信息服务业技术效率影响因素的空间计量分析

任英华，樊 帆，吴宏丹

（湖南大学 金融与统计学院，长沙 410079）

0 引言

信息服务业是一种依靠科技和创新发展起来的新型产业，它更多的是通过脑力投入、利用先进知识转换成科技成果的产业。目前对信息服务业效率研究较少，大部分文献以整个服务行业作为研究对象。如顾乃华等(2005)基于随机前沿模型，发现1992～2002年中国服务业技术效率低下，中国东中西部服务业技术效率存在显著差异，其原因在于其市场化进程不一致；顾乃华、李江帆(2006)利用随机前沿模型研究了市场化程度、人力资本对中国服务业技术效率区域差距的影响；杨向阳、徐翔(2006)利用DEA和Malmquist方法对中国服务业全要素生产率增长率进行分解，发现三大地区服务业技术效率基本没有提高，甚至有所下降；任英华，王耀中(2008)分析了国际服务业效率的影响因素。在效率测算方法选择上，现有研究也较为单一，难以保证测算结果的有效性和准确性。本文拟利用随机前沿分析法、数据包络分析法和Malmquist指数法对中国31个省市信息服务业技术效率分别进行测度，择优选择测算结果，以保证分析结果的有效性。然后在考虑地区间空间相关性下利用空间计量模型对信息服务业技术效率的影响因素进行研究，并得出相关结论和建议。

1 信息服务业技术效率区域差异分析

1.1 测算方法

1.1.1 随机前沿分析方法(SFA)

随机前沿分析法是一种常用的效率测算法。随机前沿法的优势是分离出随机游走的因素和技术效率对产出的影响部分，随机前沿函数不仅考虑技术进步，还考虑技术进步与投入的要素的交互效应对生产效率的影响。本文选取超越对数的随机前沿生产函数作为研究的基本模型如下：

式中 yit为1999-2008年31个省市的产出值，Kit为资本投入，Lit为人力资本投入，β为各变量前面的系数，i表示第i个省市，t表示年份。

1.1.2 数据包络分析法（DEA）

数据包络分析法是一种非参数前沿法，不需要具体函数设定，基本原理是通过将样本的投入和产出数据，直接投射在坐标空间上，以最大产出或最小投入为效率边界，以衡量各样本的效率。若样本观察值落在此效率最大产出或最小投入界上，则认为该样本相对有效率，其效率值为l，若样本的观察值在此效率边界内，则为相对无效率，效率值为0到l之间，效率值越大则代表样本的效率越高。

1.1.3 Malmquist指数方法

Malmquist指数方法是基于数据包络分析法而提出的，主要是根据一个包含多个决策单元（截面）的平衡面板数据，使用距离函数来构造生产最佳前沿面，进而将每个决策单元的实际生产情况与最佳前沿面进行比较，由此来测算技术进步率、技术效率。本文运用Rolf Fare（1994）所提出的DEA方法来构造每一个时期信息服务业生产最佳实践前沿面。Rolf Fare（1994）将以产出为基础的Malmquist指数定义为两时期Malmquist指数的几何平均值：

其中，xt代表t时的投入向量集，yt代表t时的产出向量集。（2）式可进一步变形如下：

Malmquist指数衡量了从时期t到t+1期全要素生产率的变化，若该值大于1，则表明从t期到t+1期全要素生产率是增长的；该值小于1，则表明从t期到t+1期全要素生产率是下降的。式（3）中，等式右边括号外面的比值代表了从时期t到t+1相对效率的变化，测度的是从时期t到t+1的技术效率，捕获的是时间上变化的相对效率；方括号里面的两个比值分别度量当投入分别为xt和xt+1时的技术变化，因而技术进步率就用这两个比值的几何平均值来表达。归纳起来，可将全要素生产率的变化定义为技术效率以及技术进步率变化的结果：技术效率的改善代表了对前沿的赶超，而技术进步率的改善则代表了自主创新结果。

1.2 指标设置

1.2.1 产出指标

本文把信息服务业界定为信息传输、计算机服务业和软件业三大行业。本文选择各省市信息服务业的增加值作为效率测算模型中的产出指标。各省市信息服务业的增加值在统计年鉴中难以直接得出，可获得的基本数据为：1999～2008年31个省市交通运输业的增加值、1999～2008年全国交通运输业的增加值、1999～2003年全国邮电通讯业增加值和2004～2008年全国信息服务业增加值。由于2003年前后中国对信息服务业的统计口径存在差异，这为本文的数据获得带来一定的难度。为了获得1999～2008年各省的信息服务业增加值，对基本数据进行处理，用历年全国信息服务业的增加值除以历年全国的交通运输业的增加值；然后利用已有的历年各省的交通运输业的增加值去乘以这个比例，从而得到1999～2008年全国及各省的信息服务业的增加值，其中，1999～2003年以全国邮电通讯业的增加值代替全国信息服务业增加值。

1.2.2 投入指标

⑴资本投入。

信息服务业资本投入指标选择资本存量来衡量。本文采用“永续盘存法”估算信息服务业资本存量，计算公式如下：

Kit为第i个样本在第t年的资本存量，δit为折旧率，折旧率采用霍尔和琼斯研究时的通用折旧率，即δit=6%，Iit为固定资本形成总额。由于1999年的资本存量无法从已知数据中获取，本文借鉴徐现祥[9]的第三产业资本存量估算结果，利用1995年31个省市第三产业资本存量数据，根据以下公式得到1995年31个省市信息服务业资本存量：

将1995年31个省市信息服务业资本存量，代入（4）式，得到1999～2008年各省市的信息服务业资本存量。

（2）劳动力投入。

劳动力投入应该考虑数量和质量两个方面，但考虑到数据的可得性，本文使用各年信息服务业年末在岗职工数衡量信息服务业劳动力投入。2003～2008年的数据通过第三产业统计年鉴能直接查到，由于1999～2002年数据缺失，因此根据以下公式估算：

本文根据数据的可得性和实证研究的需要，所使用的基本数据主要来源于《中国统计年鉴》(1999～2009年)和国家统计局网站等。

1.3 信息服务业技术效率测算结果及分析

表1 我国31个省市信息服务业技术效率估计结果

采用超越对数随机前沿生产函数的基本模型，利用Frontier4.1进行调试，改进后的模型如下：

DEA效率值和Malmquist指数可利用DEAP Version 2.1软件估计得到，结果见表1。中国31个省市信息服务业技术效率变化情况对比如图1所示。

从图1来看，SFA和DEA两种方法测算的技术效率值对应的轨迹基本相似，结合各省市Malmquist指数测算技术效率的变化，可知SFA方法的结果更接近实际。DEA测算结果表明上海市和福建省的技术效率都高达1，而Malmquist指数表明上海市和福建省在10年内的技术效率平均变动值均小于1，只有技术效率的平均变动率大于1，10年内的信息服务业技术效率值才能达到1，这与Malmquist指数测算结果是矛盾的。另外，SFA测算西藏信息服务业技术效率值是0.79，DEA测算结果是0.28，差距较大，而西藏在信息服务业的发展中属于极不发达地区，DEA测算结果存在一定程度的高估。实际上，DEA方法不考虑随机误差对效率的影响，SFA可以很好地避免将随机误差笼统地计入到技术效率中，有效解决数据中随机误差问题。鉴于我国经济转型背景下随机误差的影响较大，加之本文研究期间较长及数据规模庞大的特点，使得SFA测算出的效率结果更为真实和稳健。

总体来说，SFA和DEA测算结果的大致统一，验证了技术效率测度的准确度。SFA模型结果显示31个省市在1999～2008年的平均技术效率为0.581，表明我国信息服务业总体效率较低。31个省市中，广东省平均技术效率最高为0.96，广东省是改革开放最早的区域，具有很强的信息渠道和政府政策支持，集中了顶尖级的人力资本和高层管理人才，因此信息服务业技术效率居于全国前列。平均技术效率最低的是青海省为0.181，青海省经济发展相对滞后，资源利用率低，科技不发达等因素制约着技术效率的提高。

图1 中国31个省市信息服务业技术效率对比图

2 信息服务业技术效率影响因素的空间计量分析

2.1 理论假设与模型设定

信息服务业在一定程度上具有较强的集聚效应，产业集聚必定会带来信息流、资金流、人才流和商品流的汇聚，从而节省投入成本并提高技术效率，因此，本文假设现阶段我国信息服务业技术效率存在空间相关性。

关于信息报务业技术效率的影响因素，本文基于以下五个方面提出理论假设：

（1）人力资本。人力资本的投资将给经济的增长带来更高的回报率，卢卡斯(Lucas，1988)则建立了人力资本积累增长模型，通过人力资本的“内部效应”和“外部效应"分析，认为人力资本积累是经济得以持续增长的决定性因素和产业发展的真正源泉。因此假设各地区人力资本与技术效率呈正相关关系。

（2）产业集聚。产业集聚较成熟的地区，相关产品的交易和生产成本大幅度低于其他地区，其技术效率也会提高，因此假设各地区产业集聚度与技术效率呈正相关关系。

（3）全员劳动生产率。全员劳动生产率反映了产业集约经营的状况，全员劳动生产率提高，可以降低成本，提高经济效益，因此假设提高全员劳动生产率对技术效率有促进作用。

（4）科技创新。在信息服务业中，高新技术的应用将提供丰富的信息服务业务，拉动行业持续发展，因此假设科技创新会通过技术进步促进信息服务业技术效率的提升。

（5）对外开放度。对外开放度表现了地区经济与区外、境外经济联系的紧密程度，是衡量地区从外部汲取要素以及与外部进行交流的能力。因此假设对外开放度与技术效率呈正相关关系。

根据以上理论假说，本文的线性模型形式设定如下：

式中，β 为回归参数，i为1，2，···，31个省市，ε为随机误差项。选择SFA测算结果，即中国31个省市1999～2008年平均技术效率值（TEij）为被解释变量，衡量我国技术效率水平。解释变量中使用人均受教育年限来反映地区人力资本，用EDU表示；选择区位熵指数指标衡量各地区产业集聚度，用QW表示；全员劳动生产率用信息服务业增加值与行业劳动力数量之比来衡量，用LAB表示；科技创新选取高技术产业增加值，用TECH表示；对外开放度采用出口额来衡量，用CK表示。数据来源于1995～2009年的《中国统计年鉴》、2003～2009年《第三产业统计年鉴》。本文样本为中国31个省市数据，各变量取1999～2008年各指标的平均值。

2.2 空间计量方法

空间计量模型能够解决回归模型中复杂的空间相互作用和空间依存性结构问题。其思路如下：采用Moran指数法检验信息服务业技术效率是否存在空间自相关性；如果存在空间自相关性，则建立空间计量经济模型进行空间计量估计和检验。

2.2.1 空间自相关性

检验信息服务业技术效率的空间相关性存在与否，实际应用研究中常常使用空间自相关指数Moran’I，其计算公式如下所示：

地区信息服务业技术效率；n为31；Wij为二进制的邻接空间权值矩阵，本文采用“地理”二分权重矩阵，遵循Rook相邻规则，即两个地区拥有共同边界则视为相邻。利用Geoda0.9.1软件生成。

2.2.2 空间计量模型

适用于截面数据的空间常系数回归模型，包括空间滞后模型（SLM）与空间误差模型（SEM）两种。

（1）空间滞后模型（SLM）。

空间滞后模型主要探讨各变量在一个地区是否有扩散现象(溢出效应)，其表达式为：

式中，Y为因变量；X为n×k的外生解释变量矩阵；ρ为空间回归关系数；反映了样本观测值中的空间依赖作用，即相邻区域的观测值Wy对本地区观察值y的影响方向和程度；W为n×n阶的空间权值矩阵；Wy为空间滞后因变量，ε为随机误差项向量。

（2）空间误差模型（SEM）。

空间误差模型的数学表达式为：

式中，ε为随机误差项向量，λ为n×1的截面因变量向量的空间误差系数，μ为正态分布的随机误差向量。

参数λ衡量了样本观察值中的空间依赖作用，即相邻地区的观察值有Y对本地区观察值Y的影响方向和程度，参数β反映了自变量X对因变量Y的影响。

2.3 结果分析

本文采取Moran指数衡量中国31个省市信息服务业技术效率在地理空间上的相关性。由图2可知，31个省市信息服务业技术效率的Moran指数为0.3651，表明各省市信息服务业技术效率在空间分布上具有明显的正自相关关系。

因此，有必要在使用省际区域数据进行研究时，纳入考虑空间相关性的空间计量经济模型进行估计。检验结果表明Lagrange Multiplier(error)和Robust LM(error)明显优于Lagrange Multiplier(lag)和Robust LM(lag)，因此，本文选择空间误差模型进行估计，采用最大似然估计方法，结果见表2。

图2 中国31个省市信息服务业技术效率Moran指数散点图

由表2可知，在10%的置信度水平下，人力资本对信息服务业的发展促进作用显著，信息服务业的发展需要掌握现代信息知识技术的信息服务人员，人力资本的提升为信息服务业提供了源源不断的动力，对技术效率具有巨大促进作用。产业集聚度的系数为0.558，表明产业集聚度与技术效率具有正相关关系，产业集聚带来知识的外溢，扩大了企业的生产可能性边界，促进了企业生产效率的提高。

表2 SEM模型的ML估计结果

全员劳动生产率的提升可以促进技术效率的提高，全员劳动生产率反映了经济效益和生产力水平，全员劳动生产率较高的产业，其技术水平、经营管理水平和职工技术也比较高，能够在一定时间和一定技术条件下达到更大的产出量，从而有利于技术效率的提升。

科技创新中的系数为0.063，且不显著，表明我国在科技创新方面力量比较薄弱，还没有真正发挥科技创新对技术效率的促进作用。对外开放度对信息服务业技术效率具有显著促进作用，但是对外开放度的影响较小，对外开放有利于资金、技术、人才的引进，增加了区域合作机会，但由于我国对外贸经营活动的限制，对外商投资领域的控制等，一定程度上阻碍了信息的交流与区域合作，抑制了技术效率的提升。

3 结论及启示

本文基于1999～2008年中国31个省市的信息服务业相关数据，利用三种效率测算方法分析了我国信息服务业技术效率，同时运用空间计量模型对技术效率的影响因素进行了实证。结果表明：1999～2008年我国信息服务业技术效率整体偏低，均值只有0.58；人力资本、产业集聚、全员生产率、对外开放度对信息服务业技术效率具有显著促进作用；科技创新对信息服务业技术效率的影响作用不显著，这主要是因为中国信息服务业发展不成熟和技术创新水平低。

基于以上分析，本文认为应充分认识我国信息服务业发展现状，把建立在高新技术和高技术人才基础之上的信息服务业作为发展的战略重点。首先，大量培养和引进专业技术人员，信息服务高级技术和管理人才。其次，扩大产业集聚效应，不断提升信息服务业竞争力，促进信息服务业各分支行业相互合作、互动发展。再次，发展知识密集型信息服务业，依靠科技创新提高技术效率，通过知识密集型信息服务业的产品（服务）创新、技术创新、管理创新，推动经济增长由粗放型向集约型的转变。最后，适当降低外资进入门槛，适当放宽对外贸经营活动的限制，提高对外开放度，提升信息服务业技术效率。

[1]Liao H,Mark H,Tom W,David L.Productivity Growth of East Asia Economies'Manufacturing:a Decomposition Analysis[J].Royal Eco⁃nomic Society Annual Conference,2003,(7).

[2]Justo de Jorge Moreno.Productivity Growth,Technical Progress and Ef⁃ficiency Change in Spanish Retail trade(1995～2004):a Disaggregat⁃ed Sectoral Analysis[J].The International Review of Retail,Distribu⁃tion and Consumer Research,2008,18(2).

[3]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).

[4]顾乃华.中国服务业技术效率区域差异的实证分析[J].经济研究,2006,(1).

[5]徐盈之,赵玥.中国信息服务业全要素生产率变动的区域差异与趋同分析[J].数量经济与技术研究,2009,(10).

[6]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).

[7]周春应,章仁俊.基于SFA模型的我国区域经济技术效率的实证研究[J].科技进步与对策,2008,(4).

[8]施卫东,孙霄凌.环渤海经济圈技术效率增进与全要素生产率变动的实证分析[J].科学学与科学技术管理,2009,(2).

[9]吴俊杰.基于DEA模型的长三角地区服务业效率评价[J].浙江树人大学学报,2006,6(6).

[10]赵蕾,杨向阳.中国服务业技术效率变化的实证分析[J].财经论丛,2007,(2).