基于GWR模型的中国生产性服务业空间差异的影响因素分析

狄乾斌++王萌等

摘 要：地理加权回归适用于局部关系的回归研究，可以更好地反映空间数据的空间异质性。利用GWR模型并结合相关理论分析我国生产性服务业发展的影响因素发现：人力资本对生产性服务业的发展呈正相关作用，而在2011年的中西部地区其的贡献相对较低；创新能力对生产性服务业发展的贡献为正，但存在减小的趋势；城市化水平对生产性服务业的影响变化较大，由2005年和2008年的负相关转变为2011年的正相关；工业发展水平对生产性服务业的贡献为正，高值区存在由东向西转移的趋势；对外开放水平与生产性服务业呈明显的负相关性；市场规模对生产性服务业发展的贡献为正，且有增强的趋势。

关键词：生产性服务业；GWR；影响因素

中图分类号：K909 文献标识码： 文章编号：

China's Producer Services Space Difference Analysis of the Influencing Factors Based on the GWR Model

DI Qian-bin1， 2，WANG Meng1，ZHANG Jian2

（1. Center for Studies of Marine Economy and Sustainable Development，Liaoning Normal University，Dalian 116029，China；2. College of Urban and Environment， Liaoning Normal University，Dalian 116029，China）

Abstract： Geographically weighted regression is suitable for the local relationship regression study， can better reflect the spatial heterogeneity of the spatial data. Using the GWR model and combined with related theoretical analysis the influence factors of producer services development in our country， found that human capital positively correlated to the development of producer services， and in 2011 the central and western regions of the contribution is relatively low； Innovation ability with a positive contribution to the development of producer services， but decreases； Urbanization level's influence on the producer services vary considerably， from 2005 in 2008 and the negative correlation to positive correlation in 2011； Industrial development level of producer services is positive， the contribution of the high value area is shifting from east to west trend； Opening up to the level and the producer services are significant negative correlation； The size of the market with a positive contribution to the development of producer services， and has a tendency to increase.

Key words： producer services； GWR； influence factor

引 言

20世纪80年代以来，全球产业结构开始呈现出“工业型经济”向“服务型经济”转型的趋势，生产性服务业逐步取代制造业成为西方都市区经济发展的核心动力和创新源泉[1]。在我国，发展具有更大带动作用和科技含量的生产性服务业成为实现产业结构优化升级和经济发展方式转变的重要措施。

国外学者对生产性服务业的研究开始于20世纪70年代[2]，主要集中在对生产性服务业集聚的动因、集聚区模式和集聚形态动态演化等问题的初步探讨方法。Dniels（1985）[3]指出，传统和威望等人为因素以及劳动力等经济因素仍然会促使生产性服务业的办公场所向大城市的中央商务区集聚。Illeris（1989）[4]把加速生产性服务业空间集聚的因素归纳为享受人力资源的“蓄水池”、获得前向和后向联系的机会。Senn（1993）[5]则认为生产性服务业在空间上集聚，一方面是因为位置上靠近可以使服务企业之间便利地享受相互间的服务，另一方面是由于经济环境的快速变化以及由此产生的不确定性。

国内对现代服务业特别是生产性服务业的研究处于起步阶段，部分学者从城市的尺度来研究生产性服务业发展的空间特征及其主要影响因素[6，7]，如杨应德（2012）[8]以中国191个城市的生产性服务业为研究对象，实证研究了生产性服务业的空间差异特征和影响因素；胡雅婷（2013）[9]运用空间面板数据模型定量研究浙江省各市生产性服务业空间差异发展的影响因素；杨永亮（2013）[10]使用SLM模型进一步研究发现人力资本、城市规模与生产性服务业发展呈正相关；陈志明（2012）[11]利用GWR模型对珠三角地区生产性服务业集聚影响因素进行了实证研究等。

从国内外研究进展来看，关于生产性服务业的研究一般是关注城市尺度或大都市内部生产性服务业发展的空间差异及其影响因素，缺乏从全国角度对各省区生产性服务业空间差异发展的影响因素分析。在研究方法上，主要采用全域信息估计常数的普通线性回归模型进行影响因素分析，而利用局域信息建模的实证研究较少。鉴于以上问题，本研究将采用改进的空间线性回归模型——GWR（地理加权回归）模型，从局域角度对我国生产性服务业空间差异的影响因子及其影响力大小进行分析，以期对我国发展生产性服务业提供具有建设性的政策建议。

1研究方法与模型

为了更好地研究空间数据的非平稳性和复杂的空间参数变化，Brunsdon等[12]提出了简单而实用的地理加权回归（Geographically Weighted Regression，简称GWR）模型。模型将空间看成异质，把数据的地理位置引入到回归参数中，利用邻近观测值的子样本数据信息进行局域回归模拟分析，扩展了利用全域信息估计常数的普通线性回归（OLS）模型[13]。GWR模型结构为：

（1）

式中： 为观测值； 是i样本点的地理区位坐标，而不是固定的回归系数； 是连续函数 在i点的值，k是自变量个数。 随着区位的变化而变化，如果其在空间任意一点的值都相同，这个模型则是全局回归模型[14]。

在校正GWR模型时，观测位置重要性大小的体现就是权重[15]。根据Tobler的地理学笫一定律，当对位置 处的参数进行估计时，距离这一观测点越近，其对于参数估计的贡献率越大，反之则越小。权重函数主要有距离阈值函数、反距离函数、高斯函数等[16]。通常用高斯函数来计算权重，其计算公式表达如下：

（2）

式中的 是样本点i和j的距离，b为带宽。采用不同的空间加权函数会得出不同的带宽，常用的优化方法有交叉验证（CV）法、AICc信息准则法等[17，18]。其判断准则是：当CV值、AICc值达到最小值时，对应的b就是所需的带宽。

2中国生产性服务业空间差异的影响因素分析

2.1数据来源和指标选取

我国省域生产性服务业的详尽统计数据，最早可见于2006年的《中国第三产业统计年鉴》[19]。考虑的数据的可获得性和真实性，本文确定研究时段为2005～2011年。也正因为研究时段问题和统计口径的不同，本研究仍采用《国民经济行业分类》（GBT4754-2002）中的行业类别，把F交通运输、仓储和邮政业，G信息传输、计算机服务和软件业，J金融业，K房地产业，L租赁和商务服务业，M科学研究、技术服务和地质勘查业等六个行业列为生产性服务业的范畴。研究的目标区域是除香港特别行政区、澳门特别行政区和台湾省的我国31个省、自治区和直辖市（以下文中的提到的全国或各省份均不包括以上三个行政区）。样本数据来源于2006、2009和2012年的《中国第三产业统计年鉴》和《中国统计年鉴》。

生产性服务业空间差异的影响因素，主要分为内生要素、外部环境因素和空间相互作用因素三个方面。内生因素主要包括专业化分工、市场化程度和工业化水平等；外部环境因素主要包括人力资本水平、创新能力、市场规模和对外开放水平等；空间相互作用因素主要有产业关联和知识溢出。结合国内外现有文献成果，以及考虑到数据的可获得性，并通过OLS工具中的VIF值进行冗余检验筛选，本文最后确定将人力资本、创新能力、城市化水平、工业发展水平、对外开放水平和市场规模等纳入到生产性服务业影响因素分析框架之中（表1）。

2.2模型检验

使用GWR模型建模的重要前提是空间数据是否存在空间相关性，如果确实存在空间自相关，则使用GWR模型建模的效果更好，否则用OLS模型更合适。利用Morans I指数对我国生产性服务业就业人数进行空间自相关检验，结果表明：2005、2008和2011年的Morans I指数都是正数，并且越来越大，说明我国各省区的生产性服务业发展存在明显的空间正自相关性。而且三年的正态性统计量（Z-score）通过了正态分布函数在0.05显著性水平下的检验（临界值均大于1.96），说明我国生产性服务业的发展在空间分布上拒绝完全随机。也就是说，使用GWR模型建模更加合适。

2.3影响因素分析

利用ArcGis10.0软件运行GWR模型，对每一个空间单元进行局部的回归分析计算出每个因素的回归系数值。为了便于研究，在表2中详细给出各因素对生产性服务业集聚分布影响程度的最小值、中位数、最大值和平均数的统计值。

从整体来看，各因素对生产性服务业发展的影响程度有着显著的空间差异，回归系数值有较大不同。人力资本、创新能力、工业发展水平和市场规模对生产性服务业发展的空间差异有正作用，而对外开放水平则有副作用，城市化水平的正副作用差异较大。为了更加清晰地观察和分析局部关系在不同区域的表现和变化趋势，本文在地图上把参数估计值进行了可视化处理（仅附上人力资本的局部回归系数分布图，其它略），图中从左到右分别是2005、2008和2011年的回归系数（图1）。 （1）人力资本。从表2和图1可以看出，人力资本因素影响力的总体变化是先升后降，但降幅较小。2008年各省区人力资本因素对生产性服务业的影响力普遍增大，回归系数平均值约为7，其中影响度较大的省份分布在我国东北、华北和东南部，而西部各省区的回归系数上升幅度相对较小；2011年其回归系数平均值回落至6.42，且各省区的回归系数差距变大，整个中西部地区人力资本对生产性服务业的贡献度都较低，甚至在甘肃和新疆出现了负值。产生这一现象的原因，主要是由于北京、天津等经济发达省区，对教育特别是高素质教育投入相对更大，凭借良好的就业条件和社会环境可以吸纳外来人才，而中西部地区的普通高等学校专任教师数量虽在增加，但就业环境和社会生活条件相对较差，人才流失导致人力资本在当地的积极作用不明显，甚至转为负值。

（2）创新能力。创新能力回归系数变化趋势也是先升后降，但降幅很大。这说明随着创新能力整体水平的提高，单个专利对生产性服务业发展的推动作用有变弱的趋势，但这并不否定创新能力对生产性服务业的显著性作用。从高值区的分布来看，2005年主要分布在西部和中部地区，2008年转移到东部地区，但这两年各省区的数值差距较小。2011年河北省的回归系数最大且远超其他省区，主要受益于地价、招商和政策等优势，河北成为北京、天津企业实现专利转化为经济效益的重要承载地区。

（3）城市化水平。城市化水平对生产性服务业发展的作用，由2005年和2008年的负相关变为2011年的正相关。在2008年之前，城市化水平的提高仅代表的是人口数量的增长，单纯的人口数量增长并未转化为推动生产性服务业发展的有序力量，因此两者间呈现负相关；而在2008年后，城市人口增长速度减缓，城市更加注重社会和生活环境、生态环境以及基础设施等方面的建设，为生产性服务业提供了基本条件，城市化水平对生产性服务业发展的促进作用才逐渐显现出来。从2011年城市化水平回归系数分布来看，高值区主要集中在城市化水平较低的中部和西部省区，而城市化水平较高的北京、上海、江苏等省区处于低值区，这说明对于生产性服务业来说并不是城市化水平越高，其起到的正相关作用越强，存在一个“城市最优规模”的问题。

（4）工业发展水平。随着工业发展水平的提高，越来越多的企业为了降低成本适时地将企业的服务外置，大大提高生产性服务业市场需求，进而推动生产性服务业的发展。2005和2008年工业发展水平对生产性服务业的回归系数变化略有下降，最大值都是河北省，而高值区也大多分布的东北、华北和华东地区；2011年的工业发展水平对生产性服务业的正相关性更加明显，特别是在中部和西部地区，其回归系数增幅明显。

（5）对外开放水平。我国各省区对外开放水平与生产性服务业呈负相关，在2011年其平均回归系数更是达到-96.8。这主要是因为我国并没有完全放开外资企业进入生产性服务行业的限制，生产性服务业中更多的是国有和集体企业（如交通运输、仓储和邮政业，金融业），外商大多投资在制造业方面，外商投资总额的增加未对生产性服务业发展起到积极作用。

（6）市场规模。随着居民消费水平的提高，其对生产性服务业的正相关作用也在增大，2008年的平均回归系数比2005年的增长了0.004，两个年份的回归系数分布大体相似，高值和较高值主要分布的东部和中部，不同的是2008年的高值区分布更加分散。

3 结论与建议

3.1结论

利用GWR模型对我国生产性服务业空间差异发展的影响因素进行局部回归分析，并结合相关理论分析发现：人力资本对生产性服务业的发展呈正相关，但2011年中西部地区人力资本的贡献率相对较低；创新能力对生产性服务业的发展贡献作用为正，但这种作用在减小；城市化水平对生产性服务业发展的影响变化幅度较大，在2005年和2008年其回归系数为负值，而在2011年却呈现出正相关性；工业发展水平和市场规模都有效地促进了生产性服务业的发展，并且有增强的趋势，高值区存在由东向西转移的趋势；对外开放水平与生产性服务业发展呈明显的负相关性。

3.2建议

发达国家经验表明，随着经济发展水平的提高，对生产性服务业的需求和供给也随之增加。我国要加快推动生产性服务业的发展，必须重视高素质人才的培养，不断推进科技创新，逐步建立和完善生产性服务业科技创新体系，重视生产性服务业与制造业的协同发展。同时要加大对外开放力度，放宽外资和外企进入生产性服务行业的限制，增强我国生产性服务业的竞争力和活力。此外，支持生产性服务业的区域性集聚，引导中心城市建设各类生产性服务业集聚区，在城市化发展过程中还要注意城市规模的适度问题，不宜过于追求人口规模的扩大，为生产性服务业发展提供足够的预留空间。

参考文献：

[1] Bayson J R. Business service firms，service space and the management of change[J]. Entrepreneurship and Regional Development，1997，2：93-111.

[2]申玉铭，吴康，任旺兵.国内外生产性服务业空间集聚的研究进展[J].地理研究，2009，28（6）：1494-1507.

[3]Daniels.Service Industries：A geographical appraisal[M].Cambridge：Cambridge University Press，1985.

[4]Illeris S.Producer services：The key factor to economic development[J].Enterpreneurship and Regional development，1989，（1）：267-274.

[5]Senn Lanfranco.Service activities' urban hierarchy and cumulative growth[J]. The Service Industries Journal，1993，（2）：11-22.

[6]申玉铭，邱灵，尚于力等.京沪生产性服务业比较研究[J].地理研究，2009，28（2）：441-450.

[7]邵晖.北京市生产者服务业聚集特征[J].地理学报，2008，63（12）：1289-1298.

[8]杨应德.中国城市生产性服务业发展的影响因素研究[D].西北师范大学，2012.

[9]胡雅婷.浙江省生产性服务业地区差异的影响因素研究[D].浙江工商大学，2013.

[10]杨永亮.长三角地区生产性服务业空间分异及其影响因素研究[D].浙江财经学院，2013.

[11]陈志明.基于空间计量经济学的生产性服务业集聚及其影响因素研究—以珠三角地区1999-2009年空间面板数据为例[D].华南理工大学，2012：7-15.

[12]Brunsdon C，Fotheringham A S，Charlton M.Some notes on parametric significance tests for geographical weighted regression[J].Journal of Regional Science，1999，39（3）：497-524.

[13]杨丽霞，杨桂山，姚士谋.基于ESDA-GWR的粮食单产及其驱动因子的空间异质性研究[J].经济地理，2012，32（6）：120-126.

[14]吕萍，甄辉.基于GWR模型的北京市住宅用地价格影响因素及其空间规律研究[J].经济地理，2010，20（3）：472-478.

[15]汪婧.基于GWR模型的住宅地价空间变异分析—以南京市江宁区为例[D].南京大学，2012.

[16]Brunsdon C，Fotheringham A S，Charlton M E.Geographically weighted regression：A method for exploring spatial nonstationarity[J].Geographical Analysis，1996，28（4）：281-298.

[17]苏方林.省域R&D知识溢出的GWR实证分析[J].数量经济技术经济研究，2007，2：145-153.

[18]Bowman A W.An alternative method of cross-validation for the smoothing of density estimates[J].Biometrika，1984，71（2）：353-360.

[18] 国家统计局.中国第三产业统计年鉴[M]. 北京：中国统计出版社，2006.