知识密集型产业协同度及影响因素研究

王晓亚，翁国阳

(1.南开大学经济研究所，天津　300071；2.天津商业大学商学院，天津　300071)



知识密集型产业协同度及影响因素研究

王晓亚1，翁国阳2

(1.南开大学经济研究所，天津300071；2.天津商业大学商学院，天津300071)

摘要：运用复合系统协调度模型，计算出中国29个地区的知识密集型产业的协同度，并进行地区分类。然后通过建立回归模型对影响知识密集型产业协同度的因素进行实证分析，经验研究结果发现人均GDP、教育水平对协同度的影响为正，产业结构、工业规模与协同度分别为“倒U曲线”和“正U曲线”的关系。

关键词：知识密集型制造业；知识密集型服务业；复合系统；协同度

1引言

知识密集型服务业通过提供高度依赖知识的专门化服务来促进制造业运营效率的提高[1]，随着知识密集型服务业不断向知识密集型制造业价值链的各环节全方位渗透，两者的协同发展将形成一种共生、互促的新型知识产业系统[2]，在推进工业化进程和提升产业结构中发挥重大作用。

2理论基础与文献

杨小凯指出分工能获取更多的专业化经济[3]。从产业分工的理论角度来看，技术进步引起的“垂直分离”促使服务业与制造业之间彼此依赖的程度逐步加深[4-5]，两者不再是单纯的需求与供给的关系，将逐步发展到高度相关和相互补充的阶段[6]。

从产业融合的角度来看，制造业企业为了获得竞争优势和节省成本，会将服务环节外包给服务企业，自身只保留核心业务[7-8]，服务超越了传统因素对提升制造业企业的竞争力日益重要[9]，服务业与制造业之间的产业边界更加模糊，进而出现产业边界逐渐收缩的融合发展趋势[10-11]。

从价值链的角度来看，由于不容易被模仿的服务可使企业获取差别化竞争优势[12]，企业的价值链也将由以制造为中心向以服务为中心转变。先进制造模式推动了知识密集型制造业企业对内外部价值链的整合及利用，促进了服务业向制造业价值链的渗透和延伸，推动了知识密集型产业的协同发展。

3方法和数据

3.1知识密集型产业分类

OECD按照R&D的投入强度来对制造业进行分类，该标准随后也被用于知识密集型服务业[13-14]。参考OECD和中国国家统计局关于知识密集型产业的定义和分类，整理了知识密集型制造业和知识密集型服务业的行业范围(见表1)。

表1　知识密集型制造业和知识密集型服务业的行业范围

3.2复合系统协调度模型

本文采用孟庆松和韩文秀提出的复合系统协调度模型[15]：

子系统Sj,i∈[1,k]发展过程中的序参量变量为ej=(ej1,ej2,…,ejn),n≥1,tji≤eji≤hji,i∈[1,]n。定义系统Sj序参量分量eji的系统有序度：

(1)

其中，uj(eij)∈[0,1]。序参量变量ej对系统Sj有序程度的“总贡献”，如果用几何平均法进行集成，有序度为：

(2)

(3)

j=1，2，…,k

3.3序参量分量的选择

选取从业人员和主营业务收入作为知识密集型制造业的序参量分量，选取从业人员和法人单位数作为知识密集型服务业的序参量分量。

4协同度测算结果分析

4.1协同度计算结果

运用2001—2012年的数据，根据复合系统协调度模型，计算出中国29个省2003—2011年的知识密集型制造业和知识密集型服务业的协同度，如表2所示。

4.2知识密集型产业协同度的分类

根据协同度的正负、峰值以及“抖动”变化程度三个标准，可将全国29个省归为以下五类地区：

表2　知识密集型制造业和知识密集型服务业复合系统协同度

第一类：内蒙古、黑龙江、贵州、云南、甘肃。协同度有负值出现，这五个省的知识密集型产业不处于协同发展的状态(见图1)。

图1　第一类地区协同度时间历程趋势图

第二类：山西、吉林、福建、陕西、宁夏、新疆。协同度均为正值，且“抖动”变化程度较大，知识密集型产业虽处于协同发展状态，但协同状况不稳定(见图2)。

图2　第二类地区协同度时间历程趋势图

第三类：安徽、江西、河南、湖北、重庆、广西、青海。协同度均为正值，“抖动”变化程度不大，协同度峰值不高,且在时间历程中的变化率波动较大，说明知识密集型产业在协同程度不高的情况下波动发展(见图3)。

图3　第三类地区协同度时间历程趋势图

第四类：天津、河北、辽宁、江苏、湖南、四川。协同度均为正值，“抖动”变化程度不大，峰值不高,变化率波动不大，知识密集型产业在整体协同程度不高的情况下较为平稳发展(见图4)。

图4　第四类地区协同度时间历程趋势图

第五类：北京、上海、浙江、山东、广东。协同度均为正值，峰值高，变化率波动不大，知识密集型产业在整体协同程度高的情况下平稳发展，这是协同发展比较理想的状态(见图5)。

图5　第五类地区协调度时间历程趋势图

5知识密集型产业协同度影响因素分析

5.1模型、变量和数据

知识密集型产业是经济不断发展的产物，因此经济增长，产业结构，工业规模均可作为影响其协同度的因素。知识密集型产业以知识为基础，知识的产生和积累又与一个地区的教育程度密切相关，因此教育程度也是影响因素之一。产业结构和工业规模对协同度的影响可能不是线性关系，为此引入产业结构和工业规模的平方项，将区域人口作为控制变量，构造一个多元线性回归模型如下：

其中，S为协同度，PerGDP为人均GDP，STRUCT为产业结构，以非第一产业占GDP的比重表示，FIRM为工业总产值，EDU为教育水平，以大专以上人口占总人口的比重表示，POP为人口数。选用2003—2011年的省级面板数据，将人均GDP和工业总产值按照相应的价格指数平减到1990年水平。

5.2变量描述性统计

全样本指的是知识密集型产业协同度均为正值的24个地区，这些地区变量的最小值和最大值之间的差距都较大，这说明不仅知识密集型产业的协同度存在较大的区域差距，而且区域之间影响协同度的因素其差距也较大(见表3)。

表3　变量描述性统计

5.3实证结果分析

就全国样本来看，人均GDP和教育水平对知识密集型产业协同度是正影响，说明经济增长和教育水平越高，协同度也越高。

产业结构对协同度的影响是“倒U曲线”，协同度会先随第二、三产业占GDP比重的增加而提高，当到一定程度时，协同度反而会随其增加而下降，这是因为粗放式发展模式导致了中国工业的生产能力在低水平上长期过度扩张，形成了工业结构的低度化，过低的工业结构通常无法形成对知识密集型服务业的有效需求。加之中国知识密集型服务业发展落后，服务低端化、同质化明显，这会阻碍服务业和制造业的互动和融合，出现在第二、三产业占GDP比重增加的情况下协同度反而下降的情况。

工业规模对知识密集型产业协同度的影响是“正U曲线”，说明只有当工业总产值达到一定规模时，才会对协同度产生正影响，这可能是因为在工业达到一定规模前，制造业和服务业之间的需求遵从论在起主要作用，服务业只是制造业的附属，而当工业达到一定规模后，制造业和服务业之间的相互依赖程度会逐渐提高，为互动论和融合论提供了前提和条件，协同度也会随之提升。

为了分析解释变量对协同度影响的地区差异，并检验模型的稳健性，将全部样本分为东部地区和中西部地区两组进行回归。回归结果显示(见表4)，基本结论没有改变，这也验证了假设检验的稳健性。东部地区的“倒U曲线”和“正U曲线”均比中西部地区陡峭，这是因为第二、三产业的发展水平东部地区均高于中西部地区，因此产业结构的变动对东部地区协同度的影响比中西部地区更加明显，同时东部地区的工业总产值大大高于中西部地区，工业总产值的变化对协同度的影响相应也会更大。

表4　回归结果

注：括号中的数据为t检验值，*、**、***分别表示在10%、5%、1%的限制性水平上显著。

根据知识密集型产业协同度的地区分类，将其中的第四类和第五类归为协同度发展非常好的地区(区域A)，第二类和第三类归为协同度发展比较好的地区(区域B)，将所有样本数据按照区域A和区域B两组进行回归。由于协同度非常好的地区大都集中在东部，协同度比较好的地区大都集中在中西部，所以结论与东部地区和中西部地区进行的分组回归基本一致，这也进一步验证了模型的稳健性。

6结论与政策建议

主要结论：①中国24个地区的知识密集型产业协同度均为正值，只有5个地区出现了负值，这说明中国的知识密集型产业基本上处于协同发展的状态。②知识密集型产业的协同发展呈现出区域不平衡的状况，东部地区的协同度要明显好于中西部地区。③人均GDP、教育水平对协同度的影响为正，产业结构和工业规模与协同度的关系分别为“倒U曲线”和“正U曲线”。

政策建议：①稳定区域经济增长并提高教育程度，使经济增长和人力资本共同拉动知识密集型产业的协同发展。②加快产业结构升级，给知识密集型产业的协同发展创造良好的产业条件，改变第二、三产业规模的扩张反而限制知识密集型产业协同发展的状况。③扩大工业规模，尽快跳出制造业和服务业之间的需求遵从论起主要作用的阶段，在扩大工业规模的同时重视推进知识密集型产业的互动与融合发展，从而提升知识密集型产业的协同度。

参考文献：

[1]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.

[2]曹东坡，于诚，徐保昌.高端服务业与先进制造业的协同机制与实证分析-基于长三角地、区的研究[J].经济与管理研究，2014,(3):76-86.

[3]杨小凯、黄有光.专业化与经济组织：一种新兴古典微观经济学框架[M].北京：经济科学出版社，1999.

[4]Francois J.Trade in Producer Services and Returns due to Specialization under Monopolistic Competition[J].Canadian Journal of Economics，1990,23(1):109-124.

[5]Park S，K S Chan.A Cross Country Input-Output Analysis of Intersectoral Relationships between Manufacturing and Services and their Employment Implications.1989，(2):199-212.

[6]陈宪,黄建锋.分工、互动与融合:服务业与制造业关系演进的实证研究[J].中国软科学，2004,(10):65-71.

[7]刘帮成，刘学方.关于知识密集型服务业的研究述评[J].科技管理研究，2009,(9):1-3.

[8]Lundvall B A，Borra S.The Globalising Learning Economy：Implications for Innovation Policy[R]，TSER Programme Report，Brussels，DG XII，1998.

[9]Szalavetz A.Tertiarization of Manufacturing Industry in the New Economy：Experiences in Hungarian Companies[D].Hungarian Academy of Sciences Working Papers，No.134，2003(3).

[10]周振华.产业融合：新产业革命的历史性标志[J].产业经济研究，2003,(1):1.

[11]聂清.生产者服务业与制造业关联效应研究[J].国际商务研究，2006,(1):6-12.

[12]迈克尔·波特.国家竞争优势[M].李明轩，邱如美,译.北京:中信出版社,2012.

[13]OECD.Science，Technology and Industry Scoreboard：Towards a Knowledge-based Economy.OECD，2001，Paris.

[14]OECD.Science，Technology and Industry Scoreboard；2003 Edition.OECD，2003，Paris.

[15]孟庆松，韩文秀.复合系统协调度模型研究[J].天津大学学报,2000,33(4):444-446.

(责任编辑谭果林)

Analysis on the Degree of Synergy and the Influencing Factors of Knowledge-Intensive Industries

Wang Xiaoya1,Weng Guoyang2

(1.School of Economics of Nankai University，Tianjin 300071，China;2.Business School of

Tianjin University of Commerce,Tianjin 300071,China)

Abstract：This paper uses the complex synergetic model to calculate the synergetic degree of knowledge-intensive industries in 29 regions of China，and made the regional classification.Then it established a regression model to analyze the factors affecting the synergetic degree of knowledge-intensive industries.Empirical results show that per capita GDP and education level have positive influences on the synergetic degree；the relationship between industrial structure and the degree of synergy presents“inverted U curve”，the relationship between industrial scale and the degree of synergy presents“positive U curve”;and industrial scale is the most important factor affecting the synergetic degree.

Key words:Knowledge-intensive manufacturing；Knowledge-intensive business services；Complex systems；Synergetic degree

中图分类号:F062.9

文献标识码:A

作者简介：王晓亚(1982-)，女，河北石家庄人，博士；研究方向：产业发展、技术创新。

收稿日期：2015-03-31

基金项目：教育部重点研究基地南开大学政治经济学研究中心2011年重大项目(11JJD790045)。