近年来，扬州生产性服务业取得了较好的发展，呈现出总量扩大、速度加快、比重上升的良好局面。但是，与全省平均水平和周边地区相比，扬州发展的优势还不明显，与苏中地区南通、泰州相比，还存在一定差距。本文重点测算2005～2011年苏中三市生产性服务业对制造业空间布局升级的贡献。

一 变量的选择与计算

（一） 因变量的选择与计算

1.因变量的选择

产业集聚是生产力在空间布局上的优化，是各种生产要素在一定地域范围的大量集聚和有效集中。产业集群是产业集聚的重要方式，它是由具有共性或互补性而相互联系的企业依托相关的功能服务平台在空间上的集聚，并形成强劲、持续竞争优势的经济群落。产业集群作为当代产业生存与发展最有效的组织形态，在集聚生产要素、优化资源配置、加快制度创新、营造产业生态环境等方面发挥着越来越重要的作用。国内外实践表明，加快产业集聚，发展产业集群是区域经济发展战略的重要组成部分，是市场经济条件下工业化发展到一定阶段的必然选择。

产业集群是产业布局实现的载体与目标，已成为当今经济全球化背景下提高区域竞争力和区域发展活力的有效途径。因此，产业的聚集程度也体现了产业空间布局的状况。衡量产业聚集程度的指标主要有行业集中度、赫希曼—赫佛因德指数（HI指数）、哈莱—克依指数（HK指数）、区位熵、空间基尼系数和空间集聚指数。

比较上述指标可以发现，在比较不同区域产业聚集程度时，区位熵和空间聚集指数在准确性和可比性方面具有优势。考虑到数据的可得性，在此选择区位熵作为衡量制造业聚集程度的指标，反映制造业布局升级的具体状况。

2.因变量的计算

区位熵，又称专门化率，它由哈盖特（P.Haggett）首先提出并运用于区位分析中，用以衡量某一区域要素的空间分布情况，反映某一产业部门的专业化程度，以及某一区域在高层次区域的地位和作用。

计算公式为：

其中，E_ij表示某市制造业部门的区位熵

表示某市GDP占全省的比重

表示某市人口数占全省的比重

根据公式（1）计算得到苏中三市样本区域的制造业区位熵分别如表1所示。

表1 苏中三市样本区域的制造业区位熵

（二）自变量的选择

选择生产性服务业中的交融运输仓储和邮政业（JCY）、金融业（JR）和批发和零售业（PL）的增加值作为自变量，分别取2005～2011年的数据。

二 模型的建立与分析

（一）建立模型

利用表中的区位熵和苏中三市分行业数据，运用EVIEWS计量软件，具体计算苏中三市生产性服务业对制造业聚集程度的贡献。为防止变量之间产生自相关性，运用Ln对数形式进行回归，具体多元回归模型如下：

LnE_i=c_i+αLnJCY_i+βLnJR_i+χLnPL_i（2）

其中，i=2005，2006，2007，…，2011；E表示区位熵；JCY表示交通运输仓储和邮政业；JR表示金融业；PL表示批发和零售业。

1.扬州的模型

利用表1和扬州生产性服务业行业的数据，对模型（2）中的自变量LnE、LnJCY、LnJR、LnPL之间的相关性进行检验，其相关系数如表2所示。

表2 扬州模型相关系数矩阵

从表2能够看出，自变量之间存在高度线性相关，特别是LnJCY和LnPL之间，以及LnJR和LnPL之间高度相关，这说明模型中解释变量之间存在多重共线性。下面，将采用逐步回归法来降低共线性的严重程度。

通过（3）式表明，交通运输仓储和邮政业、批发和零售业对制造业区位熵的影响显著，但金融业对制造业的区位熵影响不再显著。

2.南通的模型

利用表1和南通生产性服务业行业的数据，对模型（2）中的自变量LnE、LnJCY、LnJR、LnPL之间的相关性进行检验，其相关系数如表3所示。

表3 南通模型相关系数矩阵

从表3能够看出，自变量之间存在高度线性相关，特别是LnJCY和LnJR之间高度相关，这说明模型中解释变量之间存在多重共线性。下面，将采用逐步回归法来降低共线性的严重程度。

通过（4）式表明，交通运输仓储和邮政业、金融业对制造业区位熵的影响显著，但批发和零售业对制造业的区位熵影响不再显著。

3.泰州的模型

利用表1和泰州生产性服务业行业的数据，对模型（2）中的自变量LnE、LnJCY、LnJR、LnPL之间的相关性进行检验，其相关系数如表4所示