生产性服务业数字化转型、空间集聚与制造业技术创新研究

摘 要：生产性服务业作为现代化经济体系的重要组成部分，其集聚发展已经成为我国经济高质量发展的重要引擎，而数字化转型在工业领域的偏向性配置却改变着生产性服务业集聚效果，并给创新发展带来积极影响。选取2013—2022年中国30个省份面板数据为样本数据，运用包含调节效应的空间杜宾模型研究方法，检验生产性服务业数字化转型、空间集聚对制造业技术的影响效应。研究发现：生产性服务业数字化转型、专业化集聚等显著地促进了制造业技术创新，而多样化集聚虽推动了本地制造业技术创新，但对邻近地区却产生负向作用。生产性服务业数字化转型在空间集聚影响技术创新时发挥了积极的调节作用，强化了专业化集聚对技术创新的积极影响，减弱了多样化集聚产生的负向外溢效应，这一作用机制是通过优化产业结构的传导路径实现的。

关键词：生产性服务业；数字化转型；空间集聚；技术创新；空间杜宾模型

中图分类号：F 036；F 062.9

文献标识码：A 文章编号：1672-7312（2024）04-0363-08

Research on the Digital Transformation and Spatial Agglomeration of Producer Services and Manufacturing Technology Innovation

WANG Bifeng1，LAI Zhihua2

Abstract：As an important part of the modernized economic system，the agglomeration development of producer services has become an important engine for the high-quality development of China’s economy，while the biased configuration of the digital transformation in the industrial sector is changing the established effect of producer services agglomeration and bringing a positive impact on innovation development.Using the panel data of 30 provinces and municipalities in China from 2013 to 2022 as sample data，the paper examined the impact of the digital transformation and spatial agglomeration of producer services on manufacturing technology innovation with a spatial Durbin model that includes moderating effects.The results show that：the digital transformation and specialization of producer services significantly promote technological innovation in manufacturing industries，while diversified agglomeration promotes technological innovation in local manufacturing industries but negatively inhibits it in neighboring regions.The digital transformation of producer services plays a positive moderating role in spatial agglomeration influencing technological innovation，strengthens the positive influence of specialization agglomeration on technological innovation，and weakens the negative spillover effect of diversification agglomeration.This mechanism of action is realized through the transmission path of optimizing industrial structure.

Key words：producer services；digital transformation；spatial agglomeration；technological innovation；spatial Durbin model

0 引言

生产性服务业具有创新性强、规模经济显著、人才凝聚力强等特征[1-2]，其数字化转型驱动制造业技术创新发展。生产性服务业数字化转型是数字化、网络化与智能技术在生产性服务业的扩散和应用，是数字要素驱动金融服务、信息服务、研发和科技服务等生产性服务业领域全方位的根本性变革，是现代信息技术的集成突破及其与生产性服务业的渗透融合。数字化转型突破了信息传播的时空约束，利于区域间经济活动关联广度和深度的拓展[3]。有效扩大服务业的服务半径[4]，赋能服务业结构升级，提升了服务业劳动生产率[5]，从而为服务业在新技术变革下的转型升级提供了重要契机。数字化转型提升服务供需、优化资源配置效率[6]，降低服务业的交易成本与推动服务业转型[7]，强化了服务业规模经济、范围经济及长尾效应等优势特性[8]。以“数字+”为代表的新服务有望成为我国经济增长的新动能[9]，通过促进技术创新[10]以提升服务业全要素生产率方面发挥的积极作用。生产性服务业数字化转型可突破时空的物理约束[11]，借助高协同性的数字平台对空间组织发挥效能[12]，加速驱动产业集聚[13]。

生产性服务业空间集聚不仅促进内部效应提升，而且通过产业关联效应提升了行业间外部效应。尤其是知识密集型服务业作为先进制造业的重要投入要素，不断持续推动制造业的研发和产品创新[14]。生产性服务业空间集聚推动劳动力市场多元化，降低劳动力匹配和中间投入的交易成本[15]。在推广新知识和新技术同时，加速技术协同创新、产品创新和优质人力资本溢出[16]，从而对创新产生正向影响效应[17]，但这种影响效应表现出城市和行业的异质性[18-19]。产业空间集聚模式有以Marshall、Arrow、Romer为代表的专业化集聚和以Jacobs为代表的多样化集聚。由于知识和技术的溢出效应，生产性服务业专业化集聚对技术创新产生积极影响[20]。但也有学者指出，由于拥挤效应，其专业化集聚对创新的影响效应呈现出先促后抑的倒U型[21-22]。多样化集聚有助于提供差异、互补的创新发展环境，从而产生积极的创新推动作用[23-24]。

现有文献主要探讨了服务业数字化转型对其生产效率提升、生产性服务业集聚对创新影响等方面，较少文献从数字化转型视角研究生产性服务业空间集聚与技术创新间关系，现有研究为探究生产性服务业数字化转型、空间集聚与制造业技术创新关系提供有益借鉴。因此，在测度生产性服务业数字化转型、空间领取集聚基础上，利用各省市面板数据，对生产性服务业数字化转型和空间集聚对创新发展的综合作用进行系统探究，以期为实现各省市创新发展和高质量发展提供有益借鉴。

1 理论机制分析

1.1 生产性服务业空间集聚、外溢效应与制造业技术创新

生产性服务业集聚通过技术外溢效应、优化配置效应与规模经济效应等形成了创新网络，驱动制造业创新发展。产业集聚促进了知识、技术及数字信息在行业内或行业间的传递和扩散[25]，降低了制造业配套所需的中间投入品交易成本和风险[26]，从而促进了知识和技术的外溢。推动了知识和技术资源自由流动[27]，通过技术外溢效应产生正向外部性，极大地提高了资源配置效率。充分发挥劳动力共享、知识外溢等共享机制[28]，通过产业关联效应，在加速本地制造业创新同时，对周边区域产生辐射效应。

1.2 生产性服务业数字化转型、空间外溢效应与制造业技术创新

数字化转型变革了企业传统组织形式，驱动了数字和技术的交流与共享[29]，扩展和深化了产业创新的广度和深度。突破物理距离限制，加速了上下游企业间的信息传播效率[30]，为数字和技术充分流动提供了保障，促进研发资源共享。在创新追赶和示范效应作用下，进一步驱动空间溢出效应。加速创新主体和创新资源集聚发展，推动产业链上下游的创新发展，形成跨产业、跨领域、跨技术的创新协同发展，为创新发展提供更强劲动力。

1.3 数字化转型在生产性服务业集聚影响制造业技术创新的调节效应和中介效应

产业空间布局受到政策导向、市场需求、要素禀赋等诸多因素影响，其中，科技变革的影响最为显著。数字化转型打通了产业壁垒，促进知识和技术共享，加速人才、资本、技术等要素流动，提升资源配置效率。通过高协同性和正反馈效应形成具有强烈互动的产业集群，再通过横向或纵向产业关联，进一步降低其他产业采用新技术范式所需要的成本。搭建创新生态网络，为资源在更大范围内的配置提供了可能[31]，形成更加高效的产业集聚，从而对创新发展产生更加积极影响。生产性服务业作为制造业价值链环节的重要投入要素，数字化转型推动研发设计、生产管理、信息咨询等高端生产性服务业快速发展，产业结构优化升级，冲破服务要素流动壁垒，进一步促进了高端生产性服务业集聚发展。

2 研究设计

2.1 计量模型构建

为探究制造业技术创新过程中生产性服务业数字化转型和空间集聚的空间影响效应，检验生产性服务业数字化转型对其空间集聚的创新效应的调节作用，缓解因重要变量缺失而造成的内生性偏误[32]，采用包含调节效应的时间和空间固定的杜宾模型[33]。模型设定如下：

Innit为各省（市）制造业技术创新；Dtpit、Marit和Jacit等分别为生产性服务业数字化转型、专业化集聚和多样化集聚综合指数等核心解释变量；Xit为控制变量；wij为对角线元素为0的N阶空间权重矩阵；β、为解释变量的待参数估计；ρ、θ、γ待估计的空间自相关系数；λi、t分别为城市和时间固定效应；εit为随机扰动项。

2.2 变量选取

2.2.1 制造业技术创新（Inn）

文章以规模以上工业企业新产品销售收入衡量制造业技术创新。新产品销售收入不仅可弥补专利数量在衡量制造业技术创新成果质量的不足，而且还可衡量技术创新的商业化成果[34]。制造业技术创新以新产品销售收入的对数形式表征。

2.2.2 核心解释变量

1）生产性服务业数字化转型。

考虑到生产性服务业数字化转型不仅受到行业数字化投入水平影响，而且还受到经济体数字经济环境的影响，鉴于数据的可得性，借鉴党琳等[35]、齐俊妍等[36]的做法，结合经济体数字经济环境和行业数字化投入水平等维度从数字人才、产业数字化投入、产业数字化收入、数字基础设施等四个方面构造指标体系，采用熵值法测度生产性服务业数字化转型综合指数（Dig），各指标权重计算结果见表1。

2）生产性服务业集聚。

运用Combes提出的方法[37]，测度生产性服务业专业化集聚（Mar）和多样化集聚（Jac），公式如下式中，Eij为省（市）i生产性服务业j的就业人数；Ei为省（市）i就业总人数；E′j为除i省（市）外其它各省（市）生产性服务业j的就业总人数；E′除i省（市）外其它各省（市）的就业总人数。

式中，E′ij为省（市）i除生产性服务业j外的其它生产性服务业就业总人数；Ej为全国生产性服务业j的就业总人数；Ei为省（市）i就业总人数。

2.2.3 控制变量

1）研发投入强度（Sei）：采用各省市在科学技术和教育财政支出之和占财政支出的比值衡量。

2）政府干预（Gov）：采用财政支出占GDP比重衡量。

3）经济发展水平（Gdp）：采用人均GDP的对数值衡量。

4）外商直接投资（Fdi）：用当年实际使用外资占地区生产总值比值衡量。

5）人口密集度（Pop）：采用地区人口（年末常住人口）与行政区域面积的比值衡量。

6）固定投资水平（Inv）：使用固定资产投资额占GDP的比重衡量。

鉴于数据可获得性，根据研究需要，文章选取2013—2022年中国30个省份（除西藏和港澳台地区外）的面板数据进行实证分析。为避免物价波动的影响，对货币计量的指标采用价格指数进行整理，基期为2012年。相关数据来源于各省统计年鉴和Wind数据库。

3 时空演化特征分析

在测算生产性服务业数字化转型、多样化集聚和专业化集聚指数基础上，采用高斯核密度函数分析其时空演化特征。选择2014年、2018年和2022年等数据进行估计，通过分析其高斯核密度二维分布图的分布位置、形态和极化现象等探究生产性服务业数字化转型、多样化集聚和专业化集聚的时空演化特征，如图1-3所示。

生产性服务业数字化转型、多样化集聚和专业集聚具有如下动态分布特征：首先，分布曲线的分布位置均呈现右移态势。其中，生产性服务业多样化集聚曲线的中心位置移动幅度较大，而数字化转型和专业化集聚曲线中心位置移动幅度相对较小。这说明着生产性服务业数字化转型、多样化集聚和专业化集聚水平均有不同程度提升，其中，多样化集聚提升幅度最大。其次，从分布形态来看，生产性服务业数字化转型的主峰高度呈现先下降后上升的趋势，其宽度有所拓宽；多样化集聚的主峰高度不断下降，其宽度持续拓宽；专业化集聚的主峰高度在2022年大幅下降，其宽度也大幅变宽。这意味着生产性服务业多样化集聚和专业化集聚发展的地区差异变大，而地区间数字化转型差异程度有所缓解。再次，从分布延展性来看，生产性服务业数字化转型和专业化集聚呈现右拖尾延展拓展，表明数字化转型和专业化集聚程度高的区域占较大比重；而多样化集聚是左拖尾延展拓展，多样化集聚程度低的区域占较大的比重。这意味着生产性服务业数字化转型、多样化集聚和专业化集聚的非均衡发展更加明显。从极化现象来看，观测期内虽呈现多个不明显的侧峰，但主峰只有一个。这意味着随着生产性服务业数字化转型、多样化集聚和专业化集聚等不断发展，上述指标为未呈现出明显的两极分化现象。

4 实证结果分析

4.1 空间计量模型设定检验

借鉴ELHORST的做法，对空间计量模型进行如下的设定检验。首先，为了检验空间效应是空间滞后相关还是空间残差相关引起的，文章采用LM检验结果见表2。Moran’s I在1%显著性水平下显著，表明我国制造业技术创新存在正向的空间依赖性。LM_Error和LM_Lag稳健检验分别在1%和5%水平显著，表明采用SAR或SEM模型均是合适的。其次，为了检验空间杜宾模型是否更合适，进一步采用LR检验和Wald检验。检验结果拒绝了SDM模型是可退化为SAR模型或者SEM模型原假设，这意味着采用SDM 模型来研究制造业技术创新间空间相关性更为合理和可靠。此外，Hausman检验（70.1348***）表明可以采用固定效应模型。因而，选用了时间和空间双固定的空间杜宾模型，构建了地理与经济距离嵌套矩阵w=τwg+（1－τ）we（0lt;τlt;1），用来衡量各省（市）在地理和经济上双重空间邻近性。其中，wg地为地理距离矩阵;wg=1/dij，式中dij指的是各省（市）间的地理距离，采用各省（市）政府驻地的经纬度测算。

we为经济距离矩阵，we=1/（Qi－Qj），式中Q指的是各省（市）人均地区生产总值。采用R2和log-likelihood值作为τ取值的判断标准。根据测算结果，当τ=0.5时R2（0.976 9）和log-likelihood（587.465 2）检验值最大。因而，取τ=0.5构造地理与经济距离嵌套矩阵。

4.2 基础回归分析

为验证估计结果的可靠性和稳健性，依次列出其他对比模型的估计结果，具体结果见表3。由表3的回归结果可知，空间自回归和空间误差项系数均为正，并且在1%水平下显著，进一步说明各省（市）制造业技术创新表现为正向的空间关联性，与前文Moran’s I指数估计结果一致。

生产性服务业数字化转型对制造业技术创新产生统计上显著的正向效应，同时，对邻近地区制造业技术创新产生正向空间溢出效应。随着数字经济发展，各地大力推进产业数字化转型，促进数据、技术等生产要素在区域间更加自由地流动，推动了作为投入要素的生产性服务业对制造业技术创新的影响[38-39]。

知识和技术是驱动技术创新的关键要素，生产性服务业数字化转型有助力于知识的溢出和技术的扩散，进而对生产性服务业和制造业的深度融合产生推动作用，降低制造业吸收知识和学习技术的门槛和成本，对制造业技术创新产生积极的影响[40]。

生产性服务业专业化集聚、多样化集聚对本地创新发展产生显著的正向影响，同时专业化集聚对邻近地区制造业技术创新产生正向空间溢出效应，但多样化集聚却产生负向的空间溢出效应。专业化集聚为知识和技术等创新要素提供自由流动的良好环境，通过示范效应和竞合效应提升创新产出质量[41]，促进企业更高效地开展创新协同合作，成为创新发展的重要推动力。由于省域间经济发展非均衡性，多样化集聚度高的地区会对邻近区域产生虹吸效应，不利于产业间的协同发展[42]，从而表现为负向的空间外溢效应，这意味着多样化集聚抑制了邻近地区创新发展。为了进一步验证空间溢出效应，同时，为了反映技术创新过程中数字化转型的调节效用，在空间杜宾模型中进一步加入生产性服务业数字化转型与专业化集聚、多样化集聚的交互项。借鉴LESAGE等的做法[43]，对经济地理嵌套矩阵下的估计结果基于偏微分法进行直接效应和外溢效应的分解。其中，直接效应表明对本地制造业技术创新的影响效应，外溢效应表明对经济地理邻近地区技术创新的影响效应。空间效应的分解结果见表4。

4.3 调节效应检验

表4估计结果表明，生产性服务业多样化集聚对本地制造业技术创新产生显著的正向作用，但却抑制了周边地区的技术创新。为促进经济高质量发展，各地政府高度关注以生产性服务业为核心的现代服务业发展。但由于缺乏顶层设计和科学规划，各地没有因地制宜，导致多样化集聚模式没有与本地工业结构特征和比较优势相匹配，各地生产性服务业发展呈现同质化[44]。这种集聚模式虽然能对本地制造业技术创新产生推动作用，但“大而全、小而全”的生产性服务业多样化、同质化集聚无法实现地区间的优势互补，对生产性服务业与制造业的空间关联效应产生负向的抑制作用，从而对相邻地区制造业技术创新产生负向的影响效应。专业化集聚不但显著地推动本地制造业技术创新，而且显著地促进相邻地区的技术创新。由于各地结合自身工业结构特征和比较优势推进专业化集聚发展，不仅为本地制造业提供匹配的专业化服务投入要素，而且通过产业关联效应对邻近地区制造业创新发展产生积极影响。

表4中无论是基础模型（2）还是纳入调节效应的模型（3）-（5），生产性服务业数字化转型的参数估计显著为正，意味着数字化转型不仅促进了本地技术创新，而且对相邻地区技术创新产生积极效应。生产性服务业作为制造业重要投入要素，其数字化转型推进了知识和技术的交流、传播与扩散，加速地区间、产业间知识和技术的流动与共享，强化产业关联，为制造业发展提供更优化的创新环境。不仅满足本地制造业对金融、研发等专业化服务投入要素的需要，而且通过投入产出的关联效应对邻近地区制造业技术创新实现共享和外溢。加入Dig*Mar和Dig*Jac的交互项后，生产性服务业数字化转型对技术创新的回归系数有不同程度的增加，说明数字化转型在发挥调节效应同时，进一步促进技术创新。生产性服务业作为制造业重要投入要素，其数字化转型推进了知识和技术的交流、传播与扩散，加速地区间、产业间知识和技术的流动与共享，为制造业发展提供更优化的创新环境。因此，生产性服务业以数字化转型为推手，加强创新主体和资源高效聚合，高效连接产业间、地区间的创新网络生态系统。

在表4第（3）列和第（5）列中加入生产性服务业专业化集聚与数字化转型交互项（Dig*Mar）后，其直接效应和外溢效应均显著为正。表明生产性服务业数字化转型不仅强化了专业化集聚对本地制造业技术创新的正向效应，而且进一步强化了其对相邻地区的创新影响。表4第（4）列和第（5）列加入生产性服务业数字化转型与多样化集聚的交互项（Dig*Jac）后，参数估计结果表明，数字化转型强化了多样化集聚对本地制造业技术创新的推动效用，同时弱化了多样化集聚对邻近地区制造业技术创新的负向影响。产业空间布局受到经济政策、行业结构特征、资源禀赋等因素影响，数字技术可打破产业间、区域间的时空约束，推动知识、信息和技术等资源跨行业、跨区域的优化配置。通过高协同性和正反馈效应，数字平台为资源在更大空间范围内有效配置提供依托，形成强烈的产业空间集聚效应，加速跨区域、跨行业的多样化和专业化集聚模式优化。各地在产业数字化转型和空间有效配置等方面顶层设计时，积极挖掘生产性服务业数字化转型对空间集聚创新效应的正向调节作用，有利于进一步加强专业化集聚的创新效应，弱化多样化集聚对制造业技术创新的负向外溢效应。数字化转型降低交易成本、消除信息不对称，打通产业链壁垒，促进数字产业链延伸，加速了知识和技术在关联产业间的传播与扩散[45]，促进生产性服务业集聚模式与制造业深度的联动融合。综上，生产性服务业数字化转型在空间集聚与技术创新间发挥积极的调节效应。

4.4 生产性服务业数字化转型调节效应的中介传导机制

研究表明，生产性服务业数字化转型在促进空间集聚的技术效应时具有显著的正向调节效应。而该结果很可能是基于数字化转型优化产业结构而导致的。为此，本部分构造数字化转型的中介变量，用各省市产业结构服务化即以第三产业增加值占第二产业增加值的比值（Ser）来表征。借鉴张杰等[46]的中介效应检验方法，探究生产性服务业数字化转型调节效应产生的内在机理和传导路径。估计结果见表5，其中第（1）列为基础回归，第（2）列是核心解释变量和控制变量对中介变量的回归，第（3）列是纳入中介变量的回归。

表5第（2）列中，生产性服务业数字化转型的直接效应和外溢效应均显著为正，这表明数字化转型对产业结构服务化优化产生显著的推动作用。数字技术加速了生产性服务业的信息化和数字化程度，推动产业链延伸，促进生产性服务业与制造业联动融合。知识与信息的共享，形成协同创新的网络生态系统，以空间集聚形成的跨技术、跨地区、跨行业的深度融合创新行为，加速产业链延伸，形成“服务+制造“的空间布局。第（3）列中数字化转型对技术创新产生统计上显著的直接效应和外溢效应，与空间集聚交互项的直接效应参数估计量也显著为正；产业结构服务化（Ser）以及交互项Ser*Mar、Ser*Jac的直接效应系数均显著为正。与第（1）列相比较，第（3）列数字化转型及其与空间集聚交互项的参数估计量均有所下降。这意味着，数字化转型影响空间集聚的创新效应是通过产业结构服务化这一中介路径传导的。综上，生产性服务业数字化转型通过促进产业结构服务化的中介传导路径，积极影响空间集聚推动技术创新的调节作用。数字化转型有助于生产性服务业和制造业更好地连接，促进生产要素在城市间、产业间自由游动，降低创新要素的交易成本和集聚成本，加速突破产业融合过程中的技术壁垒。形成自由有序的要素市场，打造高水平数字服务产业链。促进高端生产性服务业集聚发展形成新兴产业，通过产业渗透促使研发设计、商贸物流等高端服务要素在制造业中投入越来越重要。数字化共享平台推动生产性服务业集聚的差异化和创新发展，能够适应和抓住数字化转型的企业及所属行业将获得新一轮发展的主动权，全面推动产业结构转型和优化，从而为创新发展注入新动能。

5 结语

文章通过构建包含调节效应和中介效应的空间杜宾模型，探究生产性服务业数字化转型、空间集聚对制造业技术创新的影响效应。研究表明：生产性服务业数字化转型、专业化集聚显著地推动了制造业技术创新，多样化集聚虽促进了本地技术创新，但却抑制了相邻地区的技术创新。生产性服务业数字化转型在空间集聚影响技术创新时具有积极的调节作用，强化了专业化集聚对技术创新的积极影响，抑制了多样化集聚的负向外溢效应。生产性服务业数字化转型正向调节了空间集聚对制造业技术创新的影响，这一作用机制是通过优化产业结构的传导路径来实现。

首先，推进生产性服务业数字化转型进程，赋能产业技术创新。借助数字技术打破要素自由流动的壁垒，促进信息和技术共享，推动要素资源跨技术、跨区域、跨产业的有效配置，加强区域间协同高效合作和产业链深度融合。在提升产业创新环境同时，推动区域创新协同发展。重视生产性服务业数字化转型，为攻克数字核心技术和高效安全的数字化转型技术体系的打造提供财税和金融支持。为了更充分地挖掘生产性服务业数字化转型的创新效应，各地政府根据本地产业需求和结构特征，合理选择与运用数字技术，实现产业高质量发展，达到产业技术创新的可持续性与可积累性。因而，各地结合顶层设计和产业发展需要，因地制宜地构建数字化生态体系。

其次，结合本地产业结构特征、资源禀赋和发展规划，选择匹配的生产性服务来集聚模式。各地政府高度重视地区间产业发展的协同性和均衡性，缓解因多样化集聚引致的专业化不足和资源空间错配等问题。科学制定生产性服务业发展规划，为空间集聚优化提供税收优惠、财政扶持和融资保障等政策措施，推动生产性服务业高质、有效发展。防止地区间低端生产性服务业的盲目竞争和同质恶性竞争，借助数字化转型强化产业联动，大力推进生产性服务业空间集聚模式优化，充分发挥空间集聚对技术创新的积极影响。在强化生产性服务业专业化集聚同时提升多样化集聚效应，着力解决多样化集聚引致的专业化不足、集聚效果不充分和产业空间错配等问题。大力推进生产性服务业与制造业的数字化融合，尤其关注高端生产性服务业集聚模式优化，从而构建高效协同的关联产业体系。

最后，以数字化转型为抓手，培育形成产业创新发展的新动能。挖掘生产性服务业数字化转型的新模式，不断优化产业创新发展的核心竞争力。通过数字化转型，形成数字创新网络平台，加速创新主体和创新要素高效集聚。设计优势互补、资源联动的创新协同机制，搭建高效、协同的创新网络平台。以数字化转型为抓手，推动服务供应商、生产商和消费者无缝对接，形成产业链、价值链与创新链联动，实现数字技术与信息在产业间延伸。低端生产性服务业选择成本低、易吸收的技术，逐步推广数字化转型，通过企业不断吸收、积累知识和技术以实现与数字化深度融合，提升产业发展动能。鼓励可延伸拓展的协同创新和竞争性创新，充分发挥数字化转型的知识溢出效应，推动信息和技术在产业间扩散，构建协同创新体系，助力产业提质增效。

参考文献：

[1] 盛斌，刘大勇，皮亚彬．现代服务业集聚的形成机制：空间视角下的理论与经验分析[J]．世界经济，2016（03）：144-165．

[2]龚勤林，王舒鹤.西部地区生产性服务业集聚对区域经济发展的影响：机制与实证[J].经济体制改革，2021（05）：48-54.

[3]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（10）：65-76.

[4]KOLKO，JED．The high-tech rural renaissance？Information technology，firm size and rural employment growth［R］．

Washington：US Small Basiness Administration Office of Advocacy Report，2000.

[5]江小涓．高度联通社会中的资源重组与服务业增长[J]．经济研究，2017（03）：4-17．

[6]PETERS B，RILEY R R，SIEDSCHLAG I，et al.Internationalization，innovation and productivity in services：Evidence from germany，ireland and the united kingdom[J].Review of World Economics，2018，154（03）：585-615.

[7]伏开宝，陈宪.后工业化时期中国服务业生产率影响因素研究[J].经济问题探索，2021（03）：181-190.

[8]江小涓，罗立彬.网络时代的服务全球化——新引擎、加速度和大国竞争力[J].中国社会科学，2019（02）：68-91+205.

[9]夏杰长．迈向“十四五”的中国服务业：趋势预判、关键突破与政策思路[J]．北京工商大学学报（社会科学版），2020（04）：1-10+31.

[10]陈剑，黄朔，刘运辉.从赋能到使能——数字化环境下的企业运营管理[J].管理世界，2020（02）：117-128+222.

[11]薛成，孟庆玺，何贤杰.网络基础设施建设与企业技术知识扩散——来自“宽带中国”战略的准自然实验[J].财经研究，2020（04）：48-62.

[12]OECD．Measuring the digital economy：A new perspective[M].Paris：OECD Publishing，2014．

[13]余东华，信婧．信息技术扩散、生产性服务业集聚与制造业全要素生产率[J]．经济与管理研究，2018（12）：63-76.

[14]GIULIO C，ANDREA F，MARZETTI G V.Spatial agglomeration and productivity in Italy：A panel smooth transition regression approach[J].Papers in Regional Science，2015，94（S1）：39-67.

[15]LIN H L，LI H Y，YANG C H.Agglomeration and productivity：Firm-level evidence from China’s textile industry[J].China Economic Review，2011，22（03）：313-329.

[16]KIM Y R，WILLIAMS A M，PARK S，et al.Spatial spillovers of agglomeration economies and productivity in the tourism industry：The case of the UK[J].Tourism Management，2021（82）：104201.

[17]MAINE E M，SHAPIRO D M，VINING A R.The role of clustering in the growth of new technology-based firms[J].Smallmusiness Economics，2010（02）：127-146.

[18]李斌，杨冉.生产性服务业集聚与城市经济绩效[J].产业经济研究，2020（01）：128-142.

[19]梁军，从振楠.产业集聚与中心城市全要素生产率增长的实证研究——兼论城市层级分异的影响[J].城市发展研究，2018，25（12）：45-53.

[20]韩峰，洪联英，文映.生产性服务业集聚推进城市化了吗？[J].数量经济技术经济研究，2014，31（12）：3-21.

[21]ZHANG H.How does agglomeration promote the product innovation of Chinese firms？[J].China economic review，2015，40（35）：105-120.

[22]刘乃全，吴友，赵国振.专业化集聚、多样化集聚对区域创新效率的影响——基于空间杜宾模型的实证分析[J].经济问题探索，2016（02）：89-96.

[23]ANTONIETTI R，CAINELLI G.The role of spatial agglomeration in a structural model of innovation，productivity and export：A firm-level analysis[J].The Annals of Regional Science，2011，46（03）：577-600.

[24]彭向，蒋传海.产业集聚、知识溢出与地区创新——基于中国工业行业的实证检验[J].经济学（季刊），2011，10（03）：913-934.

[25]KEEBLE D，NACHUM L.Why do business service firms cluster？Small consultancies，clustering and decentralization in London and Southern England[J].Transactions of the Institute of British Geographers，2002，27（01）：67-90.

[26]杨仁发，刘勤玮.生产性服务投入与制造业全球价值链地位：影响机制与实证检验[J].世界经济研究，2019（04）：71-82+135.

[27]JACOBS J.The economy of cities[M].New York：Vintage，2016.

[28][美]阿弗雷德·马歇尔著．经济学原理［M］．志英，译.北京：中华工商联合出版社，2017．

[29]沈国兵，袁征宇.企业互联网化对中国企业创新及出口的影响[J].经济研究，2020（01）：33-48.

[30]吕铁，李载驰.数字技术赋能制造业高质量发展——基于价值创造和价值获取的视角[J].学术月刊，2021（04）：56-65+80.

[31]WALDFOGEL J.Preference externalities：An empirical study of who benefits whom in differentiated product markets[J]，RAND Journal of Economics，2003，34（3）：557-568.

[32]HALLECK V S，ELHORST J P.The SLX model[J].Journal of Regional Science，2015，55（03）：339-363.

[33]ELHORST J P.Applied spatial econometrics：Raising the bar[J].Spatial economic analysis，2010，5（01）：9-28.

[34]白俊红，蒋伏心.协同创新、空间关联与区域创新绩效[J].经济研究，2015，50（07）：174-187.

[35]党琳，李雪松，申烁.制造业行业数字化转型与其出口技术复杂度提升[J].国际贸易问题，2021（06）：32-47.

[36]齐俊妍，任奕达.数字经济发展，制度质量与全球价值链上游度[J].国际经贸探索，2022，38（01）：51-67.

[37]COMBES P P.Economic structure and local growth：France，1984—1993[J].Journal of urban economics，2000，47（03）：329-355.

[38]GRLICHES Z.Issues in assessing the contribution of research and development to productivity growth[J].The Bell Journal of Economics，1979，10（1）：92-116.

[39]DURANTON G，PUGA D.Chapter 48-Micro-Foundations of urban agglomeration economies[C]//Henderson J V，Thisse J.Handbook of Regional and Urban Economics.Elsevier，2004：2063-2117.

[40]HORNUF L，KLUS M，LOHWASSER T，et al.How do banks interact with fintechs？Forms of Strategic Alliance and Their Economic Impact[J].2018，20（13）：1505-1526.

[41]LI Y，HKANSSON J，MIHAESCU O，et al.Agglomeration economies in urban retailing：Are there productivity spillovers when big-box retailers enter urban markets？[J].Applied Economics Letters，2019，26（19）：1586-1589.

[42]张天华，陈博潮，雷佳祺.经济集聚与资源配置效率——多样化还是专业化[J].产业经济研究，2019（05）：51-64.

[43]LESAGE J，PACE R K.Introduction to spatial econometrics（1st ed）[M].New York：Chapman and Hall/CRC，2009.

[44]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（02）：72-94+219.

[45]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（08）：5-23.

[46]张杰，杨连星，新夫．房地产阻碍了中国创新么？——基于金融体系贷款期限结构的解释［J］．管理世界，2016（05）：64-80．

（责任编辑：严焱）

收稿日期：2023-11-13

基金项目：浙江省科技厅软科学项目（2023C35112，2022C35049）；国家统计局项目（2022LY069）；教育部人文社会科学研究规划基金项目（21YJA630028）

作者简介：王必锋（1977—），男，浙江奉化人，博士，教授，主要从事数字经济、服务贸易、对外直接投资方面的研究。