江三良 束巧巧
改革开放以来,我国制造业凭借低成本劳动力的比较优势参与全球生产,但却一直大而不强,长期处于全球价值链的低端。中国作为一个处于工业化进程中的国家,其经济增长对工业的依赖程度仍然较高,且极度依赖生产要素的投入。这种粗放型发展模式导致的高能源消耗和高污染排放给中国资源环境带来了巨大压力。根据付华等(2021)[1]的测算,2000—2017年中国制造业28个子行业的能源消耗量从6亿吨标准煤增至近20亿吨标准煤,增长了近2.3倍,同期,二氧化碳排放量增长了2.36倍。2020年10月,《中共中央关于制定国民经济和社会发展第十四个五年规划和二○三五年远景目标的建议》中提到要“保持制造业比重基本稳定”“加快推动绿色低碳发展”,制造业的绿色发展已经成为中国低碳经济发展的关键。在寻求绿水青山与金山银山之间协调均衡的过程中,传统节能政策发挥的实际效果却不尽如人意(王林辉等,2020)[2],谋求制造业绿色转型的新路径成为亟待解决的问题。2015年国务院印发《中国制造2025》,作为中国实施“制造强国”战略的首个十年纲领,其核心理念便是制造业投入服务化,这与“德国工业4.0”的理念不谋而合。过去制造业强调投入实物资源并产出一系列产品,而全球服务化的趋势使中国制造业也开始转向服务型经济。制造企业开始将更多服务要素投入到生产过程中,逐渐完成以制造为中心到以“制造+服务”为中心的转变过程(Reiskin et al.,1999[3];赵宸宇,2021[4])。理论上讲,服务要素作为一种绿色、清洁的中间投入,对环境更加友好。《中国制造2025》中明确指出服务型制造本身是制造业结构的优化,在推动制造业转型升级的同时,也有助于制造业节能减排、实现绿色发展(黄群慧和霍景东,2015)[5]。
目前与制造业投入服务化相关的研究主要涉及其经济效益与环境效益,且大部分为经济效益方面的探讨。仅制造业投入服务化与企业绩效关系的研究就有正相关、负相关、U 型、倒 U型及马鞍型等多种结果。Ryan(2000)[6]认为制造业投入服务化虽是一种很好的生态理念,但带给企业的经济效益却十分有限。多数研究结果显示制造业投入服务化可以显著提升企业绩效(刘畅和马永军,2019[7];张峰等,2021[8])。而制造业投入服务化与企业绩效之间U 型(陈春明和贾晨冉,2021)[9]、倒U型(赵艳萍等,2020)[10]关系的研究中也涉及投入服务化对企业绩效的增强作用。除了企业绩效,制造业投入服务化的研究也常出现在国际贸易视角下或置于全球价值链分工的大框架之中。经济全球化的今天,各国贸易往来日益密切,制造业与服务业的协调融合能够在提高企业出口产品质量的同时(龙飞扬和殷凤,2019[11];Lodefalk,2014[12]),进一步提升我国制造业的国际分工地位(黄玉霞和谢建国,2020)[13]。随着企业在全球价值链中嵌入程度的加深,制造业投入服务化对企业全要素生产率的促进作用也会增强(吕越等,2017)[14]。有关制造业投入服务化环境效益的研究相对较少。许冬兰和张新阔(2021)[15]认为制造业投入服务化作为行业转型升级的重要支撑点,可以提升制造业绿色福利。林立杰和陈新(2021)[16]、李颖和许月朦(2021)[17]从绿色全要素生产率的视角研究了制造业投入服务化的绿色经济效益,发现制造业投入服务化会对行业绿色全要素生产率产生显著的提升作用。单纯考察制造业投入服务化环境效益的研究则主要从能源消耗或单一污染物二氧化碳切入。祝树金等(2020)[18]指出制造业与服务业融合发展能够降低企业能源消耗强度,推动制造业绿色可持续发展。王宏森等(2022)[19]研究分析了制造业投入服务化程度与二氧化碳排放量之间的关系,发现制造业投入服务化能通过提高劳动生产率和优化产业结构来降低碳排放强度。不过,使用单一污染物指标对污染强度进行衡量的方法往往不够系统全面,且相关研究多使用省级、行业层面数据,对工业企业的污染排放强度没有过多考察。另一方面,制造业投入服务化过程中服务要素的来源和类型也有差异,因此,有必要对不同来源和类型的服务要素进行异质性分析,而这一点大多研究并未涉及。综合而言,本文的贡献在于:第一,使用化学需氧量、工业废水、二氧化硫排放量数据去构建一个综合指数来衡量微观企业的污染排放强度,进而研究制造业投入服务化与企业污染排放强度的关系和作用机制。第二,研究内容上有所拓展,对融资约束在制造业投入服务化污染减排效应发挥过程中的调节作用进行了研究。第三,考虑服务要素种类和来源的不同,考察投入服务化过程中不同类型、不同来源服务要素带来的污染减排效应异质性。
制造业投入服务化作为制造业绿色转型升级的重要途径,往往涉及内部要素资源和组织结构的重新部署(许冬兰和张新阔,2021)[15]。这个过程中,包含知识、技术的服务要素被更多地投入到生产过程中,传统制造业所需的实物要素与生产流程不断减少。相较于原材料、机器设备等实物投入,知识、人才以及技术等服务要素本身就具备“清洁性”特征,暗含更少的能源消耗(Rothenberg,2007)[20]。因此,理论上,投入服务化将有利于企业削减污染活动规模、减少能源消耗、降低污染排放。同时,服务化转型通常不会改变产品的所有权,生产所带来的环境成本会迫使企业在研发、设计、生产上下功夫,不断改进企业产品的环境性能,减少产品各个生命周期对环境的不利影响(李松庆,2020)[21]。传统的资源消耗型与环境污染型生产方式也将得到改善。据此提出假说1。
假说1:制造业投入服务化可以减少企业的污染排放。
制造业投入服务化过程往往伴随着企业经营结构和业务模式的重大改动调整,企业组织体系和内部资源将得到重新整合,本质上是要素投入结构发生相应的变化(陈丽娴和沈鸿,2019)[22]。服务要素替代实物要素的过程加深了要素结构和产业结构的“软化”(史丹和张成,2017)[23],要素投入层面对能源的依赖程度开始减小,单位产出的能源消耗随之降低(Doni et al.,2019)[24]。此外,服务要素因具备较高的技术复杂度和价值增值能力(刘维刚和倪红福,2018)[25],在与其他生产要素融合互补后,也会对制造部门原有的要素资源结构、产品开发体系以及组织管理架构等产生一种“破坏式创新”。这将进一步推动现有生产范式的革新,降低生产冗余,促进要素配置效率提升(祝树金等,2020)[18],从而在提高生产率和产品附加值的同时,减少企业的能源消耗和污染排放。据此提出假说2。
假说2:制造业投入服务化通过要素结构优化来降低企业的污染排放。
在物质和信息大爆炸的当下,制造业投入服务化给产品带来的附加值和竞争力远远大于传统模式中的制造加工组装。根据 “微笑曲线”,运营销售和研发设计环节处于价值链的两端,具有更加清洁的生产模式和更加绿色的生产技术(Paolo和Valentina,2005)[26]。随着富含知识、技术的服务要素嵌入到制造业的生产运营环节,由此产生的技术溢出效应推动企业技术不断进步(刘维刚和倪红福,2018)[25]。但获取来自其他企业的服务要素需要一定成本,尤其是存在知识壁垒的情况下,长期依靠高成本的外源服务要素是不可持续的(刘伟江和吕镯,2018)[27]。且知识、技术等服务要素不断更新换代,外源服务要素竞争力无法长久保持。种种情况使得企业倾向于自主研发创新,实现技术进步,技术进步带来的生产效率提升和组织运营框架优化又进一步推动企业节能减排。据此提出假说3。
假说3:制造业投入服务化通过技术创新来降低企业的污染排放。
企业绿色转型离不开资金支持。清洁服务要素的投入、生产工艺流程的升级以及企业的研发创新都需要环境投资,资金不足将会严重阻碍技术进步和制造业投入服务化污染减排效应的发挥。而目前中国制造业企业环境投资普遍具有周期长、前期收益低和风险高的特点(马骏等,2020)[28],这些特点在高污染行业尤甚。仅仅依靠企业内部资金可能会带来财务风险,甚至引发资金链断裂。此时金融部门的支持就显得十分重要,其在一定程度上可以缓解企业困境。融资约束放松时,企业可以通过外部融资来分担环境投资带来的成本和风险(陈诗一等,2021)[29]。现金流压力的减小让企业拥有足够的资金与风险承受能力实施服务化转型,畅通要素结构优化和企业技术创新渠道,从而顺利实现污染减排。据此提出假说4。
假说4:融资约束的降低能够强化制造业投入服务化的污染减排效应。
本文使用中国工业企业数据库、工业企业绿色发展数据库和世界投入产出表进行匹配,建立模型(1)来研究制造业投入服务化与企业污染排放之间的关系:
cpdinpt=β0+β1smipt+β2fc+β3controls+μ1+μ2+μ3+μ4+ε
(1)
式(1)中,cpdi表示企业的污染排放强度指数,smi表示制造业投入服务化程度,fc表示融资约束,controls表示所有控制变量合集。μ1表示个体固定效应,μ2表示时间固定效应,μ3表示城市固定效应,μ4表示二位数行业固定效应,ε表示其他可能影响企业污染排放的随机干扰项。n表示企业个体,p表示行业,t表示年份。
1.被解释变量
对于企业污染排放强度,借鉴苏丹妮(2020)[30]的方法,同时考虑数据的可得性与衡量的有效性,用化学需氧量、工业废水和二氧化硫的排放量数据构建污染排放强度综合指数来衡量。
第一步,对所获得的单一污染物指标进行线性化处理。
(2)
其中,perpolmnt表示企业n在第t年单位产值的污染物m的排放量,minperpolmnt和maxperpolmnt分别表示第t年所有企业单位产值污染物m排放量中的最小值和最大值。
第二步,计算企业n第t年污染物m的调整系数。
(3)
第三步,计算污染排放强度综合指数cpdint。
(4)
将得到的rperpolmnt和γmnt代入式(4)求出cpdint。k为污染物的种类,该综合指数数值越大表示污染排放强度越大。
2.解释变量
核心解释变量制造业投入服务化的衡量主要有企业层面和产业层面两个角度。企业层面多用服务要素投入占企业生产总投入的比重来衡量,由于这些数据搜寻比较复杂加之企业一般不会公布,因此难以获得。基于此,本文使用投入产出法计算各个制造行业对服务行业的完全消耗系数,以此衡量制造业各行业各年的投入服务化程度。该方法的好处是能够把企业每单位产品直接消耗和间接消耗的服务要素都涵盖在内。完全消耗系数矩阵的计算公式为:
B=A1+A2+A3+…+AK+…=(E-A)-1-E
(5)
A为直接消耗系数矩阵,E为单位矩阵。而直接消耗系数矩阵的计算公式为:
(6)
其中,ωij计算公式如下:
(7)
式(7)中,Yj是部门j的总产出,φij是部门i投入到部门j的要素含量。因此,ωij是部门i投入的要素占部门j总产出的比重。矩阵A刻画了各个行业使用的不同上游中间投入价值占本行业总产出的比重系数。相比直接消耗系数,完全消耗系数是生产过程中具体部门的产出需要各部门直接和间接中间投入之和的比重(袁征宇等,2020)[31]。因此,本文通过测算完全消耗系数矩阵B来衡量投入服务化程度。
3.调节变量
本文使用SA指数来衡量融资约束,计算公式如下:
SA=-0.737S+0.043S2-0.04A
(8)
其中,S为企业规模(单位为百万元)的自然对数,A为企业存续年龄。参照鞠晓生等(2013)[32]的界定标准,SA指标取值应为负,绝对值越大表示企业所受融资约束越严重。
4.控制变量
控制变量涉及影响企业污染排放的其他因素,主要从企业个体差异和所在地差异两方面考察。从企业特征看,吴清扬(2021)[33]指出企业污染排放强度与其规模和经营绩效密切相关,经营绩效的提高和规模的扩大会为工业企业的环保计划与污染减排提供有力的资金支持。企业参与国际贸易在开拓市场的同时也会扩大规模,进一步影响污染物排放。从地区层面上看,环境规制也是影响企业污染减排行为的重要因素。具体而言,随着环境规制水平的提升,边际成本逐渐超过边际收益,企业往往会缩减规模或进行污染治理(陈诗一等,2021)[29]。而污染治理需要的环境投资不仅周期长,而且风险高、收益低(马骏等,2020)[28]。此时企业不仅会缺乏充足的资金来源,还会陷入环境投资和污染减排都无法实现的困境。因此,总结现有文献并考虑数据的可得性,选取如下控制变量:出口企业虚拟变量(ex),若企业出口交货值大于0,ex取值为1,否则为0;企业盈利能力(pro),用利润总额占资产总计比重衡量;企业变现能力(cas),用流动资产占资产总计比重衡量;企业规模(sca),用百万资产取对数来表示;环境规制水平(ers),用各省三废排放量和熵值法计算出来的环境规制综合指数来表示。
表1 变量说明以及描述性统计
测算制造业投入服务化程度时使用的数据来自WIOD提供的2000—2013年中国投入产出表。时间段的选择一方面是考虑到数据的可得性,另一方面是因为进入21世纪后,受国外服务化研究热潮的影响,中国制造业才开始积极探索服务化战略。由于国际行业分类和中国国民经济行业分类有细微差别,因此,参考李碧珍和蔡云清(2021)[34]的研究,先将《国民经济行业分类》(GB/T 4754-2017)与所有经济活动的《国际标准行业分类》(ISIC Rev.4)进行比对,选取《国民经济行业分类》(GB/T 4754-2017)中包括C13—C41在内的29个制造业行业,并分类整合为18大类。服务部门则选取了与批发零售贸易、运输仓储活动、咨询和相关活动、信息服务活动、金融服务活动、科研与开发等生产性服务活动相关的15类服务业部门。结合投入产出表整合成252个产业-年份服务化样本观测值。文中使用到的企业污染排放数据和相关财务数据来自中国工业企业数据库和工业企业绿色发展数据库,并根据企业唯一标识码进行匹配。
对数据进行如下处理:(1)剔除非正常营业的企业,以保证样本数据的连续性与可得性;(2)剔除污染物排放量、投入服务化程度为负数或者缺失的企业;(3)剔除明显存在异常值与缺失值的企业;(4)剔除总资产为负、总资产小于固定资产、总资产小于流动资产的企业。
从测算的制造业投入服务化程度以及污染排放强度数据可以看出,制造业投入服务化与污染排放强度之间整体呈线性负相关关系(图1)。
图1 制造业投入服务化与污染排放强度散点图
本文采用非平衡面板双向固定效应模型研究制造业投入服务化与企业污染排放强度的关系。表2报告了基准回归结果,重点需要关注制造业投入服务化的系数和显著性。列(1)为仅考虑核心解释变量时的结果,制造业投入服务化的系数在1%的水平上显著为负,表明在样本期内制造业投入服务化有助于降低企业的污染排放强度。当模型加入企业出口哑变量、环境规制等控制变量和不同维度的固定效应后,列(2)—列(3)显示制造业投入服务化的系数仍然显著为负。说明制造业投入服务化确实能够降低企业的污染排放和对环境的不利影响。投入服务化战略将成为制造业部门进行节能减排、实现绿色发展的重要举措,假说1得证。
表2 制造业投入服务化对企业污染排放强度的影响
为了排除其他可能的干扰因素,使结果更加可靠,本部分对模型进行如下稳健性检验和内生性问题处理。
1.替换核心解释变量。用制造业部门对生产性服务业部门的间接消耗系数衡量制造业投入服务化。间接消耗系数矩阵C的计算公式如下:
C=B-A=(E-A)-1-E-A
(9)
检验结果如表3列(1)所示,用间接消耗系数衡量的制造业投入服务化的系数除了大小与前文有细微差别,总体上还是显著为负。说明假说1依旧成立。
表3 稳健性和内生性检验
2.缩尾处理。为削弱异常值、极端值对研究结果的影响,对数据进行上下1%的缩尾处理,结果如表3列(2)所示。制造业投入服务化的系数仍然在1%的水平上显著为负,表明在去除了极端值的情况下,假说1仍然成立。
3.加入交互固定效应。考虑到企业污染减排会受到不同地区环境政策差异的影响,因此,在模型中加入省份与年份交互项以及城市与年份交互项。结果如表3列(3)和列(4)所示,制造业投入服务化的系数仍然显著为负,与基准回归结果一致,因此本文核心结论是稳健的。
4.内生性问题处理。前文回归时使用的固定效应模型本身在一定程度上可以缓解遗漏变量引起的内生性问题。但考虑到解释变量和被解释变量之间可能存在逆向因果关系,比如减排需求会促使制造业企业改变生产模式进行服务化转型。因此,为了进一步克服这种内生性,参考许和连等(2017)[35]的方法,利用制造业投入服务化的一阶滞后和二阶滞后作为工具变量进行两阶段最小二乘估计(2SLS)。由于滞后值是前期发生的,其取值已经固定,与当期随机扰动项不相关,因此,满足外生性条件。表4回归结果也显示,第一阶段回归中制造业投入服务化滞后一期和制造业投入服务化滞后两期的系数都在1%的水平上显著,说明工具变量和解释变量相关,不存在弱工具变量,满足相关性条件。同时对工具变量进行过度识别检验,结果在10%的水平上拒绝“存在过度识别”的原假设,因此,工具变量的选取是合理的。考虑可能存在的内生性问题后,制造业投入服务化的系数仍然显著为负,这意味着制造业投入服务化有助于降低企业污染排放强度的结论是稳健的。
表4 内生性检验
理论分析部分提到融资约束可能对制造业投入服务化的污染减排过程产生负向调节作用。为了验证这个猜想,在模型(1)的基础上加入制造业投入服务化与融资约束的交互项,建立如下模型:
cpdinpt=β0+β1smipt+β2smipt×fc+β3fc+β4controls+μ1+μ2+μ3+μ4+ε
(10)
其中,β2为融资约束的调节效应。回归结果如表5所示,列(1)、 列(3)、 列(5)是未加入制造业投入服务化与融资约束交互项时不同维度固定效应下的回归结果,列(2)、 列(4)、 列(6)则分别对应列(1)、 列(3)、 列(5)加入交互项后的结果。加入交互项之前的主效应都显著为负,即制造业投入服务化能降低企业的污染排放强度,验证了假说1。加入交互项之后,交互项的系数也显著为负,可知融资约束fc数值的增大会强化制造业投入服务化的污染减排效应。融资约束fc用SA指数来衡量,且始终是负数,绝对值越小表示融资约束强度越低。因此,fc的增大其实是fc绝对值的减小,即融资约束强度的减小。所以融资约束强度的减小会对制造业投入服务化过程中企业的污染减排起到正向调节作用。融资约束的放宽增加了资金有效供给,补偿环境投资带来的高风险和高成本,进而激发企业的创新活力,畅通制造业投入服务化的减排渠道,进一步降低企业污染排放强度。
表5 调节效应
根据前文机制分析,制造业投入服务化可能通过要素结构优化效应和技术创新效应来减少企业的污染排放。制造业投入服务化过程中,企业多选择以信息技术、现代装备为基础的资本密集型生产性服务业,强化了资本要素的投入。随着投入服务化的不断加深,要素投入层面越来越倾向于人力资本、知识资本和技术资本等,而对普通劳动力要素的相对需求会下降(陈丽娴和沈鸿,2019)[22]。在知识、技术和人力资本不断积累的过程中,企业要素结构也会变得更加高效合理。因此,本文采用资本劳动比(klr)衡量要素结构的优化。借鉴许和连等(2017)[35]的研究,采用企业新产品产值与工业总产值的比重衡量技术创新(ti)。
根据温忠麟和叶宝娟(2014)[36]的研究,使用依次检验加Bootstrap检验的方法来分析制造业投入服务化污染减排效应的中介机制。模型设定为式(11)—式(13):
cpdinpt=a0+a1smipt+a2fc+a3controls+ε
(11)
channelnpt=b0+b1smipt+b2fc+b3controls+ε
(12)
cpdinpt=c0+c1smipt+c2fc+c3channelnpt+c4controls+ε
(13)
其中,channel为中介机制要素结构优化效应和技术创新效应。回归结果如表6所示,列(1)—列(3)为技术创新的中介机制检验,列(4)—列(6)为要素结构优化的中介机制检验。列(1)中制造业投入服务化对企业污染排放强度的影响系数显著为负,列(2)中制造业投入服务化对技术创新的影响系数显著为正,而列(3)中技术创新对企业污染排放强度的影响系数为负但不显著。此时无法判断技术创新的中介机制是否存在,需要进一步进行Bootstrap检验。若Bootstrap检验结果中间接效应的置信区间不包含0,则可以认为中介效应存在。按此方法对技术创新效应进行检验,发现置信区间不包含0,表明技术创新中介机制确实存在。随着越来越多服务要素投入到生产经营过程中,蕴含技术、知识的生产要素会给企业带来更加清洁的生产模式和更加绿色环保的技术,推动企业污染排放的减少。同理,列(6)中要素结构优化对污染排放强度的影响系数显著为负,而列(5)制造业投入服务化对要素结构优化的影响系数为正但不显著。这时进行Bootstrap检验,结果显示间接效应的置信区间也不包含0,由此可知制造业投入服务化确实可以通过优化要素结构减少企业污染排放。生产性服务要素取代实物要素的同时,还使其与其他生产要素有机结合、优势互补,提升企业资源配置效率,推动企业实现污染减排。综上,本文的假说1和假说2成立。
表6 中介检验
1.企业能耗水平的异质性
基于制造业企业单位产值能源消耗的均值水平,将所有制造业企业划分为两类。单位产值能源消耗在均值水平以上的归为高能耗企业,单位产值能源消耗等于或低于均值水平的企业归为中低能耗企业,分别对这两类企业进行检验。表7结果显示,高能耗企业投入服务化的系数显著为正,说明制造业投入服务化并没有减少高能耗企业的污染排放,反而加剧了污染排放。相反,中低能耗企业投入服务化的系数显著为负,说明服务化转型确实降低了其污染排放强度。出现这种结果可能是因为大多数高能耗制造业企业位于价值链中低端,而服务化转型常涉及价值链分工地位的变化。为了让产品向价值链上游攀升,企业往往会加入更多的生产环节,从而导致企业能源消耗和污染水平不减反增。而中低能耗企业大多以劳动要素和技术要素为主要投入,制造业投入服务化会带来企业专业化程度的进一步提高,从而有效降低污染排放强度。
表7 基于能源消耗水平的异质性分析
2.服务要素类型的异质性
不同类型服务要素投入带来的污染减排效应可能也不同。参考许和连等(2017)[35]的研究,将制造业投入服务化过程中投入的服务要素分为批发零售服务、运输服务、信息和通信服务、金融保险服务、专业科学技术服务五大类,研究不同类型服务要素投入对污染排放强度的异质性影响。表8显示,这五类服务投入的系数都在1%的水平上显著为负,说明这五类服务要素投入都可以显著降低企业的污染排放强度。但它们的污染减排效应仍有强弱之分,金融保险服务投入的污染减排效应最强,其次是专业科学技术服务投入和运输服务投入,而批发零售服务投入以及信息和通信服务投入的污染减排效应相对较弱。总体上,污染减排效应差异主要与各类服务要素内含的知识密集度相关,投入高知识密集度和高专业化程度的服务要素将更利于在生产过程中注入人力资本和知识资本,从而促进产业“软化”,降低污染排放(王宏森等,2022)[19]。因此,应该积极推动生产性服务业的开发与发展,尤其是要促进高知识密集度的服务要素深度融入制造业各环节,从而在实现更高产品附加值的同时减少资源消耗和环境污染。
3.服务要素来源的异质性
全球生产分工环境下,服务要素不仅可以来自国内,也可以从国外进口。参考戴翔等(2021)[37]的研究,分别计算各制造业行业消耗国外服务要素和国内服务要素的水平,以此考察不同来源服务要素对企业污染排放强度的异质性影响。表9回归结果显示,两种来源服务要素带来的污染减排效应不同。国内服务要素投入的系数显著为负,而国外服务要素投入的系数为负却不显著。说明制造业投入服务化过程中,投入国内服务要素显著降低了企业的污染排放强度,但投入进口服务要素并没有显著降低企业的污染排放强度。理论上说,国外尤其是发达国家的生产性服务业起步较早,长期处于全球价值链的高端环节,研发、信息等知识技术密集型服务产业的专业优势更加突出(许冬兰和张新阔,2021)[15],国外服务要素投入应该更能发挥服务化的污染减排效应,而结果恰恰相反。可能是因为我国制造业投入服务化起步晚,尽管开放了国外生产性服务要素的进口,但优质进口服务要素的投入比例并不高,因而投入进口服务要素并没有发挥有效的污染减排作用。另一可能的原因是发达国家一直凭借高端服务要素占据着价值链高端,过度依赖进口服务要素可能使我国制造业陷入“低端锁定”。长此以往发达国家便会凭借自身的垄断优势,掠夺下游企业的资源,阻碍资源流动,产生“服务化陷阱”。中国制造业企业的资源配置效率则会受到不利影响,投入服务化战略的污染减排效应便也无法充分发挥。
表9 基于服务要素来源的异质性分析
本文实证检验了制造业投入服务化对工业企业污染排放强度的影响和作用机制,同时还根据企业能耗水平、服务要素类型以及服务要素来源进行了异质性分析。得到的主要结论为:(1)制造业投入服务化可以通过优化企业要素结构、促进企业技术创新来减少企业的污染排放。(2)融资约束强度的降低能强化制造业投入服务化与污染排放强度之间的负向关系。在融资条件放宽时,金融部门给予制造业企业更多的支持,投入服务化战略的污染减排效应得到进一步提升。(3)制造业投入服务化对企业污染排放强度的削弱作用因企业能源消耗水平而异。相比高能耗企业,对中低能耗企业的污染减排效应更为突出。(4)相较于国内服务要素,来源于国外的生产性服务要素投入并没有发挥预期的污染减排效应。因为目前国外优质服务要素的投入比例相对较低,加上过度依赖国外服务要素所带来的低端锁定会使中国制造业企业陷入“服务化陷阱”,从而抑制了制造业投入服务化的污染减排功能。(5)不同类型服务要素投入所带来的污染减排效果存在差异。这种差异主要与服务要素所含的知识密集度有关,知识越密集和专业化程度越高的服务要素投入更有利于企业进行污染减排。
本文结论对制造业转型升级、制造业绿色发展以及制造业与生产性服务业融合发展都有重要政策启示:(1)环境污染问题关乎人类社会发展,发展经济一味寻求量的增加而忽略质的提升是不可持续的,因此,当前中国制造业高能耗高污染的发展模式亟待改变。而仅依靠各级政府的环保政策来实现污染减排远远不够,制造业需要从内部寻求改变。制造业投入服务化无疑是解决这一困局的重要技术路径,也是兼顾“金山银山”和“绿水青山”双重目标的重要发展战略(祝树金等,2020)[18]。制造业企业应积极提升自身投入服务化水平、努力推进制造业投入服务化的改革创新,实现制造业绿色可持续发展。(2)没有一成不变的准则,只有在实践中不断发展的理念。企业要结合自身实际和客观条件,实行差异化的服务化战略,切忌墨守成规。低能耗企业应积极发挥自身优势,加大优质服务要素的投入,实现绿色转型。而高能耗企业应顺应经济发展趋势,将制造业投入服务化精神与理念纳入到企业经营活动之中,在“干中学”中发现问题、纠正错误、不断成长,逐渐摸索出适合自己的转型方案(李颖和许月朦,2021)[17]。(3)持续推进本国生产性服务业升级,推动制造业投入服务化更广范围更深层次的发展。加快服务业市场化改革,推动生产性服务业开放发展。重点促进金融、技术等服务要素深度融入制造业研发、生产和销售等各环节,从而在减少资源消耗和环境污染的前提下,提高产品知识密集度和附加值。(4)在推动制造业投入服务化的过程中,政府应积极发挥相关财税政策的作用,引导企业绿色高效发展。降低贷款标准、拓宽融资渠道、积极帮助企业实施投入服务化战略,努力推动污染减排效应的释放,加快实现经济的绿色可持续发展。