王浩宇
摘要：以2008-2014年京津冀13个地区生产性服务业数据为基础，运用回归分析方法对京津冀生产性服务业空间分布影响因素进行研究，结果显示科技创新实力、信息化水平、城市经济发展水平、政府规模和外资规模对京津冀生产性服务业空间分布的影响较为显著。
关键词：京津冀；生产性服务业；空间分布；影响因素
中图分类号：F2文献标识码：Adoi：10.19311/j.cnki.16723198.2017.06.002
1引言
京津冀地区是我国除长三角、珠三角以外的第三大经济区，正逐步成为我国经济发展的新增长极。但相比长三角和珠三角而言，京津冀区域各地间关系更加复杂，经济发展中不均衡的隐患更加突出。生产性服务业是为生产者供给中间产品及服务的产业，其通过向生产企业提供人力资源、金融支持、信息服务、科技成果等资源和服务来提高工业生产效率，对于促进二、三产业的融合和实现产业转型升级发展等发挥了重要作用。综上，分析京津冀生产性服务业的空间分布的影响因素，对推动区域生产性服务业集聚发展，促进区域生产性服务业合理布局，实现京津冀产业协同发展有重大的理论和现实意义。
2文献综述
区域经济发展问题也越来越受到各方关注，经济学界和地理学界对区域产业空间分布影响因素进行了大量研究。国外方面，Keeble（2002）从学习视角分析生产性服务业为集聚原因，研究发现知识分享和创新是驱动生产性服务业集聚的关键因素。Jed（2007）讨论了自然资源禀赋、知识溢出和劳动力等因素对服务业集聚的影响，并进一步探讨了服务业与其他产业集聚的原因。
陈建军（2009）通过对全国地级市数据的分析发现城市和政府的规模、信息化水平、知识密集程度等会对生产性服务业的空间集聚产生影响。刘辉煌（2012）利用中部地区81的城市的面板数据对中部生产性服务业的集聚机制进行了研究，结果显示政府决策、对外开放程度、城市规模、信息化水平、制造业集聚和金融发展程度对生产性服务业集聚有显著影响。周文通和陆军（2015）则分析了京津冀区域各地方政府的公共支出对于生产性服务业以及细分行业的影响。
综上所述，国内外学者从生产要素、知识共享、政府决策等角度对生产性服务业空间分布影响因素进行了大量研究，但针对京津冀的相关研究相对不足，基于此，本文综合前人研究成果，针对京津冀区域建立指标体系，运用计量回归模型对生产性服务业空间分布影响因素进行了分析。
3数据选取与实证分析
3.1面板模型原理
本部分使用2008-2014年京津冀13个地区横截面数据来进行研究，即在一定时间段内针对研究对象每年进行重复测量而得的数据。面板数据的计量回归模型的基本表述为：
其中，yit代表被解释变量，xit代表解释变量，i为横截面数据，t则代表时间序列数据，β表示回归系数向量，截距项为C+αi+γ。
面板数据模型有三种基本回归模型，（1）普通混合回归模型。这类模型假设截距αi和γt不随时间t和个体i变化。（2）固定效应模型。该模型假设截距αi和γt与时间t和个体i相关，但具体情况受解释变量x影响。（3）随机效应模型。该模型假设αi，γt，，εit均为正态分布，且互不相关，且αi，γt与解释变量x不相关。本部分采用F检验和Hausman检验来确定最优模型。
3.1.1F检验
对POLS模型和FEM模型适用性比较一般采用F检验进行。如果原假设未通过检验，则POLS模型不适合用来分析该面板数据，本数据适用于FEM模型。F检验式定义如下：
式中，N指的是研究对象的数目，T代表面板数据中时间段的长度，k为解释变量的个数，SSEFEM为FEM模型残差平方和，SSEPOLS代表POLS模型的残差平方和。
3.1.2Hausman检验
判断FEM模型和REM模型对数据的适用性一般采用Hausman检验。如果原假设未通过，则采用FEM模型，反之数据则适用于REM模型。Hausman检验式定义如下：
（3）式中，βFEM和βREM分别代表两个模型的参数估计值；V1和V2则为协方差矩阵的一致估计量，k为解释变量个数。
3.2变量选择和数据来源
本文使用的实证数据来是京津冀三地2008～2014年市一级层面统计数据，原始数据来源于《中国城市统计年鉴（2009～2015）》和北京市、天津市、河北省2009～2015年统计年鉴等，部分专利数据则来自各市历年国民经济统计公报，其中个别指标的部分年份数据因统计口径变化导致数据缺失，则采用政府统计公告中相关指标增长率由其他年份数据近似推导而得，或者利用回归和均值等方法进行补齐，对结论不会产生实质性影响。使用的计量软件为Stata，本文选取历年各市生产性服务业就业人数（万人）为被解释变量，为了全面研究京津冀生产性服务业空间分布影响因素，纳入表1的解释变量。
3.3计量结果分析
基于京津冀13个地区2008～2014年的面板数据，对混合效应模型（混合OLS）、固定效应模型（FEM）以及随机效应模型（REM）等计量模型进行分析和比较，得出生产性服务业空间分布影响因素的计量分析结果以及模型检验结果如表2所示。
如表2所示，三个计量模型的拟合度均符合要求，根据F检验结果，F统计量等于187.51，可建立固定效应模型。固定效应模型和随机效应模型比较方面，Hausman统计量值为93.90，原假设未获得通过，因此选择固定效应模型为最优模型。
根据回归结果可知，科技创新实力、信息化水平、城市经济发展水平、政府规模和外资规模对京津冀生产性服务业空间分布有显著影响。知识与技术是生产性服务业尤其是科技、信息等高端服务业发展的要素，信息技术弱化了空间距离的概念，使得技术和信息的传输效率大大提升，是生产性服务业提高生产效率，促进企业产业升级的有力保障，二者对生产性服务业发展和空间集聚具有正向影响因素。根据前人研究发现，生产性服务业倾向于在大城市集中，城市经济发展水平越高，基础设施越完善，高素质劳动力越多，市场越广阔，这些都促进了生产性服务业发展。政府财政支出在一定程度上反映了政府规模，其对生产性服务业空间分布的影响为正向说明的就是政府的规模较强，在制定生产性服务业发展的相关政策时可以提供更多的实际支持，市场准入门槛上就会比较宽松，有利于产业发展。直接使用外资可以衡量地区的对外开放情况，且对企业提供了生产所必须的资金，理论上应该促进产业空间分布，但经过计算，FDI对生产性服务业空间分布影響显著为负，这主要是因为中国对FDI的开放领域主要集中在工业尤其是制造业部门，而生产性服务业使用外资限制较多，因此受到支持力度不足，且制造业FDI企业大多进行出口加工贸易，分工结构上属于“两头在外”，不利于生产性服务业的发展。劳动力、城市规模和制造业发展水平对于生产性服务业空间分布影响未通过显著性检验。由上文分析可知，北京市生产性服务业发达，对周边具有一定程度的极化效应，吸引周边高素质劳动力资源聚集，导致周边高校资源未能切实带动地区生产性服务业发展，同时河北的生产性服务业发展水平较低，对高素质人才需求不足，这些导致了高素质劳动力未能产生正向显著影响。同样依据上文分析生产性服务业对于制造业空间分布有促进作用，但制造业由于技术水平较低对生产性服务业推动作用还没有体现。城市规模未通过显著性检验则可能是各市统计市区人口时口径不一，未能有效衡量城市实际规模所致。
4结论
对京津冀生产性服务业面板数据的计量分析表明，科技创新实力、信息化水平、城市经济发展水平、政府规模和外资规模对京津冀生产性服务业空间分布有显著影响。为了促进生产性服务业的发展，京津冀三地应该从以下方面入手，促成区域产业协同发展：（1）建立区域协同发展对话和协调机制，由北京、天津和河北省政府主要领导沟通协商区域经济、社会和文化方面的发展思路、布局建设的相互对接，协调在产业发展布局、基础设施建设、环境综合治理等重大问题，各地市、区领导以及相关部位负责落实省市领商议的跨区域、部门的合作与协调工作，具体负责跨区域合作项目的落实和保障工作。（2）制定公平合理的准入机制，简化行政审批流程，鼓励外商投资、民间资本和外地企业进入，提高企业的发展活力。同时对产业结构调整方面变行政干预为间接引导，如综合运用财政补贴、税收优惠、专项基金、政府采购等手段对地区战略新兴产业给予重点支持。（3）对产业内大型龙头企业进行政策扶持，促进其扩大规模，带动相关产业形成聚集区，逐步形成产业集聚。（4）制定统一的信息化发展战略，在信息基础设施建设、政府服务、产业协作网络建设等方面开展信息化大数据平台建设与应用，利用信息化引领区域协同发展。（5）提高北京、天津等地区科技成果转化效率和对河北等地的辐射，进而增强区域协同创新能力是增加区域产业竞争力，促进经济协同发展的关键因素。
参考文献
[1]Kolko J.Agglomeration and Co-Agglomeration of Services Industries[J].Ssrn Electronic Journal，2007.
[2]Keeble D，Nachum L.Why Do Business Service Firms Cluster？Small Consultancies，Clustering and Decentralization in London and Southern England[J].Transactions of the Institute of British Geographers，2002，27（1）：6790.
[3]陳建军，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——来自中国222个城市的经验证据[J].管理世界，2009，（4）：8395.
[4]刘辉煌，雷艳.中部城市生产性服务业集聚及其影响因素研究[J].统计与决策，2012，（8）：108110.
[5]周文通，陆军.公共支出对京津冀生产性服务业发展影响研究——基于空间面板杜宾模型的实证分析[J].商业经济研究，2015，（30）：138140.
