改革开放以来，我国不断加快推进服务业发展并取得了一系列新成果与新突破。但随着后工业化阶段的过渡和国内产业发展的更替，能源、重工业等基础行业与一些低端制造业逐渐显露出产能过剩，PPI多年持续走低，商品库存大量积压，“僵尸企业”经营困难等问题。要彻底解决供给侧结构性失衡的问题，就需要充分发挥服务业的引擎作用，尤其是生产性服务业的带动作用。作为保持产业“生命活力”的“中场发动机”，其为农业、工业提供生产性服务支撑，在缓解劳动力、土地等要素成本上升，提高资源配置效率，细化专业化分工等问题上发挥重要作用。十九大报告提出的“以供给侧结构性改革为主线”，更迫切需要推进生产性服务业向专业化与高级化延伸，占领产业价值链中的高端环节，为经济增长添加新活力。

自20世纪60年代开始，生产性服务业作为经济学、地理学领域持续关注的热点议题，西方学者对此经历了从概念的界定^[1]到与经济发展的密切联系^[2]以及区位选择^[3]、空间分布^[4]的研究过程。一般来说，生产性服务业产生的技术革新有利于经济活跃，不断上升的经济水平又会加速更高等的技术更替，从而推动产业的发展与空间集群^[5]。近年来，有关生产性服务业的产业集聚、空间关联以及规模经济等问题受到越来越多的关注和重视，多数研究表明生产性服务业趋于集中化^[6]，也有研究认为其正向边缘城市转移^[7]。Halbert对巴黎都市区^[8]，Hanssens等对比利时^[9]，Werner对加拿大的研究^[10]证明生产性服务业具有空间关联性和集聚性。Lundquist在研究不同类型的生产性服务对于中间投入和产业关联效应的作用，证明产业的集聚与发展明显地促进了经济增长^[11]。

随着各国经济呈现由“工业型经济”向“服务型经济”转变，学者们发现影响生产性服务业发展的因素也在逐步发生变化，其间的联系也趋于复杂。Wood认为人口、劳动力以及服务业中间需求的变化是导致其快速发展的主要因素^[12]。Graham则印证了制造业结构直接影响生产性服务业的核心竞争力和外贸出口量^[13]。生产性服务业的发展是一个功能不断演进，范围不断扩展的过程，环境变化、信息流通、技术变革都会影响其空间状态。如Alan强调技术密集型的产业通常会对生产性服务提出灵活的需求，进而扩大发展范围^[14]。Guerrieri也指出制造业的规范化分工与地域性集中有助于生产性服务业获得专业化劳动力与网络格局^[15]。然而，上述研究均是以国外完善的市场经济为基础，并不能反应差别要素对经济新常态背景下中国各城市生产性服务业发展的影响。

目前国内对于生产性服务业的探讨主要借鉴和参考西方相关研究展开，虽有部分学者参照国外已有研究方法并结合中国实际做出相应理论和实证分析，但主要聚焦在生产性服务业产业集聚特征^[16]、对经济增长的影响^[17]以及区域内部的空间分布^[18]等方面，而对其空间演变的研究鲜少涉及。在影响因素研究方面，国内学者^[19-21]先后分析了规模经济、科技实力、知识溢出、地理位置等因素对生产性服务业的影响，但基于传统计量方法居多，即使运用空间计量方法分析，尚没有相关研究作用于地级市层面。而从城市尺度引入发展评价指标体系^[21]来衡量生产性服务业发展水平及其空间差异分布，不仅可以更好地对我国生产性服务业发展的空间差异进行探究，还能够明确各城市单元在发展生产性服务业方面所存在的问题。因此，本研究的贡献在于利用多年份生产性服务业综合评价结果对比，对中国大陆286个地级以上城市生产性服务业发展水平的时空演化、关联特征及其影响因素展开探究，以期对国内生产性服务业发展、城市产业规划等提供参考依据。

生产性服务业的发展内涵是为产业发展提供技术支撑和多样化服务，而从制造业内部独立出来的新兴产业，倚赖人力、知识资本投入，存在于企业生产的诸多环节，促进经济增速和产业结构优化^[22]。综合相关学者们关于生产性服务业发展水平指标研究方面的成果可以发现：首先，生产性服务业的发展离不开经济要素的支持，宏观经济环境落后的条件下难以支撑高质量的生产性服务业发展^[23]；其次，从产业结构角度衡量生产性服务业发展水平有助于明确生产性服务业在产业结构中的地位；最后，技术溢出性是生产性服务业助力经济快速增长的特有属性，也是产业能够持续高质量发展的关键^[24]，因此有必要从发展潜力角度予以评价。此外，生产性服务业的效益指标与发展速度关乎产业发展的质量与能力，是考察产业发展水平的重要方面。

相比单一指标的权威性和片面性，建立系统指标体系显得更为可靠。基于产业发展内涵，文章从生产性服务业发展的宏观环境、产业结构、发展潜力、质量效益和发展速度五个方面构建评价指标体系（见表 1）。由于2003年前后国民经济行业分类大幅调整，因此研究时段确立为2003—2015年，参照以往研究，将交通运输、仓储和邮政业，房地产业，租赁和商业服务业，信息传输、计算机服务和软件业，金融业，科学研究、技术服务和地质勘查业等六个行业增加值加和得到生产性服务业增加值。中国部分地级市由于政策等原因变动较大，考虑到数据连贯性，以2005年《中国城市统计年鉴》的287个城市单元为参照，由于拉萨市多年份数据缺失，最终选定286个地级以上城市为研究区域。研究区域的相关年份数据来源于2004— 2016年《中国城市统计年鉴》。

表 1(Tab. 1

表 1 生产性服务业综合评价指标体系 Tab.1 The Evaluation Index System of Producer Services Development Level

表 1 生产性服务业综合评价指标体系 Tab.1 The Evaluation Index System of Producer Services Development Level

在使用评价方法对生产性服务业发展水平综合指数进行评价之前，应确定各指标的权重系数，熵权法^[25]作为一种客观的赋权方式，根据数值的动态意义来确定权重。具体步骤如下：假设有m个指标，n个评价对象。首先，采用极差标准化法对原始数据进行无量纲化处理, 得到各指标的无量纲化属性值，记为矩阵：R =(r_ij)_{n × m}。其次，计算熵权。

(1)

(2)

式中，P_ij表示j地区i项指标值的比重，Z_i为第i个指标的熵值，S_i为第i个指标的熵权。由于熵权法只能计算某个年度的截面数据，此处计算的r_ij为2003—2015年度平均值。之后，运用简单线性加权，即根据各项指标的评测值，分别乘以各指标对应的综合权重再相加，就得到各城市生产性服务业综合评价指数Ei。

SDE分析方法主要用于揭示空间要素的扩散方向及离散程度，表征要素的空间集聚区域、方向和中心位置等信息^[26]，其主要参数包括椭圆中心、椭圆方位角以及椭圆长轴、短轴的标准差。其中，椭圆中心表示地理要素在二维空间上分布的相对位置，方位角反映要素分布的主要趋势方向，椭圆的长轴和短轴分别代表要素空间分布最多和最少的方向，因此可以很好地揭示生产性服务业发展的空间离散程度与分布特征。公式如下：

(3)

(4)

(5)

式中，θ为椭圆方位角，σ_x、σ_y分别为椭圆x轴，y轴的标准差，（x_i, y_i）表示要素i的坐标，n为要素个数，x、y为生产性服务业综合评价指数加权后的区域几何中心，其计算公式为：

(6)

ESDA是综合统计学原理与图形图表同时对空间信息的性质进行分析、鉴别，以引导确定性模型的结构和解法^[27]。ESDA方法建立在地理学第一定律空间自相关概念基础上，发现空间离群值或空间集聚的模式，通过Moran's I、Geary's C等统计量体现各区域的相关性及相关程度。其中全局空间自相关概括了在一个总的空间范围内空间依赖程度，可以用来检验空间相邻或者相近的区域单元属性值在某个研究范围内空间相关特征的总体趋势。局部空间自相关描述了一个空间单元与其领域的相似程度，反映其空间异质性，说明空间依赖是如何随位置变化的。本文利用全局与局部相结合的空间相关分析方法来验证生产性服务业在空间上是否呈集聚现象，以及与周边邻近区域的空间差别水平，并结合LISA集聚图等形式研究属性值的空间分布规律。由于篇幅有限，其计算公式见参考文献^{[28, 29]}。

GWR是一种改进的空间线性回归模型，其主旨是将数据的空间位置引入到回归参数中，通过相邻观测值的子样本数据信息对局部进行回归估计，随着空间上地理位置的改变，估计的参数也随之变化^[30]。运用GWR方法可以反映生产性服务业发展水平与其影响因素的空间关系，模型如下：

(7)

式中：Y_i是n×1维解释变量；x_ij是n × j维解释变量矩阵；H_i，K_i表示第i个城市单元的空间地理坐标；α_j(H_i, K_i)代表变量x_k系数在i地理位置的参数。GWR估计结果随空间权重发生变化，因此对空间权重的确定至关重要，本研究采用高斯距离权值^[31]确定空间距离权值。

根据公式1、2中的计算方法得到生产性服务业发展水平综合指数，利用ArcGIS软件中的自然断列法将286个地级以上城市分为5个等级区，由于年份较多，研究选取间隔时间相等且具有代表性的2003、2009、2015年份数据进行对比分析。由图 1可知：研究时段内我国生产性服务业发展水平综合指数有较大提升，从沿海向内陆阶梯状递减的趋势逐渐增强，在空间格局上呈现沿海向内陆的“中心—外围”结构。

图 1(Fig. 1)

图 1 2003年、2009年、2015年中国生产性服务业发展水平空间分异格局 Fig.1 Spatial Differentiation Pattern of Producer Services Development Level of China in2003, 2009, 2015

具体来看，2003年，生产性服务业发展水平综合指数平均值为10.62，总体发展水平较低，仅有13.96%的城市在平均值之上，且分布较为分散，未形成明显的高值集聚区。2009年，生产性服务业发展水平综合指数平均值达到22.21，高于平均值的城市增至20.38%，发展水平虽有较大提升，但由于2008年金融危机的影响，我国面临产业结构优化调整的大通道中，导致以高值为主的集聚格局还未凸显。从空间分布来看，高值区仅以对外开放程度高、经济活力旺盛的东部沿海一带为主，而中部与东北大部分地区由于对外开放力度不够，创新能力不强，缺乏良性竞争导致生产服务业总量不足且难以集聚。2015年，生产性服务业发展水平有了显著增长，超过综合指数平均值（43.18）的城市数量达到33.24%，其中高值集聚区主要集中于京津冀、长三角、珠三角以及内陆地区个别城市，这些交通枢纽型城市凭借优越的区位优势保证了充足的服务需求，同时良好的经济基础经过长期的循环累积更有利于金融、信息、科技等高新技术产业发展，从而形成了具有一定规模的产业集聚区。中西部城市的生产性服务业发展水平则落后较多，尽管近年来我国逐步拓宽生产性服务业的准入条件，限制对交通、金融、保险行业的垄断，并对中、西部地区的财政支持与产业投资比例等给予政策扶持与引导，但由于经济基础较差、交通不便等因素，导致其难以接受经济中心的辐射作用，产业发展速率仍较为缓慢。

通过公式3—6的标准差椭圆方法，可以进一步在空间上了解我国生产性服务业的演变特征，借助ArcGIS10.0对三个时间节点上生产性服务业空间分布的标准差椭圆进行实现。由图 2可见，标准差椭圆总体变化幅度不大，主要集中东部沿海大部分区域，表明近十几年来，我国生产性服务业的发展变化始终以东部地区为主。由表 2的标准差椭圆参数可以看出椭圆的旋转角度逐年缩小，由2003年的23.336°缩小至2015的1.390°，证明我国生产性服务业空间发展的方向性逐渐向南北方向上倾斜。从椭圆x轴和y轴的变化情况来看，x轴标准差由2003年的842.188km扩大至2009年的962.507km，到2015年又降低至944.398km，可以判断该时间段内生产性服务业在南—北方向上表现出先分散、后极化的趋势。y轴标准差由2003年的4100.454km缩小至2009年的3989.030km，到2015年又扩大至4024.253km，可见生产性服务业在东—西方向上先呈现出较强的极化趋势，后趋于分散，与南北方向分布特征相反。这种东西与南北方向上相反的分布特征与我国生产性服务业在东部沿海发展迅速，而中西部内陆发展缓慢的现状有直接关系。在发展初期，生产性服务业发展水平整体偏低，国家的政策支持优先惠及了交通、经济等中心性城市以及部分西部地区，尤其沿海城市具有良好的经济基础和市场条件，产业集聚能力逐渐增强，优先形成了以京津冀、长三角、珠三角等地区为代表的高水平集聚区，而相对偏远的中西部边缘城市由于多方面因素的制约，经过长期的发展仍未形成稳定的集聚区域，发展滞后且缓慢。

图 2(Fig. 2)

图 2 2003年、2009年、2015年中国生产性服务业发展水平标准差椭圆 Fig.2 Standard Deviational Ellipse and Its Parameters of Producer Services Development Level of China in 2003, 2009, 2015

表 2(Tab. 2

表 2 标准差椭圆参数 Tab.2 The Parameters of Standard Deviational Ellipse

表 2 标准差椭圆参数 Tab.2 The Parameters of Standard Deviational Ellipse

通过检验我国286个地级以上城市的生产性服务业在地理空间上的相关性，发现生产性服务业的空间相关指数均为正，如表 3所示，经过999次蒙特卡洛抽样结果，三个年份的全局Moran's I估计值均大于0，且通过了5%的显著性检验，表明我国生产性服务业发展水平在地市单元上存在显著相关关系。2003年，Moran's I估计值为0.2209，2009年进一步增大至0.3297，可见经过多年的发展，我国生产性服务业的空间集聚能力逐渐增强。2015年，Moran's I估计值有所下降，至0.2949，可以看出研究时段内我国生产性服务业发展的空间相关性和空间集聚程度并不是稳定上升，而是呈波动式发展，这也在一定程度上证明了我国生产性服务业发展的持续性和稳定性较差。近年来我国生产性服务业发展水平逐步提升，且发展速率逐步加快，但由于产业结构不均衡，市场准入限制较多，竞争不充分等因素，导致区域内产业集聚效应与耦合效应均无法充分发挥作用。一方面生产性服务业企业同质化严重，同类低等服务部门集中，甚至引发“拥堵效应”，阻碍区域横向经济协作和纵向专业分工；另一方面，我国生产性服务业内的行业垄断现象普遍，发达城市与周边地区联系比较松散，制约了生产性服务业发展的空间联系。尽管我国生产性服务业集聚式发展已具备一定基础，但未来的发展必须进一步优化产业结构，推进生产性服务业向专业化与高级化转变。

表 3(Tab. 3

表 3 2003、2009、2015年中国生产性服务业发展水平的全局Moran's I估计值 Tab.3 The Estimates of Moran's I of Producer Services Development Level in China in 2003、2009、2015

表 3 2003、2009、2015年中国生产性服务业发展水平的全局Moran's I估计值 Tab.3 The Estimates of Moran's I of Producer Services Development Level in China in 2003、2009、2015

全局空间自相关虽可以从整体上判断我国生产性服务业在地市单元上的空间关联情况，但不能识别不同城市单元空间自相关的分异性。进而借助局域G*系数法对不同区域的空间分布特征做进一步分析，结果见图 3。三个年份中，生产性服务业发展水平的热点区和冷点区均表现出明显的空间演变特征，即位于东部沿海的热点区趋于分散，位于中部的冷点区大为收敛，过渡区小幅度增加。具体来看，2003年热点区与次热点区主要集中于吉林东部与东南沿海地区，而冷点区范围较大，几乎包括整个中部及陕甘宁与川滇地区。到2009年热点区面积趋于分散，向北主要集中在吉林省、辽河平原与环渤海地区，向南集中于东南沿海地区，并向两广地区延伸。而冷点区范围明显缩小，主要集中于黄土高原与长江中上游地区。2015年，热点区面积完全向东部沿海地区收拢。冷点区范围呈分化之势，中部地区有所收敛，而黑龙江省与呼伦贝尔市又转变为新的次冷点区。

图 3(Fig. 3)

图 3 2003年、2009年、2015年中国生产性服务业发展水平空间格局演变 Fig.3 The Spatial Pattern Evolution of Producer Services Development Level of China in 2003, 2009, 2015

综上，生产性服务业发展的冷热点区的演变属于递进式，并无明显倒退与跃迁，空间分布格局表现出以东部沿海为高集聚区，逐渐向内陆过渡为低集聚区的“阶梯形”结构。随着时间的推移，冷点区空间范围逐渐缩小，虽在黑龙江地区有所增加，但折射出中国生产性服务业发展仍具有极大潜力。热点区范围扩大并不明显，其空间效应辐射范围逐渐向东南沿海集中，可见该区域仍具有发展生产性服务业的明显优势。

中国生产性服务业发展格局的演化与扩展是由多方面因素共同作用的结果，在研究指标的选取上，通过对近年CNKI数据库关于生产性服务业发展影响因素方面的查询，并对指标进行统计，最终选择6项使用频率最高的社会经济指标作为影响因子：服务生产率能够反映各地区产业发展效率，并直接对生产性服务业发展水平产生影响，开放程度、城市化率、产权结构分别表征各地区经济外向程度、产业发展的外部环境与内部环境^[19]，对生产性服务业发展具有重要作用。考虑到工业发展水平与人力资本溢出可以影响服务业的产业集聚与高级程度，进而选取工业化程度与知识资本密度来衡量生产性服务业发展的工业基础与科技要素。据此，构建如下计量模型：

其中，ps表示i地区和t年份生产性服务业发展水平综合指数；α₀，β₀为常数项；α₁—α₆，β₁—β₆表示待估参数；各变量含义见表 4，ε为随机误差项；ρ为空间滞后系数；λ为空间误差系数；w_ij为r相邻的邻接权重矩阵。

表 4(Tab. 4

表 4 变量统计信息 Tab.4 Basic Statistics of Variables

表 4 变量统计信息 Tab.4 Basic Statistics of Variables

模型中，服务生产率，以各城市生产性服务业增加值与该城市生产性服务业劳动投入的比值表示；开放程度，以各城市进出口总额与其GDP比值表示；城市化率，采用各城市的城市化率（单位：%）表示；产权结构，以城市内非国有固定投资占其总投资份额表示；工业化程度，以城市工业增加值占其GDP比重表示；知识资本密度，以城市范围内每万人在校大学生数（单位：人/万人）表示。选取2004—2016年286个地级以上城市共计3718个研究样本，原始数据来源于相应年份《中国城市统计年鉴》和国家统计局网站。统计性描述结果如表 4所示。

由此前结论可知，我国生产性服务业发展水平在空间上存在正相关关系，可以根据Lagrange Multiplier形式LMERR、LMLAG以及Robust的R-LMERR与R-LMLAG的比较值确定选择相应模型，并借助Elhorst^[32]提供的有关程序，将指标变量带入空间计量模型，结果见表 5。

表 5(Tab. 5

表 5 空间计量模型估计结果 Tab.5 The Estimation Results of Spatial Regression Model

表 5 空间计量模型估计结果 Tab.5 The Estimation Results of Spatial Regression Model

从OLS模型来看，拟合优度较好（0.8329）。除产权结构外，其余五项均通过了10%的显著性检验，其中，服务生产率的估计系数最大，其次为工业水平、开放程度、城市化率和知识资本密度。在SLM与SEM对比中，六个变量同样通过了10%的显著性检验，且拟合优度均达到0.85以上，可见有必要采用空间计量模型继续分析。通过对比SLM与SEM的拟合优度（R²）、对数似然值（Log L）可以发现SLM更胜于SEM。再根据拉格朗日乘数检验结果加以判断（表 6），SEM的R-LMERR没有通过显著性检验，而SLM则更加显著，因此确定采用SLM模型进行结果分析。

表 6(Tab. 6

表 6 拉格朗日乘数检验结果 Tab.6 Results of Lagrange Multiplier Test

表 6 拉格朗日乘数检验结果 Tab.6 Results of Lagrange Multiplier Test

从SLM模型估计来看，服务生产率影响程度最大，为3.0023，这意味着生产性服务业效率每提高1%，其发展水平提高3.0023%，产业生产效率极大地影响着企业经营管理的智能化与精准性，贯穿于企业生产过程的整个环节，因此生产效率的提升对生产性服务业的发展有着极大的影响。城市化率与开放程度的影响次之，其估计系数分别为1.7601和1.2038，表示城市化率与开放程度每上升1%，生产性服务业发展水平提高1.7601%和1.2038%。城市化的过程往往伴随各类产业部门的扩张，有关市场、人才、技术等信息资源会在此大量集聚，从而吸引企业管理、控制、协调等职能趋于集中。同时，城市化的众多特征也有利于革新技术、吸纳人才、提升需求，近年来，我国城市化进程较快，成绩显著，为生产性服务业集聚、扩张提供了广阔的发展环境与外部空间。随着我国对外开放程度的不断提高，进出口贸易在引进资金、技术、管理经验方面做出巨大贡献，跨国交易的每一个环节都会对生产性服务业产生大量需求，从而推动生产性服务业进步。

产权结构与知识资本密度的回归系数分别为0.1427和0.1366，表明非国有产权比重增加以及知识资本密度增大对生产性服务业产生有利影响，但作用较为微弱。目前，非国有企业通常比国有企业更具有竞争意识，企业绩效高，相同规模的生产性服务业的投入，私有化产权结构往往能带来更高的经济效益。非国有化的产权结构不仅提升自身的利润动机和企业绩效，更会促进生产性服务业投入的积极性，吸引生产性服务业加大对其投入力度，进而促进产业发展。但经过多年的积累，仍有相当部分非国有经济成分在产权私有化过程中并未完全制度化且管理不规范，从而导致产权结构发挥的促进作用不充分。生产性服务业多为知识密集型和技术密集型行业，其中伴随大量的资本投入，目前我国人力资本低效配置、人才不合理流动等问题还普遍存在，导致知识资本带动产业发展的积极性被降低。

值得注意的是，工业化程度的回归系数为负，这意味着工业化进程的推进没有起到促进作用，这与理论分析不符。究其原因，一方面，生产性服务业作为一个独立产业形态从工业经济中独立出来，工业专业化程度不高、市场发育不完善的情况下，很容易在发展过程中处处受限，降低发展的积极性。另一方面，工业的优化升级亟需更多的作为中心投入的生产性服务，只有工业化真正达到高水平，才能刺激更多对生产性服务的需要。目前我国处于工业化中后期阶段，传统产业与现代服务业并存，对知识密集型产业，尤其是高端产业还未产生较大需求，使得生产性服务业难以获得高要素投入回报。

由于空间常系数模型不能反应各解释变量在地域上的差异性，因此引入数据的地理位置信息，借助GWR深入探讨其空间结构分异，为避免某个时间截面数据的片面性，在此将因变量与自变量分别取平均值进行计算（图 4）。利用ArcGIS软件中的地理加权回归工具得到GWR模型回归系数，在带宽的选择上采用修正的Akaike信息准则（AICc）进行判断，结果显示GWR的AICc结果（102.45）比SLM（114.71）小得多，同时R²（0.8790）相较于SLM（0.8628）有显著提高。在对GWR的残差进行空间自相关分析后发现Moran's I估计值为0.0462，对应P值（0.1098）在统计意义上不显著，说明GWR的残差不存在空间自相关，这也说明了GWR比SLM可以更好的观测数据。

图 4(Fig. 4)

图 4 GWR模型回归结果空间分布 Fig.4 The Spatial Distribution of Results of Geographically Weighted Regression

由图 4可见，服务生产率估计系数在2.1587—3.6152之间变动，说明服务效率对各地区生产性服务业发展具有促进作用，作用效果的差异由南向北逐渐减弱，并对海南、两广、湖南、四川等地影响尤为明显，表明该地区生产性服务业对服务效率提升具有高度敏感性，重点在服务生产效率方面发力，能够有效促进该地区生产性服务业增长。开放程度的主要影响区域集中在东部沿海，向内陆逐渐减弱，在东北、内蒙古、云南等地区的影响最小，可见经济外向度对东部沿海地区的生产性服务业发展影响更为直接，这与近年来FDI在我国的区域投向变化有关，东部地区相较于中西部内陆承接了更多的FDI份额。城市化率对生产性服务业的影响范围较广，对华南地区和黑龙江地区影响最为显著，表明此类地区城市化过程在生产性服务业发展中起了较大的推动作用，提升该地区的城市化建设能够较好地促进生产性服务业发展。

产权结构对生产性服务业的影响由东北向西南逐渐减弱，对云南、贵州、广西的正向影响最小。主要原因在于东、中部地区经过多年的发展，其市场化程度发育较为成熟，非国有产权的蓬勃发展能够有效促进生产性服务业发展水平的提升，而西南地区市场发育尚不完善，国有产权仍占主导地位，因而对生产性服务业的影响能力有限。工业化程度估计结果均为负，对生产性服务业所产生的负向影响以我国南方大部为辐射点，向北依次减弱，对东北、河北的影响最大，而对工业化水平相对较低的南部地区影响最小，可见工业发展对其挤出效应明显。知识资本密度的影响范围与产权结构较为相似，由北向南逐渐减弱，影响最大的是东北地区，主要由于近年来东北地区人口流失严重，其中不乏技术型人才向南方流失，因而该地区对高级人力资本的需要更为急切，若想有效地提高东北地区的生产性服务业发展，今后应加强人力资源保护与培养，稳固人才以促进技术进步。

为防止结果的偶然性，采取分时段检验（2003—2009年、2010—2015年）和分区域检验（东、中、西）两种手段对生产性服务业的影响因素进行稳健性检验。回归结果（表 7）显示：2008年，国际金融危机爆发，我国生产性服务业处于产业结构调整的重要时期，两个时间段的产业影响因素表现出了较大差异，经济危机之后，国内高消耗、高碳化产业逐渐化解，金融业、房地产业逐渐回暖，生产效率、城市建设、教育水平逐渐提升，每一单位的开放程度、产权结构变化都能为生产性服务业带来更高的产值。同样，分区域模型也具有良好的稳健性，各解释变量对东中西部地区的生产性服务业具有显著的正向或负向作用，且拟合优度均达到85%以上，可见各变量在空间上具有较强的解释意义，同时也佐证了GWR模型得出不同城市单元影响因素各异的结论。

表 7(Tab. 7

表 7 分时段与分区域检验结果 Tab.7 Results of Time-division and Regional Test

表 7 分时段与分区域检验结果 Tab.7 Results of Time-division and Regional Test

第一，从时空演变特征来看，2003年以来，我国生产性服务业发展水平提升显著，形成了以京津冀、长三角、珠三角为主的高值集聚区，由沿海向内陆阶梯状递减的趋势逐渐增强，在空间格局上呈现出沿海向内陆的“中心—外围”结构。此外，我国生产性服务业的空间分布逐渐趋于以南—北方向分布为主体，并经历在东—西方向上先极化后分散，在南—北方向上先分散后极化的空间演变特征。

第二，从时空关联特征来看，生产性服务业发展水平在地市单元上存在显著的空间正相关性，但关联强度呈现波动式趋势，可见我国生产性服务业发展的持续性与稳定性较差。热、冷点的变化均表现出明显的空间演变特点，即位于东部沿海的热点区趋于分散，位于中部的冷点区趋于收敛，总体表现为以东部沿海为高集聚区，逐渐向内陆过渡为低集聚区的“阶梯形”结构。

第三，从影响因素分析来看，服务生产率对生产性服务业发展的正向影响最显著，其次为城市化率、开放程度、产权结构和知识资本密度，而工业化程度对生产性服务业发展产生抑制作用，挤出效应明显。地理加权回归结果证明各解释变量对生产性服务业的影响存在空间差异，其中服务效率的影响程度由南向北逐渐减弱；开放程度的影响区域主要集中在东部沿海；城市化率主要影响广东、福建沿海和黑龙江地区；产权结构的影响程度由东北向西南逐渐减弱；工业化程度的负向影响以我国南部地区为辐射点，向北依次减弱。知识资本密度的影响趋势由北向南逐渐减弱，影响最为显著的是东北地区。可见各因素的影响程度随着空间改变而发生变化。

基于以上结论，研究认为要进一步提高我国生产性服务业发展水平，缩小区域生产性服务业发展差距，应根据当地经济发展状况和产业结构特点，因地制宜重点发展地方经济急需的生产性服务业类型。尤其在中西部地区，应加快生产性服务业市场改革，确保生产性服务业企业在市场准入、基础设施方面获得相关优惠政策，及时调整服务生产效率、对外开放程度、产权结构、人力资本投入同时，加强城市化建设、交通运输、信息网络等方面的基础设施建设，缩短与高水平地区的差距。本文通过构建生产性服务业发展评价指标体系，探究我国生产性服务业发展水平的时空特征与影响因素，虽从城市层面进行考察，但浅尝辄止，缺乏多样化视角和微观尺度分析，今后的研究还应加强不同发展水平地区之间的对比与差异分析，以及对未来产业发展水平的预测与把握，以期为我国产业发展提供规划支撑。此外，生产性服务业发展水平的评价方面，受限于数据的获取，仅从5个方面进行了综合评价，忽视了我国产业发展的社会背景与环境因素。