生产性服务业集聚对环境效率的影响

王瑞荣

(绍兴职业技术学院 范蠡商学院,浙江 绍兴 312000)

0 引言

改革开放四十年来，中国经济取得了举世瞩目的成就，国内生产总值从1978年的3 678.7亿增长到2016年的744 127.2亿元人民币，平均增长速度为9.6%，超出同期世界平均增长速度6个百分点.然而，中国经济的高速增长是以牺牲环境为代价的粗放型增长.2018年美国耶鲁大学发布的《全球环境绩效指数报告》(Environmental Performance Index 2018)显示，在180个经济体中，中国以50.74分，位列第120位，多年来全球范围内一直处于中下水平.《国务院关于印发“十三五”生态环境保护规划的通知》中指出：我国污染物排放量大面广，环境污染重，环境承载能力超过或接近上限，改善环境效率刻不容缓.

目前，国内关于环境效率的研究主要集中在以下五个方面：一是分析中国区域的环境效率.如郭静如等[1]基于泛珠三角区域各省的数据，测算了泛珠三角区域的环境效率.周利梅等[2]构建了非期望产出环境效率DEA-SBM模型，从区域差异性角度研究各地区环境效率；二是分析中国省域的环境效率.如刘殿国等[3]基于社会嵌入视角和多层统计模型，对中国省域环境效率影响因素进行了实证分析.郭四代等[4]采用三阶段DEA模型评价了相同环境下各省域的环境效率水平、变化趋势及其差异性.三是分析中国城市群的环境效率.如苗建军等[5]利用SBM模型和Malmquist-Luenberger指数，分别测度了2005年—2014年长江中游城市群27个城市的环境效率.汪克亮等[6]考察了京津冀城市群大气环境效率的地区差异、动态演进特征与影响机制.四是分析中国的工业环境效率.如袁鹏等[7]测算了我国284个城市工业部门的环境效率，并分析了环境效率与经济增长的关系.苏伟洲等[8]通过Tobit模型对工业环境效率的影响因素进行了回归分析.五是分析中国的农业环境效率.如张可等[9]基于强可处置性视角，对中国农业环境效率及其动态演进趋势进行了实证分析.姚增福等[10]实证检验了农业环境效率提升的动态依赖路径及其演化特征和多重均衡现象产生的原因.

而从服务业，尤其是生产性服务业角度研究环境效率的成果不多，卢幸烨等[11]利用SUPER-SBM模型测算了中国东部地区交通运输业的全要素生产率、碳排放效率，认为中国东部地区各省市交通运输业的全要素生产率、环境效率之间的水平差距较大，大部分省市的交通运输业还存在着较大的节能减排空间.生产性服务业作为中间投入产业，具有知识密集性、低污染、低消耗、高产出、产业融合度高、带动作用显著等特点，是全球产业竞争的战略制高点[12-13].

随着信息技术的迅猛发展，生产性服务业在空间上日益呈现集聚现象，促进生产性服务业集聚，可能是有效缓解日益严峻的环境和资源约束的有效突破口[14].关于生产性服务业集聚与环境效率的关联问题日益受到学界、政界的重视，较多学者对生产性服务业集聚与环境污染之间的关系进行了探讨[15-17]，但对生产性服务业集聚是否改善了环境效率，国内尚缺乏相关研究成果.由于京津冀、长三角和珠三角是我国区域经济比较发达的地区，生产性服务业集聚水平较高且发展较快.所以，本文选择京津冀、长三角和珠三角三个区域的核心省市：北京、上海、浙江和广东四个地区的面板数据为样本，审视生产性服务业集聚对环境效率的影响，这对于我国加快发展生产性服务业和绿色低碳发展具有重要的现实意义.

1 模型构建、变量选取与数据来源

1.1 计量模型构建

EEjt=Cjt+αLQjt+ωjt+μjt+εjt

(1)

其中，EE表示环境效率，j表示地区、t表示时间，C为常数，LQ表示生产性服务业集聚指数，α为生产性服务业集聚的回归系数，ω表示时间效应，μ表示未观测到的个体效应，ε为随机误差项.

同时，为了考察生产性服务业集聚对环境效率的影响程度，本文把生产性服务业细分为低端生产性服务业(批发和零售业，交通运输、仓储及邮政业，房地产业)和高端生产性服务业(信息传输﹑计算机服务和软件业，金融业，租赁与商务服务业，科学研究﹑技术服务与地质勘查业)，分别检验低端生产性服务业集聚、高端生产性服务业集聚和生产性服务业整体集聚对环境效率的影响程度.此外，通过分析相关领域的研究成果，选择经济发达程度、技术进步、外商直接投资、环保规制等作为控制变量.则模型(1)可以改为以下形式：

(2)

(3)

(4)

其中，WLQ表示生产性服务业整体集聚水平，LLQ表示低端生产性服务业集聚水平，HLQ表示高端生产性服务集聚水平，Control表示一系列控制变量，k表示控制变量的个数，β为控制变量的回归系数.

1.2 变量选取

1.2.1 被解释变量：环境效率(EE)

近年来测量环境效率常用方法主要有：数据包络分析法(DEA)、生命周期法(LCA)、多准则决策方法(MCDM)、随机前沿分析法(SFA)、距离函数法(DF)以及其他综合评价方法.由于DEA方法主要是通过线性规划对多输入和多输出的类似决策单元(DMU)的相对效率进行评价，不需要提前设定生产函数，因此被广泛应用于环境效率的评价.DEA方法中有很多具体的模型，本文选取包含非期望产出的Super-SBM分析方法来估算环境效率.具体投入、产出指标见表1.

表1 环境效率评价指标

指标类别具体指标内容投入指标传统指标环境指标劳动投入各地区从业人员数量(单位:万人)表示资本投入各地区固定资产投资总额(单位:亿元)表示资源投入各地区能源消耗量(单位:亿吨标煤)表示环境治理投入各地区工业污染治理完成投资额(单位:亿元)表示产出指标期望产出非期望产出GDP各地区国内生产总值(单位:亿元)工业废气排放量各地区工业废气排放量(单位:亿标准立方米)表示工业废水排放量各地区工业废水排放量(单位:亿吨)表示工业固体废物产生量各地区工业固体废物产生量(单位:亿吨)表示

本文采用DEA-Solver Pro5软件中的Super-SBM Oriented(Super-SBM-O-C)测算2003年—2016年北京、上海、浙江和广东四个地区的环境效率，由表2可以发现，在2003年—2016年间，上述地区的环境效率整体呈现波浪式上升趋势，说明在我国经济社会环境发生深刻变革的过程中，绿色发展理念已经被摆在了更加突出的位置.就均值而言，北京、上海的环境效率显著高于浙江、广东.究其原因，可能是北京、上海两地作为全国政治、经济中心，其在经济发展过程中，积极调整产业结构，环境保护的投入力度大，执行力强，环境污染治理成效显著.

1.2.2 核心解释变量

当前国内外学者主要采用区位熵、产业集聚指数、行业集中度、赫芬达尔指数、空间基尼系数和E-G指数等测算产业集聚水平[20].由于区位熵指数可以消除地区规模差异因素，能真实反映一个地区要素的空间分布情况，因此，本文采用区位熵测算生产性服务业集聚水平.同时，由于本文主要考察生产性服务业集聚对环境效率的影响，因此核心解释变量是生产性服务业区位熵(即生产性服务业集聚指数).具体计算公式见(3).

表2 2003年—2016年北京、上海、浙江和广东环境效率及其平均值

年份北京上海浙江广东20030.583 10.684 60.512 00.802 820040.611 70.673 90.509 90.788 020050.622 60.663 40.511 10.787 920060.629 10.691 50.518 50.820 520070.679 80.706 30.569 20.835 220080.781 20.739 20.613 60.834 420090.792 10.764 60.584 90.756 320100.865 10.854 70.647 40.763 920112.034 30.993 80.655 30.842 020120.969 91.005 70.585 50.823 820131.052 21.122 40.558 30.797 020140.978 20.994 40.578 70.755 520150.967 91.015 60.593 10.734 120161.072 91.070 40.632 00.794 7均值0.902 90.855 80.576 40.795 4

LQj=(esj/Es)/(egj/E)

(3)

公式(3)中，LQ表示生产性服务业区位熵，j则表示上述省市，esj表示在j地区生产性服务业城镇单位的就业人口数量，Es表示全国生产性服务业城镇单位的就业人口数量，egj表示j地区所有产业城镇单位的就业人口数量，E表示全国所有产业城镇单位的就业人口数量.通常来说，LQ值越大表示其产业集聚程度越高，反之则越低.四地生产性服务业区位熵见表3.

由表3可以发现，北京生产性服务业集聚水平最高，上海次之，这可能一是由于北京、上海分别作为全国政治、经济中心，其在产业结构调整过程中，更加注重服务业尤其是生产性服务业的发展，二是可能由于其地缘优势，其空间溢出效应能自发促进其集聚.广东的生产性服务业集聚水平位列第三，浙江的集聚水平相对最低，位列第四，这表明浙江在未来经济发展过程中生产性服务业发展还有很大提升空间.

1.2.3 控制变量

考虑到其他因素对环境效率生产的影响，本文在估算方程中加入了其他控制变量.

(1)经济发达程度(DEV)：一般来说，一个区域经济越发达，生产性服务业集聚水平就越高，环境效率可能就越好.本文采用人均GDP来衡量一个地区的经济发达程度，具体包括人均GDP及其平方项.为了克服异方差，对其取对数表示.

(2)外商直接投资(FDI)：外商直接投资在促进经济增长的同时，可能会使被投资国沦为“污染天堂”[21-22]，进而不利于环境效率提升.本文采用各地区外商投资企业注册登记投资总额作为代理变量.为了克服异方差，对其取对数表示.

(3)技术进步(TG)：技术进步是提高环境效率的关键因素，目前主要采用专利申请数、专利授权数、R&D经费投入等指标衡量技术进步程度.由于专利授权数更能体现一个地区的技术进步水平.因此，本文采用地区专利申请授权数作为技术进步的代理变量.为了克服异方差，对其取对数表示.

(4)环境规制(ER)：政府制定的相关环保政策会在一定程度上影响环境效率.本文采用各地区环境污染治理投资额占该地区GDP的比值来衡量.

表3 2003年—2016年北京、上海、浙江和广东四地区生产性服务业区位熵

北京上海浙江广东低端高端整体低端高端整体低端高端整体低端高端整体20031.086 03.203 71.906 31.079 42.344 61.569 50.803 11.004 00.880 90.755 91.620 61.090 820041.257 13.198 22.031 01.138 82.474 61.671 30.760 41.045 40.874 00.774 51.545 51.081 820051.379 93.203 92.141 81.186 02.498 51.734 20.735 81.046 50.865 60.794 71.432 81.061 220061.550 43.266 72.292 91.221 72.537 71.791 10.704 91.032 70.846 70.823 41.367 21.058 720071.727 83.220 42.388 81.208 52.403 61.737 70.693 10.972 90.817 00.819 11.321 41.041 520081.787 83.263 02.462 81.237 92.368 31.755 10.701 60.954 50.817 30.824 31.291 11.037 920091.755 83.290 12.474 41.299 72.366 51.799 40.716 30.943 80.822 80.853 01.227 81.028 520101.820 73.307 32.530 31.305 92.427 51.841 30.749 30.946 10.843 30.869 81.223 11.038 420111.909 13.317 02.550 21.203 22.360 01.729 90.748 20.973 40.850 70.858 41.357 51.085 720122.197 23.324 92.709 01.874 21.347 31.635 10.742 51.007 50.862 81.143 01.059 11.104 920132.016 43.363 92.612 61.942 31.995 21.965 70.716 50.973 60.830 31.008 90.889 90.956 220141.985 13.286 62.570 62.028 62.067 72.046 20.724 70.931 40.817 71.020 00.896 30.964 320151.988 13.304 12.594 42.050 62.056 72.053 40.728 80.936 20.824 41.027 00.910 40.973 320161.926 43.203 62.530 82.046 92.025 32.036 70.602 91.092 30.834 51.041 30.937 70.992 2均值1.742 03.268 12.414 01.487 42.233 81.811 90.723 40.990 00.842 00.901 01.220 01.036 8

1.3 数据来源与处理

本文主要是研究北京、上海、浙江和广东四地生产性服务业集聚与环境效率之间的关系.由于2003年前后生产性服务业统计口径发生较大变化，为了保持统计口径的一致和数据质量，实证分析的时间跨度为2003年—2016年.文中所指的生产性服务业主要包括批发和零售业，交通运输、仓储及邮政业，信息传输、计算机服务和软件业，金融业，房地产业，租赁与商务服务业，科学研究、技术服务与地质勘查业七个细分行业.由于2011年前后生产性服务业统计指标有些许不同，因此2012年后的信息传输、软件与信息技术服务业和科学研究和技术服务业分别对应2011年前的信息传输、计算机服务与软件业和科学研究、技术服务和地质勘查业.同时，四地区的GDP、工业生产总值、固定资产投资总额、工业污染治理完成投资额是按照当年价格计算的，因此不再剔出价格波动因素.相关原始数据主要来自上述地区的统计年鉴(2004-2017)、中国环境统计年鉴(2011-2017)、中国第三产业数据库、国家宏观经济数据库、中国能源数据库、中国环境数据库、中国科技数据库、中国劳动经济数据库、中国固定资产投资数据库、中国对外经济数据库.此外，对个别缺失数据采用插值法补全.各变量的描述性统计结果见表4.

表4 变量的描述性统计结果

2 实证结果分析与稳健性检验

本文主要利用Eviews8.0计量分析软件估算回归结果.在回归分析前，首先利用Hausman检验模型判断其使用的类型.估算结果显示，表5、表6和表7中的模型均适用于固定效应模型，且利用VIF检验，发现均值为4.32，说明模型不存在自相关问题.同时，利用Wald Test检验，发现P值等于0，说明模型可能存在异方差.此外，利用Davidson-MacKinnon检验得到P等于0.206 7，表明存在内生性问题，但是其对OLS的估算结果影响较小，可以采用OLS回归模型进行回归分析.

2.1 全样本数据实证结果分析

表5(1)给出了对计量模型式(1)的回归结果.(2)、(3)、(4)、(5)、(6)为分别加入经济发达程度、外商直接投资等控制变量的计量模型式(2)的回归结果、(7)为加入全部控制变量的回归结果.

由表5可以看出，生产性服务业集聚对环境效率具有显著正向影响.在不加入控制变量前，生产性服务业集聚每增加一个百分点，可以促进环境效率提升19.23%；加入控制变量之后，生产性服务业集聚对于环境效率的影响依然呈现显著正向作用，达到37.32%.其中就经济发达程度指标而言，一次项为负值，二次项为正值，生产性服务业集聚对环境效率的影响呈U型，即环境效率伴随着生产性服务业集聚水平的提高，表现先下降后上升的演进态势.这说明在经济发展初期，生产性服务业集聚在一定程度上不利于环境效率提升，但是当经济发展到一定程度，超过拐点，生产性服务业集聚对环境效率具有显著正向促进作用.就外商直接投资而言，单独分析其对环境效率的影响呈现显著正向影响，加入其他控制变量后，依然呈现正向变动，但不显著，说明可能会存在外商直接投资引发“污染天堂”.因此，要提升外商投资质量，环境底线不能碰.技术进步可以显著促进环境效率的提升，说明要加强对环境领域的技术创新投入，以科技引领促进环境改善.就环境规制而言，其与环境效率呈现显著的反向作用，说明就目前阶段而言，环境规制阻碍了环境效率改善，确实存在“绿色悖论”，这与甘家武等[23]学者的研究结论一致.

表5 全样本回归估计结果

变量(1)(2)(3)(4)(5)(6)(7)(8)LQ0.192 3***0.145 4***0.111 74**0.235 0***0.256 5***0.242 60.073 3*0.373 2***lnDEV0.128 2*-0.614 3*-0.462 0**lnDEV20.243 0**0.100 8*lnFDI0.162 1***0.072 1lnTG0.100 3***0.119 8***ER-10.167 2**-8.126 3*常数项0.484 6***0.341 5***0.888 1***-1.114 8***-0.691 8**0.533 3***0.341 7***-1.205 2地区效应yesyesyesyesyesyesyesyes时间效应yesyesyesyesyesyesyesyesR20.488 70.436 30.401 20.472 90.430 00.445 30.448 70.553 5F统计量21.917 312.428 311.615 223.778 019.991 213.975 614.190 210.124 3

注：***、**、*分别表示在1%、5%、10%水平下显著.

2.2 分样本数据实证结果分析

表6和表7给出了低端生产性服务业集聚和高端生产性服务业集聚对环境效率的影响.由表6可以看出，低端生产性服务业(批发和零售业，交通运输、仓储及邮政业，房地产业)对环境效率的影响同样呈现显著正向作用.在不加入控制变量前，生产性服务业集聚可以促进环境效率提升30.82个百分点，加入控变量后，依然强劲，达到43.79个百分点.就控制变量而言，经济发达程度、外商直接投资、技术进步和环境规制的影响效应与全样本一致，且环境规制对环境效率的影响在加入变量后其反向作用在减弱.

表6 低端生产性服务业集聚对环境效率影响的回归结果

变量(1)(2)(3)(4)(5)(6)(7)(8)LQ0.308 2***0.283 3***0.235 0***0.308 4***0.330 8***0.343 2***0.281 0**0.437 9***lnDEV0.386 5*-0.442 9*-0.252 4*lnDEV20.164 2*0.036 8*lnFDI0.104 0***0.043 6lnTG0.061 4**0.073 8*ER-7.661 6*-4.357 5常数项0.408 6***0.372 8***0.738 4***-0.599 1*-0.281 40.457 4***0.390 7***-0.600 4地区效应yesyesyesyesyesyesyesyes时间效应yesyesyesyesyesyesyesyesR20.410 70.414 00.440 00.491 60.471 90.447 20.411 60.532 3F统计量37.630 118.723 813.620 225.621 823.684 321.433 618.538 09.296 3

注：***、**、*分别表示在1%、5%、10%水平下显著.

由表7可知，高端生产性服务业(信息传输、计算机服务和软件业，金融业，租赁与商务服务业，科学研究、技术服务与地质勘查业)对环境效率的影响作用最低，不加入控制变量前为10.06%，全部加入后达到18.68%，低于低端生产性服务业集聚对环境效率的促进作用.这可能是由于在目前阶段，我国的生产性服务业集聚主要是以低端为主，高端生产性服务业的规模不大，作用发挥不明显.因此，应该优化生产性服务业的集聚层级，合理布局，避免出现生产性服务业集聚导致拥挤效应，提升高端生产性服务业集聚的规模，实现环境效率的提升.

表7 高端生产性服务业集聚对环境效率影响的回归结果

变量(1)(2)(3)(4)(5)(6)(7)(8)LQ0.100 6***0.066 3**0.055 9*0.156 1***0.169 8***0.127 8***0.005 3*0.186 8***lnDEV0.187 1***-0.688 0**-0.642 9*lnDEV20.281 4***0.209 6*lnFDI0.196 2***0.082 6lnTG0.120 6***0.082 8*ER-7.883 6*-7.171 7*常数项0.588 7***0.334 7***0.966 1***-1.417 5***-0.846 5**0.630 0***0.325 5***-0.745 5地区效应yesyesyesyesyesyesyesyes时间效应yesyesyesyesyesyesyesyesR20.358 40.381 70.473 00.398 00.428 60.391 00.434 20.579 6F统计量10.166 710.391 810.309 517.505 012.968 26.257 113.341 57.526 4

注：***、**、*分别表示在1%、5%、10%水平下显著.

2.3 分区域样本检验结果

为了检验生产性服务业集聚对环境效率影响的区域性差异，表8报告了分区域样本检验结果.限于篇幅，文中仅报告核心解释变量对因变量的检验结果，其他控制变量的回归结果作者存档备索.由表8可以看出，生产性服务业集聚水平最高的北京，其对环境效率的提升具有显著正向影响，且北京高端生产性服务业集聚的影响作用显著优于低端生产性服务业，而上海高端和低端生产性服务业集聚对环境效率提升均具有显著正向影响，且差距不大，整体生产性服务集聚对环境效率具有显著正向影响.广东低端生产性服务业集聚对环境效率的影响呈现反向作用，但生产性服务业整体集聚水平和高端生产性服务业集聚对环境效率的影响呈现正向促进作用.而浙江则呈现反向变动关系，这可能是由于浙江生产性服务业集聚水平相对最低，生产性服务业集聚的层级结构还没有适应环境发展的要求，亟待调整优化.

表8 四地区生产性服务业集聚对环境效率影响的回归结果

LQ常数项R2F统计量北京整体0.848 7**-1.1460.497 75.085 5低端0.631 1**-0.196 40.494 85.015 7高端3.490 0*-10.502 9*0.462 84.278上海整体0.708 3**-0.427 60.429 49.029 6低端0.370 7***0.304 4***0.741 434.407 7高端0.379 8***1.704 1***0.499 711.985浙江整体-1.096 8*1.500***0.432 33.631 0低端-0.405 2*0.869 5***0.329 91.791 1高端-0.369 5*0.942 2***0.431 51.816 8广东整体0.383 0**0.398 4**0.407 35.322 7低端-0.063 50.852 6***0.352 52.664 3高端0.054 2*0.729 3***0.356 12.219 9

注：***、**、*分别表示在1%、5%、10%水平下显著.

2.4 稳健性检验

为了进一步验证回归结果的可靠性和稳定性，本文采用Super-SBM Oriented(Super-SBM-I-C)测算环境效率，重新估算的环境效率值代入计量模型式(1)和(2)，检验结果见表9和表10.限于版面，表9仅列出核心解释变量对因变量的检验结果和加入全部控制变量后的回归结果，其他控制变量的回归结果作者存档备索.由表9可知，生产性服务业集聚系数显著为正，表明生产性服务业集聚对环境效率正向影响没有改变.因此，在考虑内生性问题的前提下，可以得出本文的核心结论总体上是可靠的、稳定的.表10的回归结果与表8的发展演进趋势相同，说明生产性服务业集聚程度越大，其对环境效率提升的效果就越好，生产性服务业集聚有助于促进环境效率的提升.

表9 生产性服务业集聚对环境效率影响的稳健性检验结果

变量生产性服务业整体集聚低端生产性服务业集聚高端生产性服务业集聚(1)(2)(3)(4)(5)(6)LQ0.228 8***0.251 0***0.384 5***0.378 2***0.109 1***0.099 7***lnDEV-0.406 1**-0.191 6-0.524 6**lnDEV20.163 7**0.074 30.246 6***lnFDI0.064 1*0.041 90.067 9lnTG0.067 0**0.061 5**0.027 5*ER-4.097 6*-2.143 5*-2.641 9*常数项0.287 5***-0.893 8*0.170 1***-0.773 0**0.426 3***-0.356 4地区效应yesyesyesyesyes时间效应yesyesyesyesyesR20.420 50.808 90.678 10.853 90.497 80.751 2F统计量39.185 734.563 0113.753 147.746 513.317 624.660 3

注：***、**、*分别表示在1%、5%、10%水平下显著.

表10 四地区生产性服务业集聚对环境效率影响的稳健性检验结果

LQ常数项R2F统计量北京整体0.228 9***0.287 5***0.420 539.185 7低端0.384 5***0.170 1***0.372 1113.753 1高端0.109 1***0.426 3***0.497 813.317 6上海整体0.953 5***-0.968 40.458 810.172 6低端0.509 1***0.002 0***0.824 556.392 9高端0.529 0***1.941 0***0.571 516.007 1浙江整体-1.256 8*1.504 0*0.462 62.330 4低端-0.420 90.750 3**0.474 82.969 5高端-0.514 80.955 4**0.436 11.890 4广东整体0.382 9**0.398 4**0.307 35.322 7低端-0.063 50.852 6***0.452 53.664 3高端0.054 20.729 3***0.456 12.219 9

注：***、**、*分别表示在1%、5%、10%水平下显著.

3 结论与启示

本文利用SUPER-SBM分析方法和区位熵来估算2003年—2016年北京、上海、浙江和广东四地区环境效率和生产性服务业集聚水平，在此基础上通过构建生产性服务业集聚与环境效率之间的回归方程模型，对生产性服务业集聚与环境效率之间的关系进行了实证检验.主要得到以下研究结论：一是在控制了地区、时间变量的影响后，生产性服务业集聚可以显著改善环境效率；二是无论是低端生产性服务业集聚还是高端生产性服务业集聚都显著改善了环境效率，然而低端生产性服务业集聚对环境效率的提升作用更加显著，究其原因，可能是与我国目前经济发展的阶段性特征有关，即我国正在由工业经济迈入服务经济的历史进程中，工业企业对低端生产性服务业需求旺盛，低端服务业发展规模大；三是不同区域，其生产性服务业集聚对环境效率影响存在显著差异，表现为北京、上海两地无论是低端生产性服务业集聚还是高端生产性服务业集聚都能显著促进环境效率的提升；广东生产性服务集聚整体和高端生产性服务集聚对环境效率提升具有促进作用，而低端生产性服务业集聚对环境效率的影响则呈现反向作用；而浙江作为生产性服务集聚水平相对较低的区域，无论是整体集聚还是低端集聚、高端集聚，其与环境效率均具有反向变动关系.

从生产性服务业集聚角度可以得出以下启示.第一，在“绿色”发展理念引领下，要坚定信心，进一步优化产业结构，提升生产性服务集聚的水平，促进环境效率的改善；第二，在保持低端服务业空间集聚的现有规模下，进一步提升高端服务业集聚的水平和规模，同时要运用政策引导、金融支持等手段克服生产性服务业集聚导致的拥挤效应，使高端生产性服务业集聚的“绿色红利”得以显著彰显；第三，要积极引导外商直接投资进入低碳绿色经济领域，提升外商直接投资的质量和效益；第四，要进一步加大科技创新引领绿色发展，强化绿色科技成果转化为现实生产力；第五，要进一步优化环境规制手段，根据产业、区域等现实特点，采用差异化的治理措施，变“制约”为“促进”.