知識密集型服務業與高技術制造業協同增長效應研究

任 皓，周紹杰，胡鞍鋼

(清華大學 公共管理學院，北京 100084)

知識密集型服務業與高技術制造業協同增長效應研究

任 皓，周紹杰，胡鞍鋼

(清華大學 公共管理學院，北京 100084)

知識與技術密集型產業已經成為世界經濟增長的主要動力，本文發現在知識經濟內部知識密集型服務業與高技術產業具有明顯的協同增長效應，運用工具變量法，計算結果顯示知識密集型服務業對于高技術產業具有高產出彈性。在考慮相互影響的情況下，運用EC3SLS方法，本文測算知識密集型服務業對于高技術產業的產出彈性為1.22。穩健性檢驗結果顯示，低制造業結構、低收入水平的國家，知識密集型服務業對于高技術制造業產出彈性更高。本文認為，對于中等收入國家，發展知識密集型服務業有利于本國高技術產業的發展，進而有助于跨越中等收入陷阱。

知識密集型服務業；高技術產業；產出彈性；中等收入陷阱

隨著全球經濟增長方式的轉型，知識與技術密集型產業(Knowledge-and technology-intensive industries)對于全球經濟增長的作用越來越顯著，已經成為世界經濟的主要增長動力[1]。區別于傳統制造業與服務業的概念，美國國家科學基金會(2016)參考依據OECD(2007)[2]的定義，將知識與技術密集型產業分為知識密集型服務業(Knowledge-intensive services)與高技術制造業(High-technology manufacturing)兩個部門，每個部門又都包含了五個子部門(具體見表1)。作為現代經濟的重要組成部門，知識與技術密集型產業不僅得到了學者的廣泛關注，而且也成為許多政策制定者重點關注的產業部門。推動知識與技術密集型產業發展，已經成為許多國家最為重要的產業政策。由此，如何正確認識知識密集型服務業與高技術制造業的相互關系，不僅具有十分重要的學術價值，更有重要的政策含義，這既是本研究的出發點，也是落腳點。

表1 知識密集型服務業與高技術制造業分類

注：知識密集型服務業可以分兩個部分：商業服務(包括Financial, Business, and Information services)與公共服務(Education, and Health services)兩個部分。

一 問題的提出

經濟增長率在制造業與服務業之間會表現出差異[3-6]，進而帶來經濟結構的轉變，表現為服務業就業與增加值比重上升，制造業就業與增加值比重不變或者下降，制造業與服務業增加值之比隨著經濟發展程度的增加，表現為一條向右下方傾斜的曲線(見圖1右圖)。

與傳統的服務業與制造業的結構關系不同，知識與技術密集型產業中高技術制造業與知識密集型服務業表現出了獨特的結構變動特性，其增加值相對比重并沒有表現為向下傾斜的曲線，而是表現為一條相對平穩的水平直線(見圖1左圖)。相對比重的穩定與傳統上關于經濟中制造業與服務業相互關系的認識產生了偏差，顯示出兩種業態之間一定程度的協同增長的規律。由此提出本文核心研究問題：在知識與技術密集型產業內部，知識密集型服務業的增長是否會帶動高技術制造業的增長？本文通過研究知識密集型服務業對高技術制造業的增加值彈性，探究知識密集型服務業對于高技術制造業的乘數效應，進而為正確認識兩者的相互關系，提供一個更為清晰的實證研究視角。

本文的結構安排如下：第二部分為文獻綜述與評述，總結當前關于知識密集型服務業對于制造業影響的途徑以及效果的相關研究，提出知識

(1) (2)圖1 制造業與服務業比重變動情況注：各國制造業與服務業增加值數據來源為世界銀行數據庫，高技術產業與知識密集型服務業增加值數據來源為美國國家科學基金會。

密集型服務業對于高技術制造業促進作用的途徑，并提出我們的研究假設；第三部分為數據說明，通過對數據收集部門的說明，減少研究誤差；第四部分為計量分析，通過OLS以及工具變量法，消除估計誤差；第五部分為穩健性分析，通過對不同產業類型與經濟發展程度的經濟體的分析，比較促進效果的強弱；第六部分為聯立方程檢驗，通過探究兩者之間的相互關系，提出對于影響效應更為深刻的認識；第七部分基于本文研究，提出一個關于如何跨越中等收入陷阱的新的解釋機理；第八部分為結論與政策建議。

二 文獻綜述與評述

知識密集型服務業不僅僅是一個知識使用產業，更是一個知識生產產業[7]。對于知識密集型服務業來說，知識不僅作為投入要素，同時也是產出要素[8-9]*這就與近年來研究的熱點，生產性服務業有所不同。根據高覺民、李曉慧(2011)的觀點，生產性服務業主要包括金融業、保險業、房地產業和商務服務業、信息服務業等。由此，生產性服務業既有重疊又不完全相關。。由此，知識密集型服務業會通過多種途徑影響制造業，尤其是高技術制造業的產出與效率，具體來說有如下三種影響途徑：

1.作為中間投入品的知識密集型服務業

與傳統上與只作為最終消費品的傳統服務業不同，知識密集型服務業，尤其是知識密集型商業服務作為生產過程中滿足其它制造業行業的中間需求而提供各種生產服務，形式上以中間產品的形式存在。Guerrieria & Meliciani (2005)的實證研究表明，作為中間投入品的生產者服務在發達國家顯著增長[10]。作為中間投入品，知識密集型服務業的發展對制造業的影響存在兩種影響機制。首先，知識密集型服務業的發展有助于降低制造業生產的服務成本，提高制造業生產效率[11-12]。實證研究中，Antonelli(1998)的研究表明，知識密集型服務業發展有助于OECD國家制造業的增長，具有高增長彈性[13]。江靜等(2007)關于中國的研究也支持這個觀點。Hoekman & Shepherd(2015)基于全球100多個國家公司層面的分析進一步指出，服務業效率提升對于更多使用服務作為中間投入的制造業效率具有更為顯著的提升作用[14]。

其次，作為制造業出口的中間投入，知識密集型服務業的發展有助于制造業產品的出口，提高制造業生產效率，從而促進制造業生產[15]。實證研究中，Francois & Woerz(2008)關于OECD國家的貿易研究表明，作為貿易中間投入的生產者服務業增加，有效提升了技術密集型制造業出口[16]。Hoekman & Shepherd(2015)基于企業層面的實證研究也支持此結論。

2.作為創新部門的知識密集型服務業

知識密集型服務業是創新的重要來源。一方面，知識密集型服務業本身作為創新部門[17-18]，其創新產品投入到高技術制造業之中有利于提高制造業生產效率。Macpherson(2008)關于紐約州的實證研究證實了此效應的存在，同時驗證了對于高技術制造業有更為顯著的作用[19]。另一方面，知識密集型服務業的發展，有利于創新的擴散[20]，進而引起廣泛使用創新與技術的高技術制造業效率的提高。Ciriaci & Palma (2012)[21], Ciriaci et al (2015)的實證研究證明了，歐洲國家的知識密集型服務業發展顯著提高了制造業創新能力[22]。

正是由于知識密集型服務業創新具有擴散效應，許多學者注意到了知識密集型服務業與制造業之間存在空間聚集關系。實證研究中，也有學者發現這種關系并不穩定存在，主要取決于知識密集型服務業貿易成本的大小[23-25]。Shearmur & Doloreux (2015)關于加拿大的研究拓展了這個爭論，表明在一個省內，去除貿易成本的影響之外，制造業與知識密集型服務業空間聯系的影響因素主要是市場環境。

Ciriaci & Palma (2012)、Ciriaci et al (2015)總結知識密集型服務業的作用體現為兩個方面：第一為基于生產的知識傳輸；第二為經濟技術影響的知識傳輸。

以上的觀點，更多地集中于知識密集型服務業中的商業知識密集型服務業，而忽視了作為公共服務的知識密集型服務業的作用。

3.公共產品的外部性

不僅作為投入產品，知識密集型服務業同時作為一個公共產品，具有極強的外部性[26-27]。尤其是作為知識產品生產部門的教育以及健康部門，都會顯著提高勞動者的人力資本水平，會產生外溢性。Vincenti(2007)通過構建一個服務業外部性的內生增長模型，證明了服務業知識外部性對于制造業增長具有促進作用[28]。Ciriaci & Palma (2012), Ciriaci et al (2015)也強調了知識密集型服務業對于制造業創新的技術溢出效應。Shearmur & Doloreux (2015)的實證研究也表明，知識密集型服務業帶動的高技能勞動力的供給增加，有利于本地制造業的發展。

總結以上文獻，知識密集型服務業通過多種途徑促進制造業的發展。尤其是對于知識密集型服務業需求更加顯著的高技術制造業，知識密集型服務業的促進作用更加顯著。

當前研究關注點主要在知識密集型服務業對于制造業效率的提高，缺少關于產出乘數效應的研究，不能很好地反映出知識密集型服務業與高技術制造業之間的協同增長效應。現代經濟增長不僅表現為生產效率的提高，也表現為要素投入結構與產出結構之間的轉變[29]。本文關注高技術制造業增加值增長率而非其全要素生產率增長率，主要出發點為高技術產業的主要產品也是知識密集型服務業的重要投入，知識密集型產業的發展從需求端也會促進高技術制造業發展，由此測算兩者產出水平之間的彈性系數，有利于從實證角度判斷協同增長效應。

與袁志剛、高虹(2015)[30]關于就業乘數效應的研究相類似，本文研究產出增長可以從更為全面的角度考察知識密集型服務業增長對于高技術制造業增長的乘數效應。

基于此，本文的基準估計方程為：

LnYmt=θ*LnYst+a

其中LnYmt表示高技術制造業增加值的對數，LnYmt表示知識密集型服務業增加值的對數。由此，θ的大小為知識密集型服務業對于高技術制造業的產出彈性。

三、計量模型與數據說明

本文主要利用如下計量模型對知識密集型服務業對于高技術制造業的產出彈性進行計算：

LnHTit=α1LnKISit+α2LnK/Lit+α3M/Sit+α4R&Dit+α5RCAit+α0+γi+εt+it

其中：

LnHTit表示i國t時期高技術制造業增加值的對數值，為被解釋變量；LnKISit表示i國t時期知識密集型服務業增加值的對數值，為核心解釋變量。同時，本計量模型包含其它控制變量，主要有：

K/Lit表示i國t時期勞均資本，即資本存量與勞動力比值，其對數值表示一國技術水平；M/Sit表示i國t時期制造業增加值與服務業增加值比重，反映一國產業結構。以上兩個控制變量，主要控制技術水平與產業結構對于彈性系數的影響。

R&Dit表示i國t時期研發支出占GDP比重，反映一國創新能力，此變量主要控制創新對于彈性系數的影響。

為了控制高技術制造業產品出口對于彈性系數的影響，本文引入RCAit，表示i國t時期，高技術產品出口的顯性比較優勢指數，反映一國高技術產品在全球市場的競爭能力，其計算公式為：

RCAit=100*(HTEXit/EXit)/(WHTEXt/WEXt)

HTEXit為i國t時期高技術產品出口額，EXit為i國t時期商品出口額；WHTEXt為全球t時期高技術產品出口額，WEXt為全球 t時期商品出口額。

本文實證研究采用的數據為1999-2011年35個國家和地區的跨國面板數據(具體國家見附表1)。知識與技術密集型產業在全球國家間分布并不均勻，2011年此35個國家知識與技術密集型產業增加值占全球比重為89.31%*數據來源：NSF Science and Engineering Indicators 2016。，可以反映知識與技術密集型產業的主要發展狀況。由于對數據我們進行了必要的處理，在此做出說明。

高技術制造業增加值數據來源為美國國家科學基金會Science and Engineering Indicators 2016。原數據沒有區分中國大陸與香港，我們對香港與中國大陸的數據進行分離。我們首先嘗試使用《中國高技術產業統計年鑒》高技術制造業增加值作為中國大陸高技術產業增加值，但是我們發現數據匹配度不高。因為香港制造業規模較小而且均不是勞動密集型制造業，我們假設香港所有制造業增加值都為高技術產業增加值(香港制造業增加值來源世界銀行數據庫)，從而區分兩地區增加值。由于原數據為現價美元，本文利用陳詩一(2011)介紹的制造業不變價格單縮法對增加值進行平減[31]。平減指數本文選用制造業國內PPI指數，歐洲國家數據來源為歐盟統計局，其余數據來源為各國(地區)統計局，2010年設為100。

知識密集型服務業增加值數據來源為美國國家科學基金會Science and Engineering Indicators 2016。與高技術制造業增加值相類似，我們利用香港統計局知識密集型服務業占服務業比重數據與世界銀行服務業增加值數據得到香港知識密集型服務業增加值，由此區分兩地增加值。原數據為現價美元，本文利用鄭學工、董森(2012)[32]介紹的世界主要國家不變價格服務業增加值核算方法，利用各國消費價格指數CPI進行平減，數據來源為世界銀行數據庫。新加坡、韓國、臺灣數據來源為各國(地區)統計局，2010年為100。

表2 統計性描述

四、計量結果

為了估計以上計量模型，本文首先使用普通最小二乘法(OLS)，估計結果見表3。我們分別估計了固定效應模型OLS_FE與隨機效應模型OLS_RE，由Hausman檢驗可知，在5%顯著性水平下顯著，由此我們采信固定效應模型的估計結果，同時為了估計的準確性，我們加入了時間虛擬變量。

知識密集型服務業系數顯著為正，知識密集型服務業的擴張會顯著帶來本國高技術制造業的增長，其系數所反映的彈性系數0.9164，即知識密集型服務業增加值每增長1%，高技術制造業增加值增長0.9164%，展現出高度的同步增長趨勢。此結果與我們的預期相一致。勞均資本的系數在10%條件下顯著，一定程度上反映了技術能力對于高技術制造業的促進作用。研發與出口顯性比較優勢的系數都顯著為正，說明研發投入的增加和對外開放程度的加深有助于高技術制造業的發展。

不可避免，回歸結果會存在內生性問題。本文的內生性主要涉及兩個方面：(1)解釋變量與異質誤差相關；(2)研發投入與出口的顯性比較優勢等變量與知識密集型服務業增加值相互影響。我們選擇使用面板工具變量法解決以上內生性問題。為了解決誤差相關問題，我們分別估計了離差變化(WG)和一階差分(FD)估計，若異質性誤差序列不相關，則WG估計比FD估計更有效[34]。為了解決變量內生性的問題，本文參考歐陽峣等(2012)[35]、米增渝等(2012)[36]的研究，引入研發投入與顯性比較優勢滯后一期變量作為工具變量，估計結果見表3。

DWH檢驗顯示，相比于普通最小二乘，工具變量法相對有效地解決了估計量有偏的問題，F統計量顯示，FD估計比WG估計結果更為一致。考察表3中IV_FD估計，知識密集型服務業增加值的系數依然為正，且與IV_WG估計結果差距不大，彈性系數為0.8385。數值結果低于普通最小二乘法。這說明已考慮內生性的情況下，知識密集型服務業依然表現為高彈性系數。

表3 基本計量結果

*p<0.05;**p<0.01;***p<0.001。F統計量報告的是面板Wooldridge檢驗。

考慮到不變價格折算方法的不同以及數據質量的問題會對估計結果產生影響，本文同時給出另一種不變價格計算方法，即：

產業增加值不變價格=不變價格GDP*(產業增加值現價/現價GDP)

回歸結果見附表2。由回歸結果可知，即使考慮了不變價格折算方面的差異，高彈性系數依然存在。

五、穩健性檢驗

以上的計量結果表明，知識密集型服務業增加值對高技術制造業有彈性，即其增加值增長1%，高技術制造業增加值增長0.8385%，接近于1%，表現出了兩者間存在協同增長的發展模式。但是，這種協同增長效果，是否會由于制造業結構、服務業結構以及經濟發展程度的不同而產生差異？為了回答上述問題，本文從以下三個角度進行穩健性檢驗。

1.制造業結構

2016年國務院辦公廳及政府有關部門，陸續出臺以降本增效為核心的支持物流業發展政策措施，2017年黨的十九大報告提出，要加強物流基礎設施和網絡戰略，要形成新增長點形成新動能，為新時代物流指明了方向。2018年國務院大督察，物流業降本增效為物流業供給側改革創造了條件，在這一時期，資本和技術的雙輪驅動是一個突出的特點。

本文使用高技術制造業增加值占制造業增加值比重來衡量制造業結構。制造業結構區分標準為：2011年，高技術制造業增加值占制造業增加值比重高于世界平均水平的為高制造業結構，低于世界平均水平為低制造業結構(具體劃分結果見附表3)。

表4 高、低制造業結構估計結果

*p<0.05;**p<0.01;***p<0.001

由以上回歸結果可知，在低制造業結構的國家和地區中，知識密集型服務業對于高技術制造業的提升效果更為顯著。此結果表明，在制造業結構相對較低的地區，知識密集型服務業的發展，可以更為有效地降低高技術制造業發展的成本，通過知識產品的外溢性，帶動高技術制造業發展。

2.服務業結構

本文使用知識密集型服務業增加值占服務業增加值比重來衡量服務業結構。服務業結構區分標準為：2011年，知識密集型服務業增加值占服務業增加值比重高于世界平均水平的為高服務業結構，低于世界平均水平為低服務業結構(具體劃分結果見附表3)。

服務業結構對于知識密集型服務業彈性效果的區分并不顯著，說明一定程度上服務業結構并不影響乘數效應。一國知識密集型服務業的發展，會通過多種途徑提升高技術制造業的發展，而并不會表現出明顯的結構性差異。這有極強的政策含義，即任何發展水平階段，都應該推動知識密集型服務業的發展。

3.收入水平

本文使用人均GDP(PPP)相對美國的比值大小表征收入水平。2011年，高于60的為高收入國家，低于60的為中低收入國家(具體劃分結果見附表3)。

表5 高、低服務業結構估計結果

*p<0.05;**p<0.01;***p<0.001

表6 高、低收入水平估計結果

*p<0.05;**p<0.01;***p<0.001

不同收入水平下，知識密集型服務業對于高技術制造業的乘數效應表現了顯著的差異，低收入水平的乘數效應更加明顯，甚至一定程度上更為接近1，說明在低收入國家，高技術制造業與知識密集型服務業同步效應更加顯著。其背后機理為，低收入國家一定程度上仍然處在制造業驅動階段，知識密集型服務業的發展，可以更加有助于其產業結構升級，這也給中等收入國家提供了一個新的發展政策啟示。

六、聯立方程檢驗

內生性的另一個來源為自變量與因變量互為因果關系。理論上，制造業的發展會通過供給與需求多種途徑影響服務業的發展。實證研究中，Park & S.Chan(1989)的實證研究也顯示，制造業作為服務業的投入產品，對服務業發展具有正向影響[37]。Guerrieria & Meliciani(2005)的實證研究進一步指出，在發達國家高技術制造業作為生產者服務業的主要使用者，高技術制造業增長有助于生產者服務業增長[38]。

為了解決知識密集型服務業與高技術制造業相互影響的問題，我們使用聯立方程模型，解決單一方程估計不一致的問題，回歸方程如下：

其中，Lngdppit表示i國t時期，人均GDP(PPP,2011不變美元價格)，數據來源為世界銀行數據庫；urbanit為i國t時期的城鎮化率，即城鎮人口與總人口的比值，數據來源為世界銀行數據庫。

為了對以上聯立方程進行估計，本文使用Baltagi(2013)[39]介紹的EC3SLS估計，具體估計過程如下：

(1)我們分別對聯立方程模型中單個方程進行W2SLS與B2SLS估計，方程一的估計結果分別見表3中IV_WG和IV_BG；方程二的估計結果分別見附表4中的IV_WG和IV_BG。

(2)利用單一方程估計結果計算新的殘差矩陣，計算公式參考Baltagi(2013)。

(3)利用新的殘差矩陣對原聯立方程模型進行變換，然后對變換后的模型進行3SLS估計，估計結果見下表：

表7 EC3SLS估計結果

*p<0.05;**p<0.01;***p<0.001。

聯立方程的估計結果表明，在考慮知識與技術密集型行業內部服務業與制造業雙向影響的情況下，知識密集型服務業對于高技術制造業的產出彈性系數為1.2212，即知識密集型服務業每增長1%，高技術制造業增長1.2212%。同時，高技術制造業對于知識密集型服務業的產出彈性系數為0.9848，即高技術制造業每增長1%，知識密集型服務業增長0.9848%，展現出了較高的彈性，具有顯著的協同增長特性。與高覺民、李曉慧(2011)[40]關于中國的實證研究結論不同，跨國面板數據結果表明，知識密集型服務業對于高技術制造業的促進作用，大于高技術制造業對于知識密集型服務業的促進作用。

基于實證結果，本文從供給與需求兩個角度給出高技術制造業與知識密集型服務業協同增長效應的理論分析：

從供給的角度看，一方面，知識密集型服務業有利于降低高技術產業中間投入成本。就高技術制造業而言，知識服務作為重要投入，其成本主要由知識密集型服務業的相對規模決定，隨著一國知識密集型服務業規模的增長，有效知識服務供給的增加，中間投入成本逐漸下降。另一方面，知識密集型服務業有利于增加高技術產業人力資本水平，發揮公共服務，尤其是醫療與教育部門的正外部性，可以有效提高制造業生產效率，促進高技術產業發展。

從需求的角度看，知識密集型服務業是高技術產業產品的主要需求方，其自身的發展，尤其是產業規模的擴大，本身就是對于高技術制造業的有效需求，有利于高技術制造業的發展。

總結來看，知識密集型服務業會從供給與需求兩個方面促進高技術產業發展，從而表現出協同增長特性。

七、關于中等收入陷阱的討論

由東亞國家經濟發展的成功經驗可知，跨越中等收入陷阱的過程，伴隨著主導產業向技術前沿的逐步升級。日本在上世紀60-70年代，主導產業逐步從鋼鐵、化工等傳統重工業轉向以造船與電子為代表的高技術制造業，也就是在這一時期，日本完成了中等收入陷阱的跨越。以香港、新加坡為代表的城市型國家(地區)，在上世紀70年代，發展中心逐漸也從傳統的紡織、成衣、玩具制造等低附加值產業向以銀行與金融為代表的知識密集型服務業方向轉變，同一時期也是這兩個地區跨越中等收入陷阱，向高收入國家邁進的關鍵時期。臺灣與韓國在承接了日本紡織與鋼鐵等產業轉移之后，結合本地區特點，逐步推進產業結構升級與技術進步，在上世紀80年代中后期的信息技術革命中抓住機遇，電子信息產業迅速發展，逐步成為經濟發展的支柱性產業，也在這一時期成功跨越中等收入陷阱(具體過程見表8)。

由此，我們提出，大國跨越中等收入陷阱的過程，是一個工業化升級的過程，即制造業產業結構逐漸提高。技術前沿在不同時期表現為不同的產業，當前，高技術產業作為研發密集型產業，對于經濟增長具有多重效應[41]，處于技術前沿地位。結合本文的分析結果，我們給出如下的跨越中等收入陷阱的分析路徑。

對于中等收入國家而言，跨越中等收入陷阱的關鍵，就是經濟增長從要素驅動轉向技術驅動與全要素生產率驅動，表現為主導產業從要素密集型產業向知識與技術密集型產業轉型。如何才能更好地驅動這樣的轉變？由本文的分析可知，知識密集型服務業在中低收入國家對于高技術產業的乘數效應更加顯著，由此，中等收入國家在工業化的過程中，除了依據比較優勢發展之外，還要注意發展知識密集型服務業，利用知識密集型服務業的發展，形成新的比較優勢，為主導產業從勞動密集型產業向高技術制造業轉變創造更為有利的條件。

表8 東亞主要國家和地區的關鍵產業與發展階段* 參見Ito, Takatoshi, “Japanese Economic Development: Are Its Features Idiosyncratic or Universal?” paper presented at the XI th Congress of International Economic Association at Tunis, December 17-22, 1995.

八、主要結論與政策建議

本文通過分析知識密集型服務業與高技術產業的相互關系，得出如下主要結論：

(1)知識密集型服務業對高技術產業有高彈性系數，考慮知識密集型服務業與高技術產業相互作用的情況下，其彈性系數為1.2212，即知識密集型服務業每增長1%，高技術制造業增長1.22%，展現出了非常高的協同增長效應。

(2)知識密集型服務業對于高技術產業的協同增長效應在中低收入國家更加顯著。對于中低收入國家，其制造業結構相對較低，知識密集型服務業的發展，有利于其制造業結構升級。

(3)當前我國經濟處于新常態，面臨經濟增長率下行與跨越中等收入陷阱雙重挑戰，而破解的關鍵就在于經濟結構調整與經濟增長方式轉型。供給側結構性改革的提出正是對這一突出矛盾的回應。本文認為，供給側結構性改革，一定要充分重視知識密集型經濟的發展，在提升制造業結構的同時，大力促進知識密集型服務業的發展，使之充分發揮二者之間的協同增長效應。

[1] National Science Foundation.science and technology indicators 2016[R]. DC, 2016.

[2] Organization for Economic Co-operation and Development (OECD). Science,technology and industry scoreboard 2007[R].Annex 1, 2007.

[3] Baumol W J. Macroeconomics of unbalanced growth: the anatomy of urban crisis[J]. The American economic review, 1967, 57(3): 415-426.

[4] Kongsamut P, Rebelo S, Xie D. Beyond balanced growth[J]. The Review of Economic Studies, 2001, 68(4): 869-882.

[5] Ngai L R, Pissarides C A. Structural change in a multisector model of growth[J]. The American Economic Review, 2007, 97(1): 429-443.

[6] Herrendorf B, Rogerson R, Valentinyi. Growth and structural transformation[R]. National Bureau of Economic Research, 2013.

[7] Strambach S. Knowledge-Intensive Business Services (KIBS) as drivers of multilevel knowledge dynamics[J]. InternationalJournal of Services Technology and Management, 2008, 10(2-4): 152-174.

[8] Miles I. Services innovation: a reconfiguration of innovation studies[M]. Manchester: PREST, 2001.

[9] Gallouj F. Innovation in services and the attendant old and new myths[J]. The Journal of Socio-Economics, 2002, 31(2): 137-154.

[10] Guerrieri P, Meliciani V. Technology and international competitiveness: the interdependence between manufacturing and producer services[J]. Structural Change and Economic Dynamics, 2005, 16(4): 489-502.

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

[12]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.

[13] Antonelli C. Localized technological change, new information technology and the knowledge-based economy: the European evidence[J]. Journal ofEvolutionary Economics, 1998, 8(2): 177-198.

[14] Hoekman B, Shepherd B. Services productivity, trade policy and manufacturing exports[J]. The World Economy, 2015.

[15] Markusen J R. Trade in producer services and in other specialized intermediate inputs[J]. The American Economic Review, 1989: 85-95.

[16] Francois J, Woerz J. Producer services, manufacturing linkages, and trade[J]. Journal of Industry, Competition and Trade, 2008, 8(3-4): 199-229.

[17] Miles I. Knowledge intensive business services: prospects and policies[J]. Foresight, 2005, 7(6): 39-63.

[18] Miles I. Patterns of innovation in service industries[J]. IBM Systems journal, 2008, 47(1): 115-128.

[19]Macpherson A. Producer service linkages and industrial innovation: results of a twelve-year tracking study of new york state manufacturers[J]. Growth and Change, 2008, 39(1): 1-23.

[20] Shearmur R, Doloreux D, Laperrière A. Is the degree of internationalization associated with the use of knowledge intensive services or with innovation?[J]. International Business Review, 2015, 24(3): 457-465.

[21] Ciriaci D, Palma D. To what extent are knowledge-intensive business services contributing to manufacturing? A subsystem analysis[R]. Institute for Prospective and Technological Studies, Joint Research Centre, 2012.

[22] Ciriaci D, Montresor S, Palma D. Do KIBS make manufacturing more innovative? An empirical investigation of four European countries[J]. Technological Forecasting and Social Change, 2015, 95: 135-151.

[23] Markusen J R, Strand B. Trade in business services in general equilibrium[R]. National Bureau of Economic Research, 2007.

[24] Rychen F, Zimmermann J B. Clusters in the global knowledge-based economy: knowledge gatekeepers and temporary proximity[J]. Regional Studies, 2008, 42(6): 767-776.

[25]譚洪波. 生產者服務業與制造業的空間集聚：基于貿易成本的研究[J]. 世界經濟，2015(3)：171-192.

[26] Antonelli C. Collective knowledge communication and innovation: the evidence of technological districts[J]. Regional Studies, 2000, 34(6): 535-547.

[27] Bellandi M. External economies and local public goods in clusters and industrial districts: Some views[C]//6th International EUNIP Conference. 2002: 5-7.

[28] De Vincenti C. ‘Baumol’s disease’, production externalities and productivity effects of intersectoral transfers[J]. Metroeconomica, 2007, 58(3): 396-412.

[29] Timmer M P, Szirmai A. Productivity growth in Asian manufacturing: the structural bonus hypothesis examined[J]. Structural change and economic dynamics, 2000, 11(4): 371-392.

[30]袁志剛, 高 虹. 中國城市制造業就業對服務業就業的乘數效應[J]. 經濟研究, 2015 (7)：30-41.

[31]陳詩一. 中國工業分行業統計數據估算: 1980—2008[J]. 經濟學 (季刊), 2011, 10(3): 735-776.

[32]鄭學工, 董 森. 不變價服務業增加值核算方法研究[J]. 統計研究, 2012 (11): 14-20.

[33] Berlemann M, Wesselh?ft J E. Estimating aggregate capital stocks using the perpetual inventory method-new empirical evidence for 103 countries[R]. 2012.

[34]Wooldridge, Econometric analysis of cross section and panel data[M]. The MIT Press,2002．

[35]歐陽峣, 易先忠，生延超. 技術差距、資源分配與后發大國經濟增長方式轉換[J].中國工業經濟，2012(6)：18-30.

[36]米增渝，劉霞輝，劉窮志. 經濟增長與收入不平等：財政均衡激勵政策研究[J]. 經濟研究，2012(12)：43-54.

[37] Park S H, Chan K S. A cross-country input-output analysis of intersectoral relationships between manufacturing and services and their employment implications[J]. World Development, 1989, 17(2): 199-212.

[38] Guerrieri P, Meliciani V. Technology and international competitiveness: the interdependence between manufacturing and producer services[J]. Structural Change and Economic Dynamics, 2005, 16(4): 489-502.

[39] Baltagi. Econometric analysis of Panel Data 5th[R]. Wiley,2013.

[40]高覺民,李曉慧. 生產性服務業與制造業的互動機理：理論與實證[J]. 中國工業經濟，2011(6):151-160.

[41] 胡鞍鋼，任 皓. 中國高技術產業如何趕超美國[J]. 中國科學院院刊，2016(12)：1355-1365.

附表1 2014年各國(地區)知識與技術密集型產業增加值 單位：百萬美元(現價美元)

附表2 不同價格核算方法下的回歸結果

附表3 各國(地區)不同發展階段劃分

注：1代表高制造業結構、高服務業結構與高收入水平。

附表4 方程二的回歸估計

內生變量為Lngdpp，使用其滯后一期做為工具變量。

(本文責編：王延芳)

The Synergistic Growth Effect Between Knowledge Intensive Services and High-Tech Manufacturing

REN Hao， ZHOU Shao-jie, HU An-gang

(SchoolofPublicPolicyandManagement，TsinghuaUniversity，Beijing100084,China)

With the transformation of global economic growth, knowledge and technology intensive industries have been a major and growing part of the global economy. In this paper, we found knowledge intensive service and high-tech industry have significantly synergistic growth effect. By using IV regression, we calculated that the output elasticity of knowledge intensive service to high-tech manufacturing is high. Taking interaction effect into consideration, we calculated that the output elasticity is 1.22% with EC3SLS regression. And robustness test results showed that the output elasticity is higher in the low manufacturing structure and low-mid income countries. Based on the empirical results, we argued that the development of knowledge intensive service industries is conducive to the development of high-tech manufacturing in middle income countries, and thus helped to escape the middle income trap.

knowledge intensive service；high-tech manufacturing；output elasticity；middle income trap

2017-06-08

2017-07-10

中宣部全國哲學社科規劃辦高端智庫建設項目(20155010298)。

任皓(1991-)，男，山西長治人，清華大學公共管理學院、國情研究院博士生，研究方向：中國宏觀經濟與產業政策。通訊作者：周紹杰。

F062.9

A

1002-9753(2017)08-0034-12