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

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

于斌斌*

本文采用隨機前沿方法(SFA)測算了中國城市制造業生產率，并運用空間計量技術引入城市之間的地理距離來分析生產性服務業集聚與制造業生產率之間的關系。研究結論顯示，中國城市制造業生產率存在顯著的空間相關性，并且符合“地理學第一定律”。生產性服務業集聚對制造業生產率的影響效應受到行業結構、地區差異和城市規模的約束：高端生產性服務業集聚、中部地區以及特大城市和小城市的生產性服務業集聚能顯著提升制造業生產率，而低端生產性服務業集聚和西部地區的生產性服務業集聚對制造業生產率存在明顯的抑制效應。這是由于中國城市以低端生產性服務業為主的產業結構會對高端生產性服務業和制造業存在明顯的擠出效應，從而阻礙了制造業生產率的提升。從外部性效應看，生產性服務業集聚的 Jacobs外部性和 MAR外部性分別對制造業生產率存在顯著的正向和負向影響，而生產性服務業集聚的 Porter外部性影響則不顯著。提高人力資本和信息化水平可以有效地改善生產性服務業集聚對制造業生產率的不利影響。

生產性服務業；制造業；SFA；空間計量檢驗

一、引 言

生產性服務業作為制造業的中間投入品，具有產業關聯、跨界服務、人才集聚和知識密集等特征。生產性服務業對制造業的影響作用也隨著工業化和城市化的快速推進而不斷演化，由起初的管理功能(“潤滑劑”)到促進功能(“生產力”)再到如今的戰略功能(“推進器”)。自20世紀80年代以來，生產性服務業在發達國家迅速崛起，不僅快速提高了制造業產品的附加值，還逐步成為了區域經濟增長的動力源泉。作為從制造業內部分離出來的獨立產業部門，生產性服務業鑲嵌在制造業整個產業鏈環節，促進了制造業的生產連續性、技術進步和產業升級。對于“世界第一制造大國”的中國而言，面對不利的國際經濟形勢和日益嚴峻的資源環境約束，亟待轉變傳統制造業高污染、高能耗、高排放的發展模式，而產業發展實質是生產率的增長，因此以研發、信息、物流、金融和技術支持等服務為核心的生產性服務業必將成為制造業生產率提升的內在動力。在政策層面，生產性服務業的發展逐漸上升為國家戰略，中央政府相繼出臺了相關的政策措施，將“拓展生產性服務業”作為經濟方式轉變和產業結構升級的重要內容，并明確提出“大力發展現代物流業”、“有序拓展金融服務業”、“規范提升商務服務業”和“培育壯大高技術服務業”等政策主張。

從空間布局上看，生產性服務業的集聚分布特征明顯，與制造業集聚相比，生產性服務業具有更高的集聚程度且進一步上升趨勢明顯(Illeris and Philippe，1993；胡霞，2008)。不僅如此，生產性服務業的空間集聚可以通過專業化分工(Markusen，1989；Daniels，1995)、降低交易成本(Eswaran and Kotwal，1989；馮泰文，2009)等途徑提高制造業生產率。在我國生產性服務業發展實踐中，其主要集中在東部沿海地區和發達城市，從而呈現出一定程度的非均衡性，這與美國 90%,的生產性服務業在大都市區集聚的特征相似。在現實經濟活動中，一個地區對于生產性服務業發展的市場需求不僅來自本地區的制造業發展，還來自地理鄰近的周邊地區(韓峰等，2014)。然而，在制定生產性服務業發展規劃的過程中，大多數地區或城市往往缺乏全局觀，并未考慮周邊地區生產性服務業的發展狀況。因此，關于生產性服務業集聚對制造業生產率影響機制的分析，需要引入地理距離來考察空間溢出效應，這對于利用生產性服務業的空間集聚外部性提升制造業生產率具有重要意義。

二、文獻評述與問題提出

關于生產性服務業與制造業之間關系的研究已取得了豐碩的成果，這些文獻主要從需求與供給、產業鏈和價值鏈、迂回生產等角度進行了分析，主要形成了兩種觀點。第一類觀點認為生產性服務業集聚對制造業發展具有顯著的促進作用。根據經濟發展的不同階段，顧乃華(2004)總結提出了“需求論”、“供給論”、“互動論”和“融合論”四種觀點。其中，“需求論”和“供給論”是指在經濟發展初期，制造業需求對生產性服務業發展起主導作用，但生產性服務業則作為中間投入會隨經濟進一步發展開始彰顯主導地位；“互動論”和“融合論”則認為在經濟發展的高級階段，隨著信息技術、通信技術的高速發展和廣泛應用，生產性服務業與制造業之間的邊界逐漸變得模糊，并進而出現相互融合的發展趨勢。Hansda(2001)利用印度1993—1994年的投入產出表證實了生產性服務業與制造業存在明顯的正相關性。Banga(2005)則在 Hansda基礎上指出，生產性服務業集聚不僅能提高制造業對各類服務的利用效率，還可以通過產業關聯效應對制造業增長產生乘數效應。江小涓和李輝(2004)、徐從才和于寧(2008)也從產業鏈和價值鏈的角度證實了生產性服務業集聚有利于提升制造業競爭力。第二類觀點認為生產性服務業集聚對制造業發展的促進作用并不明顯。Anderson(2004)對生產性服務業與制造業關聯效應進行的實證研究發現，生產性服務業集聚對制造業發展并未起到積極的促進作用。魏峰和曹中(2007)利用我國東、中、西部地區的面板數據對生產性服務業集聚與制造業發展的動態關系進行了檢驗，也沒發現生產性服務業集聚對制造業發展存在顯著的正向影響。

上述研究之所以出現兩種不同的觀點，究其原因在于：一方面，城市是生產性服務業集聚的主要場所，城市規模、行業特征各異，生產性服務業的集聚效應則完全不同；另一方面，大多數研究將研究范圍設定為省級區域，而省級區域則將省內的城市和地區都看作均質區域，掩蓋了生產性服務業集聚的區域性差異。Bailly(1995)研究歐洲生產性服務業的空間布局時發現，高端生產性服務業主要集中在倫敦、巴黎、法蘭克福等全球性大都市區。Illeris和 Sjoholt(1995)也得出了類似的研究結論。閆小培和鐘韻(2006)考察全國以及珠三角、我國的香港特別行政區等地區的生產性服務業空間布局時發現，生產性服務業與城市發展水平密切相關，中心城市往往會集聚更多的高端生產性服務業。陳建軍和陳菁菁(2011)的實證研究則顯示，大城市要想推動制造業轉型升級，需要首先關注生產性服務業的集聚與發展，而中小型城市則應重點推動制造業集聚，以此吸引生產性服務業的集聚發展。那么，在行業差異、城市規模等約束條件下，生產性服務業集聚與制造業生產率之間到底存在怎樣的互動關系？本文將試圖作出回答。

在生產性服務業集聚特征的研究中，相關文獻大都是隨著現代服務業高速增長以及 Scott(1988)提出“服務業集聚”概念以后，研究主題才進一步明確。綜合已有研究，生產性服務業集聚的影響因素可歸納為：①市場需求。制造業的需求對象大都是最終消費者，而生產性服務業的需求則以制造業企業為主。一方面，低端生產性服務業(如物流、日常性金融、一般性商務等)具有知識密集度低、服務半徑小、交易頻率大等特征，適宜于集中在市場規模較小的中小城市；另一方面，高端生產性服務業(如科技、會計、咨詢等)具有產品附加值高、服務半徑大、交易頻率小等特征，則適合集聚在市場規模較大的區域性中心城市或國際性城市(姚永玲和趙宵偉，2012)。②人力資本。Harrington(1995)認為潛在客戶布局與各類生產要素的成本及可得性是影響生產性服務業集聚的兩個重要因素。采購、批發、物流等低端生產性服務業主要依靠于城市的基礎設施建設，而咨詢服務、科技研發、金融服務等高端生產性服務業則對人力資本要素的依賴程度較高。正是由于大中型城市具有較多的人才、知識等高級要素，高端生產性服務業才偏好集聚于這些規模較大的都市區。③運輸成本。生產性服務業不同于制造業，具有產品無形、不可儲存、生產消費同時等特性，導致傳統的運輸成本難以解釋生產性服務業集聚(Moulaert and Gallouj，1993)。由于生產性服務業主要依靠信息通信網絡來完成跨空間、遠距離的傳輸和貿易，因而在提高信息化水平之后，生產性服務業在地理上的互動成本和貿易成本將減少，從而大幅度促進了生產性服務業集聚(陳建軍等，2009)。譚洪波(2013)也發現，在信息通信技術、交通運輸網絡密度和地方保護主義三類貿易成本中，信息通信技術對生產性服務業空間集聚的影響最為顯著。④制度因素。從生產性服務業的內部行業構成來看，高端生產性服務業對制度因素極為敏感，甚至本身就是制度政策的載體，且大城市多數是政策的決策中心和策源地，集聚在這些城市不僅有利于與政策部門及時溝通，還能獲取制度上的支持；而低端生產性服務業則更多地依賴于服務效率提升、服務功能完善和生產成本節約。江靜等(2007)也指出，大都市地區由于較高的收入水平和生活成本，只能發展對成本相對不敏感而對制度特性比較敏感的現代服務業。

生產性服務集聚如何提高制造業生產率？外部性理論則為解釋這一問題奠定了研究基礎，然而目前對于三種外部性效應(即 MAR、Jacobs和 Poter外部性)的研究主要集中在制造業領域。實質上，通過對文獻的梳理發現，生產性服務業集聚也可以通過這三類外部性影響制造業生產率。首先，MAR外部性理論認為，同一產業在同一地區的專業化集聚與分工，有利于知識、信息和技術在區域內的擴散和共享，從而有利于提高生產率(Glaser et al.，1992)。生產性服務業集聚不僅可以通過提供專業化服務來降低制造業生產成本，還有利于制造業企業涉足價值鏈高端環節，提升制造業技術含量和深化制造業專業化分工(Francois，1990)。其次，Jacobs外部性理論指出，同一地區的產業多樣化集聚是推動產業技術創新和生產率提升的主要動力，一個地區的產業多樣化集聚更能發揮知識和技術溢出的外部性效應(Jacobs，1969)。生產性服務業的多樣化集聚對制造業生產率的提升機制可以用 Duranton和 Puga(2001)的“技術池觀點”與 Wang(2003)的“市場區觀點”進行解釋：一是生產性服務業多樣化集聚可以增強廠商之間的技術交流與合作，并通過吸納專業化的技術人才向該地區集聚，進而推動制造業技術創新和科技進步；二是生產性服務業多樣化集聚提高了技術擴散效率，并引導所服務的制造業企業采用新技術、新方法和新工藝，增強了制造業對外部市場競爭環境的適應能力，提高了該地區的市場容量和增長潛力。最后，Porter(1990)指出，市場競爭程度才是影響產業技術創新和知識溢出的關鍵因素。一方面，生產性服務業集聚降低了制造業企業在購買服務過程中的隨機性和不確定性，提高了其對市場需求的反應速度，進而降低了制造業企業的搜尋成本、信息成本和交易成本；另一方面，由于市場競爭效應的存在，生產性服務業集聚會降低服務門檻和提升信用等級，促進制造業企業將服務環節甚至部分制造環節實行服務外包，從而使其專注于具有比較優勢的制造環節以提升生產效率(盛豐，2014)。

需要指出的是，以上研究都忽略了城市在通過集聚效應吸引產業和人口時與腹地和周圍城市之間的空間關系。由于生產性服務業集聚對城市有很強的依賴性，尤其是當生產性服務業與制造業在空間上相互分離時，城市之間的相互依賴性會增強(Puga，2009)。城市所處空間位置的特殊性使得生產性服務業集聚必然會受到來自周圍其他城市的影響，而且它們在很大程度上決定了生產性服務業集聚的空間溢出效應。顧乃華(2011)利用中國城市樣本數據和 HLM 模型研究發現，生產性服務業集聚對工業的外溢效應存在明顯的區域邊界，即市級層面的生產性服務業集聚能顯著提升本地工業的全要素生產率，而省級層面的生產性服務集聚與所轄市工業的全要素生產率并無顯著的相關性。宣燁(2012)的研究結論也顯示，生產性服務業集聚不僅能提高本地區制造業的勞動生產率，還可以通過空間外溢效應提升周邊地區制造業的勞動生產率。因此，城市規模及其與其他城市的空間關聯是不能忽視的因素。然而，大多數研究將地理距離處理為一個“黑匣子”，掩蓋了城市或地區之間的空間溢出效應。

在既有研究的基礎上，本文將利用 2003—2012年中國 285個地級及以上城市的統計數據對生產性服務業集聚與制造業生產率的關系進行深入分析，并分別考察在行業特征、城市規模、地區差異等約束條件下生產性服務業集聚對制造業生產率的空間溢出效應以及生產性服務業集聚外部性對制造業生產率的影響效應。

三、模型設定、變量說明與數據來源

（一）空間計量模型設定

基于上述理論基礎，本文借鑒 Fischer等(2009)、于斌斌和金剛(2014)等學者采用的空間計量方法，可設定如下基本的空間計量模型：

其中，TFPit為i城市制造業在t時間的生產率，Agg為生產性服務業集聚水平，X為控制變量集，αi、vt、εit分別為地區效應、時間效應和隨機擾動項。ρ、λ分別為空間滯后系數和空間誤差系數，表示地區間的空間溢出效應。Wij為空間權重矩陣，本文采用城市之間直線距離的倒數作為權重①簡單的二元鄰接矩陣認為不相鄰地區之間不存在相關性的理念與現實情況有較大出入。本文采用城市間距離的倒數作權數，既考慮到了空間臨近但不相鄰的城市之間也可能存在相互影響的現實，還能夠避免地理距離內生于制造業生產率提高所帶來的偏差。。

由新經濟地理學理論可知，一個產業的空間集聚過程是由“向心力”作用的集聚效應和“離心力”作用的擁塞效應共同影響的結果，從而使生產性服務業集聚對制造業生產率呈現出不同的影響效應。因此，本文將在模型中引入生產性服務業集聚水平的二次項以檢驗生產性服務業集聚與制造業生產率之間是否存在二次函數關系。于是，上述空間計量模型可以修改為：

（二）變量說明

1. 被解釋變量：制造業生產率(TFP)。本文將借鑒F?re等(1994)的隨機前沿分析方法(Stochastic Frontier Analysis，SFA)來估計制造業生產率。制造業產出變量由各個城市的制造業生產總值來表示①由于《中國城市統計年鑒》缺少制造業生產總值的統計數據，本文假定同一省區同一行業的勞動生產率相同，在此基礎上，各城市的制造業生產總值可分兩步計算：第一，分別計算各省的采礦業、制造業和電力、燃氣及水的生產和供應業的勞動生產率；第二，各城市的制造業生產總值=各城市工業生產總值-(各省區采礦業勞動生產率×各城市采礦業就業人數)-(各省區電力、燃氣及水的生產和供應業勞動生產率×各城市的電力、燃氣及水的生產和供應業就業人數)。這一方法既考慮我國省際市場分割的現實存在性，又避免了以往文獻用工業總產值代替制造業總產值而未兼顧工業內部行業差異性的弊端。本文將計算后的各省中每個城市制造業生產總值加總并與省區制造業生產總值進行對比，發現二者并沒有出現明顯的差距，這也說明了該方法的合理性和可行性。，并根據各個城市所在省份的 GDP平減指數調整為2003年的不變價格。制造業投入變量確定為資本存量和勞動投入。其中，對制造業資本存量采用永續盤存法估算，具體參照單豪杰(2008)的處理方法，將折舊率設定為10.96%,；對勞動投入，選擇以制造業就業人數來表示。基于卡爾多程式化事實，本文將利用柯布-道格拉斯形式的 SFA模型對各個城市制造業生產率進行核算，其公式表示如下：

其中，αi為模型的待估計系數，t、T為選擇樣本的觀察期和基期年度，νit、μit為隨機干擾項和技術無效率項且分別服從標準正態分布與非負斷尾正態分布，η為技術效率水平的時變參數。本文運用 FRONTIER4.1軟件對模型(3)的系數進行估計發現，所有參數均通過了顯著性檢驗(見表 1)，這表明基于柯布-道格拉斯形式的 SFA模型能夠較好地刻畫制造業生產率。因此，中國各城市的制造業生產率可以通過如下公式求得②由于受篇幅所限，本文并未羅列城市制造業生產率的計算結果，有需要的讀者可向作者索要。：

其中，TEit表示i城市制造業在t時期的技術效率，exp(α0+α3t)代表t時期的前沿面技術水平。

表1 中國城市制造業生產函數模型的估計系數

2. 解釋變量：生產性服務業集聚(Agg)。關于產業集聚的測度方法有很多，典型的有區位商指數、Hoover指數、Gini系數、E-G指數等。由于區位商指數可以消除地區規模差異因素，能真實反映某一城市的要素空間分布情況(Donoghue and Gleave，2004)，本文將采用該指數來衡量生產性服務業的集聚水平。其計算公式如下：

其中，A gg( t)為t時期i城市j產業的區位商指數，eij( t)為t時期i城市j產業的就業人數，為t時期i城市所有產業的就業人數，為t時期全部城市j產業的就業人數，為t時期全部城市所有產業的就業人數。生產性服務業的區位商指數越大，說明集聚程度越高，反之則越低①結合已有研究對生產性服務業內涵和外延的界定，并借鑒《北京生產性服務業統計分類標準》和《上海生產性服務業分類》(試行)對生產性服務業的分類標準，本文選取“交通運輸、倉儲和郵政業”、“信息傳輸、計算機服務業和軟件業”、“批發和零售業”、“金融業”、“房地產業”、“租賃和商業服務業”和“科學研究、技術服務業和地質勘查業”7個行業來代表生產性服務業。。

3. 控制變量。考慮到生產性服務業集聚與制造業生產率的其他影響因素，本文還控制了一些解釋變量：①經濟發達程度(Dev)。城市經濟越發達，生產性服務業的市場需求和市場容量就越大，制造業生產率可能就越高。這種極化效應使制造業生產率較高的城市大都集中在經濟發達地區。本文采用人均 GDP來反映一個城市的經濟發達程度。②人力資本水平(Edu)。人力資本水平不僅是生產性服務業集聚的重要影響因素，還會通過提升管理效率和創新效率來提高制造業生產率。本文借鑒周少甫等(2013)的做法，采用平均受教育年限作為人力資本的代理變量①為計算各地區的平均受教育年限，我們設定不同教育水平的受教育年限：小學為6年、初中為9年、高中為12年、大專以上為16年，然后以各受教育水平在人口中的比例為權數計算得到各地區的平均受教育年限。。③信息化水平(Inf)。信息化水平是衡量一個國家或地區現代化水平的重要標志，而且制造業生產率提高本身就需要進行信息化改造。提升信息化水平既能有效降低制造業在產品、技術信息等方面交易成本，又可以加快技術外溢所依托的技能、知識等媒介的傳輸速度。本文采用互聯網普及率來代理。④外商直接投資(FDI)。一個城市的 FDI不僅可以增加該地區的資本存量，還能通過產業關聯、技術外溢等方式影響該地區的制造業生產率。本文采用城市年度獲得的FDI占GDP的比重作為代理變量，并按歷年人民幣匯率的平均價格進行折算。⑤固定資產投資(FAI)。由于中國制造業生產率的增長在較大程度上依賴于固定資產投資的增加，因此本文選取社會固定資產投資總額作為代理變量。⑥政府干預程度(Gov)。在財政分權體制下，地方政府對經濟活動的干預對一個地區的經濟發展存在顯著影響，本文以財政支出占GDP的比重來控制這一變量。

4. 交叉相乘項。由于經濟發達程度、人力資本水平、信息化水平和外商直接投資也會通過對生產性服務業集聚產生作用效應進而間接地影響制造業生產率，故本文將在控制變量中加入生產性服務業集聚程度與這 4個變量的交叉相乘項，以更好地考察這些變量對制造業生產率的影響規律。

（三）數據來源

為了能夠更加準確、清楚地反映中國各個城市生產性服務業集聚對制造業生產率影響的變化規律，再加上20世紀90年代早期數據的嚴重缺失以及2000年前后中國許多城市(多為市轄區)進行了大規模的行政區劃調整，本文將選取 2003年及以后年份的城市統計數據進行分析。需要指出的是，國務院分別于 2011年和 2012年在安徽省撤銷巢湖市(將其所轄地區劃歸合肥、蕪湖、馬鞍山三市管轄)，在貴州省設立畢節(原縣級畢節市)和銅仁(原縣級銅仁市和萬山特區)兩個地級市，在海南省設立地級三沙市。由此，中國地級及以上城市的數量由原來的 287個變為 289個。為了統計口徑一致，本文最終選取了 2003—2012年除巢湖、畢節、銅仁、三沙、拉薩(缺少歷年數據)以外的中國 285個地級及以上城市 10年的面板數據進行分析。本文數據主要來源于2004—2013年的《中國城市統計年鑒》、《中國統計年鑒》以及各省(市)統計年鑒，并且對個別城市所缺失的數據采用插值法進行補充。

四、空間計量檢驗與分析

（一）空間相關性檢驗

對于判斷地區制造業生產率之間是否存在空間相關性，本文將采用由Moran(1950)提出的空間自相關指數Moran's I來進行檢驗，計算公式為：

表2 2003—2012年中國城市制造業生產率的Moran′sI指數

表2給出了2003—2012年中國城市制造業生產率的Moran's I指數檢驗結果。數據顯示，Moran's I指數在2003—2012年間均通過了1%,的顯著性檢驗，且城市制造業生產率的 Moran's I指數都為正值。這說明中國各城市之間的制造業生產率并沒有表現出完全的隨機狀態，而是具有明顯的空間相關性，即制造業生產率相似的城市存在顯著的空間集聚效應。從表 2中還能看出，中國城市制造業生產率的空間相關性系數在 2003—2012年呈逐年遞減的趨勢，這意味著中國城市制造業生產率在空間集聚上出現了較強的局部集聚性和集聚陰影效應，導致周邊地區難以形成新的制造業集聚區，從而降低了制造業生產率在遠距離城市間的空間相關性。

由于中國城市之間最小的“門檻距離”是 306公里，即在不小于該距離的前提下，才能實現每一個城市都至少存在一個地理鄰近的城市，本文計算了 350～1550公里距離帶寬條件下的中國城市制造業生產率在2003—2012年的Moran's I指數及其統計檢驗(見表 3)。結果顯示，中國城市制造業生產率的空間相關性隨地理距離的增加逐漸下降，并且當距離超過 1550公里時，制造業生產率在 2003—2012年的空間相關性都不再顯著。這不僅證實了中國城市制造業生產率的空間相關性符合“地理學第一定律”(Tobler's First Law)，而且驗證了其空間溢出邊界為1550公里左右。因此，考慮地理距離的差異來分析中國城市生產性服務業集聚對制造業生產率的影響效應就顯得尤為重要。

表3 中國城市制造業生產率的Moran'sI指數隨地理距離的變化及其統計檢驗

（二）總體樣本的回歸分析

本文借鑒Elhors(2003)的做法，通過比較Lagrange乘數及其穩健性來判斷空間計量分析到底采取SLM模型還是SEM模型。檢驗結果顯示，SLM-LM值為112.54(p值為0.000)，大于SEM-LM值89.35，對應的SLM-RLM值為67.34也大于SEM-RLM值，而且Robust-LMLAG顯著而Robust-LMERR不顯著，因此采用SLM模型將更為合理，并且模型選擇固定效應。同時，根據Lee和Yu(2010)的建議，本文對空間計量模型將采取擬極大似然法(Quasi-maximum Likelihood Estimation)進行參數估計。

表4給出了普通面板OLS模型和空間面板SLM模型的計量結果，從中可以發現OLS模型 Adjust-R2的值僅為 0.273,6。這說明空間面板模型要比普通面板模型對于中國城市生產性服務業集聚影響制造業生產率的解釋力更強。由空間計量的回歸結果可知，生產性服務業集聚對制造業生產率存在顯著的負向影響，并且生產性服務業集聚的二次項系數也通過了負向的顯著性檢驗。這意味著中國城市的生產性服務業集聚對制造業生產率提高存在明顯的阻礙作用，其原因正是由于生產性服務業集聚產生擁擠效應所致。交叉相乘項的回歸結果顯示，人力資本和信息化水平的提高可以改善生產性服務業集聚對制造業生產率的抑制作用。這一結論支持了陳建軍等(2009)、譚洪波(2013)等學者的研究結果，也證實生產性服務業集聚之所以產生擁擠效應是由于人力資本和信息化水平不高而增加了知識、信息的溢出成本和降低了信息傳播速度，從而阻礙了生產性服務業集聚對制造業生產率的促進作用。可能的解釋還有：中國城市生產性服務業集聚雖然獲得了快速發展，但并未與制造業形成良性互動，再加上產業結構層次偏低，甚至有些城市在“退二進三”、“騰龍換鳥”等政策的影響下，生產性服務業與制造業在有限的城市空間內存在顯著的“擠出效應”。下文將對此作進一步的實證檢驗。

表4 全國層面的空間計量回歸結果

在控制變量方面，人力資本水平、信息化水平、固定資產投資和外商直接投資對制造業生產率的影響都顯著為正。需要指出的是，外商直接投資和政府干預程度對制造業生產率的影響效應在OLS模型和SLM模型出現了兩種截然不同的結論，即在考慮空間效應的條件下，外商直接投資對制造業生產率的影響由顯著為負變為顯著為正，而政府干預程度的影響效應則未通過顯著性檢驗。本文給出的可能解釋是：一方面，外商直接投資雖然并不一定有利于本地區制造業生產率的提高，但可以通過知識和技術外溢效應促進周邊地區的制造業生產率的提升；另一方面，由于考慮了空間效應的差異，從而弱化了中國城市之間的區際市場分割現象對于制造業生產率提升的阻礙作用。

（三）按行業分類的考察

根據研發強度、人均產值等指標，本文將生產性服務業分為低端生產性服務業和高端生產性服務業兩類。其中，低端生產性服務業包括“交通運輸、倉儲和郵政業”、“批發和零售業”、“租賃和商業服務業”3個行業，高端生產性服務業包括“信息傳輸、計算機服務業和軟件業”、“金融業”和“科學研究、技術服務業和地質勘查業”3個行業。兩個Lagrange乘數及其穩健性的檢驗結果支持本文選擇SLM模型，下面分別對兩類產業與制造業生產率的關系進行空間計量回歸。

由表 5可以發現，低端生產性服務業集聚及其二次方對制造業生產率都存在顯著的負向影響，而高端生產性服務業集聚及其二次方卻明顯促進了制造業生產率的提升。該結論從行業細分的層面解釋了為什么我國城市在整體上存在“生產性服務業集聚對制造業生產率存在顯著的負向影響”的現象。這正是由于我國城市具有低端生產性服務業高度集聚和過度競爭的行業特征，使得生產性服務業集聚對制造業發展的擠出效應明顯，而高端生產性服務業集聚度相對較低，其進一步集聚才可以滿足制造業生產率提升的需求。從交叉相乘項的回歸結果看，人力資本水平和經濟發達程度的提高都只能改善高端生產性服務業集聚對制造業生產率的促進作用，而對低端生產性服務業集聚對制造業生產率的影響作用并不明顯。這說明高端生產性服務業集聚依賴于區域經濟的發達程度和人力資本水平。信息化水平與生產性服務業集聚的相乘項對制造業生產率的影響與上文的研究結論基本一致。在控制變量方面，需要指出的是，在低端生產性服務業中，外商直接投資和政府干預程度對制造業生產率具有顯著的正向影響，而這兩個指標在高端生產性服務業中對制造業生產率的影響并不顯著。這意味著外商直接投資和政府干預程度對高端生產性服務業集聚發展并沒有明顯作用，而低端生產性服務業的發展則更依賴于外商直接投資的技術外溢和地方政府的政策支持。

表5 行業層面的空間計量回歸結果

（四）按地區分組的考察

為了進一步考察生產性服務業集聚對制造業生產率影響的區域性差異，我們將全國的285個城市樣本細分為東、中、西地區三個樣本組①按照通常的區域規劃習慣，本文將北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南11個省份(市或自治區)作為東部地區，把山西、內蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南9個省份作為中部地區，把廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆 11個省份(市或自治區)作為西部地區。，其中分別有101個、109個和75個城市樣本數，然后分別就三個地區生產性服務業集聚對制造業生產率的影響進行空間計量回歸。本文仍將選擇SLM模型進行分析。

表 6中的回歸結果顯示，生產性服務業集聚對制造業生產率的影響效應存在明顯的區域差異：東部地區的城市生產性服務業集聚對制造業生產率的影響不明顯，而且也并未出現擁擠效應；中部地區城市生產性服務業集聚及其二次方對制造業生產率都具有顯著的正向影響；而西部地區城市生產性服務業集聚及其二次方對制造業生產率的影響效應與中部地區正好相反。這可以從產業結構調整上找到一些原因：對于東部地區而言，整體上正處于工業化中后期的發展階段，即制造業出現轉移與升級，生產性服務業也在從低端向高端演化與變遷，從而導致生產性服務業集聚對制造業生產率的影響效應并不顯著；對于中部地區而言，隨著東部地區制造業向中部地區的轉移，中部城市對生產性服務業存在巨大的市場需求，使得生產性服務業集聚對制造業生產率具有明顯的促進作用；對于西部地區而言，其正是由于制造業和生產性服務業都相對滯后、產業結構層次偏低造成的。在交叉相乘項方面需要指出的是，人力資本水平和信息化水平的提高使東、中部地區的生產性服務業集聚對制造業生產率的影響存在顯著的促進作用。從控制變量的回歸結果來看，外商直接投資的技術溢出僅有利于提升中部地區的制造業生產率，而對東、西部地區的制造業升級具有顯著的阻礙作用。這也從另外一個側面反映東部地區對于產業高端化發展的需求。固定資產投資和政府干預程度對東、中部地區的制造業生產率具有顯著的正向影響，說明政府規模在跨期內是具有一定合理性的，尤其是地方政府增加用于基礎設施改善和科技創新激勵的財政支出對于制造業生產率具有促進作用。

表6 區域層面的空間計量回歸結果

（五）不同城市規模的考察

本文采用市轄區年末人口數作為城市規模的代理變量。鑒于許多城市市轄區的行政區劃頻繁，我們以2012年的城市規模為標準來選擇其他年份的城市。根據城市市轄區年末人口總數，可以將城市規模分為4類：①特大城市，200萬人口以上；②大城市：100～200萬人口；③中等城市，50～100萬人口；④小城市，50萬以下人口。在所有的城市樣本中，共有特大城市45個，大城市81個，中等城市108個，小城市51個。空間計量模型的檢驗結果支持選擇SLM模型和固定效應，詳細結果見表7。

表7 城市規模層面的空間計量回歸結果

回歸結果顯示，生產性服務業集聚對特大城市和小城市的制造業生產率存在顯著的正向影響，對大、中型城市的制造業生產率的影響為負，但并沒有通過顯著性檢驗。同時，在各類城市規模條件下，生產性服務業集聚都不存在擁擠效應。這與前文分析結合起來可以發現：一方面，大、中型城市生產性服務業發展還相對粗放，且以低端生產性服務業為主，并沒有像特大城市那樣跨入到以高端生產性服務業為核心的發展模式，而小城市則主要以制造業為主，從而對生產性服務業存在大量需求，使得生產性服務業集聚對制造業生產率提升具有顯著的促進作用；另一方面，生產性服務業集聚與城市等級存在較強的匹配效應，這也是生產性服務業集聚并不存在擁擠效應的原因。由交叉相乘項的回歸結果可知，大、中型城市的生產性服務業集聚對制造業生產率的負向影響可以通過人力資本水平和信息化水平的提升得到改善。在控制變量的回歸結果中還能看出，對于中等城市和小城市而言，充分利用外商直接投資的技術外溢效應和地方政府的政策支持也能明顯提升制造業生產率。

五、生產服務業集聚外部性對制造業生產率的影響分析

通過文獻整理發現，生產性服務業集聚大都是通過外部性或外溢效應作用于制造業生產率，因此本文將進一步從集聚外部性視角進行分析。借鑒張學良(2012)、于斌斌和金剛(2014)等學者研究方法，本文分別采用專業化指數、多樣化指數和波特指數來測度生產性服務業集聚的三類外部性，計算公式為：

其中，sji為i城市中j產業就業人數占該城市總就業人數的比重，si為j產業就業人數占全國所有城市就業人數的比重，Ni為i城市的批發零售貿易企業數，Gi為i城市的社會消費品零售總額。

從表8中可以看出，從全國層面來看，生產性服務業集聚的MAR外部性對制造業生產率存在顯著的負向影響，而生產性服務業集聚的Jacobs外部性對制造業生產率的影響顯著為正，Porter外部性的影響則不顯著。然而，生產性服務業集聚的三類外部性也因行業、區域和城市規模的不同對制造業生產率的影響存在顯著差異：一是生產性服務業集聚的MAR外部性對制造業生產率的顯著負向影響并沒有受到行業、區域和城市規模的限制；二是低端生產性服務業集聚的Jacobs外部性對制造業生產效率具有顯著的正向影響，而從地區和城市規模的視角看，生產性服務業集聚的Jacobs外部性有利于東部地區和特大城市的制造業生產率提升；三是生產性服務業集聚的Porter外部性僅對中部地區的制造業生產率的影響顯著為負，而對于分行業和分城市規模的制造業生產率的影響并不明顯。結合前文關于生產性服務業集聚對制造業生產率的影響效應，我們可以發現生產性服務業集聚對制造業生產率存在阻礙作用的原因正是由于生產性服務業的低端化和專業化造成的。因此，有針對性地發揮生產性服務業集聚的Jacobs外部性則是化解這一問題的關鍵。這一結果與席強敏等(2015)的研究結論相一致。

表8 生產性服務業集聚外部性對制造業生產率影響的空間計量結果

六、結論與政策含義

本文基于中國 285個地級及以上城市 2003—2012年的統計數據，運用空間計量技術將城市之間的地理距離引入到計量模型中，分析了生產性服務業集聚與制造業生產率的關系。研究結果顯示，中國城市制造業生產率具有顯著的空間相關性且顯著性邊界為 1,550公里，同時在空間集聚上呈現出較強的集聚陰影效應。本文的重要發現是，生產性服務業集聚對制造業生產率的影響效應受制于行業特征、地區差異和城市規模等約束條件：一方面，高端生產性服務業集聚、中部地區以及特大城市和小城市的生產性服務業集聚對制造業生產率提升都存在顯著的促進作用；另一方面，低端生產性服務業集聚、西部地區的生產性服務業集聚對制造業生產率具有顯著的負向影響。究其原因主要在于：一是中國城市生產性服務業的產業結構仍以低端生產性服務業為主，而對制造業生產率具有明顯技術溢出效應的高端生產性服務業則發展相對不足；二是由于生產性服務業與制造業之間不存在明顯的“技術勢差”和“互動效應”，當考慮到城市之間的空間溢出時，二者在有限的城市空間內相互之間具有較強的排斥效應。從生產性服務業的集聚外部性對制造業生產率的影響效應看，生產性服務業集聚的Jacobs外部性對制造業生產率存在明顯的促進作用，生產性服務業集聚的MAR外部性對制造業生產率影響顯著為負，而生產性服務業集聚的 Porter外部性影響則不顯著。同時，生產性服務業集聚的三類外部性的影響效應也會因行業、區域和城市規模的差異而有所不同。人力資本和信息化水平的提升可以有效地改善生產性服務業集聚對制造業生產率的不利影響，這也可以從相關控制變量的估計結果中找到證據。

主要的政策啟示：第一，調整生產性服務業的內部結構，使之與制造業技術水平和城市規模等級相匹配。研究結論顯示，生產性服務業的行業特性和城市規模等級是影響生產性服務業集聚對制造業生產率提升的重要原因。地方政府應認識到城市之間生產性服務業集聚的差異性，從城市功能、發展定位、產業結構和資源稟賦出發，適當控制低端生產性服務業的過度擴張，大力提升高端生產性服務業的發展水平，以滿足制造業升級的技術需求。對于制造業集聚的中小城市應優先發展直接作為制造業中間投入的現代物流、日常商務、城市金融等低端生產性服務業，而核心城市要加快發展技術開發、中介咨詢等高端生產性服務業，以形成其對鄰近中小城市制造業的空間溢出效應。第二，鼓勵生產性服務業多樣化集聚，從產業關聯的視角改善生產性服務業與制造業良性互動的外部環境。由于生產性服務業集聚的Jacobs外部性是制造業生產率提升的重要源泉，應根據地區比較優勢，支持互補性和關聯性較強的生產性服務業與制造業共同集聚。一方面，地方政府應該增加在信息化水平、人力資本和交通基礎設施方面的積累和投入，以降低信息交易成本和提高信息傳播速度，從而擴大生產性服務業與制造業互動的區域邊界；另一方面，充分發揮生產性服務業集聚對制造業生產率提升的空間外溢效應，構建二者在技術和知識溢出、信息共享、專業化人才等方面交流、融合的長效機制。

［1］ 陳建軍，陳國亮，黃 潔. 新經濟地理學視角下的生產性服務業集聚及其影響因素研究[J].管理世界，2009(4)：83-95.

［2］ 陳建軍，陳菁菁. 生產性服務業與制造業的協同定位研究——以浙江省 69個城市和地區為例[J]. 中國工業經濟，2011(6)：141-150.

［3］ 馮泰文. 生產性服務業的發展對制造業效率的影響——以交易成本和制造成本為中介變量[J]. 數量經濟技術經濟研究，2009(3)：56-65.

［4］ 顧乃華. 我國服務業發展狀況區域差異及其影響因素的實證分析[J]. 財貿經濟，2004(9)：84-88.

［5］ 顧乃華. 我國城市生產性服務業集聚對工業的外溢效應及其區域邊界——基于 HLM模型的實證研究[J]. 財貿經濟，2011(5)：115-122.

［6］ 韓 峰，王琢卓，陽立高. 生產性服務業集聚、空間技術溢出與經濟增長[J]. 產業經濟研究，2014(2)：1-10.

［7］ 胡 霞. 中國城市服務業空間集聚變動趨勢研究[J]. 財貿經濟，2008(6)：103-107.

［8］ 江 靜，劉志彪，于明超. 生產者服務業發展與制造業效率提升：基于地區和行業面板數據的經驗分析[J]. 世界經濟，2007(8)：52-62.

［9］ 單豪杰. 中國資本存量 K的再估算：1952—2006年[J]. 數量經濟技術經濟研究，2008 (10)：17-31.

［10］ 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.

［11］ 譚洪波. 細分貿易成本對中國制造業和服務空間集聚影響的實證研究[J]. 中國工業經濟，2013(9)：147-159.

［12］ 江小涓，李 輝. 服務業與中國經濟：相關性和加快增長的潛力[J]. 經濟研究，2004(1)：4-15.

［13］ 魏 峰，曹 中. 我國服務業發展與經濟增長的因果關系研究——基于東、中、西部面板數據的實證分析[J]. 統計研究，2007(2)：56-69.

［14］ 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[J]. 中國工業經濟，2015(2)：18-30.

［15］ 徐從才，于 寧. 服務業與制造業互動發展的價值鏈創新及其績效——基于大型零售商縱向約束與供應鏈流程再造的分析[J]. 管理世界，2008(8)：77-86.

［16］ 宣 燁. 生產性服務業空間集聚與制造業效率提升——基于空間外溢效應的實證研究[J]. 財貿經濟，2012(4)：121-128.

［17］ 姚永玲，趙宵偉. 城市服務業動態外部性及其空間效應[J]. 財貿經濟，2012(1)：101-107.

［18］ 閻小培，鐘 韻. 區域中心城市與生產性服務業發展[M]. 北京：商務印書館，2006.

［19］ 于斌斌，金 剛. 中國城市結構調整與模式選擇的空間溢出效應[J]. 中國工業經濟，2014(2)：31-44.

［20］ 張學良. 中國交通基礎設施促進了區域經濟增長嗎——兼論交通基礎設施的空間溢出效應[J]. 中國社會科學，2012(3)：60-77.

［21］ 周少甫，王 偉，董登新. 人力資本與產業結構轉化對經濟增長的效應分析——來自中國省級面板數據的經驗證據[J]. 數量經濟技術經濟研究，2013(8)：65-77.

［22］ Anderson M. Co-location of Manufacturing and Producer Service：A Simultaneous Equations Approach[R]. Working Paper Series in Economics and Institutions of Innovation，2004.

［23］ Bailly A. S. Producer Services Research in Europe[J]. Professional Geography，1995，29(1)：21-26.

［24］ Banga R. Critical Issues in India's Service-Led Growth[R]. ICRIER Working Paper，2005.

［25］ Daniels P. W. Some Perspectives on the Geography of Services[J]. Progress in HumanGeography，1989，13(1)：427-38.

［26］ Daniels P. W. The Locational Geography of Advanced Producer Services Firms in the United Kingdom[J]. Progress in Planning，1995，43(2-3)：128-38.

［27］ Donoghue D.，Gleave B. A Note on Methods for Measuring Industrial Agglomeration[J]. Regional Studies，2004，38(4)：419-27.

［28］ Duranton G.，Puga D. Nursery Cities：Urban Diversity，Process Innovation，and the Life Cycle of Products[J]. The American Economic Review，2001，91(5)：1454-77.

［29］ Elhorst J. P. Specification and Estimation of Spatial Panel Data Models[J]. International Regional Science Review，2003，26(3)：244-68.

［30］ Eswaran M.，Kotwal，D. Why Are Capitalists the Bosses？[J]. The Economic Journal，1989，99(3)：162-79.

［31］ F?re R.，Grosskopf S.，Norris M.，Zhang Z. Productivity Growth，Technical Progress，and Efficiency Change in Industrialized Countries[J]. The American Economic Review，1994，84(1)：66-83.

［32］ Fischer M. M.，Scherngell T.，Reismann M. Knowledge Spillovers and Total Factor Productivity：Evidence Using a Spatial Panel Data Model[J]. Geographical Analysis，2009，41(2)：204-20.

［33］ Francois J. F. Producer Services，Scale，and the Division of Labor[J]. Oxford Economic Papers，1990，42(4)：715-29.

［34］ Glaeser E. L.，Kallal H. D.，Scheinkman J. A，Shleifer A. Growth in Cities[J]. Journal of Political Economy，1992，100(6)：1126-52.

［35］ Hansda S. K. Sustainability of Service-led Growth：An Input-output Analysis of Indian Economy[R]. RBI Occasional Working Paper，2001.

［36］ Harrington J. W. Producer Services Research in US Regional Studies[J]. The Professional Geographer，1995，47(1)：87-96.

［37］ Illeris S.，Philippe J. Introduction：The Role of Services in Regional Economic Growth[J]. Service Industries Journal，1993，13(2)：3-10.

［38］ Illeris S.，Sjoholt P. The Nordic Countries：High Quality Services in a Low Density Environment[J]. Progress in Planning，1995，43(3)：205-21.

［39］ Jacobs J. The Economy of Cities[M]. New York：Vintage，1969.

［40］ Lee L.，Yu J. Estimation of Spatial Autoregressive Panel Data Models with Fixed Effects[J]. Journal of Econometrics，2010，154(2)：165-85.

［41］ Markusen J. R. Trade in Producer Services and Other Specialized Intermediate Inputs[J]. American Economic Review，1989，79(1)：85-95.

［42］ Moran P. A. P. Notes on Continuous Stochastic Phenomena[J]. Biometrika Trust，1950，37 (1-2)：17-23.

［43］ Porter M. E. The Competitive Advantage of Nations[M]. New York：Free Press，1990.

［44］ Puga D. The Magnitude and Causes of Agglomeration Economies[R]. IMDEA Work Paper，2009.

［45］ Scott A. J. Flexible Production Systems and Regional Development：The Rise of New IndustrialSpaces in North America and Western Europe[J]. International Journal of Urban and Regional Research，1988，12(2)：71-86.

［46］ Wang P. Agglomeration in a Linear City with Heterogeneous Households[J]. Regional Science and Economics，1993，23(2)：291-306.

JEL Classification：L16 L60

Can Producer Services Agglomeration Improve Manufacturing Productivity? Spatial Econometric Analysis Based on the Data of Chinese Cities

Yu Binbin
(School of Economics and Management，Zhejiang Sci-Tech University，Hangzhou 310018，China；Zhejiang Ecological Civilization Research Center，Zhejiang Sci-Tech University，Hangzhou 310018，China)

This paper estimates manufacturing productivity of Chinese cities with SFA model. And through the geographical distance，we further research the influence mechanism of producer services agglomeration to manufacturing productivity with the spatial econometrics methods. Findings show that there is a significant spatial correlation in Chinese urban manufacturing productivity in line with" Tobler's First Law". Space measurements results denied the views of production services agglomeration improving productivity in manufacturing，confirming significant differences of the impact of producer services agglomeration effects on productivity growth in manufacturing because of industries，regions and cities' size. Production of high-end service industry，the central region and producer services agglomeration of big cities and small cities can significantly improve manufacturing productivity. The low-end producer services agglomeration and productive service industry in the western region are obvious inhibitory effect on manufacturing productivity. This is due to the industrial structure of low-end Chinese city service-oriented，and there is a clear crowding-out effect on the production of high-end services and manufacturing，thus impeding the upgrading of the manufacturing productivity. From the outside look of effect，producer services agglomeration's MAR externalities and Jacobs externalities are present significant positive and negative effects on manufacturing productivity，and producer services agglomeration's Porter externalities effects are not significant. Improving the level of human capital and information can effectively improve the negative effect of producer services agglomeration to manufacturing productivity.

Producer Services；Manufacturing Productivity；SFA；Spatial Econometrics Methods

10.14116/j.nkes.2017.02.007

* 于斌斌，浙江理工大學經濟管理學院、浙江省生態文明研究中心(郵編：310018)，E-mail：bxybby@163.com。本文是浙江省哲學社會科學規劃項目“經濟新常態下產業結構調整促進生產率增進的機理研究：以浙江省為例”(17NDJC252YB)、教育部人文社會科學研究青年基金項目“新型城鎮化下區域經濟增長的空間溢出效應：基于結構調整與效率改進視角的研究”(16YJC790127)的階段性研究成果，也得到了紹興市委黨校傳統產業轉型升級研究創新團隊的資助。作者感謝審稿人的寶貴意見，當然文責自負。