中國服務業增長、要素投入與技術效率的動態關系分析
——基于脈沖響應函數的實證研究

王鐵山

（1.西安工程大學管理學院，陜西西安710048；2.西安工業大學經濟管理學院，陜西西安710032）

中國服務業增長、要素投入與技術效率的動態關系分析
——基于脈沖響應函數的實證研究

王鐵山1、2

（1.西安工程大學管理學院，陜西西安710048；2.西安工業大學經濟管理學院，陜西西安710032）

本文基于向量自回歸（VAR）模型，運用脈沖響應函數、方差分解等方法，對改革開放以來（1978—2012年）中國服務業增長、勞動力和資本投入、技術效率之間的關系進行了研究，結果表明這四者之間存在著長期穩定的動態關系，彼此之間互相作用、互相影響。其中，服務業增長對技術效率有正向影響作用，服務業勞動力和資本投入對技術效率有負向影響作用，這種動態效應的積累是形成當前中國服務業技術效率現狀及地區差異的內在原因。

服務業；技術效率；脈沖響應函數

一、引言

改革開放以來，隨著中國對服務業的重視程度不斷提高，對服務業的勞動力和資本要素投入不斷增加，服務業得到了持續發展。隨之而來的是服務業的技術效率不斷變化，這與服務業的增長以及勞動力和資本要素的投入變化密不可分。技術效率是用來衡量經濟系統的產出、勞動力和資本等要素投入變量之間的投入產出比例關系即水平高低的指標，這些因素之間的相互作用及變化會導致技術效率的變化。然而，目前還沒有學者對這四者之間的相互影響關系進行研究，只有部分學者探討了不同影響因素對服務業技術效率的影響效應。

顧乃華和李江帆[1]認為，影響服務業技術效率的因素主要有市場化程度、勞動力素質、起點因素、資本密集度。之后，顧乃華[2]進一步認為，服務業技術效率主要受起點因素、就業人員教育水平的變化、市場化推進程度以及資本密集度變化的影響。任英華和王耀中[3]認為，工資、勞動者素質、信息技術等對服務業技術效率有影響。楊青青等人[4]認為，人力資本、信息化水平、市場化水平、社會資本對服務業技術效率有重要作用。徐盈之和趙玥[5]發現，信息化水平、研發投入和城市化水平是影響信息服務業區域差異的因素。谷彬[6]發現，市場化程度、對外貿易、外商直接投資、政府行為、工業化水平是影響服務業技術效率的重要因素。黃莉芳、黃良文和洪琳琳[7]認為，專業化水平、規模經濟和市場化水平是影響生產性服務業技術效率的重要因素。許建平和任燕[8]發現，各區域在經濟發展程度、經濟開放程度、城市化水平、工業化程度、收入與消費水平、科技水平、人力資本要素水平、基礎設施水平等方面的差異是服務業區域發展差異形成的重要影響因素。劉中艷[9]發現，人力資本、產業融合、產業集聚度、市場化水平對現代服務業的發展皆具有不同程度的影響作用。邵金菊和王培[10]發現，科技創新能力、基礎設施水平和城市化水平對軟件服務業投入產出效率有顯著影響。殷鳳和張云翼[11]發現，市場化程度、勞動投入質量、城鎮化、對外貿易、外商直接投資對服務業技術效率有影響。

可見，當前有關研究都沒有關注服務業技術效率與服務業增長、要素投入之間互動作用的動態關系，研究這四者之間的關系具有一定的理論和現實意義。因此，本文分析這四者之間的聯動關系，在此基礎上探討中國服務業技術效率現狀及區域差異形成的原因，并為提升中國服務業的技術效率提出相應的對策建議。

二、研究模型、變量選取與數據說明

1.研究模型

本文利用向量自回歸（Vector Auto-regresion Model，VAR）模型以及在此基礎上的脈沖響應函數和方差分解方法，分析改革開放30余年來中國服務業技術效率、服務業增長、勞動力投入和資本投入四者之間的相互作用及動態關系。

（1）向量自回歸（VAR）模型

向量自回歸模型（VAR）把系統中每一個內生變量作為系統中所有內生變量滯后項的函數來構造模型，從而將單變量自回歸模型推廣到由多元時間序列變量組成的“向量”自回歸模型，是處理多個相關經濟指標的分析方法。VAR模型的一般表達式為：

式（1）中，Yt是k維的內生變量，Yt-i（i=1，2，…，n）是滯后內生變量，Xt是d維外生變量，p、r分別是內生變量和外生變量的滯后階數。Ai是k×k維系數矩陣，Bi是k×d系數矩陣，這些矩陣都是待估計的參數矩陣。εt是由k維隨機誤差項構成的擾動向量，它們相互之間可以同期相關，但不能與各自的滯后值相關，也不能與等式右邊的變量相關。

（2）基于VAR模型的單位根檢驗與約翰森（Jo?hansen）協整檢驗

在對變量的數據進行分析前，首先對數據進行平穩性檢驗。本文采用單位根檢驗，非平穩的變量序列如果存在單位根，一般都顯示出明顯的記憶性和波動的持續性，可以通過差分方法消除單位根而得到平穩序列。對多個變量之間協整關系的檢驗采用約翰森協整檢驗方法，這是一種以VAR模型為基礎的檢驗回歸系數的方法。考慮如式（1）所示的VAR模型，其中，Yt是k維的非平穩的I（1）變量，Xt是d維的確定的外生變量。將式（1）改寫為以下形式：

（3）基于VAR模型的脈沖響應函數

脈沖響應函數（Impulse Response Function，IRF）是衡量來自某個內生變量隨機擾動項的一個標準差沖擊（稱之為脈沖）對VAR模型中所有內生變量當前值和未來取值的影響。脈沖響應函數的分析結果可以刻畫不同影響因素引起的服務業技術效率變動的動態過程。這里以包含兩個內生變量的VAR模型為例來說明脈沖響應函數的基本步驟。

假定上述系統從t=0開始活動。設X1=X2= Y1=Y2=0，于第0期設擾動項ε10=0，ε20=0，其他均為0。那么，初期給予的擾動將在系統中不斷傳遞，通過迭代計算可以得到X0，X1，X2,…，稱為由X的脈沖引起的Y的響應函數，同樣可以求得Y0，Y1，Y2，…，稱為由X的脈沖引起的Y的響應函數。當第0期脈沖為ε10=0，ε20=1，可以求得Yt的脈沖引起的X和Y的響應函數。

（4）基于VAR模型的方差分解

方差分解（Variance Decomposition）是將VAR模型中每個外生變量預測誤差的方差按其成因分解為與各個內生變量相關聯的組成部分，通過分析每一個新息沖擊對內生變量變化（通常用方差來度量）的貢獻度來評價不同新息沖擊的重要性。

隨著時間的推移，脈沖響應函數可觀察模型中各變量對于沖擊的反應，然后根據VMA（∞）的表示形式，提出方差分解方法，定量但是相當粗糙地把握變量間的影響關系。西姆（Sims）依據VMA（∞）的表示形式，提出了定量把握變量間影響關系的方差分解方法：

式（4）中各個括號內的是第j個擾動項εj從無限過去直到現在對Yi影響的總和。

2.變量選取與數據說明

由于各變量數據來源及存續期間不同，為了使各變量數據都具有盡可能長的相同時間跨度，本文將研究期間確定為改革開放以來的1978—2012年（因統計資料等原因，未包括我國港、澳、臺地區）。因為海南和西藏的歷史數據缺失年份較多，為了研究方便，本文如多數相關文獻一樣在分省市區數據中不包括這兩個省區。同時，由于歷史數據無法拆分的原故，本文對四川、重慶的數據進行合并，將數據合并后的四川、重慶合稱為“川渝”以示區別。因此，基本變量是28個省市區的服務業增長、勞動力投入、資本投入和技術效率。各變量的數據來自《中國國內生產總值核算歷史資料（1952—1995）》《中國國內生產總值核算歷史資料（1996—2002）》《中國國內生產總值核算歷史資料（1952—2004）》《新中國六十年統計資料匯編》及歷年《中國統計年鑒》。各變量的定義及數據說明如下：

（1）服務業增長（Y）

即服務業產出，表示歷年中國服務業的實際產出，以歷年中國各省市區服務業（第三產業）的國內生產總值（GDP）代表相應的服務業產出。為了保持產出數據的可比性，利用各省市區歷年第三產業GDP指數（1978年=100）折算出各省市區歷年的以1978年不變價計算的GDP。

（2）服務業勞動力投入（L）

表示歷年中國服務業的勞動力數量投入，以歷年中國服務業從業人員數量代表服務業勞動力投入。

（3）服務業資本投入（K）

表示歷年中國服務業的資本投入，以歷年中國各省市區服務業的資本存量代表服務業資本投入。由于中國現有統計資料中只有歷年資本形成總額的數據，沒有資本存量的數據，本文采用永續盤存法對中國各省市區服務業的資本存量進行了測度。

（4）服務業技術效率（TE）

表示中國服務業技術效率，其數據根據服務業產出、服務業勞動力投入、服務業資本投入通過隨機前沿分析（SFA）方法計算求得。

三、實證分析

在不改變時間序列數據特征的前提下，為了消除數據中潛在的異方差現象以得到平穩的數據序列，本文對服務業產出、服務業勞動力投入和服務業資本投入的變量序列取自然對數，分別記為LNY、LNL和LNK。繼而對服務業技術效率TE、LNY、LNL和LNK取一階差分，可以推斷出LNY、LNL和LNK三個變量可能存在一階單整。

1.平穩性檢驗

本文采用ADF檢驗法對數據進行單位根檢驗，得到結果如表1所示。可知，ΔTE、LNY、LNL和LNK序列是非平穩序列，而其一階差分則是平穩序列，因此四者都是一階單整I（1）序列，滿足協整檢驗的條件。采用約翰森協整檢驗法，由檢驗結果可知TE、LNY、LNL和LNK四個變量之間理論上存在著協整關系。

2.向量自回歸模型的建立

表1 各內生變量的單位根（ADF）檢驗結果

需要利用向量自回歸（VAR）模型進一步對TE、LNY、LNL和LNK之間的系統關系做脈沖響應分析，在（1）式的基礎上，以時間序列TE、LNY、LNL和LNK建立VAR模型。準確建立VAR模型的關鍵是正確確定滯后階數p。應在滯后期與自由度間尋求一種均衡狀態，一般根據AIC和SC信息量取值最小的原則確定模型的階數。最后確定滯后階數為5，模型設定為VAR（5），得到估計式如（5）式所示。其中，可決性殘差協方差為6.15E-23，對數似然值為603.02，AIC值為-39.92，SC值為-35.86。

3.脈沖響應函數分析

在VAR模型基礎上采用脈沖響應函數方法對模型進一步研究，分析TE、LNY、LNL和LNK對各變量脈沖擾動的動態響應及其累計響應。

（1）TE對各變量脈沖擾動的動態響應

第一，TE對自身的一個標準差新息的沖擊具有明顯的正向響應，所有時期都為正向響應。TE的累計響應為正，表明長期內TE對自身響應有顯著的正向影響效應。第二，TE對于LNY的一個標準差新息的沖擊具有明顯的正向響應，所有時期都為正向響應。在整個觀察期內，TE對LNY的一個標準差新息沖擊的累計響應為正，表明長期內LNY對TE有正向影響效應。第三，TE對于LNL的一個標準差新息的沖擊具有明顯的負向響應，在各個時期都為負向響應。整個觀察期內，TE對LNL的一個標準差新息沖擊的累計響應為負，表明長期內LNL對TE有負向影響效應。第四，TE對LNK的一個標準差新息的沖擊具有明顯的負向響應，在各個時期都為負向響應。在整個觀察期內，TE對LNK的一個標準差新息沖擊的累計響應為負，表明長期內LNK對TE有較顯著的負向影響效應。

（2）LNY對各變量脈沖擾動的動態響應。第一，LNY對自身的一個標準差新息的沖擊在第1期為顯著的正向響應，在第2期達到頂峰之后迅速降低，直到第5期轉為負向響應，在第7期達到最低值后逐漸回升，整個過程呈現巨大的波動性。LNY對自身的累計響應為正，表明長期內LNY對自身響應有顯著的正向影響效應。第二，LNY對TE的一個標準差新息的沖擊在第1期便為正向響應，在第2期達到頂峰之后迅速降低，直到第5期轉為負向響應，在第7期達到最低值后逐漸回升，整個過程呈現波動性。LNY對TE的累計響應為正，表明長期內TE對LNY響應有正向影響效應。以上分析表明，TE和LNY之間的互相影響具有相似性和同步性，這是因為它們都作為LNL、LNK相互作用的產物，只是表現方式不同。第三，LNY對于LNL的一個標準差新息的沖擊在第1期為0，第2期達到正向最大值，之后逐漸降低，在第5期為0，在第6期轉為負值，在第7期達到負向最低值后逐漸回升。整個過程呈現出波動性，但LNY對LNL的累計響應為正，表明長期內LNL對LNY響應有正向影響效應。第四，LNY對LNK的一個標準差新息的沖擊在第1期為0，在第3期達到正向最大值之后逐漸降低，在第7期為0，在第8期轉為負值，在第9期達到負向的最低值后逐漸回升。整個過程呈現出波動性，但LNY對LNK的累計響應為正，表明長期內LNK對LNY響應有正向影響效應。以上分析表明，LNL、LNK對LNY的影響具有相似性，只是LNK的影響比LNL的影響滯后1到2期。

（3）LNL對各變量脈沖擾動的動態響應

第一，LNL對自身的一個標準差新息的沖擊立即表現出顯著的正向效應，在第1期就達到最大值，之后逐漸衰減，在第5期轉為負值，在第7期達到最低值后逐漸回升，整個過程呈現出明顯的波動性。但LNL對自身的累計響應為正，表明長期內LNL對自身響應有正向影響效應。第二，LNL對TE的一個標準差沖擊在初始期就呈現明顯的正效應，在此之后逐漸衰減，直至在第4期變為負值，在第6期達到最低值后開始逐漸回升，并在第8期重新為正值，呈現明顯的波動性。但LNL對TE的累計響應為正，表明長期內TE對LNL響應有正向影響效應。第三，LNL對于LNY的一個標準差新息的沖擊在初始期就呈現顯著的正向效應，在此之后逐漸衰減，直至在第5期變為負值，在第6、第7期達到最低值后開始逐漸回升，并在第9期重新為正值，呈現明顯的波動性。但LNL對LNY的累計響應為正，表明長期內LNY對LNL響應有正向影響效應。以上分析表明，TE、LNY對LNL的影響具有相似性，只是LNY的影響比TE的影響滯后1到2期。第四，LNL對LNK的一個標準差新息沖擊的響應在初始階段為0，之后在第3期上升達到最大值，此后逐漸下降，在第6期轉為負值，在第8期達到最小值后逐漸回升，呈現明顯的波動性。但LNL對LNK的累計響應在前8期在正向效應內波動，在第8期后轉為負值并逐漸降低，這表明長期內LNK對LNL的影響有階段性和波動性，在前8期的影響由0至最大值然后又降至0，此后將轉為負向影響效應。

（4）LNK對各變量脈沖擾動的動態響應

第一，LNK對其自身的一個標準差新息沖擊的響應大部分時期保持為正效應。從第1期開始一直呈現正向響應并逐漸增加，在第4期達到最大值之后逐漸衰減，到第10期達到最小值并變為負值，整個過程呈現出明顯的波動性。但LNK對自身的累計響應為正，表明長期內LNK對自身響應有正向影響效應。第二，LNK對TE的一個標準差沖擊在初始期就呈現微弱的正響應，在此之后逐漸衰減并轉變為負值，在第7期達到最低值后開始逐漸回升，呈現明顯的波動性。LNK對TE的累計響應為負，表明長期內TE對LNK響應有負向影響效應。第三，LNK對于LNY的一個標準差新息的沖擊在初始期呈現明顯的正向響應，在此之后逐漸衰減并轉變為負值，在第8期達到最低值后開始逐漸回升，呈現明顯的波動性。LNK對LNY的累計響應先為正后為負，表明長期內LNY對LNK響應有階段性和波動性。以上分析表明，TE、LNY對LNK的影響具有相似性，只是LNY的影響比TE的影響往往滯后1到2期。第四，LNK對LNL的一個標準差新息沖擊的響應在第1期呈現正向響應并逐漸增加，在第2期達到最大值之后逐漸衰減，到第7期轉為負值，在第9期達到最小值之后有所回升，整個過程呈現出明顯的波動性。但LNK對LNL的累計響應為正，表明長期內LNL對LNK響應有正向影響效應。

4.方差分解

為進一步了解服務業技術效率與產出、勞動力投入、資本投入之間的相互作用的貢獻度，對VAR（5）模型做方差分解，結果如表2至表5所示。

（1）TE受各變量的影響

由表2可知，LNY在第1期只受其自身波動的影響，LNY、LNL和LNK的影響（即對預測方差的貢獻度）在第2期才顯現出來，但其影響強度微乎其微。但是，在隨后各期，LNK的影響逐漸增強，在第10期達到最大值28.26%。這說明服務業技術效率主要受自身和資本投入的影響，其中2/3的影響來自自身，近1/3的影響來自服務業資本投入。而服務業產出和勞動力投入對服務業技術效率變化的貢獻度很小，可以忽略不計。

表2 TE的預測方差分解結果

表3 LNY的預測方差分解結果

（2）LNY受各變量的影響

由表3可知，LNY在初期主要受到自身波動的影響（即對預測方差的貢獻度）。在第5期之后，LNY所受影響的構成趨于穩定，近85%的影響來自自身的波動，15%的影響來自TE、LNL和LNK的影響，而此時這三者的貢獻率也基本保持穩定。這說明服務業產出主要受自身影響，雖然還可能受到服務業技術效率、勞動力投入、資本投入等因素的影響，但通常可以忽略不計。

（3）LNL受各變量的影響

由表4可知，LNL的預測方差主要受其自身及LNY、LNK的影響。其中，LNL自身的影響逐漸衰減，由第1期的46.39%降至第10期的24.37%；TE的影響保持穩定，基本維持在7.26%左右；LNY的影響保持相對穩定，基本保持在45%左右，并逐漸成為最主要的影響因素；LNK的影響由無至有，逐漸增加，由第1期的0增至第10期的25.27%，最后達到與服務業勞動力投入相同的影響程度。以上分析說明服務業勞動力投入主要受自身及服務業產出、服務業資本投入三者影響。

（4）LNK受各變量的影響

由表5可知，LNK主要受自身的影響，同時也受到TE、LNY和LNL的影響。LNK受自身的影響程度在不斷降低，由第1期的67.46%降至第10期的44.44%；LNK受TE的影響程度在不斷增加，由第1期微不足道的0.42%增至第10期的15.32%； LNK受LNY的影響程度也在不斷增加，由第1期的13.66%增至第10期的27.75%；而LNK受LNL的影響程度是先升后降，由第1期的18.45%增至第3期的23.82%，然后又逐漸降低至第10期的12.50%。以上分析說明服務業資本投入主要受自身的影響。

四、研究結論與討論

本文基于VAR模型，運用脈沖響應函數、方差分解等方法對改革開放30余年（1978—2012）中國服務業技術效率與服務業增長（產出）、勞動力投入、資本投入之間的關系進行了研究。結果表明這四者之間存在著較為穩定的均衡關系，四者之間存在著相互作用和影響，并得到以下結論和啟示。

表4 LNL的預測方差分解結果

表5 LNK的預測方差分解結果

1.主要結論

（1）服務業技術效率與服務業增長、服務業要素投入之間存在穩定的均衡關系。約翰森協整檢驗結果以及VAR模型具有較好的擬合度和穩定性，表明服務業的技術效率與增長、要素投入之間存在穩定的均衡關系。

（2）服務業技術效率與服務業增長、服務業要素投入之間存在動態的相互作用機制。脈沖響應函數的分析結果表明服務業技術效率與服務業的增長、勞動力和資本投入之間存在著互相影響的動態關系。長期內，服務業增長對技術效率有正向影響效應，勞動力和資本投入對技術效率有負向影響效應；同時，技術效率的變化也會對服務業增長、勞動力和資本投入產生反作用，這種反作用通過服務業增長、服務業勞動力和資本投入的變化再次傳導給技術效率，產生新一輪的變化，如此循環往復。在技術條件不變的情況下，中國各地區服務業的增長、勞動力和資本投入的數量不同而且一直處于變化狀態，這必然導致技術效率也產生相應變化，當技術效率的變化逐漸積累并達到一定數量級別時就顯現出來，造成地區間服務業技術效率的差異。

（3）服務業增長與要素投入對技術效率影響的貢獻率并不相同。方差分解結果表明服務業技術效率受其自身及服務業增長、勞動力和資本投入的影響。此外，服務業技術效率受資本投入的影響（負向）最大，占總影響的近1/3，受服務業增長的影響（正向）其次，受勞動力投入的影響（負向）最小。同時，服務業技術效率對服務業增長、勞動力投入、資本投入也分別有程度不同的反作用。這表明當前應把服務業資本投入當作服務業技術效率最主要的內生影響因素來研究。

2.啟示與對策

（1）在提高服務業技術效率過程中應注意各因素之間穩定的均衡關系和動態作用機制。服務業的快速增長在一定程度上可以吸引更多的勞動力和資本投入服務業，但這種吸引作用是有限的，很容易產生投入冗余，進而降低效率。產生的冗余勞動力投入難以轉化為價值，并從整體上降低服務業效率；而資本投入的主要用途是支付勞動力成本而非購買物質設備，資本投入對服務業增長也沒有顯著作用。過度投入會造成投入冗余，反而會降低效率，這是當前中國服務業技術效率普遍存在的問題。

（2）在提高服務業技術效率過程中應調整服務業增長與要素投入的比重。因為這些內生因素對服務業技術效率影響的貢獻率并不相同。隨著服務業的持續增長，服務業技術效率有逐漸提高的趨勢和空間。服務業資本投入是當前服務業技術效率最主要的負向影響因素，資本投入增加無效甚至起到相反作用。因此，當前應逐漸減少對服務業的盲目資本投入，積極調整資本投入領域。服務業勞動力投入是服務業技術效率的負向影響因素。現代服務業是以勞動力素質為基礎的知識、技術、創意密集型產業，勞動力數量的簡單增加對服務業技術效率的作用是負面的，它將成為提高效率的負擔，取而代之的是以勞動力受教育年限為表征的勞動力素質、知識和技能的提高。因此，重點應轉變為關注勞動力素質的提高和人力資本投入的增加。當前服務業本身在不斷升級換代，以往結構層次較低的勞動密集型服務業逐漸被知識、技術、創意密集型的現代服務業所取代，服務業從業人員的素質也應相應提高。

因此，為了提高服務業的技術效率，有效促進服務業增長，在制定相關政策措施時應考慮以下建議：第一，控制服務業的勞動力和資本投入數量，對冗余投入要不斷分解和消化，控制好投入與產出之間的比例。在制定發展服務業的政策時，需要轉變服務業發展方式，逐漸改變過去靠要素投入推動服務業發展的方式，轉變為依靠提高服務業發展的效率。第二，不斷提高勞動者的素質、知識和技能。如在信息化水平不斷提高的基礎上提高勞動者素質，吸收基于勞動者素質提高而帶來的科技進步成果，這都將進一步促進服務業增長，進而改善產業結構。

＊本文系陜西省教育廳專項科研計劃項目“陜西生產性服務業集聚及其對創新能力的影響研究”（項目編號：2013JK0112）、陜西省軟科學項目“陜西生產性服務業集聚與協同創新的互動機制研究”（項目編號：2014KRM25）、陜西省高校哲學社會科學重點研究基地科研計劃項目“生產性服務貿易對陜西制造業競爭力的影響研究”（項目編號：14JZ017）、陜西省社科界重大理論與現實問題研究項目“陜西生產性服務業與制造業互動發展研究”（項目編號：2015C053）、陜西省普通高校哲學社會科學特色學科建設項目“陜西紡織經濟管理研究中心”資助項目、西安工程大學博士科研啟動基金資助項目“中國區域服務業技術效率的時空變動及其影響機制研究”（項目編號：BS1423）的部分研究成果。

[1]顧乃華，李江帆.中國服務業技術效率區域差異的實證分析[J].經濟研究，2006（1）：46-56.

[2]顧乃華.我國服務業發展的效率特征及其影響因素——基于DEA方法的實證研究[J].財貿研究，2008（4）：60-67.

[3]任英華，王耀中.國際服務業生產率的發展趨勢及影響因素分析[J].統計與信息論壇，2008（9）：59-64.

[4]楊青青，蘇秦，尹琳琳.我國服務業生產率及其影響因素分析——基于隨機前沿生產函數的實證研究[J].數量經濟技術經濟研究，2009（12）：46-57.

[5]徐盈之，趙玥.中國信息服務業全要素生產率變動的區域差異與趨同分析[J].數量經濟技術經濟研究，2009（10）：49-60.

[6]谷彬.中國服務業技術效率測算與影響因素實證研究——來自歷史數據修訂的史實證據[J].統計研究，2009（8）：63-70.

[7]黃莉芳，黃良文，洪琳琳.基于隨機前沿模型的中國生產性服務業技術效率測算及影響因素探討[J].數量經濟技術經濟研究，2011（6）：120-132.

[8]許建平，任燕.我國服務業效率特征研究——基于區域發展差異影響因素的解釋[J].產業經濟研究，2012（1）：70-77.

[9]劉中艷.現代服務業技術效率區域差異及成因——基于省際面板數據的分析[J].江西社會科學，2013（8）：81-85.

[10]邵金菊，王培.中國軟件服務業投入產出效率及影響因素實證分析[J].管理世界，2013（7）：176-177.

[11]殷鳳，張云翼.中國服務業技術效率測度及影響因素研究[J].世界經濟研究，2014（2）：75-80.

責任編輯：方程

Analysis of the Dynam ic Relationship among Growth，Input of Elements and Technological Efficiency of Chinese Service Industry

WANG Tieshan1，2
（1.Xi’an Polytechnic University，Xi’an，Shannxi710048，China；2.Xi’an Technology University，Xi’an，Shannxi710032，China）

Based on the VARmodel，impulse response function，and variance decompositionmethod，the author carriesout a study on the relationship among growth，the inputof labor and capital，and technologicalefficiency of China’s service industry since reform and opening up(from 1978 to 2012).It shows that the growth in service industry has the positive effect on technologicalefficiency；input in labor and capitalof service industry has the negative effecton technologicalefficiency；and the accumulation of these dynamic effects is the intrinsic cause for the formation of the current situation and regional difference of technologicalefficiency of China’sservice industry.

service industry；technologicalefficiency；impulse response function

F719

A

1007-8266（2015）08-0081-08

王鐵山（1974—），男，河北省唐山市人，西安工程大學管理學院高級經濟師，博士，西安工業大學經濟管理學院特聘教授，主要研究方向為產業經濟、技術經濟。