黑龍江省生產性服務業影響因素的實證研究

[摘要]黑龍江省生產性服務業發展起步晚，主要以小企業為主，在經營理念、經營方式以及自身擁有的資源方面都存在不足。利用2003—2013年數據，對黑龍江省生產性服務業發展現狀及其影響因素進行實證分析，結果表明，黑龍江省生產性服務業發展較為緩慢，其中制造業發展和財政支出情況對其影響顯著，而人均GDP和人均專利申請書數量的影響并不顯著。

[關鍵詞]黑龍江省；生產性服務業；影響因素

[中圖分類號]F7269[文獻標識碼]A[文章編號]2095-3283（2015）02-0057-03

[作者簡介]周彤（1990-），女，黑龍江佳木斯人，碩士研究生，研究方向：決策技術與風險評估。

[基金項目]哈爾濱商業大學研究生創新科研項目“哈大齊工業走廊”生產性服務業與制造業的聯動發展研究（項目編號：YJSCX2013-275HSD）。一、引言

生產性服務作為其他部門的中間投入品，通過知識和技術專業化大大提高了生產性服務的信息和知識密度，增加了產品和服務的附加值，提高了生產效率和競爭力。

伴隨著近幾年國家和各地方政府對服務業發展的重視，黑龍江省的服務業有了飛速的發展，2013年服務業總產值594792億元，占GDP的414%，遠遠高于第一產業，并且在不斷增長。

圖1黑龍江省服務業及生產性服務業占

GDP比重、生產性服務業占服務業比重由圖1可以看出，黑龍江省生產性服務業和第三產業增加值占GDP的比重有大體相似的發展趨勢，雖然有些小的波動，但總體呈增長趨勢。黑龍江省生產性服務業占第三產業的比重近五年一直處于50%以上的較大比重。生產性服務業占GDP的比重提升緩慢，主要是因為黑龍江省經濟發展還處在經濟結構轉型過程中，傳統的經濟發展模式仍占主導地位，工業占GDP的比重較大。目前，黑龍江省生產性服務業存在企業總體競爭力較弱，發展結構不合理，缺乏系統、完善、有效的政策支撐等問題。加快發展黑龍江省生產性服務業已成為推動黑龍江省產業結構優化升級的當務之急[1]。

二、黑龍江省生產性服務業發展影響因素的實證分析

（一）數據的選取和研究方法

為了考察黑龍江省生產性服務業發展的影響因素，分別從需求和供給兩方面來進行考察，具體包括以下五個因素：經濟發展模式制約、市場機制問題、體制障礙、經濟發展水平、創新發展水平。這五個因素在建立模型檢驗時需要予以具體化，以便量化處理。因此，本研究選取生產性服務業增加值占GDP比重（Y）為因變量，選取制造業占GDP比重（X1）、人均GDP（X2）、財政支出占GDP比重（X3）、人均專利申請書（X4）為自變量，部分指標計算方法如下：

生產性服務業占GDP比重（Y1）

=生產性服務業增加值地區生產總值GDP（1）

制造業占GDP比重（X1）=制造業增加值地區生產總值GDP（2）

財政支出占GDP比重（X3）=財政支出總值地區生產總值GDP（3）

人均專利申請書（X4）=專利申請總數年末總人口（4）

選取黑龍江省2003—2013年以上五個指標的時間序列數據，采用多元線性回歸模型進行建模，數據來源為歷年《黑龍江統計年鑒》。

（二）模型描述

本研究選用計量經濟分析中最常用的多元線性回歸模型對上述因素進行實證檢驗。多元線性回歸模型的一般表現形式：

Yi=β1+β2Xi2+…+βkXik+εi，i=1，2，…，n（5）

其中，k為解釋變量的數目，βj（j=1，2，…，k），習慣上把常數項看作取值恒為1的變量的系數，上述表達式也被稱為總體回歸函數的隨機表達形式。其非隨機形式為：E（YXi1，Xi2，…，Xik）=β1+β2Xi2+…+βkXik，表示各變量X值固定時Y的平均響應。

βj也稱為偏回歸系數，表示在其他解釋變量保持不變的情況下，Xj每變化一個單位時，Y的均值E（Y）的變化。或者說βj給出了Xj單位變化對Y均值的“直接”或“凈”（不含其它變量）影響。

（三）模型的建立

根據多元線性回歸模型，構造模型一：

Yi=β0+β1Xi1+β2Xi2+β3Xi3+β4Xi4+μi（6）

設置顯著水平為05，根據最小二乘原理估計各參數值如表1所示：

表1模型一的回歸結果變量參數估計值參數標準差T統計量P值C02582590008311310735700000X1-00806020060806-132555702332X2397E-06688E-07-576844800012X301314830056164234107800578X433064172625544125932602547R-squared0966666DW值2568543調整R-squared0944444F統計量4349947根據回歸結果X2和X4的效果不顯著，根據對比之后，剔除自變量X4，構建回歸模型二：

Yi=β0+β1Xi1+β2Xi2+β3Xi3+μi（7）

運用最小二乘法對模型二的變量進行回歸估計，回歸估計結果如表2：

表2模型二的回歸結果變量參數估計值參數標準差T統計量P值C02557690008404304357000000X1-01325370046516-284928900247X20023537663E-07-549103900009X301960830023806823680900001R-squared0957856DW值2262328調整R-squared0939794F統計量5303187可見，修改后模型的各解釋變量通過了T檢驗，各解釋變量對被解釋變量影響顯著。R-squared=0957856，修正后的R-squared=0939794，估計的回歸方程與樣本觀測值擬合很好，模型二的估計結果為：endprint

Yi=0255769-0132537Xi1+0023537Xi2+0196083Xi3+μi（8）

（四）模型的計量經濟學檢驗

對模型二進行經典計量經濟學檢驗，包含異方差性檢驗、自相關性檢驗和多重共線性檢驗。

1異方差檢驗

對于模型

Yi=β0+β1Xi1+β2Xi2+…+βkXik+μi（9）

同方差性假設為

Var（μi|Xi1，Xi2，…，Xik）=δ2，i=1，2，…n（10）

這里用兩種方法對模型二同方差性進行檢驗：圖示法和懷特檢驗法。

（1）圖示法——殘差的圖示檢驗

使用Eviews50，可以得出模型二的殘差圖，如圖2：

圖2模型二的殘差圖由圖2可以看出，殘差分布的離散程度并不存在明顯的擴大或縮小的趨勢，則表明y的離散程度與解釋變量之間并不存在一定的相關關系，所以可以初步判斷模型不存在異方差性。但是圖示檢驗法只能粗略地判斷模型是否存在異方差性，如果方差不太明顯，還需要采用較為精確的方法。下面采用懷特檢驗法對模型的異方差性進行再次檢驗。

（2）懷特檢驗

利用懷特檢驗進行異方差檢驗，檢驗結果如表3：

表3模型二的異方差檢驗指標數值指標數值F-statistic3711500ProbF（9，1）03838Obs*R-squared1068027ProbChi-Square（9）02983Scaled explained SS2398739ProbChi-Square（9）09835ProbF（9，1）=03838>005，因此接受原假設，模型二不存在異方差，因此可以排除異方差對該模型的影響。

2序列相關性檢驗

序列相關性是指對于不同的樣本值，隨機干擾之間不再是完全相互獨立的，而是存在某種相關性，又稱自相關（auto correlation），是指總體回歸模型的隨機誤差項之間存在相關關系。計量經濟學模型一旦出現序列相關性，如果仍用普通最小二乘法估計模型參數，會產生許多不良后果，如參數估計量非有效、變量的顯著性檢驗失去意義以及模型的預測失效等。因此，運用拉格朗日乘數（LM）檢驗法對模型二的序列相關性進行檢驗，檢驗結果如表4：

表4模型二的自相關檢驗指標數值指標數值F-statistic0978224ProbF（2，5）04380Obs*R-squared3093667ProbChi-Square（2）02129ProbF（2，5）=04380>005，接受原假設，模型二不存在序列自相關性，因此可以排除自相關性對該模型的影響。

3多重共線性檢驗

對于模型二的多重共線性的檢驗如表5：

表5模型二的相關系數表YX1X2X3Y1000000-04402920548760-0298161X1-0440292100000009805480984191X2-0548760098054810000000956731X3-0298161098419109567311000000由表5發現X1、X2與X3間存在高度相關性，采用逐步回歸法來修正多重共線性，將這3個解釋變量分別與被解釋變量作線性回歸，尋找最佳回歸方程，如表6。

表6逐步回歸表CX1X2X3R-squaredf（X1）0207247-00306190760283t值3099936-1471145f（X1，X2，）026918401765290549386t值106748620993552512351f（X1，X3，）0210657-032554602273530876325t值5530239-49584784564275第一步，分別作Y與X1，X2，X3間的回歸，回歸結果顯示，Y受X1的影響最大，因此建立Y= f（X1）為初始的回歸模型。

第二步，引入X2，擬合優度降低，因此剔除X2，引入X3，擬合優度提高，且參數符號合理，變量也通過了t檢驗，因此確定模型三Y=f（X1， X3，）為最優模型，模型三的擬合結果如下：

Yi=0210657-0325546Xi1+0227353Xi3+μi（11）

三、結論與建議

從模型一的檢驗結果來看，黑龍江省生產性服務業受到制造業增加值占GDP的比重、人均GDP、政府財政支出占GDP比重的影響，但是受人均專利申請數的影響并不顯著。從模型二的結果來看，人均GDP水平、政府財政支出占GDP比重將對生產性服務業的發展產生正的影響，而制造業占GDP比重將對生產性服務業的發展產生負的影響。模型中的各個自變量是生產性服務業影響因素的量化。

從實證模型的系數來看，幾個因素中X2的回歸系數是最大的。從理論分析可知，第二產業的發展對生產性服務業的影響需要一分為二地看：一方面，第二產業制造業規模和水平的提高，可以促進社會分工的深化和生產率的提高，這樣有利于制造業企業將生產環節中的服務外包出去，拓展生產性服務業的市場規模。從這個角度來講，第二產業尤其是制造企業的發展，將會對生產性服務業的發展產生積極的影響。但另一方面，黑龍江省現階段產業結構不合理，正處于由粗放型增長模式向集約型增長模式的過渡階段，經濟增長仍然主要依靠第二產業帶動。政府投資和企業投資多集中于制造業，這樣不利于生產性服務業乃至整個服務業的發展。

我國生產性服務業創新能力仍有待提高。在模型一中，X4人均專利申請數作為生產性服務業創新因素的替代，其對生產性服務業的發展影響并不顯著。黑龍江省現階段創新型人才培養體系滯后，而生產性服務業的發展，尤其是新興業態生產性服務業的發展需要大量的創新型人才。但目前由于人才匱乏，生產性服務業領域的創新難以實現本質的突破，因此對生產性服務業發展的影響并不顯著。

[參考文獻]

[1]楊海珊，王金歷黑龍江省生產性服務業高端化發展研究[J]商業經濟，2013（3）：50-55

[2]張世賢分工、互動與融合：服務業與制造業關系演進的實證研究[J]中國軟科學，2013（10）：65-76

[3]陳曉峰生產性服務業與制造業互動融合：特征分析、程度測算及對策設計——基于南通投入產出表的實證分析[J]華東經濟管理，2012（12）：36-42

[4]綦良群，李慶雪裝備制造業與生產性服務業互動發展機理研究[J]科技與管理，2013（2）：49-52

[5]朱培培北京市生產性服務業與現代制造業互動關系研究[D]北京工業大學，2013

（責任編輯：喬虹）endprint