空间计量分析[J].山西财经大学学报，2014，36(10):58-66.

[5]CHEUNG K Y.Spillover effects of FDI on innovation in China：evidence from provincial data[J].China economic review，2004(15)：25-44.

[6]吴丰华,刘瑞明.产业升级与自主创新能力构建——基于中国省际面板数据的实证研究[J].中国工业经济，2013(5):57-69.

[7]ANSELIN L.Spatial econometrics：methods and models[M].Kluwer Academic Publishers，1988:310-330.

[8]孟斌,王劲峰,张文忠,等.基于空间分析方法的中国区域差异研究[J].地理科学，2005，25(4):393-400.

[9]巫强,刘志彪.进口国质量管制条件下的出口国企业创新与产业升级[J].管理世界，2007(2):53-60.

(责任编辑 沈蓉)

Agglomeration of Producer Services and Innovation-Driven Development

Ji Yahui，Yang Qianni

(School of Economics，Northwest Normal University，Lanzhou 730070，China)

This paper constructed a theoretical analysis framework on the spatial agglomeration of producer services promoting the innovation-driven development.Based on the panel data of 30 provinces in China from 2003 to 2014，and using spatial panel econometric model，this paper empirically researched on how the specialization and diversification agglomeration of producer services promote technology as well as institutional innovation.The result shows that both specialization and diversification agglomeration of producer services have significant spillover effects over regional innovative capability，especially over innovation within producer services mainly through specialization agglomeration.Compared with institutional innovation，agglomeration of producer services intensively promotes regional technology innovation.Meanwhile，the spatial spillover effect of technology innovation also plays an important role in regional innovative capability.

Producer services；Innovation-driven development；agglomeration；Spatial spillover effect

2016-06-12 作者简介：吉亚辉(1964-)，女，陕西韩城人，硕士，教授；研究方向：区域空间结构。

F831.4

A