安徽省生產性服務業技術效率研究

桑林穎，許廣永

（安徽財經大學 工商管理學院，安徽 蚌埠 233000）

安徽省生產性服務業技術效率研究

桑林穎，許廣永

（安徽財經大學 工商管理學院，安徽 蚌埠 233000）

技術效率是技術需求的量化分析，選取2005—2015年數據，運用Super-SBM模型和Malmquist生產率指數法，評估安徽省生產性服務業技術效率發展潛能，對比分析其內部七大行業效率均值的波動幅度和改進調整.結果顯示：考察期內安徽省生產性服務業的技術效率集中在0.3～0.6之間，效率改進空間較大，受產出成效增長勢頭壓制效率值低下；七大行業各具特點，效率波動較大，技術活躍度較高的行業較之資金投入為主的傳統服務業效率值更接近最優前沿面，產出成效更大.因此，需調整要素組合方式，提高生產性服務業效率改善帶動的規模收益和增值收益.

安徽省；生產性服務業；Super-SBM模型；Malmquist指數法；技術效率

2016—2020年“十三五”規劃,中央提出“加快轉變經濟發展方式”,大力發展第三產業,拓展生產性服務業.作為貫徹落實長江經濟帶戰略的重要省份,位于下游產業鏈的安徽省2016年啟動實施了參與長江經濟帶建設三年行動計劃.長三角中心城市輻射帶動功能和產業集聚效應并重,使得其經濟增長方式轉變的速度明顯加快.

通常情況下,經濟增長來源于資本存量增加、效率改善和技術引進帶來規模收益的遞增［1］.而生產性服務業的技術支撐和戰略導向作用是第三產業價值鏈攀升的關鍵環節［2］,影響經濟增長效率,并且提升其增值效益能加快實現減物質化目標［3］,因此是安徽省第三產業加快融合、協調發展的重要切入點,其效率研究更具經濟學價值.再者,生產性服務業對高異質性部門、不同行業間的經濟學意義更是大相徑庭［4］.因此基于細分部門探討其效率水平和變化態勢具有應用價值.

效率研究是對投入產出能否達到預期的度量,對生產性服務業效率的研究能使我們了解該服務業的效率特征,從數量上評估其行業生產要素組合狀況.生產性服務業是技術引進、技術創新的載體,根據國家2011年新修訂的國民經濟行業分類標準,其包括信息傳輸、計算機服務和軟件業；科學研究、技術服務和地質勘查業；交通運輸、倉儲和郵政業；批發和零售業；金融業；房地產業；租賃和商務服務業.本文將圍繞安徽省生產性服務業及其內部各行業的技術效率展開分析.首先測度安徽省生產性服務業技術效率,接著將技術效率分解,對比分析其時間變化,對非有效行業的投入產出冗余、潛在不足進行調整改進,最后通過對效率指標動態分解并考察細分行業技術效率的同時技術進步指數.

1 文獻回顧

在效率評估數理模型框架下,技術效率將經濟單元實際生產值與最優值的比較轉變為數學線性規劃中產出與前沿面的差額,更為直觀地反映行業現有技術的發揮程度.對于技術效率的研究,Charnes、Cooper從投入產出面給出相對效率評估概念,結合DEA模型方法加以測算［5］.Fare等人首次將Malmquist指數與DEA理論相結合,將非參數線性規劃方法應用到研究中［6］.之后,關于技術效率的研究和涉及領域不斷擴展.Kumar、Russell基于1965—1990年57個國家服務業相關數據,在DEA框架下考察勞動產出與技術效率、技術進步及資本投入變化的關系［7］.Chiu和Jan等使用DEA模型對我國臺灣地區銀行業進行效率評價［8］.Hakyeon和Chul hyun利用DEA模型衡量服務業整體質量,提出改善非有效性決策單元方法［9］.尹琳琳基于1993—2007年我國31個地區服務業數據,用DEA方法檢驗分項效率指數的變動態勢及區域特征,結果表明我國服務業呈先增后降的倒U型增長趨勢［10］.

而高效目標下技術效率研究文獻絕大多數采用DEA方法,將服務生產力衡量轉換為服務單位的投入指標,如文獻［11,12］等,但這種處理忽視了實際生產過程中要素估算的異常值.

王美霞根據1991—2010年數據,構建變量假設模型,從時間和區域角度交叉分析中國生產性服務業整體效率有效性,同時深入研究內部細分行業動態效率變動情況,研究表明考察期內效率呈增長趨勢,行業差異明顯,但差異程度無明顯擴大趨勢［13］.陳文新等人利用Malmquist指數模型,分析效率的空間差異與變動趨勢,研究表明西北五省生產性服務業效率偏低,主要依靠技術進步的推動,技術吸收及創新投入發展勢頭充足,內生變量制約方面表現各異［14］.近年來松弛變量所致的非期望產出值已引起了國內學者的重視,如袁峰、陳俊婷通過網絡數據分析工具采集指標數據,運用SBM-DEA模型對國內電商網站的資源效率進行評價,對非有效性的網站提出優化對策［15］.李振通過Super-SBM模型在分析投入產出松弛變量的基礎上進而分析我國不同區域鐵路運輸的運營效率［16］.

綜上所述,有關生產性服務業技術效率的深入研究,內容上考慮到行業本身特性,從技術引進和技術創新角度對三大產業知識技術的支撐和推動作用；研究方法上,一是參數方法如隨即前沿生產函數法,設定假設變量模型構造邊界生產函數,可用相關回歸分析進行估算；二是非參數法如DEA方法模型,將實際決策單元的相對效率評估轉化為數學線性規劃問題.顯然,現有生產性服務業內細分行業技術效率在研究內容和研究方法上重復性較高,傳統的DEA、SFA效率測度方法沒有考慮要素松弛性問題.因此本文采用Super-SBM模型測算要素改進需求,Malmquist生產率指數考察細分行業動態效率演變趨勢,為安徽省生產性服務業的經濟技術水平的提升提出改進方向.

2 方法和數據來源

2.1 模型和方法

超效率模型能夠清楚反映連續時間內動態效率變化情況,方便動態考察生產性服務業細分行業的技術效率和技術進步.SBM(Slacks—based Measurement)模型基于非參數DEA理論,在目標函數中引入松弛變量,能同時對投入和產出的冗余進行分析,避免DEA測度的相對效率存在要素松弛問題［17］.Super-SBM模型在此基礎上又解決了同效率最優決策單元的排序問題［18］,其模型如下:

其中,ρ*為目標效率值,m為投入要素種類,k為產出要素種類,模型中下標的“0”表示特定被評價單元,X＝xij和Y＝yij分別表示各細分行業自身的投入和產出向量,xi0(i＝1…m)和yr0(r＝1…k)分別為x0和y0的元素,λj為權重向量,S―、S＋分別為投入冗余和產出不足的松弛變量.在Super-SBM模型的目標函數中,將松弛變量考慮在內,當度量指標單位發生變化時,ρ隨著松弛變量的增加而減小.

通過綜合分析投入產出指標,計算細分行業的技術效率,并根據松弛變量指出其投入產出調整數量,從時間上動態考察細分行業的技術效率.Malmquist指數法能夠有效解決DEA模型動態分析問題,其定義［19］如下:

其中,(xt,yt)表示第t期的輸入、輸出量,表示在t期技術參照下的距離函數.

將式(2)進一步分解式(3)左邊為Malmquist生產率指數,右邊為TEC(即技術效率)與TC(即技術進步)的乘積,前者測度決策單元實際產出到最佳生產前沿面之間的差額,估算現有技術是否能達到最大產出成效；后者預算技術吸收改進移動變化水平.進一步分解為

其中,PTEC代表純技術效率,SEC表示規模效率.由上述分析可知,Malmquist生產率指數無需設置生產函數的具體形式,但該方法對投入產出指標數據比較敏感,數據誤差波動較大,測算結果差異也會較大.

2.2 數據來源與處理

根據Super-SBM模型的理論特性,勞動與資本作為內部產業價值攀升必不可少的投入要素,不僅影響非期望產出值,而且對未來生產性服務業的效率提升、配置水平的影響同樣不言而喻.因此,本文選取服務業的產出、勞動投入和資本投入作為變量指標,樣本來源于2005—2015年《安徽省統計年鑒》.指標數據具體處理如下:

服務業產出 用7個細分行業的增加值來衡量.由于從1999年起,安徽省服務業的增加值以當年價格計算,再者大多數學者都采用較早年份進行統計測算以減少設定誤差對核算結果的影響,所以選取1999年的不變價來核算該指標.

勞動投入 由于生產性服務業細分行業勞動投入相關數據無法獲取,所以根據數據可得性原則,將各行業的“年末從業人員數”作為勞動投入指標的代理變量.

資本投入 參考大部分學者做法,采用永續盤存法測算資本投入.資本存量核算公式為Kt＝(1-δ)Kt-1＋It,其中I為每年投資額,選取安徽省生產性服務業歷年全社會固定資產投資作為指標［20］；δ為資本平均折舊率,參考大多數文獻取值為4%［21,22］.資本存量核算選定初始年份為2000年,因為2000年與前幾年的固定資產投入懸殊較大,也是安徽省資本投入進入相對平穩的過渡期.資本投入核算公式為K2000＝I2000／(g＋δ),其中g為考察期內實際GDP增加率均值.

3 結果分析

3.1 技術效率及其分解

基于超效率模型,利用DEAP2.1軟件,測算安徽省生產性服務業分部門的技術效率、純技術效率及規模效率.表1選取7個細分行業部分年份數據的效率演變趨勢,圖1和圖2則是根據表1結果分別繪制的歷年各項效率指標的均值及時間趨勢折線圖.

表1 生產性服務業細分部門效率及其分解（2005—2015）

生產性服務業技術效率,根據表1和圖1橫向上來看,整體經歷階段性波動上升過程.2005—2010年技術效率均值從0.356增加到0.500,整體呈持續上升趨勢,2011年下降到0.394,而后繼續呈現上升趨勢.可以預測2016年的效率值較之2015年略微減小,并且能夠清晰反映7大細分行業潛在產能發揮的質量.表明純技術效率和規模效率交替制約著生產性服務業技術效率.具體來說,2005—2010年主要以純技術效率的推動作用為主,規模效率作用略低；在2012年以后,要素資源和產業規模間日益磨合,規模報酬遞增凸顯規模經濟特征對行業效率的提升作用.可能是安徽省技術密集型生產服務業的發展,提高了某些行業的可貿易性,使得以前不能儲存和運輸的某些服務在“時空”上變得可分離,并顯現出類似有形產品的規模特征.

圖1 效率指標均值時間變化趨勢

圖2 分行業技術效率時間序列變化

7大細分行業的技術效率,從表1和圖2縱向來看,僅信息傳輸、計算機服務和軟件業典型的高知識技術投入在2010—2014年技術效率有效.

交通運輸、倉儲郵政業和批發零售業的技術效率值最低,純技術效率和規模效率較之其他行業效率值均有所減少,平均波動在0.100～0.200,意味著在目前技術水平上,其資源投入和產業規模不匹配.行業改革重點應該是技術改進和發揮行業規模效益；房地產業技術效率同樣處于無效率狀態,但基本呈上升趨勢.主要是因為近年來安徽省房地產業規模不斷擴大,規模經濟逐步提高,使得規模效率得到充分釋放.但制度和管理水平并沒有及時跟上,相對落后,純技術效率未能最大程度利用要素組合,行業規模低于最優生產規模,使得房地產業技術效率總體偏低.

其他4個行業波動較大,租賃商務服務業為代表的典型傳統型服務業和信息傳輸、計算機服務、軟件業為代表的技術知識密集型服務業,增長幅度在2010年達到最大,后者技術效率更是達到有效狀態；前者在2010年以前是持續增長,但在2011年技術效率大幅度下降到0.405,純技術效率由1.000下降到0.607,由此可知純技術效率是抑制其技術效率增長的主要因素.科學研究、技術服務、地質勘查業和金融業的發展方向在2011年以后完全相反.金融業技術效率值在2011年降到最低谷,之后呈現快速增長狀態并在2015年達到效率有效狀態；純技術效率僅在2011年為最低,其余年份皆為有效；規模效率呈現穩步增長趨勢,意味著近11年金融業規模經濟性得到提高,技術效率的改進以規模效率為主.2006年科學研究、技術服務和地質勘查業的效率值為0.970,以后提升空間不足,若進一步加大投入可能會陷入規模效益遞減的風險.

為了對行業非有效性進行更合理地解釋,需要對要素投入及產出冗余情況進一步分析.表2結合模型的松弛變量考察安徽省生產性服務業的投入、產出冗余程度或潛在不足(部分數據).

表2 各行業投入產出相關改進分析

1）資本投入方面 不同產業的資本密集程度決定其細分行業資本投入水平.其中,以信息傳輸,計算機服務軟件業,科學研究、技術服務和軟件業,地質勘查業,金融業為代表的高技術產業和以批發零售業、房地產業和交通運輸、倉儲郵政業為主的傳統型產業表現各異.前者資本利用效率較高,技術改進以管理創新為主,后者則存在較高的資本改進空間,說明技術效率低且與資本利用度呈正比.租賃和商務服務業在部分年份應該適當減少資本投入,表明從2005年到2015年傳統產業與租賃和商務服務業的資本投入要素利用非DEA有效,今后須控制資本過度投資,提高現有技術水平和資本投入利用率.

2）勞動投入方面 信息傳輸、計算機服務和軟件業、金融業和科學研究、技術服務和地質勘查業這類知識集中型產業表現較好,不存在勞動力要素投入過剩.租賃商務服務業2010年以前勞動力要素使用度不高,2013—2015年(部分年份未在表中顯示)勞動力投入冗余逐漸改善.房地產業則需在2005—2006年減少勞動投入1.1萬人.傳統型行業無論是物質還是人力投入,都應在現有技術水平上減少要素投入.交通運輸、倉儲郵政業和批發零售業,這兩個行業資源配置使用率低,由于行業本身特性加上經濟新常態下市場與信息的快速發展,行業面臨產業優化和調整,急需對勞動投入做出改進,提高產出成效.

3）產出方面 各細分行業無論是勞動投入還是資本投入,由于行業特性不同,資源利用程度存在差異,所以服務業增加值產出上表現各異.信息傳輸、計算機服務和軟件業表現較為良好,不存在產出不足的情況；金融業除2011年應增加產出1502.97億元外,其他年份也不存在產出不足；科學研究、技術服務和地質勘查業在2015年應增加產出1100.816億元；租賃商務服務業在2013年以后產出不足情況改善.傳統型產業每年均存在產出不足狀態,特別是技術效率最低的交通運輸、倉儲郵政業和批發零售業產出改進幅度逐年增加,但從這兩個傳統型行業的要素冗余與純技術效率的緊密程度來看,資本投入的改進較之勞動投入的改善能夠更有效地推動純技術效率的提高.

3.2 效率分解指數動態比較

前文中已介紹技術效率指數及非有效行業投入產出冗余、潛在不足的相關測算.接下來,從動態效率角度更為直觀分析效率指數的變化演變.將Malmquist生產率指數的5項效率指數進行動態效率比較,結果如表3、4所示.

表3 Malmquist生產率指數及其分項指數（2005—2015）

表4 細分行業生產率指數及分解均值（2005—2015）

1)從效率指數的時序變動來看,2005—2015年安徽省生產性服務業技術效率與技術進步的增長方向相反,技術效率年均增長率為-9.1%、技術進步為7.8%,TFP為-2.1%.總體來看,安徽省生產性服務技術效率的負增長對TFP的影響比技術進步更具推動作用.

2)在生產性服務業內部,技術進步年均增長率為7.8%.結合圖2和表4可以看出,僅批發零售業技術進步呈負增長,年均增長率為-10.9%,由于其高度依賴產業資金鏈的行業特性,即使效率水平提高也未能轉變該行業管理制度和規模經濟.結合表4各分解指數均值來看,技術效率指數為-19.5%,純技術效率指數均值為-19.4%,規模效率均值為1.2%.顯然,科學研究、技術服務和地質勘查業純技術效率的下降是行業技術效率倒退的主要原因.

3)按行業類別來分析,行業差異性顯著.金融業的技術效率和技術進步均為正增長,具有較強的資源配置能力,投入資源利用最大化.依賴資金鏈大量投入的交通運輸、倉儲郵政業和房地產業的技術效率增長均為負,行業發展仍以資本投入為主.傳統生產性服務業批發零售業TFP指數為負增長,金融業、租賃商務服務業為正增長,體現出生產性服務業內部行業發展的轉變.從3個指數的平均差異程度來看,技術效率、技術進步、TFP在2005—2015年的平均差異指數為-0.091、0.078、-0.059,技術效率的行業差異性最大,可能是因為各行業在員工技能、管理、組織方面存有較大的效率差異.

4 結論

通過對安徽省生產性服務業細分行業的技術效率變動情況、投入產出改進分析,得出以下結論:

第一,安徽省生產性服務業各行業技術效率整體較低,尚有較大提升空間.近年來規模效率有明顯改善,較之純技術效率而言,規模效率對技術效率的影響與日俱增,生產性服務業發展已逐漸顯現出規模經濟特征.這與周鵬分析安徽省生產性服務業投入規模對經濟增長貢獻率的考察結論［23］一致.

第二,技術效率總體呈負增長趨勢,技術進步呈正增長趨勢,TFP呈逐年負增長趨勢,說明安徽省生產性服務業依舊處于以資本投入為主的粗放型發展方式.無論從靜態效率還是動態效率角度來考察,提高純技術效率和發揮技術進步帶來規模收益的遞增還需要進一步改進.

第三,細分行業來講,技術知識集中型行業的投入產出比例已接近最優化,投入要素利用率較高；資本投入為主的傳統型服務業產出成效低,未能轉變成以管理制度和技術創新為主的發展方向［24］.與此同時,各行業生產未表現出明顯的規模效應,因此急需調整投入產出比例,發揮行業產出規模效應.

安徽省生產性服務業的改進應兼顧各行業對資本要素的異質性需求,分門別類地推進.最后需要指出的是,本文研究存在局限性,由于2005年以前安徽省對于服務業的分類較為模糊,只有傳統型服務業數據較為齊全,小部分行業計算指標數據缺失,且本文運用既有方法揭示了安徽省生產性服務業分行業技術效率和技術進步的現實表現,對于進一步的原因解析及變化趨勢解讀還有待今后更加深入研究.

［1］ 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.

［2］ 康 健,胡祖光.戰略性新興產業與生產性服務業協同創新研究:演化博弈推演及協同度測度［J］.科技管理研究,2015,35(4):154-161.

［3］ 劉純彬,李筱樂.生產性服務業發展與經濟增長的非線性關系［J］.上海經濟研究,2013(9):58-65.

［4］ 張志彬,張迎豐.中國生產性服務業全要素生產率測度及其區際差異分析［J］.技術經濟,2013,32(8):69-74.

［5］ CHARNES A,COOPER W W,LEARNER D B.Constrained information theoretic characterizations in consumer purchase behavior［J］.Journal of the Operational Research Society,1978,29(9):833-842.

［6］ FARE R.A microeconomic approach to the measurement of economic performance(book review) ［J］.Journal of Economics,1994,60(1):4638813.

［7］ KUMAR S,RUSSELL R R.Technological change,technological catch-up,and capital deepening:relative contributions to growth and convergence［J］.American Economic Review,2002,92(3):527-548.

［8］ CHIU YUNGHO,JAN CHYANLONG,SHEN DABAI,et al.Efficiency and capital adequacy in Taiwan banking:BCC and super-DEA estimation［J］.Service Industries Journal,2008,28(4):479-496.

［9］ LEE H,KIM C.A DEA-SERVQUAL Approach to measurement and benchmarking of service quality［J］.Procedia-Social and Behavioral Sci?ences,2012,40(7):756-762.

［10］ 尹琳琳,蘇 秦.中國服務業生產率的變動態勢及區域特征分析——基于數據包絡分析方法的實證研究［J］.軟科學,2009,23(11):73-78.

［11］ 鄭 云.我國服務業技術效率的收斂性分析［J］.社會科學家,2010(8):57-60.

［12］ 胡朝霞.FDI對中國服務業全要素生產率的影響——基于隨機前沿面板數據模型的分析［J］.廈門大學學報:哲學社會科學版,2010(4):115-122.

［13］ 王美霞.中國生產性服務業細分行業全要素生產率異質性與影響因素研究［J］.經濟經緯,2013(3):75-79.

［14］ 陳文新,韓春燕,潘明明,等.西北五省生產性服務業全要素生產率測度及空間差異性研究［J］.商業時代,2014(35):140-142.

［15］ 袁 峰,陳俊婷,邵祥理.基于SBM—DEA的保險電子商務網站效率評價［J］.保險研究,2015(3):36-45.

［16］ 李 振.基于Super-SBM DEA模型的中國鐵路運輸業生產效率研究［J］.重慶交通大學學報:社會科學版,2014,14(4):16-19.

［17］ TONE K.A slacks-based measure of efficiency in data envelopment analysis［J］.European Journal of Operational Research,2001,130(3):498-509.

［18］ TONE K.A slacks-based measure of super-efficiency in data envelopment analysis［J］.European Journal of Operational Research,2002,143(1):32-41.

［19］ MALMQUIST S.Index numbers and indifference surfaces［J］.Trabajos De Estadistica,1953,4(2):209-242.

［20］ 王恕立,胡宗彪.中國服務業分行業生產率變遷及異質性考察［J］.經濟研究,2012(4):15-27.

［21］ LEE L H.An enhanced Support Vector Machine classification framework by using Euclidean distance function for text document categorization［J］.Applied Intelligence,2012,37(1):80-99.

［22］ BARRO R J,LEE J W.A new data set of educational attainment in the world,1950 –2010［J］.Journal of Development Economics,2013,104(15902):184-198.

［23］ 周 鵬,胡 凱.安徽生產性服務業對經濟增長貢獻的實證研究［J］.華東經濟管理,2013(3):25-28.

［24］ 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.

F061.2

A

2095-4476（2017）11-0027-07

2017-08-31

2017年安徽財經大學重點科研項目(ACKY1714ZDB)

桑林穎(1993—),女,安徽明光人,安徽財經大學工商管理學院碩士研究生；

許廣永(1975—),男,安徽淮南人,安徽財經大學工商管理學院副教授,碩士研究生導師,主要研究方向:創新管理.

(責任編輯:饒 超)