生產性服務業集聚對綠色全要素生產率的影響

李珊珊 馬艷芹

內容提要：基于產業集聚的理論研究和綠色發展的環境訴求，本文以2004-2016年中國30個省（市）的綠色全要素生產率為研究樣本，運用面板門檻模型探討供給側視角下生產性服務業集聚對綠色全要素生產率的影響，從專業化集聚和多樣化集聚角度證實了生產性服務業集聚對綠色全要素生產率存在結構突變效應，并鑒于內部細分行業集聚特征展開進一步探討。結果表明：在不同集聚視角下，能源強度、經濟發展水平對綠色全要素生產率存在不同程度的門檻效應;就全國層面，專業化集聚對綠色全要素生產率具有一定程度上的抑制作用，多樣化集聚表現出較明顯的促進作用;就行業層面，細分行業專業化集聚存在明顯的行業異質性特征，金融業是提升綠色全要素生產率的重點行業。

關鍵詞：專生產性服務業;綠色全要素生產率;門檻效應

中圖分類號：F205 ?文獻標識碼：A ?文章編號：1001-148X（2020）04-0040-09

作為實體經濟和制造業發展的重要支撐，現代服務業、尤其是生產性服務業在國民經濟發展中扮演著重要角色。生產性服務業發展具備節能減排的特點，加快生產性服務業集聚發展既是緩解產能過剩和環境約束的重要途徑，更是適應中國產業結構調整、經濟轉型升級要求的重要戰略舉措。生產性服務業集聚與綠色全要素生產率之間存在非線性關系，生產性服務業集聚對綠色全要素生產率的影響主要體現在促進區域勞動力、資本、土地等要素供給的質量提高和數量增加，以及區域產業結構變動、資源再配置效應提高，并且改善區域投資環境，促進人才集聚，提升地區勞動生產率，促進經濟增長。本文擬從專業化集聚和多樣化集聚角度，考察生產性服務業集聚對綠色全要素生產率的影響，并采用面板門檻模型進行實證檢驗。

一、研究假說的提出

從外部性角度看，生產性服務業集聚通過技術創新的外部性作用而促進經濟增長，提升綠色全要素生產率，主要體現在馬歇爾外部性（Marshall，1980）和雅各布斯外部性（Jacobs，1969）以及波特外部性（Porter，1990）。（1）馬歇爾外部性指的是同一產業內相似企業的集聚現象，來源于勞動力市場共享、投入產出關聯和知識外溢。對此，基于創新價值鏈理論，孫暢（2018）[1]實證表明技術創新和生產性服務業集聚具有顯著的雙向互動促進效應。（2）雅各布斯外部性強調多樣化與差異性的產業間集聚促進了創新和經濟增長。對此，曾慶均等（2019）[2]的研究表明中國各地區生產性服務業集聚與創新效率相互促進作用明顯，均存在顯著的空間溢出效應。（3）波特外部性指的是企業之間的競爭強化了產業集聚的競爭優勢，知識溢出促進了技術創新的實施和應用，推動了經濟增長。對此，劉明等（2018）[3]指出專業化與多樣化集聚對技術創新效率具有顯著促進作用。Widodo等（2015）[4]探討了集聚經濟和產業結構對印尼制造業企業技術效率的影響，結果顯示專業性比多樣性更有利于刺激企業的技術效率。因此，提出如下假設。

假設H1： 生產性服務業聚集通過技術創新的外部性作用促進經濟增長，改善綠色全要素生產率，但是專業化集聚（馬歇爾效應）和多樣化集聚（雅各布斯效應）之間存在差別。

從中介影響機制來看，生產性服務業集聚對綠色全要素生產率的影響主要通過人力資本積累、技術溢出效應和規模經濟效應而產生作用。（1）生產性服務業集聚有助于形成高技能人才“蓄水池”，為企業提供所需的專業技能勞動力和科技服務人才，促進集聚地區的技術創新能力的不斷提升和加速外來技術的吸收和應用[5-6]。（2）生產性服務業屬于知識技術密集型行業，知識、技術外溢促使前沿的創新理念、先進的生產技術、專業的知識信息能夠更好地融入到生產制造環節過程中[7-8]。另外，生產性服務業集聚為不同企業提供了知識傳播、技術交流和信息共享的平臺[6]，企業間既有競爭效應，又有示范效應。（3）根據新經濟地理理論，生產性服務業集聚產生的規模經濟效應作用于綠色全要素生產率體現在三個方面：一是基于投入產出的關聯效應，生產性服務業和制造業在空間上形成協同集聚，本土專業化服務供應商可以為制造業提供豐富多樣的中間服務品，節省了運輸成本[5]，不僅使制造業企業更加專注核心業務發展，而且同類、同質污染廢棄物集中排放治理可將生產對環境帶來的損害降到最低。二是生產性服務業集聚本身具有集聚規模效應，通過更多將低碳節能技術運用于制造業生產過程，有助于推進能源利用結構實現升級 [8]。三是生產性服務企業的空間集聚可以對基礎設施和設備最大化集約利用，而且同類型企業的產業集聚能達到減排效應，但集聚到一定程度可能會出現資源過度使用而誘發擁擠效應。因此，提出如下假設。

假設H2：生產性服務業聚集有助于人力資本積累、技術創新，并且通過規模經濟效應促進生產成本和交易成本的降低，讓制造業價值鏈得以延伸，提升綠色全要素生產率，但存在某一臨界值，在超過這一臨界值以后，二者之間可能存在非線性關系。

從供給側角度來看，供給側的核心是提升國民經濟的全要素生產率，而微觀企業的生產率提升是整個國民經濟全要素生產率提升的基礎。結合韓增林等（2019）[9]的觀點，生產性服務業對全要素生產率的影響主要來源于供給規模和供給結構兩方面。從供給規模來看，當生產性服務業集聚程度越高時表明生產性服務業的供給規模越大。從供給結構來看，生產性服務業可分為內部供給結構和外部供給結構，以《國民經濟行業分類》（GB/T 4754-2011）為基礎，參照韓峰（2018）[5]的做法，內部結構可以分為高端生產性服務業（金融業、科學研究和技術服務業、信息傳輸計算機服務和軟件業）與低端生產性服務業（交通運輸倉儲和郵政業、批發零售業、租賃和商業服務業、環境治理和公共設施管理業），而外部結構主要指的是生產性服務業與其他產業的協同集聚程度。對此，汪曼琦等（2014）[10]研究發現只有投入產出強度附加值高的（如信息、商務、科技類）生產性服務業，才與技術密集型的制造業之間存在高度空間協同集聚度;反之，則因產業關聯不強，并未形成產業集聚經濟，而呈現空間分散狀態。伍先福（2018）[11]指出產業協同集聚對生產率的積極作用主要來自于外部性經濟和產業間的良性互動，以及產業之間及內部的良性互動，但也存在著擁塞效應、沉沒成本、集聚組合等消極作用。因此，提出如下假設。

假設H3：生產性服務業聚集對全要素生產率的影響主要來源于供給結構和供給規模，由于生產性服務業細分行業的集聚程度不同，對綠色全要素生產率的影響也存在異質性。

二、生產性服務業集聚狀況

關于產業集聚的測度方法較多，鑒于本文研究的重點是分別從生產性服務業的專業化集聚和多樣化集聚兩個角度來考察其對綠色全要素生產率的影響，基于數據的可得性，借鑒韓峰（2018）[5]、許寧（2019）[12]等人的方法，以《國民經濟行業分類》（GB/T 4754-2011）為基礎，根據Ezcurra（2006）[13]等的研究，選擇交通運輸倉儲和郵政業、信息傳輸計算機服務和軟件業、批發零售業、金融業、租賃和商業服務業、科學研究和技術服務業、環境治理和公共設施管理業代表生產性服務業，分別測算生產性服務業的專業化集聚指數和多樣化集聚指數。

（二）數據來源和變量說明

本文在《中國統計年鑒》《中國能源統計年鑒》《中國科技統計年鑒》《中國第三產業統計年鑒》、各省統計年鑒等年鑒中選取2004-2016年中國30個省（市）數據為樣本，由于港澳臺及西藏地區的數據缺失，而被排除在外。

1.被解釋變量：綠色全要素生產率（M），采用Fare等（1994）[15]提出的DEA-Malmquist模型，結合2004-2016年中國30個省（市）的投入和產出數據測算得出綠色全要素生產率的變化率。綠色全要素生產率的測算是基于其變化率計算得來的，以2004年為基期，假定2004年的綠色全要素生產率水平為1，則2005年的綠色全要素生產率水平為2004年的綠色全要素生產率水平乘以2005年的綠色全要素生產率指數。以此類推即可得2004-2016年中國30個省（市）的綠色全要素生產率指標，具體指標選取如表1。

2.核心解釋變量：（1）生產性服務業專業化集聚（SP）;（2）生產性服務業多樣化集聚（DV）。

3.門檻變量：（1）能源強度（EI）即能源利用水平，反映了國民經濟在生產過程中的能源利用率。基于徐建中（2018）[16]、武運波（2019）[17]等人的研究，本文以各地區的能源消費量與當地GDP的比值表示;（2）經濟發展水平（GDP），以各地區2000年不變價格的人均GDP作為衡量經濟發展水平的指標。經濟發展水平與全要素生產率息息相關，一般認為經濟發展水平越高，則全要素生產率也越高。

4.控制變量：（1）人力資本（HC）。人力資本是提升創新水平的關鍵，關于人力資本的計算公式為：H=∑（priem×9+higem×12+colem×15+uniem×16+graem×19），其中pri、hig、col、uni、gra和em分別表示各地區就業人口中初中、高中、大專、大學、研究生學歷人數和地區總就業人口數，9、12、15、16、19是根據受教育年限而賦的權重。（2）研發投入強度（RD）。研發投入很大程度上影響到科技創新水平，本文選取各地區單位科技人員對科技活動內部支出占GDP的比重來表示研發投入的強度。（3）產業結構（IS）。重工業能源消耗較大，對環境污染影響也大，本文采用地區規模以上工業企業的重工業產值占當地規模以上工業企業的工業產值比重。（4）外商直接投資（FDI）。外商直接投資具有顯著的知識溢出效應，對產業發展具有重要作用，本文采用FDI占GDP的比重來衡量地區外商投資水平，先按歷年人民幣匯率的平均價格折算FDI以剔除匯率因素的影響，再以2000年為基期的消費價格指數對其進行平減以消除物價因素的影響。（5）政府支持（GS）。政府在科技教育的支出為技術創新、人才培養等方面有重要影響，本文選取各地區科技財政支出總額與當地財政總支出的比值來衡量。（6）城市化水平（UR）。城市化水平受人口集聚的影響，本文采用城鎮常住人口占總人口比重來衡量地區城市化水平。

（三）生產性服務業集聚對綠色全要素生產率影響的門檻估計結果

在前文指標構建的基礎上，本文利用Stata15.1軟件對面板數據進行了門檻模型回歸，檢驗生產性服務業集聚對綠色全要素生產率影響的門檻效應。

1.以能源強度為門檻變量

（1）在以能源強度為門檻變量時，生產性服務業專業化集聚對綠色全要素生產率存在單門檻效應。當能源強度低于門檻值0.6242時，由表2可知專業化集聚的估計系數在5%顯著性水平下為-0.0475，專業化集聚對綠色全要素生產率表現出抑制作用;當高于門檻值0.6242時，此時專業化集聚對全要素生產率作用并不顯著，可能的原因是在經過結構性突變以后，此時影響綠色全要素生產率的主要因素不再是專業化集聚，而可能是其他因素，比如技術創新發揮出正面效應，而抵消了其他的負面效應，總體表現為不顯著。

生產性服務業專業化集聚抑制綠色全要素生產率提升的原因可能有以下這些：一是當前中國生產性服務業傾向于低端化，2016年生產性服務業增加值的增速達到8.75%，但其中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等高端行業所占比重僅為36.83%。高端生產性服務業滯后使得其難以有效嵌入到制造業價值鏈中，使得生產性服務業集聚效應受到極大限制，并不能有效改善全要素生產率。二是地方市場分割和地方保護主義的存在，使得生產性服務業專業化集聚與地區制造業等關聯行業發展需求脫節，并且地方政府競爭使得地區間同類生產性服務業會出現較強的同質化，導致地區生產性服務業與制造業間的資源錯配。三是當能源強度較低時，技術溢出的正面效應也較低，而專業化集聚所帶來的負面效應比較顯著，總體表現出抑制的效應;當能源強度較高時，即能源技術水平相對較低時，技術溢出的效果更加明顯，技術溢出的正面效應可能會抵消專業化集聚所帶來的負面效應，總體上表現出不顯著的結果。

（2）在以能源強度為門檻變量時，生產性服務業多樣化集聚對全要素生產率也存在單門檻效應。當能源強度低于門檻值0.0663時，由表2可知多樣化集聚的估計系數在5%顯著性水平下為0.0786，說明多樣化集聚對全要素生產率具有正向作用;當高于門檻值0.0663時，此時多樣化集聚對全要素生產率作用并不顯著，說明此時可能是其他因素主導全要素生產率。

生產性服務業多樣化集聚促進綠色全要素生產率提升的原因可能有以下一些：一是生產性服務業多樣化集聚為制造業企業提供全方位服務和支持，投入產出關聯增強，推動產業結構的轉型升級，提升綠色全要素生產率。二是當能源強度較高時，產業結構偏向于重型化，此時多樣化集聚對于產業結構的調整和轉型的難度較大，對綠色全要素生產率的作用不顯著;當能源強度降低時，產業結構轉向輕型化，多樣化集聚能夠更好地推動產業結構的轉型，對綠色全要素生產率的促進作用就會更顯著。

（3）從表2的控制變量來看，在1%顯著性水平下人力資本回歸系數顯著為正，受生產性服務業集聚的影響，人口在地區的集聚形成綜合生產能力和社會分工體系，并且教育的發展有助于提高勞動者的素質，促進人力資本專業化，對全要素生產率提升具有明顯的促進作用。產業結構的回歸系數顯著為正，說明生產性服務業的集聚發展能有效減少第二產業中高能耗和高污染排放行業的能源消耗、能源冗余和污染物排放，在生產性服務業集聚下產業結構內部優化是促進全要素生產率提升的驅動因素。政府支持的回歸系數顯著為正，表明政府的財政支持在節能減排的技術創新過程中發揮了重要作用，促進全要素生產率的提升。城市化水平的回歸系數顯著為正，城市化的過程也是要素聚集的過程，城市化可以促進人力資本積累，產生規模經濟效應，促進技術溢出，對全要素生產率發揮正向作用。研發投入的回歸系數為負，可能的原因是研發投入與技術的應用于推廣需要較長的周期，研發投入帶來的技術進步效應短期內無法發揮。外商直接投資回歸系數為負，表明當生產性服務業集聚度不高且能源利用的技術水平也較低時，FDI企業僅通過“搭污染便車”即可獲取利益，此時FDI企業將不會進行低碳技術創新和應用，FDI會對全要素生產率產生反向作用。

2. 以經濟發展水平為門檻變量

（1）以經濟發展水平為門檻變量，當經濟發展水平低于門檻值9.2089時，由表3可知專業化集聚的估計系數在5%的顯著性水平下為-0.0533，說明專業化集聚對綠色全要素生產率具有抑制作用; 當高于門檻值9.2089時，專業化集聚對綠色全要素生產率作用并不顯著，說明此時可能是其他因素主導全要素生產率。

當經濟發展水平較低時，聚集地區的形成主要來源于比如產業扶持類的優惠經濟政策和資源稟賦，生產活動主要依賴于能源的消耗，企業缺乏技術創新意識。此時生產性服務業集聚并沒有實現資源的優化配置，甚至出現了擁擠效應，生產出現冗余，造成能源的浪費，環境污染嚴重，對全要素生產率的提升產生負面作用。當經濟發展水平較高時，專業化集聚能夠更好地通過節能減排技術創新對全要素生產率產生正面的影響，抵消負面的影響，總體上表現出不顯著的結果，而不是抑制的結果。

（2）在以經濟發展水平為門檻變量時，由表3可知，多樣化集聚對全要素生產率的兩個門檻值分別為9.2626和9.7026，當經濟發展水平低于門檻值9.2626時，多樣化集聚對全要素生產率的作用并不顯著，但當經濟發展水平處于9.2626至9.7026之間時，多樣化集聚的估計系數在1%的顯著性水平下為0.1408，此時多樣化集聚對全要素生產率產生了促進作用;當經濟發展水平高于9.7026時，多樣化集聚的估計系數在1%顯著性水平為0.2470，表明多樣化集聚對全要素生產率的正向作用進一步增強。

當經濟發展水平較低時，配套設施并不完善，對人才的吸引力也較弱;當經濟發展水平超過某一閾值時，一方面地區基礎設施逐步完善，人力資本積累也逐漸增強，企業間減排經驗和技術的相互學習和外溢;另一方面企業的集中有利于共享節能減排處理設施，增強碳排放的集中監管，降低減排的單位成本，使得節能減排的規模效應逐漸顯現。當經濟發展水平較高時，財政支持能夠得到較好地保障，人力資本積累達到一定水平，為技術創新研發提供了更可靠的支撐，為全要素生產率的改善提供了良好的外部環境。

（3）從其他控制變量的回歸結果來看，此時控制變量的變動趨勢與能源強度門檻結果分析中一致，此處不再贅述。

（四）生產性服務業細分行業集聚對全要素生產率影響的門檻估計結果

鑒于生產性服務業內部細分行業間的集聚特征各不相同，細分行業集聚對全要素生產率可能存在不同程度的門檻效應。為進一步探析各細分行業自身專業化水平和行業多樣化水平對全要素生產率影響的差異，本文進一步檢驗生產性服務業細分行業集聚對全要素生產率的影響效應，結果見表4和表5。

1.以能源強度為門檻變量

（1）在以能源強度為門檻變量時，生產性服務業細分行業中的大多數行業與前文中關于生產性服務業專業化集聚的結論一致，但信息傳輸計算機服務和軟件業、金融業表現出了較大差異，存在較明顯的行業異質性特征。信息傳輸計算機服務和軟件業屬于生產性服務業中的高端行業，當能源強度高于門檻值0.0663時，其專業化集聚對全要素生產率存在負向作用，低于門檻值時則表現出不顯著的結果。當能源強度較高即節能技術水平較低時，一方面信息傳輸計算機服務和軟件業的發展較為滯后，專業化集聚的效應并不明顯，短期內對全要素生產率的影響有限;另一方面，信息傳輸計算機服務和軟件業的專業化集聚可能在一定程度上提升了全要素生產率。由于節能技術水平低、能耗大，專業化集聚的正面效應不足以抵消負面效應，并表現出負向作用。隨著我國“互聯網+”領域的延伸和拓展，當能源強度較低即技能技術水平較高時，其專業化集聚所產生的知識外溢對行業的技術創新具有積極作用，有助于企業整合內外部資源，完善知識網絡，減少信息不對稱，降低企業獲取信息資源的成本，專業化集聚的正面效應抵消負面效應，加之企業的單位能耗也在逐漸降低，因此表現出不顯著的結果。當能源強度高于門檻值0.0545時，金融業專業化集聚對全要素生產率的影響不顯著，在跨越門檻值以后表現顯著的正向作用。當能源強度較高即節能技術水平較低時，企業往往為追求利益、縮減成本，較少投入到清潔技術研發，表現為“遵循成本效應”，金融業專業化集聚對全要素生產率的影響并不明顯。但是，當能源強度低即節能技術水平高時，企業面臨市場競爭和環境監管的雙重壓力，往往會選擇加大清潔技術的研發，遵循“創新補償效應”，金融業專業化集聚能夠為企業提供便捷的融資渠道，促進低碳技術的研發和清潔生產設備的更新，推動全要素生產率的提升。

（2）在以能源強度為門檻變量時，生產性服務業細分行業多樣化集聚對全要素生產率均存在單門檻效應，且門檻值與前文中生產性服務業多樣化集聚的門檻值相一致。門檻值相同反映出每個細分行業在地區所面臨的行業多樣水平是一樣的，此時并不能體現出行業異質性特征。

2. 以經濟發展水平為門檻變量

（1）在以經濟發展水平為門檻變量時，生產性服務業細分行業中的大多數行業與前文中關于生產性服務業專業化集聚的結論一致。當經濟發展水平較低時，交通運輸、倉儲和郵政服務業、信息傳輸計算機服務和軟件業、批發零售業、科學研究和技術服務業、環境治理和公共設施管理業對全要素生產率均表現出抑制作用，主要是因為經濟發展水平較低時，知識技術水平和人力資本水平也較低，加之行業自身的發展水平也較低，很難有效地嵌入到制造業價值鏈中，規模經濟效應、技術溢出效應難以發揮，此時對全要素生產率自然產生負向作用。但是，隨著經濟發展水平的提高，專業化集聚使得行業的專業化水平不斷提升，全要素生產率得到改善，并且通過示范效應促使相關行業加強清潔技術研發和應用，以改善全要素生產率，此時抑制作用逐漸轉變為不顯著。區別于其他行業，金融業專業化集聚對全要素生產率的影響隨經濟發展水平的提高，由不顯著轉變為較為顯著的促進作用，表現出了較明顯的行業異質性特征，具體的影響渠道在前文中已展開分析，不再贅述。

（2）在以經濟發展水平為門檻變量時，生產性服務業細分行業多樣化集聚對綠色全要素生產率均表現出雙門檻效應，與前文中生產性服務業多樣化集聚的門檻值相一致。隨著經濟發展水平的不斷提升，生產性服務業細分行業多樣化集聚對全要素生產率的正向作用不斷增強，說明生產性服務業細分行業多樣化集聚有利于形成多元發展模式，可通過“人才蓄水池”、“技術池”、“市場區”等作用于區域創新能力，促進全要素生產率的提升。

由上述分析可以看出細分行業專業化集聚的發展對綠色全要素生產率的影響效果更明顯，且存在明顯的行業異質性特征。交通運輸倉儲和郵政業、租賃和商業服務業、科學研究和技術服務業、環境治理和公共設施管理業的專業化集聚對全要素生產率具有一定程度上的抑制作用，也說明了這些行業的發展較為滯后，一定時期內技術創新水平的正面效應還不足以抵消專業化集聚所帶來的負面效應。隨著我國信息傳輸計算機服務和軟件業的飛速發展，技術溢出抵消專業化集聚所帶的負面效應使得影響變得不顯著。從長遠來看，信息傳輸計算機服務和軟件業的集聚不僅使得行業內效率的提升，對其他行業也具有很強的直接效應、融合效應、擴展效應和拉動效應，對現代化服務業的發展作用明顯，對全要素生產率的改善具備很大的潛力。批發零售業屬于資本密集型行業，受能源強度影響較小，但受經濟發展水平影響明顯，因此呈現出不同的門檻效應。尤其值得注意的是金融行業的專業化集聚對全要素生產率存在顯著的正面效應，金融服務業專業化集聚的發展為研發投入、技術創新的發展提供充足的資金，并且能夠引導產業和能源結構升級，金融市場的繁榮能夠吸引更多高技術水平的外商投資，從而提高綠色全要素生產率。

四、結論和政策建議

本文采用DEA-Malmquist模型，結合相應的投入和產出數據測算出2004-2016年的中國綠色全要素生產率，以能源強度和經濟發展水平為門檻，從專業化集聚和多樣化集聚角度下證實了生產性服務業集聚對綠色全要素生產率存在結構性突變，分析了生產性服務業集聚在中介機制的作用下對綠色全要素生產率的影響效應，探討了細分行業集聚對綠色全要素生產率的差異，得出以下結論，并引申相應的政策啟示。

（1）在不同能源強度、不同經濟發展水平影響下，綠色全要素生產率會出現不同的變化，存在較為顯著的門檻效應。相較于能源強度，經濟發展水平對綠色全要素生產率的影響更為明顯，說明經濟發展與節能減排耦合效應的重要性。只有當經濟發展水平達到一定程度時，城市配套設施更加完善，集聚環境更加優化，要素資源得到優化配置，此時生產性服務業的集聚才是真正經濟意義上的集聚，也才能避免出現區域間生產性服務業的惡性競爭。因此，在生產性服務業集聚過程中應注重差異性，而不是盲目集聚發展。

（2）在樣本期內，生產性服務業專業化集聚對綠色全要素生產率具有一定程度上的抑制作用;隨著技術溢出等正面效應的發揮，可以抵消負面效應，總體上表現出不顯著，說明中國的生產性服務業偏向于低端化，高端生產性服務業發展滯后，難以有效嵌入制造業價值鏈中。因此，要根據資源條件等因地制宜，結合制造業的發展需求，對生產性服務業的集聚要統籌規劃、合理布局，確定生產性服務業的發展方式和集聚模式，避免資源擁擠、生產冗余。生產性服務業多樣化集聚超過一定閾值以后，對綠色全要素生產率具有促進作用，并有增強的趨勢。因此，一是要加強各地區產業間的經濟交流、技術貿易和技術合作，發揮服務業集聚的競爭效應、學習效應以及規模效應，減少商品流通和自由貿易的壁壘;二是要營造良好的科技創新環境，鼓勵技術研發，完善知識產權保護制度和技術創新獎勵機制，提高企業自主創新能力和生產效率。

（3）生產性服務業細分行業專業化集聚對綠色全要素生產率存在不同程度的門檻效應，表現出了較明顯的行業異質性特征。其中諸如信息技術傳輸計算機服務和軟件服務業等高端服務業的發展還比較滯后，規模較小、需求不足，尚未有效嵌入到制造業價值鏈中，技術溢出效應不明顯;交通運輸倉儲業和郵政業等低端生產性服務業，本身的綠色環保特征并不明顯，但是對經濟社會發展不可或缺，尤其是集聚經濟的發展。因此，需要以綠色標準予以約束、以環保技術促進其發展。區別于其他產業，金融業對綠色全要素生產率表現出明顯的促進效應，尤其是隨著經濟發展水平的提高，其專業化集聚對全要素生產率的改善效果明顯。因此，要注重優化服務業結構，努力提高行業內的配置效率，注重環保技術的開發，充分發揮優質資本和高端人才的作用，提升生產性服務業發展質量，進而改善綠色全要素生產率。

參考文獻：

[1] 孫暢，王純，張晴云.創新價值鏈視域下技術創新與生產性服務業集聚的空間交互效應研究[J].科技進步與對策，2018，35（22）：55-62.

[2] 曾慶均，王純，張晴云.生產性服務業集聚與區域創新效率的空間效應研究[J].軟科學，2019，33（1）：24-28.

[3] 劉明，李佩燊，許寧.生產性服務業促進了技術創新效率的提升嗎？——基于不同的集聚視角[J].資源開發與市場，2018，34（12）：1717-1725，1737.

[4] Widodo W.， Salim R.， and Bloch H. The effects of agglomeration economies on technical efficiency of manufacturing firms： evidence from Indonesia[J]. Applied Economics， 2015.

[5] 韓峰，秦杰，龔世豪.生產性服務業集聚促進能源利用結構優化了嗎？——基于動態空間杜賓模型的實證分析[J].南京審計大學學報，2018，15（4）：81-93.

[6] 何守超，陳斐.生產服務業聚集與技術創新：理論及實證——基于2003～2015年省級面板數據[J].經濟體制改革，2017（5）：188-194.

[7] 高洋，宋宇.生產性服務業集聚對區域制造業技術進步的影響[J].統計與信息論壇，2018（4）：75-84.

[8] 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.

[9] 韓增林，楊文毅，郭建科.供給側視角下中國生產性服務業集聚對城市全要素生產率的影響[J].首都經濟貿易大學學報，2018，20（2）：72-82.

[10]江曼琦，席強敏.生產性服務業與制造業的產業關聯與協同集聚[J].南開學報（哲學社會科學版），2014（1）：153-160.

[11]伍先福.生產性服務業與制造業協同集聚提升全要素生產率嗎？[J].財經論叢，2018（12）：13-20.

[12]許寧，施本植，鄧銘.生產性服務業集聚與城市創新——基于行業、城市規模異質性的空間杜賓模型研究[J].資源開發與市場，2019，35（3）：309-317，334.

[13]Ezcurra R， Pascual P， Rapún， Manuel. Regional Specialization in the European Union[J]. Regional Studies， 2006，40（6）：601-616.

[14]Hansen B E. Threshold effects in non-dynamic panels： Estimation， testing and inference[J]. Journal of Econometrics， 1999，93（2）：345-368.

[15]Fare R，Grosskopf S， Norris M， etc. Productivity growth， technical progress and efficiency change in industrialized countries. The American Economist，1994.

[16]徐建中，王曼曼.綠色技術創新、環境規制與能源強度——基于中國制造業的實證分析[J].科學學研究，2018，36（4）：744-753.

[17]武運波，高志剛.能源價格、全要素生產率與工業能源強度關系的實證檢驗[J].統計與決策，2019，35（16）：125-128.

[18]陶長琪，李翠，王夏歡.環境規制對全要素能源效率的作用效應與能源消費結構演變的適配關系研究[J].中國人口·資源與環境，2018，28（4）：98-108.

[19]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.