EN中文

经济地理 >

2021 , Vol. 41 >Issue 11: 65 - 76

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.11.008

城市地理与新型城镇化

生产性服务业集聚空间效应与城市技术创新——基于长江经济带108个城市面板数据的实证分析

  • 李勇辉 , 1, 2 ,
  • 沈波澜 1 ,
  • 胡舜 2 ,
  • 林森 , 1, ※
展开
  • 1.湘潭大学 商学院，中国湖南 湘潭 411105
  • 2.湖南财政经济学院 经济学院，中国湖南 长沙 410205
※林森（1988—），男，湖南永州人，博士，研究方向为区域经济。E-mail：

李勇辉（1969—），男，湖南永州人，博士，教授，博士生导师，研究方向为区域金融与产业发展。E-mail：

收稿日期: 2021-03-13

  修回日期: 2021-09-22

  网络出版日期: 2025-04-17

基金资助

湖南省教育厅2017年科学研究重点课题(17A034)

收起

Spatial Effect of Producer Services Agglomeration and Urban Technological Innovation：Empirical Analysis Based on Panel Data of 108 Cities in the Yangtze River Economic Belt

  • LI Yonghui , 1, 2 ,
  • SHEN Bolan 1 ,
  • HU Shun 2 ,
  • LIN Sen , 1, ※
Expand
  • 1. School of Business，Xiangtan University，Xiangtan 411105，Hunan，China
  • 2. School of Economics，Hunan University of Finance and Economics，Changsha 410205，Hunan，China

Received date: 2021-03-13

  Revised date: 2021-09-22

  Online published: 2025-04-17

Fold

摘要

采用长江经济带108个城市2003—2016年的面板数据，通过构建生产性服务业的空间集聚测度模型，绘制专业化集聚、多样化集聚及城市技术创新的时空演化趋势图，检验长江经济带城市群创新的空间关联性，采用空间杜宾面板计量模型实证研究生产性服务业集聚对城市技术创新的直接效应与空间溢出效应，得到如下结果：①长江经济带各城市生产性服务业专业化、多样化集聚程度以及技术创新水平均呈现出明显的空间异质性与非均衡性，并且存在显著的空间自相关性。②生产性服务业专业化集聚对本地城市技术创新具有显著正向作用，并通过空间关联对其邻近城市创新产生了正向空间溢出效应。多样化集聚不利于本地城市技术创新发展，也对其邻近城市创新存在负向空间溢出。③从地理区位差异视角来看，生产性服务业专业化集聚显著推动了内陆城市技术创新进步，而多样化集聚对其邻近城市创新产生了负向空间溢出效应；从经济发展地区差异视角来看，生产性服务业专业化集聚显著推动了经济发达城市创新发展，但多样化集聚对经济发达城市创新产生了明显抑制作用。文章对于城市依托生产性服务业集聚促进自身技术创新水平提升、推动城市群跨地域创新活动开展，进而实现长江经济带高质量发展具有重要意义。

关键词： 生产性服务业集聚; 空间溢出; 技术创新; 长江经济带; 专业化集聚; 经济发展水平; 高质量发展

本文引用格式

李勇辉 , 沈波澜 , 胡舜 , 林森 . 生产性服务业集聚空间效应与城市技术创新——基于长江经济带108个城市面板数据的实证分析[J]. 经济地理, 2021 , 41(11) : 65 -76 . DOI: 10.15957/j.cnki.jjdl.2021.11.008

Abstract

Based on the panel data of 108 cities in the Yangtze River Economic Belt (YREB) from 2003 to 2016,this paper builds a spatial agglomeration measurement model of producer services,analyzes the spatiotemporal evolution of specialized agglomeration,diversified agglomeration and urban technological innovation,and tests the spatial correlation of innovation in urban agglomeration of the YREB. This paper adopts spatial Durbin panel measurement model to empirically research the direct effect and spatial spillover effects of producer services agglomeration on the urban technology innovation,and obtains the following results: 1) The specialized and diversified agglomeration of producer service and technological innovation level in the cities of the Yangtze River Economic Belt reflect obvious spatial heterogeneity and imbalance,and there is significant spatial autocorrelation. 2) Specialized agglomeration has a significant positive effect on the technological innovation of local cities,and has a positive spatial spillover effect on the innovation of neighboring cities through spatial association. Diversified agglomeration is not conducive to the development of technological innovation in local cities,but also has negative spatial spillover on the innovation of neighboring cities. 3) From the perspective of geographic location differences,the specialized agglomeration of producer services significantly promotes the development of technological innovation in inland cities,while the diversified agglomeration has a negative spillover effect on the technological innovation in its neighboring cities. From the perspective of regional differences in economic development,the specialized agglomeration of producer services has significantly promoted the innovation of developed cities,but diversified agglomeration has significantly inhibited innovation in developed cities. The above research is of great significance to cities relying on producer services agglomeration to promote the improvement of the city's own technological innovation level,promote the development of cross-regional innovation activities in urban agglomeration,and then realize the high-quality development of the Yangtze River Economic Belt.

Key words： producer services agglomeration; spatial spillover; technological innovation; the Yangtze River Economic Belt; specializing agglomeration; economic development level; high-quality development

在经济进入新常态发展阶段的背景下，我国长期以来依赖要素驱动的粗放型经济增长模式已难以为继，经济发展动力亟须从要素驱动向技术进步与创新驱动转变。近年来，党和国家高度重视科技创新。党的十八大强调必须把科技创新摆在国家发展全局的核心位置，作出了实施创新驱动发展战略的重要部署。党的十九大报告明确指出，创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。随着人才、技术、资本等各类生产要素不断向城市大规模加速集聚，城市已然成为企业创新的重要载体，如何积极发挥城市在创新中的引领作用逐渐成为创新驱动经济发展方式转型、建设创新型国家的重要环节[1]。长江经济带横跨我国东、中、西三大区域，覆盖东起上海、西至云南的11个省（市），面积占全国的21.4%，人口和GDP均超过全国的40%，是支撑中国经济增长和国家重大战略实施作用最大的区域之一。鉴于此，重视长江经济带城市群创新发展，对于引领带动全国整体技术创新进步、推动经济高质量增长具有较为迫切的重要现实意义。区域创新受较多因素的影响，从集聚经济与外部性视角来看，产业集聚也是区域创新发展的主要驱动力之一。进一步地，不同集聚模式对于区域创新的影响也有所区别，依据集聚主体是否处于同一产业，一般可将集聚分为专业化集聚、多样化集聚两种典型模式。学术界对于哪类集聚模式更加有助于提升城市技术创新水平这一问题仍未达成一致观点，尚有待于进一步研究。在社会分工日趋专业化及世界经济转型的背景下，生产性服务业逐步从制造业中剥离出来，并成为了为制造业生产、发展及转型升级提供中间服务和技术支撑的现代服务业[2]。学者们普遍认为生产性服务业具备人才集聚和知识密集等典型特征，如刘志彪指出生产性服务业能够吸引大量人力、知识资本进入商品和服务的生产过程中，是现代产业发展中竞争力的重要源泉[3]。鉴于此，本文将重点关注生产性服务业集聚对城市技术创新的影响，选取具有较强代表性的长江经济带城市群作为研究的空间尺度范围，并基于城市间地理区位、经济发展差异视角来考察生产性服务业集聚对城市技术创新的异质性影响，进而探究区域内不同城市间是否存在空间关联、形成溢出效应，以期丰富产业聚集理论，为通过优化生产性服务业集聚模式，促进长江经济带城市群技术创新水平提升，进而推动经济高质量发展提供经验参考。
国内外学术界对于产业集聚与技术创新的研究已经形成了较为完善的成果，如Baptista等通过对英国制造业企业的实证分析，得出处在产业集聚区以内的企业比处在集聚区之外的企业能够获得更高的创新绩效[4]。Beaudry等以意大利和英国的高新技术产业为研究对象，通过实证发现产业集聚显著推动了技术创新[5]。Carlino等使用美国城市数据，实证得出产业集聚程度增加一倍会使区域人均专利量上升20%[6]。Antonietti等使用意大利制造业企业数据，研究发现多样化集聚能够显著促进区域创新[7]。国内学者吴玉鸣使用中国省级数据，研究得出专业化集聚对于技术创新的促进作用更强，而多样化集聚对技术创新未产生显著影响[8]。彭向等使用21个工业行业数据，研究发现专业化集聚、多样化集聚均显著推动了地区产业创新，但两类集聚模式对创新的影响程度不同[9]。刘乃全等通过分区域研究发现，多样化集聚显著提高了东部、西部地区创新效率，而专业化集聚对中部地区创新效率提升具有显著影响[10]。进一步地，有少数学者针对空间外溢效应进行了研究，如郭星原基于空间经济学理论，并使用空间计量模型进行检验，得出生产性服务业集聚显著推动了本区域技术进步，同时也对周边区域产生了负向空间溢出，导致周边区域的技术效率降低[11]，但该研究未具体区分专业化集聚、多样化集聚带来的差异影响。
虽然学术界已经围绕产业集聚与技术创新展开了较为深入的探讨，但依然存在如下局限：①多数相关研究仍集中于高科技产业与制造业领域，对于生产性服务业集聚影响技术创新的研究较少，尚未得到应有重视。②在研究范围上，现有研究多聚焦于全国整体层面，鲜少就长江经济带城市群这一“中观”层面展开探讨。③以往文献多关注总体影响，较少从城市所处地理区位、经济发展差距等方面详细探讨具体异质性影响，进一步地，也鲜少考虑空间因素，探讨城市之间技术创新可能存在的空间联动性及可能产生的空间溢出效应。基于以往研究存在的不足，本文以长江经济带108个城市为研究对象，在测度长江经济带各城市生产性服务业专业化与多样化集聚指数，分析专业化集聚、多样化集聚及城市技术创新的时空演化特征的基础上，将地理区位和经济发展异质性纳入生产性服务集聚影响城市技术创新的分析框架，并采用空间杜宾面板计量模型实证探讨生产性服务业集聚对城市技术创新的直接效应与空间溢出效应。

1 生产性服务业集聚影响城市技术创新的机理分析

学术界对于产业集聚模式进行了详细探讨，并形成了两类具有代表性的观点：一是以Marshall、Arrow和Rome为代表，提出的专业化集聚即相同产业中企业间的纵向集聚，持这种观点的学者认为同一产业内部的相邻企业集聚将会显著促进企业间知识与技术溢出，从而有助于企业技术创新提升[12⇓-14]。另一种观点是以Jacobs为代表，提出的多样化集聚即不同产业间企业的横向集聚，他们认为不同产业间企业集聚能够创造多样化的环境，有利于企业间知识技术的交流碰撞、技术创新活动的开展[15]。由此，下面将结合产业集聚模式对生产性服务业集聚影响城市技术创新的作用机理进行深入分析。
根据集聚经济学理论，当生产性服务业呈现为专业化集聚趋势，会通过促进创新资源共享、引导创新要素合理配置、营造良好的投资与发展环境，进而发挥出知识与技术的空间溢出效应，促进制造业乃至整个经济部门的技术创新[16]。Li等也发现专业化集聚能够促进创意知识传播、推动企业间技术合作，也有助于降低交易成本与提高交易效率，规避因信息不充分造成的市场失灵问题[17]。另外，也有学者指出专业化集聚与企业创新之间并非是简单的线性关系，如Zhang研究发现过高的专业化集聚度会产生拥挤效应，造成趋同现象，导致竞争成本加剧，不利于企业创新积极性的发挥，即专业化集聚与创新活动之间存在一种先促进后抑制的倒U型关系[18]。长江经济带的部分城市仍处在工业化进程尚未完成阶段，制造业产业结构较为单一，地区经济增长主要依靠单个产业或几个细分产业，因此，生产性服务业集聚偏向于专业化能够更好地满足该地区制造业发展的需要，有利于推动生产性服务业与制造业的协同集聚，从而有效降低企业的成本，促进创新研发活动高效开展。例如，余泳泽使用空间计量模型，研究得出生产性服务业空间集聚对制造业生产效率提升产生了明显的空间外溢效应，但这种空间外溢效应会随着地理距离扩大而呈现出衰减趋势[19]。基于我国城市的现实特征来看，生产性服务业专业化集聚与创新之间的关系也会因受到城市异质性的影响而表现各异[20]。由此，在当前发展阶段，生产性服务业专业化集聚可能是促进城市技术创新进步的重要驱动力。
推动企业创新发展与技术进步的关键在于构建生产性服务业与制造业之间合理的空间协同分布体系，实现二者的协同集聚[21]。当城市中制造业产业结构由单一化向多样化演进时，与之衔接配套的生产性服务业自然也向多样化集聚发展，通过提供金融服务、信息技术服务、商务咨询、融资租赁、交通物流等多样化生产性服务，全方位满足制造业产业转型升级中的各类需求，进而为促进企业开展创新活动提供动力。Agovino等研究发现多样化集聚会推动不同产业间的互补性知识溢出，促进企业资源高效配置，有助于实现范围经济，与此同时，也能显著减少单个企业的市场风险，换言之，一旦某类产业受到冲击后其资源要素能够更容易向其他关联产业转移，进而保证创新活动能够继续顺利开展[22]。张天华等指出如若产业之间的协同性较差、不同企业所拥有的创新要素的专用性较高，将难以通过不同行业的企业之间的要素流动来实现资源合理配置，甚至可能造成资源错配，最终阻碍产业间的协同创新活动开展[23]。从长江经济带城市群的地理区位与经济发展角度来看，一般沿海和发达城市的生产性服务业的多样化集聚特征更加明显，但这种集聚趋势更多的是为了满足当地城市居民的多样化消费需求，并不是为了配合和支持本地制造业的发展需求而形成的。事实上，随着制造业从沿海和发达城市向内陆和欠发达城市逐步转移，依托于制造业的创新研发活动也逐渐呈减少趋势。综上，生产性服务业多样化集聚对城市技术创新的影响较为复杂，很大可能会因城市差异而呈现差异化效果，进一步地，如若未能实现与本地制造业的协同发展，生产性服务业多样化集聚程度越高反而会阻碍城市技术创新发展。

2 模型、变量与方法

2.1 计量模型设定

为了考察生产性服务业集聚对城市技术创新的影响效应，本文结合生产性服务业集聚影响城市技术创新的理论机制，设定如下基准面板计量模型：
I N N O i t = α 0 + α 1 R Z I i t + α 2 Z i t + λ i + ϑ t + ϕ i t
I N N O i t = β 0 + β 1 R D I i t + β 2 Z i t + λ i + ϑ t + ϕ i t
式中：i表示长江经济带城市个体；t表示年份时间截面； I N N O i t表示城市技术创新指标，本文使用城市每万人发明专利申请数进行衡量； R Z I i t、 R D I i t分别代表生产性服务业专业化集聚和多样化集聚水平； Z i t表示其他影响城市技术创新的一系列控制变量，具体包括：科教投入水平、人力资本水平、产业结构、外资引进水平以及人口集聚程度； λ i、 ϑ t分别表示城市个体效应与时间效应； ϕ i t代表随机扰动项； α 1、 β 1为本文主要关心的系数，表示生产性服务业专业化集聚、多样化集聚对城市技术创新的影响程度。

2.2 变量选取与数据来源

2.2.1 变量选取与说明

①被解释变量：城市技术创新水平（INNO）。城市专利情况能够较为真实地反映该城市的技术创新水平，学术界普遍使用专利申请数或是专利授权数来衡量城市创新成果产出，本文借鉴纪祥裕等[24]的做法，选取城市每万人发明专利申请数作为衡量城市技术创新水平的指标。
②核心解释变量：生产性服务业专业化集聚（RZI）、多样化集聚（RDI）是本文的核心解释变量，下面将基于Combes提出的方法[25]，构建生产性服务业的空间集聚测度模型：
生产性服务业专业化集聚（RZI），指标形式设定如下：
R Z I j = ∑ s E j , s E j - E s ' E '
式中： E j , s表示城市j的生产性服务业s的就业人数； E j表示城市j的全部就业人数； E s '表示除城市j之外，全国其他城市的生产性服务业s的就业总人数； E '表示除城市j以外的全国其他城市的就业总人数。
生产性服务业多样化集聚（RDI），指标形式设定如下：
R D I j = ∑ s E j , s E j 1 / ∑ s ' = 1 , s ' ≠ s n E j , s ' / E j - E j , s 2 1 / ∑ s ' = 1 , s ' ≠ s n E s ' / E - E s 2
式中： E j , s '代表城市j除了生产性服务业s之外的其他生产性服务业的就业人数； E s表示全国范围内生产性服务业s的就业总人数； E j代表城市j的全部就业人数。
③控制变量。参考已有文献的做法，本文控制了其他可能影响城市技术创新的一系列变量，具体包括：科教投入水平（SFE），人力资本水平（EDU），产业结构（STRU），外商投资水平（FDI），人口集聚程度（POP）。

2.2.2 数据来源与变量的描述性统计

本研究的观测期为2003—2016年，样本范围包括长江经济带11个省（市）108个城市。发明专利申请数来自国家知识产权局网站中的中国专利公布公告系统，生产性服务业专业化、多样化集聚指数是基于《中国城市统计年鉴》提供的细分行业的就业人数，使用相关模型进行测算得到。科技与教育支出、财政总支出、每万人大学生数量、第二产业产值、第三产业产值、实际利用外资、GDP、城市人口密度均来自《中国城市统计年鉴》和《中国区域经济统计年鉴》。表1汇报了主要变量的具体定义及数据特征。鉴于城市技术创新水平、人力资本水平及人口集聚程度等指标的标准差较大，说明样本数据的离散程度较大。为了消除数据的波动性和潜在的异方差问题，本文将对各变量进行取自然对数处理。
表1 变量定义与描述性统计

Tab.1 Variable definitions and descriptive statistics

变量类别 变量名称 具体定义 样本量 均值 标准差 最小值 最大值
被解释变量 城市技术创新水平（INNO） 每万人发明专利申请数 1 512 3.41 8.19 0.00 77.23
核心解释变量 生产性服务业专业化集聚（RZI） 指数测算 1 512 0.08 0.03 0.01 0.34
生产性服务业多样化集聚（RDI） 指数测算 1 512 0.87 0.10 0.45 1.21
控制变量 科教投入水平（SFE） 科技与教育支出/财政支出 1 512 0.03 0.02 0.01 0.11
人力资本水平（EDU） 每万人大学生数量 1 512 8.23 15.21 0.00 96.21
产业结构（STRU） 第三产业GDP/第二产业GDP 1 512 0.81 0.32 0.27 3.17
外资引进水平（FDI） 外商直接投资金额/GDP 1 512 0.02 0.02 0.00 0.20
人口集聚程度（POP） 每平方公里的人口数量 1 512 481.97 294.62 52.73 2 284.06

2.3 空间计量分析

2.3.1 空间自相关检验

在使用空间计量方法分析生产性服务业集聚对城市技术创新的空间溢出效应之前，本文首先要检验长江经济带各城市之间是否存在空间自相关性。为此，本文使用全局Moran's I指数来探究各城市创新产出的空间关联特征，选取2003、2007、2012、2016年4个时间截面，给出了长江经济带城市群各城市创新水平的全局Moran's I指数检验结果（表2）。
表2 长江经济带城市群创新产出的空间自相关检验

Tab.2 Spatial autocorrelation test of innovation output in urban agglomerations along the Yangtze River Economic Belt

指标 年份 Moran's I值 Z值 P值
城市技术
创新水平		 2003 0.011 0.604 0.546
2007 0.197*** 7.020 0.000
2012 0.668*** 21.018 0.000
2016 0.800*** 24.213 0.000

注：***、**和*分别表示在1%、5%和10%的统计水平上显著。

结果显示，2003—2016年长江经济带各城市创新水平的Moran's I指数均为正值，并从2003年的0.011逐年上升至2016年的0.800，同时，显著性检验中P值也由0.546下降至0，即通过了1%统计水平上的显著性检验。这表明长江经济带各城市创新产出并未呈现出完全的随机状态，即城市创新活动并不是孤立存在的，而是会受到邻近城市的显著影响，初步证明了各城市创新存在明显的空间相关性，且空间依赖也呈逐渐增强趋势。因此，本文认为上述空间自相关检验结果为构建空间计量面板模型探究长江经济带各城市之间的空间溢出效应提供了统计意义上的逻辑支撑。

2.3.2 空间计量模型设定与空间溢出效应分解思路

上文已通过空间自相关检验证实了各城市创新存在显著的空间关联性，接下来将考虑采用合适的空间计量模型来展开实证研究。有学者指出使用杜宾模型可以减弱由于缺失重要变量而造成的内生性偏误[26]。考虑到空间杜宾模型（SDM）是空间误差模型（SEM）和空间滞后模型（SAR）的一般化形式，并且，也有学者如Elhorst指出使用时间固定和地区固定的空间杜宾模型（SDM）来分析本地影响及空间溢出效应更为合适[27]，因此，本文选择使用空间杜宾模型来开展实证研究，模型的基本形式设定如下：
I N N O i t = α + β X i t + ρ ∑ j = 1 N w i j , 1 I N N O j t + θ ∑ j = 1 N w i j X j t + λ i + ϑ t + ϕ i t
式中： I N N O i t为被解释变量城市技术创新水平； X i t代表解释变量集合； w i j为 N × N的对角线元素为0的地理距离空间权重矩阵； β表示解释变量的估计参数； ρ、 θ表示待估计的空间自相关系数； λ i、 ϑ t分别为城市固定效应与时间固定效应； ϕ i t为随机扰动项。
为了进一步检验空间溢出效应的存在，本文借鉴Lesage和Pace提出的空间效应分解思路[28]，即使用偏微分方法，将基于空间杜宾模型得出的总效应进一步分解为直接效应与间接效应，具体而言，直接效应表示生产性服务业集聚对本城市技术创新产生的平均影响，间接效应表示本城市生产性服务业集聚对邻近城市技术创新产生的平均影响，也即城市之间的空间溢出效应，而总效应则是生产性服务业集聚对所有城市技术创新产生的平均影响。具体分解思路如式（6）、（7）所示：
1 - ρ W Y = α + β X + θ W X + ε
式（1）为对应的偏微分矩阵：
      ∂ Y ∂ X 1 , k ⋯ ∂ Y ∂ X N , k = 1 - ρ W - 1 β k w 1,2 θ k ⋯ w 1 , N θ k w 2,1 θ k β k ⋯ w 2 , N θ k ⋮ ⋮ ⋮ ⋮ w N , 1 θ k w N , 1 θ k ⋯ β k

3 生产性服务业集聚与城市技术创新的时空演化特征分析

3.1 生产性服务业集聚的时空演变

本文同样选取2003、2007、2012和2016年4个时间截面，并使用空间可视化方法及ArcGIS10.1软件，绘制不同年份长江经济带各城市生产性服务业专业化、多样化集聚状态图，并重点观察空间集聚情况的时空演变趋势。
从图1生产性服务业专业化集聚的时空演化图来看，2003—2012年，整体上长江经济带各城市生产性服务业专业化集聚水平呈现逐年增长趋势，但同时也存在显著的空间异质性与非均衡性。2003年，西部省会城市如昆明、贵阳以及一般地级市如绵阳、雅安、眉山、徐州、亳州、赣州、抚州、鹰潭、上饶、衢州、丽水、台州等城市的生产性服务业专业化集聚指数均处在0.338~0.806的最高分位数区间，而经济发达城市如成都、重庆、长沙、武汉、南京、杭州和上海等的生产性服务业专业化集聚指数均处于较低分位数区间。从上述空间分布特征差异可知，处在内陆地区的中小城市的产业结构较为单一，主要由单个或少数几个产业支撑，当地生产性服务业也更加偏向于专业化集聚。对比之下，经济较为发达的大城市的产业种类更加齐全，产业结构相对复杂，其生产性服务业的专业化集聚趋势表现并不明显。在2012年，长江经济带城市群中大部分城市的生产性服务业专业化集聚水平已上升至峰值，但值得注意的是，区域中心城市如成都、重庆、南京、武汉、杭州和上海等的生产性服务业专业化集聚指数仍处在较低水平。在2016年，多数城市的生产性服务业专业化集聚水平均出现不同程度的明显下降。这一趋势很大可能与党的十八大以来中央坚持加快淘汰落后产能、推进产业结构调整升级、推动经济发展方式转型有关。
图1 长江经济带城市群生产性服务业专业化集聚的时空演化趋势图

Fig.1 Spatiotemporal evolution of specialized agglomeration of producer services in urban agglomeration of the Yangtze River Economic Belt

从图2生产性服务业多样化集聚的时空演化图来看，2003—2016年，长江经济带各城市生产性服务业多样化集聚水平整体上呈连续下降趋势。并且，多样化集聚情况同样在不同城市也体现出明显的空间异质性与非均衡性。2003年，上海市、浙江与江苏两省的多数城市、武汉城市群与长株潭城市群的生产性服务业多样化集聚指数均处于0.994~1.205的最高分位区间，除此之外，其他多数城市的生产性服务业多样化集聚指数均处在较低水平。随着时间的推移，多数经济较为发达的城市的生产性服务业多样化集聚水平也呈现出明显下降趋势。2016年，除杭州、常德、九江等少数城市外，大部分城市的生产性服务业多样化集聚指数均位于0.994以下的分位区间。由此可见，长江经济带城市群的生产性服务业多样化集聚呈现出稀疏分布的空间特征，这可能与产业转移、产业结构高级化有关。一方面，经济发展水平较高的大城市的制造业也较为发达，其行业分布的多样化特征更加突出明显，亟须金融服务、现代物流、商贸租赁、科技咨询等生产性服务业提供多样化产品服务来充分满足制造业的发展需要。另一方面，伴随沿海城市的产业结构逐渐实现高级化演变，传统制造业产业区域转移也呈现出“自东向西”的趋势，在产业转移加速内陆地区工业化进程中，内陆城市的制造业行业体系发展日趋全面完善，与之配套衔接的生产性服务业自然也向多样化集聚趋势推进。
图2 长江经济带城市群生产性服务业多样化集聚的时空演化趋势

Fig.2 Spatiotemporal evolution of diversified agglomeration of producer services in urban agglomeration of the Yangtze River Economic Belt

3.2 长江经济带城市群技术创新水平的时空演变

从长江经济带城市群技术创新水平的时空演变来看，如图3所示，长江经济带各城市技术创新水平也存在显著的空间分布差异和空间非均衡性。空间结构上，东部沿海城市的每万人发明专利申请数明显高于处在内陆地区的城市，并且，随着时间的推移呈现出高度集聚和辐射扩张的空间特征。特别是在2012年以后，长三角创新经济圈内处在江苏北部、浙江南部和安徽西部地区的城市的每万人发明专利申请数远高于长三角经济圈以外的其他城市。这一特征表明长江经济带城市群创新发展已步入创新扩散型的极化阶段。2003—2016年，湖南、湖北两省的创新成果产出也呈现出明显的持续上升趋势，并围绕环洞庭湖区域形成了武汉和长株潭两大创新城市圈。另外，成渝经济区的创新发展也取得了长足进步，成为了西部地区的创新重地，但与此同时，成渝经济区与其邻近城市创新发展水平之间的差距日渐拉大，表明多种创新要素从周边经济落后城市持续向区域中心城市单向流动与加速集聚，换言之，这一时期城市间技术创新的空间分布表现出明显的吸附型特征。
图3 长江经济带城市群每万人发明专利申请数的时空演化趋势图

Fig.3 Spatiotemporal evolution of the number of invention patent applications per 10 000 people in urban agglomeration of the Yangtze River Economic Belt

4 生产性服务业集聚影响城市技术创新的实证检验

4.1 基于全样本的检验

表3汇报了生产性服务业专业化集聚、多样化集聚影响城市技术创新的回归结果。其中，列（1）、（2）为使用空间杜宾面板个体固定效应模型（SDM）得到的估计结果，同时，本文也使用普通面板固定效应模型（FE）作为参照系进行检验，结果如列（3）、（4）所示。
表3 生产性服务业集聚对城市技术创新的影响及空间外溢效应：全样本

Tab.3 Direct effect and spatial spillover effect of producer services agglomeration on urban technological innovation: full sample

效应 变量 SDM FE
（1） （2） （3） （4）
直接效应 ln RZI 0.146***（2.631） 0.210***（3.422）
ln RDI -0.408**（-2.299） -0.216（-1.082）
ln SFE -0.152（-1.361） -0.178（-1.598） 0.011（0.088） -0.030（-0.236）
ln EDU 0.135***（3.105） 0.123***（2.822） 0.061（1.104） 0.045（0.817）
ln STRU -0.686***（-7.498） -0.699***（-7.610） -0.114（-1.235） -0.120（-1.288）
ln FDI 0.060***（3.309） 0.060***（3.300） 0.052**（2.469） 0.052**（2.457）
ln POP -1.044**（-2.187） -0.958**（-2.040） -2.841***（-5.918） -2.903***（-6.025）
间接效应 ln RZI 2.468*（1.912）
ln RDI -5.447*（-1.745）
ln SFE 2.768**（2.339） 2.283（1.625）
ln EDU -1.658***（-2.745） -1.662***（-2.630）
ln STRU -2.201**（-2.413） -1.985**（-2.071）
ln FDI -0.363**（-2.415） -0.391**（-2.462）
ln POP 47.167***（3.940） 44.044***（3.624）
R2 0.074 0.080 0.861 0.860
Obs 1512 1512 1512 1512

注：***、**、*分别表示在1%、5%、10%的统计水平上显著，括号内数值为t值。表4~表5同。

从直接效应来看，生产性服务业专业化集聚对本地城市技术创新产生了显著正向影响，即生产性服务业集聚水平每提升1%，城市每万人发明专利申请数增加0.146%，影响程度也与采用普通固定效应模型得到的估计系数值较为接近，表明生产性服务业专业化集聚是推动本地创新活动开展的重要力量，专业化集聚通过形成学习示范效应与竞合效应，显著提高了本地创新成果产出。同时，回归结果显示生产性服务业多样化集聚对本地城市技术创新产生了明显抑制作用，这可能是因为城市中各类产业发展不均衡，目前难以实现产业间协同发展，进而导致生产性服务业多样化集聚无法发挥出创新促进效果，盲目推进多样化集聚模式反而不利于本地创新发展。
从间接效应（外溢效应）来看，生产性服务业专业化集聚对城市技术创新的空间溢出系数显著为正，且系数值也大于对应的直接效应的系数值。这表明长江经济带城市群中地理位置邻近的城市之间创新活动存在正向空间关联性，即城市创新成果产出不仅依赖于本地生产性服务业专业化集聚，其邻近城市的生产性服务业专业化集聚也会通过空间关联对本地创新形成正向空间溢出效应，并且空间溢出效应还大于直接效应，这说明形成整个区域内良性的集聚环境使创新要素得以自由流动，知识产权得到有效保护、企业之间创新合作得以高效开展是推动城市创新发展的关键。相比之下，生产性服务业多样化集聚对邻近城市技术创新的空间溢出效应显著为负，且系数的绝对值也高于直接效应。这说明生产性服务业多样化集聚不仅抑制了本地城市创新，且对其邻近城市创新也产生了削弱影响。对此的解释是，不同城市间的创新产出水平及生产性服务业多样化集聚程度相差较大，而集中度较高的城市对邻近城市创新产生的虹吸效应大于对邻近城市产生的正向溢出效应，导致最终表现为对邻近城市创新造成负向空间溢出。另外，也有可能是因为部分城市的生产性服务业多样化集聚指数过高，已处于过度集聚状态，不仅不利于本地创新活动推进，同时也对邻近城市创新造成了抑制效果。
控制变量的估计结果与以往相关研究的结论基本保持一致，科教投入水平对本地城市创新不存在显著影响，但对邻近城市创新产生了显著的正向溢出效应，说明城市技术创新发展不仅是由某个城市自身决定的，也有赖于其他邻近城市重视科研教育，同步加强对科技及教育的财政投入，营造良好的科研环境，推动城市群整体创新发展和技术进步。人力资本水平提升对本地城市创新产生了显著正向影响，但对邻近城市创新的间接效应显著为负。这表明城市中接受高等教育的人才数量越多即人力资本越丰富，将会有效推动当地技术创新发展。但由于现实中教育资源空间分布不均衡，导致人才要素趋向个别城市流动集聚，这将不利于其他城市创新活动开展。产业结构演进趋向服务化不仅抑制了本地城市创新发展，而且，也通过空间关联对邻近城市创新产生了负向空间溢出效应。现阶段我国已进入产业结构加速转化期，经济发达地区的现代服务业正在蓬勃发展，而传统制造业也逐步由发达城市向邻近城市乃至内陆地区转移，导致本地城市的产业结构呈现出“空心化”现象。由于制造业是发明专利申请的重要载体，其产业迁移必然会对城市技术创新产生抑制效果。外资引进水平对本地城市创新具有显著正向影响，但对邻近城市创新形成了明显的负向溢出效应。不难解释，本地城市的外资引进水平越高，不仅为城市创新活动开展注入了大量资金，而且有助于引进海外优秀企业的先进技术、生产设备及管理方法，对本地企业的创新研发形成技术溢出效应，从而促进城市创新活动开展。但从资本的稀缺性角度来看，本地城市外资引进水平越高也意味着邻近城市在引资竞赛中处于相对落后位置，进而通过空间关联对邻近城市创新产生负向影响。人口集聚程度对本地城市创新的直接效应显著为负，但对邻近城市创新存在显著的正向溢出效应。可能的解释是，人口过度集聚不仅会导致城市资源短缺，也会带来一系列社会问题，较难为人才流入、创新活动开展营造良好的外部环境，进而对本地城市创新造成了挤出效应。但从另一个角度来看，邻近城市的人口集聚度越高，意味着本地城市拥有了潜力巨大的周边消费市场，而创新活动也需要依靠强劲的市场需求来推动。当城市群内部能够形成相对统一、高度成熟、规模巨大的消费市场，将会对本地城市创新发展产生重要助力。

4.2 基于城市差异的空间效应分解结果

长江经济带横跨我国东部、中部和西部三大经济区，覆盖城市众多，城市间的典型差异体现在地理区位与经济发展程度两方面。从地理区位来看，沿海地区如江苏、上海、浙江等拥有广阔的海岸线，分布着的优良港口使本地区发展加工贸易和对外贸易具有天然优势，地区经济结构更偏向外向型。相比之下，深处内陆的云南、贵州、四川等省份虽然位于长江经济带，但由于地理区位靠近腹地且距离沿海港口较远，地区经济呈现出明显的内向型特征。从经济发展差距来看，相比于其他城市，处于长三角地区的城市、（副）省会城市及地区中心城市往往经济发展水平较高，在各省内部形成了要素集聚地和商业中心，并且，城市产业布局会更加全面、成熟，也拥有更丰富的人才及技术储备。与此同时，生产性服务业的集聚特征同样也在不同地理区位、不同经济发展水平城市间表现出明显差异。对此，为了更加清楚全面地认识生产性服务业集聚与城市技术创新的关系，进一步为国家实行精准调控政策更好地促进不同地区技术创新发展提供经验参考，本文将依据地理区位、经济发展水平差异 ① ，将全样本分别划分为沿海城市与内陆城市、经济发达城市与欠发达城市，并采用空间杜宾面板个体固定效应模型全面分析基于城市差异视角下的空间溢出效应。

4.2.1 地理区位差异

表4汇报了基于地理区位差异的空间效应分解结果。对于沿海城市而言，生产性服务业专业化集聚、多样化集聚对其创新的直接效应与间接效应均不显著。对比之下，生产性服务业专业化集聚对内陆城市创新具有显著的正向直接效应，但并未产生明显的空间溢出效应。与此同时，多样化集聚虽然对内陆城市创新不存在显著直接影响，但通过空间关联对其邻近城市创新形成了显著的负向溢出效应。上述结果的产生与现实中沿海城市、内陆城市的产业结构、经济特征及现代服务业发展策略密切相关。多数内陆城市通常倚重于不同的单个制造业产业，其制造业主体通常由单个或者少数细分产业构成，结构较为单一，那么，与之配套的生产性服务业可能更需要趋向专业化集聚而非多样化集聚，具体而言，隶属同类产业的企业在地理空间上集聚，实现产业内知识、技术、信息及人才汇集，并形成了规模效应，进而推动了内陆城市创新成果产出提高。但与此同时，如果内陆城市盲目推进生产性服务业多样化集聚，这种“大而全、小而全”的多样化集聚模式很大可能与当地比较优势相偏离，较难与当地制造业实现有效衔接、达到优势互补，进而可能会对内陆城市制造业发展产生不利影响，进一步地，也会导致内陆城市之间的供应链和产业链中某些环节的平衡状态被打破，从而也对周围城市技术创新造成抑制作用。
表4 生产性服务业集聚影响城市技术创新的空间效应分解：地理区位差异

Tab.4 Decomposition of spatial effect of producer services agglomeration on urban technological innovation: differences in geographical location

效应 变量 沿海城市 内陆城市
（1） （2） （3） （4）
直接效应 ln RZI 0.170（1.531） 0.188***（2.926）
ln RDI 0.118（0.267） -0.129（-0.590）
ln SFE 0.581**（2.467） 0.500**（2.061） -0.237*（-1.778） -0.329**（-2.547）
ln EDU 0.601***（6.058） 0.571***（5.816） 0.083*（1.704） 0.063（1.307）
ln STRU -1.472***（-4.754） -1.529***（-4.825） -0.467***（-4.060） -0.487***（-4.330）
ln FDI -0.128**（-2.204） -0.152***（-2.638） 0.063***（3.157） 0.059***（2.987）
ln POP -1.629***（-2.675） -1.767***（-2.794） -0.411（-0.671） -0.143（-0.240）
间接效应 ln RZI -0.995（-0.947） 1.294（1.387）
ln RDI 0.708（0.557） -16.671***（-4.429）
ln SFE -0.506（-0.489） -1.146（-1.023） 4.135***（3.477） 0.308（0.224）
ln EDU 1.894*（1.860） 1.702*（1.696） -0.142（-0.299） -0.691（-1.569）
ln STRU -3.832**（-2.082） -4.363**（-2.296） -1.660*（-1.651） -1.380（-1.342）
ln FDI -0.140（-0.451） -0.162（-0.511） -0.373***（-2.907） -0.636***（-4.178）
ln POP -4.967（-0.565） -2.570（-0.288） 43.799***（4.779） 41.159***（4.358）
R2 0.096 0.228 0.001 0.007
Obs 350 350 1162 1162

4.2.2 经济发展水平差异

表5汇报了基于经济发展水平差异的空间效应分解结果。应当指出的是，经济发达城市未必处在沿海地区，内陆中心城市如成都、重庆、武汉、长沙的经济发展水平也较高，同样位于大城市行列，那么，表5与表4的估计结果既存在一定相似性，也会因样本的划分标准不同，使得这种影响呈现出不同的特征。对于经济发达城市，生产性服务业专业化集聚显著促进了其创新发展，但多样化集聚对城市创新产生了抑制效果，并且，两种集聚模式未对其邻近城市创新形成空间溢出效应。相比之下，生产性服务业专业化、多样化集聚对经济欠发达城市创新均未产生显著的直接效应，也未形成空间溢出效应。我国经济发达城市的生产性服务业集聚水平较高，并且，在依托地区政策支持及资源禀赋下建立的专业化集聚模式有助于经济发达城市充分发挥当地优势、推动城市创新成果持续产出。由于多样化集聚创新产出的产生必须建立在完善的基础条件及产业链之上，这就要求不同产业间能够达到默契配合的状态，同时，也需要来自外部的激励与约束以保证产业链中各环节实现协调发展。实现产业协同发展的核心在于城市中不同产业能否达到均衡发展，但从实际情况来看，各城市早期过分追求经济高水平增长导致产业发展严重不平衡，造成支撑生产性服务业多样化集聚的基础较为薄弱。那么，经济发达城市如果继续盲目推进多样化集聚，非但不会对本地创新产生促进作用反而会造成抑制效果。
表5 生产性服务业集聚影响城市技术创新的空间效应分解：经济发展水平差异

Tab.5 Decomposition of spatial effect of producer services agglomeration on urban technological innovation: differences in economic development levels

效应 变量 经济发达城市 经济欠发达城市
（1） （2） （3） （4）
直接效应 ln RZI 0.148**（2.253） 0.129（1.592）
ln RDI -0.482*（-1.732） -0.296（-1.330）
ln SFE 0.248（1.515） 0.164（1.022） -0.183（-1.273） -0.203（-1.414）
ln EDU 0.494***（4.128） 0.433***（3.605） 0.080（1.639） 0.074（1.507）
ln STRU -0.598***（-3.130） -0.555***（-2.796） -0.296**（-2.396） -0.315**（-2.530）
ln FDI -0.152***（-3.103） -0.171***（-3.541） 0.057***（2.782） 0.060***（2.915）
ln POP -2.382***（-4.680） -2.447***（-4.555） -0.209（-0.287） -0.188（-0.260）
间接效应 ln RZI -0.610（-0.621） 0.974（1.023）
ln RDI -2.622（-0.927） -2.309（-1.031）
ln SFE 1.111（0.750） 0.213（0.140） 2.121**（2.050） 1.969（1.592）
ln EDU -1.523（-0.820） -3.012（-1.435） -0.522（-1.203） -0.551（-1.256）
ln STRU -8.808***（-3.143） -9.180***（-3.109） -3.186***（-3.042） -3.101***（-2.851）
ln FDI -1.260***（-2.638） -1.387***（-2.667） -0.397***（-3.219） -0.431***（-3.506）
ln POP 8.706（1.110） 15.135*（1.866） 55.024***（5.443） 53.009***（5.084）
R2 0.068 0.107 0.010 0.011
Obs 518 518 994 994

4.3 稳健性检验

为了保证研究结论的可靠性，本文将从以下三方面对基础回归结果的稳健性进行检验。第一，依次更换城市技术创新、多样化集聚的衡量指标。首先，计算发明专利申请数占全部专利总申请数的比值，并以此作为被解释变量进行重新估计。其次，测算高端生产性服务业 ① 多样化集聚指数替代总体多样化集聚指数进行重新估计。通过实证检验发现两类回归结果在系数符号及显著性上均与基础回归结果大体相同，即研究结论不随指标选择的变化而改变，具有稳健性。第二，更换估计方法。参照前文的空间杜宾模型的估计思路，并考虑到被解释变量与核心解释变量间可能存在的联立性问题，本文将城市技术创新指标的空间滞后项及时间滞后项均纳入原模型中进行回归，得到的结果也与基础回归结果基本近似。第三，改变空间权重矩阵设置。本文在空间计量模型中主要采用的是地理距离矩阵，在稳健性检验中将选取城市地理邻近矩阵作为空间权重矩阵进行估计。结果表明，改变空间权重矩阵设置带来的影响并不明显，仍与上文基础回归结果基本保持一致。通过三类稳健性检验，证实了本文研究结论具有较强的稳健性。

5 结论与政策启示

5.1 结论

第一，长江经济带各城市的生产性服务业专业化、多样化集聚程度以及技术创新水平均体现出明显的空间异质性与非均衡性，且存在显著的空间关联性。
第二，生产性服务业专业化集聚不仅对本地城市技术创新具有显著促进作用，并通过空间关联对其邻近城市创新也产生了正向空间溢出效应，提高了城市群整体创新产出水平。生产性服务业多样化集聚抑制了本地城市技术创新发展，并且，对其邻近城市创新也存在负向空间溢出，不利于城市群整体创新发展。
第三，从地理区位差异视角来看，生产性服务业专业化集聚显著推动了内陆城市技术创新发展，而多样化集聚对其邻近城市技术创新产生了负向空间溢出效应；从经济发展地区差异视角来看，生产性服务业专业化集聚显著推动了经济发达城市创新发展，但多样化集聚对经济发达城市创新产生了明显抑制作用。

5.2 政策启示

第一，以本地制造业的发展需求为导向，积极调整生产性服务业的内部结构，建立生产性服务业集聚与制造业转型升级之间的良性互动模式，进而有效推动生产性服务业与制造业协同发展。
第二，不同城市要因地制宜，依据各城市的战略定位、产业结构及资源禀赋等特征，选择适宜本地发展的生产性服务业集聚模式。在充分发挥当地优势、推进产业专业化集聚的同时，也应协调引导地区不同产业均衡发展，进而形成坚实的多样化产业发展基础，为多样化集聚创新溢出的产生提供有力支撑。
第三，重视不同城市间的创新空间依赖特征，逐渐打破阻碍要素自由流动的壁垒、消除地方狭隘的保护主义来引导要素实现科学合理配置，强化信息网络建设、降低信息交流成本和交易成本以促进城市间信息共享互通，加强知识产权保护以营造公平有序的创新氛围。通过一系列公平、公正、科学的外部支持，打造城市群创新发展的良好环境，有助于推动跨地域协同创新活动高效开展。
第四，加强创新人才的引进与培养，各城市应根据自身发展情况，重点引进与城市产业发展方向与层次相适应的高新尖人才，并健全完善人才服务体系、优化人才发展环境。与此同时，也应大力增加对教育培训的资金投入，建立由政府、企业与高校多方联合规划投入的人才培训基地，开展多渠道、多形式、全方位的教育职业培训，提高集聚区域的人力资本积累。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
陈长石, 姜廷廷, 刘晨晖. 产业集聚方向对城市技术创新影响的实证研究[J]. 科学学研究, 2019, 37(1):77-85.

[2]
韩峰, 严伟涛, 王业强. 生产性服务业集聚与城市环境质量升级——基于土地市场调节效应的研究[J]. 统计研究, 2021, 38(5):42-54.

[3]
刘志彪. 现代服务业的发展:决定因素与政策[J]. 江苏社会科学, 2005(6):207-212.

[4]
Baptista R, Swann P. Do firms in clusters innovate more?[J]. Research Policy, 1998, 27(5):525-540.

[5]
Beaudry C, Breschi S. Are firms in clusters really more innovative?[J]. Economics of Innovation and New Technology, 2003, 12(4):325-342.

[6]
Carlino G A, Chatterjee S, Hunt R M. Urban density and the rate of invention[J]. Journal of Urban Economics, 2007, 61(3):389-419.

[7]
Antonietti R, Cainelli G. The role of spatial agglomeration in a structural model of innovation,productivity and export:A firm-level analysis[J]. The Annals of Regional Science, 2011, 46(3):577-600.

[8]
吴玉鸣. 中国区域研发、知识溢出与创新的空间计量经济研究[M]. 北京: 人民出版社, 2007.

[9]
彭向, 蒋传海. 产业集聚、知识溢出与地区创新——基于中国工业行业的实证检验[J]. 经济学(季刊), 2011, 10(3):913-934.

[10]
刘乃全, 吴友, 赵国振. 专业化集聚、多样化集聚对区域创新效率的影响——基于空间杜宾模型的实证分析[J]. 经济问题探索, 2016(2):89-96.

[11]
郭星原. 我国生产性服务业集聚对区域技术进步的影响——基于空间经济学视角[J]. 商业经济研究, 2020(24):189-192.

[12]
Marshall A. The Principles of Economics[M]. London: MacMillan and Co. Original Edition,1890.

[13]
Arrow K J. The economic implications of learning by doing[J]. The Review of Economic Studies, 1962, 29(3):155-173.

[14]
Romer P M. Endogenous technological change[J]. Journal of political Economy, 1990, 98(5,Part 2):S71 - S102.

[15]
Jacobs J. The Economy of Cities[M]. New York: Vintage,1969.

[16]
韩峰, 洪联英, 文映. 生产性服务业集聚推进城市化了吗?[J]. 数量经济技术经济研究, 2014, 31(12):3-21.

[17]
Li Y, Håkansson J, Mihaescu O, et al. Agglomeration economies in urban retailing:Are there productivity spillovers when big-box retailers enter urban markets?[J]. Applied Economics Letters, 2019, 26(19):1586-1589.

[18]
Zhang H. How does agglomeration promote the product innovation of Chinese firms?[J]. China Economic Review, 2015, 40(35):105-120.

[19]
余泳泽, 刘大勇, 宣烨. 生产性服务业集聚对制造业生产效率的外溢效应及其衰减边界——基于空间计量模型的实证分析[J]. 金融研究, 2016(2):23-36.

[20]
于斌斌, 吴丹. 生产性服务业集聚如何提升制造业创新效率?——基于集聚外部性的理论分析与实证检验[J]. 科学决策, 2021(3):18-35.

[21]
刘胜, 李文秀, 陈秀英. 生产性服务业与制造业协同集聚对企业创新的影响[J]. 广东财经大学学报, 2019, 34(3):43-53.

[22]
Agovino M, Rapposelli A. Agglomeration externalities and technical efficiency in Italian regions[J]. Quality & Quantity, 2015, 49(5):1803-1822.

[23]
张天华, 陈博潮, 雷佳祺. 经济集聚与资源配置效率:多样化还是专业化[J]. 产业经济研究, 2019(5):51-64.

[24]
纪祥裕, 唐荣. 地方经济增长目标会影响技术创新吗[J]. 山西财经大学学报, 2021, 43(6):70-83.

[25]
Combes P P. Economic structure and local growth:France,1984-1993[J]. Journal of Urban Economics, 2000, 47(3):329-355.

[26]
Halleck Vega S, Elhorst J P. The SLX Model[J]. Journal of Regional Science, 2015, 55(3):339-363.

[27]
Elhorst J P. Applied spatial econometrics:Raising the bar[J]. Spatial Economic Analysis, 2010, 5(1):9-28.

[28]
LeSage J, Pace R K. Introduction to spatial econometrics[M]. Chapman and Hall/CRC, 2009.

Options
文章导航

/

〈 〉