中国服务业碳生产率的空间收敛性研究

王许亮 王恕立 滕泽伟

摘要在经济服务化与低碳化的双重背景下，研究中国服务业碳生产率的演变轨迹，区域差异及空间收敛特征，对于推动中国服务业高质量发展具有重要的意义。采用2004—2016年中国30个省（区、市）的面板数据，对服务业碳生产率进行测度，并对其演变轨迹与区域差异进行分析，在此基础上，系统考察中国服务业碳生产率的空间收敛性。研究表明：①中国服务业碳生产率在整体上呈逐年增长态势，且呈现从东到西逐次递减的格局。②中国服务业碳生产率存在正向空间自相关关系，并且空间自相关程度表现出波动上升趋势。③全国与西部服务业碳生产率均不存在σ收敛，即服务业碳生产率的地区差异并未随着时间的推移而缩小;东、中部服务业碳生产率则在整体上呈现σ收敛特征。全国以及东、中、西部服务业碳生产率均存在绝对β收敛和条件β收敛，即服务业碳生产率落后地区对发达地区存在"追赶效应"，各地区服务业碳生产率最终向自身的稳态水平趋同;空间效应加快了全国与东部服务业碳生产率的β收敛速度。④人均服务业增加值增长速度、部门结构以及能源消费结构对服务业碳生产率具有显著的负向效应，人力资本则对服务业碳生产率产生了显著的正向影响。据此，本文的政策启示如下：①重视服务业碳排放问题，构建服务业低碳绩效评估体系。②探索建立定期会商制度，加强服务业低碳技术的跨区域交流合作。③完善基础设施，促进要素空间互动和优化重组。④调整服务业能源结构与部门结构，推进人力资本积累和服务业稳增长。

关键词 服务业;碳生产率;空间相关性;收敛性

新世纪以来，中国服务业取得了快速发展，服务业增加值与就业占全国GDP和就业的比重分别从2000年的33.2%和27.5%上升到2016年的51.6%和43.5%，服务业成为经济增长的新引擎。但是，中国服务业能源消耗和CO2排放量也日益增多。据计算，2000—2016年，中国服务业能源消费总量与CO2排放总量分别从2000年的20815万t标准煤、46472万t上升到2016年的74821万t标准煤、174101万t，年均增长率分别达到了8.32%和8.61%。可见，服务业增长所带来的能源消耗和CO2排放问题十分突出。在低碳发展的时代背景下，减少CO2排放已经成为服务业面临的硬性约束，而提高服务业碳生产率则是实现中国服务业低碳发展的关键[1]。与此同时，由于各地區在经济基础、要素禀赋、地理区位、政策等方面具有较大的差异，不同区域服务业生产率存在巨大的不平衡性，突出表现为东部地区的服务业生产率显著高于中、西部地区[2]。那么，中国省域服务业碳生产率的演变特征如何？各地区服务业碳生产率呈现出怎样的空间差异？各地区服务业碳生产率是否具有空间相关性？地区之间的服务业碳生产率是否存在空间收敛的现象？分析上述问题，对于了解中国服务业碳生产率的演变轨迹，认识服务业碳生产率的区域差异及空间收敛特征，探寻省域服务业低碳协同发展的路径，推动服务业高质量发展具有重要的意义。

1文献综述

与本文相关的现有研究主要体现在两个方面：关于碳生产率的研究以及关于服务业生产率收敛性的研究。

Kaya和Yokobori[3]最早提出碳生产率的概念，将其定义为一段时期内单位CO2排放的经济产出量。它可以将碳减排和经济稳定增长进行有机结合，是评估发展中国家低碳增长绩效的重要指标[4]。随后，学界对碳生产率的相关研究逐步展开，主要可分为如下几类：第一类文献侧重考察碳生产率的国别差异性，研究表明中国等发展中经济体的碳生产率水平和增长率分别低于和高于发达经济体[5-7]。第二类文献集中分析中国全行业碳生产率的区域异质性，均发现中国全行业碳生产率存在显著的区域差异，但关于碳生产率的敛散性问题并未达成一致看法[8-10]。第三类文献着重研究具体部门的碳生产率，且大多数文献集中在工业部门[4，11-13]和农业部门[14-15]，鲜有涉足服务业领域。从我们掌握的资料来看，滕泽伟等[1]首次将碳生产率的研究延伸到服务业领域，结果表明中国服务业总体及各细分部门的碳生产率均表现出上升态势，且存在较大的部门异质性。第四类文献探析碳生产率的影响因素。大多数研究认为，经济发展、技术创新、能源结构、产业结构等因素是影响碳生产率的重要因素[8，10，16-19]。此外，部分文献还尝试从人力资本[20]、经济集聚[21-22]、全球价值链嵌入[23]、出口商品结构[24]等方面考察碳生产率的提升路径。

在服务业生产率的收敛性研究方面，按照研究对象可以大体归为以下三类：第一类文献聚焦跨经济体服务业生产率的敛散性问题。Gouyette和Perelman[25]对13个OECD经济体的制造业和服务业全要素生产率（TFP）及效率进行收敛性检验，结果表明服务业TFP及效率均呈现σ收敛特征，而制造业则不存在σ收敛。Mulder和Groot[26]、Mulder等[27]对服务业能源生产率的收敛性研究表明，OECD经济体的服务业能源生产率同时存在σ收敛与β收敛。王许亮、王恕立[28]检验了40个经济体服务业能源生产率的敛散性，结果发现服务业能源生产率存在β收敛，但不存在σ收敛。第二类文献探究服务业细分部门生产率的收敛特征。肖挺[29]探讨了服务业细分行业TFP的收敛性，结果显示中国服务业细分行业的传统TFP与绿色TFP均存在着条件收敛，而未呈现绝对收敛。滕泽伟等[1]对服务业细分部门碳生产率的趋同性进行了尝试性探讨，结果显示中国服务业碳生产率并未出现σ趋同，但存在着显著的绝对β趋同和条件β趋同。第三类文献重点关注中国省域服务业TFP的趋同性问题。徐盈之、赵玥[30]分析了中国省域信息服务业TFP的趋同性，发现中国省域信息服务业同时呈现σ趋同与β趋同特征。刘兴凯、张诚[31]、肖挺[32]对中国省域服务业TFP收敛性的研究均发现了类似的现象。

梳理文献可知，现有研究可以从如下两个层面进行拓展：其一，在服务业碳排放问题日益凸显的背景下，前期关于碳生产率的文献却鲜有涉及服务业，滕泽伟等[1]也是仅以中国服务业分行业为研究对象，未能考察中国省域服务业碳生产率。第二，研究服务业生产率收敛性的现有文献均假设地区之间相互独立，不存在空间相关性。事实上，生产要素的跨地区流动会对地区间的经济收敛产生影响，忽略空间互动关系会使收敛结果出现偏误[33]。基于此，本文的潜在边际贡献如下：第一，本文将碳生产率的研究领域拓展到省域服务业层面，系统分析服务业碳生产率的演变趋势、区域差异以及收敛特征。第二，将空间因素引入传统的收敛模型，着重考察空间效应对服务业碳生产率收敛的影响。第三，探讨服务业碳生产率区域差异的影响因素，为促进省域服务业低碳协调发展提供对策参考。

2服务业碳生产率的测算与分析

2.1服务业CO2排放量的核算

本文基于IPCC的碳排放估算方法，测算各省份服务业CO2排放量，公式如下：

其中，i代表能源的种类，与滕泽伟等[1]、杨翔等[4]、潘家华和张丽峰[8]一致，本文将最终能源消费种类划分为8类，具体包括：原煤、原油、汽油、焦炭、柴油、燃料油、煤油、天然气）。Ei代表第i类能源的消费量，NCVi、CEFi、COFi分别为第i类能源的低位发热量、含碳量、氧化率，具体数值见滕泽伟等[1]的研究。各省份服务业分类能源消费量根据《中国能源统计年鉴（2005—2017）》地区能源平衡表“交通运输、仓储和邮政业”“住宿、餐饮业”“批发、零售业”以及“其他行业”的终端能源消费量加总得到。

2.2服务业碳生产率的测算

本文将服务业碳生产率定义为一段时期内服务业增加值与服务业CO2排放总量的比值，具体公式如下：

其中，CPit为i省份t年的服务业碳生产率/万元/t。Yit为i省份t年的不变价服务业增加值/亿元，根据“第三产业增加值指数”将服务业原始增加值数据进行指数平减，并换算为2000年不变价增加值。CO2，it为i省份t年的服务业CO2排放总量/万t。本文的样本区间为2004—2016年，鉴于中国香港、中国澳门、中国台湾以及西藏等地区的相关数据难以获取，本文的考察对象为中国30个省（区、市）。其中，东部地区包括11个省（市）：北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南和辽宁;中部地区包括8个省：山西、河南、安徽、江西、湖北、湖南、黑龙江和吉林;西部地区包括11个省（区、市）：内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆。各省份服务业增加值及增加值指数的原始数据取自《中国统计年鉴（2005—2017）》。

2.3测算结果分析

表1报告的是2004—2016年30个省份、分区域及全国服务业碳生产率的具体数值。

从全国服务业碳生产率的情况来看，2004—2016年，中国服务业碳生产率呈现增长态势，具体数值由2004年的1.280上升到2016年的1.744，年均增长2.61%，可见中国服务业在低碳发展的道路上取得了一定的成就。从具体年份看，服务业碳生产率除在2008年等少数年份明显下降外，在大部分年份均呈现上升趋势。2008年服务业碳生产率的下滑可能是因为国际金融危机对中国服务业产出及国际油价的冲击较大。据计算，中国服务业增加值增长率从2007年的14.38%下降至2008年的11.78%，而受油价下降的影响（IEA的统计资料显示，受国际金融危机深化的影响，2008年的国际油价较2007年跌幅达到.

注：结果由作者计算得到，“均值”为历年服务业碳生产率数值的几何平均数，g为服务业碳生产率的年均增长率。

50%），服务业能源消费与服务业CO2排放量的增速提升，二者的增长率分别从2007年的10.68%、9.87%上升到2008年的13.48%、14.99%。

从三大区域服务业碳生产率的情况来看，在服务业碳生产率的具体数值方面，样本期间内，东、中、西部服务业碳生产率平均数值分别为1.874、1.410、0.899，表现出从东到西逐级递减的格局。在服务业碳生产率演变趋势方面，三大区域服务业碳生产率均呈现上升的走势。具体到年均增长率，东部地区最高，年均增长率为4.90%;西部地区次之，年均增长率为1.36%;中部地区最低，年均增长率为1.24%。上述分析表明，中国服务业碳生产率在数值和增长率两个方面均存在较大的区域差异性。

从各省份服务业碳生产率的测算结果来看，中国服务业碳生产率具有明显的省际异质性特征。就具体数值而言，样本期间内，服务业碳生产率最高的省份为江苏，平均值达到了3.619;服务业碳生产率最低的是贵州，平均值为0.363。就变化趋势而言，中国大多数省份的服务业碳生产率呈现逐步上升的走势，其中天津市服务业碳生产率年均增长率最高，达到了11.93%;云南（-4.53%）、黑龙江（-3.12%）、青海（-2.19%）等省份的服務业碳生产率在整体上有所下滑，表明部分省份在促进服务业经济增长的同时未能较好地兼顾碳减排问题。值得注意的是，在服务业发展水平较高的京津冀地区，河北的服务业碳生产率平均值（2.017）高于北京（1.680）和天津（1.826），这与传统的认知略有出入。原因在于：据计算，2004—2016年间，尽管河北服务业增加值占GDP的比重（35.59%）低于北京（71.84%）和天津（44.97%），但河北的服务业不变价增加值为北京的1.23倍和天津的2.06倍，而河北服务业CO2排放为北京的1.02倍以及天津的1.95倍，这使得河北服务业碳生产率处于相对较高的水平。

2.4服务业碳生产率的空间相关性检验

为了检验中国省域服务业碳生产率是否存在空间相关性，本文将MoransI指数作为衡量服务业碳生产率全局空间自相关性的指标。MoransI指数的公式如下：

其中，yi与yj分别表示i地区与j地区的服务业碳生产率;y为省域服务业碳生产率的均值;Wij为空间权重矩阵，代表i地区与j地区的空间关系，此处选取邻接地理距离来衡量地区间的邻接关系，即当i地区与j地区相邻时，Wij取值为1，反之则取0，构建出30个省份的空间邻接权重矩阵（鉴于海南省独特的地理位置，本文设定其仅与广东相邻）。MoransI指数取值介于-1～1之间，若MoransI指数大于0，说明存在正向的空间自相关性;若MoransI指数小于0，说明存在负向的空间自相关性;若MoransI指数等于0，则表明空间分布相互独立。MoransI指数的绝对值越大，表示省域服务业碳生产率的空间相关性越强;反之则意味着空间相关性越弱。

表2列出了空间自相关性的检验结果，可以发现：2004—2016年，所有年份的MoransI指数均在统计上显著为正，表明中国省域服务业碳生产率存在显著的正向空间相关性，也即服务业碳生产率呈现空间集聚特征，服务业碳生产率较高（低）的地区相互邻近。究其原因，邻近省份服务业发展的经济基础以及资源禀赋较为相似，因而服务业生产过程中的要素投入与碳排放的空间关联度相对较高。同时，服务业清洁技术在邻近省份间的交流与推广也使得服务业的低碳发展存在空间相关性。此外，样本期间内，MoransI指数呈现波动上升的态势，说明随着服务业的发展以及交通与通信设施的日趋完善，各地区在服务业领域的经济技术交流日益密切，服务业碳生产率的空间自相关程度越来越高。

3中国服务业碳生产率的收敛性分析

上文的分析说明中国省域服务业碳生产率存在明显的地区差异性。下面，本文进一步基于收敛理论来系统考察中国省域服务业碳生产率的收敛性。本文使用的收敛分析方法主要包括σ收敛、绝对β收敛以及条件β收敛，其中β收敛为σ收敛的必要不充分条件[4]。

3.1σ收敛检验

本文采用σ系数来衡量中国服务业碳生产率的离散程度，通过分析全国及各区域服务业碳生产率σ系数的演变情况来判断是否存在σ收敛（具体结果见图1）。若服务业碳生产率的σ系数随着时间推移而逐渐缩小则说明存在σ收敛，反之则说明具有σ发散特征。σ系数的计算公式如下：其中，σ表示σ系数，i为省份，N为省份个数，CP表示服务业碳生产率，CP表示服务业碳生产率的均值，ln表示取对数。

3.2β收敛检验

3.2.1β收敛模型的设定

绝对β收敛是指每一个地区的服务业碳生产率增长速度与初始水平存在负相关关系。本文构建的绝对β收敛模型如下：

其中，i为省份，t为年份，CPi，t为i省t年的服务业碳生产率，α为常数项，β为基期碳生产率的回归系数，若β显著小于0，则说明服务业碳生产率存在绝对β收敛，γi为个体效应，ηt为时间效应，εi，t为随机扰动项。

条件β收敛是指由于各地区在服务业经济增长、能源消费结构、人力资本等方面存在差异，各地区的服务业碳生产率最终向自身的稳态水平趋同。本文在绝对β收敛模型的基础上加入影响服务业碳生产率的控制变量，构建得到的条件β收敛模型如下：

其中，除控制变量X及其回归系数θ外，其余变量的含义与式（5）相同。若回归系数β小于0，且在统计上显著，则意味着服务业碳生产率存在条件β趋同。为了降低数据的离散程度，本文在回归分析时对非百分比数据取自然对数。

上文的分析表明，中国省域服务业碳生产率存在显著的正向空间相关性，而忽视空间相关性会导致β收敛估计结果出现偏差[33-34]。基于此，本文将空间因素引入模型（5）和模型（6），分别构建出如下的空间滞后模型（SLM）和空间误差模型（SEM）：

其中，式（7）、式（8）为SLM模型，该模型也称作空间自回归模型，指的是相邻地区的被解释变量（如本文的服务业碳生产率）通过空间传导机制相互依赖、相互影响;式（9）、式（10）为SEM模型，该模型假设地区间服务业碳生产率的空间依赖性通过误差项来体现。W为空间权重矩阵，此处采用邻接权重矩阵。ρ为空间滞后系数，λ为空间误差系数，εi，t与ui，t为随机扰动项。

受数据的可得性与具体研究对象的影响，对于碳生产率条件β收敛控制变量的选取，前期文献尚未形成一致的看法[1，4]。本文选取的控制变量（X）如下：

人均服务业增加值增长速度（sgdppcg）。本文采用各省人均服务业不变价增加值增长率来衡量该变量。

人力资本（human）。本文采用各省劳动力受教育年限均值表示该变量。公式为：大专以上学历占比×16+高中学历占比×12+初中学历占比×9+小学学历占比×6。

服务业能源消费结构（es）。本文用各省服务业煤炭消费量占能源消费总量的比重来表示该变量。

服务业部门结构（is）。参考庞瑞芝、王亮[35]的做法，本文以各省“批发零售业”“交通运输、仓储与邮政業”“住宿与餐饮业”等三个行业的增加值占服务业增加值的比重来衡量此变量。上述控制变量的数据源自《中国统计年鉴（2005—2017）》《中国能源统计年鉴（2005—2017）》《中国劳动统计年鉴（2005—2017）》。

3.2.2β收敛模型的选择

对于空间β收敛模型，本文选用Lee和Yu[36]所提出的拟极大似然估计法（QML）进行收敛检验。其理由是，在进行空间面板收敛检验时，QML得到的估计结果具有无偏性，且适用于T相对大于N的情况（如本文的分区域回归）。随后，本文参考Elhorst[37]的研究思路，基于LM检验来选择具体的空间收敛模型。限于篇幅，结果未报告，备索。

LM检验结果显示：全国服务业碳生产率的绝对β收敛检验更宜选取SEM模型，条件β收敛检验则更宜选取SLM模型;东部服务业碳生产率的两种类型β收敛检验均适合选择SEM模型;中、西部样本的LM统计量均不显著，表明中、西部服务业碳生产率的β收敛检验均应选取传统的β收敛模型。对于未考虑空间因素的传统β收敛模型，本文基于Hausman检验来进行模型选择。检验结果无法接受原假设，说明固定效应（FE）估计方法更适用于传统β收敛模型。需要说明的是，对于空间β收敛模型，同样需要采用Hausman检验来选择是采用固定效应还是随机效应模型。然而，由于本文选用的是Lee和Yu[36]的QML估计方法，该方法默认选择固定效应模型，无法估计随机效应模型。为了验证固定效应是否适合本文的空间收敛检验，本文基于极大似然估计法（ML）对模型进行重新估计，并报告了Hausman检验的结果（见表3、表4），结果表明选择固定效应估计方法进行空间收敛检验是合理的。

4结论

在经济服务化与低碳化的时代背景下，提高服务业碳生产率是实现服务业稳增长与碳减排双重目标的关键途径。本文基于2004—2016年中国30个省份的面板数据，对中国省域服务业碳生产率进行测度，并对其历史演变轨迹和区域差异性进行分析，以此为基础，系统考察中国服务业碳生产率的空间收敛性。主要结论如下。

第一，全国以及三大区域服务业碳生产率在整体上均呈现增长趋势，东部服务业碳生产率年均增长率最高，西部次之，中部则略低于西部。中国省域服务业碳生产率数值存在明显的空间非均衡特征，总体上表现出从东到西逐次递减的格局。

第二，中国省域服务业碳生产率存在显著的正向空间自相关关系，某一地区的服务业碳生产率会受到邻近地区的影响。随着时间的推移，服务业碳生产率的空间自相关程度呈现波动上升的走势。

第三，全国及西部服务业碳生产率的省际差异并未随着时间推移而缩小，东、中部服务业碳生产率的地区差异程度则在逐步下降。全国以及东、中、西部服务业碳生产率均存在显著的绝对β收敛和条件β收敛特征，即服务业碳生产率较低的地区对高碳生产率地区存在“追赶效应”，并且各地区服务业碳生产率呈现向自身稳态水平趋同的态势。空间效应加快了全国及东部服务业碳生产率的的β收敛速度。

第四，人均服务业增加值增长速度、部门结构以及能源消费结构对服务业碳生产率增长率均具有显著的负向效应，人力资本则有利于服务业碳生产率的提升。上述因素对不同区域服务业碳生产率增长的差异化影响是服务业碳生产率区域差异形成的重要原因。

基于上述结论，本文的启示有：①重视服务业领域日益凸显的碳排放问题，以服务业碳生产率为重点指标，构建服务业低碳增长绩效评价体系。②各地区可通过探索建立与周边省份的定期会商制度，强化服务业清洁生产工艺与节能环保技术的跨地区交流合作，通过充分发挥空间互动效应来促进服务业碳生产率的区域协调发展。③由于中、西部服务业碳生产率不存在显著的空间效应，可通过进一步完善中、西部地区的基础设施，促进区域内部服务业生产要素的空间互动和优化重组。④各地区应因地制宜适当优化服务业能源结构与部门结构，同时需要注重推进人力资本积累和服务业稳增长。

（编辑：于杰）

参考文献

[1]滕泽伟，胡宗彪，蒋西艳.中国服务业碳生产率变动的差异及收敛性研究[J].数量经济技术经济研究，2017（3）：78-94.

[2]王恕立，滕泽伟，刘军.中国服务业生产率变动的差异分析——基于区域及行业视角[J].经济研究，2015（8）：73-84.

[3KAYAY，YOKOBORIK.Environment，energyandeconomy：strategiesforsustainability[M].Tokyo：UnitedNationsUniversityPress，1998.

[4]杨翔，李小平，周大川.中国制造业碳生产率的差异与收敛性研究[J].数量经济技术经济研究，2015（12）：3-20.

[5]何建坤，苏明山.应对全球气候变化下的碳生产率分析[J].中国软科学，2009（10）：42-47.

[6]SONGML，ZHANGLL，LIUW.Bootstrap-DEAanalysisofBRICSenergyefficiencybasedonsmallsampledata[J].Appliedenergy，2013，112（12）：1049-1055.

[7WANGZH，HEWJ，WANGB.PerformanceandreductionpotentialofenergyandCO2emissionsamongtheAPECsmemberswithconsideringthereturntoscale[J].Energy，2017，138（11）：552-562.

[8]潘家華，张丽峰.我国碳生产率区域差异性研究[J].中国工业经济，2011（5）：47-57.

[9]张成，蔡万焕，于同申.区域经济增长与碳生产率——基于收敛及脱钩指数的分析[J].中国工业经济，2013（5）：18-30.

[10]于雪霞.区域碳生产率变化差异成因分析[J].中国人口·资源与环境，2015，25（S1）：344-349.

[11]谌伟，诸大建，白竹岚.上海市工业碳排放总量与碳生产率关系[J].中国人口·资源与环境，2010，20（9）：24-29.

[12]王树柏，李小平.中国制造业碳生产率变动对出口商品质量影响研究[J].上海经济研究，2015（10）：87-96.

[13LIW，WANGW，WANGY，etal.HistoricalgrowthintotalfactorcarbonproductivityoftheChineseindustry：acomprehensiveanalysis[J].Journalofcleanerproduction，2018，170（1）：471-485.

[14]程琳琳，张俊飚，田云，等.中国省域农业碳生产率的空间分异特征及依赖效应[J].资源科学，2016（2）：276-289.

[15]程琳琳，张俊飚，何可.多尺度城镇化对农业碳生产率的影响及其区域分异特征研究——基于SFA、E指数与SDM的实证[J].中南大学学报（社会科学版），2018（5）：107-116.

[16ZHOUP，ANGBW，HANJY.Totalfactorcarbonemissionperformance：aMalmquistindexanalysis[J].Energyeconomics，2010，32（1）：194-201.

[17]MENGMX，NIUD.Three-dimensionaldecompositionmodelsforcarbonproductivity[J].Energy，2012，46（1）：179-187.

[18LUZN，YANGY，JIANW.FactordecompositionofcarbonproductivitychangeinChinasmainindustries：basedontheLaspeyresdecompositionmethod[J].Energyprocedia，2014，61：1893-1896.

[19]LONGRY，SHAOTX，CHENH.SpatialeconometricanalysisofChinasprovince-levelindustrialcarbonproductivityanditsinfluencingfactors[J].Appliedenergy，2016，166（3）：210-219.

[20]李荣杰，张磊，赵领娣.中国清洁能源使用、要素配置结构与碳生产率增长——基于引入能源和人力资本的生产函数[J].资源科学，2016（4）：645-657.

[21]林善浪，张作雄，刘国平.技术创新、空间集聚与区域碳生产率[J].中国人口·资源与环境，2013，23（5）：36-45.

[22]刘习平，盛三化，王珂英.经济空间集聚能提高碳生产率吗？[J].经济评论，2017（6）：109-123.

[23]谢会强，黄凌云，刘冬冬.全球价值链嵌入提高了中国制造业碳生产率吗[J].国际贸易问题，2018（12）：113-125.

[24]邵桂兰，常瑶，李晨，等.出口商品结构对碳生产率的门槛效应研究[J].资源科学，2019（1）：142-151.

[25GOUYETTEC，PERELMANS.ProductivityconvergenceinOECDserviceindustries[J].Structuralchange&economicdynamics，1997，8（3）：279-295.

[26]MULDERP，DEGROOTHLF.Sectoralenergy-andlabor-productivityconvergence[J].Environmentalandresourceeconomics，2007，36（1）：85-112.

[27]MULDERP，DEGROOTHLF，PFEIFFERB.Dynamicsanddeterminantsofenergyintensityintheservicesector：across-countryanalysis，1980-2005[J].Ecologicaleconomics，2014，100（4）：1-15.

[28]王許亮，王恕立.服务业能源生产率变迁及收敛性分析——基于全球40个经济体细分行业数据的经验研究[J].数量经济技术经济研究，2018（1）：42-59.

[29]肖挺.中国服务业分行业两类全要素生产率变化及收敛性比较分析[J].管理评论，2017（8）：53-64.

[30]徐盈之，赵玥.中国信息服务业全要素生产率变动的区域差异与趋同分析[J].数量经济技术经济研究，2009（10）：49-60.

[31]刘兴凯，张诚.中国服务业全要素生产率增长及其收敛分析[J].数量经济技术经济研究，2010（3）：55-67.

[32]肖挺.我国省份间服务业全要素生产率的检验分析[J].云南财经大学学报，2017（2）：70-82.

[33]朱国忠，乔坤元，虞吉海.中国各省经济增长是否收敛？[J].经济学（季刊），2014（3）：1171-1194.

[34]余泳泽.中国省际全要素生产率动态空间收敛性研究[J].世界经济，2015（10）：30-55.

[35]庞瑞芝，王亮.服务业发展是绿色的吗？——基于服务业环境全要素效率分析[J].产业经济研究，2016（4）：18-28.

[36LEELF，YUJ.Somerecentdevelopmentsinspatialpaneldatamodels[J].Regionalscienceandurbaneconomics，2010，40（5）：255-271.

[37]ELHORSTJP.Matlabsoftwareforspatialpanels[J].Internationalregionalsciencereview，2014，37（3）：389-405.

[38MANKIWNG，ROMERD，WEILDN.Acontributiontotheempiricsofeconomicgrowth[J].Quarterlyjournalofeconomics，1992，107（2）：407-437.