我国生产性服务业全要素生产率的异质性及收敛性分析

袁丹��雷宏振��黄雯��何媛

摘要：运用Malmquist生产率指数方法，从产业、时期和地区三个角度分析了2004～2011年我国生产性服务业全要素生产率的异质性，并对其趋势进行了收敛性检验。结果表明：我国生产性服务业的总体TFP年均下降19%；受技术进步效率的影响较大，呈收敛趋势，收敛速度为年均173%，2008年以后，收敛速度加快；各细分产业TFP的趋势和原因有所不同，产业间存在σ收敛，产业内都存在显著的绝对β收敛，批发和零售业的收敛速度最快；多数地区生产性服务业的效率不高，差异较大；生产性服务业及其细分产业、东部与西部地区生产性服务业的TFP随着时间推移，将向各自的稳态水平趋同。

关键词：生产性服务业；全要素生产率；Malmquist生产率指数；异质性；收敛性

DOI：10.13956/j.ss.1001-8409.2015.06.06

中图分类号：F719；F264.1 文献标识码：A 文章编号：1001-8409（2015）06-0024-04

引言

随着全球经济由“工业型经济”向“服务型经济”转型发展，柔性生产方式下的外部化趋势以及社会经济和科技等因素引致的新需求，促进了生产性服务业的快速发展[1]。生产性服务业日益成为推动经济增长的重要力量之一，对中国经济也越来越重要[2]。1990年代以来，我国生产性服务业得到了较快的发展，但相比发达国家仍处于相对滞后的状态。我国在《国民经济和社会发展第十二个五年规划纲要》中强调要“深化专业化分工，推动生产性服务业加速发展”。生产率的增长是产业经济增长的动力之一，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，技术进步和效率的提升才是经济长期持续增长的重要源泉[3]。生产性服务业具有高产业关联度特征，发挥着“黏合剂”和“推进器”的作用。随着我国劳动力成本的上升，投资与资源环境压力的加大，其生产效率的高低不仅关系到本产业的增长，对其他相关产业和我国经济的增长都有重要的影响。目前，我国生产性服务业的整体效率水平如何？不同产业和地区的效率差异大小如何？差异的发展趋势是什么？本文将采用DEAP21软件测算我国生产性服务业的全要素生产率，并实证分析不同时期、细分产业和地区生产性服务业全要素生产率的异质性和收敛状况，并提出相应的对策建议。

1 简要文献回顾

生产性服务业（Producer Services，也称生产者服务业）最早由Greenfield提出，并做了分类，后经Browning和Singelman、Marshall、Gruble和Walker、钟韵和闫小培等学者的发展而得到深化[4]。目前，生产性服务业的范围尚没有明确统一的界定。结合已有文献和《国民经济行业分类》，本文认为：生产性服务业是为其他产业的生产过程提供市场化的中间投入的产业。主要包括：交通运输、仓储和邮政业，信息传输、计算机服务和软件业，批发和零售业，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。Fukuyama和William分析指出，1992～1996年日本银行业的TFP以年均2%的速度下降，主要源于技术效率的下降[5]。Chiu和Jan等使用DEA模型评价了我国台湾地区银行业的技术效率[6]。Shang和Hung等采用DEA模型测度了电子商务产业和酒店业的绩效[7]。在我国生产性服务业效率相关的研究中：原毅军等认为，1997～2005年，我国生产性服务业的TFP呈现负增长，东部地区TFP下降的速度远低于中西部地区[8]。Matthews等对比分析了我国银行业的TFP增长差异，指出通过降低成本和技术创新可以提高生产率[9]。黄莉芳等基于1993～2008年的数据分析指出，我国生产性服务业技术效率水平较低，技术效率的差异主要表现在东部和中西部之间[10]。王美霞分析指出，1991～2010年我国生产性服务业细分行业TFP均呈增长趋势，并表现出较大的行业异质性[11]。总体来看，国外的研究多侧重于生产性服务业的某些行业，国内的研究多集中于生产性服务业与制造业的关系方面[12，13]，对效率的研究较少，且多关注全国或产业的整体层面，结论中尚存在不一致，对生产性服务业效率的异质性和收敛机制的研究比较缺乏，还需进一步探讨。

2 研究方法与数据处理

Malmquist生产率指数最早由Malmquist于1953年在消费分析过程中提出，后于1982年被Caves、Christensen和Diewert三位学者用于测算生产率变化[14]。Malmquist生产率指数是一种以距离函数为基础的非参数方法，被广泛应用到全要素生产率（Total Factor Productivity，TFP）的测算中，可被分解为技术效率和技术进步。技术效率测度效率追赶的程度，技术进步反映技术前沿面的移动。技术效率又可以进一步分解为纯技术效率和规模效率。纯技术效率可衡量纯技术无效率对技术无效率的贡献程度，规模效率用于衡量是否处于最优的生产规模。当各指数大于1时，表明效率是增长的，反之则是下降的。

基于指标的代表性和可操作性，用增加值衡量生产性服务业的产出，并按2004年不变价指数进行折算。劳动力投入用地区年末从业人员数衡量。资本投入用资本存量衡量，采用广泛采用的永续盘存法[11]进行核算，即Kit=It+（1-σ）Kit-1，Kit、Kit-1分别为i行业或地区第t、t-1年的资本存量，初始值2004年资本存量Ki2004=Ii2004/（σ+ri），其中，ri为i产业或地区分析期内生产性服务业投资额的实际增长率，It为第t年的投资额，按照2004年不变价指数进行折算，折旧率一般取5%[15]。本文选取2004～2011年我国东部（北京、天津等12个地区）、中部（山西、安徽等6个地区）及西部（内蒙古、广西等11个地区）共30个地区的面板数据进行分析。西藏存在数据缺失，未列入样本。结合统计现状，地区生产性服务业细分产业的数据主要涉及交通运输、仓储和邮政业，批发和零售业，金融业，房地产业、租赁和商务服务业。数据均来自2005～2012年《中国统计年鉴》、《中国劳动统计年鉴》、《新中国60年统计资料汇编》。

3 生产性服务业效率的测算及其分解

根据测算，2004～2011年，我国生产性服务业整体的TFP均值为0981，TFP年均下降19%。从TFP的分解来看，生产性服务业的技术效率年均下降18%，技术进步效率也以年均01%的速度递减，规模效率年均下降17%。

（1）分时期来看，2004～2007年，生产性服务业的TFP从0948逐渐提高到1092。2006～2007年，由于技术进步效率的增长作用超过了技术效率的下降作用，TFP上升92%。2007～2011年，生产性服务业的TFP呈现下降和上升的交替波动，主要源于同时期技术进步效率比较明显的下降和上升作用影响。

（2）从细分产业来看，批发和零售业与科学研究、技术服务和地质勘查业的TFP年均增长都为1.3%。前者主要源于技术进步效率的增加，后者则是由于其技术效率和技术进步效率都有所提升。交通运输、仓储和邮政业与信息传输、计算机服务和软件业的技术进步效率的增长作用小于技术效率的下降作用，二者的TFP分别下降1%和52%。金融业和房地产业的TFP分别下降19%和34%，主要源于技术进步效率的下降。租赁和商务服务业除纯技术效率保持不变外，技术效率、规模效率和技术进步效率都是下降的，其TFP年均下降4.1%。

（3）分地区来看，生产性服务业效率的均值为0971，呈下降趋势。地区间差异较大，江苏生产性服务业的TFP最高，年均增长161%，其次分别为上海、江西等，排名前9位地区的生产性服务业的平均TFP大于1，呈增长趋势。江苏和上海生产性服务业TFP的增长来源于其各分解指数的增长。贵州和安徽生产性服务业的平均TFP大于均值，辽宁、福建等地区生产性服务业的平均TFP都小于均值，呈下降趋势。吉林生产性服务业的平均TFP最低，年均下降126%。北京、宁夏、贵州和甘肃生产性服务业的TFP受技术效率的影响较大，而其他大多数地区TFP的增长或下降趋势主要受到技术进步效率的影响。

4 生产性服务业效率的收敛性分析

4.1 σ收敛

σ收敛性检验常采用变异系数CV指标进行衡量，如果变异系数随着时间推移趋于下降，则反映存在σ收敛现象。本文分别计算了我国生产性服务业及其细分产业间与三大地区生产性服务业效率的变异系数。用Ei表示第i个地区或产业生产性服务业的TFP，变异系数的计算公式为：

CV=[∑mi（Ei-1/m∑miEi）2]/m1/m∑miEi（1）

如图1所示，2004～2011年，生产性服务业TFP的变异系数总体呈下降趋势，呈现比较明显的σ收敛趋势。2004～2010年，生产性服务业细分产业间TFP的变异系数大致呈下降趋势，表现出σ收敛特征，在2010～2011年，变异系数扩大。东部地区生产性服务业TFP的变异系数整体呈缩小趋势，存在σ收敛。中部地区未显示出一致性的扩大或缩小趋势，不存在显著的σ收敛。西部地区生产性服务业TFP的变异系数在2004～2008年和2008～2011年两个阶段都呈现出先缩小后扩大的趋势，但2011年的值为0067，低于2004年的0084，尚不能认为西部地区生产性服务业的TFP呈发散趋势。

4.2 绝对β收敛

绝对β收敛分析能揭示效率较低的经济系统是否存在比初期效率较高的经济系统以更快的速度增长的趋势。本文借鉴Barro和SalaIMartin[16]的研究，建立如下绝对β收敛回归模型：

ln（EiT）-ln（Ei0）/T=β1+β2lnEi0+εit（2）

式（2）中，Ki0和KiT分别表示第i个地区或产业在期初与期末生产性服务业的TFP，T为观察期的时间跨度，ln（EiT）-ln（Ei0）/T表示第i个地区或产业在样本期间内的平均增长率，β1为常数项，β2为收敛系数，εi为随机扰动项。若β<0则认为存在收敛，若β>0则认为存在发散。此时，绝对β收敛速度λ可由β=-（1-e-λT）/T计算得到。

4.2.1 分时期生产性服务业效率的绝对β收敛

表1中，2004～2007年，生产性服务业TFP的收敛系数为负，但在统计上不显著。2004～2011年及其后期阶段2008～2011年，收敛系数均在1%的置信水平下显著为负，调整后的拟合优度分别为0577和0632。研究表明我国生产性服务业TFP这两个时间段呈现显著的绝对β收敛趋势，其收敛速度分别为453%和173%，2008年以后，收敛速度有明显加快。

4.2.2 生产性服务业细分产业效率的绝对β收敛

表2中，2004～2011年，生产性服务业5大细分产业交通运输、仓储和邮政业，批发和零售业，金融业，房地产业，租赁和商务服务业的收敛系数均为负值，且通过了1%的显著性检验，都存在显著的绝对β收敛性。研究表明，在生产性服务业内存在效率低的产业追赶效率高的产业的趋势，期初效率存在差异的各产业将以不同的收敛速度向同一稳态水平逐步收敛趋同，其中批发和零售业的收敛速度最快，为586%，其次分别为交通运输、仓储和邮政业31.1%，金融业304%，租赁和商务服务业279%和房地产业218%。

4.2.3 分地区生产性服务业效率的绝对β收敛

如表3所示，2004～2011年，东、中和西部地区的收敛系数均为负，东部和西部地区的收敛系数均在1%的显著性水平下通过了检验，但中部地区的收敛系数在统计上不显著。东部地区和西部地区调整后的R2分别为0926和0431。表明东部地区和西部地区生产性服务业的TFP呈显著的绝对β收敛趋势，其收敛速度分别为158%和222%，两大地区内部效率低的地区通过追赶效率高的地区，最终趋于均衡的稳态水平，并且西部各地区将以更快的速度实现效率的收敛趋同。

5 结论与建议

本文测算了我国生产性服务业的全要素生产率，并进一步分析了我国生产性服务业在不同产业、时期和地区的效率及其增长趋势的收敛性，得到以下主要结论：2004～2011年，我国生产性服务业的整体效率不高，TFP年均下降19%。2007年以前呈递增趋势，2007年以后呈波动趋势，主要源于同时期技术进步效率的变动。细分产业TFP的趋势和原因都存在差异，其中批发和零售业与科学研究、技术服务和地质勘查业的TFP呈增长趋势，分别源于技术进步效率和各效率指数的提升。地区生产性服务业的效率不高，差异较大，多数地区生产性服务业的平均TFP受技术进步效率的影响较大。在我国生产性服务业整体及其细分产业、东部与西部地区的生产性服务业都存在效率低的产业或地区的效率追赶趋势。生产性服务业总体TFP收敛速度为年均173%，2008年以后收敛速度加快，细分产业中批发和零售业的收敛速度最快，西部地区的收敛速度快于东部地区。

据此，提出以下建议：（1）促进技术创新和进步，提高效率水平。加强规划和引导，改革和完善体制机制，在产权保护、财税、融资、人才政策、行政审批等方面给予一定的政策支持，健全法律法规，建立公开透明、高效规范的市场监管体制。多种渠道增加资金投入，鼓励生产性服务业自主创新和技术研发，增强专业人才的培养和贡献度，促进生产性服务业的集约式增长。完善技术创新体系，创建科学技术交流平台，促进产学研结合，加强生产性服务业的技术推广和应用，提高产业技术的产出率。推进生产性服务业的服务市场化，促进市场化竞争，优化资源配置，降低运营成本。促进生产性服务业的整合集聚，深化产业链分工与协作，促进技术“外溢”和效率提升。（2）缩小差距，加快细分产业和地区间的效率趋同和共同提升。逐步降低金融业、信息传输以及交通运输、仓储和邮政业的进入壁垒，减少前置性审批和管制；鼓励社会资本参与，实行自负盈亏，提升租赁和商务服务业的市场化经营水平；加大科学研究等科技含量高的产业的研发和科技人才投入，加强专利保护，提高创新和供给水平；改善零售业的门槛过低和无序竞争状态，规范其运营管理；加强同相关产业的关联，促进专业化分工水平和效率提升。克服地方保护主义，促进地区间的技术和管理经验扩散。东部地区应着力于技术研发和品牌运作，促进技术和管理创新，推动生产性服务业升级；西部地区应积极进行技术学习，营造更为开放公平的竞争环境，完善基础设施，重视技术和制度创新；中部地区积极承接东部地区产业转移，优化市场环境，加大对资本和人才的吸引力，促进本地区生产性服务业的效率收敛和水平提升。

参考文献：

[1] 邱灵.大都市生产性服务业空间集聚：文献综述[J].经济学家，2014（5）：97-104.

[2]Yang F F， Yeh A G O. Spatial Development of Producer Services in the Chinese Urban System [J]. Chinese Geographical Science， 2013， 23（3）：274-285.

[3]Krugman P. The Myth of Asias Miracle[J]. Foreign Affairs， 1994，73（6）：62-78.

[4]杜德瑞，王喆，杨李娟.工业化进程视角下的生产性服务业影响因素研究——基于全国2002-2011年31个省市面板数据分析[J].上海经济研究，2014（1）：3-17.

[5]Fukuyama H， William LW. Estimating Output Allocative and Productivity Change： Application to Japanese Banks [J].European Journal of Operational Research， 2002， 137（1）：177-190.

[6]Chiu Y H， Jan C， Shen D B， et al. Efficiency and Capital Adequacy in Taiwan Banking： BCC and SuperDEA Estimation [J].The Service Industries Journal，2008，28（4）：479-496.

[7]Shang J K， Hung W T， Lo C F， Wang F C. Ecommerce and Hotel Performance： Threestage DEA Analysis [J].The Service Industries Journal， 2008，28（4） ：529-540.

[8]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.

[9]Matthews K， Zhang N N. Bank Productivity in China 1997-2007： Measurement and Convergence [J].China Economic Review， 2010， 21（4）： 617-628.

[10] 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].数量经济技术经济研究，2011（6）：120-132.

[11]王美霞.中国生产性服务业细分行业全要素生产率异质性与影响因素研究[J].经济经纬，2013（3）：75-79.

[12]吉亚辉，李岩，苏晓晨.我国生产性服务业与制造业的相关性研究——基于产业集聚的分析[J].软科学，2012（3）：15-19.

[13]李秉强.中国制造业与生产性服务业的耦合性判断[J].统计与信息论坛，2014（4）：82-87.

[14]Caves D W， Christensen L R， Diewert W E. The Economic Theory of Index Numbers and the Measurement of Input， Output and Productivity [J].Econometrica， 1982， 50（6）： 1393-1414.

[15]陈艳莹，王二龙. 要素市场扭曲、双重抑制与中国生产性服务业全要素生产率：基于中介效应模型的实证研究[J].南开经济研究，2013（5）：71-82.

[16]Barro R J， SalaiMartin X. Public Finance in Models of Economic Growth [J]. Review of Economic Studies， 1992， 59（4）：645-661.

（责任编辑：石琳娜）