基于供给侧结构性改革的服务业集聚发展影响因素研究——以衰退型资源城市为例

梅 蕾，高琦芳，王 宝

(1.内蒙古科技大学 经济与管理学院，内蒙古 包头 014010；2.中国农业银行聊城分行，山东 聊城 252000)

目前，我国资源型城市共262个，以资源存储和可持续发展能力为标准划分为四种类型：成长型(31个)、成熟型(141个)、衰退型(67个)和再生型(23个)。其中，成长型和成熟型城市资源储备充足，经济发展动力强劲，城市基础设施逐渐完善。再生型城市通过城市转型，以可再生的替代产业作为经济发展的依托，正在逐渐摆脱资源束缚，发展循环经济，最终实现可持续发展。衰退型城市则处在资源枯竭、产业转型艰难的严峻时期。通过对衰退型资源城市服务业集聚水平的测评与影响因素进行实证分析，针对性提出科学的对策建议，可为衰退型资源型城市寻找到可接替的服务行业，为后续资源枯竭城市的转型积累有益经验。

一、 理论基础及文献综述

(一)服务业集聚水平测评方法概述

对产业集聚进行测评的方法主要有：区位商、空间基尼系数、Marcon函数、地理集中指数(EG指数)等[1]。龚晨等(2014)比较了不同方法的差异。其中，区位商能较好地衡量地区各产业的优势程度。EG指数在对地区产业集聚程度进行测量时，也顾及了地区企业规模以及不同地区之间的差异，所以测量出来的产业集聚程度更为准确，但由于EG指数要用到地区企业的各种相关数据，所以实际运用起来较为困难[2]。

在基于国内数据的相关研究中，区位商的运用集中体现在以下几点：一是制造业。二是服务业整体(康概等，2015[3]；陈红霞等，2016[4])。三是生产性服务业(万千欢等，2014[5])。四是单个服务行业，尤其是金融业(马俊等，2015[6]；张清正等，2016[7])。最后是同时测度制造业和服务业(詹浩勇等，2016[8])。在空间基尼系数上，罗芳等(2013)，吴传清等(2013)，刘军跃等(2015)对长江中游城市群的整体服务业及细分行业的集聚水平进行评价[9-11]。刘艳(2013)，李惠娟(2013)，任国岩(2015)等利用EG指数分别对我国制造业中的战略新兴产业、服务业以及长三角地区知识密集型服务业进行了测算[12-14]。

本文通过对服务业集聚的相关文献进行梳理，可以发现，在研究主体上：一方面，以全国各个省份为研究整体来进行测量分析，同时，有的研究还将服务业与制造业的集聚水平进行对比分析。另一方面，是对特定区域的省或者城市群的服务业集聚水平进行测量分析，其中以珠三角地区、长三角地区、我国中西部地区和京津冀地区等为主。另外，在研究结论上：通过查阅文献可以得出，在服务业整体集聚高的地区，其细分行业的集聚水平不一定高，而且内部差异大，集聚水平高低不一，甚至一些服务业细分行业在欠发达地区的集聚水平要优于发达地区，所以，本文除了对衰退型资源城市服务业整体的集聚水平进行测评外，还会对其分行业的集聚水平进行测评，以便对其集聚水平有更为全面的了解。

(二)服务业集聚影响因素分析

学者们对于服务业集聚影响因素的研究各不相同，有的从成本收益角度建立理论框架，有的从地理经济学角度建立理论框架，虽然理论框架有所不同，但框架内部各个具体的影响因素存在一些共同点。Fingleton(2003)，Grimes(2010)，Meyer(2007)分别以英国、美国和加拿大的计算机服务业和金融业为目标，来探究各种要素如资本、劳动力等以及市场需求对其集聚发展的影响作用[15-17]。

其次，还有城市化水平、信息化水平、外商直接投资、人力资本水平、制造业集聚、人均可支配收入水平、知识密集度等因素也被列入研究范畴。柯丽菲(2016)认为外商直接投资、信息化水平等因素与生产性服务业集聚存在正相关[18]。纪玉俊等(2014)把劳动力水平和市场规模等六个因素归放到三种理论框架中，并对三大类服务业的集聚水平进行了实证分析，得出不同因素对不同类型的服务业集聚影响差异较大[19]。Weidong等(2011)指出,城市基础设施的完善和加快制造业发展，会促进服务业的集中发展[20]。

通过以上文献可看出，将资源型城市发展与服务业相结合进行定量研究的文献较少；此外，全国资源城市、较发达的东中部省际和少部分沿海城市群是学者们较为关注的服务业集聚研究区域，而针对衰退型资源城市服务业进行研究的文献则更少。在思考衰退型资源城市如何发展时，我们有必要正视其中的一些问题：衰退型资源城市支柱产业如何接续？这些城市服务业集聚发展现状如何？对于各行业集聚发展的影响因素有何差异？因此，本研究以产业集聚理论为视角，辅以集聚计量方法，试图解决上述问题。

(三)文献评述

通过对以上文献的梳理，关于服务业集聚，学者们在集聚水平的度量、产业结构升级、对城镇化的进程及集聚的经济效应等方面已经有了较为成熟的研究，其中，集聚水平度量与影响因素分析的有关内容可以为本论文提供重要帮助，具体来看有以下几点值得关注：

1.在对服务业集聚水平进行测评分析时，研究主体大部分从全国或者特定区域的省份出发，其中以东中部发达省份为主，也有一些文献对我国西部地区的服务业集聚水平进行了研究，此外，还有一部分文献以我国沿海地区的城市群为主，如珠三角、长三角地区等，但以地级市为微观研究主体对其服务业集聚水平进行测度的较少。

2.EG指数在对地区产业集聚程度进行测量时，由于顾及了地区企业规模以及不同地区之间的差异，所以测量出来的产业集聚程度更为准确，但受限于数据获取困难的原因，在对产业集聚水平测评时，学者们运用得较少，即使有的学者对其进行了改进，以便更好地应用，但还是较少应用到服务业集聚测度上。

3.在对我国服务业集聚水平的测度分析中，大部分学者都是以生产性服务业为主，对非生产性服务业的相关研究较少。

基于以上几点，本论文有以下独特之处：

以地级市中的衰退型资源城市这一微观且有实际意义的主体为研究对象；

本文除了运用区位商和空间基尼系数之外，还将运用改进后的EG指数来对衰退型资源城市服务业集聚水平进行测评分析；

在对衰退型资源城市服务业集聚水平测评分析时，将从生产性和非生产性服务业集聚两个方面对其整体及各细分行业的集聚水平进行对比分析。同时，从集聚的影响因素入手，构建需求、供给和制度环境三位一体的理论框架来进行实证分析，以期通过服务业集聚发展来增加服务业有效供给，努力为衰退型资源城市找准转型坐标，重现资源型城市的生机与活力。

二、衰退型资源城市服务业集聚测评

(一)测量指标选取与样本数据来源

1.区位商

区位商(LQ)是通过对某一地区所研究行业(或产业)的相关指标(例如就业人数、产值等)占该地区总指标的比重与全国该行业指标占国内总指标的比重进行比较，来反映地区层面的行业集聚水平的指标。其计算公式为：

(1)

式中：ei为地区j第i个行业的就业人数；∑ei为地区j所有行业总的就业人数；Ei为全国该行业的就业人数；∑Ei为全国所有行业总的就业人数。一般来讲，如果LQ>1，表示该行业是该区域范围内的专业部门，在全国范围内具有一定优势，集聚能力较强；LQ<1，则表明集聚能力较弱；LQ=1，则表明某行业处于均势。

2.EG指数

艾莉森-格拉瑟尔(Ellision-Glaeser)为克服空间基尼系数可能产生的误差，在其基础上加入赫分塔尔指数来消除未考虑到内部规模经济及市场空间集聚所导致的虚假集聚，建立了EG指数。其计算公式为：

(2)

其中H是赫分塔尔系数，G代表空间基尼系数，xi表示i地区就业人数占全国总就业人数的比重。EG≥0.05 说明该行业高度集聚；0.02≤EG<0.05说明该行业中度集聚；EG<0.02 代表该行业低度集聚。在运用EG指数对服务业集聚程度进行测量时，由于式(2)中所包含的赫分塔尔指数，其所需要的地区完整数据难以得到，比如服务业企业个数、服务类型企业占据的市场份额等，因此，本文参考已有研究成果的修正方法，对赫分塔尔系数进行调整。

(3)

其中，sij为区域j第i个行业(或产业)的就业人数与区域j总的就业人数的比值，nij为j区域i产业或行业的企业数。通过这个公式计算出的赫分塔尔指数虽与原有公式有所不同，但对整体结果影响甚微。

3.样本数据来源

在测度资源型城市服务业集聚水平时，由于县级市数据难以获取，因此本文选取衰退型城市中23个地级市数据作为样本。为了保证数据统计口径一致，数据均来源于历年全国及各省份统计年鉴。具体分类如表1所示，其中，C1—C6属于生产性服务业，C7—C14是非生产性服务业。

表1 服务业14个代表行业

(二)基于区域视角的区位商测评结果

将收集整理的数据代入式(1)，计算可得到衰退型城市服务业2007—2018年的区位商(见表2、表3)，表中R代表各系数2007—2018年间的均值。

1.生产性服务业

表2可见，2007—2009年整体区位商均值为0.946 9，几近集聚；但仅保持了三年，之后逐年下降，在2013年集聚水平处于0.705 5的最低值，之后集聚水平虽有所回升，但并未达到集聚。表明衰退型城市资源枯竭导致工业经济下滑、就业人数减少，与工业发展高度相关的生产性服务业集聚程度受到影响呈下降趋势。

表2 衰退型资源城市生产性服务业区位商计算表

各城市间区位商差异较大，表明集聚水平差距较大。R除新余之外均低于1，且随着时间推移都呈现出不同程度的下降。乌海、鹤岗、七台河、淮北和新余这5个城市从2007年的集聚慢慢转变为非集聚，其余的18个城市一直未能形成有效集聚，这与近年来我国服务业快速发展趋势相反。表明自然资源产业发展衰退直接影响着与之密切相关的生产性服务业。

2.非生产性服务业

表3可见，衰退型城市历年整体区位商数值均大于1，表明集聚程度高。2007—2018年间整体区位商逐年递增，表明衰退型城市非生产性服务业发展与全国服务业迅猛发展的趋势一致，受资源束缚较少。

R均在1以上，整体集聚特征明显。说明这些城市的非生产性服务业受到资源产业衰退的约束小于生产性服务业，整体集聚发展态势较好。通过分行业EG指数的计算，可以进一步确定其中哪些行业可以作为未来衰退型资源城市转型的接替产业。

表3 衰退型资源城市非生产性服务业区位商计算表

(三)基于行业视角的EG指数测评结果

在运用区位商从生产性、非生产性两大类服务业进行集聚测评的基础上，运用EG指数分别对两类服务业内各行业进行集聚程度测评，以便确定服务业内集聚度较高，可优先发展的行业。将数据代入式(2)，计算可得到各细分行业2007—2018年的EG指数(见表4、表5)，表中R代表各行业2007—2018年间的均值。

1.生产性服务业内各行业

表4 资源衰退型城市生产性服务业内行业EG指数

通过R值(表4)可见，6个行业的集聚程度由强到弱依次排序为：C5、C3、C2、C6、C4、C1。其中，C5(租赁业)为高度集聚，C2(信息业)、C3(批零业)为中度集聚，C1(交通业)、C4(金融业)、C6(科技地勘业)为低度集聚。C5指数均值0.0702，远远高于其他行业，表明该行业受资源型产业约束不大，但近几年的行业集聚走势波动剧烈，说明该行业集聚发展虽然具有良好基础，但尚未进入可持续发展阶段。作为大数据产业基础的C2集聚程度中等，对未来经济转型会有一定阻碍。作为现代物流业与电子商务业的基础，C3中度集聚、C1低度集聚；尤其C1的均值R，是6个行业中最低的。这两个行业的集聚度偏低，必定会影响到未来电子商务业与现代物流业的发展。可喜之处是，C1集聚水平近几年稳步提升，发展势态良好，2015年已经上升到6个行业的第2位。作为城市经济发展重要支撑的C4、核心动力的C6集聚度呈下降趋势，说明资源型产业产值下滑直接影响到金融与科技发展；继续下去必将对这些城市经济发展的再生能力造成重创。

2.非生产性服务业内各行业

表5 资源衰退型城市非生产性服务业内行业EG指数

通过R值(表5)可见，8个行业的集聚程度由强到弱依次排序为：C10、C7、C8、C9、C13、C11、C12、C14。其中，C10(居民服务业)、C7(住宿餐饮业)为高度集聚，其余均为低度集聚。高度集聚的两个行业中，C7虽然行业均值R较高，但其根本原因是2007—2009年集聚度高，之后集聚度逐年下降，2012年后分散发展特征明显，表明该行业发展趋势不容乐观，受到资源枯竭、就业人口与薪酬水平下降影响的表现明显。C10既受到居民生活水平提高的正向影响，又受到资源产业衰退的负向影响，在9年间表现出波动剧烈的现象。其余6个行业均未呈现出集聚特征。结合区位商分析结论可知，虽然衰退型资源城市非生产性服务业近9年整体发展呈现良好的集聚态势，但分行业EG指数计算结果表明，对非生产性服务业整体表现出集聚特征有真正贡献的行业仅仅是C10、C7。但历年数据分析表明，这两个行业发展也受到了资源衰退的影响，显现出不良发展势头。

三、 衰退型资源城市服务业集聚影响因素分析

由以上分析可见，衰退型资源城市生产性服务业集聚发展水平较低，非生产性服务业集聚程度较高；但两类服务业内各行业又显现出不同集聚度，行业发展差异较大。

(一)服务业集聚影响因素的研究假设与模型构建

为了能够提出有效策略，让衰退型资源城市从原来的单产独大到依靠服务产业集聚发展来打破资源束缚的“魔咒”，实现产业多点支撑，本文借鉴已有文献，从需求、供给和制度环境三方面共6个影响因素构建衰退型资源城市服务业发展影响因素的三维概念模型；并据此提出理论假设。

1.研究假设(图1)

图1 影响因素的研究假设

2.模型设定及变量说明

本文将之前计算的区位商作为被解释变量，6个影响因素作为解释变量，建立两个多元线性回归模型分别进行验证，公式如下所示。

生产性服务业集聚影响因素回归模型：

Proij=a0+a1Manuit+a2Humanit+a3Inforit+a4Openit+a5Govit+a6Urbit+uit

(4)

非生产性服务业集聚影响因素回归模型：

Nonproij=a0+a1Manuit+a2Humanit+a3Inforit+a4Openit+a5Govit+a6Urbit+uit

(5)

其中，a0为常数项，a1、a2…,a6为变量系数项；i为衰退型资源型城市，i=1，2，3…,23；t为统计时间，t=2007，2008，2009，…2015；uit为随机误差项；Proij为i城市t年份生产性服务业区位商，Nonproij为i城市t年份非生产性服务业区位商，模型中用到的其他变量，具体说明如下表6所示。

表6 模型变量说明

(二)服务业集聚影响因素的检验

1.生产性服务业集聚影响因素的检验

为了确定使用固定效应还是随机效应模型以使计算结果更准确，本文先对影响因素模型进行Hausman(豪斯曼)检验。如果p≥0.05则建立随机效应模型。如果p<0.05则建立固定效应模型，根据表7可知检验统计量为27.923 9，P值为0.000 1远小于0.05，因此建立固定效应模型，并进一步测算，结果如表8所示。

表7 检验的输出结果

表8 资源型城市生产性服务业集聚影响因素实证结果

通过表8可见，I和H对生产性服务业总体集聚的影响最为显著，影响系数分别为0.130 0和0.266 8，说明23个衰退型资源城市的信息技术发展、人力资源供给确实对其发展起到了积极的推进作用。G对集聚的促进较为显著，影响系数为0.188 1，表明这些城市政府出台的相关政策法规促进了地区生产性服务业的集聚发展。U对总体集聚也有正向影响，但作用不显著，说明资源衰退阻碍了城市化进程，使其对集聚的推动作用表征不明显。依据常理，M对生产性服务业会起到最直接的推动作用；但分析结果表明M和O的回归结果为负，与原假设相反，二者提升对集聚并无积极影响。究其原因，是因为这些城市依托资源相关产业发展多年，一产独大，并未对与其息息相关的生产性服务业产生积极作用；同时，对外开放政策没有重视生产性服务各行业的招商引资，优惠条件不够有吸引力，外商投资未能精准定位等原因导致对外开放并未促进集聚。

通过以上分析，明确了6个因素对资源型城市生产性服务业总体集聚的影响，接下来用同样的方法对其各行业集聚的影响因素进行检验。同样使用Hausman检验(表7)，对模型形式是固定效应还是随机效应进行选择。在此基础上，对各行业分别确定各自的模型形式，并进行检验。具体结果如表9所示，具体行业名称可见表1。

表9 资源型城市生产性服务业内行业集聚影响因素实证结果

2.每个变量对应的两行数据：第一行为回归系数，第二行括号内为T检验值。

通过前文EG指数计算得出：C5(租赁业)为高度集聚，C2(信息业)、C3(批零业)为中度集聚，C1(交通业)、C4(金融业)、C6(科技地勘业)为低度集聚。结合表9可以看出，C5的高度集聚仅仅受到人力资本水平(H)、政府行为(G)的积极影响作用，且不是很显著，同时，受到城市化水平(U)、对外开放水平(O)的阻碍作用表现得更为显著。这也是近几年该行业走势波动剧烈的原因所在。C3受到制造业集聚水平(M)积极影响非常显著，同时也受到对外开放水平(O)的一些积极影响，但同时受到政府行为(G)的制约，最终只能形成中度集聚。C2作为新兴产业产的基础，仅有政府政策(G)行为对其稍有积极作用，不足以支持其集聚发展。与此类似的还有C4，除信息化水平(I)，再无发展支持因素。C1(交通业)虽然受到制造业集聚水平(M)、人力资本水平(H)非常显著的正影响，但由于信息化水平(I)非常显著的制约导致行业发展未能形成集聚优势。C6同样受到信息化水平(I)的强制约无法集聚发展。

对比整体与分行业实证分析的结果发现：信息化水平(I)、人力资本水平(H)和政府行为(G)对总体集聚有显著性影响，但对每个行业的影响却各不相同，甚至对某一行业集聚发展表征出很显著的负面影响。表明影响因素对每个行业的影响并不均衡，在制定城市发展对策时应考虑到影响因素对行业发展的影响。而曾经是支柱产业的制造业，其集聚水平(M)却对整体集聚产生显著的制约作用，与一般客观规律相反，体现了资源衰退所带来的负面效应。

2.非生产性服务业集聚影响因素的检验

与生产性服务业总体集聚检验类似，使用Hausman检验(表7)，最终确定选择建立固定效应模型。在此基础上，对资源型城市非生产性服务业总体集聚影响进行检验。具体计量结果如表10所示。

表10 资源型城市非生产性服务业集聚影响因素实证结果

通过表10可见，U和G对整体集聚水平的影响最为显著，系数分别为0.039 9和0.086 5。衰退型资源城市依靠资源优势所经历的经济快速发展期提升了城市化水平，加快了各种要素向城市集中，人口数量和基础设施也不断增加与优化，促进其集聚发展。基础设施建设、教育、公共管理等关系民生的非产性服务业领域一直是我国地方政府行为的主导方向，投资比重较大，对其集聚发展起到了积极影响。O、I和H的提高虽然对集聚有正向促进作用，但作用不明显。具体原因将结合行业影响因素进一步分析。M对集聚影响为负的原因是资源型产业衰退导致城市整体经济滑坡，虽然制造业集聚态势早已形成，但其集聚效应随着资源产业失去发展优势而无法产生，必定会影响到非生产性服务业良性发展。

通过以上分析，明确了6个因素对总体集聚的影响，接下来对各行业集聚的影响因素进行检验。同样使用Hausman检验(表7)，对模型形式是固定效应还是随机效应进行选择。在此基础上，对各行业分别确定各自的模型形式，并进行检验。具体结果如表11所示，具体行业名称可见表1。

表11 资源型城市非生产性服务业内行业集聚影响因素实证结果

2.每个变量对应的两行数据：第一行为回归系数，第二行括号内为T检验值。

通过前文EG指数计算得出：C10(居民服务业)、C7(住宿餐饮业)为高度集聚，其余C8(房产业)、C9(公共设施业)、C11(教育)、C12(社会保障业)、C13(文体娱乐业)、C14(公共管理)均为低度集聚。结合表11可以看出，制造业集聚水平(M)确实对C10、 C7集聚起到了积极作用；但近年来资源产业衰退使得制造业发展进入瓶颈期，以产业工人为主体的居民消费水平必然下降，导致M对C10行业集聚发展的影响显著性较低。C8 、C9、C12都受到城市化水平(U)的的积极影响作用，但显著性有差异，对C8的影响较小；虽然C9、C12受到城市化水平积极影响较显著，但受到M发展的制约作用也不容忽视；尤其C9还受到人力资本水平(H)的制约，所以这三个行业都未能形成良好集聚。M同样对C11产生了制约作用，且负面影响作用非常显著，说明资源衰退带来的影响首先是第二产业发展缓慢甚至停滞，之后逐渐扩大到对城市的公共管理、社会保障、教育等各方面发展都产生了阻碍作用。C13受到对外开放水平(O)显著的积极影响和大多数城市发展规律相一致，但同时又受到M、U、G的负面影响作用，所以最终表现出无法集聚的特征。

对比整体与分行业实证分析的结果发现：城市化水平(U)和政府行为(G)对整体集聚水平有显著性影响，但对每个行业的影响却各不相同。而制造业集聚水平(M)对整体集聚水平具有显著的制约作用，表现在部分行业上也特征明显，这一分析结果与生产性服务业类似。

四、政策建议

本文通过对衰退型资源城市服务业集聚水平测评及影响因素分析，提出以下建议。

(一)需求侧层面：首先，衰退型资源城市经济发展必须摆脱对资源产业的依赖，通过服务业集聚协同发展复兴实体经济，带动就业，加快城市化进程。而城市化进程的快速发展，又可以为非生产性的服务企业集聚提供良好平台。其次，衰退型资源城市应该在城市化发展战略上有所创新，让劳动密集型民生服务业先行，加快道路、电力等基础设施的建设；同时应该注重改善居民生活水平，拉动餐饮、房产、教育行业发展，推动城市经济快速发展。最后，确定优先发展的服务行业，通过制定合理的对外开放政策，有针对性地开展城际合作，推动交通业、金融业、信息业等行业快速发展，实现以大数据、电子商务、现代物流业、现代金融业为未来经济发展新动力的城市有效转型。随着互联网和计算机技术的发展，人们生活对网络的依赖性也越来越高，相关服务业的发展也越来越迅速，国家相关政策也印证了在互联网时代，服务业应该通过聚集进行发展，成长我国经济发展的支柱。

(二)供给侧层面：衰退型资源城市生产性服务业发展状况堪忧，所以必须将其作为城市服务业供给侧改革的重点，找问题、补短板，使服务业向集约化、专业化、品质化发展，同时可吸纳就业，缓解城市就业压力。具体措施包括三方面：一方面，加速引进并留住实用型和紧缺型人才。为此，各城市政府既要优化人才发展环境，比如在安家落户、项目扶持、医疗、津贴补助等方面予以优惠；又要加大教育投资力度，高校等教育机构可以增设与生产性服务业相匹配的专业，提高人力资本供给水平。另一方面，加快城市信息化建设与大数据发展的进程，让互联网、物联网与工业、服务业、城市建设等紧密接合，凭借智能、网络等实现各地区数据、信息共享，节约城市资源，增加服务业有效供给。另外，政府应该招商引资，积极引进高聚集强辐射的项目和企业，形成协同效应，进而使得当地服务业可以集聚整体协同发展。

(三)制度环境层面：完善政府功能，为资源型城市服务业集聚营造良好的制度环境。实证研究表明，政府行为对14个行业中只有3个行业有一定积极影响，且效果不显著。所以，政府要以产业、企业、载体三个方面为抓手齐头并进，以服务型政府为特色，为资源型城市转型升级发展保驾护航。在产业上，对地区重点特色行业及接续替代产业予以扶持和鼓励推动；在企业上，形成以领军企业为主，中小企业为辅，协同发展的集聚区，同时对一些创新型和品牌型服务企业给予奖励，发挥政府的杠杆作用；在载体上，针对不同的城市和企业，建设相应平台，以集聚支撑发展为切入点，提高政府服务质量，让城市发展与服务业接轨，实现动能转换，持续推进城市经济增长与可持续发展。