蘇衛東
(山東輕工業學院 財政與金融學院,濟南 250100)
城市化、工業化作為人類社會發展到一定階段出現的必然現象,二者相互作用、相互影響,并且促進了服務業的發展。工業化水平的提高,就意味著就業崗位的增加,需要農業勞動力轉移到工業這個行業,人口向城市集中,城市規模擴大,城市化率提高;擴大的城市規模為服務業的發展提供了更大的發展空間,會吸納更多的勞動力,更多的農村人口轉移到城市和城鎮,這又進一步加快了城市化進程。關于城市化、工業化與服務業發展三者之間的關系,有不少學者進行了探討。鄭吉昌(2009)[1]認為必須重視這三者之間的關系,并對如何處理這三者之間的關系提出了建議;劉剛、李香蘭(2010)[2]構建了一個動態分析框架,把三者納入一個統一的邏輯體系,分析得到三者之間的演進是良性循環但是相互約束的。
從邏輯上看,城市化、工業化對服務業的發展肯定是有推動作用的,但這種影響的存在性與影響的程度需要用模型來檢驗。吳振球、謝香、鐘寧波(2011)[3]基于VAR模型對全國城市化、工業化對第三產業GDP的影響進行了實證研究。但其研究存在兩點不足:(1)所采取的指標不合理,服務業的發展水平需要用一系列指標來進行綜合的評價,但該文直接用GDP來度量;(2)該文采用的是VAR模型,但20年的時間區間對于這一模型而言樣本點還是少了一點,得到的結論可能會出現偏差。基于如上原因,本文重新檢驗了城市化、工業化對服務業發展的影響。

表1 區域服務業評價指標體系
要想對區域服務業的發展水平進行科學、合理的評價,單靠某一個指標是不行的,需要選擇若干指標構成指標體系,國內不少學者對此展開了研究,例如匡后權、何凡、曾武佳(2008)[3]從服務業發展規模、速度、潛力三個方面選取了21個經濟指標,對西部12個省(市)服務業的發展水平進行了綜合評價;陳金標、彭勇、胡婷婷(2008)[4]構建了由39個指標總體發展水平、基礎設施與投入、現代化程度、服務能力等四大模塊構成的指標體系,對廈門與直轄市、副省級城市等19個城市的服務業發展水平進行了比較分析。已有文獻的指標體系至少存在這樣的兩大問題:(1)過多追求指標的數量,而較少考慮指標的內涵是否重復,很少考慮指標之間的內在聯系;(2)在指標模塊的劃分缺乏合理性。
本文在借鑒已有文獻的基礎上,對指標進行了精心的篩選,并把所有的指標劃分成:投入模塊、產出模塊、基礎模塊,見表1。其中Xij是第j個地區的第i個指標,X′ij是其標準化值;Xˉi是第i個指標的平均值,si是其標準差。
第三步,進行主成分分析。利用標準化后的數據,在SPSS下進行主成分分析,在確定主成分時,本文采取的是累計貢獻率達到95%的標準(因為特征根超過1的只有兩個,其累計貢獻率只有83.529%),這樣就得到四個主成分,各主成分的表達式分別為:

可以用于服務業評價的方法很多,例如層次分析法、模糊評價法、綜合打分法,但這些方法最大的缺陷在于權重的賦值存在問題,更多的是依賴于主觀判斷。本文采用多元統計分析中的主成分分析方法,通過主成分加權組成的綜合評價函數對中國31個省級區域的發展水平做出客觀合理的評價,這一方法的優點主要表現在其權重(系數)完全是客觀的,而且通過提取幾個公因子能夠篩掉各指標之間的重復信息。具體的步驟如下:
第一步,數據的選擇。為了避免某些地區、某一年度的某些指標出現偶然性的波動,本文采用了2004年至2009年的各指標的平均值作為評價的依據,數據來源于歷年的中國統計年鑒。
第二步,數據的標準化。考慮到所選指標的單位不同,為了統一量綱,按以下的公式對各指標進行標準化:

根據各個主成分的貢獻率,得到服務業發展水平的綜合評價函數:

第四步,計算綜合得分。把中國省級區域2004~2009年各指標的均值進行標準化處理的數據帶入式(2)得到各因子得分,然后把這些因子得分帶入式(3)得到各區域的綜合得分,進行排序,結果見表2。
由表2可以看出,服務業發展水平排在前五位的是北京、廣東、上海、江蘇、浙江等地區都屬于東部地區,位于后五位的是青海、寧夏、甘肅、新疆、海南等,除海南外都屬于西部地區,中國東西部地區的服務業發展水平存在明顯的差距。北京市的服務業發展水平之所以雄踞榜首,是因為其作為中國的政治文化中心,得益于其結構性投入和產出在31個省級區域中“一枝獨秀”,第三產業從業人員比重、第三產業全社會固定資產投資比重、人均第三產業增加值、第三產業區位商等5個指標在全國排第一位,人均地區產值排在了第二位。

表2 中國省級區域服務業發展水平的得分與排名
一直處于改革開放前沿的廣東省,其服務業發展水平在全國排名第二,其主要原因在于其總量投入與總量產出占較大的優勢,第三產業從業人員數、第三產業增加值兩個指標居全國之首,第三產業全社會固定資產投資處在了全國第三位。
上海的服務業發展水平進入全國三甲,完全在情理之中,作為全國的金融中心,其服務業的發展有著良好的基礎,人均國內生產總值、萬人專利受理數兩個指標居全國前列,另有第三產業從業人員比重、人均第三產業增加值、第三產業區位商等3個指標在全國排第二位。
2.1.1 被解釋變量
被解釋變量是我們所關心的服務業發展水平,即利用主成分分析得到的評價值,用符號LEVEL來表示。由于第二部分是用2004~2009年的均值得到的評價值,為了得到其面板數據,作者把歷年的各指標值標準化,然后代入式(2)得到各地區歷年的主成分值,把這些數值再代入式(3),就得到被解釋變量的取值。
2.1.2 解釋變量
(1)城市化水平:城市化也有的學者稱之為城鎮化、都市化,我們用城市人口占總人口的比重來度量,記為CITY。
(2)工業化程度:工業化通常被定義為工業(特別是其中的制造業)或第二產業產值(或收入)在國民生產總值(或國民收入)中比重不斷上升的過程,以及工業就業人數在總就業人數中比重不斷上升的過程。工業化程度常用工業化率,即工業總產值占全部生產總值的比重來度量,但這一指標很容易出現工業發展對服務業的擠壓效應,本文采用工業總產值與第一產業產值之比來度量,記為RIGDP。
(3)城市化與工業化的交互作用:城市化與工業化之間存在一種復雜的互動關系,工業化推進了城市化的進程,城市化是工業化的載體,二者在促進服務業發展的過程城中存在著交互作用,正如前文分析的一樣。為了描述二者之間的交互作用,在解釋變量中加入一個交互項:

本文選取的是2004~2009年的中國31個省級區域的面板數據,用于計算城市化率與工業化率的指標,與前文一樣來自歷年的中國統計年鑒。
為了考察城市化、工業化對服務業發展水平的影響,建立面板數據模型,建立的模型有三類:混合估計模型、固定效應模型和隨機效應模型。其中的混合模型為:

其中LEVELit是第i個地區第t年服務業發展的綜合評價值;CITYit為相應的城市化率指標,RIGDPit為相應的工業化率指標,CROSit是城市化率指標與工業化率指標的乘積,衡量兩者的交互作用;εi,t是隨機誤差項。
為了刻畫不同地區的個體差異,可建立固定效應模型和隨機效應模型,其具體形式分別如下:

式(5)中的ai反映的是第i個地區服務業發展水平的固定效應,式(6)中的ui反映第i個地區服務業發展水平的隨機效應,二者都反映了服務業發展水平因各地區經濟形勢不同而表現出的差異。
面板數據模型的應用,必然涉及到模型的選擇問題,即對于所給數據在混合模型、固定效應模型、隨機效應模型之間進行選擇,模型選擇的一般方法是這三個模型中兩兩進行選擇性檢驗:混合估計模型與固定效應模型之間的選擇采用F檢驗;混合估計模型與隨機效應模型之間的選擇采用LM檢驗;固定效應模型與隨機效應模型之間的選擇采用Wald檢驗,其具體的檢驗方法可參見葉阿忠、李子奈(2000)[6]。
利用如上的數據,在stata11.0下對模型進行了選擇和估計,選擇得到的是固定效應模型,其估計結果見表3。

表3 城市化、工業化對服務業發展水平影響的回歸結果
由表3看出,模型的擬合優度還是不錯的,組內、組間與整體的決定系數分別為0.1632、0.4117、0.3666;從用來檢驗模型總體顯著性的F統計量來看,方程在總體上更是極為顯著。
由表3同時可以看出,城市化、工業化變量的系數在5%的顯著性水平下是顯著的,二者對服務業發展都有顯著的促進作用,城鎮人口比重每上升一個百分點,服務業發展水平評價值0.9395571個單位;工業與第一產業的比值每上升1,服務業發展水平評價值上升0.1379884個單位;城市化的影響高于工業化的影響;同時由于在10%的顯著性水平下,城市化、工業化變量的交叉項系數是顯著的負值,說明二者對服務業的交互作用可能會產生不利影響。
本文的研究發現:城市化、工業化對服務業發展都有顯著的促進作用,中國各級政府為了促進服務業的發展,可圍繞促進城市化、工業化進程制定規劃和措施,同時需要注意二者之間的交互作用可能不利于服務業的發展。
[1] 鄭吉昌.中國現代服務業與工業化、市場化、城市化的關系及其發展重點[J].浙江樹人大學學報,2009,(5).
[2] 劉剛,李香蘭.工業化、服務業發展與城市化三者“互動演進”過程新探[J].江西社會科學,2010,(1).
[3] 吳振球,謝香,鐘寧波.基于VAR中國城市化、工業化對第三產業發展影響的實證研究[J].中央財經大學學報,2011,(4).
[4] 匡后權,何凡,曾武佳.西部各省(市)服務業發展水平的評價[J].統計與決策,2008,(13).
[5] 陳金標,彭勇,胡婷婷.廈門市現代服務業發展指標體系研究[J].廈門特區黨校學報,2008,(6).
[6] 李子奈,葉阿忠.高等計量經濟學[M].北京:清華大學出版社,2000.