EN中文

地理科学 >

2024 , Vol. 44 >Issue 12: 2123 - 2133

DOI: https://doi.org/10.13249/j.cnki.sgs.20230482

双循环视域下制造业服务化与双重价值链及其提升效应的时空分异研究

  • 王蓓 , 1 ,
  • 陈虹 2
展开
  • 1.江汉大学商学院，湖北 武汉 430056
  • 2.武汉大学经济与管理学院，湖北 武汉 430072

王蓓（1989—），女，湖北武汉人，讲师，博士，主要从事产业经济与贸易研究。E-mail:

收稿日期: 2023-09-30

  修回日期: 2023-12-02

  网络出版日期: 2025-01-16

基金资助

湖北省教育厅基金项目(2024GB343)

江汉大学基金项目(XXZK04)

江汉大学基金项目(08660001)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Spatio-temporal differences and enhancement effects of manufacturing servitization and double value chain under the perspectives of double circulation

  • Wang Bei , 1 ,
  • Chen Hong 2
Expand
  • 1. Business School, Jianghan University, Wuhan 430056, Hubei, China
  • 2. Economic and Management School, Wuhan University, Wuhan 430072, Hubei, China

Received date: 2023-09-30

  Revised date: 2023-12-02

  Online published: 2025-01-16

Supported by

Foundation of Hubei Provincial Department of Education(2024GB343)

Foundation of Jianghan University(XXZK04)

Foundation of Jianghan University(08660001)

Copyright

Copyright reserved © 2024.
Fold

摘要

将中国各省域服务化、全球价值链（Global Value Chain, GVC）与国内价值链（National Value Chain, NVC）嵌入度纳入同一个测量框架下进行测量，实现服务化提升GVC与NVC双重嵌入度在双循环视域下的时空分异对比分析。结果表明：中国各省域制造业服务化与制造业GVC、NVC呈现高−高、低−低聚集的正向关联模式，服务化通过创新效率与生产成本中介而提升中国各省域的制造业GVC与NVC，对大部分区域NVC的提升效应较GVC的提升效应更高，中国京津冀及北部、东部地区等经济发展的极值地区的制造业GVC与NVC的服务化提升效应较为显著，源自亚洲其他国家的制造业服务化提升效应相较于源自其他地区的服务化更为显著。

关键词： 制造业服务化; 全球价值链; 国内价值链

本文引用格式

王蓓 , 陈虹 . 双循环视域下制造业服务化与双重价值链及其提升效应的时空分异研究[J]. 地理科学, 2024 , 44(12) : 2123 -2133 . DOI: 10.13249/j.cnki.sgs.20230482

Abstract

This study aims to delve into the intricate relationship between the service-oriented transformation of manufacturing industries and their integration within the global value chain (GVC) and national value chain (NVC) across Chinese provinces. Utilizing a unified measurement framework, this research incorporates data from Chinese provinces to analyze service-oriented transformation, GVC embedding, and NVC embedding. The findings reveal a distinct positive association pattern of high-high and low-low clustering between the service-oriented transformation of manufacturing industries and their positions within the GVC and NVC across Chinese provinces. The service-oriented transformation significantly enhances the GVC and NVC of manufacturing industries in Chinese provinces, primarily through the mediation effects of innovation efficiency and production costs. Notably, the enhancement effect on the NVC is higher than that on the GVC in most regions, suggesting a stronger internal dynamic within China’s economic structure. The service-oriented enhancement effect is most pronounced in economic pole areas, such as the Beijing-Tianjin-Hebei region and the northern and eastern parts of China. Additionally, service-oriented transformation originating from other Asian countries has a more significant enhancement effect on manufacturing industries compared to that from other regions.By considering the spatial and temporal effects, this study provides a comprehensive understanding of the service-oriented transformation's impact on the GVC and NVC of Chinese manufacturing industries.

Key words： manufacturing servitization; global value chain; national value chain

中国的制造业在过去几十年里实现了显著的发展，赢得了“制造大国”的国际声誉[1-2]。然而，全球价值链（Global Value Chain, GVC）高附加值的环节通常由欧美国家控制，导致中国制造业受制于“低端、高端双重封锁”的局面。服务业已成为中国国内生产总值（GDP）增长的重要驱动力，2023年中国服务进出口总额达到6.6万亿元，同比增长10%、规模创历史新高①。随着服务业在制造业出口产品中的增加值比重上升，制造业的GVC分工体系正呈现服务化趋势[3-4]。
相关研究将“双循环”新发展格局视为一个复杂的经济地理现象，强调其在GVC中对中国的深度整合以及在构建区域互补经济布局的重要性。该现象体现了全球、国家和地方多层次经济地理构架的耦合与演变，同时将分析维度从传统的贸易、资本流和知识流转向经济主体的决策和行为，以及这些因素如何与地理空间整合[5]。学者开始将空间因素纳入价值链双重嵌入的影响因素研究中，基于投入产出理论建立贸易增加值分解框架[6-7]，并结合空间计量模型进行回归估计[8]。研究揭示了全球并购网络规模的增长和影响并购网络形成的主要因素[9]，以及中国各城市群在“双循环”新格局中的发展现状和角色[10]。关于制造业服务化在制造业价值链攀升中的经济效应，相关文献包含关于投入服务化提升制造业全球价值链的实证研究[11-12]，即采取贸易增加值分解了制造业出口内涵的服务化投入增加值，但是该研究未能将国内、国外来源的服务化分解，并且在实证研究中仅考虑了服务化对制造业行业层面GVC的提升效应，未涉及空间层面的数据。另外部分研究从国内价值链视角出发，利用2000—2014年的相关数据实证检验了大部分服务行业对经济增长的贡献作用在增强[13]，却未进一步考虑作为中间品投入至制造业生产的服务业增加值问题。还有研究基于GVC视角下考察国内价值链嵌入情况[14-15]，却未能将GVC 和 国内价值链（National Value Chain, NVC） 放在同一框架下考察。在演化分析上，研究多采用横向比较，缺乏对各因素空间异质性动态演化的纵向探讨。
本文旨在弥补研究空白，采用中国各省区域双循环的视角，深入分析制造业服务化与NVC和GVC的时空分异性，及其在提升区域空间异质性价值链嵌入度中的作用；比较制造业服务化对NVC和GVC嵌入度提升的差异和相互作用，并探究中介机制；通过横向与纵向比较，揭示制造业服务化的空间分异性及其对空间异质性影响的动态演化；在国家、区域和省域3个层面上进行综合分析，以期为推动中国各区域制造业的高质量发展提供实证研究支持。

1 理论机制与研究假设

制造业服务化通过整合研发、信息技术和设计等知识密集型服务，显著提升了制造业的增值能力和国际竞争力[16]。服务投入在上游阶段包括咨询、融资和设计；生产阶段涵盖技术培训和环境合规性；下游阶段则包括市场营销和售后服务[17]。
成本效应方面，随着更为优质、专业和高效的服务要素投入，制造业企业经营组织将更为成熟化和规模化，实现内部规模经济，并表现出规模利润递增的特性。这是由于制造业服务化的经济效益所引致的“干中学”竞争效应、技术溢出效应等，随着更优质，更高效的专业化服务要素作为制造业生产的中间品投入至生产环节，制造业的生产成本随之降低[18-19]。 另外，随着制造业企业的经营规模不断成熟，企业通常采取将非核心生产环节外包的方式，使自身专注于核心生产环节，这样更有益于企业集中资源专注于高附加值产品的生产，有利于实现企业的内部规模经济和外部规模经济[20]，最终也能间接降低生产成本。伴随产业分工的不断深化，生产性服务业完成了企业生产中的统筹、协调等环节，制造业企业便大大降低了交易成本。创新效应方面，制造业服务化的过程即为包括前沿技术、先进管理经验、知识与高端人力资本向制造业流入并融合的过程，企业能够获得专业化学习和技术溢出的机会，从而提高企业的创新能力和创新意愿，也促进了企业自主研发和生产技术的升级。制造业服务化的创新效应发挥是一个动态发展的过程[21]：一方面，随着包含技术、知识、管理与人才等在内的高质量的生产性服务要素嵌入至核心生产环节中，制造业企业将积累高端人力、知识与经验资本。企业需要借助管理与外部组织关系的能力，整合投入于不同主体中的异质性中间品，从而提高随着服务要素的嵌入与企业的融合所带来的技术溢出，激励着制造业企业不断调整结构以靠近技术前沿，拓展制造业企业技术创新的广度和深度[22]。另一方面，服务要素中间品的不断投入，促使制造业企业的各部门不断模仿与学习，增加研发投入进行出口产品的技术创新[23]，最终提升了价值链嵌入度。综上所述，本文假设制造业服务化通过降低生产成本、提升制造业的创新效率而最终促进了制造业双重价值链嵌入度。

2 变量选取与数据测量

2.1 被解释变量

基于贸易增加值分解理论[6-7]，本文将各省域的制造业、服务业增加值分为流出至国内其他省域与出口国外的各个部分：
$ VA = EX/NEX + RDV + PDC + PVA/FVA $
式中，VA为增加值，EX为被其他国外地区吸收的本省域增加值，NEX为被其他国外地区吸收的本省域增加值；RDV为返回本省域并被吸收的增加值；PDC为本省域或国内外被其他省域纯重复计算的增加值；PVA为国内其他省域的增加值；FVA为国外增加值。
式（1）中PVA及FVA仅在计算NVC或GVC时分别出现在分解公式中。因此，各省域制造业的NVC与GVC测量公式如下：
$ NVC = \dfrac{{PVA + PDC}}{{NEX}} $
$ GVC = \dfrac{{FVA + PDC}}{{EX}} $

2.2 核心解释变量

基于前人的研究[24]，选取CEADS数据库①各省域分42行业的投入产出表，结合前文的分解测量各省域制造业的服务化水平，测量公式如下：
$ Ser_{lj}={\displaystyle\sum }_z{\displaystyle\sum }_{x=\mathit{\Omega}}^{ }VA_{\mathit{z}x}(A_{\mathit{z}l})_{xj}P_{lj}/P_{lj} $
式中，Serlj为l省域制造行业j的服务化水平，x为具体某一种服务行业，Ω为服务行业的集合，VAzx表示z省域(z代指除l省外的省域)的制造业出口中内含服务行业x的增加值率向量，(Azl)xj为完全消耗系数矩阵，矩阵Azl的第x行第j个值即表示l省域制造业行业j对z省域服务行业的完全消耗。Plj为l省域制造业行业j的出口总贸易量。

2.3 控制变量、中介变量与数据来源

本文的控制变量包括：研发投入（$ Rd $），采取各省域的制造业分行业增加值与研发支出之比表示；人力资本（$ Hu $），采取各省域制造业平均每年的全部用工人数的自然对数表示；资本结构（$ Cl $），采取各省域分行业的工业增加值与包括港澳台商在内的外商投资的规模以上工业企业的销售产值之比表示；劳动生产率（$ Pm $），采取各省域制造业的增加值与所有制造业全部用工人数之比表示；行业规模（$ Sc $），采取各省域分制造业行业的贸易进出口总额占制造业总产出的比例表示。此外，本文加入创新效率（$ Inv $）与成本效应（$ Cost $）中介进行分析，采取各省域制造业的R&D支出占主营业务收入的比值来表示制造业自主创新$ Inv $[25]，以及各省域制造业的主营业务收入与主营业务成本之比表示$ Cost $。
本文主要的数据来源包括CEADS数据库中国30个省区市区间(港澳台、西藏数据暂缺)投入产出表，亚洲开发银行（Asian Development Bank，ADB）开发的世界各经济体投入产出表，以及《中国科技统计年鉴》[26]、《中国工业统计年鉴》[27]、《中国统计年鉴》[28]、中国工业行业数据库①。由于CEADS数据库间隔2~3 a发布，为了确保本研究具有动态发展的可观察时间序列数据，本文主要研究期间为2012年、2015年以及2017年。由于《中国科技统计年鉴》中2012年、2017年R&D支出的原始数据统计口径不一致的情况，本文按前人的研究思路调整[29]。后文分析采用ArcGIS制图，数值采取自然断点法分类。主要变量的统计性描述见表1。
表1 主要变量的统计性描述

Table 1 Statistical description of the main variables

变量 年份 均值 最大值 最小值 标准差
　　注：不含港澳台、西藏数据。
国内价值链 2012 0.23 0.35 0.02 0.13
2015 0.34 0.75 0.07 0.10
2017 0.41 0.94 0.03 0.15
全球价值链 2012 0.66 0.72 0.07 0.58
2015 0.69 0.71 0.08 0.57
2017 0.75 0.83 0.01 0.57
服务化水平 2012 0.42 0.48 0.04 0.33
2015 0.50 0.67 0.01 0.26
2017 0.57 0.72 0.01 0.57

3 时空格局演变分析

3.1 各省域制造业双重嵌入度及服务化空间相关性分析

中国各省域制造业的NVC、GVC与服务化可能具有空间依赖性，本文将地理距离和经济相关性同时作为空间权重变量，公示与计算过程参见余永泽等[30]。采取莫兰指数I（Moran’s I）进行被解释变量、核心解释变量的空间相关性检验。结果表明，各省域在空间上呈现局部的高−高（HH）和低−低（LL）关联模式，尤其在2012年和2015年的制造业服务化数据中，这两种模式占比接近70%。然而，到了2017年，LL模式成为主导。
本文依据前人的研究将中国各省域分为东部 、京津冀及北部、南部、中部、西北、西南、东北部[14],分区域角度的局部空间关联模式呈现3个主要特征：第一，制造业NVC与GVC整体上呈现高值被高值地区包围、低值被低值地区包围的空间集聚特征，而制造业服务化则呈现高值被低值地区包围的空间集聚特征。第二，东部地区涉及两类集聚，一是制造业NVC与GVC的高值−高值集聚，如北京、天津、浙江和江苏等；二是制造业服务化的高值−低值集聚，如北京、上海和天津等。第三，西部地区主要涉及制造业NVC与GVC的低值−低值集聚模式，以及制造业服务化的低值−高值集聚模式。第四，中部地区主要涉及制造业NVC与GVC的低值−高值集聚，东北部地区主要涉及制造业服务化的高值−低值集聚模式。

3.2 各省域制造业双重嵌入度及服务化现状分析

根据图1可知，中国各省域制造业GVC与NVC嵌入度均符合随时间发展而提升的总体趋势。对比发现，NVC嵌入度相对GVC嵌入度更高，说明以“国内大循环”为主的“双循环”理论符合经济规律。分地区看，以上海市为代表的东部地区，以北京市为代表的京津冀及北方地区，以及以广东省为代表的南部地区的制造业皆表现出了NVC与GVC嵌入度皆较高的特征，说明沿海地区、经济发展的极致地区仍显示出贸易区位优势。大部分省域制造业的NVC与GVC嵌入度表现出正向相关性，但有个别省域表现出不同特点，如辽宁省。可能的解释为东北地区多以传统的下游环节为主，与中国传统以后向方式参与全球价值链活动的方式相匹配因此而表现出GVC嵌入度较高的特征。
图1 中国各省域制造业国内价值链与全球价值链嵌入度时空对比

基于自然资源部地图技术审查中心标准地图（审图号：GS（2023）2767号）绘制，底图无修改，港澳台、西藏数据暂缺

Fig. 1 Spatial-temporal comparison of the manufacturing embeddedness in NVC and GVC of various provincial regions in China

根据图2可知，2012—2017年，几乎中国所有省份的制造业服务化水平皆呈普遍上升趋势。然而，服务化水平在各省间存在明显的空间异质性。一方面，经济发达地区在服务化转型上的领先地位，说明经济增长的价值地区服务化转型速度较快。如，北京市的服务化水平从2012年的1.597提升至2017年的1.812；上海市从1.433增至1.617；广东省制造业服务化水平从2012年的1.103上升至2015年的1.211，进一步增长至2017年的1.455。均。相比之下，如新疆、甘肃等地区的服务化指数较低。尽管如此，新疆仍从一个较低的基数（2012年的0.437）增长至2017年的0.709，增长速率较快，表明即便是经济发展相对滞后的地区也积极响应国家的服务化发展战略，体现中国制造业高质量发展的经济绩效。
图2 中国各省域制造业服务化时空对比

基于自然资源部地图技术审查中心标准地图（审图号:GS（2023）2767号）绘制，底图无修改，港澳台、西藏数据暂缺

Fig. 2 Spatial-temporal comparison of the manufacturing servitization of various provincial regions in China

4 实证分析

4.1 空间计量模型构建

进一步采取似然比检验（LR检验）、Wald 检验等，发现2012年、2015年、2017年的样本数据在本文空间权重变量的设定下均在1%的显著性水平上通过了Wald检验和LR检验，应采用空间杜宾模型（SDM）进行对本章数据样本的实证研究，据此构建模型如下：
$\begin{split} NV{C_{pt}} = & {\rho _0}\displaystyle\sum\limits_{q = 1}^n {{W_q}NV{C_{qt}}} + {\partial _1}Se{r_{pt}} + {\partial _2}\displaystyle\sum\limits_{q = 1}^n {{W_q}} Se{r_t} + \\ & {\partial _3}{X_{pt}} + {\partial _4}\displaystyle\sum\limits_{q = 1}^n {{W_q}} {X_t} + {\delta _p} + {\varphi _t} + {\varepsilon _{pt}} \end{split} $
$ \begin{split} GV{C_{pt}} = & {\rho _0}\displaystyle\sum\limits_{q = 1}^n {{W_q}GV{C_{qt}}} + {\partial _1}Se{r_{pt}} + {\partial _2}\displaystyle\sum\limits_{q = 1}^n {{W_q}} Se{r_t} + \\ & {\partial _3}{X_{pt}} + {\partial _4}\displaystyle\sum\limits_{q = 1}^n {{W_q}} {X_t} + {\delta _p} + {\varphi _t} + {\varepsilon _{pt}}\end{split} $
式中，$ NV{C}_{pt}、GV{C}_{pt} $分别表示$ p $省$ t $年的制造业国内价值链与全球价值链，$ Se{r_{pt}} $是$ p $区域$ t $年的制造业行业的服务化水平，ρ0 为被解释变量空间滞后项的相关系数，∂1~∂4为核心解释变量空间滞后项的相关系数。$ q $为$ p $区域的邻近区域，$ W $为$ n \times n $的空间权重矩阵，与上文计算方法相同。$ X $是控制变量，$ {\delta _p} $为区域固定效应，$ {\varphi _t} $为时间固定效应，$ {\varepsilon _{pt}} $为随机扰动项，并且使用了区域层面聚类稳健标准误。

4.2 空间模型基本回归结果

2012年各省制造业服务化对全球价值链和国内价值链嵌入度的提升分别具有显著正向效应（表2），回归系数分别为0.0318和0.0214（P<0.1）。然而，GVC嵌入度的间接效应在5%显著性水平上为负（−0.0034%），表明存在邻近地区的“挤出效应”。2015年和2017年的回归结果一致，显示服务化对制造业GVC的直接效应为0.0355%，间接效应为−0.0091%，而对NVC的直接效应为0.0441%。2017年，GVC和NVC的直接效应分别为0.1003%和0.1964%，但间接效应不显著。
表2 服务化提升国内外价值链嵌入度的基本回归结果

Table 2 Basic regression results of the enhancement of GVC and NVC through servicization

2012年 全球价值链嵌入度模型 国内价值链嵌入度模型
总效应 直接 间接 总效应 直接 间接
　　注：上述结果采取Matlab7.0、Stata15测算。*** 、** 、*表示在1% 、5% 、10%水平显著；括号内的数值为标准误；各组实证加入了控制变量，均通过了Hausman、Wald和LR检验；直接效应简称为直接、间接效应简称为间接；港澳台、西藏数据暂缺。
$服务化Ser $ 0.0284**
（0.0105）		 0.0318**
（0.0156）		 –0.0034**
（0.0016）		 0.0213*
（0.0115）		 0.0214*
（0.0115）		 –0.0001
（0.0003）
$研发投入Rd $ –0.0111
（0.0081）		 –0.0090
（0.0145）		 –0.0021
（0.0022）		 0.0468
（0.1021）		 0.0417
（0.1006）		 0.0052
（0.0034）
$人力资本Hu $ 0.0545**
（0.0209）		 0.0546***
（0.0119）		 –0.0001
（0.0054）		 –0.0360
（0.0452）		 –0.0320
（0.0122）		 –0.0040
（0.0026）
$ 行业规模Sc $ 0.0036
（0.0265）		 0.0033
（0.0027）		 0.0003
（0.0002）		 0.0233
（0.0274）		 0.0207
（0.0167）		 0.0026
（0.0332）
$ 资本结构Cl $ –0.2279***
（0.0771）		 –0.2083**
（0.0853）		 –0.0195
（0.0134）		 –0.1257
（0.1123）		 –0.1118
（0.0773）		 –0.0139
（0.1048）
$ 劳动生产率Pm $ –0.4669
（0.3355）		 –0.2685
（0.1640）		 –0.1984
（0.3980）		 0.0377
（1.3554）		 0.0335
（0.1102）		 0.0042
（0.0122）
$ 研发投入 \times 劳动生产率(Rd \times Pm) $ 0.1249
（0.1013）		 0.0137***
（0.0051）		 0.1112
（0.0843）		 1.4030***
（0.3688）		 1.0366***
（0.1445）		 0.3664
（0.3550）
常数项 0.2107***
（0.0014）		 0.6336***
（0.0686）
观测值数量 496 496 496 496 496 496
R2 0.6849 0.9548
2015年 全球价值链嵌入度模型 国内价值链嵌入度模型
总效应 直接 间接 总效应 直接 间接
$ 服务化Ser $ 0.0264**
（0.0117）		 0.0355**
（0.0179）		 –0.0091***
（0.0022）		 0.0449***
（0.0131）		 0.0441***
（0.0035）		 0.0016
（0.0332）
$ 研发投入Rd $ –0.8001
（0.1317）		 0.3322
（0.2501）		 –1.1323
（0.6525）		 –0.0053
（0.0112）		 –0.0051
（0.1007）		 –0.0002
（0.0032）
$ 人力资源Hu $ –0.3559
（0.3277）		 –0.2818
（0.2082）		 –0.0741
（0.0711）		 0.0602***
（0.0132）		 0.0477**
（0.0213）		 0.0125
（0.0110）
$ 行业规模Sc $ –0.0245
（0.0189）		 –0.0194
（0.0104）		 –0.0050
（0.0055）		 0.0004
（0.0008）		 0.0003
（0.0003）		 0.0001
（0.0002）
$ 资本结构Cl $ –0.0001
（0.0020）		 0.0001
（0.0008）		 –0.0002
（0.0006）		 0.0182
（0.0250）		 0.0105
（0.0993）		 0.0077
（0.0067）
$ 劳动生产率Pm $ –0.1561
（0.3904）		 –0.1241
（0.1033）		 –0.0319
（0.0426）		 –19.4303
（12.0013）		 –18.7302
（11.0021）		 –0.7002
（1.2210）
$ 研发投入 \times 劳动生产率(Rd\times Pm) $ 0.0980*
（0.0458）		 0.1032*
（0.0503）		 –0.0052**
（0.0025）		 0.1206**
（0.0549）		 0.0652**
（0.0299）		 0.0554
（0.0443）
常数项 0.7978***
（0.0295）		 0.1613***
（0.0161）
观测值数量 553 553 553 553 553 553
R2 0.9508 0.6632
2017年 全球价值链嵌入度模型 国内价值链嵌入度模型
总效应 直接 间接 总效应 直接 间接
$ 服务化Ser $ 0.0804***
（0.0181）		 0.1003***
（0.0033）		 −0.0199
（0.0160）		 0.2358**
（0.0912）		 0.1964**
（0.0983）		 0.0394*
（0.0199）
$ 研发投入Rd $ 0.0104
（0.0089）		 0.0066
（0.0061）		 0.0038
（0.0165）		 0.0570***
（0.0025）		 0.1428***
（0.0545）		 0.1998*
（0.0961）
$ 人力资源Hu $ 4.6046***
（1.0035）		 5.7440**
（2.0061）		 –1.1394
（1.0205）		 0.0073***
（0.0005）		 0.0090***
（0.0018）		 –0.0018
（0.0320）
$ 行业规模Sc $ 0.0264**
（0.0110）		 0.0328***
（0.0027）		 –0.0065
（0.0269）		 0.1447
（0.1016）		 0.1370
（0.1336）		 0.0077
（0.0704）
$ 资本结构Cl $ –0.0080
（0.0083）		 0.0039
（0.0130）		 –0.0119
（0.0118）		 0.8591***
（0.0178）		 1.0717***
（0.0023）		 –0.2126
（0.7643）
$ 劳动生产率Pm $ –0.0027
（0.0561）		 –0.0033
（0.1332）		 0.0007
（2.1255）		 0.0010***
（0.0003）		 0.0012***
（0.0001）		 –0.0002
（0.0014）
$ 研发投入\times 劳动生产率(Rd\times Pm) $ –0.0570***
（0.0025）		 0.1428***
（0.0545）		 –0.1998*
（0.0961）		 0.1237**
（0.0550）		 0.1550***
（0.0377）		 –0.0313
（0.1005）
常数项 1.0007***
（0.0268）		 0.1613***
（0.0161）
观测值数量 522 522 522 522 522 522
R2 0.9639 0.9961
2012年，服务化对邻近区域NVC有显著正向溢出效应（0.0394%），表明中国区域间存在正向互动。间接效应从2015年的负向显著变为2017年的不显著，反映了服务化对本地制造业GVC和NVC的正向影响是一个逐步发展的动态过程，且该效应从协同向竞争转变。此外，服务化对NVC的提升效应普遍高于GVC，可能与国内价值链的增加值率高于全球价值链有关[31]，为“双循环”战略中的“内循环”提供了理论支持。

4.3 区域与服务化投入异质性回归结果

4.3.1 区域异质性回归结果

鉴于各省域的生产与贸易成本、区域优势、规模效应、政策制度等方面各异，本文依据前文对中国各省域的划分，探讨服务化对制造业NVC与GVC嵌入度提升的区域异质性影响。研究发现（图3），东部、京津冀及北部和南部地区的制造业服务化对GVC嵌入度的提升作用最为显著且持久。东北部地区的服务化对GVC的提升效应虽相对较弱，但显示出与邻近区域的协同发展态势。中部地区虽起步较晚，但服务化对GVC的提升效应增长迅速。此外，大部分区域的服务化对邻近地区的GVC提升效应不显著，但中部和西北部地区的服务化对邻近地区GVC产生了负向溢出效应，随时间推移，这种效应减弱或转为正向，表明区域发展模式由竞争向协同转变。
图3 服务化提升中国制造业各区域GVC与NVC嵌入度的空间异质性对比

基于自然资源部地图技术审查中心标准地图（审图号:GS（2023）2767号）绘制，底图无修改，港澳台、西藏数据暂缺

Fig. 3 The servitization enhances the spatial heterogeneity comparison of the embeddedness in NVC and GVC

服务化对中国大部分省域的制造业NVC提升效应普遍高于GVC。东部和京津冀及北部地区的提升效应尤为显著，且随着时间的推移，这些地区的服务化开始对邻近区域的NVC产生正向溢出效应。例如，2012年东部和东北部地区的服务化对邻近地区NVC的提升分别为0.0021%和0.0972%，表明服务化与邻近区域NVC的提升存在正向关联。然而，2012年中部、西北部和西南部地区的服务化对本地区NVC的提升无显著影响，但对GVC有显著提升作用，且到2017年，这些地区服务化对GVC的提升作用相对NVC更为显著，说明服务化对内陆省域的贸易发展具有重要影响，有助于提升地区制造业的GVC嵌入度。

4.3.2 服务投入来源异质性回归结果

2012年、2015年及2017年源自除中国外的其他亚洲国家的制造业服务化提升各省域本地区NVC、GVC的直接效应最为显著（表3），而源自欧盟、美国的制造业服务化提升效应次之，充分反映出中国与亚洲各国的贸易中间品投入分工网络相较于欧美等国更为发达。具体而言，2012年与2015年服务化对各省域本地区NVC的提升效应由强至弱遵循源于亚洲国家（除中国外）、美国、欧盟国家；服务化对各省域本地区GVC的提升效应由强至弱遵循源于亚洲国家（除中国外）、欧盟国家，源自美国的服务化投入对中国各省域本地GVC无影响。2017年服务化对各省域本地区NVC与GVC的提升效应由强至弱，均源于亚洲国家（除中国外）、欧盟国家、美国。另外，源自亚洲其他国家的制造业服务化对各省域邻近地区的NVC具有负向溢出效应，这反映了亚洲国家在区域价值链分工间的竞争关联。
表3 服务投入来源异质性回归结果

Table 3 Regression results with enhanced heterogeneity of servitization sources

地区 国内价值链嵌入度NVC 全球价值链嵌入度GVC
2012年 2015年 2017年 2012年 2015年 2017年
　　注：在置信区间为1% 、5% 、10%的显著性分别表示为*** 、** 、*。各组检验均控制了变量、通过Hausman、Wald、LR、Sobel的检验，因篇幅原因表中仅汇报直接效应回归结果；港澳台、西藏数据暂缺；括号内的数值为标准误。
美国 0.0211**
（0.0094）		 0.0259***
（0.0038）		 0.0472***
（0.0064）		 −0.0657
（0.1011）		 0.0016
（0.0031）		 0.0001***
（0.0000）
欧盟国家 0.0014*
（0.0006）		 0.0107***
（0.0007）		 0.0869***
（0.0375）		 0.0258***
（0.0032）		 0.0031***
（0.0004）		 0.0132**
（0.0063）
亚洲国家 0.4436**
（0.2137）		 0.5841***
（0.0883）		 0.0973***
（0.0212）		 0.7749***
（0.0336）		 0.0177**
（0.0084）		 0.1663***
（0.0012）

4.4 影响机制分析

通过构建中介效应的递归方程[32]，探讨服务化对中国制造业GVC与NVC作用机制的实证检验。研究发现（表4）：自主创新能力中介效应，服务化对自主创新能力具有正向推动作用，且在控制自主创新能力变量后，服务化对本区域GVC和NVC的提升作用依然显著，但直接效应的回归系数小于基本模型，表明自主创新能力在服务化提升制造业全球价值链中起到中介作用。2012年、2015年、2017年的中介效应分别为GVC的0.47%、2.51%、3.07%，NVC的0.04%、0.19%、0.11%，暗示自主创新能力对服务化提升制造业全球价值链的中介作用短期内难以有效发挥。生产成本中介效应分析，以2017年为例，服务化通过降低生产成本对制造业区域的GVC和NVC产生正向影响，且中介变量的直接效应回归系数在1%水平上显著为正。生产成本对服务化提升GVC的中介效应分别为2012年的1.48%、2015年的8.13%、2017年的35.39%，对NVC的中介效应分别为2012年的1.07%、2015年的1.53%、2017年的6.90%，表明生产成本随时间发展而成为服务化提升制造业区域出口技术复杂度的重要途径。综合中介效应：将中介变量加入基本模型后，服务化变量的回归系数显著下降，产生部分中介效应，验证了前文的理论假说。
表4 影响机制回归结果

Table 4 Regression results of impact mechanisms

变量 全球价值链嵌入度模型 国内价值链嵌入度模型 全球价值链
嵌入度模型a		 国内价值链
嵌入度模型a
Inv为中
介变量		 Inv非中
介变量		 Cost为中
介变量		 Cost非中
介变量		 Inv为中
介变量		 Inv非中
介变量		 Cost为中
介变量		 Cost非中
介变量
　　注：a表示Inv与Cost皆为中介变量；在置信区间为1% 、5% 、10%的显著性分别表示为*** 、** 、*；各组检验均控制了变量、通过Hausman、Wald、LR、Sobel的检验；港澳台、西藏数据暂缺；括号内的数值为标准误。
$ 服务化Ser $ 0.0143***
（0.0035）		 0.0103***
（0.0038）		 0.7032***
（0.0146）		 0.0241*
（0.0120）		 0.0325*
（0.0151）		 0.0279***
（0.0086）		 0.6328***
（0.0445）		 0.1028***
（0.0445）		 0.0724*
（0.0350）		 0.1513*
（0.0760）
$ 自主创新能力Inv $ 2.1443**
（1.0039）		 0.0341**
（0.0160）		 0.9712***
（0.0249）		 0.2386***
（0.0340）
$ 生产成本Cost $ 0.5032**
（0.2504）		 0.1090***
（0.0018）		 0.0462***
（0.0081）		 0.5784***
（0.0647）

4.5 稳健性检验

进一步采取扩大数据样本、替换核心解释变量，并且基于中国各省域的投入产出表，利用线性插值法构建出2007—2017年包含各省域缺失年份的投入产出数据样本[33]。采取各省域制造业行业生产单位总产出直接消耗的服务中间品占总投入的比率与制造业行业生产单位总产出间接消耗的服务中间品与总投入的比率之和（服务化验证变量$ Sin $）来替换原核心解释变量的测量。数据来源与上文相同。各组的实证回归的Hausman检验、Wald 检验和LR检验的统计量均通过了显著性检验，因此采取SDM模型的设定合理且有效。由表5直接效应的回归结果能够看出，服务化皆显著地提升了各省域制造业全样本、各地区制造业样本的全球价值链与国内价值链，说明前文的实证结果具有稳健性。
表5 稳健性检验回归结果

Table 5 Robustness test regression results

全样本 东部 京津冀及北部 南部 中部 西北部 西南部 东北部
　　注：在置信区间为1% 、5% 、10%的显著性分别表示为*** 、** 、*；各组检验均控制了变量、通过Hausman、Wald、LR、Sobel的检验，因篇幅原因表中仅汇报直接效应回归结果；港澳台、西藏数据暂缺；括号内的数值为标准误。
$ 服务化验证变量Sin $ 0.0184*
（0.0091）		 0.0627***
（0.0018）		 0.3270***
（0.0486）		 0.2964***
（0.0786）		 0.0451***
（0.0164）		 0.3611***
（0.0447）		 0.4699***
（0.0794）		 0.3804***
（0.0517）
全样本 东部 京津冀及北部 南部 中部 西北部 西南部 东北部
$ 服务化验证变量Sin $ 0.0141***
（0.0035）		 0.0749***
（0.0117）		 0.1750***
（0.0533）		 0.0584***
（0.0147）		 0.0401**
（0.0195）		 0.5784***
（0.0647）		 0.7719***
（0.1285）		 0.4672***
（0.0703）

5 结论与讨论

5.1 结论

本文验证了中国各省域制造业服务化、全球价值链与国内价值链的空间自相关性，进行了服务化提升制造业GVC与NVC的理论机制分析、实证研究与影响机制检验，对比了不同来源服务化以及中国不同区域的服务化提升效应。本文的主要结论为，中国各省域制造业服务化与制造业GVC、NVC呈现高−高、低−低聚集的正向关联模式，服务化通过创新效率与生产成本的中介效应而提升了中国各省域的制造业GVC与NVC，其中较为显著地、较长时间地提升了中国京津冀及北部、东部地区的制造业GVC与NVC，并且同时提升了中国东北部地区本地及邻近地区的制造业全球价值链。基于同一个测量框架，本文研究发现服务化对大部分区域NVC的提升效应较GVC的提升效应更高，证明以“内循环”为主的“双循环”战略具有充分的理论支撑。源自亚洲其他国家的制造业服务化提升各区域本地区NVC与GVC的提升效应更为显著，充分反映出中国与亚洲各国的贸易中间品投入分工网络相较于欧美等国更为发达。

5.2 讨论

第一，着力制造业服务化以加速现代化进程，实现制造业结构的高效化。由于服务化能够显著降低制造业企业生产成本、提升创新效率从而促进其NVC与GVC的发展，应将制造业向服务化作为中国制造业全面现代化升级的重要抓手。由于中国各区域存在服务化提升效应的南北、东西差异，中国应重视区域制造业服务化、全球价值链的空间联动作用。统筹制造业服务化先发及后发区域经济的协调发展，尤其需对制造业向服务化转型、服务化投入的后发区域进行重点扶持，支持制造业服务化相关产业链向西部、南部延伸，构建“东西、南北互济”的国内、全球双重价值链的新格局。
第二，充分发挥超大规模市场优势，加快形成制造业全球价值链生产布局与国内价值链生产分工优势的精准匹配格局。由于服务化对制造业各区域NVC的提升效应强于GVC，应坚持以“内循环”为主的“双循环”与“建设全国统一大市场”的战略，鼓励各地区、省域充分挖掘自身优势，例如人力资源、港口区位、金融政策等，形成中国各制造业区域生产分工优势与制造业全球价值链生产布局的精准匹配，以构建制造业NVC为基础向GVC高端攀升的机制。
第三，推进高水平对外开放，构建开放型经济新体制，为高技术、高质量的服务化投入制造业扫清障碍。新发展格局不是封闭国内循环，而是开放的国内国际双循环。鉴于源自国外的服务化投入对中国各区域制造业NVC与GVC表现出显著的提升效应，对外应利用好国际国内两个市场、两种资源，实现更加开放持续的发展。对内应打通中国区域间的贸易壁垒、降低物流等贸易成本，畅通国内大循环各个生产与流通等环节，形成稳定、畅通、高效的国内各区域经济循环体系。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
盛斌, 苏丹妮, 邵朝对. 全球价值链、国内价值链与经济增长: 替代还是互补[J]. 世界经济, 2020, 43(4): 3-27.

Sheng Bin, Su Danni, Shao Chaodui. Global value chain, national value chain and economic growth: Substitution or complementarity. The Journal of World Economy, 2020, 43(4): 3-27

[2]
黎峰. 增加值视角下的中国国家价值链分工——基于改进的区域投入产出模型[J]. 中国工业经济, 2016(3): 52-67.

Li Feng. Division of China’s national value chain on the perspective of value-added—Based on the modified regional input-output model. China Industrial Economics, 2016(3): 52-67

[3]
程大中. 中国服务业增长的特点、原因及影响——鲍莫尔·富克斯假说及其经验研究[J]. 中国社会科学, 2004(2): 18-32+204 [Cheng Dazhong. Features‚ causes and effects of service industry growth: Baumol-Fuchs Hypothesis and an empirical study. Social Sciences in China, 2004(2): 18-32+204.]

Cheng Dazhong. Features‚ causes and effects of service industry growth: Baumol-Fuchs Hypothesis and an empirical study. Social Sciences in China, 2004(2): 18-32+204.

[4]
吕云龙, 吕越. 制造业出口服务化与国际竞争力——基于增加值贸易的视角[J]. 国际贸易问题, 2017(5): 25-34.

Lyu Yunlong, Lyu Yue. Servitization of manufacturing export and international competitiveness—Based on the perspective of value added trade. Journal of International Trade, 2017(5): 25-34

[5]
金凤君, 姚作林. 新全球化与中国区域发展战略优化对策[J]. 世界地理研究, 2021, 30(1): 1-11

DOI

Jin Fengjun, Yao Zuolin. New globalization and China’s regional development strategy optimization. World Regional Studies, 2021, 30(1): 1-11

DOI

[6]
Koopman R, Zhi W, Wei S J. Tracing value-added and double counting in gross exports[J]. American Economic Review, 2014, 104(2): 459-494.

[7]
Wang Z, Wei S, Yu X et al. Characterizing global value chains: Production length and upstreamness[R]. Cambridge, England: NBER Working Paper, 2017.

[8]
孙立成, 程发新, 李群. 区域碳排放空间转移特征及其经济溢出效应[J]. 中国人口·资源与环境, 2014, 24(8): 17-23

Sun Licheng, Cheng Faxin, Li Qun. Characteristics and economic spillover effect of the regional carbon emissions transfer, China. Population Resource and Environment, 2014, 24(8): 17-23.

[9]
黄晓东, 杜德斌, 刘承良. 全球跨境并购网络的空间格局演化及形成机制[J]. 地理学报, 2021, 76(10): 2536-2550

DOI

Huang Xiaodong, Du Debin, Liu Chengliang. The evolution process and growth mechanism of global cross-border M&A network. Acta Geographica Sinica, 2021, 76(10): 2536-2550

DOI

[10]
贺灿飞, 任卓然, 王文宇. “双循环”新格局与京津冀高质量协同发展——基于价值链分工和要素流动视角[J]. 地理学报, 2022, 77(6): 1339-1358

DOI

He Canfei, Ren Zhuoran, Wang Wenyun. “Dual circulation” and Beijing-Tianjin-Hebei high-quality coordinated development: From the division in the value chain and factor mobility perspective[J]. Acta Geographica Sinica, 2022, 77(6): 1339-1358

DOI

[11]
Vandermerwe S, Rada J. Servitization of business: Adding value by adding services[J]. European Management Journal, 1988, 6(4): 314-324

DOI

[12]
刘斌, 赵晓斐. 制造业投入服务化、服务贸易壁垒与全球价值链分工[J]. 经济研究, 2020, 55(7): 159-174.

Liu Bin, Zhao Xiaofei. Servitization of manufacturing input, barriers to trade in services and division of the global value chains. Economic Research Journal, 2020, 55(7): 159-174

[13]
张涵嵋. 中国服务业国内价值链对“一带一路”区域价值链的影响研究[J]. 宏观经济研究, 2021(6): 50-61.

Zhang Hanmei. A study on the impact of China’s service industry domestic value chain on the regional value chain of ‘the Belt and Road’. Macroeconomics, 2021(6): 50-61

[14]
刘鹏, 夏炎. 我国各省增加值出口及其价值链嵌入研究——基于全球和国内价值链双视角[J]. 国际贸易问题, 2021(5): 109-126.

Liu Peng, Xia Yan. China’s provinces’ value-added export and embedding in value chains—From the perspective of global value chain and national value chain. Journal of International Trade, 2021(5): 109-126

[15]
李善同, 何建武, 刘云中. 全球价值链视角下中国国内价值链分工测算研究[J]. 管理评论, 2018, 30(5): 9-18.

Li Shantong, He Jianwu, Liu Yunzhong. Research on division of labor of China’sdomestic value chain from the perspective of global value chain. Management Review, 2018, 30(5): 9-18

[16]
黄群慧, 霍景东. 全球制造业服务化水平及其影响因素——基于国际投入产出数据的实证分析[J]. 经济管理, 2014, 36(1): 1-11

Huang Qunhui, Huo Jingdong. The servitization intensity of manufacturing and its influencing factors: Based on the world input-output data analysis. Economic Management, 2014, 36(1): 1-11.

[17]
Jones R W, Kierzkowski H. A framework for fragmentation[J]. New Production Patterns in the World Economy, 2001, 17-34.

[18]
White A L, Stoughton M, Feng L. Servicizing: The quiet transition to extended product responsibility[M]. Boston: Tellus Institute, 1999.

[19]
Reiskin E D, White A L, Johnson J. K. Servicizing the chemical supply chain[J]. Journal of Industrial Ecology, 1999, 3(2-3): 19-31

DOI

[20]
刘斌, 王乃嘉. 制造业投入服务化与企业出口的二元边际——基于中国微观企业数据的经验研究[J]. 中国工业经济, 2016(9): 59-74.

Liu Bin, Wang Naijia. Input servitization of manufacturing and dual margins of firms’ export—An empirical study based on the data of Chinese micro-enterprise. China Industrial Economics, 2016(9): 59-74

[21]
Wamba S F, Gunasekara A, Akter S et al. Big data analytics and firm performance: Effects of dynamic capabilities[J]. Journal of Business Research, 2017, 70(2): 356-365.

[22]
简兆权, 陈键宏, 郑雪云. 网络能力、关系学习对服务创新绩效的影响研究[J]. 管理工程学报, 2014, 28(3): 91-99

DOI

Jian Zhaoquan, Chen Jianhong, Zheng Xueyun. The impact of network competence and relationship learning on service innovation performance. Journal of Industrial Engineering and Engineering Management, 2014, 28(3): 91-99

DOI

[23]
窦大鹏, 匡增杰. 制造业服务化与全球价值链位置提升——基于制造业企业的分析[J]. 国际商务研究, 2022, 13(1): 46-58

DOI

Dou Dapeng, Kuang Zengjie. Servitization of manufacturing and upgrading of global value chain position: An analysis based on manufacturing companies. International Business Research, 2022, 13(1): 46-58

DOI

[24]
陈虹, 王蓓. 生产性服务化对制造业出口技术复杂度提升的影响研究——来自中国的经验分析[J]. 经济问题探索, 2021(9): 117-129.

Chen Hong, Wang Bei. Research on the impact of productive servicization on the increase of technical complexity of manufacturing exports —An empirical analysis from China. Inquiry Into Economic Issues, 2021(9): 117-129

[25]
李平, 张静婷, 王春晖. 生产性服务进口技术复杂度与企业生产率: 来自制造业上市公司的微观证据[J]. 世界经济研究, 2022(2): 104-136.

Li Ping, Zhang Jingting, Wang Chunhui. Technological sophistication of the import of producer services and firm productivity: Microscopic evidence from listed manufacturing firms. World Economy Studies, 2022(2): 104-136

[26]
国家统计局, 科学技术部. 中国科技统计年鉴[M]. 2013, 2016, 2018. 北京:中国统计出版社, 2013, 2016, 2018

National Bureau of Statistics, Ministry of Science and Technology. China statistical yearbook on science and technology. 2013, 2016, 2018. Beijing: China Statistics Press, 2013, 2016, 2018.

[27]
国家统计局,工业统计司.中国工业统计年鉴[M]. 2013, 2016. 北京: 中国统计出版社, 2013, 2016

National Bureau of Statistics, Department of Industrial Statistics. China industry statistical yearbook. 2013, 2016. Beijing: China Statistics Press, 2013, 2016.

[28]
国家统计局.中国统计年鉴2018[M]. 北京: 中国统计出版社, 2018

National Bureau of Statistics. China statistical yearbook 2018. Beijing:China Statistics Press, 2018.

[29]
陈虹, 王蓓. 生产性服务业进口技术复杂度对制造业出口质量的影响研究[J]. 国际贸易问题, 2020(9): 97-112.

Chen Hong, Wang Bei. Influence of technology complexity in producer service imports on the quality of manufacturing exports. Journal of International Trade, 2020(9): 97-112

[30]
余泳泽, 刘大勇, 宣烨. 生产性服务业集聚对制造业生产效率的外溢效应及其衰减边界——基于空间计量模型的实证分析[J]. 金融研究, 2016(2): 23-36.

Yu Yongze, Liu Dayong, Xuan Ye. The spatial spillover effect and regional damping boundary of productive services agglomeration on manufacturing productivity—Empirical research based on spatial econometric model. Journal of Financial Research, 2016(2): 23-36

[31]
潘文卿, 李跟强. 中国制造业国家价值链存在“微笑曲线”吗?——基于供给与需求双重视角[J]. 管理评论, 2018, 30(5): 19-28.

Pan Wenqing, Li Genqiang. Do the smile curves exist along the national value chains of Chinese manufacturing industries? A dual perspective of supply and demand linkages. Management Review, 2018, 30(5): 19-28

[32]
蔡海亚, 徐盈之. 贸易开放是否影响了中国产业结构升级?[J]. 数量经济技术经济研究, 2017, 34(10): 3-22.

Cai Haiya, Xu Yingzhi. Does trade openness affect the upgrading of China’s industrial structure. The Journal of Quantitative& Technical Economic, 2017, 34(10): 3-22

[33]
张陈宇, 孙浦阳, 谢娟娟. 生产链位置是否影响创新模式选择——基于微观角度的理论与实证[J]. 管理世界, 2020, 36(1): 45-59+233

DOI

Zhang Chenyu, Sun Puyang, Xie Juanjuan. Does the position of the production chain affect the choice of innovation modes? Theory and evidence based on micro perspective. Management World, 2020, 36(1): 45-59+233

DOI

Options
文章导航

/

〈 〉