财政税收论文：集聚效应对中国城市服务业发展差异影响的实证研究

       摘 要：本文从外部 经济 、知识溢出和社会 资本等角度 分析 了 企业 集聚、经济集聚状况、城市地理位置与城市服务业 发展 的关系，并利用分层线性模型（HML）检验了集聚效应对服务业差异的 影响 。 研究 结果表明：经济集聚程度对服务业生产效率有显著的正向促进作用，城市区位也对服务业生产效率产生显著影响。东部地区城市比中部或西部地区城市的服务业生产效率高，对服务业发展水平的推动力强；中部和西部具有同质性，二者对服务业效率的影响没有显著差别。

　　关键词：服务业；集聚；分层线性模型 
一、引言 
改革开放后， 中国 服务业增长迅速，但同时却出现了地区差距逐渐扩大的现象。不断扩大的地区发展差距必然会影响到中国城市经济的可持续发展能力。对服务业地区差距 问题 的研究，就成了亟待解决的问题，具有十分重要的现实意义。 
2003年各城市之间服务业的标准差系数为2.39，高于GDP的差异程度（2.10），同时也高于 工业 的差异程度（2.02）。从时间序列来看，服务业的差异在逐渐扩大，1990年服务业增加值的标准差系数为2.21，到了2003年提高了0.18个百分点。各城市间人均服务业增加值的差异不如服务业增加值的差异明显（详见表1），2003年其标准差系数是0.72，略低于人均GDP和人均工业增加值的差异，它们分别是0.73、0.96。 
上述数据分析表明，当前各城市间、三大地带城市间的服务业都存在非常明显的差距，发展程度高的城市和落后城市的差别有扩大的趋势。 
 
 
传统的经济学假定空间是匀质的，并假定所有生产要素可以完全无成本地瞬时流动。现实世界中劳动力与 自然 资源在空间上不是均匀分布的，而不同地理条件禀赋给各地区带来不同的发展机会，地区的经济密集程度和地理区位与经济发展是紧密相关的。最近兴起的新经济地理学 在考虑地理空间因素对经济的影响的前提下，从规模经济和不完全竞争假设出发，对地区经济发展差异作出全新解释。本文以新经济地理 理论 为基础，引入集聚效应和其它地理空间变量，从一个比较新的角度重新解释地区服务业的发展差距。 
（一）经济集聚与地区服务业发展 
首先，有利于资源共享，节约成本，共同分享外部经济利益。如果服务企业间彼此聚集，则每个企业都可通过共享某些公共投入，例如同一劳动力市场、公共资本、城市基础设施、商业信息及新技术革新等，降低各自的生产成本，且在不牺牲个体灵活性的情况下，从规模经济和范围经济中获取收益。 
如果双方相距不远，处于同一个城市甚至同一个集聚区内，由于空间邻近和共同的产业文化背景，可以加强隐性知识的传播与扩散。在传递信息、共享知识和交流思想的各种媒介中，"面对面"交流被认为是信息量传递最多的方式，因为"口头载体要比书面媒介更富裕， 电子 邮件虽然克服了距离的限制，具有很强的覆盖性，但它仍然无法传递诸如暗示、个人感官体验等信息，在反馈的及时性方面，它弱于电话，更弱于面对面交流"（比歇尔和劳布，2001）。Lissoni(2001)的调查结果也证明，超过80%以上的人认为自己在解决问题时首选的方式是口头解释，其次才是实践说明、 参考 其它书面资料等。这一切都说明面对面的正式和非正式交流是隐性知识学习和共享的最有效方式 (郑胜利，2004) 。地理的接近为沟通提供了便利的渠道，空间邻近可以使大量的"面对面"交流更加密集和方便，节省了时间和 交通 成本。服务企业可与客户通过直接接触，探讨如何更好地改进服务，优化生产流程，减少等待时间，满足顾客多样化需求，提供优质、快捷、便利、贴心的服务等。 
企业集聚使得近距离观察竞争对手的技术和管理经验以实现模仿成为可能,集群内先进服务企业的创新理念、创新产品、创新工艺、创新服务等会起到示范作用,先进的企业知识成为集群知识场中的"知识极",在集群内产生极化效应。后进企业迫于竞争和在这种知识极化的作用下,就会立即学习、模仿和追赶。英国经济学家马歇尔（1997）很早就描述过这种现象，在这里"行业的秘密不再成为秘密；而似乎是公开了，……如果一个人有了新思想,就为别人所采纳,并与别人的意见结合起来,因此它就成为新的思想源泉……"。
地理位置接近的企业家们的联系比较多，对彼此都非常了解，有的甚至是亲戚、朋友，同学、同乡等，或有过接触、一直保持长期合作关系等，这些关系形成社会网络。在社会网络中，各种联系培育的社会资本可以增强彼此的信任，降低不确定性，减少交易成本。 
（二）地理位置与地区服务业发展 
上述分析表明，地理位置和经济集聚度对地区服务业发展有明显的影响。经济集聚度越高的地区，对服务业发展的推动力越强。地理位置越优越，越有利于地区服务业发展。 
三、 实证检验 
（一）模型选择及数据说明 
要检验以上因素的作用,遇到的一个技术上的困难是经济地理因素往往是不变的。如果直接用截面数据,那么时间的选取往往会导致结果的不同,结论的稳定性值得质疑。如果直接采用面板数据分析,将这些不变的量作为虚拟变量,那么采用普通最小二乘法(OLS)往往会因为非观测效应(unobserved effect)与解释变量相关而产生有偏不一致的估计,这又被称为差异性偏误(heterogenEity)。如果采用固定效应分析,那么虽然可以消除非观测效应,但是重要的不变的因素也被消除,而这恰好是我们所关注的（金煜，2004）。