服務業全要素生產率研究基于絲綢之路經濟帶數據

喬虹

摘 要：基于考慮人力資本的非參數Malmquist指數法，測算中國絲綢之路經濟帶沿線九省市2003～2012年服務業全要素生產率（TFP）變動情況，從技術進步與技術效率兩方面考量服務業TFP。結果發現，絲綢之路沿線九省市服務業TFP的增長主要源于技術進步的貢獻，而技術效率卻在惡化，同時人力資本對技術進步和技術效率均具有正向貢獻。結果表明：交通基礎設施、對外開放和財政金融支持都對服務業TFP的增長具有顯著正向促進作用。鑒此，應強化交通基礎設施建設，實現道路互通；深化對外開放，推動貿易暢通；增強財政金融支持力度，推進貨幣流通。

關鍵詞： 服務業全要素生產率；人力資本；技術進步；技術效率

中圖分類號：F719 文獻標識碼： A文章編號：1003-7217（2016）02-0123-05

一、引 言

2013年9月7日，國家主席習近平在哈薩克斯坦納扎爾巴耶夫大學作重要演講，提出共同建設“絲綢之路經濟帶”，并指出要通過加強“五通”（政策溝通、道路聯通、貿易暢通、貨幣流通、民心相通）建設來全面打造絲綢之路經濟帶，絲綢之路經濟帶建設上升為國家戰略。絲綢之路經濟帶是在“古絲綢之路”概念基礎上形成的一個新的經濟發展區域，被認為是“世界上最長、最具有發展潛力的經濟大走廊”。絲綢之路經濟帶作為一條集交通、物流、貿易、投資與金融的大通道，對沿線各國以及中國沿線各省市的經濟發展具有積極意義。建設絲綢之路經濟帶是實現全球經濟一體化的重要戰略平臺，有利于推動全球經濟的持續發展；建設絲綢之路經濟帶可以形成區域高度開放型經濟合作網絡，有利于沿線國家、地區實施多種形式并舉、靈活務實的經濟合作安排；建設絲綢之路經濟帶是中國發揮國內比較優勢的重要途徑，有利于沿線各省市利用自身資源，提升經濟發展質量。中國西部地區大部分省市處于絲綢之路經濟帶上，因此抓住構建絲綢之路這一戰略機遇，努力推動“五通”建設，對于加快西部地區經濟發展速度，提升技術水平具有重要意義。為此，本文將在測算絲綢之路經濟帶沿線上中國西部九省市（區）的服務業全要素生產率基礎上①，分析其生產技術水平，并通過面板計量研究道路相通、貿易暢通和貨幣流通對服務業生產率的具體影響，以期為沿線各省制定區域發展政策，提升服務業生產率提供參考。

近年來，國內學者在中國服務業全要素生產率研究方面已做出許多有益的探索。一些學者從國家層面和地域層面來研究服務業全要素生產率，例如：楊向陽、徐翔（2006）利用非參數Malmquist指數方法對中國服務業全要素生產率的增長狀況進行測算，并將其分解為技術效率和技術進步，結果表明，1990～2003年中國服務業全要素生產率的平均增長率的提升主要得益于技術進步水平的提高[1]。劉興凱、張誠（2010）使用非參數的Malmquist指數方法測算了中國28個省區市1978～2007年服務業全要素生產率（TFP）變動情況，測算表明，在TFP的變化中，技術進步的“增長效應”明顯，但技術效率的“水平效應”相對有限[2]。楊向陽（2012）采用HicksMoorsteen指數方法估算了1978～2002年中國東部九省服務業全要素生產率（TFP）的增長情況，結果發現，東部九省服務業TFP的增長率為主要原因是技術進步水平的提高，技術效率的貢獻率明顯偏低[3]。另外，部分學者對服務業中的生產性服務業的全要素生產率進行分析，例如：原毅軍等（2009）考察了中國生產性服務業全要素生產率的變化及地區差異，研究表明，中國生產性服務業全要素生產率呈現負增長，且東部地區全要素生產率下降的速度要遠低于中西部地區[4]。張自然（2009）利用中國29省市生產性服務業面板數據，測算了中國東、中、西部地區的全要素生產率，并將其分解為技術進步和技術效率。研究表明，技術進步對TFP增長起主要作用，技術效率則起補充作用[5]。最后，從國內學者研究服務業全要素生產率的方法上看，大部分學者采用的是非參數方法中的數據包絡分析方法（DEA），另有少量學者采用的是參數方法中的生產函數法和隨機前沿模型，例如：徐宏毅（2004）基于超越對數前沿生產函數模型，對1992～2002年全要素生產率（TFP）對服務業增長的貢獻進行估算，結果表明，TFP的貢獻多達30.8%[6]。顧乃華（2005）借助隨機前沿生產函數模型，使用面板數據，分析了1992～2002年間我國服務業的增長效率特征，研究表明：中國服務業的發展未能挖掘出現有資源和技術的潛力，技術效率比較低下[7]。

隨著建設絲綢之路經濟帶的提出，測算絲綢之路經濟帶沿線相關省域近年來的服務業全要素生產率，并在此基礎上分析道路相通、貿易暢通和貨幣流通對生產率的影響具有現實意義。目前，國內外學者對絲綢之路經濟帶服務業全要素生產率的研究尚處空白，本文嘗試利用數據包絡分析法（DEA）和面板數據計量分析技術，基于2003～2012年面板數據，對中國絲路沿線西部九省市的服務業全要素生產率及其影響因素進行研究。

二、模型與方法

本文基于Malmquist指數模型測度絲綢之路經濟帶沿線九省市服務業全要素生產率。Malmquist指數最早由瑞典經濟學家Sten Malmquist在進行消費分析時提出，后來Caves，Fare等運用該指數測算生產率的變化。Malmquist指數的實質是通過兩個不同時刻距離函數的比值來刻畫生產率的變化，然后借助于數據包絡分析法來對距離函數求解。Malmquist指數的計算公式為：

三、變量與數據來源

本文在測算絲綢之路經濟帶服務業全要素生產率時，除了采用資本和勞動作為投入變量以外，還納入了人力資本變量，這是由于隨著知識與科技的進步，人力資本在服務業的發展過程中發揮著越來越大的作用。本文基于2003～2012年絲綢之路經濟帶九省市面板數據進行實證分析，全要素生產率TFP的測算主要包含四個數據變量：服務業產出、勞動投入、資本投入、人力資本投入，這四個數據變量的詳細介紹如下：

1.服務業產出。選取絲綢之路經濟帶9省市歷年服務業增加值作為衡量指標。其中，2005～2012年服務業增加值數據來自《中國第三產業統計年鑒》，2003～2004年服務業增加值數據來自絲綢之路經濟帶9省市地方統計年鑒。為保證數據的有效性，所有增加值數據都以2002年為基準進行了換算。

2.勞動投入。選取絲綢之路經濟帶9省市服務業歷年年底就業人數作為衡量指標。所有數據來自于歷年各省市地方統計年鑒。

3.資本投入。選取絲綢之路經濟帶9省市歷年服務業資本存量作為衡量指標。由于我國并沒4.人力資本投入。在本文中，人力資本沒有作為直接的要素投入，而是將其反映到納入人力資本的擴展型勞動力變量概念上。如果一個省的服務業勞動力平均受教育年限為E，那么擴展型的勞動力H可寫為：H=e（E）L=hL。其中，e（E）是一個線性分段函數，衡量一個平均受教育年限為E的勞動力的勞動效率[10]。由于我國統計資料中并沒有各省服務業從業人員的平均受教育年限，本文以各省從業人員的平均受教育年限作近似替代，相關數據來自《中國人口和就業統計年鑒》。在測算勞動效率時，還需要教育收益率數據，本文采用Hall和Jones對中國教育收益率的研究數據，即中國的教育收益率在小學階段為0.18，中學為0.134，高等教育階段為0.151。將受教育年限在0～6年之間的收益率系數確定為0.18，6～12年為0.134，12年以上為0.151。例如，假設一個省的服務業從業人員平均受教育年限為13年，那么該省的勞均人力資本存量為：

四、實證結果分析

基于上述四個投入與產出變量，以絲綢之路經濟帶九省市2003～2012年面板數據為基礎，利用DEAP 2.1軟件，對絲綢之路經濟帶服務業全要素生產率及其分解的測算情況如表1所示。由表1可見，2003～2012年間，絲綢之路經濟帶九省市服務業全要素TFP平均增長率為4.1%，其中，技術進步年均增長率為4.8%，技術效率年均增長率則為-0.6%。由此可以看出，服務業TFP的增長是技術進步推動的結果，而技術效率的惡化（進一步看是規模效率的惡化）則拉低了服務業TFP的增長水平。這表明在2003～2012年的十年間，隨著中國加入世界貿易組織，絲綢之路經濟帶九省市的對外開放程度進一步加深，外資企業的涌入促進了市場經濟的發展，為了在劇烈的市場競爭中占有一席之地，國內企業積極引進先進技術，購置先進設備，加大科研開發力度，推動了服務業的技術進步。但是絲綢之路經濟帶九省市服務業內部的行業分工不合理，沒有形成規模經濟，導致了規模效率的降低。

以上是從宏觀上對整個絲綢之路經濟帶九省市服務業TFP及其分解進行了分析。2003～2012年間測算的分省區服務業TFP及其分解如表2所示。從表中可以看到，2003～2012年，除四川省之外的其他八省市的服務業TFP均為正向增長，其中重慶市年均增長率最快，高達11.5%。平均增長率高于5%的省市為：重慶，寧夏，新疆；平均增長率在2%～5%之間的包括甘肅、陜西、云南；而廣西、青海的平均增長率低于2%，這八省市的服務業TFP的增長主要來自于技術進步，而技術效率的貢獻不大甚至為負。四川省的服務業TFP為負增長（-0.9%），雖然技術進步為正，但是不足以抵消技術效率的惡化，從而使得其全要素生產率降低。

總體來看，在2003～2012年間，絲綢之路經濟帶各省區之間，TFP增長差異較大。從TFP增長的源泉看，與上文分析整個絲綢之路經濟帶的情況一致，即服務業TFP的增長主要是技術進步推動的，技術效率貢獻不大。

本文將人力資本作為投入要素對服務業TFP進行了測算，為了與沒有考慮人力資本時的服務業TFP對比，表3給出了比較結果。從中可以發現，考慮人力資本時，2003～2012年期間絲綢之路經濟帶的平均TFP增長率（4.1%），低于不考慮人力資本時的服務業TFP平均增長率（4.6%）。而技術進步TEC增長率為4.8%，低于不考慮人力資本時的5.1%；同時技術效率增長率（0.2%）比不考慮人力資本時的（0.5%）要低，說明不考慮人力資本變量，會高估技術進步指數與技術效率指數。這也間接說明人力資本對技術進步和技術效率均具有正向的促進作用。

在將人力資本與勞動、資本一起作為投入要素測算服務業TFP時，之所以出現TFP增長率的降低是因為人力資本作為擴展型勞動力的一部分，提高了勞動力的效率與質量，將人力資本對于全要素增長率的貢獻剔除，那么全要素生產率的增長就會下降。

五、絲綢之路經濟帶服務業TFP的影響因素分析

近年來對服務業全要素生產率影響因素的研究，國內學者已經做出了一些有益的較深入的研究。顧乃華（2008）從市場化程度、就業人員教育水平、起點因素和資本密集度等方面對服務業TFP的變化進行研究[11]。張先鋒等（2010）研究了研發資本、人力資本、公共基礎設施資本對服務業全要素生產率的影響[12]。周文博等（2013）著重分析了FDI與服務業全要素增長率的關系[13]。前文指出，加強“五通”建設，對于全面打造絲綢之路經濟帶具有關鍵作用，為此本文分別選取交通基礎設施、對外開放和財政金融支持三大因素考察道路聯通、貿易暢通和貨幣流通對絲綢之路沿線九省市服務業全要素生產率的具體影響，實證分析中采取的一組控制變量包括產業結構、城鎮化水平、勞動力素質和經濟發展水平。

（一）指標選取與數據說明

本文選取的交通基礎設施衡量指標包含貨運總量和鐵路營業線路里程，對外開放的衡量指標包括進出口貿易總額和外商直接投資，財政金融支持的衡量指標為公共財政收入和貸款余額，并依次選取第三產業增加值占比、城鎮化率、人均受教育年限和人均GDP作為產業結構，城鎮化水平、勞動力素質和經濟發展水平的衡量指標。相關數據來自于歷年《中國統計年鑒》、絲綢之路經濟帶九省市地方統計年鑒以及中經網統計數據庫，時間跨度為2003～2012年。

（二）模型構建

首先對面板數據進行平穩性檢驗，發現所有變量都是零階平穩的。因此，建立的計量模型如下：

六、結論與政策啟示

本文運用非參數估計的Malmquist指數法，并考慮人力資本要素的作用，對2003～2012年絲綢之路經濟帶九省市服務業TFP的增長進行測算和分解。發現絲綢之路經濟帶沿線九省市TFP的增長呈現出了明顯的省際差異，但是服務業TFP的增長主要來自于技術進步的貢獻，技術效率卻在惡化。同時本文比較了是否考慮人力資本要素對服務業TFP增長的作用，發現若忽視人力資本因素，會高估技術進步指數與技術效率指數，表明人力資本間接促進了技術進步和技術效率。最后本文從道路聯通、貿易暢通和貨幣流通的視角，實證分析它們對絲綢之路經濟帶服務業TFP的具體影響，結果表明：交通基礎設施、對外開放和財政金融支持均對服務業TFP的增長產生正向促進作用。

基于上述結論，本文提出如下政策建議：（1）人力資本水平的提高對服務業技術進步和技術效率的提升均具有顯著的促進作用，絲綢之路經濟帶各省應加大教育投入力度，不斷提高教育發展水平，增強勞動力素質，提升人力資本積累水平以加強技術創新和吸收能力。（2）強化基礎設施建設，實現道路互通。沿線各省一方面應積極優化自身交通基礎設施網絡，提高運輸效率，促進交通運輸服務業的發展，另一方面要加強同絲綢之路經濟帶沿線國家的公路、鐵路等交通基礎設施建設合作，為服務貿易往來提供便利。（3）深化對外開放，推動貿易暢通。沿線各省一方面應提高對外開放水平，尤其加強同中亞等國家服務經貿往來，通過貿易促進生產率的提高，另一方面應充分利用外資，優先引進對技術進步具有重要促進作用的外商投資。（4）增強財政金融支持，推進貨幣流通。沿線各省一方面應加大對從事服務業的中小型企業的扶持力度，對科技含量高的企業實施財政補貼和稅收減免，另一方面，積極推動區域金融合作，優化金融資源配置，使其重點流向技術效率較高的企業。

注釋：

①本文中西部九省市（區）包括陜西、甘肅、青海、寧夏、新疆等西北五省以及重慶、四川、云南、廣西等西南四省市（區）。

參考文獻：

[1]楊向陽，徐翔.中國服務業全要素生產率增長的實證分析[J].經濟學家，2006，（3）：68-76.

[2]劉興凱，張誠.中國服務業全要素生產率增長及其收斂分析[J].數量經濟技術經濟研究，2010，（3）：55-67.

[3]楊向陽.基于HicksMoorsteen指數法的中國服務業TFP分解——以東部九省為例[J].財貿研究，2012，（1）：62-69.

[4]原毅軍，劉浩，白楠.中國生產性服務業全要素生產率測度——基于非參數Malmquist指數方法的研究[J].中國軟科學，2009，（1）：159-167.

[5]張自然.考慮人力資本的中國生產性服務業TFP分解[J].經濟前沿，2009，（8）：12-18.

[6]徐弘毅，歐陽明德.中國服務業生產率的實證研究[J].工業與工程管理，2004，（5）：73-76.

[7]顧乃華.1992—2002年我國服務業增長效率的實證分析[J].財貿經濟，2005，（4）：85-91.

[8]宋海巖，劉淄楠，蔣萍等.改革時期中國總投資決定因素的分析[J].世界經濟文匯，2003，（1）：44-56.

[9]徐現祥，周吉梅，舒元.中國省區三次產業資本存量估計[J].統計研究，2007，（3）：6-13.

[10]彭國華.中國地區收入差距、全要素生產率及其收斂分析[J].經濟研究，2005，（9）：19-29.

[11]顧乃華.我國服務業發展的效率特征及其影響因素[J].財貿研究，2008，（4）：60-67.

[12]張先鋒，丁亞娟，王紅.中國區域全要素生產率的影響因素分析——基于地理溢出效應的視角[J].經濟地理，2010，（12）：1955-1960.

[13]周文博，樊秀峰，韓亞峰.服務業FDI技術溢出與服務業全要素生產率增長——理論分析和基于中國的實證檢驗[J].華東經濟管理，2013，（6）：92-97.

（責任編輯：鐘 瑤）