京津冀科技服务业发展效率及影响因素研究

彭晓静

（中共河北省委党校 河北石家庄 050061）

科技服务业作为现代服务业的重要组成部分，具有显著的外部特征和较强的产业关联性，对建立现代产业体系、构建新发展格局意义重大。京津冀作为创新驱动发展引领区，具有丰富的科技资源，科技服务业发展条件得天独厚，产业规模不断扩大，势头较好，尤其是北京和天津科技服务业发展较快。据统计，从2012年到2019年，北京科技服务业增加值从1245.9亿元增加到2826.4亿元，天津科技服务业增加值从383.61亿元增加到593.4亿元，河北科技服务业增加值从2012年的335.1亿元增加到2017年的406.3亿元。虽然科技服务业增加值不断上升，但京津冀整体及各市科技服务业发展的质量和效率如何还是未知数，亟需从发展效率的角度对其进行静态和动态评价，同时随着科技服务业不断发展，还有诸多因素对其发展效率产生影响。因此，在分析效率的基础上，对其影响因素进行分析，有助于更好促进科技服务业的发展。

一、文献综述

科技服务业具有人才智力密集、科技含量高、产业附加值大、辐射带动作用强等特点，这些属性使其成为国家现代服务业发展的重点产业，也成为学术界研究的热点问题。目前，关于科技服务业的研究主要基于以下几方面：一是科技服务业与其他产业的关联性研究。根据程海青等的计算结果，科技服务业每创造一个单位的收益，将增加服务对象至少5个单位的收益。为此，有些学者研究科技服务业与制造业的互动关系，如罗建强等以南京的民营制造业企业为研究对象，分析出科技服务业中的R&D经费的合理使用和R&D人员对制造业的主营业务收入影响较大。二是科技服务业的地理分布及空间演化特征研究。科技服务业合理的产业布局能够产生集聚效应、溢出效应和扩散效应，促进周边地区产业的发展，实现区域协调发展。为此，有些学者研究了科技服务业的空间集聚特征及影响因素，如张清正等利用空间基尼系数分析了我国科技服务业空间集聚态势，并得出规模经济、科技实力、知识溢出等因素对科技服务业空间集聚产生了重要影响。三是科技服务业发展水平评价及影响因素研究。在现有研究中，学者们主要利用效率来衡量一个国家或地区科技服务业发展水平，采用的计量模型主要是超效率DEA模型、DEA-BCC模型、Malmquist指数法，如张恒等利用超效率DEA模型对长江三角洲城市群科技服务业效率进行评价，并分别计算了科技服务业五大细分行业的超效率值。朱建涛等利用DEA模型和Malmquist指数法对10个省市的科技服务业效率进行评估，并构建回归模型，对影响综合技术效率、纯技术效率和规模效率的五种因素进行了分析。

综上所述，学术界对科技服务业进行了大量深入的研究，提供了很多新颖的观点、研究思路和方法，这些都为继续深入研究京津冀科技服务业发展效率问题提供了借鉴与参考。现有研究中，由于数据难以获得，特别是河北省部分城市数据缺失严重，增加了对京津冀科技服务业发展效率及影响因素的研究难度，研究成果相应较少。随着我国进入高质量发展阶段，京津冀科技服务业必须以高质量为主题、以效率作为衡量高质量发展的重要尺度。因此，本文利用2012-2017年的统计数据，运用DEA-BCC模型和Malmquist指数法对京津冀科技服务业发展效率进行静态和动态分析，并利用Tobit模型对影响效率的因素进行分析，提出对策建议。

二、京津冀城市群科技服务业效率评价

（一）评价指标构建及数据选择

由于科技服务业发展水平评价体系还没有固定范式，因此本文结合《国家科技服务业统计分类（2018）》的划分标准，借鉴学者们的研究文献，考虑数据的可获得性，选取“科学研究、技术服务和地质勘探业”的增加值（亿元）作为科技服务业的增加值，当作产出变量。以科技服务业固定资产投资（亿元）、年末城镇从业人员（人）作为投入变量。京津冀城市群中由于秦皇岛、张家口、承德、衡水科技服务业产值较低且数据缺失严重，所以将其剔除，仅将北京、天津、石家庄、唐山、邯郸、邢台、保定、沧州、廊坊9个城市作为决策单元。数据来源于《中国城市统计年鉴》（2013-2018）、《中国科技统计年鉴》（2013-2018）及各省市的《经济统计年鉴》（2013-2018），样本期间为2012-2017年。

（二）DEA-BCC模型及实证结果

为了对京津冀各城市科技服务业发展效率进行静态评价，本文引入规模可变条件下的产出导向型DEABCC模型，计算各决策单元的综合技术效率（TE）、纯技术效率（PTE）、规模效率（SE）及规模收益变化情况。其公式如下：

式中，i=1，2，……，r=1，2，……，j=1，2，……。θ为决策单元DMU的效率值，取值范围在0到1。若θ=1，表明DMU处于有效状态；若θ≠1，表明DMU处于无效状态。利用此模型，得到如下结果：

一是京津冀科技服务业发展效率的整体情况。从表1中可以看出，就综合技术效率而言，2012-2017年，综合技术效率基本处于直线下降状态，由2012年的0.612下降到2017年的0.387，下降幅度也较大；同时综合技术效率的有效决策单元也较少，基本在3个以内，占全部城市数量的不到1/3。就纯技术效率而言，2012-2017年纯技术效率在波动中略有下降，由2012年的0.738下降到2017年的0.609，下降幅度较小；决策单元有效数较多，基本在4个以上，有的年份达到6个，占城市数量的2/3。就规模效率而言，2012-2017年规模效率也是在波动中呈下降的趋势，由2012年的0.843下降到2017年的0.640；相对于纯技术效率决策单元的有效数，规模效率的决策数比较少，占全部城市数量的比例少于1/3。就规模收益情况而言，2012-2017年规模收益处于递增和不变的数量较多，而处于规模报酬递减的较少，说明在投入要素增加的情况下，大多决策单元的产出是大于或等于投入要素的增长速度的，可以获得规模经济效益。

表1 2012-2017年京津冀9个城市科技服务业发展效率静态评价

二是京津冀各城市科技服务业的综合技术效率。从表2中可以看出，就各城市的综合技术效率来看，北京、廊坊科技服务业的综合技术效率较高，有效决策单元最多。原因在于，北京是国际科技创新中心，集聚了科技服务业发展的资本、人才和技术等高端要素，产业发展质量和效益不仅在京津冀城市群属于领头雁，在全国科技服务业发展格局中也是处于第一梯队；廊坊毗邻京津，具有“近水楼台先得月”的区位优势，在产业发展上受到京津扩散效应和带动效应的影响较大。因而，不管是纯技术效率还是规模效率，有效决策单元都较多，进而导致综合技术效率在每个年份都是有效的。除了北京、廊坊，其他7个地市的科技服务业综合技术效率有效决策单元都比较少，而且效率值也比较低，尤其是河北省内的石家庄、唐山、邯郸、邢台、保定、廊坊的综合技术效率值偏低，原因在于这些城市的纯技术效率和规模效率都比较低，这种结果也说明河北省科技服务业不仅规模较小，而且效率也不高，投入要素配置还不够优，离产业高质量发展还有差距。另外，结合表1和表2的结果可以看出，虽然北京和廊坊综合技术效率值为1，但由于河北省内6个城市的综合技术效率值较低，导致京津冀科技服务业的综合技术效率不高，也说明京津冀城市群内科技服务业的发展不仅在规模上有较大差距，在发展效率也有悬殊，京津冀科技服务业的协同度还不高。

表2 2012-2017年京津冀9个城市科技服务业的综合技术效率

（三）Malmquist指数法及实证结果

为更好反映京津冀科技服务业发展效率的动态变化，引入Malmquist指数法，其公式如下：

Malmquist指数是用来反映t到t+1阶段效率变化的指数，是反映全要素生产率（TFP）动态变化的非参数方法之一，用全要素生产率变化的TFPC指数表示。如果TFPC>1，表明全要素生产率水平提高；如果TFPC<1，则表明全要素生产率水平下降。同时Malmquist指数可以分解为技术效率变化（TEC）指数和技术变化（TC）指数，三者的关系是TFPC=TEC＊TC。其中，TC>1表示生产技术的进步和创新力度的加大；TC<1表示生产技术的倒退和创新力度的衰弱；TEC>1表示资源配置效率的改善和组织管理水平的提高，TEC<1表示资源配置效率和组织管理水平的下降。利用此模型，得到如下结果：

一是2012-2017年京津冀科技服务业发展效率每年的变化情况。从表3中可以看出，2012-2017年Malmquist指数处于上升态势，全要素生产率变化指数为1.063，6年间增长了6.3%。其中，2013-2014年、2014-2015年、2016-2017年三个时间段全要素生产率都处于增长状态，增长幅度在10%以上。2016-2017年间增长幅度最大，达到24.0%，主要是京津冀协同发展战略的实施，京津冀协同创新程度不断加深，技术进步促进了产业的发展。2012-2013年、2015-2016年两个时间段的全要素生产率变化处于下降状态，但下降幅度较小，对整个全要素生产率的变化趋势影响不大。就技术效率变化来看，2012-2017年技术效率整体处于下降态势，技术效率变化指数为0.873，下降了12.7%。其中，2012-2013年、2014-2015年、2015-2016年、2016-2017年技术效率变化指数都是小于1的，说明这4个时间段的技术效率处于下降状态；仅有2013-2014年的技术效率变化指数大于1，说明这个时间段的技术效率处于增长状态，原因是规模效率变化指数大于1，即规模效率处于增长状态带来的。就技术变化指数来看，2012-2017年整体处于上升态势，6年间增长了21.9%，上涨幅度高于全要素生产率，而且每个时间段的技术变化指数都是大于1的，说明相较于基期，创新程度都在不断加深，技术处于不断进步的状态。就纯技术效率变化来看，整体处于下降的趋势，6年间下降了6.4%，除2012-2013年上升了18.7%，其他时间段都处于下降状态，因此导致整体的纯技术效率不增反降。就规模效率变化来看，整体也处于下降的状态，6年间下降了6.8%，虽然2013-2014年、2014-2015年、2015-2016年3个时间段的规模效率处于增长状态，但由于2012-2013年、2016-2017年的规模效率下降幅度较大，导致6年间规模效率处于下降的状态。

表3 2012-2017年京津冀科技服务业发展效率各年的Malmquist指数及其分解

二是2012-2017年京津冀科技服务业全要素生产率各城市的变化情况。从表4中可以看出，2012-2017年9个城市中有7个城市的全要素生产率变化指数大于1，处于上升态势。其中，廊坊、北京全要素生产率增长在20%以上，分别增长了24.3%、22.3%；天津、石家庄、邯郸、邢台、沧州5个城市的全要素生产率增长率在10%以下，增长幅度稍小，分别为5.5%、7.2%、1.8%、1.0%、5.3%；唐山和保定的全要素生产率处于下降状态，但下降的幅度不大，分别下降了3.7%、3.2%。就技术效率变化指数来看，9个城市中仅有北京的技术效率处于增长状态，但增长幅度并不大，增长了3.8%，北京的技术效率处于上升状态主要是在纯技术效率不变的情况下，规模效率处于上升的状态；廊坊的技术效率处于不变状态，既无上升也无下降；其他7个城市的技术效率都处于下降状态，分别是天津下降了13.4%、石家庄下降了15.8%、唐山下降了20.1%、邯郸下降了14.2%、邢台下降了16.9%、保定下降了20.7%、沧州14.4%，而这7个城市技术效率处于下降的原因都不同，天津、邢台是由于规模效率下降导致技术效率下降的，石家庄、唐山、保定是由于纯技术效率和规模效率处于双下降而导致技术效率下降的，邯郸、沧州市由于纯技术效率处于下降而导致技术效率下降的。就技术变化指数来看，9个城市的技术变化指数都是大于1的，并且上涨幅度都较大，都在10%以上。其中，天津、石家庄、唐山、邢台、保定、沧州、廊坊7个城市的产业创新程度提升幅度都在20%以上，北京、邯郸虽然产业创新程度提升幅度在20%以下，但只是略低于20%，说明京津冀科技服务业的整体技术进步和创新程度在7年间有较大幅度提升。就纯技术效率变化来看，9个城市中有4个城市的纯技术效率处于不变状态，分别是北京、天津、邢台和廊坊；5个城市的纯技术效率处于下降状态，分别是石家庄下降了4.9%、唐山下降了10.2%、邯郸下降了14.4%、保定下降了8.1%、沧州下降了17.9%。就规模效率变化来看，9个城市中有3个城市的规模效率处于上升状态，分别是北京、邯郸、沧州，但增长的幅度都较小，基本在5%以内；5个城市的规模效率处于下降状态，分别是天津、石家庄、唐山、邢台、保定，但下降的幅度都较小，规模效率变化指数在0.8-0.9之间；只有廊坊一个城市的规模效率变化指数处于不变状态，因此较多城市科技服务业规模效率处于下降状态导致整体规模效率处于下降状态。

表4 2012-2017年京津冀各市科技服务业全要素生产率的Malmquist指数及其分解

三、京津冀科技服务业发展效率影响因素分析

（一）影响科技服务业发展效率的因素

一个地区科技服务业的发展效率除了与投入要素的配置状况、技术进步和创新程度相关，还可能受地方经济发展水平、政府支持、工资水平等因素的影响。因此，在借鉴相关文献的研究基础上，本文主要分析经济发展水平、政府支持、工资水平、研发环境、相关产业需求五种因素对科技服务业发展效率的影响。

第一，经济发展水平（X1），选取每个城市的人均GDP来衡量。人均GDP是衡量一个地区宏观经济运行状况的有效工具，也是反映一个地区人民生活状况的重要标准。人均GDP较高的地区，一般经济比较发达，对科技服务业的发展有较大的吸附力和推动力。

第二，政府支持（X2），选取每个城市的财政科技支出占地方政府一般公共预算支出的比重。一个地区的科技服务业发展速度、质量、效益与地方政策支持有关联性。从发展实践看，京津冀城市群内由于各个地市财力悬殊，地方政府发展科技服务业的意愿与财力不匹配，对产业的发展效率可能会产生影响。

第三，工资水平（X3），选取该行业的城镇单位在岗职工平均工资来衡量。科技服务业是知识密集型的产业，劳动者素质较高，对薪酬的要求也较高，而工资作为劳动力价值的体现形式，能够对科技服务业从业人员起到激励作用。

第四，研发环境（X4），选取各市的R&D经费支出来衡量。R&D经费支出反映了科技服务业的研发投入状况，经费的支持为科研成果的产出提供了保障，是科技服务业发展的重要动力，对科技服务业发展效率可能产生影响。

第五，相关产业的需求（X5），选取各市工业总产值占地方生产总值的比重来衡量。科技服务业的发展能够为工业转型升级提供技术支撑，而工业的快速发展对科技服务业会产生较大的市场需求。

以上变量的数据主要来源于《中国城市统计年鉴》（2013-2018）、各省市统计年鉴（2013-2018）、《河北省科技经费投入统计公报》（2014-2018）及河北省相关厅局数据。样本期间为2012-2017年。

（二）模型构建与结果分析

为了分析各因素对科技服务业发展效率的影响程度，以表2的综合技术效率为被解释变量，引入随机效应的面板Tobit模型，因为X1、X3、X4数据变化范围较大存在异方差，故取对数。模型构建如下：

式中Eit表示各城市科技服务业综合技术效率，Vi、βi是影响各因素的待估参数，δit是随机扰动项。

根据此模型，得到如表5所示的回归结果。从表5中可以看出，选取的五种因素都对综合技术效率有影响。其中，经济发展水平与综合技术效率是正相关关系，因为P值为0.005，在1%的水平上显著；相关系数为0.313，说明地区人均GDP每增加1%，可以带来综合技术效率增长0.313个单位。政府支持与综合技术效率是正相关关系，因为P值为0.000，在1%的水平上显著；相关系数为0.245，说明政府支持每增加1%个单位，可以带来综合技术效率增长0.245个单位。工资水平与综合技术效率是正相关关系，因为P值为0.001，在1%的水平上显著；相关系数为0.470，说明工资水平每增加1%，可以带来综合技术效率增加0.470个单位。研发环境与综合技术效率呈负相关关系，P值为0.000，在1%的水平上显著；相关系数为-0.285，意味着研发经费支出增加1%，综合技术效率下降0.285个单位，说明研发经费支出不是越多越好，研发经费与其他要素的投入比例还不合理，亟需优化。相关产业需求与综合技术效率也是负相关，P值为0.013，在5%的水平上显著；相关系数为-0.063，意味着相关产业需求每增加1%个单位带来综合技术效率下降了0.063个单位，说明工业总产值占GDP的比重上升没有推动科技服务业综合技术效率的提升。

表5 京津冀城市群科技服务业发展效率的影响因素Tobit模型回归结果

四、结论与建议

本文利用DEAP2.1软件，运用DEA-BCC模型和Malmquist指数法对京津冀城市群科技服务业发展效率进行静态和动态评价，利用Tobit模型对影响科技服务业综合技术效率的五种因素进行分析。得到如下结论：一是京津冀城市群科技服务业综合技术效率不高，原因是纯技术效率和规模效率不高双重作用的结果。二是京津冀城市群内各城市的科技服务业发展效率差距明显。北京、廊坊综合技术效率较高，而其他城市综合技术效率偏低，形成了较大的梯度差。比如，虽然保定市和廊坊市一样具有毗邻京津的区位优势，但是科技服务业的规模和综合技术效率都不高，2012-2017年综合效率值基本在0.5以内，没有借势实现自身的发展；又如，唐山作为河北省制造业大市，对科技服务业的需求应该较大，但是制造业和科技服务业之间并没有形成互相牵引，综合技术效率值也偏低，与其产业发展定位不相符合。三是京津冀城市群科技服务业的全要素生产率处于增长态势，主要是技术变化指数不断增长带来的结果。四是经济发展水平、政府支持、工资水平对综合技术效率的提升有显著的推动作用，而研发环境和相关产业需求对综合技术效率的提升有抑制作用，说明研发经费支出的投入规模还需要调整，科技服务业与工业还未形成产业上深度融合、效率上相互增进的态势。

基于以上结论，提出以下对策建议：一是深入推动京津冀城市群科技服务业协调发展，实现区域联动。一方面，围绕北京国际科技创新中心做文章，随着北京非首都功能疏解，北京科技服务业的知识扩散效应、产业溢出效应会更加显著，河北省要顺势而为、主动而为，着力破解人才、技术、市场等制约科技服务业发展的顽疾，梳理科技服务业各环节的堵点、卡点、盲点，制定对接清单，精准合作；另一方面，围绕雄安新区做文章，雄安新区未来要成为全球创新的高地，将集聚全球高端的生产要素，保定要抓住先机，根据雄安的产业定位及早谋划自身产业发展，在对接雄安、配套雄安的过程中实现自身科技服务业的发展。二是加快推进科技服务业与其他产业深度融合发展，实现产业互动。虽然京津冀科技服务业与工业融合趋势比较明显，但融合的深度和广度不够，未来随着京津冀城市群构建现代产业体系，产业基础高级化、产业链条现代化，需要科技服务业与工业深度融合，互为支撑。为此，要围绕产业链部署创新链，围绕创新链布局产业链，鼓励科技服务业与工业建立共享技术平台，使科技研发与工业的需求无缝衔接。三是完善科技服务业发展政策，实现政策推动。科技服务业的发展不仅要遵循客观规律，还受政府政策的影响，从上面的分析中可以看出，政府支持对科技服务业综合技术效率的提升有较大促进作用。为此，在政府财力有限、过紧日子的情况下，要集中可用财力发展科技服务业，整合散落在各部门的财政资金，加大投入力度，提升科技服务业的规模。