数字经济对生产性服务业和制造业融合发展的影响研究

刘媛媛 孙戈兵

摘 要：数字经济对促进生产性服务业与制造业的融合具有重要意义，基于2011-2020年中国31个省份的面板数据，通过运用固定效应模型、中介效应模型和面板门槛模型等进行实证检验，探索数字经济对生产性服务业与制造业融合的影响机制。研究发现：①数字经济能够显著促进生产性服务业与制造业融合，经过稳健性检验之后结论仍成立；②数字经济随着生产性服务业和制造业的发展水平的提高对“两业”融合程度的促进更为显著；③数字经济通过技术引进和自主研发正向促进“两业”融合；④数字经济发展对“两业”融合度的促进作用呈现出“边际效应”递增的非线性特征；⑤不同区域间数字经济发展对“两业”融合程度的影响存在差异，东部地区在数字经济促进“两业”融合度上领先于中部和西部地区。

关键词关键词：数字经济；生产性服务业；制造业；产业融合

中图分类号中图分类号：F062.9

文献标识码：A

DOIdoi：10.3969/j.issn.1672-2272.202403051

英文标题Digital Economy for Productive Services and Manufacturing Research on The Impact of Integrated Development

Liu Yuanyuan，Sun Gebing

（School of Economics and Management， Xinjiang University， Urumqi 830046， China ）

英文摘要Abstract：Digital economy（Dig） is of great significance in promoting the integration of producer services and manufacturing（Con）. Based on provincial panel data， this paper conducted empirical tests through econometric models to explore the mechanism of Digs influence on Con. The results show that： ①Dig can significantly promote Con， and the conclusion is still valid after robustness test; ②Dig promoted Con more significantly with the improvement of the development level of producer service industry and manufacturing industry; ③Dig will positively promote Con through technology introduction and independent research and development; ④The promoting effect of Dig on Con presents a nonlinear feature of increasing “marginal effect”; ⑤The influence of Dig on Con in different regions is different， and the eastern region is ahead of the central and western regions.

英文关键词Key Words：Digital Economy; Producer Services; Manufacturing; Industrial Convergence

0 引言

随着互联网和数字技术的迅猛发展，数字经济已成为国家经济发展的重要驱动力。生产性服务业和制造业（下简称“两业”）作为两个重要的经济部门，其融合发展对于提升我国经济整体竞争力具有重要意义。《中共中央关于制定国民经济和社会发展第十四个五年规划和二○三五年远景目标的建议》中明确表示要加快推进服务业数字化，促进现代服务业与先进制造业的深度融合。传统上，生产性服务业与制造业往往被看作是两个相对独立的领域。然而，在数字经济时代，生产性服务业和制造业逐渐开始融合。通过数字技术，生产性服务业可以提供更加智能化、高效率的服务，而制造业可以借助数字技术实现生产过程的优化和智能化。将数字经济应用于“两业”深度融合是我国从制造大国向制造强国迈进的关键途径。

数字经济是指利用数字计算技术开展业务的经济体系。其特点是在经济生活的各个方面广泛使用信息和通信技术，包括产品和服务的生产、分配和消费［1］。数字经济可以有效促进生产性服务业的高质量发展［2］，可以提高资本效率、劳动效率和技术效率等要素配置效率，从而间接推动服务业结构升级［3］。生产性服务业数字化可以打破物理时空上的距离，促进产业间知识和技术的扩散，加速产品、业务和市场的融合，从而催生新的商业形态和模式，促进制造业和服务业的垂直整合。有研究发现，制造业与数字服务业的融合显著提升了制造业绩效［4］。数字经济可以显著促进中国制造业优化升级，并且对制造业高级化的影响效果要强于制造业合理化［5］，但不同地区发展水平不平衡，各省份数字经济发展水平与数字基础设施、数字产业化水平、产业化数字水平呈正相关［6］。要加快服务业数字化和产业链垂直整合，进一步实现数字化技术对制造业创新的放大乘数效应。

生产性服务业与制造业的融合，指的是生产性服务业中信息技术、物流和专业服务等融入制造业，以提高制造业产出的过程。生产性服务业的知识生产和知识服务功能可以使高技术产业更加关注其核心生产环节，促进上下游产业相关联的传统制造业加速产品升级和工艺改进。制造业与生产性服务业协同集聚可以加速两业的互动与融合［7］，这一发现在Cuiping等［8］的研究中得到了呼应，该研究发现生产性服务业对外开放可以提升制造业的国际竞争力。“两业”融合可降低制造业生产成本，是增强企业核心竞争力和创新能力、培育现代产业体系、提升数字经济绩效实现高质量发展的重要途径，并且能缓解物质和人力的资本错配。

1 理论分析与研究假设

1.1 数字经济发展对“两业”融合度的直接影响

数字经济时代，在数字技术深入赋能的条件下，数据要素驱动以及数字技术驱动的全球价值链转型为制造业和生产性服务业价值链重塑和传递环节提供了数据要素，从而促进“两业”融合。数字经济不仅缩短了显性知识跨行业传播的时间和成本，而且延伸和扩展了隐性知识，这可以提高“两业”融合创新的生产力，使业务流程进行创新，从而更高效地提供服务和产品，让生产性服务业和制造业企业均受益。数字经济通过提高产品和服务质量、降低成本和提高交货速度来实现生产性服务业和制造业的融合，从而提升市场竞争力。基于以上分析，提出如下假设：

H1：数字经济发展能够促进“两业”融合程度。

1.2 生产性服务业发展和制造业发展对“两业”融合度的调节效应

利用自动化、人工智能、物联网等先进制造技术可提高制造业发展水平和生产性服务的质量与效率。同时，生产性服务业也可以利用人工智能、大数据、云计算等先进技术，成为制造过程的一部分，而制造业往往需要专业的知识和技能，这些可以由生产性服务业提供。例如，与研发、设计和工程相关的服务对高科技制造业至关重要。因此，制造业发展水平的提高可以带动专业化生产性服务业的需求，促进生产性服务业与制造业的融合。专业化生产性服务也可以针对制造业的具体需求提供量身定制的解决方案，促进二者更深层次融合。另外，制造业发展水平可以影响市场动态，如客户期望、竞争和创新。这些动态反过来又会影响生产性服务业和制造业的整合，在高度竞争和快速创新的市场中，制造企业可能在市场研究、战略规划和创新管理方面更多地依赖生产性服务。而生产性服务业的发展水平会影响所提供服务的质量，更高质量的服务可以为制造过程产出更多价值，促进它们的融合。综合以上分析，本文提出如下假设：

H2a：生产性服务业发展水平能够促进数字经济推动“两业”融合程度；

H2b：制造业发展水平能够促进数字经济推动“两业”融合程度。

1.3 数字经济发展对“两业”融合度的间接影响

在市场竞争激烈的环境下，创新技术的应用进一步推动了制造业和生产性服务业的生产过程创新和市场需求的提升，同时也促使“两业”融合向多元化方向发展［10］。创新技术能够促进生产性服务业与制造业更好对接，创新业务流程，降低制造商获得生产性服务的技术门槛，加速打破产业整合过程中的技术壁垒，使制造商更容易采用新技术和新工艺，这有助于构建“服务+制造”的协同生产服务网络体系，促进制造业生产方式的变革，提升市场竞争力。综上所述，数字经济通过技术创新对生产性服务业和制造业的整合有显著的贡献，因此提出如下研究假设：

H3：数字经济通过技术创新促进“两业”融合程度。

1.4 数字经济发展对“两业”融合度的非线性影响

随着数字经济规模的扩大，它更好地促进了企业绿色技术创新。而以互联网信息技术为基础的数字经济形成了显著的空间溢出效应，将社会、资源、经济活动、人等要素联系起来，“两业”融合的边际成本持续降低，提高了社会经济的整体发展水平和资源利用效率。随着数字经济水平的提升和技术不断创新发展，这种效果将日益显著，即“梅特卡夫法则”和网络效应均在“两业”融合中成立。因此，本文提出如下研究假设。

H4：数字经济对“两业”融合程度的影响具有“边际效应”递增的非线性特征。

本文构建相关概念模型以探讨数字经济对生产性服务业和制造业融合的影响研究，如图 1所示。

2 研究设计

2.1 变量设定

2.1.1 核心解释变量和门槛变量

数字经济综合发展指数（Dig）。本文结合省级层面的相关数据，参考赵涛等［11］、刘军等［12］测度方法，利用互联网普及率、计算机服务和软件业从业人员情况、互联网产出水平、移动电话普及率和数字普惠金融5个指标衡量数字经济发展水平，通过主成分分析方法进行计算，得出数字经济综合发展指数。

2.1.2 被解释变量

生产性服务业与制造业融合度（Con）。由于生产性服务业与制造业关系密切、相互联系，本文使用耦合协调度模型测算31个省份2011-2020年的“两业”融合度。借鉴韩峰等［13］对生产性服务业的界定和杜传忠等［14］、王欢芳等［15］的设计方法，构建了制造业子系统与生产性服务业子系统耦合协调发展的指标体系，并通过熵值法对各项指标进行权重赋值（表2）。

最后，构建如下耦合协调模型：

Ci（t）=2×Mi（t）×Si（t）［Mi（t）+Si（t）］2（1）

Ti（t）=αMi（t）+βSi（t）（2）

Di（t）=Ti（t）×Ci（t）（3）

其中，Mi（t）与Si（t）分别代表第i产业在t时刻制造业子系统和生产性服务业子系统的综合评价指数。Di（t）为耦合协调度，反映两个子系统之间协调发展的程度，即代表“两业”融合度（Con），数值越大“两业”融合度越高，反之越小。Ci（t）为耦合度，代表两个子系统相互促进的程度。Ti（t）为综合协调指数，代表两个子系统对耦合度的贡献值。α和β为待定系数，且α+β=1，表示制造业与生产性服务业的贡献系数。根据当前“两业”融合的实际情况，界定先进制造业与生产性服务业表现同等重要，取α=β=0.5。

2.1.3 调节变量

生产性服务业发展水平（Ser）和制造业发展水平（Man）作为调节变量，利用表2指标评价体系通过熵值法计算可获得最终结果。

2.1.4 中介变量

技术创新水平（Inno）：本文参考徐建中和王曼曼［16］的处理方法，将技术引进（Inno1）和自主研发（Inno2）作为技术创新水平的代理变量。其中，采用规模以上工业企业国内外技术引进经费和消化吸收经费之和来衡量技术引进；规模以上工业企业R&D经费（万元）衡量自主创新。

2.1.5 控制变量

考虑其他因素影响数字经济对“两业”融合的作用机制，本文借鉴赵涛等［11］的方法并结合研究需要加入了一系列控制变量。具体而言：①地区经济发展水平（Agdp）：选用各省份人均国内生产总值来衡量；②人力资本水平（Stu）：选取高等学校在校学生人数占各地区总人数的比重来衡量；③政府干预程度（Gov）：选取地方一般财政支出与GDP的比值来衡量；④城镇化水平（Urban）：选用各地城镇人口占年末总人口的衡量；⑤产业结构（Struc）：选用第三产业增加值与第二产业增加值的比重来衡量；⑥对外开放程度（Open）：选用各省份进出口总额与GDP的比值作为代理变量。

2.2 模型构建

2.2.1 基准回归模型

为验证假设H1，本文构建以下基准回归模型来研究数字经济发展对“两业”融合程度的直接作用机制：

Conit=α0+α1Digit+α2Cit+γi+δt+εit （4）

Conit为被解释变量，表示第t年省份i的“两业”融合度，Digit为解释变量，表示第t年省份i的数字经济综合发展指数，C代表一系列控制变量，δ表示控制省份固定效应，γ表示控制省份固定效应，ε为随机扰动项。

2.2.2 调节效应模型

为验证假设H2a和H2b，探究生产性服务业发展水平和制造业发展水平对“两业”融合的影响以及“两业”发展水平和数字经济发展的交互作用，根据温忠麟等［17］对于调节效应模型的研究，构建如下加入交互项的面板固定效应模型：

Conit=β0+β1Digit+β2Serit+β3（Digit×Serit）+β4Cit+γi+δt+εit（5）

Conit=φ0+φ1Digit++φ2Manit+φ3（Digit×Manit）+φ4Cit+γi+δt+εit（6）

Serit表示第t年省份i的生产性服务业综合发展水平；Manit表示第t年省份i的制造业综合发展水平。

2.2.3 中介效应模型

为识别技术创新水平作为中介变量影响“两业”融合的基本路径，在基准回归模型（4）中系数α1显著性通过检验的基础上，参考温忠麟和叶宝娟［17］提出的中介效应模型和程序，构建下述中介效应模型：

Innoit =μ0 + μ1Digit + μ2Cit + γi + δt + εit（7）

Conit = ω0 + ω1Digit + ω2Innoit + ω3Cit + γi + δt + εit （8）

其中，中介变量Innoit代表的是第t年省份i的技术创新水平，Conit表示第t年省份i的“两业”融合度，Digit表示第t年省份i的数字经济综合发展指数，C代表一系列控制变量，δ表示控制时间固定效应，γ表示控制省份固定效应，ε为随机扰动项。式（7）表示数字经济发展水平对于中介变量的回归方程；式（8）表示数字经济发展水平和技术创新水平对于“两业”融合程度的线性回归方程。

2.2.4 面板门槛模型

对于间接传导机制的检验，还应考虑数字经济发展的“网络效应”和“梅特卡夫法则”。为探究数字经济发展水平还可能会对“两业”融合程度存在非线性动态溢出效应，参考Hansen［18］提出的门槛模型，结合Bootstrap抽样，在式（4）的基础上构建面板门槛模型：

Conit = η0 + η1Digit × I（Adjit ≤ 1 ） + η2Digit × I（Adjit >1 ） +η3Cit + γi + δt + εit（9）

其中，Conit表示第t年省份i的“两业”融合度，Digit表示第t年省份i的数字经济综合发展指数；1为待估门槛值，Adjit表示数字经济发展水平和技术创新水平门槛变量；Ι（·）为取值1或0的指示性函数，如果满足括号中的条件，则取值为1，反之为0；C代表控制变量，δ表示控制时间固定效应，γ表示控制省份固定效应，ε为随机扰动项。

2.3 数据来源与描述性统计

本研究选取2011-2020年31个省份的面板数据，数据均来源于《中国统计年鉴》《中国城市统计年鉴》《中国工业统计年鉴》《中国劳动统计年鉴》《中国第三产业统计年鉴》《中国固定资产投资统计年鉴》《中国投资领域统计年鉴》。所涉及生产性服务业的指标数据以批发和零售业，信息传输、计算机软件和服务业，租赁和商务服务业，交通运输、仓储及邮政业，科学研究和技术服务业，金融保险业这6个行业数据之和为代表。制造业部分数据采用工业数据取代。缺失数据采取平均值及线性插补法补全，对地区经济发展水平进行对数化处理。为消除价格波动影响，利用居民消费者价格指数、固定资产投资价格指数，以2000年为基期，对所有货币量指标进行平减。各主要变量的描述性统计结果如表3所示。

3 实证结果及分析

3.1 基准回归结果

通过方差膨胀因子（VIF）检验，所有的变量VIF值均小于10，且VIF平均值也远小于10，故不存在多重共线性问题。利用豪斯曼检验，p值为0，故采用固定效应模型研究更为科学。基于基准回归模型，分析数字经济发展水平对“两业”融合程度的直接效应，回归结果如表4所示。对模型（1）和模型（2）的结果进行分析发现，数字经济发展水平对“两业”融合程度有显著的正向影响，其显著性水平为1%。这意味着数字经济发展水平的提高将显著促进“两业”融合程度，从而验证了假设H1。此外，从加入控制变量的模型（2）估计结果来看，政府干预程度（Gov）、人力资本水平（Stu）与“两业”融合程度之间不具有显著的正相关关系，表明其对“两业”融合程度影响不大。对外开放程度（Open）和产业结构（Struc）的系数值均为负但不显著。而对于地区经济发展水平lnAgdp以及城镇化水平Urban与“两业”融合程度存在正相关关系，并且分别在1%和10%的水平上显著，表明经济发展水平和城镇化程度的提高能够促进“两业”的融合。

将生产性服务业发展水平和制造业发展水平作为调节变量进行基准回归。表4中模型（3）说明生产性服务业发展水平正向调节数字经济对“两业”融合程度的总效应，调节系数为1.216，进一步根据交互项Dig×Ser的回归系数显著，说明在全国层面上数字经济随着生产性服务业的发展对“两业”融合的促进更为显著；模型（4）说明制造业发展水平对数字经济促进“两业”融合程度起正向调节作用，调节系数为0.225，并根据交互项Dig×Man的回归系数分析，制造业的发展越高，数字经济促进“两业”融合程度也越强，从而验证了假设H2a和H2b。

3.2 间接效应分析

为验证假设H3，基于中介效应模型分析技术引进（Inno1）和自主研发（Inno2）对“两业”融合程度的间接效应，回归结果见表5。具体来看模型（1）和模型（2）是以技术引进为中介变量的估计结果。数字经济对技术引进的影响系数为0.849，技术引进对“两业”融合的影响系数为0.041 8，即技术引进存在中介效应，表明数字经济通过技术引进会促进“两业”融合。模型（3）和模型（4）是基于自主研发为中介变量的检验结果。模型（3）中数字经济对自主研发的影响系数为正且通过显著性检验，表明数字经济对自主研发具有明显的正向影响。模型（4）中自主研发对“两业”融合的回归系数为0.021 6，但不显著，进一步通过Bootstrap法检验发现即自主研发存在部分中介效应，同时数字经济对“两业”融合的影响系数大于自主研发对“两业”融合的影响系数，说明数字经济通过自主研发能够间接促进“两业”融合。

3.3 非线性效应分析

鉴于数字经济具有网络效应和边际效应递增的“梅特卡夫法则”，同时为了验证数字经济的发展水平和“两业”融合程度之间的非线性效应，采用面板门槛模型进行回归分析。在进行门槛回归之前，检验门槛效应的存在性，结果见表6。经反复抽样300次后，门槛变量数字经济发展水平和技术引进均通过单一门槛检验，未通过双重门槛检验。进一步设定相应阈值个数的回归模型，获得表7的验证结果。从模型（1）的回归结果看，数字经济在各区间内影响系数均为正且显著。数字经济发展水平呈现明显的正向非线性特征，而且其“边际效应”不断增强，即数字经济对“两业”融合呈现出动态非线性关联，假设H4得到了支持。具体来看，数字经济值不高于0.535 5时，其对“两业”融合程度具有显著的正向作用，影响系数为0.259且通过1%的显著性检验。当数字经济值高于0.535 5时，其对“两业”融合程度的正向影响增强，影响系数为0.294且通过1%的显著性检验。而在以技术引进作为门槛变量的模型（2）中，数字经济对“两业”融合程度不仅受自身水平的制约，可能还会受其他变量的影响，即数字经济的发展水平对其他因素产生积极影响，并且这种影响呈递增的非线性特征。

3.4 稳健性检验和内生性检验

为提高研究结果的可信度，考虑到“两业”融合是一个动态发展过程，从以下两方面对模型进行稳健性检验。第一，考虑到数字经济促进“两业”融合可能存在滞后性，因此将数字经济滞后一期与“两业”融合度进行回归，检验结果见表8模型（1），数字经济发展滞后一期的回归系数显著为正，表明数字经济对下一期的“两业”融合依然存在明显促进作用，与基准回归结果一致。第二，为解决内生性问题，利用工具变量来检验结果的稳健性。参考黄群慧等［19］的研究方法，选择1984年各城市的邮件业务总量作为衡量数字经济发展的工具变量。另外，由于本文数据均为面板数据，借鉴Nunn & Qian［20］的处理方法，引入随时间变化的全国互联网用户数，构造1984年各城市邮件业务总量分别与上一年全国互联网用户数的交互项，作为该省市数字经济发展的工具变量。在考虑了内生性问题之后，通过相关性检验，得到F统计量大于10，弱工具变量不存在；通过豪斯曼检验，p值为0.000，存在内生性；根据工具变量识别不足检验和弱识别的检验结果，选取的工具变量具有一定的合理性。通过最小二乘法回归结果，如表8模型（2）显示，再次证明数字经济发展仍能促进“两业”融合程度，且通过显著性检验。

3.5 进一步分析：区域异质性

由于资源禀赋和发展阶段的不同，数字经济发展影响“两业”融合程度存在多方面的差异性，下面就区域异质性展开进一步分析。本文将全国31个省份划分为东部地区（北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南）、中部地区（山西、吉林、黑龙江、河南、湖北、湖南、安徽、江西）和西部地区（其他12个省份）3个区域［21］，探讨不同地区间数字经济发展对“两业”融合程度的影响差异。表9的结果显示，在控制省份效应的基础上，无论哪个地区数字经济发展对“两业”融合程度均具有正向影响，但在东部地区影响显著，对中部和西部地区的作用则不显著。考虑地区异质性，东部地区数字经济对“两业”融合度的积极效应更强，可能是因为我国东部地区的经济相对于中部和西部地区发展较早、水平也较高，拥有较强的创新能力，使得数字经济红利得以充分释放。

4 结论与建议

4.1 研究结论

本文基于2011-2020年31个省份的面板数据，选取衡量指标、构建模型，实证检验了数字经济发展对“两业”融合度的影响作用机理，最后进一步分析了我国不同区域间的影响差异。研究发现：整体来看，数字经济发展能够显著促进“两业”融合程度，并且随着生产性服务业和制造业发展水平的提高，对“两业”融合程度的促进更为显著。此外，数字经济通过技术创新间接促进“两业”融合。技术引进存在中介效应，发挥正向调节作用，而自主研发存在部分中介效应。同时，由于数字经济的网络效应和梅特卡夫法则，数字经济发展对“两业”融合度的作用呈现出非线性特点，而技术进步作为中介变量可以正向强化数字经济的非线性溢出效应。最后，东部地区在数字经济促进“两业”融合度上要领先于中部和西部地区。

4.2 政策建议

基于上述结论，为进一步促进“两业”融合，提出以下政策建议：

第一，加大数字基础设施投资，构建远程协作、数字贸易和全球供应链创新网络平台；提高生产性服务业和制造业数字产业化发展水平，加快产业结构转型升级，推动制造业和生产性服务业向产业链和价值链高端延伸。

第二，充分发挥技术创新的中介作用，支持企业研发和创新，为技术研发及其在生产性服务业和制造业中的应用提供资金、构建规范标准、开放共享等支持，释放数字经济对产业相关技术创新的促进作用。同时加快企业数字化转型，鼓励企业通过各自的技术优势相互合作，从而促进“两业”融合。

第三，政策应鼓励不同区域间的生产性服务业和制造业合作。利用各地区资源禀赋差异，各省份和地区间要实施动态化、差异化的融合发展战略，通过联合创新项目、产业集群和公私伙伴关系等方式，提高数字经济的边际贡献。对于数字经济发展水平较高、对“两业”融合促进作用积极的东部地区，要优化资源利用、巩固发展优势，积极培育数字经济产业，加强数字技术人才培养，推动数字经济与制造业、生产性服务业的深度融合。对于中部地区和西部地区，要利用数字经济的发展机遇，加强数字基础设施建设，提升信息化整体水平，为制造业和生产性服务业融合创造良好环境。

4.3 研究不足与展望

本文从省级层面考察了数字经济发展对生产性服务业与制造业融合的影响及作用机制。囿于产业层面数据连续性的限制，仅对2011-2020年的面板数据进行了研究，在后续的研究中可以优化生产性服务业发展水平和制造业发展水平的指标体系，分别考虑数字经济对二者的影响差异，能更好地反映整体的作用机制。另外，本文选取的是宏观角度，后续研究中在统计数据等条件允许的情况下，可以考虑从地级市层面甚至微观企业层面就数字经济对产业融合的影响机制进行深入探讨。

参考文献参考文献：

[1] VUJICA L， BILJANA R， DANIJELA L， et al. Is economic theory， presented in basic academic textbooks， applicable to the digital economy？ [J]. Sustainability， 2021， 13 （22）： 12705.

［2］ 陈静，王明秀. 数字经济对生产性服务业高质量发展的影响研究 [J]. 上海节能， 2023（4）：434-441.

［3］ 戴魁早，黄姿，王思曼. 数字经济促进了中国服务业结构升级吗？ [J]. 数量经济技术经济研究， 2023，40（2）：90-112.

［4］ KANGXIAN J， XIAOTING L， JIAN X. Digital economy and the sustainable development of Chinas manufacturing industry： from the perspective of industry performance and green development [J]. Sustainability， 2023， 15 （6）： 5121-5121.

［5］ 付文宇，李彦，赵景峰. 数字经济如何赋能中国制造业优化升级？ [J]. 经济问题探索， 2022（11）：128-142.

［6］ 周勇，吴海珍，韩兆安. 数字经济对制造业转型升级的影响 [J]. 统计与决策， 2022， 38 （20）： 122-126.

［7］ 刘胜，陈秀英. 生产性服务业与制造业协同集聚对全球价值链分工地位的影响——基于中国工业企业数据和贸易上游度视角 [J]. 当代经济管理， 2020，42（11）：17-23.

［8］ CUIPING Y， DECAI T， PAUL A T， et al. The impact of the opening of producer services on the international competitiveness of manufacturing industry [J]. Sustainability， 2021， 13 （20）： 11224.

［9］ 矫萍，田仁秀. 数字技术创新赋能现代服务业与先进制造业深度融合的机制研究 [J]. 广东财经大学学报， 2023，38（1）：31-44.

［10］ 王欢芳，彭琼，傅贻忙，等.先进制造业与生产性服务业融合水平测度及驱动因素研究 [J]. 财经理论与实践， 2023，44（1）：114-121.

［11］ 赵涛，张智，梁上坤. 数字经济、创业活跃度与高质量发展——来自中国城市的经验证据 [J]. 管理世界， 2020，36（10）：65-76.

［12］ 刘军，杨渊鋆，张三峰. 中国数字经济测度与驱动因素研究[J]. 上海经济研究， 2020（6）：81-96.

［13］ 韩峰，阳立高. 生产性服务业集聚如何影响制造业结构升级？——一个集聚经济与熊彼特内生增长理论的综合框架 [J] .管理世界， 2020，36（2）：72-94.

［14］ 杜传忠，邵悦. 中国区域制造业与生产性服务业协调发展水平测度及其提升对策 [J]. 中国地质大学学报（社会科学版）， 2013，13（1）：87-95.

［15］ 王欢芳，李佳英，傅贻忙，等. 数字经济如何影响先进制造业与生产性服务业融合？ [J]. 科学决策， 2023（5）：79-93.

［16］ 徐建中，王曼曼. 制造业集聚、技术进步与绿色创新绩效——对我国省际面板数据的实证分析[J]. 科技进步与对策， 2019，36（12）：54-61.

［17］ 温忠麟，叶宝娟. 中介效应分析：方法和模型发展[J]. 心理科学进展， 2014，22（5）：731-745.

［18］ HANSEN B E. Threshold effects in non-dynamic panels：estimation， testing， and inference[J]. Econometrics， 1999，2（9）：345-368.

［19］ 黄群慧，余泳泽，张松林. 互联网发展与制造业生产率提升：内在机制与中国经验 [J]. 中国工业经济， 2019（8）：5-23.

［20］ NUNN N， QIAN N. US food aid and civil conflict[J]. The American Economic Review， 2014， 104 （6）： 1630-1666.

［21］ 沈小波，陈语，林伯强.技术进步和产业结构扭曲对中国能源强度的影响[J].经济研究，2021，56（2）：157-173.

责任编辑（责任编辑：吴 汉）