知识密集型服务业与高技术制造业协同增长效应研究

任 皓，周绍杰，胡鞍钢

(清华大学 公共管理学院，北京 100084)

知识密集型服务业与高技术制造业协同增长效应研究

任 皓，周绍杰，胡鞍钢

(清华大学 公共管理学院，北京 100084)

知识与技术密集型产业已经成为世界经济增长的主要动力，本文发现在知识经济内部知识密集型服务业与高技术产业具有明显的协同增长效应，运用工具变量法，计算结果显示知识密集型服务业对于高技术产业具有高产出弹性。在考虑相互影响的情况下，运用EC3SLS方法，本文测算知识密集型服务业对于高技术产业的产出弹性为1.22。稳健性检验结果显示，低制造业结构、低收入水平的国家，知识密集型服务业对于高技术制造业产出弹性更高。本文认为，对于中等收入国家，发展知识密集型服务业有利于本国高技术产业的发展，进而有助于跨越中等收入陷阱。

知识密集型服务业；高技术产业；产出弹性；中等收入陷阱

随着全球经济增长方式的转型，知识与技术密集型产业(Knowledge-and technology-intensive industries)对于全球经济增长的作用越来越显著，已经成为世界经济的主要增长动力[1]。区别于传统制造业与服务业的概念，美国国家科学基金会(2016)参考依据OECD(2007)[2]的定义，将知识与技术密集型产业分为知识密集型服务业(Knowledge-intensive services)与高技术制造业(High-technology manufacturing)两个部门，每个部门又都包含了五个子部门(具体见表1)。作为现代经济的重要组成部门，知识与技术密集型产业不仅得到了学者的广泛关注，而且也成为许多政策制定者重点关注的产业部门。推动知识与技术密集型产业发展，已经成为许多国家最为重要的产业政策。由此，如何正确认识知识密集型服务业与高技术制造业的相互关系，不仅具有十分重要的学术价值，更有重要的政策含义，这既是本研究的出发点，也是落脚点。

表1 知识密集型服务业与高技术制造业分类

注：知识密集型服务业可以分两个部分：商业服务(包括Financial, Business, and Information services)与公共服务(Education, and Health services)两个部分。

一 问题的提出

经济增长率在制造业与服务业之间会表现出差异[3-6]，进而带来经济结构的转变，表现为服务业就业与增加值比重上升，制造业就业与增加值比重不变或者下降，制造业与服务业增加值之比随着经济发展程度的增加，表现为一条向右下方倾斜的曲线(见图1右图)。

与传统的服务业与制造业的结构关系不同，知识与技术密集型产业中高技术制造业与知识密集型服务业表现出了独特的结构变动特性，其增加值相对比重并没有表现为向下倾斜的曲线，而是表现为一条相对平稳的水平直线(见图1左图)。相对比重的稳定与传统上关于经济中制造业与服务业相互关系的认识产生了偏差，显示出两种业态之间一定程度的协同增长的规律。由此提出本文核心研究问题：在知识与技术密集型产业内部，知识密集型服务业的增长是否会带动高技术制造业的增长？本文通过研究知识密集型服务业对高技术制造业的增加值弹性，探究知识密集型服务业对于高技术制造业的乘数效应，进而为正确认识两者的相互关系，提供一个更为清晰的实证研究视角。

本文的结构安排如下：第二部分为文献综述与评述，总结当前关于知识密集型服务业对于制造业影响的途径以及效果的相关研究，提出知识

(1) (2)图1 制造业与服务业比重变动情况注：各国制造业与服务业增加值数据来源为世界银行数据库，高技术产业与知识密集型服务业增加值数据来源为美国国家科学基金会。

密集型服务业对于高技术制造业促进作用的途径，并提出我们的研究假设；第三部分为数据说明，通过对数据收集部门的说明，减少研究误差；第四部分为计量分析，通过OLS以及工具变量法，消除估计误差；第五部分为稳健性分析，通过对不同产业类型与经济发展程度的经济体的分析，比较促进效果的强弱；第六部分为联立方程检验，通过探究两者之间的相互关系，提出对于影响效应更为深刻的认识；第七部分基于本文研究，提出一个关于如何跨越中等收入陷阱的新的解释机理；第八部分为结论与政策建议。

二 文献综述与评述

知识密集型服务业不仅仅是一个知识使用产业，更是一个知识生产产业[7]。对于知识密集型服务业来说，知识不仅作为投入要素，同时也是产出要素[8-9]*这就与近年来研究的热点，生产性服务业有所不同。根据高觉民、李晓慧(2011)的观点，生产性服务业主要包括金融业、保险业、房地产业和商务服务业、信息服务业等。由此，生产性服务业既有重叠又不完全相关。。由此，知识密集型服务业会通过多种途径影响制造业，尤其是高技术制造业的产出与效率，具体来说有如下三种影响途径：

1.作为中间投入品的知识密集型服务业

与传统上与只作为最终消费品的传统服务业不同，知识密集型服务业，尤其是知识密集型商业服务作为生产过程中满足其它制造业行业的中间需求而提供各种生产服务，形式上以中间产品的形式存在。Guerrieria & Meliciani (2005)的实证研究表明，作为中间投入品的生产者服务在发达国家显著增长[10]。作为中间投入品，知识密集型服务业的发展对制造业的影响存在两种影响机制。首先，知识密集型服务业的发展有助于降低制造业生产的服务成本，提高制造业生产效率[11-12]。实证研究中，Antonelli(1998)的研究表明，知识密集型服务业发展有助于OECD国家制造业的增长，具有高增长弹性[13]。江静等(2007)关于中国的研究也支持这个观点。Hoekman & Shepherd(2015)基于全球100多个国家公司层面的分析进一步指出，服务业效率提升对于更多使用服务作为中间投入的制造业效率具有更为显著的提升作用[14]。

其次，作为制造业出口的中间投入，知识密集型服务业的发展有助于制造业产品的出口，提高制造业生产效率，从而促进制造业生产[15]。实证研究中，Francois & Woerz(2008)关于OECD国家的贸易研究表明，作为贸易中间投入的生产者服务业增加，有效提升了技术密集型制造业出口[16]。Hoekman & Shepherd(2015)基于企业层面的实证研究也支持此结论。

2.作为创新部门的知识密集型服务业

知识密集型服务业是创新的重要来源。一方面，知识密集型服务业本身作为创新部门[17-18]，其创新产品投入到高技术制造业之中有利于提高制造业生产效率。Macpherson(2008)关于纽约州的实证研究证实了此效应的存在，同时验证了对于高技术制造业有更为显著的作用[19]。另一方面，知识密集型服务业的发展，有利于创新的扩散[20]，进而引起广泛使用创新与技术的高技术制造业效率的提高。Ciriaci & Palma (2012)[21], Ciriaci et al (2015)的实证研究证明了，欧洲国家的知识密集型服务业发展显著提高了制造业创新能力[22]。

正是由于知识密集型服务业创新具有扩散效应，许多学者注意到了知识密集型服务业与制造业之间存在空间聚集关系。实证研究中，也有学者发现这种关系并不稳定存在，主要取决于知识密集型服务业贸易成本的大小[23-25]。Shearmur & Doloreux (2015)关于加拿大的研究拓展了这个争论，表明在一个省内，去除贸易成本的影响之外，制造业与知识密集型服务业空间联系的影响因素主要是市场环境。

Ciriaci & Palma (2012)、Ciriaci et al (2015)总结知识密集型服务业的作用体现为两个方面：第一为基于生产的知识传输；第二为经济技术影响的知识传输。

以上的观点，更多地集中于知识密集型服务业中的商业知识密集型服务业，而忽视了作为公共服务的知识密集型服务业的作用。

3.公共产品的外部性

不仅作为投入产品，知识密集型服务业同时作为一个公共产品，具有极强的外部性[26-27]。尤其是作为知识产品生产部门的教育以及健康部门，都会显著提高劳动者的人力资本水平，会产生外溢性。Vincenti(2007)通过构建一个服务业外部性的内生增长模型，证明了服务业知识外部性对于制造业增长具有促进作用[28]。Ciriaci & Palma (2012), Ciriaci et al (2015)也强调了知识密集型服务业对于制造业创新的技术溢出效应。Shearmur & Doloreux (2015)的实证研究也表明，知识密集型服务业带动的高技能劳动力的供给增加，有利于本地制造业的发展。

总结以上文献，知识密集型服务业通过多种途径促进制造业的发展。尤其是对于知识密集型服务业需求更加显著的高技术制造业，知识密集型服务业的促进作用更加显著。

当前研究关注点主要在知识密集型服务业对于制造业效率的提高，缺少关于产出乘数效应的研究，不能很好地反映出知识密集型服务业与高技术制造业之间的协同增长效应。现代经济增长不仅表现为生产效率的提高，也表现为要素投入结构与产出结构之间的转变[29]。本文关注高技术制造业增加值增长率而非其全要素生产率增长率，主要出发点为高技术产业的主要产品也是知识密集型服务业的重要投入，知识密集型产业的发展从需求端也会促进高技术制造业发展，由此测算两者产出水平之间的弹性系数，有利于从实证角度判断协同增长效应。

与袁志刚、高虹(2015)[30]关于就业乘数效应的研究相类似，本文研究产出增长可以从更为全面的角度考察知识密集型服务业增长对于高技术制造业增长的乘数效应。

基于此，本文的基准估计方程为：

LnYmt=θ*LnYst+a

其中LnYmt表示高技术制造业增加值的对数，LnYmt表示知识密集型服务业增加值的对数。由此，θ的大小为知识密集型服务业对于高技术制造业的产出弹性。

三、计量模型与数据说明

本文主要利用如下计量模型对知识密集型服务业对于高技术制造业的产出弹性进行计算：

LnHTit=α1LnKISit+α2LnK/Lit+α3M/Sit+α4R&Dit+α5RCAit+α0+γi+εt+it

其中：

LnHTit表示i国t时期高技术制造业增加值的对数值，为被解释变量；LnKISit表示i国t时期知识密集型服务业增加值的对数值，为核心解释变量。同时，本计量模型包含其它控制变量，主要有：

K/Lit表示i国t时期劳均资本，即资本存量与劳动力比值，其对数值表示一国技术水平；M/Sit表示i国t时期制造业增加值与服务业增加值比重，反映一国产业结构。以上两个控制变量，主要控制技术水平与产业结构对于弹性系数的影响。

R&Dit表示i国t时期研发支出占GDP比重，反映一国创新能力，此变量主要控制创新对于弹性系数的影响。

为了控制高技术制造业产品出口对于弹性系数的影响，本文引入RCAit，表示i国t时期，高技术产品出口的显性比较优势指数，反映一国高技术产品在全球市场的竞争能力，其计算公式为：

RCAit=100*(HTEXit/EXit)/(WHTEXt/WEXt)

HTEXit为i国t时期高技术产品出口额，EXit为i国t时期商品出口额；WHTEXt为全球t时期高技术产品出口额，WEXt为全球 t时期商品出口额。

本文实证研究采用的数据为1999-2011年35个国家和地区的跨国面板数据(具体国家见附表1)。知识与技术密集型产业在全球国家间分布并不均匀，2011年此35个国家知识与技术密集型产业增加值占全球比重为89.31%*数据来源：NSF Science and Engineering Indicators 2016。，可以反映知识与技术密集型产业的主要发展状况。由于对数据我们进行了必要的处理，在此做出说明。

高技术制造业增加值数据来源为美国国家科学基金会Science and Engineering Indicators 2016。原数据没有区分中国大陆与香港，我们对香港与中国大陆的数据进行分离。我们首先尝试使用《中国高技术产业统计年鉴》高技术制造业增加值作为中国大陆高技术产业增加值，但是我们发现数据匹配度不高。因为香港制造业规模较小而且均不是劳动密集型制造业，我们假设香港所有制造业增加值都为高技术产业增加值(香港制造业增加值来源世界银行数据库)，从而区分两地区增加值。由于原数据为现价美元，本文利用陈诗一(2011)介绍的制造业不变价格单缩法对增加值进行平减[31]。平减指数本文选用制造业国内PPI指数，欧洲国家数据来源为欧盟统计局，其余数据来源为各国(地区)统计局，2010年设为100。

知识密集型服务业增加值数据来源为美国国家科学基金会Science and Engineering Indicators 2016。与高技术制造业增加值相类似，我们利用香港统计局知识密集型服务业占服务业比重数据与世界银行服务业增加值数据得到香港知识密集型服务业增加值，由此区分两地增加值。原数据为现价美元，本文利用郑学工、董森(2012)[32]介绍的世界主要国家不变价格服务业增加值核算方法，利用各国消费价格指数CPI进行平减，数据来源为世界银行数据库。新加坡、韩国、台湾数据来源为各国(地区)统计局，2010年为100。

表2 统计性描述

四、计量结果

为了估计以上计量模型，本文首先使用普通最小二乘法(OLS)，估计结果见表3。我们分别估计了固定效应模型OLS_FE与随机效应模型OLS_RE，由Hausman检验可知，在5%显著性水平下显著，由此我们采信固定效应模型的估计结果，同时为了估计的准确性，我们加入了时间虚拟变量。

知识密集型服务业系数显著为正，知识密集型服务业的扩张会显著带来本国高技术制造业的增长，其系数所反映的弹性系数0.9164，即知识密集型服务业增加值每增长1%，高技术制造业增加值增长0.9164%，展现出高度的同步增长趋势。此结果与我们的预期相一致。劳均资本的系数在10%条件下显著，一定程度上反映了技术能力对于高技术制造业的促进作用。研发与出口显性比较优势的系数都显著为正，说明研发投入的增加和对外开放程度的加深有助于高技术制造业的发展。

不可避免，回归结果会存在内生性问题。本文的内生性主要涉及两个方面：(1)解释变量与异质误差相关；(2)研发投入与出口的显性比较优势等变量与知识密集型服务业增加值相互影响。我们选择使用面板工具变量法解决以上内生性问题。为了解决误差相关问题，我们分别估计了离差变化(WG)和一阶差分(FD)估计，若异质性误差序列不相关，则WG估计比FD估计更有效[34]。为了解决变量内生性的问题，本文参考欧阳峣等(2012)[35]、米增渝等(2012)[36]的研究，引入研发投入与显性比较优势滞后一期变量作为工具变量，估计结果见表3。

DWH检验显示，相比于普通最小二乘，工具变量法相对有效地解决了估计量有偏的问题，F统计量显示，FD估计比WG估计结果更为一致。考察表3中IV_FD估计，知识密集型服务业增加值的系数依然为正，且与IV_WG估计结果差距不大，弹性系数为0.8385。数值结果低于普通最小二乘法。这说明已考虑内生性的情况下，知识密集型服务业依然表现为高弹性系数。

表3 基本计量结果

*p<0.05;**p<0.01;***p<0.001。F统计量报告的是面板Wooldridge检验。

考虑到不变价格折算方法的不同以及数据质量的问题会对估计结果产生影响，本文同时给出另一种不变价格计算方法，即：

产业增加值不变价格=不变价格GDP*(产业增加值现价/现价GDP)

回归结果见附表2。由回归结果可知，即使考虑了不变价格折算方面的差异，高弹性系数依然存在。

五、稳健性检验

以上的计量结果表明，知识密集型服务业增加值对高技术制造业有弹性，即其增加值增长1%，高技术制造业增加值增长0.8385%，接近于1%，表现出了两者间存在协同增长的发展模式。但是，这种协同增长效果，是否会由于制造业结构、服务业结构以及经济发展程度的不同而产生差异？为了回答上述问题，本文从以下三个角度进行稳健性检验。

1.制造业结构

2016年国务院办公厅及政府有关部门，陆续出台以降本增效为核心的支持物流业发展政策措施，2017年党的十九大报告提出，要加强物流基础设施和网络战略，要形成新增长点形成新动能，为新时代物流指明了方向。2018年国务院大督察，物流业降本增效为物流业供给侧改革创造了条件，在这一时期，资本和技术的双轮驱动是一个突出的特点。

本文使用高技术制造业增加值占制造业增加值比重来衡量制造业结构。制造业结构区分标准为：2011年，高技术制造业增加值占制造业增加值比重高于世界平均水平的为高制造业结构，低于世界平均水平为低制造业结构(具体划分结果见附表3)。

表4 高、低制造业结构估计结果

*p<0.05;**p<0.01;***p<0.001

由以上回归结果可知，在低制造业结构的国家和地区中，知识密集型服务业对于高技术制造业的提升效果更为显著。此结果表明，在制造业结构相对较低的地区，知识密集型服务业的发展，可以更为有效地降低高技术制造业发展的成本，通过知识产品的外溢性，带动高技术制造业发展。

2.服务业结构

本文使用知识密集型服务业增加值占服务业增加值比重来衡量服务业结构。服务业结构区分标准为：2011年，知识密集型服务业增加值占服务业增加值比重高于世界平均水平的为高服务业结构，低于世界平均水平为低服务业结构(具体划分结果见附表3)。

服务业结构对于知识密集型服务业弹性效果的区分并不显著，说明一定程度上服务业结构并不影响乘数效应。一国知识密集型服务业的发展，会通过多种途径提升高技术制造业的发展，而并不会表现出明显的结构性差异。这有极强的政策含义，即任何发展水平阶段，都应该推动知识密集型服务业的发展。

3.收入水平

本文使用人均GDP(PPP)相对美国的比值大小表征收入水平。2011年，高于60的为高收入国家，低于60的为中低收入国家(具体划分结果见附表3)。

表5 高、低服务业结构估计结果

*p<0.05;**p<0.01;***p<0.001

表6 高、低收入水平估计结果

*p<0.05;**p<0.01;***p<0.001

不同收入水平下，知识密集型服务业对于高技术制造业的乘数效应表现了显著的差异，低收入水平的乘数效应更加明显，甚至一定程度上更为接近1，说明在低收入国家，高技术制造业与知识密集型服务业同步效应更加显著。其背后机理为，低收入国家一定程度上仍然处在制造业驱动阶段，知识密集型服务业的发展，可以更加有助于其产业结构升级，这也给中等收入国家提供了一个新的发展政策启示。

六、联立方程检验

内生性的另一个来源为自变量与因变量互为因果关系。理论上，制造业的发展会通过供给与需求多种途径影响服务业的发展。实证研究中，Park & S.Chan(1989)的实证研究也显示，制造业作为服务业的投入产品，对服务业发展具有正向影响[37]。Guerrieria & Meliciani(2005)的实证研究进一步指出，在发达国家高技术制造业作为生产者服务业的主要使用者，高技术制造业增长有助于生产者服务业增长[38]。

为了解决知识密集型服务业与高技术制造业相互影响的问题，我们使用联立方程模型，解决单一方程估计不一致的问题，回归方程如下：

其中，Lngdppit表示i国t时期，人均GDP(PPP,2011不变美元价格)，数据来源为世界银行数据库；urbanit为i国t时期的城镇化率，即城镇人口与总人口的比值，数据来源为世界银行数据库。

为了对以上联立方程进行估计，本文使用Baltagi(2013)[39]介绍的EC3SLS估计，具体估计过程如下：

(1)我们分别对联立方程模型中单个方程进行W2SLS与B2SLS估计，方程一的估计结果分别见表3中IV_WG和IV_BG；方程二的估计结果分别见附表4中的IV_WG和IV_BG。

(2)利用单一方程估计结果计算新的残差矩阵，计算公式参考Baltagi(2013)。

(3)利用新的残差矩阵对原联立方程模型进行变换，然后对变换后的模型进行3SLS估计，估计结果见下表：

表7 EC3SLS估计结果

*p<0.05;**p<0.01;***p<0.001。

联立方程的估计结果表明，在考虑知识与技术密集型行业内部服务业与制造业双向影响的情况下，知识密集型服务业对于高技术制造业的产出弹性系数为1.2212，即知识密集型服务业每增长1%，高技术制造业增长1.2212%。同时，高技术制造业对于知识密集型服务业的产出弹性系数为0.9848，即高技术制造业每增长1%，知识密集型服务业增长0.9848%，展现出了较高的弹性，具有显著的协同增长特性。与高觉民、李晓慧(2011)[40]关于中国的实证研究结论不同，跨国面板数据结果表明，知识密集型服务业对于高技术制造业的促进作用，大于高技术制造业对于知识密集型服务业的促进作用。

基于实证结果，本文从供给与需求两个角度给出高技术制造业与知识密集型服务业协同增长效应的理论分析：

从供给的角度看，一方面，知识密集型服务业有利于降低高技术产业中间投入成本。就高技术制造业而言，知识服务作为重要投入，其成本主要由知识密集型服务业的相对规模决定，随着一国知识密集型服务业规模的增长，有效知识服务供给的增加，中间投入成本逐渐下降。另一方面，知识密集型服务业有利于增加高技术产业人力资本水平，发挥公共服务，尤其是医疗与教育部门的正外部性，可以有效提高制造业生产效率，促进高技术产业发展。

从需求的角度看，知识密集型服务业是高技术产业产品的主要需求方，其自身的发展，尤其是产业规模的扩大，本身就是对于高技术制造业的有效需求，有利于高技术制造业的发展。

总结来看，知识密集型服务业会从供给与需求两个方面促进高技术产业发展，从而表现出协同增长特性。

七、关于中等收入陷阱的讨论

由东亚国家经济发展的成功经验可知，跨越中等收入陷阱的过程，伴随着主导产业向技术前沿的逐步升级。日本在上世纪60-70年代，主导产业逐步从钢铁、化工等传统重工业转向以造船与电子为代表的高技术制造业，也就是在这一时期，日本完成了中等收入陷阱的跨越。以香港、新加坡为代表的城市型国家(地区)，在上世纪70年代，发展中心逐渐也从传统的纺织、成衣、玩具制造等低附加值产业向以银行与金融为代表的知识密集型服务业方向转变，同一时期也是这两个地区跨越中等收入陷阱，向高收入国家迈进的关键时期。台湾与韩国在承接了日本纺织与钢铁等产业转移之后，结合本地区特点，逐步推进产业结构升级与技术进步，在上世纪80年代中后期的信息技术革命中抓住机遇，电子信息产业迅速发展，逐步成为经济发展的支柱性产业，也在这一时期成功跨越中等收入陷阱(具体过程见表8)。

由此，我们提出，大国跨越中等收入陷阱的过程，是一个工业化升级的过程，即制造业产业结构逐渐提高。技术前沿在不同时期表现为不同的产业，当前，高技术产业作为研发密集型产业，对于经济增长具有多重效应[41]，处于技术前沿地位。结合本文的分析结果，我们给出如下的跨越中等收入陷阱的分析路径。

对于中等收入国家而言，跨越中等收入陷阱的关键，就是经济增长从要素驱动转向技术驱动与全要素生产率驱动，表现为主导产业从要素密集型产业向知识与技术密集型产业转型。如何才能更好地驱动这样的转变？由本文的分析可知，知识密集型服务业在中低收入国家对于高技术产业的乘数效应更加显著，由此，中等收入国家在工业化的过程中，除了依据比较优势发展之外，还要注意发展知识密集型服务业，利用知识密集型服务业的发展，形成新的比较优势，为主导产业从劳动密集型产业向高技术制造业转变创造更为有利的条件。

表8 东亚主要国家和地区的关键产业与发展阶段* 参见Ito, Takatoshi, “Japanese Economic Development: Are Its Features Idiosyncratic or Universal?” paper presented at the XI th Congress of International Economic Association at Tunis, December 17-22, 1995.

八、主要结论与政策建议

本文通过分析知识密集型服务业与高技术产业的相互关系，得出如下主要结论：

(1)知识密集型服务业对高技术产业有高弹性系数，考虑知识密集型服务业与高技术产业相互作用的情况下，其弹性系数为1.2212，即知识密集型服务业每增长1%，高技术制造业增长1.22%，展现出了非常高的协同增长效应。

(2)知识密集型服务业对于高技术产业的协同增长效应在中低收入国家更加显著。对于中低收入国家，其制造业结构相对较低，知识密集型服务业的发展，有利于其制造业结构升级。

(3)当前我国经济处于新常态，面临经济增长率下行与跨越中等收入陷阱双重挑战，而破解的关键就在于经济结构调整与经济增长方式转型。供给侧结构性改革的提出正是对这一突出矛盾的回应。本文认为，供给侧结构性改革，一定要充分重视知识密集型经济的发展，在提升制造业结构的同时，大力促进知识密集型服务业的发展，使之充分发挥二者之间的协同增长效应。

[1] National Science Foundation.science and technology indicators 2016[R]. DC, 2016.

[2] Organization for Economic Co-operation and Development (OECD). Science,technology and industry scoreboard 2007[R].Annex 1, 2007.

[3] Baumol W J. Macroeconomics of unbalanced growth: the anatomy of urban crisis[J]. The American economic review, 1967, 57(3): 415-426.

[4] Kongsamut P, Rebelo S, Xie D. Beyond balanced growth[J]. The Review of Economic Studies, 2001, 68(4): 869-882.

[5] Ngai L R, Pissarides C A. Structural change in a multisector model of growth[J]. The American Economic Review, 2007, 97(1): 429-443.

[6] Herrendorf B, Rogerson R, Valentinyi. Growth and structural transformation[R]. National Bureau of Economic Research, 2013.

[7] Strambach S. Knowledge-Intensive Business Services (KIBS) as drivers of multilevel knowledge dynamics[J]. InternationalJournal of Services Technology and Management, 2008, 10(2-4): 152-174.

[8] Miles I. Services innovation: a reconfiguration of innovation studies[M]. Manchester: PREST, 2001.

[9] Gallouj F. Innovation in services and the attendant old and new myths[J]. The Journal of Socio-Economics, 2002, 31(2): 137-154.

[10] Guerrieri P, Meliciani V. Technology and international competitiveness: the interdependence between manufacturing and producer services[J]. Structural Change and Economic Dynamics, 2005, 16(4): 489-502.

[11] Eswaran M, Kotwal A. The role of the service sector in the process ofindustrialization[J]. Journal of Development Economics, 2002, 68(2): 401-420.

[12]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.

[13] Antonelli C. Localized technological change, new information technology and the knowledge-based economy: the European evidence[J]. Journal ofEvolutionary Economics, 1998, 8(2): 177-198.

[14] Hoekman B, Shepherd B. Services productivity, trade policy and manufacturing exports[J]. The World Economy, 2015.

[15] Markusen J R. Trade in producer services and in other specialized intermediate inputs[J]. The American Economic Review, 1989: 85-95.

[16] Francois J, Woerz J. Producer services, manufacturing linkages, and trade[J]. Journal of Industry, Competition and Trade, 2008, 8(3-4): 199-229.

[17] Miles I. Knowledge intensive business services: prospects and policies[J]. Foresight, 2005, 7(6): 39-63.

[18] Miles I. Patterns of innovation in service industries[J]. IBM Systems journal, 2008, 47(1): 115-128.

[19]Macpherson A. Producer service linkages and industrial innovation: results of a twelve-year tracking study of new york state manufacturers[J]. Growth and Change, 2008, 39(1): 1-23.

[20] Shearmur R, Doloreux D, Laperrière A. Is the degree of internationalization associated with the use of knowledge intensive services or with innovation?[J]. International Business Review, 2015, 24(3): 457-465.

[21] Ciriaci D, Palma D. To what extent are knowledge-intensive business services contributing to manufacturing? A subsystem analysis[R]. Institute for Prospective and Technological Studies, Joint Research Centre, 2012.

[22] Ciriaci D, Montresor S, Palma D. Do KIBS make manufacturing more innovative? An empirical investigation of four European countries[J]. Technological Forecasting and Social Change, 2015, 95: 135-151.

[23] Markusen J R, Strand B. Trade in business services in general equilibrium[R]. National Bureau of Economic Research, 2007.

[24] Rychen F, Zimmermann J B. Clusters in the global knowledge-based economy: knowledge gatekeepers and temporary proximity[J]. Regional Studies, 2008, 42(6): 767-776.

[25]谭洪波. 生产者服务业与制造业的空间集聚：基于贸易成本的研究[J]. 世界经济，2015(3)：171-192.

[26] Antonelli C. Collective knowledge communication and innovation: the evidence of technological districts[J]. Regional Studies, 2000, 34(6): 535-547.

[27] Bellandi M. External economies and local public goods in clusters and industrial districts: Some views[C]//6th International EUNIP Conference. 2002: 5-7.

[28] De Vincenti C. ‘Baumol’s disease’, production externalities and productivity effects of intersectoral transfers[J]. Metroeconomica, 2007, 58(3): 396-412.

[29] Timmer M P, Szirmai A. Productivity growth in Asian manufacturing: the structural bonus hypothesis examined[J]. Structural change and economic dynamics, 2000, 11(4): 371-392.

[30]袁志刚, 高 虹. 中国城市制造业就业对服务业就业的乘数效应[J]. 经济研究, 2015 (7)：30-41.

[31]陈诗一. 中国工业分行业统计数据估算: 1980—2008[J]. 经济学 (季刊), 2011, 10(3): 735-776.

[32]郑学工, 董 森. 不变价服务业增加值核算方法研究[J]. 统计研究, 2012 (11): 14-20.

[33] Berlemann M, Wesselhöft J E. Estimating aggregate capital stocks using the perpetual inventory method-new empirical evidence for 103 countries[R]. 2012.

[34]Wooldridge, Econometric analysis of cross section and panel data[M]. The MIT Press,2002．

[35]欧阳峣, 易先忠，生延超. 技术差距、资源分配与后发大国经济增长方式转换[J].中国工业经济，2012(6)：18-30.

[36]米增渝，刘霞辉，刘穷志. 经济增长与收入不平等：财政均衡激励政策研究[J]. 经济研究，2012(12)：43-54.

[37] Park S H, Chan K S. A cross-country input-output analysis of intersectoral relationships between manufacturing and services and their employment implications[J]. World Development, 1989, 17(2): 199-212.

[38] Guerrieri P, Meliciani V. Technology and international competitiveness: the interdependence between manufacturing and producer services[J]. Structural Change and Economic Dynamics, 2005, 16(4): 489-502.

[39] Baltagi. Econometric analysis of Panel Data 5th[R]. Wiley,2013.

[40]高觉民,李晓慧. 生产性服务业与制造业的互动机理：理论与实证[J]. 中国工业经济，2011(6):151-160.

[41] 胡鞍钢，任 皓. 中国高技术产业如何赶超美国[J]. 中国科学院院刊，2016(12)：1355-1365.

附表1 2014年各国(地区)知识与技术密集型产业增加值 单位：百万美元(现价美元)

附表2 不同价格核算方法下的回归结果

附表3 各国(地区)不同发展阶段划分

注：1代表高制造业结构、高服务业结构与高收入水平。

附表4 方程二的回归估计

内生变量为Lngdpp，使用其滞后一期做为工具变量。

(本文责编：王延芳)

The Synergistic Growth Effect Between Knowledge Intensive Services and High-Tech Manufacturing

REN Hao， ZHOU Shao-jie, HU An-gang

(SchoolofPublicPolicyandManagement，TsinghuaUniversity，Beijing100084,China)

With the transformation of global economic growth, knowledge and technology intensive industries have been a major and growing part of the global economy. In this paper, we found knowledge intensive service and high-tech industry have significantly synergistic growth effect. By using IV regression, we calculated that the output elasticity of knowledge intensive service to high-tech manufacturing is high. Taking interaction effect into consideration, we calculated that the output elasticity is 1.22% with EC3SLS regression. And robustness test results showed that the output elasticity is higher in the low manufacturing structure and low-mid income countries. Based on the empirical results, we argued that the development of knowledge intensive service industries is conducive to the development of high-tech manufacturing in middle income countries, and thus helped to escape the middle income trap.

knowledge intensive service；high-tech manufacturing；output elasticity；middle income trap

2017-06-08

2017-07-10

中宣部全国哲学社科规划办高端智库建设项目(20155010298)。

任皓(1991-)，男，山西长治人，清华大学公共管理学院、国情研究院博士生，研究方向：中国宏观经济与产业政策。通讯作者：周绍杰。

F062.9

A

1002-9753(2017)08-0034-12