戴魁早 杨开开 黄姿

摘要：从理论上探讨先进制造业与现代服务业融合对企业创新绩效的影响及其机制，运用耦合协调度模型测度两业融合发展水平，并结合沪深A股上市公司数据，采用多种计量方法对理论预期进行验证。研究发现：两业融合发展显著促进了企业创新绩效提升，这一结论在一系列稳健性检验之后仍然成立。研发活动、人才流动和技术成果转移等产生的技术溢出是两业融合提升企业创新绩效的重要途径和机制。先进制造业与不同现代服务业融合对创新绩效的影响存在差异，与交通运输业融合的促进作用最大，随后依次是与房地产业、租赁及商业服务业、信息传输业和文体业融合，而与金融业、科学研究业融合则未明显提升企业创新绩效。此外，对于数字化程度与供应链集中度较高的企业来说，两业融合更好地促进了创新绩效提升。研究验证了两业融合在创新绩效提升中的作用，对中国创新能力提高和两业融合发展都具有一定的政策启示。

关键词：产业融合；创新绩效；专利产出；技术溢出；先进制造业；现代服务业

文献标识码：A文章编号：100228482023（03）002915

一、问题提出

创新是引领发展的第一动力，也是建设现代化经济体系的战略支撑①。然而，在中国经济已由高速增长阶段转向高质量发展的新阶段，经济发展不平衡不充分问题仍然突出，重点领域关键环节改革任务仍然艰巨，创新能力仍不适应高质量发展要求②。理论上，在创新资源有限的约束条件下，不断提升创新绩效对于企业创新能力的提高非常重要。可见，在当前推动经济高质量发展背景下，如何有效提升创新绩效具有非常重要的现实意义。现有文献从要素市场发展［1］、内部研发条件［2］、知识获取能力［3］、互联网发展［4］、开放式创新［5］等视角，深入探讨了创新绩效的提升问题。然而，鲜有文献将产业融合纳入创新绩效的分析框架，先进制造业和现代服务业融合（简称“两业融合”）发展对创新绩效的影响尚未引起学术界足够的重视。

近年来，随着以“互联网+”、大数据、区块链等为代表的新一代信息技术不断革新，两业融合发展趋势愈发明显，并且不断涌现出一些新模式和新业态。数据显示，2010—2018年中国制造业与生产性服务业的综合融合度由0.544上升至0.865，增长了59.01%

根据彭徽等［6］的方法测算得到。。但与发达国家相比，中国两业融合发展水平仍有较大差距，2014年美国的两业综合融合度就高达2.862［6］。理论上，两业融合发展有效打通了先进制造业与现代服务业边界，实现了资金、人才和信息等资源的共享，可以提高创新资源的配置效率［7］，因而可能会对创新绩效产生重要的影响。鉴于中国两业融合仍存在发展不平衡、协同性不强、融合深度不够和政策环境、体制机制制约等问题，两业融合发展的空间和潜力还非常巨大。因而，推进先进制造业和现代服务业深度融合可能是提升创新绩效的一条重要途径，而探究两业融合影响创新绩效的基本规律则是值得研究的课题。

中国政府高度重视两业融合发展，为了推动两业深度融合发展，制定并实施了《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》。因此，从先进制造业与现代服务业融合的角度探讨企业创新绩效提升问题不仅可丰富产业融合与创新绩效的研究，而且可为中国政府进一步实施两业融合政策提供证据支撑。就产业融合如何影响创新绩效而言，已有文献并未从技术溢出视角进行解释。事实上，两业融合能够有效消除技术和知识的壁垒，促进异质性技术和知识在先导企业中的整合、积累和交流［8］，因而两业融合带来的技术溢出（或技术扩散）很可能会对企业创新绩效产生重要影响。

综上所述，本文探究先进制造业与现代服务业融合发展对创新绩效的影响，运用耦合协调度模型测度两业融合发展，并利用2010—2018年沪深A股上市公司微观数据，从技术溢出视角解释两业融合影响企业创新绩效的机制，为理解两业融合与企业创新绩效的关系提供新证据，为指导两业融合提升创新绩效的实践提供参考依据。本文可能的边际贡献主要有三个方面：第一，从两业融合视角切入中国创新绩效提升问题，系统地分析了两业融合如何影响企业创新绩效；第二，从技术溢出视角探究了两业融合影响企业创新绩效的内在机制；第三，探讨了先进制造业与不同现代服务业融合对创新绩效的影响差异，以及两业融合对不同数字化程度与供应链集中度企业的异质性影响，丰富了两业融合与创新绩效的研究内容。

二、制度背景与理论分析

（一）文献回顾和制度背景

产业融合思想最早来源于Rosenberg［9］对美国机械设备业演化的研究，随后众多学者对该理论进行了补充和完善。植草益［10］以信息通信业产业融合为基础进行研究发现，产业融合形成动因是技术进步和管制的放松，而产业融合加强了各行业的竞争合作关系。马健［11］认为，产业融合是指由于技术进步和放松管制，发生在产业边界和交叉处的技术融合，改变了原有产业产品的特征和市场需求，导致产业间的企业竞争合作关系发生改变，从而导致产业界限的模糊化甚至重划产业界限。

实际上，学术界已有少量文献涉及产业融合与创新的关系研究。刘维刚等［12］研究发现，产业融合通过企业创新和生产分工影响企业技术进步，这种影响存在明显的异质性。Brring等［13］的研究显示，食品和制药行业融合中的吸收能力对产品创新有着重要影响。祝树金等［14］基于制造业服务化视角，阐释了其通过技术创新影响企业出口产品质量的非线性机制。吴敬伟等［15］认为，生产性服务业的过度集聚会导致产业融合抑制技术创新。

与本文最相关的研究是中国产业融合对创新绩效的影响。王成东［7］将产业融合因素引入区域產业研发效率评价体系，采用随机前沿（SFA）方法验证了产业融合对产业研发效率的促进作用；宾厚等［16］探讨了工业与第一产业、第三产业融合对协同创新绩效的影响，研究发现产业融合通过技术引进等改善了协同创新绩效；姜博［17］分析了中国制造业融合、网络嵌入对创新绩效的影响，结果显示，网络嵌入对产业融合和制造业创新绩效的关系具有倒U型的调节效应。

近年来，在新一代信息技术的推动下，“制造业服务化、服务业制造化”趋势越来越明显。为了更好地顺应新一轮科技革命和产业变革，中国政府出台了一系列政策，以更好地促进先进制造业与现代服务业实现深度融合发展。2016年国务院发布了《关于深化制造业与互联网融合发展的指导意见》，要求进一步深化制造业与互联网融合发展，协同推进“中国制造2025”和“互联网+”行动；2017年党的十九大报告明确指出，要加快发展先进制造业和现代服务业；2018年中央经济工作会议强调，推动先进制造业与现代服务业深度融合；2019年国务院《政府工作報告》进一步指出，围绕推动制造业高质量发展，促进先进制造业和现代服务业融合发展；2019年11月，国家发展和改革委员会印发中国两业深度融合发展的顶层设计文件——《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》（发改产业〔2019〕1762号），为推动两业融合发展指明了方向。2021年3月发布的《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》（简称“十四五”规划）进一步强调，推动现代服务业与先进制造业、现代农业深度融合。

两业融合表现为先进制造业服务化、现代服务业向制造业延伸拓展和两业双向深度融合等三种形式［18］。随着两业融合成为现代产业体系的一个重要特征和趋势，其经济影响已受到学术界的广泛关注。Cainell等［19］探讨了两业融合与生态环境的关系，研究表明，两业融合对与碳排放和能源效率相关的环境创新具有重要的影响。彭芳梅［20］研究发现，粤港澳大湾区城市两业融合耦联协调度对全要素生产率具有显著的促进作用。Dong等［21］的研究表明，两业融合能够促进区域绿色发展效率提升，这一促进作用是通过绿色创新中介实现的。然而，关于先进制造业和现代服务业融合发展能否促进企业创新绩效提升，现有文献尚未给出明确的解答。

（二）理论分析与研究假说

两业融合是指先进制造业与现代服务业在新一代信息技术的推动下相互渗透、相互交叉，逐渐形成新产业形态的动态过程。在两业融合过程中，先进制造业和现代服务业的关系表现为相互促进和互为依托，先进制造业是现代服务业发展的基础，而现代服务业的发展又进一步推动先进制造业提升生产率。相比一般的制造业与服务业融合，两业融合对经济社会的影响更加深远持久。

1．两业融合与企业创新绩效

以“互联网+”、大数据、区块链等为代表的新一代信息技术的发展与应用，打通了先进制造业与现代服务业的既有壁垒和边界，消除了知识和技术的壁垒［8］，促进了行业间不同创新要素的互动与整合，进而优化配置创新资源或提高创新资源的配置效率。同时，以新一代信息技术为基础的两业融合，可以实现行业之间和企业内部资金、人才和信息等创新资源的共享，消除创新活动各个环节（即新思想产生—中试成果—形成新技术—形成新产品的整个过程）的信息阻隔，企业可以有效控制创新活动各个环节的运作效率，有助于提高创新投入的产出绩效，如图1所示。

图1两业融合影响创新绩效的理论分析框架

两业融合带来的规模经济与范围经济也有助于企业创新绩效提升。首先，熊彼特的创新理论认为，在创新活动及创新过程中，规模越大的企业越有可能产生创新的规模经济效应，因而可能有着较高的创新绩效。大量经验研究表明，企业规模对专利产出数量、专利被引用次数等创新产出均有显著正影响［1］。理论上，两业融合拓宽了制造业企业自身的边界和规模，形成内部规模经济，进而可能带来较高的创新绩效；同时，以新一代信息技术为基础的两业融合可以有效地整合外部知识、技术等创新资源，形成外部规模经济以完成其创新活动［3］。这种具有外部规模经济的“开放式创新”，打破了企业自身的组织边界，实现了创新要素和知识信息跨界自由流动，可以有效提高企业创新绩效［5］。其次，范围经济使得企业可以将一项研发的技术成果应用于多种产品的生产，降低单位产品所分摊的研发成本，进而有助于提高创新活动的成功率或创新投入的产出绩效。两业融合通过放大企业的核心资本价值（包括企业的品牌优势和营销网络），拓宽了企业的经营范围、增加了企业产品种类，更容易实现创新的范围经济［22］，因而有助于企业创新绩效提升。

2．两业融合、技术溢出与企业创新绩效

理论上，技术溢出或技术扩散是技术进步的重要途径，对企业创新绩效提升有着重要促进作用［23］。两业融合能够有效消除技术和知识的壁垒，促进异质性技术和知识在先导企业中的整合、积累和交流，为技术溢出或技术扩散提供良好条件［8］；而且，互联网等新一代信息技术为相关产业提供了知识和技术交流平台，使得知识和技术等流动更便捷，技术溢出效应更加明显［4］。由此可以推测，两业融合产生的技术溢出效应有助于企业创新绩效提升。具体来说，两业融合可以通过研发活动、人才流动、技术成果转移等带来的技术溢出促进企业创新绩效提升。

（1）两业融合与研发活动的技术溢出。研发合作是技术溢出的一条重要途径，合作企业可以通过共享研发信息和研究成果，有效地提高研发效率。随着先进制造业领域的知识与技术的难度与深度日益加剧，新技术的研究与开发不断复杂化，制造业企业尤其是高科技企业，很难依靠自身的资源（包括资金、专门技能人才、暗默知识和生产能力）实现所有创新目标。先进制造业与科研院所、金融业等现代服务业的融合发展，便于制造业企业与相关研发机构进行研发合作，促进了研发主体之间的技术溢出，进而可以更好地完成技术创新；同时，制造业企业更有机会获取互补性知识与异质性创新资源，这既增加了创新活动的针对性与有效性，又提高了创新活动的成功率。

（2）两业融合与人才流动的技术溢出。科技人才具有“技术载体”功能，能将其拥有的隐性知识与科技成果中的显性知识紧密结合，而科技人才流动作为技术溢出或技术扩散的重要途径，对技术进步、创新绩效提升都有着积极影响。两业融合发展促进了不同行业经济体之间的良性互动，加快各类人才之间的交流与合作，进而推动了技术扩散；特别是以高质量的人力资本和知识资本为主要内容的生产性服务业嵌入制造业价值链后，可产生直接的人才流动外溢效应［12］。同时，以互联网等新一代信息技术为主要支撑的两业融合降低了人才供需的信息不对称，使得人才在企业间、行业间的转移更加便利，提高了人才配置效率，最终将科技人才转移到相对高效的研发项目，这也有助于提高创新资源的投入产出绩效。

（3）两业融合与技术成果转移的技术溢出。理论上，技术成果转移在市场“无形的手”主导下促进了先进技术的运用、推广和溢出，使得技术需求方使用先进技术以改进落后的生产方式［1］，并加速创新要素的有机联结，优化企业现有的创新资源配置，进而有助于提升企业创新绩效。两业融合发展过程中衍生的平台型企业和机构，能发挥其整合资源、集聚企业的优势，与商业圈内的其他企业形成密切的互动关系，搭建起技术成果持有方与技术成果需求方的桥梁，加速技术成果转移转化，进而为创新绩效的提升提供支持。同时，两业融合过程中的合作与交流，能加速高端技术成果向另一方溢出，企业可以有效地接收、理解和运用来自不同产业的技术溢出，并将这些先进技术转化为自身的创新能力，从而提高创新投入的产出绩效。综上所述，本文提出如下命题：

命题1：两业融合发展能够促进企业创新绩效提升。

命题2：研发活动、人才流动和技术成果转移带来的技术溢出，是两业融合发展提升企业创新绩效的重要途径和机制。

三、研究设计

（一）计量模型

为了检验两业融合发展对企业创新绩效的影响，本文构建如下计量模型：

lnINNit=β0+β1lnCOVit+θXit+γi+ωt+εit（1）

其中，INNit表示i企业t年的创新绩效，COVit表示i企业所在省份t年的两业融合度。Xit表示影响企业创新绩效的系列控制变量，γi表示企业个体效应，ωt表示时间效应，εit表示随机干扰项，βi为待估系数。如果系数β1显著为正，则可以说明两业融合有助于企业创新绩效提升，即可验证本文的核心观点。

（二）变量与数据

1．两业融合变量

学术界常用的产业融合测度方法主要有专利系数法、赫芬达尔指数法、投入产出法和耦合协调度模型等。专利系数法和赫芬达尔指数法仅用行业内企业专利数据测算技术融合近似反映产业融合，具有一定的片面性。虽然投入产出法较前两种方法能够更科学地反映产业融合状况，但中国地区投入产出数据五年发布一次，运用投入产出法无法反映两业融合的连续变化。耦合协调度模型既能够较为科学、系统地反映两个产业的发展状况，又能兼顾两个产業评价指标的匹配对应性，具有明显的优势。基于此，本文借鉴唐晓华等［24］的做法，运用耦合协调度模型测算两业融合水平（COV）。

采用耦合协调度模型测算两业融合水平，首先从产业规模、经济效益、社会贡献、成长潜力四个方面构建评价指标体系

由于篇幅限制，详细的指标体系构建未汇报，留存备索。，分别测算先进制造业和现代服务业的综合发展水平。然后通过耦合度模型测算两个产业的耦合度。耦合度模型为

Ctms=2   （utmuts）/（utm+uts）2（2）

其中，Ctms表示先进制造业和现代服务业t年的耦合度，utm和uts分别为先进制造业和现代服务业t年的综合发展水平。utm和uts可能会出现数值较低的情况，导致耦合度评价结果不合理。因此，本文在耦合度模型基础上构造先进制造业和现代服务业的耦合协调度模型：

COVtms=   CtmsTtms，Ttms=αtutm+βtuts，αt+βt=1（3）

其中，COVtms为先进制造业与现代服务业t年的耦合协调度，Ttms为先进制造业和现代服务业t年的综合发展水平，αt和βt用熵值法［24］计算得到。

关于先进制造业和现代服务业的界定，国内并没有统一的划分标准。本文基于现有研究和数据统计情况，将先进制造业界定为医药制造业、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、信息化学品制造业等6个行业；选取交通运输、仓储及邮政业（简称“交通运输业”），信息传输、计算机服务和软件业（简称“信息传输业”），金融业，房地产业，租赁和商业服务业，科学研究、技术服务和地质勘探业（简称“科学研究业”），文化、体育和娱乐业（简称“文体业”）等细分行业作为现代服务业的研究对象。

基于数据的可得性和科学性，本文选取中国31个省份（不包含中国香港、澳门和台湾）层面数据对先进制造业和现代服务业的耦合协调发展水平进行测算。测算结果显示，2010—2018年中国两业融合水平总体上呈现波动上升趋势，平均融合度由2010年的0.276上升至2018年的0.355。不同现代服务业与先进制造业的平均融合度存在较大差异，其中，房地产业、交通运输业、信息传输业与先进制造业的平均融合度较高，文体业、金融业、科学研究业与先进制造业的平均融合度较低。

2．创新绩效变量

企业创新绩效常用创新产出衡量，具体指标主要包括新产品销售额、专利申请数、专利授权数以及新产品项目开发数等。本文借鉴唐松等［25］的做法，用企业专利申请总数（PAT）、企业发明专利申请数（INV）和企业低端专利申请数（GEN）三个指标衡量企业创新绩效

为了避免专利申请数为0取自然对数无意义，将三个指标分别加1，再取自然对数。，采用专利授权数、新产品开发项目数和新产品销售收入等作为稳健性检验指标。专利申请总数为发明专利申请数、实用新型专利申请数和外观专利申请数之和；发明专利申请数反映企业的核心创新能力，以此衡量企业的高端创新；企业低端专利申请数用实用新型专利申请数和外观专利申请数之和表示，衡量企业的低端创新。

3．控制变量

控制变量分为企业层面和省份层面。（1）基于已有研究，选取企业物质资本存量（PCS）、研发投入（RDI）、资产收益率（ROA）和无形资产（INA）等影响企业创新绩效的重要变量。（2）宏观经济环境对企业创新绩效也具有重要的影响，因此，本文选取省份层面的外商直接投资（FDI）和人均国内生总值（GDP）作为控制变量。

本文选取2010—2018年沪深A股上市公司作为研究样本，并按如下原则对样本进行处理：删除ST和资不抵债的样本；删除本文所选取变量缺失的样本；根据企业所在省份将两业融合指数匹配到企业层面。企业专利申请相关数据来自中国研究数据服务平台（CNRDS）。核心解释变量测算所用数据来自《中国统计年鉴》《中国第三产业统计年鉴》《中国高技术产业统计年鉴》《中国地区投入产出表》《中国税务年鉴》以及各省份地方统计年鉴

部分缺失值根据空缺值的近五年平均增长率计算得到。。企业层面的控制变量所用数据均来自国泰安（CSMAR）数据库，省份层面控制变量来自《中国统计年鉴》。为了减少价格波动带来的影响，与货币相关的数据均以2005年为基期的价格指数进行平减。主要变量的定义及原始数据的描述性统计结果如表1所示。为了减少极端值对估计结果可能产生的不利影响，估计时对所有连续变量进行1%的缩尾处理。

四、实证结果与分析

（一）基准回归分析

在估计之前，本文运用方差膨胀因子方法对解释变量之间的多重共线性进行检验，结果显示，主要模型的方差膨胀因子（VIF）总值和单个解释变量的VIF值都小于10，这表明主要模型的解释变量之间不存在多重共线性。此外，为了控制时间趋势可能产生的影响，估计时控制了年份固定效应。考虑到中国企业的经济变量存在较大差别，为避免截面单元的异方差性带来的估计不一致问题，参数估计采用稳健性估计。

基准回归结果如表2所示。第（1）（3）（5）列报告了未加控制变量时的回归结果，第（2）（4）（6）列报告了加入控制变量的回归结果。不难看出，不管是否加入控制变量，lnCOV的估计系数值始终为正，且在1%的水平下显著，表明两业融合度对三类专利申请都有正向影响，即两业融合发展显著地促进了企业创新绩效的提升，验证了命题1。

控制变量也对创新绩效产生了重要影响。具体来说，lnPCS的系数始终显著为正，表明物质资本存量是提升企业创新绩效的重要因素。lnRDI的系数始终为正，表明研发投入有利于企业创新绩效提升。ROA、lnINA的系数始终显著为正，表明资产收益率、无形资产都是企业创新绩效的重要影响因素。lnFDI的系数始终在1%的显著性水平上为负，表明外商投资抑制了企业创新绩效的提升，这与学界的多数研究结论一致。此外，人均国内生产总值对发明专利申请数的影响显著为正，对专利申请总数和低端专利申请数的影响不显著。

（二）内生性控制

1．双重（DID）差分方法

两业融合与互联网等信息技术的推广与运用密不可分。依托“互联网+”的制造业与互联网融合能够加快现代服务业与先进制造业相互渗透和相互促进，有助于促进两业融合发展。2016年，国务院发布了《国务院关于深化制造业与互联网融合发展的指导意见》（简称《意见》）。为推动制造业与互联网融合，工业和信息化部在2017年公布了首批制造业与互联网融合发展试点示范项目名单，共70家企业成为试点单位；2018—2019年，工业和信息化部先后公布了262个制造业与互联网融合发展试点示范项目。

对于参与制造业与互联网融合发展试点示范项目的企业（处理组），制造业与互联网融合会极大地促进企业的两业融合发展。但对于没有参与制造业与互联网融合发展试点示范项目的企业（对照组），制造业与互联网融合对企业的两业融合发展不会立即产生明显影响。因此，为了缓解可能的内生性问题对回归结果造成的偏误，本文利用2017—2019年制造业与互联网融合发展试点政策的实施作为外生事件，建立多期双重差分模型（DID）进一步检验两业融合发展对企业创新绩效提升的影響。具体而言，本文将政府公布的制造业与互联网融合发展试点项目的企业名称与沪深A股上市公司进行手动匹配，通过双重差分法（DID）定量评估制造业与互联网融合对企业创新绩效的政策效应。由于试点示范项目是分批进行的，本文构建一个多期DID模型进行估计：

lnINNit=β0+β1DIDit+θXit+γi+ωt+εit（4）

其中，DIDit为双重差分变量，通过处置变量（post）和时间变量（time）相乘得到。有试点项目的企业作为实验组，设处置变量post为1，没有试点项目的企业作为控制组，设处置变量post为0；同时，根据试点示范项目公布的时间，设置时间变量time，在试点示范项目公布时间之后设为1，在此之前则设为0。由于中国经济受新冠病毒感染疫情的冲击较大，为避免政策效应的估计产生较大偏差，多期DID模型的样本期间为2010—2019年。

多期DID模型的回归结果如表3所示，第（1）（3）（5）列是没有加入控制变量的回归结果，第（2）（4）（6）列是加入控制变量的回归结果。可以看出，不管有无加入控制变量，DID的估计系数始终为正，且通

过了10%及以下的显著性水平检验，表明政府实施的制造业与互联网融合发展试点政策显著地提升了企业创新绩效。其中，双重差分变量对发明专利申请数的估计系数最大，且在1%的水平下显著，表明该试点政策的实施对企业高端创新活动的促进作用更明显。

运用多期DID模型检验政策效应必须满足平行趋势假设，即要求处理组与对照组在试点政策实施前具有相同的发展趋势。平行趋势检验结果显示，在试点政策实施前，处理组和对照组企业的创新绩效并无显著差异，证明平行趋势假设成立；而在受试点政策影响后，与控制组企业相比，处理组企业的创新绩效显著提升。此外，为了确保表3结果的可靠性，本文还进行了安慰剂检验，估计结果显示，无论是提前一年还是提前两年，DIDit的系数均不显著，这验证了表3的结果具有稳健性

限于篇幅，平行趋势检验和安慰剂检验的结果未报告，留存备索。

虽然重庆市在1997年被设立为直辖市，但《中国统计年鉴》并未公布当年各省份的电话机数。每百人拥有的电话机数作为两业融合的工具变量。就相关性而言，以互联网技术为代表的新一代信息技术不断融入传统产业的生产过程并推动产业变革，尤其对于破除先进制造业与现代服务业中的信息和技术壁垒具有重要作用，进而为两业融合发展提供重要动力。而中国早期的互联网技术运用始于固定电话的普及，因此，1998年电话普及率（每百人拥有的电话机数）高的省份可能是互联网技术发展水平较高、两业融合发展较好的地区，满足工具变量的相关性条件。就外生性而言，一个地区历史上的电话普及率不太可能直接影响企业创新绩效，但1998年各省份的每百人电话机数是一个固定值，不能直接将其作为固定效应模型的工具变量，因此，本文遵循学界通常的做法，采用各省份1998年每百人拥有的电话机数（随省份变化）和上一年互联网宽带接入用户数（随时间变化）的乘积项作为两业融合的工具变量（IV）进行估计。

采用工具变量的估计结果见表4。从第一阶段估计结果可以看出，工具变量的系数值为正且在1%的水平下显著，表明工具变量与内生变量存在高度的相关性。DWH检验的P值均小于0.05，故可以认为核心解释变量（lnCOV）为内生解释变量。KleibergenPaap rk LM 统计量通过了1%的显著性水平检验，拒绝了工具变量识别不足的原假设；同时，CraggDonald Wald F统计量大于该统计量在10%显著性水平的临界值16.38，表明不存在弱工具变量问题。因此，本文选取的工具变量满足外生性假设。从第二阶段估计结果可以看出，lnCOV的系数值均为正数，且通过了1%的显著性水平检验，与基准估计中的结果基本一致。同时，控制变量系数值的影响方向和显著性水平与基准回归中的估计结果基本一致，这表明基准回归结果具有稳健性，即证明了“两业融合发展提升了企业创新绩效”这一结论具有稳健性。

（三）先进制造业与不同现代服务业融合对企业创新绩效的总体影响差异

前文的測算结果显示，不同现代服务业与先进制造业的融合度水平存在较大差异。理论上，这种差异可能会在总体上对企业创新绩效产生不同程度的影响。为了验证，这里将不同现代服务业与先进制造业的融合度（COV1，COV2，…，COV7）取自然对数后分别替换式（1）的变量lnCOV，估计结果如表5所示

表5中第（1）～（7）列的核心解释变量分别为交通运输业、信息传输业、金融业、房地产业、租赁及商业服务业、科学研究业、文体业与先进制造业融合度的自然对数。由于发明专利申请数反映了企业的核心创新，此处仅用发明专利申请数作为被解释变量，即表5中各列的被解释变量均为lnINV。。首先，不同行业两业融合（或“不同现代服务业与先进制造业融合”）的影响显著性存在差异。第（3）（6）列中lnCOV的系数未能通过10%的显著性水平检验，说明金融业、科学研究业与先进制造业融合发展对企业创新绩效的影响不明显；而其他各列融合度变量的系数值则在10%水平下显著为正，表明其他五个细分现代服务业与先进制造业融合发展显著地促进了企业创新绩效提升。其次，不同行业两业融合的影响大小也存在差异。在产生显著促进作用的两业融合中，交通运输业与先进制造业融合发展的影响最大（值为0.314），随后是房地产业、租赁及商业服务业、信息传输业的融合发展，而文体业与先进制造业融合发展的影响最小（值为0.080）。

这种影响差异可能源于不同现代服务业服务先进制造业的能力不同，以及不同现代服务业与先进制造业的融合程度不同。数据显示，房地产业、交通运输业、信息传输业与先进制造业的融合度较高，分别为0.335、0.328和0.308；而金融业、科学研究业与先进制造业的融合度较低，分别为0.293和0.285。后两个现代服务业与先进制造业较低的融合度可能是其与先进制造业融合发展未显著促进企业创新绩效提升的原因。可以推测，随着细分现代服务业与先进制造业的深度融合，其在企业创新绩效提升中的作用将越来越重要。

（四）稳健性检验

1．两业融合的重新衡量

借鉴彭徽等［6］的做法，本文运用投入产出表数据测算两业融合的综合融合度。具体来说，基于2007、2012和2017年《中国地区投出产出表》数据，测算现代服务业作为中间投入对先进制造业的贡献度，以及先进制造业作为中间投入对现代服务业的贡献度，并计算两业融合的综合融合度。之后，采用先进制造业和现代服务业的综合融合度替换前文的核心解释变量进行回归

限于篇幅，稳健性检验结果均未报告，结果备索。。

固定效应的回归结果显示，核心解释变量综合融合度未通过10%的显著性水平检验，但系数值为正，这可能是由于样本量较小、存在内生性问题所致。为了缓解计量模型中的内生性问题，进一步运用工具变量法进行估计。结果显示，先进制造业与现代服务业融合对企业专利申请总数和发明专利申请数具有正向影响，且系数在5%的水平下显著。这表明，两业融合发展对企业创新绩效具有促进作用。

2．地级市层面数据

为了得到更加稳健的结论，本文构建城市面板固定效应模型进行实证检验。城市层面被解释变量用专利授权数代替。按照前文的做法，本文将城市层面的专利授权数分为专利授权总数（PAT）、发明专利授权数（INV）和低端专利授权数（GEN）。从回归结果可以发现，不管是否加入控制变量，lnCOV的估计系数始终为正，均在1%的水平下显著；而且，各控制变量系数的影响方向及显著性水平大多与前文相一致。这表明，城市层面数据验证了前文相关结论具有较好的稳健性。

3．创新绩效的重新衡量

本文用省份层面规模以上工业企业新产品开发项目数（PRO）和新产品销售收入（SRE）替换专利申请数进行稳健性检验。回归结果显示，两业融合对工业企业新产品开发项目数和新产品销售收入的影响系数均显著为正。此外，本文还选取了企业主营业务收入（INC）衡量企业创新绩效，替换被解释变量进行回归。结果显示，两业融合对企业主营业务收入的系数虽未通过显著性检验，但系数值为正。因此，前文两业融合能够提升企业创新绩效这一结论仍具稳健性。

4．增加控制变量

为尽可能缓解因遗漏解释变量而产生的估计偏差问题，本文在基准回归模型的基础上进一步控制了企业股权性质（EQU）、企业人力资本（HUC）、企业年龄（AGE）和市场化程度（MAR）等变量。其中，企业股权性质是根据企业是否为国有企业设置的虚拟变量，属于国有企业取1，否则取0；企业人力资本用企业研发人员数除以企业员工总数近似衡量，研发人员占比越大，表明企业的人力资本水平越高；企业年龄用当年的年份减去企业成立的年份得到；市场化程度采用王小鲁等［27］测算的各省份市场化指数衡量。控制上述变量后的回归结果依然与前文结论保持一致。

五、进一步分析

（一）技术溢出机制检验

根据前文理论分析，两业融合能够通过技术溢出（或技术扩散）这一机制实现对企业创新绩效的促进作用。下面通过构建计量模型实证检验两业融合对技术溢出的影响，以更好地认识两业融合与企业创新绩效之间的内在联系，具体公式如下：

lnTEDit=β0+β1lnCOVit+θXit+γi+ωt+εit（5）

其中，TEDit表示技术溢出（或技术扩散）。为了更为全面地检验技术溢出机制，这里从研发活动、人才流动和技术成果等三个层面衡量技术溢出。

借鉴韩峰等［28］的做法，研发投入的技术溢出（RTS）和人才流动的技术溢出（CTS）计算公式如下：

RTSj=∑v≠jmv=1Uv/dσjv）+Uj/dσjj（6）

CTSj=∑v≠jmv=1Tv/dσjv）/∑v≠jmv=1Ev/dσjv）+（Tj/dσjj）/（Ej/dσjj） （7）

其中，U表示研发投入，本文用地级市市辖区财政支出中的科学支出衡量，j和v代表城市，m代表城市总数，djv和djj分别表示城市间的距离和城市自身的距离，σ为衰减参数，本文设衰减参数为1。城市间的距离通过公式djv=θarccos［cosaj-avcosbjcosbv+sinbjsinbv］计算得到，其中，θ为地球大弧半径，其值为6 378千米，aj、av为两市中心点的经度，bj、bv为两市中心点的纬度。城市自身的距离通过公式djj=（2/3）Rjj计算得到，其中，Rjj为城市的半径，通过城市建成区的面积（S）计算可得（Rjj=π-1/2Ｓ1/2）。T表示城市的人才数，用城市市辖区的信息传输、计算机服务和软件业以及科学研究和技术服务业单位就业人数之和来近似代替，E表示城市就业总数，以城市市辖区单位从业人员数近似代替。

关于技术成果转移的技术溢出（TUR）指标，本文采用技术市场成交额衡量，并通过以2005年为固定基期的工业生产者出厂价格指数（PPI）进行折算。技术市场成交额越大，表明技术成果转移的溢出效应越好，技术扩散程度越高。

考虑到数据的连续性和可得性，3个机制变量的樣本区间为2010—2018年，测算数据来自《第三产业统计年鉴》《中国统计年鉴》《中国城市统计年鉴》。表6第（1）～（3）列报告了机制检验的工具变量法估计结果

仅汇报工具变量法的回归结果，固定效应模型的回归结果备索。，可以看出，lnCOV的系数值始终为正，且在1%的水平下显著，说明两业融合对研发投入的技术溢出、人才流动的技术溢出和技术成果转移的技术溢出产生了显著的促进作用。本文还运用多期DID模型检验了制造业与互联网融合发展试点政策对技术溢出的影响，回归结果如表6第（4）～（6）列所示，试点政策对技术溢出具有促进作用。这验证了两业融合通过技术溢出机制促进了企业创新绩效的提升，即验证了命题2。

（二）企业异质性分析

1．企业数字化程度的异质性

前文的研究结果显示，两业融合可以通过技术溢出机制促进企业创新绩效提升。这意味着，两业融合提升企业创新绩效的效果与技术溢出程度有关。理论上，技术溢出程度与企业的数字化程度有着密切的关系：一方面，在进行数字化转型的过程中，企业会购进信息技术设备和引进高技能人才，有助于企业进行创新资源的整合，进而有利于企业从技术溢出过程吸收先进的生产技术和知识［29］；另一方面，企业数字化转型通过促进企业专业化分工能够提升企业的生产效率［30］，进一步提高技术溢出向创新产出转化的效率，进而提升企业创新绩效。由此可以推测，在不同的数字化水平下，两业融合对企业创新绩效提升的影响可能存在显著的差异，对于数字化程度高的企业而言，两业融合的促进作用更明显。

本文将袁淳等［30］测算的企业数字化程度指标数据与本文选取的样本进行匹配，并根据企业所对应的数字化程度是否高于样本中位数设置虚拟变量DIG，并将DIG与lnCOV交互项加入式（1）进行估计，结果如表7第（1）～（3）列所示。可以看出，lnCOV与DIG交互项的系数始终为正，且通过了5%的显著性水平检验，表明数字化程度较高的企业，两业融合对企业创新绩效的提升效果更好。

2．企业供应链集中度的异质性

两业融合过程中，不同产业间存在的供应链关系使得一个产业的先进技术能够通过前向和后向联系逐渐扩散至其他产业，进而对融合后的企业创新绩效产生重要影响。供应链集中度反映了企业与上游供应商和下游客户的合作程度。供应链集中度越高，表示企业与其供应链中的部分企业合作程度越深。存在供应链关系的企业间合作程度加深既能推动两业融合，又能促进人才和技术的流动，进而促进技术溢出。因此，对于具有不同供应链集中度的企业而言，两业融合对其创新绩效的促进作用可能存在明显的差异性。

本文用企业前五大客户销售额占比和前五大供应商采购额占比的平均值反映企业的供应链集中度。当企业的供应链集中度高于样本中位数时，虚拟变量SCC取1，否则取0。将SCC及其与核心解释变量的交互项lnCOV×SCC加入式（1）进行估计，结果如表7第（4）～（6）列所示。交互项lnCOV×SCC对企业专利申请总数和低端专利申请的影响系数值都在5%的显著性水平下为正（对企业发明专利申请的系数不显著为正），说明两业融合对供应链集中度较高企业的促进作用更明显，与理论预期相符。

六、主要结论与政策启示

本文从理论层面分析了两业融合对企业创新绩效的影响及其机制，并结合中国31个省份2010—2018年两业融合发展数据和沪深A股上市公司的企业层面数据，对理论预期进行了验证。研究发现，两业融合有助于企业创新绩效的提升，经过双重差分法、工具变量法等一系列稳健性检验后结论依然成立。不同行业两业融合对企业创新绩效的影响存在显著差异；金融业、科学研究业与先进制造业融合发展并未显著促进企业创新绩效提升，而在产生显著促进作用的五个细分现代服务业中，交通运输业与先进制造业融合发展的影响最大，随后是房地产业、租赁及商业服务业、信息传输业，而文体业的影响最小。进一步研究还发现，两业融合对企业创新绩效的促进作用，是通过研发活动、人才流动和技术成果转移三个方面的技术溢出（或技术扩散）机制实现的。而且，两业融合对企业创新绩效的促进作用存在明显的企业异质性，对于数字化程度和供应链集中度更高的企业来说，两业融合的促进作用更大。本文的研究发现具有如下政策启示：

第一，政府需要制定相关政策更好地引导先进制造业和现代服务业实现深度融合。鼓励装备制造企业向系统集成和服务方案提供商转型，实现以用户为中心的柔性化定制和按需灵活生产，进一步推进先进制造业服务化。充分发挥电商、研发设计和文化旅游等现代服务业的大数据、先进技术、销售渠道和创新知识等要素优势，通过委托制造、品牌授权等方式，深化现代服务业向制造业延伸拓展。完善网络基础设施，大力发展人工智能，建設数字化、网络化、智能化制造和服务体系，形成以电子及通信设备制造业、计算机及办公设备制造业与信息传输业融合为引领的两业深度融合发展。通过税收优惠和财政补贴等措施支持有条件的传统制造业向先进制造业转型，通过投资税收抵免政策激励先进制造业扩大生产规模，进行多种产品的研发和生产，发挥先进制造业的引领作用。

第二，政府两业融合的促进政策措施对不同细分行业应该有所侧重，尤其要重视金融业、科学研究业与先进制造业的深度融合。加快推进金融体制改革，破除阻碍资金要素向实体经济合理流动的制度性约束，为实体经济发展提供长期资金供给，不断提高金融服务实体经济的能力。鼓励金融机构发展科技担保、科技信贷、科技保险和知识产权证券化等金融科技产品，解决企业创新活动的后顾之忧，尤其是加强金融业对民营企业创新活动的支持。同时，加强对企业创新资金使用的监管，限制企业将创新资金挪作他用，并对企业的策略性创新行为进行必要的限制，使得企业有动力在一些“卡脖子”的关键技术领域开展创新，进而促进企业实质性的创新绩效提升。

第三，政府需要采取政策措施更好地促进研发溢出、人才流动和技术成果扩散。建设和发展关键共性技术平台，发挥平台经济对资源要素、信息、技术和人才的整合作用。鼓励高校、科研机构通过技术平台同创新型企业进行广泛深入的交流合作；促进人才和技术的充分流动，加快产学研深度融合进程。不断加强知识产权保护，完善技术市场交易规则，激励具有创新资源优势的企业有偿向社会提供技术、资金和人才支持，促进企业间广泛的技术扩散。

第四，政府需要采取政策措施引导企业积极融入数字化转型浪潮和深化供应链上下游企业的合作关系。不断完善新型基础设施建设，积极引导企业将大数据、区块链、物联网等先进的数字技术运用到创新活动的全过程，提升企业在研发设计、生产制造和产品销售等环节的数字化水平，进而带动传统产业数字化转型。同时，引导企业加强与供应链上下游企业的合作，形成创新资源共享、信息互通和风险共担的研发创新平台，更好地促进资金、技术和人才在供应链上的有序流动，进而更好地提升企业创新绩效。

需要指出的是，耦合协调度模型并非测算两业融合的最好方法，这也是本文可能存在的不足。因而，如何更加科学、有效地衡量两业融合水平是需要进一步研究的重要工作。

参考文献：

［1］戴魁早， 刘友金. 要素市场扭曲如何影响创新绩效［J］. 世界经济， 2016（11）：5479.

［2］张国胜， 杜鹏飞， 陈明明.数字赋能与企业技术创新：来自中国制造业的经验证据［J］. 当代经济科学， 2021（6）：6576.

［3］GHASEMAGHAEI M， CALIC G. Assessing the impact of big data on firm innovation performance：big data is not always better data［J］. Journal of Business Research， 2020，108：147162.

［4］骆莙函， 朱伟靖， 张宇. 互联网发展与区域创新绩效提升［J］. 湖南科技大学学报（社会科学版）， 2021（3）：5970.

［5］MEDASE S K， ABDULBASIT S. External knowledge modes and firmlevel innovation performance：empirical evidence from subSaharan Africa［J］. Journal of Innovation & Knowledge， 2020，5（2）：8195.

［6］彭徽， 匡贤明. 中国制造业与生产性服务业融合到何程度：基于2010—2014年国际投入产出表的分析与国别比较［J］. 国际贸易问题， 2019（10）：100116.

［7］王成东.区域产业融合与产业研发效率提升：基于SFA和中国30省市的实证研究［J］. 中国软科学，2017（10）：94103.

［8］李宇， 杨敬. 创新型农业产业价值链整合模式研究：产业融合视角的案例分析［J］.中国软科学， 2017（3）：2736.

［9］ROSENBERG N. Technological change in the machine tool industry， 18401910［J］. The Journal of Economic History， 1963，23（4）：414443.

［10］植草益. 信息通讯业的产业融合［J］. 中国工业经济， 2001（2）：2427.

［11］马健. 产业融合理论研究评述［J］. 经济学动态， 2002（5）：7881.

［12］刘维刚， 倪红福. 制造业投入服务化与企业技术进步：效应及作用机制［J］. 财贸经济， 2018（8）：126140.

［13］BRRING S， CLOUTIER L M， LEKER J. The front end of innovation in an era of industry convergence：evidence from nutraceuticals and functional foods［J］. R&D Management， 2006，36（5）：487498.

［14］祝树金， 谢煜， 段凡. 制造业服务化、技术创新与企业出口产品质量［J］. 经济评论， 2019（6）：316.

［15］吴敬伟， 江静. 生產性服务业集聚、产业融合与技术创新［J］. 上海经济研究， 2021（7）：6980.

［16］宾厚， 马全成， 王欢芳， 等. 产业融合、技术转移与协同创新绩效［J］. 统计与决策， 2020（1）：113117.

［17］姜博. 产业融合、网络嵌入与中国制造业创新［J］. 社会科学， 2020（7）：7485.

［18］郭朝先. 产业融合创新与制造业高质量发展［J］. 北京工业大学学报（社会科学版）， 2019（4）：4960.

［19］CAINELLI G， MAZZANTI M. Environmental innovations in services：manufacturingservices integration and policy transmissions［J］. Research Policy， 2013，42（9）：15951604.

［20］彭芳梅. 粤港澳大湾区产业融合驱动全要素生产率增长研究：以制造业与生产性服务业融合为例［J］. 经济地理， 2021（11）：3847.

［21］DONG F， LI Y， ZHANG X， et al. How does industrial convergence affect the energy efficiency of manufacturing in newly industrialized countries？ Fresh evidence from China［J］. Journal of Cleaner Production， 2021，316：128316.

［22］HACKLIN F， MARXT C， FAHRNI F. Coevolutionary cycles of convergence：an extrapolation from the ICT industry［J］. Technological Forecasting & Social Change， 2009， 76（6）：723736.

［23］张公一， 孙晓欧. 科技资源整合对企业创新绩效影响机制实证研究［J］. 中国软科学， 2013（5）：9299.

［24］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）：7993.

［25］唐松， 伍旭川， 祝佳. 数字金融与企业技术创新：结构特征、机制识别与金融监管下的效应差异［J］. 管理世界， 2020（5）：5266.

［26］黄群慧， 余泳泽， 张松林. 互联网发展与制造业生产率提升：内在机制与中国经验［J］. 中国工业经济， 2019（8）：523.

［27］王小鲁， 胡李鹏， 樊纲. 中国分省份市场化指数报告（2021）［M］. 北京：社会科学文献出版社， 2021.

［28］韩峰， 赖明勇. 市场邻近、技术外溢与城市土地利用效率［J］. 世界经济， 2016（1）：123151.

［29］周琦玮， 刘鑫， 李东红. 企业数字化转型的多重作用与开放性研究框架［J］. 西安交通大学学报（社会科学版）， 2022（3）：1019.

［30］袁淳， 肖土盛， 耿春晓， 等. 数字化转型与企业分工：专业化还是纵向一体化［J］. 中国工业经济， 2021（9）：137155.

编辑：郑雅妮，高原