長三角地區生產性服務業集聚對區域生態效率的影響

[摘 要] "基于2005-2016年間長三角地區江、浙、滬、皖市級面板數據，利用超效率SBM模型和動態空間杜賓模型，研究該區域生產性服務業集聚對生態效率的影響。結果表明，長三角地區城市生態效率存在顯著的空間正相關性與“時間慣性”，空間溢出效應十分明顯。生產性服務業集聚在空間上對區域生態效率產生抑制作用，兩者之間存在倒“U”型關系。其中，生產性服務業專業化集聚對周圍城市的生態效率具有負向空間溢出效應;長期來看，高端生產性服務業集聚能夠提升本地區生態效率，而低端生產性服務業的過度集聚則會抑制生態效率的提高。生產性服務業集聚對生態效率的影響與城市等級規模有關，在特大城市中，生產性服務業集聚可以顯著提升城市生態效率;而在其他類型城市中，生產性服務業集聚對生態效率產生抑制作用。

[關鍵詞] "生產性服務業;集聚;生態效率;空間計量

[中圖分類號]" F063.1""" [文獻標識碼] A"" [文章編號] 1008—1763（2020）02—0049—08

Impact of the Agglomeration of" Producer Services

on Ecological Efficiency" in the Yangtze River Delta Region

YU Sheng-hua，FU Rong

（ School of Economics and Trade， Hunan University， Changsha 410079 ，China）

Abstract： Based on the panel data of Jiangsu， Zhejiang，Shanghai and Anhui municipalities in the Yangtze River delta region from 2005 to 2016， this paper studies the impact of the agglomeration of producer services in this region on ecological efficiency by using the super-efficiency SBM model and dynamic spatial durbin model. The results show that the urban ecological efficiency in the Yangtze river delta has a significant spatial positive correlation with \"time inertia\"， and the spatial spillover effect is very obvious. The concentration of producer services in space can inhibit regional ecological efficiency， and there may be an inverted U-shaped relationship between the two. Among them， the professional agglomeration of producer services has a negative spatial spillover effect on the ecological efficiency of surrounding cities. In the long run， the agglomeration of high-end producer services can improve the ecological efficiency of the region， while the excessive agglomeration of low-end producer services will inhibit the improvement of ecological efficiency. The effect of producer services agglomeration on ecological efficiency is related to the scale of cities. In other types of cities， the agglomeration of producer services inhibits the ecological efficiency.

Key words： "producer services; agglomeration; ecological efficiency; spatial measurement

一 文獻綜述

生產性服務業作為促進產業融合與產業升級的關鍵產業，是“新常態”下我國轉變經濟增長方式的重要節點。學術界關于生產性服務業集聚對環境污染的影響并未形成統一觀點：有部分學者認為生產性服務業集聚對環境污染產生一定的抑制作用，如 Hosoe和Naito認為生產性服務業集聚提高了企業對新產品的研發投入，促進了節能環保技術在制造業領域的應用，進而降低了城市污染物的排放; [ 1 ] "劉勝等人發現生產性服務業集聚對環境污染的抑制作用顯著，推動了城市工業污染減排; [ 2-3 ] "余泳澤等人認為生產性服務業集聚對水污染和空氣污染起到顯著抑制作用，專業化集聚和多樣化集聚減少了工業廢水和SO 2的排放量。 [ 4 ] "然而，也有學者認為產業的過度集聚會惡化環境質量，反向增加環境治理成本，如Ottaviano指出，產業的過度集聚在技術瓶頸難以突破的情況下不僅不能改善環境質量，反而會惡化生態環境，增加環境治理成本; [ 5 ] "Ren等人以上海市為例，發現產業集聚通過加劇土地資源的開放，對水體治理產生了污染; [ 6 ] "韓峰等人發現生產性服務業專業化集聚和多樣化集聚并未產生預期的碳減排效應，其中高端生產性服務業集聚減排效應明顯，而低端生產性服務業卻顯著提升了相鄰城市碳排放水平。 [ 7 ] "除此之外，還有學者認為，生產性服務業與環境污染之間不是簡單的線性關系，短期與長期內的作用效果可能會截然相反，如黃娟的研究表明，制造業與生產性服務業共同集聚在特大城市、大城市對污染排放的影響呈倒“U”型曲線關系; [ 8 ] "蔡海亞等人認為貿易開放與制造業生產性服務業協同集聚對霧霾污染的作用因兩者發展的不匹配而存在門檻效應。 [ 9 ] "在產業集聚與生態效率方面，吳傳清等人通過生態DEA模型和面板Tobit模型分析了產業轉移對長江經濟帶中上游地區生態效率的影響; [ 1 0 ] "田美玉等人通過工業競爭力系數來衡量轉入城市和轉出城市，證明轉出城市工業轉移與工業生態效率呈“U”型關系; [ 1 1 ] "邱虹等人利用兩階段DEA效率模型，將生態效率應用到我國地區工業產業的經濟效率評價中; [ 1 2 ] "趙爽等人采用三階段DEA模型對工業企業生態效率的研究做了進一步的改進; [ 1 3 ] "何宜慶等人對金融要素集聚、區域產業結構和生態效率進行耦合協調實證研究，發現珠三角經濟圈耦合協調程度最高，長三角次之，環渤海經濟圈最末; [ 1 4 ] "劉云強等人認為在產業集聚的引導下，綠色創新技術對長江經濟帶生態效率的正向作用從上游至下游逐漸增強; [ 15 ] "閻川等人的研究發現，生產性服務業地理集聚、專業化和多樣化集聚會在短時間內抑制生態效率的提升，但長期促進作用顯著; [ 16 ] "于斌斌指出生產性服務業集聚的Jacobs外部性與MAR外部性均能提升本地區的能源效率，Jacobs外部性還對鄰近地區存在顯著的空間溢出效應; [ 17 ] "張志彬認為生產性服務業集聚能顯著促進工業企業競爭力的提升; [18]崔宇明等人從城鎮化角度出發，發現產業集聚對生態效率的促進作用存在門檻效應; [ 19 ] "程中華等人認為生產性服務業專業化和多樣化集聚對不同等級規模城市的工業效率提升存在顯著差異。 [ 20 ] 綜上所述，已有文獻大多是從產業轉移、產業升級等方面探討對生態效率的影響，而站在產業集聚層面進行區域研究的并不多，多數學者采用省級數據進行研究，研究樣本的空間跨度和地區內部差異性較大，也有學者從全國地級市層面進行探討，但模型多采用普通的面板模型，忽略了產業集聚和生態效率的空間分布和空間溢出效應。本文從生產性服務業的角度出發，探討其集聚與生態效率的關系，基于城市面板數據進行空間計量分析。

二 生產性服務業集聚對生態效率

影響的機理分析

生產性服務業集聚影響生態效率的理論機制可以從經濟與環境兩方面進行分析。在產業集聚與經濟增長的理論研究方面，外部經濟理論、產業區位論以及新經濟地理學等理論均表明產業集聚能夠促進區域經濟增長。產業集聚效應促使企業不斷優化自身生產流程，生產過程中間產品投入逐漸外包化，從而推動生產性服務業的產生。生產性服務業集聚使專業化的人才、知識、技術、以及信息更加集中，使得產業區中的制造企業能夠以較低的成本獲得生產過程中所需中間投入品的資源，通過生產性服務業，知識、信息、技術等生產要素的傳播速度得以提升，降低了制造企業因信息不對稱而帶來的生產效率低下等問題。同時，生產性服務業集聚推動了當地政府公共基礎設施的集中修建，減少了因企業分布過于分散而導致的重復建設，降低了能源消耗與社會成本。此外，公共設施共享有助于企業交易費用的下降，節省了一定的經濟成本，帶來正向的規模經濟外部性。因此，生產性服務業集聚有利于促進經濟增長。生態效率是生態資源滿足人類需要的效率，是社會經濟產出與環境影響的比值。生態效率的相關理論主要是可持續發展理論的繼承與延伸，其中包括資源經濟理論、環境經濟理論等。生產性服務業集聚能夠通過資源共享、技術革新以及良性競爭三個方面抑制環境污染，對生態效率產生正向影響。在資源共享方面，生產性服務業集中在某一區域，可以減少企業的搜索成本、時間成本以及共享資源的重置成本，同時，生產性服務業集聚的區域多為城市CBD區，該區域的公共基礎設施能夠由政府部門集中建設，城市公共設施、交通設施的完善提高了公共資源使用率。經濟生產成本與社會公共成本的降低，提升了能源利用效率，減少了因人類活動而帶來的污染物的產生與排放。在技術革新方面，生產性服務業是典型的知識溢出型產業，擁有專業化技能的高級人才能夠通過與同類型人才的交流迸發思維的火花，從而在研發技術上設計出更多具有創新性的產品，推動了企業生產技術的革新，進一步提高生產效率，降低環境污染。在企業良性競爭方面，由集聚效應所帶來的規模經濟吸引更多的企業與人才流入生產性服務業，產業內部，各個企業為提高市場占有率而不斷改進服務質量，優化產品，由競爭產生的就業壓力致使人才不斷提高自身技能水平，增強個人綜合素質。這種良性競爭能夠帶領整個產業在價值鏈中由低端走向高端，高端產業的集聚再帶來顯著的正向規模經濟效應。生產性服務業的過度集聚會消耗過多的生產要素，占用大量社會資源，增加環境治理成本，從而反過來惡化生態環境。生產性服務業集聚與當地關聯產業無法達到良好的協同發展，對本地產業結構優化、減少環境污染、提升生態效率均有不利影響。當生產性服務業集聚帶來正向的外部經濟效應與正向的環境污染抑制效應時，集聚能夠在促進經濟增長的同時加強節能減排，提升地區生態效率;當生產性服務業集聚會惡化生態環境時，集聚雖然能夠推動社會經濟的發展卻也增加了環境治理成本，地區生態效率有所降低。并且隨著時間的推移、城市規模的擴大與科學技術的進步，生產性服務業集聚對生態環境的影響會在不同階段或不同城市個體之間呈現顯著的差異。

三 生產性服務業集聚對生態效率影響的實證分析

（一）生態效率的測算

經過對多種測算方法的比較，本文采用Tone（2002）提出的超效率SBM模型計算生態效率。利用MAXDEA軟件，設定非導向、規模報酬可變測算長三角地區41個地級市的生態效率。投入指標為全市從業人員期末數、市轄區建成區面積、每年固定資產投資總額（以2005年為基期，采用張軍等人的方法用投資平減價格指數進行平減： [21]固定資產投資平減價格指數=0.45*所在省份的固定資產投資價格指數+0.55*所在省份的消費者價格指數）、市轄區全年供水總量和市轄區全年用電總量;期望產出為城市實際GDP，非期望產出為全市工業廢水排放量、工業SO 2排放量以及工業煙粉塵排放量。

（二）變量的選取與說明

將交通運輸、倉儲和郵政業，信息傳輸、計算機服務和軟件業，批發和零售業，金融業，租賃和商務服務業，科學研究、技術服務業和地質勘查業，環境治理和公共設施管理這七個行業劃分為生產性服務業。出于本文的研究目的，筆者選擇用區位熵來計算生產性服務業的產業集聚度。區位熵的計算公式如下：

LQi= Si/Gi S/G

上式中，S i表示城市i生產性服務業單位從業人數，G i為城市i全部行業單位從業人數，S表示長三角地區生產性服務業單位從業人數，G代表長三角地區全部行業單位從業人數。

本文的控制變量Z有：政府干預程度GOV，以歷年政府公共財政支出占當年城市GDP的比重來衡量;投資開放度FDI，用全市每年實際使用對外投資總額占當年該市GDP的比重來表示，并統一將各個城市當年實際使用外資金額乘以當年人民幣對美元的平均匯率進行換算;人力資本EDU，用每年中學在校生人數與高等教育在校生人數的總和占全市總人口的比重來衡量;人口規模POP，用全市年末總人口數表示;城市交通狀況TRA，用市轄區居民（民用）汽車擁有量與城市道路面積的比值來表示。

（三）模型構建

本文采用地理距離矩陣進行生態效率的空間莫蘭指數檢驗，面板莫蘭指數I=0.038，P值為0.001，說明生態效率存在顯著的空間正相關性，拒絕無空間效應的原假設。針對空間計量模型的選擇，本文先進行Hausman檢驗，統計量的觀察值為29.78，P值為0.0001，因此選擇固定效應模型。表1顯示了LM和Robust LM統計量的P值，檢驗結果表明該模型兼具空間誤差與空間滯后兩種效應，因此本文選擇空間杜賓SDM模型。 [22]同時進一步進行Wald檢驗與LR檢驗，結果如下表所示。為消除異方差與模型內生性問題，我們基于穩健標準誤將所有變量滯后一期進行計算，即選擇動態空間杜賓模型。

以生態效率EE為被解釋變量，生產性服務業集聚LQ為主要解釋變量，并加入相應的控制變量Z，構建動態空間杜賓模型，在模型中加入生產性服務業集聚指標的對數及對數的平方項，構建的空間計量模型如下：

模型a：

EE it=α+βEE it-1+ρ（WEE） it+φ1lnLQ it+φ2（lnLQ it）2+θ1W（φ1lnLQi）+θ2W（φ2（lnLQ it）2）+γZ it+WγZ it+μi+νt+ε it

其中，EE i，t表示第i個城市第t期的生態效率;EE i，t-1表示第i個城市第t-1期的生態效率; lnLQ it為第i個城市第t期的生產性服務業集聚水平，同時加入該項的二次項以考察產業集聚與生態效率之間是否存在非線性關系。W為空間權重矩陣，Z it為其他控制變量，μi和νt分別表示空間和時間固定效應，ε it為誤差項。

（四）實證分析

基于數據選擇的可得性、系統性和可比性等原則，本文選擇長三角地區江浙滬皖地級市的面板數據計算生態效率。由于2011年巢湖市被撤銷，所以剔除該市數據，研究樣本定為41個地級市。同時，由于部分城市的數據只更新至2016年，且往前追溯相對完整的數據只能到2005年，因此本文將研究期定為2005-2016年。數據主要來源于《中國統計年鑒》、《中國城市統計年鑒》以及相關省市的統計年 鑒等。

"表中生態效率的滯后一期變量在模型中的系數為正，且在1%的檢驗水平下顯著，說明長三角地區的上一期經濟與環境情況會對當期的區域生態效率產生影響，存在明顯的“時間慣性”。模型的空間自回歸系數SymbolrA@為正，且在1%水平上通過顯著性檢驗，表明該地區生態效率具有較強的正向空間外溢效應。實證結果顯示，長三角地區生產性服務業集聚對生態效率有著負向影響，且在1%的水平上顯著。同時，生產性服務業集聚對數項的二次項（lnLQ） 2空間系數為負，且通過10%的顯著性水平檢驗，表明長三角地區生態效率與生產性服務業集聚之間存在倒“U”型關系，生產性服務業集聚水平處于該曲線的右側，因此對生態效率的影響呈現抑制作用。生產性服務業集聚的對數項與對數項二次項的空間滯后項回歸系數均在5%水平下顯著，表明生產性服務業集聚對區域生態效率的影響具有時滯性，且這種影響在研究期內呈負向。生產性服務業集聚的直接效應、間接效應以及總效應在短期和長期內空間系數均為負，呈現明顯的抑制作用。長期中各個效應的空間系數均比相應的短期各效應的空間系數更小，說明長三角地區的生產性服務業集聚對本地區和鄰近地區的生態效率都會產生抑制作用，且這種影響會不斷加深。

（五） 行業異質性分析

將生產性服務業集聚按產業集聚模式與產業集聚類型進行異質性研究，其中產業集聚模式分為生產性服務業專業化集聚和多樣化集聚，產業集聚類型分為高端生產性服務業集聚與低端生產性服務業集聚。

（1）生產性服務業專業化集聚SP

該指標的構建方法參考Ezcurra提出的產業專業化集聚測算方法， [23]得到以下公式：

SPi=∑ s"" E is Ei - E′s E′

上式中，E is代表城市i某生產性服務業s的單位從業人數，Ei表示城市i的單位總從業人數，E′s為除城市i的某生產性服務業s的單位從業人數，E′是除城市i外長三角地區的單位總從業人數。

（2）生產性服務業多樣化集聚DV

多樣化集聚水平的測算公式，借鑒韓峰提出的計算方式構建該指標， [ 7 ] "公式如下：

DVi=∑ s" E is Ei"" 1/∑n s′=1，s′≠s[E is′/（Ei-E is）]2 1/∑n s′=1，s′≠s[E s′/（E-Es）]2

其中，Es代表長三角地區某生產性服務業s的單位從業人數，E為長三角地區單位總從業人數。

本文將信息傳輸、計算機服務和軟件業，金融業，科學研究和技術服務業，環境治理和公共設施管理歸為高端生產性服務業（GD），將交通運輸、倉儲和郵政業，批發和零售業，租賃和商務服務業歸為低端生產性服務業（DD）。高端生產性服務業集聚與低端生產性服務業集聚測算采用區位熵公式。分別將SP、DV、GD和DD代替模型a中的LQ，可得到模型b、c、d、e，得到的行業異質性實證結果如表3所示。

由模型b與模型c的回歸結果可知：生產性服務業專業化集聚的直接效應不顯著，間接效應與總效應均通過顯著性檢驗，說明城市生產性服務業專業化集聚沒有提升本地區的生態效率，并且對鄰近城市的生態效率有著明顯的負向空間溢出作用。在長三角及其經濟輻射地區，生產性服務業的集聚模式由專業化集聚向著多樣化集聚的方向轉變。在樣本研究期內，生產性服務業多樣化集聚的空間效應尚不明顯，無法對城市生態效率產生顯著影響，而生產性服務業專業化集聚已經形成一定規模，空間效應相對于多樣化集聚更加顯著。本地區專業化集聚程度越高，越能發揮產業集聚效應，吸引更多的要素流入該地區，進一步促進生產性服務業專業化集聚的高水平發展。大量資源要素涌入該城市，對鄰近城市相同或相似產業發展構成威脅，生產性服務業專業化集聚對周圍城市的生態效率產生抑制作用。而出于本城市工業產業升級和市場需求多樣化的需要，生產性服務業專業化集聚又在向著多樣化集聚演變，因而在研究期內，專業化集聚沒有表現出對本地生態效率明顯的促進作用。

從模型d和模型e的估計結果可以看出，高端生產性服務業集聚的對數項lnGD以及對數項的二次項（lnGD） 2的空間回歸系數均未通過顯著性檢驗，但所有系數符號為正，相應的t值比較接近10%的顯著性檢驗水平，說明長三角地區高端生產性服務業集聚對區域生態效率可能具有一定的促進作用，高端生產性服務業集聚與生態效率之間可能存在“U”型關系，因此，高端生產性服務業集聚對城市生態效率的提升可能有正向影響。低端生產性服務業集聚的對數項lnDD的空間回歸系數通過了1%的顯著性水平檢驗，且系數符號為負，而該對數項的平方項（lnDD） 2的空間回歸系數也基本上通過了顯著性檢驗，且系數符號為負，表明長三角地區低端生產性服務業集聚與生態效率之間存在倒“U”型關系。低端生產性服務業集聚的空間效應估計結果顯示，本城市與鄰近城市的生態效率均受到低端生產性服務業集聚的抑制作用，說明長三角地區低端生產性服務業存在過度集聚的現象，因此產業集聚對區域生態效率呈現負向影響。

（六）城市異質性分析

根據于斌斌的城市規模劃分方法對城市異質性進行研究， [24]其中200萬人口以上的特大城市有上海、南京、無錫、徐州、常州、蘇州、淮安、杭州、寧波、合肥、阜陽， 100-200萬人口的大城市有南通、連云港、鹽城、揚州、鎮江、泰州、宿遷、溫州、湖州、紹興、臺州、蕪湖、淮南、淮北、宿州、六安、亳州，50-100萬人口的中型城市有嘉興、金華、衢州、舟山、蚌埠、馬鞍山、安慶、滁州、池州、宣城，50萬人口以下的小城市有麗水、銅陵、黃山。由于小城市數量過少，為保證檢驗結果的可信度，我們將中小城市合并到一起進行檢驗。三類城市的空間計量估計結果如表4所示。

在特大城市，指標lnLQ與（lnLQ） 2的空間系數顯著為正，而在大城市，該兩項指標的符號為負，并分別在5%與10%的顯著性水平下通過檢驗，在中小城市，該兩項指標均未通過顯著性檢驗，相應的指標符號均為負，且集聚水平的對數項lnLQ的t值比較接近10%的顯著性水平。這表明生產性服務業集聚對區域生態效率的影響因城市等級規模不同而不同，在特大城市，生產性服務業集聚促進城市生態效率的提升，而在大城市、中小城市中，生產性服務業集聚則對生態效率產生負向的抑制作用。由于特大城市經濟發達，公共基礎設施建設良好，相比于其他城市，產業結構配置優化，與本地的自然條件、經濟發展更為契合，同時在特大城市中，高端生產性服務業發展水平高，集聚效應更強，對生態效率的正向影響更為明顯，因此生產性服務業在特大城市能夠體現出較強的規模經濟效應。而在大城市、中小城市中，當地在努力增加經濟產出時忽略了對生態環境的保護，且當地的產業結構尚未結合城市自身條件調整到合理布局的狀態，相對于特大城市，大城市與中小城市的產業多是承接特大城市的產業轉移，高端生產性服務業發展程度不足，生產性服務業集聚趨向低端化，產業升級沒有與當地的工業、制造業相匹配，無法發揮應有的規模經濟外部性，因而在研究期內對城市生態效率存在顯著的負向影響。

隨著城市規模的擴大，城市等級的升高，生產性服務業會朝著多樣化、高端化的方向發展，相比于低端生產性服務業，高端生產性服務業知識溢出效應、人才聚集效應以及信息流動效應更加明顯，尤其是改善生態環境的相關綠色創新行業隸屬于高端生產性服務業，綠色創新技術對生態效率的進一步提升具有顯著的促進作用。城市規模越大，越能匯聚更多的高技能人才，越能促進城市生態效率的提高。特大城市的生產性服務業整體水平較高，而大型、中小型城市的生產性服務業相對落后，具有一定的低端化傾向，因此生產性服務業集聚在兩種規模等級的城市中對生態效率的影響呈現相反的方向。

四 結論與政策建議

從總體水平上看，長三角地區生態效率存在顯著的空間正相關性與“時間慣性”，空間溢出效應十分明顯，生產性服務業集聚在空間上對區域生態效率產生抑制作用，與生態效率之間存在倒“U”型關系。長三角地區生產性服務業集聚總體低端化傾向嚴重，低端生產性服務業過度集聚對城市生態效率提升產生抑制作用，高端生產性服務業集聚促進生態效率提高。顯著的產業聯動效應致使高端生產性服務業在發揮加速經濟增長作用的同時促進產業自身及其相關產業的節能減排，促進生態效率提升，而低端生產性服務業的過度集聚會占用大量的社會公共資源，導致生產要素的利用率降低，反過來對高端生產性服務業的發展形成一定制約。生產性服務業集聚對生態效率的影響與城市規模等級有關。在特大城市中，生產性服務業集聚可以顯著提升城市生態效率，在大城市、中小城市中，生產性服務業集聚對生態效率產生抑制作用。為此，我們提出如下政策建議：

第一，根據產業結構調整方向，加強生產性服務業與制造業的協調發展。進一步提高高端生產性服務業的產業規模與發展速度，促使生產性服務業在制造業價值鏈中朝著低能耗、高附加值的兩端延伸，各個城市應結合自身條件，調整低端生產性服務業產業布局，大力扶持金融業、科學技術研究、信息服務等高端生產性服務業，增強本地區生產性服務業的知識溢出效應與技術溢出效應。完善地區生產性服務業與制造業協同發展政策，依靠高新技術與信息技術建立行業資源共享平臺，加深生產性服務業與制造業產業聯動效應，引導知識資本、技術資本等生產要素在產業間的集聚與流動，降低企業交易成本，推動高端生產性服務業與制造業深入合作，促進地區產業結構的調整與升級，在保持一定經濟增長的同時兼顧生態環境的治理，提升城市整體生態 效率。

第二，充分考慮城市之間的地區差異，結合城市現實條件，建立符合城市發展需要的合理產業布局。比如在特大城市，政府應加強生產性服務業朝著多樣化、高端化方向轉變，以滿足城市日漸完善的工業價值鏈的生產需求。而大城市與中小城市目前尚處于單一化、簡單化的工業階段，當地政府在進行產業規劃時應側重于鼓勵生產性服務業向專業化水平發展，并建立適當的人才引進政策，吸引特大城市高技能專業人才流入，減少本地人才流出，增強城市生產性服務業專業化集聚效應。在相關文件的指導框架下，充分發揮以上海為中心，南京、杭州為副中心的特大城市群經濟輻射效應，規劃和引導大城市、中小城市的產業結構調整和生產模式變遷，加快長三角地區都市圈和城市群整體層次的提升與框架的 完善。

第三，改善生產性服務業集聚市場環境，促進知識、技術、資本等生產要素跨產業、跨區域流動。一是注重城市生產性服務業與其他相關產業的協同集聚、協同發展，建立并完善產業技術創新協同機制，加快要素升級與自由流動，激發相關產業進行技術革新，提升不同產業部門間的經濟信息交流與知識技術傳播速度，增強創新技術要素跨產業、跨部門的溢出效應，實現生產性服務業集聚的規模經濟外部性。二是強化不同等級城市之間的分工合作，形成特大城市生產性服務業多樣化發展與其他城市生產性服務業專業化集聚的優勢互補、分工協作。高等級城市在大力促進生產性服務業高端化、多樣化發展的同時，可以將部分產業轉移至等級低的城市，減輕自身產業統籌發展壓力，推動周圍低等級城市相關產業向著專業化、精準化的方向發展。

[參 考 文 獻]

[1]" Hosoe M，Naito T.Trans-bounday pollution transmission and regional agglomeration effects[J].Papers in Regional Science，2006，859（1）：99-120.

[2] 劉勝，顧乃華.行政壟斷、生產性服務業集聚與城市工業污染：來自260個地級及以上城市的經驗證據[J].財經研究，2015，41（11）：95-107.

[3] 原毅軍，郭然.生產性服務業集聚、制造業集聚與技術創新：基于省級面板數據的實證研究[J].經濟學家，2018（5）：23-31.

[4] 余泳澤，劉鳳娟.生產性服務業空間集聚對環境污染的影響[J].財經問題研究，2017，405（8）：23-29.

[5] Ottaviano G I P，Tabuchi T，Thisse J F.Agglomeration and trade revisited[J].International Economic Review，2002（43）：409-436.

[6] Ren W，Zhong Y，John M，et al.Urbanization，iand use，and water quality in shanghai：1947-1996[J].Environment Internation，2003，29（5）：649-659.

[7] 韓峰，謝銳.生產性服務業集聚降低碳排放了嗎：對我國地級以上城市面板數據的空間計量分析[J].數量經濟技術經濟研究，2017（3）：40-58.

[8] 黃娟，汪明進.制造業、生產性服務業共同集聚與污染排放：基于285個城市面板數據的實證分析[J].中國流通經濟，2017，31（8）：116-128.

[9] 蔡海亞，徐盈之.產業協同集聚、貿易開放與霧霾污染[J].中國人口資源與環境，2018，28（6）：93-102.

[10] 吳傳清，黃磊.承接產業轉移對長江經濟帶中上游地區生態效率的影響研究[J].武漢大學學報（哲學社會科學版），2017，70（5）：78-85.

[11] 田美玉，黃海，張如波.長江中游城市群工業轉移對工業生態效率影響的實證分析[J].統計與決策，2018（4）：101-105.

[12] 邱虹，朱南，張為波.中國省域工業生態經濟效率實證分析：基于兩階段效率評價模型[J].生態經濟，2016（8）：41-46.

[13] 趙爽，劉紅.基于三階段DEA模型的我國工業企業生態效率研究[J].生態經濟，2016（11）：88-102.

[14] 何宜慶，王耀宇，周依仿，等.金融集聚、區域產業結構與生態效率耦合協調實證研究[J].經濟問題探索，2015（5）： 131-137.

[15] 劉云強，權泉，朱佳玲，等.綠色技術創新、產業集聚與生態效率：以長江經濟帶城市群為例[J].長江流域資源與環境，2018，27（11）：2395-2406.

[16] 閻川，何浩愷.生產性服務業集聚、財政分權與城市工業生態效率[J].經濟與管理評論，2019（3）：92-107.

[17] 于斌斌.生產性服務業集聚與能源效率提升[J].統計研究，2018，35（4）：30-40.

[18] 張志彬.生產性服務業集聚對工業競爭力提升的影響研究——基于珠三角城市群面板數據的分析[J].財經理論與實踐，2019，40（5）：121-127.

[19] 崔宇明，代斌，王萍萍.城鎮化、產業集聚與全要素生產率增長研究[J].中國人口科學，2013（4）：54-63.

[20] 程中華，劉廉水，劉軍.生產性服務業集聚對工業效率提升的空間外溢效應[J].科學學研究，2017，35（3）：364-378.

[21] 張軍，吳桂英，張吉鵬.中國省際物質資本存量估算：1952-2000[J].經濟研究，2004，10：35-44.

[22] 周四軍，江秋池.基于動態SDM的中國區域碳排放強度空間效應研究[J].湖南大學學報（社會科學版），2020，34（1）： 40-48.

[23] Ezcurra R，Pascual P，Rapun M.Regional specialization in the european union[J].Regional Studies，2006，40（6）： 601-616.

[24] 于斌斌.產業結構調整與生產率提升的經濟增長效應：基于中國城市動態空間面板模型的分析[J].中國工業經濟，2015（12）：83-98.