绿色发展即以高效率、低污染、低损耗的绿色模式实现经济增长[1]。在推动实现碳达峰、碳中和的目标背景下,加快形成绿色低碳的现代化产业体系是促进中国城市绿色发展的关键。生产性服务业是依托制造业的中间投入部门,通过向制造业部门提供专业化和多样化的服务提高资源利用效率,最终对城市绿色发展产生积极影响。生产性服务业集聚在微观上可以促进企业研发创新[2];在宏观上则可以通过产业前后向联系,加快城市产业转型升级[3],进而对城市绿色发展产生促进作用。然而,生产性服务业集聚对城市经济发展的影响并不总是正向的,也可能带来城市内部拥堵和城市间恶性竞争,最终形成负向外部性。因此,如何促进生产性服务业合理化集聚,进而对城市绿色发展产生促进作用具有十分重要的现实意义。
近年来,随着经济发展方式转变和产业结构调整,部分研究开始聚焦于生产性服务业集聚对产业升级、科技创新和节能减排等因素的影响上,这些因素可能会进一步影响城市绿色发展。具体而言, 一是生产性服务业集聚对产业升级的影响。Wood[4]发现,生产性服务业集聚能够加速制造业企业研发或采取新的生产工艺,降低企业生产成本,从而对产业升级产生积极作用。高觉民、李晓慧[5]指出,生产性服务业通过提供专业化服务,提高了商品和服务生产过程的效率,进而促进了制造业的发展。也有研究发现,生产性服务业并不直接提高制造业效率,而是通过集聚模式[6]、社会创新体系[7]等中介因素影响制造业效率,最终促进城市绿色发展。二是生产性服务业集聚对科技创新的影响。有研究认为,生产性服务业集聚提高了高技能劳动力之间知识溢出的概率[8],进而促进了地区科技创新能力提升[9]。但也有研究认为,该影响在行政等级较低的城市并不显著[10]。我国服务业集聚整体技术溢出处于较低层次,尚不足以推动区域创新发展,科技创新更多依赖工业集聚所形成的外部性[11]。三是生产性服务业集聚对节能减排的影响。有研究发现,生产性服务业集聚可以为制造业企业提供专业化和多样化服务,提高制造业企业生产率,降低资源能源消耗水平[12];也有研究认为,生产性服务业集聚能有效改善本地区的环境污染状况,却加剧了邻近地区的环境污染[13];还有研究认为,生产性服务业专业化和多样化集聚不仅不利于本地区的碳减排,还提升了邻近地区的碳排放水平[14]。此外,部分研究关注了生产性服务业集聚对城市绿色发展的影响。例如:方湖柳等[15]认为,生产性服务业集聚除了会促进本地区生产性服务业绿色发展,还会推动周边地区生产性服务业绿色发展;马竞天[16]指出,生产性服务业集聚可以通过产业升级、技术进步和提升能源效率影响绿色发展;李玉洁等[17]发现,技术创新是制造业和生产性服务业协同集聚影响绿色全要素生产率的重要途径,但目前两大产业协同集聚的正外部效应并未发挥,甚至抑制了绿色全要素生产率提升。
综上可见,已有研究大多关注了生产性服务业集聚对产业升级、科技创新和节能减排等的影响,缺少进一步对城市绿色发展影响的分析。部分研究探讨了生产性服务业集聚对绿色发展的影响机制,但对具体作用路径缺乏实证检验[16];同时,已有实证分析主要集中在区域或部分城市层面[17],鲜有从全国城市层面进行的研究。有鉴于此,本文基于2005—2019年中国城市面板数据,深入分析了生产性服务业集聚与绿色发展之间的关系和具体作用机制。本文的边际贡献主要有三点:第一,从产业升级、科技创新和节能减排三个方面分析了生产性服务业集聚对绿色发展的影响机制,为理解生产性服务业集聚与绿色发展之间的关系提供了新的分析视角;第二,通过构建多种空间权重矩阵和空间计量模型,讨论了生产性服务业集聚与城市绿色发展之间的直接效应和空间效应,丰富了城市经济学的相关研究;第三,从地级及以上城市层面分析了生产性服务业集聚对绿色发展的影响,为各城市通过利用生产性服务业集聚促进城市绿色发展提供了更为精确的经验证据。
在“双碳”目标背景下,通过优化产业结构进而促进经济高质量发展已经成为城市的必然选择。生产性服务业的人力资本水平整体较高,同时对自然资源消耗较低,其集聚本身就会对城市绿色发展产生积极影响。然而,生产性服务业集聚对绿色发展的影响并不总是正向的。在城市发展初期,产业层次相对较低,生产性服务业的集聚对制造业发展具有显著的“挤出效应”,不利于产业结构升级[18],还可能会导致资源消耗增加、城市综合承载力增大、科技创新不足等问题,进而对城市绿色发展产生不利影响。同时,大量的生产性服务业盲目扎堆,会导致产业结构和需求结构失衡,也不利于城市绿色发展[19]。随着城市产业发展层次的提升,生产性服务业集聚不再局限于低端行业,金融业等高端生产性服务业集聚水平不断提升,有利于降低资源消耗,促进科技创新,进而促进城市绿色发展。
此外,生产性服务业特别是高端生产性服务业集聚不仅加强了本地不同组织间的交流合作,也有利于从邻近地区获得优势,进而对本地产业演化产生积极作用[20],促进本地绿色发展。生产性服务业集聚的空间效应主要体现在:一方面,生产性服务业集聚有利于拓展服务边界,增强地区间产业上下游之间的联系,推动邻近地区绿色创新和产业转型升级;另一方面,地方政府为促进经济发展,往往会参考邻近先进地区招商引资经验和相关政策,通过向榜样学习,充分发挥生产性服务业集聚对城市绿色发展的积极作用。然而,生产性服务业集聚对城市绿色发展的影响可能与邻近地区的发展水平或产业结构有关,与工业发展缓慢、产业结构落后地区邻近的城市,其生产性服务业集聚不会产生“技术扩散效应”和“节能减排效应”,反而会通过虹吸效应产生负向空间溢出效应。基于以上分析,本文提出第一个假设。
H1:生产性服务业集聚与城市绿色发展之间表现为“U”型关系,且存在空间溢出效应。
1. 生产性服务业集聚、产业升级与城市绿色发展
作为现代产业体系的重要组成部门,生产性服务业内生于制造业,其集聚可以通过三个方面加快产业转型升级,进而促进城市绿色发展。一是提升人力资本。生产性服务业人力资本水平整体较高,其作为中间投入品参与产品生产,有利于通过劳动力市场共享提升制造业企业人力资本,进而内生提高制造业企业生产效率,促进产业升级。二是增强产业互动。生产性服务业脱胎于制造业,其集聚可以更好地为制造业企业提供优质和专业化服务;同时,随着制造业的发展,其对生产性服务业的需求也会增加,使得产业间联系程度更高,并通过分工提高整个城市的经济效率。三是加剧市场竞争。生产性服务业在空间上的集聚,也加大了自身的竞争程度,而有限的空间和市场会增加集聚区内企业的竞争压力,这不仅会促进生产性服务业转型升级,也会通过生产性服务业发展带动制造业转型升级。然而,生产性服务业本质上是为制造业服务的,其发展和集聚也是由低级向高级不断演进的过程。在产业集聚初期,交通运输、仓储和邮政业(以下简称“交通运输业”)等低端生产性服务业集聚可能并不会与制造业形成良好的协同效应,反而可能会因集聚产生“挤出效应”,不利于产业升级[18]。而金融业等高端生产性服务业的集聚会加速城市产业结构由劳动和资本密集型向知识和技术密集型转变,进而通过产业升级促进城市绿色发展。基于以上分析,本文提出第二个假设。
H2:生产性服务业集聚可以通过产业升级促进城市绿色发展。
2. 生产性服务业集聚、科技创新与城市绿色发展
作为典型的知识密集型产业,生产性服务业集聚可以通过三个方面提高科技创新能力,进而对绿色发展产生积极作用。一是加速知识溢出。生产性服务业集聚加速了知识、技术等创新性要素的空间流动,增加了劳动力特别是高技能劳动力面对面交流的机会,进而通过知识溢出和技术扩散促进科技创新。二是提高产品质量。生产性服务业集聚通过为制造业企业提供金融、科技、商务等方面的专业化服务,降低了制造业企业生产成本,使企业有更多资金用于研发活动,有利于企业提升产品质量。三是改善资源错配。生产性服务业集聚深化了专业化分工水平,通过为制造业企业提供服务改善资源错配,提高了生产要素配置效率。但我国地方政府之间存在政治锦标赛,倾向于对产业进行惯性干预,在产业集聚初期可能导致资源错配和低效率企业进入。此时生产性服务业集聚水平提升会导致资源配置进一步恶化,不利于科技创新[21]。随着生产性服务业发展层次不断提升,集聚带来的知识溢出和技术扩散效应加速显现;同时,集聚带来的市场竞争也可以提高生产性服务业进入门槛,避免低效率企业进入。生产性服务业企业自身效率的不断提升不仅有利于进一步减少自然资源消耗,还会通过产业前后向联系提升制造业生产效率,最终促进城市绿色发展。基于以上分析,本文提出第三个假设。
H3:生产性服务业集聚可以通过科技创新促进城市绿色发展。
3. 生产性服务业集聚、节能减排与城市绿色发展
生产性服务业集聚可以通过加快节能减排对城市绿色发展产生积极作用。一是生产性服务业集聚有利于企业采用绿色技术。生产性服务业通过产业关联嵌入制造业,其集聚有利于为制造业企业提供个性化和专业化服务,促进制造业企业采用低碳节能的绿色技术,提升资源利用效率。二是生产性服务业集聚能够降低资源消耗。生产性服务业集聚能够降低制造业企业的中间投入品成本,在绿色发展理念影响下,改变现有生产方式和管理水平,增加环境友好型产品的研发投入,通过最终产品的绿色化降低资源消耗,进而促进城市绿色发展。三是生产性服务业集聚有利于高端产业集聚。从产业演进角度来看,交通运输业等低端生产性服务业对资源的消耗较大,其集聚不利于节能减排[15]。随着生产性服务业的发展,高端生产性服务业集聚不仅有利于降低资源消耗,还可以通过为制造业企业提供服务提升其资源利用效率,进而通过节能减排推动城市绿色发展。基于以上分析,本文提出第四个假设。
H4:生产性服务业集聚可以通过节能减排促进城市绿色发展。
综合上述分析,本文从直接效应和间接效应两个角度讨论生产性服务业集聚对城市绿色发展的影响,并对产业升级、科技创新和节能减排三条具体作用路径进行实证检验,具体如图1所示。
本文选取2005—2019年中国285个地级及以上城市作为研究样本。本文的城市绿色发展和生产性服务业集聚测度指标、GDP、二三次产业增加值、每万元GDP能耗、财政支出、外商直接投资、年末金融机构人民币各项贷款余额数据来自《中国城市统计年鉴》和各城市统计公报;专利申请量数据来自国家知识产权局专利数据库和中国研究数据服务平台;低碳试点城市数据来自国家发展改革委员会公布的低碳试点城市名单。同时,所有名义变量均通过价格指数调整为以2005年为基期,价格指数来自《中国统计年鉴》。
图1 生产性服务业集聚影响城市绿色发展的作用机制
1.被解释变量
本文的被解释变量为城市绿色发展(GEE)。目前,学界评价绿色发展主要采用DEA模型[22]、加权能源环境绩效[23]等方法。基于投入产出视角的测算过程具有较强的可观测性,因此本文借鉴相关文献[24]的做法,测算了基于投入产出视角的DEA-Malmquist生产率指数,用以表征城市绿色发展水平,并构建绿色发展指标体系(见表1)。其中,借鉴张军等[25]的研究,将固定资产投资存量作为固定资产投资的代理变量。
表1 绿色发展指标体系
指标类型指标类别具体指标单位投入指标经济社会投入资源能源投入全市年末单位从业人数人固定资产投资万元供水总量万吨全社会用电量万千瓦时天然气供气总量万立方米建设用地平方公里产出指标期望产出非期望产出实际GDP亿元人均医院床位数张城镇职工基本养老保险参保人数人工业废水排放量万吨工业二氧化硫排放量吨工业烟(粉)尘排放量吨
2. 解释变量
本文的解释变量为生产性服务业集聚(PS)。相较于其他方法,区位熵可以消除区域规模差异等方面的外部因素,真实反映区域间的产业分布情况[12]。因此,本文采用区位熵测算城市生产性服务业集聚水平:
(1)
其中,下标i表示城市,s表示生产性服务业;P表示就业人数。本文的生产性服务业包括交通运输业,信息传输和计算机服务、软件业(以下简称“信息传输和计算机服务业”),金融业,租赁和商业服务业,以及科学研究、技术服务和地质勘查业(以下简称“科学研究和技术服务业”)。
3.中介变量
基于前述理论分析,本文选取三个中介变量:(1)产业升级,借鉴姚战琪[26]的研究,以城市第二产业产值与第三产业产值之和占GDP的比重来衡量;(2)科技创新;(3)节能减排。
4.控制变量
为减少因遗漏变量而产生的估计结果偏误,本文控制了城市层面的如下变量:财政支出、外商直接投资、金融发展、环境规制。其中,考虑到环境规制在生产性服务业集聚过程中可能产生的作用,本文将城市是否被纳入低碳试点城市作为环境规制控制变量进行实证检验[27]。
本文变量定义如表2所示。
表2 变量定义
变量类型变量名称变量符号变量说明被解释变量城市绿色发展GEE根据表1中的指标体系计算得到解释变量生产性服务业集聚PS根据式(1)计算得到产业升级IU第二产业增加值与第三产业增加值之和占GDP 的比重中介变量科技创新TC专利申请量节能减排RE每万元GDP能耗财政支出GOV政府在科学技术和教育方面的财政支出之和控制变量外商直接投资FDI实际利用外商直接投资额金融发展FIN年末金融机构人民币各项贷款余额占GDP的比重环境规制EN被纳入低碳试点城市为1,否则为0
1.空间计量模型
为检验生产性服务业集聚对城市绿色发展的直接效应(本地效应)和间接效应(空间溢出效应),本文选择空间杜宾模型(SDM)进行实证检验。同时,为探究生产性服务业集聚与城市绿色发展之间可能存在的“U”型关系,在SDM中加入生产性服务业集聚的二次项(PS2),构建如下模型:
α6GOVit+α7FDIit+α8FINit+α9ENit+
(2)
其中,下标j表示城市,t表示年份;μi和λt分别表示个体和时间固定效应,ε为随机误差项;α1、α4、α5、α10~α13为空间滞后项系数,α2、α6~α9表示直接效应,α3用于判断PS与GEE之间是否存在“U”型关系;w为空间权重矩阵W中的元素。此外,避免单一权重矩阵回归可能产生的偶然性,本文设定三种空间权重矩阵:地理距离空间权重矩阵W1,W1=1/dij,d表示城市间地理距离,以基于城市经纬度坐标计算的球面距离来衡量;经济距离空间权重矩阵W2,W2=1/eij,e表示城市间实际人均GDP差值的绝对值;时间距离空间权重矩阵W3,W3=1/cij,c表示城市间通勤时间,以城市间最短高铁(无直达高铁时以最短换乘高铁代替)运行时间来衡量。
2.中介效应模型
为检验产业升级、科技创新和节能减排是否在生产性服务业集聚与城市绿色发展之间发挥了中介作用以及中介变量的空间效应,本文使用包含空间相互作用的中介效应模型进行实证分析,在模型(2)基础上构建如下模型:
(3)
γ7GOVit+γ8FDIit+γ9FINit+γ10ENit+
(4)
其中,MED为中介变量。
表3报告了本文变量的描述性统计结果。不难发现,生产性服务业集聚的标准差较大,说明我国不同城市生产性服务业集聚水平存在明显差异。与生产性服务业集聚类似,财政支出、外商直接投资、金融发展等变量在不同城市间的发展水平差距同样明显。
表3 变量的描述性统计结果
变量样本量均值标准差最小值最大值GEE42750.9850.3110.6561.539PS42750.7960.6090.24112.259IU42750.8340.1100.4580.979TC42757.0440.9690.00013.922RE42750.8940.4820.1704.140GOV427513.0890.8329.66317.332FDI42759.5502.8710.00014.941FIN427516.2831.16112.75620.373EN42750.1490.35601
为避免变量的非平稳性导致模型可能存在虚假回归问题,需要检验变量的平稳性。检验结果①表明本文的建模数据是平稳的。同时,为考察生产性服务业集聚对城市绿色发展的影响是否存在空间效应,以及判断选择何种模型进行实证分析,需要进行模型识别分析。识别结果见表4。
表4 空间模型识别结果
系数T值PS-0.041∗∗∗-3.708PS20.033∗∗∗2.918GOV0.034∗∗∗6.497FDI0.003∗∗∗2.908FIN0.040∗∗∗7.752EN0.013∗∗∗4.297常数项0.0641.589样本量4275log-L304.011调整后R20.714
注:***、**和*分别表示在1%、5%和10%的水平下显著。
由表4可知,生产性服务业集聚一次项系数显著为负,二次项系数显著为正,说明生产性服务业对城市绿色发展的影响存在“U”型关系。另外,Hausman检验统计值为32.516,且在1%的水平下显著。因此,本文构建基于固定效应的空间杜宾模型,实证分析生产性服务业集聚与城市绿色发展之间的关系。回归结果见表5。
由表5可知,虽然地理距离、经济距离和时间距离三种空间权重矩阵的估计结果存在一定差异,但整体上并没有本质不同,即生产性服务业集聚直接效应一次项系数均显著为负,二次项系数均显著为正,证实了生产性服务业集聚与城市绿色发展之间存在“U”型关系;同时,W×PS的系数均显著非零。H1得到验证。通过对比“U”型曲线最低点处生产性服务业集聚具体值和实际值发现,2019年,多数城市生产性服务业集聚实际值位于“U”型曲线最低点右侧,但仍有少数城市位于最低点左侧。这说明,虽然整体来看生产性服务业集聚有利于促进城市绿色发展,但少数城市生产性服务业集聚带来的正向外部性并未得到充分发挥,其对城市绿色发展的积极作用有待进一步挖掘。环境规制对绿色发展的影响均显著为正,即环境规制的强化有利于促进城市绿色发展,与胡安军等[28]的研究结论一致。环境规制强度提升意味着政府环境治理力度增强,这有利于提高资源利用效率,降低污染物排放,最终促进中国城市绿色发展。此外,环境规制的空间滞后项系数均显著为正,说明临近城市环境规制强度提升有利于本城市绿色发展。
表5的地理距离、经济距离和时间距离三种空间权重矩阵回归中,绿色发展的空间滞后项系数均显著非零,该结果可能会因点估计而产生偏误。此时需要运用偏微分方法对生产性服务业集聚影响城市绿色发展总效应进行分解,分解之后的直接效应和间接效应如表6所示。
表5 基于固定效应的空间杜宾模型回归结果
地理距离空间权重矩阵(1)经济距离空间权重矩阵(2)时间距离空间权重矩阵(3)地理距离空间权重矩阵(1)经济距离空间权重矩阵(2)时间距离空间权重矩阵(3)PS-0.018∗∗(2.462)-0.020∗(-1.680)-0.023∗∗(-2.185)PS20.012∗∗(2.129)0.015∗∗(2.542)0.016∗∗(2.511)GOV0.042∗∗∗(6.739)0.046∗∗∗(4.467)0.046∗∗∗(7.354)FDI0.008∗∗(2.083)0.005∗∗∗(5.303)0.001(0.021)FIN0.022∗∗∗(4.850)0.018∗∗(2.501)0.023∗∗∗(4.876)EN0.007∗∗(2.542)0.011∗∗(2.332)0.008∗∗∗(3.079)W×PS-0.085∗∗∗(-6.759)-0.098∗(-1.911)-0.057∗∗∗(-4.812)W×PS20.133∗∗∗(4.685)0.038(1.345)0.022∗∗∗(4.461)W×GOV0.032(0.564)-0.137(-1.612)0.293∗(1.762)W×FDI0.012(0.691)0.014(0.604)0.025(1.342)W×FIN0.071(0.783)-0.072(-0.796)0.461∗∗(2.656)W×EN0.017∗(1.680)0.031∗(1.716)0.023∗∗(2.351)α10.672∗∗∗(13.198)0.791∗∗∗(21.275)0.433∗∗∗(14.449)样本量427542754275log-L992.7711128.1931232.844调整后R20.7430.7670.783
注:***、**和*分别表示在1%、5%和10%的水平下显著;括号内为T值。
表6 空间杜宾模型效应分解回归结果
地理距离空间权重矩阵经济距离空间权重矩阵时间距离空间权重矩阵直接效应(1)间接效应(2)直接效应(3)间接效应(4)直接效应(5)间接效应(6)PS-0.027∗∗(-2.587)-0.033∗∗(-2.366)-0.014∗(-1.785)-0.067∗∗(-2.370)-0.040∗(-1.846)-0.019∗(-1.768)PS20.019∗∗(2.081)0.010∗(1.922)0.006∗(1.921)0.019∗(1.865)0.022∗∗∗(3.964)0.015(1.062)GOV0.016∗∗∗(3.089)-0.026∗(-1.918)0.067∗∗(2.034)-0.020(-1.495)0.038∗∗∗(6.905)-0.199∗∗∗(-4.106)FDI-0.002(-1.431)0.007(1.386)0.094∗∗∗(4.903)-0.009(-1.526)0.006(1.321)0.003(0.250)FIN0.032∗∗∗(6.201)0.014∗∗∗(4.345)0.007(0.470)0.106∗∗(2.269)0.045∗∗∗(7.886)0.022∗∗∗(4.288)EN0.011∗∗∗(4.009)0.005∗∗∗(3.297)0.005∗∗∗(5.308)0.019∗∗∗(5.528)0.032∗∗∗(2.927)0.065∗∗∗(4.261)样本量427542754275调整后R20.7830.8210.835
注:***、**和*分别表示在1%、5%和10%的水平下显著;括号内为T值。
由表6可知,不管是哪种空间权重矩阵的回归结果,生产性服务业集聚对城市绿色发展的直接效应和间接效应均通过了一定水平的显著性检验,且直接效应一次项系数均为负,二次项系数均为正,验证了生产性服务业集聚与城市绿色发展之间存在“U”型关系。生产性服务业集聚实际值位于“U”型曲线最低点左侧时,生产性服务业集聚水平提高会对城市绿色发展产生不利影响;而位于最低点右侧时,生产性服务业集聚水平提高则会促进城市绿色发展。原因在于,生产性服务业集聚初期,交通运输业等低端生产性服务业集聚明显;而金融业以及租赁和商业服务业等高端生产性服务业受城市发展阶段和经济规模影响,集聚特征还不明显。此时生产性服务业集聚水平提升会产生负外部性,进而对城市绿色发展产生不利影响。随着城市经济发展和需求层次提升,高端生产性服务业集聚程度不断增加,而这类服务业具有高人力资本、低资源消耗等特征,其集聚有利于发挥正外部性,进而促进城市绿色发展。生产性服务业集聚间接效应一次项系数显著为负,说明邻近城市生产性服务业集聚水平提升会对本市产生不利影响。原因在于,生产性服务业在邻近城市集聚可能会加速人才、资本等要素向城市集中,对本市产生一定的虹吸效应。然而,对比三种空间权重矩阵的间接效应系数可以发现,基于时间距离的生产性服务业集聚间接效应估计系数明显缩小。这说明,高铁开通能够提高城市间的产业联系程度,形成产业协同效应,使邻近城市生产性服务业集聚为本市企业提供优质服务成为可能,进而降低了虹吸效应。
表7报告了生产性服务业集聚影响城市绿色发展的中介效应检验结果。列(1)中,生产性服务业集聚对产业升级影响的直接效应和间接效应均通过了一定水平的显著性检验,且直接效应一次项系数为负,二次项系数为正,说明生产性服务业集聚与产业升级之间存在“U”型关系。即生产性服务业集聚对产业升级的影响并不总是促进的,在生产性服务业集聚的初期,可能会加剧资源掠夺,不利于城市产业升级;而随着生产性服务业发展层次提升,其空间集聚对产业升级的正向作用逐渐增大,并通过推动产业升级最终促进城市绿色发展。另外,生产性服务业集聚的空间滞后项系数显著为正,说明邻近城市生产性服务业集聚水平提升也会加快本市的产业升级步伐。
表7 中介效应检验结果
产业升级科技创新节能减排IU(1)GEE(2)TC(3)GEE(4)RE(5)GEE(6)PS-0.172∗∗∗(-2.970)-0.024∗∗(-2.181)-0.201∗∗∗(-3.633)-0.027∗∗∗(-3.954)-0.040∗(-1.846)-0.052∗∗(-2.094)PS20.085∗∗∗(2.921)0.011∗∗(2.310)0.106∗∗∗(3.916)0.005∗∗∗(3.577)0.032∗∗∗(3.965)0.012∗∗∗(3.938)W×PS0.167∗∗(2.582)-0.074∗(-1.813)-0.128∗∗∗(-2.930)-0.124∗∗(-2.396)-0.109∗(-1.658)-0.062∗(-1.917)W×PS20.104∗∗(2.582)-0.097∗∗(-2.166)0.173∗∗∗(3.365)-0.039∗∗(-2.207)-0.166∗∗∗(-2.927)-0.025∗∗(-2.131)MED0.184∗∗∗(2.895)0.167∗∗(2.149)-0.211∗∗∗(-3.520)W×MED-0.115∗(-1.786)0.064∗∗∗(3.561)-0.087∗∗(-2.244)控制变量是是是是是是样本量427542754275427542754275调整后R20.7530.8670.7840.8140.7630.822
注:***、**和*分别表示在1%、5%和10%的水平下显著;括号内为T值;MED在列(2)、列(4)和列(6)中分别代表IU、TC和RE。
列(2)的回归结果显示,将产业升级纳入模型回归之后,生产性服务业集聚对城市绿色发展仍然具有显著影响;同时,产业升级水平每增加1%会促进城市绿色发展水平提高0.184%,说明生产性服务业集聚可以通过产业升级促进城市绿色发展。H2得到验证。产业升级的空间滞后项系数显著为负,说明邻近城市的产业升级对本城市绿色发展产生不利影响。
列(3)中,生产性服务业集聚对科技创新影响的直接效应和间接效应均通过了一定水平的显著性检验。其中,直接效应一次项系数显著为负,二次项系数显著为正,说明生产性服务业集聚与科技创新之间存在“U”型关系。列(4)为将科技创新纳入模型之后的回归结果,其中科技创新能力每增加1%会直接促进城市绿色发展水平提高0.167%,说明生产性服务业集聚可以通过促进科技创新推动城市绿色发展。H3得到验证。
同样地,将节能减排纳入模型回归之后,列(6)中生产性服务业集聚与城市绿色发展之间的“U”型关系仍然显著;同时,节能减排水平每降低1%会促进城市绿色发展水平提高0.211%,说明节能减排在生产性服务业集聚促进城市绿色发展中发挥了中介效应。H4得到验证。
本文采用两种方法来检验上述实证结果的稳健性。一是更换城市绿色发展的测算方法。借鉴林伯强、谭睿鹏[29]的做法,本文采用超效率DEA模型对城市绿色发展水平进行测算,重新回归后的结果如表8所示。二是改变样本量。考虑到直辖市等非一般性地级市在资源配置方面能力较强,可能会使生产性服务业集聚对城市绿色发展的影响效应有偏,本文剔除直辖市、副省级城市和省会城市样本重新进行回归,结果如表9所示。
表8 更换城市绿色发展测算方法的稳健性检验结果
地理距离空间权重矩阵经济距离空间权重矩阵时间距离空间权重矩阵直接效应(1)间接效应(2)直接效应(3)间接效应(4)直接效应(5)间接效应(6)PS-0.027∗∗(-2.587)-0.033∗∗(-2.366)-0.014∗(-1.785)-0.067∗∗(-2.370)-0.040∗(-1.846)-0.019∗(-1.768)PS20.019∗∗(2.081)0.010∗(1.922)0.006∗(1.921)0.019∗(1.865)0.022∗∗∗(3.964)0.015(1.062)控制变量是是是是是是样本量427542754275调整后R20.7540.8150.843
注:***、**和*分别表示在1%、5%和10%的水平下显著;括号内为T值。
表9 改变样本量的稳健性检验结果
地理距离空间权重矩阵经济距离空间权重矩阵时间距离空间权重矩阵直接效应(1)间接效应(2)直接效应(3)间接效应(4)直接效应(5)间接效应(6)PS-0.035∗∗∗(-3.062)-0.038∗∗(-2.417)-0.018∗∗∗(-2.971)-0.024∗∗(-2.069)-0.024∗(-1.901)-0.015∗∗(-2.042)PS20.028∗∗∗(2.723)0.018(1.284)0.017∗∗(2.254)0.018(1.086)0.013∗∗(2.404)0.044(1.078)控制变量是是是是是是样本量379537953795调整后R20.7910.7490.883
注:***、**和*分别表示在1%、5%和10%的水平下显著;括号内为T值。
由表8不难发现,在更换城市绿色发展测算方法后,生产性服务业集聚对城市绿色发展的影响与基准回归结果一致,即两者存在“U”型关系。由表9可知,改变样本量之后,三种空间权重矩阵回归结果中的生产性服务业集聚直接效应一次项系数均显著为负,二次项系数均显著为正,与基准回归结果一致。因此,本文的实证结果是稳健的。
1. 城市区位异质性分析
不同地理位置城市的生产性服务业集聚对绿色发展的影响可能存在异质性,因此本文将研究样本分为东中西部三大地区,考察区位异质性条件下生产性服务业集聚对城市绿色发展的影响。检验结果如表10所示。
表10 城市区位异质性检验结果
东部地区中部地区西部地区直接效应(1)间接效应(2)直接效应(3)间接效应(4)直接效应(5)间接效应(6)PS-0.051∗∗∗(-3.042)0.064∗(1.886)-0.035∗∗∗(-5.429)-0.022∗∗∗(-2.709)-0.021∗∗∗(-5.701)-0.051∗∗∗(-2.984)PS20.021∗∗(2.387)0.014∗∗(2.242)0.015∗∗∗(4.079)-0.029∗∗(-2.434)0.011∗∗∗(4.337)-0.006∗∗(-2.602)控制变量是是是是是是样本量178513351155调整后R20.8340.8250.809
注:***、**和*分别表示在1%、5%和10%的水平下显著;括号内为T值。
由表10可知,东中西部地区城市生产性服务业集聚二次项系数均显著为正,说明三个地区的生产性服务业集聚与城市绿色发展之间均存在“U”型关系。通过分别对比东中西部地区城市“U”型曲线的最低点处生产性服务业集聚具体值和实际值发现,2019年东部地区城市生产性服务业集聚实际值已经位于“U”型曲线最低点右侧,说明其生产性服务业集聚会促进城市绿色发展;而中部和西部地区仍有部分城市位于“U”型曲线最低点左侧,说明其生产性服务业集聚会对城市绿色发展产生不利影响。对东部地区城市而言,生产性服务业集聚不仅有利于本市绿色发展,而且邻近城市生产性服务业集聚也会对本市产生正向溢出效应。东部地区城市生产性服务业整体发展水平较高,特别是大城市金融业以及租赁和商业服务业等高端生产性服务业的发展和集聚,会通过知识溢出和服务溢出带动邻近城市绿色发展,即产生正向空间溢出效应。相比之下,中部和西部地区生产性服务业集聚的间接效应均显著为负,即对中部和西部地区城市而言,邻近城市生产性服务业集聚水平的提升将会对本市产生不利影响。与东部地区城市相比,除少数省会城市外,多数中部和西部地区城市产业发展层次相对较低,高端生产性服务业需求不足,在一定程度上限制了生产性服务业集聚正向外部性的发挥;同时,交通运输业等低端生产性服务业的过度竞争可能会导致城市之间的虹吸效应,进而产生负向空间溢出效应。
2. 产业异质性分析
如前所述,不同层次的生产性服务业集聚带来的影响效应可能存在差异。因此,本文将生产性服务业分为高端生产性服务业和低端生产性服务业重新进行回归,并以交通运输业表征低端生产性服务业,以信息传输和计算机服务业以及科学研究和技术服务业表征高端生产性服务业。回归结果如表11所示。
由表11可知,生产性服务业集聚对城市绿色发展的影响存在产业异质性。具体来看,交通运输业集聚对城市绿色发展的影响主要体现在直接效应上,其一次项系数和二次项系数分别为-0.051 和0.015,且均通过了1%水平的显著性检验,说明交通运输业集聚与城市绿色发展之间存在明显的“U”型关系。然而,交通运输业集聚间接效应的一次项系数并未通过显著性检验,即交通运输业集聚所产生的外部性具有“本地化”特征,空间溢出效应不明显。信息传输和计算机服务业直接效应的一次项和二次项系数分别为-0.011和0.008,且均通过了5%水平的显著性检验,即信息传输和计算机服务业集聚与城市绿色发展之间同样存在“U”型关系。同时,信息传输和计算机服务业集聚一次项的间接效应系数显著为正,说明信息传输和计算机服务业集聚所产生的正向外部性不仅有利于提升城市自身绿色发展水平,也会对邻近城市绿色发展产生积极影响。与前两种产业集聚不同,虽然科学研究和技术服务业集聚与城市绿色发展之间也存在“U”型关系,但其直接效应的一次项系数显著为正,说明只要科学研究和技术服务业集聚水平大于零,其集聚就会促进城市绿色发展。此外,科学研究和技术服务业间接效应的一性项系数显著为负,说明邻近城市该行业集聚水平提高不利于本市绿色发展,即产生了负向空间溢出效应。
表11 产业异质性检验结果
交通运输业信息传输和计算机服务业科学研究和技术服务业直接效应(1)间接效应(2)直接效应(3)间接效应(4)直接效应(5)间接效应(6)PS-0.051∗∗∗(-3.083)0.011(1.091)-0.011∗∗(-2.604)0.043∗∗(2.177)0.024∗∗∗(3.247)-0.064∗(-1.971)PS20.015∗∗∗(2.920)-0.099∗∗∗(-3.754)0.008∗∗(2.168)-0.087∗(-1.877)0.011∗∗(2.100)-0.001∗∗(-1.997)控制变量是是是是是是样本量427542754275调整后R20.8020.8310.785
注:***、**和*分别表示在1%、5%和10%的水平下显著;括号内为T值。
本文基于集聚经济学和新经济地理学,利用2005—2019年285个地级及以上城市的面板数据,通过构建空间杜宾模型和中介效应模型,实证检验了生产性服务业集聚与城市绿色发展之间的关系。主要研究结论如下。(1)生产性服务业集聚与城市绿色发展之间存在“U”型关系,且存在空间溢出效应。在生产性服务业集聚初期,交通运输业等低端生产性服务业集聚不利于城市绿色发展。随着城市经济发展和需求层次提升,信息传输和计算机服务业等高端生产性服务业集聚水平提升会促进城市绿色发展。然而,本市生产性服务业集聚也会加速邻近城市人才、资本等要素向本市集中,导致空间溢出效应显著为负。(2)生产性服务业集聚通过产业升级、科技创新和节能减排三条路径影响城市绿色发展,且均呈现“U”型关系。产业升级的直接效应显著为正,而间接效应显著为负;科技创新和节能减排的直接效应和间接效应均为正,说明其不仅有利于促进本市绿色发展,也会对邻近城市绿色发展产生积极影响。(3)生产性服务业集聚对城市绿色发展的影响具有显著的地理区位和行业异质性。从地理区位来看,东部地区城市生产性服务业集聚不仅有利于自身绿色发展,还会对邻近城市绿色发展产生正向空间溢出效应;而中部和西部地区城市生产性服务业集聚的空间效应显著为负,邻近城市集聚水平的提升会对本城市产生一定的虹吸效应。从行业来看,信息传输和计算机服务业集聚不仅能显著促进城市自身绿色发展,也会产生正向空间效应;科学研究和技术服务业集聚会促进城市绿色发展,但会对邻近城市产生不利影响;而交通运输业集聚的外部性具有本地化特征,空间效应并未通过显著性检验。
基于上述研究结论,本文提出如下政策建议。第一,加快绿色科技创新。目前,在生产性服务业集聚影响城市绿色发展的三条路径中,科技创新的促进作用最低。因此,政府应增加基础研发投入,通过实施重大科技专项和人才引进计划,推动科技创新资源集聚,加快绿色技术的研发创新。鼓励企业与高校、科研院所等研究机构开展绿色技术研发合作,推动基础研究与技术成果应用协同发展,增强科技创新对城市绿色发展的积极作用。第二,发挥东部地区城市生产性服务业集聚的正向空间溢出效应。东部地区城市生产性服务业特别是科学研究和技术服务业等高端生产性服务业集聚水平高于中西部地区城市,因此东部地区城市应加快培育和发展高端生产性服务业,拓展生产性服务地理边界,增强对中部和西部地区城市的空间溢出,通过生产性服务跨地区输出,推动中部和西部地区城市绿色发展。第三,推动中部和西部地区城市生产性服务业集聚。中部和西部地区城市生产性服务业集聚水平整体偏低,因此中部和西部地区城市要大力发展生产性服务业,特别是科学研究和技术服务业等高端生产性服务业,提升生产性服务业集聚水平,通过生产性服务业集聚,推动城市产业升级、科技创新和节能减排,最终促进城市绿色发展。
注 释:
①限于篇幅,未报告单位根检验结果,留存备索。作者邮箱:litaojiayue@163.com。
[1]魏丽莉, 侯宇琦. 数字经济对中国城市绿色发展的影响作用研究[J]. 数量经济技术经济研究, 2022(8): 60-79.
[2]GIULIO C, ANDREA F, MARZETTI G V. Spatial agglomeration and productivity in Italy: a panel smooth transition regression approach[J]. Papers in Regional Science, 2015, 94(Suppl.1): 39-67.
[3]宣烨, 陆静, 余泳泽. 高铁开通对高端服务业空间集聚的影响[J]. 财贸经济, 2019 (9): 117-131.
[4]WOOD P. Urban development and knowledge-intensive business services: too many unanswered questions? [J]. Growth and Change, 2006, 37(3):335-361.
[5]高觉民,李晓慧. 生产性服务业与制造业的互动机理: 理论与实证[J]. 中国工业经济, 2011(6): 151-160.
[6]席强敏, 陈曦, 李国平. 中国城市生产性服务业模式选择研究——以工业效率提升为导向[J]. 中国工业经济, 2015(2): 18-30.
[7]孔婷, 孙林岩, 冯泰文. 生产性服务业对制造业效率调节效应的实证研究[J]. 科学学研究, 2010 (3): 357-364.
[8]ROSENTHAL S S, STRANGE W C. The determinants of agglomeration[J]. Journal of Urban Economics, 2001, 50(2): 191-229.
[9]KIM Y R, WILLIAMS A M, PARK S, et al. Spatial spillovers of agglomeration economies and productivity in the tourism industry: the case of the UK[J]. Tourism Management, 2021, 82(2): 1-13.
[10]梁军, 从振楠. 产业集聚与中心城市全要素生产率增长的实证研究——兼论城市层级分异的影响[J]. 城市发展研究, 2018 (12): 45-53.
[11]韩坚, 费婷怡, 吴胜男, 等. 产业集聚、空间效应与区域创新研究[J]. 财政研究, 2017(8): 90-100.
[12]黄庆华, 时培豪, 胡江峰. 产业集聚与经济高质量发展:长江经济带107个地级市例证[J]. 改革, 2020(1): 87-99.
[13]曾艺, 韩峰, 刘俊峰. 生产性服务业集聚提升城市经济增长质量了吗?[J]. 数量经济技术经济研究, 2019 (5): 83-100.
[14]韩峰, 谢锐. 生产性服务业集聚降低碳排放了吗?——对我国地级及以上城市面板数据的空间计量分析[J]. 数量经济技术经济研究, 2017 (3): 40-58.
[15]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.
[16]马竞天. 生产性服务业集聚对区域绿色发展的影响分析[D]. 贵阳:贵州财经大学, 2020.
[17]李玉洁, 刘思思, 贺正楚. 产业协同集聚、技术创新与绿色全要素生产率[J/OL]. 系统工程: 1-17[2022-11-10]. https://webvpn.btbu.edu.cn:443/_vpn_/https/kns.cnki.net/kcms/detail/43.1115.N.20221107.0942.002.html.
[18]于斌斌. 生产性服务业集聚如何促进产业结构升级?——基于集聚外部性与城市规模约束的实证分析[J]. 经济社会体制比较, 2019(2): 30-43.
[19]张明斗, 李维露, 吴庆帮. 制造业和生产性服务业集聚对城市经济效率的影响[J]. 财经问题研究, 2021(9): 36-44.
[20]毛琦梁, 王菲. 制度环境、技术复杂度与空间溢出的产业间非均衡性[J]. 中国工业经济, 2020(5): 118-136.
[21]吴敬伟, 江静. 生产性服务业集聚、产业融合与技术创新[J]. 上海经济研究, 2021(7): 69-80.
[22]王婧, 杜广杰. 中国城市绿色发展效率的空间分异及驱动因素[J]. 经济与管理研究, 2020 (12): 11-27.
[23]李毅, 胡宗义, 何冰洋. 环境规制影响绿色经济发展的机制与效应分析[J]. 中国软科学, 2020(9): 26-38.
[24]易明, 程晓曼. 长江经济带城市绿色创新效率时空分异及其影响因素[J]. 城市问题, 2018(8): 31-39.
[25]张军, 吴桂英, 张吉鹏. 中国省际物质资本存量估算:1952—2000[J]. 经济研究, 2004(10): 35-44.
[26]姚战琪. 科技服务业集聚对产业升级的影响研究[J]. 北京工商大学学报(社会科学版), 2020 (6): 104-114.
[27]陶东杰, 李成. 环境规制、地方财政压力与企业实际税负[J]. 经济科学, 2021(3): 83-95.
[28]胡安军, 郭爱君, 钟方雷, 等. 高新技术产业集聚能够提高地区绿色经济效率吗?[J]. 中国人口·资源与环境, 2018(9): 93-101.
[29]林伯强, 谭睿鹏. 中国经济集聚与绿色经济效率[J]. 经济研究, 2019 (2): 119-132.
LI Tao, WANG Yueying. Impact of producer services agglomeration on urban green development[J]. Journal of Beijing Technology and Business University (Social Sciences), 2023,38(2):114-126.
李 涛(1990—),男,河北邢台人,河北经贸大学商学院讲师,博士,研究方向为城市经济与产业发展研究;
王曰影(1988—),女,山东济南人,中国社会科学院大学商学院博士研究生,研究方向为服务经济与旅游管理;本文通信作者。