中国生产性服务业促进制造业升级影响因素研究

杜宇玮

内容提要：生产性服务业对制造业升级的促进作用取决于其作为高级要素投入功能的发挥。基于超效率DEA模型和Tobit模型，本文从产业关联效率视角实证分析了2005-2014年中国生产性服务业对制造业升级的促进作用及其影响因素。结果显示：中国生产性服务业对制造业升级的促进作用效率尚不够高，且发达地区作用效率高于欠发达地区；作用效率受到信息化水平和协同集聚水平的显著正向影响，但不同发展水平地区的表现存在差异，而且作用效率还受到生产性服务业规模的显著负向影响。因此，要有效发挥中国生产性服务业对制造业升级的促进作用，应当注重降低生产性服务交易成本，提高产业协同集聚水平，从“规模化”向“效率化”思维转变。

关键词：生产性服务业；制造业升级；效率；超效率DEA；Tobit模型

中图分类号：F0629文献标识码：A文章编号：1001-148X（2017）06-0145-09

一、引言

随着信息通讯技术的快速发展和产业分工的不断细化，生产性服务业作为独立的产业部门，凭其强大的支撑功能成为制造业增长的牵引力和推进器，是制造业“起飞的翅膀”和“聪明的脑袋”（刘志彪，2008）。长期以来，国外诸多学者的研究已从不同角度阐释了生产性服务业对制造业的重要意义和作用机制，认为生产性服务业可以通过专业化分工降低生产经营和交易成本[1-2]、提供创新信息和知识[3-4]、带来价值增值[5-6]等途径促进和支撑制造业升级。世界发达经济体的实践也已表明，生产性服务业产业链的形成，不仅能够为企业提供从产品生产到商品销售与服务的全方位支撑，而且有利于企业在明确自身核心能力的基础上发现和确定适于其发展的产业链环节，从而促进制造业结构优化升级。“十一五”以来，特别是全球金融危机之后，中国制造业面临发达国家“高端回流”和发展中国家“中低端分流”双重挤压的严峻形势，中国各界也越来越重视生产性服务业的发展。通过大力发展生产性服务业来促进制造业升级，已成为经济新常态下“中国制造”突破发展困境、增强国际竞争力的重要选项。

那么，中国生产性服务业是否如理论逻辑及发达国家经验一样显著促进了制造业升级？现有实证研究大致可以分为三类：一类文献主要检验了生产性服务业对制造业的直接影响。江静等（2007）[7]等较多学者运用中国地区或行业面板数据做计量回归检验，发现生产性服务业发展对制造业生产率和效率的提升具有显著作用，且表现出行业差异和区域差异。宣烨（2012）[8]、张振刚等（2014）[9]运用中国城市面板数据和空间计量模型，验证了生产性服务业及其集聚对制造业具有明显的效率提升作用和空间外溢效应。刘书瀚等（2010）[10]则利用基于投入产出表的产业关联系数，发现中国生产性服务业对制造业的支撑作用较弱。另一类文献关注生产性服务业促进制造业发展的作用渠道机制，即通过某个中介变量如交易成本[11]、企业技术创新和经济发展[12]、成本费用和生产规模以及贸易成本缩减和创新收益提升[13]对制造业产生的间接影响。第三类文献则构建不同计量回归模型，考察了生产性服务业促进制造业升级的影响因素，包括地理距离、政策环境和工业企业整合价值链能力[14]，对外开放程度[15]，契约制度（李筱乐，2015），等等。

从研究方法与视角来看，现有文献虽然运用不同方法、不同样本数据验证了中国生产性服务业对制造业发展具有一定程度的积极作用，但几乎都未从产业关联效率视角来评判和考察生产性服务业对制造业升级的促进作用及其影响因素。而实际上，生产性服务业是制造业中间投入品的“供应商”，而制造业则是生产性服务业的“客户”，两者之间存在投入产出关系[16]。另外，从研究结论与启示来看，现有研究几乎都认为要千方百计扩大生产性服务业规模。但是从效率角度来看，生产性服务业规模过大或过小都会影响到其拉动作用的发挥，关键是要与制造业发展相匹配（徐春华和刘力，2014）。要充分发挥生产性服务业的高级要素投入作用，关键在于提高產业关联效率，使得生产性服务业与制造业能协调发展。这需要在认清作用效率的基础上，找出其可能的影响因素，进而提出改善的对策建议。

二、生产性服务业促进制造业升级作用效率评价

（一）超效率DEA模型

生产性服务业与制造业分别处于产业链的不同环节，可以看做是一个投入产出系统，但其相互关联作用机制比较复杂，且受多种因素的影响，导致其具体的函数关系很难确定。数据包络分析（Data Envelopment Analysis，DEA），作为通常被用于测度和评价多指标投入和多指标产出系统有效性或效率程度的一种非参数统计分析方法，其优点主要在于，无须任何权重假设，也无须知道生产函数表达式及参数的分布形式，而只需通过对实际投入产出数据的分析，就可以求出相同类型决策单元的效率数值，且不受不同量纲的影响，从而为衡量和评价生产性服务业对制造业升级的促进作用提供了便利的工具。

假设有n个DMU，每个DMU都有m种投入要素和s种产出，其中第j个决策单元DMUj的投入、产出向量分别为xj=x1j，x2j，…，xmjT>0和yj=y1j，y2j，…，ysjT>0，j=1，2，…，n，ms。然后，以第j0个DMU的效率指数为优化目标，以所有DMU的效率指数不大于1为约束条件，构建包含非阿基米德无穷小量ε的传统意义上的可变规模报酬DEA模型：

minθ-εTs-+Ts+

st ∑njλjxj+s-=θx0

∑njλjyj-s+=y0

∑njλj=1

λj0，s+0，s-0（1）

其中，=1，1，…，1T∈Rm，e=1，1，…，1T∈Rs，λj为第j个DMU的权重，s-、s+分别为投入和产出的松弛变量。若式（1）的最优解θ*满足θ*=1，s-*=s+*=0，则DMUj0为DEA有效，表明该DMU所有生产要素的投入达到了最优组合，资源得到充分利用，可获得最大产出；若θ*<1，则DMUj0为DEA非有效，意味着该DMU的投入产出结构不合理，技术效率未达到100%，需要调整投入或产出结构。

然而，传统DEA模型仅仅可以區分出有效和非有效的DMU，但无法对多个有效DMU进行进一步排序和评价。为弥补这一缺陷，Andersen和Petersen（1993）[17]提出了超效率DEA（super-efficiency DEA）模型，将被评价的DMU排除在所有DMU的集合之外，替代为其它所有DMU投入产出的线性组合。对于DEA非有效的DMU，其生产前沿面不会发生变化，效率值与传统DEA模型相同；但是对于DEA有效的DMU，可以使其投入按比例增加或者产出按比例减少从而保持技术效率不变，最终得到一个大于1的超效率值，其值越大，效率越高。例如，效率值为158，则表示该DMU即使再等比例地增加58%的投入或减少58%的产出，其在整个DMU集合中仍能保持相对有效，即效率值仍能维持在1以上。据此，本文也将通过超效率DEA模型测算中国各个省份生产性服务业对制造业升级的促进作用效率。

（二）变量与样本选取

根据Gereff（1999）[18]、Poon（2004）[19]的定义，产业升级是产业由低技术、低附加价值状态向高技术、高附加价值状态演变的过程，既包括产业结构的优化，也包括产业价值链的攀升。那么，产业升级的结果可以体现为三个方面：一是在产业效益上，表现为劳动生产率、企业利润和附加值的提升；二是在产业功能上，表现为创新能力的提升；三是在产业结构上，表现为产业的要素密集度知识化、技术化和产业高度的提升。基于此，在借鉴以往研究的指标设计基础上，考虑到模型的适用性、指标的可操作性和数据的可获得性，构建生产性服务业促进制造业升级作用效率的评价指标体系。

1投入指标——生产性服务业发展指标。生产性服务业的内涵比较宽泛，涉及交通运输业、现代物流业、信息服务业、金融服务业、房地产业、商务服务业、科技服务业等。但是考虑到在较长一段时期内，我国典型的生产性服务业在统计年鉴上表现为交通运输、仓储和邮政业，批发和零售业以及金融业。这三个行业也是对制造业中间投入最多的三个行业，分别占2002年和2007年生产性服务业总投入的791%和7275%[20]。因此，考虑到统计数据的连续性以及与制造业的关联程度，选取这三个行业的增加值来体现生产性服务业发展的规模与水平。

2产出指标——制造业升级指标。（1）制造业经济效益指标。主要选取年利税总额来反映制造业经济效益。利税总额，即利润和税金的加总，在统计年鉴上体现为主营业务税金及附加、利润总额、本年应交增值税三项指标数值之和。其反映了产业（企业）在一定时期内实现的全部利润额和对社会承担义务的量化，是反映工业企业一定时期内全部纯收入的重要指标，能体现出工业制造业经济效益提升的效果。具体数据是由规模以上全部工业企业减去煤炭开采和洗选业、石油和天然气开采业、黑色金属矿采选业、有色金属矿采选业、非金属矿采选业以及电力、热力的生产和供应业这6个行业的相关数据而得。（2）制造业创新能力指标。R&D强度反映了企业自主研究与开发新产品或新工艺的投入力度，是衡量创新能力的重要指标，其通常可以用企业R&D内部经费支出占主营业务收入的比重来表示。由于统计年鉴中缺少制造业层面的R&D连续数据，故用工业R&D强度来体现制造业创新能力水平。（3）制造业结构高度指标。高技术产业是知识经济发展的主导和核心力量，故而选取高技术产业主营业务收入来反映制造业内部结构的高度化水平。高技术产业主营业务收入越高，说明制造业结构越优化。

为了剔除价格变动因素，除了R&D强度之外的其它指标，都以2005年为基期进行了消胀处理。其中，生产性服务业增加值指标用第三产业增加值指数进行折算，制造业利税总额和高技术产业主营业务收入指标则用生产者价格指数（PPI）进行平减。研究样本为2005-2014年中国大陆30个省、市和自治区（西藏除外），样本数量符合DEA模型测算效率的要求，即DMU数至少是投入产出指标数之和的两倍。各省份的生产性服务业增加值数据来自历年《中国统计年鉴》，制造业相关数据则主要来自历年《中国统计年鉴》、《中国工业（经济）统计年鉴》、《中国科技年鉴》和《中国高技术产业统计年鉴》。

（三）测度结果及评价

首先，以30个省份为决策单元，运用EMS13软件进行测算，得到历年各省份生产性服务业对制造业升级促进作用的超效率得分（见表1）。从全国来看，2005-2014年间生产性服务业对制造业升级促进作用效率指数的平均值仅为08623，最高的2007年也只有08843，促进作用效率还有待提高。从表2可以看出，考察期内，青海和宁夏两省份历年促进作用效率表现较为突出，其中青海在多数年份均位居效率榜首，在2010年、2011年效率值甚至超过2，体现了其生产性服务业发展对制造业升级的促进作用效果较好。然而根据2014年数据，这两个省份的生产性服务业发展规模却位居全国最末；相比之下，北京、河北、辽宁这些生产性服务业发展规模较大的省份却效率不佳。而内蒙古虽然生产性服务业规模位列中游，但其对制造业升级的促进作用效率却最低。这在一定程度上说明，中国生产性服务业虽然在区域规模方面具有一定的合理性，但其行业发展规模未能与制造业需求形成适度匹配（徐春华和刘力，2014）。一味地简单扩大生产性服务业规模，并不必然有利于制造业升级，反而可能因为资源配置不合理而降低产业关联效率。效率得分较高的其次有东部地区的江苏、上海以及中部地区的吉林、河南等省份，反映了这些省份的生产性服务业与制造业发展水平较为匹配，互动机制较为顺畅。而新疆、山西这两个省份的超效率则一直处于较低水平，说明相对其他省份而言，其长期以来生产性服务业发展对制造业升级的促进作用效率较低。

然后，为了提取各省份效率的共性因素，更直观地体现中国生产性服务业对制造业升级促进作用效率的区域差异性，我们以2014年全国人均GDP作为参照标准，将全国分为发达地区（超过全国平均水平）和欠发达地区（低于全国平均水平）。按照此标准，发达地区包括：北京、天津、内蒙古、辽宁、吉林、上海、江苏、浙江、福建、山东、湖北、广东、重庆、陕西14个省份，欠发达地区则包括河北、山西、黑龙江、安徽、江西、河南、湖南、海南、广西、四川、贵州、云南、甘肃、青海、宁夏、新疆16个省份。从图1可见，除了受全球金融危机冲击较大的2008年之外，其余年份发达地区生产性服务业对制造业升级促进作用效率均高于欠发达地区。这也符合经济发展阶段理论的论点，即经济发展水平越高的地区，其产业实现互动的可能性就越大。从时序层面看，中国生产性服务业发展对制造业升级的促进作用效率呈现不断波动的态势，“十二五”期间效率虽然逐步提升，但与2005年相比反而有所下降。另外，通过计算效率的变异系数进一步发现，中国生产性服务业对制造业升级促进作用效率的省际差异趋于缩小，变异系数从2005年的03452上升至2008年的04735，再下降至2014年的03753。从图1中也可见，近年来发达地区与欠发达地区的促进作用效率趋于收敛。

三、生产性服务业促进制造業升级的影响因素分析

（一）理论假说

借助超效率DEA模型测度的效率，不仅与预先设定的投入产出指标相关，而且还会受到投入产出指标以外的经济社会环境因素的影响。要改善和提升生产性服务业对制造业升级的促进作用，必须探究其作用效率的影响因素。理论上，生产性服务业与制造业融合的实现需要有两个基本条件：一是以技术进步特别是信息技术发展为载体和支撑。在知识经济时代，最重要的生产要素是知识和信息。信息技术进步和信息化水平的提高不仅可以促使知识密集型生产性服务业的增长；更重要的是，还可以促进生产性服务企业通过与制造业企业客户的交流互动，不断进行知识创新，创造出适合制造业升级所需的技术和知识应用模式，提供解决各种新问题的知识服务，为制造业企业创新提供平台和支撑。二是融合产业之间的关联度高。生产性服务业作为中间投入要素，其与制造业的互动更多地表现在产业链的延伸与融合上，这就要求生产性服务业必须与制造业有着较强的前向关联或后向关联关系[21]。从空间视角来看，生产性服务业与制造业的协同定位与集聚，有利于促进两者之间的有效互动与融合，从而提升区域产业效率与产业竞争力，推动产业结构调整与升级。产业协同集聚可以通过知识外溢效应推动制造业生产边界的移动，从而促进制造业的优化与升级[22-23]。从效率类别来看，以上两个条件是一种产业关联机制效率，从而可以看做是一种决定纯技术效率的因素，即反映产业部门技术、管理等因素影响下的生产效率。另外，生产性服务业规模效率也是生产性服务业发展对制造业升级促进作用效率的重要内涵。若生产性服务业规模越大，规模效率越高，则为规模经济；而若扩大生产性服务业规模则会降低规模效率，则为规模不经济。基于以上分析，可以得到关于中国生产性服务业对制造业升级促进作用之影响因素的待检验假说：

假说1（纯技术效率假说1）：信息化水平越高，产业链融合和产业创新越容易，生产性服务业对制造业升级的促进作用效率就越高。

假说2（纯技术效率假说2）：生产性服务业与制造业的协同集聚水平越高，互补效应越强，产业关联越紧密，生产性服务业对制造业升级的促进作用效率就越高。

假说3（规模效率假说）：随着生产性服务业规模扩大，生产性服务业对制造业升级的促进作用效率变动方向是不确定的，可能提高，也可能降低。

（二）模型与变量

被解释变量选取前文所测算的生产性服务业对制造业升级促进作用的超效率值（pse）。由于超效率是一个离散分布变量，且有一个最低界限值0，数据因此而被截断，直接用OLS无法得到一致的估计。因此，本文采用截取回归的Tobit模型，用极大似然法检验中国生产性服务业对制造业升级促进作用效率的影响因素。结合前文的理论假说，分别选取信息化水平（tech）、协同集聚水平（cgi）、生产性服务业规模（scale）作为核心解释变量。另外，考虑到中国经济产业发展中地方政府行为和对外开放的重要作用，采用政府干预程度（gov）和外资水平（fdi）作为控制变量。然后建立以下基本回归模型：

psei，t=β0+β1techi，t+β2cgii，t+β3scalei，t+β4govi，t+β5fdii，t+μi，t（2）

各影响因素变量的选取如表3所示。

（1）信息化水平（tech）。信息基础硬件设施的发展是决定一个地区信息化水平的重要变量，参考国家信息化测评指标体系，选取每平方公里长途光缆线路长度来衡量信息基础设施水平。

（2）协同集聚水平（cgi）。借鉴前人研究，根据Haggett提出的区位熵指数（entropy index）来构建产业协同集聚指数，计算公式如下：

cgii，t=1-Rmj-RpjRmj+Rpj（3）

其中Rmj、Rpj分别为制造业与生产性服务业的区位熵，满足Rmj+Rpj1；区位熵Rij=Sij/Si，Sij表示j地区i产业就业人数占整个地区就业总人数的比重，Si表示i产业就业人数占全国就业人数的比重。

（3）生产性服务业规模（scale）。考虑到生产性服务业规模的适度性，选取生产性服务业增加值占GDP的比重来反映生产性服务业规模。按照前文对生产性服务业范畴的界定，选取地区交通运输、仓储和邮政业，批发和零售业以及金融业三个行业增加值之和占地区GDP的比重来衡量。

（4）政府干预程度（gov）。选取地方公共财政支出占GDP的比重来反映政府对经济的干预程度。一方面，政府在基础设施方面的公共投资可以降低交易成本，在科教文卫、能源环保等方面的公共服务支出则可以有效改善企业经营环境，促进产业集聚，从而有助于产业互动与增长；另一方面，公共投资也会产生一定的“挤出效应”，而且“审批经济”下的行政壁垒、市场准入门槛等不仅增加企业经营成本，而且会导致资源错配而扭曲产业结构。因此，政府支出对产业效率的影响是不确定的。

（5）外资水平（fdi）。理论上，对外开放和外资水平越高，说明市场环境越优越，而且外资进入所带来的溢出效应和“鲶鱼效应”都有助于促使企业优化资源配置来提高竞争力。我们选用各地外商及港澳台商投资与GDP之比来反映对外开放水平和市场环境的完善程度。与前文相对应，研究样本为2005-2014年中国大陆30个省、市和自治区，数据主要来源于2006-2015年的《中国统计年鉴》以及国研网、中经网数据库。借用Stata130软件，各变量的统计性描述如表4所示。

（三）检验结果分析

表5展示了2005-2014年中国生产性服务业对制造业升级促进作用影响因素的Tobit回归结果。模型1-3检验了模型核心解释变量单独对作用效率的影响，可以看出，信息化水平、生产性服务业与制造业的协同集聚水平对作用效率具有显著的正向影响，说明由技术进步、产业链关联因素决定的纯技术效率是提升生产性服务业对制造业升级促进作用的重要变量。相反地，较低的信息化水平和产业协同集聚水平则会显著制约生产性服务业与制造业升级的互动。这种显著性影响在加入政府干预程度和外资水平两个控制变量后仍然稳健存在。

值得注意的是，无论是否加入控制变量，生产性服务业规模与作用效率都呈负相关关系，显著性水平很高，均通过了1%的显著性检验，这说明中国生产性服务业发展普遍处于规模不经济状态。这在某种程度上体现了中国生产性服务业结构较为低端化，而低端生产性服务业规模扩大不足以为制造业提供支撑。这进一步支撑了前文的分析结论，即促进制造业升级并不能依靠简单地扩大生产性服务业规模，生产性服务业的发展必须与制造业升级的需要相匹配，盲目追求产业规模可能会陷入资源配置的非效率境地。

模型4-6还表明，政府干预程度和外资水平均显示出其对生产性服务业促进作用效率的显著正向影响。政府对经济活动的干预程度越大，越有利于生产性服务业对制造业升级的促进。这似乎与学界一致主张的市场化改革相悖，但这在某种程度上恰恰印证了当前我国服务业市场垄断的现实——地方政府支出力度越大，具有垄断性的生产性服务业（如交通运输业、邮电通信业、金融业）发展越好。同时也说明，我国地方政府在基础设施建设、公共服务投入方面的支出增加，对区域产业升级起到了一定的促进作用。外资水平的影响系数显著为正，说明对外开放带来的先进技术和管理经验，总体上为产业结构优化升级带来了有利的影响。

进一步地，为了体现不同经济发展水平地区其生产性服务业对制造业升级促进作用效率的影响因素差异，按照前文所述分类，对发达地区和欠发达地区分别进行了Tobit回归分析，结果如表6所示。从模型1-3中可以看出，发达地区信息化水平对生产性服务业促进制造业升级具有显著的正向影响，但协同集聚水平与生产性服务业的促进作用效率之间并不存在显著的正向关系。这表明，对发达地区而言，影响生产性服务业对制造业升级促进作用的纯技术效率因素主要来自于技术方面而非产业链管理方面。这可能与发达地区产业结构中资本、技术密集型产业比重相对较高有关，对知识密集、信息密集的高级生产性服务业需求较大，从而其产业效率更多地依赖信息基础设施的建设与完善。在规模效率方面，与全国一样，发达地区生产性服务业规模表现出显著的负向影响，且其影响系数和显著性均高于欠发达地区（对比模型3与模型6）。这说明，相对于欠发达地区，发达地区省份规模不经济现象更严重，生产性服务业规模扩大更加不利于其对制造业升级的促进。在外部环境变量上，地方财政支出与作用效率之间的关系也呈现显著正相关，且其影响系数大于全国层面，但外资水平对作用效率的影响并未通过显著性检验。财政支出比重每增加1%，生产性服务业对制造业升级的促进作用效率就提高17601%。这说明对于发达地区来说，地方政府在产业结构升级过程中的作用更加显著，而外资水平的产业升级效应却相对没那么重要。可能的解释是，在经济发达地区，地方财政除满足政权建设和一般支出需要外，还有较富余的财力进行建设性支出，从而可以较好地支撑产业发展。而发达地区虽然外资比重较高，但以“两头在外”的国际代工为主，产业链较短，从而无法有效促进生产性服务业与制造业的价值链融合。

模型4-6显示了欠发达地区生产性服务业促进制造业升级的影响因素。首先，信息化水平与作用效率呈负相关关系，但并未通过显著性检验，说明地区信息化水平提高并未表现出对产业融合的支撑作用。而协同集聚水平则显著体现出其对作用效率的正向影响，说明企业区位的空间临近有助于生产性服务业与制造业的互动。这意味着，与发达地区不同，影响欠发达地区生产性服务业对制造业升级促进作用的纯技术效率因素，主要来自于基于空间关联的产业链管理方面，而技术方面的影响有限。造成这种现象的原因，可能是欠发达地区的产业结构以劳动和资源密集型产业为主，其更多的需求是面向诸如交通运输之类的传统生产性服务业，从而较少受到技术因素制约。其次，生产性服务业占经济规模比重越大，其对制造业升级促进作用效率越低。说明欠发达地区的生产性服务业规模总体上也存在规模不经济。再次，地方财政支出规模越大，生产性服务业越有效促进制造业升级，但影响系数显著低于发达地区。与发达地区不同，外资水平呈现出显著的正向效应，可能是由于欠发达地区对外开放程度较低，国内外技术差距也更大，致使外资的外溢效应更为显著。

四、结论与启示

本文运用超效率DEA和Tobit模型，采用2005-2014年中国省际面板数据，实证考察了生产性服务业对制造业升级的促进作用及其影响因素。

首先，基于超效率DEA模型的测算结果显示，中国生产性服务业对制造业升级的促进作用效率尚不够高，2005年以来作用效率呈现不断波动态势，但作用效率的省际差异趋于缩小。发达地区生产性服务业对制造业升级的促进作用效率基本上高于欠发达地区，但近年来两大地区的效率已趋于收敛。然后，省际面板Tobit模型分析结果表明，从全国来看，决定纯技术效率的地区信息化水平、生产性服务业与制造业的协同集聚水平对作用效率具有显著的正向影响，而决定规模效率的生产性服务业规模则体现出显著的负向影响。在控制了政府干预程度和外资水平等因素后，上述结论依然稳健。从区域来看，信息化水平对发达地区生产性服务业的促进作用效率具有显著的正向影响，但对欠发达地区的影响却并不显著；恰恰相反，产业协同集聚水平则仅对欠发达地区的作用效率存在显著的正向影响。无论是发达地区还是欠发达地区，生产性服务业规模对其生产性服务业促进制造业的作用效率均起到显著的抵消效应，且前者的效应更大。与欠发达地区相比，發达地区地方财政支出对作用效率的积极影响更大，但外资水平仅对欠发达地区呈现出显著的正向影响。

以上结论意味着，要有效发挥生产性服务业对制造业升级的促进作用，应当注重产业关联效率，以要素投入产出效率的改善为着眼点。一方面，需要重视技术进步特别是信息技术的支撑作用，不断完善信息基础设施，降低生产性服务交易成本；同时，积极营造有利于产业共生的经济环境和制度环境，促进生产性服务业与制造业在空间上的协同集聚。另一方面，摒弃注重先进产业和高端产业规模的“数量化”思维，转向强调产业链融合和价值链升级的“效率化”理念；保持适度的生产性服务业规模，优化调整生产性服务业内部结构，充分发挥规模经济效应。

本文的研究启示还包括，积极推进服务业市场化改革，打破市场垄断，但并不是要完全放弃政府干预。而是在简政放权、尊重市场规律的基础上，要求政府在某些市场失灵的领域发挥积极作用，比如加大对基础设施和公共服务等方面的投入。另外，继续扩大对外开放特别是服务业开放进程。对于东部沿海发达地区，应当致力于提高引资质量，促成FDI结构从劳动密集型低端代工制造业为主，向技术、知识密集型的现代服务业为主转变；对于内陆欠发达地区，应当优化营商环境，积极有效承接制造业和服务业的国际、区际产业转移，充分获取外资的技术溢出效应。具体到省份层面，也应当以提高要素使用效率为目标，根据各自省情，通过适度调整生产性服务业的发展规模、产业结构和空间结构，来推动制造业经济效益、创新能力和产业高度的不断升级。

参考文献：

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

[2]Eswaran， M. & A. Kotwal. The Role of the Service Sector in the Process of Industrialization [J]. Journal of Development Economics， 2002，68（2）：401-420.

[3]Teece， D. J. Profiting from Technological Innovation： Implications for Integration， Collaboration， Licensing and Public Policy [J]. Research Policy， 1986，15（6）： 285-305.

[4]Muller， E. & A.Zenker. Business Services as Actors of Knowledge Transformation： the Role of KIBS in Regional and National Innovation Systems [J]. Research Policy， 2001， 30（9）： 1501-1516.

[5]Vandermerwe， S. & J. Rada. Servitization of Business： Adding Value by Adding Services [J]. European Management Journal， 1988，6（4）： 314-324.

[6]Porter， M. E. The Competitive Advantage of Nations： with a New Introduction[M].Free Press， 1998.

[7]江静，刘志彪，于明超.生产者服务业发展与制造业效率提升：基于地区和行业面板数据的经验分析[J].世界经济，2007（8）： 52-62.

[8]宣烨.生产性服务业空间集聚与制造业效率提升——基于空间外溢效应的实证研究[J].财贸经济，2012（4）：121-128.

[9]张振刚，陈志明，胡琪玲.生产性服务业对制造业效率提升的影响研究[J].科研管理，2014（1）：131-138.

[10]刘书瀚，张瑞，刘立霞.中国生产性服务业和制造业的产业关联分析[J].南开经济研究，2010（6）： 65-74.

[11]冯泰文.生产性服务业的发展对制造业效率的影响——以交易成本和制造成本为中介变量[J].数量经济技术经济研究，2009（3）： 56-65.

[12]孔婷，孙林岩，冯泰文.生产性服务业对制造业效率调节效应的实证研究[J].科学学研究，2010（3）： 357-364.

[13]詹浩勇，冯金丽.生产性服务业集聚与制造业转型升级的机理与实证检验[J].商业研究，2014（4）： 49-56.

[14]顾乃华.生产性服务业对工业获利能力的影响和渠道——基于城市面板数据和SFA模型的实证研究[J].中国工业经济，2010（5）： 48-58.

[15]姚星，杨锦地，袁东.对外开放门槛、生产性服务业与制造业生产效率——基于省际面板数据的实证分析[J].经济学动态，2012（5）：24-28.

[16]江曼琦，席强敏.生产性服务业与制造业的产业关联与协同集聚[J].南开学报：哲学社会科学版，2014（1）：153-160.

[17]Anderson， P. & N. C. Petersen. A Procedure for Ranking Efficient Units in Data Envelopment Analysis [J]. Management Science， 1993， 39（10）： 1261-1264.

[18]Gereffi G. International Trade and Industrial Upgrading in the Apparel Commodity Chains[J]. Journal of International Economics， 1999， 48（1）： 37-70.

[19]Poon， S. C. Beyond the Global Production Networks： a Case of Further Upgrading of Taiwan′s Information Technology Industry[J]. International Journal of Technology & Globalisation， 2004， 1（1）：130-144.

[20]趙伟，郑雯雯.生产性服务业、贸易成本与制造业集聚：机理与实证[J].经济学家，2011（2）： 67-75.

[21]路红艳.生产性服务与制造业结构升级——基于产业互动、融合的视角[J].财贸经济，2009（9）： 126-131.

[22]王钰，张连城，张自然.对中国制造业可持续发展能力的评价及其影响因素分析——基于1995-2012年制造业28个行业面板数据的实证[J].哈尔滨商业大学学报：社会科学版，2015（1）：3-15.

[23]刘叶，刘伯凡.生产性服务业与制造业协同集聚对制造业效率的影响——基于中国城市群面板数据的实证研究[J].经济管理，2016（6）：16-28.