制造业服务化对区域绿色创新效率的影响

李 琳， 田彩红*， 徐 洁

(1.湖南大学经济与贸易学院， 长沙 410079； 2. 清华大学公共管理学院， 北京 100084)

十九届五中全会指出高质量发展是经济社会发展的主题.目前资源短缺、环境破坏等问题日益突出，阻碍经济高质量发展.绿色创新能提高资源利用效率，降低环境污染，兼顾经济效应、环境效应和技术效应，推动经济高质量发展.制造业服务化是全球制造业发展的趋势.2021年国家发改委等13个部门联合出台的《关于加快推动制造服务业高质量发展的意见》指出，制造服务业是提升制造业产品竞争力和综合实力、促进制造业转型升级和高质量发展的重要支撑.从理论上讲，制造业服务化可以影响企业成长，调整企业绿色创新的资源投入，从而影响绿色创新效率.同时制造业服务化还能吸引高端要素集聚，带来创新集聚，推动区域技术进步与绿色发展，进而对绿色创新效率产生影响.另外，制造业服务化也有利于削减企业高污染的生产环节，减少污染排放，产生环境效益.但如果企业陷入服务化困境，企业绿色创新能力受阻，可能不利于绿色创新效率提升.那么发展实践中，中国制造业服务化是否对区域绿色创新效率存在影响？这种影响效应是否存在非线性特征？其影响机制是什么？这些都是高质量发展背景下需要探究的问题．

与本文相关的文献主要包括制造业服务化及区域绿色创新效率等.首先，对于制造业服务化的研究主要体现在三个方面：一是制造业服务化对企业绩效、全要素生产率的影响.有学者认为制造业服务化与企业绩效呈正相关关系，制造业服务化有利于企业取得竞争优势，提高利润水平，增加企业效益[1-3].也有学者认为制造业服务化与企业绩效呈负相关关系，采取服务化策略的企业绩效落后于其余企业，出现服务化悖论[4-6].还有学者认为制造业服务化与企业绩效、全要素生产率呈非线性关系，主要表现为“U”型曲线[7-8]、倒“U”型曲线[9]、“马鞍”型曲线[10-12].二是制造业服务化对国际分工地位的影响.学者认为制造业服务化能提高企业价值链的参与程度，促进制造业攀升全球价值链[13-14]，但可能存在服务化困境，使得制造业服务化与制造业企业的出口国内增加值率呈“U”型关系[15].三是制造业服务化的影响机制.满足消费者需求[1]、增加利润[16]和提高竞争力[17]是制造业服务化的主要原因.企业高层管理者重视程度、员工文化程度[18]、企业成本收入、企业年龄[19]、企业的生命周期[20]等组织因素和企业特征也会对企业采取制造业服务化策略产生影响.还有学者指出经济自由度、创新能力[21]、服务贸易开放[22-23]等宏观因素也会影响制造业服务化．

对于区域绿色创新效率的研究主要体现在三个方面.一是绿色创新效率的测算.学者较为普遍的采用Super-SBM[24]、SBM-DEA[25]、DEA-BCC[26]、DEA-RAM[27]等方法测度绿色创新效率.也有部分学者采用随机前沿模型测度绿色创新效率[28].二是绿色创新效率的影响因素.绿色创新效率的影响因素主要有研发投入[29]、环境规制[30-31]、外商直接投资[32]、消费者影响[33]等.三是绿色创新效率的时空演化.杨树旺等[34]利用SBM模型和ESDA探索了长江经济带绿色创新效率的时空分异和驱动机制.吕岩威等[35]利用SBM-DEA和空间计量模型探索中国绿色创新效率的跃迁路径和空间收敛特征．

对于制造业服务化与绿色创新效率关系的研究主要涉及两个方面.一是制造业服务化对企业创新能力的影响.由于创新活动结果的不确定性，企业创新活动更多地依靠内源性融资渠道，制造业服务化增加企业效益，推动企业成长，缓解企业的融资约束，增加创新活动投入，提高绿色创新效率[36].同时制造业服务化推动要素结构变动，高端要素集聚推动创新集聚，从而吸引更多的创新资源流入，促进绿色创新人才的交流合作，产生更多的创新成果和价值，促进区域技术进步与绿色发展[37]，进而提高区域绿色创新效率.此外，制造业服务化还通过提供资本要素、提升人力资本等渠道来促进企业进行技术创新[38-41].也有学者认为制造业服务化与创新存在非线性关系.张伯超和靳来群[36]基于2005年—2007年中国制造业企业数据认为制造业服务化对企业研发积极性的影响为倒“U”型.二是制造业服务化具有良好的环境效益.制造业服务化能够通过高端服务要素投入、促进产业结构升级等渠道降低企业能耗和污染排放，有利于经济可持续发展[42-45]．

综上所述，已有文献为本文研究提供了有益启示，但仍存在一些有待突破的地方.1) 现有文献主要关注制造业服务化对企业绩效、技术创新等方面的影响，但较少文章分析制造业服务化对区域绿色创新效率的影响.2) 基于区域—行业双重异质性视角，考虑绿色创新的空间溢出，可以运用空间计量模型探究制造业服务化对区域绿色创新效率的影响效应，并通过中介效应模型分析制造业服务化对区域绿色创新效率的可能影响路径.基于此，本文利用中国省级数据测度制造业服务化水平和绿色创新效率，采用空间计量和中介效应模型分析制造业服务化对区域绿色创新效率的影响效应及中介机制，为提高制造业服务化水平，充分利用制造业服务化提升区域绿色创新效率提供依据．

1 理论机制分析与研究假设

1.1 区域绿色创新效率的空间溢出效应

随着空间经济学的发展，学者们关注地理范围内创新的空间溢出.地理邻近会使得技术创新活动产生集聚和扩散效应，即绿色创新效率具有空间溢出效应[46-47].随着区域基础设施和交流机制不断完善，区域间积极开展合作交流，推动创新资源流动和经验学习共享，并进一步形成创新网络，促进区域间的绿色创新活动产生空间溢出效应.同时，区域的经济发展水平、人力资本等因素会对绿色创新效率产生影响，而区域间交流合作、资源流动，会使这些影响因素对邻近地区产生“极化效应”“扩散效应”等，从而影响邻近地区的要素投入的规模和匹配，进而影响邻近地区的绿色创新效率[48].因此，本文提出假设1．

假设1：区域绿色创新效率存在空间溢出效应．

1.2 制造业服务化对区域绿色创新效率的非线性影响机制

为提高竞争力，具有资金、技术等优势的龙头企业率先实施服务化战略，促进知识、技术等服务要素嵌入制造业生产运营中，产生绿色技术溢出效应[39]，提高企业绿色创新效率.制造业服务化初期，企业模仿的成本较低，大量企业跟随龙头企业实施服务化策略，吸收创新资源和绿色技术，提高绿色创新效率，因此制造业整体绿色创新效率提升.随着服务化程度的不断加深，企业需要转向基于需求的服务化，而制造业服务化所带来的管理成本和运营成本持续增加，企业的既有资源难以满足更高标准服务化的需求，同时由于大量企业的模仿和追随，出现了大量同质产品和服务，造成产能过剩，陷入服务化困境[12]，企业被迫降低绿色创新投入.此外，由于中国现代服务业相对滞后，企业盲目扩张服务业会抑制资源配置效率，导致能源浪费和环境污染，从而造成绿色创新效率提升缓慢甚至下降.当整体陷入服务化困境后，为摆脱同质化，建立新的竞争优势，龙头企业凭借技术、资金优势向研发等领域延伸，推动服务化深层次转型，促进生产范式革新[41]，提高企业绿色创新效率.同时，随着外部交易环境的成熟，企业逐步将非核心业务和功能外包，深化专业分工，提高生产效率.部分追随企业则在竞争中转型为服务外包企业，发挥比较优势为企业提供专业服务，降低成本获得利润，促进企业拓展技术创新的广度和深度，降低环境污染，提高企业绿色创新效率.专业分工和服务外包促进了绿色技术扩散，从而促进整体制造业绿色创新效率提升.同时，制造业服务化能优化要素投入结构，提高资源利用效率，实现清洁生产运营，改善环境，降低创新的非期望产出，提升绿色创新效率.此外，制造业服务化通常伴随产业集聚，从而带动绿色创新技术和知识的跨区域流动，促进创新资源溢出，进而影响本区域和相邻区域绿色创新效率.因此，本文提出假设2．

假设2：制造业服务化对区域绿色创新效率的影响呈先上升后下降再上升的“N”型曲线．

1.3 制造业服务化通过企业成长影响区域绿色创新效率

制造业服务化通过影响企业成长对区域绿色创新效率产生非线性影响.制造业服务化初期，龙头企业通过实施制造业服务化战略提供具有差异化的产品和服务，提高企业竞争力和收入，促进企业成长.跟随企业也会采取服务化战略提高生产效率，推动企业成长，为企业提升绿色创新效率奠定资金基础.随着制造业服务化的进一步发展，企业从提供有形产品到无形服务要解决主导逻辑转换的困难，制造业部门和服务业部门会产生资源抢夺问题，导致各部门产生矛盾，企业管理成本增加[12].同时，大量同质化产品和服务的出现导致企业难以扩大市场份额，陷入服务化困境，阻碍企业成长.随着人才、技术不断累积，龙头企业推动服务化向价值链高端延伸，采取服务外包，实现规模经济，为企业带来丰厚的收入，推动企业成长，部分跟随企业则转型为外包企业，发展比较优势，增加企业收入，促进企业成长.企业成长有利于将更多的资源配置到绿色创新，降低环境污染，提高绿色创新效率，并通过外溢效应，带动制造业、区域的绿色创新效率提升.因此，本文提出假设3．

假设3：制造业服务化通过影响企业成长对区域绿色创新效率产生非线性影响．

1.4 制造业服务化通过创新集聚影响区域绿色创新效率

制造业服务化通过影响创新集聚对区域绿色创新效率产生非线性影响.龙头企业率先开展制造业服务化，推动服务要素不断嵌入制造业生产经营中，引起服务要素对传统实物要素的替代，并通过服务化吸收外部优质的人才、技术等高端要素[49]，推动人才等创新要素流向区域内龙头企业，促进龙头企业开展绿色创新活动，推动创新集聚.跟随企业积极模仿开展服务化战略，通过服务化吸引高端要素，提高绿色创新能力，进一步促进创新集聚.创新聚集加剧企业竞争，并通过“追赶效应”和“拉拔效应”激励企业开展持续创新，提高企业绿色创新效率.同时，创新集聚能力不断增强，吸引更多的创新资源流入，促进绿色创新人才的交流合作，从而产生更多的绿色创新成果，提升区域绿色创新效率.因此，本文提出假设4．

假设4：制造业服务化通过影响创新集聚对区域绿色创新效率产生非线性影响．

2 模型设定

2.1 计量模型构建

2.1.1 空间矩阵构建 考虑到区域间的绿色创新效率可能存在空间自相关性，邻近省份的绿色创新效率可能会对本省产生影响.因此本文利用空间计量模型进行研究.本文选择邻近标准的空间地理矩阵作为权重，如下所示：

(1)

2.1.2 空间计量模型构建 空间计量模型有空间误差模型(SEM)、空间滞后模型(SAR)和空间杜宾模型(SDM)，考虑到空间滞后和空间误差的情形可能同时存在，本文构建一般空间杜宾模型，公式如下：

μi+υt+εit，

(2)

若θ=0，则模型(2)退化为SAR模型，若θ+ρβ=0，则退化为SEM模型.在此基础上，结合本文的研究变量，构建如下的空间面板模型：

(3)

其中，i表示省份，t表示年份，Git表示i省份在t年份的绿色创新效率，sit表示i省份在t年份的制造业服务化水平，考虑到非线性影响，进一步引入制造业服务化的二次项、三次项.W是空间权重矩阵.WlnGit为绿色创新效率的空间滞后变量，表示邻近省份的绿色创新效率的综合作用对i省份的影响，ρ表示空间溢出程度，Xit为一系列控制变量．

2.1.3 中介效应检验模型 基于前文的假说，制造业服务化可能通过企业成长和创新集聚影响区域绿色创新效率，本文采用中介效应模型并基于空间计量模型来分析企业成长和创新集聚的中介效应.具体中介效应模型如下.

第一步，验证制造业服务化是否对区域绿色创新效率有影响：

(4)

第二步，验证制造业服务化是否对中介变量有影响：

(5)

第三步，将制造业服务化、中介变量同时放入模型：

(6)

其中，Midit是中介变量，为企业成长和创新集聚，其余变量含义同上．

2.2 变量说明

2.2.1 被解释变量 绿色创新是以产品创新、技术创新、观念创新和制度创新等方式兼顾经济效益和环境效益的一种创新[50-51].绿色创新效率是将技术创新、环境效益纳入同一分析框架，分析生产和技术创新过程中各种投入要素的有效利用程度[52].本文借鉴相关研究成果[35]从投入产出视角构建区域绿色创新效率测度指标.绿色创新活动投入指标包括R&D全时人员当量和R&D资本存量.R&D资本存量采用永续盘存法进行估算，以R&D经费内部支出作为估算原始指标，以2001年为基期，折旧率为15%，采用R&D价格指数(0.85×居民消费价格指数+0.15×固定资产投入价格指数)进行平减.绿色创新活动期望产出用绿色发明专利申请数和新产品销售收入表征.绿色创新活动非期望产出用污染综合指数表征，利用熵权法计算工业废水排放量、工业SO2排放量和工业固定废弃物排放量的污染综合指数．

2.2.2 核心解释变量 目前，关于制造业服务化，学者主要运用投入产出表的直接消耗系数和完全消耗系数测算[13，53].与直接消耗系数相比，完全消耗系数包括了直接消耗和间接消耗，更充分地反映制造业与服务业的相互依存关系.因此本文选择完全消耗系数来衡量区域制造业服务化水平.公式如下所示：

(7)

其中，sj代表制造业j的服务化水平，公式右侧的第一项代表制造业j对服务业i的直接消耗量，第二项为第一轮间接消耗量，依次类推，第n+1项为第n轮的间接消耗量．

2.2.3 中介变量 中介变量主要包括了企业成长(z)和创新集聚(I).企业成长较好，有利于企业加大研发投入，从而提高绿色创新效率.本文参考李贲和吴利华[54]，采用企业的资产总额衡量企业成长.创新集聚能通过竞争激励企业开展绿色创新，并促进人才等要素的交流合作，带来更多的绿色创新成果，提高绿色创新效率.本文借鉴范新英和张所地[37]的做法，用单位面积专利授权量衡量创新集聚.

2.2.4 控制变量 控制变量主要包括了知识产权保护(k)、人力资本(h)、经济发展水平(d)、环境规制(e)、对外开放(o)、产业结构(c)、基础设施(f)、高新技术企业集聚(t).知识产权保护可以营造良好的市场环境，激发企业加大研发投入的积极性，推动高质量创新产出，本文采用技术市场成交额占GDP的比重来反映知识产权保护力度，并借鉴已有研究对其进行标准化[55].人力资本能够为区域创新活动提供人才支持，本文采用每十万人中高等学校在校生数来衡量区域人力资本状况.经济发展水平为开展绿色创新活动提供物质基础，本文采用人均GDP来反映经济发展水平.环境规制对区域绿色创新活动既存在创新补偿作用，又存在负面的抵消作用，本文采用污染治理完成投资额来衡量环境规制.对外开放可以带来先进技术和管理经验，促进区域绿色创新效率，但对外开放可能出现不良投资者的“污染天堂”，不利于区域绿色创新效率，本文采用进出口额占GDP的比重来衡量对外开放.产业结构优化有利于改善资源配置效率，促进技术水平提升，本文采用第三产业与第二产业之比来衡量产业结构.完善的基础设施能为绿色创新活动提供保障，提高绿色创新效率，本文采用邮电业务量占GDP的比重衡量基础设施.高新技术企业集聚有利于发挥规模效应，促进技术交流与传播，提高绿色创新效率，本文采用高新技术企业数量来衡量高新技术企业集聚．

2.3 数据来源

本文的研究对象为2006年—2019年中国的30个省市(不包括西藏、香港、澳门、台湾).数据来源于EPS数据库、中国国家知识产权局网、中经网数据库、对应年份的《中国统计年鉴》《中国科技统计年鉴》《中国工业统计年鉴》《中国环境统计年鉴》.对于个别缺失的数据，采用插值等方法补齐．

3 实证结果与分析

3.1 制造业服务化与绿色创新效率测度结果

测算绿色创新效率多采用DEA模型和随机前沿法.随机前沿法通常只有一个产出项，不适用多产出创新效率测算.非期望产出的超效率SBM-DEA克服了非期望产出SBM模型的不足，能将决策单位效率为1的情况再分解，进行相互比较，从而提高测算结果排序的准确性[56]，因此本文采用非期望产出的超效率SBM-DEA模型进行测算.本文利用MATLAB 2014b测度中国30个省份2006年—2019年制造业服务化水平及绿色创新效率，并进一步计算均值，如图1所示.就制造业服务化而言，北京、上海、天津位居全国前三，东、中、西部整体均值排序为东部(0.4756)>中部(0.3979)>西部(0.3804)，长江经济带整体均值为0.419 4略低于非长江经济带(0.420 3).就绿色创新效率而言，北京、上海、天津位居全国前三，东、中、西整体均值排序为东部(0.8372)>中部(0.4996)>西部(0.4292)，长江经济带整体均值为0.670 3高于非长江经济带(0.555 4).总体来看，制造业服务化与绿色创新效率的空间格局基本一致，由东部向西部依次递减．

表1 变量描述性统计值Tab.1 Descriptive statistics of variables

图1 2006年—2019年中国30省份制造业服务化及绿色创新效率均值Fig.1 Average value of manufacture servitization and green innovation efficiency of 30 provincesin China from 2006 to 2019

3.2 空间相关性检验

在对空间面板进行估计之前，本文首先测算了区域绿色创新效率的Moran’sI指数.从表2可以看出，大部分年份区域绿色创新效率的Moran’sI指数在5%的水平上显著，表明区域绿色创新效率存在空间相关性，通过空间面板模型来分析制造业服务化对区域绿色创新效率的影响是必要的．

表2 2006年—2019年区域绿色创新效率的Moran’s I指数Tab.2 The Moran’s I index of regional green innovation efficiency from 2006 to 2019

结合LM和Robust LM检验，判断和选用空间计量的具体形式.首先通过LM检验判断选择SEM模型和SAR模型，再通过LR检验判断SDM模型能否简化为SAR模型和SEM模型.如表3所示，通过LM检验看出，SEM模型优于SAR模型，进一步通过LR检验认为SDM模型不能简化为SAR模型和SEM模型.因此，本文选择SDM模型．

表3 模型检验统计量Tab.3 The test statistics of the model

3.3 基准回归结果

由表4可知，未考虑空间相关性的估计结果可能导致偏差，考虑到空间相关性的模型(3)具有更优的统计特征.由模型(3)可知，区域绿色创新效率的空间滞后项系数显著为正，表明区域绿色创新效率存在空间溢出效应，邻近省份的绿色创新效率对本地的绿色创新效率有促进作用.制造业服务化的空间滞后项系数显著为正，表明制造业服务化具有溢出效应.上述结果表明前文提出的假设1是成立的．

表4 制造业服务化对区域绿色 创新效率影响的基准回归结果Tab.4 Regression results of the influence of manufacturing servitization on the regional green innovation efficiency

制造业服务化水平的一次项、二次项和三次项系数均显著为正，表明制造业服务化对区域绿色创新效率的影响呈显著的先上升、后下降、再上升的“N”型曲线.当制造业服务化水平低于第一个拐点值0.27时，制造业服务化会对区域绿色创新效率产生促进作用.这一阶段，企业通过制造业服务化提升产品和服务的附加值，增加企业利润率，使得企业有更多的资源投入到绿色研发创新中，提高企业绿色创新效率.同时制造业服务化通过技术溢出推动技术成果的传播和交流，促进区域绿色创新效率提升.当制造业服务化水平位于0.27～0.45之间时，制造业服务化会对区域绿色创新效率产生抑制作用.当服务化战略推进到一定程度后，企业需要向基于需求的深度服务化转型，既有资源无法满足更高标准的服务需求，从而出现制造能力和服务能力的矛盾.同时，制造业服务化所带来的成本以边际递增的趋势增加，企业利润水平下降，阻碍了企业绿色创新投入，导致绿色创新效率呈下降趋势.当制造业服务化水平高于第二个拐点值0.45后，制造业服务化会对区域绿色创新效率产生促进作用.这一阶段，具有人才、知识和资金优势的企业通过向研发等环节延伸，推动服务化深层次转型，跨越服务化困境，进入到绿色创新效率提升阶段.对于人才和资金欠缺的落后企业，在市场竞争中转型为外包企业，降低成本获得更多的利润，使得更多的资源可以配置到绿色研发，进而提升绿色创新效率.从各省目前所处的阶段来看，2019年除北京市、天津市、上海市、吉林省、安徽省、海南省、内蒙古的制造业服务化水平超过第二个拐点0.45外，绝大部分省份均处于拐点0.27～0.45之间，位于“N”型曲线的第二阶段，说明我国大部分省份仍处于服务化困境阶段，需采用相应措施跨越服务化困境，提升区域绿色创新效率.上述结果表明前文提出的假设2是成立的．

就控制变量而言，产业结构与绿色创新效率呈显著负相关关系.由于我国产业结构变迁具有政府主导的特征，产业结构高级化不一定伴随技术进步[57]，甚至会对绿色创新效率产生抑制.对外开放水平与绿色创新效率呈显著负相关关系.对外开放可能存在“污染天堂”，承接了发达国家转移的高污染产业，从而抑制绿色创新效率[58].知识产权保护与绿色创新效率呈显著正相关关系.较高的知识产权让企业通过创新获得更高的收益，增强企业绿色创新的投资意愿，促进绿色创新效率提升[59].经济发展水平与绿色创新效率呈显著负相关关系.多数省份过去盲目追求GDP增长速度，导致经济发展质量不高，从而不利于绿色创新效率提升[60].人力资本与绿色创新效率呈显著正相关关系.较高的人力资本为绿色创新效率提供人才支持，增强创新驱动力[61]，从而促进绿色创新效率提升.环境规制与绿色创新效率呈显著正相关关系.环境规制具有创新补偿作用，企业为长期发展选择开展绿色创新活动，从而促进了节能减排和生产效率改善，为企业带来额外的创新收益，进而又激励企业开展绿色创新活动，提高绿色创新效率[60].基础设施与绿色创新效率呈显著正相关关系.完善的基础设施能为绿色创新活动奠定基础，推动企业交流与合作，降低研发创新活动的成本，提高开展绿色创新活动的积极性，从而提高绿色创新效率[62].高新技术产业集聚与绿色创新效率呈显著正相关关系.高新技术企业集聚能形成规模效应，促进先进技术和知识的交流与扩散，提高企业绿色创新能力，从而促进绿色创新效率提升[60]．

3.4 稳健性分析

3.4.1 内生性问题的讨论 本文的计量模型可能存在内生性问题.本文虽控制了一系列控制变量，但仍存在难以控制的遗漏变量引发内生性问题.另一方面，反向因果也带来内生性问题.随着地区绿色创新效率的不断提高，会激励企业主动开展服务化策略，从而影响地区制造业服务化水平.因此本文使用工具变量来代替当期变量重新估计.本文使用1984年—1997年的人均服务业增加值作为工具变量.历史上人均服务业增加值反映了当地服务业发展的基础，制造业服务化水平是制造业生产投入消耗的服务量，地区服务业发展水平较高，发展基础相对较好，制造业可投入的服务数量越多，制造业服务化水平相对较高，因此工具变量满足相关性.对于外生性，相对于1984年—1997年的人均服务业增加值而言，本文研究的时间跨度2006年—2019年是时间滞后变量，因此其与误差项相互独立.同时，历史上人均服务业增加值对当期区域绿色创新效率的直接影响甚微，工具变量满足外生性.本文采用工具变量进行回归，回归结果见模型(4)，地区制造业服务化程度与区域绿色创新效率存在“N”型关系，即考虑内生性问题后，这一结论仍显著成立．

3.4.2 稳健性检验 空间计量模型的结果在一定程度上受空间权重矩阵的影响.除了采用邻近矩阵外，本文还采用地理距离矩阵重新回归估计，回归结果见模型(5).除了采用非期望产出的超效率SBM-DEA计算地区绿色创新效率外，本文也采用SBM-DEA来计算地区创新效率，重新回归估计，回归结果见模型(6).比较上述回归结果，核心解释变量的回归结果没有发生显著变化，即制造业服务化与区域绿色创新效率仍呈显著的“N”型关系，可见模型具有较好的解释力度，本文的结果也具有一定的稳定性．

表5 制造业服务化对区域绿色创新效率 影响的稳健性检验Tab.5 Robustness test of the influence of manufacturing servitization on the regional green innovation efficiency

3.5 异质性分析

3.5.1 区域异质性 长江经济带是国内至关重要的工业基地，正在重点打造世界级先进制造业集群.在此背景下，本文进一步考察长江经济带和非长江经济带地区制造业服务化对区域绿色创新效率的影响.本文在模型中引入地区虚拟变量，长江经济带为region 1，非长江经济带为region 2.通过估计结果可以看出，制造业服务化与区域绿色创新效率存在“N”型关系.具体来说，对于长江经济带，制造业服务化水平在低于第一个拐点0.29前，制造业服务化促进区域绿色创新效率，当制造业服务化水平处于0.29～0.44之间时，制造业服务化会抑制区域绿色创新效率，当制造业服务化水平高于0.44时，制造业服务化会促进区域绿色创新效率.对于非长江经济带，制造业服务化水平在低于第一个拐点0.33前，制造业服务化促进区域绿色创新效率，当制造业服务化水平处于0.33～0.43间时，制造业服务化会抑制区域绿色创新效率，当制造业服务化水平高于0.43时，制造业服务化会促进区域绿色创新效率．

表6 制造业服务化对区域绿色创新效率 影响的区域异质性Tab.6 Regional heterogeneity of the influence of manufacturing servitization on the regional green innovation efficiency

3.5.2 行业异质性 不同要素密度的制造业，其对服务化的敏感性不同[45].为进一步分析不同要素密度的制造业服务化对区域绿色创新效率影响的差异性，本文将制造业分为劳动密集型制造业、资本密集型制造业和技术密集型制造业，回归结果见表7.从模型(10)可以看出，劳动密集制造业服务化对绿色创新效率的影响不显著.可能的原因是对于劳动密集型制造业投入的服务主要是批发零售等资源配置要素类，而知识、技术等高端服务要素投入有限[63]，导致制造业服务化的技术创新效应不显著.从模型(11)可以看出，资本密集型制造业服务化对区域绿色创新效率的影响为显著的“N”型曲线，这与整体结论一致.具体来说，制造业服务化水平在低于第一个拐点0.26前，制造业服务化促进区域绿色创新效率，当制造业服务化水平处于0.26～0.45之间时，制造业服务化会抑制区域绿色创新效率，当制造业服务化水平高于0.45时，制造业服务化会促进区域绿色创新效率.从模型(12)可以看出，技术密集型制造业服务化与区域绿色创新效率存在显著的“N”型关系.具体来说，制造业服务化水平在低于第一个拐点0.28前，制造业服务化促进区域绿色创新效率，当制造业服务化水平处于0.28～0.46之间时，制造业服务化会抑制区域绿色创新效率，当制造业服务化水平高于0.46时，制造业服务化会促进区域绿色创新效率．

表7 制造业服务化对区域绿色创新效率 影响的行业异质性Tab.7 Industry heterogeneity of the influence of manufacturing servitization on the regional green innovation efficiency

3.6 机制分析

根据前文的分析，制造业服务化可能通过企业成长、创新集聚来影响区域绿色创新效率.本文利用中介效应模型对企业成长和创新集聚是否充当了制造业服务化影响区域绿色创新效率的中介变量进行实证研究，中介机制回归结果如表8所示.模型(13)中，制造业服务化水平的三次项系数显著为正，表明制造业服务化与企业成长之间存在“N”型关系，模型(14)的回归结果显示，制造业服务化对区域绿色创新效率的影响呈“N”型，企业成长对区域绿色创新效率的影响系数显著为正，可以推定企业成长是制造业服务化影响区域绿色创新效率的中介渠道.制造业服务化通过企业成长影响企业绿色研发投入，从而对绿色创新效率产生影响.模型(15)中，制造业服务化的三次项系数显著为正，表明制造业服务化与创新集聚之间存在“N”型关系，模型(16)的回归结果显示，制造业服务化的一次项、二次项和三次项系数均显著为正，创新集聚系数显著为正，表明创新集聚对制造业服务化影响区域绿色创新效率具有中介效应.服务化转型对创新集聚产生影响，促进企业开展竞争，提高企业进行绿色创新活动的积极性，提高企业绿色创新能力，进而促进区域绿色创新效率提升.上述结果表明前文提出的假设3、假设4是成立的．

表8 制造业服务化对区域绿色创新 效率影响的中介效应分析Tab.8 Mediating effect of the impact of manufacturing servitization on the regional green innovation efficiency

续表8

4 结论与政策建议

本文基于2006年—2019年的中国省级面板数据，利用空间计量模型和中介效应模型实证分析了制造业服务化对区域绿色创新效率的影响，结果如下．

1) 绿色创新效率存在显著的空间集聚特征和空间溢出效应.基于实证模型可以看出，在全国层面，制造业服务化对区域绿色创新效率的影响呈先上升、后下降、再上升的“N”型曲线.当制造业服务化水平低于0.27时，制造业服务化能提升区域绿色创新效率，而当制造业服务化介于0.27～0.45时，制造业服务化对区域绿色创新效率表现为显著的抑制作用，陷入服务化困境，随着制造业服务化的进一步发展，制造业服务化水平超过0.45，跨越服务化困境，制造业服务化对区域绿色创新效率呈显著的促进作用.2019年除北京市、天津市、上海市、吉林省、安徽省、海南省、内蒙古的制造业服务化水平超过第二个拐点0.45外，绝大部分省份均处于拐点0.27～0.45之间，位于“N”型曲线的第二阶段，陷入服务化困境．

2) 制造业服务化对区域绿色创新效率的影响存在显著的区域异质性和行业异质性.相对于非长江经济带而言，长江经济带制造业服务化对区域绿色创新效率的影响更为显著.劳动密集型的制造业服务化对区域绿色创新效率影响不显著，资本密集型制造业服务化和技术密集型制造业服务化对区域绿色创新效率的影响呈“N”型曲线．

3) 企业成长、创新集聚是制造业服务化影响区域绿色创新效率的有效中介机制.企业成长的中介效应存在非线性特征，当制造业服务化水平较低时，制造业服务化能促进企业成长，从而促进区域绿色创新效率；当制造业服务化超过一定临界值，制造业服务化的提高会抑制企业成长，不利于区域绿色创新效率；随着制造业服务化的进一步发展，制造业服务化的深化会促进企业成长，进而促进区域绿色创新效率.同时，创新集聚的中介效应存在非线性特征，并且制造业服务化通过影响创新集聚对绿色创新效率产生非线性影响．

基于上述结论，提出以下政策建议．

1) 有效提升制造业服务化水平，推动绿色创新效率提升.大部分省域制造业服务化水平较低，处于服务化困境阶段.因此需要进一步扶持地方优势产业服务化，合理设定高端服务要素提供的准入门槛，推动服务开放，打造服务要素流动顺畅的市场环境，推动制造业服务化水平.激励企业在考虑到自身实力、现有资源和外部环境的基础上，选择适宜的服务化战略．

2) 提高企业成长，推动创新集聚.企业成长和创新集聚是制造业服务化影响绿色创新效率的可能渠道.鼓励企业在陷入服务化困境后，积极寻求解决途径，稳步推进服务化战略，合理保障企业成长，为企业开展绿色创新活动奠定资金基础. 企业通过明确自身定位，加强企业间的交流与合作，实现创新资源互通，优化资源配置，推动企业绿色技术进步，从而推动创新集聚的溢出效应，实现共同进步，全面提升绿色创新效率．

3) 因地制宜，探索出适合各区域、各行业制造业服务化的路径和模式.加强非长江经济带与长江经济带企业的帮扶和交流，改革和提升企业的管理体制和创新体制，促进创新流动与集聚，加强制造业服务化对绿色创新效率的促进作用.在推进资本和技术密集型制造业服务化的同时，要重视劳动密集型制造业要素投入结构，引导劳动密集型制造业企业向数字化、智能化转型，充分释放制造业服务化的技术创新效应．

4) 加强区域创新协同联动，提高绿色创新效率.绿色创新效率存在显著的溢出效应，表明要提高绿色创新效率，需要加强地区技术交流，推动绿色创新要素自由有序流动，形成区域协同联动发展.政府应该逐步取消区域间绿色创新技术壁垒，营造良好的市场环境，鼓励跨区域进行实质性技术合作，开展绿色创新研讨，加强不同区域的绿色创新技术溢出．