生产性服务业集聚对绿色技术创新的影响研究

黄漫宇,余祖鹏,赵 曜

(中南财经政法大学 工商管理学院,湖北 武汉 430073)

一、引言

随着中国“双碳”目标的提出,致力于碳减排和能源节约的绿色技术创新已经上升为国家行动方案[1]。《中华人民共和国国民经济和社会发展第十四个五年规划和二○三五年远景目标纲要》中明确指出应当加快推动绿色低碳发展,支持绿色技术创新。不同于生态创新和环境创新等概念过分强调环境收益,作为绿色创新的重要组成部分,绿色技术创新更加注重环境收益和经济效益的统一,以实现经济活动的可持续发展。绿色技术创新是指涉及原材料、工艺流程、产品设计和生产等环节,在注重获得经济价值的同时兼顾环境生态效益的新型技术创新活动。作为涵盖产前、产中和产后多个环节的绿色技术创新有望产生双重红利,在限制碳排放的同时推动经济的技术现代化,有助于平衡环境保护和经济发展,实现经济绿色发展,如何推动绿色技术创新对于中国实现“双碳”目标则具有重要意义[2-3]。当前,全球经济服务化趋势日益明显,服务业尤其是生产性服务业对技术进步和污染减排的推动作用愈发显现[4]。一方面,生产性服务业集聚对技术进步的影响得到了越来越多学者证实,其能够通过技术溢出和集聚规模效应作用于技术创新过程[5];另一方面,作为能源利用清洁型和知识密集型行业,生产性服务业集聚能降低污染排放规模,提升环境质量,促进城市经济绿色发展。因此,生产性服务业集聚可能对绿色技术创新具有重要影响。

通过梳理已有文献,本文从绿色技术创新的影响因素、生产性服务业集聚与技术创新的关系研究,以及人力资本对绿色技术创新的影响等三个方面进行综述。关于绿色技术创新的影响因素方面,从短期看,绿色技术创新主要依靠政府环境政策,尤其是以环境规制为重要内容的组合型政策和制度安排[6-7]。然而,随着绿色技术创新的深化,仅依靠环境规制并不能持续推动经济增长模式向绿色技术创新型转变,此时技术进步因素对绿色技术创新的驱动作用逐渐凸显并成为主导力量[5]。生产性服务业集聚作为调节市场需求结构以及推动技术进步的重要力量,已成为实现技术创新过程中不可忽视的经济现象[8]。

关于生产性服务业集聚与技术创新的关系研究,原毅军和郭然基于省级面板数据,发现生产性服务业集聚具有技术外部性,有助于技术创新的实现[4]。杜传忠等基于创新过程视角得出,生产性服务业不仅提升了技术创新效率,还缩短了技术创新成本和周期[9]。韩峰和阳立高从空间关联性视角出发,证实了生产性服务业集聚能够产生技术外溢,进而推动本地和邻地技术进步[10]。然而,该类文献忽视了生产性服务业集聚对城市绿色发展的影响。虽然少数学者探究了生产性服务业集聚与绿色创新的关系[11-12],但大多基于投入产出效率维度研究。由于绿色创新的实现是一个复杂过程,单纯从投入产出维度无法很好反映绿色创新产出水平。

在人力资本对绿色技术创新的影响研究中,杨明海等发现,人力资本投资会促进绿色技术创新水平提升,且教育人力资本投资的作用更为明显[13]。张辉和石琳则指出人力资本能够提升区域基础创新能力,而对应用创新能力的提升效应并不明显[14]。赵息和马杰的研究得出人力资本承载了知识、技术和信息等要素,对绿色创新的实现起到了重要作用[15]。然而,该类研究普遍忽视了人力资本对绿色技术创新的空间效应。

总而言之,已有文献为本文拓展性研究提供了重要理论和经验基础,但仍存在以下不足:一是已有文献对生产性服务业集聚与技术创新的关系进行了有益探究,但大多忽视了对绿色技术创新维度的考察,鲜有关于生产性服务业集聚与绿色技术创新的直接研究。作为绿色创新的重要组成部分,绿色技术创新更容易发生在生产制造环节,加之生产性服务业作为制造业部门的中间投入产业,因而探究生产性服务业集聚对绿色技术创新的影响具有重要价值;二是目前关于生产性服务业集聚对绿色技术创新的空间效应研究仍不充分,虽然部分文献考察了生产性服务业集聚对绿色创新的空间溢出效应,但其大多基于省级层面数据。作为生产性服务业集聚的主要形成区域,从城市层面出发能更加直观地探究生产性服务业集聚效应;三是已有文献虽然探究了人力资本对绿色技术创新的作用力,但忽视了其对邻地绿色技术创新的空间效应,且并未充分关注人力资本积累与生产性服务业集聚的互动效应对绿色技术创新的潜在影响,鲜有文献将人力资本积累纳入生产性服务业集聚与绿色技术创新的关系分析框架。

针对已有文献的局限性,本文边际贡献主要包括:一是以绿色技术创新为切入点,考察生产性服务业的集聚效应,是对已有相关研究的有益补充,有助于明晰生产性服务业集聚与绿色技术创新的重要关系;二是结合中国266个城市的面板数据从空间关联视角验证生产性服务业集聚对绿色技术创新的影响,是对关注单一地区或城市绿色技术创新研究的拓展和深化;三是在已有研究基础上,本文不仅考察人力资本积累对绿色技术创新的空间效应,还关注生产性服务业集聚和人力资本积累对绿色技术创新的综合影响,此举有助于进一步明晰生产性服务业集聚影响绿色技术创新的作用机理。

二、理论分析与研究假设

(一)生产性服务业集聚与绿色技术创新

学术界通常将生产性服务业集聚划分为多样化集聚和专业化集聚[10]。生产性服务业多样化集聚能够为集聚地区提供多元化中间产品和服务,其中以信息传输、计算机和软件服务,科学研究和技术服务等为代表的生产性服务业能够为制造企业生产经营环节提供绿色产品和服务,有助于其实现清洁生产和污染减排,以此降低污染治理成本[16]。此外,生产性服务业多样化集聚能够促进企业间的知识交流和技术合作,降低企业获取知识和技术的难度和成本,加快企业内部技术积累,为技术研发的实现奠定基础,有助于企业绿色技术创新的形成。在“偷生意”效应和知识溢出效应作用下,企业间的知识交流和技术合作还有利于引导行业技术研发轨道的形成,降低企业选定研发设计方案的摸索成本,提高行业整体绿色技术进步的可能性[17],从而最终促进城市绿色技术创新。

生产性服务业专业化集聚则易形成专业化中间产品和服务市场,能为制造企业提供专业化清洁生产和污染减排方案,同时专业化集聚所带来的运输成本和交易成本的降低有利于生产性服务企业内和企业间的交流与合作,促进专业分工深化,优化中间产品和服务质量[11]。此外,在加快转变城市经济增长方式背景下,专业化集聚能够提高中间服务市场的竞争程度,激励生产性服务企业加快清洁工艺和技术方案更新,能够为制造企业提供高质量专业化配套服务,以助力其绿色技术研发活动的开展[18]。此举不仅能够提升企业内部能源使用效率,同时也有利于降低污染排放规模,从而促进城市绿色技术创新[19]。

事实上,生产性服务业集聚的技术外部性已不再局限于本地范围,而是能在更大空间范围对绿色技术创新产生影响[10]。一方面,作为知识密集型和能源利用清洁型行业,生产性服务业的集聚成熟度越高,越有利于控制本地污染排放规模和降低能源使用强度[18],减轻地区污染治理压力,但亦可能因此削弱邻近地区从事节能减排的积极性,从而产生绿色技术创新中的“搭便车”行为;另一方面,由于生产性服务业具有明显技术溢出特征,生产性服务业集聚程度越高,不仅对本地技术创新的作用越大,同时对邻地经济发展的辐射能力越强。在“示范效应”下,邻近地区可能产生模仿行为,开展绿色技术创新活动的积极性增强,更加重视绿色技术研发,加大绿色投入力度,从而促进自身绿色技术创新[20]。基于以上分析,提出如下假设:

H1a:生产性服务业集聚能够促进城市绿色技术创新。

H1b:生产性服务业集聚会促进本地绿色技术创新,但对邻地绿色技术创新的影响并不确定。

(二)人力资本积累的调节效应

人力资本理论认为技术创新的主体是人,产业集聚也离不开人力资本参与,共享人力资本“蓄水池”是产业集聚形成的重要动力。人力资本积累有利于提升产业集聚质量,放大和强化产业集聚的技术溢出效应,促进企业间知识传播和技术交流,助推技术创新的实现[21]。一方面,人力资本积累有助于生产性服务业集聚进一步降低企业生产成本,对企业绿色技术创新具有“补偿效应”。与此同时,关联企业能够更易获得专业人才,节约企业人力资本培育成本,为企业将有限资源投入到绿色技术研发从而拓展经济空间;另一方面,人力资本积累能够强化生产性服务业集聚的技术溢出,进而促进绿色技术创新[22]。从企业内部来看,人力资本积累程度越高,越可能形成知识创新,从而有机会实现技术积累和环保技术革新[21]。生产性服务业集聚的本质是一种创新网络,企业间通过各种正式和非正式沟通和交流,营造集体学习氛围,促进企业内部知识创新在地区内企业间的产生、传播和交流,激发新方法、新思想和新产品出现,有利于提升企业绿色技术研发能力,使得企业适应外部市场环境的能力得以增强[17]。从企业外部来看,先进清洁技术的引进和吸收需要人力资本参与,人力资本积累水平越高,企业的技术吸收能力越强,越有利于企业对绿色技术的吸收和创新[22],推出绿色产品和服务,以增强自身市场竞争力。一方面,生产性服务业集聚能够调整市场需求结构,刺激和引导市场绿色需求,为生产性服务企业推出清洁技术和绿色服务方案提供市场空间,实现绿色技术创新的良性循环;另一方面,在市场绿色需求反作用力下,生产性服务业集聚通过不断革新清洁生产工艺和技术服务方案,提升行业整体产品和服务质量,专业化水平和质量不断提升,有利于充分发挥生产性服务业集聚对绿色技术创新的重要作用。

H2:人力资本积累程度越高,生产性服务业集聚对绿色技术创新的正向影响越强。

三、研究设计

(一)空间计量模型构建

本文旨在检验生产性服务业集聚与城市绿色技术创新的空间关联。为考察自变量与因变量间的空间关系,空间计量模型常被用来研究此类问题,借鉴已有研究做法[12],本文的空间计量模型设计如式(1):

GTIit=δ0+ρWGTIit+β1lnPSAit+β2Xit+θ1WlnPSAit+θ2WXit+εit,εit=λWεit+μit

(1)

式(1)中,GTIit为因变量,即城市i在t时期的绿色技术创新水平,lnPSAit为核心自变量,即城市i在t时期的生产性服务业集聚水平,Wij为空间权重矩阵,ρ、θ、λ分别为空间自回归系数、自变量空间滞后项系数和空间自相关系数,若θ=λ=0且ρ≠0,则式(1)为空间滞后模型(SLM);若ρ=θ=0且λ≠0,则式(1)为空间误差模型(SEM);若λ=0,且ρ和θ均不为0,则式(1)为空间杜宾模型(SDM)。Xit为包含交互项在内的所有自变量,β为对应的回归系数,且式(1)中μit满足独立同分布假定。δ0为不随个体变化的截距项。此外,为了考察人力资本积累在生产性服务业集聚影响绿色技术创新过程中的调节效应,本文在式(1)中加入了人力资本积累与生产性服务业集聚的交互项,具体模型设计如式(2):

GTIit=δ0+ρWGTIit+β1lnPSAit+β2Xit+β3lnPSAit×lnhrit+θ1WlnPSAit+θ2WXit+θ3WlnPSAit×lnhrit+εit

(2)

式(2)中,lnhrit为i城市在t时期的人力资本积累水平,lnPSAit×lnhrit表示生产性服务业集聚与人力资本积累的交互项,其他部分设定与式(1)保持一致。

(二)空间权重矩阵设定

1.地理距离矩阵

地理距离权重矩阵(W1)。一般认为,地理距离是影响城市关联程度的重要因素,城市关联程度会随地理距离增加而衰减[11]。本文将地理距离权重矩阵元素定义为式(3):

(3)

其中,Dij为城市间距离,该距离基于城市经纬度数据计算得到。

2.经济距离矩阵

当前,经济联系强弱往往更能体现城市关联程度[23],于是本文基于经济距离构造空间权重矩阵。为了剔除市场价格波动干扰,本文使用观察期内剔除了价格因素的城市人均GDP的均值进行测算,具体计算如式(4)所示:

(4)

(三)变量定义

1.绿色技术创新(GTI)

当前针对绿色技术创新的衡量方法主要有两类:一类是通过数据包络分析方法(DEA)测得的投入产出效率值衡量绿色技术创新;另一类是利用绿色专利来衡量绿色技术创新。由于想法产生和知识流动是一个复杂过程,单纯使用生产效率并不能准确描述创新活动[24]。与之不同,绿色专利作为创新活动的重要成果,能够较好反映绿色技术创新水平。其中,相较于绿色专利授权数量,绿色专利申请数量更为稳定且时效性强[1]。于是,本文借鉴已有文献的做法[1],从国家知识产权局规划发展司公布的《中国绿色专利统计报告》中整理获取各城市绿色专利数据,同时考虑到城市规模不同所造成的绿色专利申请量差异,本文以样本城市年度绿色专利申请数量与专利申请总量之比表征绿色技术创新。

2.生产性服务业集聚

借鉴韩峰和阳立高的做法,从生产性服务业专业化集聚(za)和多样化集聚(da)两种集聚模式出发,深入探究生产性服务业不同集聚模式与绿色技术创新的关系[10]。其中,专业化集聚是通过生产性服务业就业规模占全行业就业规模的比重来衡量,即反映生产性服务业集聚的外部状态,具体计算如式(5)所示:

(5)

与生产性服务业专业化集聚不同,多样化集聚则是考察生产性服务业细分行业的人员就业分布情况,即反映生产性服务业集聚的内部状态。本文借鉴已有文献做法,对生产性服务业多样化集聚进行测度[25],计算方法如式(6)所示:

(6)

式(6)中,s表示生产性服务业种类,Ni,s表示城市i生产性服务业s就业规模与该城市生产性服务业总就业规模的比值。

3.调节变量

人力资本积累(hr)。受教育程度是影响人力资本形成的重要因素,人口受教育程度越高代表城市人力资本积累水平越高。于是,本文借鉴何永达的做法,以大专以上学历学生人数与城市总人数之比表征人力资本积累水平[21]。

4.控制变量

外商直接投资(fdi)。采用人均外商直接投资额来衡量外商直接投资水平,并以2008年为基期对其进行平减处理,并取自然对数后得到实际值。目前学术界主流观点认为,外商直接投资会影响技术创新活动[1],为避免遗漏重要变量,本文将其作为控制变量之一。

政府投入力度(gov)。采用教育和科研事业投入占该城市GDP的比重表征政府投入力度。政府的技术创新投入力度越大,往往越有利于技术创新的实现,因此政府投入力度可能会影响城市绿色技术创新[20],需予以考虑。

城镇化率(urban)。利用地区城镇人口与总人口之比衡量城镇化率。以往研究表明,城镇化率越高的城市往往拥有良好基础设施条件和丰富生产要素,越容易实现技术创新[10]。

经济发展水平(pergdp)。主流学术观点认为,地区经济发展水平会影响地区技术研发投入规模和技术创新水平。本文采用城市人均GDP衡量经济发展水平[13],且以2008年为基准年份对其进行去价格处理,并进行对数化处理后得到观测值。

环境规制强度(er)。已有诸多文献证实,政府环境政策对绿色技术创新具有显著影响[6-7]。于是,本文利用城市环境治理投资额占地区GDP的比重衡量环境规制强度。

(四)数据来源与描述

本文使用的城市面板数据包含266个地级城市,样本区间为2008—2019年。其中,城市层面数据取自公开出版的年鉴资料,各主要变量的描述性统计见表1。由表1可知,在样本期间,中国城市绿色专利申请量占比的平均值约为0.093 6,反映绿色技术创新总体水平偏低,仍有较大提升空间。从生产性服务业集聚来看,多样化集聚指标的平均值为0.722 8,明显高于专业化集聚平均值0.062 6,意味着中国当前生产性服务业多样化集聚更为明显。

表1 变量的描述性统计结果

四、实证结果分析

(一)空间相关性检验

遵照学术界通常做法,在使用空间计量模型前需要对变量进行空间相关性检验,具体检验结果如表2所示。可以看出,无论在何种空间权重矩阵下,绿色技术创新的全域Moran指数在2008—2019年期间均显著为正。该结果表明,中国城市绿色技术创新具有明显空间正相关关系,即意味着绿色技术创新水平较高城市被其他水平较高城市所包围;绿色技术创新水平较低城市被其他水平较低城市所包围,城市绿色技术创新呈现出“高高—低低”的空间聚集特征。

(二)基准回归分析

首先,为了判断是否应该使用空间计量模型,本文进行了LM检验,表3结果证实Robust LM和LM值均通过5%水平的显著性检验,即拒绝了联合非显著的原假设,说明本文使用空间计量模型是合适的。其次,本文通过比较非空间面板模型残差项的稳健性拉格朗日乘数判定应该采用何种空间计量模型,此外还需要依据Wald和LR值考察SDM是否能被SLM和SEM所替代,如果该假设成立,则不应采用SDM进行回归分析,具体参数估计结果见表3。可以发现,Wald和LR值均通过了显著性检验,即SDM不能被SLM和SEM所替代。最后,对模型进行了Hausman检验,表3中Hausman test的参数估计值通过了1%水平的显著性检验,表明应选择固定效应。综上所述,本文应采用基于固定效应的空间杜宾模型。

表2 空间相关性检验结果

为了考察和验证生产性服务业集聚对绿色技术创新的效应及作用机制,利用空间杜宾模型,基于经济距离权重矩阵进行实证检验,具体回归结果如表4所示。可以看出,表4列(2)中lnda的直接效应系数和溢出效应系数均为正,且通过了1%水平的显著性检验,即生产性服务业多样化集聚(lnda)促进了本地和邻地绿色技术创新,说明生产性服务业多样化集聚不仅能为当地提供中间商品和服务,而且对邻地发展具有技术溢出效应[18]。表4列(2)中lnza的直接效应系数在1%水平显著为正,而其溢出效应系数显著为负,这意味着生产性服务业专业化集聚(lnza)对本地绿色技术创新具有显著促进作用,却不利于邻地绿色技术创新。产生该结果的原因可能是,目前中国生产性服务业专业化集聚水平较低,导致生产性服务业发展同制造业需求脱节[10],邻地制造业发展难以从本地获得有效绿色技术溢出。因此,本文假设H1a和H1b得证。

表3 空间计量模型识别与检验

表4列(2)中人力资本积累(lnhr)的直接效应系数和溢出效应系数均显著为正,意味着人力资本积累有利于本地绿色技术创新,且在空间关联性影响下,人力资本积累也会促进邻地绿色技术创新。表4列(3)和列(5)中交互项lnda×lnhr的直接效应系数和溢出效应系数均显著为正,说明人力资本积累不仅能够增强生产性服务业多样化集聚对本地绿色技术创新的正向影响,也强化了多样化集聚对邻地绿色技术创新的溢出效应。在表4列(4)和列(5)中加入生产性服务业专业化集聚与人力资本积累交互项(lnza×lnhr)后,lnza×lnhr的直接效应系数通过了10%水平的显著性检验,其溢出效应系数则未通过显著性检验,这说明人力资本积累能够增强生产性服务业专业化集聚对本地绿色技术创新的正向影响,但对邻近城市绿色技术创新的影响较弱。可能的原因是,当前中国生产性服务业专业化集聚成熟度低,无法产生有效知识和技术溢出[10]。此外,人力资本向发达城市过度集中会压缩邻地生产性服务业发展空间,导致邻地绿色技术创新提升效果不明显。由此,本文假设H2得证。

(三)稳健性检验

1.替换空间权重矩阵

为了考察生产性服务业集聚对绿色技术创新影响结果的稳健性,本文通过构建地理距离空间权重矩阵替代经济距离空间权重矩阵,且为保证估计结果的可比性,本文依然采用空间杜宾模型进行稳健性检验,具体回归结果见表5。同表4的基准回归结果相比,表5列(1)至列(5)中各变量的直接效应系数和溢出效应系数大小、符号及显著性均未发生明显变化,这说明本文的基准回归结果较为稳健。

2.替换因变量

部分学者指出,绿色发明专利授权成果的获得需要投入大量资金和时间,因而含金量更高,更能反映绿色技术创新水平[1]。于是,本文使用样本城市年度绿色发明专利授权量与发明专利授权量之比衡量城市绿色技术创新,具体回归结果如表6所示。由表6可知,生产性服务业多样化集聚和专业化集聚的直接效应系数和溢出效应系数均通过了显著性检验,且与表4结果基本一致,这说明即使替换了因变量的衡量方法,本文的基准回归结果亦较为稳健。

表4 基准回归结果

表5 替换空间权重的回归结果

表6 替换因变量的回归结果

3.内生性问题

由于绿色技术创新水平越高,城市经济发展水平往往越高,越有利于生产性服务业集聚[12]。为避免反向因果问题导致的估计误差,本文遵照学界的常用处理方法,分别采用系统GMM和2SLS对式(1)进行估计,具体结果见表7。可以发现,系统GMM和2SLS回归结果下的Difference in J-stats值未通过显著性检验,即拒绝原假设,说明核心自变量的内生性问题较弱,不会对本文的研究结果产生系统性影响。另外,表中各变量的估计系数均通过了显著性检验,且与本文基准回归结果无显著差异。综上所述,在考虑内生性问题的情形下,本文的研究结果依然较为稳健。

(四)异质性分析

1.行业异质性

已有文献发现,产业中不同技术密度行业所形成的集聚对技术创新的影响往往存在差异[4]。为了检验生产性服务业集聚对绿色技术创新的影响是否也存在行业差异,本文参考已有研究的分类方法[23],依据行业技术密集度属性,将生产性服务业划分为高端生产性服务业和一般生产性服务业[注]借鉴韩峰等(2021)的划分做法,本文定义高端生产性服务业包括信息传输、计算机服务和软件业,金融业,科学研究、技术服务和地质勘探业;一般生产性服务业包括交通运输、仓储和邮政业,租赁和商务服务业。,具体回归结果如表8所示。可以看出,高端和一般生产性服务业集聚对本地及邻地绿色技术创新的影响具有显著差异。高端生产性服务业集聚对本地和邻地绿色技术创新的影响系数均显著,且其专业化集聚对本地绿色技术创新的影响为正,对邻地绿色技术创新的影响为负,这说明高端生产性服务业多样化集聚不仅会促进本地绿色技术创新,还会对邻地绿色技术创新产生正向影响且作用更强,而专业化集聚仅对本地绿色技术创新具有正向影响。另外,高端生产性服务业集聚与人力资本积累的交互项lnza×lnhr和lnda×lnhr的直接效应系数和溢出效应系数均通过了显著性检验,这说明人力资本积累会强化高端生产性服务业集聚对绿色技术创新的作用力。一般生产性服务业集聚及其与人力资本积累的交互项对本地绿色技术创新的影响系数通过显著性检验,而对邻地绿色技术创新的影响系数均未通过显著性检验,这说明一般生产性服务业集聚对邻地绿色技术创新的影响较弱,且此时人力资本积累对两者关系的调节作用尚未充分发挥。可能的原因是,一般生产性服务业的技术密度相对低,该类行业集聚所形成的技术外溢通常较弱,对邻地绿色技术创新的影响有限。此外,一般生产性服务业门槛约束较弱[23],容易形成产业过度集聚,引发不当竞争,由此形成的“拥塞效应”会抵消集聚产生的正外部效应,导致其对绿色技术创新的影响不明显。

表7 内生性检验结果

表8 行业异质性考察结果

2.城市规模异质性

已有研究指出,生产性服务业大多集聚在经济发达和要素丰富的大城市,因此生产性服务业集聚与城市规模往往存在着密切关联[16],有必要对不同规模城市的生产性服务业集聚进行考察。于是,本文依据2014年国务院印发的《关于调整城市规模划分标准的通知》(以下简称《通知》)内容对城市规模进行划分[注]此处依据2014年国务院印发的《通知》内容,由于本文样本中人口规模小于100万的城市占比低,为了避免因样本量过小导致的伪回归问题,特将Ⅰ型小城市、Ⅱ型小城市以及中等城市归集为中小城市类型;将城区常住人口100万以上500万以下的城市归为大城市类型;城区常住人口500万以上的特大及超大城市被划定为超大及以上城市类型。大城市和超大及以上城市类型依然按照《通知》标准进行划分。。同时,为避免部分类型城市因样本过少而出现伪回归,本文将《通知》中列出的小城市与中型城市进行合并,将超大城市与特大城市亦进行合并,最终将266个样本城市分为三类,分别是特大型及以上城市、大型城市和中小型城市。为保证估计结果的可比性,本文采用空间杜宾模型基于经济距离空间矩阵对三类城市进行实证考察,具体回归结果见表9。

如表9所示,特大型及以上城市生产性服务业集聚的直接效应系数通过了5%水平的显著性检验,且其溢出效应系数在1%水平上显著为正。这一结果表明,特大型及以上城市的生产性服务业集聚不仅会促进本地绿色技术创新,还会促进邻地绿色技术创新。该结果的原因可能是,一方面,特大型及以上城市因区位优势明显,能够为生产性服务业发展提供要素和制度支持,加之该类城市高端生产性服务业占比较高,有利于发挥生产性服务业集聚的“创新效应”,促进绿色知识和技术溢出,从而推动本地绿色技术创新。此外,由于特大型及以上城市的经济辐射能力较强,因此邻近城市有机会共享本地产业集聚优势,吸收和引进人才、资本和技术以促进自身产业结构优化和升级,从而推动邻地绿色技术创新。

从表9中还可以发现,大型城市生产性服务业集聚的直接效应系数显著为正,其溢出效应系数则显著为负。这意味着大型城市生产性服务业集聚会促进本地绿色技术创新,但会抑制邻地绿色技术创新。可能的原因是,相较于特大及以上城市,大型城市高端生产性服务业成熟度仍有较大提升空间,知识和技术溢出效应不够强劲,仅能够满足本地发展所需,因而对邻地经济辐射能力不足。不仅如此,部分大型城市还存在过度吸收邻地生产要素的弊端,生产要素向大型城市的集中在一定程度上会剥夺邻地城市发展空间,导致其绿色技术创新进展缓慢[23]。

此外还可以看出,中小型城市生产性服务业集聚的直接效应系数和溢出效应系数均未通过显著性检验。这一统计结果表明,中小型城市生产性服务业集聚对本地和邻地绿色技术创新的作用微弱。其原因可能是,中小型城市区位优势欠缺,城市吸引力较弱,这一方面导致本地引进和培育中高端生产性服务业难度较大且进程缓慢;另一方面也导致本地一般生产性服务业占比过高,技术和知识溢出效应较为有限,因而对绿色技术创新的作用不足。

五、研究结论与启示

绿色技术创新为中国“双碳”目标的实现提供了重要方案,而生产性服务业集聚因具有明显技术外部性,在推动城市绿色技术创新过程中扮演着愈发重要的角色。本文从理论层面分析了生产性服务业集聚与绿色技术创新的空间关联性,并结合中国城市层面数据,借助空间杜宾模型实证检验了生产性服务业集聚和人力资本积累对绿色技术创新的综合影响及作用机制。研究结果发现,生产性服务业集聚能够促进城市绿色技术创新。在经过一系列稳健性检验后,本文研究结果依然稳健。作用机制分析得出,生产性服务业多样化集聚促进了本地和邻地绿色技术创新,生产性服务业专业化集聚仅有利于本地绿色技术创新。人力资本积累提升了生产性服务业集聚对绿色技术创新的作用强度。异质性分析表明,人力资本积累和生产性服务业集聚对绿色技术创新的综合影响存在行业和城市异质性。相较于低端行业、大型及中小型城市,人力资本积累对生产性服务业集聚与绿色技术创新关系的调节作用在高端行业和特大型及以上城市的表现更为明显。

基于以上研究结论,本文得到如下政策启示:(1)应当重视生产性服务业集聚质量,增强产业集聚对绿色经济发展的支撑作用。一方面,城市发展需要重视生产性服务业多样化集聚的强大带动作用,通过强化与邻近城市的合作与交流,扩大和提升生产性服务业多样化集聚的地理辐射范围和效应强度;另一方面,应提升生产性服务业专业化集聚质量,在细分行业提质增效中充分发挥生产性服务业集聚的绿色技术创新效应,缓解因低质量专业化集聚带来的集聚效应不足和产业空间错配问题。(2)应通过强化人力资本积累提升生产性服务业集聚效应。生产性服务业的良性健康发展离不开人力资本深度参与。地方政府应构建流动高效、顺畅的人力资本市场,搭建和完善服务业开放平台,引导各类人才融入生产性服务业,为生产性服务业发展壮大创造有利条件,增强生产性服务业集聚效应,促进绿色技术创新。(3)注重生产性服务业集聚的协同发展,促进区域绿色技术创新收敛。一方面,大城市在向中小城市适度转移一般生产性服务业的同时,优化本地高端生产性服务业集聚质量,以提高产业集聚对新知识和新技术的贡献程度,形成知识溢出和技术扩散,为企业绿色技术创新提供支持;另一方面,中小城市应该结合自身条件合理承接大城市的生产性服务业梯级转移,实现错位竞争,壮大生产性服务业规模,不断优化生产性服务业集聚结构,进而助力绿色技术创新的实现。