南北差距和中国服务产业绿色发展的溢出效应gydF4y2Ba

1。介绍gydF4y2Ba

的报告的中国共产党第十七次全国代表大会指出,中国应加快转变经济发展模式,并促进经济结构的优化和升级。中国应该促进经济增长依靠第二产业,第三产业协调发展,大力发展服务业;国家“十二五规划”指出,促进服务业的发展的战略重点是产业结构的优化和升级;根据全国13个五年计划,中国第三产业的增加值的比例在13个五年计划期间从2015年的50.5%增加到2020年的56%,平均每年增加1.1。在14日五年计划期间,将结合产业结构调整升级,促进服务业的繁荣和发展。随着经济发展高质量的建议,高质量的服务行业的发展吸引了大量关注。服务行业发展的比例数据表明,中国服务业的附加值服务行业GDP和就业的比例从1978年的12.2%和23.9上升到54和2019年的46.3%。中国服务行业已经成为最重要的产业。然而,与发达国家相比,中国服务业仍然有附加值的比例很低,就业gydF4y2Ba人均gydF4y2Ba附加值。中国经济快速发展,服务产业发展滞后。这主要是由于零全要素生产率的增长率高级生产者服务业。服务行业的全要素生产率的增长显示了伟大的地区和产业异质性。生产性服务业显示了一个从东北地区空间集聚的趋势,中国中部和西部地区的东部沿海地区。gydF4y2Ba

转变经济发展方式,追求高质量的增长已经成为一个优先级。服务行业逐渐增加了其对经济发展的贡献。除了依靠资本、劳动力和其他传统的生产要素,其发展离不开效率改善和技术进步。现有文献主要集中在服务行业的区域异质性在东部,西部和东部。近年来,随着南北经济差距的增加,一些学者开始研究南北经济发展差距。根据现有的研究结果,本文增加了南北差距的分析在绿色发展的服务行业,具有重要的现实意义,促进中国服务行业的高质量发展(gydF4y2Ba陈et al ., 2022gydF4y2Ba)。以秦岭淮河为分界线,本文将中国大陆分为北方和南方(gydF4y2Ba吴,2001gydF4y2Ba)。北方的制造业的快速发展导致了生产性服务业的集聚水平的崛起,所以服务行业的绿色发展水平在北方高于南方。然而,近年来,由于落后的制造业转型升级的北部地区,南北之间的差距在服务行业正在缩小。受益于改革开放,南部地区的经济迅速上升,超过了北方地区。在南方服务行业的绿色发展逐渐超过了北方。gydF4y2Ba

的缩小东西部差距,南北差距不断扩大的经济发展,有必要讨论服务产业发展的异质性的角度南北地区。因此,本文以Qinling-Huaihe线为边界,将中国分为南北地区,分析南北差异服务产业发展。随着经济的发展,区域经济发展的相关性逐渐加强。如果区域内的服务行业的变化被认为是和区域之间的相关性被忽略,研究结果将有偏见。有必要讨论南北差异服务行业从空间相关性的角度,将空间因素的研究框架。gydF4y2Ba

本文的其余部分安排如下:第二部分总结了相关文献。第三部分是研究方法和变量描述;第四部分是关于服务行业的绿色发展水平测量;第五部分展示了实证结果的分析和鲁棒性测试。第六部分是结论和启示。gydF4y2Ba

2。文献综述gydF4y2Ba

本文相关的现有研究主要体现在两个方面:研究区域异质性的服务行业和服务行业的影响因素研究。gydF4y2Ba

现有的文献服务行业的地区差异主要集中在东部地区之间的发展差距,西部,和中央。有南北差异,服务行业的研究相对较少。中国服务产业的全要素生产率低于农业和制造业,增长率和资本产出率是中国服务业增长的主要驱动力(gydF4y2Ba程,2003gydF4y2Ba)。一些学者认为,市场化进程的差异和劳动质量(gydF4y2Ba魏,2006gydF4y2Ba),技术进步的主要原因是在服务行业全要素生产率的提高(gydF4y2Ba张和余2012人gydF4y2Ba的主要原因),同时全要素增长率的差异在东部,中部和西部地区。东部地区有一个相对较高的TFP增长率在服务行业(gydF4y2Ba钟et al ., 2020gydF4y2Ba),而西部地区落后。服务业的内部结构也不同(gydF4y2Ba谭和郑,2012gydF4y2Ba)。生产性服务业全要素生产率的下降,但下降的速度正在放缓。全要素生产率的下降率远远高于中西部地区,东部地区。中国经济高速增长(gydF4y2Ba陈和盛,2009年gydF4y2Ba;gydF4y2Ba王et al ., 2015gydF4y2Ba),但服务的升级产业结构落后。当考虑到环境因素,中国服务业全要素生产率的省份,拥有一个大型区域和产业异质性。中国服务行业的碳生产率逐年增长作为一个整体,是减少从东到西(gydF4y2Ba盛和卢,2013年gydF4y2Ba)。gydF4y2Ba

的服务业发展的影响因素的研究,一些学者认为,服务的输出产品(gydF4y2Ba郭,1992gydF4y2Ba;gydF4y2Ba顾和李,2006年gydF4y2Ba;gydF4y2Ba张,陈,2018gydF4y2Ba),人口密度(gydF4y2Ba杨和徐,2006年gydF4y2Ba),服务行业的相对强度(gydF4y2Ba崔和赵,2018gydF4y2Ba),外国直接投资(gydF4y2Ba元et al ., 2009gydF4y2Ba),就业人口教育水平(gydF4y2BaYu和锅,2019gydF4y2Ba)、对外开放程度(gydF4y2Ba小王和胡锦涛,2012gydF4y2Ba;gydF4y2Ba王et al ., 2020gydF4y2Ba)和出生率(gydF4y2Ba李,1994gydF4y2Ba)对服务行业的发展产生重大影响。随着经济的发展,不同的服务行业不开发并行构造演化(gydF4y2Ba江和李,2004年gydF4y2Ba)。服务业的内部结构的优化是其发展的一个重要组成部分服务行业(gydF4y2Ba阴和陈,2009年gydF4y2Ba)。生产性服务业的技术进步贡献很大的输出值,和它的技术效率高于生活服务。有明显的异质性的发展服务业的内部结构(gydF4y2Ba程和陈,2005gydF4y2Ba)。生产性服务可以提高整体宏观经济的全要素生产率(gydF4y2Ba阴,2006gydF4y2Ba),从而促进中国经济的可持续和高质量的增长(gydF4y2Ba元,郭,2018年gydF4y2Ba;gydF4y2Ba张和郑,2020年gydF4y2Ba)。产业结构显示明显的梯度分布特征(gydF4y2Ba顾,2008gydF4y2Ba),东部沿海省份是最高的,自东向西逐渐减少。一些学者认为服务业的区域异质性从空间经济学的角度,认为水平运输和通信(gydF4y2Ba卡米拉,2002gydF4y2Ba)、知识强度和制造业集聚的主要因素影响中国服务业发展的空间差异(gydF4y2Ba陈et al ., 2009gydF4y2Ba)。gydF4y2Ba

污染排放有重大的空间溢出效应(gydF4y2Ba苏et al ., 2009gydF4y2Ba)。经济集聚带来的环境影响不限于集聚区域(gydF4y2Ba钟et al ., 2022gydF4y2Ba),但也有显著的溢出效应对周边地区的环境(gydF4y2Ba德鲁克et al ., 2012gydF4y2Ba;gydF4y2Ba刘et al ., 2018gydF4y2Ba)。省服务业的内部结构发展不匹配当地的资源,导致对服务行业的需求元素被意识到通过周边地区(gydF4y2Ba李和香港,2012年gydF4y2Ba)。服务行业的绿色发展的周边地区的影响,因此,服务业空间相关的绿色发展。近年来,由于落后的制造业转型升级的北部地区,北部地区服务的绿色发展慢,在南部地区。南部地区得益于技术进步,产业结构优化、经济转型等原因。服务业发展水平在南部地区逐渐高于北部地区。如果北部地区不积极开展工业优化升级,差距将扩大(gydF4y2Ba陈et al ., 2022gydF4y2Ba)。gydF4y2Ba

它可以得出结论,中国服务行业的绿色发展地区差异和空间溢出效应。服务行业的绿色发展原因是南部高于北部地区和经济发展的差距将继续扩大。秦岭淮河线是秦岭淮河线的缩写。秦岭淮河线是中国北部和南部之间的地理边界。本文以秦岭淮河线是中国的南北边界。北部地区包括15个省份和城市,包括北京、天津、河北、山东、河南、山西、内蒙古、黑龙江、吉林、辽宁、陕西、甘肃、青海、宁夏和新疆。南部地区包括16个省份和城市,包括上海、江苏、浙江、安徽、福建、江西、湖北、湖南、广东、广西、海南、重庆、四川、贵州、云南西藏(不包括香港、澳门和台湾;gydF4y2Ba陈et al ., 2022gydF4y2Ba)。gydF4y2Ba

从文献可以看出,现有的研究可以从以下三个层面展开:首先,在日益突出的背景下区域异质性的服务行业,现有文献主要集中在东部之间的地区差异,西方,和服务业中心,但现有文献很少涉及南北区域差异的服务行业。第二,服务业的内部结构的演变显示明显的异质性(gydF4y2Ba我们1978gydF4y2Ba)。生产性服务业的集聚可以显著促进技术创新(gydF4y2Ba夏et al ., 2019gydF4y2Ba)。与发达国家相比,中国有巨大的空间和潜力提升服务业的内部结构。服务业能促进结构分配效果,工业发展,通过连续的结构优化和经济增长。第三,区域经济活动并不是相互独立的。生产要素的跨地区流动会影响地区服务行业的发展gydF4y2Ba李,王,2007年gydF4y2Ba)。有一个明显的区域经济空间相关性。因此,本文的潜在的边际贡献如下:首先,东方和西方之间的差异的基础上,介绍了南北差距分析绿色发展的服务行业。其次,介绍了传统空间因素进入回归模型研究区域差异的影响因素下的服务业的空间效果,并提供对策促进服务业的协调发展。gydF4y2Ba

3所示。研究方法和变量描述gydF4y2Ba

3.1。研究方法gydF4y2Ba

3.1.1。DEA Malmquist指数法gydF4y2Ba

本文采用DEA Malmquist指数法来测量服务行业的绿色全要素生产率。Malmquist指数方法不需要设置生产函数,以避免影响结果的准确性由于错误的设置函数的形式。实证分析是基于DEA的Malmquist指数法,它定义了Malmquist生产力指数基于距离函数,并使用线性优化方法来估计边际生产函数的决策单位,测量效率的变化和技术进步。Malmquist生产率指数的变化值的变化值绿色全要素生产率。gydF4y2Ba

假设在t (gydF4y2BatgydF4y2Ba= 1,2…gydF4y2BaTgydF4y2Ba)、k (gydF4y2BakgydF4y2Ba= 1,2…gydF4y2BaKgydF4y2Ba使用n()省gydF4y2BangydF4y2Ba= 1,2…gydF4y2BaNgydF4y2Ba)输入gydF4y2Ba${\mathrm{xgydF4y2Ba}}_{\mathrm{kgydF4y2Ba},gydF4y2Ba\mathrm{ngydF4y2Ba}}^{\mathrm{tgydF4y2Ba}}$,得到m (gydF4y2Ba米gydF4y2Ba= 1,2…gydF4y2Ba米gydF4y2Ba)输出gydF4y2Ba${\mathrm{ygydF4y2Ba}}_{\mathrm{kgydF4y2Ba},gydF4y2Ba\mathrm{米gydF4y2Ba}}^{\mathrm{tgydF4y2Ba}}$,其中d表示函数和dt的距离。代表了距离函数的技术条件下时间gydF4y2BatgydF4y2Ba,然后DEA Malmquist指数方法如下:gydF4y2Ba

,M代表Malmquist生产率指数的几何平均生产率指数t期gydF4y2BatgydF4y2Ba+ 1。该指数大于1时,表明省的全要素生产率增加了从t时期gydF4y2BatgydF4y2Ba+ 1。EC的相对效率变化指数规模收益不变的情况下,描述了省市的追赶效应在最好的前沿gydF4y2BatgydF4y2Ba来gydF4y2BatgydF4y2Ba+ 1。EC > 1时,表明该省的生产接近生产前沿。TC指数措施技术进步和描述技术前沿的增长效应从t t + 1期。TC > 1时,表明该技术或创新方面也取得了进展,和技术前沿向上移动。技术效率指数可以分解为纯技术效率指数(压电陶瓷)和规模效率指数(SEC)。gydF4y2Ba

服务行业输出。本文使用每个省的三级industry-added价值衡量的实际输出每个省的服务行业(gydF4y2Ba2009年邓gydF4y2Ba)。以2003年为基期,数据来自《中国统计年鉴》和每个省市的统计年鉴。理论上,劳动力投入应该包括劳动数量、劳动时间、劳动效率,和其他因素,但是考虑到数据的可获得性,本文使用第三产业员工的数量在每个省的代理变量在每个省劳动力投入指标。数据来自省市的统计年鉴和CSMAR数据库。资本输入的每个省的服务产业的资本存量。本文使用永续盘存法来估计,估算公式:gydF4y2Ba

在哪里gydF4y2Ba${\mathrm{KgydF4y2Ba}}_{\mathrm{我gydF4y2Ba},gydF4y2Ba\mathrm{tgydF4y2Ba}},gydF4y2Ba{\mathrm{KgydF4y2Ba}}_{\mathrm{我gydF4y2Ba},gydF4y2Ba\mathrm{tgydF4y2Ba}-gydF4y2Ba\mathrm{1gydF4y2Ba}}$我代表省的实际资本存量在t和去年同期gydF4y2BatgydF4y2Ba−1分别gydF4y2Ba${\mathrm{KgydF4y2Ba}}_{\mathrm{我gydF4y2Ba},gydF4y2Ba\mathrm{0gydF4y2Ba}}$我代表省的资本存量的基础,gydF4y2Ba${\mathrm{我gydF4y2Ba}}_{\mathrm{我gydF4y2Ba},gydF4y2Ba\mathrm{tgydF4y2Ba}}$代表了服务行业的固定资产投资总额我年的省gydF4y2BatgydF4y2Ba,gydF4y2Ba${\mathrm{\delta gydF4y2Ba}}_{\mathrm{我gydF4y2Ba},gydF4y2Ba\mathrm{tgydF4y2Ba}}$是固定资产的折旧率省我年吗gydF4y2BatgydF4y2Ba。本文遵循现有的文献和设置中国服务行业的资本折旧率为4% (gydF4y2Ba崔和魏,2015gydF4y2Ba)。基准年的资本存量是基于稳态方法(gydF4y2Ba李et al ., 2017gydF4y2Ba),即资本产出率是不变或实物资本的增长率等于总产出增长率在稳态。资本存量的基准年省我估计如下:gydF4y2Ba

其中,gydF4y2Ba${\mathrm{KgydF4y2Ba}}_{\mathrm{我gydF4y2Ba}\mathrm{2003年gydF4y2Ba}}$固定资本存量在2003年省我的服务行业,gydF4y2Ba${\mathrm{我gydF4y2Ba}}_{\mathrm{我gydF4y2Ba}\mathrm{2004年gydF4y2Ba}}\text{代表gydF4y2Ba}$服务行业的固定资产投资省,我在2004年gydF4y2Ba${\mathrm{ggydF4y2Ba}}_{\mathrm{我gydF4y2Ba},gydF4y2Ba\mathrm{tgydF4y2Ba}}\text{是gydF4y2Ba}$固定资产投资增长率省服务业的我在时间t。控制经济周期和输出波动的影响,本文使用的平均年增长率在每个省的服务业增加值2003 - 2017替换。数据来自中国统计年鉴和CSMAR数据库数据库。gydF4y2Ba

3.1.2。空间莫兰索引gydF4y2Ba

莫兰指数用来衡量变量之间的空间相关性。本文使用莫兰指数来判断绿色全要素生产率的空间相关性在服务行业。莫兰指数计算公式是:gydF4y2Ba

在那里,gydF4y2Ba${\mathrm{年代gydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}=gydF4y2Ba\frac{\mathrm{1gydF4y2Ba}}{\mathrm{ngydF4y2Ba}}{\displaystyle \underset{\mathrm{我gydF4y2Ba}=gydF4y2Ba\mathrm{1gydF4y2Ba}}{\overset{\mathrm{ngydF4y2Ba}}{\sum gydF4y2Ba}}}{(gydF4y2Ba{\mathrm{YgydF4y2Ba}}_{\mathrm{我gydF4y2Ba}}-gydF4y2Ba\stackrel{¯gydF4y2Ba}{\mathrm{YgydF4y2Ba}})gydF4y2Ba}^{\mathrm{2gydF4y2Ba}}。gydF4y2Ba\stackrel{¯gydF4y2Ba}{\mathrm{YgydF4y2Ba}}$=gydF4y2Ba$\frac{\mathrm{1gydF4y2Ba}}{\mathrm{ngydF4y2Ba}}{\displaystyle \underset{\mathrm{我gydF4y2Ba}=gydF4y2Ba\mathrm{1gydF4y2Ba}}{\overset{\mathrm{ngydF4y2Ba}}{\sum gydF4y2Ba}}}{\mathrm{YgydF4y2Ba}}_{\mathrm{我gydF4y2Ba}}$代表了绿色全要素生产率地区服务行业的我。gydF4y2BangydF4y2Ba= 31。W是空间权重矩阵,和我是- 1的值范围≤≤1。当我方法1,这意味着有一个积极的区域之间的空间相关性,当我接近- 1,这意味着有一个负区域之间的空间相关性,当我值为0,这意味着没有任何空间区域之间的相关性。gydF4y2Ba

3.1.3。空间计量模型gydF4y2Ba

与传统的计量经济学模型相比,空间计量经济模型考虑空间相关性的变量,这是反映在因变量的滞后项和错误条件在空间经济计量模型。因此,空间计量经济模型可以分为空间自回归模型(SAR),空间误差模型(SEM),和空间杜宾模型(SDM)。空间自回归模型主要研究变量在邻近地区变量的影响在其他地区的整个系统(溢出效应),其空间相关性反映在因变量的滞后项;空间误差模型主要研究区域之间的相互关系,及其空间相关性反映在误差项的滞后项;空间杜宾模型研究解释变量的影响在邻近地区解释变量。它的空间相关性是反映在解释变量之间的滞后项在邻近地区和解释变量。gydF4y2Ba

我在哪里下标代表省和t代表;gydF4y2Ba$\mathrm{GgydF4y2Ba}\mathrm{TgydF4y2Ba}\mathrm{FgydF4y2Ba}{\mathrm{PgydF4y2Ba}}_{\mathrm{我gydF4y2Ba}\mathrm{tgydF4y2Ba}}$是解释变量,即第三产业的绿色全要素生产率在每个省,gydF4y2Ba${\mathrm{xgydF4y2Ba}}_{\mathrm{我gydF4y2Ba}\mathrm{tgydF4y2Ba}}$解释变量的集合,包括位置熵、人口密度、政府支出水平,开放,和生产性服务业的第二产业的比例;gydF4y2Ba${\mathrm{vgydF4y2Ba}}_{\mathrm{tgydF4y2Ba}}$是时候效果,gydF4y2Ba${\mathrm{\alpha gydF4y2Ba}}_{\mathrm{我gydF4y2Ba}}$区域效应,gydF4y2Ba${\mathrm{\xi gydF4y2Ba}}_{\mathrm{我gydF4y2Ba}\mathrm{tgydF4y2Ba}}$是一个随机扰动项。β是一个空间滞后回归系数,反映了内在空间相关性的观察。当γ为零,空间杜宾模型可以退化为空间自回归模型。当gydF4y2Ba$\mathrm{\gamma gydF4y2Ba}+gydF4y2Ba\mathrm{\rho gydF4y2Ba}\ast gydF4y2Ba\mathrm{\beta gydF4y2Ba}$是零,空间杜宾模型会演变成一种空间误差模型。gydF4y2Ba${\mathrm{wgydF4y2Ba}}_{\mathrm{我gydF4y2Ba}\mathrm{jgydF4y2Ba}}$代表了空间权重矩阵,这是标准化,这样每一行元素的和为1。为了避免单一权重矩阵的限制,本文选择空间邻接矩阵,空间距离矩阵,矩阵和空间经济分析。空间邻接矩阵是指31个省。如果地理上相邻的两个省,相应的重量是1,如果他们不相邻,是0。空间距离矩阵使用了大弧距离省会城市取代地区之间的距离,也就是说,城市之间最短的距离计算经度和纬度的球体。服务行业之间的相互作用不同省份之间的地理距离成正比。根据设置经济权重矩阵gydF4y2Ba人均gydF4y2Ba从2003年到2017年,GDP和省级距离和数据来自国家地理中心的基本信息。gydF4y2Ba

3.2。变量描述gydF4y2Ba

本文以秦岭淮河线是中国的南北边界。北部地区包括15个省份和城市,包括北京、天津、河北、山东、河南、山西、内蒙古、黑龙江、吉林、辽宁、陕西、甘肃、青海、宁夏和新疆。南部地区包括上海、江苏、浙江、安徽、福建、江西、湖北、湖南、广东、广西、海南、重庆、四川、贵州、西藏和云南有16个省市(不包括香港、澳门和台湾)。考虑到数据的可获得性,本文选择从2003年到2017年的年度数据为研究样本。数据来自CSMAR数据库,统计年鉴省,全国统计年鉴。gydF4y2Ba

现有文献研究服务业的发展水平在城市化水平,系统,交通基础设施,财政支出和其他因素。在此基础上,本文介绍了生产性服务业的水平聚合作为代理变量服务业内部结构的测量服务产业结构的影响中国北方和南方的区别在服务行业。根据上述分析,本文的解释变量是绿色全要素生产率的服务行业。在鲁棒性测试,本文选择了gydF4y2Ba人均gydF4y2Ba每个省的第三产业GDP来衡量。gydF4y2Ba

变量分为核心解释变量和控制变量。核心解释变量主要反映了服务业的内部结构的差异。本文选择生产性服务业的区位熵来代替聚合的生产性服务业水平。基于现有的研究假设,控制变量是衡量交通基础设施、开放、人口密度、工业化水平,政府支出水平。gydF4y2Ba

3.2.1之上。解释变量gydF4y2Ba

本文选择服务行业的绿色全要素生产率衡量的服务行业发展水平。省服务业发展水平越高,越绿色服务业全要素生产率(gydF4y2Ba马哈德文,2000gydF4y2Ba)。在鲁棒性测试,本文选择了gydF4y2Ba人均gydF4y2Ba省GDP衡量服务业的发展水平(gydF4y2Ba高et al ., 2022 agydF4y2Ba)。gydF4y2Ba

3.2.2。核心解释变量gydF4y2Ba

本文使用位置熵(PS)的相对强度来衡量每个省的生产性服务业。位置熵措施的相对浓度水平服务行业(gydF4y2Ba太阳et al ., 2017gydF4y2Ba),可以消除区域空间尺度差异的因素,并能真正反映地理要素的空间分布(gydF4y2Ba唐格Gleave, 2004gydF4y2Ba;gydF4y2Ba沈et al ., 2007gydF4y2Ba;gydF4y2Ba陈et al ., 2009gydF4y2Ba)。gydF4y2Ba

位置熵gydF4y2Ba${\text{PSgydF4y2Ba}}_{\mathrm{我gydF4y2Ba}\mathrm{tgydF4y2Ba}}$指的是相对密集的生产性服务业水平省份我期间gydF4y2BatgydF4y2Ba,gydF4y2Ba${\mathrm{egydF4y2Ba}}_{\text{它gydF4y2Ba}}$是指生产性服务的数量在省就业期间gydF4y2BatgydF4y2Ba,gydF4y2Ba${\mathrm{EgydF4y2Ba}}_{\mathrm{我gydF4y2Ba}\mathrm{tgydF4y2Ba}}$是指省我的总就业人数在周期t,gydF4y2Ba${\mathrm{egydF4y2Ba}}_{\mathrm{tgydF4y2Ba}}$是指生产性服务的数量用于t期间,gydF4y2Ba${\mathrm{EgydF4y2Ba}}_{\mathrm{tgydF4y2Ba}}$代表全国就业人口总数期间t。生产服务包括运输、仓储、邮政服务、信息传输、计算机服务和软件,金融、房地产、租赁、和商业服务、科学研究、技术服务、地质勘探、批发和零售、水利、环境和公共设施管理。gydF4y2Ba

计算gydF4y2Ba${\mathrm{egydF4y2Ba}}_{\text{它gydF4y2Ba}}$员工的数量在一个行业在今年年底作为行业,员工的数量和生产服务的员工的数量和每个行业的员工的数量在今年年底gydF4y2Ba杨,2013gydF4y2Ba;gydF4y2Ba梁,2018gydF4y2Ba)。员工的数量在一个特定行业在中国时期t等于员工的总数在每个省这个行业。gydF4y2Ba

3.2.3。控制变量gydF4y2Ba

交通基础设施可以加快服务产业的绿色发展,减少交易成本,有助于深化分工。交通便利条件有一个重要的角色在促进区域服务行业的绿色发展。交通基础设施包括铁路和高速公路。本文使用高速公路和铁路的总里程每平方公里以上年级在每个省份和城市来衡量每一个地区的基础设施建设。人口密度越高,对生活服务的需求就越大。生活服务行业的绿色发展水平很低,因此较高的人口密度将抑制服务行业的绿色发展。人口密度有显著影响的绿色发展服务业。本文选择人口的比率在今年年底我省的面积来衡量人口集中的省份。越开放的省份,服务行业的绿色发展水平越高(gydF4y2Ba高et al ., 2021gydF4y2Ba)。本文利用外国直接投资的比例在该省的GDP衡量的开放。第二产业的发展有利于服务业的发展。当第二产业的发展水平较低,没有形成规模经济,促进服务业是虚弱的。当地区第二产业的规模相对较高,将形成规模经济,促进绿色发展的服务行业。区域工业化水平将大大影响地区服务行业的绿色发展。本文的industrial-added价值省占该省的GDP来衡量区域工业化发展的水平。政府支出的水平会挤出私人投资,从而影响了服务行业的绿色发展水平。本文使用台湾省政府一般支出在GDP的比例来衡量省级政府支出水平。gydF4y2Ba

数据来源而言,每一个指标的数据主要来自《中国统计年鉴》和省市的统计年鉴。看到gydF4y2Ba表1gydF4y2Ba所有变量的解释和统计描述(gydF4y2Ba杨et al ., 2021gydF4y2Ba)。gydF4y2Ba

表1gydF4y2Ba显示了整个数据分布在中国,gydF4y2Ba表2gydF4y2Ba显示了北部和南部地区的统计数据。gydF4y2Ba

N代表北方地区。S代表了南部地区。政府支出的比例,人口密度和北部地区的开放水平低于在南方,而第二产业的比例,交通便利,生产性服务业在南方的浓度水平高于南方地区。gydF4y2Ba

4所示。服务行业的绿色发展水平测量gydF4y2Ba

4.1。服务行业的绿色全要素生产率的分析gydF4y2Ba

本文采用DEA Malmquist指数法测量绿色全要素生产率、效率变化,技术进步服务的行业从2003年到2017年中国31个省市。使用DEAP2.1软件,输出参数是第三产业增加值和二氧化硫在每个省,输入参数是资本和劳动力(gydF4y2Ba高et al ., 2022 bgydF4y2Ba)。绿色全要素生产率指数及其分解中国服务行业作为一个整体计算和北部和南部地区,和全要素生产率的变化趋势在整个生产和北部和南部地区进一步分析。gydF4y2Ba

表3gydF4y2Ba列出了中国服务产业的绿色全要素生产率指数及其分解。从2003年到2017年,中国的绿色全要素增长率总体服务产业每年增长了4.6%,主要是由于技术进步的提高。从时间维度,中国服务业全要素生产率及其分解主要反映在以下特点:gydF4y2Ba

从GTFP增长的角度来看,2003年和2017年之间的增长是积极的和消极的。2003 - 2007年的经济快速增长,国内改革的信心,开放和发展的服务行业逐渐改善,和绿色全要素生产率的服务行业也持续增加。最高的值出现在2007年。然而,2008年养老金危机的爆发导致GTFP在服务行业的衰落。刺激经济快速增长,国家实施了4万亿财政刺激计划2008年11月,刺激效应逐渐出现,使服务业的绿色全要素生产率在2014年再次达到一个高价值。gydF4y2Ba

技术效率的总体增长率呈下降趋势,而整体技术进步显示了上升趋势。从平均值,可以看出,技术效率的增长率从2003年到2017年是- 1.5%,而技术进步的平均年增长率为6.1%。技术效率是实际产出与产出的比率在生产方面在一个给定的输入电平,和技术进步表示,在一个给定的输入电平。运动的几何平均的生产前的输出方向。可以看出,从2003年到2017年,第三产业的全要素生产率在所有省份主要是提高了技术进步,而技术效率表现出下降的趋势。这表明与资本投资的增加,每个省的技术进步已经显著提高,但没有充分利用现有的资源和技术潜力,导致技术效率的下降,恶化的技术效率和技术进步。gydF4y2Ba

分解指标的技术效率,从2003年到2017年,年均增长率的纯技术效率和规模效率分别为- 0.3%和- 1.2%,表明中国服务产业尚未形成规模经济的特点。不能量化的,因为服务行业,服务行业的统计结果输入和输出水平是有偏见的。gydF4y2Ba

4.2。异质性的服务业GTFP在中国北部和南部gydF4y2Ba

表4gydF4y2Ba列出了服务行业绿色全要素生产率指数及其分解的省市在中国从2003年到2017年。与此同时,北部和南部地区的增长率也计算。每个指标的变化范围表明,北部和南部地区有一个大地区异质性服务业绿色全要素生产率,技术进步和技术效率。从2003年到2017年的平均年增长率绿色全要素增长率是4.6%,而南部地区的年平均增长速度是5,比全国平均水平高出0.4%。北部地区的平均年增长率为3.6,比全国平均水平低了1%。广西、广东、浙江、海南、江苏的年增长率最高的服务行业在中国31个省市,而贵州最低的增长率。从这可以看出,服务行业的增长在南方是不同的,而服务业的增长率在北方相对集中。从分析GTFP及其分解的平均增长率在北部和南部,可以看出GTFP的平均年增长率在北方的服务行业是1.4%低于南方,主要是因为技术进步在北方比南方低2.9%。gydF4y2Ba

从GTFP分解指标,可以看出,服务业的技术效率在北方高于南方,和纯技术效率和规模效率都高于在南方,表明从2003年到2017年。gydF4y2Ba

图1gydF4y2Ba显示南北差距在技术进步在中国服务行业的绿色发展。技术进步在南部地区高于北部地区。北方的服务行业已经开始成形,和输入因素的利用效率高,但技术进步水平很低。然而,服务行业输入因素的利用效率在南方很低,没有规模效应。由于改革开放的影响,技术的引入,在南方服务产业的全要素生产率主要取决于技术进步。在南方技术进步的贡献很大,导致服务业绿色全要素生产率在南方高于北方。gydF4y2Ba

5。服务行业的绿色发展的实证分析gydF4y2Ba

5.1。空间自相关分析gydF4y2Ba

空间自相关莫兰指数描述了空间分布和聚集从空间角度的观察。gydF4y2Ba图2gydF4y2Ba显示了莫兰的趋势图索引的空间自相关服务行业GTFP全国和地区。随着经济矩阵的权重矩阵,从结果可以看出,中国的空间相关性显著正的。中国服务行业的空间集聚特征明显,服务产业发展水平高的地区周围更多的服务行业发展水平高的地区。同时,服务业发展水平较低地区包围区域相同的服务业发展水平较低。莫兰指数可以看出,国家服务行业的绿色发展水平一直在增加,表明空间自相关服务行业的显著增加。gydF4y2Ba

从的角度变化趋势的北部和南部地区,莫兰服务业指数降低。北方地区的莫兰指数明显高于南部地区从2003年到2013年,这表明朝鲜地区的空间正相关显著高于南方地区。2013年之后,南方地区的莫兰指数高于北方地区,但仍在一个下降的趋势。由于信息技术的快速发展,运输和物流,每个省份和城市的服务业发展水平显著cross-impact效果。服务行业的绿色发展水平不仅影响的一个南部省份将通过在南方其他地区还北部地区。gydF4y2Ba

可以看出gydF4y2Ba图2gydF4y2Ba全国莫兰指数持续上涨,而莫兰指数在南部和北部地区显示一个下降的趋势。与生产要素的流动,省服务业协会并不仅限于邻近地区,与不相邻区域也逐渐加强。gydF4y2Ba

图3gydF4y2Ba显示了莫兰分散于2019年在中国31省市地图。国家莫兰散点图可以看出,北京、上海、天津、浙江、山东位于HH区,在山西、陕西、湖北、河南位于区。这说明,这些省份是包围的地区同样水平的服务行业的发展。有明显的区域异质性中国服务产业的发展。gydF4y2Ba

图4gydF4y2Ba莫兰散射的GTFP服务行业2019年在北部地区。从图可以看出,北京和天津HH地区北部地区2017年与高水平的服务产业发展。这些省份有一个高水平的服务产业发展和周围地区有高水平的服务产业发展;然而,陕西、甘肃、新疆、青海、和其他地区位于我区域,这意味着他们的服务产业的发展水平很低,和周围地区的发展水平也低。从2019年莫兰散点图可以看出,许多省北部地区位于区。gydF4y2Ba

而gydF4y2Ba图5gydF4y2Ba莫兰散射的GTFP服务行业2019年在南部地区。可以看出,安徽、江西、海南、重庆、湖北位于HH地区在南部地区。这些省份在南部地区位于服务业发展水平高的地区,周围高水平。浙江、上海、福建、广东位于区。这些省份的绿色发展处于低水平,这些省份低绿色发展区域包围。gydF4y2Ba

从上面的结果可以看出,是一个重要的空间关系服务行业在中国的不同地区绿色发展水平。地理空间效应的服务产业发展中发挥着重要作用区域服务业发展,和空间的影响有多大?进一步的实证测试通过计量经济分析是必需的。gydF4y2Ba

5.2。空间计量经济学的回归分析绿色发展的服务行业gydF4y2Ba

根据空间自相关测试,绿色全要素生产率的莫兰价值每个省的第三产业明显积极的在10%的水平,这表明有明显的空间自相关服务行业的绿色发展水平,应该使用和空间计量经济学模型。在经济矩阵,该模型通过了似然比检验和瓦尔德测试。结果表明,LM误差值是44.32和59.65,分别和瓦尔德测试值是40.92和38.15,这在1%的显著水平。因此,它更适合使用空间杜宾模型(SDM)拒绝SAR空间自回归模型和空间误差模型扫描电镜。在距离矩阵和邻接矩阵的测试中,原假设也明显拒绝,表明空间杜宾模型(SDM)应该选择进行分析。因此,本文将分析服务业的影响因素的绿色发展水平基于空间杜宾模型。在所有的模型,本文控制的空间效应和时间效应的影响控制两种类型的不可见的因素随时间变化但不与省与省但不随时间改变。在gydF4y2Ba表5gydF4y2Ba列(2)-(3)展示空间杜宾模型的估计结果与邻接矩阵空间矩阵,和列(4)-(5)的回归结果显示空间杜宾模型与空间距离矩阵的矩阵。(6)-(7)列表空间杜宾模型的估计结果与经济空间矩阵矩阵。gydF4y2Ba

的结果gydF4y2Ba表5gydF4y2Ba显示各种因素的贡献绿色全要素生产率的第三产业。lnpden,正如上面提到的,变量lnp lnpgov, lnroadp, lnpform,和lnpgdp2代表生产者服务的相对密度、人口密度、财政支出的比例,基础设施,开放,和第二产业增加值的比例;W代表空间权重矩阵。空间杜宾模型的估计结果表明,邻接矩阵,矩阵,经济和距离矩阵作为权重矩阵,生产性服务业的区位熵的弹性系数显著正的,这表明浓度水平的生产性服务业的影响第三产业的绿色全要素生产率显著正的。因此,它具有十分重要的意义提高生产性服务业的比重,促进服务业的内部结构的升级,促进高质量的中国服务产业的发展。从南部地区的角度来看,人口密度的弹性回归系数显著负,表明人口密度的影响,对服务业的发展在南方显著负的。这是由于对人力资本的需求相对较低,服务行业在南方,这主要是由技术进步。这对应于绿色全要素生产率的分解的服务行业。gydF4y2Ba

服务行业的技术进步在南远高于在北方,所以对人力资本的需求较低。人口密度有一个重要的角色在促进绿色发展的服务行业在北部地区,表明北部地区主要是劳动密集型的服务行业,对人力资本的高需求和低水平的技术,这是符合全要素生产率的分解。财政支出的比例越高,越能克制服务行业的发展。这表明财政支出的增加会挤出私人投资的水平,从而减少绿色服务产业的发展水平。交通基础设施起着积极的促进作用的绿色发展服务业在北部和南部地区,表明交通更方便,更有利于人才流动和技术元素,从而可以提高服务行业的发展水平。回归系数的第二产业增加值的比例在南部地区是负的,而在北部地区,它是积极的。只有经济矩阵作为权重矩阵和是重要的10%置信水平,表明第二产业的发展有抑制作用的发展服务业在南方,但在服务行业发展的促进作用在北方。这对应于现实。第二产业的比例在北方是相对较高的,和绿色服务发展水平相对较低。南方的第二产业的比例很低,和服务行业发展水平很高。 From the perspective of the spatial spillover effect, when the adjacency matrix and economic matrix are used as weights, the intensity of producer services in neighboring provinces in the south has a significant role in promoting the green development of the tertiary industry. The higher the proportion of the secondary industry in the GDP of neighboring provinces, the more positive role in promoting the service industry of the province. This shows that the higher the density of producer services in neighboring provinces, the higher the proportion of the development of the secondary industry, The closer the connection between the province and the surrounding provinces is, the more technology spillovers, knowledge exchanges and human capital flows between the provinces are generated, thus driving the green development of the service industry of the province. For the northern region, when the secondary industry development level of neighboring provinces is high, it will significantly inhibit the service industry development level of the province, because the service industry in the northern region is significantly affected by the population density. When the secondary industry in the surrounding provinces develops well, it will cause the outflow of human capital itself, thereby reducing the population density of the province, and inhibiting the service industry development of the province.

5.3。健壮性测试gydF4y2Ba

的gydF4y2Ba人均gydF4y2Ba省的第三产业GDP作为衡量省服务业发展水平的空间计量经济学分析。回归结果所示gydF4y2Ba表6gydF4y2Ba。从回归结果可以看出,在三个空间矩阵,生产性服务业的相对密度的弹性系数显著阳性,表明生产性服务业的发展水平可以显著提高gydF4y2Ba人均gydF4y2BaGDP的第三产业,促进地区的发展服务。人口密度的弹性系数是显著的负,表明人口密度越高,越低gydF4y2Ba人均gydF4y2Ba第三产业的国内生产总值。财政支出的弹性系数是负的,这表明财政支出在排挤私人投资中发挥作用,导致的减少gydF4y2Ba人均gydF4y2Ba国内生产总值(GDP)在第三产业。基础设施开发开放水平有积极的促进作用gydF4y2Ba人均gydF4y2Ba国内生产总值。第二产业的比例在南部地区有抑制作用和促进作用在北部地区。从空间溢出效应的角度来看,回归结果与上述一致。第二产业的比例在周边省份有一个重要的角色在促进服务业的发展在南方,虽然仍有一个重要的角色在抑制北方的服务行业的发展。生产性服务业在邻近省份的强度仍然扮演一个重要的角色在促进第三产业的发展在中国南部。gydF4y2Ba

6。结论和启示gydF4y2Ba

近年来,经济发展的差异之间的北部和南部已成为学者们关注的焦点的研究,服务业在经济中所占的比例一直在上升,这是特别重要的研究服务行业的绿色发展在北部和南部。以秦岭山脉的淮河线为分界线,本文在中国31省市分为两个部分:北部和南部。随着每个省的开放,自由流动的产品和因素在不同地区有所增加。在每个省服务业的发展不仅取决于资本的增长,劳动和技术输入省还在周边地区的经济发展在很大程度上。因此,南北差异服务产业发展及其影响因素必须从空间的角度进行分析,以更全面、深入。gydF4y2Ba

首先,本文采用DEA Malmquist指数法来测量的绿色全要素生产率服务行业在中国31个省市和北部和南部地区从2003年到2019年。结果表明,绿色全要素生产率在南方高于北方,北方的服务业的技术效率高于在南方,和纯技术效率和规模效率都高于南方。这表明,服务业在北方已经开始成形,但技术进步水平低,导致产量低的服务业在北方比南方。因此,北方地区应提高技术水平,而南部地区应注重形成规模效应和产出效应的服务行业。其次,本文使用了莫兰指数法来测量的空间分布格局和特征GTFP服务行业在中国31个省市和北部和南部地区从2003年到2019年。结果表明,第三产业之间存在显著的正相关关系在北部和南部地区,表明服务产业发展水平高的地区,四周都是高级区域。低地区周围低的地区。最后,本文使用空间杜宾模型测量第三产业的绿色全要素生产率和GDPgydF4y2Ba人均gydF4y2Ba在31个省,揭示了服务业的影响因素在北部和南部地区。结果表明,生产性服务业的浓度水平将大大促进绿色发展的服务行业在北部和南部地区;人口密度将大大促进服务业的发展在北方,而这将抑制在南方服务产业的绿色发展。基础设施建设和对外开放可以显著提高服务业的发展水平。gydF4y2Ba

绿色发展的服务行业在中国南部高于北部。的主要原因的低水平的绿色发展北部地区服务行业是服务行业的技术水平较低,所以朝鲜应该提高服务行业的技术水平,不断赶上南方的服务行业。生产者服务业的影响浓度水平的绿色发展服务业不仅有“本地”的影响,也有很大的空间溢出效应。这将大大促进绿色发展的服务行业和周边地区。生产性服务业的聚集带来的规模经济,促进生产资源和人才的交流,推动服务企业获取资源,降低交易成本。生产性服务业的浓度水平越高,越高的比例高附加值和低能耗部门。增加生产性服务业的集聚水平将降低能源消费的服务行业,促进绿色发展的服务行业。gydF4y2Ba

绿色全要素生产率在南部地区明显高于北部地区。服务业在北方的比例也超过了韩国自2015年以来,仍接近55%,远低于发达国家的70%的比例。这表明,中国的服务行业的比例很低,和服务行业仍有很大增长空间。可以看出绿色全要素生产率的服务行业及其分解指标,服务行业在北方拥有更高的技术效率、纯技术效率更高,和规模效率比在南方,但较低的技术进步;从服务行业的影响因素,我们可以看到,南北地区应该增加开放,增加基础设施建设,促进绿色发展的服务行业。北部地区应该在服务行业进行技术创新,提高生产性服务的比例,充分发挥技术优势。南部地区应充分提高服务业的技术效率,并形成服务行业的规模经济。同时,它应该充分发挥空间溢出效应,提高资源配置的效率,共同促进优质服务行业的发展。gydF4y2Ba

数据可用性声明gydF4y2Ba

最初的贡献提出了研究中都包含在这篇文章/补充材料,进一步调查可以直接到通讯作者/ s。gydF4y2Ba

作者的贡献gydF4y2Ba

公元前负责论文的设计,负责论文的修改。XX负责编写和提交论文的,负责论文的数据收集。所有作者的文章和批准提交的版本。gydF4y2Ba

资金gydF4y2Ba

国家社会科学基金重大项目“研究设计和路径选择的新老动能转换机制”(批准号18 zda077)。山东省社会科学规划研究项目“研究使效应和改善工业网络平台”(批准号21 cgj17)。高等教育科学研究规划“绿色发展的路径和对策研究的皮带和道路的目标下双碳”(批准号22 dl0301)。高层次科研项目培养基金项目“高质量研究山东省经济发展背景下的数字经济”(批准号2022 gspsj07)。gydF4y2Ba

的利益冲突gydF4y2Ba

作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。gydF4y2Ba

出版商的注意gydF4y2Ba

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。gydF4y2Ba

引用gydF4y2Ba