--以福建省为例

    张惠萍

    摘要：本文以福建省为例，从邻近知识源、邻近相关企业和邻近城市中心区域等角度探讨信息服务企业的区位策略对集聚的影响。在分析福建省信息服务业空间分布的基础上，以86个区（县）和1076个邮编区为空间单元，应用负二项分布模型研究区位策略对信息服务业和三个子行业企业集聚的影响。研究发现，空间单元变小，能够更细致地刻画出各个区位因子对信息服务业集聚的影响程度。福建省信息服务企业主要集聚在城市中心区域，邻近同行业代表性企业和企业众多的开发区，邻近大学和科研机构，并没有出现明显的郊区化倾向。

    关键词：信息服务业；区位策略；空间分布；集聚；负二项分布

    一、引言

    信息服务业由于具有应用领域的多样性和对其他产业的渗透性特征，逐渐从计算机硬件产业中相对独立出来，成为现代经济中关联性较强的产业之一。和传统服务业相比较，信息服务业产品和服务的提供方式具有高科技服务的特征，需要专业技术人员来完成，往往以最新的技术、基于网络实现高端服务。从这个意义上看，信息服务业是知识和技术密集型的行业。

    从世界范围看，信息服务业在发达国家国民经济中所占的比重越来越大，已超过了信息产品制造业。美国硅谷、旧金山、马里兰州米德堡、波士顿128号公路等地是全球知名的IT圣地，也是信息服务企业主要的集聚地。印度班加罗尔被称之为印度的“硅谷”，其软件业相当发达，三分之一强的IT行业从业人员集中在这个城市，为印度创造了上百万个工作岗位，已经成为全球IT业外包业务的热点地区。日本东京、大阪、横滨等地成为信息服务企业主要的集聚地。随着信息技术的发展，企业间联系方式多样化，交流成本进一步降低。这样，信息服务企业对城市核心区域的依赖性降低，区位弹性变大，可以在中心城区边缘或者郊区选择办公地点。Stanback（1991）［i］在对纽约、费城、芝加哥、亚特兰大4个都市区生产性服务业区位进行研究时，总结出计算机数据服务业、软件开发业、研发实验室等信息服务业的空间发展规律，发现这些高科技产业不断向郊区扩散，在城市外围形成新的集聚区。由此可见，集中和分散化并存成为发达国家信息服务业的空间分布的主要特征。

    在我国信息服务业的发展过程中，也出现了区域性集聚的现象。台湾的信息服务业发展水平走在世界前列，其中新竹科学园区、台南科学工业园区所在区域呈现明显的集聚效应。2004年9月28日，由信息产业部公布的首批国家电子信息产业基地全部分布在长三角、珠三角和环渤海三大信息产业地区，它们是北京、天津、上海、青岛、苏州、杭州、深圳、福厦沿海地区、广东珠江三角洲地区等9个城市和地区。从各城市信息服务业发展的角度看，北京、上海、天津、大连、西安、深圳发展较快，这些城市的软件服务业出现了明显的局部集聚的态势，例如，北京中关村、浦东软件园、大连软件园等成为信息服务企业集聚的群落。上海、北京、天津3个直辖市是区域信息水平最为强大的核心地区，广东、浙江、福建、辽宁、江苏、山东等6个地区是我国区域信息发展水平发达区。

    面对国内外信息服务业的快速发展，在省（市）内部，信息服务业的空间布局是否有其独特的规律？哪些因素影响着信息服务业的集聚或分散？分析这些问题有助于对信息服务业进行科学的布局规划，对相关决策部门有一定的借鉴价值。目前，理论界对制造业集聚的研究比较深入，对服务业集聚特别是信息服务业这类新兴服务业的空间结构及集聚机理的研究尚不深入，也缺乏系统的研究。研究信息服务企业集聚对产业空间结构的影响及其政策含义，有利于丰富产业集聚理论，丰富服务业区位理论和服务业地理学的研究，有比较重要的理论价值。

    通过对福建省信息服务企业样本空间分布的分析，发现福建省信息服务企业呈现“双核”分布的集聚发展格局，这些企业的区位选择策略如何影响集聚？笔者试图从这个角度入手，研究以下几个主要问题：在建立理论分析框架之后，以福建省为例，以86个区县为空间单元分析信息服务业的空间分布状况；以区（县）和1076个邮编区为空间单元，运用负二项分布模型考察信息服务企业的区位策略如何影响集聚并进行比较分析；进一步地，探讨信息服务业三个子行业区位策略对集聚的影响及其差异，并通过实证分析验证提出的观点。

    二、文献回顾和研究假设

    在信息服务业发展水平较高的国家中，信息服务业出现了在城市核心区域集中的现象，例如美国纽约和英国伦敦的多媒体产业、东京的信息服务业在都市核心区域集聚。20世纪80年代以来，由于信息技术的发展，纽约信息产业快速发展刺激了信息服务业的发展，在纽约核心区除了聚集着专门的软件开发公司，也有银行、保险、咨询、出版和财会等各自的软件系统开发公司，它们为本公司或其他公司提供软件和与此相关的信息服务（张文忠，1999）［i］。Nachum、eeble（2001）［i］研究发现在伦敦，多媒体产业在市中心一小块地区，即有名的索霍区（Soho）出现了惊人的地理集中现象。在东京，信息服务业在都市区内部集聚的现象也比较明显。张洁、高汝熹（2001）［i］对东京的知识服务业进行分析，发现在20世纪90年代初东京信息服务业销售额占全国的1/2强，规模达到400多亿美元，企业数占国内行业比例达30%以上，经济地位十分突出。Searle、alence（2005）［i］曾对澳大利亚悉尼多媒体产业的结构和运转流程作了详细分析，发现大都市的核心区域成为这些多媒体企业集中分布的地方。

    国内对大都市信息服务业空间分布的研究主要集中在广州、北京、南京等地。闫小培（1998）研究广州信息产业的空间分布，认为大都市内部信息技术产业遵循由市中心向外扩散的规律，而且在新区表现出集中布局的区位趋势，但城市中心区特别是CBD仍然是信息技术产业的首选区位。闫小培（1999）发现广州信息密集服务业比较发达的20多个街区绝大部分集中在珠江以北的核心区和内层区，多核集聚发展的特征十分显著。陈秀山、邵辉（2007）［i］发现北京的信息咨询类服务业倾向于向东部的朝阳区CBD方向分布，而计算机服务业向北部和西部的高校密集区分布，较为集中的区域是城市中心区外围的海淀区。甄峰等（2008）分析南京城市生产性服务业的空间变化及其所带来的空间结构的转型，通过实证研究发现信息服务业高度集中在主城区的新街口、珠江路及南京大学、东南大学、南京工业大学一带。

    根据上述文献研究结果，笔者提出以下假设：

    假设1：福建省信息服务企业在城市中心区域集中，越靠近城市中心区，企业数量越多。

    假设2：福建省信息服务企业并未出现郊区化倾向。

    邻近大学或研究机构成为很多高科技企业的区位策略，信息服务企业也有较明显的邻近大学或研究机构的倾向，例如美国的硅谷和128公路、我国台湾的新竹科技园区以及北京的中关村等。国外学者中比较早地研究科技企业选择邻近大学的区位的学者是Quince、Partners（1985）。他们通过分析“剑桥现象”，发现高科技产业集聚在名牌大学附近。已经有来自美国的强有力的证据表明集群发展受活跃的研究型大学影响（Feldman，2000）。Audretsch、Feldman（1999）考察了创新活动的空间分布和生产的地理集中，他们发现创新活动更容易发生在毗邻知识源的地方，这些地方是大学实验室、公司的研发部门，或者是接近熟练工人，这些熟练工人身上拥有知识。国外的学者们还发现邻近大学对初创的科技企业更有利。Audretsch等（2005）［i］研究显示新的知识和技术型公司为了获得知识溢出而有很高的邻近大学的区位倾向。就像Audretsch、Thurik（2001）［i］所指出的，和已创立的企业相比，这些知识溢出的影响对年轻的新公司来说更重要。这是因为新企业可能依靠由其他企业或大学所生产的外部知识（Link、Scott，2003［i］；Hall et al.，2003）。

    国内对信息服务业邻近大学或研究机构的研究主要是针对广州、上海、北京、南京等大城市。闫小培（1999）研究广州信息密集服务业的空间分布，发现作为科技城地域载体的天河区辖区内有21所大专院校、40多个研究所、20多家大中型企业，这些机构或企业都具有一定的科技力量。这些高校和研究所又多数集中在高新技术开发区范围内，构成高水平的研究与开发能力的新型智力资源集中区，是广东省智力最密集的区域，成为技术创新源。陈秀山、邵辉（2007）分析北京生产者服务业的区位选择，发现北京的信息咨询类服务业倾向于向东部的朝阳CBD方向分布，而计算机服务业向北部和西部的高校密集区分布。计算机服务业较为集中的是城市中心区外围的海淀区，这里高校科研机构密集，为计算机服务业的发展提供了良好的基础，因而促进了这类生产者服务业在这里的发展。甄峰等（2008）]通过实证研究发现南京信息服务业高度集中在主城区的新街口、珠江路及南京大学、东南大学、南京工业大学一带。

    根据上述文献研究结果，笔者提出以下假设：

    假设3：邻近大学是福建省信息服务企业的区位策略之一。

    假设4：邻近研究机构成为福建省信息服务企业区位选择的重要因素。

    企业的地理邻近使上下游企业之间的合作变得更容易、更方便。知识和信息在上下游企业间传递和使用，这些企业在某种意义上已经是创新系统中的某一个环节，也是创新系统的重要组成部分。Saxenian（1996）［i］对硅谷和128号公路这两个美国技术领先地区的集群的不同表现做了比较，她认为公司之间的地理邻近性促进了重复的、面对面的交流，这种交流促进了现代快节奏的技术产业所需要的竞争和合作的融合。Gaspar、Glaeser（1998）［i］的研究认为信息技术可能最终导致一种对城市集中的需要衰退了。当远距离通讯改进了，对多样化的交流的需求应该上升，并且城市作为交流中心的作用也应该增加。Isaksen（2004）［i］分析了挪威奥斯陆软件公司集聚的原因，分析软件企业如何进行个人活动，以及它们在活动中如何与竞争者互动。他认为在奥斯陆软件公司的集聚首先依靠咨询公司和重要的客户之间以及软件咨询公司之间那种非常紧密的互动的需求。就像Saxenian和其他人所建议的那样，硅谷的集聚可能发生，是因为产业是如此严重地依赖于相互交流，并有如此丰富的知识被转移到企业和个人。企业间的地理邻近方便了知识转移和扩散，营造了良好的创新氛围从而吸引其他企业向某一集聚地靠拢。Maskell、Malmberg（1999）［i］提出，地理邻近带给集群企业更多面对面的互动机会，使得知识可以在集群企业间更好地进行传播和扩散。

    获得相关企业或机构的知识溢出，获得正的空间外部性也是企业集聚的主要动因之一。信息的核心属性是它的空间属性，那么接近性就成为获取信息的关键。Daniels（1985）［i］强调生产性服务业对知识和信息的高度依赖，那么“听这些服务区位的解释就可以看作是对信息需求的解释，信息是围绕这些服务并且在这些服务活动中被交换的”。Jaffe（1993）通过研究认为，技术密集型产业比其他产业更趋于集中化，当地的信息流动比远距离的信息流动更容易，个人联系，无论是会议、贸易事务、学习或销售会议，都有明显的传导机制。Pinch、Henry（1999）［i］指出，知识密集型集聚活动的持续增长主要源于知识密集型企业较易获取本地化的隐性知识以及外溢知识。Dahl、Pedersen（2004）［i］对丹麦无线通讯集群的研究表明，集群中企业之间员工的非正式联系或交流是集群企业知识传播的重要渠道之一，集群中的工程师之间确实通过非正式联系形成了相当有价值的知识传播。Wallsten（2001）［i］运用地理信息系统与企业数据探讨了集聚与知识外溢后发现，小企业近距离集聚会获得知识外溢或其他投入回报。地理邻近方便了知识转移、传播与扩散，使同一区域内企业获得知识和信息的成本下降了，隐性知识的传递变得更加容易和快捷。同时，这些隐性知识传播所营造的创新氛围深深地根植于当地的文化、社会关系之中，具有不易模仿的特性，集聚地之外的企业很难仿效。

    由此可见，邻近同行业企业或其他相关企业对于企业间的交流与合作是至关重要的，特别是高科技中小企业在信息、技术、人才、资金等方面都比较薄弱，邻近相关企业是其获得知识溢出、选择合作伙伴的重要考虑因素，这种企业创新活动的区域集中度较高。根据上述文献回顾及分析，提出以下假设：

    假设5：邻近同行业代表性企业是福建省信息服务企业集聚的重要区位因子。

    假设6：向企业众多的开发区集中，成为福建省信息服务企业集聚的重要动因。

    三、研究设计

    （一）空间尺度

    空间尺度较大的研究中，城市只能表现为一个点，表达与之相关的属性是相当有限的。在较大空间尺度上，如针对城市或者某个区域，其内部发展并非同质，全局上的衡量往往掩盖了空间内部的差异（Fotheringham，1997，1999）。当比例尺增大到一定程度，也就是空间单元足够小时，所能揭示的内容、属性会越来越丰富。近年来，国内外越来越多的学者开始采用更小的地理单元研究集聚。例如，Rosenthal、Strange（2003）［i］验证集聚经济效应的研究中采用了邮政编码区层次的数据；Arzaghi、Henderson（2006）［i］采用的地理单元更小，用纽约市曼哈顿地区每100m×100m的栅格作为空间单元研究曼哈顿的广告代理业集群的空间分布。路江涌、陶志刚（2006）［i］计算了省、市、县和邮政编码区域四个层次中我国2位、3位和4位行业代码制造业的区域集聚系数，研究发现，空间单元越小，区域集聚程度也越小。陈良文等（2008）［i］用街道进行微观尺度的分析，研究北京市经济集聚密度与劳动生产率差异。杨振山、蔡建明等（2009）［i］在邮政分区的水平上分析1949年以来北京市的经济空间发展模式。

    空间分析严格受研究区域和空间尺度的影响，邮政编码区是目前可操作的、精确的空间尺度之一。邮政编码区的数据从地理属性上讲，是一种按面域统计的数据，适合于用来表示面域内个体的数量或密度。这种情况下，统计的数值是对整个面域而言，而不是指面域中的某一点、某一位置的数值。如果要统计的要素已经具有面域的编码，只需对数据表进行统计即可，在应用GIS过程中无须通过叠置操作（吴升等，2004）［i］。就本文的研究而言，如果地域单元空间范围较大，不能反映城市内部信息服务业的实际空间特征，无法真实地反映都市内部信息服务业集聚的影响因素，不能对它们进行更细致的分析。因此，本文选择区（县）为空间单元分析都市区信息服务业的空间分布状况；以邮政编码区为空间单元，考察信息服务企业集聚的影响因素及区位选择特性。在空间尺度较小的情况下，可以将信息服务企业的属性信息与其他信息相关联，研究信息服务业集聚的微观机制。

    （二）指标设计与数据来源

    邮政编码区数据来源于国家邮政局的《中国地址邮政编码大全》，福建省的邮政编码数为1076个。将福建省1076个邮编区分成三个圈层，城市中心区、近郊区和远郊区。城市中心区一般是指人口相对周边集中，经济和商业相对周边发展的市区地带。本文的城市中心区是指城市行政部门所在地或者商业比较发达集中的地带，或者该地带所在的行政区。将城市中心区周边的区域和县级市行政部门所在地等定义为近郊区，其他区域为远郊区。城市中心区用CITY表示，将其所在的邮编区赋值为1，其他区域为0；远郊区所在的邮编区用SUB表示，赋值为1，其他区域为0。CITY、SUB为虚拟变量，也是区位变量。

    大学样本来自福建省高校招生信息网，选取的样本包括福建省本科院校及高职院校，总计78所，大学所在区域涉及的邮编区有39个。福建省科研机构数据来源于《福建省电信大黄页2010》。本文选取的科研机构包括自然科学研究机构和社会科学研究机构，共有133所，涉及46个邮编区。

    福建省同行业代表性企业数据来源于福建信息产业网站，根据福建省信息化局官网上公布的企业名录，对信息产业发展具有重大影响的企业如冠捷电子、三五互联、榕基软件、派克斯、莱茵科技、新大陆等75家企业作为本文的样本数据，涉及25个邮编区。福建省开发区数据来源于《福建省电信大黄页2010》，剔除掉某些与信息服务业相关性不强的开发区如各个地区的旅游开发区，得到69个样本，所涉及的邮编区有60个。

    信息服务企业样本的数据来源于截至2010年底的福建省工商局统计信息。由于《国民经济行业分类》（GB/T4754-2002）中并没有信息服务业，笔者采用信息传输、计算机服务和软件业分类作为信息服务业的分类依据。该行业两位数的分类代码60、61、62分别指电信和其他信息传输服务业、计算机服务业和软件业，这三大类均是本文的研究对象。在电信和其他信息传输服务业中，忽略电信和广播电视传输服务企业，重点分析三位数行业中的互联网信息服务（602）。参照上述行业分类的划分方法，确定了本文研究的主要细分行业为软件服务业、互联网信息服务业、计算机服务业。通过数据补缺、筛选、校对、分类和整理，去掉数据缺失或信息不完整的样本，整理出的福建省信息服务企业样本共5385个，其中计算机服务企业样本3161个、互联网服务企业样本1331个、软件服务企业样本893个。

    （三）计数模型的选择

    将邮编区的企业个数作为因变量，代表集聚水平的高低。在对企业样本进行统计的过程中，发现有相当多的邮编区没有信息服务企业，取值为零，因此，因变量是离散的。当因变量是离散的整数，即为计数变量并且数值较小，取零的个数多，而解释变量多为定性变量时，应该考虑应用计数模型。在计数模型中应用较广泛的是泊松模型（高铁梅，2009）［i］。如，Wu（1999）［i］采用该模型研究外资企业在广州城市内部区位选择；Figueiredo（2002）［i］用该模型研究美国制造业在县级空间单元的区位选择；张华等（2007）［i］用该模型研究北京外资企业区位选择与通达性的关系。但是，张华等（2007）并未对是否适用泊松模型作进一步的验证。为严谨起见，本文在此对于泊松模型的适用性加以验证。

    假设第i个研究单元内观测到的企业数服从参数的泊松分布。泊松分布的特征取决于参数，而取决于一系列的解释变量，这里的解释变量是一系列影响信息服务企业集聚的特征要素

    如果因变量的分布不能被假定为泊松分布，那么就要在其他分布假定之下执行准-极大似然估计（QML）。即使分布被错误设定，这些准-极大似然估计量也能产生一个条件均值被正确设定的参数的一致估计，即对于这些QML模型，对一致性的要求是条件均值被正确设定（高铁梅，2009）。因此，笔者使用负二项分布的QML估计来估计参数，对于固定的，可以得到参数β的准-极大似然估计。

    四、福建省信息服务业的空间分布状况

    以福建省86个区县为空间单元，考察信息服务业及其子行业的空间分布，取企业数量排序前十名的区县进行统计分析，由表1和表2可知，主要集聚点呈现以福州鼓楼区和厦门思明区为中心的南北“双核”分布格局。信息服务业、软件服务业、互联网信息服务业、计算机服务业排名前十的区县的企业数总和占全省该行业总企业数的比例分别为77.77%、85.33%、77.01%、76.46%。就信息服务业整体而言，主要集聚在厦门和福州，这两个市的企业数占全省企业数的比例达到67.8%，出现了区域性集聚的特征。软件服务业的主要集聚地是福州，在前十名所占比例达到35.9%，在全省所占的比例达到39.1%；其次是厦门，在全省所占的比例达到32.6%。互联网服务业的主要集聚地是厦门，在前十名所占比例达到38.6%，在全省所占的比例高达41.1%；其次是福州，在全省所占的比例达到25.3%；泉州互联网服务企业数所占的比重也较高，在全省所占的比例达到16.4%。计算机服务业的主要集聚地是福州，在前十名所占比例超过40%，在全省所占的比例更是高达45.6%；其次是厦门，在全省所占的比例达到21.5%。这表明，信息服务业及其子行业的空间分布均出现明显的集聚特征。

    五、实证结果及分析

    在实证分析中，以区（县）和邮编区为空间单元分别考察信息服务企业区位选择策略对集聚的影响，并对估计结果进行比较分析。表3列出了以86个区（县）为空间单元的估计结果。

    5%和10%的水平上显著，α衡量了条件方差超出条件均值的程度。

    由表3可以看出，CITY在全行业及三个子行业的系数值较大且极高度显著，表明信息服务业选择城市中心区域作为办公所在地，其中，软件服务业选择城市中心区的区位倾向更显著，假设1得以验证。SUB的系数值都为负值，在全行业的估计结果中是极高度显著的，在计算机服务业中的估计结果中是高度显著的，说明全行业企业和计算机服务企业选择偏离远郊区的区位，而另外两个子行业的估计结果则不显著。假设2得以验证的同时也再次验证了假设1。

    在以区（县）为空间单元的估计结果中，U的系数值均是不显著的，由此可见，全行业及三个子行业的企业并没有选择邻近大学的区域。可能是空间单元较大，无法细致地描述信息服务业的区位倾向性。假设3无法得到验证。除了互联网信息服务业，SCI的估计结果是显著的，其中计算机服务企业的系数值更大，说明这类企业邻近科研机构的区位指向性更明显。假设4得到验证。

    FIRM在互联网信息服务业的估计结果中系数值最大且极高度显著，其次是软件服务业，表明信息产业中代表性企业有一定的示范作用，吸引同行业的企业进驻它们所处的区域。但是，同行业代表性企业对全行业和计算机服务业的影响并不显著。除了软件服务业之外，ZONE的系数值都是高度显著的，表明互联网信息服务业区位选择过程中更愿意邻近企业数量众多的开发区，其次是计算机服务业。

    注：模型采用负二项分布的QML估计，括号里的是z-Statistic，***、**、*分别代表在1%、5%和10%的水平上显著，α衡量了条件方差超出条件均值的程度。

    表4列出了以1076个邮编区为空间单元的估计结果。除了U对软件服务业的影响是不显著的，其余都是极高度显著的。可见，空间单元较小，能够更细致地刻画出各个区位因子对信息服务业集聚的影响程度。从估计结果中可以总结出福建省信息服企业区位策略对行业集聚影响的几个特征。

    一是出现了向城市中心区域集中的明显态势。CITY对软件服务业的影响系数最大，其次是互联网信息服务业，计算机服务业选择城市中心区的几率更小一些。软件服务业所需的办公空间较小，租金成本较低，其办公选址选择更靠近中心市场的区域，容易接近客户，而且城中中心区域有较好的基础设施和环境条件，更能吸引信息服务企业进驻。城市中心区域成为这类企业的主要集聚地，还可能是由于区域形象较好，有助于提升企业的地位；城市中心区通达性较好，方便客户与企业的联系。SUB在全行业及各个子行业的估计结果都为负值，表明离远郊区的越远，企业的数量越多。其中，软件服务业受到的影响更大一些，其次是计算机服务业，它们更倾向于选择偏离郊区的区位，也就是倾向于选择邻近城市中心区，和表3的分析结果一致。假设1和假设2都得到验证。

    二是邻近大学和科研机构所在的区域。在全行业的估计结果中可以看出，信息服务企业有显著的邻近大学的倾向。除了软件服务业之外，U在其他三个估计结果的系数值为正值且极高度显著，其中互联网信息服务业和计算机服务业选择邻近大学和科研机构的意愿更强烈一些，对于这两类知识源有更强的依赖。SCI对计算机服务业和软件服务业的影响更显著，在全行业的估计结果中也是极高度显著的。比较特别的是互联网信息服务企业并没有选择邻近科研机构的区域，甚至是在偏离科研机构的地方集中，其区位策略的选择受到其他因素的影响可能更大一些。

    这类企业为了获得大学或研究机构的知识溢出，寻求技术支持，往往选择在大学或研究机构密集的区域创办企业。它们更看重大学或研究机构带来的技术性支持和专业的指导，希望在研发和专业人才的培养方面得到专业机构的支持，而信息服务企业也有可能成为专业研究机构科技成果转化、创新合作的平台，也可能吸纳研究机构的专业人才。此外，大学或研究机构的专业人才创办企业，也可能选择邻近这些区域。总之，这类企业希望分享大学或研究机构知识溢出所带来的空间外部性，或者是与专业研究机构合作推动创新活动的开展，提高企业的研发水平。假设3和假设4得到部分验证。

    三是有非常显著的邻近同行业代表性企业和相关企业的区位倾向。从FIRM的系数值可以看出，软件服务业和互联网信息服务业邻近同行业知名的代表性企业的意愿更强烈一些。同行业的代表性企业由于其在行业中地位较突出，其率先创新的技术成果可能会传递或者扩散，对新企业有着积极的示范效应和学习效应。因此，新企业在选址时，为了方便与同行业企业的交流与合作，会选择邻近这些企业的区域，以获得正的空间外部性，进而形成知识共享的合作机制。同行业企业在地理上集中，促进了隐性知识的传播，使该区域的创新气氛更加浓厚，进一步吸引其他企业进驻。ZONE对互联网信息服务业的影响更显著一些，其次是计算机服务业，表明这两个子行业对企业数量众多的开发区有较明显的区位指向。企业集中度较高的开发区对信息服务企业这样的高新技术企业仍有吸引力，选择企业数量较多的区域方便了企业间的非正式交流和合作，可以享受集聚效应给企业带来的积极影响。众多企业地理位置的接近，使企业之间联系与合作的频率增加，加大了企业之间的信息交流和知识的转移。而且，和相关企业地理邻近，有利于企业间的竞争、合作与融合，吸引信息服务企业集聚。此外，开发区通过实施土地、税收等优惠政策，提供良好的基础设施和专门的政府服务，对信息服务企业具有很强的吸引作用，可以降低企业生产成本。假设5和假设6都得到验证。

    六、结论、讨论与政策建议

    由以上分析可见，以邮编区为空间单元，能够更细致地描述信息服务企业区位策略对集聚的影响。福建省信息服务业主要集聚在城市中心区域，邻近同行业代表性企业和企业众多的开发区，邻近大学和科研机构，并没有出现明显的郊区化倾向。软件服务企业偏好城市中心区域，受同行业代表性企业的影响比较大。软件服务业并没有选择邻近大学的区域，是否选择城市的中央商务区或者其他区域，有待进一步考察。互联网信息服务业有更强烈的邻近大学的意愿，但却不将科研机构作为其区位选择的主要因素，这类企业是否考虑邻近市场或者是其他因素，有待进一步研究。

    与U、SCI相比较而言，FIRM、ZONE对企业区位选择的影响程度更大一些。从某种程度上说，与大学和科研机构显性知识的传播相比，企业之间隐性知识的传递对于信息服务业这样的高科技行业来说更重要一些。距离缩短使主体间能更容易、更充分地进行面对面的交流信息和转移隐性知识。相反，距离越远知识的正外部性就越弱，隐性知识的转移就变得更加困难。即使是显性知识的使用和传播上，距离也会产生重要影响，因为显性知识的解释和吸收需要隐性知识和空间的邻近（Howells J.，2002）［i］。

    鉴于以上的研究，笔者提出以下的政策建议：一是借鉴台湾经验，积极承接台湾信息服务业的转移，构建海西区信息服务业的跨界生产网络，进而积极嵌入全球信息服务业生产网络。二是以福州、厦门的城市中心区为核心，由北至南在福州、泉州、厦门构建软件服务业产业带。由于软件服务企业对城市中心区域有较强的区位指向性，对区域形象好的区位有更大的需求，因此，可以考虑在城市核心区的外围规划软件服务业集聚带，使之能较好地体现规模经济效应。三是推动以厦门、福州为中心的互联网信息服务商圈的建设，以这两地为中心，通过互联网建立商脉网络。同时，扶持泉州互联网信息服务商圈的建设。四是培育信息服务业代表性企业，使之成为福建省信息服务业发展的“增长极”，在空间上对其他企业产生示范效应，推动“增长极”所在区域优先增长的同时，可以带动相邻地区信息服务业的发展。

聚合中文网 阅读好时光 www.juhezwn.com