第三节 “四省一市”现代服务业效率、集聚与竞争力比较

产业发展效率与竞争力是评价产业增长质量和可持续发展能力的重要指标，而集聚能力对服务业发展有着特殊的重要意义。通过对现代服务业的发展效率、集聚能力和竞争力的比较研究，我们可以更深入地探讨“四省一市”现代服务业的发展特性和未来，对评估现代服务业发展具有重要的针对性和实用性。

一、“四省一市”现代服务业集聚程度的比较

1.“四省一市”服务业整体集聚水平比较

集聚是产业发展到一定阶段的产物，其外部效应和规模效应对经济发展起着重要作用。现阶段，发达国家已经步入服务经济时代，服务业产值和从业人数都达到GDP和就业人数的70%左右，这在很大程度上得益于它们服务业的集聚发展。从发达国家的发展经验来看，现代服务业集群是实现经济增长方式转变和实施城市新一轮产业布局调整的有效动力，是提升地区综合功能的载体和改善地区形象的新亮点。在经济全球化时代，现代服务业正在全球价值链上进行分工和集聚，进而左右着一个国家或地区的国际分工地位。目前，国际上比较著名的现代服务业集聚区有英国伦敦的金融服务业集群、美国加利福尼亚州的多媒体集群以及日本东京的金融区等。中国的现代服务业集聚中心有上海陆家嘴金融服务业集群、深圳前海深港现代服务业合作区、北京中关村中介服务业集群等。

产业集聚水平通常借助产业集聚度来表示，其测量方法有多种。本章选用区位熵指数^注4对“四省一市”服务业的集聚程度进行测算。区位熵指数大于1，表明此产业在该地区具有比较优势；大于1.5，则表明此产业在该地区的集聚能力较强且产业优势明显。区位熵主要是从产业的专业化角度对集聚程度进行描述，可以帮助我们了解现代服务业的集聚情况。

根据区位熵的计算公式，本章首先估算了2004—2012年“四省一市”服务业的总体区位熵，如图3—16所示。从图中可见，2004—2012年“四省一市”服务业区位熵的变动趋势较为平缓。上海服务业的区位熵高于其他四省，上海、江苏、山东和浙江呈现出小幅上升趋势。在这种波动变化中，浙江从没有专业化优势变为具有专业化优势，即服务业区位熵从小于1变为大于1。上海、广东的区位熵一直大于1，说明两地的专业化优势极强。需要指出的是，广东的服务业区位熵不断变小，即从大于1逐渐趋近于1，表明专业化优势持续减弱，具体原因可能是其他省份服务业的加速发展弱化了广东服务业的优势。江苏和山东没有专业化优势，特别是山东的区位熵仅在0.8左右，表明其服务业水平有待进一步提高。根据计算结果，可以发现近8年来,“四省一市”的区位熵均发生了明显变化，这与它们的内部经济结构调整有密切关系。

图3—16 2004—2012年“四省一市”服务业总体区位熵的变化情况

资料来源：根据历年样本省份统计年鉴数据计算整理。

2.“四省一市”服务业分行业集聚水平比较

为更清晰地反映“四省一市”服务业的集聚程度，我们利用2012年数据测算了样本省份服务业内各行业的集聚程度，计算结果如表3—8、图3—17所示。

表3—82012年“四省一市”服务业各行业区位熵指数

资料来源：根据2013年样本省份统计年鉴计算整理。

图3—17 2012年“四省一市”服务业各行业区位熵指数比较

现代服务业在金融业、房地产业、租赁和商务服务业中的集聚程度较高。其中，金融业在上海的集聚度最高，达到1.598，最低的山东为0.920。在房地产业中，广东拥有集聚优势，这也是近几年广东的房价居高不下的因素之一。大量外来务工人员涌入广东，繁荣了租赁行业，因此租赁和商务服务业的集聚效应也较大。

集聚程度最低的行业主要是文化、体育和娱乐业以及水利、环境和公共设施管理业，这两个行业在广东、浙江、山东的区位熵指数都小于1。作为半公共物品或公共物品的水利、环境和公共设施管理业以及卫生、文化、体育业等，为使每个公民都尽可能地享受到公共服务，就不可避免地要较均匀地分布，因此这些服务业的集聚程度都很低。

江苏作为经济大省，2012年的GDP为54058.2亿元，高于山东的50013.2亿元，然而江苏服务业占GDP的比重却低于广东、上海、浙江。相比较而言，江苏生产性服务业^注5的集聚水平相对高于其他服务业，这与江苏发达的制造业水平密切相关。事实上，江苏的众多城市纷纷推出有特色的生产性服务业集群政策，如南京市政府2006年提出打造各具特色的“十大”服务业集聚区号召等。

在交通运输、仓储和邮政业以及信息传输、计算机服务和软件业这两个行业中，上海、广东位于前列，江苏紧随其后，其区位熵指数为0.916和0.818，与上海相差较大。这说明，目前江苏的交通运输、物流以及信息技术相对薄弱，集聚规模不够，应在这些方面加大投入。在批发和零售业方面，上海的集聚优势十分明显，区位熵达到了1.941，而江苏这一项的值仅为0.804。虽然江苏拥有苏宁这样的大型零售商，但并未依托品牌优势建立起自身的比较优势，也就是未能发挥出集聚效应。

以从业人数表示的“四省一市”各省辖市(包含上海)现代服务业各行业2012年区位熵大于1.5的地区，如表3—9所示。

表3—92012年“四省一市”现代服务业区位熵大于1.5的地区

资料来源：根据区位熵公式计算整理。

上海、广东地区现代服务业区位熵大于1.5的地区要明显多于江苏、浙江和山东。几乎每个行业都含有广州和上海这两个城市，其次含有行业较多的有南京、济南和杭州。从行业分布来看，分布较为均衡的是教育，卫生、社会保障和社会福利业，说明它们的发展受地理位置的影响较小，与地区经济发展水平的联系不强。

3.现代服务业集聚影响因素的计量回归和比较分析

在对“四省一市”现代服务业集聚水平进行分析后，本章进一步探讨样本省份现代服务业集聚的影响因素。根据2004—2012年样本省份现代服务业整体时间序列数据，选取现代服务业区位熵为被解释变量，加入知识密集度、资本密集度、本地政府管制水平、对外开放水平、需求能力、公共服务水平等解释变量，构建下述计量回归模型：

lnLQ=lnX₁+lnX₂+lnX₃+lnX₄+lnX₅+lnX₆+c

相关变量的具体解释和计算方法见表3—10。我们使用Stata软件对模型进行了回归分析，回归结果见表3—11。其中，回归的R²及调整后的R²都较高，在0.9以上；F统计量也较大，在5%的条件下通过了F检验。在所有的回归中，政府管制这一因素并不显著。需要说明的是，我国的服务业，尤其是以金融等为代表的现代服务业，需要政府进一步放松管制，以适应市场经济的需求。

表3—10各变量的含义及测度方法

表3—11“四省一市”现代服务业集聚影响因素的实证结果

注：^***、^**、^*分别表示在1%、5%、10%的水平下显著。

说明：括号中为t统计值。

对广东现代服务业集聚产生显著影响的因素有知识密集度、资本密集度、对外开放水平。其中，资本密集度的影响效应最大，达到0.221，即现代服务业固定资本投入每提高1%，广东现代服务业的集聚水平提高0.221%。在现阶段，广东的对外开放水平与知识密集度已达到较高水平，与江苏、山东和浙江相比，这两个因素对于现代服务业集聚的影响效应已逐步显现。

对江苏现代服务业集聚产生显著影响的因素主要是资本密集度，影响效应达到0.087，说明江苏现代服务业集聚式发展的动力仍停留在大量资金投入。江苏应在保证资本密集水平的基础上，积极拓宽其他渠道来加强现代服务业集聚，比如通过增加研发、进一步开放市场等。

对山东现代服务业集聚产生显著影响的因素有资本密集度和本地需求能力。在“四省一市”中，山东的本地需求能力(以人均可支配收入衡量)相对较弱，落后于上海和浙江。山东应提高本地需求，以提振内需并增强生产性服务业的自我巩固效应，加强现代服务业的集聚水平。

对浙江现代服务业集聚产生显著影响的因素有本地需求能力、公共服务水平。在“四省一市”中，浙江的本地需求能力、公共服务水平较高，分别达到了0.268和0.125，仅低于上海，这两个因素都对其现代服务业的集聚产生了巨大的积极影响。浙江应在保证这两个优势的基础上，进一步拓宽知识研发、对外开放等渠道来加强集聚。

对上海现代服务业集聚产生显著影响的有知识密集度、资本密集度、对外开放水平、本地需求能力和公共服务水平。其中，本地需求能力对上海现代服务业集聚的影响效应最大，达到了1.587。上述结果说明，上海现代服务业的集聚是各个渠道均衡发展的结果，这种集聚的质量高，形成之后会产生极强的自我巩固效应。上海应在确保这些优势的基础上，加强本地的公共服务水平，降低城市通勤、通信等成本，大力发展总部经济，进一步加强现代服务业集聚。

二、“四省一市”现代服务业发展效率的比较分析

1.“四省一市”现代服务业效率的测度与比较

本节研究样本地区现代服务业增长的质量，即不同省市现代服务业增长的效率问题。服务业效率是指服务业决策单元(UMD)在生产、经营的过程中投入与产出的对比关系或成本与收益的对比关系。

技术进步往往会带来服务业效率的提高，此外，企业还可以通过提高对原有技术的利用率等途径来提升服务业效率。本节将主要运用基于非参数的Malmquist生产率指数法来具体探讨“四省一市”服务业的效率问题。

Malmquist(1953)最早提出的生产率指数包含了技术进步指数与技术效率指数，Fare (1997)在非参数框架下对这一概念进行了扩展，具体模型如下：

用t期和t+1期的Malmquist指数的几何平均来计算效率的变化，即

其中，x^t、x^t+1和y^t、y^t+1分别表示t期和t+1期的投入向量和产出向量，D^t+1₀、D^t₀分别表示以t期的技术T_t为参照的t期和t+1期的距离函数。EC的经济学含义是，每个省从t期到t+1期的技术效率变化；TC的经济学含义是t期到t+1期的技术进步，即对于要素投入区间［x^t,x^t+1］内的省份而言，技术提高之后所引起的产量提高。

这里分析的样本为2004—2012年“四省一市”的现代服务业产出、资本投入和劳动投入数据，根据历年《中国统计年鉴》和《中国第三产业统计年鉴》整理而得。相应的生产函数可以表述为：

Y=f(K，L)

本节运用DEAP 2.1软件对“四省一市”现代服务业Malmquist生产率指数进行了测算，如表3—12所示。

表3—122004—2012年“四省一市”及全国现代服务业Malmquist指数及其分解

资料来源：根据历年《中国统计年鉴》、《中国第三产业统计年鉴》、各省统计年鉴和中经网数据库数据计算整理。

表3—12列出了2004—2012年“四省一市”及全国现代服务业Malmquist指数和其分解结果。从2004—2010年全国平均时间序列来看，现代服务业全要素生产率的平均增长率为-2.3%，“四省一市”中只有江苏、浙江和上海的现代服务业全要素生产率为正，全要素生产率的平均增速分别为0.4%、1.7%和3.8%。广东和山东现代服务业全要素生产率的增长率为负值，分别为-0.5%和-4.5%。从技术进步指数来看，江苏的平均增速为1.3%，较山东(4.4%)和浙江(2.2%)低，但高于广东(1.2%)和上海(0%)。从技术效率指数来看，江苏的平均增长率为-0.9%，位居上海(3.8%)之后，与浙江基本持平，但仍优于-5.9%的全国平均水平。

综上所述，“四省一市”现代服务业全要素生产率存在显著差异。在推动现代服务业全要素生产率增长的动力上，江苏与全国总体水平及样本省份基本保持一致，即主要是技术进步水平的提高，而技术效率的作用非常小，甚至为负。但是，鉴于江苏现代服务业增加值总量位居全国前列的现实，江苏现代服务业增长的效率现状是不理想的。技术效率的退步，拖累了服务业技术进步对全要素生产率的提升，其经济意义反映出江苏对于服务业要素的利用率不高，或者说江苏服务业立足于软技术的经营水平还不太理想。当前江苏现代服务业效率的增加，主要是依靠先进科学技术带来的生产边界扩展，因此重视技术效率的提高是促进江苏服务业效率增长的迫切任务。

2.现代服务业发展效率影响因素的计量回归和比较分析

本章利用面板模型进一步检验影响Malmquist生产率的因素。与普通时间序列或横截面模型相比，面板模型能显示出不同横截面单元和时点之间存在的差异。以前文所测的“四省一市”服务业Malmquist生产率指数(TFP)为被解释变量，构建如下回归方程：

式中，perGDP_it为人均GDP，用于表示地区经济发展程度；perEXP_it为人均出口额，用于表示地区经济开放程度；ENG_it为恩格尔系数，用于表示地区城市化水平；perINDUS_it为人均工业增加值，用于表示地区工业化程度；perCON_it为人均最终消费支出；perFIN_it为人均财政支出，用于表示地区私人及政府消费水平；PATENT_it为每十万人申请的专利项数，用于表示地区科技水平；EDU_it为大专及以上人口占6岁以上人口的比重，用于表示地区人力资本要素水平；perTRAN_it为人均运输线路长度，用于表示地区基础设施水平。

下面选取“四省一市”2004—2012年度的数据进行分析，并采用EViews 6.0软件进行相关数据的时间序列分析。通过对各模型进行最小二乘法(OLS)估计和剔除部分不显著变量后，最终的估计结果见表3—13。回归的R²及调整后的R²值都较高，在0.93以上；F统计量也较大，在5%的条件下通过了F检验。

表3—132004—2012年“四省一市”实证结果

注：^***、^**、^*分别表示在1%、5%、10%的水平下显著。

说明：括号内为t统计值。

表3—13报告了“四省一市”现代服务业影响因素的回归结果，考察经济开放度(perEXPit)可以发现，经济开放度对地区现代服务业发展是正推动力，样本地区现代服务业已进入高速发展之后较为稳定的发展阶段。工业化程度(perINDUSit)的实证结果表明，工业化程度对现代服务业的影响较为复杂。江苏、浙江、广东和上海的工业化程度对地区现代服务业的发展作用不明显，是因为样本省份同属中国经济发展水平较高的地区，已进入工业化后期阶段，出现了工业和服务业产业融合的趋势，因此两者的关系较为复杂。由于山东的工业发展速度更快，因而其服务业发展所需的生产要素更多地被工业吸纳，工业对服务业呈现出挤压效应。消费需求(perCONit)在样本地区对现代服务业发展都有促进作用，但其系数在各种系数中普遍较小，原因或可从样本地区居高不下的房价、较早进入老龄化社会及大量农村劳动者流入样本省市务工等方面寻找。政府财政支出(perFINit)对浙江和上海现代服务业的影响不显著，其原因可能是这些地区的市场化程度较高，政府过多的干预反而不利于当地服务业的发展，因此财政支出对经济的带动作用并不显著。从实证检验结果看，广东、江苏和浙江科技水平变量(PATENTit)的系数为正值且较高，上海和山东科技水平变量的系数为负值。究其原因，一方面，科技变量指标主要反映制造行业的科技水平，而广东、江苏和浙江的服务业与制造行业之间的互动融合机制已逐渐加强；另一方面，科技水平提升反映了上述地区科研产出和拥有自主知识产权水平的提高，这有利于服务业自主创新效率的提升。因为上海的现代服务业已进入高速发展之后的发展洼地，包括科技水平在内的众多变量对上海服务业的推动作用减弱。由于山东的服务业并非其产业重心，故山东的科技水平提高更多地进入到对工业的推动中。交通基础设施(perTRANit)的完备缩短了样本地区内部的物流成本，对服务业生产率的提升具有重要作用。

三、“四省一市”现代服务业竞争力的比较研究

1.现代服务业竞争力综合评价体系

“竞争力”概念的提出源于20世纪70年代国外学者乔治·斯蒂格勒，他认为竞争力是指竞争主体争夺某种资源的能力，这种能力在本质上决定了资源的配置格局和效率。在经济发展过程中，区域间的竞争表现为产业的竞争，产业竞争力决定了区域经济的发展水平。金碚(2003)认为，一国特定产业的竞争力就是该产业相对于外国竞争对手的比较生产力，即产业竞争力的实质是一国或地区的某产业能够比其他国家同类产业向市场更有效地提供产品和服务或综合素质。

竞争力是一种综合能力的体现，选择有效的评价指标来构建一套比较合理、完备的指标体系，是客观评价现代服务业竞争力的基础和前提。因此，本节在前期研究的基础上，基于现代服务业竞争力的内涵和构成要素，根据绝对指标、相对指标或人均指标，并考虑指标之间的相关性、科学性、针对性和可操作性原则，我们从五个方面(即规模竞争力、效率竞争力、结构竞争力、创新竞争力、成长竞争力)构建了江苏现代服务业竞争力评价指标体系^注6，见表3—14。

(1)现代服务业规模竞争力。现代服务业规模竞争力主要反映当前“四省一市”现代服务业的整体发展水平，本节主要从现代服务业的产业规模与就业规模来衡量。产业规模反映了“四省一市”各自服务业的发展水平及发展效益，主要有两个指标，即服务业增加值和服务业固定资产投资。

(2)现代服务业效率竞争力。现代服务业效率竞争力反映了各地区现代服务业有效利用资源的能力，通常用生产效率和服务密度来衡量。其中，生产效率用服务业劳动生产率(即服务业增加值与服务业从业人员的比例)来表示，服务密度用服务业单位土地面积产出率(即服务业增加值与地区面积的比值)来表示。

(3)现代服务业结构竞争力。现代服务业结构竞争力是现代服务业竞争力的重要组成部分，反映服务业内部结构协调化、高级化的程度。一个地区的现代服务业结构是否具有竞争力，对该地区的现代服务业发展水平起着至关重要的作用。我们用产业结构竞争力与组织结构竞争力来考察服务业的结构情况，其中的产业结构是指各产业的构成及各产业之间的比例关系，可用服务业增加值比重、服务业固定资产投资比重、服务业从业人员比重、公共服务发展水平等指标来衡量。而公共服务发展水平可用人均公共预算支出，即教育、文化、体育与传媒、社会保障和就业、医疗卫生公共财政预算支出与年末常住人口的比值来表示。组织结构是表明组织各部分的排列顺序、空间位置、聚散状态、联系方式以及各要素之间相互关系的一种模式，是整个管理系统的框架。服务业非公有制企业比重是我们经常用来衡量服务业组织结构的重要指标。

表3—14现代服务业竞争力评价指标体系

(4)现代服务业创新竞争力。在市场竞争激烈、产品生命周期短、技术突飞猛进的今天，创新是企业生存的根本以及成功的保障，因此现代服务业的创新竞争力构成了现代服务业竞争力的重要部分。我们用创新投入与创新产出的大小来衡量现代服务业的创新竞争力，用R&D支出占GDP的比重与科技支出占公共财政支出的比重来反映一个地区的创新投入；用每万人拥有的专利申请量与每万人口发明专利拥有量来反映其创新产出。

(5)现代服务业成长竞争力。成长竞争力是现代服务业能够持续快速发展的重要体现，本章用现代服务业的成长基础与成长能力来衡量。本章选用人均GDP与城镇居民人均可支配收入两个三级指标，以及服务业增速高于地区生产总值增速的比例、服务业固定资产投资增速高于全社会固定资产投资增速具体衡量。

2.样本地区现代服务业竞争力评价结果与比较分析

“四省一市”现代服务业竞争力评价指标体系中的数据主要来源于2013年各省的统计年鉴、各省政府的官方网站等。通过因子分析法^注7并借助软件SPSS 12.0的运算，本章得出了“四省一市”现代服务业的总体竞争力及其排名。

根据原始数据，依据因子分析法的原理，计算出各指标变量正交旋转后的因子载荷矩阵以及各因子所对应的特征值、贡献率、累计贡献率。然后，按累计方差贡献率大于80%来提取公因子，以保证提取的因子能反映原始指标所包含的全部信息。

对主成分进行KMO和Bartlett球度检验，KMO统计量的数值均大于0.7，Bartlett球度检验sig值均小于0.05，表明原始数据适合进行因子分析。在此基础上，对各地现代服务业综合实力进行总体评价，并通过层析分析法(因子分析中特征值的贡献)给出五个方面的权重，最终得到各地现代服务业综合实力的得分及排名，见表3—15。

表3—15主成分指标值和样本省份综合排名

资料来源：根据SPSS软件运算整理。

由竞争力的综合得分和排名来看，“四省一市”现代服务业竞争力的排名依次是上海、浙江、江苏、广东和山东，这与当前各省服务业发展的现状基本吻合。上海的现代服务业竞争力最强，主要得益于上海在效率竞争力、结构竞争力、创新竞争力和成长竞争力上的绝对优势。

从二级指标得分情况看，广东的规模竞争力得分位居首位，说明广东现代服务业发展的整体水平较高，山东、江苏、浙江和上海分列其后，这与各地经济发展状况及其在全国的地位基本吻合。从效率竞争力来看，江苏排名第二，广东、浙江和山东依次排后，但分值均不高，且与第一名上海的差距较大。这种结果与样本省份技术效率指数偏低的现象基本一致，也反映出江苏、广东、浙江和山东的现代服务业利用有效资源的能力仍有待提升。从结构竞争力和成长竞争力来看，各省排名一致，浙江、江苏和广东的差距较小，而山东位居末位且差距较大。这一方面反映出山东在产业结构和可持续发展动力上与其他省份存在竞争劣势，另一方面也反映出政府对现代服务业发展的投入较其他省份不足。从创新竞争力来看，江苏排名第二，反映了江苏既是人力资源大省又是人力资源强省的事实，说明江苏近几年大力引进各方面人才的效果凸显。

从集聚角度来看，上海与广东的服务业集群式发展已具规模，而各省的省会城市在服务业及其子行业的集聚程度普遍高于本省其他城市。比较而言，江苏生产性服务业集聚水平高于其他服务业。深入集聚影响因素的实证分析，我们发现本地资本密集度和需求能力对样本省份普遍具有拉动作用，而政府管理水平的提升对服务业集聚的作用尚未显现。从效率角度来看，目前样本省份现代服务业增长效率主要受到当地经济开放程度、消费水平、科技水平和基础设施水平的影响。通过进一步分析利用Malmquist指数法得到的指标，我们发现除了上海外，其他四省现代服务业全要素生产率的增长主要得益于技术水平的提升和生产边界的扩展，而技术效率的贡献(即对服务业要素的利用率)相对不足。最后，从竞争力角度分析，上海现代服务业的综合竞争力位列样本省份的第一位，浙江、江苏、广东和山东分列其后。在各分指标中，除规模竞争力指标外，对于其余的四项指标，上海均排名第一；广东的规模竞争力指标排名力压上海；江苏在效率竞争力和创新竞争力方面表现较好，均排在第二位。