長江經濟帶服務業生態效率時空格局演化與組態提升路徑研究

甘 暢，王 凱

1.武漢輕工大學管理學院，湖北 武漢 430048

2.湖南師范大學旅游學院，湖南 長沙 410081

近年來，長江經濟帶服務業發展迅猛，上、中、下游各具優勢，現代服務業合作交流不斷加深，金融、零售與批發、交通運輸等分行業表現不俗；但在環境保護和綠色發展方面仍面臨一系列瓶頸[1]，如服務業產業規模大幅擴張不可避免地加劇了能源消耗，增加了碳排放量，進而阻滯了區域生態環境保護和高質量發展.習近平總書記在主持長江經濟帶高質量發展座談會上強調，從長遠來看，推動長江經濟帶高質量發展，根本上依賴于長江流域高質量的生態環境，要繼續加強生態環境綜合治理，持續強化重點領域污染治理.因此，加快服務業發展方式綠色轉型，推動形成綠色低碳生產方式成為助力長江經濟帶高質量發展、更好支撐和服務中國式現代化的重要抓手.服務業生態效率是指在一定的生產技術條件下，服務業生產過程中單位資源要素投入所獲最大化經濟產出與最小化生態成本的程度[2]；服務業生態效率兼顧了經濟發展與生態成本，是衡量服務業綠色轉型升級的重要指標.因此，在產業綠色低碳轉型的背景下，長江經濟帶的服務業生態效率如何？存在何種時空演化規律？如何驅動長江經濟帶服務業生態效率提升？回答上述科學問題對于釋放長江經濟帶服務業節能減排潛力，推動服務業綠色低碳轉型，從而助力“碳達峰、碳中和”目標實現具有重要的理論價值和實踐意義.

生態效率是在全面考慮資本、勞動力和能源等資源要素投入以及各種產出特別是碳排放等非期望產出時的投入產出效率[3]，國內外學者已圍繞生態效率進行了一系列研究.在研究對象上，已有研究多聚焦區域整體生態效率或產業生態效率，如農業與工業及其部門行業[4-8]；在服務業層面上，學者多聚焦服務業行業部門的生態效率，如物流業[9]和旅游業[2,10-11].然而，關于整體服務業生態效率的綜合測度仍相對較少.在研究內容上，既有研究多基于“格局-過程-機制”的研究范式，在實證測度的基礎上，探索生態效率的時空演化格局及其驅動機制[5,7,11]；一部分學者在單因素框架下，探索城鎮化[12]、環境規制[13]和綠色技術創新[14]等對生態效率的影響，少部分學者借助空間馬爾科夫鏈模型對生態效率的發展趨勢進行預測[15].上述研究均極大地豐富了生態效率領域的研究成果.

受產業性質與傳統認知的約束，國內外關于服務業低碳發展的研究起步較晚，既有研究主要聚焦以下兩個方面：①服務業發展與節能減排的關系.一部分學者認為引導社會消費偏好向排放量低的服務業部門轉移有助于降低能源消耗與碳排放，但這種節能減排效應僅局限于以金融服務、科技服務和商業服務等為代表的新興服務業部門[16-17]；另一部分學者發現，服務業并非絕對性的清潔型產業，服務業生產和消費過程中的所產生的碳排放量不容小覷[18-19].②服務業碳排放績效.服務業碳排放績效是衡量服務業低碳發展的重要工具，主要評估指標包含服務業碳排放量[20-21]、服務業碳排放強度[22-23]、服務業碳排放生產率[24-25]和服務業能源效率[26-27]等；主要研究內容涉及服務業碳排放績效評估[21,26]、碳排放績效時空格局[23,25]、碳排放績效驅動因素[20,22].此外，少部分學者運用自下而上的成本優化模型對服務業碳排放績效的演化趨勢進行了情景預測[28].

國內外學者圍繞生態效率和服務業低碳發展進行了一系列研究，為本文豐富研究內容、拓展研究視角和創新研究方法奠定了堅實的學術基礎，但也存在如下不足：①在研究對象上，已有關于生態效率的研究主要聚焦農業、工業以及服務業子行業部門，鮮有學者基于整體視角，運用基于非期望產出的Super-EBM 系統測評服務業生態效率.②在研究內容上，基于地理時空二維視角，從演變趨勢、波動周期、空間分布和空間集聚多維度解析長江經濟服務業生態效率時空演變特征的研究仍鮮少見諸文獻.③在研究方法上，組態是條件或變量的集成，其組合與重構會對結果產生影響；已有關于生態效率或服務業低碳發展的提升路徑多停留于宏觀定性層面上的描述與概括；然而，關注不同驅動因子錯綜復雜的適配聯系，借助定性與定量相結合的分析方法——fsQCA，從多重驅動因子聯動協同產生的多重組合出發，探析服務業生態效率提升路徑的文獻仍相對較少.

鑒于此，本文以長江經濟帶為實證標靶，綜合運用基于非期望產出的Super-EBM、H-P 濾波分析法、空間變差函數和熱點分析法，描繪服務業生態效率的時空演化格局；在此基礎上，基于組態視角，運用fsQCA 探析長江經濟帶服務業生態效率的多元提升路徑.本文的理論邊際貢獻如下：①系統構建服務業生態效率評價指標體系，科學評估長江經濟帶服務業生態效率，有利于拓展生態效率的評價對象；②運用H-P 濾波分析、空間變差函數與熱點分析全面勾勒長江經濟帶服務業生態效率的時空演化格局，這有助于豐富服務業生態效率研究內容，拓寬人地關系地域系統的理論內涵；③關注組態邏輯下驅動因子的適配聯系，基于定量分析與定性分析相結合的方法論，運用fsQCA 厘清提升長江經濟帶服務業生態效率的多元路徑，這有利于創新服務業生態效率提升路徑的分析方法.而在實踐層面上，本文有助于為長江經濟帶探索生態環境保護與服務業協調發展之路，進而加速服務業綠色低碳轉型，促進區域經濟社會高質量發展提供實踐范式和科學參考.

1 研究設計

1.1 分析框架

服務業生態效率增長意味著服務業“經濟-資源-生態”復合系統的耦合互饋程度進一步提升.本文構建的分析框架如圖1 所示：首先，在構建服務業生態效率評價指標體系的基礎上，借助基于非期望產出的Super-EBM 測算長江經濟帶省域服務業生態效率.其次，在長江經濟帶服務業生態效率時空格局層面，借助折線圖和箱形圖反映服務業生態效率的演變趨勢，采用H-P 濾波分析厘清長江經濟帶整體與東、中、西三大區域服務業生態效率的周期波動特征；分別運用空間變差函數和熱點分析法探索服務業生態效率的空間分布和空間集聚特征.最后，基于組態視角，運用fsQCA 分析厘清提升長江經濟帶服務業生態效率的多元路徑.

圖1 服務業生態效率時空格局演化與組態提升路徑分析框架Fig.1 Analysis framework of evolution of spatiotemporal pattern and regrading eco-efficiency of service industry and the upgrading path based on configuration perspective

1.2 研究區概況

長江經濟帶橫跨中國東、中、西三大地帶，是具有全球影響力的內河經濟帶，同時也是生態保護與經濟高質量發展互利共贏的示范帶.根據《長江經濟帶發展規劃綱要》，長江經濟帶覆蓋11 個省市，東部包含上海市、浙江省和江蘇省，中部包含湖北省、湖南省、江西省和安徽省，西部包含重慶市、四川省、貴州省和云南省.服務業是長江經濟帶轉方式、調結構、促改革和惠民生的重要產業支撐；2022 年，長江經濟帶服務業增加值高達29.76 萬億元，占GDP 比重高達53.16%；但隨著長江經濟帶服務業經濟規模的擴張，服務業整體所產生的碳排放量也隨之增加，服務業迅猛發展所引發的生態環境問題也愈發嚴重.因此，以長江經濟帶作為實證標靶，探索服務業生態效率時空演化格局與組態提升路徑具有較強的典型性與實踐價值.

1.3 研究方法

1.3.1 基于非期望產出的Super-EBM

Tone 等[29]學者開發的EBM 可保留投入與產出原比例，能最大程度地獲取正投影值的信息，并將非徑向影響的松弛變量考慮在內，同時解決了輸入輸出元素不一致的問題，可以更真實有效地反映決策單元(DMU)的效率.同時，為避免無法橫向比較不同DMU的服務業生態效率大小，本文將非期望產出的EBM改進為基于非期望產出的Super-EBM，以實現對服務業生態效率的二次測算.基于非期望產出的Super-EBM的計算公式如下：

式中：ρ*表示服務業生態效率；λj表示DMU 的線性組合系數；xij、yrj和Zkj分別表示決策單元的第i個投入、第r個期望產出和第p個非期望產出；n、m、s、q分別表示決策單元、投入、期望產出和非期望產出的數量；si-、sr+和sp-分別為投入、期望產出和非期望產出變量的冗余；wi-、wr+和wp-分別表示每個投入、期望產出和非期望產出的相對重要程度；θ表示徑向規劃參數；εi、εr和εp分別表示投入、期望產出和非期望產出的非徑向權重.

1.3.2 H-P 濾波分析法

H-P 濾波分析法是經濟學分析經濟現象趨勢和周期的重要方法[30]，本文運用H-P 濾波分析法對長江經濟帶服務業生態效率的演化周期進行分解，以厘清服務業生態效率周期波動狀況.該方法的基本原理如下：設Dt僅包含DtT趨勢成分時間序列和DtC波動成分時間序列，其中DtT的最小化問題的解為

式中，Dt為服務業生態效率的時間序列，DtT為服務業生態效率的長期趨勢時間序列，DtC為服務業生態效率的波動成分時間序列，α為平滑參數.在統計學分析中，一般年度數據的α取100.

1.3.3 空間變差函數

空間變差函數又稱空間半變異函數，是揭示人文現象空間分異和空間結構性特征的分析方法[31].本文采用空間變差函數揭示長江經濟帶服務業生態效率的空間分布規律.空間變差函數的計算公式如下：

式中，γ(d)為變異系數，Y(ec)和Y(ec+d)分別為地理變量Y(e)在空間單元xc和xc+d的服務業生態效率，N(d)為分割距離d的樣本數量.空間變差函數主要包含變程、塊金值、基臺值、塊金系數等表征指標.

1.3.4 熱點分析法

熱點分析法可探索人文現象的低值或高值集聚狀況以及相應的聚類方式[32]，在ArcGIS 10.2 熱點分析工具的支持下，計算局部空間相關指數，以探析長江經濟帶服務業生態效率的空間集聚特征.局部空間相關指數的計算公式如下：

式中：Ga為省份a的局部自相關指數；la和lb分別表示省份a和省份b的服務業生態效率；f表示研究單元數；Wab表示空間權重矩陣，本文采用空間鄰接矩陣作為標準矩陣，借助Z檢驗對其進行顯著性檢驗.

1.3.5 fsQCA

fsQCA 充分吸收定性分析和定量分析的優勢，既能有效規避單個案例分析結果不具有普適性的缺點，同時也能解決多個案例分析無法兼顧定性刻畫的弊端[33].長江經濟帶省域服務業的發展方式、內部結構、技術創新等方面差異較大，fsQCA 能充分挖掘多因素的組態效應對服務業生態效率優化的非線性關系.結合上述優點，本文選取fsQCA 作為分析方法，這有利于尋找因果條件的組合和結果之間的邏輯聯系，描述因果條件的組合，即驅動長江經濟帶服務業生態效率提升的多元路徑.fsQCA主要通過覆蓋率和一致率來探測驅動因子及其組合與服務業生態效率的因果聯系.覆蓋率和一致率的計算公式如下：

式中：Cove 和Cons 分別表示覆蓋率和一致率；Ag為省份g的服務業生態效率對前因組合的隸屬度；Bg為省份g的服務業生態效率對結果變量的隸屬度；O表示省份數量.覆蓋率是前因變量的組合對結果的解釋力，覆蓋率的值越接近1，表明該前因變量的解釋力越強.參考已有研究[34]，當一致率大于0.8 時，可認為該前因變量能成為服務業生態效率提升的充分條件；當一致率大于0.9 時，則認為該前因變量是服務業生態效率提升的必要條件.

1.4 指標體系選擇

1.4.1 服務業生態效率評價指標體系

服務業生態效率是服務業部門在生產過程中投入一定的資本、勞動力和能源等要素，實現期望產出最大化和非期望產出最小化的程度；其核心是在服務業生產中追求“資源要素投入最小化、經濟產出最大化、生態成本最小化”，從而協調服務業生產投入、能源消耗和生態保護之間的關系[2-3].在參考區域與其他產業生態效率評價指標體系的基礎上，遵循指標體系構建的科學性、系統性和指標數據可獲取性的原則，構建服務業生態效率評價指標體系(見表1).

表1 服務業生態效率評價指標體系Table 1 Evaluation index system of eco-efficiency of service industry

投入指標：在服務業生產活動中，資本投入是服務業生產規模擴大和結構轉型升級的物質基礎，尤其以電子商務、現代物流、科技咨詢和文化創意等為代表的新興服務業部門需要大量且穩定的資本投入[25].在社會化分工中，服務業經營范圍廣、活動范圍大、業務門類多，需要大量勞動力投入，因而勞動力在服務業尤其是生活性服務業的產品生產和交換過程中發揮著舉足輕重的作用[27].服務業作為國民經濟結構中的重要支柱性產業，在生產、交換和消費等經濟活動中不可避免地需要消耗能源；而且，隨著生產規模的擴大，服務業所消耗的能源總量持續增長[24].雖然土地也是經濟活動的重要的要素投入，但目前尚無服務業用地的相關統計數據[32]，因此，本文尚未將土地資源納入投入指標體系中.

產出指標：服務業增加值是服務業生產活動中的期望產出，也是衡量服務業發展水平的重要標志[26].服務業并非絕對性的環境友好型產業，隨著服務業能源消耗總量的增長，服務業對生態環境的破壞程度也會隨之增大.相對于高消耗和高排放的工業及其子行業，服務業仍然相對“清潔”和“低碳”[27]，等比換算所獲取的服務業非期望產出可能高估服務業生態成本.此外，目前國內尚無專門針對服務業面源污染的統計年鑒；相較而言，服務業碳排放包含范圍廣且更容易科學量化[35]，因而本文將服務業碳排放總量作為服務業生產過程的生態成本.

1.4.2 組態變量選擇

本文運用基于非期望產出的Super-EBM 測算長江經濟帶省域2000-2020 年服務業生態效率，并將其平均值作為結果變量，選取服務業產業集聚度、科技創新水平和環境規制強度等7 項因子作為解釋條件.各變量的定義如下：①服務業產業集聚主要通過行業內專業化集聚經濟和行業間多元化集聚經濟提升服務業生態效率，借助服務業區位熵表征服務業產業集聚度[36].②服務業資本勞動比，資本的投入可通過規模效應和技術升級提升服務業生產率；然而，服務業生產率的提高必然導致服務業產業規模擴大，這無疑將增加服務業生態負荷，不利于服務業生態效率提高，采用各省份服務業資本存量與服務業從業人數的比值表征服務業資本勞動比[36].③服務業能源消費結構，能源是服務業生產的重要要素投入，目前中國服務業能源消費仍以化石能源為主，而由此引致了服務業碳排放量增加和服務業生態效率下降，采用服務業煤炭消費總量占總能源消費的比例表征服務業能源消費結構[23].④科技創新能有效減少服務業全產業鏈能源消耗，以能源效率提升促進服務業產業綠色低碳轉型，采用發明專利、實用新型專利和外觀設計專利的申請數量表征科技創新水平[37].⑤城鎮化水平的提高，尤其在綠色城鎮化理念的指導下，政府對環境治理的投入力度將進一步加大，這有利于抑制城鎮化的負向外部效應，從而助力服務業生態效率提升，以城鎮人口占總人口比例作為城鎮化水平的代理變量[22].⑥環境規制將倒逼高能耗和高排放量的服務業部門提高環境治理能力，由此引發的均衡價格提高能有效釋放節能減排效應；但由于成本效應的存在，環境規制強度的持續加大可能產生綠色悖論，借助環境污染治理投資占GDP 比重表征環境規制強度[35].⑦合理的財政分權有助于降低地方事務決策成本，尤其在環境治理和生態保護方面，有利于減少環境保護的“沉沒成本”，促進服務業生態效率提升，采用人均財政支出與人均總支出的比重表征財政分權程度[38].

1.5 數據來源與處理

本文研究對象為長江經濟帶11 個省市，2011 年，國家統計局在最新修訂的《三產分類規則》中，明確規定第三產業為服務業〔三次產業劃分規定-國家統計局(www.stats.gov.cn)〕，本文實證部分中沿用了國家統計局公布的服務業統計口徑.主要數據來源于2001-2021 年《中國固定資產統計年鑒》《中國第三產業統計年鑒》《中國就業統計年鑒》《中國能源統計年鑒》和《中國統計年鑒》.按照不變價格，以服務業固定資產投資為基數，采用永續存盤法獲取2000-2020 年長江經濟帶各省市的服務業資本存量；服務業能源消費總量通過對“交通運輸”“倉儲和郵政業”“批發和零售”“住宿和餐飲”以及其他服務業能源消費量求和來獲取[25]；參考王凱等[23]學者的研究方法，采用IPCC 提供的碳排放因子法計算各省市服務業碳排放總量.本文以2000 年為基期，分別采用GDP 指數、第三產業增加值指數進行平減，得到以2000 年不變價格計算的GDP 和第三產業增加值.

2 結果與分析

2.1 時序演變

2.1.1 演變趨勢

研究期內，長江經濟帶服務業生態效率呈現波動小幅降低的演化態勢，由2000 年的0.748 降至2020年的0.703〔見圖2(a)〕，這顯示長江經濟帶服務業規模擴張在促進經濟增長和改善人民生活的同時，也不可避免地引起了環境污染和生態破壞，服務業綠色低碳轉型仍面臨較大阻力；這一結論與王崢等[22]學者的研究結論一致，即服務業的綠色低碳屬性正逐漸削弱，服務業亟待綠色低碳轉型.在分地區層面上，東部地區的服務業生態效率由2000 年的0.984 小幅升至2020 年的1.044；而中部和西部地區則均呈波動下滑的演化趨勢，其降幅分別為20.59%和2.32%.東部地區低碳技術相對先進，服務業綠色低碳轉型較快，因而其服務業生態效率處于緩慢上升狀態；西部地區的服務業產業規模相對較小，同時其原始生態環境保護相對較好，因此，其服務業生態效率的降幅低于中部地區.值得注意的是，自2016 年長江經濟帶發展戰略實施以來，各省份扎實推進生態環境保護和經濟社會綠色轉型；區域服務業行業結構和能源消費結構不斷優化，服務業環境規制力度不斷強化；因此，長江經濟帶及三大區域的服務業生態效率呈現波動上升的演化態勢，其增幅分別為6.44%、0.47%、7.77%和14.51%.由箱形圖〔見圖2(b)〕可知：一方面，長江經濟帶服務業生態效率趨于分散，說明區域服務業生態效率的空間差異逐漸增大，呈離散的趨勢，服務業生態效率具有明顯的偏鋒；另一方面，長江經濟帶服務業生態效率的分布形態始終表現為中低值集中，顯示長江經濟帶大部分省份的服務業生態效率的變化幅度相對較小，甚至呈現出小幅下滑的頹勢.因此，如何加大綠色技術創新、加快內部結構升級、促進服務業低碳發展已成為長江經濟帶實現生態保護與經濟高質量發展互利共贏的重要抓手.

2.1.2 波動周期

本文運用H-P 濾波分析法，對長江經濟帶及三大區域的服務業生態效率進行濾波分解，得到服務業生態效率的長期演化趨勢和短期波動成分(見圖3).長期演化趨勢反映了服務業生態效率的整體演化態勢，而短期波動成分可作為服務業生態效率演化周期劃分的依據.按照“波峰-波峰”的周期劃分法對長江經濟帶及三大區域服務業生態效率的演化進行周期劃分，將不構成一個周期并入下一個周期中(見表2).其中，波動高度(波峰)反映服務業生態效率在每個周期內的最大增幅，波動深度(波谷)映射服務業生態效率在每個周期內的最大降幅.

表2 長江經濟帶服務業生態效率演變階段劃分Table 2 Evolution stage division of eco-efficiency of service industry in YREB

圖3 長江經濟帶服務業生態效率波動周期Fig.3 Wave period of eco-efficiency of service industry in Yangtze River Economic Belt

在波動周期長度上，長江經濟帶及西部地區的服務業生態效率經歷了4 輪波動，波動周期長度平均為5.25 年，而東部和中部經歷了3 輪波動.長江經濟帶、東部、中部和西部波動最長的年距分別為6 年、9 年、11 年和7 年，相較而言，中部地區服務業生態效率的波動年距較為集中，這說明該區域服務業生態效率周期波動仍將持續.在波動高度上，長江經濟帶、東部、中部和西部的服務業生態效率的平均波動高度分別為0.025、0.017、0.051 和0.035，這顯示自2000 年以來，長江經濟帶服務業生態效率的漲幅有限.在波動深度上，長江經濟帶、東部、中部和西部服務業生態效率的平均波動深度分別為-0.009、-0.012、-0.057 和-0.031.長江經濟帶、東部、中部和西部平均波動高度的絕對值大于平均波動深度的絕對值，而中部的平均高度的絕對值略小于平均波動深度的絕對值.在波動幅度上，長江經濟帶、東部、中部和西部的服務業生態效率波幅的平均值分別為0.034、0.028、0.092 和0.066，中部和西部的波幅相對較大，表明上述兩區域的服務業生態效率并未隨時間推移而趨于穩定，周期性波動的態勢有所強化.

值得注意的是，長江經濟帶、東部、中部和西部的共同波動周期為2000-2003 年，2003 年受非典型肺炎的沖擊，服務業生產規模和投入結構在一定程度上受到較大影響；而非典型肺炎結束后，國家出臺了一系列針對服務業的減稅降費的舉措，如提高服務企業信貸額度和推遲交納稅款等，有效刺激了服務業生產和消費，進而導致2003 年前后各區域服務業生態效率存在不同程度的波動.綜上所述，受服務業生產系統內外部因素的共同影響，促進服務業生態效率持續提升仍任重道遠.

2.2 空間格局

2.2.1 空間分布特征

運用空間變差函數分析長江經濟帶服務業生態效率的空間分布格局，將各省份服務業生態效率作為空間地理變量賦予各省份空間中心點，計算其實驗變差函數.利用高斯模型、指數模型等進行擬合，選取擬合度最高的模型進行估計，通過計算不同方向上的分維數，進行克里金插值模擬.

如表3 所示：2000 年、2010 年和2015 年長江經濟帶服務業生態效率空間變差函數的最優擬合模型均為線性模型，而2005 年和2020 年則為高斯模型，顯示長江經濟帶服務業生態效率呈現相異的特征.塊金系數由2000 年的0.117 波動增至2020 年的0.589，說明在長江經濟帶服務業生態效率空間分布格局的演變過程中，由空間關聯所引致的結構異化式微，而隨機成分所引發的空間分異顯著增強.塊金值和基臺值均呈現波動增長的演變趨勢，表明長江經濟帶服務業生態效率的空間異質性進一步強化.變程的演變趨勢可分為3 個階段：第一階段(2000-2005 年)，呈現下降的演化趨勢，說明長江經濟帶服務業生態效率空間關聯的輻射范圍收縮，高服務業生態效率省份的輻射效應弱化；第二階段(2006-2015 年)，表現出波動上升的演化態勢，說明高服務業生態效率省份的涓滴效應波動增強；第三階段(2016-2020 年)，呈現下降的演變趨向，顯示長江經濟帶服務業生態效率空間效應的范圍有所收縮.

Kriging 插值3D 模擬圖(見圖4)直觀展示了長江經濟帶服務業生態效率的空間分異結構與分布格局：研究期內，長江經濟帶服務業生態效率的空間分布格局具有一定的穩定性與延續性，整體呈現“東部?中部?西部”的空間異質性特征，但中部與西部的空間分異特征尚不顯著，低值區向中部遷移的現象明顯，這一結果與滕澤偉[35]的研究相似，服務業綠色轉型存在顯著的空間異質性，各地區應加強服務業生態保護交流與合作，充分發揮綠色低碳要素的空間溢出效應，進而加速區域服務業可持續發展.具體來看，2000 年，東部地區形成了以上海市為中心的“峰狀”結構，中部地區的湖南省成為次級峰體，西部地區則形成了以貴州省為中心的“洼地”結構.2005 年和2010 年，中部地區形成了以湖北省和江西省為中心的“雙低谷”結構.2015 年，安徽省由高值地帶遷移至低值地帶，因而在中部地區形成了“三低谷”結構，這表明中部地區服務業產業規模的無序擴張引致了投入冗余率和碳排放量的雙向攀升，進而致使服務業生態效率顯著下滑.2020 年，中部地區的“三低谷”結構逐漸消失，這說明中部地區各省級政府加強服務業環境規制，推動服務業清潔技術創新，初步遏制了服務業生態效率下滑的頹勢；而西部地區以貴州省為中心的“低谷”結構再次顯現，說明受服務業產業規模的擴張和綠色低碳技術創新滯后的約束，貴州省的服務業綠色低碳轉型之路仍“道阻且長”.

圖4 長江經濟帶服務業生態效率Kriging 插值模擬結果Fig.4 Results of Kriging interpolation simulation for eco-efficiency of service industry in YREB

2.2.2 空間集聚特征

本文基于ArcGIS 10.2 平臺，測度長江經濟帶服務業生態效率的局部相關指數，基于自然斷裂點法，將其劃分為4 種類型，即冷點區、次冷點區、次熱點區和熱點區，以探析長江經濟帶服務業生態效率的空間集聚特征.

如圖5 所示：2000-2020 年，長江經濟帶服務業生態效率熱點區空間集聚的范圍保持不變，始終分布于江蘇省和上海市.次熱點區空間集聚的范圍在波動中擴張，具體來看，2000 年，次熱點區主要位于浙江省；2005 和2020 年，安徽省躍遷至次熱點區，這說明在長三角一體化進程加速的時代背景下，依靠綠色低碳金融、人才和技術等生產要素的空間集聚與置換，長三角地區服務業綠色低碳轉型取得實質性成效，高服務業生態效率的省份帶動了鄰近省份服務業生態環境綜合治理.2000-2020 年，長江經濟帶服務業生態效率冷點區空間集聚的范圍在波動中擴張；2000 年，冷點區主要位于云南省；2015 年，持續擴大至云南省、四川省和貴州省等8 個省份，形成了以湖北為中心的低值簇；隨著長江經濟帶生態環境協同治理的有效推進，2020 年，冷點區空間集聚范圍縮小，四川省、湖北省和江西省躍遷至次冷點區，而安徽省則躍升至次熱點區.研究期內，次冷點區的空間集聚范圍在波動中縮小，集聚省份由7 個減至3 個.

圖5 長江經濟帶服務業生態效率冷熱點分布Fig.5 Distribution of cold hot spots for eco-efficiency of service industry in YREB

上述結果顯示：長江經濟帶服務業生態效率空間集聚特征顯著，熱點區和次熱點區空間集聚范圍的變動相對較小，主要分布于長三角地區；而冷點區和次冷點區空間集聚范圍的波動性較強，但僅局限于兩個類型間的相互轉化，向次熱點區乃至熱點區躍遷的可能性較小，這說明受合作平臺與合作機制不健全的約束，協同提升長江經濟帶服務業生態效率的難度仍相對較大.

2.3 組態提升路徑分析

2.3.1 組態變量校準

有別于傳統計量回歸模型，fsQCA 需要對前因變量和結果變量進行校準，從而使組態分析具有可解釋性.本文通過設置3 個閾值將前因變量和結果變量的原始數據設定為完全不隸屬、交叉點和完全隸屬，參考Codurans 等[39]學者的研究成果，采用結果變量和前因變量的上四分位(25%)、中位數(50%)和下四分位(75%)作為3 個閾值(見表4).

表4 變量校準錨點Table 4 Calibrated anchor point for variables

2.3.2 必要性檢驗

若前因條件為必要性條件(在前因條件以不同組合形成的多條作用路徑中，某一前因條件被囊括在總路徑中)，則在組態分析時必須將其納入總路徑的解析過程中.通過一致性檢驗分析前因條件是否屬于必要性條件，若前因條件的一致率大于0.9，則認為該前因條件為必要性條件.本文分別對提升長江經濟帶服務業生態效率路徑和非提升長江經濟帶服務業生態效率的路徑進行必要性區別，以探尋是否存在前因條件歸屬必要性條件.從表5 可以看出：無論在提升長江經濟帶服務業生態效率的路徑中亦或是在非提升長江經濟帶服務業生態效率的路徑中，并不存在某一個前因條件為必要性條件，即提升或非提升長江經濟帶服務業生態效率的路徑均通過多個前因條件組合而成.因而，有必要對其進行組態分析.

表5 單因子必要性分析結果Table 5 Results of single factor necessity

2.3.3 組態提升路徑分析

本文排除連續性小于0.8 但閾值為1 的案例；同時，將一致率的閾值設置為0.75，手動將小于閾值的編碼為0.fsQCA 會產生中間解、簡易解和復雜解.當前因變量同時出現在中間解和簡易解中，則該前因變量為核心條件；若僅出現在簡易解中，顯示該前因變量可以被替換，即為邊緣條件.通過對路徑進行整合，厘清核心條件和邊緣條件以及服務業生態效率增長的前因條件組合(見表6).7 個前因變量形成4 條提升路徑，其覆蓋率為0.450，這說明7 個前因變量能夠解釋45%的案例；同時一致性為1，這說明4 條作用路徑對結果變量具有較強的解釋力.根據各組態特點，將其分為以下4 種類型.

表6 長江經濟帶高服務業生態效率組態結果Table 6 Results of grouping of eco-efficiency of service industry in YREB

a) 創新主導型.這類提升路徑僅有科技創新水平這一核心條件，缺乏環境規制強度和除城鎮化水平以外的其他邊緣條件.這類提升路徑認為，即便缺乏其他核心條件和大多數邊緣條件，依托持續的科技創新投入，仍然可提升服務業生態效率，典型省份為貴州省.貴州省大數據產業起步較早，適宜的氣候、充足的電力和穩定的地質結構使貴州省加快新型數字基礎設施建設的條件得天獨厚；在這一時代背景下，各級政府積極推動大數據產業與現代化服務業融合，逐步構建以數字經濟為引領的服務業經濟體系，這既提高了貴州省服務業生產率，同時也降低服務業生態負荷.

b) 雙元驅動型.這類提升路徑包含了科技創新水平和環境規制強度兩大核心條件，但缺乏服務業資本勞動比這一核心條件，同時也無其他邊緣條件.這類提升路徑認為，在缺乏其他條件的情景下，擁有科技創新水平和環境規制強度兩大核心條件也能提升服務業生態效率，典型省份為重慶市.重慶市緊盯西部產業創新中心建設，加快覆蓋服務業全行業的科技創新鏈條；將綠色化作為高質量發展的重要基石，推動服務業綠色化和融合化發展；充分應用環境大數據智慧決策平臺，對碳排放超標的服務業企業停業整頓，以最嚴格的環境規制倒逼服務業綠色轉型升級.

c) 資源整合型.這類提升路徑包含了服務業集聚度、科技創新水平和環境規制強度3 個核心條件，同時還囊括了城鎮化水平這一邊緣條件，這類提升路徑認為，即便缺乏服務業資本勞動比、服務業能源消費結構和財政分權程度，依靠資源整合，加速服務業集聚、加強科技創新和環境規制可以有效提升服務業生態效率，典型省份為湖南省.湖南省依托優渥的文旅資源，輔之持續且相對穩定的文旅投資，加快以文旅為先導的現代服務業集聚；同時以現代服務業創新發展區為示范引領，加強服務業領域的科技創新投入，產生了一系列的低碳、零碳和負碳技術，出臺包括服務業在內的全行業節能減排行動方案，助推區域服務業綠色低碳發展.

d) 全面發展型.這類提升路徑包含所有的前因變量，核心條件為服務業產業集聚度、服務業能源消費結構、城鎮化水平和財政分權程度，邊緣條件為服務業資本勞動比、科技創新水平和環境規制強度.這類提升路徑的典型省份為上海市.上海市服務業生態效率始終較高且始終位于熱點區，一方面由于上海市現代服務業發達，內部結構升級較快，產業集聚程度和服務業清潔能源消費占比均較高，這既減少了服務業投入冗余，同時也加速了服務業綠色技術創新和低碳化、智能化和數字化轉型；另一方面，上海經濟發達且城鎮化水平高，堅持新發展理念，打好環境規制的“組合拳”，適度增加地方環境事權，倒逼區域服務業環境綜合治理，積極構建低碳循環經濟體系，因而有力遏制了由規模效應擴大所引致的生態成本提高.

2.3.4 穩健性檢驗

為進一步驗證各前因條件組合的穩健性，本研究參考Judge 等[40]的研究成果，將一致率的閾值提高到0.85，其他操作不作變動，結果顯示，長江經濟帶服務業生態效率提升的前因條件組合并沒有發生顯著變化，仍保持原有4 條路徑不變，且各路徑的原始覆蓋率和唯一覆蓋率大致相同，這充分說明本輪分析中的4 條路徑具有一定的穩健性.

3 結論與建議

a) 長江經濟帶服務業生態效率共經歷了4 輪周期波動，周期性波動態勢有所強化，整體上由2000 年的0.748 小幅下滑至2020 年的0.703；受服務業系統內外因素的共同影響，遏制服務業生態效率下滑仍“道阻且長”.在地區層面上，東部地區的服務業生態效率整體處于小幅上升階段(6.1%)，而中部(-20.59%)和西部(-2.32%)則仍處于波動下滑階段，且中部地區的降幅遠大于西部地區.東部省份的服務業生態效率相對較高且行業結構相對高級合理，為繼續提升服務業生態效率，應在促進以金融、科技、文創、信息和商務等為代表的新興服務業的同時，提高綠色低碳技術在傳統服務業的推廣和應用；西部和中部省份的服務業生態效率相對低且呈現下降態勢，應著力推進服務業低碳轉型，積極改善營商環境，廣泛引進高附加值和低能源消耗的服務業部門，從而降低服務業生產的生態成本.

b) 在空間分布上，長江經濟帶服務業生態效率的空間分布格局具有一定的穩定性與延續性，整體呈現“東部(1.043)?中部(0.623)?西部(0.521)”的空間異質性特征，由空間關聯所引致的結構異化式微.在空間集聚上，長江經濟帶服務業生態效率空間集聚特征顯著，熱點區和次熱點區空間集聚范圍的變動相對較小；而冷點區與次冷點區空間集聚范圍的波動性較強.因此，為提高長江經濟帶整體服務業生態效率，應通過服務業生態環境協同治理機制的構建來促進服務業綠色轉型升級，東部省份應加強示范引領，通過服務業低碳知識、技術、信息、人才的輻射和溢出，協同提升中部和西部省份的服務業生態效率；而中部和西部省份應加強服務業環境規制，提高服務業清潔能源消費比例、優化服務業產業結構，進而降低服務業投入冗余率.

c) 長江經濟帶服務業生態效率共有4 條提升路徑，即創新主導型、雙元驅動型、資源整合型和全面發展型，其中每條提升路徑中均含有科技創新水平這一前因條件.由此，長江經濟帶各省份應加強服務業科技創新體制改革，構建適應現代化服務業的科技創新體系，完善服務業科技創新配套機制，構建高效率的服務業科技創新網絡并加強其橫向交流與聯系，通過稅收減免、財政補貼、貸款貼息等舉措著力優化區域服務業科技創新氛圍，進而促進服務業科技創新要素流動、提高服務業資源要素配置效率；同時輔之服務業集聚、環境規制強度、城鎮化水平等其他條件以降低服務業要素投入冗余.