中國服務業碳生產率的空間收斂性研究

王許亮 王恕立 滕澤偉

摘要在經濟服務化與低碳化的雙重背景下，研究中國服務業碳生產率的演變軌跡，區域差異及空間收斂特征，對于推動中國服務業高質量發展具有重要的意義。采用2004—2016年中國30個省（區、市）的面板數據，對服務業碳生產率進行測度，并對其演變軌跡與區域差異進行分析，在此基礎上，系統考察中國服務業碳生產率的空間收斂性。研究表明：①中國服務業碳生產率在整體上呈逐年增長態勢，且呈現從東到西逐次遞減的格局。②中國服務業碳生產率存在正向空間自相關關系，并且空間自相關程度表現出波動上升趨勢。③全國與西部服務業碳生產率均不存在σ收斂，即服務業碳生產率的地區差異并未隨著時間的推移而縮小;東、中部服務業碳生產率則在整體上呈現σ收斂特征。全國以及東、中、西部服務業碳生產率均存在絕對β收斂和條件β收斂，即服務業碳生產率落后地區對發達地區存在"追趕效應"，各地區服務業碳生產率最終向自身的穩態水平趨同;空間效應加快了全國與東部服務業碳生產率的β收斂速度。④人均服務業增加值增長速度、部門結構以及能源消費結構對服務業碳生產率具有顯著的負向效應，人力資本則對服務業碳生產率產生了顯著的正向影響。據此，本文的政策啟示如下：①重視服務業碳排放問題，構建服務業低碳績效評估體系。②探索建立定期會商制度，加強服務業低碳技術的跨區域交流合作。③完善基礎設施，促進要素空間互動和優化重組。④調整服務業能源結構與部門結構，推進人力資本積累和服務業穩增長。

關鍵詞 服務業;碳生產率;空間相關性;收斂性

新世紀以來，中國服務業取得了快速發展，服務業增加值與就業占全國GDP和就業的比重分別從2000年的33.2%和27.5%上升到2016年的51.6%和43.5%，服務業成為經濟增長的新引擎。但是，中國服務業能源消耗和CO2排放量也日益增多。據計算，2000—2016年，中國服務業能源消費總量與CO2排放總量分別從2000年的20815萬t標準煤、46472萬t上升到2016年的74821萬t標準煤、174101萬t，年均增長率分別達到了8.32%和8.61%。可見，服務業增長所帶來的能源消耗和CO2排放問題十分突出。在低碳發展的時代背景下，減少CO2排放已經成為服務業面臨的硬性約束，而提高服務業碳生產率則是實現中國服務業低碳發展的關鍵[1]。與此同時，由于各地區在經濟基礎、要素稟賦、地理區位、政策等方面具有較大的差異，不同區域服務業生產率存在巨大的不平衡性，突出表現為東部地區的服務業生產率顯著高于中、西部地區[2]。那么，中國省域服務業碳生產率的演變特征如何？各地區服務業碳生產率呈現出怎樣的空間差異？各地區服務業碳生產率是否具有空間相關性？地區之間的服務業碳生產率是否存在空間收斂的現象？分析上述問題，對于了解中國服務業碳生產率的演變軌跡，認識服務業碳生產率的區域差異及空間收斂特征，探尋省域服務業低碳協同發展的路徑，推動服務業高質量發展具有重要的意義。

1文獻綜述

與本文相關的現有研究主要體現在兩個方面：關于碳生產率的研究以及關于服務業生產率收斂性的研究。

Kaya和Yokobori[3]最早提出碳生產率的概念，將其定義為一段時期內單位CO2排放的經濟產出量。它可以將碳減排和經濟穩定增長進行有機結合，是評估發展中國家低碳增長績效的重要指標[4]。隨后，學界對碳生產率的相關研究逐步展開，主要可分為如下幾類：第一類文獻側重考察碳生產率的國別差異性，研究表明中國等發展中經濟體的碳生產率水平和增長率分別低于和高于發達經濟體[5-7]。第二類文獻集中分析中國全行業碳生產率的區域異質性，均發現中國全行業碳生產率存在顯著的區域差異，但關于碳生產率的斂散性問題并未達成一致看法[8-10]。第三類文獻著重研究具體部門的碳生產率，且大多數文獻集中在工業部門[4，11-13]和農業部門[14-15]，鮮有涉足服務業領域。從我們掌握的資料來看，滕澤偉等[1]首次將碳生產率的研究延伸到服務業領域，結果表明中國服務業總體及各細分部門的碳生產率均表現出上升態勢，且存在較大的部門異質性。第四類文獻探析碳生產率的影響因素。大多數研究認為，經濟發展、技術創新、能源結構、產業結構等因素是影響碳生產率的重要因素[8，10，16-19]。此外，部分文獻還嘗試從人力資本[20]、經濟集聚[21-22]、全球價值鏈嵌入[23]、出口商品結構[24]等方面考察碳生產率的提升路徑。

在服務業生產率的收斂性研究方面，按照研究對象可以大體歸為以下三類：第一類文獻聚焦跨經濟體服務業生產率的斂散性問題。Gouyette和Perelman[25]對13個OECD經濟體的制造業和服務業全要素生產率（TFP）及效率進行收斂性檢驗，結果表明服務業TFP及效率均呈現σ收斂特征，而制造業則不存在σ收斂。Mulder和Groot[26]、Mulder等[27]對服務業能源生產率的收斂性研究表明，OECD經濟體的服務業能源生產率同時存在σ收斂與β收斂。王許亮、王恕立[28]檢驗了40個經濟體服務業能源生產率的斂散性，結果發現服務業能源生產率存在β收斂，但不存在σ收斂。第二類文獻探究服務業細分部門生產率的收斂特征。肖挺[29]探討了服務業細分行業TFP的收斂性，結果顯示中國服務業細分行業的傳統TFP與綠色TFP均存在著條件收斂，而未呈現絕對收斂。滕澤偉等[1]對服務業細分部門碳生產率的趨同性進行了嘗試性探討，結果顯示中國服務業碳生產率并未出現σ趨同，但存在著顯著的絕對β趨同和條件β趨同。第三類文獻重點關注中國省域服務業TFP的趨同性問題。徐盈之、趙玥[30]分析了中國省域信息服務業TFP的趨同性，發現中國省域信息服務業同時呈現σ趨同與β趨同特征。劉興凱、張誠[31]、肖挺[32]對中國省域服務業TFP收斂性的研究均發現了類似的現象。

梳理文獻可知，現有研究可以從如下兩個層面進行拓展：其一，在服務業碳排放問題日益凸顯的背景下，前期關于碳生產率的文獻卻鮮有涉及服務業，滕澤偉等[1]也是僅以中國服務業分行業為研究對象，未能考察中國省域服務業碳生產率。第二，研究服務業生產率收斂性的現有文獻均假設地區之間相互獨立，不存在空間相關性。事實上，生產要素的跨地區流動會對地區間的經濟收斂產生影響，忽略空間互動關系會使收斂結果出現偏誤[33]。基于此，本文的潛在邊際貢獻如下：第一，本文將碳生產率的研究領域拓展到省域服務業層面，系統分析服務業碳生產率的演變趨勢、區域差異以及收斂特征。第二，將空間因素引入傳統的收斂模型，著重考察空間效應對服務業碳生產率收斂的影響。第三，探討服務業碳生產率區域差異的影響因素，為促進省域服務業低碳協調發展提供對策參考。

2服務業碳生產率的測算與分析

2.1服務業CO2排放量的核算

本文基于IPCC的碳排放估算方法，測算各省份服務業CO2排放量，公式如下：

其中，i代表能源的種類，與滕澤偉等[1]、楊翔等[4]、潘家華和張麗峰[8]一致，本文將最終能源消費種類劃分為8類，具體包括：原煤、原油、汽油、焦炭、柴油、燃料油、煤油、天然氣）。Ei代表第i類能源的消費量，NCVi、CEFi、COFi分別為第i類能源的低位發熱量、含碳量、氧化率，具體數值見滕澤偉等[1]的研究。各省份服務業分類能源消費量根據《中國能源統計年鑒（2005—2017）》地區能源平衡表“交通運輸、倉儲和郵政業”“住宿、餐飲業”“批發、零售業”以及“其他行業”的終端能源消費量加總得到。

2.2服務業碳生產率的測算

本文將服務業碳生產率定義為一段時期內服務業增加值與服務業CO2排放總量的比值，具體公式如下：

其中，CPit為i省份t年的服務業碳生產率/萬元/t。Yit為i省份t年的不變價服務業增加值/億元，根據“第三產業增加值指數”將服務業原始增加值數據進行指數平減，并換算為2000年不變價增加值。CO2，it為i省份t年的服務業CO2排放總量/萬t。本文的樣本區間為2004—2016年，鑒于中國香港、中國澳門、中國臺灣以及西藏等地區的相關數據難以獲取，本文的考察對象為中國30個省（區、市）。其中，東部地區包括11個省（市）：北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南和遼寧;中部地區包括8個省：山西、河南、安徽、江西、湖北、湖南、黑龍江和吉林;西部地區包括11個省（區、市）：內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏和新疆。各省份服務業增加值及增加值指數的原始數據取自《中國統計年鑒（2005—2017）》。

2.3測算結果分析

表1報告的是2004—2016年30個省份、分區域及全國服務業碳生產率的具體數值。

從全國服務業碳生產率的情況來看，2004—2016年，中國服務業碳生產率呈現增長態勢，具體數值由2004年的1.280上升到2016年的1.744，年均增長2.61%，可見中國服務業在低碳發展的道路上取得了一定的成就。從具體年份看，服務業碳生產率除在2008年等少數年份明顯下降外，在大部分年份均呈現上升趨勢。2008年服務業碳生產率的下滑可能是因為國際金融危機對中國服務業產出及國際油價的沖擊較大。據計算，中國服務業增加值增長率從2007年的14.38%下降至2008年的11.78%，而受油價下降的影響（IEA的統計資料顯示，受國際金融危機深化的影響，2008年的國際油價較2007年跌幅達到.

注：結果由作者計算得到，“均值”為歷年服務業碳生產率數值的幾何平均數，g為服務業碳生產率的年均增長率。

50%），服務業能源消費與服務業CO2排放量的增速提升，二者的增長率分別從2007年的10.68%、9.87%上升到2008年的13.48%、14.99%。

從三大區域服務業碳生產率的情況來看，在服務業碳生產率的具體數值方面，樣本期間內，東、中、西部服務業碳生產率平均數值分別為1.874、1.410、0.899，表現出從東到西逐級遞減的格局。在服務業碳生產率演變趨勢方面，三大區域服務業碳生產率均呈現上升的走勢。具體到年均增長率，東部地區最高，年均增長率為4.90%;西部地區次之，年均增長率為1.36%;中部地區最低，年均增長率為1.24%。上述分析表明，中國服務業碳生產率在數值和增長率兩個方面均存在較大的區域差異性。

從各省份服務業碳生產率的測算結果來看，中國服務業碳生產率具有明顯的省際異質性特征。就具體數值而言，樣本期間內，服務業碳生產率最高的省份為江蘇，平均值達到了3.619;服務業碳生產率最低的是貴州，平均值為0.363。就變化趨勢而言，中國大多數省份的服務業碳生產率呈現逐步上升的走勢，其中天津市服務業碳生產率年均增長率最高，達到了11.93%;云南（-4.53%）、黑龍江（-3.12%）、青海（-2.19%）等省份的服務業碳生產率在整體上有所下滑，表明部分省份在促進服務業經濟增長的同時未能較好地兼顧碳減排問題。值得注意的是，在服務業發展水平較高的京津冀地區，河北的服務業碳生產率平均值（2.017）高于北京（1.680）和天津（1.826），這與傳統的認知略有出入。原因在于：據計算，2004—2016年間，盡管河北服務業增加值占GDP的比重（35.59%）低于北京（71.84%）和天津（44.97%），但河北的服務業不變價增加值為北京的1.23倍和天津的2.06倍，而河北服務業CO2排放為北京的1.02倍以及天津的1.95倍，這使得河北服務業碳生產率處于相對較高的水平。

2.4服務業碳生產率的空間相關性檢驗

為了檢驗中國省域服務業碳生產率是否存在空間相關性，本文將MoransI指數作為衡量服務業碳生產率全局空間自相關性的指標。MoransI指數的公式如下：

其中，yi與yj分別表示i地區與j地區的服務業碳生產率;y為省域服務業碳生產率的均值;Wij為空間權重矩陣，代表i地區與j地區的空間關系，此處選取鄰接地理距離來衡量地區間的鄰接關系，即當i地區與j地區相鄰時，Wij取值為1，反之則取0，構建出30個省份的空間鄰接權重矩陣（鑒于海南省獨特的地理位置，本文設定其僅與廣東相鄰）。MoransI指數取值介于-1～1之間，若MoransI指數大于0，說明存在正向的空間自相關性;若MoransI指數小于0，說明存在負向的空間自相關性;若MoransI指數等于0，則表明空間分布相互獨立。MoransI指數的絕對值越大，表示省域服務業碳生產率的空間相關性越強;反之則意味著空間相關性越弱。

表2列出了空間自相關性的檢驗結果，可以發現：2004—2016年，所有年份的MoransI指數均在統計上顯著為正，表明中國省域服務業碳生產率存在顯著的正向空間相關性，也即服務業碳生產率呈現空間集聚特征，服務業碳生產率較高（低）的地區相互鄰近。究其原因，鄰近省份服務業發展的經濟基礎以及資源稟賦較為相似，因而服務業生產過程中的要素投入與碳排放的空間關聯度相對較高。同時，服務業清潔技術在鄰近省份間的交流與推廣也使得服務業的低碳發展存在空間相關性。此外，樣本期間內，MoransI指數呈現波動上升的態勢，說明隨著服務業的發展以及交通與通信設施的日趨完善，各地區在服務業領域的經濟技術交流日益密切，服務業碳生產率的空間自相關程度越來越高。

3中國服務業碳生產率的收斂性分析

上文的分析說明中國省域服務業碳生產率存在明顯的地區差異性。下面，本文進一步基于收斂理論來系統考察中國省域服務業碳生產率的收斂性。本文使用的收斂分析方法主要包括σ收斂、絕對β收斂以及條件β收斂，其中β收斂為σ收斂的必要不充分條件[4]。

3.1σ收斂檢驗

本文采用σ系數來衡量中國服務業碳生產率的離散程度，通過分析全國及各區域服務業碳生產率σ系數的演變情況來判斷是否存在σ收斂（具體結果見圖1）。若服務業碳生產率的σ系數隨著時間推移而逐漸縮小則說明存在σ收斂，反之則說明具有σ發散特征。σ系數的計算公式如下：其中，σ表示σ系數，i為省份，N為省份個數，CP表示服務業碳生產率，CP表示服務業碳生產率的均值，ln表示取對數。

3.2β收斂檢驗

3.2.1β收斂模型的設定

絕對β收斂是指每一個地區的服務業碳生產率增長速度與初始水平存在負相關關系。本文構建的絕對β收斂模型如下：

其中，i為省份，t為年份，CPi，t為i省t年的服務業碳生產率，α為常數項，β為基期碳生產率的回歸系數，若β顯著小于0，則說明服務業碳生產率存在絕對β收斂，γi為個體效應，ηt為時間效應，εi，t為隨機擾動項。

條件β收斂是指由于各地區在服務業經濟增長、能源消費結構、人力資本等方面存在差異，各地區的服務業碳生產率最終向自身的穩態水平趨同。本文在絕對β收斂模型的基礎上加入影響服務業碳生產率的控制變量，構建得到的條件β收斂模型如下：

其中，除控制變量X及其回歸系數θ外，其余變量的含義與式（5）相同。若回歸系數β小于0，且在統計上顯著，則意味著服務業碳生產率存在條件β趨同。為了降低數據的離散程度，本文在回歸分析時對非百分比數據取自然對數。

上文的分析表明，中國省域服務業碳生產率存在顯著的正向空間相關性，而忽視空間相關性會導致β收斂估計結果出現偏差[33-34]。基于此，本文將空間因素引入模型（5）和模型（6），分別構建出如下的空間滯后模型（SLM）和空間誤差模型（SEM）：

其中，式（7）、式（8）為SLM模型，該模型也稱作空間自回歸模型，指的是相鄰地區的被解釋變量（如本文的服務業碳生產率）通過空間傳導機制相互依賴、相互影響;式（9）、式（10）為SEM模型，該模型假設地區間服務業碳生產率的空間依賴性通過誤差項來體現。W為空間權重矩陣，此處采用鄰接權重矩陣。ρ為空間滯后系數，λ為空間誤差系數，εi，t與ui，t為隨機擾動項。

受數據的可得性與具體研究對象的影響，對于碳生產率條件β收斂控制變量的選取，前期文獻尚未形成一致的看法[1，4]。本文選取的控制變量（X）如下：

人均服務業增加值增長速度（sgdppcg）。本文采用各省人均服務業不變價增加值增長率來衡量該變量。

人力資本（human）。本文采用各省勞動力受教育年限均值表示該變量。公式為：大專以上學歷占比×16+高中學歷占比×12+初中學歷占比×9+小學學歷占比×6。

服務業能源消費結構（es）。本文用各省服務業煤炭消費量占能源消費總量的比重來表示該變量。

服務業部門結構（is）。參考龐瑞芝、王亮[35]的做法，本文以各省“批發零售業”“交通運輸、倉儲與郵政業”“住宿與餐飲業”等三個行業的增加值占服務業增加值的比重來衡量此變量。上述控制變量的數據源自《中國統計年鑒（2005—2017）》《中國能源統計年鑒（2005—2017）》《中國勞動統計年鑒（2005—2017）》。

3.2.2β收斂模型的選擇

對于空間β收斂模型，本文選用Lee和Yu[36]所提出的擬極大似然估計法（QML）進行收斂檢驗。其理由是，在進行空間面板收斂檢驗時，QML得到的估計結果具有無偏性，且適用于T相對大于N的情況（如本文的分區域回歸）。隨后，本文參考Elhorst[37]的研究思路，基于LM檢驗來選擇具體的空間收斂模型。限于篇幅，結果未報告，備索。

LM檢驗結果顯示：全國服務業碳生產率的絕對β收斂檢驗更宜選取SEM模型，條件β收斂檢驗則更宜選取SLM模型;東部服務業碳生產率的兩種類型β收斂檢驗均適合選擇SEM模型;中、西部樣本的LM統計量均不顯著，表明中、西部服務業碳生產率的β收斂檢驗均應選取傳統的β收斂模型。對于未考慮空間因素的傳統β收斂模型，本文基于Hausman檢驗來進行模型選擇。檢驗結果無法接受原假設，說明固定效應（FE）估計方法更適用于傳統β收斂模型。需要說明的是，對于空間β收斂模型，同樣需要采用Hausman檢驗來選擇是采用固定效應還是隨機效應模型。然而，由于本文選用的是Lee和Yu[36]的QML估計方法，該方法默認選擇固定效應模型，無法估計隨機效應模型。為了驗證固定效應是否適合本文的空間收斂檢驗，本文基于極大似然估計法（ML）對模型進行重新估計，并報告了Hausman檢驗的結果（見表3、表4），結果表明選擇固定效應估計方法進行空間收斂檢驗是合理的。

4結論

在經濟服務化與低碳化的時代背景下，提高服務業碳生產率是實現服務業穩增長與碳減排雙重目標的關鍵途徑。本文基于2004—2016年中國30個省份的面板數據，對中國省域服務業碳生產率進行測度，并對其歷史演變軌跡和區域差異性進行分析，以此為基礎，系統考察中國服務業碳生產率的空間收斂性。主要結論如下。

第一，全國以及三大區域服務業碳生產率在整體上均呈現增長趨勢，東部服務業碳生產率年均增長率最高，西部次之，中部則略低于西部。中國省域服務業碳生產率數值存在明顯的空間非均衡特征，總體上表現出從東到西逐次遞減的格局。

第二，中國省域服務業碳生產率存在顯著的正向空間自相關關系，某一地區的服務業碳生產率會受到鄰近地區的影響。隨著時間的推移，服務業碳生產率的空間自相關程度呈現波動上升的走勢。

第三，全國及西部服務業碳生產率的省際差異并未隨著時間推移而縮小，東、中部服務業碳生產率的地區差異程度則在逐步下降。全國以及東、中、西部服務業碳生產率均存在顯著的絕對β收斂和條件β收斂特征，即服務業碳生產率較低的地區對高碳生產率地區存在“追趕效應”，并且各地區服務業碳生產率呈現向自身穩態水平趨同的態勢。空間效應加快了全國及東部服務業碳生產率的的β收斂速度。

第四，人均服務業增加值增長速度、部門結構以及能源消費結構對服務業碳生產率增長率均具有顯著的負向效應，人力資本則有利于服務業碳生產率的提升。上述因素對不同區域服務業碳生產率增長的差異化影響是服務業碳生產率區域差異形成的重要原因。

基于上述結論，本文的啟示有：①重視服務業領域日益凸顯的碳排放問題，以服務業碳生產率為重點指標，構建服務業低碳增長績效評價體系。②各地區可通過探索建立與周邊省份的定期會商制度，強化服務業清潔生產工藝與節能環保技術的跨地區交流合作，通過充分發揮空間互動效應來促進服務業碳生產率的區域協調發展。③由于中、西部服務業碳生產率不存在顯著的空間效應，可通過進一步完善中、西部地區的基礎設施，促進區域內部服務業生產要素的空間互動和優化重組。④各地區應因地制宜適當優化服務業能源結構與部門結構，同時需要注重推進人力資本積累和服務業穩增長。

（編輯：于杰）

參考文獻

[1]滕澤偉，胡宗彪，蔣西艷.中國服務業碳生產率變動的差異及收斂性研究[J].數量經濟技術經濟研究，2017（3）：78-94.

[2]王恕立，滕澤偉，劉軍.中國服務業生產率變動的差異分析——基于區域及行業視角[J].經濟研究，2015（8）：73-84.

[3KAYAY，YOKOBORIK.Environment，energyandeconomy：strategiesforsustainability[M].Tokyo：UnitedNationsUniversityPress，1998.

[4]楊翔，李小平，周大川.中國制造業碳生產率的差異與收斂性研究[J].數量經濟技術經濟研究，2015（12）：3-20.

[5]何建坤，蘇明山.應對全球氣候變化下的碳生產率分析[J].中國軟科學，2009（10）：42-47.

[6]SONGML，ZHANGLL，LIUW.Bootstrap-DEAanalysisofBRICSenergyefficiencybasedonsmallsampledata[J].Appliedenergy，2013，112（12）：1049-1055.

[7WANGZH，HEWJ，WANGB.PerformanceandreductionpotentialofenergyandCO2emissionsamongtheAPECsmemberswithconsideringthereturntoscale[J].Energy，2017，138（11）：552-562.

[8]潘家華，張麗峰.我國碳生產率區域差異性研究[J].中國工業經濟，2011（5）：47-57.

[9]張成，蔡萬煥，于同申.區域經濟增長與碳生產率——基于收斂及脫鉤指數的分析[J].中國工業經濟，2013（5）：18-30.

[10]于雪霞.區域碳生產率變化差異成因分析[J].中國人口·資源與環境，2015，25（S1）：344-349.

[11]諶偉，諸大建，白竹嵐.上海市工業碳排放總量與碳生產率關系[J].中國人口·資源與環境，2010，20（9）：24-29.

[12]王樹柏，李小平.中國制造業碳生產率變動對出口商品質量影響研究[J].上海經濟研究，2015（10）：87-96.

[13LIW，WANGW，WANGY，etal.HistoricalgrowthintotalfactorcarbonproductivityoftheChineseindustry：acomprehensiveanalysis[J].Journalofcleanerproduction，2018，170（1）：471-485.

[14]程琳琳，張俊飚，田云，等.中國省域農業碳生產率的空間分異特征及依賴效應[J].資源科學，2016（2）：276-289.

[15]程琳琳，張俊飚，何可.多尺度城鎮化對農業碳生產率的影響及其區域分異特征研究——基于SFA、E指數與SDM的實證[J].中南大學學報（社會科學版），2018（5）：107-116.

[16ZHOUP，ANGBW，HANJY.Totalfactorcarbonemissionperformance：aMalmquistindexanalysis[J].Energyeconomics，2010，32（1）：194-201.

[17]MENGMX，NIUD.Three-dimensionaldecompositionmodelsforcarbonproductivity[J].Energy，2012，46（1）：179-187.

[18LUZN，YANGY，JIANW.FactordecompositionofcarbonproductivitychangeinChinasmainindustries：basedontheLaspeyresdecompositionmethod[J].Energyprocedia，2014，61：1893-1896.

[19]LONGRY，SHAOTX，CHENH.SpatialeconometricanalysisofChinasprovince-levelindustrialcarbonproductivityanditsinfluencingfactors[J].Appliedenergy，2016，166（3）：210-219.

[20]李榮杰，張磊，趙領娣.中國清潔能源使用、要素配置結構與碳生產率增長——基于引入能源和人力資本的生產函數[J].資源科學，2016（4）：645-657.

[21]林善浪，張作雄，劉國平.技術創新、空間集聚與區域碳生產率[J].中國人口·資源與環境，2013，23（5）：36-45.

[22]劉習平，盛三化，王珂英.經濟空間集聚能提高碳生產率嗎？[J].經濟評論，2017（6）：109-123.

[23]謝會強，黃凌云，劉冬冬.全球價值鏈嵌入提高了中國制造業碳生產率嗎[J].國際貿易問題，2018（12）：113-125.

[24]邵桂蘭，常瑤，李晨，等.出口商品結構對碳生產率的門檻效應研究[J].資源科學，2019（1）：142-151.

[25GOUYETTEC，PERELMANS.ProductivityconvergenceinOECDserviceindustries[J].Structuralchange&economicdynamics，1997，8（3）：279-295.

[26]MULDERP，DEGROOTHLF.Sectoralenergy-andlabor-productivityconvergence[J].Environmentalandresourceeconomics，2007，36（1）：85-112.

[27]MULDERP，DEGROOTHLF，PFEIFFERB.Dynamicsanddeterminantsofenergyintensityintheservicesector：across-countryanalysis，1980-2005[J].Ecologicaleconomics，2014，100（4）：1-15.

[28]王許亮，王恕立.服務業能源生產率變遷及收斂性分析——基于全球40個經濟體細分行業數據的經驗研究[J].數量經濟技術經濟研究，2018（1）：42-59.

[29]肖挺.中國服務業分行業兩類全要素生產率變化及收斂性比較分析[J].管理評論，2017（8）：53-64.

[30]徐盈之，趙玥.中國信息服務業全要素生產率變動的區域差異與趨同分析[J].數量經濟技術經濟研究，2009（10）：49-60.

[31]劉興凱，張誠.中國服務業全要素生產率增長及其收斂分析[J].數量經濟技術經濟研究，2010（3）：55-67.

[32]肖挺.我國省份間服務業全要素生產率的檢驗分析[J].云南財經大學學報，2017（2）：70-82.

[33]朱國忠，喬坤元，虞吉海.中國各省經濟增長是否收斂？[J].經濟學（季刊），2014（3）：1171-1194.

[34]余泳澤.中國省際全要素生產率動態空間收斂性研究[J].世界經濟，2015（10）：30-55.

[35]龐瑞芝，王亮.服務業發展是綠色的嗎？——基于服務業環境全要素效率分析[J].產業經濟研究，2016（4）：18-28.

[36LEELF，YUJ.Somerecentdevelopmentsinspatialpaneldatamodels[J].Regionalscienceandurbaneconomics，2010，40（5）：255-271.

[37]ELHORSTJP.Matlabsoftwareforspatialpanels[J].Internationalregionalsciencereview，2014，37（3）：389-405.

[38MANKIWNG，ROMERD，WEILDN.Acontributiontotheempiricsofeconomicgrowth[J].Quarterlyjournalofeconomics，1992，107（2）：407-437.