產業(yè)融合對全要素生產率影響的空間效應研究
——基于先進制造業(yè)與現代服務業(yè)融合的視角

夏 倫

（湖北經濟學院 統(tǒng)計與數學學院，湖北 武漢 430205）

當前，中國經濟由追求高速度發(fā)展向追求高質量發(fā)展轉變已經成為社會上的廣泛共識，加快先進制造業(yè)和現代服務業(yè)的深度融合是實現經濟高質量發(fā)展的重要途徑之一。近年來，中國政府也加快了推進先進制造業(yè)和現代服務業(yè)深度融合的步伐。2019 年政府工作報告中明確提出：“促進先進制造業(yè)和現代服務業(yè)的融合發(fā)展，加快建設制造強國。 ”[1]同年11 月，15 部門聯合印發(fā)《關于推動先進制造業(yè)和現代服務業(yè)深度融合發(fā)展的實施意見》[2]。在國家相關政策的指導下，湖北、江西、青海等地相繼出臺了鼓勵先進制造業(yè)和現代服務業(yè)融合的措施，以促進經濟高質量發(fā)展[3-5]。此前，黨的十九大報告還明確提出了提高全要素生產率（TFP）的緊迫性[6]。全要素生產率揭示了生產過程中各種投入要素的單位平均產出水平，即一種投入轉化為最終產出的效率，它是技術創(chuàng)新、管理模式改進、產業(yè)結構轉型升級等因素帶來效率提升的綜合體現。那么，產業(yè)融合是否能夠有效促進全要素生產率的提升呢？筆者擬從先進制造業(yè)和現代服務業(yè)融合的視角出發(fā)來分析產業(yè)融合對全要素生產率的影響。

一、文獻綜述

（一） 產業(yè)融合

產業(yè)融合對經濟高質量發(fā)展具有重要意義。在中國經濟的發(fā)展過程中，先進制造業(yè)和現代服務業(yè)的融合發(fā)展是加快產業(yè)轉型升級、提升產業(yè)價值鏈、實現制造業(yè)強國戰(zhàn)略的重要手段。目前，學界對服務業(yè)和制造業(yè)的融合研究較為豐富，主要集中在概念界定、融合模式、融合測算等方面。從概念界定方面來看，最早提出產業(yè)融合思想的是馬歇爾。他在分工理論中明確指出，隨著分工的不斷細化，行業(yè)之間的界限將逐漸模糊[7]。產業(yè)融合是經濟發(fā)展到一定程度的必然產物，在馬歇爾時期，經濟水平相對落后，產業(yè)結構相對單一，產業(yè)融合并未充分發(fā)揮經濟效益。隨著經濟的不斷發(fā)展，近30 年來，作為經濟發(fā)展兩大引擎的制造業(yè)和服務業(yè)都得到了高速發(fā)展和不斷壯大，兩個產業(yè)之間的融合也逐漸成為關注熱點。進入20 世紀后，學界普遍認為，產業(yè)融合首先體現為技術融合：Rosenberg在研究機械設備的發(fā)展變遷時提出，即使功能和特性完全不同的產品，也可能采用同一種技術，這種共同技術即是產業(yè)融合的基礎[8]；Sahal 認為，某一技術范式可以廣泛應用于不同行業(yè)，并在行業(yè)之間擴散，引發(fā)技術創(chuàng)新活動，從而促進產業(yè)之間的技術融合[9]；還有學者從產業(yè)邊界和競爭的視角出發(fā)對產業(yè)融合進行界定，認為產業(yè)融合是指在經濟發(fā)展過程中，產業(yè)邊界出現收縮甚至消失的現象，并且這種融合是一種新型的競爭合作關系[10]48[11-14]。從融合模式方面來看，Greenstein 和Khanna 將產業(yè)融合劃分為替代式融合和互補式融合[10]48；Pennings 和Puranam在上述研究的基礎上，提出了一種新的“替代-補充”模式，并將這種融合解讀為需求融合和供給融合，需求融合主要是指產品融合，供給融合主要是指技術融合[15]；Stieglitz 在上述研究的基礎上，提出了2×2 產業(yè)融合矩陣，共包括四種類型的融合方式（即技術替代、技術互補、產品替代、產品互補）[16]；胡漢輝和邢華將產業(yè)融合劃分為產業(yè)滲透、產業(yè)重組、產業(yè)交叉三種模式[17]。從產業(yè)融合測算方面來看，目前，學界廣泛使用的方法主要包括指數法、統(tǒng)計模型法、投入產出法等。在早期的研究中，主流觀點認為，技術創(chuàng)新是產業(yè)融合的重要動因，故而將產業(yè)之間的技術融合度作為衡量產業(yè)融合程度的指標，指數法中最具代表性的是赫芬達爾指數法和熵指數法[18-19]。統(tǒng)計模型法主要通過利用耦合協(xié)調度模型、灰色關聯模型、計量經濟模型等來測算產業(yè)融合水平，該方法近年來依然被廣泛使用[20-24]。 投入產出法揭示了各產業(yè)之間的密切關系，因而，利用投入產出表來測算產業(yè)融合程度同樣備受學者們青睞[25-26]。上述三類測算方法各有優(yōu)劣，早期指數法運用得相對較多，近年來統(tǒng)計模型法和投入產出法則因各自的優(yōu)勢而得到了更加廣泛的運用。

（二） 全要素生產率

從全要素生產率的測算來看，對于企業(yè)（微觀）全要素生產率的計算，通常采用的是GMM 法、ACF法[27]以及近年來被廣泛運用的基于一致半參數估計技術的OP 法（由Olley 和Pakes 提出）[28]和LP 法（由Levinsohn 和Petrin 提出[29]）[30-32]，而對于地區(qū)（宏觀）全要素生產率的計算，目前學術界較為廣泛采用的是數據包絡分析法（DEA）[33]609-618[34] 64-80[35] 29-34和隨機前沿分析法（SFA）[36]30-55[37] 81-93。

（三） 文獻評述

關于產業(yè)融合對全要素生產率影響的文獻相對較少，現有文獻多集中在研究產業(yè)融合對某一具體產業(yè)全要素生產率的影響方面[33]609-618[34] 64-80[35] 29-34[37] 81-93，缺少對整個地區(qū)全要素生產率的宏觀分析。在產業(yè)融合方面，研究先進制造業(yè)與現代服務業(yè)融合的文獻也相對缺乏；在研究方法上，已有文獻大多采用傳統(tǒng)計量模型，如時間序列分析、面板數據模型等來進行研究，而利用空間統(tǒng)計非參數模型來進行研究的則較為少見。

因此，在中國政府提出促進先進制造業(yè)與現代服務業(yè)深度融合的大背景下，筆者擬首先對這兩個產業(yè)的融合水平進行測算，同時利用隨機前沿法對中國31 個省（直轄市、自治區(qū)）的全要素生產率進行估算，并利用面板數據半參數空間滯后模型來研究產業(yè)融合對全要素生產率的影響，嘗試對產業(yè)融合的經濟效應進行探索。

二、數據來源與描述統(tǒng)計

（一） 數據來源與說明

筆者以2005—2018 年中國31 個?。ㄗ灾螀^(qū)、直轄市）的數據為樣本，數據主要來源于《中國工業(yè)經濟統(tǒng)計年鑒》（2006—2019）、《中國第三產業(yè)統(tǒng)計年鑒》（2006—2019）、 《 中 國 統(tǒng) 計 年 鑒》（2006—2019）、《中國高技術產業(yè)統(tǒng)計年鑒》（2006—2019）以及31 個?。ㄗ灾螀^(qū)、直轄市）的《統(tǒng)計年鑒》（2006—2019）。同時，部分數據還參考了中國投入產出數據庫、世界投入產出數據庫（WOID）、EPS 數據庫的數據等。所有數據均為政府官方數據，具有較強的真實性與權威性。為了消除價格指數變化帶來的影響，研究涉及的價格變量（主要包括各地區(qū)行業(yè)增加值），均以2003 年為基期進行價格調整。

（二） 產業(yè)融合的測度

1. 行業(yè)界定

為了有效測算先進制造業(yè)和現代服務業(yè)的融合水平，首先需要對這兩個產業(yè)的范圍進行界定。現代服務業(yè)是指以現代科學技術特別是信息網絡技術為主要支撐，建立在新的商業(yè)模式、服務方式和管理方法基礎上的服務產業(yè)。從概念上來看，難以對現代服務業(yè)所涵蓋的行業(yè)進行精準界定，筆者參考科技部頒布的《現代服務業(yè)科技發(fā)展“十二五”專項規(guī)劃》（國科發(fā)計〔2012〕70 號）文件，以及學界普遍采用的處理方式，認為現代服務業(yè)主要是指生產性服務業(yè)（服務業(yè)還包括生活性服務業(yè)），按照國家統(tǒng)計局頒布的《生產性服務業(yè)統(tǒng)計分類（2019）》（國統(tǒng)字〔2019〕43 號）文件，擬定現代服務業(yè)具體包括5 個行業(yè)：交通運輸、倉儲和郵政業(yè)，信息傳輸、軟件和信息技術服務業(yè)，金融業(yè)，租賃和商務服務業(yè)，科學研究和技術服務業(yè)。先進制造業(yè)是相對于傳統(tǒng)制造業(yè)而言的，是指吸收信息技術、智能技術等高新技術成果，并將高新技術、制造模式和管理理念貫穿設計、研發(fā)、制造、生產和檢測等全過程的制造業(yè)。為此，筆者參考《中國高技術產業(yè)統(tǒng)計年鑒》中涉及的制造業(yè)，選擇6 個行業(yè)作為先進制造業(yè)：醫(yī)藥制造業(yè)，航空、航天器及設備制造業(yè)，電子及通信設備制造業(yè)，計算機及辦公設備制造業(yè)，醫(yī)療儀器設備及儀器儀表，信息化學品制造業(yè)。

2. 產業(yè)融合的測算方法

關于產業(yè)融合的測算，常見的方法包括指數法、統(tǒng)計模型法和投入產出法。其中，指數法通常僅以少數技術指標來綜合衡量產業(yè)融合水平，較為粗糙。雖然投入產出法可以較為全面地反映產業(yè)融合水平，但是中國投入產出數據庫每5 年發(fā)布一次，數據缺乏連續(xù)性，難以精確揭示全時期水平。因此，筆者選擇統(tǒng)計模型法，具體采用耦合評價模型來進行測算。耦合評價模型主要用于衡量兩個系統(tǒng)之間的相關性，先進制造業(yè)和現代服務業(yè)都包含多個部門，是相對較大的產業(yè)系統(tǒng)，因此，耦合評價模型可適用于衡量這兩個產業(yè)的融合水平。同時，筆者還結合Cao 等的計算方法來進行測算[38]。具體模型構建步驟如下：

（1）指標標準化

采用最大-最小歸一化方法對數據進行標準化處理，先進制造業(yè)和現代服務業(yè)指標的標準化公式為

式中：xpq為先進制造業(yè)第p個部門第j個指標的取值；xpqmax和xpqmin分別為該指標的最大值和最小值；ypq為現代服務業(yè)第p個部門第q個指標的取值；ypqmax和ypqmin分別為該指標的最大值和最小值；mpq和spq分別為兩個產業(yè)標準化后的取值。

（2）子系統(tǒng)貢獻值計算

先進制造業(yè)和現代服務業(yè)的貢獻值計算公式為

式中： M C和 SC分別為先進制造業(yè)和現代服務業(yè)的貢獻值； λpq和 μpq分別為先進制造業(yè)子系統(tǒng)和現代服務業(yè)子系統(tǒng)各指標的權重，均采用熵權法進行計算。

一般而言， MC取值越大，先進制造業(yè)發(fā)展水平越高； SC取值越大，現代服務業(yè)發(fā)展水平越高。當MC ＞SC時，表明先進制造業(yè)發(fā)展水平領先于現代服務業(yè)發(fā)展水平；反之，則現代服務業(yè)發(fā)展水平領先于先進制造業(yè)發(fā)展水平。

（3）融合水平計算

先進制造業(yè)和現代服務業(yè)的發(fā)展有著各自的演化過程，并存在著緊密聯系，當整體系統(tǒng)達到穩(wěn)定的狀態(tài)時，可計算這兩個產業(yè)的耦合度（C），計算公式為

然而，兩個產業(yè)的子系統(tǒng)在發(fā)展環(huán)境與演化基礎上存在差異，因此僅靠耦合度來衡量并不全面，故而引入耦合協(xié)調度（D）指標來進行更加全面的測算。其構造模式是在耦合度基礎上考慮綜合協(xié)調度，具體計算公式為

式中：T=α·MC+δ·SC，為兩個產業(yè)融合發(fā)展的綜合協(xié)調系數， α與 δ分別為兩個產業(yè)的行業(yè)貢獻度；D為兩個產業(yè)的耦合協(xié)調度，作為最終衡量兩業(yè)融合水平的指標，通常來看，耦合協(xié)調度越高，表明兩個產業(yè)之間的融合水平越高。

3. 指標選擇與產業(yè)融合結果分析

目前，在選擇產業(yè)融合基礎指標時，不少文獻采用單一指標或者少數幾個指標作為測算依據，如采用行業(yè)增加值或就業(yè)人數等指標作為測算基礎[39-40]。筆者認為，產業(yè)融合具有多維度、綜合性的特征，因此需要建立指標體系進行測算。故而，在充分參考國家部委2019 年出臺的《關于推動先進制造業(yè)和現代服務業(yè)深度融合發(fā)展的實施意見》基礎上，結合指標選擇的科學性、全面性、可得性原則，建立反映兩個產業(yè)融合的測算指標體系，如表1 所示。

表1 產業(yè)融合測算指標體系

根據表1 構建的指標體系和產業(yè)融合的測算方法，計算2005—2018 年中國31 個省（自治區(qū)、直轄市）整體及各區(qū)域的先進制造業(yè)與現代服務業(yè)融合水平。囿于文章篇幅，于此僅列出中國31 個?。ㄗ灾螀^(qū)、直轄市）整體和東部、中部、西部、東北部區(qū)域的平均融合水平，如表2 所示②。

表2 2005—2018 年31 個?。ㄗ灾螀^(qū)、直轄市）整體和各區(qū)域產業(yè)融合水平

從產業(yè)融合水平來看，東部區(qū)域領先于31 個?。ㄗ灾螀^(qū)、直轄市）整體，2005 年東部區(qū)域產業(yè)融合水平值為0.581 0，2018 年上升至接近0.800 0；其次是中部區(qū)域，2018 年產業(yè)融合水平值超過0.600 0；東北部區(qū)域2018 年產業(yè)融合水平值為0.573 4；西部地區(qū)2018 年產業(yè)融合水平值則僅為0.519 5，在四大區(qū)域中排名最后，尚未達到東部區(qū)域2005 年的產業(yè)融合水平值。從發(fā)展趨勢來看，不論是31 個?。ㄗ灾螀^(qū)、直轄市）整體還是各區(qū)域，均呈上升趨勢，表明整體上中國先進制造業(yè)與現代服務業(yè)融合水平呈現良好的發(fā)展勢頭。值得關注的是，盡管各區(qū)域產業(yè)融合呈現較好趨勢，但是各區(qū)域之間差距不斷擴大的事實也不能忽視：2005 年，東部區(qū)域與西部區(qū)域的產業(yè)融合水平值的差距為0.179 8，至2018 年，該差距擴大為0.277 6。可見，各區(qū)域產業(yè)融合發(fā)展不平衡的現象依然存在。

（三） 全要素生產率的測算

1. 計算方法與變量選擇

近年來，計算地區(qū)全要素生產率的主要方法包括數據包絡分析法和隨機前沿分析法。數據包絡分析法的前提假設相對嚴格，要求所有影響生產率的因素都需被模型覆蓋，不存在非投入的影響因素，在測算前需要進行秩相關檢驗，同時該方法是一項數學規(guī)劃技術，難以對方法的適應性進行檢驗。隨機前沿分析法也存在一定的局限，如樣本量需要足夠大，否則會導致較大偏差。盡管如此，相較于數據包絡分析法，隨機前沿分析法計算的全要素生產率更接近現實，特別是選用超越對數生產函數設定的模型放松了不變彈性的假設，并可對函數形式進行有效性檢驗，可以更加有效地保證模型的科學性[36]30-55。

因此，筆者采用隨機前沿分析法來測算中國31 個?。ㄗ灾螀^(qū)、直轄市）2005—2018 年的全要素生產率。選擇的變量包括實際產出（GDP，用實際GDP 表示且以2000 年作為基準進行轉換）、勞動力數量（L，采用就業(yè)人員數衡量）、物質資本存量（K，按照張軍等提出的計算方法測算[41]），采用超越對數生產函數，其模型為

式中：i為第i個地區(qū)；t為第t個時期；β為待估參數；v為隨機干擾項，服從標準正態(tài)分布；μ為技術無效率項，服從零點截斷的半正態(tài)分布。

按照余泳澤以及Kumbhakar 等的分解方法[36]30-55[42]（囿于文章篇幅，此處不列分解過程），可以將全要素生產率分解為生產效率變化率（TE）、技術進步率（TP）和規(guī)模效率（SE）。

2. 全要素生產率估算結果與分析

根據上述分解方法計算出中國31 個?。ㄗ灾螀^(qū)、直轄市）整體和各區(qū)域2005—2018 年全要素生產率以及分解結果。為節(jié)省篇幅，僅展示31 個?。ㄗ灾螀^(qū)、直轄市）整體的分解結果，如圖1 所示。

圖1 31 個?。ㄗ灾螀^(qū)、直轄市）整體全要素生產率分解時序

全要素生產率反映的是在既定的生產要素投入條件下，所產生的額外生產效率。從經濟學意義上來看，它是一個“余值”，是指不能被勞動力、資本等生產要素投入所解釋的部分，額外產生效率的部分通常來自資源配置優(yōu)化、技術進步或創(chuàng)新、管理制度的完善等帶來的效率提升。由圖1 可知，中國全要素生產率在2005—2013 年呈下降趨勢，2014 年開始逐漸上升，并于2016—2018 年上升幅度增大。從其分解結果來看，全要素生產率的變化主要由生產效率變化率體現，全要素生產率和生產效率變化率的變化趨勢非常相似，并且生產效率變化率在分解元素中占比超過90%，是決定全要素生產率最重要的因素。技術進步率是影響全要素生產率的重要因素，是提升全要素生產率的核心因素，從2005—2018 年的發(fā)展趨勢來看，中國技術進步率對全要素生產率的貢獻呈下降趨勢，表明中國依靠技術進步、技術創(chuàng)新帶動經濟效率提高的能力依然有待提升。規(guī)模效率是因發(fā)展規(guī)模擴大帶來的額外生產效率，中國2005—2018 年的規(guī)模效率呈上升趨勢，表明規(guī)模效率對全要素生產率的貢獻一直在不斷提升。

三、產業(yè)融合對全要素生產率的影響機制分析

現代產業(yè)的邊界日益模糊，制造業(yè)服務化、服務產品化等趨勢越來越明顯，產業(yè)融合是經濟發(fā)展到一定程度的重要特征和趨勢，是實現經濟高質量發(fā)展的重要途徑，全要素生產率的提升是高質量發(fā)展的主要表現之一，那么，產業(yè)融合又該如何有效提升全要素生產率，這是一個值得探討的話題。結合產業(yè)經濟學理論及相關研究成果，筆者認為，產業(yè)融合可以通過技術創(chuàng)新、效率提升和外部性效應三種途徑來提升全要素生產率。

第一，產業(yè)融合有助于促進技術創(chuàng)新，進而提升全要素生產率。不同產業(yè)之間的融合首先發(fā)生在技術領域，專業(yè)化技術在不同產業(yè)邊界上的流動和共享，是促使產業(yè)技術融合的重要方式，是技術創(chuàng)新的推動力。同時，產業(yè)融合促使創(chuàng)新過程從累積型向突破型創(chuàng)新轉變，更加有利于技術創(chuàng)新[43]。技術創(chuàng)新是提升全要素生產率的核心途徑。

第二，從微觀視角來看，產業(yè)融合有助于加快新產品、新服務的出現，因此，能夠促進資源配置效率的提升，進而提高全要素生產率；從中觀視角來看，產業(yè)融合有助于引發(fā)產業(yè)結構、產業(yè)組織形態(tài)、產業(yè)布局不斷向更高級、更合理的方向變化，形成新的增長點，從而促進產業(yè)績效和生產率的提升。

第三，在產業(yè)融合過程中，可以通過知識和技術的外溢來提升全要素生產率。在制造業(yè)價值鏈的上游，生產性服務業(yè)可以提供調研、咨詢、研發(fā)等服務；在制造業(yè)價值鏈的中游，生產性服務業(yè)可以提供先進的管理服務；在制造業(yè)價值鏈的下游，生產性服務業(yè)可以提供配送、售后等服務。生產性服務業(yè)在為制造業(yè)提供服務并與其融合的同時，又加快了知識和技術的外溢，尤其在產生新產品和新流程的過程中，新知識和新技術的傳播與反饋會形成反復螺旋式的學習過程，做中學、學中做的過程將使知識不斷積累，在提升技術的同時，也提升了人力資本，進而提升全要素生產率。

四、實證分析

先進制造業(yè)與現代服務業(yè)的融合是否有效促進了全要素生產率的提升？其融合是否存在空間溢出效應？下文的實證部分將圍繞這兩個問題展開。

（一） 模型選擇

隨著空間計量經濟學的發(fā)展，在區(qū)域經濟發(fā)展的研究中，空間統(tǒng)計方法逐漸受到學者青睞，大量學者采用空間滯后、空間誤差和空間杜賓等模型來研究經濟外部性。然而，傳統(tǒng)的空間計量一般解釋的是解釋變量對被解釋變量的線性關系，非線性特征往往難以捕捉。近年來，部分學者開始關注空間計量與非參數模型的結合[44-46]，構造了半參數面板數據空間滯后和廣義空間滯后半參數變系數面板等模型，這類模型不僅能揭示變量間的空間關系，也能捕捉變量間非線性特征，同時還能較好地避免非參數研究中普遍存在的“維數災難”問題?？梢?，半參數模型兼顧了參數模型和非參數模型的優(yōu)點，并弱化了因兩者缺陷帶來的影響，能夠有效防止因參數模型假定導致的模型設定偏誤，研究結果具有穩(wěn)健性。因此，筆者選擇面板數據半參數空間滯后模型進行分析，以彌補傳統(tǒng)空間模型的不足。

面板數據的半參數空間滯后模型為

式中：Yit為 被解釋變量；S′it為參數部分解釋變量向量的元素；Pit為 非參數部分解釋變量向量的元素；wij為空間權重矩陣的元素； αi為個體效應； γ0為待估參數；ρ 和 γ1為 空間效應系數；g(·) 為 未知函數； μit為滿足經典假設的隨機擾動項。

該模型反映了被解釋變量不僅受到個體效應αi和自身解釋變量的影響，還受到自身滯后變量和解釋變量空間滯后的影響③。

（二） 變 量選擇

被解釋變量為全要素生產率（TPF），即上文采用隨機前沿分析法并選擇超越對數生產函數測算的結果。解釋變量為先進制造業(yè)和現代服務業(yè)的融合水平，即上文中利用耦合評價模型測算的產業(yè)融合水平（ic）。為了降低遺漏變量帶來的估計偏誤，選擇控制變量非常必要，根據產業(yè)經濟理論，并參考相關文獻，筆者選擇的變量為：地區(qū)經濟發(fā)展規(guī)模（pgdp，采用地區(qū)人均GDP 作為代理變量）、人力資本（hum，采用每萬人科研機構和高校職工人數作為代理）、固定資產投資額（ifa）、對外開放程度（open，采用外商直接投資與GDP 比值為代理變量）、產業(yè)結構（ins，采用第二產業(yè)增加值在GDP 中的占比衡量）、政府支持力度（fes，采用財政支出在GDP 中的占比代理）、城鎮(zhèn)化率（ur）、交通便利度（trans，采用人均貨運總量衡量）、信息化水平（info，采用人均郵電業(yè)務收入作為代理）。

（三） 空間效應檢驗

在傳統(tǒng)計量經濟模型中，通常假設個體之間相互獨立，然而，在國家區(qū)域一體化、協(xié)同發(fā)展的戰(zhàn)略背景下，地區(qū)之間經濟發(fā)展存在相互依存關系更接近現實。為了確定這一關系的存在，需首先對主要變量進行空間效應檢驗。筆者選擇目前學界普遍采用的莫蘭指數（Moran’sI）進行檢驗，計算公式為

式中：xi為地區(qū)i待檢驗空間關系的變量；x為xi的均值；S2為方差。

常見的空間權重矩陣包括0～1 鄰接矩陣，即兩地區(qū)相鄰則取1，否則取0；地理距離權重矩陣，按照地區(qū)間距離的倒數（距離越近，相關性越強）作為空間權重；經濟距離權重矩陣，按照某經濟特征（如GDP、固定資產投資等）的離差絕對值的倒數（離差越小，相關性越高）作為空間權重。從理論上來看，時間上越晚提出的空間權重矩陣往往越科學，然而，從實踐上來看，幾種常見的空間權重結論相似，因此，筆者選擇其中一種——地理距離權重矩陣來進行分析和計算，即采用兩?。ㄗ灾螀^(qū)、直轄市）省會城市經緯度距離的倒數作為兩地權重。

筆者分別對被解釋變量全要素生產率和解釋變量產業(yè)融合水平進行空間相關性檢驗，檢驗結果如表3 所示。從全要素生產率來看，2005—2010 年，僅有2007 年和2009 年存在顯著的空間效應，其他年份則不顯著。而從2011 年開始，顯著的空間效應得到穩(wěn)定體現，除2014 年外，其他年份均呈現出顯著的空間相關性；從莫蘭指數來看，充分展現了全要素生產率的正向外部性，且相關系數整體呈上升趨勢。由此表明，隨著國家區(qū)域發(fā)展戰(zhàn)略的不斷深入，地區(qū)間的經濟發(fā)展關系更加緊密。從產業(yè)融合水平來看，整體表現出與全要素生產率相似的結論，在14 年的樣本數據中，有11 年表現出顯著的空間效應，并呈現出隨時間推移相關程度整體提高的趨勢。由此表明，某地區(qū)的產業(yè)融合水平會受到周邊地區(qū)的影響。

表3 主要變量空間相關性檢驗結果

（四） 空間面板模型分析

根據經濟學理論，先進制造業(yè)與現代服務業(yè)的融合有利于提升全要素生產率。那么，在中國經濟的實際發(fā)展過程中，產業(yè)融合是否充分發(fā)揮出了促進全要素生產率提升的效應？這種提升效應是線性關系還是非線性關系？在不同區(qū)域間是否存在差異性？這些疑問都值得思考和研究，下文將圍繞這些問題逐步展開。

為了更好地分析相關結果，筆者首先進行混合最小二乘回歸（OLS），面板數據空間滯后固定效應、隨機效應模型，面板數據空間誤差固定效應、隨機效應模型的估計。

利用2005—2018 年中國31 個?。ㄗ灾螀^(qū)、直轄市）的樣本數據，分別進行回歸參數估計，結果如表4 所示。

從回歸結果來看，OLS 模型的產業(yè)融合系數沒有通過顯著性檢驗，而考慮空間效應的面板回歸模型則體現出顯著的效應，其中空間滯后模型的滯后效應顯著（ρ通過了1%的顯著性檢驗），表明全要素生產率存在顯著的外部性，即某地區(qū)的全要素生產率受到周邊地區(qū)的影響，而空間誤差效應則不顯著（λ沒有通過顯著性檢驗），進一步通過LM 檢驗確定空間滯后效應模型優(yōu)于空間誤差模型，因此在后續(xù)研究中，將采用空間滯后模型。從控制變量來看，三類模型中，pgdp，ifa，open，ins，fes，trans，info 對全要素生產率均存在顯著的正向影響；hum 僅在空間滯后固定效應模型中顯著；ur 則在所有模型中均不顯著。由此表明，科學技術人員的智力優(yōu)勢尚未充分發(fā)揮，hum 的城鎮(zhèn)化尚未表現出對全要素生產率的提升效應。

考慮到OLS 模型的產業(yè)融合系數的不顯著，可能的原因在于兩者之間存在非線性關系，因此，筆者進一步考察產業(yè)融合對全要素生產率的非線性影響，建立面板半參數空間滯后模型為

式中： TPFit為第i個地區(qū)t時期的被解釋變量全要素生產率；w· TPF 為全要素生產率的空間滯后項；w· ic為產業(yè)融合的空間滯后項；g·icit為產業(yè)融合對被解釋變量的非參數影響。

將樣本數據代入式（10），采用Epanechnikov 核函數和固定帶寬局部線性法對模型進行估計，參數估計結果如表5 所示。

從估計結果可以看出，全要素生產率的空間滯后效應在5%水平下顯著并且系數為正，表明某地區(qū)的全要素生產率受到周邊地區(qū)的影響，周邊地區(qū)全要素生產率每增加1%，該地區(qū)全要素生產率將平均提升0.257%；從控制變量來看，其結果與上文空間滯后模型結論基本一致，除了人力資本、城鎮(zhèn)化率沒有通過顯著性檢驗外，其他控制變量均通過檢驗。筆者重點關注解釋變量產業(yè)融合水平對全要素生產率的影響，根據對半參數函數的估計發(fā)現，產業(yè)融合對全要素生產率存在非線性影響，如圖2所示。在產業(yè)融合水平較低的階段（融合水平ic＜0.360），產業(yè)融合對全要素生產率存在負影響；當產業(yè)融合達到一定水平后（ic≥0.360），產業(yè)融合對全要素生產率呈正相關關系。因此，從現實情況來看，當先進制造業(yè)與現代服務業(yè)融合水平較低時，無法發(fā)揮出促進全要素生產率提升的效應，反而可能會因為資源配置的競爭而抑制生產效率和技術創(chuàng)新的提升。

進一步探討這種“門檻”現象，將處于門檻之上和之下的地區(qū)進行匯總，如表6 所示。

表6 產業(yè)融合水平一覽表

從匯總結果可以看出，產業(yè)融合水平在門檻值以下的主要來自中部和西部區(qū)域。2005 年，共有12 個?。ㄗ灾螀^(qū)、直轄市）位于抑制組，包括9 個西部區(qū)域、2 個東北部區(qū)域和1 個中部地區(qū)的?。ㄗ灾螀^(qū)、直轄市）；2012 年，共11 個省（自治區(qū)、直轄市）位于抑制組，包括9 個西部區(qū)域和2 個東北部區(qū)域的?。ㄗ灾螀^(qū)、直轄市）；2018 年，8 個省（自治區(qū)、直轄市）處于抑制組，包括7 個西部區(qū)域和1 個東北部區(qū)域的?。ㄗ灾螀^(qū)、直轄市）。整體而言，在產業(yè)融合水平方面，依然呈現東強西弱的態(tài)勢，發(fā)展不均衡現象較為明顯。但是，隨著國家政策不斷向中西部傾斜，綜合來看，中部區(qū)域、西部區(qū)域和東北部區(qū)域都取得了長足的進步，融合水平不斷提高，從抑制組到促進組的數量不斷增加，呈現出了良好的發(fā)展態(tài)勢。

五、結論與局限

（一） 結論

在國家積極推進先進制造業(yè)與現代服務業(yè)深度融合促進經濟高質量發(fā)展的背景下，筆者研究了產業(yè)融合對全要素生產率的影響，主要得出如下結論：

首先，構建測算產業(yè)融合水平的指標體系，包括產業(yè)發(fā)展規(guī)模、產業(yè)結構、空間集聚、發(fā)展速度四個維度共13 個指標，運用耦合評價模型測算2005—2018 年中國31 個省（自治區(qū)、直轄市）的產業(yè)融合水平。結果表明，從整體上來看，中國產業(yè)融合水平保持著良好的發(fā)展趨勢；分區(qū)域來看，四大區(qū)域產業(yè)融合水平均呈現上升態(tài)勢。然而，通過對比發(fā)現，區(qū)域之間產業(yè)融合水平的差距呈擴大態(tài)勢，區(qū)域產業(yè)融合發(fā)展不均衡現象依然存在。

其次，選擇超越對數生產函數，運用隨機前沿分析法對各區(qū)域全要素生產率進行測算，并分解為生產效率變化率、技術進步率和規(guī)模效率三個部分。測算結果表明，中國全要素生產率呈先下降后上升態(tài)勢，2016—2018 年上升趨勢明顯，生產效率變化率對全要素生產率的貢獻最大，規(guī)模效率對全要素生產率的貢獻穩(wěn)步提升，而技術進步率的貢獻則呈下降趨勢，表明中國通過技術創(chuàng)新促進生產率提升的能力依然有待提升。

最后，采用半參數面板空間滯后模型，研究產業(yè)融合水平對全要素生產率的影響。研究發(fā)現，產業(yè)融合對全要素生產率存在顯著的空間效應，并且全要素生產率對自身也存在空間滯后效應。產業(yè)融合水平對全要素生產率存在“門檻”效應，即當融合水平高于0.360 時，產業(yè)融合可以有效促進全要素生產率的提升，反之則會產生抑制效應。隨著經濟發(fā)展水平的不斷提升，處于抑制組的?。ㄗ灾螀^(qū)、直轄市）將會逐漸減少。

國家積極推進產業(yè)融合政策的重要性得到了上述實證研究結果的支持，隨著中部、西部、東北部區(qū)域經濟的發(fā)展，產業(yè)融合的經濟效應也將得到更加充分的體現。因此，大力支持欠發(fā)達地區(qū)的經濟發(fā)展，縮小區(qū)域之間的發(fā)展差距，促進地區(qū)之間均衡發(fā)展依然是未來中國經濟政策關注的重點。

（二） 局限

研究在以下方面依然存在一定的局限性：

第一，先進制造業(yè)和現代服務業(yè)的產業(yè)邊界將隨著經濟的不斷發(fā)展而變化，部分傳統(tǒng)行業(yè)也會隨著人工智能技術的融入而轉變?yōu)椤跋冗M”或“現代”行業(yè)，因此，行業(yè)的界定和邊界依然值得進一步探討。

第二，從空間計量模型上來看，各?。ㄗ灾螀^(qū)、直轄市）之間的關系變得越來越復雜，所以在設置空間權重矩陣時，仍然存在較大的改進空間。

注釋：

①區(qū)位熵是衡量產業(yè)集聚的主要指標之一，具體計算參見：夏倫的《生產性服務業(yè)集聚促進了制造業(yè)轉型升級嗎?——基于空間面板模型的實證分析》，載于《西華大學學報（哲學社會科學版）》，2020 年，第39 卷第1 期，第92—101 頁。

②將中國31 個省（自治區(qū)、直轄市）按地理區(qū)域劃分為4 大區(qū)域：東部區(qū)域（包括北京、天津、上海、河北、山東、江蘇、浙江、福建、廣東）、中部區(qū)域（包括湖南、湖北、河南、安徽、江西、山西）、西部區(qū)域（包括內蒙古、新疆、寧夏、陜西、甘肅、青海、重慶、四川、西藏、廣西、貴州、海南、云南）、東北部區(qū)域（包括遼寧、吉林、黑龍江）。

③模型的估計理論此處不予贅述。參見：葉阿忠和張錫書的《應用空間計量經濟學》，清華大學出版社，2020 年，第126—133 頁。