生产性服务业集聚对城市绿色全要素生产率的影响研究——以中原城市群为例*

● 高云虹，何骏敏，王文铎

（兰州财经大学 经济学院，甘肃 兰州 730020）

一、引言

党的十九大报告指出，我们要建设的现代化是人与自然和谐共生的现代化，即在发展的过程中要坚持绿色发展理念。在现代化进程中，城市群更能充分发挥出资源优化配置、辐射带动的巨大优势，实现城市群内城市间的协调和快速发展。在黄河流域生态保护和高质量发展背景下，中原城市群①根据《中原城市群发展规划》的划分，中原城市群可划分为：郑州大都市区（郑州、开封、新乡、焦作、许昌）；核心发展区（郑州、开封、新乡、焦作、许昌、洛阳、平顶山、漯河、鹤壁、商丘、周口、济源、晋城、亳州）；东部承接产业转移示范区（淮北、蚌埠、宿州、阜阳），南部高效生态经济示范区（驻马店、南阳、信阳）；西部转型创新发展示范区（三门峡、运城）；北部跨区域协同发展示范区（安阳、濮阳、长治、邢台、邯郸、聊城、菏泽）。作为黄河中下游的重要组成部分，截至2019 年底，其地区生产总值达到79 680.18 亿元，占全国8.04%；常住人口16 433.3 万人，占全国总人口的11.74%；城镇化率达到52.65%，而面积仅占全国的3%②数据由作者根据国家统计局、《2019年河南省国民经济和社会发展统计公报》、中原城市群其余各市2019年国民经济和社会发展统计公报与《中原城市群发展规划》整理计算所得。。并且在2016 年《中原城市群发展规划》中指出：“将中原城市群建设成为先进制造业和现代服务业基地、绿色生态发展示范区，实现中原城市群的科学发展，促进中部地区崛起。”目前，要想实现中部地区的崛起，就要打造中原城市群增长极，合理规划生产性服务业这个具有低能耗、低污染、高技术等特点的现代服务业集聚。生产性服务业能把专业化劳动力和先进知识通过产业间关联渗透进入制造业，推动制造业结构升级向先进水平进发。同时结合绿色发展理念，绿色全要素生产率（后文简称绿色TFP）恰好能比较全面地反映经济增长和节能减排有机结合后的综合发展状况。因此，本文基于生产性服务业集聚的节能减排效果来研究中原城市群生产性服务业集聚对绿色TFP 的影响具有重要理论和现实意义。

二、文献综述

就绿色TFP 的影响因素而言，主要受到产业集聚[1-2]、技术创新[3-4]、环境规制[5-7]、对外开放[8-11]、数字金融[12]、财政分权[13]等的影响，这些影响因素在一定条件下均可促进绿色TFP 提升。关于生产性服务业集聚对绿色TFP 的影响，多数研究认为，生产性服务业集聚有利于绿色TFP 提升[14]，且存在明显的行业与地区异质性[15]。进一步将生产性服务业集聚分解为专业化集聚与多样化集聚发现，多样化集聚有利于促进本地及邻近区域绿色TFP 提升；专业化集聚对本地绿色TFP 具有促进作用，对邻近区域绿色TFP 提升则不具有促增效应[16-17]。但也有研究表明，多样化集聚也能够促进邻近区域绿色TFP 增长[18]，且高端生产性服务业专业化和多样化集聚均能促进本地绿色生产率提升[19]。

虽然已有研究较为详细地讨论了生产性服务业集聚对绿色TFP 的影响，但多数研究基于全国各省份或地级市，对于城市群的关注较少。事实上，伴随着中国城市化与工业化进程的不断加快，以城市群为代表的集聚经济已然成为中国经济发展新的增长极[20]。同时，已有文献对生产性服务业集聚和绿色TFP 的研究多从专业化和多样化集聚的角度进行讨论，鲜有文献对这二者中不同类型的行业做进一步细化研究，无法明确区分高端与低端生产性服务业在专业化、多样化集聚中的不同作用效果。综上所述，本文从城市群视角研究生产性服务业集聚对绿色TFP 增长的影响，以专业化、多样化集聚为基础，运用空间计量模型探究中原城市群生产性服务业集聚和分高、低端异质性的生产性服务业集聚对其绿色TFP 增长的影响，具有一定的意义。

三、影响机制分析

产业结构升级与技术进步是环境效应提升的重要动力源泉[21-22]。生产性服务业作为促进工业技术进步、产业升级和提高生产效率的新兴产业[23]，其蓬勃发展便意味着产业逐渐由劳动密集型向资本和知识密集型转变的过程。在此过程中，生产性服务业低能耗、低污染、高技术等特质对于环境正外部性逐渐得到体现，可以有效提升地区绿色TFP，且往往存在显著的空间溢出特性[19]。概括而言，区域生产性服务业集聚主要通过其规模经济效应、空间溢出效应和产业关联效应对绿色TFP 产生影响③由于无论是生产性服务业本身还是区分为高低端生产性服务业，在“规模经济效应”和“产业关联效应”中的影响机制大致相同，因此，此处不再细分赘述，均由生产性服务业来统称。。

（一）规模经济效应

生产性服务业集聚影响绿色TFP 的规模经济效应主要通过其专业化和多样化空间集聚展开。就专业化空间集聚层面而言，一方面，生产性服务业的专业化集聚会加强本地相同生产性服务业内不同企业间的资源共享。从劳动力共享来看，单个企业会由于劳动力共享拥有源源不断的优质劳动力供给。这样的劳动力供给会使某生产性服务业单个企业内部形成更专业化的分工，同时管理制度不断完善，管理效率得以提升，促使劳动生产熟练度提高，劳动生产率提升，从而促进绿色技术效率的增长。同时，劳动生产率的提升能够加快扩大企业生产规模，促进人力资本积累、专业知识的产生和本地范围内溢出以及生产技术的革新，尤其是绿色技术的革新，这使得企业生产方式由粗放型转向集约型，实现了绿色技术进步，从而能够有效地减少能源消耗，控制污染排放，提高本地绿色TFP。从中间品共享来看，劳动分工思想同样适用于同一生产性服务业内不同企业间的分工合作[24]。同一生产性服务业专业化空间集聚，能够促使该生产性服务业内不同企业间出现更细的企业分工，即中间品生产企业的增多。中间品生产企业也会因专业化分工而规模收益递增，促进绿色技术效率提升，从而有效削减该行业内企业的搜寻、生产、交易以及减排等成本，并促进更专业化的知识技术产生和本地范围内的溢出，实现绿色技术进步，最终促进生产环节向低污染、高附加值的两端延伸，推动城市产业结构优化升级，并通过使用更多的节能环保生产技术及服务来替代物质能源消耗，进而实现生产端的节能减排和环境友好[25]。但由于企业分工协调成本的存在，企业间分工合作具有一定上限[26]。从基础设施共享来看，本地同种生产性服务业企业由于共享本行业所需的基础配套设施，在一定限度内，每增加一个本行业企业，相应基础配套设施使用的边际成本将会有所降低，使得本地相应基础配套设施得到更充分地利用，从而提升了绿色技术效率。但另一方面，生产性服务业的专业化集聚会加强本地相同生产性服务业内不同企业间的资源竞争。其内部各企业间由于对优质劳动力、中间产品、基础配套设施等“俱乐部”性质的生产要素竞争和出于对企业可持续发展的考虑，将会加快自身绿色创新以及绿色新技术的引进来实现绿色技术进步，并将通过吸引更多优质劳动力、占据更多共享资源来提高自身市场竞争力，进而激发市场活力，有效推动地区实现绿色生产。同时，由于公共资源的有限性与非排他性，行业内企业间的过度竞争则会挤占相关资源并产生拥挤效应，从而降低资源配置效率，进而对绿色技术进步和绿色技术效率带来消极影响。

就多样化空间集聚层面而言，可以通过区位优势、本地范围内的知识技术互补和劳动力市场共享，使本地不同类型生产性服务业之间形成范围经济，即多样化基础上的规模经济。从区位优势来看，在生产性服务业多样化空间集聚创造的多样化环境下，不同生产性服务业企业更易找到自身最优的生产区位，以及获得创新所需的信息搜寻，形成生产性服务业多样化的区位优势。从知识技术互补来看，因为不同行业生产性服务业企业间差异化的知识和技术碰撞，某生产性服务业企业的技术进步将带动本地其他行业生产性服务业互补性技术创新，形成知识技术进步互利链，共同推动本地整个产业技术进步，提升本地绿色生产水平。从劳动力市场共享来看，多样化的行业格局会产生多样化的劳动力市场，进而培养出多样化的劳动力人才。具有不同学科知识背景的创新人才，交流合作更易形成满足对方生产所亟需的新思想、新技术，绿色生产新思想和新技术也可得到补充，获得交流外部性；同时，多样化的劳动力市场环境能够培养出多学科背景的科研团队，跨学科交流的机会得到大大增加[27]。以上三方面共同促进绿色技术进步，进而提升本地绿色TFP。

总之，生产性服务业专业化空间集聚主要通过劳动力、中间品、基础设施的共享与竞争，以及专业知识技术本地范围内溢出来促进绿色技术效率提升和绿色技术进步，从而促进本地绿色TFP提升。生产性服务业多样化空间集聚主要通过区位优势、本地范围内的知识技术互补和劳动力市场共享来促进绿色技术进步，进而促进本地绿色TFP 提升。

（二）空间溢出效应

生产性服务业的空间溢出效应即指其专业化和多样化空间集聚对邻近区域绿色TFP 的影响路径。从生产性服务业自身来看，本地区生产性服务业专业化和多样化空间集聚不仅会通过规模经济效应影响本地的绿色TFP，而且均会产生比较强的知识技术空间溢出效应来影响邻近区域的绿色TFP。本地企业通过和邻近区域相关行业进行生产技术的交流与合作，将专业化知识和技术不断向邻近区域进行梯度传递，可加快邻近区域生产性服务业的模仿创新和生产技术进步，使得企业能利用较低的成本，凭技术进步获得规模经济递增，产生对邻近区域有益的“扩散效应”[28]。但邻近区域要产生上述正效应，首先需具备一定的相关技术型人才，即人力资本储备，其次需配备模仿创新相关的基础设施、设备，以及企业资金和周边地方政府相关政策的支持。因此，低端与高端生产性服务业由于自身特性的不同，上述正效应所带来的效果也会有所区别。从低端生产性服务业来看，由于低端生产性服务业具有低技术含量和低附加值的特点，并缺少当地政府政策倾斜，更易遭受本地“极化效应”的影响，这表现为剥夺邻近区域的人才和资金等发展要素；同时人才又是知识和技术的重要载体，人才的剥夺将造成邻近区域的知识、技术同步流失，从而弱化了生产性服务业空间集聚的正向溢出，其对邻近区域绿色TFP 的提升作用减弱，导致低端生产性服务业空间集聚“极化效应”大于“扩散效应”。从高端生产性服务业来看，高端生产性服务业更具备现代服务业特征，更易取得政府财政补贴、税收减免等优惠，在一定程度上可弥补企业资金不足和购买相关研发设备的资金。并且高端生产性服务业也会为留住相关人才给出大量优惠条件，使人才流失不会过于严重。这就使周边高端生产性服务业可凭借上述优势，对本地生产性服务业的知识溢出进行学习、吸收，帮助其以较低的成本进行创新，产生新的技术和知识，促进更利于生产、利于环境的全方位技术进步，从而有效提升邻近区域的绿色TFP 水平，即高端生产性服务业空间集聚“扩散效应”大于“极化效应”。

总之，生产性服务业专业化和多样化空间集聚均能通过知识技术溢出促进邻近地区生产性服务业绿色技术进步，进而提升绿色TFP。其中，高端生产性服务业因其“扩散效应”大于“极化效应”而促进邻近区域绿色TFP 提升，低端生产性服务业则因“极化效应”大于“扩散效应”而对邻近区域绿色TFP 的提升存在削弱甚至抑制作用。

（三）产业关联效应

产业关联效应在本文指的是生产性服务业专业化和多样化空间集聚通过为本地和周边制造业提供服务进而对本地和邻近区域绿色TFP 产生影响的路径。生产性服务业在为制造业提供服务的过程中，可以从两方面来促进绿色TFP 提升。一方面是降低制造业服务成本，通过降低制造业中间品的运输、集装等上下游产业链上的服务费用，直接削减本地制造业生产成本[29]，提高其生产效率，从而促进了绿色技术效率提升。另一方面是倒逼制造业创新升级，作为低能耗、低污染的新兴产业，生产性服务业在提供生产性服务的过程中会将环保知识和绿色生产技术渗透进入制造业各个环节，倒逼本地制造业进行创新与引进绿色生产技术，使其能够达成和生产性服务业更优的组合，形成绿色生产，促进了绿色技术进步。同时，生产性服务业通常会受制于本地市场规模的有限性，而不得不逐步向邻近区域制造业提供生产性服务，即生产性服务业空间集聚不仅可以为本地制造业提供生产性服务，还可以为周边制造业提供服务[30]，通过削减其生产成本和倒逼其创新升级，促进邻近地区制造业绿色生产。

总之，生产性服务业专业化和多样化空间集聚可以通过削减制造业服务成本来促进其绿色技术效率提升，通过倒逼制造业创新升级来促进其绿色技术进步，进而促进本地与邻近地区绿色TFP 提升。综上所述，生产性服务业空间集聚影响绿色TFP 的作用机制如图1 所示，基于此，本文提出假设1、假设2 和假设3：

图1 生产性服务业集聚影响绿色TFP的作用机制图

H1：生产性服务业专业化和多样化空间集聚均能够显著提升本地及邻近地区绿色TFP 水平。

H2：高端生产性服务业空间集聚能够有效提升本地及邻近地区绿色TFP 水平，即“扩散效应”大于“极化效应”；低端生产性服务业空间集聚会提升本地绿色TFP 水平，但会弱化甚至抑制对邻近地区绿色TFP 的提升，即“极化效应”大于“扩散效应”。

H3：生产性服务业空间集聚可以通过促进绿色技术效率提升和推动绿色技术进步来提升绿色TFP。

四、模型设定与变量说明

（一）模型设定

参考Miller 等[31]的方法，本文构建三种空间计量模型，分别为空间误差模型（SEM）、空间滞后模型（SAR）以及空间杜宾模型（SDM）。具体公式如下所示：

其中，GTFPit表示t 期城市i 的绿色全要素生产率，即本文核心被解释变量；SAit、DAit分别表示t 期城市i 的专业化和多样化空间集聚指数，即本文核心解释变量；Xit表示控制变量；εit为随机扰动项，ρ为空间自相关系数，反映邻近区域绿色TFP 对本地区绿色TFP 的影响，λ为空间误差系数，反映邻近区域随机扰动项对本地区绿色TFP 的影响。结合（1）式和（2）式，当λ= 0 时，模型为SAR 模型；当ρ= 0 时，模型为SEM 模型。（3）式为SDM 模型，α1、β1表示核心解释变量的空间自回归系数；φ1表示邻近区域控制变量对本地绿色TFP 的影响；Wij是空间权重矩阵，表示不同地区间的联系强度。按照地理学第一定理：“所有事物均有关，且越靠近关系越紧密”。因此，本文设定空间权重矩阵为邻接矩阵，如（4）式所示，并将每行元素标准化为1。

（二）变量说明

本文选取2006—2018 年中原城市群30 个城市的数据进行实证分析。其中，计算历年ML 指数的数据主要来源于2006—2019 年的《中国城市统计年鉴》《河南统计年鉴》《安徽统计年鉴》《山东统计年鉴》《河北经济年鉴》《山西统计年鉴》、EPS数据库，以及各市相应年份的环境质量统计公报、国民经济和社会发展统计公告、各市的统计年鉴等④关于异常值和缺失值：长治、晋城、运城三市2017、2018年固定资产投资因采用新口径，故使用这三市的固定资产投资增长率来估算。个别缺失值利用线性插值法和二次移动平均法进行补全。，再经MaxDEA4.0 软件运算和累乘得到2006—2018 年的绿色全要素生产率（GTFP）、绿色技术效率变化（GEC）和绿色技术变化（GTC）的绝对值。计算生产性服务业专业化空间集聚指数（SA）、多样化空间集聚指数（DA）和系列控制变量的数据，主要来源于2007—2019 年的《中国城市统计年鉴》⑤由于2018年的《中国城市统计年鉴》未统计全市第三产业产值，所以2017年的各市第三产业产值来源于各市所在省的统计年鉴。。不失一般性的，本文将涉及货币衡量的变量平减为2005 年不变价格的可比序列，同时对所有变量取对数以确保数据平稳性。

绿色TFP 的测度。本文测度绿色效率值的模型为基于规模报酬可变和包含非期望产出的非导向超效率SBM 模型。综合已有研究和本文研究对象，此模型能够有效避免“松弛偏误”问题，且效率值可以在考虑非期望产出对测算结果产生影响的条件下得到进一步区分。模型设定为：

在（5）式和（6）式中，ρ为的替代符号，下标k为决策单元（DMU），x为投入指标，yd为期望产出指标，yu为非期望产出指标；n表示决策单元数量，m表示投入指标数量，q1和q2表示期望产出和非期望产出指标数量。令各城市均包含投入、期望与非期望产出向量，则满足x∈Rm，yd∈Rq1，yu∈Rq2；X=[x1x2…xn]∈Rm×n，。由于该模型为静态模型，为体现城市绿色TFP 动态变化情况，本文基于上述模型，测度t 到t + 1期的Malmquist-Luenberger 指数[32]：

进一步的，将其分解成技术效率变化（EC）与技术变化（TC）：

在（7）式、（9）式和（10）式中，若ML、EC、TC大于1，则分别表示绿色TFP 提升、绿色技术效率提高以及绿色技术进步，反之则表示下降。测算绿色TFP 时，其具体衡量指标主要分为投入、产出两大类，详细计算方式见表1。同时鉴于计算结果ML 指数、EC 指数和TC 指数均为环比变化指数，为获得相应年份的绝对值，分别令2005 年的绿色TFP、绿色EC 和绿色TC 值为1，并以此为基期累乘计算2006—2018 年的绿色TFP、绿色EC 和绿色TC 的绝对值来进行实证分析。

表1 绿色TFP的投入产出指标的计算方式

生产性服务业集聚的测度。参考国家统计局《生产性服务业统计分类（2019）》和曾艺等[35]的分类方式选取本文生产性服务业研究对象，同时借鉴韩峰等[36]的分类方式，将其分为高端与低端两大类（选取并将“交通运输、仓储和邮政业”，“批发和零售业”，“租赁和商务服务业”，“水利、环境和公共设施管理业”归为低端生产性服务业；将“信息传输、软件和信息技术服务业”，“金融业”，“科学研究和技术服务业”归为高端生产性服务业）。为体现不同的集聚模式，本文将从专业化和多样化两个方面展开进行讨论。在选择生产性服务业专业化集聚的测度指标时，本文参照张素庸等[16]和Ezcurra 等[37]的方法，不单纯考虑某城市某年某生产性服务业的专业化程度，而是综合考虑某城市某年全部生产性服务业的专业化程度；并在此基础上，通过加入地理距离外溢衰减指数dik[38]，以体现生产性服务业不会仅局限于本地市场范围为制造业提供服务，还会向附近地区制造业提供服务[30]，最终构建的生产性服务业专业化空间集聚指标表达式为：

（11）式中，SAi、HSAi、LSAi分别表示城市i 的全部、高端和低端生产性服务业专业化空间集聚指数。Sij为城市i 中某（高端或低端）生产性服务业j 的就业人数，Si为城市i 中所有行业就业人数，S'j为除城市i 外某（高端或低端）生产性服务业j 的就业人数，S'为除城市i 外的中原城市群就业人数。dik表示城市i 和城市k之间的地理距离，当i=k时，dik= 1。如果这个指数愈大，那么就反映出该市生产性服务业专业化集聚度愈大，且对附近区域影响也愈大。在测度生产性服务业多样化集聚时，本文借鉴Combes[39]的基础上，将地理距离外溢衰减指数纳入其中，表达式为：

（12）式中，DAi、HDAi、LDAi分别表示城市i 的全部、高端和低端生产性服务业多样化空间集聚指数。Sij、Si、dik意义同上。Sij'为城市i 中除某（高端或低端）生产性服务业j 以外某生产性服务业j'的就业人数，Sj'为除某（高端或低端）生产性服务业j外中原城市群中某生产性服务业j'的就业人数，S 为中原城市群所有行业的就业人数，Sj为中原城市群生产性服务业j的就业人数。

如图2 所示，两散点图均由390 个点分别表示（11）、（12）式测算出的2006—2018 年中原城市群30 个城市生产性服务业专业化、多样化空间集聚指数与前文测算出的绿色TFP 的相关性，结果显示两者间都呈正相关。

图2 中原城市群专业化、多样化空间集聚指数与绿色TFP的相关性

控制变量。（1）环境规制（ER）。借鉴赵明亮等[11]的方法，通过工业废水排放量、工业SO2排放量与工业烟（粉）尘排放量之和与GDP 之比的倒数表征，其值越大，则环境规制越强。（2）对外开放程度（OD）。采用实际利用外资额与地区生产总值的比值来表征。同时使用对应年份的汇率将其折算成人民币。（3）产业结构（IS）。采用第三产业产值占地区生产总值来表征。（4）市场化程度（MAR）。借鉴胡绪华等[40]的做法，通过地区生产总值与地方预算内支出之差占地区生产总值的比值来表征，其值越大，表示市场化程度越高。（5）人力资本水平（HC）。采用每万人在校大学生人数来表征。（6）城市规模（CS）。采用全市年末户籍人口数来表征。变量描述性统计，详见表2。

表2 主要变量描述性统计

五、实证结果分析

（一）核心变量空间相关性检验

借鉴张馨之等[41]的分析方法，通过Kronecker积（M=It⊗W）把截面空间矩阵转为面板空间矩阵。同时利用上述矩阵，分别对专业化、多样化集聚指数以及绿色TFP 进行空间相关性检验，由表3 所示，三者都具有显著的空间自相关性。

表3 核心变量的空间自相关检验结果

（二）空间计量模型检验

首先参考Anselin 等[42]和Elhorst[43]先后提出的空间面板数据的LM 检验和稳健的LM 检验，对混合模型的残差进行检验；然后进行SDM 模型的简化检验和双向固定效应SDM 模型的Hausman 检验（16.77，P=0.0326），结果如表所示。综合检验结果，最终选取双向固定效应的SDM 模型来进行实证研究。

表4 空间计量模型的检验

（三）空间模型基准回归分析

表5 列出了SEM、SAR 和SDM 模型的实证结果。由于SDM 模型利用点估计来直接阐释各变量对绿色TFP 的边际影响是无效的，故采用偏微分法将总效应分解为直接效应和间接效应，进而更有效地解释各变量对本地区与邻近区域绿色TFP 的边际影响。回归结果如表6 所示。

表5 空间模型基准回归

表6 SDM模型的直接效应、间接效应和总效应

从表6 可以看出，结合直接效应与间接效应，生产性服务业专业化空间集聚对本地与邻近区域绿色TFP 提升均有显著的正向影响；而其多样化空间集聚对本地和邻近区域绿色TFP 影响则不显著。可能的原因在于：中原城市群的生产性服务业仍处于发展的初级阶段，整体发展程度相对较低，没有形成足够支撑生产性服务业多样化空间集聚的市场环境，使其无法以较低成本寻得最优生产区位，搜寻获得创新所需信息，以及共享多样化的劳动力市场，最终使得多样化空间集聚的直接和间接效应都不显著。假设1 得到验证。

（四）行业异质性结果分析

将生产性服务业分成高端和低端两大类，分别对其进行空间杜宾模型回归，同时采用总效应分解得到的直接效应和间接效应的回归结果来量化判断“极化效应”和“扩散效应”的大小[44]，回归结果见表7。结合直接效应和间接效应来看，低端生产性服务业专业化空间集聚对本地绿色TFP提升具有显著正向影响，但其对邻近地区绿色TFP 影响不显著；同时，低端生产性服务业多样化空间集聚对本地绿色TFP 提升具有显著促进作用，且优于其专业化空间集聚对本地绿色TFP 的提升效果，但其对邻近地区的绿色TFP 提升具有显著阻碍作用。可能的原因是：区域间低端生产性服务业存在过度的资源抢夺竞争，这对邻近地区低端生产性服务业多样化集聚影响尤为显著，结合控制变量分析，本地政府会通过各类人才引进政策，减少政府干预提升市场化程度，盘活本地资金流，以优化市场配置效率和激发市场活力，从而吸引邻近区域的人才与资金流入，为本地低端生产性服务业吸纳人才和畅通资金链提供保障；但这会在一定程度上分别减缓与阻碍邻近区域低端生产性服务业的专业化和多样化发展，进而导致在本地绿色TFP 提升的同时，削弱专业化和多样化空间集聚对邻近区域绿色TFP 的影响。以上低端生产性服务业专业化空间集聚的直接效应显著而间接效应不显著，以及其多样化空间集聚的直接效应显著且为正，但间接效应显著且为负，均可说明其“极化效应”大于“扩散效应”。

高端生产性服务业专业化空间集聚显著促进了本地和周围区域绿色TFP 提升，且从表7 可知，邻近区域绿色TFP 会比本地相对多提升27.52%。可能的原因在于：科研前期投入的资金和人才一般会很大，本地某高端生产性服务业在投入大量财力、人力后，研发取得成功，这会为本地带来新的经济增长点或新的有效环保措施，促进当地绿色TFP 提升。同时邻近区域相同高端生产性服务业可以通过知识、技术溢出，以较低成本获得隔壁地区的该项研究成果，绿色TFP 提升幅度也相对更大一些。而高端生产性服务业多样化空间集聚对邻近区域绿色TFP 提升具有显著促进作用，对本地绿色TFP 提升则没有显著影响。可能的原因在于：本地高端生产性服务业与本地其他生产性服务业在合作交流的过程中，因专业行业不同，会存在一定的沟通交流障碍。若要取得相对理想的成果，那么对本地而言将会产生更大的机会成本，甚至该成本还会大于最终合作成果对绿色TFP 所产生的正向效果；而对邻近区域来说，可通过该项成果所产生的空间溢出效应，以较低的成本享有快速提升自身绿色TFP 的机会。以上高端生产性服务业专业化空间集聚的直接效应大于间接效应，以及其多样化空间集聚的直接效应不显著，但间接效应显著，均可说明其“扩散效应”大于“极化效应”。假设2 得到验证。

表7 高低端生产性服务业的直接效应、间接效应与总效应

（五）绿色TFP分解项回归分析

如表8 所示，中原城市群城市生产性服务业专业化空间集聚，低端生产性服务业的两种空间集聚，以及高端生产性服务业的专业化空间集聚，均可通过推动绿色技术进步来提高绿色TFP，而非绿色技术效率的提升。其本质上的原因可能是：由于固定资产投资回报率的持续低下，历年累积的固定资产投资形成庞大的资本冗余，导致绿色技术效率并未获得明显提升。若从专业化、多样化空间集聚两个角度来讲，可能的原因如下。

表8 绿色TFP分解回归结果（SDM模型）

从专业化空间集聚来看，人才匮乏和落后的经营管理制度与先进工艺或设备不匹配会导致绿色技术效率低下。由于相同行业不同企业之间市场竞争过于激烈，为更快提高自身劳动生产率形成市场竞争优势，企业会不断采购新机器设备或引进先进工艺，这会使一般员工原先具备的生产知识技能大打折扣，从而被迫不断地对新设备或新工艺进行学习。但由于设备或技术更新换代过于频繁，以及经营管理制度与技术进步不能有效衔接，就会导致一般员工无法更熟练地掌握新技能，导致固定资产投资回报率低下，绿色技术效率不能得到有效提升。

从多样化空间集聚来看，交流合作的中间交易成本提高会导致绿色技术效率低下。一方面，不同生产性服务业之间可能存在交流合作障碍，无法扬长避短，各取所需，来提高各自的绿色技术效率；另一方面，生产性服务业会和制造业保持一定关联性，可能会存在设备、技艺效率上不匹配情况，若上游行业设备或技艺更新换代过快，下游行业员工也只能采用新设备或新工艺，才能赶上上游企业生产效率；相反，下游行业设备或技艺更新换代过快，会导致上游行业面临相同状况，这同样会造成更新设备或技术过于频繁，而令员工无法掌握更高熟练度，导致固定资产投资回报率低下，绿色技术效率不能得到有效提升。假设3 得到验证。

六、结论与对策建议

本文通过构建2006—2018 年中原城市群30个城市的面板数据，实证分析了其生产性服务业集聚与绿色TFP 的内在联系。研究发现，生产性服务业专业化空间集聚明显提升了本地和邻近地区的绿色TFP 水平，而生产性服务业多样化空间集聚却并未明显带动本地和邻近地区绿色TFP提升；进一步按生产性服务业技术水平高低进行划分，发现低端生产性服务业空间集聚“极化效应”大于“扩散效应”，而高端生产性服务业空间集聚“扩散效应”大于“极化效应”；对绿色TFP 分解项进行回归发现，生产性服务业空间集聚主要通过推动绿色技术进步进而提升地区绿色TFP 水平，而非绿色技术效率的提升。基于以上研究结论，本文提出如下对策建议：

第一，推动生产性服务业集聚区形成，促进绿色TFP 提升。中原城市群现阶段生产性服务业多样化空间集聚并未如理论分析般对地区绿色TFP 水平起到提升作用。为此，更加需要加快推进生产性服务业集聚区形成，为生产性服务业多样化空间集聚创造合适的发展环境。一方面，不断引进高新技术产业，重点引入产业发展类、支撑类项目，为各类生产性服务业集聚创造较好的基础设施条件；另一方面，推动服务业工业协同发展，依靠中原城市群工业发展优势，推进产业集群、龙头企业联合发展，重点建设5G、物联网等生产性服务业绿色环保的数字化支撑设施，为制造业发展创造绿色发展新动能，从而为各种类生产性服务业集聚提供优质的服务对象。

第二，推动高端生产性服务业空间集聚，促进绿色TFP 提升。一方面，加大对科研机构资金的支持力度，尤其是绿色环保领域的科研机构，给予充分的资金保障，并对具备科研潜力的机构，在贷款方面给予适当优惠和相对灵活的贷款方案，在政策支持方面按照预估市场价值进行分级，依据等级给予相应的税收优惠和财政补贴，从而有效降低科研的前期投入成本。另一方面，加快新型信息技术融合发展，充分发挥专业化集聚已经形成的信息技术优势，在此基础上促进区块链、人工智能等先进技术与其它行业融合发展，通过多样化空间集聚来实现工业互联网、物联网、在线教育、远程办公等融合型经济模式高效发展，从而有效降低不同行业生产性服务业之间沟通交流的难度。

第三，推动生产性服务业空间集聚实现绿色技术效率增长，促进绿色TFP 提升。现阶段，中原城市群欠缺绿色技术效率这一提升绿色TFP水平的动力来源。因此，应依托集聚优势，通过劳动力市场共享，引进专业技术人才，在维持技术设备不断升级换代的前提下，更快发挥出新设备的效率提升，促进绿色技术效率增长；引进新型经营管理制度，充分发挥出职工的个体效率以及职工间的交流合作效率，以此提高绿色技术效率；削减中间交易成本，充分利用特色优势产业延长并强化整条产业链与服务链，即加强节能服务、信息服务、工业相关服务等优势技术服务的整合，在整合相关技术服务的过程中有效削减链与链间的交易成本，以提高全链条绿色技术效率，最终促进中原城市群绿色TFP 提升。