制造业服务化如何影响企业竞争优势

罗彦 段文静 祝树金

摘 要：基于2000-2013年中国制造业投入服务化和企业加成率的测算构建计量模型，采用制造业企业数据实证检验制造业投入服务化对企业竞争优势的影响。结果显示：制造业投入服务化与企业加成率呈倒U型关系，中国当前制造业服务化水平总体上还处于倒U型曲线左侧，对企业加成率主要表现为正向效应;在改变估计方法、考虑潜在内生性问题、剔除关键变量极端值后进行估计，结果依然稳健。进一步的机制检验表明，成本降低是制造业服务化提高企业加成率的中介渠道。

关键词： 制造业投入服务化;企业加成率;非线性效应

中图分类号：F42 文献标识码： A 文章编号：1003-7217（2021）01-0125-08

一、引 言

改革开放以来，我国制造业快速发展，生产和出口规模居世界前列，已成为全球制造业大国，但总体上“大而不强”，大多行业还处于全球价值链中低端;并且随着我国要素成本上升、贸易不确定性凸显，我国制造业传统竞争优势逐步下降。党的十九大报告指出，要“促进我国产业迈向全球价值链中高端，培育若干世界级先进制造业集群”“加快培育国际经济合作和竞争新优势”等。制造业服务化已成为全球产业发展的重要趋势，也是培育制造业竞争优势、推动价值链升级的关键模式;推动制造业服务化是提升制造业核心竞争力、实现高质量发展的重要渠道。根据测算，中国平均制造业投入服务化水平从2004年的38%提高至2014年的48%①，升幅高达25%。那么，制造业投入服务化水平的上升如何影响企业竞争优势？企业加成率反映了企业价格与边际成本的偏离程度，较高的加成率反映企业具有较强的市场竞争能力或市场势力。本文将基于企业加成率的视角，衡量企业的竞争优势或市场势力，研究制造业投入服务化对其影响机制和效应，这不仅有助于制造业投入服务化微观成效的客观评估，而且能够为如何更好地推动制造业与服务业深度融合提供有益的政策启示。

与本文内容相关的已有研究主要涉及两个方面。一是关于制造业投入服务化对制造业绩效的影响研究。目前已有文献主要考察了制造业服务化对制造业企业生产率、增加值、创新和出口二元边际等方面的影响。Arnold等（2008） 基于世界银行企业调查数据库中1000家非洲企业的数据，实证研究发现制造业企业的服务要素投入与企业生产率之间存在显著的正向关系[1];Wolfmayr （2008）使用1995-2000年16个OECD国家18个制造业行业层面的数据，实证发现制造业投入服务化显著提升行业出口市场份额，即有利于提升市场竞争力[2];Lodefalk （2014）使用2001-2007年瑞典的数据，研究发现制造企业服务要素投入的增加显著提升企业出口强度[3]。刘斌和王乃嘉（2016）使用中国的数据研究发现制造业投入服务化从增加企业出口概率、扩大企业出口产品种类和市场范围等三个方面影响出口扩展边际，从提高出口价格和降低出口数量等两个方面影响出口集约边际[4]。刘斌等（2016）进一步研究了制造业投入服务化对中国制造企业全球价值链升级的影响，表现为制造业企业参与全球价值链程度和分工地位的双重提升[5];许和连等（2017）使用中国2000-2010年的数据实证发现制造业投入服务化与企业出口国内增加值之间呈U型关系[6]。二是关于企业加成率影响因素的研究。一方面，根据Allen和Lerner （1934）的研究[7]，加成率可以用企业面临的需求价格弹性的表达式来表示，而需求弹性往往受市场竞争程度的影响，因此，已有理论和实证文献直接研究市场竞争对企业加成率的影响效应[8];另一方面，根据加成率的定义，其等于价格与边际成本之比，任何影响企业价格或者边际成本的因素均可引起其加成率的变动，基于此，大量文献研究贸易自由化对企业加成率的影响。具体地，最终品贸易自由化通过进口竞争降低企业价格，进而降低加成率[9-12];中间品贸易自由化引致企业边际成本下降，有利于企业价格加成的提高[13-15]。此外，还有文献基于产品创新、人民币汇率、劳动力成本等视角研究企业加成率的影响因素并得到诸多有益观点[16-18]。

制造业服务化会影响企业生产率、技术创新等方面，势必会对企业国际竞争势力产生影响，而加成率作为衡量企业国际竞争势力的一个重要指标，耿伟和王亥园（2019）探讨了制造业服务化和企业加成率的关系，但他们侧重于出口企业，且认为制造业投入服务化与出口企业加成率之间主要表现为线性关系[19]。相对于现有文献，本文基于我国制造业企业数据，研究了制造业投入服务化对企业加成率的非线性效应及其作用机制，在以下几个方面有所贡献：其一，本文将研究样本期拓展到了2013年，估算了1998-2013年我国制造业企业加成率;其二，首次基于微观层面探讨制造业投入服务化影响企业加成率的非线性效应及其机制，区别于耿伟和王亥园（2019）的研究，本文以全部制造业企业为研究对象，探讨了制造业投入服务化对企业加成率倒“U”型的非线性影响;其三，本文从企業成本和技术创新两个方面检验了制造业投入服务化影响企业加成率的作用机制，深化了制造业、服务业两业融合与企业竞争势力之间关系的认识。

二、机制分析与研究假说

根据加成率的定义，引起产品价格或边际成本变动的因素均会影响到企业价格加成。制造业投入服务化可能通过成本效应、创新效应降低企业边际成本、提高产品价格从而影响加成率。（1）成本效应。制造业投入服务化可降低企业的边际成本进而影响企业加成率。首先，在制造业企业增加服务要素投入的过程中，通过融合不同的服务要素可能直接降低企业的生产成本、管理成本、运输成本和销售成本等。例如在“互联网+”时代，通过融合信息服务技术与制造技术，有利于提高企业内、外的信息互享与协同运作，从而利于企业有效控制与协调研发设计、生产和销售等各环节，提高产出效率，降低企业生产成本和管理成本;而受益于区域和全球交通网络的不断完善和整合，运输服务化可更为有效地实现生产要素和产品的空间移动，极大地降低交易风险和单位运输成本;分销服务化有助于缩短企业与消费者之间的“距离”[5]，完善企业的营销服务网络，从而降低企业的沟通成本和销售成本。其次，制造业服务化可通过服务外包促进企业优化资源配置，降低生产成本。制造业服务化的发展是服务外包不断外化发展的过程[20]，制造业企业将自身服务部门的相关业务或环节外包出去，集中资源于核心产品的生产，利于企业通过优化资源配置提高生产率，降低生产成本。此外，随着外包出去的服务业务自身质量的提高，外部生产性服务业的专业化水平和市场细分程度都相应提高，形成规模经济，中间服务投入成本进一步降低。（2）创新效应。已有研究表明技术创新可以通过提高企业生产率、降低生产成本、扩大市场份额等提升企业加成率[21，16]，制造业投入服务化可通过推动企业技术创新而影响企业加成率。首先，随着产业链在全球范围不断深化和延长，内嵌于制造业各环节的服务投入的深度和广度日益提高，在其与制造业不断融合的过程中，通过新思想、新技术和新流程推动知识的转移和共享，产生技术外溢，推动技术创新，增加创新产品产出。其次，在产业链上游，高端服务要素投入（例如研发、设计、管理）提高了企业的技术创新和吸收能力，在产业链中下游，信息咨询、技术支持、市场调查、营销等服务要素占比的增加促使制造业企业从以加工组装为主向“制造+服务”转型，从单纯出售产品向出售“产品+服务”转变，优化要素禀赋与产品组合方式，利于激励企业进行自主创新和协同创新[22]，提供差异化、多样化的产品供给，提高企业议价能力。特别地，以人力资本和知识资本为主的生产性服务要素的投入，对企业内部结构和部门协作管理产生重要影响，主要通过“干中学”、经验积累和学习效应促进企业创新能力的提升，直接或者间接地提高企业出口产品的技术复杂度，加快企业产品“量”到“质”转变速度[23，24]，有利于提高企业盈利能力和竞争势力。此外，制造业、服务业两业融合发展，可能衍生出更多新业态、增值服务等，从而突破创新边界，扩大创新领域，推动交叉创新或者跨界创新[25]。

要注意的是，在制造业服务化初期，其可能通过成本效应和创新效应提升企业产品价格加成，但这种提升效应存在边际递减趋势，过度的服务化甚至会对部分企业加成率产生负向影响。一方面，生产性服务业有知识密集型和资本密集型特征，固定成本投入较高，过度地进行生产要素投入服务化，会增加企业的成本，同时可能挤出核心生产环节的资源，降低生产效率，对企业加成率产生负向影响。特别对于以劳动、资源密集型产品为主的中国制造业企业而言，当服务化超过一定发展程度时，其服务化转型带来的成本下降难以抵消过度的服务投入增加的成本，对企业加成率产生负向作用;另一方面，近年来，我国制造业服务要素投入越来越多地依赖国内市场，国外服务要素投入占比仅有1/4，且呈明显下降趋势。而国内服务要素，特别是研发技术服务、商务服务等高附加值优质服务要素投入，与发达国家水平存在差距，因此，过高的服务化水平带来的创新效应呈边际下降趋势，对价格加成的提升幅度可能难以弥补成本挤出效应带来的负向影响，整体上降低企业的竞争优势。因此，总体来说，制造业服务化对企业加成率的影响存在非线性的倒U型效应。

基于以上典型事实及机制分析，提出研究假设1。

H1 制造业投入服务化主要通过成本效应和创新效应影响企业产品加成率;在其他条件不变的情形下，制造业服务化对于企业加成率具有非线性的倒U型影响效应。

三、计量模型、变量与数据

（一）计量模型设定

根据机制分析和研究假说，设定检验制造业投入服务化影响企业加成率的基本模型：

制造业投入服务化Servicejt。目前学者主要采用投入产出法中的生产消耗系数法进行测度，包括直接消耗系数法和间接消耗系数法[20，5，6]。本文基于WIOD（2016）发布的2000-2014年的投入产出表，使用完全消耗系数法测算中国制造业投入服务化水平。

其中，Servicesj表示制造行业j对服务业s的完全消耗系数;asj表示制造行业j对服务业s的直接消耗系数。但在国民经济各行业之间，除了直接消耗关系，还应该考虑制造行业j对服务业s的间接消耗，从而构成完全消耗系数。第一轮间接消耗为∑nk=1askakj，依次类推，加到第n轮间接消耗。进一步将每个制造业行业内所有服务行业的投入加总，得到各个制造业行业的总的服务投入。

控制变量。全要素生产率（TFP），在计算企业加成率的过程中，需要基于生产函数估计每一种要素投入的产出弹性系数，在得到产出弹性系数后，采用索罗残差方法计算得到企业的全要素生产率。企业资本-劳动比（KLR），企业的资本-劳动比由企业的固定资产净值与企业的就业人数之比表示，是表征企业要素构成的关键变量。企业平均工资（Wage），企业平均工资用企业总工资与就业人数之比来表示。企业年龄（Age），根据样本当前年份与成立年份的差值计算企业年龄。外资企业虚拟变量（FOE），外资企业包括港澳台企业，控制企业所有制对加成率的影响效应。

（二）数据来源及处理

本文使用的数据主要涉及两个数据库，分别是世界投入产出数据库和中国国家统计局公布的中国工业企业数据库。世界投入产出数据库（简称WIOD）统计了2000-2014年全球43个国家56个行业（国际标准行业分类ISIC）的投入产出数据，其中，5～22为制造业行业，28～56为服务业。中国工业企业数据库涵盖了规模以上中国工业企业的详细数据，目前可用年限为1998-2013年，为了与WIOD数据保持一致，保留2000-2013年的中国工业企业数据。下面详细介绍对中国工业企业数据库的处理过程，以及如何补齐2007年之后用于估算生产函数的关键变量。

首先，根据Cai和Liu （2009）的做法[28]，删除工业总资产、固定资本、就业人数和中间投入等关键指标缺失或者小于零的观测值，同时剔除违背会计准则的观测值。其次，借鉴Brandt，Van Biesebroeck和Wang（2012）的方法[29]，采用序贯识别法构建一个新企业ID和年份为两维的面板数据。再次，根据Brandt等 （2012）公布的数据对样本期间的中国工业企业数据库国民经济四位行业代码进行了统一，以及对工业总产值、中间投入等金额指标进行了价格平减。最后，2007年后，中国工业企业数据没有报告中间投入和增加值等估算生产函数的重要变量，这就需要利用已有变量构造这两个关键变量。具体方法如下：采用收入法计算增加值，其表达式为：增加值=劳动工资+劳动福利+各项税收+各项费用+利润+当期折旧。其中，劳动福利2009年之后没有统计，本文估算出2000-2008年每一年城市-行业层面的福利占工资的比例，发现这一比例变动很小，因而采用2008年的福利工资比例和2009年之后的工资，计算2009年之后的勞动福利数据。在测算了增加值之后，采用总产值=增加值+中间投入的公式，得到了每个企业的中间投入。2009年和2010年关键指标缺失特别严重，例如没有折旧等指标，且2010年的数据存在较大的统计偏差，因此，本文没有估计这两年的企业加成率。

（三）典型化事实

制造业投入服务化的演变趋势。图1的虚线部分描绘了这18个制造业行业投入服务化的年度均值的变化趋势。样本期间，制造业投入服务化水平总体呈上升趋势，表明我国制造业投入趋于服务化。具体地，2000-2004年制造业服务化水平下降，这可能是我国在加入WTO后初期，中国企业面临市场迅速扩大，从而能够从规模效益中获取收益[30]，导致企业主要增加物质要素投入，而减少服务要素投入;2004年后制造业投入服务化水平呈显著上升趋势，也有助于企业应对劳动力成本上升、人民币升值和全球金融危机等负面冲击。同时，本研究还整理了样本期间各细分制造业行业服务化水平平均值，结果表明，计算机、电子产品和光学产品制造，汽车、挂车和半挂车制造，电力设备制造等技术密集型制造业行业有相对较高的服务化水平，而家具制造及其他制造，食品、饮料和烟草制品制造，木材、木材制品及软木制品等制造等劳动密集型的传统制造业服务化水平相对较低。

制造业企业加成率的演变趋势。图1绘制了中国制造业企业加成率年度均值演变趋势②。1998-2013年，中国制造业企业加成率均值呈不断上升的趋势，由1998年的1.2上升到1.42，上升幅度高达18%。由图形还可以看出，以制造业投入服务化由下降转为上升的2004年作为时间分界点，前一阶段的企业加成率的上升幅度仅为3%，远低于后一阶段的增幅（14.5%）。可以初步判断，制造业投入服务化的上升可能推动了制造业企业加成率的提升。

为了进一步分析制造业投入服务化与企业加成率之间的关系，图2绘制了WIOD行业层面制造业服务化与加成率的散点图。初步拟合关系表明，制造业投入服务化与加成率之间可能存在先上升后下降的倒U型关系，也就是说，随着制造业投入服务化发展，加成率提升的速率呈下降趋势;当制造业投入服务化达到一定水平之后，加成率上升幅度变得很小;存在某一个制造业投入服务化的拐点值，当制造业服务化水平超过该临界值之后，随着制造业服务化发展，其对企业加成率的影响不再表现为正向效应，反而存在抑制作用。

四、实证结果分析

（一）基准回归估计

表1第（1）和（2）列报告了检验制造业投入服务化与企业加成率线性关系的计量模型（1）的回归结果，其中第（1）列仅纳入企业生产率作为控制变量，第（2）列在第（1）列基础上引入资本劳动比、平均工资、企业年龄和企业所有制等控制变量，两列均控制了企业个体固定效应和年份效应。回归结果显示，核心解释变量制造业投入服务化的估计系数显著为正，以引入全部控制变量的列（2）为例，行业层面的制造业投入服务化水平上升1%，将导致该行业内企业加成率上升0.27%，具有较强的经济显著性。因此，在没有考虑到制造业投入服务化变量的二次项时，制造业投入服务化显著促进企业提升加成率，有利于提高企业的市场竞争势力。表1第（3）和（4）列报告了进一步纳入制造业投入服务化二次项的回归结果，其中，第（3）列仅纳入控制变量企业生产率，第（4）列在第（3）列基础上引入其他所有控制变量。结果显示，制造业投入服务化单独项的估计系数均显著为正，二次项的估计系数在5%的水平上显著为负，且两列的估计系数绝对值大小较为接近，表明制造业投入服务化与企业加成率存在显著的倒U型关系。具体地，当行业层面的制造业投入服务化水平低于某一个门槛值时，制造业投入服务化有利于提高该行业内企业加成率，而当行业层面的制造业投入服务化水平高于该门槛值后，进一步的制造业投入服务化将会降低企业加成率。这一实证结果与前文的预期一致。本文进一步基于第（3）和（4）列的制造业投入服务化一次项和二次项的估计系数，计算得到制造业投入服务化的门槛值分别为0.6747和0.6656。根据表1，使用的样本期内（2000-2013

年）制造业投入服务化的均值为0.4143，最大值为0.5612，因此，中国目前的制造业投入服务化与企业加成率的关系仍然处于倒U型曲线的左边，这也在

一定程度上与不考虑制造业服务化二次项的估计结果相符，也就是说在目前乃至今后的一段时间内，我国制造业服务化对于企业加成率具有促进效应。但当制造业服务化发展到一定阶段时，也就是说制造业投入服务化水平超出临界值时，制造业服务化将抑制企业加成率，因此，制造业投入服务化水平并不是越高越好，而是存在一个最优值。

（二）稳健性检验

1. 差分模型回归。前文采用个体固定效应的方法进行计量实证估计，这里进一步采用差分方法消除不可观测的个体效应，并且还能检验制造业投入服务化变化率对加成率变化率的影响效应。具体地，根据样本期长度，对计量模型的被解释变量、核心解释变量和全部控制变量均分别取1阶、3阶、5阶差分，回归结果见表2。根据差分回归结果，制造业投入服务化估计系数显著为正;而在纳入制造业投入服务化变量的二次项之后，制造业投入服务化一次项系数显著为正，二次项系数显著为负，依然表明制造业投入服务化与企业加成率呈倒U型关系，与基准回归基本一致。

2.内生性问题。基准回归模型控制了不可观测的年份固定效应、企业固定效应等，一定程度上缓解了样本选择和遗漏变量引起的内生性问题;且被解释变量是企业层面的数据，核心解释变量是行业层面数据，制造业投入服务化与企业加成率之间的逆向因果导致内生性的可能性也大大降低。但是仍然存在某些行业内市场势力高的企业倾向于更高的服务投入，且这些企业在行业内市场份额很高，其制造业服务投入水平可能在很大程度上决定行业层面的制造业服务投入水平。因此，进一步借鉴许和连等（2017）的方法[6]，使用制造业投入服务化的滞后期作为制造业投入服务化的工具变量，进行两阶段最小二乘回归，由于篇幅限制，回归结果不予展示。结果表明，无论是否引入控制变量，制造业投入服务化的一次项和二次项分别显著为正和显著为负，与基准回归结果一致。因此，在考慮了模型潜在的内生性后，本文主要结论仍然成立。

3.剔除极端值。为了排除回归结果受到样本中异常值的干扰，进一步分别剔除被解释变量企业加成率，核心解释变量制造业投入服务化，以及控制变量的位于最小和最大的1个百分区间的样本极端值，由于篇幅限制，回归结果不予展示。结果表明：结论依然稳健。

（三）机制检验

正如理论机制分析所指出的，制造业投入服务化通过成本效应和创新效应等渠道影响企业加成率，借鉴刘斌和王乃嘉（2016）、许和连等（2017）的研究[4，6]，构建如下中介效应模型进行机制检验。

其中，MV指中介效应变量，这里主要包括两个变量：一是反映成本效应的企业成本变量（Cost），借鉴刘斌和王乃嘉（2016）的研究[4]，企业成本等于管理费用、财务费用、主营业务成本、销售费用、主营业务应付工资、主营业务应付福利费的总和，其中，产品销售费用、主营业务应付工资和主营业务应付福利费的总和数据有缺失，本文使用相应指标占主营业务收入之比作为权重进行了补齐，取自然对数;二是反映创新效应的企业创新变量（Grant），本文参考寇宗来和刘学悦（2020）的研究[31]，使用2000-2013年中国专利数据库中授权专利数据，取自然对数。

表3报告了中介效应模型的具体估计结果。其中，第（1）和第（2）列报告了成本渠道的中介效应回归结果。列（1）显示制造业投入服务化系数显著为负，表明制造业投入服务化显著降低企业成本;列（2）显示企业成本系数显著为负，即企业成本与企业成本加成呈显著的负向关系，而制造业投入服务化变量一次项估计系数显著为正，二次项估计系数显著为负;因此，成本效应是制造业投入服务化与企业成本加成倒U型关系的可能中介渠道。第（3）和第（4）列报告了创新渠道的中介效应回归结果。列（3）显示，制造业投入服务化与企业创新之间呈显著的正相关关系，列（4）显示企业创新系数为正，制造业投入服务化与企业成本加成之间呈倒U型关系，但不显著。因此，基于以上分析，成本效应是制造业投入服务化影响企业成本加成的主要机制渠道。

五、结论与政策启示

本文的研究结论表明，制造业服务化与企业加成率之间呈倒U型关系，一定程度的投入服务化通过降低成本促进了企业价格加成提升;但因我国服务要素质量相对较低、服务投入的成本挤出效应等，过高的服务化水平会对价格加成产生负向效应;当前我国制造业服务化水平尚未到达拐点，进一步推动制造业服务化能够提升企业加成率和市场竞争优势。在改变估计方法、克服内生性问题、剔除关键变量的极端值后，研究结果仍然稳健;通过构建中介效应模型进行机制检验，证实了成本效应是制造业投入服务化影响企业加成率的可能中间渠道。

本文的研究结论蕴含丰富的政策启示。第一，进一步推进制造业投入服务化，将有利于提升企业竞争势力。本文的一个主要结论是制造业投入服务化显著提升企业加成率，且目前的制造业投入服务化水平远低于降低企业加成率的拐点值，因此，为了提升企业的价格加成定价能力和市场势力，继续推进和深化制造业与服务业融合是一项重要的政策措施，尤其应该加大金融、研发设计等服务投入的比重。第二，过高的制造业服务化水平可能对企业价格加成产生负向效应，且这一效应可能主要来自国内服务要素投入，因此，一方面应整合全球资源，适量增加国外优质服务投入，另一方面应提高国内服务投入的质量、优化国内服务投入结构，大力发展现代服务业。第三，本文研究发现制造业投入服务化能显著降低企业成本和促进技术创新，要充分发挥制造业投入服务化对企业加成率的促进效应，可进一步着力降低企业成本和促进技术创新;同时，进一步优化企业营商环境，尤其是降低企业的制度性交易成本，例如税费负担、融资成本等;企业应积极参与国家“创新驱动”战略、“互联网+”战略等，通过自主创新、“互聯网+”等方式降低企业成本。同时，企业应抓住机遇，着力提高企业高端化人才的投入数量、加强复合型人才的培训力度，提升服务投入的生产效率，提高制造业与服务业融合深度、广度和质量。

注释：

① 制造业服务化水平是指服务要素投入占总投入的比重。

② 由于中国工业企业数据库在2009年和2010年缺乏估算加成率的关键变量，如工业增加值、中间投入，因此无法估算企业加成率，这两年的企业加成率缺失。数据来源和处理中对此进行了详细介绍。

参考文献：

[1] Arnold J M， Mattoo A， Narciso G. Services inputs and firm productivity in Sub-Saharan Africa： Evidence from firm-level data[J]. Journal of African Economies， 2008，17（4）： 578-599.

[2] Wolfmayr Y.Producer services and competitiveness of manufacturing exports[R]. FIW Research Reports，2008.

[3] Lodefalk M.The role of services for manufacturing firm exports[J]. Review of World Economics， 2014， 150（1）： 59-82.

[4] 刘斌，王乃嘉. 制造业投入服务化与企业出口的二元边际——基于中国微观企业数据的经验研究[J].中国工业经济， 2016（9）：59-74.

[5] 刘斌，魏倩，吕越，等. 制造业服务化与价值链升级[J].经济研究， 2016， 51（3）：151-162.

[6] 许和连，成丽红，孙天阳. 制造业投入服务化对企业出口国内增加值的提升效应——基于中国制造业微观企业的经验研究[J].中国工业经济， 2017（10）：62-80.

[7] Allen R G D， Lerner A P. The concept of arc elasticity of demand[J]. The Review of Economic Studies， 1934，1（3）： 226-230.

[8] Melitz M J， Ottaviano G I P. Market size， trade， and productivity[J]. The Review of Economic Studies，2008，75（1：295-316）.

[9] Feenstra R C. Measuring the gains from trade under monopolistic competition[J]. Canadian Journal of Economics/Revue Canadienne D'économique， 2010， 43（1）： 1-28.

[10]钱学锋，范冬梅，黄汉民. 进口竞争与中国制造业企业的成本加成[J].世界经济， 2016，39（3）：71-94.

[11]余淼杰，袁东. 贸易自由化、加工贸易与成本加成——来自我国制造业企业的证据[J].管理世界， 2016（9）：33-43+54.

[12]許明，李逸飞. 中国出口低加成率之谜：竞争效应还是选择效应[J].世界经济，2018， 41（8）：77-102.

[13]De Loecker J， Goldberg P K， Khandelwal A K，et al. Prices，markups，and trade reform[J].Econometrica，2016，84（2）： 445-510.

[14]毛其淋，许家云. 中间品贸易自由化提高了企业加成率吗？——来自中国的证据[J].经济学（季刊）， 2017，16（2）：485-524.

[15]祝树金，钟腾龙，李仁宇. 中间品贸易自由化与多产品出口企业的产品加成率[J].中国工业经济， 2018（1）：41-59.

[16]刘啟仁，黄建忠. 产品创新如何影响企业加成率[J].世界经济， 2016，39（11）：28-53.

[17]许家云，毛其淋. 人民币汇率水平与出口企业加成率——以中国制造业企业为例[J].财经研究，2016， 42（1）：103-112.

[18]诸竹君，黄先海，宋学印，等. 劳动力成本上升、倒逼式创新与中国企业加成率动态[J].世界经济， 2017，40（8）：53-77.

[19]耿伟，王亥园. 制造业投入服务化与中国出口企业加成率[J].国际贸易问题， 2019（4）：92-108.

[20]顾乃华，夏杰长. 对外贸易与制造业投入服务化的经济效应——基于2007年投入产出表的实证研究[J].社会科学研究， 2010（5）：17-21.

[21]Aghion P， Howitt P A. Model of growth through creative destruction[R]. National Bureau of Economic Research，1990.

[22]戴觅，余淼杰. 企业出口前研发投入、出口及生产率进步——来自中国制造业企业的证据[J].经济学（季刊）， 2012，11（1）：211-230.

[23]戴翔. 服务贸易自由化是否影响中国制成品出口复杂度[J].财贸研究， 2016，27（3）：1-9.

[24]王思语，郑乐凯. 全球价值链嵌入特征对出口技术复杂度差异化的影响[J].数量经济技术经济研究， 2019，36（5）：65-82.

[25]黄群慧，霍景东. 产业融合与制造业服务化：基于一体化解决方案的多案例研究[J].财贸经济， 2015（2）：136-147.

[26]De Loecker J， Warzynski F. Markups and firm-level export status[J]. American Economic Review， 2012，102（6）： 2437-71.

[27]Levinsohn J， Petrin A. Estimating production functions using inputs to control for unobservables[J]. The Review of Economic Studies， 2003， 70（2）： 317-341.

[28]Cai H， Liu Q. Competition and corporate tax avoidance： Evidence from Chinese industrial firms[J]. The Economic Journal， 2009， 119（537）： 764-795.

[29]Brandt L， Van Biesebroeck J， Zhang Y. Creative accounting or creative destruction？ Firm-level productivity growth in Chinese manufacturing[J]. Journal of Development Economics， 2012，97（2）： 339-351.

[30]Krugman P R. Increasing returns， monopolistic competition， and international trade[J]. Journal of International Economics， 1979，9（4）：469-479.

[31]寇宗来，刘学悦. 中国企业的专利行为：特征事实以及来自创新政策的影响[J].经济研究，2020，55（3）：83-99.

（责任编辑：钟 瑶）