宋晓英 陈 可
(重庆市统计局,重庆 401121)
近年来,重庆服务业之所以快速发展,一个很重要的原因就是劳动效率的不断提升。但受劳动年龄人口减少、非经济活动人口增加等因素影响,从2017年开始,重庆就业人员数呈小幅减少趋势;同时,随着20世纪50年代第一次生育高峰的出生人口逐步进入老年期,2016-2019年重庆人口老龄化进程加速,人口老龄化率年均提高0.7个百分点,比“十二五”时期高0.58个百分点,这势必对重庆市劳动效率的提高以及服务业的发展产生一定影响。本文将对重庆分行业、分区县劳动效率水平进行量化分析,对劳动效率如何影响服务业发展水平进行研究,继而对提高劳动效率、促进服务业高质量发展提出政策建议。
本文研究的服务业统计范围为全部第三产业,文中劳动效率指总产出与就业人数的比值,其中,在分区域的研究中,劳动效率=区域服务业增加值/区域服务业劳动力人数;在服务业分行业的研究中,劳动效率=某行业营业收入/某行业劳动力人数。研究过程中所使用的部分主要变量及说明如下:
固定资产:各区域或各行业固定资产投资存量。
劳动力人数:在分区域分析中,劳动力人数是指服务业就业人数;在分行业分析中,劳动力人数是指规上服务业从业人员平均人数。
人力资本水平:常住人口与平均受教育年限的乘积。
信息化水平:综合电脑台数V1和技术人员数V2两个维度的数据,进行指标构建。
城镇常住居民人均可支配收入:指城镇地区常住人口用于最终消费支出和储蓄的总和,即居民可用于自由支配的收入。既包括现金收入,也包括实物收入。按照收入的来源,可支配收入包含工资性收入、经营净收入、财产净收入和转移净收入等四项。
其中,人力资本水平、信息化水平、平均受教育年限等变量的定义与构建如表1、表2所示。
基于表1中对信息化水平的定义,将电脑台数和技术人员人数等数据进行标准化,并通过公式Info=综合这两个指标,得到各个区县的信息化水平评分,进而分析信息化水平对各区县增加值的影响。
表1 核心变量的定义
由表2中可以看出,电脑台数和技术人员的组间差异远远大于组内差异,表示各区县间的信息化水平发展差异显著,大多数区县的信息化水平发展仍处于较低水平,使信息化水平分数的平均值被拉低到约1.17分的较低水平(此处定义信息化水平最高分值为10分)。因此在信息化技术的发展中,平衡各区县的需要非常重要,同时有必要在研究中分区县讨论信息化水平的影响。
表2 信息化水平指标的构建
重庆各区县由于地理、历史等原因,存在经济发展不均衡现象,服务业发展水平和劳动效率不仅存在空间差异,也存在行业间的差异。因此,本文使用2010—2019年相关数据①本文涉及的行业分类均是统计标准(GB/T 4754-2017)包含的最新行业分类;在重庆分区县、分区域分析中,按照38个区县(万盛经开区相关数据加总到綦江区)、4大区域(中心城区、主城新区、渝东北三峡库区城镇群和渝东南武陵山区城镇群)进行分析。实证分析的数据主要来源于2010—2019年《中国统计年鉴》《重庆统计年鉴》等。,对不同区县、不同行业劳动效率进行分析。
2010—2019年间,重庆劳动效率总体呈现上升趋势,从2010年的5.08万元/人提高到2019年的15.32万元/人,总体增长201.6%,年均增长13.0%。2010—2014年服务业劳动效率保持稳定增长,但是劳动效率增速却经历了一个先降后升的“V型”过程,于2014年达到顶点值22.0%;2015年之后,重庆服务业劳动效率增速快速下降,2015—2018年间增长率基本保持在7.5%左右,2019年又呈现一个上升的态势,增速达到15.3%。这个趋势与服务业增加值的增长趋势基本吻合,说明重庆服务业进入稳定发展时期。
图1 2010—2019年重庆服务业劳动效率变化趋势
2010—2019年,重庆服务业劳动效率呈现稳步提升趋势,各区域劳动效率也呈现波动上升趋势。其中,中心城区服务业劳动效率始终远高于重庆平均水平以及另外三区域水平,2019年中心城区服务业劳动效率达到21.47万元/人,较2010年提高8.88万元/人,年均增长6.1%;主城新区服务业劳动效率快速提升,与重庆全市平均水平差距逐渐缩小,2019年,主城新区劳动效率达到12.12万元/人,较2010年提高7.66万元/人,年均增长11.8%;渝东北三峡库区城镇群和渝东南武陵山区城镇群服务业劳动效率发展趋势较为相似,2019年,两区域劳动效率分别为11.54万元/人、10.39万元/人,较2010年提高8.29万元/人、7.34万元/人,年均增速15.1%、14.6%。
图2 2010—2019年重庆全市及分区域服务业劳动效率变化趋势
2012—2019年,规模以上服务业各行业劳动效率上升趋势不一。2019年信息传输软件和信息技术服务业、水利环境和公共设施管理业、科学研究和技术服务业劳动效率最高,分别达到108.28万元/人、91.58万元/人、63.67万元/人,是平均水平的2.3、1.9、1.3倍;交通运输仓储和邮政业、租赁和商务服务业、文化体育和娱乐业2019年劳动效率分别为50.83万元/人、48.61万元/人、43.31万元/人,与平均水平基本持平;其他四个行业劳动效率均低于平均水平,尤其是居民服务修理和其他服务业,2019年劳动效率仅为16.04万元/人,但年均增速19.2%,行业间增速最高。
本文此处使用主成分分析法(Principal Component Analysis,PCA),通过正交变化将一系列与重庆服务业可能相关的经济指标转化为数量更少的互不线性相关的变量,并进一步生成对应的服务业发展水平评估值。本文使用PCA,综合服务业发展的各个方面的指标,更全面地分析劳动效率如何影响重庆服务业经济发展水平。
关于服务业经济发展水平的衡量,鉴于服务业各行业数据的可获取性与连续可比性,本文主要使用了2010—2018年重庆区县级的服务业增加值、社会消费品零售总额、城镇常住居民人均可支配收入和进出口总值等方面的数据①数据来源于2010—2018年的《重庆统计年鉴》。对于个别数据缺失,在缺失比率低于2%的情况下,采用线性插值法进行插补。此外,2010—2016年的进出口总值数据的单位为美元,而2017年和2018年的进出口总额数据使用人民币为结算单位。为了统一数据单位,本文分别使用2017年和2018年年底的美元对人民币汇率进行调整,将相关数据的单位统一为美元。来构造经济发展水平评估值。
用 x1,x2,x3,x4分别代表服务业增加值、社会消费品零售总额、城镇常住居民人均可支配收入、进出口总值这四个维度的数据取对数后的值。用i表示在i时刻对某区县取得的观测值。i时刻的 x1,x2,x3,x4的观测值分别记作[ai1,ai2,ai3,ai4],构成矩阵A=(aij)4×N,其中N为观测值i的个数。
在此基础上将各指标值aij转化为标准化后的指标。通过计算其对应的标准化后的特征向量uj=[u1j,u2j,u3j,u4j]T,将原有的四个变量线性变换组成新的指标向量。同时基于特征值 λ1,λ2,λ3和 λ4(λ1≥λ2≥λ3≥λ4≥0),选取合适的主成分构建新的指标以衡量重庆的综合服务业发展水平。以上步骤对应的公式具体如下:
其中式(2)中的 z1、z2、z3、z4为通过线性变换构建的第1、2、3、4 个主成分。而(2)中与第 i个主成分对应的特征向量ui,可以通过式(3)进行计算:
其中uji为第i个主成分中第j个变量的载荷。基于上述特征变量,我们可以求得对应的特征值λ,并基于所得特征值计算各个主成分对应的信息贡献率。
通过计算各个主成分的信息贡献率与累计贡献率(见表3)以及特征值λi的信息贡献率(见图3)可知,使用2个主成分的累计贡献率为86.76%,超过85%,能够有效概括四个维度数据信息,且如图3所示,使用2个主成分,特征值约等于1,因此使用2个主成分即可。
表3 不同个数主成分的信息贡献率与累积贡献率
图3 使用PCA后的碎石图
基于以上对主成分贡献率的讨论,使用两个主成分的贡献率构建各区域的服务业经济发展水平评估值,并以标准化方式把服务业发展水平评估值界定在0—100分之间,从而得出2010—2018年各区域服务业经济发展水平评估值,结果如图4、图5、图6和图7。
图4 主城新区服务业经济发展水平评估值
图5 中心城区服务业经济发展水平评估值
图6 渝东南武陵山区城镇群服务业经济发展水平评估值
图7 渝东北三峡库区城镇群服务业经济发展水平评估值
由图4、图 5、图 6和图7可知,2010—2018年,重庆各区县服务业经济发展水平总体呈上升趋势。分区域看,中心城区服务业经济发展水平远高于其他各区域,其中2017年以前渝中区的服务业经济发展水平在重庆各区中最高,2018年后,渝北区超过了渝中区,同时江北区也逐渐接近渝中区的领先地位;主城新区各区县服务业经济发展水平较为一致,区县间差异较小,仅次于中心城区;渝东北三峡库区城镇群和渝东南武陵山区城镇群各区县服务业经济发展水平在重庆处于较低水平,其中渝东北三峡库区城镇群还呈现内部差异大的特点,万州区较其他区县“一区独大”。
在构建服务业发展水平评估值的基础上,使用重庆各区域2013—2018年的数据(因数据的可获取性,本部分仅对2013—2018年相关数据进行分析),探讨劳动效率对服务业发展水平的影响。为控制除劳动效率以外的因素对服务业发展水平的影响,还使用了固定资产投资量的对数、服务业劳动力人数的对数、各区平均受教育年限的对数、信息化水平的对数等控制变量。需要注意的是,因为此处使用的并非是截面数据,所以考虑到时间的影响以及个体的固定效应,不能直接对截面数据使用OLS估计,否则会造成估计结果有偏。表5为劳动效率对服务业发展水平的影响回归结果。其中(1)为OLS的估计结果,(2)为使用固定效应面板模型的结果,(3)是使用LSDV并选取合适的固定效应虚拟变量的回归结果,(4)是在(3)的基础上引入区县经济区划与劳动效率的交互项的回归结果。
表4 劳动效率对服务业经济发展水平的影响
(续表)
由(1)(2)可知,相比于(2)中的固定效应面板模型,(1)中的截面OLS倾向于低估服务业劳动力人数和服务业劳动效率的影响。对比(2)和(1)的结果,可以发现(2)中劳动效率的系数相较于(1)中偏高,这一结果可能是因为没有考虑各区县处于不同的区域这一类固定效应造成的。实际上,回归(3)的结果表明,在除去固定资产投入、服务业劳动力人数、平均受教育水平、信息化水平和劳动效率这五个因素后,渝东北三峡库区城镇群相较于中心城区而言,服务业经济发展基础较为薄弱。
进一步比较(3)和(4)的结果,即在(3)的地区固定效应基础上引入交互项,探讨劳动效率对市内不同经济区域区县的服务业经济发展水平的差异化影响①该模型的设定中,重庆的中心城区各区县为对照组。,可知,中心城区外的各区县的经济基础较为薄弱,因为区域固定效应的三个虚拟变量的系数均为负值,且系数的绝对值较大。这表明在中心城区外的各区县在本模型提到的五个经济要素之外仍与中心城区具有基础性的差距。此外,由区域×劳动效率的交互项的各项系数可知,劳动效率每增加1万元/人,若该区县属于渝东北三峡库区城镇群和主城新区,其服务业分数的提升值将会比主城中心城区各区分别多0.878分和0.993分。这表明,在渝东北三峡库区城镇群、主城新区和中心城区的各区县保持相同的劳动效率增长量时,前两者的服务业发展水平与主城中心城区的差距便会缩小。因此为了更好地平衡区域间的发展,缩小重庆其他各区县与主城中心城区各区之间的差距,应该至少保持渝东北三峡库区城镇群和主城新区的劳动效率增长量与中心城区等量。
此外,可以发现一单位的劳动效率增长对渝东南武陵山区城镇群各区县和中心城区促进效果是相同的。回归系数显示,相较于对照组中心城区,渝东南地区的系数并不在统计学上显著异于0,因此渝东南与中心城区的劳动效率增长并无统计学上的显著差异。这表明,在渝东南武陵山区城镇群各区县和主城中心城区保持相同的劳动效率增长时,由于渝东南武陵山区城镇群经济基础比较薄弱,即有负的固定效应,与中心城区的差距并不会缩小。因此为了缩小渝东南武陵山区城镇群和重庆其他地区服务业发展水平的差距,需要进行额外投入。
总而言之,在控制固定资产投入(K)、服务业劳动力人数(L)、平均受教育水平(E)、信息化水平(Info)和劳动效率这五个因素影响一定的情况下,渝东北三峡库区城镇群的服务业经济发展基础相较于中心城区而言更薄弱。把中心城区各区县作为对照组,进一步分析,在控制其他变量一定的情况下,每单位的劳动效率增长会使渝东北三峡库区城镇群、主城新区较之中心城区的服务业经济发展水平增长更多。因而渝东北三峡库区城镇群、主城新区与中心城区保持至少等量的劳动效率增长可以缩小其与主城中心城区各区之间的差距。为了缩小渝东南武陵山区城镇群和中心城区的服务业经济发展水平差距,则需进行额外投入,使渝东南武陵山区城镇群的劳动效率增量高于中心城区,或在本模型提到的五个经济要素之外为渝东南武陵山区城镇群找到其他经济增长点。
在区域比较优势基础上,加大服务业改革开放和制度创新的力度,实施差别化政策,积极引导服务集聚、集群发展,激发制度红利,使服务业生产要素向优势产业、优势区域集中,着力提升中心城区金融、科学技术、信息软件等高附加值服务业产业劳动效率;引导产业分流,促进效率提升,大力发展主城新区及渝东北三峡库区交通、商务服务等生产性服务业,在渝东南武陵山区,则以健康性、生活性服务业为抓手,大力发展旅游业、康养业等,实现“一区两群”的协同发展,以提升重庆服务业劳动效率整体化水平。
增加全市服务业信息产业和数字中心固定资产投资,夯实数字化基础,在服务行业实施智能化和信息化提升改造激励政策,优先推动在交通业、金融业、软件业和科学技术业等信息化行动,鼓励其他行业服务业企业进行数字化改造。同时,吸收和利用国际先进数字技术,培育具有市场竞争力的优势产业,促进重庆服务业劳动效率的增长。
针对当前服务业领域人才供需矛盾突出的情况,结合重庆重点产业发展,营造良好人才发展环境,引育并用,有针对性地面向国内外引进服务业领域高层次人才和创新团队,并支持在渝各类高校增设相关专业,深入推动“巴渝工匠计划”,培养更多的智能、技能人才。同时,在就学就医、住房保障等实际问题上给予政策倾斜,留住人才,用好人才,最大限度地激发人才创新创造活力,解决服务效率提升的人才瓶颈。
强化制度建设,鼓励研发创新,提供金融等资源配置支持,为新技术的市场运用和新技术的引进、优化和提升劳动者效率提供良好环境,在全市重要行业,特别是信息、软件及设计等领域,切实强化知识产权保护力度,激发服务业企业创新潜能,促使企业以核心科技推动技术进步、效率提升。