科技服务业集聚及其对工业效率的影响——关中平原城市群、成渝城市群的比较研究

王 猛，朱丽多，张宇婧

■经济学

科技服务业集聚及其对工业效率的影响——关中平原城市群、成渝城市群的比较研究

王 猛，朱丽多，张宇婧

（陕西师范大学 国际商学院，陕西 西安，710119）

基于2000-2017年关中平原城市群、成渝城市群数据测量科技服务业集聚，并考察科技服务业集聚对工业效率的影响。首先采用区位基尼系数、全域Moran's I指数和区位熵测量科技服务业集聚的特征，结果表明：2003年起关中平原城市群科技服务业的空间分布比成渝城市群更加分散；两大城市群的科技服务业不存在空间相关性；关中平原城市群在期初的科技服务业集聚水平低于成渝城市群，但差距有缩小趋势。进一步地，利用回归分析识别科技服务业集聚与工业效率的因果关系，研究发现：科技服务业集聚对工业效率的提升作用仅存在于关中平原城市群，在成渝城市群中并不显著；这一结果在替换测量指标、改变样本后仍然稳健。本研究从科技服务业集聚视角为两大城市群的工业效率提升带来启示。

城市群；科技服务业；集聚；工业效率

一、引言

关中平原城市群、成渝城市群作为西部最大的两个城市群，在中国经济版图中占据重要地位。2018年2月，经国务院批准，关中平原城市群建设进入实质性阶段。该城市群突破了传统意义上的“关中城市群”“关中-天水”经济区概念，将地理范围扩展至陕西、甘肃、山西三省，是全国重要的装备制造业、高新技术产业和国防科技工业基地。相对而言，成渝城市群发展更早，规模也更为庞大，其电子信息、装备制造和金融等产业实力较为雄厚，具有较强的国际和国内影响力，且人力资源丰富，创新创业环境良好。两大城市群均位于交通枢纽地带，中心城市西安、重庆和成都的引领作用不断加强，城市体系日趋健全。关中平原城市群、成渝城市群互为掎角之势，在竞争和合作中实现快速发展，分别成为西北、西南地区的经济增长极。

两大城市群发展的一个重要优势，是科技服务业集聚程度较高。为数众多的科研院所、高校和科技人才，构成了城市群科技服务业集聚的基础。以关中平原城市群为例，2016年其拥有普通高校99所，在校大学生超过100万，两院院士64人，各类科研机构1100多家，国家级重点（工程）实验室25家，国家级“双创”示范基地4家，研发经费投入强度超过3%①。作为一种高端服务业，科技服务业的集聚能够产生明显的外部规模经济：一方面，推动科技服务业自身的规模壮大、效率提升，有利于将知识和技术转化为现实生产力；另一方面，更好地为城市群内其他产业的效率提升提供科技支撑，促进两大城市群的高质量发展。

基于上述认识，本文将采用一系列统计指标，分析关中平原城市群、成渝城市群科技服务业集聚的特征和趋势；进一步地，构造计量经济模型，探讨两大城市群的科技服务业集聚对工业效率的潜在影响。之所以关注工业效率，是因为两大城市群位于欠发达的中国西部，仍处在工业化中期阶段，产业结构中的工业占比很高。如果能通过科技服务业集聚促进工业效率的提升，对关中平原城市群、成渝城市群的发展意义重大。

与现有文献相比，本文有以下可能的边际贡献：第一，本文探讨科技服务业集聚对工业效率的影响，这一论题目前尚未得到充分研究。第二，本文对西部最大的两个城市群进行比较，有助于把握科技服务业集聚及其影响的异质性。第三，由于关中平原城市群成立时间较晚，直接研究极为缺乏，本文为关中平原城市群建设提供了智力支持。本文的结构组织如下：第二部分回顾相关文献，第三部分采用统计指标分析两大城市群科技服务业集聚的特征，第四部分报告因果识别所用的模型、数据和变量，第五部分列示回归结果，并分析科技服务业集聚对工业效率的影响，第六部分总结全文。

二、文献述评

（一）两大城市群研究

由于关中平原城市群成立时间较晚，相关文献较少。学者全雨霏和吴潇从等级规模结构、空间网络结构和职能结构等方面，分析了关中平原城市群城镇体系演化的基本特征[1]。学者潘润秋和马世雄发现2005至2015年间，关中平原城市群各城市对外服务能力不断上升，且呈现出以西安为中心的圈层结构[2]。周翼等学者利用夜间灯光数据，对关中平原城市群2017年78个县级行政单元的规模、联系与影响范围展开分析[3]。魏献花等分析2015年关中平原城市群人居环境的空间格局，并探讨了人口分布与人居环境质量的协同性[4]。曹小曙等学者的研究则表明，高铁建设提高了关中平原城市群核心区域的交通可达性[5]。

有关成渝城市群的现有研究则较为丰富，主要从以下三个视角展开。首先，成渝城市群的空间结构。王春杨等学者对1992-2012年灯光数据的分析表明，成渝城市群城市体系呈现明显的双核首位特征，城市分布密集程度呈现下降趋势[6]。赵映慧等学者基于2011-2014年城市间的百度指数进行社会网络分析，结果表明成渝城市群形成了“一主一次多从”的网络联系基本格局[7]。学者黄勤和刘素青分析2014年数据发现，成渝城市群经济联系网络总体处于较低水平，以成渝两城为双核的“核心-边缘”结构明显，次级城市发展不足[8]。学者肖磊和潘永刚研究成渝城市群的空间发展态势，指出从2000年至2015年该城市群的人口和GDP向高等级城市成都、重庆集中[9]。其次，成渝城市群经济增长的影响因素。学者杨占锋和段小梅对2005-2016年数据的分析表明，产业结构、教育投资对成渝城市群经济增长的影响较大，而物质资本的作用相对较弱[10]。李峥荣等基于2000-2014年数据，发现产业结构调整、区域发展策略、市场发育和人口增长是导致成渝城市群经济差异扩大的主要原因[11]。最后，成渝城市群的政府间协调。王佳宁等学者提出，成渝城市群的政府转型应以行政审批改革为抓手，加强政府间协作，发挥重庆两江新区、四川天府新区在改革方面的先行先试作用[12]。学者李月起认为，成渝城市群应以制度化促进府际合作常态化，并构建高效的城市群协调发展机制[13]。

（二）科技服务业集聚研究

现有文献广泛涉及科技服务业集聚的模式、成因和潜在影响。一是科技服务业集聚的模式。学者纳楚姆和基布尔基于网络理论提出，知识密集型服务业集聚区主要集中在能够提供全球网络机会的大都市[14]。学者梅强和赵晓伟以江苏为例，指出科技服务业集聚具有产业集聚、空间集约和高效连通的特点[15]。学者张清正和李国平研究发现中国大部分地区科技服务业集聚水平较低，且东、中部地区科技服务业的集聚水平高于东北、西北和西南地区[16]。刘媛等学者提出科技服务业集聚区的五大典型模式包括专业技术服务业集聚、以园区为载体的集聚、科技资源的集聚、块状经济类集聚和老城区集聚[17]。学者谢泗薪和侯蒙指出科技服务业集聚式发展要经历初期诞生、中期链式发展到成熟的网络化发展三个阶段[18]。学者巫孝君选取2012-2015年四川省数据，提出了协同视域下的“政策-区域-产业-资源”四位一体的科技服务业集聚发展模式[19]。廖晓东等学者基于1997-2013年省际数据，发现中国科技服务业集聚程度不断提升，且东部集聚水平远高于西部[20]。

二是科技服务业集聚的成因。学者加洛伊和穆拉特提出高端技术、先进知识和和企业间的联系对知识密集型商业服务业（KIBS）的集聚水平有明显促进作用[21]。科罗谢等学者以意大利伦巴第为例，指出科技服务业集聚方式和发展特点与集群类型有关[22]。学者钟小平基于2012年广东科技服务业重点园区的企业问卷数据，发现集聚租和政策租都是科技服务业集聚的原因[23]。学者张清正基于2012年城市数据进行实证分析，发现知识溢出、信息化、城市规模和政府政策有利于科技服务业集聚[24]。学者张清正和李国平利用1995-2013年中国省际数据，证实规模经济、科技实力、知识溢出及政府行为等对科技服务业集聚存在显著影响[16]。学者林宏杰利用2001-2016年福建省9个地市数据，实证分析发现隐性知识溢出、城市规模、政府行为和FDI是科技服务业集聚的主要影响因素[25]。

三是科技服务业集聚的潜在影响，包括三个方面。第一，科技服务业集聚与经济增长。学者俞彤晖利用2003-2016年省际数据发现科技服务业集聚与地区劳动生产率之间存在非线性关系[26]。学者谢臻和卜伟研究1985-2016年北京市时间序列数据得出，科技服务业集聚和经济增长之间存在较稳定的正向关系[27]。第二，科技服务业集聚与创新。李晓龙等学者对2005-2014年省际高技术产业数据的分析表明，科技服务业集聚显著提升了创新效率，且这种影响存在空间溢出效应[28]。学者朱文涛和顾乃华利用2009-2015年省际数据，也发现科技服务业集聚能显著提升本省的创新水平，但会抑制临近省份的创新水平[29]。第三，科技服务业集聚与工业（制造业）发展。张琴等学者从知识外溢效应、竞争效应及产业协同效应3个方面分析科技服务业集聚促进制造业升级的机理，并基于2003-2016年北京、上海、广东和江苏四省的数据予以证实[30]。学者司增绰和张亚男基于2005-2014年江苏省13个地级市数据，指出科技服务业集聚能促进制造业发展并优化制造业产业结构[31]。学者齐芮和祁明利用2003-2015年城市数据，研究表明科技服务业集聚对工业效率提升具有明显的促进作用，并对周围城市的工业效率产生空间溢出[32]。

（三）简要的评价

现有文献为本文的研究提供了基础，但仍存在以下不足。一方面，目前研究关中平原城市群或成渝城市群的文献并未涉及科技服务业集聚，遑论就该问题进行两大城市群的比较。另一方面，除学者齐芮和祁明，鲜有文献探讨科技服务业集聚与工业效率的因果关系。可见，比较分析两大城市群的科技服务业集聚及其对工业效率的影响，具有相当的理论和现实价值。

三、两大城市群科技服务业集聚的事实

本文选择以下三个指标，以全面刻画关中平原城市群、成渝城市群科技服务业集聚的特征：用区位基尼系数测量城市群中科技服务业的“整体”空间分布程度；用全域Moran's I指数测量城市群中科技服务业的“整体”空间相关性；用区位熵测量城市群中各城市“个体”的科技服务业相对于全国的专业化水平。②本部分采用城镇单位从业人员数衡量城市所有产业的总规模，采用“科学研究、技术服务和地质勘查业”城镇单位从业人员数衡量科技服务业规模，数据来自历年《中国城市统计年鉴》，样本期为2000-2017年。

（一）区位基尼系数

区位基尼系数用于测量科技服务业在两大城市群的空间分布程度，其计算公式为：

式（1）中，为区位基尼系数，其取值范围为0 ≤G ≤1，值越大表明科技服务业集聚程度越高。y和y分别表示第、个城市的科技服务业规模占城市群科技服务业总规模的份额（，=1，…，），为各城市科技服务业份额的均值。

分别计算两大城市群的区位基尼系数，结果如图1所示。关中平原城市群的区位基尼系数在2000至2002年间维持在0.77，从2003年下降至0.67并持续至2007年，2008年起则波动上升，此后多数年份都保持在0.7以上。成渝城市群的区位基尼系数一直维持在0.7之上，其中2000年至2008年处于波动下降状态，2009年以后则持续上升。总体上看，两大城市群科技服务业的区位基尼系数均呈现先降后升的U型趋势。两相对照，从2003年起关中平原城市群的区位基尼系数一直低于成渝城市群，表明前者的科技服务业的空间分布程度较后者更加分散。

图1：两大城市群科技服务业的区位基尼系数

（二）全域Moran's I指数

采用全域Moran's I指数测量两大城市群科技服务业的空间相关性，计算公式如下：

为保证测量结果的稳健性，本文同时引入3种常用的空间权重矩阵：0-1邻接矩阵中，如果两个城市彼此接壤则权重为1，否则为0；地理距离权重矩阵以各城市的经纬度坐标确定城市间距离，再以城市间距离的倒数作为权重；经济距离权重矩阵在考虑经纬度坐标的同时，以某一城市样本期GDP占城市群样本期GDP的比重作为权重。上述空间权重矩阵均作了行标准化处理。

在无空间相关性的零假设下，可构建标准正态统计量，用于检验全域Moran's I指数的统计显著性：

式（3）中表示检验统计量，如果其相伴概率小于0.1，可认为的值是统计显著的。

基于式（2）计算关中平原城市群、成渝城市群科技服务业的全域Moran's I指数，部分年份的计算结果见表1。对关中平原城市群而言，3种空间权重矩阵下的全域Moran's I指数显著为负，但其检验值的相伴概率均大于0.1，说明该指数在统计上并不显著。类似的结果也存在于成渝城市群的全域Moran's I指数计算中。由此可知，2000-2017年关中平原城市群、成渝城市群的科技服务业不存在空间相关性。

表1：两大城市群科技服务业的全域Moran's I指数

注：括号内为Z统计值的相伴概率。

（三）区位熵

区位熵用于测量关中平原城市群、成渝城市群中各城市科技服务业的集聚程度，其计算公式为：

式（4）中，为区位熵，取值范围为≥0，y表示全国范围内第个城市中第个产业的规模（=1，…，；1，…，）。区位熵大于1时，意味着科技服务业在某一城市有较高的集聚程度，且值越大表明集聚程度越高。

图2：两大城市群科技服务业的区位熵

基于式（4）计算两大城市群中各城市科技服务业的区位熵，其中2000、2017年结果见图2。与成渝城市群相比，关中平原城市群在期初的科技服务业集聚水平较低。2000年，关中平原城市群中区位熵大于1的城市只有西安，其区位熵为3.24。相应的，成渝城市群在2000年有重庆、成都和绵阳3个城市的区位熵在1以上，数量多于关中平原城市群。

但随着时间推移，两大城市群之间的差距有明显的缩小。2017年，关中平原城市群的西安、天水两个城市区位熵大于1，科技服务业处于高集聚状态，与2000年相比，其余大部分城市的科技服务业集聚水平也有所上升。反观成渝城市群，2017年时仅成都、绵阳的科技服务业处于高集聚状态，与2000年相比，环绕成都的眉山、德阳和资阳科技服务业集聚程度明显上升，而重庆及其周边的内江、泸州科技服务业集聚程度则有所下降。

四、研究设计

（一）模型设定

为实证检验科技服务业集聚对工业效率的影响，本文构造以下回归模型：

式（5）中，表示工业效率，表示科技服务业集聚，表示一系列控制变量，和分别为城市固定效应、年份固定效应，为随机误差项，、分别表示城市和年份，0～2为待估的参数向量。

（二）变量选择

1.被解释变量

对于被解释变量工业效率，本文选择工业劳动生产率、工业全要素生产率两种指标加以测量。

工业劳动生产率是工业产出与劳动投入之比。工业产出的指标包括增加值、总产值和销售产值等。本文用规模以上工业的总产值表示工业产出，并根据工业品出厂价格指数调整为2000年不变价。劳动投入指标用规模以上工业的从业人数衡量。

工业全要素生产率计算中涉及的工业产出、劳动投入指标与工业劳动生产率相同。此外，工业全要素生产率计算还涉及资本存量的投入，对此本文用规模以上工业的资产总计来衡量，并根据工业品出厂价格指数调整为2000年不变价。基于规模以上工业的产出、劳动投入和资本存量数据，用数据包络分析（DEA）计算可变规模报酬下的纯技术效率，作为工业全要素生产率的度量。

2.核心解释变量

此处用区位熵来衡量科技服务业集聚，其计算见本文第三部分。

3.控制变量

为缓解遗漏变量导致的内生性问题，本文引入以下控制变量。（1）工业劳均资本存量：工业劳均资本存量是影响工业效率的核心变量，用规模以上工业的资本存量与从业人数之比来衡量。（2）人均GDP：衡量城市的经济发展水平，根据人均GDP平减指数调整为2000年不变价。（3）政府干预：用地方财政一般预算内支出占GDP的比重来表示。（4）FDI：用实际使用外商直接投资金额占GDP比重表示，并按年平均汇率将美元计价调整为人民币计价。（5）产业结构：用二、三产业增加值占GDP的比重表示。

表2：主要变量的描述性统计

（三）数据来源和描述性统计

回归分析所用样本个体为关中平原城市群、成渝城市群的27个城市，样本期为2000-2017年。除《中国城市统计年鉴》外，变量的数据来源还包括历年《中国统计年鉴》《中国区域经济统计年鉴》《国际统计年鉴》，以及陕西、甘肃、山西、四川、重庆等省（直辖市）和部分地级城市的统计年鉴。表2报告了主要变量的描述性统计结果。

此外，为直观反映核心解释变量与被解释变量的关系，图3描绘出两大城市群科技服务业集聚程度与工业效率的散点图。图中科技服务业集聚与工业效率间大都存在正向的线性关系，这一关系在组内是否仍然成立，有待后文的回归分析。

图3：科技服务业集聚与工业效率的散点图

五、回归结果及分析

（一）基准回归

回归分析前，对工业劳动生产率、工业劳均资本存量和人均GDP变量作对数化处理，以缓解可能存在的异方差问题。Hausman检验结果表明，本文的面板数据适用固定效应估计。基准回归以工业全要素生产率为被解释变量，分别对关中平原城市群、成渝城市群数据进行回归，结果见表3。

表3的第（1）-（3）列报告了关中平原城市群的基准回归结果。第（1）列仅控制城市固定效应，第（2）列进一步控制了年份固定效应，两列中核心解释变量的估计系数分别为0.122和0.247，且均在5%水平上显著。考虑到经DEA方法计算的工业全要素生产率取值在0到1之间，属于具有明显截断特征的受限因变量，采用OLS估计的结果可能存在偏误。因此进一步采用面板Tobit模型进行极大似然估计，结果见第（3）列，核心解释变量的系数仍显著为正。上述结果表明，关中平原城市群的科技服务业集聚提升了工业全要素生产率。

成渝城市群的基准回归结果与关中平原城市群迥异，见表3第（4）-（6）列。第（4）列仅控制城市固定效应，第（5）列进一步控制了年份固定效应，两列中核心解释变量的估计系数为正但均不显著。在第（6）列选择面板Tobit作极大似然估计，核心解释变量的系数估计值仍不显著。可见，成渝城市群的科技服务业集聚未能提升工业全要素生产率。

综上所述，科技服务业集聚对工业效率的影响在两大城市群中存在差异。关中平原城市群中，科技服务业集聚显著促进了工业全要素生产率的提升，但这一因果关系在成渝城市群中并不显著。限于数据，本文无法进一步解释这种差异的成因，有待后续研究的考察。

表3：基准回归：工业全要素生产率

注： ***、**、*分别表示1%、5%、10%的显著性水平，括号内数值为根据稳健标准误计算的t统计值。

（二）稳健性检验

1.工业劳动生产率

基准回归的结论是否稳健，需要进一步的检验。本文的第一个稳健性检验，是将基准回归中的被解释变量全要素生产率替换为工业劳动生产率。采用固定效应估计分别对关中平原城市群、成渝城市群数据进行回归，结果见表4。

关中平原城市群的回归结果见表4的第（1）-（2）列。第（1）列仅控制城市固定效应，第（2）列进一步控制了年份固定效应，两列中核心解释变量的估计系数分别为0.352和0.288，且分别在5%和10%水平上显著，表明关中平原城市群的科技服务业集聚提升了工业劳动生产率。结合基准回归结果，可认为科技服务业集聚显著促进了关中平原城市群的工业效率。

表4的第（3）-（4）列报告了成渝城市群的回归结果。无论是仅控制城市固定效应，还是同时控制城市和年份固定效应，科技服务业集聚的估计系数均不显著，可见成渝城市群的科技服务业集聚无助于提升工业劳动生产率。这也印证了基准回归的判断，说明科技服务业集聚对成渝城市群的工业效率缺乏促进作用。

2.剔除首位城市

西安、重庆分别作为关中平原城市群、成渝城市群的首位城市，人口规模远超其他城市，这种“异常值”可能影响参数估计的结果。因此本文在剔除这两个首位城市后，仍以工业全要素生产率作为被解释变量，重新进行固定效应估计，结果见表5。

表5的第（1）-（2）列为关中平原城市群在剔除西安后的回归结果。第（1）列仅控制城市固定效应，第（2）列进一步控制了年份固定效应，两列中核心解释变量的估计系数分别为0.118和0.281，且均通过5%水平的显著性检验。可见关中平原城市群的科技服务业集聚提升了工业全要素生产率。成渝城市群在剔除重庆后的回归结果见表5中第（3）-（4）列。仅控制城市固定效应的第（3）列，以及同时控制城市、年份固定效应的第（4）列都显示，科技服务业集聚的估计系数均不显著，成渝城市群的科技服务业集聚不能提升工业全要素生产率。上述结果与基准回归结果类似。

无论是替换被解释变量，还是剔除首位城市，稳健性检验都支持了基准回归的结果，即科技服务业集聚对工业效率的积极影响仅存在于关中平原城市群，在成渝城市群中并不显著。

表4：稳健性检验：工业劳动生产率

注： ***、**、*分别表示1%、5%、10%的显著性水平，括号内数值为根据稳健标准误计算的t统计值。

表5：稳健性检验：剔除首位城市

注： ***、**、*分别表示1%、5%、10%的显著性水平，括号内数值为根据稳健标准误计算的t统计值。

六、结论和启示

本文首先基于2000-2017年关中平原城市群、成渝城市群的城市面板数据，采用区位基尼系数、全域Moran's I指数和区位熵测量科技服务业集聚的特征。分析表明：自2003年起关中平原城市群科技服务业的空间分布较成渝城市群更加分散；两大城市群的科技服务业不存在空间相关性；关中平原城市群在期初的科技服务业集聚水平较低，但随着时间推移，两大城市群之间的差距明显缩小。

在此基础上，进一步构建回归模型，识别科技服务业集聚对工业效率的影响。结果发现：控制了工业劳均资本存量、人均GDP、政府干预、FDI和产业结构等因素后，科技服务业集聚对工业效率的积极影响仅存在于关中平原城市群，在成渝城市群中并不显著；这一结果在替换被解释变量、剔除首位城市的回归中仍然稳健。

本文发现科技服务业集聚对工业效率的影响在两大城市群间存在差异，结论有明确的政策含义。第一，关中平原城市群应继续加大对科教资源的投资并做好高端人才引进，促进科技服务业集聚，将知识和技术转化为现实生产力，为工业效率提升带来不竭的动力。第二，成渝城市群应完善官、产、学、研链条，强化科技服务业与工业之间的联系，使科技服务业集聚更好地服务于工业的高质量发展。第三，两大城市群应进一步消除影响科技人才、科技资源流动的体制性障碍，为科技服务业集聚创造良好的制度环境，以增强对东、中部城市群的竞争力。

① 见《关中平原城市群发展规划》（发改规划〔2018〕220号）。

② 限于数据可得性，本文定义的关中平原城市群包括西安、铜川、宝鸡、咸阳（含杨凌区）、渭南、商洛、运城、临汾、天水、平凉和庆阳11个地级市；成渝城市群则包括直辖市重庆，以及地级市成都、自贡、泸州、德阳、绵阳、遂宁、内江、乐山、南充、眉山、宜宾、广安、达州、雅安和资阳，共16个城市。

[1] 全雨霏,吴潇.关中平原城市群城镇体系演化特征及优化策略[J].宏观经济管理,2018(1):72-76.

[2] 潘润秋,马世雄.关中平原城市群城市流强度时空演变特征[J].中国房地产,2018(9):45-52.

[3] 周翼,陈英,谢保鹏,等.关中平原城市群城市联系与影响范围分析[J].地域研究与开发,2019,38(3):54-59.

[4] 魏献花,白永平,车磊,等.基于栅格的关中平原城市群人居环境质量综合评价[J].干旱区地理,2019,42(4):1-12.

[5] 曹小曙,郑慧玲,李涛,等.高铁对关中平原城市群可达性影响的多尺度分析[J].经济地理,2018,38(12):60-67.

[6] 王春杨,吴国誉,张超.基于DMSP/OLS夜间灯光数据的成渝城市群空间结构研究[J].城市发展研究,2015, 22(11):20-24.

[7] 赵映慧,李佳谣,郭晶鹏.基于百度指数的成渝城市群网络联系格局研究[J].地域研究与开发,2017,36(4):55-59,129.

[8] 肖磊,潘永刚.成渝城市群空间演化研究——基于2000-2015年截面分析[J].城市发展研究,2019,26(2):7-15.

[9] 杨占锋,段小梅.成渝城市群经济增长的结构分析——基于扩展MRW模型的实证研究[J].西部论坛,2018, 28(5):81-90.

[10] 李峥荣,徐邓耀,雷舒砚,等.成渝城市群县域经济差异及其成因分析[J].世界地理研究,2018,27(3):76-85.

[11] 黄勤,刘素青.成渝城市群经济网络结构及其优化研究[J].华东经济管理,2017,31(8):70-76.

[12] 王佳宁,罗重谱,何培育.成渝城市群政府转型效能评估[J].改革,2016(4):6-26.

[13] 李月起.新时代成渝城市群协调发展策略研究[J].西部论坛,2018,28(3):94-99.

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

[15] 梅强,赵晓伟.江苏省科技服务业集聚发展问题研究[J].科技进步与对策,2009,26(22):74-76.

[16] 张清正,李国平.中国科技服务业集聚发展及影响因素研究[J].中国软科学,2015(7):75-93.

[17] 刘媛,黄斌,姚缘.我国典型科技服务业集聚区发展模式对江苏的启示[J].科技管理研究,2016,36(2):189-193.

[18] 谢泗薪,侯蒙.经济新常态下科技服务业的产业集聚结构模式与立体攻略[J].科技管理研究,2017,37(2):171-175.

[19] 巫孝君.协同视域下科技服务业集聚发展研究——基于2012-2016年四川科技服务业数据调查[J].科技管理研究,2018,38(11):55-62.

[20] 廖晓东,邱丹逸,林映华.基于区位熵的中国科技服务业空间集聚测度理论与对策研究[J].科技管理研究,2018,38(2):171-178.

[21] GALLOUJ C,MOULAERT F.The Locational Geography of Advanced Producer Service Firms[J].The Geography of Services,1993,31(7):267-273.

[22] CORROCHER N,CUSMANO L,MORRISON A.Modes of Innovation in Knowledge-Intensive Business Services Evidence from Lombardy[J].Journal of Evolutionary Economics,2009,19(2):173-196.

[23] 钟小平.科技服务业产业集聚:市场效应与政策效应的实证研究[J].科技管理研究,2014,34(5):88-94,99.

[24] 张清正.“新”新经济地理学视角下科技服务业发展研究——基于中国222个城市的经验证据[J].科学学研究,2015,33(10):1464-1470.

[25] 林宏杰.市场效应、政府行为与科技服务业集聚发展的空间视角分析——以福建省为例[J].重庆大学学报(社会科学版),2018,24(5):1-17.

[26] 俞彤晖.科技服务业集聚、地区劳动生产率与城乡收入差距[J].华东经济管理,2018,32(10):114-120.

[27] 谢臻,卜伟.科技服务业集聚、地区创新能力与经济增长——以北京市为例[J].北京社会科学,2018(6):108-118.

[28] 李晓龙,冉光和,郑威.科技服务业空间集聚与企业创新效率提升——来自中国高技术产业的经验证据[J].研究与发展管理,2017,29(4):1-10.

[29] 朱文涛,顾乃华.科技服务业集聚是否促进了地区创新——本地效应与省际影响[J].中国科技论坛,2017(11):83-92,98.

[30] 张琴,赵丙奇,郑旭.科技服务业集聚与制造业升级:机理与实证检验[J].管理世界,2015(11):178-179.

[31] 司增绰,张亚男.科技服务业集聚对制造业发展的影响——基于江苏省13个地级市的面板数据分析[J].商业经济研究,2017(7):190-193.

[32] 齐芮,祁明.科技服务业集聚对工业效率提升的溢出效应研究——基于2003-2015年中国215个地级以上城市的经验证据[J].宏观质量研究,2018,6(1):86-94.

Agglomeration of S&T Service Industry and Its Impact on Industrial Efficiency: Comparison of Urban Cluster of Guanzhong Plain with Urban Cluster of Chengdu-Chongqing

WANG MENG, ZHU LIDUO, ZHANG YUJING

Based on the data of Guanzhong plain urban cluster and Chengdu-Chongqing urban cluster from 2000 to 2017, this paper measures the agglomeration of s&t service industry, and investigates the influence of agglomeration of s&t service industry on industrial efficiency. Firstly, location gini coefficient, global Moran's I index and location entropy are adopted to measure the agglomeration characteristics of s&t service industry. The results show that the spatial distribution of s&t service industry in Guanzhong plain urban cluster is more dispersed than that in Chengdu-Chongqing urban cluster since 2003; there is no spatial correlation between the s&t services in the two urban clusters; and the gap was narrowing even though at the beginning of the agglomeration level of s&t service industry in Guanzhong plain urban cluster is lower than that in Chengdu-Chongqing urban cluster. Furthermore, regression analysis is used to identify the causal relationship between agglomeration of s&t service industry and industrial efficiency. The study found that the impact of s&t service industry agglomeration on the improvement of industrial efficiency only exists in Guanzhong plain urban cluster, but is not significant in Chengdu-Chongqing urban cluster, and this result is still robust after replacing the measurement index and changing the sample. From the perspective of s&t service industry agglomeration, this study brings enlightenment to the improvement of industrial efficiency of the two urban clusters.

urban cluster; s&t service industry; agglomeration; industrial efficiency

国家社会科学基金重大项目“大国经济视域下以高端服务业引领现代化经济体系建设研究”（18VSJ017）；陕西省社会科学基金项目“关中平原城市群的产业分工及其对经济绩效的影响研究”（2018D10）；陕西省软科学研究计划一般项目“关中平原城市群的科技服务业集聚研究”（2020KRM100）；国家级大学生创新创业训练计划“关中平原城市群科技服务业集聚及其影响：兼与成渝城市群比较”（201910718072）。

F124.3

A

1008-472X(2021)01-0020-11

2020-12-02

王 猛（1985-），男，陕西咸阳人，陕西师范大学国际商学院，副研究员，经济学博士，研究方向：区域和城市经济、产业经济；

朱丽多（1998-），女，陕西汉中人，陕西师范大学国际商学院，研究方向：城市经济。

本文推荐专家：

陈启斐，南京财经大学国际经贸学院，副教授，研究方向：服务业、服务贸易。

王琴梅，陕西师范大学国际商学院，教授，研究方向：区域和城市经济、产业经济。