The Impact of Co-agglomeration of Producer Services and Manufacturing Industries on the Enterprise's Innovation
-
摘要: 制造业与生产性服务业合理的空间协同分布体系是企业创新发展的关键所在，但目前关于生产性服务业与制造业协同集聚如何影响企业创新的研究还相对匮乏。鉴于此，基于产业空间协同分布视角，利用中国工业企业微观数据与城市面板的匹配数据，实证检验生产性服务业与制造业协同集聚对制造业企业技术创新的影响效应及其作用机制。结果发现：生产性服务业与制造业协同集聚显著促进了企业的技术创新，并且这一作用依赖于企业所有制类型、要素密集度、沟通密集度、城市规模等异质性因素。进一步研究表明，生产性服务业与制造业协同集聚主要通过作用于企业的交易成本结构、进入与退出决策行为及研发创新激励来影响企业的技术创新活动。Abstract: The integration of advanced manufacturing and modern services is the key to enterprise's innovation. However, there are rare researches on how the co-agglomeration of producer services and manufacturing industries stimulates technological innovation of manufacturing enterprises. Based on the matching data of China's industrial enterprises and prefecture-level cities, this paper empirically examines the impact and its mechanism of co-agglomeration of producer services and manufacturing industries on enterprise's innovation. The results show that the co-agglomeration of producer services and manufacturing industries significantly promotes the innovation tendency of manufacturing enterprises, and this effect depends on factors such as the type of enterprise ownership, factor intensity, the size of city and so on. Furthermore, the co-agglomeration of producer services and manufacturing industries influences the innovation tendency of manufacturing enterprises mainly through the channels of transaction cost, behavior of entry and exit, incentive of R&D innovation.
-
一、 引言
产业空间邻近及高度集聚有利于扩充“知识池”存量、降低创新要素流动成本和强化知识扩散溢出效应等，进而对区域创新竞争力产生重要影响。随着产业分工深化和融合进程加快，生产性服务业集聚对制造业企业创新活动的作用越来越明显，但与此同时，产业集聚形态也发生了很大的改变，逐渐从过去单一产业在地理空间上的规模扩张汇聚形态，向强调生产性服务业与制造业协同集聚和空间耦合的方向转变，通过不同产业间在邻近地理单元的协同互动与深度渗透，形成融合创新的新动力。事实上，纵观发达经济体产业集聚发展进程，大多经历了生产性服务业与制造业产业协同集聚的“双轮驱动”进程，而近年来中国各城市也纷纷提出了推进生产性服务业集聚与制造业升级“双轮驱动”的战略。那么，中国城市生产性服务业与制造业协同集聚这一发展趋势是否具有创新促进效应？未来应如何基于产业协同集聚角度进一步联动优化产业及城市规划政策？这些问题的解决对利用有限的空间资源来实现生产性服务业与制造业高效互动、推进创新驱动战略有着重要的理论和现实意义。
根据产业集聚理论，生产性服务业集聚有利于降低企业创新活动的成本，增进研发人员“面对面”的知识交流渠道，强化产业间的知识溢出效应，进而对企业创新活动产生重要影响。例如，Muller(2012)[1]认为知识密集型商业服务与制造业企业的空间协同对企业的创新互动和创新绩效具有重要作用。Jacobs等(2013)[2]指出，由于集聚外部性的缘故，知识密集型商业服务与跨国企业之间在地理空间上呈现出协同集聚的关系，这有利于促进企业创新动态。此外，原毅军和郭然(2017)[3]也认为，生产性服务业集聚有利于促进制造业技术创新，并且这种作用存在地域差异和行业异质性。随着新一代信息技术推动制造业由单一生产型逐步向“生产+服务”型转变，生产性服务业与制造业之间以往简单的分工关系发生了变化，共生共融、协同发展趋势更趋明显。传统的生产性服务业与制造业集聚规模并不能很好地阐释新情境下的产业发展态势，由此，关于两者的协同集聚(coagglomeration)关系及其经济效应开始得到更广泛的关注。例如，Ke等(2014)[4]构建了制造业和生产性服务业协同集聚的联立方程模型，发现这两个部门在同一城市或邻近城市之间呈现出协同集聚和溢出效应。Yuan等(2017)[5]从城市内部的角度分析了制造业和生产性服务业的协同集聚及其影响因素，认为制造业和生产性服务业具有空间可分离性和空间共同定位特征，其空间分布要受到集聚经济和城市地价的共同影响。
已有文献产出了丰富的相关研究成果，但在以下方面仍有待拓展：一是在研究视角上，现有研究强调了产业集聚规模对技术创新的影响，但集聚规模并不能很好地反映产业协同集聚关系，并且，多数研究着眼于对生产性服务业与制造业协同关系及其特征描述的研究，而较少涉及到生产性服务业与制造业协同集聚对企业微观创新活动的影响机理。鉴于此，本文结合集聚经济理论，利用中国工业企业微观数据与城市面板匹配数据，就生产性服务业与制造业协同集聚对企业创新绩效的影响效应及其作用机制进行分析。二是在研究方法上，已有文献大多利用区位熵、行业集中度、M-S指数、空间基尼系数、地理集中指数、赫芬达尔-赫希曼指数等指标来测算产业集聚规模水平，但其主要反映了集聚规模程度，而无法很好地体现出生产性服务业与制造业之间的协同集聚布局的合理与否，也难以探究生产性服务业与制造业协同集聚的经济效应。为此，本文借鉴Ellison等(2010)[6]提出的产业间协同集聚方法，构建指标体系考察生产性服务业与制造业协同集聚对企业创新活动的影响效应及其机制，为推进创新驱动战略、促进制造业与现代服务业融合发展提供有针对性的政策建议。
二、 机理分析与研究假设
（一） 生产性服务业与制造业协同集聚对企业创新的影响
生产性服务业是指贯穿于制造业上中下游产业链功能环节、并为其附加值实现过程配套提供研发设计、营销品牌和供应链管理等保障服务的行业，其作用正逐渐由管理功能(润滑剂作用)向促进功能(生产力作用)及战略功能(助推器作用)递进演变。从成本节约和知识溢出的角度出发，生产性服务业集聚对制造业企业研发创新过程至关重要。Venable(1996)[7]、Ellison等(2010)[6]较早关注产业协同集聚现象，并基于垂直关联等模型对生产性服务业与制造业协同集聚的微观机制进行了研究，认为产业集聚早期阶段主要体现在生产性服务业或制造业单一产业在空间纬度上的持续集中，而随着产业融合进程的加深，其逐渐从单一的产业集聚向两者间的协同集聚转变。生产性服务业和制造业协同集聚源于Marshall(1982)[8]提出的中间投入品与最终产品供应商的关联、劳动力市场的共享、信息交换和创新机会的增加等关键因素。生产性服务业与制造业的空间接近性和协同定位关系可促进交互式学习和知识传播过程，增进资源或隐性知识交换所需的频繁“面对面”交流机会。与此同时，专业技术服务与制造业空间协同布局所带来的可达性条件改善有利于促进创新型企业的产品开发工作(MacPherson，1997)[9]。因此，城市生产性服务业与制造业之间的集聚模式会对制造业企业的创新要素整合、创新成本、创新模式及其创新绩效产生重要影响。
根据创新经济理论，技术创新具有投资大、回报周期长、不可逆性、技术与经济不确定性较大等风险特点，这就决定了企业创新对产权和法制等制度环境极为敏感，需要更为完善的知识产权保护、法律等生产性服务配套体系协同嵌入，才能更好地帮助企业家和投资者形成相对稳定的预期，激发其从事技术创新活动的积极性(Shearmur和Doloreux，2013)[10]。当生产性服务业与制造业空间错配时，企业需要为搜索和匹配与生产、管理及营销环节相关的生产性服务花费更多的时间和金钱成本，这会抑制企业在创新环节的资金、人力资本和企业家才能等方面的配置。而当生产性服务业与制造业协同集聚时，有利于通过增强投入产出关联、劳动力可获得性与知识溢出效应来驱动企业技术创新活动(Howard等，2015；Shearmur和Doloreux，2008；Shearmur等，2015)[11-13]。据此，提出如下假设：
H1：生产性服务业与制造业协同集聚显著促进了制造业企业的技术创新。
（二） 生产性服务业与制造业协同集聚对企业创新的影响机制
1. 交易成本结构机制
企业研发创新的交易成本结构主要体现在企业生产及创造知识时所付出的时间和资金成本。当生产性服务业与制造业处于非协同集聚状态时，制造企业难以通过生产性服务中间投入实现生产过程中的“润滑剂”“助推器”功能，企业被迫为传统滞后的生产制造和管理交易模式付出更高的成本。而当两个部门间协同集聚时，企业不仅能通过增强上下游可达性来直接降低需频繁互动的生产性服务，特别是非标准化服务中间品的获取成本(Illeris，1994)[14]，将生产性服务业作为专业化生产环节的“粘合剂”和“助推器”投入到制造业生产活动中，还能间接降低企业生产及管理运营成本(Macpherson，2008)[15]，从而基于投入产出关联和规模经济效应有效降低企业生产及交易成本，促使企业将更多的资金和精力投入到研发创新活动中(Koch和Strotmann，2006)[16]。据此，提出如下假设：
H2：生产性服务业与制造业协同集聚通过交易成本结构机制影响企业创新。
2. 研发创新激励机制
企业研发创新激励主要体现在企业对创新资源获取和创新资源配置的难度，以及企业对知识创造过程所付成本及所获利得之间的权衡。当生产性服务业与制造业处于非协同集聚状态时，不仅获取生产性服务等创新资源的难度较大，且由于缺乏有效的知识传播与扩散渠道，缄默知识外溢也难以获得，企业更易面临“玻璃门”瓶颈，从而带来较高的创新成本和风险，抑制企业的创新激励。而当两个部门间实现协同集聚时，不仅能通过正式外包契约关系促进知识技术从服务提供商向服务使用者转移，降低创新要素的获取难度，且服务提供本身也是一种交流互动的过程，在产业协同集聚时，有利于增进企业与客户间的了解信任、促进技术人员流动及在“面对面”交流时产生“隐性或缄默”知识溢出(Van Oort，2017)[17]。因而，生产性服务业与制造业协同集聚有利于疏通正式或非正式的知识溢出或外部性渠道，进而强化企业研发创新激励(Weterings和Boschma，2008)[18]。据此，提出如下假设：
H3：生产性服务业与制造业协同集聚通过研发创新激励机制影响企业创新。
3. 进入与退出决策机制
企业创新活动的开展不仅要受到自身对创新要素获取配置、成本收益函数权衡的影响，还要受到创新生态系统的影响，而企业能否自由进入和退出是衡量创新生态系统健康与否的关键。当生产性服务业与制造业处于非协同集聚状态时，高效率企业无法通过快速整合生产服务解决方案，选择最优成本收益结构的技术创新路径进入，而低效率企业也难以便捷获得专业服务商的辅助、进行专用性资产转让转移等活动，从而及时止损退出。当两个部门间协同集聚时，创新生态系统中的生产性服务供给有助于促进创新要素优化配置，缓解产业供需侧割裂导致的要素市场扭曲，并促进创新要素自由流动和优化配置(Sutaria和Hicks，2004；Grek等，2011)[19-20]，高生产率企业将兼并或挤出生产率低的企业，通过这一市场竞争机制促进创新资源要素的重组，为企业研发创新活动提供更有效率的创新生态体系。据此，提出如下假设：
H4：生产性服务业与制造业协同集聚通过进入与退出决策机制影响企业创新。
三、 实证设计
（一） 实证模型
为检验生产性服务业与制造业协同集聚对企业创新的影响，设定计量模型如下：
$$ inno{v_{it}} = \alpha + {\beta _1} \cdot coag{g_{it}} + {\beta _2} \cdot {X_{it}} + {\varepsilon _{it}} $$ (1) 其中，innovit代表被解释变量，即企业技术创新；coaggit代表核心解释变量，即生产性服务业与制造业协同集聚；Xit代表控制变量；α代表常数项；εit代表随机扰动项。
（二） 变量说明
1. 企业技术创新(innovit)
既有文献通常采用研发费用或研发人员数量等创新投入指标来测度企业创新活动，但考虑到投入转化为产出的不确定性与研发投入数据的可得性，本文沿用王永进等(2018)[21]的方法，以企业申请专利数量来描述企业的创新行为。
2. 生产性服务业与制造业协同集聚(coaggit)
参照Ellison等(2010)[6]、张虎等(2017)[22]的衡量方法，构建衡量制造业与生产性服务业空间协同集聚(coagg)特征的变量，如公式(2)(3)所示。
$$ mag{g_{ij}} = \frac{{{L_{mj}}}}{{{L_j}}}/\frac{{{L_m}}}{L}\;\;\;\;\;psag{g_{ij}} = \frac{{{L_{psj}}}}{{{L_j}}}/\frac{{{L_{ps}}}}{L} $$ (2) 式(2)中，maggij、psaggij为j城市i(i=m, ps)产业在全国的区位熵指数，Lmj为j城市制造业的就业人数，Lpsj为j城市生产性服务业的就业人数，Lj为j城市的就业人数，Lm为全国制造业的就业人数，Lps为全国生产性服务业的就业人数，L为全国的就业人数。
$$ coagg = \left( {1 - \frac{{\left| {magg - psagg} \right|}}{{magg + psagg}}} \right) + \left| {magg + psagg} \right| $$ (3) 式(3)中，magg为制造业集聚指数，psagg为生产性服务业集聚指数，coagg为生产性服务业与制造业的空间协同分布指数。一般而言，如果coagg指数越高，则说明在特定的地理空间范围内，生产性服务业与制造业之间的空间协同集聚特征越突出。
3. 其他变量
机制变量方面，借鉴王永进等(2018)[21]文献，交易成本结构变量采用管理费用、财务费用与销售费用之和与总资产之比来衡量，研发创新激励变量采用新产品产值占总产值之比来度量。进入与退出变量的设定，如果企业在t年进入(退出)市场则取1，否则取0。
此外，为避免遗漏变量造成的估计偏差，本文参照王永进等(2018)[21]的数据方法，在实证方程中纳入以下控制变量：(1)企业年龄(lnage)及年龄平方(lnage2)。在初创阶段，企业缺乏创新经验和资源积累，此时年龄对企业创新具有负向影响。而随着企业年龄增长，可通过“干中学”效应和更强的吸收转化能力促进企业创新活动，从而企业年龄及其平方项与企业创新之间呈现U型特征(Huergo，2006)[23]。(2)出口状态(export)。企业进入出口领域不仅有利于拓展潜在市场空间、提升创新租金，还有利于通过知识溢出提升企业创新能力(Acemoglu，2009)[24]。(3)企业规模(lnemp)。企业规模对创新具有重要影响，相较而言规模较大的企业在创新资金、人才与技术方面具有优势，有利于促进企业创新活动(Gayle，2003)[25]。(4)人均资本(lnavek)。人均资本存量作为技术创新的必要物质条件，对促进企业创新活动具有积极作用。(5)外资比重(fshare)。外资所占比例越高，越容易挤占本土企业生存创新空间，甚至有可能产生“技术窃取”风险，弱化企业技术创新动力(Barrios和Strobl，2006)[26]。(6)国有资本比重(sshare)。国有资本比重越高，越容易诱发行政壁垒风险并挤占中小企业的创新市场份额，引致负向技术溢出效应，进而抑制企业技术创新积极性。
（三） 数据来源
文中的企业技术创新指标是利用中国国家知识产权局的专利数据库，按照申请单位(企业名称)与中国工业企业数据库进行匹配。在使用中国工业企业数据库之前，首先对存在明显统计错误或不符合会计准则的观测值予以删除。同时，还利用国泰安数据库中国A股制造业上市公司专利数据进行稳健性检验。各城市生产性服务业与制造业协同集聚水平的原始数据来自于历年《中国城市统计年鉴》，对生产性服务业的界定借鉴顾乃华(2010)[27]等文献，其涵盖了交通运输、仓储和邮政业，信息传输、软件和信息技术服务业，金融业，租赁和商务服务业及科学研究和技术服务业。
四、 计量结果分析
（一） 描述性统计结果
表 1列出了主要变量的名称及描述性统计特征。从中可以看出，在样本期间内，城市企业平均专利申请及产业协同集聚度等变量在数值上存在一定程度的差异，因此有必要在总体样本分析的基础上进行分样本异质性分析。限于篇幅，在此不再一一赘述。
表 1 主要变量统计性描述符号 平均值 标准差 最小值 最大值 innov 2.595 1 20.955 5 0.000 0 588.053 3 coagg 2.785 4 0.451 2 0.829 9 4.247 0 lnage 2.086 9 0.985 2 0.000 0 4.795 8 exp 0.255 0 0.435 8 0.000 0 1.000 0 lnemp 4.857 9 1.142 0 2.079 4 11.579 0 lnavek 4.744 7 1.060 4 0.004 6 11.663 1 sshare 0.157 2 0.348 8 0.000 0 1.000 0 fshare 0.074 7 0.245 9 0.000 0 1.000 0 （二） 实证结果与分析
1. 生产性服务业与制造业协同集聚影响企业创新的基准结果
表 2报告了生产性服务业与制造业协同集聚影响企业创新的基准结果。列(1)中仅考虑生产性服务业与制造业协同集聚对企业创新带来的影响，列(2)~(8)中逐一加入了控制变量。可以发现，生产性服务业与制造业协同集聚估计系数依然显著为正，并在1%的水平下显著，说明生产性服务业与制造业协同集聚有利于更好地集聚创新要素，降低创新投入成本，强化知识溢出效应，进而促进企业技术创新活动。由此，研究假设1得以验证。
表 2 基准回归结果变量 (1) (2) (3) (4) (5) (6) (7) (8) coagg 1.833 2*** 1.690 0*** 1.791 4*** 1.341 9*** 1.607 2*** 1.014 1*** 1.005 3*** 1.290 7*** (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) lnage 1.501 7*** -0.077 8 -0.552 6*** -0.310 8* -0.602 7*** -0.705 0*** -0.629 2*** (0.000 0) (0.672 1) (0.003 0) (0.090 2) (0.001 0) (0.000 2) (0.000 7) lnage2 0.408 5*** 0.508 4*** 0.260 5*** 0.286 2*** 0.321 4*** 0.282 0*** (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) exp 3.489 5*** 1.421 2*** 1.540 0*** 1.527 0*** 2.095 1*** (0.000) (0.000 0) (0.000 0) (0.000 0) (0.000 0) lnemp 2.833 2*** 3.186 2*** 3.208 4*** 3.271 9*** (0.000 0) (0.000 0) (0.000 0) (0.000 0) lnavek 2.311 5*** 2.318 7*** 2.407 1*** (0.000 0) (0.000 0) (0.000 0) sshare -0.370 7 -0.478 2* (0.155 0) (0.066 0) fshare -2.903 6*** (0.000 0) Cons -2.176 9*** -4.571 4*** -3.668 1*** -2.842 3*** -15.793 0*** -26.810 8*** -26.857 9*** -28.244 2*** (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) Obs 220 686 220 686 220 686 220 686 220 665 220 487 218 476 218 476 R2 0.001 4 0.004 7 0.00 5 0.009 2 0.024 7 0.035 4 0.035 6 0.036 6 注：括号中为稳健p值，*、**、***分别表示10%、5%、1%的显著性水平。下表同 2. 异质性条件下生产性服务业与制造业协同集聚影响企业创新的分样本结果
由于企业空间异质性的存在，生产性服务业与制造业协同集聚对制造业企业创新的影响也有所不同，这一作用过程还要受到企业所有制类型、要素密集度、专利密集度、技术距离、融资约束度、沟通密集度及城市规模等因素的影响，本部分将进一步验证。
(1) 不同产业协同集聚类型下生产性服务业与制造业协同集聚对企业创新的影响。表 3报告了生产性服务业细分行业与制造业协同集聚对企业技术创新的影响。结果显示，第(1)列中知识密集型服务业与制造业协同集聚对企业技术创新的影响要比表 2第(8)列的系数更为明显，说明知识密集型服务业与制造业协同集聚对企业技术创新的作用更加突出。进一步地，本文还将生产性服务业与制造业协同集聚分为交通服务与制造业协同集聚(coaggjt)、电信服务与制造业协同集聚(coaggtel)、金融服务与制造业协同集聚(coaggfin)、租赁和商务服务与制造业协同集聚(coagglen)及研发服务与制造业协同集聚(coaggrd)五种类型，分别报告在表 3第(2)~(6)列中。结果发现，研发服务与制造业协同集聚对企业技术创新的作用最为突出，而金融服务与制造业协同集聚对企业技术创新的作用相对较弱。
表 3 区分产业集聚类型的回归结果变量 (1) (2) (3) (4) (5) (6) coagg 1.328 9*** (0.000 0) coaggjt 0.983 7*** (0.000 0) coaggtel 0.772 5*** (0.000 0) coaggfin 0.527 3*** (0.000 0) coagglen 0.814 2*** (0.000 0) coaggrd 1.250 6*** (0.000 0) 控制变量 Y Y Y Y Y Y Obs 218 476 218 476 218 476 218 476 218 476 218 476 R2 0.036 6 0.036 6 0.036 3 0.036 1 0.036 4 0.037 0 注：控制变量同表 2，篇幅所限未能予以详细列示。下表同 (2) 不同城市规模及集聚类型下生产性服务业与制造业协同集聚对企业创新的影响。表 4报告了区分不同城市规模①以及产业协同集聚类型的回归结果。综合来看，无论是一般性生产服务业(coagg)与制造业协同集聚，还是知识密集型服务(coaggks)及研发服务(coaggrd)与制造业协同集聚变量，其估计系数大多在1%水平下显著为正，产业协同集聚有利于促进企业技术创新的结论没有发生根本改变。进一步地，比较表 4第(1)(4)(7)列结果可知，生产性服务业与制造业协同集聚对企业创新的促进效应在小城市中较为明显，中等城市次之，大城市一般。可能的解释是，大城市的城市边界过快扩张，出现了土地城镇化快于人口与产业城镇化的现象，生产性服务业与制造业协同集聚水平对企业创新的效果可能并不理想。相对而言，小城市的城市边界扩张步伐相对缓慢，产业空间分离现象也相对不那么突出，从而生产性服务业与制造业协同集聚所带来的创新边际增量效应更为明显。比较表 4第(2)(5)(8)列结果可知，知识密集型服务业与制造业协同集聚对企业创新的促进效应在中等城市较为突出，在小城市与大城市相近。比较表 4第(3)(6)(9)列结果可知，研发服务业与制造业协同集聚对企业创新的促进效应在中等城市较为突出，小城市次之，大城市不显著。上述结果从侧面揭示了不应局限于单中心或单体城市的发展，应发挥不同规模城市的比较优势，构建大中小城市和小城镇协调发展的城镇化新格局。
①参照《国务院关于调整城市规模划分标准的通知》国发〔2014〕51号划分的城市规模。为便于研究，本文将大城市、特大城市与超大城市归并为大城市类型。
表 4 区分城市规模及产业集聚类型的回归结果变量 (1) (2) (3) (4) (5) (6) (7) (8) (9) 大城市 中等城市 小城市 coagg 0.706 3*** 1.091 8*** 1.253 4*** (0.000 0) (0.000 0) (0.000 0) coaggks 0.758 5*** 0.981 4*** 0.787 8*** (0.000 0) (0.000 0) (0.004 0) coaggrd 0.973 7*** 1.253 4*** 0.345 2 (0.000 0) (0.000 0) (0.192 1) 控制变量 Y Y Y Y Y Y Y Y Y Obs 152 353 152 353 152 353 44 745 44 745 44 745 44 745 21 378 21 378 R2 0.037 7 0.037 6 0.038 0 0.035 1 0.035 0 0.035 6 0.035 6 0.029 0 0.028 7 (3) 不同技术及沟通密集度下生产性服务业与制造业协同集聚对企业创新的影响。表 5报告了区分行业技术密集度及沟通密集度①的估计结果，发现生产性服务业与制造业协同集聚对企业技术创新的促进作用这一结论具有稳健性。比较表 5结果可知，生产性服务业与制造业协同集聚对处于不同要素密集度和沟通密集度行业企业的技术创新活动的影响存在异质性。可以看到，产业协同集聚对处于资本及技术密集型行业企业的创新活动影响较为明显，而对处于劳动密集型行业企业的作用相对较弱。同时，生产性服务业与制造业协同集聚对处于沟通密集度高行业企业的技术创新作用更为明显，而对处于沟通密集度低行业企业的作用相对较弱。上述结果也与不同要素密集度行业所具有的属性特征相符合。
①沟通密集度的测算和划分方法参照王永进和张国峰(2015)[28]文献。
表 5 区分行业技术密集度及沟通密集度的回归结果劳动密集型 资本密集型 技术密集型 非沟通密集型 沟通密集型 coagg 0.628 1*** 2.026 1*** 1.418 8*** 1.146 3*** 2.424 0*** (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) 控制变量 Y Y Y Y Y Obs 97 386 68 238 52 932 80 228 63 684 R2 0.017 6 0.041 8 0.052 1 0.020 9 0.060 1 (4) 其他异质性特征下生产性服务业与制造业协同集聚对企业创新的影响。表 6报告了区分专利类型、内外资企业、融资约束度、技术距离与专利密集度②的回归结果，可知生产性服务业与制造业协同集聚对企业技术创新的作用呈现出差异化特征。比较表 6结果可知，相对发明专利而言，生产性服务业与制造业协同集聚对企业实用新型和外观设计等其他专利的促进作用更为明显。同时，相比专利密集型行业，生产性服务业与制造业协同集聚对非专利密集型行业企业的创新行为影响更为显著，说明产业协同集聚在促进企业创新高质量发展上还有改进空间。此外，相对外资企业，生产性服务业与制造业协同集聚对内资企业技术创新的促进效应更为突出。相比融资约束强的企业，生产性服务业与制造业协同集聚对融资约束较弱的企业技术创新的促进效应更为显著。最后，相比技术距离大的企业，生产性服务业与制造业协同集聚对技术距离较小的企业技术创新活动的促进效应更为显著。
②专利类型分为发明专利与其他(外观设计与实用新型专利)，融资约束度、技术距离与专利密集度的衡量测算参照王永进和张国峰(2018)[28]的方法。
表 6 区分其他异质性特征的回归结果发明 其他 内资 外资 约束强 约束弱 距离大 距离小 密集型 非密集型 coagg 0.32*** 1.11*** 1.39*** 1.04*** 0.45*** 1.98*** 0.72*** 1.78*** 1.08*** 1.28*** (0.00) (0.00) (0.00) (0.00) (0.00) (0.00) (0.00) (0.00) (0.00) (0.00) 控制变量 Y Y Y Y Y Y Y Y Y Y Obs 218 556 218 556 166 915 42 372 105 045 113 511 101 684 116 872 37 601 180 955 R2 0.020 5 0.028 9 0.043 0.021 2 0.002 8 0.037 1 0.034 4 0.037 4 0.055 9 0.031 2 3. 生产性服务业与制造业协同集聚影响企业创新的稳健性检验结果
考虑到中国工业企业数据库2007年后的专利数据缺失较多，本文还利用2003—2015年CSMAR数据库中国制造业上市公司发明专利授权量对数进行稳健性检验(见表 7)。从中可知，无论采用产业协同集聚的哪一种细分维度指标，生产性服务业与制造业协同集聚对企业技术创新的影响系数均显著为正，说明城市生产性服务业与制造业协同集聚有利于促进企业技术创新这一结论并不会因更换替代指标而发生根本改变，该结果具有稳健性。
表 7 生产性服务业与制造业协同集聚影响企业创新的稳健性回归结果变量 (1) (2) (3) (4) (5) (6) coagg 0.253 0*** 0.207 8** 0.192 9*** 0.189 2*** 0.061 2* 0.176 2*** (0.000 0) (0.010 0) (0.000 0) (0.000 0) (0.070 0) (0.000 0) 控制变量 Y Y Y Y Y Y Obs 3 923 3 923 3 923 3 923 3 923 3 923 R2 0.136 3 0.134 1 0.129 7 0.138 4 0.118 5 0.144 7 注：列(1)~(6)是采用coagg、coaggks、coaggjt、coaggtel、coaggfin、coagglen为核心解释变量的结果 4. 生产性服务业与制造业协同集聚影响企业创新的机制检验结果
表 8报告了生产性服务业与制造业协同集聚影响企业创新的机制检验结果，分析如下：
表 8 生产性服务业与制造业协同集聚对企业创新的作用机制回归结果变量 研发创新激励M1 进入决策M2en 退出决策M2ex 交易成本结构M3 coagg 0.052 3***(0.000 0) 0.180 2***(0.000 0) 0.028 4**(0.010 2) -0.633 7(0.603 9) lnage -0.160 6***(0.000 0) -1.102 3***(0.000 0) 0.034 6**(0.039 6) -1.306 5(0.5640) lnage2 0.054 9***(0.000 0) 0.149 4***(0.000 0) 0.014 6***(0.000 6) 1.065 2(0.175 7) exp 0.142 3***(0.000 0) -0.136 5***(0.000 0) -0.096 2***(0.000 0) -1.844 1*(0.092 7) lnemp 0.530 2***(0.000 0) -0.212 2***(0.000 0) -0.234 7***(0.000 0) 3.807 4***(0.000 0) lnavek 0.434 6***(0.000 0) -0.104 3***(0.000 0) -0.114 1***(0.000 0) 1.622 1*(0.091 1) sshare 0.200 6***(0.000 0) 0.004 8(0.799 1) 0.583 7***(0.000 0) 13.908 4***(0.001 1) fshare -0.446 2***(0.000 0) 0.075 9***(0.000 0) 0.005 6(0.781 6) -4.196 9(0.221 2) Obs 126 828 143 912 143 912 140 539 R2 0.150 6 0.151 1 0.048 2 0.001 3 (1) 研发创新激励机制(M1)。表 8第(2)列报告了生产性服务业协同集聚对企业进入和退出行为的影响结果。从中可知，生产性服务业与制造业协同集聚对研发创新激励的影响系数显著为正，说明生产性服务业与制造业协同集聚有助于减少企业的非创新性活动，鼓励企业家将更多的时间精力和更多的资金盈余投入到创新活动中，从而推动了企业技术创新活动。
(2) 进入与退出决策机制(M2en、M2ex)。表 8第(3)列和第(4)列分别汇报了生产性服务业协同集聚对企业进入和退出行为的影响。从结果可以看出，生产性服务业与制造业协同集聚对企业进入的影响系数显著为正，说明生产性服务业协同集聚有利于提升创新资源的配置效率，吸引更多高效率的企业进入，减少进入壁垒造成的效率损失，从而优化产业创新环境、形成良好的创新氛围，促进企业技术创新活动。与之相较，产业协同集聚对企业退出的影响效应虽然存在，但其系数和显著性有所下降，未来应进一步采取措施消除不合理的退出壁垒，构建有序进出的产业组织结构，使低效率企业能加速退出市场，优化创新资源配置效率。
(3) 交易成本结构机制(M3)。表 8第(5)列汇报了生产性服务业协同集聚对企业交易成本结构的影响。结果显示，生产性服务业与制造业协同集聚对交易成本结构的影响系数为负，说明生产性服务业与制造业协同集聚有利于通过投入产出关联效应和规模经济效应，帮助企业以更低的成本、更高的效率提高总资产报酬率、获得质量更优的生产性服务中间投入来促进企业创新发展。但由于企业仍面临较高的其他制度性交易成本，生产性服务业与制造业协同集聚对企业创新绩效的作用还不明显，亟需进一步通过减税降费等改革措施予以配合。
本文还结合CSMAR中国制造业上市公司的数据，分别利用($1 - \frac{{magg - psagg}}{{magg + psagg}}$)(coagg1)及研发服务协同集聚(coagg2)等替代核心解释变量后进行稳健性分析(见表 9)。其中，表 9第(1)列结果表明，生产性服务业与制造业协同集聚有利于优化企业总资产报酬率，引导企业有效率地进入与退出市场，从而促进企业创新活动；第(2)~(4)列结果显示，生产性服务业与制造业协同集聚有利于分别降低企业的营业费用、管理费用和财务费用，进而促进企业创新活动；第(5)列结果说明，生产性服务业与制造业协同集聚可以强化企业的研发支出，促进企业的创新活动。上述结果进一步验证了结论的稳健性。
表 9 影响机制的稳健性检验结果变量 (1) (2) (3) (4) (5) coagg 0.032 6*(0.083 0) coagg1 -0.440 1***(0.000 0) -0.390 2***(0.000 0) -0.045 5(0.291 0) coagg2 0.201 3***(0.000 0) 控制变量 Y Y Y Y Y N 28 861 28 006 29 317 21 793 8 089 R2 0.068 6 0.406 1 0.660 4 0.534 2 0.089 1 进一步地，表 10报告了采用中介效应模型的检验结果。从中可知，整体上生产性服务业与制造业协同集聚对企业创新的影响为正，且在1%的水平上显著，说明生产性服务业与制造业协同集聚有利于促进企业创新。从各中介变量的作用来看，研发创新激励和进入决策变量的中介效应显著，而退出决策和交易成本结构变量的中介效应则不太理想。从这一检验结果来看，相关变量的中介效应存在结构性差异。其原因是复杂的，需要综合各类中介效应检验结果进行阐释, 可能与样本期间我国市场机制尚不完善、企业还未能很好地实现市场自由退出及税负偏高有关。未来应通过供给侧结构性改革、减税降费等配套改革措施疏通相关渠道机制，减少因各种壁垒带来的创新效率损失。
表 10 生产性服务业与制造业协同集聚影响企业创新的中介效应检验结果检验对象 中介变量 第一步 第二步 第三步 中介效应占总效应比例 研发创新激励 产业协同集聚 1.975 9***(0.159 3) 0.052 3***(0.011 5) 1.839 1***(0.156 5) 0.069 2 2.615 7***(0.038 4) 进入决策 产业协同集聚 1.878 2***(0.142 7) 0.055 4***(0.002 5) 1.837 2***(0.143 0) 0.021 8 0.738 6***(0.147 9) 退出决策 产业协同集聚 1.878 2***(0.142 7) 0.004 2**(0.001 8) 1.880 6***(0.142 7) -0.001 3 -0.581 3***(0.205 2) 交易成本结构 产业协同集聚 1.889 7***(0.145 6) -0.633 7(1.277 4) 1.889 6***(0.145 6) 0.000 1 -0.000 2(0.000 3) 注：括号内数字为标准差 五、 结论与政策含义
本文利用中国工业企业与城市面板匹配数据，考察生产性服务业与制造业协同集聚对制造业企业创新的影响。主要结论如下：第一，生产性服务业与制造业协同集聚显著促进了制造业企业的技术创新，并且这一作用还要受到企业所有制类型、要素密集度、专利密集度、技术距离、融资约束度、沟通密集度及城市规模等多种因素的影响。第二，生产性服务业与制造业协同集聚主要通过作用于企业的交易成本结构、进入与退出行为及研发创新激励来影响制造业企业的技术创新倾向。
以上研究结论的启示在于：一是推动产业空间布局优化，形成产业功能区统筹发展新模式。在进行城市空间规划和地方产业政策制定时要加强顶层设计，做好前期规划，立足本地区产业核心优势，重点突破生产性服务业与制造业协同集聚领域，推动产业深度融合、优势互补，实施有差异的错位发展策略。二是做到因地制宜，因企施策。根据不同规模城市产业协同集聚的特点，立足不同特征企业创新活动对生产性服务业的差异化需求，推动产业空间集约，深化产业间协同创新和集群发展。通过差异化竞争，适时进行产业转移，形成大中小城市错层、非均衡发展的格局。三是坚持集约发展，完善交通等基础设施网络，严控新增产业准入门槛，健全低端产业退出机制，不断完善创新服务体系与平台建设，激发企业创新潜能。
-
表 1 主要变量统计性描述
符号 平均值 标准差 最小值 最大值 innov 2.595 1 20.955 5 0.000 0 588.053 3 coagg 2.785 4 0.451 2 0.829 9 4.247 0 lnage 2.086 9 0.985 2 0.000 0 4.795 8 exp 0.255 0 0.435 8 0.000 0 1.000 0 lnemp 4.857 9 1.142 0 2.079 4 11.579 0 lnavek 4.744 7 1.060 4 0.004 6 11.663 1 sshare 0.157 2 0.348 8 0.000 0 1.000 0 fshare 0.074 7 0.245 9 0.000 0 1.000 0 
下载: 导出CSV
表 2 基准回归结果
变量 (1) (2) (3) (4) (5) (6) (7) (8) coagg 1.833 2*** 1.690 0*** 1.791 4*** 1.341 9*** 1.607 2*** 1.014 1*** 1.005 3*** 1.290 7*** (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) lnage 1.501 7*** -0.077 8 -0.552 6*** -0.310 8* -0.602 7*** -0.705 0*** -0.629 2*** (0.000 0) (0.672 1) (0.003 0) (0.090 2) (0.001 0) (0.000 2) (0.000 7) lnage2 0.408 5*** 0.508 4*** 0.260 5*** 0.286 2*** 0.321 4*** 0.282 0*** (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) exp 3.489 5*** 1.421 2*** 1.540 0*** 1.527 0*** 2.095 1*** (0.000) (0.000 0) (0.000 0) (0.000 0) (0.000 0) lnemp 2.833 2*** 3.186 2*** 3.208 4*** 3.271 9*** (0.000 0) (0.000 0) (0.000 0) (0.000 0) lnavek 2.311 5*** 2.318 7*** 2.407 1*** (0.000 0) (0.000 0) (0.000 0) sshare -0.370 7 -0.478 2* (0.155 0) (0.066 0) fshare -2.903 6*** (0.000 0) Cons -2.176 9*** -4.571 4*** -3.668 1*** -2.842 3*** -15.793 0*** -26.810 8*** -26.857 9*** -28.244 2*** (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) Obs 220 686 220 686 220 686 220 686 220 665 220 487 218 476 218 476 R2 0.001 4 0.004 7 0.00 5 0.009 2 0.024 7 0.035 4 0.035 6 0.036 6 注：括号中为稳健p值，*、**、***分别表示10%、5%、1%的显著性水平。下表同
下载: 导出CSV
表 3 区分产业集聚类型的回归结果
变量 (1) (2) (3) (4) (5) (6) coagg 1.328 9*** (0.000 0) coaggjt 0.983 7*** (0.000 0) coaggtel 0.772 5*** (0.000 0) coaggfin 0.527 3*** (0.000 0) coagglen 0.814 2*** (0.000 0) coaggrd 1.250 6*** (0.000 0) 控制变量 Y Y Y Y Y Y Obs 218 476 218 476 218 476 218 476 218 476 218 476 R2 0.036 6 0.036 6 0.036 3 0.036 1 0.036 4 0.037 0 注：控制变量同表 2，篇幅所限未能予以详细列示。下表同
下载: 导出CSV
表 4 区分城市规模及产业集聚类型的回归结果
变量 (1) (2) (3) (4) (5) (6) (7) (8) (9) 大城市 中等城市 小城市 coagg 0.706 3*** 1.091 8*** 1.253 4*** (0.000 0) (0.000 0) (0.000 0) coaggks 0.758 5*** 0.981 4*** 0.787 8*** (0.000 0) (0.000 0) (0.004 0) coaggrd 0.973 7*** 1.253 4*** 0.345 2 (0.000 0) (0.000 0) (0.192 1) 控制变量 Y Y Y Y Y Y Y Y Y Obs 152 353 152 353 152 353 44 745 44 745 44 745 44 745 21 378 21 378 R2 0.037 7 0.037 6 0.038 0 0.035 1 0.035 0 0.035 6 0.035 6 0.029 0 0.028 7
下载: 导出CSV
表 5 区分行业技术密集度及沟通密集度的回归结果
劳动密集型 资本密集型 技术密集型 非沟通密集型 沟通密集型 coagg 0.628 1*** 2.026 1*** 1.418 8*** 1.146 3*** 2.424 0*** (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) 控制变量 Y Y Y Y Y Obs 97 386 68 238 52 932 80 228 63 684 R2 0.017 6 0.041 8 0.052 1 0.020 9 0.060 1
下载: 导出CSV
表 6 区分其他异质性特征的回归结果
发明 其他 内资 外资 约束强 约束弱 距离大 距离小 密集型 非密集型 coagg 0.32*** 1.11*** 1.39*** 1.04*** 0.45*** 1.98*** 0.72*** 1.78*** 1.08*** 1.28*** (0.00) (0.00) (0.00) (0.00) (0.00) (0.00) (0.00) (0.00) (0.00) (0.00) 控制变量 Y Y Y Y Y Y Y Y Y Y Obs 218 556 218 556 166 915 42 372 105 045 113 511 101 684 116 872 37 601 180 955 R2 0.020 5 0.028 9 0.043 0.021 2 0.002 8 0.037 1 0.034 4 0.037 4 0.055 9 0.031 2
下载: 导出CSV
表 7 生产性服务业与制造业协同集聚影响企业创新的稳健性回归结果
变量 (1) (2) (3) (4) (5) (6) coagg 0.253 0*** 0.207 8** 0.192 9*** 0.189 2*** 0.061 2* 0.176 2*** (0.000 0) (0.010 0) (0.000 0) (0.000 0) (0.070 0) (0.000 0) 控制变量 Y Y Y Y Y Y Obs 3 923 3 923 3 923 3 923 3 923 3 923 R2 0.136 3 0.134 1 0.129 7 0.138 4 0.118 5 0.144 7 注：列(1)~(6)是采用coagg、coaggks、coaggjt、coaggtel、coaggfin、coagglen为核心解释变量的结果
下载: 导出CSV
表 8 生产性服务业与制造业协同集聚对企业创新的作用机制回归结果
变量 研发创新激励M1 进入决策M2en 退出决策M2ex 交易成本结构M3 coagg 0.052 3***(0.000 0) 0.180 2***(0.000 0) 0.028 4**(0.010 2) -0.633 7(0.603 9) lnage -0.160 6***(0.000 0) -1.102 3***(0.000 0) 0.034 6**(0.039 6) -1.306 5(0.5640) lnage2 0.054 9***(0.000 0) 0.149 4***(0.000 0) 0.014 6***(0.000 6) 1.065 2(0.175 7) exp 0.142 3***(0.000 0) -0.136 5***(0.000 0) -0.096 2***(0.000 0) -1.844 1*(0.092 7) lnemp 0.530 2***(0.000 0) -0.212 2***(0.000 0) -0.234 7***(0.000 0) 3.807 4***(0.000 0) lnavek 0.434 6***(0.000 0) -0.104 3***(0.000 0) -0.114 1***(0.000 0) 1.622 1*(0.091 1) sshare 0.200 6***(0.000 0) 0.004 8(0.799 1) 0.583 7***(0.000 0) 13.908 4***(0.001 1) fshare -0.446 2***(0.000 0) 0.075 9***(0.000 0) 0.005 6(0.781 6) -4.196 9(0.221 2) Obs 126 828 143 912 143 912 140 539 R2 0.150 6 0.151 1 0.048 2 0.001 3
下载: 导出CSV
表 9 影响机制的稳健性检验结果
变量 (1) (2) (3) (4) (5) coagg 0.032 6*(0.083 0) coagg1 -0.440 1***(0.000 0) -0.390 2***(0.000 0) -0.045 5(0.291 0) coagg2 0.201 3***(0.000 0) 控制变量 Y Y Y Y Y N 28 861 28 006 29 317 21 793 8 089 R2 0.068 6 0.406 1 0.660 4 0.534 2 0.089 1
下载: 导出CSV
表 10 生产性服务业与制造业协同集聚影响企业创新的中介效应检验结果
检验对象 中介变量 第一步 第二步 第三步 中介效应占总效应比例 研发创新激励 产业协同集聚 1.975 9***(0.159 3) 0.052 3***(0.011 5) 1.839 1***(0.156 5) 0.069 2 2.615 7***(0.038 4) 进入决策 产业协同集聚 1.878 2***(0.142 7) 0.055 4***(0.002 5) 1.837 2***(0.143 0) 0.021 8 0.738 6***(0.147 9) 退出决策 产业协同集聚 1.878 2***(0.142 7) 0.004 2**(0.001 8) 1.880 6***(0.142 7) -0.001 3 -0.581 3***(0.205 2) 交易成本结构 产业协同集聚 1.889 7***(0.145 6) -0.633 7(1.277 4) 1.889 6***(0.145 6) 0.000 1 -0.000 2(0.000 3) 注：括号内数字为标准差
下载: 导出CSV
-
[1] MULLER E. Innovation interactions between knowledge-intensive business services and small and medium-sized enterprises: an analysis in terms of evolution, knowledge and territories[M]. Heidelberg: Physica-Verlag Heidelberg, 2012. [2] JACOBS W, KOSTER H R A, VAN OORT F. Co-agglomeration of knowledge-intensive business services and multinational enterprises[J]. Journal of Economic Geography, 2013, 14(2): 443-475. http://joeg.oxfordjournals.org/content/14/2/443.full.pdf+html [3] 原毅军, 郭然. 生产性服务业集聚、制造业集聚与技术创新——基于省级面板数据的实证研究[J]. 经济学家, 2018(5): 23-31. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXJ201805005.htm [4] KE S, HE M, YUAN C. Synergy and co-agglomeration of producer services and manufacturing: a panel data analysis of Chinese cities[J]. Regional Studies, 2014, 48(11): 1829-1841. doi: 10.1080/00343404.2012.756580 [5] YUAN F, GAO J, WANG L, et al. Co-location of manufacturing and producer services in Nanjing, China[J]. Cities, 2017, 63: 81-91. doi: 10.1016/j.cities.2016.12.021 [6] ELLISON G, GLAESER E L, KERR W R. What causes industry agglomeration? evidence from coagglomeration patterns[J]. American Economic Review, 2010, 100(3): 1195-1213. doi: 10.1257/aer.100.3.1195 [7] VENABLES A J. Equilibrium locations of vertically linked industries[J]. International Economic Review, 1996, 37: 341-359. doi: 10.2307/2527327 [8] MARSHALL A. Principles of economics[M]. London: Macmillan and Co., Ltd., 1920. [9] MACPHERSON A. The role of producer service outsourcing in the innovation performance of New York State manufacturing firms[J]. Annals of the association of American Geographers, 1997, 87(1): 52-71. doi: 10.1111/0004-5608.00041 [10] SHEARMUR R, DOLOREUX D. Innovation and knowledge-intensive business service: the contribution of knowledge-intensive business service to innovation in manufacturing establishments[J]. Economics of Innovation and New Technology, 2013, 22(8): 751-774. doi: 10.1080/10438599.2013.786581 [11] HOWARD E, NEWMAN C, TARP F. Measuring industry coagglomeration and identifying the driving forces[J]. Journal of Economic Geography, 2015, 16(5): 1055-1078. http://smartsearch.nstl.gov.cn/paper_detail.html?id=d76e9f743b4fc7b3ed42b9d683f613a0 [12] SHEARMUR R, DOLOREUX D. Urban hierarchy or local buzz? high-order producer service and (or) knowledge-intensive business service location in Canada, 1991-2001[J]. The Professional Geographer, 2008, 60(3): 333-355. doi: 10.1080/00330120801985661 [13] SHEARMUR R, DOLOREUX D. Knowledge-intensive business services use and user innovation: high-order services, geographic hierarchies and internet use in Quebec's manufacturing sector[J]. Regional Studies, 2015, 49(10): 1654-1671. doi: 10.1080/00343404.2013.870988 [14] ILLERIS S. Proximity between service producers and service users[J]. Tijdschrift voor Economische en sociale geografie, 1994, 85(4): 294-302. doi: 10.1111/j.1467-9663.1994.tb01340.x [15] MACPHERSON A. Producer service linkages and industrial innovation: results of a twelve-year tracking study of New York state manufacturers[J]. Growth and Change, 2008, 39(1): 1-23. doi: 10.1111/j.1468-2257.2007.00403.x [16] KOCH A, STROTMANN H. Impact of functional integration and spatial proximity on the post-entry performance of knowledge intensive business service firms[J]. International Small Business Journal, 2006, 24(6): 610-634. doi: 10.1177/0266242606069269 [17] VANOORT. Urban growth and innovation: spatially bounded externalities in the Netherlands[M]. London: Routledge, 2017. [18] WETERINGS A, BOSCHMA R. Does spatial proximity to customers matter for innovative performance? evidence from the Dutch software sector[J]. Research Policy, 2009, 38(5): 746-755. doi: 10.1016/j.respol.2008.12.011 [19] SUTARIA V, HICKS D A. New firm formation: dynamics and determinants[J]. The Annals of Regional Science, 2004, 38(2): 241-262. doi: 10.1007/s00168-004-0194-9 [20] GREK J, KARLSSON C, KLAESSON J. Determinants of entry and exit: the significance of demand and supply conditions at the regional level[M]//KOURTIT K, NIJKAMP P, STOUGH R R. Drivers of innovation, entrepreneurship and regional dynamics. Berlin & Heidelberg: Springer, 2011: 121-141. [21] 王永进, 冯笑. 行政审批制度改革与企业创新[J]. 中国工业经济, 2018(2): 24-42. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201802003.htm [22] 张虎, 韩爱华, 杨青龙. 中国制造业与生产性服务业协同集聚的空间效应分析[J]. 数量经济技术经济研究, 2017(2): 3-20. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY201702001.htm [23] HUERGO E. The role of technological management as a source of innovation: evidence from Spanish manufacturing firms[J]. Research Policy, 2006, 35(9): 1377-1388. doi: 10.1016/j.respol.2006.07.005 [24] ACEMOGLU D. Introduction to modern economic growth[M]. Princeton: Princeton University Press, 2009. [25] GAYLE P G. Market concentration and innovation: new empirical evidence on the Schumpeterian hypothesis[R]. University of Colorado at Boulder, 2003. [26] BARRIOS S, STROBL E. Foreign direct investment and productivity spillovers: evidence from the Spanish experience[J]. Review of World Economics, 2002, 138(3): 459-481. doi: 10.1007/BF02707949 [27] 顾乃华. 生产性服务业对工业获利能力的影响和渠道——基于城市面板数据和SFA模型的实证研究[J]. 中国工业经济, 2010(5): 48-58. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201005007.htm [28] 王永进, 张国峰. 人口集聚、沟通外部性与企业自主创新[J]. 财贸经济, 2015(5): 132-146. doi: 10.3969/j.issn.1005-913X.2015.05.064 期刊类型引用(64)
1. 莫倩. 产业集聚对生物医药产业创新能力影响研究综述. 江苏商论. 2024(02): 113-116 . 
百度学术2. 陈颖. 两业融合对中国先进制造业GVC攀升的影响研究. 财经理论与实践. 2024(02): 136-144 . 百度学术3. 林屹. 韧性城市的塑造：制造业与生产性服务业协同集聚视角下的研究. 建筑与文化. 2024(05): 120-122 . 百度学术4. 冯小兰，郭仙君，姚丽. 产业集聚与企业协同创新——基于食品产业园的研究. 中外企业文化. 2024(04): 142-144 . 百度学术5. 刘文革，何彤彤. 自贸区制度创新与企业对外直接投资——基于产业集聚视角. 国际商务(对外经济贸易大学学报). 2024(04): 55-70 . 百度学术6. 闫中意，卜伟，王雅婧. 国家级新区与城市绿色技术创新——基于产业集聚的中介效应研究. 科学学与科学技术管理. 2024(07): 49-67 . 百度学术7. 罗嘉雯，邓晴方，刘紫萍. 产业协同集聚与企业创新：影响机制与异质性研究. 工信财经科技. 2024(04): 76-95 . 百度学术8. 孙绪芹，陆雪艳. 新质生产力赋能的产业协同集聚、技术创新与绿色经济效率——基于空间计量模型的中介效应分析. 西南大学学报(社会科学版). 2024(05): 42-55 . 百度学术9. 陈秀英，王梦翠. 中国城市群生产性服务业与制造业协同集聚的空间差异及收敛性研究. 长沙理工大学学报(社会科学版). 2023(01): 105-116 . 百度学术10. 李健 ，高鹏程 ，谢衡 . 产业协同集聚、人力资本流动与高技术产业创新. 统计与决策. 2023(02): 179-184 . 百度学术11. 刘驰，鲁庭婷. 产业协同集聚对出口技术复杂度的影响——以高技术制造业与生产性服务业为例. 中南民族大学学报(人文社会科学版). 2023(03): 137-146+187 . 百度学术12. 孙鹏博，葛力铭，杨晨. 生产性服务业和工业空间协同集聚对中国工业碳排放的影响. 环境经济研究. 2023(01): 1-28 . 百度学术13. 及添正，黄巧龙，张天铃，苏攀达. 长江经济带生产性服务业的空间格局演变与影响因素研究——基于企业进入视角. 资源与产业. 2023(02): 37-51 . 百度学术14. 严晗. 皖江城市带生产性服务业聚集的技术创新效应. 湖南工程学院学报(社会科学版). 2023(01): 26-34 . 百度学术15. 薛阳，牛子正，段淏文，冯银虎. 高技术产业集聚、人力资本高级化与区域创新绩效——来自中国省级面板数据的实证检验. 前沿. 2023(01): 59-69 . 百度学术16. 陈淑龙，刘伯凡. 进驻高新区是否提高了企业产能利用率?——来自企业进驻高新区的准自然实验证据. 工程管理科技前沿. 2023(01): 69-75 . 百度学术17. 张艾莉，孙新宇. 产业协同集聚、工业机器人应用与技术创新. 中国科技论坛. 2023(08): 51-61 . 百度学术18. 周琼. 物流产业与制造业的协同集聚能否提升城市创新创业质量——基于长三角城市群的经验证据. 物流科技. 2023(16): 121-124 . 百度学术19. 陈斌，何思思. 集聚视角下城市群与产业群技术创新联动、同群效应与创新涌现的关系研究. 科技管理研究. 2023(16): 146-157 . 百度学术20. 解希玮. 产业协同、服务贸易开放与全球价值链分工. 求索. 2023(05): 184-195 . 百度学术21. 陈晓华，岑家辉. 生产性服务业集聚对我国制造业出口技术复杂度的影响——基于2003—2018年省级面板数据的实证分析. 重庆工商大学学报(社会科学版). 2023(06): 27-44 . 百度学术22. 张治栋，桂雅清. 产业协同集聚与企业创新——基于数字经济的调节作用. 铜陵学院学报. 2023(05): 3-8 . 百度学术23. 侯军岐，马玉璞. 服务业集聚影响我国服务业全球竞争力的机理分析——基于规模效应与拥挤效应. 商业经济研究. 2022(01): 178-181 . 百度学术24. 苏晓艳，李镇南. 生产性服务业集聚会促进高新企业技术创新吗？——以粤港澳大湾区为例. 现代管理科学. 2022(01): 42-50 . 百度学术25. 张红霞，张语格. 制造业与生产性服务业协同对行业创新效率的影响研究. 江西社会科学. 2022(02): 137-148 . 百度学术26. 李璟，屈韬，陈勇姗，李佳蔚. 服务业驱动制造业转型升级的路径和机制研究——基于佛山市2010—2018年制造业的实证检验. 广东财经大学学报. 2022(01): 75-86 . 本站查看27. 戴玲，唐晴晴. 产业集聚对区域创新能力的影响研究——基于异质性产业集聚与协同集聚视角. 吉林工商学院学报. 2022(02): 27-34 . 百度学术28. 谢阿红，朱家明. 产业协同集聚、科技创新与经济高质量发展——基于知识密集型服务业与制造业的实证研究. 绵阳师范学院学报. 2022(06): 84-95 . 百度学术29. 崔蓬伟，谷人旭，王腾飞. 产业协同集聚对区域创新效率的影响研究——以高技术产业与生产性服务业为例. 资源开发与市场. 2022(08): 964-972 . 百度学术30. 吉亚辉，杨膨宇，齐欣. 创新背景下城市资源的空间策略性互动研究——基于门槛效应与两区制空间杜宾模型. 商业经济研究. 2022(17): 182-188 . 百度学术31. 孙丽香，张建民，许宁. “多样化”产业协同集聚赋能企业绿色全要素生产率提升的效应评估及作用机制研究. 经济问题探索. 2022(10): 134-144 . 百度学术32. 孙超，王燕. 产业协同集聚对区域创新效率的空间溢出效应. 统计与决策. 2022(20): 43-47 . 百度学术33. 邓晶，张敏杰，华潮. 基于空间视角下产业协同集聚对区域创新的影响. 数学的实践与认识. 2021(04): 88-98 . 百度学术34. 武翠，谭清美. 基于生态位适宜度的区域创新生态系统与产业协同集聚研究. 科技管理研究. 2021(03): 1-9 . 百度学术35. 欧进锋，许抄军. 生产性服务业集聚对区域创新绩效的影响——基于广东省数据的实证分析. 岭南师范学院学报. 2021(02): 82-96 . 百度学术36. 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. 科技进步与对策. 2021(11): 46-53 . 百度学术37. 郑晓舟，郭晗，卢山冰. 环境规制协同、技术创新与城市群产业结构升级——基于中国十大城市群的实证分析. 广东财经大学学报. 2021(03): 46-60 . 本站查看38. 孟卫军，林刚，刘名武. 科技服务业与高技术制造业协同集聚对创新效率的影响. 西部论坛. 2021(03): 82-96 . 百度学术39. 陈秀英. 生产性服务业空间协同分布对发明者创新绩效的影响——基于注意力配置的视角. 统计理论与实践. 2021(07): 18-23 . 百度学术40. 孟望生，邵芳琴. 产业协同集聚对绿色经济增长效率的影响——基于生产性服务业与制造业之间要素层面协同集聚的实证分析. 南京财经大学学报. 2021(04): 75-85 . 百度学术41. 杨巧，陈虹. 产业协同集聚对经济增长质量影响的实证. 统计与决策. 2021(19): 98-102 . 百度学术42. 唐荣，李文秀，纪祥裕. “营改增”促进了制造业与生产性服务业协同集聚吗?. 产经评论. 2021(04): 82-94 . 百度学术43. 魏曙光，武美霞. 黄河几字弯产业协同创新对智慧绿色发展影响异质效应研究. 内蒙古煤炭经济. 2021(11): 203-206 . 百度学术44. 杨林，蒋涛. 产业协同集聚对区域创新能力的影响研究. 经营与管理. 2021(12): 173-180 . 百度学术45. 刘胜，陈秀英，王芮. 生产性服务业与制造业协同集聚如何影响新建企业选址. 产经评论. 2021(05): 90-102 . 百度学术46. 李勇辉，沈波澜，胡舜，林森. 生产性服务业集聚空间效应与城市技术创新——基于长江经济带108个城市面板数据的实证分析. 经济地理. 2021(11): 65-76 . 百度学术47. 丁焕峰，孙小哲，王露. 制造业与生产性服务业协同集聚能否提升城市专利质量?. 审计与经济研究. 2021(06): 105-115 . 百度学术48. 刘小军，陈思嘉，王玉婧. 制造业与生产性服务业协调发展对区域创新能力的影响——基于GMM模型分析. 产业创新研究. 2021(24): 6-11 . 百度学术49. 陈秀英. “创新链+服务链”嵌入与广州市价值创新园区产业升级. 科技创新发展战略研究. 2020(01): 37-40 . 百度学术50. 陆凤芝，杨浩昌. 产业协同集聚与环境污染治理:助力还是阻力. 广东财经大学学报. 2020(01): 16-29 . 本站查看51. 刘军，曹雅茹，吴昊天. 产业协同集聚对区域绿色创新的影响. 中国科技论坛. 2020(04): 42-50 . 百度学术52. 吴传清，邓明亮. 长江经济带制造业和服务业融合发展水平测度及影响因素研究. 扬州大学学报(人文社会科学版). 2020(04): 44-62 . 百度学术53. 伍先福，钟鹏，黄骁. 高技术产业集聚对技术创新的影响研究述评. 中国经贸导刊(中). 2020(10): 176-178 . 百度学术54. 纪玉俊，孙红梅. 产业协同集聚的城市创新效应存在触发条件吗?. 山东财经大学学报. 2020(06): 31-40 . 百度学术55. 吕平，袁易明. 产业协同集聚、技术创新与经济高质量发展——基于生产性服务业与高技术制造业实证分析. 财经理论与实践. 2020(06): 118-125 . 百度学术56. 刘胜，陈秀英. 生产性服务业与制造业协同集聚对全球价值链分工地位的影响——基于中国工业企业数据和贸易上游度视角. 当代经济管理. 2020(11): 17-23 . 百度学术57. 温婷. 生产性服务业集聚、空间溢出与产业结构升级——基于全国239个地级城市的实证检验. 科技管理研究. 2020(21): 143-153 . 百度学术58. 孙超，王燕. 高新技术产业与生产性服务业协同集聚对区域创新效率的影响. 科技管理研究. 2020(22): 139-147 . 百度学术59. 朱建文，王珊珊. 生产性服务业研究现状、热点及前沿——基于CiteSpace的可视化分析. 哈尔滨师范大学自然科学学报. 2020(06): 64-71 . 百度学术60. 赵婷婷，许梦博. 产业集聚影响区域创新的机制与效应——基于中国省级面板数据的实证检验. 科学管理研究. 2020(01): 83-88 . 百度学术61. 王毓杰. 中小城市生产性服务业发展结构问题及对策. 大众投资指南. 2019(10): 233 . 百度学术62. 刘胜，陈秀英. 深港生产性服务业与制造业的协同集聚. 开放导报. 2019(05): 73-77 . 百度学术63. 王帅，吴传琦. 生产性服务业集聚与城市经济增长关系研究——基于35个大中城市的实证分析. 技术经济与管理研究. 2019(12): 125-130 . 百度学术64. 王可侠. 5G背景下的地区服务制造业发展路径研究——以安徽产业为例. 江淮论坛. 2019(06): 95-99 . 百度学术其他类型引用(89)
-
下载:
![](data:image/svg+xml,<svg xmlns='http://www.w3.org/2000/svg' width='210' height='179'><foreignObject width='2000' height='100%'><div xmlns='http://www.w3.org/1999/xhtml' style='font-size:16px;font-family:Helvetica'><table>
<thead>
<tr>
<td class="table_top_border" align="center">符号</td>
<td class="table_top_border" align="center">平均值</td>
<td class="table_top_border" align="center">标准差</td>
<td class="table_top_border" align="center">最小值</td>
<td class="table_top_border" align="center">最大值</td>
</tr>
</thead>
<tbody>
<tr>
<td class="table_top_border2" align="center"><i>innov</i></td>
<td class="table_top_border2" align="center">2.595 1</td>
<td class="table_top_border2" align="center">20.955 5</td>
<td class="table_top_border2" align="center">0.000 0</td>
<td class="table_top_border2" align="center">588.053 3</td>
</tr>
<tr>
<td align="center"><i>coagg</i></td>
<td align="center">2.785 4</td>
<td align="center">0.451 2</td>
<td align="center">0.829 9</td>
<td align="center">4.247 0</td>
</tr>
<tr>
<td align="center"><i>lnage</i></td>
<td align="center">2.086 9</td>
<td align="center">0.985 2</td>
<td align="center">0.000 0</td>
<td align="center">4.795 8</td>
</tr>
<tr>
<td align="center"><i>exp</i></td>
<td align="center">0.255 0</td>
<td align="center">0.435 8</td>
<td align="center">0.000 0</td>
<td align="center">1.000 0</td>
</tr>
<tr>
<td align="center"><i>lnemp</i></td>
<td align="center">4.857 9</td>
<td align="center">1.142 0</td>
<td align="center">2.079 4</td>
<td align="center">11.579 0</td>
</tr>
<tr>
<td align="center"><i>lnavek</i></td>
<td align="center">4.744 7</td>
<td align="center">1.060 4</td>
<td align="center">0.004 6</td>
<td align="center">11.663 1</td>
</tr>
<tr>
<td align="center"><i>sshare</i></td>
<td align="center">0.157 2</td>
<td align="center">0.348 8</td>
<td align="center">0.000 0</td>
<td align="center">1.000 0</td>
</tr>
<tr>
<td class="table_bottom_border" align="center"><i>fshare</i></td>
<td class="table_bottom_border" align="center">0.074 7</td>
<td class="table_bottom_border" align="center">0.245 9</td>
<td class="table_bottom_border" align="center">0.000 0</td>
<td class="table_bottom_border" align="center">1.000 0</td>
</tr>
</tbody>
</table></div></foreignObject></svg>)