江苏服务业全要素生产率变动特征研究

宋晨晨，王兴安，张莹莹

（南京财经大学 产业发展研究院，南京210046）

江苏服务业全要素生产率变动特征研究

宋晨晨，王兴安，张莹莹

（南京财经大学 产业发展研究院，南京210046）

基于非参数DEA-Malmquist方法，对江苏省和我国部分省市服务业全要素生产率进行测度，为了进一步研究江苏省内部服务业发展的趋势，分析比较了2008—2012年间的江苏省内各市服务业全要素生产率的变化。研究发现：（1）2003—2012期间，样本地区整体服务业全要素生产率呈现出下降趋势，而江苏省服务业全要素生产率平均增长率为3.4%，其服务业全要素生产率进步来源于技术进步的提高；（2）2008—2012期间，江苏省各市的全要素生产率增长率为负，主要是由于技术进步变动抑制了全要素生产率提高，技术效率变动则为正，分解技术效率发现纯技术效率、规模效率都促进了技术效率的提高。基于以上分析，提出促进服务业发展的相关对策建议。

服务业；全要素生产率；DEA-Malmquist

江苏省地处长江三角洲，作为长江经济带的一个省份，是重要的经济强省。但是经济发展主要依靠资源的巨大投入来推动，存在巨大的隐忧。产业主要集中在全球价值链（GVC）的中低端，产业盈利能力弱，竞争力不强[1]。随着劳动力、土地资源、资本等生产要素成本的提高，传统的依靠资源大量投入的经济增长驱动力已不再持续，必定要转向依靠创新驱动发展。创新驱动发展本质是全要素生产率（TFP）的提高。全要素生产率是衡量经济发展状况的一个重要指标，在新古典经济增长理论框架中，将全要素生产率的提高看作经济增长的重要源泉[2]。

从发达国家发展现状来看，服务业已演变为发达国家的主导产业，成为促使发达国家经济发展的新经济增长极，在发达国家经济发展中起着不可或缺的作用，由此可见，以服务业为主体的第三产业最终将会成为国民经济发展的支柱产业[3]。江苏省服务业发展迅速，已构成我国服务业竞争力发展的第一梯队[4]。迅速发展的服务业不仅推动了江苏经济发展，増强其区域乃至国际的综合竞争力，还影响产业空间的分配、布局以及结构，对江苏的发展有重要的影响。作为推动经济发展“引擎”的服务业，在地区生产总值中占比不断增加，推动着江苏产业结构由“二三一”向“三二一”结构类型演变。

在发展服务业的进程中，应关注服务业TFP的变化。服务业的长期增长来自于两方面：一是要素投入数量的增加；二是要素使用效率的提高。差别关键在于TFP对经济增长的贡献程度[5]，服务业TFP的提高将起到加速产业结构优化升级、经济转型的作用。那么江苏省服务业TFP的评价结果如何？有什么样的变动特征呢？对此展开研究，既具有理论价值，又具有现实意义。

本文将通过Fare等人[6]提出的非参数DEA-Ma lmquist生产率指数法，对江苏省及我国部分省市的服务业TFP进行测算。分析江苏2003—2012年服务业增长的主要动力来源，剖析江苏服务业TFP和其他省市TFP的变化特征，试图为江苏服务业发展方式提供理论依据。

一、文献综述

伴随着经济的快速发展，服务业获得了空前的发展，因此有关服务业的研究也越来越广泛。综观学术界关于服务业TFP的实证研究文献，近几年，许多学者通过选择不同层面的数据，结合不同的理论模型，对国内服务业TFP进行了测算。对于服务业TFP的研究方法，主要有三种：索洛余值法、随机前沿法、数据包络分析法（DEA）。索洛余值法需估算总量生产函数，TFP的增长用产出增长率与要素投入增长率的差值来代替[7]，但是此种方法无法对技术进步和技术效率进行区分。随机前沿法需事先设定前沿生产函数，然后估算参数[8]，其优点是将误差项分为统计误差、技术无效率项。但是由于须事先设定生产函数、约束条件，可能在测算TFP的时候会产生较大偏差。数据包络分析法无需事先设定生产函数，无需估算参数，且允许存在技术无效率，但是此法未考虑随机误差项的存在，因此对结果的准确性会造成一定的影响。

其研究维度涵盖服务业整体、生产性服务业以及服务业细分行业的TFP的测算及地区、行业的差异性分析。比如：纪明辉通过研究中国服务业发展水平及TFP的地区差异状况，分析了TFP对服务业增长、地区差异的影响与贡献以及影响服务业TFP的因素[9]。陈艳莹、王二龙通过构建中介效应模型分析了要素市场扭曲对我国生产性服务业TFP的双重抑制作用[10]。林春、生延超、钟志平均基于非参数DEA-Malmquist方法分别测算了我国金融业、饭店业的TFP[11-12]。

虽然已有的研究涵盖了国家、省域以及城市层面，但大部分研究集中在国家和跨省域层面上，比如：吴传清、董旭[13]，乔虹[14]，孟文波[15]均采用非参数Malmquist指数法分别对长江经济带、丝绸之路经济带、我国东部地区10省份的服务业TFP进行测算，分析其服务业TFP的变动特点及其影响因素[13-15]。 陈文新等人[16]通过对西北五省服务业TFP进行测算，比较分析服务业TFP的不同地区的空间差异性。这些研究对进一步认识我国服务业生产效率的特点及现状作出了贡献，也为日后进一步研究打下了基础。从以上分析可知，服务业TFP的研究中单独对于某个省份服务业TFP状况进行研究的相对较少，我国幅员辽阔，地区之间发展差异较大，因此对于特定省份、城市的服务业TFP进行分析，对特定省份、城市的服务业可持续发展具有实际指导意义。

二、变量、数据选取和模型设定

（一）模型方法

全要素生产率（TFP）通常用来衡量经济发展的质量及技术进步的指标。DEA-Malmquist方法是通过估计多投入、多产出的要素转化效率，判断技术过程的有效程度。该指数可以使生产率变化的原因分解成为技术变化以及技术效率变化，并进一步将技术效率变化分解成纯技术效率变化以及规模效率变化，从而可以发现影响全要素生产率（TFP）的原因。

本文选择非参数DEA（数据包络分析）方法，结合Malamquist指数来测度江苏省的其他部分省市服务业TFP。DEA利用线性规划技术估算产出距离函数，无需假设生产函数的具体形式，只需要研究对象决策单元（DMU）投入产出信息，由于不需要估计参数，避免了函数设定的不同带来的计量结果偏差，适用于多个地区跨时期的样本分析，这一方法用于同一行业的分析有着独特的优势。

DEA-Malmquist指数法是以投入产出比为依据对要评定的决策单元进行绩效排序。其计算公式如下：

（1）式中，Di表示产出距离函数，下标表示不同的时期，上标表示不同地区决策单元。又可表示为：

（2）式中，TFPch代表t期到t+1期的TFP变动，EFFch为技术效率指数，代表t期到t+1期的技术效率的变化。TECHch为技术进步指数，代表t期到t+1期的技术进步指数。若上式中各变量的指标数值大于1，则代表TFP、技术效率、技术进步效率已经改进；若小于1，则代表恶化。

DEA-Malmquist指数法又可分为产出导向型和投入导向型，是指假设在投入（产出）水平确定的条件下，如何使产出（投入）最大（小）化。本文选择基于投入导向的DEA-Malmquist指数法进行测算。

DEA-Malmquist指数法可以用于测算投入产出的效率，有着无需投入产出指标相关价格信息的优点，并可以进一步分解TFP的变化为技术进步的变化（TECHCH）以及技术效率的变化（EFFCH）。在规模报酬可变的生产前沿下，还可将技术效率再分解为纯技术效率（PECH）和规模效率（SECH）。对于TFP进行实证分析的主要目的就在于研究技术进步、技术效率对TFP的影响情况。如若服务业TFP存在非效率的情形，那么其中有多少是来自技术进步？又有多少是来自于技术效率？以及纯技术效率、规模效率对TFP的影响又有多少？研究这些问题将更有针对性地指导实践活动。

本文利用Deap2.1软件进行分析，这里的分析利用投入导向（input-oriented）的方式核算所得到的结果。

（二）样本、变量和数据来源

本文选取江苏、浙江、上海、广东、山东、安徽、湖北、江西七省一市作为研究对象，即DEA模型中的决策单元 （DMU）。选取的时间为2003—2012年。选取这些变量的原因主要基于以下考虑：长三角地区和长江经济带的主要省份是经济发展的重要推动力量，但其中部分省份数据缺失严重，未选入。

本文采用的DEA-Malmquist方法是核算相对效率的方法。这里选择第三产业固定资产投资额作为资本投入的替代指标。劳动力变量以第三产业从业人数来替代。最后是产出变量，产出变量用第三产业增加值表示。因为核算的是全要素生产率（TFP）相对意义上的结果，各个省份和城市的数据选取均为当年数据，价格因素影响不大，故本文直接采用各地区当年的数据。

经济增长主要投入的生产要素为劳动力、资本。本文涉及的变量有：第三产业劳动力投入量、资本投入以及第三产业增加值。首先是资本变量的选择。目前对于资本投入变量的表示主要有两种方法：一是永续盘存法（perpetual inventory method）[17]，二是直接用固定资产投资额来衡量。本文选择较为常用的永续盘存法计算资本存量，用上一期的资本存量加上当年的投资额之后再减去折旧来表示本期的资本存量，基本公式为：

（3）式中，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年的固定资产投资额，δ代表资本折旧率。

对于初始资本存量，通常是确定一个基年，利用资本产出比倒推得到[18]。本文选择此种方法计算初始资本存量。即用公式可以表示如下：

（4）式中，K2003代表以2003年为基年的服务业资本存量，I2003代表2003年服务业固定资产投资额。r表示2003年至2012年的服务业投资增长率，可以通过各地区固定资产投资额算出。因为各省市决策单元的资本实际投入情况并不相同，经济发达的地区与经济不太发达的地区相比会更多更快地投入资本，使得投资增长率不相同。

对于折旧的计算通常是估计或假定一个折旧率，然后对资本存量进行扣减，本文将参照张军[19]的标准将折旧率定为9.6%。

三、全要素生产率测算和结果分析

（一）TFP变动特征

1．总体变化特征

在2003—2012年期间，全部决策单元的服务业TFP的总体变化特征见表1。其中，TFPCH历年变化趋势见图1。

表1 2003—2012年期间TFP及其分解变化率

图1 TFPCH在2003—2012年的变动

从表1和图1可以看出研究的决策单元的全要素生产率 （TFP）的变动的来源。总体来看，在2003—2012年期间全要素生产率（TFPCH）动态变化平均值为0.974，这表明2003年较2012年所研究的决策单元服务业的TFP平均增长率为-0.6%。

由TFP变化来源分解结果可知，TFP恶化主要源于技术变化（TECHCH）和效率变化（EFFCH）。

技术变化（TECHCH）在2003—2012年期间的平均值为0.979，平均增长率为-2.1%。效率变化（EFFCH）平均值则下降了0.5%，其中主要是规模效率 （SECH）拉低了效率变化 （EFFCH），规模效率（SECH）动态平均值下降0.5%，纯技术效率变化（PECH）动态平均值没有变化。结果表明，整体来看服务业TFP增长率呈现出下降趋势。

2．2003—2012年的平均变化

2003—2012年历年TFP变化及其分解变化，具体见图2。

图2 2003—2012年平均变化的Malmquist生产率指数

从图2可以比较直观地看出，在2003—2012年期间，TFP变化（TFPCH）和技术变化（TECHCH）呈现出较强的相关性联动特征。效率变化（EFFCH）和规模效率变化（SECH）变动基本重合。

总体来看，2003—2012年期间，Malmquist生产率指数呈现三个波峰和两个波谷的形状特征。在2003—2004年期间出现了第一个波峰，在2008—2009年期间出现了第二个波峰，在2011—2012年期间出现了第三个波峰。两个波谷出现在2007—2008年和2009—2010年期间。具体情况为：（1）2003—2006年期间，Malmquist生产率指数连续三年下降，2003—2005年期间， 技术变化（TECHCH）都大于1，全要素生产率（TFPCH）改善的主要原因是技术变化（TECHCH），效率变化起到了拖累作用，说明服务业增长处在粗放的技术利用阶段，没有最大化利用现有的技术资源。2003—2005年，TFP处在进步状态，这可能是由于外商投资进入我国后，技术扩散促进了服务业的增长。（2）2005—2006年技术进步下降到0.69，而效率变化上升到1.097，技术变化拖累了TFP的变动。2006—2007年期间，Malmquist生产率指数有一次反弹，主要来源于效率变化，效率变化的纯技术效率和规模效率都促进了技术效率的提高。随后在2007—2008年，TFP降幅较大，下降了53.6%。这个下降来源主要是技术进步（TECHCH）的下降，技术效率对TFP的下降起到了缓和作用。在2005—2008年期间，技术变化一直处在下降趋势，这可能的原因是我国服务业开放程度低，缺乏竞争，制度因素抑制了技术进步。在这期间，技术效率平均增长率为正，说明技术能较充分地利用，并且在技术知识具有正外部性前提下，技术知识得到较好的扩散，促进了落后地区技术的进步。（3）2008—2009年，Malmquist生产率指数为1.609，上升幅度为60.9%，主要来源是技术变化，效率变化起到了拖累作用。这可能是随着服务业进一步发展，生产性服务业规模的扩张促进了技术进步。（4）2009—2010年、2010—2011年Malmquist生产率指数呈下降趋势，下降幅度分别为22.2%、15.3%。2011—2012年，Malmquist生产率指数又回到上升趋势，上升51.5%。技术进步贡献了37.4%，效率变化贡献了10.3%，效率变化中规模效率贡献了11.7%，由于纯技术效率变化的拖累，拉低了效率变化的贡献程度。

3．各省市决策单元（DMU）的TFP变化特征

表3 各决策单元Malmquist生产率指数平均值

从表3可知，七省一市决策单元（DMU）中，江苏的Malmquist生产率指数动态变化平均值为1.034，说明在2003—2012年期间，江苏同选取的其他省市决策单元相比较是有效率的。在2003—2012年期间，江苏省服务业TFP改善全部来源于技术进步的作用，技术进步为5.2%，技术效率下降了1.6%，技术效率下降主要来源是规模效率（SECH）下降了1.6%，纯技术效率（PECH）没有变化。总体而言，江苏省同选取的决策单元相比服务业TFP是改善的，技术进步主要是得益于江苏较为优越的地理位置、优良的基础设施和优惠的政策支持，这些能够更好地吸引外资和学习应用新技术。上海、广东和浙江TFP分别改善了3.4%、2.3%和1%。安徽、湖北、江西和山东服务业TFP分别恶化了4.5%、5.7%、10.1%和9.1%。

（二）江苏省内各市Malmquist生产率指数变动

为了进一步研究江苏省近年来的生产率变动趋势，选取时间为2008—2012年，选取江苏省12个市作为决策单元（DMU），因为淮安市数据缺失严重，故未选入。数据来源于江苏统计年鉴和各地区历年统计公报。

1．TFP总体变化特征

2008—2012年期间，江苏省各市服务业Malmquist生产率指数总体变化的测算结果见表4。

表4 江苏省各地区生产率总体变化特征

由表3可以得出，总体上2003—2012年江苏省服务业TFP是改善的，其改善来源于技术进步，而在表4中可以发现，在2008—2012年期间，12个决策单元，服务业生产率平均增长率为负，技术进步（TECHCH）平均增长率为-5.9%，技术效率平均增长率为1.5%，以上数据说明，虽然在2003—2012年总体上而言，技术进步促使了江苏服务业TFP的改善，但是近几年江苏服务业发展的趋势则相对依赖于技术的推广应用而非技术的创新。对技术效率进一步分解，纯技术效率（PECH）平均增长率为0.8%，规模效率（SECH）平均增长率为0.7%。说明各决策单元间技术、管理手段等资源可以较好地流动和交流，且总体规模是经济的。

但是，目前全要素生产率对江苏省服务业发展的贡献率依然较低，说明近几年江苏服务产业的发展相比于依赖技术的推广更依赖于要素投入的增加。

2．服务业TFP变动地区差异

进一步分析江苏省内各地区的服务业TFP变动特征，各市的服务业的Malquist指数变动见表5。

从表5可知，江苏省服务业分地区的Malmquist生产率指数及其分解、各地区服务业TFP、技术效率以及技术进步等指数变动特征。总体上看，江苏省各地区服务业TFP的增长主要源于技术效率，而技术进步的下降则拖累了生产率的提升。

对于江苏省内各市的决策单元，技术有效率的地区达到66.7%，其中苏南80%，苏中66.7%，苏北50%，意味着江苏各市服务业TFP变动大部分是技术效率推动的，技术进步变动全部为负值，说明技术进步变动抑制了TFP的提升。苏南地区规模有效率的地区达到60%，苏中33.3%，苏北60%。苏北地区盐城和宿迁TFP平均增长率为3.3%和1.3%，技术效率的提高抵消了技术进步的下降进而促进了TFP的提升，盐城和宿迁TFP增长率为正，可能是由于这两个地区的服务业处在发展初期，要素投入驱动增长模式还可以有效促进服务业发展。

表5 江苏分地区服务业的Malmquist生产率指数及其分解(2008—2012)

从本文选取的样本发现，整体而言，江苏省服务业发展是有效率的，2003—2012年TFP年均增长3.4%，TFP的提高得益于技术进步，而技术效率则拖累了服务业发展。由技术效率进一步分解为纯技术效率变动、规模经济变动的结果可知，规模不经济抑制了技术效率变动。根据江苏省内各市的服务业TFP变动可知，江苏省内各市服务业的TFP变动整体呈现出下降趋势，主要原因在于技术进步变动的下降，而纯技术效率和规模效率的提高促使技术效率变动呈现出上升趋势。

四、总结

本文运用非参数的Malmquist生产率指数方法，测算了2003—2012年江苏省和其他地区（七省一市）TFP的变化，为了进一步研究江苏省内部服务业发展趋势，分析比较了2008—2012年间的江苏省内各市服务业TFP的变化，并通过分析所选取的样本全要素生产率（TFP）指数、技术进步指数、技术效率指数变化，得出以下结论：

（1）通过江苏省和其他省市比较，2003—2012期间江苏省TFP平均增长率为3.4%，总体上服务业TFP和其他决策单元相比是进步的。进一步研究江苏省内部TFP变动趋势，测算江苏省各市地区TFP，发现2008—2012年省内各市由于技术进步变动抑制了TFP提高，使得TFP增长率为负。可能的原因有：资本驱动增长模式不可持续，资本规模不断扩大导致资本的边际产出不断下降；服务业行政管制抑制了竞争，影响了生产率的提高；全球金融危机恶化了整体经济环境进而影响到服务业发展。

（2）进一步对2008—2012年省内各市TFP分解发现，技术变化增长率为负，而技术效率变动为正，意味着技术效率为服务业TFP提高做出了贡献，表明江苏省有较好利用现有资源的潜力。但是TFP的提高对服务产业的增长贡献度依然较低，说明江苏省的服务业发展主要是依靠要素投入驱动型增长模式，服务业发展主要集中在传统服务业，而代表高新技术产业的生产性服务业发展不足，加快发展现代服务业已是必然选择。

基于以上分析，为了促进江苏省服务业发展，培育江苏服务业竞争力，要在不断吸收高新技术、鼓励技术创新的基础上，着重提高服务业的技术效率。对此，本文提出以下政策建议：

（1）要继续深化服务体制改革创新，加大创新支撑力度，鼓励服务业内生技术创新活动，鼓励竞争，加大研发投入，将技术进步的提高与技术效率的改善放在同样重要的位置，以实现产业结构的优化升级。同时要完善服务业的制度环境，加强服务业发展的相关配套基础设施的建设。

（2）鼓励重组和兼并，以生产性服务业为重点，加快发展现代服务业，扩大服务业企业的生产规模，另外可以培育一批服务型示范企业，打造服务业企业集聚区，重点培育知识密集型服务企业，利用各地服务业园区的集聚优势，以求实现规模有效性。

（3）要加大人力资本投资，培养高素质专业人才，提高人力资本对服务业发展的贡献度水平，广泛开展各种形式的岗位技能职业培训，不断提高从业人员的整体素质，提高管理水平，以便更好地吸收科技创新成果，提高技术利用效率。

（4）鼓励对外开放，积极参与国际竞争，促使服务业快速融入世界市场分工体系，提高服务业发展水平。同时加强区域联动，利用长江经济带、一带一路等契机，与服务业高度发达的地区接轨，资源、技术共享，吸收其发展经验、管理方式，促进服务业生产效率的提升。

[1]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.

[2]刘兴凯，张诚.中国服务业TFP增长及其收敛分析[J].数量经济技术经济研究，2010（3）：55-67.

[3]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）：58-60.

[4]夏杰长.我国服务业发展的实证分析与财税政策选择[J].经济与管理研究，2007（2）：51-56.

[5]郑云.中国服务业TFP的变动及其收敛性[J].学术交流，2010（3）：85-88.

[6]Fare R，Grosskopf S，Norris M，Zhang Z.Productivity growth，technical progress，and efficiency change in industrialized countries [J].American Economic Review，1994，84：66-83.

[7]牛龙.中国TFP的测算与分析[D].杭州：浙江工商大学，2013.

[8]胡朝霞.FDI对中国服务业TFP的影响：基于随机前沿面板数据模型的分析[J].厦门大学学报，2010（4）：115-122.

[9]纪明辉.中国服务业的TFP研究：地区差异、收敛性与影响因素[D].长春：吉林大学，2013.

[10]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TFP：基于中介效应模型的实证研究[J].南开经济研究，2013（5）：71-82.

[11]林春.中国金融业TFP影响因素及收敛性研究：基于省际面板数据分析[J].华中科技大学报，2016（6）：112-120.

[12]生延超，钟志平.规模扩张还是技术进步：中国饭店业TFP的测度与评价： 基于非参数的曼奎斯特（Malmquist）生产率指数研究[J].旅游学刊，2010（5）：25-32.

[13]吴传清，董旭.长江经济带服务业TFP的实证研究[J].学习与实践，2014（12）：27-36.

[14]乔虹.服务业TFP研究：基于丝绸之路经济带数据[J].财经理论与实践，2016（2）：123-128.

[15]孟文波.基于我国东部地区的服务业TFP研究 [J].科技和产业，2011（12）：12-15.

[16]陈文新，韩春燕，潘明明，等.西北五省生产性服务业TFP测度及空间差异性研究[J].商业时代，2014（35）：140-142.

[17]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.

[18]姚战琪.中国服务业TFP增长的实证分析 [J].黑龙江社会科学，2014（3）：45-55.

[19]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.

（编辑：王志伟 张雪梅）

Changes and Characteristics of Service Industry’s TFP of Jiangsu Province

SONG Chen-chen,WANG Xing-an,ZHANG Ying-ying
（Industry Development Research Institute,Nanjing University of Finance&Economics,Nanjing,210046，China）

Using nonparametric DEA-Malmquist index method,this paper first measures the total-factor productivity of Jiangsu Province’s service industry.Then,it compares and analyzes the changes of 2008-2012 totalfactor productivity of the province’s tertiary industry to make certain the development direction of the industry. The paper has the following two findings：1.While 2003—2012 service industry’s TFP of the sample area presented a downside trend,the average growth rate of the industry’s TFP of Jiangsu Province as a whole was 3.4% because of technology advancement.2.During the period of 2008—2012,the 13 cities’ TFP of Jiangsu Province experienced negative growth mainly due to the hindrance of technology progress changes,whereas technology efficiency gained positive growth which was caused by pure technology efficiency and scale efficiency.Based on the discussion above,the present paper proposes suggestions for the development of the service industry.

service industry;total-factor productivity;DEA-Malmquist

F 127

A

1671-4806（2017）02-0007-06

2016-12-05

江苏高校哲学社会科学研究项目“创新价值链外溢视角下苏南苏北差异性创新模式及实施路径研究”（2016SJB79 0013）

宋晨晨（1994—），女，江苏南京人，硕士研究生，研究方向为技术进步与产业升级；王兴安（1991—），男，安徽马鞍山人，硕士研究生，研究方向为区域经济学；张莹莹（1993—），女，甘肃天水人，硕士研究生，研究方向为创新价值链与技术进步。