基于城市产业结构特征的高铁生产性服务业集散效应——以长三角城市群为例

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

唐昭沛^,¹^,², 吴威^,¹, 郭嘉颖¹^,², 刘玮辰¹, 李晓丽¹

1. 中国科学院流域地理学重点实验室,中国科学院南京地理与湖泊研究所,南京 210008

2. 中国科学院大学,北京 100049

The dispersion and aggregation effects of urban industrial structure of high-speed rail on producer services: A case study of Yangtze River Delta

TANG Zhaopei^,¹^,², WU Wei^,¹, GUO Jiaying¹^,², LIU Weichen¹, LI Xiaoli¹

1. Key Laboratory of Watershed Geographic Sciences, Nanjing Institute of Geography and Limnology, CAS, Nanjing, 210008, China

2. University of Chinese Academy of Sciences, Beijing 100049, China

通讯作者: 吴威（1976-）,男,安徽歙县人,博士,副研究员,硕士生导师,主要研究方向为区域发展与运输地理。E-mail: wwu@niglas.ac.cn

收稿日期:2020-11-4接受日期:2021-04-12

基金资助:

国家自然科学基金项目(41871122)
中国科学院战略性先导科技专项(A类)子课题(XDA20010101)

Received:2020-11-4Accepted:2021-04-12
作者简介 About authors
唐昭沛（1996-）,女,河南安阳人,硕士研究生,主要研究方向为区域发展与运输地理。E-mail: tangzhaopei18@mails.ucas.ac.cn

摘要
高铁对生产性服务业的空间集散效应深受城市特征的影响。根据城市产业发展特征将城市分为二产主导型城市和三产主导型城市,借助双重差分模型探讨高铁对不同产业结构的城市生产性服务业及其细分行业的空间效应差异。结果表明,高铁对生产性服务业及细分行业的集散效应具有显著时滞性和异质性,城市产业结构对其效应产生了显著影响。① 基于生产性服务业整体的研究表明,在静态上,高铁促进二产主导型城市产业空间分散、三产主导型城市产业空间集聚;在动态上,高铁对二产主导型城市的生产性服务业空间集散具有先促进集聚后促进分散的特性,对三产主导型城市的产业效应始终表现为促进集聚。② 对于运输服务业、租赁与商服业而言,无论是静态效应还是动态效应,城市产业结构对其影响均较小,在静态上高铁促进二产主导型城市和三产主导型城市的产业在空间分散布局;在动态上高铁效应总体表现为“不显著-促进分散”的二阶段性。③ 对于金融服务业和研发设计业而言,高铁的静态效应在作用方向上具有一致性,均表现为促进产业集聚,其动态效应受到城市产业结构的影响表现出显著阶段性差异。④ 对于信息服务业而言,高铁对其空间集散的静态效应表现为对二产主导型城市的产业影响不显著,促进三产主导型城市的信息服务业在空间集聚,且其动态效应与静态效应相一致。
关键词： 高铁;生产性服务业;空间集散;产业结构;长三角城市群

Abstract

The aggregation effect of high-speed rail on producer services is deeply influenced by urban characteristics. Based on the operation data of high-speed rail and relevant urban data, this paper, with the Yangtze River Delta Urban Agglomeration as the study area, discusses the aggregation effect of high-speed rail on producer services and its sub-sectors with the help of the Difference-in-Difference model. The results show that the dispersion and aggregation effects of high-speed rail on producer services and its sub-sectors are significantly lagged and heterogeneous, in which the urban industrial structure has marked effects. Some conclusions can be drawn as follows. (1) According to the industrial structure, cities are divided into industry-oriented cities and service-oriented cities. Research based on the overall producer services study shows that statically, high-speed rail promotes industrial spatial dispersion in industry-oriented cities and industrial aggregation in service-oriented cities. Dynamically, the high-speed rail effect on industry-oriented cities has the characteristic of first promoting agglomeration and then promoting dispersion. The industrial effect on service-oriented cities is always expressed as promoting agglomeration. (2) For the transport services, leasing and commercial services industry, the impact of urban industrial structure is relatively mild, both statically and dynamically. The static effect promotes the spatial dispersion of industries in industrial and service-oriented cities, while the dynamic effect generally shows the two-stage character of “insignificant-promoting dispersion”. The characteristics of these two industries have greatly contributed to the above effects. (3) For the financial services, research and design services industry, the static effects are consistent in the direction, both of which are manifested in the promotion of industrial agglomeration, while the dynamic effects affected by industrial structure show significant stage differences on both direction and duration. (4) For the information service industry, the static effect of high-speed rail is significantly affected by industrial structure, which shows no significant influence on the industry-oriented cities, and promotes agglomeration of the information service industry in service-oriented cities. The dynamic effect is relatively consistent with the static effect. The results of the robustness test performed by replacing the explanatory variables are in agreement with those in the location quotient.

Keywords：high-speed rail;producer services;aggregation;industrial structure;Yangtze River Delta Urban Agglomeration

PDF (2613KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
唐昭沛, 吴威, 郭嘉颖, 刘玮辰, 李晓丽. 基于城市产业结构特征的高铁生产性服务业集散效应——以长三角城市群为例[J]. 地理研究, 2021, 40(8): 2188-2203 doi:10.11821/dlyj020201071
TANG Zhaopei, WU Wei, GUO Jiaying, LIU Weichen, LI Xiaoli. The dispersion and aggregation effects of urban industrial structure of high-speed rail on producer services: A case study of Yangtze River Delta[J]. Geographical Research, 2021, 40(8): 2188-2203 doi:10.11821/dlyj020201071

1 引言

高铁作为世界交通技术革新的产物,已成为各国铁路发展的普遍趋势。2019年中国开通运营的高铁线路总长度达到3.5万km,占世界高铁线路总长度的近70%;同年,动车组累计发送旅客达23亿,较同期普速铁路客运量多出近8亿人,中国已步入高铁时代^[1]。在全球经济服务化趋势增强的背景下,高铁经济效应研究逐渐兴起^[2],在空间上直观表现为产业空间布局的变化,对促进产业集散和布局调整具有显著作用^[3,4]。现如今,全球产业结构变革的服务化趋势不断加强,服务业对于国家、地区的经济增长以及经济发展现代化水平的不断提升具有巨大贡献,因而部分研究从服务业视角开展高铁的产业集散效应测度,提出高速铁路对区域的时空收敛效应直观表现为可达性水平的改善,不断削弱要素的空间壁垒,从而促进要素资源的合理配置^[5,6],尽管存在区域不平衡现象,但总体上表现为正向促进作用,溢出效应显著^[7]。

生产性服务业作为现代服务业的重要组分,对于国家和地区的经济增长和产业结构调整升级具有显著的推动作用,逐渐发展成为地区竞争力提升的核心^[8],其空间结构和区位选择受到基础设施,尤其是交通基础设施的深刻影响^[9,10]。围绕高铁对生产性服务业集散效应的研究不断深化。从研究对象看,以生产性服务业整体为对象的研究居多^[11,12],但考虑到生产性服务业产业构成复杂,基于产业特性差异可进一步划分为若干个细分行业,国内外有关****对生产性服务业细分行业的关注度不断提高,认为高铁对各细分行业的空间效应具有显著异质性^[13,14]。从研究方法看,有无对比法^[13]、灰色预测法^[15]、动态VPM模型^[15]以及面板回归模型^[16]等运用广泛,主要通过对比“有高铁”和“无高铁”两种情境下生产性服务业的空间分布态势,来考察高铁对其空间布局的作用效应,但是未能将高铁因素和其他因素带来的影响区分开来^[12,17]。随着研究的深入和细化,部分****尝试将双重差分模型引入高铁的产业集散效应研究,基于“有无高铁”和“开通前后”的复杂情境,从静态视角入手剖析生产性服务业空间分布的变化特征,以考察高铁对生产性服务业空间集散的影响^[18,19,20],在验证双重差分模型适用性的同时,亦丰富了相关实证研究。从研究尺度看,高铁对生产性服务业的集散效应具有显著尺度差异性。基于全国及区域尺度的研究表明,在高铁影响下,生产性服务业具有靠近高铁沿线地区布局的态势,并且高铁对东部地区的影响强于中西部地区^[21];此外,不同城市群间的高铁效应也存在差异,三大城市群成为高铁效应的主要作用区域,生产性服务业集聚态势显著^[22,23]。值得关注的是,有研究证实高铁效应的异质性不仅与研究尺度有关,也深受城市特征、城市类型的影响。如马红梅等分别从特大城市和中小城市、沿海城市和内陆城市的分类出发研究高铁的产业集散效应,发现相较于特大城市和沿海城市,高铁对中小城市和内陆城市生产性服务业空间集散的影响程度更大,具有显著促进集聚的作用^[19];但针对京沪高铁沿线地区的实证研究表明,高速铁路的发展对于特大城市以及大城市内部服务业的集聚具有更为显著的推动作用^[20]。

综上,已有研究为认识高铁对生产性服务业的集散效应提供了很好的参考,但尚待思考的是,当前关于城市类型对高铁集散效应影响的研究,多以人口规模为划分依据,而城市产业特征作为影响城市发展的重要方面,从该角度探讨高铁空间集散效应的研究相对较少,有待进一步聚焦。此外,当前关于高铁产业空间集散效应的研究以静态效应考察为主,将高铁开通至今的时段视为一个整体,反映这一较长时段内高铁效应的整体作用情况,未能细致刻画研究期内各年份高铁集散效应的动态变化情况。尽管部分****以典型年份为时间断面展开研究^[12,16],初步勾勒高铁集散效应的动态变化趋势,但在年份选取的典型性上存在争议,因此基于连续时间尺度的高铁动态效应研究有待深化。鉴于此,本文立足于产业结构特征划分城市类型,借助改进的双重差分模型和动态效应模型,结合静态和动态的视角,探讨高铁对不同产业结构城市的生产性服务业及细分行业的集散效应,以期丰富高铁对生产性服务业空间集散效应的相关研究,并为长三角生产性服务业优化布局及高速铁路发展提供参考。

2 研究区概况

无论是在经济发展、产业创新还是开放互融层面,长三角城市群的发展水平均位居全国前列^①(① 参照《长江三角洲城市群发展规划》,本文研究区域包括上海市,江苏省的南京、无锡、常州、苏州、南通、盐城、扬州、镇江、泰州,浙江省的杭州、宁波、绍兴、湖州、嘉兴、金华、舟山、台州,安徽省的合肥、芜湖、马鞍山、铜陵、安庆、宣城、池州、滁州等26个城市。)。研究区地域面积为23.21万km²,2019年GDP超20万亿元,服务业发展水平居全国前列,第三产业占比达56.18%,高于全国平均水平。长三角高铁互联互通建设成效显著,网络密度高、覆盖范围广,截至2017年底,长三角城市群内已经有20个城市开通高铁,覆盖研究区70%以上地域范围,密集程度居全国城市群之首（图1）。

图1

新窗口打开|下载原图ZIP|生成PPT
图1长三角城市群高铁线路及产业结构图（2017年底）

Fig. 1The industrial structure and HSR network in the Yangtze River Delta Urban Agglomeration by the end of 2017

3 研究方法与数据来源

3.1 模型设定

双重差分模型目前广泛应用于政策评价、干预评价和事件影响评价^[24,25]。考虑到双重差分模型能够分别控制高铁开通与否、高铁开通的时间先后两方面的影响,从而分离出高铁的真实效应,本文基于该模型进行高铁空间效应的考察。由于各城市高铁开通具有不同的时间节点,应使用多期双重差分模型进行研究^[26,27]：

（1）

L Q_{it} = β_{0} + β_{1} treate d_{it} \times yea r_{i t} + β_{2} contro l_{it} + μ_{i} + λ_{t} + ε_{it}

式中：

L Q_{it}

是生产性服务业的区位熵,用以表示i城市t年的产业空间分布态势;

treate d_{it}

是对研究区进行划分的分组虚拟变量,用于描述i城市在t年的高速铁路开通情况;

yea r_{it}

为控制高铁开通时间的虚拟变量;

μ_{i}

指城市固定效应;

λ_{t}

指时间固定效应;

ε_{it}

是随机误差项;

contro l_{it}

为控制变量。虚拟变量的乘积

treate d_{it} \times yea r_{it}

记为DID,是公式（1）的核心解释变量,若其系数

β_{1}

显著且为正,则高铁促进产业集聚;反之亦然。

上述多期双重差分模型仅反映了高铁开通时间的差异,而未考虑长三角城市群内高铁发展水平的差异。因此,本文构建高铁发展水平指标

HS R_{it}

（公式2）,并参考已有研究^[28,29],将其引入公式（1）,得到基于高铁发展水平的改进模型（公式3）,以综合考察高铁对生产性服务业空间集散的影响。

（2）

HS R_{it} = \sqrt[]{connecte d_{it} \times train s_{it}}

（3）

\begin{array}{l} L Q_{it}^{'} = α_{0} + α_{1} HS R_{it} + α_{2} treate d_{it} + α_{3} yea r_{it} + α_{4} HS R_{it} \times treate d_{it} + α_{5} HS R_{it} \times yea r_{it} + \\ α_{6} treate d_{it} \times yea r_{it} + α_{7} HS R_{it} \times treate d_{it} \times yea r_{it} + α_{8} contro l_{it} + μ_{i}^{'} + λ_{t}^{'} + ε_{it}^{'} \end{array}

公式（2）中：

connecte d_{it}

是表征高铁联系广度的变量,为t年时可与i城市实现高铁直达的城市数量;

train s_{it}

是表征高铁联系强度的变量,为t年时经i城市的日高铁频次。公式（3）的核心解释变量为

HS R_{it} \times treate d_{it} \times yea r_{it}

,若其系数

α_{7}

显著且为正,则高速铁路的开通会促进地区生产性服务业在空间集聚分布。其他变量设定参见公式（1）。

上述改进模型侧重于考察高铁的静态效应,着重分析研究期内高铁对生产性服务业分布状态的整体影响。但考虑到高铁建设的时段性和非均衡性,将研究期以年为单位进行划分,深入刻画历年高铁效应的变化趋势,从动态视角探讨高铁对生产性服务业的集散效应具有重要意义,因此在公式（1）的基础上改进得到动态效应模型：

（4）

L Q_{it}^{''} = θ_{0} + \sum_{t}^{=} θ_{t} treate d_{it} \times yea r_{it} + θ_{1} treate d_{it} + θ_{2} yea r_{it} + θ_{3} con t ro l_{it} + μ_{i}'' + λ_{t}'' + ε_{it}''

公式（4）以2008年为基准年;

θ_{t}

表示2008—2017年的一系列估计值;其他变量设定同公式（1）。

综上,本文在划分城市产业结构类型的基础上,分别借助改进的双重差分模型（公式3）和动态效应模型（公式4）,来探究高铁对生产性服务业及其细分行业的静态效应和动态效应,并分析其集散效应的异同。

3.2 指标选择

3.2.1 被解释变量区位熵为本文的被解释变量,用于表征生产性服务业集聚程度,其值越高,表明生产性服务业在此区域集聚性越强（公式5）。此外,考虑到就业密度能够客观反映一定区域内相关产业的从业人员数量,用于稳健性检验（公式6）：

（5）

L Q_{ij} = \frac{S_{ij}}{X_{i}}

（6）

I C_{it} = \frac{x_{it}}{are a_{i}}

公式（5）中：

L Q_{ij}

表示i城市j行业的区位熵;

S_{ij}

是i城市j行业的总产值在全国j行业总产值的占比;

X_{i}

是i城市总产值占全国总产值的比例。公式（6）中：

x_{it}

为i城市t年某产业从业人数;

are a_{i}

为i城市的土地面积。

3.2.2 解释变量本文的核心解释变量是两个虚拟变量的乘积DID,若i城市在t年开通高铁,则

treate d_{it} \times yea r_{it} = 1

,否则

treate d_{it} \times yea r_{it} = 0

。对本文的研究时段和样本城市进行如下说明,本文研究时段为2002—2017年,其中2008年为长三角城市群首条高铁线路建成通车的时间节点,研究期内长三角开通高铁的城市数量达到20个。遵从双重差分模型中实验组和对照组的设定要求,本文以研究期内开通高铁的城市为实验组,其他城市为对照组,并最终获得实验组城市20个,对照组城市6个（宣城、舟山、南通、泰州、扬州、盐城）。

3.2.3 控制变量参考生产性服务业集散因素研究的相关成果,本文从以下8个方面构建模型的控制变量指标体系（表1）：

Tab. 1
表1
表1模型中变量的设定及说明
Tab. 1Definitions and descriptive statistics of variables

变量	指标	缩写	单位	测度方法
生产性服务业集聚指数	区位熵	$L Q_{ij}$	-	$L Q_{ij} = \frac{\frac{x_{ij}}{\sum_{j} x_{ij}}}{\frac{\sum_{i} x_{ij}}{\sum_{i} \sum_{j} x_{ij}}}$
生产性服务业集聚指数	就业密度	$I C_{it}$	人/km²	$I C_{it} = \frac{x_{it}}{are a_{i}}$
虚拟变量	政策虚拟变量	$treate d_{it}$	-	该城市区域实验组,取1;处于对照组,取0
虚拟变量	时间虚拟变量	$yea r_{it}$	-	高铁开通前,取0;高铁开通后,取1
控制变量	高铁发展水平	$HS R_{it}$	-	$HS R_{it} = \sqrt[]{connecte d_{it} \times train s_{it}}$
	信息化水平	$In t_{it}$	%	互联网接入户数占总户数的比例
	市场需求	$Man u_{it}$	%	第二产业增加值增长率
	政府干预度	$Fi n_{it}$	%	财政支出占GDP的比例
	市场对外开放程度	$Fd i_{it}$	亿元	当年实际使用外资
	人均收入水平	$Wag e_{it}$	元	平均工资
	固定资产投资	$In v_{it}$	万元	人均固定资产投资
	交通基础设施	$Roa d_{it}$	m²/人	城市人均道路面积
	人口	$Pe o_{it}$	万人	常住人口

新窗口打开|下载CSV

（1）信息化水平（

In t_{it}, 单位 : %

）：信息化水平的提升能够降低市场交易成本、丰富交易途径,赋予生产性服务业更多的可贸易性,并作用于生产性服务业的空间集散态势^[30]。考虑到数据的可获取性和适宜性,本文选择互联网接入户数占总户数的比例表征信息化水平。

（2）市场需求（

Man u_{it}, 单位 : %

）：研究表明生产性服务业的发展与前后向产业关系密切,尤其是会受到制造业的显著影响,制造业的变革和升级刺激消费需求向以高知识水平、高创新层次为特征的生产性服务业转化^[31],从而作用于生产性服务业的空间集散。参考相关研究^[32],本文以第二产业增加值增长率测度市场需求。

（3）政府干预度（

Fi n_{it}, 单位 : %

）：政府作为主要管理者,其对市场的干预会对区域制度环境产生导向性影响,与生产性服务业的空间布局具有强关联性^[33]。适宜的激励政策和市场环境有利于促进资源要素流动、激发市场活力,从而正向促进生产性服务业在空间集中布局;而过于严苛的制度环境会成为阻碍因素,不利于生产性服务业空间集聚。本文将财政支出占GDP的比例作为政府干预度的表达。

（4）市场对外开放程度（

Fd i_{it}, 单位 : 亿元

）：对外开放程度的提升是吸引外资的重要前提。作为对外开放的重要表现形式之一,外商投资规模的扩大在激发市场活力的同时,可以显著提高资本集聚效率,从而为生产性服务业追求集聚外部性创造了良好的环境基础。借鉴许晖等^[34],采用当年实际使用外资这一指标来衡量市场对外开放情况。

（5）人均收入水平（

Wag e_{it}, 单位 : 元

）：人均收入是国家和地区经济发展水平的重要表征,也是居民日常消费的主要来源,影响生产性服务业的发展与空间布局。本文采用平均工资来反映人均收入情况。

（6）固定资产投资（

In v_{it}, 单位 : 万元

）：固定资产投资是全社会开展非货币性交易的重要支撑力量,反映了市场中资本要素作用强度大小,若一地区固定资产投资较高,往往代表着其具有活跃的市场环境和充裕的资本驱动,对生产性服务业布局具有极大吸引力^[35]。本文选择人均固定资产投资量进行考察。

（7）交通基础设施（

Roa d_{it}

,单位：m²/人）：交通基础设施对于劳动力、资本、技术、信息等要素的流动和融通具有显著促进和推动作用,深刻影响要素的市场配置和创新活力的激发^[33]。由于生产性服务业对要素流动具有一定依赖性和敏感性,其空间集散会受到交通基础设施的显著影响。本文选择城市人均道路面积这一指标考察各城市交通基础设施发展情况。

（8）人口（

Pe o_{it}, 单位 : 万人

）：作为城市规模的重要表征指标,人口规模与劳动力市场活力具有密切的关系,维持适宜的人口规模是保障劳动力市场稳定的重要条件,也是降低劳动成本、促进人才流动的重要途径^[32]。由于生产性服务业具有知识密集和技术密集的特征,倾向于在人才集聚的地方布局,因而人口与生产性服务业的空间分布具有一定关联。本文采用城市常住人口数量表征各个城市的人口规模情况。

此外,为保持模型中各变量的稳健性,同时不干扰序列自然属性和序列间联动性的客观规律,对控制变量进行对数化处理。

3.3 数据来源及处理

本研究以2002—2017年为研究期,所用数据包括高铁网络数据、生产性服务业就业数据以及城市统计数据。

高铁网络数据。首先,参考《高速铁路设计规范》（TB10621-2014）,将2008年以来长三角城市群内开通的11条高速铁路划定为本文的研究对象;其次,确定各城市的高铁站点,删除设置在非市辖区的站点,并通过查询历年《全国铁路旅客列车时刻表》和中国铁路12306官网,获取研究区内两两站点间的高铁班次数据,总计得到有效信息61777条;最终,以城市为单位将上述信息汇总、整理,得到各城市单日经停高铁班次以及各班次的停靠站点信息,并测算高铁发展水平指标

HS R_{it}

,以反映各城市高铁发展水平差异。

生产性服务业就业数据及城市统计数据。当前,关于生产性服务业所包含的产业门类尚没有较为统一的界定,为了更加全面地反映高铁对生产性服务业空间集散的影响,本文参考《国民经济行业分类》（GB/T4574-2017）及相关研究^[13,36],将生产性服务业划分为以下5个细分行业：货物运输通用航空生产仓储和邮政快递服务业（下称运输服务业）、信息服务业、金融服务业、研发设计与其他技术服务业（下称研发设计业）、生产性租赁服务与商务服务业（下称租赁与商服业）。而后,通过查询历年《中国城市统计年鉴》,得到研究区内各城市各细分行业的就业人员数,并将各细分行业就业人员数之和作为城市生产性服务业就业人员总数。此外,本研究设定模型中相关控制变量等数据来源于《中国城市统计年鉴》以及各城市统计年鉴。

3.4 城市类型划分

产业是城市发展的内生动力,各产业部门间的关系和比例深刻影响着城市经济增长和功能完善。为此,本文拟从城市产业结构特征视角开展高铁的生产性服务业空间集散效应研究。城市产业结构特征不仅与各次产业占比有关,还受到人均GDP、常住人口数量、农业增加值、工业增加值等多种经济社会因素的影响,本文综合考虑上述影响因素,借助比较法将研究区的城市划分为二产主导型和三产主导型两类^[37,38]。如表2所示,二产主导型城市有12个,其中滁州、马鞍山、芜湖、铜陵、宁波、嘉兴等城市的第二产业占比高于第一产业和第三产业占比之和,第二产业具有绝对优势;此外,镇江、绍兴、安庆、宣城、扬州、泰州等城市第二产业占比仅略高于第三产业,但考虑到其工业增加值占比较大,农业占比相对较高,人均GDP和常住人口数量低于研究区平均水平,总体仍处于工业化加快发展阶段,也将其归为二产主导型城市。三产主导型城市共有14个,部分城市第三产业具有绝对优势,三产占比高于第一产业和第二产业之和,如上海、杭州、南京、苏州、无锡、常州、金华、舟山等;还有部分城市第三产业占比与第二产业较为接近,但农业占比较低,城市规模和经济发展水平优于研究区平均水平,服务业发展具有相对优势或发展潜力较大,均归为三产主导型城市,如合肥、盐城、池州、湖州、南通、台州等。

Tab. 2
表2
表2城市类型划分
Tab. 2The division of cities

分类方向	分类方法	类别名称	包含城市
产业结构	比较法	二产主导型城市	镇江宁波嘉兴绍兴芜湖马鞍山铜陵安庆滁州宣城扬州泰州
产业结构	比较法	三产主导型城市	上海南京无锡常州苏州杭州湖州金华台州合肥池州南通盐城舟山

新窗口打开|下载CSV

4 城市产业结构对高铁生产性服务业集散效应的影响

4.1 高铁对生产性服务业整体的效应分析

4.1.1 静态效应：促进二产主导型城市产业分散,促进三产主导型城市产业集聚在静态上,高铁对生产性服务业的空间集散效应受到城市产业结构的显著影响。由表3第（1）列可知,高铁在1%的显著性水平上促进二产主导型城市生产性服务业空间分散,作用强度为0.0010;在1%的显著性水平上促进三产主导型城市生产性服务业空间集聚,作用强度为0.0005。形成这一差异的原因主要有两点,其一,在城市特性上,根据传统产业演化理论,城市产业发展具有分阶段、渐进式的演化规律,突出表现为三产主导型城市的产业结构更为高级,制造业的发展水平和层次更高。三产主导型城市制造业的高度发展使得产业的“服务化”趋势不断增强,从而催生出服务业发展的内生需求。因此,三产主导型城市对于生产性服务业的发展需求强于二产主导型城市,加之其现有的产业体系更为完备,从而在资源和要素的竞争中处于有利地位。其二,在作用效应上,高速铁路的开通对地区运输能力和通达性具有显著改善作用,还能降低经济成本、促进知识溢出,从而为生产性服务业的集聚创造场所,因此综合来看,高铁对三产主导型城市的生产性服务业空间分布态势具有显著促进作用。此外,生产性服务业的集聚会产生显著的规模效应,一方面是现有集聚态势的不断强化,在空间上突出表现为三产主导型城市的生产性服务业集聚态势趋于稳定;另一方面是服务范围的进一步扩大,三产主导型城市的生产性服务业在满足自身需求的同时,能够借助高铁效应满足二产主导型城市的部分发展需求,从而引致二产主导型城市生产性服务业自身集聚需求降低,并最终表现为在二产主导型城市分散布局。

Tab. 3
表3
表3高铁对生产性服务业及细分行业的静态效应
Tab. 3The static effects of high-speed rail on producer services and its sub-sectors

		生产性服务业	运输服务业	信息服务业	金融服务业	租赁与商服业	研发设计业
		(1)	(2)	(3)	(4)	(5)	(6)
二产主导型城市	DID	-0.0010^*** (-2.63)	-0.0022^*** (-3.68)	-0.0010 (-1.49)	0.0008^** (2.06)	-0.0021^** (-2.35)	0.0011^** (1.98)
	Year	yes	yes	yes	yes	yes	yes
	City	yes	yes	yes	yes	yes	yes
	$N$	192	192	192	192	192	192
	$R^{2} (within)$	0.4197	0.1966	0.2358	0.5317	0.3567	0.3624
三产主导型城市	DID	0.0005^*** (2.66)	-0.0012^*** (-3.32)	0.0028^*** (4.46)	0.0006^* (1.81)	-0.0014^** (-2.15)	0.0014^*** (3.48)
	Year	yes	yes	yes	yes	yes	yes
	City	yes	yes	yes	yes	yes	yes
	$N$	224	224	224	224	224	224
	$R^{2} (within)$	0.3524	0.2225	0.3830	0.1766	0.1646	0.2189

注：^*、^**、^***分别表示10%、5%、1%的显著性水平,括号内为t值,由于本文未对控制变量展开分析,因此控制变量的结果未汇报。

新窗口打开|下载CSV

4.1.2 动态效应：促进二产主导型城市产业先集聚后分散,促进三产主导型城市产业集聚统计发现,2009—2013年期间二产主导型城市中有5个城市开通高铁,而后随着宁安线建成通车,二产主导型城市迎来高铁快速发展期,铜陵、芜湖、马鞍山等城市相继开通高铁;2008—2010年期间,三产主导型城市高铁发展迅猛,上海、杭州、南京等9个城市在这一时段集中通车。分析表4第（1）列发现,高铁对不同产业结构城市的动态效应具有相似的显著期,但各个显著期内的产业集散效应存在差异。① 第一个显著期为2011—2012年。从作用方向看,高铁对这两类城市生产性服务业的动态效应一致,均促进产业集聚;从作用强度看,高铁对二产主导型城市的作用效应略强,但总体差别不大,这表明在高铁发展初期,其产业集散效应受城市产业结构影响较小。此外,将这一时段与各类型城市的高铁发展阶段对比可得,对于三产主导型城市而言,其高铁效应的显著期略晚于其高铁快速发展期（2008—2010年）,反映出动态效应具有时滞性。② 第二个显著期为2015—2017年。这一时期,城市产业结构影响下高铁动态效应的差异性得以凸显,其对二产主导型城市的动态效应由促进集聚转为促进分散,对三产主导型城市生产性服务业的效应始终表现为促进集聚,且作用强度逐年递增。综合已有研究提出的“高铁显著促进长三角城市群生产性服务业空间集聚”这一结论^[3],不难推测出在高铁的影响下,这一时期城市群内部资源和要素流动频繁,主要是从二产主导型城市流向三产主导型城市,这是导致二产主导型城市的高铁效应发生转变的重要原因。此外,这期间高铁对三产主导型城市产业集聚的作用强度逐年递增,意味着在高端要素集聚的强化作用下,三产主导型城市的资源运输效率不断提升,促使生产性服务业加速向核心城市及中心城市集聚,产业集聚效应进一步凸显,能够在保证自身需求的同时,便捷地满足二产主导型城市的发展需要。

Tab. 4
表4
表4高铁对生产性服务业及细分行业的动态效应
Tab. 4The dynamic effects of high-speed rail on producer services and its sub-sectors

		生产性服务业	运输服务业	信息服务业	金融服务业	租赁与商服业	研发设计业
		(1)	(2)	(3)	(4)	(5)	(6)
二产主导型城市	$treate d_{i 2009} *yea r_{i 2009}$	0.0031 (0.06)	0.0133 (0.16)	0.0610 (0.66)	0.0121 (0.22)	-0.0498 (-0.40)	-0.0113 (-0.16)
	$treate d_{i 2010} *yea r_{i 2010}$	-0.0107 (-0.38)	0.0057 (0.12)	-0.0072 (-0.13)	-0.0062 (-0.19)	-0.1093 (-1.50)	0.0109 (0.26)
	$treate d_{i 2011} *yea r_{i 2011}$	0.0549^** (2.21)	0.0528 (1.24)	0.0377 (0.79)	0.0628^** (2.23)	-0.1383^** (-2.16)	0.0723^* (1.95)
	$treate d_{i 2012} *yea r_{i 2012}$	0.0470^* (1.87)	0.0329 (0.76)	0.0475 (0.98)	0.0563^** (1.98)	-0.0952 (-1.47)	0.0858^** (2.29)
	$treate d_{i 2013} * yea r_{i 2013}$	0.0137 (0.60)	-0.0345 (-0.88)	0.0443 (1.01)	0.0463^* (1.79)	-0.0396 (-0.67)	0.0848^** (2.49)
	$treate d_{i 2014} *yea r_{i 2014}$	-0.0380 (-1.64)	-0.1317^*** (-3.31)	-0.0051 (-0.11)	0.0213 (0.81)	-0.0603 (-1.01)	0.0785^** (2.27)
	$treate d_{i 2015} *yea r_{i 2015}$	-0.0357^* (-1.68)	-0.0681^** (-2.06)	0.0098 (0.27)	0.0110 (0.50)	-0.0285 (-0.59)	0.0156 (0.54)
	$treate d_{i 2016} *yea r_{i 2016}$	-0.0466^** (-2.37)	-0.0704^** (-2.09)	-0.0140 (-0.37)	0.0244 (1.10)	-0.0267 (-0.54)	0.0003 (0.01)
	$treate d_{i 2017} *yea r_{i 2017}$	-0.0457^** (-2.30)	-0.0764^** (-2.24)	-0.0219 (-0.57)	0.0359 (1.60)	-0.0104 (-0.21)	0.0020 (0.07)
	Year	yes	yes	yes	yes	yes	yes
	City	yes	yes	yes	yes	yes	yes
	$N$	192	192	192	192	192	192
	$R^{2} (within)$	0.2129	0.2322	0.2450	0.1853	0.2169	0.4071
三产主导型城市	$treate d_{i 2008} *yea r_{i 2008}$	-0.0169 (-0.50)	0.0041 (0.06)	-0.2192^* (-1.72)	-0.0160 (-0.27)	0.0836 (0.66)	-0.0479 (-0.57)
	$treate d_{i 2009} *yea r_{i 2009}$	0.0042 (0.18)	-0.0261 (-0.53)	-0.0199 (-0.23)	-0.0118 (-0.29)	0.0374 (0.44)	-0.0212 (-0.36)
	$treate d_{i 2010} *yea r_{i 2010}$	0.0061 (0.47)	0.0060 (0.21)	0.0041 (0.08)	0.0095 (0.41)	-0.0415 (-0.84)	-0.0193 (-0.57)
	$treate d_{i 2011} *yea r_{i 2011}$	0.0251^* (1.75)	0.0099 (0.32)	-0.0166 (-0.31)	0.0222 (0.87)	-0.0613 (-1.14)	0.0269 (0.73)
	$treate d_{i 2012} *yea r_{i 2012}$	0.0389^*** (2.83)	0.0173 (0.58)	-0.0243 (-0.47)	0.0359 (1.47)	-0.0024 (-0.05)	0.0382 (1.06)
	$treate d_{i 2013} *yea r_{i 2013}$	0.0232 (0.18)	0.0045 (0.16)	-0.0638 (-1.29)	0.0432^** (1.85)	-0.0702 (-1.42)	0.0500 (1.46)
	$treate d_{i 2014} *yea r_{i 2014}$	0.0231^* (1.79)	-0.0073 (-0.26)	0.0152 (0.32)	0.0673^*** (2.94)	-0.1334^*** (-2.77)	0.0603^* (1.81)
	$treate d_{i 2015} *yea r_{i 2015}$	0.0286^** (2.15)	-0.0277 (-0.96)	0.0859^* (1.72)	0.0770^*** (3.27)	-0.1051^** (-2.10)	0.0643^* (1.86)
	$treate d_{i 2016} *yea r_{i 2016}$	0.0306^** (2.26)	-0.0521^* (-1.76)	0.1174^** (2.29)	0.0849^*** (3.53)	-0.1058^** (-2.06)	0.0627^* (1.76)
	$treate d_{i 2017} *yea r_{i 2017}$	0.0455^*** (3.40)	-0.0707^** (-2.42)	0.1343^*** (2.65)	0.1007^*** (4.24)	-0.1455^*** (-2.86)	0.0722^** (2.06)
	Year	yes	yes	yes	yes	yes	yes
	City	yes	yes	yes	yes	yes	yes
	$N$	224	224	224	224	224	224
	$R^{2} (within)$	0.2718	0.2228	0.3902	0.2398	0.2820	0.2134

注：^*、^**、^***分别表示10%、5%、1%的显著性水平,括号内为t值,由于本文未对控制变量展开分析,因此控制变量的结果未汇报。

新窗口打开|下载CSV

4.2 高铁对各细分行业的效应分析

4.2.1 运输服务业、租赁与商服业：静态效应为促进产业分散,动态效应差异显著在静态上,根据表3第（2）和第（5）列可知,对于运输服务业、租赁与商服业而言,高铁的产业集散效应受城市产业结构的影响较小,均在1%或5%的显著性水平上促进二产主导型城市和三产主导型城市的产业分散布局。从产业特性来看,运输服务业主要是为运输业的物质生产提供产前、产中、产后等各个时段的服务,这使得其与服务对象的联系具有显著的时效性和接近性,因而运输服务业具有靠近服务对象的属性,倾向于在区域内分散布局;长三角城市群的租赁与商服业市场成熟,产业进入门槛低、发展带动性强^[17],在各城市发展成熟度普遍较高,倾向于在城市间分散布局。换言之,运输服务业、租赁与商服业都具有空间分散的内生需求,加之高铁的开通加快了城市间信息流动和人才交流,从而为产业的分散布局创造了条件,进一步强化了产业的空间分散态势。

在动态上,高铁对两类城市的产业集散效应存在异质性。① 对于运输服务业而言,高铁对二产主导型城市和三产主导型城市的动态效应均表现出“不显著-促进分散”的二阶段性。由于当前中国的高铁以客运为主,对于主要依靠货运的运输服务业影响有限,因而在其发展前期,对于两类城市运输服务业的集散效应均不显著。正如表4第（2）列所示,对于二产主导型城市和三产主导型城市而言,高铁动态效应的转折点分别为2014年和2016年,晚于这两类城市的高铁快速发展期（分别为2009—2013年、2008—2010年）,表明高铁对运输服务业的动态效应具有时滞性;此外,尽管三产主导型城市的高铁发展速度和规模均优于二产主导型城市,但其动态效应显现的时间晚于二产主导型城市,反映出高铁对三产主导型城市运输服务业空间效应的时滞性强于二产主导型城市,可能是由于三产主导型城市的运输服务业发展更为成熟,与其他产业间的联系相对复杂,产生高铁效应的阈值也相应较高。② 对于租赁与商服业而言,高铁对二产主导型城市的集散效应不稳定,仅在个别年份显现;对三产主导型城市的产业效应相对稳定,在2014—2017年间始终促进产业分散。这可能是由于三产主导型城市高铁开通时间早、连续性强,累积效应显著,故在高铁开通后期作用效应发生转变,由不显著转变为促进产业分散,且作用强度总体呈上升趋势;而二产主导型城市的高铁开通时间相对分散,累积性较差,使得其动态效应不稳定并表现出间断性。

4.2.2 金融服务业、研发设计业：静态效应为促进产业集聚,动态效应差异显著在静态层面上,高铁对不同产业结构城市的金融服务业和研发设计业的效应具有一致性。① 作用方向一致,表现为促进产业集聚。在产业特性上,金融服务业、研发设计业对于技术、信息、资本等要素的准入门槛相对较高,也因而更容易带来高收益和高回报,属于高端生产性服务业,倾向于在经济发达的高等级城市集聚,以获得规模效应^[39]。而高铁的发展在一定程度上调整了经济要素的流向,提升了资源的运输效率,使得高铁城市,尤其是部分中心城市成为资源要素交流最为活跃的区域,从而吸引对资源要素极为敏感的金融服务业、研发设计业在二产主导型城市和三产主导型城市集聚。② 相对作用强度一致,并且高铁对研发设计业的集散效应强于金融服务业。分析表3第（4）、第（6）列可知,高铁对二产主导型城市的金融服务业和研发设计业的静态效应强度分别为0.0008、0.0011,对三产主导型城市这两类细分行业的静态效应强度依次为0.0006、0.0014。通过对比可以发现,无论是对二产主导型城市还是三产主导型城市来说,高铁对研发设计业的作用强度均强于金融服务业,这是由于较之金融服务业,研发设计业对科研人才、信息、技术等更为敏感、依赖性更强^[13],因此受到高铁集散作用的影响也更为显著,集聚水平获得更大程度的提升。

在动态层面上,高铁对不同产业结构城市的金融服务业和研发设计业的效应具有显著异质性。① 作用方向异质。高铁对二产主导型城市金融服务业和研发设计业的动态效应,表现出“不显著-促进集聚-不显著”的三阶段变化;对三产主导型城市的两类细分行业则表现为“不显著-促进集聚”的二阶段变化。这表明在发展初期,高铁对不同产业结构城市的金融服务业和研发设计业布局具有相似的作用效应,均表现为由“不显著-促进集聚”;随着高铁网络扩容加密,产业结构带来的效应差异不断凸显,高铁对二产主导型城市金融服务业和研发设计业发展的作用不断减弱直至消失,对三产主导型城市的产业集聚作用则不断增强。② 作用时间异质。根据表4第（4）、第（6）列,高铁自2011年开始促进二产主导型城市金融服务业和研发设计业在空间集聚,而对三产主导型城市来说,高铁动态效应的显现时间为2013年,晚于二产主导型城市,这意味着高铁对二产主导型城市的产业效应显现早且稳定性差,对三产主导型城市的效应显现晚且稳定性强。与城市高铁发展阶段进行对比,不难发现高铁对金融服务业和研发设计业的动态效应均具有时滞性,且对三产主导型城市的时滞性更强,与上文结论保持一致。此外,由于三产主导型城市的金融服务资源更为丰富、产业关联更为紧密,在与二产主导型城市的竞争中处于优势地位,加之高铁的发展在一定程度上强化了资源和要素向该类型城市流动的趋势,故高铁对三产主导型城市金融服务业的稳定性强于二产主导型城市,在2013—2017年间稳定地促进产业集聚。

4.2.3 信息服务业：静态效应和动态效应均差异显著在静态上,依据表3第（3）列可知,高铁对二产主导型城市信息服务业的效应不显著,对三产主导型城市的产业效应表现为促进产业集聚,显著性水平达1%,作用强度为0.0028。受到前后向产业联系、金融资源基础以及供需关系等因素的综合影响,信息服务业具有向大城市集聚的趋势,从而借助产业的多样化和专业化发展来追求集聚经济^[40]。在高铁的影响下,区域的生产资料交换效率和配置水平进一步提升,使得三产主导型城市内部资源、要素流动进一步加快,现有服务企业与人才的质量不断获得提升,从而吸引更多的相关企业和人才流入,实现信息服务业的集聚发展。对于二产主导型城市来说,受到城市发展阶段的影响,高铁首先会提升城市制造业的发展竞争力,继而带动城市的服务业发展,这一目标的实现是一个相对复杂的过程^[41],尽管在现阶段仍表现为促进信息服务业分散,但未来高铁的产业效应可能会发生转变。对表4第（3）列的分析表明,在动态上,高铁对二产主导型城市的产业集散效应始终不显著,与其静态效应保持一致;对三产主导型城市的产业布局表现出“不显著-促进集聚”的二阶段特征,这主要是受到高铁效应累积性的影响,随高铁网络化发展,服务型城市的信息服务业响应越发强烈,在空间的集聚程度获得明显提升。

4.3 稳健性检验

为了检验上文模型结果的稳健性,本文将双重差分模型中的被解释变量区位熵替换为就业密度进行检验,具体结果见表5。对比表3和表5各列中核心解释变量DID的显著性水平可以发现,替换被解释变量不会影响高铁对生产性服务业的作用效果,分别以区位熵和就业密度作为被解释变量的检验结果具有一致性,证实本文前述的研究结果稳健、可信。

Tab. 5
表5
表5替换被解释变量的检验结果
Tab. 5Regression results of using employment density to measure producer services agglomeration

		生产性服务业	运输服务业	信息服务业	金融服务业	租赁与商服业	研发设计业
		(1)	(2)	(3)	(4)	(5)	(6)
二产主导型城市	$HS R_{it}$	-0.1956^** (-2.31)	-0.1885^** (-2.41)	-0.2342 (-1.30)	0.2911^** (2.54)	-0.5011^* (-1.73)	0.1357 (0.88)
	$yea r_{it}$	0.0260 (0.88)	0.0040 (0.14)	-0.0387 (-0.62)	0.0342 (0.85)	0.2833^*** (2.79)	-0.0551 (-1.03)
	$treate d_{it} *yea r_{it}$	0.0261 (0.83)	0.0083 (0.29)	-0.0264 (-0.40)	-0.1138^*** (-2.68)	-0.1438 (-1.34)	-0.1117^** (-2.07)
	$HS R_{it} *yea r_{it}$	0.1787^** (2.05)	0.2347^*** (2.92)	0.2449 (1.32)	-0.2181^* (-1.84)	0.4501 (1.50)	-0.2067 (-1.31)
	$HS R_{it} *treate d_{it}$	0.2085^** (2.41)	0.1859^** (2.33)	0.1691 (0.92)	-0.3341^*** (-2.85)	0.5694^* (1.92)	-0.2846^* (-1.82)
	DID	-0.1909^** (-2.14)	-0.2297^*** (-2.78)	-0.1800 (-0.95)	0.2627^** (2.16)	-0.5258^* (-1.71)	0.3544^** (2.19)
	Year	yes	yes	yes	yes	yes	yes
	City	yes	yes	yes	yes	yes	yes
	$N$	192	192	192	192	192	192
	$R^{2} (within)$	0.4655	0.8267	0.6563	0.6570	0.5546	0.7208
三产主导型城市	$HS R_{it}$	0.0921^* (1.66)	0.1890^** (2.05)	-0.1277 (-0.92)	-0.0773 (-0.89)	-0.1338 (-0.94)	0.1001 (1.10)
	$yea r_{it}$	0.0056 (0.17)	0.0584 (1.03)	0.0100 (0.12)	-0.0545 (-1.07)	0.0538 (0.65)	-0.1411^*** (-2.65)
	$treate d_{it} *yea r_{it}$	-0.0140 (-0.46)	-0.1986^*** (-3.75)	-0.0184 (-0.24)	-0.2587^*** (-5.47)	-0.0159 (-0.20)	0.0521 (1.05)
	$HS R_{it} *yea r_{it}$	-0.1211^** (-2.06)	-0.1951^* (-1.90)	0.2546^* (1.73)	0.0338 (0.37)	0.2398 (1.59)	-0.1978^** (-2.05)
	$HS R_{it} *treate d_{it}$	-0.1106^** (-2.05)	-0.2787^*** (-2.79)	0.1632 (1.14)	-0.1188 (-1.33)	0.1956 (1.34)	-0.1358 (-1.45)
	DID	0.1419^** (2.29)	0.2851^*** (2.63)	-0.2863^* (-1.84)	0.1611^* (1.67)	-0.2998^* (-1.89)	0.2352^** (2.32)
	Year	yes	yes	yes	yes	yes	yes
	City	yes	yes	yes	yes	yes	yes
	$N$	224	224	224	224	224	224
	$R^{2} (within)$	0.7875	0.5342	0.5211	0.7363	0.5036	0.7788

注：^*、^**、^***分别表示10%、5%、1%的显著性水平,括号内为t值,由于本文未对控制变量展开分析,因此控制变量的结果未汇报。

新窗口打开|下载CSV

5 结论与讨论

本文采用2002—2017年长三角城市群26个城市的面板数据,基于双重差分模型考察高铁对不同产业结构城市的生产性服务业空间集散的影响。发现无论是对生产性服务业整体还是各细分行业来说,高铁对不同产业结构城市的产业空间集散效应并不总是相同的,表现为一致性和异质性共存,具体结论如下：

（1）基于城市产业结构特征,将研究区内的城市划分为二产主导型城市和三产主导型城市两类。在静态上,受到城市特性和高铁作用路径的共同影响,高铁对二产主导型城市和三产主导型城市生产性服务业的静态效应相反,分别表现为促进分散和促进集聚。在动态上,城市产业结构影响下高铁的产业集散效应差异显著,具体表现为促进二产主导型城市的生产性服务业先集聚后分散,对三产主导型城市的产业效应始终表现为促进集聚。

（2）城市产业结构会影响高铁对生产性服务业各细分行业的集散效应。根据其静态效应和动态效应的作用特征,可分为三类。对于运输服务业、租赁与商服业而言,高铁静态效应具有一致性,均促进各类城市的产业分散布局;其动态效应具有“不显著-促进分散”的二阶段性,并随产业特性差异呈现异质性,从运输服务业来看,高铁对三产主导型城市的时滞性强于二产主导型城市,从租赁与商服业来看,高铁对三产主导型城市的动态效应更为稳定、连续。

（3）对于金融服务业和研发设计业而言,在静态上,高铁对其产业集散的影响具有一致性,一是作用方向一致,均促进产业集聚;二是作用强度一致,对研发设计业的作用强度更强。在动态上,高铁效应受产业结构影响显著,对二产主导型城市金融服务业和研发设计业的动态效应表现出“不显著-促进集聚-不显著”的三阶段性;对三产主导型城市则表现为“不显著-促进集聚”的二阶段性。

（4）对于信息服务业而言,在静态上,由于信息服务业对产业的多样化和专业化具有较高要求,高铁能够通过加快三产主导型城市的资源要素流动,实现区域内信息服务业集聚发展,但对二产主导型城市的影响不显著。高铁动态效应与静态效应具有一致性,对二产主导型城市的动态效应不显著,对三产主导型城市的动态效应表现出“不显著-促进集聚”的二阶段性。

研究结果证实了高铁对长三角城市群生产性服务业的集散效应深受城市产业结构特征影响,对生产性服务业整体及各细分行业的空间效应具有显著异质性,为高铁的产业空间效应研究提供了新的支撑,并在实证模型应用及变量遴选等方面进行了探索,为相关研究提供了一定的思路借鉴。通过本研究,我们也发现了一些有待在后续工作中进一步深入探索的内容。第一,本文利用从业人员数量变化测度生产性服务业在城市尺度上的集散状态,在未来的研究中可以尝试利用生产性服务业企业数据,从企业分布密度上进一步探讨行业的集散状态,一方面可与本研究结论进行对比,另一方面亦能够揭示城市内部微观层面上产业集聚特征,以期更为全面、准确地测度生产性服务业的空间集散状态。第二,随着中国“八纵八横”高速铁路网建设的不断推进,在全国尺度下探讨高铁的产业空间效应及其区域分异更具理论意义和现实价值。为此,通过拓展研究范围探讨更大尺度上高铁对生产性服务业空间集散的影响与区域分异格局,剖析其形成机制与作用机理,将是后续相关研究需重点关注的领域。

致谢：

真诚感谢匿名评审专家在论文评审中所付出的时间和精力,评审专家对本文的文献综述、实证模型设置、控制变量遴选、城市类型划分、文字表述等方面的修改意见,使本文获益匪浅。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

初楠臣, 张平宇, 姜博. 基于日高铁流量视角的中国高速铁路网络空间特征
地理研究, 2018, 37(11):2193-2205.

DOI:10.11821/dlyj201811006 [本文引用: 1]

构建中国180×180的O-D城市日高铁流量矩阵,基于社会网络分析研究其高铁网络结构特征,结果表明：① 中国高铁网络松散,东、中部网络密度大于东北与西部,以长三角为核心的东南与其他区域不均衡特征凸显,东、中、西、东北包含不同的高铁区系与核心。② 日高铁流量表现为沿京沪高铁“廊道型”向东西两侧递减弱化的“非对称性”格局,形成京沪、京广、杭福深相串联的高铁大三角主骨架;高铁中心要素也呈现沿京沪、京广、沪昆、杭福深等向线路两侧不规则递减格局,“廊道效应”显著。③ 胡焕庸线东南侧城市对高铁要素掌控能力大于西北侧,省会或区域中心城市多为高铁通达服务“中介”,一线城市高铁空间溢出效应有向二、三线城市过渡态势。

[ Chu

Nanchen

, Zhang

Pingyu

, Jiang

. Spatial characteristics of Chinese high-speed railway network from the perspective of daily flow
Geographical Research, 2018, 37(11):2193-2205.] DOI: 10.11821/dlyj201811006.

[本文引用: 1]

[2]

吴威, 梁双波, 曹有挥. 流域交通运输地理研究进展与展望
地理科学进展, 2019, 38(8):1136-1149.

DOI:10.18306/dlkxjz.2019.08.003 [本文引用: 1]

流域交通运输地理在区域交通运输地理的理论框架下,以流域或流域的部分区域为研究区开展交通运输组织及其发展规律研究。论文从交通网络、运输联系及区域效应3个方面梳理了流域交通运输地理的研究进展。 ① 交通网络相关研究围绕综合交通发展水平与格局、网络连接特征与可达性、港口体系的空间结构与供应链等展开,多式联运正成为流域交通运输地理研究的新热点;② 运输联系主要研究客货运输联系规律和交通流,流域物流地理的研究重点正从物流产业布局与企业选址向物流网络与空间组织、物流供应链转移;③ 区域效应偏重于经济增长效应,资源环境生态效应研究较为薄弱。基于流域交通运输地理研究的侧重点,结合当前研究进展与流域发展需求,流域交通运输地理学未来应重视流域港口体系与水运发展,关注综合交通网络构建与运输组织以及多式联运,探究不同层级流域交通运输间的关联性,同时应加强流域交通运输的资源环境与生态效应研究。

[ Wu

Wei

, Liang

Shuangbo

, Cao

Youhui

. Progress and trend in research on watershed transport geography
Progress in Geography, 2019, 38(8):1136-1149.] DOI: 10.18306/dlkxjz.2019.08.003.

[本文引用: 1]

[3]

Chen C

. Reshaping Chinese space-economy through high-speed trains: Opportunities and challenges
Journal of Transport Geography, 2012, 22(5):312-316. DOI: 10.1016/j.jtrangeo.2012.01.028.

URL [本文引用: 2]

[4]

Chen Z

, Haynes K

. Impact of high-speed rail on regional economic disparity in China
Journal of Transport Geography, 2017, 65:80-91. DOI: 10.1016/j.jtrangeo.2017.08.003.

URL [本文引用: 1]

[5]

吴威, 曹有挥, 张璐璐, 等. 基于供给侧的区域交通发展水平综合评价: 以中国三大城市群为例
地理科学, 2018, 38(4):495-503.

DOI:10.13249/j.cnki.sgs.2018.04.002 [本文引用: 1]

基于公路、铁路、水运、航空以及管道运输等多运输方式,考虑不同空间尺度交通需求的差异,从国内交通和国际交通两个层面构建了区域综合交通发展水平评价指标体系,并对比分析了京津冀、长三角、珠三角三大城市群综合交通发展水平。结果表明三大城市群交通发展水平存在明显的梯度差异,长三角地区高于京津冀地区,珠三角地区发展水平最低。交通发展水平的差异在不同尺度及不同交通方式上表现不同,国内交通差异小于国际交通,交通总体发展水平差异介于国内和国际交通之间;公路交通在城市群间的差异较小,水运、铁路、航空以及管道运输在城市群间的差距均较大,但引致综合交通发展水平差异的主要因素在于铁路、航空和水运发展上的差距。各交通方式发展优势均不突出,且铁路发展明显滞后是引致珠三角交通发展总体水平较低的主要因素,据此提出了改善珠三角地区交通的建议。

[ Wu

Wei

, Cao

Youhui

, Zhang

Lulu

, et al. Comprehensive evaluation of regional integrated transportation development level based on supply-front perspective: Taking three major urban agglomerations in China as examples
Scientia Geographica Sinica, 2018, 38(4):495-503.] DOI: 10.13249/j.cnki.sgs.2018.04.002.

[本文引用: 1]

[6]

Meng X

, Lin S

, Zhu X

. The resource redistribution effect of high-speed rail stations on the economic growth of neighbouring regions: Evidence from China
Transport Policy, 2018, 68:178-191. DOI: 10.1016/j.tranpol.2018.05.006.

URL [本文引用: 1]

[7]

颜银根, 倪鹏飞, 刘学良 . 高铁开通, 地区特定要素与边缘地区的发展
中国工业经济, 2020, (8):118-136.

[本文引用: 1]

[ Yan

Yingen

, Ni

Pengfei

, Liu

Xueliang

. High-speed train, immobility factors and the development of periphery regions
China Industrial Economics, 2020, (8):118-136.] DOI: 10.19581/j.cnki.ciejournal.2020.08.007.

[本文引用: 1]

[8]

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
地理研究, 2016, 35(5):953-965.

DOI:10.11821/dlyj201605012 [本文引用: 1]

基于中国29个省份的面板数据,采用Malmquist-Luenberger指数,测算各省份全要素碳生产率的增长率,并利用面板门限回归方法,探讨在服务业发展与全要素碳生产率增长的关系中信息化水平的作用。结果表明：① 中国多数省份实现了全要素碳生产率增长,多数省份的全要素碳生产率增长主要依靠技术进步而非效率改进。② 服务业发展对全要素碳生产率的提升作用受到信息化水平的制约。当地区信息化水平低于一定门限值时,服务业发展对于全要素碳生产率的推动作用较为有限;而当地区信息化水平超过一定门限值时,服务业发展将对当地全要素碳生产率发挥更为积极的推动作用。

[ Li

, 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
Geographical Research, 2016, 35(5):953-965.] DOI: 10.11821/dlyj201605012.

[本文引用: 1]

[9]

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
地理科学, 2018, 38(9):1543-1550.

[本文引用: 1]

[ 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
Scientia Geographica Sinica, 2018, 38(9):1543-1550.] DOI: 10.13249/j.cnki.sgs.2018.09.018.

[本文引用: 1]

[10]

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
地理研究, 2009, 28(6):1494-1507.

[本文引用: 1]

[ Shen

Yuming

, Wu

Kang

, Ren

Wangbing

. Research progress of the spatial agglomeration on producer services
Geographical Research, 2009, 28(6):1494-1507.] DOI: 10.11821/yj2009060006.

[本文引用: 1]

[11]

Wang

, Wei X

, Liu

, et al. Impact of high-speed rail on population mobility and urbanisation: A case study on Yangtze River Delta urban agglomeration, China
Transportation Research Part A: Policy and Practice, 2019, 127:99-114. DOI: 10.1016/j.tra.2019.06.018.

URL [本文引用: 1]

[12]

覃成林, 杨晴晴. 高速铁路对生产性服务业空间格局变迁的影响
经济地理, 2017, 37(2):90-97.

[本文引用: 3]

[ Qin

Chenglin

, Yang

Qingqing

. The effect of HSR on the spatial pattern dynamics of producer service
Economic Geography, 2017, 37(2):90-97.] DOI: 10.15957/j.cnki.jjdl.2017.02.013.

[本文引用: 3]

[13]

Shao

, Tian Z

, Yang L

. High speed rail and urban service industry agglomeration: Evidence from China's Yangtze River Delta region
Journal of Transport Geography, 2017, 64:174-183. DOI: 10.1016/j.jtrangeo.2017.08.019.

URL [本文引用: 4]

[14]

Andersson D

, Shyr O

, Fu

. Does high-speed rail accessibility influence residential property prices? Hedonic estimates from southern Taiwan
Journal of Transport Geography, 2010, 18(1):166-174. DOI: 10.1016/j.jtrangeo.2008.10.012.

URL [本文引用: 1]

[15]

Li M

, Chen

. High-speed rail network in China: The contribution of fast trains to regional tourism and economic development
Tourism Review, 2019, 75(2):414-432. DOI: 10.1108/TR-12-2018-0197.

URL [本文引用: 2]

[16]

刘玮辰, 曹有挥, 吴威, 等. 长江经济带铁路客运通达能力空间格局及第三产业发展效应分析
地理科学, 2019, 39(4):626-635.

DOI:10.13249/j.cnki.sgs.2019.04.012 [本文引用: 2]

铁路作为长江经济带综合立体交通走廊的基础组成部分,是构建运输大通道、实现要素快速无障碍流动、推动带域经济发展的重要支撑。以经济带内129个城市为研究对象,分析2000~2015年铁路快速化和高速化过程中客运通达能力演化特征,并利用市域面板数据模型分析其对城市第三产业发展的影响,结果表明：铁路客运通达能力随既有线提速增能和高等级新线开通大幅提升,但城市间旅行时间因铁路网建设空间密度和时间梯度差异产生“时空收敛”非均衡性;低旅行时间网络在主要都市区不断强化,向外持续扩张中沿区际联系主通道出现地带间高可达网络融合,铁路走廊以区域中心城市为节点重构经济带交通区位格局,实现城市群整合、地带间网络化交流;铁路客运发展促进第三产业能力提升和要素集聚,空间上表现为东中部高、西部低,铁路枢纽节点城市、传统干线通道沿线城市和新建铁路沿线城市受到较强的正向作用。

[ Liu

Weichen

, Cao

Youhui

, Wu

Wei

, et al. Spatial patterns and the tertiary industry effects of railway passenger accessibility in the Yangtze River Economic Belt
Scientia Geographica Sinica, 2019, 39(4):626-635.] DOI: 10.13249/j.cnki.sgs.2019.04.012.

[本文引用: 2]

[17]

唐荣, 顾乃华. 高铁建设与上游生产性服务业发展: 基于PSM-DID的实证检验
经济与管理研究, 2018, 39(7):58-68.

[本文引用: 2]

[ Tang

Rong

, Gu

Naihua

. High-speed rail construction and development of upstream producer services: Based on PSM-DID empirical test
Research on Economics and Management, 2018, 39(7):58-68.] DOI: 10.13502/j.cnki.issn1000-7636.2018.07.006.

[本文引用: 2]

[18]

Diao

. Does growth follow the rail? The potential impact of high-speed rail on the economic geography of China
Transportation Research, 2018, 113:279-290. DOI: 10.1016/j.tra.2018.04.024.

[本文引用: 1]

[19]

马红梅, 郝美竹. 中国高铁建设与沿线城市生产性服务业集聚: 影响机制与实证检验
产业经济研究, 2020, (1):99-113.

[本文引用: 2]

[ Ma

Hongmei

, Hao

Meizhu

. Theoretical mechanism and empirical evidence of China's high-speed railway construction and the agglomeration of productive service industry
Industrial Economics Research, 2020, (1):99-113.] DOI: 10.13269/j.cnki.ier.2020.01.008.

[本文引用: 2]

[20]

邢丽峰. 高铁对京沪沿线区域第三产业集聚影响研究
北京: 北京交通大学硕士学位论文, 2019: 40-41.

[本文引用: 2]

[ Xing

Lifeng

. Study on the impact of high-speed railway on the agglomeration of teritiery industry along the Jinghu Line
Beijing: Master Dissertation of Beijing Jiaotong University, 2019: 40-41.]

[本文引用: 2]

[21]

曹小曙, 洪浩霖, 梁斐雯. 高铁对中国城市群生产性服务业集聚的影响
热带地理, 2019, 39(3):440-449.

[本文引用: 1]

[ Cao

Xiaoshu

, Hong

Haolin

, Liang

Feiwen

. Effect of high-speed rail on producer services' agglomeration in Chinese urban agglomerations
Tropical Geography, 2019, 39(3):440-449.] DOI: 10.13284/j.cnki.rddl.003133.

[本文引用: 1]

[22]

Zhao M

, Liu X

, Derudder

, et al. Mapping producer services networks in mainland Chinese cities
Urban Studies, 2015, 52(16):3018-3034. DOI: 10.1177/0042098014558541.

URL [本文引用: 1]

[23]

王雨飞, 倪鹏飞. 高速铁路影响下的经济增长溢出与区域空间优化
中国工业经济, 2016, (2):21-36.

[本文引用: 1]

[ Wang

Yufei

, Ni

Pengfei

. Economic growth spillover and spatial optimization of high-speed railway
China Industrial Economics, 2016, (2):21-36.] DOI: 10.19581/j.cnki.ciejournal.2016.02.003.

[本文引用: 1]

[24]

Ashenfelter O

, Card

. Using the longitudinal structure of earnings to estimate the effect of training programs
The Review of Economics and Statistics, 1985, 67(4):648-660. DOI: 10.2307/1924810.

URL [本文引用: 1]

[25]

Lechner

. The estimation of causal effects by difference-in-difference methods. Foundation and Trends in
Econometrics. 2011, 4(3):165-224. DOI: 10.1007/s001980050057.

[本文引用: 1]

[26]

Bertrand

, Mullainathan

. “Is there discretion in wage setting? A test using takeover legislation”
Rand Journal of Economics, 1999, 30(1):535-554. DOI: 10.2307/2556062.

URL [本文引用: 1]

[27]

Beck

, Levine

, Levkov

. Big bad banks? The winners and losers from bank deregulation in the United States
Journal of Finance, 2010, 65(5):1637-1667. DOI: 10.1111/j.1540-6261.2010.01589.x.

[本文引用: 1]

[28]

何靖. 延付高管薪酬对银行风险承担的政策效应: 基于银行盈余管理动机视角的PSM-DID分析
中国工业经济, 2016, (11):126-143.

[本文引用: 1]

[ He

Jing

. The policy effect of CEO deferred compensation on bank risk taking: A PSM-DID analysis based on bank earnings management
China Industrial Economics, 2016, (11):126-143.] DOI: 10.19581/j.cnki.ciejournal.2016.11.010.

[本文引用: 1]

[29]

Kanagaretnam

, Lobo G

, Yang D

. Joint tests of signaling and income smoothing through bank loan loss provisions
Contemporary Accounting Research, 2004, 21(4):843-884. DOI: 10.2139/ssrn.253902.

URL [本文引用: 1]

[30]

邱灵, 方创琳. 北京市生产性服务业空间集聚综合测度
地理研究, 2013, 32(1):99-110.

[本文引用: 1]

[ Qiu

Ling

, Fang

Chuanglin

. Comprehensive assessment on the spatial agglomeration of producer services in Beijing
Geographical Research, 2013, 32(1):99-110.] DOI: 10.11821/yj2013010011.

[本文引用: 1]

[31]

Ellison

, Glaeser E

. Geographic concentration in U.S. manufacturing industries: A dartboard approach
Journal of Political Economy, 1994, 105(5):889-927. DOI: 10.1086/262098.

URL [本文引用: 1]

[32]

Ke S

, He

, Yuan C

. Synergy and co-agglomeration of producer services and manufacturing: A panel data analysis of Chinese cities
Regional Studies, 2014, 48(11):1829-1841. DOI: 10.1080/00343404.2012.756580.

URL [本文引用: 2]

[33]

李一曼, 孔翔. 基于ESDA-GWR的浙江县域生产性服务业时空特征及影响因素分析
长江流域资源与环境, 2018, 27(5):969-977.

[本文引用: 2]

[ Li

Yiman

, Kong

Xiang

. Analysis on time-space characteristics and influence factors of producer services industry from the perspective of ESDA-GWR in Zhejiang country
Resources and Environment in the Yangtze Basin, 2018, 27(5):969-977.] DOI: 10.11870/cjlyzyyhj201805004.

[本文引用: 2]

[34]

许晖, 邹慧敏, 单凤玲. 外商投资中国生产性服务业影响因素研究: 基于产业互动和系统观的视角
经济经纬, 2009, 5:39-43.

[本文引用: 1]

[ Xu

Hui

, Zou

Huimin

, Shan

Fengling

. Research on the influencing factors of foreign investment in the producer service industry of China: From the perspectives of industrial interaction and systematic view
Economic Survey, 2009, 5:39-43.] DOI: 10.3969/j.issn.1006-1096.2009.05.010.

[本文引用: 1]

[35]

Huallacháin B

, Leslie T

. Producer services in the urban core and suburbs of Phoenix, Arizona
Urban Studies, 2007, 44(8):1581-1601. DOI: 10.1080/00420980701373453.

URL [本文引用: 1]

[36]

方远平, 陆莲芯, 毕斗斗, 等. 珠江三角洲港资服务业企业的空间格局及影响因素研究
地理科学, 2020, 40(9):1421-1428.

DOI:10.13249/j.cnki.sgs.2020.09.003 [本文引用: 1]

香港与珠三角地区历来有着紧密的社会经济联系,研究港资服务业在珠三角的空间布局,有助于发现港资服务业在珠三角不同等级城市的跨制度边界分布规律,并对揭示香港与珠三角之间的服务业合作关系和促进粤港澳大湾区一体化建设具有重要意义。基于1 050家珠三角港资服务业企业POI点数据,运用最邻近点指数、核密度估计法和地理集中指数等定量方法和GIS技术,研究珠三角港资服务业企业的总体空间布局及局部区位特征,并构建了多元回归模型揭示其空间布局的影响因素。结果发现：① 珠三角港资服务业企业的整体空间表现为集聚型,形成了“总体分散,局部集中”的空间分布特征；② 分行业来看,除分配性服务业企业具有空间多中心特征外,其余服务业企业均形成了以广、深为核心的空间分布结构,且4类珠三角港资服务业企业均具有显著的集聚特征,其中生产性服务业企业的集聚特征最为突出；③ 除分配性服务业企业外,其他类别港资服务业企业的空间分布受到不同因素影响,主要包括服务业发展水平和固定资产投资。

[ Fang

Yuanping

, Lu

Lianxin

, Bi

Doudou

, et al. The distribution and influencing factors of Hong Kong-funded service companies in the Pearl River Delta
Scientia Geographica Sinica, 2020, 40(9):1421-1428.] DOI: 10.13249/j.cnki.sgs.2020.09.003.

[本文引用: 1]

[37]

方磊, 刘宏. 我国城市分类和城市发展问题的初步研究
地理学报, 1988, (1):1-10.

DOI:10.11821/xb198801001 [本文引用: 1]

本文认为适合当前中国城市发展的城市分类为:250万人口以上为特大城市,100—250万人口为大城市,30—100万人口为中等城市,10—30万人口为小城市,10万人口以下为小城镇。基于这个分类,中国城市发展应走多元化道路,城市系统和农村集镇系统将互相配合,共同发展,城市化进程还将具有阶段性和地域差异的特性。

[ Fang

Lei

, Liu

Hong

. A preliminary study on the problems of Chinese urban classification and urban development
Acta Geographica Sinica, 1988, (1):1-10.] DOI: 10.11821/ xb198801001.

[本文引用: 1]

[38]

Abbott W

, Singelmann

. From agriculture to services: The transformation of industrial employment
Beverly Hills, USA: Sage Publications, 1978: 42-45.

[本文引用: 1]

[39]

曾春水, 申玉铭. 中国城市服务业职能特征研究
地理研究, 2015, 34(9):1685-1696.

DOI:10.11821/dlyj201509007 [本文引用: 1]

中国城市服务业职能特征研究可为构建合理的城市服务业职能规模结构、行业结构和空间结构及各城市服务业差异化发展提供科学依据。以中国287个地级及以上城市为单元,应用纳尔逊方法、城市服务业流量测度模型、服务业行业B/N比和空间自相关等方法,定量测算各城市服务业职能规模、专业化部门、职能强度,分析各服务业行业的分工水平、演变趋势和空间格局。研究表明：① 对外服务业输出流量高度集中于高级服务业中心,各等级服务业中心的服务业职能结构差异较大;② 城市服务业输出和输入流量规模在地带性尺度上都呈“东中西”三级递减空间格局。城市服务业输出流量空间没有显著集聚区域,而城市服务业输入流量空间上有弱集聚特征,呈“大分散小集中”格局,集聚城市呈“群”状分布,与重要城市群分布较一致;③ 各服务业行业分工强度存在差异,服务业整体分工在深化,具体行业分工有快速深化、缓慢深化、稳定三种类型;④ 服务业输入流量规模集中性比较低,各城市有普遍服务业需求,应根据需求类型采取不同发展策略。

[ Zeng

Chunshui

, Shen

Yuming

. A study of the functional features of China's urban service industries
Geographical Research, 2015, 34(9):1685-1696.] DOI: 10.11821/dlyj201509007.

[本文引用: 1]

[40]

董艳梅, 朱英明. 高铁建设的就业效应研究: 基于中国285个城市倾向匹配倍差法的证据
经济管理, 2016, 38(11):26-44.

[本文引用: 1]

[ Dong

Yanmei

, Zhu

Yingming

. Study on the employment effect of the construction of high speed railway: Evidence from 285 cities of China based on PSM-DID method
Economic Management Journal, 2016, 38(11):26-44.] DOI: 10.19616/j.cnki.bmj.2016.11.003.

[本文引用: 1]

[41]

Yang F

, Yeh

A G O

, Wang

J J

. Regional effects of producer services on manufacturing productivity in China
Applied Geography, 2018, 97:263-274. DOI: 10.1016/j.apgeog.2018.04.014.

URL [本文引用: 1]