中國生產性服務業促進制造業升級影響因素研究

杜宇瑋

內容提要：生產性服務業對制造業升級的促進作用取決于其作為高級要素投入功能的發揮。基于超效率DEA模型和Tobit模型，本文從產業關聯效率視角實證分析了2005-2014年中國生產性服務業對制造業升級的促進作用及其影響因素。結果顯示：中國生產性服務業對制造業升級的促進作用效率尚不夠高，且發達地區作用效率高于欠發達地區；作用效率受到信息化水平和協同集聚水平的顯著正向影響，但不同發展水平地區的表現存在差異，而且作用效率還受到生產性服務業規模的顯著負向影響。因此，要有效發揮中國生產性服務業對制造業升級的促進作用，應當注重降低生產性服務交易成本，提高產業協同集聚水平，從“規模化”向“效率化”思維轉變。

關鍵詞：生產性服務業；制造業升級；效率；超效率DEA；Tobit模型

中圖分類號：F0629文獻標識碼：A文章編號：1001-148X（2017）06-0145-09

一、引言

隨著信息通訊技術的快速發展和產業分工的不斷細化，生產性服務業作為獨立的產業部門，憑其強大的支撐功能成為制造業增長的牽引力和推進器，是制造業“起飛的翅膀”和“聰明的腦袋”（劉志彪，2008）。長期以來，國外諸多學者的研究已從不同角度闡釋了生產性服務業對制造業的重要意義和作用機制，認為生產性服務業可以通過專業化分工降低生產經營和交易成本[1-2]、提供創新信息和知識[3-4]、帶來價值增值[5-6]等途徑促進和支撐制造業升級。世界發達經濟體的實踐也已表明，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發現和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，中國各界也越來越重視生產性服務業的發展。通過大力發展生產性服務業來促進制造業升級，已成為經濟新常態下“中國制造”突破發展困境、增強國際競爭力的重要選項。

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顯著促進了制造業升級？現有實證研究大致可以分為三類：一類文獻主要檢驗了生產性服務業對制造業的直接影響。江靜等（2007）[7]等較多學者運用中國地區或行業面板數據做計量回歸檢驗，發現生產性服務業發展對制造業生產率和效率的提升具有顯著作用，且表現出行業差異和區域差異。宣燁（2012）[8]、張振剛等（2014）[9]運用中國城市面板數據和空間計量模型，驗證了生產性服務業及其集聚對制造業具有明顯的效率提升作用和空間外溢效應。劉書瀚等（2010）[10]則利用基于投入產出表的產業關聯系數，發現中國生產性服務業對制造業的支撐作用較弱。另一類文獻關注生產性服務業促進制造業發展的作用渠道機制，即通過某個中介變量如交易成本[11]、企業技術創新和經濟發展[12]、成本費用和生產規模以及貿易成本縮減和創新收益提升[13]對制造業產生的間接影響。第三類文獻則構建不同計量回歸模型，考察了生產性服務業促進制造業升級的影響因素，包括地理距離、政策環境和工業企業整合價值鏈能力[14]，對外開放程度[15]，契約制度（李筱樂，2015），等等。

從研究方法與視角來看，現有文獻雖然運用不同方法、不同樣本數據驗證了中國生產性服務業對制造業發展具有一定程度的積極作用，但幾乎都未從產業關聯效率視角來評判和考察生產性服務業對制造業升級的促進作用及其影響因素。而實際上，生產性服務業是制造業中間投入品的“供應商”，而制造業則是生產性服務業的“客戶”，兩者之間存在投入產出關系[16]。另外，從研究結論與啟示來看，現有研究幾乎都認為要千方百計擴大生產性服務業規模。但是從效率角度來看，生產性服務業規模過大或過小都會影響到其拉動作用的發揮，關鍵是要與制造業發展相匹配（徐春華和劉力，2014）。要充分發揮生產性服務業的高級要素投入作用，關鍵在于提高產業關聯效率，使得生產性服務業與制造業能協調發展。這需要在認清作用效率的基礎上，找出其可能的影響因素，進而提出改善的對策建議。

二、生產性服務業促進制造業升級作用效率評價

（一）超效率DEA模型

生產性服務業與制造業分別處于產業鏈的不同環節，可以看做是一個投入產出系統，但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。數據包絡分析（Data Envelopment Analysis，DEA），作為通常被用于測度和評價多指標投入和多指標產出系統有效性或效率程度的一種非參數統計分析方法，其優點主要在于，無須任何權重假設，也無須知道生產函數表達式及參數的分布形式，而只需通過對實際投入產出數據的分析，就可以求出相同類型決策單元的效率數值，且不受不同量綱的影響，從而為衡量和評價生產性服務業對制造業升級的促進作用提供了便利的工具。

假設有n個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、產出向量分別為xj=x1j，x2j，…，xmjT>0和yj=y1j，y2j，…，ysjT>0，j=1，2，…，n，ms。然后，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，構建包含非阿基米德無窮小量ε的傳統意義上的可變規模報酬DEA模型：

minθ-εTs-+Ts+

st ∑njλjxj+s-=θx0

∑njλjyj-s+=y0

∑njλj=1

λj0，s+0，s-0（1）

其中，=1，1，…，1T∈Rm，e=1，1，…，1T∈Rs，λj為第j個DMU的權重，s-、s+分別為投入和產出的松弛變量。若式（1）的最優解θ*滿足θ*=1，s-*=s+*=0，則DMUj0為DEA有效，表明該DMU所有生產要素的投入達到了最優組合，資源得到充分利用，可獲得最大產出；若θ*<1，則DMUj0為DEA非有效，意味著該DMU的投入產出結構不合理，技術效率未達到100%，需要調整投入或產出結構。

然而，傳統DEA模型僅僅可以區分出有效和非有效的DMU，但無法對多個有效DMU進行進一步排序和評價。為彌補這一缺陷，Andersen和Petersen（1993）[17]提出了超效率DEA（super-efficiency DEA）模型，將被評價的DMU排除在所有DMU的集合之外，替代為其它所有DMU投入產出的線性組合。對于DEA非有效的DMU，其生產前沿面不會發生變化，效率值與傳統DEA模型相同；但是對于DEA有效的DMU，可以使其投入按比例增加或者產出按比例減少從而保持技術效率不變，最終得到一個大于1的超效率值，其值越大，效率越高。例如，效率值為158，則表示該DMU即使再等比例地增加58%的投入或減少58%的產出，其在整個DMU集合中仍能保持相對有效，即效率值仍能維持在1以上。據此，本文也將通過超效率DEA模型測算中國各個省份生產性服務業對制造業升級的促進作用效率。

（二）變量與樣本選取

根據Gereff（1999）[18]、Poon（2004）[19]的定義，產業升級是產業由低技術、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。那么，產業升級的結果可以體現為三個方面：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，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，構建生產性服務業促進制造業升級作用效率的評價指標體系。

1投入指標——生產性服務業發展指標。生產性服務業的內涵比較寬泛，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，我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。這三個行業也是對制造業中間投入最多的三個行業，分別占2002年和2007年生產性服務業總投入的791%和7275%[20]。因此，考慮到統計數據的連續性以及與制造業的關聯程度，選取這三個行業的增加值來體現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，在統計年鑒上體現為主營業務稅金及附加、利潤總額、本年應交增值稅三項指標數值之和。其反映了產業（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。具體數據是由規模以上全部工業企業減去煤炭開采和洗選業、石油和天然氣開采業、黑色金屬礦采選業、有色金屬礦采選業、非金屬礦采選業以及電力、熱力的生產和供應業這6個行業的相關數據而得。（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，其通常可以用企業R&D內部經費支出占主營業務收入的比重來表示。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。（3）制造業結構高度指標。高技術產業是知識經濟發展的主導和核心力量，故而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。

為了剔除價格變動因素，除了R&D強度之外的其它指標，都以2005年為基期進行了消脹處理。其中，生產性服務業增加值指標用第三產業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生產者價格指數（PPI）進行平減。研究樣本為2005-2014年中國大陸30個省、市和自治區（西藏除外），樣本數量符合DEA模型測算效率的要求，即DMU數至少是投入產出指標數之和的兩倍。各省份的生產性服務業增加值數據來自歷年《中國統計年鑒》，制造業相關數據則主要來自歷年《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》。

（三）測度結果及評價

首先，以30個省份為決策單元，運用EMS13軟件進行測算，得到歷年各省份生產性服務業對制造業升級促進作用的超效率得分（見表1）。從全國來看，2005-2014年間生產性服務業對制造業升級促進作用效率指數的平均值僅為08623，最高的2007年也只有08843，促進作用效率還有待提高。從表2可以看出，考察期內，青海和寧夏兩省份歷年促進作用效率表現較為突出，其中青海在多數年份均位居效率榜首，在2010年、2011年效率值甚至超過2，體現了其生產性服務業發展對制造業升級的促進作用效果較好。然而根據2014年數據，這兩個省份的生產性服務業發展規模卻位居全國最末；相比之下，北京、河北、遼寧這些生產性服務業發展規模較大的省份卻效率不佳。而內蒙古雖然生產性服務業規模位列中游，但其對制造業升級的促進作用效率卻最低。這在一定程度上說明，中國生產性服務業雖然在區域規模方面具有一定的合理性，但其行業發展規模未能與制造業需求形成適度匹配（徐春華和劉力，2014）。一味地簡單擴大生產性服務業規模，并不必然有利于制造業升級，反而可能因為資源配置不合理而降低產業關聯效率。效率得分較高的其次有東部地區的江蘇、上海以及中部地區的吉林、河南等省份，反映了這些省份的生產性服務業與制造業發展水平較為匹配，互動機制較為順暢。而新疆、山西這兩個省份的超效率則一直處于較低水平，說明相對其他省份而言，其長期以來生產性服務業發展對制造業升級的促進作用效率較低。

然后，為了提取各省份效率的共性因素，更直觀地體現中國生產性服務業對制造業升級促進作用效率的區域差異性，我們以2014年全國人均GDP作為參照標準，將全國分為發達地區（超過全國平均水平）和欠發達地區（低于全國平均水平）。按照此標準，發達地區包括：北京、天津、內蒙古、遼寧、吉林、上海、江蘇、浙江、福建、山東、湖北、廣東、重慶、陜西14個省份，欠發達地區則包括河北、山西、黑龍江、安徽、江西、河南、湖南、海南、廣西、四川、貴州、云南、甘肅、青海、寧夏、新疆16個省份。從圖1可見，除了受全球金融危機沖擊較大的2008年之外，其余年份發達地區生產性服務業對制造業升級促進作用效率均高于欠發達地區。這也符合經濟發展階段理論的論點，即經濟發展水平越高的地區，其產業實現互動的可能性就越大。從時序層面看，中國生產性服務業發展對制造業升級的促進作用效率呈現不斷波動的態勢，“十二五”期間效率雖然逐步提升，但與2005年相比反而有所下降。另外，通過計算效率的變異系數進一步發現，中國生產性服務業對制造業升級促進作用效率的省際差異趨于縮小，變異系數從2005年的03452上升至2008年的04735，再下降至2014年的03753。從圖1中也可見，近年來發達地區與欠發達地區的促進作用效率趨于收斂。

三、生產性服務業促進制造業升級的影響因素分析

（一）理論假說

借助超效率DEA模型測度的效率，不僅與預先設定的投入產出指標相關，而且還會受到投入產出指標以外的經濟社會環境因素的影響。要改善和提升生產性服務業對制造業升級的促進作用，必須探究其作用效率的影響因素。理論上，生產性服務業與制造業融合的實現需要有兩個基本條件：一是以技術進步特別是信息技術發展為載體和支撐。在知識經濟時代，最重要的生產要素是知識和信息。信息技術進步和信息化水平的提高不僅可以促使知識密集型生產性服務業的增長；更重要的是，還可以促進生產性服務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。二是融合產業之間的關聯度高。生產性服務業作為中間投入要素，其與制造業的互動更多地表現在產業鏈的延伸與融合上，這就要求生產性服務業必須與制造業有著較強的前向關聯或后向關聯關系[21]。從空間視角來看，生產性服務業與制造業的協同定位與集聚，有利于促進兩者之間的有效互動與融合，從而提升區域產業效率與產業競爭力，推動產業結構調整與升級。產業協同集聚可以通過知識外溢效應推動制造業生產邊界的移動，從而促進制造業的優化與升級[22-23]。從效率類別來看，以上兩個條件是一種產業關聯機制效率，從而可以看做是一種決定純技術效率的因素，即反映產業部門技術、管理等因素影響下的生產效率。另外，生產性服務業規模效率也是生產性服務業發展對制造業升級促進作用效率的重要內涵。若生產性服務業規模越大，規模效率越高，則為規模經濟；而若擴大生產性服務業規模則會降低規模效率，則為規模不經濟。基于以上分析，可以得到關于中國生產性服務業對制造業升級促進作用之影響因素的待檢驗假說：

假說1（純技術效率假說1）：信息化水平越高，產業鏈融合和產業創新越容易，生產性服務業對制造業升級的促進作用效率就越高。

假說2（純技術效率假說2）：生產性服務業與制造業的協同集聚水平越高，互補效應越強，產業關聯越緊密，生產性服務業對制造業升級的促進作用效率就越高。

假說3（規模效率假說）：隨著生產性服務業規模擴大，生產性服務業對制造業升級的促進作用效率變動方向是不確定的，可能提高，也可能降低。

（二）模型與變量

被解釋變量選取前文所測算的生產性服務業對制造業升級促進作用的超效率值（pse）。由于超效率是一個離散分布變量，且有一個最低界限值0，數據因此而被截斷，直接用OLS無法得到一致的估計。因此，本文采用截取回歸的Tobit模型，用極大似然法檢驗中國生產性服務業對制造業升級促進作用效率的影響因素。結合前文的理論假說，分別選取信息化水平（tech）、協同集聚水平（cgi）、生產性服務業規模（scale）作為核心解釋變量。另外，考慮到中國經濟產業發展中地方政府行為和對外開放的重要作用，采用政府干預程度（gov）和外資水平（fdi）作為控制變量。然后建立以下基本回歸模型：

psei，t=β0+β1techi，t+β2cgii，t+β3scalei，t+β4govi，t+β5fdii，t+μi，t（2）

各影響因素變量的選取如表3所示。

（1）信息化水平（tech）。信息基礎硬件設施的發展是決定一個地區信息化水平的重要變量，參考國家信息化測評指標體系，選取每平方公里長途光纜線路長度來衡量信息基礎設施水平。

（2）協同集聚水平（cgi）。借鑒前人研究，根據Haggett提出的區位熵指數（entropy index）來構建產業協同集聚指數，計算公式如下：

cgii，t=1-Rmj-RpjRmj+Rpj（3）

其中Rmj、Rpj分別為制造業與生產性服務業的區位熵，滿足Rmj+Rpj1；區位熵Rij=Sij/Si，Sij表示j地區i產業就業人數占整個地區就業總人數的比重，Si表示i產業就業人數占全國就業人數的比重。

（3）生產性服務業規模（scale）。考慮到生產性服務業規模的適度性，選取生產性服務業增加值占GDP的比重來反映生產性服務業規模。按照前文對生產性服務業范疇的界定，選取地區交通運輸、倉儲和郵政業，批發和零售業以及金融業三個行業增加值之和占地區GDP的比重來衡量。

（4）政府干預程度（gov）。選取地方公共財政支出占GDP的比重來反映政府對經濟的干預程度。一方面，政府在基礎設施方面的公共投資可以降低交易成本，在科教文衛、能源環保等方面的公共服務支出則可以有效改善企業經營環境，促進產業集聚，從而有助于產業互動與增長；另一方面，公共投資也會產生一定的“擠出效應”，而且“審批經濟”下的行政壁壘、市場準入門檻等不僅增加企業經營成本，而且會導致資源錯配而扭曲產業結構。因此，政府支出對產業效率的影響是不確定的。

（5）外資水平（fdi）。理論上，對外開放和外資水平越高，說明市場環境越優越，而且外資進入所帶來的溢出效應和“鯰魚效應”都有助于促使企業優化資源配置來提高競爭力。我們選用各地外商及港澳臺商投資與GDP之比來反映對外開放水平和市場環境的完善程度。與前文相對應，研究樣本為2005-2014年中國大陸30個省、市和自治區，數據主要來源于2006-2015年的《中國統計年鑒》以及國研網、中經網數據庫。借用Stata130軟件，各變量的統計性描述如表4所示。

（三）檢驗結果分析

表5展示了2005-2014年中國生產性服務業對制造業升級促進作用影響因素的Tobit回歸結果。模型1-3檢驗了模型核心解釋變量單獨對作用效率的影響，可以看出，信息化水平、生產性服務業與制造業的協同集聚水平對作用效率具有顯著的正向影響，說明由技術進步、產業鏈關聯因素決定的純技術效率是提升生產性服務業對制造業升級促進作用的重要變量。相反地，較低的信息化水平和產業協同集聚水平則會顯著制約生產性服務業與制造業升級的互動。這種顯著性影響在加入政府干預程度和外資水平兩個控制變量后仍然穩健存在。

值得注意的是，無論是否加入控制變量，生產性服務業規模與作用效率都呈負相關關系，顯著性水平很高，均通過了1%的顯著性檢驗，這說明中國生產性服務業發展普遍處于規模不經濟狀態。這在某種程度上體現了中國生產性服務業結構較為低端化，而低端生產性服務業規模擴大不足以為制造業提供支撐。這進一步支撐了前文的分析結論，即促進制造業升級并不能依靠簡單地擴大生產性服務業規模，生產性服務業的發展必須與制造業升級的需要相匹配，盲目追求產業規模可能會陷入資源配置的非效率境地。

模型4-6還表明，政府干預程度和外資水平均顯示出其對生產性服務業促進作用效率的顯著正向影響。政府對經濟活動的干預程度越大，越有利于生產性服務業對制造業升級的促進。這似乎與學界一致主張的市場化改革相悖，但這在某種程度上恰恰印證了當前我國服務業市場壟斷的現實——地方政府支出力度越大，具有壟斷性的生產性服務業（如交通運輸業、郵電通信業、金融業）發展越好。同時也說明，我國地方政府在基礎設施建設、公共服務投入方面的支出增加，對區域產業升級起到了一定的促進作用。外資水平的影響系數顯著為正，說明對外開放帶來的先進技術和管理經驗，總體上為產業結構優化升級帶來了有利的影響。

進一步地，為了體現不同經濟發展水平地區其生產性服務業對制造業升級促進作用效率的影響因素差異，按照前文所述分類，對發達地區和欠發達地區分別進行了Tobit回歸分析，結果如表6所示。從模型1-3中可以看出，發達地區信息化水平對生產性服務業促進制造業升級具有顯著的正向影響，但協同集聚水平與生產性服務業的促進作用效率之間并不存在顯著的正向關系。這表明，對發達地區而言，影響生產性服務業對制造業升級促進作用的純技術效率因素主要來自于技術方面而非產業鏈管理方面。這可能與發達地區產業結構中資本、技術密集型產業比重相對較高有關，對知識密集、信息密集的高級生產性服務業需求較大，從而其產業效率更多地依賴信息基礎設施的建設與完善。在規模效率方面，與全國一樣，發達地區生產性服務業規模表現出顯著的負向影響，且其影響系數和顯著性均高于欠發達地區（對比模型3與模型6）。這說明，相對于欠發達地區，發達地區省份規模不經濟現象更嚴重，生產性服務業規模擴大更加不利于其對制造業升級的促進。在外部環境變量上，地方財政支出與作用效率之間的關系也呈現顯著正相關，且其影響系數大于全國層面，但外資水平對作用效率的影響并未通過顯著性檢驗。財政支出比重每增加1%，生產性服務業對制造業升級的促進作用效率就提高17601%。這說明對于發達地區來說，地方政府在產業結構升級過程中的作用更加顯著，而外資水平的產業升級效應卻相對沒那么重要。可能的解釋是，在經濟發達地區，地方財政除滿足政權建設和一般支出需要外，還有較富余的財力進行建設性支出，從而可以較好地支撐產業發展。而發達地區雖然外資比重較高，但以“兩頭在外”的國際代工為主，產業鏈較短，從而無法有效促進生產性服務業與制造業的價值鏈融合。

模型4-6顯示了欠發達地區生產性服務業促進制造業升級的影響因素。首先，信息化水平與作用效率呈負相關關系，但并未通過顯著性檢驗，說明地區信息化水平提高并未表現出對產業融合的支撐作用。而協同集聚水平則顯著體現出其對作用效率的正向影響，說明企業區位的空間臨近有助于生產性服務業與制造業的互動。這意味著，與發達地區不同，影響欠發達地區生產性服務業對制造業升級促進作用的純技術效率因素，主要來自于基于空間關聯的產業鏈管理方面，而技術方面的影響有限。造成這種現象的原因，可能是欠發達地區的產業結構以勞動和資源密集型產業為主，其更多的需求是面向諸如交通運輸之類的傳統生產性服務業，從而較少受到技術因素制約。其次，生產性服務業占經濟規模比重越大，其對制造業升級促進作用效率越低。說明欠發達地區的生產性服務業規模總體上也存在規模不經濟。再次，地方財政支出規模越大，生產性服務業越有效促進制造業升級，但影響系數顯著低于發達地區。與發達地區不同，外資水平呈現出顯著的正向效應，可能是由于欠發達地區對外開放程度較低，國內外技術差距也更大，致使外資的外溢效應更為顯著。

四、結論與啟示

本文運用超效率DEA和Tobit模型，采用2005-2014年中國省際面板數據，實證考察了生產性服務業對制造業升級的促進作用及其影響因素。

首先，基于超效率DEA模型的測算結果顯示，中國生產性服務業對制造業升級的促進作用效率尚不夠高，2005年以來作用效率呈現不斷波動態勢，但作用效率的省際差異趨于縮小。發達地區生產性服務業對制造業升級的促進作用效率基本上高于欠發達地區，但近年來兩大地區的效率已趨于收斂。然后，省際面板Tobit模型分析結果表明，從全國來看，決定純技術效率的地區信息化水平、生產性服務業與制造業的協同集聚水平對作用效率具有顯著的正向影響，而決定規模效率的生產性服務業規模則體現出顯著的負向影響。在控制了政府干預程度和外資水平等因素后，上述結論依然穩健。從區域來看，信息化水平對發達地區生產性服務業的促進作用效率具有顯著的正向影響，但對欠發達地區的影響卻并不顯著；恰恰相反，產業協同集聚水平則僅對欠發達地區的作用效率存在顯著的正向影響。無論是發達地區還是欠發達地區，生產性服務業規模對其生產性服務業促進制造業的作用效率均起到顯著的抵消效應，且前者的效應更大。與欠發達地區相比，發達地區地方財政支出對作用效率的積極影響更大，但外資水平僅對欠發達地區呈現出顯著的正向影響。

以上結論意味著，要有效發揮生產性服務業對制造業升級的促進作用，應當注重產業關聯效率，以要素投入產出效率的改善為著眼點。一方面，需要重視技術進步特別是信息技術的支撐作用，不斷完善信息基礎設施，降低生產性服務交易成本；同時，積極營造有利于產業共生的經濟環境和制度環境，促進生產性服務業與制造業在空間上的協同集聚。另一方面，摒棄注重先進產業和高端產業規模的“數量化”思維，轉向強調產業鏈融合和價值鏈升級的“效率化”理念；保持適度的生產性服務業規模，優化調整生產性服務業內部結構，充分發揮規模經濟效應。

本文的研究啟示還包括，積極推進服務業市場化改革，打破市場壟斷，但并不是要完全放棄政府干預。而是在簡政放權、尊重市場規律的基礎上，要求政府在某些市場失靈的領域發揮積極作用，比如加大對基礎設施和公共服務等方面的投入。另外，繼續擴大對外開放特別是服務業開放進程。對于東部沿海發達地區，應當致力于提高引資質量，促成FDI結構從勞動密集型低端代工制造業為主，向技術、知識密集型的現代服務業為主轉變；對于內陸欠發達地區，應當優化營商環境，積極有效承接制造業和服務業的國際、區際產業轉移，充分獲取外資的技術溢出效應。具體到省份層面，也應當以提高要素使用效率為目標，根據各自省情，通過適度調整生產性服務業的發展規模、產業結構和空間結構，來推動制造業經濟效益、創新能力和產業高度的不斷升級。

參考文獻：

[1]Markusen， J. R. Trade in Producer Services and in Other Specialized Intermediate Inputs [J]. The American Economic Review， 1989，79（1）：85-95.

[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]Teece， D. J. Profiting from Technological Innovation： Implications for Integration， Collaboration， Licensing and Public Policy [J]. Research Policy， 1986，15（6）： 285-305.

[4]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.

[5]Vandermerwe， S. & J. Rada. Servitization of Business： Adding Value by Adding Services [J]. European Management Journal， 1988，6（4）： 314-324.

[6]Porter， M. E. The Competitive Advantage of Nations： with a New Introduction[M].Free Press， 1998.

[7]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.

[8]宣燁.生產性服務業空間集聚與制造業效率提升——基于空間外溢效應的實證研究[J].財貿經濟，2012（4）：121-128.

[9]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.

[10]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.

[11]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.

[12]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.

[13]詹浩勇，馮金麗.生產性服務業集聚與制造業轉型升級的機理與實證檢驗[J].商業研究，2014（4）： 49-56.

[14]顧乃華.生產性服務業對工業獲利能力的影響和渠道——基于城市面板數據和SFA模型的實證研究[J].中國工業經濟，2010（5）： 48-58.

[15]姚星，楊錦地，袁東.對外開放門檻、生產性服務業與制造業生產效率——基于省際面板數據的實證分析[J].經濟學動態，2012（5）：24-28.

[16]江曼琦，席強敏.生產性服務業與制造業的產業關聯與協同集聚[J].南開學報：哲學社會科學版，2014（1）：153-160.

[17]Anderson， P. & N. C. Petersen. A Procedure for Ranking Efficient Units in Data Envelopment Analysis [J]. Management Science， 1993， 39（10）： 1261-1264.

[18]Gereffi G. International Trade and Industrial Upgrading in the Apparel Commodity Chains[J]. Journal of International Economics， 1999， 48（1）： 37-70.

[19]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.

[20]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.

[21]路紅艷.生產性服務與制造業結構升級——基于產業互動、融合的視角[J].財貿經濟，2009（9）： 126-131.

[22]王鈺，張連城，張自然.對中國制造業可持續發展能力的評價及其影響因素分析——基于1995-2012年制造業28個行業面板數據的實證[J].哈爾濱商業大學學報：社會科學版，2015（1）：3-15.

[23]劉葉，劉伯凡.生產性服務業與制造業協同集聚對制造業效率的影響——基于中國城市群面板數據的實證研究[J].經濟管理，2016（6）：16-28.