长三角临港服务业的空间演进特征与影响因素

谢敏; 卢凌美

doi:10.15957/j.cnki.jjdl.2025.08.014

经济地理 >

2025 , Vol. 45 >Issue 8: 132 - 138

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.08.014

产业经济与创新发展

长三角临港服务业的空间演进特征与影响因素

谢敏 ,
卢凌美 ^,^※

展开

浙江药科职业大学药商学院/医药数字化技术学院，中国浙江宁波 315500

※卢凌美（1985—），女，硕士，讲师，研究方向为医药产业政策。E-mail:361110534@qq.com

谢敏（1979—），女，博士，教授，研究方向为区域创新与产业经济。E-mail:41621545@qq.com

收稿日期: 2024-05-07

修回日期: 2025-06-05

网络出版日期: 2025-10-10

基金资助

教育部人文社会科学基金青年课题(19YJC790155)

浙江省高校重大人文社会科学攻关计划课题(2023QN166)

收起

Spatial Evolution Characteristics and Impact Factors of the Port Service Industry in the Yangtze River Delta

XIE Min ,
LU Lingmei ^,^※

Expand

School of Pharmaceutical Business & School of Digital Medical Technology，Zhejiang Pharmaceutical University，Ningbo 315500，Zhejiang，China

Received date: 2024-05-07

Revised date: 2025-06-05

Online published: 2025-10-10

Fold

摘要

文章以物流服务业、运输服务业和金融与信息服务业三大临港服务业为研究对象，运用集聚度测算，从省域、市域以及临港服务业企业层面多尺度分析了长三角地区临港服务业空间结构演进机理，探究了区域内不同时期不同地域多层次空间演进特征。研究发现：①长三角地区临港服务业的发展呈现出逐渐增强的趋势，其中上海的临港服务业影响力相对较强，浙江和江苏紧随其后。②临港服务业与港口城市的扩散密切相关，临港服务业与港口城市互为支撑。市域的空间结构从单中心为主，再经双中心空间结构发展成为多中心的空间结构；临港服务业集聚的空间结构比较稳定，上海、苏州、杭州逐渐成为核心区域。③城市化水平、知识溢出和滞后7期均有利于临港服务业的集聚，而信息化水平和政府规模明显抑制了长三角地区临港服务业的集聚。且在临港的物流服务业、运输服务业和金融与信息服务业中也基本类似。

关键词： 临港服务业; 港口城市; 空间结构; 区位集聚; 产业关联; 物流服务业; 长三角地区

本文引用格式

谢敏 , 卢凌美 . 长三角临港服务业的空间演进特征与影响因素[J]. 经济地理, 2025 , 45(8) : 132 -138 . DOI: 10.15957/j.cnki.jjdl.2025.08.014

Abstract

According to the classification of port service industry,the study takes the logistics service industry,transportation service industry and financial and information service industry as the research object,and uses the theory of concentration measurement to study the evolution mechanism of the spatial structure of port service industry in the Yangtze River Delta from the perspective of the city level and port service industry enterprises,and explore the multi-level spatial evolution characteristics of different regions in different periods. The research finds that:1) The development of port service industry in the Yangtze River Delta shows a trend of gradual enhancement,it has a stronger influence of port service industry in Shanghai,followed by Zhejiang and Jiangsu. 2) The port service industry is combined with the proliferation of port cities,port service industry and port cities support each other. The spatial structure has developed from a single center to a multi center spatial structure through a dual center spatial structure at the city level. The spatial structure of cold and hot spots is relatively stable in the harbor service industry cluster,Shanghai,Suzhou and Hangzhou have gradually become the core regions. 3) The level of urbanization,knowledge spillover and the degree of agglomeration of port service industry lagging behind Phase Ⅶ are all conducive to the agglomeration of port service industry,while the level of informatization and the size of the government significantly inhibit the agglomeration of port service industry in the Yangtze River Delta. It is also basically similar in port logistics service industry,port transport service industry and port finance and information service industry.

Key words： port service industry; port city; spatial structure; location agglomeration; industry correlation

“一带一路”倡议的持续推进，极大地促进了中国港口经济的发展，港口开发已经成为我国沿江沿海地区经济发展的重要推动力，港口对临港城市的经济发展及功能演变具有重要的作用^[1-2]。长三角地区作为我国对外开放的前沿阵地，是我国重要的港口经济发展空间单元，对全面建成小康社会和实现共同富裕具有不可或缺的引领作用。

多年来，大多数学者对长三角地区空间发展的研究，关注核心往往是该区域城市空间结构的演变过程及整体发展态势，重点探寻长三角城市演变机制^[3-6]，从而为我国城市现代化建设提出科学建议。总体来看，这些研究虽从不同领域并使用一系列方法对长三角地区的空间形态进行了探讨，但仍鲜有学者关注到长三角地区临港服务业的空间演变^[7]。

目前，临港服务业通常划分为三类，即物流服务业、运输服务业和金融与信息服务业^[8]。陈婉婷认为临港物流服务业发展应当加强相关企业联盟建设和港口基础设施建设^[9]；慕光宇等对大连临港物流服务业的竞争力进行了评价，并指出应加快临港物流服务业数字化建设^[10]；Talley等认为临港服务企业只有嵌入到港口服务供应链中才能强化自身的竞争优势^[11]；Taylor等通过分析航运服务业的空间网络格局与演化，指出航运服务业主要集中在伦敦和新加坡为核心的枢纽城市^[12]；Alahmadi等研究了航运服务业的上下游之间时空演化关系^[13]；Tran研究指出随着国际航运市场的纵深发展，运输服务更加趋向规模化和专业化^[14]；王列辉等利用全球航运服务业的数据，证实了航运服务业主要集中在欧洲和亚洲地区^[15]；刘辉等利用中国城市群金融服务业相关数据，研究发现以长三角城市群等为核心的城市群金融服务业发展相对领先^[16]；刘丙章等基于苏州市金融服务业分析发现，金融服务业总体上分布不均衡，具有多中心的“大分散、小集聚”空间分布特征^[17]；甘金磊等从重庆市软件和信息服务企业空间格局出发，发现其表现出“一主两次”的多中心格局，集聚特征显著^[18]。综上发现，关于临港服务业已经有一系列的相关研究成果，但针对市县尺度乃至临港服务业企业的空间演化特征及其诱因分析尚有待深入。

本文以物流服务业、运输服务业和金融与信息服务业三大临港服务业为对象，研究长三角地区临港服务业不同时期不同地域多层次空间演进特征，分析临港服务业影响因素，并从实证角度论证各因素对长三角城市临港物流服务业、运输服务业和金融与信息服务业空间结构演进的影响。

1 数据来源与研究方法

1.1 数据来源与样本选择

数据来源于《中国城市统计年鉴》、Wind数据库、《中国港口统计年鉴》《第三产业统计年鉴》《中国信息年鉴》《上海统计年鉴》《浙江统计年鉴》《江苏统计年鉴》。通常情况下仅以户籍人口衡量港口城市的城市化水平不符合现实规律，但由于中国城市统计年鉴中只统计了户籍人口，故本文采用港口城市GDP与其人均GDP比值估算各港口城市常住人口。

根据国务院2010年批准的《长江三角洲地区区域规划》，本文从江苏省、浙江省和上海市中选取苏州、南京、南通、连云港、镇江、江阴、徐州、淮安、无锡、泰州、常州、盐城、宿迁、扬州、宁波、舟山、温州、台州、嘉兴、杭州、湖州、绍兴、丽水、上海24个港口城市作为研究对象，并将宁波和舟山港合并称为宁波—舟山港。

1.2 研究方法

港口之间服务业存在明显的空间相关性，传统的计量回归模型并不能解释当模型存在空间相关性时的情况，从而难以得出准确的估计。因此，本文主要考虑运用空间回归模型来寻求各因素对长三角地区临港服务业空间结构演进的影响。但在构建空间计量模型之前，必须进行空间相关性预检验。

空间计量模型主要有两大类即空间滞后模型（SLM）和空间误差模型（SEM）^[19]。当被解释变量的空间依赖性对模型的结果产生显著影响时，主要运用空间滞后模型；当模型的误差项在空间上存在相关性时，主要采用空间误差模型。

2 长三角临港服务业空间结构演进的特征

长三角一直是我国海上经济带的重要节点之一，上海是长三角城市群的核心，承担着进入国际市场、参与国际竞争、引导区域经济跨越式发展的使命^[20]。从行业外部来看，上海与长三角城市群体之间的产业结构协调应进一步完善。另外，作为长三角城市和对外贸易港口的核心，上海也承担着全球产业链转移和引领长三角产业更好地融入全球价值链的责任。2022年，上海GDP占全国的3.69％，江苏和浙江合占全国的16.58％。

区域空间结构存在着由简单到复杂，由低级到高级的演进过程，同时由于区域经济发展不平衡不充分，在一定的区域范围内，各节点区域是不可能同时演进到同一个层级的，必然存在着差序演进的关系，进而也就形成了空间发展的不同阶段与不同格局^[21]。港口城市群是港口城市发展到较高阶段的普遍产物，是以中心港口城市为核心、由不同等级规模的港口城市所组成的一个相对完整的城市群集合体，可以实现单个港口城市无法达到的规模经济和集聚效益^[22]。经过改革开放40多年的发展，长三角港口城市群的综合实力显著增强，临港经济发展迅速，在国际上的影响力日益提升。截至2022年，长三角临港城市群的GDP占到全国的比重达20.27%。本文以上海等24个港口为研究对象，运用空间计量模型^[23]，分别以1978、1999和2020年为断点年份计算长三角地区总体临港服务业场强分区影响面积，并分析其空间演进特征（表1）。

表1 长三角地区总体临港服务业场强分区影响面积及演变(km²)

Tab.1 Affected area evolution of various strong zones in the overall port service industry in the Yangtze River Delta (km²)

等级	1978年	1999年	2020年
极强区	853	4521	10862
较强区	3287	17283	48905
一般区	8935	72297	95829
较弱区	298116	162983	137824
极弱区	83651	68026	49732

从长三角总体临港服务业来看，研究期内场强等级为极强和较强区的面积在逐渐扩大，而场强等级较弱和极弱区的影响面积在逐渐缩小。从场强分区来看，极强区的面积从1978年的853 km²扩展到2020年的10862 km²，增加近12倍，且呈现出逐年递增的趋势；一般区的面积也从1978年的8935 km²扩展到2020年的95829 km²，扩大了近10倍。与二者形成鲜明对比的是场强等级较弱和极弱区，其影响面积在逐年递减，这说明长三角地区的港口影响力在逐年递增。

表2展示了长三角两省一市的空间场强影响面积及其演变特征。从临港服务业来看，研究期内长三角二省一市港口影响力均在逐年递增，场强等级为极强和较强区的影响范围也在逐年扩大，而场强等级较弱和极弱区的影响范围在逐年递减。具体而言，上海港的场强较弱区影响面积远远小于浙江港口和江苏港口的场强较弱区影响面积，且1978、1999和2020年上海港均不存在场强极弱区。

表2 长三角二省一市临港服务业场强分区影响面积及演变(km²)

Tab.2 Division area of various strong zones of provincial port service industry (km²)

年份	行政区	极强区	较强区	一般区	较弱区	极弱区
1978	上海港	189	372	963	4971	0
	浙江港口	184	592	1373	59821	48201
	江苏港口	167	482	1782	67321	57211
1999	上海港	592	1639	2893	1602	0
	浙江港口	967	3782	16839	40872	32801
	江苏港口	1092	4792	27681	39812	28609
2020	上海港	1027	3971	1320	823	0
	浙江港口	2791	13820	29430	26022	24791
	江苏港口	3792	18981	37912	19723	19802

表3展示了长三角地区临港城市服务业影响面积及其演变特征。从临港城市服务业来看，研究期内长三角各临港城市服务业的影响区布局存在较大差异。其中，临港城市服务业影响面积最大的是上海港，其次是浙江省的宁波—舟山港和杭州港，而江苏省各港口的临港城市服务业影响面积相对较弱。同时，各临港城市影响区面积增速总体较为接近，但城市等级越高，其相应的港口影响力就越大。根据各临港城市服务业的影响面积，运用ArcGIS软件可视化1978、1999和2020年长三角主要临港城市的服务业扩散情况，同时依据自然断点法将场强扩散值划分为一级、二级、三级与无效4个等级（图1）。从中看出，整个区域的服务业扩散速度越来越快，扩散等级也越来越高，且基本与港口城市的扩散紧密联系在一起，一定程度上说明了临港服务业的发展离不开港口城市的支撑。同时，市域服务面积扩散的空间结构，从单中心为主，再经双中心空间结构发展成为多中心的空间结构。

表3 长三角地区临港城市服务业影响区面积及演变(km²)

Tab.3 Affected area and evolution of port service industry in the Yangtze River Delta (km²)

港口名称	1978	1999	2020
上海港	89	378	2893
宁波—舟山港	65	281	1792
温州港	58	192	1027
台州港	47	128	836
嘉兴港	23	92	692
杭州港	51	189	1674
嘉兴内河港	13	78	781
湖州港	10	92	792
绍兴港	9	78	882
丽水青田港	11	67	1034
苏州港	46	124	1263
南京港	48	182	1635
南通港	23	101	1203
连云港港	32	121	1178
镇江港	28	82	983
江阴港	27	72	1001
徐州港	19	69	702
淮安港	12	73	962
无锡港	19	103	1173
泰州港	11	82	956
常州港	12	97	837
盐城港	9	93	952
宿迁港	7	85	872
扬州港	15	101	1183

显示原图|下载原图ZIP|生成PPT

图1 长三角临港城市服务业扩散等级空间分布演变

Fig.1 Schematic diagram of the proliferation of port service industry in the Yangtze River Delta

综上所述，长三角地区临港服务业空间结构演进特征如下：①长三角地区临港服务业总体上发展较为迅速，但地区之间存在显著的空间差异，差异呈现逐年减小的趋势。其中上海作为我国的港口发展先锋，临港服务业处于领先地位，紧随其后的是宁波—舟山港、杭州港和南京港。②从临港服务业的场强影响区面积来看，临港服务业的影响面积在逐渐增大，且呈现出与港口城市协同发展的局面。各港口的影响区面积均逐年递增，也反映出海洋经济在我国经济体系中的地位在上升，港口作用得到加强。

3 临港服务业空间结构演进的影响因素分析

3.1 变量的选取与测度

①被解释变量：区位集聚。区位集聚与扩散是区域空间结构演进的最基本的表现形式^[24]。本文选择服务业人员从业人数比重衡量各港口的服务业集聚水平。具体选取4个因变量指标：TS_i代表港口i的整体服务业集聚情况，LS_i代表港口i的物流业服务的集聚情况，CS_i代表港口i的运输业服务的集聚情况，FS_i代表港口i的金融与信息业的服务集聚情况。

②解释变量：产业关联。产业集聚的空间演进机制主要由两大作用进行，分别是产业关联和知识关联^[25]。为衡量产业关联对临港服务业空间演进的影响，本文选取各港口城市的城市化水平发展程度作为评价指标^[26]。城市化水平发展（CL_i）用城市常住人口的规模衡量。本文以知识存量指标和信息化水平指标量化知识溢出，用各港口城市高校专任教师数量占全国的高校专任教师数量比衡量知识存量（ET_i），用各港口互联网用户数量来衡量港口的信息化水平（IN_i）。

③解释变量：政策因素。政策因素往往在产业发展中起着引领性的作用。本文主要采用临港城市所在的政府规模来衡量政策对临港服务业空间结构演变的影响^[27]。政府规模（Gov_i）用非公共财政支出水平衡量。为了衡量滞后因素对临港服务业的集聚影响，本文选取在我国正式提出“丝绸之路经济带和21世纪海上丝绸之路”的年份即2013年服务业集聚水平对2020年临港服务业集聚程度的影响，表示为S_-7_i，其代表港口i滞后7期的临港服务业的增加值在当年全国港口服务业增加值中的占比。

3.2 实证分析

2020年长三角地区临港服务业计量模型各被解释变量Moran's I的正态统计值基本大于正态分布在0.05水平上的临界值，即各值都是显著的，这表明临港服务业在港口之间存在显著的空间正相关关系。其主要原因可能为：①大部分港口的自然要素禀赋方面相似，资本优势较为均衡，容易形成产业趋同，从而相邻的港口具有很高的协同联动，导致临港服务业体系具有一定的空间相关性；②港口之间的交通越来越发达，特别是对于长三角地区的临港服务业来说，高度发达的交通网络有助于资本要素在港口之间流通更加便利；③从临港服务业的外溢效应来看，临港服务业多属于合同型产业，即临港服务业的交易多伴随着较强的契约因素，相邻港口之间的交易契约更容易签订，信任程度更高；④从制度因素来说，长三角地区的港口发展在国家层面是作为一个整体共同推进的，因此临港服务业的发展具有一定的空间相关性。

进一步，验证各因素对长三角临港服务业空间结构演进的相关性（表4）。

表4 各因素对长三角地区临港服务业空间结构演进的模型验证结果

Tab.4 Model validation of various factors on the evolution of spatial structure of port service industry in the Yangtze River Delta

变量名	长三角地区总体		上海		浙江		江苏
变量名	SLM	SEM	SLM	SEM	SLM	SEM	SLM	SEM
CL_i	0.0037^***	0.0049^***	0.0045^***	0.0041^***	0.0019^***	0.0025^***	0.0032^***	0.0036^***
ET_i	0.287^***	0.362^***	0.381^***	0.401^**	0.173^***	0.234^**	0.263^***	0.182^**
IN_i	-0.00004^***	-0.00003^***	-0.00002^***	-0.00002^***	-0.00003^***	-0.00004^***	-0.00001^***	-0.00002^***
Gov_i	-0.0021^***	-0.0072^***	-0.0061^***	-0.0058^***	-0.0034^***	-0.0046^***	-0.0031^***	-0.0048^***
S_-7_i	0.813^***	0.647^***	0.601^***	0.537^***	0.481^***	0.591^***	0.356^***	0.489^***
Cons.	0.0023^***	0.0071^***	0.0061^***	0.0091^***	0.0042^***	0.0061^***	0.0037^***	0.0047^***
$ρ$	0.120^**	-	0.270^**	-	0.256^**	-	0.152^**	-
$λ$	-	0.213^*	-	0.183^*	-	0.273^*	-	0.165^*
R-squared	0.528	0.636	0.491	0.582	0.632	0.552	0.589	0.635

注：为了节省版面，标准误t值不显示，***、**、*分别表示在0.01、0.05、0.1水平上显著。表6~表8同。

表4结果显示：①CL_i变量的系数为正值且通过了显著性水平检验（p<0.01），这说明城市化水平越高的区域，对临港服务业的集聚程度吸引越大。根据前文的论述，城市化水平代表的指标是产业关联程度，从而说明港口所在的区域内，制造业发展程度越高或者制造业和服务业的产业联动水平越高，则该港口对于服务业的吸引程度越大。②ET_i变量的系数为正且通过了显著性水平检验（p<0.05），这说明知识溢出可以推动临港服务业的集聚。拥有高等院校专职教师越多的区域，其科技创新能力相应的也就越强。其不仅代表了该区域的知识发展水平高，更代表了该区域可以提供更高素质的劳动力，从而推动港口区域服务业的发展，吸引港口区域服务业的集聚。上海的知识溢出仍然居于前列，江苏和浙江作为我国的教育大省，知识溢出对港口的集聚作用比较接近。③IN_i变量的系数为负且通过了显著性水平检验（p<0.01），这说明知识溢出在某种程度上抑制了长三角地区临港服务业的集聚。主要原因可能是信息化程度对临港服务业的集聚具有双重作用。一方面，信息技术的飞速发展降低了信息交流的成本，从而对临港服务业的集聚有一定的吸引作用；另一方面，知识溢出的缺失抑制了临港服务业的集聚。④Gov_i变量的系数为负且通过了显著性水平检验（p<0.05），这说明政府的规模与临港服务业的集聚呈现负相关关系。随着政府规模减小，政府对市场的控制能力越弱，垄断临港服务业的程度就越低，从而让中小企业有更多的机会进入到市场中。由此可见，政策因素对临港服务业集聚具有负向作用。由于上海具有金融中心和我国经济引擎的作用，其政府规模相对较大，抑制作用较为明显，浙江和江苏经济发展水平类似，政府规模抑制作用也相对接近。⑤S_-7_i变量的系数为正，且通过了显著性水平检验（p<0.01），这说明滞后7期的长三角地区的临港服务业集聚程度正向影响着当期的临港服务业集聚程度。综上可知，服务业对其中间投入率要高于制造业，一个地区服务业越发达，其对服务业市场的需求就越大，服务业的发展具有循环累积的因果关系。

3.2.1 各影响因素对长三角临港物流服务业空间结构演进的模型验证

由表5可知，各因素对长三角二省一市临港物流服务业空间结构演进的模型拟合度基本超过了0.5，说明上述5个变量对二省一市临港物流服务业空间结构演进具有一定的解释力。从长三角二省一市临港物流服务业空间结构演进的影响程度来看，滞后7期的服务业集聚水平和城市化水平对临港物流服务业的影响程度较大，信息化水平仍然对临港物流服务业的集聚产生负向影响，知识溢出效应对临港物流服务业的空间集聚不具有显著影响。

表5 各因素对长三角地区临港物流服务业空间结构演进的模型验证结果

Tab.5 Model validation of various factors on evolution of spatial structure of port logistics service in the Yangtze River Delta

变量名	长三角地区整体		上海		浙江		江苏
变量名	SLM	SEM	SLM	SEM	SLM	SEM	SLM	SEM
CL_i	0.0028^**	0.0051^**	0.0031^***	0.0021^***	0.0011^***	0.0023^***	0.0031^***	0.0032^***
ET_i	-0.071	-0.063	-0.021^***	-0.091^**	-0.013^***	-0.084^**	-0.093^***	-0.073^**
IN_i	-0.00001^***	-0.00002^***	-0.00001^***	-0.00002^***	-0.00002^***	-0.00001^***	-0.00002^***	-0.00002^***
Gov_i	-0.0002^*	-0.0004^**	-0.0007^***	-0.0002^***	-0.0009^***	-0.0004^***	-0.0009^***	-0.0008^***
S_-7_i	1.980^***	1.673^***	1.471^***	1.527^***	1.663^***	1.471^***	1.536^***	1.729^***
Cons.	0.0063^***	0.0091^***	0.0055^***	0.0062^***	0.0034^***	0.0093^***	0.0051^***	0.0022^***
$ρ$	0.247^**		0.190^**		0.143^**		0.202^**
$λ$		0.182^**		0.213^*		0.193^*		0.212^*
R-squared	0.692	0.631	0.491	0.592	0.612	0.662	0.591	0.581

3.2.2 各影响因素对长三角临港运输服务业空间结构演进的模型验证

由表6可知，各因素对长三角二省一市临港运输服务业空间结构演进的模型拟合度较高，这说明上述5个变量对长三角二省一市临港运输服务业空间结构演进具有较强的解释力。其中，滞后7期的服务业集聚水平对长三角临港运输服务业空间结构演进的影响要高于知识溢出效应，这说明更多的是市场需求来拉动临港运输服务的集聚；信息化水平仍然对临港运输服务业的集聚产生负向影响；城市化水平对临港运输服务业的空间集聚同样具有影响，但影响相对较小。因此，长三角二省一市临港运输服务业空间集聚程度主要受市场需求（滞后7期的服务业集聚水平变量）和知识溢出效应的影响。

表6 各因素对长三角地区临港运输服务业空间结构演进的模型验证结果

Tab.6 Model validation of various factors on spatial structure evolution of transportation services in the Yangtze River Delta

变量名	长三角地区总体		上海		浙江		江苏
变量名	SLM	SEM	SLM	SEM	SLM	SEM	SLM	SEM
CL_i	0.0017^*	0.0098^*	0.0022^***	0.0034^***	0.0013^***	0.0035^***	0.0026^***	0.0019^***
ET_i	0.215^***	0.378^***	0.161^***	0.411^**	0.223^***	0.115^***	0.136^***	0.327^***
IN_i	-0.00003^***	-0.00001^***	-0.00002^***	-0.00001^***	-0.00003^***	-0.00002^***	-0.00001^***	-0.00002^***
Gov_i	-0.0035^**	-0.0098^***	-0.0047^**	-0.0032^***	-0.0029^***	-0.0044^***	-0.0039^***	-0.0028^***
S_-7_i	0.623^***	0.589^***	0.521^***	0.482^***	0.723^***	0.515^***	0.469^***	0.669^***
Cons.	0.0068^***	0.0043^***	0.0051^***	0.0045^***	0.0044^***	0.0082^***	0.0067^***	0.0031^***
$ρ$	0.092^**		0.280^**		0.182^**		0.391^**
$λ$		0.244^*		0.183^*		0.204^*		0.282^*
R-squared	0.447	0.481	0.572	0.467	0.532	0.687	0.543	0.682

3.2.3 各影响因素对长三角临港金融与信息服务业空间结构演进的模型验证

由表7可知，各因素对长三角二省一市临港金融与信息服务业空间结构演进的模型拟合度较高，这说明上述5个变量对长三角二省一市临港金融与信息服务业空间结构演进具有较强的解释力，但政府规模这一影响因素没有通过显著性检验。其中，滞后7期的服务业集聚水平对长三角临港金融与信息服务业空间结构演进的影响要高于知识溢出效应，说明更多的是市场需求来拉动临港金融与信息服务业的集聚；信息化水平仍然对临港金融与信息服务业的集聚产生负向影响。

表7 各因素对长三角地区临港金融与信息服务业空间结构演进的模型验证结果

Tab.7 Model validation of various factors on the evolution of spatial structure of port financial and information service industries in the Yangtze River Delta

变量名	长三角地区总体		上海		浙江		江苏
变量名	SLM	SEM	SLM	SEM	SLM	SEM	SLM	SEM
CL_i	0.0014^**	0.0027^**	0.0017^***	0.002^***	0.0018^***	0.0026^***	0.0019^***	0.0016^***
ET_i	0.138^***	0.263^***	0.123^***	0.286^**	0.258^***	0.137^**	0.129^**	0.283^**
IN_i	-0.000003^***	-0.000009^***	-0.00001^***	-0.00001^***	-0.00001^***	-0.00002^***	-0.00002^***	-0.00002^***
Gov_i	-0.0007	-0.0004	-0.0006^**	-0.0002^**	-0.0009^**	-0.0003^**	-0.0004^**	-0.0008^**
S_-7_i	0.521^***	0.472^***	0.471^***	0.392^***	0.663^***	0.495^***	0.529^***	0.569^***
Cons.	0.0002^***	0.0002^***	0.0002^***	0.0003^***	0.0001^***	0.0002^***	0.0003^***	0.0001^***
$ρ$	0.271^**		0.252^**		0.204^**		0.278^**
$λ$		0.118^*		0.203^*		0.194^*		0.202^*
R-squared	0.447	0.582	0.632	0.587	0.589	0.592	0.639	0.593

4 结论与建议

4.1 主要结论

本文以物流服务业、运输服务业和金融与信息服务业三大临港服务业为分析对象，运用集聚度测算模型，从省域、市域以及临港服务业企业层面多尺度分析了长三角地区临港服务业空间结构演进的影响因素，探究了其区域内不同时期不同地域的多层次空间演进特征。主要研究结论如下：

①长三角地区临港服务业的发展呈现逐渐增强的趋势。临港服务业的影响面积不断扩大，其中上海作为我国改革开放的先锋，其临港服务业的影响力最强；其次是浙江，由于其数字经济产业的飞速发展和共同富裕示范区政策对产业发展的支撑，各港口的服务业发展迅速，潜力巨大；而江苏一直是东部地区经济增长的重要助力点，其临港服务业的影响力与浙江相差无几。

②临港服务业扩散速度越来越快，扩散等级也越来越高，且基本与港口城市的扩散紧密联系在一起，临港服务业与港口城市互为支撑。市域服务面积扩散的空间结构，从单中心为主，再经双中心空间结构发展成为多中心的空间结构。长三角地区临港服务业的物流、运输和金融与信息服务均在持续发展，从最开始仅有几个港口城市之间互通到最后形成了四通八达的港口城市交流网络，长三角地区的临港经济在不断强化。

③城市化水平、知识溢出和滞后7期均有利于临港服务业的集聚，而信息化水平和政府规模明显抑制了长三角地区临港服务业的集聚。在临港物流服务业、临港运输服务业和临港金融与信息服务业中也基本类似。

4.2 政策建议

①因地制宜，层级化提升临港服务业核心竞争力。上海作为长三角地区临港服务业的先锋，应通过政策支持、创新引领等手段，吸引更多高端服务机构和人才聚集，提升临港服务业国际影响力；浙江应加大对相关企业的支持力度，提供更多的政策优惠和金融支持，进一步释放临港服务业潜力；江苏作为长三角地区临港服务业的重要组成部分，应加强与浙江和上海的合作与交流，借鉴其成功经验，加速临港服务业的转型升级。

②彰显底蕴，一体化推进城市临港服务业能力跃迁。制定差异化的政策措施，重点支持上海、苏州、杭州等核心城市的临港服务业发展，并加强对其他城市的扶持，实现全面均衡发展，提高长三角地区临港服务业的整体效益。

③延链强链，特色化推行临港服务业发展环境改善。在行业层面，应围绕产业链重构创新链，注重产业链式发展和知识有效溢出，高质量推进临港服务业发展；同时，要避免信息化过度建设和政府过度干预，加强数字型政府和服务型政府建设，营造良好的营商环境。

本文利用系统的逻辑框架、科学的研究方法和严谨的实证分析，取得了具有一定学术价值和实践意义的成果。然而，受限于数据的可获得性和实证分析的局限性，未来研究可以采用更精准的临港服务业企业面板数据，同时结合机器学习和量化分析等模型，以期发现更多具有学术价值的研究结果。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

[1]	郭然, 原毅军. 互联网发展对产业协同集聚的影响及其机制研究[J]. 统计研究, 2022, 39(6):52-67.

[2]	吴思栩, 孙斌栋, 张婷麟. 互联网对中国城市内部就业分布的动态影响[J]. 地理学报, 2022, 77(6):1446-1460. DOI

[3]	倪进峰, 隗斌贤. 长三角金融发展影响城市群空间经济演变的时空异质性分析——基于传统金融与数字金融双重维度的实证研究[J]. 浙江社会科学, 2022(5):4-16,28,155.

[4]	张亚丽, 杨洋, 项本武. 长三角城市群城乡融合发展格局演变及其影响因素[J]. 地理科学, 2024, 44(11):1955-1965. DOI

[5]	胡艳, 张安伟, 张桅. 长三角地区城市协同发展动态演变及其网络驱动机制研究[J]. 经济体制改革, 2023(3):43-52.

[6]	邹德玲, 丛海彬, 李钰, 等. 长三角城市群内小城镇产业集聚效率时空演变与影响因素[J]. 经济地理, 2023, 43(4):73-82. DOI

[7]	唐昭沛, 吴威, 郭嘉颖, 等. 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

[8]	丁宪浩, 叶立新. 江苏海洋开发绿色发展战略研究[J]. 农业现代化研究, 2009, 30(1):24-28.

[9]	陈婉婷. 港口物流服务业的发展对策研究[J]. 物流科技, 2018, 41(1):114-116.

[10]	慕光宇, 许真. 大连港口物流服务业竞争力因素分析与提升途径[J]. 黑龙江科学, 2021, 12(10):124-125.

[11]	Talley W K, Ng M W. Hinterland transport chains:A behavioral examination approach[J]. Transportation Research Part E:Logistics and Transportation Review, 2018,113:94-98.

[12]	Taylor P J, Derudder B, Faulconbridge J, et al. Advanced producer service firms as strategic networks,global cities as strategic places[J]. Economic Geography, 2014, 90(3):267-291.

[13]	Alahmadi D H, Abdulrahman B F, Alrajhi Mona M, et al. Comparative analysis of blockchain technology to support digital transformation in ports and shipping[J]. Journal of Intelligent Systems, 2021, 31(1):55-69.

[14]	Tran N. Market structure and horizontal growth strategies:A case study of the container shipping industry[J]. German Economic Review, 2022, 23(3):423-461.

[15]	王列辉, 陈萍, 张楠翌. 全球航运服务业的空间分布差异研究[J]. 地理学报, 2023, 78(4):913-929. DOI

[16]	刘辉, 申玉铭, 柳坤. 中国城市群金融服务业发展水平及空间格局[J]. 地理学报, 2013, 68(2):186-198.

[17]	刘丙章, 高建华, 彭宝玉, 等. 基于POI数据的苏州市金融服务业空间格局及细分行业分布[J]. 河南大学学报(自然科学版), 2021, 51(1):29-39.

[18]	甘金磊, 宗会明. 重庆市主城区软件和信息技术服务企业空间格局演化与区位选择[J]. 热带地理, 2021, 41(6):1270-1279. DOI

[19]	唐昭沛, 吴威, 刘玮辰, 等. 高速铁路对生产性服务业空间集聚的影响——以长三角城市群为例[J]. 地理科学进展, 2021, 40(5):746-758. DOI

[20]	文江雪, 邓宗兵, 王定祥. 临港产业集聚对区域经济高质量发展的影响——基于知识溢出的视角[J]. 城市问题, 2021(4):62-73.

[21]	王列辉, 苏晗, 张圣. 港口城市产业转型和空间治理研究——以德国汉堡和中国上海为例[J]. 城市规划学刊, 2021(2):45-52.

[22]	李焱, 梁雪涵, 黄庆波. 海运服务贸易网络结构演变与各国角色识别[J]. 经济地理, 2024, 44(11):13-23. DOI

[23]	沈惊宏, 周葆华, 余兆旺. 泛长三角地区城市的空间结构演变[J]. 地理研究, 2016, 35(3):482-492. DOI

[24]	王瑞, 蒋天颖, 王帅. 宁波市港口物流企业空间格局及区位选择[J]. 地理科学, 2018, 38(5):691-698. DOI

[25]	孙燕, 吴莉莉, 金晓斌, 等. 长三角区域一体化对城市群土地利用效率的空间协同效应[J]. 地理研究, 2024, 43(8):2104-2120. DOI

[26]	Shi X, Jiang H Z, Li H, et al. Upgrading port-originated maritime clusters:Insights from Shanghai's experience[J]. Transport Policy, 2020,87:19-32.

[27]	霍鹏. 知识密集型服务业空间集聚的动态演化及驱动因素[J]. 长江流域资源与环境, 2022, 31(4):770-780.

Options

文章导航

模态框（Modal）标题

摘要