广州市制造业和服务业协同发展的影响机制及经济效应研究

罗嘉雯 崔文晓 万欣怡

摘要：本研究基于2011—2020年广州市101家上市企业的面板数据，从微观层面探究广州市制造业和服务业间的协同集聚效应，并进一步分析制造业与服务业协同发展的影响因素和经济效应。通过复合协同度模型和时间序列模型的分析结果表明，广州市制造业和服务业整体上协同效果较弱且缺少稳定性，在相同基期的统计口径下二者于2018年进入并保持基本协同阶段；在相邻基期的统计口径下二者仅在2018年达到过中度协同演变，其他观察期内均为非协同演变到低度协同演变的阶段。此外，广州市制造业与服务业协同发展对区域经济高质量发展具有促进作用，并且受到产业结构优化升级、研发资金投入以及市场开放水平的积极影响。

关键词：制造业；服务业；产业协同效应；经济效应；高质量发展

【中图分类号】 F719    doi：10.3969/j.issn.1674-7178.2024.03.005

引言

2021年3月，国家发展改革委等13个部门发布的《关于加快推动制造服务业高质量发展的意见》指出，“构建协同发展生态，加强区域协作，增强产业布局协同性，实现功能互补、错位发展，形成一体化发展的制造服务业生态圈”[1]。2023年4月，习近平总书记在广东考察时强调，“广东要始终坚持以制造业立省，更加重视发展实体经济，加快产业转型升级，推进产业基础高级化、产业链现代化，发展战略性新兴产业，建设更具国际竞争力的现代化产业体系”[2]。产业协同发展可以促进区域内各要素合理配置，充分发挥区域的资源优势，不断推动区域产业转型升级、提升区域产业发展整体竞争能力。因此，立足现有资源禀赋与产业优势，构建多层次、多元化的产业分工协作体制，推动产业协同发展，对于广州市建设现代化产业体系、促进经济体系优化升级具有重要意义。

改革开放以来，广州凭借优越的区位优势和独特的资源优势，实现了经济的快速发展。根据《广州统计年鉴2022》的相关数据，2021年广州市地区生产总值为28231.97亿元，同比增长8.1%。其中，第一产业增加值为306.41亿元，同比增长5.5%；第二产业增加值为7722.67亿元，同比增长8.5%；第三产业增加值为20202.89亿元，同比增长8.0%。按照行业划分，2021年广州市的工业产值为6716.71亿元；交通运输、仓储和邮政业，以及房地产业和其他服务业的产值分别为1524.84亿元、3258.10亿元、8765.43亿元。由此可见，广州市各产业、各行业的产值虽稳步增长，但仍存在产业发展不平衡不协调的问题。

分析2011—2020年广州市三大产业的产值和增长率（图1）可知，广州市三次产业的发展存在较大差距，第一产业产值始终处于较低的水平，第二产业、第三产业则是广州市的支柱产业。在2015年之前，第二产业和第三产业产值相近，且第二产业略微领先第三产业；在2015年之后，广州市第三产业迅猛发展，第二产业增长率却逐年下降。究其原因可能是，2015年广州工业企业生产经营困难加大，但金融业、房地产业以及以“互联网+”为代表的新产业、新业态、新商业模式蓬勃发展，拉动第三产业经济迅速增长。此外，随着广州市“十三五”规划强化“三农”基础地位、加快农业现代化建设等政策的推行，广州市第一产业产值增长率在2016—2020年期间逐年上升。

不过，在产业协同发展过程中，广州市仍存在产业结构不合理、传统制造业和服务业面临改造升级、新兴产业发展不充分、龙头企业较少等问题。广州市第二产业结构中的汽车、电子、石化三大支柱产业增长率虽逐年下滑，但这三大支柱产业产值占全市工业总产值的比值仍超过50%，产业结构偏离度较高；作为广州市优势产业的传统制造业和传统服务业受到新冠疫情的冲击，亟须改造升级以及培育新兴产业；广州市虽已具备在移动互联网、人工智能等战略性新兴产业领域的发展基础，并形成了众多产业园区，产业集聚效应显著，但仍存在资源配置能力不够强，科技服务业、金融产业、文化创意产业等高端服务业发展不充分、龙头企业不多等短板。随着广州市新旧动能转换的纵深发展、产业结构高端化趋势加强，开展广州市产业协同发展效应方面的研究就显得尤为重要。因此，本文以广州市两大优势产业——制造业和服务业为研究对象，通过收集广州市制造业和服务业上市企业的相关财务数据，构建具有高解释度的产业投入产出量化指标，建立产业复合系统协同度模型，研究广州市制造业和服务业及其子系统的协同发展关系与经济效应，并对进一步推进广州市产业协同发展提出相关建议。

一、文献综述

产业协同是一个从生产和发展实践中得到的概念，一般是指不同企业从相互独立、相互隔绝的无序产业系统演化成为相互联系、相互支撑的先进产业体系的过程和状态。目前国内外对于产业协同发展的研究，产出了一系列成果。本研究将从产业发展协同效应以及产业协同发展的经济效应两个方面进行介绍。

关于产业发展协同效应的相关研究，Jed Kolko分析了成对的产业而不是单个产业的区位模式，并且加入了额外的衡量标准，发现知识溢出和行业之间的直接贸易关系驱动了制造业与服务业的协同集聚[3]。从产业演变的角度看，Markus Kelle在分析德国制造商的出口服务活动时，认为无论是制造业还是生产性服务业在其发展的过程中都离不开彼此间的互动协同作用[4]。江曼琦和席强敏研究了2008年上海市的制造业各部门与生产性服务业各部门的空间协同集聚状况，发现投入产出关系并不是决定制造业和生产性服务业空间协同集聚的重要动因[5]。王文成和隋苑利用省级面板数据测算区域创新效率，结合空间计量模型分析了生产性服务业和高技术产业协同集聚对区域创新效率的空间效应[6]。郭然和原毅军基于2005—2018年地市级面板数据分析了互联网发展对产业协同聚集的影响，结果表明互联网发展水平超过一定阈值将促使生产性服务业与制造业向空间非一体化方向转变[7]。还有研究表明，产业协同集聚具有空间溢出效应，可以促进区域绿色发展[8]。

针对产业协同发展的经济效应研究，Ron Boschma等在分析意大利进出口数据时，认为生产性服务业与制造业集聚有助于两者互补，产业协同发展有助于提高两个产业的生产效率，促进区域经济增长[9]。周四清和庞程基于粤港澳大湾区制造业、金融业及教育行业的面板数据，通过多元回归分析发现制造业、金融业及教育行业相互协调和渗透，能有效提升区域经济发展水平[10]。金浩和刘肖基于省级面板数据利用中介效应模型研究产业协同效应，发现产业协同集聚对经济增长具有直接促进作用，并且通过促进技术创新发挥积极部分中介效应[11]。Nicolas Bijon 等关注了工业共生与生物经济的概念，试图通过相关研究减少对不可再生资源的依赖性并强调农业与工业协同发展的重要意义[12]。汪慧玲等基于2011—2020年的省级数据分析生产性服务业与制造业协同集聚对区域经济韧性的影响，发现产业协同集聚对区域经济韧性具有显著的促进作用[13]。

从上述文献可以看出，许多学者对省级及以上地区的产业协同发展进行研究，分析视角偏向宏观层面，或是将不同地域内的产业协同程度进行比较，或是在研究产业结构及产业体系的基础上提出优化发展路径，或是研究两种产业的空间关联效应，而较少从系统角度研究两种产业之间的协同效应。本文将广州市制造业和服务业作为协同运作的复合系统进行研究，从微观层面的新视角进行实证分析，以期为广州产业政策提供参考。本研究的贡献主要体现在以下几点。首先，本研究借鉴协同性的序参量原理构造了研究序参量，并构建子系统有序度测度模型与标准的复合系统协同度模型，赋予广州市制造业和服务业不同的变量指标与权重，对两种产业协同发展的趋势效应进行分析。其次，现有文献较少研究某一城市不同产业间的协同集聚效应，而本研究基于广州市相关经济数据构建产业复合系统协同度模型，分析了广州市制造业和服务业的协同集聚效应，并对完善广州市产业协同发展体系提出建议。

二、研究设计

本文的研究对象是广州市制造业与服务业之间的协同程度。两种产业可被视为一个复合系统，系统内部又包含若干相互影响的子系统。在协同度测度模型的选择上，本研究参考高舒锐和孟卫东、曹东坡等人的研究[14-15]，采用孟庆松和韩文秀提出的复合系统协同度模型[16]，对制造业与服务业间协同度的影响因素及经济效应进行实证分析。

（一）复合系统协同度模型

复合系统协同度模型是以协同学①为基础，对复合系统内部各要素的有序度以及系统协同度进行有效测度的一类模型。复合系统包含由若干序参量组成的子系统，各子系统之间存在着关联关系。子系统协同度是通过序参量的时间序列变化进行的动态分析，复合系统协同度则是根据不同时期子系统协同度的变化进行测度的结果[17]。复合系统协同度模型作为协同性理论相关应用中最为常见的研究模型，被广泛应用于所研究协同对象协同效果的度量，如在宏观层面上对跨区域协同发展状况的研究[18-20]，在中观层面上对产业间协同状况、产业升级与创新协同关系的研究[21-23]，在微观层面上对企业内部门间协同效果的研究等[24-26]。基于复合系统协调度模型，结合制造业和服务业系统协同的特点，本研究建立了广州市制造业和服务业系统协同的测度模型，将广州市制造业和服务业的复合协同系统定义为系统S，并将其分为制造业产出投入子系统[S1]和服务业产出投入子系统[S2]。各个子系统由若干序参量组成，即[ej=（ej1，ej2，...eji，...ejn）]，其中[j=1，2]；[βji≤eji≤αji]，[i∈1，n]，[n≥2]，[βji]和[αji]分别为序参量分量[eji]的下限和上限。

复合系统有序度的测算过程包括序参量有序度测算、子系统有序度测算、复合系统协同度测算。假定[ej1，ej2，...ejl]的取值越大，系统的有序程度越高；其取值越小，系统的有序程度越低。假定[ejl+1，...ejn]取值越大，系统的有序程度越低；其取值越小，系统的有序程度越高。各子系统的序参量有序度[μjeji]的测算方法为：

[μj（eji）=eji-βjiαji-βji，i∈1，lαji-ejiαji-βji，i∈l+1，n]           （1）

[μj（eji）]为序参量分量对系统有序的功效。当对应的序参量分量指标越大越好时，称之为正向指标；当对应的序参量分量指标越小越好时，称之为逆向指标[27]。即在式（1）功效函数中，当[i∈1，l]时，[eji]代表正向指标，[μj（eji）]具有正功效；当[i∈l+1，n]时，[eji]代表逆向指标，[μj（eji）]具有负功效。由式（1）可知，[μj（eji）∈0，1]，其值越大，则[eji]对系统有序的功效就越大。本研究根据3σ原则将标准化后的数据向右平移3个单位，保证所有的数据都大于0。同时，为避免求得波动水平时出现不易处理的0、1极值，本研究以现有时间序列数据的最小值[βji]乘以（1-5%）确定下限，以最大值[αji]乘以（1+5%）确定上限。

各子系统[Sj]的有序度测算则通过各子系统序参量有序度的集成来实现。本研究采用线性加权求和法对各序参量进行集成，并采用客观赋权法中的熵值法确定权系数[λi]。各子系统[Sj]（[j=1，2]）的有序度测算公式为：

[μj（ej）=i=1nλiμj（eji），λi≥0，i=1nλi=1]   （2）

由子系统有序度测算公式可知[μj（ej）∈0，1]。

复合系统协同度根据两时刻间各子系统有序度的变化来测算。设初始时刻t0各子系统的有序度为[μ0j（ej）]，在复合系统发展演变过程中的时刻t1各子系统的有序度为[μ1j（ej）]，则复合系统协同度的测算公式为：

[C=θj=12u1jej-u0jej]            （3）

其中，[θ=minju1jej-u0jejminju1jej-u0jej]，故而可知[C∈-1，1]，协同度数值越高，表明复合系统的协同效应越好。式（3）有两种运算法则，一种是以相同时期为基期，反映一段时期内复合系统的长期演化趋势，目前被大多数国家和国际组织普遍采用；另一种是以相邻时期为基期，可以较好地分析复合系统是否处于稳定的协同状态。基于此，本研究将运用上述两种运算法则，分别测算复合系统相同基期协同度与复合系统相邻基期协同度。对于相同基期的协同度评价，本研究采用目前多数国际组织的协同度状态划分标准；对于相邻基期的协同度评价，本研究参照夏业领和何刚的研究[28]采用具体等级划分，详见表1。

（二）数据与变量

1.制造业和服务业协同度测算指标

本研究参考陈运森等人的方法[29]，选用注册地为广州市且上市时间在2020年之前的上市企业，以2011—2020年的数据为研究样本，从微观视角对广州市制造业和服务业的协同集聚效应进行研究。依据广州统计年鉴产业分类目录，服务业包含的行业类型为交通运输、仓储和邮政业，信息传输、软件和信息技术服务业，房地产业，租赁和商务服务业，科学研究和技术服务业，水利、环境和公共设施管理业，卫生和社会工作，文化、体育和娱乐业。因此，本研究在万得（Wind）数据库中参照证监会门类行业分类标准，对广州市属于制造业以及交通运输、仓储和邮政业，信息传输、软件和信息技术服务业，房地产业，租赁和商务服务业，科学研究和技术服务业，水利、环境和公共设施管理业，卫生和社会工作，文化、体育和娱乐业行业类型的上市企业进行筛选，获得符合要求的上市企业101家，其中制造业企业64家、服务业企业37家。本研究将基于上市公司披露的资料和数据来探究制造业和服务业上市企业间关于资本投入和成果产出的协同效应，选取合适的代表企业资本投入和成果产出的指标，构建复合协同度模型，并进一步通过实证分析得出相应的结论。

在制造业和服务业投入指标的选取上，本研究参考陈海声和卢丹的方法[30]，将企业资本投入划分为研发（R&D）资金投入和研发人员投入，其中研发（R&D）资金投入用企业平均研发投入强度（RDI）来衡量。RDI的计算方式为同一产业下企业的平均研发费用占营业收入的比重，比重越大表明企业研发（R&D）资金投入占比越高。另外，研发人员投入也体现了企业资本投入的侧重程度，企业平均研发人员占比越高直接说明了研发人员投入越高。

随着企业研发投入的增加，企业创造知识的能力得到提升，推动了技术进步，具体表现为专利授权与发明授权的增加。技术进步又带动企业创新能力的提升，进而促进企业扩大自身规模。因此，本研究在对企业成果产出和企业规模的指标选取上，参考李习保对企业成果变量的定义[31]，将企业平均专利授权数量和发明授权数量之和作为企业成果产出的指标，用企业平均年末总资产的对数和平均利润总额的对数作为企业规模的指标。

综上可知，本研究将制造业和服务业子系统分为资本投入和成果产出两个序参量，具体的要素指标如表2所示。本研究的指标数据均来源于万得（Wind）数据库及中国经济金融研究数据库（CSMAR）。

2.协同度影响因素与其经济效应相关指标

为进一步探究广州市制造业和服务业上市企业间关于资本投入和成果产出协同度的影响因素以及产业协同的经济效应，本研究借鉴相关研究[32-35]，从产业结构、投资因素和市场环境三个层面选择经济指标对产业协同度的影响因素进行实证检验，并将它们作为控制变量分析产业协同度的经济效应。同时，本研究将地区生产总值作为经济效应的代理变量，用于制造业与服务业资本投入和成果产出协同度的经济效应研究。上述指标数据均来源于相应年份的广州统计年鉴，具体的指标定义如表3所示。

三、实证分析

（一）制造业和服务业投入与产出协同度测算

由于各指标量纲的不同，并且受到指标正向或是负向指标的共同影响，本研究在构建复合协同度模型时首先用式（1）进行标准化处理，最终得到的各序参量有序度计算结果如表4所示。

根据由各序参量有序度绘制的时间趋势折线图（图2），相应的子系统之间各序参量相互发展趋势相同，并且整体水平上呈现出大致逐年递增的趋势。从不同产业情况来看，制造业在2017年开始有着较大幅度的提升，表明广州市制造业的投入及产出在2017年开始呈明显的上升趋势，然而其在前几年均处于波动的状态；与之对应的服务业在整体上均保持逐年上升的局面。这是国家近几年来对服务业加大支持力度的体现。此外，粤港澳大湾区的建设发展也进一步提升了广州市整体的服务业水平。

本研究运用熵值法对各有序度的结果进行指标权重计算，然后按照式（2）进行加权组合得到各子系统的有序度，最后根据式（3）建立制造业和服务业的协同度模型以及两大产业间的复合协同度模型。其中，相同基期数据测算以2011年为基年，相邻基期数据测算以其上一年为基年。各系统有序度以及复合系统协同度的计算结果如表5所示。

表5的前两栏展示了各子系统的有序度时间序列，由此可得出时间趋势折线图（图3）。从图3可以看出，广州市制造业和服务业的投入产出结果在2017年以前均处于平稳波动的态势，但自2017年以来呈现出新的爆发趋势。这主要得益于广州市实施IAB②、NEM③等新兴产业发展行动，并重点抓住了琶洲互联网创新集聚区、增城新型显示价值创新园、番禺思科智慧城等10个价值创新园区的建设，全方位地形成6个千亿级产业集群，建设影响全球、引领全国的IAB产业集聚区。

同样，根据广州市制造业和服务业间的协同度时间趋势折线图（图4），以相同基期作为统计口径，2011—2017年这两大产业的发展处于不协同局面，协同度始终没有超过0.2。从2018年开始，制造业和服务业的协同度上涨至2018年的0.62，2019年维持在0.5以上，并于2020年达到0.68，实现了基本协同。而以相邻基期为统计口径，两大产业间的协同度除了在2018年达到0.48之外，其他观察期内均在0附近波动。总体而言，以相同基期作为统计口径，2011—2017年制造业和服务业处于轻度的不协同阶段，并于2018年开始进入并保持基本协同阶段。以相邻基期作为统计口径，制造业和服务业除了在2018年达到中度协同演变外，其他观察期内均为非协同演变到低度协同演变的阶段。

综上可知，广州市制造业和服务业协同发展虽然近年来有所进步，但协同度波动较大且协同效果仍不明显，其背后的影响机制值得进一步研究。

（二）制造业和服务业协同度的影响因素研究

为分析广州市制造业和服务业间资本投入和成果产出协同度的影响因素，本研究将利用复合系统协同度模型测算的制造业和服务业协同度作为被解释变量，基于过往研究从产业结构、投资因素和市场环境三个层面选择变量作为解释变量，构建如式（4）至（7）所示的计量模型进行实证分析。其中，为分析各类影响因素指标对产业协同度的影响，各解释变量均取滞后一期，且进行标准化处理以消除量级的影响。

[ISt=β0+β1ISRt-1+εt]                           （4）

[ISt=β0+β1FAIt-1+β2RDt-1+εt]        （5）

[        ISt=β0+β1FDIt-1+β2domestict-1+β3foreignt-1+εt]    （6）

[      ISt=β0+β1ISRt-1+β2FAIt-1+β3RDt-1+β4FDIt-1+β5domestict-1+β6foreignt-1+εt  ] （7）

表6展示了不同类型的经济变量对制造业和服务业间协同度影响程度的检验结果。从第（1）、第（4）列的回归结果可以看出，产业结构优化率的回归系数在1%的显著性水平下显著为正，说明产业结构因素对制造业和服务业复合系统协同度具有显著影响，当其从低水平向高水平转化时，可以推动制造业和服务业间的协同发展[36]。究其原因，一方面，基于外部经济理论、交易费用理论、产业区位理论等产业集聚理论，制造业和服务业之间的投入产出关联可以通过互补和虹吸效应增强产业间的协商能力和有机联系，以规模经济、要素积累、技术溢出等方式促进产业结构优化。高水平的产业结构有助于吸引企业入驻集聚区，同时降低产业间的协同交易成本，从而促进制造业和服务业间的协同发展[37]。另一方面，产业升级可以通过拉动本地制造业或生产性服务业的市场需求、扩大市场规模、降低交易成本、促进技术创新等，吸引制造业或生产性服务业企业入驻，进而扩大协同集聚规模，推动不同产业间的协同发展[38]。

在投资因素层面，虽然固定资产投资的回归系数并不显著，但R&D经费内部支出的回归系数在第（2）、第（4）列的回归结果中均显著为正。这说明在经济增长过程中，投资水平对产业升级与协同创新有着重要影响 [39]，特别是对研发活动的投资有助于制造业和服务业间的协同发展。分析其原因，传统产业的改造升级与新兴产业的技术投资均离不开相关研发活动的资金投入，而R&D经费内部支出是产学研合作中人才与产业协同创新的重要载体，是产业进行科技创新活动的直接来源。高强度的R&D经费内部支出既可以增强企业的研发实力、提升企业的技术水平，为产业协同创新提供更多的机会，也可以加快产业创新的推广应用，从而更有利于不同产业的协同创新发展。

在市场环境层面，第（3）、第（4）列的回归结果中社会消费品零售总额的系数显著为负，说明国内市场需求增加对广州市产业协同具有抑制作用。究其可能的原因，一是当期的产业结构并不能完全匹配消费结构。当国内市场的消费需求增大、消费结构升级时，传统工业企业由于投资大、周期长以及生产线限制等原因难以在短期内进行转型和创新，甚至出现产能过剩，降低了产业结构的优化效率，进而不利于制造业与服务业的协同创新[40]。二是由于受限于数据可得性，广州市制造业和服务业产业协同度的测算数据仅包括上市企业数据，而没有考虑未上市制造业和服务业企业的经济数据，因而也可能造成回归结果出现一定的偏差。此外，回归结果中外商直接投资和商品出口总值的回归系数均显著为正，说明开放的经济环境营造了活跃的市场氛围，有助于提高产业间的协同度。市场在生产要素配置过程中发挥着决定性作用，当市场发育较为成熟、环境高度开放时，往往会发生市场牵引型城市群产业协同。而且，在产业协同过程中，市场主体在市场机制下会自动形成优势互补、分工协作、空间优化的城市群区域产业体系[41]。

（三）制造业和服务业协同度的经济效应研究

为进一步分析制造业和服务业间资本投入和成果产出协同度的经济效应，本研究用广州市地区生产总值指代经济效应并将其作为计量经济模型的被解释变量，将前文测算的产业协同度作为关键解释变量，将从产业结构、投资因素以及市场环境三个层面选择的经济变量作为控制变量，构建如式（8）所示的计量模型进行实证分析。其中，为分析产业协同度对经济发展的影响，产业协同度指标和各控制变量均取滞后一期，并对控制变量和经济效应指标进行标准化处理以消除量级的影响。

[GDPt=α+βISt-1+γControlt-1+εt]   （8）

表7展示了在设置不同的控制变量条件下，制造业和服务业协同度的经济效应回归结果。从第（1）列的回归结果可知，产业协同度指标的回归系数为2.519，并在1%的水平上显著，说明制造业和服务业之间的协同集聚对区域经济发展具有显著的正向影响。究其原因，一方面，产业协同往往伴随着生产要素的跨区域流动。通过资源的有效配置，产业集聚区内所有产业可以共享通信、交通等基础设施，节约生产成本，提升生产效率，实现经济“量”的增长。另一方面，产业协同有助于知识的传播，可以有效地促进区域内信息、技术以及工作经验的快速扩散，营造有利于技术创新发展的环境，推动产业集聚区内同类企业之间形成良性竞争，从而形成创新成果，实现经济增长“质”的提升[42]。

从第（2）至（4）列的回归结果可知，增加控制变量之后，产业协同度的回归系数仍显著为正。加入产业结构层面控制变量，回归结果中产业结构优化率的系数均显著为正，说明产业结构的优化升级可以有效推动经济发展[43]。从低水平向高水平转化的过程中，产业结构也从劳动密集型产业占优发展到资本密集型产业占优，最后转化成技术密集型产业占据主导地位[44]。这将促进资源的有效供给和配置，从而释放产业结构红利，促使经济持续增长[45]。加入投资因素层面控制变量，回归结果中固定资产投资和R&D经费内部支出的系数均显著为正，说明这两者对经济增长有积极影响。政府可以通过实施主动的R&D经费投入、固定资产投资等措施来实现要素收益的递增，最终实现经济的长期增长 [46]。回归结果中社会消费品零售总额的系数显著为正，说明消费的增长可以拉动投资需求、推动经济增长。此外，消费也是引导资源有效配置和产业结构优化的重要因素。消费结构变动使得产业结构随之变动，从而对经济增长产生一定的影响[47]。

四、结论讨论与对策建议

（一）结论讨论

产业协同集聚对区域经济高质量发展具有重要影响。本研究把广州市制造业和服务业视为协同运作的复合系统，测算和分析该系统的协同度水平并得出以下结论。第一，本研究测算得出，广州市制造业和服务业子系统各序参量的发展趋势相同，并且在整体水平上呈现出逐年递增的趋势，但制造业和服务业之间的协同集聚效应尚不明显、发展趋势稳定性有所欠缺。第二，本研究从产业结构、投资因素以及市场环境三个层面选取经济变量，对制造业和服务业协同度的影响因素进行实证分析，发现产业结构优化率、R&D经费内部支出和外商直接投资在回归结果中的系数均显著为正。这说明优化升级产业结构、增加研发投入和提升市场开放水平，均可以推动广州市制造业和服务业的协同发展。第三，本研究将广州市地区生产总值作为经济发展指标，分析制造业和服务业间资本投入和成果产出协同度的经济效应，发现协同度的回归系数显著为正。这说明制造业与服务业协同发展具有积极的经济效应。

（二）对策建议

推动制造业与服务业协同发展对于广州市形成协同发展的产业体系、实现高质量发展具有重要意义。本研究围绕推进广州市这两大产业更好地协同发展提出以下三方面的对策建议：

1.推进制造业和服务业良性协同融合，加快产业结构优化升级进程。一是运用新技术、新工艺等加大对传统优势产业的改造力度，利用原有优势进行品牌培育，开拓品牌供应链和价值链等。以传统的轻纺工业为例，广州可利用新工艺自主研发高密织物等新材料，培育广州服装品牌，提高产品的附加价值。二是对于纺织服装、食品饮料、建筑材料等传统制造业，有序引导污染较大、市场竞争力较差的企业外迁，同时引入行业内龙头企业，并加强与粤港澳大湾区其他城市在现代化制造业上的合作。广州应发挥各类产业园区的带动作用，加强本地企业与周边城市先进制造业企业的技术合作，推动与深圳、东莞共建珠江东岸高端电子信息制造产业带，与佛山、珠海、中山等城市共建珠江西岸先进装备制造业产业带，形成区域内产业集群，实现产业的协同创新发展。三是加速广州服务业结构的优化升级，从以生活性服务业为主向强调发展生产性服务业转变。广州的金融业、信息传输、计算机服务和软件业等附加值较高的现代服务业发展有待进一步加快，金融业增加值占服务业的比值与北京、上海等其他一线城市比还有差距。未来，广州应提升现代服务业内生增长动力，利用国家服务业扩大开放综合试点等途径推动生产性服务业发展，建设现代服务业强市。

2.加大研发投入，推动产业协同创新、区域经济高质量发展。一是加速科研成果的转化，实现“产学研用”协同创新。广州可通过优化产权保护政策、营造更好的科研氛围、完善科研成果转化与专业服务体系等措施，提高企业开展研发活动的积极性；通过建立知识产权运营平台、建立完善的知识产权服务体系等措施，开展企业与高校、科研主体的技术合作，并保障科研人员对科研成果的收益权，进而推动创新成果产业化。二是积极引导企业增加在研发领域的资金和人力投入。广州可通过出台允许企业研发支出税收加计扣除、设立产业基金和财政补贴等一系列扶持政策，加大对先进制造业、高技术企业的扶持力度，从而激励企业增加研发投入；通过设立符合产业发展定位的基金，利用财政资金扶持新兴产业的发展。三是加强与粤港澳大湾区周边城市的区域协同创新合作。广州应充分发挥广州科学城、琶洲人工智能与数字经济试验区等高水平科技创新平台的作用，实现粤港澳大湾区人才、技术、资金等创新要素的流动，实现资源配置优化与优势互补。

3.优化营商环境，提高市场开放水平。一是完善外贸环境，提高进出口岸的保障服务能力。一方面，广州可通过实施口岸全天候通关通航、内外贸和进出口“同船运输”，以及建设“单一窗口”来提高广州口岸的通关效率，解决外贸通关步骤冗长等问题。另一方面，广州可通过建设南沙自贸片区和广州国际航运中心，加强与国外城市的互联互通，积极开拓海外市场。二是鼓励跨境电商的发展，引导跨境电商企业数字化转型。一方面，跨境电商企业可通过数字贸易平台进行智能化运营和云化供应链管理，实现销售渠道数字化。另一方面，政府可利用人工智能、证件图像识别、云计算等科技手段实现企业通关数字化，支持跨境电商数字化转型；通过建设广州数字贸易公共服务平台、跨境电商公共服务平台等，提升数字政务服务能力，优化跨境电商营商环境。三是加强法治环境建设，优化企业经营环境。政府可以借助互联网等现代信息技术全面深化推进“互联网+政务服务”，依托网络平台推行“智慧服务”，实现政府服务的便捷化、高效化；借助互联网搭建监管信息化系统，形成信息透明的政府监管体系，提高企业、个人的失信成本。

参考文献：

[1] 《关于加快推动制造服务业高质量发展的意见》[DB/OL]，2021年3月16日，https：//www.gov.cn/zhengce/zhengceku/2021-03/23/content_5595161.htm，访问日期：2024年1月1日。

[2] 《坚定不移全面深化改革扩大高水平对外开放  在推进中国式现代化建设中走在前列》[N]，《人民日报》2023年4月14日，第01版。

[3] Jed Kolko， “Agglomeration and Co-Agglomeration of Services Industries” [J]， Available at SSRN 985711， 2007.

[4] Markus Kelle， “Crossing Industry Borders： German Manufacturers as Services Exporters” [J]， The World Economy， 2013， 36（12）： 1494-1515.

[5] 江曼琦、席强敏：《生产性服务业与制造业的产业关联与协同集聚》[J]，《南开学报（哲学社会科学版） 》2014年第1期，第153-160页。

[6] 王文成、隋苑：《生产性服务业和高技术产业协同集聚对区域创新效率的空间效应研究》[J]，《管理学报》2022年第5期，第696-704页。

[7] 郭然、原毅军：《互联网发展对产业协同集聚的影响及其机制研究》[J]，《统计研究》2022年第6期，第52-67页。

[8] Jian Ding， Baoliu Liu and Xuefeng Shao， “Spatial Effects of Industrial Synergistic Agglomeration and Regional Green Development Efficiency： Evidence From China” [J]， Energy Economics， 2022： 106-156.

[9] Ron Boschma and Simona Lammarino， “Related Variety， Trade Linkages， and Regional Growth in Italy” [J]， Economic Geography， 2009， 85（3）： 289-311.

[10] 周四清、庞程：《产业集聚及协调发展对区域科技创新水平的影响——基于粤港澳大湾区制造业、金融业、教育的实证研究》[J]，《科技管理研究》2019年第19期，第104-114页。

[11] 金浩、刘肖：《产业协同集聚、技术创新与经济增长——一个中介效应模型》[J]，《科技进步与对策》2021年第11期，第46-53页。

[12] Nicolas Bijon， Tom Wassenaar， Guillaume Junqua and Magali Dechesne， “Towards a Sustainable Bioeconomy Through Industrial Symbiosis： Current Situation and Perspectives” [J]， Sustainability， 2022， 14（3）： 1605.

[13] 汪慧玲、凌悦、罗家鑫：《制造业与生产性服务业协同集聚对区域经济韧性的影响研究》[J]，《工业技术经济》2022年第6期，第120-128页。

[14] 高舒锐、孟卫东：《高技术制造业与科技服务业的复合协同系统创新研究》[J]，《中国科技论坛》2019年第9期，第111-120页。

[15] 曹东坡、于诚、徐保昌：《高端服务业与先进制造业的协同机制与实证分析——基于长三角地区的研究》[J]，《经济与管理研究》2014年第3期，第76-86页。

[16] 孟庆松、韩文秀：《复合系统协调度模型研究》[J]，《天津大学学报》2000年第4期，第444-446页。

[17] 梁文良、黄瑞玲：《江苏高技术产业“三链”融合度的测度与评价——基于复合系统协同度模型的实证研究》[J] ，《现代管理科学》2022年第1期，第51-60页。

[18] Li Guorong， Ma Minna， Ding Yuanyuan， “Analysis of Evaluation and Comparison About the Regional Economic Development in China” [C]， 3rd International Institute of Statistics and Management Engineering Symposium， Weihai， China， 2010.

[19] Balázs Lengyel and Loet Leydesdorff， “Regional Innovation Systems in Hungary： The Failing Synergy at the National Level” [J]， Regional Studies， 2011， 45（5）： 677-693.

[20] 范厚明、马梦知、温文华、屈莉莉：《港城协同度与城市经济增长关系研究》[J] ，《中国软科学》2015年第9期，第96-105页。

[21] 吴笑、魏奇锋、顾新：《协同创新的协同度测度研究》[J] ，《软科学》2015年第7期，第45-50页。

[22] 李晓钟、王莹：《我国物联网产业协同发展机制及系统协同度评价研究》[J] ，《软科学》2015年第1期，第42-46、59页。

[23] 夏业领、何刚：《中国科技创新—产业升级协同度综合测度》[J]，《科技管理研究》2018年第8期，第27-33页。

[24] Chirstine S Koberg， Dawn R Detienne and Kurt A Heppard， “An Empirical Test of Environmental， Organizational， and Process Factors Affecting Incremental and Radical Innovation” [J]， The Journal of High Technology Management Research， 2003， 14（1）： 21-45.

[25] 张运华、梁郁、吴洁、罗小芳、盛永祥：《企业内部创新与产学研合作创新协同度模型及其应用研究》[J] ，《情报杂志》2018年第2期，第201-207、193页。

[26] 魏丽华：《国内两大城市群市场协同的比较与分析——京津冀与沪苏浙》[J] ，《软科学》2016年第9期，第46-50页。

[27] 同[15]。

[28] 同[23]。

[29] 陈运森、韩慧云、陈德球：《区域一体化战略、社会网络与商业信用——基于京津冀一体化的证据》[J]，《管理科学学报》2023年第3期，第69-92页。

[30] 陈海声、卢丹：《研发投入与企业价值的相关性研究》[J]，《软科学》2011年第2期，第20-23页。

[31] 李习保：《中国区域创新能力变迁的实证分析：基于创新系统的观点》[J]，《管理世界》2007年第12期，第18-30、171页。

[32] 李少林：《战略性新兴产业与传统产业的协同发展——基于省际空间计量模型的经验分析》[J]，《财经问题研究》2015年第2期，第25-32页。

[33] Jinran Chen and Lijuan Xie， “Industrial Policy， Structural Transformation and Economic Growth： Evidence From China” [J]， Frontiers of Business Research in China， 2019， 13（1）： 1-19.

[34] 杨道玲、任可、秦强：《京津冀产业协同的驱动因素研究》[J]，《宏观经济管理》2022年第1期，第52-59、67页。

[35] 李虹、张希源：《区域生态创新协同度及其影响因素研究》[J]，《中国人口·资源与环境》2016年第6期，第43-51页。

[36] 贺灿飞：《区域产业发展演化：路径依赖还是路径创造？》[J]，《地理研究》2018年第7期，第1253-1267页。

[37] 童磊、荣亚飞：《协同集聚外部性与产业升级互动关系研究——基于制造业与生产性服务业的PVAR分析》[J]，《科技进步与对策》2023年第16期，第96-107页。

[38] 韩永辉、黄亮雄、王贤彬：《产业政策推动地方产业结构升级了吗？——基于发展型地方政府的理论解释与实证检验》[J]，《经济研究》2017年第8期，第33-48页。

[39] 吴丰华、刘瑞明：《产业升级与自主创新能力构建——基于中国省际面板数据的实证研究》[J]，《中国工业经济》2013年第5期，第58-69页。

[40] 崔耕瑞：《消费升级、产业升级与经济高质量发展》[J] ，《统计与决策》2021年第15期，第114-118页。

[41] 颜廷标：《区域特质、产业分工定位与实现机理——以京津冀产业协同为例》[J]，《河北学刊》2018年第3期，第155-160页。

[42] 汤长安、邱佳炜、张丽家、李红燕：《要素流动、产业协同集聚对区域经济增长影响的空间计量分析——以制造业与生产性服务业为例》[J]，《经济地理》2021年第7期，第146-154页。

[43] 杨文捷、蒋晓阳、朱顺和：《产业结构、宏观经济不稳定性与经济增长》[J]，《统计与决策》2022年第10期，第112-115页。

[44] Ge Jintian， Shen Pengfei and Liu Yan， “Effect Analysis on the Industrial Upgrading and Economic Growth” [J]， Management Science and Engineering， 2013， 7（4）： 84-87.

[45] 同[44]。

[46] 王维国、谢兰云：《我国区域R&D投入与区域经济发展关系的实证研究》[J]，《财经问题研究》2009年第11期，第108-115页。

[47] 王文姬、夏杰长：《数字金融、居民消费与地区经济增长》[J]，《求索》2023年第4期，第96-105页。

注释：

①作为一种理论体系，系统协同学由德国理论物理学家 Hermann Haken于20世纪70年代创立。

②IAB指互联网架构委员会（Internet Architecture Board）。

③NEM指新能源（New Energy）、新材料（New Material）产业。

作者简介：罗嘉雯，华南理工大学工商管理学院副教授。崔文晓，华南理工大学工商管理学院博士生。万欣怡，中泰证券股份有限公司研究员。

【基金项目】国家自然科学基金面上项目“混频数据视角和时变环境下金融市场波动关联性的预测与应用研究” （72171088）、广州市哲学社会科学发展“十四五”规划2023年度智库课题“广州加快建设以实体经济为支撑的现代化产业体系研究”（2023GZZK11）、广州市哲学社会科学“十四五”规划面上项目“广州推动沿江、东南部和西部三大产业协同发展研究”（2021GZYB23）、广东金融学会2023—2024年度基础课题“产业协同集聚对企业创新活动的影响研究”（JCKT202307） 成果。

责任编辑：李    钧