生产性服务业集聚、空间溢出与制造业绿色创新

[摘要]基于邻接空间、地理距离和经济距离三类权重矩阵，以空间杜宾模型考察生产性服务业集聚对制造业绿色创新的影响及空间溢出效应。研究结果表明，生产性服务业集聚可有效带动本省制造业绿色创新，但会抑制邻省制造业绿色创新。生产性服务业集聚对制造业绿色创新影响的空间溢出效应在邻接空间、地理距离、经济距离下存在明显差异，其中地理邻近地区更显著。多维度空间效应分解结果显示，生产性服务业集聚对制造业绿色创新的直接效应在地理距离权重矩阵下呈“梯度递减分布”特征。数字化产业发达省份的生产性服务集聚对邻省制造业绿色创新具有较强“虹吸效应”，不利于整体制造业绿色创新发展。是以，未来应优化生产性服务业集聚发展环境，施行区域差异化产业发展策略，加快推进制造业绿色转型升级。

[关键词]生产性服务业；绿色创新；空间溢出；空间差异性

一、 引言

党的十八大以来，“生态优先、绿色发展”路线日益明朗1，生态文明建设上升至国家战略高度被写入宪法，成为实现碳达峰、碳中和（简称“双碳”）重要抓手，绿色发展也成为高质量发展鲜明底色。习近平总书记在二十大报告中强调，要“推动绿色发展，促进人与自然和谐共生”2。在此背景下，作为国民经济基础与经济转型升级主阵地的制造业，着力积极布局绿色发展赛道。事实上，在从“制造大国”向“制造强国”迈进过程中，中国制造业绿色发展的探索实践一直持续推进。以绿色技术创新为抓手，全面构建绿色制造体系，是解决我国制造业“三高”问题的关键[1]。是以，制造业亟须加速绿色创新，推进绿色制造创新发展，这对应对环境污染问题、促进经济可持续发展以及实现“双碳”目标具有重要现实意义。

作为促进技术进步、提高生产效率、保障生产活动有序开展的一类服务行业，生产性服务业既可促进制造业生产流程优化、技术革新与发展方式转变，而且可以通过提升专业化水平[2]、降低中介服务与交易成本[3]等方式，促进制造业发展，助力我国从“制造大国”迈向“制造强国”。作为高技术含量、低资源消耗和低环境污染行业，生产性服务业的区域集聚可以提升企业绿色创新水平与效率[4]，这与制造业的绿色创新发展需求相匹配。换言之，生产性服务业集聚有利于促进制造业绿色创新。从空间视角来看，本地区生产性服务业集聚可能会对周边地区产生扩散效应，促进邻近地区制造业绿色创新，也可能会对周边地区生产要素产生“虹吸效应”，抑制邻近地区制造业绿色创新。且已有研究证实，在特定范围内，生产性服务业集聚对绿色创新产生积极影响[5]。可以推测，生产性服务业集聚对制造业绿色创新的影响也具有一定空间效应。鉴于此，有必要运用空间计量方法，分析生产性服务业集聚对制造业绿色创新的影响及空间效应，在厘清两者关系基础上对空间效应进行多维度分解，识别影响作用的空间差异，以此为推进制造业绿色创新发展提供理论参考。

二、 文献综述

学术界关于生产性服务业集聚与绿色发展相互关系的研究较多，多数认为生产性服务业集聚可促进绿色发展。张纯记[6]研究指出，生产性服务业集聚可促进绿色全要素生产率提升，且这一作用存在明显的地区与行业异质性。陆凤芝等[7]证实，生产性服务业集聚可以有效降低雾霾污染，分集聚类型而言，生产性服务业的多样化集聚主要通过产业结构和知识溢出降低雾霾污染，专业化集聚主要通过人口集聚与知识溢出降低雾霾污染。方湖柳等[8]研究发现，生产性服务业专业化集聚与绿色发展存在倒“U”型关系，且这一作用具有空间溢出效应，其中生产性服务业专业化集聚对周边地区绿色发展的空间溢出效应呈倒“U”型，而多样化集聚的影响显著为负。李体欣等[9]指出，生产性服务业集聚对城市绿色全要素生产率的影响具有门槛效应，在门槛值之前的影响为正，跨越门槛值之后为负。聂永有等[10]研究发现，生产性服务业集聚与碳排放效率存在“U”型关系，该种非线性特征具有空间溢出效应。此外，有学者指出生产性服务业集聚对绿色发展存在异质性影响。张贺等[11]实证考察发现，生产性服务业的专业化集聚与多样化集聚能够产生不同外部性特征，其中MAR外部性会通过阻碍技术进步抑制绿色全要素生产率提升，JACBOS与PROTER外部性可通过提升技术效率促进绿色全要素生产率提升。

关于生产性服务业集聚对创新的影响，学术界尚未达成一致结论。李勇辉等[12]利用长江经济带108个城市数据展开实证研究，指出生产性服务业专业化集聚有利于提升本地城市技术创新水平，且可通过空间关联作用增强邻近城市技术创新能力，但生产性服务业多元化集聚对本地和邻近城市技术创新均具有抑制作用。苏晓艳等[13]研究指出，粤港澳大湾区生产性服务业多样化聚集扩容促进高新技术企业技术创新，而专业化集聚则主要起抑制作用。徐承红等[14]认为，生产性服务业集聚度对创新并未表现出明显溢出作用，而生产性服务业各行业集聚度和丰裕度具有正向影响作用，其中丰裕度提升更有助于创新溢出。张慧一等[15]以长三角地区为例进行分析，发现生产性服务业集聚的PROTER外部性和JACBOS外部性可以助力地区创新能力提升，其中JACBOS外部性的创新带动作用更强。

综上可知，关于生产性服务业集聚对绿色发展与创新的影响研究颇多，且均认为生产性服务业集聚具有一定空间溢出效应。现实而言，生产性服务业集聚对制造业绿色创新发展的影响既可能在本地呈现，亦可能通过地理空间交互扩散到邻近地区，但很少有研究从这一视角展开探索。立足于此，本文以空间计量分析框架，探索生产性服務业集聚与制造业绿色创新发展关系，为生产性服务业空间集聚效应研究提供新视角；同时，从多维度分解生产性服务业集聚对制造业绿色创新影响的空间效应，为制造业绿色创新发展吸引优质要素资源、提供理论依据。

三、 理论分析

结合产业集聚、区域创新等理论发现，创新与集聚之间保持彼此依存、彼此促进的密切关系。对本研究而言，制造业绿色创新不仅会受本地生产性服务业集聚影响，而且可能受其他地区诸多因素的作用。因此，本文尝试从以下两个层面探索生产性服务业集聚对制造业绿色创新的影响效应。

1. 生产性服务业集聚对制造业绿色创新的空间溢出效应

生产性服务业集聚与资本、技术、人力等多个要素具有相辅相成的关系[16]，而资本、技术、人力等要素均存在明显空间溢出效应。生产性服务业集聚能够借助不同地区之间资本、技术、人力等要素流动形成的空间溢出效应，增加制造业绿色创新活动，提升制造业绿色创新水平。具体来讲，生产性服务业集聚使得专业劳动力、优质技术资源聚拢，在降低交易、运输、服务等成本同时，提高本地制造业绿色产品创新效率。在此过程中，制造业新兴绿色技术不断扩散，为区域制造业绿色创新活动注入强劲活力。与此同时，生产性服务业集聚还可以通过弱化单一群体创新风险，提高创新实际成功率并助力相关绿色创新成果推广，提升制造业绿色创新水平。另外，生产性服务业集聚可通过“虹吸效应”从其他地区获取优质资源，这在一定程度上对邻近地区制造业绿色创新活动具有抑制作用。

2. 不同空间距离下生产性服务业集聚对制造业绿色创新的影响差异

经济地理学理论包含空间距离理论，主要涉及经济距离、地理距离等内容。这一理论认为，区域内发生的各项活动处于完整的经济地域系统。在整体系统下，内部环境、各行业企业之间展开的多种持续性传输活动（包括人力与物质资本互换、能源交易、经济互动等），会在地域空间层面产生一定影响，即不同空间距离下区域产业经济发展的影响效应存在差异。体现在生产性服务业与制造业方面，随着信息技术应用日渐扩大，经济距离对区域制造业绿色创新的影响较小且并未明显提高，而地理距离的影响则正处于持续增加状态。这是因为，具有相似创新资源的地区文化知识相近，会得到相近地理地区教育支持，使地区间隐性知识溢出效应更强，更有利于促进制造业绿色创新。并且，地理距离较短地区无论在产业结构层面、技术层面均保持着更为密切的联系，为生产性服务业集聚以及制造业绿色创新提供了良好可能。是以，在地理距离相近地区，生产性服务业集聚会实现资源共享，更有利于推动制作业绿色创新的研发模式趋同，促进制造业知识溢出与技术创新扩散，提升制造业绿色创新水平。

四、 研究设计

1. 模型构建

为验证生产性服务业集聚与制造业绿色创新的影响效应，本文以新经济地理学框架为理论支撑，借鉴Tian等[17]研究方法，设定如下基础模型：

[Grei，t=δ0+δ1Scfi，t+δ2Hgi，t+δ3Labi，t+δ4Maki，t][+δ5Zcbi，t+δ6Disi，t+δ7Fesi，t+φi+λt+εi，t] （1）

式（1）中，下标[i]和[t]分别为省份和年份；[Grei，t]指代制造业绿色创新水平；[Scfi，t]表示生产性服务业集聚水平；控制变量[Hg]、[Lab]、[Mak]、[Zcb]、[Dis]、[Fes]分别代表环境规制强度、劳动生产效率、市场竞争程度、知识产权保护水平、地区经济发展水平、财政节能环保支出。[δ0]为截距项，[δ1]为解释变量待估参数，[δ2]—[δ7]为控制变量待估参数，[φi]、[λt]分别为空间异质性与时间异质性，[εi，t]为随机扰动项。

本文进一步构建空间杜宾模型（[SDM]），识别生产性服务业集聚与制造业绿色创新的空间溢出效应。具体模型形式如下：

[Grei，t=?1W×Grei，t+?2W×Hgi，t+δ0+δ1Scfi，t+δ2Hgi，t+δ3Labi，t][+δ4Maki，t+δ5Zcbi，t+δ6Disi，t+δ7Fesi，t+φi+λt+εi，t] （2）

式（2）中，[?1]与[?2]均为空间变量的相关系数，系数为正表明空间相关性为正相关，反之为负相关。与此同时，为全方位拟合区域制造业绿色创新水平，本文以三类空间权重矩阵（[W]），即邻接距离权重矩阵（[W1]）、邻接空间距离矩阵（[W2]）与经济空间权重矩阵（[W3]），体现差异地区空间关联度，揭示生产性服务业集聚与制造业绿色创新之间的空间关系。其中，[Dij]表示两个省会城市[i]和[j]之间球面距离，[gdp]指代地区人均实际地区生产总值。具体计算公式如下：

[W1=0 两地区在地理位置上不相邻i≠j1 两地区在地理位置不相邻i≠j]  （3）

[W2=1D2ij i≠j0 i≠j]   （4）

[W3=1gdpi-gdpj i≠j0 i≠j] （5）

值得一提的是，在邻接空间权重矩阵、地理距离权重矩阵、经济空间距离权重矩阵的构建过程中，本文未选取相关阈值。由此产生的现象是，每个省份“邻居”均有29个，各“邻居”权重分别以省域间距离倒数、省域间人均GDP差值绝对值的倒数、省域间研发资本流量衡量。

2. 指标选取

（1）生产性服务业集聚（[Scf]）

为明确生产性服务业具体范围，参照国家统计局印发的《生产性服务业统计分类（2019）》标准，依据学界划分标准[14]，本文将生产性服务业界定为高技术型与低技术型两大类，合计5个行业1。在具体实证分析中，已有研究将生产性服务业集聚划分为两大类，即专业化集聚与多样化集聚[18]。故结合相关研究成果[19-20]，本文以专业化集聚（[Pcf]）、多樣化集聚（[Dcf]）衡量生产性服务业集聚水平，具体测算公式如下：

[Pcfi=sxisxi-x′sx] （6）

式（6）中，[xis]指代[i]省域[s]生产性服务业的就业人数；[xi]表征[i]省域所有就业人数；[x′s]表示除[i]省域外，全国其他省域[s]生产性服务业的就业人数；[x]指代除[i]省域外全国就业人数。

[Dcfi=sxisxi1s=1，s≠snxis（xi-xis）21s=1，s≠snxs（x-xs）2] （7）

式（7）中，[xs]代表全国范围内[s]生产性服务业的就业人数；[x′is]表征[i]省域内除[s]生产性服务业外的其他生产性服务业就业人数，其余变量含义与式（3）相同。

（2）制造业绿色创新（[Gre]）

本文以“绿色专利申请数量加1之和的自然对数”衡量制造业绿色创新这一指标。采用該计算方法旨在提高数据平稳性及可比性，并防止部分制造业企业某些年份绿色专利申请量为0而无法取对数。

（3）控制变量

为规避遗漏解释变量可能造成模型估计结果偏差，本文在计量模型中引入如下控制变量。①环境规制强度（[Hg]），由政府推动实施的环境规制政策，一定程度上影响制造业企业投入成本及收益，以各地工业污染治理投资完成额与工业行业增加值的比值来衡量。②劳动生产效率（[Lab]），劳动生产效率体现要素投入产出效果，不仅影响创新要素边际报酬，亦在较大程度表征了生产力水平的提升，衡量制造业绿色创新发展的关键因素，以行业总产值与制造业从业人员规模的比值衡量。③市场竞争程度（[Mak]），由市场主体、规则、机制组成特定的市场竞争网络系统，可推动制造业绿色发展方式，全面提高社会、经济、生态效益，是影响制造业绿色创新的重要因素，以行业所含企业数量表示。④知识产权保护水平（[Zcb]），知识产权保护水平一定意义上是推动制造业绿色创新发展的关键因素，以技术市场成交额与GDP比值衡量。⑤地区经济发展水平（[Dis]），区域经济发展可为制造业绿色创新提供技术、人力、经济等方面的支持，以人均GDP来代替，单位为万元/人。⑥财政节能环保支出（[Fes]），财政节能环保投资力度越大，越有利于推动制造业绿色创新发展，故选取节能环保支出占地区财政总支出衡量。

3. 数据来源及变量统计特征

因西藏、港、澳、台四个省区市数据不全，本文选取2008—2020年中国30个省区市为研究对象。研究数据主要来自历年官方数据库，如《中国统计年鉴》《中国区域经济统计年鉴》《中国环境统计年鉴》，补充数据来自各省市统计年鉴、统计局官网、国家知识产权局，以及CSMAR数据库、CEIC数据库。在整理数据过程中，为避免极端值影响最终研究结果，对所有连续变量展开1%和99%两类分位数的缩尾处理工作。各变量描述性统计特征如表1所示。

表1 变量描述性统计结果

[变量 符号 样本量 平均值 标准差 最大值 最小值 生产性服务业集聚 [Scf] 390 121.023 36.134 573.543 0.028 制造业绿色创新 [Gre] 390 108.356 14.058 322.013 0.861 环境规制强度 [Hg] 390 7.055 7.033 10.688 1.035 劳动生产效率 [Lab] 390 5.073 5.084 9.336 0.038 市场竞争程度 [Mak] 390 6.883 4.034 13.118 0.196 知识产权保护水平 [Zcb] 390 8.687 7.431 15.874 3.057 地区经济发展水平 [Dis] 390 11.024 9.446 19.673 5.036 财政节能环保支出 [Fes] 390 6.423 5.193 12.855 1.049 ]

五、 实证结果

1. 基准回归分析

经过以上公式运算获得如表2所示研究结果。模型（1）为未引入空间溢出效应模型时的基准回归模型，包括混合[OLS]模型及固定效应模型；模型（2）是基于生产性服务业集聚空间溢出效应的空间杜宾模型。

表2 基准回归结果

[变量 [Gre] 基准回归模型（1） 空间杜宾模型（2） 混合OLS 固定效应 邻接空间 地理距离 经济距离 [Scf] 0.362**

（0.15） 0.134*

（0.88） -2.026**

（2.13） -1.357**

（0.03） -1.224**

（0.06） [Hg] 25.402**

（0.35） 55.332*

（2.81） 67.186***

（3.08） 73.874*

（2.19） 69.548**

（3.31） [Lab] 5.079**

（2.33） 6.874**

（1.56） 3.886*

（0.87） 4.113*

（0.25） 5.022**

（0.36） [Mak] 2.943**

（1.03） 3.057**

（0.38） 4.799**

（1.72） 5.789**

（2.00） 3.878**

（0.34） [Zcb] 4.889***

（1.09） 11.563**

（2.33） 9.356**

（3.72） 8.641**

（2.99） 7.668**

（3.97） [Dis] 8.631***

（2.55） 12.578**

（6.44） 13.134***

（2.85） 12.681***

（3.56） 10.879***

（0.92） [Fes] 1.199***

（0.44） 2.348***

（0.63） 2.555***

（0.54） 1.025*

（0.73） 1.733***

（0.68） [W×Gre] -1.553**

（-0.66） -0.653**

（-1.23） -1.156**

（-0.19） [W×Scf] -0.133**

（-2.16） -3.984**

（-1.55） -0.239

（0.53） [N] 390 390 390 390 390 [R2] 0.509 0.349 0.392 0.361 0.352 ]

注：***、**、*分別表示在1%、5%、10%的水平上显著，下同

从基准回归结果看（模型1），在忽略邻近省份制造业绿色创新对本省制造业绿色创新的影响情势下，混合OLS模型系数为0.362且通过5%显著性检验，固定效应模型系数为0.134且通过10%显著性检验。考虑到混合OLS模型系数会高估系数值，因此采用固定效应模型展开实证分析。在具体研究中，因生产性服务业集聚与制造业绿色创新的观测值取值具有地区相关性，以下固定效应模型均通过聚类稳健标准误的cluster方法对数据进行处理。固定效应模型结果表明，生产性服务业集聚对制造业绿色创新具有显著正向影响。可能原因在于，生产性服务业多元化集聚能够通过规模经济效应与技术溢出效应，优化中间服务、提升运作效率，促进制造业绿色转型[21]，进而提高制造业绿色创新能力。

模型（2）回归结果显示，在邻接空间、地理距离、经济距离与研发资本流动矩阵下，制造业绿色创新空间滞后系数[?1]均在5%显著性水平为负。这说明从省级区域层面看，制造业绿色创新具有显著空间依赖性，即本省制造业绿色创新明显对邻近省份制造业绿色创新产生制约作用。细究其因，本地制造业低碳绿色创新发展使得当地高环境规制的污染产业就近迁移至邻近地区，且可通过优质资源吸引大量科技创新人才、资金从周边地区流入，这对邻近省份制造业绿色创新发展产生抑制作用。观察邻接矩阵、地理距离矩阵结果可知，本省生产性服务业集聚明显降低邻近省份制造业绿色创新水平。并且，空间滞后系数（[W×Scf]）数值表明，邻接空间矩阵下生产性服务业集聚的溢出效应（-3.984）小于经济距离矩阵下的溢出效应（-0.239）。可能原因在于，本省生产性服务业集聚会产生“虹吸效应”，吸引邻近省份人才、资本、技术等要素流入本省，而邻近地区要素资源的减少一定程度上会抑制产业发展，制约制造业绿色创新。

从生产性服务业集聚对制造业绿色创新的空间效应结果看1（表3），三种空间权重矩阵的直接效应显示，生产性服务业集聚对本省制造业绿色创新具有显著促进作用，但会抑制邻近省份制造业绿色创新。同时，地理距离矩阵下，生产性服务业集聚影响制造业绿色创新的直接效应、间接效应，均高于经济距离的直接与间接效应。这说明生产性服务业集聚对邻近省份制造业绿色创新的抑制作用在邻近地区之间表现更明显。可能原因在于，本地生产性服务业快速发展所形成的“虹吸效应”，吸引了邻近省份人力资本、知识等相关要素向本地区集聚，这导致邻近省份优质绿色创新要素流失，制约了当地制造业绿色创新发展。

表3 SDM模型下生产性服务业集聚影响制造业绿色创新的空间效应

[空间杜宾模型 空间效应 直接效应 间接效应 总效应 邻接空间 0.283** -0.392*** -0.109** 地理距离 0.214** -2.357** -2.143** 经济距离 0.186** -2.673 -2.487 ]

2. 稳健性检验

本文采用替换变量方法考察上述结果的稳健性。其一，改变制造业绿色创新水平的衡量方法，采用“发明专利授权量加1之和的自然对数（[Gre.L]）” 表征；其二，鉴于生产性服务业集聚通常难以产生即时性影响，对自变量取滞后一期处理（[Scf-1]），作为代理变量进行稳健性检验（限于篇幅，稳健性检验结果不再列出）。研究发现，生产性服务业集聚明显抑制邻近省份制造业绿色创新。经过替换核心解释变量“[Scf-1]”之后发现，在邻接空间、地理距离、经济距离三种权重矩阵下，模型实证结果仍与前文研究结果一致。“[Scf]”的估计系数显著为正，但其空间滞后项[W×Scf]系数显著为负。由此证实，前文研究结论具有稳健性。

3. 内生性检验

上述检验证实生产性服务业集聚对本地制造业绿色创新具有正向空间溢出效应，但此结果可能受潜在内生性问题的干扰。也就是说，制造业高频次的绿色创新活动可能会吸引生产性服务业集聚。针对于此，采用工具变量法，即最小二乘法（2SLS）与广义矩阵估计法（GMM）对生产性服务业集聚与制造业绿色创新两者关系进行重新检验。2SLS回归结果表明，生产性服务业集聚仍然对本省份制造业绿色创新具有正向空间溢出效应，对邻近省份存在抑制作用，说明在控制内生性问题后本文结论仍成立。随后，采用GMM估计方法进行重新回归，所得系数估计值与2SLS基本一致。由此证明，此次研究不存在内生性问题。

六、 生产性服务业集聚影响制造业绿色创新的空间效应分解

就生产性服务业集聚影响制造业绿色创新的关系而言，不同省区市之间生产性服务业集聚差异明显，所以两者间影响关系必然存在较大差异。只有明确生产性服务业集聚与制造业绿色创新之间影响关系的差异性，方能有针对性地提出生产性服务业集聚驱动制造业绿色创新的政策。是以，本文借鉴辛晓华等[22]对空间计量模型边际效用矩阵的处理方式，对SDM模型空间效应进行分解，得出30个省区市生产性服务业集聚对本地及邻近省区市制作业绿色创新的差异化影响，具体影响结果详见表4。

表4 空间效应分解结果

[空间权重矩阵 空间效应 样本量 平均值 标准差 最小值 最大值 邻接空间距离矩阵 直接效应 30 0.402 0.025 0.138 0.679 间接效应 30 0.254 0.048 0.226 0.868 总效应 30 0.656 0.073 0.364 0.847 地理距离矩阵 直接效应 30 0.359 0.688 0.099 7.896 间接效应 30 -2.068 0.893 -11.038 -0.991 总效应 30 -1.709 1.581 -10.939 6.905 经济距离矩阵 直接效应 30 0.163 0.008 0.167 0.193 间接效应 30 -0.213 0.059 -0.374 -0.015 总效应 30 -0.050 0.067 -0.207 0.178 ]

基于这一原理，本文在识别每个省份空间效应基础上，分解SDM模型的空间效应并进行具体阐述。

第一，邻接空间距离矩阵下，生产性服务业集聚对制造业绿色创新的“直接效应”影响结果证实，本地生产性服务业集聚对邻近省区市制造业绿色创新影响最强的是省会城市，主要分布在南部沿海综合经济区、长江中游综合经济区、大西南综合经济区。这些省会城市以福州、南宁、武汉为中心点，形成较强的生产性服务业集聚现象，对制造业绿色创新具有积极效应。从“间接效应”来看，生产性服务业集聚对制造业绿色创新影响呈自东向西依次递减特征。

第二，地理距离矩阵下，生产性服务业集聚影响制造业绿色创新的“直接效应”结果显示，本地生产性服务业集聚对本地制造业绿色创新作用最强的省会中心城市主要分布在京津冀、长三角、珠三角地区。“直接效应”最大的省会中心城市主要包括北京、天津、上海、南京、杭州、广州等，这些城市的本地生产性服务业集聚对本地制造业绿色创新的直接驱动作用最强。相对来说，地理距离矩阵下生产性服务业集聚影响制造业绿色创新的“间接效应”在空间呈明显“梯度递减分布”特征，即空间效应较强省会中心城市位于郑州、济南和以南昌为顶点的“钻石形”区域。该区域生产性服务业集聚效果最强，对邻边优质资源的吸引力极强，所以对我国整体制造业绿色创新的抑制作用最大。

第三，经济距离矩阵下，生产性服务业集聚影响制造业绿色创新的“直接效应”结果表明，本地生产性服务业集聚对本地制造业绿色创新作用最强的城市多分布在中部、东北部、西南部地区，包括沈阳、哈尔滨、石家庄、重庆、成都、昆明等典型城市。相对来说，经济距离矩阵下生产性服务业集聚影响制造业绿色创新的“间接效应”呈“大集中、小分散”分布格局。也就是说，本地生产性服务业集聚对邻近地区制造业绿色创新“抑制效应”主要分布在我国东南地区与中部地区，典型省会中心城市包括合肥、福州、武汉、长沙等地。

七、 结论与启示

1. 主要结论

生产性服务业集聚通过知识溢出效应与规模经济效应，可以满足制造业绿色发展与技术创新发展需要。由于空间溢出效应的存在，生产性服务业集聚对制造业绿色创新影响具有空间传递效应。换言之，本地生产性服务业集聚既影响本地制造业绿色创新，也通过空间传递机制影响邻近省份制造业绿色创新。是以，本文通过构建三大地理空间权重矩阵，选取动态空间面板模型考察生产性服务业集聚对制造业绿色创新的影响。主要研究结论如下：

（1）省级区域视角下，本地生产性服务业集聚显著正向影响本地制造业绿色创新。地理距离、经济距离、研发资本流动空间矩阵中，生产性服务业集聚对本地制造业绿色创新均有促进作用，但对邻近省份制造业绿色创新产生抑制作用。同时，本地与邻近省份的滞后一期制造业绿色创新均对本地制造业绿色创新产生明显促进作用。

（2）生产性服务业集聚对制造业绿色创新空间溢出效应在邻接空间、地理距离、经济距离下存在明显差异性。这种空间溢出效应更倾向于地理邻近地区传递。并且，生产性服务业集聚对制造业绿色创新的抑制作用，在邻近省份体现得更加明显。这说明，本地生产性服务业集聚对邻近省份制造业绿色创新的空间溢出效应更多通过地理空间传递。

（3）空间效应的多维度空间分解发现，第一，邻接空间距离权重矩阵下，生产性服务业集聚对本地制造业绿色创新促进的“直接效应”，主要体现在南部沿海综合经济区、长江中游综合经济区、大西南综合经济区，“间接效应”呈现自东向西依次递减态势。第二，地理距离权重矩阵下，本地生产性服务业集聚对本地制造业绿色创新促进的“直接效应”体现在京津冀、长三角、珠三角地区；地理距离权重矩阵下的“间接效应”在空间表现为“梯度递减分布”格局，形成以郑州、济南和南昌为顶点的“钻石形”区域，且这些地区生产性服务业集聚对制造业绿色创新的抑制效应最大。第三，经济距离权重矩阵下，生产性服务业集聚对本地制造业绿色创新的“直接效应”作用最强，省会中心城市主要分布在中部、东北部、西南部地区；“间接效应”呈现“大集中、小分散”的分布格局，中部、东南部的生产性服务业集聚对我国整体制造业绿色创新的抑制效应更强。

2. 研究启示

（1）优化生产性服务业集聚发展环境。研究证实，生产性服务业集聚可为制造业发展提供新动力，助力制造业綠色创新。据此，政府可在金融、人才培养等各方面加强管理，优化生产性服务业集聚发展环境，进一步发挥生产性服务业集聚对制造业绿色创新的影响作用。在金融环境方面，金融机构应完善生产性服务业融资机制，降低融资成本，促进制造业绿色发展。在人才培养方面，教育机构应构建生产性服务业人才发展的激励机制，提高人才创新能力及素养，从而提升制造业绿色创新能力。制造业企业需要构建“利益共享机制”和“利益补偿机制”，加强地区间生产性服务业之间的互联互通；打造协同发展方案推动产业集聚，加快建设各具增长特色的制造业增长区域，助力制造业绿色创新发展。

（2）施行区域差异化产业发展策略。生产性服务业集聚对制造业绿色创新发展的影响存在明显空间差异与区域差异，因此各地区应结合本地实际施行差异化产业发展策略。东部地区生产性服务业集聚水平和制造业绿色创新水平均高于中西部地区，因此东部地区可发挥知识优势和技术优势，加强与中西部地区的点对点合作，为中西部地区的生产性服务业发展和制造业绿色创新提供支持。

（3）加快推进制造业绿色转型升级。制造业绿色创新的实现离不开各项资源有效供给，因此在新发展格局下，各方应扩大制造业绿色创新有效供给，提高人才、技术、数据等要素资源配置效率。一方面，提高科技创新力度。制造业企业应依据系统创新链思想，加快建立绿色新兴装备制造业技术创新体系，加快突破关键技术、核心技术、前沿技术。在此基础上，制造业还应积极加快工业节能装备制造，推动低能耗、智能化污水处理、固废处理等新型设备应用，疏通绿色新兴装备制造业产业链和供给链的堵点。另一方面，加速制造业生产方式数字化转型。制造业企业应打造绿色低碳基础数据平台，不断扩大生产性服务业等多方面数据资源获取渠道，同时构建数据共享机制，促进联盟企业之间数据共享。

参考文献：

[1] 高红贵，朱于珂.绿色技术创新研究热点的动态演变规律与趋势[J].经济问题探索，2021（1）：52-69.

[2] Markusen J R. Trade in Producer Services and Other Specialized Intermediate Inputs[J].The American Economic Review，1989，97（2）：85-95.

[3] Eswaran M， Kotwal A. The Role of the Service Sector in the Process of Industrialization[J].Journal of Development Economics，2002，68（2）：401-420.

[4] 任阳军，何彦，杨丽波，等.生产性服务业集聚、制造业集聚对绿色创新效率的影响——基于中国城市面板数据的空间计量分析[J].系统工程，2020（3）：27-35.

[5] 罗超平，朱培伟，张璨璨，等.生产性服务业集聚促进了城市绿色创新吗——基于“本地-邻地”效应的视角[J].西南大学学报（社会科学版），2022（1）：97-112.

[6] 张纯记.生产性服务业集聚与绿色全要素生产率增长——基于地区与行业差异的视角[J].技术经济，2019（12）：113-119.

[7] 陆凤芝，王群勇.生产性服务业集聚与雾霾污染治理[J].软科学，2021（4）：1-7.

[8] 方湖柳，潘娴，樊文静.生产性服务业集聚的绿色发展效应检验[J].财会月刊，2022（5）：128-136.

[9] 李体欣，倪志兴，许瑞琦.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[J].南方金融，2022（5）：59-69.

[10] 聂永有，姚清宇.长三角地区生产性服务业集聚与碳排放效率——基于SDM与PTR模型的实证检验[J].工业技术经济，2022（6）：111-119.

[11] 张贺，许宁.产业集聚专业化、多样化与绿色全要素生产率——基于生产性服务业集聚的外部性视角[J].经济问题，2022（5）：21-27.

[12] 李勇辉，沈波澜，胡舜，等.生产性服务业集聚空间效应与城市技术创新——基于长江经济带108个城市面板数据的实证分析[J].经济地理，2021（11）：65-76.

[13] 苏晓艳，李镇南.生产性服务业集聚会促进高新企业技术创新吗？——以粤港澳大湾区为例[J].现代管理科学，2022（1）：42-50.

[14] 徐承红，韩明明.生产性服务业集聚对区域创新空间溢出效应的影响研究[J].吉林大学社会科学学报，2022（4）：34-45，233-234.

[15] 张慧一，祝滨滨.生产性服务业集聚外部性如何影响区域创新？——基于长三角地区的实证分析[J].科技管理研究，2022（15）：89-97.

[16] 李颖.产业协同集聚影响全要素能源效率的“U”型关系再检验——基于集聚质量和深度的双重视角[J].生态经济，2022（1）：69-76.

[17] Tian F J， Yang Y， Lan J，et al. Spatial Spillover of Transport Improvement on Tourism Growth[J].Tourism Economics，2022，28（5）：1416-1432.

[18] Combes P P. Economic Structure and Local Growth：France，1984-1993[J].Journal of Urban Economics，2000，47（3）：329-355.

[19] 李晓阳，代柳阳，牟士群，等.生产性服务业集聚与制造业绿色转型升级——信息通信技术的调节作用[J].西南大学学报（社会科学版），2022（1）：83-96.

[20] 苏晓艳，李镇南.生产性服务业集聚会促进高新企业技术创新吗？——以粤港澳大湾区为例[J].现代管理科学，2022（1）：42-50.

[21] 邵帅，李嘉豪.“低碳城市”试点政策能否促进绿色技术进步？——基于渐进双重差分模型的考察[J].北京理工大学学报（社会科学版），2022（4）：151-162.

[22] 辛曉华，吕拉昌.中国主要城市技术创新影响环境污染的空间分异与机理[J].地理科学，2021（1）：129-139.

基金项目：广西科技大学博士基金项目“广西深入实施‘工业强桂战略研究”（项目编号：校科博22S12）；广西高校中青年教师科研基础能力提升项目“以‘新基建推动广西制造业高质量发展对策研究”（项目编号：2021KY0337）。

作者简介：韦帅民（1987-），男，壮族，广西科技大学助理研究员，博士，研究方向为产业经济。

（收稿日期：2022-11-16  责任编辑：苏子宠）