生產性服務業集聚的綠色發展效應檢驗

方湖柳 潘嫻 樊文靜

【摘要】基于2004 ～ 2019年省級面板數據， 實證檢驗生產性服務業專業化集聚與多樣化集聚的綠色發展效應， 結果顯示： 整體而言， 生產性服務業的兩種集聚與產業自身綠色發展之間存在倒“U”型關系。 進一步采用空間模型研究發現， 專業化集聚對周邊生產性服務業綠色發展的空間溢出效應呈倒“U”型， 而多樣化集聚的影響顯著為負。 此外， 分地區檢驗發現： 東部地區生產性服務業專業化集聚的影響與整體結果一致， 而多樣化集聚起直接推動作用; 中部地區兩種集聚的影響均呈倒“U”型， 但各省專業化集聚水平已接近甚至突破了拐點; 西部地區僅有專業化集聚的影響顯著并呈“U”型， 區域內各省仍在曲線左側， 尚未發揮出推動作用。

【關鍵詞】產業集聚;綠色發展;生產性服務業;專業化集聚;多樣化集聚

【中圖分類號】 F127? ? ?【文獻標識碼】A? ? ? 【文章編號】1004-0994（2022）05-0128-9

一、引言

黨的十九大報告強調， 我國經濟已進入高質量發展階段， 重點是加快推動產業優化升級， 將以要素資源投入為主的粗放增長模式轉變為創新推動的可持續增長模式。 作為制造業和生活性服務業的生產樞紐與產業鏈中的關鍵一環， 生產性服務業獨具的創新要素活躍、帶動作用顯著等特點， 使其能夠借助產業關聯效應推動整體經濟創新發展[1-3] 。 事實上， 自2014年國務院發布《關于加快發展生產性服務業促進產業結構調整升級的指導意見》（國發[2014]26號）以來， 生產性服務業在國民經濟中的地位快速提升， 其占GDP的份額由2014年的28.12%上升至2018年的31.47%， 逐漸成為培育經濟增長新動能的主戰場。 現階段如何促進生產性服務業進一步發展從而提升經濟發展質量， 已躍升為重要的戰略發展問題。

長期以來， 生產性服務業低排放的綠色形象深入人心， 然而現實與傳統認知相悖， 隨著行業飛速發展， 生產性服務業生產經營活動中的污染問題逐漸突顯[4] ， 譬如交通運輸業大氣污染物排放量大、批發零售業包裝過度等。 與此同時， 國內外不少學者也已意識到傳統理念對于環境問題的忽視[5] ， 他們將經濟增長與減排同時納入考量范圍來衡量服務業的綠色發展水平， 并發現生產性服務業發展仍具有明顯的粗放型特征[6] 。 堅持生態優先是實現經濟高質量發展的重要要求之一， 這意味著綠色同樣應該是生產性服務業發展的政策取向。 由此， 在粗放式增長的現實與綠色發展的期望不匹配的背景下， 實現產業結構升級和經濟發展模式轉變的關鍵是從推動生產性服務業發展轉變為推動其綠色發展。 因此， 有必要探究生產性服務業集聚與該產業綠色發展之間的關系。

二、文獻綜述

關于如何實現生產性服務業綠色發展， 當前已有部分研究圍繞經濟發展[7] 、出口貿易[8] 、人力資本[9] 與能源價格[10] 等方面展開討論， 卻少有學者將生產性服務業集聚與生產性服務業綠色發展聯系在一起。 近年來， 伴隨著信息技術的創新與發展， 生產要素在區域間的流動速度加快， 生產性服務業集聚態勢日益明顯[11] 。 產業集聚作為一個不可忽視的重要現象， 其對生產效率的顯著影響已經得到大量文獻的證實， 而現階段生態優先重要性的提升， 促使國內外學者將環境視角納入集聚外部效應的研究中。

根據對現有研究的總結可以發現， 集聚對產業發展和污染排放均存在正反兩方面的影響： 一方面， 傳統集聚經濟理論普遍認為集聚存在正外部性， 集聚過程中資源共享、規模經濟和各種溢出效應能夠提高企業生產率與經營績效[12] ， 有效改善空間內產業效率[13] 和污染排放[14] ; 另一方面， 集聚會帶來負面影響， 依據對“威廉姆森假說”觀點的拓展， 集聚在經濟發展初期能顯著提升效率， 但達到一定程度后， 隨著拐點的到來， 過度集聚產生的負外部性將超過正外部效應， 反而對產業發展和治污減排產生抑制作用[15，16] 。 綜上， 產業集聚與產業自身綠色發展之間存在著不容忽視的內在聯系， 探究清楚現階段我國生產性服務業集聚對生產性服務業綠色發展究竟是存在推動作用還是抑制作用顯得尤為重要。 遺憾的是， 少數關于生產性服務業集聚對生產性服務業發展作用機理的討論仍停留于傳統視角， 未將環境約束納入考慮范圍[17] 。

總體來看， 集聚影響產業發展與環境污染的研究雖已取得較為豐富的成果， 但關于生產性服務業集聚與生產性服務業綠色發展之間關系的研究仍十分匱乏。 鑒于此， 本文擬基于2004 ～ 2019年的省級面板數據， 通過構建計量模型實證分析生產性服務業集聚對生產性服務業綠色發展的具體影響， 并進一步探討此種影響的空間溢出效應與地區差異。 本文研究充分考慮環境約束， 將生產性服務業集聚與產業自身綠色發展聯系在一起， 對于拓展該領域的研究具有重要的理論意義， 對于地區制定適應綠色發展的產業集聚政策、更好地解決經濟發展和生態環境保護不平衡的問題， 以及推進經濟發展模式轉型具有重要的現實意義。

三、理論分析與研究假設

生產性服務業在區域內集聚會形成專業化與多樣化兩種不同的形態， 專業化集聚反映了同類生產性服務企業的地區分布狀態， 而多樣化集聚則反映了不同類型生產性服務企業的地區匯集情況。 這兩種不同的集聚模式將會通過差異化的影響機制作用于本地生產性服務業綠色發展， 具體作用機制總結如圖1所示。

（一）生產性服務業專業化集聚的綠色發展效應

生產性服務業專業化集聚對生產性服務業綠色發展具有促進作用， 但同時也可能會產生抑制效應， 兩者作用大小與專業化集聚階段密切相關。

在初步形成或成長階段， 專業化集聚主要發揮正外部效應。 基于Marshall外部性理論， 專業化集聚的正外部效應源于兩個方面： 一是規模經濟效應; 二是知識溢出效應。

就規模經濟效應角度而言， 首先， 同行業企業的污染排放物往往屬于同一種類， 專業化集聚在推進企業生產專業化的過程中[18] ， 不僅能對行業整體生產效率起到直接提升作用， 更能推動生產性服務企業開發針對性治污服務， 通過集中治理發揮治污規模效應[19] 。 其次， 專業化集聚驅動要素資源在區域內匯集， 將帶來成本剩余[20] 。 集聚在一起的生產性服務企業能夠通過共享異質性資源與公共治污設施， 促進“勞動力蓄水池”等資源集聚效應的形成， 進而降低整個行業的生產經營成本[21] 與治污減排成本[22] 。 最后， 專業化集聚加劇了同行業企業間的相互競爭， 促使要素資源流向更高效的部門、企業、地區， 生產性服務業資源優化配置帶來的利用效率提升又能夠有效減少單位能源污染排放[23] 。

就知識溢出效應角度而言， 專業化集聚有利于區域內擁有相似生產性服務技術的員工開展正式或非正式交流學習[24] ， 促使企業高端技術與綠色知識外溢門檻降低。 知識技術的流動除了能夠促進集聚企業廣泛運用已有先進技術實現清潔生產， 還有助于形成良好的創新環境， 提升生產性服務行業整體技術創新能力， 實現行業內技術突破[25] 。 此外， 根據波特假說[26] ， 技術創新水平的提高還會引發“創新補償”效應， 即企業創新帶來了更多收益， 能夠抵消甚至超過創新投入成本與污染治理成本， 從而發揮對生產性服務業自身綠色發展的推動作用。

然而， 隨著專業化集聚水平的進一步提高， 負外部性將逐漸突顯出來。 一方面， 盡管同行業企業在集聚過程中產生了規模經濟效應， 但區域內大規模企業會借此逐步獲取行業壟斷地位， 形成低效的壟斷型市場結構， 再加上這種同質化集聚方式往往導向結構單一的生產模式， 源于規模經濟效應的集聚正外部性將很快消失。 在成熟階段， 專業化集聚既無法提升中間服務生產效率， 也阻礙著減排效應的發揮， 不利于生產性服務業綠色發展。 另一方面， 由于知識技術的溢出始終局限于行業內部， 專業化集聚極易導致技術鎖定， 在技術擴散達到飽和后， 知識同化與創新動力不足問題的出現將對生產性服務業綠色發展起到抑制作用。 此外， 資源具有稀缺性， 企業過度集聚會造成區域生產要素的擁擠失衡與公共治污設施的過度使用。 在有限資源無法滿足企業需求的情況下， 生產經營成本與污染治理成本將不斷上升， 造成偷排、超排現象增多。 擁塞效應帶來的環境擁擠負外部性由此突顯， 并最終會超過集聚正外部性[27] 。

綜上所述， 專業化集聚對生產性服務業綠色發展可能存在先促進后抑制的影響。 基于此， 本文提出如下假設：

假設1： 生產性服務業專業化集聚對生產性服務業綠色發展的影響具有倒“U”型特征。

（二）生產性服務業多樣化集聚的綠色發展效應

與專業化集聚類似， 多樣化集聚對生產性服務業綠色發展亦存在正反兩方面的影響， 但具體的影響機制有所不同。

首先， 在集聚前期， 不同類型生產性服務企業集聚在一起有助于實現區域內多樣化中間服務品供應， 中間服務品不只提供給制造業， 也作用于生產性服務業的生產過程， 多種類服務投入能夠更全面有效地滿足生產性服務業的效率提升需求與治污減排需求， 進而形成與專業化集聚不同的規模經濟效應[28] 。 其次， 多樣化集聚突破了行業鎖定， 不僅能夠提升集聚區內企業的競爭力， 使其擁有更強的要素吸納能力， 而且有利于地區內部形成競爭型市場結構[29] 。 涉及多行業的大范圍競爭將促進資源在行業間的流動， 推動實現基于結構效應的資源優化配置， 對生產性服務業綠色發展發揮積極作用。 最后， 多樣化集聚能夠通過促進區域內多類型人才流動與互補企業集體學習， 形成多元化“知識蓄水池”， 進而實現差異化知識的互補、融合與創造， 有效提升集聚區內生產性服務業的技術創新水平， 助推生產性服務企業向綠色生產轉型。

而多樣化集聚發展至成熟階段后， 除了與專業化集聚一樣會因為資源稀缺性引發擁塞效應， 還將導致生產性服務業集群結構僵化。 在區域原有企業為保障自身利益而阻止新型生產性服務企業進入的同時， 新技術與新知識也被阻擋在區域外[30] ， 過時的生產技術與減排技術無法再推動生產性服務業綠色發展。

綜上所述， 多樣化集聚對生產性服務業也可能存在先促進后抑制的影響。 基于此， 本文提出如下假設：

假設2： 生產性服務業多樣化集聚對生產性服務業綠色發展的影響具有倒“U”型特征。

（三）生產性服務業集聚的綠色發展空間溢出效應

生產性服務業專業化集聚與多樣化集聚除了會影響本地生產性服務業綠色發展， 還會對周邊地區生產性服務業綠色發展產生推動作用。 第一， 專業化集聚與多樣化集聚不僅能夠提升本地技術水平與人力資本水平， 而且會對周邊地區產生知識溢出效應。 一方面， 服務產品的獨有特性促使本地生產性服務業在為其他地區提供中間服務的同時， 帶動高端技術、先進知識流向被服務地區; 另一方面， 高技術人才的流出也會促進知識技術向周邊地區溢出， 周邊地區技術水平的提高將對生產性服務業綠色發展產生促進作用。 第二， 專業化集聚與多樣化集聚在提升本地生產性服務業綠色發展水平的同時， 能夠通過發揮治污減排的標桿作用對周邊地區產生示范效應[31] 。 一方面， 這種示范效應可能會通過提升區域環境訴求， 迫使周邊地區政府加大關于生產性服務業的環境規制力度; 另一方面， 地區間的競爭與模仿也將持續推動周邊地區生產性服務業實現清潔生產。 因此， 本文提出如下假設：

假設3： 生產性服務業專業化集聚與多樣化集聚均能夠推動周邊地區生產性服務業綠色發展。

四、研究設計

（一）模型設定

為檢驗生產性服務業專業化集聚與多樣化集聚的綠色發展效應， 首先構建如下基準模型：

psgdit=α+β1×spit+β2×spit2+γ×Zit+λt+μi+εit （1）

psgdit=α+β1×dvit+β2×dvit2+γ×Zit+λt+μi+εit （2）

其中： psgdit表示省份i在t期的生產性服務業綠色發展水平， 為被解釋變量; spit表示省份i在t期的生產性服務業專業化集聚水平， dvit表示省份i在t期的生產性服務業多樣化集聚水平， 兩者為核心解釋變量; Zit表示區域層面與產業層面的控制變量; λt和μi分別表示時間效應與個體（地區）效應; εit為誤差項。

為進一步討論專業化集聚與多樣化集聚對生產性服務業綠色發展的空間溢出效應， 在式（1）與式（2）中引入被解釋變量、核心解釋變量與控制變量的空間滯后項， 將其拓展為空間面板計量模型：

psgdit=α+β1×spit+β2×spit2+γ×Zit+ρ×W×

psgdit+?1×W×spit+?2×W×spit2+φ×W×Zit+λt+μi+

εit （3）

psgdit=α+β1×dvit+β2×dvit2+γ×Zit+ρ×W×

psgdit+?1×W×dvit+?2×W×dvit2+φ×W×Zit+λt+μi+

εit （4）

其中： ρ為被解釋變量空間滯后項的彈性系數; ?1、?2和φ為核心解釋變量與控制變量的空間滯后項彈性系數; W為空間權重矩陣。 現有研究通常采用反映地理位置特征的矩陣或反映經濟社會特征的矩陣進行空間計量分析， 考慮到空間不相鄰但相近地區之間的相互影響， 同時避免經濟距離內生于制造業綠色發展而導致偏誤， 本文采用地理距離權重矩陣進行空間計量分析， 矩陣中要素wij的具體定義如下：

[wij=1dij，i≠j 0， i=j]

其中， dij代表省份i與省份j的省會城市之間的直線距離， 用經緯度坐標計算。

（二）數據來源

由于部分年份數據不可得， 本文選取我國30個省級行政區（西藏由于缺失大量數據未予涉及）2004 ～ 2019年共16年的面板數據， 涉及的所有原始數據來源于《中國統計年鑒》《中國教育統計年鑒》《中國能源統計年鑒》《中國第三產業統計年鑒》以及各省統計年鑒。 本文對數據進行預處理， 部分缺失數據采用插值法補齊， 并以2004年為基期對所有貨幣價值數據進行調整。 按照李平等[32] 對生產性服務業的劃分， 本文將“金融業”“交通運輸、倉儲和郵政業”“批發零售業”“信息傳輸、計算機服務和軟件業”“租賃和商務服務業”“水利、環境和公共設施管理業”以及“科學研究和技術服務業”界定為生產性服務業。

（三）變量說明與描述性統計

1. 被解釋變量：生產性服務業綠色發展水平（psgd）。 過去部分研究單獨以產業增加值衡量產業經濟效益發展水平[33] 或以污染排放量衡量環境污染情況[34] ， 而綠色發展要求實現經濟效益與環境效益的雙贏。 因此， 在生產性服務業缺乏污染直接數據的情況下， 本文借鑒王恕立等[8] 的方法估算生產性服務業主要污染物二氧化硫的排放量， 采用各地區生產性服務業增加值與二氧化硫排放量的比值對綠色發展水平進行衡量。

2. 核心解釋變量：生產性服務業集聚水平。 本文分別從專業化和多樣化兩個角度對其進行衡量。

生產性服務業專業化集聚（sp）表示同產業企業的集聚水平， 采用Combes[35] 的方法進行衡量：

[spi=Eis-EiEs-E]

生產性服務業多樣化集聚（dv）表示不同產業企業的集聚水平， 采用改進的Combes產業多樣化指標進行衡量：

[dvi=sEisEi1s'，s'≠snEis'Ei-Eis21s'，s'≠snEs'E-Es2]

其中， E為全國就業人數， Ei為省份i就業人數， Es為行業s就業人數， Es'為除行業s外的生產性服務業就業人數，`Es為全國生產性服務業就業人數， Eis為省份i行業s的就業人數， Eis'為省份i除行業s外的生產性服務業就業人數，`Eis為省份i生產性服務業就業人數。

3. 控制變量。 根據已有研究所得， 本文選取以下幾個變量作為控制變量進行實證分析： ①能源結構（es）。 以煤炭為主的能源結構會產出更多的污染， 不利于產業綠色發展， 用煤炭消費量與能源消費量之比對此進行衡量[36] 。 ②環境規制強度（emc）。 加大環境規制力度有利于推動產業綠色轉型[37] ， 用環境問題上訪量表示。 ③外商直接投資（fdi）。 一方面， 外資流入能夠加速國內企業技術水平提升[38] ; 另一方面， “污染天堂”假說認為， 發達國家行業會為規避環境規制而將高污染企業向國內轉移。 本文用實際利用外商投資額與GDP之比進行衡量。 ④人力資本水平（edu）。 用各省份勞動力平均受教育年限表示， 受教育年限越長， 人力資本水平越高。 具體計算方法參考韓峰等[39] 的做法： 平均受教育年限=（大專以上人數×16+高中人數×12+初中人數×9+小學人數×6）/勞動人口。 ⑤城鎮化水平（ur）。 地區城鎮化水平提升能夠促進基礎設施建設完善， 用各省份城鎮化率表示。 ⑥生產性服務業生產力（pd）。 生產力強勁的產業通常擁有更完備的能力與資源， 能夠在推動自身發展的同時加強治污減排， 這里用人均增加值衡量。

表1列示了各變量的名稱、符號及描述性統計結果。

五、實證結果與分析

（一）基準回歸結果

由于部分省份缺失細分服務業增加值數據， 本文采用21個省級行政區數據開展基準回歸， 21個省級行政區分別為： 北京、天津、河北、山西、內蒙古、吉林、上海、江蘇、浙江、安徽、福建、山東、河南、湖南、廣東、海南、甘肅、重慶、青海、寧夏、新疆。

本文使用固定效應模型對生產性服務業專業化集聚與多樣化集聚的綠色發展效應進行估計比較， 回歸結果如表2所示。 列（1） ～ 列（4）分別報告了未添加控制變量與添加控制變量后的模型估計結果。 相較于未添加控制變量的結果， 添加控制變量后核心解釋變量系數的大小與顯著性均出現了較大差異， 說明生產性服務業綠色發展會受到其他變量的影響， 遺漏這些變量會使估計產生偏誤。

具體地， 列（2）顯示， 生產性服務業專業化集聚的一次項系數顯著為正， 二次項系數顯著為負， 說明其對產業自身綠色發展的影響存在明顯的倒“U”型特征， 假設1成立。 根據估計系數計算， 專業化集聚對生產性服務業綠色發展發揮抑制作用的拐點為1.299， 其中部分省份已跨過拐點， 進入了曲線的下降階段。 列（4）顯示， 生產性服務業多樣化集聚對產業自身綠色發展亦存在顯著的倒“U”型影響， 假設2成立。 多樣化集聚的拐點為7.093， 相較于拐點， 我國生產性服務業多樣化集聚當前仍處于較低水平， 尚未展現出規模擴大后的負外部性。 盡管從整體來看， 生產性服務業不同集聚模式的綠色發展效應均具有倒“U”型特征， 但對于部分省份而言， 生產性服務業專業化集聚水平已越過或接近拐點， 市場結構的低效壟斷、同行業的技術鎖定與要素資源的擁塞效應逐漸突顯， 將對生產性服務業綠色發展產生阻礙作用; 而多樣化集聚水平仍遠低于拐點， 能夠通過規模經濟效應、結構效應、知識溢出效應推動生產性服務業綠色發展。 因此， 各省份在進一步推進生產性服務業集聚的過程中， 應根據自身情況選擇不同的集聚模式。

（二）空間溢出效應檢驗

生產性服務業集聚區為技術創新高地， 能夠通過技術溢出效應與節能減排示范作用帶動其他地區生產性服務業的綠色協同發展。 考慮到集聚對生產性服務業綠色發展的影響與生產性服務業綠色發展自身在不同地區間都可能存在空間依賴性， 本文進一步采用空間面板模型檢驗生產性服務業集聚的空間溢出效應。

在確定是否應使用空間計量模型時， 首先需要通過計算生產性服務業綠色發展的面板莫蘭指數進行空間自相關檢驗， 結果顯示該指數值為正且通過了1%的顯著性檢驗（詳見表3）， 證明生產性服務業綠色發展存在正向的空間依賴， 有必要采用空間計量模型展開實證分析。 再者， 為確定空間計量模型的具體估計形式， 本文分別進行了拉格朗日乘數（LM）檢驗與似然比（LR）檢驗， 結果如表4所示。

第一步， 對不包含空間效應的面板模型進行OLS估計， 得到的LM與R-LM中只有多樣化集聚的R-LM-err未通過顯著性檢驗， 未拒絕不存在空間誤差的原假設， 說明當多樣化集聚為核心解釋變量時， 空間自回歸（SAR）模型相較于空間誤差（SEM）模型更為合適。 第二步， 考慮到在LM檢驗證明空間效應存在的情況下， 亦可直接使用空間杜賓（SDM）模型， 進一步對SDM模型進行LR檢驗， 判斷其是否可以弱化為SAR模型或SEM模型， 結果顯示LR統計量均在1%的顯著性水平下拒絕了SDM模型會被弱化的原假設， 說明使用SDM模型進行空間計量分析更為合適。

表5報告了空間杜賓模型的回歸結果， 估計結果顯示， 專業化集聚與多樣化集聚對當地生產性服務業綠色發展的影響與前文所得結果基本一致。 在空間溢出部分， 生產性服務業專業化集聚的一次項系數為正， 二次項系數為負， 且均通過了1%的顯著性檢驗， 對周邊地區的生產性服務業綠色發展存在倒“U”型影響， 曲線的拐點為1.516， 當前僅有極個別省份跨過了拐點; 而多樣化集聚的一次項系數顯著為負， 二次項系數不顯著， 表明一個地區的生產性服務業多樣化集聚抑制了周邊地區生產性服務業的綠色發展。 可能的原因是， 我國生產性服務業的多樣化集聚水平較低， 尚未形成外部協同效應， 反而加劇了周邊地區的資源配置扭曲程度， 對周邊地區生產性服務業綠色發展產生的負面效應超過了知識溢出與示范效應帶來的正向效應。 此外， 生產性服務業綠色發展的空間滯后項系數與莫蘭指數值方向一致， 且顯著為正， 表明一個地區生產性服務業綠色發展水平的提升也在推動著其他地區生產性服務業的綠色發展。

（三）穩健性檢驗與內生性處理

首先， 考慮到基準回歸中存在因缺失數據而刪除部分省份樣本的情況， 為保證實證結果的可靠性， 將被解釋變量的衡量指標替換為生產性服務業從業人員工資總額與生產性服務業二氧化硫排放量的比值（Y1）， 采用30個省級行政區數據開展穩健性檢驗， 結果如表6中列（1）、列（2）所示。 其次， 為解決生產性服務業專業化集聚、多樣化集聚與生產性服務業綠色發展之間的雙向因果關系而導致的內生性問題， 將核心解釋變量的滯后一期作為工具變量進行估計， 上一期生產性服務業集聚水平會影響當前生產性服務業集聚水平， 卻不會受到當期生產性服務業綠色發展的反向影響， 可有效避免雙向因果的出現， 估計結果如表6中列（3）、列（4）所示。 最后， 考慮到還可能存在遺漏變量使得結果有偏， 本文采用各省份地形起伏度與地形起伏度的平方作為工具變量再次進行檢驗（地形起伏度為截面數據， 無法進行面板分析， 因此在實際估計中， 本文將地形起伏度與年份的交互項作為最后的工具變量）， 結果如表6中列（5）、列（6）所示。 表6中各列的結果與基準回歸結果基本一致， 證明研究結論較為穩健。

（四）基于地區異質性的拓展分析

由于我國東、中、西部地區的經濟基礎、要素稟賦和產業模式等存在較大差異， 生產性服務業綠色發展水平在地區間也存在嚴重不均衡現象， 生產性服務業集聚對產業自身綠色發展的影響可能存在地區異質性。 因此， 本文將對東、中、西部三個地區進行分樣本回歸（東部地區包括北京、天津、上海、河北、江蘇、浙江、福建、山東、廣東、海南; 中部地區包括安徽、山西、河南、湖南; 西部地區包括內蒙古、吉林、寧夏、甘肅、青海、新疆、重慶）， 進一步探究生產性服務業集聚綠色發展效應的區域差異， 估計結果如表7所示。

從列（1）與列（4）可以看出， 東部地區生產性服務業專業化集聚對產業自身綠色發展存在顯著的倒“U”型影響， 其拐點為1.043， 與全國層面相比， 其專業化集聚水平較低， 其中上海、北京與天津的專業化集聚水平已超過拐點， 進入曲線的下降階段; 多樣化集聚的一次項系數為正且在1%的水平上顯著， 說明多樣化集聚能夠持續對東部地區生產性服務業綠色發展發揮積極的推動作用。 東部地區特別是北京、上海等城市的經濟實力強勁， 生產性服務業專業化集聚發展趨于成熟， 使得當地企業同質化嚴重， 規模經濟效應與知識溢出效應的發揮受到限制， 在此情況下， 持續推進多樣化集聚， 形成“大而全”的產業結構， 能夠進一步增強企業實力， 加深行業間的關聯關系， 有利于生產性服務業在發展經濟的同時加大減排力度， 進而促進產業自身綠色發展。

由列（2）與列（5）可知， 中部地區結果與全國層面基本一致， 專業化集聚與多樣化集聚的一次項系數顯著為正， 二次項系數顯著為負。 其中： 專業化集聚的拐點為0.679， 遠低于全國層面與東部地區水平， 中部各省份均已接近拐點甚至越過拐點， 專業化集聚的負外部效應愈加突顯; 多樣化集聚的拐點為7.833， 遠高于中部地區當前的生產性服務業多樣化集聚水平。 中部地區產業發展受政策刺激影響較大， 一方面， 自“四萬億元”計劃實施以來， 生產性服務業一直呈粗放式發展狀態[40] ; 另一方面， 政府間惡性競爭引發“向底線賽跑”現象， 使得企業以犧牲環境的方式在區域集聚， 這種發展模式導致專業化集聚倒“U”型曲線的拐點過度左移， 正外部性難以彌補負外部性帶來的損失。

列（3）與列（6）的估計結果顯示， 西部地區專業化集聚一次項系數在1%的水平上顯著為負， 二次項系數在1%的水平上顯著為正， 拐點為1.149， 各省份尚未越過拐點， 專業化集聚對本地區生產性服務業綠色發展產生推動作用， 而多樣化集聚的一次項與二次項系數均不顯著。 西部大開發政策導向以發展先進制造業為主， 生產性服務業發展仍處于初期階段且缺乏科學統籌規劃， 當前自發而又有限的專業化集聚無法完全發揮正外部效應。 此外， 西部地區對生產性服務的需求單一， 難以通過促進生產性服務業多樣化集聚形成行業間協同綠色發展的良性模式。

六、結論與建議

（一）結論

本文選取2004 ～ 2019年30個省級行政區的面板數據， 構建計量模型， 分析生產性服務業集聚對生產性服務業綠色發展的影響機制， 并進一步考察該影響的空間溢出情況與地區異質性， 得到如下結果： 第一， 在全國層面， 生產性服務業專業化集聚和多樣化集聚均與產業自身綠色發展之間存在倒“U”型關系， 其中已有部分省份越過了專業化集聚的曲線拐點。 第二， 生產性服務業的專業化集聚對周邊地區生產性服務業綠色發展的影響具有倒“U”型特征， 而多樣化集聚的綠色發展效應存在顯著的負向溢出效應。 第三， 生產性服務業集聚的綠色發展效應存在明顯的區域差異。 其中： 東部地區生產性服務業專業化集聚的影響與全國層面一致， 而多樣化集聚發揮著直接的推動作用; 中部地區兩種集聚的影響均呈倒“U”型， 但區域內省份的專業化集聚水平均已接近或越過拐點; 西部地區僅有專業化集聚對生產性服務業綠色發展產生了“U”型影響， 且區域內各省份尚未越過拐點發揮推動作用。

（二）建議

根據研究結論， 為進一步推動生產性服務業綠色發展， 實現經濟高質量發展， 本文提出以下三條建議：

第一， 應摒棄單純“以提升集聚水平或產業比重為一切”的發展理念， 更加注重生產性服務業的具體集聚模式與內部結構優化。

第二， 重視區域間的協作。 一方面， 各地政府應通過科學規劃、優化部署， 加強生產性服務業專業化集聚、多樣化集聚與周邊地區的外部協同效應， 避免地區盲目掠奪周邊資源， 加劇周邊地區要素錯配， 以犧牲周邊地區發展的方式推動本地生產性服務業集聚; 另一方面， 加強地區間企業的對接洽談， 進一步發揮好集聚地區企業的知識溢出效應與示范效應， 正向輻射周邊地區， 逆轉當前面臨的負向溢出困境， 全面推動生產性服務業綠色協同發展。

第三， 政府應考慮地區產業特點， 制定差異化政策。 東部地區特別是北京、上海等發達城市， 應將生產性服務業集聚的中心轉移到多樣化集聚上來， 致力于發展“大而全”的產業結構， 避免過度專業化集聚帶來同行業的重復建設與知識同化; 中部地區首先應降低政府間的盲目競爭， 推動“向底線賽跑”向良性集聚轉變， 充分發揮專業化集聚的正外部效應， 其次應持續推動多樣化集聚， 助推生產性服務企業向綠色生產轉型; 西部地區應加強科學統籌規劃， 著力于推動與當地優勢產業相匹配的生產性服務業集聚， 進一步提升專業化集聚水平。

【 主 要 參 考 文 獻 】

[1] Guerrieri P.， Meliciani V.. International competitiveness in producer services[Z].Paper Prepared for the SETI Meeting in Rome，2003.

[2] Francois J.， Woerz J.. Producer services，manufacturing linkages， and trade[ J].Journal of Industry，Competition and Trade，? 2008（3-4）：199 ～ 229.

[3] Yang F. F.， Yeh A. G. O.. Spatial development of producer services in the Chinese urban system[ J].Environment and Planning A，2013（1）：159 ～ 179.

[4] 龐瑞芝，王亮.服務業發展是綠色的嗎？——基于服務業環境全要素效率分析[ J].產業經濟研究，2016（4）：18 ～ 28.

[5] Chung Y. H.， F?re R.， Grosskopf S.. Productivity and undesirable outputs：A directional distance function approach[ J].Journal of Environmental Management，1997（3）：229 ～ 240.

[6] 肖挺.中國服務業分行業兩類全要素生產率變化及收斂性比較分析[ J].管理評論，2017（8）：53 ～ 64.

[7] Zhang G.， Lin B.. Impact of structure on unified efficiency for Chinese service sector：A two-stage analysis[ J].Applied Energy，? 2018（9）：876 ～ 886.

[8] 王恕立，王許亮，胡宗彪等.服務出口貿易的綠色生產率效應研究：基于9個發展中經濟體細分行業數據的經驗分析[ J].世界經濟研究，2019（7）：29 ～ 42+134.

[9] 王許亮，王恕立.服務業能源生產率變遷及收斂性分析——基于全球40個經濟體細分行業數據的經驗研究[ J].數量經濟技術經濟研究，2018（1）：42 ～ 59.

[10] Mulder P.， De Groot H. L. F.， Pfeiffer B.. Dynamics and determinants of energy intensity in the service sector：A cross-country analysis，1980-2005[ J].Ecological Economics，2014（4）：1 ～ 15.

[11] 張素庸，汪傳旭，任陽軍.生產性服務業集聚對綠色全要素生產率的空間溢出效應[ J].軟科學，2019（11）：11 ～ 15+21.

[12] Ciccone A.. Agglomeration effects in Europe[ J].European Economic Review，2002（2）：213 ～ 227.

[13] Greenstone M.， Hornbeck R.， Moretti E.. Identifying agglomeration spillovers：Evidence from winners and losers of large plant openings[ J].Journal of Political Economy，2010（3）：536 ～ 598.

[14] 黃慶華，時培豪，胡江峰.產業集聚與經濟高質量發展：長江經濟帶107個地級市例證[ J].改革，2020（1）：87 ～ 99.

[15] Frank A.， Moussiopoulos N.， Sahm P.， et al.. Urban air quality in larger conurbations in the European Union[ J].Environmental Modelling & Software，2001（4）：399 ～ 414.

[16] 林伯強，譚睿鵬.中國經濟集聚與綠色經濟效率[ J].經濟研究，2019（2）：119 ～ 132.

[17] 袁丹，雷宏振.產業集聚對生產性服務業效率的影響——理論與實證分析[ J].軟科學，2015（12）：36 ～ 39+59.

[18] Krugman P.. Increasing returns and economic geography[ J].Journal of Political Economy，1991（3）：483 ～ 499.

[19] 謝榮輝，原毅軍.產業集聚動態演化的污染減排效應研究——基于中國地級市面板數據的實證檢驗[ J].經濟評論，2016（2）： 18 ～ 28.

[20] Mukim M.. Coagglomeration of formal and informal industry：Evidence from India[ J].Journal of Economic Geography，2015（2）：329 ～ 351.

[21] Desmet K.， Fafchamps M.. Changes in the spatial concentration of employment across US counties：A sectoral analysis 1972-2000[ J].Journal of Economic Geography，2005（3）：261 ～ 284.

[22] 周國富，白士杰，王溪.產業的多樣化、專業化與環境污染的相關性研究[ J].軟科學，2019（1）：81 ～ 86.

[23] 季書涵，朱英明.產業集聚的資源錯配效應研究[ J].數量經濟技術經濟研究，2017（4）：57 ～ 73.

[24] Winters M. S.， Karim A. G.， Martawardaya B.. Public service provision under conditions of insufficient citizen demand：Insights from the urban sanitation sector in Indonesia[ J].World Development，2014（1）：31 ～ 42.

[25] Glaeser E. L.. Learning in cities[ J].Journal of Urban Economics，1999（2）：254 ～ 277.

[26] Porter M.， Van der Linde C.. Green and competitive：? Ending the stalemate[ J].Harvard Business Review，1995（6）：128 ～ 129.

[27] 何文舉，張華峰，陳雄超等.中國省域人口密度、產業集聚與碳排放的實證研究——基于集聚經濟、擁擠效應及空間效應的視角[ J].南開經濟研究，2019（2）：207 ～ 225.

[28] Jacobs J.. The economy of cities[M].New York：Vintage， 1969.

[29] 鐘順昌，任媛.產業專業化、多樣化與城市化發展——基于空間計量的實證研究[ J].山西財經大學學報，2017（3）：58 ～ 73.

[30] Martin R.， Sunley P.. Path dependence and regional economic evolution[ J].Journal of Economic Geography，2006（4）：395 ～ 437.

[31] 邵帥，張可，豆建民.經濟集聚的節能減排效應：理論與中國經驗[ J].管理世界，2019（1）：36 ～ 60+226.

[32] 李平，付一夫，張艷芳.生產性服務業能成為中國經濟高質量增長新動能嗎[ J].中國工業經濟，2017（12）：5 ～ 21.

[33] 張清正，李國平.中國科技服務業集聚發展及影響因素研究[ J].中國軟科學，2015（7）：75 ～ 93.

[34] 郭然，原毅軍.生產性服務業集聚、制造業集聚與環境污染——基于省級面板數據的檢驗[ J].經濟科學，2019（1）：82 ～ 94.

[35] Combes P.. Economic structure and local growth：France 1984-1993[ J].Journal of Urban Economics，2000（3）：329 ～ 355.

[36] Wan J.， Baylis K.， Mulder P.. Trade-facilitated technology spillovers in energy productivity convergence processes across EU countries[ J].Energy Economics，2015（3）：253 ～ 264.

[37] 羅知，齊博成.環境規制的產業轉移升級效應與銀行協同發展效應——來自長江流域水污染治理的證據[ J].經濟研究，2021（2）：174 ～ 189.

[38] Tian X.. Accounting for sources of FDI technology spillovers：Evidence from China[ J].Journal of International Business Studies，2007（1）：147 ～ 159.

[39] 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.

[40] 楊晨，原小能.中國生產性服務業增長的動力源泉——基于動能解構視角的研究[ J].財貿經濟，2019（5）：127 ～ 142.