互联网发展促进了生产性服务业多样化集聚吗?——中介机制与经验证据

秦建群,户艳领,李 佩

(1.河北大学 经济学院,河北 保定 071002;2.河北大学 燕赵文化高等研究院,河北 保定 071002;3.西安财经大学 信息学院,陕西 西安 710100)

一、研究背景

新一轮科技革命和产业变革深入发展,以互联网为代表的新一代信息技术与三大产业实现了从浅层结合到深度融合的转变,传统产业链和市场竞争格局正在大范围重构并催生出许多新的产业形态和商业模式。“互联网+”催生的数字经济为中国经济发展增添了巨大动能。截至2020年底,我国数字经济增加值规模达39.2万亿元,位居世界第二,占GDP比重达38.6%(1)中国信息通信研究院.中国数字经济发展白皮书(2021年)[EB/OL].(2021-04-23)[2021-06-22].http:∥www.caict.ac.cn/kxyj/qwfb/bps/202104/t20210423_374626.htm.。以5G+工业互联网向企业生产核心环节延伸为典型代表的工业互联网创新发展成效显著,智能制造、服务型制造、规模化定制等数字化新模式、新业态得到广泛应用,并对服务业特别是生产性服务业的集聚产生广泛而深刻的影响。作为制造业中间投入品的生产性服务业能有效提高制造业产品的附加值,已成为城市经济增长的动力源泉。从空间布局上看,生产性服务业呈现明显集聚分布特征,且呈上升趋势[1],比制造业的集中趋势更为明显。集聚可划分为专业化集聚和多样化集聚,但二者并不是完全对立的关系。城市往往能同时拥有若干高度专业化的产业,但最终在城市辖区内呈现出更明显的多样化集聚特征。因此,在十九届五中全会提出的“坚定不移建设制造强国、质量强国、网络强国、数字中国”以及“发展战略性新兴产业,加快发展现代服务业”要求下,互联网发展能否促进生产性服务业多样化集聚及其对生产性服务业多样化集聚的影响机制成为理论界和实务界关注的重要问题之一。

互联网与经济发展之间的关系是当前的研究热点,积累了大量研究成果。然而,既有研究多侧重于从电信技术设施、宽带投资、互联网渗透率等方面刻画互联网发展水平对经济增长[2]、企业生产率[3]、企业业绩[4]等的影响,而互联网发展水平对服务业特别是生产性服务业影响的研究较少。陈建军等[5]基于新经济地理学理论提出生产性服务业集聚的研究框架,认为知识密集度、信息技术水平、城市和政府规模等因素对集聚有显著影响。盛龙等[6]从地区层面开展研究,指出信息化水平对生产性服务业空间集聚的影响存在差异性,能够显著促进东部生产性服务业集聚,却对其他地区的生产性服务业集聚产生抑制效应。谭洪波[7]也发现信息通信技术对生产性服务业空间集聚影响显著。上述研究对于互联网发展对生产性服务业集聚的影响机制均缺乏系统梳理和实证分析。

为弥补相关研究的缺失,本文利用中国地级及以上城市面板数据对互联网发展影响生产性服务业多样化集聚效应进行实证检验,通过考察不同区域、行业和城市约束下,互联网发展对生产性服务业多样化集聚影响的异质性,对互联网发展通过范围经济效应、交易成本效应和知识溢出效应等影响生产性服务业多样化集聚的中介机制进行分析与比较。首先,对互联网发展影响生产性服务业多样化集聚的作用机制进行理论层面的讨论。其次,基于2004—2017年中国地级及以上城市的面板数据,运用差分GMM实证估计互联网发展对生产性服务业多样化集聚的影响及异质性,并通过增减控制变量、展示异质性、变换核心解释变量、变换样本、拓展计量方法等多种检验方法来增强研究的稳健性。最后,利用三步法与Sobel检验分析互联网发展影响生产性服务业多样化集聚的中介机制。

二、理论机制分析

(一)范围经济效应

Panzar等[8]指出,范围经济是当一个企业从专攻一种产品转而生产多种产品时产生的成本节约效应,强调的是通过生产不同种类产品而获得经济性。受物理时空制约,企业的范围经济效应极其有限。随着信息通信技术的发展,企业的生产经营、交易分配、组织行为等越来越依赖互联网的发展。互联网为企业搭建了时空协调的互动通道,使得传统的“面对面”交易方式转变为跨时间、跨空间的异步交易方式。这种对时空形式(改变交易场所与拓展交易时间)和内容模式(丰富交易种类与减少中间环节)的改变使生产性服务业企业通过协同效应提高了有形资源和无形资源的利用率,使市场需求得到显著扩大,增强了范围经济效应,从而促进多样化集聚。一方面,互联网实现了冗余资源再利用[9],提高了企业生产经营中一些尚未充分利用资源(包括厂房等有形资源、商标等无形资源以及财务资源等)的利用率,促进了范围经济效应产生;另一方面,为获得范围经济效应,生产性服务业企业借助互联网的大规模社会化应用增强其对外辐射能力,扩展服务半径,扩大有效市场范围,通过俘获更多企业来获得更大市场需求,形成“长尾效应”,即依托互联网的应用实现智能制造、服务型制造、规模化定制等数字化新模式、新业态,使企业获得新的发展机会,能以较低的成本满足规模化需求,也能满足个性化、差异化、多样化、综合化的单一客户需求。此外,市场需求规模的提升使产业链上下游企业集聚,并在规模报酬递增的累积循环作用下促进多样化集聚。

(二)交易成本效应

Hanson[10]证明了交易成本节约是促进产业集聚的关键因素之一。互联网发展能够突破时空限制,缓解因“数字鸿沟”造成的割裂效应,实现交易成本节约,从而促进生产性服务业的多样化集聚。具体而言,依托数字技术建立的交易关系网络可以通过降低综合物流成本、协调成本和搜寻成本等途径降低生产性服务业企业所需承担的交易成本(即提高交易效率)。首先,互联网助力企业科学决策能力的提升,尤其是我国各地积极推广的“互联网+高效物流”,将人、车、货、站(厂)在内的物流要素数字化,推进数据资源赋能现代物流发展,提高物流效率,降低储运成本[11]。其次,互联网为企业间合作提供便捷、低成本的“线上”协调—沟通路径,企业间沟通协调的频率和效率得以提高,显著降低生产性服务业企业间的协调成本。第三,互联网增加了信息透明度,有助于降低企业的信息不对称,使供需双方可以便捷地获得双方的资信状况、声誉等信息,降低匹配复杂度,提高匹配质量,从而有效降低供需双方的搜寻成本。

(三)知识溢出效应

Charlot等[12]基于法国案例研究发现交流过程中会产生知识溢出。Forni等[13]进一步研究发现,知识外溢在上下游产业之间发生并可以促进产业集聚。互联网是促进知识溢出的“催化剂”,对生产性服务业多样化集聚产生重要影响。互联网使信息间的交流更加便捷、快速和紧密,信息交流关系的范围和密度持续扩大,信息共享和便捷使用的需求更强,促进产学研合作与交流,产生更加丰富的专业知识和科学技术,并能够在不同部门得到广泛传播。周勇[14]研究指出,数字信息技术破除了知识传播的时空障碍,能够有效促进知识扩散。产业间通过延伸、扩散、学习、吸收等途径进行知识和技术融合,形成知识和技术的溢出。同时,企业为最大程度地获取技术外溢,也在努力地进行地理集聚[15]。进一步地,产业链上下游企业间在同一区域内便捷的交流有利于吸收新知识和激发创新,产生产业间知识溢出(Jacobs外部性),并在自我增强机制作用下形成多样化集聚。生产性服务业企业本身就是制造业某个环节的高知识密集型企业,它们之间通过信息交流所形成的知识和技术外溢可以跨越地理空间和行业障碍,提升彼此的技术水平与创新能力,从而使互补型产业间知识溢出作用更为明显,有效促进生产性服务业多样化集聚。

三、研究设计

(一)模型设定与计量策略

1.互联网发展对生产性服务业多样化集聚的影响

基于上述分析,为考察互联网发展对生产性服务业多样化集聚的影响,本文构建如下模型:

(1)

式(1)为静态面板模型。其中,DUR代表多样化集聚指数,NET代表互联网发展水平,i代表不同城市,t代表时间,Γj是第j个控制变量,δj是Γj的系数,β0是截距项,β1是解释变量待估计系数,ui是难以观测的个体效应,εit为包含其他各类因素可能对生产性服务业多样化集聚产生影响的随机扰动项。

考虑到生产性服务业多样化集聚的动态滞后效应,即当期集聚程度受上一期“惯性效应”影响,要在动态面板数据模型中引入滞后被解释变量。因此,本文引入多样化集聚的滞后一期项DURit-1来控制式(1)的动态效应,模型设定如下:

(2)

式(2)中,β2是解释变量待估计系数,由于含有被解释变量的滞后项,即使模型中随机扰动项不存在序列相关,被解释变量滞后项仍可能与非观测固定效应相关。此外,在设置模型时因遗漏变量导致内生性,使得相关解释变量可能与随机扰动项相关。广义矩估计(GMM)可有效解决上述问题,因为GMM估计不要求变量的准确分布信息,允许随机扰动项存在异方差和序列相关,并以解释变量和被解释变量作为工具变量来克服内生性。进一步,差分GMM估计可去除不随时间变化的不可观测的异质性,并能克服随时间变化的不可观测因素所导致的内生性。故本文采用差分GMM估计方法进行实证分析。

2.互联网发展对生产性服务业多样化集聚的影响机制

本文认为,互联网发展通过范围经济、交易成本和知识溢出等影响生产性服务业多样化集聚,借鉴温忠麟等[16]的中介效应检验方法逐一进行检验,构建如下模型:

(3)

(4)

(5)

式(4)(5)中,MED表示中介变量,包括范围经济、交易成本和知识溢出。

中介效应检验步骤如下:首先,估计式(3),若α1满足统计上的显著性,按照中介效应立论,否则按照遮掩效应进行下一步显著性检验。其次,对式(4)(5)进行估计,若β1和γ2均满足统计上的显著性,则表明间接效应成立,若β1和γ2仅有一个不显著,则利用Sobel检验β1γ2是否显著为0,若显著为0,则间接效应成立,否则间接效应不成立。再次,当间接效应成立时,估计式(5),若γ1满足统计上的显著性,则直接效应成立,反之则直接效应不成立,这说明解释变量对被解释变量的影响完全被中介变量吸收,存在完全中介效应。最后,如果直接效应成立,对β1γ2和γ1的符号进行比较,若符号相同,则表明部分中介效应成立,反之则表明存在遮掩效应。

(二)变量选择与数据来源

1.被解释变量

本文利用改进的赫芬达尔-赫希曼指数(Herfindahl-Hirschman Index,HHI)刻画生产性服务业多样化集聚:

(6)

式(6)中,Ni,s表示城市i生产性服务业s的就业人数与该市所有生产性服务业的就业人数之比,数值越大表示多样化集聚程度越高。

2.核心解释变量

互联网发展水平(NET)。互联网发展是一个内涵较广的总体概念,既包括互联网基础设施及其设备资源等硬件建设,也包括数字技术的应用,同时还是“线上经济”“数字经济”为代表的先进产业,其发展水平的测度包括互联网基础设施、互联网应用环境、互联网设备资源、互联网治理体系等多个方面,衡量指标也多种多样,现有文献多采用诸如电话普及率、邮电业务总量、互联网使用情况、数字经济规模等指标。本文重点关注经济运行过程中的互联网使用情况,而互联网宽带接入用户数与城市辖区人口数的比值是衡量互联网使用情况的有效指标。

3.中介变量

本文包含范围经济、交易成本和知识溢出三个中介变量。由于范围经济可以通过降低企业成本对增值税产生影响,参考张伦俊等[17-18]的研究,采用规模以上工业企业应交增值税来衡量范围经济效应;借鉴楚明钦等[19]的做法,采用市场化指数来衡量交易成本效应。其中,市场化指数采用王小鲁等[20]编制的分省份市场化指数,并将其匹配到地级市;知识溢出效应参考Bates等[21-22]的做法,采用政府财政支出中的科技支出来衡量。

4.控制变量

除核心解释变量外,生产性服务业多样化集聚发展还受其他因素影响,本文将政府规模、产业结构、经济发展水平、外商直接投资等作为控制变量引入模型。其中,经济发展以城市人均GDP来衡量,政府规模采用财政收入与GDP之比来测度,产业结构采用二、三产业产值与GDP之比来测度,外商直接投资采用当年实际使用外资与GDP之比表示,其中外商直接投资按照当年平均汇率计算得到。文中变量以2004年为基期采用CPI来消除价格的影响。

5.数据来源与变量的描述性统计

本文的数据来源于历年的《中国城市统计年鉴》等,并利用插值法对个别缺失数据以及存在明显异常波动数据进行补充。需要指出的是,近年来我国先后撤销巢湖市,升格铜仁、毕节和儋州为地级市,成立三沙市,因此共设有298个地级及以上城市。按照数据可得性和一致性的要求,本文最终选择除西藏、香港、澳门、台湾以及哈密、吐鲁番、巢湖、铜仁、毕节、海东、儋州、三沙等城市之外的285个地级及以上城市约3 990个样本数据进行研究。文中涉及数据变量的描述性统计见表1。在后续分析中,对部分变量进行了对数变换。

表1 变量说明及描述性统计结果

四、实证分析

(一)基准回归分析

本文的基准回归结果见表2。其中,第(1)(3)列检验互联网发展对生产性服务业多样化集聚的直接影响。固定效应估计使得被解释变量的滞后项存在内生性,因此在固定效应模型中未纳入生产性服务业多样化集聚的滞后项。结果显示,互联网发展促进了生产性服务业多样化集聚,估计系数分别为0.017和0.004,均在1%的显著性水平下通过检验。为检验推导结果的一致性和合理性,在第(2)(4)列中分别加入控制变量,估计系数分别为0.014和0.002,分别在1%和5%的显著性水平下通过检验。通过添加或删除控制变量,回归系数和显著性变化不大,说明互联网发展对生产性服务业多样化集聚存在稳健影响。从第(1)(2)列可知,互联网发展促进了多样化集聚,均在1%的显著性水平下通过检验。固定效应模型要求解释变量与误差项不存在相关性,而面板模型可能存在逆向因果关系,因此,本文采用差分GMM解决逆向因果问题。从第(3)(4)列可知,Wald在1%的显著性水平上通过检验,这说明解释变量的影响总体显著;Arellano-bond二阶序列相关检验结果表明模型整体拟合较好,Sargan结果说明工具变量有效。综上,本文提出的模型合理有效。滞后被解释变量对被解释变量的影响为正且显著,表明生产性服务业多样化集聚水平受自身前期的影响,存在循环累积的因果关系。互联网发展促进生产性服务业多样化集聚,在5%的显著性水平下通过检验。

表2 基准回归估计结果

控制变量的估计结果显示,经济发展水平显著促进了生产性服务业多样化集聚。这说明经济发展水平越高,越有利于促进生产性服务业的集聚发展。政府规模对城市生产性服务业多样化集聚产生显著的促进作用,也就是说,政府行政干预能够促进地区生产性服务业多样化集聚,且政府规模越大,行政干预能力越强,越能够通过“规划先行”、加大城市基础设施及教育投入、制定与执行产业竞争与扶持政策等,促进劳动力、资本、技术以及数据等生产要素高效配置,扩大城市集聚并形成产业集聚发展高地。产业结构显著抑制了生产性服务业多样化集聚,可能的解释是,长期以来我国粗放型经济增长方式塑造的产业结构对生产性服务业多样化集聚产生抑制作用。就第一产业而言,我国农业生产以小农经营为主,生产规模比较小,农业机械化水平不高,区域农业、合作农业发展正处于起步阶段,影响了农业生产性服务业的市场需求;就第二产业而言,我国制造业整体上仍处于全球产业链和价值链的中低端,创新能力不强,核心技术短缺的局面尚未改变,更多依赖资源的消耗,与生产性服务业产业关联度低,抑制了生产性服务业的市场需求;就第三产业而言,服务业粗放型发展模式对实物生产资料投入需求大,而对服务型生产资料投入需求小,这也限制了市场对生产性服务业的需求。

(二)异质性分析

1.不同区域的异质性分析

我国区域差异明显,本文按照国家发展和改革委员会的政策性划分方式,将样本划分为东部、中部和西部地区三个样本组来分析互联网发展对不同区域城市生产性服务业多样化集聚的影响,估计结果见表3。从第(1)—(3)列可知,互联网发展分别对东部、中部和西部地区的生产性服务业多样化集聚产生抑制和促进作用,且仅中部地区通过1%的显著性水平检验。东部地区开放程度高,外商投资环境持续优化,市场更加开放,产业配套能力强,技术、人才等生产要素丰裕,但随着生产要素持续集聚带来的地租及其他生产成本上升,“拥挤效应”超过了“集聚效应”,互联网发展使得生产性服务业多样化集聚转向扩散。而相较于东部地区,发展相对滞后的中部、西部地区因开放程度低以及技术、人才等要素禀赋驱动力不足,正处于生产性服务业多样化集聚的规模效应递增阶段,故互联网发展对中部、西部地区生产性服务业的多样化集聚产生促进作用。

表3 不同区域的异质性估计结果

2.不同城市规模的异质性分析

本文根据国务院相关标准将样本划分为大型及以上城市和中小型城市两个样本组,其中大型及以上城市组包括160个城市,中小型城市组包括125个城市。从表3第(4)(5)列可知,互联网发展促进了两个样本组的生产性服务业多样化集聚,且大型及以上城市通过5%的显著性水平检验。可能的解释是:第一,大型及以上城市拥有较完善的基础设施和公共服务,且自身市场需求较大、产业呈现多样性发展态势,有利于生产性服务业多样化集聚的形成。第二,大型及以上城市的产品与服务种类繁多、劳动力多元,能够通过集聚效应改善资源配置效率,为企业发展提供丰富的中间投入品,这有利于行业间协同发展,为知识溢出和技术创新提供条件。第三,大型及以上城市互联网发展水平更高,数字经济规模更大,更能促进企业间知识传播和扩散,提升企业自主创新能力,推进企业实现规模生产,带动产业链上下游的多样化集聚[23]。

3.不同行业的异质性分析

借鉴既有研究成果,本文将生产性服务业划分低端和高端(2)依照研发强度、人均产值等标准,将生产性服务业分类,低端生产性服务业主要包括“交通运输、仓储和邮政业”和“租赁和商业服务业”,“科学研究、技术服务和地质勘查业”“信息传输、计算机服务和软件业”和“金融业”则属于高端生产性服务业的范畴。两个样本组。从表3第(6)(7)列可知,互联网发展促进了低端生产性服务业多样化集聚,在10%的显著性水平下通过检验。这可能是由于互联网发展一方面降低企业的交易成本,激发市场的潜在需求,另一方面扩展低端生产性服务业企业服务半径,吸引低端生产性服务业企业,进而促进多样化集聚。互联网发展对高端生产性服务业多样化集聚的影响未通过显著性检验,这可能是金融、法律等高端生产性服务业的地区分割和行业垄断的阻碍所致。

(三)稳健性检验

本文尝试在考虑抽样误差和模型设定偏误等统计偏误下进行稳健性检验。第一,删除直辖市和省会城市。研究涉及的285个样本城市包含了直辖市以及除拉萨以外的全部省会城市。直辖市以及省会城市相较于其他城市而言,具有相对健全的制度环境,市场合作潜力更大,对外开放水平更高,城市基础设施等配套条件保障性更优。本文利用剔除直辖市和省会城市后的样本重新估计基准模型,估计结果见表4第(1)列。第二,为排除奇异值对研究结果的干扰,本文将核心被解释变量生产性服务业多样化集聚进行缩尾5%的处理(首尾两端各缩尾2.5%),并重新估计基准模型,估计结果见表4第(2)列。第三,缩短研究跨期。本研究跨期为2004—2017年,为避免金融危机等给研究结果带来干扰,将研究跨期缩短至2009—2015年,并重新估计基准模型,估计结果见表4第(3)列。第四,替换变量。替换解释变量使用互联网用户总数与城市辖区户数之比作为互联网发展水平的代理指标重新估计基准模型,估计结果见表4第(4)列。第五,Tobit模型估计。以面板Tobit模型替换线性回归模型后重新进行分析,估计结果见表4第(5)列。根据表4可知,估计结果与前文基准模型估计结果相比并未发生明显变化。

五、中介效应检验

(一)范围经济的中介效应检验

按照三步法中介效应检验程序,范围经济的中介效应检验结果见表5。其中,第(2)(4)列未加入控制变量,而在第(1)(3)(5)列中分别加入控制变量,以检验推导结果的一致性和合理性。第(1)列中,互联网(lnNET)的系数为0.014,在1%的水平下显著;第(3)列中,互联网的系数为0.338,在1%的水平下显著;在第(5)列中加入范围经济效应的代理变量(lnTAX)后,互联网发展对生产性服务业多样化集聚的促进作用降至0.010,在1%的水平下显著。这表明互联网发展对生产性服务业多样化集聚的促进作用中存在范围经济的中介效应且表现为部分中介效应,中介效应占总效应的12.73%,说明互联网发展对生产性服务业多样化集聚的促进作用部分通过范围经济效应传导。为增强结果的稳健性,本文还进行了Sobel检验(Z=6.432,P<0.01),进一步表明范围经济的中介效应存在。

表5 机制检验——范围经济效应

(二)交易成本的中介效应检验

交易成本的中介效应检验结果见表6。其中,第(1)列互联网(lnNET)的系数为0.014,在1%的水平下显著;第(3)列互联网的系数为0.583,在1%的水平下显著;在第(5)列中加入交易成本效应的代理变量(MARK),互联网发展对生产性服务业多样化集聚的促进作用降至0.01,在1%的水平下显著。这表明在互联网发展对生产性服务业多样化集聚的促进作用中,交易成本的中介效应存在且表现为部分中介效应,中介效应占总效应的24.07%,说明互联网发展对生产性服务业多样化集聚的促进作用部分通过交易成本效应传导。Sobel检验(Z=7.831,P<0.01)表明交易成本的中介效应存在。

表6 机制检验——交易成本效应

(三)知识溢出的中介效应检验

知识溢出的中介效应检验结果见表7。从中可知,第(1)列互联网(lnNET)的系数为0.014,在1%的水平下显著;第(3)列互联网的系数为0.622,在1%的水平下显著;在第(5)列中加入知识溢出效应的代理变量(lnSCIE),互联网发展对生产性服务业多样化集聚的促进作用降至0.013,在1%的水平下显著。这表明在互联网发展对生产性服务业多样化集聚的促进作用中,知识溢出的中介效应存在且表现为部分中介效应,中介效应占总效应的16.39%,较范围经济的部分中介效应大,而小于交易成本的部分中介效应(24.07%>16.39%>12.73%),说明互联网的范围经济和知识溢出效应未得到充分发挥。究其原因,可能是政府各部门间信息资源缺乏有效的协同共享机制,形成不同的信息孤岛,制约地方政府互联网服务能力。Sobel检验(Z=7.461,P<0.01)表明知识溢出的中介效应存在。

表7 机制检验——知识溢出效应

六、结论与政策建议

本文分析了互联网发展与生产性服务业多样化集聚之间的关系以及范围经济、交易成本和知识溢出在二者之间的中介效应。研究发现:从整体上看,互联网发展对生产性服务业多样化集聚产生显著的促进效应。从分区域、分城市规模、分行业看,互联网发展显著促进了中部地区、大型及以上城市、低端等生产性服务业多样化集聚。从中介效应看,互联网发展通过范围经济、交易成本和知识溢出三个路径促进生产性服务业多样化集聚,且在其中发挥部分中介作用,中介作用的大小依次为交易成本、知识溢出和范围经济。

研究结论具有以下政策启示:首先,强化顶层设计,持续推进信息网络等新型基础设施建设,重点推动5G信息网络、工业互联网等,推动互联网成为引导生产性服务业集聚发展的持续性动力。一是加强“互联网+”以及数字产业化、产业数字化的制度设计和政策支撑,完善区块链、人工智能等新兴领域的发展规则;二是合理布局支撑“互联网+”发展的基础网络体系,统筹推进工业互联网等新型基础设施的建设与发展,使之成为推动数字经济和实体经济深度融合的关键;三是加强网络基础设施、云计算以及电子商务等领域的国际合作,通过数字经济贸易的发展,使得更多中国方案成为国际标准;四是各地应结合区域资源禀赋及区域发展阶段性差异,制定和实施差异化的发展支持政策。其次,持续优化营商环境,推进“互联网+”和生产性服务业的融合发展。完善生产性服务业发展的相关措施,扩大生产性服务业的市场规模,为生产性服务业多样化集聚创造市场条件;着眼于市场化改革,推动公平公正、公开透明的营商环境建设,构建完善的市场体系以及有序的数据交易机制,发挥互联网在降低生产性服务业企业交易成本中的重要作用,重点降低生产性服务业跨区域、跨界服务的交易成本,推进企业登记、交通运输、气象等公共数据有序开放,实现公共数据与企业数据深度对接,为生产性服务业多样化集聚创造良好的市场环境。再次,推进“互联网+政务服务”建设,提升政府互联网服务能力。加强电子政务与电子商务的结合,打破部门间、层级间、系统间服务壁垒,实现互联互通;构建区域化物联网,消除数据孤岛,形成共建、共享、共治的跨区域、跨行业、跨业务数据共享体系和信息服务体系,推动政府部门横纵贯通以及跨部门、跨层级、跨系统、跨地域业务高效协同;利用人工智能、移动互联网等提升政府服务供给的智慧化、高效化和便捷化。