APP下载

生产性服务业集聚如何推动制造业服务化?

2022-11-24王春娟解萧语

科学决策 2022年11期
关键词:服务化外部性生产性

孟 涛 王春娟 解萧语

1 引 言

目前我国正处于经济高质量发展与制造业转型升级的重要时期,内部面临新旧经济动能交替与市场供需不平衡问题,外部面临“经济不确定性”与“制造业回流”的双重挤出效应问题。新一轮科技革命催生“工业经济”向“服务经济”加速转变,制造业服务化已成为全球产业发展重要趋势之一,制造企业价值链由以制造为中心向以服务为中心转变。我国提出“推动服务型制造创新发展”①工信部,《关于进一步促进服务型制造发展的指导意见》,2022年3月20日。。生产性服务业作为现代经济体系重要组成部分,已成为推动我国经济高质量发展重要引擎。随着制造业服务化发展,贯穿制造业的生产、质量控制、物流运输、宣传售后等价值链环节的生产性服务业逐渐呈现出产业集聚态势,亟需有效地发挥生产性服务业集聚促进制造业服务化发展的作用,以国内市场为基础促进制造业转型升级。为此国家提出积极开展“服务型制造新模式”,持续推动“现代服务业与先进制造业”①国务院,《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》,2022年3月12日。融合发展等一系列推动措施。因此,本文研究生产性服务业集聚对制造业服务化的影响,有助于我国生产性服务业发展与制造业服务化升级,对我国推动先进制造业与现代服务业融合发展,实现经济高质量提供理论与实践经验。

2 文献回顾

生产性服务业是所有向生产者提供服务的服务行业,生产性服务业集聚即生产性服务业在空间上的集中活动总称。制造业服务化是制造业企业为实现利润最大化而提供“产品+服务”的包或直接提供服务的行为总称。从本质上看,制造业服务化是制造业升级的一种具体表现形式。现没有直接对生产性服务业集聚对制造业服务化影响的研究,但侧面论证颇丰,主要涉及生产性服务业对制造业的影响、生产性服务业集聚对制造业的影响两个方面。

2.1 生产性服务业对制造业的影响

生产性服务业与制造业升级关系密切(刘奕等,2016[1]),主要可以概括为“需求遵从论”“供给主导论”“互动相辅论”三种观点(Liu等,2019[2];He等,2020[3])。大部分学者认为生产性服务业通过产业政策(仝文涛等,2021[4])、物流业与制造业融合(王晓蕾和王玲,2022[5])、金融业开放(诸竹君等,2018[6])、产业信息化(张泽华,2019[7])促进制造业升级或转型发展,对制造业发展产生正向影响;也有小部分学者认为生产性服务业尚未成熟,其对制造业的正向经济效应尚未完全发挥出来(陈春明和高雅丰,2021[8])。

2.2 生产性服务业集聚对制造业的影响

关于生产性服务业集聚影响制造业的研究大致分为三个方面。一是生产性服务业集聚对制造业的影响因素。学者们认为生产性服务业集聚能够通过规模经济、跨产业知识溢出、技术创新等影响制造业生产率水平、产业结构与价值链地位(乔彬等,2014[9];詹浩勇等,2017[10];Zhao 等,2018[11];Li,2020[12]),对制造业产生正向或负向影响(韩峰和阳立高,2020[13])。二是生产性服务业集聚对制造业影响效应大致分为集聚效应和互动效应两类:集聚效应主要包括直接的集聚效应与间接的集聚空间效应(李涛等,2022[14]);互动效应方面,主要认为生产性服务业集聚通过促进服务业与制造业融合影响制造业升级(曲绍卫等,2019[15];吴敬伟和江静,2021[16])。三是生产性服务业集聚影响制造业的路径,大致分为三类:微观层面,生产性服务业集聚通过推动研发要素流通、企业价值链攀升、企业节能减排等影响制造业发展(高康和原毅军,2020[17]);中观层面,生产性服务业集聚主要通过产业专业化集聚的MAR外部性、多样化集聚的JACOBS外部性与竞争性集聚的PORTER外部性三条路径影响制造业发展(苏丹妮和盛斌,2021[18];张贺和许宁,2022[19]);三是宏观层面,生产性服务业集聚通过区域技术创新(沈能和赵增耀,2014[20];霍春辉和杨锐,2016[21];孙畅等,2018[22])、信息化与经济增长(黄繁华和郭卫军,2020[23])等影响制造业发展。

综上所述,生产性服务业集聚与制造业服务化的相关研究已具有一定基础,但是仍没有直接围绕生产性服务业集聚对制造业服务化影响的研究,对生产性服务业集聚是否影响制造业服务化,及其影响方向仍存在争议。鉴于此,本文聚焦生产性服务业集聚与制造业服务化,试图回答以下三个关键问题:生产性服务业集聚推动制造业服务化的效应是什么?生产性服务业集聚推动制造业服务化的具体路径如何?怎样发挥生产性服务业集聚效应推动制造业服务化?回答这些问题,有助于我国生产性服务业发展与制造业服务化升级,对我国推动先进制造业与现代服务业融合发展,实现经济高质量提供理论与实践经验。

3 理论分析

3.1 生产性服务业集聚对制造业服务化影响的直接效应分析

制造业服务化本质上是制造业服务化升级,因此,生产性服务业集聚对制造业服务化的影响即生产性服务业集聚对制造业产业升级的影响,主要包括两个方面。一是集聚效应,生产性服务业集聚产生的集聚效应能够通过劳动力与人才资源共享、技术溢出、规模经济等,优化生产性服务业生产率(Brulhart和Mathys,2008[24];Otsuka和Goto,2010[25];朱彦,2022[26]),提高生产性服务业对制造业发展的基础与辅佐作用,进而促进制造服务化。二是联动效应,一方面生产性服务业集聚能够通过对推动自身发展,促进服务业与制造业融合,进而促进制造业服务化;另一方面生产性服务业集聚的正向外部性经济效应能够增强生产性服务业与制造业之间的关联性,有助于制造业实现专业化分工,向更高附加值的服务经济发展,加快制造业服务化进程(韩民春和袁瀚坤,2020[27])。与此同时,两业关联性的增强,为制造业服务化带来更多服务化发展机遇,降低制造业陷入“服务化陷阱”的风险,提高制造业发展服务化的动机,进而推动制造业服务化发展。

故提出假设1:生产性服务业集聚促进制造业服务化发展。

3.2 生产性服务业集聚对制造业服务化影响的路径分析

制造业服务化本质上是产业升级,产业升级研究视角大致分为产业间生产结构的升级和产业生产中工艺流程、产品、功能和价值链跃进的升级(Humphrey和Schmitz,2002[28];Kohtamaki,2015[29])。第一种产业升级的研究视角能够从宏观角度研究产业发展问题,但是缺乏对微观企业的观察。第二种研究视角能更切实体现制造业企业升级过程,体现制造业服务化升级的具体路径。因此,本文认为制造业服务化即制造业产品服务化、业务服务化的动态发展过程。生产性服务业作为服务制造业生产的中间产业,对制造业服务化的影响渗透到制造业服务化发展的各个环节中,所以其对制造业服务化发展的影响也分为两个环节。一是生产性服务业集聚发挥专业化集聚的MAR外部性经济和竞争性集聚的PORTER外部性促进制造业产品服务化;二是发挥产业多样化集聚的JACOBS外部性经济效应促进制造业业务服务化,进而提高制造业的整体服务化水平。具体路径如下(详见图1):

图1 生产性服务业集聚影响制造业服务化的路径

生产性服务业通过集聚的MAR外部性促进制造业产品服务化。MAR外部性即产业专业化集聚产生的外部性效应,通常认为MAR外部性是规模经济的重要动力,能够降低企业生产成本,推动产业升级。一方面,生产性服务业通过专业化集聚的MAR外部性经济促进制造业服务化发展。生产性服务业集聚能够通过提高集群内产业专业化水平(Daniels,1985[30]),实现规模经济,提升生产性服务业生产率(Boschma和Minondo,2012[31]),并弥补因为社会分工深化与泛化而增加的交易费用,降低制造业服务外包的中介服务交易成本(Eswaran和Kotwal,1989[32])。另一方面,生产性服务业集聚能够促进集聚群内劳动力资源共享,使制造业企业能够稳定地雇佣到劳动力,降低人才培养与搜寻成本,最终促使制造业将更多的资源用于产业升级,实现以提供服务为核心的产品生产模式。与此同时,制造业专业化分工,有利于制造业向高价值链环节延伸,提升制造业服务化。

故提出假设2:生产性服务业通过集聚的MAR外部性促进制造业产品服务化。

生产性服务业通过集聚的PORTER外部性促进制造业产品服务化。集聚的PORTER外部性即产业竞争性集聚产生的外部性,其认为核心竞争力是企业创新的重要动能,技术创新能够推动企业发展,促进产业升级。一方面,企业在空间地理上的集中,增强了企业的竞争意识,推动企业创新,促进企业创新,并促进生产性服务业将更多的知识、技术与创新等要素融入到制造业产品中(刘斌等,2016[33]),增强制造业产品的复杂性与差异性,加快制造业产品服务化。另一方面,生产性服务业集聚的PORTER外部性不仅能够稳定集群内制造业企业对服务的购买,增强制造业企业对市场的敏感度,降低制造业企业的搜寻与交易成本,还能够促进制造业服务外包,推动制造业专注发挥比较优势,实现产业升级,最终提高制造业服务化水平。此外,生产性服务业集聚的PORTER外部经济效应,能够促进集群内企业市场化改革,完善集群内制造业服务化的商业政策环境(Ciccone和Hall,1996[34]),进而增强制造业产品的服务化保障,促进制造业服务化。

故提出假设2:生产性服务业通过集聚的PORTER外部性促进制造业产品服务化。

(3)生产性服务业通过集聚的JACOBS外部性促进制造业业务服务化。生产性服务业集聚的JACOBS外部性即生产性服务业多样化集聚产生的外部性经济效应,其不仅能够促进集群内技术创新与生产率水平的提升,还能够加速信息、技术与知识的溢出,降低制造业的交易成本,减少制造业服务化风险。一方面,生产性服务业集聚多样化集聚会提高企业创新与技术外溢,进而延伸制造业产业链与价值链,促进制造业业务服务化。根据“技术池观点”与“市场区观点”理论,生产性服务业多样化集聚可以增强厂商之间的技术交流与合作,并通过吸纳专业化的技术人才向该地区集聚,进而推动制造业技术创新和科技进步,促进制造业产业升级。另一方面,生产性服务业多样化集聚提高了集群内的技术扩散效率,并引导所服务的制造业企业采用新技术、新方法和新工艺,推动制造业向高价值链的服务环节融入,促进制造业业务服务化。与此同时,生产性服务业多样化集聚会增强制造业企业对外部市场的适应力,增强制造业企业与消费市场的交互,推动制造业企业实现业务服务化。

故提出假设3:生产性服务业通过集聚的JACOBS外部性促进制造业业务服务化。

4 数据来源与研究方法

4.1 模型设定

(1)直接效应模型

本文设定面板数据模型如下:

式(1)、(2)中,i表示省份,t表示年份,MISit表示t年i省的制造业服务化指数;EGit表示t年i省的生产性服务业集聚指标;δi为省份固定效应;λt为时间固定效应;Xit为能够体现省份特征的控制变量。

(2)中介效应模型

中介效应模型能够检验变量之间的互动机制与影响过程,被广泛应用于管理学与心理学的研究。中介效应模型中的中介变量是自变量对因变量发生影响的中介,它体现的是一种内部机制,通过这种内部机制自变量对因变量起作用(Baron,1986[35];温忠麟和叶宝娟,2014[36])

假设中介变量去中心化,自变量X对因变量Y的影响如图2所示,a、b、c分别为变量之间的相关系数的估计值,c′表表示中介效应影响系数,μ1、μ2、μ3分别为误差项。当中介变量唯一的时候,效应关系如式(2)所示,中介效应为直接效应与中介效应之和。

图2 中介变量示意图

中介效应的检验方法主要为逐步回归法(Judd和Kenny,1981[37])。首先,构建中介效应三步模型。然后对step1:自变量X对中介变量M的影响、step2:中介变量M对因变量Y的影响与step3:自变量X影响下中介变量M对因变量Y的影响进行逐步检验。最后,参照图3所示对依次检验的结果判断进行是否进行下一步或做出结论。

图3 中介效应检验流程图

本文主要考察生产性服务业集聚的MAR、JACOBS、PORTER外部性作为中介变量,是否是生产性服务业集聚影响制造业服务化的一种内部机制。因此,本文的三步中介效应模型构建与逻辑详情如图4所示:

图4 MAR、JACOBS、PORTER外部性效应中介效应逻辑图

Step 1验证生产性服务业集聚对中介变量(MAR、JACOBS、PORTER外部性)的影响。

Step 2验证中介变量(MAR、JACOBS、PORTER外部性)对制造业服务化的影响。

Step 3验证在生产性服务业集聚情况下中介变量(MAR、JACOBS、PORTER外部性)对制造业服务化的影响。

其中,β1是SIAit对MOSit的总效应,η1、λ1是经过中介变量Bit的中介效应,α1是中介效应下的直接效应,μit是误差项。Ait代表控制变量。

4.2 指标选取与数据来源

(1)指标选取

①解释变量

生产性服务业集聚(SIA),本文参考Ellison和Glaeser(1997)[38],选取能够同时测量产业空间与行业集聚的E-G指数衡量生产性服务业集聚水平,具体测算方法如下:

其中,SIAi为生产性服务业的行业集中度;Gi为生产性服务业在地区的基尼系数;xj为地区所有行业产值占全国产值的比重,sij表示生产性服务业在地区j的产值占全国总产业产值的比重;Hi为行业i的赫芬达尔指数,Cn表示企业产值的行业占比。

②被解释变量

制造业服务化(MOS),本文参考Neely(2008)[39]与Crozet和Milet(2017)[40]的微观企业人工甄别法计算。根据企业年报判断企业业务范围中是否有服务化业务,将有服务业务的企业数占总调查企业的比值作为服务化水平衡量指标。

③中介变量

一是集聚MAR外部性(MAR),主要参考于斌斌和金刚(2014)[41]的测算方法,选取产业专业化集聚指数表征生产性服务业集聚的MAR外部性。具体测算公式如下:

其中,sab表示a地区目标行业b的就业人数占a地区总就业人数的比重;sa表示全国目标行业b的就业人数占全国总就业人数的比重。

二是集聚的PORTER外部性(PORTER)即衡量生产性集聚的良性竞争经济效用。本文基于赵凡和罗良文(2022)[42]的外部性经济效应计算方法,构建了PORTER外部性经济效应指标。其中,由于原有的市场竞争程度指标需要用到的规模以上企业个数的数据自2011年统计口径发生变更,数据难以保持连贯性不具有表征意义。本节进一步参考了于斌斌(2019)[43]对指标计算中规模以上企业数量统计口径变更问题的修正,构建了生产性服务业集聚。具体计算公式如下:

其中Hggab,表示a地区b年的生产性服务业集聚程度,Mcomab表示a地区b年的生产性服务业市场竞争程度,PEab表示a地区b年目标产业就业人数,TEab表示a地区b年总就业人数,PEb表示全国b年目标产业总就业人数,TEb表示全国b年总就业人数,aslab表示a地区b年目标产业单位职工平均工资水平取对数。

三是集聚JACOBS外部性(JACOBS)即衡量生产性服务业多样化集聚外部性经济效应。参考于斌斌(2019)[42]对生产性服务业JACOBS外部性经济效应的考察,本节选取产业多样化集聚表征生产性服务业集聚的JACOBS外部性经济效应。

具体计算公式如下:

其中,sab与sa含义与上文相同,因此不再赘述。

④控制变量

创新水平(rd)选取各省市区地方R&D投入总额表示;人力资源(hr)选取各省市区本科学历以上人口占6岁以上应受教育人口的比重表示;相对生产率(rp)选取各省市区生产性服务业总营业额除以生产性服务业总从业人员与制造业总营业额除以制造业总从业人员比值表示;制造业盈利能力(mp)选取个省市区制造业营业额表示;服务可获得性(sag)选取服务业从业人员占总从业人员的比值来衡量;信息化水平(pit)选取各省市区互联网网民总数表示;资本分配(zf)选取固定资产占总资产比值表示。

(2)数据来源

本文数据来源于2007-2020年《中国统计年鉴》、《中国城市统计年鉴》与Wind数据库。其中解释变量与被解释变量中需要的集中度与行业服务业务判别部分数据来源于截至2020年已上市的960家生产性服务业公司利润表,与2320家制造业上市公司年报。主要变量描述性统计结果如表1所示:

表1 主要变量描述性统计

5 实证结果分析

5.1 基准回归分析

为避免模型估计的伪回归,首先对主要变量进行平稳性检验,检验结果如表2所示,各变量同阶平稳,可以直接进行模型估计。

表2 各变量单位根检验结果

为降低中介变量与解释变量的内生性影响,提高模型估计准确性,本文进一步测算了各个自变量的VIF(方差膨胀系数),结果如表3所示,VIF值均小于10,表明中介变量MAR、JACOBS、PORTER与解释变量SIA不存在多重共线性问题,实证结果具有真实性与准确性。

表3 各自变量方差膨胀系数

为保证模型估计的无偏与有效性,采用怀特(White)检验进行异方差检验,看模型中是否存在对解释变量有较大影响的无法观测因素。检验结果如表6所示,P值为0,强烈拒绝原假设,模型不存在异方差。随后,进一步对模型进行自相关检验,检验结果显示,组同期相关检验P值为0.9106,大于0.01模型不存在组同期自相关。而模型组内同期自相关F值为69.219,P值为0,表明模型存在组内自相关。

为检验生产性服务业集聚对制造业服务化影响的直接效应,本文进行了OLS回归分析,考虑到时间效应和个体随机效应,选取了固定效应、双向固定效应与随机效应模型进行分析。同时,根据上文对模型自相关性的检验结论表明模型存在组内自相关。为消除模型的组内自相关问题,选取了FLGS模型估计生产性服务业集聚对制造业服务化的直接影响作为对照组。

实证结果如表4的(1)列所示,当不考虑控制变量时,生产性服务业对制造业服务化影响系数为0.0675,且在1%的置信水平下显著。加入控制变量后,如表4的(2)列所示生产性服务业对制造业服务化影响系数为0.0637,且在5%的水平下显著。考虑解决模型数据自相关问题后,如表4的(3)列所示,生产性服务业集聚对制造业服务化的影响系数均分别为0.0174,且在5%的置信水平下显著。进一步考虑个体效应,固定了时间与地域效应后,如表4的(4)列所示,影响系数为0.0350,且在5%的置信水平下显著。考虑了个体效应与随机效应后,实证结果如表4的(5)列所示,影响系数为0.0394,且在1%的置信水平下显著,表明生产性服务业集聚对制造业服务化的发展具有明显促进作用。整体来看,不论哪种模型估计,影响系数都是正的,且数值较低,表明生产性服务业集聚虽然对制造业服务化具有促进作用,但这种促进作用比较小,这与本文的理论推测相一致。

表4 生产性服务业集聚对制造业服务化的直接影响估计结果

续表

5.2 中介效应结果

(1)MAR外部性模型估计结果

如表5(1-3)列所示,自变量对中介变量的影响为0.1230,且在1%水平下显著,表明生产性服务业集聚会促进集聚的MAR外部性效应提高;中介变量MAR对因变量MOS的影响为0.1803,且在1%水平下显著,表明中介MAR变量对制造业服务化具有促进作用。生产性服务业集聚的MAR外部性增强,提升了生产性服务业的专业化程度。一方面,专业化程度更高的生产性服务业能够给制造业服务外部提供更专业、高效的产品与服务,降低制造业的生产成本,为制造业服务化奠定基础;另一方面,专业化的生产性服务业能够将更多的知识和技术创新注入制造业的生产环节,促进制造业的服务化升级;由于模型中的η1、λ1、α1、ρ1的系数均显著,表明中介变量MAR具有完全中介效应,中介效用c=c'为0.0494,表明生产性服务业越集聚MAR外部性越高。生产性服务业集聚形成的资源共享与规模效应会促进生产性服务业某一行业的迅速集聚,行业集聚会降低行业运营成本,促进创新,进而提升制造业专业化水平,促进制造业服务化。

表5 生产性服务业集聚MAR外部性经济中介效应结果

(2)PORTER外部性模型估计结果

如表5(7-9)列所示,自变量SIA对中介变量的影响为0.2860,但不显著,表明生产性服务业集聚可能促进集聚的PORTER外部性效应提高。这与我国现状一致。理论上,生产性服务业集聚形成的规模效用与区域产业集聚,增强了市场内产业内竞争强度,淘汰落后产能,促进产业公平,形成了正向的PORTER外部性。然而,当前我国生产性服务业集聚水平仍处于较低水平,集聚的虹吸效应与尚未完善的法律法规等不利于集群内产业良性竞争,因此相关影响不明显。中介变量PORTER对因变量MOS的影响系数为0.0289,且在1%的水平下显著,表明集聚的PORTER外部性会促进制造业服务化升级。良性的企业竞争能够优化行业生产效率,进而促进集群内整体产业升级。由于模型中的α2不显著,表明中介变量PORTER具有部分中介效应,中介效用c=c'+ab为0.0661,表明PORTER外部性对生产性服务业集聚促进制造业服务化具有促进作用。

(3)JACOBS外部性模型估计结果

如表5(4-6)列所示,自变量对中介变量的影响为0.0003,但不显著,表明生产性服务业集聚可能会促进集聚的JACOBS外部性效应提高,但还不明显。这主要是由我国的制造业发展阶段与具体国情决定的。生产性服务业涉及制造业全产业链,所以生产性服务业的集聚会促进集聚区域上、中、下游产业的全方位集聚,推动产业集聚的JACOBS外部性形成。但是,目前我国仍处于工业化的后期阶段,前期重工业化发展的生产模式路径依赖使得我国制造业对生产性服务业多样化集聚的需求水平较低。受到制造业需求水平的影响,我国生产性服务业专业化集聚较多,产业纵向与横向集聚并存的集聚较少,所以现存的生产性服务业集聚对生产性服务业JACOBS外部性为正,但程度较低;中介变量JACOBS对因变量MOS的影响为111.9850,且在1%水平下显著,表明中介变量JACOBS促进制造业服务化升级。生产性服务业集聚的JACOBS外部性能够通过全产业链的集聚为制造业服务化注入更多的人力资本、知识、技术等要素,并通过产业链的不同区域的产业互动来降低制造业交易成本,提升制造业价值链,促进制造业的服务化。由于模型中的α2不显著,表明中介变量MAR具有部分中介效应,中介效用c=c'+ab为119.3273,表明集聚的MAR与外部性对生产性服务业集聚对制造业服务化升级具有正向的促进中介效应。综上,生产性服务业集聚通过集聚的MAR外部性对制造业服务化形成正向促进作用。因此,生产性服务业集聚提升制造业服务化的过程中,应当考虑集聚的MAR外部性的作用,并对相关路径进行更多的开拓与引导。

综上,生产性服务业集聚通过集聚的MAR、PORTER、JACOBS外部性经济效应对制造业服务化形成正向促进作用,与理论假设一致。

5.3 稳健性检验

为检验结论的稳健度,本文选取替换解释变量指标的方法进行稳健性检验。本文选取一般区位商重新估算了生产性服务业集聚水平(LE)替代的核心解释变量,具体测算方法如下:

其中,mij(t)表示时期区域的该行业细分行业的就业人数,∑jeij(t)表示t时期i区域该行业的就业人数,∑i∑jeij(t)表示t时期所有区域的总就业人数。数据来源于2006-2020年《中国城市统计年鉴》。

模型估计结果如表6(1-8)所示,生产性服务业集聚促进制造业服务化发展,集聚的MAR、JACOBS、JACOBS均对生产性服务业集聚促进制造业服务化升级具有正向促进的中介效应,论文核心结论保持不变。

表6 稳健性检验结果估计

6 结论与建议

6.1 基本结论

本文在生产性服务业集聚对制造业服务化影响的理论分析基础上,基于生产性服务业与制造业上市企业数据,运用固定效应与中介效应模型分析了生产性服务业集聚对制造业服务化的直接效应,及其通过产业集聚的MAR、JACOBS、PORTER外部性效应影响制造业服务化的具体路径。结果表明:一是生产性服务业集聚促进制造业服务化发展。二是集聚的MAR、JACOBS、PORTER外部性对生产性服务业集聚促进制造业服务化具有中介效用,且都为正向促进作用。三条生产性服务业集聚促进制造业服务化路径中,集聚的JACOBS外部性中介效用最高,其次是MAR外部性,最后是PORTER外部性。综上所述,生产性服务业集聚能够促进制造业服务化发展,具体通过集聚的MAR、JACOBS、PORTER外部性促进制造业服务化发展。

6.2 研究结论与未来展望

基于生产性服务业集聚影响制造业服务化的理论与实证分析,本文提出提高生产性服务业集聚水平,重视生产性服务业集聚的外部性路径,推动制造业服务化,促进我国经济高质量发展。

一是提高生产性服务业集聚水平,推动制造业服务化发展。首先,政府要注重生产性服务业发展,持续重视生产性服务业建设,通过财政、税收与就业等政策完善生产性服务业的基础设施建设。其次,可以借鉴美国等发达国家成功经验,制定符合我国国情的生产性服务业金融支持体系的相关法律法规等政策,为生产性服务业发展提供保障。最后,积极帮助已有生产性服务业集聚优化生产环境,引进并承接国外先进产业转移,增强产业集聚群吸引力,促进生产性服务业充分实现对制造业服务化的产业集聚效应,且在大力推进生产性服务业集聚的同时,注重生产性服务业集聚结构布局,对可能产生的负外部性经济效应进行适当的预期调整。

二是重视生产性服务业集聚的外部性路径,促进制造业服务化发展。首先,应当进一步提升生产性服务业专业化集聚水平,增强生产性服务业整体专业化水平,从而进一步降低制造业运营成本,提升制造业工人与管理匹配度与行业整体运营水平,为制造业服务化夯实基础。加强生产性服务业集聚的产业多样化引导与布局,增强生产性服务业多样化集聚水平,积极促进集聚JACOBS外部性经济效应,降低制造业交易成本,提升制造业技术创新,推动制造业价值链攀升的促进功能发挥。其次,要进一步完善对集群市场的监管机制,政府要引导集群下企业适度竞争,保障集群内各企业或行业整体创新能力与生产效率提升,形成良好的市场环境,提升制造业企业竞争力。再次,要继续加强生产性服务业与制造业的关联、耦合度与协同度,拓宽生产性服务业集聚对制造业服务化的匹配路径,扩大生产性服务业集聚促进制造业服务化的效率。除此之外,还可以这种路径为基础为生产性服务业集聚推动制造业服务化发展拓展更多的传导路径,扩大推进效应的发挥,进而推动我国制造服务化,促进我国经济高质量发展。

6.3 创新之处与存在的不足

本文的创新主要有以下三点:一是从生产性服务业的角度直接研究了生产性服务业集聚对制造业服务化的影响,丰富了相关研究的研究视角与理论,二是基于外部性视角分析了生产性服务业集聚影响制造业服务化的具体路径。三是选取企业数据从微观的产出角度实证了生产性服务业集聚对制造业服务化的影响及其路径。

本文主要有以下两点不足:一是受到制企业数据缺失问题的影响,本文的制造业服务化测算主要依靠人工筛选,没有采用具有连续性的客观数据,可能不能从产出角度完全的衡量制造业服务化发展状况及其相关关系,有待数据体系成熟后进一步研究检验。二是本文受到篇幅的限制,没有进一步讨论生产性服务业集聚对不同制造业细分行业服务化的中介效应异质性,有待日后补充完善。

猜你喜欢

服务化外部性生产性
制造企业服务化程度、服务化模式和服务化收益研究
采暖区既有建筑节能改造外部性分析与应用研究
环境负外部性的环境法新解析
少数民族传统医药知识生产性保护研究
制造业服务化发展战略研究
煤矿工人生产性粉尘对身体健康影响的研究
基于生态的京津冀生产性服务业发展探讨
新媒体时代的生产性受众浅析
制造服务化发展战略
既有商品住宅节能改造外部性及其测算研究