生产性服务业空间差异化发展探究.doc

生产性服务业空间差异化发展探究 　　摘 要：本文以分异指数和探索性空间数据方法对长三角地区生产线服务业区域差异化进行了研究，发现地区间有较大差异，生产线服务业发展成都好的地区主要集中在核心城市，地区间关联性强，呈现明显的俱乐部收敛现象，细分行业差异明显最后本文认为考虑到生产性服务业服务半径有限，应因地制宜制定发展策略，将区域一体化下的分工与协作作为政策制定的重点。 关键词：生产性服务业；产业空间分布；长三角城市群； 长三角地区经济快速发展背景下，生产性服务业的快速发展得到越来越多重视，十二五发展规划对长三角的重新定位和经济增长方式改变都让生产线服务业更为人们所熟知。根据发达国家发展经验，长三角当前工业化后期的发展时期和城市化快速发展的现状，都为生产性服务业的发展提供了难得的机遇，生产性服务业在地区间布局和对制造业促进作用、经济带动作用也是众多学者研究的焦点。 甄峰等（2001）①认为中国生产性服务业发展虽然当前落后于西方，但是所呈现出来的发展规律有很大一致性，生产性服务业地区差异化发展研究对于理解地区间经济发展差异、缩小收入差距、转变经济增长方式都有理论和现实意义，赵群毅和周一星（2005）②等后续相关研究更加关注到当前生产性服务业在中国的快速发展。陈建军等（2009）③从新经济地理学的视角研究了中国地级市层面上生产线服务业的聚集现象，并对其影响原因进行了研究。毕秀晶和宁越敏（2013）④等文献对长三角地区都市圈的研究也从一定层面上验证了这个问题。覃成林等（2013）⑤也从区域协调发展的角度认识到产业分工协作的重要性，特别是生产性服务业与制造业紧密联系。 一、长三角地区生产性服务业空间分异特征研究 1.产业空间分异指数 测量产业空间分异指数的实质是计算行业就业人数在区域内不同地区分布的比例差异程度。当某一产业就业人口与其他产业就业人口在整个区域不同地区拥有相同的比例，此种情况下产业在空间最为均等、分异程度最小。公式中把整个区域分为n个地区， 是单位地区i总人口， Pi是单位地区i分异成员的比例，T是整个区域总人口，P是整个区域分异成员比例，区域产业空间分异指数⑥为： 2.探索性空间数据分析 地区间空间自相关程度可以通过Moran’I系数进行测度，而来对地区俱乐部现象进行分组。Moran’I系数计算公式为： 式中， xi表示空间单位的观测值，n表示观测单元的数量； Wij表示空间矩阵W的一个元素； x表示观测值的均值，即 x=xi，so表示权重矩阵所有要素之和，即so =Wij，本文使用空间距离权重加权矩阵。Moran’s I 值越大表示邻近区域的正相关性越强，呈现出空间聚集；接近0 表示邻近区域独立无相关，呈现随机的分布；若小于0，则表示邻近区域为负相关，呈现对比的关系。 二、长三角地区生产线服务业空间差异化特征 2011年长三角地区生产性服务业空间自相关程度测度结果如下表1所示，经过9999次重复性检验证明结果稳定。 表1 2011年长三角地区生产线服务业空间自相关检验 Morgan`s I E（I） Mean Sd Pseduo P-value permutations 0.1129 -0.0417 -0.0427 0.0967 0.067 9999 从地区分布上看，生产性服务业发展较强的地方，主要是核心城市及其周边地区，表现出较强的地区关联性，苏南和浙北经济发达地区生产性服务业显著强于苏北和浙南地区，俱乐部收敛现象显著，下图为长三角地区生产线服务业发展水平8分位图。 从表2可以看出，居民服务和其他服务业（ROS）的分异值达到0.5166左属于严重空间分异，从空间自相关指数上看，居民服务和其他服务业也出现显著的地区关联。教育行业（EDU）分异值最低，分异状况最为微弱同时数值比较稳定，同时教育行业地区聚集现象也不明显。考虑到中国户籍制度导致的基础教育教师队伍相对平均。房地产服务业（EST）分异值在0.4625区间内，说明已经存在明显的空间分异，分异加剧的趋势明显，同时从自相关数据可以看出显著地区间关联性，发展程度相同地区趋向于聚集在一起，类似的地区还有租赁和商业服务业（LBS）分异数值在0.4559，且存在正向空间自相关。金融业（FIN）的分异程度0.2792较低，但是发展相类似地区在空间上相邻最为明显，这反映金融业集中在少数几个地区周围，其他地区分布较为平均，金融行业总部和主要分支机构集中在核心城市，更低级分支机构分布与居民居住范围和工业企业所在地相对应。科学研究、技术服务和地质勘查业（STG）的分异指数值在0.4634，存在明显的空间分异；地区间间关联性弱，不显著，科研行业都集中在上海、杭州、南京等城市一定程度上是由于历史原因