产业融合对全要素生产率影响的空间效应研究——基于先进制造业与现代服务业融合的视角.pdf

DOI：10.13766/j.bhsk.10082204.2021.0692产业融合对全要素生产率影响的空间效应研究基于先进制造业与现代服务业融合的视角夏伦（湖北经济学院统计与数学学院，湖北武汉430205）摘要：为了评估产业融合对全要素生产率的影响，在构建先进制造业与现代服务业融合指标体系的基础上，测算产业融合水平，运用随机前沿法计算全要素生产率，通过面板半参数空间滞后模型研究产业融合水平对全要素生产率的影响。研究发现，中国产业融合水平整体呈上升趋势，然而区域间的发展差距逐渐扩大，产业融合发展不均衡现象依然存在；全要素生产率整体呈先下降后上升的发展态势。分解来看，规模效率贡献稳定上升，技术进步率的贡献相对较弱；产业融合水平对全要素生产率的影响存在显著的空间效应，某地区的全要素生产率受到周边地区的影响，并且这种影响存在非线性效应，产业融合对全要素生产率当融合水平低于 0.360 时呈现抑制效应，当融合水平等于或高于 0.360 时呈现促进效应，随着经济的发展，呈现促进效应的地区将逐渐增加。关键词：产业融合；全要素生产率；空间面板半参数模型；空间效应；发展不平衡中图分类号：F264.9;F426文献标志码：A文章编号：10082204（2023）03016812SpatialEffectofIndustryConvergenceonTotalFactorProductivity:FromthePerspectiveoftheConvergenceofAdvancedManufacturingIndustryandModernServiceIndustryXIALun（SchoolofStatisticsandMathematics,HubeiUniversityofEconomics,WuhanHubei430205,China）Abstract:Toevaluatetheimpactofindustryconvergenceontotalfactorproductivity,thepaperconstructsanindexsystemfortheconvergenceofadvancedmanufacturingindustryandmodernserviceindustry,andmeasuresthelevelofindustryconvergence.Inaddition,itcalculatestotalfactorproductivitywithstochasticfrontiermethod,andstudiestheimpactofthelevelofindustryconvergenceontotalfactorproductivitywithsemi-parametricspatiallagmodel.TheresultsshowthatthelevelofindustryconvergenceinChinaisontheriseasawhole,butthedevelopmentgapbetweenregionsisgraduallywidening,andthedevelopmentofindustryconvergenceisstillunbalanced.Inaddition,totalfactorproductivityfirstdeclinesandthenincreases.Individually,thescaleefficiencyissteadilyrising,buttheeffectoftechnologicalprogressisrelativelyweak.Thereisasignificantspatialeffectofthelevelofindustryconver-genceontotalfactorproductivity.Thetotalfactorproductivityofaregionisaffectedbyitssurroundingareas,whichcarries the characteristic of nonlinearity.When the level of industry convergence is lower than 0.360,it has arestrainingeffectonthetotalfactorproductivity.Whenthelevelofindustryconvergenceishigherthan0.360,ithasafacilitatingeffectandthenumberofareasfallingintothefacilitatingeffectzoneisgraduallyincreasing.Keywords:industry convergence；total factor productivity；semi-parametric model of spatial panel；spatial effect；unbalanceddevelopment收稿日期：20210914基金项目：国家社会科学基金青年项目（17CTJ011）作者简介：夏伦（1985），男，湖北孝感人，副教授，博士，研究方向为空间统计与产业经济.第36卷第3期北京航空航天大学学报（社会科学版）Vol.36No.32023年5月JournalofBeijingUniversityofAeronauticsandAstronautics(SocialSciencesEdition)May2023当前，中国经济由追求高速度发展向追求高质量发展转变已经成为社会上的广泛共识，加快先进制造业和现代服务业的深度融合是实现经济高质量发展的重要途径之一。近年来，中国政府也加快了推进先进制造业和现代服务业深度融合的步伐。2019 年政府工作报告中明确提出：“促进先进制造业和现代服务业的融合发展，加快建设制造强国。”1同年 11 月，15 部门联合印发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2。在国家相关政策的指导下，湖北、江西、青海等地相继出台了鼓励先进制造业和现代服务业融合的措施，以促进经济高质量发展3-5。此前，党的十九大报告还明确提出了提高全要素生产率（TFP）的紧迫性6。全要素生产率揭示了生产过程中各种投入要素的单位平均产出水平，即一种投入转化为最终产出的效率，它是技术创新、管理模式改进、产业结构转型升级等因素带来效率提升的综合体现。那么，产业融合是否能够有效促进全要素生产率的提升呢？笔者拟从先进制造业和现代服务业融合的视角出发来分析产业融合对全要素生产率的影响。一、文献综述（一）产业融合产业融合对经济高质量发展具有重要意义。在中国经济的发展过程中，先进制造业和现代服务业的融合发展是加快产业转型升级、提升产业价值链、实现制造业强国战略的重要手段。目前，学界对服务业和制造业的融合研究较为丰富，主要集中在概念界定、融合模式、融合测算等方面。从概念界定方面来看，最早提出产业融合思想的是马歇尔。他在分工理论中明确指出，随着分工的不断细化，行业之间的界限将逐渐模糊7。产业融合是经济发展到一定程度的必然产物，在马歇尔时期，经济水平相对落后，产业结构相对单一，产业融合并未充分发挥经济效益。随着经济的不断发展，近 30 年来，作为经济发展两大引擎的制造业和服务业都得到了高速发展和不断壮大，两个产业之间的融合也逐渐成为关注热点。进入 20 世纪后，学界普遍认为，产业融合首先体现为技术融合：Rosenberg在研究机械设备的发展变迁时提出，即使功能和特性完全不同的产品，也可能采用同一种技术，这种共同技术即是产业融合的基础8；Sahal 认为，某一技术范式可以广泛应用于不同行业，并在行业之间扩散，引发技术创新活动，从而促进产业之间的技术融合9；还有学者从产业边界和竞争的视角出发对产业融合进行界定，认为产业融合是指在经济发展过程中，产业边界出现收缩甚至消失的现象，并且这种融合是一种新型的竞争合作关系104811-14。从融合模式方面来看，Greenstein 和 Khanna 将产业融合划分为替代式融合和互补式融合1048；Pennings和 Puranam在上述研究的基础上，提出了一种新的“替代补充”模式，并将这种融合解读为需求融合和供给融合，需求融合主要是指产品融合，供给融合主要是指技术融合15；Stieglitz 在上述研究的基础上，提出了 22 产业融合矩阵，共包括四种类型的融合方式（即技术替代、技术互补、产品替代、产品互补）16；胡汉辉和邢华将产业融合划分为产业渗透、产业重组、产业交叉三种模式17。从产业融合测算方面来看，目前，学界广泛使用的方法主要包括指数法、统计模型法、投入产出法等。在早期的研究中，主流观点认为，技术创新是产业融合的重要动因，故而将产业之间的技术融合度作为衡量产业融合程度的指标，指数法中最具代表性的是赫芬达尔指数法和熵指数法18-19。统计模型法主要通过利用耦合协调度模型、灰色关联模型、计量经济模型等来测算产业融合水平，该方法近年来依然被广泛使用20-24。投入产出法揭示了各产业之间的密切关系，因而，利用投入产出表来测算产业融合程度同样备受学者们青睐25-26。上述三类测算方法各有优劣，早期指数法运用得相对较多，近年来统计模型法和投入产出法则因各自的优势而得到了更加广泛的运用。（二）全要素生产率从全要素生产率的测算来看，对于企业（微观）全要素生产率的计算，通常采用的是 GMM 法、ACF法27以及近年来被广泛运用的基于一致半参数估计技术的 OP 法（由 Olley 和 Pakes 提出）28和 LP 法（由 Levinsohn 和 Petrin 提出29）30-32，而对于地区（宏观）全要素生产率的计算，目前学术界较为广泛采用的是数据包络分析法（DEA）33609-6183464-803529-34和随机前沿分析法（SFA）3630-553781-93。（三）文献评述关于产业融合对全要素生产率影响的文献相对较少，现有文献多集中在研究产业融合对某一具体产业第36卷第3期夏伦：产业融合对全要素生产率影响的空间效应研究基于先进制造业与现代服务业融合的视角 169 全要素生产率的影响方面33609-6183464-803529-343781-93，缺少对整个地区全要素生产率的宏观分析。在产业融合方面，研究先进制造业与现代服务业融合的文献也相对缺乏；在研究方法上，已有文献大多采用传统计量模型，如时间序列分析、面板数据模型等来进行研究，而利用空间统计非参数模型来进行研究的则较为少见。因此，在中国政府提出促进先进制造业与现代服务业深度融合的大背景下，笔者拟首先对这两个产业的融合水平进行测算，同时利用随机前沿法对中国 31 个省（直辖市、自治区）的全要素生产率进行估算，并利用面板数据半参数空间滞后模型来研究产业融合对全要素生产率的影响，尝试对产业融合的经济效应进行探索。二、数据来源与描述统计（一）数据来源与说明笔者以 20052018 年中国 31 个省（自治区、直辖市）的数据为样本，数据主要来源于中国工业经济统计年鉴（20062019）、中国第三产业统计年鉴 （20062019）、中 国 统 计 年 鉴 （20062019）、中国高技术产业统计年鉴（20062019）以及 31 个省（自治区、直辖市）的统计年鉴（20062019）。同时，部分数据还参考了中国投入产出数据库、世界投入产出数据库（WOID）、EPS 数据库的数据等。所有数据均为政府官方数据，具有较强的真实性与权威性。为了消除价格指数变化带来的影响，研究涉及的价格变量（主要包括各地区行业增加值），均以 2003 年为基期进行价格调整。（二）产业融合的测度1.行业界定为了有效测算先进制造业和现代服务业的融合水平，首先需要对这两个产业的范围进行界定。现代服务业是指以现代科学技术特别是信息网络技术为主要支撑，建立在新的商业模式、服务方式和管理方法基础上的服务产业。从概念上来看，难以对现代服务业所涵盖的行业进行精准界定，笔者参考科技部颁布的现代服务业科技发展“十二五”专项规划（国科发计201270 号）文件，以及学界普遍采用的处理方式，认为现代服务业主要是指生产性服务业（服务业还包括生活性服务业），按照国家统计局颁布的生产性服务业统计分类（2019）（国统字201943 号）文件，拟定现代服务业具体包括 5 个行业：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，科学研究和技术服务业。先进制造业是相对于传统制造业而言的，是指吸收信息技术、智能技术等高新技术成果，并将高新技术、制造模式和管理理念贯穿设计、研发、制造、生产和检测等全过程的制造业。为此，笔者参考中国高技术产业统计年鉴中涉及的制造业，选择 6 个行业作为先进制造业：医药制造业，航空、航天器及设备制造业，电子及通信设备制造业，计算机及办公设备制造业，医疗仪器设备及仪器仪表，信息化学品制造业。2.产业融合的测算方法关于产业融合的测算，常见的方法包括指数法、统计模型法和投入产出法。其中，指数法通常仅以少数技术指标来综合衡量产业融合水平，较为粗糙。虽然投入产出法可以较为全面地反映产业融合水平，但是中国投入产出数据库每 5 年发布一次，数据缺乏连续性，难以精确揭示全时期水平。因此，笔者选择统计模型法，具体采用耦合评价模型来进行测算。耦合评价模型主要用于衡量两个系统之间的相关性，先进制造业和现代服务业都包含多个部门，是相对较大的产业系统，因此，耦合评价模型可适用于衡量这两个产业的融合水平。同时，笔者还结合Cao等的计算方法来进行测算38。具体模型构建步骤如下：（1）指标标准化采用最大最小归一化方法对数据进行标准化处理，先进制造业和现代服务业指标的标准化公式为mpq=(xpqxpqmin)/(xpqmaxxpqmin)（1）spq=(ypqypqmin)/(ypqmaxypqmin)（2）xpqxpqmaxxpqminypqypqmaxypqminmpqspq式中：为先进制造业第 p 个部门第 j 个指标的取值；和分别为该指标的最大值和最小值；为现代服务业第 p 个部门第 q 个指标的取值；和分别为该指标的最大值和最小值；和分别为两个产业标准化后的取值。（2）子系统贡献值计算先进制造业和现代服务业的贡献值计算公式为MC=pqmpq（3）SC=pqspq（4）170 北京航空航天大学学报（社会科学版）2023年5月MCSCpqpq式中：和分别为先进制造业和现代服务业的贡献值；和分别为先进制造业子系统和现代服务业子系统各指标的权重，均采用熵权法进行计算。MCSCMC SC一般而言，取值越大，先进制造业发展水平越高；取值越大，现代服务业发展水平越高。当时，表明先进制造业发展水平领先于现代服务业发展水平；反之，则现代服务业发展水平领先于先进制造业发展水平。（3）融合水平计算先进制造业和现代服务业的发展有着各自的演化过程，并存在着紧密联系，当整体系统达到稳定的状态时，可计算这两个产业的耦合度（C），计算公式为C=MCSC(MC+SC)2（5）然而，两个产业的子系统在发展环境与演化基础上存在差异，因此仅靠耦合度来衡量并不全面，故而引入耦合协调度（D）指标来进行更加全面的测算。其构造模式是在耦合度基础上考虑综合协调度，具体计算公式为D=CT（6）T=MC+SC式中：，为两个产业融合发展的综合协调系数，与 分别为两个产业的行业贡献度；D 为两个产业的耦合协调度，作为最终衡量两业融合水平的指标，通常来看，耦合协调度越高，表明两个产业之间的融合水平越高。3.指标选择与产业融合结果分析目前，在选择产业融合基础指标时，不少文献采用单一指标或者少数几个指标作为测算依据，如采用行业增加值或就业人数等指标作为测算基础39-40。笔者认为，产业融合具有多维度、综合性的特征，因此需要建立指标体系进行测算。故而，在充分参考国家部委 2019 年出台的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基础上，结合指标选择的科学性、全面性、可得性原则，建立反映两个产业融合的测算指标体系，如表 1 所示。表1产业融合测算指标体系维度先进制造业现代服务业产业发展规模增加值增加值从业人数从业人数固定资产投资固定资产投资产业结构先进制造业增加值/第二产业增加值现代服务业增加值/第三产业增加值先进制造业从业人员/第二产业从业人员现代服务业从业人员/第三产业从业人员先进制造业固定资产投资/第二产业固定资产投资现代服务业固定资产投资/第三产业固定资产投资空间集聚区位熵区位熵发展速度增加值增长率增加值增长率从业人数增长率从业人数增长率固定资产投资增长率固定资产投资增长率根据表 1 构建的指标体系和产业融合的测算方法，计算 20052018 年中国 31 个省（自治区、直辖市）整体及各区域的先进制造业与现代服务业融合水平。囿于文章篇幅，于此仅列出中国 31 个省（自治区、直辖市）整体和东部、中部、西部、东北部区域的平均融合水平，如表 2 所示。从产业融合水平来看，东部区域领先于 31 个省（自治区、直辖市）整体，2005 年东部区域产业融合水平值为 0.5810，2018 年上升至接近 0.8000；其次是中部区域，2018 年产业融合水平值超过 0.6000；东北部区域 2018 年产业融合水平值为 0.5734；西部地区2018 年产业融合水平值则仅为 0.5195，在四大区域中排名最后，尚未达到东部区域 2005 年的产业融合水平值。从发展趋势来看，不论是 31 个省（自治区、直辖市）整体还是各区域，均呈上升趋势，表明整体上中国先进制造业与现代服务业融合水平呈现良好的发展势头。值得关注的是，尽管各区域产业融合呈现较好趋势，但是各区域之间差距不断扩大的事实也不能忽视：2005 年，东部区域与西部区域的产业融合水平值的差距为 0.1798，至 2018 年，该差距扩大为 0.2776。可见，各区域产业融合发展不平衡的现象依然存在。第36卷第3期夏伦：产业融合对全要素生产率影响的空间效应研究基于先进制造业与现代服务业融合的视角 171（三）全要素生产率的测算1.计算方法与变量选择近年来，计算地区全要素生产率的主要方法包括数据包络分析法和随机前沿分析法。数据包络分析法的前提假设相对严格，要求所有影响生产率的因素都需被模型覆盖，不存在非投入的影响因素，在测算前需要进行秩相关检验，同时该方法是一项数学规划技术，难以对方法的适应性进行检验。随机前沿分析法也存在一定的局限，如样本量需要足够大，否则会导致较大偏差。尽管如此，相较于数据包络分析法，随机前沿分析法计算的全要素生产率更接近现实，特别是选用超越对数生产函数设定的模型放松了不变弹性的假设，并可对函数形式进行有效性检验，可以更加有效地保证模型的科学性3630-55。因此，笔者采用随机前沿分析法来测算中国31 个省（自治区、直辖市）20052018 年的全要素生产率。选择的变量包括实际产出（GDP，用实际GDP 表示且以 2000 年作为基准进行转换）、劳动力数量（L，采用就业人员数衡量）、物质资本存量（K，按照张军等提出的计算方法测算41），采用超越对数生产函数，其模型为ln GDPit=0+1ln Lit+2ln Kit+3t+0.54(ln Kit)2+0.55(ln Lit)2+0.56t2+7ln Kitln Lit+8tln Lit+9tln Kit+itit（7）式中：i 为第 i 个地区；t 为第 t 个时期；为待估参数；v 为随机干扰项，服从标准正态分布；为技术无效率项，服从零点截断的半正态分布。按 照 余 泳 泽 以 及 Kumbhakar 等 的 分 解 方法3630-5542（囿于文章篇幅，此处不列分解过程），可以将全要素生产率分解为生产效率变化率（TE）、技术进步率（TP）和规模效率（SE）。2.全要素生产率估算结果与分析根据上述分解方法计算出中国 31 个省（自治区、直辖市）整体和各区域 20052018 年全要素生产率以及分解结果。为节省篇幅，仅展示 31 个省（自治区、直辖市）整体的分解结果，如图 1 所示。全要素生产率反映的是在既定的生产要素投入条件下，所产生的额外生产效率。从经济学意义上来看，它是一个“余值”，是指不能被劳动力、资本等生产要素投入所解释的部分，额外产生效率的部分通常来自资源配置优化、技术进步或创新、管理制度的完善等带来的效率提升。由图 1 可知，中国全要素生产率在 20052013 年呈下降趋势，2014 年开始逐渐上升，并于 20162018 年上升幅度增大。从其分解结果来看，全要素生产率的变化主要由生产表220052018 年 31 个省（自治区、直辖市）整体和各区域产业融合水平年份东部区域中部区域西部区域东北部区域31个省（自治区、直辖市）整体20050.58100.44690.40120.42860.464420060.57540.43930.41620.43580.466720070.60640.44810.41230.44380.477720080.60630.47130.42660.44730.487920090.59830.46370.42670.44680.483920100.61700.46710.42530.44920.489720110.65390.48050.44370.47750.513920120.72890.52350.47560.48160.552420130.74450.53100.48130.49730.563520140.75580.53000.47540.50450.566420150.75510.54010.48400.51840.574420160.77680.58900.48950.54770.600820170.78800.59470.50470.54190.607320180.79710.60720.51950.57340.6243平均0.68460.50950.45590.48530.5338注：31个省（自治区、直辖市）整体的产业融合水平值即为各区域水平值的平均值。172 北京航空航天大学学报（社会科学版）2023年5月效率变化率体现，全要素生产率和生产效率变化率的变化趋势非常相似，并且生产效率变化率在分解元素中占比超过 90%，是决定全要素生产率最重要的因素。技术进步率是影响全要素生产率的重要因素，是提升全要素生产率的核心因素，从 20052018 年的发展趋势来看，中国技术进步率对全要素生产率的贡献呈下降趋势，表明中国依靠技术进步、技术创新带动经济效率提高的能力依然有待提升。规模效率是因发展规模扩大带来的额外生产效率，中国 20052018 年的规模效率呈上升趋势，表明规模效率对全要素生产率的贡献一直在不断提升。三、产业融合对全要素生产率的影响机制分析现代产业的边界日益模糊，制造业服务化、服务产品化等趋势越来越明显，产业融合是经济发展到一定程度的重要特征和趋势，是实现经济高质量发展的重要途径，全要素生产率的提升是高质量发展的主要表现之一，那么，产业融合又该如何有效提升全要素生产率，这是一个值得探讨的话题。结合产业经济学理论及相关研究成果，笔者认为，产业融合可以通过技术创新、效率提升和外部性效应三种途径来提升全要素生产率。第一，产业融合有助于促进技术创新，进而提升全要素生产率。不同产业之间的融合首先发生在技术领域，专业化技术在不同产业边界上的流动和共享，是促使产业技术融合的重要方式，是技术创新的推动力。同时，产业融合促使创新过程从累积型向突破型创新转变，更加有利于技术创新43。技术创新是提升全要素生产率的核心途径。第二，从微观视角来看，产业融合有助于加快新产品、新服务的出现，因此，能够促进资源配置效率的提升，进而提高全要素生产率；从中观视角来看，产业融合有助于引发产业结构、产业组织形态、产业布局不断向更高级、更合理的方向变化，形成新的增长点，从而促进产业绩效和生产率的提升。第三，在产业融合过程中，可以通过知识和技术的外溢来提升全要素生产率。在制造业价值链的上游，生产性服务业可以提供调研、咨询、研发等服务；在制造业价值链的中游，生产性服务业可以提供先进的管理服务；在制造业价值链的下游，生产性服务业可以提供配送、售后等服务。生产性服务业在为制造业提供服务并与其融合的同时，又加快了知识和技术的外溢，尤其在产生新产品和新流程的过程中，新知识和新技术的传播与反馈会形成反复螺旋式的学习过程，做中学、学中做的过程将使知识不断积累，在提升技术的同时，也提升了人力资本，进而提升全要素生产率。四、实证分析先进制造业与现代服务业的融合是否有效促进了全要素生产率的提升？其融合是否存在空间溢出效应？下文的实证部分将围绕这两个问题展开。（一）模型选择随着空间计量经济学的发展，在区域经济发展的研究中，空间统计方法逐渐受到学者青睐，大量学者采用空间滞后、空间误差和空间杜宾等模型来研究经济外部性。然而，传统的空间计量一般解释的0.040 00.020000.020 00.040 00.060 00.080 00.100 00.440 00.460 00.480 00.500 00.520 00.540 00.560 00.580 02005全要素生产率、生产率变化率技术进步率、规模效率2006 2007 2008 2009 2010 2011 2012年份2013 2014 2015 2016 2017 2018全要素生产率生产率变化率技术进步率规模效率图131 个省（自治区、直辖市）整体全要素生产率分解时序第36卷第3期夏伦：产业融合对全要素生产率影响的空间效应研究基于先进制造业与现代服务业融合的视角 173 是解释变量对被解释变量的线性关系，非线性特征往往难以捕捉。近年来，部分学者开始关注空间计量与非参数模型的结合44-46，构造了半参数面板数据空间滞后和广义空间滞后半参数变系数面板等模型，这类模型不仅能揭示变量间的空间关系，也能捕捉变量间非线性特征，同时还能较好地避免非参数研究中普遍存在的“维数灾难”问题。可见，半参数模型兼顾了参数模型和非参数模型的优点，并弱化了因两者缺陷带来的影响，能够有效防止因参数模型假定导致的模型设定偏误，研究结果具有稳健性。因此，笔者选择面板数据半参数空间滞后模型进行分析，以弥补传统空间模型的不足。面板数据的半参数空间滞后模型为Yit=i+j,iwijYjt+Sit0+j,iwijSit1+g(Pit)+it,i=1,2,n;t=1,2,T（8）YitSitPitwiji01g()it式中：为被解释变量；为参数部分解释变量向量的元素；为非参数部分解释变量向量的元素；为空间权重矩阵的元素；为个体效应；为待估参数；和为空间效应系数；为未知函数；为满足经典假设的随机扰动项。i该模型反映了被解释变量不仅受到个体效应和自身解释变量的影响，还受到自身滞后变量和解释变量空间滞后的影响。（二）变量选择被解释变量为全要素生产率（TPF），即上文采用随机前沿分析法并选择超越对数生产函数测算的结果。解释变量为先进制造业和现代服务业的融合水平，即上文中利用耦合评价模型测算的产业融合水平（ic）。为了降低遗漏变量带来的估计偏误，选择控制变量非常必要，根据产业经济理论，并参考相关文献，笔者选择的变量为：地区经济发展规模（pgdp，采用地区人均 GDP 作为代理变量）、人力资本（hum，采用每万人科研机构和高校职工人数作为代理）、固定资产投资额（ifa）、对外开放程度（open，采用外商直接投资与 GDP 比值为代理变量）、产业结构（ins，采用第二产业增加值在 GDP 中的占比衡量）、政府支持力度（fes，采用财政支出在 GDP 中的占比代理）、城镇化率（ur）、交通便利度（trans，采用人均货运总量衡量）、信息化水平（info，采用人均邮电业务收入作为代理）。（三）空间效应检验在传统计量经济模型中，通常假设个体之间相互独立，然而，在国家区域一体化、协同发展的战略背景下，地区之间经济发展存在相互依存关系更接近现实。为了确定这一关系的存在，需首先对主要变量进行空间效应检验。笔者选择目前学界普遍采用的莫兰指数（MoransI）进行检验，计算公式为Morans I=ni=1nj=1wij(xix)(xjx)S2ni=1(xix)（9）xixS2式中：为地区 i 待检验空间关系的变量；为 xi的均值；为方差。常见的空间权重矩阵包括 01 邻接矩阵，即两地区相邻则取 1，否则取 0；地理距离权重矩阵，按照地区间距离的倒数（距离越近，相关性越强）作为空间权重；经济距离权重矩阵，按照某经济特征（如GDP、固定资产投资等）的离差绝对值的倒数（离差越小，相关性越高）作为空间权重。从理论上来看，时间上越晚提出的空间权重矩阵往往越科学，然而，从实践上来看，几种常见的空间权重结论相似，因此，笔者选择其中一种地理距离权重矩阵来进行分析和计算，即采用两省（自治区、直辖市）省会城市经纬度距离的倒数作为两地权重。笔者分别对被解释变量全要素生产率和解释变量产业融合水平进行空间相关性检验，检验结果如表 3 所示。从全要素生产率来看，20052010 年，仅有 2007 年和 2009 年存在显著的空间效应，其他年份则不显著。而从 2011 年开始，显著的空间效应得到稳定体现，除 2014 年外，其他年份均呈现出显著的空间相关性；从莫兰指数来看，充分展现了全要素生产率的正向外部性，且相关系数整体呈上升趋势。由此表明，随着国家区域发展战略的不断深入，地区间的经济发展关系更加紧密。从产业融合水平来看，整体表现出与全要素生产率相似的结论，在14 年的样本数据中，有 11年表现出显著的空间效应，并呈现出随时间推移相关程度整体提高的趋势。由此表明，某地区的产业融合水平会受到周边地区的影响。174 北京航空航天大学学报（社会科学版）2023年5月（四）空间面板模型分析根据经济学理论，先进制造业与现代服务业的融合有利于提升全要素生产率。那么，在中国经济的实际发展过程中，产业融合是否充分发挥出了促进全要素生产率提升的效应？这种提升效应是线性关系还是非线性关系？在不同区域间是否存在差异性？这些疑问都值得思考和研究，下文将围绕这些问题逐步展开。为了更好地分析相关结果，笔者首先进行混合最小二乘回归（OLS），面板数据空间滞后固定效应、随机效应模型，面板数据空间误差固定效应、随机效应模型的估计。利用20052018 年中国31 个省（自治区、直辖市）的样本数据，分别进行回归参数估计，结果如表 4 所示。表3主要变量空间相关性检验结果年份全要素生产率产业融合水平莫兰指数检验统计量（z）莫兰指数检验统计量（z）20050.0320.4230.0270.59320060.0470.6820.0471.681*20070.1651.724*0.0451.25820080.1381.4050.0861.986*20090.1491.647*0.1131.726*20100.1210.8960.1422.031*20110.2051.976*0.1281.38120120.1871.661*0.1651.773*20130.2311.652*0.2032.131*20140.1971.3810.2361.972*20150.2181.976*0.2291.811*20160.2382.034*0.3012.317*20170.2712.218*0.3261.779*20180.3162.225*0.3521.916*注：*，*，*分别表示在10%，5%，1%显著性水平下显著。下表同。表4回归参数估计结果变量最小二乘回归（OLS）空间滞后模型空间误差模型固定效应随机效应固定效应随机效应产业融合水平（ic）0.2020.227*0.275*0.317*0.336*空间滞后系数（）0.421*0.379*空间误差系数（）0.0460.039地区经济发展规模（pgdp）0.526*0.581*0.590*0.629*0.234*人力资本（hum）0.1930.313*0.5290.6780.116固定资产投资额（ifa）0.530*0.462*0.259*0.596*0.503*对外开放程度（open）0.434*0.565*0.638*0.606*0.540*产业结构（ins）0.281*0.355*0.260*0.734*0.665*政府支持力度（fes）0.647*0.578*0.365*0.312*0.578*城镇化率（ur）0.1360.2750.3560.1340.269交通便利度（trans）0.401*0.381*0.138*0.299*0.355*信息化水平（info）0.747*0.618*0.658*0.405*0.762*常数项（cons）4.785*4.257*5.541*拟合优度（R2）0.7250.8630.8390.8180.792第36卷第3期夏伦：产业融合对全要素生产率影响的空间效应研究基于先进制造业与现代服务业融合的视角 175 从回归结果来看，OLS 模型的产业融合系数没有通过显著性检验，而考虑空间效应的面板回归模型则体现出显著的效应，其中空间滞后模型的滞后效应显著（通过了 1%的显著性检验），表明全要素生产率存在显著的外部性，即某地区的全要素生产率受到周边地区的影响，而空间误差效应则不显著（没有通过显著性检验），进一步通过 LM 检验确定空间滞后效应模型优于空间误差模型，因此在后续研究中，将采用空间滞后模型。从控制变量来看，三类模型中，pgdp，ifa，open，ins，fes，trans，info 对全要素生产率均存在显著的正向影响；hum 仅在空间滞后固定效应模型中显著；ur 则在所有模型中均不显著。由此表明，科学技术人员的智力优势尚未充分发挥，hum 的城镇化尚未表现出对全要素生产率的提升效应。考虑到 OLS 模型的产业融合系数的不显著，可能的原因在于两者之间存在非线性关系，因此，笔者进一步考察产业融合对全要素生产率的非线性影响，建立面板半参数空间滞后模型为TPFit=i+wTPFit+wicit+1pgdpit+2humit+3ifait+4openit+5insit+6fesit+7urit+8transit+9infoit+gicit+it（10）TPFitgicit式中：为第 i 个地区 t 时期的被解释变量全要素生产率；wTPF 为全要素生产率的空间滞后项；wic为产业融合的空间滞后项；为产业融合对被解释变量的非参数影响。将样本数据代入式（10），采用 Epanechnikov 核函数和固定带宽局部线性法对模型进行估计，参数估计结果如表 5 所示。表5半参数固定效应空间滞后模型参数估计结果变量参数估计值标准误差统计量（t）伴随概率地区经济发展规模（pgdp）0.4470.1313.4120.001人力资本（hum）0.2820.3620.7790.436固定资产投资额（ifa）0.3710.1941.9120.056对外开放程度（open）0.6220.2312.6930.007产业结构（ins）0.4790.1593.0130.003政府支持力度（fes）0.4330.02716.0370城镇化率（ur）0.1170.1730.6760.499交通便利度（trans）0.6850.2243.0580.002信息化水平（info）0.7220.2592.7880.006产业融合水平（ic）变化值，如图2所示全要素生产率的空间滞后项（wTPF）0.2570.1132.2740.023产业融合的空间滞后项（wic）0.1120.0343.2940.001从估计结果可以看出，全要素生产率的空间滞后效应在 5%水平下显著并且系数为正，表明某地区的全要素生产率受到周边地区的影响，周边地区全要素生产率每增加 1%，该地区全要素生产率将平均提升 0.257%；从控制变量来看，其结果与上文空间滞后模型结论基本一致，除了人力资本、城镇化率没有通过显著性检验外，其他控