Industrial Co-agglomeration, Technological Innovation and Economic Growth：based on the Mediating Effect Model

Jin Hao，Liu Xiao

(School of Economics and Management, Hebei University of Technology，Tianjin 300401,China)

Abstract：This paper analyzes the synergetic agglomeration of producer service industry and manufacturing industry to promote economic growth through technological innovation channels.Based on China's panel provincial data from 2009 to 2018, it is used to investigate the impact of industrial synergy agglomeration on economic growth, and the mediation effect model is used to explore the effect of industrial synergy agglomeration on economic growth by improving technological innovation.The results shows that: the co-agglomeration can promote economic growth directly, and it can play a positive part of the intermediary effect by improving regional technological innovation capabilities which means the development of co-agglomeration can transform to an innovation-driven economic development model.Based on the heterogeneity of the industry, the collaborative agglomeration of advanced producer services and the manufacturing industry has a higher intensity of the intermediary effect through regional innovation than the collaborative agglomeration of traditional producer services and manufacturing.

Key Words:Industrial Co-agglomeration；Technological Innovation; Economic Growth；Mediation Effect

收稿日期：2020-12-31

修回日期：2021-02-24

基金项目：国家自然科学基金项目(71573142)；天津市社会科学规划项目(TJYY17-028)；河北省科学技术厅河北工业大学创新战略资助项目(18457648D)

作者简介：金浩(1958—)，男，吉林延吉人，博士，河北工业大学经济管理学院教授、博士生导师，研究方向为区域经济；刘肖(1994—)，女，天津人，河北工业大学经济管理学院博士研究生，研究方向为区域经济、产业经济。本文通讯作者：刘肖。

DOI：10.6049/kjjbydc.2020120434

开放科学(资源服务)标识码(OSID)：

中图分类号：F260

文献标识码：A

文章编号：1001-7348(2021)11-0046-08

0 引言

近年来，制造业成本优势逐渐弱化，致使中国经济高速增长模式难以为继，调整产业结构、寻求经济发展新引擎刻不容缓。生产性服务业贯穿制造业生产控制、融资审计、物流运输和市场营销等价值链各环节，亟需通过改善组织结构和管理模式，增强企业适应外部市场环境的能力[1]。生产性服务业与制造业具有高度产业关联，二者协同有助于推动“中国制造”向“中国质造”蝶变。在实践中，许多城市从依靠制造业拉动经济逐渐向制造业与生产性服务业双轮驱动的经济发展方式转变，以期推动并支撑经济高质量增长。然而，生产性服务业与制造业协同集聚能够在多大程度上促进我国经济增长？又能否促使我国经济增长由传统模式向创新驱动模式转变？解答上述问题对于促进我国产业结构升级、实施创新驱动发展战略具有重要现实意义。

1 文献综述

随着专业化分工深化，生产性服务部门逐渐从制造业脱离，并在制造业中间需求和成本优势基础上发展。生产性服务业集聚能促进制造业结构升级并提升其竞争力[2-3]。当社会逐渐步入后工业化时代，制造业与生产性服务业相互依赖程度加深，二者呈现相互补充、相互强化的动态协调关系[4-6]。基于上下游关联和交易成本，加上二者空间区位邻近，因此容易形成协同集聚[7-8]。

学者们对制造业和生产性服务业协同集聚与经济增长的关系主要形成3种观点。一是促进论，即生产性服务业与制造业协同集聚能够推动经济增长[9]。如陈建军等[10]发现，产业协同集聚能促进本地和周边地区城市生产效率提高，且对促进城市生产效率提升的空间外溢效应随距离增加而衰减；黄繁华和郭卫军[11]利用空间计量模型研究发现，生产性服务业与制造业协同集聚能够促进本地经济增长，但会对邻近地区造成不利影响。二是无效论。如Helsley[12]通过建立城市模型发现，产业协同集聚存在无效率情形，产业间无法被观测的集聚现象反映出均衡分配较低效。三是非线性论。如豆建民和刘叶[13]、周明生和陈文翔[14]发现，受城市规模影响，制造业与生产性服务业协同集聚的经济增长效应呈现非线性。

熊彼特内生增长理论指出，技术创新是经济长期增长的根本动力源[15]。近年来，产业协同集聚的创新效应日益成为研究焦点。刘胜等[16]指出，制造业和生产性服务业通过交易成本机制、研发创新激励机制、进入与退出机制等路径促进企业创新；纪祥裕和顾乃华[17]验证制造业与生产性服务业协同集聚通过创新资源配置和市场规模效应提升城市创新能力；汤长安和张丽家[18]、原毅军和高康[19]分别利用地理权重矩阵、R&D人员与资本流动矩阵证实制造业与生产性服务业协同集聚能够提升区域创新能力和效率，并具有空间溢出效应。

既有文献参照单一产业集聚范式进行研究，但产业协同集聚具有其特殊性，生产性服务业和制造业协同集聚与经济增长关系的研究还有待深化。鉴于此，本文从技术创新角度出发，将制造业与生产性服务业协同集聚、技术创新及经济增长纳入同一框架，阐述产业协同集聚对经济增长的影响机制，并采用双向固定效应估计方法和中介效应模型进行实证检验。本文主要贡献体现在两个方面：一是详细探讨产业协同集聚对经济增长的直接影响机制，以及产业协同集聚通过技术创新驱动经济增长的传导机制。二是采用中介效应模型，考察制造业与生产性服务业协同集聚对经济增长的直接影响和间接影响，更为深刻地理解产业协同集聚与经济增长的因果关系，为新常态下如何合理规划产业空间布局进而推动经济增长由传统模式向创新驱动模式转型提供经验证据。

2 理论机制与研究假设

2.1 产业协同集聚对经济增长的影响机制

2.1.1 强化专业化分工与实现规模效应

随着制造业生产过程和分销组织结构日益复杂化，制造企业为适应现代化生产体系、满足市场需求，将企业内部非核心部门和不具有比较优势的环节外包，促使生产性服务部门逐渐脱离制造业，形成独立行业。制造业的中间需求促使生产性服务业专业化和规模化，制造业将更多资源和精力投入至核心环节，以降低成本并提高生产效率。产品质量和服务品质的提升对两大产业深化分工与合作形成正向反馈，产业协同会促进劳动、资金、知识、信息等要素集聚和流动，有助于发挥规模经济效应。伴随生产性服务业与制造业协同程度加深，各自不断突破产业边界，彼此边界逐渐模糊，并通过嵌入式融合、捆绑式融合和交叉融合方式提高生产效率、获取规模经济，从而促进经济增长[20]。

2.1.2 提升产业竞争力

首先，制造业与生产性服务业协同集聚能够促进柔性生产和精益生产，提高产品附加值。制造业和生产性服务业企业具有相同的基础科学知识，区位毗邻和知识互补有利于企业相互吸收异质性资源，增强产品或服务异质性。企业既能够提供标准化商品，也能提供个性化、差异化的快捷便利服务，从而提高产品附加值，形成企业竞争力。上述难以模仿的能力成为企业在中长期竞争中取得持续领先地位的关键。其次，制造业集聚累积的技术、资金和劳动力等生产要素为生产性服务业提供发展基础。基于制造业个性化需求，生产性服务业企业及时进行相应调整和反馈，不断进行技术革新，并提升服务质量。同时，生产性服务业作为制造业发展的智力支撑，将现代化生产、管理模式嵌入制造企业中，促使制造企业生产环节网络化和模块化，提升制造业面对复杂多变市场环境的适应能力。两大产业协同有助于提升风险抵抗能力进而提高产业竞争力。最后，产业协同集聚促使产业互动不断深化，生产性服务业和制造业都不断突破自身产业边界，制造业服务化和服务产业化也逐渐兴起，最终有效控制产供销各个环节，提升供应链运行效率[21]。

2.1.3 促进价值链升级

产业链各环节利润并不均衡，“微笑曲线”两端不仅能够获取高额利润回报，同时能够掌握行业话语权。生产性服务业、制造业借助产业和空间两个层面的协同与集聚促使价值链向高端攀升。首先，产业协同集聚能够增强制造业在产业链上下游环节的参与程度，向高利润环节延伸。生产性服务业与制造业协同集聚会缩短厂商与顾客间的距离，改变制造业运营逻辑。同时，以客户需求为导向实现价值链的内生生产性服务，能够增强价值链辐射能力。其次，产业协同集聚为生产性服务业嵌入至制造业价值链提供便利条件，生产性服务业在提供全过程和全方位服务时，将知识、技术等无形生产要素导入制造业，改变制造企业生产和管理模式，驱动资源密集型和劳动密集型制造企业向知识、技术密集型转型，促进价值链升级。最后，生产性服务业与制造业互动促进产业融合，增强价值链竞争力。如制造业+金融服务业优化资金和成本管理、制造业+信息服务业重构生产组织形式、制造业+营销服务业提升品牌价值、制造业+物流运输业提高供应链效率等。生产性服务业与制造业融合可以利用自身竞争优势重新加入其它价值链，加速产业链分解、延伸和重构，使产业链嵌入新的核心技术与服务，从而促进价值链升级。基于此，本文提出以下假设：

H1：生产性服务业与制造业协同集聚能够促进经济增长。

2.2 产业协同集聚对技术创新的影响机制

2.2.1 促进知识溢出

知识溢出是技术创新的重要基础，产业协同集聚能够促进知识溢出进而促进技术创新。首先，生产性服务业与制造业协同集聚能够发挥外部性作用，尤其是发挥多样化集聚优势。生产性服务业借助知识关联将创新要素传导至制造业生产环节，促进知识、技术在产业间双向流动，并形成具备知识多元价值增值性及增强知识链技术依赖特征的知识网状结构[22]。其次，生产性服务业与制造业存在较强产业关联，互补型产业具有共同科学基础，这会降低知识传播和扩散壁垒，减少信息损失。伴随贸易成本降低，生产性服务业和制造业的需求与成本关联会促使企业在空间上邻近分布，而距离缩短又会增强知识和技术外溢效果。最后，劳动者个体差异会影响知识吸收与扩散，生产性服务业发展能够吸引高素质、高技术劳动力，产业协同集聚会放大共享劳动力市场效应。高水平劳动力作为中介会强化技术外部性，促进技术创新。

2.2.2 节约创新成本

生产性服务业与制造业协同集聚能够增加创新要素交流频率，知识、技术差异化产生的知识溢出会以更低的交流成本流向区域间各企业。一方面，专业化深化过程中，生产性服务业与制造业形成分工协作网络，技术关联程度加深，并形成技术创新扩散网络。生产性服务业与制造业技术创新活动相互强化，一个产业技术创新能够推动另一个产业技术创新，形成协同创新[23]。另一方面，生产性服务业与制造业协同集聚能够提供较多与劳动者意愿、能力相匹配的工作岗位，加强对优质人才的吸引力，降低人才搜寻成本。在实践过程中，高素质劳动力在产业协同集聚过程中不断吸收各类知识，形成具有极强市场适应性的复合型人力资本，复合型人才在区域内流动有助于吸收和扩散知识、技术，降低创新成本。

2.2.3 构建创新环境

生产性服务业与制造业协同会在区域范围内集聚资源、资金、信息、技术和知识，为创新提供物质基础和知识保障。制造业与生产性服务业的交易产品具有无形性、消费与供给同步性等特征，产业协同集聚会增加买卖双方面对面机会，减少企业间信息不对称，促使中介组织更为完善，从而为双方加强合作提供有利条件。经过多次互动，集聚区逐渐建立起较为完善的信息流通和传播机制，并自发形成基于区域文化习俗、道德规范的隐形规则制度，以及无意识接受且协调统一的行为标准。良好的契约制度环境能够有效减少企业合作中的机会主义行为，降低不确定风险，制造业企业(客户)与生产性服务业(供应商)可以增强市场交易信任感，确保合作的稳定性。创新限制因素减少，生产性服务业与制造业企业在公开透明、规范有序的市场环境中追求长期利润的创新动机大幅增强，而企业自主创新积极性增强又会推动技术创新。基于此，本文提出以下假设：

H2：生产性服务业与制造业协同集聚能够促进技术创新。

2.3 技术创新与经济增长

熊彼特增长理论核心观点是内生的研发创新活动和知识积累是经济增长的决定性因素[24]。从微观层面分析，企业创新的根本目的是获取垄断利润，通过增加R&D投入促进技术创新进而提高生产率或开发新产品，最终获取产品高额附加值。因此，企业在选择R&D投入方向时具有偏向特征，不同生产要素的边际效果具有差异性，不同技术进步偏向特征可以优化生产要素配置结构，从而促进产业结构优化[25]。从宏观层面分析，只有将新材料、新工艺、新方法、新设计进行量化生产时才被认为真正实现技术创新，新技术诞生和广泛应用的直接效果是提高生产效率与经济增长率。当新技术发展规模不断壮大形成产业并能够获取利润时，可能会催生新的业务部门和主导产业，特别是各领域产生颠覆性技术时，会打破传统生产方式和组织方式并诞生新兴产业。新兴产业将促使全球价值链分解和重组，引发供给结构颠覆性变化，成为经济增长新动能[26]。基于此，本文提出以下假设：

H3：技术创新能够拉动经济增长。

3 模型计量设定

3.1 模型选择及设定

本文采用中介效应模型，以技术创新为中介变量考察生产性服务业与制造业协同集聚对经济增长的影响机制。根据Muller等[27]提出的中介效应模型，检验步骤如下：首先，考察不加入中介变量Me时，核心解释变量X对被解释变量Y是否存在显著影响，若X的系数不显著，说明二者没有稳定的因果关系；其次，考察解释变量X对中介变量Me是否存在显著影响；最后，构建包含核心解释变量X和中介变量Me的模型，观测两个变量系数的显著性水平，仅当核心解释变量X和中介变量Me系数都显著，且核心解释变量X系数的绝对值低于未包含中介变量Me系数的绝对值，才说明存在中介效应。其中，α1为核心解释变量X对被解释变量的总效应，β1*λ2是通过中介变量Me的中介效应，λ1为X对Y的直接效应。本文构建中介模型(1)～(3)并描述其具体关系，如图1所示。

lnpgdp=α0+α1coit+α2lnhcit+α3lncapit+α4lngovit+α5fdiit+μit

(1)

pat=βo+β1coit+β2lnhcit+β3lncapit+β4lngovit+β5fdiit+εit

(2)

lnpgdp=λ0+λ1coit+λ2patit+λ3lnhcit+λ4Incapit+λ5Ingovit+λ6fdiit+δit

(3)

其中，pgdp(经济发展水平)是被解释变量，co(生产性服务业与制造业协同集聚)是核心解释变量，pat(技术创新)是中介变量，控制变量包括hc(人力资本)、cap(要素禀赋)、gov(政府支出)和fdi(对外开放水平)。μit、εit和δit表示随机扰动项。

3.2 变量说明

(1)被解释变量：经济发展水平(lnpgdp)。经济发展水平采用人均GDP的自然对数测量，人均GDP以2009年各地区GDP指数进行平减处理。

(2)核心解释变量：生产性服务业与制造业协同集聚(co)。借鉴崔书会等[28]的方法计算产业协同集聚指数，计算公式为：co=1-|ma-pa|/(ma+pa)+(ma+pa)，其中ma、pa分别为制造业与生产性服务业集聚程度，采用区位熵指数测度。生产性服务业和制造业区位熵计算公式为：aggit=(eij/∑jeij)/(∑ieij/∑i∑jeij)，其中，aggit为t时期i城市j产业的区位熵指数，eit为i城市j产业的就业人数，∑jeij为i城市所有产业的就业人数，∑ieij为全国j产业的就业人数，∑i∑jeij为全国所有产业的就业人数。

(3)中介变量：技术创新(pat)。创新产出是技术创新能力的直观体现，在创新产出衡量指标中，基于数据可获取性及与创新产出的关联性，学者们常采用专利数据衡量。专利申请量和专利受理量是衡量创新产出的常用指标，专利申请量不易受时滞性和机构偏好干扰，而专利授权量则是专利局认证合格的专利。两大指标各有利弊，因而采用每万人专利授权量(pat1)作为代理变量，采用每万人均专利申请量(pat2)作为中介变量的替换变量，进行稳健性检验。

(4)控制变量。人力资本存量(hc)以每万人大学生人数衡量，并采用对数形式；资源禀赋结构(cap)以固定资产投资与劳动力就业人数比重衡量，并采用对数形式；政府支出(gov)以各地区政府财政支出的对数形式衡量，并采用各地区2009年GDP平减指数消除价格因素的影响；对外开放水平(fdi)以外商企业投资占GDP比重衡量。具体变量及度量指标如表1所示。

3.3 数据处理

考虑数据可获取性，本文研究对象为2009—2018年中国内地30个省市(西藏因数据缺失，未纳入统计)，数据主要来源于2010—2019年《中国统计年鉴》《中国劳动统计年鉴》《中国科技年鉴》等。根据《国民经济行业分类》(GB/T4754-2011)标准及生产性服务业含义，选取交通运输仓储和邮政业、信息传输计算机服务和软件业、金融业、房地产业、租赁和商务服务业、科学研究和地质勘探业以及批发和零售业7个行业衡量生产性服务业，并根据技术含量、研发投入等因素[29]将生产性服务业细分产业分为高端生产性服务业和传统生产性服务业，其中高端生产性服务业包含信息传输计算机服务和软件业、金融业以及科学研究和地质勘探业，传统生产性服务业包含交通运输仓储邮政业、批发和零售业、房地产业以及租赁商品服务业。

4 实证结果及分析

4.1 产业协同集聚与经济增长

表2列示了产业协同集聚与经济增长间关系，以及基于产业异质性的生产性服务业与制造业协同集聚对经济增长的回归结果。其中，列(1)～(3)采用混合OLS回归，显示各模型方差膨胀因子(VIF)远小于10，表明模型不存在多重共线性问题。根据固定效应F统计量、随机效应LM统计量和Hausman检验结果，表明本文应该构建固定效应模型，列(4)～(6)为控制年份和地区的双固定效应。

列(4)结果显示，在1%显著性水平下，生产性服务业与制造业协同集聚的估计系数为0.516，表明产业协同集聚显著促进经济增长。高端生产性服务业与制造业协同集聚及传统生产性服务业与制造业协同集聚对经济增长均存在显著积极效应，H1得以验证。比较列(5)和列(6)核心解释变量的回归系数发现，高端生产性服务业与制造业协同集聚对经济增长的促进作用更显著。原因在于，高端生产性服务业集聚了资本、技术、人力等高端要素，其与制造业协同集聚有助于发挥技术溢出效应和学习示范效应，增强行业竞争力和控制力，促进经济增长[30]。

表2结果显示，同一控制变量在不同模型中的回归系数符号基本一致，侧面证明回归结果具有一定稳健性。在1%显著性水平下，人力资本存量对经济增长具有显著积极影响。高素质人力资本能够较快吸收并消化知识和技能，生产要素高级化会促进经济发展。在1%显著性水平下，对外开放对经济增长同样具有显著促进作用。在较长时间内，外资企业能够提供资金、技术及高质量就业岗位，其生产组织模式、企业制度具有示范作用，通过发挥补缺效应、带动效应促进中国经济增长[31]。资源禀赋在5%显著性水平下为正，反映面对经济下行压力，投资仍是拉动经济的重要手段。此外，政府支出对经济增长的积极效应并不显著。

4.2 产业协同集聚与技术创新

表3列示了采用控制年份和地区双固定效应估计的回归结果，其中列(1)～(3)为技术创新采用万人专利授权量(pat1)作为代理变量的回归结果，列(4)～(6)为技术创新采用万人专利申请量(pat2)并作为代理变量的回归结果，作为产业协同集聚与技术创新估计结果的稳健性检验。

在1%显著性水平下，生产性服务业与制造业协同集聚显著促进技术创新。根据列(1)～(3)结果，产业协同集聚(co)每提高一个单位，每万人专利授权量将增加7.199件，H2得以验证。高端生产性服务业与制造业协同集聚(hco)每提高一个单位，每万人专利授权量将增加9.778件；传统生产性服务业与制造业协同集聚(lco)每提高一个单位，每万人专利授权量将增加4.826件。这意味着，高端生产性服务业与制造业协同对技术创新的积极影响是传统生产性服务业与制造业协同集聚的2倍。高端生产性服务业在提供专业化、具有针对性的服务过程中，与制造业形成协同效应。技术创新作为中间投入品，知识、技术和信息在产业间流动，显性技术或隐性技术传播障碍减少，传播效率得到提升，知识外溢效应增强，从而激发企业创新活力，产生应用价值和经济价值。虽然列(1)～(3)的回归系数均低于列(4)～(6)，但上述结论依然成立。

分析表3各模型控制变量发现，人力资本存量(lnhc)对技术创新产生积极影响，一定程度表明人才作为知识、技术传播中介，劳动者水平越高，对技术创新的促进作用越强；资源禀赋(lncap)在1%显著性水平下对技术创新具有阻碍作用，现有投资主要集中在传统房地产、工业领域，未来应加强5G、工业互联网、物联网等信息基础设施投资建设，支撑产业网络化、数字化发展，为技术创新提供重要基础条件；政府支出(lngov)在1%显著水平下显著促进技术创新，说明近年来各地政府加大R&D经费已初具成效；对外开放(fdi)在1%显著水平下对技术创新具有促进作用，中国利用市场规模优势作为筹码，引进发达国家先进技术，通过“市场换技术”为技术创新奠定良好基础[32]。

4.3 中介效应估计结果

表4列示了以技术创新为中介变量，生产性服务业与制造业协同集聚对经济增长的回归结果，其中列(1)～(3)为技术创新采用万人专利授权量(pat1)作为代理变量的回归结果，列(4)～(6)为技术创新采用万人专利申请量(pat2)作为代理变量的回归结果，并作为产业协同集聚与技术创新估计结果的稳健性检验。

表4中生产性服务业与制造业协同集聚的系数估计值对比表2中对应系数，发现系数估计值显著降低，符合Muller等[27]的中介效应检验程序，反映生产性服务业与制造业协同集聚不仅可以直接促进经济增长，还可以通过技术创新间接促进经济增长，说明制造业与生产性服务业协同对经济发展动力转换具有重要意义。生产性服务业与制造业协同集聚通过技术创新促进经济增长的中介效应占总效应的21.17%，其中高端生产性服务业与制造业协同对应的中介效应占总效应的25.39%，传统生产性服务业与制造业协同对应的中介效应占总效应的18.29%。原因在于，高端生产性服务业具有知识、技术密集特征，在与制造业互动过程中能发挥更强的知识溢出效应，因此高端生产性服务业与制造业协同集聚对经济增长动力转换的促进作用更为显著。此外，人力资本存量、资源禀赋和对外开放对经济增长具有积极促进作用，政府支出对经济增长的正向作用并不显著。

为增强表4结果的可信度和科学性，本文采用两种方式进行检验。首先，采用Sobel检验中介效应的存在性。Sobel检验统计量双尾z检验的原假设为中介效应在总体中等于零。生产性服务业与制造业协同集聚及高端生产性服务业与制造业协同集聚作为核心解释变量时，Sobel检验在1%显著水平下拒绝原假设，中介效应显著；传统生产性服务业与制造业协同集聚作为核心解释变量时，Sobel检验在5%显著水平下拒绝原假设，中介效应显著。同时，Sobel检验结果显示，高端生产性服务业与制造业协同集聚作为核心解释变量时，中介效应占总效应比重最高。其次，采用非参数百分位Bootstrap法检验。根据Edwards&Lambert[33]、Preache&Hayes[34]的思路，本文依次设置1 000次抽样次数，观察间接效应的系数在95%置信区间(经偏差校正)上下限发现，以生产性服务业与制造业协同集聚为核心解释变量时，置信区间为[0.140,0.375]，间接效应显著异于零。基于行业异质性，高端生产性服务业与制造业协同集聚及传统生产性服务业与制造业协同集聚置信区间上限和下限均为正值，间接效应均显著异于零。说明产业协同集聚通过技术创新的间接效应促进经济增长，促使经济增长向创新驱动转型。

5 结论与启示

5.1 研究结论与政策建议

本文提出生产性服务业与制造业协同集聚直接影响经济增长，同时通过技术创新渠道间接促进经济增长的理论命题，并采用中介效应模型进行实证检验。结果表明，生产性服务业与制造业协同集聚能够直接促进城市经济增长，同时也能通过技术创新间接提升区域经济发展水平；相较于传统生产性服务业，高端生产性服务业与制造业协同集聚对区域技术创新的积极影响更显著，同时通过创新效应对经济增长的部分中介效应也更为显著。基于上述研究结论，本文提出以下建议：

(1)推动制造业与生产性服务业深度融合。一方面，优化制造业和生产性服务业空间布局。各地政府要依据当地经济发展水平和制造业产业结构，发展差异化生产性服务业，在制定行业政策和空间规划时，加强顶层设计，引导生产性服务业在工业园区周边形成区域性集聚，引导制造业与关联性生产性服务业加强合作。另一方面，由于制造业与生产性服务业的交易具有无形性，因此建设良好的制度环境、维护市场交易秩序至关重要。应建立企业和个人失信名单共享机制，对失信单位及其负责人采取惩戒措施，通过增加主体信息透明度、提高违约成本，净化交易市场环境，为制造企业与生产性服务企业稳定合作提供有利条件。

(2)引导高质量生产性服务业要素投入，推动高端生产性服务业发展。提高信息化水平，在服务过程中深度应用5G、云计算、大数据等信息技术，建立网络化协作平台，为信息、人才、知识等要素资源提供交流平台，提升企业间创新资源利用效率。同时，通过设立科技发展专项技术基金、税收激励等方式对生产性服务企业研发、实验、生产等各环节予以资助，鼓励信息软件、科技研发等知识密集型生产性服务要素投入。此外，政府应培育龙头企业，支持生产性服务企业形成战略联盟、技术联盟，提高生产性服务业竞争力。

5.2 不足与展望

首先，本文重点考察制造业与生产性服务业协同集聚通过技术创新促进经济增长的机理，但制造业与生产性服务业的内在关联使二者关系不断演化，其互动机制、经济和社会效应较为复杂，未来可关注产业协同集聚对经济增长的其它传导机制和潜在效应；其次，本文仅考察产业协同集聚对本区域发展的经济效应，未来可从空间关联视角进一步验证其如何通过技术创新对周围地区经济增长产生溢出效应；再次，本文着重探讨产业协同集聚对技术创新和经济增长的促进作用，产业协同集聚过度是否会对技术创新和经济增长产生负面影响有待深入探讨；最后，本文采用宏观层面的省级面板数据进行研究，未来可利用企业微观数据进行实证研究，从而为产业协同集聚的经济效应提供更多经验验证。

参考文献:

[1] WOOD P.Urban development and knowledge-intensive business services:too many unanswered questions[J].Growth and Change,2006,37(3):335-361.

[2] LODEFALK M.The role of services for manufacturing firm exports[J].Review of World Economics,2014,150(1):59-82.

[3] 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(2):72-94,219.

[4] KELLE M.Crossing industry borders:German manufacturers as services exporters[J].The World Economy,2013,36(12):1494-1515.

[5] GOLDHAR J,BERG D.Blurring the boundary:convergence of factory and service processes[J].Journal of Manufacturing Technology Management,2010,21(3):341-354.

[6] 唐晓华,张欣珏,李阳.中国制造业与生产性服务业动态协调发展实证研究[J].经济研究,2018,53(3):79-93.

[7] 陈建军,陈菁菁.生产性服务业与制造业的协同定位研究:以浙江省69个城市和地区为例[J].中国工业经济,2011,28(6):141-150.

[8] MUKIM M.Coagglomeration of formal and informal industry:evidence from India[J].Journal of Economic Geography,2015,15(2):329-351.

[9] 胡艳,朱文霞.基于生产性服务业的产业协同集聚效应研究[J].产经评论,2015,6(2):5-14.

[10] 陈建军,刘月,邹苗苗.产业协同集聚下的城市生产效率增进:基于融合创新与发展动力转换背景[J].浙江大学学报(人文社会科学版),2016,46(3):150-163.

[11] 黄繁华,郭卫军.空间溢出视角下的生产性服务业集聚与长三角城市群经济增长效率[J].统计研究,2020,37(7):66-79.

[12] HELSLEY R W,STRANGE W C.Coagglomeration,clusters,and the scale and composition of cities[J].Journal of Political Economy,2014,122(5):1064-1093.

[13] 豆建民,刘叶.生产性服务业与制造业协同集聚是否能促进经济增长:基于中国285个地级市的面板数据[J].现代财经(天津财经大学学报),2016,36(4):92-102.

[14] 周明生,陈文翔.生产性服务业与制造业协同集聚的增长效应研究:以长株潭城市群为例[J].现代经济探讨,2018,37(6):69-78.

[15] AGHION P,FESTRÉ A.Schumpeterian growth theory,Schumpeter,and growth policy design[J].Journal of Evolutionary Economics,2017,27(1):25-42.

[16] 刘胜,李文秀,陈秀英.生产性服务业与制造业协同集聚对企业创新的影响[J].广东财经大学学报,2019,34(3):43-53.

[17] 纪祥裕,顾乃华.生产性服务业与制造业协同集聚具有创新驱动效应吗[J].山西财经大学学报,2020,42(7):57-70.

[18] 汤长安,张丽家.产业协同集聚的区域技术创新效应研究:以制造业与生产性服务业为例[J].湖南师范大学社会科学学报,2020,49(3):140-148.

[19] 原毅军,高康.产业协同集聚、空间知识溢出与区域创新效率[J].科学学研究,2020,38(11):1966-1975,2007.

[20] 李文秀,夏杰长.基于自主创新的制造业与服务业融合:机理与路径[J].南京大学学报(哲学·人文科学·社会科学),2012,49(2):60-67,159.

[21] 刘斌,魏倩,吕越,等.制造业服务化与价值链升级[J].经济研究,2016,51(3):151-162.

[22] 陆小成.生产性服务业与制造业融合的知识链模型研究[J].情报杂志,2009,28(2):117-120,124.

[23] 原毅军,耿殿贺,张乙明.技术关联下生产性服务业与制造业的研发博弈[J].中国工业经济,2007,24(11):80-87.

[24] 严成樑,龚六堂.熊彼特增长理论:一个文献综述[J].经济学(季刊),2009,8(3):1163-1196.

[25] 孔宪丽,米美玲,高铁梅.技术进步适宜性与创新驱动工业结构调整:基于技术进步偏向性视角的实证研究[J].中国工业经济,2015,32(11):62-77.

[26] 张国胜,王远洋,陈明明.长波中技术变革、范式转换与中国供给侧结构性改革[J].经济学家,2017,28(7):16-26.

[27] MULLER D,JUDD C M,YZERBYT V Y.When moderation is mediated and mediation is moderated[J].Journal of Personality and Social Psychology,2005,89(6):852-863.

[28] 崔书会,李光勤,豆建民.产业协同集聚的资源错配效应研究[J].统计研究,2019,36(2):76-87.

[29] 于斌斌.生产性服务业集聚能提高制造业生产率吗:基于行业、地区和城市异质性视角的分析[J].南开经济研究,2017,33(2):112-132.

[30] 马鹏,李文秀.高端服务业集聚效应研究:基于产业控制力视角的分析[J].中国软科学,2014,33(4):169-179.

[31] 刘建丽.新中国利用外资70年：历程、效应与主要经验[J].管理世界,2019,35(11):19-37.

[32] 张广婷,王陈无忌.主动变革、开放包容与制度创新:新中国70年吸引外资的内在逻辑[J].世界经济研究,2019,38(12):3-12,131.

[33] EDWARDS J R, LISA S L.Methods for integrating moderation and mediation[J].Psychological Methods, 2007, 12(1):1-22.

[34] PREACHER K J,HAYES A F.Asymptotic and resampling strategies for assessing and comparing indirect effects in multiple mediator models[J].Behavior Research Methods,2008,40(3):879-891.

(责任编辑：陈 井)