我国知识密集型服务业创新格局的时空演化研究——基于探索性空间数据分析方法

方远平， 谢 蔓， 郑心怡

(1.华南师范大学地理科学学院， 广州 510631； 2.华南师范大学旅游管理学院， 广州 510006；3.广州新华学院， 广东 东莞 523133)

当前我国已进入以5G、大数据、云计算、人工智能、物联网为核心的新信息技术高速发展阶段，知识密集型服务业(knowledge-intensive business service，KIBS)在区域产业经济发展中承担了日趋重要的角色.新信息技术的进步与广泛应用，也有效推动了KIBS发展.KIBS已成为国家创新体系和现代产业体系的重要组成部分，并引发了学术界广泛关注，在过去20年间KIBS相关文献数量增长.但目前关于KIBS的创新视角研究，尚缺乏创新能力评价、创新竞争力及创新保护机制等方面的研究[1].同时，KIBS创新能力的强弱对服务创新及区域创新发展潜力发挥着重要影响，因此从创新视角深入研究我国KIBS的空间分异特征，对区域发展创新有重大意义.

Miles最早开始提出KIBS的概念并进行研究，他认为KIBS是显著依赖于专门领域的专业性知识，向社会和用户提供以知识为基础的中间产品或服务的公司和组织[2].随后Muller和Zenker将KIBS定义为为其他企业提供高知识附加值服务的行业[3].KIBS创新是指知识密集型服务企业在给客户服务的过程中，按照客户的需求应用产生新的思想和服务理念、与客户沟通的新界面、新的技术手段，并借助高度专业化的知识，来改革或完善现有的服务流程和服务产品.例如在现有服务的基础上进行更新，或者重新设计出全新的服务方案，KIBS创新包括产品创新、组织创新、技术创新、流程创新和特定创新等因素的创新，这是从广义上来定义的.从狭义层面出发，KIBS创新指仅发生在知识密集型服务业中的创新行为活动.国外有学者从区域发展角度强调，如何更全面、系统地梳理KIBS在创造和扩散知识，以及研判作为创新系统在培育地区竞争力方面所扮演的角色和发挥的功能，是未来研究的一个重要转向趋势[4].

KIBS创新能力提高的影响因素既有科技因素、也有非科技因素[5].不仅依赖企业自身的研发投入、人力资源投入等因素，也受到所在区域间知识溢出的影响.国外已有研究发现在英国的东北部城市，相比自主投入研发，区域间知识溢出对KIBS创新促进作用更明显[6].KIBS创新具有扩散溢出效应，在集群内具有很强的外部经济性[7].施卫东等研究证明，由于创新本身对经济、社会产生的影响和对生产力的提高是极其有限的，只有通过创新外溢效应，才能最大限度地发挥创新的最大效益[8].因此就发展效益而言，创新扩散比创新本身显得更为重要.

KIBS的知识扩散阶段、途径及创新系统，国内外已有学者做了充分研究.如Strambach解释了KIBS与客户间的知识生产和传播过程，将其分为知识的获取阶段、重新组合阶段、知识转移阶段3个阶段[9].并且知识创造存在阶段性转化过程，发现不同产业间存在间接和直接的知识流动[10-11].徐建敏等就KIBS创新的扩散过程进行研究，并提出应鼓励构建创新及其专有知识溢出的补偿机制[12].施卫东等对我国KIBS的技术创新扩散效应进行实证研究，在引入的R&D流动矩阵基础上构建了技术创新扩散矩阵[13].有学者将KIBS的创新系统构建为资源基础层、内在动力层、作用机制层、外在结果层四个维度[14].

在知识密集型服务企业与客户间的持续互动过程中，会产生大量的非编码知识，即KIBS与客户间的高度交互作用引发了知识的产生和流动[15].创新具有扩散效应，由于空间邻近性，KIBS可以通过与客户企业(其他创新主体)面对面频繁互动来获得知识，对知识的创造、存储、外溢、应用和扩散有着独特的优势.虽然信息通信技术日益更新，使得各种成本不断地降低，但是地理距离的作用仍然没有消失，非编码知识尚需要人们进行面对面的交流.知识生产和使用的空间边界对企业创新水平有重要的影响.由于区位、规模经济和社会网络、知识扩散等原因，创新活动一般存在空间集聚效应[16-17].已有我国学者研究发现，知识密集型服务业的空间集聚对经济增长和产业发展具有显著的促进作用，可形成规模经济[18].国外有学者研究发现企业嵌入一个垂直和水平的密集网络，在互动学习和系统性创新的过程有着强大的当地网络，如空间、制度和文化距离等都倾向于更紧密的联系，以及不同类型稳固的知识合作[19].在中国省域层面，KIBS集聚也表现出很强的空间关联性，并且从城市空间的集聚视角看，KIBS集聚对区域创新有显著的促进作用[21-22].

有学者以我国省域和区域城市群为空间尺度，对KIBS的空间关联特征、空间集聚现象、时空演化规律及其影响因素进行了研究探讨[23-25].KIBS创新对于宏观区域及微观企业的影响作用及机制，也都已有了充分的研究成果，但目前针对KIBS产业内部的行业创新水平，并构建系统的评价体系指标的研究较少，且从全国尺度探讨空间集聚模式、区域差异等空间特征及影响因素的研究有待深化；本研究拟构建KIBS创新的评估体系，并运用空间计量方法刻画我国知识密集型服务业创新集聚的空间格局演变，并深入揭示其背后的机制，具有积极的理论与实践意义.

1 研究假设、研究方法和数据来源

1.1 研究假设

在空间差异和空间局限、空间集聚基础上，KIBS倾向于形成空间趋同俱乐部.而在不同的俱乐部之间，存在极化效应和涓滴效应.总体而言，当极化效应大于涓滴效应时，溢出效应为负，KIBS创新易于形成俱乐部之间趋异；而通过邻近地区的扩散效应，且扩散效应占主导地位时，溢出效应为正，这时会逐渐出现俱乐部之间趋同.但由于空间距离的存在，溢出会随着地理距离的增加不断递减，因此俱乐部之间不会完全收敛，趋同俱乐部仍然存在.对此，提出以下假说：KIBS创新溢出在空间上遵循着距离衰减规律，并形成不同的俱乐部.目前经济发展阶段的性质使得总体上极化效应大于涓滴效应，因此，会出现俱乐部之间趋异.

1.2 研究方法

研究中采用了探索性空间数据分析法和核密度估计法.探索性空间数据分析法(exploratory spatial data analysis，ESDA)包括全局和局部自相关分析.全局自相关分析是某一研究对象在区域空间上的依赖性和异质性，公式为：

(1)

而局部自相关分析能细化分析空间局部的特征和变化，最常用的是Moran 散点图.散点图分为四个象限，第一象限是高高集聚(HH)，表明区域自身和周边地区的KIBS创新水平均较高.第二象限是低高集聚(LH)，表明KIBS创新水平较低的地区被周边KIBS创新水平较高的地区包围.第三象限是低低集聚(LL)，区域自身和周边地区的KIBS创新水平较低.第四象限是高低集聚(HL)，KIBS创新水平较高的地区被周边KIBS创新水平较低的地区所包围.第一、三象限为典型区域，而第二、四象限为非典型区域(空间离群).

Local Moran’sI的数值正负意义与全局Moran’sI相同.在Local Moran’sI中，如果一个地区的Local Moran’sI数值较大，并且该地区是属于HH，那么该地区对周边地区的正向带动作用较强，辐射作用较大；如果一个地区的Local Moran’sI数值比较小，且该地区属于LL，这说明该地区对周边地区的负向带动作用较强.

(2)

核密度估计则是一种非参数估计方法，它不假定数据的分布及特征，而是用核函数来研究和分析研究对象的分布运动.核密度函数估计方法基本原理如下:

假定变量X的密度函数f(x)未知，而X1，X2，…，Xn服从同分布，那么，就可以通过这些样本来估计密度函数f(x),即每一点X上的密度为:

(3)

式中，K(*)称为核函数，是一个非负的函数，h为平滑系数或窗宽，N为观测值的个数.本文采用高斯核函数进行估计，最优带宽的确定是Silverman的通用性方法[26].

1.3 数据来源

根据我国国民经济中的行业分类以及研究的需要，将知识密集型服务业划分为信息通讯、计算机服务与软件业、金融业、租赁和商务服务业以及科学研究，技术服务和地质勘探业四类，将KIBS创新界定为发生在KIBS产业中的创新活动.

研究范围为我国香港、澳门和台湾以外的31个省、自治区、直辖市，对三大地区的划分依据《中国城市统计年鉴》的划分方法.数据来源于《高等学校科技统计资料汇编》《中国统计年鉴》《中国基本单位统计年鉴》《中国城市统计年鉴》《中国第三产业统计年鉴》《中国区域经济统计年鉴》《中国科技统计年鉴》以及各个省级行政区的统计年鉴、社会统计公报等，研究年份选取2008年—2019年.

2 KIBS创新的综合评价

在兼顾数据可获得性的前提下，构建一套KIBS创新的评价指标体系是一个关键性问题.目前已有部分学者对KIBS创新的衡量指标体系构建做了探索：辛枫冬从组织管理能力、服务实施能力、服务研发能力等方面出发来构建指标体系[27]；孙友霞等在宏观层面上从知识创造能力、技术创新能力、创新支撑能力等方面来建立指标体系，中观层面上则考虑创新基础能力和服务创新绩效等方面[28]；赵炎和周文从KIBS集群内网络机制、进驻集群的供需影响因素、集群内企业所受到的作用等进行评价[29].

本文基于综合性、典型性、可操作性等原则，从创新的经济基础实力、创新环境、支撑能力、投入和绩效多方面建立KIBS创新的一、二级指标.

经济基础实力则为KIBS创新的发展提供保障，经济基础良好的地区能为KIBS创新提供优质的人力、物力和财力、信息技术等要素，并能使经济活动趋于集中.本文选取人均GDP、第三产业占GDP比重来衡量经济和第三产业的发展状况.由于经济发展好，人均消费支出也相应会提高，所以用城镇居民人均消费支出来反映经济的基础实力.

创新环境主要反映KIBS创新的环境氛围，共设4个评价指标.高等院校数、研发机构数和KIBS法人单位数反映地区KIBS产业进行创新活动的平台环境和潜在能力.而创新与城市化存在某种内在关联，只有城市化发展到一定的水平和层次，相对应的创新才会发生.

创新支撑能力可以由多重指标反映.信息基础设施为创新活动提供便利、快捷、优质的信息传播服务，降低了创新的成本.因此，选取固定电话、移动电话、互联网的普及率和人均邮电业务总量来反映信息基础设施对KIBS创新的支撑能力.每人公共图书馆藏书量能反映对知识创新的支撑能力.地区的高等教育水平对知识密集型服务业非常重要，由于这种专业化模式需要高度熟练的人力资本来完成[30]，教育能够培养和激发人的创新性，教育经费占地区生产总值的比重反映了教育对创新的基础性支撑作用.高等学校是创新人才的主要培养基地，每百万人在校大学生数这个指标用以反映地区劳动力综合素质.

在创新投入方面，KIBS全社会固定资产投资及其占第三产业的比重、KIBS产业的R&D支出经费占地区GDP的比重、地方财政科技拨款及其占研究机构科技活动经费比重体现了政府、企业对KIBS创新的投入和支持程度，是实现服务创新的重要保障.选用KIBS从业人员数占总从业人员的比重衡量该产业的人员投入规模.科研人员是从事服务创新的主体，其智力投入密切关系到KIBS创新的成果产出，直接影响着KIBS创新的效果.所以，选取每万人中R&D人员来作为人员投入的指标.

表1 KIBS创新的综合指标体系Tab.1 Evaluation index system of KIBS Innovation

在KIBS创新绩效方面，新产品产值、技术市场合同成交额、专利申请数等是重要的创新产出指标，反映了创新活动的产出水平和效率.同时KIBS从业人员的平均工资在一定程度上也体现KIBS行业的经营业绩及其创新水平.若创新水平高，产出增加，平均工资也会相应地提高.由于在统计数据中没有统计到各个地区KIBS行业的专利申请数指标，因此用全部专利申请数来代替.技术市场成交额和新产品产值反映技术转移和科技成果转化的总体规模.

3 我国KIBS创新的动态演化分析

3.1 KIBS创新的地理格局

为了能更准确形象地描述我国KIBS创新的空间分布特征，依据Jenks最佳自然断裂法，将2008年、2013年、2019年的指数值生成分位图.研究发现，KIBS创新存在4个趋同俱乐部，分别是高、中、中低、低的KIBS创新水平趋同俱乐部.

2008年，高KIBS创新水平趋同俱乐部包括北京、天津、上海、江苏、浙江、广东和新疆，得分区间为0.139 2～2.039 2；中KIBS创新水平趋同俱乐部有山东、辽宁、内蒙古、陕西、青海、云南、海南；中低KIBS创新水平趋同俱乐部较大，包括黑龙江、山西、河北、四川、重庆、湖南和湖北；其余地区则是属于低KIBS创新水平趋同俱乐部，KIBS创新得分在-0.583 5至-0.367 1之间.指数小于0的地区意味着其KIBS创新水平低于全国平均水平，其中，中低KIBS创新水平趋同俱乐部囊括了大部分的中部地区.2013年，四川省的KIBS创新水平在西部地区遥遥领先，KIBS创新水平明显高于周边其他中西部省市.四川处于我国内陆腹地，但其借助西部大开发之风，凭借着其重要的战略地位及享有相关的政策优势，经济发展迅猛，综合竞争实力不断得到增强，成为西部地区的领头羊，相应地也为KIBS产业及其创新发展提供了有利的条件.在研究的年份中，浙江、江苏和上海呈现群落式发展，河北是“黄金海岸带”的“低谷区”，KIBS创新水平低于其他东部沿海省市.

由于缺乏相关地区的作用、缺乏行业技术互补性、城市规模和密度等，外围或偏僻地区的创新动力往往受到阻碍[31].因为在集聚经济体里面可以通过促进企业之间的相互作用和支持组织来加强学习[32]，但这些地区缺乏集聚经济体.故外围或偏僻地区往往被认为在研究方面、开发和创新活动缺乏创新性.另外，服务业创新有着较强的外溢效应[33]，在区域与国家层面上，全域溢出有助于收敛的实现，而外溢效应的地理局限性可能会导致形成不同产出水平的经济集群.并且知识溢出存在地域局限性特征[34]，地理距离与获得溢出的程度呈明显的反向关系，接近创新水平高的地区知识溢出获取度高，反之则反，这是导致西部地区KIBS创新水平低下的原因之一.

注：基于自然资源部标准地图服务系统审图号为GS(2016) 2892的标准底图制作，底图无修改.图1 KIBS创新空间分布格局(2008年、2013年、2019年)Fig.1 Spatial distribution of KIBS innovation (2008， 2013， 2019)

3.2 自相关分析

3.2.1 全局自相关分析 本文以500 km为间隔的距离倒数为空间权重矩阵来计算2008年—2019年的Moran’sI，结果发现，在相同的年份里，随着地理距离的增大，Moran’sI总体上越来越小.如在2008年，Moran’sI在以0～500 km为带宽时为0.137 4，带宽为0～1 000 km时指数为0.054 8，带宽增加到1 500 km时，指数则下降到0.028 2，在以0～2 000 km为带宽时，Moran’sI为0.012 4.带宽增加到2 500 km时，Moran’sI则下降到0.014 6，其他年份也有同样的特点.可见，在较小的带宽范围内，各地区间的KIBS创新存在着较强的空间正相关性，但随着带宽的增加，正相关性逐渐变小.通过对基于不同距离的Moran’sI进行比较，发现基于0～500 km带宽的Moran’sI表现出最强的正相关线，而随着距离的增加，KIBS创新的空间相关性越来越弱，且通过的显著性检验水平越来越低，即空间相关性呈现出距离衰减规律，这支持了先前部分学者的研究结论，两个或多个更加靠近的变量之间具有更强的相关性[35-36].这种地域性便构成空间集聚的重要机制，并加强了集聚效应.有研究发现中国城市100 km范围内邻近城市间的产业集聚有相互依赖作用，这种产业集聚的相互促进是集聚经济在空间上呈现成片格局的重要机制[37].

在时间维度上，以最佳带宽500 km来观测，发现KIBS创新的空间分布并非表现出完全的随机状态，而是呈现出相似数值之间的空间集聚现象，即正的空间相关性，表现出较高KIBS创新水平的地区趋于相互靠近，而较低KIBS创新水平的地区也相互靠近的空间关系结构.2003年—2011年Moran’sI虽然都大于0，但出现不同的波动现象，波动走势图呈为“W”型.

Moran’sI在2008年—2011年期间不断下降，从0.137 4下降到0.008 4，随后又反弹上升，2012年指数值为0.258 5，而在2013年，Moran’sI又开始下降，Moran’sI为0.072 4，表现出弱的空间相关性.2017年的空间相关性又迅速加强，2019年Moran’sI提高到0.23，揭示区域间的KIBS创新存在明显的正向空间相关关系，表示相邻地区的KIBS创新活动出现集群现象.

3.2.2 局域自相关分析 在2008年，长三角、云贵地区和陕西是在HH集聚区.安徽、新疆、西藏是属于LH集聚区，这些地区本身的KIBS创新水平不高，但被高的KIBS创新水平的地区所包围.属于LL集聚区的地区主要是广东、广西、福建、山东、天津沿海一带，以及江西、湖北、河南、河北、山西、内蒙古、甘肃及东北地区.属于HL集聚区的地区有北京、贵州和湖南，其自身KIBS创新水平较高，而周边地区的KIBS创新水平较低.青海、辽宁、宁夏、甘肃则跨越了不同象限.

在2013年，67%的地区是处于正相关性的典型区域，其中，HH集聚区尚未得到很大的巩固和加强，属于该类型的地区减少到6个，包括环渤海心脏地带北京和天津、新疆、西藏等.安徽、四川、上海、河北属于LH区域，这些地区KIBS创新水平相对周边地区下降了.属于低低集聚类型的地区较高高集聚类型的地区多.

表2 中国2008年—2019年KIBS创新的Moran’s I指数Tab.2 Moran’s I index of KIBS innovation in China (2008-2019)

图2 KIBS创新的Moran’s I散点图对应的省份(2008年、2013年、2019年)Fig.2 Moran’s I plot of KIBS innovation(2008， 2013， 2019)

在2019年，有80%的地区是属于典型区域，北京、天津、上海、江苏、新疆、西藏和青海处于HH区，这些地区形成了“强强集聚”.大部分的中部地区是属于LL区，安徽则跨越了低高和低低象限.处于LL的地区依然没有取得实质性的改变和突破，自身和周边地区的KIBS创新水平依然较低，趋于形成“弱弱集聚”的低水平集聚带.根本原因在于恶性累积循环机制和空间关联性的作用，在地方化力量的影响下，一旦某种集聚模式形成，便会发生路径依赖和锁定效应，导致“强强”或“弱弱”集聚的两极化现象.

由于全局分析的是总体的集聚程度，而不能揭示出某一省份与周边地区之间的空间联系，因而不能准确判断该省份对周边地区产生辐射效应或极化效应及其强度大小.因此，本文利用局部 Moran’sI指数来衡量具体地区与其周边地区相关性程度.

在2008年，局域 Moran’sI为正值的地区只有9个，如北京、天津、辽宁、上海、江苏、浙江、福建、广东和新疆.其中，上海的局域 Moran’sI显著为正且数值较大，说明其对周边地区的辐射和带动作用较大.局域 Moran’sI为负值的地区有22个，如山西、黑龙江、内蒙古、安徽、宁夏、陕西、河南、西藏、云南、贵州等.其中，安徽的局域 Moran’sI显著为负.安徽在地理上接近上海、江苏、浙江和山东这些KIBS创新较为发达的东部沿海地区，这些发达地区为了给自己的进一步发展创造条件，会不断积累有利因素，吸引和拉动周围地区的要素和经济活动向高梯度地区集中，这样就使得安徽呈现出负的空间相关性.西藏、甘肃、广西、河南、贵州等则表现出显著的、较大的局域负相关性，说明其对周围地区的负向带动作用很大.这些地区的知识密集型服务业总量小，发展层次较低，创新成分不够，工业化和城市化水平落后，知识密集型服务业的创新缺乏需求基础.同时，也缺乏国家的政策扶持，进一步制约了KIBS创新的发展.

表3 中国KIBS创新的Local Moran’s I(2008年，2013年，2019年)Tab.3 Local Moran’s I index of KIBS innovation in China (2008， 2013， 2019)

3.3 核密度估计

从图中发现，我国KIBS创新的分布主要以“单峰”为主.2008年，KIBS创新分布为“多峰”分布，形成了两峰——主峰和次峰，地区主要向两个不同的KIBS创新集群聚敛.大部分地区仍停留在较低的KIBS创新水平状态，但具有较高KIBS创新水平的地区开始出现分化.主峰密度约1.2，峰值对应的KIBS创新水平为-0.25，这是第一大KIBS创新集群地；次峰密度约0.1，峰值约为1.6，这反映了地区间的KIBS创新发展存在趋同俱乐部，俱乐部之间的KIBS创新走向发散，发展不均衡.KIBS创新发达地和不发达地各自收敛，且两者之间的差距扩大，总体上体现“俱乐部间趋异，俱乐部内趋同”的现象.

2009年和2010年主峰峰尾出现两个次峰，意味着多个俱乐部趋同，区域分化迹象更明显.2011年核密度估计图形状与2008年相似，但波峰密度和创新水平不同，主峰密度约1.2，但KIBS创新提高到0.1.次峰密度约0.5，KIBS创新水平提升到2.9.2012年的波峰高度明显下降，这意味着省域间的差异有所加大，集中程度有所下降.2008年—2017年出现趋同现象，波峰分布特征相似.2019年，KIBS创新呈现出近似正态分布的特征，表示KIBS创新存在收敛的趋势.

总体上来看，在2008年—2019年期间，全国大多数地区的KIBS创新处于国内平均水平之下，主要收敛于-0.2的KIBS创新水平.在时间的演进上，呈“单峰-多峰”的动态演变，这反映出KIBS创新的动态变化具有阶段性的特征.

图3 KIBS创新的核密度估计图Fig.3 Kernel density estimation of KIBS innovation

4 结论与对策建议

4.1 主要结论

本研究在考虑空间因素影响的条件下，运用探索性空间数据分析法、核密度估计法研究我国省域KIBS创新水平的空间分布、聚集模式及时空演变规律，得出以下结论

1) 我国KIBS创新水平整体较低，且空间发展不平衡，总体上呈现出创新水平由东向西递减的“核心—边缘”结构.

全国大多数地区的KIBS创新较低，高水平的KIBS创新趋同俱乐部主要分布在东部沿海地区；中西部地区总体经济比较落后，KIBS创新能力低.KIBS创新的发达地区和不发达地区各自收敛，且两者之间的差距扩大.根本原因在于恶性累积循环机制和空间关联性的作用，在地方化力量的影响下，一旦某种集聚模式形成，便会发生路径依赖和锁定效应，导致“强强集聚”或“弱弱集聚”的两极化现象.这间接说明了中部所处的重要战略位置，具有承东向西的作用，在KIBS创新扩散过程中在扮演着由东至西传递的支撑角色.

KIBS创新在空间上的集聚呈现出明显的两极化发展趋势，这与产业的不均衡分布和产业区域集聚、政府战略规划和重心倾斜有关.在环渤海、长三角、珠三角经济带制造业集聚，许多为企业提供服务的知识密集型服务业也倾向于靠近本地市场，因此相应的KIBS创新活动也主要产生在该类地区.在“蒂伯特选择”机制影响下，地方政府加大对基础设施建设、完善交通通讯，吸引优质要素、外来企业和产业的流入.一旦区位优势形成则会产生区域锁定效应，强化需求关联的循环积累效应和投入产出联系，进一步提高要素积聚的外部经济性，提升KIBS创新的效率.因此在极化区域内KIBS创新地区差距的演变具有持续性和内生性.

2) KIBS创新遵循着地理增距衰减效应，呈现出不同的空间集聚模式，并存在趋同俱乐部

在这种开放的KIBS创新系统中，KIBS创新空间效应的溢出是存在的，并呈现出增距衰减规律.KIBS创新在空间上形成不同的趋同俱乐部，高高集聚区主要分布在江浙沪和环渤海心脏地带——北京和天津，而大西南和大西北大部分地区则属于低低的空间集聚模式.上海是全国最重要的经济、金融中心之一，高技术性、高增长性、高附加值的知识密集型现代服务产业群高度集聚发达，金融机构创新和发展步伐较快，促进了KIBS创新的发展，正向辐射效应非常强，涓滴效应战胜极化效应而处于主导地位，初步形成了以上海为核心的长三角辐射带.而广东对周围地区的负向辐射效应愈来愈强，极化效应占主导地位并持续走强，造成对邻近地区的空间争夺，有拉大与周边地区差距的趋势.

中西部省区KIBS发展水平相对较低，发展中缺乏来自环境基础的力量推动，其与东部沿海地区之间存在距离障碍且联系不密切，因此辐射带动作用不显著.空间的异质性相对扩大，这与核密度估计结果吻合，即KIBS创新发展存在俱乐部之间趋异的态势.

4.2 政策建议

当前我国正处于高质量发展的关键时期，面临产业结构优化和经济发展转型等重大任务，而KIBS及其创新的发展在产业转型中扮演了极其重要的角色.进一步推动KIBS高质发展、提升KIBS创新水平，对我国未来构建产业新发展格局具有深刻意义.因此，根据以上的研究结果，并结合国家发展战略需求，对KIBS创新的发展提出相应的政策建议.

1) 鼓励加强知识密集型服务业及其创新的区域合作，深化一线中心城市的辐射作用，为相邻和欠发达地区的KIBS创新发展提供机遇

东部沿海发达地区如北上广等作为区域性、综合性现代服务业中心，应该加强与周边地区关于KIBS创新的合作交流，对KIBS创新水平低的地区进行帮扶，缩短极化效应的作用期.欠发达地区应加强基础设施环境建设，提高硬软条件，以更好承接发达地区KIBS创新扩散效应.在优先发展发达地区的KIBS产业时，也要注意地区间的差异化扩大.因此应制定相关的政策刺激欠发达地区KIBS产业的发展，加大对欠发达地区的专项资金扶持，避免出现“马太效应”.对于具有重要战略位置的中部地区省份，要充分利用东部沿海地区KIBS创新的辐射效应，加强东西合作，在自身KIBS创新的发展过程中也发挥对西部的带动作用.

2) 优化KIBS创新的信息基础设施条件，加强创新平台及机构建设，为KIBS创新提供优质的基础环境

大力提升知识密集型服务业的信息化水平，完善信息基础设施及数据库系统建设，加快网络化进程，用信息化推进知识密集型服务业自主创新，塑造核心竞争力.构建信息与科技服务体系，鼓励以产学研方式带动KIBS创新的发展.充分发挥高等院校、科研院所的带动作用，与企业共建多方合作平台，整合利用内外部资源，提升高校、科研机构、中介机构等创新资源对KIBS创新进程的加速作用.

3) 发挥KIBS对城市化健康发展的作用，推动KIBS与城市产城融合，加强KIBS创新人才培养

注重KIBS产业与城镇化的协调发展，实现我国城镇化的健康发展.通过“新四化”的相辅相成，共同推进KIBS创新的发展.人力资本是 KIBS 重要的创新来源和支撑，因此应加大对人力资本的优化投入.不断提高 KIBS 从业人员的素质，注意相关专业的设置和学科建设，为 KIBS 创新提供良好的人才基础.KIBS企业要加强岗位职业培训，提升管理效率及优化管理体制.另一方，可以依托本地高校和科研机构来加强知识密集型服务业基础人才队伍培养.