生产性服务业集聚对绿色全要素生产率的影响

李珊珊 马艳芹

内容提要：基于产业集聚的理论研究和绿色发展的环境诉求，本文以2004-2016年中国30个省（市）的绿色全要素生产率为研究样本，运用面板门槛模型探讨供给侧视角下生产性服务业集聚对绿色全要素生产率的影响，从专业化集聚和多样化集聚角度证实了生产性服务业集聚对绿色全要素生产率存在结构突变效应，并鉴于内部细分行业集聚特征展开进一步探讨。结果表明：在不同集聚视角下，能源强度、经济发展水平对绿色全要素生产率存在不同程度的门槛效应;就全国层面，专业化集聚对绿色全要素生产率具有一定程度上的抑制作用，多样化集聚表现出较明显的促进作用;就行业层面，细分行业专业化集聚存在明显的行业异质性特征，金融业是提升绿色全要素生产率的重点行业。

关键词：专生产性服务业;绿色全要素生产率;门槛效应

中图分类号：F205  文献标识码：A  文章编号：1001-148X（2020）04-0040-09

作为实体经济和制造业发展的重要支撑，现代服务业、尤其是生产性服务业在国民经济发展中扮演着重要角色。生产性服务业发展具备节能减排的特点，加快生产性服务业集聚发展既是缓解产能过剩和环境约束的重要途径，更是适应中国产业结构调整、经济转型升级要求的重要战略举措。生产性服务业集聚与绿色全要素生产率之间存在非线性关系，生产性服务业集聚对绿色全要素生产率的影响主要体现在促进区域劳动力、资本、土地等要素供给的质量提高和数量增加，以及区域产业结构变动、资源再配置效应提高，并且改善区域投资环境，促进人才集聚，提升地区劳动生产率，促进经济增长。本文拟从专业化集聚和多样化集聚角度，考察生产性服务业集聚对绿色全要素生产率的影响，并采用面板门槛模型进行实证检验。

一、研究假说的提出

从外部性角度看，生产性服务业集聚通过技术创新的外部性作用而促进经济增长，提升绿色全要素生产率，主要体现在马歇尔外部性（Marshall，1980）和雅各布斯外部性（Jacobs，1969）以及波特外部性（Porter，1990）。（1）马歇尔外部性指的是同一产业内相似企业的集聚现象，来源于劳动力市场共享、投入产出关联和知识外溢。对此，基于创新价值链理论，孙畅（2018）[1]实证表明技术创新和生产性服务业集聚具有显著的双向互动促进效应。（2）雅各布斯外部性强调多样化与差异性的产业间集聚促进了创新和经济增长。对此，曾庆均等（2019）[2]的研究表明中国各地区生产性服务业集聚与创新效率相互促进作用明显，均存在显著的空间溢出效应。（3）波特外部性指的是企业之间的竞争强化了产业集聚的竞争优势，知识溢出促进了技术创新的实施和应用，推动了经济增长。对此，刘明等（2018）[3]指出专业化与多样化集聚对技术创新效率具有显著促进作用。Widodo等（2015）[4]探讨了集聚经济和产业结构对印尼制造业企业技术效率的影响，结果显示专业性比多样性更有利于刺激企业的技术效率。因此，提出如下假设。

假设H1： 生产性服务业聚集通过技术创新的外部性作用促进经济增长，改善绿色全要素生产率，但是专业化集聚（马歇尔效应）和多样化集聚（雅各布斯效应）之间存在差别。

从中介影响机制来看，生产性服务业集聚对绿色全要素生产率的影响主要通过人力资本积累、技术溢出效应和规模经济效应而产生作用。（1）生产性服务业集聚有助于形成高技能人才“蓄水池”，为企业提供所需的专业技能劳动力和科技服务人才，促进集聚地区的技术创新能力的不断提升和加速外来技术的吸收和应用[5-6]。（2）生产性服务业属于知识技术密集型行业，知识、技术外溢促使前沿的创新理念、先进的生产技术、专业的知识信息能够更好地融入到生产制造环节过程中[7-8]。另外，生产性服务业集聚为不同企业提供了知识传播、技术交流和信息共享的平台[6]，企业间既有竞争效应，又有示范效应。（3）根据新经济地理理论，生产性服务业集聚产生的规模经济效应作用于绿色全要素生产率体现在三个方面：一是基于投入产出的关联效应，生产性服务业和制造业在空间上形成协同集聚，本土专业化服务供应商可以为制造业提供丰富多样的中间服务品，节省了运输成本[5]，不仅使制造业企业更加专注核心业务发展，而且同类、同质污染废弃物集中排放治理可将生产对环境带来的损害降到最低。二是生产性服务业集聚本身具有集聚规模效应，通过更多将低碳节能技术运用于制造业生产过程，有助于推进能源利用结构实现升级 [8]。三是生产性服务企业的空间集聚可以对基础设施和設备最大化集约利用，而且同类型企业的产业集聚能达到减排效应，但集聚到一定程度可能会出现资源过度使用而诱发拥挤效应。因此，提出如下假设。

假设H2：生产性服务业聚集有助于人力资本积累、技术创新，并且通过规模经济效应促进生产成本和交易成本的降低，让制造业价值链得以延伸，提升绿色全要素生产率，但存在某一临界值，在超过这一临界值以后，二者之间可能存在非线性关系。

从供给侧角度来看，供给侧的核心是提升国民经济的全要素生产率，而微观企业的生产率提升是整个国民经济全要素生产率提升的基础。结合韩增林等（2019）[9]的观点，生产性服务业对全要素生产率的影响主要来源于供给规模和供给结构两方面。从供给规模来看，当生产性服务业集聚程度越高时表明生产性服务业的供给规模越大。从供给结构来看，生产性服务业可分为内部供给结构和外部供给结构，以《国民经济行业分类》（GB/T 4754-2011）为基础，参照韩峰（2018）[5]的做法，内部结构可以分为高端生产性服务业（金融业、科学研究和技术服务业、信息传输计算机服务和软件业）与低端生产性服务业（交通运输仓储和邮政业、批发零售业、租赁和商业服务业、环境治理和公共设施管理业），而外部结构主要指的是生产性服务业与其他产业的协同集聚程度。对此，汪曼琦等（2014）[10]研究发现只有投入产出强度附加值高的（如信息、商务、科技类）生产性服务业，才与技术密集型的制造业之间存在高度空间协同集聚度;反之，则因产业关联不强，并未形成产业集聚经济，而呈现空间分散状态。伍先福（2018）[11]指出产业协同集聚对生产率的积极作用主要来自于外部性经济和产业间的良性互动，以及产业之间及内部的良性互动，但也存在着拥塞效应、沉没成本、集聚组合等消极作用。因此，提出如下假设。

假设H3：生产性服务业聚集对全要素生产率的影响主要来源于供给结构和供给规模，由于生产性服务业细分行业的集聚程度不同，对绿色全要素生产率的影响也存在异质性。

二、生产性服务业集聚状况

关于产业集聚的测度方法较多，鉴于本文研究的重点是分别从生产性服务业的专业化集聚和多样化集聚两个角度来考察其对绿色全要素生产率的影响，基于数据的可得性，借鉴韩峰（2018）[5]、许宁（2019）[12]等人的方法，以《国民经济行业分类》（GB/T 4754-2011）为基础，根据Ezcurra（2006）[13]等的研究，选择交通运输仓储和邮政业、信息传输计算机服务和软件业、批发零售业、金融业、租赁和商业服务业、科学研究和技术服务业、环境治理和公共设施管理业代表生产性服务业，分别测算生产性服务业的专业化集聚指数和多样化集聚指数。

（二）数据来源和变量说明

本文在《中国统计年鉴》《中国能源统计年鉴》《中国科技统计年鉴》《中国第三产业统计年鉴》、各省统计年鉴等年鉴中选取2004-2016年中国30个省（市）数据为样本，由于港澳台及西藏地区的数据缺失，而被排除在外。

1.被解释变量：绿色全要素生产率（M），采用Fare等（1994）[15]提出的DEA-Malmquist模型，结合2004-2016年中国30个省（市）的投入和产出数据测算得出绿色全要素生产率的变化率。绿色全要素生产率的测算是基于其变化率计算得来的，以2004年为基期，假定2004年的绿色全要素生产率水平为1，则2005年的绿色全要素生产率水平为2004年的绿色全要素生产率水平乘以2005年的绿色全要素生产率指数。以此类推即可得2004-2016年中国30个省（市）的绿色全要素生产率指标，具体指标选取如表1。

2.核心解释变量：（1）生产性服务业专业化集聚（SP）;（2）生产性服务业多样化集聚（DV）。

3.门槛变量：（1）能源强度（EI）即能源利用水平，反映了国民经济在生产过程中的能源利用率。基于徐建中（2018）[16]、武运波（2019）[17]等人的研究，本文以各地区的能源消费量与当地GDP的比值表示;（2）经济发展水平（GDP），以各地区2000年不变价格的人均GDP作为衡量经济发展水平的指标。经济发展水平与全要素生产率息息相关，一般认为经济发展水平越高，则全要素生产率也越高。

4.控制变量：（1）人力资本（HC）。人力资本是提升创新水平的关键，关于人力资本的计算公式为：H=∑（priem×9+higem×12+colem×15+uniem×16+graem×19），其中pri、hig、col、uni、gra和em分别表示各地区就业人口中初中、高中、大专、大学、研究生学历人数和地区总就业人口数，9、12、15、16、19是根据受教育年限而赋的权重。（2）研发投入强度（RD）。研发投入很大程度上影响到科技创新水平，本文选取各地区单位科技人员对科技活动内部支出占GDP的比重来表示研发投入的强度。（3）产业结构（IS）。重工业能源消耗较大，对环境污染影响也大，本文采用地区规模以上工业企业的重工业产值占当地规模以上工业企业的工业产值比重。（4）外商直接投资（FDI）。外商直接投资具有显著的知识溢出效应，对产业发展具有重要作用，本文采用FDI占GDP的比重来衡量地区外商投资水平，先按历年人民币汇率的平均价格折算FDI以剔除汇率因素的影响，再以2000年为基期的消费价格指数对其进行平减以消除物价因素的影响。（5）政府支持（GS）。政府在科技教育的支出为技术创新、人才培养等方面有重要影响，本文选取各地区科技财政支出总额与当地财政总支出的比值来衡量。（6）城市化水平（UR）。城市化水平受人口集聚的影响，本文采用城镇常住人口占总人口比重来衡量地区城市化水平。

（三）生产性服务业集聚对绿色全要素生产率影响的门槛估计结果

在前文指标构建的基础上，本文利用Stata15.1软件对面板数据进行了门槛模型回归，检验生产性服务业集聚对绿色全要素生产率影响的门槛效应。

1.以能源强度为门槛变量

（1）在以能源强度为门槛变量时，生产性服务业专业化集聚对绿色全要素生产率存在单门槛效应。当能源强度低于门槛值0.6242时，由表2可知专业化集聚的估计系数在5%显著性水平下为-0.0475，专业化集聚对绿色全要素生产率表现出抑制作用;当高于门槛值0.6242时，此时专业化集聚对全要素生产率作用并不显著，可能的原因是在经过结构性突变以后，此时影响绿色全要素生产率的主要因素不再是专业化集聚，而可能是其他因素，比如技术创新发挥出正面效应，而抵消了其他的负面效应，总体表现为不显著。

生产性服务业专业化集聚抑制绿色全要素生产率提升的原因可能有以下这些：一是当前中国生产性服务业倾向于低端化，2016年生产性服务业增加值的增速达到8.75%，但其中信息传输计算机服务和软件业、金融业、科学研究和技术服务业等高端行业所占比重仅为36.83%。高端生产性服务业滞后使得其难以有效嵌入到制造业价值链中，使得生产性服务业集聚效应受到极大限制，并不能有效改善全要素生产率。二是地方市场分割和地方保护主义的存在，使得生产性服务业专业化集聚与地区制造业等关联行业发展需求脱节，并且地方政府竞争使得地区间同类生产性服务业会出现较强的同质化，导致地区生产性服務业与制造业间的资源错配。三是当能源强度较低时，技术溢出的正面效应也较低，而专业化集聚所带来的负面效应比较显著，总体表现出抑制的效应;当能源强度较高时，即能源技术水平相对较低时，技术溢出的效果更加明显，技术溢出的正面效应可能会抵消专业化集聚所带来的负面效应，总体上表现出不显著的结果。

（2）在以能源强度为门槛变量时，生产性服务业多样化集聚对全要素生产率也存在单门槛效应。当能源强度低于门槛值0.0663时，由表2可知多样化集聚的估计系数在5%显著性水平下为0.0786，说明多样化集聚对全要素生产率具有正向作用;当高于门槛值0.0663时，此时多样化集聚对全要素生产率作用并不显著，说明此时可能是其他因素主导全要素生产率。

生产性服务业多样化集聚促进绿色全要素生产率提升的原因可能有以下一些：一是生产性服务业多样化集聚为制造业企业提供全方位服务和支持，投入产出关联增强，推动产业结构的转型升级，提升绿色全要素生产率。二是当能源强度较高时，产业结构偏向于重型化，此时多样化集聚对于产业结构的调整和转型的难度较大，对绿色全要素生产率的作用不显著;当能源强度降低时，产业结构转向轻型化，多样化集聚能够更好地推动产业结构的转型，对绿色全要素生产率的促进作用就会更显著。

（3）从表2的控制变量来看，在1%显著性水平下人力资本回归系数显著为正，受生产性服务业集聚的影响，人口在地区的集聚形成综合生产能力和社会分工体系，并且教育的发展有助于提高劳动者的素质，促进人力资本专业化，对全要素生产率提升具有明显的促进作用。产业结构的回归系数显著为正，说明生产性服务业的集聚发展能有效减少第二产业中高能耗和高污染排放行业的能源消耗、能源冗余和污染物排放，在生产性服务业集聚下产业结构内部优化是促进全要素生产率提升的驱动因素。政府支持的回归系数显著为正，表明政府的财政支持在节能减排的技术创新过程中发挥了重要作用，促进全要素生产率的提升。城市化水平的回归系数显著为正，城市化的过程也是要素聚集的过程，城市化可以促进人力资本积累，产生规模经济效应，促进技术溢出，对全要素生产率发挥正向作用。研发投入的回归系数为负，可能的原因是研发投入与技术的应用于推广需要较长的周期，研发投入带来的技术进步效应短期内无法发挥。外商直接投资回归系数为负，表明当生产性服务业集聚度不高且能源利用的技术水平也较低时，FDI企业仅通过“搭污染便车”即可获取利益，此时FDI企业将不会进行低碳技术创新和应用，FDI会对全要素生产率产生反向作用。

2. 以经济发展水平为门槛变量

（1）以经济发展水平为门槛变量，当经济发展水平低于门槛值9.2089时，由表3可知专业化集聚的估计系数在5%的显著性水平下为-0.0533，说明专业化集聚对绿色全要素生产率具有抑制作用; 当高于门槛值9.2089时，专业化集聚对绿色全要素生产率作用并不显著，说明此时可能是其他因素主导全要素生产率。

当经济发展水平较低时，聚集地区的形成主要来源于比如产业扶持类的优惠经济政策和资源禀赋，生产活动主要依赖于能源的消耗，企业缺乏技术创新意识。此时生产性服务业集聚并没有实现资源的优化配置，甚至出现了拥挤效应，生产出现冗余，造成能源的浪费，环境污染严重，对全要素生产率的提升产生负面作用。当经济发展水平较高时，专业化集聚能够更好地通过节能减排技术创新对全要素生产率产生正面的影响，抵消负面的影响，总体上表现出不显著的结果，而不是抑制的结果。

（2）在以经济发展水平为门槛变量时，由表3可知，多样化集聚对全要素生产率的两个门槛值分别为9.2626和9.7026，当经济发展水平低于门槛值9.2626时，多样化集聚对全要素生产率的作用并不显著，但当经济发展水平处于9.2626至9.7026之间时，多样化集聚的估计系数在1%的显著性水平下为0.1408，此时多样化集聚对全要素生产率产生了促进作用;当经济发展水平高于9.7026时，多样化集聚的估计系数在1%显著性水平为0.2470，表明多樣化集聚对全要素生产率的正向作用进一步增强。

当经济发展水平较低时，配套设施并不完善，对人才的吸引力也较弱;当经济发展水平超过某一阈值时，一方面地区基础设施逐步完善，人力资本积累也逐渐增强，企业间减排经验和技术的相互学习和外溢;另一方面企业的集中有利于共享节能减排处理设施，增强碳排放的集中监管，降低减排的单位成本，使得节能减排的规模效应逐渐显现。当经济发展水平较高时，财政支持能够得到较好地保障，人力资本积累达到一定水平，为技术创新研发提供了更可靠的支撑，为全要素生产率的改善提供了良好的外部环境。

（3）从其他控制变量的回归结果来看，此时控制变量的变动趋势与能源强度门槛结果分析中一致，此处不再赘述。

（四）生产性服务业细分行业集聚对全要素生产率影响的门槛估计结果

鉴于生产性服务业内部细分行业间的集聚特征各不相同，细分行业集聚对全要素生产率可能存在不同程度的门槛效应。为进一步探析各细分行业自身专业化水平和行业多样化水平对全要素生产率影响的差异，本文进一步检验生产性服务业细分行业集聚对全要素生产率的影响效应，结果见表4和表5。

1.以能源强度为门槛变量

（1）在以能源强度为门槛变量时，生产性服务业细分行业中的大多数行业与前文中关于生产性服务业专业化集聚的结论一致，但信息传输计算机服务和软件业、金融业表现出了较大差异，存在较明显的行业异质性特征。信息传输计算机服务和软件业属于生产性服务业中的高端行业，当能源强度高于门槛值0.0663时，其专业化集聚对全要素生产率存在负向作用，低于门槛值时则表现出不显著的结果。当能源强度较高即节能技术水平较低时，一方面信息传输计算机服务和软件业的发展较为滞后，专业化集聚的效应并不明显，短期内对全要素生产率的影响有限;另一方面，信息传输计算机服务和软件业的专业化集聚可能在一定程度上提升了全要素生产率。由于节能技术水平低、能耗大，专业化集聚的正面效应不足以抵消负面效应，并表现出负向作用。随着我国“互联网+”领域的延伸和拓展，当能源强度较低即技能技术水平较高时，其专业化集聚所产生的知识外溢对行业的技术创新具有积极作用，有助于企业整合内外部资源，完善知识网络，减少信息不对称，降低企业获取信息资源的成本，专业化集聚的正面效应抵消负面效应，加之企业的单位能耗也在逐渐降低，因此表现出不显著的结果。当能源强度高于门槛值0.0545时，金融业专业化集聚对全要素生产率的影响不显著，在跨越门槛值以后表现显著的正向作用。当能源强度较高即节能技术水平较低时，企业往往为追求利益、缩减成本，较少投入到清洁技术研发，表现为“遵循成本效应”，金融业专业化集聚对全要素生产率的影响并不明显。但是，当能源强度低即节能技术水平高时，企业面临市场竞争和环境监管的双重压力，往往会选择加大清洁技术的研发，遵循“创新补偿效应”，金融业专业化集聚能够为企业提供便捷的融资渠道，促进低碳技术的研发和清洁生产设备的更新，推动全要素生产率的提升。

（2）在以能源强度为门槛变量时，生产性服务业细分行业多样化集聚对全要素生产率均存在单门槛效应，且门槛值与前文中生产性服务业多样化集聚的门槛值相一致。门槛值相同反映出每个细分行业在地区所面临的行业多样水平是一样的，此时并不能体现出行业异质性特征。

2. 以经济发展水平为门槛变量

（1）在以经济发展水平为门槛变量时，生产性服务业细分行业中的大多数行业与前文中关于生产性服务业专业化集聚的结论一致。当经济发展水平较低时，交通运输、仓储和邮政服务业、信息传输计算机服务和软件业、批发零售业、科学研究和技术服务业、环境治理和公共设施管理业对全要素生产率均表现出抑制作用，主要是因为经济发展水平较低时，知识技术水平和人力资本水平也较低，加之行业自身的发展水平也较低，很难有效地嵌入到制造业价值链中，规模经济效应、技术溢出效应难以发挥，此时对全要素生产率自然产生负向作用。但是，随着经济发展水平的提高，专业化集聚使得行业的专业化水平不断提升，全要素生产率得到改善，并且通过示范效应促使相关行业加强清洁技术研发和应用，以改善全要素生产率，此时抑制作用逐渐转变为不显著。区别于其他行业，金融业专业化集聚对全要素生产率的影响随经济发展水平的提高，由不显著转变为较为显著的促进作用，表现出了较明显的行业异质性特征，具体的影响渠道在前文中已展开分析，不再赘述。

（2）在以经济发展水平为门槛变量时，生产性服务业细分行业多样化集聚对绿色全要素生产率均表现出双门槛效应，与前文中生产性服务业多样化集聚的门槛值相一致。随着经济发展水平的不断提升，生产性服务业细分行业多样化集聚对全要素生产率的正向作用不断增强，说明生产性服务业细分行业多样化集聚有利于形成多元发展模式，可通过“人才蓄水池”、“技术池”、“市场区”等作用于区域创新能力，促进全要素生产率的提升。

由上述分析可以看出细分行业专业化集聚的发展对绿色全要素生产率的影响效果更明显，且存在明显的行业异质性特征。交通运输仓储和邮政业、租赁和商业服务业、科学研究和技术服务业、环境治理和公共设施管理业的专业化集聚对全要素生产率具有一定程度上的抑制作用，也说明了这些行业的发展较为滞后，一定时期内技术创新水平的正面效应还不足以抵消专业化集聚所带来的负面效应。随着我国信息传输计算机服务和软件业的飞速发展，技术溢出抵消专业化集聚所带的负面效应使得影响变得不显著。从长远来看，信息传输计算机服务和软件业的集聚不仅使得行业内效率的提升，对其他行业也具有很强的直接效应、融合效应、扩展效应和拉动效应，对现代化服务业的发展作用明显，对全要素生产率的改善具备很大的潜力。批发零售业属于资本密集型行业，受能源强度影响较小，但受经济发展水平影响明显，因此呈现出不同的门槛效应。尤其值得注意的是金融行业的专业化集聚对全要素生产率存在显著的正面效应，金融服务业专业化集聚的发展为研发投入、技术创新的发展提供充足的资金，并且能够引导产业和能源结构升级，金融市场的繁荣能够吸引更多高技术水平的外商投资，从而提高绿色全要素生产率。

四、結论和政策建议

本文采用DEA-Malmquist模型，结合相应的投入和产出数据测算出2004-2016年的中国绿色全要素生产率，以能源强度和经济发展水平为门槛，从专业化集聚和多样化集聚角度下证实了生产性服务业集聚对绿色全要素生产率存在结构性突变，分析了生产性服务业集聚在中介机制的作用下对绿色全要素生产率的影响效应，探讨了细分行业集聚对绿色全要素生产率的差异，得出以下结论，并引申相应的政策启示。

（1）在不同能源强度、不同经济发展水平影响下，绿色全要素生产率会出现不同的变化，存在较为显著的门槛效应。相较于能源强度，经济发展水平对绿色全要素生产率的影响更为明显，说明经济发展与节能减排耦合效应的重要性。只有当经济发展水平达到一定程度时，城市配套设施更加完善，集聚环境更加优化，要素资源得到优化配置，此时生产性服务业的集聚才是真正经济意义上的集聚，也才能避免出现区域间生产性服务业的恶性竞争。因此，在生产性服务业集聚过程中应注重差异性，而不是盲目集聚发展。

（2）在样本期内，生产性服务业专业化集聚对绿色全要素生产率具有一定程度上的抑制作用;随着技术溢出等正面效应的发挥，可以抵消负面效应，总体上表现出不显著，说明中国的生产性服务业偏向于低端化，高端生产性服务业发展滞后，难以有效嵌入制造业价值链中。因此，要根据资源条件等因地制宜，结合制造业的发展需求，对生产性服务业的集聚要统筹规划、合理布局，确定生产性服务业的发展方式和集聚模式，避免资源拥挤、生产冗余。生产性服务业多样化集聚超过一定阈值以后，对绿色全要素生产率具有促进作用，并有增强的趋势。因此，一是要加强各地区产业间的经济交流、技术贸易和技术合作，发挥服务业集聚的竞争效应、学习效应以及规模效应，减少商品流通和自由贸易的壁垒;二是要营造良好的科技创新环境，鼓励技术研发，完善知识产权保护制度和技术创新奖励机制，提高企业自主创新能力和生产效率。

（3）生产性服务业细分行业专业化集聚对绿色全要素生产率存在不同程度的门槛效应，表现出了较明显的行业异质性特征。其中诸如信息技术传输计算机服务和软件服务业等高端服务业的发展还比较滞后，规模较小、需求不足，尚未有效嵌入到制造业价值链中，技术溢出效应不明显;交通运输仓储业和邮政业等低端生产性服务业，本身的绿色环保特征并不明显，但是对经济社会发展不可或缺，尤其是集聚经济的发展。因此，需要以绿色标准予以约束、以环保技术促进其发展。区别于其他产业，金融业对绿色全要素生产率表现出明显的促进效应，尤其是随着经济发展水平的提高，其专业化集聚对全要素生产率的改善效果明显。因此，要注重优化服务业结构，努力提高行业内的配置效率，注重环保技术的开发，充分发挥优质资本和高端人才的作用，提升生产性服务业发展质量，进而改善绿色全要素生产率。

参考文献：

[1] 孙畅，王纯，张晴云.创新价值链视域下技术创新与生产性服务业集聚的空间交互效应研究[J].科技进步与对策，2018，35（22）：55-62.

[2] 曾庆均，王纯，张晴云.生产性服务业集聚与区域创新效率的空间效应研究[J].软科学，2019，33（1）：24-28.

[3] 刘明，李佩燊，许宁.生产性服务业促进了技术创新效率的提升吗？——基于不同的集聚视角[J].资源开发与市场，2018，34（12）：1717-1725，1737.

[4] Widodo W.， Salim R.， and Bloch H. The effects of agglomeration economies on technical efficiency of manufacturing firms： evidence from Indonesia[J]. Applied Economics， 2015.

[5] 韓峰，秦杰，龚世豪.生产性服务业集聚促进能源利用结构优化了吗？——基于动态空间杜宾模型的实证分析[J].南京审计大学学报，2018，15（4）：81-93.

[6] 何守超，陈斐.生产服务业聚集与技术创新：理论及实证——基于2003～2015年省级面板数据[J].经济体制改革，2017（5）：188-194.

[7] 高洋，宋宇.生产性服务业集聚对区域制造业技术进步的影响[J].统计与信息论坛，2018（4）：75-84.

[8] 刘胜，顾乃华.行政垄断、生产性服务业集聚与城市工业污染——来自260个地级及以上城市的经验证据[J].财经研究，2015，41（11）：95-107.

[9] 韩增林，杨文毅，郭建科.供给侧视角下中国生产性服务业集聚对城市全要素生产率的影响[J].首都经济贸易大学学报，2018，20（2）：72-82.

[10]江曼琦，席强敏.生产性服务业与制造业的产业关联与协同集聚[J].南开学报（哲学社会科学版），2014（1）：153-160.

[11]伍先福.生产性服务业与制造业协同集聚提升全要素生产率吗？[J].财经论丛，2018（12）：13-20.

[12]许宁，施本植，邓铭.生产性服务业集聚与城市创新——基于行业、城市规模异质性的空间杜宾模型研究[J].资源开发与市场，2019，35（3）：309-317，334.

[13]Ezcurra R， Pascual P， Rapún， Manuel. Regional Specialization in the European Union[J]. Regional Studies， 2006，40（6）：601-616.

[14]Hansen B E. Threshold effects in non-dynamic panels： Estimation， testing and inference[J]. Journal of Econometrics， 1999，93（2）：345-368.

[15]Fare R，Grosskopf S， Norris M， etc. Productivity growth， technical progress and efficiency change in industrialized countries. The American Economist，1994.

[16]徐建中，王曼曼.绿色技术创新、环境规制与能源强度——基于中国制造业的实证分析[J].科学学研究，2018，36（4）：744-753.

[17]武运波，高志刚.能源价格、全要素生产率与工业能源强度关系的实证检验[J].统计与决策，2019，35（16）：125-128.

[18]陶长琪，李翠，王夏欢.环境规制对全要素能源效率的作用效应与能源消费结构演变的适配关系研究[J].中国人口·资源与环境，2018，28（4）：98-108.

[19]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.