生产性服务业FDI与制造业FDI的协同性

陈诗敏,黄阳平,2

(1.集美大学财经学院，福建 厦门 361021； (2.集美大学区域经济研究中心，福建 厦门 361021)

随着经济全球化和产业分工的进一步推进，作为与制造业直接相关的配套服务业—生产性服务业已渗透到制造业生产链的各环节，其与制造业融合发展、协同投资的趋势愈加明显。而城市作为产业发展的载体，城市等级的差异将产生不同的经济、社会和政策环境等资源条件，进而影响城市中产业的引资等发展条件。关于如何构建合理的产业引资顺序，实现产业协调发展、不同等级城市中生产性服务业外商直接投资(foreign direct investment，FDI) 与制造业FDI区位决定是否相互影响等问题引起了学术界和政府部门的重视，而解决这些问题的关键是把握不同等级城市二者的协同关系即在空间范围的区位协调问题。我国学者对生产性服务业FDI与制造业FDI的关系进行了研究。唐保庆[1]认为母国生产性服务业FDI受率先流入东道国制造业FDI的吸引。陈艳莹等[2]实证发现，经济增长潜力、制造业FDI规模、劳动力成本、市场化程度均有利于不同类别生产性服务业FDI的流入。杨仁发等[3]检验得出，整体和细分生产性服务业FDI均明显与制造业FDI规模正相关。矫萍等[4]探究发现，生产性服务业FDI与制造业FDI在我国省际间相互促进，且二者的协同集聚效应促进了制造业增长。郑雅洁[5]分析指出，生产性服务业FDI与制造业FDI之间确实存在显著协同关系，且更多表现为生产性服务业FDI追逐制造业FDI。以上研究对于把握我国生产性服务业FDI与制造业FDI关系问题具有极其重要的理论和实际意义，但鲜有文章从城市等级视角分析二者关系；另外，大多学者忽视了FDI的空间相关性，导致模型设定偏差从而估计结果偏误。本文从城市等级视角出发，运用 2003—2015 年福建省 9 个城市面板数据建立空间计量模型，实证检验了生产性服务业FDI和制造业FDI的协同关系，以期为城市产业协调发展和引资提供政策建议。

一、计量模型与变量描述

(一)数据来源与城市等级划分

由于服务业细分行业分类标准在 2003 年发生变化，且鉴于数据的可得性和完整性，选取 2003—2015 年福建省 9 个城市为研究样本。数据主要来源于《中国城市统计年鉴》《中国城市年鉴》、各城市《国民经济和社会发展统计公报》。其中，泉州(2003—2010年)、宁德(2003—2004年)、三明(2003—2008年)、南平(2003—2012年)、龙岩(2003—2015年)的生产性服务业和制造业实际利用外资金额是依申请公开获得的；泉州(2015年)、漳州(2015年)、福州(2003—2014年)的生产性服务业和制造业只有合同利用外资金额，因此借鉴黄卫平等[6]的做法估算实际利用外资金额，尽量使其接近真实的数据。

研究的目的是揭示不同等级城市组生产性服务业FDI和制造业FDI的协同关系，因而关于城市等级的划分非常重要，借鉴钟韵等[7]的做法将福建省 9 个城市划分如下：

第一组(大型城市)：厦门、泉州、福州，共 3 个城市。

第二组(中小型城市)：漳州、莆田、宁德、三明、南平、龙岩，共 6 个城市。

(二)变量设定与描述

1.生产性服务业FDI的影响因素

被解释变量。生产性服务业FDI(PSFDI)，选择生产性服务业实际利用外资金额(亿元)代表。

解释变量。制造业FDI水平，由制造业FDI当期数额(MFDI)和存量(MFDI(-1))衡量，存量采用滞后一期制造业FDI累积额(亿元)代表。由于生产性服务业FDI追逐客户，且以往投资会带动后期投资，因此预期影响均为正。

控制变量。(Ⅰ)经济发展水平(GDP)，采用地区生产总值(亿元)代表，由于外商非常看重地区经济发展规模，因此预期影响为正。(Ⅱ)基础设施水平( INFRA)，采用城市道路总面积代表，由于完善的基础设施可为外资发展创造良好的外部环境，因此预期影响为正。(Ⅲ)劳动力成本(WAGE)，采用相对工资率(人均工资/劳动生产率)代表，其中劳动生产率为地区 GDP(万元)与全社会劳动从业人员(万人)的比值，由于低劳动力成本能够吸引FDI的流入，因此预期影响为负。(Ⅳ)对外开放度(OPEN)，采用进出口总额(亿元)与地区 GDP 的比值代表，由于地区对外开放水平越高获取国际先进要素越便捷，因此预期影响为正。(Ⅴ)生产性服务业集聚水平(PSAGG)，采用生产性服务业就业人数与地区总就业人数的比值代表，由于产业集聚可以产生知识、技术等溢出效应，因此预期影响为正。

2.制造业FDI的影响因素

被解释变量。制造业FDI(MFDI)，选择制造业实际利用外资金额(亿元)代表。

解释变量。生产性服务业FDI水平，选择生产性服务业FDI当期数额(PSFDI)和存量(PSFDI(-1))衡量，其中生产性服务业FDI存量采用滞后一期生产性服务业FDI累积额(亿元)代表。由于制造业的发展离不开服务业的支持，且以往投资会带动后期投资，因此预期影响均为正。

控制变量。控制变量(Ⅰ～Ⅳ)与生产性服务业FDI的相同，在此不再赘述。(Ⅴ)制造业集聚水平(MAGG)。用制造业就业人数与地区总就业人数的比值表示，预期影响为正。

(三)计量模型

1. 数据空间相关性检验

运用 Moran’s I 分析数据存在空间依赖性。10%显著性水平下，生产性服务业FDI的Moran’s I 除 2004 年部分数据外均通过检验，制造业FDI的Moran’s I 在所有年份均通过检验，且所有年份后者的数值均大于前者。表明生产性服务业FDI和制造业FDI的分布并不是完全随机而是均出现空间集聚，且后者的空间关联效应比前者显著。因此采用空间计量的方法进行检验是适用的。用Stata12.0软件整理得到空间相关性检验结果，见表1所示。

表1 生产性服务业FDI和制造业FDI空间相关性检验Table 1 Spatial autocorrelation of producer service FDI and manufacturing FDI

注：上标***、**、* 分别表示在 1%、5%、10% 水平通过显著性检验。

2. 构建空间计量模型

进一步分析空间自回归模型(SAR)和空间误差模型(SEM)的适用性。通过 LM-lag 和 LM-err 统计量决定二者的适用性，检验结果较为显著的为更合适的模型。在观测值均显著的情况下，继续对比 Robust LM-lag 和 Robust LM-err 统计量，对应观测值更为显著的为最佳模型。然后，采用豪斯曼检验分析所建立的空间计量模型应建立固定效应模型还是随机效应模型。

福建省全样本模型。对于生产性服务业FDI模型：LM-lag 的P=0.063， LM-err 的P= 0.041，可建立空间自回归模型(1)和空间误差模型(2)。Robust LM-lag 的P= 0.006，较 Robust LM-err 的P= 0.028显著，因此空间自回归模型为更合适的模型。对于空间自回归模型，卡方值为 18.06(P=0.021)，建立固定效应模型。

对于制造业FDI模型：LM-lag 的P=0.054， LM-err 的P=0.001，可建立空间自回归模型(3)和空间误差模型(4)，但空间误差模型为更合适的模型。对于空间误差模型，卡方值为61.06(P=0.000)，建立固定效应模型。

PSFDIit=α0+λW1·PSFDIit+α1MFDIit+α2MFDIit-1+α3PSFDIit-1+

α4Variablesit+εit,

(1)

PSFDIit=α0+α1MFDIit+α2MFDIit-1+α3PSFDIit-1+α4Variablesit+μit,

μit=ρW1μit+εit,

(2)

MFDIit=α0+λW1·MFDIit+α1PSFDIit+α2PSFDIit-1+α3MFDIit-1+

α4Variablesit+εit,

(3)

MFDIit=α0+α1PSFDIit+α2PSFDIit-1+α3MFDIit-1+α4Variablesit+μit,

μit=ρW1μit+εit。

所有数据采用SigmaPlot 12.0（SPSS Corp.，Chicago，IL）软件进行统计分析；VAS评分、ODI指数以±s表示差表示；不同时间点间比较采用单因素方差分析；以P＜0.05为差异具有统计学意义。

(4)

式(1)～(4)中：PSFDIit、MFDIit分别表示i地区第t年的生产性服务业FDI和制造业FDI；PSFDIit-1、MFDIit-1分别表示i地区第t-1 年的生产性服务业FDI和制造业FDI；Variablesit包含上文提及的控制变量；α0为常数项；αi(i取1～4)为待估参数项；ε为随机扰动项；λ为空间自回归系数， 衡量某城市周围城市FDI流入量加权和对其吸引FDI的影响程度；ρ为空间误差系数，衡量某城市周围城市FDI相关但未观察到的随机因素对其吸引FDI的影响程度；W1为(9 × 13)×(9× 13)的分块空间权重矩阵，其中W2003=W2004=… =W2015都是9×9的方阵，采用二元邻接矩阵。模型中所有变量均采用对数形式。

(5)

按城市等级划分的子样本模型。对于大型城市模型：将方程(1)～(4)中的空间权重矩阵W1替换成W2，得到方程(6)～(9)。其中，W2为(4 × 13)×(4× 13)的分块空间权重矩阵，W2003=W2004= …=W2015为 4×4 的方阵，采用二元邻接矩阵。

对于中小型城市模型：将方程(1)～(4)中的空间权重矩阵W1替换成W3，得到方程(10)～(13)。其中，W3为(5 × 13)×(5× 13)的分块空间权重矩阵，W2003=W2004= …=W2015为 5×5 的方阵，采用二元邻接矩阵。

考虑到文章的篇幅，在此统计检验不再赘述，方程(6)～(13)不一一列出。

二、实证结果分析

(一)全样本生产性服务业FDI和制造业FDI协同关系分析

表 2 列出了运用 2003—2015 年福建省 9 个城市相关数据得到的估计结果，其中生产性服务业FDI的影响因素根据空间自回归模型的结果进行分析，制造业 FDI的影响因素根据空间误差模型的结果进行分析。各个变量的实证结果基本符合预期，下面分别说明。

表2 全样本生产性服务业FDI和制造业FDI协同关系分析Table 2 A full range analysis of the co-location between producer service FDI and manufacturing FDI

注：上标***、**、* 分别表示在 1%、5%、10% 水平通过显著性检验。

生产性服务业FDI和制造业FDI之间确实存在显著的协同定位效应，且主要表现为生产性服务业FDI对制造业FDI的追逐。空间自回归模型和空间误差模型中，制造业FDI水平对生产性服务业FDI以及后者对前者的影响均显著为正，且前者的回归系数均大于后者，表明生产性服务业FDI和制造业FDI相互促进，但制造业FDI对生产性服务业FDI的影响大于前者对后者的影响。另外，不论是制造业还是生产性服务业，与当期FDI相比，FDI存量对FDI流入的影响更大。

生产性服务业FDI和制造业FDI均存在显著的空间关联效应，但生产性服务业FDI的空间关联效应不如制造业FDI显著。生产性服务业FDI和制造业FDI的空间关联效应指标均通过了 10% 水平下的显著性检验，但前者数值小于后者，表明二者都存在空间溢出效应，但由于生产性服务业FDI处于初始发展阶段，与邻近区域还未形成良好的互动，因而其空间溢出效应不如制造业FDI显著。

控制变量的影响。经济发展水平、劳动力成本和产业集聚水平的影响与预期一致，表明它们仍旧是影响福建省生产性服务业FDI和制造业FDI流入的重要因素。然而基础设施水平、对外开放度的影响与预期不一致，这是由于福建省已拥有较为完善的基础设施和较高的对外开放度，因而它们的影响减弱。

(二)子样本生产性服务业FDI和制造业FDI协同关系分析

表3 大型城市生产性服务业FDI和制造业FDI协同关系分析Table 3 Analysis of the co-location between producer service FDI and manufacturing FDI in big cities

注：上标***、**、* 分别表示在 1%、5%、10% 水平通过显著性检验。

表4 中小型城市生产性服务业FDI和制造业FDI协同关系分析Table 4 Analysis of the co-location between producer service FDI and manufacturing FDI in smaller cities

注：上标***、**、* 分别表示在 1%、5%、10% 水平通过显著性检验。

生产性服务业FDI与制造业FDI之间的协同定位效应确实受城市等级的影响。大型城市生产性服务业FDI和制造业FDI之间存在协同定位效应，但主要表现为后者对前者的追逐，这是由于大型城市土地资源紧缺使得土地价格相对较高，导致生产性服务业在大型城市集聚而制造业向中小型城市扩散，从而制造业FDI的影响效应减弱。中小型城市生产性服务业FDI和制造业FDI还未形成协同定位关系，后者对前者的影响显著，但由于生产性服务业FDI处于初始发展阶段，其对制造业FDI的影响效应还未显现。

与全样本估计结果一致，大型城市和中小型城市生产性服务业FDI和制造业FDI均存在显著的空间关联效应，且前者的空间关联效应不如后者显著，这与福建省生产性服务业集聚水平低于制造业集聚水平的现状相吻合。

控制变量的影响。经济发展水平、劳动力成本和产业集聚水平在大型城市和中小型城市的影响与全样本估计结果一致，表明不同城市组中它们仍是重要影响因素。基础设施水平和对外开放度在大型城市的影响均不显著，而在中小型城市的影响均显著为正，这是由于国家和地区倾向于优先发展大型城市，从而大型城市的基础设施较为完善、对外开放度较高，因而它们的影响效应减弱，但仍是中小型城市FDI看重的因素。

三、结论与政策建议

以 2003—2015 年福建省 9 个城市为研究样本，首先检验了生产性服务业FDI和制造业FDI的空间依赖性，发现二者存在明显的空间相关性。进一步将样本划分为大型和中小型城市两个城市组，建立空间计量模型分析了全省和不同城市组生产性服务业FDI和制造业FDI的协同关系，得出以下结论和启示：

第一，就空间关联效应来看，福建省、大型城市和中小型城市生产性服务业FDI和制造业FDI均存在显著的空间关联效应，但生产性服务业FDI的空间关联效应不如制造业FDI的显著。这表明福建省各市间生产性服务业和制造业利用FDI并不是单纯的竞争关系，相反，周边城市相关因素反而可能通过外部溢出效应促进某城市FDI流入生产性服务业和制造业。因此，福建省各市政府相关部门在引资过程中应该打破行政区划的界线，大力推进城市和企业间的交流合作，实现区域间生产性服务业和制造业的协调发展、引资共赢。

第二，就协同关系来看，福建省生产性服务业FDI和制造业FDI之间确实存在协同定位，且主要表现为前者对后者的追逐；大型城市生产性服务业FDI和制造业FDI之间也存在协同定位，但主要表现为后者对前者的追逐；中小型城市生产性服务业FDI和制造业FDI还未形成协同关系，后者对前者的影响显著，反之不然。因此，福建省不同等级城市应考虑自身所处区域的发展水平，采取不同的引资政策。大型城市一直是制造业FDI的主要流入地，已形成了一定的制造业自我积累，对生产性服务业的市场需求大，因而大型城市应将引资重点逐步转向高端制造业和生产性服务业，制定优惠政策并完善相关法律法规，形成良好引资环境吸引FDI流入高端制造业和服务业；而中小型城市较晚承接制造业国际产业转移，制造业基础薄弱，对生产性服务业FDI的吸引力较弱，因而中小型城市应将引资重点放在基础制造业，充分利用劳动力成本低等优势，承接大型城市转移的基础制造业吸引FDI的流入，等到制造业FDI和经济水平发展达到一定程度后再将引资重点转向生产性服务业。

第三，就控制变量的回归结果来看，福建省不同等级城市生产性服务业FDI和制造业FDI的影响因素存在差异。大型城市和中小型城市生产性服务业FDI和制造业FDI均与经济发展水平和产业集聚水平正相关，而与劳动力成本负相关，因此各市应不断提高市场规模和市场增长潜力，借鉴其他国家和地区经验培育适宜的产业集群，加强高端人才的培养，规范竞争秩序和竞争行为，为生产性服务业和制造业的发展提供良好的平台和环境。另外，中小型城市生产性服务业FDI和制造业FDI还均与基础设施水平和对外开放度正相关，因此中小型城市还应不断完善基础设施系统，继续深入进行市场化改革，创造平等、公平、竞争、有序的市场环境，降低行业垄断，提高对外开放度。

[参考文献]

[1]唐保庆．生产者服务业FDI追逐制造业FDI吗?[J]．财贸研究，2009，20(2)：56-63．

[2]陈艳莹，王周玉．生产性服务业外商直接投资的影响因素：中国省份面板数据的实证研究[J]．产业经济研究，2011，10(4)：71-88．

[3]杨仁发，刘纯彬．中国生产性服务业FDI影响因素实证研究[J]．国际贸易问题，2012，38(11)：107-116．

[4]矫萍，林秀梅．生产性服务业FDI与制造业FDI协同集聚对制造业增长的影响[J]．经济问题探索，2016，37(6)：85-93．

[5]郑雅洁．我国生产性服务业FDI与制造业FDI的协同性分析[J]．技术经济与管理研究，2017，38(1)：112-118．

[6]黄卫平，方石玉．生产者服务业外商直接投资与中国经济增长的实证分析[J]．当代财经，2008，29(4)：100-104．

[7]钟韵，邹云龙．城市等级视角下经济转型对生产性服务业发展的影响差异[J]．产经评论，2016，25(4)：79-89．