EN中文

经济地理 >

2024 , Vol. 44 >Issue 5: 134 - 143

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.05.014

产业经济与创新发展

省域生产性服务业嵌入制造业的空间网络特征及其影响因素

  • 张军涛 , 1 ,
  • 闫昱睿 , 2, ※
展开
  • 1.东北财经大学 公共管理学院，中国辽宁 大连 116025
  • 2.东北财经大学 东北全面振兴研究院，中国辽宁 大连 116025
※闫昱睿（1997—），男，博士研究生，研究方向为城市与区域经济。E-mail：

张军涛（1963—），男，教授，博士生导师，研究方向为城市与区域经济。E-mail：

收稿日期: 2023-09-20

  修回日期: 2024-04-09

  网络出版日期: 2024-09-14

基金资助

教育部人文社会科学研究规划基金项目(22YJA790086)

国家自然科学基金项目(41571121)

收起

Spatial Network Characteristics and Influencing Factors of Producer Services Industry Embedding in Manufacturing Industry at the Provincial Level

  • ZHANG Juntao , 1 ,
  • YAN Yurui , 2, ※
Expand
  • 1. School of Public Administration，Dongbei University of Finance and Economics，Dalian 116025，Liaoning，China
  • 2. Institute for Northeast Full Revitalization，Dongbei University of Finance and Economics，Dalian 116025，Liaoning，China

Received date: 2023-09-20

  Revised date: 2024-04-09

  Online published: 2024-09-14

Fold

摘要

文章运用投入产出法测度中国31个省份生产性服务业嵌入制造业的空间价值流，据此构建空间关联网络，并对网络特征及影响因素进行分析。结果表明：①相较于2017年，各制造业部门的上游度在2020年基本保持稳定，而其被生产性服务业嵌入程度整体增长较为明显。②2017年全国生产性服务业嵌入制造业的空间关联网络密度呈现出东—中—西部依次递减的分布格局，较大的空间价值流主要存在于北京、河南、江苏、浙江、上海和广东之间；生产性服务业嵌入冶金工业产业链和化工产业链上、中、下游生产环节呈现出与之类似的空间格局。③省域间的地理邻近性能够对空间关联网络的形成产生积极作用；而数字经济发展水平差异、技术创新水平差异、交通基础设施水平差异以及市场化程度差异不利于生产性服务业嵌入制造业空间关联网络形成。

关键词： 生产性服务业; 制造业; 空间关联网络; 产业链; 投入产出表; 地理邻近性; 全国统一大市场

本文引用格式

张军涛 , 闫昱睿 . 省域生产性服务业嵌入制造业的空间网络特征及其影响因素[J]. 经济地理, 2024 , 44(5) : 134 -143 . DOI: 10.15957/j.cnki.jjdl.2024.05.014

Abstract

This paper uses the input-output method to measure the spatial value flow of producer services industry embedding in manufacturing industry of 31 provincial-level regions in China. According to the above, it constructs the spatial correlation network of producer services industry embedding in manufacturing industry and analyzes its network characteristics and influencing factors. The results indicate that: 1) Compared with 2017, the upstream index of each manufacturing sector remained basically stable in 2020,while the embeddedness of producer services industry in these manufacturing sectors increased significantly overall. 2) In 2017,the density of spatial correlation network showed a decreasing distribution pattern from the east of China to the west of China in sequence, larger spatial value flows mainly occurred between Beijing, Henan, Jiangsu, Zhejiang, Shanghai and Guangdong. The spatial correlation network of producer services industry embedding in the upstream,midstream,and downstream production links of metallurgical industry chain and chemical industry chain, which both presents a similar spatial pattern. 3) The geographical proximity between provincial-level regions can have a positive impact on the formation of spatial correlation networks. However,differences in the development level of digital economy, the technological innovation level and the transportation infrastructure level, the degree of marketization are not conducive to the formation of the spatial correlation network of producer services industry embedding in manufacturing industry.

Key words： producer services industry; manufacturing industry; spatial correlation network; industry chain; input-output table; geographical proximity; a unified national market

当代世界经济竞争方式从微观角度看是价值链的竞争，从宏观角度看是产业发展能力的竞争，其中的关键是产业之间的协同能力。改革开放以来，我国凭借劳动力成本优势迅速发展成为“世界制造工厂”。然而，我国服务业发展水平相对滞后，尤其是与制造业直接相关的生产性服务业，无论是相对规模还是发展质量均与发达国家有较大差距。与此同时，资本和人才等生产性要素未能在全国范围内进行高效配置和畅通流动，区域间存在的市场壁垒阻碍着产业跨区域合作与联通，降低了生产性服务业与制造业跨区域融合能力，不利于经济长期健康发展。2022年发布的《中共中央 国务院关于加快建设全国统一大市场的意见》提出，要建立全国统一的市场制度规则，促进商品要素资源在更大范围内畅通流动，为区域间生产性服务业与制造业融合发展提供重要保障。市场是分工的基础[1]，因此在全国统一大市场建立过程中探究生产性服务业嵌入制造业的空间网络特征，深入考察其影响因素，对于推动生产性服务业与制造业空间协同和高效融合，实现我国从制造大国向制造强国转变具有重要的现实意义。
伴随着技术进步、生产专业化程度加深和产业组织复杂化，制造企业内部的设计、研发、物流等非制造环节逐渐分离出来，形成了独立的专业化生产性服务部门[2]。作为最终产品的中间投入品，生产性服务业贯穿于制造业产业链的上、中、下游诸环节中，以人力资本和知识资本作为主要投入品嵌入其中[3]，二者形成了相辅相成、相互促进的共生关系[4]。一方面，生产性服务业能够通过嵌入知识密集型服务要素提升制造业附加值[5]，成为促进制造业攀升价值链高端的强劲动力[6]。随着生产性服务业发展，其在空间上日益呈现集聚态势，能够促进集体学习和知识社会化过程，由此产生技术外溢效应并提升制造业创新效率[7]，还可以通过降低制造企业中间交易成本、提高其专业化水平等途径产生规模经济效应[8-9]。另一方面，制造业是生产性服务业发展的基础，制造业扩张引致对生产性服务的需求[10]。由于生产性服务要素在制造业中间投入品中所占比重较大且呈现逐年上升趋势，制造业扩张可以加速生产性服务业专业化和规模化进程，促进其构建新发展体系[11]，是提升生产性服务业国际竞争力的关键[12]，也是生产性服务业增长的主要推动力[13]。
关于生产性服务业与制造业协同关系的研究，根据其侧重点不同可以划分为4种研究视角。一是运用灰色模型刻画制造业与生产性服务业的动态关联度，以此反映两业协同融合程度。研究发现，制造业与生产性服务业协同融合显著提升制造业效率，推动制造业向价值链高端延伸[14-15]。二是利用区位熵构建制造业与生产性服务业空间协同集聚指数，反映某地两业协同集聚的质量和深度。张虎等认为我国各省份之间制造业与生产性服务业协同集聚的空间关联性较弱，但协同集聚具有空间溢出效应和空间反馈机制[16]。此外，部分研究指出生产性服务业与制造业协同集聚能够降低资源错配程度[17-18]，显著提高生产效率，促进创新和经济增长[19]。三是从投入产出角度计算生产性服务业对制造业的嵌入程度，主要关注服务环节在制造业价值链中的作用。于明远等研究发现，生产性服务嵌入制造业价值链有助于制造业获取动态比较优势[20]；刘慧等认为生产性服务嵌入制造业中游生产环节为最优选择，能够最大程度促进中间投入品出口技术复杂度升级[21]。四是测算制造业与生产性服务业的耦合协调度。研究发现，我国制造业与生产性服务业的耦合协调度已由初始的失调衰退阶段逐步发展至良好协调阶段[22-23]。
综上所述，国内外学者对制造业与生产性服务业的互动与协同关系进行了大量研究，为本文的研究奠定了坚实基础，但仍存在三点不足：一是在地区层面考察生产性服务业嵌入制造业的既有文献往往将研究对象视作独立空间单元，未基于统一市场视角统筹考虑生产性服务业与制造业的跨区域互动融合。二是已有文献对我国各省份制造业与生产性服务业的协同性及其空间关联性进行了测度和分析，但尚无文献运用区域间投入产出表构建生产性服务业嵌入制造业的空间关联网络，并对其网络特征及影响因素进行研究。三是关于生产性服务业嵌入制造业的既有文献往往将所有制造业部门视作一个整体，对于生产性服务业嵌入制造业产业链各环节的关注甚少。基于此，本文在全国统一大市场视域下，对生产性服务业与制造业的空间关联机制进行阐释；通过计算中国31个省、直辖市、自治区（以下简称省份）间生产性服务业嵌入制造业空间价值流构建空间关联网络，考察其网络特征；从制造业核心产业链环节嵌入视角识别出生产性服务业和制造业上、中、下游的空间网络特征，采用QAP方法探究空间关联网络影响因素。旨在为增强区域间制造业与生产性服务业的空间关联性，充分发挥两业空间融合发展效应提供有益参考。

1 研究方法

1.1 投入产出分析法

投入产出分析方法由美国经济学家列昂惕夫在1930年代根据瓦尔拉斯一般均衡理论创立[24]，其分析工具是能够对部门间投入产出关系进行定量研究的投入产出表。通过编制投入产出表和模型，可以清晰地揭示国民经济各部门间的直接和间接联系，特别是能够反映各部门生产与分配使用、生产与消耗之间的均衡关系。从产业关联的内在逻辑来看，生产性服务业以软要素形式嵌入制造业，表现为制造业在生产经营过程中对生产性服务资源产生中间性服务需求。利用投入产出分析方法可以精确量化这种中间需求，进而合理评估生产性服务业嵌入制造业的产业关联状况[25]。因此，本文运用投入产出表测算生产性服务业嵌入制造业的程度，投入产出表的一般形式见表1。
表1 投入产出表的一般形式

Tab.1 General form of input-output table

投入/产出 中间使用 最终
使用		 总产出
部门1 部门2 … 部门j … 部门n
中间投入 部门1 x11 x12 … x1j … x1n F1 Y1
部门2 x21 x22 … x2j … x2n F2 Y2
… … … … … … … … …
部门i xi1 xi2 … xij … xin Fi Yi
… … … … … … … … …
部门n xn1 xn2 … xnj … xnn Fn Yn
初始投入 A1 A2 … Aj … An
总投入 Y1 Y2 … Yj … Yn
从纵列看，xij表示部门j在生产经营过程中直接消耗部门i的价值量；Aj代表部门j在生产经营过程中投入的初始要素；Yj表示部门j的总投入。要素间满足以下等式：
Y j = ∑ i = 1 n x i j + A j     ( j = 1,2 , ⋯ , n )
从横行看，xij表示部门i的总产出分配到部门j的价值量；Fi代表部门i的总产出中用作最终使用的部分；Yi表示部门i的总产出。要素间满足以下等式：
Y i = ∑ j = 1 n x i j + F i     ( i = 1,2 , ⋯ , n )
根据投入产出表，可以得到各部门之间的直接消耗系数dij，计算公式为：
d i j = x i j Y j     ( i , j = 1,2 , ⋯ , n )
直接消耗系数dij代表部门j生产单位总产出直接消耗的部门i的价值量，由dij作为第i行第j列元素构成的矩阵D称为直接消耗系数矩阵，进一步能够得到完全消耗系数矩阵W。计算公式为：
W = ( I - D ) - 1 - I
式中：I为单位矩阵； ( I - D ) - 1称为列昂惕夫逆矩阵；完全消耗系数矩阵W的第i行第j列元素wij称为完全消耗系数，表示部门j每提供一单位的最终使用，直接或间接消耗部门i的价值量。
本文所用的投入产出表均为42部门价值型投入产出表，包括中国投入产出表、中国地区投入产出表、中国区域间投入产出表。其中，中国投入产出表在2017年之前每5年公布一次，之后又公布了2018和2020年的数据；中国地区投入产出表涵盖全国31个省份各自的投入产出表，同样是每5年公布一次，最新数据年份为2017年；中国区域间投入产出表是在中国地区投入产出表基础上，根据31个省份经济统计数据，结合模型估计和大数据分析方法编制而成[26]，是投入产出表一般形式的扩展，能够反映各省份不同部门间的投入产出关系。

1.1.1 产业部门和制造业核心产业链识别

本文依据《国民经济行业分类》（GB/T 4754—2017）对42部门投入产出表中的产业部门进行识别，其中包括17个制造业部门 ① 和15个服务业部门。进一步根据《生产性服务业统计分类（2019）》，参照李冠霖的研究[27]，把中间需求率超过50%的服务业定义为生产性服务业。中间需求率反映了某部门的产品作为其他部门的中间产品占该产品总产出的比重，服务业部门i的中间需求率hi的计算公式为：
h i = ∑ j = 1 42 x i j ∑ j = 1 42 x i j + F i     ( i = 1,2 , 3 , ⋯ , 15 )
根据计算结果，选定7个部门为生产性服务业部门 ① 。
在制造业内部，不同部门之间基于上下游联系构成制造业产业链。要准确识别各制造业部门在产业链中的位置，需要确定其在产业链中的绝对位置和相对位置。各制造业部门在产业链中的绝对位置可以通过计算所有部门的上游度指数来确定。参考Antràs等的处理方法[28]，方程（2）可以用i部门和j部门的最终使用线性表示。
Y i = F i + ∑ j = 1 n d i j F j + ∑ j = 1 n ∑ k = 1 n d i k d k j F j + ∑ j = 1 n ∑ k = 1 n ∑ l = 1 n d i l d l k d k j F j + ⋯
式中：k和l均代表不同的产业部门。
根据Antràs等的研究[29]，对方程（6）右边进行加权加总可获得最终产品的各中间品与最终产品的加权距离，即部门上游度指数UPi。
U P i = 1 · F i Y i + 2 · ∑ j = 1 n d i j F j Y i + 3 · ∑ j = 1 n ∑ k = 1 n d i k d k j F j Y i + 4 · ∑ j = 1 n ∑ k = 1 n ∑ l = 1 n d i l d l k d k j F j Y i + ⋯
上游度指数UPi越大，表明部门i的生产距离最终使用的“加权距离”越远，就越接近产业链上游，相反UPi越小则越接近产业链下游。
参照Antràs等的做法[28]，对式（7）进行简化合并，存在：
U P i = Y ^ - 1 I - D - 1 Y = I - Δ - 1 · 1
式中： Y ^为对角线元素为Yi的总产出矩阵；Y为第i行元素为Yi的列向量；1为所有数值均为1的列向量； I - D - 1即为列昂惕夫逆矩阵； I - Δ - 1为高斯逆矩阵。
根据上述方法，测算得到所有部门的上游度指数，对其进行排序即可获得各制造业部门在产业链中的绝对位置。
各制造业部门在产业链中相对位置可以通过完全消耗矩阵确定。假设完全消耗矩阵W第j列中除主对角元外的最大值为wij，则表明部门j每提供一单位最终使用，直接或间接消耗部门i的价值量在除自身外的所有41个部门中是最大的，即j部门对i部门的依赖程度最高，就认为j部门与i部门处于同一产业链中，并且i部门位于j部门上游，由此可以确定部门j与部门i在产业链中的相对位置。通过寻找完全消耗矩阵内所有制造业部门对应列中除主对角元外的最大值，就可以确定位于各制造业部门相对上游的一个产业部门，进而能够结合部门间的绝对位置，识别出制造业核心产业链。

1.1.2 计算制造业部门被生产性服务业嵌入程度

运用中国投入产出表和中国地区投入产出表，根据式（3）和式（4）得到全国各制造业部门对生产性服务业的完全消耗系数wij，进而可以计算制造业部门j被生产性服务业嵌入的程度。
P j = ∑ i = 1 7 w i j ( j = 1,2 , ⋯ , 17 )
式中：Pj为制造业部门j每提供一单位的最终使用，完全消耗的所有生产性服务业的价值量。

1.2 空间关联网络构建

识别生产性服务业嵌入制造业的空间关联网络需要借助区域间投入产出表。借鉴石敏俊等构建产业链空间网络的思路[30]，将某地区制造业消耗另一地区生产性服务业的价值量进行加总，可以识别出生产性服务业跨区域嵌入制造业形成的价值流，即空间价值流FGT。
F G T = ∑ a = 1 n ∑ b = 1 m S G T ( G , T = 1,2 , 3 , ⋯ , 31 )
式中：SGT表示T省份制造业b在生产经营过程中消耗的G省份生产性服务业a的价值量；矩阵FGT表示G省份生产性服务业输入T省份制造业的空间价值流，用来反映G省份生产性服务业对T省份制造业的嵌入程度。各省份之间的空间价值流FGT构成了生产性服务业嵌入制造业的空间关联矩阵F。
F = F 11 ⋯ F 1 T ⋮ ⋱ ⋮ F G 1 ⋯ F G T

2 制造业部门基本特征与核心产业链识别

2.1 制造业部门基本特征分析

利用2017和2020年中国投入产出表，根据式（8）和式（9）分别计算各制造业部门的上游度及其被生产性服务业嵌入程度，由此初步了解制造业各部门之间的关联特征及其与生产性服务业的关联状况。根据计算结果由大到小排序，并以2017年排序结果为基准绘制雷达图（图1）。相较于2017年，各制造业部门的上游度在2020年基本保持稳定，并且所有部门上游度的相对排序基本未发生改变，这主要是由于经济活动中产业部门之间的上下游供需关系是内生决定的，各部门在产业链中的位置相对固定。但是，受技术进步和制度创新驱动，先进制造业和现代服务业加速融合，各制造业部门被生产性服务业嵌入程度在2020年整体上有较大幅度提升，并且一些部门被生产性服务业嵌入程度的相对排序也发生变动，比如k1和k8等。进一步分析发现，上游度最高的部门是k17，而且被生产性服务业嵌入程度最低；上游度最低的部门是k3，同时也是被生产性服务业嵌入程度最高的部门。结合其他制造业部门来看，上游度与被生产性服务业嵌入程度总体上呈现负相关关系。主要原因是，位于产业链上游的部门具有基础性和原料性的特点，要素投入相对简单，对于以人力资本和知识资本为主要投入品的生产性服务业需求较少。
图1 制造业部门上游度以及被生产性服务业嵌入程度雷达图

Fig.1 Radar chart about the upstream index of manufacturing sectors and the embeddedness of producer services industry in manufacturing sectors

2.2 制造业核心产业链识别

根据制造业部门的上游度可以明确其在产业链中的绝对位置，在此基础上进一步根据完全消耗矩阵确定处在各部门相对上游的一个产业部门，这些部门中除制造业外，还有一些属于采矿业以及电力、热力、燃气及水生产和供应业这两类工业部门，它们均是制造业发展的基础和保障。因此，在识别制造业核心产业链时，将这两类工业部门中处于制造业相对上游的4个部门加入其中，并与15个制造业部门 ① 共同构成两条完整且相对独立的制造业产业链，即冶金工业产业链和化工产业链。根据各产业链的核心中间产品部门将其划分为上、中、下游3个生产环节，各环节对应的产业部门见表2。
表2 制造业核心产业链

Tab.2 Core industry chains of manufacturing industry

产业链 生产环节 产业部门
冶金工业
产业链		 上游 煤炭采选产品、金属矿采选产品、电力、热力的生产和供应
中游 金属冶炼和压延加工品
下游 金属制品、通用设备、专用设备、交通运输设备、电气机械和器材、通信设备、计算机和其他电子设备、仪器仪表
化工产业链 上游 石油和天然气开采产品、石油、炼焦产品和核燃料加工品
中游 化学产品
下游 纺织品、纺织服装鞋帽皮革羽绒及其制品、木材加工品和家具、造纸印刷和文教体育用品、非金属矿物制品

3 生产性服务业嵌入制造业的空间网络特征分析

3.1 生产性服务业嵌入制造业的空间关联网络

由于区域间资源禀赋、发展基础和发展方向等存在差异，各地区倾向于在制造业和服务业中重点发展自身具备比较优势的产业，区域内的生产性服务业与本地制造业很难完全匹配[31]。具体而言，土地、劳动力等要素成本较低的地区具备发展制造业的比较优势，能够集聚大量制造企业并获取集聚经济效益，同时其生产性服务业发展相对滞后且功能较为单一，某些制造业的生产性服务需求只能通过其他区域来满足；而一些地区拥有灵活创新的制度和环境，技术、人才、信息等资源较为丰富，与之相关的市场交易成本较低，具有发展服务业的比较优势，能够提供多样化的生产性服务功能并同样获取集聚产生的正外部性，部分生产性服务业不仅能够服务本地制造业企业，而且也能惠及其他地区，在规范有序的市场环境中基于供求机制嵌入到其他地区制造业中。
建设全国统一大市场是畅通国内大循环的关键举措，有利于构建高标准市场体系，提升要素配置市场化程度，完善统一的市场基础制度规则，实现市场公共信息互通共享，破除阻碍生产要素快速自由流动壁垒，使生产、分配、流通、消费等环节更加畅通，逐渐形成有机衔接、相互协同的整体，从而持续降低区域间生产性服务业嵌入制造业的市场交易成本，优化产业专业化分工协作机制，推动研发设计、金融、会计等专业化服务环节外包种类增加、规模扩大，由此重塑生产性服务业与制造业的空间关联格局。同时，在全国统一大市场建设过程中，地方保护和市场分割被逐步打破，我国超大规模市场潜力得到充分释放，生产性服务资源的市场空间进一步拓展，可以在全国范围内精准对接制造业服务需求以实现经济效益最大化，从而持续提升生产性服务资源跨区域配置效率，使各地区能够在高效联通的统一大市场中基于比较优势的互补性，形成生产性服务业与制造业价值链核心环节高度耦合的空间关联网络。
本文运用2017年中国区域间投入产出表，根据式（10）对31个省份间生产性服务业流向制造业形成的空间价值流进行计算，借助ArcGIS软件进行可视化表达。具体而言，以省会城市地理位置点代表其所在省份，将各省份间大于3亿元的空间价值流转换为线段，依据适当比例将其划分为3个等级，用箭头指示大于50亿元空间价值流的流向。由31个省份间生产性服务业嵌入制造业的空间价值流所构成的双向空间关联网络如图2所示，图2a、2b分别为每对省份生产性服务业嵌入制造业价值流中较大流量和较小流量的图示。
图2 2017年生产性服务业嵌入制造业的空间价值流网络格局

Fig.2 Network pattern of the spatial value flow of producer services industry embedding in manufacturing industry in 2017

由图2看出，全国生产性服务业嵌入制造业空间关联网络的密度呈现出东—中—西部依次递减的分布格局，大于200亿元的空间价值流主要存在于北京、河南、江苏、浙江、上海和广东之间，搭建起了全国生产性服务业嵌入制造业空间价值流网络的主体架构；重庆和陕西分别是西南和西北地区的网络中心。其中，北京和上海是省域间双向联系中较小流量的主要汇集地和较大流量的主要来源地，表明它们是生产性服务资源的主要输出地，在与其他省份生产性服务业嵌入制造业的双向联系中表现为生产性服务资源“净溢出”；河南和重庆是省域间双向联系中较大流量的主要汇集地和较小流量的主要来源地，表明它们是生产性服务资源的主要输入地，在与其他省份生产性服务业嵌入制造业的双向关系中表现为生产性服务资源“净流入”；广东、江苏、浙江和陕西与其他省份的生产性服务资源则呈现出“双向溢出”格局。

3.2 生产性服务业嵌入制造业核心产业链的空间关联网络

在明确生产性服务业嵌入全部制造业部门的空间网络特征后，进一步对生产性服务业嵌入制造业核心产业链的空间网络特征进行分析。根据表2对冶金工业产业链和化工产业链的划分，分别计算2017年31个省份间生产性服务业流向两条核心产业链上、中、下游生产环节的空间价值流，取双向价值流量中的较大值并删去小于2亿元的价值流，同时依据适当比例将线段划分为3个等级，用箭头指示其中两个较高等级的空间价值流流向，由此绘制空间关联网络（图3、图4）。其中，图3a、图3b、图3c分别是生产性服务业嵌入冶金工业产业链上、中、下游的空间价值流网络；图4a、图4b、图4c分别是生产性服务业嵌入化工产业链上、中、下游的空间价值流网络。
图3 2017年生产性服务业嵌入冶金工业产业链的空间价值流网络格局

Fig.3 Network pattern of the spatial value flow of producer services industry embedding in metallurgical industry chain in 2017

图4 2017年生产性服务业嵌入化工产业链的空间价值流网络格局

Fig.4 Network pattern of the spatial value flow of producer services industry embedding in chemical industry chain in 2017

对于冶金工业产业链而言，图3a和图3b中生产性服务业嵌入其上游和中游的价值流空间网络主要存在于北方部分省份和江苏、浙江、上海之间。其中，河南和内蒙古是生产性服务资源对冶金工业产业链上游部门的主要输入地，河南和江苏是生产性服务资源对中游部门的主要输入地，北京和上海则是这些生产性服务资源的主要输出地。图3c中生产性服务业嵌入冶金工业产业链下游的价值流空间关联网络主要存在于东部地区部分省份之间，形成了以江苏为中心，北京、上海、广东和河南为主要支点的网络结构。其中，北京和上海是生产性服务资源的净溢出地区；与之相对，广东和河南是生产性服务资源的净流入地区。而作为西部地区的网络中心，重庆是生产性服务资源对冶金工业产业链下游部门的重要输入对象。
在图4a生产性服务业嵌入化工产业链上游的空间价值流网络中，陕西是生产性服务资源最主要的供给对象。图4b中生产性服务业嵌入化工产业链中游大于50亿元的空间价值流相对零散并且呈折线状，主要存在于北京、上海、河南、江苏、广东和山东之间。其中，北京和上海是生产性服务资源对化工产业链中游部门的主要输出地，其他4个省份则是其输入对象。图4c中由北京、江苏、浙江、上海、广东、河南、陕西之间大于50亿元的空间价值流搭建起一个相对封闭的网络架构，其中北京、上海和陕西是生产性服务资源的净溢出地区，而广东、河南、江苏和浙江的化工产业链下游部门对其他地区的生产性服务资源需求较为旺盛，是生产性服务资源的主要输入对象。

4 生产性服务业嵌入制造业空间关联网络影响因素

4.1 模型构建

在建设全国统一大市场的背景下，精准识别我国生产性服务业嵌入制造业空间关联网络影响因素，对于提升两业空间融合性具有重要意义。由于地区之间的产业空间价值流属于双向关系数据，采用传统计量方法进行回归分析无法避免多重共线性的影响而产生偏误。二次指派程序（QAP）是一种基于矩阵数据随机置换的非参数检验方法，因其无需假设变量间相互独立而比传统参数检验更具稳健性，可以很好地排除变量间的虚假结构关系[32]。QAP分析包括QAP相关分析和QAP回归分析，其中QAP回归分析可用来研究多个“关系”矩阵与一个“关系”矩阵之间的回归关系[33]。因此，采用QAP回归分析方法揭示我国生产性服务业嵌入制造业空间关联网络影响因素。
随着新一代信息技术的持续创新和广泛应用，生产性服务手段和形态不断丰富，生产性服务业呈现出专业化、虚拟化、网络化发展趋势，可以更精准地满足制造业高质量发展释放的多元化生产性服务需求，为区域间制造业与生产性服务业互动与交流创造良好条件。同时，经济要素高效集聚进一步提升了生产性服务业专业化集聚水平，使得区域间产业分工更加明确，一定程度上改变了生产性服务业和制造业的空间集聚特征，促使二者的协同式集聚渐趋分离。此外，根据空间相互作用理论，产业空间关联产生的交易成本随着地理距离增加而上升，交通基础设施不断完善使运输成本持续下降，一些生产性服务业与制造业的远距离互动成为可能；数字经济发展进一步通过降低信息搜寻和传递成本增强了生产性服务业的渗透能力，推动生产性服务业与制造业跨区域深度融合，突破了传统两业融合面临的空间距离和行政边界等刚性约束，生产性服务业不再需要依附于本地制造业企业而存在。在此基础上，依托统一开放、竞争有序的市场体系，国内国际双循环相互促进的发展格局加速形成，生产性服务要素可以在更大范围内有序流动和合理配置，推动各地区从全产业链生产向专注优势环节生产转变，在空间上实现产业功能模块离散化分布。基于此，选取省份间地理邻近性、数字经济发展水平差异、技术创新水平差异、交通基础设施水平差异、市场化程度差异、对外开放程度差异和经济集聚程度差异7个因素解释我国生产性服务业嵌入制造业空间关联网络影响因素。构建模型如下：
F = f ( B o r , D i g , T e c , T r a , M a r , O p e , A g g )
式中：F为由各省份之间生产性服务业嵌入制造业的空间价值流构建的空间关联矩阵。各解释变量详细说明见表3。
表3 生产性服务业嵌入制造业空间关联网络影响因素

Tab.3 Influencing factors of the spatial correlation network of producer services industry embedding in manufacturing industry

变量名称 变量含义 计算方法 数据来源
Bor 地理邻近性 省份间的地理邻接矩阵 GeoDa软件获取
Dig 数字经济发展水平差异 省份间数字经济创新创业指数差值关系矩阵 北大企业大数据研究中心
Tec 技术创新水平差异 省份间人均三大专利授权量差值关系矩阵 中国统计年鉴
Tra 交通基础设施水平差异 省份间每平方公里高速公路运营里程的差值关系矩阵 中国统计年鉴
Mar 市场化程度差异 省份间市场化总指数的差值关系矩阵 中国分省份市场化指数数据库
Ope 对外开放程度差异 省份间外商直接投资占GDP比重的差值关系矩阵 中国统计年鉴
Agg 经济集聚程度差异 省份间每平方公里劳动力人数的差值关系矩阵 中国统计年鉴

4.2 影响因素分析

根据模型（12），采用QAP方法经过5000次随机置换得到的回归结果见表4。可以看出，2012和2017年数字经济发展水平差异、技术创新水平差异、交通基础设施水平差异以及市场化程度差异的系数均显著为负，不利于生产性服务业嵌入制造业空间关联网络的形成；地理邻近性的系数显著为正，能够对空间关联网络的形成产生积极作用；对外开放程度差异和经济集聚程度差异的系数不显著，表明其尚不能对生产性服务业嵌入制造业空间关联网络产生影响。
表4 生产性服务业嵌入制造业空间关联网络影响因素的QAP回归结果

Tab.4 QAP regression results of the influencing factors of the spatial correlation network of producer services industry embedding in manufacturing industry

变量 2012年 2017年
非标准化回归系数 标准化回归系数 显著性概率 非标准化回归系数 标准化回归系数 显著性概率
Bor 0.182 0.118 0.003 0.185 0.119 0.006
Dig -0.339 -0.108 0.016 -0.396 -0.125 0.009
Tec -0.150 -0.237 0.015 -0.119 -0.181 0.009
Tra -0.114 -0.176 0.021 -0.077 -0.116 0.066
Mar -0.583 -0.372 0.010 -0.676 -0.219 0.007
Ope -0.880 -0.052 0.430 -0.955 -0.056 0.387
Agg -0.202 -0.119 0.513 0.107 0.205 0.759
调整R2 0.287 0.302
观察值 930 930
针对以上能够显著影响生产性服务业嵌入制造业空间关联网络的因素，对其影响机制做进一步分析。
①地理邻近性。区域之间空间距离增加会产生更高昂的运输成本和协调成本，不利于生产要素跨区域流动，也会对生产性服务业与制造业的空间关联产生负面影响。因此，生产性服务业的空间辐射范围受制于地理距离。为降低交易成本，生产性服务企业倾向于围绕制造业企业组团集聚，其对制造业企业的嵌入程度随地理距离邻近呈现增强趋势。
②数字经济发展水平差异。数字经济发展可以突破地理空间限制，通过搭建“数字桥梁”降低区域间制造业与生产性服务企业的对接成本，能够有效解决企业间信息不对称问题，从根本上改变产品制造和相关服务空间一体化的传统属性，使生产性服务对制造业的嵌入不再囿于空间距离邻近。因此，数字经济发展水平具有一定差距的地区之间存在数据共享和信息连通壁垒，制造业的服务需求不能及时得到满足，建立生产性服务业嵌入制造业空间关联的可能性较小。
③技术创新水平差异。不同区域的制造业和生产性服务企业能够以联合技术创新作为合作交流渠道，助推资源跨境共享整合，构建起生产性服务业嵌入制造业的区域分工体系。随着国家创新体系整体效能持续提升，在逐步嵌入其他地区先进制造业价值链的过程中，生产性服务业对技术要素的投入不断增加，由此产生的创新溢出效应使这种嵌入关系更加稳固；而区域间技术创新水平差距会基于累积循环作用演变为技术鸿沟，不利于生产性服务业与制造业形成基于产品联合研发和专利技术转让的嵌入关系。
④交通基础设施水平差异。完善的交通基础设施可以有效缩短地区间的时空距离，提升区域间的可达性，降低生产性服务业与制造业互动成本，消弥市场空间壁垒，使得区域生产性服务业的对外辐射能力增强、服务半径扩大，从而推动生产性服务资源高效配置，为其嵌入更远地区的制造业带来契机。因此，区域间交通基础设施水平差距拉大会降低空间可达性，阻碍产业间的远距离互动，不利于增强生产性服务业嵌入制造业的空间关联度。
⑤市场化程度差异。市场化程度整体性提升有助于发挥市场的规模效应和联动效应，推动市场设施高标准互联互通，实现区域间产业分工协作和优势互补；而区域间市场化程度差异拉大会固化市场壁垒，进一步扩大地区间发展差距，制约资源要素优化配置，增加生产性服务业与制造业供需对接的市场交易成本，造成结构性供需失衡，不利于形成生产性服务业跨区域嵌入制造业的空间关联格局。

5 研究结论与对策建议

5.1 研究结论

本文在分析中国各制造业部门基本特征和识别制造业核心产业链的基础上，利用投入产出分析法构建31个省份间生产性服务业嵌入制造业的空间关联网络对其网络特征进行探究，并利用QAP方法考察了空间关联网络影响因素。主要结论如下：
①相较于2017年，各制造业部门的上游度在2020年基本保持稳定，而其被生产性服务业嵌入程度整体增长较为明显；从二者联系来看，制造业部门的上游度与其被生产性服务业嵌入程度总体上呈负相关关系。基于各制造业部门上游度，可以识别出冶金工业产业链和化工产业链两条制造业核心产业链。
②2017年生产性服务业嵌入制造业空间关联网络密度呈现出东—中—西部依次递减的分布格局，北京和上海是生产性服务资源的主要输出地，河南和重庆是生产性服务资源的主要输入地，广东、江苏、浙江、陕西是网络中的关键支点，既是生产性服务资源的输入对象也是输出地；生产性服务业嵌入冶金工业产业链和化工产业链上、中、下游生产环节呈现出与之类似的空间格局。
③省域间的地理邻近性能够对空间关联网络的形成产生积极作用；而省域间数字经济发展水平差异、技术创新水平差异、交通基础设施水平差异以及市场化程度差异不利于生产性服务业嵌入制造业空间关联网络的形成。

5.2 对策建议

①着力打破区域壁垒和市场分割，促进生产性服务资源跨区域自由流动。当前，我国区域之间仍然存在地方保护和市场分割现象，阻碍制造业与生产性服务业空间融合度提升。因此，各地区应着力破除要素市场分割和多轨运行局面，在完善生产性服务资源市场准入、公平竞争等方面出台配套政策，清除外地企业进入本地市场的隐性门槛，促进包括生产性服务资源在内的各类生产要素自由流动，加快形成畅通高效的国内大循环；同时，具备条件的地方可以积极参与要素市场化配置综合改革试点，形成典型示范，及时总结经验并向其他地区推广，逐步缩小不同地区市场化程度的差异，充分释放建设全国统一大市场的政策红利。
②充分发挥各地区比较优势，推动生产性服务资源优化配置。全国生产性服务业嵌入制造业的空间关联网络体系建立在区域间产业优势互补的基础上。因此，应根据不同地区的发展现状和资源禀赋特征，遵循区域经济发展规律，在两业相互协作中努力实现差异化竞争和错位发展，努力把地区比较优势转化为竞争优势，加快区域间生产性服务业与制造业深度融合。生产性服务业较为发达的地区应鼓励资金和技术密集型生产性服务资源向欠发达地区转移，由此带动当地制造业向专业化和价值链高端延伸；后发地区应积极对接发达地区，支持制造业企业持续提升生产性服务要素在投入和产出中的比重，推动制造业转型升级。
③有效破除区域间两业互动融合的制约因素，完善产业空间协同机制。区域间数字经济发展水平、技术创新水平以及交通基础设施水平的差异不利于生产性服务业嵌入制造业空间关联网络形成。因此，须统筹推进各地区数字化转型，缩小数字鸿沟，创造更多区域间生产性服务业与制造业的契合点，以数字经济发展重塑产业空间关联格局；通过结对共建模式增强区域间技术创新协作，发挥技术高地的溢出效应，激活技术洼地的后发优势，把区域间科技合作作为提升两业融合发展水平的重要路径；完善国家综合立体交通运输网络，推进多层次一体化综合交通枢纽建设，扩大国家物流枢纽网络覆盖范围，为生产性服务业与制造业高质量融合发展提供便利条件。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
刘志彪. 全国统一大市场[J]. 经济研究, 2022(5):13-22.

[2]
Cohen S S, Zysman J. Manufacturing Matters:The myth of the Post-industrial Economy[M]. New York: Basic Books, 1987.

[3]
Coffey W J. Forward and backward linkages of producer-services establishments:Evidence from the Montreal metropolitan area[J]. Urban Geography, 1996, 17(7):604-632.

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

[5]
Yang F F, Yeh A G O, Wang J. Regional effects of producer services on manufacturing productivity in China[J]. Applied Geography, 2018, 97:263-274.

[6]
郝大江, 初天天. 投入服务化的双重效应与中国制造业价值链攀升[J]. 社会科学研究, 2023(5):63-73.

[7]
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.

[8]
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.

[9]
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.

[10]
刘明宇, 芮明杰, 姚凯. 生产性服务价值链嵌入与制造业升级的协同演进关系研究[J]. 中国工业经济, 2010(8):66-75.

[11]
孙正, 杨素, 刘瑾瑜. 我国生产性服务业与制造业协同融合程度测算及其决定因素研究[J]. 中国软科学, 2021(7):31-39.

[12]
Guerrieri P, Meliciani V. Technology and international competitiveness:The interdependence between manufacturing and producer services[J]. Structural Change and Economic Dynamics, 2005, 16(4):489-502.

[13]
Hansen N. Do producer services induce regional economic development ?[J]. Journal of Regional Science, 1990, 30(4):465-476.

[14]
唐晓华, 张欣钰, 李阳. 制造业与生产性服务业协同发展对制造效率影响的差异性研究[J]. 数量经济技术经济研究, 2018, 35(3):59-77.

[15]
Kakaomerlioglu D C, Carlsson B. Manufacturing in decline? A matter of definition[J]. Economics of Innovation and New Technology, 1999, 8(3):175-196.

[16]
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, 34(2):3-20.

[17]
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.

[18]
乌云图, 陶克涛, 彭俊超. 产业协同集聚、数字技术支持与资源错配[J]. 科研管理, 2023, 44(1):125-135.

[19]
汤长安, 邱佳炜, 张丽家, 等. 要素流动、产业协同集聚对区域经济增长影响的空间计量分析——以制造业与生产性服务业为例[J]. 经济地理, 2021, 41(7):146-154.

DOI

[20]
于明远, 范爱军. 生产性服务嵌入与中国制造业国际竞争力提升[J]. 当代经济科学, 2019, 41(2):88-96.

[21]
刘慧, 陈晓华, 蒋墨冰. 生产性服务资源嵌入制造业生产环节的最优选择——基于中间投入品出口技术复杂度升级视角[J]. 财经研究, 2020, 46(7):154-168.

[22]
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 (3):79-93.

[23]
张虎, 韩爱华. 制造业与生产性服务业耦合能否促进空间协调——基于285个城市数据的检验[J]. 统计研究, 2019, 36(1):39-50.

[24]
Leontief W. Quantitative input and output relations in the economic systems of the United States[J]. The Review of Economics and Statistics, 1936, 18(3):105-125.

[25]
黄莉芳. 中国生产性服务业嵌入制造业关系研究——基于投入产出表的实证分析[J]. 中国经济问题, 2011(1):28-37.

[26]
Zheng H, Bai Y, Wei W, et al. Chinese provincial multi-regional input-output database for 2012,2015,and 2017[J]. Scientific Data,2021, 8(1):244.

[27]
李冠霖. 第三产业投入产出分析——从投入产出的角度看第三产业的产业关联与产业波及特性[M]. 北京: 中国物价出版社, 2002.

[28]
Antràs P, Chor D, Fally T, et al. Measuring the upstreamness of production and trade flows[J]. American Economic Review, 2012, 102(3):412-416.

[29]
Antràs P, Chor D. Organizing the global value chain[J]. Econometrica, 2013, 81(6):2127-2204.

[30]
石敏俊, 孙艺文, 王琛, 等. 基于产业链空间网络的京津冀城市群功能协同分析[J]. 地理研究, 2022, 41(12):3143-3163.

DOI

[31]
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.

[32]
Wasserman S, Faust K. Social Network Analysis:Methods and Applications[M]. London: Cambridge University Press, 1994.

[33]
陈仕华, 马超. 企业间高管联结与慈善行为一致性——基于汶川地震后中国上市公司捐款的实证研究[J]. 管理世界, 2011(12):87-95.

Options
文章导航

/

〈 〉