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。