服务业全要素生产率的动态演进及特征——以泛长三角为例

胡 俊，李策划，仝 鑫

（南京财经大学 产业发展研究院，江苏 南京 210046）

1 问题的提出

随着长三角影响力日益扩大，区域经济一体化的发展，长江三角洲已经突破了传统的地理区划概念的限制，形成了经济地理学的“泛长三角”。长三角经济影响范围不断扩容不仅可以拉动腹地地区的经济发展，腹地地区还可以为沿海地区提供丰富的生产要素，“泛长三角”经济地理的形成是缩小地区经济差距和区域经济均衡发展的重要途径。

长三角作为中国的一个重要引擎，对中国的经济发展做出了重要贡献。但是，随着人民币增值和劳动力与资本等生产要素成本的上升，经济增长的传统动力已经不可持续。随着经济全球化的深入发展，产业的发展呈现出制造业服务化的趋势。从发达国家的历史经验来看，世界上发达国家完成工业化后，服务业成为引领发达国家经济发展的火车头，并且服务业越来越呈现出高新技术化特征。技术进步推动服务业向高端化发展，服务业的高新技术化和现代化发展又可以形成正反馈，提升和改造传统产业，促进传统产业的全要素生产率的提高，以服务业为主体的第三产业最终将成为国民经济的支柱产业[1]。由此可见，服务业将在我国产业转型升级中将发挥重要的推动作用，服务业作为经济转型的重要支撑产业，越来越受到学者的关注。

服务业在地区生产总值中的比重不断提升，城市的产业结构也由“二、三、一”向“三、二、一”演进，但是，服务业发展只注重规模而不注重提高质量和效益，服务业规模扩张得很快，高端服务业环节的发展却相对滞后[2]。服务业的发展目标应当由规模向质量转变，粗放向集约式转变。由于劳动力、能源、土地资源和资本等生产要素成本的不断提高，传统的增长驱动力是不可持续的，必然要转向创新驱动经济发展的阶段[3]。

创新驱动的本质是全要素生产率的不断提升，服务业作为后工业化时期的重要的支撑产业，服务业的全要素生产率的提升将起到支撑其他关联产业转型升级的作用。因此，对服务业全要素生产率的研究分析就具有了现实基础和指导意义。

本文将对泛长三角服务业进行DEAMalmquist指数法全要素生产率的测算，在测算的基础上进行聚类分析，总结归纳出城市服务业发展特征，并提出相应的政策建议。

2 方法、样本和数据

2.1 方法

本文采用非参数DEA-Malmquist指数法来测度泛长三角城市群服务业全要素生产率。

DEA-Malmquist指数法是利用投入产出比对要评定的决策单元进行绩效排序。

可以表示为：

若指标数值都大于1，则表示TFP、技术效率和技术进步得到改善，反之，则表示恶化。

本文采用基于投入导向的 DEA-Malmquist指数法。

DEA-Malmquist指数法测算的是投入产出的效率，一个重要优点是不需要投入和产出相关的价格信息。此法可以对全要素生产率进一步分解，即分解成技术效率变化和技术进步的变化，还可以把技术效率分解成纯技术效率 （PECH）和规模效率（SECH）。 技术进步（TECHch）和技术效率（EFFCH）对全要素生产率的影响大小是对TFP进行实证研究的主要目的。如果服务业TFP出现非效率的情况，那么，它有多少来自技术进步和技术效率，又有多少来自纯技术效率和规模效率，从而更好地指导改进实践中的不足。

2.2 样本选取

在本文中，泛长三角城市群包括沪、苏、浙、皖的部分与长三角联系紧密的城市。

由于部分城市的统计年鉴数据缺失严重，考虑到选取数据的完整性和可获得性，故未选入决策单元，选取的时间为2005-2012年。

在本文中，分析的城市群决策单元（DMU）包括上海、江苏（南京、苏州、无锡、常州、镇江、扬州、南通、泰州、宿迁、南通、连云港）、浙江（杭州、宁波、嘉兴、湖州、金华、丽水）、安徽（合肥、芜湖、马鞍山、铜陵、滁州）三省一市共计23个城市组成的区域城市整体。

2.3 投入产出变量数据选择

2.3.1 服务业产出变量 该变量以23个城市历年服务业增加值指标来衡量。

2.3.2 劳动投入变量 选取23个城市相应年份的服务业从业人数作为衡量劳动投入的指标。

2.3.3 资本投入变量 目前，主要有两种方法表示资本投入，一是用永续盘存法[4]，二是直接用固定资产投资额来衡量[5]。

本文采用永续盘存法 （perpetual inventory method）计算资本存量。即：定义本期的资本存量为上一期的资本存量加上当年的投资，再减去折旧，即Kt=（1-δ）·Kt-1+lt。 δ 为固定资产折旧率，本文采用折旧率为9.6%[6]。Kt为第t年的资本存量，Kt-1为第t-1年的资本存量，It为第t年的投资额。

初始资本存量确定，本文采用文献中常用的Ulrich R.Kohli的方法[7]。2005年至 2012年服务业投资增长率均为r。基期存量K可以由下式计算得出：K2005=I2005/（δ+r） （2）

其中，K2005即为2005年基年服务业资本存量，I2005为2005年服务业固定资产投资额。服务业投资增长率r可以由各地区的固定资产投资额计算得出。理由是各城市（决策单元，DMU）资本实际投入情况不同，那些经济较发达的城市必然会比经济不太发达的城市更快地多投入资本，从而投资增长率并不相同。

由于缩减指数的缺乏，且DEA核算的全要素生产率是相对意义上的，价格影响因素不大，故本文直接采用各个城市当年的数据。

2.4 数据来源

选取的决策单元23个城市的投入产出变量数据都选自省、市的统计年鉴和各个城市的2005-2012年的国民经济和社会发展统计公报。

2.5 投入产出指标相关性分析

为了确保投入与产出之间的因果关系，要对选取的投入与产出变量进行 Pearson相关性检验。因此，本文对服务业投入与产出指标间的相关性进行了 Pearson相关性检验，以此来验证本文对服务业投入、产出变量的关联性与合理性，结果见表1。

表1 投入产出变量相关性检验

由表1可知，作为服务业产出变量的服务业增加值与作为服务业投入指标的固定资本存量以及三产就业人数之间通过了Pearson相关性检验，相关系数分别在0.05的水平上显著相关。因此，本文所选取的投入与产出变量间存在高度的关联性，能较好地解释服务业全要素生产率变动。

3 实证结果分析

测度的结果是根据投入产出的数据，由Deap2.1软件计算得出。

3.1 泛长三角全要素生产率总体变化特征

根据统计数据，计算泛长三角23个城市全要素生产率指数，结果如表2。总体来看，泛长三角城市群的全要素生产率（TFPch）变化均值为0.919，说明在2005至2012年全要素生产率的平均增长率为-8.1%。

表2 泛长三角城市群Malmquist指数总体均值

再来看全要素生产率分解情况。在2005至2012年，技术效率得到优化，平均增长率为17.1%，而技术进步恶化了，平均增长率为-21.5%。在效率的变动中，纯技术效率平均增长率为6.4%，规模效率的平均增长率为10.1%，都对技术效率的改善做出了贡献。技术进步拉低了TFP的增长，而技术效率对TFP增长推动作用明显。

在2005至2012年期间，泛长三角地区服务业全要素生产率变动分解，技术变动的总体恶化说明服务业技术革新和引进缓滞，甚至是倒退。这也在一定程度上解释了服务业整体处在产业链低端的现状。服务业作为促进产业转型的重要产业，和工业日益融合的趋势，其技术改进停滞或倒退，在一定程度上限制了工业的产业转型升级。总体上看，技术效率是有效率的，纯技术效率指数大于1，说明技术在泛长三角城市群中得到比较好的扩散，现有技术的潜力得到良好的挖掘，且规模效率指数也大于1，说明服务业在规模上是有效率的。但是，在2005至2012年，泛长三角城市群服务业的TFP对服务业的增长贡献率很低，验证了服务业的增长主要体现在服务业规模的扩张上，说明了服务业增长还处在投入驱动增长的阶段。

3.2 泛长三角城市群T F P年度总体变化特征

泛长三角城市群从2005到2012年总体均值变化，见图1。

从图1可以看出，在2005-2012年期间，全要素生产率的变动两个下降低谷和三个上升波峰。第一个波峰在2006-2007年，第二个波峰在2008-2009年，第三个波峰在2011-2012年。

图1 泛长三角2005-2012 TFP均值变化

在2006-2007年，全要素生产率恶化了，增长率为-4%，其中技术进步得到改善，增长率为7%，技术效率恶化，增长率为-10.3%，技术效率的下降主要来自规模效率的拖累，规模效率增长率为-22.3%，纯技术效率增长率为15.4%。

在2008-2009年期间，全要素生产率增长率为6%，其中，技术效率增长率为16.3%，纯技术效率增长率为-0.4%，规模效率增长率为16.7%。技术进步增长率-8.5%。在技术进步的负增长与技术效率的正向拉动的综合作用下，全要素生产率出现负增长。我们认为这是由于2008年的扩张性财政政策带来的服务业全要素生产率的资源投入型驱动增长，但是由于房地产行业的作用以及一些低端水平产业的重复建设，扭曲了资金的流向，并未带来技术的进步，只是一定程度上促进了技术效率的优化。

在2011-2012年，全要素生产率增长率为30.7%，其中技术效率增长率为6.5%，主要来自纯技术效率的变动，增长率为15%，规模效率起到拖累作用，增长率为-7.4%，技术进步增长率为22.7%。我们认为技术进步和效率的改进和优化得益于金融危机后政府对经济增长更深刻的认识。经济增长不仅源于生产要素的投入，技术的进步才是经济持续发展的根本动力。在金融危机中，我国经济的良好表现促进了外商投资和人才的流动，带来了更多的先进技术和管理手段，这也是TFP改善的原因。

3.3 聚类分析

为了进一步研究泛长三角城市群的全要素生产率之间的特征，接下来对已测算出的泛长三角城市群的Malmquist指数进行聚类分析，从而总结归纳出服务业增长的内在规律。

本文采用系统聚类法，相异性测度方法使用默认的“欧式距离”（Euclidean distance）。 聚类分析的软件使用stata12，得出结果并做出树状聚类图，见图2。

从图2聚类树状图可知，23个城市的Malmquist指数结构可以分为两大类型，上海和江苏的城市（上海、南京、苏州、无锡、常州、镇江、扬州、南通、泰州、徐州、宿迁和连云港）为一种类型，浙江和安徽的城市（杭州、宁波、嘉兴、湖州、金华、丽水、合肥、芜湖、马鞍山、铜陵和滁州）为另一类型。

图2 TFP指数聚类分析的聚类图

结合原始数据可以看出，两种类型之间的城市存在较大的技术效率方面的差异。通过对技术效率（EFFch）分解，可以看出第一种类型的纯技术效率（PECH）较好，说明这些城市在技术潜力挖掘和扩散方面做的较好；第二种类型的规模效率（SECH）较好，说明这些城市在服务业的投入形成了较好的规模效应。因此，可以把第一种类型的城市群称之为效率型城市，第二种类型的城市称之为规模型城市。

进一步详细分析可以看出，两种类型的城市群还表现出较强的地域型差异。效率型城市群主要是上海市和江苏省的各市，而规模型城市群主要是浙江的城市和安徽的城市。

在效率型城市中，从纯技术效率角度看，可以分为四个类别，分别为上海和南京；苏州、无锡和常州；镇江、扬州和南通；泰州、徐州、宿迁和连云港。在规模型城市中，从规模效率角度看，可以分为五类，分别为杭州和宁波；嘉兴和湖州；金华和丽水；合肥、芜湖和马鞍山以及铜陵和滁州。可见，泛长三角城市群之间服务业发展特征有所差异，一种表现出较强的效率型，另一种表现出较强的规模型，并且呈现出块状发展现象，区块之间的差异明显，还没有形成区域经济一体化发展。

4 结论和政策性启示

本文通过对2005-2012年23个样本数据分析，得出以下结论和建议。

第一，泛长三角城市群服务业的增长表现出要素投入特点，TFP增长对服务业产出增长的贡献较低，要素投入依然是主要的动力。

第二，从服务业全要素生产率分解来看，技术效率成为TFP主要推动力量，而技术进步在金融危机以前呈现震荡上扬的走势，在金融危机后，技术进步经过回落又进入上升趋势。

第三，泛长三角城市群中，技术效率基本是有效的。说明在泛长三角城市之间，技术得到良好的扩散，能发挥现有技术潜力。

第四，由聚类分析可知，泛长三角城市群内部发展不均衡，并没有形成经济意义上的一体化发展，区域之间分工合作没有形成。

基于此，本文认为：继续推进服务业的开放力度，加大服务业开放之后带来的技术溢出形成的外生技术进步；其次，深化服务业改革，促进竞争，推动内生技术创新活动；再次，作为腹地地区的城市应当积极承接国际资本和东部沿海地区的产业转移，东部沿海地区加强技术创新活动，区域内应加强合作，优化分工，实现区域经济一体化和均衡发展。

要素投入是服务业增长的源泉，服务业也处在要素投入驱动阶段，应加快转变发展方式，加大研发投入，促使技术进步成为服务业增长的源泉。

本文没有对服务业内部细分行业进行分析，而服务业内部细分行业有着较大的异质性，服务业细分行业的分析有助于把握服务业内部门间的全要素生产率情况，这是本文的局限性，有待进一步研究。

[1]沈鸿.产业结构服务化与经济增长的关系——一个文献综述[J].特区经济,2014(5):58-59.

[2]李勇坚,夏长杰.高端服务业:维护和促进国家经济安全的战略产业[J].服务贸易,2012(6):61-66.

[3]翁媛媛,高汝熹.中国经济增长动力分析及未来增长空间预测[J].经济学家,2011(8):65-73.

[4]顾小云,卢佳宁.中国基础设施资本规模:过量还是不足[J].经济问题,2014(7):33.

[5]刘祥.矿业城市经济发展规模效率浅析[J].中国矿业,2004(9):72-73.

[6]张军,吴桂英,张吉鹏.中国省际物质资本存量估算:1952—2000[J].经济研究,2004(10):38-39.

[7]姚战琪.“中国服务”:中国经济发展的新动力（专题讨论）[J].黑龙江社会科学,2014(3):46.