王 沁，楊穎惠，張紅梅，汪 玲

(西南交通大學(xué) 數(shù)學(xué)學(xué)院，四川 成都 610031)

當(dāng)前,世界經(jīng)濟(jì)發(fā)展模式正在從“工業(yè)經(jīng)濟(jì)”逐漸向“服務(wù)經(jīng)濟(jì)”轉(zhuǎn)變，生產(chǎn)性服務(wù)業(yè)與制造業(yè)的互動(dòng)融合成為當(dāng)下全球經(jīng)濟(jì)發(fā)展的一大特征。生產(chǎn)性服務(wù)業(yè)作為服務(wù)業(yè)門類中的重要組成部分，其發(fā)展成熟度影響著未來(lái)產(chǎn)業(yè)高級(jí)化和分工專業(yè)化水平。生產(chǎn)性服務(wù)業(yè)和制造業(yè)在產(chǎn)業(yè)分工上存在著多樣的聯(lián)系，是推動(dòng)區(qū)域經(jīng)濟(jì)發(fā)展的主要力量，兩者的融合、協(xié)調(diào)發(fā)展將極大地促進(jìn)區(qū)域經(jīng)濟(jì)的發(fā)展。

在生產(chǎn)性服務(wù)業(yè)與制造業(yè)關(guān)系研究方面，OLAUSSON等[1]指出生產(chǎn)性服務(wù)業(yè)與制造業(yè)在設(shè)計(jì)層面存在融合關(guān)系；LEIPONEN[2]以芬蘭生產(chǎn)性服務(wù)業(yè)和制造業(yè)為研究對(duì)象，指出生產(chǎn)性服務(wù)業(yè)在效率方面的優(yōu)勢(shì)促進(jìn)制造業(yè)與其在研發(fā)方面融合；劉丹丹[3]對(duì)遼寧省生產(chǎn)性服務(wù)業(yè)與制造業(yè)的互動(dòng)機(jī)制進(jìn)行研究，發(fā)現(xiàn)生產(chǎn)性服務(wù)業(yè)和裝備制造業(yè)之間存在協(xié)整關(guān)系；趙雅婷等[4]從投入產(chǎn)出的角度分析了生產(chǎn)性服務(wù)業(yè)與制造業(yè)的互動(dòng)融合情況，發(fā)現(xiàn)廣東省生產(chǎn)性服務(wù)業(yè)向制造業(yè)主動(dòng)融合的動(dòng)力要強(qiáng)于制造業(yè)向生產(chǎn)性服務(wù)業(yè)主動(dòng)融合的動(dòng)力；顧乃華[5]基于HLM模型分析了我國(guó)城市生產(chǎn)性服務(wù)業(yè)集聚對(duì)工業(yè)的外溢效應(yīng)，指出我國(guó)城市生產(chǎn)性服務(wù)業(yè)集聚能顯著提高本地工業(yè)的全要素生產(chǎn)率；劉軍躍等[6]構(gòu)建了生產(chǎn)性服務(wù)業(yè)與裝備制造業(yè)的耦合協(xié)調(diào)度模型,分析了我國(guó)4個(gè)直轄市兩個(gè)產(chǎn)業(yè)的耦合協(xié)調(diào)發(fā)展趨勢(shì)；楚明欽[7]運(yùn)用投入產(chǎn)出表分析了長(zhǎng)三角生產(chǎn)性服務(wù)業(yè)與制造業(yè)的關(guān)聯(lián)關(guān)系，發(fā)現(xiàn)生產(chǎn)性服務(wù)業(yè)對(duì)裝備制造業(yè)具有一定的依賴作用；馮廣宜等[8]基于陜西省投入產(chǎn)出數(shù)據(jù)，分析了陜西省生產(chǎn)性服務(wù)業(yè)與制造業(yè)之間的聯(lián)動(dòng)效應(yīng)，發(fā)現(xiàn)陜西制造業(yè)對(duì)生產(chǎn)性服務(wù)業(yè)的拉動(dòng)作用較大，但尚未形成良好互動(dòng)；孟萍莉等[9]基于灰色關(guān)聯(lián)理論分析了生產(chǎn)性服務(wù)業(yè)對(duì)制造業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的影響機(jī)制，結(jié)果表明我國(guó)生產(chǎn)性服務(wù)業(yè)FDI、OFDI行業(yè)結(jié)構(gòu)對(duì)制造業(yè)產(chǎn)業(yè)升級(jí)起到了積極的推進(jìn)作用；李艷杰等[10]以物流業(yè)來(lái)刻畫生產(chǎn)性服務(wù)業(yè)，基于DEMATEL方法探索了影響制造業(yè)與物流業(yè)協(xié)同發(fā)展的關(guān)鍵因素；魏艷秋等[11]基于向量自回歸模型，分析了浙江省制造業(yè)和生產(chǎn)性服務(wù)業(yè)的長(zhǎng)期互動(dòng)關(guān)系，結(jié)果顯示浙江省生產(chǎn)性服務(wù)業(yè)對(duì)制造業(yè)的促進(jìn)作用明顯弱于制造業(yè)對(duì)生產(chǎn)性服務(wù)業(yè)的需求拉動(dòng)作用；高月媚[12]以東北老工業(yè)地區(qū)產(chǎn)業(yè)發(fā)展數(shù)據(jù)為研究對(duì)象，基于向量自回歸模型分析了金融業(yè)、現(xiàn)代物流業(yè)、信息傳輸業(yè)等現(xiàn)代生產(chǎn)性服務(wù)業(yè)與制造業(yè)的聯(lián)動(dòng)關(guān)系，結(jié)果顯示東北地區(qū)生產(chǎn)性服務(wù)業(yè)與制造業(yè)的聯(lián)動(dòng)發(fā)展水平較低，尚未實(shí)現(xiàn)聯(lián)動(dòng)發(fā)展；楊偉等[13]以重慶兩江新區(qū)為研究對(duì)象，基于Lotka-Volterra模型分析了生產(chǎn)性服務(wù)業(yè)與現(xiàn)代制造業(yè)的協(xié)同機(jī)制，發(fā)現(xiàn)生產(chǎn)性服務(wù)業(yè)與制造業(yè)之間存在互利共生、互為支撐的內(nèi)在關(guān)系；滕汶瑾[14]基于區(qū)位熵方法測(cè)度了制造業(yè)、生產(chǎn)性服務(wù)業(yè)二者的協(xié)同集聚指數(shù)，分析了制造業(yè)同生產(chǎn)性服務(wù)業(yè)的協(xié)同集聚對(duì)于制造業(yè)升級(jí)的影響；張克勇等[15]基于門檻面板模型，分析了我國(guó)生產(chǎn)性服務(wù)業(yè)對(duì)軍民融合產(chǎn)業(yè)升級(jí)的影響，指出生產(chǎn)性服務(wù)業(yè)對(duì)軍民融合產(chǎn)業(yè)升級(jí)滿足以信息化水平為識(shí)別變量的雙重門檻模型。

綜上可知，國(guó)內(nèi)外學(xué)者對(duì)生產(chǎn)性服務(wù)業(yè)與制造業(yè)互動(dòng)關(guān)系的研究，形成了較成熟的實(shí)證方法，主要包括L-V模型、VAR模型、灰色關(guān)聯(lián)度和投入產(chǎn)出方法。但這些模型方法還存在以下不足:①投入產(chǎn)出數(shù)據(jù)5年編制一次，而資源型城市的投入產(chǎn)出數(shù)據(jù)往往存在缺失，基于投入產(chǎn)出方法研究資源型城市的生產(chǎn)性服務(wù)業(yè)與制造業(yè)互動(dòng)關(guān)系會(huì)導(dǎo)致較大的偏差。②由于經(jīng)濟(jì)實(shí)力不足，資源型城市的生產(chǎn)性服務(wù)業(yè)對(duì)制造業(yè)的影響存在明顯的門限效應(yīng)，但上述模型并沒有充分考慮到門限效應(yīng)。③生產(chǎn)性服務(wù)業(yè)與制造業(yè)的互動(dòng)關(guān)系是非線性、非對(duì)稱的，在不同經(jīng)濟(jì)結(jié)構(gòu)下，生產(chǎn)性服務(wù)業(yè)和制造業(yè)的影響關(guān)系存在平滑轉(zhuǎn)移，但上述模型是線性的，沒有分析不同狀態(tài)下生產(chǎn)性服務(wù)業(yè)與制造業(yè)的平滑轉(zhuǎn)移及非對(duì)稱性影響關(guān)系。

為避免上述不足，筆者以生產(chǎn)性服務(wù)業(yè)總產(chǎn)值為因變量，以制造業(yè)總產(chǎn)值為自變量，將經(jīng)濟(jì)增長(zhǎng)、工業(yè)化水平、社會(huì)消費(fèi)水平作為轉(zhuǎn)換變量，結(jié)合門限效應(yīng)，建立生產(chǎn)性服務(wù)業(yè)與制造業(yè)的兩狀態(tài)STR模型，研究制造業(yè)對(duì)生產(chǎn)性服務(wù)業(yè)的非線性、非對(duì)稱影響機(jī)制。利用兩狀態(tài)STR模型的轉(zhuǎn)換變量均可觀測(cè)和門限參數(shù)可估的特色，揭示一些線性模型無(wú)法發(fā)現(xiàn)的經(jīng)濟(jì)學(xué)含義，從而較為細(xì)致地刻畫生產(chǎn)性服務(wù)業(yè)與制造業(yè)之間的非線性互動(dòng)關(guān)系，以期為制造業(yè)與生產(chǎn)性服務(wù)業(yè)影響互動(dòng)機(jī)制研究提供一種新的方法和思路。

1 模型構(gòu)建

1.1 兩狀態(tài)STR模型

平滑轉(zhuǎn)移回歸(smooth transition regression, STR)模型是一種典型的非線性模型，分為單狀態(tài)STR模型和兩狀態(tài)STR模型，已廣泛應(yīng)用于經(jīng)濟(jì)、金融、資本市場(chǎng)、宏觀政策模擬等領(lǐng)域[16-20]。為了驗(yàn)證不同經(jīng)濟(jì)結(jié)構(gòu)下制造業(yè)對(duì)生產(chǎn)性服務(wù)業(yè)的非線性、非對(duì)稱的影響，構(gòu)建兩狀態(tài)STR模型:

yt=φ1xt+θ1xt·G(zt,γ,c)+

θ2xt·(1-G(zt,γ,c))+εt

(1)

式中：yt為目標(biāo)變量，表示生產(chǎn)性服務(wù)業(yè)總產(chǎn)值；xt=(1,yt-1,yt-2,…，yt-k,x1t)T為解釋變量，包括截距項(xiàng)、滯后i階的生產(chǎn)性服務(wù)業(yè)變量yt-i(i=1,2,…,k)和制造業(yè)總產(chǎn)值x1t；zt表示選擇某一個(gè)變量作為轉(zhuǎn)換變量，筆者以地區(qū)生產(chǎn)總值的對(duì)數(shù)(lnGDP)、規(guī)模以上工業(yè)增加值的對(duì)數(shù)(lnGYZ)、社會(huì)消費(fèi)品零售額的對(duì)數(shù)(lnSXE)作為轉(zhuǎn)換變量zt的選擇；函數(shù)G(zt,γ,c)為轉(zhuǎn)換函數(shù)，是轉(zhuǎn)換變量zt的有界連續(xù)函數(shù)，隨著轉(zhuǎn)換變量zt在0到1之間平滑變化；參數(shù)φ1=(φ10,φ11,…,φ1k,φ1k+1)刻畫解釋變量對(duì)因變量的線性影響機(jī)制；參數(shù)θ1=(θ10,θ11,…,θ1k,θ1k+1)刻畫狀態(tài)變量處于某一狀態(tài)下解釋變量對(duì)因變量的線性和非線性影響機(jī)制，參數(shù)θ2=(θ20,θ21,…,θ2k,θ2k+1)刻畫了另一狀態(tài)下被解釋變量與自身滯后變量、解釋變量之間的線性和非線性影響機(jī)制。根據(jù)轉(zhuǎn)換函數(shù)G(zt,γ,c)的不同形式，G(zt,γ,c)可分為邏輯斯蒂型轉(zhuǎn)換函數(shù)和指數(shù)型轉(zhuǎn)換函數(shù)，分別如式(2)和式(3)所示。

G(zt,γ,c)={1+exp[-γ(zt-c)]}-1

(2)

G(zt,γ,c)=1+exp[-γ(zt-c)2]

(3)

式中：γ>0為平滑參數(shù)，反映狀態(tài)轉(zhuǎn)移的平滑性和轉(zhuǎn)換速度的大??；c為門限參數(shù)，反映基于門限參數(shù)的非線性轉(zhuǎn)換的門限效應(yīng)。

1.2 模型識(shí)別

邏輯斯蒂型轉(zhuǎn)換函數(shù)是關(guān)于轉(zhuǎn)換變量zt的單調(diào)上升函數(shù)，而指數(shù)型轉(zhuǎn)換函數(shù)是偶函數(shù)形式，關(guān)于門限參數(shù)c對(duì)稱，反映了轉(zhuǎn)換變量zt對(duì)目標(biāo)變量yt的一種對(duì)稱型的非線性變換。將轉(zhuǎn)換函數(shù)G(zt,γ,c)圍繞γ=0做3階泰勒級(jí)數(shù)近似，那么邏輯斯蒂型轉(zhuǎn)換函數(shù)和指數(shù)型轉(zhuǎn)換函數(shù)的3階泰勒級(jí)數(shù)近似分別為：

(4)

(5)

于是，兩狀態(tài)STR模型可以近似表達(dá)為：

(6)

(1)H0:β1=β2=β3=0，相應(yīng)備擇假設(shè)為H01:?j,βj≠0。

利用LM檢驗(yàn)方法進(jìn)行假設(shè)檢驗(yàn)，若接受原假設(shè)H0，則說明模型是線性的，從而在線性模型與STR模型中做出選擇。若拒絕原假設(shè)H0，則繼續(xù)進(jìn)一步檢驗(yàn)。

(2)H1:β3=0，相應(yīng)備擇假設(shè)為H11:β3≠0。

若拒絕原假設(shè)H1，說明β3≠0，則模型為邏輯斯蒂型轉(zhuǎn)換函數(shù)的兩狀態(tài)STR模型。若接受原假設(shè)H1，則繼續(xù)進(jìn)行檢驗(yàn)。

(3)H2:β2=0|β3=0;H3:β1=0|β2=0,β3=0。

若拒絕原假設(shè)H2，則選擇指數(shù)型轉(zhuǎn)換函數(shù)的兩狀態(tài)STR模型。若在接受原假設(shè)H1和H2的情形下拒絕假設(shè)H3，則選擇邏輯斯蒂型轉(zhuǎn)換函數(shù)的兩狀態(tài)STR模型。若拒絕了3個(gè)原假設(shè)，但拒絕原假設(shè)H2的P值最小，則選擇指數(shù)型轉(zhuǎn)換函數(shù)的兩狀態(tài)STR模型，否則判定模型為邏輯斯蒂型轉(zhuǎn)換函數(shù)的兩狀態(tài)STR模型。

1.3 模型構(gòu)建步驟

假設(shè)制造業(yè)對(duì)生產(chǎn)性服務(wù)業(yè)的影響受內(nèi)部結(jié)構(gòu)共同影響，在不同的結(jié)構(gòu)性失衡程度下，制造業(yè)對(duì)生產(chǎn)性服務(wù)業(yè)的調(diào)節(jié)作用會(huì)表現(xiàn)出差異性，可見變量間的影響關(guān)系為受制于多個(gè)轉(zhuǎn)換變量的非線性影響，故采用兩狀態(tài)平滑轉(zhuǎn)換模型可以更恰當(dāng)?shù)孛枋鲋圃鞓I(yè)和生產(chǎn)性服務(wù)業(yè)的關(guān)系。

基于兩狀態(tài)STR模型的構(gòu)建步驟：①對(duì)生產(chǎn)性服務(wù)業(yè)總產(chǎn)值、制造業(yè)總產(chǎn)值和地區(qū)生產(chǎn)總值的對(duì)數(shù)序列等進(jìn)行平穩(wěn)性檢驗(yàn)，若檢驗(yàn)出序列是不平穩(wěn)的，則采用取對(duì)數(shù)、做差分等預(yù)處理將數(shù)據(jù)轉(zhuǎn)化為平穩(wěn)序列。②基于AIC準(zhǔn)則確定回歸部分的滯后階數(shù)。③基于LM檢驗(yàn)方法進(jìn)行非線性檢驗(yàn)，即線性模型與STR模型的選擇。④基于LM檢驗(yàn)方法進(jìn)行轉(zhuǎn)換函數(shù)的選擇，即在邏輯斯蒂型轉(zhuǎn)換函數(shù)的兩狀態(tài)STR模型和指數(shù)型轉(zhuǎn)換函數(shù)的兩狀態(tài)STR模型中做出選擇。⑤采用最小二乘估計(jì)，對(duì)兩狀態(tài)STR模型的參數(shù)進(jìn)行估計(jì)。⑥兩狀態(tài)STR模型的分析與評(píng)價(jià)。

2 實(shí)證分析

2.1 樣本說明和數(shù)據(jù)來(lái)源

資源型城市(地區(qū))大多是傳統(tǒng)產(chǎn)業(yè)，經(jīng)濟(jì)實(shí)力、科技成果、接續(xù)替代產(chǎn)業(yè)儲(chǔ)備不足，在供給側(cè)結(jié)構(gòu)性改革、轉(zhuǎn)型發(fā)展中步履維艱。資源型城市更需要生產(chǎn)性服務(wù)業(yè)與制造業(yè)的產(chǎn)業(yè)互動(dòng)，從而調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，保持經(jīng)濟(jì)穩(wěn)定增長(zhǎng)，促成經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)型升級(jí)。因此，筆者選取山西省作為研究對(duì)象。

生產(chǎn)性服務(wù)業(yè)主要包括交通運(yùn)輸業(yè)、郵政業(yè)、信息服務(wù)業(yè)、金融業(yè)、研發(fā)設(shè)計(jì)與其他技術(shù)服務(wù)等。筆者以交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)，信息服務(wù)，金融與保險(xiǎn)業(yè)，科學(xué)研究、技術(shù)服務(wù)業(yè)和地質(zhì)勘探業(yè)的總和作為生產(chǎn)性服務(wù)業(yè)總產(chǎn)值，選取山西省生產(chǎn)性服務(wù)業(yè)總產(chǎn)值為因變量Y，樣本范圍為1995—2016年。

制造業(yè)是指從事產(chǎn)品制造的企業(yè)為產(chǎn)品銷售而進(jìn)行的機(jī)械與設(shè)備組裝、安裝活動(dòng)。筆者以黑色金屬冶煉與壓延加工業(yè)、專用設(shè)備制造業(yè)、金屬制品業(yè)和電氣機(jī)械與器材制造業(yè)的總和作為制造業(yè)總產(chǎn)值，選取山西省制造業(yè)總產(chǎn)值為自變量X。

經(jīng)濟(jì)結(jié)構(gòu)是指國(guó)民經(jīng)濟(jì)組成元素的構(gòu)成方式。筆者主要分析內(nèi)部經(jīng)濟(jì)在不同狀態(tài)下制造業(yè)和生產(chǎn)性服務(wù)業(yè)之間的相互影響機(jī)制，故以地區(qū)生產(chǎn)總值的對(duì)數(shù)(lnGDP)、規(guī)模以上工業(yè)增加值的對(duì)數(shù)(lnGYZ)、社會(huì)消費(fèi)品零售額的對(duì)數(shù)(lnSXE)作為刻畫經(jīng)濟(jì)結(jié)構(gòu)的變量。其中，lnGDP為兩狀態(tài)STR模型轉(zhuǎn)換變量，lnGYZ、lnSXE為待選的轉(zhuǎn)換變量。

2.2 平穩(wěn)性檢驗(yàn)

采用不平穩(wěn)的時(shí)間序列數(shù)據(jù)直接進(jìn)行回歸容易出現(xiàn)“偽回歸”現(xiàn)象，故采用含趨勢(shì)和截距的單位根檢驗(yàn)對(duì)各個(gè)變量的數(shù)據(jù)序列進(jìn)行平穩(wěn)性檢驗(yàn)，檢驗(yàn)結(jié)果如表1所示。從表1可以看出，原始序列是非平穩(wěn)的，一階差分序列的統(tǒng)計(jì)量的值小于10%顯著水平的臨界值，因此可以認(rèn)為一階差分序列是平穩(wěn)時(shí)間序列。

表1 序列平穩(wěn)性檢驗(yàn)結(jié)果

2.3 滯后階數(shù)的確定

對(duì)因變量為ΔY、自變量為ΔX的1～5階滯后項(xiàng)建立線性回歸，根據(jù)AIC準(zhǔn)則和SC準(zhǔn)則確定最佳滯后階數(shù)，不同滯后階數(shù)下模型的AIC值如表2所示。

表2 不同滯后階數(shù)下模型的AIC值

從表2可以看出，當(dāng)ΔY滯后1階、ΔX滯后2階時(shí)，所對(duì)應(yīng)模型的AIC值最??；當(dāng)ΔY滯后0階、ΔX滯后0階時(shí)，所對(duì)應(yīng)模型的AIC值是第二小。從模型的簡(jiǎn)約性原則出發(fā)，對(duì)生產(chǎn)性服務(wù)業(yè)總產(chǎn)值的一階差分序列、制造業(yè)總產(chǎn)值的一階差分序列，建立線性回歸模型：

ΔY=63.684 6+0.317 1ΔX

(7)

其中，常數(shù)項(xiàng)和一次項(xiàng)參數(shù)估計(jì)的標(biāo)準(zhǔn)誤差分別為0.303 3和0.021 1。

2.4 非線性檢驗(yàn)和模型選擇

確定出線性部分之后，再依次對(duì)假設(shè)H0、H1、H2、H3進(jìn)行檢驗(yàn)，進(jìn)而確定轉(zhuǎn)換函數(shù)的形式，相應(yīng)假設(shè)檢驗(yàn)的P值如表3所示。從表3可以看出，在1%的顯著水平下，3個(gè)轉(zhuǎn)換變量都拒絕H0，而且拒絕H3，因此轉(zhuǎn)換函數(shù)確定為邏輯斯蒂型轉(zhuǎn)換函數(shù)，模型為非線性的模型。

2.5 兩狀態(tài)STR模型的參數(shù)估計(jì)結(jié)果

(1)以lnGDP為轉(zhuǎn)換變量建立如下兩狀態(tài)STR模型：

ΔYt=0.596 6ΔXt+0.002 5ΔXt×

G(γ,c,lnGDPt)-0.484 3ΔXt×

[1-G(γ,c,lnGDPt)]

(8)

表3 非線性假設(shè)檢驗(yàn)的P值和轉(zhuǎn)換函數(shù)的選擇

(2)以lnGYZ為轉(zhuǎn)換變量建立如下兩狀態(tài)STR模型：

ΔYt=0.618 1ΔXt+0.001 3ΔXt×

G(γ,c,lnGYZt)-0.432 4ΔXt×

[1-G(γ,c,lnGYZt)]

(9)

(3)以lnSXE為轉(zhuǎn)換變量建立如下兩狀態(tài)STR模型：

ΔYt=0.749 3ΔXt+0.001 4ΔXt×

G(γ,c,lnSXEt)-0.649 1ΔXt×

[1-G(γ,c,lnSXEt)]

(10)

2.6 結(jié)果分析

(1)以lnGDP為轉(zhuǎn)換變量的兩狀態(tài)STR模型表明，當(dāng)lnGDPt<8.669 4時(shí)，GDP處于較低狀態(tài)，經(jīng)濟(jì)結(jié)構(gòu)處于失衡的情況，制造業(yè)對(duì)生產(chǎn)性服務(wù)業(yè)的影響程度降低，此時(shí)制造業(yè)同比每上升1%，生產(chǎn)性服務(wù)業(yè)下降11.23%。當(dāng)lnGDPt≥8.669 4時(shí)，隨著經(jīng)濟(jì)結(jié)構(gòu)失衡程度的改善，制造業(yè)對(duì)生產(chǎn)性服務(wù)業(yè)的影響增強(qiáng)，制造業(yè)同比每上升1%，生產(chǎn)性服務(wù)業(yè)上升0.25%，但上升速度比較緩慢。這說明當(dāng)GDP處于不同狀態(tài)時(shí)，制造業(yè)對(duì)生產(chǎn)性服務(wù)業(yè)的影響是非線性、非對(duì)稱的。加速GDP的高質(zhì)量發(fā)展，對(duì)于制造業(yè)與生產(chǎn)性服務(wù)業(yè)的融合發(fā)展至關(guān)重要。

(2)以lnGYZ為轉(zhuǎn)換變量的兩狀態(tài)STR模型表明,當(dāng)lnGYZt≥8.059 3時(shí)，隨著工業(yè)的發(fā)展，工業(yè)生產(chǎn)總值有所改善，制造業(yè)對(duì)生產(chǎn)性服務(wù)業(yè)影響增強(qiáng)，制造業(yè)同比每上升1%，生產(chǎn)性服務(wù)業(yè)上升0.13%。當(dāng)lnGYZt<8.059 3時(shí)，工業(yè)發(fā)展水平處于失衡的狀態(tài)，此時(shí)制造業(yè)同比每上升1%，生產(chǎn)性服務(wù)業(yè)下降18.57%。這說明當(dāng)工業(yè)發(fā)展水平處于不同狀態(tài)時(shí)，制造業(yè)對(duì)生產(chǎn)性服務(wù)業(yè)的影響是非線性、非對(duì)稱的，工業(yè)發(fā)展水平處于失衡狀態(tài)時(shí)比GDP處于較低狀態(tài)時(shí)制造業(yè)對(duì)生產(chǎn)性服務(wù)業(yè)的影響更強(qiáng)烈。當(dāng)工業(yè)發(fā)展水平有所提高時(shí)，制造業(yè)的增加將使得生產(chǎn)性服務(wù)業(yè)呈現(xiàn)平滑上升趨勢(shì)。

(3)以lnSXE為轉(zhuǎn)換變量的兩狀態(tài)STR模型表明，當(dāng)lnSXEt<7.798 2時(shí)，社會(huì)消費(fèi)品零售額處于失衡的情況，此時(shí)制造業(yè)同比每上升1%，生產(chǎn)性服務(wù)業(yè)下降10.02%。當(dāng)lnSXEt≥7.798 2時(shí)，制造業(yè)同比每上升1%，生產(chǎn)性服務(wù)業(yè)上升0.14%。

(4)以lnGYZ作為轉(zhuǎn)換變量時(shí)，模型的AIC值最小，表明工業(yè)發(fā)展水平作為轉(zhuǎn)換變量，對(duì)山西省生產(chǎn)性服務(wù)業(yè)、制造業(yè)與經(jīng)濟(jì)結(jié)構(gòu)之間的非線性調(diào)節(jié)作用更有效。兩種狀態(tài)的平滑轉(zhuǎn)移非線性關(guān)系分別如圖1和圖2所示。由圖1中可知，轉(zhuǎn)換函數(shù)迅速實(shí)現(xiàn)了兩狀態(tài)的平滑機(jī)制的轉(zhuǎn)換。由圖2可知，生產(chǎn)性服務(wù)業(yè)總產(chǎn)值隨著lnGYZ的變化呈現(xiàn)出非線性變化，其變化趨勢(shì)大致可以劃分為兩種不同的狀態(tài)，表明工業(yè)增加值對(duì)生產(chǎn)性服務(wù)業(yè)總產(chǎn)值的影響是非對(duì)稱的。

圖1 轉(zhuǎn)換函數(shù)與轉(zhuǎn)換變量的變化關(guān)系

圖2 轉(zhuǎn)換變量與因變量的互動(dòng)關(guān)系

(5)總的來(lái)說，當(dāng)經(jīng)濟(jì)結(jié)構(gòu)處于失衡的情況，制造業(yè)阻礙生產(chǎn)性服務(wù)業(yè)的發(fā)展，影響程度均大于10%；而當(dāng)經(jīng)濟(jì)結(jié)構(gòu)改善后，制造業(yè)對(duì)生產(chǎn)性服務(wù)業(yè)的促進(jìn)作用緩慢增強(qiáng)，可見經(jīng)濟(jì)結(jié)構(gòu)處于不同狀態(tài)時(shí)，生產(chǎn)性服務(wù)業(yè)與制造業(yè)之間的非線性調(diào)節(jié)作用完全不一致。兩狀態(tài)的STR模型能夠客觀、有效地刻畫制造業(yè)對(duì)生產(chǎn)性服務(wù)業(yè)的影響受到內(nèi)部結(jié)構(gòu)的共同影響，在不同的結(jié)構(gòu)性失衡程度下，制造業(yè)對(duì)生產(chǎn)性服務(wù)業(yè)的影響作用表現(xiàn)出差異性。

3 結(jié)論

(1)以地區(qū)生產(chǎn)總值的對(duì)數(shù)(lnGDP)、規(guī)模以上工業(yè)增加值的對(duì)數(shù)(lnGYZ)、社會(huì)消費(fèi)品零售額的對(duì)數(shù)(lnSXE)作為轉(zhuǎn)換變量，引入兩狀態(tài)STR模型，從一個(gè)全新的視角測(cè)算和分析了制造業(yè)對(duì)生產(chǎn)性服務(wù)業(yè)的非對(duì)稱、非線性影響。

(2)在經(jīng)濟(jì)結(jié)構(gòu)性失衡程度嚴(yán)重的情況下，制造業(yè)阻礙生產(chǎn)性服務(wù)業(yè)的發(fā)展，影響程度均大于10%。隨著經(jīng)濟(jì)結(jié)構(gòu)性的改善，制造業(yè)會(huì)促進(jìn)生產(chǎn)性服務(wù)業(yè)的發(fā)展，但促進(jìn)作用的增強(qiáng)速度比較緩慢。

(3)雖然制造業(yè)對(duì)生產(chǎn)性服務(wù)業(yè)的發(fā)展總體是正向作用，但當(dāng)經(jīng)濟(jì)結(jié)構(gòu)失衡嚴(yán)重時(shí)，僅依靠GDP的發(fā)展難以起到立竿見影的效果，要從根本上解決制造業(yè)與生產(chǎn)性服務(wù)業(yè)互動(dòng)的良性發(fā)展，必須解決自身結(jié)構(gòu)性失衡，加強(qiáng)科技型制造業(yè)、創(chuàng)新性制造業(yè)的發(fā)展。