杜宇玮

摘 要 通过大力发展生产性服务业促进制造业升级是经济发展方式转变的重要议题。文章首先从经济效益、创新能力和结构高度3个维度阐述了生产性服务业促进制造业升级的作用机制；然后运用DEA方法，结合全国时序数据和省际截面数据，从效率视角评价了中国生产性服务业对制造业升级的促进作用。结果发现，1999年以来生产性服务业对制造业升级的综合促进作用明显改善，主要得益于生产性服务业发展规模的持续扩大；生产性服务业对制造业效益提升的促进作用显著增强，对创新能力提升的促进作用却未有改观，对制造业结构高度提升的促进作用还有较大的改进空间。此外，生产性服务业对制造业升级的促进作用效率还表现出显著的省际差异和区域差异。结论意味着，应注重优化生产性服务业结构、推动产业价值链融合以及实施差异化的区域产业政策来促进制造业升级。

关键词 生产性服务业；制造业升级；数据包络分析（DEA）；效率；创新

[中图分类号]F269.2 [文献标识码] A [文章编号]1673-0461（2017）05-0065-08

一、引 言

生产性服务业作为制造业的重要中间投入要素，是支撑现代制造业起飞的“翅膀”和增长的“推进器”。生产性服务业与制造业关系的“供给主导论”认为，服务业特别是生产性服务业是制造业生产率得以提高的前提和基础，没有发达的生产性服务业，就不可能形成较强竞争力的制造业（Karaomerlioglu和Carlsson，1999[1]；Eswaran和Kotwal，2002[2]）。世界发达经济体的实践经验也已表明，生产性服务业产业链的形成，不仅能够为企业提供从产品生产到商品销售与服务的全方位支撑，而且有利于企业在明确自身核心能力的基础上确定适于其发展的产业链环节，从而促进制造业结构优化升级。“十一五”以来，特别是全球金融危机之后，中国制造业正面临发达国家“高端回流”和发展中国家“中低端分流”双重挤压的严峻形势，生产性服务业的发展越来越受到国内官产学研各界的重视。在“十一五”、“十二五”、“十三五”规划纲要中，都明确提出了要大力发展生产性服务业；2014年国务院还专门出台了《关于加快发展生产性服务业促进产业结构调整升级的指导意见》，提出以产业转型升级需求为导向，进一步加快生产性服务业发展，促进产业逐步由生产制造型向生产服务型转变。在经济新常态下，通过发展生产性服务业来促进制造业升级，已成为中国经济发展方式转变的内在要求和重要议题。

那么，中国生产性服务业是否如理论逻辑及发达国家经验一样促进了制造业发展？诸多文献运用不同方法、不同样本数据进行了实证研究。其主要可以分为3类：一是基于宏观统计数据的计量回归分析。顾乃华等（2006）[3]、江静等（2007）[4]、刘纯彬和杨仁发（2013）[5]、孙晓华等（2014）[6]、张振刚等（2014）[7]、申明浩和卢小芳（2016）[8]等较多学者分别运用中国地区、行业或城市面板数据构建计量回归模型，验证了生产性服务业对制造业竞争力、生产率、效率以及产业高度具有直接的提升作用。另有学者的实证研究则支持了生产性服务业通过某个中介变量，如交易成本（冯泰文，2009）[9]、企业技术创新和经济发展（孔婷等，2010）[10]以及成本费用和生产规模（黄莉芳等，2012）[11]间接促进了制造业效率的提高。二是基于投入产出表数据的产业关联分析。刘书瀚等（2010）[12]、乔均等（2012）[13]则分别利用中国和江苏的投入产出表计算了消耗系数、感应度系数和影响力系数等表征产业间联系的指标，发现生产性服务业对制造业的支撑作用较弱。三是基于投入产出表数据的计量经济分析。高传胜（2008）[14]、何骏（2016）[15]分别利用中国投入产出表的面板数据，探究了不同细分行业的生产性服务业对制造业升级的影响。

综上以往研究，具有以下几个特点：其一，从研究目的来看，侧重于检验中国生产性服务业对制造业促进作用的存在性或显著性，而未考察这种促进作用的效率如何。从效率角度来看，生产性服务业不是规模越大越好，而是应当与制造业发展相匹配；要充分发挥生产性服务业的高级要素投入作用，关键在于提高投入产出效率，使得生产性服务业与制造业能协调发展。其二，从研究方法来看，计量回归分析法侧重于从样本总体层面来估算生产性服务业对制造业的促进作用，而缺乏对某个时间、某个省区市等单个样本进行横向比较和区分，从而无法体现促进作用的动态演变和地区差异。产业关联分析法虽然注重刻画特定区域产业之间的相互依存关系，但是仍无法评价生产性服务业发展规模与水平是否与本地制造业升级需求相匹配，也未能体现生产性服務业对制造业升级影响的相对效率及其时空差异。其三，从研究内容来看，现有文献尚缺乏对生产性服务业促进制造业升级的作用机制及其效果进行区分。

为了弥补现有研究的不足，首先，从理论上阐述生产性服务业对制造业升级的促进作用机制；然后，运用全国层面的时间序列数据和省级层面的截面数据，对中国生产性服务业对制造业升级的促进作用进行效率评价，以考察不同年份、不同省区市在已有的资源和条件下，生产性服务业的要素投入功能是如何发挥的。

二、理论机制

根据Gereffi（1999）[16]、Poon（2004）[17]对产业升级的概念界定，所谓产业升级是指产业由低技术、低附加价值状态向高技术、高附加价值状态演变的过程，既包括产业结构的优化，也包括产业价值链的攀升。产业升级的结果主要表现为3个方面：一是在产业效益上，表现为劳动生产率、企业利润和附加值的提升；二是在产业功能上，表现为创新能力的提升；三是在产业结构上，表现为产业的要素密集度知识化、技术化和产业高度的提升。基于此，生产性服务业对制造业升级的促进作用，具体可以分解为以下3种传导机制。

（一）生产性服务业可以促进制造业经济效益的提升

首先，生产性服务的专业化不仅使得制造业企业能够将有限的资源高效地集中到生产制造环节，降低了生产和经营成本，有利于制造业企业生产运营效率的提高和核心竞争力的培育。其次，按照斯密的分工思想，生产性服务的专业化水平提升能扩大制造业对外部专业服务的需求，制造业的需求引致对生产性服务的规模化发展，降低了单位服务的使用成本，进而使得作为主要需求者的制造业可以获取规模经济效益。再次，随着全球制造业竞争加剧和生产制造的日益复杂化、精细化和灵活化，基于产品创新和产品质量的非价格竞争愈显重要。生产性服务的专业化可以催生新技术和新组织模式，为制造业的多样化需求提供高质量的服务，如供应链管理、结算方式创新以及各类商务服务等，减少制造业企业的交易成本，从而帮助制造业企业提升生产和组织效率以及企业竞争力。

（二）生产性服务业可以促进制造业创新能力的提升

生产性服务业特别是知识密集型服务业（KIBS），其本身包含着丰富的人力资本和知识资本，既是创新的源泉，也是创新的“桥梁”，是企业创新的“催化剂”。在整个创新系统中，生产性服务业主要起到知识的生产和传播作用，其提高了制造业创新能力并得到自身创新的激励（Muller和Zenker， 2001）[18]。具有高知识度和高技术度的生产性服务业企业通过与制造业企业客户的交流互动，不断进行知识创新，创造出适合制造业升级所需的技术和知识应用模式，提供解决各种新问题的知识服务，为制造业企业创新提供平台和支撑。而且，生产性服务业对制造业企业创新的影响不仅表现在技术方面，而且在两者良性互动的过程中也会对制造业企业的管理组织创新和市场创新产生重要影响。发达的生产性服务业，通过提供专业性知识、最新的信息、先进和周到的技术性支持等多方面内容，提高制造业企业在技术开发、产品设计以及管理等多方面的创新能力（高传胜和刘志彪，2005）[19]。因此，知识、技术密集型生产性服务业的发展，可以提升制造业企业的技术创新、管理创新和市场创新能力，从而使发展中国家实现从OEM到ODM再到OBM的升级。

（三）生产性服务业可以促进制造业结构高度的提升

在信息技术支持下，原来从制造业中分离出来的生产性服务业，在产业关联和市场需求因素的作用下，通过功能互补和产业链延伸重新嵌入到制造业的相应环节中，与制造业价值链动态匹配和融合进行价值链重构，形成了新型产业。具体来讲，生产性服务业在与制造业价值链融合的过程中，向制造业注入知识、技术等高级要素，一方面通过信息技术和模块化组织方式，提升了制造业的生产效率和管理效率，带来了“1+1>2”的价值链整合效应，重构为具有更高附加值的新产业价值链（白清，2015）[20]。另一方面通过产业链的传导机制，引发生产要素在不同产业部门之间的相对收益变化，進而导致生产要素在产业部门间转移，有利于那些具有较高附加值的技术、知识密集型制造业发展，从而实现产业高度提升。

三、研究设计

（一）评价模型选择

本文运用数据包络分析（Data Envelopment Analysis，DEA）方法来评价分析生产性服务业对制造业升级的促进作用。主要基于两个原因：一是，生产性服务业与制造业作为国民经济中两大相互关联性较强的行业部门，可以看作是一个投入产出系统，但是其相互关联作用机制比较复杂，且受多种因素的影响，导致其具体的函数关系很难确定。而DEA的优点主要在于，无须知道生产函数表达式及参数的分布形式，只需要通过对投入产出数据的分析，就可以求出每个决策单元（DMU）综合效率的数量指标。二是，评价生产性服务业对制造业发展的影响，不仅要考察其相互关联程度，更重要的是认清生产性服务业发展规模和水平是否符合本地制造业升级的实际需求，生产性服务业发展是否有效发挥以及怎样发挥了其对制造业升级的促进作用，即作用效率如何。DEA模型的基本原理如下：

假设有n个部门或单位（决策单元，DMU），每个DMU都有m种投入要素和s种产出，其中第j个决策单元DMUj的投入和产出向量分别为xj=（x1j，x2j，…，xmj）T>0和yj=（y1j，y2j，…，ysj）T>0，j=1，

2，…，n；m≥s。那么DMUj的效率评价指数为：

hj=■，i=1，2，…，m；r=1，2，…，s（1）

其中，u■≥0、v■≥0分别为为第r种产出和第i种投入的权系数。那么，以第j0个DMU的效率指数为优化目标，以所有DMU的效率指数不大于1为约束条件，可构建规模报酬不变的CCR-DEA模型：

max■=h■s.t.■≤1 （2）

然后利用Charnes-Cooper变换对式（2）进行转化，取对偶形式，并进一步引入松弛变量s+、剩余变量s-以及非阿基米德无穷小量ε，将不等式约束化为等式约束，可得：

min？兹-？着■Ts-+■Ts+s.t.■？姿jxj+s-=？兹x0■？姿jyj-s+=y0？姿j≥0，s+≥0，s-≥0 （3）

其中，■=（1，1，…，1）T∈Rm，e=（1，1，…，1）T∈Rs。若式（3）的最优解？兹*（相对效率值）满足？兹*=1，则DMUj■为DEA有效；若？兹*<1，则DMUj■为DEA无效。若在上述模型中再引入凸性约束条件■？姿j=1，即得到规模报酬可变假设下的BCC-DEA模型。在BCC-DEA模型中，最优效率解？兹**为纯技术效率，再除CCR模型得到的综合效率？兹*则可得到规模效率k，即k=？兹*/？兹**。纯技术效率是反映技术、管理等因素影响下的效率，可以看作是一种产业关联机制效率；规模效率则表示与规模有效点相比规模经济发挥的程度，反映要素投入规模影响下的效率。

（二）指标体系构建

根据上述生产性服务业促进制造业升级的作用机制，在借鉴以往研究的指标设计基础上，考虑到模型的适用性、指标的可操作性和数据的可获得性，构建生产性服务业对制造业升级促进作用的指标体系（见表1）。

1.投入指标——生产性服务业发展指标

关于生产性服务业内涵界定，学界至今还存在较大的争议，涉及交通运输业、现代物流业、信息服务业、金融服务业、房地产业、商务服务业、科技服务业等。但是考虑到在较长一段时期内，中国典型的生产性服务业在统计年鉴上表现为交通运输、仓储和邮政业，批发和零售业以及金融业。这3个行业也是对制造业中间投入最多的3个行业，分别占2002年和2007年生产性服务业总投入的79.1%和72.75%（赵伟和郑雯雯，2011）[21]。因此，考虑到统计口径一致性以及与制造业的关联程度，选取这3个行业的增加值来反映生产性服务业发展的规模与水平。

2.产出指标——制造业升级指标

（1）制造业经济效益指标。主要选取制造业年利税总额来反映制造业经济效益。利税总额，即利润和税金的加总，反映了产业（企业）在一定时期内实现的全部利润额和对社会承担义务的量化，是反映中国工业企业一定时期内全部纯收入的重要指标，能体现出工业制造业经济效益提升的效果。

（2）制造业创新能力指标。R&D强度反映了企业自主研究与开发新产品或新工艺的投入力度，是衡量创新能力的重要指标，通常可以用企业R&D内部经费支出占主营业务收入的比重来表示。

（3）制造业结构高度指标。高技术产业是知识经济发展的核心力量，这里选取高技术产业主营业务收入来反映制造业内部结构的高度化水平。高技术产业主营业务收入越高，说明制造业结构越优化。

（三）数据选取与处理

按照Golany和Roll（1989）[22]提出的经验法则，运用DEA模型测算效率时要求DMU的样本数至少是投入产出指标数之和的两倍。本文首先选取1999～2014年全国层面的相关指标数据，来测度和评价中国生产性服务业促进制造业升级作用效率的时序演变趋势，样本符合DEA模型的使用条件。制造业利税总额，在统计年鉴上具体是指企业主营业务税金及附加、利润总额与本年应交增值税之和。由于统计年鉴中缺少制造业层面的R&D连续数据，故用工业R&D强度来体现制造业创新能力水平。鉴于数据可得性，在全国纵向比较上选取大中型工业企业数据，在省际横向比较上则选取规模以上工业企业数据。制造业数据按国民经济行业分类（2011年版）划分的共31个细分行业制造业的相关指标数据加总而得；1999～2006年份口径为全部国有及规模以上非国有工业企业，2007年及以后年份口径为规模以上工业企业。为了剔除价格变动因素，时序变化中的各个绝对指标都以1995年为基期进行消胀处理。其中，生产性服务业增加值指标分别用3个行业的增加值指数进行折算，制造业利税总额和高技术产业主营业务收入指标则用工业生产者价格指数（PPI）进行折算。然后，选取2012～2014年中国大陆30个省、市和自治区（西藏除外）的相关指标数据，对各省区市生产性服务业对制造业升级的促进作用效率进行评价，样本同样符合DEA模型的使用条件。数据主要来自于历年的《中国统计年鉴》、《中国工业（经济）统计年鉴》、《中国科技年鉴》和《中国高技术产业统计年鉴》。

四、实证评价

运用DEA模型进行评价时，要求投入指标与产出指标之间呈正相关关系，否则若投入量的增加导致产出的下降，那么评价结果就失去意义。因此，首先对系统各指标的相关性进行分析。结果表明，各个指标之间存在显著的正相关关系，且相关系数较大（见表2）。

然后，根据上述评价模型和指标体系，利用DEAP 2.1软件运行投入导向型DEA模型，对中国生产性服务业促进制造业升级的作用效率进行纵向和横向的测度和评价。过程可以分为两个基本步骤：第一步，将生产性服务业发展的3个指标作为投入，将反映制造业升级的3个指标作为产出，即运行“3投入-3产出”DEA模型，可以测算出生产性服务业促进制造业升级的总体作用效率（E0）；第二步，分别将制造業利税总额、工业R&D强度、高技术产业主营业务收入单独作为产出，即运行“3投入-1产出”DEA模型，则可以测算出生产性服务业促进制造业升级的具体作用效率，包括经济效益提升作用效率（E1）、创新能力提升作用效率（E2）和结构高度提升作用效率（E3）。

（一）基于全国时序数据的纵向评价

运用1999～2014年全国层面数据的DEA结果如表3和图1所示。从总体促进作用来看，1999年以来，达到相对有效的只有2002、2006、2009、2010、2013、2014年这6个年份，有效率仅为37.5%，但综合效率从1999年的0.825上升到2013年和2014年的1，虽然期间有所波动，但总的来说，中国生产性服务业对制造业升级的促进作用明显改善。通过BCC-DEA模型对作用效率的分解发现，长期以来中国生产性服务业对制造业升级的促进作用效率不够理想的原因主要是规模效率不高所致；近几年生产性服务业规模持续扩大，显著增强了其对制造业升级的促进作用。从规模经济效应来看，规模无效率的年份都显示出规模报酬递增。这表明，如果生产性服务业发展规模继续扩大，可以更有效地促进制造业升级，同时也应该更加注重生产性服务业规模的调整，以适应制造业升级的需求。

从具体促进作用来看，生产性服务业对制造业经济效益提升的促进作用效率从1999年的0.139，提高到2014年的相对有效，提升幅度达7.2倍，是3种作用机制中进步效果最为显著的，也是近几年效率最高的。生产性服务业对高技术产业发展的促进作用效率也逐年迅速提高，从1999年的0.164提高到2014年的1。说明21世纪以来，随着中国对外开放步伐加快，融入全球产品内分工程度不断加深，生产性服务业规模化和专业化水平的提高极大地促进了制造业结构优化和附加值提升，正日益成为制造业增长的牵引力和推进器。从这两种作用机制之间的比较来看，在1999～2008年间，结构高度提升作用效率略高于经济效益提升作用，而2009年以后，经济效益提升效率就超过了结构高度提升作用，直到2014年，两种促进作用都达到了相对有效。这表明，随着对外开放程度的不断加深，生产性服务业发展更多的是通过产业链传导机制，促进了制造业从劳动密集型向资本、技术密集型的高级化演进。而在全球金融危机之后，随着价值链分工的日益细化，生产性服务业的专业化发展导致其更倾向于以高级生产要素的形式融入到制造业中，显著降低了制造业成本，优化了制造业企业的生产效率，从而极大地促进了制造业效益和附加值提升。

相比以上两种促进作用而言，生产性服务业对制造业创新能力提升的促进作用效率值从1999年以来虽然一直处于0.8以上，平均值也达到0.882，显示出生产性服务业较好地促进了制造业创新水平提升；但是只有2002年达到相对有效，十几年来有所波动但未有显著提高，而且在2009年之后效率有所下降。2014年的效率值也仅达到0.866，仍有13.4%的提升空间。究其原因，可能是科技创新活动比较容易受到宏观经济环境及政府科技政策的影响。当国家宏观经济形势较好，政府重视科技创新活动从而提供政策支持加大投入力度时，科技创新就会表现出良好和稳定的发展态势，反之就会出现波动与衰退的迹象（李婧等，2008）[23]。

（二）基于省际截面数据的横向评价

考虑到中国区域经济发展的不平衡，为了反映生产性服务业对制造业升级促进作用的空间差异，利用30个省级截面数据（取2012～2014年平均值）进行DEA效率分析。表4显示，全国30个省区市中，生产性服务业对制造业升级的总体促进作用达到DEA有效的省份有吉林、江苏等10个省区市，相对有效率为1/3；生产性服务业对制造业经济效益提升的促进作用达到DEA有效的是吉林、江苏、山东、河南和云南5个省份，有效率为16.7%；创新能力提升作用达到DEA有效的是青海和宁夏，结构高度提升作用DEA有效的则只有江苏和广东，有效率均仅有3.3%。这也表明中国各省区市在生产性服务业的产业升级作用上还有较大的改进空间，且经济效益提升作用要显著优于创新能力提升作用和结构高度提升作用。

值得注意的是，江苏、广东、山东等东部发达省份虽然在R&D经费支出和R&D强度上均居全国前列，而且在生产性服务业发展总规模上也名列前茅，但是其生产性服务业的创新能力提升效率却是全国最低的，而西部地区的青海、宁夏两地的效率则高居前二。这可能与其生产性服务业结构有关，即苏、粤、鲁这些制造业发达的东部省份，其生产性服务业的高级化程度与其经济发展水平并不相称。有数据佐证，2012～2014年间，在选取的3个生产性服务业中，广东、江苏和山东在总体规模上分列全国前三，但其金融业所占比重则分别仅列全国第15、第11和第27位。然而，生产性服务业发展规模排名最后的青海和宁夏，其金融业占比却高居全国第6和第5位。

表5显示，从东、中、西部三大地区的比较来看，在生产性服务业对制造业升级总体促进作用方面，东部地区效率最高（0.830），中部地区效率次之（0.817），西部地区最低（0.768），而且三大区域内部差异较小，这也符合中国产业空间分异的实际情况。可能如顾乃华等所解释的，由于东部地区市场化程度较高，制造业外购、分包生产性服务会相对普遍，生产性服务业更能促进制造业竞争力的提高（顾乃华等，2006）[3]。在经济效益提升作用方面，中部地区效率最高，东部其次，西部最低。可能的解释是，东部地区得益于多年的对外开放，虽然服务业和制造业都相对发达，但是全球价值链低端地位在一定程度上割裂了生产性服务业与制造业的关联作用，从而阻滞了产业效益和附加值的提升。反而拥有一定产业基础、主要依托国内市场的中部地区，在经济效益提升方面的表现更优。在创新能力提升作用方面，西部地区则明显优于东部和中部地区，但西部地区内部分异较大，东部地区内部分异更大，变异系数达到1.058，这种现象似乎与各地区的经济实力以及R&D经费投入强度并不相符。一种合理的解释是，创新效率是一个相对概念，东部地区的生产性服务业和制造业都较为发达，说明投入产出都大，那么效率就不一定高。在结构高度提升方面，效率从高到底依次为东部、中部、西部，这与东部地区以高技术产业为代表的先进制造业比较发达有关。西部地区的变异系数达到1.108，说明西部地区在制造业结构优化升级方面的效率存在较为严重的内部不平衡问题。

五、结论与启示

不同于以往大多数研究主要从回归系数或关联系数角度的考察，本文运用DEA方法，结合1999～2014年全国层面数据和2012～2014年各省区市相关数据，从效率视角对中国生产性服务业对制造业升级的促进作用进行了时空层面的综合评价研究。结论包括：

第一，从纵向时序演进来看，自1999年以来，中国生产性服务业对制造业升级的促进作用效率呈现出明显改善趋势，这主要得益于生产性服务业发展规模的持续扩大。生产性服务业对制造业经济效益提升的促进作用进步最为显著，从2009年以后超过了对结构高度提升的促进作用，并且到2014年达到极点；而生产性服务业对制造业创新能力提升的作用却未有改观，有较大的提升空间。

第二，从横向省际差异来看，近几年来，中国各省区市生产性服务业的制造业升级作用总体较好，主要表现为经济效益提升作用效率较高，但在创新能力提升和结构高度提升上的作用则表现不太理想，有很大的改进空间。生产性服务业对制造业升级的促进作用还表现出显著的省际差异。其中，吉林、江苏等10个省区市在生产性服务业促进制造业升级的总体作用上表现为相对有效，吉林、江苏、山东、河南和云南的经济效益提升作用相对有效，青海和宁夏两个西部省区的创新能力提升作用相对有效，江苏和广东两个东部省份则在结构高度提升作用上表现为相对有效，但在创新能力提升作用上表现最差。

第三，从三大地区差异来看，生产性服务业对制造业升级的促进作用效率呈现出东、中、西依次递减的空间特征，三大区域内部间差异不显。经济效益提升作用效果则是中部最优，然后是东部和西部。创新能力提升作用则是西部明显优于东部和中部地区，东部地区内分异最大。结构高度提升作用效率高低排序为“东部>中部>西部”，西部地區内部不平衡问题最为严重。

综上分析，可以得出如下启示：①持续扩大生产性服务业规模仍然是中国产业发展的重要任务，但同时要注重优化行业结构，积极提高知识、技术密集型生产性服务业的比重，充分发挥生产性服务业对制造业创新的促进作用。②积极开拓内需市场规模，构建国内价值链，通过空间上的协同定位和协同集聚，推动生产性服务业与制造业之间的产业关联和价值链融合，从而促进制造业结构高度的提升。③各省份、各地区要因地制宜确定差异化的产业发展目标，有的放矢采取相应政策。东部地区要注重优化生产性服务业结构，鼓励人力资本投入和知识创新，以提高生产性服务业对制造业创新的促进作用；中部地区则在提升生产性服务业结构的同时，还要积极促进产业链和价值链融合，发展先进制造业。西部地区则要注重夯实生产性服务业和制造业发展的产业基础，吸引高素质人力资本转入，通过产业链延伸、产业转移与本土创新实现制造业结构升级。

[参考文献]

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

[2] Eswaran， M.， A. Kotwal. The role of the service sector in the process of industrialization [J]. Journal of Development Economics， 2002， 68（2）： 401-420.

[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[J].中国工业经济，2006（9）： 14-21.

[4] 江静，刘志彪，于明超.生产者服务业发展与制造业效率提升：基于地区和行业面板数据的经验分析[J].世界经济，2007（8）： 52-62.

[5] 刘纯彬，杨仁发. 中国生产性服务业发展对制造业效率影响实证分析[J]. 中央财经大学学报，2013（8）： 69-74.

[6] 孙晓华，翟钰，秦川.生产性服务业带动了制造业发展吗？——基于动态两部门模型的再检验[J].产业经济研究，2014（1）： 23-31.

[7] 张振刚，陈志明，胡琪玲.生产性服务业对制造业效率提升的影响研究[J].科研管理，2014（1）： 131-138.

[8] 申明浩，卢小芳.生产性服务业对制造业产业高度的影响研究——基于省级动态面板数据的GMM估计[J].国际经贸探索，2016（8）： 26-40.

[9] 冯泰文.生产性服务业的发展对制造业效率的影响——以交易成本和制造成本为中介变量[J].数量经济技术经济研究，2009（3）： 56-65.

[10] 孔婷，孙林岩，冯泰文.生产性服务业对制造业效率调节效应的实证研究[J].科学学研究，2010（3）： 357-364.

[11] 黄莉芳，黄良文，郭玮.生产性服务业提升制造业效率的传导机制检验——基于成本和规模中介效应的实证分析[J].财贸研究，2012（3） ：22-29.

[12] 刘书瀚，张瑞，劉立霞.中国生产性服务业和制造业的产业关联分析[J].南开经济研究，2010（6）： 65-74.

[13] 乔均，金汉信，陶经辉.生产性服务业与制造业互动发展研究——1997-2007年江苏省投入产出表的实证分析[J].南京社会科学，2012（3）： 20-28.

[14] 高传胜.中国生产者服务对制造业升级的支撑作用——基于中国投入产出数据的实证研究[J].山西财经大学学报，2008（1）：44-50.

[15] 何骏.生产性服务业对中国制造业产出效应的影响研究[J].当代经济管理，2016（8）：49-54.

[16] Gereffi G. International trade and industrial upgrading in the apparel commodity chains [J]. Journal of International Economics， 1999， 48（1）： 37-70.

[17] Poon， S. C. Beyond the global production networks： a case of further upgrading of Taiwan's information technology industry [J]. International Journal of Technology & Globalisation， 2004， 1（1）：130-144.

[18] Muller E.， A. Zenker. Business services as actors of knowledge transformation： the role of KIBS in regional and national innovation systems [J]. Research Policy， 2001， 30（9）： 1501-1516.

[19] 高传胜，刘志彪.生产者服务业与长三角制造业集聚和发展——理论实证和潜力分析[J].上海经济研究，2005（8） ： 35-42.

[20] 白清.生产性服务业促进制造业升级的机制分析——基于全球价值链视角[J].财经问题研究，2015（4）： 17-23.

[21] 赵伟，郑雯雯.生产性服务业、贸易成本与制造业集聚：机理与实证[J].经济学家，2011（2）： 67-75.

[22] Golany， B.， Y. Roll. An application procedure for DEA[J]. International Journal of Management Science， 1989， 17（3）： 237-250.

[23] 李婧，白俊红，谭清美.中国区域创新效率的实证分析——基于省际面板数据及DEA方法[J].系统工程，2008（12）： 1-7.