科技服务业试点对城市绿色全要素生产率的影响研究

姚战琪

（中国社会科学院 财经战略研究院，北京 100028）

当前科技服务业成为推动高技术产业发展和提升国际竞争力的主要动力。 2014 年，国务院印发《关于加快科技服务业发展的若干意见》，25 个城市成为科技服务业试点区域，2016 年3 月，科技部印发《关于第二批科技服务业区域试点单位名单的通知》，40 家高新区成为第二批科技服务业试点区域。 科技服务业区域试点政策能够推动科技服务业集聚发展，促进了科技服务业的创新和科技服务业的转型升级。 科技服务业区域试点政策不但促进了社会进步，而且促进经济高质量发展。 科技服务业能促进绿色经济发展。 技术变革能通过降低环境保护成本，实现绿色经济快速增长。 为了实现绿色高效增长，各地区不但要创造新技术，而且要在工业生产、能源开发等领域普遍使用和推广低碳、节能的先进技术。 虽然发达国家在绿色技术领域拥有先进的技术和知识产权，但是发展中国家在《京都议定书》的谈判中发挥重要作用。与此同时，能源政策带来的好处对低收入国家很重要，例如能源政策不但能够通过提高能源效率来降低成本，也能减少当地空气污染，资源利用和农业生产方面的新技术对低收入国家也重要［1］15。 党的二十大报告提出了促进绿色发展的路径和措施，强调了绿色发展的重要性，需要坚持绿色发展理念，把生态环境保护融入经济社会发展全过程，加强生态文明建设，提高生态环境质量和机构的环境治理能力，要采取积极举措推动绿色发展。 当前，亟待回答的问题是：科技服务业试点是否促进了绿色经济发展？ 科技服务业试点通过哪些渠道促进了绿色全要素生产率增长？ 一城市的科技服务业试点政策是否能促进其他城市的绿色经济发展？ 回答这些问题对于评估科技服务业试点的政策效应，以及推动经济转向更加开放的发展模式，从而有助于实现绿色经济发展具有现实指导意义。

一、文献综述

围绕科技服务业试点与城市绿色全要素生产率的文献主要集中在以下三个方面：

其一是绿色经济的测算及其影响因素研究。绿色经济的测算主要涉及三个方面：一是使用绿色全要素生产率或绿色经济效率来反映经济增长的质量和效益［2］46［3］122。 二是建立绿色经济发展绩效评价指标体系，使用熵值法测算绿色经济发展绩效［4］103。 三是使用非参数方法（DEA）测算绿色经济增长效率［5］51。 绿色经济的影响因素包括产业集聚、技术创新、自然资源禀赋。

其二是科技服务业试点的经济效应。 一是科技服务业集聚对创新效率的影响研究。 科技服务业集聚会促进知识和技术的外溢，能促进企业之间的技术交流和合作更加频繁，从而会提高技术水平和生产效率，并提升企业的创新效率［6］90。二是科技服务业对产业升级的影响研究。 中国科技服务业快速发展，科技服务业集聚能正向促进产业升级，科技服务业集聚也能通过提升劳动生产率间接促进产业升级［7］104。 三是科技服务业对中国经济高质量发展的影响研究。 中国科技服务业能助推经济高质量发展，能提升经济发展质量，培育新兴产业，推进各领域融合发展，引领传统产业转型升级［8］91。

其三是绿色经济的影响路径研究。 一类是技术进步在环境治理、金融集聚、生产性服务业集聚等因素影响绿色经济发展绩效中发挥中介效应［9］150。 一方面，金融集聚有助于提供资金支持，为技术创新提供必要的资本保障，另一方面，技术创新为绿色经济发展的投资和融资提供了精准的方向，能促进绿色经济高质量发展。 另一类是产业结构合理化和产业结构高级化在互联网发展［10］149、协同创新、政府创新偏好等因素影响绿色经济发展绩效中发挥中介效应。

本文借助科技服务业试点的准自然实验，利用多时点DID 模型评估其对绿色全要素生产率的影响及作用机制，本文的边际贡献体现在三个方面：第一，研究视角方面，从科技服务业试点这一政策角度，分析其对中国绿色全要素生产率影响，为在全球环境问题日益突出背景下，制定促进绿色转型的政策建议提供一定的借鉴意义，也丰富了绿色全要素生产率影响因素的文献。 第二，研究方法方面，使用倾向得分匹配法和双重差分方法（PSM-DID）分析科技服务业试点对绿色全要素生产率的影响，PSM-DID 方法可以缓解非随机性分组问题、反向因果问题、时间趋势问题，从而可以缓解内生性问题。 第三，机制分析方面，本文从消费升级、产业结构升级、技术创新三个角度检验了科技服务业试点影响绿色全要素生产率的渠道，不但肯定了科技服务业试点的有效性，也为扩大科技服务业试点范围提供一定的现实依据。

二、机理分析

第一，科技服务业区域试点政策会促进人均消费支出增长，从而促进绿色经济增长。 一是，科技服务业快速发展能带来新的消费需求，例如，移动互联网的普及不但会带来更多的消费需求，也会促进经济增长。 二是，科技服务的发展会降低生产成本，提高消费者可支配收入，而生产成本的降低会带来产品价格的下降，从而会促进消费者的消费支出增长。 再次，消费支出会促进城市绿色全要素生产率增长。 消费升级不但会直接带动城市绿色全要素生产率增长，消费升级也会通过促进产业结构高级化等渠道间接提升城市绿色全要素生产率［11］41。 消费升级已成为城市经济高质量发展的重要推动力，消费升级会带动城市居民消费需求结构调整，城市居民会不断增加高附加值、高品质的消费支出，进而促进城市经济高质量发展。 同时，消费升级会拉动产业升级，消费升级会推动供给侧结构性改革，引导企业生产高技术、高附加值、高品质的产品，从而消费需求会拉动产业升级。 三是，消费升级会催生新市场，会促进新兴产业发展，促进形成新的商业模式，从而会带动城市经济升级。

第二，科技服务业区域试点政策会促进产业结构升级，从而促进绿色经济增长。 一是科技服务业能促进产业结构升级。 金融科技能促进产业结构升级，金融科技对产业结构升级的促进作用越来越明显，金融科技能优化金融服务结构，能弥补小微企业与个体户在融资方面的短板。 金融科技的应用能使实体经济企业在融资、资金管理等方面得到极大改善，提高了企业的竞争力和创新能力，进而会促进产业结构转型升级［12］22。 二是产业结构升级促进城市绿色全要素生产率增长。不但产业结构升级能推动城市经济高质量发展，而且新兴产业大发展会促进城市经济高质量发展。 新兴产业能创造更多的就业岗位，推动了城市经济高质量发展。 同时，城市经济高质量发展需要产业结构升级的支撑，为了使城市经济高质量发展，需要通过产业结构调整和优化来提升绿色全要素生产率。 三是绿色金融能通过促进产业结构升级间接提升城市绿色全要素生产率［13］46。绿色金融能通过降低资金成本、优化资源配置、推动产业绿色转型等方式，实现绿色全要素生产率不断提升，从而为可持续发展提供有力的金融支持。

第三，科技服务业区域试点政策会促进技术创新，从而促进绿色经济增长。 一是科技服务业能提升企业技术创新水平。 科技服务业以技术为支撑，为各种企业提供技术服务，提升了企业的技术水平［14］163。 科技服务业是技术创新的重要推动力量，在技术升级周期逐渐缩短的背景下，科技服务业更加注重技术创新，以满足市场的需求。一方面，科技服务业本身不断创新，不断开发更先进、更高效、更可靠的服务解决方案，满足用户对技术创新的需求；另一方面，科技服务业在提供服务的过程中积累了大量的技术，从而不断提高服务水平，为客户提供个性化的技术服务。 二是技术创新能促进绿色经济增长。 技术创新不但能提高企业的生产能力，也能降低环境负荷，提高资源利用效率，从而提升绿色全要素生产率。 绿色技术创新以节能、环保、可再生能源为核心，企业通过研究和应用新技术，使企业能更好地利用资源，达到节约能源和减少能耗的目的，从而提高了绿色全要素生产率。 三是绿色技术创新可以通过提高资源利用效率等渠道间接减少资源浪费，技术创新可以提高环保水平和降低环境污染。 因此，提出以下假设：

假设1：科技服务业区域试点通过促进消费升级间接促进绿色经济增长。

假设2：科技服务业区域试点通过促进产业结构升级间接促进绿色经济增长。

假设3：科技服务业区域试点通过促进技术创新间接促进绿色经济增长。

三、模型设定、变量选择及数据来源

（一）模型构建

首先，设定如下科技服务业试点与绿色经济发展的基准计量模型：

下标i 和t 分别表示城市和时期，GTFP 为绿色全要素生产率，Tese 为科技服务业试点，如果城市i 在第t 年入选科技服务业试点城市，Tese赋值为1，否则赋值为0。 根据各城市所在位置在不同时间入选科技服务业试点政策这一外生事件，设置虚拟变量Tese 作为科技服务业发展的代理变量。 具体而言，当城市i 在第t 年入选科技服务业试点城市，Tese 就为1，否则赋值为0。 若系数大于0，表明与未实施科技服务业试点政策的地区相比，实施科技服务业试点政策的地区的绿色全要素生产率提升很快，换言之，科技服务业试点政策有利于促进绿色经济发展。

其次，为了检验平行趋势假设是否成立，针对科技服务业试点政策对绿色全要素生产率的影响，本文依据DID 模型构建动态效应检验模型：

（m＝1，2，3）为虚拟变量，如果观察值是实验组在科技服务业试点年份之前的m 年，则Before 为1， 否则为0。为虚拟变量，如果实验组在科技服务业试点年份之中，则为1，否则为0。（n ＝1，2，3＋）为虚拟变量，如果观察值是实验组在科技服务业试点年份之后的n 年，则After 为1，否则为0。

（二）变量测度

绿色经济发展。 用绿色全要素生产率来测算绿色经济发展。 借鉴Chung et al.（1997）的做法，在计算绿色全要素生产率时，考虑了环境因素、废物排放量、环境效率对生产率的深远影响［15］229。 使用计算得到的绿色全要素生产率ML 指数（Malmquist-Luenberger）来衡量绿色全要素生产率。

第一，投入指标。 包括资源性投入指标和非资源性投入指标，用全社会用电量来测算资源性投入指标，用劳动投入和资本投入来测算非资源型投入指标，使用城镇就业人数衡量劳动投入，借鉴张军等（2004） 的做法，使用9.6%的折旧率［16］35，以不变价格计算得到的物质资本存量表示各城市资本要素投入。

第二，产出指标。 使用1 个期望产出和3 个非期望产出来测算产出指标。 使用各城市生产总值来测算期望产出，使用废水排放量、二氧化硫排放量、烟尘排放量来测算非期望产出。

经济发展水平（Lnpgdp），用人均GDP 来衡量；金融机构对实体经济的支持情况（Loanp），用地区金融机构各项贷款余额占GDP 的比重来衡量；地方政府对经济发展的支持力度（Lnfisc），用地方财政支出的对数来衡量；城镇化率（Urbn），用城镇人口占总人口的比例来衡量；国家对外开放程度（Open），用外商投资占比来衡量。

（三）数据来源

本文选取2005—2021 年CEIC 全球经济数据库中的292 个地级市作为研究对象，人均GDP 、城镇化率、外商投资、金融机构各项贷款余额、地方财政支出来自《中国统计年鉴》、Wind 数据库、CEIC 数据库。

四、实证结果分析

（一）基准回归

表1 为科技服务业试点影响绿色全要素生产率的基准回归结果。 列（1）和列（3）不考虑控制变量，列（2）和列（4）考虑控制变量，为了提高预测的准确性，列（3）和列（4）研究科技服务业试点滞后一期对绿色全要素生产率的影响。 结果显示，核心解释变量的系数估计值显著为正，通过了1%的显著性检验，因此，与未实施科技服务业试点政策的对照组相比，实施科技服务业试点政策的实验组的绿色全要素生产率快速增长，科技服务业试点政策能显著提升绿色全要素生产率。 考虑控制变量或不考虑控制变量时，核心解释变量的滞后一期也显著为正，并通过了1%的显著性检验，因此验证了本文结果的稳健性。 在控制变量中，城镇化率能促进绿色全要素生产率增长，地方财政支出对绿色全要素生产率有负向影响。

表1 基准回归结果

（二）稳健性检验

1.平行趋势检验

图1（见下页）为平行趋势检验结果。 平行趋势检验法用于检验实验组和对照组在政策实施前是否具有相似的趋势，以及实验组和对照组在政策实施后的变化趋势是否发生了显著的差异。 可看到，在科技服务业政策试点前，实验组和对照组的绿色全要素生产率的变化趋势基本相同，在政策实施后，科技服务业试点政策对绿色全要素生产率的促进作用快速增强。 因此，在政策实施前，实验组和对照组的绿色全要素生产率的变化趋势是平行的。 在政策实施后，实验组和对照组的绿色全要素生产率的变化趋势发生了显著的差异，实验组的绿色全要素生产率显著大于对照组的绿色全要素生产率，因此，科技服务试点政策对实验组产生了显著的影响。

图1 平行趋势检验

2.PSM-DID 检验

为了提高预测的准确性，使用双重差分法和倾向得分匹配组合而成的PSM-DID 模型，通过趋势分析来评价科技服务试点政策的影响。 将地方财政支出、城镇化率、贷款占GDP 比重、外商投资占比、经济发展水平作为匹配使用的协变量。 使用PSM-DID 模型要对匹配后的样本进行标准化检验，匹配后标准化偏差越小，则匹配效果越好。 可看到，匹配后标准化偏差的绝对值的最大值为6.2%，并且匹配后所有变量的标准化偏差均下降①限于版面，未报告协变量平衡检验结果，如有需要可向笔者索取。。

表2 为PSM-DID 检验结果。 PSM-DID 检验结果中的科技服务业试点的系数估计值仍为正，并通过了至少5%的显著性检验。 可看到，PSMDID 检验结果中的科技服务业试点的系数估计值与表1 基本一致。

表2 PSM-DID 检验结果

3.安慰剂检验

为了确保处理组和对照组之间没有偏差，就使用安慰剂检验法来验证结果的有效性。 从原始的数据中，随机抽取一部分非处理组作为虚构处理组（或者虚构政策时间），并使其接受和处理组相同的干预措施，从而就可以比较处理组和虚构处理组之间的差异，以检测估计结果是否出现偏误。 首先，2015 年25 个区域成为科技服务业试点区域，2016 年贵阳、厦门、宁波、长春、乌鲁木齐等40 个区域成为科技服务业试点区域，因此，将参加科技服务业试点的65 个区域随机分配到实验组和对照组。 其次，按照以上城市成为科技服务业试点城市的时间设定时间虚拟变量，最后，将随机抽取的实验组城市和对照组城市进行回归分析，对核心解释变量进行1000 次随机抽样，就能得到变量的真实系数和1000 组虚拟变量的系数估计值，从而绘制安慰剂检验结果图。 从图2 可看到，虚拟变量的系数估计值大多集中分布在0周围，随机效果中的回归系数小于科技服务业试点政策变量的基准回归系数。

图2 科技服务业试点促进绿色经济发展的安慰剂检验图

（三）机制检验

1.人均消费支出在科技服务业试点与绿色全要素生产率中的中介作用

人均消费支出对绿色经济增长的影响呈现促进作用，即人居消费支出对工业废水排放量起到减弱的作用，人均消费支出与绿色经济增长显著正相关，因此人均消费支出能促进绿色全要素生产率增长［17］71。

表3（见下页）的列（1）和列（2）为人均消费支出（Lncons）中介作用的检验结果。 可看到，科技服务业试点能促进人均消费支出增长，人均消费支出也对绿色全要素生产率有正向影响。 在人均消费支出为中介变量的情形下，间接效应为0.129，间接效应占直接效应的比例为27.71%，因此人均消费支出促进了科技服务业试点对绿色全要素生产率直接影响的27.71%，该条路径在科技服务业试点提升中国绿色全要素生产率的所有路径中较显著，验证了假设1。 Sobel 检验、Goodman检验结果也通过了1%的显著性检验。

2.产业升级在科技服务业试点与绿色全要素生产率中的中介作用

使用产业结构层次系数来反映产业结构高级化程度（Indua），即对全国各城市的三次产业比重进行加权求和，从而得到产业结构层次系数。 产业结构高级化变量取值越大，说明产业结构高级化水平越高。 泰尔指数的数值越接近0，表明产业结构合理，泰尔指数越大，表明产业结构越不合理。 本文使用泰尔指数的倒数来正向化产业结构合理化变量（Indur），泰尔指数的倒数越大，说明产业结构相对合理化。 使用以下方法计算泰尔指数。

其中Lw和yw分别表示各地区第w 产业的就业人数和产值，L 和Y 分别表示各地区的就业人数和产值。

表3 的列（3）测算的是科技服务业试点对产业结构高级化的影响，结果显示科技服务业试点对产业结构高级化具有正向影响，列（4）将中介变量和核心解释变量一并回归，产业结构高级化能促进绿色全要素生产率增长，科技服务业试点的系数估计值也为正，通过了1%的显著性检验。因此，科技服务业试点能通过促进产业结构高级化间接促进绿色全要素生产率增长。 在产业结构高级化为中介变量的情形下，间接效应为0.116，间接效应占直接效应的比例为20.98%，因此，产业结构高级化促进了科技服务业试点对绿色全要素生产率直接影响的20.98%。

从列（5）可看到，科技服务业试点对产业结构合理化具有负向影响，从列（6）看到，产业结构合理化对绿色全要素生产率也具有负向影响，因此，科技服务业试点能通过促进产业结构合理化间接提升绿色全要素生产率。 在产业结构合理化为中介变量的情形下，间接效应占直接效应的比例为15.19%。

3.技术创新在科技服务业试点与绿色全要素生产率中的中介作用

表4（见第150 页）的列（1）和列（2）为研发资本存量（Lnrd）的中介效应检验结果，列（3）和列（4）为高新技术产品销售额（Lnhig）的中介效应检验结果，列（5）和列（6）为发明专利数量（Lninv）的中介效应检验结果。

表4 研发资本存量、高新技术产品销售额、发明专利的中介作用

表4 的列（1）表明，科技服务业试点能促进研发资本存量增长，列（2）表明，研究资本存量能提升绿色全要素生产率增长，科技服务业试点能通过促进研发资本存量间接提升绿色全要素生产率，在研发资本存量为中介变量的情形下，间接效应为0.232，间接效应占直接效应比例为28.98%。

从列（3）和列（4）可看到，科技服务业试点能促进高新技术产品销售额增长，高新技术产品销售额也能提升绿色全要素生产率，在高新技术产品销售额为中介变量的情形下，间接效应为0.046，间接效应占直接效应的比例仅为6.83%，因此，技术创新（研发资本存量、高新技术产品销售额、发明专利数量）的中介作用在科技服务业试点影响绿色全要素生产率的过程中存在明显差异。

列（5）表明，科技服务业试点对发明专利数量具有正向影响，并通过了1%的显著性检验，从列（6）可看到，发明专利数量也能提升绿色全要素生产率，也通过1%的显著性检验，因此科技服务业试点能通过促进发明专利数量增长间接提升绿色全要素生产率，在发明专利申请量为中介变量的情形下，中介效应占直接效应比重为21.33%。

（四）异质性分析

1.不同地区的异质性

从表5（见下页）可看到，东部、中部、西部地区的科技服务业试点对绿色全要素生产率都具有促进作用，由于东部地区和中部地区科技服务试点变量回归系数的显著性水平相同，使用费舍尔组合检验方法进行组间系数差异检验。 组间系数差异检验结果显示，东部地区、中部地区组间系数差异检验的P 值为0.061①限于版面，未报告组间系数差异检验结果，如有需要可向笔者索取。，东部地区、西部地区组间系数差异检验的P 值为0.063，小于0.1，因此科技服务业试点对东部地区绿色全要素生产率的促进作用显著大于中部和西部地区。 西部地区、中部地区组间系数差异检验的经验P 值大于0.1，因此科技服务业试点对中部地区和西部地区绿色全要素生产率都有正向的促进作用，但差异不大。所以，科技服务业试点对东部、中部、西部地区的绿色全要素生产率都具有促进作用。

表5 区域异质性与碳排放异质性检验结果

2.碳排放的异质性

表5 的列（4）和列（5）为碳排放异质性检验结果。 从碳排放的异质性角度构建交互项，来研究科技服务业试点政策对绿色全要素生产率的影响在不同的碳排放强度环境下是否表现出差异性。 根据各城市碳排放强度的中位数的高低形成对照组和实验组，将碳排放强度的中位数落在后1／2 的城市作为对照组，将碳排放强度的中位数落在前1／2 的城市作为实验组，从而形成各城市碳排放强度是否高于虚拟变量（dumm）。 Tese×dumm 的系数估计值显著为正，通过了至少5%的显著性检验。 碳排放强度小的城市和碳排放强度高的城市组间系数差异检验的经验P 值为0.359，因此，科技服务业试点对碳排放强度小的城市和碳排放强度高的城市的绿色全要素生产率的促进作用差异不大。

结论及建议

围绕2015 年、2016 年科技服务业试点，使用双重差分法、三重差分法和2013—2021 年中国292个地级市的统计数据，研究了科技服务业试点对中国绿色全要素生产率的影响。 研究成果发现：第一，科技服务业试点政策能显著促进中国绿色经济增长。 第二，科技服务业试点政策能通过促进人均消费支出增长、推进产业结构升级、提升技术创新能力间接提升绿色全要素生产率。 第三，科技服务业试点政策借助人均消费支出对绿色全要素生产率的提升作用显著大于科技服务业试点政策借助产业结构升级和技术创新能力对绿色全要素生产率的提升作用。 第四，科技服务业试点政策对东部地区的绿色经济的促进效应大于其对西部地区的绿色经济的促进作用；科技服务业试点对碳排放强度小的城市和碳排放强度高的城市的绿色全要素生产率的促进作用差异不大。

因此，应制定政策，大力发挥科技服务业试点对绿色全要素生产率的促进作用。 第一，进一步发挥人均消费支出对绿色全要素生产率的促进作用。政府要加强宣传绿色消费相关信息，以提高公众对绿色消费的认知和接受度，并支持消费者做出更加明智的消费决策。 政府可以通过税收、补贴和其他政策工具降低绿色产品的成本，从而提高绿色产品的市场份额并激发消费者对绿色产品的需求。 第二，科技服务业试点能通过促进技术创新间接提升绿色全要素生产率，因此，政府要加大对科技服务业的投入和支持力度，促进企业加快技术创新；鼓励科技服务企业之间的合作，扩大创新空间，提高创新效率；可以通过财税扶持与金融扶持手段，降低企业研发成本，吸引优秀人才。 第三，科技服务业试点政策要支持新兴产业快速发展，推动高技术产业，以及新能源、新材料产业的发展和壮大，促进产业结构不断升级。 政府要制定税收政策和产业政策，为科技服务业发展提供更多的市场机会，促进产业技术升级。 推广“技术＋金额”“技术＋市场”“技术＋制造”等产业化新模式，引导企业走创新之路，加速产业结构升级。