制造業高質量發展對城市生產性服務業效率提升的實證研究
——以上海市為例

王久第

（南京財經大學,江蘇 南京 210023）

自改革開放以來,上海市一直是國內經濟發展勢頭最好、最迅猛的地區之一,同時也是國內服務業與制造業發展的標兵。根據2012年上海市投入產出表顯示,上海市制造業增加值占比高達22.9%,遠超同期全國平均水平。

然而,制造業發展的關鍵——核心技術,如芯片、發動機等目前還嚴重依賴進口。制造業的核心技術與自主創新能力需要大量的服務業投入,如物流、金融、科學技術研發等。研究通過政策引導制造業高質量發展是否能夠帶動生產性服務業發展,從而帶動核心技術與創新能力的提升,對提升地區發展具有理論和現實意義。

綜上所述,本文選取了上海市2006-2015年10年間的面板數據,使用隨機前沿模型對生產性服務業效率及其影響因素的分析,得出上海生產性服務業及分行業效率與制造業質量指標等影響因素的具體影響效果。

一、文獻綜述

Machlup（1962）是最早提出生產性服務業概念的學者,從他的學術觀點來看,生產性服務業本質上是知識密集型產業。顧乃華（2006）則提出,生產性服務業與制造業二者存在相互依賴關系,制造業的發展會帶動對生產性服務業的需求,而生產性服務業的發展則會提高制造業生產效率。黃莉芳（2011）則利用投入產出表計算了中間投入率與需求率等相關指標表示生產性服務業與制造業二者在發展過程中的相互關系。而楚明欽（2015）利用長三角投入產出表計算得出上海市裝備制造業對生產性服務業投入較高,需求也較高,而其他行業投入較低,同時需求也較低。

邊文龍、王向楠（2016）在對面板數據的隨機前沿模型分析方法的總結中提出,將隨機前沿模型分為了效率隨時間變化與效率不隨時間變化兩大類。而國內外學者最常用的模型則是Battese and Coelli（1988）所提出的隨機前沿模型,該方法是按照研究者所給定的一個既定標準構造一個前沿面,而后再通過測算影響因素與該前沿面的接近程度來測算效率值。在該定義下的效率值,是在一定標準下的“相對效率值”而非絕對效率值。

對于在測算行業效率的方法中,國內外學者大多選擇DEA三階段模型與其相應擴展作為測算方法。但涉及隨機前沿的研究較少,一些學者在測算全國生產性服務業效率時選擇了隨機前沿模型,得出良好的實證結果。一般常用的DEA三階段模型在測算效率時存在著一定缺陷,其測算出的往往只是全要素生產率的波動幅度,而隨機前沿模型可以較好地解決這個問題,由隨機前沿分析方法測算出的技術非效率值越大,反映出的潛力越大,同時由隨機前沿模型所測算出的各影響因素的系數符號與顯著性大小也可以反映出各影響因素的作用。

綜上所述,隨機前沿模型符合本文研究要求,可以較好地做出對生產性服務業效率的測算與影響因素分析。本文擬采用隨機前沿模型,在上海市生產性服務業2006到2015年的面板數據的基礎上建立隨機前沿模型,并進行實證研究,測算上海生產性服務業及分行業效率與制造業質量指標等影響因素的具體影響效果。

二、模型建立

一直以來,隨機前沿模型的實證分析都是以估計生產函數的隨機前沿同時預測企業效率,以預測得出的效率值對特定對象進行回歸來找出企業間存在效率差異的原因。整個分析模式屬于兩階段估計,即先通過隨機前沿模型估計得到企業的效率值,再選擇效率值作為因變量對相關影響因素進行回歸。但這種分析模式中關于非效率項的假設不一致故而得出的效果可能無法得出與一階段估計同等有效的結果。

該問題由 Kumbhakar、Ghosh and McGukin（1991）和Reifschneider、Stevenson（1991）提出,他們認為隨機前沿模型中的技術無效率項μ_i可以表示為特定變量和隨機誤差的確定性函數。Battese and Coelli（1995）提出了一個與之等價的模型,在上述基礎上增加了配置效率分析,摒棄了利潤最大化的一階條件,同時適用于面板數據,也稱BC95模型。王文、孫早（2017）也采用了此模型取得了良好的效果,該模型表示如下：

隨機前沿面模型為：

技術非效率項函數為：

根據Battese and Coelli(1988)對“效率”的定義,技術效率值為：

其中（1）式中β0為截距項,βi為相關變量系數；（2）式中δ0為待估常數,δi為相關變量系數,vit為反應統計噪聲的隨機誤差項。TEit表示i行業第t年的技術無效率數值,生產性服務業TFP可以表示為exp（β0)（TE）it。其他模型的說明具體見表1。

表1 變量與數據來源

模型檢驗方法:

BC95模型可以通過γ的數值大小來判斷是否合理,一般情況下γ越大越好,根據過往文獻顯示,一般在0.2至0.8即可使用。

對于技術無效率項（2）式的構建中,除了核心解釋變量制造業競爭力指數外,我們還選取了五個相關變量作為控制變量,由于μit前是負號,因而各變量的經濟意義應當與其系數符號相反。

三、模型結果分析

Frontier4.1是一款專門用于隨機前沿分析的DOS操作軟件,由University of NewE-ngland的Tim Coelli教授編寫完成,并最早用于Battese and Coelli（1988、1992、1995）中所設立的隨機前沿模型。本文采用的即是BC95模型,因此本文也采用Frontier4.1作為計量軟件。最終系數結果及分析見附表1。

根據Frontier4.1運行結果顯示,LR=65.1976,通過5%條件下的顯著性檢驗,且LR服從混合卡方分布,這表明在對上海市生產性服務業效率的測算中確實存在技術非效率,可以認為本文采取的隨機前沿模型分析投資潛力方法可行,結果可信。

附表2 所示是由隨即前沿模型測得的上海市生產性服務業TFP的數值,我們可以發現TFP值隨著時間推移逐漸增長,符合現實中經濟狀況。而附表3則是技術非效率函數的各項系數結果分析。對于技術非效率函數而言,在前面我們提到其系數符號與其經濟意義相反,其中我們主要看制造業競爭力指數對生產性服務業全要素生產率值造成的影響。δ1～δ6除了δ2均通過了顯著性檢驗,可能是由于隨著我國社會主義市場經濟的發展,國有企業逐漸與其他企業融合,不再表現出強烈的國有色彩。剩余指標中除了經濟發展水平外,制造業競爭力指數的顯著性最強,說明就上海市現狀而言,制造業高質量發展對生產性服務業效率的提升有著非常明顯的作用,而外商直接投資額的提升對生產性服務業效率會起到抑制效果,可能是由于外商對上海的投資本身就以生產性服務業為主,外商投資力度的加大會對上海本地生產性服務業產業造成沖擊。

四、主要結論與建議

本文在梳理相關文獻的基礎上建立隨機前沿模型,分析制造業高質量發展對上海市生產性服務業效率的影響,并利用Frontier4.1軟件進行計量分析,得出以下結論：

第一,本文中建立的隨機前沿模型的前沿面分析結果顯示,在使用隨即前沿模型對生產性服務業效率的測算中確實存在著不可忽視的技術非效率項的影響,證明城市生產性服務業效率可以使用隨機前沿模型進行測算。

第二,通過計量檢驗我們發現,制造業高質量發展對上海市生產性服務業效率有著顯著的提升作用。自21世紀以來,計算機互聯網產業發展迅猛,通過這些產業的發展也帶動了制造業與生產性服務業之間的聯系,使得制造業的高質量發展能夠更加直觀地反應在與之緊密聯系的交通運輸、金融、租賃等生產性服務業行業上。

第三,隨著改革開放、城市化進程的深入推進,上海市的城市化、國際化水平已經處于國內前列,其生產性服務業水平也在不斷提高,但依舊存在著一定的發展空間。

通過上述結論,本文提出以下建議：

第一,上海市政府應當把握此次“中國制造2025”的歷史機遇,充分利用自身的優勢、資源,推動上海市制造業由傳統的生產型企業向高質量企業發展,重點扶持與上海市城市功能配套的制造業和生產性服務業企業,最大化制造業對生產性行業的提升作用。

第二,上海市政府應當加大研發投入、完善人才培養機制,以提升城市生產性服務業水平。政府應當通過政策引導,吸引優秀人才來滬發展,建立全面的人才培養、鼓勵創新機制,培養企業創新意識,增強創新氛圍,讓優秀人才帶動企業創新,讓企業成為城市創新主體,帶動生產性服務業發展。

第三,上海市政府應當鼓勵企業對外投資,學習國外先進創新技術、管理理念。就目前而言,生產性企業中諸如交通運輸、電信、科研技術以及金融業等等都有著相當的行業壁壘。這些產業長期處于一種低競爭、低創新水平的狀態,通過鼓勵企業對外投資、并購,帶來國外的先進技術與管理,可以推動上海市生產性服務業的良性發展。

附表1 最終系數估計

附表2 上海市生產性服務業效率TFP

附表3 系數結果顯著性分析