生產性服務業數字化轉型、空間集聚與制造業技術創新研究

摘 要：生產性服務業作為現代化經濟體系的重要組成部分，其集聚發展已經成為我國經濟高質量發展的重要引擎，而數字化轉型在工業領域的偏向性配置卻改變著生產性服務業集聚效果，并給創新發展帶來積極影響。選取2013—2022年中國30個省份面板數據為樣本數據，運用包含調節效應的空間杜賓模型研究方法，檢驗生產性服務業數字化轉型、空間集聚對制造業技術的影響效應。研究發現：生產性服務業數字化轉型、專業化集聚等顯著地促進了制造業技術創新，而多樣化集聚雖推動了本地制造業技術創新，但對鄰近地區卻產生負向作用。生產性服務業數字化轉型在空間集聚影響技術創新時發揮了積極的調節作用，強化了專業化集聚對技術創新的積極影響，減弱了多樣化集聚產生的負向外溢效應，這一作用機制是通過優化產業結構的傳導路徑實現的。

關鍵詞：生產性服務業；數字化轉型；空間集聚；技術創新；空間杜賓模型

中圖分類號：F 036；F 062.9

文獻標識碼：A 文章編號：1672-7312（2024）04-0363-08

Research on the Digital Transformation and Spatial Agglomeration of Producer Services and Manufacturing Technology Innovation

WANG Bifeng1，LAI Zhihua2

Abstract：As an important part of the modernized economic system，the agglomeration development of producer services has become an important engine for the high-quality development of China’s economy，while the biased configuration of the digital transformation in the industrial sector is changing the established effect of producer services agglomeration and bringing a positive impact on innovation development.Using the panel data of 30 provinces and municipalities in China from 2013 to 2022 as sample data，the paper examined the impact of the digital transformation and spatial agglomeration of producer services on manufacturing technology innovation with a spatial Durbin model that includes moderating effects.The results show that：the digital transformation and specialization of producer services significantly promote technological innovation in manufacturing industries，while diversified agglomeration promotes technological innovation in local manufacturing industries but negatively inhibits it in neighboring regions.The digital transformation of producer services plays a positive moderating role in spatial agglomeration influencing technological innovation，strengthens the positive influence of specialization agglomeration on technological innovation，and weakens the negative spillover effect of diversification agglomeration.This mechanism of action is realized through the transmission path of optimizing industrial structure.

Key words：producer services；digital transformation；spatial agglomeration；technological innovation；spatial Durbin model

0 引言

生產性服務業具有創新性強、規模經濟顯著、人才凝聚力強等特征[1-2]，其數字化轉型驅動制造業技術創新發展。生產性服務業數字化轉型是數字化、網絡化與智能技術在生產性服務業的擴散和應用，是數字要素驅動金融服務、信息服務、研發和科技服務等生產性服務業領域全方位的根本性變革，是現代信息技術的集成突破及其與生產性服務業的滲透融合。數字化轉型突破了信息傳播的時空約束，利于區域間經濟活動關聯廣度和深度的拓展[3]。有效擴大服務業的服務半徑[4]，賦能服務業結構升級，提升了服務業勞動生產率[5]，從而為服務業在新技術變革下的轉型升級提供了重要契機。數字化轉型提升服務供需、優化資源配置效率[6]，降低服務業的交易成本與推動服務業轉型[7]，強化了服務業規模經濟、范圍經濟及長尾效應等優勢特性[8]。以“數字+”為代表的新服務有望成為我國經濟增長的新動能[9]，通過促進技術創新[10]以提升服務業全要素生產率方面發揮的積極作用。生產性服務業數字化轉型可突破時空的物理約束[11]，借助高協同性的數字平臺對空間組織發揮效能[12]，加速驅動產業集聚[13]。

生產性服務業空間集聚不僅促進內部效應提升，而且通過產業關聯效應提升了行業間外部效應。尤其是知識密集型服務業作為先進制造業的重要投入要素，不斷持續推動制造業的研發和產品創新[14]。生產性服務業空間集聚推動勞動力市場多元化，降低勞動力匹配和中間投入的交易成本[15]。在推廣新知識和新技術同時，加速技術協同創新、產品創新和優質人力資本溢出[16]，從而對創新產生正向影響效應[17]，但這種影響效應表現出城市和行業的異質性[18-19]。產業空間集聚模式有以Marshall、Arrow、Romer為代表的專業化集聚和以Jacobs為代表的多樣化集聚。由于知識和技術的溢出效應，生產性服務業專業化集聚對技術創新產生積極影響[20]。但也有學者指出，由于擁擠效應，其專業化集聚對創新的影響效應呈現出先促后抑的倒U型[21-22]。多樣化集聚有助于提供差異、互補的創新發展環境，從而產生積極的創新推動作用[23-24]。

現有文獻主要探討了服務業數字化轉型對其生產效率提升、生產性服務業集聚對創新影響等方面，較少文獻從數字化轉型視角研究生產性服務業空間集聚與技術創新間關系，現有研究為探究生產性服務業數字化轉型、空間集聚與制造業技術創新關系提供有益借鑒。因此，在測度生產性服務業數字化轉型、空間領取集聚基礎上，利用各省市面板數據，對生產性服務業數字化轉型和空間集聚對創新發展的綜合作用進行系統探究，以期為實現各省市創新發展和高質量發展提供有益借鑒。

1 理論機制分析

1.1 生產性服務業空間集聚、外溢效應與制造業技術創新

生產性服務業集聚通過技術外溢效應、優化配置效應與規模經濟效應等形成了創新網絡，驅動制造業創新發展。產業集聚促進了知識、技術及數字信息在行業內或行業間的傳遞和擴散[25]，降低了制造業配套所需的中間投入品交易成本和風險[26]，從而促進了知識和技術的外溢。推動了知識和技術資源自由流動[27]，通過技術外溢效應產生正向外部性，極大地提高了資源配置效率。充分發揮勞動力共享、知識外溢等共享機制[28]，通過產業關聯效應，在加速本地制造業創新同時，對周邊區域產生輻射效應。

1.2 生產性服務業數字化轉型、空間外溢效應與制造業技術創新

數字化轉型變革了企業傳統組織形式，驅動了數字和技術的交流與共享[29]，擴展和深化了產業創新的廣度和深度。突破物理距離限制，加速了上下游企業間的信息傳播效率[30]，為數字和技術充分流動提供了保障，促進研發資源共享。在創新追趕和示范效應作用下，進一步驅動空間溢出效應。加速創新主體和創新資源集聚發展，推動產業鏈上下游的創新發展，形成跨產業、跨領域、跨技術的創新協同發展，為創新發展提供更強勁動力。

1.3 數字化轉型在生產性服務業集聚影響制造業技術創新的調節效應和中介效應

產業空間布局受到政策導向、市場需求、要素稟賦等諸多因素影響，其中，科技變革的影響最為顯著。數字化轉型打通了產業壁壘，促進知識和技術共享，加速人才、資本、技術等要素流動，提升資源配置效率。通過高協同性和正反饋效應形成具有強烈互動的產業集群，再通過橫向或縱向產業關聯，進一步降低其他產業采用新技術范式所需要的成本。搭建創新生態網絡，為資源在更大范圍內的配置提供了可能[31]，形成更加高效的產業集聚，從而對創新發展產生更加積極影響。生產性服務業作為制造業價值鏈環節的重要投入要素，數字化轉型推動研發設計、生產管理、信息咨詢等高端生產性服務業快速發展，產業結構優化升級，沖破服務要素流動壁壘，進一步促進了高端生產性服務業集聚發展。

2 研究設計

2.1 計量模型構建

為探究制造業技術創新過程中生產性服務業數字化轉型和空間集聚的空間影響效應，檢驗生產性服務業數字化轉型對其空間集聚的創新效應的調節作用，緩解因重要變量缺失而造成的內生性偏誤[32]，采用包含調節效應的時間和空間固定的杜賓模型[33]。模型設定如下：

Innit為各省（市）制造業技術創新；Dtpit、Marit和Jacit等分別為生產性服務業數字化轉型、專業化集聚和多樣化集聚綜合指數等核心解釋變量；Xit為控制變量；wij為對角線元素為0的N階空間權重矩陣；β、為解釋變量的待參數估計；ρ、θ、γ待估計的空間自相關系數；λi、t分別為城市和時間固定效應；εit為隨機擾動項。

2.2 變量選取

2.2.1 制造業技術創新（Inn）

文章以規模以上工業企業新產品銷售收入衡量制造業技術創新。新產品銷售收入不僅可彌補專利數量在衡量制造業技術創新成果質量的不足，而且還可衡量技術創新的商業化成果[34]。制造業技術創新以新產品銷售收入的對數形式表征。

2.2.2 核心解釋變量

1）生產性服務業數字化轉型。

考慮到生產性服務業數字化轉型不僅受到行業數字化投入水平影響，而且還受到經濟體數字經濟環境的影響，鑒于數據的可得性，借鑒黨琳等[35]、齊俊妍等[36]的做法，結合經濟體數字經濟環境和行業數字化投入水平等維度從數字人才、產業數字化投入、產業數字化收入、數字基礎設施等四個方面構造指標體系，采用熵值法測度生產性服務業數字化轉型綜合指數（Dig），各指標權重計算結果見表1。

2）生產性服務業集聚。

運用Combes提出的方法[37]，測度生產性服務業專業化集聚（Mar）和多樣化集聚（Jac），公式如下式中，Eij為省（市）i生產性服務業j的就業人數；Ei為省（市）i就業總人數；E′j為除i省（市）外其它各省（市）生產性服務業j的就業總人數；E′除i省（市）外其它各省（市）的就業總人數。

式中，E′ij為省（市）i除生產性服務業j外的其它生產性服務業就業總人數；Ej為全國生產性服務業j的就業總人數；Ei為省（市）i就業總人數。

2.2.3 控制變量

1）研發投入強度（Sei）：采用各省市在科學技術和教育財政支出之和占財政支出的比值衡量。

2）政府干預（Gov）：采用財政支出占GDP比重衡量。

3）經濟發展水平（Gdp）：采用人均GDP的對數值衡量。

4）外商直接投資（Fdi）：用當年實際使用外資占地區生產總值比值衡量。

5）人口密集度（Pop）：采用地區人口（年末常住人口）與行政區域面積的比值衡量。

6）固定投資水平（Inv）：使用固定資產投資額占GDP的比重衡量。

鑒于數據可獲得性，根據研究需要，文章選取2013—2022年中國30個省份（除西藏和港澳臺地區外）的面板數據進行實證分析。為避免物價波動的影響，對貨幣計量的指標采用價格指數進行整理，基期為2012年。相關數據來源于各省統計年鑒和Wind數據庫。

3 時空演化特征分析

在測算生產性服務業數字化轉型、多樣化集聚和專業化集聚指數基礎上，采用高斯核密度函數分析其時空演化特征。選擇2014年、2018年和2022年等數據進行估計，通過分析其高斯核密度二維分布圖的分布位置、形態和極化現象等探究生產性服務業數字化轉型、多樣化集聚和專業化集聚的時空演化特征，如圖1-3所示。

生產性服務業數字化轉型、多樣化集聚和專業集聚具有如下動態分布特征：首先，分布曲線的分布位置均呈現右移態勢。其中，生產性服務業多樣化集聚曲線的中心位置移動幅度較大，而數字化轉型和專業化集聚曲線中心位置移動幅度相對較小。這說明著生產性服務業數字化轉型、多樣化集聚和專業化集聚水平均有不同程度提升，其中，多樣化集聚提升幅度最大。其次，從分布形態來看，生產性服務業數字化轉型的主峰高度呈現先下降后上升的趨勢，其寬度有所拓寬；多樣化集聚的主峰高度不斷下降，其寬度持續拓寬；專業化集聚的主峰高度在2022年大幅下降，其寬度也大幅變寬。這意味著生產性服務業多樣化集聚和專業化集聚發展的地區差異變大，而地區間數字化轉型差異程度有所緩解。再次，從分布延展性來看，生產性服務業數字化轉型和專業化集聚呈現右拖尾延展拓展，表明數字化轉型和專業化集聚程度高的區域占較大比重；而多樣化集聚是左拖尾延展拓展，多樣化集聚程度低的區域占較大的比重。這意味著生產性服務業數字化轉型、多樣化集聚和專業化集聚的非均衡發展更加明顯。從極化現象來看，觀測期內雖呈現多個不明顯的側峰，但主峰只有一個。這意味著隨著生產性服務業數字化轉型、多樣化集聚和專業化集聚等不斷發展，上述指標為未呈現出明顯的兩極分化現象。

4 實證結果分析

4.1 空間計量模型設定檢驗

借鑒ELHORST的做法，對空間計量模型進行如下的設定檢驗。首先，為了檢驗空間效應是空間滯后相關還是空間殘差相關引起的，文章采用LM檢驗結果見表2。Moran’s I在1%顯著性水平下顯著，表明我國制造業技術創新存在正向的空間依賴性。LM_Error和LM_Lag穩健檢驗分別在1%和5%水平顯著，表明采用SAR或SEM模型均是合適的。其次，為了檢驗空間杜賓模型是否更合適，進一步采用LR檢驗和Wald檢驗。檢驗結果拒絕了SDM模型是可退化為SAR模型或者SEM模型原假設，這意味著采用SDM 模型來研究制造業技術創新間空間相關性更為合理和可靠。此外，Hausman檢驗（70.1348***）表明可以采用固定效應模型。因而，選用了時間和空間雙固定的空間杜賓模型，構建了地理與經濟距離嵌套矩陣w=τwg+（1－τ）we（0lt;τlt;1），用來衡量各省（市）在地理和經濟上雙重空間鄰近性。其中，wg地為地理距離矩陣;wg=1/dij，式中dij指的是各省（市）間的地理距離，采用各省（市）政府駐地的經緯度測算。

we為經濟距離矩陣，we=1/（Qi－Qj），式中Q指的是各省（市）人均地區生產總值。采用R2和log-likelihood值作為τ取值的判斷標準。根據測算結果，當τ=0.5時R2（0.976 9）和log-likelihood（587.465 2）檢驗值最大。因而，取τ=0.5構造地理與經濟距離嵌套矩陣。

4.2 基礎回歸分析

為驗證估計結果的可靠性和穩健性，依次列出其他對比模型的估計結果，具體結果見表3。由表3的回歸結果可知，空間自回歸和空間誤差項系數均為正，并且在1%水平下顯著，進一步說明各省（市）制造業技術創新表現為正向的空間關聯性，與前文Moran’s I指數估計結果一致。

生產性服務業數字化轉型對制造業技術創新產生統計上顯著的正向效應，同時，對鄰近地區制造業技術創新產生正向空間溢出效應。隨著數字經濟發展，各地大力推進產業數字化轉型，促進數據、技術等生產要素在區域間更加自由地流動，推動了作為投入要素的生產性服務業對制造業技術創新的影響[38-39]。

知識和技術是驅動技術創新的關鍵要素，生產性服務業數字化轉型有助力于知識的溢出和技術的擴散，進而對生產性服務業和制造業的深度融合產生推動作用，降低制造業吸收知識和學習技術的門檻和成本，對制造業技術創新產生積極的影響[40]。

生產性服務業專業化集聚、多樣化集聚對本地創新發展產生顯著的正向影響，同時專業化集聚對鄰近地區制造業技術創新產生正向空間溢出效應，但多樣化集聚卻產生負向的空間溢出效應。專業化集聚為知識和技術等創新要素提供自由流動的良好環境，通過示范效應和競合效應提升創新產出質量[41]，促進企業更高效地開展創新協同合作，成為創新發展的重要推動力。由于省域間經濟發展非均衡性，多樣化集聚度高的地區會對鄰近區域產生虹吸效應，不利于產業間的協同發展[42]，從而表現為負向的空間外溢效應，這意味著多樣化集聚抑制了鄰近地區創新發展。為了進一步驗證空間溢出效應，同時，為了反映技術創新過程中數字化轉型的調節效用，在空間杜賓模型中進一步加入生產性服務業數字化轉型與專業化集聚、多樣化集聚的交互項。借鑒LESAGE等的做法[43]，對經濟地理嵌套矩陣下的估計結果基于偏微分法進行直接效應和外溢效應的分解。其中，直接效應表明對本地制造業技術創新的影響效應，外溢效應表明對經濟地理鄰近地區技術創新的影響效應。空間效應的分解結果見表4。

4.3 調節效應檢驗

表4估計結果表明，生產性服務業多樣化集聚對本地制造業技術創新產生顯著的正向作用，但卻抑制了周邊地區的技術創新。為促進經濟高質量發展，各地政府高度關注以生產性服務業為核心的現代服務業發展。但由于缺乏頂層設計和科學規劃，各地沒有因地制宜，導致多樣化集聚模式沒有與本地工業結構特征和比較優勢相匹配，各地生產性服務業發展呈現同質化[44]。這種集聚模式雖然能對本地制造業技術創新產生推動作用，但“大而全、小而全”的生產性服務業多樣化、同質化集聚無法實現地區間的優勢互補，對生產性服務業與制造業的空間關聯效應產生負向的抑制作用，從而對相鄰地區制造業技術創新產生負向的影響效應。專業化集聚不但顯著地推動本地制造業技術創新，而且顯著地促進相鄰地區的技術創新。由于各地結合自身工業結構特征和比較優勢推進專業化集聚發展，不僅為本地制造業提供匹配的專業化服務投入要素，而且通過產業關聯效應對鄰近地區制造業創新發展產生積極影響。

表4中無論是基礎模型（2）還是納入調節效應的模型（3）-（5），生產性服務業數字化轉型的參數估計顯著為正，意味著數字化轉型不僅促進了本地技術創新，而且對相鄰地區技術創新產生積極效應。生產性服務業作為制造業重要投入要素，其數字化轉型推進了知識和技術的交流、傳播與擴散，加速地區間、產業間知識和技術的流動與共享，強化產業關聯，為制造業發展提供更優化的創新環境。不僅滿足本地制造業對金融、研發等專業化服務投入要素的需要，而且通過投入產出的關聯效應對鄰近地區制造業技術創新實現共享和外溢。加入Dig*Mar和Dig*Jac的交互項后，生產性服務業數字化轉型對技術創新的回歸系數有不同程度的增加，說明數字化轉型在發揮調節效應同時，進一步促進技術創新。生產性服務業作為制造業重要投入要素，其數字化轉型推進了知識和技術的交流、傳播與擴散，加速地區間、產業間知識和技術的流動與共享，為制造業發展提供更優化的創新環境。因此，生產性服務業以數字化轉型為推手，加強創新主體和資源高效聚合，高效連接產業間、地區間的創新網絡生態系統。

在表4第（3）列和第（5）列中加入生產性服務業專業化集聚與數字化轉型交互項（Dig*Mar）后，其直接效應和外溢效應均顯著為正。表明生產性服務業數字化轉型不僅強化了專業化集聚對本地制造業技術創新的正向效應，而且進一步強化了其對相鄰地區的創新影響。表4第（4）列和第（5）列加入生產性服務業數字化轉型與多樣化集聚的交互項（Dig*Jac）后，參數估計結果表明，數字化轉型強化了多樣化集聚對本地制造業技術創新的推動效用，同時弱化了多樣化集聚對鄰近地區制造業技術創新的負向影響。產業空間布局受到經濟政策、行業結構特征、資源稟賦等因素影響，數字技術可打破產業間、區域間的時空約束，推動知識、信息和技術等資源跨行業、跨區域的優化配置。通過高協同性和正反饋效應，數字平臺為資源在更大空間范圍內有效配置提供依托，形成強烈的產業空間集聚效應，加速跨區域、跨行業的多樣化和專業化集聚模式優化。各地在產業數字化轉型和空間有效配置等方面頂層設計時，積極挖掘生產性服務業數字化轉型對空間集聚創新效應的正向調節作用，有利于進一步加強專業化集聚的創新效應，弱化多樣化集聚對制造業技術創新的負向外溢效應。數字化轉型降低交易成本、消除信息不對稱，打通產業鏈壁壘，促進數字產業鏈延伸，加速了知識和技術在關聯產業間的傳播與擴散[45]，促進生產性服務業集聚模式與制造業深度的聯動融合。綜上，生產性服務業數字化轉型在空間集聚與技術創新間發揮積極的調節效應。

4.4 生產性服務業數字化轉型調節效應的中介傳導機制

研究表明，生產性服務業數字化轉型在促進空間集聚的技術效應時具有顯著的正向調節效應。而該結果很可能是基于數字化轉型優化產業結構而導致的。為此，本部分構造數字化轉型的中介變量，用各省市產業結構服務化即以第三產業增加值占第二產業增加值的比值（Ser）來表征。借鑒張杰等[46]的中介效應檢驗方法，探究生產性服務業數字化轉型調節效應產生的內在機理和傳導路徑。估計結果見表5，其中第（1）列為基礎回歸，第（2）列是核心解釋變量和控制變量對中介變量的回歸，第（3）列是納入中介變量的回歸。

表5第（2）列中，生產性服務業數字化轉型的直接效應和外溢效應均顯著為正，這表明數字化轉型對產業結構服務化優化產生顯著的推動作用。數字技術加速了生產性服務業的信息化和數字化程度，推動產業鏈延伸，促進生產性服務業與制造業聯動融合。知識與信息的共享，形成協同創新的網絡生態系統，以空間集聚形成的跨技術、跨地區、跨行業的深度融合創新行為，加速產業鏈延伸，形成“服務+制造“的空間布局。第（3）列中數字化轉型對技術創新產生統計上顯著的直接效應和外溢效應，與空間集聚交互項的直接效應參數估計量也顯著為正；產業結構服務化（Ser）以及交互項Ser*Mar、Ser*Jac的直接效應系數均顯著為正。與第（1）列相比較，第（3）列數字化轉型及其與空間集聚交互項的參數估計量均有所下降。這意味著，數字化轉型影響空間集聚的創新效應是通過產業結構服務化這一中介路徑傳導的。綜上，生產性服務業數字化轉型通過促進產業結構服務化的中介傳導路徑，積極影響空間集聚推動技術創新的調節作用。數字化轉型有助于生產性服務業和制造業更好地連接，促進生產要素在城市間、產業間自由游動，降低創新要素的交易成本和集聚成本，加速突破產業融合過程中的技術壁壘。形成自由有序的要素市場，打造高水平數字服務產業鏈。促進高端生產性服務業集聚發展形成新興產業，通過產業滲透促使研發設計、商貿物流等高端服務要素在制造業中投入越來越重要。數字化共享平臺推動生產性服務業集聚的差異化和創新發展，能夠適應和抓住數字化轉型的企業及所屬行業將獲得新一輪發展的主動權，全面推動產業結構轉型和優化，從而為創新發展注入新動能。

5 結語

文章通過構建包含調節效應和中介效應的空間杜賓模型，探究生產性服務業數字化轉型、空間集聚對制造業技術創新的影響效應。研究表明：生產性服務業數字化轉型、專業化集聚顯著地推動了制造業技術創新，多樣化集聚雖促進了本地技術創新，但卻抑制了相鄰地區的技術創新。生產性服務業數字化轉型在空間集聚影響技術創新時具有積極的調節作用，強化了專業化集聚對技術創新的積極影響，抑制了多樣化集聚的負向外溢效應。生產性服務業數字化轉型正向調節了空間集聚對制造業技術創新的影響，這一作用機制是通過優化產業結構的傳導路徑來實現。

首先，推進生產性服務業數字化轉型進程，賦能產業技術創新。借助數字技術打破要素自由流動的壁壘，促進信息和技術共享，推動要素資源跨技術、跨區域、跨產業的有效配置，加強區域間協同高效合作和產業鏈深度融合。在提升產業創新環境同時，推動區域創新協同發展。重視生產性服務業數字化轉型，為攻克數字核心技術和高效安全的數字化轉型技術體系的打造提供財稅和金融支持。為了更充分地挖掘生產性服務業數字化轉型的創新效應，各地政府根據本地產業需求和結構特征，合理選擇與運用數字技術，實現產業高質量發展，達到產業技術創新的可持續性與可積累性。因而，各地結合頂層設計和產業發展需要，因地制宜地構建數字化生態體系。

其次，結合本地產業結構特征、資源稟賦和發展規劃，選擇匹配的生產性服務來集聚模式。各地政府高度重視地區間產業發展的協同性和均衡性，緩解因多樣化集聚引致的專業化不足和資源空間錯配等問題。科學制定生產性服務業發展規劃，為空間集聚優化提供稅收優惠、財政扶持和融資保障等政策措施，推動生產性服務業高質、有效發展。防止地區間低端生產性服務業的盲目競爭和同質惡性競爭，借助數字化轉型強化產業聯動，大力推進生產性服務業空間集聚模式優化，充分發揮空間集聚對技術創新的積極影響。在強化生產性服務業專業化集聚同時提升多樣化集聚效應，著力解決多樣化集聚引致的專業化不足、集聚效果不充分和產業空間錯配等問題。大力推進生產性服務業與制造業的數字化融合，尤其關注高端生產性服務業集聚模式優化，從而構建高效協同的關聯產業體系。

最后，以數字化轉型為抓手，培育形成產業創新發展的新動能。挖掘生產性服務業數字化轉型的新模式，不斷優化產業創新發展的核心競爭力。通過數字化轉型，形成數字創新網絡平臺，加速創新主體和創新要素高效集聚。設計優勢互補、資源聯動的創新協同機制，搭建高效、協同的創新網絡平臺。以數字化轉型為抓手，推動服務供應商、生產商和消費者無縫對接，形成產業鏈、價值鏈與創新鏈聯動，實現數字技術與信息在產業間延伸。低端生產性服務業選擇成本低、易吸收的技術，逐步推廣數字化轉型，通過企業不斷吸收、積累知識和技術以實現與數字化深度融合，提升產業發展動能。鼓勵可延伸拓展的協同創新和競爭性創新，充分發揮數字化轉型的知識溢出效應，推動信息和技術在產業間擴散，構建協同創新體系，助力產業提質增效。

參考文獻：

[1] 盛斌，劉大勇，皮亞彬．現代服務業集聚的形成機制：空間視角下的理論與經驗分析[J]．世界經濟，2016（03）：144-165．

[2]龔勤林，王舒鶴.西部地區生產性服務業集聚對區域經濟發展的影響：機制與實證[J].經濟體制改革，2021（05）：48-54.

[3]趙濤，張智，梁上坤．數字經濟、創業活躍度與高質量發展—來自中國城市的經驗證據［J］．管理世界，2020（10）：65-76.

[4]KOLKO，JED．The high-tech rural renaissance？Information technology，firm size and rural employment growth［R］．

Washington：US Small Basiness Administration Office of Advocacy Report，2000.

[5]江小涓．高度聯通社會中的資源重組與服務業增長[J]．經濟研究，2017（03）：4-17．

[6]PETERS B，RILEY R R，SIEDSCHLAG I，et al.Internationalization，innovation and productivity in services：Evidence from germany，ireland and the united kingdom[J].Review of World Economics，2018，154（03）：585-615.

[7]伏開寶，陳憲.后工業化時期中國服務業生產率影響因素研究[J].經濟問題探索，2021（03）：181-190.

[8]江小涓，羅立彬.網絡時代的服務全球化——新引擎、加速度和大國競爭力[J].中國社會科學，2019（02）：68-91+205.

[9]夏杰長．邁向“十四五”的中國服務業：趨勢預判、關鍵突破與政策思路[J]．北京工商大學學報（社會科學版），2020（04）：1-10+31.

[10]陳劍，黃朔，劉運輝.從賦能到使能——數字化環境下的企業運營管理[J].管理世界，2020（02）：117-128+222.

[11]薛成，孟慶璽，何賢杰.網絡基礎設施建設與企業技術知識擴散——來自“寬帶中國”戰略的準自然實驗[J].財經研究，2020（04）：48-62.

[12]OECD．Measuring the digital economy：A new perspective[M].Paris：OECD Publishing，2014．

[13]余東華，信婧．信息技術擴散、生產性服務業集聚與制造業全要素生產率[J]．經濟與管理研究，2018（12）：63-76.

[14]GIULIO C，ANDREA F，MARZETTI G V.Spatial agglomeration and productivity in Italy：A panel smooth transition regression approach[J].Papers in Regional Science，2015，94（S1）：39-67.

[15]LIN H L，LI H Y，YANG C H.Agglomeration and productivity：Firm-level evidence from China’s textile industry[J].China Economic Review，2011，22（03）：313-329.

[16]KIM Y R，WILLIAMS A M，PARK S，et al.Spatial spillovers of agglomeration economies and productivity in the tourism industry：The case of the UK[J].Tourism Management，2021（82）：104201.

[17]MAINE E M，SHAPIRO D M，VINING A R.The role of clustering in the growth of new technology-based firms[J].Smallmusiness Economics，2010（02）：127-146.

[18]李斌，楊冉.生產性服務業集聚與城市經濟績效[J].產業經濟研究，2020（01）：128-142.

[19]梁軍，從振楠.產業集聚與中心城市全要素生產率增長的實證研究——兼論城市層級分異的影響[J].城市發展研究，2018，25（12）：45-53.

[20]韓峰，洪聯英，文映.生產性服務業集聚推進城市化了嗎？[J].數量經濟技術經濟研究，2014，31（12）：3-21.

[21]ZHANG H.How does agglomeration promote the product innovation of Chinese firms？[J].China economic review，2015，40（35）：105-120.

[22]劉乃全，吳友，趙國振.專業化集聚、多樣化集聚對區域創新效率的影響——基于空間杜賓模型的實證分析[J].經濟問題探索，2016（02）：89-96.

[23]ANTONIETTI R，CAINELLI G.The role of spatial agglomeration in a structural model of innovation，productivity and export：A firm-level analysis[J].The Annals of Regional Science，2011，46（03）：577-600.

[24]彭向，蔣傳海.產業集聚、知識溢出與地區創新——基于中國工業行業的實證檢驗[J].經濟學（季刊），2011，10（03）：913-934.

[25]KEEBLE D，NACHUM L.Why do business service firms cluster？Small consultancies，clustering and decentralization in London and Southern England[J].Transactions of the Institute of British Geographers，2002，27（01）：67-90.

[26]楊仁發，劉勤瑋.生產性服務投入與制造業全球價值鏈地位：影響機制與實證檢驗[J].世界經濟研究，2019（04）：71-82+135.

[27]JACOBS J.The economy of cities[M].New York：Vintage，2016.

[28][美]阿弗雷德·馬歇爾著．經濟學原理［M］．志英，譯.北京：中華工商聯合出版社，2017．

[29]沈國兵，袁征宇.企業互聯網化對中國企業創新及出口的影響[J].經濟研究，2020（01）：33-48.

[30]呂鐵，李載馳.數字技術賦能制造業高質量發展——基于價值創造和價值獲取的視角[J].學術月刊，2021（04）：56-65+80.

[31]WALDFOGEL J.Preference externalities：An empirical study of who benefits whom in differentiated product markets[J]，RAND Journal of Economics，2003，34（3）：557-568.

[32]HALLECK V S，ELHORST J P.The SLX model[J].Journal of Regional Science，2015，55（03）：339-363.

[33]ELHORST J P.Applied spatial econometrics：Raising the bar[J].Spatial economic analysis，2010，5（01）：9-28.

[34]白俊紅，蔣伏心.協同創新、空間關聯與區域創新績效[J].經濟研究，2015，50（07）：174-187.

[35]黨琳，李雪松，申爍.制造業行業數字化轉型與其出口技術復雜度提升[J].國際貿易問題，2021（06）：32-47.

[36]齊俊妍，任奕達.數字經濟發展，制度質量與全球價值鏈上游度[J].國際經貿探索，2022，38（01）：51-67.

[37]COMBES P P.Economic structure and local growth：France，1984—1993[J].Journal of urban economics，2000，47（03）：329-355.

[38]GRLICHES Z.Issues in assessing the contribution of research and development to productivity growth[J].The Bell Journal of Economics，1979，10（1）：92-116.

[39]DURANTON G，PUGA D.Chapter 48-Micro-Foundations of urban agglomeration economies[C]//Henderson J V，Thisse J.Handbook of Regional and Urban Economics.Elsevier，2004：2063-2117.

[40]HORNUF L，KLUS M，LOHWASSER T，et al.How do banks interact with fintechs？Forms of Strategic Alliance and Their Economic Impact[J].2018，20（13）：1505-1526.

[41]LI Y，HKANSSON J，MIHAESCU O，et al.Agglomeration economies in urban retailing：Are there productivity spillovers when big-box retailers enter urban markets？[J].Applied Economics Letters，2019，26（19）：1586-1589.

[42]張天華，陳博潮，雷佳祺.經濟集聚與資源配置效率——多樣化還是專業化[J].產業經濟研究，2019（05）：51-64.

[43]LESAGE J，PACE R K.Introduction to spatial econometrics（1st ed）[M].New York：Chapman and Hall/CRC，2009.

[44]韓峰，陽立高.生產性服務業集聚如何影響制造業結構升級？——一個集聚經濟與熊彼特內生增長理論的綜合框架[J].管理世界，2020，36（02）：72-94+219.

[45]黃群慧，余泳澤，張松林.互聯網發展與制造業生產率提升：內在機制與中國經驗[J].中國工業經濟，2019（08）：5-23.

[46]張杰，楊連星，新夫．房地產阻礙了中國創新么？——基于金融體系貸款期限結構的解釋［J］．管理世界，2016（05）：64-80．

（責任編輯：嚴焱）

收稿日期：2023-11-13

基金項目：浙江省科技廳軟科學項目（2023C35112，2022C35049）；國家統計局項目（2022LY069）；教育部人文社會科學研究規劃基金項目（21YJA630028）

作者簡介：王必鋒（1977—），男，浙江奉化人，博士，教授，主要從事數字經濟、服務貿易、對外直接投資方面的研究。