生產性服務業集聚真的促進了碳減排嗎？

摘要：產業集聚作為產業高質量發展的關鍵，不僅可以提高區域生產效率、增強區域經濟發展活力，還可能促進碳減排。本文運用雙重固定效應空間杜賓模型，基于2005—2020年中國30個省份的面板數據，從專業化集聚與多樣化集聚兩個維度實證檢驗了生產性服務業集聚對碳減排的影響及其空間溢出效應。結果表明，生產性服務業在不同模式下的集聚均有利于碳減排，且具有明顯的空間溢出效應；東部地區兩種模式的生產性服務業集聚對碳減排的影響均顯著，中西部地區則不然；在2005—2014年，生產性服務業集聚對碳減排的影響并不顯著，但在2015—2020年影響卻顯著，且不同行業的集聚形式對碳減排產生了不同的影響。我國應進一步引導產業合理集聚，深入貫徹新發展理念，最大限度地利用生產性服務業積累的紅利，以實現產業轉型升級和碳減排。

關鍵詞：生產性服務業；多樣化集聚；專業化集聚；碳減排；空間溢出效應

中圖分類號：F752.68" " " " 文獻標識碼：A" " " "文章編號：1007-0753（2024）02-0018-15

一、引言

作為全球最大的發展中國家，我國在實現經濟高速增長的過程中，仍致力于應對全球氣候變化，發展低碳經濟。2020年，習近平主席在第75屆聯合國大會上提出了中國為實現2060年碳中和而奮斗的“雙碳目標”。顯然，減少碳排放已逐步成為全球共識，也是中國實現經濟綠色轉型發展的當務之急。

從我國經濟結構的演進過程來看，農業、工業和制造業的GDP增加值占總GDP的比重不斷下降，而服務業的GDP增加值占比正逐漸上升。根據《服務業創新發展大綱（2017—2025年）》①，中國經濟已經從“工業主導型”向“服務主導型”轉變。作為建立在第二、第三產業基礎上的新興產業，生產性服務業②是促進兩個產業深度融合的連接點和突破點，是促進制造業轉型升級和轉變經濟發展模式的重要環節。中國必須加速發展生產性服務業（楊校美等，2021）。當前，產業集聚作為產業高質量發展的關鍵，在提高區域生產效率、增強區域經濟發展活力的同時，現有研究表明其還可能會促進行業碳減排。

二、文獻綜述與研究假設

（一）文獻綜述

1.關于碳排放

近年來國內外學者對碳排放的研究主要集中在經濟發展與碳排放的關系以及影響碳排放的因素分析等方面。

如何在實現經濟增長的同時有效控制碳排放成為當下研究的重點之一。劉揚和陳劭鋒（2009）基于IPAT方程對經濟增長與碳排放之間的關系進行理論分析，認為碳排放會隨著經濟動態增長呈現規律性變化。劉駿和何軼（2015）以我國低碳試點省份為研究對象，發現其在經濟增長的同時還實現了碳排放的降低，造成這一現象的原因可能與這些低碳省份大力發展服務業有關。關于碳排放的影響因素，現有研究大多聚焦在城鎮化進程與產業結構方面。牛鴻蕾（2019）基于擴展的STIRPAT模型，認為城鎮化發展過程對碳排放的影響呈制動效應，即城鎮化率提升對碳排放的增長總體呈現抑制作用，這是城鎮化帶來的不同因素相互強化或抵消的結果。王薇（2014）利用VAR模型實證分析了產業結構與碳排放量的動態關系，結果顯示產業結構與碳排放量存在長期協整關系。Zheng 等（2020）通過構建計量經濟模型進行實證檢驗，發現產業結構不同是導致碳排放量存在差異的重要因素。Zhang等（2020）則認為，產業結構升級能夠通過推進技術變革來降低城市碳排放強度。

2.產業集聚與碳排放

產業集聚也稱產業地理集聚，它指的是同一行業在某一特定的地域高度集中，工業生產要素在空間上持續集聚的過程。根據集聚方式的不同，可以將產業集聚劃分為專業化集聚和多樣化集聚（Nakamura ，1985）。隨著經濟全球化的快速發展，我國的產業集聚現象不斷涌現，逐漸形成了新型產業分工格局（魏后凱，2004）。這種新型的產業鏈分工有利于提高資源利用效率，并在競爭合作中實現雙贏或多贏的目標。

當前針對產業集聚的探討聚焦在制造業，關于制造業集聚是否有利于碳減排，現有研究尚未形成一致結論。一種觀點認為集聚的正外部性可以激發制造業集群內的“創新補償”效應，促進碳排放降低。如楊朝均等（2020）認為產業集聚升級可以給低碳技術創造一個良好的環境，從而實現制造業向低碳發展的轉型升級。乜敏和趙洪海（2013）的研究表明，制造業的聚集對于減少碳排放有著明顯的推動效應。另一種觀點認為，產業聚集會導致對能源的需求增長，造成“擁擠”現象，進一步提高了溫室氣體的排放量。如肖爽爽等（2020）的研究表明，我國的工業企業聚集導致我國的碳排放強度上升，同時也存在著負面的空間外溢效果，也就是隨著產業集群的發展，當地碳排放量也隨之上升，而相鄰區域的二氧化碳排放量下降。Wang 和Sui（2022）研究認為，制造業的高度集聚在一定程度上擴大了產能規模和生產規模，進而導致碳排放量的增加。關于生產性服務業集聚，現有文獻主要以測度其集聚水平為主（盛龍和陸根堯，2013；陳曉峰，2014），鮮有涉及集聚與碳排放關系的研究。席強敏和羅心然（2017）從節約能源和聚集規模的經濟角度探討了生產性服務業的聚集效應。Kim等（2019）認為生產性服務業可以通過促進產業升級、發揮技術溢出效應等多種方式影響制造業，最終推動制造業綠色轉型和低碳發展。Huang和 Zhu（2021）則認為，生產性服務業集聚對碳減排的影響是一個復雜的問題，受多種因素的綜合作用影響，并且在具體的驗證過程中可能得出不同的結論。

（二）研究假設

1.生產性服務業集聚對碳減排的影響機制

結合現有國內外研究，本文認為生產性服務業集聚對碳減排的影響主要通過三條路徑實現，具體機制如圖1所示。

（1）通過知識溢出效應促進碳減排

以知識密集和科技密集為主的生產性服務業，會聚了大量優秀人才，較易形成學習效應。生產性服務業在空間上的集聚能夠通過引發要素跨區域流動帶來知識的空間溢出，進而提高企業的人力資本與勞動生產率。Sven（1989）指出，利用人力資源“蓄水池”作用，快速獲取高質量人力資源，是我國生產性服務業集群發展迅速的重要原因之一。人力資本的提升可以促進技術經驗的積累：一方面通過吸收外來企業的先進技術與經驗進行學習，另一方面在區域內營造有利于群體學習與創造的氛圍，進而推動技術創新與知識共享。因此，在知識外溢的影響下，生產性服務業集聚通過提高勞動生產效率推動能源利用效率的提升，進而促進碳減排（Lilach和David，2003）。據此，提出假設H1。

H1：在知識溢出效應下，生產性服務業集聚對碳減排具有促進作用。

（2）通過規模經濟效應促進碳減排

根據新經濟地理理論，生產性服務業上下游關聯的企業在同一個地理空間上集聚，有助于深化分工，提高資源的利用效率。這可以進一步提高我國的產業競爭力，減少企業的碳排放量（韓峰和謝銳，2017）。生產性服務業是一種具有高技術含量和高附加值的產業，能夠在與制造業進行協作的同時，為制造業提供高效率和精細的生產性服務（席強敏和李國平，2015）。且處在同一地區的生產性服務業企業可以對要素資源、公共基礎設施進行最大化集約共享，推動資源綜合利用，從而達到節能減排的效果。在生產性服務業集聚區域內，企業之間形成了緊密的合作與競爭關系。首先，規模經濟效應使得企業可以共享資源、技術和經驗，降低生產成本，提高生產效率。這種資源共享和合作促進了環保技術的傳播和應用，推動了更環保的生產方式的應用，進而降低碳排放。其次，集聚區域內的企業之間存在競爭壓力，促使它們不斷創新，尋求更加環保、高效的生產方式，以提升市場競爭力。再次，生產性服務業集聚還可以優化供應鏈和物流體系，縮短運輸距離，降低能源消耗，減少碳排放。共享物流網絡和倉儲設施提高了物流效率，降低了整體碳排放量。此外，政府在集聚區域內可以更便捷地實施統一的環保政策和標準，引導企業采取更加環保的做法，進一步降低碳排放。據此，提出假設H2。

H2：在規模經濟效應下，生產性服務業集聚對碳減排具有促進作用。

（3）通過產業結構優化促進碳減排

生產性服務業作為高附加值的現代服務業，通過服務質量的提高與自身規模的擴大可以促進產業結構的轉型升級，促進傳統工業向第三產業轉移。在此過程中，一種常見的方式是將傳統工業向高新技術產業轉移。在短期內，通過對產業結構進行調整來實現我國的節能減排戰略，而通過發展綠色經濟和走新型工業化之路，實現產業結構的優化升級是必然選擇（查建平等，2012）。蘇方林和黎文勇（2015）基于泰爾熵指標和服務業指標從行業結構最優化角度，分析指出工業轉型對降低碳排放量具有重要作用。劉軍躍等（2017）通過對長江經濟帶區域內各行業的碳排放進行實證檢驗，認為工業結構的提升對其碳排放產生了明顯的負面影響。孫暢和曾慶均（2017）則認為，生產性服務業可通過產業關聯的作用機制，促進產業結構優化升級和生產效率提升，從而達到節能減排的目的。因此，本文認為，生產性服務業集聚可以改善傳統工業的生產模式，要增加服務業在工業總增加值中所占的比例，特別是生產性服務業在其中所占的比例；通過優化產業結構，促進碳減排。據此，提出假設H3。

H3：在產業結構優化下，生產性服務業集聚對碳減排具有促進作用。

鑒于當前深入研究生產性服務業集聚與碳減排關系的成果較少，大多以經驗總結和定性分析為基礎，特別是針對生產性服務業集聚的碳減排機制，尚未形成科學合理的解釋，因此本文的邊際貢獻在于：其一，提出生產性服務業集聚影響碳減排的作用機制，為推動低碳發展思路和觀點的實現提供途徑；其二，從專業化集聚和多樣化集聚兩個層面，測度并分析中國2005—2020年30個省份生產性服務業集聚水平的時空特征；其三，構建空間計量模型，系統檢驗生產性服務業在不同集聚模式下對于中國碳減排貢獻的空間溢出效應及其異質性。

三、研究設計

（一）計量模型的構建

本文以Dietz和Rose（1994）改進的STIR-PAT模型為基礎構建計量模型來驗證生產性服務業集聚與碳排放二者之間的關系：

其中，CI表示碳排放強度；a是常數項，P表示人口密度，A表示人均財富，T表示能源技術水平，e為干擾項，c1、c2、c3為模型待估參數。理論上c1＞0、c2＞0，即人口規模、人均財富與碳排放量之間存在著顯著的正相關性；c3＜0，說明能源技術水平與碳排放量之間存在著顯著的負相關性。

因為生產性服務業集聚有兩種類型，即專業化集聚和多樣化集聚，這兩種類型都可以通過知識溢出效應、規模經濟效應和產業結構優化效應提升能源利用效率，從而達到降低碳排放的目的。因此本文參照韓峰等（2014）的做法，將T作為生產性服務業兩種集聚模式的增函數，即：

其中，T0為常數，α、β表示彈性系數，SPi是生產性服務業專業化集聚程度，DVi是生產性服務業多樣化集聚程度，聯立式（1）與式（2）可得：

除上述因素外，本文還將引入相關控制變量（Control），包括人力資本（Eduij）、技術水平（Techij）、外商直接投資（FDIij）、人均財富（A）、人口密度（P），構建碳排放的計量模型。為了消除異方差性，取對數可得到式（4）：

其中，CIij表示各省份碳排放強度。在此基礎上，構建了空間計量模型，以驗證碳排放是否具有更顯著的空間相關性。

其中，εit為殘差，ui、vt 分別表示地區效應與時間效應，ρ、φ分別為空間自回歸系數和空間自相關系數，ωij表示空間權重矩陣，X是一個自變量空間，它包含了生產性服務業的專業化和多樣化集聚等變量。

（二）變量說明

1.被解釋變量

碳排放強度（CI）。本文使用碳排放強度（CI）作為被解釋變量引入回歸模型，其計算公式如下：

其中，CO2表示各省份③的二氧化碳排放量，GDP為各地區生產總值。本文參照崔和瑞等（2019）的做法，使用消耗化石能源所釋放的二氧化碳的排放量進行測算。

本文將選取8種主要能源品種進行測算，式（7）中E為各能源品種的消費量，SC為標準煤折算系數，CF為碳排放系數。表1為各類能源的碳排放系數。

2.核心解釋變量

生產性服務業專業化集聚（SP）。本文參考Ezcurra等（2006）的測算方法，即：

其中，Eis代表省份i的生產性服務業的就業人數，Ei為省份i的總就業人數，E's表示除省份i之外的生產性服務業的就業人數，E'為除i省份外的全國總就業人數。

生產性服務業多樣化集聚（DV）。本文參考韓峰等（2014）的方法，測算公式如下：

其中，Es代表全國生產性服務業的就業人數，E為全國的總就業人數。

3.控制變量

包括控制變量在內的所有變量說明及描述性統計見表2和表3。由表3可知，碳排放強度的標準差為0.246 8，最小值與最大值分別為0.022 1與1.982 5，碳排放強度的數據呈現出較大的離散程度，即數據的分布范圍較廣，與平均值的偏離程度較大。生產性服務業專業化與多樣化集聚的標準差分別為0.094 4、0.037 6，說明各省份之間的生產性服務業集聚水平也存在較大的差異性。

四、實證分析

（一）空間關聯效應

本文使用指數來判斷地區間碳排放是否存在空間相關性，計算公式如下：

其中，xi為省份i的觀測值；Wij為行標準化的空間權重矩陣；ci為省份數；x-、S2 分別表示觀測變量的均值和方差。

從表4中可以看出，各省份的碳排放的指數都是正值，并通過了1%顯著性檢驗，表明中國各省份碳排放水平呈現出較穩定的空間聯系，為本文研究生產性服務業的空間溢出效應提供了統計意義上的支撐。

本文使用GeoDa軟件做出雙變量Moran's I散點圖（圖2、圖3），具體類型包括：高集聚-高強度區域、低集聚-高強度區域、低集聚-低強度區域和高集聚-低強度區域。其中，橫坐標為集聚水平，縱坐標為強度水平。

通過圖2（a）與圖2（b）可知，2005年、2020年散點集中分布于低集聚-高強度區域和低集聚-低強度區域。2005年數據與2020年數據相比較，生產性服務業專業化集聚與碳排放強度關聯模式的空間格局變化不大。高集聚-高強度區域，是指生產性服務業專業化集聚水平高，碳排放強度高的區域，主要省份為北京、天津、黑龍江。至2020年，僅北京、天津還位于該區域，說明位于該區域的省份生產性服務業專業化發展水平較高，呈現一定的集聚規模效應，同時也帶來了較高的碳排放。低集聚-高強度區域，是指生產性服務業專業化集聚水平低，碳排放強度高的區域，主要集中在內蒙古、甘肅、陜西、吉林等省份，至2020年該區域新增了新疆、黑龍江兩個省份。位于該區域的省份大多分布在我國西部地區，由于地理位置的限制，生產性服務業發展水平相對落后，碳排放強度居高不下。低集聚-低強度區域是指生產性服務業專業化集聚水平低、碳排放強度低的區域，主要集中在廣西、貴州、青海、湖南等省份。位于該區域的省份總體上生產性服務業專業化集聚水平與碳排放強度存在顯著的滯后性。上海位于高集聚-低強度區域，該區域的省份具有優越的地理位置、先進的技術水平，能夠為促進碳減排提供有力的支撐。

通過圖3（a）與圖3（b）可知，2005年、2020年的散點集中分布在低集聚-高強度區域、低集聚-低強度區域和高集聚-低強度區域。高集聚-高強度區域，主要省份為四川、河南、陜西等。該區域內的省份多樣化集聚程度高，相應的碳排放強度也高。低集聚-高強度區域，主要集中在寧夏、內蒙古、遼寧等省份，至2020年分布在該區域的省份減少至7個。可能的原因在于這些低集聚-高強度區域的經濟發展相對滯后，產業結構相對單一，缺乏多元化發展支撐。由于資源稟賦、地理位置等方面的限制，這些省份難以快速實現產業升級和轉型，導致經濟增長緩慢，吸引力下降。低集聚-低強度區域，主要集中在北京、上海等省份，可能原因在于這些省份相較于多樣化發展更傾向于生產性服務業專業化集聚發展，從而導致多樣化集聚程度較低。高集聚-低強度區域，主要集中在江蘇、安徽、湖南等省份。這些區域的生產性服務業多樣化集聚程度越高，對碳減排的促進作用就越顯著。

（二）空間計量矩陣的構建

在省域環境問題的研究中，通常認為“鄰近”省份的環境治理行為存在相似，這里的“鄰近”可以認為兩個省份存在地理接壤。若存在共同邊界或者頂點相接，就認為兩地是“鄰居”關系。簡單的二進制鄰接矩陣的第n行m列元素為

wn，m =" " " " " " " " " " " " " " " （11）

（三）空間計量檢驗結果

1.總效應檢驗

參考Elhorst（2014）的檢驗思路：首先，采用拉格朗日乘數法（Breush-Godfrey Lagrange Multiplier，LM）檢驗，結果顯示LM-lag和LM-error均在1%的置信水平上顯著，表明空間誤差模型（Spatial Error Model，SEM）和空間滯后模型（Spatial Autoregressive Model，SAR）均可以使用。其次，為保證模型的精確度與可靠性，進一步利用LR檢驗和Wald檢驗來判斷空間杜賓模型（Spatial Durbin Model，SDM）是否可以進行簡化。檢驗結果均拒絕原假設，表明SDM模型不可簡化。最后，進行Hausman檢驗，以判斷SDM模型是采用FE模型還是RE模型方法。本文最終選擇雙重固定效應的SDM模型作為空間計量模型。

從表5中的總效應來看，生產性服務業專業化集聚與多樣化集聚均顯著為負，與預期結果相吻合，說明伴隨著生產性服務業集聚的不斷加深，碳排放的現實狀況會得到顯著改善。經濟學意義上，這些數據反映了生產性服務業在產業集聚過程中對碳排放的影響。專業化集聚和多樣化集聚都對碳排放產生了負向影響，這可能是因為集聚使得相關產業更加集中，從而促進能源利用效率提高和碳排放降低。這表明生產性服務業在產業集聚中發揮了一定的環境效益，為減少碳排放提供了一定的幫助。因此H1與H2得證。

2.直接效應與間接效應檢驗

考慮到空間計量回歸的參數估計值在一定程度上難以準確反映生產性服務業專業化集聚與多樣化集聚對各省份碳排放的邊際影響，故本文借鑒James和Robert （2009）的研究思路，通過在模型設置中引入偏微分法，消除估計過程中可能出現的誤差，并將其分解為直接和間接影響，具體結果見表6。

從解釋變量（SP與DV）來看，生產性服務業專業化與多樣化集聚直接效應均顯著為負，說明生產性服務業專業化與多樣化集聚對本地區的碳排放存在顯著的抑制作用，是推動本地區實現碳減排的重要力量。專業化集聚模式的間接效應雖為負但不顯著，即不存在明顯的空間溢出效應。

從控制變量來看，各模型中人均財富（A）的提高會顯著降低碳排放，人口密度（P）的擴大則會增加本地區的碳排放，其系數為0.151，且二者均不具備明顯的空間外溢效應。技術水平（Tech）的直接效應不顯著，間接效應顯著，即存在明顯的負向外溢，其系數為-0.104。這表明，一個區域的科技發展，除了取決于一個區域本身之外，也有賴于周邊地區科研投入，共同營造良好的專利申請環境，推動技術進步與促進碳減排。外商直接投資（FDI）與人力資本（Edu）均未通過顯著性檢驗。前者可能是因為部分地區為了迅速提高自己的區域經濟發展效率，沒有對外國行業進行嚴密篩選，造成了很多劣質的外國資本進入，導致外國資本的技術溢出效果在短期內難以發揮對碳減排的促進作用；后者可能由于各省份平均受教育年限尚處于較低水平，所以對于碳減排并沒有產生明顯的影響。

3.穩健性檢驗

為了保證研究結論的可靠性，本文通過三種不同的方法，對樣本數據進行了穩健性分析，結果如表7所示。第一，改變空間權重矩陣設置，選取社會經濟權重矩陣，與上文的回歸結果基本保持一致，穩健性得到驗證。第二，剔除極端值，去掉碳排放平均值最高的地區（寧夏）以及最低的地區（北京），重新估算該模型，檢驗發現兩類回歸結果在系數符號及顯著性上均與基礎回歸結果大體相同，具有穩健性。第三，替換被解釋變量的衡量指標，使用二氧化碳排放總量替代碳排放強度進行重新估計，結果也與基礎回歸結果近似，再次說明本文研究結果具有較強的穩健性。

（四）異質性分析

1.區域異質性檢驗

本文進一步將樣本分為東部與中西部④兩組區域分別檢驗生產性服務業集聚對碳減排的貢獻。結果如表8所示，東部地區兩種模式的生產性服務業集聚對碳減排的影響均顯著，而中西部地區卻不然，說明該影響存在顯著的區域異質性。東部區域擁有自然的濱海優勢，交通、通信等基礎設施比較完善，工業基礎也比較扎實，這有利于形成結構優化、功能完備的生產性服務業，推動我國的低碳經濟發展。與此形成鮮明對比的是，地處中國內陸的中西部，其對外開放水平和工業基礎都較差，人才與技術的流入受限，導致生產性服務業整體發展水平較低，尚未發揮出對碳減排的推動作用。

2.時間異質性分析

2014年國務院印發《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》（后文簡稱《指導意見》），首次對生產性服務業發展做出全面的部署，力圖將服務業打造成社會可持續發展的新引擎。為檢驗《指導意見》的政策效果，本文以2014年為時間節點，分別檢驗2005—2014年和2015—2020年這兩個階段生產性服務業集聚對碳減排的貢獻。

根據表9的結果，2005—2014年生產性服務業集聚對碳減排的影響并不顯著，2015—2020年，無論多樣化集聚還是專業化集聚均產生了顯著作用，表明《指導意見》政策效果明顯，影響存在時間異質性。其背后的邏輯可能在于，2014年之前中國以消耗大量能源的粗放型經濟增長方式為主，工業在經濟發展中發揮主導作用，生產性服務業整體的發展水平較低，因此對碳減排的影響不明顯。然而，2015年后隨著各類政策逐漸向生產性服務業和發展綠色經濟傾斜，加之國內產業結構不斷優化，生產性服務業得到迅猛發展，其對碳減排的影響作用也越發明顯。

3.行業異質性分析

為了檢驗各細分行業的專業化與多樣化集聚對碳減排的影響是否存在異質性，有必要進一步對各個細分行業進行分組檢驗。考慮到統計指標的一致性，本文參照采用生產性服務業各個子行業的就業人員占總就業人員的比重來衡量其集聚水平。結果如表10所示。

從總效應來看，生產性服務業集聚對碳減排的影響存在行業異質性。其中，信息傳輸、計算機服務和軟件業與金融業專業化集聚的系數顯著為正，即隨著兩個行業的專業化水平的提升會顯著增加碳排放強度；除信息傳輸、計算機服務和軟件業以外的其他細分行業的多樣化集聚的系數顯著為負，對碳減排促進作用明顯。

從直接與間接效應來看，信息傳輸、計算機服務和軟件業的專業化集聚顯著促進了本地區的碳減排水平。其背后的邏輯可能是，近年來，中國通過放寬進入市場的限制，對外國投資者和跨國公司放開市場，推動了我國的數字化和信息化經濟的發展，使其在不同的領域內提供了更多服務。另外，工業和信息化的整合還需要一個較長的、動態的進程，因此，短期之內很難看到其效果。

科學研究和技術服務業的多樣化集聚顯著促進了本地區的碳減排，其間接效應雖為負但是不顯著。可能的原因在于，我國各省份科學技術水平的區域差異較大，技術較為發達的省份會對鄰近省份的生產要素產生虹吸效應，降低了相鄰地區生產要素的集聚效應，從而并未對其碳排放產生明顯影響。

金融業集聚的直接與間接效應均顯著為負，說明金融業的集聚對我國區域的碳減排有很大的推動作用。這一結果也與我國近幾年推動更多金融資源向綠色領域傾斜、提倡發展綠色金融，以有效實現“雙碳目標”的有力舉措相映襯。

五、結論與建議

本文基于2005—2020年我國30個省份的面板數據，通過構建空間計量模型，從多樣化集聚和專業化集聚兩個維度深入測度并檢驗了生產性服務業集聚影響碳減排的空間溢出效應及其異質性，研究發現：（1）整體而言，生產性服務業的專業化集聚和多樣化集聚均能促進碳減排，且空間溢出效應顯著，影響效果呈現增長態勢；（2）生產性服務業集聚的碳減排效應存在區域異質性，其中東部地區的促進作用更顯著；（3）《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》的政策效應明顯，2015年后生產性服務業集聚對碳減排的影響逐漸顯著并強化；（4）生產性服務業對碳減排的影響存在行業異質性，其中交通運輸、倉儲和郵政業與租賃和商務服務業的多樣化集聚，金融業的多樣化與專業化集聚，信息傳輸、計算機服務和軟件業的專業化集聚，以及科學研究和技術服務業的多樣化集聚，對本地或周邊地區產生了明顯的碳減排效應，而批發和零售業的多樣化和專業化集聚均不利于本地的碳減排。本文研究結論的政策啟示在于：

第一，進一步促進生產性服務業集聚。一方面，各省應該結合自己的資源和地區情況，持續提高生產性服務業的多元化集聚程度，在集聚區域持續增強各種類型企業之間的相互交流和相互借鑒，為我國的經濟發展提供多元化、有特點的中介商品和服務。另一方面，要提高生產性服務業的專業化集聚程度，減少因專業化集聚程度太低而造成的規模不經濟現象。在提高專業化集聚程度的前提下，還需要繼續延長區域內的產業鏈，促進其內部的結構優化，從而達到生產性服務業的集聚與減排的增效作用。

第二，因地制宜制定產業政策，協調東、中、西部地區生產性服務業聯動發展。東部地區應進一步提升生產性服務業的發展層次，搭建行業交流的高水平平臺；改善我國的生產性服務業市場，鼓勵研發資金和清潔產品的跨地區流通來帶動中西部發展，進而共同推動區域內的碳減排。中西部地區應加強科學統籌規劃，著力推動與當地優勢相匹配的生產性服務業集聚。

第三，注重生產性服務業各細分行業集聚特點，構建可持續的產業生態。金融業集聚對碳減排的促進效果最佳，應該不斷完善綠色金融頂層設計，加快創新碳減排支持工具，并在此基礎上主動推動金融服務于實際行業，實現低碳經濟發展。信息傳輸、計算機服務和軟件業雖然技術水平比較高，但是對減少二氧化碳排放的貢獻卻不大。政府應當鼓勵高科技企業加大對研發的投資力度，特別是要將符合本省工業發展趨勢和水平的高科技人才引入進來，提升集聚地區的人力資本，并進行適當的產學研結合，讓信息技術在減排方面真正起到推動作用。

第四，推進生產性服務業與制造業雙驅動的產業布局，提升碳減排效率。比如，在生產性服務業通過引進先進科技，可以促進其智能發展，從而使高科技滲入整個過程，更好地發揮其服務制造業的作用。通過這兩大行業的協調發展，使我國的工業從高二氧化碳排放向低碳化轉變。此外，還要考慮到各個級別的省市發展狀況和制造業的特點，對生產性服務業在各省之間的服務職能進行合理的劃分，從而更好地發揮生產性服務業的低碳減排作用，實現既要“金山銀山”又要“綠水青山”的綠色發展。

注釋：

①《服務業創新發展大綱（2017—2025年）》由國家發改委于2017年6月正式發布。

② 根據國家統計局印發的《生產性服務業統計分類》，生產性服務業包含交通運輸、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，科學研究和技術服務業等六個行業。

③30個省份包括北京、天津、河北、山西、內蒙古、遼寧、吉林、黑龍江、上海、江蘇、浙江、安徽、福建、江西、山東、河南、湖北、湖南、廣東、廣西、海南、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆。

④ 本文中的東部地區：北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南，中部地區：山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南，西部地區：內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆。

參考文獻：

[1]楊校美，張永進，曾瑞，等．生產性服務業集聚對環境污染的影響研究——來自長江經濟帶城市的證據[J]．南京財經大學學報，2021（06）：99-108．

[2]劉揚，陳劭鋒．基于IPAT方程的典型發達國家經濟增長與碳排放關系研究[J]．生態經濟，2009（11）：28-30．

[3]劉駿，何軼．我國低碳試點城市經濟增長與碳排放解耦分析[J]．科技進步與對策，2015，32（08）：51-55．

[4]牛鴻蕾．中國城鎮化碳排放效應的實證檢驗[J]．統計與決策，2019，35（06）：138-142．

[5]王薇.城市化、產業結構與碳排放的動態關系研究——基于VAR模型的實證分析[J].生態經濟，2014，30（11）：

28-35．

[6] ZHENG H，GAO X，SUN Q，et al. The impact of regional industrial structure differences on carbon emission differences in China： An evolutionary perspective[J]. Journal of Cleaner Production， 2020， 257： 120506.

[7] ZHANG F，DENG X，PHILLIPS F，et al. Impacts of industrial structure and technical progress on carbon emission intensity： Evidence from 281 cities in China[J]. Technological Forecasting amp; Social Change， 2020， 154（C）： 119949.

[8] NAKAMURA R. Agglomeration economies in urban manufacturing industries： A case of Japanese cities[J]. Journal of Urban Economics， 1985， 17（01）： 108-124.

[9]魏后凱.我國產業集聚的特點、存在問題及對策[J].經濟學動態，2004（09）：58-61．

[10]楊朝均，王冬彧，畢克新．開放經濟背景下綠色創新驅動因素的空間效應研究[J]．統計與決策，2020，36（20）：62-66．

[11]乜敏，趙洪海．產業集聚是否促進了低碳發展——來自中國制造業的證據[J]．經濟與管理，2013，27（06）：70-75．

[12]肖爽爽，董會忠，趙艷敏．產業集聚對碳排放強度的驅動因素及空間關聯性——以中國制造業為例[J]．資源開發與市場，2020，36（08）：837-843．

[13]WANG W C， SUI Y. The spatial effect of co-agglomeration of pro-ducer services and high-tech industries on regional innovation ef-ficiency[J]. Chinese Journal of Management， 2022， 19（05）： 696.

[14]盛龍，陸根堯．中國生產性服務業集聚及其影響因素研究——基于行業和地區層面的分析[J]．南開經濟研究，2013（05）：115-129．

[15]陳曉峰．長三角生產性服務業集聚的水平測度與效率評價——兼以金融業為例的實證分析[J]．工業技術經濟，2014，33（02）：59-67．

[16]席強敏，羅心然．京津冀生產性服務業與制造業協同發展特征與對策研究[J]．河北學刊，2017，37（01）：122-129．

[17] KIM M， DANIELLE V H， ELIZABETH H Z， et al. Consumer acceptance measurement focusing on a specified sensory attribute of products： Can the attribute-specified degree of satisfaction-difference （DOSD） method replace hedonic scaling？[J]. Food Quality and Preference， 2019， 75： 198-208.

[18] HUANG X H， ZHU Z J. The mechanism and path selection of producer services to promote the high- quality development of manufacturing industry[J]. Reform， 2021 （06）： 17-26.

[19] SVEN I. Producer services： The key sector for future economic development？[J]. Entrepreneurship amp; Regional Development， 1989， 1（03）： 267-274.

[20] LILACH N， DAVID K. Neo-marshallian clusters and global networks： The linkages of media firms in central London[J]. Long Range Planning， 2003， 36（05）： 459-480.

[21]韓峰，謝銳．生產性服務業集聚降低碳排放了嗎？——對我國地級及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，2017，34（03）：40-58．

[22]席強敏，李國平．京津冀生產性服務業空間分工特征及溢出效應[J]．地理學報，2015，70（12）：1926-1938.

[23]查建平，唐方方，別念民．結構性調整能否改善碳排放績效？——來自中國省級面板數據的證據[J]．數量經濟技術經濟研究，2012，29（11）：18-33．

[24]蘇方林，黎文勇．產業結構合理化、高級化對碳排放影響的實證研究——基于西南地區面板數據[J]．西南民族大學學報（人文社科版），2015，36（11）：114-119．

[25]劉軍躍，蘇瑩，樊昌明，等．基于碳減排的長江經濟帶產業結構升級研究[J]．重慶理工大學學報（社會科學），2017，31（07）：38-47．

[26]孫暢，曾慶均．生產性服務業集聚能否促進我國產業結構優化升級？——基于2005—2013年省際面板數據的實證檢驗[J]．科技管理研究，2017，37（01）：105-110.

[27] DIETZ T， ROSE A K. Rethinking the economic theory of regulation[J]. The RAND Journal of Economics，1994， 25（01）： 1-17.

[28]韓峰，洪聯英，文映．生產性服務業集聚推進城市化了嗎？[J]．數量經濟技術經濟研究，2014，31（12）：3-21.

[29]崔和瑞，王浩然，趙巧芝．基于動態面板模型的中國區域碳排放影響因素研究[J]．科技管理研究，2019，39（12）：238-244．

[30] EZCURRA E. Global deserts outlook[R]. Nairobi： UNEP， 2006.

[31] ELHORST J P.Spatial econometrics： From cross-sectional data to spatial panels[M].Springer，2014.

[32]JAMES L， ROBERT K P. Introduction to spatial econometrics[M].CRC Press，2009.

（責任編輯：唐詩柔）

Does Agglomeration of Productive Service Industries Really Promote Carbon Emission Reduction？ ： Spatial Effects Analysis Based on Provincial Panel Data in China

XU Shan， LAN Meijiang

（College of Economics， Hangzhou Dianzi University ）

Abstract： Industrial agglomeration， as a key factor for high-quality industrial development， not only enhances regional production efficiency and economic vitality but also may facilitate carbon emission reduction. This study employs a spatial Durbin model with double fixed effects based on panel data from 30 provinces in China spanning from 2005 to 2020， to empirically examine the impact of agglomeration of productive service industries on carbon emission reduction from the dimensions of specialized agglomeration and diversified agglomeration， along with its spatial spillover effects. The results indicate that agglomeration of productive service industries in different modes is conducive to carbon emission reduction， with significant spatial spillover effects. Both modes of agglomeration of productive service industries in the eastern region significantly affect carbon emission reduction， while this is not the case for the central and western regions. From 2005 to 2014， the impact of agglomeration of productive service industries on carbon emission reduction in the central and western regions was not significant， but from 2015 to 2020， it became significant， with different forms of agglomeration in various industries having different impacts on carbon emission reduction. China should further guide rational industrial agglomeration， deeply implement the new development concept， and maximize the dividends accumulated by productive service industries to achieve industrial transformation， upgrading， and carbon emission reduction.

Keywords： Productive service Industries; Diversified agglomeration; Specialized agglomeration; Carbon emission reduction; Spatial spillover effects

收稿日期：2023-12-04

作者簡介：徐" "姍，博士，副教授，杭州電子科技大學經濟學院，研究方向為國際經濟、服務創新。

蘭美姜，通訊作者，碩士研究生，杭州電子科技大學經濟學院，研究方向為服務貿易、綠色創新。

基金項目：國家社會科學基金青年項目“新常態下中國服務外包產業突破‘價值鏈低端鎖定’的路徑優化及戰略研究”（17CJY046）。

本文感謝匿名審稿專家的寶貴意見，文責自負。