信息服务业的空间分布、区位策略与集聚——以福建省为例

张惠萍

（闽南师范大学 经济学系，福建 漳州 363000）

信息服务业的空间分布、区位策略与集聚
——以福建省为例

张惠萍

（闽南师范大学 经济学系，福建 漳州 363000）

文章以福建省为例，从邻近知识源、邻近相关企业和邻近城市中心区域等角度探讨信息服务企业的区位策略对集聚的影响。在分析福建省信息服务业空间分布的基础上，以86个区（县）和1076个邮编区为空间单元，应用负二项分布模型研究区位策略对信息服务业和三个子行业企业集聚的影响。研究发现，空间单元变小，能够更细致地刻画出各个区位因子对信息服务业集聚的影响程度。福建省信息服务企业主要集聚在城市中心区域，邻近同行业代表性企业和企业众多的开发区，邻近大学和科研机构，并没有出现明显的郊区化倾向。

信息服务业；区位策略；空间分布；集聚；负二项分布

一、引 言

本文所指的信息服务业是指以信息资源为基础，利用现代信息技术，对信息进行生产、收集、处理、输送、存储、传播、使用并提供信息产品和服务的产业。信息服务业作为一种新兴的、跨产业的、复合型行业，涵盖了第二产业、第三产业中的部分产业，成为关联性较强的产业之一。

信息服务业在发达国家国民经济中所占的比重越来越大，已超过了信息产品制造业。美国硅谷、旧金山、马里兰州米德堡、波士顿128号公路等地是全球知名的IT圣地，也是信息服务企业主要的集聚地。班加罗尔被称之为印度的“硅谷”，其软件业相当发达，三分之一强的IT行业人员集中在这个城市。日本东京、大阪、横滨等地也成为信息服务企业主要集聚地。

在我国信息服务业的发展过程中，也出现了区域性集聚的现象。2004年9月28日，由信息产业部公布的首批国家电子信息产业基地全部分布在长三角、珠三角和环渤海三大信息产业地区，它们是北京、天津、上海、青岛、苏州、杭州、深圳、福厦沿海地区、广东珠江三角洲地区等9个城市和地区。台湾的信息服务业发展水平走在世界前列，其中新竹科学园区、台南科学工业园区所在区域呈现明显的集聚效应。从各城市信息服务业发展的角度看，北京、上海、天津、大连、西安、深圳发展较快，这些城市的软件服务业出现了明显的局部集聚态势，北京的中关村、上海的浦东软件园、大连软件园等地成为信息服务企业集聚的群落。

面对国内外信息服务业的快速发展，在省（市）内部，信息服务业的空间布局是否有其独特的规律？哪些因素影响着信息服务业的集聚或分散？目前，理论界对制造业集聚的研究比较深入，对服务业集聚特别是信息服务业这类新兴服务业空间结构及集聚机理的研究尚不深入，缺乏系统的研究。研究信息服务业空间结构、区位策略及其政策含义，有利于丰富产业集聚理论，丰富服务业区位理论和服务业地理学的研究。分析这些问题还有助于进行科学的产业布局，对（第27卷第07期）（Vol.27，No.07）相关决策部门有一定的借鉴价值。

通过对福建省信息服务企业样本空间分布的分析，发现福建省信息服务企业呈现“双核”分布的集聚发展格局，这些企业的区位选择策略如何影响集聚？本文试图从这个角度入手，研究以下几个问题：在理论分析之后，以福建省86个区（县）为空间单元考察信息服务业的空间分布状况；分别以区（县）和1076个邮编区为空间单元，运用负二项分布模型考察区位策略如何影响信息服务企业集聚并进行比较分析；进一步地，探讨信息服务业三个子行业区位策略对集聚的影响及其差异，并通过实证分析验证提出的观点。

二、文献回顾和研究假设

在信息服务业发展水平较高的国家中，信息服务业出现了在城市核心区域集中的现象，例如纽约和伦敦的多媒体产业、东京的信息服务业在都市核心区域集聚。纽约都心区聚集着软件及软件系统开发企业，它们为本公司或其他公司提供软件和与此相关的信息服务（张文忠，1999）［1］。Nachum和Keeble（2001）［2］的研究显示在伦敦，多媒体产业在市中心一小块地区，即有名的索霍区（Soho）出现了惊人的地理集中现象。在东京，信息服务业在都市区内部集聚的现象也比较明显。20世纪90年代初东京信息服务业销售额占全国的1/2强，规模达到400多亿美元，企业数占国内行业比例达30%以上，经济地位十分突出［3］。Searle和valence（2005）［4］发现大都市区的核心区域成为澳大利亚悉尼多媒体企业集中分布的地方。

国内对信息服务业空间分布的研究主要集中在广州、北京、南京等地。闫小培（1998）［5］研究广州信息产业的空间分布，认为信息技术产业遵循由市中心向外扩散的规律，而且在新区表现出集中布局的区位趋势，但城市中心区特别是CBD仍然是信息技术产业的首选区位。广州信息密集服务业比较发达的20多个街区绝大部分集中在珠江以北的核心区和内层区，多核集聚发展的特征十分显著（闫小培，1999a）［6］。甄峰等（2008）［7］分析南京城市生产性服务业的空间变化，发现南京信息服务业的集聚区域是主城区的新街口、珠江路及南京大学、东南大学、南京工业大学一带。

根据上述文献研究结果，提出下列假设：

假设1：福建省信息服务企业越靠近城市中心区，企业数量越多。

假设2：福建省信息服务企业并未出现郊区化倾向。

信息服务企业也有较明显的邻近大学或研究机构的倾向，邻近大学或研究机构成为很多高科技企业的区位策略，例如美国的硅谷和128公路、我国台湾的新竹科技园区以及北京的中关村等。Quince和Partners（1985）［8］是比较早地研究科技企业选择邻近大学的学者，他们发现高科技产业集聚在剑桥大学附近，称之为“剑桥现象”。Audretsch和Feldman（1999）［9］考察了创新活动的空间分布和生产的地理集中，他们发现创新活动更容易发生在毗邻知识源的地方，这些地方是大学实验室、公司的研发部门，或者是接近身上拥有知识的熟练工人。已经有证据表明集群的发展受研究型大学的影响（Feldman，2000）［10］。国外的学者们还发现邻近大学对科技型的初创企业更有利。Audretsch等（2005）［11］认为科技型的初创企业有很高的邻近大学的区位倾向，其主要动因是为了获得大学的知识溢出。和已创立的高科技企业相比，对年轻的新公司来说更重要的是邻近大学以得到大学的技术支持（Audretsch和Thurik，2001）［12］。这是因为新企业更需要由其他企业或大学所生产的外部知识（Link和Scott，2003［13］；Hall et al.，2003［14］）。

国内对信息服务业邻近大学或研究机构的研究主要是针对广州、上海、北京、南京等大城市。闫小培（1999b）［15］发现广州信息密集服务业集中在天河区，辖区内有21所大专院校，40多个研究所，这些高校和研究所构成高水平研究与开发能力的新型智力资源集中区，是广东省智力最密集的区域，成为技术创新源。陈秀山、邵辉（2007）［16］研究发现北京信息咨询类服务业集中在东部的朝阳CBD方向，而计算机服务业在北部和西部的高校密集区分布。计算机服务业较为集中的是城市中心区外围的海淀区，这里高校科研机构密集，为计算机服务业发展提供了良好的基础。根据上述研究结果，提出以下假设：

假设3：邻近大学是福建省信息服务企业的区位策略之一。

假设4：邻近研究机构成为福建省信息服务业区位选择的重要因素。

企业的地理邻近使知识和信息在上下游企业间传递和使用，它们之间的合作变得更容易、更方便，营造了良好的创新氛围从而吸引其他企业向某一集聚地靠拢。在某种意义上说，这些企业已经是创新系统中的某一个环节，是创新系统的重要组成部分。Saxenian（1996）［17］比较了美国硅谷和128号公路这两个技术领先地区的信息产业集群，她认为地理邻近促进了企业间重复的、面对面交流，这种交流促进了现代快节奏的技术产业所需要的竞争和合作的融合。

获得相关企业或机构的知识溢出，获得正的空间外部性也是企业集聚的主要动因之一。Daniels（1985）［18］对服务区位的解释中强调生产性服务业对知识和信息的高度依赖，信息围绕着服务需求并在服务活动中被交换。Pinch和Henry（1999）［19］则指出知识密集型集聚现象的持续增长主要源于这类企业较易获取本地化的隐性知识以及溢出的知识。Dahl和Pedersen（2004）［20］对丹麦无线通讯集群的研究表明，集群企业知识传播的重要渠道之一是集群中企业的员工之间的非正式联系或交流，集群中企业的工程师之间通过非正式联系形成了相当有价值的知识传播。地理邻近使集群中的企业获得知识和信息的成本下降了，隐性知识的传递变得更加容易和快捷。这些隐性知识传播有助于营造创新氛围并深深地根植于当地的文化、社会关系之中，而且具有不易模仿的特性，集聚地之外的企业很难仿效。

由此可见，邻近同行业企业或其他相关企业对于企业间的交流与合作是至关重要的，特别是高科技中小企业在信息、技术、人才、资金等方面都比较缺乏，邻近相关企业成为其获得知识溢出、选择合作伙伴的重要考虑因素，这种企业创新活动的区域集中度较高。根据上述文献回顾及分析，提出以下假设：

假设5：邻近同行业代表性企业是福建省信息服务企业集聚的重要区位因子。

假设6：向企业众多的开发区集中，成为福建省信息服务企业集聚的重要动因。

三、研究设计

（一）空间尺度

空间尺度较大的研究中，城市只能表现为一个点，表达与之相关的属性是相当有限的。在较大空间尺度上，如针对城市或者某个区域，其内部发展并非同质，全局上的衡量往往掩盖了空间内部的差异（Fotheringham，1997［21］，1999［22］）。当比例尺增大到一定程度，也就是空间单元足够小时，所能揭示的内容、属性会越来越丰富。近年来，越来越多的学者采用更小的地理单元研究集聚，例如，Rosenthal和Strange（2003）［23］用邮政编码区层次的数据验证集聚经济效应。Ar⁃zaghi和Henderson（2006）［24］用纽约市曼哈顿地区每100m× 100m栅格这样更小的空间单元研究曼哈顿广告代理业集群的空间分布状况。路江涌、陶志刚（2006）［25］比较省、市、县和邮政编码区域四个层次中我国制造业的区域集聚系数，他们发现空间单元越小，区域集聚程度也越小。陈良文等（2008）［26］以街道为空间单元进行微观尺度的分析，研究北京市经济集聚密度与劳动生产率差异。杨振山、蔡建明等（2009）［27］在邮政分区的水平上分析1949年以来北京市的经济空间发展模式。

邮政编码区的数据从地理属性上讲，是一种按面域统计的数据，适合于用来表示面域内个体的数量或密度。这种情况下，统计的数值是对整个面域而言，而不是指面域中的某一点、某一位置的数值。如果要统计的要素已经具有面域的编码，只需对数据表进行统计即可，在应用GIS过程中无须通过叠置操作（吴升等，2004）［28］。如果空间单元范围较大，不能反映福建省内部信息服务业的实际空间特征，无法更细致地刻画福建省信息服务业集聚的区位影响因素。因此，本文选择区（县）为空间单元分析福建省信息服务业的空间分布状况；以邮政编码区为空间单元，考察影响福建省信息服务企业集聚的区位选择特性。

（二）指标设计与数据来源

福建省的邮政编码数为1076个，邮政编码区数据来源于国家邮政局的《中国地址邮政编码大全》。将福建省1076个邮编区分成三个圈层，城市中心区、近郊区和远郊区。城市中心区一般是指人口相对周边集中，经济和商业相对周边发展的市区地带。本文的城市中心区是指城市行政部门所在地或者商业比较发达集中的地带。将城市中心区周边的区域和县级市行政部门所在地等定义为近郊区，其他区域为远郊区。城市中心区用CITY表示，将其所在的邮编区赋值为1，其他区域为0；远郊区所在的邮编区用SUB表示，赋值为1，其他区域为0，CITY、SUB为虚拟变量，也是区位变量。

大学样本来自福建省高校招生信息网，选取的样本包括福建省本科院校及高职院校，总计78所，用U表示，涉及39个邮编区。本文选取的科研机构包括自然科学研究机构和社会科学研究机构，共有133所，用SCI表示，涉及46个邮编区。福建省科研机构数据来源于《福建省电信大黄页2010》。

福建省同行业代表性企业数据来源于福建信息产业厅网站，根据福建省信息化局官网上公布的企业名录，对信息产业发展具有重大影响的企业如冠捷电子、三五互联、榕基软件、派克斯、莱茵科技、新大陆等75家企业作为本文的样本数据，涉及25个邮编区，用FIRM表示。福建省开发区数据来源于《福建省电信大黄页2010》，剔除掉某些与信息服务业相关性不强的开发区如各个地区的旅游开发区，得到69个样本，涉及60个邮编区，用ZONE表示。

信息服务企业样本的数据来源于截至2010年底的福建省工商局统计信息。由于《国民经济行业分类》（GB/ T4754-2002）中没有信息服务业的分类，笔者用信息传输、计算机服务和软件业代表信息服务业。该行业包括电信和其他信息传输服务业、计算机服务业和软件业（分类代号分别是60、61、62）。在电信和其他信息传输服务业中重点分析三位数行业中的互联网信息服务业（602），最终确定本文研究的三个子行业是计算机服务业、软件服务业和互联网信息服务业。通过数据补缺、筛选、校对、分类和整理，去掉数据缺失的样本，整理出福建省信息服务企业样本共5385个，其中计算机服务企业样本3161个，互联网服务企业样本1331个，软件服务企业样本893个。

（三）计数模型的选择

用邮编区内企业个数代表集聚水平的高低，以此作为因变量。由于因变量是离散的整数，取值为零的个数较多，考虑使用计数模型中使用较广泛的泊松模型。Wu（1999）［29］用此模型研究外资企业在广州的区位选择；Figueiredo（2002）［30］利用该模型研究美国制造业在县一级的区位选择；张华等（2007）［31］用该模型研究区位通达性与在京外资企业的区位选择。但是，张华等（2007）并未对是否适用泊松模型作进一步的验证。辅助回归中的α值可以衡量条件方差超出条件均值的程度，表3和表4下方报告的辅助回归中α值及相关统计量的估计结果显示，α值明显地大于零，泊松模型中条件方差和条件均值相等的条件不能满足，改用负二项分布的QML估计可以得到参数的准-极大似然估计。

四、福建省信息服务业的空间分布状况

以福建省86个区县为空间单元，从全行业的分布情况看，福州市信息服务企业所占比重高达39.4%，厦门市所占比重达28.4%，泉州市所占比重为18.2%。信息服务业及其子行业的主要集聚点呈现以福州鼓楼区和厦门思明区为中心的南北“双核”分布格局。

取企业数量排序前十名的区县进行统计分析，由表1和表2可知，福建省信息服务业、软件服务业、互联网信息服务业、计算机服务业排名前十的区县的企业数总和占全省该行业总企业数的比例均超过75%。就信息服务业整体而言，主要集聚在厦门和福州，这两个市的企业数占全省企业数的比例达到67.8%，出现了区域性集聚的特征。软件服务业的主要集聚地是福州，在前十名所占比例达到35.9%，在全省所占的比例达到39.1%；其次是厦门，在全省所占的比例达到32.6%。互联网信息服务业的主要集聚地是厦门，在前十名所占比例达到38.6%，在全省所占的比例高达41.8%；其次是福州，在全省所占的比例达到25.3%；泉州互联网信息服务企业数所占的比重也较高，在全省所占的比例达到16.4%。计算机服务业的主要集聚地是福州，在前十名所占比例超过40%，在全省所占的比例更是高达45.6%；其次是厦门，在全省所占的比例达到21.5%。这表明，福建省信息服务业及其子行业的空间分布均出现明显的集聚特征。

表1 信息服务业与软件服务业企业数量排名前十的区（县）情况

表2 互联网信息服务业和软件服务业企业数量排名前十的区（县）情况

五、实证结果及分析

在实证分析中，以区（县）和邮编区为空间单元分别考察信息服务企业区位选择策略对集聚的影响，并对估计结果进行比较分析。表3列出了以86个区（县）为空间单元的估计结果。

由表3可以看出，CITY在全行业及三个子行业的系数值较大且极高度显著，表明信息服务业选择城市中心区域作为办公所在地，其中，软件服务业选择城市中心区的区位倾向更显著，假设1得以验证。SUB的系数值都为负值，在全行业的估计结果中是极高度显著的，在计算机服务业中的估计结果中是高度显著的，说明全行业企业和计算机服务企业选择偏离远郊区的区位，而另外两个子行业的估计结果则不显著。假设2得以验证的同时再次验证了假设1。

在以区（县）为空间单元的估计结果中，U的系数值均是不显著的，由此可见，全行业及三个子行业的企业并没有选择邻近大学的区域。可能是空间单元较大，无法细致地描述信息服务业的区位倾向性。假设3无法得到验证。除了互联网信息服务业，SCI的估计结果是显著的，其中计算机服务企业的系数值更大，意味着这类企业邻近科研机构的区位指向性更明显。假设4得到部分验证。

FIRM在互联网信息服务业的估计结果中系数值最大且极高度显著，其次是软件服务业，表明信息产业中代表性企业有一定的示范作用，吸引同行业的企业进驻它们所处的区域，其中互联网信息服务企业的区位选择受代表性企业影响更大。但是，同行业代表性企业对全行业和计算机服务业的影响并不显著。假设5得到部分验证。除了软件服务业之外，ZONE的系数值都是高度显著的，表明互联网信息服务业区位选择过程中更愿意邻近企业数量众多的开发区，其次是计算机服务业。假设6得到部分验证。

表3 以区（县）为空间单元区位策略对信息服务业集聚影响的QML估计

表4列出了以1076个邮编区为空间单元的估计结果。除了U对软件服务业的影响、SCI对互联网信息服务业的影响是不显著的，其余估计结果都是极高度显著的。可见，空间单元较小，能够更细致地刻画出各个区位因子对信息服务业集聚的影响程度。从估计结果中可以总结出福建省信息服企业区位策略对行业集聚影响的几个特征。

一是出现了向城市中心区域集中的明显态势。CITY对软件服务业的影响系数最大，其次是互联网信息服务业，计算机服务业选择城市中心区的几率更小一些。软件服务业所需的办公空间较小，租金成本较低，其办公选址选择更靠近中心市场的区域，城市中心区域有较好的基础设施和环境条件，通达性好，方便客户联系，使企业容易接近客户，更能吸引信息服务企业进驻。城市中心区域成为这类企业的主要集聚地，还可能是由于区域形象较好，有助于提升企业的地位。这个结论和都市内部信息服务业区位选择的倾向相同（林善浪，张惠萍）［32］。

SUB在全行业及各个子行业的估计结果都为负值，表明离远郊区越远，企业的数量越多。其中，软件服务业受到的影响更大一些，其次是计算机服务业，它们更倾向于选择偏离郊区的区位，也就是倾向于选择邻近城市中心区，和表3的分析结果一致。假设1和假设2都得到验证。

二是邻近大学和科研机构所在的区域。在全行业的估计结果中可以看出，信息服务企业有显著的邻近大学的倾向。除了软件服务业之外，U在其他三个估计结果的系数值为正值且极高度显著，其中互联网信息服务业和计算机服务业选择邻近大学和科研机构的意愿更强烈一些，对于这两类知识源有更强的依赖。

SCI对计算机服务业和软件服务业的影响更显著，在全行业的估计结果中也是极高度显著的。比较特别的是互联网信息服务企业并没有选择邻近科研机构的区域，甚至是在偏离科研机构的地方集中，其区位策略的选择受到其他因素影响可能性更大一些。

这类企业为了获得大学或研究机构的知识溢出，往往选择在大学或研究机构密集的区域创办企业以寻求技术支持。它们更看重大学或研究机构在技术上的专业指导，希望在研发和技术人才的培养方面得到专业机构的支持，而信息服务企业也有可能成为专业机构科技成果转化、创新合作的平台，还有可能吸纳专业机构的人才。此外，大学或研究机构的科研人员创办企业，也可能选择邻近这些区域。总之，这类高科技企业希望分享大学或研究机构知识溢出所带来的空间外部性，或者是与大学或研究机构合作推动创新活动的开展，提高企业的研发水平。除了软件服务业没有显著的邻近大学倾向、互联网信息服务业没有选择邻近研究机构之外，假设3和假设4得到验证。

三是有非常显著的邻近同行业代表性企业和相关企业的区位倾向。从FIRM的系数值可以看出，软件服务业和互联网信息服务业邻近同行业知名代表性企业的意愿更强烈。同行业代表性企业在信息产业中地位较突出，其率先创新的技术成果可能会传递或者扩散，对新企业可能起着积极的示范效应和学习效应。因此，初创企业为了方便与同行业企业的交流与合作，会选择邻近这类企业众多的区域，以获得正的空间外部性，进而形成知识共享的合作机制。以此同时，同行业企业的地理邻近促进了隐性知识的传播，使该区域的创新氛围更加浓厚，进一步吸引其他企业进驻。

ZONE对互联网信息服务业的影响更显著一些，其次是计算机服务业，表明这两个子行业对企业数量众多的开发区有较明显的区位倾向。企业集中程度较高的开发区对信息服务企业仍有吸引力，可能是因为选择企业数量较多的区域方便了企业间的非正式交流和合作，可以享受集聚效应带来的积极影响。众多企业在空间上毗邻，使企业之间联系、交流与合作的频率增加，加大了企业之间信息交换和知识的转移。而且，和众多企业地理邻近，有利于企业间的竞争、合作与融合，吸引更多的企业进驻该区域。此外，开发区通过实施投融资政策、税收和厂房租赁等优惠政策，可以降低企业生产成本，同时提供良好的基础设施和优质的政府服务，对信息服务企业具有很强的吸引作用。假设5和假设6都得到验证。

表4 邮编区为空间单元区位策略对信息服务业集聚影响的QML估计

六、结论与政策建议

由以上分析可见，以邮编区为空间单元，能够更细致地描述信息服务企业区位策略对集聚的影响。福建省信息服务业主要集聚在城市中心区域，邻近同行业代表性企业和企业众多的开发区，邻近大学和科研机构，并没有出现明显的郊区化倾向。软件服务企业偏好城市中心区域，受同行业代表性企业的影响比较大。软件服务业并没有选择邻近大学的区域，是否选择城市的中央商务区或者其他区域，有待进一步考察。互联网信息服务业有更强烈的邻近大学的意愿，但却不将科研机构作为其区位选择的主要因素，这类企业是否考虑邻近市场或者是其他因素，有待进一步研究。

与U、SCI相比较而言，FIRM和ZONE对企业区位选择的影响程度更大一些。从某种程度上说，与大学和科研机构显性知识的传播相比，企业之间隐性知识的传递对于信息服务业这样的高科技行业来说更重要一些。距离缩短使主体间能更容易、更充分地进行面对面交流，促进隐性知识的转移。距离越远，知识的正外部性就越弱，隐性知识的转移就变得更加困难。即使是显性知识的使用和传播上，距离也会产生重要影响，因为显性知识的解释和吸收需要隐性知识和空间的邻近（Howells J.，2002）［33］。

鉴于以上研究，笔者提出以下政策建议。一是以福州、厦门的城市中心区域为核心，由北至南在福州、泉州、厦门构建软件服务业产业带。由于软件服务业对城市中心区域有较强的区位指向性，偏好区域形象好的区位，因此，可以考虑在城市核心区及中心城区的外围规划软件服务业集聚带，使之能较好地体现规模经济效应。二是积极推动以厦门、福州为中心的互联网信息服务商圈的建设，以这两地为中心，通过互联网建立商脉网络。同时，由于泉州互联网服务企业在全省所占的比例较大，有必要扶持泉州互联网信息服务商圈的建设。三是培育福建省信息服务业的代表性企业，使之成为信息产业发展的“增长极”，在空间上对其他企业产生示范效应，吸引其他企业进驻该区域，推动“增长极”所在区域信息服务业快速增长的同时，可以带动相邻地区该产业的发展。四是借鉴台湾经验，积极承接台湾信息服务业的转移，构建海西区信息服务业的跨界生产网络，进而积极嵌入全球信息服务业生产网络。

［1］张文忠.大城市服务业区位理论及其实证研究［J］.地理研究，1999（3）：273-281.

［2］Nachum L，Keeble D.MNE Linkages in Localised Clusters：Foreign and Indigenous Firms in the Media Cluster of Central London［J］.Journal of International Management，2003，9（2）：171-192.

［3］张洁，高汝熹.东京的知识服务业［J］.上海综合经济，2001（6）：45-47.

［4］Glen Searle，Gerard de Valence.The urban emergence of a new information industry：Sydney's multi-media firms［J］. Geographical Research，2005，43（2）：238-253.

［5］闫小培.广州信息产业空间分布的区际差异分析［J］.经济地理，1998，18（4）：5-10.

［6］闫小培.广州信息密集服务业的空间发展及其对城市地域结构的影响［J］.地理科学，1999（10）：405-410.

［7］甄峰，刘慧，郑俊.城市生产性服务业空间分布研究：以南京为例［J］.世界地理研究，2008（1）：24-31.

［8］Segal Quince，Partners.The Cambridge phenomenon：the growth of the high technology industry in a university town［M］.Cambridge：Brand Brothers and Co.，1985.

［9］Audretsch D B，Feldman M P.R&D spillovers and the geogra⁃phy of innovation and production［J］.The American Economic Review，1999（6）：630-640.

［10］Feldman M P.Location and innovation：the new economic geography of innovation［M］//Clark G，Feldman M P，Gertler M.Oxford Handbook of Economic Geography.Oxford：Ox⁃ford University Press，2000.

［11］Audretsch D B，Lehmann E E，Warning S.University spill⁃overs and new firm location［J］.Research Policy，2005（34）：1113–1122.

［12］Audretsch D B，Thurik R.What’s new about the new econo⁃my?Sources of growth in the managed and entrepreneurial economies［J］.Industrial and Corporate Change 2001，10：267-315.

［13］Link A N，Scott J T.In Press.U.S.science parks：the diffu⁃sion of an innovation and its effects on the academic mission of universities［J］.International Journal of Industrial Organi⁃zation，2003，21（9）：1323-1356.

［14］Hall B A，Link N，Scott J T.Universities as research partners［J］.Review of Economics and Statistics，2003，85（2）：485–491.

［15］闫小培.广州信息服务业增长的地域类型分析［J］.热带地理，1999（3）：18-22.

［16］陈秀山，邵晖.大都市生产者服务业区位选择及发展趋势——以北京市为案例的研究［J］.学习与实践，2007（10）：14-23.

［17］Anna Lee Saxenian.Inside-Out：Regional networks and in⁃dustrial adaptation in Silicon Valley and Route 128［J］.A Journal of Policy Development and Research，1996，5（2）：41-60.

［18］Daniels P W.Services Industries［M］.Great Britain：Cam⁃bridge University Press，1985.

［19］Pinch S，Henry A.Paul Krugman's geographical economics，industrial clustering and the British motor sport industry［J］. Regional Studies，1999，33（9）：815-827.

［20］Dahl M S，Pedersen C.Knowledge flows through informal contacts in industrial clusters：myth of reality［J］.Research Policy，2004，33（10）：1673-1686.

［21］Fotheringham A S.Trends in quantitative methods I：Stress⁃ing the local［J］.Progress in Human Geography，1997，21（1）：51-65.

［22］Fotheringham A S，Brunsdon C.Local forms of spatial analysis［J］.Geographical Analysis，1999，31（4）：340-358.

［23］Rosenthal S，Strange W.Evidence on the Nature and Sources of Agglomeration Economies［M］//Henderson J，Thisse J. Handbook of Regional and Urban Economics.Amsterdam：North-Holland，2004.

［24］Arzaghi M，Henderson J.Networking off Madison Avenue［R］.Brown University：Working Paper，2006.

［25］路江涌，陶志刚.中国制造业区域聚集及国际比较［J］.经济研究，2006（3）：103-114.

［26］陈良文，杨开忠，沈体雁，等.经济集聚密度与劳动生产率差异——基于北京市微观数据的实证研究［J］.经济学（季刊），2008（10）：99-114.

［27］杨振山，蔡建明，高晓路.利用探索式空间数据解析北京城市空间经济发展模式［J］.地理学报，2009（8）：945-955.

［28］吴升，王钦敏，陈崇成，等.GIS分析中的地理模式［J］.测绘信息与工程，2004（2）：10-12.

［29］Wu F.Intrametropolitan FDI firm location in Guangzhou，China：A Poisson and negative binomial analysis［J］.Annals of Regional Science，1999，33（4）：535-555.

［30］Figueiredo O，Guimaraes P，Woodward D.Modeling industri⁃al location decisions in U.S.counties［R］.ERSA conference papers，European Regional Science Association，2002.

［31］张华，贺灿飞.区位通达性与在京外资企业的区位选择［J］.地理研究，2007，26（5）：984-994.

［32］林善浪，张惠萍.通达性、区位选择和信息服务业集聚——以上海为例［J］.财贸经济，2011（5）：106-114.

［33］Howells J.Tacit knowledge，innovation and economic geogra⁃phy［J］.Urban Studies，2002，39（3）：871-884.

The Spatial Distribution，Location Strategy and Agglomeration of Information Service Industry——Taking Fujian Province as the Example

ZHANG Hui-ping
（Department of Economics，Minnan Normal University，Zhangzhou 363000，China）

The paper elaborates that location strategy affects agglomeration of information service industry from the perspec⁃tives of nearby the source of knowledge，related companies and the city center area.Based on the analysis of the spatial distri⁃bution of information service industry in Fujian Province，taking 86 districts（counties） and 1076 postal code regions as spa⁃tial units，we apply negative binomial model to study that location strategy affects the agglomeration of the information service industry and three sub-sector industries.Our study indicates that smaller space units can depict the degree of impact more spe⁃cifically which the various location factors have on agglomeration of information service industry.Fujian information service firms are primarily located in central area in cities，and close to the representative enterprises in the same industry and Enter⁃prise Development Zone full of varieties of firms，universities and research institutions.There is no obvious tendency of subur⁃banization for them.

information service industry；location strategy；spatial distribution；agglomeration；negative binomial model

F062.5

A

1007-5097（2013）07-0079-06

10.3969/j.issn.1007-5097.2013.07.018

2012-04-04

闽南师范大学新世纪优秀人才支持计划项目

张惠萍（1972-），女，福建南靖人，副教授，博士，研究方向：服务业空间结构。

张 青］

●财经透视