“互联网+”背景下信息服务业空间演化及调整对策

■ 方晓晖（北京大学政府管理学院　北京　100871）

“互联网+”背景下信息服务业空间演化及调整对策

■ 方晓晖（北京大学政府管理学院北京100871）

内容摘要：信息服务业是生产性服务业中具有知识密集型特征的重要产业，其合理布局对于提升产业布局效率、推动产业转型具有重要意义。本文通过对我国地级以上城市信息服务业相对专业化和空间相关性进行测度，揭示了我国信息服务业的空间演化特征，并对其空间布局的优化提出调整对策。研究发现：我国信息服务业趋于向大城市集中，呈现集聚状态，高等级信息服务中心逐渐向北转移；信息服务业比较优势集中在少数城市，呈现出层次性特征，对人口规模有一定门槛要求；我国信息服务业在不同城市间的联系不强，极化效应突出，涓滴效应相对滞后。

关键词：信息服务业空间演化调整对策

引言

世界经济正在从传统的“工业经济”向“服务经济”转变，作为制造业的重要支撑产业，生产性服务业在区域分工体系中处于价值链的高端环节，已成为衡量国家和地区综合竞争力和现代化程度的重要标志。当前美国“再工业化”、德国“工业4.0”和韩国“新增长动力战略”等再工业化发展，战略无不将生产性服务业作为未来国民经济发展的主要推动力。

信息服务业是连接信息工业和信息用户之间的中间产业，在生产性服务业中具有高附加值，相比其他服务业更具有知识密集型的特征。我国的信息服务业水平虽然落后于发达国家，但在经济发展中的重要性正日益凸显。2014年国务院《关于加快发展生产性服务业，促进产业结构调整升级的指导意见》中，明确把信息技术服务纳入生产性服务业重点发展任务；2015年提出的“互联网+”和“中国制造2025”战略，更是为信息服务业和制造业的融合发展带来机遇。因此，信息服务业的快速发展和合理布局，是我国提升产业布局效率，推动产业发展形态向知识密集型转变的重要支撑。

关于产业空间理论的研究一直是学界的研究热点。从早期的马歇尔（Marshall）的外部性理论，直到近年来出现的以克鲁格曼（Krugman）为代表的新经济地理学理论，关于制造业的空间演化理论已经建立了一个比较成熟的研究框架，而信息服务业的空间研究处于起步阶段。从信息服务业空间形态和特征来看，Coffey（2000）、Krenz（2010）、Kolko（2010）、Taylor （2013）等众多学者普遍认为，交易成本的节约、信息交流的便捷、创新的可能性等因素使得生产性服务业倾向于在大都市区集聚，其中信息设施与服务业也同样具有大都市偏好。国内学者中，惠洁（2014）等学者采用区位基尼系数、产业集聚EG指数分析发现，信息服务业在产业间和地理上都呈现出显著的集聚状态，主要集中在北京和广东；丁玲华（2011）认为我国信息服务业产业布局属于增长极发展模式，且增长极主要集中在东部地区；方维慰（2011）认为信息服务业发展与经济环境正相关，通常选择经济水平较发达地区；张勇（2012）通过对生产性服务业的计算分析，得出信息传输、计算机与软件业更倾向于向市场需求大、科技力量雄厚的地区集聚；张慧萍（2013）以福建省为例，认为信息服务企业主要集中在城市中心区域，邻近开发区、大学和科研机构，并没有出现明显的郊区化倾向。

从信息服务业集聚原因来看，国内外学者主要从信息交流、交易成本、交通条件和政府扶持等角度展开研究。Windrum和Tomlinson（1999）认为，知识密集型产业包含高度的隐性知识，这些隐性知识一方面靠自身积累，另一方面靠人与人之间的接触交流、观察模仿进行学习和传播。区域内的知识和信息流动比远距离的流动要容易得多，使技术外溢现象更加明显，因此信息服务企业通常选择邻近大学和同类企业，充分利用创新成果和人力资本的知识溢出，降低人才搜寻成本，同时获得更多面对面交流的机会，使知识和信息可以在集群企业间更好地进行传播和扩散。此外，政府的政策扶持也是一个重要因素，如美国硅谷、印度班加罗尔、中国中关村等等。

从整体上看，关于信息服务业空间分布特征研究虽然已经开始受到学界的关注，总体上相比于制造业的研究还不够系统全面，缺乏对全国信息服务业的空间分工、演化规律和空间联系的认识。本文将利用2003～2013年全国284个地级及以上城市数据，分析我国信息服务业的空间演化特征和空间相关性，为我国信息服务业空间结构优化提供依据。

图1　2003、2013年信息服务业相对专业化指数空间分布

数据来源与研究方法

（一）研究区域与数据来源

本研究选取2003年至2013年全国284个地级及以上城市的信息服务业从业人员数作为研究数据。由于2002年国家统计局对《国民经济行业分类》国家标准进行了较大调整和修改，故研究时间段选取2003年至2013年。同时，研究期限内我国有部分地级市行政区划进行了较大调整，故删除部分地级市个体数据，如2011年转为地级市的铜仁市和毕节市、2011年被撤销为县级市的巢湖市以及数据缺失严重的拉萨市，以保持数据的统一性和完备性。

此外，目前关于产业的研究大多采用行业增加值进行指标测算，由于工业产值在统计口径和方法上都已经较为完善，采用这样的指标有其合理性；而对于服务业而言，目前学术界普遍认为我国服务业行业增加值的统计被严重低估，而且关于各城市信息服务业的从业人数远比产值数据全面，因此采用从业人员数来衡量城市信息服务业发展水平，数据主要来自于2004年至2014年《中国城市统计年鉴》。

（二）空间集聚测度指标说明

1.行业相对专业化指数。采用被广泛运用的区位商Lqik（t）来测算i城市信息服务业k的相对专业化程度。

2.行业空间相关性指数。本文借鉴Anselin的方法采用常用的Moran'I指数检验各地级市信息服务业的空间相关性。Moran'I指数定义为：

本文还采用Getis和Ord于1992年提出的Getis-Ord Gi*指数进行各地级市信息服务业就业密度局部自相关的热点分析。Getis-Ord Gi*的数学公式为：

其中：Vij（d）为点距离矩阵，d为距离参数。Gi*值越大，这个区域的属性值越高，属于高值区；值越小，这个区域的属性值越小，属于低值区。

表1　2013年不同人口规模城市主导信息服务职能情况

表2　2003、2013年信息服务高等级服务中心城市

表3　2003、2013年LISA集聚地图类型和城市

我国信息服务业的空间演化特征及相关性分析

（一）信息服务业的空间演化特征

不同城市在等级规模、资源禀赋和经济水平之间的差异，导致信息服务发展水平在城市间存在明显的等级性。本研究利用行业相对专业化指数测度各城市信息服务业的专业化程度，由此揭示我国地级以上城市之间信息服务业地域分工的情况和演化特征。研究定义，当信息服务业行业相对专业化指数大于1，表明该城市信息服务业呈现出专业化特征；当指数大于1.2，表明该城市信息服务业专业化特征明显，比较优势突出。

从2013年全国地级及以上城市信息服务业相对专业化指数的空间分布（见图1）可以得出，全国仅有11%的地级以上城市信息服务业比较优势明显，集中在北京、上海、江苏、广东、陕西等少数大城市发展，信息服务业的空间布局由2003年的相对分散逐渐演化为2013年的相对集中布局，呈现出较明显的集聚状态。随着信息技术行业的蓬勃发展，全国信息服务业从业人数在2003年到2013年的十年间增加了271万，增长242%；占全国生产性服务业从业人员比例也上升了7%，增长近一倍。同时，从信息服务业从业人数占比情况来看，排名前10的城市从业人数占全国信息服务业从业人数份额从2003年的32.84%上升到2013年的54.76%，47%的新增从业人员集中在13个常住人口规模1000万以上的大城市，说明信息服务业趋于向服务业发达的大城市集中。

信息服务业作为生产性服务业的重要行业，其相对专业化发展程度取决于城市制造业发展的多样化程度。当人口规模较小、制造业发展需求较单一时，具有信息技术发展优势的城市将重点发展与信息工业配套的服务功能，此时信息服务业相对专业化程度较高；随着人口增加和经济规模的扩大，制造业发展对生产性服务中间投入需求的门类趋于多样化，此时信息服务业在行业分工体系中相对专业化程度将逐渐降低。为探讨信息服务业专业化发展程度与人口规模的关系，根据第六次全国人口普查数据，本研究将我国284个地级及以上城市按常住人口数分为1000万以上、500～1000万之间、100～500万之间以及100万以下四类，测算2013年信息服务业比较优势明显的城市数量（见表1）。可以看出，信息服务业的地域分工呈现层次性特征，常住人口规模越小的城市信息服务业相对专业化程度越高，随着城市规模越大，信息服务业专业化程度降低，符合中心地理论特点。此外，信息服务业的专业化发展也存在一定的人口门槛，即常住人口规模在100万以下的城市没有比较优势。

由于行业相对专业化指数没有考量该行业的发展规模，为综合考量行业规模和相对专业化两个维度，以各城市信息服务业就业人员占全国份额位居前5%，以及行业相对专业化程度大于1.2为界限，分别得出2003年和2013年信息服务业的高等级服务中心（见表2）。

可以看出，北京在全国信息服务业地域分工体系中始终处于最高等级的服务中心地位，聚集了主要的信息服务资源，从业人员规模位居全国城市首位，具有明显的比较优势。此外，2003～2013年我国信息服务业高等级服务中心逐渐向北转移，长三角地区的中心城市（上海、南京、杭州）和东北三省的主要城市（哈尔滨、大连、长春）凭借经济水平和政策优势，在信息服务业发展上也逐渐形成发展优势。

（二）信息服务业空间相关性分析

全局相关性分析。基于统计数据分别计算我国284个地级市的信息服务业就业密度Morans'I 指数。2003年的Morans'I指数为-0.0007，统计量Z值为0.58；2013年的Morans'I指数为-0.0043，统计量Z值为-0.13。可以看出，2003年和2013年的Morans'I指数均为负值，但未通过显著性检验，表现出空间随机性。这说明目前我国信息服务业在空间布局上没有显著的自相关性，不同城市之间的联系不强，没有形成协同发展效应。

LISA显著性分析。局部空间相关性的LISA显著性分析可以画出相应的LISA集聚地图，将区域分为高-高、低-低、高-低、低-高四种类型，对应于Moran散点图的四个象限。其中高-高类型代表了高观测值的区域单元被同是高值的区域所包围的空间联系形式，形成产业热点；低-低类型代表了低观测值的区域单元被同是低值的区域所包围的空间联系形式，形成产业冷点；高-低类型代表了高观测值的区域单元被低值的区域所包围的空间联系形式，形成产业区高值吸附；低-高类型代表了低观测值的区域单元被高值的区域所包围的空间联系形式，形成产业洼地。

通过对比2003年和2013年信息服务业局部空间相关性的LISA分析，分别得到不同空间联系形式的城市。其中，2003年高-高类型的城市为天津，高-低类型的城市有北京、重庆；2013年高-高类型的城市为苏州，高-低类型的城市有北京、成都、重庆、西安。没有城市或区域显示出明显的低-低和低-高两种类型特征（见表3）。通过对比分析，可以看出：

2013年苏州处于高-高集聚区，该区域及周边的信息服务业发展水平均比较高，说明苏州信息服务业的发展具有较强的涓滴效应。但与2003年相比，该区域城市数量都只有1个，说明在全国范围内，信息服务业发展水平较高的地区还没有形成较强的辐射带动发展作用。2013年北京、重庆、成都、西安处于高-低集聚区，该区域自身信息服务业发展水平较高，但没有带动周边地区信息服务业的协同发展，呈现出一定的极化效应。与2003年相比，该类型城市数量有所增加，且北京、重庆始终是我国信息服务业发展的高值吸附区，对周边地区形成虹吸效应，不利于信息服务业区域协同发展。

结论与启示

（一）结论

本文揭示了2003-2013年我国地级以上城市之间信息服务业地域分工的空间演化特征。主要结论如下：

第一，2003～2013年，我国信息服务业趋于向服务业发达的大城市集中，呈现出较明显的集聚状态，说明信息服务业的总体水平、产业规模都与经济环境正向相关。同时，高等级服务中心逐渐向北转移，北京在全国信息服务业地域分工体系中始终处于最高等级的服务中心地位，聚集了主要的信息服务业资源；长三角地区的中心城市和东北三省的主要城市凭借经济水平和政策优势，也逐渐成为信息服务业区域性发展中心。第二，信息服务业的空间布局从相对分散逐渐演化为相对集中布局，比较优势主要集中在少数城市，且呈现层次性特征。常住人口规模越小的城市信息服务业相对专业化程度越高，随着城市规模越大，信息服务业专业化程度降低。同时，信息服务业的专业化发展也存在一定的门槛人口，即常住人口规模在100万以下的城市信息服务业发展没有比较优势。第三，从空间相关性上看，我国信息服务业在不同城市之间的联系不强，极化效应突出，涓滴效应相对滞后。在全国范围内，信息服务业发展水平较高的城市（如苏州）对周边地区还没有形成较强的辐射带动作用，部分城市（如北京、重庆）反而成为信息服务业发展的高值吸附区，对周边地区具有虹吸效应，不利于区域内信息服务业的协同发展。

（二）建议

信息服务业是生产性服务业中具有知识密集型特征的重要行业，伴随知识溢出和信息共享，信息服务业的发展已不仅仅局限在单一城市或产业内部，而逐渐在城市间呈现细分化、多样化的发展趋势。为构建城市间协同发展、优势互补的信息服务业地域分工格局，本文提出以下建议：

第一，作为现代制造业的重要支撑，信息服务业布局与经济环境正相关，城市的人口规模、资源禀赋、工业水平与信息服务业发展是一脉相承的，应注重其与城市经济环境和发展阶段相匹配。信息服务业作为现代服务业，具有发展上的“路径依赖”，对劳动力、资本、技术等要素投入的需求较高，存在一定的服务门槛。特别是对于中小城市，在选择经济发展“优势区域”布局同时，还应该结合城市的产业发展基础，选择适合自身的信息服务发展模式，有重点地满足信息工业不同阶段的发展需求，不要盲目追求信息服务业“高端化”或者“大而全”的发展模式。

第二，区域信息服务业发展过程中，不仅要关注其内部城市的规模等级、资源禀赋和职能结构与产业的匹配度，还应该强调产业在不同规模等级城市之间的分工协作。我国信息服务业已呈现出显著的空间差异和极化效应，信息服务业地区差异过大，会导致空间布局的失衡和低效。一方面，中小城市应利用邻近大型城市高端信息服务业的人才和技术支撑，对本地制造业进行改造升级，从传统的高投入、低附加值生产模式向低投入、高附加值生产模式转变。另一方面，大型城市承担着向周边辐射的核心功能，应定位于发展区域性综合服务中心，借助北京、上海、广东等地区已形成的专业化优势，适度、有序地向周边中小城市转移部分附加值较低的信息服务业，并提供资金、人才、科技支撑等方面的服务外延，形成优势互补、均衡普惠的空间格局，以获得产业布局的效率最大化。

第三，政府相关部门应根据区域内部不同城市的发展阶段和主导产业，对信息服务业在城市间的分工协作进行合理规划和顶层设计。在信息服务业快速发展的背景下，各城市都应加大信息服务业建设的投入力度，缺乏合理的顶层设计很容易出现重复建设问题。为优化信息资源的空间配置，缩小信息服务的地区落差，国家及区域层面的产业发展规划应加强对不同城市信息服务业发展的科学性指导，明确各等级城市信息服务业的发展模式和方向，注重加强产业在空间上的分工和协作，尤其是技术、人才、信息等方面之间的交流，加快城市间信息网络建设，降低城市之间的交易成本，进一步扩大大型城市信息服务对周边制造业发展的辐射带动范围。

参考文献：

1.惠洁，李晓琳. 中国信息服务业空间集聚研究［J］.四川理工学院学报.2014，12（6）

2.丁玲华.基于产业布局视角的信息服务业发展模式研究［J］.当代经济管理. 2011，6（6）

3.方维慰.中国信息服务业空间格局的评价分析［J］.科技与经济. 2011，10（5）

4.张勇. 生产性服务业空间集聚的实证研究［D］.辽宁大学. 2012

5.张慧萍. 信息服务业的空间分布、区位策略与集聚——以福建省为例［J］. 华东经济管理. 2013（7）

6.Windrum P， Tomlinson M.，Knowledge-Intensive Services and International Competitiveness: A Four Country Comparison［J］. Technology Analysis & Strategic Management， 1999（11）:391-408.

7.Maskell， Malmberg. Localised learning and industrial competitiveness［J］. Cambridge Journal of Economics，1999（2）

基金项目：▲国家社会科学基金项目“我国生产性服务业空间结构的本地效应、溢出效应及其优化研究（15CJY055）”

中图分类号：◆F062.9

文献标识码：A

作者简介：

方晓晖（1989-），男，福建漳州人，北京大学政府管理学院硕士研究生，研究方向：区域经济。