制造业转型升级差异化路径与绿色全要素生产率

张军涛 朱悦

摘 要：基于制造业转型升级和建设绿色低碳循环发展经济体系的背景，本文利用2005-2019年中国省际面板数据，通过Super-SBM模型、空间计量模型、偏微分分解效应考察制造业集聚对绿色全要素生产率的影响效应及其区域异质性，并利用调节效应和面板分位数模型解释制造业转型升级影响绿色全要素生产率的机制，以及二者之间的非线性关系。研究发现：制造业转型升级可以优化绿色全要素生产率，但是制造业转型升级路径和影响机制存在区域差异性；以人力资本和对外开放水平为主导的制造业转型升级与绿色全要素生产率之间呈现“U型”特征，以绿色技术进步和生产性服务业集聚为主导的制造业转型升级与绿色全要素生产率之间呈现“倒U型”特征。

关键词：制造业转型升级；绿色全要素生产率；空间溢出效应；调节效应

中图分类号：F1213；F424文献标识码：A文章编号：1001-148X（2023）02-0009-10

收稿日期：2022-06-21

作者简介：张军涛（1963-），男，河北石家庄人，教授，博士生导师，研究方向：城市与区域经济；朱悦（1994-），本文通讯作者，女，黑龙江齐齐哈尔人，博士研究生，研究方向：产业转型升级与低碳经济发展。

基金项目：国家自然科学基金项目，项目编号：41571121；教育部人文社会科学研究规划基金项目，项目编号：22YJA790086；黑龙江省哲学社会科学研究规划项目，项目编号：22GLC277；中国博士后科学基金面上项目，项目编号：2022MD713723。

我国“十四五”规划明确指出，推动制造业以节能减排为主的产业绿色转型升级，是实现双碳目标和经济高质量增长的重要举措［1］。当前，中国正处于制造业转型升级和高质量发展攻坚阶段，制造业与碳排放之间呈现出复杂的异质性关系［2-3］，区域外在环境和资源禀赋不同制造业转型升级路径特征也会存在差异，这必然对经济增长和环境质量产生进一步的影响［4-6］。而绿色全要素生产率通过将经济产出和碳排放共同纳入生态可持续发展研究框架，以考察经济体碳排放的生产技术效率，被认为是评估低碳经济发展水平的关键指标之一。因此，科学测算绿色全要素生产率，阐明制造业差异化转型路径与绿色全要素生产率之间的作用机制，为决策者提供重新审视制造业低碳发展与环境治理的新视角和新方案，对健全绿色低碳循环发展经济体系具有重要的现实意义。

一、理论分析与研究假设

制造业转型升级一般涉及制造业发展方式转型和制造业结构优化两方面［7］。制造业发展方式转型是指制造业由要素依赖型粗放式发展转向创新驱动型集约式发展。一方面，随着新增长理论的发展，劳动力素质提高为经济带来额外增长源泉的质量型人口红利愈发受到关注［8］；人力资本累积会强化劳动者的知识和技能，并倾向于更高层次的消费和就业需求，有助于人才链与产业链深度融合，继而驱动制造业由低端向高端转型升级［9］。另一方面，绿色技术进步通过优化生产流程、节约能源和电力等要素成本，兼顾低能耗和经济产出双向目标，不仅推动产品高端化和绿色化，而且有助于环保产业和清洁能源产业对制造业发展产生溢出效应［10］，驱动全产业链资源高效循环利用，实现制造业转型升级对绿色全要素生产率的促进作用。据此，本文提出如下假设：

H1：人力资本和绿色技术进步可以推动制造业发展方式转型，提升绿色全要素生产率。

制造业结构优化是指制造业通过汲取先进技术，优化资源要素配置，形成以知识密集型为主的高附加值制造业。一方面，制造业依托于生产性服务业空间集聚和市场的专业化分工获得收益［11］，并通过异质性产业间的互动关联机制强化资源要素配置效率，不仅推动信息频繁交互、加速知识迭代更新，而且有助于产业间共享技术发展成果［12］。另一方面，提高对外开放水平有助于满足制造业在资本深化过程中因生产链条延长而产生的附加需求，促进对蕴含隐性新资本的技术消化和吸收［13］。尤其是处在后工业化发展阶段的区域，通过吸引外资推动生产要素由回报率低的产业转向高端产业，提升产业价值链和能源等要素的利用率，實现节能减排并提升绿色全要素生产率。因此，本文提出如下假设：

H2：生产性服务业集聚和提高对外开放水平可以推动制造业结构优化，提升绿色全要素生产率。

碳排放具有公共物品属性和空间依赖性特征，因此，现有研究已开始探讨区域间碳排放的空间分异特征和空间格局的动态演化。刘佳骏等（2015）［14］基于中国省际面板数据，发现碳排放在局部范围内具有较高的空间相关性，受区域经济发展和能源结构的影响，东部沿海地区碳排放强度具有发散效应，而中西部地区收敛效应显著。刘贤赵等（2019）［15］基于SG相关系数对碳排放的空间特征进行聚类分析，强调了将省域碳排放之间的空间依赖关系纳入到碳减排政策制定中的重要性。因此，基于能源投入和碳排放构建的绿色全要素生产率也会因区域经济发展水平和资源禀赋不平衡表现出空间关联特性。熊永兰等（2012）［16］利用IPCC的方法测算并比较了省域碳排放量及其特点，进而根据碳排放特征划分特定的排放类群。研究结果表明，碳排放与不同阶段的产业结构等要素之间的关系具有时空属性。因此，制造业转型升级对不同阶段绿色全要素生产率的影响亦具有时空属性，提出如下假设：

H3：绿色全要素生产率存在空间溢出效应，且基于不同驱动因素的制造业转型升级对绿色全要素生产率存在差异性影响。

综上所述，现有研究普遍是基于单一视角分析制造业发展与经济产出或碳排放之间的关系［17-18］，部分研究将单要素绿色全要素生产率定义为在一个投入产出系统中，忽视了生产要素间的联系，得到的结果具有片面性。本文将经济产出和碳排放纳入同一分析框架，运用非径向、非导向的Super-SBM模型对绿色全要素生产率进行估算，以有效反映潜在的技术效率和能源间的替代效应对绿色全要素生产率的影响；从空间溢出效应视角切入，考虑以人力资本和绿色技术进步为驱动因素的制造业发展方式转型，以及以生产性服务业集聚和对外开放水平为驱动因素的制造业结构优化，分析制造业转型升级对绿色全要素生产率的作用机制和区域异质性影响；进一步探讨基于不同驱动因素的制造业转型路径对绿色全要素生产率影响的非线性特征，揭示当绿色全要素生产率处于不同分位点时，制造业差异化转型升级路径所具有的特征。

二、模型设计

（一）Super-SBM模型

本文结合生产可能性前沿理论，运用Super-SBM模型测度绿色全要素生产率［19］，基于Tone等（2001）［20］在SBM模型目标函数和约束函数中加入了不良产出，且当多个决策单元表示“有效状态”时，能够进一步区分这些有效决策单元的效率排名。此外，Super-SBM模型充分考虑了劳动力、资本和能源要素投入的多维特征，可以有效衡量单一经济体如何以相同或更少的碳排放获得更多产出。模型矩阵设定如下：

ρ*=min1m∑mj=1ixjt01n+g∑nk=1S-dktydkt0+∑gr=1S-urtyurt0（1）

stx-∑pi=1，≠0θxjity-d∑pi=1，≠0θydkity-u∑pi=1，≠0θyuritx-x0，y-dyd0，y-uyu0，y-d0，θ0（2）

其中，ρ*为效率值，x-、y-d和y-u分别表示投入、期望产出和非期望产出向量的平均向量。

（二）空间计量模型

区域间的产业结构、经济和知识溢出等因素都会影响区域碳排放总量和分布。因此，为体现制造业与绿色全要素生产率空间格局的动态演化，运用探索性空间数据分析方法，以全局空间自相关检验（Morans I指数）和局部空间自相关检验（Moran散点图）衡量要素空间邻接或空间邻近的区域单元属性值的相似程度。Morans I指数的计算公式如下：

I=n∑ni=1∑nj=1wij（xi－x_）（xj－x_）∑ni=1∑nj=1wij∑nk=1（xk－x_）2

=∑ni=1∑nj≠iwij（xi－x_）（xj－x_）S2∑ni=1∑nj≠iwij（3）

S2=1n∑i（xi－x_）2， x_=1n∑ni=1xi（4）

其中，xi和xj分别表示区域i和区域j的观测值，n表示区域个数，Wij为空间权重矩阵，是将要素的空间相关性融入模型的核心。已有研究认为，碳排放具有局部扩散效应，且距离相近区域的要素构造更趋于相似。因此，地理距离权重矩阵被广泛应用于要素的空间关系分析，构建方式为Wij =1/dij2，dij为区域i和j之间的球面距离。考虑到要素流动受限于相关市场的发达程度和经济、制度环境，参考樊纲编制的市场化指数构造市场化发展距离矩阵进行稳健性检验。构建方式为Eij = 1/|Yi - Yj|，Yi和Yj为区域i和j的市场化水平。

本文运用空间杜宾模型（SDM），纳入人力资本、绿色技术进步、生产性服务业和对外开放水平的调节机制。综上所述，基于空间效应和调节效应构建的空间计量模型扩展为：

CEit=ρ×W×CEit+βk×Xnit+θ×W×Xnit+εit（5）

其中，

Xnit=β1MAit+∑kk=1βkcontrolit+bnit

εit=ω∑Nj=1Witεjt+μit

controlit=β2ERit+β3URit+β4FUNDit+β5GOVit+β6LnECOit（6）

b1it=β7HCit+β8MAit×HCit（7）

b2it=β9INit+β10MAit×INit（8）

b3it=β11PAit+β12MAit×PAit（9）

b4it=β13OPit+β14MAit×OPit（10）

本文以中国30个省（直辖市、自治区）（西藏除外）作为研究对象。式中，参数向量β表示自变量对因变量的影响，ρ为被因变量空间滞后效应系数，ω为空间误差回归系数，θ是自变量空间相关性系数；εit为模型的残差项，且满足ε～N［0，σ2I］。并进一步借鉴Lesage和Pace（2009）［21］的研究方法，利用偏微分分解方法考察其空间溢出效应。

三、指标选取与数据来源

（一）被解释变量

绿色全要素生产率，作為衡量人口、资本和能源投入与碳排放关系的关键变量，有助于探究低碳经济环境下如何兼顾经济增长和降低碳排放的双重目标。本文通过构建绿色全要素生产率的指标体系（表1），并运用Super-SBM模型予以测算。

（二）核心解释变量

集聚是现代制造业的重要组织形式，一直被用以表征制造业部门的发展水平和区域制造业要素的空间分布情况［24］。制造业集聚水平可以通过区位熵方法和制造业从业人员数予以计算。IA=Pir/∑iPir∑rPir/∑i∑rPir其中，Pir表示r区域i产业的从业人数，分子表示r区域i产业的从业人数占所有产业从业人数份额，分母表示所有区域i产业的从业人数占所有区域所有产业的从业人数。

（三）调节变量

依据假设H1和假设H2，选用人力资本、绿色技术进步、生产性服务业和对外开放水平作为调节变量。其中，人口素质（HC）参考陈钊等［25］的计算方法，以人均受教育年限表征。绿色技术进步（IN）以绿色发明专利申请量予以衡量。生产性服务业集聚（PA）以从业人员的区位熵指数予以衡量，参考国家统计局印发的《生产性服务业分类（2019）》分类原则和席强敏等［26］的做法，选取“批发和零售业”“交通运输、仓储和邮政业”“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”六个行业为生产性服务业。对外开放水平（OP）以实际利用外商投资额占GDP比重衡量，为使口径统一，采用2005-2019年国家统计局公布的人民币兑美元汇率的中间价进行换算。

（四）控制变量

环境规制（ER）利用工业废水排放量、工业SO2排放量、工业烟尘排放量数据，采用熵值法计算得出的综合指数；城镇化率（UR）以城镇人口占各区域年末总人口的比重衡量；基础设施水平（FUND）以固定资产投资额占GDP的比重衡量；政府干预程度（GOV）以科技财政支出占财政总支出的比重衡量；经济发展水平（ECO）以人均国内生产总值衡量。

（五）数据来源

数据来源于历年《中国统计年鉴》《中国分省份市场化指数报告》《中国能源统计年鉴》及各省份统计年鉴。绿色发明专利数据来源于国家知识产权数据库，并与WIPO国际专利分类绿色清单相匹配。变量的描述性统计见表2。

四、探索性空间数据分析

為避免解释变量之间存在多重共线性问题而使模型结果失真，对以人力资本水平、绿色技术进步、生产性服务业集聚和对外开放水平为调节变量的四个模型分别进行共线性检验。结果显示，各变量的方差膨胀系数VIF均小于10，表明模型构建合理，解释变量之间不存在共线性。测算出的Morans I指数表明（如表3所示），2005-2019年间制造业集聚与绿色全要素生产率并非随机分布，而是表现出全局空间相关性，且空间格局相对较为稳定。Moran散点图显示（如上图所示），2005年和2019年制造业集聚和绿色全要素生产率的Moran散点分布于一三象限的多于二四象限，说明整体上制造业集聚和绿色全要素生产率水平相似的区域在空间上集中分布。随着时间的推移，Moran散点具有从二、四象限转移至一、三象限的趋势，表明区域要素发展受到相邻空间单元属性的正向溢出影响，二者协同变动趋势显著，因此进行空间回归分析是十分必要的。

五、实证结果分析

（一）制造业集聚与绿色全要素生产率

在Wald检验和LR检验证明空间杜宾模型更适用于研究的基础上，将全国30个省（直辖市、自治区）划分为东部、中部和西部地区，并纳入空间地理权重矩阵，通过空间杜宾模型的偏微分方程进行分解，得到核心解释变量和控制变量的直接效应和间接效应，以探讨现阶段制造业集聚与绿色全要素生产率的关系（如表4所示）。

首先，观察全国及东中西部地区回归分析结果的Moran指数，显示均通过了1%的显著性检验，表明变量间存在集聚现象，具有空间相关关系。系数ρ在1%的显著性水平显著为正，表明绿色全要素生产率具有空间溢出效应，劳动力、资本和能源要素具有路径依赖特征，碳排放产出具有扩散效应，故低碳经济发展与区位选择存在密切相关性。综上，H3前半部分得到验证。

直接效应回归结果显示，全国及东中西部地区制造业集聚对绿色全要素生产率均具有显著的抑制作用，其中，中部地区制造业集聚对绿色全要素生产率的阻碍作用最大。表明制造业集聚化发展并未提升生产技术效率，而是加速了能源消耗和碳排放，抑制了绿色全要素生产率提升。可能是因为制造业长期以要素依赖和投资驱动为发展路径，使其陷入“低端锁定”的困局。一方面，中国制造业集聚处于以劳动密集型为主的低层次发展状态，过于注重企业规模和产值，忽略了发展的可持续性以及对专利等核心竞争力的培育，直接导致制造业转型升级后劲不足，加重了碳排放的社会成本。另一方面，制造业集聚过程中的无序竞争和地区间产业同构问题较为突出，产业间关联度低，致使产业间不能形成完整的产业链，区域之间和产业之间知识溢出和信息流动受到阻碍，进而导致资源配置扭曲，抑制绿色全要素生产率提升。对于控制变量而言，经济发展水平和城市化率可以提升绿色全要素生产率，环境规制、政府干预程度和基础设施水平对绿色全要素生产率存在抑制作用，其中基础设施水平的效果并不显著。表明政府干预程度和环境规制虽然会降低碳排放强度，但并不意味着可以提升绿色全要素生产率，政府约束污染排放的绿色技术转化能力难以充分发挥。而且基础设施投入具有初期要素高投入、预期收益见效长的特点，所以短期作用效果可能并不明显。东中西部地区制造业集聚对绿色全要素生产率的影响存在区域差异性，因此，本文认为制造业转型升级与绿色全要素生产率之间的关系也会因区域不同存在差异。

（二）制造业转型升级对绿色全要素生产率的区域异质性影响

中国幅员辽阔，各地区产业布局和区位特征不尽相同。根据资源禀赋理论和比较优势原理，分别从制造业发展方式转型和制造业结构优化的角度，将制造业集聚水平分别与人力资本水平、绿色技术进步、生产性服务业发展水平和对外开放水平相乘获得乘积交互项，以此表征基于不同驱动因素的制造业转型路径对绿色全要素生产率的影响效果。此外，本文以区域市场化指数的差异表征市场化距离矩阵，以增加结果的稳健性。东部地区、中部地区和西部地区的回归结果分别如表5、表6和表7所示。

回归分析的直接效应呈现出东部地区人力资本、绿色技术进步和生产性服务业发展水平均可以克服制造业集聚的负向环境效应，提升绿色全要素生产率；而对外开放水平并不能通过驱动制造业结构优化改善绿色全要素生产率。考虑到东部地区是中国制造业集聚发展和对外开放先行区，已不满足单纯的依靠要素集聚和外资累积带动经济产出的投入导向发展方式，因此，以人力资本和绿色技术进步为主的制造业发展方式转型将成为发展智能绿色制造技术的核心驱动力。通过依托高技术人才集聚和强化自主创新能力推动制造业向自动化、智能化和服务化转变，以优化能源结构为重点推动化石能源应用向清洁低碳转型，进而优化碳排放的生产技术效率。从交互项的回归系数可知，生产性服务业发展水平的调节作用大于人力资本和绿色技术进步的调节作用，表明构建以高端制造业为引导、现代生产性服务业为支撑的产业协同发展机制，更有助于现阶段推动中国制造业向全球价值链的中高端攀升。劳动力和基础设施资源共享与信息交互促进技术溢出并降低成本，通过产业间关联效应高效配置资源，提高能源利用率、降低污染物排放，达到改善绿色全要素生产率的目的。间接效应表明，邻近区域的对外开放水平抑制本区域绿色全要素生产率提升，而绿色技术进步具有正向空间溢出效应，强调了技术扩散效应在推动制造业由粗放型向集约型绿色化转变过程中的重要性。

表6呈现的回归分析直接效应表明，中部地区制造业发展可以通过扩大对外开放和绿色技术进步达到提升绿色全要素生产率的目标。中部地区是驱动中国产业转移承东启西的重要纽带，完整的工业体系和区位交通优势有助于推动以劳动密集型为主的传统制造业汲取外商投资的技术资本，尤其是通过提高市场活力、建立降低交易成本的制度规范，重点引进低成本、低能耗、低污染、低排放的绿色创新技术。这不仅提升产业转移的承载力，亦推动制造业集约化发展和新旧动能转换，实现制造业转型升级和绿色全要素生产率提升的双赢。生产性服务业发展水平与制造业集聚的交互项系数在5%显著性水平上为负，表明中部地区基于生产性服务业集聚发展的制造业结构优化并不能提升绿色全要素生产率。基于人力资本水平提升的制造业发展方式转型对绿色全要素生产率的作用并不明显。中部地区产业结构同质性较为严重，且存在无序竞争，不仅制约了生产性服务业与制造业之间的知识溢出和互动关联效应，也阻碍了产业生态系统健康运行，从而抑制了绿色全要素生产率。间接效应表明，对外开放水平和绿色技术进步具有正向空间溢出效应，可以强化制造业转型升级对本地和邻近区域绿色全要素生产率的促进作用。表明外部资本和先进的绿色技术有助于构建资源高效利用的产业绿色化发展格局。

表7呈现的回归分析直接效应表明，西部地区制造业可依托人力资本和绿色技术进步以制造业发展方式转型改善绿色全要素生产率。由于西部地区一直以资源密集型产业作为经济发展动力，导致各城市支柱产业趋同且产品层次低，陷入了爭夺资源和市场恶性竞争的局面。因此，实现传统制造业产品差异化、功能化和绿色化发展显得尤为重要。基于人力资本和绿色技术进步的制造业发展方式转型，不仅加快了产业多元化和高端化发展步伐，推动制造业从要素依赖型转向技术驱动型集约化发展，也缓解了能源消耗和资源开采带来的环境压力。生产性服务业发展水平与制造业集聚的交互项系数在1%显著性水平上为正，表明西部地区基于生产性服务业集聚发展的制造业结构优化对绿色全要素生产率改善具有积极作用。生产性服务业集聚对制造业发展的辐射和技术溢出功能可以通过产业融合发展优化资源配置效率，升级改造生产技术，提升绿色全要素生产率。基于对外开放水平提升的制造业结构优化对本区域和邻近区域绿色全要素生产率都具有抑制作用，表明外资引入尚未弥补制造业绿色化转型的短板。可能的原因是，由于区域间产业梯度差异，产业转移过程中存在低端产业引入的情况，且出于对经济绩效的偏好，在一定程度上会降低外资准入门槛条件，从而成为“污染避难所”。综上，H1和H2得到验证。

（三）制造业转型升级影响绿色全要素生产率的分位数估计

进一步探讨当绿色全要素生产率水平处于不同区段时，制造业转型升级对其贡献度是否存在差异。分别基于以人力资本、绿色技术进步为主导的制造业发展方式转型，以生产性服务业集聚、对外开放水平为主导的制造业结构优化，运用分位数回归方法对绿色全要素生产率进行不同分位段的估计。

表8显示，以人力资本、绿色技术进步为主导的制造业发展方式转型，以生产性服务业集聚、对外开放水平为主导的制造业结构优化，对于各分位段的绿色全要素生产率均有显著的提升作用。以人力资本为主导的制造业发展方式转型和以对外开放水平为主导的制造业结构优化对绿色全要素生产率的作用效果呈现“U型”特征，对于绿色全要素生产率低水平区域（25分位）的促进作用最大，其次为绿色全要素生产率高水平区域（75分位），对于绿色全要素生产率中等水平区域（50分位）的促进作用最小。表明人力资本水平提高可推动制造业向知识密集的价值链高端环节跃迁。因此，以提升人力资本和对外开放水平为主导的制造业转型升级，对处于绿色全要素生产率低水平区域的改善效果更为明显。

以绿色技术进步为主导的制造业发展方式转型和以生产性服务业集聚为主导的制造业结构优化对绿色全要素生产率的作用效果呈现“倒U型”特征，对于绿色全要素生产率低水平区域（25分位）的促进作用较低，其次为绿色全要素生产率高水平区域（75分位），对于绿色全要素生产率中等水平区域（50分位）的促进作用最大。因此，对于绿色全要素生产率中等水平区域应更倾向于推进绿色技术进步和生产性服务业集聚。综上，H3后半部分得到验证。

六、结论与启示

基于制造业转型升级和建设绿色低碳循环发展经济体系的背景，本文利用2005-2019年中国省际面板数据，通过Super-SBM模型、空间计量模型、偏微分分解效应考察制造业集聚对绿色全要素生产率的影响效应及其区域异质性，并利用调节效应和面板分位数模型解释制造业转型升级影响绿色全要素生产率的机制，以及二者之间的非线性关系。研究结果表明：（1）中国绿色全要素生产率的局部低值集聚格局显著，现阶段制造业集聚对绿色全要素生产率具有抑制作用，依托人力资本和绿色技术进步、生产性服务业集聚和对外开放水平的传导路径，可分别通过制造业发展方式转型和结构优化推动制造业转型升级，但制造业差异化转型路径对东部、中部和西部地区绿色全要素生产率的影响存在区域异质性。由此也说明了强调因地制宜制定政策对协调制造业转型升级与绿色全要素生产率之间互动机制的重要性。（2）由不同驱动因素主导的制造业转型升级路径对绿色全要素生产率存在非线性特征的影响。其中，以人力资本和对外开放水平为主导的制造业转型升级对各分位段的绿色全要素生产率的作用呈现“U型”特征，而以绿色技术进步和生产性服务业集聚为主导的制造业转型升级对各分位段的绿色全要素生产率的作用呈现“倒U型”特征。基于上述研究结论，本文提出以下政策启示：

（1）区域之间应发挥制造业转型发展和节能降耗的协同减排效应，摒弃在经济产出和环境污染之间进行的“逐低竞争”，降低对高耗能和高污染粗放型制造业的依赖，加速推进经济增长与碳排放脱钩。（2）应充分考虑制造业转型升级改善绿色全要素生产率的区域异质性，根据中国东中西部地区产业布局和要素配置的差异，探索出符合本区域制造业转型升级优化绿色全要素生产率的知识溢出路径，提高制造业能效水平。在稳固已有优势的基础上，东部地区应基于市场竞争机制推动高水平开放，减少贸易摩擦，早日实现生态全产业链发展，并形成示范效应。西部地区应依托“一带一路”和中欧班列带来的比较成本优势，推动外资技术引进和承接优质且多样化的产业资源。中部地区应强化其产业承接中心的战略地位，优化绿色生产机制和产业间多层次衔接，加快形成先进制造业与生产性服务业协同综合体。（3）应明晰人力资本、绿色技术进步、生产性服务业集聚、对外开放水平驱动制造业转型升级的路径特点和作用程度，形成绿色低碳制造体系，保障“双碳”目标顺利实现。

參考文献：

［1］ 中华人民共和国国家统计局．中国统计年鉴［J］．北京：中国统计出版社，2006-2021．

［2］ 万攀兵，杨冕，陈林.环境技术标准何以影响中国制造业绿色转型——基于技术改造的视角［J］．中国工业经济，2021（9）：118-136.

［3］ 纪玉俊，廉雨晴.制造业集聚、城市特征与碳排放［J］．中南大学学报（社会科学版），2021，27（3）：73-87.

［4］ 王霞，张丽君，秦耀辰，等.中国高碳制造业碳排放时空演变及其驱动因素［J］．资源科学，2020，42（2）：323-333.

［5］ 侯建，常青山，陈建成，等.环境规制视角下制造业绿色转型对能源强度的影响［J］．中国环境科学，2020，40（9）：4155-4166.

［6］ 蒯鹏，时玉勤，陶爱萍，等.基于制造业及劳动力异质性的环境规制就业效应［J］．中国环境科学，2021，41（8）：3934-3943.

［7］ 张桂文，邓晶晶，张帆.中国人口老龄化对制造业转型升级的影响［J］．中国人口科学，2021（4）：33-44，126-127.

［8］ Eelandsen S，Enymoen E. Consumption and Population Age Structure［J］． Journal of Population Economics，2008，21（3）： 505-520.

［9］ 贺灵，陈治亚.“两业”融合对制造业价值链攀升的影响及对策探讨［J］．理论探讨，2021，223（6）：125-131.

［10］原毅军，陈喆.环境规制、绿色技术创新与中国制造业转型升级［J］．科学学研究，2019，37（10）：1902-1911.

［11］夏伦.产业融合促进了制造业转型升级吗？——基于先进制造业与现代服务业融合的视角［J］．哈尔滨商业大学学报（社会科学版），2021，180（5）：68-85.

［12］胡绪华，陈默，罗雨森，等.制造业与生产性服务业耦合协调、空间共聚与绿色创新效应研究［J］．统计与信息论坛，2021，36（7）：97-112.

［13］Bu M，Li S，Jiang L. Foreign Direct Investment and Energy Intensity in China： Firm-level Evidence［J］．Energy Economics，2019，80： 336-376.

［14］刘佳骏，史丹，汪川.中国碳排放空间相关与空间溢出效应研究［J］．自然资源学报，2015，30（8）：1289-1303.

［15］刘贤赵，郭若鑫，张勇，等.中国省域碳排放空间依赖结构的非参数估计及其实证分析［J］．中国人口·资源与环境，2019，29（5）：40-51.

［16］熊永兰，张志强，曲建升，等.2005-2009年我国省域CO2排放特征研究［J］．自然资源学报，2012，27（10）：1766-1777.

［17］Sun J W. The Decrease of CO2 Emission Intensity is Decarbonization at National and Global Levels［J］． Energy Policy，2005，33（8）： 957-978.

［18］潘家华，张丽峰. 我国碳生产率区域差异性研究［J］． 中国工业经济，2011（5）：47-57.

［19］Ramanathan R. Combining Indicators of Energy Consumption and CO2 Emissions： Across Country Comparison［J］． International Journal of Global Energy Issues，2002，17（3）： 214-227.

［20］Tone，K. A Slacks-based Measure of Efficiency in Data Envelopment Analysis［J］．European Journal of Operational Research，2001，130（3）：498-509.

［21］Lesage J P，Pace R K．Introduction to Spatial Econometrics［J］． Taylor & Francis Group，LLC，2009．

［22］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.

［23］秦炳涛．中国区域能源效率研究——地级市的视角［J］．世界经济文汇，2014（1）：95-104.

［24］Porter M E. Clusters and the New Economics of Competition.［J］． Harvard Business Review，1998（76）： 77-90.

［25］陈钊，陆铭，金煜．中国人力资本和教育发展的区域差异：对于面板数据的估算［J］．世界经济，2004（12）：25-31，77.

［26］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.

Research on The Impact of Manufacturing Transformation and Upgrading

Differentiation Path on Green Total Factor Productivity——From the

Perspective of Regulatory Effect and Spatial Effect

ZHANG Jun-taoa，ZHU Yueb

（Dongbei University of Finance & Economics， a.School of Public Administration;

b.Institute of Economic and Social Development，Dalian 116025，China）

Abstract： Based on the background of manufacturing transformation and upgrading and building a green low-carbon circular development economic system，the effect of manufacturing agglomeration on green total factor productivity and its regional heterogeneity were examined by Super-SBM model，spatial econometric model，and partial differential decomposition effect using inter-provincial panel data in China from 2005 to 2019; the moderating effect and panel quantile model were used to explain the The mechanism of manufacturing transformation and upgrading on green total factor productivity and the non-linear relationship between them are explained by the moderating effect and panel quantile model. The study finds that： the transformation and upgrading of manufacturing industry can optimize green total factor productivity，but there are regional differences in the transformation and upgrading paths and impact mechanisms of manufacturing industry; the transformation and upgrading of manufacturing industry led by human capital and openness level and green total factor productivity show “U-shaped” characteristics，and the transformation and upgrading of manufacturing industry led by green technology progress and productive service industry agglomeration show “U-shaped” characteristics. The transformation and upgrading of manufacturing industry led by human capital and openness level and green total factor productivity show “U-shaped” characteristics，and the transformation and upgrading of manufacturing industry led by green technological progress and productive service industry agglomeration shows “inverted U-shaped” characteristics.

Key words：transformation and upgrading of manufacturing industry; green total factor productivity; spatial spillover effect；moderating effect

（責任编辑：周正）