王俊杰, 於流芳, 桂振祥

(1.武漢輕工大學 管理學院, 武漢 430048; 2.武漢鋼鐵集團有限公司, 武漢 430080)

科技服務業(yè)作為現代服務業(yè)的重要組成部分,推動著產業(yè)結構優(yōu)化升級。近年來,中國科技服務業(yè)取得良好發(fā)展,不斷涌現出新的服務模式和服務業(yè)態(tài),但總體上來講,科技服務業(yè)仍然處于發(fā)展初期,面臨著一系列的發(fā)展問題。湖北省地理位置得天獨厚,加快科技服務業(yè)發(fā)展是必然選擇。黨的十八大以來,湖北省認真貫徹落實黨的決策部署,為科技服務業(yè)明確發(fā)展方向發(fā)布多項政策文件,已取得不小進步,躋身中部第一,而各地級市間發(fā)展差距仍然存在。因此,應探求分析湖北省12個地級市科技服務業(yè)投入產出效率,并從時間和空間角度分析發(fā)展變化趨勢,以實現各地市協同發(fā)展,推進湖北省科技服務業(yè)更高質量發(fā)展。

1 文獻綜述

科技服務業(yè)是現代服務業(yè)的重要組成部分,是向社會提供智力服務的新興產業(yè),也是推動產業(yè)結構優(yōu)化升級的關鍵產業(yè)。加快科技服務業(yè)發(fā)展有利于轉變中國經濟發(fā)展方式,提升自主創(chuàng)新能力和建設創(chuàng)新型國家[1]?？萍挤諛I(yè)因此引起了眾多學者的研究,主要有以下3個方面:

1)關于科技服務業(yè)發(fā)展水平評價的研究。張鵬等[2]從科技服務業(yè)產業(yè)規(guī)模、科技創(chuàng)新、服務客體、發(fā)展?jié)摿?個維度構建指標評價體系,采用CRITIC賦權法(客觀權重賦權法)對30個省份2007—2016年科技服務業(yè)發(fā)展水平進行測度;刁伍鈞等[3]以陜西省和全國科技服務業(yè)數據為樣本,運用模糊綜合評價和功效系數法實證研究科技服務業(yè)評價體系;于淳馨等[4]結合城區(qū)科技服務業(yè)特性構建指標評級體系,利用因子分析和聚類分析法實證研究城區(qū)科技服務業(yè)發(fā)展水平;周慧妮等[5]篩選指標評價庫,利用灰色關聯度檢驗確定最終指標體系,并據此分析湖北省科技服務業(yè)發(fā)展水平。

2)科技服務業(yè)集聚效應研究以及集聚效應與科技服務業(yè)發(fā)展效率之間的聯系。王宏起等[6]運用HDI(赫芬達爾指數HHI的倒數)、區(qū)位熵、灰色關聯度研究我國省域科技服務業(yè)集聚結構特征、區(qū)位影響因素;廖曉東等[7]從空間基尼系數、行業(yè)集中度和區(qū)位熵3個指標測量我國科技服務業(yè)的集聚程度,實證分析集聚情況及特征,指出政府與市場的職能定位;張清正和李國平[8]考察了我國科技服務業(yè)集聚發(fā)展態(tài)勢,探究了經濟發(fā)展、科技實力等6個方面對集聚發(fā)展的影響;李曉龍等[9]運用空間杜賓模型實證檢驗科技服務業(yè)空間集聚對企業(yè)創(chuàng)新效率的空間溢出效應,研究表明前者對后者有明顯的提升作用;吳芹和蔣伏心[10]基于創(chuàng)新價值鏈視角,構建空間計量模型考察得出科技服務業(yè)集聚對相鄰地區(qū)的知識創(chuàng)新效率有正向溢出作用,對成果轉化效率產生“虹吸效應”而對技術研發(fā)效率無顯著影響。

3)科技服務業(yè)發(fā)展與其他效率關聯影響研究。李從欣和李國柱[11]利用固定效應模型實證研究,指出科技服務業(yè)發(fā)展對綠色經濟效率產生正向影響;周中林等[12]建立超效率數據包絡分析模型與視窗分析測算長江經濟帶科技服務業(yè)發(fā)展效率與生態(tài)保護效率,通過空間計量模型分析得出前者對后者有正向影響。

綜合可見,大多數研究側重科學服務業(yè)發(fā)展特征和水平評價、科技服務業(yè)發(fā)展與其他產業(yè)的關聯影響以及根據科技服務業(yè)發(fā)展省域之間的對比研究,得出有關科技服務業(yè)差異化發(fā)展的特征,發(fā)展科技服務業(yè)對促進產業(yè)轉型升級、助推中國經濟高質量發(fā)展有積極正向作用。但是有關科技服務業(yè)發(fā)展效率的研究較少,湖北省地處中部地區(qū),分析總結其科技服務業(yè)發(fā)展情況可以為其他地區(qū)提供合理參考。因此,以湖北省12地市作為研究主體,探索省內地市州的科技服務業(yè)發(fā)展水平和效率,期望找到適合地市州發(fā)展的科技服務業(yè)發(fā)展策略,進一步提高發(fā)展效率。

2 評估方法與理論模型

2.1 三階段DEA模型理論[13]

2.1.1 第1階段

利用投入產出的原始數據進行初始效率評價。數據包絡分析(data envelopment analysis,DEA)模型有兩種不同導向和BCC(Banker-Chames-CooPells)、CCR(Charnes-Cooper-Rhodes)兩個基本模型。CCR是假設決策單元處于固定規(guī)模報酬情形下用來衡量總效率的模型,BCC是假設決策單元處于變動規(guī)模報酬情形下衡量純技術和規(guī)模效率的模型。由于我國各省市對科技服務業(yè)的認識尚處于一個淺顯的階段,因此選擇投入導向的BCC(即規(guī)模報酬可變)模型來探究湖北省12個地級市科技服務業(yè)的效率變動情況。對于任一決策單元,模型表示為

(1)

式中:j=1,2,…,n為決策單元;n為輸入指標個數;X、Y分別為投入、產出向量;θ為決策單元中投入相對產出的有效利用程度;ε為引入的非阿基米德無窮小量;λ為線性組合系數;S+為剩余變量;S-為松弛變量。DEA模型本質上是一個線性規(guī)劃問題。θ=1,則決策單元達到有效狀態(tài);θ<1,則決策單元為非有效狀態(tài)。

計算得到綜合技術效率(TE)=規(guī)模效率(SE)×純技術效率(PTE)。

2.1.2 第2階段

第1階段無法區(qū)分環(huán)境因素、管理無效率和隨機誤差的影響,故將第1階段的松弛變量分解成以上3種效應,借助SFA(隨機前沿)模型對上述因素項進行回歸。

根據Fried[14]的想法,構造如下SFA回歸函數:

Sni=f(Zi;βn)+vni+μni,

i=1,2,…,I;n=1,2,…,N

(2)

根據SFA回歸目的對式(2)做如下調整:

f(Zi;βn)]+[max(vn)-vni],

i=1,2,…,I;n=1,2,…,N

(3)

2.1.3 第3階段

保持產出變量不變,運用第2階段調整后的投入目標變量,再次測算各決策單元效率,得出剔除環(huán)境因素和隨機因素影響后的效率值。

2.2 Malmquist指數模型

DEA模型只能靜態(tài)分析決策單元效率,不能測算效率值在加入時間因素后的變動趨勢,無法進行動態(tài)分析。Malmquist指數模型通過構建相鄰兩期投入距離函數和產出距離函數的比率,從而對不同時期的決策單元效率進行評價,定義式為

TFPCH(xt+1,yt+1,xt,yt)=

EPECH(xt+1,yt+1;xt,yt)TECH(xt+1,yt+1;xt,yt)=

SECH(xt+1,yt+1;xt,yt)PTECH(xt+1,yt+1;xt,yt)×

TECH(xt+1,yt+1;xt,yt)

(4)

式中:d0為距離函數;t、t+1為兩個相鄰年份。

Malmquist指數=綜合技術效率變化指數×技術進步指數=純技術效率指數×規(guī)模效率指數×技術進步指數。

3 指標體系和變量選取

選取湖北省12個地級市作為決策單元,借鑒先前學者指標評價體系,考慮數據可獲得性、可比性以及影響科技服務業(yè)行業(yè)特性和發(fā)展因素的多樣性來確定投入產出指標。通過參考周梅華等[15]以及于淳馨等[4]的科技服務業(yè)指標體系,并借鑒刁伍鈞等[3]的做法,確立DEA模型中需剔除的環(huán)境因素。具體如下:將科技服務業(yè)企業(yè)數量、科技服務業(yè)從業(yè)人員數量、產業(yè)職工平均工資作為投入指標;3種專利申請授權數及高新技術產業(yè)增加值作為產出指標;人均GDP、科技占比、每萬人口高等學校平均在校生數及公共圖書館圖書總藏量作為要剔除的環(huán)境因素。

3.1 投入產出指標相關性分析

進行測算前,對數據指標進行相關性檢驗,保證指標存在高度相關性以及指標選取的合理性。本文利用SPSS軟件進行Pearson相關系數檢驗,結果見表1。

表1 各市投入與產出Pearson相關性檢驗結果

根據Pearson相關的分類準則,當|r|≥0.8時, 各變量間具有很強的相關性;當0.6≤|r|<0.8時,存在較強的相關性(r為相關系數)。檢驗結果中,科技服務業(yè)投入與產出要素之間存在著較強的正相關性,顯著性水平為0.01時,這種相關水平是顯著的,因此投入產出指標的選取是合理的。

3.2 數據來源及說明

以2010—2019年為研究時間,投入產出指標數據來源于湖北省統計年鑒及各地級市統計年鑒,環(huán)境變量數據選取自《中國城市統計年鑒》。

4 科技服務業(yè)效率評估結果及分析

4.1 靜態(tài)分析

4.1.1 省級整體角度

2010—2019年湖北省調整前后技術效率及分解對比見表2。

表2 2010—2019年湖北省調整前后技術效率及分解對比

純技術效率是指保持規(guī)模不變,判斷各市科技服務業(yè)投入資源的利用情況以及技術的應用程度;規(guī)模效率則反映投入不變時,實際規(guī)模下與最優(yōu)規(guī)模下產出量的差距,規(guī)模效率值越大,表明該市越接近最優(yōu)生產規(guī)模[16]。

1)調整前第1階段,3類效率總體都呈現出上升的趨勢。2016年之前穩(wěn)步上升,2016年之后則先上升后下降;2015年湖北省根據國務院印發(fā)的《關于加快科技服務業(yè)發(fā)展的若干意見》[17]發(fā)布了《湖北省加快科技服務業(yè)發(fā)展實施方案》[18],一定程度上刺激了科技服務業(yè)規(guī)模投入,但實際產出并未相應提高反而有所下降,故而導致平均綜合技術效率下降,同時,平均技術效率變動主要源于平均規(guī)模效率而非平均純技術效率,規(guī)模效率對綜合效率的總體水平形成制約。所以為加快科技服務業(yè)發(fā)展而一味增加投入并不可取,也應當考慮改進技術、提升技術效率以適應規(guī)模變化。

2)剔除環(huán)境因素得到調整后變化情況,平均綜合效率值由0.901下降至0.895,純技術效率值上升至0.985,規(guī)模效率同樣由0.921下降至0.907,純技術效率的提高未能增加綜合效率,規(guī)模效率的降低才是阻礙綜合效率提升的關鍵因素。近10年湖北省注重提升科技服務業(yè)技術能力,加大資源投入并合理利用,但未能得到相應的產出,實際規(guī)模下與最優(yōu)規(guī)模下的產出差距較大。

4.1.2 市級個體角度

2010—2019年12市調整前后效率對比見表3。

表3 2010—2019年12市調整前后效率對比

市級個體調整前,各市科技服務業(yè)效率值存在著一定差異。綜合效率超過全省平均水平的有7個,達到技術有效狀態(tài)的有3個,為武漢、襄陽和鄂州,而其他9個城市皆處于較為有效狀態(tài);規(guī)模技術效率呈現出的有效與否與綜合效率角度一致,純技術效率相較于其他兩者,有5個城市達到了有效狀態(tài)。未達到有效狀態(tài)的地區(qū),大部分技術效率遠低于湖北省整體平均值,較高的純技術效率也未能有效彌補規(guī)模效率低下帶來的不足,這些地區(qū)更多的要注意提高產出,縮小實際與最優(yōu)規(guī)模下的產出差距。

對比12地市調整前后變化情況,多地市綜合效率降低,與湖北省整體綜合效率降低的原因相一致,技術的提高未能實現最優(yōu)生產規(guī)模。環(huán)境因素雖對技術效率有正向作用,但更大程度上對規(guī)模效率產生負向影響,從而導致綜合效率降低。因此,環(huán)境也是影響效率變化的因素之一。

4.2 動態(tài)分析

三階段DEA模型反映的僅僅是靜態(tài)效率,為了更清晰地反映湖北省科技服務業(yè)動態(tài)發(fā)展效率,運用deap2.1軟件測算得出湖北省12個地級市2010—2019年科技服務業(yè)全要素生產率變化及其分解指數[19],全要素生產率(tfpch)可分解為技術效率變化(effch)和技術進步變化(techch)兩部分,而技術效率變化可進一步分解為純技術效率變化(pech)和規(guī)模效率(sech)變化,如表4和圖1所示。

圖1 2010—2019年全要素生產率及分解指數變化趨勢

表4 2010—2019年科技服務業(yè)Malmquist指數及分解

研究期內,湖北省全要素生產率平均值為1.056,平均增長率為5.6%,除2013—2014年、2015—2017年輕微下降表現為負增長,其他幾年均處于上升態(tài)勢,2014—2015年增長率最高,達到了24.3%。分解指數中,純技術效率和規(guī)模效率與靜態(tài)變動一致,各市仍在不斷探索科技服務業(yè)的最佳發(fā)展;12個地級市科技服務業(yè)技術進步平均以3.6%的速度增長,且增長指數大于1的地區(qū)多于增長指數小于1的地區(qū),純技術效率平均增長僅為0.1%,一定程度上制約全要素生產率的變化;但綜合效率與技術進步此起彼伏的增長變動共同影響著全要素生產率,科技服務業(yè)發(fā)展離不開技術進步和技術效率的支撐,兩者同樣都發(fā)揮著舉足輕重的作用。換句話說,促進科技服務業(yè)的發(fā)展離不開技術、規(guī)模投入以及兩者匹配程度的共同支持。

同樣運用deap2.1軟件測算得出2010—2019年湖北省各地級市科技服務業(yè)全要素生產效率及分解指數均值,如表5和圖2所示。

圖2 12市全要素生產率及分解指數變化趨勢

表5 2010—2019年12市Malmquist指數及分解指數均值

從各地級市全要素生產率看,2010—2019年除襄陽表現為負增長外,其他11個市皆為正增長,且均在2%以上,尤其是荊州、鄂州、咸寧全要素生產率平均增長已超過了10%,與近些年3市科技服務業(yè)發(fā)展水平總體一致。

分解指標中,11市技術進步指數均大于1,說明技術均有不同程度的提升,唯有襄陽的技術進步指數小于1,因此襄陽應加強自身科技技術能力,實現全要素生產率正增長。武漢、宜昌、襄陽、鄂州、隨州的綜合技術效率始終保持穩(wěn)定,黃石、荊門、孝感、荊州、咸寧為正向增長,十堰和黃岡稍顯遜色,皆與其各自純技術效率變動與規(guī)模效率變動一致,即大多市科技服務業(yè)實現投入產出同步增長,逐步接近最優(yōu)發(fā)展規(guī)模。

5 基于Tobit模型分析發(fā)展效率影響因素

5.1 影響因素及變量選取

Tobit模型是因變量在滿足某種約束條件下取值的模型,該模型包含兩部分,一是表示約束條件的選擇方程模型,另外一種是足約束條件下的某連續(xù)變量方程模型。因變量受到某種約束條件的制約時,忽略某些不可度量的因素將導致受限因變量模型產生樣本選擇性偏差[20]?？萍挤諛I(yè)發(fā)展效率受到何種因素的影響以及會產生怎樣的影像結果是本部分研究的內容,故采用Tobit模型進行分析。

科技服務業(yè)發(fā)展效率除了受投入資源的配置管理情況、技術進步和規(guī)模等影響外,還可能與地方經濟水平、政府重視程度、科研環(huán)境、工資水平、認知程度等多種因素相關[21-22]。在借鑒已有研究的基礎上,分析地方經濟水平、政府重視程度、科研環(huán)境、工資水平對科技服務業(yè)發(fā)展效率的影響。變量選取如下:

1)采用人均GDP(X1)衡量地方經濟水平。人均GDP是反映一個地區(qū)全部生產活動最終成果的重要指標,與地區(qū)經濟發(fā)展水平呈正相關。

2)采用地方財政科學支出(X2)反映政府對于科技的重視程度。財政科學支出是指政府及其相關部門為支持科技活動而進行的經費支出,一般來說是指國家財政預算內安排的科研支出,政府重視程度影響著科技服務業(yè)的基本發(fā)展方向、發(fā)展速度與發(fā)展水平。

3)采用科技服務業(yè)從業(yè)人員數量(X3)反映科研環(huán)境。作為科技研發(fā)的中堅力量,從業(yè)人員數量也側面反映出地方科技服務業(yè)的發(fā)展狀況。

4)采用產業(yè)職工平均工資(X4)反映工資水平。科技服務業(yè)作為現代服務新興產業(yè),對行業(yè)員工知識水平和素質能力都有較高要求,工資則能夠激發(fā)從業(yè)人員提升自我能力,致力于科學研究。

以上各變量數據主要來自《中國城市統計年鑒》(2010—2019年)、湖北省各市統計年鑒(2010—2019年)。

5.2 模型構建與實證結果

將科技服務業(yè)效率均值作為被解釋變量,分析以上各因素對其發(fā)展效率的影響程度。鑒于因變量數據存在異方差問題,故進行取對數處理,得到如下Tobit回歸模型:

Cit=α+β1lnX1+β2lnX2+β3lnX3+β4lnX4+ε

(5)

Vit=α+β1lnX1+β2lnX2+β3lnX3+β4lnX4+ε

(6)

Sit=α+β1lnX1+β2lnX2+β3lnX3+β4lnX4+ε

(7)

式中:Cit為科技服務業(yè)綜合技術效率;Vit為純技術效率;Sit為規(guī)模效率;α、β為待估參數;ε為隨機擾動項。

科技服務業(yè)效率影響因素的回歸結果見表6。從表6中看出,人均GDP對各項效率的影響均為正向顯著,對規(guī)模效率的影響大于對純技術效率的影響,而對綜合技術效率的影響最大。作為衡量地區(qū)經濟發(fā)展狀況的指標,經濟水平越高的地區(qū),會更重視資源高效利用及技術能力提升,實現最優(yōu)規(guī)模。

地方財政科學支出對綜合技術效率和規(guī)模效率均存在負向影響,對純技術效率則是正向影響。地方財政科學支出主要用于產業(yè)服務建設與補貼,保證資源利用最大化,當需要支持的企業(yè)過多、政府補貼有限時,會阻礙科技服務業(yè)規(guī)模建設。

科技服務業(yè)從業(yè)人員數量對3類效率均為正向影響,但都不顯著。研發(fā)環(huán)境固然重要,但相對于其他因素而言,影響程度并不顯著,科技服務業(yè)高質量發(fā)展主要還是依靠經濟、技術能力等。

產業(yè)職工平均工資對綜合技術效率和純技術效率存在負向影響,且對純技術效率的影響顯著,對規(guī)模效率則為正向影響。工資水平提高可以吸引更多人才致力科技研究、擴大產業(yè)規(guī)模,但由于資源有限,工資水平的提高使得其他方面如設備購買、場地建設的費用減少,資源利用率反而下降。

6 研究結論與對策建議

6.1 研究結論

結合2010—2019年湖北省12市數據全面分析科技服務業(yè)投入產出效率的時空差異及影響因素,得出如下結論:

1)通過數據包絡分析方法,靜態(tài)分析評價各市科技服務業(yè)技術效率。2010—2019年湖北省整體科技服務業(yè)呈上升趨勢,但介于科技服務業(yè)總體上仍處于發(fā)展初期,探索途中不免出現負增長的情形,加快找尋最優(yōu)發(fā)展方向、提升技術管理能力仍是重中之重。各市發(fā)展參差不齊,僅少數地區(qū)達到技術有效狀態(tài),未達到有效狀態(tài)的地市規(guī)模效率低下,規(guī)模投入并未能有效提升綜合效率,但多市規(guī)模報酬遞增,科技服務業(yè)表現出巨大發(fā)展?jié)摿?。地級市應結合自身條件優(yōu)勢,挖掘發(fā)展?jié)摿?調整科技服務業(yè)規(guī)模大小,縮小實際規(guī)模與最優(yōu)規(guī)模差距。剔除環(huán)境變量后,純技術效率上升,而規(guī)模效率下降,綜合技術效率更多地受到規(guī)模效率影響,故環(huán)境因素也是提升科技服務業(yè)效率的因素之一。

2)利用Malmquist指數動態(tài)分析表明,10年來,平均純技術效率變化、規(guī)模變化、技術進步變化均大于1,純技術效率變化最小,僅有0.1%,貢獻較弱,技術進步變化年均增長3.6%,是全要素生產率變化的主要拉動力,與此同時技術進步增長快慢直接影響全要素生產率變化快慢,證明技術進步的重要地位。研究期內,多市全要素生產率指數大于1,呈上升態(tài)勢,說明其不斷調整改進科技服務業(yè)資源投入。襄陽作為唯一全要素生產率小于1的地市,主要影響來自技術進步變化。分析各地級市指數發(fā)現,純技術效率變動差距較小,規(guī)模效率變動和技術進步共同導致了全要素生產率差異[23]。

3)運用Tobit回歸模型分析表明,4種因素對科技服務業(yè)效率均有影響,影響最為顯著的是地方經濟水平,與綜合技術效率呈現出正相關關系,可見要想加快科技服務業(yè)發(fā)展,首要任務是提升地區(qū)經濟實力。從業(yè)人員數量雖不顯著,但作為科技服務業(yè)資源之一,也要注意把握好度,避免因資源有限而出現技術與規(guī)模不匹配的情況,對純技術效率和規(guī)模效率的同步增長產生限制,此消彼長反而降低綜合效率。財政科學支出與產業(yè)職工平均工資均有負向作用,而產生此影響的原因卻不同,前者有利于技術進步,但實際規(guī)模下與最優(yōu)規(guī)模下產出量差距變大,后者逐漸優(yōu)化生產規(guī)模,但由于資源有限性,未能有效促進技術進步,對于財政科學支出和產業(yè)職工平均工資,兩者都需進行調整以實現效率的同步增長。

6.2 對策建議

基于以上結論,提出以下建議:

1)擴大規(guī)模與技術提升同步。首先,推進實施創(chuàng)新驅動發(fā)展戰(zhàn)略,增加資源投入,注重技能技術培訓,提高資源、技術管理能力,保證投入資源獲得最佳利用;其次,擴大科技服務業(yè)產業(yè)規(guī)模,加強科技創(chuàng)新水平及科技成果轉化,有效提升規(guī)模效率;最后,注意兼顧兩者的匹配程度,使技術進步效率和規(guī)模效率實現同步增長,避免出現規(guī)模擴大過快技術跟不上或者沒有足夠的規(guī)模投入支撐技術水平提高的情況,此消彼長反而降低綜合技術效率,抑制產業(yè)發(fā)展。

2)合理配置資源?？萍挤諛I(yè)資源存在有限性,加大資源投入時要進行合理分配,投入比例不同,對效率的變動影響亦不同。因此要把握好技術設備等硬投入與從業(yè)人員數量及工資等軟投入的投資力度;與此同時,區(qū)分影響因素主次及作用情況,根據政府制定的長遠發(fā)展規(guī)劃有的放矢地調整資源投入,力求資源價值最大化。

3)促進區(qū)域交流,縮小發(fā)展差距。各市間科技服務業(yè)發(fā)展存在差距,達到規(guī)模有效地區(qū)較少,要充分發(fā)揮部分地區(qū)的帶頭作用,主動縮小各市發(fā)展差距,實現全省協調高效發(fā)展。一方面,各地充分利用自身優(yōu)勢,將科技服務業(yè)與當地優(yōu)勢特色產業(yè)深度融合發(fā)展,側面提升發(fā)展水平及效率;另一方面,加強與其他地區(qū)交流,促進區(qū)域內資源流動共享,優(yōu)化空間布局,從而實現全省高質量發(fā)展。