中国服务业分行业绿色生产率变迁与收敛性研究

王许亮 门小璐 胡宗彪

摘要：为了考察中国服务业的绿色全要素生产率（TFP）的变动及其趋同性，运用基于SBM方向性距离函数的全域MalmquistLuenberger生产率指数对2004—2014年中国服务业细分行业的绿色TFP进行估算，并对其收敛性进行实证研究。测度结果表明，中国服务业总体的绿色TFP呈现上升趋势，技术进步是其增长的源泉。生活性服务业与新兴服务业具有较高的绿色TFP，生產性服务业与传统服务业的绿色TFP相对较低。收敛分析发现，中国服务业绿色TFP存在β收敛但不存在σ收敛，且不同分组行业的收敛特征不尽相同。另外，行业规模的扩大以及能源结构的优化显著提高了中国服务业绿色TFP，而行业结构的变动显著抑制了服务业绿色TFP增长，研发投入对服务业绿色TFP不存在显著作用。

关键词：服务业；绿色全要素生产率；σ收敛；β收敛

中图分类号：F719文献标识码：ADOI：10.3963/j.issn.16716477.2018.03.0010

收稿日期：20180210

作者简介：王许亮（1993-），男，湖北黄梅人，武汉理工大学经济学院博士生，主要从事对外开放与服务业发展研究；

门小璐（1995-），女，湖北武汉人，武汉理工大学经济学院硕士生，主要从事对外开放与服务业发展研究；

胡宗彪（1984-），男，土家族，湖北巴东人，中南财经政法大学工商管理学院副教授，经济学博士，主要从事对外开放与服务业发展研究。

*基金项目：武汉理工大学自主创新研究基金自由探索项目“对外开放的环境效应研究”（185215003）；武汉理工大学自主创新研究基金人文社科重点项目“创新发展理念下中国服务业全要素生产率提升研究”（171315001）；国家社会科学基金一般项目“供给侧结构性改革背景下双元创新驱动的制造业服务化问题研究”（17BGL033）；教育部人文社科青年基金项目“中国对外服务贸易成本评估及其影响因素研究”（14YJC790046）武汉理工大学学报（社会科学版）2018年第31卷第3期王许亮等：中国服务业分行业绿色生产率变迁与收敛性研究

自2008年中国超越美国成为全球最大的CO2排放国以来，中国的能源消耗与碳排放等能源环境问题成为国际社会关注的焦点。2009年，中国在《哥本哈根协议》中承诺，到2020年，中国单位GDP 的CO2排放在2005年的基础上降低40%-45%；2016年，中国进一步在《巴黎协定》中提出CO2排放在2030年左右达到峰值并努力尽早达峰的目标。与此同时，中国经济从过去的两位数高速增长逐渐下行到当前7%左右的速度，进入“新常态”。在经济新常态的宏观背景下，如何实现节能降耗与经济稳增长的双重目标成为政府亟待解决的问题，而解决这一问题的关键在于提高绿色全要素生产率（简称绿色TFP）①[1]。

当前，服务业在中国经济中逐渐占据了主体地位。统计数据显示，中国服务业增加值占GDP的比重从1978年的23.9%逐步上升到2016年的51.6%，这说明中国的经济由工业主导转向服务业主导，服务业成为中国经济增长的新动力。然而，一个不容忽视的问题是中国的服务业增长是以资源消耗和生态环境恶化为代价的粗放型增长[2]。1995年-2015年间，中国总体以及服务业能源消耗总量分别从1995年的131 176，12 400万吨标准煤增加到2015年的425 806，71 603万吨标准煤，而同期服务业能源消耗占全国的比例也相应地从1995年的9.45%提升到2015年的16.66%②。可见，服务业生产活动所引起的能源消耗问题日益严重，由此带来的碳排放问题也不容忽视。因此，提升服务业的绿色全要素生产率水平对促进中国服务经济绿色低碳发展意义重大。那么，近年来，中国服务业分行业的绿色TFP的增长情况如何？不同类别的细分服务业部门的绿色TFP增长是否存在差异？中国服务业的绿色TFP是收敛的还是发散的？影响中国服务业绿色TFP增长的具体因素又有哪些？对这些问题的分析有助于中国政府制定和落实更合理的服务业行业发展政策，从而实现中国服务业部门稳增长与节能降耗的协调发展。

一、相关文献综述

鉴于本文的研究对象是服务业绿色TFP的变动趋势及收敛性，下面主要从服务业生产率测度、绿色生产率收敛等两个层面对既有文献进行述评。

在服务业生产率测度方面，现有研究主要集中在服务业全要素生产率（TFP）的测算及比较上，其中应用较多的测算方法为DEAMalmquist指数法。原毅军等采用当期DEAMalmquist指数法测度出中国省域生产性服务业的TFP指数，结果显示，1997-2005年间，生产性服务业TFP年均降低4.8%，技术效率（年均降低3.3%）是其变动的主导因素[3]。王恕立等基于序列 DEAMalmquist生产率指数对1990-2010年中国服务业细分行业的TFP指数进行估算，研究结果显示，中国服务业TFP年均上升4.1%，前期的TFP变动主要源于技术效率，后期的主导因素则是技术进步[4]。上述研究为认识中国服务业的增长绩效提供了依据，但这些文献均未能考虑服务业的环境污染与能源消耗问题，所得出的结论难以有效反映服务业生产率的真实水平，甚至会误导服务业政策的制定[5]。鉴于此，庞瑞芝等创新性地基于MalmquistLuenberger（ML）指数[6]③测算出考虑了SO2等“坏”产出的服务业绿色TFP[2]。王恕立等进一步采用序列ML指数测度中国服务业的绿色TFP，研究发现，忽视环境因素会显著高估服务业的TFP水平[1]。

在绿色生产率收敛分析方面，已有文献可分为以下三个类别：一是基于省际面板数据对中国不同区域全行业、制造业以及农业的绿色TFP进行收敛分析。胡晓珍等的研究表明，1995-2008年间，中国东部地区全行业绿色TFP同时存在σ收敛与β收敛，其他地区均仅存在条件β收敛[7]。吴军的分析结果显示，1998-2007年，中国及三大区域工业绿色TFP均存在条件β收敛，且三大区域工业绿色TFP在σ收敛与绝对β收敛方面存在较大的区域异质性[8]。韩海彬等研究发现，1993-2010年，中国省域的农业绿色TFP年均提升1.89%，且各区域间的农业绿色TFP存在σ收敛与绝对β收敛[9]。二是基于行业面板数据研究中国工业行业绿色TFP的收敛特征。李小胜等的研究显示，1998-2010年，中国工业细分行业间的绿色TFP同时呈现σ收敛与绝对β收敛[10]。陈超凡的实证结果发现，2004-2013年间，中国工业绿色TFP在整体上不存在绝对β收敛，但其中的轻纺织业呈现绝对β收敛态势[11]。三是基于跨国面板数据对不同经济体全行业或具体行业的绿色生产率进行收敛性研究。Wan等对欧盟16国的研究发现，各国制造业部门的能源生产率同时存在σ收敛与β收敛[12]。Parker 等对23个非OECD国家和10个OECD国家进行考察，结果显示，各国全行业及制造业部门的能源生产率均呈现σ收敛特征，且不同类型国家内部存在俱乐部收敛现象[13]。

已有文献为进一步测度和评估服务业增长质量和发展绩效提供了有益借鉴，但还可以从以下两处进行拓展：其一，前期关于服务业绿色TFP测度的研究较少，且这些研究均是基于角度的（Oriented）、径向的（Radial）方向性距离函数与当期（或序列）DEA方法，存在较大的局限性④。本文采用基于SBM方向性距离函数的GML生产率指数对2004-2014年中国14个服务业细分行业的绿色TFP进行重新测度，可以弥补上述方法的不足。其二，前期关于绿色生产率收敛性分析的文献主要以国家总体、区域、制造业以及农业为考察对象，鲜有涉及服务业领域的研究。本文对服务业总体及不同分组行业的绿色TFP进行σ收敛和β收敛性检验，是对既有研究的有益拓展。

二、服务业绿色TFP的估算与比较

（一）绿色TFP的估算方法

本文采用基于SBM方向性距离函数的GML指数法测算2004-2014年中国14个服务业细分行业⑤的绿色TFP。

1.全域生产可能性集。将每一个服务业细分行业当作生产决策单元（DMU），假设每个时期t（t=1，…，T），每个服务业细分行业k（k=1，…，K）都使用N种投入x=（x1，…，xN）∈R+N生产出M种“好”产出y=（y1，…，yM）∈R+M和I种“坏”产出b=（b1，…，bI）∈R+I。依据王兵等的相关假设，运用DEA方法将环境技术模型化为：Pt（xt）=（yt，bt）：∑Kk=1ztkytkm≥ytkm，

m；∑Kk=1ztkbtki=bti，i；（1）

∑Kk=1ztkxtkn≤xtkn，n；ztk≥0，k其中，ztk为每一个截面观测值的权重，当∑ztk=1，且ztk≥0时，生产技术为可变规模报酬（VRS）；当去掉权重变量总和为1的约束时，即ztk≥0时，生产技术为不变规模报酬（CRS）。在此基础上，将当期生产可能性集Pt（xt）转换成全域生产可能性集PG（x），得到PG（x）=P1（x1）∪P2（x2）∪…∪PT（xT），运用DEA方法模型化为：PG（x）=（yt，bt）：∑Tt=1∑Kk=1ztkytkm≥ytkm，

m；∑Tt=1∑Kk=1ztkbtki=btki，i

∑Tt=1∑Kk=1ztkxtkn≤xtkn，n；ztk≥0，k（2）2.全域SBM方向性距离函数。根据Fukuyama和Weber的处理方法[14]，我们定义考虑CO2排放约束的全域SBM方向性距离函数为：SGC（xt，k′，yt，k′，bt，k′，gx，gy，gb）=

maxsx，sy，sb1N∑Nn=1sxngxn+1M+I∑Mm=1symgym+∑Ii=1sbigbi2

s.t.∑Tt=1∑Kk=1ztkxtkn+sxn=xtk′n，n；

∑Tt=1∑Kk=1ztkytkm-sym=ytk′m，m；

∑Tt=1∑Kk=1ztkbtki+sbi=btk′i，iztk≥0，

k；sxn≥0，n，sym≥0，m，sbi≥0，i（3）其中，SGC表示CRS條件下的方向性距离函数，（xt，k′，yt，k′，bt，k′）是行业k的投入和产出向量，（gx，gy，gb）是表示“好”产出增加、投入和“坏”产出减少的取值为正的方向向量，（sxn，sym，sbi）为投入与产出的松弛向量。当（sxn，sym，sbi）都为正数时，表示实际投入以及“坏”产出大于边界的投入与产出，而实际的产出则比边界产出要小。因此，（sxn，sym，sbi）表示投入过度使用、“好”产出不足以及“坏”产出过多[5]。

3.GML生产率指数。本文进一步引入GML生产率指数来衡量中国服务业分行业的绿色TFP。结合Oh的研究思路和SBM方向性距离函数[15]，GML指数表示如下：GMLt+1t=1+SGC（xt，yt，bt；g）1+SGC（xt+1，yt+1，bt+1；g）（4）GML指数大于1表示绿色TFP增长，等于1表示绿色TFP不变，小于1表示绿色TFP下降。GML指数又可分解为全域绿色技术效率指数（GEC）和全域绿色技术进步指数（GTC）的乘积以探寻绿色TFP的增长源泉，具体分解如下：GMLt+1t=GECt+1t×GTCt+1t（5）

GECt+1t=1+StC（xt，yt，bt；g）1+St+1C（xt+1，yt+1，bt+1；g）（6）

GTCt+1t=[1+SGC（xt，yt，bt；g）]/[1+StC（xt，yt，bt；g）][1+SGC（xt+1，yt+1，bt+1；g）]/[1+St+1C（xt+1，yt+1，bt+1；g）]（7） （二）变量与数据处理

本文基于中国服务业分行业2004-2014年的投入、“好”产出与“坏”产出数据来测算考虑CO2排放的中国服务业生产率，相关原始数据主要取自历年《中国统计年鉴》《中国能源统计年鉴》《中国劳动统计年鉴》。

1.劳动投入。鉴于数据的可获得性，本文将服务业细分行业的“年末从业人员数”设定为劳动投入的代理变量，并依据参考王恕立等[1]的方法估算出各行业就业人数。2004-2014年数据采用下面的公式估算：“服务业分行业全社会就业人数=服务业全社会总就业人数×（服务业分行业的城镇单位就业人数/服务业城镇单位总就业人数）”。

2.资本投入。本文基于“永续盘存法”来估算服务业细分行业的资本存量，公式为：Kit=（1-δi，t）Ki，t-1+Ii，t=

（1-δi，t）tKi，0+∑tj=1Ii，j（1-δi，t）t-j（8）其中，Kit和Ki，t-1分别为行业i在t年和t-1年的资本存量，Ki，0为基年资本存量，Ii，t为i行业在t年的不变价固定资本投资额，δi，t为资本折旧率。基于Harberger的稳态方法[16]，推导得出初始资本存量估算公式：Ki，t-1=Ii，t/（gi，t+δi，t）（9）本文使用服务业分行业实际增加值在2004-2014年间的年均增长率来表示git。本文借鉴王恕立等的通常做法[1]，将服务业资本折旧率统一设定为4%。

3.能源投入。王凯等的研究表明[17]，中国服务业的碳排放主要源自服务经济总量的增长，而能源消费又是碳排放的最主要来源，由此可以推导出影响服务业能源消费的主导因素也是服务业经济增长。因此，本文采用下面的公式估算住宿餐饮业（批发零售业）能源消费量：“住宿餐饮业（批发零售业）能源消费量=[住宿餐饮业（批发零售业）增加值/住宿餐饮业与批发零售业增加值之和]×批发零售业与住宿餐饮业能源消费量”；对于其他服务业分行业能源消费量采用类似的估算方法：“其他服务业分行业能源消费量=（分行业增加值/其他行业增加值之和）×其他行业能源消费量。

4.服务业“好”产出。本文采用服务业不变价格（以2004年为基期）增加值作为服务业“好”产出指标。由于《中国统计年鉴2015》仅公布了2014年服务业6个细分行业的增加值，其余8个服务业细分行业均归为“其他”。因而根据其余细分行业在2013年占“其他”的比重对2014年的“其他”进行拆分，得到2014年其余细分行业的增加值数据，在此基础上依据“第三产业增加值指数”将服务业增加值数据换算成2004年不变价地区⑥。

5.服务业“坏”产出。本文将CO2排放量作为服务业生产过程中的“坏”产出指标。结合前文估算服务业能源消费量的方法估算出服务业各部门的分类能源消费量，并借鉴李国志和李宗植的方法对2004-2014年服务业分行业CO2排放量进行测算[18]。表1投入产出指标的统计性描述变量变量描述单位观测值平均值中位数标准差最小值最大值Labor劳动力万人

（三） 绿色TFP的比较分析

由表2可知，2004-2014年中国服务业总体的绿色TFP年均增长0.2%，其中技术效率年均增长-0.3%，技术进步年均增长0.5%。可见，中国服务业绿色TFP整体呈上升趋势，且技术进步是促进服务业绿色TFP增长的主要因素。具体分行业来看，除了房地产业、租赁和商务服务业、科学研究、技术服务和地质勘查业以及卫生、社会保障和社会福利业等4个行业外，其他10个行业的绿色TFP年均增长率均大于1；除了批发和零售业的技术效率指数大于技术进步指数外，其他13个行业的技术效率指数均小于（或等于）其技术进步指数。上述分析表明，服务业各细分行业绿色TFP呈增长态势且主要归因于技术进步。

表22004-2014年中国服务业分行业的绿色TFP变动及其分解行业技术效率技术进步ML指数交通运输、仓储和邮政业1.0011.0011.002信息传输、计算机服务和软件业0.9931.0061.000批发和零售業1.0081.0061.014住宿和餐饮业1.0061.0061.012金融业1.0001.0051.005房地产业0.9881.0060.994租赁和商务服务业0.9921.0060.997科学研究、技术服务和地质勘查业0.9921.0060.998水利、环境和公共设施管理业0.9941.0051.000居民服务和其他服务业1.0001.0071.007教育0.9971.0051.002卫生、社会保障和社会福利业0.9931.0050.998文化、体育和娱乐业0.9971.0061.003公共管理和社会组织0.9961.0051.001平均值0.9971.0051.002在此基础上，本文进一步分析14个服务业细分部门的绿色TFP在样本期内的变动趋势。图1绘制出了2004-2014年中国部分服务业细分行业的绿色TFP⑦变动趋势图。结果显示：其一，中国大多数服务业行业的绿色TFP大于1，且波动范围在0.9～1.2之间，各细分行业的绿色TFP大体呈现上升趋势。其二，从按功能分类的行业来看⑧，生活性服务业的绿色TFP略高，且波动性较小，如居民服务和其他服务业、住宿和餐饮业、文化、体育和娱乐业等；生产性服务业的绿色TFP略低，且波动性较大，如房地产业、批发和零售业等。其三，从按平均工资水平分类的行业来看⑨，新兴服务业具有与生产性服务业类似的特征，传统服务业则具有与生活性服务业类似的特征。

图1中国服务业分行业绿色TFP变化趋势与此同时，借鉴Oh的思路[15]，本文构建出了服务业环境友好指数（SEFI），以此考察服务业分行业的节能减排情况。将服务业环境友好指数定义为碳排放约束下服务业GML指数与服务业传统GM指数的比率。若SEFI>1，则表示相应行业在经济增长的同时也兼顾了资源节约和碳减排，即为环境友好型行业；若SEFI<1，则表示相应行业更加关注经济增长而忽视了节能减排，即为环境非友好型行业。

图22004-2014年服务业细分行业环境友好指数（SEFI）如图2所示，SEFI大于1的行业有3个，小于1的行业有11个，SEFI的最大值和最小值分别为1.045（住宿和餐饮业）和0.926（文化、体育和娱乐业），最大值是最小值的1.13倍，这说明服务业细分行业间的指数变异程度较大。与SEFI的平均值（0.977）相比，教育、交通运输、仓储和邮政业等8个行业的SEFI数值低于平均水平，结果不容乐观。通过构建和比较服务业细分行业的环境友好指数，本文发现中国服务业在高速增长的同时也应注重能源消耗和碳排放问题，不能忽略能源消耗和碳排放的负向外部性。

三、中国服务业绿色TFP收敛性分析

（一）实证研究方法说明

国内外文献使用较多的收敛分析方法主要有：σ收敛、绝对β收敛和条件β收敛。σ收敛和绝对β收敛同属绝对收敛，且β收敛为σ收敛的必要非充分条件[20]。就服务业绿色TFP的收敛分析而言，σ收敛是指随着时间的推移，绿色TFP在行业间的差距呈现缩小趋势。多数学者采用以标准差、变异系数和σ系数作为衡量指标的离散程度来检验σ收敛。对于本文所要研究的服务业绿色TFP收敛来讲，标准差、变异系数和σ系数的计算公式如下：S=∑Ni=1（TFPi-TFP）2N（10）

CV=STFP（11）

σ=∑Ni=1（lnTFPi-lnTFP）2N（12）其中，i为行业；N为行业个数；S为标准差；CV为变异系数；σ为σ系数；TFP为绿色TFP；TFP为绿色TFP的平均值；ln为取自然对数。

绝对β收敛是指每个服务业部门的绿色TFP表现出完全相同的稳态增长，即绿色TFP较低的行业的增长速度要快于绿色TFP较高的行业，低绿色TFP行业与高绿色TFP行业之间存在赶超趋势。借鉴王许亮等的收敛模型[21]，将绿色TFP的绝对β收敛模型设定如下：lnTFPi，t+1TFPi，t=α+β lnTFPi，t+ui+λt+εi，t（13）其中，i为行业；t为年份；TFP为服务业绿色TFP，本文采用GML生产率指数法测算出服务业细分部门的绿色TFP增长率，并将GML指数转换成以2004年为基期的累积变化率形式。α为截距项，β为回归系数，ui为行业效应，反映服务业各细分行业的个体差异因素，λt为时间效应，反映随时期变化的时间因素，εi，t为随机扰动项。如果β﹤0且在统计意义上显著，则表明服务业绿色TFP增长率与上一期绿色TFP负相关，低绿色TFP的行业可以实现对高绿色TFP行业的赶超，服务业绿色TFP存在绝对β收敛。

条件β收敛是指由于服务业细分行业在经济发展水平、行业结构和能源结构等方面存在差异，各行业具有不同的稳态水平，绿色TFP最终趋向于各自的稳态水平。在具体考察服务业分行业绿色TFP条件β收敛的时候，需要设置一些条件变量。因此，本文在绝对β收敛模型基础上加入其它一些影响服务业绿色TFP的控制变量，构建如下条件β收敛模型：lnTFPi，t+1TFPi，t=α+β lnTFPi，t+γ lnYi，t+

φ lnRDi，t+ω lnISi，t+θ lnRSi，t+ui+λt+εi，t（14）其中，Y为行业规模，以行业的实际增加值与从业人员的比重，即劳均增加值表示，用来反映服务业绿色TFP的规模效应。能源使用具有规模效应，行业规模越大，企业的机器设备潜能越能得到充分发挥[22]，行业的能源利用效率与绿色TFP也会越高。RD为行业研发强度，采用服务业细分部门的R&D;经费内部支出与增加值的比例来测度，用来反映服务业绿色TFP的技术效应。研发创新是服务企业技术进步和生产率提升的重要源泉[23]。王兵等证实了R&D;对中国全行业的绿色TFP具有显著的正向影响[5]。IS为行业结构，以服务业各部门增加值占GDP的比重表示，用来反映服务业绿色TFP的结构效应。当投入要素从生产率（增长率）较低的企业或部门流向生产率（增长率）较高的企业或部门时，可以产生“结构红利”效应，这种“结构红利”可以提高整个社会的生产率水平[24]。随着中国服务业逐步成为经济的主体，服务业部门结构的调整优化也可能促进服务业整体行业的生产率增长。然而，由于中国的现代服务业发展较为滞后，各服务业部门增加值占GDP比重的提升是否能够提高自身的生产率尚待实证检验。RS为能源结构，以煤炭消耗量与服务分行业能源消耗总量的比例表示，用来反映服务业绿色TFP的环境效应。一般而言，煤炭的碳排放系数较高，在服务业生产活动中采用其他的清洁能源代替煤炭将会减少CO2排放[11]，产生环境效应。当回归系数β显著小于0时，则说明服务业绿色TFP存在条件β收敛。

对于部分变量数值在部分年份为0的行业用0.000001代替，以避免对数化处理减少样本量的情况。表3报告了主要变量的描述性统计。

（二）σ收敛检验

图3显示2004-2014年服务业总体、生产性服务业、生活性服务业、新兴服务业和传统服务业绿色TFP的σ系数⑩的变动趋势，见图3。

图3中国服务业绿色TFP的σ系数走势图其一，整体而言，中国服务业绿色TFP不存在σ收敛，服务业总体和分类行业绿色TFP的差异随着时间的推移呈现逐渐扩大的趋势。分时间段看，在2004-2007年，服务业总体和分类行业的σ系数大幅上升，而在2008-2009年和2010-2011年的两个时间段内出现短暂的下降。其二，服务业总体、生产性服务业、传统服务业以及新兴服务业的σ系数的变动趋势基本保持一致，呈现逐年上升的态势，而生活性服务业的σ系数自2010年以来则呈波动性下降趋势，这表明近年来生活性服务业的绿色TFP表现出小幅收敛的特征，其他各类服务业的绿色TFP则始终呈现发散趋势。其三，新兴服务业的σ系数明显小于其他类型服务业，说明新兴服务业绿色TFP的离散程度最小。

（三）β收敛检验

为了确定β收敛检验的估计方法，本文首先对模型进行F检验来判断是否采用混合OLS估计，再运用Hausman 检验验证模型的具体估计方法。然而，在运用上述Panel方法检验条件β收敛时易出现内生性问题[20]。因此，我们运用Davidson和Mackinnon提出的内生性检验与GMM距离检验（也称C检验）考察模型是否存在内生性[2526]。鉴于GMM估计法在异方差情形下较之于单纯的IV估计法更为有效[26]，我们将CP、Y、RD、IS、RS的一期与二期滞后项选作IV进行IVGMM估计。结果表明，两种检验的结果大体一致，所有收敛模型在5%的显著性水平上均无法拒绝被检验变量为外生变量的原假设。因此，本文设定的条件收敛模型并不存在内生性问题。F检验与Hausman检验均显著拒绝原假设（见表4、表5），表明服务业绿色TFP的收敛分析应采用固定效应模型。

服务业总体β收敛检验。表4 给出了服务业总体绿色TFP的β收敛检验结果。模型（1）和模型（2）分別为绝对β收敛和条件β收敛的估计结果。从模型（1）回归结果可以看出，在2004-2014年间，中国服务业总体的绿色TFP存在绝对β收敛，即绿色TFP较低的行业的增长速度快于绿色TFP较高的行业。模型（2）的估计结果显示：其一，lnCP的系数显著小于0，这表明中国服务业的绿色TFP存在条件β收敛，服务业各细分行业将达到各自的稳态水平。其二，劳均增加值系数显著大于0，表明服务业的绿色TFP具有正的规模效应，即服务业分行业经济规模的增长有助于减少行业间绿色TFP的差异。其三，研发投入强度的系数为正，但不显著，说明研发投入在提升服务业绿色TFP中的作用还未完全展现。这可能是因为中国的服务业研发投入水平相对较低（以2014年为例，服务业R&D;内部支出仅占全国的33.2%，远低于增加值比重），服务企业对清洁技术的研发支出有待提高。其四，行业结构的系数显著小于0，表明服务业绿色TFP的结构效应为负，这可能是因为中国服务业以传统服务业为主，拥有中高技术的新兴服务业尚处于发展的初级阶段（据统计，2004-2014年间，传统服务业与新兴服务业占中国服务业实际增加值的比重分别稳定在75%和25%左右的水平），也可能与政府出台的部门结构调整政策具有一定的时滞性有关。其四，能源消费结构的系数显著为负，表明服务业绿色TFP存在正向的环境效应，这与王兵[5]、陈超凡[11]等大多数学者的研究结果一致，说明服务业能源消费结构的优化有助于提升服务业绿色TFP水平。

不同类型行业的β收敛检验。为了验证不同类型服务业在绿色TFP的β收敛方面是否存在差异以及各变量对不同类型服务业的绿色TFP的作用是否相同，与σ收敛检验类似，本文将服务业按照功能的不同分为生产性服务业和生活性服务业，按照平均工资的差异分为新兴服务业和传统服务业，并分别进行回归分析。表5的模型（1）-（4）和（5）-（8）分别报告了不同类型服务业β收敛的估计结果。

第一，按功能分类的β收敛检验。表5的模型（1）和模型（3）分别为生产性服务业和生活性服务业的绿色TFP绝对β收敛的估计结果，模型（2）和模型（4）分别为生产性服务业和生活性服务业的绿色TFP条件β收敛的估计结果。分析发现：其一，两种类型的服务业行业绿色TFP均同时存在绝对β收敛和条件β收敛，且生活性服务业的绝对β收敛和条件β收敛速度都要快于生产性服务业。其二，劳均增加值、研发投入强度以及能源消费结构对两种分类行业绿色TFP的影响与服务业总体的估计结果一致，说明两种分类行业的绿色TFP均具有正的规模效应和环境效应。其三，行业结构对生产性服务业的绿色TFP的增长存在显著的负向影响，而其对生活性服务业的影响则不显著。

第二，按平均工资分类的β收敛检验。表5的模型（5）和模型（7）分别为新兴服务业和传统服务业的绿色TFP绝对β收敛估计结果，模型（6）和模型（8）分别为新兴服务业和传统服务业的绿色TFP条件β收敛估计结果。分析发现：其一，两种类型行业的绿色TFP均同时存在绝对β收敛和条件β收敛，其中新兴服务业的绝对β收敛和条件β收敛速度均快于传统服务业。其二，能源消费结构显著抑制了两类服务行业绿色TFP的增长，研发投入强度对二者的效应不显著，这表明两类行业的绿色TFP均存在正向的环境效应，且技术效应对两种类型行业不存在显著影响。其三，传统服务业的绿色TFP具有显著的正的规模效应和负的结构效应；新兴服务业绿色TFP的规模效应和结构效应则均不显著。

β收敛的稳健性检验。为了考察绿色TFP测算方法的不同对β收敛检验结果的影响，本文参考王恕立等的做法[1]，采用SML指数测算的绿色TFP对服务业总体以及分类服务业重新进行了β收敛检验（服务业总体的稳健性检验结果列于表4的模型（3）-（4），分类型服务业稳健性结果受限于篇幅没有报告）。可以看出，改变绿色TFP的测算方法后，估计结果均仅在具体系数上存在细微差异。因此，本文的β收敛估计结果具有一定的稳健性。

四、结论

本文首先基于SBM方向性距离函数和Global MalmquistLuenberger生产率指数，对中国2004-2014年14个服务业细分部门的绿色TFP进行测算，然后运用σ收敛和β收敛分析服务业绿色TFP的趋同问题，得到以下结论：

第一，中国服务业绿色TFP在整体上呈上升态势，且绿色TFP增长的主导因素是技术进步提升而非技术效率改进。生活性服务业与新兴服务业的绿色TFP相对较高，且波动性较小；生产性服务业与传统服务业则具有较低的绿色TFP，波动性也较大。

第二，中国服务业总体绿色TFP的 σ系数呈递增趋势，说明中国服务业总体的绿色TFP不存在σ收敛。具体分行业来看，传统服务业、新兴服务业及生产性服务业的绿色TFP始终不存在σ收敛，生活性服务业则在近年来存在小幅收敛的趋势。

第三，中国服务业的绿色TFP同时存在显著的绝对β收敛和条件β收敛。绝对β收敛的结果表明，绿色TFP较低的行业的增长速度快于绿色TFP较高的行业。条件β收敛结果表明，服务业各行业具有向各自的稳态水平趋同的趋势。

第四，行业规模的扩大和能源结构的优化有利于提升服务业绿色TFP，而行业结构变动则显著抑制了服务业绿色TFP的增长，研发投入对绿色TFP的影響并不显著，即服务业绿色TFP存在正的规模效应与环境效应以及负的结构效应，且均不具有显著的技术效应。

第五，无论是绝对β收敛还是条件β收敛，生活性服务业与新兴服务业绿色TFP的收敛速度均分别快于生产性服务业和传统服务业。

基于上述结论，本文得到的启示主要有：

一是提高行业增加值水平，充分发挥各行业的规模经济效应。坚持将服务业作为经济增长的新动力，科学整合行业资源，促进各行业经济适度增长，最终实现服务业绿色TFP水平的提升。

二是提升研发投入强度，推动技术创新。通过优惠的税收补贴等政策鼓励服务企业尤其是创新型服务企业加大对节能技术的研发投入，通过技术创新促进服务业绿色TFP的增长。

三是调整行业结构，促进产业升级。加快发展经济效率较高的新兴服务业和资源消耗较少的生活性服务业，促进服务业行业结构从传统的要素驱动型低端服务业向新兴的创新驱动型现代服务业转变。

四是优化能源消费结构，大力开发新能源。根据中国的能源消耗现状有序推进服务业能源消费结构的优化，鼓励服务企业在生产中以天然气等相对清洁的化石能源代替煤炭、电力等高CO2排放能源，同时出台补贴政策促进企业加大对太阳能、风能等可再生能源的开发力度。

五是兼顾各细分行业的异质性特征，实施差异化的行业政策。在同时采取技术改进政策和清洁能源政策的基础上，对生产性服务业和传统服务业更应注重实施结构优化政策，而对新兴服务业则更适合采取规模扩张政策。

注释：

①绿色TFP纳入了资源环境因素，是衡量经济增长真实绩效的有效指标。

②相关数据由作者计算得到，原始数据取自《中国能源统计年鉴2016》。

③ML生产率指数最早由Chung等提出，广泛应用于国家总体以及工业的研究，少量文献将其应用到服务业领域。

④在投入过多或产出不足的情况下，径向方向性距离函数会高估评价对象的效率；而角度方向性距离函数测度效率时忽视了投入或产出的某个方面，使得估算结果并不准确，SBM方向性距离函数可以弥补径向（角度）DEA的不足。另外，当期DEA方法易出现线性规划无解的情形且测度结果较易受到短期波动的冲击；序列DEA方法完全排除了技术退步的情况且不具备传递性与循环性。

⑤本文根据《国民经济行业分类》的标准，将服务业划分为14个细分行业：交通运输、仓储和邮政业（F）、信息传输、计算机服务和软件业（G）、批发和零售业（H）、住宿和餐饮业（I）、金融业（J）、房地产业（K）、租赁和商务服务业（L）、科学研究、技术服务和地质勘查业（M）、水利、环境和公共设施管理业（N）、居民服务和其他服务业（O）、教育（P）、卫生、社会保障和社会福利业（Q）、文化、体育和娱乐业（R）、公共管理和社会组织（S）。

⑥6个细分行业分别为交通运输、仓储和邮政业、批发零售业、住宿和餐饮业、金融业、房地产业；除这6个行业之外的其他服务业分行业增加值指数采用“第三产业增加值指数”中的“其他”代替。

⑦为了便于识别，本文仅绘制出具有代表性的部分服务业行业的变动趋势。本文对GML指数进行变换，设2004年为基期，即2004年的绿色TFP为1，则2005年的绿色TFP等于2004年的绿色TFP乘以2005年的GML指数，依此类推。

⑧本文借鉴王恕立和胡宗彪的分类方法，按功能将服务业分为两类：生产性服务业和生活性服务业。其中，生产性服务业包括：交通运输、仓储和邮政业、信息传输、计算机服务和软件业、批发和零售业、金融业、房地产业、租赁和商务服务业、科学研究、技术服务和地质勘查业、水利、环境和公共设施管理业等8个行业；其他6个行业为生活性服务业。

⑨参考崔日明和张志明的处理方法，按照平均工资的标准将服务业细分行业划分为新兴服务业和传统服务业。其中，新兴服务业包括：信息传输、计算机服务和软件业、金融业、租赁和商务服务业、科学研究、技术服务和地质勘查业、文化、体育和娱乐业等5个行业；其他9个行业为传统服务业。

⑩由于服务业总体和分类行业的标准差和变异系数与其σ系数的变动趋势基本一致，本文仅报告了σ系数。本文将服务业分行业绿色TFP的基期数值都设定为1，这使得2004年的标准差、变异系数、σ系数的数值均为0。

[参考文献]

[1]王恕立，滕泽伟，刘军.中国服务业生产率变动的差异分析—基于区域及行业视角[J].经济研究，2015（8）：7384.

[2]庞瑞芝，邓忠奇.服务业生产率真的低吗？[J].经济研究，2014（12）：8699.

[3]原毅军，刘浩，白楠.中国生产性服务业全要素生产率测度—基于非参数Malmquist指数方法的研究[J].中国软科学，2009（1）：159167.

[4]王恕立，胡宗彪.中国服务业分行业生产率变迁及异质性考察[J].经济研究，2012（4）：1527.

[5]王兵，吴延瑞，颜鹏飞.中国区域环境效率与环境全要素生产率增长[J].经济研究，2010（5）：95109.

[6]Chung Y H， Fare R， Grosskopf，S. Productivity and undesirable outputs：A directional distance function approach[J]. Journal of Environmental Management，1997，51（3）：229240.

[7]胡晓珍，杨龙.中国区域绿色全要素生产率增长差异及收敛分析[J].财经研究，2011（4）：123134.

[8]吴军.环境约束下中国地区工业全要素生产率增长及收敛分析[J].数量经济技术经济研究，2009（11）：1727.

[9]韩海彬，赵丽芬.环境约束下中国农业全要素生产率增长及收敛分析 [J].中国人口·资源与环境，2013（3）：7076.

[10]李小胜，安庆贤.环境管制成本与环境全要素生产率研究 [J].世界经济，2012（12）：2340.

[11]陈超凡.中国工业绿色全要素生产率及其影响因素：基于ML指数及动态面板模型的实证研究[J].统计研究，2016（3）：5362.

[12]Wan J， Baylis K， Mulder P. Tradefacilitated technology spillovers in energy productivity convergence processes across EU countries[J].Energy Economics，2015，48：253264.

[13]Parker S， Lidder B. Economywide and manufacturing energy productivity transition paths and club convergence for OECD and nonOECD countries[J].Energy Economics， 2017，62：338346.

[14]Fukuyama H， Weber W L. A directional slacksbased measures of technical inefficiency[J].SocioEconomic Planning Science， 2009，43（4）：274287.

[15]Oh D.H. A global MalmquistLuenberger productivity index[J].Journal of Productivity Analysis，2010（2）：183197.

[16]Harberger A. perspectives on capital and technology in less developed countries[M]∥Contemporary Economic Analysis.London ：Croom Helm，1978，69151.

[17]王凱，李娟，唐宇凌，等.中国服务业能源消费碳排放量核算及影响因素分析[J].中国人口·资源与环境，2013（5）：2128.

[18]李国志，李宗植.中国二氧化碳排放的区域差异和影响因素研究[J].中国人口·资源与环境，2010（5）：2227.

[19]崔日明，张志明.服务贸易与中国服务业技术效率提升：基于行业面板数据的实证研究[J].国际贸易问题，2013（10）：90101.

[20]彭国华.中国地区收入差距、全要素生产率及其收敛分析[J].经济研究，2005（9）：1929.

[21]王许亮，王恕立.服务业能源生产率变迁及收敛性分析：基于全球40个经济体细分行业数据的经验研究[J].数量经济技术经济研究，2018（1）：4259.

[22]吴晓怡，邵军.进口开放对中国制造业能源效率的影响：基于关税减让的实证分析[J].财贸经济，2016（6）：8296.

[23]王恕立，胡宗彪.服务业双向FDI的生产率效应研究：基于人力资本的面板门槛模型估计[J].财经研究，2013（11）：90101.

[24]Peneder M. Structural change and aggregate growth[J].Structural Change and Economic Dynamics，2003，14（4）：427448.

[25]Davidson R， Mackinnon J. Estimation and inferences in econometrics[M]. New York： Oxford University Press，1993.

[26]Baum C F， Schaffer ME， Stillman S. Instrumental variables and GMM： estimation and testing[J].The Stata Journal，2003，3（1）：131.

（责任编辑王婷婷）