萬(wàn)麗娟++楊艷琳++尹希果

摘要：文章在計(jì)算區(qū)位熵指數(shù)（Location Quotient）的基礎(chǔ)上，根據(jù)經(jīng)濟(jì)增長(zhǎng)理論和經(jīng)濟(jì)地理理論構(gòu)建面板數(shù)據(jù)模型，運(yùn)用廣義矩估計(jì)（GMM）方法實(shí)證分析了中國(guó)2004-2012年24個(gè)省市的知識(shí)密集型服務(wù)業(yè)（KIBS）集聚對(duì)于經(jīng)濟(jì)增長(zhǎng)的作用。實(shí)證結(jié)果顯示：知識(shí)密集型服務(wù)業(yè)集聚與經(jīng)濟(jì)增長(zhǎng)之間呈現(xiàn)出倒U型曲線關(guān)系，說(shuō)明集聚能對(duì)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生正效應(yīng)，但是集聚不適度時(shí)會(huì)對(duì)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生負(fù)效應(yīng)?；谏鲜鼋Y(jié)論，提出了相應(yīng)的政策建議。

關(guān)鍵詞：知識(shí)密集型服務(wù)業(yè)；產(chǎn)業(yè)集聚；經(jīng)濟(jì)增長(zhǎng)；GMM分析

中圖分類號(hào)：F263文獻(xiàn)標(biāo)志碼：A文章編號(hào)：

10085831（2016）02003207

一、研究背景

產(chǎn)業(yè)的空間集聚是經(jīng)濟(jì)活動(dòng)中最突出、最活躍的地理特征，在區(qū)域的經(jīng)濟(jì)發(fā)展和競(jìng)爭(zhēng)力提升中起著重要推動(dòng)作用。關(guān)于產(chǎn)業(yè)集聚的理論研究可追溯至Marshall的產(chǎn)業(yè)區(qū)理論，Marshall[1]首次使用“集聚”來(lái)描述地域相近的產(chǎn)業(yè)集中，之后Krugman[2]利用不完全競(jìng)爭(zhēng)經(jīng)濟(jì)學(xué)、路徑依賴、遞增收益以及因果關(guān)系等對(duì)產(chǎn)業(yè)的空間集聚作了較為全面的解釋，Porter[3]則從企業(yè)競(jìng)爭(zhēng)力的視角提出“鉆石”模型，強(qiáng)調(diào)了產(chǎn)業(yè)集聚對(duì)地區(qū)產(chǎn)業(yè)國(guó)際競(jìng)爭(zhēng)力的影響。隨著研究范圍的擴(kuò)大，國(guó)內(nèi)外不少學(xué)者已將產(chǎn)業(yè)的空間集聚引入服務(wù)業(yè)的研究中，尤其是生產(chǎn)性服務(wù)業(yè)和知識(shí)密集型服務(wù)業(yè)等未來(lái)的主流產(chǎn)業(yè)。知識(shí)密集型服務(wù)業(yè)（Knowledgeintensive Business Service，KIBS）是從服務(wù)業(yè)中分離出的以知識(shí)為基礎(chǔ)的新的產(chǎn)業(yè)形態(tài)[4]，在知識(shí)經(jīng)濟(jì)時(shí)代扮演著關(guān)鍵的角色，逐漸成為各國(guó)或地區(qū)競(jìng)爭(zhēng)的主要內(nèi)容。根據(jù)美國(guó)國(guó)家科學(xué)委員會(huì)發(fā)布的《2012年科學(xué)與工程指標(biāo)》報(bào)告，2010年全球知識(shí)密集型產(chǎn)業(yè)對(duì)世界GDP的貢獻(xiàn)約為30%，美國(guó)知識(shí)密集型服務(wù)業(yè)對(duì)該國(guó)GDP的貢獻(xiàn)已經(jīng)超過(guò)了50%。近年來(lái)，中國(guó)部分地區(qū)的知識(shí)密集型服務(wù)業(yè)發(fā)展非常迅速，尤其是東部沿海地區(qū)，憑借其優(yōu)越的地理環(huán)境、完善的基礎(chǔ)設(shè)施、較高的市場(chǎng)開(kāi)放度，為知識(shí)密集型服務(wù)業(yè)的發(fā)展創(chuàng)造了良好條件。知識(shí)密集型服務(wù)業(yè)呈現(xiàn)出高知識(shí)、高技術(shù)、高創(chuàng)新、高互動(dòng)等產(chǎn)業(yè)特性，對(duì)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)發(fā)揮著重要作用。

二、文獻(xiàn)綜述

關(guān)于KIBS的研究始于20世紀(jì)90年代Bilderbeek、Hertog等人的一項(xiàng)名為“Service Industries，Service Innovations”的課題，學(xué)者在研究中發(fā)現(xiàn)有一類依賴知識(shí)信息資源的服務(wù)部門(mén)，能夠獨(dú)立創(chuàng)造財(cái)富。Czarnitzki和Spielkamp[5]等人也曾指出知識(shí)密集型服務(wù)業(yè)是技術(shù)變革和經(jīng)濟(jì)增長(zhǎng)的最主要推動(dòng)者之一，并將成為未來(lái)服務(wù)業(yè)發(fā)展的主流。目前，國(guó)內(nèi)外文獻(xiàn)對(duì)知識(shí)密集型服務(wù)業(yè)的定性分析主要集中在概念和內(nèi)涵界定上。Miles等[6]認(rèn)為知識(shí)密集型服務(wù)業(yè)的內(nèi)涵包括三個(gè)層次：一是從事KIBS的是私人企業(yè)或組織，二是KIBS依賴專業(yè)能力和知識(shí)（涉及特定技術(shù)學(xué)科和技術(shù)功能領(lǐng)域），三是KIBS提供的是以知識(shí)為基礎(chǔ)的中間產(chǎn)品和服務(wù)。Den Hertog[7]定義KIBS為高度創(chuàng)新的服務(wù)活動(dòng)，并且促進(jìn)了其他經(jīng)濟(jì)領(lǐng)域的創(chuàng)新，包括工業(yè)和制造業(yè)。Bettencourt等[8]指出KIBS是以積累、創(chuàng)造或傳播知識(shí)等為主要增值活動(dòng)，開(kāi)發(fā)定制服務(wù)或產(chǎn)品來(lái)滿足顧客需求的企業(yè)。田紅梅[9]指出知識(shí)服務(wù)是從各種顯性和隱性的信息資源中，根據(jù)人們的需要提煉出相應(yīng)的知識(shí)并傳輸出去的過(guò)程。李霞[10]認(rèn)為知識(shí)服務(wù)是一個(gè)滿足客戶不同知識(shí)需求的服務(wù)過(guò)程，知識(shí)服務(wù)提供者憑借自身高度專業(yè)化的知識(shí)，結(jié)合大量的信息與知識(shí)進(jìn)行知識(shí)創(chuàng)新，幫助客戶獲取知識(shí)、理性決策、解決問(wèn)題等。王靜[11]將知識(shí)服務(wù)定義為一種新興的現(xiàn)代服務(wù)業(yè)，其構(gòu)成單位是高度依賴于特定學(xué)科或領(lǐng)域內(nèi)專業(yè)知識(shí)和技能，提供以知識(shí)為基礎(chǔ)的產(chǎn)品（服務(wù)）的企業(yè)或組織，它們通過(guò)對(duì)內(nèi)外部知識(shí)加工從而向客戶提供有針對(duì)性的知識(shí)服務(wù)，并在此過(guò)程中完成知識(shí)和信息的收集、整理、創(chuàng)造及傳播工作。

在實(shí)證研究方面，國(guó)內(nèi)外已有文獻(xiàn)對(duì)KIBS與經(jīng)濟(jì)增長(zhǎng)關(guān)系進(jìn)行研究，并且少數(shù)學(xué)者已開(kāi)始探討知識(shí)服務(wù)的集聚特征。首先，技術(shù)創(chuàng)新是經(jīng)濟(jì)增長(zhǎng)的動(dòng)力和源泉。從創(chuàng)新層面看，Muller和Zenker[12]通過(guò)研究德、法兩國(guó)知識(shí)密集型服務(wù)企業(yè)和中小型制造企業(yè)的創(chuàng)新行為，發(fā)現(xiàn)知識(shí)密集型服務(wù)業(yè)企業(yè)不僅是創(chuàng)新的傳道者與推動(dòng)者，其本身也存在創(chuàng)新行為。Mas-Verdú等[13]基于本國(guó)和歐洲數(shù)據(jù)庫(kù)的創(chuàng)新數(shù)據(jù)，利用投入產(chǎn)出框架實(shí)證分析了西班牙經(jīng)濟(jì)發(fā)展中創(chuàng)新的驅(qū)動(dòng)力和知識(shí)密集型服務(wù)業(yè)的貢獻(xiàn)，研究表明知識(shí)密集型服務(wù)業(yè)在創(chuàng)新中起著關(guān)鍵的作用，同時(shí)也是重要的創(chuàng)新生產(chǎn)者。劉順忠[14]認(rèn)為知識(shí)密集型服務(wù)業(yè)的發(fā)展推動(dòng)了創(chuàng)新系統(tǒng)知識(shí)的創(chuàng)造、擴(kuò)散和使用，促進(jìn)了創(chuàng)新系統(tǒng)創(chuàng)新績(jī)效的提高。張霞等[15]指出知識(shí)密集型服務(wù)業(yè)不僅是科技創(chuàng)新價(jià)值鏈深化分工的產(chǎn)物，也是促進(jìn)分化鏈條中創(chuàng)新主體緊密合作的催化劑，在企業(yè)、產(chǎn)業(yè)集群、區(qū)域以及國(guó)家的創(chuàng)新系統(tǒng)中發(fā)揮著重要作用。其次，從集聚層面看，蘇李等[16]從地理集聚視角，利用Granger方法檢驗(yàn)了中國(guó)金融服務(wù)業(yè)的地理集聚與經(jīng)濟(jì)增長(zhǎng)的關(guān)系，發(fā)現(xiàn)中國(guó)金融服務(wù)業(yè)與經(jīng)濟(jì)增長(zhǎng)存在明顯的相互促進(jìn)關(guān)系。時(shí)省等[17]運(yùn)用知識(shí)生產(chǎn)函數(shù)理論框架分析了知識(shí)密集型服務(wù)業(yè)集聚對(duì)區(qū)域創(chuàng)新能力的影響，結(jié)果表明從城市空間集聚的視角看，知識(shí)密集型服務(wù)業(yè)表現(xiàn)出顯著的創(chuàng)新促進(jìn)作用。最后，不少學(xué)者直接探討了知識(shí)密集型服務(wù)業(yè)對(duì)經(jīng)濟(jì)增長(zhǎng)的影響。Huang和Ji[18]通過(guò)建立內(nèi)生市場(chǎng)結(jié)構(gòu)下的熊彼特增長(zhǎng)模型，分析了知識(shí)密集型服務(wù)業(yè)對(duì)經(jīng)濟(jì)增長(zhǎng)和福利的影響，結(jié)果表明從短期看，KIBS對(duì)產(chǎn)出和消費(fèi)的增長(zhǎng)會(huì)產(chǎn)生積極的影響。金雪軍等[19]通過(guò)研究發(fā)現(xiàn)，知識(shí)密集型服務(wù)業(yè)是通過(guò)專業(yè)人員和專業(yè)手段為其他產(chǎn)業(yè)提供各類知識(shí)服務(wù)產(chǎn)品，將知識(shí)資源最有效率地進(jìn)行分配，從而促進(jìn)當(dāng)?shù)氐慕?jīng)濟(jì)增長(zhǎng)。周泳宏、譚海泉[20]實(shí)證分析了知識(shí)密集型服務(wù)業(yè)對(duì)香港經(jīng)濟(jì)增長(zhǎng)的影響，結(jié)果顯示知識(shí)密集型服務(wù)業(yè)對(duì)經(jīng)濟(jì)增長(zhǎng)有正向的促進(jìn)作用。雖然大多數(shù)學(xué)者的研究表明知識(shí)密集型服務(wù)業(yè)對(duì)經(jīng)濟(jì)增長(zhǎng)有積極作用，但是仍有學(xué)者提出了相反意見(jiàn)。Baumol[21]認(rèn)為從長(zhǎng)遠(yuǎn)看，研發(fā)活動(dòng)的成本將不斷上升，不利于經(jīng)濟(jì)的可持續(xù)增長(zhǎng)。Casraldi[22]采用創(chuàng)新基礎(chǔ)分類法和轉(zhuǎn)移共享模型，分析了制造業(yè)和服務(wù)業(yè)中的不同部門(mén)對(duì)歐洲、日本、美國(guó)生產(chǎn)力的影響，得出了知識(shí)密集型服務(wù)業(yè)對(duì)生產(chǎn)力有負(fù)的轉(zhuǎn)移效應(yīng)的結(jié)論。

綜上所述，目前國(guó)內(nèi)外研究知識(shí)密集型服務(wù)業(yè)對(duì)經(jīng)濟(jì)增長(zhǎng)作用的文獻(xiàn)中，選取空間集聚視角進(jìn)行實(shí)證研究的比較缺乏?；谇叭说呢暙I(xiàn)，本文將分別測(cè)度全國(guó)知識(shí)密集型服務(wù)業(yè)集聚水平，并運(yùn)用面板數(shù)據(jù)（Panel data）模型分析知識(shí)密集型服務(wù)業(yè)集聚對(duì)經(jīng)濟(jì)增長(zhǎng)的影響，從而提出相應(yīng)的政策建議。

三、知識(shí)密集型服務(wù)業(yè)集聚度研究

（一）中國(guó)知識(shí)密集型服務(wù)業(yè)現(xiàn)狀分析

隨著知識(shí)密集型服務(wù)業(yè)規(guī)模的不斷擴(kuò)大，國(guó)內(nèi)外學(xué)者對(duì)KIBS的研究日益深入，其中，關(guān)于KIBS定義和內(nèi)涵的討論較多，尚未得出統(tǒng)一的結(jié)論。本文在把握知識(shí)密集型服務(wù)業(yè)特征的基礎(chǔ)上，結(jié)合現(xiàn)有文獻(xiàn)對(duì)知識(shí)密集型服務(wù)業(yè)內(nèi)涵的研究，作如下界定：知識(shí)密集型服務(wù)業(yè)是指高度依賴專業(yè)技術(shù)和專業(yè)知識(shí)，以技術(shù)創(chuàng)新、知識(shí)整合、知識(shí)傳播為主要增值活動(dòng)的服務(wù)型企業(yè)或組織構(gòu)成的行業(yè)。為進(jìn)一步明確知識(shí)密集型服務(wù)業(yè)的內(nèi)涵，本文結(jié)合2002年、2011年國(guó)家統(tǒng)計(jì)局對(duì)服務(wù)行業(yè)分類的兩次修訂，采用魏江等[23]提出的分類辦法，將知識(shí)密集型服務(wù)業(yè)劃分為4個(gè)大類和14個(gè)子類，分別為金融服務(wù)業(yè)（FS）及其子類：銀行業(yè)、證券業(yè)、保險(xiǎn)業(yè)以及其他金融活動(dòng)；信息與通訊服務(wù)業(yè)（IC）及其子類：電信和信息傳輸服務(wù)業(yè)、計(jì)算機(jī)服務(wù)業(yè)以及軟件業(yè)；科技服務(wù)業(yè)（STS）及其子類：研究與試驗(yàn)發(fā)展、專業(yè)技術(shù)服務(wù)業(yè)、工程技術(shù)與規(guī)劃管理以及科技交流和推廣服務(wù)業(yè)；商務(wù)服務(wù)業(yè)（BS）及其子類：法律服務(wù)、咨詢與調(diào)查以及其他商務(wù)服務(wù)。

此外，國(guó)家繼“十一五”規(guī)劃綱要中提出“加快發(fā)展服務(wù)業(yè)，提高服務(wù)業(yè)的比重和水平”之后，于“十二五”規(guī)劃綱要中進(jìn)一步指出“把推動(dòng)服務(wù)業(yè)大發(fā)展作為產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)的戰(zhàn)略重點(diǎn)，并且推動(dòng)特大城市形成以服務(wù)經(jīng)濟(jì)為主的產(chǎn)業(yè)結(jié)構(gòu)”，因此，近10年來(lái)三次產(chǎn)業(yè)中第三產(chǎn)業(yè)的比重不斷上升，而第三產(chǎn)業(yè)中潛力最大的KIBS增加值逐年遞增，增速呈大幅提高后小幅回落的趨勢(shì)，整體保持平穩(wěn)增長(zhǎng)。但中國(guó)知識(shí)密集型服務(wù)業(yè)與西方發(fā)達(dá)國(guó)家相比，仍存在較大差距，總體上處于初級(jí)階段。同時(shí)，由于中國(guó)幅員遼闊，人口眾多，地域差異較大，經(jīng)濟(jì)、教育、文化等發(fā)展不平衡，各地區(qū)的KIBS處于不同的發(fā)展水平（圖1）。由于部分地區(qū)的知識(shí)密集型服務(wù)業(yè)分類方法不一致，為了保證數(shù)據(jù)質(zhì)量，特選取了24個(gè)具有可比性的省市進(jìn)行相關(guān)研究。

圖12012年中國(guó)24省市KIBS增加值排序

從圖1可以看出，東部地區(qū)省市的KIBS增加值遠(yuǎn)遠(yuǎn)高于中部和西部地區(qū)，尤其是廣東、北京、江蘇、上海、浙江、山東6個(gè)省市，比較優(yōu)勢(shì)十分明顯，除了北京以外，其余5個(gè)省份均屬于沿海地區(qū)的經(jīng)濟(jì)發(fā)達(dá)省市。排名第一的廣東省，其金融服務(wù)業(yè)、信息與通信服務(wù)業(yè)、科技服務(wù)業(yè)和商務(wù)服務(wù)業(yè)年均增長(zhǎng)率分別達(dá)到了2478%、1300%、1619%、1560%，增長(zhǎng)勢(shì)頭強(qiáng)勁。廣東作為金融大省，金融業(yè)一直是支柱產(chǎn)業(yè)，本地的金融機(jī)構(gòu)總資產(chǎn)占到全國(guó)的1/10，超過(guò)香港。排名第二的是北京，作為中國(guó)的政治、經(jīng)濟(jì)、文化中心，北京保持著很高的KIBS專業(yè)化水平，信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)以及金融業(yè)是其現(xiàn)代服務(wù)業(yè)的優(yōu)勢(shì)行業(yè)。北京主要依托電子信息及其他新興技術(shù)發(fā)展知識(shí)密集型服務(wù)業(yè)，截至2012年，北京第三產(chǎn)業(yè)總產(chǎn)值占地區(qū)生產(chǎn)總值比重為7650%，知識(shí)密集型服務(wù)業(yè)總產(chǎn)值所占比重約為4951%，已經(jīng)成為北京的支柱產(chǎn)業(yè)。位列第四的是上海，根據(jù)相關(guān)數(shù)據(jù)統(tǒng)計(jì)，2012年上海金融業(yè)就業(yè)人數(shù)為3005萬(wàn)人，低于北京的395萬(wàn)人，金融業(yè)總產(chǎn)值2 45036億元也略低于北京的2 5369億元。江蘇、浙江、山東分別屬于長(zhǎng)三角和環(huán)渤海經(jīng)濟(jì)區(qū)，兩大經(jīng)濟(jì)區(qū)區(qū)位條件優(yōu)越，自然稟賦優(yōu)良，體制較為完善，經(jīng)濟(jì)基礎(chǔ)雄厚，為知識(shí)密集型服務(wù)業(yè)發(fā)展創(chuàng)造了良好的條件，到2012年底，3省的知識(shí)密集型服務(wù)業(yè)產(chǎn)值在第三產(chǎn)業(yè)中分別占2665%、2987%、1761%。西部省市中重慶的排位較為靠前，基于西部大開(kāi)發(fā)和直轄的政策拉動(dòng)，重慶經(jīng)濟(jì)實(shí)現(xiàn)了跨越式發(fā)展，尤其第三產(chǎn)業(yè)增長(zhǎng)迅速，其中，知識(shí)密集型服務(wù)業(yè)總產(chǎn)值就從2004年的18201億元激增到2012年1 4298億元。但從整體看，中部和西部地區(qū)知識(shí)密集型服務(wù)業(yè)發(fā)展緩慢，起步較晚，與東部地區(qū)相比存在較大差距。

（二）知識(shí)密集型服務(wù)業(yè)集聚的實(shí)證分析

1集聚度測(cè)算指標(biāo)選擇

產(chǎn)業(yè)集聚程度的測(cè)度指標(biāo)主要包括區(qū)位熵（LQ）、赫芬達(dá)爾-赫希曼指數(shù)（HHI）、行業(yè)集中度（CRn）、哈萊-克依指數(shù)（HK）、基尼系數(shù)（Gini）、Ellision-Glaeser集聚指數(shù)（EG指數(shù)）等。其中區(qū)位熵又稱為專業(yè)化指數(shù)或?qū)ｉT(mén)化率，由Haggett首先提出并運(yùn)用于區(qū)位分析，應(yīng)用中一般會(huì)選擇產(chǎn)業(yè)總產(chǎn)值、產(chǎn)業(yè)增加值、產(chǎn)業(yè)銷售收入、產(chǎn)業(yè)從業(yè)人員或企業(yè)數(shù)量分別進(jìn)行計(jì)算。與其他指標(biāo)相比，區(qū)位熵的優(yōu)勢(shì)在于其應(yīng)用廣泛，能較好反映某一產(chǎn)業(yè)部門(mén)的專業(yè)化程度以及某一區(qū)域在高層次區(qū)域的地位和作用，具有較強(qiáng)的參考價(jià)值。而不選擇EG指數(shù)的原因在于EG指數(shù)是從產(chǎn)業(yè)層面反映全國(guó)的集聚水平，不能說(shuō)明單個(gè)地區(qū)相對(duì)于全國(guó)的集聚程度。結(jié)合數(shù)據(jù)獲得的可行性，本文選取區(qū)位熵（LQ）測(cè)度知識(shí)密集型服務(wù)業(yè)集聚程度。區(qū)位熵的計(jì)算方法如下：

LQij=Lij/mj=1Lijni=1Lij/ni=1mj=1Lij

其中，Lij表示j產(chǎn)業(yè)在i區(qū)域的生產(chǎn)總值，m表示產(chǎn)業(yè)數(shù)，n表示區(qū)域數(shù)。當(dāng)LQ>1時(shí)，說(shuō)明該區(qū)域的該產(chǎn)業(yè)有比較優(yōu)勢(shì)，當(dāng)LQ=1，說(shuō)明該產(chǎn)業(yè)的優(yōu)勢(shì)不明顯，處于均勢(shì)，當(dāng)LQ<1，說(shuō)明該產(chǎn)業(yè)處于劣勢(shì)。

2知識(shí)密集型服務(wù)業(yè)LQ指數(shù)的測(cè)算

測(cè)算范圍包括中國(guó)內(nèi)地的24個(gè)省、直轄市，由于個(gè)別省市行業(yè)數(shù)據(jù)缺失，且分類方法不一致，為保證數(shù)據(jù)的可靠性和可比性，故從樣本中去除。樣本省市進(jìn)一步劃分為東、中、西部地區(qū)，東部地區(qū)的省市包括北京、上海、天津、浙江、江蘇、山東、廣東、海南、福建，中部地區(qū)的省市包括安徽、河南、黑龍江、湖南、吉林、山西，西部地區(qū)的省市包括廣西、重慶、甘肅、貴州、內(nèi)蒙古、寧夏、青海、陜西、新疆。由于部分省市的行業(yè)分類從2003年后才更新，為保證統(tǒng)計(jì)口徑一致以及數(shù)據(jù)的連續(xù)性，本文從2004年起對(duì)中國(guó)知識(shí)密集型服務(wù)業(yè)集聚程度進(jìn)行測(cè)度。表1顯示的是2004-2012年全國(guó)知識(shí)密集型服務(wù)業(yè)的LQ指數(shù)。

如表1所示，自2004年始，東部地區(qū)知識(shí)密集型服務(wù)業(yè)區(qū)位熵大于1的省份包括北京、上海、廣東、浙江、江蘇、天津，說(shuō)明2004-2012年以上省市的知識(shí)密集型服務(wù)業(yè)具有明顯的比較優(yōu)勢(shì)，處于領(lǐng)先地位。福建省的知識(shí)密集型服務(wù)業(yè)區(qū)位熵在2005-2012年間一直保持在0845～0932之間，說(shuō)明福建省的知識(shí)密集型服務(wù)業(yè)具有較大的發(fā)展?jié)摿?，比較優(yōu)勢(shì)正逐漸顯現(xiàn)。山東和海南的區(qū)位熵指數(shù)小于1，變化幅度較小，說(shuō)明兩個(gè)省份的知識(shí)密集型服務(wù)業(yè)發(fā)展較為落后。中部地區(qū)省份的區(qū)位熵均小于1，說(shuō)明這些省份的知識(shí)密集型服務(wù)業(yè)尚未具有比較優(yōu)勢(shì)，從動(dòng)態(tài)變化趨勢(shì)看，各省份區(qū)位熵處于上升和下降相互交替的狀態(tài)。西部地區(qū)的重慶、貴州、寧夏區(qū)位熵都大于1，其中，重慶和貴州的區(qū)位熵在大部分年份表現(xiàn)為不斷上升的趨勢(shì)，說(shuō)明這些省市的知識(shí)密集型服務(wù)業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)不斷增強(qiáng)。相關(guān)資料顯示，貴州省的服務(wù)業(yè)增加值增速在2012年為121%，全國(guó)排名第五，而以金融業(yè)為代表的現(xiàn)代服務(wù)業(yè)占比也提升到111%；同年，寧夏服務(wù)業(yè)增加值對(duì)地區(qū)GDP貢獻(xiàn)達(dá)到299%，金融業(yè)增速更高達(dá)211%，貢獻(xiàn)最為突出。

四、知識(shí)密集型服務(wù)業(yè)與經(jīng)濟(jì)增長(zhǎng)關(guān)系的實(shí)證分析

（一）模型設(shè)定及變量分析

各因素的變化都有其自身的慣性，前期的觀測(cè)值會(huì)對(duì)當(dāng)期觀測(cè)值產(chǎn)生一定的影響，為了準(zhǔn)確考察知識(shí)密集型服務(wù)業(yè)集聚的經(jīng)濟(jì)效應(yīng)，本文將在模型中引入被解釋變量的一階滯后項(xiàng)，構(gòu)建動(dòng)態(tài)面板模型進(jìn)行分析。由于本文時(shí)間序列數(shù)據(jù)較少，截面數(shù)據(jù)較多，研究中重點(diǎn)關(guān)注各省市特征，故依據(jù)Islam的基本經(jīng)濟(jì)模型建立動(dòng)態(tài)模型如下：gi，t=c+αlnyi，t-1+βXi，t+θZi+εi，t（1）

被解釋變量化簡(jiǎn)移項(xiàng)，再代入解釋變量和控制變量，方程（1）可以寫(xiě)成以下形式：

logyi，t=c+（α+1）lnyi，t-1+β1aggi，t+β2agg2i，t+θ1lninvi，t+θ2lnhumi，t+θ3lnopei，t+εi，t（2）

其中，i表示省份，t表示年份。經(jīng)濟(jì)增長(zhǎng)率g為被解釋變量，即log（yi，t/yi，t-1），yi，t表示真實(shí)GDP的值。Xk，t表示解釋變量，式中用agg表示知識(shí)密集型服務(wù)業(yè)集聚程度，用agg2檢驗(yàn)知識(shí)密集型服務(wù)業(yè)集聚與經(jīng)濟(jì)增長(zhǎng)之間可能存在的非線性關(guān)系。Zi，t表示控制變量，本文引入勞動(dòng)投入（hum）、資本投入（inv）、對(duì)外開(kāi)放度（ope）等3個(gè)控制變量。εi，t表示誤差項(xiàng)。

知識(shí)密集型服務(wù)業(yè)集聚程度（agg）利用上文計(jì)算的區(qū)位熵（Location Quotient）指數(shù)衡量。勞動(dòng)投入（hum）一般采用各地區(qū)就業(yè)人口數(shù)衡量，但勞動(dòng)投入與資本投入可能存在共線性問(wèn)題，并且大量經(jīng)驗(yàn)證據(jù)表明，人力資本是影響經(jīng)濟(jì)增長(zhǎng)的重要因素，因此，本文以各地區(qū)就業(yè)人員受教育年限即勞動(dòng)力質(zhì)量來(lái)衡量勞動(dòng)投入，其中小學(xué)、初中、高中、大專、本科、研究生的居民平均教育年數(shù)分別假設(shè)為6、9、12、15、16和19年。資本投入（inv）則用各地區(qū)固定資產(chǎn)投資總額衡量，固定投資總額采用GDP平減指數(shù)處理。對(duì)外開(kāi)放度（ope），用地區(qū)商品出口總值衡量，商品出口總值先利用各年匯率兌換成人民幣，再通過(guò)GDP平減指數(shù)處理。

（二）數(shù)據(jù)來(lái)源與方法選擇

實(shí)證研究的樣本為地級(jí)以上城市（含副省級(jí)省會(huì)城市、直轄市、地級(jí)市和計(jì)劃單列市），數(shù)據(jù)均來(lái)源于《中國(guó)城市統(tǒng)計(jì)年鑒》、《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)第三產(chǎn)業(yè)統(tǒng)計(jì)年鑒》以及各省市統(tǒng)計(jì)年鑒。為排除各年價(jià)格因素對(duì)分析結(jié)果的干擾，得到具有可比性的指標(biāo)，本文將相關(guān)各年GDP價(jià)格指數(shù)換算為1990年不變價(jià)數(shù)據(jù)，通過(guò)平減得到真實(shí)GDP，固定資產(chǎn)投資利用固定資產(chǎn)投資價(jià)格指數(shù)進(jìn)行平減處理。

由于本文選取的是2004-2012年中國(guó)24個(gè)省市的經(jīng)濟(jì)數(shù)據(jù)，樣本的時(shí)間跨度不長(zhǎng)，截面數(shù)據(jù)較多，方程中存在被解釋變量的滯后項(xiàng)，可能引起內(nèi)生性問(wèn)題。要解決內(nèi)生性問(wèn)題，可以使用的方法包括兩階段最小二乘法、三階段最小二乘法以及廣義矩估計(jì)方法。通過(guò)對(duì)比三種方法發(fā)現(xiàn)，GMM估計(jì)允許隨機(jī)誤差項(xiàng)存在序列相關(guān)和異方差，不要求獲取擾動(dòng)項(xiàng)的準(zhǔn)確分布信息，得到的參數(shù)估計(jì)量更合乎實(shí)際，因此采用差分GMM進(jìn)行實(shí)證分析。具體地，運(yùn)用這一方法需要先對(duì)估計(jì)方程進(jìn)行一階差分以去掉固定效應(yīng)的影響，并選取合適的工具變量，本文采用被解釋變量的滯后t-2期及以上作為工具變量，利用STATA120進(jìn)行計(jì)量。

（三）模型估計(jì)與結(jié)果分析

1變量的描述性統(tǒng)計(jì)（表2）

2估計(jì)結(jié)果分析

采用差分GMM對(duì)模型（2）進(jìn)行參數(shù)估計(jì)，得到的結(jié)果如表3所示。從結(jié)果可以看出，工具變量的選擇是合理的，具體表現(xiàn)是各個(gè)模型的一階擾動(dòng)項(xiàng)均呈自相關(guān)，而二階擾動(dòng)項(xiàng)均不相關(guān)。

從表3可以看出，模型1—模型4的擾動(dòng)項(xiàng)符合GMM一致性估計(jì)的要求；Hansen檢驗(yàn)結(jié)果為接受“所有工具變量都有效”的原假設(shè)，表明模型工具變量的選取是合適和有效的，沒(méi)有過(guò)度識(shí)別的問(wèn)題。模型中滯后t-1期人均GDP對(duì)應(yīng)的系數(shù)都小于1，說(shuō)明中國(guó)經(jīng)濟(jì)存在條件收斂，進(jìn)而根據(jù)余長(zhǎng)林[24]的做法，推算出模型3、模型4的經(jīng)濟(jì)增長(zhǎng)收斂速度分別為003、0048，這與余長(zhǎng)林[24]、馬立軍[25]得出的結(jié)果相似。

模型中區(qū)位熵指數(shù)系數(shù)為正，表明知識(shí)密集型服務(wù)業(yè)集聚與經(jīng)濟(jì)增長(zhǎng)正相關(guān)，而區(qū)位熵指數(shù)的平方項(xiàng)系數(shù)為負(fù)，并且是顯著的，即與經(jīng)濟(jì)增長(zhǎng)呈負(fù)相關(guān)，這說(shuō)明產(chǎn)業(yè)集聚對(duì)經(jīng)濟(jì)增長(zhǎng)的影響是非線性的，并呈現(xiàn)倒U型關(guān)系。知識(shí)密集型集聚對(duì)經(jīng)濟(jì)增長(zhǎng)的影響在前期是正向的，有明顯的促進(jìn)作用，但是當(dāng)產(chǎn)業(yè)的集聚水平達(dá)到一定程度后，對(duì)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生負(fù)的影響。對(duì)比四個(gè)模型看，隨著控制變量的加入，區(qū)位熵系數(shù)發(fā)生了小幅變動(dòng)，模型2加入固定資產(chǎn)投資變量后，區(qū)位熵系數(shù)下降，模型3引入人力資本變量后，區(qū)位熵系數(shù)上升。與物質(zhì)資本和自然資源相比，人力資本是“軟生產(chǎn)要素”[26]，知識(shí)密集型服務(wù)行業(yè)中，從業(yè)人員的素質(zhì)直接影響產(chǎn)出的質(zhì)量和效率，高水平的人力資本投入能增強(qiáng)知識(shí)密集型服務(wù)業(yè)集聚對(duì)經(jīng)濟(jì)增長(zhǎng)的正效應(yīng)，而固定資產(chǎn)投資對(duì)經(jīng)濟(jì)增長(zhǎng)的拉動(dòng)作用明顯，但對(duì)知識(shí)密集型服務(wù)業(yè)集聚影響不大。在模型4引入所有控制變量后，區(qū)位熵系數(shù)有所下降，其余變量也發(fā)生不同程度的變動(dòng)，說(shuō)明各要素之間相互制約和影響。

五、結(jié)論與對(duì)策建議

（一）結(jié)論

知識(shí)密集型服務(wù)產(chǎn)業(yè)建立在先進(jìn)的科學(xué)技術(shù)基礎(chǔ)上，是發(fā)達(dá)國(guó)家和發(fā)展中國(guó)家進(jìn)行產(chǎn)業(yè)結(jié)構(gòu)調(diào)整時(shí)關(guān)注的重要方向，具有高知識(shí)、高技術(shù)、高創(chuàng)新、高互動(dòng)等特性。本文根據(jù)2004-2012年中國(guó)24個(gè)省市的面板數(shù)據(jù)構(gòu)建經(jīng)濟(jì)增長(zhǎng)方程，實(shí)證分析了知識(shí)密集型服務(wù)業(yè)集聚對(duì)經(jīng)濟(jì)增長(zhǎng)的影響，具體結(jié)論如下。

從專業(yè)化角度看，東部省市的知識(shí)密集型服務(wù)業(yè)集聚程度最高，西部、中部省市次之，有明顯的地區(qū)差異。從回歸結(jié)果看，知識(shí)密集型服務(wù)業(yè)集聚對(duì)經(jīng)濟(jì)增長(zhǎng)有顯著的促進(jìn)作用，集聚帶來(lái)的規(guī)模經(jīng)濟(jì)效應(yīng)明顯。但是，通過(guò)實(shí)證發(fā)現(xiàn)知識(shí)密集型服務(wù)業(yè)集聚與區(qū)域經(jīng)濟(jì)增長(zhǎng)不是簡(jiǎn)單的線性關(guān)系，而是存在倒U型曲線關(guān)系。根據(jù)威廉姆森假說(shuō)，產(chǎn)業(yè)集聚在經(jīng)濟(jì)發(fā)展的初期能顯著提高效率，但達(dá)到某一門(mén)檻值以后，產(chǎn)業(yè)集聚對(duì)經(jīng)濟(jì)增長(zhǎng)的影響逐漸變小，甚至產(chǎn)生負(fù)效應(yīng)，由此可見(jiàn)，研究知識(shí)密集型服務(wù)業(yè)集聚對(duì)經(jīng)濟(jì)增長(zhǎng)的作用時(shí)，應(yīng)當(dāng)考慮可能存在的門(mén)檻或條件。此外，區(qū)位熵指數(shù)的系數(shù)為正，說(shuō)明目前知識(shí)密集型服務(wù)業(yè)集聚對(duì)經(jīng)濟(jì)增長(zhǎng)的影響處于倒U型曲線左側(cè)，對(duì)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生正效應(yīng)。

（二）對(duì)策建議

首先，東部、中部、西部三大區(qū)域的知識(shí)密集型服務(wù)業(yè)集聚發(fā)展不平衡，應(yīng)當(dāng)加快和優(yōu)化相對(duì)落后省市知識(shí)密集型服務(wù)業(yè)的集聚發(fā)展，“適度”地提高集聚水平，注重集聚質(zhì)量的提升，以縮小地區(qū)間的差異。

其次，當(dāng)產(chǎn)業(yè)集聚到一定程度時(shí)，知識(shí)密集型服務(wù)業(yè)的集聚將會(huì)阻礙經(jīng)濟(jì)增長(zhǎng)，集聚的負(fù)面效應(yīng)開(kāi)始顯現(xiàn)，因此，中國(guó)應(yīng)當(dāng)在大力發(fā)展知識(shí)密集型服務(wù)業(yè)的同時(shí)，積極調(diào)整產(chǎn)業(yè)結(jié)構(gòu)和規(guī)模，加快產(chǎn)業(yè)的轉(zhuǎn)型升級(jí)，并且優(yōu)化配套設(shè)施，合理控制研發(fā)費(fèi)用，減少中心區(qū)域的集聚壓力，此外還應(yīng)當(dāng)大力引進(jìn)國(guó)際、國(guó)內(nèi)的人才和技術(shù)，增加中高、高技術(shù)產(chǎn)業(yè)的數(shù)量，逐步向集約型生產(chǎn)方式轉(zhuǎn)變。

最后，在知識(shí)密集型服務(wù)業(yè)專業(yè)化發(fā)展的同時(shí)，應(yīng)注重產(chǎn)業(yè)內(nèi)不同行業(yè)的均衡發(fā)展，避免某一行業(yè)獨(dú)大。此外應(yīng)加強(qiáng)相關(guān)產(chǎn)業(yè)的協(xié)同發(fā)展，尤其是配套產(chǎn)業(yè)的相鄰集聚，以實(shí)現(xiàn)相關(guān)產(chǎn)業(yè)的“區(qū)域一體化”發(fā)展。參考文獻(xiàn)：

[1]MARSHALL APrinciples of economics[M]London：The Macmillan Press，1961：32-39

[2]KRUGMAN PIncreasing returns and economic geography[J]Journal of Political Economy，1996，99（3）：48-59

[3]PORTOR M ECompetitive strategy[M]New York：The Free Press，1999：165-168

[4]黃娟我國(guó)地級(jí)市知識(shí)密集型服務(wù)業(yè)集聚水平及其影響因素研究[D]長(zhǎng)沙：湖南大學(xué)，2011

[5]CZARNITZKI D，SPIELKAMP ABusiness services in Germany：Bridges for innovation[R]Discussion paper No00-52， ZEW，Mannheim，2000：4-27

[6]MILES I，KASTRINOS N，F(xiàn)LANAGAN K，et alKnowledgeintensive business services：Users，carriers and sources of innovation[R]European innovation monitoring systems.EIMS Publication，No15.Innovation Programme，DGXII，Luxembourg，1995

[7]DEN HERTOG PKnowledgeintensive business services as coproducers of innovation[J]International Journal of Innovation Management，2000，4（4）：491-528

[8]BETTENCOURT L，OSTROM A，BROWN S，et alClient coproduction in knowledgeintensive business services[J]California Management Review，2002，44（4）：100-128

[9]田紅梅.試論圖書(shū)館從信息服務(wù)走向知識(shí)服務(wù)[J]情報(bào)理論與實(shí)踐，2003，26（4）：312-314

[10]李霞，樊治平，馮博知識(shí)服務(wù)的概念、特征與模式[J]情報(bào)科學(xué)，2007，25（10）：1584-1587

[11]王靜我國(guó)知識(shí)密集型服務(wù)業(yè)經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)率測(cè)度研究[J]科技進(jìn)步與對(duì)策，2009（8）：49-51

[12]MULLER E，ZENKER ABusiness services as actors of knowledge transformation：The role of KIBS in regional and national innovation systems[J]Research Policy，2001，30：1501-1516

[13]MAS-VERD F，WENSLEY A，ALBA M，et alHow much does KIBS contribute to the generation and diffusion of innovation[J]Service Business，2011，5（3）：195-212

[14]劉順忠對(duì)創(chuàng)新系統(tǒng)中知識(shí)密集型服務(wù)業(yè)的研究[J]科學(xué)學(xué)與科學(xué)技術(shù)管理，2005（3）：61-65

[15]張霞，杜躍平，王林雪基于知識(shí)密集型服務(wù)業(yè)的區(qū)域創(chuàng)新內(nèi)生系統(tǒng)構(gòu)建[J]科技進(jìn)步與對(duì)策，2013（4）：33-38

[16]蘇李，臧日宏，閆逢柱中國(guó)金融服務(wù)業(yè)與經(jīng)濟(jì)增長(zhǎng)的Granger分析——基于地理集聚視角[J]東北大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2010（1）：23-28

[17]時(shí)省，趙定濤，洪進(jìn)，等集聚視角下知識(shí)密集型服務(wù)業(yè)對(duì)區(qū)域創(chuàng)新的影響研究[J]科學(xué)學(xué)與科學(xué)技術(shù)管理，2013（12）：167-174

[18]HUANG C Y，JI LKnowledgeintensive business services and economic growth with endogenous market structure[J]Journal of Macroeconomics，2013，38：95-106

[19]金雪軍，毛捷，袁佳知識(shí)服務(wù)業(yè)產(chǎn)業(yè)效能研究：理論與實(shí)證分析[J]浙江大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2004（4）：69-77

[20]周泳宏，譚海泉KIBS對(duì)經(jīng)濟(jì)增長(zhǎng)影響的實(shí)證分析——以香港專業(yè)服務(wù)業(yè)為例[J]產(chǎn)經(jīng)評(píng)論，2013（4）：81-93

[21]BAUMOL W JServices as leaders and the leader of the services[M]//GADREY J，GALLOUJ FProductivity，innovation and knowledgein servicesCheltenham：Edward Elgar Publishing，2002：147-163

[22]CASTALDI CThe relative weight of manufacturing and services in Europe：An innovation perspective[J]Technological Forecasting and Social Change，2009，76（6）：709-722

[23]魏江，陶顏，王琳知識(shí)密集型服務(wù)業(yè)的概念與分類研究[J]中國(guó)軟科學(xué)，2007（1）：33-41

[24]余長(zhǎng)林中國(guó)區(qū)域經(jīng)濟(jì)增長(zhǎng)條件收斂分析——基于擴(kuò)展Solow模型的實(shí)證研究[J]山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2008（2）：39-46

[25]馬立軍外商直接投資（FDI）與中國(guó)省際經(jīng)濟(jì)增長(zhǎng)差異——基于GMM估計(jì)方法[J]國(guó)際貿(mào)易問(wèn)題，2013（10）：149-158

[26]張志元，季偉杰中國(guó)省域金融產(chǎn)業(yè)集聚影響因素的空間計(jì)量分析[J]廣東金融學(xué)院學(xué)報(bào)，2009（1）：107-117

Research on effects of knowledgeintensive service

industries agglomeration on economic growth

WAN Lijuana， YANG Yanlinb， YIN Xiguoa

（aSchool of Economics and Business Administration，bSchool of Public Affairs， Chongqing University， Chongqing 400044， PRChina）

Abstract：

Based on the calculation of the Location Quotient， we construct a panel data model according to the theory of economic growth and economic geography theory， and use the dynamic panel GMM estimation method to empirically analyze the Knowledgeintensive Business Services （KIBS） of 24 provinces and cities of China economic growth in 2004-2012The empirical results show that the knowledgeintensive business services industries agglomeration and economic growth present an inverted ushaped curve relationship， this suggests that the agglomeration can produce positive effects on economic growth， but the agglomeration not modest will produce negative effects on economic growthIn the end，we bring forward some suggestions related to the agglomeration of knowledgeintensive business services

Key words： knowledgeintensive business service； industries agglomeration； economic growth； GMM

（責(zé)任編輯傅旭東）