产业协同集聚、制度环境与工业绿色创新效率

工业是立国之本，强国之基。改革开放40多年来，我国工业发展取得了举世瞩目的成就，工业规模跃居世界第一，但是“高投入、高能耗、高污染、低产出、低创新”的粗放型发展模式使我国面临的资源环境承载压力不断加大，实现可持续绿色发展任务艰巨。建设突破资源环境约束的工业绿色技术创新体系、提高工业绿色创新效率成为亟待解决的现实问题。然而，绿色创新具有溢出效应和环境外部成本的双重外部性，会降低企业绿色创新意愿[1]。针对绿色创新难度大、风险高的特点，诸多学者从环境规制[2]、对外开放[3]、研发投入[4]等方面提出破解良方。高技术制造业作为工业的重要组成部分，所具有的知识密集型和环境优化型产业属性使其成为推动工业绿色创新发展的中坚力量。高端技术制造业更能充分发挥创新的溢出效应，促进产业空间集聚的形成与发展。生产性服务业作为与高技术制造业具有高度技术关联和产业关联的异质性产业，上下游产业关联促使其形成协同集聚态势，成为影响工业绿色创新发展的重要因素[5]。那么，高技术制造业与生产性服务业协同集聚能否提升工业绿色创新效率？存在何种作用路径？能够为产业集聚和创新活动提供制度支持的制度环境是否会影响产业协同集聚与工业绿色创新效率的作用关系？这一系列问题的检验，对提高高技术制造业与生产性服务业协同集聚质量、促进工业企业绿色创新发展具有重要理论价值和现实意义。

1 文献综述

与传统创新相比，绿色创新更具特殊性和针对性，可以通过降低外部环境成本实现经济利益和环境利益的双赢。从集聚经济和知识外溢视角看，产业集聚是导致地区创新差异的主要原因[6]。越来越多的研究表明，单一产业集聚是影响绿色创新的重要因素[7]，高技术制造业和生产性服务业作为知识密集与环境优化型产业，二者集聚通过规模经济、技术溢出和共享效应提升地区或企业绿色创新效率[8]，在促进绿色创新发展中的作用愈发突出。随着产业分工不断细化，传统的单一产业集聚逐渐向多产业协同集聚发展，高技术制造业与生产性服务业较强的技术关联性加快空间共聚模式的形成。部分学者对高技术制造业与生产性服务业协同集聚的绿色效应或创新效应进行了分析，如王燕和孙超[9]研究表明，高技术产业与生产性服务业协同集聚对绿色全要素生产率具有倒U型影响；黄晓琼和徐飞[10]研究证实，科技服务业—高技术产业协同集聚与高技术产业创新水平呈倒U型关系。但是，对于产业协同集聚绿色创新效应的探讨尚存在不足。

进一步梳理文献发现，在多产业协同集聚与绿色创新关系的研究中，大多基于时间维度进行讨论，而忽略了对空间效应的探讨。但是，大多数事物都存在空间相关性，尤其在区域协调发展战略布局下，空间互动关联理应成为关注重点。原毅军和高康[11]利用Moran散点图证实制造业与生产性服务业协同集聚呈现出明显的空间集聚特征，并具有空间外溢效应；聂明华和齐昊[12]、范德成和吴晓琳[13]也证实工业绿色创新在区域间存在空间相关性。因此，本文认为高技术制造业与生产性服务业协同集聚的作用不仅体现在对本地工业绿色创新的影响上，还包括对地理邻近地区工业绿色创新的空间溢出效应，忽视这种空间效应可能使研究结论与实际情况存在一定偏误。

与西方国家不同，中国的产业集聚除受资源禀赋、知识外溢等因素影响外，还在很大程度受到政府行为尤其是制度环境的影响。王永进等[14]证实良好的制度环境可以通过减少契约执行过程中的机会主义行为和不可预期风险，为产业集聚提供深层次制度保障。制度创新学派认为，技术创新有赖于制度保障，尤其是产权制度通过保障创新收益最大化推动技术进步[15]。杨朝均等(2021)研究表明，制度环境对工业绿色创新具有显著促进作用和正向空间溢出效应。然而，现有研究并未深入到产业协同集聚领域，也未考虑制度环境在产业协同集聚与工业绿色创新间关系中到底发挥何种作用。

鉴于此，本文从高技术制造业与生产性服务业协同集聚(以下简称产业协同集聚)视角出发，探究其对工业绿色创新效率的直接效应和空间效应，并将制度环境纳入分析框架进行探讨。本文尝试在以下方面进行拓展：第一，从理论和实证两个方面探究高技术制造业与生产性服务业协同集聚对工业绿色创新效率的影响，为产业集聚与工业绿色创新发展等研究领域增添经验证据；第二，考虑到产业协同集聚与工业绿色创新效率可能存在空间相关性，采用空间计量模型对二者关系进行实证检验，使研究结论更具说服力；第三，将制度环境纳入分析框架，检验制度环境尤其是知识产权对产业协同集聚与工业绿色创新效率间关系的调节效应。研究可为提升产业协同集聚质量和促进工业绿色创新发展提供经验证据。

2 理论机制与研究假设

2.1 产业协同集聚对工业绿色创新效率的影响

产业协同集聚对工业绿色创新效率具有正外部性。第一，产业协同集聚有助于生产性服务业向高技术制造业及其集聚区周边工业企业提供中间品服务，如污染防控技术、清洁生产技术等，并将知识、技术、信息等要素融入到工业企业生产价值链中，促进清洁绿色生产技术的开发，降低能源消耗和污染排放。第二，高技术制造业与生产性服务业协同集聚具有更强的知识外溢效应，能够加快产业间知识、技术等无形资源的扩散交流，为企业间“示范—模仿”和科研合作提供平台[16]，实现资源共享和优化配置，提高创新资源配置效率，对加快绿色创新成果应用具有重要推动作用。第三，产业协同集聚形成规模经济效应，通过降低企业要素搜寻成本和市场交易成本，扩大创新规模，加快绿色创新产出，并在产业关联下促进绿色创新成果应用，使得工业企业创新活动中的期望产出显著增加、非期望产出显著下降。第四，产业协同集聚可能产生空间外溢效应，通过知识、技术的跨区域流动带动创新外溢，从而对周边地区工业绿色创新产生正向溢出效应。

产业协同集聚对工业绿色创新效应也可能产生负外部性。第一，随着产业协同集聚规模不断扩大，集聚区面临的资源环境承载压力不断加大，资源配置效率降低，生产要素过度集中产生的拥挤效应引发企业恶性竞争，抑制企业研发行为[17]，阻碍创新产出。第二，产业协同集聚对绿色创新的负外部性还可能表现为市场失灵，由于绿色创新成果具有较强的正外部性，随着协同集聚规模扩大，企业间互动交流频繁，绿色创新成果极易被竞争对手学习和模仿，导致企业创新收益难以抵消创新投入，这种不确定性和高风险将极大降低企业绿色创新意愿，从而不利于绿色创新效率提升。第三，地区间“以邻为壑”的发展动机可能阻碍要素自由流动和地区间技术外溢[18]，从而使产业协同集聚对周边地区工业绿色创新产生负外部性。因此，本文提出以下假设：

H1：高技术制造业与生产性服务业协同集聚对本地区工业绿色创新效率的影响可能存在倒U型的非线性特征，而对地理邻近地区工业绿色创新效率的影响具有不确定性。

2.2 产业协同集聚影响工业绿色创新效率的传导机制

(1)人力资本流动。高技术制造业和生产性服务业作为知识密集型产业，二者协同集聚的知识溢出效应更为明显，而知识传递不仅来源于企业间的交流合作，创新要素流动带来的技术扩散也是知识溢出的重要渠道[19]。拥有知识和技术信息的高级人力资本跨区域流动将加快科技成果和节能环保技术的共享与扩散，有利于整合区域内闲置、分散的创新资源，提高资源配置效率，提高集聚区企业研发创新效率和能源利用率，实现绿色创新活动中创新产出的增加、污染排放的减少，并在产业关联带动和技术波及下，带动整个工业行业绿色创新效率水平提升。

(2)协同创新。产业协同集聚可为集聚区企业获取互补性创新资源提供便利，激发创新需要，促进产学研不同创新主体间的交流合作，实现协同创新，加快科技成果转化应用[20]，并利用技术革新提高能源效率、降低能耗水平。同时，协同创新通过成本共担和风险分散降低企业绿色创新成本，激发企业绿色创新动力，最终提升工业绿色创新效率。此外，产业协同集聚会促进创新资源集聚，引发市场竞争，各企业为提高创新竞争力，加强与政府、科研机构的创新合作，从而实现产学研协同创新并提升绿色创新效率。综上，本文提出以下假设：

H2：高技术制造业与生产性服务业协同集聚通过人力资本流动和协同创新促进工业绿色创新效率水平提升。

2.3 制度环境的调节作用

降低生产和交易成本是产业集聚的重要动因，产业集聚的形成与发展受到制度环境的约束和激励。良好的制度环境可为产业协同集聚营造相对公平的竞争环境、良好的社会秩序和完善的法治环境，扩大产业竞争优势，弥补市场失灵并实现产权保护，确保产业协同集聚的稳定性，进而激励绿色创新效应的发挥。同时，针对生产性服务业和高技术制造业这类契约密集型行业，良好的制度环境可以促进契约的有效履行，减少履约摩擦并降低不可预期风险，进一步激励集聚区技术密集型企业进行绿色创新投资和采用清洁生产技术。此外，完善的制度环境可以提高资源配置效率[21]，促进要素按市场价格自由流动，在一定程度上避免资源错配、效率损失、要素过度集聚等问题，从而缓解产业协同集聚的拥挤效应等负外部性问题。

制度的内涵相当丰富，对于高成本、高风险的绿色创新活动而言，需要更有效的制度政策引导技术绿色化，而知识产权作为保护创新成果的重要制度安排，对创新密集型产业具有更加明显的创新激励作用[22]。知识产权保护通过促进绿色创新知识私有化，降低绿色技术知识被模仿的风险[23]，帮助集聚区企业形成相对稳定的创新收益，加快绿色创新产出，从而既提高绿色创新效率，又缓解因市场失灵带来企业绿色创新意愿不足的问题。综上，本文提出以下假设：

H3：制度环境能够强化产业协同集聚的绿色创新效应，从而延缓负外部性的发生。

H4：相较于制度环境，知识产权保护对产业协同集聚的绿色创新效应具有更强的激励作用，对负外部性的延缓作用更明显。

3 模型设定与指标选取

3.1 模型设定

3.1.1 空间面板模型

地理学第一定律证实，大多数空间数据都具有或强或弱的空间依赖性[24]。各地区产业协同集聚和绿色创新水平不可避免会受到相邻地区的影响，因此采用空间面板模型进行分析。空间计量模型包括空间自回归模型(SAR)、空间误差模型(SEM)、空间杜宾模型(SDM)等，SDM模型能够同时考虑自变量和因变量的空间滞后项对因变量的影响效应，因此本文选取SDM模型作为基准模型，检验高技术制造业与生产性服务业协同集聚对工业绿色创新效率的影响。根据前文理论分析，产业协同集聚与工业绿色创新效率之间可能呈现U型的非线性特征，因此模型中纳入产业协同集聚的平方项。

式中，GIE为工业绿色创新效率，Coaggl为高技术制造业与生产性服务业协同集聚，Control为相关控制变量。a0为常数项，W为地理距离权重矩阵，ρ、θ分别为被解释变量和核心解释变量的空间交互项系数，εit为随机误差项。当SDM模型不考虑解释变量的空间关系，即θ1=θ2=0，η=0时，则为空间自相关模型(SAR)；当仅关注误差项的空间依赖关系，即θ1=θ2=0，η=0，ρ=0且ε=λWμ+φ时，则为空间误差模型(SEM)；当SDM模型的空间项系数均为0，即θ1=θ2=0，η=0，ρ=0，λ=0时，则为OLS模型。

为进一步验证制度环境(inenv)的调节作用，在式(1)基础上纳入产业协同集聚与制度环境的交互项。

3.1.2 中介效应模型

为检验人力资本流动和协同创新对产业协同集聚与工业绿色创新效率的中介效应，采用温忠麟和叶宝娟[25]的中介效应模型对中介机制进行检验。

式中，Mit为中介变量人力资本流动和协同创新，其余变量含义均与式(1)相同。若式(1)中Coagglit的估计系数β1通过显著性检验，则进一步进行中介效应检验。若式(3)中Coagglit的估计系数

和式(4)中Mit的估计系数σ同时通过显著性检验，则存在中介效应。在此基础上，若式(4)中核心解释变量的系数

通过显著性检验，则存在部分中介效应，未通过显著性检验，则为完全中介效应。

3.2 指标选取与数据说明

3.2.1 被解释变量

工业绿色创新效率(gie)。基于投入产出视角，利用非径向方向距离函数模型对工业绿色创新效率进行测算[26]。以中国内地30个省份(西藏因数据不全，未纳入分析)作为决策单元，借鉴杨浩昌等(2020)的做法，投入变量选取规模以上工业企业R&D资本存量、R&D人员全时当量和能源消耗总量，其中R&D资本存量使用永续盘存法测算，折旧率δ取15%。期望产出选取规模以上工业企业新产品销售收入和绿色发明专利授权量。其中，新产品销售收入使用工业生产者出厂价格指数并以2004为基期进行平减；对于绿色发明专利授权量的衡量，借鉴董直庆和王辉[27]的做法，通过国家知识产权局网站搜集所有专利申请信息，并根据世界知识产权组织颁布的“国际专利分类绿色清单”进行筛选整理，统计出各省份专利数据。非期望产出选取工业废水排放量、工业二氧化硫排放量、工业固体废物产生量和工业碳排放量，其中工业碳排放量通过各种化石能源消耗量乘以相应碳排放系数加总得到[28]，化石能源包括原煤、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油气和天然气。工业绿色创新效率取值范围为0～1，其数值越大，工业绿色创新效率水平越高。

3.2.2 核心解释变量

高技术制造业与生产性服务业协同集聚(Coaggl)。根据《国民经济行业分类(GB/T4754-2017)》，生产性服务业包括交通运输、仓储和邮政业，租赁和商务服务业，信息传输、软件和信息技术服务业，金融业，科学研究和技术服务业。借鉴张虎等[29]的做法，对产业协同集聚指数进行测度，公式如下：

式中，Hagglit、Pagglit分别为高技术制造业和生产性服务业集聚指数，均使用区位熵法测算，Coagglit为产业协同集聚水平。

人力资本流动(hfl)。人力资本流动有助于知识和技术跨区域流动，尤其是促进隐性知识共享交流，加快知识溢出。采用就业人口中大专及以上受教育人数衡量人力资本，并利用引力模型测度人力资本流动量[30]。

其中，hfli为i地区的人力资本流动量，Hi为人力资本数，Wage为城镇单位就业人员平均工资，House为各地区住宅平均销售价格，Rij为区域i、j的中心位置距离。

协同创新(ci)。现有文献大多通过不同主体间的资金流动对协同创新程度进行测度。本文借鉴白俊红和蒋伏心[31]的做法，用高校和研发机构研发经费中企业资金占比、规模以上工业企业研发资金中政府资金占比表示直接与间接主体间的资金往来，并用因子分析法计算得到协同创新整体水平值。

制度环境(inenv)。制度环境的完善很大程度上依赖市场化水平，本文选取王小鲁等(2021)的市场化指数作为制度环境的代理变量，市场化指数越大，制度环境越好。数据来源于中国分省份市场化指数数据库。

知识产权保护(property)。借鉴史宇鹏和顾全林[32]的研究，采用专职律师比率、专利侵权案件结案率、知识产权未被侵权率和技术市场交易规模，并基于熵权法构建知识产权保护指数。其中，专职律师比率=各省专职律师数/总人口数，专利侵权案件结案率=当年累计专利纠纷结案数/立案数，知识产权未被侵权率=1-(专利侵权纠纷累计立案数/该地区累计专利授予数)，技术市场交易规模=技术市场成交额/GDP。

①人力资本水平(human)：高素质人力资本是开展绿色创新活动的关键要素，用劳动力平均受教育年限表示；②信息化水平(infor)：信息化可以突破创新要素和资源的时空藩篱，促进要素自由流动，信息技术的发展推动产业模式和创新活动变革，用各地区邮电业务量占GDP比重表示；③外商直接投资(fdi)：根据“污染光环”和“污染避难所”假说，外商直接投资对绿色创新效率具有重要影响，用外商直接投资额占GDP的比率表示，利用人民币汇率年均价将美元数据转化为人民币后计算；④环境规制(er)：环境规制与绿色创新之间存在“遵循成本”和“创新补偿”的争论，用工业污染治理完成投资与规模以上工业企业主营业务成本的比重表示；⑤要素禀赋(fe)：要素禀赋结构与技术创新模式具有紧密联系，采用资本存量与就业人数的比值衡量；⑥政府干预(gov)：有效的政府干预可以预防市场失灵，为企业提供创新资金扶持，但过度的政府干预可能导致资源错配，影响企业创新决策，使用地方财政支出占GDP的比重衡量。

考虑数据可得性和完整性，选取2004—2020年中国内地30个省域(西藏因数据不全，未纳入统计)面板数据作为研究样本，各变量原始数据来源于《中国工业统计年鉴》《中国高技术产业统计年鉴》《中国第三产业统计年鉴》《中国环境统计年鉴》、国家知识产权局统计年报及各地方统计年鉴。主要变量描述性统计见表1。

4 实证结果与分析

4.1 基准回归结果分析

为确保空间计量模型的拟合效果最优，按照OLS-SAR/SEM-SDM路径进行模型选择。表2报告了高技术制造业与生产性服务业协同集聚对工业绿色创新效率的基准回归结果。OLS、SAR、SEM和SDM回归结果均显示，产业协同集聚对工业绿色创新效率一次项的回归系数在1%水平上显著为正，二次项的回归系数在1%水平上显著为负，回归结果较为一致，说明本文研究结论具有一定稳健性。在3种空间计量模型下，空间自回归系数和空间误差项系数均在1%水平上显著为负，说明我国各省份工业绿色创新效率并不是相互独立的，而是具有负向空间相关性。为进一步证明使用SDM模型的合理性，对SDM模型进行LR和Wald检验。结果显示，Wald(SAR)和LR(SAR)统计量分别为34.55、47.49，Wald(SEM)和LR(SEM)统计量分别为40.43、45.97，均至少在1%水平上通过显著性检验，拒绝θ1=η=0和η+ργ=0的原假设，SDM模型不可转化为SAR和SEM模型。因此，下文使用SDM模型作为基准模型进行分析。

在包含空间滞后项的空间计量模型中，回归系数难以表征自变量对因变量的影响，因此采用偏微分法将SDM模型影响效应分解为直接效应和间接效应(见表3)。在直接效应中，产业协同集聚一阶项的回归系数在1%水平上显著为正，平方项的回归系数在1%水平上显著为负。这表明，随着高技术制造业与生产性服务业协同集聚水平提高，本地区工业绿色创新效率呈先升后降的态势，即产业协同集聚与工业绿色创新效率之间呈倒U型的非线性关系，H1得到验证。经计算，倒U型曲线的拐点值为6.473，大于产业协同集聚水平2.703的均值，说明当前我国高技术制造业与生产性服务业协同集聚有助于工业绿色创新效率提升。产业协同集聚能为产业间绿色创新合作提供便利，扩大创新规模并产生规模报酬递增效应，从而使单位创新投入的创新产出增加，并通过技术创新降低能源消耗和污染物排放，进而提升工业绿色创新效率。从控制变量看，环境规制对工业绿色创新效率具有显著促进作用，环境规制通过提高资源配置效率，激励企业进行绿色技术创新，“创新补偿”效应占据主导地位；要素禀赋的参数估计系数显著为负，资本过度深化可能导致资源错配，使资本产出效率下降，阻碍技术创新；政府干预也表现为显著抑制作用，政府可能更加偏好投资“短平快”项目，对绿色创新活动缺乏投资意愿，甚至干扰企业创新决策，进而阻碍企业绿色创新水平提升；外商直接投资对工业绿色创新效率具有不显著的负向作用，可能导致“污染避难所”问题的产生；人力资本和信息化水平均表现为不显著的正向作用，人力资本作为创新的关键要素，其积累程度越高，越有利于工业绿色创新效率提升，信息化水平的时空压缩效应会加速要素流动，促进绿色创新成果的应用和扩散。

在间接效应中，产业协同集聚一次项的系数为负，平方项的系数为正，但均未通过显著性检验，说明产业协同集聚对地理邻近地区的工业绿色创新效率具有抑制作用，但不显著。可能的原因是：由于区域间产业结构同质，产业体系相对独立但缺乏关联性，难以形成合理的产业分工格局和良性互动；区域间“以邻为壑”的发展动机阻碍创新要素自由流动，技术外溢效应难以充分发挥，最终导致产业协同集聚对绿色创新效率产生负向空间溢出效应。

4.2 稳健性检验

本文采用两种方式进行稳健性检验，结果如表4所示。首先，用经济距离矩阵替换地理距离矩阵进行回归。结果显示，产业协同集聚一次项和二次项的回归系数分别为正、负，均通过显著性检验，表明高技术制造业与生产性服务业协同集聚对工业绿色创新效率的影响存在拐点效应，与基准回归结果一致。其次，替换被解释变量的测度指标。考虑到专利也能体现创新主体的创新能力，以人均绿色发明专利授权量替代使用投入产出法测算的绿色创新效率。结果显示，产业协同集聚与工业绿色创新效率呈先升后降的倒U型特征，且现阶段处于倒U型曲线左侧，回归结果具有稳健性。

4.3 地区异质性

考虑到各地区在资源禀赋、经济水平、产业结构等方面存在显著差异，可能造成产业协同集聚对工业绿色创新效率的影响存在一定异质性。因此，进一步将全部样本按照地理区位划分为东部和中西部进行分样本回归，结果如表5所示。结果显示，产业协同集聚对东部地区工业绿色创新效率的影响依然呈倒U型特征，但对中西部地区的影响具有U型特征。在东部地区，从产业协同集聚对工业绿色创新效率的直接效应看，一次项和二次项的系数分别显著为正、显著为负，且均在1%水平上通过显著性检验。经计算，倒U型曲线的拐点值(8.279)大于东部地区产业协同集聚的均值(4.352)，说明东部地区产业协同集聚对工业绿色创新效率具有显著促进作用。东部地区具有人才、资金和技术优势，产业发展基础好，创新资源相对丰裕，高技术制造业和生产性服务业发展质量较高，产业协同集聚初具规模，更能充分发挥集聚的规模效应、技术外溢效应，从而带动工业绿色创新效率提升。从间接效应看，东部地区产业协同集聚对工业绿色创新效率呈现负向不显著的空间外溢效应，区域间产业合作和协同发展优势尚未得到有效释放。

在中西部地区，从产业协同集聚对工业绿色创新效率的直接效应看，一次项和二次项的系数符号与东部地区完全相反，呈先降后升的U型特征，U型拐点值(0.818)小于中西部地区产业协同集聚的均值(1.748)，产业协同集聚对工业绿色创新效率的影响位于U型曲线右侧，即具有显著促进作用。这可能是由于中西部地区产业整体发展水平不高，在产业协同集聚初期，资金、人员、技术等资源相对分散，短时间内难以有效发挥集聚的规模效应、学习效应、知识溢出效应，但随着集聚程度的提高，产业间协作机制逐渐完善，正外部性得以激发。从间接效应看，产业协同集聚对地理邻近地区的工业绿色创新效率未产生促进作用，这主要是由于中西部地区产业发展相对滞后，区域间产业合作有待加强。

4.4 作用机制检验

由前文实证分析可知，高技术制造业与生产性服务业协同集聚能够提高工业绿色创新效率。为验证人力资本流动和协同创新是否在其中发挥中介作用，利用中介模型对人力资本流动和协同创新的内在影响机制进行检验，结果如表6所示。列(1)结果显示，产业协同集聚与人力资本流动之间关系呈显著倒U型的非线性特征，产业协同集聚对人力资本流动倒U型影响的临界值为4.714，大于产业协同集聚的均值，说明当前阶段产业协同集聚与人力资本流动表现为正相关关系。产业协同集聚对人力资本流动的倒U型影响以及人力资本流动与工业绿色创新效率间的正相关关系，表明产业协同集聚通过人力资本流动对工业绿色创新效率产生促进作用。人力资本流动可以促进技术知识传播，强化产业协同集聚的知识溢出效应，将创新要素和绿色创新成果导入传统工业行业，能有效整合区域内闲散资源，提高资源配置效率，优化要素配置结构，降低工业能耗和污染排放水平，最终对工业绿色创新效率起到促进作用。

由列(3)(4)结果可知，产业协同集聚与协同创新之间也呈倒U型特征，临界值为5.281，大于产业协同集聚的均值，说明当前阶段产业协同集聚对协同创新具有显著促进作用。同时，协同创新对工业绿色创新效率的影响在10%水平上显著为正，说明产业协同集聚通过协同创新提升工业绿色创新效率。产业协同集聚能够促进产学研协同创新网络的形成，加快不同创新主体间创新资源的共享和整合，使创新要素活力得到充分释放，从而提高工业绿色创新水平。中介效应检验表明，人力资本流动和协同创新是产业协同集聚促进工业绿色创新效率提升的重要作用渠道，H2得以验证。

4.5 进一步讨论

将制度环境纳入分析框架，进一步考察制度环境对产业协同集聚与工业绿色创新效率的调节机制。知识产权作为保护创新成果的重要制度安排，对绿色创新效率的影响可能更为突出，本文利用式(2)分别对制度环境及其重要组成知识产权保护的作用机制进行检验，结果如表7所示。

结果显示，产业协同集聚与制度环境交互项的系数为0.047 7，通过1%的显著性检验，说明产业协同集聚通过制度环境的完善提高工业绿色创新效率。同时，根据制度环境全样本均值可以计算得出产业协同集聚的总效应(总效应等于交互项Coaggl×inenv的估计系数乘以inenv全样本均值加上Coaggl的估计系数)，此时，总效应由0.217 5变为0.212 3，倒U型拐点由6.473变为6.938，拐点值右移意味着产业协同集聚的负向作用延迟。完善的制度环境有利于企业间的创新交流与合作，降低交易成本和创新风险，加快绿色创新产出，推动节能降耗，在产业协同集聚促进工业绿色创新效率提升过程中发挥助力作用，并且可以有效延缓产业协同集聚拥挤效应的发生，H3得以验证。

从知识产权保护的调节作用看，交互项的系数为0.254 8，在1%水平上显著，大于式(1)中制度环境与产业协同集聚交互项的系数，说明知识产权保护对产业协同集聚与工业绿色创新效率具有更强的正向调节作用。此时，产业协同集聚的总效应为0.211 7，倒U型拐点值大幅提升至8.142，H4得到证实。知识产权保护不仅可以强化产业协同集聚对工业绿色创新效率的促进作用，而且可以推迟产业协同集聚负外部性拐点值的到来，对负外部性的阻碍作用大于制度环境。知识产权保护可以为绿色技术创新提供“保护伞”，遏制技术模仿等负外部性问题的滋生，保障绿色创新成果收益，提高企业绿色创新意愿，从而激励绿色创新成果产出。

5 研究结论与政策启示

5.1 研究结论与贡献

随着我国经济发展进入新常态，深入探究绿色创新实现路径成为重要研究课题，大量研究表明产业集聚是影响绿色创新的关键因素[33]。在此背景下，本文基于2004—2020我国内地30个省域面板数据，利用空间杜宾模型实证检验高技术制造业与生产性服务业协同集聚对工业绿色创新效率的影响效应以及制度环境在其中的调节机制。本文主要结论如下：第一，高技术制造业与生产性服务业协同集聚对本地工业绿色创新效率的影响呈先促进、后抑制的倒U型非线性特征，通过计算拐点值发现，样本期内位于倒U型曲线左侧，即产业协同集聚的知识溢出效应、产业关联效应和规模效应占据主导地位，从而对绿色创新效率产生正向激励作用。分样本研究结果表明，东部地区产业协同集聚对工业绿色创新效率的影响也呈倒U型的非线性特征，且位于倒U型左侧；中西部地区呈U型特征且跨越拐点值，位于U型曲线右侧。东部和中西部地区在人、财、物等方面的差异导致其产业协同集聚与工业绿色创新效率之间呈现不同发展特征，因此因地制宜、因地施策是关键。既有研究更多表明单一产业集聚有助于提升绿色创新水平，本文从产业协同集聚视角进行探讨，是对既有结论的有益补充。第二，空间杜宾模型检验结果表明，产业协同集聚对本地工业绿色创新效率并未产生正向空间溢出效应，而是对地理邻近地区的工业绿色创新效率具有不显著的负向空间溢出效应，说明地区间产业发展尚未形成协同联动、优势互补。这一结论从空间维度反映出各区域产业协同集聚仍存在深层次问题。第三，作用机制检验结果表明，通过人力资本流动加快知识技术外溢、激励产学研合作创新网络形成，是产业协同集聚提升工业绿色创新效率的重要实现路径。第四，进一步讨论中，制度环境通过发挥降低交易成本和交易风险等功能，强化产业协同集聚的绿色创新效应，并且可以有效延缓产业协同集聚负外部性的发生。相较于制度环境，知识产权保护对产业协同集聚的绿色创新效应具有更强的激励作用，更能有效抑制市场失灵等负外部性问题。

在研究贡献方面：第一，区别于现有文献，本文通过理论机制详细阐释产业协同集聚对工业绿色创新效率的直接影响和传导机制，并通过实证检验证实产业协同集聚对工业绿色创新具有促进作用，拓展了现有研究视角；第二，以往研究多忽视地理区域间的空间相关性，考虑到产业协同集聚的技术外溢效应，本文以空间杜宾模型作为基准模型，证实产业协同集聚对工业绿色创新具有不显著的负向空间外溢效应，揭示出产业协同集聚发展过程中存在的深层次问题，丰富了现有研究结论；第三，将制度环境纳入分析框架，发现制度环境尤其是知识产权保护会激发产业协同集聚对工业绿色创新效率正外部性的发挥，抑制负外部性问题，在实践层面指导制度政策进一步完善，进而为强化产业协同集聚的绿色创新效应提供制度保障。

5.2 政策建议

以上研究结论对于提高高技术制造业与生产性服务业协同集聚质量、激励工业绿色创新发展具有重要启示意义。

第一，加快推进高技术制造业与生产性服务业协同发展，利用产业协同集聚的知识溢出和节能减排效应，将高级生产要素导入地区工业行业，从而促进工业绿色创新效率提升。各地区应加强与地理邻近或同等经济水平区域的产业联系，提高区域产业间关联度和协调度，避免脱离实际追求“大而全”的产业发展模式，而应通过产业协同、错位发展，实现协同联动，助力工业绿色创新效率提升。

第二，基于地区间产业协同集聚的不同发展特征，因地制宜，因地施策。东部地区应利用产业优势、技术优势和区位优势，着力发展高技术产业，充分发挥产业协同集聚的创新规模效应，提高绿色创新效率，同时谨防拥挤效应和市场失灵的发生。中西部地区应充分结合当地资源禀赋和产业基础，发展和培育具有区域特色的产业协同集聚群落，发挥产业协同集聚对工业绿色创新效率的引领带动作用。

第三，鉴于产业协同集聚通过人力资本流动和协同创新间接促进工业绿色创新效率提升，首先应破除阻碍创新要素流动的桎梏，鼓励人力资本自由流动，加速新知识、新技术的传播与交流，加快创新成果与节能减排技术的产出应用。同时，利用产业协同集聚优势，支持集聚区建设各类协同创新平台，鼓励各类创新主体加强互动交流，实现“1+1>2”的正向协同创新效应，促进工业绿色创新效率提升。

第四，完善企业创新活动开展的外部制度环境和创新法制环境，强化产业协同集聚对工业绿色创新效率的带动作用。不断健全契约法律制度，加强知识产权保护，促进要素市场发育，为有效发挥产业协同集聚的知识溢出效应提供制度保障，提高要素资源配置效率和资源利用率。

5.3 研究不足与展望

首先，本文将绿色创新作为一个整体进行探讨，并未区分绿色创新的不同阶段，未来可从创新价值链视角，分别探讨产业协同集聚对绿色科技研发和绿色成果转化两阶段的影响。其次，探讨制度环境对产业协同集聚与工业绿色创新效率的调节作用时，仅考虑了总的制度环境和知识产权保护两个方面，但是制度是多维抽象概念，缺乏对不同制度环境异质性影响的考量，未来可将制度环境的内涵进一步深化，从金融、法治、契约等多方面进行分析。最后，本文基于省级面板数据展开研究，未来可进一步利用城市面板数据探讨产业协同集聚与工业绿色创新效率的关系，使研究结论更加细化、更加具有针对性。

[1] 李旭.绿色创新相关研究的梳理与展望[J].研究与发展管理,2015,27(2):1-11.

[2] 游达明,欧阳乐茜.环境规制对工业企业绿色创新效率的影响——基于空间杜宾模型的实证分析[J].改革,2020,33(5):122-138.

[3] 龚新蜀,李梦洁,张洪振.OFDI是否提升了中国的工业绿色创新效率——基于集聚经济效应的实证研究[J].国际贸易问题,2017,43(11):127-137.

[4] 王惠,王树乔,苗壮,等.研发投入对绿色创新效率的异质门槛效应——基于中国高技术产业的经验研究[J].科研管理,2016,37(2):63-71.

[5] 郭卫军,黄繁华.高技术产业与生产性服务业协同集聚如何影响经济增长质量[J].产业经济研究,2020,19(6):128-142.

[6] 彭向,蒋传海.产业集聚、知识溢出与地区创新——基于中国工业行业的实证检验[J].经济学(季刊),2011,11(3):913-934.

[7] 刘亮,蒋伏心,王钺.产业集聚对绿色创新的影响——抑制还是激励[J].科技管理研究,2017,37(6):235-242.

[8] 陈晓华,邓贺,杨高举.生产性服务业集聚会提升企业绿色创新水平吗——来自中国3727家上市企业绿色发明专利数据的经验证据[J].兰州学刊,2022,42(10):25-43.

[9] 王燕,孙超.产业协同集聚对绿色全要素生产率的影响研究——基于高新技术产业与生产性服务业协同的视角[J].经济纵横,2020,36(3):67-77.

[10] 黄晓琼,徐飞.科技服务业与高技术产业协同集聚创新效应：理论分析与实证检验[J].中国科技论坛,2021,37(3):93-102.

[11] 原毅军,高康.产业协同集聚、空间知识溢出与区域创新效率[J].科学学研究,2020,38(11):1966-1975,2007.

[12] 聂名华,齐昊.对外直接投资能否提升中国工业绿色创新效率:基于创新价值链与空间关联的视角[J].世界经济研究,2019,38(2):111-122,137.

[13] 范德成,吴晓琳.中国工业绿色技术创新动力评价及时空格局演化研究[J].科技进步与对策,2022,39(1):78-88.

[14] 王永进,李坤望,盛丹.契约制度与产业集聚:基于中国的理论及经验研究[J].世界经济,2010,33(1):141-156.

[15] 兰斯·戴维斯，道格拉斯·诺斯.制度变迁与美国经济增长[M].张志华，译.上海：格致出版社，2018.

[16] 苏丹妮,盛斌.产业集聚、集聚外部性与企业减排——来自中国的微观新证据[J].经济学(季刊),2021,21(5):1793-1816.

[17] GUSTAVSSON P，POLDAHL A.Determinants of firm R&D: evidence from Swedish firm level data[R]. Sweden: FIEF Working Paper Series 190，2003.

[18] 胡绪华,陈默,罗雨森,等.制造业与生产性服务业耦合协调、空间共聚与绿色创新效应研究[J].统计与信息论坛,2021,36(7):97-112.

[19] VON HIPPLE E.Sticky information and the locus of problem solving:implications for innovation[J].Management Science，1994，40 (4) : 429-439.

[20] 刘军,王佳玮,程中华.产业聚集对协同创新效率影响的实证分析[J].中国软科学,2017，32(6):89-98.

[21] 蔡昉.中国经济增长如何转向全要素生产率驱动型[J].中国社会科学,2013,34(1):56-71,206.

[22] EPHRAIM K, MUNSHIFWA, MANYA M. Property rights and the production of the urban built environment:evidence from a Zambian city[J]. Habitat International,2016,51:133-140.

[23] 彭衡,李扬.知识产权保护与中国绿色全要素生产率[J].经济体制改革,2019,37(3):18-24.

[24] LUC ANSELIN,ARTHUR GETIS. Spatial statistical analysis and geographic information systems[J].The Annals of Regional Science,1992,26(1):19-33.

[25] 温忠麟，叶宝娟.中介效应分析：方法和模型发展[J].心理科学进展，2014,32(5) : 731-745.

[26] 宋晓玲,李金叶.双向FDI协调发展是否促进了绿色经济效率增长——基于技术创新视角[J].国际商务(对外经济贸易大学学报),2021,35(2):126-140.

[27] 董直庆,王辉.环境规制的“本地—邻地”绿色技术进步效应[J].中国工业经济,2019,36(1):100-118.

[28] 林伯强,徐斌.研发投入、碳强度与区域二氧化碳排放[J].厦门大学学报(哲学社会科学版),2020,70(4):70-84.

[29] 张虎,韩爱华,杨青龙.中国制造业与生产性服务业协同集聚的空间效应分析[J].数量经济技术经济研究,2017,34(2):3-20.

[30] 白俊红,王钺,蒋伏心,等.研发要素流动、空间知识溢出与经济增长[J].经济研究,2017,52(7):109-123.

[31] 白俊红,蒋伏心.协同创新、空间关联与区域创新绩效[J].经济研究,2015,50(7):174-187.

[32] 史宇鹏,顾全林.知识产权保护、异质性企业与创新:来自中国制造业的证据[J].金融研究,2013,56(8):136-149.

[33] 任阳军,何彦,杨丽波,等.生产性服务业集聚、制造业集聚对绿色创新效率的影响——基于中国城市面板数据的空间计量分析[J].系统工程,2020,38(3):27-35.