生产性服务多样化、地理毗邻与流通业发展关系研究

范 晔 副教授 刘宇伟 教授

（1、江苏工程职业技术学院 江苏南通 226007；2、扬州大学商学院 江苏扬州 225127）

当前，我国已进入经济增速换档期，宏观经济增速总体放缓，流通业增长也不断趋缓，2018 年全国流通业实现增加值14.07 万亿元，同比增幅为9%，增幅较2017 年下降0.6 个百分点，较2010 年则下降了近10 个百分点，全国社会消费品零售总额的增长也不断放缓。在新旧动能转换的重要阶段，如何有效推动流通业的发展，对加快畅通产销渠道，加速释放经济活力，助推宏观经济的高质量发展具有重要现实意义。

生产性服务业是包括交通运输、批发零售、金融、商务服务、研发技术服务等在内的复合型产业，其发展关系到整个生产系统的效率，自然对流通业的发展带来一定影响。从发展阶段来看，我国生产性服务业已形成较大规模，发展也较为稳定。结合GELLATLY 和BALDWIN（2000）的观点，伴随着生产性服务业规模的壮大，其内部种类也日渐丰富，产业的多样化日益明显，分工和专业化也不断加深。据此，有必要探讨我国生产性服务多样化对流通业发展产生了何种影响。在这一研究主题下，笔者亦认为区位因素也是影响流通业发展的重要原因，特别是毗邻地区的发展容易对本地经济发展带来溢出，因此有必要纳入地理毗邻这一因素，借助空间计量经济模型分析框架，探讨生产性服务多样化、地理毗邻与流通业发展之间的关系。

研究方法与模型设置

（一）计量模型

本文考虑地理毗邻这一因素，即预期区域之间地理关系可能对流通业的发展产生地理溢出，因此选用空间计量模型的框架进行实证分析。目前空间计量模型使用较多的类型有空间误差模型SEM 和空间自相关模型SAR 两种，其中空间误差模型SEM 的基础形式如下：

其中，变量Y为被解释变量，X为解释变量，β为影响系数，ε表示由地理毗邻带来的空间误差项，λ表示空间误差系数，μ则为剔除空间误差项后存在的随机误差成分。

空间自相关模型SAR 的基础形式如下：

其中，Y和X也分别为被解释变量和解释变量，ρ为空间滞后系数，μ则为剔除空间滞后项后存在的随机误差成分。

（二）变量及指标定义

本研究涉及的有关变量说明如下：

被解释变量。流通业发展水平为被解释变量，记为LT，本文选择地方流通业增加值作为衡量指标。但流通业在统计中作为一个复合产业，包括交通运输仓储和邮政业、批发和零售业、住宿和餐饮业三大类，因此将这三类行业的增加值加总，得到流通业增加值。

解释变量。根据研究需要，本文主要解释变量包括生产性服务多样化和地理毗邻两个。其中，生产性服务多样化记为DY，指标借鉴FRENKEN 和VERBURG（2007）的方法，对细分行业采用熵值法计算，具体在下文介绍。地理毗邻通过隐性变量的形式体现，主要通过空间矩阵的有关系数进行衡量。衡量空间矩阵时，借鉴多数学者的做法，以0-1 式的矩阵来表征。对矩阵W 中的任意元素wij，如果地区i 和j 在地理上是毗邻的，那么定义wij值为1，否则，若两者不毗邻，则定义wij值为0。特别地，为消除“孤岛效应”，本文在此特别定义海南省与广东、广西两地是毗邻的。

控制变量包括以下几个：第一，劳动力供给水平。记为LAB，采用流通业年末从业人员数量进行衡量。第二，资本水平。记为ZB，采用流通业全社会固定资产投资额进行衡量。劳动力和资本作为影响流通业发展的两大要素，在统计劳动力和资本指标时，都通过对交通运输仓储和邮政业、批发和零售业、住宿和餐饮业三大行业的相应指标加总计算得到。第三，制造业发展水平。选择该变量主要是考虑到流通业在一定程度上是依附于生产制造的，考察制造业的发展对流通业发展的影响。记为ZY，采用地方第二产业增加值进行衡量。第四，城市化水平。选择该变量是基于流通市场的繁荣受城市发展进程的影响，这里考察城市化对流通业发展的影响。记为CS，采用地区城市化率进行衡量，即地区城镇人口占总人口的比重。

基于以上变量，可以将SEM 模型和SAR 模型具体化。SEM 模型具体如下：

SAR 模型具体可表示如下：

其中，下标i指代地区横截面，下标t指代时间，β0为常数项，β1～β5为相关变量对应的影响系数。

（三）生产性服务多样化的定义

假定生产性服务业可以划分为S 个大类部门，S 个部分又可细分为N 个小门类，为确保量纲一致，统一采用就业人员指标，因此S 个大类的就业比重就可以用小类部门的就业比重求和得到：

大类部门中的细分部门多样化水平可如下计算：

大类部门之间的多样化水平可如下计算：

于是，一个地区生产性服务多样化水平指数可表示如下：

在生产性服务业门类选择上，国家已印发了《生产性服务业统计分类（2019）》，但由于本文所采用的数据年份在2019 年之前，因此结合《生产性服务业统计分类（2015）》的门类划分标准更妥。由于门类众多，部分数据获取不便，基于数据的可得性，本文选取了研发设计与其他技术服务、货物运输仓储和邮政快递服务、金融服务、生产性租赁服务、商务服务、批发经纪代理服务这几个大类，具体细分门类参见《生产性服务业统计分类（2015）》。

实证结果与分析

（一）样本数据选择

基于数据的可获得性，本文选取2011 ～2018 年我国31 个省市区（港澳台地区除外）的宏观面板数据，检验生产性服务多样化、地理毗邻与流通业发展的关系。上述指标的数据来源于历年各省、直辖市、自治区的地方统计官方网站、国研网统计数据库和中经网统计数据库。实际数据处理时，对变量LT、LAB、ZB、ZY 都做对数化处理，一方面消除量纲，另一方面增强数据的平稳性。

（二）生产性服务多样化程度分析

通过熵值法，测算各地2011 ～2018 年的生产性服务多样化水平指数。限于篇幅，对各地生产性服务多样化水平指数进行平均化处理，整理得到全国生产性服务多样化水平指数，并根据各地指数结果，计算全国面上的变异系数，如表1 所示。

由表1 结果可知，全国面上的生产性服务多样化水平总体上存在着随年提升的态势。其中，2018 年生产性服务多样化水平指数为2.5018，同比提高了2.02%，较2011年提高了19.49%。由此可见，长期以来我国生产性服务的多元化发展是不断显现的。细究动态变化特征可知，2011 ～2018 年生产性服务多样化水平指数出现了两个拐点，其中2013 年是指数由上升转向下降的拐点，2015 年是由下降转向上升的拐点。从变异系数来看，数值总体上存在不断提高的趋势，这表明我国不同地区之间生产性服务多样化水平的横向差异有不断增加的趋势。

表1 我国生产性服务多样化水平指数计算结果

表2 变量LT 和DY 的Moran’s I 指数

表3 空间计量模型（SEM 和SAR）回归结果

（三）计量模型检验分析

1.空间自相关性检验。由Moran’s I 指数方法，重点检验被解释变量LT 和解释变量DY 的空间自相关性。采用GeoDA 软件计算，得到两个变量的Moran’s I 指数，如表2 所示。由表2 的结果可以看到，2011-2018 年我国流通业发展水平LT 的Moran’s I 指数都是大于零的，且历年都通过显著性检验；生产性服务多样化水平DY 虽然在2011 年和2012 年Moran’s I 指数不显著，但是2013-2018 年的Moran’s I 指数都是大于零且显著的。由此显示，我国流通业发展以及生产性服务多样化都因地理毗邻而存在着较为明显的正向集聚性。与此同时，可以发现两个变量的Moran’s I 指数总体上都是有提升态势的，即表明了流通业发展以及生产性服务多样化的空间溢出性都在不断增强。在此情况下，可以预期生产性服务多样化对流通业发展的影响也受到地理毗邻的空间溢出效应。

2.空间计量模型回归结果及分析。借助Matlab 软件，分别采用SEM 模型和SAR 模型对样本数据进行回归，结果如表3 所示。

首先判断相对更加合适的模型，空间误差系数和空间滞后系数都是显著的，Moran 指数为0.2983，且在1%的水平显著，因此采用SEM 模型和SAR 模型都是必要的。对于SEM 模型，LM 值为4.9130，在1%水平显著，R-LM 值为18.7623，在1%水平显著，但SAR 模型的LM值和R-LM 值都明显小于SEM 模型，因此认为选择SEM模型更优。

重点考察生产性服务多样化和地理毗邻对流通业发展的影响效应：生产性服务多样化变量DY 的系数为0.3749，且在1%的水平显著，从统计意义来看，生产性服务多样化每提升1 个百分点，可以显著带动流通业规模增长0.3749 个百分点。总体上，我国生产性服务多样化对流通业发展的影响是比较明显的。从当前我国生产性服务业多元化发展来看，金融业增加值增长9%，科学研究和技术服务业增加值增长11%，在经济增速换挡期下这些行业都保持了较快增长，不同行业对流通业的发展又发挥了不同的作用，总体上对我国流通业的发展带来了较为明显的利好。例如，依托金融业增长，可以为流通企业主体的资金需求带来较为有效的保障；依托科学研究和技术服务业的较快增长，关联的科技成果运用范围内的各类生产行业，以及上游的科学仪器设备制造业等行业增长点也都得到一定释放，这对于流通业规模的增长都是较为有利的。

空间误差系数λ 值为0.3612，且在1%的水平显著，说明了我国流通业规模在地理空间的毗邻上客观表现出较为显著的空间依赖，并且这种空间依赖关系主要是经过生产性服务多样化和劳动力、资本、制造业发展等因素共同影响作用下的误差冲击，再由地理毗邻进行空间传递而实现的。从统计意义上来看，λ 值可以衡量毗邻地区观测值的变化对本地观测值的影响程度与方向。由此，若一个地区的毗邻地区流通业规模增长1 个单位，将通过空间传递作用，促进本地区流通业规模同向变化0.3612个单位。该实证结果与前文流通业空间自相关性结果也是相符合的。

再来观察几个控制变量对流通业发展的影响效应：第一，劳动力供给水平变量。LAB 的系数值为0.7626，且在5%的水平显著，从统计意义上看，流通业劳动力供给量每提升1 个百分点，可以显著通过劳动投入产出效应，拉动流通业规模增长0.7626 个百分点。总体上，在我国流通业的增长中，劳动力要素的贡献是非常显著的。第二，资本水平变量。ZB 的系数值为0.5802，且在1%的水平显著，从统计意义上看，流通业资本规模每提升1 个百分点，可以显著通过资本产出效应，拉动流通业规模增长0.5802 个百分点。一方面，资本要素对流通业增长的贡献是比较显著的，另一方面，比较可知资本的影响系数小于劳动力的影响系数，由此在一定程度上表明了我国流通业的增长方式仍是以劳动力推动为主的。第三，制造业发展水平变量。ZY 的系数值为1.5429，在1%的水平显著，且数值较大。从统计意义上看，制造业规模每增长1 个百分点，可以显著带动流通业规模增长1.5429 个百分点。这一结果充分体现了我国流通业对制造业的依附性，上游生产供给的壮大，对下游流通活动的开展提供了重要的先决条件。第四，城市化水平变量。CS 的系数值为0.3573，且在5%的水平显著。由此来看，城市化建设也是拉动流通业增长的重要因素。流通业作为连结末端消费的重要行业，城市化进程带来了商业设施的丰富化，从而为流通业的发展创造更加有利的条件。

结论及建议

本文采用空间计量经济模型，使用熵值法计算我国生产性服务多样化水平，并实证检验了生产性服务业多样化、地理毗邻与流通业规模增长之间的关系。首先，根据生产性服务多样化水平测算结果，虽然在2011 ～2018 年期间有明显波动趋势，但全国面上的生产性服务多样化水平总体上是不断提升的，同时不同地区之间生产性服务多样化水平的差异也不断明显化。其次，根据空间自相关检验结果，我国各地的流通业规模和生产性服务多样化水平都因地理毗邻而存在着较为明显的正向集聚性。再次，根据空间计量经济模型回归结果来看，生产性服务多样化发展与演变，对我国流通业规模增长具有显著推动作用，同时流通业规模在地理空间的毗邻上客观表现出显著空间依赖，即毗邻地区流通业规模的增长，能通过空间传递效应，促进本地流通业增长。

本文的研究结论对流通业的战略性发展具有一定的借鉴，笔者根据研究提出以下对策建议：第一，应积极培育推进生产性服务业朝多元化发展。仅从促进流通业发展的视角看，生产性服务多样化发展释放的作用也是显著的。因此要围绕我国生产性服务业的门类和时代需求趋势，明确重点培育导向，有针对性地引导生产性服务业的发展，从而为流通业发展提供更多增长驱动力。第二，应主动推进区域协同一体化发展。地理毗邻的客观条件，是流通业增长的一个因素，这也表明了地方与地方之间应利用好地理先天条件，加快推进区域协同发展，特别是落实推进“一带一路”倡议及长江经济带、京津冀协同、长三角一体化等战略，探索地方商贸合作、交通设施一体化等发展路径，破解区域壁垒，从而为流通业的发展营造有利环境。第三，应积极推进流通业内生式发展。劳动力和资本是流通业发展的关键要素，在新旧动能转换的新时期，流通业的发展需要有更高质量的劳动力和资本等要素供给，因此流通业企业自身也要注重内涵式发展，积极学习借鉴先进经营管理方式，并加大有效资本投入，为流通业的发展赋予更多动能。