新質生產力賦能的產業協同集聚、技術創新與綠色經濟效率

摘 要：結合空間計量模型與中介效應分析方法，基于2009—2022年我國省級數據，考察新質生產力賦能的產業協同集聚對綠色經濟效率的影響以及技術創新在其中所起的中介作用。相對于傳統中介效應分析，考慮空間效應的中介效應分析可以修正由于忽略空間相關關系而導致的偏誤，并可以通過空間效應分解更準確地識別出變量間的影響關系。結果顯示：（1）中國省際間的綠色經濟效率具有顯著的空間交互效應和跨期交互效應。（2）產業協同集聚短期內對本地區及其他地區的綠色經濟效率具有顯著促進作用，而長期內可能存在過度集聚而產生“擁塞效應”。（3）產業協同集聚在短期內對其他地區的技術創新具有顯著抑制作用，即產業協同集聚對技術創新的影響可能存在“擁塞效應”和“路徑依賴效應”。（4）傳統中介效應分析和基于空間計量模型的中介效應分析具有明顯差異，傳統中介效應分析方法下技術創新不具有“中介效應”，而基于空間計量模型的中介效應分析顯示，技術創新在產業協同集聚對綠色經濟效率的影響中具有“部分中介效應”。

關鍵詞：新質生產力；產業協同集聚；技術創新；綠色經濟效率；空間計量；中介效應

中圖分類號：F061.5；F062.9

文獻標識碼：A

文章編號：1673-9841（2024）05-0042-14

一、引 言

隨著中國城市經濟水平的迅速提升，隨之而來的還有日益嚴重的資源消耗和環境污染問題。黨的二十大報告強調，全面建成社會主義現代化強國，總的戰略安排是分兩步走：從2020年到2035年基本實現社會主義現代化；從2035年到本世紀中葉把我國建成富強民主文明和諧美麗的社會主義現代化強國。其中，建設美麗中國要聚焦于推動綠色發展，促進人與自然和諧共生。2023年9月習近平總書記在黑龍江考察調研時提出加快形成新質生產力。2024年7月黨的二十屆三中全會提出“因地制宜發展新質生產力”，并且“要健全因地制宜發展新質生產力體制機制”。新質生產力強調通過技術進步實現生產力變革和效率提升，從而推動社會進步和可持續發展。新質生產力的核心是技術創新，目標是經濟可持續發展。綠色經濟效率（Green Economic Efficiency，簡稱GEE）是衡量經濟可持續發展的重要指標，不僅可以有效測度生產過程中的傳統要素利用問題，還可以綜合評價經濟和環境的協調發展水平。在綠色發展昭示未來的大勢下，如何發展新質生產力、推動經濟模式轉變，特別是如何促進區域綠色經濟效率提升，已成為專家學者的重要研究對象。

產業集聚體現了新質生產力在特定區域內的集中表現，新質生產力強調產業與科技創新深度融合，而產業集聚提供了這種融合的實際基礎。產業集聚作為新質生產力的重要表現和推動力量，對綠色經濟效率具有重大影響。一方面規模經濟有利于提高資源配置效率［1］，進而促進城市綠色經濟發展；另一方面因利益沖突導致的惡性競爭、因生產與人口高度密集導致的過度消耗等問題也可能制約城市綠色經濟發展，這說明產業集聚不僅能形成有利于經濟發展的集聚效應，還可能會產生阻礙地區經濟發展的“擁塞效應”［2-3］。關于產業集聚影響綠色經濟效率的主要途徑，有學者通過將綠色經濟效率分解為技術效率和技術進步，發現技術進步是促進綠色全要素生產率提升的關鍵［4］。因此，有必要考察技術創新在產業集聚影響綠色經濟效率中所發揮的作用，進一步對產業集聚能否以及如何通過技術創新影響地區綠色經濟效率進行深入探究。

二、文獻綜述

已有研究對綠色經濟效率的探究主要有以下三個方面：一是綠色經濟效率的測度［5-6］。多數文獻利用數據包絡分析（DEA）方法進行測度，這種方法可以綜合度量綠色經濟效率。二是綠色經濟效率的時空差異研究。時間維度上對綠色經濟效率進行分時段分析，多數研究認為中國區域綠色經濟效率隨時間呈上升趨勢［7］。空間維度上通常先整體、后分區域分析，研究普遍認為中國綠色經濟效率存在空間差異，東部最高、西部次之、中部最低，省份間的差異性有所下降［8］。三是綠色經濟效率的影響因素研究。現有文獻主要分析了產業集聚、環境規制、產業結構、外商直接投資、財政分權、政府干預等因素對綠色經濟效率的影響［9-11］。其中，產業集聚對綠色經濟效率的影響尚未有定論，已有研究存在不同看法：一方面，產業協同集聚是產業集聚的高級階段，在一定集聚水平內，產業協同集聚有利于形成規模經濟，不僅可以降低區域成本，還能通過產業間競爭與合作推動形成知識與技術的溢出效應，是促進經濟高質量發展的重要手段［12］。另一方面，集聚要素可能會產生“擁塞效應”，即當集聚水平過高時，資源配置效率被抑制，綠色經濟發展水平不再隨著集聚水平的提高而提高，集聚水平反而會對經濟高質量發展產生負向作用［2-3］。

現有文獻對產業集聚與綠色經濟效率的關系進行了諸多探索，在此基礎上，少數學者開始探究產業集聚影響綠色經濟效率的內在機制，例如，黃慶華等發現技術進步是制造業集聚提升長江經濟帶經濟發展質量（以綠色全要素生產率作為衡量指標）的主要途徑［13］。關海玲等通過將綠色全要素生產率分解為技術進步和技術效率變動指數，發現技術進步引導下的科技創新活動是區域間綠色全要素生產率提升的關鍵［4］。進一步地，有學者嘗試借助中介效應方法，檢驗技術創新在產業協同集聚對經濟效率的影響中是否起到中介變量作用。例如，金浩等利用傳統三段式線性中介效應模型，證實了產業協同集聚對經濟增長具有直接促進作用，并且技術創新在其中發揮了部分中介作用［14］。遺憾的是，該研究尚有不足之處值得改進：一方面，目前我國對經濟發展的追求不僅要高水平，更要高質量，因此，需要更多地關注綠色經濟發展水平而非簡單的GDP增長；另一方面，該研究是基于線性回歸模型進行的中介效應分析，而一般線性回歸模型假定不同個體間是相互獨立的，忽視了個體間被解釋變量和解釋變量可能存在的空間相關關系，進而產生遺漏變量風險。為克服一般線性回歸模型的缺陷，部分學者嘗試將空間相關關系納入中介效應分析研究框架。例如，李成剛等構建了空間計量模型并結合中介效應檢驗方法進行實證分析［15］，但其僅考慮了變量系數的點估計值，忽視了個體間空間相關關系對中介效應可能產生的影響。事實上，對于空間計量模型，某個體的特征變量發生變化在導致其自身被解釋變量發生改變的同時，其他個體也會因空間相關關系的存在而受到關聯影響并再反饋于自身，這時僅考慮變量系數的點估計值來進行中介效應分析可能會存在偏誤，進而得出誤導性的研究結論，因此，需要使用更加精確的計算方式來進行中介效應分析。

從已有研究來看，產業集聚很可能通過技術創新影響綠色經濟效率，然而，關于產業集聚對技術創新的影響也有正外部性和負外部性兩類。一方面，產業集聚可以加速知識的溢出效應，有利于創新主體整合創新要素、節約創新成本、提升創新績效，從而促進區域技術創新產出和水平的提升。劉勝等發現制造業與生產性服務業協同集聚對企業技術創新具有顯著促進作用［16］。湯長安等引入探索性空間數據分析（ESDA）方法和空間計量模型，發現制造業和生產性服務業產業協同集聚對地區技術創新存在顯著正向空間溢出效應［17］。另一方面，產業集聚可能存在“擁塞效應”和“路徑依賴效應”。這里的“擁塞效應”是指，當集聚水平過高時，知識和技術的外溢效應不再顯著，規模效應衰退，對技術創新逐漸出現阻礙作用。“路徑依賴效應”是指產業協同集聚容易將產業布局和產業發展層次鎖定在中低端價值鏈，阻礙技術擴散和變革，抑制技術創新。謝波在探究資源型產業集聚對區域創新能力的作用機制時發現，中西部地區的資源產業集聚能夠顯著抑制技術創新能力的提升［18］。原毅軍等發現生產性服務業集聚可顯著促進技術創新，制造業產業集聚與技術創新呈倒“U”形關系，且東部省份制造業產業因過度集聚而產生了技術負外部性［19］。因此，有必要深入探究產業協同集聚與技術創新的關系以及產業協同集聚是如何通過技術創新影響綠色經濟效率的。

綜合以上研究可以發現，已有研究在產業集聚與綠色經濟效率、產業集聚與技術創新等方面進行了深入分析與討論，但還存在以下不足之處：（1）現有研究關于產業集聚與綠色經濟效率的關系、產業集聚與技術創新的關系還存在爭議，并且缺少產業協同集聚對綠色經濟效率影響路徑的進一步分析，無法明確技術創新在其中發揮的作用。（2）部分研究嘗試借助中介效應方法探究技術創新的作用，但一般線性回歸模型忽視了不同個體間被解釋變量和解釋變量可能存在的空間相關關系，進而產生遺漏變量風險。（3）將空間相關關系納入中介效應分析框架的研究還不多，少數基于空間計量模型的中介效應分析，僅考慮了變量系數的點估計值，忽視了個體間空間相關關系對中介效應可能產生的影響，可能得出誤導性的研究結論?；诖?，本文擬在進行中介效應分析時，通過將空間效應分解為短期直接效應、短期間接效應、長期直接效應和長期間接效應，檢驗制造業與生產性服務業協同集聚對綠色經濟效率的影響以及技術創新在其中所起的中介作用。相對于傳統中介效應分析方法，考慮空間效應的中介效應分析方法可以修正由于忽略空間相關關系而導致的偏誤，并可以通過空間效應分解更準確地識別出變量間的影響關系。

三、研究設計

（一）模型設定

為了刻畫產業協同集聚、技術創新與綠色經濟效率三者之間的關系，本文在空間計量框架下，借鑒Baron和溫忠麟等提出的逐步檢驗方法進行中介效應分析［20-21］，具體模型形式如下所示：

Yt=ρ1Yt－1+λ1WYt+μ1WYt－1+Xtβ1+WXtβ2+Z1tσ1+WZ1tσ2+δ+ξtιN+εt（1）

Mt=ρ2Mt－1+λ2WMt+μ2WMt－1+Xtθ1+WXtθ2+Z2tφ1+WZ2tφ2+δ+ξtιN+εt（2）

Yt=ρ3Yt－1+λ3WYt+μ3WYt－1+Xtβ1′+WXtβ2′+Mtγ1

+WMtγ2+Z1tη1+WZ1tη2+δ+ξtιN+εt（3）

其中，Yt表示被解釋變量綠色經濟效率，Xt表示核心解釋變量制造業與生產性服務業協同集聚，Mt表示中介變量技術創新，Z1t、Z2t代表控制變量，本文選取經過行標準化處理后的地理距離矩陣作為空間權重矩陣。Yt－1是被解釋變量的時間滯后項，WYt和WYt－1分別是被解釋變量的空間滯后項和時空滯后項；Mt－1、WMt和WMt－1同理。若ρj=μj=0（j=1，2，3），模型（1）～（3）即為靜態空間杜賓模型；反之，則為動態空間杜賓模型。在中介效應分析中，模型（1）用來檢驗產業協同集聚對綠色經濟效率的總效應；模型（2）用來探究產業協同集聚與中介變量技術創新的關系；模型（3）用來檢驗在控制技術創新后，產業協同集聚對綠色經濟效率的影響以及技術創新是否在其中承擔中介作用。若模型（1）～（3）不存在滯后項WYt、WYt－1、WMt、WMt－1、WXt和WZt，上述模型即退化為不考慮空間效應的一般線性回歸模型。

對于不考慮空間效應的一般線性回歸模型，中介效應檢驗可以歸納為以下三個檢驗步驟：第一步，檢驗產業協同集聚對綠色經濟效率的影響是否顯著。第二步，檢驗產業協同集聚對技術創新的影響是否顯著。第三步，檢驗加入中介變量技術創新后，技術創新對綠色經濟效率的影響以及產業協同集聚對綠色經濟效率的影響是否顯著。如果所有回歸系數均顯著，則存在部分中介效應；如果加入中介變量后，產業協同集聚對綠色經濟效率的影響不顯著，其余回歸系數均顯著，則存在完全中介效應；除以上兩種情況外，其他情況中介效應不顯著。需要強調的是，在空間計量框架下，由于存在個體間的空間關聯，上述檢驗方法將不再適用。具體原因在于，一般線性回歸模型假定不同個體間是相互獨立的，線性回歸系數的點估計值直接測度了不同變量間的影響程度，而在空間計量模型中，對參數的解釋變得更為復雜，一個空間個體的特征變量發生變化在導致自身被解釋變量發生改變的同時，由于個體間存在空間相關關系，其他個體也會受到關聯影響并可能再反饋于自身。因此，不能僅使用簡單的點估計值，需要使用更加精確的計算方式來進行中介效應分析，即需要進行效應分解來準確識別和測度個體間不同變量的影響關系。

（二）效應分解

本文參考Lesage等的做法［22］，以模型（1）為例，介紹空間效應分解過程。具體而言，定義S（λ1）=I－λ1W，A（λ1，ρ1，μ1）=（I－λ1W）－1（ρ1I+μ1W），其中，I表示N×N的單位矩陣，則模型（1）的簡約形式可以表示為：

Yt=A（λ1，ρ1，μ1）Yt－1+S－1（λ1）（Xtβ1+WXtβ2+Z1tσ1+WZtσ2+δ+ξtιN+εt）（4）

由于解釋變量變化的效應隨地區不同而不同，Lesage等提出了一種簡要方法以測量不同的效應［23］，即基于加總短期效應矩陣和長期效應矩陣各行（列）的所有效應，然后求各地區的平均值，具體設定如下：對于g=0，1，…，令Yt+g=（y1，t+g，y2，t+g，…，yN，t+g）′；Xt=（X1t，X2t，…，Xkt），其中Xkt=（x1kt，x2kt，…，xNkt）′；β1=（β11，β12，…，β1k）；β2=（β21，β22，…，β2k）。我們可以計算得到E（Yt+g）對Xkt的偏導數矩陣，用來刻畫不同空間個體間的同期（g=0）或者跨期（ggt;0）交互效應，具體形式如下：

EYt+gXkt=y1，t+gx1kt … y1，t+gxNkt

y2，t+gx1kt … y2，t+gxNkt …" …" …

yN，t+gx1kt … yN，t+gxNkt=Agλ1，ρ1，μ1S－1λ1β1kI+β2kW（5）

其中，偏導數矩陣中對角線元素代表的是直接效應（direct effect），測度了一個空間個體的解釋變量對其自身被解釋變量的影響；非對角線元素代表的是間接效應（indirect effect），又稱為空間溢出效應（spatial spillover effects），測度了一個空間個體的解釋變量對其他空間個體被解釋變量的影響?？紤]到長短期效應矩陣中主對角線元素和非對角線元素的不同含義，本文將解釋變量變化所產生的空間效應細分為四種（需要強調的是，效應分解中的直接效應和間接效應代表著空間效應，與中介效應中的直接效應與間接效應不同）。具體設定參見表1。

（三）估計方法

由于空間效應，各觀測樣本相互依賴，缺乏獨立性，從而導致傳統計量經濟學的普通最小二乘估計方法不再適用于空間計量模型的估計。此外，單獨用于估計動態非空間或空間非動態面板模型的方法所得到的估計結果也是有偏差的。目前針對混合了空間和時間效應的動態模型，文獻中主要有三種估計方法：偏誤修正的極大似然（ML） 估計和準極大似然（QML） 估計；基于工具變量或廣義矩的估計（IV/GMM）；貝葉斯馬爾科夫鏈蒙特卡洛估計（MCMC）。本文選取偏誤修正的極大似然（ML） 估計方法［24］，用于估計動態空間杜賓模型。

四、變量說明與數據來源

（一）變量說明

1.被解釋變量：綠色經濟效率

本文采用非期望產出SBM模型測算綠色經濟效率。該模型有效解決了傳統CCR、BBC模型的缺點，將投入和產出的松弛變量引入目標函數中，直接度量多余的投入量與不足的產出量，使計算的效率值更加切合實際［25］。

（1）SBM模型設定

假設每個省份作為一個決策單元（DMU），且每個決策單元有3個向量，即投入向量、期望產出向量和非期望產出向量，分別表示為x∈Rm、yg∈RS1、yb∈RS2，定義矩陣X、Xg、Yb分別為X=xij∈Rm×n、Yg=ygij∈RS1×n、Yb=ybij∈RS2×n。根據實際投入產出，假設X＞0、Yg＞0、YS＞0，加入非期望產出的SBM模型設定如下：

ρ=min1－1m∑mi=1S－i/Xi01+1S1+S2∑S1r=1Sgr/ygr0+∑S2r=1Sbr/ybr0

s.t.X0=Xλ+S－；yg0=Ygλ－Sg；yb0=Ybλ+SbS－≥0，Sg≥0，Sb≥0，λ≥0

其中，S－、Sg、Sb分別表示投入、期望產出和非期望產出，S－i、Sgr、Sbr分別為第i0個決策單元DMU的投入冗余量，期望產出不足量和非期望產出超標量。λ為權重向量，ρ為測算出的效率值，且滿足

ρ∈［0.1］。當ρ=1時，即S－=0、Sg=0、Sb=0時，決策單元才是完全有效的；當ρ＜1時，即S－、Sg、Sb三者中至少有一個不等于零時，決策單元是無效率的，存在投入產出上改進的必要性。

（2）投入與產出指標

投入指標包括勞動力投入、資本投入和能源投入。勞動力投入方面，參考孫振清等的方法［26］，通過年末各地區從業人數來測度，單位為萬人；資本投入方面，目前大部分學者通用的方法是永續盤存法：ki，t=（1－δ）Ki，t－1+Ii，t

，參考單豪杰的方法［27］，以10.96%為折舊率，選擇固定資產存量進行測度，單位為億元；能源投入方面，參考朱風慧等的方法［28］，通過各地區全年用電量測度，單位為億千瓦時。

產出指標包括期望產出和非期望產出。期望產出方面，參考朱風慧等的方法［28］，使用實際地區生產總值進行測度，單位為億元，為剔除通貨膨脹等因素，以2008年為基期對獲取到的名義GDP數據進行平減；非期望產出方面，使用“工業三廢”排放量，即使用廢水排放量、SO2排放量、煙粉塵排放量3個指標刻畫非期望產出，并通過熵權法計算出“工業三廢”排放指數，“工業三廢”排放量相較于單一的SO2排放量指標更加綜合全面。投入與產出指標的說明可見表2。

2.核心解釋變量：產業協同集聚

為構建制造業與生產性服務業協同集聚指數（coagg），本文參考張廣勝等的測度方法［1］，首先計算制造業與生產性服務業的區位熵：

Rij=（eij/Ei）/（ej/E）

其中，j代表地區，i代表產業，eij表示j地區i產業的就業人數，Ei表示全國i產業的就業人數，ej表示j地區所有產業的就業人數，E表示全國總就業人數。

然后利用制造業與生產性服務業的區位熵構造兩者的協同集聚指數：

coaggj=1－Rmj－Rsj/Rmj+Rsj

其中Rmj、Rsj分別表示j地區制造業、生產性服務業的區位熵。協同集聚指數值越大，j地區制造業與生產性服務業的集聚水平越接近，兩者的協同集聚水平越高。

3.中介變量：技術創新

本文采用專利授權數的對數值對技術創新（tech）進行衡量。專利申請數或專利授權數常被用來衡量技術創新，專利申請數指一個國家或地區在特定時間內提交的專利申請數量，而專利授權數是指報告期內由專利行政部門授予專利權的件數。專利授權數小于或等于專利申請數，只有那些具有較高技術含量和創新性的專利申請才能獲得授權，進而為申請人帶來經濟效益和市場優勢。因此，專利授權數可以作為一個地區技術創新能力強弱的直接體現，即專利授權數相較于專利申請數更能反映一個地區的實際技術創新能力。

4.控制變量

為檢驗產業協同集聚、技術創新和綠色經濟效率三者間的關系，選取控制變量如下（表3）：

（二）數據來源

本文選取了2009—2022年我國30個省份（西藏除外）共計420個樣本的面板數據，數據來源于各年《中國統計年鑒》和《中國科技統計年鑒》。表4和表5分別報告了本文所涉及變量和各省份綠色經濟效率的描述性統計結果。從表中的變量描述性統計可以看出，作為被解釋變量的綠色經濟效率，極小值與極大值差異懸殊，表明我國不同省份的綠色經濟效率存在較大差異，有必要分析這種差異受哪些因素的影響。此外，技術創新的標準差較大，表明中國技術創新水平的區域差異懸殊。從表中的標準差還可以看出，區域外商直接投資、對外開放水平和人口密度也存在較大差異。從各省份綠色經濟效率的描述性統計可以看出，北京、天津、上海、海南等東部省份的效率值明顯較高，吉林、黑龍江、湖南等中部省份的效率值其次，而甘肅、青海、寧夏等西部省份的效率值明顯偏低，綠色經濟效率存在顯著區域性差異。

五、實證分析

（一）基于系數點估計值的中介效應分析

為了對比起見，本文首先根據模型（1）～（3），基于變量系數的點估計值，分析制造業與生產性服務業協同集聚是否通過技術創新間接促進綠色經濟效率。表6同時列示了靜態空間杜賓模型（靜態SDM）和動態空間杜賓模型（動態SDM）的模型估計結果。

通過對比表6中的結果可知，一方面，模型（3）中動態SDM下綠色經濟效率的空間滯后項（W*GEE）、時間滯后項（L.GEE）與時空滯后項（W*L.GEE）均顯著為正，即其他省份當期、本省上期和其他省份上期的綠色經濟效率均會對本省當期的綠色經濟效率產生顯著影響，說明我國省際間綠色經濟效率具有顯著的空間交互效應和跨期交互效應；模型（2）中動態SDM下技術創新的空間滯后項（W*tech）和時間滯后項（L.tech）顯著為正，即其他省份當期和本省上期的技術創新均會對本省當期的技術創新產生顯著影響?？梢?，模型中的空間滯后項、時間滯后項與時空滯后項不容忽視，否則會存在遺漏變量風險。另外，需要強調的是，三類模型下動態SDM的擬合優度（0.897、0.944和0.891）也明顯大于靜態SDM的擬合優度（0.165、0.004和0.186），表明采用動態SDM考察產業協同集聚通過技術創新對綠色經濟效率產生的影響更加合理，研究結論也更加科學。

另一方面，產業協同集聚在10%的顯著性水平上對綠色經濟效率具有促進作用；本省產業協同集聚對技術創新的直接影響不顯著，但其他省份的產業協同集聚在1%的顯著性水平上對本省的技術創新存在間接負向影響；納入中介變量技術創新后，產業協同集聚對綠色經濟效率的促進作用在5%的水平上顯著且有所提升。若根據變量系數的點估計值，由于模型（2）中產業協同集聚對中介變量技術創新的影響沒有通過顯著性檢驗，則判斷技術創新在產業協同集聚對綠色經濟效率的影響中不存在中介效應。然而，若考慮空間效應，可以發現其他省份的產業協同集聚會顯著影響技術創新，且在后續模型（3）納入中介變量技術創新后，產業協同集聚對綠色經濟效率的促進作用在5%的水平上顯著且有所提升?？梢妰H考慮變量系數的點估計值可能會得出偏誤的結論。

（二）基于空間效應分解的中介效應分析

由于僅關注變量系數點估計值的中介效應分析，在存在空間效應的前提下，無法準確刻畫變量的影響程度并可能得出具有偏誤的結論，因此，本文在動態SDM的基礎上，進行了空間效應分解，以更準確地測度產業協同集聚、技術創新和綠色經濟效率三者間的影響關系。由效應分解可以得到地區變量間相互影響的短期效應矩陣和長期效應矩陣，矩陣內容包括四部分：（1）產業協同集聚對綠色經濟效率的影響矩陣；（2）產業協同集聚對技術創新的影響矩陣；（3）加入中介變量后，技術創新對綠色經濟效率的影響矩陣；（4）加入中介變量后，產業協同集聚對綠色經濟效率的影響矩陣。矩陣對角線元素表示直接效應，矩陣非對角線元素表示間接效應，行和表示接受的總效應，列和表示輸出的總效應。

表7報告了短期效應矩陣，由于篇幅限制，表中僅選取了華中和華東地區的省份進行報告。以上海為例，除其自身以外，短期內上海制造業與生產性服務業協同集聚對浙江綠色經濟效率的溢出影響最大（0.004 6），其次是福建和江蘇等；同樣地，上海綠色經濟效率短期內受到浙江產業協同集聚的影響最大（0.005 4），其次是江蘇和福建等，并且在一定程度上來說，空間距離越遠的省份之間影響效應越小。同理可得對應的長期效應矩陣，對比短期效應矩陣，可以發現長期效應矩陣中的系數符號有明顯改變，說明變量間的相互影響在短期和長期內具有明顯差別，僅考察變量系數的點估計值也無法捕捉這種差異，由此得出的研究結論也是可能有偏誤的。

表8報告了基于空間效應分解的中介效應結果，即關鍵變量產業協同集聚和技術創新的平均直接效應和平均間接效應。模型（1）為產業協同集聚對綠色經濟效率的效應分析，從表中可以看出，產業協同集聚在短期內對本地區和其他地區的綠色經濟效率具有顯著溢出效應。原因可能在于，短期內制造業與生產性服務業間的關聯機制可以產生一定的規模效益，從而促進綠色經濟效率的提升；而產業協同集聚在長期內可能會存在“擁塞效應”，進而抑制綠色經濟發展水平。模型（2）為產業協同集聚對技術創新的效應分析，可以看出，若僅考慮變量系數的點估計值，產業協同集聚對技術創新的影響并不顯著，但空間效應分解的中介效應分析顯示，產業協同集聚在短期內對其他地區的技術創新具有顯著抑制作用，即產業集聚對技術創新的影響可能存在“擁塞效應”和“路徑依賴效應”。模型（3）為納入中介變量后，產業協同集聚和技術創新對綠色經濟效率的效應分析，從表中可以看出，不論是基于系數點估計值的中介效應分析，還是基于空間效應分解的中介效應分析，產業協同集聚和技術創新對綠色經濟效率的影響均顯著為正，但后者可以進一步識別出產業協同集聚在短期內對本地區和其他地區的綠色經濟效率具有顯著正向溢出效應，技術創新在短期內對本地區的綠色經濟效率具有顯著正向溢出效應。

對于技術創新在產業協同集聚影響綠色經濟效率中起到的作用，兩類中介效應分析得出的結論存在明顯差異，對比這兩類中介效應分析的結果，可以發現如果僅考慮變量系數的點估計值，技術創新在產業協同集聚對綠色經濟效率的影響中不具有“中介效應”，但其忽視了個體間的空間相關關系；而通過效應分解，可以發現技術創新在產業協同集聚對綠色經濟效率的影響中具有“部分中介效應”。此外，在空間計量框架下，產業協同集聚、技術創新和綠色經濟效率三者之間的關系在短期和長期內的影響也不盡相同，這也更加印證了考慮跨期動態效應的必要性。

（三）穩健性檢驗

為使研究結論更為穩健可靠，本文通過替換被解釋變量計算方法的方式，對表6中的估計結果進行穩健性檢驗，具體結果如表9所示。將穩健性檢驗的結果與表6進行對比，可以發現結果沒有顯著差異。

在穩健性檢驗中，本文對比了基于系數點估計值和基于空間效應分解的中介效應分析結果差異，具體如表10所示。模型（1）中，產業協同集聚在短期和長期內對本地區的綠色經濟效率具有顯著促進作用。模型（2）中，基于系數點估計值的中介效應分析，產業協同集聚對技術創新的影響是不顯著的，但空間效應分解的中介效應分析顯示，產業協同集聚在短期內對其他地區的技術創新具有顯著抑制作用。模型（3）中，基于系數點估計值的中介效應分析，技術創新對綠色經濟效率的影響并不顯著；而基于空間效應分解的中介效應分析，可以識別出技術創新在短期內對其他地區的綠色經濟效率具有顯著正向影響。對于技術創新是否起到中介作用，兩類中介效應分析得出的結論同樣存在差異?；谙禂迭c估計值的中介效應分析中，技術創新不具有“中介效應”；基于空間效應分解的中介效應分析中，技術創新在產業協同集聚對綠色經濟效率的影響中仍具有“部分中介效應”。

綜上可知，相較于基于系數點估計值的中介效應分析，基于空間效應分解的中介效應分析可以更加細致準確地分析中介效應，因此，在存在空間效應的前提下，使用基于空間效應分解的中介效應分析方式更加準確科學，而僅考慮系數點估計值的中介效應分析可能會導致實證結果出現偏誤，進而可能得出誤導性的研究結論。

六、結論與啟示

（一）研究結論

新質生產力賦能的產業協同集聚能夠集中創新資源、促進產業與技術創新深度融合，為綠色經濟發展提供強大的技術支持。本文利用非期望SBM模型，測度了2009—2022年中國30個省份的綠色經濟效率，并基于空間計量模型，通過將空間效應分解為短期直接效應、短期間接效應、長期直接效應和長期間接效應，實證考察了新質生產力賦能的制造業與生產性服務業產業協同集聚對綠色經濟效率的影響以及技術創新在其中所起的中介作用。結果顯示：（1）中國省際間的綠色經濟效率具有顯著的空間交互效應和跨期交互效應。（2）產業協同集聚在短期內對本地區及其他地區的綠色經濟效率具有顯著促進作用，長期內可能存在過度集聚而產生“擁塞效應”。（3）產業協同集聚在短期內對其他地區的技術創新具有顯著抑制作用，即產業集聚可能存在“擁塞效應”和“路徑依賴效應”進而阻礙其他地區的技術創新發展。（4）傳統中介效應分析和基于空間計量模型的中介效應分析具有明顯差異，傳統中介效應分析方法下，技術創新在產業協同集聚對綠色經濟效率的影響中不具有“中介效應”，而基于空間計量模型的中介效應分析，技術創新則具有“部分中介效應”。在存在空間效應的前提下，僅考慮系數點估計值的中介效應分析可能會導致實證結果出現偏誤，因此使用基于空間效應分解的中介效應分析方法更加準確科學。

（二）研究啟示

首先，中國各省的綠色經濟效率存在顯著的正向空間相關性。地區共同發展綠色經濟不僅是新質生產力實踐的重要體現和應用領域，也是推動綠色可持續發展的關鍵路徑，因此，應鼓勵各地區充分發揮自身優勢，加強區域合作共贏理念。具體而言，各地應建立健全區域間綠色經濟協同發展機制。例如，定期召開區域間綠色經濟協同發展聯系會議；設立專門負責綠色經濟協同發展的部門；加強區域間綠色政策法規的對接與交流，確保各區域綠色政策法規的一致性和協調性；降低綠色貿易壁壘，促進綠色產品和服務在區域間的自由流動；強化區域間綠色經濟發展的宣傳以提高公眾對綠色經濟的認識和參與度，逐步形成綠色發展理念深入人心、綠色經濟協同發展的新格局。其次，產業協同集聚在短期內對綠色經濟效率具有顯著促進作用，長期內可能存在“擁塞效應”。產業協同集聚是形成和提升新質生產力不可或缺的一個階段，因此，可以在短期內以提高產業協同集聚水平為目標，長期視角下著重于提升產業集聚質量，以進一步發揮產業協同集聚對綠色經濟效率的正外部性。一方面，短期內中央政府可以提供土地、稅收激勵等優惠政策，吸引更多的企業在同一區域內聚集；鼓勵技術創新和知識共享，通過建立技術創新中心或孵化器等機構，促進企業之間的合作與交流。另一方面，鼓勵產業的多元化發展，避免過度依賴某一特定產業以降低產業集聚過程中的風險；注重生態環境保護，在產業集聚的過程中合理規劃和利用資源；強調創新驅動的發展模式，通過技術創新和管理創新提高產業集聚的競爭力和可持續發展能力。最后，產業協同集聚在短期內對其他地區的技術創新具有顯著抑制作用。技術創新是新質生產力發展的核心要素和內在驅動力，因此，應強化產業協同集聚的技術和知識溢出效應，增強產業協同集聚對技術創新的正外部性進而提升綠色經濟效率。具體而言，各級地方政府可以建立開放式創新平臺，促進企業間的合作與交流，使得不同企業可以共享技術和知識資源，加速技術創新和知識轉移；加強產學研合作，鼓勵產業與高校、科研機構之間的合作，推動科研成果的轉化和應用；制定和完善統一的技術標準和規范，降低技術壁壘以加速技術的傳播和應用。

參考文獻：

［1］ 張廣勝，陳晨.產業集聚與城市生態效率動態關系研究 ［J］.科技進步與對策，2019（13）：48-57.

［2］ 于斌斌，楊宏翔，金剛.產業集聚能提高地區經濟效率嗎？ ——基于中國城市數據的空間計量分析 ［J］.中南財經政法大學學報，2015（3）：121-130.

［3］ 伍先福.生產性服務業與制造業協同集聚提升全要素生產率嗎？ ［J］.財經論叢，2018（12）：13-20.

［4］ 關海玲，武禎妮.地方環境規制與綠色全要素生產率提升——是技術進步還是技術效率變動？ ［J］.經濟問題，2020（2）：118-129.

［5］ WANG K，WEI Y M.China’s regional industrial energy efficiency and carbon emissions abatement costs ［J］.Applied energy，2014，130：617-631.

［6］ 林曉，徐偉，楊凡，等.東北老工業基地綠色經濟效率的時空演變及影響機制——以遼寧省為例 ［J］.經濟地理，2017（5）：125-132.

［7］ 岳鴻飛，徐穎，吳璘.技術創新方式選擇與中國工業綠色轉型的實證分析 ［J］.中國人口·資源與環境，2017（12）：196-206.

［8］ 錢爭鳴，劉曉晨.我國綠色經濟效率的區域差異及收斂性研究 ［J］.廈門大學學報（哲學社會科學版），2014（1）：110-118.

［9］ YUE S J，YANG Y，HU Y Y.Does foreign direct investment affect green growth？ evidence from China’s experience［J］.Sustainability，2016（2）：158.

［10］ 李繁榮，尚云舟，薛紫玥.外商直接投資對我國綠色發展的影響 ——基于中國260個地級市的數據驗證 ［J］.經濟問題，2022（4）：75-84.

［11］ 林伯強，譚睿鵬.中國經濟集聚與綠色經濟效率 ［J］.經濟研究，2019（2）：119-132.

［12］ 張軍濤，朱悅，游斌.產業協同集聚對城市經濟綠色發展的影響 ［J］.城市問題，2021（2）：66-74+94.

［13］ 黃慶華，時培豪，胡江峰.產業集聚與經濟高質量發展：長江經濟帶107個地級市例證 ［J］.改革，2020（1）：87-99.

［14］ 金浩，劉肖.產業協同集聚、技術創新與經濟增長 ——一個中介效應模型 ［J］.科技進步與對策，2021（11）：46-53.

［15］ 李成剛，楊兵，苗啟香.技術創新與產業結構轉型的地區經濟增長效應 ——基于動態空間杜賓模型的實證分析 ［J］.科技進步與對策，2019（6）：33-42.

［16］ 劉勝，李文秀，陳秀英.生產性服務業與制造業協同集聚對企業創新的影響 ［J］.廣東財經大學學報，2019（3）：43-53.

［17］ 湯長安，張麗家.產業協同集聚的區域技術創新效應研究 ——以制造業與生產性服務業為例 ［J］.湖南師范大學社會科學學報，2020（3）：140-148.

［18］ 謝波.資源產業集聚、技術創新能力與區域經濟增長——基于省際面板的實證分析 ［J］.科技進步與對策，2013（7）：31-36.

［19］ 原毅軍，郭然.生產性服務業集聚、制造業集聚與技術創新——基于省級面板數據的實證研究 ［J］.經濟學家，2018（5）：23-31.

［20］ BARON R M，KENNY D A.The moderator-mediator variable distinction in social psychological research：conceptual，strategic，and statistical considerations ［J］.Journal of personality and social psychology，1986（6）：1173-1182.

［21］ 溫忠麟，張雷，侯杰泰，等.中介效應檢驗程序及其應用 ［J］.心理學報，2004（5）：614-620.

［22］ LESAGE J P，PACE K R.Introduction to spatial econometrics ［M］.New York：Taylor amp; Francis Group，2009.

［23］ LESAGE J P，PACE K R.A matrix exponential spatial specification ［J］.Journal of econometrics，2007（1）：190-214.

［24］ YU J H，DE JONG R，LEE L F.Quasi-Maximum likelihood estimators for spatial dynamic panel data with fixed effects when both n and T are Large ［J］.Journal of Econometrics，2008（1）：118-134.

［25］ TONE K.Dealing with undesirable outputs in DEA：a slacks-based measure （SBM） approach ［EB/OL］.（2007-04-10）［2024-02-26］.http：//scienedinks.jp/east.

［26］ 孫振清，魯思思，劉保留.省級區域生態效率評價及提升路徑研究——基于超效率SBM模型和Tobit回歸 ［J］.生態經濟，2021（1）：124-129.

［27］ 單豪杰.中國資本存量K的再估算：1952～2006年［J］.數量經濟技術經濟研究，2008（10）：17-31.

［28］ 朱風慧，劉立峰.我國產業結構升級與經濟高質量發展——基于地級及以上城市經驗數據 ［J］.云南財經大學學報，2020（6）：42-53.

Industrial Collaborative Agglomeration，Technological Innovation and Efficiency of Green

Economy from New Quality Productivity：A Mediation Effect Analysis based on Spatial Econometric Model

SUN Xuqin1，2，LU Xueyan3

（1.Nanjing Sport Institute，Nanjing 210014，China；

2.School of Government，Nanjing University，Nanjing 210014，China；

3.School of Business，Hohai University，Nanjing 211100，China）

Abstract：Based on provincial-level data from 2009 to 2022，this paper combines spatial econometric model and mediation effect analysis to investigate the influence of industrial collaborative agglomeration enabled by new quality productivity on green economy efficiency and the mediating role of technological innovation. Compared with the traditional mediation effect analysis，this method which considered spatial effect can correct the errors caused by ignoring spatial correlation，and identify the influence relationship between variables more accurately through spatial effect decomposition. The results show that，firstly，the efficiency of green economy among provinces in China has significant spatial and intertemporal interaction effects. Secondly，the collaborative agglomeration has a significant promoting effect on the efficiency of the region itself and others in a short term.While in a longer term，excessive agglomeration may produce “congestion effect”. Thirdly，the agglomeration has a significant negative impact on other regions’ technological innovation in a short term，indicating that the influence on technological innovation may have “congestion effect” and “path dependence effect”. Fourthly，there is a significant difference between the traditional mediation effect analysis and the spatial econometric model-based mediation effect analysis.Technological innovation does not have a “mediation effect” under the traditional method，but the spatial econometric model-based mediation effect analysis shows that technological innovation has a “partial intermediary effect” in the impact of industrial collaborative agglomeration on the green economy efficiency.

Key words：new quality productivity；industrial collaborative agglomeration；technological innovation；efficiency of green economy；spatial econometrics；mediation effect

責任編輯 任劍喬