生产性服务业集聚、劳动要素配置与区域协同发展

2023-07-01 08:28张红霞李家琦
经济经纬 2023年2期
关键词:生产性服务业要素

张红霞,李家琦,彭 程

(山东理工大学 经济学院,山东 淄博 255000)

引言

当前,中国经济已由高速增长阶段转向高质量发展阶段,以现代服务业为代表的第三产业规模持续扩大,生产性服务业作为现代服务业发展的生力军和全球产业竞争的制高点,正成为中国经济高质量发展的新动能。随着信息技术扩散以及知识交流密集,生产性服务业集聚因具有人才集聚和技术密集的特征成为整合空间资源、提高制造业生产效率和重塑城市空间的重要形式。生产性服务业作为产生于制造业内部并逐渐成长起来的独立产业部门与制造业存在紧密的前后向关联,因此其提供的生产性服务可以与制造业的发展需求相契合,同时制造业对生产性服务的需求不仅来自本地区还来自邻地的空间溢出,这使得生产性服务业集聚具有明显的空间外部性特征。生产性服务业集聚可以有效增强产业间有序联系和城市关联度,成为实现以城市间要素共享、相关利益增强以及经济发展差距缩小为标志的区域协同发展的重要路径。但由于多数地区缺乏对生产性服务业的统筹布局,其对区域协同发展的助推作用未能得到充分展现。

产业集聚已通过发挥“劳动蓄水池效应”渗透到劳动要素配置过程中(Marshall,1890)。产业集聚虽然通过“规模经济效应”和“劳动蓄水池效应”对本地经济增长产生正向影响,但也使得经济发展水平高的地区对经济发展水平低的地区形成人才掠夺。已有文献指出,人力资本的供需错配对人才流失地区的经济发展具有抑制效应,进而会加剧经济发展的不协调性(朱敏 等,2019;张红霞 等,2021)。但随着产业集聚阶段的递进,“劳动蓄水池效应”所培养的成熟劳动力通过“扩散效应”向邻近城市转移,促进了邻近城市的经济发展,从而缩小城际经济差距。由此可见,生产性服务业集聚对劳动要素配置的不确定性影响可能会传递到区域协同发展进程中。因此,如何有效发挥生产性服务业集聚对劳动要素配置、区域协同发展的正外部性成为中国实现经济可持续发展面临的重要问题。

生产性服务业集聚可以通过专业化分工(Markusen,1989)、学习效应(刘奕 等,2017)、竞争效应(徐从才 等,2008)以及专业化和多样化集聚(李斌 等,2020)对城市经济效率产生影响。生产性服务业集聚可以强化与制造业行业的前后向关联并与制造业形成协同,进而在空间中产生更明显的规模经济效应和中间品共享效应(Ke et al,2014)。从这一方面来说,某一地区的生产性服务业可以通过提升产业协同水平和城市关联强度对周边地区的经济发展产生影响。有学者进一步通过设定空间计量模型,验证了生产性服务业集聚对质量型经济增长(文丰安,2018)、城市技术创新(李勇辉 等,2021)和城市FDI效率(方慧 等,2021)存在空间溢出效应,为实现经济的“提质增效”提供优化路径。但从现实情况看,产业集聚并不总能带来地区经济的增长,产业过度集聚形成的拥挤效应(周圣强 等,2013)、同质化竞争(闫奕荣 等,2018)和环境污染(张可 等,2014)等各种负向效应可能会对经济可持续发展产生抑制效应。同时,经济质量的提升还需要考虑产业集聚水平与要素水平的匹配程度(施海燕,2012)。新经济地理学认为,集聚经济本身是要素在空间中的非均质分布以及要素流动所形成的经济发展形式。因此产业集聚过程可以有效调动劳动要素进行空间配置,并通过优化劳动力结构、改善资源错配现象以及与劳动力形成协同效应强化集聚对资源错配的改善效用(季书涵 等,2016),进而提高劳动生产率并持续影响地区差距(范剑勇 等,2009)。但集聚的正、负外部性可能在不同的阶段交替出现,因此产业集聚对要素配置的影响也存在正、负两种效应,即产业的过度集聚会产生挤出效应从而加剧生产要素的错配(沈能 等,2014),而劳动要素配置扭曲则会通过对人才集聚效应、技术创新效应以及产业结构效应的负向影响城市全要素生产率的提升(赵新宇 等,2021)。由此可见,资源供求的失衡最终会导致全要素生产率离散程度的加剧(Aoki, 2012)、生产效率以及经济增速的下降(Hsieh et al, 2009)。

近年来,有关京津冀、粤港澳、长三角等典型城市群和省际层面的协同发展理论得到较大发展,但现有研究中产业集聚与区域协同发展的因果关系尚且存在一定争议。刘丽萍等(2019)通过探讨安徽省及其三大临近城市生产性服务业集聚、区域经济的一体化和城市创新的关系,认为区域经济一体化促进了生产性服务业集聚和城市创新。但有关这一研究的主流观点仍为产业集聚会影响区域的协同发展,且随着产业集聚由弱变强,集聚对经济发展或经济效率的影响存在明显的拐点(周圣强 等,2013),产业集聚引发的“中心-外围”空间结构与地区间的发展差距存在明显的倒U形关系(赵勇 等,2015);刘岳平等(2017)则通过分析京津冀地区的生产性服务业行业,得出京津冀地区的产业集聚尚未通过扩散效应拉动周围地区的发展,造成区域协同发展进程缺乏深度的结论。

通过梳理国内外文献发现,现有研究在探究影响区域发展协同性的因素时,尚未将产业集聚与劳动要素配置结合起来分析,且现有文献多从京津冀典型城市群或省际层面探讨协同问题。基于此,本文尝试从省域 “中心-外围” 城市空间结构视角出发,检验生产性服务业集聚的“集聚效应”“扩散效应”和空间外部性对城市劳动要素配置和区域协同发展的动态影响效应。本文的边际贡献可能在于:(1)通过构建空间杜宾模型,将空间因素引入到分析框架中,检验生产性服务业集聚是否对劳动要素配置、区域协同发展存在非线性影响和空间溢出效应;(2)基于调节路径模型,检验劳动要素配置的非线性中介效应,探讨“生产性服务业集聚-劳动要素配置-区域协同发展”这一传导路径的成立机理。这对新常态下实现区域协同发展与劳动要素配置、产业结构相适应,以及促进经济可持续发展具有重要的现实意义。

一、理论假说

(一)生产性服务业集聚影响劳动要素配置

新经济地理学指出,产业集聚作为一种经济地理现象,其集聚效应对城市内部乃至城市间要素配置都具有重要影响。聚焦到生产性服务业和劳动要素来看,生产性服务业的集聚过程强化了产业间的前后向联系并加速形成了以生产性服务业技术为支撑的现代产业布局,产业集聚形成的就业机会、工资和福利水平等优势有助于优化劳动要素配置并培养经济发展所需的成熟劳动力,由此成为实现劳动要素供需匹配和人力资本水平提升的重要路径。但产业集聚对劳动要素配置的影响并非总是正向的,而是随集聚发展阶段的递进呈现出不同趋势:一方面,在集聚初期,生产性服务业的“人才集聚效应”可以借助生产性服务业行业与制造业行业的产业链关联,降低制造业发展中的人力“搜寻成本”和“匹配成本”,进而扩大企业的利润空间。但同时,生产性服务业集聚水平较高城市对劳动要素的“虹吸效应”,也使得低水平城市劳动力持续流失,从而导致该地区人力资本结构调整困难,区域内劳动要素供需错配加剧。另一方面,由于存在路径依赖,劳动要素的流动方向难以发生逆转,当中心城市过度积累的人口规模超越城市经济和环境的承载能力时便对劳动力产生逆向“挤出”,从而通过“扩散效应”向外围城市输送成熟劳动力,城市人力资本水平得以提升并缓解了区域内劳动要素的供需错配问题,最终对劳动要素配置产生正向影响。由此,本文提出:

假说1:生产性服务业集聚对本地城市劳动要素配置存在先负后正的非线性影响,并通过“本地-邻地”效应影响邻近城市的劳动要素配置。

(二)生产性服务业集聚影响区域协同发展

生产性服务业集聚的“虹吸效应”和“扩散效应”交替出现,同样导致生产性服务业集聚与区域协同发展存在非线性关联。一方面,生产性服务业集聚的外部规模经济和专业化分工促使集聚地区经济效率提升,但也造成城际经济发展差距持续扩大。由于中心城市具备经济实力雄厚、政策支持和基础设施完善等优势,成为生产性服务业企业集聚的首选城市,企业则通过集聚获得规模报酬进而“反哺”中心城市经济(袁冬梅 等,2021)。生产性服务业集聚对专业化分工的深化,使生产性服务业所提供的生产性服务得以有效嵌入到制造业产业链的各环节,从而有助于提升生产性服务业与制造业协同水平并推动企业技术进步,继而强化区域内中心城市发展的领先地位。随着生产性服务业集聚的深化,中心城市对要素和价值链高端的垄断使其在与外围城市的利益竞争中占据优势,并导致外围城市发展环境进一步恶化,区域协同发展进程趋缓。另一方面,由于产业集聚规模的扩张是有限度的,生产性服务业过度集聚阶段产生的“扩散效应”则会推进区域协同发展进程。囿于城市面积和资源的有限性以及城市交通的可承载度,当中心城市的生产性服务业过度集聚时,城市内部有效需求不足、土地等要素价格上升和同质化竞争问题便日益凸显。此时,生产性服务业集聚水平无法与本地需求结构相适应,导致产业集聚获取的规模报酬递减并逐渐被“拥挤效应”替代。资源和需求不足带来的恶性竞争迫使生产性服务业企业向外围城市转移,并在这一过程中实现先进技术和成熟劳动力向外围城市的扩散,生产性服务业集聚得以通过促使知识、技术溢出以及要素回流推动外围城市发展,从而提升区域协同发展水平。由此提出:

假说2:生产性服务业集聚对区域协同发展存在先负后正的非线性影响并产生空间溢出效应。

(三)劳动要素配置在生产性服务业集聚影响区域协同发展中存在中介效应

基于以上论述,生产性服务业集聚可通过“集聚效应”的向心力和“扩散效应”的离心力对劳动要素配置和区域协同发展产生影响。同时,中国经济增长的空间分异很大程度上是由于要素在产业与空间上的错配对区域平衡发展的负向影响(邓仲良 等,2020),因此劳动要素作为经济活动中的有限资源,其数量和质量在城市经济发展中扮演着不可或缺的角色。产业集聚过程中中心城市的人才集聚优势持续扩大,中心城市对劳动要素特别是对支撑城市技术进步的高技能人才的吸引有增无减,这也造成处于地理边缘的外围城市人力资本结构调整缓慢,从而缺乏产业结构优化的动力和引擎。不难发现,近年来,众多中小规模城市出台了吸引人才回流的惠才政策,但由于人才发展机遇匮乏和基础设施不完善等限制,留住人才成为外围城市发展的难解之题。由此可见,生产性服务业集聚可以通过对劳动要素的“推拉”修正城市经济发展中劳动要素配置的供需偏离,并将其反馈到区域协同发展进程中。据此,本文提出:

假说3:劳动要素配置在生产性服务业集聚与区域协同发展的非线性关系中起中介作用。

二、模型设定

(一)计量模型设定

1.基准模型构建

产业集聚产生的向心力与离心力的共存会对城市要素流动和经济发展产生复杂影响,采用二次项法来重点检验生产性服务业集聚对劳动要素配置和区域协调发展的非线性影响,构建双向固定面板模型:

(1)

(2)

其中,Agglit为i城市生产性服务业第t年的集聚指数,τLit为i城市第t年的劳动要素配置,GAPit为i城市生产性服务业第t年的协同发展水平,Controls为控制变量,λi和νt为城市和年份固定效应,εit为随机误差。

2.空间计量模型构建

地区的经济活动不是孤立进行的,必然会受到临近地区的影响。基于此,借鉴于斌斌等(2014)的研究,采用空间计量模型对生产性服务业集聚的空间溢出效应进行检验,模型如下:

(3)

(4)

(5)

(6)

其中,ρ和δ分别为空间滞后系数和空间误差系数,Wij为空间权重矩阵,dij表示城市i与城市j之间的地理空间距离。

(二)变量说明

1.被解释变量

劳动要素配置(τL)①:借鉴陈永伟等(2011)和季书涵等(2016)的研究,用劳动要素实际供给与有效需求的偏离程度即劳动要素错配程度衡量劳动要素配置的有效性,错配程度越低,劳动要素配置越有效,否则越扭曲。

区域协同发展水平(GAP):使用“中心-外围”城市经济发展差距衡量区域协同发展水平,即区域内中心城市与外围城市之间的差距越小,区域协同发展水平越高,否则越低。本文借鉴赵勇等(2015)以及兰秀娟等(2020)测算中心-外围城市经济发展差距的做法,使用城市人均生产总值和人口规模(城市期末就业人数)均值的加权值,确定单中心省份和双中心省份,即省会加权值排名第一则该省份为单中心省份,若该省份加权值排名高于省会城市,则为双中心城市;同时测算外围城市和中心城市的经济发展差异。计算过程如下:

(7)

(8)

(9)

(10)

GDPai和GDPci分别为单中心省份、双中心省份的外围城市与中心城市的经济发展差距以及中心城市与外围城市的经济发展差距;其中PGDPc为中心城市人均GDP,PGDPc1、PGDPc2为双中心省份中心城市1和中心城市2 的人均GDP,PGDPi为各省份除中心城市外的城市i的人均GDP。

2.解释变量

生产性服务业集聚(Aggl):本文将生产性服务业细分行业界定为批发零售业、交通运输仓储和邮政业、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,采用生产性服务业各行业就业人数衡量该城市生产性服务业规模,并使用区位熵法测度生产性服务业集聚程度。计算公式如下:

(11)

其中,Agglit为t时期i城市j产业的区位熵指数,Eijt为t时期i城市j产业的就业人数。

3.控制变量

基础设施水平(IN):以城市人均道路面积表示;产业结构优化(INF):以第二产业就业人数与第三产业就业人数之比衡量城市产业结构的合理化和高级化程度;政府干预程度(GOV):以当地政府财政支出占城市生产总值的比值表示;对外开放水平(EX):以城市的进出口总额占GDP的比重表示;城镇化水平(URB):一般而言,城镇化率为地区城市人口占总人口的比重,由于地级市常住人口难以获得,本文借鉴陆铭等(2004)的做法,以非农就业人数占总就业人数的比例表示。对控制变量作取对数处理。

4.数据来源

鉴于2006年以前城市样本数据的大量缺失,本文选取2006年以后年份的城市数据进行分析。由于本文考察目标为省域内的城市协同,样本剔除了北京、天津、上海、重庆4个直辖市,为增强样本观测值的稳定性,本文未将数据缺失量较大的青海、西藏、新疆、宁夏和港澳台地区纳入样本范围。最终选取2006—2018年的271个地级市作为样本。数据来源于《中国城市统计年鉴》、各地级市统计公报及各省份统计年鉴,个别缺失数据用插值法补齐。

三、回归结果分析

(一)空间相关性检验

为判断生产性服务业集聚、劳动力配置、区域协同发展是否存在空间相关性,本文采取空间自相关指数Moran’s I进行检验。表1所示2006—2018年Moran’s I检验结果显示,本文核心解释变量和被解释变量的Moran’s I绝大部分年份在1%的水平下显著为正,从而验证了本文构建空间计量模型的合理性。

表1 2006—2018年Moran’s I

(二)模型检验

本文对式(3)和式(4)依次进行LM检验、Wald检验、LR检验、Huasman检验和双向固定效应检验,用以确定空间计量模型的有效形式。结果显示五项检验均通过了显著性检验,即时空双固定空间杜宾模型更适于作为本文的空间计量方式,且不可退化为空间误差模型(SAR)或空间自回归模型(SEM)③。

(三)总体样本的回归分析

表2报告了基准模型和空间杜宾模型的回归结果。表2列(1)、列(3)以及列(5)均显示核心解释变量系数显著为正,即生产性服务业集聚加剧了劳动要素错配并扩大了区域内城市的经济发展差距,从而对劳动要素配置和区域协同发展产生负向影响。列(2)、列(4)显示生产性服务业集聚一次项系数均显著为正、二次项系数均显著为负,表明生产性服务业集聚与劳动要素错配、城市经济发展差距均存在倒U形关系。列(6)和列(8)W×Aggl、W×Aggl2的估计系数分别显著为正和负,表明生产性服务业对劳动要素配置和地区经济协同发展均存在显著的“空间溢出效应”。由此表明,生产性服务业集聚与劳动要素配置、区域协同发展间,均存在先抑制后促进的非线性关系并产生了空间外部性,验证了本文的假说1和假说2。

表2 全样本OLS和空间杜宾模型回归结果

事实上,无论是否考虑空间因素,中国部分城市已经跨越生产性服务业集聚影响劳动要素错配和影响城市经济发展差距的两个拐点,位于两个倒U形曲线的右半段,即这些城市的生产性服务业集聚已开始通过“扩散效应”对劳动要素配置和区域协同发展产生正向效应。生产性服务业集聚与劳动要素配置存在非线性关系的原因可能在于:从短期来看,中心城市产业集聚的“人才集聚效应”延迟了本城市“人口红利”消失的时间,但同时也加剧了劳动要素的空间非均质分布,最终表现为对劳动要素合理配置的阻力。而当中心城市产业集聚达到最优规模后,产业集聚的“扩散效应”占据主导促使劳动要素向外围城市扩散和转移,进而改善区域内劳动要素配置。生产性服务业集聚与区域协同发展存在非线性关系的原因则可能在于:一方面,生产性服务业集聚的“虹吸效应”使各类生产要素在中心城市聚集,通过降低成本、促进创新等路径推动了中心城市经济发展。由于外围城市对各种生产要素的虹吸能力较弱,导致区域内中心城市“一城独大”,并以损失外围城市利益为代价,发展为区域增长极,城际经济发展差距的持续扩大阻碍了区域协同发展进程。另一方面,中心城市得以优先发展使其可以凭借人才、技术和产业结构等优势整合区域资源,并辐射带动外围城市经济,加速形成区域内大中小城市协同共进的新发展格局。

由点估计分析地区内或地区间的空间溢出效应,其结论可能与实际情况偏离,还应进一步将空间效应分解为直接效应、间接效应和总效应进行分析(LeSage et al, 2009)。表3显示了生产性服务业集聚的空间效应分解结果,检验结果显示核心解释变量一次项和二次项系数仍分别正向和负向显著,因此进一步验证了生产性服务业集聚对劳动要素错配和城际经济发展差距均存在倒U形的直接效应和空间溢出效应,即生产性服务业集聚分别对劳动要素配置和区域协同发展存在“先抑制后促进”的“本地-邻地”效应。

表3 全样本回归空间效应分解结果

(四)地区异质性分析

中国各区域产业基础、要素禀赋等方面都有较大差异。为进一步研究生产性服务业集聚的地区异质性,将271个地级市划分为东、中、西、东北四个地区分别进行回归检验,检验结果见表4。

表4 分地区SDM模型回归结果

由表4可知,中国四大地区城市生产性服务业集聚对劳动要素配置、区域协同发展的影响存在差异。其中,生产性服务业集聚与劳动要素配置的估计结果显示,东、中、西部地区城市核心解释变量一次项与二次项系数分别显著为正和负,即城市生产性服务业集聚对劳动要素配置的直接影响存在门槛,在到达集聚拐点后,生产性服务业集聚对东、中、西部地区城市的劳动要素配置的影响由阻力向助力转变。且东部地区由于城市综合竞争力较强,该地区生产性服务业集聚更易借助空间外部性发挥对劳动要素形成虹吸和扩散,因此东部地区对劳动要素配置的空间溢出效应最明显。生产性服务业集聚对东北地区城市的劳动要素配置的影响呈现相反态势的原因可能在于:东北地区“老工业基地”经济增长的持续乏力,地区生产性服务业的低端集聚对人才的“虹吸效应”不足,劳动要素的流失继而加剧了劳动要素错配。生产性服务业集聚与区域协同发展非线性关系的地区异质性回归结果显示,虽然核心解释变量在西部地区的一次项、二次项系数均不显著,但其对区域协同发展的影响在东、中、西、东北四个地区均呈现由阻碍向优化方向转变的趋势,且东、西部地区城市生产性服务业集聚对区域协同发展具有显著的“空间溢出效应”。由此可见,良好的地区经济发展基础更有助于生产性服务业集聚进行劳动要素再配置和发挥经济的辐射带动作用。

(五)行业异质性分析

为验证生产性服务业细分行业集聚对劳动要素配置和区域协同发展的异质性影响,本文借鉴刘奕等(2017)的做法,将生产性服务业划分为基础型生产性服务业和支持型生产性服务业两大类型做进一步回归分析,前者包括批发零售业、交通运输仓储和邮政业,后者包括信息传输计算机服务、软件业、金融业以及科学研究技术服务和地质勘查业。表5汇报了两类生产性服务业行业集聚的空间杜宾模型回归结果。

表5 分行业SDM模型回归结果

表5列(1)和列(3)显示,基础型生产性服务业与支持型生产性服务业集聚对劳动要素配置均具有显著的直接影响和空间溢出效应,并分别呈现出“先抑制后促进”的非线性影响。列(2)和列(4)则表明支持型生产性服务业集聚与区域协同发展存在“先抑制后促进”的非线性关系,基础型生产性服务业集聚的影响效应则不显著。由此可见,生产性服务业的劳动要素配置效应与区域协同效应存在行业异质性,表现为基础型生产性服务业集聚与支持型生产性服务业集聚均可通过“集聚效应”与“扩散效应”对劳动要素配置产生非线性影响,但后者的影响效果更明显,同时仅有支持型生产性服务业集聚影响区域协同发展。原因可能在于,生产性服务业中的支持型服务业相较于基础型服务业处于价值链高端,可以更高效地促进要素整合并与制造业形成高端协同,从而提高本地经济效率;还可以通过“扩散效应”,推动区域内要素联动和城市经济协同,从而促进劳动要素合理配置和区域协同发展。

(六)稳健性检验

本文使用以下两种方法进行稳健性检验:一是将空间距离矩阵替换为二进制邻接矩阵,再次进行回归,结果见表6。表6列(1)和列(2)表明,替换空间矩阵后核心解释变量一次项系数和二次项系数均在1%的水平下显著为正和负,即生产性服务业集聚与劳动要素配置以及与区域协同发展的非线性关系仍成立。二是将城市平均地形坡度作为工具变量进行2SLS稳健性检验,LM检验结果为80.673并显著拒绝了“弱工具变量”和“不可识别”原假设,从而说明工具变量有效,第一阶段F统计量为106.77,列(3)和列(4)回归结果显示生产性服务业集聚的一次项、二次项系数分别显著为正和负,验证了本文估计结果的稳健性。

表6 稳健性分析

四、中介效应检验

构建非线性中介模型验证前文对劳动要素配置发挥非线性中介效应的分析。由于上文所述关系为非线性关系,使用传统的由Baron等(1987)发布的三步法检测中介效应的路径不甚合理,因此借鉴董保宝(2014)的做法,在式(4)的基础上加入中介变量(M)、调节变量(Z)及其交互项,形成式(12)到式(14)进行验证。

(12)

(13)

(14)

回归结果如表7所示,列(1)和列(2)为对式(12)和式(13)的检验,其结果与前文式(1)和式(2)回归结果一致,即验证了前文所说的两个非线性关系。式(14)加入了中介变量(τL)以及中介变量(τL)与调节变量(Aggl)的交互项,用以检验劳动要素配置的非线性中介机制,回归结果如列(3)所示,生产性服务业集聚的一次项与平方项系数分别显著为正和负,表明生产性服务业集聚与区域协同发展的非线性并未因加入生产性服务业集聚与劳动要素配置的交互项而改变,同时劳动要素配置的一次项系数显著为正,即劳动要素配置与区域协同发展显著正相关,表明劳动要素配置中的错配表现的改善确实是促进区域协同发展的重要路径。综上所述,生产性服务业会通过与劳动要素错配的倒U形关系对城市经济发展差距产生倒U形影响,即劳动要素配置在生产性服务业集聚与区域协同发展的非线性关系中发挥了非线性中介作用,由此验证假说3。

表7 中介效应检验结果

为进一步分析不同集聚水平下劳动要素错配的中介效应,本文按照生产性服务业集聚指数中值将样本划分为低集聚组和高集聚组,再次进行回归。结果表明低集聚组与高集聚组劳动要素配置的一次项系数均显著为正,但低集聚组的核心解释变量与区域协同发展的非线性关系发生改变,即高集聚组劳动要素配置的中介效应成立。高集聚组生产性服务业集聚与劳动要素配置的交互项系数依然显著为负且效应更强,原因可能在于集聚水平提升使得生产性服务业更易通过“扩散效应”改善劳动要素配置中的错配表现,疏通中心城市要素拥堵并助力外围城市人力资本水平提升,从而为“中心-外围”城市经济发展差距缩小提供要素支撑,最终表现为对区域协同发展的助力作用。由此可见,生产性服务业高度集聚通过发挥“集聚效应”和“扩散效应”影响劳动要素配置,进而影响区域协同发展的传导路径效果最佳。

五、结论与建议

在理论梳理基础上,基于2006—2018年271个地级市面板数据,通过构建普通面板模型和空间杜宾模型进行基准回归,并采用调解路径模型检验中介机制,从而翔实探讨了生产性服务业集聚、劳动要素配置和区域协同发展三者的关系,并得到如下结论:第一,生产性服务业集聚效应进一步分解的直接效应、间接效应和总效应三类效应,均对劳动要素配置中的错配表现产生倒U形影响,最终表现为对劳动要素配置形成先负后正的非线性影响和空间溢出效应。第二,生产性服务业集聚效应的三类分解效应,都与代表区域协同发展的城际经济发展差距指标存在倒U形关系,最终表现为对区域协同发展形成先负后正的非线性影响和空间溢出效应。第三,本文从地区和行业两个角度进行了异质性分析。地区异质性检验表明,地区间生产性服务业集聚的“集聚效应”和“扩散效应”的发挥存在差异,并表现为对各地区劳动要素配置和区域协同发展异质的“本地-邻地”效应,其中东部地区生产性服务业集聚的空间外部性最明显;行业异质性检验表明,生产性服务业中拥有高附加值的支持型生产性服务业集聚对劳动要素配置和区域协同发展的作用效果均显著强于基础型生产性服务业集聚。第四,劳动要素配置在生产性服务业集聚与区域协同发展之间存在非线性中介传导机制,且劳动要素配置与区域协同发展正向相关。中介机制的分组研究表明,生产性服务业集聚度越高,越易通过“扩散效应”改善劳动要素配置中的错配表现,进而助力区域协同发展。

依据前述分析,提出以下政策建议:首先,建立合作互动、良态发展的城市产业布局。城市的产业布局应该考虑到生产性服务业最优规模,通过政府制定相关政策合理引导同质化企业的疏散和转移,增强城市间协作和城市产业间的前后向联系,从而有效发挥生产性服务业集聚的知识、技术溢出效应,打破城市边界和市场壁垒。同时,应统筹设计城市群发展规划,限制中心城市规模的无限制扩大和资源的过度集中,发挥中心城市对外围城市经济的辐射带动作用,实现大中小城市协同发展的良好区域经济生态,有效发掘一体化经济的市场潜力。其次,疏通要素流动渠道,促进劳动要素优化配置。防范生产性服务业集聚过程中中心城市对要素的过度虹吸,通过生产性服务业集聚的“扩散效应”对人才的迁移作用,打破劳动要素流动屏障,缓解劳动要素供需失衡问题,从而提升城市知识存量,并坚持在劳动要素的有效配置下发挥生产性服务业集聚的“拐点”作用,促进区域协同发展。最后,积极探索不同地区、行业的生产性服务业发展规律,促使相关政策向生产性服务高附加值行业倾斜,合理推进各地区城市生产性服务业集聚水平提升。因地制宜安排生产性服务业的空间布局并制定产业发展策略,积极推动东部地区已趋向成熟或饱和的生产性服务业行业向中西部和东北地区转移,并以此为契机促进东部地区生产性服务业结构进一步升级,构建“全国上下一盘棋”的城市产业链和价值链攀升渠道。

①受篇幅限制,劳动力要素配置计算过程未展示,备索。

②经测算,单中心省份为山西、吉林、浙江、安徽、江西、河南、湖北、湖南、广西、四川、贵州、云南、陕西;双中心省份为河北、海南、内蒙古、辽宁、黑龙江、江苏、福建、广东、甘肃。

③受篇幅限制,模型检验结果未列出,备索。

猜你喜欢
生产性服务业要素
掌握这6点要素,让肥水更高效
自动化正悄然无声地重塑服务业
少数民族传统医药知识生产性保护研究
观赏植物的色彩要素在家居设计中的应用
论美术中“七大要素”的辩证关系
服务业:从一二三到三二一
煤矿工人生产性粉尘对身体健康影响的研究
基于生态的京津冀生产性服务业发展探讨
新媒体时代的生产性受众浅析
也谈做人的要素