生產性服務業集聚對制造業創新效率的影響
——基于空間杜賓模型的實證分析

劉 珺，王嘉麗，張夏恒

（1.西北政法大學管理學院，陜西 西安 710122；2.西安交通大學經濟與金融學院，陜西 西安 710061）

一、引言

近年來，我國憑借豐富的勞動力、資本、土地等生產要素的成本優勢成為“世界制造工廠”，制造業呈現出發展快、規模大、以勞動密集型為主的特點。在世界經濟“百年未有之大變局”的形勢下，我國制造業面臨轉型升級，亟須推進產業基礎高級化、產業鏈現代化，這就需要以創新為驅動力，提高制造業創新效率。生產性服務業作為知識和技術密集型的高附加值服務業貫穿于制造業全產業鏈的諸多環節，已經成為制造業全球價值鏈上游和下游的重要組成部分和決定產品差異化的重要源泉。伴隨著制造業對生產性服務業需求多樣性的增加，許多現代服務項目在城市內不斷集聚與擴展，如金融服務、信息服務、文化服務、流通服務等。企業間集聚可以促進彼此互動學習，集聚帶來了空間距離的臨近，強化了信息獲取能力以及對高速環境變化發展的適應性，一定程度上節省了交易成本，空間上集聚的企業比各自在孤立環境下能更有效實現創新產出[1]，產業集聚在很大程度上能夠推動當地經濟增長，提升區域創新能力。在研究生產性服務業集聚對制造業創新效率影響方面，學術界目前有三種觀點，即促進作用、抑制作用以及存在非線性關系。就促進作用而言，多數學者認為生產性服務業發展會顯著提升制造業生產效率，較為典型的代表觀點有，宣燁和余泳澤(2017)認為相較于專業化集聚對工業企業生產率的提升效果，城市生產性服務業空間多樣化集聚的作用更明顯[2]。就抑制作用而言，少數學者則持有不同的觀點，指出基于一定的條件，生產性服務業的發展會抑制區域工業生產效率的發展，如文豐安(2018)認為中國城市生產性服務業集聚在一定程度上抑制了地區經濟效率的提升[3]。而非線性關系視角，部分學者對生產性服務業的發展與制造業生產效率之間存在非線性關系的問題給予探討，比如，郭然和原毅軍(2020)研究得出，生產性服務業集聚與制造業發展存在“U”型曲線關系，當生產性服務業集聚水平超過一定規模后，才能超越“門檻值”，進而對制造業發展質量產生影響[4]。綜上所述，關于生產性服務業集聚能否促進制造業創新效率提升仍存有爭議，且無統一定論。研究生產性服務業集聚對制造業創新效率的影響，對于準確把握“十四五”規劃改革方向，制定經濟發展戰略，優化生產要素在產業間的配置，適應我國經濟高質量發展的趨勢，帶動我國制造業在全球價值鏈體系下向中高端躍升，都具有重要意義。因此，文章選取2011—2021年中國省級面板數據，厘清生產性服務業集聚對制造業發展的影響機制，并為生產性服務業集聚是否能夠提升制造業創新效率提供實證檢驗，在一定程度上拓寬與深化了以往研究的思路。

二、理論分析與研究假設

1. 生產性服務業集聚對制造業創新效率的影響

產業間的空間集聚能夠促使隱性知識在區域內傳播，使得企業之間經驗與技術分享得到極大的提升，進而成為持續學習與創新能力的驅動力，不斷改進提升綜合競爭實力和生產效率。此外，空間集聚也有助于建立供應鏈和價值鏈，進一步推動全產業鏈條的整合發展與創新驅動。因此，以下三種效應的協同作用對生產性服務業集聚影響制造業創新效率最為關鍵，具體分析如下：

（1） 技術外溢效應

當知識、信息和技術在區域內擴散和共享后，制造業獲得良好的創新帶動與學習環境。此類生產性服務業屬于技術密集型產業，其能夠快速地吸納新技術、新方法、新工藝，并發散式地將這些技術輻射及應用于區域內的其他制造業企業內部，有助于制造業企業攻克價值鏈高層次領域進而提煉其技術含量。不同性質的企業基于地理區位的靠近性和經濟聯系的關聯性，相互作用產生影響，進而引發知識外溢，這些企業共同發展積累了大量的知識和技術資本，提高了創新效率。

（2） 成本效應

以交通運輸、倉儲和郵電業，租賃和商業服務業等為代表的生產性服務業集聚后，首先，將適當節約制造業的交易成本、搜尋成本、時間成本、運輸成本、制度成本與信息成本等，制造業企業較大程度上減少了尋求產業鏈上配套服務的風險與不確定性。其次，根據亞當·斯密的勞動分工理論，制造業具備相關配套生產性服務業的支持，可以考慮將部分業務外包，進一步將節約的資本、技術、人力等用于自身最具比較優勢的生產行業，以最終達到節約成本，提高專業化勞動生產率的目標。

（3） 交流效應

生產性服務業自身在一定區域內集聚后可增加彼此之間的融合交匯，集聚區域內企業的人才、技術、資本、信息等資源能夠快速傳播與流動。首先，有利于構建網狀結構的信息共同體，融入到制造業內部組織，進而促進第二、第三產業的良性互動。其次，一旦形成一定的規模效應，相應地也能引起政府部門的重視，得到政策關注與發展支持，政策環境的改善能夠推進小型制造業快速崛起，大型制造業穩定持續地成長。

以上述分析為依據提出如下研究假設：

假設H1：生產性服務業集聚會提升本地制造業創新效率。

2. 生產性服務業集聚在空間溢出層面影響制造業創新效率

生產性服務業集聚是否會通過空間溢出效應影響到制造業創新效率，且其影響結果是促進還是抑制，這一話題學術界同樣有所探討，且存在正向、負向影響兩種不同的觀點，下文基于兩個方面的不同作用機制展開分析。

（1） 生產性服務業集聚對制造業創新效率存在正向促進的空間外溢效應

生產性服務業集聚對當地制造業的價值鏈提升功不可沒，同時空間外溢效應也會擴散至鄰近省份。這一效應將擴散至周邊區域，進而帶動全國制造業在全球價值鏈體系下向中高端躍升。席強敏等(2015)研究發現，不同集聚模式的生產性服務業都對周邊城市工業勞動生產率存在不同程度的空間溢出影響[5]。

（2） 生產性服務業集聚通過空間外溢抑制制造業創新效率

生產性服務業貫穿于制造業發展的諸多環節，兩者呈現出互動發展的態勢，但在互動過程中由于存在“虹吸效應”“擁擠效應”等問題，容易產生負向空間外溢效應。余泳澤等(2016)研究發現，以省域為界限，生產性服務業對制造業效率的影響結果截然不同，本地的金融業、信息傳輸業等更傾向于支持本地的制造業發展[6]。閆奕榮等(2018)分析認為，生產性服務業的過度集聚引發資源擁擠易導致負向的溢出效應，會對周邊地區的要素資源產生沖擊，出現惡性競爭問題，當集聚引發的“擁擠效應”大于“規模效應”時，容易產生負的空間外溢效應[7]。

以上述分析為依據提出如下研究假設：

假設H2：生產性服務業集聚會顯著地通過空間外溢影響制造業創新效率。

三、模型構建與指標選取

1. 模型設定

檢驗生產性服務業集聚對制造業創新效率的影響，構建的面板回歸模型如下：

進一步構建空間SDM模型，具體公式如下：

式(1)、(2)中，crsteit代表制造業效率，i 代表省份，t 代表年份，W×crsteit為制造業效率的空間滯后，表示相鄰省份之間的互相影響；W 分別代表了三類矩陣：一階空間鄰接權重矩陣、地理距離權重矩陣、經濟距離權重矩陣；λt為時間固定效應，μi為空間固定效應，εit為隨機誤差項。三類矩陣具體設置方法如下：

第一，鄰接權重矩陣。記區域i 與區域j 的距離為dij，可以定義空間權重如下：

其中，dm為確保每個地理單元有鄰近單元的最小地理距離。

第二，地理距離權重矩陣。記區域i 與區域j 的距離為dij，選用省份之間地理距離的倒數作為空間權重：

第三，經濟距離權重矩陣。通過空間權重矩陣中引入經濟距離，能夠較明確地體現我國地區經濟間的發展差距。各省份間“經濟距離”這個指標將采用各省份之間的人均GDP 的差額表示，計算公式為：

2. 數據來源

全國生產性服務業就業人口數據，源自《中國統計年鑒》2012—2022年間數據；固定資產投資總額與制造業就業人數，來源于2012—2022年《中國統計年鑒》；制造業產值源自2012—2022年《中國工業統計年鑒》相關數據；依據《中國互聯網絡發展統計報告》年度公布的數據，估算互聯網普及率，具體方法為采用各省份當年網民人數除以該省總人口數；其余控制變量數據來源于各省份統計年鑒。

3. 變量說明

被解釋變量為制造業創新效率(lncrste)，借助DEA方法測算制造業綜合技術效率以體現制造業創新效率，投入變量為制造業從業人員及固定資產投資，制造業產值作為產出變量，計算得出2011—2021年制造業的綜合技術效率。

核心解釋變量為生產性服務業集聚(lnaggl)，參考于斌斌(2017)的研究[8]，采用區位熵指數衡量生產性服務業的集聚程度，區位熵指數(LQ)用來衡量某一區域要素的空間集中化程度，當LQ 大于1 時，地區產業集聚程度較高，當LQ 小于1 時，則集聚化程度相對較低，通常情況而言，LQ 值越大，區域產業集聚水平越高[9]。計算公式為：

其中，aggl(t)為t 時期i 省份生產性服務業的區位熵指數，eij(t)為t 時期i 省份生產性服務業的就業人數，為t 時期i 省份所有產業的從業人員規模，為t 時期全國所有省份從事生產性服務業的人口規模，為t 時期全國所有省份全部產業的從業人口規模。

控制變量主要有：受教育年限(lnedu)，采用地區平均受教育年限來衡量區域人才的儲備情況，以知識、技能等為主的人力資本是促進制造業穩定發展的必要條件；人均生產總值(lnpgdp)，該指標反映區域經濟增長規模，經濟增長與優質的勞動力市場相伴，并能有效擴大市場規模，對制造業企業吸引力巨大；研究與開發投入(lnrd)，采用研發投入占GDP 的比重反映科技投入強度，該指數越大，表明企業研發投入越大，越有利于提升制造業企業和區域創新能力；外商直接投資(lnfdi)，可以為制造業企業注入創新資金與活力，帶來新技術及新管理模式；政府干預(lngov)，政府對經濟活動進行干預時，良好的激勵相容機制與資源優化配置會對地區制造業創新效率產生顯著影響，該指標選用政府財政支出占GDP 的比重來表示；互聯網普及率(lninf)，該指標體現區域互聯網基礎建設的狀況，能夠對數字經濟增長、區域數字基建提供重要支撐；就業人數(lnemp)，充足的勞動力及就業人員是擴大產業規模的基礎，該指標采用區域就業人數來衡量。

四、實證結果分析

1. 總樣本回歸

（1） 基準回歸

采用混合回歸、固定效應、隨機效應模型分別進行檢驗，回歸結果如表1 所示，結果顯示生產性服務業集聚均會顯著地影響到制造業創新效率，參照Hausman 檢驗結果可知，應采納固定效應模型[10]。以全國層面視角分析，生產性服務業集聚會顯著地正向影響制造業效率，回歸系數為0.209。這與假設H1 的內容相一致，生產性服務業集聚以技術外溢、節約成本、增強交流三種驅動力量，將顯著地提高制造業創新效率。

表1 生產性服務業集聚對制造業創新效率基準回歸結果

回歸結果顯示，人均GDP 對制造業創新效率的提升在1%的水平上有顯著的正向促進作用。研發投入對制造業效率的影響顯著為負，可能的原因在于當集聚水平較低時，一方面，研發投入存在資金投入不合理、指向性不明確等問題，研發資金并未投向“卡脖子”的關鍵技術，而是以“撒胡椒面”的方式向各個環節分配研發資金，難以提高經濟效率。外商直接投資抑制了制造業效率提升，這可能是因為外商在中國地區的投資結構仍以生產加工、品牌代工等勞動密集型產業為主，處于全球價值鏈低端環節。政府財政支出并未發揮出對制造業效率的提升作用，原因在于政府的財政支出存在不合理及改進的地方，對低效率企業信貸支持及優惠力度較大，從而造成了財政經費的浪費。信息化水平能夠有效帶動制造業創新效率提升，信息技術的快速發展，加快推動生產性服務業的有效集聚，間接推動制造業價值鏈提升。區域就業人數對制造業效率提升有負向影響，可能的原因在于我國大量的制造業就業人員并未適應制造業數字化轉型升級的步伐，應用新技術的能力欠缺，造成大量的人員冗余，從而對制造業創新效率的提升產生負向影響。

（2） 異質性分析

我國各個地區生產性服務業集聚水平存在差異，對制造業創新效率的影響存在一定的異質性。因此，有必要進一步考察不同區域內生產性服務業集聚對制造業創新效率的影響。將全國分為東部、中部、西部三個區域，采用固定效應模型進行分樣本檢驗，從表2所示的回歸結果可以看出，東部地區生產性服務業集聚對制造業創新效率的影響顯著為正，東部地區依賴優越的地理資源條件與區位優勢，在金融、物流、科研、知識產權、人才等方面發展較強于中部、西部地區，并能夠吸引大量的外資企業入駐，相較于中部、西部地區，具備更強的要素集聚及吸收能力，生產性服務業呈現專業化、多樣化集聚。上海、江蘇、浙江等長三角地區，均形成了以制造業與生產性服務業空間協同集聚的模式，例如被譽為中國硅谷的上海張江高科技園區，形成了以集成電路產業鏈、生物醫藥創新鏈、文化創意產業、軟件產業鏈、金融信息服務等為主導的產業集聚。浙江生產性服務業與制造業協同耦合發展，互相壯大，由于生產性服務業能提供更加專業化的服務，激活并發展了當地的優勢制造產業，而制造業產業的發展，反過來又促進生產性服務業的進一步擴大，形成了互相依托、協同發展的產業集群。中部地區生產性服務業集聚對制造業效率的提升呈現出顯著的抑制作用，西部地區則不顯著，可能原因在于中部、西部地區由于在地理位置上次于東部地區，加之市場化程度、對外開放程度以及基礎設施建設等并不完善，創新要素更多地流向了經濟較發達省份，使得技術創新動力不足。中部地區生產性服務要素對制造業創新效率值可能存在門檻效應，當金融、科研、人力資本、交通設施等要素集聚程度低于某個門檻值時，對制造業的創新效率產生負向影響，而當要素集聚能力高于門檻值時，就會和東部地區類似，對制造業創新效率起到提升作用。

表2 區域異質性回歸結果

（3） 穩健性檢驗

利用GMM 模型及替換被解釋變量的方法對模型進行穩健性檢驗，將綜合技術效率(lncrste)、純技術效率(lnvrste)、規模效率(lnscale)分別作為被解釋變量進行估計，結果如表3 所示，在相同的核心解釋變量及控制變量下，采用GMM 估計的結果與OLS 估計結果基本一致，生產性服務業集聚對制造業綜合技術效率、規模效率及純技術效率均有正的顯著性影響，驗證了結論的穩健性。

表3 穩健性檢驗

2. 空間計量模型

（1） 空間相關性檢驗

是否采用空間計量方法需要有一個前置條件，即要考慮被解釋變量的空間依賴性是否成立。假定被解釋變量存在空間依賴性，常用Moran's I 指數表示，具體如下所示：

Moran's I 指數取值范圍是[-1，1]。如果Moran's I指數的值大于0，而且p 值顯著，表明空間正相關；如果Moran's I 指數的值小于0，而且p 值顯著，表明空間負相關。所檢驗的經濟變量空間相關性與Moran's I指數的絕對值存在正向關系。

根據表4 測算結果顯示，2011—2021年制造業綜合技術效率Moran's I 指數在鄰接權重、地理距離權重、經濟距離權重下均為正數。與此同時，大多數顯著性檢驗都通過，這意味著我國省域間的制造業綜合技術效率并非完全隨機分布，被解釋變量存在正的空間自相關，制造業綜合技術效率高的地區其鄰近地區效率也較高，技術效率低的地區其鄰近地區的效率也低，可以使用空間計量方法。另外，與鄰接權重和地理距離權重相比，經濟距離權重下Moran's I 指數普遍更高，這表明經濟發達程度相近的省域更容易使制造業綜合技術效率產生空間交互影響作用。

表4 中國制造業綜合技術效率Moran's I 指數

（2） 空間溢出效應分析

選用空間SDM 模型進行研究，表5 為三種距離矩陣分別在固定效應SDM 模型和隨機效應SDM 模型下的回歸結果，根據Hausman 檢驗結果，文章選用固定效應的SDM 結果進行分析。驗證結果表明，本地的生產性服務業集聚會對鄰近地區的制造業效率產生影響，具體表現為顯著地抑制狀態。雖然經濟距離的固定效應結果是正值，但并不顯著。

表5 生產性服務業集聚對制造業創新效率的空間溢出檢驗結果

從控制變量的結果來看，三種權重矩陣的估計結果較為一致，證明了模型的穩健性。綜合起來分析，本地人均GDP 的增長對鄰近地區制造業效率有負的空間外溢效應，經濟發達地區人均GDP 的增長也對欠發達地區制造業效率產生負的空間外溢效應。本地外商直接投資的增加對鄰地及欠發達地區制造業效率提升顯著為負，由于省域內地方保護主義及市場分割強度的提升，限制了內資企業獲取FDI 轉移和溢出效應的能力與動力，不利于FDI 發揮對鄰近地區的技術溢出效應。發達地區人力資本的提升會對欠發達地區產生正向溢出效應。本地科研能力的提升對鄰地制造業效率有著正向空間外溢作用，本地科研能力的提升通過知識外溢、管理現代化、區域間的“示范—模仿”機制等途徑提升了鄰地制造業的發展。本地勞動力數量增長對其他地區制造業效率有著空間外溢效應的正向顯化，這意味著充足的勞動力保障會影響到不同地區的產業發展傾向，具體變現為傾向于優先發展勞動密集型行業，本地勞動力市場供給的充分極有可能意味著鄰地勞動力數量的銳減，與此同時，周邊省份勞動力供給縮減將致使勞動力價格上漲并且生產成本攀升，最終倒逼制造業效率提升。

五、研究結論與政策啟示

文章通過省域面板數據的實證研究來分析生產性服務業集聚對制造業創新效率的影響情況。整體上看，生產性服務業集聚顯著地影響制造業創新效率，具體的影響表現為正向提升，并且是通過技術外溢、節約成本與增強交流三方面產生正向提升效應。研究還發現生產性服務業集聚對制造業創新效率的影響具有區域異質性。東部地區依賴比較優勢，在地理條件以及資源上優于中部、西部地區，生產性服務業集聚能力也更強，信息傳播速度更快，能夠為制造業提供相對專業化、高端化、精準化、個性化的服務，進而會有效地提升制造業創新效率。此外，本地生產性服務業集聚會顯著地影響到鄰近地區的制造業效率提升，這一影響表現為抑制效應。各省域內的生產性服務業集聚因為吸收了充盈的資本、技術、勞動力并不斷吸收鄰近地區的要素資源，產生了巨大的“虹吸效應”，顯著地抑制了區域外制造業效率提升。

文章的研究結論對于促進生產性服務集聚、提升制造業創新效率具有以下政策啟示：

第一，完善數字基礎設施建設，實行區域差異化政策。加大對交通基礎設施、數字基礎設施建設等方面的投入，提高物流和人員流動的便利性，同時，提供快速、穩定的網絡和信息通信設施。發揮地方產業特色，繼續加大東部地區生產性服務業專業化、集聚化程度，中部、西部地區要根據地方產業結構特征以發展配套生產性服務業，避免不同地區在發展生產性服務業時進行盲目模仿和惡意競爭行為，降低生產性服務業服務制造業的空間錯配程度，要更多注重生產性服務業內部結構的優化和高端生產性服務業的集聚和發展。

第二，加強產業鏈協同創新，引導要素充分流動。建立產業鏈聯盟，促進企業之間的合作與協同，共同解決制約制造業發展的難題。政府可以提供政策支持，鼓勵在關鍵領域進行技術研發和創新，建議破除地方保護主義和地區割據局面，打破區域貿易壁壘，引導要素在區域間充分自由流動，強化創新資源的輻射帶動作用，相鄰城市要通過增強自身人力資本使用效率，提高人均GDP 以及加強信息化建設以適應并利用其他地區的外溢效應，實現區域間產業協同發展，從而提升全國制造業效率，推動整個產業鏈的升級與發展。

第三，打造專業園區和集聚區，培育人才隊伍。通過建設專門的生產性服務業園區和集聚區，提供便捷的公共服務設施，如辦公場所、商務服務、研發中心等，吸引企業入駐，并為企業提供便利的合作與交流機會。政府可以加大對生產性服務業的資金支持力度，設立專項基金，用于支持行業內創新和發展，通過加大創新引導力度，促進制造業企業在技術、管理和服務等方面的創新，提高制造業整體創新效率。