EN中文

Economic geography >

2024 , Vol. 44 >Issue 4: 121 - 130

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.04.013

Industrial Upgrading Effect of Industry Integration Between Advanced Manufacturing Industry and Information Service Industry

  • CAO Xing , 1, 2 ,
  • LIU Xinkun 1
Expand
  • 1. Business School，Central South University，Changsha 410083，Hunan，China
  • 2. Hunan First Normal University，Changsha 410205，Hunan，China

Received date: 2023-06-16

  Revised date: 2024-01-11

  Online published: 2024-09-12

Fold

Abstract

Based on the panel data of 30 provincial-level regions in China from 2009 to 2021,this paper estimates the coupling development level between advanced manufacturing industry and information service industry and the upgrading level of advanced manufacturing industry using the coupling coordination degree model and the entropy weight method. Based on the models of fixed effects and random effects,it empirically analyzes the industrial upgrading effect of the coupling development level between advanced manufacturing industry and information service industry. The results show that: 1) In general,the coordinated development of the two industries has a positive industrial upgrading effect on advanced manufacturing industry. At the regional level,it has the strongest upgrading effect in the northern coastal region,and has a significant upgrading effect in the other regions except the southern coastal region. 2) The integration development of the two industries presents a dynamic evolution process,and the coupling coordination degree has been improved,the coupling coordination development level in coastal region is generally better than that in inland region. 3) The upgrading level of China's advanced manufacturing industry has shown an obvious upward trend since 2016,which has increased from 0.249 in 2009 to 0.503 in 2021. In order to further promote the upgrading,the government should encourage the in-depth interaction and integration of the two industries,establish a new system of integrated industries,improve the mechanism of integrated personnel training,strengthen the research on key technologies of the digital transformation of the manufacturing industry,and enhance the new driving force for the development of industrial integration technologies.

Key words： advanced manufacturing; information service; integratiion development; industrial upgrading; coupling coordination model; digital transformation; scientific and technological innovation

Cite this article

CAO Xing , LIU Xinkun . Industrial Upgrading Effect of Industry Integration Between Advanced Manufacturing Industry and Information Service Industry[J]. Economic geography, 2024 , 44(4) : 121 -130 . DOI: 10.15957/j.cnki.jjdl.2024.04.013

随着新一轮科技革命和产业变革的加速推进，大数据、云计算、物联网、人工智能等技术快速发展，使得传统制造业正经历着智能制造和数字化制造的转型过程，进而改变了原有产业的结构，模糊了产业间的边界，为产业间的融合发展提供了机遇，成为制造业转型升级的重要支撑。
先进制造业充分利用现代信息技术，对研发设计、生产制造、仓储物流、销售服务等进行数字化改造，衍生出智能制造、虚拟制造新模式，核心业务从产品单核心转向“产品+服务”双核心型态，并提供个性化定制和精准化服务。先进制造业与信息服务业的融合发展，能够为先进制造业提供更加高效、智能的生产方式和管理模式，促进产品质量的提高和创新能力的增强。同时，信息服务业与先进制造业的互动发展，能够为信息服务业提供更加广阔的应用领域和市场空间，推动信息技术在制造业中的广泛应用和普及，成为制造业高质量发展的重要驱动力。
先进制造业与信息服务业融合发展，已成为我国制造业转型升级和数字经济发展的重要战略选择。2019年，我国发布了《关于推动先进制造业和现代服务业深度融合发展的实施意见》，提出了包括优化政策环境、加强技术研发、推动信息化建设等一系列政策措施，促进先进制造业与现代服务业的融合发展。2022年，我国颁布了《“十四五”数字经济发展规划》，旨在促进数字经济与实体经济的融合发展，即利用现代信息网络作为支撑，促进全要素的数字化转型，促进数字产业的发展，激励传统行业的转型升级。这些政策的出台为先进制造业与信息服务业的融合发展提供了有力的政策支持，同时也为研究先进制造业升级的影响提供了重要的政策背景。
已有研究关注了制造业与服务业的互动关系、融合测度等问题，探索了产业融合的影响因素及其对产业竞争力、创新能力等的影响效应[1-2]。①大多数学者认为制造业与服务业是互为依赖、相互促进的关系[3-4]，制造业与生产性服务业的融合互动通过整合垂直资源，不仅拓宽了中间投入品的范围，而且也提升了劳动者的就业机会，从而推动制造业与生产性服务业的协同发展[5]。但是二者的发展不是同步的，生产性服务业依赖于制造业的发展，随着互动的加深和产业环境的完善，制造业将核心技术研发经验提炼为知识，为其他同类新兴制造业提供技术咨询与合作[6]。②通过耦合协调度模型、专利系数法和投入产出法等多种测算技术，可以准确地评估产业融合的效果，提供更加可靠的决策依据[7-8]。制造业与服务业融合对制造业发展的影响效应，主要从制造业结构升级、创新效率、绩效等方面展开，如徐盈之等从产业绩效角度出发，实证检验了产业融合显著正向促进制造业发展，其实现机制是产业融合引致的渗透力和倍增效应[9]；陶长琪等发现信息产业与制造业融合具有产业结构优化效应，制造业通过对信息技术的引进、吸收和融合，突破传统制造业的技术瓶颈[10]；赵玉林等的研究表明产业融合度呈现上升态势，正向促进先进制造业竞争优势的提升[11]。
综上，现有文献虽对制造业与服务业的互动融合关系、程度以及融合效应等进行了大量研究，产业融合对制造业发展具有推动作用也已形成共识[12-13]，但聚焦于先进制造业与信息服务业融合互动及产业升级效应的研究相对较少。此外，关于产业升级的研究多集中于产业结构优化等方面，但随着产业融合的深化，产业升级不再局限于结构上优化，更多体现在质量效应、科研创新和绿色发展等方面。有鉴于此，本文基于产业融合视角，利用耦合协调度模型，对2009—2021年我国先进制造业与信息服务业耦合协调水平进行动态分析，从质量效应、科研创新和绿色发展上测量先进制造业升级水平；并利用固定效应模型和随机效应模型，探究先进制造业与信息服务业融合发展的产业升级效应和地区差异性。从全国、区域、省域3个层面，全面展示各地两大产业发展情况及先进制造业升级效应，有利于后续展开地区产业融合与产业升级及其影响因素的研究，从而助力各地区因地制宜，深化产业融合。

1 融合机制分析与融合水平测度

1.1 融合机制分析

先进制造业依赖物联网、大数据分析、人工智能等技术实现智能化生产，信息服务业则是这些技术的主要提供者和应用者之一。技术融合成为产业融合的重要基础，而产业边界处的技术创新和产业间的技术扩散为技术融合提供先决条件。技术创新改变了先进制造业与信息服务业原有的技术基础和要素分配，促进生产要素重新协调与整合，进而推动产业技术的协同发展。通过技术创新形成的新技术在先进制造业与信息服务业间进一步扩散，使二者形成相似的技术基础，推动产业间通用技术的形成，降低产业间的技术壁垒。基于技术创新与技术扩散，先进制造业与信息服务业的技术互动频繁，共同推动了产业间技术融合的发展，为二者深度融合提供了坚实的基础[14]。
先进制造业与信息服务业的技术融合推动产业间产品的融合发展，产品融合涵盖了产品设计、生产、销售和售后服务等各个环节。在产品设计阶段，先进制造业与信息服务业的专业知识相结合，使得产品能够更好地满足市场需求；在产品生产阶段，利用物联网、人工智能等技术，进行技术融合与创新，实现生产过程的自动化、智能化，提高生产效率和产品质量；在产品销售和售后服务阶段，基于信息技术的客户关系管理系统有利于更好地了解客户需求，提供个性化产品推荐和定制服务，并利用远程监控和维护技术，实现对产品的远程监控和故障诊断，提高服务效率与质量[8]。因此，产品融合不仅仅是产品和服务的简单叠加，更是通过创新整合，创造出具有更高附加值和全面解决方案的“制造+服务”融合型产品，这种产品具备了先进制造业的物质实体和信息服务业的智能化特征[15]。
随着产业间技术融合和产品融合的深化，市场对融合型产品的认可度与需求也不断增强。融合型需求与供给在原有的两大产业市场中占据越来越大的比重，推动先进制造业与信息服务业市场的融合，使得融合型市场不断扩展，市场融合水平不断提升势[16]；同时，在融合型产品的多次交易中，供求双方逐渐形成固定的交易规模和交易规则，市场交易机制日趋完备成熟，形成更加集中的产业集群，推动产业结构的升级与产业链上下游的协同发展，使得市场融合进程不断提速，其融合程度加深[17]。
综上，先进制造业与信息服务业的融合是由技术的交流和共享所驱动的，通过技术的创新和扩散，产业之间的技术壁垒逐渐降低。这种技术融合不仅改变了产品本身，还深刻影响了市场格局，表现为产品逐渐演变为“制造+服务”的复合型态，满足了市场对于更高附加值和综合解决方案的需求。融合型产品需求增加的同时，市场也在加速向融合趋势发展，市场交易机制逐步完善和成熟，这为进一步加深产业融合提供了坚实基础。通过技术融合、产品融合和市场融合，先进制造业与信息服务业实现有效融合发展，信息服务业为先进制造业提供技术、服务、知识等，支撑先进制造业的高质量发展；同时先进制造业将前沿技术引入信息服务业，拉动并引导信息服务业的发展，二者在良性互动中日益加深融合，实现共同发展（图1）。
图1 先进制造业与信息服务业融合发展机制分析框架

Fig.1 Integration development mechanism of advanced manufacturing industry and information service industry

1.2 融合水平测度方法

1.2.1 耦合协调度评价模型

利用耦合协调度模型[7]测算先进制造业与信息服务业耦合协调度，公式为：
C 2 = 2 · u 1 u 2 u 1 + u 2 2 1 2
式中：C2为先进制造业与信息服务业的耦合度，C2∈[0,1]；u1和u2分别表示先进制造业、信息服务业综合发展水平。
为准确分析两大产业的耦合协调度，进一步构建耦合协调度模型：
D = C 2 · T 1 2 ,   T = α u 1 + β u 2
式中：D表示先进制造业与信息服务业的耦合协调度；T为各产业子系统的综合评价指数；α、β表示各子系统对整体耦合协调度的贡献程度，且二者之和为1。

1.2.2 耦合协调度评判标准与类型划分

耦合协调度D值处于0~1，可等分成10个等级，对应10种耦合协调程度，其评判标准和类型见表1。其中，协调等级在1~4范围内的属于不可接受区间，5~6属于过渡区间，7~10属于可接受区间。
表1 耦合协调等级划分标准

Tab.1 Grading criteria of coupling coordination

耦合协调度D值 协调等级 耦合协调程度 接受层次
（0.0，0.1） 1 极度失调 不可接受区间
[0.1，0.2） 2 严重失调
[0.2，0.3） 3 中度失调
[0.3，0.4） 4 轻度失调
[0.4，0.5） 5 濒临失调 过渡区间
[0.5，0.6） 6 勉强协调
[0.6，0.7） 7 初级协调 可接受区间
[0.7，0.8） 8 中级协调
[0.8，0.9） 9 良好协调
[0.9，1.0） 10 优质协调

1.2.3 评价指标体系构建与数据选取

借鉴唐晓华、张幸等的做法[18-19]，本文从发展规模、发展结构、发展效率、发展潜力4个维度，构建了测量先进制造业与信息服务业综合发展水平评价指标体系。其中，发展规模是产业发展水平在量上的体现，分别包括先进制造业和信息服务业的就业人数、增加值和固定资产投资额3个指标；发展结构是产业发展水平在质上的体现，能够诠释产业布局与市场机会，不断优化发展结构，实现更高质量的发展，分别包括先进制造业与信息服务业在制造业与第三产业的增加值和就业人数上的占比2个指标；发展效率是产业的资源配置水平的体现，反映生产要素组合运行效率，能够反映产业发展的加速度，既包含发展现状，也能体现未来趋势，是判断产业发展水平的一个重要维度，分别包括先进制造业与信息服务业的劳动生产率、利润总额占主营业务收入比例2个指标；发展潜力反映产业发展升级的潜在能力，可以从要素资源在该产业的投资分配情况进行分析，分别包括先进制造业与信息服务业的增加值增长率、固定资产投资额增长率和R&D费用在产值中的占比3个指标。综上所述，先进制造业与信息服务业综合发展水平评价指标体系见表2。
表2 先进制造业与信息服务业综合发展水平评价指标体系

Tab.2 Evaluation index system of comprehensive development level of advanced manufacturing industry and information service industry

产业 一级指标 二级指标 单位
先
进
制
造
业		 发展规模 先进制造业就业人数X1 万人
先进制造业增加值X2 亿元
先进制造业固定资产投资额X3 亿元
发展结构 先进制造业增加值占制造业增加值比重X4 %
先进制造业就业人数占制造业总就业人数比重X5 %
发展效率 先进制造业劳动生产率X6 %
利润总额占主营业务收入比例X7 %
发展潜力 先进制造业增加值增长率X8 %
固定资产投资额增长率X9 %
先进制造业R&D费用占先进制造业产值的比重X10 %
信
息
服
务
业		 发展规模 信息服务业就业人数Y1 万人
信息服务业增加值Y2 亿元
信息服务业固定资产投资额Y3 亿元
发展结构 信息服务业增加值占第三产业增加值的比重Y4 %
信息服务业就业人数占第三产业总就业人数比重Y5 %
发展效率 信息服务业劳动生产率Y6 %
利润总额占主营业务收入比例Y7 %
发展潜力 信息服务业增加值增长率Y8 %
固定资产投资额增长率Y9 %
信息服务业R&D费用占信息服务业产值的比重Y10 %
针对以上指标，本文选取2009—2021年我国除西藏和港澳台以外的30个省、自治区、直辖市（以下简称省份）为研究区，其数据来源于历年的《中国统计年鉴》《中国工业统计年鉴》《中国第三产业统计年鉴》。

1.2.4 权重计算

本文首先对原始数据进行标准化处理，然后采用熵值法确定各指标权重。

1.3 耦合协调度分析

按照各二级指标权重，对两大产业原始指标数据进行标准化处理，从全国、区域、省域3个层面，分别计算先进制造业与信息服务业的综合发展水平。在此基础上，利用耦合协调度模型，对产业间的耦合度与耦合协调度进行测度。

1.3.1 全国层面耦合协调度分析

由表3可知，我国先进制造业与信息服务业在2009—2021年总体保持平稳增长的发展态势，产业耦合协调度逐步升高。其中2018年的耦合协调度攀升到0.7888，为研究期最高值。可能的原因是2017年我国发布了《新一代人工智能发展规划》，明确了新一代人工智能在制造业中的重要作用；2018年中国在许多科技领域都取得了重大突破，尤其是在人工智能、大数据等方面，这也为先进制造业和信息服务业的融合提供了有力支撑。总体来看，先进制造业与信息服务业均得到稳步发展，并且相互促进，耦合协调发展水平逐步提升。
表3 先进制造业与信息服务业的综合发展水平和耦合协调度变化

Tab.3 Coupling coordination degree and comprehensive development level of advanced manufacturing industry and information service industry

年份 先进制造业
综合发展水平（u1）		 信息服务业
综合发展水平（u2）		 耦合协调度
D值		 耦合协调
等级
2009 0.17702 0.21834 0.4434 濒临失调
2010 0.23773 0.30500 0.5190 勉强协调
2011 0.25137 0.35209 0.5455 勉强协调
2012 0.34333 0.41467 0.6149 初级协调
2013 0.32988 0.46339 0.6259 初级协调
2014 0.38433 0.53830 0.6744 初级协调
2015 0.39737 0.57190 0.6960 初级协调
2016 0.40541 0.59339 0.7008 中级协调
2017 0.53762 0.58271 0.7484 中级协调
2018 0.59588 0.64744 0.7888 中级协调
2019 0.56283 0.65111 0.7784 中级协调
2020 0.52486 0.63438 0.7601 中级协调
2021 0.56085 0.63519 0.7725 中级协调

1.3.2 区域层面耦合协调度分析

为进一步探究先进制造业与信息服务业耦合协调发展的空间规律，本文借鉴唐晓华等的做法[29]，将全国划分为八大经济区域，探究产业耦合协调的区域性差异，进而因地制宜地制定相关政策。其中，东北地区包括黑龙江、吉林和辽宁3个省份；北部沿海地区包括北京、天津、河北和山东4个省份；东部沿海地区包括江苏、上海和浙江3个省份；南部沿海地区包括福建、广东和海南3个省份；黄河中游地区包括内蒙古、陕西、山西和河南4个省份；长江中游地区包括湖北、湖南、安徽和江西4个省份；西南地区包括重庆、四川、贵州、云南和广西5个省份；西北地区包括甘肃、宁夏、青海和新疆4个省份。
由表4可知，2009—2021年沿海区域的产业耦合协调发展水平普遍优于内陆地区的发展水平，其中西北地区耦合协调度均值最低；但是从发展趋势来看，西北地区的跨越式发展相较于其他地区更为显著，从2009年的0.39逐步提高到2021年的0.60，耦合协调度有明显的提升，说明促进西部开发的产业政策，对西北地区先进制造业与信息服务业的发展具有明显的促进作用。
表4 全国八大区域先进制造业与信息服务业耦合协调度变化

Tab.4 Coupling coordination degree of advanced manufacturing industry and information service industry in eight regions

八大区域 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 均值
东北地区 0.51 0.50 0.52 0.55 0.57 0.61 0.67 0.65 0.66 0.64 0.62 0.65 0.65 0.60
北部沿海地区 0.57 0.61 0.61 0.65 0.66 0.68 0.75 0.74 0.74 0.72 0.71 0.74 0.74 0.69
东部沿海地区 0.61 0.67 0.67 0.67 0.69 0.72 0.77 0.78 0.79 0.79 0.79 0.82 0.80 0.74
南部沿海地区 0.59 0.63 0.62 0.64 0.66 0.67 0.73 0.74 0.75 0.75 0.72 0.76 0.73 0.69
黄河中游地区 0.51 0.52 0.56 0.57 0.60 0.64 0.69 0.70 0.69 0.68 0.67 0.68 0.68 0.63
长江中游地区 0.50 0.52 0.55 0.57 0.60 0.70 0.69 0.71 0.73 0.73 0.73 0.73 0.72 0.65
西南地区 0.49 0.50 0.54 0.56 0.59 0.62 0.67 0.69 0.71 0.71 0.69 0.71 0.70 0.63
西北地区 0.39 0.41 0.47 0.49 0.49 0.56 0.61 0.63 0.63 0.64 0.61 0.62 0.60 0.55

1.3.3 省域层面耦合协调度分析

由表5可知，全国30个省份2009—2021年先进制造业与信息服务业的耦合协调度总体上呈稳步提升的趋势。不同省份之间经济发展水平存在差异，耦合协调发展水平也呈现出不同状态。
表5 全国30个省份先进制造业与信息服务业耦合协调度变化

Tab.5 Coupling coordination degree of advanced manufacturing industry and information service industry in 30 provincial-level regions

区域 省份 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 均值
东北地区 黑龙江 0.48 0.50 0.49 0.54 0.55 0.59 0.69 0.67 0.67 0.64 0.63 0.65 0.64 0.59
吉林 0.51 0.46 0.48 0.53 0.52 0.60 0.64 0.66 0.64 0.63 0.60 0.65 0.63 0.58
辽宁 0.53 0.56 0.58 0.58 0.63 0.65 0.68 0.63 0.68 0.65 0.63 0.66 0.68 0.62
北部沿海地区 北京 0.59 0.64 0.62 0.63 0.64 0.66 0.73 0.74 0.75 0.71 0.72 0.78 0.74 0.69
天津 0.54 0.58 0.60 0.65 0.62 0.67 0.75 0.74 0.72 0.68 0.68 0.69 0.72 0.67
河北 0.52 0.57 0.55 0.59 0.63 0.66 0.70 0.70 0.70 0.71 0.69 0.71 0.70 0.65
山东 0.64 0.65 0.68 0.71 0.76 0.74 0.80 0.79 0.80 0.79 0.76 0.79 0.81 0.75
东部沿海地区 江苏 0.70 0.76 0.76 0.76 0.77 0.78 0.82 0.81 0.84 0.84 0.85 0.89 0.87 0.80
上海 0.57 0.62 0.61 0.61 0.65 0.67 0.75 0.75 0.76 0.76 0.75 0.78 0.75 0.69
浙江 0.57 0.62 0.64 0.65 0.65 0.72 0.76 0.77 0.78 0.77 0.77 0.80 0.80 0.71
南部沿海地区 福建 0.52 0.59 0.55 0.59 0.60 0.64 0.72 0.73 0.74 0.74 0.73 0.76 0.72 0.66
广东 0.80 0.84 0.83 0.80 0.84 0.82 0.85 0.85 0.85 0.86 0.84 0.86 0.86 0.84
海南 0.46 0.47 0.47 0.53 0.54 0.56 0.63 0.64 0.65 0.65 0.59 0.67 0.62 0.58
黄河中游地区 内蒙古 0.47 0.51 0.54 0.56 0.58 0.64 0.66 0.67 0.64 0.65 0.62 0.64 0.66 0.61
陕西 0.52 0.50 0.57 0.57 0.62 0.66 0.71 0.73 0.74 0.71 0.70 0.70 0.70 0.65
山西 0.48 0.50 0.52 0.54 0.52 0.56 0.63 0.63 0.63 0.63 0.63 0.65 0.63 0.58
河南 0.51 0.56 0.59 0.62 0.68 0.69 0.78 0.78 0.76 0.73 0.73 0.74 0.74 0.69
长江中游地区 湖北 0.52 0.54 0.56 0.60 0.63 0.65 0.72 0.73 0.74 0.75 0.74 0.71 0.72 0.66
湖南 0.55 0.54 0.57 0.58 0.61 0.64 0.70 0.73 0.76 0.75 0.75 0.75 0.72 0.67
安徽 0.47 0.53 0.53 0.55 0.59 0.73 0.67 0.71 0.71 0.74 0.73 0.74 0.73 0.65
江西 0.47 0.50 0.53 0.55 0.56 0.76 0.67 0.69 0.70 0.70 0.71 0.74 0.71 0.64
西南地区 重庆 0.50 0.52 0.53 0.58 0.59 0.62 0.68 0.71 0.71 0.70 0.69 0.73 0.70 0.64
四川 0.53 0.55 0.58 0.62 0.65 0.66 0.73 0.75 0.75 0.77 0.77 0.75 0.74 0.68
贵州 0.52 0.48 0.53 0.55 0.57 0.61 0.66 0.69 0.71 0.70 0.66 0.69 0.67 0.62
云南 0.45 0.45 0.52 0.52 0.57 0.60 0.63 0.66 0.68 0.72 0.69 0.71 0.72 0.61
广西 0.45 0.52 0.51 0.54 0.56 0.61 0.66 0.68 0.68 0.68 0.66 0.67 0.66 0.61
西北地区 甘肃 0.39 0.42 0.47 0.48 0.53 0.57 0.59 0.62 0.61 0.62 0.64 0.64 0.62 0.55
宁夏 0.40 0.44 0.48 0.51 0.46 0.52 0.60 0.64 0.62 0.62 0.59 0.63 0.62 0.55
青海 0.39 0.37 0.41 0.49 0.48 0.57 0.62 0.63 0.64 0.63 0.58 0.58 0.59 0.54
新疆 0.38 0.43 0.52 0.49 0.50 0.56 0.59 0.62 0.67 0.67 0.62 0.62 0.63 0.56
为更清晰地阐释先进制造业与信息服务业耦合协调进程的差异，本文将2009、2015、2021年全国30个省份产业耦合协调度进行可视化，颜色越深代表耦合协调度越大（图2）。由图2可知，2009—2021年各省份两大产业的耦合协调度均得到了不同程度的提高。从耦合协调等级来看，2009年仅山东、江苏和广东的协调度处于协调阶段，2015年大部分省份逐步进入了勉强协调，2021年除青海外均达到初级和中级协调水平，其中江苏、广东等少数省份提升到了良好协调阶段。总体上，东部沿海地区、南部沿海地区及长江中游地区的产业耦合协调度更加突出。由此可见，先进制造业与信息服务业的耦合协调进程呈现出区域差异性特征。
图2 省域先进制造业与信息服务业耦合协调度水平演变

注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2023)2767号的标准地图制作，底图无修改。

Fig.2 Spatial pattern distribution of industrial coupling coordination degree between two industries at the provincial level

2 先进制造业升级水平的测度与分析

2.1 先进制造业升级水平指标体系构建

本文借鉴潘为华、何冬梅、廖信林等的做法[20⇓-22]，分别从质量效益、科研创新、绿色发展3个方面，选取10个指标，采用熵值法测算先进制造业升级水平的综合指数。
质量效益是评价先进制造业升级的基础指标，具体表现为先进制造业劳动生产率高、占据价值链高端环节等。因此，本文借鉴朱高峰等的相关做法[23]，选取资本生产率、销售利润率和劳动生产率3个二级指标作为代理变量。
科研创新是先进制造业升级的关键环节和重要推动因素[24]，本文选取科技人员占从业人员比例、先进制造业R&D经费投入水平、新产品销售收入比重和有效发明专利数4个二级指标对先进制造业科研创新能力进行衡量。
绿色发展是经济健康可持续发展的必然选择，也是先进制造业升级的重要衡量指标。本文从单位增加值固体废物排放、单位增加值废气排放和单位增加值废水排放3个二级指标衡量我国制造业绿色发展水平，3个指标均为逆向指标。由于相关资料中缺少单独就制造业的工业固体废物产生量、废水排放量、废气排放量的相关数据，考虑到数据的可获取性，且制造业是工业的主要组成部分，因此本文用工业排放量来代替进行相关指标的计算。
综上分析，先进制造业升级水平评价指标体系见表6。
表6 先进制造业升级水平评价指标体系

Tab.6 Evaluation index system of upgrading level of advanced manufacturing

一级指标 二级指标 指标解释
质量效益 资本生产率 增加值/固定资产投资额
劳动生产率 增加值/从业人数
销售利润率 利润总额/主营业务收入
科研创新 科技人员占从业人员比重 R&D人数/从业人数
R&D经费投入水平 R&D经费支出/主营业务收入
新产品销售收入比重 各地区新技术产业新产品销售收入/高技术产业主营业务收入
有效发明专利数 该地区高技术产业在报告年度拥有的在有效期内的发明专利件数
绿色发展 单位增加值固体废物排放 工业固体废物产生量/增加值
单位增加值废弃排放 废气排放总量/增加值
单位增加值废水排放 废水排放总量/增加值

2.2 先进制造业升级水平分析

采用2009—2021年全国30个省份的面板统计数据，运用熵值法测算先进制造业升级水平综合值。由图3可知，2009—2021年全国先进制造业升级水平整体上呈上升趋势。全国先进制造业升级水平虽然由2009年的0.249提高到了2021年的0.503，但是总体来看仍有待进一步提高。
图3 2009—2021年全国先进制造业升级水平演变

Fig.3 Upgrading level of advanced manufacturing industry from 2009 to 2021

分区域看（表7），2009年八大经济区先进制造业升级水平相对较高的是东部沿海地区（0.305）、南部沿海地区（0.302）、北部沿海地区（0.269），其他5个区域的先进制造业升级水平均处于0.1~0.2之间。2021年东部沿海地区、南部沿海地区和北部沿海地区仍然表现突出，表明先进制造业升级水平可能与经济发展水平密切相关，沿海地区的先进制造业占比更高，其产业技术创新能力比内陆地区更强，有利于产业转型升级。相比之下，尽管东北地区拥有大量工业基地，产业基础雄厚，但是由于发展道路僵化且受商业地理条件限制，该地区的先进制造业升级变得更加困难。实际上，导致区域先进制造业升级水平不同的原因是多元的，先进制造业与信息服务业的耦合协调发展差异可能也是一个关键因素。
表7 全国八大区域先进制造业升级水平变化

Tab.7 The upgrading level of the advanced manufacturing industry in the eight regions

区域 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
东北地区 0.128 0.160 0.177 0.183 0.195 0.196 0.203 0.206 0.218 0.245 0.268 0.280 0.273
北部沿海地区 0.269 0.323 0.337 0.354 0.361 0.367 0.371 0.380 0.392 0.410 0.431 0.452 0.444
东部沿海地区 0.305 0.340 0.346 0.353 0.372 0.394 0.404 0.412 0.417 0.429 0.436 0.460 0.455
南部沿海地区 0.302 0.327 0.337 0.361 0.371 0.372 0.384 0.396 0.410 0.428 0.449 0.457 0.458
黄河中游地区 0.182 0.198 0.226 0.246 0.248 0.264 0.278 0.286 0.297 0.324 0.331 0.357 0.347
长江中游地区 0.175 0.211 0.226 0.231 0.238 0.247 0.252 0.261 0.268 0.282 0.309 0.322 0.314
西南地区 0.154 0.165 0.181 0.185 0.192 0.197 0.204 0.211 0.219 0.231 0.251 0.293 0.266
西北地区 0.104 0.116 0.136 0.145 0.155 0.165 0.171 0.178 0.196 0.228 0.237 0.248 0.245

3 产业间耦合协调度对先进制造业升级的影响因素分析

3.1 研究设计

本文采用面板数据的固定效应模型和随机效应模型来考察先进制造业与信息服务业的耦合协调度对先进制造业升级的影响效应。借鉴王晓蕾等的研究[25]，构建计量模型：
U p g r a d e i t = α + β 1 D i t + β 2 i n n o v i t + β 3 l n t r a n s i t + β 4 o p e n i t + β 5 g o v e r i t + ε i t
式中：i表示省份；t表示时间；upgradeit为被解释变量，即先进制造业升级水平；Dit作为解释变量表示先进制造业与信息服务业耦合协调度；α为常数项；β1~β5为一系列控制变量的回归系数；εit为随机扰动项。
对于控制变量的选取，本文借鉴盛丰的做法[26]，选取创新投入水平（innov）、交通发达程度（trans）、对外开放度（open）、政府干预度（gover）为控制变量。
创新投入水平：创新是先进制造业升级的重要推动力，以先进制造业R&D经费支出占主营业务收入比重衡量创新投入水平。
交通发达程度：交通的发展促进要素流动，对先进制造业及相关产业的布局、成本费用有着直接的影响，以地区人均货运量为衡量指标。
对外开放度：使用贸易依存度即出口交易额占GDP的比例来度量对外开放度，这种测度方法不仅能够反映行业外贸市场的开放度，还能准确地衡量外贸出口企业的贸易规模和盈利情况。
政府干预度：政府的干预是先进制造业不容忽视的影响因素，既可能通过政策、财政支出等方式扶持产业，也可能导致资源配置效率低下，以地方财政预算支出与地区GDP的比重来反映政府干预程度。

3.2 影响因素分析

对全国30个省份2009—2021年的面板数据进行固定效应模型和随机效应模型的实证分析，描述性统计结果见表8。
表8 各变量描述性统计结果

Tab.8 Descriptive statistical results for each variable

变量 样本数 均值 标准差 最小值 最大值
upgrade 390 0.2795 0.1314 0.0948 0.7872
D 390 0.6440 0.1021 0.3670 0.8910
innov 390 0.0085 0.0051 0.0014 0.0319
lntrans 390 7.1023 0.7362 5.3270 8.8742
open 390 0.2900 0.3293 0.0002 1.6779
gover 390 0.2456 0.1046 0.0012 0.6929
模型回归结果显示（表9），产业间耦合协调度（Dit）的回归系数分别为0.2810和0.4039，且均在1%的显著性水平上正相关，说明先进制造业与信息服务业耦合协调度每增加1个单位，先进制造业升级水平将提升0.2~0.4个单位，即产业耦合协调耦合度的提升，对先进制造业升级具有明显的提升作用。
表9 全国先进制造业升级影响因素回归结果

Tab.9 Regression results of influencing factors of advanced manufacturing upgrading

解释变量 固定效应（FE） 随机效应（RE）
Dit 0.2810***（8.97） 0.4039***（12.19）
innov -2.0043***（-3.97） -1.3145**（-2.30）
lntrans 0.0410***（6.04） 0.0214***（2.93）
open -0.0387**（-2.44） 0.0155（0.91）
gover 0.1485***（3.50） 0.0675（1.48）
_cons -0.2012***（-4.41） -0.1429***（-2.74）

注：***、**、*分别表示在1%、5%、10%的水平上显著，括号内分别为固定效应的T统计值和随机效应的Z统计值。表10同。

从各控制变量来看，创新投入水平的回归系数均为负数，表明其对先进制造业升级产生一定的阻碍作用，这与预期的结果不一致，可能是因为创新投入的正向效应时滞较长且存在门槛效应。交通发达程度显著促进了先进制造业升级，系数在固定效应和随机效应模型中均为正数，说明交通便利性对先进制造业升级有正向促进作用。对外开放程度对先进制造业升级产生抑制效果，在固定效应模型中其回归系数为负值，说明在考虑各省份的个体效应后，对外开放程度提高不利于先进制造业升级，这可能是因为对外开放度高导致企业市场竞争加剧，制造企业为获取竞争优势而竞相压低成本，从而阻碍了产业升级。政府干预度在考虑各省份的个体效应后，回归系数为正数，对先进制造业升级会产生促进作用，说明政府干预能够在先进制造业升级中起到引导资源合理配置的作用，有助于产业升级的实现。

3.3 稳健性检验

3.3.1 延长观测窗口

考虑到先进制造业与信息服务业融合是在较长时间内推动先进制造业升级，本文延长了解释变量与被解释变量的时间考察窗口。将核心解释变量产业间耦合协调度进行滞后1~3期处理，检验结果发现，滞后1~3期后，产业间融合对先进制造业升级水平的影响均呈现显著的正向促进作用。这表明随着时间的推移，先进制造业与信息服务业融合带来的正面影响会不断累积和增加，对先进制造业升级产生更为显著且持久的影响，这也从侧面支持了本文的回归分析结果。

3.3.2 样本子区间模型估计

由于2019年末新冠疫情导致产业供应链中断、市场需求下降、技术研发受阻以及金融压力增大等问题，对我国先进制造业与信息服务业造成了持续的负面影响，本文参考唐要家等的做法[27]，剔除疫情爆发后2020、2021年的样本数据，考察子样本的模型估计效果，回归结果仍显著为正，进一步验证了前文结果。

3.3.3 增加控制变量

由于在分析时可能忽视一些重要因素，从而影响所研究的因果关系，通过增加经济发达水平（eco）、信息化水平（infor）等变量检验先进制造业与信息服务业融合对先进制造业升级的影响。结果发现，产业间耦合协调度对先进制造业升级仍呈现正向作用，回归结果依旧稳健。

3.4 内生性检验

由于模型中可能存在测量偏差、逆向因果关系以及部分变量遗漏等因素，导致出现内生性问题，从而使回归结果产生偏差，本文参考韩民春等[28]的方法，将产业间耦合协调度的滞后1期作为工具变量，并使用两阶段最小二乘法（2SLS）进行检验。LM和Wald统计量的值表明工具变量基本不存在内生性问题，说明工具变量是合理有效的，产业间耦合协调度的回归系数仍显著为正，再次验证了回归结果是稳健的。

3.5 异质性检验

用固定效应模型和随机效应模型对全国八大地区2009—2021年的面板数据进行回归分析，并进行豪斯曼（Hausman）检验，结果见表10。
表10 全国及八大区域先进制造业升级影响因素回归结果

Tab.10 Regression results of factors influencing the upgrading of advanced manufacturing industry in China and eight regions

变量 全国 东北地区 北部沿海地区 东部沿海地区 南部沿海地区 黄河中游地区 长江中游地区 西南地区 西北地区
FE RE FE FE RE FE FE RE FE
Dit 0.281***
（8.97）		 0.204***（2.84） 0.436**
（2.67）		 0.702***
（7.57）		 0.778***
（6.25）		 0.401***
（5.09）		 0.322***
（5.15）		 0.234***
（2.92）		 0.133***
（3.78）
innov -2.004***
（-3.97）		 3.634**
（2.24）		 -0.378
（-0.17）		 -2.631***
（-4.17）		 -1.333**
（-2.53）		 -1.953
（-0.90）		 -0.102
（-0.13）		 -0.358
（-0.26）		 -5.226
（-1.46）
lntrans 0.041***
（6.04）		 0.097***
（4.89）		 0.059
（2.28）		 -0.009
（-0.80）		 -0.086**
（-2.11）		 0.075***
（5.29）		 0.060***
（3.30）		 0.039***
（2.76）		 0.034
（1.24）
open -0.038**
（-2.44）		 -0.077
（-0.80）		 -0.022
（0.51）		 0.031
（1.21）		 0.376***
（4.29）		 -0.124
（-0.51）		 0.234
（1.20）		 0.138*
（1.85）		 0.095
（1.36）
gover 0.148***
（3.50）		 0.335***
（3.19）		 0.124
（0.47）		 -0.894**
（-3.37）		 0.638
（1.72）		 0.536***
（3.11）		 -0.134
（-0.50）		 -0.420**
（-2.61）		 0.004
（0.06）
_cons -0.201***
（-4.41）		 -0.680***
（-7.55）		 -0.316
（0.15）		 0.088
（1.09）		 0.075
（0.28）		 -0.650***
（-6.71）		 -0.401**
（-2.99）		 -0.130
（-1.37）		 -0.251
（-1.31）
由表10可知，产业间耦合协调度的回归系数在八大地区均为正值，其中东部沿海地区和南部沿海地区的回归系数大于0.7，显著高于全国水平；北部沿海地区、黄河中游地区和长江中游地区的回归系数处于0.3~0.5，也高于全国水平；而东北地区、西南地区和西北地区的回归系数低于全国平均水平。以上结果说明了先进制造业与信息服务业融合对先进制造业升级的影响效应具有地区差异性。
从各个控制变量对先进制造业升级的影响来看，创新投入水平在东北地区正向促进先进制造业升级，在东部沿海和南部沿海出现产业升级的抑制效果，其余5个区域的作用则不显著，说明创新投入对先进制造业升级在多数地区并未产生显著的正向作用，可能与创新投入周期性有关。交通发达程度在东北、黄河中游、长江中游和西南地区的系数为正值，在南部沿海地区的系数为负值，在其余3个区域交通发达度的影响则均不显著。对外开放度对先进制造业升级的影响在东部沿海、西南地区显著正相关，在南部沿海地区的影响负相关，在其余3个区域的作用则不显著。政府干预度在东北和黄河中游地区显著促进先进制造业升级，在东部沿海和西南地区则对先进制造业升级产生了严重的抑制作用，可能的解释是前两个地区的政府干预引导和扶持了当地制造业的升级发展，而东部沿海和西南地区的政府干预则可能导致制造业的资源配置效率低下，从而抑制了当地先进制造业升级；而在北部沿海、南部沿海、长江中游和西南地区，政府干预和先进制造业升级不存在显著的相关关系。

4 结论与建议

4.1 主要结论

本文利用耦合协调度模型和熵值法测算并分析了2009—2021年我国30个省份先进制造业与信息服务业融合度以及先进制造业升级现状。在此基础上，构建面板回归模型，分析两大产业融合对我国先进制造业升级的效应和影响关系。主要结论如下：
①先进制造业与信息服务业的融合发展是先进制造业升级的重要驱动力，两大产业的耦合协调度提升能够促进先进制造业升级，此效应在东部沿海地区最显著。
②2009—2021年，我国先进制造业与信息服务业之间的耦合协调度提升了约0.33，进入中级协调阶段；各区域产业耦合发展的进程不尽相同，呈现沿海地区耦合协调度明显高于内陆地区的特征，该结论在经过一系列稳健性检验后依旧成立。
③产业间耦合协调度对先进制造业升级的影响效应存在显著差异，其中交通发达程度、政府干预度对先进制造业升级有正向促进作用，有助于产业升级的推进；而创新投入水平、对外开放度对先进制造业升级产生负向阻碍作用，一定程度上妨碍了产业升级的进程。

4.2 对策建议

根据研究结论，本文提出以下对策建议：
①加强区域间产业融合的协调机制。针对不同地区间产业融合进程的差异，应建立跨地区的产业协调机制，以促进资源的充分利用和优势互补。政府可通过建立跨地区的合作平台，鼓励企业之间的技术交流和合作，推动产业链的跨地区整合；同时建立起政策沟通机制，协调各地政府间的政策配合，降低跨地区合作的壁垒，提高融合效率。通过加强产业融合协调机制，优化产业布局，推动区域经济的均衡发展，实现更高水平的产业融合和升级。
②加大科研创新投入，加快数字化转型。科研创新是一个耗费大、周期长的持续投入过程，但是技术的不断创新和发展为产业融合注入了活力，是产业融合推动先进制造业升级的必然路径。政府应该加大对科研创新的支持力度，通过增加科研项目的拨款、建立科技创新基地和孵化器等方式，鼓励企业加大对技术创新的投入；建立健全的知识产权保护体系，激励企业加强自主创新，保护知识产权，并进一步与高校和科研机构合作，推动科技成果的应用和转化。同时，通过建立数字化转型专项基金、推动企业建设智能工厂和数字化生产线等方式，促进企业加速数字化转型步伐，提升产业的生产效率和产品质量，推动先进制造业升级。
③厘清地区差异，助力制造业高质量发展。本文分析发现不同地区的产业基础及经济水平差异与产业融合进程及先进制造业升级水平差异密切相关。因此，在推动制造业高质量发展的政策制定中，应针对不同地区的产业结构和经济特点，量身定制产业结构调整政策，提升地方产业的整体竞争力和附加值；加大对地方物流体系建设的投入力度，优化物流网络布局，提升运输效率和服务质量，提高产业链供应链效率。此外，针对地方产业发展需要，吸引外资企业入驻，引入先进技术和管理经验，同时加强市场准入和竞争环境监管，保障各类市场主体的公平竞争权益，促进先进制造业与信息服务业向更高水平发展。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
李晓钟, 陈涵乐, 张小蒂. 信息产业与制造业融合的绩效研究——基于浙江省的数据[J]. 中国软科学, 2017(1):22-30.

[2]
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, 367(7):31-39.

[3]
顾乃华, 毕斗斗, 任旺兵. 中国转型期生产性服务业发展与制造业竞争力关系研究——基于面板数据的实证分析[J]. 中国工业经济, 2006(9):14-21.

[4]
段海燕, 赵瑞君, 佟昕. 现代装备制造业与服务业融合发展研究——基于“互联网+”的视角[J]. 技术经济与管理研究, 2017(1):119-123.

[5]
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.

[6]
贺正楚, 吴艳, 蒋佳林, 等. 生产服务业与战略性新兴产业互动与融合关系的推演、评价及测度[J]. 中国软科学, 2013, 28(5):129-143.

[7]
杜传忠, 王鑫, 刘忠京. 制造业与生产性服务业耦合协同能提高经济圈竞争力吗?——基于京津冀与长三角两大经济圈的比较[J]. 产业经济研究, 2013(6):19-28.

[8]
赵玉林, 裴承晨. 技术创新、 产业融合与制造业转型升级[J]. 科技进步与对策, 2019, 36(11):70-76.

DOI

[9]
徐盈之, 孙剑. 信息产业与制造业的融合——基于绩效分析的研究[J]. 中国工业经济, 2009(7):56-66.

[10]
陶长琪, 周璇. 产业融合下的产业结构优化升级效应分析——基于信息产业与制造业耦联的实证研究[J]. 产业经济研究, 2015(3):21-31,110.

[11]
赵玉林, 汪美辰. 产业融合、 产业集聚与区域产业竞争优势提升——基于湖北省先进制造业产业数据的实证分析[J]. 科技进步与对策, 2016, 33(3):26-32.

DOI

[12]
龚雪, 荆林波. 物流业与制造业耦合协同对制造业高质量发展的影响[J]. 中国流通经济, 2022, 36(7):22-37.

[13]
郭凯明, 黄静萍. 劳动生产率提高、产业融合深化与生产性服务业发展[J]. 财贸经济, 2020, 41(11):112-125.

[14]
周明生, 张一兵. 数字技术发展促进制造业与服务业融合了吗[J]. 科技进步与对策, 2022, 39(13):74-82.

DOI

[15]
王学娟, 辛本禄. 创新生态系统视角下制造业服务化与服务业制造化融合研究[J]. 企业经济, 2022, 41(11):114-122.

[16]
郭克莎, 杨倜龙. 制造业与服务业数字化改造的不同机制和路径[J]. 广东社会科学, 2023(1):36-46.

[17]
贾卫峰, 王艺宁, 王朔. 颠覆性创新驱动信息产业与制造业融合模式研究[J/OL]. 科学学研究,1-21. https://doi.org/10.16192/j.cnki.1003-2053.20230724.002.

[18]
唐晓华, 张欣钰, 李阳. 先进制造业与信息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.

[19]
张幸, 钟坚, 王欢芳. 中国先进制造业与现代服务业融合水平测度及影响因素研究[J]. 财经理论与实践, 2022, 43(3):135-141.

[20]
潘为华, 潘红玉, 陈亮, 等. 中国制造业转型升级发展的评价指标体系及综合指数[J]. 科学决策, 2019(9):28-48.

[21]
何冬梅, 刘鹏. 人口老龄化、 制造业转型升级与经济高质量发展——基于中介效应模型[J]. 经济与管理研究, 2020, 41(1):3-20.

[22]
廖信林, 杨正源. 数字经济赋能长三角地区制造业转型升级的效应测度与实现路径[J]. 华东经济管理, 2021, 35(6):22-30.

[23]
朱高峰, 王迪. 当前中国制造业发展情况分析与展望:基于制造强国评价指标体系[J]. 管理工程学报, 2017, 31(4):1-7.

[24]
李廉水, 石喜爱, 刘军. 中国制造业40年:智能化进程与展望[J]. 中国软科学, 2019(1):1-9,30.

[25]
王晓蕾, 王玲. 我国物流业制造业融合发展对制造业的产业升级效应及地区差异研究[J]. 经济问题探索, 2022, 43(2):94-111.

[26]
盛丰. 生产性服务业集聚与先进制造业升级:机制与经验——来自230个城市数据的空间计量分析[J]. 产业经济研究, 2014, 13(2):32-39,110.

[27]
唐要家, 王钰, 唐春晖. 数字经济、 市场结构与创新绩效[J]. 中国工业经济, 2022(10):62-80.

[28]
韩民春, 袁瀚坤. 生产性服务业与制造业融合对制造业升级的影响研究——基于跨国面板的分析[J]. 经济问题探索, 2020, 41(12):150-161.

Options
Outlines

/

〈 〉