数字经济赋能制造业服务化发展研究——以北京市为例

郑季良，李汝仙,b

(昆明理工大学 a.管理与经济学院； b.城市学院，云南 昆明 650500)

制造企业以顾客为中心，为其提供涵盖产品、服务等的一体化解决方案的过程被称为制造业服务化(Servitization)[1]。制造业服务化是制造企业从单纯的产品提供商向为客户提供解决方案的方案提供商转变的过程。服务业务的开展有助于制造企业锁定客户、实现差异化构建竞争壁垒，是制造业开展服务化将产品和服务融合的驱动力。Roger[2]认为19世纪后期已经有制造企业以向供应链的下游或上游延伸的方式进入服务领域，模糊了生产制造和服务的界限。此外，制造企业通过提供与产品密切相关的服务来提升产品价值、支撑产品销售、提升长期利润[3]。Gebauer等[4]认为向客户提供差异化服务的制造企业能更好地理解客户的价值创造过程，为顾客设计并交付更好的产品和服务。当产品复杂度比较高时，客户为了降低其学习和使用成本，对制造企业提供服务的需求更为强烈，因此在复杂产品中服务成为产品的必要组成部分[5]。此外，服务导向制造具有降低对环境的影响并在产品生命周期内延长企业业务机会的潜力[6]。

作为制造业与服务融合发展的新模式，制造业服务化是促进制造业转型升级的方向之一，但这一进程面临着诸多障碍甚至困境，主要体现在：第一，服务业务的开展可能造成制造企业内部资源冲突。服务化意味着制造企业进入不熟悉、不擅长的领域开展业务。由于产品业务和服务业务的巨大差异，制造企业在产品创新、制造过程中积累的资源、能力和知识很难应用于服务业务。当企业资源有限时，同时兼顾产品业务与服务业务会稀释资源，造成既无法保证产品业务的投入，又无法为服务业务带来质的突破[7]36-45。第二，服务业务的开展需要制造企业具有更高的客户需求感知力。制造企业推行服务化的目的是从制造(产品或服务)向协助客户实现价值创造过程转变，从认为制造企业通过制造和销售实现价值到制造企业与客户及其他伙伴共创价值的转变，从认为客户是隔绝的个体到他们属于网络结构的认知转变，从将客户视为目标到将客户视为资源的转变[8]。在服务化过程中客户是价值共创的关键主体，制造企业提供的解决方案未能以客户需求为导向是造成制造业服务化未能带来明显效益提升的原因之一。

如今数字经济为制造业服务化发展提供了新视野、新动能，为化解制造业服务化过程中可能面临的困境提供了机遇。制造业的数字化、服务化两种转型升级方向不断融合，使制造业数字服务化趋势愈加明显。本文试图对数字经济这一新动能对制造业服务化的赋能作用进行探索并开展实证研究。

一、文献评述

(一)制造业数字服务化

与传统制造业相比，制造业服务化更注重客户的个性化需求，挖掘客户的偏好和需求是成功实施制造服务化的必要条件之一。在服务化过程中充分应用数字化技术可以帮助企业提升定制化、客户化程度及运作效率[9]，因此，将产品、服务和数字化技术相结合能更好地为企业提供数字化解决方案，满足客户需求[10]。

Pirola F等[11]认为数字技术加速产品和服务的整合，有助于企业在工业4.0时代创造新的价值，拉近和客户的关系。Ryaszewska A等[12]提出基于物联网的解决方案能成为构建产品—服务系统的绝佳工具，企业得益于规划良好的、物联网支撑的服务化战略使其能在产品使用及表现方面获得可靠的数据，从而创造稳定的价值，并能以提升利润率和客户满意度为目标定制相应服务。赵振[13]认为在互联网+的作用下，企业可以无限接近消费者、推动消费者细分、掌握消费者需求、数据化关键流程、提升企业内部信息传递效率，从而助力企业在服务化过程中保持战略一致、获得服务化战略资源。

(二)数字经济发展水平测度

测度数字经济的发展水平是数字经济赋能作用实证研究的前提。目前采用较多的是构建指标体系法，表1是对相关文献的总结归纳：

表1 数字经济发展水平评价指标

目前在测算数字经济发展水平的相关研究中，基础设施、产业发展、创新发展是较为常用的维度，但具体指标的选取很大程度上取决于研究目标的数据可得性，不同研究差异较大。

(三)制造业服务化程度衡量

制造业服务化程度的衡量方法主要有投入服务化(从投入维度衡量)和产出服务化(从产出维度衡量)。其中，投入服务化在实证研究中一般以投入产出表为依据测算制造业各行业的服务投入占比。产出服务化则一般采用收入比重分析法和经营范围分析法等。相比数字经济衡量，制造业服务化的衡量方式要更多样一些，尤其是产出服务化方面，尚无较为统一的衡量方式，即使用服务收入占总收入的比重来衡量服务化程度，在如何测算服务化收入方面也存在较大差别。表2是对相关文献的总结：

表2 制造业服务化程度衡量方式总结

当前研究已注意到制造业服务化与数字化融合的趋势，并肯定了数字化趋势对制造业服务化的赋能作用，为制造业数字服务化的深入研究奠定了坚实的基础。但这些研究主要着眼具体数字技术对制造业服务化的影响，而对数字经济进行测度并探究其对制造业服务化发展影响的实证分析还较少。由此，本文以北京市为例，在测度其制造业服务化水平和数字经济发展水平的基础上构建回归模型，研究数字经济发展对制造业服务化发展的影响机制。

二、研究设计

(一)北京市制造业服务化水平测度

本文数据源自相应年度的《中国统计年鉴》《北京统计年鉴》，共收集到2004—2020年期间(17年)的187个样本数据。

根据前文文献梳理，使用投入服务化方式衡量制造业服务化水平的主要依据为投入产出表。由于投入产出表目前仅更新到2018年，而本文所使用的其他数据截至2020年，考虑到数据匹配等原因，本文不采用投入产出表衡量服务化程度。产出服务化衡量方式受企业样本影响较大，且在指标选取上尚未形成统一意见。为此，本文采用生产性服务业发展水平(生产性服务业增加值)来表征制造业服务化发展水平。

在统计年鉴中生产性服务业增加值采用当年价计算，为了消除价格变化影响，本文采用生产性服务业增加值(当年价)与年度GDP(当年价)的比值来体现制造业服务化水平。其中，2020年的生产性服务业增加值在2021年的北京统计年鉴中尚未给出，而该值与GDP高度相关，因此，本文通过数据拟合得出该值。各年度数据及制造业服务化水平(proservit)测算值如表3所示。

表3 北京2004—2020年制造业服务化水平测度

在整个观测期内北京市制造业服务化水平从2004年的36.16%上升到2020年的49.88%，整体呈现上升趋势。其中，2009、2012、2016等年份相比上一年略微下降。

(二)北京数字经济发展水平指标体系构建

作为一种新的经济形态，数字经济在各类统计年鉴中还没有较为全面、统一的数据统计。借鉴前文梳理的相关研究成果，本文从数字经济基础设施、数字产业化和数字经济发展创新三个维度构建指标体系(共9个指标，全为正向)测度数字经济发展水平(见表4)。

(三)北京数字经济发展水平测度

本文收集到2004—2020年间衡量北京数字经济发展水平的三大类9个指标，共计153个数据。采取与沈运红[14]147-154、 廖信林等[16]22-30相同的熵值法确定各指标权重并测算每一个指标的指数，进一步得出数字经济基础设施发展、数字产业化发展、数字经济发展创新三个维度指数，最终得出每年的数字经济发展水平。在原数据无量纲处理方面，参照何林骄[28]的均值法。如表5所示，本文选取的3大维度9个指标的发展指数从2004—2020年间呈现总体上升趋势。

表6为北京各年度数字经济发展水平指数(digdevt)及相应的数字经济基础设施发展(diginfrat)、数字产业化发展(digindust)和数字经济发展创新(diginnovt)水平指数。结合表3与表6，北京历年制造业服务化发展指数及数字经济发展指数曲线如图1所示。

根据图1在整个观察期内，北京市的数字经济发展水平呈现不断上升趋势，发展指数从2004年的0.71上升到2020年的1.42。其中，2008、2009、2016等年份发展指数低于上一年度，但总体而言，整个期间数字经济发展水平在偶尔小幅度下降中呈现不断提升趋势。其中，数字经济基础设施发展指数一直呈现不断上升趋势，是数字经济中发展速度最快的维度。数字产业化发展指数与数字经济发展创新指数在某些年份略有下降(产业化发展：2009、2011、2012、2016；发展创新：2005、2006、2008、2013、2014、2018)，但是总体呈现不断上升趋势。北京市的数字经济发展迅速，制造业服务化与数字经济发展趋势高度吻合，尤其近两年指数增幅较大，已成为经济发展的新动能。

表4 数字经济发展水平测度指标

表5 各年度北京数字经济各指标指数及权重

表6 各年度北京数字经济发展指数

图1 北京市2004—2020年数字经济与制造业服务化发展指数

三、实证检验及结果分析

(一)模型构建

在测算2004—2020年北京市制造业服务化发展水平和数字经济发展水平的基础上，本文构建回归模型，探究数字经济发展水平对制造业服务化发展的影响机制。为了厘清数字经济对制造业服务化的影响及作用机制，本文将数字经济的三大指标指数纳入回归方程，并非仅用数字经济发展指数笼统体现；制造业服务化发展水平sert直接用一级指标proservit表示。

初步建立回归模型为：

proservit=β0+β1diginfrat+β2digindust+β3diginnovt+ut

(1)

式中：proservit采用表3计算值；diginfrat、digindust、diginnovt采用表6测算的指数；ut为随机误差项。表7为变量描述性统计，对变量进行初步回归结果如表8所示。回归模型中digindust和diginnovt不显著。对当前模型的三个解释变量进行相关性分析结果如表9所示，可见数字经济基础设施与数字经济发展创新相关度较高，即模型可能存在多重共线性。

表7 变量描述性统计

表8 初步回归结果

表9 数字经济三大指标维度相关系数表

(二)消除多重共线性

本文采用逐步最小二乘法(STEPIS-Stepwise Least Squares)消除多重共线性，回归结果如表10所示。新的回归模型中仅包含diginfrat一个因变量，初始模型中的另外两个因变量digindust与diginnovt被剔除出模型，这表明数字经济产业化发展和数字经济创新发展与数字经济基础设施高度相关。当消除多重共线性后，数字经济产业化发展和数字经济创新发展对制造业服务化的作用通过数字经济基础设施体现。

表10 逐步最小二乘法回归结果

(三)平稳性检验

表11是对消除多重共线性模型的被解释变量proservit和解释变量diginfrat进行的ADF检验结果。其中，*、**、***分别表示在10%、5%、1%的显著性水平上拒绝原假设。

表11 单位根检验结果

根据检验结果，原序列的被解释变量proservit平稳(1%显著性水平)，解释变量diginfrat平稳(5%显著性水平)。变量为平稳序列，可以继续进行计量分析，构建如下回归模型：

proservit=β0+β1diginfrat+ut

(2)

(四)异方差检验

本文采用ARCH对滞后阶数为1-7期的情况分别进行异方差检验(本文样本数据最大滞后阶数为7)，根据AIC、SC、HQ准则判断最终采用的滞后期为5，检验结果如图2所示。检测结果显示观察样本量与R2的伴随概率为0.128 9，即P值大于0.05表明序列残差不存在ARCH异方差。

(五)自相关检验

本文采用BG检验对滞后期为1至10期的情况分别进行自相关检验。在10个检验结果中，根据AIC、SC、HQ准则判断，最终采用的滞后期为1(见图3)。

图3 BG检验

由图3可知，观察样本量与R2的伴随概率为0.034 2，小于0.05，不拒绝原假设，残差存在1阶自相关性(见表12)。

(六)模型修正

在回归方程中加入一阶滞后项AR(1)，采用OLS/TSLS+异方差自相关稳健的标准误(HAC)Newey-West估计法，依据AIC原则确定滞后阶数为2。6次迭代后结果如表13所示。

继续进行BG检验，结果如图4所示，表明修正后的模型不存在自相关性。

表12 BG检验结果

表13 修正模型回归结果

图4 修正模型BG检验

修正后的回归模型为：

(3)

(4)

对于变量，则有：

L×proservit=proservit-1

(5)

因此，以上公式可以写为：

proservit=0.439 027+0.103 966diginfrat+ut

(6)

t=(17.5) (2.32)

(7)

t=(8.06)

R2=0.93DW=2.57

修正模型中常数项、解释变量、一阶滞后项的P值都小于0.05，所有系数均为正数，拟合度也达到了0.917。比起初始拟合模型，修正后的模型更能够体现制造业服务化与数字经济之间的内在关联。

剔除多重共线性后，模型中表征数字经济发展的变量仅剩数字经济基础设施发展指数一个，作为唯一的核心解释变量，其系数显著为正表明数字经济基础设施发展能对制造业服务化产生促进作用。综上，在数字经济的三大维度中，数字经济基础设施与数字经济的其他两个维度直接相关，即数字经济基础设施的发展能促进数字经济产业化和数字经济发展创新，从而最终赋能制造业服务化。

四、研究结论与对策建议

(一)研究结论

基于2004—2020年数据，本文采用熵值法测度了北京市数字经济发展水平，实证分析了数字经济对北京市制造业服务化发展水平的影响，主要结论如下：

1.在数字经济发展过程中，数字经济基础设施建设起到关键作用。本文从数字经济基础设施、数字经济产业化发展和数字经济发展创新三个维度构建指标体系来衡量数字经济发展水平，并将数字经济的三个维度作为解释变量探究其对制造业服务化发展水平的影响。采用逐步最小二乘法消除解释变量的多重共线性后，回归模型中仅剩数字经济基础设施发展一个解释变量，这表明数字经济的三个维度是密切相关的。具体来说，数字经济基础设施的发展对数字产业化和数字经济发展创新具有直接推动作用，数字基础设施的发展为两者的发展奠定了坚实的基础，从而促进数字经济的整体发展。

2.数字经济发展水平正向影响制造业服务化发展水平。加入滞后项修正后的时间序列模型回归结果显示，数字经济基础设施发展水平对制造业服务化发展水平具有正向影响，基础设施发展很大程度上体现了数字经济的发展水平。数字经济基础设施发展水平是其他两个维度发展的基础，其他两个维度的发展是数字经济基础设施发展的结果。因此，数字经济发展正向影响制造业服务化的发展成果，对促进区域制造业服务化的发展具有一定赋能作用。

3.制造业服务化水平的发展存在路径依赖现象。修正后的时间序列模型中，解释变量不仅涵盖数字经济基础设施发展，还涵盖制造业服务化水平的一阶滞后项和数字经济基础设施发展的一阶滞后项。这表明当年的制造业服务化发展水平不仅受到当期数字经济发展水平影响，还受到前期制造业服务化发展水平和数字经济发展水平的影响。

(二)数字经济赋能制造业服务化对策建议

1. 强化数字经济基础设施建设，促进数字经济不断发展。本文通过实证研究证实了数字经济基础设施建设是提升数字产业化发展、数字经济发展创新水平的关键动力，对区域数字经济发展至关重要。本文囿于数据可得性和连续性的限制，选取了移动电话交换机容量、光缆线路长度和电话普及率三个指标体现和衡量数字经济基础设施发展。事实上，除了这些因素之外，还需要加快行业、区域工业互联网平台的建设，形成数字生态圈，打通产业链、产业集群企业之间的信息传递渠道，引领上下游企业完成生产——服务融合的数字化转型。

2. 加大数字产业化发展力度，为制造业服务化发展奠定物质基础。制造业的转型升级呈现出服务化和数字化两个重要方向。在数字技术的助力下，制造业能精准、实时地获取客户的需求，从而向客户提供个性化解决方案，实现服务化制造。例如，一些龙头企业打造的行业“专业云”为中小企业提供了解决技术难题的平台，如将内部订单转给平台上的中小企业，使其获得了技术和市场需求方面的资源，从而有效克服资源刚性。在数字产业化不断发展的基础上，数字经济才能真正赋能制造业服务化，才能真正实现数字经济与制造业融合，而这些离不开相关主管部门对数字产业化发展的支撑。目前以专项资金支持、设立试点示范等方式鼓励、培育物联网、工业互联网、大数据等技术的发展及应用就是相关主管部门加大数字产业化发展的典型表现。

3. 提升数字经济创新能力，为制造业服务化发展提供动力。数字经济创新能力驱动数字产业化和产业数字化的不断发展，为数字经济的发展带来源源不断的生机与动力。强化数字经济创新能力，可以从以下方面考虑：在资金方面，加大对数字经济核心领域前沿性硬件、软件、应用场景等的资金支持力度；在政策环境方面，通过评价、认定、资金支持等方式鼓励制造企业设立技术创新示范中心、鼓励和支持制造业与数字技术融合的典型案例、典型应用场景，并对效果良好的应用场景设立试点示范项目；在人才建设方面，明确数字经济相关人才技能、素质要求，在高校设立数字产业化与产业数字化相关领域人才培养专业等引导当前相关领域人才向数字经济领域转型，逐步完善数字经济领域的人才队伍建设。