生产性服务业集聚如何助力工业效率提升？

[摘要]作为工业部门的重要支撑，生产性服务业对于工业化发展具体重要作用。为探究生产性服务业集聚如何助力工业效率提升，立足于生产性服务业集聚对工业效率的作用路径，采用2005—2020年我国省际面板数据，通过构建考虑空间效应的中介效应模型，实证考察了生产性服务业集聚对工业效率提升的影响作用，并进一步就可能存在的区域异质性进行了验证。结果表明：（1）生产性服务业集聚对工业效率提升有显著促进作用，且该作用不仅表现为“本地效应”，而且表现为空间溢出效应，在进行稳健性检验及内生性考量后，该结论依然成立；（2）生产性服务业集聚可通过降低交易成本、增加知识存量和改善市场环境这三条路径来作用于工业效率并助力工业效率的提升；（3）生产性服务业集聚助力工业效率提升的作用存在明显的区域异质性，在经济发展水平较高的东部地区，其对工业效率的提升作用更显著。

[关键词]生产性服务业集聚；工业效率；中介效应；空间效应

一、 引言

在我国工业化进程的快速推进过程中，生产性服务业1也得到了充分发展。作为未来发展的重要支撑，生产性服务业对于生产部门的作用也由最初的管理润滑剂功能和生产促进功能转变为了现如今的战略推进器功能[1]，并开始逐渐取代制造业成为经济发展的主要动力与创新源泉[2]。同时，伴随着制造业空间集聚态势的日益显著，从制造业内部分离出来的生产性服务业也表现出了明显的空间集聚特征，且当前我国生产性服务业的集聚发展存在明显的区域非均衡性——东部沿海地区的生产性服务业发展态势和集聚水平要高于中西部地区。生产性服务业的集聚和发展不仅是工业化进程的客观必然，同时也是生产部门为提高生产效率和产品竞争力的自我完善升级。因此，在当前我国经济发展的“新常态”下，生产性服务业集聚对于工业效率提升起着至关重要的作用，同时也是新时代背景下重塑经济发展新优势的重要突破口。

关于生产性服务业集聚对工业效率的影响，现有文献大都是基于制造业的角度，相关研究主要集中在以下两个方面：一是生产性服务业集聚对制造业效率的影响。研究发现，生产性服务业的集聚发展不仅可以通过降低交易成本来提高制造业的效率[3]，而且还可以通过提升专业化水平[4]、发挥规模经济效应和技术溢出效应[5]等来提高制造业的效率。同时，生产性服务业集聚除了在提升本地区制造业效率之外，还通过空间溢出效应提升了邻近地区的制造业效率[6]。但是，这种提升作用受到行业结构、地区差异和城市规模的约束[7]，且存在空间衰减特征的地理边界[1]。二是生产性服务业集聚对制造业升级的影响。研究表明，生产性服务业集聚与制造业升级之间有着高度关联、融合促进的内在联系[8]，其产生的正外部效应是推动制造业升级的重要途径[9]，其产生的规模经济效应因降低了制造业的生产成本与交易成本，以及其知识溢出和创新效应因为制造业升级提供了人力资本与知识资本等，从而促进了制造业升级[10]；并且，它对制造业升级的提升作用不仅表现在对本地区的影响，而且还通过空间外溢效应作用于周边地区[11]。不过，它对制造业转型升级的作用却具有明显的区域异质性和行业异质性[12]，同时，它的专业化集聚和多样化集聚对于制造业的转型升级也具有异质性[13]。

已有研究为讨论生产性服务业集聚对工业效率的影响奠定了坚实基础，但这些研究大都集中于生产性服务业集聚对制造业直接作用的实证分析。也有少量学者就生产性服务业集聚对制造业的间接影响机制进行了单一探讨，但也只是停留在理论层面，而对于生产性服务业集聚对工业效率的影响研究则较少涉及，对于生产性服务业集聚对工业效率影响路径的探讨以及相应的实证分析则更是罕见。鉴于此，本文将立足生产性服务业集聚对工业效率的作用路径，在理论分析的基础上，利用2005—2020年我国省际面板数据，通过构建包含空间效应的中介效应模型，就生产性服务业集聚对工业效率的影响路径和可能存在的区域异质性进行检验。

由此，本文可能的边际贡献在于：（1）在研究视角上，立足生产性服务业集聚对工业效率的影响路径，从间接作用机制的视角探讨生产性服务业集聚对工业效率间接效应。（2）在研究内容上，分别从交易成本、知识存量和市场环境这三个方面探讨生产性服务业集聚对工业效率作用路径，弥补以往研究仅从某一个方面来单一地分析生产性服务业集聚对工业效率的作用路径。（3）在研究方法上，在运用中介效应模型检验生产性服务业集聚对工业效率的作用路径时，结合反映空间效应的空间计量模型，考虑地区间空间效应的影响作用。

二、 理论机理与研究假说

1. 交易成本作用机理

生产性服务业作为工业产品价值链环节上的重要中间投入，其集聚发展可通过降低交易成本来对工业效率产生积极作用。一是规模经济效应。大量生产性服务业企业的空间集聚，必定带来人才、资本、技术等要素资源的相对集中，而资源的集中与供给的专业化和规模化[11]，势必在市场机制的作用下，促使集聚区内的生产性服务业企业提供物美价廉的服务产品，从而削减生产部门获取服务产品的边际成本和降低各环节的运营成本；同时，规模经济效应还通过提升生产性服务业各细分领域的专业度，降低整个生产部门的交易成本[12]从而提升工业效率。二是专业化效应。生产性服务业是社会分工深化的必然结果，其集聚发展体现了社会分工的进一步深化，也表明了生产专业化程度的提升降低了企业内部成本[14]；Markusen[15]指出，生产性服务业通过提供专业化服务降低制造业成本、提高效率；Eswaran等[16]也认为，服务部门的专业化分工程度与多样化的服务种类供给可以有效降低制造业企业的生产成本。三是协作效应。由于集聚的生产性服务业企业之间有着较强相互作用，故而可以通过彼此的交互协作，为生产部门的运作和生产环节的衔接提供全流程、全产业链的一体化服务[17]，可以全面提升生产部门的效率与质量，并在一定程度上降低生产部门的各项费用，进一步削减中间成本[12]，籍此提升工业效率。由此，本文提出假说H1：

H1：生产性服务业集聚可通过降低交易成本来助力工业效率提升。

2. 知识存量作用机理

生产性服务业作为典型的知识密集型产业，其集聚发展可通过增加知识存量来对工业效率产生积极作用。一是人力资本效应。生产性服务业对劳动力质量的要求普遍较高，其集聚发展加速了劳动力，尤其是高水平劳动力的共同集聚，这不仅提升了集聚区的人力资本水平，也加强了不同知识储备人力资本间的交流，促进了知识、技术和信息等要素在不同创新主体间的流动，提高了知识存量；而以人力资本和知识资本为主要投入的生产性服务业，则正是通过向生产部门提供服务才使凝结在其中的人力资本和知识资本得以释放，并不断导入到生产过程，从而提高部门效率。二是学习效应。集聚区内的企业往往有着知识和技术的前沿优势，通过近距离的交流互动，可产生强烈的知识溢出和技术扩散。这在生产性服务业集聚区内表现得尤为明显——集聚促进了生产性服务业企业间的高频交流与学习；借助于人力资本的频繁互动，集聚也促进了前沿技术中隐性知识的传播与共享[11]。大量研究表明，“集聚学习效应”加速了以隐性知识为主的高级生产要素在生产部门间的转移，促进了生产部门对知识的创造、传播和积累，增加了生产部门的知识存量，提高了生产部门的效率。三是创新效应。生产性服务业集聚为集聚区内的企业营造了良好的创新环境，通过企业间的频繁互动，可形成跨组织的创新交流网络，促进创新要素在集聚区的流动与渗透，有利于提高集聚区创新水平和创新知识存量，提升集聚区效率；此外，生产性服务业集聚还通过节约生产部门交易成本，使生产部门将更多的要素资源用于新知识的创造，这对集聚区知识存量的增加和效率提升也有着积极作用。由此，本文提出假说H2：

H2：生产性服务业集聚可通过增加知识存量来助力工业效率提升。

3. 市场环境作用机理

生产性服务业作为工业内部服务部门的外部化产业，其集聚发展可通过改善市场环境来对工业效率产生积极作用。一是优化资源配置效应。生产性服务业集聚可通过提升金融业专业化水平、优化劳动力结构及增加人力资本积累等方式[18]，改善市场对劳动力和资本等要素的扭曲配置，提高生产部门效率；同时，生产性服务业集聚所带来的信息共享、知识溢出、规模经济及市场竞争等[19]，也只有在有效的市场环境下，才能促进资源的优化配置和生产部门的效率提升。二是技术进步效应。作为对生产部门的有效衔接与协调，生产性服务业的发展已经成为生产部门突破技术进步瓶颈的主要方式[20]，而良好的市场环境则有助于充分发挥生产性服务业集聚所带来的技术溢出效应和竞争激励效应，促使先端前沿技术在集聚区内扩散传播和新技术在集聚区内竞相研发，从而加速集聚区整体的技术进步和新技术形成，并由此提升生产部门效率。三是竞争效应。生产性服务业企业的集聚必定加剧企业间对于要素和市场的争夺，而相对集中的空间范围以及有限的市场份额共享更使得企业处于高强度的竞争环境之中，并形成持续的竞争压力，且这种压力会随集聚程度的提高而愈发强烈[11]。在这些竞争压力下，生产性服务业企业一方面会通过价格竞争来降低服务门槛和服务价格，另一方面则会通过差异化竞争来提高服务质量、完善业务流程和提升创新能力[21]，从而促进生产部门效率提升。由此，本文提出假说H3：

H3：生产性服务业集聚可通过改善市场环境来助力工业效率提升。

基于以上分析，本文将从交易成本、知识存量和市场环境这三个方面来探讨生产性服务业集聚对工业效率的影响路径，具体如图1所示。

三、 研究设计

1. 计量模型设定

为验证生产性服务业集聚对工业效率的影响机制，本文采用中介效应模型来进行检验；同时，考虑到地区变量间可能存在空间效应，故而在中介效应模型的基础上又考虑了反映空间关系的空间计量模型，鉴于此，本文的具体模型设定如下：

[lnALPit=α0+ρW×lnALPit+α1lncapsit+α2W×lncapsit+αnlncontrolnit+ui+λt+εit] （1）

[lnMit=β0+β1lncapsit+β2W×lncapsit+βnlncontrolnit+ui+λt+εit]  （2）

[lnALPit=γ0+ϕW×lnALPit+γ1lnMit+γ2lncapsit+γ3W×lncapsit+γnlncontrolnit+ui+λt+εit] （3）

其中，i表示地区，t表示年份，ALP表示劳动生产率，为本文的被解释变量；caps表示生产性服务业集聚水平，为本文的核心解释变量；M为本文的中介变量，具体包括交易成本、知识存量和市场环境；W为空间权重矩阵，用于反映地区间的空间关系。根据研究中常用的设定方法，本文以标准化后的地区间空间距离的倒数为权重；[W×lnALP]为被解释变量工业效率的空间滞后项，[W×lncaps]为核心解释变量生产性服务业集聚的空间滞后项；controln为一系列控制变量的集合，具体包括外商直接投资、交通发达程度、信息化水平和经济发展水平；[ui]为地区效应；[λt]为时间效应；[εit]为随机扰动项。此外，为减少异方差对数据的影响，本文对各变量均进行了对数化处理。

为检验生产性服务业集聚是否会通过中介变量来影响工业效率，本文参考温忠麟等[22]的做法：首先，对（1）式进行回归，以检验生产性服务业集聚对工业效率的影响；若[ α1]显著，则表明生产性服务业集聚对工业效率存在显著影响。其次，对（2）式进行回归，以检验生产性服务业集聚对中介变量的影响；若[ β1]显著，则表明生产性服务业集聚对中介变量存在显著影响。最后，对（3）式进行回归，以检验生产性服务业集聚是否通过中介变量来对工业效率产生影响；若[ γ1、γ2]显著，且[α1>γ2]，则表明生产性服务业集聚对工业效率的影响是通过中介变量实现的。