专利行政执法对全要素生产率的影响研究

苏世彬，郭颖璐，陈月勤，李广培，陈朝晖

（福州大学经济与管理学院，福建 福州 350108）

1 引言

新古典经济增长理论认为，要素投入和全要素生产率的提高是经济增长的两个源泉，但要素投入存在边际报酬递减趋势，因此，从长期来看，全要素生产率是经济持续增长的唯一源泉。从经济学角度看，全要素生产率是经济增长中一个不能为常规要素投入所解释的部分，其来源主要包括技术进步和效率改善。而专利创新不仅是技术进步和效率提升的核心动力，也是全要素生产率持续增长的重要源泉［1］。但目前我国专利风险指数排名全亚洲第二［2］，创新过程中面临大量的风险，不仅阻碍了专利创新活动的开展，更进一步抑制了全要素生产率的提升。为了有效保护和激励专利创新以提高全要素生产率，我国实行专利司法保护与专利行政执法并行的“双轨制”保护制度。其中，专利行政执法作为具有中国特色的专利保护方式，在保护专利创新和推动全要素生产率发展方面发挥着重要作用：一方面，专利行政执法能有效降低专利侵权风险，保障投资回报率，有利于吸引外商直接投资的流入，并通过技术溢出等途径提高我国的生产效率；另一方面，专利行政执法对专利权的保护能有效激励市场主体加强自主研发，提高专利创新能力，进而助推我国全要素生产率水平的提升。因此，深入研究专利行政执法与全要素生产率之间的关系不仅有利于完善我国的专利行政执法制度，同时也对提升我国的全要素生产率有重要的现实意义。

目前，学术界对专利行政执法的研究主要来源于知识产权保护，认为专利行政执法是知识产权保护的一个子指标，并对专利行政执法的必然性、重要性和现状进行了多方研究［2］。但有关专利行政执法与全要素生产率关系的研究较少，现有的相关文献主要集中于知识产权保护、外商直接投资［2，6］、研发投入［7-10］、产业结构［11-12］与全要素生产率之间的关系。结果表明，知识产权会通过外商直接投资、研发投入等变量对全要素生产率起正向作用，但以上结论是否适合于知识产权保护子指标的专利行政执法与全要素生产率之间的关系，仍有待于进一步的验证。同时，现有研究仍存在一些不足，具体如下：第一，专利行政执法是知识产权保护的重要子指标，但当前学术界对该变量仍未有统一的测度方式，并且现有的测度方式存在不够全面、权重分配不合理等问题，这可能会对研究结论造成一定影响；第二，学者们分别就知识产权保护、研发投入与全要素生产率以及知识产权保护、外商直接投资与全要素生产率之间的关系进行深入研究，但鲜有文献将外商直接投资和研发投入两个中介变量同时纳入研究框架，也缺乏对外商直接投资和研发投入在其中的中介作用大小进行对比；第三，多数学者仅考虑知识产权保护对全要素生产率的直接影响和间接影响，但这些影响可能还会受到类似产业结构等调节变量的干扰，这是现有研究未能考虑到的。

为此，本文以外商直接投资和研发投入为中介变量，以产业结构为调节变量，拟构建专利行政执法、外商直接投资、研发投入、产业结构与全要素生产率五个变量间的关系模型，在重新界定专利行政执法指标的基础上，采集2004—2017年的省级面板数据，分析五个变量之间的相关关系，从而为我国专利行政执法制度的完善和全要素生产率的提高提供量化依据。

2 理论分析与研究假设

2.1 专利行政执法通过外商直接投资影响全要素生产率

外商直接投资作为跨国公司进行全球资源配置的方式，其数量和流向与流入国的知识产权环境密切相关。当前，我国实行专利司法保护与专利行政执法并行的“双轨制”专利保护制度。但鉴于专利权属不稳定的特性，专利司法裁判的周期往往比较长，便利性和及时性较差，外资企业专利维权“举证难、周期长、成本高”等问题突出；而专利行政执法由于其高效、便捷、低成本等优势，在专利维权、维护公平市场环境和改善营商环境方面发挥的作用更为凸显，在吸引外商直接投资方面成效显著。一方面，专利行政执法处理侵权案件时间短、维权快，能及时维护外商企业合法权益，保护其所有权优势，增强了外资企业在我国投资的信心，有效激励外资的持续输入［2］；另一方面，专利行政机关能够主动打击各类专利违法行为，优化了我国的营商环境，更有利于吸引外商投资。因此，本文提出以下假设。

H1a：专利行政执法与外商直接投资呈正相关关系。

在开放经济条件下，一国全要素生产率的提高不仅取决于国内的自主研发活动，同时也取决于各种渠道的国际技术溢出，其中，外商直接投资是国际技术溢出的最主要渠道。具体而言，外商直接投资能够通过资本积累效应、技术溢出效应和竞争效应促进我国全要素生产率的提高［13-14］。首先，外商直接投资的流入带来大量的资金［15］，增加了我国的资本积累，改善了资源配置效率，有利于全要素生产率的提高；其次，外商直接投资是先进技术和管理经验的载体，外商直接投资的流入有效加强了内外资企业的交流和合作，有利于本土企业通过学习和模仿实现技术进步，进而提高生产率［16］；此外，外资企业的进入加剧了市场竞争［17］，迫使本土企业加快技术研发和生产新产品的速度，有利于拉动整个行业技术水平的提升。因此，基于以上分析，本文提出以下假设。

H1b：外商直接投资与全要素生产率呈正相关关系。

因此，结合H1a 和H1b 的假设，本文提出假设H1。

H1：外商直接投资在专利行政执法与全要素生产率关系中起中介作用。

2.2 专利行政执法通过研发投入影响全要素生产率

一般来说，研发活动的目的是通过对新技术的运用获取更高的收益。但研发活动具有明显的外部性特征，研发成果容易被模仿和复制，造成创新者对研发成果无法完全占有、研发收益低于研发成本等问题，极大地损害了创新者的经济利益，严重挫伤了市场主体的研发积极性。而专利行政执法的加强，能有效地将研发活动的外部性内在化，使研发投入的回报率大大提升，从而激励更多的资金流向研发活动。首先，专利行政执法程序简便、运作高效，能快速阻止市场上的模仿行为，延长创新产品的生命周期，增加创新者的垄断收益，有助于激发全社会的研发创新热情［18］；其次，对专利权人而言，利用专利行政执法手段解决专利纠纷的成本和费用较低，能有效降低其专利维护成本，使专利权人将更多资金投入研发活动。因此，本文提出以下假设。

H2a：专利行政执法与研发投入呈正相关关系。

研发活动是技术进步最重要的来源之一，也是提高全要素生产率的关键因素。目前，学术界多数研究认为研发投入对全要素生产率有显著促进作用［19-20］，部分文献则认为我国目前的研发投入反而阻碍了全要素生产率的增长［21］。但从世界经济的发展历程来看，研发活动始终是全要素生产率增长的关键因素。一方面，研发活动作为一种创新活动，能直接生产出新产品和新工艺，提高产品的质量和技术水平，进而提高生产效率和全要素生产率［22］；另一方面，研发投入的持续增加能有效积累知识资本，增强创新者学习和吸收外部新技术的能力，有利于创新者在技术引进的基础上，通过消化吸收再创新实现技术创新和技术进步，从而进一步提高全要素生产率［23］。因此，本文提出假设2b。

H2b：研发投入与全要素生产率呈正相关关系。

综合H2a 和H2b 的假设分析，本文提出以下假设。

H2：研发投入在专利行政执法与全要素生产率关系中起中介作用。

2.3 产业结构在专利行政执法与全要素生产率中的调节作用

产业结构不仅是经济增长的内在需求和主要推动力，也是影响全要素生产率提升的重要因素，主要表现在产业结构的调整和优化能够影响外商直接投资与全要素生产率以及研发投入与全要素生产率之间的关系，进而对专利行政执法与全要素生产率的关系产生调节作用。具体表现为：①外商直接投资对全要素生产率的促进作用受产业结构的影响。随着产业结构的调整和升级，我国利用外资结构也有明显优化［24］。地方政府在引进外资时更加注重其质量和适用性，鼓励外资进入高端制造、智能制造、节能环保等领域，切实提高了利用外资的综合效益，有利于我国全要素生产率的提高。②研发投入对全要素生产率的促进作用也受产业结构的约束和引导。在高产业结构水平下，国内市场不断扩大和细分，吸引越来越多的企业进入市场，加剧了市场竞争的同时也加速了落后企业的淘汰，促使资源从效率低的部门流向效率高的部门，改善了资源配置。此外，市场上现存的企业为了获取竞争优势也会努力加大研发投入力度［25］，进行自主创新，进而促进生产效率的改善和全要素生产率的提高。因此，基于以上分析，本文提出以下假设。

H3a：产业结构正向调节外商直接投资对全要素生产率的影响。

H3b：产业结构正向调节研发投入对全要素生产率的影响。

结合H1、H2假设以及H3a、H3b的假设，本文提出以下假设。

H3：产业结构在专利行政执法与全要素生产率的关系中具有正向调节作用。

因此，根据以上几个假设，本文提出研究框架（图1）。

3 实证分析

3.1 变量说明及模型设定

①核心解释变量。

专利行政执法（PEit）：苏世彬（2020）给出了测算方式，但该测算方式对三种不同专利行政执法赋予类别相同的权重，使测算结果与现实存在较大偏差。因此，本文在苏世彬等（2020）的基础上，结合我国专利行政执法案件的数量，为不同的专利执法类别赋予不同权重，使该指标能更准确地反映我国专利行政执法的现实状况。具体计算公式如公式（1）。

图1 专利行政执法对全要素生产率的影响路径

其中，PEit代表i时期t省的专利行政执法水平，Ait、Bit、Cit、Dit分别代表i时期t省的侵权纠纷结案量、其他纠纷结案量、假冒专利结案量、专利授权量。其中，侵权纠纷、其他纠纷、假冒专利的结案量和专利授权量数据均来自于《专利统计年报》。

②被解释变量。

全要素生产率（TFPit）：考虑到指标的客观性，本文采用Malmquist-DEA 方法对全要素生产率指标进行测算。具体测算公式如公式（2）。

参考相关文献，并考虑数据的可得性，本文选取资本投入和劳动投入作为投入指标，并选取地区生产总值作为产出指标，具体如下。

a.投入指标

劳动投入（Lit）：为了更真实地反映当期的劳动投入水平，本文使用年末的城镇就业人数（Lit）减去上年末的城镇就业人数（Lit-1）来衡量，即Lit-Lit-1。

b.产出指标

期望产出（GDPit）：本文的期望产出采用各省的实际地区生产总值来衡量。为了剔除通货膨胀的影响，本文将原始数据调整为以2003年为基期不变价格的数据。

其中，固定资本投资额、固定资产投资价格指数、城镇就业人数及各省的地区生产总值数据均来自《中国统计年鉴》。

③中介变量和调节变量。

外商直接投资（FDIit）：本文使用各省实际利用外商直接投资额与地区生产总值的比值来衡量外商直接投资。由于从统计年鉴上获取的外商直接投资总额是以美元为单位，故用各年平均汇率将实际利用外商直接投资额折算为人民币。

研发投入（RDit）：本文采用各省研究与试验发展内部支出金额与地区生产总值的比值来衡量研发投入。

产业结构（THIRit）：本文用各省第三产业产值与地区生产总值的比值来衡量产业结构指标。

其中，各省实际利用外商直接投资额数据来自各省统计年鉴，研究与试验发展内部支出金额来自于《中国科技统计年鉴》，第三产业产值数据来自《中国统计年鉴》。

④控制变量。

参考以往研究，选取城镇化水平、市场化程度、人力资本以及地区经济发展水平作为本文的控制变量。城镇化水平（URBit），使用非农业人口与地区总人口的比重来表示；市场化程度（MARit），使用非国有企业工业总产值与地区工业总产值的比值来衡量；人力资本（HUMit），采用平均受教育年限表示；地区经济发展水平（RGDPit），使用地区生产总值与地区总人口的比值来表示。所有原始数据均来自《中国统计年鉴》。

3.2 面板数据的初步分析

3.2.1 描述性统计。各变量的描述性统计如表1所示。由表可知，被解释变量TFPit的最小值为0.855，最大值为1.093，表明我国的全要素生产率水平在不同省份间存在差异；解释变量PEit的最小值为0.713，最大值为0.998，均值为0.962，说明我国总体的专利行政执法水平较高，但各省之间仍存在一些差异；同理，中介变量、调节变量和控制变量之间也存在较大的差异。那么，被解释变量的差异是否由解释变量、中介变量、调节变量或控制变量的差异所引起的，有待后文的进一步研究。

3.2.2 变量相关性检验。从表2 中可以看出，各变量之间的相关系数都小于0.5，说明变量间不存在多重共线性问题，而且，根据各变量的方差膨胀因子的计算结果，可以明确看出变量之间的VIF 值远小于10，证明变量间不存在多重共线性。因此，本文可以使用面板回归分析实证研究各变量之间的关系。

表1 变量的描述性统计

3.3 模型设定

由前文的分析结果可知，本文各变量之间不存在多重共线性，因而可以使用面板模型展开分析，面板模型的一般形式为：

其中，i=1，2，...，N，表示N 个个体；t=1，2，...，T，表示T 个时期；yit为解释变量，xkit为被解释变量，βkit为待估参数，εit为随机误差项。

由前文理论假设可知，专利行政执法与全要素生产率之间的关系存在着通过外商直接投资和研发投入作为中介变量的间接作用，以及产业结构对二者关系的调节作用。因此，本文借鉴温忠麟等［26］的研究，构建如下中介效应和调节效应的面板模型。

假设1验证模型构建：

model 1：

model 1a：

表2 相关性检验结果

model 1b：

假设2验证模型构建：

model 2：

model 2a：

model 2b：

假设3验证模型构建：

model 3a：

model 3b：

model 3：

其中，i=1，2，...，30；j=1，2，3，4；t=2004，2005，...，2017；TFPit、PEit分别表示i省份t时期的全要素生产率和专利行政执法强度；PDIit、RDit为中介变量，THIRit为调节变量；Ditj表示控制变量URBit、HUMit、MARit和RGDPit；εit为随机扰动项。

4 实证结果分析

4.1 单位根检验

为了避免面板数据可能存在的“伪回归”现象，确保估计结果的有效性，本文采用Fisher-ADF检验法、LLC检验法和PP检验法对各变量进行单位根检验。

由表3结果可知，被解释变量TFPit的Fisher-ADF 检验、LLC 检验和PP 检验统计量分别为99.53、-10.96、63.83，均通过1%水平下的显著性检验，说明该变量是平稳的；解释变量PEit的Fisher-ADF 检验、LLC 检验和PP 检验统计量分别为129.62、-5.27和176.76，三者均通过显著性检验，说明变量平稳，不存在单位根；同理，中介变量、调节变量及控制变量也均通过显著性检验，表明所有变量均为平稳序列。

4.2 面板模型的选择

在模型建立之前，首先进行Hausman 检验，选择较优的回归模型。由表4及表5的检验结果可知，model 2a、model 3 的Hausman 检验统计量为4.37 和5.84，未能通过显著性检验，其余模型均显著拒绝“应建立个体随机效应模型”的假设，这说明选择固定效应模型更为合适。因此，本文选择固定效应模型对假设模型（4）—（12）进行回归分析。

4.3 实证回归结果及分析

4.3.1 外商直接投资和研发投入的中介效应。表4考察了外商直接投资和研发投入在专利行政执法与全要素生产率关系中的中介作用。由model 1可知，PEit对TFPit的回归系数为0.167，并通过1%的显著性检验，说明专利行政执法显著促进了全要素生产率的提升；model 1a 的结果表明，PEit对FDIit的回归系数为0.772，系数在1%的水平下显著，说明我国专利行政执法强度的增加有利于引入外商直接投资，这有效验证了假设H1a；同时，model1 b 的结果表明，在控制PEit的影响后，FDIit对TFPit的回归系数为0.013，通过1%水平下的显著性检验，这表明外商直接投资的增加有利于促进全要素生产率的提高，即假设H1b 成立，从而假设H1 成立。以上数据表明，专利行政执法力度的加强有利于外商增强自己的技术优势，有利于吸引更多的外资流入，而外资的增加通过技术扩散和知识外溢等途径提升了我国的技术水平，从而有效推动了我国全要素生产率的提高。

表3 面板数据的单位根检验

由model 2a 的结果可知，PEit对TFPit的回归系数为0.348，通过1%水平下的显著性检验，这表明专利行政执法对研发投入具有显著的正向作用，假设H2a 得到验证；由model 2b 的结果可知，在控制PEit的影响后，RDit对TFPit的影响系数为0.023，通过1%水平下的显著性检验，这说明增加研发投入能有效促进全要素生产率的提高，故假设H2b 成立，结合model 2、model 2a 和model 2b 可知，研发投入在专利行政执法对全要素生产率的影响中起中介作用，假设2 得到验证。以上数据表明，专利行政执法力度的提高有利于延长创新产品的生命周期，提高创新者的预期收益，有助于提振全社会的创新积极性，鼓励更多的资源流向研发创新活动；而研发投入的增加能够直接创造和积累技术，促进全要素生产率的提升。

值得注意的是，由model 1 可知，PEit的回归系数为0.167，即专利行政执法对全要素生产率的直接效应为0.167，又由model 1b 和model 2b 可知，PEit的回归系数分别为0.157 和0.159，这表明外商直接投资和研发投入的中介效应分别为0.01、0.008，即外商直接投资的中介效应略高于研发投入，这意味着虽然外商直接投资和研发投入都能对我国全要素生产率产生显著正向影响，但外商直接投资的中介效应大于研发投入。合理的解释是，通过国内研发活动获得创新和技术进步不仅需要大量的时间和资源投入，还需要承担较高的失败风险。相比而言，通过外商直接投资渠道获取的技术溢出能更加快速地提高我国的生产率水平，因此，外商直接投资在专利行政执法与全要素生产率关系中的正向传导作用强于研发投入。

4.3.2 产业结构的调节效应分析。由model 3a可知（表5），在控制变量URBit、MARit、HCit和RGDPit的条件下，外商直接投资与产业结构的交互项FDIit*THIRit对TFPit的回归系数为0.713，并通过1%水平下的显著性检验，说明产业结构的调整和升级对外商直接投资与全要素生产率之间的关系有正向调节作用，产业结构升级越快，外商直接投资对全要素生产率的促进作用越大，假设H3a成立。

表4 外商直接投资和研发投入的中介效应实证结果

model 3b 结果显示，研发投入与产业结构的交互项RDit*THIRit对TFPit的影响系数为0.854，且通过1%水平下的显著性检验，这表明产业结构在研发投入与全要素生产率之间起正向调节作用，即随着产业结构的升级，研发投入对全要素生产率的促进作用也更加显著，假设H3b得到验证。

在model 3中，专利行政执法与产业结构的交互项PEit*THIRit的系数为0.926，并通过1%水平下的显著性检验。以上结果表明，产业结构具有显著调节效应，即产业结构的调整升级强化了专利行政执法对全要素生产率的正向作用，支持了假设H3。

4.4 稳健性检验

为了保证研究结论的可靠性，本文用随机效应方法对假设模型（4）—（12）进行稳健性检验，得到结果如表6、表7所示。

由表6 可知，在model 1 中，PEit对TFPit的回归系数在1%的水平下显著为正，model 1a和model 1b中，PEit对FDIit的回归系数和FDIit对TFPit的回归系数也在1%的水平下显著为正；同时，model 1b 中PEit的回归系数（0.108）明显小于model 1中PEit的回归系数，证实了外商直接投资在专利行政执法与全要素生产率的关系中发挥部分中介作用。由model 2a 和model 2b 可知，PEit对RDit的回归系数和RDt对TFPit的回归系数在1%的显著性水平下仍然保持正数，结合model 1 结果可知，研发投入在专利行政执法与全要素生产率的关系中起部分中介作用。同时，外商直接投资的中介效应为0.11，大于研发投入的中介效应0.006，证实了前文的结论。

表7显示了产业结构调节效应模型的稳健性检 验 结 果，其 中，FDIit*THIRit、RDit*THIRit、PEit*THIRit对TFPit的回归系数仍保持正数，且三者均通过5%水平下的显著性检验，证明产业结构在专利行政执法与全要素生产率中发挥调节作用。

表5 产业结构的调节效应结果

以上结论表明，本文的稳健性检验结果与实证结果大体一致，所有控制变量的系数符号也与前文实证结果保持一致，大部分通过显著性检验，证明本文的模型是稳健的，所得研究结论具有可靠性。

表6 中介效应模型的稳健性检验

表7 产业结构调节效应模型的稳健性检验

5 主要研究结论与政策建议

5.1 主要研究结论

与现有各类研究相比，本文做了以下创新性的工作。①对专利行政执法指标的测度创新。本研究通过对侵权纠纷、其他纠纷和假冒专利进行权重赋值，体现了不同专利行政执法类型的重要性，较为全面地反映了我国专利行政执法的现实情况，得出的结论也更加符合我国实际。②同时将外商直接投资和研发投入两个中介变量纳入研究框架，对外商直接投资和研发投入在专利行政执法与全要素生产率之间的中介作用进行分析，明确了专利行政执法影响全要素生产率的途径和作用机制，对现实有较强的指导意义。此外，本文还对外商直接投资和研发投入的中介效应大小进行比较，得出的结论对现实的参考意义更强。③对产业结构调节作用的分析。现有文献未能考虑到产业结构对专利行政执法与全要素生产率关系的影响，本研究通过构建调节效应模型，分析产业结构对整体作用机制的影响，使研究更加完整、实用性更强。

通过以上创新性研究工作，得到以下三个创新性结论。第一，专利行政执法通过外商直接投资和研发投入两条作用机制对全要素生产率产生正向影响，即外商直接投资和研发投入在专利行政执法与全要素生产率之间起部分中介作用，该结论既是对知识产权保护、外商直接投资与全要素生产率以及知识产权保护、研发投入与全要素生产率之间正向关系的佐证，也是对专利行政执法研究的补充和发展。第二，外商直接投资在专利行政执法与全要素生产率之间的中介效应大于研发投入的中介效应，这是已有研究中所没有的，是对现有成果的深化与完善。第三，产业结构正向调节专利行政执法与全要素生产率之间的正相关关系，产业结构的升级强化了外商直接投资与研发投入对全要素生产率的正向影响，进而增强了专利行政执法对全要素生产率的正向作用，这个结论也是现有研究成果中没有的，是对现有理论成果的有益补充和完善。

5.2 政策建议

基于以上结论，本文提出以下几点建议。

①完善专利行政执法制度建设，提升专利行政执法效率。首先，提升专利执法效能。行政部门要深挖彻查与专利侵权相关的线上线下产业链，形成遏制知识产权犯罪的高压态势。其次，要加强执法宣传，畅通执法渠道。专利行政部门定期开展专利行政执法法规宣传活动，提高企业的维权意识，鼓励企业使用专利行政执法手段维权。最后，专利行政部门要加强移动互联网、大数据、区块链等现代信息技术在执法办案中的应用，积极创新执法方式，简化程序，全面打造智慧型政务服务体系，着力提高全社会的创新活力，为全要素生产率的提升提供良好的制度保障。

②稳定利用外资规模，提高利用外资质量。首先，各地政府要严格落实《外商投资法》和《鼓励外商投资产业目录》，注重项目质量，强化“补短板招商”和“精准招商”，着力引进高质量、低耗能、高科技含量的外资进入并带动我国产业发展。其次，各地政府要合理制定优惠政策，提高外资企业的本地化程度，大力鼓励外资在我国建立研发部门，扩大外资的技术溢出效应，促进技术进步和全要素生产率的提高。

③坚持自主创新导向，加强自主研发。“中兴事件”和“华为事件”也证明，自主创新不仅是企业的“命门”，也是国家的“命门”，而实现创新必须有充足的研发投入作为保障，因此，必须引导全社会加大研发经费投入。首先，发挥政府资金的导向作用，政府要更多地将研发经费投入前瞻性、关键性领域，带动社会资本参与建设，着力突破核心技术瓶颈。其次，政府部门要通过直接补贴和税收优惠等途径，加强对科技研发活动的补贴力度，引导市场主体加大研发投入，同时要完善和创新科技创新保险体系，降低和化解研发过程中的各种风险，提高企业等创新主体的研发意愿。此外，本研究发现，研发投入的中介作用效果低于外商直接投资的中介作用，这说明我国目前的研发活动效率偏低，研发规模大而不强，因此，必须调整研发投入结构，提高研发资金的使用效率。一方面，要引导研发资金更多地投入基础性研究领域，实现“从0 到1”的原创性突破；另一方面，要更加重视人才培养，提高高等教育质量，并大力发展专业技术教育，培育一批高素质、专业化的研发人才。

④推进产业结构转型升级，加快新旧动能转换。首先，要推动产业结构向价值链高端延伸，促进我国产业逐步由“生产+制造”型向“研发+制造+服务”型转变，实现产业和产品技术附加值的提升。其次，地方政府要优化本地产业布局，不能一味地追求“大而全”“小而全”的产业结构，要立足自身实际，根据地方特点培育和发展新的产业集群，并利用规模效应形成新的竞争优势，从而全面提高地区经济发展质量。