服務業開放與地區綠色全要素生產率提升
——基于中國省際面板數據的實證分析

王 晗，何梟吟

（1.華中科技大學 經濟學院，湖北 武漢430074；2.鄭州大學 商學院，河南 鄭州450001）

一、引 言

2019年中國經濟總量接近100萬億元，人均GDP突破1萬美元大關，對世界經濟增長貢獻率達到30%左右，成為全球經濟走向復蘇的重要引領者（1）。但是經濟快速增長背后的生態環境問題日益凸顯，污染排放和能源消耗總量不斷擴大，傳統的粗放型經濟發展模式亟待調整，尤其是隨著我國經濟由高速增長階段轉向高質量發展階段，在實現經濟增長的同時更要注重環境保護與能源資源節約。當前國際上多邊、雙邊貿易投資協定內容普遍聚焦于服務業開放，同時服務業開放作為中國新一輪對外開放的關鍵著力點，在就業機會創造、貿易競爭力提升、經濟結構優化等方面發揮著舉足輕重的作用。那么服務業開放是否會促進我國各地區綠色全要素生產率的提高？不同地區的經濟規模、人力資本、金融發展與環境規制存在差異，這些異質性因素的存在將會產生什么影響?基于此，本文將就服務業開放對地區綠色全要素生產率的影響機理進行理論分析與實證檢驗，從而為貫徹綠色發展理念、轉換經濟增長動能提供有益借鑒。

綠色全要素生產率的研究主要集中于其測算方法與影響因素分析。Pittman（1983）通過擴展傳統的C-D生產函數模型，將能源消耗與污染產出納入生產過程之中，具體而言，就是在傳統全要素生產率分析框架下，將能源消耗作為投入指標，將污染物排放量作為非期望產出，重新進行投入產出效率的比較分析［1］。為了解決距離函數出現的徑向與角度問題，Fukuyama和Weber（2009）將Tone（2001）提出的基于松弛變量的SBM模型與方向性距離函數進行結合，構建出非徑向、非導向的SBM方向距離函數，既模擬了多投入、多產出的基本情況，又考慮了合意產出增加的同時非合意產出的減少，使得測算誤差進一步得到縮小［2-3］。國內研究對于綠色全要素生產率的測算方法主要有數據包絡分析的Malmquist指數法（胡曉珍和楊龍，2011）［4］、SBM方向性距離函數的Malmquist-Luenberger（ML）指數（謝婷婷和劉錦華，2019）［5］。關于綠色全要素生產率水平的影響因素，諶瑩和張捷（2016）基于能耗結構和技術進步的角度，發現碳排放的增加會降低綠色全要素生產率水平［6］。蔡烏趕和周小亮（2017）指出，環境規制通過技術創新、要素結構與FDI水平作用于綠色全要素生產率，不同類型的環境規制產生的影響效應并不相同［7］。張帆（2017）利用中國31個省份的面板數據實證發現，地區金融發展水平可以顯著促進綠色全要素生產率的增長，如果并不考慮環境污染等非期望產出因素，將會高估金融發展對生產率提高的積極作用［8］。任陽軍等（2019）認為，生產性服務業集聚與制造業集聚對綠色全要素生產率都是正向推動作用，而且生產性服務業集聚的促進作用較大［9］。

貿易開放與綠色全要素生產率的文獻可歸納為以下三大類：一是貿易開放促進綠色全要素生產率增長。景維民和張璐（2014）研究發現，進口對于綠色技術進步產生推動作用，其中研發活動的積極影響不可或缺［10］。李光龍和范賢賢（2019）認為，貿易開放將會促進技術進步，從而提升我國的綠色全要素生產率水平，且東部地區的正向促進作用更加顯著［11］。二是貿易開放抑制綠色全要素生產率增長。孫瑾等（2014）發現，對外開放阻礙了我國的綠色增長，而中部地區的負向效應最大，西部地區并不顯著［12］。李斌等（2016）利用省級面板數據得出外商直接投資不利于綠色技術進步，同時也并沒有提高綠色技術效率［13］。三是貿易開放對綠色全要素生產率的影響并不明顯。陳超凡（2016）、傅京燕等（2018）認為，盡管外商直接投資通過技術溢出效應改善了東道國的環境水平，但我國的外資引進質量總體較低，其正面效果并未充分發揮［14-15］。

本文試圖在以下方面做出邊際貢獻：①不同于已有文獻多從貿易開放或者總體FDI的角度分析，本文選取服務業開放為切入點，探討其與綠色全要素生產率水平之間的關系，使得研究視角更為細化；②雖然有部分研究關注服務貿易開放或者服務業FDI對綠色全要素生產率的影響［16-17］，但是都局限于行業層面的分析，并未探討服務業開放對地區層面綠色全要素生產率的影響及作用機理；③服務業開放對地區綠色全要素生產率的影響受到多種因素的約束，例如經濟規模、人力資本、金融發展、環境規制等，因此，本文進一步分析了服務業開放對地區綠色全要素生產率影響的非線性門檻效應。

二、理論分析與研究假設

（一）服務業開放與地區綠色全要素生產率的線性分析

服務貿易自由化和服務業外商直接投資是服務業開放的主要內容，也是影響綠色全要素生產率的重要因素。一方面，服務貿易開放為東道國帶來人力、資本、管理經驗等要素，通過溢出效應與關聯效應提高產業生產率、優化地區產業結構（季劍軍和曾昆,2016）［18］。一方面，服務貿易自由化能夠促進服務外包的發展，促使企業資源重新配置，激勵更多的研發投入、技術創新來提升制造業生產效率（張艷等，2013［19］；Bas，2014［20］）。同時服務業FDI的引進加劇了本地區的市場競爭，促使東道國企業學習模仿先進的經驗模式，改善服務產品質量，最大程度發揮技術轉移與知識外溢效應，實現全要素生產率的增長（Fernandes和Paunov，2012［21］；王恕立和滕澤偉，2015［22］）。另一方面，服務業開放對于地區環境而言存在“污染光環”效應。跨國服務企業往往具有先進的綠色生產工藝和嚴格的污染排放限制，通過行業內競爭示范效應帶動本地企業對標國際化環境治理標準，發揮產業鏈上下游的前向后向聯系效應促進地區產業轉型升級，降低地區環境污染水平，從而實現產業結構的低碳化、綠色化（Poelhekke和Ploeg，2015）［23］。據此，本文提出假設1。

假設1：服務業開放顯著促進了地區綠色全要素生產率的增長。

（二）服務業開放與地區綠色全要素生產率的非線性分析

1.經濟規模門檻效應

技術進步是綠色全要素生產率增長的動力源泉，而技術吸收能力與一個國家或地區的經濟發展規模密不可分。當地區經濟規模處于初級階段時，社會主要資金集中于生產部門，同時自身的技術水平較低，并不能有效吸收貿易開放所帶來的先進技術。隨著經濟規模發展到一定階段，研發創新活動受到重視并獲得大量資金，東道國企業消化吸收先進技術的能力得到增強。張宇（2008）［24］、何興強等（2014）［25］指出，經濟發展水平對于中國FDI技術溢出存在著門檻效應，地區經濟總量越大，具有更強的競爭承受能力與技術學習能力，使得FDI技術溢出效應越為顯著。較之于傳統技術，綠色技術需要更多的資金支持和技術投入，其所對應的技術吸收水平與經濟發展階段更高（齊紹洲和徐佳，2018）［26］。這意味著只有當地區的經濟規模發展到一定水平時，才能夠有效吸收服務業開放帶來的綠色技術溢出和擴散效應，促進地區綠色全要素生產率的提升。據此，本文提出假設2。

假設2：服務業開放對地區綠色全要素生產率的影響存在經濟規模門檻效應。

2.人力資本門檻效應

人力資本狀況是影響地區綠色全要素生產率的重要渠道。人力資本積累能夠為東道國開展自主研發和技術創新活動提供高素質的勞動者，推動前沿生產技術與領先管理模式的引進，滿足跨國投資活動的技術人才需求，從而有效承接國際高附加值產業轉移，優化地區產業結構，提高綠色生產效率（協天紫光等，2019）［27］。當地區人力資本水平相對較低時，服務業開放主要依賴廉價的勞動力來獲得市場競爭優勢，大量低技能勞動力進入服務業及相關產業。而當人力資本水平得到進一步提升時，服務業開放的重點轉變為資本密集型及技術密集型產業，對低技能勞動力的需求不斷下降，而吸納高技能勞動力的能力持續增強，在研發設計、產品生產和品牌營銷上投入更多的高端人才，促進綠色生產率的提高（孫湘湘和周小亮，2019）［28］。因此，當人力資本水平較低時，服務業開放吸納高素質人才的能力不強，對于綠色全要素生產率的促進效應并未充分顯現。據此，本文提出假設3。

假設3：服務業開放對地區綠色全要素生產率的影響存在人力資本門檻效應。

3.金融發展門檻效應

金融發展能夠為實現地區綠色全要素生產率的增長提供有力的資金支撐，也對FDI環境效應的發揮產生不小的影響。一方面，金融發展水平較高的地區會吸引更多的服務業FDI流入，增強金融市場與金融中介的融資效率，為外部融資依賴度高的產業創造更多的融資途徑，降低本地企業參與國際市場競爭的資金成本，使得其更易于學習應用先進的綠色技術（鄭強等，2017）［29］；另一方面，較高的金融發展水平有利于提高風險分散能力，減少貿易開放中技術創新活動所面臨的風險，刺激本國企業增加對先進技術和環保技術的投資支出，加快淘汰高污染、高能耗產業企業，減少能源消耗和污染排放（葛鵬飛等，2018）［30］。由此可知，過低的金融發展水平削弱了服務業開放帶來的融資支持，不利于地區綠色全要素生產率的增長。據此，本文提出假設4。

假設4：服務業開放對地區綠色全要素生產率的影響存在金融發展門檻效應。

4.環境規制門檻效應

環境規制強度既是作用于地區綠色全要素生產率的關鍵因素，也是跨國投資和國際產業轉移中不容忽視的約束限制。為了給地區經濟增長帶來更多的外商直接投資，地方政府會實施無序化的“逐底競爭”行為，以寬松的環境規制力度引進低質量、高污染的外資外企，而環境規制“低水平”均衡使其成為“污染避難所”（吳偉平和何喬，2017）［31］。“波特假說”認為，設計合理的環境規制能夠激發被規制企業的技術創造性，從而產生“創新補償效應”，該效應可以部分甚至完全抵消遵循環境規制的成本，帶來企業競爭力與產業生產率的提升。黃光燦等（2019）指出，環境規制標準的提高推動了工業行業的技術創新，進而引致出國際資本流量的擴大，同時大量外資進入極大地刺激了技術再進步，形成技術創新與外商投資的良性互動［32］。因此，當環境規制達到一定強度之后，服務業開放通過環境技術創新溢出對地區綠色全要素生產率產生積極作用。據此，本文提出假設5。

假設5：服務業開放對地區綠色全要素生產率的影響存在環境規制門檻效應。

三、研究設計

（一）模型構建

為檢驗服務業開放是否提高了各省份的綠色全要素生產率，本文構建如下計量模型：

其中：i和t分別代表省份和年度；gtfpit為被解釋變量，表示各省份的綠色全要素生產率；seropenit為核心解釋變量，表示各省份的服務業開放程度，若α1顯著且大于0，則表明服務業開放能夠推動我國各省份的綠色全要素生產率增長；向量Xit代表影響綠色全要素生產率的其他控制變量；μi和γt分別為個體效應和時間效應；εit為隨機誤差項。

為了驗證假設2至假設5，本文借鑒Hansen（1999）的研究思路［33］，構建非線性面板門檻回歸模型，基本設定如下：

其中：q為門檻變量；λ表示待估計的門檻值；I(·)為門檻指示函數，當滿足括號內的條件時，其取值為1，反之則取值為0；其余變量的基本含義與式（1）相同。給定任意的λ，在進行回歸系數估計時，均可得到對應的殘差平方和S1( λ)，因此在可行范圍內會有多個S1( λ)，其中使得S1( λ)達到最小值的λ*為最優門檻值，即

確定好門檻值之后，要對門檻效應是否存在進行顯著性檢驗，這一檢驗的原假設是H0:β1=β2，備擇假設為H1:β1≠β2，則構建的統計量為：

S0(λ)和S1( λ*)分別是在假設條件H0和H1下進行參數估計所得到的殘差平方和，σ12為條件H1下參數估計獲得的殘差方差。假如H0成立，則不存在門檻效應，反之則存在。利用Bootstrap方法得到F統計量的漸進分布，同時計算出基于似然比檢驗的P值，若P值顯著，則意味著拒絕原假設，模型存在門檻效應。

模型（2）是單一門檻模型，考慮可能存在多個門檻值，進一步將模型擴展為多門檻模型：

（二）變量選取與數據說明

（1）綠色全要素生產率（gtfp）。區別于傳統的全要素生產率測算體系，綠色全要素生產率將環境因素納入其分析框架之中，即考慮能源消耗與環境污染產出的存在。本文運用非徑向非角度SBM方向性距離函數，并結合Global Malmquist-Luenberger（GML）指數測算出各地區的綠色全要素生產率。

測算綠色全要素生產率需要四種指標，即資源性投入、非資源性投入、期望產出和非期望產出。①資源性投入采用各省份能源消耗總量來表示，將煤炭、石油、天然氣等各類能源投入量折算成標準煤度量。②非資源性投入包括勞動力和資本投入，勞動力投入用各省份年末就業人員總數進行衡量，同時用物質資本存量作為資本投入的代理變量。借鑒單豪杰（2008）的做法［34］，通過永續盤存法計算各省份歷年物質資本存量，基本公式為：Kit=Kit-1(1-δ)+Iit，其中Kit和Kit-1分別表示i省份在t時期、t-1時期的物質資本存量，資本折舊率δ選取10.96%，以2007年物質資本存量為基期，估算出2007—2019年各省份的資本存量。③期望產出選用各省份實際地區生產總值，并以國家統計局公布的GDP平減指數進行折算，將各省份名義GDP調整為以2007年為基期的實際GDP。④基于二氧化碳排放量、工業二氧化硫排放量、工業廢水排放量和工業固體廢棄物排放量數據，利用熵值法計算出各省份的環境污染綜合指數作為非期望產出。由于統計年鑒并未公布二氧化碳排放量的相關數據，本文根據Pan等（2008）的測算方法［35］，假定二氧化碳排放系數為2.13噸二氧化碳/每噸標準煤，用每年能源消費量乘以二氧化碳排放系數估算得到二氧化碳排放量。

由于GML指數反映的是當年綠色全要素生產率相對于前一年的變化率，并非綠色全要素生產率本身值，因此設定基期即2007年的綠色全要素生產率為1，之后依次與各年度的GML指數相乘，便可以得到各年度的綠色全要素生產率。基于以上方法，利用MaxDEA7.0軟件測算2007—2019年我國30個省份（不含西藏和港澳臺地區）歷年的綠色全要素生產率。

（2）服務業開放（seropen）。現有研究主要從服務業的跨國資本流動即服務業FDI（Arnold et al.，2011）［36］和服務業進出口總規模（陳啟斐和劉志彪，2014）［37］的角度來衡量服務業開放程度，或者綜合考慮外資依存度和外貿依存度兩個不同方面（陳麗嫻和魏作磊，2016）［38］。囿于省份數據的可得性，本文借鑒劉斌等（2018）的方法［39］，采用服務業外資依存度來代表服務業開放程度，公式如下：

其中：SFDIit表示i省份在t時期的服務業實際利用外商直接投資額；TFDIit表示i省份在t時期的實際利用外商直接投資總額。由于吉林、寧夏、四川、青海個別年份的統計年鑒沒有給出服務業外商直接投資額，這里采用同一時期的服務業增加值占地區總增加值的比重近似替代。

（3）門檻變量。①經濟規模（lnpgdp）。用各省份人均實際GDP來衡量地區經濟發展規模，這里的人均實際GDP是以2007年為基期，并利用居民消費價格指數進行平減，同時取其對數形式。②人力資本（human）。使用平均受教育年限來刻畫人力資本水平，計算方式為H1×6+H2×9+H3×12+H4×16，其中H1、H2、H3、H4分別表示各省份小學、初中、高中、大專及以上四類受教育程度人口占6歲及以上人口的比重。③金融發展（finance）。通常采用金融資產價值相對于經濟活動總量的比重來衡量地區的金融發展能力，因此用各省份金融機構年末存款貸款余額與GDP之比來表示。④環境規制（envir）。選取各省份實際GDP與能源消費總量之比來表征環境規制強度，更好地反映政府實施環境規制的影響效果。

（4）控制變量。①地區產業結構（indus）。從產業結構高級化的角度，采用第三產業產值與第二產業產值之比來表示各省份的產業結構狀況。②社會固定資產投資（invest）。選取全社會固定資產投資總額與GDP的比值進行衡量。③政府財政支出（fiscal）。使用地方公共財政支出占GDP的比重表示政府財政支出水平。④市場化水平（market）。采用非國有單位就業人數與地區就業總人數之比表示各省份的市場化水平。

上述各主要變量的描述性統計見表1所列。

表1 主要變量描述性統計

本文使用的數據來源于2007—2019年的《中國統計年鑒》《中國能源統計年鑒》《中國環境統計年鑒》《中國人口與就業統計年鑒》《中國科技統計年鑒》以及各省份相應年份的統計年鑒，因數據缺失或統計口徑不一致，研究對象沒有包括西藏和港澳臺地區，最終選取30個省份作為研究對象。

四、實證分析

（一）基準回歸

在進行基準回歸之前，針對計量模型中可能存在的多重共線性問題和偽回歸現象作出如下分析：①通過計算方差膨脹因子（VIF）來考察多重共線性問題，結果顯示各變量的方差膨脹因子均明顯小于10，說明計量模型并不存在嚴重的多重共線性問題；②為了避免出現偽回歸現象，進行變量的平穩性檢驗即單位根檢驗，分別選用基于同質面板單位根假設的LLC檢驗以及異質面板單位根假設的IPS檢驗、ADF-Fisher檢驗和PP-Fisher檢驗。表2報告出主要變量的平穩性檢驗結果，可以看出四種方法下絕大多數變量的一階差分序列都通過了1%的顯著性水平檢驗，因此所選取的變量數據是平穩的。

表2 主要變量平穩性檢驗

1.全國層面

傳統的固定效應模型只強調突出個體間的差異，并未關注不同時期及不同個體間的殘差相關關系，導致模型估計出現一定的偏誤，因而本文采用雙向固定效應模型，綜合考慮個體固定效應和時間固定效應的影響。見表3所列，第（1）列和第（2）列是基于混合OLS回歸方法分析服務業開放對全國綠色全要素生產率的影響程度，可以發現服務業開放顯著地提升了綠色全要素生產率水平；第（3）列和第（4）列是控制個體效應和時間效應之后的實證結果，服務業開放對于我國綠色全要素生產率依然是正向促進作用。由第（4）列的結果可知，服務業開放程度每提高1%，綠色全要素生產率上升0.245 7%。總體而言，盡管不同方法下服務業開放的估計回歸系數存在差別，但是其對綠色全要素生產率的正向推動作用始終存在，并且均通過了5%的顯著性水平檢驗，即假設1得到驗證。

表3 服務業開放對地區綠色全要素生產率的影響（全國層面）

續表3

2.區域層面

由于我國不同省份間的經濟發展水平和服務業開放程度存在較大差異，本文以各省份所處經濟地區為參照依據，將30個省份劃分為東部地區、中部地區和西部地區（2）。表4報告了分地區的估計結果，可以看出東部地區和中部地區的服務業開放與本地區綠色全要素生產率均呈現出顯著的正相關關系，從服務業開放的估計系數值和顯著性水平來看，東部地區的促進作用明顯優于中部地區。西部地區服務業開放的回歸系數在OLS方法下是顯著正向的，但是控制個體效應和時間效應之后，其對綠色全要素生產率的提升作用并不顯著。東部地區和中部地區經濟基礎良好，產業結構較為協調，外向型經濟發展水平高，更易于承接服務業國際產業轉移，學習吸收先進的管理模式和綠色技術，促進本地區綠色全要素生產率的增長。而西部地區經濟總量規模偏小，對外貿易競爭力不強，難以吸引高附加值的服務產業如金融業、信息服務業和環保產業，更多的是承接國際國內效益低、能耗高、污染大的落后產能，不利于地區綠色全要素生產率的提升。

表4 服務業開放對地區綠色全要素生產率的影響（區域層面）

續表4

（二）門檻效應模型分析

一般而言，進行面板門檻回歸之前，需要檢驗門檻效應是否存在，從而確定門檻水平及門檻個數。本文利用“自舉法”（Bootstrap）重復抽樣300次得到對應的P值和門檻值，由于樣本時間跨度較小，故只需要進行單一門檻和雙重門檻檢驗。見表5所列，在以經濟規模、人力資本和環境規制為門檻變量時，服務業開放對綠色全要素生產率的影響表現為雙重門檻效應，而以金融發展為門檻變量時，僅通過了單一門檻的顯著性檢驗。

表5 門檻顯著性檢驗及門檻值估計結果

以經濟規模作為門檻變量時，服務業開放對于地區綠色全要素生產率表現為顯著的雙重門檻效應。表6第（1）列報告了經濟規模的門檻估計結果，當人均GDP低于第一個門檻值10.532 1時，服務業開放對地區綠色全要素生產率的影響系數在5%統計水平上顯著為正；當人均GDP跨過第一個門檻值但未達到第二個門檻值11.156 9時，在1%的顯著性水平上，服務業開放的影響系數增加到0.234 0；當人均GDP跨過第二個門檻值之后，服務業開放對地區綠色全要素生產率的正向促進作用明顯增強。因此，經濟發展規模越大，服務業開放越有利于地區綠色全要素生產率的提升，即假設2得到驗證。

表6 門檻效應模型的回歸結果

由表7可知，在樣本數據期初的2007年，包括河北在內的25個省份均未跨越經濟規模的第一個門檻值，只有北京在內的5個省市跨過第一個門檻值，但是全國沒有省份跨過第二個門檻值。2019年北京等5個省份跨過第二個門檻值，廣東等11個省份跨過第一個門檻值，仍有近一半的省份處于經濟規模的第一個門檻值之下，表明我國各省份的經濟規模實現了穩步的增長，但需要持續增強地區經濟發展的動力。

表7 各省份經濟規模門檻通過情況

以人力資本作為門檻變量時，服務業開放對于地區綠色全要素生產率具有顯著的雙重門檻效應。表6第（2）列報告了人力資本的門檻估計結果，當其未跨越第一個門檻值10.773 4時，服務業開放對地區綠色全要素生產率的促進作用為0.227 8，且在1%統計水平上顯著；當跨過第一個門檻值之后，其影響系數在1%統計水平上顯著為0.365 0；隨著人力資本水平跨越第二個門檻值11.172 6，服務業開放對綠色全要素生產率的正向推動作用上升至0.491 8。由此可見，人力資本水平的不斷提高強化了服務業開放對地區綠色全要素生產率的正面促進效應，即假設3得到驗證。

由表8可知，2007年，全國大部分省份都沒有跨過人力資本第一個門檻值，跨越第一個門檻值的地區只有上海和天津，北京是唯一跨過第二個門檻值的。2019年，包括河北在內的22個省份依然未跨越人力資本門檻，同時江蘇等5個省份跨越第一個門檻值，北京、上海和天津跨越第二個門檻值，由此可知，我國各省份的人力資本水平仍有較大的提升空間。

表8 各省份人力資本門檻通過情況

以金融發展作為門檻變量時，服務業開放對于地區綠色全要素生產率表現出顯著的單一門檻效應。表6第（3）列報告了金融發展的門檻估計結果，當金融發展能力低于門檻值5.117 6時，服務業開放對地區綠色全要素生產率的影響系數為正，且在1%的統計水平上顯著為0.249 5；當金融發展能力越過門檻值之后，服務業開放與地區綠色全要素生產率的關系顯著正相關，估計影響系數增加到0.576 6。由此可見，隨著金融發展能力的提高，其對地區綠色全要素生產率積極促進作用不斷增強，即假設4得到驗證。

由表9可知，在樣本數據期初的2007年，除了北京和上海之外，全國其他省份的金融發展能力均低于門檻值5.117 6，而至2019年，北京、上海、浙江、海南四個省份跨過門檻值，但是全國絕大部分省份仍未跨越金融發展門檻，這也說明我國各省份金融發展能力普遍處于較低水平。

表9 各省份金融發展門檻通過情況

以環境規制作為門檻變量時，服務業開放對于地區綠色全要素生產率具有顯著的雙重門檻效應。表6第（4）列報告了環境規制的門檻估計結果，當環境規制低于第一個門檻值1.287 5時，服務業開放對地區綠色全要素生產率存在負向影響，但未通過統計水平檢驗；當環境規制跨越第一個門檻但未達到第二個門檻值1.815 3時，服務業開放的影響由負向轉為正向，并在1%統計水平上顯著；當環境規制跨過第二個門檻時，服務業開放的正面促進效應上升至0.302 5。因此，伴隨著環境規制強度的逐漸提升，服務業開放對地區綠色全要素生產率的推動作用也在不斷加強，即假設5得到驗證。

由表10可知，2007年，包括河北在內的24個省份沒有跨過第一個門檻值1.287 5，環境規制跨越第一個門檻的地區有北京等5個省市，僅上海跨過了第二個門檻值。2019年包括北京在內的6個省市跨越第二個門檻值，跨過環境規制第一個門檻的地區有天津等13個省份，全國只有11個省份沒有跨越環境規制門檻，可見我國各省份的環境規制狀況有了一定程度的改善。

表10 各省份環境規制門檻通過情況

（三）穩健性檢驗

1.內生性問題處理

為了檢驗回歸結果是否受到內生性干擾，本文采用工具變量法對模型重新進行估計，這里選取服務業開放程度的滯后一期及滯后二期分別作為工具變量，依次進行2SLS估計、IV-GMM估計。由于需要驗證工具變量選擇的有效性，本文將分別進行識別不足、弱工具變量和過度識別的檢驗，由表11可知，Kleibergen Paap rk LM統計量的P值均顯著小于0.01，拒絕了工具變量識別不足的原假設；Cragg Donald Wald F統計量的值均顯著大于Stock Yogo檢驗在10%顯著水平上的臨界值16.38，同樣是強烈拒絕了弱工具變量的原假設；本文的工具變量與內生變量是一一對應的，因此不存在工具變量過度識別的問題。在考慮內生性問題之后，兩種不同方法下服務業開放的估計系數始終為正值，而且均通過了5%水平的顯著性檢驗，即擴大服務業開放程度會顯著提高地區綠色全要素生產率水平，與前文主要結論總體上是一致的。

表11 內生性問題的檢驗結果

續表11

2.更換核心變量的衡量方法

本文借鑒申明浩和劉文勝（2016）的方法［40］，從服務業貿易出口額（以國際旅游外匯收入近似替代）和服務業實際利用外商直接投資額兩個角度，綜合測算各省份的服務業開放程度（open）。表12報告了穩健性估計結果，可以看出服務業開放顯著促進了我國綠色全要素生產率的增長，其中東部地區和中部地區服務業開放的影響系數顯著為正，而西部地區盡管表現為正向作用，但是在統計水平上依然并不顯著，其他控制變量的回歸系數與顯著性水平變化不大，從而表明本文的研究結論是穩健可信的。

表12 穩健性檢驗：更換核心變量衡量方法

五、主要結論與政策建議

（一）主要結論

本文在理論分析服務業開放與地區綠色全要素生產率關系的基礎上，利用非線性面板門檻模型，從經濟規模、人力資本、金融發展和環境規制四個角度實證檢驗服務業開放對地區綠色全要素生產率的門檻效應，主要結論如下：

（1）從全國層面上看，服務業開放對地區綠色全要素生產率提升具有積極的正向影響；從區域層面來看，服務業開放的影響系數呈現出明顯的地區異質性，其中東部地區和中部地區顯著為正，且東部地區促進作用大于中部地區，而西部地區盡管影響系數為正，但是并不顯著。

（2）經濟規模、人力資本、金融發展和環境規制四個因素對地區綠色全要素生產率均存在顯著的門檻效應，除金融發展為單一門檻，其余因素均為雙重門檻。跨越經濟規模、人力資本和金融發展的門檻前后，服務業開放的影響系數始終為正，跨過門檻值之后不斷增大。對于環境規制門檻而言，服務業開放的影響效應在跨過第一個門檻值之后，由負向轉為正向并逐漸增強。

（3）全國不同省份基于四個門檻變量的通過情況存在一定差異，具體表現為跨越經濟規模門檻和環境規制門檻的省份較多，跨越人力資本門檻的省份次之，而跨越金融發展門檻的省份還較少。客觀反映出我國各個省份在經濟發展規模和環境規制強度方面取得了較大的改善，但是人力資本水平和金融發展能力仍需進一步提高。

（二）政策建議

（1）立足當前構建以國內大循環為主體、國內國際雙循環相互促進的新發展格局，充分發揮好我國超大規模的市場優勢，全面推動我國服務業對外開放進程。遵循漸進開放、重點突破的基本原則，對標國際高標準經貿規則，分步驟分階段擴大我國服務業對外開放，大幅度放寬市場準入限制，盡快實施在金融保險業、電信服務業、物流倉儲業、教育醫療業等主要服務行業承諾的開放舉措。優化整合服務行業在機構設置、執業資格、業務經營等環節的審批流程，避免出現監管空白、重復監管等問題，形成與負面清單管理方式相銜接的事中、事后監管制度。穩妥推進東中西部地區服務業開放，發揮好海南自由貿易港、自由貿易試驗區、服務貿易創新發展試點地區的引領帶動作用，構建起多層次、寬領域、輻射廣的服務業開放格局，實現區域間服務要素合理有序流動，推動地區綠色全要素生產率增長。

（2）經濟水平落后地區要以自身的區位條件與產業基礎為立足點，將服務業與其他產業的深度融合作為經濟發展的重要突破口，更好地發揮地區首創精神，著力培育好服務業新模式、新業態。積極承接國際及經濟發達地區的服務業梯度轉移，擴大資金、人才、技術、數據等要素流入，大力發展研發設計、倉儲物流、檢測維修、金融會計等生產性服務業，推動服務業與制造業深度融合、協同發展，打造出更多地區經濟增長極。加快地區人力資本積累，破除阻礙服務業人員流動和技能提升的各種制約因素，推進高等教育綜合改革，完善職業教育培訓體系，促進勞動力市場的供需匹配。支持服務業在內的主要行業增加人力資本投資，提高低技能勞動力的技能水平，吸納應用型、復合型和創新型技術人才，鼓勵支持服務企業開展員工技能培訓等活動，改善地區的人力資本質量。

（3）進一步擴大金融業全面開放，放寬甚至取消外資在金融機構的持股比例和業務范圍限制，深化資本市場雙向開放力度，鼓勵各類金融機構“引進來”與“走出去”結合。以人工智能、區塊鏈、云計算等新興技術為依托，加大金融產品的創新力度，大力發展科技金融、數字金融。樹立綠色金融發展導向，引導金融資源向資源節約型、環境友好型產業傾斜。摒棄犧牲資源環境來換取經濟增長的錯誤觀念，將資源消耗、環境損害等指標納入地方經濟發展評價和政績考核之中。鞏固增強環境規制的力度，提高外資外企進入的環保標準，吸引高技術、低能耗、低污染的跨國企業進駐，著力引進知識技術密集型、生態環境友好型的跨國企業。制定切實可行的污染排放標準和環保目標，注重運用市場化手段來約束排污主體的行為。保持環保政策執行的連續性，避免出現“運動式”環境執法，建立起制度化、常態化、長效化環境監管機制。

注 釋：

（1）數據來源于《中華人民共和國2019年國民經濟和社會發展統計公報》。

（2）東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南；中部地區包括山西、吉林、黑龍江、安徽、江西、河南、湖北和湖南；西部地區包括內蒙古、廣西、四川、貴州、云南、重慶、陜西、甘肅、青海、寧夏和新疆。