生产性服务业集聚对城市绿色全要素生产率的影响及门槛效应*

李体欣，倪志兴，许瑞琦

（1.昆明学院，云南 昆明 650214；2.云南财经大学商学院，云南 昆明 650221；3.云南中烟有限责任公司，云南 昆明 650000）

一、引言及文献综述

作为现代服务业的重要组成部分，生产性服务业正逐渐成为促进我国产业从生产制造型向生产服务型转变，进而实现经济高质量增长的重要推动力量（袁冬梅和李恒辉，2021）。其功能正由“促进生产力发展”转变为“加快产业结构战略调整”。生产性服务业的核心在于为制造业生产服务，与其他行业的黏性较强，在我国产业发展及升级的过程中，逐渐呈现出集聚效应。生产性服务业一旦形成集聚，会对城市的产业结构升级、生产效率提升及经济高质量发展产生重大影响（温婷，2020）。

与传统全要素生产率相比，绿色全要素生产率（以下简称GTFP）能更科学地衡量经济发展的质量水平。考察生产性服务业集聚对绿色全要素生产率的影响及其渠道，有助于加深对生产性服务业如何促进经济高质量发展的理解。现有关于绿色全要素生产率的研究，多数主要基于数据包络分析法（DEA）及其扩展模型（SBM-DEA 模型）的Malmquist-Luenberger（ML）指数对GTFP 增长进行测度。Aparicio 等（2017）运用DEA-Malmquist 指数测算了国家层面的GTFP；刘华军等（2018）采用非期望产出DEA 模型结合Malmquist 指数测算了中国省域的GTFP；李卫兵等（2017）基于非径向、非角度的SBM 方向性距离函数的Global Malmquist-Luenberger（GML）指数测度了中国城市GTFP。对于GTFP 增长的影响因素，部分学者从环境规制胡玉凤等（2022）、制造业集聚（陈阳和唐晓华，2018）、产业结构升级（刘赢时等，2018）、数字普惠金融发展（惠献波，2021）等角度探讨了该因素对GTFP 的影响，未得出一致结论。

生产性服务业的功能已由最初经济系统润滑剂逐渐演变为提升经济效率的引擎（段文斌等，2016）。对于生产性服务业的集聚效应，以往研究主要集中在以下三个方面：第一，探讨生产性服务业集聚的经济增长效应。服务业集聚能够促进地区经济增长（周明生和王帅，2018）；交通运输业和通讯业集聚可以有效促进地区生产力提升和经济增长（Jetpan 和Hironori，2017）。也有学者认为创意产业集聚通过刺激区域创新而非效率变化对区域经济增长产生积极影响（Hong 等，2014）。还有部分学者关注了城市规模对生产性服务业集聚与经济效率关系的调节作用。柯善咨和赵曜（2014）研究发现，生产性服务业集聚与城市生产率的关系随着城市规模的扩张呈现先增长后下降的倒“U”形。

第二，探讨生产性服务业集聚在经济增长效应中的作用机制。梁军和从振楠（2018）指出，生产性服务业集聚通过提升技术效率的途径促进城市全要素生产率提升。Han 等（2018）认为，生产性服务业专业化集聚与多样化集聚，在短期和长期内对城市及周边城市的工业产业能源效率并没有积极影响，反而在不同程度上产生了抑制作用。Cieślik 等（2018）研究了乌克兰企业生产率的决定因素，特别关注了集聚外部性和竞争效应的作用，发现区域产业多样化的减少阻碍了乌克兰企业生产率提高。

第三，探讨生产性服务业集聚对绿色全要素生产率的影响。李珊珊和马艳芹（2020）采用省级面板数据，运用面板门槛模型考察生产性服务业集聚对绿色全要素生产率的影响，发现在不同集聚视角下能源强度、经济发展水平对绿色全要素生产率存在不同程度的门槛效应。徐晓红和汪侠（2020）采用动态SDM 和SLX 模型实证研究发现，生产性服务业专业化和多样化集聚均提升了本市绿色生产率，多样化集聚对邻市也存在提升效应。余奕杉等（2021）采用城市面板数据研究发现，生产性服务业集聚对绿色全要素生产率的影响随城市规模等级差异、城市行政级别差异、行业结构差异而表现出异质性。

以往文献从不同视角系统地探讨了生产性服务业集聚的经济增长效应，以及生产性服务业集聚对GTFP 的影响，这为本文研究提供了丰富的理论基础。但相关研究还存在以下不足：第一，缺少考察生产性服务业影响城市GTFP 的最适集聚度的研究；第二，缺少生产性服务业集聚对不同水平GTFP 影响的差异性研究；第三，缺少生产性服务业集聚影响GTFP的机制分析与实证检验；第四，生产性服务业集聚影响GTFP 的门槛效应还需进一步完善。鉴于此，本文基于理论分析，采用非线性模型、面板分位数模型、系统GMM 模型与面板门槛模型系统考察生产性服务业集聚对绿色全要素生产率影响，进一步弥补以往研究的不足。

二、生产性服务业集聚对绿色全要素生产率增长的影响机理

生产性服务业集聚可通过技术创新促进GTFP 提升。生产性服务业集聚在促进知识溢出、节约创新成本等方面具有明显优势（纪祥裕和顾乃华，2020）。具体来说，知识溢出是技术创新的重要基础，生产性服务业集聚能够发挥外部性作用，使得生产性服务业借助知识关联将创新要素传导至制造业生产环节，促进知识、技术在产业间双向流动，并通过形成具备知识链技术依赖特征的知识网状结构等方式促进创新效率提升。与此同时，生产性服务业集聚能够增加创新要素交流频率，知识、技术差异化产生的知识溢出会以更低的成本流向区域间各企业（纪祥裕和顾乃华，2020）。当新技术发展规模不断壮大、形成产业并能够获取利润时，可能会催生新的业务部门和主导产业。特别是当各领域产生颠覆性技术时，传统生产方式和组织方式会被打破，而新兴产业将随之诞生。新兴产业将促使全球价值链分解和重组，引发供给结构颠覆性变化，成为经济增长新动能。

生产性服务业集聚可通过改善资源错配来促进城市GTFP 提升。资源错配不利于区域内部资源配置，进而不利于绿色发展（谢宜章和赵玉奇，2018）。生产性服务业专业化集聚的资源错配纠正效应主要源于集聚产生的规模经济效应，表现为区域“劳动力蓄水池”与专业化分工带来的资源配置效率的提高（高康和原毅军，2020）。生产性服务业集聚有利于资本集聚，产生机器设备共享、分工深化与技术溢出带来的生产率效益，进而改善资源错配。生产性服务业多样化集聚的资源错配纠正效应则主要来自结构效应对资源的优化配置，以及知识与技术溢出对要素水平高级化的推动作用。生产性服务业与制造业等的多样化集聚有利于旧知识的传播和扩散，以及新知识的孕育和产生，引发的学习效应能够持续提高劳动力水平，改善劳动力结构，进而实现资源的高效配置，促进城市GTFP 提升。

三、研究设计

（一）模型构建

本文构建以下模型验证生产性服务业集聚与城市GTFP 之间的关系：

其中：GTFP为被解释变量，生产性服务业集聚（AGG）为核心解释变量，AGGit×AGGit表示生产性服务业集聚平方项，Xit为控制变量，ai与vt分别表示城市和时间固定效应，εit表示扰动项。

（二）变量选择与数据说明

1.被解释变量，绿色全要素生产率（GTFP）。GTFP 的计算涉及投入与产出指标。绿色全要素生产率核算涉及投入、期望产出和非期望产出三类指标。投入指标包括能源消耗、劳动投入和资本投入，采用各个城市用电量来表征能源消费，采用城市就业总人数表征劳动投入，采用资本存量表征资本投入，资本存量借鉴张军等（2004）用永续盘存法计算获得。期望产出以经济效益产出为衡量指标，采用地区GDP。非期望产出选择工业污染物排放量近似代替，包括城市工业废水排放量、工业二氧化硫排放量与工业烟尘排放量。

本文采用EBM-GML 模型测度城市GTFP，其中超效率EBM 模型为：

2.核心解释变量，生产性服务业集聚（AGG）。采用的区位商计算生产性服务业集聚指数①本文选取交通运输、仓储和邮政业，信息传输、计算机服务业和软件业，批发和零售业，金融业，房地产业，租赁和商业服务业，科学研究、技术服务业和地质勘查业7 个行业来代表生产性服务业。，计算公式如下：

其中：i为城市，t为时期，j为城市产业数目，xit为城市i生产性服务业从业数， 表示城市i的总就业数， 表示全国生产性服务业从业数， 为全国总就业数。

3.控制变量。控制变量主要有城镇化（URB）、产业结构（INDUSTR）、对外开放（OPEN）、人力资本（HUAMN）、环境规制（ER）、财政投入（GOVKJ）与资源禀赋（MINJING）。

本文所有变量原始数据来源于2004-2017 年《中国城市统计年鉴》和各地级市统计年鉴。样本为2003-2016 年中国283 个城市。

变量含义及描述性统计见表1：

表1 变量定义及统计性描述

四、实证分析

（一）基准回归分析

结合前文构建的模型（1），本文分别采用未考虑截面相关和异方差的城市—年份双固定效应模型、考虑截面相关和异方差的城市年份双固定效应模型进行估计，结果见表2 中第（1）-（4）列。表2 中第（1）列的Hausman 检验结果显著拒绝了存在随机效应的原假设，说明选择固定效应模型是合理的。此外，将生产性服务业集聚滞后一期、二期作为工具变量再次进行重新估计，结果见表2 中第（5）-（6）列。综上可知，从表1 基准模型估计第（1）-（6）列的估计系数和显著性可以看出，生产性服务集聚显著促进了城市GTFP 的提升，生产性服务业产业集聚可以成为绿色发展的新动能，助推我国经济可持续发展。

表2 基准模型估计结果

注：“*”、“**”、“***”分别表示在10%、5%、1%的显著性水平下显著，括号内数字为t 统计量，下同。

为验证二者之间关系的非线性特征，本文进一步结合模型（2），采用未考虑截面相关和异方差的城市年份双固定效应模型、考虑截面相关和异方差的城市年份双固定效应模型进行估计。结合估计结果表3 第（1）-（4）列可知，生产性服务业集聚变量一次项的系数依然显著为正，与表2 中第（1）-（6）列估计系数的显著性水平和符号基本一致。同时，生产性服务业集聚的二次项系数显著为负，这说明适度集聚水平的生产性服务业有利于GTFP 的提升，过度集聚则不利于其提升。结合表3 第（3）列可求得生产性服务业集聚的最优水平为1.571（e0.0779/(2×0.0862)），即当生产性服务业集聚水平小于1.571 时，其对GTFP 有显著的正向促进作用；而当其水平超过1.571 之后，其对GTFP 将产生抑制作用。

表3 加入生产性服务业集聚二次项的基准模型估计结果

（二）分位数回归分析

本文借鉴Koenker 和Bassett（1978）的研究，采用分位数回归模型进一步考察生产性服务业集聚对不同水平GTFP 的影响。结果见表4 所示，在10%、25%和75%分位点上生产性服务业集聚对GTFP 的回归系数均为正，但未通过显著性检验，而在50%和90%分位点上，生产性服务业集聚对GTFP 的回归系数为正，分别在1%和5%显著性水平下显著。

表4 基准模型分位数估计

以上结果表明，在GTFP 的水平较低时，生产性服务业集聚对GTFP 的影响较弱，这可能因为这个阶段城市的经济发展属于粗放式的发展模式，经济增长更多地依靠工业发展来带动，而此时的工业主要依靠高投入、高耗能的发展模式来带动经济增长，未能充分借助生产性服务业实现转型升级。随着绿色发展逐步被政府重视，粗放式的工业发展模式已与经济高质量发展的要求不相适应，工业企业亟需进行转型升级，此时生产性服务业集聚将在一定程度上有利于城市GTFP 的提升，而随着GTFP 水平进一步提高，城市发展迫切需要加强生态创新环境建设，这时城市产业结构将会发展改变，污染高、效率低、产能落后工业将逐步被淘汰，现代服务业逐步由低端向高端转变，以适应结构的变化。在结构调整初期，生产性服务业集聚暂未能带动绿色全要素生产率提升。随着GTFP 逐步提升到一定水平，城市产业结构调整已基本适应城市产业发展的要求，生产性服务业在城市集聚有利于GTFP 的提升。

五、进一步分析

（一）影响机制检验

为检验生产性服务业集聚影响城市GTFP 的技术创新与资源配置机制，本文采用《中国城市和产业创新力报告2017》中测算的城市创新指数衡量技术创新（INNOV），该数据可以避免传统的以专利数量衡量技术创新水平所产生的测量误差（寇宗来等，2017）。同时，借鉴崔书会等（2019）的做法，采用劳动力错配指数（LMISS）与资本错配指数（KMISS）分别反向衡量劳动和资本资源配置水平。

本文结合系统GMM 估计方法，采用Baron 和Kenny（1986）提出的中介效应模型，运用逐步回归法考察生产性服务业集聚影响城市GTFP 的作用机制。首先，构建基准回归模型，见模型（6）；其次，将机制变量（MED）对生产性服务业集聚进行回归，见模型（7）；最后，在基准模型（6）中加入中介变量，见模型（8）。

其中：若α1和γ2系数显著，则生产性服务业集聚通过机制变量影响GTFP；若γ1系数相对模型（6）中β1系数减弱，并且显著，则说明存在部分中介效应；若该系数不显著，则存在完全中介效应。模型（6）、（7）、（8）中Xit、ai、vt和εit的含义与模型（1）中一致。

由表5 可以看出，机制检验模型中，所有 P-AR（1）检验拒绝一阶序列不相关，所有P-AR（2）检验均支持回归方程不存在二阶序列相关，P-SAR 显示，所有工具变量是有效的。从第（2）、（3）列可知生产性服务业集聚显著促进了技术创新的提升，技术创新显著提升了城市GTFP，与基准模型相比，生产性服务业集聚的促进系数有所减弱，说明生产性服务业集聚通过技术创新提升了城市GTFP；从第（4）、（5）列可知，生产性服务业集聚显著抑制了劳动力错配，劳动力错配显著抑制了城市GTFP，与基准模型相比，生产性服务业集聚的促进系数有所减弱，说明生产性服务业集聚通过改善劳动力错配，促进了城市GTFP 提升；从第（6）、（7）列可知，生产性服务业集聚显著抑制了资本错配，资本错配显著抑制了城市GTFP，与基准模型相比，生产性服务业集聚的促进系数有所减弱，说明生产性服务业集聚通过改善资本错配，促进了城市GTFP 提升。

表5 机制检验结果

（二）门槛分析

本文进一步采用面板门槛模型检验生产性服务业集聚对城市GTFP 的影响是否会受到市场化水平与城市规模大小的约束。假设存在一个门槛值η1，构建单一门槛模型，具体结合实证分析中门槛检验的结果进行选择单门槛或多门槛模型的检验，首先建立单一门槛模型：

其中：i表示不同的个体，t表示时间，qit为门槛变量，I(g)为指示性函数，相应条件成立时取1，否则取0。qit为门槛变量，分别表示地方政府干预、市场化水平和城市规模。其中：市场化水平（MARKit）采用城市私营和个体从业人员数占城市总就业人数的比重衡量，城市规模（SCALEit）采用市辖区人数进行衡量。Xit为控制变量，定义与前文一致。

结合面板门槛模型，具体回归结果见表6 与表7。市场化水平存在三个门槛，分别为0.352、0.409、0.571，市场化水平门槛把生产性服务业集聚影响城市GTFP 的效果分为四类，当市场化水平小于0.352 时，其影响系数为-0.0790，在1%显著性水平下显著；当市场化水平大于0.352，且小于0.409 时，其影响系数为0.0226，未通过显著性检验；当市场化水平大于0.409，且小于0.571 时，其影响系数为0.0830，在1%显著性水平下显著；当市场化水平大于0.571时，其影响系数为0.1484，在1%显著性水平下显著。这说明市场化水平越高，越有利于发挥产业集聚对城市GTFP 的促进作用，综合地方政府干预可知，应进一步营造良好的市场环境，充分发挥市场在资源配置中的决定性作用。

表6 门槛个数及估计值检验

表7 门槛模型估计结果

城市规模存在三个门槛，分别为19.3 万人、51.8 万人、1175.0 万人，城市规模门槛把生产性服务业集聚影响城市GTFP 的效果分为四类，当城市规模水平小于19.3 万人时，其影响系数为-0.2220，在1%显著性水平下显著；当城市规模水平大于19.3，且小于51.8 万人时，其影响系数为0.2359，在1%显著性水平下显著；当城市规模水平大于51.8 万人，且小于1175.0 万人时，其影响系数为0.1220，在1%显著性水平下显著；当城市规模水平大于1175.0 万人时，其影响效果系数为0.4031，在1%显著性水平下显著。这说明城市规模越大，越容易发挥生产性服务业集聚对城市GTFP 的促进作用。可能原因在于，规模较大的城市，其市场潜能越大，加强了产业间的纵向关联和专业化生产，有利于产业集聚提升生产要素的利用效率，降低污染排放，促进城市GTFP 提升。

六、结论与启示

本文分析了生产性服务业集聚影响城市GTFP 的理论机制，采用2003-2016 年中国283个城市的面板数据，考察了生产性服务业集聚对城市GTFP 的影响及门限效应。研究表明：第一，在一定范围内，生产性服务业集聚可以促进城市GTFP 的提升，但过度集聚反而不利于城市GTFP 的提升；第二，生产性服务业集聚通过促进技术创新、改善劳动力错配与资本错配的渠道促进了城市GTFP 的提升；第三，市场化水平越高，城市规模越大，越有利于发挥生产性服务业集聚对城市GTFP 的促进作用。

上述研究结论的政策启示：第一，应优化社会营商环境，支持生产性服务业发展，降低生产性服务业企业在大城市的准入门槛，充分发挥生产性服务业对城市GTFP 提升的促进作用。第二，要在充分掌握生产性服务业的微观数据的基础上，通过空间规划合理科学引导生产性服务业集聚，合理、有序推进生产性服务业在经济总量中的比重，最大程度避免其过度集聚对城市绿色发展带来的不利影响；第三，要不断优化创新环境，加强人才队伍建设，加强区域间人才、知识、技术交流合作，健全市场要素流动体制机制。