本文是一篇国际贸易论文，本文通过文献梳理初步推测：KIBS 会通过分工专业化效应、技术进步效应对出口企业全要素生产率发生作用，由于企业间技术知识获取能力各异，KIBS 对于企业生产率的作用也会产生差异，并以产业关联水平衡量制造业与知识密集型服务业。本文的首要问题是测度方法和指标体系的构建，因此，本文主要就产业关联问题做了基础性的测算研究，参考投入-产出关联分析框架，将产业间关联测度方法移植到城市层面，利用工业企业数据库和投入产出表对中国 2000-2013 年间 287 个地级市进行测算，得出以下主要发现：其一，总体而言，2000-2013 年间，我国城市 KIBS 与制造业关联度呈显著上升趋势；其二，东、中、西部地区产业空间关联度由高到低依次递减，中、西部地区产业关联的追赶上升速度较快。其三，新一线和二线发达城市产业关联提升速度快，三线到五线城市 KIBS 和制造业关联度增幅总体高于一线和二线城市。其四，产业关联度持续上升的城市基本都位于“胡焕庸线”的东南侧，高城市人口密度和高经济发展水平的地区，其产业关联度具有更持久的上升动力。
第一章 绪言
第一节 研究背景
近几年经济发展回落，世界范围内的制造业都遇到了难以避免的发展瓶颈，如何避免制造业发展陷入高投入低产出低收益的泥沼成为了企业发展的核心问题。对于现今亚太国家，随着资源环境约束趋紧，人力成本上升，人口红利和粗放型生产所带来的动能已迫近尾声。原本的二代加工制造时代中所独有的成本优势趋于消退，以“分离式生产”为特征的生产模式再也无法为企业带来竞争优势。与此同时，从1978年到2018年，中国进出口总额占全球比重从0.8%上升到11.75%，实现了从贸易弱国到贸易大国的转变。然而，在美国对华关税加征措施愈加频发的背景下，中美贸易摩擦越发升级，贸易企业面临的风险陡增，部分进行出口贸易的企业原本所依靠的补贴出口、退税政策所带来的优势正在逐渐瓦解，企业必须另寻发展之路以谋生存。
在时代洪流的冲击之下，中国的制造业出口企业又该如何应对？
中国要实现从贸易大国到贸易强国的转变，要求出口企业必须走上协同创新，服务型制造的新道路，从根本上提升竞争力。因此，如何延长制造业产业链条，是否应该通过增加服务型要素投入，提高企业产品附加值，实现制造业在“制造-服务双弱”背景下的服务型升级也成为了当下的热点议题。其中，制造业企业的服务转型正是制造业发展的一大趋势。《中国制造2025》给出了实现我国制造强国的四化导向，通过引导制造业和服务业的融合发展，从而加快制造业转型。与此同时，制造业与服务业的不断融合发展促成了一种新型产业形态的诞生，即服务型制造。全球经济增速放缓背景下，制造业与服务业的融合为制造业企业提供了二次发展的契机。
.......................
第二节 研究意义
一、理论意义
第一，针对现有研究中的缺失，本文在已有研究文献基础上，尝试性地考察KIBS与制造业关联问题，这也是本文可能的创新所在：一是从投入-产出视角，基于对已有测度考察产业间关联研究文献的基础上，我们构建了一个测度KIBS与不同地级市细分制造业行业间的关联度指数，从而实现了KIBS与当地制造业的关联程度的量化测度，为不同城市间产业关联度的横向比较和随时间变化的演化轨迹提供可靠的依据，在一定程度上为后续研究提供了一种方法上的借鉴和参考。
第二，国内外学者针对服务业对于制造业效率增进的机制已经进行了大量探讨，然而，少有文献从产业关联角度出发，着眼于企业层面，以KIBS制造业融合对出口企业全要素生产率作为研究对象，探索KIBS对于企业全要素生产率（Total Factor Productivity，简称TFP）的影响。对于知识密集型服务业与制造业企业之间的关联水平，从数据层面而言，现有文献多采用案例研究法，较少地采用大样本数据进行实证研究。因此，本文借助工企数据库旨在研究大样本下KIBS与制造业的产业关联强度对出口企业TFP的影响。
二、实际意义
第一，改革开放之后，全国地区尤其是以沿海地区为主，大量吸引外资，在短期内一大批以劳动密集型、低附加值、加工贸易为主要特征的制造业企业开始蓬勃发展。经过几十年的发展，在OEM模式的助力下中国虽然实现了从低贸易额、低贸易量的贸易小国到世界贸易大国的转变，却留存着依赖进口高附加值，依靠低价格取胜得而弊病。目前，我国的制造业企业相比于发达国家，科技附加值低，技术创新能力弱，科技研发力度欠缺，现有企业依旧无法摆脱OEM模式，在与发达国家优势企业的竞争中仍处于被动地位( 刘志彪，2005）。因此利用KIBS助力制造业企业转型能够提高制造业企业出口竞争力，可让制造业企业实现从中低端向高端制造业的转型，帮助制造业企业实现服务化转型，促进制造业的健康发展，并为政府提供相关决策依据。
第二，从2017年政府工作报告提出“以创新引领实体经济转型升级”，到2018年政府工作报告提出“加快建设创新型国家”，再到《中国制造2025》中提出的旨在创新发展模式，提升制造业的市场控制力，服务型制造在这过程中具有着重要意义，然目前仅有约20%的企业实现成功转型。本文试图通过探讨产业关联视角下探讨知识密集型服务业对于制造业企业全要素生产率的增进效应，探索产业政策与出口政策的实施效果与意义，对新常态下中国经济发展模式的探索提供一定的指导意义。
............................
第二章 文献综述
第一节 知识密集型服务业研究综述
一、知识密集型服务业的定义与构成
知识密集型服务业是服务业内涵不断延伸细化的结果。早期，专业化服务业是基于专业人员的知识和专业知识的服务（Sveiby，1990；Ojasalo，1999），新兴的知识经济时代中专业化服务业的出现为知识密集型服务业的诞生奠定了基础（魏江，2007）。
就 Miles 等（1995）、魏江（2007）以及 Doleux（2009）等国内外研究这一问题的权威学者研究文献中对知识密集型服务业的定义而言，知识密集型服务业是指拥有以下三大特征的服务业：
其一，具有高知识附加值，是知识的主要来源（Muller 等，2001）。KIBS 的主要增值活动是通过为客户提供定制化服务并在此过程中实现知识的创造、积累和传播（Bettencourtetal，2002）。Hipp（2000）指出知识密集型服务业企业是制造业企业、大学以及其他研发机构的重要知识来源。Muller 和 Zenker（2001）认为知识密集型企业提供给客户企业的服务是具有高知识附加值的服务。
其二，与客户保持高频互动。客户对于知识密集型服务业服务的购买不同于其它标准化服务的购买，因为知识密集型服务业所提供的大多是定制化的服务（王琳，2009）。由此，Hertog（2000）指出 KIBS 企业需要与客户保持频繁互动，从而完成该种定制化服务。Carbonell（2010）也认为 KIBS 企业通过与客户保持持续性的互动，为客户实现个性化服务的同时实现了共同创造。
其三，高创新度。知识密集型服务业在企业和社会的生产中扮演着催化剂的角色，搭建了企业与知识之间的桥梁（Castellacci，2007；Castaldi，2009）。Jaview（2006）指出城市经济是依赖于路径的互动学习系统，KIBS 在城市间转移定制化知识方面扮演者重要的角色，对于城市的创新有重大贡献。Masverdú（2011）基于欧洲创新数据利用投入产出法研究发现，KIBS 是西班牙经济中的创新动力。
.........................
第二节 全要素生产率的研究综述
一、全要素生产率的定义与测算
全要素生产率（Total factor productivity，简称 TFP）是指不能被生产中的要素投入量来解释的部分，也即扣除要素投入贡献后的“剩余”生产率水平，全要素生产率的高水平取决于投入要素的强度以及在使用过程中的有效性。
早期囿于数据获取可得性的限制，全要素生产率多是基于宏观数据进行测算，使用固定资产投资总额、就业人口等作为宏观要素投入。微观层面的企业级别数据的出现，得以让全要素生产率的测算在微观层面实现。TFP 的测算通常以柯布-道格拉斯生产函数（Cobb-Douglas，简称 C-D 函数）为主，目前主流的测算方法有 OLS、FE、OP、LP 以及 DLW。使用 OLS 与 FE 方法测算企业 TFP 会存在一定问题，可能会出现同时性偏差（Simultaneity Bias）和样本选择性偏差（Selection Bias）。因此 Olley 和Pakes（1992）提出了 OP 半参数估计方法，解决了以上两个问题。Levinsohn 和 Petrin（2003）则是以中间品作为代理变量，弥补 OP 估计方法在代理变量选择上的局限，扩大代理变量的选择范围（胡鞍钢等，2008）。随后 ACF 法的提出则是进一步改善了 OP法和 LP 法存在的多重共线性问题和内生性问题，并且不再把劳动劳动力简单当作自由变量处理，而是将劳动力引入中间投入函数（Ackerberg 等，2007）。De Loecker 等（2012）基于 ACF 框架下，选用超越对数生产函数，进一步解决了之前生产函数估计中所存在的变量偏差。各领域学者也相继使用微观数据对企业生产率进行测算（谢千里，2008；张杰，2009）。简泽（2011）使用企业微观层面的非平衡面板数据通过 OP和 LP 法测算企业全要素生
