第 4 章 福建省生产性服务业空间布局的影响因素研究
在第三章，本文借助一般性统计描述和基于 Geoda 空间统计软件的空间地图对福建省各个生产性服务业的空间布局进行了初步统计描述。那么，具体哪些因素影响了福建省生产性服务业的空间分布？本章将运用面板数据回归模型进行实证分析。
4.1 模型构建
考虑到截面数据或者时间序列模型存在局限性，不能准确反映各因素对生产性服务业集聚的影响。因此，本文使用面板数据模型作为基本模型。首先构建因变量为空间布局衡量变量的面板数据模型：
其中，itfenbu 是i地区t时期的生产性服务业空间布局指标，itXj 表示方程中的第 j 个影响因素变量，i表示地区，t表示时期，jb 为估计的变量系数，如果统计显着，则说明变量 Xj对生产性服务业空间布局有显着影响，否则不影响。iu 表示固定效应，tv 表示时期效应。te 是残差。
考虑到生产性服务业在地区间的布局可能具有持续性，即上一期的空间布局可能影响本期的空间布局，对此将式（4-1）改进为：
本文选择静态面板数据模型对方程（4-2）进行估计。在使用静态面板数据模型时，使用 F test 来判断选择是混合回归模型还是固定效应或随机效应模型，F test 的原假设为面板数据横截面的截距项都相等，模型应该选择混合回归模型，备选假设为横截面的截距项不完全相等，模型应该选择固定效应或者随机效应模型。用 Hausman 检验来判断选择是固定效应模型还是随机效应模型，Hausman test 的原假设为横截面（个体项）截距项与其他解释变量不相关，模型应该选择随机效应回归模型，备选假设为横截面的截距项与其他解释变量相关，模型应该选择固定效应回归模型。对于 F test 和 Hausman Test,都可以通过统计量对应的显着性概率水平进行判断，当概率水平 Prob<0.05 时，拒绝原假设，反之，则不能拒绝原假设。
4.2 变量选取与数据来源
4.2.1 解释变量选取
对于生产性服务业空间分布的衡量，上文已给出相关阐述。考虑到本章采用的是面板数据，一个地区一个行业在某一个年度需要有一个指标数值，采用空间基尼系数衡量不合理，而用区位熵系数则恰好能衡量各个生产性服务业的空间分布状况。鉴于此，根据前面章节中公式（2-2）来计算生产性服务业的区位熵。
4.2.2 被解释变量选取
对于影响生产性服务业空间布局的因素，本文主要考虑产业升级、对外贸易水平、政府财政支出水平、制造业增加值、城镇化率、人力资本这六个指标。
（1）产业升级指标Uis:我国正处于制造业向服务业转型升级的重要时刻，在产业升级中会局部发展与制造业和第二产业相配套的生产性服务业，从而形成集聚效应。目前研究中衡量产业升级指标的方法有很多，周昌林和魏建良（2007）认为尽管服务业的比重反映了产业水平的上升，但忽视了生产效率的提高，建议用各产业的产值比重与各产业的劳动生产率（当成是权重因子）乘积之和来反映产业结构水平[42].公式则如（4-3）所示。
其中 j 表示第 j 产业，jk 表示第 j 产业占总产值的比重，jp 表示第 j产业总产值，jl 表示第 j 产业就业人员数，两者相除即表示第 j 产业的劳动生产率。
（2）对外贸易水平Open:对外贸易是地区开放度的表现，地区开放度越高，其关联的交通（航运）服务以及金融行业服务将增加，从而导致两个行业或其他相关行业的集聚性。本文选择进出口贸易总额开放度来进行衡量。本文用各个地区的进出口总额占全省的比值表示，各年进出口额美元以当年汇率中间价转化为人民币。
（3）政府支出比率 Expend :政府支出对于行业地发展影响是明显的，如政府提高教育支出和科研支出，就会使得人才和高效地区形成信息技术服务行业和科学技术服务行业集聚发展。本文用每年各地区政府财政支出占全省财政支出的比值表示。
（4）制造业增加值 Add :由于生产性服务业是从制造业中分离出来的，与制造业关联密切。因此，选取第制造业增加值作为其中一个关键的影响因素。同样本文选择用各个地区的制造业的增加值占全省（各个地区之和）增加值的比值表示。
（5）城镇化率Urban:对于城镇化水平的衡量，目前很多文献采用了综合化指标测度方法，但目前国际化在测量城镇化水平上还是以城镇人口所占比重这一指标为主，同时人口城镇化也是新型城镇化的核心所在，因此，本文采用城镇人口（常住人数）占全地区人口的比例来测度城镇化率。
（6）人力资本Caption:人力资本通过知识溢出影响生产性服务业在地区间的流动，从而导致部分行业的集聚性。本文选用普通高等学校数来衡量人力资本，具体衡量时采用各个地区的高校数量与全省（各个地区之和）高校数量的比值表示。
4.2.3 数据来源
本文研究中区域仍然是以福建省的市级行政区域，即福州、厦门、莆田、三明、泉州、漳州、南平、龙岩、宁德九个市区。各个变量指标数据全部来源于 2005-2015 年《福建省统计年鉴》和《中国城市统计年鉴》。下表 4-1 给出了 2004-2014 年各个指标均值的简单统计描述。
4.3 实证分析及结果解释
下面对方程（4-2）进行面板数据模型估计，表 4-2 显示了生产性服务业区位熵指数为因变量时的方程模型估计结果，表 4-3 至表 4-7 分别显示了 5 个生产性服务行业区位熵为因变量时的方程模型估计结果。
4.3.1 基于整体生产性服务业空间布局的影响分析
从表 4-2 可以看到，对于方程的模型选择，F 检验统计量值为 3.98,对应的概率水平Prob=0.001<0.01,表明方程拒绝了横截面截距项都相等的原假设，因此拒绝选择混合回归模型，而选择面板数据固定效应模型或随机效应模型。Hausman 检验统计量值为 36.42,对应的概率水平 Prob=0.000<0.01,表明方程拒绝了横截面（个体项）截距项与其他解释变量不相关的原假设，即拒绝随机效应模型，而应该选择固定效应模型。
从固定效应结果看，区位熵的滞后一期变量系数为 0.314>0,并且在 1%的显着性概率水平下统计显着，说明生产性服务业的空间集聚具有惯性（持续性），即专业化程度越高的地区下一期专业化程度将更高，而专业化程度低的地区下一期专业化程度也将更低。对于其他自变量，只有城镇化率在 10%显着性概率水平下统计显着，系数值为 0.598>0,说明导致生产性服务业在地区间集聚的主要是地区城镇化率的提高。其他变量，在 10%显着性概率水平下均不统计显着，说明这些指标对整体生产性服务业的空间集聚不影响。
4.3.2 基于五个分行业空间布局的影响分析
（1）交通仓储邮电业
表 4-3 显示了交通仓储邮件业集聚的影响因素模型估计结果，可以看到 F 检验统计量值为 1.82,对应的概率水平 Prob=0.086>0.05,表明方程不能拒绝横截面截距项都相等的原假设，因此选择混合回归模型。
从混合回归结果看，区位熵的滞后一期变量系数为 0.831>0,并且在 1%的显着性概率水平下统计显着，说明交通仓储邮电业的空间集聚具有惯性（持续性），即专业化程度越高的地区下一期专业化程度将更高，而专业化程度低的地区下一期专业化程度也将更低。
对于其他自变量，只有政府支出比重变量在 5%显着性概率水平下统计显着，变量系数值为 0.500>0,说明导致交通仓储邮电业在地区间集聚的主要是地方政府对于交通运输建设的投资。最近几年福建省加强了对内陆地区（南平、三明、宁德）的基础建设投入，使得上述地区的交通仓储邮电业区位熵较高。对于其他变量，在 10%显着性概率水平下均不统计显着，说明这些指标对交通仓储邮电业的空间集聚不影响。
（2）信息传输、计算机服务和软件业
表 4-4 显示了信息传输、计算机服务和软件业集聚的影响因素模型估计结果，可以看到 F 检验统计量值为 3.18,对应的概率水平 Prob=0.004<0.01,表明方程拒绝横截面截距项都相等的原假设，因此不能选择混合回归模型，而选择面板数据固定效应模型或随机效应模型。Hausman 检验统计量值为 31.12,对应的概率水平 Prob=0.000<0.01,表明方程拒绝了横截面（个体项）截距项与其他解释变量不相关的原假设，而应该选择固定效应模型。
从固定效应回归结果看，区位熵的滞后一期变量系数为 0.261>0,并且在 10%的显着性概率水平下统计显着，说明信息传输、计算机服务和软件业的空间集聚同样具有惯性（持续性），即专业化程度越高的地区下一期专业化程度将更高，而专业化程度低的地区下一期专业化程度也将更低。对于其他自变量，只有表示人力资本的地区高等院校数量变量系数在 10%显着性概率水平下统计显着，变量系数值为 2.534>0,说明导致信息传输、计算机服务和软件业在地区间集聚的主要是人力资本的作用，由于信息传输、计算机和软件服务属于高素质岗位，需要较高的人才支撑，因此高等院校数量的增加会导致该行业人才往地区集中和集聚。尽管目前来看，福建省福州、厦门两地在高校数量上占绝对优势，但其区位熵最低，说明潜在增长性不强，相对来说，绕福州、厦门两地的地区区位熵指数高，说明两地的高校人才毕业后有流向这些地区的倾向。对于其他变量，在 10%显着性概率水平下均不统计显着，说明这些指标对信息传输、计算机服务和软件业的空间集聚不影响。
（3）金融业
表 4-5 显示了金融业集聚的影响因素模型估计结果，可以看到 F 检验统计量值为 0.97,对应的概率水平 Prob=0.463>0.05,表明方程不能拒绝横截面截距项都相等的原假设，因此选择混合回归模型，因此不必继续判断固定效应模型和随机效应模型。
从混合回归估计结果看，区位熵的滞后一期变量系数为 0.802>0,并且在 1%的显着性概率水平下统计显着，说明金融业的空间集聚同样具有惯性，在金融业专业化程度高的地区，下一期专业化水平更高。对于其他自变量，产业结构升级变量系数为 0.001>0,并且在 5%显着性概率水平下统计显着，说明产业结构升级对金融业集聚有正影响，即服务业越发达的地区，金融业集聚性更强。政府支出变量系数也在 10%概率水平下统计显着，系数值为-1.552<0,说明政府支出增加反而会减弱金融的地区集聚，这种现象可以解释为当政府支出增加后，地方企业需要从银行等金融机构中获取的资本会减少，导致地方金融专业化程度减弱。制造业增加值变量系数为 0.717>0,在 5%显着性概率水平下统计显着，说明制造业的增长对金融业的集聚作用有显着正作用。原因是金融业对制造业的提供相关金融服务，制造业的发展从很大程度上依赖金融业的支撑。对于其他变量，在 10%显着性概率水平下均不统计显着，说明这些指标对金融业的空间集聚不影响。
（4）租赁与商业服务业
表 4-6 显示了租赁与商业服务业集聚的影响因素模型估计结果，可以看到 F 检验统计量值为 5.83,对应的概率水平 Prob=0.000<0.01,表明方程拒绝横截面截距项都相等的原假设，因此不能选择混合回归模型，而选择面板数据固定效应模型或随机效应模型。Hausman检验统计量值为 47.12,对应的概率水平 Prob=0.000<0.01,因此该行业模型的最终选择固定效应。
从固定效应回归结果看，区位熵的滞后一期变量系数为 0.178,但不显着，说明租赁和商业服务业的集聚缺乏空间集聚持续性。从图 3-7 也可以看到在 2004 年与 2014 年期间租赁与商业服务业区位熵大于 1 的地区已发生区位转移。对于其他自变量，产业结构升级变量系数为 0.001>0,说明产业结构升级对租赁商业服务业有正影响，对此解释是产业结构升级代表第三产业服务业的规模扩大，而租赁和商业服务业作为服务业里面与第二产业关联度稍低的产业，因此服务业比重越大，会带动租赁和商业服务业的专业化程度加深。对外开放度变量系数为 3.573>0,说明进出口贸易会促进租赁商业服务业专业化程度加深。
进出口贸易不仅仅是货物的出去和进来，同时也会带动相关服务于贸易产业的租赁、商服等行业产业集聚增加。其他变量，在 10%显着性概率水平下均不统计显着，说明这些指标对租赁和商务服务业的空间集聚不影响。
（5）科研、技术服务和地质勘查业
表 4-7 显示了科研、技术服务和地质勘查业集聚的影响因素模型估计结果，可以看到F 检验统计量值为 4.56,对应的概率水平 Prob=0.000<0.01,表明方程拒绝横截面截距项都相等的原假设，因此不能选择混合回归模型，而选择面板数据固定效应模型或随机效应模型。Hausman 检验统计量值为 53.92,对应的概率水平 Prob=0.000<0.01,因此模型最终选择固定效应。
从固定效应回归结果看，区位熵的滞后一期变量系数为 0.438>0,并且在 1%的显着性概率水平下统计显着，说明科研、技术服务和地质勘查业的空间集聚同样具有惯性，即该行业专业化程度越高的地区下一期专业化程度仍然更高，专业化程度低的地区下一期专业化程度也更低。观察在 10%概率水平下统计显着的变量，第二产业增加值变量系数为-2.282<0,城镇化率变量系数为-0.663<0,高等院校数量变量系数为 1.056>0,说明第二产业增加值和城镇化率的提升会减损科研技术服务的集聚程度，而高等院校数量的增加会提高科研技术服务的集聚程度。第二产业增加值与科研技术服务行业关联不大，并且地方越重视第二产业就会越不重视科技进步，导致后者比重降低，专业化程度下降。城镇化率主要推动的是非科研产业，甚至可能因为城镇化过程中房地产业的发展导致科研质量下降。
高等院校数量与科研技术服务能力直接挂钩，目前地方科研能力主要来源于高等院校的高等教育人才输出，因此高等院校数量增多会显着促进科研技术服务也的集聚。其他变量，在 10%显着性概率水平下均不统计显着，说明这些指标对科研、技术服务的空间集聚不影响。
4.4 本章小结
本章通过选取福建省各个地区的 2004-2014 年数据，选取了产业结构升级、对外开放度（贸易总额比例）、政府支出比例、第二产业增加值比例、城镇化率、高等院校比例六个可能的影响因素，分析了影响福建省整体生产性服务业和具体生产性服务业空间集聚的因素，面板数据模型估计得到：（1）生产性服务业空间集聚具有惯性，专业化程度越高的地区下一期专业化程度更高；（2）城镇化率对整体生产性服务业区位熵系数有显着的正影响；（3）政府支出比重对交通仓储邮电业区位熵系数有显着的正影响；（4）高等院校比重变量对信息传输计算机软件业区位熵系数有正影响；（5）产业结构升级、第二产业增加值比重对金融业区位熵系数有正影响，政府支出比重则有负影响；（6）产业结构升级、政府支出、城镇化率对房地产业区位熵系数均有显着正影响；（7）产业结构升级和对外开放度（进出口贸易总额比重）对租赁商务服务业区位熵系数有显着正影响；（8）第二产业增加值比重、城镇化率对科研技术服务业区位熵系数有负影响，而高等院校比重变量有正影响。
