On the Path and Mechanism of Manufacturing Transformation and Upgrading Driven by Servicing: Empirical Study Based on the Manufacturing Industry in Foshan from 2010 to 2018
-
摘要: 基于2010—2018年佛山市27个制造行业的平衡面板数据，运用中介模型和灰色关联分析法，分类检验佛山市服务要素集聚与技术异质性制造产业的业务关联及其影响效率，以探究服务业驱动制造业转型升级的路径和作用机制。结果表明：制造大市向智造强市转型过程中，服务专业化集聚对制造效率显著表现为价值创造效应，而多样化集聚则显著表现为资本挤出效应；IT、商租服务通过成本效应直接推动制造效率提升；物流、科技、金融服务集聚则需要通过产业关联这一中介路径对制造效率产生影响。当制造服务业发展水平较低时，应优先发展IT和商租服务集群，同时加快制造企业数字化转型，增强数字吸收能力，打通物流、科技、金融服务与制造产业的业务关联，以服务带动制造增值。Abstract: Based on balancing panel data from 27 manufacturing industries in Foshan from 2010 to 2018, this paper employs Mediation Model and Grey Correlation Analysis to test the links of producer-service agglomeration with technological heterogeneity manufacturing in Foshan and its efficiency impact path, in order to explore the path and mechanism of the transformation and upgrading of manufacturing industry driven by service industry. The results show that in city transformation from manufacturing to intelligent manufacturing in nature, specialized producer-service agglomeration has obvious value creation effect on manufacturing efficiency, while diversified agglomeration has significant capital crowding-out effect; IT and rental services directly improve manufacturing efficiency; agglomerated logistics, science and technology and financial services improve manufacturing efficiency intermediately through industrial association. In regions where manufacturing services are underdeveloped, it is proposed to develop IT and rental service clusters in priority, in the meanwhile strengthen digital capacity of manufacturing industry to absorb efficiency spillover from logistics, science and technology, financial services, to realize value added.
-
表 1 变量的定义与经济内涵
变量类型 具体变量 定义与经济内涵 被解释变量 TEF 反映制造行业综合效率，用Malmquist-DEA方法测算 解释变量 SPE 反映专业化集聚的服务生态对制造行业效率的贡献 PS1 与制造行业相关的交通运输及仓储服务专业集聚度，反映专业流通服务对制造效率的贡献 PS2 与制造行业相关的信息传输、计算机和软件服务专业集聚度，反映专业IT服务对制造效率的贡献 PS3 与制造行业相关的租赁和商业服务专业集聚度，反映专业商租服务对制造效率的贡献 PS4 与制造行业相关的科学研究和技术服务专业集聚度，反映专业科技服务对制造效率的贡献 PS5 与制造行业相关的金融服务专业集聚度，反映专业金融服务对制造效率的贡献 中介变量 COU 反映制造行业与服务专业化集群的效率关联，用于判断产业关联在服务对制造效率的影响路径中发挥的间接效应 控制变量 DIS 与制造行业相关的服务要素协同集聚度，反映制造企业的数字吸收能力 SCA 规模以上制造企业数量，用以反映研发能力。制造行业规模以上企业越多，说明企业研发能力越强，对制造效率的贡献越大 MOP 制造行业外商资本占实收资本的比重，反映行业开放程度。比重越高，说明行业越开放，外商资本对制造效率的溢出效应越大 ELE 制造行业所消耗工业用电量的占比，反映行业生产能力和生产规模。制造行业耗电量越大，说明生产规模越大，但规模对制造效率的影响不确定 
下载: 导出CSV
表 2 生产性服务业专业化集聚与制造业效率的灰色关联度
产业 SPE SP1 SP2 SP3 SP4 SP5 制造业(i=1) 0.781 0 0.702 2 0.544 2 0.587 9 0.488 0 0.652 1 低技术制造产业(i=2) 0.762 6 0.851 1 0.703 3 0.528 1 0.531 8 0.647 1 中等技术制造产业(i=3) 0.714 6 0.574 0 0.498 3 0.757 7 0.629 1 0.786 3 高技术制造产业(i=4) 0.758 1 0.794 6 0.605 4 0.595 1 0.501 3 0.650 3
下载: 导出CSV
表 3 变量的描述性统计(N=243)
变量 均值 标准差 最小值 最大值 TEF 0.827 6 0.192 3 0.256 0 1.000 0 SPE 0.112 9 0.060 0 0.017 2 0.213 1 DIS 0.150 3 0.076 4 0.021 3 0.286 2 PS1 0.161 5 0.073 8 0.023 0 0.309 5 PS2 0.029 7 0.023 9 0.002 4 0.086 7 PS3 0.098 7 0.047 1 0.009 7 0.197 3 PS4 0.012 3 0.008 6 0.000 6 0.038 7 PS5 0.262 3 0.166 5 0.033 6 0.606 4 COU 0.699 4 0.194 7 0.357 8 1.000 0 ELE 0.037 0 0.044 7 0.000 6 0.246 4 MOP 0.229 2 0.210 3 0.008 3 0.930 4 SCA 4.848 2 1.243 0 1.945 9 6.949 9
下载: 导出CSV
表 4 模型1的回归结果
变量 TEF COU TEF SPE 2.395 4*(1.342 6) 4.458 9**(1.820 9) 1.085 5(1.880 8) COU 0.232 9***(0.085 1) DIS -1.008 6(1.303 6) -3.762 9**(1.493 5) -1.719 2(1.530 5) ELE 3.793 9**(1.660 4) 3.019 2(1.834 5) 1.479 4***(0.320 5) MOP 0.080 8*(0.044 2) -0.192 8***(0.060 7) 0.109 5*(0.062 0) SCA 0.000 2(0.000 2) 0.000 4(0.000 3) -0.000 1(0.000 1) 常数 0.501 3***(0.087 6) 0.613 1***(0.089 4) 0.746 8***(0.085 1) 行业 是 是 否 时间 是 是 是 N 243 243 243 R2_a 0.782 0.559 0.488 注：***、**、*分别表示p < 0.01、p < 0.05和p < 0.1；括号内为t值。下表同。
下载: 导出CSV
表 5 流通和信息技术专业化集聚的中介效应检验结果
变量 模型2：流通要素专业化集聚(PS1) 变量 模型3：信息技术专业化集聚(PS2) TEF COU TEF TEF COU TEF PS1 -0.889 2** 0.801 7*** -1.090 6*** PS2 3.193 0** 1.651 0** 3.138 0** (0.357 9) (0.273 0) (0.371 8) (1.571 0) (0.638 0) (1.520 9) COU 0.251 3*** COU -0.059 2 (0.082 9) (0.074 3) ELC 1.756 9*** 1.116 1*** 1.476 5*** ELC 4.042 5** -0.212 5 4.206 0*** (0.321 6) (0.339 5) (0.317 7) (1.590 2) (2.487 7) (1.557 2) MOP 0.099 2 -0.138 6** 0.134 0** MOP 0.085 0* -0.130 8* 0.073 2* (0.064 2) (0.055 8) (0.061 1) (0.045 5) (0.075 0) (0.044 1) SCA -0.000 2* -0.000 2*** -0.000 1 SCA 0.000 1 0.001 5*** 0.000 1 (0.000 1) (0.000 1) (0.000 1) (0.000 2) (0.000 3) (0.000 2) 常数 0.919 0*** 0.610 0*** 0.765 7*** 常数 0.533 2*** 0.341 7*** 0.569 5*** (0.054 0) (0.041 2) (0.078 4) (0.081 5) (0.102 3) (0.088 2) 行业 否 否 否 行业 是 是 是 时间 是 是 是 时间 是 否 是 N 243 243 243 N 243 243 243 R2_a 0.372 0.360 0.509 R2_a 0.781 0.341 0.781
下载: 导出CSV
表 6 商租和科技服务专业化集聚的中介效应检验结果
变量 模型4：商租服务专业化集聚(PS3) 变量 模型5：科技服务专业化集聚(PS4) TEF COU TEF TEF COU TEF PS3 1.320 9*** 1.228 3*** 0.326 6** PS4 -5.358 4** 5.124 7** -6.545 1** (0.448 1) (0.368 9) (0.139 1) (2.518 4) (2.274 8) (2.596 3) COU -0.110 0 COU 0.231 6*** (0.086 0) (0.084 2) ELC 3.820 0** 1.098 9*** 4.332 1*** ELC 1.786 4*** 1.096 2*** 1.532 5*** (1.612 2) (0.339 9) (1.430 9) (0.333 2) (0.327 5) (0.329 8) MOP 0.075 8* -0.131 8** 0.036 1 MOP 0.095 9 -0.138 9** 0.128 0** (0.044 5) (0.054 1) (0.045 9) (0.066 7) (0.060 3) (0.064 6) SCA 0.000 3 -0.000 2** 0.000 2 SCA -0.000 2** -0.000 2** -0.000 2* (0.000 3) (0.000 1) (0.000 2) (0.000 1) (0.000 1) (0.000 1) 常数 0.478 4*** 0.610 8*** 0.654 9*** 常数 0.849 2*** 0.670 4*** 0.693 9*** (0.080 9) (0.036 2) (0.075 6) (0.031 8) (0.028 7) (0.070 2) 行业 是 否 是 行业 否 否 否 时间 是 是 否 时间 是 是 是 N 243 243 243 N 243 243 243 R2_a 0.782 0.368 0.770 R2_a 0.359 0.552 0.390
下载: 导出CSV
表 7 金融服务专业化集聚的中介效应检验结果
变量 模型6：金融要素专业化集聚(PS5) TEF COU TEF PS5 0.436 0**(0.188 9) 0.310 0**(0.150 7) -0.370 3(0.224 2) COU 0.227 5***(0.085 0) ELC 3.815 3**(1.621 4) 1.086 6***(0.330 0) 1.557 7***(0.320 2) MOP 0.082 7*(0.044 5) -0.113 3**(0.053 4) 0.092 3(0.060 2) SCA 0.000 1(0.000 2) -0.000 2**(0.000 1) -0.000 1(0.000 1) 常数 0.521 4***(0.081 6) 0.649 0***(0.038 8) 0.718 8***(0.080 2) 行业 是 否 否 时间 是 是 是 N 243 243 243 R2_a 0.782 0.450 0.385
下载: 导出CSV
-
[1] 席强敏, 陈曦, 李国平. 中国城市生产性服务业模式选择研究——以工业效率提升为导向[J]. 中国工业经济, 2015(2): 18-30. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201502003.htm [2] 丁博, 曹希广, 邓敏, 等. 生产性服务业对制造业生产效率提升效应的实证分析——基于中国城市面板数据的空间计量分析[J]. 审计与经济研究, 2019(2): 116-127. http://www.cnki.com.cn/Article/CJFDTotal-SJYJ201902011.htm [3] 曲绍卫, 夏远, 姚毅. 生产性服务业集聚与制造业转型的关联性研究——基于产业互动视域的分析[J]. 预测, 2019(5): 82-89. [4] 于斌斌, 吴丹. 生产性服务业集聚如何提升制造业创新效率?——基于集聚外部性的理论分析与实证检验[J]. 科学决策, 2021(3): 18-35. https://www.cnki.com.cn/Article/CJFDTOTAL-KXJC202103002.htm [5] 张建华, 曾依妮. 生产性服务业集聚对制造业结构变迁的影响[J]. 商业经济研究, 2019(13): 171-174. https://www.cnki.com.cn/Article/CJFDTOTAL-SYJJ201913047.htm [6] 刘奕, 夏杰长, 李垚. 生产性服务业集聚与制造业升级[J]. 中国工业经济, 2017(7): 24-42. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201707003.htm [7] 张志元. 我国制造业高质量发展的基本逻辑与现实路径[J]. 理论探索, 2020(2): 87-92. http://www.cnki.com.cn/Article/CJFDTotal-LLTS202002014.htm [8] 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(2): 72-94, 219. [9] 喻胜华, 李丹, 祝树金. 生产性服务业集聚促进制造业价值链攀升了吗——基于277个城市微观企业的经验研究[J]. 国际贸易问题, 2020(5): 57-71. http://www.cnki.com.cn/Article/CJFDTotal-GJMW202005005.htm [10] 高康, 原毅军. 生产性服务业空间集聚如何推动制造业升级?[J]. 经济评论, 2020(4): 20-36. https://www.cnki.com.cn/Article/CJFDTOTAL-JJPL202004002.htm [11] 詹浩勇, 冯金丽, 袁中华. 我国城市生产性服务业集聚模式选择——基于制造业内部结构分类的研究[J], 宏观经济研究, 2017(10): 92-107. https://www.cnki.com.cn/Article/CJFDTOTAL-JJGA201710011.htm [12] 于洋, 杨明月, 肖宇. 生产性服务业与制造业融合发展: 沿革、趋势与国际比较[J]. 国际贸易, 2021(1): 24-31. [13] 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(3): 43-53. https://song.cbpt.cnki.net/WKG/WebPublication/paperDigest.aspx?paperID=15ca559a-edbc-4a76-a40b-d2229c47468c [14] 毛艳华, 胡斌. 广东制造业与生产性服务业耦合互动发展的实证研究——基于2005-2014年面板数据的分析[J]. 华南师范大学学报: 社会科学版, 2017(2): 11-17. [15] 陈丽娴, 魏作磊. 地区制造业服务化程度与劳动者工资收入——基于CHIP数据的经验研究[J]. 财经论丛, 2019(5): 13-21. [16] 崔向林, 罗芳. "互联网"背景下上海市生产性服务业与制造业协调发展研究[J]. 上海经济研究, 2017(11): 68-74. https://www.cnki.com.cn/Article/CJFDTOTAL-HSYJ201711007.htm [17] AMITI M. Location of vertically linked industries: agglom-eration versus comparative advantage[J]. European Economic Review, 2001, 49(4): 809-832. https://www.sciencedirect.com/science/article/pii/S0014292103001089 [18] CONNELL J, KRIZ A, THORPE M. Industry clusters: an antidote for knowledge sharing and collaborative innovation?[J]. Journal of Knowledge Management, 2014, 18: 137-151. https://core.ac.uk/download/pdf/20089859.pdf [19] 严炜炜. 产业集群创新发展中的跨系统信息服务融合[M]. 武汉: 武汉大学出版社, 2017: 21-22. [20] LANZ R, MAURER A. Services and global value chains: servicification of manufacturing and services networks[J]. Journal of International Commerce, Economics and Policy, 2015, 6(3): 1-23. doi: 10.1142/S1793993315500143 [21] 陈丽娴, 杨望成, 郝泽林. 迈入服务利润区: 制造业服务化模式与案例[M]. 北京: 中国财富出版社, 2018. [22] VANDERMERWE S, RADA J. Servitization of business: adding value by adding services[J]. European Management Journal, 1988, 6(4): 314-324. https://www.sciencedirect.com/science/article/pii/0263237388900333 [23] HOPKINSON N, HAGUE R J M, DICKENS P. Rapid manufacturing: an industrial revolution for the Digital Age[M]. Chichister, England: John Wiley and Sons, Ltd, 2005. [24] OQUBAY, ARKEBE, JUSTIN YIFU LIN. The Oxford handbook of industrial hubs and economic development[M]. Oxford: Oxford University Press, 2020. [25] 宋大伟, 郭雯. 我国服务型制造发展和"十四五"展望[J]. 中国科学院院刊, 2020(11): 1358-1365. [26] CHRYSSOLOURIS G, MAVRIKIOS D, PAPAKOSTAS N. Digital manufacturing: history, perspectives, and outlook[J]. Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture, 2009, 223(5): 451-462. doi: 10.1243/09544054JEM1241 [27] 彭徽, 匡贤明. 中国制造业与生产性服务业融合到何程度——基于2010—2014年国际投入产出表的分析与国别比较[J]. 国际贸易问题, 2019(10): 100-116. [28] 冯广宜, 郑耀群. 基于投入产出法的生产性服务业与制造业互动程度研究——以陕西省为例[J]. 生产力研究, 2017(12): 107-112. https://www.cnki.com.cn/Article/CJFDTOTAL-SCLY201712024.htm [29] 邓聚龙. 灰色控制系统[M]. 武汉: 华中理工大学出版社, 1985. [30] 温忠麟, 张雷, 侯杰泰, 等. 中介效应检验程序及其应用[J]. 心理学报. 2004(5): 614-620. http://www.cnki.com.cn/Article/CJFDTotal-XLXB200405016.htm [31] 林善泉, 刘嘉丽, 刘沛. 区域创新能力与潜力评价——以珠三角国家自主创新示范区为例[J]. 现代城市研究, 2019(4): 60-68. https://www.cnki.com.cn/Article/CJFDTOTAL-XDCS201904011.htm [32] 陈广汉. "一带一路"建设中香港和澳门的独特优势[J]. 人民论坛, 2019(10): 31-33. http://www.cnki.com.cn/Article/CJFDTotal-RMLT201910012.htm -
点击查看大图
图(2) / 表(7)
计量
- 文章访问数: 459
- HTML全文浏览量: 228
- PDF下载量: 105
- 被引次数: 0