长江经济带服务业生态效率时空格局演化与组态提升路径研究

甘 畅，王 凯

1.武汉轻工大学管理学院，湖北 武汉 430048

2.湖南师范大学旅游学院，湖南 长沙 410081

近年来，长江经济带服务业发展迅猛，上、中、下游各具优势，现代服务业合作交流不断加深，金融、零售与批发、交通运输等分行业表现不俗；但在环境保护和绿色发展方面仍面临一系列瓶颈[1]，如服务业产业规模大幅扩张不可避免地加剧了能源消耗，增加了碳排放量，进而阻滞了区域生态环境保护和高质量发展.习近平总书记在主持长江经济带高质量发展座谈会上强调，从长远来看，推动长江经济带高质量发展，根本上依赖于长江流域高质量的生态环境，要继续加强生态环境综合治理，持续强化重点领域污染治理.因此，加快服务业发展方式绿色转型，推动形成绿色低碳生产方式成为助力长江经济带高质量发展、更好支撑和服务中国式现代化的重要抓手.服务业生态效率是指在一定的生产技术条件下，服务业生产过程中单位资源要素投入所获最大化经济产出与最小化生态成本的程度[2]；服务业生态效率兼顾了经济发展与生态成本，是衡量服务业绿色转型升级的重要指标.因此，在产业绿色低碳转型的背景下，长江经济带的服务业生态效率如何？存在何种时空演化规律？如何驱动长江经济带服务业生态效率提升？回答上述科学问题对于释放长江经济带服务业节能减排潜力，推动服务业绿色低碳转型，从而助力“碳达峰、碳中和”目标实现具有重要的理论价值和实践意义.

生态效率是在全面考虑资本、劳动力和能源等资源要素投入以及各种产出特别是碳排放等非期望产出时的投入产出效率[3]，国内外学者已围绕生态效率进行了一系列研究.在研究对象上，已有研究多聚焦区域整体生态效率或产业生态效率，如农业与工业及其部门行业[4-8]；在服务业层面上，学者多聚焦服务业行业部门的生态效率，如物流业[9]和旅游业[2,10-11].然而，关于整体服务业生态效率的综合测度仍相对较少.在研究内容上，既有研究多基于“格局-过程-机制”的研究范式，在实证测度的基础上，探索生态效率的时空演化格局及其驱动机制[5,7,11]；一部分学者在单因素框架下，探索城镇化[12]、环境规制[13]和绿色技术创新[14]等对生态效率的影响，少部分学者借助空间马尔科夫链模型对生态效率的发展趋势进行预测[15].上述研究均极大地丰富了生态效率领域的研究成果.

受产业性质与传统认知的约束，国内外关于服务业低碳发展的研究起步较晚，既有研究主要聚焦以下两个方面：①服务业发展与节能减排的关系.一部分学者认为引导社会消费偏好向排放量低的服务业部门转移有助于降低能源消耗与碳排放，但这种节能减排效应仅局限于以金融服务、科技服务和商业服务等为代表的新兴服务业部门[16-17]；另一部分学者发现，服务业并非绝对性的清洁型产业，服务业生产和消费过程中的所产生的碳排放量不容小觑[18-19].②服务业碳排放绩效.服务业碳排放绩效是衡量服务业低碳发展的重要工具，主要评估指标包含服务业碳排放量[20-21]、服务业碳排放强度[22-23]、服务业碳排放生产率[24-25]和服务业能源效率[26-27]等；主要研究内容涉及服务业碳排放绩效评估[21,26]、碳排放绩效时空格局[23,25]、碳排放绩效驱动因素[20,22].此外，少部分学者运用自下而上的成本优化模型对服务业碳排放绩效的演化趋势进行了情景预测[28].

国内外学者围绕生态效率和服务业低碳发展进行了一系列研究，为本文丰富研究内容、拓展研究视角和创新研究方法奠定了坚实的学术基础，但也存在如下不足：①在研究对象上，已有关于生态效率的研究主要聚焦农业、工业以及服务业子行业部门，鲜有学者基于整体视角，运用基于非期望产出的Super-EBM 系统测评服务业生态效率.②在研究内容上，基于地理时空二维视角，从演变趋势、波动周期、空间分布和空间集聚多维度解析长江经济服务业生态效率时空演变特征的研究仍鲜少见诸文献.③在研究方法上，组态是条件或变量的集成，其组合与重构会对结果产生影响；已有关于生态效率或服务业低碳发展的提升路径多停留于宏观定性层面上的描述与概括；然而，关注不同驱动因子错综复杂的适配联系，借助定性与定量相结合的分析方法——fsQCA，从多重驱动因子联动协同产生的多重组合出发，探析服务业生态效率提升路径的文献仍相对较少.

鉴于此，本文以长江经济带为实证标靶，综合运用基于非期望产出的Super-EBM、H-P 滤波分析法、空间变差函数和热点分析法，描绘服务业生态效率的时空演化格局；在此基础上，基于组态视角，运用fsQCA 探析长江经济带服务业生态效率的多元提升路径.本文的理论边际贡献如下：①系统构建服务业生态效率评价指标体系，科学评估长江经济带服务业生态效率，有利于拓展生态效率的评价对象；②运用H-P 滤波分析、空间变差函数与热点分析全面勾勒长江经济带服务业生态效率的时空演化格局，这有助于丰富服务业生态效率研究内容，拓宽人地关系地域系统的理论内涵；③关注组态逻辑下驱动因子的适配联系，基于定量分析与定性分析相结合的方法论，运用fsQCA 厘清提升长江经济带服务业生态效率的多元路径，这有利于创新服务业生态效率提升路径的分析方法.而在实践层面上，本文有助于为长江经济带探索生态环境保护与服务业协调发展之路，进而加速服务业绿色低碳转型，促进区域经济社会高质量发展提供实践范式和科学参考.

1 研究设计

1.1 分析框架

服务业生态效率增长意味着服务业“经济-资源-生态”复合系统的耦合互馈程度进一步提升.本文构建的分析框架如图1 所示：首先，在构建服务业生态效率评价指标体系的基础上，借助基于非期望产出的Super-EBM 测算长江经济带省域服务业生态效率.其次，在长江经济带服务业生态效率时空格局层面，借助折线图和箱形图反映服务业生态效率的演变趋势，采用H-P 滤波分析厘清长江经济带整体与东、中、西三大区域服务业生态效率的周期波动特征；分别运用空间变差函数和热点分析法探索服务业生态效率的空间分布和空间集聚特征.最后，基于组态视角，运用fsQCA 分析厘清提升长江经济带服务业生态效率的多元路径.

图1 服务业生态效率时空格局演化与组态提升路径分析框架Fig.1 Analysis framework of evolution of spatiotemporal pattern and regrading eco-efficiency of service industry and the upgrading path based on configuration perspective

1.2 研究区概况

长江经济带横跨中国东、中、西三大地带，是具有全球影响力的内河经济带，同时也是生态保护与经济高质量发展互利共赢的示范带.根据《长江经济带发展规划纲要》，长江经济带覆盖11 个省市，东部包含上海市、浙江省和江苏省，中部包含湖北省、湖南省、江西省和安徽省，西部包含重庆市、四川省、贵州省和云南省.服务业是长江经济带转方式、调结构、促改革和惠民生的重要产业支撑；2022 年，长江经济带服务业增加值高达29.76 万亿元，占GDP 比重高达53.16%；但随着长江经济带服务业经济规模的扩张，服务业整体所产生的碳排放量也随之增加，服务业迅猛发展所引发的生态环境问题也愈发严重.因此，以长江经济带作为实证标靶，探索服务业生态效率时空演化格局与组态提升路径具有较强的典型性与实践价值.

1.3 研究方法

1.3.1 基于非期望产出的Super-EBM

Tone 等[29]学者开发的EBM 可保留投入与产出原比例，能最大程度地获取正投影值的信息，并将非径向影响的松弛变量考虑在内，同时解决了输入输出元素不一致的问题，可以更真实有效地反映决策单元(DMU)的效率.同时，为避免无法横向比较不同DMU的服务业生态效率大小，本文将非期望产出的EBM改进为基于非期望产出的Super-EBM，以实现对服务业生态效率的二次测算.基于非期望产出的Super-EBM的计算公式如下：

式中：ρ*表示服务业生态效率；λj表示DMU 的线性组合系数；xij、yrj和Zkj分别表示决策单元的第i个投入、第r个期望产出和第p个非期望产出；n、m、s、q分别表示决策单元、投入、期望产出和非期望产出的数量；si-、sr+和sp-分别为投入、期望产出和非期望产出变量的冗余；wi-、wr+和wp-分别表示每个投入、期望产出和非期望产出的相对重要程度；θ表示径向规划参数；εi、εr和εp分别表示投入、期望产出和非期望产出的非径向权重.

1.3.2 H-P 滤波分析法

H-P 滤波分析法是经济学分析经济现象趋势和周期的重要方法[30]，本文运用H-P 滤波分析法对长江经济带服务业生态效率的演化周期进行分解，以厘清服务业生态效率周期波动状况.该方法的基本原理如下：设Dt仅包含DtT趋势成分时间序列和DtC波动成分时间序列，其中DtT的最小化问题的解为

式中，Dt为服务业生态效率的时间序列，DtT为服务业生态效率的长期趋势时间序列，DtC为服务业生态效率的波动成分时间序列，α为平滑参数.在统计学分析中，一般年度数据的α取100.

1.3.3 空间变差函数

空间变差函数又称空间半变异函数，是揭示人文现象空间分异和空间结构性特征的分析方法[31].本文采用空间变差函数揭示长江经济带服务业生态效率的空间分布规律.空间变差函数的计算公式如下：

式中，γ(d)为变异系数，Y(ec)和Y(ec+d)分别为地理变量Y(e)在空间单元xc和xc+d的服务业生态效率，N(d)为分割距离d的样本数量.空间变差函数主要包含变程、块金值、基台值、块金系数等表征指标.

1.3.4 热点分析法

热点分析法可探索人文现象的低值或高值集聚状况以及相应的聚类方式[32]，在ArcGIS 10.2 热点分析工具的支持下，计算局部空间相关指数，以探析长江经济带服务业生态效率的空间集聚特征.局部空间相关指数的计算公式如下：

式中：Ga为省份a的局部自相关指数；la和lb分别表示省份a和省份b的服务业生态效率；f表示研究单元数；Wab表示空间权重矩阵，本文采用空间邻接矩阵作为标准矩阵，借助Z检验对其进行显著性检验.

1.3.5 fsQCA

fsQCA 充分吸收定性分析和定量分析的优势，既能有效规避单个案例分析结果不具有普适性的缺点，同时也能解决多个案例分析无法兼顾定性刻画的弊端[33].长江经济带省域服务业的发展方式、内部结构、技术创新等方面差异较大，fsQCA 能充分挖掘多因素的组态效应对服务业生态效率优化的非线性关系.结合上述优点，本文选取fsQCA 作为分析方法，这有利于寻找因果条件的组合和结果之间的逻辑联系，描述因果条件的组合，即驱动长江经济带服务业生态效率提升的多元路径.fsQCA主要通过覆盖率和一致率来探测驱动因子及其组合与服务业生态效率的因果联系.覆盖率和一致率的计算公式如下：

式中：Cove 和Cons 分别表示覆盖率和一致率；Ag为省份g的服务业生态效率对前因组合的隶属度；Bg为省份g的服务业生态效率对结果变量的隶属度；O表示省份数量.覆盖率是前因变量的组合对结果的解释力，覆盖率的值越接近1，表明该前因变量的解释力越强.参考已有研究[34]，当一致率大于0.8 时，可认为该前因变量能成为服务业生态效率提升的充分条件；当一致率大于0.9 时，则认为该前因变量是服务业生态效率提升的必要条件.

1.4 指标体系选择

1.4.1 服务业生态效率评价指标体系

服务业生态效率是服务业部门在生产过程中投入一定的资本、劳动力和能源等要素，实现期望产出最大化和非期望产出最小化的程度；其核心是在服务业生产中追求“资源要素投入最小化、经济产出最大化、生态成本最小化”，从而协调服务业生产投入、能源消耗和生态保护之间的关系[2-3].在参考区域与其他产业生态效率评价指标体系的基础上，遵循指标体系构建的科学性、系统性和指标数据可获取性的原则，构建服务业生态效率评价指标体系(见表1).

表1 服务业生态效率评价指标体系Table 1 Evaluation index system of eco-efficiency of service industry

投入指标：在服务业生产活动中，资本投入是服务业生产规模扩大和结构转型升级的物质基础，尤其以电子商务、现代物流、科技咨询和文化创意等为代表的新兴服务业部门需要大量且稳定的资本投入[25].在社会化分工中，服务业经营范围广、活动范围大、业务门类多，需要大量劳动力投入，因而劳动力在服务业尤其是生活性服务业的产品生产和交换过程中发挥着举足轻重的作用[27].服务业作为国民经济结构中的重要支柱性产业，在生产、交换和消费等经济活动中不可避免地需要消耗能源；而且，随着生产规模的扩大，服务业所消耗的能源总量持续增长[24].虽然土地也是经济活动的重要的要素投入，但目前尚无服务业用地的相关统计数据[32]，因此，本文尚未将土地资源纳入投入指标体系中.

产出指标：服务业增加值是服务业生产活动中的期望产出，也是衡量服务业发展水平的重要标志[26].服务业并非绝对性的环境友好型产业，随着服务业能源消耗总量的增长，服务业对生态环境的破坏程度也会随之增大.相对于高消耗和高排放的工业及其子行业，服务业仍然相对“清洁”和“低碳”[27]，等比换算所获取的服务业非期望产出可能高估服务业生态成本.此外，目前国内尚无专门针对服务业面源污染的统计年鉴；相较而言，服务业碳排放包含范围广且更容易科学量化[35]，因而本文将服务业碳排放总量作为服务业生产过程的生态成本.

1.4.2 组态变量选择

本文运用基于非期望产出的Super-EBM 测算长江经济带省域2000-2020 年服务业生态效率，并将其平均值作为结果变量，选取服务业产业集聚度、科技创新水平和环境规制强度等7 项因子作为解释条件.各变量的定义如下：①服务业产业集聚主要通过行业内专业化集聚经济和行业间多元化集聚经济提升服务业生态效率，借助服务业区位熵表征服务业产业集聚度[36].②服务业资本劳动比，资本的投入可通过规模效应和技术升级提升服务业生产率；然而，服务业生产率的提高必然导致服务业产业规模扩大，这无疑将增加服务业生态负荷，不利于服务业生态效率提高，采用各省份服务业资本存量与服务业从业人数的比值表征服务业资本劳动比[36].③服务业能源消费结构，能源是服务业生产的重要要素投入，目前中国服务业能源消费仍以化石能源为主，而由此引致了服务业碳排放量增加和服务业生态效率下降，采用服务业煤炭消费总量占总能源消费的比例表征服务业能源消费结构[23].④科技创新能有效减少服务业全产业链能源消耗，以能源效率提升促进服务业产业绿色低碳转型，采用发明专利、实用新型专利和外观设计专利的申请数量表征科技创新水平[37].⑤城镇化水平的提高，尤其在绿色城镇化理念的指导下，政府对环境治理的投入力度将进一步加大，这有利于抑制城镇化的负向外部效应，从而助力服务业生态效率提升，以城镇人口占总人口比例作为城镇化水平的代理变量[22].⑥环境规制将倒逼高能耗和高排放量的服务业部门提高环境治理能力，由此引发的均衡价格提高能有效释放节能减排效应；但由于成本效应的存在，环境规制强度的持续加大可能产生绿色悖论，借助环境污染治理投资占GDP 比重表征环境规制强度[35].⑦合理的财政分权有助于降低地方事务决策成本，尤其在环境治理和生态保护方面，有利于减少环境保护的“沉没成本”，促进服务业生态效率提升，采用人均财政支出与人均总支出的比重表征财政分权程度[38].

1.5 数据来源与处理

本文研究对象为长江经济带11 个省市，2011 年，国家统计局在最新修订的《三产分类规则》中，明确规定第三产业为服务业〔三次产业划分规定-国家统计局(www.stats.gov.cn)〕，本文实证部分中沿用了国家统计局公布的服务业统计口径.主要数据来源于2001-2021 年《中国固定资产统计年鉴》《中国第三产业统计年鉴》《中国就业统计年鉴》《中国能源统计年鉴》和《中国统计年鉴》.按照不变价格，以服务业固定资产投资为基数，采用永续存盘法获取2000-2020 年长江经济带各省市的服务业资本存量；服务业能源消费总量通过对“交通运输”“仓储和邮政业”“批发和零售”“住宿和餐饮”以及其他服务业能源消费量求和来获取[25]；参考王凯等[23]学者的研究方法，采用IPCC 提供的碳排放因子法计算各省市服务业碳排放总量.本文以2000 年为基期，分别采用GDP 指数、第三产业增加值指数进行平减，得到以2000 年不变价格计算的GDP 和第三产业增加值.

2 结果与分析

2.1 时序演变

2.1.1 演变趋势

研究期内，长江经济带服务业生态效率呈现波动小幅降低的演化态势，由2000 年的0.748 降至2020年的0.703〔见图2(a)〕，这显示长江经济带服务业规模扩张在促进经济增长和改善人民生活的同时，也不可避免地引起了环境污染和生态破坏，服务业绿色低碳转型仍面临较大阻力；这一结论与王峥等[22]学者的研究结论一致，即服务业的绿色低碳属性正逐渐削弱，服务业亟待绿色低碳转型.在分地区层面上，东部地区的服务业生态效率由2000 年的0.984 小幅升至2020 年的1.044；而中部和西部地区则均呈波动下滑的演化趋势，其降幅分别为20.59%和2.32%.东部地区低碳技术相对先进，服务业绿色低碳转型较快，因而其服务业生态效率处于缓慢上升状态；西部地区的服务业产业规模相对较小，同时其原始生态环境保护相对较好，因此，其服务业生态效率的降幅低于中部地区.值得注意的是，自2016 年长江经济带发展战略实施以来，各省份扎实推进生态环境保护和经济社会绿色转型；区域服务业行业结构和能源消费结构不断优化，服务业环境规制力度不断强化；因此，长江经济带及三大区域的服务业生态效率呈现波动上升的演化态势，其增幅分别为6.44%、0.47%、7.77%和14.51%.由箱形图〔见图2(b)〕可知：一方面，长江经济带服务业生态效率趋于分散，说明区域服务业生态效率的空间差异逐渐增大，呈离散的趋势，服务业生态效率具有明显的偏锋；另一方面，长江经济带服务业生态效率的分布形态始终表现为中低值集中，显示长江经济带大部分省份的服务业生态效率的变化幅度相对较小，甚至呈现出小幅下滑的颓势.因此，如何加大绿色技术创新、加快内部结构升级、促进服务业低碳发展已成为长江经济带实现生态保护与经济高质量发展互利共赢的重要抓手.

2.1.2 波动周期

本文运用H-P 滤波分析法，对长江经济带及三大区域的服务业生态效率进行滤波分解，得到服务业生态效率的长期演化趋势和短期波动成分(见图3).长期演化趋势反映了服务业生态效率的整体演化态势，而短期波动成分可作为服务业生态效率演化周期划分的依据.按照“波峰-波峰”的周期划分法对长江经济带及三大区域服务业生态效率的演化进行周期划分，将不构成一个周期并入下一个周期中(见表2).其中，波动高度(波峰)反映服务业生态效率在每个周期内的最大增幅，波动深度(波谷)映射服务业生态效率在每个周期内的最大降幅.

表2 长江经济带服务业生态效率演变阶段划分Table 2 Evolution stage division of eco-efficiency of service industry in YREB

图3 长江经济带服务业生态效率波动周期Fig.3 Wave period of eco-efficiency of service industry in Yangtze River Economic Belt

在波动周期长度上，长江经济带及西部地区的服务业生态效率经历了4 轮波动，波动周期长度平均为5.25 年，而东部和中部经历了3 轮波动.长江经济带、东部、中部和西部波动最长的年距分别为6 年、9 年、11 年和7 年，相较而言，中部地区服务业生态效率的波动年距较为集中，这说明该区域服务业生态效率周期波动仍将持续.在波动高度上，长江经济带、东部、中部和西部的服务业生态效率的平均波动高度分别为0.025、0.017、0.051 和0.035，这显示自2000 年以来，长江经济带服务业生态效率的涨幅有限.在波动深度上，长江经济带、东部、中部和西部服务业生态效率的平均波动深度分别为-0.009、-0.012、-0.057 和-0.031.长江经济带、东部、中部和西部平均波动高度的绝对值大于平均波动深度的绝对值，而中部的平均高度的绝对值略小于平均波动深度的绝对值.在波动幅度上，长江经济带、东部、中部和西部的服务业生态效率波幅的平均值分别为0.034、0.028、0.092 和0.066，中部和西部的波幅相对较大，表明上述两区域的服务业生态效率并未随时间推移而趋于稳定，周期性波动的态势有所强化.

值得注意的是，长江经济带、东部、中部和西部的共同波动周期为2000-2003 年，2003 年受非典型肺炎的冲击，服务业生产规模和投入结构在一定程度上受到较大影响；而非典型肺炎结束后，国家出台了一系列针对服务业的减税降费的举措，如提高服务企业信贷额度和推迟交纳税款等，有效刺激了服务业生产和消费，进而导致2003 年前后各区域服务业生态效率存在不同程度的波动.综上所述，受服务业生产系统内外部因素的共同影响，促进服务业生态效率持续提升仍任重道远.

2.2 空间格局

2.2.1 空间分布特征

运用空间变差函数分析长江经济带服务业生态效率的空间分布格局，将各省份服务业生态效率作为空间地理变量赋予各省份空间中心点，计算其实验变差函数.利用高斯模型、指数模型等进行拟合，选取拟合度最高的模型进行估计，通过计算不同方向上的分维数，进行克里金插值模拟.

如表3 所示：2000 年、2010 年和2015 年长江经济带服务业生态效率空间变差函数的最优拟合模型均为线性模型，而2005 年和2020 年则为高斯模型，显示长江经济带服务业生态效率呈现相异的特征.块金系数由2000 年的0.117 波动增至2020 年的0.589，说明在长江经济带服务业生态效率空间分布格局的演变过程中，由空间关联所引致的结构异化式微，而随机成分所引发的空间分异显著增强.块金值和基台值均呈现波动增长的演变趋势，表明长江经济带服务业生态效率的空间异质性进一步强化.变程的演变趋势可分为3 个阶段：第一阶段(2000-2005 年)，呈现下降的演化趋势，说明长江经济带服务业生态效率空间关联的辐射范围收缩，高服务业生态效率省份的辐射效应弱化；第二阶段(2006-2015 年)，表现出波动上升的演化态势，说明高服务业生态效率省份的涓滴效应波动增强；第三阶段(2016-2020 年)，呈现下降的演变趋向，显示长江经济带服务业生态效率空间效应的范围有所收缩.

Kriging 插值3D 模拟图(见图4)直观展示了长江经济带服务业生态效率的空间分异结构与分布格局：研究期内，长江经济带服务业生态效率的空间分布格局具有一定的稳定性与延续性，整体呈现“东部˃中部˃西部”的空间异质性特征，但中部与西部的空间分异特征尚不显著，低值区向中部迁移的现象明显，这一结果与滕泽伟[35]的研究相似，服务业绿色转型存在显著的空间异质性，各地区应加强服务业生态保护交流与合作，充分发挥绿色低碳要素的空间溢出效应，进而加速区域服务业可持续发展.具体来看，2000 年，东部地区形成了以上海市为中心的“峰状”结构，中部地区的湖南省成为次级峰体，西部地区则形成了以贵州省为中心的“洼地”结构.2005 年和2010 年，中部地区形成了以湖北省和江西省为中心的“双低谷”结构.2015 年，安徽省由高值地带迁移至低值地带，因而在中部地区形成了“三低谷”结构，这表明中部地区服务业产业规模的无序扩张引致了投入冗余率和碳排放量的双向攀升，进而致使服务业生态效率显著下滑.2020 年，中部地区的“三低谷”结构逐渐消失，这说明中部地区各省级政府加强服务业环境规制，推动服务业清洁技术创新，初步遏制了服务业生态效率下滑的颓势；而西部地区以贵州省为中心的“低谷”结构再次显现，说明受服务业产业规模的扩张和绿色低碳技术创新滞后的约束，贵州省的服务业绿色低碳转型之路仍“道阻且长”.

图4 长江经济带服务业生态效率Kriging 插值模拟结果Fig.4 Results of Kriging interpolation simulation for eco-efficiency of service industry in YREB

2.2.2 空间集聚特征

本文基于ArcGIS 10.2 平台，测度长江经济带服务业生态效率的局部相关指数，基于自然断裂点法，将其划分为4 种类型，即冷点区、次冷点区、次热点区和热点区，以探析长江经济带服务业生态效率的空间集聚特征.

如图5 所示：2000-2020 年，长江经济带服务业生态效率热点区空间集聚的范围保持不变，始终分布于江苏省和上海市.次热点区空间集聚的范围在波动中扩张，具体来看，2000 年，次热点区主要位于浙江省；2005 和2020 年，安徽省跃迁至次热点区，这说明在长三角一体化进程加速的时代背景下，依靠绿色低碳金融、人才和技术等生产要素的空间集聚与置换，长三角地区服务业绿色低碳转型取得实质性成效，高服务业生态效率的省份带动了邻近省份服务业生态环境综合治理.2000-2020 年，长江经济带服务业生态效率冷点区空间集聚的范围在波动中扩张；2000 年，冷点区主要位于云南省；2015 年，持续扩大至云南省、四川省和贵州省等8 个省份，形成了以湖北为中心的低值簇；随着长江经济带生态环境协同治理的有效推进，2020 年，冷点区空间集聚范围缩小，四川省、湖北省和江西省跃迁至次冷点区，而安徽省则跃升至次热点区.研究期内，次冷点区的空间集聚范围在波动中缩小，集聚省份由7 个减至3 个.

图5 长江经济带服务业生态效率冷热点分布Fig.5 Distribution of cold hot spots for eco-efficiency of service industry in YREB

上述结果显示：长江经济带服务业生态效率空间集聚特征显著，热点区和次热点区空间集聚范围的变动相对较小，主要分布于长三角地区；而冷点区和次冷点区空间集聚范围的波动性较强，但仅局限于两个类型间的相互转化，向次热点区乃至热点区跃迁的可能性较小，这说明受合作平台与合作机制不健全的约束，协同提升长江经济带服务业生态效率的难度仍相对较大.

2.3 组态提升路径分析

2.3.1 组态变量校准

有别于传统计量回归模型，fsQCA 需要对前因变量和结果变量进行校准，从而使组态分析具有可解释性.本文通过设置3 个阈值将前因变量和结果变量的原始数据设定为完全不隶属、交叉点和完全隶属，参考Codurans 等[39]学者的研究成果，采用结果变量和前因变量的上四分位(25%)、中位数(50%)和下四分位(75%)作为3 个阈值(见表4).

表4 变量校准锚点Table 4 Calibrated anchor point for variables

2.3.2 必要性检验

若前因条件为必要性条件(在前因条件以不同组合形成的多条作用路径中，某一前因条件被囊括在总路径中)，则在组态分析时必须将其纳入总路径的解析过程中.通过一致性检验分析前因条件是否属于必要性条件，若前因条件的一致率大于0.9，则认为该前因条件为必要性条件.本文分别对提升长江经济带服务业生态效率路径和非提升长江经济带服务业生态效率的路径进行必要性区别，以探寻是否存在前因条件归属必要性条件.从表5 可以看出：无论在提升长江经济带服务业生态效率的路径中亦或是在非提升长江经济带服务业生态效率的路径中，并不存在某一个前因条件为必要性条件，即提升或非提升长江经济带服务业生态效率的路径均通过多个前因条件组合而成.因而，有必要对其进行组态分析.

表5 单因子必要性分析结果Table 5 Results of single factor necessity

2.3.3 组态提升路径分析

本文排除连续性小于0.8 但阈值为1 的案例；同时，将一致率的阈值设置为0.75，手动将小于阈值的编码为0.fsQCA 会产生中间解、简易解和复杂解.当前因变量同时出现在中间解和简易解中，则该前因变量为核心条件；若仅出现在简易解中，显示该前因变量可以被替换，即为边缘条件.通过对路径进行整合，厘清核心条件和边缘条件以及服务业生态效率增长的前因条件组合(见表6).7 个前因变量形成4 条提升路径，其覆盖率为0.450，这说明7 个前因变量能够解释45%的案例；同时一致性为1，这说明4 条作用路径对结果变量具有较强的解释力.根据各组态特点，将其分为以下4 种类型.

表6 长江经济带高服务业生态效率组态结果Table 6 Results of grouping of eco-efficiency of service industry in YREB

a) 创新主导型.这类提升路径仅有科技创新水平这一核心条件，缺乏环境规制强度和除城镇化水平以外的其他边缘条件.这类提升路径认为，即便缺乏其他核心条件和大多数边缘条件，依托持续的科技创新投入，仍然可提升服务业生态效率，典型省份为贵州省.贵州省大数据产业起步较早，适宜的气候、充足的电力和稳定的地质结构使贵州省加快新型数字基础设施建设的条件得天独厚；在这一时代背景下，各级政府积极推动大数据产业与现代化服务业融合，逐步构建以数字经济为引领的服务业经济体系，这既提高了贵州省服务业生产率，同时也降低服务业生态负荷.

b) 双元驱动型.这类提升路径包含了科技创新水平和环境规制强度两大核心条件，但缺乏服务业资本劳动比这一核心条件，同时也无其他边缘条件.这类提升路径认为，在缺乏其他条件的情景下，拥有科技创新水平和环境规制强度两大核心条件也能提升服务业生态效率，典型省份为重庆市.重庆市紧盯西部产业创新中心建设，加快覆盖服务业全行业的科技创新链条；将绿色化作为高质量发展的重要基石，推动服务业绿色化和融合化发展；充分应用环境大数据智慧决策平台，对碳排放超标的服务业企业停业整顿，以最严格的环境规制倒逼服务业绿色转型升级.

c) 资源整合型.这类提升路径包含了服务业集聚度、科技创新水平和环境规制强度3 个核心条件，同时还囊括了城镇化水平这一边缘条件，这类提升路径认为，即便缺乏服务业资本劳动比、服务业能源消费结构和财政分权程度，依靠资源整合，加速服务业集聚、加强科技创新和环境规制可以有效提升服务业生态效率，典型省份为湖南省.湖南省依托优渥的文旅资源，辅之持续且相对稳定的文旅投资，加快以文旅为先导的现代服务业集聚；同时以现代服务业创新发展区为示范引领，加强服务业领域的科技创新投入，产生了一系列的低碳、零碳和负碳技术，出台包括服务业在内的全行业节能减排行动方案，助推区域服务业绿色低碳发展.

d) 全面发展型.这类提升路径包含所有的前因变量，核心条件为服务业产业集聚度、服务业能源消费结构、城镇化水平和财政分权程度，边缘条件为服务业资本劳动比、科技创新水平和环境规制强度.这类提升路径的典型省份为上海市.上海市服务业生态效率始终较高且始终位于热点区，一方面由于上海市现代服务业发达，内部结构升级较快，产业集聚程度和服务业清洁能源消费占比均较高，这既减少了服务业投入冗余，同时也加速了服务业绿色技术创新和低碳化、智能化和数字化转型；另一方面，上海经济发达且城镇化水平高，坚持新发展理念，打好环境规制的“组合拳”，适度增加地方环境事权，倒逼区域服务业环境综合治理，积极构建低碳循环经济体系，因而有力遏制了由规模效应扩大所引致的生态成本提高.

2.3.4 稳健性检验

为进一步验证各前因条件组合的稳健性，本研究参考Judge 等[40]的研究成果，将一致率的阈值提高到0.85，其他操作不作变动，结果显示，长江经济带服务业生态效率提升的前因条件组合并没有发生显著变化，仍保持原有4 条路径不变，且各路径的原始覆盖率和唯一覆盖率大致相同，这充分说明本轮分析中的4 条路径具有一定的稳健性.

3 结论与建议

a) 长江经济带服务业生态效率共经历了4 轮周期波动，周期性波动态势有所强化，整体上由2000 年的0.748 小幅下滑至2020 年的0.703；受服务业系统内外因素的共同影响，遏制服务业生态效率下滑仍“道阻且长”.在地区层面上，东部地区的服务业生态效率整体处于小幅上升阶段(6.1%)，而中部(-20.59%)和西部(-2.32%)则仍处于波动下滑阶段，且中部地区的降幅远大于西部地区.东部省份的服务业生态效率相对较高且行业结构相对高级合理，为继续提升服务业生态效率，应在促进以金融、科技、文创、信息和商务等为代表的新兴服务业的同时，提高绿色低碳技术在传统服务业的推广和应用；西部和中部省份的服务业生态效率相对低且呈现下降态势，应着力推进服务业低碳转型，积极改善营商环境，广泛引进高附加值和低能源消耗的服务业部门，从而降低服务业生产的生态成本.

b) 在空间分布上，长江经济带服务业生态效率的空间分布格局具有一定的稳定性与延续性，整体呈现“东部(1.043)˃中部(0.623)˃西部(0.521)”的空间异质性特征，由空间关联所引致的结构异化式微.在空间集聚上，长江经济带服务业生态效率空间集聚特征显著，热点区和次热点区空间集聚范围的变动相对较小；而冷点区与次冷点区空间集聚范围的波动性较强.因此，为提高长江经济带整体服务业生态效率，应通过服务业生态环境协同治理机制的构建来促进服务业绿色转型升级，东部省份应加强示范引领，通过服务业低碳知识、技术、信息、人才的辐射和溢出，协同提升中部和西部省份的服务业生态效率；而中部和西部省份应加强服务业环境规制，提高服务业清洁能源消费比例、优化服务业产业结构，进而降低服务业投入冗余率.

c) 长江经济带服务业生态效率共有4 条提升路径，即创新主导型、双元驱动型、资源整合型和全面发展型，其中每条提升路径中均含有科技创新水平这一前因条件.由此，长江经济带各省份应加强服务业科技创新体制改革，构建适应现代化服务业的科技创新体系，完善服务业科技创新配套机制，构建高效率的服务业科技创新网络并加强其横向交流与联系，通过税收减免、财政补贴、贷款贴息等举措着力优化区域服务业科技创新氛围，进而促进服务业科技创新要素流动、提高服务业资源要素配置效率；同时辅之服务业集聚、环境规制强度、城镇化水平等其他条件以降低服务业要素投入冗余.