生產性服務業集聚、空間溢出與制造業綠色創新

[摘要]基于鄰接空間、地理距離和經濟距離三類權重矩陣，以空間杜賓模型考察生產性服務業集聚對制造業綠色創新的影響及空間溢出效應。研究結果表明，生產性服務業集聚可有效帶動本省制造業綠色創新，但會抑制鄰省制造業綠色創新。生產性服務業集聚對制造業綠色創新影響的空間溢出效應在鄰接空間、地理距離、經濟距離下存在明顯差異，其中地理鄰近地區更顯著。多維度空間效應分解結果顯示，生產性服務業集聚對制造業綠色創新的直接效應在地理距離權重矩陣下呈“梯度遞減分布”特征。數字化產業發達省份的生產性服務集聚對鄰省制造業綠色創新具有較強“虹吸效應”，不利于整體制造業綠色創新發展。是以，未來應優化生產性服務業集聚發展環境，施行區域差異化產業發展策略，加快推進制造業綠色轉型升級。

[關鍵詞]生產性服務業；綠色創新；空間溢出；空間差異性

一、 引言

黨的十八大以來，“生態優先、綠色發展”路線日益明朗1，生態文明建設上升至國家戰略高度被寫入憲法，成為實現碳達峰、碳中和（簡稱“雙碳”）重要抓手，綠色發展也成為高質量發展鮮明底色。習近平總書記在二十大報告中強調，要“推動綠色發展，促進人與自然和諧共生”2。在此背景下，作為國民經濟基礎與經濟轉型升級主陣地的制造業，著力積極布局綠色發展賽道。事實上，在從“制造大國”向“制造強國”邁進過程中，中國制造業綠色發展的探索實踐一直持續推進。以綠色技術創新為抓手，全面構建綠色制造體系，是解決我國制造業“三高”問題的關鍵[1]。是以，制造業亟須加速綠色創新，推進綠色制造創新發展，這對應對環境污染問題、促進經濟可持續發展以及實現“雙碳”目標具有重要現實意義。

作為促進技術進步、提高生產效率、保障生產活動有序開展的一類服務行業，生產性服務業既可促進制造業生產流程優化、技術革新與發展方式轉變，而且可以通過提升專業化水平[2]、降低中介服務與交易成本[3]等方式，促進制造業發展，助力我國從“制造大國”邁向“制造強國”。作為高技術含量、低資源消耗和低環境污染行業，生產性服務業的區域集聚可以提升企業綠色創新水平與效率[4]，這與制造業的綠色創新發展需求相匹配。換言之，生產性服務業集聚有利于促進制造業綠色創新。從空間視角來看，本地區生產性服務業集聚可能會對周邊地區產生擴散效應，促進鄰近地區制造業綠色創新，也可能會對周邊地區生產要素產生“虹吸效應”，抑制鄰近地區制造業綠色創新。且已有研究證實，在特定范圍內，生產性服務業集聚對綠色創新產生積極影響[5]。可以推測，生產性服務業集聚對制造業綠色創新的影響也具有一定空間效應。鑒于此，有必要運用空間計量方法，分析生產性服務業集聚對制造業綠色創新的影響及空間效應，在厘清兩者關系基礎上對空間效應進行多維度分解，識別影響作用的空間差異，以此為推進制造業綠色創新發展提供理論參考。

二、 文獻綜述

學術界關于生產性服務業集聚與綠色發展相互關系的研究較多，多數認為生產性服務業集聚可促進綠色發展。張純記[6]研究指出，生產性服務業集聚可促進綠色全要素生產率提升，且這一作用存在明顯的地區與行業異質性。陸鳳芝等[7]證實，生產性服務業集聚可以有效降低霧霾污染，分集聚類型而言，生產性服務業的多樣化集聚主要通過產業結構和知識溢出降低霧霾污染，專業化集聚主要通過人口集聚與知識溢出降低霧霾污染。方湖柳等[8]研究發現，生產性服務業專業化集聚與綠色發展存在倒“U”型關系，且這一作用具有空間溢出效應，其中生產性服務業專業化集聚對周邊地區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。李體欣等[9]指出，生產性服務業集聚對城市綠色全要素生產率的影響具有門檻效應，在門檻值之前的影響為正，跨越門檻值之后為負。聶永有等[10]研究發現，生產性服務業集聚與碳排放效率存在“U”型關系，該種非線性特征具有空間溢出效應。此外，有學者指出生產性服務業集聚對綠色發展存在異質性影響。張賀等[11]實證考察發現，生產性服務業的專業化集聚與多樣化集聚能夠產生不同外部性特征，其中MAR外部性會通過阻礙技術進步抑制綠色全要素生產率提升，JACBOS與PROTER外部性可通過提升技術效率促進綠色全要素生產率提升。

關于生產性服務業集聚對創新的影響，學術界尚未達成一致結論。李勇輝等[12]利用長江經濟帶108個城市數據展開實證研究，指出生產性服務業專業化集聚有利于提升本地城市技術創新水平，且可通過空間關聯作用增強鄰近城市技術創新能力，但生產性服務業多元化集聚對本地和鄰近城市技術創新均具有抑制作用。蘇曉艷等[13]研究指出，粵港澳大灣區生產性服務業多樣化聚集擴容促進高新技術企業技術創新，而專業化集聚則主要起抑制作用。徐承紅等[14]認為，生產性服務業集聚度對創新并未表現出明顯溢出作用，而生產性服務業各行業集聚度和豐裕度具有正向影響作用，其中豐裕度提升更有助于創新溢出。張慧一等[15]以長三角地區為例進行分析，發現生產性服務業集聚的PROTER外部性和JACBOS外部性可以助力地區創新能力提升，其中JACBOS外部性的創新帶動作用更強。

綜上可知，關于生產性服務業集聚對綠色發展與創新的影響研究頗多，且均認為生產性服務業集聚具有一定空間溢出效應。現實而言，生產性服務業集聚對制造業綠色創新發展的影響既可能在本地呈現，亦可能通過地理空間交互擴散到鄰近地區，但很少有研究從這一視角展開探索。立足于此，本文以空間計量分析框架，探索生產性服務業集聚與制造業綠色創新發展關系，為生產性服務業空間集聚效應研究提供新視角；同時，從多維度分解生產性服務業集聚對制造業綠色創新影響的空間效應，為制造業綠色創新發展吸引優質要素資源、提供理論依據。

三、 理論分析

結合產業集聚、區域創新等理論發現，創新與集聚之間保持彼此依存、彼此促進的密切關系。對本研究而言，制造業綠色創新不僅會受本地生產性服務業集聚影響，而且可能受其他地區諸多因素的作用。因此，本文嘗試從以下兩個層面探索生產性服務業集聚對制造業綠色創新的影響效應。

1. 生產性服務業集聚對制造業綠色創新的空間溢出效應

生產性服務業集聚與資本、技術、人力等多個要素具有相輔相成的關系[16]，而資本、技術、人力等要素均存在明顯空間溢出效應。生產性服務業集聚能夠借助不同地區之間資本、技術、人力等要素流動形成的空間溢出效應，增加制造業綠色創新活動，提升制造業綠色創新水平。具體來講，生產性服務業集聚使得專業勞動力、優質技術資源聚攏，在降低交易、運輸、服務等成本同時，提高本地制造業綠色產品創新效率。在此過程中，制造業新興綠色技術不斷擴散，為區域制造業綠色創新活動注入強勁活力。與此同時，生產性服務業集聚還可以通過弱化單一群體創新風險，提高創新實際成功率并助力相關綠色創新成果推廣，提升制造業綠色創新水平。另外，生產性服務業集聚可通過“虹吸效應”從其他地區獲取優質資源，這在一定程度上對鄰近地區制造業綠色創新活動具有抑制作用。

2. 不同空間距離下生產性服務業集聚對制造業綠色創新的影響差異

經濟地理學理論包含空間距離理論，主要涉及經濟距離、地理距離等內容。這一理論認為，區域內發生的各項活動處于完整的經濟地域系統。在整體系統下，內部環境、各行業企業之間展開的多種持續性傳輸活動（包括人力與物質資本互換、能源交易、經濟互動等），會在地域空間層面產生一定影響，即不同空間距離下區域產業經濟發展的影響效應存在差異。體現在生產性服務業與制造業方面，隨著信息技術應用日漸擴大，經濟距離對區域制造業綠色創新的影響較小且并未明顯提高，而地理距離的影響則正處于持續增加狀態。這是因為，具有相似創新資源的地區文化知識相近，會得到相近地理地區教育支持，使地區間隱性知識溢出效應更強，更有利于促進制造業綠色創新。并且，地理距離較短地區無論在產業結構層面、技術層面均保持著更為密切的聯系，為生產性服務業集聚以及制造業綠色創新提供了良好可能。是以，在地理距離相近地區，生產性服務業集聚會實現資源共享，更有利于推動制作業綠色創新的研發模式趨同，促進制造業知識溢出與技術創新擴散，提升制造業綠色創新水平。

四、 研究設計

1. 模型構建

為驗證生產性服務業集聚與制造業綠色創新的影響效應，本文以新經濟地理學框架為理論支撐，借鑒Tian等[17]研究方法，設定如下基礎模型：

[Grei，t=δ0+δ1Scfi，t+δ2Hgi，t+δ3Labi，t+δ4Maki，t][+δ5Zcbi，t+δ6Disi，t+δ7Fesi，t+φi+λt+εi，t] （1）

式（1）中，下標[i]和[t]分別為省份和年份；[Grei，t]指代制造業綠色創新水平；[Scfi，t]表示生產性服務業集聚水平；控制變量[Hg]、[Lab]、[Mak]、[Zcb]、[Dis]、[Fes]分別代表環境規制強度、勞動生產效率、市場競爭程度、知識產權保護水平、地區經濟發展水平、財政節能環保支出。[δ0]為截距項，[δ1]為解釋變量待估參數，[δ2]—[δ7]為控制變量待估參數，[φi]、[λt]分別為空間異質性與時間異質性，[εi，t]為隨機擾動項。

本文進一步構建空間杜賓模型（[SDM]），識別生產性服務業集聚與制造業綠色創新的空間溢出效應。具體模型形式如下：

[Grei，t=?1W×Grei，t+?2W×Hgi，t+δ0+δ1Scfi，t+δ2Hgi，t+δ3Labi，t][+δ4Maki，t+δ5Zcbi，t+δ6Disi，t+δ7Fesi，t+φi+λt+εi，t] （2）

式（2）中，[?1]與[?2]均為空間變量的相關系數，系數為正表明空間相關性為正相關，反之為負相關。與此同時，為全方位擬合區域制造業綠色創新水平，本文以三類空間權重矩陣（[W]），即鄰接距離權重矩陣（[W1]）、鄰接空間距離矩陣（[W2]）與經濟空間權重矩陣（[W3]），體現差異地區空間關聯度，揭示生產性服務業集聚與制造業綠色創新之間的空間關系。其中，[Dij]表示兩個省會城市[i]和[j]之間球面距離，[gdp]指代地區人均實際地區生產總值。具體計算公式如下：

[W1=0 兩地區在地理位置上不相鄰i≠j1 兩地區在地理位置不相鄰i≠j]? （3）

[W2=1D2ij i≠j0 i≠j]? ?（4）

[W3=1gdpi-gdpj i≠j0 i≠j] （5）

值得一提的是，在鄰接空間權重矩陣、地理距離權重矩陣、經濟空間距離權重矩陣的構建過程中，本文未選取相關閾值。由此產生的現象是，每個省份“鄰居”均有29個，各“鄰居”權重分別以省域間距離倒數、省域間人均GDP差值絕對值的倒數、省域間研發資本流量衡量。

2. 指標選取

（1）生產性服務業集聚（[Scf]）

為明確生產性服務業具體范圍，參照國家統計局印發的《生產性服務業統計分類（2019）》標準，依據學界劃分標準[14]，本文將生產性服務業界定為高技術型與低技術型兩大類，合計5個行業1。在具體實證分析中，已有研究將生產性服務業集聚劃分為兩大類，即專業化集聚與多樣化集聚[18]。故結合相關研究成果[19-20]，本文以專業化集聚（[Pcf]）、多樣化集聚（[Dcf]）衡量生產性服務業集聚水平，具體測算公式如下：

[Pcfi=sxisxi-x′sx] （6）

式（6）中，[xis]指代[i]省域[s]生產性服務業的就業人數；[xi]表征[i]省域所有就業人數；[x′s]表示除[i]省域外，全國其他省域[s]生產性服務業的就業人數；[x]指代除[i]省域外全國就業人數。

[Dcfi=sxisxi1s=1，s≠snxis（xi-xis）21s=1，s≠snxs（x-xs）2] （7）

式（7）中，[xs]代表全國范圍內[s]生產性服務業的就業人數；[x′is]表征[i]省域內除[s]生產性服務業外的其他生產性服務業就業人數，其余變量含義與式（3）相同。

（2）制造業綠色創新（[Gre]）

本文以“綠色專利申請數量加1之和的自然對數”衡量制造業綠色創新這一指標。采用該計算方法旨在提高數據平穩性及可比性，并防止部分制造業企業某些年份綠色專利申請量為0而無法取對數。

（3）控制變量

為規避遺漏解釋變量可能造成模型估計結果偏差，本文在計量模型中引入如下控制變量。①環境規制強度（[Hg]），由政府推動實施的環境規制政策，一定程度上影響制造業企業投入成本及收益，以各地工業污染治理投資完成額與工業行業增加值的比值來衡量。②勞動生產效率（[Lab]），勞動生產效率體現要素投入產出效果，不僅影響創新要素邊際報酬，亦在較大程度表征了生產力水平的提升，衡量制造業綠色創新發展的關鍵因素，以行業總產值與制造業從業人員規模的比值衡量。③市場競爭程度（[Mak]），由市場主體、規則、機制組成特定的市場競爭網絡系統，可推動制造業綠色發展方式，全面提高社會、經濟、生態效益，是影響制造業綠色創新的重要因素，以行業所含企業數量表示。④知識產權保護水平（[Zcb]），知識產權保護水平一定意義上是推動制造業綠色創新發展的關鍵因素，以技術市場成交額與GDP比值衡量。⑤地區經濟發展水平（[Dis]），區域經濟發展可為制造業綠色創新提供技術、人力、經濟等方面的支持，以人均GDP來代替，單位為萬元/人。⑥財政節能環保支出（[Fes]），財政節能環保投資力度越大，越有利于推動制造業綠色創新發展，故選取節能環保支出占地區財政總支出衡量。

3. 數據來源及變量統計特征

因西藏、港、澳、臺四個省區市數據不全，本文選取2008—2020年中國30個省區市為研究對象。研究數據主要來自歷年官方數據庫，如《中國統計年鑒》《中國區域經濟統計年鑒》《中國環境統計年鑒》，補充數據來自各省市統計年鑒、統計局官網、國家知識產權局，以及CSMAR數據庫、CEIC數據庫。在整理數據過程中，為避免極端值影響最終研究結果，對所有連續變量展開1%和99%兩類分位數的縮尾處理工作。各變量描述性統計特征如表1所示。

表1 變量描述性統計結果

[變量 符號 樣本量 平均值 標準差 最大值 最小值 生產性服務業集聚 [Scf] 390 121.023 36.134 573.543 0.028 制造業綠色創新 [Gre] 390 108.356 14.058 322.013 0.861 環境規制強度 [Hg] 390 7.055 7.033 10.688 1.035 勞動生產效率 [Lab] 390 5.073 5.084 9.336 0.038 市場競爭程度 [Mak] 390 6.883 4.034 13.118 0.196 知識產權保護水平 [Zcb] 390 8.687 7.431 15.874 3.057 地區經濟發展水平 [Dis] 390 11.024 9.446 19.673 5.036 財政節能環保支出 [Fes] 390 6.423 5.193 12.855 1.049 ]

五、 實證結果

1. 基準回歸分析

經過以上公式運算獲得如表2所示研究結果。模型（1）為未引入空間溢出效應模型時的基準回歸模型，包括混合[OLS]模型及固定效應模型；模型（2）是基于生產性服務業集聚空間溢出效應的空間杜賓模型。

表2 基準回歸結果

[變量 [Gre] 基準回歸模型（1） 空間杜賓模型（2） 混合OLS 固定效應 鄰接空間 地理距離 經濟距離 [Scf] 0.362**

（0.15） 0.134*

（0.88） -2.026**

（2.13） -1.357**

（0.03） -1.224**

（0.06） [Hg] 25.402**

（0.35） 55.332*

（2.81） 67.186***

（3.08） 73.874*

（2.19） 69.548**

（3.31） [Lab] 5.079**

（2.33） 6.874**

（1.56） 3.886*

（0.87） 4.113*

（0.25） 5.022**

（0.36） [Mak] 2.943**

（1.03） 3.057**

（0.38） 4.799**

（1.72） 5.789**

（2.00） 3.878**

（0.34） [Zcb] 4.889***

（1.09） 11.563**

（2.33） 9.356**

（3.72） 8.641**

（2.99） 7.668**

（3.97） [Dis] 8.631***

（2.55） 12.578**

（6.44） 13.134***

（2.85） 12.681***

（3.56） 10.879***

（0.92） [Fes] 1.199***

（0.44） 2.348***

（0.63） 2.555***

（0.54） 1.025*

（0.73） 1.733***

（0.68） [W×Gre] -1.553**

（-0.66） -0.653**

（-1.23） -1.156**

（-0.19） [W×Scf] -0.133**

（-2.16） -3.984**

（-1.55） -0.239

（0.53） [N] 390 390 390 390 390 [R2] 0.509 0.349 0.392 0.361 0.352 ]

注：***、**、*分別表示在1%、5%、10%的水平上顯著，下同

從基準回歸結果看（模型1），在忽略鄰近省份制造業綠色創新對本省制造業綠色創新的影響情勢下，混合OLS模型系數為0.362且通過5%顯著性檢驗，固定效應模型系數為0.134且通過10%顯著性檢驗。考慮到混合OLS模型系數會高估系數值，因此采用固定效應模型展開實證分析。在具體研究中，因生產性服務業集聚與制造業綠色創新的觀測值取值具有地區相關性，以下固定效應模型均通過聚類穩健標準誤的cluster方法對數據進行處理。固定效應模型結果表明，生產性服務業集聚對制造業綠色創新具有顯著正向影響。可能原因在于，生產性服務業多元化集聚能夠通過規模經濟效應與技術溢出效應，優化中間服務、提升運作效率，促進制造業綠色轉型[21]，進而提高制造業綠色創新能力。

模型（2）回歸結果顯示，在鄰接空間、地理距離、經濟距離與研發資本流動矩陣下，制造業綠色創新空間滯后系數[?1]均在5%顯著性水平為負。這說明從省級區域層面看，制造業綠色創新具有顯著空間依賴性，即本省制造業綠色創新明顯對鄰近省份制造業綠色創新產生制約作用。細究其因，本地制造業低碳綠色創新發展使得當地高環境規制的污染產業就近遷移至鄰近地區，且可通過優質資源吸引大量科技創新人才、資金從周邊地區流入，這對鄰近省份制造業綠色創新發展產生抑制作用。觀察鄰接矩陣、地理距離矩陣結果可知，本省生產性服務業集聚明顯降低鄰近省份制造業綠色創新水平。并且，空間滯后系數（[W×Scf]）數值表明，鄰接空間矩陣下生產性服務業集聚的溢出效應（-3.984）小于經濟距離矩陣下的溢出效應（-0.239）。可能原因在于，本省生產性服務業集聚會產生“虹吸效應”，吸引鄰近省份人才、資本、技術等要素流入本省，而鄰近地區要素資源的減少一定程度上會抑制產業發展，制約制造業綠色創新。

從生產性服務業集聚對制造業綠色創新的空間效應結果看1（表3），三種空間權重矩陣的直接效應顯示，生產性服務業集聚對本省制造業綠色創新具有顯著促進作用，但會抑制鄰近省份制造業綠色創新。同時，地理距離矩陣下，生產性服務業集聚影響制造業綠色創新的直接效應、間接效應，均高于經濟距離的直接與間接效應。這說明生產性服務業集聚對鄰近省份制造業綠色創新的抑制作用在鄰近地區之間表現更明顯。可能原因在于，本地生產性服務業快速發展所形成的“虹吸效應”，吸引了鄰近省份人力資本、知識等相關要素向本地區集聚，這導致鄰近省份優質綠色創新要素流失，制約了當地制造業綠色創新發展。

表3 SDM模型下生產性服務業集聚影響制造業綠色創新的空間效應

[空間杜賓模型 空間效應 直接效應 間接效應 總效應 鄰接空間 0.283** -0.392*** -0.109** 地理距離 0.214** -2.357** -2.143** 經濟距離 0.186** -2.673 -2.487 ]

2. 穩健性檢驗

本文采用替換變量方法考察上述結果的穩健性。其一，改變制造業綠色創新水平的衡量方法，采用“發明專利授權量加1之和的自然對數（[Gre.L]）” 表征；其二，鑒于生產性服務業集聚通常難以產生即時性影響，對自變量取滯后一期處理（[Scf-1]），作為代理變量進行穩健性檢驗（限于篇幅，穩健性檢驗結果不再列出）。研究發現，生產性服務業集聚明顯抑制鄰近省份制造業綠色創新。經過替換核心解釋變量“[Scf-1]”之后發現，在鄰接空間、地理距離、經濟距離三種權重矩陣下，模型實證結果仍與前文研究結果一致。“[Scf]”的估計系數顯著為正，但其空間滯后項[W×Scf]系數顯著為負。由此證實，前文研究結論具有穩健性。

3. 內生性檢驗

上述檢驗證實生產性服務業集聚對本地制造業綠色創新具有正向空間溢出效應，但此結果可能受潛在內生性問題的干擾。也就是說，制造業高頻次的綠色創新活動可能會吸引生產性服務業集聚。針對于此，采用工具變量法，即最小二乘法（2SLS）與廣義矩陣估計法（GMM）對生產性服務業集聚與制造業綠色創新兩者關系進行重新檢驗。2SLS回歸結果表明，生產性服務業集聚仍然對本省份制造業綠色創新具有正向空間溢出效應，對鄰近省份存在抑制作用，說明在控制內生性問題后本文結論仍成立。隨后，采用GMM估計方法進行重新回歸，所得系數估計值與2SLS基本一致。由此證明，此次研究不存在內生性問題。

六、 生產性服務業集聚影響制造業綠色創新的空間效應分解

就生產性服務業集聚影響制造業綠色創新的關系而言，不同省區市之間生產性服務業集聚差異明顯，所以兩者間影響關系必然存在較大差異。只有明確生產性服務業集聚與制造業綠色創新之間影響關系的差異性，方能有針對性地提出生產性服務業集聚驅動制造業綠色創新的政策。是以，本文借鑒辛曉華等[22]對空間計量模型邊際效用矩陣的處理方式，對SDM模型空間效應進行分解，得出30個省區市生產性服務業集聚對本地及鄰近省區市制作業綠色創新的差異化影響，具體影響結果詳見表4。

表4 空間效應分解結果

[空間權重矩陣 空間效應 樣本量 平均值 標準差 最小值 最大值 鄰接空間距離矩陣 直接效應 30 0.402 0.025 0.138 0.679 間接效應 30 0.254 0.048 0.226 0.868 總效應 30 0.656 0.073 0.364 0.847 地理距離矩陣 直接效應 30 0.359 0.688 0.099 7.896 間接效應 30 -2.068 0.893 -11.038 -0.991 總效應 30 -1.709 1.581 -10.939 6.905 經濟距離矩陣 直接效應 30 0.163 0.008 0.167 0.193 間接效應 30 -0.213 0.059 -0.374 -0.015 總效應 30 -0.050 0.067 -0.207 0.178 ]

基于這一原理，本文在識別每個省份空間效應基礎上，分解SDM模型的空間效應并進行具體闡述。

第一，鄰接空間距離矩陣下，生產性服務業集聚對制造業綠色創新的“直接效應”影響結果證實，本地生產性服務業集聚對鄰近省區市制造業綠色創新影響最強的是省會城市，主要分布在南部沿海綜合經濟區、長江中游綜合經濟區、大西南綜合經濟區。這些省會城市以福州、南寧、武漢為中心點，形成較強的生產性服務業集聚現象，對制造業綠色創新具有積極效應。從“間接效應”來看，生產性服務業集聚對制造業綠色創新影響呈自東向西依次遞減特征。

第二，地理距離矩陣下，生產性服務業集聚影響制造業綠色創新的“直接效應”結果顯示，本地生產性服務業集聚對本地制造業綠色創新作用最強的省會中心城市主要分布在京津冀、長三角、珠三角地區。“直接效應”最大的省會中心城市主要包括北京、天津、上海、南京、杭州、廣州等，這些城市的本地生產性服務業集聚對本地制造業綠色創新的直接驅動作用最強。相對來說，地理距離矩陣下生產性服務業集聚影響制造業綠色創新的“間接效應”在空間呈明顯“梯度遞減分布”特征，即空間效應較強省會中心城市位于鄭州、濟南和以南昌為頂點的“鉆石形”區域。該區域生產性服務業集聚效果最強，對鄰邊優質資源的吸引力極強，所以對我國整體制造業綠色創新的抑制作用最大。

第三，經濟距離矩陣下，生產性服務業集聚影響制造業綠色創新的“直接效應”結果表明，本地生產性服務業集聚對本地制造業綠色創新作用最強的城市多分布在中部、東北部、西南部地區，包括沈陽、哈爾濱、石家莊、重慶、成都、昆明等典型城市。相對來說，經濟距離矩陣下生產性服務業集聚影響制造業綠色創新的“間接效應”呈“大集中、小分散”分布格局。也就是說，本地生產性服務業集聚對鄰近地區制造業綠色創新“抑制效應”主要分布在我國東南地區與中部地區，典型省會中心城市包括合肥、福州、武漢、長沙等地。

七、 結論與啟示

1. 主要結論

生產性服務業集聚通過知識溢出效應與規模經濟效應，可以滿足制造業綠色發展與技術創新發展需要。由于空間溢出效應的存在，生產性服務業集聚對制造業綠色創新影響具有空間傳遞效應。換言之，本地生產性服務業集聚既影響本地制造業綠色創新，也通過空間傳遞機制影響鄰近省份制造業綠色創新。是以，本文通過構建三大地理空間權重矩陣，選取動態空間面板模型考察生產性服務業集聚對制造業綠色創新的影響。主要研究結論如下：

（1）省級區域視角下，本地生產性服務業集聚顯著正向影響本地制造業綠色創新。地理距離、經濟距離、研發資本流動空間矩陣中，生產性服務業集聚對本地制造業綠色創新均有促進作用，但對鄰近省份制造業綠色創新產生抑制作用。同時，本地與鄰近省份的滯后一期制造業綠色創新均對本地制造業綠色創新產生明顯促進作用。

（2）生產性服務業集聚對制造業綠色創新空間溢出效應在鄰接空間、地理距離、經濟距離下存在明顯差異性。這種空間溢出效應更傾向于地理鄰近地區傳遞。并且，生產性服務業集聚對制造業綠色創新的抑制作用，在鄰近省份體現得更加明顯。這說明，本地生產性服務業集聚對鄰近省份制造業綠色創新的空間溢出效應更多通過地理空間傳遞。

（3）空間效應的多維度空間分解發現，第一，鄰接空間距離權重矩陣下，生產性服務業集聚對本地制造業綠色創新促進的“直接效應”，主要體現在南部沿海綜合經濟區、長江中游綜合經濟區、大西南綜合經濟區，“間接效應”呈現自東向西依次遞減態勢。第二，地理距離權重矩陣下，本地生產性服務業集聚對本地制造業綠色創新促進的“直接效應”體現在京津冀、長三角、珠三角地區；地理距離權重矩陣下的“間接效應”在空間表現為“梯度遞減分布”格局，形成以鄭州、濟南和南昌為頂點的“鉆石形”區域，且這些地區生產性服務業集聚對制造業綠色創新的抑制效應最大。第三，經濟距離權重矩陣下，生產性服務業集聚對本地制造業綠色創新的“直接效應”作用最強，省會中心城市主要分布在中部、東北部、西南部地區；“間接效應”呈現“大集中、小分散”的分布格局，中部、東南部的生產性服務業集聚對我國整體制造業綠色創新的抑制效應更強。

2. 研究啟示

（1）優化生產性服務業集聚發展環境。研究證實，生產性服務業集聚可為制造業發展提供新動力，助力制造業綠色創新。據此，政府可在金融、人才培養等各方面加強管理，優化生產性服務業集聚發展環境，進一步發揮生產性服務業集聚對制造業綠色創新的影響作用。在金融環境方面，金融機構應完善生產性服務業融資機制，降低融資成本，促進制造業綠色發展。在人才培養方面，教育機構應構建生產性服務業人才發展的激勵機制，提高人才創新能力及素養，從而提升制造業綠色創新能力。制造業企業需要構建“利益共享機制”和“利益補償機制”，加強地區間生產性服務業之間的互聯互通；打造協同發展方案推動產業集聚，加快建設各具增長特色的制造業增長區域，助力制造業綠色創新發展。

（2）施行區域差異化產業發展策略。生產性服務業集聚對制造業綠色創新發展的影響存在明顯空間差異與區域差異，因此各地區應結合本地實際施行差異化產業發展策略。東部地區生產性服務業集聚水平和制造業綠色創新水平均高于中西部地區，因此東部地區可發揮知識優勢和技術優勢，加強與中西部地區的點對點合作，為中西部地區的生產性服務業發展和制造業綠色創新提供支持。

（3）加快推進制造業綠色轉型升級。制造業綠色創新的實現離不開各項資源有效供給，因此在新發展格局下，各方應擴大制造業綠色創新有效供給，提高人才、技術、數據等要素資源配置效率。一方面，提高科技創新力度。制造業企業應依據系統創新鏈思想，加快建立綠色新興裝備制造業技術創新體系，加快突破關鍵技術、核心技術、前沿技術。在此基礎上，制造業還應積極加快工業節能裝備制造，推動低能耗、智能化污水處理、固廢處理等新型設備應用，疏通綠色新興裝備制造業產業鏈和供給鏈的堵點。另一方面，加速制造業生產方式數字化轉型。制造業企業應打造綠色低碳基礎數據平臺，不斷擴大生產性服務業等多方面數據資源獲取渠道，同時構建數據共享機制，促進聯盟企業之間數據共享。

參考文獻：

[1] 高紅貴，朱于珂.綠色技術創新研究熱點的動態演變規律與趨勢[J].經濟問題探索，2021（1）：52-69.

[2] Markusen J R. Trade in Producer Services and Other Specialized Intermediate Inputs[J].The American Economic Review，1989，97（2）：85-95.

[3] 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.

[4] 任陽軍，何彥，楊麗波，等.生產性服務業集聚、制造業集聚對綠色創新效率的影響——基于中國城市面板數據的空間計量分析[J].系統工程，2020（3）：27-35.

[5] 羅超平，朱培偉，張璨璨，等.生產性服務業集聚促進了城市綠色創新嗎——基于“本地-鄰地”效應的視角[J].西南大學學報（社會科學版），2022（1）：97-112.

[6] 張純記.生產性服務業集聚與綠色全要素生產率增長——基于地區與行業差異的視角[J].技術經濟，2019（12）：113-119.

[7] 陸鳳芝，王群勇.生產性服務業集聚與霧霾污染治理[J].軟科學，2021（4）：1-7.

[8] 方湖柳，潘嫻，樊文靜.生產性服務業集聚的綠色發展效應檢驗[J].財會月刊，2022（5）：128-136.

[9] 李體欣，倪志興，許瑞琦.生產性服務業集聚對城市綠色全要素生產率的影響及門檻效應[J].南方金融，2022（5）：59-69.

[10] 聶永有，姚清宇.長三角地區生產性服務業集聚與碳排放效率——基于SDM與PTR模型的實證檢驗[J].工業技術經濟，2022（6）：111-119.

[11] 張賀，許寧.產業集聚專業化、多樣化與綠色全要素生產率——基于生產性服務業集聚的外部性視角[J].經濟問題，2022（5）：21-27.

[12] 李勇輝，沈波瀾，胡舜，等.生產性服務業集聚空間效應與城市技術創新——基于長江經濟帶108個城市面板數據的實證分析[J].經濟地理，2021（11）：65-76.

[13] 蘇曉艷，李鎮南.生產性服務業集聚會促進高新企業技術創新嗎？——以粵港澳大灣區為例[J].現代管理科學，2022（1）：42-50.

[14] 徐承紅，韓明明.生產性服務業集聚對區域創新空間溢出效應的影響研究[J].吉林大學社會科學學報，2022（4）：34-45，233-234.

[15] 張慧一，祝濱濱.生產性服務業集聚外部性如何影響區域創新？——基于長三角地區的實證分析[J].科技管理研究，2022（15）：89-97.

[16] 李穎.產業協同集聚影響全要素能源效率的“U”型關系再檢驗——基于集聚質量和深度的雙重視角[J].生態經濟，2022（1）：69-76.

[17] Tian F J， Yang Y， Lan J，et al. Spatial Spillover of Transport Improvement on Tourism Growth[J].Tourism Economics，2022，28（5）：1416-1432.

[18] Combes P P. Economic Structure and Local Growth：France，1984-1993[J].Journal of Urban Economics，2000，47（3）：329-355.

[19] 李曉陽，代柳陽，牟士群，等.生產性服務業集聚與制造業綠色轉型升級——信息通信技術的調節作用[J].西南大學學報（社會科學版），2022（1）：83-96.

[20] 蘇曉艷，李鎮南.生產性服務業集聚會促進高新企業技術創新嗎？——以粵港澳大灣區為例[J].現代管理科學，2022（1）：42-50.

[21] 邵帥，李嘉豪.“低碳城市”試點政策能否促進綠色技術進步？——基于漸進雙重差分模型的考察[J].北京理工大學學報（社會科學版），2022（4）：151-162.

[22] 辛曉華，呂拉昌.中國主要城市技術創新影響環境污染的空間分異與機理[J].地理科學，2021（1）：129-139.

基金項目：廣西科技大學博士基金項目“廣西深入實施‘工業強桂戰略研究”（項目編號：校科博22S12）；廣西高校中青年教師科研基礎能力提升項目“以‘新基建推動廣西制造業高質量發展對策研究”（項目編號：2021KY0337）。

作者簡介：韋帥民（1987-），男，壯族，廣西科技大學助理研究員，博士，研究方向為產業經濟。

（收稿日期：2022-11-16? 責任編輯：蘇子寵）