知識密集型服務業(yè)集聚對經濟增長的影響研究

萬麗娟++楊艷琳++尹希果

摘要：文章在計算區(qū)位熵指數（Location Quotient）的基礎上，根據經濟增長理論和經濟地理理論構建面板數據模型，運用廣義矩估計（GMM）方法實證分析了中國2004-2012年24個省市的知識密集型服務業(yè)（KIBS）集聚對于經濟增長的作用。實證結果顯示：知識密集型服務業(yè)集聚與經濟增長之間呈現(xiàn)出倒U型曲線關系，說明集聚能對經濟增長產生正效應，但是集聚不適度時會對經濟增長產生負效應?；谏鲜鼋Y論，提出了相應的政策建議。

關鍵詞：知識密集型服務業(yè)；產業(yè)集聚；經濟增長；GMM分析

中圖分類號：F263文獻標志碼：A文章編號：

10085831（2016）02003207

一、研究背景

產業(yè)的空間集聚是經濟活動中最突出、最活躍的地理特征，在區(qū)域的經濟發(fā)展和競爭力提升中起著重要推動作用。關于產業(yè)集聚的理論研究可追溯至Marshall的產業(yè)區(qū)理論，Marshall[1]首次使用“集聚”來描述地域相近的產業(yè)集中，之后Krugman[2]利用不完全競爭經濟學、路徑依賴、遞增收益以及因果關系等對產業(yè)的空間集聚作了較為全面的解釋，Porter[3]則從企業(yè)競爭力的視角提出“鉆石”模型，強調了產業(yè)集聚對地區(qū)產業(yè)國際競爭力的影響。隨著研究范圍的擴大，國內外不少學者已將產業(yè)的空間集聚引入服務業(yè)的研究中，尤其是生產性服務業(yè)和知識密集型服務業(yè)等未來的主流產業(yè)。知識密集型服務業(yè)（Knowledgeintensive Business Service，KIBS）是從服務業(yè)中分離出的以知識為基礎的新的產業(yè)形態(tài)[4]，在知識經濟時代扮演著關鍵的角色，逐漸成為各國或地區(qū)競爭的主要內容。根據美國國家科學委員會發(fā)布的《2012年科學與工程指標》報告，2010年全球知識密集型產業(yè)對世界GDP的貢獻約為30%，美國知識密集型服務業(yè)對該國GDP的貢獻已經超過了50%。近年來，中國部分地區(qū)的知識密集型服務業(yè)發(fā)展非常迅速，尤其是東部沿海地區(qū)，憑借其優(yōu)越的地理環(huán)境、完善的基礎設施、較高的市場開放度，為知識密集型服務業(yè)的發(fā)展創(chuàng)造了良好條件。知識密集型服務業(yè)呈現(xiàn)出高知識、高技術、高創(chuàng)新、高互動等產業(yè)特性，對產業(yè)轉型升級發(fā)揮著重要作用。

二、文獻綜述

關于KIBS的研究始于20世紀90年代Bilderbeek、Hertog等人的一項名為“Service Industries，Service Innovations”的課題，學者在研究中發(fā)現(xiàn)有一類依賴知識信息資源的服務部門，能夠獨立創(chuàng)造財富。Czarnitzki和Spielkamp[5]等人也曾指出知識密集型服務業(yè)是技術變革和經濟增長的最主要推動者之一，并將成為未來服務業(yè)發(fā)展的主流。目前，國內外文獻對知識密集型服務業(yè)的定性分析主要集中在概念和內涵界定上。Miles等[6]認為知識密集型服務業(yè)的內涵包括三個層次：一是從事KIBS的是私人企業(yè)或組織，二是KIBS依賴專業(yè)能力和知識（涉及特定技術學科和技術功能領域），三是KIBS提供的是以知識為基礎的中間產品和服務。Den Hertog[7]定義KIBS為高度創(chuàng)新的服務活動，并且促進了其他經濟領域的創(chuàng)新，包括工業(yè)和制造業(yè)。Bettencourt等[8]指出KIBS是以積累、創(chuàng)造或傳播知識等為主要增值活動，開發(fā)定制服務或產品來滿足顧客需求的企業(yè)。田紅梅[9]指出知識服務是從各種顯性和隱性的信息資源中，根據人們的需要提煉出相應的知識并傳輸出去的過程。李霞[10]認為知識服務是一個滿足客戶不同知識需求的服務過程，知識服務提供者憑借自身高度專業(yè)化的知識，結合大量的信息與知識進行知識創(chuàng)新，幫助客戶獲取知識、理性決策、解決問題等。王靜[11]將知識服務定義為一種新興的現(xiàn)代服務業(yè)，其構成單位是高度依賴于特定學科或領域內專業(yè)知識和技能，提供以知識為基礎的產品（服務）的企業(yè)或組織，它們通過對內外部知識加工從而向客戶提供有針對性的知識服務，并在此過程中完成知識和信息的收集、整理、創(chuàng)造及傳播工作。

在實證研究方面，國內外已有文獻對KIBS與經濟增長關系進行研究，并且少數學者已開始探討知識服務的集聚特征。首先，技術創(chuàng)新是經濟增長的動力和源泉。從創(chuàng)新層面看，Muller和Zenker[12]通過研究德、法兩國知識密集型服務企業(yè)和中小型制造企業(yè)的創(chuàng)新行為，發(fā)現(xiàn)知識密集型服務業(yè)企業(yè)不僅是創(chuàng)新的傳道者與推動者，其本身也存在創(chuàng)新行為。Mas-Verdú等[13]基于本國和歐洲數據庫的創(chuàng)新數據，利用投入產出框架實證分析了西班牙經濟發(fā)展中創(chuàng)新的驅動力和知識密集型服務業(yè)的貢獻，研究表明知識密集型服務業(yè)在創(chuàng)新中起著關鍵的作用，同時也是重要的創(chuàng)新生產者。劉順忠[14]認為知識密集型服務業(yè)的發(fā)展推動了創(chuàng)新系統(tǒng)知識的創(chuàng)造、擴散和使用，促進了創(chuàng)新系統(tǒng)創(chuàng)新績效的提高。張霞等[15]指出知識密集型服務業(yè)不僅是科技創(chuàng)新價值鏈深化分工的產物，也是促進分化鏈條中創(chuàng)新主體緊密合作的催化劑，在企業(yè)、產業(yè)集群、區(qū)域以及國家的創(chuàng)新系統(tǒng)中發(fā)揮著重要作用。其次，從集聚層面看，蘇李等[16]從地理集聚視角，利用Granger方法檢驗了中國金融服務業(yè)的地理集聚與經濟增長的關系，發(fā)現(xiàn)中國金融服務業(yè)與經濟增長存在明顯的相互促進關系。時省等[17]運用知識生產函數理論框架分析了知識密集型服務業(yè)集聚對區(qū)域創(chuàng)新能力的影響，結果表明從城市空間集聚的視角看，知識密集型服務業(yè)表現(xiàn)出顯著的創(chuàng)新促進作用。最后，不少學者直接探討了知識密集型服務業(yè)對經濟增長的影響。Huang和Ji[18]通過建立內生市場結構下的熊彼特增長模型，分析了知識密集型服務業(yè)對經濟增長和福利的影響，結果表明從短期看，KIBS對產出和消費的增長會產生積極的影響。金雪軍等[19]通過研究發(fā)現(xiàn)，知識密集型服務業(yè)是通過專業(yè)人員和專業(yè)手段為其他產業(yè)提供各類知識服務產品，將知識資源最有效率地進行分配，從而促進當地的經濟增長。周泳宏、譚海泉[20]實證分析了知識密集型服務業(yè)對香港經濟增長的影響，結果顯示知識密集型服務業(yè)對經濟增長有正向的促進作用。雖然大多數學者的研究表明知識密集型服務業(yè)對經濟增長有積極作用，但是仍有學者提出了相反意見。Baumol[21]認為從長遠看，研發(fā)活動的成本將不斷上升，不利于經濟的可持續(xù)增長。Casraldi[22]采用創(chuàng)新基礎分類法和轉移共享模型，分析了制造業(yè)和服務業(yè)中的不同部門對歐洲、日本、美國生產力的影響，得出了知識密集型服務業(yè)對生產力有負的轉移效應的結論。

綜上所述，目前國內外研究知識密集型服務業(yè)對經濟增長作用的文獻中，選取空間集聚視角進行實證研究的比較缺乏?；谇叭说呢暙I，本文將分別測度全國知識密集型服務業(yè)集聚水平，并運用面板數據（Panel data）模型分析知識密集型服務業(yè)集聚對經濟增長的影響，從而提出相應的政策建議。

三、知識密集型服務業(yè)集聚度研究

（一）中國知識密集型服務業(yè)現(xiàn)狀分析

隨著知識密集型服務業(yè)規(guī)模的不斷擴大，國內外學者對KIBS的研究日益深入，其中，關于KIBS定義和內涵的討論較多，尚未得出統(tǒng)一的結論。本文在把握知識密集型服務業(yè)特征的基礎上，結合現(xiàn)有文獻對知識密集型服務業(yè)內涵的研究，作如下界定：知識密集型服務業(yè)是指高度依賴專業(yè)技術和專業(yè)知識，以技術創(chuàng)新、知識整合、知識傳播為主要增值活動的服務型企業(yè)或組織構成的行業(yè)。為進一步明確知識密集型服務業(yè)的內涵，本文結合2002年、2011年國家統(tǒng)計局對服務行業(yè)分類的兩次修訂，采用魏江等[23]提出的分類辦法，將知識密集型服務業(yè)劃分為4個大類和14個子類，分別為金融服務業(yè)（FS）及其子類：銀行業(yè)、證券業(yè)、保險業(yè)以及其他金融活動；信息與通訊服務業(yè)（IC）及其子類：電信和信息傳輸服務業(yè)、計算機服務業(yè)以及軟件業(yè)；科技服務業(yè)（STS）及其子類：研究與試驗發(fā)展、專業(yè)技術服務業(yè)、工程技術與規(guī)劃管理以及科技交流和推廣服務業(yè)；商務服務業(yè)（BS）及其子類：法律服務、咨詢與調查以及其他商務服務。

此外，國家繼“十一五”規(guī)劃綱要中提出“加快發(fā)展服務業(yè)，提高服務業(yè)的比重和水平”之后，于“十二五”規(guī)劃綱要中進一步指出“把推動服務業(yè)大發(fā)展作為產業(yè)結構優(yōu)化升級的戰(zhàn)略重點，并且推動特大城市形成以服務經濟為主的產業(yè)結構”，因此，近10年來三次產業(yè)中第三產業(yè)的比重不斷上升，而第三產業(yè)中潛力最大的KIBS增加值逐年遞增，增速呈大幅提高后小幅回落的趨勢，整體保持平穩(wěn)增長。但中國知識密集型服務業(yè)與西方發(fā)達國家相比，仍存在較大差距，總體上處于初級階段。同時，由于中國幅員遼闊，人口眾多，地域差異較大，經濟、教育、文化等發(fā)展不平衡，各地區(qū)的KIBS處于不同的發(fā)展水平（圖1）。由于部分地區(qū)的知識密集型服務業(yè)分類方法不一致，為了保證數據質量，特選取了24個具有可比性的省市進行相關研究。

圖12012年中國24省市KIBS增加值排序

從圖1可以看出，東部地區(qū)省市的KIBS增加值遠遠高于中部和西部地區(qū)，尤其是廣東、北京、江蘇、上海、浙江、山東6個省市，比較優(yōu)勢十分明顯，除了北京以外，其余5個省份均屬于沿海地區(qū)的經濟發(fā)達省市。排名第一的廣東省，其金融服務業(yè)、信息與通信服務業(yè)、科技服務業(yè)和商務服務業(yè)年均增長率分別達到了2478%、1300%、1619%、1560%，增長勢頭強勁。廣東作為金融大省，金融業(yè)一直是支柱產業(yè)，本地的金融機構總資產占到全國的1/10，超過香港。排名第二的是北京，作為中國的政治、經濟、文化中心，北京保持著很高的KIBS專業(yè)化水平，信息傳輸、計算機服務和軟件業(yè)以及金融業(yè)是其現(xiàn)代服務業(yè)的優(yōu)勢行業(yè)。北京主要依托電子信息及其他新興技術發(fā)展知識密集型服務業(yè)，截至2012年，北京第三產業(yè)總產值占地區(qū)生產總值比重為7650%，知識密集型服務業(yè)總產值所占比重約為4951%，已經成為北京的支柱產業(yè)。位列第四的是上海，根據相關數據統(tǒng)計，2012年上海金融業(yè)就業(yè)人數為3005萬人，低于北京的395萬人，金融業(yè)總產值2 45036億元也略低于北京的2 5369億元。江蘇、浙江、山東分別屬于長三角和環(huán)渤海經濟區(qū)，兩大經濟區(qū)區(qū)位條件優(yōu)越，自然稟賦優(yōu)良，體制較為完善，經濟基礎雄厚，為知識密集型服務業(yè)發(fā)展創(chuàng)造了良好的條件，到2012年底，3省的知識密集型服務業(yè)產值在第三產業(yè)中分別占2665%、2987%、1761%。西部省市中重慶的排位較為靠前，基于西部大開發(fā)和直轄的政策拉動，重慶經濟實現(xiàn)了跨越式發(fā)展，尤其第三產業(yè)增長迅速，其中，知識密集型服務業(yè)總產值就從2004年的18201億元激增到2012年1 4298億元。但從整體看，中部和西部地區(qū)知識密集型服務業(yè)發(fā)展緩慢，起步較晚，與東部地區(qū)相比存在較大差距。

（二）知識密集型服務業(yè)集聚的實證分析

1集聚度測算指標選擇

產業(yè)集聚程度的測度指標主要包括區(qū)位熵（LQ）、赫芬達爾-赫希曼指數（HHI）、行業(yè)集中度（CRn）、哈萊-克依指數（HK）、基尼系數（Gini）、Ellision-Glaeser集聚指數（EG指數）等。其中區(qū)位熵又稱為專業(yè)化指數或專門化率，由Haggett首先提出并運用于區(qū)位分析，應用中一般會選擇產業(yè)總產值、產業(yè)增加值、產業(yè)銷售收入、產業(yè)從業(yè)人員或企業(yè)數量分別進行計算。與其他指標相比，區(qū)位熵的優(yōu)勢在于其應用廣泛，能較好反映某一產業(yè)部門的專業(yè)化程度以及某一區(qū)域在高層次區(qū)域的地位和作用，具有較強的參考價值。而不選擇EG指數的原因在于EG指數是從產業(yè)層面反映全國的集聚水平，不能說明單個地區(qū)相對于全國的集聚程度。結合數據獲得的可行性，本文選取區(qū)位熵（LQ）測度知識密集型服務業(yè)集聚程度。區(qū)位熵的計算方法如下：

LQij=Lij/mj=1Lijni=1Lij/ni=1mj=1Lij

其中，Lij表示j產業(yè)在i區(qū)域的生產總值，m表示產業(yè)數，n表示區(qū)域數。當LQ>1時，說明該區(qū)域的該產業(yè)有比較優(yōu)勢，當LQ=1，說明該產業(yè)的優(yōu)勢不明顯，處于均勢，當LQ<1，說明該產業(yè)處于劣勢。

2知識密集型服務業(yè)LQ指數的測算

測算范圍包括中國內地的24個省、直轄市，由于個別省市行業(yè)數據缺失，且分類方法不一致，為保證數據的可靠性和可比性，故從樣本中去除。樣本省市進一步劃分為東、中、西部地區(qū)，東部地區(qū)的省市包括北京、上海、天津、浙江、江蘇、山東、廣東、海南、福建，中部地區(qū)的省市包括安徽、河南、黑龍江、湖南、吉林、山西，西部地區(qū)的省市包括廣西、重慶、甘肅、貴州、內蒙古、寧夏、青海、陜西、新疆。由于部分省市的行業(yè)分類從2003年后才更新，為保證統(tǒng)計口徑一致以及數據的連續(xù)性，本文從2004年起對中國知識密集型服務業(yè)集聚程度進行測度。表1顯示的是2004-2012年全國知識密集型服務業(yè)的LQ指數。

如表1所示，自2004年始，東部地區(qū)知識密集型服務業(yè)區(qū)位熵大于1的省份包括北京、上海、廣東、浙江、江蘇、天津，說明2004-2012年以上省市的知識密集型服務業(yè)具有明顯的比較優(yōu)勢，處于領先地位。福建省的知識密集型服務業(yè)區(qū)位熵在2005-2012年間一直保持在0845～0932之間，說明福建省的知識密集型服務業(yè)具有較大的發(fā)展?jié)摿Γ容^優(yōu)勢正逐漸顯現(xiàn)。山東和海南的區(qū)位熵指數小于1，變化幅度較小，說明兩個省份的知識密集型服務業(yè)發(fā)展較為落后。中部地區(qū)省份的區(qū)位熵均小于1，說明這些省份的知識密集型服務業(yè)尚未具有比較優(yōu)勢，從動態(tài)變化趨勢看，各省份區(qū)位熵處于上升和下降相互交替的狀態(tài)。西部地區(qū)的重慶、貴州、寧夏區(qū)位熵都大于1，其中，重慶和貴州的區(qū)位熵在大部分年份表現(xiàn)為不斷上升的趨勢，說明這些省市的知識密集型服務業(yè)競爭優(yōu)勢不斷增強。相關資料顯示，貴州省的服務業(yè)增加值增速在2012年為121%，全國排名第五，而以金融業(yè)為代表的現(xiàn)代服務業(yè)占比也提升到111%；同年，寧夏服務業(yè)增加值對地區(qū)GDP貢獻達到299%，金融業(yè)增速更高達211%，貢獻最為突出。

四、知識密集型服務業(yè)與經濟增長關系的實證分析

（一）模型設定及變量分析

各因素的變化都有其自身的慣性，前期的觀測值會對當期觀測值產生一定的影響，為了準確考察知識密集型服務業(yè)集聚的經濟效應，本文將在模型中引入被解釋變量的一階滯后項，構建動態(tài)面板模型進行分析。由于本文時間序列數據較少，截面數據較多，研究中重點關注各省市特征，故依據Islam的基本經濟模型建立動態(tài)模型如下：gi，t=c+αlnyi，t-1+βXi，t+θZi+εi，t（1）

被解釋變量化簡移項，再代入解釋變量和控制變量，方程（1）可以寫成以下形式：

logyi，t=c+（α+1）lnyi，t-1+β1aggi，t+β2agg2i，t+θ1lninvi，t+θ2lnhumi，t+θ3lnopei，t+εi，t（2）

其中，i表示省份，t表示年份。經濟增長率g為被解釋變量，即log（yi，t/yi，t-1），yi，t表示真實GDP的值。Xk，t表示解釋變量，式中用agg表示知識密集型服務業(yè)集聚程度，用agg2檢驗知識密集型服務業(yè)集聚與經濟增長之間可能存在的非線性關系。Zi，t表示控制變量，本文引入勞動投入（hum）、資本投入（inv）、對外開放度（ope）等3個控制變量。εi，t表示誤差項。

知識密集型服務業(yè)集聚程度（agg）利用上文計算的區(qū)位熵（Location Quotient）指數衡量。勞動投入（hum）一般采用各地區(qū)就業(yè)人口數衡量，但勞動投入與資本投入可能存在共線性問題，并且大量經驗證據表明，人力資本是影響經濟增長的重要因素，因此，本文以各地區(qū)就業(yè)人員受教育年限即勞動力質量來衡量勞動投入，其中小學、初中、高中、大專、本科、研究生的居民平均教育年數分別假設為6、9、12、15、16和19年。資本投入（inv）則用各地區(qū)固定資產投資總額衡量，固定投資總額采用GDP平減指數處理。對外開放度（ope），用地區(qū)商品出口總值衡量，商品出口總值先利用各年匯率兌換成人民幣，再通過GDP平減指數處理。

（二）數據來源與方法選擇

實證研究的樣本為地級以上城市（含副省級省會城市、直轄市、地級市和計劃單列市），數據均來源于《中國城市統(tǒng)計年鑒》、《中國統(tǒng)計年鑒》、《中國第三產業(yè)統(tǒng)計年鑒》以及各省市統(tǒng)計年鑒。為排除各年價格因素對分析結果的干擾，得到具有可比性的指標，本文將相關各年GDP價格指數換算為1990年不變價數據，通過平減得到真實GDP，固定資產投資利用固定資產投資價格指數進行平減處理。

由于本文選取的是2004-2012年中國24個省市的經濟數據，樣本的時間跨度不長，截面數據較多，方程中存在被解釋變量的滯后項，可能引起內生性問題。要解決內生性問題，可以使用的方法包括兩階段最小二乘法、三階段最小二乘法以及廣義矩估計方法。通過對比三種方法發(fā)現(xiàn)，GMM估計允許隨機誤差項存在序列相關和異方差，不要求獲取擾動項的準確分布信息，得到的參數估計量更合乎實際，因此采用差分GMM進行實證分析。具體地，運用這一方法需要先對估計方程進行一階差分以去掉固定效應的影響，并選取合適的工具變量，本文采用被解釋變量的滯后t-2期及以上作為工具變量，利用STATA120進行計量。

（三）模型估計與結果分析

1變量的描述性統(tǒng)計（表2）

2估計結果分析

采用差分GMM對模型（2）進行參數估計，得到的結果如表3所示。從結果可以看出，工具變量的選擇是合理的，具體表現(xiàn)是各個模型的一階擾動項均呈自相關，而二階擾動項均不相關。

從表3可以看出，模型1—模型4的擾動項符合GMM一致性估計的要求；Hansen檢驗結果為接受“所有工具變量都有效”的原假設，表明模型工具變量的選取是合適和有效的，沒有過度識別的問題。模型中滯后t-1期人均GDP對應的系數都小于1，說明中國經濟存在條件收斂，進而根據余長林[24]的做法，推算出模型3、模型4的經濟增長收斂速度分別為003、0048，這與余長林[24]、馬立軍[25]得出的結果相似。

模型中區(qū)位熵指數系數為正，表明知識密集型服務業(yè)集聚與經濟增長正相關，而區(qū)位熵指數的平方項系數為負，并且是顯著的，即與經濟增長呈負相關，這說明產業(yè)集聚對經濟增長的影響是非線性的，并呈現(xiàn)倒U型關系。知識密集型集聚對經濟增長的影響在前期是正向的，有明顯的促進作用，但是當產業(yè)的集聚水平達到一定程度后，對經濟增長產生負的影響。對比四個模型看，隨著控制變量的加入，區(qū)位熵系數發(fā)生了小幅變動，模型2加入固定資產投資變量后，區(qū)位熵系數下降，模型3引入人力資本變量后，區(qū)位熵系數上升。與物質資本和自然資源相比，人力資本是“軟生產要素”[26]，知識密集型服務行業(yè)中，從業(yè)人員的素質直接影響產出的質量和效率，高水平的人力資本投入能增強知識密集型服務業(yè)集聚對經濟增長的正效應，而固定資產投資對經濟增長的拉動作用明顯，但對知識密集型服務業(yè)集聚影響不大。在模型4引入所有控制變量后，區(qū)位熵系數有所下降，其余變量也發(fā)生不同程度的變動，說明各要素之間相互制約和影響。

五、結論與對策建議

（一）結論

知識密集型服務產業(yè)建立在先進的科學技術基礎上，是發(fā)達國家和發(fā)展中國家進行產業(yè)結構調整時關注的重要方向，具有高知識、高技術、高創(chuàng)新、高互動等特性。本文根據2004-2012年中國24個省市的面板數據構建經濟增長方程，實證分析了知識密集型服務業(yè)集聚對經濟增長的影響，具體結論如下。

從專業(yè)化角度看，東部省市的知識密集型服務業(yè)集聚程度最高，西部、中部省市次之，有明顯的地區(qū)差異。從回歸結果看，知識密集型服務業(yè)集聚對經濟增長有顯著的促進作用，集聚帶來的規(guī)模經濟效應明顯。但是，通過實證發(fā)現(xiàn)知識密集型服務業(yè)集聚與區(qū)域經濟增長不是簡單的線性關系，而是存在倒U型曲線關系。根據威廉姆森假說，產業(yè)集聚在經濟發(fā)展的初期能顯著提高效率，但達到某一門檻值以后，產業(yè)集聚對經濟增長的影響逐漸變小，甚至產生負效應，由此可見，研究知識密集型服務業(yè)集聚對經濟增長的作用時，應當考慮可能存在的門檻或條件。此外，區(qū)位熵指數的系數為正，說明目前知識密集型服務業(yè)集聚對經濟增長的影響處于倒U型曲線左側，對經濟增長產生正效應。

（二）對策建議

首先，東部、中部、西部三大區(qū)域的知識密集型服務業(yè)集聚發(fā)展不平衡，應當加快和優(yōu)化相對落后省市知識密集型服務業(yè)的集聚發(fā)展，“適度”地提高集聚水平，注重集聚質量的提升，以縮小地區(qū)間的差異。

其次，當產業(yè)集聚到一定程度時，知識密集型服務業(yè)的集聚將會阻礙經濟增長，集聚的負面效應開始顯現(xiàn)，因此，中國應當在大力發(fā)展知識密集型服務業(yè)的同時，積極調整產業(yè)結構和規(guī)模，加快產業(yè)的轉型升級，并且優(yōu)化配套設施，合理控制研發(fā)費用，減少中心區(qū)域的集聚壓力，此外還應當大力引進國際、國內的人才和技術，增加中高、高技術產業(yè)的數量，逐步向集約型生產方式轉變。

最后，在知識密集型服務業(yè)專業(yè)化發(fā)展的同時，應注重產業(yè)內不同行業(yè)的均衡發(fā)展，避免某一行業(yè)獨大。此外應加強相關產業(yè)的協(xié)同發(fā)展，尤其是配套產業(yè)的相鄰集聚，以實現(xiàn)相關產業(yè)的“區(qū)域一體化”發(fā)展。參考文獻：

[1]MARSHALL APrinciples of economics[M]London：The Macmillan Press，1961：32-39

[2]KRUGMAN PIncreasing returns and economic geography[J]Journal of Political Economy，1996，99（3）：48-59

[3]PORTOR M ECompetitive strategy[M]New York：The Free Press，1999：165-168

[4]黃娟我國地級市知識密集型服務業(yè)集聚水平及其影響因素研究[D]長沙：湖南大學，2011

[5]CZARNITZKI D，SPIELKAMP ABusiness services in Germany：Bridges for innovation[R]Discussion paper No00-52， ZEW，Mannheim，2000：4-27

[6]MILES I，KASTRINOS N，F(xiàn)LANAGAN K，et alKnowledgeintensive business services：Users，carriers and sources of innovation[R]European innovation monitoring systems.EIMS Publication，No15.Innovation Programme，DGXII，Luxembourg，1995

[7]DEN HERTOG PKnowledgeintensive business services as coproducers of innovation[J]International Journal of Innovation Management，2000，4（4）：491-528

[8]BETTENCOURT L，OSTROM A，BROWN S，et alClient coproduction in knowledgeintensive business services[J]California Management Review，2002，44（4）：100-128

[9]田紅梅.試論圖書館從信息服務走向知識服務[J]情報理論與實踐，2003，26（4）：312-314

[10]李霞，樊治平，馮博知識服務的概念、特征與模式[J]情報科學，2007，25（10）：1584-1587

[11]王靜我國知識密集型服務業(yè)經濟增長貢獻率測度研究[J]科技進步與對策，2009（8）：49-51

[12]MULLER E，ZENKER ABusiness services as actors of knowledge transformation：The role of KIBS in regional and national innovation systems[J]Research Policy，2001，30：1501-1516

[13]MAS-VERD F，WENSLEY A，ALBA M，et alHow much does KIBS contribute to the generation and diffusion of innovation[J]Service Business，2011，5（3）：195-212

[14]劉順忠對創(chuàng)新系統(tǒng)中知識密集型服務業(yè)的研究[J]科學學與科學技術管理，2005（3）：61-65

[15]張霞，杜躍平，王林雪基于知識密集型服務業(yè)的區(qū)域創(chuàng)新內生系統(tǒng)構建[J]科技進步與對策，2013（4）：33-38

[16]蘇李，臧日宏，閆逢柱中國金融服務業(yè)與經濟增長的Granger分析——基于地理集聚視角[J]東北大學學報（社會科學版），2010（1）：23-28

[17]時省，趙定濤，洪進，等集聚視角下知識密集型服務業(yè)對區(qū)域創(chuàng)新的影響研究[J]科學學與科學技術管理，2013（12）：167-174

[18]HUANG C Y，JI LKnowledgeintensive business services and economic growth with endogenous market structure[J]Journal of Macroeconomics，2013，38：95-106

[19]金雪軍，毛捷，袁佳知識服務業(yè)產業(yè)效能研究：理論與實證分析[J]浙江大學學報（人文社會科學版），2004（4）：69-77

[20]周泳宏，譚海泉KIBS對經濟增長影響的實證分析——以香港專業(yè)服務業(yè)為例[J]產經評論，2013（4）：81-93

[21]BAUMOL W JServices as leaders and the leader of the services[M]//GADREY J，GALLOUJ FProductivity，innovation and knowledgein servicesCheltenham：Edward Elgar Publishing，2002：147-163

[22]CASTALDI CThe relative weight of manufacturing and services in Europe：An innovation perspective[J]Technological Forecasting and Social Change，2009，76（6）：709-722

[23]魏江，陶顏，王琳知識密集型服務業(yè)的概念與分類研究[J]中國軟科學，2007（1）：33-41

[24]余長林中國區(qū)域經濟增長條件收斂分析——基于擴展Solow模型的實證研究[J]山西財經大學學報，2008（2）：39-46

[25]馬立軍外商直接投資（FDI）與中國省際經濟增長差異——基于GMM估計方法[J]國際貿易問題，2013（10）：149-158

[26]張志元，季偉杰中國省域金融產業(yè)集聚影響因素的空間計量分析[J]廣東金融學院學報，2009（1）：107-117

Research on effects of knowledgeintensive service

industries agglomeration on economic growth

WAN Lijuana， YANG Yanlinb， YIN Xiguoa

（aSchool of Economics and Business Administration，bSchool of Public Affairs， Chongqing University， Chongqing 400044， PRChina）

Abstract：

Based on the calculation of the Location Quotient， we construct a panel data model according to the theory of economic growth and economic geography theory， and use the dynamic panel GMM estimation method to empirically analyze the Knowledgeintensive Business Services （KIBS） of 24 provinces and cities of China economic growth in 2004-2012The empirical results show that the knowledgeintensive business services industries agglomeration and economic growth present an inverted ushaped curve relationship， this suggests that the agglomeration can produce positive effects on economic growth， but the agglomeration not modest will produce negative effects on economic growthIn the end，we bring forward some suggestions related to the agglomeration of knowledgeintensive business services

Key words： knowledgeintensive business service； industries agglomeration； economic growth； GMM

（責任編輯傅旭東）