生產性服務業發展推動工業轉型升級的效率測度

杜宇瑋

（1.復旦大學 經濟學院，上海 200433；2.江蘇省社會科學院 區域現代化研究院，南京 210004）

0 引言

脫胎于工業和制造業母體的生產性服務業，因其具有知識密集性、強創新性、高增值性、高關聯性等特征，從而成為推動和支撐工業轉型升級的重要力量。現有實證研究主要運用基于宏觀統計數據的計量回歸分析法[1-5]，或者基于投入產出表數據的產業關聯分析法[6]，驗證了生產性服務業與工業或制造業之間具有顯著的相互推動作用。然而，鮮有從效率角度考察生產性服務業發展對工業轉型升級的推動作用及其動態演變，因此無法判斷生產性服務業發展水平是否與本地工業轉型升級需求相匹配，從而無法很好地體現生產性服務業與工業是否實現了協調發展。為了彌補這個不足，本文嘗試對生產性服務業發展推動中國工業轉型升級的效率進行測度和分解，以揭示在中國各省份及不同經濟區的工業轉型升級過程中，生產性服務業的要素投入功能發揮程度如何，以及如何促使其發揮更大的作用。

1 研究設計

1.1 測度方法

1.1.1 數據包絡分析（DEA）

DEA（Data Envelopment Analysis）是一種以相對效率為基礎，以線性規劃和凸分析為工具，用于多投入、多產出系統中有效性或效率評價的非參數統計分析方法。該方法的基本原理是根據各個部門或單位（決策單元，DMU）與有效生產前沿面的距離，得到各個DMU的綜合技術效率值，從而來確定其是否為DEA有效。若某個DMU的效率值為1，則為DEA有效，意味著對該DMU而言所有生產要素投入均達到了最優組合，資源得以充分配置和利用，能得到最大產出；若效率值小于1，則為DEA無效，說明該DMU的投入產出結構還不夠合理，技術效率尚未達到100%，因此需要調整投入結構或產出結構。規模報酬可變條件下的BCC-DEA模型進一步將綜合效率（TE）分解為純技術效率（PTE）與規模效率（SE）。其中，純技術效率是與產業部門的技術、管理等因素相關的效率，體現為產業關聯機制效率；規模效率則表示一個產業部門的規模經濟發揮程度，體現為由要素投入規模決定的效率。DEA方法的優點是，不需要任何權重假設、生產函數以及參數分布的形式，僅具備一組投入產出數據便可求得效率，且不受不同量綱的影響。生產性服務業與工業作為產業鏈的不同環節，可視為一個投入產出系統，然其相互關聯機制較為復雜，導致很難確定其具體函數關系。DEA方法正好可以滿足測度生產性服務業推動工業轉型升級作用效率的需求。

1.1.2 Malmquist指數方法

BCC-DEA方法主要是利用同一時期內橫截面數據對決策單元效率進行橫向比較評價，一旦加入時間因素時，就會造成各時期的生產前沿面不同，從而導致各時期缺乏縱向比較的基準[7]。而基于DEA方法的Malmquist指數方法，可以用于處理面板數據的效率評價，其主要是利用距離函數的比例來計算投入產出效率，可以用來考察兩個時期生產率或效率的相對變化及其原因。假設t和t+1兩個時期的投入產出向量分別為為決策單元i以t時期技術為參照的距離函數，那么以t時期和t+1時期技術為參照的Malmquist指數分別為[8]：

由此可得到不變規模報酬下t時期到t+1時期效率變動的Malmquist指數（TFPch）為：

其中，effch表示技術效率變動指數，techch表示技術變動指數。若放松固定規模報酬（CRS）假設，即考慮可變規模報酬（VRS），則effch可以進一步分解為純技術效率變動指數（pech）和規模效率變動指數（sech），于是式（2）可變為：

若TFPch＞1，表明綜合效率水平在提升；若TFPch＜1，則綜合效率水平在下降；若TFPch=1，則綜合效率水平保持不變。若techch＞1，表示產業技術進步或創新，生產前沿面外移，反之則為技術衰退。若effch＞1，表示技術效率在提高，到生產前沿面的距離在縮小；若 pech＞1，表示產業關聯機制方面的純技術效率在提升；若sech＞1，表示要素投入規模效率在提升。而當這些指數小于1，就說明其抑制了綜合效率水平的提高。Malmquist指數方法的優點體現為，不需要具備相關價格信息以及利潤最大化和成本最小化條件，就可利用多個投入與產出變量進行效率的動態分析，而且可以將效率變化的原因分解為技術變化和技術效率變化，后者又可進一步分解為純技術效率變化和規模效率變化，故而能分析生產性服務業推動工業轉型升級效率動態的驅動因素及其貢獻程度。因此，運用DEA和Malmquist指數方法，可以求出相同類型決策單元（如省份）的相對效率及其動態，從而為客觀評判生產性服務業推動工業轉型升級的效率提供了可靠的工具。

1.2 測度指標

根據生產性服務業和工業轉型升級的內涵，借鑒了現有研究的指標設計，同時考慮模型適用性、指標可操作性以及數據可獲得性，構建了生產性服務業發展推動工業轉型升級的效率測度指標體系（見表1）。

1.3 樣本數據

本文以2007—2016年中國大陸30個省、市和自治區（西藏除外）作為研究樣本，樣本數量符合DEA方法的要求，即決策單元數至少應是投入與產出指標總數的兩倍。生產性服務業增加值數據來自各年的《中國統計年鑒》，工業轉型升級數據則主要來自各年的《中國統計年鑒》《中國科技年鑒》以及《中國高技術產業統計年鑒》。考慮到通脹因素，除R&D強度之外，其他指標均折算成以2005年為基期的實際值。具體用第三產業增加值指數折算出各年不變價的生產性服務業增加值，用生產者價格指數（PPI）折算出各年不變價的工業利潤總額和高技術產業主營業務收入。

表1 生產性服務業發展推動工業轉型升級的效率測度指標體系

2 實證分析

2.1 推動效率測度及其結構：基于BCC-DEA方法

2.1.1 推動效率的全國總體特征

以中國大陸30個省份為決策單元，利用DEAP 2.1軟件運行投入導向型BCC-DEA模型，可以測算出生產性服務業發展推動工業轉型升級的作用效率。對全國總體來說，2007—2016年間生產性服務業發展推動工業轉型升級的綜合效率平均值僅為0.774，說明還有22.6%的提升空間；最高也只有0.812，推動效率還不夠高。從效率分解來看，純技術效率均值為0.839，規模效率為0.924，說明純技術效率即產業關聯機制效率的相對較低，是制約生產性服務業發展對中國工業轉型升級推動作用發揮的主要因素。從這十年間的演變趨勢來看（如圖1所示），綜合效率曲線形狀與純技術效率曲線形狀較為相似，而與規模效率曲線則不太一致，也恰恰說明純技術效率對綜合推動效率的制約作用要強于規模效率。

圖1生產性服務業推動中國工業轉型升級的效率演變

2.1.2 推動效率的省區差異

結果顯示，同一時期全國不同省份之間生產性服務業發展推動工業轉型升級的效率具有很大的差異，DEA有效省份比重基本上處于20%～30%之間，多數省份的效率都處于DEA無效狀態，結果導致了長期以來全國層面的低效率狀態。DEA有效省份比重最高的年份是2007年，也僅為33.3%。從2007—2016年平均來看，唯獨江蘇達到DEA相對有效（如表2所示），說明江蘇省的生產性服務業與工業之間的投入產出達到最優配置，產業互動協調發展狀況較好。同時也表明，在生產性服務業發展推動工業轉型升級的作用效率上，中國大多數省份還有較大的提升空間。從效率分解來看，河北等14個省份的純技術效率低于全國平均水平，其中最低的是廣西，僅為0.485。說明這些省份在生產性服務業和制造業之間的互動發展上，還缺乏高效的管理、分工和協調機制。在規模效率方面，北京等10個省份的規模效率低于全國平均水平，其中重慶為最低，為0.725，說明這些省份生產性服務業發展的規模經濟程度不太理想。

表2 2007—2016年生產性服務業推動中國工業轉型升級的各省份效率分解

圖2和表3體現了中國三大區域生產性服務業推動工業轉型升級的效率演變及差異。可以發現，2007—2016年間東部地區的綜合推動效率都顯著高于中西部地區。這可能是由于東部地區市場化程度較高，工業制造業外包生產性服務較為普遍，因而生產性服務業發展更能促進工業制造業競爭力的提高[9]。2007—2010年間，西部地區綜合效率低于中部地區，但是2011年之后西部地區效率就超過了中部地區，在一定程度上體現了西部大開發戰略實施十余年的成效。從效率分解來看，三大經濟區的純技術效率自“十二五”以來呈現下降態勢，但2016年又開始回升，東部地區的純技術效率基本都高于中西部地區，反映了東部地區具有較高的產業關聯機制效率。近幾年來，東部地區的規模效率趨于下降，而中部地區的規模效率則提升明顯，且已超過東、西部地區，說明中部地區發展生產性服務業體現出了顯著的規模效應。

2.2 推動效率動態及其驅動因素：基于Malmquist指數方法

進一步地，為了更準確地把握和比較全國及各個省份生產性服務業發展推動工業轉型升級效率的動態變化特征及其成因，下面運用Malmquist指數方法對2007—2016年30個省份的面板數據進行測度和分析。

圖2生產性服務業推動中國工業轉型升級效率的區域差異

表3 2007—2016年中國三大經濟區生產性服務業推動工業轉型升級的效率差異

2.2.1 推動效率動態的全國特征

從表4可見，2007—2016年間生產性服務業發展推動中國工業轉型升級效率的年變動情況有增有減，但其Malmquist指數（TFPch）均值為1.034，說明推動效率的變化是正向的，并以3.4%的年均速度增長。對效率動態的分解可以發現，樣本期各年間的技術變化指數值（techch）和技術效率變化指數（effch）的均值都大于1，說明2007年以來中國生產性服務業發展對工業轉型升級推動效率的提升，是技術進步和技術效率提高的綜合作用結果。相對而言，techch值更大，說明推動效率的改善主要得益于產業技術進步和創新，這也恰恰符合生產性服務業作為高級生產要素投入的產業特征。“十一五”期間，技術效率變化主要是由產業技術、管理等因素決定的純技術效率變動所致；“十二五”期間，反映要素投入規模效應的規模效率則替代純技術效率成為決定技術效率變動的主要因素；“十三五”以來，純技術效率又重新成為技術效率變動的決定性因素，且成為決定綜合效率變動的最大因素。

2.2.2 推動效率動態的省區差異

表5顯示，從效率動態的省際差異來看，除了山西、遼寧、黑龍江、內蒙古、甘肅、青海、寧夏和新疆這8個省份生產性服務業發展對工業轉型升級的綜合推動效率趨于下降，其余省份都呈現出不斷提高的態勢。其中，黑龍江下降幅度最大，年均下降12.3%；而浙江的提升幅度最大，年均增長11.1%；四川、云南、廣西這三個西部省份的效率提升速度也在10%以上，超過了全部中部省份。在技術變化動態上，除了甘肅等8個省份表現出技術衰退，其余省份都呈現出技術進步態勢。其中浙江和江蘇的提升幅度較大，都在10%以上。在技術效率動態上，海南進步最為明顯，年均增長8.3%；而黑龍江和遼寧兩個東北省份降速最快，分別年均下降7.9%和6.2%。進一步分解發現，在純技術效率和規模效率動態方面，大于1的絕大部分省份屬于中西部地區，說明了相對不發達省份的技術效率提升空間更大。

表4 2007—2016年間中國生產性服務業推動工業轉型升級的效率動態及其分解

從各省份效率動態的驅動因素來看，半數以上省份生產性服務業發展推動工業轉型升級的效率動態都是由技術變化帶來的。其中，北京、上海、浙江的技術進步效應抵消了技術效率下降帶來的負面影響，最終促成了其生產性服務業發展推動工業轉型升級效率的提高。表明這三個省份強大的區域創新能力，是促進生產性服務業與工業互動融合的重要因素。相反地，山西、遼寧、新疆則因為技術效率下降帶來的負面影響大于技術進步效應，最終導致其生產性服務業推動工業轉型升級作用效率的下降。在技術效率因素占主導的省份中，只有海南的技術效率動態主要源于規模效率動態變化，說明海南生產性服務業與工業之間互動作用的提升主要歸功于生產性服務業的規模擴大，其余省份的效率動態則主要是由于純技術效率變化。

從效率動態的區際差異來看，生產性服務業發展推動工業轉型升級的效率增長率高低排序依次為東部地區、西部地區和中部地區。進一步分解發現，東部地區的效率增長主要來源于技術進步，純技術效率即產業關聯機制效率總體呈增長態勢，且抵消了規模效率下降帶來的負面影響；中西部地區的效率增長則主要來源于技術效率特別是純技術效率的提升。

3 結論

生產性服務業作為工業的重要中間投入，是推動工業轉型升級的重要力量。本文從投入產出效率角度，運用BCC-DEA和Malmquist指數方法，基于2007—2016年中國省份層面的數據，測度與評價了生產性服務業發展對工業轉型升級的推動作用。主要結論包括：

（1）2007—2016年間，生產性服務業發展推動中國工業轉型升級的綜合效率平均值僅為0.774，說明還有22.6%的提升空間，主要受到了技術、管理等因素影響下的純技術效率即產業關聯機制效率制約。（2）中國大多數省份生產性服務業發展推動工業轉型升級的作用效率尚待提高，東部地區生產性服務業發展推動工業轉型升級的綜合效率顯著高于中西部地區，且具有較高的純技術效率。（3）2007年以來生產性服務業發展對中國工業轉型升級的推動效率以3.4%的年均速度增長，其主要得益于產業技術進步，但純效率技術變動的貢獻增強。（4）大多數省份生產性服務業發展對中國工業轉型升級的推動效率都呈現出不斷提高的態勢。東部地區的效率增長快于西部和中部地區，主要歸功于技術進步，并且其抵消了規模效率下降所產生的負面影響，而中西部地區的效率增長則主要來源于技術效率特別是純技術效率的提升。

表5 2007—2016年各省份生產性服務業發展推動工業轉型升級的效率動態及其分解