生產性服務業和制造業協同集聚對生態效應的影響

吉亞輝 梁雅楠 張成

摘 要：綠水青山就是金山銀山，生態環境的好壞關乎人民福祉的高低。基于西北五省區2009—2017年面板數據，利用動態空間杜賓模型（動態SDM）和E-G協同集聚指數檢驗生產性服務業和制造業協同集聚對生態效應是否存在空間影響，并通過構建單門檻效應模型，進一步分析了生產性服務業和制造業協同集聚影響生態效應的強度。研究表明：第一，生產性服務業和制造業協同集聚通過提高科技水平改善了生態環境，具有顯著的長期效應。第二，生產性服務業和制造業協同集聚對本區域生態改善具有積極促進作用，對其他周邊地區生態效應也同樣具有溢出效應，這體現出區域協調性。第三，當異質型人力資本的數量跨過門檻值16 422后，生產性服務業和制造業協同集聚對生態環境的改善才會發揮顯著的積極影響。基于以上結論并立足西北五省區發展現狀，應當建立系統完善、剛性約束的制度體系，充分發揮知識、技術溢出效應，重視人力資本推動區域發展的邊際貢獻，同時應當以區域經濟一體化為依托，完善區域產業布局，打破區域邊界，讓生態效應改善的成果充分“外溢”。

關鍵詞：協同集聚;生態效應;動態空間杜賓模型;面板門檻模型

基金項目：國家自然科學基金項目“自然資源稟賦、地方政府行為與區際產業轉移”（71663046）;甘肅省優秀研究生“創新之星”項目“知識溢出視角下西北五省區制造業升級的空間效應研究”（2021CXZX-250）。

[中圖分類號] F061.5;F062.9 [文章編號] 1673-0186（2021）009-0091-020

[文獻標識碼] A? ? ? [DOI編碼] 10.19631/j.cnki.css.2021.009.007

綠水青山就是金山銀山。黨的十八大把生態文明建設納入中國特色社會主義事業總體布局，正式拓展為經濟建設、政治建設、文化建設、社會建設、生態文明建設“五位一體”，提出建設美麗中國，這一拓展表明我們黨對中國特色社會主義建設規律的認識上升到新的水平。社會發展不再是簡單追求GDP增速，我們更想要的是綠色GDP，但現實中環境與經濟往往會陷入顧此失彼的困境甚至會處于“零和博弈”的尷尬局面。

2019年《政府工作報告》明確指出“圍繞推動制造業高質量發展，強化工業基礎和技術創新能力，促進先進制造業和現代服務業融合發展，加快建設制造強國”①，“十四五”規劃和2035年遠景目標綱要進一步指出“加快推進制造強國、質量強國建設，促進先進制造業和現代服務業深度融合”②，現階段生產性服務業和制造業融合發展的重要性可見一斑。對于西北地區而言，存在兩個不容忽視的事實：一是產業結構老化，第二產業發展動力不足;二是生態環境脆弱。立足西北五省區現狀，制造業如何帶動生產性服務業發展？生產性服務業的發展壯大又會如何反作用于制造業？二者的內部反饋機制如何建立？更值得進一步探討的問題是：生產性服務業和制造業協同集聚的創新效應如何顯現？生產性服務業和制造業協同發展的強度達到哪一個具體的門檻值可以發揮其促進作用？針對這些問題的研究對于西北五省區制造業的轉型升級、服務業的提質增效具有重要的戰略指導意義。

國內外學者對于生產性服務業和制造業協同集聚的積極作用多持肯定態度，認為生產性服務業和制造業的協同集聚會激活區域創新、增加知識溢出并增強企業間的關聯度[1-5]。但赫爾斯利·羅伯特（Helsley Robert）使用“城市構成模型”研究“集聚、集群與城市規模及構成”時對傳統的集聚理論提出了質疑[6]，認為并非所有的產業協同集聚都會提高產業間的合作效率。關于生產性服務業與制造業協同集聚的研究，國內外學者主要基于兩個視角展開：

第一，基于產業互動視角。國外對于服務業和制造業的關系研究較早。作為一種重要的要素，服務是提升制造業發展質量的重要基礎[7-9]，當生產性服務業和制造業具有明顯的集聚傾向時，更有利于提高就業質量[10]。隨著科技水平的提升，我國的產業結構逐漸“軟化”，工業經濟正在向服務經濟轉變[11]，黨的十九大明確釋放出加快現代化生產性服務業，依托生產性服務業推動制造業轉型升級的信號，生產性服務業與制造業的關系受到越來越多的關注[12-14]。郭然和原毅軍基于新常態、新舊動能轉換的視角研究生產性服務業集聚對我國制造業發展的影響[15]，結果表明，生產性服務業集聚通過提高技術創新能力和優化產業結構從而提升制造業發展質量。孫暢指出政府在指定產業政策時應充分考慮高端服務業和先進制造業的互動關系[16]，從雙向互動視角平衡兩產業的發展。

第二，基于空間互動視角。馬歇爾·阿爾弗雷德（Marshall Alfred）闡述了存在外部經濟與規模經濟的條件下[17]，產業空間集聚經濟理論的三個形成動因：勞動池、中間產品以及知識信息。埃里森·格倫（Ellisionet Glem）通過NBER專利引用數據證實了馬歇爾認為的集聚經濟產生的外部性動因[18]。陳曉峰和陳昭鋒指出：產業集聚不僅僅是單一產業在地理上的集中與自我強化[19]，更是相關產業協同集聚的演進過程。生產性服務業與制造業協同集聚能夠顯著促進產業結構升級[20-21]、提升城市創新水平[22]、提高區域綠色創新能力[23]、促進城市群的發展[24]。姚星等基于國際視角[25]，強調了產業融合對區域經濟發展的重要性。陸鳳芝和楊浩昌基于2003—2016年我國30個省區的面板數據[26]，實證檢驗了產業協同集聚對生態效應的影響，結果表明：產業協同集聚的溢出效應在中西部地區比較顯著，產業協同集聚與環境污染呈穩定的倒U型關系，雖然產業協同集聚在短期不利于環境污染治理，但在長期會推動環境污染的有效治理。

綜上所述，生產性服務業和制造業的協同集聚越來越受到廣大學者的關注，但是以生態效應為切入點來研究兩者關系的文獻較為匱乏。因此，本文嘗試對生產性服務業和制造業協同集聚影響生態效應的機制進行檢驗。本文創新性在于：第一，通過構建生態效應的復合指標來衡量影響效應，結果更為準確;第二，利用動態SDM分析西北五省區生態改善的空間效應，使用面板門檻模型探討生產性服務業與制造業協同集聚達到哪一門檻值才會對生態改善產生積極作用，準確分析了內在的作用機制。

一、理論機制與研究假設

已有研究表明，生產性服務業和制造業的協同集聚集中表現為產業間在知識、技術、基礎設施、節能減排等方面的競爭與合作共享[27]。具體在本文中，生產性服務業和制造業協同集聚對生態效應的影響表現為兩條路徑（見圖1）。

（一）直接影響

生產性服務業和制造業協同集聚有利于加速創新成果轉化，改善生態環境。通過對Marshall集聚外部性和Jacobs集聚外部性的溯源發現，Marshall集聚外部性更強調專業化分工導致的創新活動，Jacobs集聚外部性則強調多樣化分工導致的創新。對于生產性服務業和制造業的協同集聚而言，專業化分工能夠顯著強化企業上下游之間的關聯，簡化交易程序，降低雙方信息不對稱程度。由新經濟地理學的核心——邊緣模型（Core-Periphery Model）中關于需求側關聯和成本側關聯分析可知，專業化分工給企業帶來的益處是降低交易成本，加速整個成果轉化的過程。其一，在當今時代，企業之間的界限不再那么明確，企業界限的演進越來越趨向于“后錢德勒迷惑”①，制造業依附于生產性服務業的拉動，上下游之間的信息成本顯著下降，生產、轉換各個環節更加透明，節省了溝通成本，企業之間的界限逐漸模糊，企業之間傾向于合作生產，因此相對來說，企業有更多的資金投入技術創新與成果轉化環節，成功的技術創新能夠有效發揮其清潔能力，從而起到改善生態環境的作用。其二，企業往往不是被視為單獨的個體，而是視為處于產業鏈上的一個環節。在生產過程中，大部分企業生產能力有限，效率低下，難以完成整個生產流程，因而往往是與配套的企業進行協作，形成長期穩定互助的上下游供應關系，其中間的任何一個企業進行技術上的創新、產生技術進步行為，都會通過產業鏈的共享，直接影響其上下游企業的生產效率。不難看出，產業鏈充當一種重要的聯結企業間關系的橋梁角色，企業個體嵌入產業鏈的一個突出特征是交易成本會降低、投入產出性價比相對會提高。因而，生產性服務業和制造業協同集聚通過企業這個中介匣子，會顯著影響企業的創新成本。基于以上分析，提出本文的第一個假設：

假設1：生產性服務業和制造業協同集聚通過發揮創新效應改善生態環境。

（二）間接影響

生產性服務業和制造業協同集聚有利于發揮知識溢出效應。生產性服務業具有知識密集型行業的一般特性：規模報酬遞增。因而，從概念上說，其集聚程度越高，規模效應越顯著[28]。行業間知識溢出通過推動各行業的知識生產，能夠有效促進產業發展。新經濟地理學原理中知識創新與擴散模型（Two person Model）對知識溢出做了較為翔實的研究，知識溢出對人力資本的積累起著重要作用，而生產性服務業和制造業協同集聚為人力資本的學習、交流提供了一個便捷的“公共信息池”，“公共信息池”中知識異質性的大小決定了知識溢出效應發揮有效性程度的高低。經驗事實表明，高素質人力資本不僅僅通過接受普通高等教育這一條途徑來提升自己，更重要的是依靠非正式會談、論壇交流的學習甚至是人與人之間的溝通等知識溢出途徑來提升自身的技能。隨著人力資本的積累，人們的思想觀念、生活方式等會趨向于綠色化發展。熊彼特“創新理論”內涵中的創新擴散思想便很好地佐證了知識溢出效應。在熊彼特看來，創新之所以能夠發生，是因為企業家的創新精神，企業家聚集在一起，會形成一種寬容和諧的社會氛圍，有助于企業內部人才進行思想觀念的碰撞交流，從而對知識溢出的發生形成正向促進作用。之后隨著眾多學者對創新思想的發展，衍生出“干中學”模型、技術溢出理論等諸多理論。“干中學”模型以及技術溢出理論的本質是通過先進技術的擁有者充當領頭羊的角色，通過技術傳播、經驗積累來提高生產率。在“知識溢出”模型、“干中學”模型以及技術溢出理論的支撐下，人力資本的積累對技術創新起著“加速器”的作用，即人力資本的有效積累會縮短技術創新周期，有利于發揮生產性服務業和制造業協同集聚帶來的技術溢出效應，從而降低生態改善的難度。基于此，提出本文的第二個假設：

假設2：生產性服務業和制造業協同集聚通過提升人力資本積累水平促進生態改善。

基于新古典增長框架，本文構建理論模型用環境庫茲涅茨倒U型曲線（EKC）分析生產性服務業和制造業協同集聚的門檻效應。根據該曲線，在經濟發展的初期階段，隨著收入增加環境質量將不斷惡化，當收入越過某一特定的“轉折點”后，環境質量將得到改善，即“污染—收入”之間存在一種“倒U型”的發展軌跡。借鑒此思想，本文認為在生產性服務業和制造業協同集聚的初期，其技術創新效應未充分顯現①，對生態改善的積極作用影響很小;隨著生產性服務業和制造業協同集聚的強化，技術創新效應充分顯現，即異質型人力資本的積累達到一定程度，對生態環境的改善作用會跨過令其受限的門檻值，充分發揮其清潔能力。基于上述分析，構建一個企業生產決策模型進行分析。

假設市場是一個兩部門模型，即只有消費部門和生產部門。生產部門由多個生產規模相同的企業構成，但產品生產過程中單位面積排污密度卻是不同的。令企業排污密度為ki[ki∈（0，+∞）]，產品價格Pi由市場供求關系來決定，企業生產成本與產量成正比：

企業在生產過程中，面臨兩種決策：一是從理性經濟人假設出發，追求自身利益最大化，無視環境破壞的代價，造成負外部性;二是將環境效益考慮在內，重視可持續發展，在生產過程中放棄一部分經濟效益而兼顧環境效益。

由于現實環境中資源約束的存在，企業在生產時面臨環境成本，即：

在環境規制強度為e時，若企業采取第一種決策，此時外部環境總成本為

若企業采取第二種決策，為方便說明情況，假設企業此時放棄的經濟效益是一個固定比例，用ρ來表示。則放棄的經濟效益可表示如下：

基于上述分析，當企業追求自身利益最大化時，此時可獲得產出效益為

當企業為了可持續發展將環境效益考慮在內時，此時企業獲得的產出效益為

根據上文分析，依據理性經濟人假設，企業選擇自身利益最大化時，若考慮環境效益需滿足條件：

解上述不等式，可得：

聯立（2）（8）可解出限制條件：

為更直觀地進行分析，繪制單位面積環境污染強度概率分布圖，如圖2所示。當環境規制強度e→0時：

當環境規制強度e→∞時：

由圖2可知，在臨界值內的環境強度增加能夠促進企業進行技術創新，而超過這一臨界值后環境強度增加對企業技術創新是不利的，由此可以推斷出產業集聚的技術創新效應對污染排放量的影響可能是一個先上升后下降的變化趨勢。據此，提出本文的第三個假設：

假設3：生產性服務業和制造業協同集聚只有達到一定程度后，對生態效應的改善才會產生積極影響。

二、研究設計

綜上，產業協同集聚對生態效應的改善有空間影響，同時需要借助面板門檻模型來分析產業協同集聚的門檻值，因此本文擬通過空間模型分析產業集聚對生態效應改善的空間效應，在此基礎上利用面板門檻效應研究生產性服務業與制造業協同集聚達到哪一門檻值才會對生態改善產生積極作用。

（一）動態SDM設定

顯然，地區之間具有學習借鑒效應，即一個地區有效的生態治理成果會對其他地區形成示范作用，產生空間溢出效應。本文研究生產性服務業和制造業協同集聚對生態效應的影響，運用動態SDM解釋集聚的直接影響和間接影響：即測算其在西北五省區中的直接效應和溢出效應。綜合考慮時間、時空的滯后項之后，模型設定如下：

其中：Yt-1表示被解釋變量的一階滯后項，τ為系數，τYt-1表示被解釋變量的時間滯后項;μWYt-1表示被解釋變量的時空滯后項，μ為系數;當τ=μ=0時，退化為靜態空間杜賓模型。

上述計量模型的設定中，由于空間滯后項的存在，會導致回歸結果產生空間依賴性，即回歸系數并不直接反映解釋變量對被解釋變量的影響程度。參照勒薩熱·詹姆斯（LeSage James）的做法[29]，采用偏微分法將總效應分解為直接效應和間接效應。其中，直接效應反映生產性服務業和制造業協同集聚對本區域生態改善的影響;間接效應反映生產性服務業和制造業協同集聚對其他區域生態改善的影響，即空間溢出效應;因而，總效應反映了生產性服務業和制造業協同集聚對生態改善的全部影響，即直接效應和間接效應的總和。依據動態SDM方程，設置如下：

寫成矩陣的形式為：

（二）面板門檻模型設定

為了防止主觀設定生態強度的門檻值，借鑒漢森（Hansen）設定面板門檻模型的做法[30]，其確定門檻值的依據是殘差平方和最小。單一門檻值模型設定如下：

其中：i=1，2…5，表示西北五省區;k代表控制變量;t表示時間;y表示被解釋變量;x表示解釋變量;qit表示門檻變量，當qit≤y時，qit≤y=1，否則，qit≤y=0;β代表回歸系數，β=β2，θ=β1-β2;λi表示該模型為固定效應模型。在本文中其代表的含義如下，yit：生態效應，以廢水排放量、氮氧化物排放量和固體廢物排放量作為衡量指標;xit：生產性服務業和制造業協同集聚，以區位熵和E-G協同集聚指數衡量;qit：門檻變量，以異質型人力資本來衡量;Xkit：控制變量，包括科技水平、重工業企業數量和同質型人力資本。

（三）生產性服務業和制造業協同集聚指數設定

1.生產性服務業和制造業協同集聚的區位熵

測算產業集聚度常用的指標是區位熵[31]，形式上是比值的比值。以區位熵衡量生產性服務業①和制造業的協同集聚度，計算公式如下：

其中：i=1，2…5，LQM表示西北五省區制造業的區位熵，LQM值越大，表示協同集聚水平越高;LQP表示西北五省區生產性服務業的區位熵，CC表示西北五省區制造業和生產性服務業的協同集聚指數。具體的，emi表示i省區的制造業從業人員數，epi表示i省區的生產性服務業從業人員數，em表示全國制造業從業人員數;同理，ep表示全國生產性服務業從業人員數，Ei表示i省區所有的從業人員數，E表示全國第一、二、三產業所有的從業人員數。表1列出了西北五省區2009—2017年生產性服務業和制造業的區位熵及協同集聚指數。

由表1可知，陜西省近些年的制造業區位熵呈現平穩態勢，其余四省區制造業的區位熵整體上呈現下降的趨勢，其中甘肅省制造業區位熵自2009年以來下降了39.71個百分點，說明甘肅省制造業隨著時間的推移，越來越分散。同時可以看到，陜西省在西北五省區中制造業區位熵值處于領先地位，因為陜西省近年來的產業發展正向技術和知識密集型轉變，這可從其生產性服務業的區位熵值得到證實。還有一個值得關注的現象是甘肅省的制造業集聚程度最低，2017年制造業的區位熵值僅為0.339 5。

西北五省區生產性服務業的區位熵值明顯高于制造業。寧夏回族自治區生產性服務業的區位熵值在五省區中最大但呈明顯的下降趨勢，說明寧夏回族自治區的生產性服務業集聚水平有分散的趨勢。甘肅省生產性服務業的集聚程度依然最弱，甘肅省作為我國傳統的老工業基地，其制造業的服務化沒有很好與當地的整體發展接軌，因而生產性服務業的發展沒有呈現很好的效果。

從協同集聚指數來看，陜西省生產性服務業和制造業協同集聚指數有明顯的上升，發展越來越趨向于均衡，在西北五省區中產業協同集聚趨勢最為明顯，其余四省區協同集聚指數均呈下降趨勢。整體來看，西北五省區生產性服務業和制造業協同集聚指數隨著時間的推移，越來越趨向于均衡。

2.生產性服務業和制造業的E-G協同集聚指數

埃里森最先用E-G指數研究產業集聚問題[32]，為使生產性服務業和制造業的協同集聚指數更精準，用修正后的簡化E-G指數對其重新衡量。具體參考江曼琦和席強敏的做法[33]，E-G指數設定如下：

一般來說，E-G協同集聚指數小于0.02為低度集聚，大于0.05為高度集聚。從表2可以看到，西北五省區生產性服務業和制造業的E-G協同集聚指數均小于0.02，為低度集聚狀態。特別地，注意到寧夏回族自治區和新疆維吾爾自治區E-G協同集聚指數為負值，這并不能說明這兩個省區的生產性服務業和制造業的協同集聚程度非常差。已有研究表明，E-G指數為負值的情況有兩種[34]：一是在某一行業，從業人數占所有地區就業人數比重很小時，且該行業空間集聚水平小于生產集中程度;二是從經濟學意義上解釋：如果某些行業的企業分布非常分散，但排名靠前的企業規模又非常大，此時也可能出現E-G指數為負值的情況。結合兩省區的實際情況，出現第一種情況的概率更大。從表2可以看到，甘肅省近年來生產性服務業和制造業的集聚程度較好，這與甘肅省政府從2015年開始陸續出臺有關生產性服務業和制造業融合發展的相關措施，并取得了一定的成效有著密切的關聯。易見，E-G協同集聚指數的結果印證了表1區位熵的協同集聚結果。

（四）變量設定

1.被解釋變量

生態效應（em）：參考郭然和原毅軍指標選取的方法[15]，同時結合數據的可獲得性，借鑒李鍇和齊紹洲給指標賦權重的方法[35]，將廢水排放量、氮氧化物排放量以及固體廢物排放量各賦值1/3，構建生態效應指標，生態效應綜合評價指標見表3。

2.解釋變量

生產性服務業和制造業協同集聚指數（cc）：在上文的分析中，參考趙文琦和胡健及劉志彪等構建區位熵指標的方法構建了生產性服務業和制造業協同集聚指數[31，36];此處參考江曼琦和席強敏的方法構建修正后的E-G協同集聚指數來衡量生產性服務業和制造業的協同集聚水平[33]。

3.控制變量

為了使估計結果更加準確，防止出現因遺漏重要變量導致的估計系數偏誤問題，結合影響生態效應的其他因素，選取重工業企業數量、科技水平和同質型人力資本這三個控制變量。重工業企業數量（heavy）。某一地區重工業企業數量越多，排放的空氣污染物相應也會增多，自然會對空氣質量指數產生負向影響。因而將各省區的重工業企業數量數作為一個控制變量納入模型中。科技水平（R&D）。某一地區科技水平越高，處理污染物的效率會越高，因而對空氣質量造成的損害會下降，降低生態治理的難度，從而達到改善生態效應的目標。參考陳堂和陳光對科技水平的衡量[37]，選取各省區R&D經費支出作為衡量科技水平的指標。同質型人力資本（hl）。參考羅勇和高爽對人力資本的劃分[38]，以受教育年限為界限將其劃分為同質型人力資本（hl）和異質型人力資本（dl）①。

4.門檻變量

異質型人力資本（dl）。通常認為人力資本素質越高，越容易接受新思想，生活方式會更加健康，因而其自身的行為會對生態改善產生正向的促進作用。

（五）數據說明與描述性統計

考慮到各省區以及全國制造業從業人員數據和生產性服務業從業人員數據的可獲得性，本文最終收集了2009—2017年西北五省區的相關數據進行后續的實證分析。廢水排放量、工業廢氣排放量以及固體廢物排放量相關數據來源于《中國環境統計年鑒》、各省區統計年鑒以及中經網產業數據庫;各省區及全國制造業從業人員數據來源于《中國工業統計年鑒》《中國統計年鑒》以及各省區統計年鑒;生產性服務業中的各省區及全國的房地產業的從業人員數據來源于《中國房地產統計年鑒》《中國統計年鑒》;其余相關數據來源于各省區統計年鑒。各變量的描述性統計見表4。

三、實證結果與分析

在對實證研究的方法特點、本文使用的數據進行具體描述后，再對生態效應進行空間相關性分析，通過對生產性服務業和制造業協同集聚對生態效應的空間效應進行詳細的實證分析后，基于面板門檻模型，探究生產性服務業和制造業的協同集聚強度達到什么程度才能發揮其促進作用。

（一）生態效應的空間相關性分析

1.空間權重矩陣

空間相關性分析的第一步是構建恰當的空間權重矩陣，空間權重矩陣反映了空間上的關聯程度。本文綜合考慮以往學者構建空間權重矩陣的方法[39]，權衡了空間鄰接矩陣W1、地理距離權重矩陣W2、經濟距離權重矩陣W3、地理經濟距離權重矩陣W4以及嵌套權重矩陣W5，考慮數據的局限性與回歸結果的理想性，最終選取嵌套權重矩陣進行空間相關性分析。嵌套權重矩陣同時考慮了經濟距離和地理距離的影響，即嵌套權重矩陣W5=φW2+（1-φ）W3，參考李鍇和齊紹洲的設計[35]，φ取0.5。

2.空間自相關檢驗

在用空間杜賓模型進行實證分析之前，通常要判別空間是否存在自相關關系。空間自相關檢驗有兩種：全局空間自相關檢驗和局部空間自相關檢驗。目前普遍采用莫蘭指數（Moran's I）來判斷變量之間的全局空間相關性。Moran's I>0，表明變量之間存在空間正相關關系;Moran's I<0，表明變量之間存在空間負相關關系;Moran's I=0，表明不存在空間相關關系。莫蘭指數公式為：

局部空間自相關通常依靠莫蘭指數散點圖來實現，莫蘭指數散點圖可以更加直觀清晰地顯示各省區與鄰近省區同類指標之間的關系，揭示其局域相關關系[40]。如圖3所示，五個省區擬合圖分布在Ⅰ、Ⅲ象限，說明西北五省區都以“高—高”“低—低”的集聚為主，同時也印證了西北五省區生態效應存在明顯的空間相關性。

（二）動態SDM選擇

在莫蘭指數檢驗的基礎上，要進一步選擇空間計量模型。選擇的思路如下：

從表6可以看出，首先，LM檢驗的統計量均在1%的水平上顯著，說明可以利用空間計量方法進行分析;LR檢驗的統計量均在1%的水平上顯著，說明如使用SEM或SAR分析空間溢出效應存在偏誤;最后，Wald檢驗的統計量在1%的水平上顯著，說明SDM無法退化為SEM和SAR。綜上，應選擇SDM模型進行分析。

接下來考慮動態效應的影響，引入生態效應的時間滯后項τemi，t-1、時空滯后項μWemi，t-1，構建動態SDM。為了保證結果的穩健性，根據引入的滯后項形式的不同，本文對三種形式的動態SDM進行估計，表達式如下：

其中，Xit為解釋變量和控制變量的組合，Xit=（ccit，dlit，hlit，R&Dit，heavyit）;δi為時間效應，μi為個體效應，εit為隨機誤差項，W為空間權重矩陣。為保證回歸結果的平穩性，對被解釋變量取對數。表7列出了只含時間滯后、只含時空滯后以及同時包含時間時空雙滯后的動態SDM回歸結果。

由表7可知，對于僅包含時間滯后的動態SDM回歸結果而言，核心解釋變量協同集聚指數雖然通過了1%的顯著性檢驗，但關鍵控制變量R&D未通過顯著性檢驗;僅含時空滯后項的回歸結果顯示，核心解釋變量在1%的水平上顯著，但大部分控制變量均不顯著，會削弱模型的解釋力度;同時包含時間時空雙滯后的回歸模型結果顯示：除了同質型人力資本這一控制變量不顯著外，其余的核心解釋變量、控制變量以及門檻變量均至少通過了10%的顯著性檢驗，其結果顯著優于模型（1）和模型（2）。具體看控制變量R&D，是一個負向指標，對生態效應的影響非常顯著;即生產性服務業和制造業的協同集聚通過提高科技水平降低了生態改善難度，進一步，科技水平帶動創新效應的涌現提高了生態治理水平，這自然地印證了假設1。綜合來看，本文可以選取同時包含時間時空雙滯后的動態SDM。

（三）動態SDM的空間效應分解

根據上文的分析，對同時包含時間滯后和時空滯后的動態SDM的總效應進行分解，其中：空間直接效應表示協同集聚指數對本地區生態效應的影響，空間溢出效應表示協同集聚指數對臨近省區生態效應的影響;回歸結果見表8。

1.空間直接效應

由表8可知，短期而言，協同集聚對生態改善的空間效應均不顯著，可能的原因是西北五省區的生產性服務業和制造業還處于低端集聚狀態，協同集聚的創新效應還沒有顯現，且相關政策從決策到頒布執行，中間有很長的沉沒時間，存在一定時滯，其效果無法在短期內呈現。長期來看，生產性服務業和制造業的協同集聚對生態效應的影響通過了10%的顯著性檢驗，從回歸結果來看，能夠有效促進生態效應的改善。正如上述分析，政策的實施必然在長期內有所反饋，在上文分析中，二者的協同集聚通過提高科技水平，激發了創新活力，因而在長期內，對生態改善有正向促進作用。

空間直接效應的結果表明，西北五省區在改善生態效應方面，今后有兩種可行方法：一是短期內通過加強生態治理的強度，倒逼決策層的改革;二是長期內實行多元化的生態治理措施，增強公眾對生態治理緊迫性的意識，提高生態治理能力。

2.空間溢出效應

表8動態SDM的分解結果顯示，短期內協同集聚指數對生態改善呈現正向不顯著的空間溢出效應;長期來看，協同集聚指數對生態改善有顯著的空間溢出效應，且通過了1%的顯著性檢驗。自然地，生態治理效果較好的地區很好地踐行了“兩山論”，因而會對其他地區產生引領作用，有模范帶動效應。短期內空間直接效應不顯著，因而對其他地區的示范作用不能很好地發揮;長期內空間直接效應顯著，會有效的發揮其模范作用，對臨近地區有很好的示范效應，因而空間溢出效應非常顯著。

總體來看，生產性服務業和制造業的協同集聚對生態改善有顯著的長期效應。地區是一個開放包容的經濟體，地區之間的文化交流、知識溢出會有效地推動技術進步。技術是引領發展的動力，生產性服務業和制造業的協同集聚通過技術進步提高生態改善水平，從而促進地區之間形成生態治理成果的“產業鏈”，進一步強化地區間聯系，有效地提升地區整體的生態治理水平。

上文研究表明，生產性服務業和制造業的協同集聚會有效地促進生態效應改善。但生產性服務業和制造業的協同集聚強度達到什么程度才能發揮其促進作用？鑒于此，本文將構建面板門檻模型對這些具體問題進行相關研究。

（四）面板門檻模型的相關分析

1.面板單位根檢驗

對于面板門檻模型，首先一般要求各變量是平穩變量。面板單位根檢驗是檢驗變量平穩性的標準方法，參考劉伯龍等對面板數據進行單位根檢驗的方法[41]，對變量進行Levin-Lin-Chu檢驗和Im-Pesaran-Shin檢驗。檢驗結果顯示：P值均在5%的水平上顯著，強烈拒絕面板包含單位根的原假設，即面板數據通過了平穩性檢驗，變量為平穩變量，后續可以用面板門檻模型進行分析。檢驗結果見表9。

2.生產性服務業和制造業協同集聚影響生態改善的門檻效應

進行門檻效應的分析，還應確定門檻數量。本文通過進行“自抽樣法”300次，得到門檻檢驗結果，進而觀察F統計量和P值，確定門檻個數。由表10可知，單門檻通過了10%的顯著性檢驗，雙門檻以及三重門檻均未通過顯著性檢驗，綜合門檻效應檢驗來看，本文選取單門檻模型進行后續的實證分析。

（五）門檻模型回歸分析

以異質型人力資本作為門檻變量，生產性服務業和制造業協同集聚對生態效應影響的單門檻模型的回歸結果見表11。基于門檻值的測算結果，將異質型人力資本劃分為兩個區間，也就是說隨著異質型人力資本的流動，生產性服務業和制造業協同集聚對生態效應的改善具有不同影響。當異質型人力資本聚集程度低時，生產性服務業和制造業協同集聚對生態效應的改善作用為負;當異質型人力資本的流動跨過門檻值16 422之后，處在第二個區間時，生產性服務業和制造業協同集聚對生態效應的改善發揮積極促進作用，由此假設3得到印證。同時，這一結果也從側面說明提高異質型人力資本的轉換比例將有助于促進生態改善，進一步驗證了假設2。

高素質人力資本集聚為什么會改善生態效應？可能存在的原因如下：一是高素質人力資本在接受高等教育之后，在思想觀念、生活習慣以及社會同理心方面都會有很大的不同，他們更多的是追求精神層面的享受，因而會更加注重社會制度的約束，從而使得“綠水青山就是金山銀山”被有效踐行;二是高素質人力資本集聚通過提高技術創新水平，會進一步提高勞動生產率，大大降低生態治理的難度，從而使得生態效應的現狀得到明顯改善。

四、結論和啟示

本文運用2009—2017年西北五省區的面板數據，運用區位熵和E-G協同集聚指數測算生產性服務業和制造業協同集聚程度，在此基礎上，利用動態空間杜賓模型（動態SDM）檢驗生產性服務業和制造業協同集聚對生態效應的改善是否存在空間效應，并通過構建單門檻效應模型，進一步分析了生產性服務業和制造業協同集聚影響生態效應的強度。主要研究結論如下：

第一，生產性服務業和制造業協同集聚通過提高科技水平從而改善了生態環境，具有顯著的長期效應。全局莫蘭指數顯著為正，表明西北五省區的生態效應存在明顯的空間正相關性。從協同集聚指數來看，陜西省生產性服務業和制造業協同集聚指數有明顯的上升，發展越來越趨向于均衡，在西北五省區中產業協同集聚趨勢最為明顯。生產性服務業和制造業協同集聚對本區域生態改善具有積極促進作用，對周邊地區生態效應也同樣具有溢出效應，體現出區域協調性。

第二，基于新古典增長框架，通過理論模型的構建，用環境庫茲涅茨倒U型曲線（EKC）證實了生產性服務業和制造業協同集聚影響生態改善門檻效應的存在。利用單門檻效應模型進行分析，結果表明當異質型人力資本的數量跨過門檻值16 422后，生產性服務業和制造業協同集聚對生態效應的改善才會發揮顯著的積極影響。

基于上述結論，為加強西北五省區生產性服務業和制造業協同集聚程度，同時充分發揮其依托技術進步改善生態效應的能力，提出以下建議：

首先，建立系統完善、剛性約束的制度體系。生態環境問題，根源在于經濟建設和環境保護的失衡，政府應依托其堅固的中心地位，加大監管力度，督促企業強化環境責任意識，重視產業結構的優化調整，進一步提高企業生產治污處理技術，從而促進資源合理優化配置。對于西北五省區來說，區域發展失衡已然成為一個不爭的事實，資源的有限性與社會對資源的需求形成了鮮明的對比，加之資源空間配置效率低下，因而加大生態治理的力度迫在眉睫。從長期來看，不加限制的建廠開工，依靠傳統的生產方式，不利于可持續發展。站在長遠發展的角度考慮，應充分認識到生產性服務業和制造業協同發展水平仍有很大的提升空間，依托現代產業鏈的建構，轉變粗放型經濟增長方式，合理利用資源，以“綠水青山就是金山銀山”理念為指引，提高生產性服務業和制造業高質量的協同發展水平，從而改善生態效應。

其次，充分發揮知識、技術溢出效應，重視人力資本推動區域發展的邊際貢獻。建立自由寬容的要素流動機制，加強西北五省區同其他地區的聯系，促進區域融合，尤其是應當促進高素質人力資本向西北五省區的流動。功以才成，業由才廣。人才是發展之源，創新驅動的本質是高素質人力資本的驅動，嚴格把關人才引進的標準及待遇，制定配套的激勵措施，暢通人才引進綠色通道，完善西北五省區人力資本體系。抓住“一帶一路”機遇，積極同發達地區建立人才“傳輸紐帶”，不斷提高西北五省區異質型人力資本的比例，激發技術創新活力，讓西北五省區享受到技術外溢的邊際效應，降低人才流動門檻，加強區域協同，實現生態治理的長效性。

最后，以區域經濟一體化為依托，完善區域產業布局，跨越集聚拐點。各省區之間要重視模范帶動效應，倡導政府、企業、群眾之間互相配合，積極履行社會責任，在推動區域產業集聚的同時，需打破地方行政壟斷，消除地方保護主義，讓生態效應改善的成果充分“外溢”，實現生態治理的“共治”。西北五省區要準確認識到自身發展的短板，在利用自身資源稟賦的基礎上，協調整合各區域資源，努力向東部等技術發達地區看齊，在技術上追趕，在發展中開放，實現以強帶弱、美美與共的良好局面，從而為生態效應的改善提供堅實的基礎。

參考文獻

[1]? PARK S， CHAN K. A Cross-country Input-output Analysis of Intersectoral Relationships Between Manufacturing and Services and Their Employment Implications[J]. World Development， 1989， 17（2）： 199-212.

[2]? AMITI M. Location of Vertically Linked Industries： Agglomeration Versus Comparative Advantage[J]. European Economic Review， 2002， 49（4）： 809-832.

[3]? 張明倩，趙彥云. 產業集聚對創新活動空間差異的影響——基于中國制造業數據的實證研究[J]. 統計與信息論壇，2008（3）：43-47.

[4]? 江三良，尹志勤.交通基礎設施溢出效應的研究——基于三重產業集聚視角[J].重慶社會科學，2021（6）：33-42.

[5]? 湯長安，張麗家. 產業協同集聚的區域技術創新效應研究——以制造業與生產性服務業為例[J]. 湖南師范大學社會科學學報，2020（3）：140-148.

[6]? HELSLEY R W， STRANGE W C. Coagglomeration， Clusters， and the Scale and Composition of Cities[J]. Journal of Political Economy， 2014， 122（5）： 1064-1093.

[7]? HARRINGTON J W. Producer Services Research in U.S. Regional Studies[J]. Professional Geographer， 1995， 47（1）： 87-96.

[8]? ESWARAN M， KOTWAL A. The Role of the Service Sector in the Process of Industrialization[J]. Journal of Development Economics， 2002， 68（2）： 401-420.

[9]? KELLE M. Crossing Industry Borders： German Manufacturers as Services Exporters[J]. The World Economy，2013，36（12）：1494-1515.

[10]? KLAUS D， MARCEL F. Changes in the Spatial Concentration of Employment Across US Counties： A Sectoral Analysis 1972-2000[J]. Journal of Economic Geography， 2005（5）： 261-284.

[11]? 高康，原毅軍.生產性服務業空間集聚如何推動制造業升級？[J].經濟評論，2020（4）：20-36.

[12]? 張維今，王鈺，王淑梅.我國裝備制造業與生產性服務業融合效率及其差異收斂性研究[J].中國軟科學，2020（8）：47-54.

[13]? 王曉曉，楊麗. 生產性創意服務與制造業融合的產業升級效應分析——對整體和分行業的中介效應檢驗[J].產經評論，2019（3）：34-44.

[14]? 韓峰，陽立高.生產性服務業集聚如何影響制造業結構升級？——一個集聚經濟與熊彼特內生增長理論的綜合框架[J].管理世界，2020（2）：72-94+219.

[15]? 郭然，原毅軍.生產性服務業集聚能夠提高制造業發展質量嗎？——兼論環境規制的調節效應[J].當代經濟科學，2020（2）：120-132.

[16]? 孫暢.中國高端服務業與先進制造業互動效應的非平衡性——基于要素分解視角的實證研究[J]. 山西財經大學學報，2020（5）：61-75.

[17]? MARSHALL A. Principles of Economics ： An Introductory Volume[M]. London： Macmillan，1920.

[18]? ELLISION G， GLAESER E L， KERR W R. What Causes Industry Agglomeration？Evidence from Coagglomeration Patterns[J]. American Economic Review，2010，100（3）：1195-1213.

[19]? 陳曉峰，陳昭鋒.生產性服務業與制造業協同集聚的水平及效應——來自中國東部沿海地區的經驗證據[J].財貿研究，2014（2）：49-57.

[20]? 王燕，孫超.產業協同集聚對產業結構優化的影響——基于高新技術產業與生產性服務業的實證分析[J].經濟問題探索，2019（10）：146-154.

[21]? MICHAELS G， RAUCH F， REDDING S. Urbanisation and Structural Transformation[J]. Quarterly Journal of Economics，2008（2）：535-586.

[22]? 紀祥裕，顧乃華.生產性服務業與制造業協同集聚具有創新驅動效應嗎[J].山西財經大學學報，2020（7）：57-70.

[23]? 劉軍，曹雅茹，吳昊天.產業協同集聚對區域綠色創新的影響[J].中國科技論壇，2020（4）：42-50.

[24]? 郝俊卿，吳玉梅，張迪.產業集聚識別維度、方法與實證研究——以關中平原城市群制造業為例[J].統計與信息論壇，2020（3）：31-38.

[25]? 姚星，蒲岳，吳鋼，等.中國在“一帶一路”沿線的產業融合程度及地位：行業比較、地區差異及關聯因素[J].經濟研究，2019（9）：172-186.

[26]? 陸鳳芝，楊浩昌.產業協同集聚與環境污染治理：助力還是阻力[J].廣東財經大學學報，2020（1）：16-29.

[27]? 雷欣，陳繼勇.行業間知識溢出與中國產業發展——基于貝葉斯層級模型的實證研究[J].經濟評論，2012（2）：54-61.

[28]? 杜兩省，胡海洋，姚晨.制度環境、技術創新資本流動與區域發展——基于空間集聚視角的研究[J].西南民族大學學報（人文社科版），2020（2）：142-151.

[29]? LESAGE J P， PACE R K. Spatial Econometric Modeling of Origin-Destination Flows[J]. Journal of Regional Science， 2008， 48（5）： 941-967.

[30]? HANSEN B E. Threshold Effects in Non-dynamic Panels：Estimation， Testing， and Inference[J]. Journal of Econometrics，1999，93（2）：345-368.

[31]? 趙文琦，胡健.能源產業集聚對經濟增長的影響研究——基于“一帶一路”沿線西部9省區的實證分析[J].西安財經大學學報，2020（5）：71-81.

[32]? ELLISION G， GLAESER E L. Geographic Concentration in U.S. Manufacturing Industries： A Dartboard Approach[J]. Journal of Political Economy，1997，105（5）：889-927.

[33]? 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.

[34]? 陳長石，吳晶晶，劉和駿.轉型期中國制造業產業集聚分布特征及動態演進——兼論EG指數衡量產業集聚的有效性[J].財經問題研究，2016（1）：25-33.

[35]? 李鍇，齊紹洲. 國際環境技術知識的空間溢出效應研究——基于局域溢出效應和跨區域溢出效應的測度[J]. 研究與發展管理，2018（5）：1-14.

[36]? 劉志彪，鄭江淮，等.服務業驅動長三角[M].北京：中國人民大學出版社，2008.

[37]? 陳堂，陳光. 科技創新對產業結構升級的空間外溢效應研究——基于省域空間面板模型的分析[J].云南財經大學學報，2020（1）：21-31.

[38]? 羅勇，高爽. 異質性人力資本、產業轉移和產業結構優化[J].工業技術經濟，2019（12）：41-50.

[39]? 董直慶，王輝. 環境規制的“本地—鄰地”綠色技術進步效應[J].中國工業經濟，2019（1）：100-118.

[40]? 劉麗萍. 基于空間模型的生產性服務業集聚與經濟增長關系研究[J].審計與經濟研究，2013（6）：91-99.

[41]? 劉伯龍，袁曉玲，張占軍. 城鎮化推進對霧霾污染的影響——基于中國省級動態面板數據的經驗分析[J]. 城市發展研究，2015（9）：23-27+80.

（責任編輯：丁忠兵）