相向而行还是背道而驰：生产性服务业集聚与污染减排

□ 陆凤芝，王群勇

一、引 言

进入中国特色社会主义新时代，社会主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾。 人民群众对蓝天白云、绿水青山的优美生态环境的期盼是美好生活需要的重要组成部分。 中国政府高度重视污染减排工作，正在加快生态文明顶层设计和制度体系建设，行政处罚、环保监察、排污权交易等一系列环保政策持续推出。 习近平总书记指出，“生态环境是关系党的使命宗旨的重大政治问题，也是关系民生的重大社会问题”。 十九大报告明确提出：“建设生态文明是中华民族永续发展的千年大计。”污染减排是中国经济绿色转型发展的一大“主旋律”，也是中国经济迈向高质量发展的重要一环。

当前，中国生产性服务业发展水平与西方发达国家相比仍差距较大，但生产性服务业已经成为服务业中发展最快，最具潜力的部门[1]。 “十一五”“十二五”“十三五”规划持续聚焦生产性服务业的发展布局，并作出了方向性规划。 生产性服务业因具有较高的空间关联性、较强的跨界服务性等特点而普遍存在空间集聚现象[2]。 生产性服务业集聚发展是中国经济转型、迈向高质量发展的另一大“主旋律”。生产性服务业集聚与污染减排作为当前中国经济转型发展的重要推力与目标函数，两者间存在不容忽视的内在经济关联。

在上述背景下，我们期望的理想状态是：伴随生产性服务业集聚的不断加深，污染排放的现实状况能够得到有效改善，即实现生产性服务业集聚发展与污染减排两大“主旋律”珠联璧合、相得益彰的政策效果。 少数文献尝试探讨生产性服务业集聚对污染排放的影响，但仍存在诸多值得完善之处。 具体而言，在指标的选择上多选取单一指标衡量污染排放状况[3][4]，城市的污染排放并非由工业二氧化硫、工业废水、工业烟粉尘等某一污染物排放指标所决定，而是由它们共同影响的结果。 在模型的构建上多采用非空间计量方法[5]，而地区间环境治理策略存在明显的互动行为，城市间污染排放也存在一定的空间相关性[6][7]，使用空间分析方法更为适宜；此外，将生产性服务业集聚的直接效应与溢出效应纳入同一分析框架的研究还较为缺乏。 在研究内容上未能从行业异质性视角探讨生产性服务业集聚对污染排放的影响，未能有效揭示生产性服务业集聚影响污染排放的可能机制，也未从外部性视角深入分析生产性服务业集聚影响污染排放的经济机理。 中国经济在转型发展过程中必然经历的生产性服务业集聚现象与污染减排这一当今世界可持续发展的时代诉求而言，究竟是相向而行，还是背道而驰，即生产性服务业集聚对污染排放究竟表现出怎样的影响方向和作用机制值得深入探讨。

为此，本文尝试作出如下可能的边际贡献：第一，在数据的选取上，采用2003—2017 年中国281 个地级及以上城市的面板数据，相比于省级或国家层面数据更为细致，能够有效反映城市间的异质性，使得研究结论更为可靠。 第二，在研究方法上，为有效克服传统计量模型将研究对象视为均质、独立的缺陷，并探究生产性服务业集聚对污染排放的空间溢出影响，文章主要基于空间杜宾模型分解效应方法进行实证检验。 第三，在指标构建上，采用熵值法构建污染排放指数，全面、客观测度各城市的污染排放状况，对减排成效进行客观评估。 第四，在研究内容上，本文重点研究生产性服务业集聚对污染排放的影响及作用机制，从区域与行业异质性视角进行实证检验；从产业结构、信息基础设施、人口集聚及环境规制等四个方面进行中介效应分析；进一步地，本文探究了生产性服务业集聚的MAR 外部性、Jacobs 外部性及Porter 外部性对污染排放的影响。

二、理论分析与研究假说

现有研究一致认为，人口集聚、金融集聚、FDI 集聚、产业集聚等对污染排放具有显著影响。 探究产业集聚减排效应的文献大多基于制造业集聚视角[8][9][10]，认为制造业集聚对污染排放具有双重效应，可能会通过扩大生产规模[11][12]、增加能源消费需求[13]等渠道而加剧污染排放，也可能通过技术溢出、专业化分工、规模经济等路径有效降低污染排放。 鉴于此，本文尝试从理论与实证视角较为系统、深入地探究生产性服务业集聚对污染排放的影响及作用机制，以检验生产性服务业集聚与污染减排这两大“主旋律”能否实现相向而行、相得益彰的经济政策效果。

梳理现有文献，生产性服务集聚对污染排放的影响机理可概括如下：一方面，生产性服务业集聚可通过深化与上下游产业间的分工与协作，有效发挥中间服务品生产的规模经济效应，降低企业的生产成本、交易成本，促使企业生产环节向环保、高附加值两端延伸[1][14]，从而有助于降低污染排放；另一方面，生产性服务业集聚的规模经济效应还有助于工业企业将污染减排产品外包给专业企业代为生产，有效提升环境污染的治理效果[15]。 部分学者从集聚的外部性视角分析生产性服务业集聚对污染排放的影响。 根据MAR 外部性理论，生产性服务业的集聚发展可以提供具有针对性的专业化服务，能够有效强化知识、信息与技术在企业间的共享与扩散，提高工业企业能源要素的使用效率；促使工业企业使用信息技术、研发设计等生产性服务要素作为生产中间投入品，进而实现工业生产过程中的节能减排[1]。依据Jacobs 外部性理论，生产性服务业多样化集聚增加了工业企业污染减排外包服务选择的多样性与可获得性，同时有助于环保新技术、新工艺应用于科技产业，提高企业的能源效率，达到降污减排的作用。 Porter 外部性理论认为，外部性主要来源于开放环境下的竞争性专业化分工[16]，开放、共享的环境有助于健康、良性竞争机制的形成，有效遏制机会主义的蔓延，从而促使工业企业精细化分工，催生大量生产性服务需求，产业结构趋于柔性化，最终实现经济发展质量的提升，有效降低污染排放[17]。 综上所述，本文提出如下研究假说：

假说1 生产性服务业集聚对污染排放具有显著的促降作用，即生产性服务业集聚有助于污染减排

生产性服务业作为典型的知识和技术密集型行业，汇聚了大量优秀人才，容易产生“学习效应”，先进的生产技术与创新信息伴随人员的跨区域流动而产生空间溢出效应[18]。 生产性服务业与制造业通过上下游产业的关联性，形成协同集聚模式，这种协同集聚具有显著的空间溢出效应和空间反馈机制[19]。 此外，城市位置的空间特殊性也决定了生产性服务业集聚必定会受到周边城市的影响，并且在很大程度上决定了生产性服务业集聚的空间溢出效应[20]。 信息咨询、金融、科学研究等高端生产性服务业多位于区域中心城市，具有交易频率低、服务范围广等特点，对周边地区污染排放产生明显的溢出影响。 韩峰和谢锐[15]利用中国地级市面板数据，实证检验了生产性服务业集聚对碳排放的影响，研究发现生产性服务业集聚可以显著提升周边城市的碳排放水平。 曹聪丽和陈宪[21]利用277 个地级及以上城市数据，研究发现高端生产性服务业集聚对邻近城市经济绩效的提升具有显著促进作用。 综上所述，本文提出如下研究假说：

假说2 生产性服务业集聚对污染排放可能存在显著的空间溢出影响

基于现有文献和经济学逻辑，我们认为生产性服务业集聚对污染排放的影响机制可能表现为如下几个方面。 第一，产业结构的中介效应。 长期以来，中国的经济发展模式主要以投资驱动为主，导致经济发展对生产要素的投入过度依赖，不可避免地出现“高污染、高能耗、高排放”的路径依赖特征。 生产性服务业作为第三产业的重要组成部分，其集聚发展有助于提高第三产业比重，优化、升级产业结构，减少经济发展对能源要素的需求，降低污染物的排放。 此外，生产性服务业的集聚发展及其对制造业的有效嵌入，还有助于制造业结构升级和生产效率的提高，实现污染减排的目的[22]。 第二，信息基础设施的中介效应。 生产性服务业有别于工业，具有产品无形、难以存储、生产消费同时并存等特征[23]，伴随空间距离的增加，信息传递呈衰减特征，地理距离曾一度成为生产性服务业集聚效应难以有效发挥的壁垒。 近年来，伴随信息技术的快速发展，生产性服务业可以通过信息基础设施的改善，从而为更多的企业提供服务，有助于生产性服务业集聚效应的发挥，从而对污染排放产生更为广泛、显著的影响。 林伯强和谭睿鹏[24]实证检验发现，经济集聚可以通过基础设施这一中介路径显著影响绿色经济效率。 第三，人口集聚效应。 一方面，生产性服务业集聚随着人口和要素的集中而形成规模效应，有助于能源利用，环境治理以及交通、医疗等公共资源的共享，促进资源的合理配置，进而提高污染的治理效率。 另一方面，生产性服务业集聚在提高城市资源配置效率、促进人口城镇化、提高城市尤其是集聚区人口密度的同时，也会产生大量的生产与生活垃圾，超出生态环境自净能力[25]，从而加重污染排放。 第四，环境规制的中介效应。 生产性服务业集聚通过专业化分工、技术创新、风险管理等途径能够有效降低工业企业的交易成本；集聚形成便捷的物流、优质的金融服务、前沿的科技信息等为工业企业创造更大的竞争优势和利润空间，生产性服务业集聚区如“磁极”般吸引工业企业集聚于此，形成较大的污染排放压力，政府命令型环境规制会得到加强，而自愿主导型环境规制可能会下降[26]。 综上所述，本文提出如下研究假说：

假说3 生产性服务业集聚可能会通过产业结构、信息基础设施、人口集聚、环境规制等途径影响污染排放

三、实证策略

（一）计量模型设定

本文基于STIRPAT 模型，针对研究假说1 构建如下模型，实证检验生产性服务业集聚对污染排放的影响：

其中，STIRPAT 模型中的环境影响用污染排放指数(poll)表示；sagg表示生产性服务业集聚指数；人口、财富与技术分别用人口密度(pdensity)、人均地区生产总值(pgdp)和专利申请量(tech)表征；X表示相关的控制变量；α0～α4、ψ为待估参数；μi、νt分别表示个体与时间效应；ε为随机扰动项。

传统面板模型只考虑时间与个体的二维累加效应，难以反映共同因素对不同个体的效应差异。 本文参考Totty[27]的做法，将(1)式中的εit设置为构建(2)式面板交互效应模型进行实证分析：

上式中，λi是因子载荷向量，ft是不可观测时间共同因子向量；γ为随机扰动项。

考虑分位数回归不受极端值的影响，估计结果也更为稳健。 在(1)式的基础上，构建如下面板分位数回归模型进行检验，模型设定如下：

其中，τ表示不同的分位点，βτ表示在不同的分位点各变量的估计系数。

为检验生产性服务业集聚对污染排放是否存在空间溢出，本文进一步构建空间计量模型进行实证检验。 空间杜宾模型(SDM)作为空间计量模型的一般形式，它包含解释变量和被解释变量的空间滞后项，可以在不同系数设定情况下退化为空间滞后模型(SLM)或空间误差模型(SEM)，更具一般性。 因此，基于(1)式构建如下(4)式所示的空间面板杜宾模型：

式中，W表示空间权重矩阵。 对于空间权重矩阵的设置，本文采用可以全面反映城市间空间关联的距离倒数平方权重矩阵，具体元素设置方法如下：

空间权重矩阵对角线元素皆为0，dij为两个城市的地理距离。

（二）指标选取

1.被解释变量

污染排放指数(poll)。 本文采用客观赋权的熵值法，构建污染排放指数来对各城市污染排放状况进行测度，污染指数越大，污染排放越严重。 考虑数据的可得性与连续性，本文选取工业二氧化硫排放量、工业废水排放量和工业烟粉尘排放量，构建污染排放指数，具体测算参考陆凤芝和杨浩昌的处理方法[28]。

2.核心解释变量

生产性服务业集聚(sagg)。 考虑指标统计口径的一致性，本文参考张虎等[19]的研究，选择金融业、租赁和商务服务业、交通运输业、信息传输、软件和信息技术服务业、科学研究、技术服务和地质勘查业等作为生产性服务业的代表性行业。 生产性服务业集聚指数的测算方法参考顾乃华[24]的处理方法，采用能够消除由于地区规模差异而导致内生性冲击的区位熵模型进行测算，具体计算方法如下：

其中，PSij代表i城市生产性服务业细分行业j的从业人数，Xi表示i城市年末从业人员数。

3.控制变量

基本的STIRPAT 模型包含P(人口)、A(财富)、T(科技)三个驱动因素，因此添加如下三个变量作为控制变量：(1)人口密度(pdensity)，采用单位行政区划面积上的人口数作为人口密度的代理变量(单位：人/平方公里)；(2)经济发展(pgdp)，采用人均地区生产总值作为代理变量(单位：元)；(3)技术水平(tech)，采用各城市获得专利数作为技术水平的代理变量(单位：件)。 此外，参考现有文献，本文还考虑了与污染减排密切相关的其他因素作为控制变量：(1)人力资本(hum)，采用每万人普通高等学校在校生人数表征(单位：人)；(2)环境规制(er)，采用工业固体废物综合利用率来表征(单位：%)；(3)财政分权(fiscal)，采用财政收入/财政支出表征；(4)外商直接投(fdi)，采用各城市使用外商直接投资额①外商直接投资额原始数据以美元计价，使用国家统计局官网公布的年均汇率进行换算，转化为人民币计价；此外，在样本考察期内西部地区极个别城市，在起始年份外商直接投资额为0，本文以1 替换，构建平衡面板进行实证分析。进行表征(单位：万元)。

（三）数据说明

基于数据的可得性与指标统计口径的一致性，本文最终选取2003—2017 年中国281 个地级及以上城市(由于行政区划调整及原始数据缺失严重两方面原因，剔除巢湖、拉萨、三沙、海东等市)的面板数据作为研究样本，各指标原始数据来源于2004—2018 年历年的《中国城市统计年鉴》《中国统计年鉴》《中国环境年鉴》，以及国家统计局官网，各省市统计局官网，EPS 数据库，部分缺失数据采用插值法补齐。 为了尽可能消除异方差，同时避免各指标变量因单位差异而导致估计系数出现量级差异，我们在实证研究中对各指标取对数处理①限于篇幅，各指标的描述性统计分析未作报告，已留存备索。。

四、实证结果分析

（一）不考虑空间效应的回归结果

表1 第(1)至(3)列报告了对式(1)进行混合效应、随机效应及固定效应估计的结果，Hausman 统计量值为 180.83，概率p=0.000，因此，选择固定效应模型是适宜的。 在个体、时点固定的基础上，本文引入时间与个体的交互项，构建式(2)的面板交互固定效应模型进行估计，可得第(4)列报告结果，可以发现在10%的显著性水平下，lnsagg的系数显著为负，即生产性服务业集聚能够有效降低污染排放，这与前3 列估计结果相一致。 为防止异方差、误差自相关、截面相关对估计结果产生影响，本文还采用面板校正标准误差估计法(PCSE)进行实证分析，得到第(5)列的报告结果，可知生产性服务业集聚对污染排放存在较为稳健的促降影响，这初步证明了假说1 是成立的。 本文进一步以单一污染物排放指标作为被解释变量进行回归估计②限于篇幅，以单一污染物排放指标作为被解释变量的估计结果未作报告，已留存备索。，估计结果表明，生产性服务业集聚可以显著降低工业二氧化硫、工业烟粉尘与工业废水的排放，这与使用污染排放指数估计结果一致，再次验证了假设1 是成立的。 考虑综合指标可以同时较为全面地反映三种污染物整体排放情况，下文的实证检验皆基于污染排放指数展开。

表1 生产性服务业集聚影响污染减排的初步回归结果

考虑在污染程度不同的区域，生产性服务业集聚对污染排放的影响也可能存在差异，本文采用前文构建的面板分位数模型，依次选取0.1、0.2、0.3，…，0.9 等9 个分位点进行回归估计，可得表2 报告结果。由估计结果可知，同一变量在不同分位点的估计系数大小、显著性水平均存在差异。 这一差异表明，普通面板模型报告结果可能受到数据特征的影响，难以有效、全面解释现实经济情况，同时也再次说明本文构建面板分位数回归模型的有效性。 表2 报告结果表明，在10 分位数至70 分位数之间，生产性服务业集聚的估计系数皆显著为负，说明生产性服务业集聚能够有效降低污染排放。 为更为直观、清晰地对面板分位数回归结果进行经济解释，本文绘制了不同分位点、核心解释变量lnsagg系数变化图，如图1所示。

观察图1 可知，随着分位数的提高，lnsagg的系数在不断变大，在0.7 分位点以前，系数皆显著为负，说明生产性服务业集聚对污染排放的促降作用在逐渐降低；在0.8 分位点以后，lnsagg的系数未能通过显著性检验。这说明伴随污染排放程度的加深，生产性服务业集聚对污染排放的促降效应在逐渐降低。 在环保约束不断加强的背景下，污染排放强度较大说明该城市可能产业结构偏重、能源结构以煤为主、运输结构以公路为主①相关论述参见：孙秀艳，刘毅，寇江泽.蓝天保卫战，精准施策加油干[N].人民日报，2019-03-21(07).，生产性服务业占比相对较低，其集聚带来的减排效应难以有效显现。 在中国经济绿色转型发展的过程中，应坚决避免重蹈“先发展，再治理”的覆辙。 污染减排工作越早进行越好，这样可以有效发挥生产性服务业集聚对污染排放的促降效应，缩短环保“阵痛期”，推动中国经济稳步迈向高质量发展。

表2 面板分位数回归估计结果

图1 面板分位数回归中lnsagg 系数变化图

为防止内生性问题对估计结果产生影响，本文以核心解释变量生产性服务业集聚的1 期滞后值作为工具变量，采用面板工具变量法(IV)进行回归分析，缓解可能存在的内生性问题。 另外，依据中国城市生产性服务业集聚的分布格局，并结合已有研究，选取各城市所在地区的中心海拔高度作为工具变量。 因海拔高度属于时不变变量，而本文构建的面板模型包含时间与个体两个维度，本文采用Hausman-Taylor 方法进行估计。 面板工具变量估计结果中，生产性服务业集聚的系数显著为负，与前文估计结果一致；采用中心海拔高度作为工具变量的估计结果仍与前文估计结果相一致，说明在克服可能存在内生性问题后，生产性服务业集聚仍然能够显著降低污染排放。 上述研究结果再次验证假说1 是成立的。

（二）空间计量回归结果

1.空间相关性检验

在进行空间计量分析前需要检验变量的空间相关性，本文采用莫兰指数(Moran’s I)对污染排放的空间相关性进行检验。 通过计算可得如图2 报告的结果，可以发现2003—2017 年污染排放的莫兰指数在5%的显著性水平下均通过显著性检验，这说明中国城市间污染排放呈现一定的空间正相关性，即高污染排放城市与高污染排放城市相邻，低污染排放城市与低污染排放城市相邻。 从污染排放莫兰指数的变化趋势来看，呈现先增加后减小、再增加的波动式特征。 空间相关性的存在，说明下文使用空间计量模型进行实证检验是适宜的。

图2 2003—3017 年污染排放的莫兰指数

2.空间回归结果分析

表3 各列分别报告了SLM、SEM 与SDM 的估计结果。考虑SDM 和SLM、SEM 之间存在相互转化关系，本文采用Wald 检验和 LR 检验判别 SDM 是否会退化为 SLM(SDM→SLM)或SEM(SDM→SEM)。 当检验SDM→SLM时，Wald 统计量的值为29.69，LR 统计量的值为135.53，在1%的显著性水平下均显著拒绝SDM 退化为SLM；当检验 SDM→SEM 时，Wald 统计量的值为 41.06 ，LR 统计量的值为149.43，在1%的显著性水平下也显著拒绝退化为SEM。 因此，本文采用SDM 是较为适宜的。

由表3 中的第(3)列空间杜宾模型估计结果可知，ρ的系数在1%的显著性水平下显著为正，说明污染排放存在显著的空间依赖特征。 lnsagg的系数在5%的显著性水平显著为负，说明生产性服务业集聚有助于降低本地区污染排放。W×lnsagg的系数虽为负值，但未能通过显著性检验。 在空间杜宾模型中，当存在空间交互项时，使用点估计容易导致估计结果出现偏误，回归得到的估计系数难以有效反映解释变量对被解释变量的影响。 为此，本文采用偏微分将空间计量回归结果分解为直接效应和间接效应，进行经济分析，具体分解结果报告见表4。

表3 空间计量模型回归结果

表4 空间计量回归结果分解效应

表4 结果显示，生产性服务业集聚对污染排放的直接效应影响系数在5%的显著性水平下显著为负；间接效应影响系数，在10%的显著性水平下也显著为负，这说明在控制空间滞后项的情况下，生产性服务业集聚对本地及邻近地区污染排放均存在明显的促降效应，这验证了假说2 是成立的。因此，生产性服务业集聚不仅可以通过规模经济效应有效降低本地区污染排放状况，还可以通过空间溢出效应有效降低邻近地区污染排放。

3.稳健性分析

为确保空间计量模型估计结果的稳健、可靠，本文通过如下三种方法进行稳健性检验：第一，更换空间权重矩阵。Madariaga & Poncet[29]认为当空间距离大于1624km 时，空间影响力会发生转变。 本文以地面距离1624km 为阈值，重新构建空间权重矩阵，构建方法如下：

第二，考虑四大直辖市特殊的经济、政治地位，与普通地级市相比存在较大差异，本文剔除四大直辖市，以余下277 个城市作为研究对象进行实证检验。 第三，采用同时考虑内生交互效应和误差项间交互效应的SAC 模型进行实证检验。 依照上述三种方法进行空间计量回归，并对回归结果进行分解，估计结果显示①限于篇幅，稳健性检验结果未作报告，已留存备索。，生产性服务业集聚对污染排放的直接效应在5%的显著性水平下皆通过显著性检验，说明生产性服务业集聚能够有效降低本地污染排放，前文估计结果稳健、可靠，同时也表明假说1 是稳健成立的。 生产性服务业集聚的间接效应估计系数也显著为负，与前文估计结果也相一致，说明生产性服务业集聚对污染排放的影响存在显著的空间溢出效应，假说2 也是稳健成立的。 其他控制变量的系数也基本与前文保持一致。 综上所述，前文研究结论稳健、可靠。

五、异质性与影响机制分析

（一）异质性分析

1.区域异质性

本文依据国家统计局的划分方法，将全国划分为东部、中部、西部及东北四个地区(其中，东部地区87 个城市、中部地区80 个城市、西部地区80 个城市、东北地区34 个城市)进行研究。 需要说明的是，考虑SDM 模型分解效应能更为准确地反映空间模型中解释变量对被解释变量的影响，此处及下文采用空间计量模型进行回归分析时都直接给出分解效应结果。 分区域的实证检验结果报告见表5。

从表5 的第(1)、(3)、(5)、(7)列报告的直接效应估计结果来看，生产性服务业集聚均能够有效改善本地区污染排放，这与全国层面估计结果一致。 此外，生产性服务业集聚的估计系数绝对值从东部—中部—东北—西部逐渐降低①本文在比较四大区域生产性服务业集聚的估计系数显著程度时优先从显著性水平视角判别，然后结合估计系数大小进行排序。，说明经济相对发达、基础设施更为完善的地区，生产性服务业集聚对污染排放的促降效应也更为明显。 观察表5 的第(2)、(4) 、(6) 、(8)列报告的间接效应估计结果可知，生产性服务业集聚的溢出效应在东部、中部及东北地区仍然显著，但在西部地区不显著，其可能的原因是，西部地区生产性服务业发展滞后，产业层次也相对偏低[20]，难以有效发挥生产性服务业集聚的空间溢出效应。 据此，本文认为伴随经济发展方式的转变和生产性服务业集聚发展水平的逐步提高，经济发达地区如东部省份应在中国污染减排过程中有效发挥“领头羊”作用，以局部带动全局、以点带面推进污染减排工作的有效开展。 经济落后、生产性服务业发展滞后的西部地区，应结合当地实际情况，适度加快生产性服务业布局，以期有效发挥生产性服务业集聚对污染排放的促降效应。

表5 区域层面空间杜宾模型的直接效应与间接效应② 限于篇幅，表5 未给出各区域空间杜宾模型的总效应分解结果，已留存备索。

2.行业异质性

基于全国总体样本的研究表明，生产性服务业集聚发展可以有效降低污染排放，分区域的研究表明东部地区生产性服务业集聚对本地及邻近地区污染排放的促降效应最为明显。 中国东部地区经济发展相对较快，产业结构也更为高级，尤其是东部地区实施的“腾笼换鸟”“退二进三”的产业政策，有效优化、升级了东部地区的产业结构。 我们不禁思考，不同层次的生产性服务业集聚对污染排放的影响是否存在显著差异? 这是不是引起生产性服务业集聚对污染排放影响存在区域差异的原因? 为了回答上述问题，依据人均产值与研发强度等指标，本文将生产性服务业划分为低端生产性服务业与高端生产性服务业两类。 其中，低端生产性服务业主要包括租赁和商业服务业、交通运输、仓储和邮政业等行业；高端生产性服务业包括金融业、信息传输、软件和信息技术服务业、科学研究、技术服务和地质勘查业等行业。 本文仍采用空间杜宾模型进行效应分解，分别考察高端、低端两类生产性服务业集聚对污染排放的影响，实证结果报告见表6。

表6 行业层面空间杜宾模型的分解效应

由表6 可知，低端生产性服务业集聚对污染排放的直接与间接效应的估计系数皆未能通过显著性检验，说明低端生产性服务业集聚对本地及邻近地区污染排放的促降效应并不明显。 高端生产性服务业集聚的直接效应与间接效应的估计系数皆显著为负，说明高端生产性服务业集聚能够有效降低本地及邻近地区污染排放。 该研究结论有助于从行业细分层面解释中国生产性服务业集聚对污染排放存在区域差异影响的现象。 高端生产性服务业集聚是降低污染排放的主要驱动力，高端生产性服务业的发展依赖于区域经济的发展程度及人力资本水平[20]，中国东部地区经济发展及教育水平皆处于全国领先地位，而西部地区则相对滞后，因此，东部地区生产性服务业集聚发展较快，对污染排放的抑制作用也更为显著，西部地区经济、教育水平均较为落后，生产性服务业布局主要以交通运输、租赁和商务服务业等低端行业为主，难以有效发挥生产性服务业集聚对污染排放的促降效应。

（二）机制分析

由前文可知生产性服务业集聚可能通过产业结构、人口集聚、信息基础设施及环境规制等路径影响污染排放，本文采用中介效应检验模型对上述可能的传导路径进行识别、检验。 其中，产业结构(is)采用第二产业增加值占GDP 比重表征(单位：%)；信息基础设施(infra)，参考吴涛等[30]的研究，采用人均邮电量(单位：元)表征；环境规制(er)采用前文的解释变量工业固体废弃物综合利用率(单位：%)予以表征；人口集聚也采用前文的解释变量人口密度(pdensity)予以表征。 本文构建如下方程构建中介效应检验模型：

其中，X为控制变量向量集；M为可能的中介变量，主要包括产业结构(is)、信息基础设施(fra)、人口集聚(pdensity)与环境规制(er)；其他变量的意义与前文一致。 根据中介效应模型检验原理，若三个方程中lnsagg的估计系数α1、β1和γ2均显著，而且γ1较α1系数绝对值降低或显著性水平下降，则表明存在中介效应。 表7 报告了基于面板固定效应模型的中介效应检验实证结果。

表7 生产性服务业集聚影响污染排放的机制检验① 限于篇幅，表1 未报告控制变量的估计结果，已留存备索。

由表7 可知，当将产业结构视为中介变量时，式(8)—式(10)中生产性服务业集聚估计系数皆通过了1%的显著性检验，但式(10)中产业结构的系数未能通过显著性检验。 据此，可以判定产业结构并不是生产性服务业集聚影响污染排放的一个有效中介变量。 同上分析，可以发现信息基础设施、人口集聚符合中介效应的判断标准。 当将环境规制视为中介变量时，式(9)中生产性服务业集聚的估计系数未能通过显著性检验，且式(10)中生产性服务业集聚的估计系数绝对值较式(9)大，由此可以判断环境规制并不满足中介效应的判别标准。 综上所述，本文可以得出如下结论：信息基础设施与人口集聚是生产性服务业集聚影响污染排放的重要途径，而产业结构与环境规制的中介效应并不显著。 因此，在中国加快生产性服务业集聚发展的过程中，人口集聚带来的能源消耗增加可能是污染减排未能取得显著成效的一个重要因素；信息基础设施的改善是有效降低污染排放的重要突破方向；产业结构未能实现有效“绿色”升级，环境规制尚未有效发挥对污染排放的抑制效应，是污染排放难以根本好转的重要原因。 上述研究结论说明假说3 部分成立。

六、扩展性分析：集聚的外部性对污染排放的影响

正如前文理论分析部分所述，生产性服务业集聚可能会通过外部性对污染排放产生影响，因此，本文从生产性服务业集聚的MAR、Jacobs 及Porter 外部性视角进行实证检验。 参考于斌斌[20]的处理方法，采用专业化与多样化指数分别对生产性服务业MAR 外部性与Jacobs 外部性进行测度，具体计算方法如下：

其中，Eij为i城市生产性服务业细分行业j的就业人数占该城市总就业人数比重；Ei为全国生产性服务业细分行业j占全国总就业人数的比重。

借鉴杨仁发[31]的处理方法，构建指标测算生产性服务业集聚的Porter 外部性，计算公式如下：

其中，comi表示市场竞争度，本文参考刘胜和顾乃华[14]的处理方法，采用城市职工平均工资作为市场竞争程度的代理指标。

三种外部性之间并非完全排斥[2]，还可能存在一定的相关性。 本文未将三种外部性纳入同一方程，而是分别考察生产性服务业集聚的三种外部性对污染排放的影响。 为此，本文构建如下空间杜宾模型进行实证检验：

上式中N分别代表MAR、Jacobs、Porter 外部性，其他变量意义同前文。

估计结果报告于表8。 由表8 可知，生产性服务业集聚的Jacobs 与Porter 外部性对本地及邻近地区污染排放皆表现出与预期相一致的显著促降效应，而生产性服务业集聚的MAR 外部性对本地区污染排放并未产生预期中的促降效应。 其可能的原因是，中国当前高端生产性服务业发展滞后，生产性服务业集聚效应的发挥受到了极大限制[15]，阻碍了高端生产性服务业在工业价值链中的有效嵌入，不利于先进生产信息与技术的共享与扩散，难以改善企业的能源要素使用效率，使得生产性服务业集聚MAR外部性难以有效发挥对本地污染排放的促降影响。 现有文献表明，具有一定规模与门类的生产性服务业城市，本地或周边地区必然存在着与之相匹配的工业企业，本地区的生产性服务业可能处于产业价值链的中低端，但仍可能处于邻近地区产业链的上游，因此生产性服务业集聚的MAR 外部性表现出较为显著的溢出效应。

表8 生产性服务业集聚外部性对污染排放的SDM 分解效应

七、结论与政策启示

本文以2003—2017 年中国281 个地级及以上城市面板数据为研究样本，采用空间面板杜宾模型、中介效应检验模型等计量方法系统考察生产性服务业集聚对污染排放的影响及作用机制。 研究结果显示：(1)生产性服务业集聚对污染排放具有显著的促降效应，且伴随污染排放指数分位点的提高，生产性服务业集聚对污染排放的促降效应在逐渐降低，达到污染排放指数的0.8 分位点后生产性服务业集聚的促降效应不再显著。 (2)生产性服务业集聚不仅可以显著降低本地污染排放，还可以通过空间溢出效应有效降低邻近地区污染排放。 (3)生产性服务业集聚对污染排放的直接影响效应由东部—中部—东北—西部依次递减，生产性服务业集聚的空间溢出效应在西部地区未能通过显著性检验。 进一步地，划分行业研究发现，高端生产性服务业集聚能够显著降低本地和邻近地区污染排放，低端生产性服务业集聚对本地及邻近地区污染排放影响并不显著。 (4)机制研究表明，信息基础设施与人口集聚是生产性服务业集聚影响污染排放的重要传导路径，而产业结构与环境规制的中介效应并不显著。(5)生产性服务业集聚的Jacobs 外部性和Porter 外部性可以显著降低本地及邻近地区污染排放，而MAR 外部性对本地污染排放的影响并不显著，其空间溢出效应可以有效降低邻近地区污染排放。 据此，本文提出如下政策启示。

第一，构建健全、长效的跨区域污染减排联动机制。 前文研究结果显示，污染排放具有显著的空间相关性，在进行污染治理时，应避免地方政府“各自为政”“以邻为壑”的条块污染治理局面出现；构建统一的环境污染检测平台，实行区域间环境污染信息共享，建立区域间污染排放补偿机制；加强区域间的联合治污行动，加快构建一套完善、长效的跨区域污染减排联动机制。

第二，继续加快布局、发展生产性服务业，逐步提升高端生产性服务业的集聚水平。 生产性服务业集聚发展与污染减排是相向而行的，生产性服务业的集聚发展有助于污染排放的降低，两大政策可以实现珠联璧合、相得益彰的效果。 因此，应着力提高生产性服务业的集聚水平，在政策上应适当向西部地区倾斜，提升西部地区生产性服务业集聚发展水平；在加快发展生产性服务业集聚、有效开展污染减排工作的过程中，要充分发挥东部地区的“领头羊”作用；各地区应结合自身资源禀赋、产业结构与发展定位，努力提升高端生产性服务业的集聚水平。 此外，需要注重通过产业结构优化、信息基础设施的改善、适度的人口集聚等中介途径实现污染排放的有效治理，进一步加强环境规制的强度与执行力度。

第三，鼓励生产性服务业的多样化发展，为企业营造良好的竞争环境。 由于生产性服务业集聚的Jacobs 外部性与Porter 外部性能够有效降低本地及邻近地区污染排放。 因此地方政府应该积极引导互补性较强的企业集聚在一起，鼓励生产性服务业产品的多样化发展；同时，通过营造公平的市场竞争环境，有效发挥Jacobs 与Porter 外部性对污染排放的促降效应；适度提高生产性服务业集聚的专业化发展，发挥MAR 外部性对邻近地区污染排放的促降作用。

第四，继续大力推进污染减排攻坚战。 前文研究表明，生产性服务业集聚对污染排放的影响伴随污染程度的加深，影响效应会逐渐降低，因此，应该加大环境保护力度，持续助力污染减排攻坚战，坚决不走“先污染，再治理”的老路。