文章快速检索     高级检索
  人文地理  2023, Vol. 38 Issue (2): 116-125  DOI: 10.13959/j.issn.1003-2398.2023.02.014
0

引用本文  

李江苏, 孟琳琳, 李韦华, 李小建. 黄河流域生产性服务业综合发展水平时空演变及影响因素分析[J]. 人文地理, 2023, 38(2): 116-125. DOI: 10.13959/j.issn.1003-2398.2023.02.014.
LI Jiang-su, MENG Lin-lin, LI Wei-hua, LI Xiao-jian. SPATIAL-TEMPORAL PATTERN AND INFLUENCING FACTORS OF COMPREHENSIVE DEVELOPMENT LEVEL OF PRODUCER SERVICES IN THE YELLOW RIVER BASIN[J]. Human Geography, 2023, 38(2): 116-125. DOI: 10.13959/j.issn.1003-2398.2023.02.014.

基金项目

国家自然科学基金项目(42271192);河南省高等学校智库研究项目(2022ZKYJ05);河南省高等学校重点科研项目(23A170002)

作者简介

李江苏(1983—),男,云南陆良人,博士,副教授,博士生导师,主要研究方向为空间分析与区域发展。E-mail: lijs.09b@igsnrr.ac.cn

通讯作者

李小建(1954—),男,河南孟津人,博士,教授,博士生导师,国际欧亚科学院院士,主要研究方向为经济地理学。E-mail: xjli@henu.edu.cn

文章历史

收稿日期:2022-03-08
修订日期:2022-09-06
黄河流域生产性服务业综合发展水平时空演变及影响因素分析
李江苏 1, 孟琳琳 1, 李韦华 1, 李小建 1,2     
1. 河南大学 黄河文明与可持续发展研究中心暨黄河文明省部共建协同创新中心,开封 475001;
2. 河南财经政法大学 城乡协调发展河南省协同创新中心,郑州 450046
提   要:发展生产性服务业可激发内需潜力和引领产业结构升级,对经济高质量发展有促进作用。从发展环境、规模、结构、效益和潜力等维度,评价黄河流域生产性服务业综合发展水平;用面板数据回归,探讨要素对黄河流域全流域及各地区生产性服务业综合发展水平的影响。研究发现:流域内不同空间尺度的生产性服务业综合发展水平不断提升,但水平依然较低;在综合发展水平5个维度中,发展潜力巨大、规模可观,但结构、环境和效益欠佳;市场发育程度、政府作用、城市化水平对不同空间尺度提高生产性服务业综合发展水平作用较大,对外开放水平作用微弱;知识密集度和信息化水平的促进作用有待挖掘。
关键词生产性服务业    综合发展水平    空间自相关    面板数据回归    黄河流域    
SPATIAL-TEMPORAL PATTERN AND INFLUENCING FACTORS OF COMPREHENSIVE DEVELOPMENT LEVEL OF PRODUCER SERVICES IN THE YELLOW RIVER BASIN
LI Jiang-su1 , MENG Lin-lin1 , LI Wei-hua1 , LI Xiao-jian1,2     
1. Key Research Institute of Yellow River Civilization and Sustainable Development & Collaborative Innovation Center of Yellow River Civilization Provincial Co-construction, Henan University, Kaifeng 475001, China;
2. Collaborative Innovation Center of Urban-Rural Coordinated Development, Henan University of Economics and Law, Zhengzhou 450046, China
Abstract: This paper evaluates the comprehensive development level of producer services (CDLPS) in the Yellow River Basin (YRB) from the dimensions of development environment, scale, structure, benefit and potential, and then describes its exploratory spatial-temporal analysis; Using panel data regression, this paper discusses the impact of various factors on CDLPS in the whole basin, upper reaches and middle-lower reaches of the YRB. The results show that: The CDLPS at different spatial scales is increasing, but the development level is still low; In the five dimensions of CDLPS, the development potential is huge and the development scale is considerable, but the development structure, environment and efficiency are not good; The influence degree of each factor on CDLPS in the whole basin and sub regions is different; The degree of market development, the role of government and the level of urbanization play a great role in improving the CDLPS at different spatial scales, but the role of reform and opening up is weak; The promotion effect of knowledge intensity and information level on CDLPS needs to be explored.
Key words: producer services    comprehensive development level    spatial autocorrelation    panel data regression    the Yellow River Basin    
1 引言

在产业结构由“工业经济”向“服务经济”转变的进程中,服务业在提高经济发展水平、促进产业结构升级、拉动就业等方面发挥重要作用[1],特别是在我国创新驱动发展战略背景下,生产性服务业对推动产业转型升级与区域创新起着重要作用。在《黄河流域生态保护和高质量发展规划纲要》中,把“建设特色优势现代产业体系”作为黄河流域产业高质量发展的行动纲领;《纲要》明确了“建设特色优势现代产业体系”须围绕“四方面”开展:提高科技创新支撑能力、建设全国重要能源基地、加快战略性新兴产业和先进制造业发展。发展生产性服务业对黄河流域“建设特色优势现代产业体系”至关重要。原因在于:从生产性服务业特性来看,它作为一种中间投入服务,扮演着国家和区域发展的助推器角色,它发展水平的高低,将对《纲要》中的“四方面”产生深刻影响。黄河流域内部社会经济发展水平差异大,部分地区面临产业结构失衡、生产性服务业发展滞后且对其他产业支撑力不足等问题,严重制约黄河流域经济高质量发展。为此,分析黄河流域生产性服务业发展水平的时空格局及影响因素,揭示流域内部空间差异并提出对策,对黄河流域生产性服务业发展水平提升有重要现实意义。

生产性服务业的概念由国外引入,学界对生产性服务业概念界定各异。Machlup最早提出生产性服务业,认为生产性服务业是关于知识产出的产业,涉及知识生产、信息服务等[2]。Greenfield首次完整定义生产性服务业,即企业及政府为生产者提供服务的行业[3]。多数学者认为:生产性服务业是提供中间需求(相对于最终需求)的服务,代表企业和其他组织(相对于家庭和个人)在所有经济部门的生产过程中的投入[4]。国内在20世纪90年代开始关注生产性服务业,赵群毅和周一星认为生产性服务业是通过提供产品生产和其他服务的投入活动来提高生产效率,更多发挥的是中间功能[5]。李江帆在总结国外成果的基础上,认为生产性服务业是指为满足中间需求、向外部企业和其他组织的生产活动提供中间投入服务,用于进行商业运作和更进一步的生产而非主要用于满足最终直接消费和个人需要的行业[6]。综上,虽然学界对生产性服务业的界定存在差异,但基本观点一致,即生产性服务业是随着生产分工的不断细化,从制造业中逐步剥离出来的,它主要作为一种“中间投入服务”,不直接对消费者提供服务。

生产性服务业空间格局问题,在过去几十年里是经济地理学、区域经济学关注的热点。国外基于工业集聚论,对生产性服务业空间格局进行探讨[7]。Moyart发现,与其他服务业相比,生产性服务业空间不均衡性更突出[8],生产性服务业集中布局在大都市区[9]。在城市内部,生产性服务业集中分布在中心城区及CBD[10]。国内从全国、省域、城市群和市域等尺度,探究生产性服务业整体或分行业的时空格局。在全国尺度,发现生产性服务业“南—北”方向呈先分散后极化、“东—西”方向上呈“先极化后分散”的格局[11],呈点状集聚模式[12],主要集中在特大城市[13]。在特定时期(2003—2013年),我国生产性服务业的空间格局呈“均衡—非均衡”的变动态势[14]。对金融业的研究发现,胡焕庸线以南地区集聚水平较高[15]。在省域和城市群尺度,着重关注经济发展水平较高的省域和城市群[16-19]。在城市尺度,重点关注北京、广州、南京等城市,这些城市生产性服务业空间聚集特征明显,且城市间存在差异[14, 20, 21]。在研究生产性服务业空间格局时,量化生产性服务业发展水平有两种方式:一是用生产性服务业就业人数或产值表征;二是构建指标体系综合表征[11];在量化的基础上采用区位熵、核密度等方法刻画生产性服务业时空格局[15]。在对生产性服务业空间格局的影响因素分析时,多采用空间计量模型[14]、面板模型[19]等方法探讨,分析发现经济发展水平、信息化程度、政府作用等要素影响着生产性服务业空间格局[22-24]

综上,关于生产性服务业的研究成果丰硕,为本文提供有益借鉴。然而,在以下方面有待完善:较多研究采用单一指标表征生产性服务业发展水平,仅反映了产业发展规模,其发展环境、结构、效益和潜力不能被表征;因此,有待构建指标体系表征生产性服务业综合发展水平。已有研究较多关注整个研究区,其内部差异得不到深入分析,探讨较大地域范围时,内部空间差异有待关注。在影响因素选择时,市场发育程度作为生产性服务业发展源泉,对生产性服务业发展有重要作用,应纳入分析框架。黄河流域内部区域差异大,大部分区域属于欠发达地区,经济发展缓慢,产业重化工业特征明显,生产性服务业层次偏低、集聚水平弱。关于黄河流域生产性服务业的大部分研究,侧重于对流域内部分省份或城市的探讨,从整体视角观测黄河流域生产性服务业综合发展水平有待开展。

借鉴已有成果,为克服单一指标表征生产性服务业发展水平的局限性,本文从发展环境、发展规模、发展结构、发展效益和发展潜力5个维度,构建生产性服务业发展评价指标体系,评价黄河流域生产性服务业综合发展水平,并进行时空格局特征分析;采用面板回归模型,探讨制造业集聚、信息化水平、市场发育程度、城市化水平等因素对全流域、上游和中下游地区生产性服务业综合发展水平的影响。通过研究黄河流域生产性服务业综合发展水平时空格局及影响因素,对促进黄河流域产业结构升级、经济高质量发展具有重要现实意义。

2 研究区域、数据与方法 2.1 研究区域

黄河流域涉及青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南和山东9省区。本文考虑到:①内蒙古的东盟4市(赤峰、通辽、兴安盟和呼伦贝尔),属于国务院《东北地区振兴规划》的范围,与东北地区经济发展联系较紧密;②黄河在四川仅流经甘孜藏族和阿坝藏族羌族2个自治州,2个地区的经济和人口仅占黄河流域的1%[25],且四川被纳入长江经济带。因此,本文以黄河流域自然流域为基础,将山东、河南、陕西、山西、内蒙古(不包括东盟4市)、宁夏、甘肃、青海等8省区作为研究区域(图 1),共包含91个地级行政区。在此基础上,将黄河上、中、下游分界点与行政区划结合,划分黄河流域上中下游:上游为青海、甘肃、宁夏、内蒙古;中游为山西和陕西;下游为河南和山东。

图 1 研究区域 Fig.1 Study Area
2.2 研究方法

借鉴国内外有代表性的生产性服务业分类[3, 5, 18, 26, 27],参照《国民经济行业分类与代码(GB/4754-2011)》、《生产性服务业统计分类(2019)》,本文将生产性服务业划分为6类:交通运输、仓储和邮政业,信息传输、软件和信息技术服务业,金融业,房地产业,租赁和商务服务业,科学研究和技术服务业。在此基础上构建评价指标体系,采用熵值法测度黄河流域生产性服务业综合发展水平;运用标准差、变异系数和探索性空间数据分析方法,对黄河流域生产性服务业发展的绝对差异、相对差异和空间关联特征等进行分析;采用面板回归模型,探讨多种要素对全流域、上游和中下游地区生产性服务业综合发展水平的影响(面板回归模型见第4部分)。

(1) 评价指标体系构建

借鉴生产性服务业发展评价的相关研究[11, 28],从生产性服务业的发展环境、规模、结构、效益和潜力5个方面构建评价指标体系(表 1)。表 1中生产性服务业劳动生产率为生产性服务业增加值与生产性服务业就业人数的比值。

表 1 生产性服务业综合发展水平评价指标体系 Tab.1 Evaluation Index System of Development Level of CDLPS

(2) 熵值法、标准差和变异系数

采用熵值法测度生产性服务业综合发展水平,并用标准差和变异系数衡量黄河流域各地级城市生产性服务业综合发展水平的绝对和相对差异,此类方法较常见,计算步骤参见文献[29]

(3) 探索性空间分析(ESDA)

采用探索性空间数据分析方法,分析黄河流域生产性服务业发展的空间关联特征。全局空间自相关揭示区域整体的空间关联性以及差异程度,局部空间自相关在一定程度上弥补全局自相关对空间内部差异描述的不足。

Global Moran's I计算公式为[30]

(1)

Global Moran's I为全局空间自相关指数,n为评价单元总数;xixj分别为城市i和城市j的生产性服务业综合发展水平;x为所有城市生产性服务业综合发展水平的平均值;wij为城市i和城市j的空间权重矩阵;Moran's I指数取值范围为[-1, 1],其绝对值越大表示空间自相关程度越高。

Global Moran's I计算公式为[30]

(2)

Global Moran's I为局部空间自相关指数,相关参数解释同式(1)。

2.3 数据来源

本文涉及三方面数据:①生产性服务业综合发展水平评价支撑数据。各指标数据源于2008—2018年《中国城市统计年鉴》、《中国区域经济统计年鉴》、各省市统计年鉴、国民经济发展统计公报、经济普查公报以及向政府部门收集的数据;专利申请数据来源于中国国家知识产权局数据库。②影响因素分析支撑数据,来源于《中国城市统计年鉴》和各省市统计年鉴。③黄河流域边界及行政区划数据(2015年),来源于中国科学院资源环境科学与数据中心(https://www.resdc.cn)。

3 黄河流域生产性服务业时空格局分析 3.1 时序演变特征

从综合指数来看,全流域及各地区生产性服务业综合发展水平均呈上升趋势(图 2a),下游地区增长幅度最大,高于全流域和中、上游地区,这与下游地区经济发展环境良好、区位条件优越有关。从绝对差异(标准差)来看,全流域及各地区均呈不断拉大趋势(图 2b)。中、下游地区绝对差异最大,全流域次之,上游最小。从相对差异(变异系数)来看,全流域生产性服务业的相对差异呈缓慢拉大趋势(图 2c),中游地区相对差异最大,且呈持续拉大趋势。上游地区相对差异变化不大,呈“增大—减小”趋势,下游呈缓慢拉大趋势。可见,研究期内黄河流域生产性服务业综合发展水平不断提升,全流域及各地区之间存在较大区域差异。

图 2 黄河流域生产性服务业综合发展水平变化趋势 Fig.2 Trend of CDLPS in the YRB

从内部维度来看,发展规模、环境、结构、效益和潜力指数均呈稳步上升态势;其中,潜力指数增长最快,规模和环境次之,结构指数增长最慢。在未来生产服务业发展中,有待提高发展效益、创造良好发展环境以及优化现代服务业结构(图 2d)。

3.2 空间演变特征

采用自然断点法将各地市生产性服务业综合发展水平分为5级(图 3)。2007—2017年,尽管综合发展水平中等以下水平的城市占比从76.25%降低到65%,但中等水平以下城市占比仍接近2/3。2017年结果显示:处于高水平的有西安、青岛等4个城市,这些城市发展潜力和规模大,发展结构优,发展效益和环境好;处于较高水平的城市有太原、呼和浩特等14个城市,这些城市在发展规模和潜力不具优势,但部分城市在发展环境、结构和效益方面发展较好;处于中等水平的城市有泰安、滨州等10个城市,这些城市的生产性服务业各项指标多处于中等水平;处于低水平的城市有延安、漯河等22个城市,这些城市在发展环境、规模、结构、效益和潜力等5个方面,均不具备优势(图 34)。

图 3 黄河流域生产性服务业综合发展水平空间格局 Fig.3 Spatial Pattern of CDLPS in the YRB
图 4 2017年黄河流域生产性服务业分维度指数的空间格局 Fig.4 Spatial Pattern of Producer Services Sub Dimension Index in the YRB in 2017

对综合发展水平进行空间自相关分析,得到Moran's I值(表 2)。Moran's I值均为正且通过5%显著性水平检验,表明综合发展水平在空间上存在显著正相关,生产性服务业发展高值区和低值区在空间上均趋于集聚。2007—2017年,空间相关性总体上呈“上升—下降”的趋势,其中2013年Moran's I达到最高值(0.136)。表明2007—2013年,黄河流域生产性服务业发展的空间自相关性不断增强,2013—2017年黄河流域生产性服务业发展的空间自相关性不断减弱,在空间分布上集聚程度呈下降态势。局部空间自相关分析发现(图 5):①2007、2012和2017年高—高(H-H)集聚区稳定分布在青岛、威海等鲁东城市,说明这些城市本身及周边地区的生产性服务业综合发展水平较好;②高—低(H-L)集聚城市呈点状分布,这类城市本身生产性服务业综合发展水平高,但周围城市生产性服务业综合发展水平低;③低—高(L-H)集聚城市也呈点状分布,这类城市的生产性服务业综合发展水平低,而周围城市生产性服务业综合发展水平高;④2007、2012和2017年低—低(L-L)集聚区的城市有天水、平凉等7个城市,2007和2012年信阳也属于此类型,这些城市生产性服务业综合发展水平低,并且周围城市的生产性服务业综合发展水平也较低。

表 2 黄河流域生产性服务业综合发展水平Moran's I估计值 Tab.2 Estimated Value of Global Moran's I for the CDLPS in the YRB
图 5 2007—2017年黄河流域生产性服务业综合发展水平LISA图 Fig.5 Lisa Chart of CDLPS in the YRB from 2007 to 2017
4 黄河流域生产性服务业综合发展影响因素分析 4.1 分析框架

依据相关研究进展,本文归纳了影响生产性服务业的6个因素,提出7个假说(图 6):H1—制造业水平与生产性服务业发展呈正相关;H2—信息化水平与生产性服务业发展呈正相关;H3—市场发育程度与生产性服务业发展呈正相关;H4-1—对外开放水平与生产性服务业发展呈正相关;H4-2—政府作用对生产性服务业的发展具有双重作用;H5—城市化水平与生产性服务业发展呈正相关;H6—知识密集度与生产性服务业发展呈正相关。

图 6 生产性服务业综合发展水平的影响因素分析框架 Fig.6 Analysis Framework of Influencing Factors on CDLPS

基于数据可得性,选取黄河流域80个地级城市2007—2017年的数据进行分析,基于上述假说,选择7个解释变量,对黄河流域生产性服务业综合发展水平进行检验。本文选用面板模型对生产性服务业综合发展水平的影响因素进行分析。面板回归模型设定如下:

(3)

其中,PSit为生产性服务业综合发展水平,α是常数,β1β2β3β4β5β6β7为变量的估计系数,δi为个体固定效应,μit为随机误差项。PSiti城市t年生产性服务业综合发展水平,MANUitINFOitMARitURBitOPENitGOVitKNOWit分别为i城市t年的制造业集聚、信息化水平、市场发育程度、城市化水平、对外开放水平、政府作用、知识密集度。为减少变量间的异方差,对8个变量取对数。对于上述变量,生产性服务业综合发展水平(PSit)用前述综合评价结果表征;制造业集聚采用制造业区位熵表征[31];信息化水平采用邮电业务总量表征[32];城市化水平用常住人口城镇化率表征;对外开放水平用外商直接投资额表征[33];政府作用选用政府财政支出占GDP比重表征;知识密集度用万人拥有高等学校专任教师数量表征[20];市场发育程度用市场发育指数反映地区市场规模,该指标综合考虑经济和人口因素,计算公式为[34]

(4)

式中,MDiti地区t年市场发育指数,EDiti地区t年经济密度,PDiti地区t年人口密度,GDPiti地区t年生产总值,POPiti地区t年人口总数。

4.2 模型检验 4.2.1 变量平稳性检验

为保证检验结果的可靠性,使用LLC、IPS、Fisher-ADF和Fisher-PP检验等方法对其进行检验。检验显示(表 3):在5%显著性水平下,LN(PSit)、LN(MANUit)、LN(URBit)3个变量不平稳。因此,需对变量进行一阶差分处理,从一阶差分检验结果来看,LN(PSit)、LN(MANUit)、LN(INFOit)等8个变量均在5%显著性水平下拒绝序列不平稳的假设,通过稳定性检验。

表 3 面板单位根检验结果 Tab.3 Panel Unit Root Test Results
4.2.2 变量协整关系检验

由单位根检验结果可知,变量可进行协整检验。本文采用Kao、Pedroni和Westerlund 3种检验方法进行协整检验,3种方法的原假设均是各变量之间不存在协整关系。检验显示(表 4),各变量之间的协整关系在1%显著性水平下,拒绝原假设,即各变量之前存在长期稳定的协整关系。

表 4 面板协整检验结果 Tab.4 Panel Cointegration Test Results
4.2.3 面板模型选取检验

面板数据模型主要有固定、随机和混合3种效应模型,通过LM检验、F检验和Hausman检验决定采用哪种模型。检验显示(表 5):全流域、中下游及上游面板估计模型的LM检验、F检验和Hausman检验均拒绝原假设。因此,均应建立个体固定效应模型。

表 5 面板模型的检验结果 Tab.5 Inspection Results of Panel Model
4.3 回归结果 4.3.1 全流域回归结果

全流域面板模型检验显示(表 6):固定效应模型可决系数R2为0.8665,拟合效果较好。除“知识密集度”指标外,其余6个指标均通过1%显著性检验。从影响程度来看,市场发育程度对生产性服务业发展的影响最大,政府作用、城市化水平、制造业集聚次之,信息化水平和对外开放水平影响较小。对于7个假说,表 6的检验结果无法验证H6,知识密集度对生产性服务业综合发展水平的作用不显著,可能原因为:一方面,生产性服务业的发展需要专业技术人才,由于数据可得性,本文采用普通高等学校在校教师数表征知识密集度,存在一定片面性;另一方面,高素质人才常选择东部发达省份就业,黄河流域大部分地区属于中西部地区、经济社会发展水平较低,对人才吸引力不足,人才流失严重。

表 6 黄河流域全流域面板回归计量结果 Tab.6 Panel Regression Measurement Results of the Whole YRB
4.3.2 分地区回归结果

为考察影响因素在黄河流域不同地区对生产性服务业发展的作用差异,分别对中下游和上游地区进行回归分析,回归结果见表 7

表 7 黄河流域分地区面板回归结果 Tab.7 Panel Regression Results of Different Regions in the YRB

制造业集聚和信息化水平对中下游地区生产性服务业发展具有显著正向作用,但对上游地区不显著。说明制造业集聚和信息化水平对上游生产性服务业的发展产生的作用较小。这是由于上游地区制造业、信息化水平较低,对生产性服务业的需求较少,促进作用不明显。而中下游地区,制造业发展水平高,对生产性服务业的需求大,从而促进生产性服务业的发展。

市场发育程度对中下游和上游地区生产性服务业的发展均产生正向作用,中下游和上游地区弹性系数分别为1.0323和0.8777,均通过1%显著性检验,且中下游地区弹性系数较大,说明市场发育水平对中下游地区影响较大。城市化水平对中下游和上游地区均产生显著的正向作用,弹性系数分别为0.6936和0.3499,对中下游地区的生产性服务业发展较为明显。城市化进程中,大量人口和非农产业的集聚需要金融、物流、信息和技术服务等生产性服务业支持。区域弹性系数差异的原因在于,中下游大部分地区位于“胡焕庸线”东侧,该区域人口密集、城镇扩张规模大,为此城镇化拉动金融、物流、房地产等行业更加突出;上游地区位于“胡焕庸线”西侧,该区域人口稀疏、城镇扩张规模相对于中下游地区小,城镇化拉动金融、物流、房地产等行业不突出。

对外开放水平对中下游和上游地区具有显著的促进作用,弹性系数分别为0.0195和0.0181,分别通过5%和10%显著性检验。弹性系数均较小且相差不大,说明对外开放水平对黄河流域生产性服务业的发展作用微弱。这是由于黄河流域大部分区域处于内陆地区,全面对外开放时间晚、开放程度低,在外资引进、参与全球贸易分工中经验相对不足,因此对外开放未能较好地拉动生产性服务业。政府作用对中下游和上游地区的弹性系数分别为0.5916和0.2473,均通过1%显著性检验。说明政府作用对生产性服务业的发展具有促进作用。黄河流域生产性服务业发展基础较弱、水平较低、速度较慢,需要政府的大力支持。区域弹性系数差异的原因在于,中下游地区政府可支配的财政资金较上游充足,能将更多的财政资金用于引导生产性服务业发展,而上游地区政府可支配财政资金相对不足,用于引导生产性服务业发展的财政资金相对较少。知识密集度对上中下游生产性服务业的发展影响均不显著。黄河流域生产性服务业发展水平较低,高层次服务业人才短缺,人力资本对黄河流域生产性服务业综合发展作用不显著。

5 结论与建议 5.1 结论

从发展环境、规模、结构、效益和潜力等维度构建生产性服务业发展评价指标体系,分析黄河流域生产性服务业综合发展水平的时空格局特征,进而探讨制造业集聚、信息化水平、市场发育程度、城市化水平等因素对全流域、中下游和上游地区生产性服务业发展的影响。结论如下:

(1) 全流域、上、中、下游地区的生产性服务业综合发展指数均呈上升趋势;全流域生产性服务业综合发展水平较低,近2/3的地市处于中等以下水平;全流域、上、中、下游地区生产性服务业综合发展水平的区域差异不断拉大;黄河流域生产性服务业综合发展水平在空间上存在显著集聚特征,空间集聚程度经历了“上升—下降”的变化,2013年为变化的拐点。

(2) 各要素对全流域和分地区生产性服务业的影响程度存在差异,对于全流域,除假说H6不成立,其他假说均成立,各要素的影响程度排序为:市场发育程度 > 政府作用 > 城市化水平 > 制造业集聚 > 信息化水平 > 对外开放水平;对于中下游地区,除假说H6不成立,其他假说均成立,各要素的影响程度排序为:市场发育程度 > 城市化水平 > 政府作用 > 制造业集聚 > 信息化水平 > 对外开放水平;对于上游地区,假说H1、H2、H6未通过检验,要素影响程度排序为:市场发育程度 > 城市化水平 > 政府作用 > 对外开放水平。

5.2 建议

结合结论,为促进黄河流域生产性服务业高质量发展,提出如下建议:

第一,应充分发挥生产性服务业综合发展水平处于较高和高水平地市(省会城市以及青岛、包头、鄂尔多斯、烟台、东营)的辐射带动作用。加强西安、郑州、青岛等区域中心城市间、区域中心城市与周边地市间的联系,形成流域内生产性服务业错位发展、优势互补的空间格局。第二,针对制造业集聚对上游地区、中下游地区生产性服务业发展产生的影响不一致特征。未来应结合资源环境本底、产业基础条件,提高制造业规模和集聚水平,扩大制造业对生产性服务业的需求,进而提高生产性服务业综合发展水平。对于上游,祁连山等地是生态功能区,宁夏平原和河套平原是农灌区,应发展以生态和农产品加工为特色的制造业,延长制造业产业链,不断提高制造业竞争力;对于下游,已具备专业设备制造业、化学原料及制品制造业、电子信息制造业等门类体系,应完善产业配套,促进制造业向高精尖方向发展。第三,政府政策对生产性服务业发展有促进作用。地方政府应继续加强对生产性服务业的扶持,改善投资环境,完善市场体制,积极调整市场结构和层次,加快发展金融、信息和技术市场等,构建公平竞争的市场秩序。第四,对外开放水平对生产性服务业发展有促进作用,但影响程度较弱。要抢抓黄河流域生态保护和高质量发展的战略机遇,发挥山东、河南和陕西三省自由贸易试验区的引领作用,加大对外开放力度,引导外资投向生产性服务业,利用现代物流、旅游等资源优势,采取多种方式与外企开展技术交流与合作,增强生产性服务业竞争力。第五,针对知识密集度以及信息化水平对生产性服务业的发展不明显问题。各地要注重人才培养,加大教育投入力度,建立健全人才培养机制;加快推进安全、高效的信息网络基础设施建设,以充分发挥信息技术对黄河流域生产性服务业的促进作用。

参考文献
[1]
江小涓, 李辉. 服务业与中国经济: 相关性和加快增长的潜力[J]. 经济研究, 2004, 39(1): 4-15. [Jiang Xiaojuan, Li Hui. Service industry and China's economy: Correlation and potential of faster growth[J]. Economic Research Journal, 2004, 39(1): 4-15.]
[2]
Machlup F. The Production and Distribution of Knowledge in the United States[M]. Princeton: Princeton University Press, 1962: 3-13.
[3]
Greenfield H I. Manpower and the Growth of Producer Services[M]. New York: Columbia University Press, 1966: 1-16.
[4]
Coffey W J. The geographies of producer services[J]. Urban Geography, 2000, 21(2): 170-183. DOI:10.2747/0272-3638.21.2.170
[5]
赵群毅, 周一星. 北京都市区生产者服务业的空间结构——兼与西方主流观点的比较[J]. 城市规划, 2007, 31(5): 24-31. [Zhao Qunyi, Zhou Yixing. Spatial structure of producer services in Beijing metropolitan area[J]. City Planning Review, 2007, 31(5): 24-31.]
[6]
李江帆, 毕斗斗. 国外生产服务业研究述评[J]. 外国经济与管理, 2004, 26(11): 16-19, 25. [Li Jiangfan, Bi Doudou. A review of foreign research on producer services[J]. Foreign Economics & Management, 2004, 26(11): 16-19, 25. DOI:10.3969/j.issn.1001-4950.2004.11.003]
[7]
申玉铭, 吴康, 任旺兵. 国内外生产性服务业空间集聚的研究进展[J]. 地理研究, 2009, 28(6): 1494-1507. [Shen Yuming, Wu Kang, Ren Wangbing. Research progress of the spatial agglomeration on producer services[J]. Geographical Research, 2009, 28(6): 1494-1507.]
[8]
Moyart L. The role of producer services in regional development: What opportunities for medium-sized cities in Belgium?[J]. The Service Industries Journal, 2005, 25(2): 213-228. DOI:10.1080/0264206042000305420
[9]
Coffey W J, Shearmur R G. The growth and location of high order services in the Canadian urban system, 1971-1991[J]. The Professional Geographer, 1997, 49(4): 404-418. DOI:10.1111/0033-0124.00087
[10]
Coffey W J. Forward and backward linkages of producer-services establishments: Evidence from the montreal metropolitan area[J]. Urban Geography, 1996, 17(7): 604-632. DOI:10.2747/0272-3638.17.7.604
[11]
白雪, 宋玉祥. 中国生产性服务业发展水平的时空特征及其影响因素[J]. 人文地理, 2019, 34(3): 118-127. [Bai Xue, Song Yuxiang. Temporal-spatial characterisitics and influential factors of China's producer services development[J]. Human Geography, 2019, 34(3): 118-127.]
[12]
李佳洺, 孙铁山, 张文忠. 中国生产性服务业空间集聚特征与模式研究——基于地级市的实证分析[J]. 地理科学, 2014, 34(4): 385-393. [Li Jiaming, Sun Tieshan, Zhang Wenzhong. Spatial cluster characteristics and modes of producer services in China[J]. Scientia Geography Sinica, 2014, 34(4): 385-393.]
[13]
杨帆, 叶嘉安. 中国生产性服务业发展与空间分布[J]. 热带地理, 2013, 33(2): 178-186. [Yang Fan, Ye Jiaan. Growth and spatial development of producer services in China[J]. Tropical Geography, 2013, 33(2): 178-186.]
[14]
陈红霞, 李国平. 中国生产性服务业集聚的空间特征及经济影响[J]. 经济地理, 2016, 36(8): 113-119. [Chen Hongxia, Li Guoping. Spatial characteristics and economic impact of producer services agglomeration in China[J]. Economic Geography, 2016, 36(8): 113-119.]
[15]
王艳华, 赵建吉, 刘娅娜, 等. 中国金融产业集聚空间格局与影响因素——基于地理探测器模型的研究[J]. 经济地理, 2020, 40(4): 125-133. [Wang Yanhua, Zhao Jianji, Liu Yana, et al. The spatial pattern of China's financial industry agglomeration and its influencing factors: A study based on the Geographical Detector Model[J]. Economic Geography, 2020, 40(4): 125-133.]
[16]
方远平, 毕斗斗, 谢蔓, 等. 知识密集型服务业空间关联特征及其动力机制分析——基于广东省21个地级市的实证[J]. 地理科学, 2014, 34(10): 1193-1201. [Fang Yuanping, Bi Doudou, Xie Man, et al. Spatial correlation characteristics and dynamic mechanism of knowledge intensive business service: A spatial econometric analysis of Guangdong province[J]. Science Geographica Sinica, 2014, 34(10): 1193-1201.]
[17]
郑长娟, 郝新蓉, 程少锋, 等. 知识密集型服务业的空间关联性及其影响因素——以浙江省69个县市为例[J]. 经济地理, 2017, 37(3): 121-128, 17. [Zheng Changjuan, Hao Xinrong, Cheng Shaofeng, et al. Spatial agglomeration of knowledge-intensive business services in Zhejiang province and its determinants: Spatial statistical survey and econometric analysis based on data of 69 cities and counties[J]. Economic Geography, 2017, 37(3): 121-128, 17.]
[18]
张旺, 申玉铭. 京津冀都市圈生产性服务业空间集聚特征[J]. 地理科学进展, 2012, 31(6): 742-749. [Zhang Wang, Shen Yuming. The spatial characteristics of producer service agglomeration in Beijing-Tianjin-Hebei metropolitan region[J]. Progress in Geography, 2012, 31(6): 742-749.]
[19]
陈方. 长三角地区生产性服务业集聚影响因素研究[D]. 长春: 吉林大学, 2020: 35-36. [Chen Fang. Research on the Influencing Factors of Producer Services Agglomeration in the Yangtze River Delta Region[D]. Changchun: Jilin University, 2020: 35-36.]
[20]
蒋海兵, 张文忠, 余建辉. 杭州生产性服务业的时空格局演变[J]. 经济地理, 2015, 35(9): 103-111. [Jiang Haibing, Zhang Wenzhong, Yu Jianhui. Spatial and temporal pattern evolution of urban producer services in Hangzhou[J]. Economic Geography, 2015, 35(9): 103-111.]
[21]
滕丽, 蔡砥, 林彰平. 大都市中心区生产性服务业集群的空间溢出——以广州市天河区为例[J]. 人文地理, 2020, 35(4): 111-120. [Teng Li, Cai Di, Lin Zhangping. Analysis of the spillover effect of productive services cluster in central metropolitan area: Taking Tianhe district of Guangdong as an example[J]. Human Geography, 2020, 35(4): 111-120.]
[22]
刘辉煌, 雷艳. 中部城市生产性服务业集聚及其影响因素研究[J]. 统计与决策, 2012(8): 108-110. [Liu Huihuang, Lei Yan. Study on the agglomeration of producer services and its influencing factors in central cities[J]. Statistics and Decision, 2012(8): 108-110.]
[23]
万千欢, 千庆兰, 陈颖彪. 广州市生产性服务业影响因素研究[J]. 经济地理, 2014, 34(1): 89-93. [Wan Qianhuan, Qian Qinglan, Chen Yingbiao. The factors influencial of the producer services in Guangzhou[J]. Economic Geography, 2014, 34(1): 89-93.]
[24]
刘锴, 李丹利, 刘桂春, 等. 中国沿海地区生产性服务业发展态势及驱动因素分析[J]. 地理科学, 2018, 38(9): 1543-1550. [Liu Kai, Li Danli, Liu Guichun, et al. The development situation of producer service industry and its driving factors in the coastal areas of China[J]. Scientia Geographica Sinica, 2018, 38(9): 1543-1550.]
[25]
赵建吉, 刘岩, 朱亚坤, 等. 黄河流域新型城镇化与生态环境耦合的时空格局及影响因素[J]. 资源科学, 2020, 42(1): 159-171. [Zhao Jianji, Liu Yan, Zhu Yakun, et al. Spatiotemporal differentiation and influencing factors of the coupling and coordinated development of new urbanization and ecological environment in the Yellow River Basin[J]. Resources Science, 2020, 42(1): 159-171.]
[26]
钟韵, 阎小培. 我国生产性服务业与经济发展关系研究[J]. 人文地理, 2003, 18(5): 46-51. [Zhong Yun, Yan Xiaopei. Relation between producer services and economic development in China[J]. Human Geography, 2003, 18(5): 46-51.]
[27]
席强敏, 李国平. 京津冀生产性服务业空间分工特征及溢出效应[J]. 地理学报, 2015, 70(12): 1926-1938. [Xi Qiangmin, Li Guoping. Characteristics and spillover effects of space division of producer service in the Beijing-Tianjin-Hebei metropolitan region: Based on spatial panel model[J]. Acta Geographica Sinica, 2015, 70(12): 1926-1938.]
[28]
赵瑞, 申玉铭. 黄河流域服务业高质量发展探析[J]. 经济地理, 2020, 40(6): 21-29. [Zhao Rui, Shen Yuming. An analysis of high-quality development of service industry in the Yellow River Basin[J]. Economic Geography, 2020, 40(6): 21-29.]
[29]
杨振山, 杨定. 城市发展指数指引下的我国收缩区域初步评判[J]. 人文地理, 2019, 34(4): 63-72. [Yang Zhenshan, Yang Ding. Exploring shrinking areas in China availing of city development index[J]. Human Geography, 2019, 34(4): 63-72.]
[30]
王凤, 刘艳芳, 孔雪松, 等. 中国县域粮食产量时空演变及影响因素变化[J]. 经济地理, 2018, 38(5): 142-151. [Wang Feng, Liu Yanfang, Kong Xuesong, et al. Spatial and temporal variation of grain production and its influencing factors at the county level in China[J]. Economic Geography, 2018, 38(5): 142-151.]
[31]
王晓燕. 长江经济带知识密集型服务业集聚特征及影响因素研究[D]. 上海: 华东师范大学, 2018: 33-35. [Wang Xiaoyan. Study on the Agglomeration Characteristics and Its Influencial Factors of KIBS Industry Along the Yangtze River Economic Belt[D]. Shanghai: East China Normal University, 2018: 33-35.]
[32]
李博, 张文忠, 余建辉. 服务业发展、信息化水平与全要素碳生产率增长——基于门限效应的实证研究[J]. 地理研究, 2016, 35(5): 953-965. [Li Bo, Zhang Wenzhong, Yu Jianhui. Development of service industry, level of informationization and growth of total factor carbon productivity: An empirical study based on threshold effect[J]. Geographical Research, 2016, 35(5): 953-965.]
[33]
关伟, 曹佳宾, 许淑婷. 东北三省服务业发展空间极化的演变及驱动因子分析[J]. 地理科学, 2015, 35(6): 733-741. [Guan Wei, Cao Jiabin, Xu Shuting. The evsolution of the development space polarization and driving factors in the service industry in Northeast China[J]. Scientia Geographica Sinica, 2015, 35(6): 733-741.]
[34]
申玉铭, 邱灵, 任旺兵, 等. 中国服务业空间差异的影响因素与空间分异特征[J]. 地理研究, 2007, 26(6): 1255-1264. [Shen Yuming, Qiu Ling, Ren Wangbing, et al. Analysis on influencing factors and characteristics of spatial disparity in Chinese service industry[J]. Geographical Research, 2007, 26(6): 1255-1264.]