中國科技服務業全要素生產率測度實證研究

摘要：運用DEA中的Malmquist指數方法測度了2006-2015年全國及30個省份科技服務業全要素生產率，考察了科技服務業全要素生產率的時序變化及區域差異，并通過σ收斂、絕對β收斂及條件β收斂檢驗對不同地區的收斂性進行分析。分析結果表明，10年間中國科技服務業生產率整體處于增長狀態，技術進步是生產率增長的主要推動力；科技服務業全要素生產率的區域差異水平處于波動狀態，存在經濟落后地區對經濟發達地區的“追趕效應”；科技服務業仍處于快速發展的初級階段，尚未形成合適的收斂路徑。

關鍵詞：科技服務業；全要素生產率；DEA-Malmquist指數

中圖分類號：F719

文獻標識碼：A DOI：10.3963/j.issn.1671-6477.2018.05.0020

科技服務業作為運用現代科學技術知識及研究分析方法，為社會提供智力服務的新興產業，與其他產業的發展息息相關，是推動我國產業結構優化調整，促進經濟提效增速的關鍵產業。我國《中共中央關于全面深化改革若干重大問題的決定》進一步強調要健全技術創新市場導向機制，促進科技與經濟融合，科技服務業的支撐與發展是關鍵。因此研究發展科技服務業具有顯要的戰略意義。近年來，我國科技成果增長迅猛，2016年，國家知識產權局共受理發明專利申請133.9萬件，同比增長21.5%，連續6年位居世界首位。技術交易市場發展態勢良好，科技服務業固定資產投資也逐年增長，2016年全國研究與試驗發展（RD）經費支出預計達15 440億元，比上年增加9%，占GDP比重為2.1%。各類實驗室、技術中心等科研機構、中介服務機構發展較為迅猛。在快速發展的同時，我國科技服務業仍面臨科技成果轉化率不高、區域發展不均衡、總量規模仍較小、品牌效應不明顯等問題。因此，系統研究科技服務業生產率，了解科技服務業發展效率，探究區域間科技服務業發展的差異及不同區域的收斂性，發現當前我國科技服務業中存在的問題與運行規律，具有重要的現實意義。

一、文獻綜述

由于世界各國科技發展水平不同，至今尚未對科技服務業的內涵進行統一界定，也就缺乏口徑相對統一的統計概念與結果。學者們從產業發展的角度[1-2]、組織結構角度[3]、職能角度[4]、系統角度[5]等不同方面對科技服務業進行了定義。2012年國家科學技術部出臺的《現代服務業科技發展“十二五”專項規劃》的科技服務業定義：基于信息網絡、運用現代科技知識、現代技術和分析方法，向社會提供智力服務和支撐的產業。國外的相關研究集中于知識密集型商業服務業（Knowledge Intensive Business Service，KIBS）。KIBS提出的背景是基于20世紀90年代知識和信息技術的發展日新月異，Daniel Bell首次提出KIBS這一概念[6]；Miles等對KIBS的認識是從知識角度觀察的，他認為 KIBS致力于創造、積累或擴散知識，并以此提供專門服務[7]。Den Hertog從更廣泛的角度定義KIBS為運用專業知識來提供中間產品和服務的組織[8]。

目前，對科技服務業的研究主要集中在以下幾個方面：第一，關于科技服務業競爭力評價研究。學者們通過構建指標體系，以省級或縣區級科技服務業的發展為研究對象，運用因子分析等方法，對科技服務業競爭力進行排名[9-11]。第二，科技服務業在科技創新中的運行機理以及科技服務業對經濟發展及其他行業的帶動作用。Dobrai and Farkas、Benoi^t Desmarchelier等國外學者實證研究的數據結果證實了KIBS對于經濟增長理論模型的支撐[12-13]。國內的學者也開展了這一領域的研究，比如許可對科技服務業促進科技創新的作用機理研究[14]；王智新對科技服務業與戰略新興產業融合發展對產業升級的影響研究[15]；謝泗薪對科技服務業與現代產業的互動模式研究[16]；周慧妮和龍子午對科技服務業與制造業協同發展研究[17]等。第三，科技服務業影響因素及發展對策研究。近年來較多學者開始研究科技服務業的影響因素，從影響因素角度對科技服務業發展進行研究，并針對影響因素提出發展對策。Wouter Jacobs等從企業角度研究了跨國企業對知識密集型行業的影響，得出了跨國企業對已經存在的知識密集型企業比初創的知識密集型企業有著更積極的影響[18]；張清正則是從多方面來探析科技服務業的影響因素，再通過實證分析進行驗證，他提出了影響科技服務業集聚發展的模型，將影響因素分為外部因素（經濟發展、政府行為、知識溢出）以及內部因素（交易費用、科技水平、規模經濟）[19]。學者們也從政策體系[20]、發展環境[21]和發展政策[22]等方面對科技服務業發展政策進行了廣泛研究。但是這些政策建議基本上都是遵循“問題—原因—對策”的思路，很少有研究從“數據—模型—對策”的思路展開研究。綜上所述，目前文獻主要針對科技服務業的發展現狀進行研究，缺乏對科技服務業生產率的研究，無法測量科技服務業的實際效率，不利于科技服務業政策的制定。

Vuorinen等指出服務業生產率的測量，要從數量和質量兩方面進行綜合衡量[23]。由于服務質量無法統一測度，而目前服務業統計數據僅體現服務業的量，無法測度服務業的質，顧乃華、李江帆認為測度數據的不全面導致測度技術效率下降[24]。目前國內外主要以下列三種方法來測量服務業生產率。

一是總量生產函數。程大中采用總量生產函數，假設規模報酬不變，利用1978-2000年的服務業相關數據，探索了投入要素、生產率和純技術進步之間的關系，研究結論顯示我國服務業的技術進步是由資本投入增加引起的[25]；楊向陽和徐翔在規模報酬可變的情況下運用可變替代彈性生產函數，分析了服務業生產率和規模報酬增減情況[26]。

二是隨機前沿生產函數方法。Aigner和Chu首先提出前沿生產函數模型[27]，他們將生產率分解為技術進步和技術效率，技術進步指一定投入要素的組合與最大產量之間的關系，技術效率指單個生產者的實際產出與前沿產出的差距（這里技術效率的概念同Farrell提出的概念[28]，認為技術效率是指在既定投入下，獲取最優產出的能力。徐宏毅和歐陽明德則基于超越對數前沿生產函數模型，運用1992-2002年間我國服務業的相關數據，對全要素生產率進行了測算，并對生產率與服務業增長之間的關系進行了探討[29]。

三是數據包絡分析（DEA）方法。王恕立利用Malmquist指數對中國各地區各行業的生產率指數進行了測度，研究結論指出我國服務業存在行業以及區域的異質性[30]。趙爽和李春艷采用數據包絡分析法對2006-2014年度我國30個省份的服務業全要素生產率增長率的水平進行了測量，結果表明我國服務業全要素生產率的增長主要依靠技術進步[31]。

目前科技服務業生產率的研究文獻報道還比較少，Biege指出目前服務業生產率的測量并未涵蓋創新以及知識密集的概念，現有的對服務業測量的經典研究有待商榷，并提出了自己的投入產出指標，即將投入分為科技服務提供者投入以及科技服務接受者投入，產出分為產出質量以及產出過程[32]。本文在對科技服務業生產率進行測量時，借用對服務業生產率的測量方法，考慮DEA能避免主觀因素，同時具備簡化算法，減少誤差的優越性，故采用DEA對近年來我國科技服務業的全要素生產率指數進行研究。

二、指標體系評價與模型構建

（一）科技服務業生產率指標構建

科技服務業生產率主要反映的是投入與產出之間的關系，其指標體系應分為投入指標和產出指標兩大類。指標的選擇應遵循以下三大原則：一是指標間相互獨立，避免指標內涵相互重疊，影響分析；二是指標能較好地反映科技服務業生產率的各個維度；三是指標要有可獲得性。基于以上三個原則，具體指標選取如下。

一級指標科技服務業投入下設兩個二級指標，分別為資本投入（I1）以及勞動力投入（I2）。在科布·道格拉斯生產函數中，通過測量美國的資本和勞動力對生產產量的影響，得出了產出與勞動力投入、資本投入之間的關系。借用柯布道格拉斯的研究思路，在研究科技服務業生產率時，將資本投入和勞動力投入作為二級指標。

一級指標科技服務業產出下設兩個二級指標，分別為產出規模（O1）、知識產出（O2）。為兩個維度的建立一是參考了柯布道格拉斯生產函數的產出，將產出規模納入考慮范圍；二是科技服務業作為知識密集型行業，如果僅從產出總量角度考慮該行業的產出，必然導致產出指標的不全面。Windrum在文章中闡述了知識是科技服務業主要的投入產出要素[33]，且許可探索了科技服務業知識創造和知識擴散的機理[14]，可見知識在科技服務業中扮演著重要角色，因此，在考慮產出時，將知識產出納入二級指標的范圍。因此產出的二級指標分為規模和知識兩個維度，較好地反映了科技服務業產出的量和質。

在二級指標資本投入中，下設三個三級指標，分別為RD經費支出（I11）、RD經費支出與國內生產總值之比（I12）以及科技服務業固定資產投資（I13），主要從經費和資本存量兩個角度考慮。科技服務業作為一個以知識與現代技術為社會提供智力服務的產業，在研發上的投入在一定程度上反映了科技服務業的投入狀況，RD經費支出則反映了科技服務業中的研發投入，經費的支持催生了大量的科研成果，是推動科技服務業產業發展的重要動力。考慮到后文還將做各省的比較研究，我國各省經濟實力相差懸殊，因此在考慮經費投入時，增加了RD經費支出占地區生產總值的比例這一指標，以正確反映經費支出對不同經濟實力的地區的科技服務業生產率的影響。科技服務業資本存量指標是基于柯布道格拉斯生產函數中資本存量投入指標設置的，反映了科技服務業的投入規模和技術水平。

在二級指標勞動力投入中，下設了三個三級指標，分別為RD人員全時當量（I21）、科技服務業就業人員數（I22）及科技服務業就業人員工資（I23），主要從兩個層面考慮，一是參照柯布道格拉斯生產函數，將科技服務業就業人數納入三級指標，反映了科技服務業的發展規模，但是科技服務業作為一個知識密集型行業，不同于勞動密集型行業，就業人數不足以反映整個行業的人力投入，而工資則可以作為補充，科技服務業是一個高科技產業，就業人員的工資水平相對于勞動密集型行業而言較高，因此在考慮勞動力投入時同時將就業人數以及工資水平作為三級指標；二是將RD人員數也納入考慮范圍，RD直接推動了科技服務業的整體發展，為科技服務業提供了源源不斷的科研成果和發展動力。

在二級指標產出規模下設兩個三級指標，分別為科技服務業增加值（O11）以及科技服務業市場成交額（O12）。科技服務業增加值反映了科技服務業整體產出規模，而市場成交額則反映了科技服務技術市場的活躍程度，在一定程度上反映了科技服務業的活力及規模。兩者綜合起來能較好地反映科技服務業產出總量以及質量。

在二級指標知識產出中，將專利授權數（O21）作為知識產出指標的反映，主要考慮到不同于專利申請量，專利授權數更能反映科技服務業的實際成果和質量。由于我國還未對科技服務業進行單獨統計，因此能反映科技服務業知識產出的指標有限，目前僅有專利授權數指標能較完整地反映知識成果產出。

根據上文分析，結合我國的統計分類，科技服務業生產率投入產出指標體系包含兩個一級指標；四個二級指標，其中投入指標兩個，產出指標兩個；九個三級指標，其中投入指標六個，產出指標三個，具體如下表1。

（二）數據來源與處理

2005年國家將科技服務業列入統計細分中，國民經濟行業分類與代碼（GB/T 4754-2002）中的M門類中的75（研究與試驗發展）、76（專業技術服務業）、77（科技交流和推廣服務業）、78（地質勘查業）四個大類即為科技服務業。本研究主要以此分類為依據進行數據收集與整理。

數據分為兩大部分，一部分是全國數據，根據指標體系搜集了我國2006-2015年的數據，數據主要來源于《中國統計年鑒》；另一部分是地區數據，選取2006-2015年中國30個省（市、自治區）科技服務業投入和產出的面板數據，數據均來源于《中國統計年鑒》、《中國科技統計年鑒》、《全國技術市場統計年度報告》及各地區統計年鑒，具有較強的可靠性。為保證計算過程中各年數據之間的可比性，用GDP平減指數將原始數據折算為以2005不變價格計算。通過對全國2006-2015年的數據進行描述性統計分析（見表2），比較各指標中的均值和標準差，未出現標準差遠大于均值的情況，說明數據中無異常值，可以進行下一步分析。

（三）模型構建

Malmquist 指數最初由Malmquist提出[34]，1982年Caves.將該指數用來測算生產率的變化[35-36]；隨后，該方法與DEA理論相結合，在生產率變化測算中的應用逐漸廣泛起來。數據包絡分析（Data Envelopment Analysis，簡稱DEA）是非參數方法中測度全要素生產率的一種重要方法，它由美國著名運籌學家Charnes、W.W.Cooper在1978年首次提出[37]。實證研究中，學者普遍采用Fare構建的基于DEA的Malmquist指數[38]。

Malmquist全要素生產指數是用來測量一個公司或地區從t時期到t+1時期的全要素生產率的變化，即為距離函數測度的比值。運用Malmquist TFP指數計算方法，假設前提一般可以適當放寬，不需要假設所有公司或者生產單位都在一個生產技術平面上生產，即并非所有生產單位都是技術有效的。因此的TFP變化的測度中，一部分是技術進步，一部分是技術效率的變化，將通過公式對TFP指數進行分解。

根據Malmquist TFP指數的定義，以t時期的技術當作參照，從t到t+1時期之間TFP的變化的指數（面向產出）可以表示為：

若Malmquist指數大于1時，表明從t時期到t+1時期全要素生產率增長；若Malmquist指數小于1時，表明從t時期到t+1時期全要素生產率下降；若Malmquist指數等于1時，表明從t時期到t+1時期全要素生產率不變。

根據Fareetal的分析，在實證分析Malmquist指數可分解為不變規模報酬假設下的技術效率變化指數（EC） 以及技術變化指數（TP），EC測度的是每個觀察對象從時期t到t+1最佳邊界的追趕程度；TP測度的是從時期t到t+1的生產前沿面移動程度。其中，EC可進一步分解為純技術效率指數（PC）和規模效率指數（SC），過程如下：

上述分析顯示，技術水平以及資源配置效率的增長是全要素生產率提升的原因，而資源配置效率水平由技術效率水平和規模效率水平決定。當 Malmquist生產率指數大于1時 ，全要素生產率水平提高；同理構成 Malmquist 生產率指數的三個變化率大于1的是全要素生產率增長的原因，小于1的是導致全要素生產率降低的因素。

三、科技服務業生產率測度結果分析

（一）全國科技服務業TFP變化及其分解

根據上述的模型，對我國2006-2015年的全要素生產率指數進行分析（見表3）。根據表3，從時間序列數據上看，我國科技服務業全要素生產率在2006-2015年間處于上升水平，具體表現為10年間年均Malmquist生產率指數為1.046，增長速度為4.6%。其中，10年間技術效率、純技術效率指數以及規模效率保持不變，表明全要素生產率指數變化的影響因素是技術進步的變化，該結論與王恕立的結論（服務業生產率由技術進步所導致[30]）具有一致性。在DEA方法和Malmquist指數分解中，技術的變化體現為生產前沿面的移動，對于科技服務業來說，一方面，由于其與高技術產業的產業關聯度高，生產前沿面的移動（技術進步變化）要受到相關生產設備的更新、技術改造等技術手段的影響，另一方面，宏觀經濟環境的變化及政府出臺的相關產業政策等都會影響生產前沿面的移動。近年來，科技服務業市場前景廣闊，國家持續加大對科技服務業的投入，大力發展高附加值的現代服務業，而且高技術產業的興起在很大程度上帶動了科技服務業的發展。整體來看，2006-2015年10年間技術手段、宏觀環境及政策措施的共同作用引起生產前沿面位置整體變動，使之發生進步性位移，最終表現為技術進步指數大于1，科技服務業總體技術進步。

由圖1可以看出，我國科技服務業Malmquist全要素生產率指數呈“W”型變化。2008-2009年，由于國際金融危機的影響，科技服務業技術進步速度放緩，并于2009年下滑至小于1的狀態，技術變化倒退。2010年，面對錯綜復雜的國內外局勢，我國大力推動經濟進入驅動、內生增長的發展軌道，從投入產出指標來看，專利授權數同比增長40%，專利申請受理量同比增長27.9%，增速比上年提高10個百分點，最終體現在技術變化指數上，技術變化增長16%。2011-2014年，科技服務業生產率持續下降，2012-2014年出現負向增長，導致這一結果的可能原因是，雖然2010年科技服務業技術進步出現暫時的增長，但是這種增長是不穩定的，我國科技服務業仍處于發展的初級階段，發展環境不完善，科技人才隊伍培育滯后，還未形成良好的可持續發展的模式和路徑。2014年國務院出臺的《關于加快科技服務業發展的若干意見》，首次對科技服務業發展作出全面部署。《意見》以增強服務科技創新能力、提高科技服務市場化水平和行業國際競爭力為目標，在政策措施上加大財稅支持、拓展科技服務企業融資渠道、支持相關企業的國際交流合作，對整個科技服務業產生較大影響，2015年技術市場成交額、行業增加值等經濟指標大幅增長，科技服務業生產率增長速度達到10年內最高。以上分析說明，中國科技服務業全要素生產率變動并不穩定，科技服務業對環境變化較為敏感，發展模式及路徑仍存在一定問題。

（二）科技服務業全要素生產率區域差異

1.區域全要素生產率時序變化我國30個省份2006-2015年平均科技服務業全要素生產率指數及其分解見表4。根據表4可以得出以下三點結論：

第一，東部、中部和西部地區全要素生產率均指數大于1，西部增長率最高，為8.3%，東部和中部分別年均增長1.7%和7%，其中中部和西部只有湖南和內蒙古的全要素生產率指數小于1，其余省份生產率均處于增長狀態，東部、中部、西部年均增長最快的地區分別是北京和浙江（8.8%）、安徽（11.4%）、陜西（23.1%）。

第二，從技術效率變化上看，北京、上海、江蘇、浙江、廣東及重慶的技術效率變化指數、純技術效率變化指數及規模效率變化指數均為1，說明這6個省份都位于生產前沿面上，且均處于比較穩定的規模報酬不變的狀態，其中，有5個省份來自于較為發達的東部，這基本符合產業發展的一般規律。需要注意到的是，中部和西部地區的技術效率、純技術效率、規模效率變化指數均值均大于1，而東部地區的三個效率指數均值均小于1，說明總體來說10年間東部地區各省份落在生產前沿面內部，且處于規模報酬遞減階段。部分科技服務業發達省份由于科技服務資源要素投入規模的持續增加，已經開始出現科技服務業投入資源邊際生產力下降的問題，要素投入冗余問題的出現導致其技術效率的下降。中國科技服務業的發展不能僅僅以技術進步變化為主要問題，還要著重于技術效率的改善，優化資源配置，提高生產要素資源的利用效率，以促進技術進步轉化為科技服務業全要素生產率的增長。

第三，從技術進步變化上看，東部、中部及西部地區的技術進步變化指數均大于1，分別年均增長了2.6%、2.1%、5.3%，其中西部地區所有省份的技術進步變化指數均大于1，說明2006-2015年期間西部地區所有省份整體上每年都實現了技術進步。

通過對表4的分析可以得出，無論是在東、中、西部地區之間還是在不同的省份之間，我國科技服務業全要素生產率均存在不同程度的差異。整體來看，西部地區的Malmquist全要素生產率指數及其分解指數明顯高于東部及中部地區，這說明我國科技服務業生產率可能存在經濟落后地區向經濟發達地區收斂的趨勢，需要進行進一步的分析。

2.差異分析。為測算2006-2015年我國科技服務業生產率的總體差異，分別使用σ系數和變異系數對其進行衡量，計算方法如公式（7）、公式（8）所示。

其中，σ為標準差系數；n表示省份的個數；TFPi為第i個省份的全要素生產率值；TFP 為不同省份全要素生產率的平均值；CV為變異系數。

根據表5可知，我國科技服務業全要素生產率σ系數和變異系數呈現相同的變化趨勢。在“十一五”期間，以2009年為分界點，變異系數于2006-2008年基本保持平穩，2009年驟降，2010年持續降低，這說明“十一五”期間我國各地區科技服務業全要素生產率呈縮小狀態。在“十二五”期間，2012年變異系數大幅增加，2013年出現減小趨勢，2014-2015年逐漸趨于平穩，這說明近期我國各地區科技服務業全要素生產率差距主要以縮小為主。

五、科技服務業全要素生產率收斂性分析

有關收斂分析的方法一般可以分為三種：σ收斂、絕對β收斂和條件β收斂。σ收斂用于不同經濟體間，表明隨著時間的變化，人均收入水平間的差異呈逐漸減小的趨勢。絕對β收斂指對于人均產出增長率等人均指標，落后地區的增長速度比發達地區的增長速度高，絕對β收斂是指每個區域的人均收入或產出趨于完全相同的穩態水平，條件β收斂是指不同區域趨于各自的穩態水平。以下檢驗結果均由Eviews8.0軟件根據模型計算得出。

（一）σ收斂檢驗分析

σ收斂用來檢驗我國不同省份間科技服務業全要素生產率的差異隨時間的變化趨勢，一般用標準差或變異系數衡量，這里采用變異系數進行檢驗。

由圖2可以看出，十一五期間及十二五期間我國科技服務業全要素生產率變異系數均呈倒“V”形變化結構，即變異系數先上升后下降，且十二五期間變化幅度更為劇烈，雖然2013-2014年變異系數逐漸收斂，但2015年又呈增大現象，不易判斷其是否存在σ收斂。從三大地區來看，東部地區的科技服務業全要素生產率變異系數總體來說呈逐漸下降的狀態，說明東部地區可能存在σ收斂；中部地區的變異系數在10年間不斷波動，2013年后呈收斂趨勢；西部地區的科技服務業全要素生產率變異系數的時間演化趨勢與全國大致相同，但波動幅度相對全國較小，σ收斂趨勢不確定。

為了進一步檢驗我國科技服務業全要素生產率的σ收斂情況，構建如公式（9）所示模型：

其中，σt表示全要素生產率在第t年的標準差；c為截距項；t為時間趨勢項；μt為模型的隨機干擾項。當系數θ>0且在統計上顯著時，說明我國科技服務業省際生產率的水平差異逐步增大，即存在科技服務業生產率的水平發散；當系數θ<0時且在統計上顯著時，說明我國科技服務業省際生產率水平的差異逐步減小，即存在生產率水平的收斂；當θ=0時，表明省際生產率水平差異沒有發生變化，既不發散也不收斂。

由表6可知，雖然全國及東部、中部、西部三個地區均具有σ收斂趨勢，但只有東部地區通過了顯著性檢驗，驗證了前文中所得到的結論，即東部地區科技服務業全要素生產率增長的收斂趨勢，全國和中部、西部地區沒有通過顯著檢驗，表明其σ收斂性檢驗結果不穩定。產生這種結果說明東部地區相較于中部和西部來說科技服務業的發展已經達到比較成熟的狀態，省份之間的發展相對均衡，內部差距隨時間推移逐漸減小，而中部和西部在不同的時間點所呈現的σ收斂或發散性不具有延續性。

（二）絕對β收斂檢驗分析

絕對β收斂性檢驗我國不同省份間的科技服務業全要素生產率是否向同一穩態均衡水平趨近，即是否存在生產率水平相對較低的地區向生產率水平較高地區的“追趕效應”。采用Bernard和Jones的經典分析方法[39]，對其進行適當調整后將絕對β收斂性檢驗回歸模型設定如公式（10）所示。

其中TFPit為報告期的全要素生產率；TFPi0為基期全要素生產率；T為報告期與基期間的時間跨度；α和β為待估計的參數；μt為模型的隨機干擾項。如果β<0且統計上顯著為負，表明該地區存在省際單元的絕對β收斂，那么此時絕對β收斂速度λ的計算公式如下：

由于絕對β收斂屬于橫截面分析，使用橫截面數據所得結論對時間跨度具有很強的敏感性，所以，將每個區域的樣本分為三個時間段（2006-2015年，T=9；2006-2011年，T=5；2012-2015年，T=3）進行檢驗。

表7為全國及分地區科技服務業全要素生產率絕對β收斂檢驗的結果。從全國范圍來看，三個時間段內絕對β收斂系數分別為-0.099、-0.154、-0.335，且均通過了1%顯著性水平的統計學檢驗，這表明我國省際科技服務業全要素生產率存在絕對β收斂，生產率較低的省份具有更高的增長速度，存在向高生產率水平省份的“追趕效應”。全國范圍內的收斂速度λ分別為1.2%（2006-2015年）、3.4%（2006-2011年）、13.6%（2012-2015年），表明我國省際科技服務業生產率在不同時間段以不同的速度向同一穩態均衡水平收斂。究其根本原因，生產率在全國范圍內的收斂表明我國科技服務業存在明顯的知識溢出及技術擴散，由此可以看出，我國科技服務業技術創新的傳播速度較快，省份之間的知識及技術壁壘逐漸降低。

若分不同的地區來看，東部地區在三個不同的時間段內均在1%的顯著性水平下表現出顯著的絕對β收斂性，說明期初全要素生產率較低省份具有較高的增長率，科技服務業全要素生產率的省際差異逐步減小，β收斂速度分別為1.3%（2006-2015年）、3.3%（2006-2011年）、9.9%（2012-2015年），10年間的收斂速度略高于全國水平，且結合σ收斂檢驗，東部地區同樣具有σ收斂性，表明東部地區科技服務業全要素生產率存在“俱樂部收斂”現象。中部地區和西部地區在2006-2015年時間段內都通過了絕對β收斂檢驗，也就是說，整體來看，10年間這兩個地區均存在生產率落后地區對生產率先進地區的“追趕效應”，但2006-2011年時間段內兩個地區均未通過5%顯著性水平下的絕對β收斂檢驗，說明在這期間兩地區的“追趕效應”較弱，這與前文σ收斂性分析的結果基本一致（通過圖2可以看出，2006-2011年中部和西部地區的變異系數波動較大）。2012年后，中部和西部地區均表現出了顯著的絕對β收斂趨勢，收斂速度分別為7.6%和15.4%，其中，西部地區的收斂速度高于全國平均水平，說明中西部地區的收斂性存在逐漸增強的趨勢。

（三）條件β收斂檢驗分析

條件β收斂是檢驗我國不同經濟體科技服務業生產率隨著時間的推移是否趨近于各自的穩態水平，也就是說，與絕對β收斂不同，條件β收斂承認生產率較低經濟體與生產率較高經濟體存在差距的持續性。參考Miller Upadhyay的研究[40]，選擇更為嚴謹的面板數據雙向固定效應估計方法對科技服務業全要素生產率進行條件β收斂檢驗，模型設定如式（12）所示，β收斂速度λ的計算公式如式（13）所示。

表8為全國及分地區的科技服務業生產率條件β收斂性檢驗結果，可以看出，全國及三大地區的回歸參數β均小于0，且均通過了1%顯著性水平的統計學檢驗，但由于β<-1，無法由式（13）計算出β收斂速度λ，說明全國及三大地區的科技服務業生產率不服從條件β收斂，即其生產率沒有收斂于各自的穩態水平。從我國科技服務業的發展狀態來看，此結論與現實情況相符。科技服務業作為我國的新興產業，近年來發展速度較快，服務內容的豐富及模式的創新使其服務質量和能力不斷提升，但市場發育不健全、發展環境不完善等問題有待解決，總體上我國科技服務業仍處于發展初期，尤其是在經濟較為落后的中西部地區還遠未達到發展的成熟階段。由上文的σ收斂檢驗、絕對β收斂檢驗可知，中西部地區內部的科技服務業生產率省際差異仍較大，生產率落后省份以較快的速度向生產率先進省份收斂，結合第四部分區域差異分析里西部地區全要素生產率指數明顯高于其它地區的結論，可以看出，整體來說我國科技服務業仍處于快速發展的初級階段，還未形成自身合適的收斂路徑，只有當行業發展進入成熟期時，即當β逐漸趨近于1時，才有可能出現全要素生產率條件β收斂。

六、結 論

第一，2006-2015年我國科技服務業全要素生產率年均增長4.6%，技術進步是推動我國科技服務業生產率的主要力量；科技服務業生產率指數整體呈現“W”型，對宏觀環境變化較為敏感，行業發展模式及路徑仍需要改進。

第二，從不同區域上看，我國東部、中部及西部地區的年均全要素生產率均處于增長狀態，其中，西部地區的全要素生產率指數（1.083）及技術進步變化指數（1.053）最高，中部地區的技術效率指數（1.048）最高。東部地區部分科技服務業發達省份出現了由于要素投入冗余導致的技術效率下降的問題，為促進技術進步轉化為全要素生產率的增長，東部發達地區的首要任務是優化資源配置、提高生產要素資源的利用效率。

第三，從區域差異上看，省際科技服務業全要素生產率差異在“十一五”與“十二五”均以先增大后減小的特征為主，且“十二五”期間變化幅度更大，其中，東部地區的生產率差異整體上逐漸減小，中部和西部地區都存在不同程度的波動。經過σ檢驗，認為只有東部地區的科技服務業全要素生產率存在顯著的σ收斂，說明東部地區的科技服務業發展已較成熟，省內發展均衡。

第四，我國省際科技服務業全要素生產率存在絕對β收斂，生產率較低的省份具有更高的增長速度，存在向高生產率省份的“追趕效應”，最終收斂于相同的穩態值水平，由此說明我國科技服務業存在明顯的知識溢出和技術擴散，技術創新的傳播速度較快，省份間知識及技術壁壘逐漸降低。其中，2006-2011年中西部地區省份間的“追趕效應”較弱，2012年后呈逐漸增強的趨勢。

第五，全國及分地區的科技服務業生產率均不服從條件β收斂，生產率沒有收斂于各自的穩態水平，主要原因是近年來我國科技服務業發展較快，市場不健全、環境不完善等問題還有待解決，仍處于發展的初級階段，尚未形成自身合適的收斂路徑。

[參考文獻]

[1]曾海燕，吳志偉，余樂安.現代科技服務業綜合評價方法研究綜述[J].北京化工大學學報：社會科學版，2016（2）：33-39.

[2]譚 宏，曹國華.科技服務產業化對國家科技水平提升的作用機制研究[J].科學管理研究，2016（6）：52-55.

[3]韓魯南，關 峻，邢李志，等.國內外科技服務業行業統計分類對比研究[J].科技進步與對策，2013，30（9）：48-53.

[4]田 波.談中國科技服務業發展的若干問題及其對策[J].科技管理研究，2013，33（1）：41-44.

[5]陸 洋，韓順平.科技服務業系統功能研究[J].技術經濟與管理研究，2009（2）：33-35.

[6]BELL DANIEL. The Coming of the Post-Industrial Society[M]. New York： American Educational Book Ltd，1974：205-254.

[7]魏 江，Boden M.知識密集型服務業與創新[M].北京：科學出版社，2004：6-7.

[8]DEN HERTOG PIM. Knowledge-Intensive Business Services as Coproduces of Innovation[J]. International Journal of Innovation Management，2000，4（4）：491-528.

[9]宋 謙，王 靜.基于因子分析法的我國各省市科技服務業發展水平研究[J].沈陽工業大學學報：社會科學版，2016，9（5）：443-448.

[10]于淳馨，陳紅喜，侯召蘭，等.城區科技服務業發展水平測評的實證研究[J].科技管理研究，2017，37（8）：88-93.

[11]周慧妮，吳炳松，龍子午.湖北省科技服務業競爭力水平研究[J].科技管理研究，2017，37（9）：99-107.

[12]DOBRAI KATALIN.，FARKAS F. Professional Service Organizations Meeting the Challenges of a Changing Business Environment [J]. Organizational Collection，2007，7（3）：73-84.

[13]DESMARCHELIER BENOIT.，DJELLAL F.，GALLOUJ F. Knowledge Intensive Business Services and Long Term Growth [J]. Structural Change and Economic Dynamics，2013，25（1）：188-205.

[14]許 可，肖德云.科技服務業創新發展與湖北實證研究[J].科技進步與對策，2013，30（8）：47-52.

[15]王智新，梁 翠.科技服務業與戰略性新興產業融合發展對產業升級的影響研究[J].科學管理研究，2017（2）：58-61.

[16]謝泗薪，戴雅蘭.經濟新常態下科技服務業與現代產業聯動模式創新研究[J].科技進步與對策，2016，33（5）：9-15.

[17]周慧妮，龍子午.科技服務業與制造業之協同發展探析：以北京市為例[J].財會月刊，2015（27）：39-42.

[18]JACOBS WOUTER.， KOSTER H. R. A.， OORT F. V. Co-agglomeration of Knowledge- intensive Business Services and Multinational Enterprises[J]. Journal of Economic Geography，2014，14（2）：443-475.

[19]張清正，李國平.中國科技服務業集聚發展及影響因素研究[J].中國軟科學，2015（7）：75-93.

[20]賀志姣.產業生態理論視角下湖北省科技服務業發展政策支持體系研究[J].科技進步與對策，2014（21）：104-109.

[21]徐 珺.關于上海科技服務業發展環境的調研[J].科學發展，2013（6）：82-89.

[22]何 濤.促進科技服務業發展的財稅政策研究[J].科技管理研究，2015，35（22）：41-45.

[23] VUORINEN I.，JARVINEN R.，LEHTINEN UOLEVI. Content and Measurement of Productivity in the Service Sector：A Conceptual Analysis with an Illustrative Case from the Insurance Business [J]. International Journal of Service Industry Management，1998，9（4）：377-396.

[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.

[25]程大中.中國服務業的增長與技術進步[J].世界經濟，2003（7）：35-42.

[26]楊向陽，徐 翔.中國服務業生產率與規模報酬分析[J].財貿經濟，2004（11）：77-82.

[27]AIGNER D. J.，CHU S.F. On Estimating the Industry Production Function[J]. American Economic Review，1968，58（4）：568-598.

[28]FARRELL M. J. The Measurement of Productive Efficiency[J]. Journal of the Royal Statistical Society，1957（3）：253-290.

[29]徐宏毅，歐陽明德.中國服務業生產率的實證研究[J].工業工程與管理，2004，9（5）：73-76.

[30]王恕立，滕澤偉，劉 軍.中國服務業生產率變動的差異分析：基于區域及行業視角[J].經濟研究，2015（8）：73-84.

[31]趙 爽，李春艷.城市化對中國服務業全要素生產率的影響：基于中國服務業省際面板數據的實證研究[J].當代經濟研究，2017（2）：89-96.

[32]BIEGE S.，LAY G.，ZANKER C.et al. Challenges of measuring service productivity in innovative， knowledge-intensive business services[J]. Service Industries Journal，2013，33（3-4）：378-391.

[33]WINDRUM P.，TOMLINSONM M. Knowledge-Intensive Services and International Competitiveness： A Four Country Comparison[J]. Technology Analysis and Strategic Management，1999，11（3）：391-408.

[34]MALMQUIST S. Index Numbers and Indifference Surfaces[J]. Trabajos de Estatistica， 1953，4（2）：209-242.

[35]CAVES D.W.，CHRISTENSEN L. R. Multilateral Comparisons of Output， Input and Productivity Using Superlative Index Numbers[J]. Economic Journal，1982，92（365）：73-86.

[36]CAVES D. W.，CHRISTENSEN L.R. The Economic Theory of Index Numbers and Measurement of Output，Input and Productivity[J]. Econometrical，1982，50（6）：1393-1414.

[37]CHARNES A.，COOPER W. W.，RHODES E. Measuring the Efficiency of Decision Making Units[J]. European Journal of Operational Research，1978（2）：429-444.

[38]FARE R.，GROSSKOPF S.，NORRIS M. Productivity Growth，Technical Progress，and Efficiency Changes in Industrialized Countries[J]. American Economic Reviews，1997，87（5）：1040-1044.

[39]BERNARD A.B.，JONES C. I. Comparing apples to oranges：Productivity convergence and measurement across industrial and countries[J]. American Economic Review，2001，86（5）：1216-1238.

[40]MILLER S.，UPADHYAY M. Total factor productivity and the convergence hypothesis[J]. Journal of Macroeconomics，2002，24（2）：267-286.

（責任編輯 王婷婷文 格）

Abstract：In this paper， we use the Malmquist index method in DEA to measure the total factor productivity of science and technology service in China， esp. 30 provinces from 2006 to 2015， and examine the time-series and regional differences in total factor productivity of technology service industry. By means of σ convergence， β convergence and conditional β convergence test to analyze the convergence of different regions. The results show that the productivity of science and technology service industry in China has been growing as a whole in ten years， and technological progress has been the main driving force for productivity growth. The level of regional differences has been fluctuating in total factor productivity in science and technology service industries. There are some problems in economically underdeveloped areas such as “Catch-up effect ” ； science and technology service industry is still in the initial stage of rapid development， and a suitable convergence path has not yet been formed.

Key words：science and technology service； total factor productivity； DEA- Malmquist Index