中國生產性服務業對制造業升級的促進作用研究

杜宇瑋

摘 要 通過大力發展生產性服務業促進制造業升級是經濟發展方式轉變的重要議題。文章首先從經濟效益、創新能力和結構高度3個維度闡述了生產性服務業促進制造業升級的作用機制；然后運用DEA方法，結合全國時序數據和省際截面數據，從效率視角評價了中國生產性服務業對制造業升級的促進作用。結果發現，1999年以來生產性服務業對制造業升級的綜合促進作用明顯改善，主要得益于生產性服務業發展規模的持續擴大；生產性服務業對制造業效益提升的促進作用顯著增強，對創新能力提升的促進作用卻未有改觀，對制造業結構高度提升的促進作用還有較大的改進空間。此外，生產性服務業對制造業升級的促進作用效率還表現出顯著的省際差異和區域差異。結論意味著，應注重優化生產性服務業結構、推動產業價值鏈融合以及實施差異化的區域產業政策來促進制造業升級。

關鍵詞 生產性服務業；制造業升級；數據包絡分析（DEA）；效率；創新

[中圖分類號]F269.2 [文獻標識碼] A [文章編號]1673-0461（2017）05-0065-08

一、引 言

生產性服務業作為制造業的重要中間投入要素，是支撐現代制造業起飛的“翅膀”和增長的“推進器”。生產性服務業與制造業關系的“供給主導論”認為，服務業特別是生產性服務業是制造業生產率得以提高的前提和基礎，沒有發達的生產性服務業，就不可能形成較強競爭力的制造業（Karaomerlioglu和Carlsson，1999[1]；Eswaran和Kotwal，2002[2]）。世界發達經濟體的實踐經驗也已表明，生產性服務業產業鏈的形成，不僅能夠為企業提供從產品生產到商品銷售與服務的全方位支撐，而且有利于企業在明確自身核心能力的基礎上確定適于其發展的產業鏈環節，從而促進制造業結構優化升級。“十一五”以來，特別是全球金融危機之后，中國制造業正面臨發達國家“高端回流”和發展中國家“中低端分流”雙重擠壓的嚴峻形勢，生產性服務業的發展越來越受到國內官產學研各界的重視。在“十一五”、“十二五”、“十三五”規劃綱要中，都明確提出了要大力發展生產性服務業；2014年國務院還專門出臺了《關于加快發展生產性服務業促進產業結構調整升級的指導意見》，提出以產業轉型升級需求為導向，進一步加快生產性服務業發展，促進產業逐步由生產制造型向生產服務型轉變。在經濟新常態下，通過發展生產性服務業來促進制造業升級，已成為中國經濟發展方式轉變的內在要求和重要議題。

那么，中國生產性服務業是否如理論邏輯及發達國家經驗一樣促進了制造業發展？諸多文獻運用不同方法、不同樣本數據進行了實證研究。其主要可以分為3類：一是基于宏觀統計數據的計量回歸分析。顧乃華等（2006）[3]、江靜等（2007）[4]、劉純彬和楊仁發（2013）[5]、孫曉華等（2014）[6]、張振剛等（2014）[7]、申明浩和盧小芳（2016）[8]等較多學者分別運用中國地區、行業或城市面板數據構建計量回歸模型，驗證了生產性服務業對制造業競爭力、生產率、效率以及產業高度具有直接的提升作用。另有學者的實證研究則支持了生產性服務業通過某個中介變量，如交易成本（馮泰文，2009）[9]、企業技術創新和經濟發展（孔婷等，2010）[10]以及成本費用和生產規模（黃莉芳等，2012）[11]間接促進了制造業效率的提高。二是基于投入產出表數據的產業關聯分析。劉書瀚等（2010）[12]、喬均等（2012）[13]則分別利用中國和江蘇的投入產出表計算了消耗系數、感應度系數和影響力系數等表征產業間聯系的指標，發現生產性服務業對制造業的支撐作用較弱。三是基于投入產出表數據的計量經濟分析。高傳勝（2008）[14]、何駿（2016）[15]分別利用中國投入產出表的面板數據，探究了不同細分行業的生產性服務業對制造業升級的影響。

綜上以往研究，具有以下幾個特點：其一，從研究目的來看，側重于檢驗中國生產性服務業對制造業促進作用的存在性或顯著性，而未考察這種促進作用的效率如何。從效率角度來看，生產性服務業不是規模越大越好，而是應當與制造業發展相匹配；要充分發揮生產性服務業的高級要素投入作用，關鍵在于提高投入產出效率，使得生產性服務業與制造業能協調發展。其二，從研究方法來看，計量回歸分析法側重于從樣本總體層面來估算生產性服務業對制造業的促進作用，而缺乏對某個時間、某個省區市等單個樣本進行橫向比較和區分，從而無法體現促進作用的動態演變和地區差異。產業關聯分析法雖然注重刻畫特定區域產業之間的相互依存關系，但是仍無法評價生產性服務業發展規模與水平是否與本地制造業升級需求相匹配，也未能體現生產性服務業對制造業升級影響的相對效率及其時空差異。其三，從研究內容來看，現有文獻尚缺乏對生產性服務業促進制造業升級的作用機制及其效果進行區分。

為了彌補現有研究的不足，首先，從理論上闡述生產性服務業對制造業升級的促進作用機制；然后，運用全國層面的時間序列數據和省級層面的截面數據，對中國生產性服務業對制造業升級的促進作用進行效率評價，以考察不同年份、不同省區市在已有的資源和條件下，生產性服務業的要素投入功能是如何發揮的。

二、理論機制

根據Gereffi（1999）[16]、Poon（2004）[17]對產業升級的概念界定，所謂產業升級是指產業由低技術、低附加價值狀態向高技術、高附加價值狀態演變的過程，既包括產業結構的優化，也包括產業價值鏈的攀升。產業升級的結果主要表現為3個方面：一是在產業效益上，表現為勞動生產率、企業利潤和附加值的提升；二是在產業功能上，表現為創新能力的提升；三是在產業結構上，表現為產業的要素密集度知識化、技術化和產業高度的提升。基于此，生產性服務業對制造業升級的促進作用，具體可以分解為以下3種傳導機制。

（一）生產性服務業可以促進制造業經濟效益的提升

首先，生產性服務的專業化不僅使得制造業企業能夠將有限的資源高效地集中到生產制造環節，降低了生產和經營成本，有利于制造業企業生產運營效率的提高和核心競爭力的培育。其次，按照斯密的分工思想，生產性服務的專業化水平提升能擴大制造業對外部專業服務的需求，制造業的需求引致對生產性服務的規模化發展，降低了單位服務的使用成本，進而使得作為主要需求者的制造業可以獲取規模經濟效益。再次，隨著全球制造業競爭加劇和生產制造的日益復雜化、精細化和靈活化，基于產品創新和產品質量的非價格競爭愈顯重要。生產性服務的專業化可以催生新技術和新組織模式，為制造業的多樣化需求提供高質量的服務，如供應鏈管理、結算方式創新以及各類商務服務等，減少制造業企業的交易成本，從而幫助制造業企業提升生產和組織效率以及企業競爭力。

（二）生產性服務業可以促進制造業創新能力的提升

生產性服務業特別是知識密集型服務業（KIBS），其本身包含著豐富的人力資本和知識資本，既是創新的源泉，也是創新的“橋梁”，是企業創新的“催化劑”。在整個創新系統中，生產性服務業主要起到知識的生產和傳播作用，其提高了制造業創新能力并得到自身創新的激勵（Muller和Zenker， 2001）[18]。具有高知識度和高技術度的生產性服務業企業通過與制造業企業客戶的交流互動，不斷進行知識創新，創造出適合制造業升級所需的技術和知識應用模式，提供解決各種新問題的知識服務，為制造業企業創新提供平臺和支撐。而且，生產性服務業對制造業企業創新的影響不僅表現在技術方面，而且在兩者良性互動的過程中也會對制造業企業的管理組織創新和市場創新產生重要影響。發達的生產性服務業，通過提供專業性知識、最新的信息、先進和周到的技術性支持等多方面內容，提高制造業企業在技術開發、產品設計以及管理等多方面的創新能力（高傳勝和劉志彪，2005）[19]。因此，知識、技術密集型生產性服務業的發展，可以提升制造業企業的技術創新、管理創新和市場創新能力，從而使發展中國家實現從OEM到ODM再到OBM的升級。

（三）生產性服務業可以促進制造業結構高度的提升

在信息技術支持下，原來從制造業中分離出來的生產性服務業，在產業關聯和市場需求因素的作用下，通過功能互補和產業鏈延伸重新嵌入到制造業的相應環節中，與制造業價值鏈動態匹配和融合進行價值鏈重構，形成了新型產業。具體來講，生產性服務業在與制造業價值鏈融合的過程中，向制造業注入知識、技術等高級要素，一方面通過信息技術和模塊化組織方式，提升了制造業的生產效率和管理效率，帶來了“1+1>2”的價值鏈整合效應，重構為具有更高附加值的新產業價值鏈（白清，2015）[20]。另一方面通過產業鏈的傳導機制，引發生產要素在不同產業部門之間的相對收益變化，進而導致生產要素在產業部門間轉移，有利于那些具有較高附加值的技術、知識密集型制造業發展，從而實現產業高度提升。

三、研究設計

（一）評價模型選擇

本文運用數據包絡分析（Data Envelopment Analysis，DEA）方法來評價分析生產性服務業對制造業升級的促進作用。主要基于兩個原因：一是，生產性服務業與制造業作為國民經濟中兩大相互關聯性較強的行業部門，可以看作是一個投入產出系統，但是其相互關聯作用機制比較復雜，且受多種因素的影響，導致其具體的函數關系很難確定。而DEA的優點主要在于，無須知道生產函數表達式及參數的分布形式，只需要通過對投入產出數據的分析，就可以求出每個決策單元（DMU）綜合效率的數量指標。二是，評價生產性服務業對制造業發展的影響，不僅要考察其相互關聯程度，更重要的是認清生產性服務業發展規模和水平是否符合本地制造業升級的實際需求，生產性服務業發展是否有效發揮以及怎樣發揮了其對制造業升級的促進作用，即作用效率如何。DEA模型的基本原理如下：

假設有n個部門或單位（決策單元，DMU），每個DMU都有m種投入要素和s種產出，其中第j個決策單元DMUj的投入和產出向量分別為xj=（x1j，x2j，…，xmj）T>0和yj=（y1j，y2j，…，ysj）T>0，j=1，

2，…，n；m≥s。那么DMUj的效率評價指數為：

hj=■，i=1，2，…，m；r=1，2，…，s（1）

其中，u■≥0、v■≥0分別為為第r種產出和第i種投入的權系數。那么，以第j0個DMU的效率指數為優化目標，以所有DMU的效率指數不大于1為約束條件，可構建規模報酬不變的CCR-DEA模型：

max■=h■s.t.■≤1 （2）

然后利用Charnes-Cooper變換對式（2）進行轉化，取對偶形式，并進一步引入松弛變量s+、剩余變量s-以及非阿基米德無窮小量ε，將不等式約束化為等式約束，可得：

min？茲-？著■Ts-+■Ts+s.t.■？姿jxj+s-=？茲x0■？姿jyj-s+=y0？姿j≥0，s+≥0，s-≥0 （3）

其中，■=（1，1，…，1）T∈Rm，e=（1，1，…，1）T∈Rs。若式（3）的最優解？茲*（相對效率值）滿足？茲*=1，則DMUj■為DEA有效；若？茲*<1，則DMUj■為DEA無效。若在上述模型中再引入凸性約束條件■？姿j=1，即得到規模報酬可變假設下的BCC-DEA模型。在BCC-DEA模型中，最優效率解？茲**為純技術效率，再除CCR模型得到的綜合效率？茲*則可得到規模效率k，即k=？茲*/？茲**。純技術效率是反映技術、管理等因素影響下的效率，可以看作是一種產業關聯機制效率；規模效率則表示與規模有效點相比規模經濟發揮的程度，反映要素投入規模影響下的效率。

（二）指標體系構建

根據上述生產性服務業促進制造業升級的作用機制，在借鑒以往研究的指標設計基礎上，考慮到模型的適用性、指標的可操作性和數據的可獲得性，構建生產性服務業對制造業升級促進作用的指標體系（見表1）。

1.投入指標——生產性服務業發展指標

關于生產性服務業內涵界定，學界至今還存在較大的爭議，涉及交通運輸業、現代物流業、信息服務業、金融服務業、房地產業、商務服務業、科技服務業等。但是考慮到在較長一段時期內，中國典型的生產性服務業在統計年鑒上表現為交通運輸、倉儲和郵政業，批發和零售業以及金融業。這3個行業也是對制造業中間投入最多的3個行業，分別占2002年和2007年生產性服務業總投入的79.1%和72.75%（趙偉和鄭雯雯，2011）[21]。因此，考慮到統計口徑一致性以及與制造業的關聯程度，選取這3個行業的增加值來反映生產性服務業發展的規模與水平。

2.產出指標——制造業升級指標

（1）制造業經濟效益指標。主要選取制造業年利稅總額來反映制造業經濟效益。利稅總額，即利潤和稅金的加總，反映了產業（企業）在一定時期內實現的全部利潤額和對社會承擔義務的量化，是反映中國工業企業一定時期內全部純收入的重要指標，能體現出工業制造業經濟效益提升的效果。

（2）制造業創新能力指標。R&D強度反映了企業自主研究與開發新產品或新工藝的投入力度，是衡量創新能力的重要指標，通常可以用企業R&D內部經費支出占主營業務收入的比重來表示。

（3）制造業結構高度指標。高技術產業是知識經濟發展的核心力量，這里選取高技術產業主營業務收入來反映制造業內部結構的高度化水平。高技術產業主營業務收入越高，說明制造業結構越優化。

（三）數據選取與處理

按照Golany和Roll（1989）[22]提出的經驗法則，運用DEA模型測算效率時要求DMU的樣本數至少是投入產出指標數之和的兩倍。本文首先選取1999～2014年全國層面的相關指標數據，來測度和評價中國生產性服務業促進制造業升級作用效率的時序演變趨勢，樣本符合DEA模型的使用條件。制造業利稅總額，在統計年鑒上具體是指企業主營業務稅金及附加、利潤總額與本年應交增值稅之和。由于統計年鑒中缺少制造業層面的R&D連續數據，故用工業R&D強度來體現制造業創新能力水平。鑒于數據可得性，在全國縱向比較上選取大中型工業企業數據，在省際橫向比較上則選取規模以上工業企業數據。制造業數據按國民經濟行業分類（2011年版）劃分的共31個細分行業制造業的相關指標數據加總而得；1999～2006年份口徑為全部國有及規模以上非國有工業企業，2007年及以后年份口徑為規模以上工業企業。為了剔除價格變動因素，時序變化中的各個絕對指標都以1995年為基期進行消脹處理。其中，生產性服務業增加值指標分別用3個行業的增加值指數進行折算，制造業利稅總額和高技術產業主營業務收入指標則用工業生產者價格指數（PPI）進行折算。然后，選取2012～2014年中國大陸30個省、市和自治區（西藏除外）的相關指標數據，對各省區市生產性服務業對制造業升級的促進作用效率進行評價，樣本同樣符合DEA模型的使用條件。數據主要來自于歷年的《中國統計年鑒》、《中國工業（經濟）統計年鑒》、《中國科技年鑒》和《中國高技術產業統計年鑒》。

四、實證評價

運用DEA模型進行評價時，要求投入指標與產出指標之間呈正相關關系，否則若投入量的增加導致產出的下降，那么評價結果就失去意義。因此，首先對系統各指標的相關性進行分析。結果表明，各個指標之間存在顯著的正相關關系，且相關系數較大（見表2）。

然后，根據上述評價模型和指標體系，利用DEAP 2.1軟件運行投入導向型DEA模型，對中國生產性服務業促進制造業升級的作用效率進行縱向和橫向的測度和評價。過程可以分為兩個基本步驟：第一步，將生產性服務業發展的3個指標作為投入，將反映制造業升級的3個指標作為產出，即運行“3投入-3產出”DEA模型，可以測算出生產性服務業促進制造業升級的總體作用效率（E0）；第二步，分別將制造業利稅總額、工業R&D強度、高技術產業主營業務收入單獨作為產出，即運行“3投入-1產出”DEA模型，則可以測算出生產性服務業促進制造業升級的具體作用效率，包括經濟效益提升作用效率（E1）、創新能力提升作用效率（E2）和結構高度提升作用效率（E3）。

（一）基于全國時序數據的縱向評價

運用1999～2014年全國層面數據的DEA結果如表3和圖1所示。從總體促進作用來看，1999年以來，達到相對有效的只有2002、2006、2009、2010、2013、2014年這6個年份，有效率僅為37.5%，但綜合效率從1999年的0.825上升到2013年和2014年的1，雖然期間有所波動，但總的來說，中國生產性服務業對制造業升級的促進作用明顯改善。通過BCC-DEA模型對作用效率的分解發現，長期以來中國生產性服務業對制造業升級的促進作用效率不夠理想的原因主要是規模效率不高所致；近幾年生產性服務業規模持續擴大，顯著增強了其對制造業升級的促進作用。從規模經濟效應來看，規模無效率的年份都顯示出規模報酬遞增。這表明，如果生產性服務業發展規模繼續擴大，可以更有效地促進制造業升級，同時也應該更加注重生產性服務業規模的調整，以適應制造業升級的需求。

從具體促進作用來看，生產性服務業對制造業經濟效益提升的促進作用效率從1999年的0.139，提高到2014年的相對有效，提升幅度達7.2倍，是3種作用機制中進步效果最為顯著的，也是近幾年效率最高的。生產性服務業對高技術產業發展的促進作用效率也逐年迅速提高，從1999年的0.164提高到2014年的1。說明21世紀以來，隨著中國對外開放步伐加快，融入全球產品內分工程度不斷加深，生產性服務業規模化和專業化水平的提高極大地促進了制造業結構優化和附加值提升，正日益成為制造業增長的牽引力和推進器。從這兩種作用機制之間的比較來看，在1999～2008年間，結構高度提升作用效率略高于經濟效益提升作用，而2009年以后，經濟效益提升效率就超過了結構高度提升作用，直到2014年，兩種促進作用都達到了相對有效。這表明，隨著對外開放程度的不斷加深，生產性服務業發展更多的是通過產業鏈傳導機制，促進了制造業從勞動密集型向資本、技術密集型的高級化演進。而在全球金融危機之后，隨著價值鏈分工的日益細化，生產性服務業的專業化發展導致其更傾向于以高級生產要素的形式融入到制造業中，顯著降低了制造業成本，優化了制造業企業的生產效率，從而極大地促進了制造業效益和附加值提升。

相比以上兩種促進作用而言，生產性服務業對制造業創新能力提升的促進作用效率值從1999年以來雖然一直處于0.8以上，平均值也達到0.882，顯示出生產性服務業較好地促進了制造業創新水平提升；但是只有2002年達到相對有效，十幾年來有所波動但未有顯著提高，而且在2009年之后效率有所下降。2014年的效率值也僅達到0.866，仍有13.4%的提升空間。究其原因，可能是科技創新活動比較容易受到宏觀經濟環境及政府科技政策的影響。當國家宏觀經濟形勢較好，政府重視科技創新活動從而提供政策支持加大投入力度時，科技創新就會表現出良好和穩定的發展態勢，反之就會出現波動與衰退的跡象（李婧等，2008）[23]。

（二）基于省際截面數據的橫向評價

考慮到中國區域經濟發展的不平衡，為了反映生產性服務業對制造業升級促進作用的空間差異，利用30個省級截面數據（取2012～2014年平均值）進行DEA效率分析。表4顯示，全國30個省區市中，生產性服務業對制造業升級的總體促進作用達到DEA有效的省份有吉林、江蘇等10個省區市，相對有效率為1/3；生產性服務業對制造業經濟效益提升的促進作用達到DEA有效的是吉林、江蘇、山東、河南和云南5個省份，有效率為16.7%；創新能力提升作用達到DEA有效的是青海和寧夏，結構高度提升作用DEA有效的則只有江蘇和廣東，有效率均僅有3.3%。這也表明中國各省區市在生產性服務業的產業升級作用上還有較大的改進空間，且經濟效益提升作用要顯著優于創新能力提升作用和結構高度提升作用。

值得注意的是，江蘇、廣東、山東等東部發達省份雖然在R&D經費支出和R&D強度上均居全國前列，而且在生產性服務業發展總規模上也名列前茅，但是其生產性服務業的創新能力提升效率卻是全國最低的，而西部地區的青海、寧夏兩地的效率則高居前二。這可能與其生產性服務業結構有關，即蘇、粵、魯這些制造業發達的東部省份，其生產性服務業的高級化程度與其經濟發展水平并不相稱。有數據佐證，2012～2014年間，在選取的3個生產性服務業中，廣東、江蘇和山東在總體規模上分列全國前三，但其金融業所占比重則分別僅列全國第15、第11和第27位。然而，生產性服務業發展規模排名最后的青海和寧夏，其金融業占比卻高居全國第6和第5位。

表5顯示，從東、中、西部三大地區的比較來看，在生產性服務業對制造業升級總體促進作用方面，東部地區效率最高（0.830），中部地區效率次之（0.817），西部地區最低（0.768），而且三大區域內部差異較小，這也符合中國產業空間分異的實際情況。可能如顧乃華等所解釋的，由于東部地區市場化程度較高，制造業外購、分包生產性服務會相對普遍，生產性服務業更能促進制造業競爭力的提高（顧乃華等，2006）[3]。在經濟效益提升作用方面，中部地區效率最高，東部其次，西部最低。可能的解釋是，東部地區得益于多年的對外開放，雖然服務業和制造業都相對發達，但是全球價值鏈低端地位在一定程度上割裂了生產性服務業與制造業的關聯作用，從而阻滯了產業效益和附加值的提升。反而擁有一定產業基礎、主要依托國內市場的中部地區，在經濟效益提升方面的表現更優。在創新能力提升作用方面，西部地區則明顯優于東部和中部地區，但西部地區內部分異較大，東部地區內部分異更大，變異系數達到1.058，這種現象似乎與各地區的經濟實力以及R&D經費投入強度并不相符。一種合理的解釋是，創新效率是一個相對概念，東部地區的生產性服務業和制造業都較為發達，說明投入產出都大，那么效率就不一定高。在結構高度提升方面，效率從高到底依次為東部、中部、西部，這與東部地區以高技術產業為代表的先進制造業比較發達有關。西部地區的變異系數達到1.108，說明西部地區在制造業結構優化升級方面的效率存在較為嚴重的內部不平衡問題。

五、結論與啟示

不同于以往大多數研究主要從回歸系數或關聯系數角度的考察，本文運用DEA方法，結合1999～2014年全國層面數據和2012～2014年各省區市相關數據，從效率視角對中國生產性服務業對制造業升級的促進作用進行了時空層面的綜合評價研究。結論包括：

第一，從縱向時序演進來看，自1999年以來，中國生產性服務業對制造業升級的促進作用效率呈現出明顯改善趨勢，這主要得益于生產性服務業發展規模的持續擴大。生產性服務業對制造業經濟效益提升的促進作用進步最為顯著，從2009年以后超過了對結構高度提升的促進作用，并且到2014年達到極點；而生產性服務業對制造業創新能力提升的作用卻未有改觀，有較大的提升空間。

第二，從橫向省際差異來看，近幾年來，中國各省區市生產性服務業的制造業升級作用總體較好，主要表現為經濟效益提升作用效率較高，但在創新能力提升和結構高度提升上的作用則表現不太理想，有很大的改進空間。生產性服務業對制造業升級的促進作用還表現出顯著的省際差異。其中，吉林、江蘇等10個省區市在生產性服務業促進制造業升級的總體作用上表現為相對有效，吉林、江蘇、山東、河南和云南的經濟效益提升作用相對有效，青海和寧夏兩個西部省區的創新能力提升作用相對有效，江蘇和廣東兩個東部省份則在結構高度提升作用上表現為相對有效，但在創新能力提升作用上表現最差。

第三，從三大地區差異來看，生產性服務業對制造業升級的促進作用效率呈現出東、中、西依次遞減的空間特征，三大區域內部間差異不顯。經濟效益提升作用效果則是中部最優，然后是東部和西部。創新能力提升作用則是西部明顯優于東部和中部地區，東部地區內分異最大。結構高度提升作用效率高低排序為“東部>中部>西部”，西部地區內部不平衡問題最為嚴重。

綜上分析，可以得出如下啟示：①持續擴大生產性服務業規模仍然是中國產業發展的重要任務，但同時要注重優化行業結構，積極提高知識、技術密集型生產性服務業的比重，充分發揮生產性服務業對制造業創新的促進作用。②積極開拓內需市場規模，構建國內價值鏈，通過空間上的協同定位和協同集聚，推動生產性服務業與制造業之間的產業關聯和價值鏈融合，從而促進制造業結構高度的提升。③各省份、各地區要因地制宜確定差異化的產業發展目標，有的放矢采取相應政策。東部地區要注重優化生產性服務業結構，鼓勵人力資本投入和知識創新，以提高生產性服務業對制造業創新的促進作用；中部地區則在提升生產性服務業結構的同時，還要積極促進產業鏈和價值鏈融合，發展先進制造業。西部地區則要注重夯實生產性服務業和制造業發展的產業基礎，吸引高素質人力資本轉入，通過產業鏈延伸、產業轉移與本土創新實現制造業結構升級。

[參考文獻]

[1] Karaomerlioglu， D.， B. Carlsson. Manufacturing in decline？ A matter of definition [J]. Economics of Innovation and New Technology， 1999， 8（3）： 175-196.

[2] Eswaran， M.， A. Kotwal. The role of the service sector in the process of industrialization [J]. Journal of Development Economics， 2002， 68（2）： 401-420.

[3] 顧乃華，畢斗斗，任旺兵.中國轉型期生產性服務業發展與制造業競爭力關系研究[J].中國工業經濟，2006（9）： 14-21.

[4] 江靜，劉志彪，于明超.生產者服務業發展與制造業效率提升：基于地區和行業面板數據的經驗分析[J].世界經濟，2007（8）： 52-62.

[5] 劉純彬，楊仁發. 中國生產性服務業發展對制造業效率影響實證分析[J]. 中央財經大學學報，2013（8）： 69-74.

[6] 孫曉華，翟鈺，秦川.生產性服務業帶動了制造業發展嗎？——基于動態兩部門模型的再檢驗[J].產業經濟研究，2014（1）： 23-31.

[7] 張振剛，陳志明，胡琪玲.生產性服務業對制造業效率提升的影響研究[J].科研管理，2014（1）： 131-138.

[8] 申明浩，盧小芳.生產性服務業對制造業產業高度的影響研究——基于省級動態面板數據的GMM估計[J].國際經貿探索，2016（8）： 26-40.

[9] 馮泰文.生產性服務業的發展對制造業效率的影響——以交易成本和制造成本為中介變量[J].數量經濟技術經濟研究，2009（3）： 56-65.

[10] 孔婷，孫林巖，馮泰文.生產性服務業對制造業效率調節效應的實證研究[J].科學學研究，2010（3）： 357-364.

[11] 黃莉芳，黃良文，郭瑋.生產性服務業提升制造業效率的傳導機制檢驗——基于成本和規模中介效應的實證分析[J].財貿研究，2012（3） ：22-29.

[12] 劉書瀚，張瑞，劉立霞.中國生產性服務業和制造業的產業關聯分析[J].南開經濟研究，2010（6）： 65-74.

[13] 喬均，金漢信，陶經輝.生產性服務業與制造業互動發展研究——1997-2007年江蘇省投入產出表的實證分析[J].南京社會科學，2012（3）： 20-28.

[14] 高傳勝.中國生產者服務對制造業升級的支撐作用——基于中國投入產出數據的實證研究[J].山西財經大學學報，2008（1）：44-50.

[15] 何駿.生產性服務業對中國制造業產出效應的影響研究[J].當代經濟管理，2016（8）：49-54.

[16] Gereffi G. International trade and industrial upgrading in the apparel commodity chains [J]. Journal of International Economics， 1999， 48（1）： 37-70.

[17] Poon， S. C. Beyond the global production networks： a case of further upgrading of Taiwan's information technology industry [J]. International Journal of Technology & Globalisation， 2004， 1（1）：130-144.

[18] Muller E.， A. Zenker. Business services as actors of knowledge transformation： the role of KIBS in regional and national innovation systems [J]. Research Policy， 2001， 30（9）： 1501-1516.

[19] 高傳勝，劉志彪.生產者服務業與長三角制造業集聚和發展——理論實證和潛力分析[J].上海經濟研究，2005（8） ： 35-42.

[20] 白清.生產性服務業促進制造業升級的機制分析——基于全球價值鏈視角[J].財經問題研究，2015（4）： 17-23.

[21] 趙偉，鄭雯雯.生產性服務業、貿易成本與制造業集聚：機理與實證[J].經濟學家，2011（2）： 67-75.

[22] Golany， B.， Y. Roll. An application procedure for DEA[J]. International Journal of Management Science， 1989， 17（3）： 237-250.

[23] 李婧，白俊紅，譚清美.中國區域創新效率的實證分析——基于省際面板數據及DEA方法[J].系統工程，2008（12）： 1-7.