中国省会城市生产性服务业全要素生产率增长及收敛性分析

王美霞，樊秀峰，宋 爽

（西安交通大学经济与金融学院，陕西西安 710061）

中国省会城市生产性服务业全要素生产率增长及收敛性分析

王美霞，樊秀峰，宋 爽

（西安交通大学经济与金融学院，陕西西安 710061）

省会城市;生产性服务业;全要素生产率;趋势与特征;收敛性

省会城市是生产性服务业集聚重地，以此为样本进行深入研究，将有助于更客观的分析中国生产性服务业的发展水平与特征。本文通过对中国30个省会城市生产性服务业全要素生产率（TFP）增长变化及收敛性分析发现，1995－2009年，省会城市生产性服务业TFP呈快速增长趋势，且其增速明显高于全国以及31个省市区的平均水平，技术进步水平的提高是其主要原因，技术效率则出现少许负增长，说明产业粗放型特征仍然明显;TFP增长虽存在显著区域差异，但呈现收敛趋势，且部分城市已显现明显的“追赶效应”。

一、引 言

从世界范围来看，20世纪80年代开始，在新技术革命的推动下，发达国家产业结构由“工业经济”向“服务经济”转型的趋势不断深入，城市作为服务经济发展的集聚地和源头，日益发挥越来越重要的作用。改革开放30多年以来，作为各地区政治、经济和文化中心的省会城市，城市化水平显著提高，不仅制造业发达，而且也集聚了大量的以制造业需求为中心的生产性服务业，例如信息、金融、物流、租赁与商务服务等。在省会城市，生产性服务业与制造业的融合不仅使制造业的价值越来越多地体现在服务上，同时服务业的大量集聚与发展也强有力地推动了城市经济的增长和城市功能的提升。2009年，中国服务业增加值比重和就业比重分别为40.5%、34.1%，其中生产性服务业增加值比重和就业比重分别为19.8%、9.6%;30个省会城市服务业增加值比重和就业比重分别为58.2%、57.9%，其中生产性服务业增加值比重和就业比重分别为32.3%、29.9%。这说明，省会城市服务业、生产性服务业的发展水平远高于全国平均水平，省会城市集聚的大量资本、信息、知识、技术和人才等因素更能真实反映和满足生产性服务业发展的需求。国家“十二五”规划中更是明确提出，要加快服务产品和服务模式创新，促进生产性服务业与先进制造业融合，推动生产性服务业加快发展。因此，对于正处于工业化中期与后期交替阶段的中国，生产性服务业快速发展的同时，增长质量更应引起关注，因为主要依靠资源、要素投入而非效率提升所引发的经济增长是难以长期维持的，技术进步和效率提升才是经济长期持续增长的重要源泉［1］。鉴于此，本文在已有研究基础上，尝试使用 Malmquist－DEA指数法，分时期、分区域测算中国30个省会城市1995－2009年生产性服务业的全要素生产率（TFP）变化情况，并对TFP进行分解和收敛性检验，以期为加速提升中国省会城市生产性服务业效率提供对策借鉴。

二、文献综述

目前，国内外不少学者都对服务业效率进行了研究。Klassen与Russell等分析总结了服务业效率、生产率和有效性的不同内涵及其测度指标差异，并在考虑高接触服务业的同质性和异质性特征的前提下，提出改进服务业效率和生产力水平的建议［2］。Kankana等选取1984－1990年美国201家大型商业银行相关数据，测算了美国解除金融管制初期银行业的TFP增长情况，结果说明技术进步、纯技术效率和规模效率的提高是主要原因［3］。Hirofumi和Fukuyama通过对1992－1996年日本银行业TFP的测算，发现TFP以年均2%的速度下降，主要原因是技术效率下降引起的［4］。Vivek和Ashok研究了南非银行业在种族隔离之后的全要素生产率增长情况［5］。Chiu与Jan等人使用DEA模型评价了台湾银行业的技术效率［6］。Shang与 Hung等人运用DEA模型测度了电子商务产业和酒店业的绩效［7］。

程大中运用规模报酬不变的总量生产函数分析得出，中国服务业增长的驱动力在20世纪90年代后发生转换，资本—产出比对服务业的贡献开始超过TFP增长［8］。顾乃华研究发现，1992－2002年间中国服务业的发展远未能挖掘出现有资源和技术的潜力，服务业增长主要依靠要素投入推动，TFP贡献非常小。杨向阳和徐翔研究发现，1990－2003年中国服务业TFP的平均增长率为0.12%，主要原因是技术进步水平的提高，但技术效率下降产生的负面影响也不容忽视［10］。杨勇认为，TFP对服务业产出的贡献率在1980年前波动较大，1980年后渐趋平稳，1981－1991年TFP年均增长率为3.26%，1992－2006年为0.11%［11］。原毅军和刘浩等人认为，中国生产性服务业TFP出现负增长，前期原因是技术进步，后期为技术效率，且东部地区TFP下降的速度要远低于中西部地区［12］。刘兴凯和张诚分析发现，中国服务业技术效率和技术进步增长率分别为0.7%和1.8%，TFP增长及其分解指数存在区域性差异，但收敛检验表明，各省区市的TFP增长呈现出长期的收敛趋势［13］。黄莉芳与黄良文等认为，中国生产性服务业技术效率水平较低，且区域差异主要表现在东部和中西部之间［14］。陈艳莹与黄翯认为中国生产性服务业TFP逐步上升，主要得力于技术进步，而技术效率在有些年份呈小幅下降趋势，说明未能充分挖掘现有资源和技术的潜力［15］。王恕立和胡宗彪认为，1990－2010年中国服务业及细分行业的TFP处于上升通道，90年代以前主要依靠技术效率改进，21世纪后则依靠技术进步［16］。

综上可见，现有研究尚存在以下不足:第一，现有文献缺乏对城市化程度高、服务经济发达的大城市尤其是省会城市的研究;第二，现有文献鲜有对生产性服务业TFP增长趋势与特征进行研究。而如上所述，大城市尤其省会城市实际是生产性服务业发展的集聚地，对省会城市生产性服务业全要素生产率及其发展趋势与特征的研究，可以更真实、更客观的反映中国生产性服务业的发展状况，据此提出的对策性建议也将更具针对性，本文选题即源于此。

三、评价方法、模型和数据处理

（一）评价方法

生产性服务业是一个涉及多要素投入、多项关联产出的复杂系统，要对这样一个复杂系统进行合理、科学的效率评价，所选取的评价方法，必须既要满足产业经济学关于效率评价指标选取的基本要求，又要充分体现生产性服务业的产业特性。只有这样，才能得出符合客观实际的科学结论。因此，本文拟采用Malmquist－DEA指数模型来进行分析评价。首先，数据包络分析法（Data Envelopment Analysis，即DEA）是由著名的美国运筹学家Charnes和Cooper等学者在“相对效率评价”概念上发展起来的一种新的效率评价方法［17］。DEA方法用于评价多个决策单元的相对有效性，是一种非参数线性规划技术，特别适用于多投入、多产出的复杂系统的效率评价，应用范围较广。它通过对投入和产出比率的综合分析，计算投入产出效率，由于不需要考虑投入与产出之间的函数关系，也不需要预先估计参数及任何权重假设，特别适用于复杂系统的效率评价。其次，Malmquist生产率指数法相对于其他效率测度方法具有以下优点:第一，它适用于多个国家或地区的跨时期的样本分析;第二，不需要投入与产出变量的相关价格信息，这对实证分析非常重要，因为，一般情况下，相关投入和产出变量数据比较容易得到，而要素价格等相关信息的获取通常较困难，有时甚至根本不可能;第三，它能够被进一步分解为技术效率变化指数和技术进步变化指数两个部分，且也不必事先对研究主体的生产函数模型进行假设等。因此，本文选用Malmquist－DEA指数模型进行评价，既可以弥补传统评价方法的不足，又能够客观、全面地反映生产性服务业的产业特征，是可行而恰当的。

（二）模型简介

1.Malmquist生产率指数

Malmquist指数最初由瑞典经济学家和统计学家 Malmquist［18］提出，Caves［19］首先将该指数应用于生产率变化的测算，此后逐渐与Charnes等建立DEA理论相结合，演化成了Malmquist－DEA指数模型，被广泛应用到技术效率和全要素生产率的测算中。研究者普遍采用Fare等［20］构建的基于DEA的Malmquist指数。

从时期t到时期t+1，度量全要素生产率增长的Malmquist指数可以表示为:

其中，（xt，yt）、（xt+1，yt+1）分别表示时期 t和 t+1的投入与产出向量，Dti、Dti+1分别表示以时期t的技术为参照，时期t和t+1的距离函数。

根据上述处理得到的Malmquist指数具有良好的性质，它可以分解为不变规模报酬条件下的技术效率变化指数（EC）和技术进步指数（TP），过程如下:

式中，EC是指从时期t到时期t+1的技术效率变化;TP是指时期t到时期t+1的技术进步。其中，技术效率变化指数（EC）还可以进一步分解为纯技术效率指数（PC）和规模效率指数（SC）。当Mi大于1时，说明从t时期到t+1时期全要素生产率是增长的;反之则是衰退的。

计算生产性服务业的第i个行业在t时期与t+1时期的Malmquist生产率指数，需要解决四个不同的线性规划问题，它们分别是Dti（xt，yt）、Dti（xt+1，yt+1）、Dti+1（xt，yt）、Dti+1（xt+1，yt+1），运用数据包络分析（DEA）的非参数分析法，即可求解以上四个距离函数。

2.DEA基本模型

DEA方法主要包括两个基本模型，即规模报酬不变的CCR模型和规模报酬可变的BCC模型。以下将分别进行简要介绍。

（1）CCR模型

首先假设某系统中有n个决策单元（DMU），每个决策单元都有m种类型的输入和r种类型的输出，则某决策单元的输入向量为X=（X1，X2，……，Xm），输出向量为 Y=（Y1，Y2，……，Yr），通过引入具有非阿基米德无穷小量ε，建立的CCR模型为:

式中，ε为非阿基米德无穷小量，一般取10－6，s+、s－为松弛变量。上式中主要的经济学含义是:λj将各个有效点连接起来，形成有效生产前沿面。非零的松弛变量即过剩量s+或不足量s－使得有效面可以沿着水平或者垂直的方向延伸，从而形成包络面。θ则表示DMU距离包络面的投影。

（2）BCC模型

CCR模式是假设在固定规模报酬前提下来衡量整体效率，但由于并不是每一个DMU的生产过程都是处在固定规模报酬之下，于是去除CCR模型中规模报酬不变的假设，而以规模报酬变动取代，发展成BCC模型。

利用CCR模型可计算出综合效率，而在BCC模型下，可计算出纯技术效率，且系统的综合效率（技术效率）等于纯技术效率和规模效率的乘积。

根据投入或产出距离函数，DEA可以相应分为基于投入或产出两种不同方法。基于投入的DEA方法目的是为了测算生产单元相对于给定产出水平下最小可能投入的效率，而基于产出的DEA方法则是为了度量实际产出与给定投入水平的最大可能产出差距。

（三）样本选取、数据来源和处理

本文参考国内外有关生产性服务业的定义，依据我国国民经济行业分类的国家标准，并基于研究需要及数据的可获得性对本文生产性服务业的外延进行选取。由于2003年国家统计局对服务业进行重新分类，本文1995－2002年生产性服务业的外延包括:地质勘查水利管理业、交通运输仓储和邮电通信业、金融保险业、房地产业、科学研究和综合技术服务业，2003－2009年生产性服务业的外延包括:交通运输仓储和邮政业、信息传输计算机服务和软件业、金融业、房地产业、租赁和商务服务业以及科学研究技术服务和地质勘查业，历年生产性服务业的数据由上述行业数据加总得出。

由于拉萨市的相关统计数据缺失，本文样本为除拉萨市外的30个省会城市。数据主要来源于历年各省、直辖市、自治区统计年鉴和《中国城市统计年鉴》。估算生产性服务业TFP涉及到的三个变量为:生产性服务业产出、资本投入和劳动力投入。三个指标的选取、数据来源及处理介绍如下:

1.生产性服务业产出。根据Mahadevan的研究［21］，用各省会城市生产性服务业增加值来衡量，为保证可比性，并按照1995年不变价指数进行缩减。

2.资本投入。生产性服务业的重要特征之一就是资本密集，因此对其资本投入的准确估算至关重要。估算物质资本存量通常采用两种方法:Hedonic评估法（Hedonic Valuation，简称HV法）和永续盘存法（Perpetual Inventory Method，简称PIM）。由于HV法所需条件极其复杂，所以大多数国家和地区都采用PIM法。目前，永续盘存法已成为国际上较为通行的估算资本存量的方法。近年来，国内外大量文献运用PIM法对我国的物质资本存量进行估算，在已有的研究中主要从估算全国的、分省区的以及某个产业（行业）的资本存量三个层面展开，如:Chow采用物质产品平衡体系中的积累指标估算我国1952－1985年农业、工业、建筑业、运输业和商业等五个产业部门的资本存量［22］。薛俊波和王铮依据投入产出表的数据，进一步细分估算了全国包含农业、建筑业、食品制造业、金融保险业、商业饮食业等17个行业部门1990－2000年的资本存量［23］，徐现祥等则从产业细分和省区细分结合起来考察的角度，系统估算了全国1978－2002年31个省市区三次产业的物质资本存量［24］。

值得指出的是，多数文献研究虽然从分地区或分产业对我国固定资本存量的测算方面作过一些尝试，但多数研究表现相对粗犷，要么没有深入考虑细分产业固定资本形成的差异，要么没有深入考虑地区固定资本形成差异。徐现祥等人结合考虑了产业与地区的差异，用分产业GDP缩减指数和固定资本形成总额指数构造了分产业固定资本形成价格指数比较合理。因此，本文按照徐现祥等的做法，将基年（1995年）各城市的生产性服务业资本存量通过下式求得:K1995=I1995/（0.05+gy），式中gy为1995 －2009年的生产性服务业年均增长率。现有文献对折旧率的选取缺乏一致，但多数选取5%作为资产折旧率，本文也采用5%这一数值。

3.劳动力投入。严格地说，劳动力投入应该考虑数量和质量两个方面，但考虑到数据的可获得性，本文选用各省会城市生产性服务业年末从业人数来表示。

四、实证结果分析

基于上述三个变量数据，笔者使用DEAP2.1软件，测算了中国30个省会城市1995－2009年生产性服务业TFP及其分解的指数变动情况。本文主要基于生产性服务业总体时序的阶段性和三大类省会城市的区域性两个方面进行分析。对于TFP总体时序的阶段性分析，我们以中国入世后的伊始年2002年为界，主要划分为1995－2002年和2003－2009年两个阶段进行分析。具体结果如下:

（一）1995－2009年30个省会城市TFP变动的阶段性结果

由表1可知，1995－2009年间，30个省会城市生产性服务业TFP平均增长率为9.9%，这主要得益于技术进步水平的提高，其平均增长率为10.8%，而技术效率却有少许的下降，为－0.8%，对TFP的增长起到负面影响。从TFP变化的阶段性结果来看，1995－2002年间，生产性服务业TFP平均增长率为11.3%，主要得益于技术进步，为14.7%，而技术效率的增长出现下降趋势，为－2.2%，且主要原因为纯技术效率和规模效率均呈现出负增长;2003－2009年间，生产性服务业TFP平均增长率为9.3%，其中技术进步贡献率为7.8%，技术效率为1.7%，这说明该期间TFP的增长源于技术进步和技术效率的共同作用。

从TFP分解结果来看，1995－2009年间，纯技术效率指数平均增长－1%，规模效率指数平均增长0.3%，这说明纯技术效率下降是导致技术效率总体下降的主要原因，从而反映中国省会城市生产性服务业发展中存在现有的资源和技术潜力没有得到充分利用的问题;另一导致TFP下降的可能原因是由于体制性约束，交通运输、金融、房地产等行业存在一定程度的垄断和行政干预;第三，生产性服务业主要为制造业部门的生产提供中间服务产品，制造业部门结构、技术需求的变迁对生产性服务业总产出增长的贡献以及技术效率增长影响起绝对主导作用。尽管，TFP指数在研究期内以年均9.9%的速度增长，增长较为明显，但却低于技术进步年均10.8%的增长速度。为了更加清晰地分析中国省会城市生产性服务业TFP指数的增长变化原因及趋势，下面将从技术进步和技术效率两个方面进行分析。

表1 1995－2009年中国30个省会城市TFP指数及其分解

1.技术进步。1995－2002年间，所有年份的技术进步指数都保持快速增长，平均增长率为14.7%，尤其是2002年达到最高值34.7%。这表明1992年《中共中央、国务院关于加快发展第三产业的决定》等相关政策的实施已经取得了显著的效果，随着市场逐步开放，国外先进的管理经验和技术进入生产性服务业，技术外溢效应明显;另一方面，中国工业劳动生产率增长的主要驱动因素的转变，即由转轨初期的单一资本深化驱动转变为当前的技术进步为主和资本深化为辅的多引擎共同推动，导致对生产性服务业的技术进步产生显著的外溢效应。2003－2009年间，技术进步指数为7.8%，其中2003年技术进步指数出现负增长，为 －12.2%，2004－2009年间，技术进步指数又保持平均11.1%的增长速度。这可能有两个原因，第一，入世初期我国生产性服务企业对于外资的先进技术的学习和效仿能力较差，随着过渡期的深入，生产性服务企业的消化、吸收能力增强;第二，20世纪90年代以来，计算机互联网等信息产业的发展，迅速提高了与制造业密切相关的交通运输、金融、商务服务等生产性服务业技术水平，从而成为推动生产性服务业TFP指数增长的重要原因，尤其是在省会城市，该作用更加凸显。

2.技术效率。1995－2002年间，技术效率都处于震荡波动的过程，2003－2006年间，技术效率一直处于增长状态，平均增长率为8.1%，其中纯技术效率平均增长率为2.1%，规模效率平均增长率6.2%，尤其在2004年达到技术效率增长的峰值18.7%，但是在2007后，技术效率又出现了连续三年的负增长，平均为－6.8%，纯技术效率增长率－3.1%，规模效率增长率为－3.8%。究其原因，这可能与该期间生产性服务业的国际与国内成长环境密切相关。1995－2001年间，由于我国还未正式加入WTO，生产性服务企业还未切身体会到“狼来了”的真实压力，虽然该期间技术进步明显，但对新技术的消化吸收的动力及能力不足，导致了技术效率的低下与波动;2003－2006年间，由于中国服务市场对外资的持续、深入开放，生产性服务业对技术进步的消化吸收能力不断增强，对在华外资企业的管理和技术溢出的学习效应显著，因此，促进了我国生产性服务业效率的持续提升;2007－2009年，由于全球金融危机的影响，我国经济和对外贸易均受到不同程度影响，实体经济增长放缓，在华外资企业频频裁员，珠三角很多中小制造企业倒闭，金融业、房地产业、物流等主要生产性服务业遭受重大打击，因此技术效率连续三年处于负增长。

（二）三大类省会城市生产性服务业TFP变动结果

本文根据中国社会科学院最新发布的《2011年中国城市竞争力蓝皮书:中国城市竞争力报告》中公布的各城市综合竞争力指数［25］，将中国31个省会城市分为三大类，经笔者整理如表2所示。

根据表2的分类，三大类省会城市生产性服务业TFP变动情况如表3所示。

表2 中国31个省会城市综合竞争力分类情况

由表3可知，1995－2009年间，从整体来看，生产性服务业TFP平均增长率为3.6%，其中技术进步平均增长4.8%，技术效率平均增长－1.3%，且技术效率的下降受到规模效率和纯技术效率双重因素下降的影响;分类来看，第一、二、三类城市生产性服务业TFP均处于增长状态，其平均增长率分别为10.7%、8.1% 和3.7%;从每一类省会城市的内部构成来看，城市之间的TFP存在显著差异，且影响TFP差异的因素也各不相同，具体分析如下:

1.第一类城市。四个城市生产性服务业TFP平均增长率为10.7%，比整体水平高7.4个百分点，技术进步是主要原因，平均增长11.4%;从全国范围来看，TFP速度增长位于前三位的都在第一类城市，依次分别为天津、广州、上海，其TFP平均增长率为12.9%，12.4%和11.8%，并且技术进步都是推动TFP增长的主要原因。四个城市中，只有北京TFP增长是技术效率和技术进步共同作用的结果，平均增长率分别为1.4%和4.1%，从其分解结果来看，规模效率负增长，为－4.6%，是影响北京TFP未达到一线城市平均水平的主要原因。天津、广州、上海三个城市技术效率均出现负增长，分别为－1.1%，－0.9%和 －1.7%，其中，天津的纯技术效率和规模效率均下降，后两个城市则只有规模效率下降。

2.第二类城市。十八个城市生产性服务业TFP平均增长率为8.1%，比整体水平高4.5个百分点，技术进步指数平均增长9.5%，是推动TFP增长的主要原因。TFP平均增速位列前三甲的是合肥、成都和杭州，分别为8.9%、7.8%、7.4%，其中合肥得益于技术效率和技术进步共同提高，分别增长为6.9%和1.9%，成都和杭州两市则归功于技术效率的提高，分别增长9.1%和14.3%;TFP出现负增长的有六个城市，为沈阳、武汉、福州、石家庄、南宁和南昌，平均增长率分别为－1%、－4%、－1.5%、－2.2%、－3.5%、－1.5%，六个城市的技术进步均为正值，故技术效率下降是导致TFP下降的主要原因，分别为－3.3%、－1.7%、－4.2%、－2.7%、－3.8%、－3.4%。

表3 各省会城市1995－2009年生产性服务业TFP及其分解

3.第三类城市。八个城市生产性服务业TFP平均增长率为3.7%，技术进步指数平均增长5%，是推动TFP增长的主要原因，而技术效率出现负增长，为－1.6%。TFP增长最快的是乌鲁木齐，为9.5%，在全国30个省会城市中位列第四，其中技术进步增长10.7%，是促进TFP快速增长的主要原因。太原和海口两市TFP出现负增长，分别为－3.3%和－3.5%，前者是由于技术进步下降引起，为－4.4%，后者是由于技术效率下降引起，为－5.3%;除太原市外，其他各市技术进步均为正。

综上所述，省会城市生产性服务业TFP增长存在显著差异，第一类城市增长较快，第二类城市次之，第三类城市增长较慢。 这也说明，第一类城市其主要动力来源于技术进步的推动，平均增长为11.4%，高于全国省会城市平均水平，一定程度上说明了一类城市由于经济基础好，对外开放程度高，吸引了大量的外资、先进技术和优秀人才，尤其是电子信息、计算机、金融、商务服务等行业的快速发展，带动技术进步水平不断提高，从而推动TFP快速增长。在第二、三类城市中，也有部分城市TFP增长较快，如合肥、乌鲁木齐等，前者可能是由于城市内聚集了中国科技大学等一大批高校科研院所，在改善技术效率和技术进步方面效果显著，后者则由于新疆地区丰富的自然资源和国家的大力支持，以及原本基数较低，提升空间较大，TFP的“追赶效应”较为明显。1995年以来，各省会城市技术效率基本没有提高，甚至出现下降，技术进步是导致TFP增长乃至生产性服务业地区差异的重要原因，这也从另一方面说明，提高技术效率是今后促进生产性服务业发展的关键所在。

五、收敛性检验

中国省会城市生产性服务业的TFP有较大差异，部分二、三类省会城市对一类城市的“追赶效应”已比较明显，那么，TFP差异是如何演化的?是否会呈现出逐步缩小的态势?要回答这些问题，必须对其增长变化趋势进行收敛性检验。收敛理论是新古典增长模型中基于资本边际报酬递减和规模报酬不变条件下得出的推论，是研究国家或地区间经济差距动态变化趋势的理论。根据Barro和Sala－i－Martin的研究成果，收敛包括δ收敛和β收敛，β收敛又分为绝对β收敛和条件β收敛［26］。δ收敛是指各经济体发展水平差距随着时间的推移而逐渐缩小，一般用标准差来衡量。绝对β收敛是指落后经济体发展速度快于发达经济体，最终能达到相同的稳态水平。如果每个经济体的发展趋近自身稳态水平，那就是条件β收敛。本文将讨论δ收敛和绝对β收敛。

δ收敛一般通过国家或地区水平指标的标准差或变异系数来反映其差距的变化趋势，笔者在图1中给出了1996－2009年中国各省会城市生产性服务业TFP逐年标准差。

从图1可以看出，1996－2009年间，TFP增长的标准差δ值呈现逐渐波动的减小趋势，说明呈现δ收敛，城市间生产性服务业的TFP增长差距逐渐缩小。2003年之前δ值波动幅度较大，之后逐渐趋于平缓，说明TFP的差距保持相对稳定。下面将进行绝对β收敛检验。

图1 1996－2009年各省会城市生产性服务业TFP增长标准差

根据Bernard等的分析［27］，本文将采用如下的检验β收敛性的回归模型:

式中，ΔlnTFPiT为各城市0到T期间TFP平均增长率，lnTFPi0为0期TFP增长率，ε为随机干扰项，β为0期全要素生产率lnTFPi0的系数，收敛速度λ可以通过公式β=－（1－e－λT）/T求得。若β为负，则表明存在绝对β收敛。根据前文分析得到的1996－2009年各省会城市生产性服务业TFP的数据，利用上述回归模型，使用Eview6.0软件进行分析，回归结果如表4所示。

由表4可知，第一类省会城市三个时期的β值均为负，TFP增长呈收敛趋势，且1996－2003年间和2004－2009年间的收敛速度分别为2.8%和3.4%，说明北京、上海、广州和天津的生产性服务业TFP增长差距在逐渐减小;第二类省会城市在1996－2003年β值为正，不存在绝对β收敛，但在2004－2009以及1996－2009年间，呈收敛状态，收敛速度分别为5.1% 和2.6%;第三类省会城市在三个时期内β值多数为负，存在绝对β值收敛，但β值均不显著，说明收敛趋势弱化。

表4 中国三大类省会城市生产性服务业TFP收敛性检验

六、结论与建议

综上，本文运用Malmquist－DEA指数方法，测算并分析了中国30个省会城市生产性服务业全要素生产率的增长和变化情况，并对其增长趋势进行了收敛性检验，得出以下结论:

1.省会城市生产性服务业全要素生产率的增速明显高于全国平均水平，也明显高于31个省市区的平均水平，由此可见，省会城市生产性服务业的发展水平与变化特征是影响全国水平的重要因素。重视省会城市生产性服务业效率问题应是今后一个时期理论研究与实际工作的重心。

2.技术水平的持续提升是推动省会城市生产性服务业全要素生产率增长的主要原因。随着1992年国家有关大力发展服务业政策的出台和市场逐步开放，国外先进的管理经验和技术进入生产性服务业领域，技术外溢效应明显。与此同时，20世纪90年代以来，计算机互联网等信息产业的迅速发展，提高了与制造业密切相关的交通运输、金融、商务服务等生产性服务业技术水平，这一推动作用在省会城市表现得尤为明显。

3.技术效率相对低下在整体上牵制了省会城市生产性服务业全要素生产率的增速。技术效率的下降主要受到规模效率和纯技术效率双重因素下降的影响。这说明省会城市生产性服务业现有的资源和技术潜力尚未得到充分利用。其原因既可能有制度因素，如金融、通信等行业的垄断因素可能使效率受损;也可能是企业自身的管理因素，比如，由于现代物流人才、金融人才的缺乏而使效率低下，等等。总之，提高技术效率应是今后促进生产性服务业发展的关键所在。

4.中国省会城市间的生产性服务业全要素生产率有较大差异，但部分二、三类省会城市对一类城市的“追赶效应”已较明显。上述三类省会城市之所以出现生产性服务业全要素生产率增速缩小之势，其可能的原因是2004年底之后中国服务业市场对外的全面开放、城市化进程的全面加速等因素，从而促进了二、三类城市生产性服务业生产效率的提升。

基于以上讨论，本文提出如下对策性建议:

1.各省会城市应进一步加大教育和科技投入，提高生产性服务业技术进步水平。政府要通过财政、税收等途径，加大教育投入，建立起完备的人才培养机制，制定合理的人才计划，建立健全技术创新机制，重视技术创新环境建设，鼓励企业建立各类研发机构和增加研发投入，使企业成为创新主体，积极推动生产性服务业技术进步。

2.各省会城市要充分利用自身的资源、技术等优势，坚持生产性服务业与先进制造业的融合发展，以全球金融危机引发的产业结构调整为契机，进一步推动我国制造业从过去片面注重生产环节向“研发”与“生产”相结合的战略转变，尤其是高新技术（先进）制造产业专业化分工的深化与细化，强化专业化服务企业的分工优势，重点扶持与本市城市功能定位匹配的具有比较优势的生产性服务产业，强化先进制造业对生产性服务业的拉动作用。

3.应逐步消除行业垄断，加大开放力度，强化市场竞争。目前生产性服务业普遍存在管制和进入壁垒，如金融业、电信业、铁路运输、信息媒体等行业。长期以来，这些行业竞争不足，效率低下。要加快对垄断行业的改革步伐，合理引导民间资本和外商投资参与国有企业改革，推动生产性服务业资源配置由政府向市场主导的转变，加强监管，规范管理。

4.各省会城市要加大与周边地区及邻省的信息、技术、人才联动，大力拓展服务外包业务，尤其是第二、三类省会城市要进一步加大与第一类城市的交流与合作，学习先进技术和管理方法，积极承接发达地区的产业转移。由于二、三类城市内在自身的经济发展会产生强大的需求动力，故自身要重视生产性服务业效率的提升，进一步缩小城市以及区域之间的差距，尽快实践其“追赶效应”。

［1］Krugman P.The myth of Asia's miracle［J］.Foreign Affairs，1994（6）:62 －78.

［2］Klassen K J，Russell R M，Chrisman J J.Efficiency and productivity measures for high contact services［J］.The Services Industries Journal，1998（4）:1 －18.

［3］Mukeherje K，Ray S C.Productivity growth in large USA commercial banks:The initial post－deregulation experience［J］.Journal of Banking and Finance，2001（5）:913－939.

［4］Fukuyama H，William L W.Estimating output allocative and productivity change:Application to Japanese banks［J］.European Journal of Operational Research，2002（1）:177－190.

［5］Arora V，Bhundia A.Potential output and total productivity growth in post－apartheid South Africa［R］.IMF Working Paper，2003，No.3.

［6］Chiu Y H，Jan C，Shen D B，Wang P C.Efficiency and capital adequacy in Taiwan banking:BCC and Super－DEA estimation［J］.The Service Industries Journal，2008，4:479－496.

［7］Shang J K，Hung W T，Lo C F，Wang F C.Ecommerce and hotel performance:Three － stage DEA analysis［J］.The Service Industries Journal，2008（4）:529 －540.

［8］程大中.中国服务业的增长与技术进步［J］.世界经济，2003（7）:35－42.

［9］顾乃华.1992－2002年我国服务业增长效率的实证分析［J］.财贸经济，2005（4）:85－90.

［10］杨向阳，徐翔.中国服务业全要素生产率增长的实证分析［J］.经济学家，2006，（3）:68－76.

［11］杨勇.中国服务业全要素生产率再测算［J］.世界经济，2008（10）:46－55.

［12］原毅军，刘浩，白楠.中国生产性服务业全要素生产率测度—基于非参数 Malmquist指数方法的研究［J］.中国软科学，2009（1）:159 －167.

［13］刘兴凯，张诚.中国服务业全要素生产率增长及其收敛分析［J］.数量经济与技术经济研究，2010（3）:55－67.

［14］黄莉芳，黄良文，洪琳琳.基于随机前沿模型的中国生产性服务业技术效率测算及影响因素探讨［J］.数量经济与技术经济研究，2011（6）:120－132.

［15］陈艳莹，黄翯.我国生产性服务业增长的效率特征—基于2004－2009年省际面板数据的研究［J］.工业技术经济，2011（5）:42－49.

［16］王恕立，胡宗彪.中国服务业分行业生产率变迁及异质性考察［J］.经济研究，2012（4）:15－27.

［17］Charnes A，Cooper W，Seiford L M.Data envelopment analysis:Theory，methodology，and application［M］.Dordrecht:Kluwer Academic，1994.

［18］Malmquist S.Index numbers and indifference curves［J］.Trabajos de Estatistica（S0081 －4539），1953，4:209－242.

［19］Caves D W，Christensen L R，Diewert W E.The economic theory of index numbers and the measurement of input and output，and productivity［J］.Econometrica，1982，50:1393－1414.

［20］Fare R，Grosskopf S，Norris M，Zhang Z Y.Productivity growth，technical progress，and efficiency change in industrialized countries［J］.American Economic Review，1994（1）:66 －83.

［21］Mahadevan R.Sources of output growth in Singapore`s service sector［J］.Empirical Economics，2000（3）:495－506.

［22］Chow G C.Capital formation and economic growth in China［J］.Quarterly Journal of Economics，1993（3）:809－842.

［23］薛俊波，王铮.中国17部门资本存量的核算研究［J］.统计研究，2007（7）:49 －54.

［24］徐现祥，周吉梅，舒元，等.中国省区三次产业资本存量估计［J］.统计研究，2007（5）:7－13.

［25］倪鹏飞，侯庆虎，梁华，陈小龙.2011年中国城市竞争力蓝皮书:中国城市竞争力报告［M］.北京:社会科学文献出版社，2012.

［26］Barro R J，Sala－i－Martin X.Convergence［J］.Journal of Political Economy，1992（2）:223 －251.

［27］Andrew B B，Charles I J.Comparing apples to oranges:Productivity convergence and measurement across industries and countries［J］.American Economic Review，1996（5）:1216－1238.

The Growth and Convergence Analysis on Total Factor Productivity of Provincial Capitals'Productive Service in China

WANG Mei－xia，FAN Xiu－feng，SONG Shuang
（School of Economics and Finance，Xi'an Jiaotong University，Xi'an710061，China）

Productive service is mainly amassed in the provincial capitals.It is more objective to reflect the development level and characteristics of China's productive service by deeply studying its productivity，growth trend and features of provincial capitals'productive service.This paper measures the growth changes in total factor productivity（TFP）of the thirty provincial capitals'productive service in China and makes the convergence analysis of it.The results show that the TFP of the thirty provincial capitals'productive service presents a quick growth trend from1995 to2009 and the average growth rate of its TFP per year is higher than that of overall China's and thirty provinces'productive service.The dominant factor leading to TFP growth is technical progress.Technical efficiency is on the negative increase and the extensive features of productive service industries development are still evident.The TFP increases apparently differs among the three types of provincial capitals，but presents a convergent tendency.And some cities obviously show a catch－up effect.

Provincial Capital;Productive Service;Total Factor Productivity;Tendency and Feature;Convergence

A

1002－2848－2013（04）－0102－10

2012－06－25

国家社会科学基金一般项目“中国产业安全问题研究——零售企业国际化影响与我国零售产业安全相关性的实证研究”（立项号:08B JY087）的阶段性研究成果。

王美霞（1981－），女，内蒙古自治区鄂尔多斯市人，西安交通大学经济与金融学院博士研究生，研究方向:零售企业国际化、服务业效率评价;樊秀峰（1955－），女，陕西省镇安县人，西安交通大学经济与金融学院教授，博士生导师，研究方向:跨国公司理论与国际直接投资。

责任编辑、校对:李再扬