王 猛

(陜西師范大學(xué) 國際商學(xué)院，陜西 西安 710119)

一、引 言

2015年以來，服務(wù)業(yè)增加值占GDP的比重持續(xù)大于50%，標(biāo)志著中國已進入服務(wù)經(jīng)濟時代。服務(wù)業(yè)尤其是高端服務(wù)業(yè)的健康發(fā)展，對于中國經(jīng)濟實現(xiàn)高質(zhì)量發(fā)展具有重要的意義。由于不同地區(qū)的資源稟賦、經(jīng)濟水平存在較大差異，服務(wù)業(yè)規(guī)模分布表現(xiàn)出較強的空間不平衡特征。具體到各服務(wù)業(yè)細(xì)分行業(yè)上，這種空間不平衡性就更加明顯。了解中國服務(wù)業(yè)規(guī)模分布的空間特征，是探討服務(wù)業(yè)演進規(guī)律的基礎(chǔ)，也是科學(xué)制定服務(wù)業(yè)發(fā)展政策的前提。對中國服務(wù)業(yè)規(guī)模分布的研究，當(dāng)前已積累了一批代表性文獻，其中涉及空間單元的選擇。空間單元指承載服務(wù)業(yè)規(guī)模信息的最小空間尺度，通常表示為某一級行政區(qū)劃?？臻g尺度較小的空間單元能捕捉服務(wù)業(yè)規(guī)模的異質(zhì)性，使測量結(jié)果更加精確[1]。

現(xiàn)有文獻絕大多數(shù)以市級行政區(qū)作為空間單元，其余主要以地區(qū)、省級行政區(qū)作為空間單元。在市級空間單元的研究中，胡霞利用1997～2005年數(shù)據(jù)，發(fā)現(xiàn)服務(wù)業(yè)存在明顯的集聚現(xiàn)象，且集聚強度高于工業(yè)[2]；陳建軍等指出，生產(chǎn)者服務(wù)業(yè)的集聚程度較高，而消費者服務(wù)業(yè)、公共服務(wù)業(yè)的集聚程度較低[3]；李善同和李華香也支持這一論斷，認(rèn)為2002～2010年間生產(chǎn)者服務(wù)業(yè)集聚程度最高，消費者服務(wù)業(yè)的集聚程較低，而公共服務(wù)業(yè)則呈現(xiàn)均等化特征[4]；陳紅霞和李國平對2003～2013年數(shù)據(jù)的分析表明，沿海地帶是生產(chǎn)者服務(wù)業(yè)分布最為集中的地區(qū)[5]；張虎和韓愛華利用2003～2015數(shù)據(jù)，發(fā)現(xiàn)生產(chǎn)者服務(wù)業(yè)的規(guī)模分布基本服從Zipf定律，全國的規(guī)模分布差異主要由東、中、西部地區(qū)間的規(guī)模分布差異所引起[6]?；诘貐^(qū)或省級空間單元的研究中，程大中和黃雯對1990～2002年數(shù)據(jù)的分析表明，服務(wù)業(yè)整體相對集中于東部地區(qū)，2002年北京、上海、天津的服務(wù)業(yè)整體的區(qū)位熵最高[7]；畢斗斗等指出，2004～2010年生產(chǎn)者服務(wù)業(yè)的規(guī)模分布呈現(xiàn)“中心—外圍”空間結(jié)構(gòu)，即東部沿海、中部、西部地區(qū)逐漸降低[8]；盛龍和陸根堯則發(fā)現(xiàn)2003年東部地區(qū)的生產(chǎn)者服務(wù)業(yè)平均集中率最高，中部、直轄市次之，東北、西南和西北地區(qū)最低[9]。

對美、英等發(fā)達國家服務(wù)業(yè)規(guī)模分布的研究，空間單元除空間尺度較小的縣級行政區(qū)外[10-12]，甚至下沉至空間尺度更小的NUTS-3[13]、TTWA[14]和ZIP[12]等。NUTS是Nomenclature of Territorial Units for Statistics(地域統(tǒng)計單位命名法)的簡稱，為歐盟使用的地理編碼標(biāo)準(zhǔn)，其中NUTS-3的空間尺度最小；TTWA是Travel to Work Area(通勤區(qū))的簡稱，為英國常用的一種地理編碼標(biāo)準(zhǔn)；ZIP為Zone Improvement Plan(地區(qū)改善計劃)的簡稱，為美國的常用地理編碼，空間尺度一般小于城區(qū)。反觀中國服務(wù)業(yè)規(guī)模分布的現(xiàn)有文獻，存在空間單元過于粗疏的問題，有必要基于尺度更小的空間單元[15-16]，更加精確地測量中國服務(wù)業(yè)的規(guī)模分布。

除了基礎(chǔ)數(shù)據(jù)存在的差異外，研究方法上也有改進的空間。現(xiàn)有文獻大部分基于產(chǎn)業(yè)集聚視角研究中國服務(wù)業(yè)規(guī)模分布，采用的測量指標(biāo)包括區(qū)位熵、熵指數(shù)、區(qū)位基尼系數(shù)和集中率等。僅有少數(shù)文獻從其他視角切入，例如探討生產(chǎn)者服務(wù)業(yè)規(guī)模分布的空間相關(guān)性[8]，以及生產(chǎn)者服務(wù)業(yè)的規(guī)模分布是否服從某一經(jīng)驗法則如Zipf定律等[6]。本文認(rèn)為，應(yīng)進一步強化產(chǎn)業(yè)集聚視角以外的研究方法，從而為中國服務(wù)業(yè)規(guī)模分布提供全方位、多視角的測量結(jié)論。

有鑒于此，本文主要在基礎(chǔ)數(shù)據(jù)、研究方法上做出邊際貢獻。在基礎(chǔ)數(shù)據(jù)上，首次采用2872個縣級行政區(qū)作為空間單元(以下簡稱“縣級單元”)?；诘诹稳珖丝谄詹閳蟾娴目h級單元就業(yè)數(shù)據(jù)，本文可以更加精確地測量服務(wù)業(yè)規(guī)模分布。在研究方法上，本文引入以下3個指標(biāo)進行系統(tǒng)研究：運用區(qū)位基尼系數(shù)測量服務(wù)業(yè)規(guī)模分布的集聚程度，運用Pareto指數(shù)刻畫服務(wù)業(yè)規(guī)模分布對Zipf定律的偏離程度，運用Moran’s I指數(shù)衡量服務(wù)業(yè)規(guī)模分布的空間相關(guān)程度。此外，本文還充分考慮了區(qū)域、行業(yè)的異質(zhì)性，同時涉及全國、三大地區(qū)、省域等3個區(qū)域?qū)用妫约胺?wù)業(yè)整體、服務(wù)業(yè)分組(生產(chǎn)者服務(wù)業(yè)、消費者服務(wù)業(yè)、公共服務(wù)業(yè))、服務(wù)業(yè)門類等3個行業(yè)層面，也著重與非服務(wù)業(yè)加以對比。

二、指標(biāo)與數(shù)據(jù)

1.區(qū)位基尼系數(shù)

作為基尼系數(shù)在區(qū)域、產(chǎn)業(yè)研究中的應(yīng)用，區(qū)位基尼系數(shù)因其計算簡單、對應(yīng)的洛倫茲曲線直觀而得到廣泛使用[17]。服務(wù)業(yè)的區(qū)位基尼系數(shù)計算公式為：

(1)

式(1)中，G為區(qū)位基尼系數(shù)，其取值范圍為0≤G≤1。yi和yj表示第i、j個縣級單元的服務(wù)業(yè)規(guī)模(通常為就業(yè)人數(shù)、產(chǎn)值或增加值)占所有縣級單元總服務(wù)業(yè)規(guī)模的份額(i，j=1，…，n)，μ為各縣級單元服務(wù)業(yè)份額的均值。如果對yi按從小到大的順序排列，可以得到式(1)的簡化形式：

(2)

區(qū)位基尼系數(shù)可以進行區(qū)域分解(組群分解)。設(shè)n個縣級單元被劃入r個子區(qū)域，滿足n1+n2+,…,+nr=n，記N={1，2，…，n}，Nk為N的r個真子集(k=1，2，…，r)，此時式(2)的區(qū)域分解表述為：

(3)

式(3)中tk表示子區(qū)域k中服務(wù)業(yè)的總份額，Gk是對應(yīng)于第k個子區(qū)域的區(qū)位基尼系數(shù)，wk是對應(yīng)于第k個子縣級單元的組合系數(shù)。wk與總體的組合系數(shù)w完全不同，要對子區(qū)域k內(nèi)部服務(wù)業(yè)份額重新排序計算。式(3)將區(qū)位基尼系數(shù)拆分為兩大部分，第一部分為全體服務(wù)業(yè)份額在子區(qū)域的內(nèi)部差異(組內(nèi)差異)，第二部分是各子區(qū)域因排序變化產(chǎn)生的外部差異(組間差異)。

2.Pareto指數(shù)

參照現(xiàn)有文獻[6，18]，本文也采用Pareto指數(shù)刻畫服務(wù)業(yè)的規(guī)模分布情況。Pareto分布的概率密度函數(shù)、累積分布函數(shù)分別表示為：

(4)

(5)

其中y仍表示服務(wù)業(yè)規(guī)模，y表示“截點縣級單元”的服務(wù)業(yè)規(guī)模，a為Pareto指數(shù)。式(5)中的累積分布函數(shù)通過對式(4)的概率密度函數(shù)積分得到，用以表示y≤縣級單元服務(wù)業(yè)規(guī)?！躽的概率。用r表示縣級單元按服務(wù)業(yè)規(guī)模的位序排名，n表示規(guī)模在截點縣級單元以上的縣級單元個數(shù)，根據(jù)累積分布函數(shù)F(y)的含義，可求出位序r與規(guī)模y之間的關(guān)系：

(6)

對式(6)取對數(shù)，得到線性回歸模型：

(7)

其中k為常數(shù)，且k=lnn+alny，ε為隨機誤差項。式(7)通常用來估計Pareto指數(shù)a：a>1時，服務(wù)業(yè)規(guī)模分布較為集中，高位序縣級單元的服務(wù)業(yè)較為發(fā)達，低位序縣級單元的服務(wù)業(yè)不發(fā)達；a<1時，服務(wù)業(yè)規(guī)模分布較為均勻，高位序縣級單元的服務(wù)業(yè)不夠發(fā)達，低位序縣級單元的服務(wù)業(yè)較為發(fā)達；a=1時，則服務(wù)業(yè)規(guī)模分布服從Zipf定律，達到一種理想狀態(tài)。

3.Moran’s I指數(shù)

空間相關(guān)性的單一變量測度，可以采用全域Moran’s I指數(shù)進行測算[19]。其計算公式如下：

(8)

在無空間相關(guān)性的零假設(shè)下，可構(gòu)建標(biāo)準(zhǔn)正態(tài)統(tǒng)計量，用于檢驗Moran’s I指數(shù)的統(tǒng)計顯著性：

(9)

式(9)中Z表示檢驗統(tǒng)計量，如果其相伴概率小于0.1，可認(rèn)為I的取值是統(tǒng)計顯著的。

全域Moran’s I指數(shù)反映了整體空間上變量的相關(guān)性，可能會忽略局部地區(qū)的非典型性特征，因此有必要引入局域空間相關(guān)性分析，其最常用的指標(biāo)為局域Moran’s I 指數(shù)：

(10)

式(10)中，Ii表示局域Moran’s I 指數(shù)，其余符號含義與式(8)相同。Ii測度了第i個縣級單元與周圍其他縣級單元的相關(guān)程度：正值表示正相關(guān)，即縣級單元的服務(wù)業(yè)規(guī)模相似；負(fù)值表示負(fù)相關(guān)，即縣級單元的服務(wù)業(yè)規(guī)模相異。該指標(biāo)常與Moran散點圖配合使用，能對局域空間相關(guān)性進行較清晰的刻畫。

除特殊說明外，本文對Pareto指數(shù)、Moran’s I指數(shù)的計算均采用Stata軟件完成。

4.數(shù)據(jù)來源

上述3個指標(biāo)中涉及的服務(wù)業(yè)規(guī)模，本文用就業(yè)人數(shù)表示，數(shù)據(jù)來自2010年第六次全國人口普查分縣資料。人口普查為統(tǒng)計中國服務(wù)業(yè)就業(yè)提供了翔實、權(quán)威的數(shù)據(jù)，有助于本文在縣級單元上測量服務(wù)業(yè)規(guī)模分布。同時，與以往省、市空間單元上的研究利用戶籍人口口徑的就業(yè)數(shù)據(jù)不同，全國人口普查的就業(yè)數(shù)據(jù)為常住人口口徑，相對更為準(zhǔn)確。

按全國人口普查分縣資料，2010年共記錄中國大陸的縣級單元2872個，包括地級市的市轄區(qū)、縣級市、縣、自治縣、旗等各類縣級行政區(qū)。各縣級單元可隨省域劃分至3大地區(qū)：東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南等11個省，有891個縣級單元；中部地區(qū)涵蓋黑龍江、吉林、山西、河南、湖北、湖南、安徽、江西等8個省，有899個縣級單元；其余12個省劃入西部地區(qū)，有縣級單元1082個。

考慮到服務(wù)業(yè)務(wù)細(xì)分行業(yè)間差異較大，本文將15個服務(wù)業(yè)門類劃分為3組，以反映服務(wù)業(yè)的行業(yè)異質(zhì)性：生產(chǎn)者服務(wù)業(yè)包括交通運輸、倉儲和郵政業(yè)，信息傳輸、計算機服務(wù)和軟件業(yè)，金融業(yè)，租賃和商務(wù)服務(wù)業(yè)，科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘察業(yè)等5個門類，其共同特征主要由私人部門供給并作為中間產(chǎn)品進入生產(chǎn)環(huán)節(jié)；消費者服務(wù)業(yè)包括批發(fā)和零售業(yè)，住宿和餐飲業(yè)，房地產(chǎn)業(yè)，居民服務(wù)和其他服務(wù)業(yè)，文化、體育和娛樂業(yè)等5個門類，其共同特征主要由私人部門供給并直接用于消費；公共服務(wù)業(yè)則涵蓋水利、環(huán)境和公共設(shè)施管理業(yè)，教育，衛(wèi)生、社會保障和社會福利業(yè)，公共管理和社會組織，國際組織等5個門類。

基于常住人口口徑的就業(yè)數(shù)據(jù)，可以準(zhǔn)確測量縣級單元上的服務(wù)業(yè)規(guī)模。2010年全國服務(wù)業(yè)就業(yè)1967.8萬人(10%抽樣結(jié)果，下同)，平均每個縣級單元6852人，服務(wù)業(yè)就業(yè)最多的縣級單元為上海浦東新區(qū)(15.4萬人)，最少的縣級單元為南沙群島(0人)。將數(shù)據(jù)按“組—地區(qū)”維度加總，有助于觀察服務(wù)業(yè)規(guī)模的分組和分地區(qū)差異，參見表1。從分組來看，消費者服務(wù)業(yè)就業(yè)為1080.4萬人，是服務(wù)業(yè)的主要組成部分，比重高達55%；生產(chǎn)者服務(wù)業(yè)、公共服務(wù)業(yè)規(guī)模則較為接近，就業(yè)分別為428.6萬人、458.9萬人，比重分別為21.8%、23.3%。分地區(qū)來看，東部地區(qū)服務(wù)業(yè)就業(yè)為968.9萬人，比重為49.2%，約等于中、西部之和；中部、西部的服務(wù)業(yè)就業(yè)分別為537.3萬人、461.6萬人，比重分別為27.3%、23.5%。

表1 服務(wù)業(yè)規(guī)模的分組和分地區(qū)差異(單位：萬人)

三、服務(wù)業(yè)規(guī)模分布的集聚程度

1.全國層面

根據(jù)式(2)，本文首先計算全國層面上服務(wù)業(yè)的區(qū)位基尼系數(shù)，結(jié)果見圖1。參考戴平生的研究[17]，本文將區(qū)位基尼系數(shù)取值大于0.4但小于等于0.6稱為集聚；取值大于0.6則稱為高度集聚。從圖1看，服務(wù)業(yè)整體的區(qū)位基尼系數(shù)為0.517，其規(guī)模分布較為集聚。生產(chǎn)者服務(wù)業(yè)、消費者服務(wù)業(yè)、公共服務(wù)業(yè)的區(qū)位基尼系數(shù)，分別為0.554、0.549和0.445，3組服務(wù)業(yè)都是集聚分布的，但集聚程度依次下降。

圖1 全國層面上服務(wù)業(yè)的區(qū)位基尼系數(shù)圖

在生產(chǎn)者服務(wù)業(yè)中，交通運輸、倉儲和郵政業(yè)集聚程度較低，其區(qū)位基尼系數(shù)為0.493。其余4個門類均屬于高度集聚：租賃和商務(wù)服務(wù)業(yè)，信息傳輸、計算機服務(wù)和軟件業(yè)，金融業(yè)的區(qū)位基尼系數(shù)分別為0.733、0.666和0.629，集聚程度相當(dāng)高；集聚程度最高的則是科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘察業(yè)，其區(qū)位基尼系數(shù)達到0.805。為什么生產(chǎn)者服務(wù)業(yè)的集聚程度大都較高？對此的解釋是，生產(chǎn)者服務(wù)業(yè)為生產(chǎn)活動提供中間品，通常追隨其下游產(chǎn)業(yè)進行集中布局；同時，生產(chǎn)者服務(wù)業(yè)大多為知識密集型產(chǎn)業(yè)，一般集聚于強人力資本區(qū)域以便獲得知識溢出。

在消費者服務(wù)業(yè)中，房地產(chǎn)業(yè)，文化、體育和娛樂業(yè)的區(qū)位基尼系數(shù)分別為0.779和0.674，屬于高度集聚門類。這兩類消費者服務(wù)業(yè)主要布局在(大)城市而不是鄉(xiāng)村，因此集聚程度相對較高。與此相反，批發(fā)和零售業(yè)、住宿和餐飲業(yè)、居民服務(wù)和其他服務(wù)業(yè)具有追隨人口和終端市場布局的特性，而且進入壁壘較低，即使在人口密度較小的鄉(xiāng)村也有獲利空間，因此集聚程度并不高，其區(qū)位基尼系數(shù)分別為0.560、0.518和0.525。

在公共服務(wù)業(yè)中，國際組織是集聚程度最高的服務(wù)業(yè)門類，區(qū)位基尼系數(shù)為0.971。水利、環(huán)境和公共設(shè)施管理業(yè)也屬于高度集聚，區(qū)位基尼系數(shù)為0.604。其余的3個門類在所有服務(wù)業(yè)門類中集聚程度最低：衛(wèi)生、社會保障和社會福利業(yè)，教育，公共管理和社會組織的區(qū)位基尼系數(shù)分別為0.486、0.445和0.440?？梢姽卜?wù)業(yè)的整體集聚水平不高。這是因為公共服務(wù)業(yè)是政府職責(zé)的體現(xiàn)，其布局的基本要求是覆蓋絕大多數(shù)人口，尤其在教育、醫(yī)療、社會保障等基本公共服務(wù)上應(yīng)當(dāng)實現(xiàn)均等化。

區(qū)位基尼系數(shù)表明，在縣級單元上所有服務(wù)業(yè)門類都是集聚的，有部分門類甚至高度集聚。那么，相對于非服務(wù)業(yè)，服務(wù)業(yè)各門類的集聚程度更高還是更低？為此，本文也計算了其他5個非服務(wù)業(yè)門類的區(qū)位基尼系數(shù)，結(jié)果如下：農(nóng)林牧漁業(yè)，電力、燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)，建筑業(yè)的區(qū)位基尼系數(shù)分別為0.499、0.513和0.535，表明這3個產(chǎn)業(yè)也存在集聚現(xiàn)象但程度不高；采礦業(yè)、制造業(yè)在的區(qū)位基尼系數(shù)分別為0.744和0.683，是典型的高度集聚?？梢娂词共豢紤]國際組織這一特殊門類，仍有3個服務(wù)業(yè)門類的集聚程度高于制造業(yè)：科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘察業(yè)(0.805)，房地產(chǎn)業(yè)(0.779)，租賃和商務(wù)服務(wù)業(yè)(0.733)的集聚程度分別比制造業(yè)高18%、14%和7%，前2個門類的集聚程度甚至高于采礦業(yè)。由此可見，Krugman[20]、胡霞[2]認(rèn)為服務(wù)業(yè)比制造業(yè)更加集聚的理論判斷，并未完全得到實證研究的支持。不過部分服務(wù)業(yè)門類的集聚程度的確高于非服務(wù)業(yè)，特別是部分生產(chǎn)者服務(wù)業(yè)、消費者服務(wù)業(yè)的集聚程度高于制造業(yè)。

2.三大地區(qū)層面

本文計算三大地區(qū)層面上服務(wù)業(yè)的區(qū)位基尼系數(shù)，結(jié)果見圖2。從服務(wù)業(yè)整體看，西部的服務(wù)業(yè)集聚程度最高，區(qū)位基尼系數(shù)達0.550；中部的服務(wù)業(yè)集聚程度最低，區(qū)位基尼系數(shù)僅為0.399；東部的服務(wù)業(yè)集聚程度則介于中間水平，區(qū)位基尼系數(shù)為0.483。類似的規(guī)模分布特征，也存在于生產(chǎn)者服務(wù)業(yè)、消費者服務(wù)業(yè)、公共服務(wù)業(yè)等3組服務(wù)業(yè)中。

圖2 地區(qū)層面服務(wù)業(yè)的區(qū)位基尼系數(shù)

從服務(wù)業(yè)門類看，國際組織的集聚程度在西部最高，中部最低；信息傳輸、計算機服務(wù)和軟件業(yè)的集聚程度在東部最高，中部最低。其他的13個服務(wù)業(yè)門類則表現(xiàn)出高度的規(guī)律性，集聚程度由高到低依次是西部、東部和中部。以租賃和商務(wù)服務(wù)業(yè)為例，其區(qū)位基尼系數(shù)在西部為0.728，東部為0.706，中部則降低為0.591。

那么，服務(wù)業(yè)規(guī)模分布的差異主要是三大地區(qū)內(nèi)部的差異所引起，還是由三大地區(qū)間的差異導(dǎo)致？根據(jù)式(3)，本文將全國層面的服務(wù)業(yè)區(qū)位基尼系數(shù)分解為兩部分：一是三大地區(qū)的區(qū)位基尼系數(shù)的加權(quán)平均數(shù)，反映服務(wù)業(yè)規(guī)模分布在地區(qū)內(nèi)部的差異即組內(nèi)差異，權(quán)重為各地區(qū)的服務(wù)業(yè)份額；二是三大地區(qū)之間因服務(wù)業(yè)份額排序變化所產(chǎn)生的外部差異，即組間差異。從分解結(jié)果看，所有服務(wù)業(yè)門類的組內(nèi)差異的比重均大于90%，可見，三大地區(qū)內(nèi)部的差異對服務(wù)業(yè)規(guī)模分布的差異貢獻較大，三大地區(qū)間的差異貢獻相對較小。

3.省域?qū)用?/h3>

本文進一步計算省域?qū)用嫔戏?wù)業(yè)的區(qū)域基尼系數(shù)，圖3報告了計算結(jié)果。各省點狀圖縱軸的產(chǎn)業(yè)名稱與全國、三大地區(qū)點狀圖相同，簡化起見不予顯示(下同)。

圖3 省域?qū)用嫔戏?wù)業(yè)的區(qū)位基尼系數(shù)

觀察圖3，有以下發(fā)現(xiàn)：第一，服務(wù)業(yè)在省域?qū)用娴钠骄鄢潭缺热珖鴮用娓?，部分服?wù)業(yè)門類甚至缺乏集聚。例如，各省公共管理和社會組織、教育的區(qū)位基尼系數(shù)平均值分別為0.382和0.394，低于0.4的集聚臨界值。對這一現(xiàn)象的解釋是，縣級單元的差異在一省內(nèi)部往往小于全國層面，導(dǎo)致省域?qū)用嫔戏?wù)業(yè)的規(guī)模分布相對均勻，區(qū)位基尼系數(shù)較小。

第二，盡管國際組織，科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘察業(yè)，房地產(chǎn)業(yè)，租賃和商務(wù)服務(wù)業(yè)等服務(wù)業(yè)門類在大部分省域的集聚程度低于全國層面，但仍為高度集聚，各門類的平均區(qū)位基尼系數(shù)分別為0.920、0.732、0.697和0.620。

第三，省域?qū)用娴姆?wù)業(yè)集聚程度差異明顯。服務(wù)業(yè)在欠發(fā)達省份的服務(wù)業(yè)集聚程度一般較高，而在發(fā)達省份的集聚程度較低。例如，各服務(wù)業(yè)門類的平均區(qū)位基尼系數(shù)在西藏、青海、新疆分別高達0.815、0.699和0.665，在上海、江蘇、天津則分別為0.427、0.408和0.398?？赡艿脑蛟谟谇钒l(fā)達省份因經(jīng)濟發(fā)展落后或自然環(huán)境惡劣，服務(wù)業(yè)主要布局在城市尤其是省會城市的市轄區(qū)，導(dǎo)致區(qū)位基尼系數(shù)較高；而發(fā)達省份的縣級單元經(jīng)濟發(fā)展水平大都較高，因此生產(chǎn)者服務(wù)業(yè)在多數(shù)縣級單元均有布局，區(qū)位基尼系數(shù)較低。

與三大地區(qū)層面的處理類似，本文根據(jù)式(3)，將全國層面的服務(wù)業(yè)區(qū)位基尼系數(shù)按31個省進行分解。經(jīng)計算，所有服務(wù)業(yè)門類的組內(nèi)差異的比重都在80%左右。其中，科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘察業(yè)的組內(nèi)差異比重最高，為86.7%；租賃和商務(wù)服務(wù)業(yè)的組內(nèi)差異比重最低，也達到79.1%。這表明，服務(wù)業(yè)規(guī)模分布的差異主要由省域內(nèi)部的規(guī)模分布差異所引起，省域間規(guī)模分布差異的貢獻則較小。

四、服務(wù)業(yè)規(guī)模分布對Zipf定律的偏離

1.全國層面

為測量服務(wù)業(yè)規(guī)模分布對zipf定律的偏離程度，本文根據(jù)式(7)，對縣級單元的位序和規(guī)模進行回歸分析，得到服務(wù)業(yè)的Pareto指數(shù)。當(dāng)且僅當(dāng)Pareto指數(shù)的取值介于0.95和1.05之間，稱為服從Zipf定律。在全國層面上，服務(wù)業(yè)整體以及3組服務(wù)業(yè)的“位序—規(guī)?！被貧w結(jié)果見圖4。服務(wù)業(yè)整體的Pareto指數(shù)為0.737，可見其規(guī)模分布較為均勻，且不服從Zipf定律；生產(chǎn)者服務(wù)業(yè)、消費者服務(wù)業(yè)的Pareto指數(shù)分別為0.627和0.647，比服務(wù)業(yè)整體更加偏離Zipf定律；而公共服務(wù)業(yè)的Pareto指數(shù)達到0.885，雖然接近1，但仍然偏離Zipf定律。與本文結(jié)論不同，張虎和韓愛華[6]在市級單元上的分析表明，生產(chǎn)者服務(wù)業(yè)的規(guī)模分布基本服從Zipf定律?；诓煌臻g單元得到的測量結(jié)果迥異，也從側(cè)面說明在更小空間單元上測量服務(wù)業(yè)規(guī)模分布的必要性。

圖4 全國層面上服務(wù)業(yè)的“位序—規(guī)?！被貧w結(jié)果

類似地，基于“位序—規(guī)?！被貧w計算全國層面上各服務(wù)業(yè)門類的Pareto指數(shù)，結(jié)果見圖5。公共管理和社會組織的Pareto指數(shù)為0.957，是唯一服從Zipf定律的服務(wù)業(yè)門類；國際組織的Pareto指數(shù)高達2.286，偏離Zipf定律，其規(guī)模分布高度集中；其余13個服務(wù)業(yè)門類的Pareto指數(shù)均小于0.95，最高的教育也僅有0.781，都不服從Zipf定律，規(guī)模分布較為均勻。

圖5 全國層面上的Pareto指數(shù)

與非服務(wù)業(yè)相比，服務(wù)業(yè)對Zipf定律的偏離程度更高還是更低？為此，本文也分別計算了其他5個非服務(wù)業(yè)門類的Pareto指數(shù)：農(nóng)林牧漁業(yè)，電力、燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)，建筑業(yè)的Pareto指數(shù)分別為0.463、0.495和0.454，采礦業(yè)、制造業(yè)的Pareto指數(shù)略高，分別為0.670、0.515，取值均低于服務(wù)業(yè)整體的0.737。細(xì)分至服務(wù)業(yè)門類，也有6個服務(wù)業(yè)門類的Pareto指數(shù)大于0.670且小于1。由此可見，服務(wù)業(yè)的規(guī)模分布對Zipf定律的偏離程度，要小于非服務(wù)業(yè)。

2.三大地區(qū)層面

與全國層面的做法相同，本文基于“位序—規(guī)?！被貧w計算三大地區(qū)層面上服務(wù)業(yè)的Pareto指數(shù)，結(jié)果見圖6。從服務(wù)業(yè)整體看，雖然三大地區(qū)的服務(wù)業(yè)規(guī)模分布均不服從Zipf定律，但存在一定差異：東、西部地區(qū)服務(wù)業(yè)的Pareto指數(shù)分別是0.817、0.698，規(guī)模分布較為分散；而中部地區(qū)的Pareto指數(shù)達到1.112，規(guī)模分布則相對集中。

三組服務(wù)業(yè)也存在類似的地區(qū)差異：生產(chǎn)者服務(wù)業(yè)、消費者服務(wù)業(yè)、公共服務(wù)業(yè)在東部地區(qū)的Pareto指數(shù)分別為0.801、0.791和0.941，在西部地區(qū)的Pareto指數(shù)則分別為0.556、0.593和0.845。東、西部地區(qū)的服務(wù)業(yè)規(guī)模分布均比較分散，但前者比后者更接近Zipf定律。相對而言，中部地區(qū)3組服務(wù)業(yè)的取值分別為1.071、0.981和1.161，規(guī)模分布相對集中，并且其消費者服務(wù)業(yè)的規(guī)模分布服從Zipf定律。

觀察圖6中各服務(wù)業(yè)門類在三大地區(qū)的Pareto指數(shù)，發(fā)現(xiàn)兩個特征。一方面，中部地區(qū)均高于東、西部地區(qū)，且中部地區(qū)有若干服務(wù)業(yè)門類的Pareto指數(shù)大于1，規(guī)模分布較為集中。另一方面，與全國層面不同，三大地區(qū)層面上有不少服務(wù)業(yè)門類的規(guī)模分布服從Zipf定律：東部地區(qū)的教育(0.982)，衛(wèi)生、社會保障和社會福利業(yè)(0.956)，公共管理和社會組織(0.996)；中部地區(qū)的信息傳輸、計算機服務(wù)和軟件業(yè)(0.983)，居民服務(wù)和其他服務(wù)業(yè)(1.043)，教育(1.034)，衛(wèi)生、社會保障和社會福利業(yè)(0.993)；以及西部地區(qū)的公共管理和社會組織(0.954)。

圖6 三大地區(qū)層面上服務(wù)業(yè)的Pareto指數(shù)

3.省域?qū)用?/h3>

本文計算省域?qū)用嫔戏?wù)業(yè)的Pareto指數(shù)，結(jié)果見圖7。服務(wù)業(yè)整體在以下8個省域的規(guī)模分布服從Zipf定律：遼寧(1.014)、上海(1.029)、浙江(1.033)和陜西(1.036)的Pareto指數(shù)略大于1；內(nèi)蒙古(0.975)、西藏(0.977)、重慶(0.978)以及甘肅(0.989)的Pareto指數(shù)則略小于1。

生產(chǎn)者服務(wù)業(yè)在5個省域的規(guī)模分布服從Zipf定律，包括河北(1.045)、浙江(0.984)、福建(0.974)、貴州(1.044)和陜西(0.974)。消費者服務(wù)業(yè)在7個省域的規(guī)模分布服從Zipf定律，包括山西(1.044)、遼寧(0.979)、上海(1.037)、浙江(0.970)、福建(1.001)、廣西(1.042)以及貴州(1.036)。公共服務(wù)業(yè)在2個省域的規(guī)模分布服從Zipf定律：上海(1.045)和四川(0.999)。

進一步地，圖7也報告了省域?qū)用嫔细鞣?wù)業(yè)門類的Pareto指數(shù)，以考察其對Zipf定律的偏離程度。有以下結(jié)論：第一，偏離程度最小的服務(wù)業(yè)門類是金融業(yè)，水利、環(huán)境和公共設(shè)施管理業(yè)，居民服務(wù)和其他服務(wù)業(yè)。這3個門類分別在6個省域的規(guī)模分布服從Zipf定律，例如金融業(yè)在天津(1.013)、浙江(0.960)、河南(1.025)、湖南(1.028)、貴州(0.965)和云南(0.978)的規(guī)模分布均服從Zipf定律。第二，偏離程度最大的服務(wù)業(yè)門類是房地產(chǎn)業(yè)、國際組織，這2個門類的規(guī)模分布在所有省域都不服從Zipf定律。第三，偏離程度最小的省域是貴州，有5個服務(wù)業(yè)門類的規(guī)模分布服從Zipf定律：信息傳輸、計算機服務(wù)和軟件業(yè)(0.979)，批發(fā)和零售業(yè)(1.045)，住宿和餐飲業(yè)(0.995)，金融業(yè)(0.965)以及居民服務(wù)和其他服務(wù)業(yè)(0.981)。第四，偏離程度最大的省域包括內(nèi)蒙古、山東、海南、四川、青海等，這5個省域中所有服務(wù)業(yè)門類的規(guī)模分布都不服從Zipf定律。

圖7 省域?qū)用嫔戏?wù)業(yè)的Pareto指數(shù)

五、服務(wù)業(yè)規(guī)模分布的空間相關(guān)性

1.全國層面

為測算全國層面上服務(wù)業(yè)規(guī)模分布的空間相關(guān)性，本文首先根據(jù)式(8)，計算全域Moran’s I指數(shù)，所用到的涵蓋2872個縣級單元的空間權(quán)重矩陣計算較為復(fù)雜，本文采用Donald J. Lacombe編寫的Matlab程序完成。圖8報告了計算結(jié)果。服務(wù)業(yè)整體的全域Moran’s I指數(shù)為0.406，在全國層面表現(xiàn)出正的空間相關(guān)性。生產(chǎn)者服務(wù)業(yè)、消費者服務(wù)業(yè)、公共服務(wù)業(yè)的正空間相關(guān)性也較強，其全域Moran’s I指數(shù)分別為0.402、0.405和0.347。

圖8 全國層面上服務(wù)業(yè)的全域Moran’s I指數(shù)

在全國層面上，所有的服務(wù)業(yè)門類都存在正的空間相關(guān)性，大部分門類的全域Moran’s I指數(shù)集中0.4附近。其中，房地產(chǎn)業(yè)的空間相關(guān)性最強(0.432)，國際組織的空間相關(guān)性則最弱(0.249)。

本文也計算了非服務(wù)業(yè)的全域Moran’s I指數(shù)：制造業(yè)、采礦業(yè)的取值最低，分別為0.216和0.234，空間相關(guān)性弱于所有服務(wù)業(yè)門類；農(nóng)林牧漁業(yè)，電力、燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)，建筑業(yè)的全域Moran’s I指數(shù)相對較高，分別為0.384、0.294和0.329，其空間相關(guān)性強于部分服務(wù)業(yè)門類。

為進一步把握局部地區(qū)的非典型性特征，本文根據(jù)式(10)計算服務(wù)業(yè)的局域Moran’s I 指數(shù)Ii，進行局域空間相關(guān)性分析。限于篇幅，僅報告服務(wù)業(yè)整體、3類服務(wù)業(yè)的局域Moran’s I 指數(shù)，其Moran散點圖如圖9所示。

Ii為正，意味著服務(wù)業(yè)規(guī)模大的縣級單元被服務(wù)業(yè)規(guī)模大的縣級單元包圍(高—高型，第1象限)，或服務(wù)業(yè)規(guī)模小的縣級單元被服務(wù)業(yè)規(guī)模小的縣級單元包圍(低—低型，第3象限)；Ii為負(fù)，則表示服務(wù)業(yè)規(guī)模小的縣級單元被服務(wù)業(yè)規(guī)模大的縣級單元包圍(低—高型，第2象限)，或服務(wù)業(yè)規(guī)模大的縣級單元被服務(wù)業(yè)規(guī)模小的縣級單元包圍(高—低型，第4象限)。從圖9看，第1象限的“高—高型”縣級單元最多，即許多具有較大服務(wù)業(yè)規(guī)模的縣級單元被同樣具有較大服務(wù)業(yè)規(guī)模的縣級單元所包圍，可見中國的服務(wù)業(yè)規(guī)模分布呈現(xiàn)出一定的“俱樂部”特征。

圖9 全國層面上服務(wù)業(yè)的局域Moran’s I指數(shù)

2.地區(qū)層面

本文計算三大地區(qū)層面上服務(wù)業(yè)的Moran’s I指數(shù)，結(jié)果見圖10。服務(wù)業(yè)整體在三大地區(qū)的規(guī)模分布均為正的空間相關(guān)，東、中、西部地區(qū)服務(wù)業(yè)的Moran’s I指數(shù)分別為0.110、0.115和0.163，空間相關(guān)程度逐漸增大。3組服務(wù)業(yè)的空間相關(guān)性存在地區(qū)差異：東、中部的空間相關(guān)性較為接近，生產(chǎn)者服務(wù)業(yè)的Moran’s I指數(shù)分別為0.109、0.111，消費者服務(wù)業(yè)的Moran’s I指數(shù)分別為0.115、0.121，公共服務(wù)業(yè)的Moran’s I指數(shù)均為0.088；相對而言，西部的空間相關(guān)性更高，3組服務(wù)業(yè)的Moran’s I指數(shù)分別達到0.161、0.173和0.113。

圖10 三大地區(qū)層面上服務(wù)業(yè)的全域Moran’s I指數(shù)

從服務(wù)業(yè)門類看，空間相關(guān)性的地區(qū)差異與服務(wù)業(yè)整體、3組服務(wù)業(yè)類似，即西部地區(qū)的空間相關(guān)性仍然強于東、中部地區(qū)。除公共管理和社會組織、國際組織這2個門類，其余13個門類在西部地區(qū)的Moran’s I指數(shù)均為最大。例如，批發(fā)和零售業(yè)在西部的Moran’s I指數(shù)為0.169，在東、中部則僅有0.110和0.120，分別是西部的65%和71%。

3.省域?qū)用?/h3>

本文進一步計算省域?qū)用嫔戏?wù)業(yè)的Moran’s I指數(shù)，圖11報告了計算結(jié)果。需要說明的是，與全國層面、三大地區(qū)層面不同，服務(wù)業(yè)在省級層面的Moran’s I指數(shù)有許多并未通過式(9)的Z檢驗，這意味著其空間相關(guān)性并不顯著，因此圖11僅報告Z檢驗結(jié)果顯著的Moran’s I指數(shù)。

圖11 省域?qū)用嫔戏?wù)業(yè)的全域Moran’s I指數(shù)

服務(wù)業(yè)整體在大部分省域上表現(xiàn)出正的空間相關(guān)性。其中，空間相關(guān)性最強、最弱的省域分別是青海、江蘇，其Moran’s I指數(shù)分別為0.560和0.033，差異巨大。值得一提的是，青海的3組服務(wù)業(yè)的空間相關(guān)性均為最強，生產(chǎn)者服務(wù)業(yè)、消費者服務(wù)業(yè)、公共服務(wù)業(yè)的Moran’s I指數(shù)分別達到0.498、0.559和0.386。

服務(wù)業(yè)門類在省域?qū)用嫔媳憩F(xiàn)出以下特征：第一，部分省域僅有少數(shù)門類的空間相關(guān)性顯著。這包括北京、上海、天津和海南等縣級單元較少的省域，也包括西藏這樣的欠發(fā)達地區(qū)。較為特殊地，上海僅有公共管理和社會組織的Moran’s I指數(shù)顯著為正(0.006)。第二，各門類在青海、新疆的空間相關(guān)性明顯強于其他省域。例如，青海絕大多數(shù)服務(wù)業(yè)門類的Moran’s I指數(shù)都在0.3以上，這與其他省域的指數(shù)集中在0.2附近迥然不同。第三，僅有北京的服務(wù)業(yè)門類存在空間負(fù)相關(guān)特征。3個通過Z檢驗的門類的Moran’s I指數(shù)均顯著為負(fù)，包括交通運輸、倉儲和郵政業(yè)(-0.156)，水利、環(huán)境和公共設(shè)施管理業(yè)(-0.141)，居民服務(wù)和其他服務(wù)業(yè)(-0.129)，可見，這些門類在北京具有“高低互見”的規(guī)模分布特征。

六、結(jié)論與建議

本文基于第六次全國人口普查分縣數(shù)據(jù)，將空間單元細(xì)化至縣級層面，大幅提高了測量結(jié)果的精確性，并從產(chǎn)業(yè)集聚、Zipf定律、空間相關(guān)性等多個視角展開分析。此外，本文充分考慮了服務(wù)業(yè)規(guī)模分布的區(qū)域異質(zhì)性、行業(yè)異質(zhì)性。

本文主要結(jié)論如下：第一，在全國層面，服務(wù)業(yè)整體的區(qū)位基尼系數(shù)為0.517，產(chǎn)業(yè)集聚程度適中；Pareto指數(shù)為0.737，規(guī)模分布較為均勻，不服從Zipf定律；全域Moran’s I指數(shù)為0.406，呈現(xiàn)正的空間相關(guān)性，局域Moran’s I指數(shù)則表明，服務(wù)業(yè)整體的規(guī)模分布存在一定的“俱樂部”特征。第二，在地區(qū)層面，服務(wù)業(yè)整體在西部的集聚程度最高，中部最低，東部介于中間水平；其規(guī)模分布在東、西部較為分散，中部相對集中，但均不服從Zipf定律；規(guī)模分布的空間相關(guān)性在東、中、西部依次增強。第三，在省域?qū)用妫?wù)業(yè)整體的集聚程度在青海、西藏等欠發(fā)達省份最高，在江蘇、天津等發(fā)達省份最低；服務(wù)業(yè)整體的規(guī)模分布在8個省份服從Zipf定律；服務(wù)業(yè)整體在大部分省域上表現(xiàn)出正的空間相關(guān)性，最強、最弱的省域分別是青海、江蘇。第四，三組服務(wù)業(yè)(生產(chǎn)者服務(wù)業(yè)、消費者服務(wù)業(yè)和公共服務(wù)業(yè))、15個服務(wù)業(yè)門類在全國、三大地區(qū)、省域等不同區(qū)域?qū)用嫔希湟?guī)模分布表現(xiàn)出很強的異質(zhì)性。

上述結(jié)論為優(yōu)化中國服務(wù)業(yè)規(guī)模分布提供了政策啟示。在理論上，服務(wù)業(yè)微觀個體(即企業(yè)或事業(yè)單位)間的近距離交往可以產(chǎn)生外部規(guī)模經(jīng)濟，既包括專業(yè)勞動力市場、中間投入共享、知識溢出等馬歇爾來源[21]，也包括新經(jīng)濟地理學(xué)所強調(diào)的市場規(guī)模[22]，這有助于提升微觀個體的生產(chǎn)率。對照這一標(biāo)準(zhǔn)，政策制定中需考慮的核心問題是如何通過縣級單元上現(xiàn)有服務(wù)業(yè)規(guī)模的動態(tài)調(diào)整，充分實現(xiàn)服務(wù)業(yè)的外部規(guī)模經(jīng)濟。具體地，應(yīng)把握以下3點原則。

首先，基于服務(wù)業(yè)整體及3組服務(wù)業(yè)規(guī)模分布都較為均勻的現(xiàn)實，應(yīng)推動服務(wù)業(yè)向發(fā)展較好的縣級單元適當(dāng)集中。這就要求縣級單元間打破地方保護主義，促進服務(wù)業(yè)資源整合以及服務(wù)業(yè)人才的自由流動，為優(yōu)化服務(wù)業(yè)規(guī)模分布創(chuàng)造良好的制度環(huán)境。其次，生產(chǎn)者服務(wù)業(yè)規(guī)模分布的異質(zhì)性，要求在縣級單元間形成有效的功能分工。生產(chǎn)者服務(wù)業(yè)規(guī)模較大的縣級單元應(yīng)注重增強生產(chǎn)者服務(wù)業(yè)的服務(wù)效能和輻射范圍，而不具備規(guī)模優(yōu)勢的縣級單元則著力在制造、采礦、建筑等若干生產(chǎn)部門形成競爭力，即發(fā)揮生產(chǎn)功能。這一“服務(wù)—生產(chǎn)”功能分工模式有利于各縣級單元形成并發(fā)揮比較優(yōu)勢，提升資源利用效率[23]。最后，服務(wù)業(yè)門類規(guī)模分布的異質(zhì)性表明，有必要推進縣級單元間的服務(wù)業(yè)層級分工。具備人口規(guī)模或人力資本優(yōu)勢的縣級單元，應(yīng)優(yōu)先發(fā)展金融、醫(yī)療、科教、商務(wù)服務(wù)、文化創(chuàng)意等高端服務(wù)業(yè)，而其他縣級單元則應(yīng)在物流、批發(fā)零售、住宿餐飲等低端服務(wù)業(yè)投入更多資源，避免盲目地發(fā)展高端服務(wù)業(yè)的傾向[24-25]。

本文豐富了對中國服務(wù)業(yè)規(guī)模分布的研究。不同區(qū)域或行業(yè)層面上服務(wù)業(yè)規(guī)模分布存在較大差異的事實，則反映出服務(wù)業(yè)規(guī)模分布問題的復(fù)雜性，應(yīng)在理論研究中引起重視。未來的研究可以從3個方面拓展：一是結(jié)合新的縣級單元數(shù)據(jù)(如第七次全國人口普查)，分析服務(wù)業(yè)規(guī)模分布的變動趨勢；二是進一步將空間單元細(xì)化至鄉(xiāng)鎮(zhèn)或街道，以捕捉更多的異質(zhì)性因素；三是在產(chǎn)業(yè)集聚、Zipf定律、空間相關(guān)性以外，尋找新的研究視角。