王雪瑞,劉志寬,王藤潤,李崢嶸

(1.內(nèi)蒙古財經(jīng)大學 商務(wù)學院,內(nèi)蒙古 呼和浩特 010070;2.興安職業(yè)技術(shù)學院,內(nèi)蒙古 烏蘭浩特 137400;3.內(nèi)蒙古財經(jīng)大學 工商管理學院,內(nèi)蒙古 呼和浩特 010070)

一、引言

“鮑莫爾-?？怂辜僬f”認為隨著社會生產(chǎn)效率的增長,勞動力將從制造業(yè)向服務(wù)業(yè)轉(zhuǎn)移,使得名義工資提高,從而增加生產(chǎn)成本,在社會穩(wěn)定發(fā)展的情況下,服務(wù)業(yè)勞動力比重增加,整個社會的經(jīng)濟效率會下降。在經(jīng)濟生產(chǎn)中,生產(chǎn)者作為系統(tǒng)中的各個要素的綜合生產(chǎn)率,被稱為全要素生產(chǎn)率(TFP)。有學者研究發(fā)現(xiàn),服務(wù)業(yè)TFP并不比制造業(yè)低。同時,在新的時代背景下,中國服務(wù)業(yè)相關(guān)行業(yè)經(jīng)濟蓬勃發(fā)展,自2014年中國服務(wù)業(yè)增加值增量占GDP增量的比重(49.9%)超過第二產(chǎn)業(yè)(45.6%)成為第一大產(chǎn)業(yè)后,每年仍以2.72%的速度增長,2019年達到63.5%。2019年中國服務(wù)業(yè)就業(yè)人員數(shù)占總就業(yè)人員數(shù)的47.1%,服務(wù)業(yè)已成為吸納就業(yè)的主要渠道。隨著中國經(jīng)濟步入服務(wù)經(jīng)濟時代,中國是否存在“鮑莫爾-?？怂辜僬f”的情況?這引起學者們對中國服務(wù)業(yè)TFP的思考。

目前,關(guān)于服務(wù)業(yè)TFP的研究主要集中于運用不同的測算方法[生產(chǎn)函數(shù)法、隨機前沿分析(SFA)、指數(shù)法和數(shù)據(jù)包絡(luò)分析(DEA)]和數(shù)據(jù)類型(區(qū)域面板或行業(yè)面板)進行分析,這對于充分認識服務(wù)業(yè)TFP的增長方向,區(qū)域和行業(yè)差異具有重要意義。同時,許多學者對服務(wù)業(yè)TFP的影響因素進行研究,主要包括競爭力、對外直接投資(FDI)、人力資本、創(chuàng)新、科技、貿(mào)易以及制度安排等。服務(wù)業(yè)TFP的研究現(xiàn)已成為學術(shù)界、國家重點關(guān)注的熱點話題,大量學者對服務(wù)業(yè)TFP展開了深入研究,對相應(yīng)政策的制定提供了理論的支持。然而,現(xiàn)有的研究表現(xiàn)為統(tǒng)計方式多樣化、測算方法復雜化和測算結(jié)果差異化,并不能為相應(yīng)政策的有效制定提供正確的參考,如何科學、有效地測算服務(wù)業(yè)TFP,形成統(tǒng)一標準,是當前學術(shù)界致力于解決的重要課題。鑒于此,本文采用2003—2019年中國第三產(chǎn)業(yè)相關(guān)行業(yè)統(tǒng)計數(shù)據(jù),利用基于非參數(shù)數(shù)據(jù)包絡(luò)分析Malmquist指數(shù)方法,試圖測度中國第三產(chǎn)業(yè)相關(guān)行業(yè)TFP,分析內(nèi)部生產(chǎn)率變化趨勢及行業(yè)差異,為中國服務(wù)業(yè)高質(zhì)量發(fā)展提供理論依據(jù),并給出對策建議。

二、文獻回顧

“鮑莫爾-?？怂辜僬f”的提出引起了經(jīng)濟學家的極大興趣,學者們開始重視對服務(wù)業(yè)生產(chǎn)率的研究和測算。鮑莫爾等人假設(shè)勞動是唯一的要素投入,所以勞動生產(chǎn)率成為早期研究焦點,C-D生產(chǎn)函數(shù)成為測算中國的服務(wù)業(yè)勞動生產(chǎn)率的主要方法。隨著研究的深入,人們發(fā)現(xiàn)服務(wù)業(yè)勞動生產(chǎn)率增長主要來源于TFP,因此,服務(wù)業(yè)TFP成為重點研究對象,而對TFP的測算是研究中最基礎(chǔ)的一部分,在此基礎(chǔ)上,對不同層面的服務(wù)業(yè)TFP以及服務(wù)業(yè)TFP的收斂性及影響因素成為研究熱點。

(一)服務(wù)業(yè)TFP的測算方法

根據(jù)是否需要預(yù)先假設(shè)具體的生產(chǎn)函數(shù)形式,將目前測算全要素生產(chǎn)率的主流方法分為參數(shù)方法、非參數(shù)方法以及半?yún)?shù)方法,其中,參數(shù)方法主要包括生產(chǎn)函數(shù)法、隨機前沿分析(SFA)等;非參數(shù)法主要包括指數(shù)法、數(shù)據(jù)包絡(luò)分析(DEA)法等;半?yún)?shù)方法包括Olley-Pakes方法(OP法)和Levinsohn-Petrin方法(LP法)等,此部分主要對主流的生產(chǎn)函數(shù)法,以及應(yīng)用廣泛的DEA-Malmquist方法研究現(xiàn)狀做出梳理。

在參數(shù)方法中,最主要的是生產(chǎn)函數(shù)法,柯布和道格拉斯(Cobb &Douglas)通過對20世紀初期美國制造業(yè)數(shù)據(jù)的核算,提出C-D生產(chǎn)函數(shù)。1942年廷貝里(Tingbergen)將國民收入核算與計量研究進行整合,把時間趨勢項與C-D生產(chǎn)函數(shù)結(jié)合起來,自此經(jīng)濟效率問題可以通過計量手段進行測算。索洛(Solow)在此基礎(chǔ)上提出索洛余值法,將總產(chǎn)出的增長中除去資本和勞動增長以外的部分定義為技術(shù)進步對經(jīng)濟增長的貢獻。眾多學者利用C-D生產(chǎn)函數(shù)與索洛余值法對服務(wù)業(yè)生產(chǎn)率進行了大量研究,楊勇利用C-D生產(chǎn)函數(shù)對中國服務(wù)業(yè)TFP進行測算,并與部分國家的已有測算結(jié)果進行比較[1];郭克莎利用生產(chǎn)函數(shù)法測得其研究期內(nèi)中國第三產(chǎn)業(yè)全要素生產(chǎn)率的平均增長率為2.58%[2];阿雷瓦洛(Arévalo-Avecillas)等人采用C-D生產(chǎn)函數(shù)和回歸模型分析信息技術(shù)的實施對服務(wù)企業(yè)生產(chǎn)力的影響;在索洛余值法的基礎(chǔ)上范巧和郭愛君通過空間計量分析框架做出改進,從而使測度得到的生產(chǎn)率更加貼近實際值[3]。擴展的索洛余值法,也被稱為增長核算法,該方法利用生產(chǎn)函數(shù)將經(jīng)濟增長分解為各生產(chǎn)要素對經(jīng)濟增長的影響,進而分析生產(chǎn)要素的投入對TFP增長的貢獻程度,該方法首先要根據(jù)數(shù)據(jù)類型在現(xiàn)有生產(chǎn)函數(shù)(C-D生產(chǎn)函數(shù)、超越對數(shù)生產(chǎn)函數(shù)以及常替代彈性生產(chǎn)函數(shù)等)中進行選擇,從而對生產(chǎn)函數(shù)的各參數(shù)值進行估計,最后測算出TFP。

數(shù)據(jù)包絡(luò)分析法(DEA)是由查恩斯(Charnes)等人所提出的一種線性規(guī)劃方法,主要思路是構(gòu)建出最佳生產(chǎn)前沿面,通過計算每個決策單元(DMU)和最佳生產(chǎn)前沿面之間的差距,通過線性規(guī)劃最終得到全要素生產(chǎn)率指數(shù)。該方法可以避免設(shè)定生產(chǎn)函數(shù)與隨機干擾性不滿足正態(tài)分布的問題,在一定程度上解決了隨機前沿分析法的局限性。

Malmquist指數(shù)方法由馬姆奎斯特(Malmquist)提出,凱夫斯(Caves)在此基礎(chǔ)上將其與生產(chǎn)率的測算相聯(lián)系,中國學者利用該方法對服務(wù)業(yè)全要素生產(chǎn)率進行了大量研究。楊向陽和徐翔利用該方法對中國服務(wù)業(yè)全要素生產(chǎn)率進行了測算,并提出技術(shù)進步間的差距是影響各地區(qū)服務(wù)業(yè)全要素生產(chǎn)率增長率不同的主要原因[4]。徐盈之和趙玥將其應(yīng)用于中國信息服務(wù)業(yè)全要素生產(chǎn)率的測算,并對全要素生產(chǎn)率指數(shù)的變化規(guī)律進行研究[5]。劉興凱和張誠利用該方法從時間和空間兩個角度探討了中國服務(wù)業(yè)全要素生產(chǎn)率的變化[6]。趙若錦進一步地將Malmquist生產(chǎn)率指數(shù)法用于中國各省市服務(wù)業(yè)全要素生產(chǎn)率的測算[7]。本杰明(Benjamin)同樣利用該方法分析得出電信服務(wù)業(yè)生產(chǎn)率增長的關(guān)鍵驅(qū)動力為技術(shù)進步[8]。

在DEA的基礎(chǔ)上,Caves和Fare將其與Malmquist指數(shù)法結(jié)合,形成了DEA-Malmquist指數(shù)方法,該方法能夠測算多投入、多時期、多產(chǎn)出的TFP指數(shù)。該方法不僅不用提前設(shè)定生產(chǎn)函數(shù),還可以將測算得到的全要素生產(chǎn)率指數(shù)進一步拆分,同時,由于在計算過程中對數(shù)據(jù)做了一階差分,在一定程度上減少了各行業(yè)間的內(nèi)部影響。因此,國內(nèi)大量學者利用該方法對服務(wù)業(yè)及其細分行業(yè)的全要素生產(chǎn)率進行測算。王恕立和胡宗彪利用該方法對中國服務(wù)業(yè)細分行業(yè)的全要素生產(chǎn)率進行測算并分解[9]。古馬爾和桑迪普(Kumar &Sandeep)利用該方法測算了1991—1992年至2010—2011年印度服務(wù)業(yè)全要素生產(chǎn)率的變化。陳銀忠(Yinzhong Chen)將其應(yīng)用于臺灣服務(wù)業(yè)全要素生產(chǎn)率的測算中[10]。曾燕萍也利用該方法對中國文化服務(wù)業(yè)企業(yè)全要素生產(chǎn)率進行了測算[11]。

學者們將生產(chǎn)函數(shù)法歸為參數(shù)法,因為該類方法需要預(yù)先設(shè)定具體的生產(chǎn)函數(shù)形式,并利用計量方法估計出相應(yīng)參數(shù),最后通過“余值”的結(jié)算來測度生產(chǎn)率及變化。因此,生產(chǎn)函數(shù)形式設(shè)定的好壞直接決定了測算結(jié)果的準確程度,這是此類方法的根本缺陷。生產(chǎn)函數(shù)法形式簡單明了、測算方便,核算原理符合經(jīng)濟意義,經(jīng)拓展后對時間序列尤其適用,只是該方法需要對生產(chǎn)函數(shù)做較多的行為假設(shè),嚴格的假設(shè)制約了該方法在更廣領(lǐng)域的應(yīng)用,一旦假設(shè)不符合現(xiàn)實情況,就大大地降低了方法的可信程度;不管是索洛余值法還是進一步的增長核算法,都是一種“余值”的計算,余值并不一定完全是相應(yīng)生產(chǎn)率的增長;另外該類方法只是籠統(tǒng)的核算全要素生產(chǎn)率,難以評價技術(shù)效率的狀況。

與參數(shù)方法不同,指數(shù)法與DEA無需設(shè)定函數(shù)形式,因此測算結(jié)果中不存在因函數(shù)誤設(shè)而導致的誤差,故這兩種方法被稱為非參數(shù)法。指數(shù)法原理簡單,分析資料較易獲取,只需任意兩個時期的投入產(chǎn)出數(shù)據(jù)和相應(yīng)價格信息,就可以計算出相應(yīng)的生產(chǎn)率變化。但是,該方法要求計算總投入指數(shù)和總產(chǎn)出指數(shù),而指數(shù)形式選擇的隨意性可能導致測算出的生產(chǎn)率指數(shù)存在教導誤差且缺乏可比性;同時,指數(shù)法在對影響全要素生產(chǎn)率的隨機因素研究時有缺陷。DEA方法最突出的特點是避開了提前設(shè)定生產(chǎn)函數(shù)的測算要求,只是運用線性規(guī)劃方法構(gòu)建包絡(luò)前沿,比較觀測數(shù)據(jù)和包絡(luò)前沿的偏離來對相對有效性做出測算,方法簡單靈活、方便實用。其缺點是沒有區(qū)分技術(shù)非效率項和隨機誤差項;沒有考慮樣本數(shù)據(jù)的隨機性,一旦某個決策單元存在測算誤差,其他所有決策單元的效率估計均受其顯著影響,故DEA估計結(jié)果的穩(wěn)定性較差;DEA只能測算出與“最優(yōu)”決策單元相比較的相對有效性,對于生產(chǎn)效率的絕對水平及其變化不能考察,更不能分解出生產(chǎn)率增長的源泉。

綜上所述,學者們利用不同的測算方法對服務(wù)業(yè)TFP進行了充分探討。但對如何準確測度中國服務(wù)業(yè)TFP、中國現(xiàn)在的真實服務(wù)業(yè)TFP究竟如何仍有很大的爭議。本文的討論正是從此出發(fā),對中國服務(wù)業(yè)相關(guān)行業(yè)數(shù)據(jù)利用DEA-Malmquist方法測度2003—2019年的服務(wù)業(yè)全要素生產(chǎn)率,并研究影響服務(wù)業(yè)TFP的各個因素。

(二)分層面的研究

為探究中國服務(wù)業(yè)TFP的整體演變趨勢、區(qū)域差異性以及行業(yè)差別,我國學者分別從國家層面、區(qū)域?qū)用嬉约靶袠I(yè)層面對服務(wù)業(yè)TFP進行了大量研究。從研究層面上可以將中國服務(wù)業(yè)TFP的現(xiàn)有研究分為三部分,第一部分是從國家層面利用時間序列數(shù)據(jù)對服務(wù)業(yè)TFP進行測算并分析其主要增長因素。楊勇[1]、王恕立和胡宗彪[9]的研究都可歸于此類。第二部分是利用中國各省市相關(guān)數(shù)據(jù)對服務(wù)業(yè)TFP進行測度,研究各省區(qū)市內(nèi)部服務(wù)業(yè)全要素生產(chǎn)率增長狀況以及空間異質(zhì)性。如顧乃華利用SFA模型對各省市之間服務(wù)業(yè)生產(chǎn)率進行研究,將其歸納為東、中、西部進行比較分析[12]。劉興凱和張誠運用Malmquist法測度中國各省區(qū)市第三產(chǎn)業(yè)TFP的演變過程,并對各省區(qū)市第三產(chǎn)業(yè)TFP變動的收斂特征進行分析[6]。第三部分主要是利用某省區(qū)市相關(guān)數(shù)據(jù)或企業(yè)面板數(shù)據(jù)對服務(wù)業(yè)某具體行業(yè)或行業(yè)間的異質(zhì)性進行研究,其中,夏杰長等人發(fā)現(xiàn)服務(wù)業(yè)細分行業(yè)間TFP增長差距較大,但隨著服務(wù)業(yè)整體發(fā)展,差距正在快速縮短[13]。陳景華使用指數(shù)方法測算了2004—2017年中國第三產(chǎn)業(yè)相關(guān)行業(yè)綠色TFP指數(shù)[13]。

(三)服務(wù)業(yè)TFP的收斂性研究

隨著對服務(wù)業(yè)TFP研究的逐漸深入,學者們逐漸從測算行業(yè)或地區(qū)的TFP到探索行業(yè)間或地區(qū)間TFP的差距及動態(tài)追趕趨勢情況,通過對不同層面服務(wù)業(yè)TFP收斂性的考察,可以明晰服務(wù)業(yè)的TFP動態(tài)演變趨勢,同時,服務(wù)業(yè)TFP在不同層面的差距以及發(fā)展趨勢也是中國統(tǒng)籌協(xié)調(diào)發(fā)展的重要內(nèi)容。

學者們針對服務(wù)業(yè)TFP的收斂性研究多為一定區(qū)域內(nèi)或區(qū)域間的趨勢分析[14-15],鮮有對細分行業(yè)TFP的趨勢探討,對服務(wù)業(yè)綠色TFP的收斂性研究不足。如滕澤偉等人對中國服務(wù)業(yè)分行業(yè)間碳生產(chǎn)率及發(fā)展趨勢進行比較[16];Gouyett和Perelman在20世紀就開始對OECD的13個成員國服務(wù)業(yè)和制造業(yè)生產(chǎn)率之間的收斂現(xiàn)象進行研究,發(fā)現(xiàn)服務(wù)業(yè)生產(chǎn)率的增長率相對制造業(yè)較低,卻存在收斂情況;Gouyette和Perelman通過對香港銀行間TFP的收斂性進行分析后發(fā)現(xiàn)其只有條件收斂趨勢[17],而肖挺將服務(wù)業(yè)傳統(tǒng)TFP與環(huán)境TFP的增長趨勢進行對比,結(jié)果表明二者都有條件收斂趨勢[18];王許亮和王恕立探討了全球40個經(jīng)濟體的服務(wù)業(yè)細分行業(yè)能源生產(chǎn)率的發(fā)展狀況,發(fā)現(xiàn)服務(wù)業(yè)總體及大部分細分行業(yè)的能源生產(chǎn)率均存在絕對β收斂和條件β收斂但不存在σ收斂[19];Thota和Subrahmanyam研究了印度商業(yè)銀行的TFP的收斂性,證實了所有權(quán)相同的銀行之間存在高度融合的現(xiàn)象[20]。

(四)服務(wù)業(yè)TFP的影響因素研究

采用不同的測算方法對不同層面的數(shù)據(jù)進行分析時,從之前學者的分析結(jié)果來看,雖有差異,但中國服務(wù)業(yè)TFP偏低是基本事實,偏低的TFP不僅會拖累整體經(jīng)濟增長,也會對服務(wù)業(yè)自身發(fā)展帶來困難。TFP的增長是推動服務(wù)業(yè)發(fā)展的關(guān)鍵。在當前國家以服務(wù)業(yè)來擴大內(nèi)需和促進產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級的背景下,如何提高服務(wù)業(yè)偏低的TFP就成為服務(wù)業(yè)大發(fā)展的關(guān)鍵。而要提高服務(wù)業(yè)TFP,就必須正確把握服務(wù)業(yè)TFP的關(guān)鍵影響因素。只有明確了服務(wù)業(yè)TFP提升的關(guān)鍵,才能有的放矢地制定政策。

國內(nèi)外學者們對服務(wù)業(yè)全要素生產(chǎn)率的影響因素已做大量研究,根據(jù)研究內(nèi)容不同,將影響因素綜合概括為競爭力、對外直接投資(FDI)、人力資本、創(chuàng)新、科技、貿(mào)易以及制度安排等其他因素。

在關(guān)于競爭力的研究中,大久?？『?Toshihiro Okubo)分析了市場競爭對服務(wù)業(yè)全要素生產(chǎn)率、政策評估和生產(chǎn)率措施的影響。零售業(yè)生產(chǎn)力和競爭力對新加坡服務(wù)業(yè)未來至關(guān)重要;卡利姆和羅克珊娜(Kalim,Rukhsana)針對16個低收入國家的研究表明,競爭力有助于提高農(nóng)業(yè)和工業(yè)部門經(jīng)濟增長的生產(chǎn)率,但會降低服務(wù)業(yè)的生產(chǎn)率。

在關(guān)于對外直接投資(FDI)的研究中,伊藤和由紀子(Ito &Yukiko)分析了企業(yè)啟動FDI在日本服務(wù)業(yè)和制造業(yè)的生產(chǎn)率增長方面的差異;耶拿和帕比特拉·庫馬爾(JENA,PABITRA KUMAR)分析FDI流入對服務(wù)業(yè)生產(chǎn)率的影響都是正向的;劉艷通過實證分析得到FDI對服務(wù)業(yè)全要素生產(chǎn)率的增長有積極作用[21];王恕立等人發(fā)現(xiàn)FDI對中國服務(wù)業(yè)高質(zhì)量發(fā)展影響顯著[22]。

在關(guān)于人力資本的研究中,徐盈之和趙玥分析認為人力資本等會影響中國信息服務(wù)業(yè)發(fā)展[5];斯波爾丁和史蒂夫(Spaulding &Steve)認為更新服務(wù)團隊以提高服務(wù)生產(chǎn)力;西姆內(nèi)斯和瑪爾塔(Sim?es,Marta)脈沖反映分析表明人力資本對金融、保險、房地產(chǎn)等商業(yè)服務(wù)、社區(qū)服務(wù)以及個人服務(wù)的生產(chǎn)率有積極影響;王燕武等人研究發(fā)現(xiàn)隨著服務(wù)業(yè)快速發(fā)展,大量低學歷勞動力由制造業(yè)向服務(wù)業(yè)轉(zhuǎn)移,使得服務(wù)業(yè)勞動生產(chǎn)率下降[23]。

在關(guān)于創(chuàng)新的研究中,劉丹鷺和魏守華研究發(fā)現(xiàn)創(chuàng)新能夠促進服務(wù)業(yè)生產(chǎn)率增長[24];布森和伊莎貝爾(Busom &Isabel)發(fā)現(xiàn)創(chuàng)新的引進能夠提高低于生產(chǎn)率分布中值的公司的服務(wù)業(yè)生產(chǎn)率;彼得斯和貝蒂娜(Peters &Bettin)的研究結(jié)果表明,服務(wù)企業(yè)的創(chuàng)新與更高的生產(chǎn)率有關(guān);森川(Morikawa)等人提出服務(wù)企業(yè)的產(chǎn)品創(chuàng)新比制造業(yè)企業(yè)少,但創(chuàng)新服務(wù)企業(yè)的生產(chǎn)率非常高。

在關(guān)于科技的研究中,發(fā)現(xiàn)信息和通信技術(shù)(ICT)資本在解釋國家間服務(wù)業(yè)全要素生產(chǎn)率的增長方面發(fā)揮了重要作用;拉思和巴德里·納拉揚(Rath &Badri Narayan)也同意服務(wù)業(yè)生產(chǎn)率的增長主要受技術(shù)變革的驅(qū)動的觀點;信息技術(shù)投資對生產(chǎn)率有正向影響;同時,信息技術(shù)作為服務(wù)業(yè)生產(chǎn)率最重要的勞動力生產(chǎn)力杠桿之一,可以有效地提高員工的生產(chǎn)力和執(zhí)行活動。

在關(guān)于貿(mào)易的研究中,米魯多和塞巴斯蒂安(Miroudot &Sébastien)分析發(fā)現(xiàn)降低10%的貿(mào)易成本會帶來約0.5%的服務(wù)業(yè)全要素生產(chǎn)率增長;陳明和魏作磊提出在生產(chǎn)性服務(wù)業(yè)中雙向開放對生產(chǎn)率的提升有積極作用[25];簡澤等分析認為進口競爭在生產(chǎn)率較低的部門中負向影響更大,會阻礙部門發(fā)展[26];胡宗彪發(fā)現(xiàn)交易成本與服務(wù)業(yè)生產(chǎn)率增長速度成反比[27]。

在關(guān)于政策安排的研究中,程大中發(fā)現(xiàn)是否為直轄市、市區(qū)人口密度等對服務(wù)業(yè)生產(chǎn)率的增長有影響[28];許和連和成麗紅分析發(fā)現(xiàn)制度環(huán)境和創(chuàng)新的健康發(fā)展對服務(wù)業(yè)企業(yè)全要素生產(chǎn)率有正向作用[29];屋大維和詹馬可(Ottaviano &Gianmarco)認為移民提高了英國服務(wù)生產(chǎn)企業(yè)的整體生產(chǎn)率[30];學者帕帕約安努和索蒂里斯(Papaioannou &Sotiris)證實歐盟服務(wù)業(yè)指令的頒布積極影響歐洲服務(wù)業(yè)全要素生產(chǎn)率的增長[31]。

目前,業(yè)界與學術(shù)界對服務(wù)業(yè)TFP的討論已經(jīng)非常全面且深入,但根據(jù)使用數(shù)據(jù)來源及估算方法的不同和測算方法的差異使最終得到的服務(wù)業(yè)TFP差距較大。國外經(jīng)濟學家在對服務(wù)業(yè)TFP的測算方法上不斷拓展,對要素數(shù)據(jù)的選取更加細致,強調(diào)數(shù)據(jù)質(zhì)量對服務(wù)業(yè)TFP測算結(jié)果的重要性,除對一國服務(wù)業(yè)及細分行業(yè)進行研究外,全球各個國家及地區(qū)間的服務(wù)業(yè)TFP差異性也逐漸成為研究焦點。國內(nèi)學者對TFP的研究起初聚焦于制造業(yè),在服務(wù)業(yè)成為中國第一大產(chǎn)業(yè)的過程中,其TFP問題逐漸顯現(xiàn),與其他行業(yè)相比,服務(wù)業(yè)數(shù)據(jù)數(shù)量少、質(zhì)量差,不僅各地區(qū)的統(tǒng)計口徑不一致,而且不同時期的數(shù)據(jù)也缺乏一致性。學者們大多通過某種處理方法來“修正”數(shù)據(jù),但仍然不能保證修正后的數(shù)據(jù)質(zhì)量優(yōu)于原始數(shù)據(jù),因此,在現(xiàn)有文獻綜述中缺少對較長時期服務(wù)業(yè)TFP的考察。服務(wù)業(yè)種類繁多,各行各業(yè)間因性質(zhì)不同而有千差萬別,因此其TFP增長的影響因素也應(yīng)各不相同,對于實證考察服務(wù)業(yè)各子行業(yè)的影響因素的研究文獻少之又少,當然這也為今后該問題的研究指明了方向。隨著可獲得數(shù)據(jù)的增加,尤其是微觀數(shù)據(jù)的整理,未來對于TFP增長的影響因素分析,可以進一步細化拓展,區(qū)分不同類型的服務(wù)行業(yè)分別考察。

三、理論分析

本文的研究對象是中國服務(wù)業(yè)細分行業(yè),不能使用需要設(shè)定具體參數(shù)的方法(生產(chǎn)函數(shù)法、SFA等),故通過DEA-Malmquist指數(shù)法對服務(wù)業(yè)細分行業(yè)TFP進行測度,該方法可以區(qū)分不同要素對全要素生產(chǎn)率的貢獻。

DEA與Malmquist指數(shù)法的結(jié)合首先要用到在前文中提到的Malmquist指數(shù)方法中的每個行業(yè)的距離函數(shù):

(1)

該函數(shù)可以利用DEA的線性規(guī)劃求解:

(2)

其中,θ是標量(0<θ≤1),表示第i個行業(yè)的效率水平,λ表示一個1×1常數(shù)向量;x和y為行業(yè)的投入與產(chǎn)出,(Yt0,Yt0+1,…,Yt)與(Xt0,Xt0+1,…,Xt)分別表示每個行業(yè)的產(chǎn)出矩陣與投入矩陣;將每個DMU都利用上述線性規(guī)劃進行求解,即可得到相對應(yīng)的效率值θ。

從而得到全要素生產(chǎn)率指數(shù):

M0(xt+1,yt+1,xt,yt)

=TE×TP

=PE×SC×TP

(3)

四、中國服務(wù)業(yè)TFP的測算

采用2003—2019年中國服務(wù)業(yè)細分行業(yè)統(tǒng)計數(shù)據(jù),運用基于非參數(shù)DEA-Malmquist指數(shù)方法,試圖測度中國服務(wù)業(yè)細分行業(yè)全要素生產(chǎn)率,并分析內(nèi)部生產(chǎn)率變化趨勢及行業(yè)差異。

(一)數(shù)據(jù)來源與處理

在第三產(chǎn)業(yè)下屬行業(yè)的劃分方面,考慮到2003年中國對各產(chǎn)業(yè)細分行業(yè)進行的重新規(guī)劃,第三產(chǎn)業(yè)細分行業(yè)類別變化較大,因此,研究建立的面板數(shù)據(jù)時間跨度為2003—2019年。測度服務(wù)業(yè)全要素生產(chǎn)率所需整理的數(shù)據(jù)包括服務(wù)業(yè)細分行業(yè)產(chǎn)出、勞動投入、資本投入。

1.服務(wù)業(yè)產(chǎn)出

研究采用服務(wù)業(yè)細分行業(yè)各年長夜增加值代表產(chǎn)出,根據(jù)國家統(tǒng)計局的數(shù)據(jù),該細分行業(yè)包括批發(fā)和零售業(yè)在內(nèi)的6個行業(yè),缺乏信息傳輸、計算機服務(wù)和軟件業(yè)等9個行業(yè)的具體增加值數(shù)據(jù)。在各年《中國統(tǒng)計年鑒》中,這9個行業(yè)被歸于其他行業(yè)。因此,本文使利用這些行業(yè)在城鎮(zhèn)單位就業(yè)人員工資總額中的所占份額乘以其他行業(yè)增加值的總額,計算得到這些行業(yè)2003—2019年的具體增加值。同時,將原始數(shù)據(jù)根據(jù)相關(guān)指數(shù)換算為以2003年為基期的增加值。

2.勞動投入

選取服務(wù)業(yè)各細分行業(yè)從業(yè)人員數(shù),借鑒王恕立等的方法:服務(wù)業(yè)細分行業(yè)就業(yè)人數(shù)=服務(wù)業(yè)全社會總就業(yè)人數(shù)x(服務(wù)業(yè)細分行業(yè)城鎮(zhèn)單位就業(yè)人數(shù)/服務(wù)業(yè)城鎮(zhèn)單位總就業(yè)人數(shù))。

3.資本投入

根據(jù)資本存量估算法計算。由于服務(wù)業(yè)細分行業(yè)各年資本存量沒有直接數(shù)據(jù),利用永續(xù)盤存法得到具體數(shù)值,方法為:

(4)

其中,Ki,t為i行業(yè)在t年的資本存量,Ii,t為i行業(yè)在t年的固定投資額,δ為折舊率?；甑馁Y本存量利用穩(wěn)態(tài)方法進行計算,方法為:

Ki,t=Ii,t/(gi,t+δi,t)

(5)

其中,gi,t為2003—2019年內(nèi)中國服務(wù)業(yè)增加值的綜合增長率。δ表示折舊率,對于服務(wù)業(yè)細分行業(yè)的折舊率并沒有固定數(shù)值,遵循現(xiàn)有學者的普遍做法,將其設(shè)定為4%。

(二)測算結(jié)果和分析

利用2003—2019年中國服務(wù)業(yè)細分行業(yè)相關(guān)數(shù)據(jù),通過軟件DEAP2.1得出中國服務(wù)業(yè)整體與細分行業(yè)TFP相關(guān)指數(shù)。

1.中國服務(wù)業(yè)整體TFP指數(shù)及相關(guān)分解

中國服務(wù)業(yè)整體TFP指數(shù)及相關(guān)分解情況如表1所示。

表1 中國服務(wù)業(yè)整體TFP及相關(guān)指數(shù)分解(2003—2019年)

由表可知可以看出,研究期內(nèi)中國服務(wù)業(yè)全要素生產(chǎn)率年平均增長2.3%,技術(shù)進步是主導其增長的主要因素,主要由于技術(shù)進步年平均提高9.2%,技術(shù)效率作用較小,年平均下降0.1%。說明中國在開發(fā)技術(shù)和資源的實際運用方面還有很大的進步空間。

從全要素生產(chǎn)率變動情況看,研究期除2003—2004年、2016—2017年外中國服務(wù)業(yè)TFP均為正增長,最高值出現(xiàn)在2006—2007年期間,在加入WTO后,中國服務(wù)業(yè)逐漸對外開放,一批跨國集團進駐中國,導致國內(nèi)各產(chǎn)業(yè)競爭形勢愈漸嚴峻,提升了國內(nèi)對服務(wù)業(yè)改革、開放和發(fā)展的信心,隨著中國服務(wù)業(yè)的改革開放程度不斷提高,在接下來一段時期服務(wù)業(yè)TFP一直保持著較高的增長率。2008年開始在金融危機影響下,中國服務(wù)業(yè)TFP增長變緩,雖然在接下來的幾年中有所提高,但收效甚微。2017年的低谷可能與中國在宏觀層面上進行供給側(cè)結(jié)構(gòu)性改革有關(guān),但隨著中國供給側(cè)結(jié)構(gòu)性改革的不斷推進,中國服務(wù)業(yè)經(jīng)濟發(fā)展質(zhì)量開始提升,表明改革已取得一定成效。

從TFP指數(shù)分解分解看,技術(shù)效率在其中八年為負增長,但技術(shù)進步整體上呈現(xiàn)正向增長,總之,技術(shù)進步對TFP增長的貢獻更大,表明TFP增長的主要驅(qū)動力為技術(shù)進步。在技術(shù)效率方面,從2004年的-0.13%上升到2019年的6.2%;與此相反,技術(shù)進步增長率由2005年的11.8%下降到2019年的-0.2%。兩個指數(shù)相反的增長方向在2016年完成替換,即2016年前是技術(shù)進步作為服務(wù)業(yè)TFP的主要來源,但自2016年起,由技術(shù)效率主導服務(wù)業(yè)TFP增長,這兩個指數(shù)的三年和五年移動平均趨勢可以顯現(xiàn)上述變化(見圖1)。

圖1 技術(shù)進步與效率變化的移動平均趨勢

通過對技術(shù)效率的分解看出,純技術(shù)效率變化指數(shù)整體低下,但規(guī)模效率變化指數(shù)水平相對較高,2003—2019年的純技術(shù)效率和規(guī)模效率年均增長率分別為-0.04%和0。這兩個指數(shù)的反向變動是在2016—2017年間完成更替,即在此期前純技術(shù)效率為技術(shù)效率的主要動力,但此后被規(guī)模經(jīng)濟反超并拉開差距。從兩個指數(shù)的三年和五年移動平均趨勢分析(見圖2),該變化的主要原因可能是現(xiàn)代信息技術(shù)的發(fā)展使得服務(wù)業(yè)的某些行業(yè)在貿(mào)易方式上增加了更多的可操作性。

2.服務(wù)業(yè)細分行業(yè)TFP指數(shù)及相關(guān)分解

中國服務(wù)業(yè)細分行業(yè)TFP指數(shù)及相關(guān)分解情況如表2所示。

表2 中國服務(wù)業(yè)細分行業(yè)TFP指數(shù)及相關(guān)分解(2003—2019年)

從TFP變化趨勢看,2003—2019年間批發(fā)和零售業(yè)等行業(yè)TFP快速增長,各行業(yè)全要素生產(chǎn)率指數(shù)增長主要依賴于技術(shù)進步。交通運輸、倉儲和郵政業(yè),住宿與餐飲業(yè)等行業(yè)全要素生產(chǎn)率指數(shù)增長較慢,主要原因為技術(shù)效率水平低下,金融業(yè),房地產(chǎn)業(yè)全要素生產(chǎn)率指數(shù)增長緩慢。由此看出,中國服務(wù)業(yè)細分行業(yè)TFP指數(shù)增長之間的差異性較大。而技術(shù)進步是中國服務(wù)業(yè)各行業(yè)TFP增長的主要動力來源。

從技術(shù)效率指數(shù)變化來看,批發(fā)和零售業(yè),金融業(yè),房地產(chǎn)業(yè),以及文化、體育和娛樂業(yè)等4個行業(yè)沒有波動,在信息傳輸、計算機服務(wù)和軟件業(yè)等5個行業(yè)有增長,但增長水平較低,可以看出,中國服務(wù)業(yè)整體技術(shù)效率水平不高,各細分行業(yè)之間異質(zhì)性特征明顯。說明各細分行業(yè)在現(xiàn)有經(jīng)濟狀況下的技術(shù)利用率較低,利用對現(xiàn)有資源的使用來促進TFP增長仍有余地。

從規(guī)模效率與純技術(shù)效率指數(shù)變化來看,規(guī)模效率除交通運輸、倉儲和郵政業(yè),住宿和餐飲業(yè)等7個行業(yè)的規(guī)模效率增長為負外,其他行業(yè)增長強勁。純技術(shù)效率除教育,公共管理和社會組織快速增長以外,其他所有行業(yè)均較低或為負增長。由此看出,各細分行業(yè)間規(guī)模效率、純技術(shù)效率的差距較大。而且,較低的規(guī)模效率和純技術(shù)效率從阻礙了服務(wù)業(yè)的高質(zhì)量發(fā)展。

從TFP對行業(yè)增長值的貢獻來看,文化、體育和娛樂業(yè)貢獻率最大為80.16%,共有10個行業(yè)的貢獻率高于50%。金融業(yè)與房地產(chǎn)業(yè)增長質(zhì)量較低。整體來看,相較于流通服務(wù)業(yè),生產(chǎn)性服務(wù)業(yè)與公共服務(wù)業(yè)在近些年的發(fā)展中更加注重技術(shù)與資源的實際應(yīng)用。

3.中國服務(wù)業(yè)TFP增長的穩(wěn)健性檢驗

借鑒王恕立等的做法對TFP增長進行穩(wěn)健性檢驗,借助改變資本存量估算法中的基年資本存量和折舊率,對不同的資本投入進行多次計算,觀察結(jié)果是否出現(xiàn)本質(zhì)性改變。如表3所示,折舊率除本文使用的4.3%以外,還采用Wu中的7%和Zhang中的9.6%(表3中的Ⅰ);在基年資本存量的衡量方法選擇上,Ⅰ借鑒Harberger的做法,使用服務(wù)業(yè)細分行業(yè)實際增加值在2003—2019年間的年增長率表示gi,t;Ⅱ則采用Hall和Jones(1999)的方法,使用2003—2019年間每年第三產(chǎn)業(yè)投資增長率均值表示gi,t。各種組合的測度結(jié)果見表3。

表3 穩(wěn)健性檢驗結(jié)果

測度結(jié)果顯示,當對資本存量法中相關(guān)指標的計算方法進行替換后,測算得到的TFP指數(shù)與相關(guān)分解指數(shù)與原有結(jié)果間的差異并不明顯,對研究的最終結(jié)論并無影響,如技術(shù)進步水平仍主導著中國服務(wù)業(yè)細分行業(yè)TFP指數(shù)的增長。因此,測算得到的全要素生產(chǎn)率指數(shù)是穩(wěn)健的。

五、進一步討論

在利用DEA-Malmquist指數(shù)法得到中國服務(wù)業(yè)整體及細分行業(yè)TFP指數(shù)后,進一步對服務(wù)業(yè)TFP指數(shù)的影響因素進行實證檢驗,探尋中國服務(wù)業(yè)全要素生產(chǎn)率改善的有效途徑。

(一)模型構(gòu)建與數(shù)據(jù)處理

學者們對服務(wù)業(yè)TFP影響因素的研究,主要利用定性方法進行分析,定量研究較為缺乏。通過借鑒前人的已有研究(王恕立等,2012)以及與TFP相關(guān)的計量理論,選擇市場化水平指標、對外開放度指標,同時根據(jù)資本密集度在服務(wù)業(yè)生產(chǎn)率中的重要程度,加入人均資本增長率作解釋變量,構(gòu)建實證模型:

TFPi,t=αi+β1MARi,t+β2FDIi,t+β3PERCi,t+β4PERCIi,t+β5PERCIIi,t+εi,t

(6)

其中:TFPi,t為i行業(yè)在t年的全要素生產(chǎn)率增長指數(shù)。數(shù)據(jù)選取前文測算得到的2003—2019年中國服務(wù)業(yè)整體及細分行業(yè)TFP指數(shù),測算過程及數(shù)據(jù)見本文第三、四部分。

MARi,t表示i行業(yè)在t年的市場化水平,利用1-(服務(wù)業(yè)分行業(yè)城鎮(zhèn)單位就業(yè)人員/服務(wù)業(yè)總就業(yè)人員)計算得到,從而體現(xiàn)市場開放水平對中國服務(wù)業(yè)TFP的作用。

FDIi,t表示i行業(yè)在t年的對外開放程度,用中國服務(wù)業(yè)分行業(yè)實際利用FDI增長率表示,從而體現(xiàn)對外開放程度對中國服務(wù)業(yè)發(fā)展的作用。

PERCi,t表示i行業(yè)在t年的人均資本量增長率,考慮到服務(wù)業(yè)數(shù)據(jù)的可得性,求取各行業(yè)固定資產(chǎn)投資與各行業(yè)就業(yè)人員的比值并得到各年增長率。

PERCIi,t與PERCIIi,t是對人均資本量增長率的一階和二階滯后,為了體現(xiàn)在時間序列上資本存量對服務(wù)業(yè)的作用。

βi、εi,t為解釋變量的系數(shù)和隨機誤差項。

為了解釋前期的TFP指數(shù)對后期的影響,在模型中加入TFP指數(shù)的一階滯后項進行動態(tài)面板的回歸。

(二)實證結(jié)果

根據(jù)建立的2003—2019年中國服務(wù)業(yè)細分行業(yè)靜態(tài)面板與動態(tài)面板,分別利用OLS、差分GMM估計和系統(tǒng)GMM估計對其進行回歸,回歸結(jié)果如表4所示。

表4 服務(wù)業(yè)全要素生產(chǎn)率影響因素模型回歸分析

從表4中可以看出,解釋變量在兩個面板模型中系數(shù)符號基本一致。由于差分GMM估計在動態(tài)面板估計中能夠有效地提高其估計的效率,因此主要對差分GMM估計結(jié)果進行解釋。

根據(jù)回歸結(jié)果,市場化水平對促進中國服務(wù)業(yè)TFP增長影響顯著,由于在市場化的過程中大量的技術(shù)與資源投入實際生產(chǎn),因此市場化水平能夠促進TFP的增長。此外,根據(jù)回歸結(jié)果,對外開放度對服務(wù)業(yè)TFP的作用顯著,在開放經(jīng)濟的條件下,跨國公司的加入使得中國服務(wù)業(yè)內(nèi)部競爭水平提升,進一步提高了TFP。

衡量人均資本量增長率的變量系數(shù)為負,這與我們現(xiàn)實中的經(jīng)濟常識相悖,成因可能為:第一,本研究在人均資本量的指標計算上有不足之處。第二,或許存在著一個較為深刻的可能因素,人均資本量的增加對服務(wù)業(yè)細分行業(yè)的技術(shù)進步貢獻率低,資源配置使用率不高,但人均資本量增長率的增加對下一年的服務(wù)業(yè)的高質(zhì)量發(fā)展仍為負面影響,但對第二年服務(wù)業(yè)全要素生產(chǎn)率增長的影響變小,這表明隨著時間的推移,資本的吸納效應(yīng)在減小。

六、研究結(jié)論與展望

本文根據(jù)最新的中國服務(wù)業(yè)細分行業(yè)分類,對中國服務(wù)業(yè)整體及細分行業(yè)TFP指數(shù)進行了測度與分解,同時對服務(wù)業(yè)細分行業(yè)TFP指數(shù)的變化進行了解釋,最后利用動態(tài)面板對影響服務(wù)業(yè)TFP指數(shù)的相關(guān)因素進行回歸。研究發(fā)現(xiàn):第一,2003—2008年間中國服務(wù)業(yè)TFP增長迅速,2008年后增速變緩,在此過程中技術(shù)進步主導了服務(wù)業(yè)TFP指數(shù)的增長,技術(shù)效率水平在一定程度上阻礙了中國服務(wù)業(yè)的發(fā)展。根據(jù)對技術(shù)效率的分解,純技術(shù)效率指標偏低,但近年來開始有所提升。與此同時服務(wù)業(yè)技術(shù)效率變化指數(shù)不高,技術(shù)效率低下阻礙中國服務(wù)業(yè)TFP的增長。第二,中國服務(wù)業(yè)細分行業(yè)TFP指數(shù)及其分解顯現(xiàn)出較大的差異性,批發(fā)和零售業(yè)、教育、文化、體育和娛樂業(yè)等行業(yè)TFP快速增長。交通運輸、倉儲和郵政業(yè)等行業(yè)TFP增長較慢,技術(shù)效率有待提高,金融業(yè)、房地產(chǎn)業(yè)TFP增長低。中國服務(wù)業(yè)細分行業(yè)TFP增長的主要動力是技術(shù)進步,技術(shù)效率水平整體不高。第三,對影響中國服務(wù)業(yè)TFP的因素進行實證分析后發(fā)現(xiàn),對外開放度,市場化水平對中國服務(wù)業(yè)影響顯著,但人均資本量對中國服務(wù)業(yè)全要素生產(chǎn)率的影響為負,并且隨著時間的推移,資本的吸納效應(yīng)在減小。

基于現(xiàn)有國內(nèi)外服務(wù)業(yè)TFP的研究現(xiàn)狀,未來中國服務(wù)業(yè)TFP可以從以下幾個方面進行拓展:首先,在選擇服務(wù)業(yè)TFP測算方法時,根據(jù)中國服務(wù)業(yè)的現(xiàn)實情況,引用國外前沿理論,考慮中國服務(wù)業(yè)的已有數(shù)據(jù)、研究方向以及經(jīng)濟發(fā)展戰(zhàn)略的重大轉(zhuǎn)變等針對性地選擇測算理論,從而探尋中國服務(wù)業(yè)TFP最佳的測算方法,真實測度中國服務(wù)業(yè)發(fā)展質(zhì)量。其次,在對不同層面的研究中,既要對國家整體的服務(wù)業(yè)TFP進行分析,也要對不同地區(qū)、行業(yè)間的服務(wù)業(yè)TFP進行討論,探尋中國服務(wù)業(yè)TFP水平低下的根本原因,為政策的制定提供有力的理論支撐。接著,在收斂性研究方面,要清楚服務(wù)業(yè)TFP收斂的根本原因,在分析時既要考慮不同區(qū)域間的比較,同時也要考慮不同行業(yè)間的差異性,加強對環(huán)境約束下的服務(wù)業(yè)綠色TFP收斂性的研究,以便更好地把握我國各產(chǎn)業(yè)間的協(xié)調(diào)發(fā)展。最后,在宏觀層面上對我國各個區(qū)域的服務(wù)業(yè)及其細分行業(yè)的發(fā)展在影響因素研究方面,通過競爭力、對外直接投資、人力資本、創(chuàng)新、科技、貿(mào)易、制度安排以及服務(wù)外包等其他因素對服務(wù)業(yè)TFP的影響分析,為推動我國服務(wù)業(yè)TFP快速增長,從而加速我國服務(wù)業(yè)發(fā)展提供了具體建議:深化服務(wù)業(yè)市場化改革,全面推進市場化進程,提升各企業(yè)競爭力;加大創(chuàng)新支持力度,強化創(chuàng)新成果和市場需求的結(jié)合;加大人力資本的投資;擴大對外開放程度,積極融入全球市場。