我国信息服务业区域发展效率差异研究*

林昌华

（福建社会科学院，福建福州350001）

我国信息服务业区域发展效率差异研究*

林昌华

（福建社会科学院，福建福州350001）

近年来，我国信息服务业发展十分迅速，规模不断扩大，但产业发展还不平衡，总体发展质量仍待提升。为保障我国信息服务业持续健康发展，探索产业发展的优化路径，文章以投入产出的系统视角审视信息服务业，采用数据包络分析方法，对我国相关省市进行信息服务业发展效率评价。研究发现我国各区域信息服务业发展总体效率差异明显，在技术因素和规模因素两方面的影响下，我国各地信息服务业形成了四种效率表现不同的分类模式。因此，可以针对各省市产业效率的具体情况，通过信息服务业投入产出优化分析，找到各区域在信息服务业发展中的最佳发展途径。

信息服务业；区域差异；DEA模型

一、引 言

多年来，我国信息服务业保持了平稳增长的态势，据工信部最新发布的《2013年中国工业通信业运行报告》初步估算，2013年我国信息服务业规模超13万亿：其中，通信业业务收入1．067万亿元，电子商务市场交易规模达9．7万亿元，软件业前10个月业务收入达2．53万亿元［1］，产业发展规模迅速扩大，市场前景广阔。从产业实际运行情况看，按照国家统计局国民经济新行业分类标准（GB／T 4754 2011），信息服务业主要指信息传输、软件和信息技术服务业，涵盖电信、广播电视和卫星传输服务，互联网和相关服务，软件和信息技术服务业三大门类［2］。按照这个统计标准衡量测算，近年来，我国信息服务业呈现出较快增长的态势，产业规模总量迅速放大，产业发展逐渐步入新的发展层次，面临整体产业转型升级的新阶段。与其他产业一样，在这一阶段做大产业后如何实现做强成为产业提升的主要问题，按照产业发展规律，解决这一问题的关键就是要实现产业整体运行效率的提升，对产业发展要素进行充分的优化组合，提高产业管理水平，为信息服务业进一步跃升注入强劲动力。

二、我国信息服务业研究现状

伴随着知识经济的深入发展，在网络时代浪潮的推动和当前信息服务市场需求规模快速放大的趋势下，信息服务业日益成为各个国家和地区经济社会发展的重要组成部分，各国也在加快探索信息产业更高水平、更高层次的发展路径，谋求信息产业顺利实现扩容提质。针对我国信息服务业发展状况，由于发展基础和发展条件的不同，信息服务业在区域上发展表现不均衡，发展水平参差不齐，极大影响了产业发展区域协作，阻碍了产业发展的区域衔接和融合互动，在新的背景下开始形成产业发展提升的又一瓶颈。学界为此做了大量的相关研究，寻求符合我国信息服务业发展国情的产业转型升级的道路，如张文德、李琳琳对福建省电信业、软件业、互联网业、动漫业等产业进行生命周期辨识，判断信息服务业各个产业部门演进的规律及所处的发展阶段，依据不同发展阶段提出相应对策［3］；潘啸、马成文在优势、劣势以及所面临的机遇、威胁等产业发展内外部环境分析的基础上，提出加快信息服务业集群发展的战略选择和保障措施［4］；赵明慎在江苏省产业发展现状及存在问题分析的基础上，提出加快发展我国生产性信息服务产业，推进生产资料流通现代化进程的基本对策［5］；敖大明提出重点从宽带基础设施建设、网络信息安全管理、应急通信保障能力、信息服务业转型和规范市场秩序五个方面推进浙江省信息服务业的发展提升［6］。这些研究主要集中于政策剖析和对策探讨等方面的定性分析，对行业相关指标进行定量深入分析还相对不足，尤其是没有采用合适的产业评价模型进行客观测算为产业提升提供依据，鉴于此，笔者尝试借鉴基于投入产出分析的数据包络分析方法来有效评价当前我国信息服务业发展的区域差异和效率水平，在剖析我国信息服务业发展的特点和运行效率的基础上，深入探索促成信息服务业区域均衡发展的途径，以实现产业发展层次的跃升。

三、产业发展的评价模型选择

通常情况下，评价产业发展的思路主要从系统观的角度进行考量，即把整个行业作为一个要素输入输出不断循环的一个完整发展系统，著名的“生产函数”的理论框架就是在这样的思路下展开的，因此要判断一个产业的发展运行情况可以通过比较投入和产出来综合判定该产业发展效果。对于既定投入产出系统的评价方法主要有参数方法和非参数方法两种。参数方法是通过假设生产函数表达式，依据观测数据通过回归分析等方式确定参数值，进而判定生产情况优劣的数理统计方法。这一方法可能会由于分布假设与实际情况不一致而使结果产生较大偏差。而非参数估计方法即数据包络分析方法（data envelopment analysis，DEA）则能够很好弥补参数方法中函数形式设定偏差而导致的分析结论失真缺陷，可以分别从投入要素节约或产出两个最大角度进行考量。它在不需要事先判定输入输出间明确关系的情况下，依据实际观测数据来判定生产单元的相对有效性，这个模型对行业系统发展效率评价提供了极大的便利且显示出模型的较大优越性。因此，本文采用DEA来评价我国信息服务业发展的绩效。具体模型原理如下。

DEA分析方法是由著名的运筹学家Charnes A．和Cooper W．W等人于1978年提出，最常见的模型主要有CCR模型（由美国著名的运筹学家Charnes、Coope和Rhodes提出的一种效率测度法，简称CCR）和BCC模型（Banker、Charnes和Cooper提出了更为严谨的修正模型，简称BCC），适用于对具有多个输入、多个输出的决策单元（decision making units，DMU）进行综合效率评价，同时进行对应的效率分解。其中，最常见的CCR模型基本构造如下

式（1）中：ε为非阿基米德无穷小量；eT为单位向量；e∧T为参考集单位向量；s－是与投入相对应的松弛变量组成的向量；s＋是与产出相对应的剩余变量组成的向量；λ为决策单元线性组合的系数；θ表示投入缩小比率；θ*是上述模型的最优解，可反映决策单元DMU0总体效率的有效情况。计算后可对结果做如下经济学分析：（1）DEA有效性。当θ*＝1，且s－＝s＋＝0时，DMU0为DEA总体有效；当θ*＝1，且s－≠0，s＋≠0时，DMU0为DEA弱有效；当θ*＜1，DMU0为非DEA有效；（2）规模收益。当时，DMU0的规模收益不变；当时，DMU0的规模收益递减；当时，DMU0的规模收益递增；（3）投影改进。对于DEA无效的DMU0可通过“投影定理”进行改进以使其转变为DEA有效，改进公式为：＝θ*x－s－，＝y＋s＋。改进值：△x＝x－0，△y＝y－≥0［7］。此外，在此基础上还衍生出了其他分析模型及超效率模型，这些模型在原理上比较近似，只是对分析过程作简单改进，在此不一一赘述。

四、行业评价指标及数据获取

学术界在运用数据包络分析方法评价具体行业发展的实践应用中，进行了大量的研究和探索，使DEA方法的运行不断充实完善。不同的学者出于各自研究的具体问题和不同角度，选择DEA评价的应用不同模型，并提出了各具特色的对应指标体系。例如徐文燕等以文化产业固定资产投资额、文化单位数、从业人员数为投入指标，文化产业增加值和文化产业人均创造价值为产出指标，运用DEA模型对文化产业投入与产出效率趋势进行实证研究［8］；刘琪林、李富有以中国能源产业各年总产值作为产出，资本和劳动投入作为输入指标，运用DEA-Malmquist法对中国能源产业进行了全要素生产率测算［9］；唐善玲、白宪生以从业人员年平均数、R＆D研发经费、新增固定资产等10个相关指标为投入指标，当年价总产值、出口交货值、利润、专利申请数等9项相关指标为产出指标，运用主成分分析和DEA模型对山西省高新技术产业动态效率进行了实证研究［10］；黄瑞芬、付越从人力、资产建设和财力支出方面选择投入指标，选取海洋产业能耗指数和第三产业占海洋产业总产值的比例为产出指标，运用DEA方法中的BCC模型和Tobit回归模型对我国海洋产业低碳效率评价研究［11］；刘全清以总资产、主营业务成本、股东权益总额为输入指标，净利润、主营业务收入、每股收益作为输出指标，运用DEA方法对我国软件和信息服务类上市公司的绩效评价研究［12］；李春发、王向丽以创意产业增加值为输出指标，资本投入和劳动投入为输入指标，运用三阶段DEA模型对我国城市创意产业运营效率进行测度和评价研究［13］；李宏舟、杨敏以服务外包从业人数、职工年均工资水平和软件企业数量作为输入指标，离岸外包合同额和服务外包行业收入作为输出指标，利用超效率DEA-Tobit模型对我国21个服务外包示范城市的软件外包承接效率及其影响因素进行分析［14］。

本文在吸收前人对具体行业DEA效率评价模型指标构建思路的基础上，针对信息服务业的行业特点以及考虑到数据的可获得性，以美国经济学家索洛20世纪50年代提出的生产函数中常见的人力和资本要素作为投入变量，以生产总价值作为产出变量，也即选取全社会固定资产投资和行业从业人员数作为输入指标，行业增加值作为产出指标；由于DEA评价模型对数据量纲没有特定要求，无需对数据进行标准化，因此数据采集选取现已公布2012年信息服务业固定资产投资额、城镇单位就业人员数和全行业增加值作为评价数据。由于目前在国内各区域中，按照新的国民经济行业分类标准划分对信息服务业进行相关统计的省市仅有北京、天津、山西、内蒙古、吉林、黑龙江、上海、江苏、浙江、安徽、福建、山东、河南、湖南、广东、广西、海南、重庆、贵州、甘肃、青海、宁夏、新疆等23个，其他省市暂未按照新的行业口径公布相关统计数据，因此本文对信息服务业的分析研究以上述23个省市相关数据为主要来源，其具体数据和指标的统计描述情况如表1所示。

表1 2012年我国信息服务业投入产出指标基本参数统计描述

五、我国信息服务业发展绩效评价

按照上述DEA评价模型对我国信息服务业的区域发展数据进行固定规模收益CRS（constant returns to scale）和可变规模收益VRS（variable return to scale）模式下的效率评价，也即依据CCR和BCC模型采用DPS数据处理系统中的数据包络分析模块及DEAP2．1软件进行DEA相对效率测算，具体计算结果如下。

（一）信息服务业总体效率

由表2的计算结果可知，在参与信息服务业效率测算的我国23个省市中，综合技术效率呈现出明显分化的状况，差异相对明显，在固定规模收益模式下只有宁夏和贵州为DEA有效，其余21个省市均为非弱DEA有效。然而，就全国范围来说，贵州和宁夏虽然属于信息化程度较低的省份，但测算结果显示这两省的信息服务业运行为DEA有效，表示在现有的信息服务业投入产出水平下，这两个省份投入要素相对合理，实现了资本和劳动投入的相对优化组合。也即在当前情况下，信息服务业实现了要素合理配置，而不是指产业体量更大或者信息化程度更高。这个结论与信息化程度没有直接关系，而仅仅是指信息服务产业运行的效率表现高低。也就是说从省份横向对比来看，基于贵州和宁夏两省的产出水平，这两省做到了目前产出现状条件下投入相对最优。这一情况下计算所得DEA相对效率值可以划分为五个水平层次，信息服务业效率值超过90%的省市主要有上海、贵州、宁夏三个省市，效率值处于80%～90%之间的省市只有江苏省，效率值处于70%～80%之间的省市只有广东省，效率值处于60%～70%之间的省市有浙江、福建、甘肃、青海4个，其余14个省市效率值均在60%以下；按照DEA超效率模型测算，DEA效率最高的是贵州，为170．39%，DEA效率最低的是北京，只达到29．33%。此外，我国信息服务业各省市实际发展的效果也可以分成两种情况：北京、山西、内蒙古、吉林、上海、浙江、安徽、山东、河南、湖南、广东、贵州、甘肃、青海和新疆等15个省市信息服务业发展评价均为在投入不改变的情形下可增加部分产出；天津、黑龙江、江苏、福建、广西、海南、重庆和宁夏等8个省市信息服务业发展评价均为具有投入可减少产出可增加的改进潜力。

表2 我国信息服务业DEA效率总体评价

（二）DEA效率分解情况

在固定规模收益模式下测算的DEA综合技术效益的基础上，还可在可变规模收益模式下进行BCC模型的DEA纯技术效率测算，并进行进一步效率分解可获得规模效率，从而了解我国信息服务业DEA效率变化的影响因素，探究效率差异的原因。笔者参照孙玉肖等人的研究方法，对整体效率值强度即规模效率和纯技术效率的效率值以90%为有效界限进行空间分类［15］，对2012年我国信息服务业区域发展的有效性进行划分。23个省市信息服务业DEA效率分解具体情况如表3所示。

表3 我国信息服务业DEA综合效率分解示意表

1．第一种为“效率双高型”，即纯技术效率和规模效率均在90%以上的省市。这主要包括贵州、宁夏和上海三个省市，说明这些地区在发展信息服务业时，在当前的产业发展产出水平下，资源配置相对合理，主要表现为在产业运行中人员和投资规模相对合理，产业经营管理的水平层次较高，在获得现有信息服务业增加值产出情况下，人员和资本投入实现了相对优化控制，且在三省市当前产业发展水平下实现了相对适宜合理的产业组织规模，较好地实现了产业内投入要素的优化组合。

2．第二种为“效率高低型”，也即信息服务业发展的纯技术效率高于90%。规模效率低于90%的情形，主要有江苏、广东、青海、浙江、北京等5个省市，表明这些区域信息服务业发展尚未做到资源最佳利用，虽然产业管理创新水平相对较高，但没有发挥出规模优势；也即表示在当前产出水平下，这五个省市信息服务业发展的制约不是由产业管理所致，而是人员或资本方面的投入规模没有做到相对合理，阻碍了产出水平的优化，存在进一步拓展产业发展空间，有待形成累积效应增加信息服务业的产出。

3．第三种为“效率低高型”，也即信息服务业发展的纯技术效率低于90%。规模效率高于90%，主要有福建、甘肃、海南、湖南、河南、天津、重庆、吉林、山西、新疆、广西、安徽、内蒙古和黑龙江等14个省市，表明在当前的产出水平下，这些区域信息服务业发展的资本和劳动要素投入规模虽然做到相对比较合理，但这种合理的要素投入量一定程度上还无法助推产业发展的提升。主要是由于产业整体管理创新效率低下，形成了制约信息服务产出最优化的瓶颈，影响了产业经营发展的效果。因此，这种类型的发展区域，在未来的信息服务中，应注重技术管理和创新水平的提升，以实现产业的最优发展。

4．第四种为“效率双低型”，即纯技术效率和规模效率均低于90%。属于这种情况的只有山东省一个区域，表明我国信息产业发展中只有山东省在信息产业发展中面临着技术管理水平偏低和发展规模投入不足的双重困境，亟待实现两种效率上的同时改进，才能破除该省信息产业发展中的制约瓶颈。也即在当前信息服务业产出水平下，既要做到劳动力和资本投资输入规模的合理化，又要强化产业创新管理效率，营造产业发展的全新氛围，进一步提升产业经营发展的效率水平，改变当前产业发展优化不足的境况。

（三）产业发展投入产出优化

在可变规模收益模式下，可以进一步对我国信息服务业运行现状进行投入产出的优化分析，以发现各区域在信息服务业发展中要素组合的最佳匹配，挖掘其产业发展的潜力。具体情况见表4所示。

在表4的分析结果中，输入剩余表示信息服务业“输入”要素没有得到充分利用的部分，意味着即使产业输入减少“输入剩余”，现有的产出水平仍可以保持不变；输出亏空表示信息服务业产出的不足，也就意味着在现有产业要素投入充分利用的条件下，可以增加“输出亏空”水平。从表4中对各个区域信息服务业的优化结果可知，我国各个区域在城镇单位就业人数这一投入要素中均不存在输入剩余，表明我国信息服务业现行情况下较好利用了人力要素，人力资本得到了良好的开发。在投资要素的利用上则呈现区域差异，其中北京、山西、吉林、上海、江苏、浙江、山东、河南、湖南、广东、贵州、甘肃、青海、宁夏等14个省市不存在投资要素的输入剩余，也即资本要素在信息服务业中均得到充分利用；而天津、内蒙古、黑龙江、安徽、福建、广西、海南、重庆和新疆等9个省市存在不同程度上的投资要素输入剩余，表明资本要素在这些区域的信息服务业发展中未得到充分利用。此外，在产出方面除了海南省存在增加值产出亏空有待进一步挖掘生产潜能以外，其他区域的信息服务业发展均处于正常产出水平，其输出亏空均为0。

表4 我国信息服务业投入剩余与产出亏空分析

六、结论与展望

信息服务业作为国民经济的重要产业部门，形成了一个开放的投入产出循环系统，在当前我国信息消费快速增加的背景下，应该选择适宜的数量分析的科学方法来有效衡量信息服务业发展的现状，以此对产业运行进行深入诊断，依靠定量的数据发现影响信息服务业产业系统发展的症结所在。通过对我国信息服务业区域发展数据的研究，我们发现数据包络分析不失为一种适用的分析方法，其获得的评价结论可以为我国信息服务业发展提供重要参考。

1．产业总体发展效率。对列入DEA效率测算的我国23个省市，信息服务业发展效率呈现出明显的差异，只有宁夏和贵州两省市处于DEA有效状态，其余省市均未达到理想状态。像北京这样的一线城市信息服务业的DEA效率仅为29．33%，说明信息服务业的DEA效率在区域发展上与省市的经济发展水平没有直接关系，主要取决于当地政府对信息服务业的资源管理和经营服务水平。因此，在产业发展中应着重吸收和总结宁夏、贵州两省在信息服务业发展中的经验，对其运行中有效的做法加以推广，以促进各区域在信息服务业上的合作和衔接，从而进一步缩小区域间在产业经营水平上的差距。

2．产业效率影响因素。把信息服务业区域DEA的综合效率分解为规模效率和技术效率后，发现导致各区域在综合效率差异的原因上也各不相同。在依据规模和技术两方面划分的“效率双高型”、“效率低高型”、“效率高低型”和“效率双低型”四种情况中，均有典型区域分布其中。对于规模效率低的省市可以通过拓展产业发展规模，做大产业容量来提升效率；而对于技术效率低的省市则需要提升产业技术管理水平，突出产业模式创新来提升效率。因此，对于效率分布不同的区域，应结合其在规模效率和技术效率两方面的具体情况，依据其在信息服务业发展的短板表现，有针对性地提出信息产业的发展对策，以此实现产业要素资源的优化配置，获得产业发展水平的提升，缩小区域发展效率的差距。

3．产业提升的着力点。运用数据包络分析模型评价信息服务业，笔者发现当前我国23个省市在产业发展过程中，对人力资源要素的使用比较合理，最大程度上发挥了人力对信息服务业发展的贡献。而投资和资本要素利用相对不足，有9个省市存在资本要素上的冗余现象，说明这些区域在信息服务业投资结构上还有待进一步优化。因此，在信息服务业区域发展中可以此作为要素配置效率提升改善的着力点，了解信息服务业在区域投入及产出方面存在的提升空间，最大限度地挖掘信息服务业的潜能。

上述对信息服务业的效率分析可以帮助我们找到各区域信息服务业发展调控的切入点，有助于进一步理清不同区域的产业发展思路，确保信息服务业发展的区域均衡和高效。此外，在信息服务业区域发展的评价过程中，为了使获得的评价结果更加准确全面，提供更有说服力的数据，确保对信息服务业的评判更加科学，在数据获得允许的情况下，可以拓展运用时间序列对产业发展进行DEA动态评价，例如使用DEA－Malmquist法进行效率测算获得信息服务业发展效率在时间上的变化情况，使决策更加科学；还可以对信息服务业内部运行的影响因素进行更深入的剖析，进一步完善信息服务业DEA评价指标，例如将产业发展占地面积、人均产值、企业数等指标作为信息服务业评价投入产出指标的补充，使评价结果更加全面准确，这些方面可以成为信息服务业未来研究的努力方向。

［1］ 杨剑．信息服务业规模超13万亿 红利释放开启经济转型大幕［N］．通信信息报，2014-01-08（2）．

［2］ 中华人民共和国国家统计局．国民经济行业分类（GB／T 4754 2011）［EB／OL］．（2013-10-23）［2014-03-05］．http：／／www．stats．gov．cn／tjsj／tjbz／hyflbz／．

［3］ 张文德，李琳琳．福建省信息服务业发展现状与对策［J］．未来与发展，2013（12）：98-103．

［4］ 潘啸，马成文．基于SWOT分析的安徽省合芜蚌新区现代信息服务业集群发展探讨［J］．情报探索，2013（9）：50-53．

［5］ 赵明慎．加快发展我国生产性信息服务业的基本对策［J］．市场周刊：理论研究，2013（9）：41-42．

［6］ 敖大明．突出互联网管理重点 推进信息服务业转型［N］．通信产业报，2014-02-17（16）．

［7］ 廖添土．中国民营工业行业效率评价与分解——基于DEA模型的研究［J］．上海金融学院学报，2012（10）：49-58．

［8］ 徐文燕，张玉兰．基于DEA的文化产业投入与产出效率趋势实证研究［J］．南京财经大学学报，2013（9）：51-55．

［9］ 刘琪林，李富有．基于Malmquist-DEA的中国能源产业技术进步与技术效率研究［J］．中国科技论坛，2013（10）：67-73．

［10］唐善玲，白宪生．山西省高新技术产业动态效率与我国发达地区比较研究［J］．科技管理研究，2013（23）：50-61．

［11］黄瑞芬，付越．我国海洋产业低碳效率评价研究［J］．资源与产业，2013（10）：108-113．

［12］刘全清．DEA方法下我国软件和信息服务类上市公司的绩效评价研究［J］．技术与市场，2013（8）：213-214．

［13］李春发，王向丽．我国城市创意产业运营效率测度和评价研究［J］．大连理工大学学报：社会科学版，2013（7）：1-7．

［14］李宏舟，杨敏．服务外包产业投入产出效率及其影响因素研究［J］．财经问题研究，2013（5）：24-31．

［15］孙玉肖，闫莹．大中型工业企业技术创新效率的地区差异研究——基于产学研合作视角［J］．武汉理工大学学报：社会科学版，2013（8）：557-563．

Regional Development Efficiency Difference of Information Service Industry in China

LIN Changhua
（Fujian Academy of Social Sciences，Fuzhou 350001，China）

In recent years，the scale of information service industry has been expanded rapidly in China，but the industrial development is still unbalanced，and the development level needs to be upgraded．The paper evaluates the development performance of information service industry in relevant provinces from the perspective of input-output system by DEA methods，to ensure sustained healthy and sustainable developmentof information service industry in China，so as to find the optimal path of industrial development．The study finds that differences exist in the total efficiency of the development of information service industry in various provinces significantly，and the information service industry in our country has formed four kinds of different efficiency classification models on the influence factors of technical factors and scale．Therefore，we can accord the specific condition of provincial industrial efficiency，to find the best development way of information service industry in regional area through the information service industry input-output optimization analysis．

information service industry；regional difference；DEA model

F49

A

1673-8268（2014）05-0152-07

（编辑：段明琰）

10．3969／j．issn．1673-8268．2014．05．029

2014-01-13

2014-04-05

福建省社会科学规划基金：基于主体邻近性偏好的产业集群创新网络演化及绩效优化研究（2011C008）；福建社会科学院三级课题资助：全面深化改革下福建转变政府职能研究（53141001）

林昌华（1981-），男，福建柘荣人，助理研究员，硕士，主要从事产业经济研究。