上海市科技服務業與制造業互動發展實證研究

鄭蘇江，吳 忠

（1.上海工程技術大學管理學院，上海 201620；2.上海理工大學管理學院，上海 200093）

近年來，在中國經濟發展進入新常態的背景下，制造業與傳統服務業、新興科技產業的互動關聯發展勢頭愈發迅猛。科技服務業作為一種當代新型高端生產性服務業態已然把經濟要素與科技要素相連接，不僅增加了制造業生產性服務部門與研發部門的粘性，而且在制造業產業服務化、產業鏈升級、產品升級、服務升級等方面發揮“助推器”的作用。在國家層面，2016年4月國務院正式發布《上海系統推進全面創新改革試驗加快建設具有全球影響力的科技創新中心方案》，明確指出了發展科技服務業的重要意義，并確定了相應的發展目標：計劃在2020年前建設成具有全球影響力的科創中心基本框架體系，到2030年著力形成具有全球化影響力的科創中心核心功能，這一目標進一步突顯出科技服務業在與裝備制造領域及智能制造領域的高質量協同發展需求已經迫在眉睫，相關政策的制定與實施對促進全國科技服務業與制造業的高質量發展也至關重要；在市級層面，根據上海市商務委員會近期公布的統計數據顯示：德國化工巨頭巴斯夫公司在上海投建了其在亞洲的第3家共創中心，2019年1—8月期間上海市科技服務業已經得到外資10.38億美元，同比增長幅度高達186.4%，相關指標均創歷史新高，科技企業的創新能力與產業孵化能力不斷增強。從產業結構橫向發展角度出發，以密集型高、附加值大、輻射范圍廣為特點的科技服務業主要通過滲透效應向相關傳統制造業提供知識創新思路，以期大幅度提高生產效率并從高質量層面實現制造業服務化；從產業結構縱向角度出發，科技服務業通過關聯效應從制造業全球價值鏈（GVC）的產品設計、研發、生產、營銷、售后等環節進行增值活動，以實現資源的合理配置以及多產業的互動融合發展。因此，面對新一輪的全球化產業變革與科技革命，重點深化研究上海市科技服務業與制造業的高質量互動融合發展有利于制造業新技術、新模式、新業態的形成，并促進新時代背景下制造業的科技資源整合與創新要素集聚。

1 文獻回顧

縱觀全球科技服務業的發展歷程，科技服務機構以資訊類機構的身份最早誕生于19世紀中期，在20世紀中期第三次科技革命的背景下出現了大量新興科技服務機構，并在20世紀末期初步形成科技服務業態。近年來，基于數字經濟的快速發展背景下，云計算、大數據、人工智能等行業的快速興起，科技服務業已然成為國家重點發展行業，不斷深化推進經濟發展水平向中高端層次邁進

目前，學術界對于科技服務業與制造業的融合互聯發展研究在已有雛形的基礎上展開了更深層次的研究：國內學者田振中［1］、司增綽等［2］、周慧妮等［3］、唐曉華等［4］分別以河南省、江蘇省、北京市、遼寧省為例，選取不同年限區間及相應地區的投入產出表數據建立面板模型，利用灰色關聯分析法與專利系數法并結合本省市的相關政策背景，從制造業技術融合度、產業關聯程度、制造業產業升級方向等三個層面對地區科技服務業與制造業協同發展的現狀進行了深入研究。梁永福等［5］以臺灣時間序列數據為基礎建立VAR模型并進行單位根檢驗與協整檢驗分析，通過對比廣東省研發服務業與制造業的發展現狀提出了相應的對策建議；張琴等［6］選取上海、北京、江蘇、廣東作為樣本地區，從競爭效應、知識外溢效應以及產業協同效應等三個層面實證分析了地區科技服務業集聚對制造業發展的影響機制；張鵬等［7］、張媛媛［8］則從制造業與科技服務業的互動發展需求出發，從產業規模、科創能力、服務能力、發展潛力等4個維度構建全國科技服務業發展水平評價指標體系，并對科技服務業與不同技術層次制造業之間的前后向產業關聯度進行了動態與靜態的研究分析，研究結果顯示：全國科技服務業整體發展水平呈現逐年穩步上升的趨勢，國內中部、東部、西部的科技服務業發展水平存在明顯的板塊差異，有關部門需要重點關注制造業與科技服務業的前后向產業關聯，進一步提升科技服務業對高端技術制造業的支撐與引領作用。

國外學者一般會把科技服務業稱為KIBS知識密集型服務業（Knowledge Intensive Business Services）。Hertog［9］指出科技服務業充當著創新的共同生產者，是科技創新的載體和促進者，他還提出了一個服務創新的四維模型用于進一步分析知識密集型服務在創新中的作用機制。Asikainen［10］認為知識密集型企業是科學技術與市場的知識傳遞者，在新興產業研究與創新體系的發展中凸顯核心作用。Pina等［11］選取英國362家KIBS企業作為研究對象，通過樣板數據深入分析了3個熱門行業在研發、設計與創新層面的功能作用。Desmarchelier等［12］構建了一個涉及工業、消費服務業、消費者、KIBS企業和銀行系統等主體的多元代理分析模型，重新評估了知識密集型企業與經濟增長之間的關系，研究結果顯示：科技服務業的發展是經濟增長的強大動力，并且可以替代經濟增長過程中的物質資本積累，但物質資本積累仍然是經濟增長的重要因素。

根據學術界目前的研究現狀來看，已有文獻更多的是分析科技服務業對制造業的效率、產業關聯、協同創新等方面的影響，而從科技服務業與制造業發展互動關系角度展開研究的高質量文獻非常少，且研究方法較為單一。因此，本文構建了VAR向量自回歸模型與ECM誤差修正模型，結合協整檢驗、Granger因果檢驗、脈沖響應與方差分解分析方法，通過分析樣本指標數據間的長期與短期動態作用機制，實證研究了上海市科技服務業與制造業的產業發展互動關系。

2 數據來源與變量選取

2.1 研究數據

本文研究的時間跨度為2003—2017年，樣本數據采用年度數據，數據來源為2004—2018年《中國統計年鑒》《上海統計年鑒》《上海科技統計年鑒》的原始數據經過匯總整理得到。同時，為了保證樣本數據的平穩性并消除變量異方差的影響，需要對樣本變量進行對數化預處理，其結果分別記為LNRD和LNMAF。圖1可以更為直觀的展示此時兩個變量序列的變化趨勢：LNRD和LNMAF的時間序列曲線具有較大的相似性。

圖1 LNMAF&LNRD的時間序列曲線

2.2 變量選取

羅建強等［13］利用灰色關聯模型實證研究了南京市科技服務業與制造業之間的互動關聯關系，研究結果表明從事科技服務業行業的R&D人員在數量及質量層面對制造業的發展水平影響較大，且R&D經費的使用合理性是影響制造業發展的核心因素。另外考慮到相關數據的可獲得性，本文以上海市高技術產業（電子通信設備制造業、電子計算機及辦公設備制造業、醫療設備及儀器儀表制造業、航空航天器制造業、醫藥制造業、信息化學品制造業）的R&D經費支出（RD）作為衡量上海市科技服務業發展程度指標；考慮到相關數據的可獲得性，以上海市6個重點發展工業行業（電子信息產品制造業、汽車制造業、石油化工及精細化工制造業、精品鋼材制造業、成套設備制造業、生物醫藥制造業，占全市工業總產值比重約為63.4%～68.9%）的年產值（MAF）作為衡量上海市制造業發展水平指標。

3 實證分析

本文構建了VAR向量自回歸模型與ECM誤差修正模型，結合脈沖響應與方差分解分析方法，通過采集上海市科技服務業（RD）與制造業（MAF）發展程度的衡量指標數據，并分析該數據間的長期與短期動態作用機制，實證研究了上海市科技服務業與制造業的產業發展互動關系。

3.1 變量平穩性檢驗

對數據進行平穩性檢驗是建立時間序列模型的一個前提，導致模型“偽回歸”現象出現的一大重要原因就是變量序列不平穩。本文選取ADF(Augmented Dickey-Fuller)單位根檢驗法對樣本數據的平穩性進行檢驗，滯后階數M根據SIC準則來確定，檢驗結果如表1所示。

表1 變量ADF檢驗結果

結果顯示，經過對數化處理后的數據LNRD與LNMAF都不是平穩的時間序列數據，但是經過一階差分后，ΔLNRD與ΔLNMAF在5%顯著性水平下都拒絕原假設（平穩數據）。因此，兩組數據均為一階單整序列，有LNRD～I(1)，LNMAF～I(1)。

3.2 VAR模型的建立

建立VAR模型的核心在于最優滯后期數的選定，其基本思路為：首先任意選定一個滯后階數，直接建立VAR模型并進行回歸分析，然后參考AIC、SC、HQ等五項指標的信息準則來確定最優的滯后期數（如表2所示）。

表2 VAR模型滯后階數準則信息表

根據表2中的相關準則信息，選取*數量最多的那行指標數據所對應的滯后階數2作為該VAR模型的最優滯后階數。因此，以科技服務業發展指標LNRD與制造業發展指標LNMAF兩組數據建立VAR（2）模型，對應的VAR模型表達式為：

首先，該VAR（2）模型中的各檢驗統計量均符合檢驗標準，兩個方程的擬合優度值分別為0.978 4、0.950 4，表現出了較好的變量解釋能力，且模型方程的整體擬合效果表現良好。其次，在確定最優滯后期數之后，需要對已經建立的VAR（2）進行模型穩定性檢驗。在一個VAR模型中，AR根的總數計為NM，N表示變量的數目，M表示模型的最優滯后期數，由此可得該VAR（2）模型的AR根數目為2（2個變量）×2（最優滯后期數）=4。本文通過AR根在單位圓的分布情況（圖2）來判定模型的穩定性：AR根分布在單位圓內部表明該VAR模型是穩定的，AR根分布在單位圓外部則表明該VAR模型是不穩定的。根據圖2可以得到最終模型穩定性檢驗的結果：該VAR（2）模型的4個根全部位于單位圓內部，模型穩定，滿足后續對該模型進行脈沖響應分析與方差分解分析的前提。

圖2 VAR模型穩定性檢驗結果

3.3 協整檢驗分析

經過ADF單位根檢驗可以得出LNMAF與LNRD均為一階單整序列，為了避免“偽回歸”現象的發生，需要進一步對其進行協整檢驗分析。通過協整檢驗可以判斷多個非平穩變量之間是否存在長期的均衡關系，學術界的主流方法為EG檢驗與JJ檢驗。EG檢驗主要是針對2個變量，通過對兩個變量進行OLS回歸并檢驗回歸方程殘差序列的平穩性；JJ檢驗則是根據跡檢驗統計量與最大特征根檢驗統計量的指標值，結合P值來分析多個變量之間的均衡關系。鑒于LNMAF與LNRD都是一階單整序列，本文選取EG兩步檢驗方法：

第一步，以LNMAF為被解釋變量，LNRD為解釋變量，進行OLS回歸分析得出協整方程表達式：LNMAF=0.847LNRD+6.024+μt

第二步，對協整回歸方程的殘差序列進行ADF單位根檢驗來判定其序列的平穩性，根據SIC準則確定最優滯后期為0，檢驗結果如表3所示。

表3 協整方程殘差μt的ADF檢驗結果

結果表明回歸殘差序列μt在1%顯著性水平下拒絕原假設，接受不存在單位根的結論（μt為平穩序列）。因此，變量LNMAF與LNRD二者之間存在長期穩定的均衡關系，即：序列LNMAF與LNRD是（1，1）階協整的。

3.4 ECM誤差修正模型

在分析模型的誤差修正方面，學術界通常建立ECM模型或VEC模型，ECM模型適用于兩個變量的誤差修正分析，多個變量的分析一般采用VEC模型。根據上文的變量協整檢驗分析可知變量LNMAF制造業發展程度指標與LNRD科技服務業發展程度指標之間存在長期均衡關系，且殘差序列μt為平穩序列。因此，本文將μt作為誤差修正項，建立誤差修正模型，根據表4中的模型估計結果可知：信息準則AIC值、SC值、HQ值分別-1.009 672、-0.918 378、-1.018 123，表明樣本模型表現情況良好，根據表中參數可得出ECM誤差修正模型表達式為：

D(LNMAF)=0.927D(LNRD-0.472(LNMAFt-1-6.024-0.847LNRDt-1)

表4 ECM模型估計結果

根據誤差修正模型表達式可知，-0.472(LNMAFt-1-6.024-0.847LNRDt-1)為誤差修正項，系數-0.472表示誤差修正項在模型偏離長期均衡狀態時對D(LNMAF)具有負向修正機制：變量在短期內的波動偏離長期均衡狀態時，將以47.2%的調整力度從非均衡狀態拉回均衡狀態。一階差分項LNMAFt-1-6.024-0.847LNRDt-1表示變量LNMAF與LNRD之間的長期均衡關系。另外，該ECM模型可以反映出被解釋變量D(LNMAF)短期波動的影響因素來源于兩個部分：一部分源自于解釋變量D(LNRD)科技服務業發展程度的短期波動影響，另一部分是反映LNMAF上海市制造業發展程度與LNRD科技服務業發展程度之間長期均衡關系的均衡誤差（上一期的LNMAF對均衡水平的偏離程度）。

3.5 Granger因果檢驗

建立VAR模型的一個重要應用在于分析經濟時間序列變量間的因果關系［14］，為了進一步探究兩個變量間的長短期均衡關系是否還存在因果關系（檢驗統計意義上的因果關系），本文采用Granger因果關系檢驗法(Granger Test of Causality)分析LNRD科技服務業發展的變化與LNMAF制造業發展的變化之間是否存在引起與被引起的關系。由于格蘭杰因果關系檢驗對滯后期數的選擇比較敏感，因此本文根據信息準則AIC值最小原則確定最優滯后期數為2，檢驗結果如表5所示。

表5 LNMAF&LNRD的Granger因果關系檢驗結果

根據檢驗結果可知：LNRD科技服務業發展指標與LNMAF制造業發展指標之間僅存在單向因果關系；在5%顯著性水平下，當滯后期數為2時，P值分別為0.030 7和0.491 1，拒絕原假設1（LNRD不是LNMAF的格蘭杰因），接受原假設2（LNMAF不是LNRD的格蘭杰因）；上海市科技服務業的發展是影響制造業發展的格蘭杰因，但上海市制造業的發展不是影響科技服務業發展的格蘭杰因。因此，上海市科技服務業的發展對相關制造業的發展具有一定的正向推動作用，但制造業的發展并沒有明顯的刺激科技服務業的發展，且上海市科技服務業與制造業之間的關聯互動發展趨勢尚未成熟。

3.6 脈沖響應分析

為了進一步研究上海市科技服務業與制造業發展的局部動態關系，本文利用脈沖響應函數（IRF）來說明模型內生變量對于誤差出現所產生的反應［15］，以捕捉某個干擾項的沖擊因素對所有內生變量在一定時間段內（當前到未來）的影響效應。LNRD科技服務業發展指標與LNMAF制造業發展指標的脈沖響應分析結果如圖3所示，圖中橫坐標代表滯后期數（波動持續的時間長度），縱坐標代表脈沖響應數值（單位沖擊引起的波動大小），每個坐標軸內實線部分表示脈沖響應函數，實線兩側的虛線部分表示偏離正負兩倍標準差的響應函數。

圖3 LNMAF&LNRD的脈沖響應結果

具體表現為：當科技服務業發展指標LNRD在受到自身一個單位正向標準差沖擊后，會立即產生強烈的正向響應，并在第一期達到峰值0.092，隨后的正向響應幅度逐漸減弱，脈沖響應值在第八期后維持在0.39附近；對LNMAF制造業發展指標施加一個單位正向標準差的沖擊之后，LNRD科技服務業發展指標并沒有在第一期的時間節點立刻做出響應，而是逐漸產生一定幅度的正向響應趨勢并在第四期達到峰值0.039，隨后有輕微的負向響應趨勢，數值輕微下滑至0.34并在第八期后保持平穩；

對LNRD科技服務業發展指標施加一個單位正向標準差沖擊后，制造業發展指標LNMAF立刻做出強烈的響應，后期的響應程度逐漸減弱且存在小幅度波動，脈沖響應數值在第七期后維持在0.06，表明上海市制造業的發展對來自科技服務業的擾動做出了積極地響應，且該正向響應趨勢長期穩定存在；當制造業發展指標LNMAF受到了來自自身的單位正向標準差沖擊后同樣會在第一期迅速給予響應，中期存在一定幅度的正向響應弱化趨勢，最終在第六期后基本趨于穩定。

3.7 方差分解分析

方差分解可以進一步分析結構沖擊對內生變量變化的影響效應，并對不同結構沖擊的貢獻度做出評價［16］，本文采用Cholesky分解法對LNRD上海市科技服務業發展指標與LNMAF制造業發展指標的預測均方誤差展開分解，結果如表6所示。

表6 LNMAF&LNRD方差分解結果

在反映制造業發展指標LNMAF的10期方差波動中，有0～47.99%的波動可以由LNRD科技服務業發展指標來解釋，其解釋能力呈現出緩速增強的趨勢并在第八期之后穩定在46%附近；制造業發展指標LNMAF對自身波動的貢獻度為52.01%～100%，其自身貢獻度的變化呈現階梯型弱化趨勢，最終在第八期后基本穩定，總體可以反映出上海市科技服務業的發展指標對制造業的發展指標存在較為顯著的長期波動影響。

在反映科技服務業發展指標LNRD的10期方差波動中，有0.62%～11.66%的波動可以由LNMAF制造業發展指標來解釋，其影響程度從第二期開始趨于平穩，波動水平維持在7%～10%之間；科技服務業發展指標LNRD對自身的貢獻度第一期為99.38%，在第二期的下降幅度最大，后期保持在89%的貢獻度水平，這也反映出上海市科技服務業的發展在很大程度上是依靠自身，制造業的發展并沒有對科技服務業的發展產生較大的推動力，二者之間的互動融合發展成效有待進一步優化與完善。

4 研究結論

（1）協整檢驗分析結果：變量LNMAF制造業發展指標與LNRD科技服務業發展指標二者之間存在長期穩定的均衡關系，即：序列LNMAF與LNRD是（1，1）階協整的。

（2）ECM誤差修正模型分析結果：長期均衡對于LNMAF和LNRD的短期波動影響在統計上是顯著的，被解釋變量D（LNMAF）短期波動的影響因素來源于兩個部分：一部分源自于解釋變量D（LNRD）科技服務業發展程度的短期波動影響，另一部分是反映LNMAF上海市制造業發展程度與LNRD科技服務業發展程度之間長期均衡關系的均衡誤差（上一期的LNMAF對均衡水平的偏離程度）。

（3）Granger因果關系檢驗結果：LNRD科技服務業發展指標與LNMAF制造業發展指標之間僅存在單向因果關系，上海市科技服務業的發展是影響制造業發展的格蘭杰因，但上海市制造業的發展不是影響科技服務業發展的格蘭杰因。表明上海市科技服務業的發展對相關制造業的發展具有一定的正向推動作用，但制造業的發展并沒有顯著的刺激科技服務業的發展，使得上海市科技服務業與制造業之間的關聯互動發展趨勢尚未成熟。

（4）脈沖響應分析結果：LNRD科技服務業發展指標與LNMAF制造業發展指標這個兩個變量不僅會受到顯著的自身沖擊影響，而且二者在短期內存在相互的正向響應效應（LNRD對LNMAF的響應程度更為顯著），該響應長期存在并在一定時期后趨于平穩，表明上海市制造業的發展對來自科技服務業的擾動做出了積極地響應，且該正向響應趨勢長期穩定存在。

（5）方差分解分析結果：在LNRD與LNMAF的10期方差波動中，LNRD科技服務業發展指標對LNMAF制造業發展指標存在一定的長期波動影響，相比之下，LNRD對LNMAF的波動影響要大于LNMAF對LNRD的波動影響。總體可以反映出上海市科技服務業的發展對制造業的發展產生了較為顯著的長期波動影響，二者之間的互動融合發展成效有待進一步優化與完善。