服務業分行業全要素生產率測算及分析

李真

摘 要：利用 2010—2015 年面板數據，采用基于SBM超效率分析的Malmquist 方法，分析了淮安市服務業及 14 個分行業的全要素生產率增長特點。全要素生產率增長對淮安服務業產出增長具有比較顯著的貢獻，服務業全要素生產率增長源泉中，技術效率改善的“追趕效應”有限，而技術進步的“前沿移動效應”明顯。服務業各行業增長的全要素生產率源泉存在明顯的差異性。

關 鍵 詞：全要素生產率；SBM超效率模型；服務業分行業

中圖分類號：F224.0；F719 文獻標識碼：A 文章編號：1671-9255（2018）01-0017-06

作為我國經濟發展與產業結構轉型升級的戰略重點，服務業已成為推動我國新一輪經濟增長的重要產業。很多學者對我國服務業全要素生產率測算和影響因素進行了有益的探索，但就服務業分行業而言，大部分研究局限于省域層面，而對微觀層面（如地級市）服務業分行業全要素生產率的測算只引起少數學者的關注。[1-2]其中的代表性文獻是戶艷輝使用數據包絡分析的非參數Malmquist方法測算了秦皇島市服務業分行業全要素生產率，認為全要素生產率對服務業產出增長有顯著的貢獻，并且技術效率改善的“水平效應”明顯，而技術進步的“增長效應”有限。[3]該文雖然考慮到非參數Malmquist方法的優點，仍存在以下不足：（1）文中使用的基于Farrell效率測度思想的模型，確保了效率邊界或無差異曲線的凸性，卻造成了投入要素的“擁擠（congestion）”或“松弛”（slacks）。[4]不考慮松弛的影響直接運用CCR和BCC模型有可能造成對效率測度的巨大偏誤[5]；（2） 當測算出的有效率（等于1）的決策單元不止一個，論文并未涉及對有效率的決策單元進一步排序的問題。

雖然已有研究從不同角度、運用不同方法對服務業分行業全要素生產率進行了比較全面的分析，但仍有進一步拓展的空間。本文基于已有研究成果及不足，實證考查了微觀層面（以淮安市為

例）服務業分行業全要素生產率。主要貢獻在于：（1）在非參數的Malmquist框架基礎上，引入Kaoru Tone的SBM模型對傳統Malmquist模型進行修正，有效克服了投入過剩或產出不足問題，即松弛問題[6]；（2） 引入Kaoru Tone在SBM模型基礎上提出的SBM超效率模型，解決了有效單元的排序問題。

一、、研究對象、變量選取和數據處理

（一）研究對象和時段選擇

根據國民經濟行業分類（GB/T 4754-2011），我國服務業包括16個類別。考慮到數據的可得性和完整性，本文研究對象為2010-2015年淮安市服務業的14類分行業，即批發和零售業，交通運輸、倉儲和郵政業，住宿和餐飲業，信息傳輸、軟件和信息技術服務業，金融業，房地產業，租賃和商務服務業，科學研究和技術服務業，水利、環境和公共設施管理業，居民服務、修理和其他服務業，教育，衛生和社會工作，文化、體育和娛樂業，公共管理、社會保障和社會組織，國際組織。

（二）指標選擇和數據處理

1.行業產出數據。選擇2010—2015年淮安市服務業各分行業的增加值（以當年價格計算的地區生產總值）來衡量總產出，數據來源于2011—2016年《淮安市統計年鑒》。以2010年為基期，采用第三產業增加值指數對服務業分行業增加值數

據進行平減，從而得到以2010年不變價格計算的服務業各分行業增加值。第三產業增加值指數來源于2011—2016年《中國統計年鑒》。

2.勞動投入數據。在市場經濟發達的國家，通常使用勞動報酬來衡量勞動投入，本文以“全部城鎮非私營單位從業人員年工資總額”作為衡量勞動投入的指標，數據來源于2010—2016 年《淮安統計年鑒》。

3.資本投入數據。我國目前還沒有公布官方的資本存量統計數據，所以本文采用國際公認的永續盤存法（Perpetual Inventory Method， PIM）計算資本存量，其公式為：

其中，Kt是第t年以基期不變價格計算的資本存量，Kt-1是第t年資本存量，It是以當期價格計價的投資額，σt是第t年的折舊率，Pt是第t期的定基價格指數。基于上述公式的估算包括四方面內容：K0即2010年資本存量的計算，歷年投資額It的選擇，定基價格指數Pt的設定和折舊率σt的選擇。本文選擇2011-2016年《淮安統計年鑒》中的固定資產項目投資完成數據（500萬元以上）作為當年投資It的代理變量；用2011-2016年《中國統計年鑒》公布的固定資產投資價格指數作為定基價格指數Pt，平減當期的投資流量；折舊率σt選擇5%。2010年資本存量的計算較為復雜，本文參考Kohli的計算思路 ：

其中， 是2010年服務業第i類分行業的資本存量， 是2010年第i類服務業分行業以當期價格計價的投資額，σt是第t年的折舊率，γ是分析期內服務業各分行業固定資產投資的實際增長率。由于缺乏統計數據，本文將固定資產當年投資數據用當年固定資產投資價格指數平減，計算出5年間的固定資產平均增長率，用作γ的代理變量。相關數據均來自于2011—2016年《淮安統計年鑒》和《中國統計年鑒》。

二、測算結果及分析

根據上述資料，本文使用MaxDEA軟件測算出2010—2015年淮安市服務業分行業全要素生產率及其分解項目的明細數值。

（一）淮安市服務業全要素生產率的變化趨勢

借鑒Fare的Malmquist指數分解公式，全要素生產率指數（Malmquist Index， MI）分解為技術進步指數（Technical change，Tch）和技術效率變化指數（Eficiency change，EFFch）。Tch解釋前沿移動效應（Frontier-shift Effect），EFFch解釋追趕效應（Catch-up Effect）。[7]

2010—2015年淮安市服務業分行業全要素生產率的累積增長率為35.3%，年均增長率為6.2%。其中綜合技術效率累計增長率為5.1%，年均增長率為1%；技術進步指數累計增長率為73.5%，年均增長率為6.2%。這說明十二五期間，淮安市服務業全要素生產率的增長主要得益于技術進步和效率的改進，綜合技術效率的改進對淮安市服務業全要素生產率的貢獻相對較小，原因在于純技術效率的下降部分抵消了規模效率的增長。技術進步始終是推動淮安市服務業全要素生產率增長的主要動力。

從服務業發展趨勢看，2010—2015 年，淮安市服務業全要素生產率發展大體平穩，而技術進步指數和綜合技術效率指數都呈現出了較大的波動，分別呈現“ U”形和“倒U”形，在 2012—2013 年間，分別達到最低點和最高點。之所以出現這樣的異常波動，可能是2013年淮安市統計部門修改了服務業統計范圍，增加了從第二產業剝離的服務業。由于統計口徑的變化造成了技術進步指數和綜合技術效率指數的異常。

與服務業總情況相比較，2010—2015年服務業總值年均增長率為18.18%，全要素生產率的平均貢獻率34.1%，全要素生產率增長對淮安市服務業的增長起到了較大的作用，貢獻率不低。十三五時期淮安市服務業若想取得跨越性的發展，實現到“十三五”末服務業增加值突破2000億元目標，必須加快發展“4+3” 服務業特色產業（“4”即物流、金融、旅游、商貿四大基礎服務業，“3”即電子商務、健康養生、文化創意三大新興服務業）。堅持“創新驅動”發展理念，努力提高全要素生產率及其對服務業經濟增長的貢獻率。

（二）服務業分行業全要素生產率的增長

考慮到數據的可得性和完整性，本文在借鑒戶艷輝的分類方法基礎上，將服務業的14個門類劃分為四個類別，即流通部門、生產和生活部門、為提高居民素質和科學文化水平的部門和社會公共服務部門分別討論。

1.流通部門的全要素分析

狹義的流通部門主要包括批發和零售業、交通運輸和倉儲和郵政業。十二五時期，上述兩個行業在淮安市服務業中的比重雖然逐年降低，但仍然是淮安市服務業中的第一大行業和第五大行業。2015年產值分別為224.93億元和101.22億元，按2010年可比價格計算，年均增長率為17.46%和11.98%，占淮安市服務業比重分別為17.9%和8.1%。批發和零售業部門的全要素生產率年均增長率為12.2%，高于服務業總體水平6個百分點；累積增長率為77.8%，高于服務業總體水平42.5個百分點。技術進步指數增長指標遠高于服務業平均水平。這說明淮安市批發和零售業部門的全要素生產率增長主要得益于技術進步。而交通運輸和倉儲和郵政業全要素生產率總體上體現增長態勢，且增長源泉主要來源于規模擴張。

2.生產和生活服務部門的全要素分析

為生產和生活服務的部門包括房地產業，金融業，居民服務、修理和其他服務業，水利、環境和公共設施管理業，信息傳輸、軟件和信息技術服務業、住宿和餐飲業、租賃和商務服務業共七個行業。由表1可以看出，在這七個行業中，全要素生產率年均增長率大于或接近1包括四個分行業，即租賃和商務服務業，住宿和餐飲業，信息傳輸、軟件和信息技術服務業，水利、環境和公共設施管理業。

表現最好的是租賃和商務服務業和與之密切相關的住宿和餐飲業，其全要素生產率年均增長率分別為22.1%和6.3%，累積增長率達到171.6%和35.4%。租賃和商務服務業的全要素的增長主要得益于技術進步和純技術效率改進，技術進步年均增長率為28.3%，純技術效率年均增長率為7.5%；這與淮安市租賃和商務服務業十二五期間的發展狀況是相吻合的。隨著經濟的發展，淮安市旅游業、餐飲住宿業、知識產權服務、法律服務、廣告業、咨詢與調查、職業中介服務等均呈現穩步增長。2015年租賃和商務服務業與住宿和餐飲業占服務業比重分別為8.8%和6.1%，比2010年提高近4個百分點和1個百分點，按2010年不變價格計算，租賃和商務服務業年均增速高達34.89%和20.92%，全要素增長率的平均貢獻率分別為63.34%和30.11%。

其次是信息傳輸、軟件和信息技術服務業與水利、環境和公共設施管理業。其全要素生產率年均增長率分別為4.9%和12.5%，累積增長率達到27.1%和80.3%。這兩個分行業業的全要素增長率的增長來源明顯不同，前者主要得益于技術進步，后者主要得益于綜合技術效率改進。信息傳輸、軟件和信息技術服務業的技術進步年均增長率為28.7%，累積增長率達到183.6%；水利、環境和公共設施管理業的綜合技術效率年均增長率為19.8%，累積增長率達到147.2%。信息傳輸、軟件和信息技術服務業作為新興的現代服務業，在淮安的發展依然比較落后，2015年占服務業比重僅為3.5%，相比2010年提高不大，說明淮安市信息傳輸、軟件和信息技術服務業的發展還有很長的路要走。

七個行業中剩下的三個分行業（即房地產業，金融業，居民服務、修理和其他服務業），無論是年均增長率還是累積增長率均出現了負增長。房地產業一直是淮安市服務業第二大行業，其全要素生產率年均增長率為-15.5%，累積增長率為-56.8%。房地產業全要素增長率主要得益于綜合技術效率改進，其綜合技術效率年均增長率為15.6%，累積增長率達到106.7%。十二五時期，淮安房地產業純技術效率指數基本穩定，但規模效率指數呈現較大波動，在2012—2013年間，規模效率指數達到最高點；在2014—2015年間，規模效率指數達到最低點；這與十二五期間政府部門調控樓市的情況基本吻合。

金融業與居民服務、修理和其他服務業這兩個行業2015年在服務業GDP占比分別為7.7%和5.3%，且有逐年增加的趨勢。這兩個行業的年均和累積全要素生產率全部出現負增長，分別為19.4%、21.2%和65.9%、69.7%，但是其變化趨勢明顯不同，修理和其他服務業的全要素生產率呈現先降后升，而金融業的全要素生產率相對穩定，直到2015年才有降低的趨勢。同時，引起全要素生產率變動的原因也不盡相同。金融業的技術進步指數年均增長率為12.9%，但受到互聯網金融迅猛發展對傳統銀行的沖擊，其規模效率指數在2015年出現大幅度的負增長，抵消了技術進步的效果；修理和其他服務業的技術進步指數年均增長率為-21.2%，但作為有巨大發展潛力的新興服務業，技術進步指數和規模效率指數均呈現先降后升的趨勢。

3.提高科學文化和居民素質部門的全要素分析

為提高科學文化和居民素質的部門包括科學研究和技術服務業，教育，衛生和社會工作，文化、體育和娛樂業四個行業。十二五期間這四個行業總量上有均有較大增長，在服務業GDP占比保持相對穩定。由表1可以看出，這四個行業在全要素生產率指數和技術進步指數上表現較好，無論是年均增長率還是累積生產率均大于1，但在綜合技術效率指數上的表現各不相同。

教育，科學研究和技術服務業，衛生和社會工作這三個行業目前仍屬于市場開放滯后的壟斷性行業，社會資本進入市場準入門檻高，經營管理水平提升慢，從表2中這三個行業的純技術效率指數年均增長率-3.3%、-10.3%、-1.7%和累積增長率-15.6%、-41.9%、-8.4%上可以得到反映；而文化、體育和娛樂業市場開放程度相對較高，十二五期間無論是純技術效率指數還是規模效率指數均有顯著提升，純技術效率指數年均增長率為23.3%，累積增長率為185.4%；規模效率指數年均增長率為1.8%，累積增長率為9.4%，屬于規模報酬遞增階段。因此需要引入競爭機制，打破服務業市場的行政壟斷與市場壟斷，使社會資本成為服務業市場的主體力量，加快服務業市場雙向開放進程。

4.社會公共需要服務的部門的全要素分析

為社會公共需要服務的部門包括公共管理社會保障和社會組織行業。從表3可以看出，十二五時期該行業全要素生產率指數表現較好，全要素生產率年均增長率為10.2%，累積增長率為62.3%。這主要得益于技術進步指數和規模效率指數的提高；年均增長率分別高達5.9%和5.5%，累積增長率分別高達32.9%和30.9%。該行業2015年占服務業GDP比重為10.2%，比2010年減少了0.4個百分點。這說明淮安市社會保障和社會服務部門尚不能滿足經濟發展需求，規模需要進一步擴大。同時需要進一步開放市場，提升經營管理水平。

三、結論

本文利用 2010—2015 年面板數據，基于SBM超效率 Malmquist 方法，估算了淮安市服務業各行業全要素生產率相關指數，在此基礎上，從四個層面分析了各行業的全要素生產率的變化特點，得出以下結論。

從全要素生產率指數看，2010—2015 年間，全要素生產率年均增長率大于 1 的有：租賃和商務服務業，住宿和餐飲業，信息傳輸、軟件和信息技術服務業，水利、環境和公共設施管理業，批發和零售業，教育，科學研究、技術服務和地質勘查業，衛生、社會保障和社會福利業，文化、體育和娛樂業，公共管理、社會保障和社會組織共10個行業，占研究對象的大部分，其2015年產值占當年服務業GDP的54%。其中表現最好的是文化、體育和娛樂業，年均增長率達到36.6%，表現最差的是居民服務、修理和其他服務業，年均負增長21.2%。

從技術進步指數看，水利、環境和公共設施管理業，房地產業，居民服務、修理和其他服務業，交通運輸、倉儲和郵電業等4個行業的年均技術進步指數小于 1，其他10個行業的都呈現出不同程度的技術進步。尤其需要注意上述4個服務業分行業的技術衰退問題。這4個分行業占2015年服務業GDP總值的 30%，均出現了不同程度的技術衰退，尤其是房地產業和交通運輸、倉儲郵電業，是技術衰退最快的部門，技術進步指數年均負增長分別為26.9%和24.5%。

從綜合技術效率看，批發和零售業，教育，科學研究和技術服務業，衛生和社會工作，租賃和商務服務業，信息傳輸、軟件和信息技術服務業，金融業，居民服務、修理和其他服務業等8個行業的綜合技術效率指數出現負增長，因此需要特別關注以上行業的技術轉化和消化問題。

從純技術效率指數看，有租賃和商務服務業，水利、環境和公共設施管理業，金融業，居民服務、修理和其他服務業，文化、體育和娛樂業共5個行業的年均純技術效率指數達到或超過 1，其余行業均呈現負增長。注意到這5個行業的行政壟斷和市場壟斷程度相對較弱，市場競爭較完全，行業經營管理水平相對較高。

從規模效率指數看，房地產業，交通運輸、倉儲和郵政業，文化、體育和娛樂業，公共管理、社會保障和社會組織，住宿和餐飲業，水利、環境和公共設施管理業等6個行業呈現出規模報酬遞增，其余行業均不同程度的出現規模報酬遞減，尤其是房地產業，交通運輸倉儲和郵政業，其年均規模效率指數分別達到26%和24.6%。全要素生產率反映的是生產要素的利用率和配置效率，如果房地產業投資、交通運輸基礎設施建設投資超出合理的限度，破壞了與其他要素的合理比例，不僅會降低資本利用率和配置效率，造成資源的閑置與浪費，還對那些具有更高全要素生產率的領域，以及具有創新潛力的新成長企業，產生投資的擠出效應。

總體來看，全要素生產率增長對淮安服務業產出增長具有明顯的貢獻。服務業全要素生產率增長源泉中，技術進步的“前沿移動效應”明顯，而技術效率改善的“追趕效應”有限。十三五時期，淮安市要建設布局合理、規模適當、配套齊全的蘇北現代服務業集聚高地；到2020年，實現服務業增加值突破2000億元，占GDP比重達到48%的目標。政府部門必須努力破除現存的妨礙“創造性破壞”機制作用的體制障礙，通過推動政府職能轉變、深化國有企業改革、完善競爭政策和發育生產要素市場，加快推進以服務業市場開放為重點的供給側結構性改革，優化市域資源配置，優化創新生態系統，不斷激發企業創新活力，努力挖掘經濟可持續發展的新動能。

參考文獻：

[1]趙陽光. 服務業全要素生產率影響因素分析[D].上海：上海師范大學， 2015.

[2]陳娟.基于分行業面板數據的服務業全要素生產率分析——以浙江省為例[J].商業經濟與管理，2010（11）：61-68.

[3]戶艷輝.基于Malmquist指數的服務業分行業生產率測算——以秦皇島市為例[J].生產力研究，2012（3）：30-33.

[4]Farrell M J. The Measurement of Productive Efficiency[J].

Journal of the Royal Statistical Society. Series A （General）， 1957，120（3）：253-290.

[5]李靜.中國省區經濟增長進程中的生產率角色研究[D].南京：南京農業大學， 2006.

[6]Tone K. A slacks-based measure of efficiency in data envelopment analysis[J].European journal of operational research， 2001，130（3）：498-509.

[7]Cooper W W， Tone K， Seiford L M. Data Envelopment Analysis： A Comprehensive Text with Models， Applications References， and DEA-Solver Software with Cdrom[M].Kluwer Academic Publishers， 1999.

（責任編輯 劉 寶）

Abstract：This paper uses the panel data from 2010 to 2015 as well as revised Malmquist Method together with SBM super efficiency model to analyze the feature of theincrease in thetotal factor productivity of fourteen service sub-industries in Huaian， Jiangsu. The growth of the total factor productivity has contributed a lot to the output growth of Huaian service industry. Technology efficiency improvement has limited effect in promoting the total factor productivity of the service industry， while technology advancement plays a significant role in the growth of the total factor productivity. And the causes for the growth of total factor productivity in different servicesub-industries are distinctively different.

Key Words： total factor productivity； SBM super efficiency model； service sub-industries