生產性服務業集聚對制造業效率的影響研究

(重慶師范大學　重慶　400030)

一、引言與文獻綜述

隨著我國經濟進入“新常態”的發展階段，經濟由原來的高速增長進入高質量發展，處在轉變發展方式、優化經濟結構、轉換增長動力的攻關期，以往的經濟增長方式難以適應我國新的經濟發展形勢。而制造業和服務業是我國國民經濟的重要組成部分，生產性服務業作為制造業的中間投入品，具有行業關聯、人才與資本集聚和知識密集等一系列的特征，能夠提高產業分工的專業化，推進產業的價值鏈向高端延伸，引起學者的關注。

有關于生產性服務業與制造業關系的研究可以歸納為“需求論”、“供給論”和“互動論”、“融合論”，無論是何種研究理論，都發現生產性服務業對制造業效率有著重要的影響，所以學者用不同的方式和思路對生產性服務業于制造業效率展開研究。

首先是關于生產性服務業與制造業關系研究，關于這一方面，學者們分別從行業異質性(陳建軍、陳菁菁，2011)，區域異質性(張超，2014)，層級分工(余泳澤,宣燁,沈揚揚2013)等不同視角得出一致的結論，即生產性服務業與制造業發展存在相互存進關系。其次，關于生產性服務業集聚對制造業效率的影響，學者基于不同的視角，得出以下兩種結論：(1)生產性服務業集聚對制造業效率沒有顯著的促進作用(Aanerson，2004；魏峰和曹中，2007)；(2)生產性服務業集聚對制造業效率有顯著地促進作用(宣燁，2012；程中華，李廉水，劉軍，2017；吳風波，朱小龍，2016)。

基于學者研究基礎，本文根據經濟規模將全國30個省市進行分組，研究生產性服務業集聚對制造業效率的影響。這樣可以依據經濟發展的不同情況采取不同的政策建議。

二、生產性服務業集聚對制造業效率影響機理分析及假說

首先，從理論上分析生產性服務業集聚對制造業效率影響的機理，然后在此基礎上提出相關假說。

生產性服務業集聚區內知識，人才、信息大量集聚，有利于技術與信息交流網絡的形成。一方面，生產性服務業集聚有利于降低制造業的交易成本，促進制造業效率。另一方面，生產性服務業集聚區完善的知識、技術和信息交流網絡不僅可以為制造業提供更多的平臺，還可以提供更多良好的銷售渠道，進而促進制造業效率的提升。

由于不同地區經濟規模的空間差異較大，這種規模差異可能導致生產性服務業集聚對制造業效率影響的差異。因此：

本文提出以下假說：

H1：生產性服務業集聚對制造業效率的影響存在經濟規模差異。

三、指標選取、模型構建和數據來源

由于服務行業的門類比較繁多，不同的國家，即使同一國家和地區對生產性服務業范圍的界定有一定的差異，本文考慮學界、政府部門的分類標準、行業數據的采集的歷史變遷以及數據的可獲得性，采用張付玲所采用的方法，根據中國社會科學學院對生產性服務業的分類，將生產性服務業分為5類：交通運輸業(包括倉儲和郵政業)、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、技術服務和地質勘查業。

(一)指標的選取。

1.被解釋變量：制造業效率(y)。國內外研究發現，勞動生產率指標更加符合中國制造業的發展趨勢，可以較為客觀的反映制造業的效率。劉志彪(2010)、華光敏(2013)、楊仁發(2013)和王輝(2015)等學者都采用勞動生產率作為制造業效率的衡量指標。所以，本文借鑒這些學者的做法，將規模以上的工業企業的勞動生產率(工業總產值/從業人數)作為被解釋變量。

2.解釋變量：生產性服務業專業化集聚(x)。學者對產業集聚的測度方法多種多樣，主要有集中度、產業相對密集度、EG指數、專業化指數、多樣化指數、共同集中指數、區位熵指數等。王琢軍(2013)和余泳澤、劉大勇和宣燁(2016)等學者根據馬歇爾和雅各布的集聚經濟理論，分別做了生產性服務業專業化集聚與多樣化集聚對制造業效率的影響研究。基于本文的需要，采取王琢軍的方法構建生產性服務業專業化集聚指標，其計算公式如下：

(3.1)

其中：xi表示i區域生產性服務業的總體專業化水平；ci,p表示i城市p產業的就業人數，ci表示i城市的就業人數，cp表示全國p產業的就業人數，c表示全國的就業人數。

3.控制變量。制造業的效率除了受到生產性服務業集聚的影響以外，還受到很多的其他的因素的影響制約。所以采用了人力資本水平(labor)、交通發達程度(pcm)、政府干預程度(gov)、R&D從業的人數(RD)。

對于人力資本水平(labor)，許多學者已經證實其對制造業效率的影響。本文基于學者的研究，采用受教育的從業人數占全部人口數的比值予以代替，即i市受教育從業人數與i市人口數的比值；交通發達程度(pcm)對制造業效率有重要的影響，本文采用人均城市道路面積衡量。政府的干預程度(gov)用政府支出所占的比重衡量。眾多研究表明研發投入強度(RD)也是影響制造業效率的重要變量，所以本文用技術服務、科學研究與地址勘查從業人數數量作為研發人員衡量研發投入強度。

(二)模型的構建

本文研究的不同GDP下生產性服務業集聚對制造業效率的影響，為了更準確的度量這種影響，本文使用面板數據實證模型。構建如下模型：

yit=α1+α2xit+α3govit+α4pcmit+α5laborit+α6RDit+ui+εit

(3.2)

模型中yit是地區i第t年的制造業效率，是被解釋變量；α1是常數項；xit、laborit、pcmit、govit、RDit分別是地區i第t年生產性專業化集聚、人力資本水平、交通發達程度、政府干預程度、R&D從業的人數，是解釋變量與控制變量；α1,α2,α3,α4,α5,α6是待估參數；ui是指地區i的個體效應，不隨時間的變化而變化；εit是誤差項。

表1　統計性描述

(三)數據的來源。本文的數據來源于《中國統計年鑒》、《中國工業經濟年鑒》、《中國城市年鑒》，個別的指標在少數的年份存在數據的缺失，在本文中，采用趨勢平滑法予以補齊。

(四)變量統計性描述，根據以上模型，只有控制了一系列的相關變量之后才能得到。根據已有相關的研究情況，本文選取人力資本水平、交通發達程度、政府干預程度等控制變量，并且在行業、時間和地區三個維度進行了控制。模型的變量統計性描述如表1所示：

四、實證結果及分析

本文使用統計軟件SPSS 19以及計量軟件stata 14進行統計檢驗，其結果分析如下：

表2　區域層次的回歸結果

根據表2的回歸結果可以看出，生產性服務業集聚對制造業效率影響存在較為明顯的地區差異；對于西部地區，生產性服務業集聚對制造業效率有明顯的抑制作用。但是，對于中部地區，生產性服務業集聚對制造業效率有顯著的促進作用。而相比較，東部地區的城市生產性服務業集聚對制造業效率的影響并不顯著。出現以下結果，可以從以下兩個方面解釋：

(1)經濟發展水平差異；

(2)產業結構層次的差異；西部地區明顯的經濟發展較為緩慢，產業結構層次較低，且制造業與服務業在發展的過程中不能有機結合，并未形成互動式的發展，生產性服務業可能過度的脫離制造業，這也限制了產業的規模水平的提高，最終抑制制造業效率。東部地區，整體經濟發展水平相對較高，且大部分地區處于工業化中期的最后階段，甚至是有的地區已經進入工業化后期階段，由于產業結構層次的調整，使得生產性服務業不斷由低端向高端變遷，制造業也由于技術的提升，出現轉型升級，由于兩者脫離，導致生產性服務業對制造業有抑制作用，但是這種影響的結果并不顯著。中部地區，中部地區經濟發展到了一定的水平，以及東部地區的制造業向中部地區的轉移，并且中部地區對生產性服務業存在巨大的市場，而市場供給明顯不足，所以使得中部地區的生產性服務集聚對制造業效率有顯著的促進作用；從表2控制變量的回歸結果進行分析：(1)政府支出水平，回歸結果均為正，并且西部地區有較為明顯的促進作用，這是由于地方政府的支出大大增加并且主要用于改善民生以及公共設施，這有助于促進制造業效率的提高。(2)交通基礎設施，西部和中部的回歸結果為正，具有明顯的促進作用，東部地區具有抑制作用，這是由于東部地區面積小，人口密度大，造成交通擁堵，抑制制造業的效率提升。(3)人力資本水平，根據回歸結果，西部和中部地區，人力資本水平提升對制造業效率有顯著的促進作用，提高了企業的核心競爭力，進而提升了制造業效率。(4)R&D從業人數，從回歸結果來看，回歸結果均為正，西部和中部地區科技創新的支出對制造業效果更為顯著，這是因為，生產性服務業屬于知識密集型產業，而科技研發，需要依靠高端人才以及專業化人才，在產業集聚效應下，產業化水平的提升，有利于產業的發展，更好的提升了制造業的效率。

(二)按地區經濟規模分組回歸分析

表3　經濟規模層次混合OLS模型回歸結果

為了進一步研究生產性服務業集聚對制造業生產效率影響的經濟規模的差異，本文將規模GDP作為分組變量，根據省市的GDP均值以及發展情況，本文將以9000億元和16000億元作為按GDP進行分組的標準，觀察不同的經濟規模下，生產性服務業集聚對制造業效率的影響研究，本文采用混合OLS模型以及隨機效應模型(random effects models)進行分析，首先對各個分組做一個基本回歸，其次，加入控制變量進行回歸。實證結果如下表3。

根據表3的結果可以看出，不同城市經濟規模下，生產性服務業集聚對制造業效率產生了較大的差異性影響。經濟規模在9000億元以下的省市，生產性服務業集聚可以顯著的抑制制造業的效率，表現為專業化集聚指標為負，且通過1%的顯著性檢驗。加入控制變量：人力資本水平、交通發達程度、政府干預程度、R&D從業的人數，回歸結果可以看出，控制變量可以顯著的促進制造業效率，表現為四個指標均為正，且通過1%的顯著性檢驗。經濟規模在9000—16000億元的省市，生產性服務業卻可以顯著的促進制造業的效率，表現為專業化集聚指標為正，并且通過了5%的顯著性檢驗。經濟規模在16000億元以上的省市，生產性服務業專業化集聚指標為正，但是生產性服務業專業化集聚對制造業效率影響并不顯著。由以下原因：(1)交通運輸方式，經濟規模小于9000億元的省市，地區由于特殊的地理形貌主要依靠鐵路運輸。而經濟規模在9000億元以上的省市大部分以水路和公路為主，這些地區由于經濟發展比較好，基礎設施較為完善，區域內的人均道路面積越多，則集聚力較其他城市相對不足。(2)人口密度，人口密度在經濟規模小于9000億元的西部省市，密度較小，此時生產性服務業集聚造成的知識和技術的擴散，而這些積極作用對制造業效率的提升還并未充分挖掘；而人口密度在經濟規模9000-16000億元的中部地區，人口集聚逐步形成規模效應。但是在經濟規模大于16000億元的東部省市，人口密度較大，人口集聚的規模效應不斷的被集聚成本所抵消，制造業趨于到要素價格低和資源環境約束弱的中部地區分布。中部這些地區可以形成規模效應和專業化分工的效應，自身的技術水平和效率相對提高，使得轄區內的制造業受到生產性服務業的外溢效應，進而使得生產性服務業集聚對制造業效率的提升有較為顯著的影響。相反西部地區，生產性服務業規模較小，服務能力較低，難以形成規模效應和專業化分工的效應，所以較為分散的發展生產性服務業，反而會抑制制造業效率的提升。

五、結論

本文基于中國30(西藏除外)個省市2006—2015年的統計數據，運用混合OLS回歸模型和隨機效應模型，分析了區域層次以及經濟規模層次的不同，生產性服務業集聚對制造業效率影響的差異。濟規模大于16000億元的地區生產性服務業集聚對制造業效率影響不顯著，經濟規模小于9000億元的地區生產性服務業集聚對制造業效率有顯著的抑制作用，而經濟規模在9000-16000億元的地區生產性服務業對制造業效率影響有顯著的促進作用。

【參考文獻】

[1]孫浦陽,韓帥,許啟欽.企業集聚對勞動生產率的動態影響[J].世界經濟,2013(3)：34-46.

[2]于斌斌.生產性服務業集聚能提高制造業生產率嗎？——基于行業、地區和城市異質性視角的分析[J].南開經濟研究,2017(2)：112-132.

[3]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].數量經濟研究,2017(2):89-104.

[4]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.

[5]盛豐.生產性服務業集聚與制造業升級:機制與經驗——來自 230 個城市數據的空間計量分析[J].產業經濟研究,2014,(2):32 -39．

[6]余泳澤,宣燁,沈揚揚.金融集聚對工業效率提升的空間外溢效應[J].世界經濟,2013,(2):93-116．

[7]席強敏,陳曦,李國平.中國城市生產性服務業模式選擇研究——以工業效率提升為導向．中國工業經濟.2015,(2):18 -30．