我國生產性服務業集聚對制造業生產率的影響

蔣雅如

摘要：本文收集2008～ 2017年我國30個省市的面板數據，采用區位熵和赫芬達爾指數分別測算生產性服務業專業化和多樣化集聚度，用Malmquist指數測算制造業生產率，構建固定效應混合回歸模型，測度生產性服務業集聚對制造業生產率的影響。結果表明：我國生產性服務業專業化集聚和多樣化集聚均對制造業生產率有正向顯著的促進作用。

關鍵詞：生產性服務業;專業化集聚;多樣化集聚;制造業生產率

一、引言

我國經濟增長目前正從高速、粗放型、要素驅動增長轉變為中高速、集約型、創新驅動增長模式，供給側改革成為產業發展重要的轉型趨勢。第二產業在我國三次產業結構中依舊占據主要比重，而制造業作為第二產業的核心部分，如何提高制造業生產率，促進制造業增長依舊是重要命題。在調整制造業產業結構的過程中，生產性服務業引領制造業向高端、高效、智能、創新的方向發展，成為制造業增長的重要驅動。2014年，國務院印發《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》，明確提出“加快發展生產性服務業是推動我國產業結構優化調整和促進經濟提質增效升級的重大舉措”。因此，研究如何通過提高生產性服務業發展，從而促進我國制造業的轉型升級具有重要意義。

二、文獻綜述

近年來，關于產業集聚與產業生產效率的研究是國內外學者的研究熱點，研究結論有促進論、阻礙論、條件論、分類論等。比如，宣燁和余永澤（2017）通過對230個城市微觀企業研究發現，城市生產性服務業空間集聚對城市工業企業生產率有顯著提升;周圣強和朱衛平（ 2013）研究發現，自2003年起，產業集聚從規模經濟效應轉變為擁擠效應：韋曙林和歐梅（ 2017）引入外部條件，發現資產專用性水平越低，產業集聚更能促進企業生產率提高;孫曉華和郭旭（ 2015）將制造業分為勞動、資本和技術密集三種類型，并分別對要素集聚與生產率之問的關系進行了實證檢驗。

三、研究設計

（一）指標選取、測度及數據來源

1.被解釋變量

被解釋變量是制造業生產率，參考田友春（ 2008）使用DEA-Malmquist指數模型測算全要素生產率。測算DEA-Malmquist生產率指數需要投入指標和產出指標，因此選用產出Yt，資本投入K和人力投入Lt。Yt的數據使用國家統計局2008～ 2017年30個省份（除西藏）“T業增加值”數據，并用工業生產者出廠價格指數（ 2007= 100）進行平滑處理。采用永續盤存法計算K，測算公式為K= It/Pt+（1-&）Kt-1，其中Kt為當期資本存量，Kt-1為上一期資本存量，It是投資額，Pt為價格，8為折舊率。基期物質資本存量即K采用國家統計局2007年的“制造業全社會同定資產投資”，所有的It均用2007年同定資產投資價格指數做平減處理（ 2007 =100），折舊率采用田友春（2016）中制造業的折舊率7.98%。Lt的原始數據來自2008～ 2017年國家統計局的“制造業城鎮單位就業人員”。使用Deap 2.1測算得到Malmquist值，即為制造業全要素生產率。

2.解釋變量

（1）專業化集聚測度方法及數據來源

對產業集聚指標的測度方法主要包括區位熵指數、空間基尼系數、集中度、赫希曼——赫芬達爾系數、產業相對密集度、EG指數、專業化指數、多樣化指數等。本文在研究和衡量生產性服務業的專業化集聚水平時，考慮到數據的可獲得性，運用區位熵的方法測算全國各省的生產性服務業的集聚水平。區位熵的計算公式為：

Lqij表示i省j產業的區位熵指數，psij表示i省j產業的就業人數占i省總就業人數的比重，xi表示j產業的全國就業人數占全國總就業人數的比重。當Lqi>1時，說明i省j產業的集聚程度高，反之，則集聚程度低。

數據來源于國家統計局2008～ 2017年30個省（除西藏）5個生產性服務業細分行業的城鎮就業人數，五個細分行業分別是交通運輸、倉儲和郵政業，信息傳輸、計算機服務和軟件業，金融業，租賃和商務服務業，科學研究、技術服務與地質勘查業五類。借鑒顧乃華（ 2011）、張浩然（ 2015）的做法，將5個細分行業的就業人數加總作為整體生產性服務業就業人數。

（2）多樣化集聚測度方法及數據來源

生產性服務業多樣化集聚指標的度量，參考劉奕（ 2017）的做法，采用赫希曼赫芬達爾指數。測算公式如下：

Ni代表省份i的生產性服務業種類，Sin為省份i第n個生產性服務行業從業人數與該省份所有生產性服務業從業人數的比值，該指數越大，說明該省份生產性服務業多樣性程度越高。

本文利用除西藏30個省級行政單位為樣本，測算2008～ 2017年這30個省份生產性服務業的多樣化集聚水平。數據來源于同家統計局，采用城鎮就業人員數。

3.控制變量

（1）外商直接投資（FDI）

采取外商直接投資與GDP之比來代表外資對于我國制作業效率的影響，FDI的效應大小將取決于外資的溢出效應和對內資企業競爭效應。因此，外商直接投資的效應取決于兩方面的對比。本文參考吳延兵（ 2012）的思路采用各省份實際外商直接投資額占GDP的比重來衡量該地區經濟開放的程度。本文將外商直接投資根據各年度的匯率平均值調整為人民幣計價。

（2）城鎮化水平（URB）

城市化水平的提高帶動生產資源在城市的集中，通過良好的基礎設施、集中的市場規模和人口的集中導致的技術和知識的外溢效應推動產業效率的提升。城市化帶來的社會效益大于社會成本的提高，城市化水平將繼續提高，直至城市化社會效益不足以抵消城市化擴張帶來的社會成本。借鑒現有研究的普遍做法，綜觀各類指標，“城鎮人口占總人口比重”這一指標得到了廣泛認同和應用，且有權威數據來源，故這里使用年末城鎮人口在總人口中所占的比重來衡量城市化水平。

控制變量數據來源于國家統計局2008～ 2017年30個省（除西藏）的統計數據。

（二）模型設定

TFPit=C+a1LQit+a2HHIit+a3FDIit+a4URBit+εit

（3）

其中，下標i，t表示省份和時問，TFPit表示制造業生產率，是被解釋變量。LQit表示專業化生產性服務業集聚，HHlit表示多樣化生產性服務業集聚，同時作為解釋變量。FDlit URBit為控制變量，分別表示外商直接投資和城鎮化水平，εit表示隨機誤差項。四、我國生產性服務業集聚對制造業生產率的影響分析

（一）描述性統計

解釋變量和被解釋變量測算值及控制變量統計數據的描述性統計如表l所示。

（二）實證結果

本文用Stata14計算實證結果，首先進行豪斯曼檢驗，P值無限趨近于零，表明存在同定效應，因此本文使用同定效應混合回歸模型，并用OLS方法進行估計，估計結果如表2所示。

模型l給出了在控制省份同定效應前提下區位熵和赫芬達爾指數對制造業全要素生產率的估計結果，模型2是在模型一的基礎上引入控制變量后的估計結果。模型1結果顯示，區位熵和赫芬達爾指數均在1%水平上的顯著為正，說明生產性服務業集聚明顯提升了制造業全要素生產率水平，且專業化集聚和多樣化集聚均顯著提升制造業生產率水平。在引入控制變量后，模型2中區位熵在5%水平上為正，赫芬達爾指數在lO%水平上顯著為正，結論與模型l結論一致，說明生產性服務業集聚提升制造業全要素生產率水平這一結論是準確的。

同時，控制變量的系數表明，城市化水平與制造業全要素生產率呈顯著的正相關關系，說明城市化水平越高，越利于制造業全要素生產率的提高，這可能是南于隨著城鎮化的過程通常也伴隨著工業化，工業的發展直接帶來制造業生產率的提高，這也說明我國制造業的發展還有上升的空問：而外商直接投資與制造業全要素生產率呈明顯的負向關系，說明外商直接投資越多，越不利于制造業生產率的提高。

五、結論

本文研究省級層面生產性服務業的專業化集聚和多樣化集聚是對制造業生產率的影響方向和大小，分別測算生產性服務業專業化集聚度和多樣化集聚度，以及測算制造業全要素生產率。研究得出結論，我國省級層面生產性服務業的專業化集聚和多樣化集聚均顯著提升了制造業生產率。

參考文獻：

[1] Rizov Marian， Oskam Arie， Walsh Paul. 2012，“IsThere a Limit to Agglomeration？ Evidence from Productivity ofDutch Firms"， Regional Science and Urban Economics， 42（4）：595-606.

[2]宣燁，余泳澤.生產性服務業集聚對制造業企業全要素生產率提升研究——來自230個城市微觀企業的證據[J].數量經濟技術經濟研究，2017，34（02）：89-104.

[3]周圣強，朱衛平.產業集聚一定能帶來經濟效率嗎：規模效應與擁擠效應[J].產業經濟研究，2013（ 03）：12-22.

[4]韋曙林，歐梅.產業集聚、資產專用性和制造企業生產率[J].當代經濟科學，2017，39（03）：77-85+126-127.

[5]孫曉華，郭旭.工業集聚效應的來源：勞動還是資本[J].中國工業經濟，2015（11）：78-93.

[6]惠煒，韓先鋒.生產性服務業集聚促進了地區勞動生產率嗎？[J].數量經濟技術經濟研究，2016，33（ 10）：37-56.