基于混頻數據的中國服務業景氣指數構建與周期波動分析

陳 磊 王藝樅 孟勇剛

(東北財經大學1.經濟計量分析與預測研究中心 2.經濟學院，遼寧 大連 116025)

一、引言及相關文獻回顧

2013年以來，中國經濟進入以減速換擋、結構調整和動力轉換為特征的新常態階段，第二產業對經濟增長的貢獻逐漸下降，第三產業的貢獻不斷上升。2013年中國服務業增加值占GDP比重達46.1%，首次超過第二產業而成為國民經濟的最大產業。2015年第三產業增加值占比達50.5%，超出“十二五”規劃提出的“2015年服務業增加值比重達到47%”的目標3.5個百分點。2017年第三產業占比高達51.6%，中國經濟正在由“工業型”經濟向“服務型”經濟轉變，第三產業逐步成為產業主體。注數據來源于國家統計局網站。

國內外大量文獻研究表明，服務業的波動較為平緩。隨著服務業在宏觀經濟中的比重逐漸增加，其對經濟結構調整的“穩定器”作用日漸凸顯，而經濟周期波動也逐漸變得更加溫和(Layton et al.，1989)。于丹(2007)的實證研究結果表明，美國服務業對國民經濟確實發揮了“穩定器”的作用。盡管目前中國服務業的比重與美國相差較大，但隨著中國第三產業的穩步發展并日漸占據產業主體地位，服務業對中國經濟的“穩定器”作用也在不斷增強。實際上，近年來中國經濟增長已經呈現出以往所沒有的平穩運行態勢。

基于上述分析，在經濟新常態背景下強化對服務業的景氣監測具有重要的現實意義。一方面，有助于及時、準確地反映服務業的景氣狀況和發展態勢；另一方面，中國正處于服務業和工業并行發展的階段，由于現有的宏觀經濟景氣監測研究框架普遍采用工業增加值作為基準指標，所以對服務業的景氣監測可以使中國宏觀經濟監測框架更加完善，有助于政府更加全面和深入地把握宏觀經濟運行狀況。

國外對服務業景氣指數的研究始于Layton et al.(1989)用合成指數方法構建的美國服務業一致指數和先行指數，此后相關文獻寥寥無幾。近年來，僅見Arti et al.(2012)構建了印度的月度服務業指數來測定服務業增加值的走勢，期望有助于當局制定貨幣政策。服務業細分行業的景氣指數研究在多數行業也不多見，關于服務業內部幾個重點行業的研究中，Lahiri et al.(2003)采用鏈式Laspeyres指數和Fisher理想指數方法分別構建了美國交通運輸行業的月度產量指數，該指數分別從貨物運輸和旅客運輸兩個角度來提取，結果發現交通運輸產量指數的貨物運輸部分占據主導地位。Lahiri et al.(2006)則采用NBER合成指數方法和動態因子方法分別構建了交通運輸行業的一致指數，兩種方法得到的結果相近。Zetland(2010)構建了美國房地產市場指數(REMI)以測量房地產市場運行及流動性。Tsolacos et al.(2014)采用Probit模型和馬爾科夫轉移模型對美國房地產市場商業用房的租賃情況做了轉折點預測。近年來對金融業指數的研究相對較多，比較有代表性的如Koop et al.(2014)采用具有時變參數的因子增廣向量自回歸(TVP-FAVAR)模型構建了美國的金融狀況指數以反映金融業的運行狀況，并認為該指標對產出和失業率具有很好的預測效果。

受統計部門公布的服務業數據種類、數量和公布頻率等方面限制，中國對服務業景氣指數的研究也較為鮮見。王小平等(2012)用合成指數方法編制了中國服務業年度的先行、一致和滯后合成指數。而對于服務業內部的細分行業，包括交通運輸和物流、房地產、金融和批發零售等的景氣分析則相對較多。魏眾等(2006)定義并測算了物流運輸擴散指數和物流運輸綜合指數以反映物流運輸的景氣情況；《我國商品市場周期波動轉折點的分析與預測》課題組(2008)用NBER方法編制了中國商品市場的一致和先行合成指數；梁云芳等(2008)基于主成分分析方法提取了中國房地產投資綜合景氣指數；另有一些學者用多種經濟計量模型方法構建金融狀況指數以反映中國金融市場的整體情況。鑒于當前對中國整體服務業景氣情況比較完整的研究僅見于王小平等(2012)，而且由于其編制指數所采用的是年度數據，時效性和政策參考性均不強。因此，有必要開發更高頻率的月度景氣指數以便對中國服務業整體走勢進行及時監測和分析，這也是本文研究的主要目的。那么，構建服務業月度景氣指數應選取哪些指標？采用何種方法提取景氣指數？中國服務業景氣指數的周期波動特征如何？本文將結合景氣分析法和混頻動態因子模型對這些問題進行深入探討。

二、提取服務業景氣指數的混頻動態因子模型方法

中國公布的服務業數據尚不夠完善，大部分指標沒有細分到第三產業，多數服務業相關指標或者只有年度數據，或者月度數據的公布時間很短，指標統計不夠完整。現階段公布的時間跨度在10年以上的服務業相關指標中，服務業增加值無疑是反映其整體走勢的最佳指標，但這一指標只公布季度數據。因此，如何將它與其它月度指標結合起來構建服務業月度景氣指數是本文關注的重點。鑒于此，本文采用混頻數據來構建中國服務業的月度景氣指數，充分利用及時公布的月度指標和季度服務業增加值所包含的信息，以提高政府相關部門對服務業景氣情況監測的精確性和時效性。

一般在處理不同頻率的數據時，普遍采用加總法(將高頻數據轉化為低頻數據)或插值法(將低頻數據轉化為高頻數據)。但是，加總會損失掉一些原樣本數據的信息，熨平高頻數據的內在波動，并削弱模型結論的時效性；用插值法生成的高頻數據與原始不可觀測的高頻數據之間也存在誤差。因此，本文參考Aruoba et al.(2009)提出的混頻動態因子方法來提取中國服務業景氣指數。該方法一方面基于動態因子模型，假設經濟景氣指數是一個影響模型內各景氣指標的不可觀測共同因子，通過將動態因子模型表示為狀態空間形式，可采用Kalman濾波方法估計出景氣指數；另一方面，這種混頻動態因子方法可以處理缺失數據和不對稱樣本問題。因此，該方法已被美國費城聯邦儲備銀行所采用，構建并按周發布ADS指數作為實時監測美國經濟運行的綜合指標。此后，Funke et al.(2011)和Aruoba et al.(2013)用混頻動態因子方法分別提取了中國實時物價指數和土耳其實際經濟景氣指數。此外，欒惠德等(2015)對中國金融狀況指數的構建也采用了混頻動態因子方法。

(一)混頻動態因子模型的構建

令xt表示第t期不可觀測的服務業月度景氣指數，即潛在共同因子。由于動態因子模型要求所選指標均為平穩過程，因此所提取的潛在因子也是一個平穩過程，通常可設不可觀測因子服從如下協方差平穩的AR(p)過程:

xt=ρ1xt-1+ρ2xt-2+…+ρpxt-p+et

(1)

Ct=ξtCt-1+xt=ξtCt-1+ρ1xt-1+ρ2xt-2+…+ρpxt-p+et

(2)

其中，

(3)

(4)

服務業增加值作為一個流量指標，其季度值是所對應的月度值(不可觀測)加總。因此，服務業增加值可表示為式(3)等號右側的總和

(5)

(二)模型的狀態空間表示

為了估計不可觀測的共同因子和參數，將以上模型表示為狀態空間模型的形式如下：

(6)

Xt=AtXt-1+Ftηt

(7)

t=1,2,…,T。其中，Yt是N×1的觀測向量，包括模型所包含的可觀測的月度和季度一致指標。Xt是M×1的狀態向量，包括月度不可觀測成分xt、季度加總算子Ct和異質性成分μt。式(6)為量測方程，描述了觀測向量Yt與不可觀測成分向量Xt之間的線性關系。式(7)是狀態方程，描述了狀態向量Xt及其滯后項的動態轉移過程。Zt為M×N的量測方程系數矩陣，At為M×M的狀態方程系數矩陣，εt和ηt分別是量測方程和轉移方程中包含誤差項的隨機擾動向量，εt～N(0,H)，ηt～(0,Q)。對上述狀態空間模型采用卡爾曼濾波的方法即可估計出不可觀測成分xt，即本文的服務業景氣指數。模型構建的具體形式將在第三部分詳細說明。

三、指標選取和模型構建

(一)指標選取和處理

構造服務業一致景氣指數的關鍵在于選取一組適當的一致指標，本文收集了與服務業和宏觀經濟相關的各項經濟指標170多個，以服務業增加值同比實際增長率序列作為基準指標，利用時差相關分析、K-L信息量等多種方法進行篩選。由于服務業增加值指標只公布季度數據，所以在篩選指標時，首先將月度指標轉換為季度指標，然后分別計算月度和季度指標的同比增長率序列并根據需要進行相應的價格平減，再采用X-12方法對各指標進行季節調整并剔除不規則擾動，最后將初步篩選出的月度指標的周期轉折點與其相應的季度周期轉折點進行比較確認。篩選過程綜合考慮了經濟意義、數據長度以及與景氣波動的對應情況等，最終得到與服務業景氣波動最相關的六個一致指標(如表1所示)。受限于所選指標的樣本長度，本文分析區間為2002年1月—2017年12月。

表1 服務業景氣一致指標

服務業增加值是反映服務業總體運行情況的最重要指標，因此本文將其作為篩選一致指標的基準指標。社會消費品零售額和規模以上港口貨物吞吐量分別作為代表批發零售和交通運輸兩大重要服務行業的指標入選。國家統計局公布的非制造業PMI、消費者信心指數和財經服務公司Markit編制的財新中國服務業PMI作為與服務業相關的調查指數，且均與基準指標有較好的同步性而入選。中國非制造業PMI按照國際慣例以非制造業商務活動指數代替非制造業PMI綜合指數，這里的非制造業包括國民經濟行業分類中的全部服務行業，主要調查對象為國有企業等大型企業，財新中國服務業PMI調查對象主要為中小企業。消費者信心指數綜合反映并量化了消費者對經濟形勢的評價以及消費心理狀態的主觀感受，從而與消費和服務業景氣變化密切相關。

由于中國不公布規模以上港口貨物吞吐量的12月份數據，本文對此采取兩種處理方式，即事先采用插值法填補和直接將12月份數據作為缺失值。針對存在缺失值序列的不同處理方式對估計結果的影響微乎其微，即對序列缺失值進行填補的兩種數據處理方式所得到的景氣指數序列數在估計值符號、增長趨勢以及波動幅度方面都基本相同。這與葉光(2015)的結論一致。因此，下文只給出對缺失值填補之后得到的服務業景氣指數結果。

前文介紹的混頻動態因子模型所引入的加總算子決定了模型無法用增長率數據直接建模，為此本文先對增長率序列進行一階差分，對差分后序列提取動態因子，再將提取的景氣指數進行累加還原，這樣既符合模型的要求，又避免改變原始指標自身波動的特點。

(二)模型構建

(8)

(9)

其中，

(10)

式(8)和式(9)分別對應式(6)和式(7)。

四、服務業景氣指數估計結果及周期性波動特征分析

(一)服務業景氣指數的估計結果

服務業景氣指數估計結果見圖1。圖1-A中，由增長率差分序列估計得到的服務業景氣指數在零值線上方表示服務業處在景氣上升期；反之則表示服務業處在景氣下降期。圖1-B則給出了對原始指數序列進行水平還原后的服務業景氣指數的具體增長趨勢及波動情況，衰退期由陰影部分表示。結果顯示，本文提取的服務業景氣指數和服務業增加值實際增長率的整體趨勢及波動幅度一致性較好，主要的峰谷點基本重合。

模型估計結果顯示，服務業景氣指數在規模以上港口貨物吞吐量、非制造業PMI、財新中國服務業PMI和服務業增加值增長率四個指標的因子載荷明顯占優，分別為 1.22、0.86、1.94和0.99，說明服務業景氣指數受這四個指標的影響較大。除其他三個反映服務業運行的綜合指標外，交通運輸業作為服務業內部連接生產與消費部門的重要行業，對服務業景氣指數的提取也起到了不可忽視的作用。消費者信心指數和社會消費品零售總額的因子載荷相對較低，僅分別為0.43和0.36。盡管兩者的因子載荷都較低，但造成這種結果的原因卻各不相同，消費者信心指數的異質性成分波動為0.55，遠高于其他5個指標的波動性，由此降低了該指標對服務業景氣指數提取的貢獻程度。社會消費品零售總額相比其他一致指標則有所滯后，與基準指標及其他一致指標的同期相關程度較低，這解釋了該指標因子載荷較低的原因。

A

B

本文計算了各個一致指標與所提取的服務業景氣指數的相關系數。作為基準指標，服務業增加值與服務業景氣指數的相關系數為0.95，存在極強的相關性；非制造業PMI、財新中國服務業PMI和消費者信心指數與服務業景氣指數的相關系數分別為0.77、0.77和0.62，存在強相關關系；規模以上港口貨物吞吐量和社會消費品零售額與服務業景氣指數的相關系數分別為0.48和0.44，為中等強度相關。這與指標篩選的時差相關系數排序結果基本一致。

(二)中國服務業周期判別及波動特征分析

周期轉折點測定是經濟周期測量和分析的基礎，在國際上比較有代表性的轉折點測量方法是由Bry et al.(1971)提出的測定經濟周期轉折點準則和程序(簡稱B-B法)，該方法在各國的景氣分析中被廣泛應用。B-B法認為一個完整的經濟周期應該滿足：(1)一個谷到峰或者峰到谷的持續時間在6個月以上；(2)一個波動周期的持續時間在15個月以上。但我們認為，傳統的B-B方法對于景氣周期持續期的約束標準偏短，B-B轉折點測定準則更接近經濟波動的含義，而非較嚴格意義上的周期 (陳磊 等，2007)。因此，本文在測定服務業周期時，結合服務業的波動特征與經濟周期類型的劃分，提出了針對服務業的周期判別準則，并從實證角度嚴格區分了服務業景氣周期與服務業短期波動的概念和判斷標準。

服務業短周期的識別準則為：(1)擴張或收縮階段的持續期間至少為9個月或3個季度；(2)一個循環周期的持續時間至少為30個月或10個季度。服務業中周期的識別準則為：(1)擴張或收縮的持續時間至少為18個月或6個季度；(2)一個循環周期的持續時間至少為5年。除此之外，將不滿足短周期標準，但滿足B-B法判別準則的擴張和收縮階段視為服務業的短期波動。根據以上判別標準，服務業周期的定義要比服務業短期波動更為嚴格，一個服務業周期內可包含多個服務業短期波動。

根據上述服務業周期識別準則，我們可得到中國服務業景氣測量的初步結論：2002年1月至2017年12月的樣本期間，服務業增長共經歷三輪“谷—谷”的景氣周期，分別為2003年7月至2009年1月、2009年1月至2012年7月以及2012年7月至2016年7月。2003年7月至2009年1月的第一輪服務業周期持續期為66個月，其中，擴張期為50個月，收縮期為16個月，屬于典型的長擴張型周期。實際上，該輪周期已基本滿足一個中周期的標準。2009年1月至2012年7月的第二輪短周期持續期為42個月，其中，擴張期為12個月，收縮期為30個月，屬于長收縮型周期。2012年7月至2016年7月的第三輪服務業短周期持續期為48個月，其中，擴張期為36個月，收縮期為12個月，屬于長擴張型周期。2016年7月至今，服務業景氣指數大體呈波浪型緩慢回升走勢，尚未形成符合判別準則的波峰，其未來走勢有待進一步觀察。因此，2016年7月這一周期谷底點為暫定結果，需進一步確認。

根據轉折點的測定結果，本文對服務業周期的主要波動特征進行測算，相關特征指標見表2。

表2 服務業景氣指數周期測定相關特征指標注2002年1月—2017年12月的周期特征是針對期間三個完整服務業周期平均測算的結果；平均上漲(下降)概率是上漲(下降)階段平均持續期與相應的周期長度之比；上漲(下降)速度是上漲(下降)階段平均振幅與相應的平均持續期之比；波動率為指數標準差。

從總體上看，本世紀服務業景氣波動的平均周期長度為52個月，平均上漲概率(0.63)大于平均下降概率(0.37)；平均上漲速度(每月0.13個指數點)小于平均下降速度(每月0.23個指數點)，整體呈現以上升期為主導的“緩增急降”型非對稱周期特征。

從各輪服務業周期的波動特征來看，樣本期內第一輪服務業周期(2003年7月至2009年1月)上漲階段的波動幅度(9.05)略大于下降階段的波動幅度(8.98),周期下降速度顯著高于周期上漲速度，呈現出以擴張為主的典型的“緩增急降”型周期形態。第二輪服務業周期(2009年1月至2012年7月)與前一輪周期相比，波動幅度、波動率和平均位勢都顯著減小，周期上漲階段波動幅度(2.63)小于下降階段的波動幅度(2.96)，周期下降速度顯著低于上漲速度，顯示出以收縮為主導的“急增緩降”型非對稱形態。

值得注意的是，從第三輪短周期(2012年7月至2016年7月)開始，中國經濟進入新常態時期。與上一輪短周期相比，這輪短周期在平均振幅和波動率上均進一步減小，周期的收縮幅度略小于上漲幅度，平均位勢也有所下降。實際上，此輪短周期內部包含兩個波長均為24個月(2012年7月—2014年7月和2014年7月—2016年7月)的兩次服務業短期景氣波動。結合圖1-B不難發現，這兩輪短期波動在周期長度、周期形態和平均位勢等方面都很相似，在相對低位呈現波幅較小的平穩波動，并初步呈現一定的規律性。此外，該輪服務業周期與之前兩輪服務業周期相比，波動形態規律穩定，波幅減小，運行態勢低位平穩，表現出與以往不同的新特征。

2016年8月至2017年7月服務業景氣指數呈現緩慢回升的走勢，隨后服務業景氣指數開始平緩回落，直至樣本期結束，尚未見觸底跡象。由這一輪不完整的服務業短期波動可以看出，2016年8月之后服務業景氣指數的周期波動與第三輪服務業短周期內的兩次短期波動形態類似，延續了經濟新常態下服務業景氣小幅穩定的波動態勢。

(三)服務業景氣波動的歷史考查

回顧服務業的發展進程，2002年隨著中國加入WTO所帶來的外商投資和房地產投資的快速增長，服務業進入景氣擴張期，服務業景氣指數在2002年11月達到樣本期內第一個短期波動的峰值點。此后受“非典”疫情的沖擊，服務業景氣指數出現了8個月的短暫下降，在2003年7月觸底后，伴隨著中國房地產市場的繁榮，服務業步入樣本期內第一輪周期的上升期，并開始長達50個月的景氣擴張階段，這也是樣本期內持續時間最長、漲幅最大的一次景氣擴張。受2007年宏觀經濟政策收緊和全球性金融危機沖擊的影響，服務業景氣指數從2007年10月開始出現快速、大幅下降，在經歷16個月的持續下行后，于2009年1月形成了樣本期內的最低位谷底點，從而結束了該輪服務業周期。

隨后，受中國應對金融危機而出臺的一攬子刺激經濟計劃的影響，服務業景氣指數從2009年2月開始新一輪快速而短期的擴張，隨著消費品價格上漲、房地產市場泡沫加重、產能過剩等問題的出現，服務業景氣在2010年2月重新進入收縮階段，并持續到2012年7月，期間在2011年上半年曾出現短暫小幅回升。在應對全球性金融危機的背景下，這一輪服務業短周期呈現“短擴張”的非對稱形態，擴張時間和周期長度遠遠短于前一輪服務業周期，而景氣回落的持續期則相對較長。這種變化反映了國際金融危機爆發后，政府迅速采取的超常規刺激政策的效果，以及其后的逐漸調整和消化過程。特別是第二輪周期的平均位勢明顯低于上一輪，表明服務業景氣出現結構性改變。

隨著中國經濟進入新常態，服務業景氣在2012年7月觸底后開始進入第三輪短周期，其中包含了兩次短期波動。隨著經濟體制改革不斷深化，經濟結構不斷調整優化，產業結構升級加快，經濟增長更多地依靠國內的消費和服務業發展。在此背景下，從本輪周期開始，直到2017年底，服務業景氣指數在相對低位呈現出大體平穩的走勢，表現出新常態下服務業周期與以往不同的“微波化”新特征。

(四)服務業景氣指數與宏觀經濟景氣指數的對比分析

圖2 服務業景氣指數(實線，左軸)與宏觀經濟景氣指數(虛線，右軸)

圖2對比了服務業景氣指數與國家統計局發布的中國宏觀經濟景氣指數的走勢。由圖2可見，2009年至2010年，中國政府的經濟刺激政策對服務業的影響遠不及宏觀經濟，隨后服務業景氣指數也并未像宏觀經濟景氣指數那樣在2011年出現大幅下滑，只是小幅且平緩地回落。2012年以來，服務業景氣指數基本保持平穩小幅波動的態勢，與宏觀經濟景氣指數在多數時間的下滑趨勢有所不同。根據國家統計局發布的數據，在此期間服務業增加值同比增速平均值高達8%，顯示出服務業的內在穩定性及其對宏觀經濟的穩定和拉動作用，這與發達國家的經濟發展趨勢相符合。

理論研究表明，在相對發達的市場經濟國家，服務業的景氣波動相對第二產業以及整個宏觀經濟波動較小。這一方面源于服務業生產與消費的同時性，即服務產品的非儲存性(Gershuny et al.,1983)；另一方面是因為市場對服務業產品的需求和服務業就業波動均較小(Fuchs,1968)。而中國服務業在經濟新常態時期呈現出的平穩走勢，除了服務業的內在穩定性，更與政府調結構、轉方式的政策方針和對服務業發展的高度重視密不可分。從服務業內部結構來看，首先，生產性服務業在中國服務業增加值中所占比例不斷增加，金融等行業的發展對服務業整體穩定運行發揮了重要作用。其次，近年服務業內部衍生的新型服務業迅速發展，2017年1—11月，規模以上服務企業中的戰略性新興服務業、高技術服務業、科技服務業的營業收入同比分別增長18.0%、13.5%和15.1%，比上年同比分別提高2.5、2.7和3.2個百分點，[注]數據來源于國家統計局網站。這給服務業注入了新鮮的活力。

近年來，服務業增加值增速高于GDP增速和服務業占比的逐漸增加既體現了經濟新常態下的產業結構特征，又顯示了服務業拉動經濟增長和穩定宏觀經濟運行的重要作用。服務業是減緩經濟下行壓力的“穩定器”，也是促進傳統產業改造升級的“助推器”，更是孕育新經濟新動能成長的“孵化器”(寧吉喆，2016)。目前中國正處于轉型升級換擋期，在邁向中高端的過渡期內，服務業的升級有望在“十三五”規劃期間撬動萬億元市場規模，并且能夠緩解由制造業部門“去產能”過程所導致的就業壓力。

五、結論與建議

本文選取消費者信心指數、社會消費品零售額、規模以上港口貨物吞吐量、非制造業PMI和財新中國服務業PMI五個月度一致指標以及服務業增加值季度一致指標，采用混頻動態因子方法構建了中國服務業景氣指數。根據前文的實證分析，得出以下主要結論：

(1)港口貨物吞吐量、非制造業PMI、財新中國服務業PMI和服務業增加值增長率這四個一致指標對服務業一致景氣指數的提取貢獻較大。結合服務業一致景氣指數的波動特征和經濟周期類型劃分，本文提出了針對服務業景氣周期的轉折點判別準則。根據該準則，中國服務業增長在本世紀經歷了2003年7月至2009年1月、2009年1月至2012年7月、2012年7月至2016年7月共三輪完整的服務業短周期。

(2)從總體上看，本世紀服務業景氣波動的平均周期長度為52個月，呈現以上升期為主導的“緩增急降”型的非對稱周期特征。以金融危機為界，從持續期來看，金融危機之后的兩輪服務業周期較之前一輪周期相比持續期明顯縮短；從波動特征來看，金融危機之后的兩輪服務業短周期的平均振幅、波動率和平均位勢等波動特征明顯低于金融危機前的服務業周期，尤其是經濟新常態時期的服務業景氣進一步呈現平穩小幅波動的新特征。

(3)通過對比服務業一致景氣指數與中國宏觀經濟一致景氣指數的走勢，本文發現在金融危機之后，服務業景氣指數相比宏觀經濟景氣指數更加平穩。在經濟新常態時期，特別是2015—2017年，服務業保持了自身的穩定性和對宏觀經濟的拉動作用。

由于服務業是供給體系的重要組成部分，發展服務業有利于提高供給體系的質量并促進供給結構的優化調整，由此可見，服務業的發展對產業結構升級和“供給側”改革，都具有明顯的助推作用。雖然中國的服務業在總量、產業結構以及產業協同方面正逐漸趨于優化合理，內部分工不斷深化，但與發達國家相比，仍存在一些差距和問題，還有較大的上升空間。一方面，中國生產性服務業的技術含量、勞動生產率以及專業性都有待于提高和完善，如研發與設計服務，科技成果轉化服務，尤其是農業、生物等技術推廣服務和知識產權服務等；另一方面，中國生活性服務業的產品與發達國家相比質量偏低。因此，本文建議政府對于生產性服務范疇內的各個細分行業，尤其是科技含量較高的信息、軟件和科研技術服務等現代服務行業應分別出臺具體的支持性政策，完善并加強對知識產權保護的相關法律法規，以創造良好的基礎設施環境與發展條件。由于生活性服務業普遍具有市場準入標準較低、技術壁壘不高、對資本需求的約束較小的特點，為了提高中國生活性服務業的服務產品品質，政府應完善生活性服務業的行業標準和產品標準，加強對生活性服務行業從業人員的培訓和培養。