论文部分内容阅读
内容提要：服务化是促进我国装备制造业转型升级的重要途径，其运行受到政府科技政策重要影响。本文在分析科技政策对我国装备制造业服务化作用机理的基础上，结合2011-2018年装备制造业面板数据，运用DEA-Tobit方法，测算我国装备制造业服务化科技政策效率，实证研究服务化科技政策效率影响因素。研究结果表明：整体来看，我国装备制造业服务化科技政策纯技术效率有效，但部分年份的综合效率无效;分不同行业看，服务化科技政策效率存在行业异质性。高层管理者水平和市场规模对装备制造业服务化科技政策效率有显著正向影响，政府R&D经费支出强度和服务经济水平有显著负向影响，技术传播与扩散能力对科技政策效率的影响没有显著性。
关键词：服务化;科技政策;效率;影响因素;DEA-Tobit
中图分类号：F426 文献标识码：A 文章编号：1001-148X（2020）07-0046-08
一、引言与文献综述
近年来，“产品-服务包”的服务化模式[1]在制造业领域得到不断发展，已成为解决制造业转型升级的重要途径。装备制造业作为制造业的核心部分，具有强大的产业带动作用和经济拉动作用，作为技术密集型和知识密集型产业，装备制造业服务化转型过程中对知识和技术的要求极高，需要大量的服务创新和技术进步作为服务化转型的支撑，这就要求有充足的科技资金、人才等科技资源。科技政策是由一国或地方政府机构为促进经济社会发展，基于社会需求在不同阶段制定颁布的，一系列用于规制和激励全社会从事知识发现、积累，及应用于技术创新行为的政策集合，通过财政、金融、税收、教育和产业政策等措施发挥作用[2]。装备制造业服务化科技政策为满足产业服务化发展需求，促进服务化顺利开展提供重要资源及环境保障。尤其是在我国市场机制尚未健全的情况下，有效的科技政策引导、支持更显得至关重要。但科技政策如何作用于装备制造业服务化发展过程？服务化科技政策的效率如何？其效率又受到哪些因素的影响？对这一系列问题的科学认识有利于更好地发挥科技政策作用，促进装备制造业服务化发展，亟待理论界对此做出回答。
国内外学者关于服务化政策的研究主要集中在讨论政策的有效性、政策效果及政策建议等方面。如张昊等（2020）[3]对装备制造业与生产性服务业互动融合财政政策有效性进行了仿真研究，研究认为政府科技投入政策无效。聂飞（2020）[4]的研究指出产业政策能够有效地促进制造业服务化。高洋和宋宇（2019）[5]研究发现生产性服务业集聚对区域制造业的技术创新具有重要影响。肖德和侯佳宁（2019）[6]则提出通过加大制造业企业服务化转型的政策扶持力度， 促进制造业与服务业深度融合的服务化政策建议。还有学者研究发现科技政策能够通过作用于服务业发展、提升企业创新绩效、促进产业融合进而促进服务化[7-9]。
关于科技政策评价，国内外学者形成了较为丰富的研究体系，政策评价指标方面，多从创新维度、投入产出维度等设计科技政策评价指标体系[10-11];评价方法方面，则形成了以DEA数据包络分析、集对分析方法、CGE模型、SD模型等为代表的定性、定量的科技政策评价模型及方法[12-14]。在进一步地对效率影响因素的实证研究中，由于效率值在0-1之间，相当于自变量只能以受限制方式被观测，一般回归方程受到约束，而Tobit回归模型能够很好地解决该问题，因此，学者多选择Tobit回归模型对效率的影响因素进行实证研究[15-17]。
虽然学者对服务化政策进行了多角度研究，但是鲜有对服务化科技政策以及服务化科技政策效率的研究。本文通过阐释科技政策对装备制造业服务化的作用机理，构建多维度装备制造业服务化科技政策效率评价指标体系，在此基础上，运用DEA-Tobit方法测算我国装备制造业服务化科技政策效率，实证研究服务化科技政策效率的影响因素，以期为提升政府科技政策效率、促进装备制造业服务化转型升级提供理论依据。
二、科技政策对装备制造业服务化的作用机理
服务创新和技术进步是装备制造业服务化的重要支撑。科技政策通过注入科技资金、科技人才等要素，通过营造良好科技环境，为装备制造业服务化各方面主体提供科技资源和动力，进而提升装备制造业及相关产业的创新能力，促进装备制造业及相关创新主体的服务创新和技术进步，支持装备制造业顺利实现服务化转型升级。科技政策对我国装备制造业服务化的作用通过直接和间接作用体现，直接作用即科技政策直接作用于装备制造业本身进而促进其服务化转型，间接作用指科技政策通过作用于服务业（尤其是生产性服务业）等高新技术产业及其他创新主体进而促进其服务化转型。在科技政策对装备制造业服务化直接作用过程中，科技资金和科技人才等科技资源通过有效途径直接输入到装备制造业中，增加了装备制造业可利用资本并提升装备制造业整体人才素质，装备制造业通过对科技资源的整合和配置，有效促进其产品创新和工艺流程创新[18]，进而极大地拓展服务要素可嵌入空间，围绕装备产品和工艺流程的服务要素更容易嵌入装备制造业，服务化则更容易发生。
在科技政策对装备制造业服务化间接作用过程中，科技政策作用的主体是由服务业（尤其是生产性服务业）等相关高新技术产业及其他创新主体形成的外部系统。首先，通过科技政策作用，系统中生产性服务业等创新主体在互联网、大数据、人工智能等技术方面的创新，为装备制造业提供更高端、附加值更高的生产服务要素[19]，进而更好地提高装备制造业在研发、個性设计、售后咨询等方面的服务化能力。其次，由于政策的引导性，科技政策的倾向性投入会引起广泛的社会效应，使得更多社会资源聚集到某一领域，进而极大促进该领域创新技术快速发展和应用，在共享经济背景下，创新技术的社会化广泛应用使得装备制造业外部交易费用低于内部整合成本[20]，此时，会吸引装备制造业选择外包技术服务以提升自身产品差异性或提高产品知识技术含量，服务化在更大范围内开展。最后，有效的科技政策能够营造良好的科技环境，形成更低的技术流通壁垒和交易成本，有利于知识、技术以及人才的传播、扩散以及创新成果在各领域的转化和应用。在更加开放的科技环境中，装备制造业与生产性服务业等高新技术产业及其他创新主体的互动融合更容易发生[21-22]，进而促进装备制造业服务化转型。综上，科技政策对装备制造业服务化的作用机理如图1所示。 基于上述两种方法模型的优点，本文利用DEA-Tobit两阶段法测算装备制造业服务化科技政策效率，实证服务化科技政策效率影响因素。
（二）指标设计
1. 装备制造业服务化科技政策DEA投入指标
在DEA评价模型当中，首先要确定装备制造业服务化科技政策DEA投入指标，参考章刚勇（2018）[2]对科技政策的解读以及冯锋和汪良兵（2011）[23]，张永安等（2018）[24]学者构建的科技政策绩效评价指标体系，本文构建包括科技人才、科技资金、科技环境三个层面的服务化科技政策DEA投入指标。对于科技人才政策投入指标的选择，本文选取R&D人员全时当量反映科技人才投入情况。对于科技资金投入指标的选择，政府可以通过财政科技拨款引领和支持装备制造业服务化的发展，因此，本文选择财政科技拨款来表示科技资金投入情况。对于科技环境指标的选择，本文采用科研机构数来表示，科研机构情况直接影响技术进步和创新水平，有利于装备制造业服务化进程。
2. 装备制造业服务化科技政策DEA产出指标
服务化科技政策DEA产出指标方面，参考胡查平等（2014）[25]、李靖华等（2015）[26]的研究，本文构建包括创新产品、产业结构、服务化水平三个层面的服务化科技政策DEA产出指标。第一，创新产品方面，由上文机理分析可知，科技政策通过直接和间接两种方式影响装备制造业服务化发展，其中，促进装备制造业在产品和工艺流程方面不断创新，以及提高生产性服务业等创新主体的创新能力是重要途径，装备制造业和生产性服务业等创新主体的有效发明专利数和新产品开发项目数越多，表明科技政策越能促进服务化更好实施，因此，采用有效发明专利数和新产品开发项目数表示创新产品情况;第二，产业结构方面，Humphrey和Schmitz认为流程升级、产品升级、功能升级、部门间升级是产业结构升级的四个层次，而科技政策之于装备制造业服务化正是通过优化其各增值环节流程、促进产品、服务功能创新和升级，同时有利于其组织架构的优化重组，进而促进装备制造业产业结构升级。因此，装备制造业产业结构情况能够在一定程度上反映装备制造业服务化科技政策产出情况。本文用装备制造业销售额占工业总产值比例及装备制造业企业个数占工业企业总个数的比值反映装备制造业产业结构升级效果;第三，服务化水平方面，科技政策作用最直观的产出指标为装备制造业服务化发展水平，服务化发展水平越高，说明科技政策对装备制造业服务化的作用效果越明显，理论上讲，可以利用投入产出法测算服务化水平，也有利用企业主营业务收入外利润或新产品销售收入作为服务化水平衡量依据[27-28]，本文综合考虑到数据的可获得性，利用新产品销售收入来衡量服务化水平。综上分析，本文得出DEA投入产出指标如表1所示。
四、实证研究
（一） DEA效率评价
本文以装备制造业服务化科技政策为对象进行实证研究，基于DEA模型测算2010-2017年间我国装备制造业服务化科技政策效率，進一步地运用Tobit方法对服务化科技政策效率影响因素进行研究。数据来源于2011-2018年《中国统计年鉴》《中国科技统计年鉴》《中国工业统计年鉴》《中国第三产业统计年鉴》，部分数据根据年鉴中数据推算得到。
1.按年份计算装备制造业服务化科技政策效率
在分析装备制造业服务化科技政策效率之前，首先明确各DEA效率值在本文研究中的意义。首先，纯技术效率是指在规模收益不变的情况下，当前的投入资源利用情况，纯技术效率有效说明当前的投入资源利用已经达到最佳。即无论怎样增加投入，产出也不会随之增加，也就是当前的产出水平所需要的投入量已经是最低量，不能通过增加装备制造业服务化科技政策在科技资金、科技人才和科技环境方面投入，来提高装备制造业服务化产出水平;其次，规模效率是指在装备制造业服务化科技政策投入水平不变的情况下，装备制造业服务化现有规模所能达到的产出情况。规模效率有效，说明现有规模所能达到的产出最大，即再扩大或缩小规模都会造成装备制造业服务化科技政策效率的降低;最后，综合效率是综合两种效率情况的综合效率值。基于以上效率值意义的界定，对表中测算结果进行分析如下：
第一，我国装备制造业服务化科技政策综合效率8年中有7年是非DEA有效的，这说明虽然近些年我国出台了一系列科技政策鼓励装备制造业服务化发展，但政策的综合效果并没有达到预期。通过图2可以看到，我国装备制造业服务化科技政策综合效率不高与纯技术效率关系不大，主要是由规模效率不高引起。但从趋势看，装备制造业服务化科技政策综合效率值是在逐年上升的，说明装备制造业服务化科技政策综合投入和产出情况在逐步好转。
第二，我国装备制造业服务化科技政策纯技术效率8年中有7年是DEA有效的，只有2016年存在非DEA有效情况，这说明我国科技政策纯技术效率整体有效，即在规模既定的情况下，我国政府科技政策对科技资源投入的规划和预算整体是合理的，能够很好地满足装备制造业服务化对科技资源的需求。
第三，在纯技术效率普遍有效的情况下，我国装备制造业服务化并没有实现生产函数上的最优规模，这说明我国装备制造业服务化规模不合理，由于规模原因使得各类资源的利用程度不高，导致我国装备制造业服务化的科技政策规模效率不高。这可以从多方面寻找答案，首先，在我国，装备制造业作为服务化的主体，服务意识普遍不足，与生产性服务业的融合度同发达国家也有较大差距，严重阻碍了装备制造业服务化规模，致使装备制造业服务化科技政策规模效率偏低。另外，目前我国整体服务经济水平不高，其中典型现象是以生产性服务业为代表的装备制造业服务配套环节不够完善，这使得装备制造业服务化得不到技术含量更高、附加值更高的服务要素的支持，进而阻碍装备制造业服务化规模的扩大，导致装备制造业服务化科技政策规模效率偏低。但从发展趋势看，装备制造业服务化规模效率值在逐年上升，说明装备制造业服务化规模在逐渐达到“前沿面”位置，效率在不断上升。 2.按行业计算装备制造业服务化科技政策效率
我国装备制造业包括金属制品业、通用设备制造业等7个行业分类，在国民经济行业划分（GB/T 4754-2017）中，对应的行业代码是C33、C34、C35、C36-C37、C38、C39、C40。本文对不同装备制造行业服务化科技政策效率进行测度，如表2所示。
由表2可知，对于我国装备制造业行业C33金属制品业、C38电气机械及器材制造业、C39通信设备、计算机及其他电子设备制造业而言，无论服务化科技政策综合效率、纯技术效率还是规模效率均有效，说明2010-2017八年间，以上几类装备制造行业服务化科技政策投入和服务化规模均是有效的。而对于C34通用设备制造业、C35专用设备制造业、C36-37交通运输设备制造业及C40仪器仪表及文化办公用机械制造业而言，其综合效率在2010-2017八年间均存在非DEA有效状态。随着时间的推移，C35专用设备制造业和C40仪器仪表及文化办公用机械制造业服务化科技政策综合效率、纯技术效率和规模效率均呈现DEA 有效状态，说明这两类装备制造业服务化科技政策投入产出水平变得越来越合理。而对于C34通用设备制造业和C36-37交通运输设备制造业而言，其服务化科技政策综合效率在2015-2017三年间表现出非DEA有效状态，由表分析可知，两类装备制造行业服务化科技政策规模效率非DEA有效是引起综合效率非DEA有效的主要原因，说明装备制造业服务化规模并未达到合理的状态，致使其服务化科技政策规模效率非DEA有效，进而使得装备制造业服务化科技政策综合效率非DEA有效。C34通用设备制造业和C36-37交通运输设备制造业企业应加强服务化意识，扩大服务化规模，促进企业服务化转型升级以提升装备制造业服务化科技政策规模效率进而提升服务化科技政策的综合效率。
（二）装备制造业服务化科技政策效率影响因素分析
基于上文对装备制造业服务化科技政策作用机理的分析，可以归纳服务化科技政策受政策主体、政策受体和政策环境三方面因素影响。政策主体方面，作为政策制定的主体，政府制定科技政策是为了更好地促进装备制造业服务化转型，政府对科学技术的重视程度在根本上决定着科技政策的投入力度和对科技资源的管理强度，政府越重视科学技术，就越会在科技政策的制定、实施、监督和评价反馈等一系列环节中投入精力，以提升政策效率。政策受体方面，一是装备制造业作为科技政策的接受者，其高层管理者对服务的认知能力和判断力在一定程度代表着装备制造业对服务化转型的态度，高层管理者越倾向于服务化转型，装备制造业对服务化资源的整合意愿越强烈，就越会对科技政策积极支持、对科技资源不断整合[29]，影响科技政策的效率。二是生产性服务业等高新技术产业及其他创新主体构成的外部系统作为重要参与者和受益者，其市场规模同样能够影响科技政策的效率，一般认为，市场规模越大，竞争越激烈，产品和服务同质化现象越严重，更需要科技资源对技术、人才等方面的支撐以促进创新服务出现。另外，环境因素在科技政策实施过程中的巨大作用同样不可忽视，如整体服务经济水平，技术的传播与扩散能力都可能通过影响服务化进而影响科技政策效率。综上，考虑数据的科学性、客观性、合理性和可获得性原则，本文构建装备制造业服务化科技政策效率影响因素指标如表3所示。
由表4可知，科技政策效率同管理人员水平、市场规模、服务化水平及技术传播与扩散呈显著正相关（r=0.756，p<0.05;r=0.932，p<0.01;0.856，p<0.01;r=0.889，p<0.01），科技政策效率同政府R&D经费支出强度呈显著负相关（r=-0.756，p<0.05）。变量具有显著相关性，符合Tobit回归分析条件，回归分析结果如表5所示。
由表5分析结果可知，我国科技政策对装备制造业服务化的作用效率受产业层面因素即高层管理者水平和市场规模显著正向影响。其中高层管理者水平对科技政策效率的影响最大，高层管理者作为企业战略转型的策划者和发起者[30]，其服务化战略决策会驱使整个组织向服务化转型，整合各方资源促使服务化转型的成功，这其中就包括对政府科技资源的整合和利用，因此，高层管理者水平能够显著影响科技政策的作用效率，管理者管理水平越高，对政府科技资源的整合和利用效率越高。市场规模同样对科技政策效率呈正向影响，市场规模越大，竞争越激烈，各创新主体对科技资源的需求越强烈，对有限的科技资源的利用效率也会提升。
政府R&D经费支出强度和服务经济水平对我国装备制造业服务化科技政策有负向影响作用。政府R&D经费支出在一定范围内越多越能够对装备制造业服务化起到促进作用，然而政府R&D经费支出强度体现的是政府在R&D活动中的地位，在装备制造业R&D活动中，应该由市场主导服务化发展进程，政府的过多干预不仅不能提升企业的服务化意识，反而可能会使装备制造业企业丧失服务化活力。同时，政府R&D经费支出强度越高会导致装备制造业企业过度依赖政府科技政策的投入而不去从企业自身和市场发掘可合作和可利用的资源，阻碍装备制造业与其他产业的互动和融合作用，间接抑制了市场对装备制造业服务化的作用。
技术传播与扩散能力对科技政策效率的影响并不显著，理论上，科技政策通过影响知识存量、技术进步和创新作用于装备制造业服务化，促进我国装备制造业服务化转型，技术传播与扩散能力越强，越应该能够促进科技政策的利用效率。实证出现这种结果的一个可能原因是我国各创新主体之间基于自身利益各自为战，技术传播和扩散效应并不显著，无法形成知识、技术有效流通，科技资源的利用无法形成规模效应，因此，我国应该加强并完善市场机制，降低知识和技术的流通壁垒，倡导产业集聚和产业联盟的搭建，促使创新主体各方基于知识和技术的沟通合作，发挥科技资源的规模效应。 五、结论及政策建议
本文揭示了科技政策对装备制造业服务化的作用机理，基于DEA-Tobit两阶段模型，对我国装备制造业服务化科技政策效率进行测算分析，对服务化科技政策效率的影响因素进行实证分析，得到如下结论：
（1）科技政策对我国装备制造业服务化的作用机理通过直接和间接两个途径体现，直接作用体现为科技政策直接作用于装备制造业，通过科技资金、人才投入，促进装备制造业产品创新及工艺流程创新，进而拓展装备制造业服务要素可嵌入空间，促进装备制造业服务化转型。另一方面，科技政策通过作用于生产性服务业等高新技术产业及其他创新主体，促进高新技术产业的技术创新和生产性服务业提供高端中间生产要素，形成专业化和规范化服务，降低外部交易成本，通过创新知识和技术的扩散和传播以及装备制造业与其他创新主体的互动融合，向装备制造业输入高价值生产和服务要素，進而间接促进装备制造业服务化。
（2）我国装备制造业服务化科技政策纯技术效率整体有效，部分年份综合效率和规模效率非DEA有效，但从趋势看，二者呈上升态势。不同行业来看，除通用设备制造业、交通运输设备制造业服务化科技政策综合效率非DEA有效外，其他装备制造行业服务化科技政策综合效率均有效，而通用设备制造业和交通运输设备制造业服务化科技政策综合效率非DEA有效主要由规模效率非DEA有效引起。
（3）我国装备制造业服务化科技政策效率受到多方面因素影响，其中高层管理者水平和市场规模显著正向影响我国装备制造业服务化科技政策效率。而政府R&D经费支出强度和服务经济水平对我国装备制造业服务化科技政策效率呈显著负向影响，这主要是由于政府科技政策过度主导装备制造业服务化的发展会使企业过分依赖政府作用，失去企业自身的活力，阻碍装备制造业与相关产业的资金和技术上的互动交流，抑制服务化发展。技术传播与扩散能力对科技政策效率的影响没有显著性。
据此，本文提出如下建议：第一，虽然实证结果显示我国装备制造业服务化科技政策纯技术效率整体有效，即整体投入水平合理，但随着装备制造业服务化趋势越来越明显，服务化规模在不断扩大，作为科技政策制定和实施主体，各级政府要进一步扩大科技政策的相关投入以适应创新主体对于技术创新和知识存量的需求，制定相关科技成果转换政策，促进科技成果商业化;引导构建装备制造业服务化联盟，发挥联盟内知识传播和扩散效应、最大化形成科技资源的规模效应;引导装备制造业等相关产业利用自身优势积极整合各类科技资源，提高市场活力。同时，政府制定相关配套政策推进我国服务经济发展，尤其是生产性服务业的发展，以给予装备制造业服务化转型升级足够支撑。第二，作为科技政策制定和实施的受体，装备制造业高层管理者应不断提升自身水平，敏锐把握服务化大趋势，改变固有思维，提高服务化意识;要进一步加大自身对服务化转型的相关投入，促进企业创新与研发能力，塑造企业核心竞争力，积极参与和生产性服务业的互动融合，提升产品服务附加值。第三，作为科技政策的利益相关者，生产性服务业等相关高新技术产业及其他创新主体应利用政策红利，扩大市场规模。积极提升自身专业化和创新水平，提高员工服务意识，形成核心优势。同时，积极主动与装备制造业进行互动融合，在互动融合过程中培养装备制造业需求，提高自身专业化技术、服务产品差异化和高级化能力。
参考文献：
[1] VanDermerwe， Sand Rada， J. Servitization of Business： Adding Value by Services [J]. European Management journal，1988，6（2）：10-19.
[2] 章刚勇. 基于大数据的中国科技政策体系研究：理论与实践[J]. 中国软科学，2018，33（6）：172-180.
[3] 张昊，徐建中，刘晶磊.装备制造业与生产性服务业互动融合财政政策有效性研究[J].商业研究，2020（4）：103-110.
[4] 聂飞.制造业服务化抑或空心化——产业政策的去工业化效应研究[J].经济学家，2020，32（5）：46-57.
[5] 高洋，宋宇.生产性服务业集聚对区域制造业技术进步的影响[J].统计与信息论坛，2018（4）：75-84.
[6] 肖德，侯佳宁.中国制造业升级动能转换的路径研究[J].理论探讨，2019（1）：88-95.
[7] 李春梅.中国制造业发展质量的评价及其影响因素分析——来自制造业行业面板数据的实证[J].经济问题，2019（8）：44-53.
[8] 夏杰长，肖宇. 生产性服务业：发展态势、存在的问题及高质量发展政策思路[J].北京工商大学学报：社会科学版，2019（4）：21-34.
[9] 杨立卓.新常态背景下国际投资对我国制造业转型升级的影响[J].江西社会科学，2018（12）：67-79.
[10]张炜，费小燕，肖云，等. 基于多维度评价模型的区域创新政策评估——以江浙沪三省为例[J]. 科研管理，2016，37（S1）：614-622.
[11]杨华，张博. 基于模糊理论的吉林省科技政策实施效果评价模型研究[J]. 现代情报，2010，30（4）：138-140.
[12]聂鹏，王向. 协同创新视角下环渤海区域科技政策绩效优化研究[J]. 经济问题探索，2013，34（3）：69-72.
[13]张凌，王为. 基于集对分析的黑龙江省技术创新政策效果评价[J]. 科技进步与对策，2008，25（2）：119-122.
[14]Kwont H. Strategic niche management of alternative fuel vehicles： A system dynamics model of the policy effect. Technological Forecasting & Social Change， 2012，79（9）：1672-1680. [15]樊霞，赵丹萍，何悦. 企业产学研合作的创新效率及其影响因素研究[J]. 科研管理，2012，33（2）：33-39.
[16]Oumarou Boubacar， Zhou Huiqiu， Muhammad Abdullah Rana， Sidra Ghazanfar. Analysis on Technical Efficiency of Rice Farms and Its Influencing Factors in South-western of Niger[J]. Journal of Northeast Agricultural University （English edition），2016，23（4）.
[17]Borozan D. Technical and total factor energy efficiency of European regions： A two-stage approach[J]. Energy， 2018，152（JUN.1）：521-532.
[18]王莉靜，王庆玲. 高技术产业技术引进消化吸收再创新分阶段投入与产出关系研究——基于分行业数据的实证研究[J].中国软科学，2019，34（1）：184-192.
[19]吴远仁，李淑燕. 高端服务业的空间分布、空间溢出及对工业升级的影响[J]. 商业研究，2019（3）：53-62.
[20]孙凯，王振飞，鄢章华. 共享经济商业模式的分类和理论模型——基于三个典型案例的研究[J]. 管理评论，2019，31（7）：97-109.
[21]綦良群，李庆雪. 装备制造业与生产性服务业互动融合发展研究[J]. 学习与探索，2016，38（11）：99-103.
[22]高智，鲁志国. 装备制造业与高技术服务业融合发展对提升全要素生产率的影响[J]. 商业研究，2019（7）：42-49.
[23]冯锋，汪良兵. 协同创新视角下的区域科技创新政策绩效提升研究—基于泛长三角区域的实证分析[J]. 科学学与科学技术管理，2011，32（12）：109-115.
[24]张永安，郄海拓，颜斌斌. 基于两阶段DEA模型的区域创新投入产出评价及科技创新政策绩效提升路径研究——基于科技创新政策情报的分析[J]. 情报杂志，2018，37（1）：198-207.
[25]胡查平，汪涛，王辉. 制造业企业服务化绩效—战略一致性和社会技术能力的调节效应研究[J]. 科学学研究，2014，32（1）：84-91
[26]李靖华，马丽亚，黄秋波. 我国制造企业“服务化困境”的实证分析[J]. 科学学与科学技术管理，2015，36（6）：36-45.
[27]肖挺，聂群华，刘华. 制造业服务化对企业绩效的影响研究：基于我国制造企业的经验证据[J]. 科学学与科学技术管理，2014，35（4）：154-162.
[28]刘斌，魏倩，吕越，祝坤福. 制造业服务化与价值链升级[J]. 经济研究，2016，51（3）：151-162.
[29]綦良群，张昊，汤利蒙. 制造企业价值链整合效果影响因素研究[J]. 中国软科学，2017，32（8）：133-143.
[30]孙凯，刘祥，谢波. 高管团队特征、薪酬差距与创业企业绩效[J]. 科研管理，2019，40（2）：116-125.
关键词：服务化;科技政策;效率;影响因素;DEA-Tobit
中图分类号：F426 文献标识码：A 文章编号：1001-148X（2020）07-0046-08
一、引言与文献综述
近年来，“产品-服务包”的服务化模式[1]在制造业领域得到不断发展，已成为解决制造业转型升级的重要途径。装备制造业作为制造业的核心部分，具有强大的产业带动作用和经济拉动作用，作为技术密集型和知识密集型产业，装备制造业服务化转型过程中对知识和技术的要求极高，需要大量的服务创新和技术进步作为服务化转型的支撑，这就要求有充足的科技资金、人才等科技资源。科技政策是由一国或地方政府机构为促进经济社会发展，基于社会需求在不同阶段制定颁布的，一系列用于规制和激励全社会从事知识发现、积累，及应用于技术创新行为的政策集合，通过财政、金融、税收、教育和产业政策等措施发挥作用[2]。装备制造业服务化科技政策为满足产业服务化发展需求，促进服务化顺利开展提供重要资源及环境保障。尤其是在我国市场机制尚未健全的情况下，有效的科技政策引导、支持更显得至关重要。但科技政策如何作用于装备制造业服务化发展过程？服务化科技政策的效率如何？其效率又受到哪些因素的影响？对这一系列问题的科学认识有利于更好地发挥科技政策作用，促进装备制造业服务化发展，亟待理论界对此做出回答。
国内外学者关于服务化政策的研究主要集中在讨论政策的有效性、政策效果及政策建议等方面。如张昊等（2020）[3]对装备制造业与生产性服务业互动融合财政政策有效性进行了仿真研究，研究认为政府科技投入政策无效。聂飞（2020）[4]的研究指出产业政策能够有效地促进制造业服务化。高洋和宋宇（2019）[5]研究发现生产性服务业集聚对区域制造业的技术创新具有重要影响。肖德和侯佳宁（2019）[6]则提出通过加大制造业企业服务化转型的政策扶持力度， 促进制造业与服务业深度融合的服务化政策建议。还有学者研究发现科技政策能够通过作用于服务业发展、提升企业创新绩效、促进产业融合进而促进服务化[7-9]。
关于科技政策评价，国内外学者形成了较为丰富的研究体系，政策评价指标方面，多从创新维度、投入产出维度等设计科技政策评价指标体系[10-11];评价方法方面，则形成了以DEA数据包络分析、集对分析方法、CGE模型、SD模型等为代表的定性、定量的科技政策评价模型及方法[12-14]。在进一步地对效率影响因素的实证研究中，由于效率值在0-1之间，相当于自变量只能以受限制方式被观测，一般回归方程受到约束，而Tobit回归模型能够很好地解决该问题，因此，学者多选择Tobit回归模型对效率的影响因素进行实证研究[15-17]。
虽然学者对服务化政策进行了多角度研究，但是鲜有对服务化科技政策以及服务化科技政策效率的研究。本文通过阐释科技政策对装备制造业服务化的作用机理，构建多维度装备制造业服务化科技政策效率评价指标体系，在此基础上，运用DEA-Tobit方法测算我国装备制造业服务化科技政策效率，实证研究服务化科技政策效率的影响因素，以期为提升政府科技政策效率、促进装备制造业服务化转型升级提供理论依据。
二、科技政策对装备制造业服务化的作用机理
服务创新和技术进步是装备制造业服务化的重要支撑。科技政策通过注入科技资金、科技人才等要素，通过营造良好科技环境，为装备制造业服务化各方面主体提供科技资源和动力，进而提升装备制造业及相关产业的创新能力，促进装备制造业及相关创新主体的服务创新和技术进步，支持装备制造业顺利实现服务化转型升级。科技政策对我国装备制造业服务化的作用通过直接和间接作用体现，直接作用即科技政策直接作用于装备制造业本身进而促进其服务化转型，间接作用指科技政策通过作用于服务业（尤其是生产性服务业）等高新技术产业及其他创新主体进而促进其服务化转型。在科技政策对装备制造业服务化直接作用过程中，科技资金和科技人才等科技资源通过有效途径直接输入到装备制造业中，增加了装备制造业可利用资本并提升装备制造业整体人才素质，装备制造业通过对科技资源的整合和配置，有效促进其产品创新和工艺流程创新[18]，进而极大地拓展服务要素可嵌入空间，围绕装备产品和工艺流程的服务要素更容易嵌入装备制造业，服务化则更容易发生。
在科技政策对装备制造业服务化间接作用过程中，科技政策作用的主体是由服务业（尤其是生产性服务业）等相关高新技术产业及其他创新主体形成的外部系统。首先，通过科技政策作用，系统中生产性服务业等创新主体在互联网、大数据、人工智能等技术方面的创新，为装备制造业提供更高端、附加值更高的生产服务要素[19]，进而更好地提高装备制造业在研发、個性设计、售后咨询等方面的服务化能力。其次，由于政策的引导性，科技政策的倾向性投入会引起广泛的社会效应，使得更多社会资源聚集到某一领域，进而极大促进该领域创新技术快速发展和应用，在共享经济背景下，创新技术的社会化广泛应用使得装备制造业外部交易费用低于内部整合成本[20]，此时，会吸引装备制造业选择外包技术服务以提升自身产品差异性或提高产品知识技术含量，服务化在更大范围内开展。最后，有效的科技政策能够营造良好的科技环境，形成更低的技术流通壁垒和交易成本，有利于知识、技术以及人才的传播、扩散以及创新成果在各领域的转化和应用。在更加开放的科技环境中，装备制造业与生产性服务业等高新技术产业及其他创新主体的互动融合更容易发生[21-22]，进而促进装备制造业服务化转型。综上，科技政策对装备制造业服务化的作用机理如图1所示。 基于上述两种方法模型的优点，本文利用DEA-Tobit两阶段法测算装备制造业服务化科技政策效率，实证服务化科技政策效率影响因素。
（二）指标设计
1. 装备制造业服务化科技政策DEA投入指标
在DEA评价模型当中，首先要确定装备制造业服务化科技政策DEA投入指标，参考章刚勇（2018）[2]对科技政策的解读以及冯锋和汪良兵（2011）[23]，张永安等（2018）[24]学者构建的科技政策绩效评价指标体系，本文构建包括科技人才、科技资金、科技环境三个层面的服务化科技政策DEA投入指标。对于科技人才政策投入指标的选择，本文选取R&D人员全时当量反映科技人才投入情况。对于科技资金投入指标的选择，政府可以通过财政科技拨款引领和支持装备制造业服务化的发展，因此，本文选择财政科技拨款来表示科技资金投入情况。对于科技环境指标的选择，本文采用科研机构数来表示，科研机构情况直接影响技术进步和创新水平，有利于装备制造业服务化进程。
2. 装备制造业服务化科技政策DEA产出指标
服务化科技政策DEA产出指标方面，参考胡查平等（2014）[25]、李靖华等（2015）[26]的研究，本文构建包括创新产品、产业结构、服务化水平三个层面的服务化科技政策DEA产出指标。第一，创新产品方面，由上文机理分析可知，科技政策通过直接和间接两种方式影响装备制造业服务化发展，其中，促进装备制造业在产品和工艺流程方面不断创新，以及提高生产性服务业等创新主体的创新能力是重要途径，装备制造业和生产性服务业等创新主体的有效发明专利数和新产品开发项目数越多，表明科技政策越能促进服务化更好实施，因此，采用有效发明专利数和新产品开发项目数表示创新产品情况;第二，产业结构方面，Humphrey和Schmitz认为流程升级、产品升级、功能升级、部门间升级是产业结构升级的四个层次，而科技政策之于装备制造业服务化正是通过优化其各增值环节流程、促进产品、服务功能创新和升级，同时有利于其组织架构的优化重组，进而促进装备制造业产业结构升级。因此，装备制造业产业结构情况能够在一定程度上反映装备制造业服务化科技政策产出情况。本文用装备制造业销售额占工业总产值比例及装备制造业企业个数占工业企业总个数的比值反映装备制造业产业结构升级效果;第三，服务化水平方面，科技政策作用最直观的产出指标为装备制造业服务化发展水平，服务化发展水平越高，说明科技政策对装备制造业服务化的作用效果越明显，理论上讲，可以利用投入产出法测算服务化水平，也有利用企业主营业务收入外利润或新产品销售收入作为服务化水平衡量依据[27-28]，本文综合考虑到数据的可获得性，利用新产品销售收入来衡量服务化水平。综上分析，本文得出DEA投入产出指标如表1所示。
四、实证研究
（一） DEA效率评价
本文以装备制造业服务化科技政策为对象进行实证研究，基于DEA模型测算2010-2017年间我国装备制造业服务化科技政策效率，進一步地运用Tobit方法对服务化科技政策效率影响因素进行研究。数据来源于2011-2018年《中国统计年鉴》《中国科技统计年鉴》《中国工业统计年鉴》《中国第三产业统计年鉴》，部分数据根据年鉴中数据推算得到。
1.按年份计算装备制造业服务化科技政策效率
在分析装备制造业服务化科技政策效率之前，首先明确各DEA效率值在本文研究中的意义。首先，纯技术效率是指在规模收益不变的情况下，当前的投入资源利用情况，纯技术效率有效说明当前的投入资源利用已经达到最佳。即无论怎样增加投入，产出也不会随之增加，也就是当前的产出水平所需要的投入量已经是最低量，不能通过增加装备制造业服务化科技政策在科技资金、科技人才和科技环境方面投入，来提高装备制造业服务化产出水平;其次，规模效率是指在装备制造业服务化科技政策投入水平不变的情况下，装备制造业服务化现有规模所能达到的产出情况。规模效率有效，说明现有规模所能达到的产出最大，即再扩大或缩小规模都会造成装备制造业服务化科技政策效率的降低;最后，综合效率是综合两种效率情况的综合效率值。基于以上效率值意义的界定，对表中测算结果进行分析如下：
第一，我国装备制造业服务化科技政策综合效率8年中有7年是非DEA有效的，这说明虽然近些年我国出台了一系列科技政策鼓励装备制造业服务化发展，但政策的综合效果并没有达到预期。通过图2可以看到，我国装备制造业服务化科技政策综合效率不高与纯技术效率关系不大，主要是由规模效率不高引起。但从趋势看，装备制造业服务化科技政策综合效率值是在逐年上升的，说明装备制造业服务化科技政策综合投入和产出情况在逐步好转。
第二，我国装备制造业服务化科技政策纯技术效率8年中有7年是DEA有效的，只有2016年存在非DEA有效情况，这说明我国科技政策纯技术效率整体有效，即在规模既定的情况下，我国政府科技政策对科技资源投入的规划和预算整体是合理的，能够很好地满足装备制造业服务化对科技资源的需求。
第三，在纯技术效率普遍有效的情况下，我国装备制造业服务化并没有实现生产函数上的最优规模，这说明我国装备制造业服务化规模不合理，由于规模原因使得各类资源的利用程度不高，导致我国装备制造业服务化的科技政策规模效率不高。这可以从多方面寻找答案，首先，在我国，装备制造业作为服务化的主体，服务意识普遍不足，与生产性服务业的融合度同发达国家也有较大差距，严重阻碍了装备制造业服务化规模，致使装备制造业服务化科技政策规模效率偏低。另外，目前我国整体服务经济水平不高，其中典型现象是以生产性服务业为代表的装备制造业服务配套环节不够完善，这使得装备制造业服务化得不到技术含量更高、附加值更高的服务要素的支持，进而阻碍装备制造业服务化规模的扩大，导致装备制造业服务化科技政策规模效率偏低。但从发展趋势看，装备制造业服务化规模效率值在逐年上升，说明装备制造业服务化规模在逐渐达到“前沿面”位置，效率在不断上升。 2.按行业计算装备制造业服务化科技政策效率
我国装备制造业包括金属制品业、通用设备制造业等7个行业分类，在国民经济行业划分（GB/T 4754-2017）中，对应的行业代码是C33、C34、C35、C36-C37、C38、C39、C40。本文对不同装备制造行业服务化科技政策效率进行测度，如表2所示。
由表2可知，对于我国装备制造业行业C33金属制品业、C38电气机械及器材制造业、C39通信设备、计算机及其他电子设备制造业而言，无论服务化科技政策综合效率、纯技术效率还是规模效率均有效，说明2010-2017八年间，以上几类装备制造行业服务化科技政策投入和服务化规模均是有效的。而对于C34通用设备制造业、C35专用设备制造业、C36-37交通运输设备制造业及C40仪器仪表及文化办公用机械制造业而言，其综合效率在2010-2017八年间均存在非DEA有效状态。随着时间的推移，C35专用设备制造业和C40仪器仪表及文化办公用机械制造业服务化科技政策综合效率、纯技术效率和规模效率均呈现DEA 有效状态，说明这两类装备制造业服务化科技政策投入产出水平变得越来越合理。而对于C34通用设备制造业和C36-37交通运输设备制造业而言，其服务化科技政策综合效率在2015-2017三年间表现出非DEA有效状态，由表分析可知，两类装备制造行业服务化科技政策规模效率非DEA有效是引起综合效率非DEA有效的主要原因，说明装备制造业服务化规模并未达到合理的状态，致使其服务化科技政策规模效率非DEA有效，进而使得装备制造业服务化科技政策综合效率非DEA有效。C34通用设备制造业和C36-37交通运输设备制造业企业应加强服务化意识，扩大服务化规模，促进企业服务化转型升级以提升装备制造业服务化科技政策规模效率进而提升服务化科技政策的综合效率。
（二）装备制造业服务化科技政策效率影响因素分析
基于上文对装备制造业服务化科技政策作用机理的分析，可以归纳服务化科技政策受政策主体、政策受体和政策环境三方面因素影响。政策主体方面，作为政策制定的主体，政府制定科技政策是为了更好地促进装备制造业服务化转型，政府对科学技术的重视程度在根本上决定着科技政策的投入力度和对科技资源的管理强度，政府越重视科学技术，就越会在科技政策的制定、实施、监督和评价反馈等一系列环节中投入精力，以提升政策效率。政策受体方面，一是装备制造业作为科技政策的接受者，其高层管理者对服务的认知能力和判断力在一定程度代表着装备制造业对服务化转型的态度，高层管理者越倾向于服务化转型，装备制造业对服务化资源的整合意愿越强烈，就越会对科技政策积极支持、对科技资源不断整合[29]，影响科技政策的效率。二是生产性服务业等高新技术产业及其他创新主体构成的外部系统作为重要参与者和受益者，其市场规模同样能够影响科技政策的效率，一般认为，市场规模越大，竞争越激烈，产品和服务同质化现象越严重，更需要科技资源对技术、人才等方面的支撐以促进创新服务出现。另外，环境因素在科技政策实施过程中的巨大作用同样不可忽视，如整体服务经济水平，技术的传播与扩散能力都可能通过影响服务化进而影响科技政策效率。综上，考虑数据的科学性、客观性、合理性和可获得性原则，本文构建装备制造业服务化科技政策效率影响因素指标如表3所示。
由表4可知，科技政策效率同管理人员水平、市场规模、服务化水平及技术传播与扩散呈显著正相关（r=0.756，p<0.05;r=0.932，p<0.01;0.856，p<0.01;r=0.889，p<0.01），科技政策效率同政府R&D经费支出强度呈显著负相关（r=-0.756，p<0.05）。变量具有显著相关性，符合Tobit回归分析条件，回归分析结果如表5所示。
由表5分析结果可知，我国科技政策对装备制造业服务化的作用效率受产业层面因素即高层管理者水平和市场规模显著正向影响。其中高层管理者水平对科技政策效率的影响最大，高层管理者作为企业战略转型的策划者和发起者[30]，其服务化战略决策会驱使整个组织向服务化转型，整合各方资源促使服务化转型的成功，这其中就包括对政府科技资源的整合和利用，因此，高层管理者水平能够显著影响科技政策的作用效率，管理者管理水平越高，对政府科技资源的整合和利用效率越高。市场规模同样对科技政策效率呈正向影响，市场规模越大，竞争越激烈，各创新主体对科技资源的需求越强烈，对有限的科技资源的利用效率也会提升。
政府R&D经费支出强度和服务经济水平对我国装备制造业服务化科技政策有负向影响作用。政府R&D经费支出在一定范围内越多越能够对装备制造业服务化起到促进作用，然而政府R&D经费支出强度体现的是政府在R&D活动中的地位，在装备制造业R&D活动中，应该由市场主导服务化发展进程，政府的过多干预不仅不能提升企业的服务化意识，反而可能会使装备制造业企业丧失服务化活力。同时，政府R&D经费支出强度越高会导致装备制造业企业过度依赖政府科技政策的投入而不去从企业自身和市场发掘可合作和可利用的资源，阻碍装备制造业与其他产业的互动和融合作用，间接抑制了市场对装备制造业服务化的作用。
技术传播与扩散能力对科技政策效率的影响并不显著，理论上，科技政策通过影响知识存量、技术进步和创新作用于装备制造业服务化，促进我国装备制造业服务化转型，技术传播与扩散能力越强，越应该能够促进科技政策的利用效率。实证出现这种结果的一个可能原因是我国各创新主体之间基于自身利益各自为战，技术传播和扩散效应并不显著，无法形成知识、技术有效流通，科技资源的利用无法形成规模效应，因此，我国应该加强并完善市场机制，降低知识和技术的流通壁垒，倡导产业集聚和产业联盟的搭建，促使创新主体各方基于知识和技术的沟通合作，发挥科技资源的规模效应。 五、结论及政策建议
本文揭示了科技政策对装备制造业服务化的作用机理，基于DEA-Tobit两阶段模型，对我国装备制造业服务化科技政策效率进行测算分析，对服务化科技政策效率的影响因素进行实证分析，得到如下结论：
（1）科技政策对我国装备制造业服务化的作用机理通过直接和间接两个途径体现，直接作用体现为科技政策直接作用于装备制造业，通过科技资金、人才投入，促进装备制造业产品创新及工艺流程创新，进而拓展装备制造业服务要素可嵌入空间，促进装备制造业服务化转型。另一方面，科技政策通过作用于生产性服务业等高新技术产业及其他创新主体，促进高新技术产业的技术创新和生产性服务业提供高端中间生产要素，形成专业化和规范化服务，降低外部交易成本，通过创新知识和技术的扩散和传播以及装备制造业与其他创新主体的互动融合，向装备制造业输入高价值生产和服务要素，進而间接促进装备制造业服务化。
（2）我国装备制造业服务化科技政策纯技术效率整体有效，部分年份综合效率和规模效率非DEA有效，但从趋势看，二者呈上升态势。不同行业来看，除通用设备制造业、交通运输设备制造业服务化科技政策综合效率非DEA有效外，其他装备制造行业服务化科技政策综合效率均有效，而通用设备制造业和交通运输设备制造业服务化科技政策综合效率非DEA有效主要由规模效率非DEA有效引起。
（3）我国装备制造业服务化科技政策效率受到多方面因素影响，其中高层管理者水平和市场规模显著正向影响我国装备制造业服务化科技政策效率。而政府R&D经费支出强度和服务经济水平对我国装备制造业服务化科技政策效率呈显著负向影响，这主要是由于政府科技政策过度主导装备制造业服务化的发展会使企业过分依赖政府作用，失去企业自身的活力，阻碍装备制造业与相关产业的资金和技术上的互动交流，抑制服务化发展。技术传播与扩散能力对科技政策效率的影响没有显著性。
据此，本文提出如下建议：第一，虽然实证结果显示我国装备制造业服务化科技政策纯技术效率整体有效，即整体投入水平合理，但随着装备制造业服务化趋势越来越明显，服务化规模在不断扩大，作为科技政策制定和实施主体，各级政府要进一步扩大科技政策的相关投入以适应创新主体对于技术创新和知识存量的需求，制定相关科技成果转换政策，促进科技成果商业化;引导构建装备制造业服务化联盟，发挥联盟内知识传播和扩散效应、最大化形成科技资源的规模效应;引导装备制造业等相关产业利用自身优势积极整合各类科技资源，提高市场活力。同时，政府制定相关配套政策推进我国服务经济发展，尤其是生产性服务业的发展，以给予装备制造业服务化转型升级足够支撑。第二，作为科技政策制定和实施的受体，装备制造业高层管理者应不断提升自身水平，敏锐把握服务化大趋势，改变固有思维，提高服务化意识;要进一步加大自身对服务化转型的相关投入，促进企业创新与研发能力，塑造企业核心竞争力，积极参与和生产性服务业的互动融合，提升产品服务附加值。第三，作为科技政策的利益相关者，生产性服务业等相关高新技术产业及其他创新主体应利用政策红利，扩大市场规模。积极提升自身专业化和创新水平，提高员工服务意识，形成核心优势。同时，积极主动与装备制造业进行互动融合，在互动融合过程中培养装备制造业需求，提高自身专业化技术、服务产品差异化和高级化能力。
参考文献：
[1] VanDermerwe， Sand Rada， J. Servitization of Business： Adding Value by Services [J]. European Management journal，1988，6（2）：10-19.
[2] 章刚勇. 基于大数据的中国科技政策体系研究：理论与实践[J]. 中国软科学，2018，33（6）：172-180.
[3] 张昊，徐建中，刘晶磊.装备制造业与生产性服务业互动融合财政政策有效性研究[J].商业研究，2020（4）：103-110.
[4] 聂飞.制造业服务化抑或空心化——产业政策的去工业化效应研究[J].经济学家，2020，32（5）：46-57.
[5] 高洋，宋宇.生产性服务业集聚对区域制造业技术进步的影响[J].统计与信息论坛，2018（4）：75-84.
[6] 肖德，侯佳宁.中国制造业升级动能转换的路径研究[J].理论探讨，2019（1）：88-95.
[7] 李春梅.中国制造业发展质量的评价及其影响因素分析——来自制造业行业面板数据的实证[J].经济问题，2019（8）：44-53.
[8] 夏杰长，肖宇. 生产性服务业：发展态势、存在的问题及高质量发展政策思路[J].北京工商大学学报：社会科学版，2019（4）：21-34.
[9] 杨立卓.新常态背景下国际投资对我国制造业转型升级的影响[J].江西社会科学，2018（12）：67-79.
[10]张炜，费小燕，肖云，等. 基于多维度评价模型的区域创新政策评估——以江浙沪三省为例[J]. 科研管理，2016，37（S1）：614-622.
[11]杨华，张博. 基于模糊理论的吉林省科技政策实施效果评价模型研究[J]. 现代情报，2010，30（4）：138-140.
[12]聂鹏，王向. 协同创新视角下环渤海区域科技政策绩效优化研究[J]. 经济问题探索，2013，34（3）：69-72.
[13]张凌，王为. 基于集对分析的黑龙江省技术创新政策效果评价[J]. 科技进步与对策，2008，25（2）：119-122.
[14]Kwont H. Strategic niche management of alternative fuel vehicles： A system dynamics model of the policy effect. Technological Forecasting & Social Change， 2012，79（9）：1672-1680. [15]樊霞，赵丹萍，何悦. 企业产学研合作的创新效率及其影响因素研究[J]. 科研管理，2012，33（2）：33-39.
[16]Oumarou Boubacar， Zhou Huiqiu， Muhammad Abdullah Rana， Sidra Ghazanfar. Analysis on Technical Efficiency of Rice Farms and Its Influencing Factors in South-western of Niger[J]. Journal of Northeast Agricultural University （English edition），2016，23（4）.
[17]Borozan D. Technical and total factor energy efficiency of European regions： A two-stage approach[J]. Energy， 2018，152（JUN.1）：521-532.
[18]王莉靜，王庆玲. 高技术产业技术引进消化吸收再创新分阶段投入与产出关系研究——基于分行业数据的实证研究[J].中国软科学，2019，34（1）：184-192.
[19]吴远仁，李淑燕. 高端服务业的空间分布、空间溢出及对工业升级的影响[J]. 商业研究，2019（3）：53-62.
[20]孙凯，王振飞，鄢章华. 共享经济商业模式的分类和理论模型——基于三个典型案例的研究[J]. 管理评论，2019，31（7）：97-109.
[21]綦良群，李庆雪. 装备制造业与生产性服务业互动融合发展研究[J]. 学习与探索，2016，38（11）：99-103.
[22]高智，鲁志国. 装备制造业与高技术服务业融合发展对提升全要素生产率的影响[J]. 商业研究，2019（7）：42-49.
[23]冯锋，汪良兵. 协同创新视角下的区域科技创新政策绩效提升研究—基于泛长三角区域的实证分析[J]. 科学学与科学技术管理，2011，32（12）：109-115.
[24]张永安，郄海拓，颜斌斌. 基于两阶段DEA模型的区域创新投入产出评价及科技创新政策绩效提升路径研究——基于科技创新政策情报的分析[J]. 情报杂志，2018，37（1）：198-207.
[25]胡查平，汪涛，王辉. 制造业企业服务化绩效—战略一致性和社会技术能力的调节效应研究[J]. 科学学研究，2014，32（1）：84-91
[26]李靖华，马丽亚，黄秋波. 我国制造企业“服务化困境”的实证分析[J]. 科学学与科学技术管理，2015，36（6）：36-45.
[27]肖挺，聂群华，刘华. 制造业服务化对企业绩效的影响研究：基于我国制造企业的经验证据[J]. 科学学与科学技术管理，2014，35（4）：154-162.
[28]刘斌，魏倩，吕越，祝坤福. 制造业服务化与价值链升级[J]. 经济研究，2016，51（3）：151-162.
[29]綦良群，张昊，汤利蒙. 制造企业价值链整合效果影响因素研究[J]. 中国软科学，2017，32（8）：133-143.
[30]孙凯，刘祥，谢波. 高管团队特征、薪酬差距与创业企业绩效[J]. 科研管理，2019，40（2）：116-125.