垂直專業化分工與服務業全要素生產率
——基于中國服務業分行業的實證研究

黃玉霞，謝建國

(南京大學商學院，江蘇 南京 210093)

一、問題的提出

20世紀80年代以來，信息技術的發展和各國服務業開放程度的提高使服務業逐漸融入到全球價值鏈垂直分工體系中。正如Subramanian and Kessler所言，全球化進程已從“貨物貿易的全球化”轉向“非物質化的全球化”[1]。作為經濟全球化背景下特有的分工現象，垂直專業化對參與者的生產率意義不言自明。然而，目前關于這一問題的研究主要集中在制造業領域，對服務業垂直專業化問題的研究較少。在制造業與服務業相互融合的趨勢下，服務業發展日益工業化，借助制造業的標準化設備和流程化生產，服務業可將其品牌優勢、渠道優勢和貼近需求等多種產業優勢發揮到極致，從而為顧客提供“一站式”的最終產品和服務解決方案。垂直專業化加速服務業的工業化，通過垂直專業化分工，在降低中間投入成本的同時提高企業的專業化水平和管理效率，從而進一步發揮規模經濟優勢，因此在理論上應有助于其生產效率的提升。當前，以提高全要素生產率(TFP)為核心的供給側改革是解決中國經濟結構性問題的根本出路，而經濟整體全要素生產率的提升有賴于三大產業全要素生產率的共同提升。從產業發展的演進規律來看，世界經濟的服務化趨勢不可逆轉[2]，我國服務業增加值在2015年就已超過制造業。在此背景下，相對于制造業全要素生產率的提升而言，服務業全要素生產率提升對經濟整體全要素生產率的意義顯然更大。但遺憾的是，現有文獻對全要素生產率提升的關注點仍集中在制造業領域。橫向來看，與日本、美國和德國等發達國家服務業發展兩個70%特征相對比的是[注]服務業在GDP中占比70%，生產性服務業在服務業中占比70%。，我國服務業特別是生產性服務業發展滯后，而服務業生產率水平較低是重要的制約因素。因此，如何提高服務業全要素生產率是擺在政府和學界面前的一個重要的理論和現實問題。斯密等古典經濟學家已深刻揭示分工對生產率的意義，因此能否通過分工特別是全球價值鏈背景下垂直專業化分工這一分工模式來推動服務業全要素生產率提升就成為一個非常值得研究的話題。

垂直專業化又稱為外包、多階段生產和任務貿易等，是當前國際分工的主要方式[3][4][5]。針對這種經濟現象的研究已積累豐碩的前期成果，包括垂直專業化分工的測算及以此為基礎分析其對技術進步和全要素生產率等影響的經濟效應研究[6][7][8]。Grossman和Helpman(2002)對企業內部化和外包的生產模式選擇行為分析后認為，外包降低企業的經營管理成本，使其在專業化分工中獲得“干中學”效應[4]，從而提高企業生產率。Amiti和Wei(2006)研究發現服務離岸外包對美國制造業生產率具有促進作用，且服務外包對生產率的正向作用大于物質外包[8]。Egger和Egger(2006)就歐盟制造業外包與非熟練工人勞動生產率的關系研究后發現，外包短期內降低非熟練工人的勞動生產率，長期則提高其勞動生產率[9]。王中華等(2009)分析中國工業參與國際垂直專業化的技術進步效應后認為，垂直專業化促進中國工業行業技術進步和生產率提升，但其影響程度與行業特性相關，尤其在資本密集型和高出口密集度部門，垂直專業化具有更大的技術進步和生產率促進作用[10]。

上述文獻分析制造業垂直專業化對制造業生產率的影響，原毅軍和劉浩(2009)則研究垂直專業化對服務業生產率的影響，認為制造業服務外包在提升自身生產率和促進資源整合的同時，對服務業生產率產生正向的溢出效應[11]。姚星(2015)深入分析服務業垂直分工和外包的四種不同類型對服務業生產率的影響，認為離岸發包和在岸接包對服務業TFP具有顯著的負向作用，而離岸接包和在岸發包則對TFP產生提升作用[12]。

歸納文獻后發現，有關垂直專業化生產率效應的討論大多集中在制造業領域，涉及服務業領域的研究則基于服務業承接制造業服務外包對服務業生產率影響的角度，而服務業對外發包、進口外國中間投入的垂直專業化分工對服務業生產率影響的文獻較少。在全球價值鏈分工的背景下，制造業與服務業呈現相互融合的趨勢，不僅制造業通過服務外包的方式引入外部專業服務，實現制造業投入的服務化，而且服務業也引入制造業的標準化產品、現代化生產方式，從而出現“服務業工業化”的現象[2][13]。服務業的工業化顯然有助于服務業企業TFP水平的提升。信息技術的發展減弱服務的“不可貿易品”屬性，教育和醫療等許多傳統服務借助現代通信手段的跨境交付日益便捷，無形服務借助于有形載體(如從音樂會到音響制品的轉變)實現服務的模塊化和片段化生產，服務業全球化和碎片化生產的“兩化”趨勢日益明顯[14][15]，這一趨勢為我們研究服務業垂直專業化分工提供現實基礎。根據樊茂清和黃薇(2014)的測算，2009年中國服務業整體垂直專業化率為0.088，與制造業整體0.098的垂直專業化率已非常接近[16]。從絕對數量來看，由于中間品貿易增長是全球生產分割的最直接表征[17]，因此以中間服務貿易近似表示服務業絕對垂直專業化水平的話，2014年我國中間服務出口額已從2000年的329億美元提高到2568億美元，年均增長率高達15.8%，服務業垂直專業化趨勢非常明顯[18]。因此，本文基于服務業垂直專業化這一視角，利用WIOD最新發布的世界投入產出表，分析垂直專業化與中國服務業全要素生產率之間的關系，探討服務業垂直專業化對全要素生產率可能的影響機制，以期得出一些有益的結論。

二、服務業垂直專業化和全要素生產率的測度與基本事實

(一)服務業垂直專業化水平VSS的測算與基本事實

Hummels等(2001)提出的垂直專業化測度方法得到廣泛使用[7][19]。按其測度方法，垂直專業化(VSS)是指出口中包含的進口中間投入品的比率[7]，測算公式為：

VSSit=VSit/Xit=Mit/Yit

(1)

其中，VSit、Xit、Mit、Yit分別為i服務行業t年出口中包含的進口中間品價值、出口總額、生產中使用的進口中間品價值和生產總值。我們使用WIOD于2016年發布的最新世界投入產出表，測算樣本期(即2005～2014年)中國11個服務行業的垂直專業化水平。由于WIOT的行業分類與中國國民經濟行業分類并不完全一致，本文根據WIOT的行業分類依據——ISIC(國際標準產業分類)第4版的內容和最新版的中國國民經濟行業分類標準的對照表，將WIOT相對較細的行業分類進行適當的合并，以與中國國民經濟行業分類標準中相關服務業行業對應[注]C31陸上和管道運輸、C32水運、C33空運、C34運輸倉儲和支持、C35郵政和快遞對應(1)交通運輸、倉儲和郵政業；C39電信、C40計算機程序設計和咨詢、信息服務對應(2)信息傳輸、計算機服務和軟件業；C29批發貿易、C30零售貿易對應(3)批發和零售業；C36住宿和餐飲對應(4)住宿和餐飲業；C41金融服務、C42保險再保險和養老基金對應(5)金融業；C44房地產活動對應(6)房地產業；C45法律會計、總部活動和管理咨詢、C50管理支持服務對應(7)租賃和商務服務業；C47科學研究與開發、C49其他專業、科技活動和獸醫活動對應(8)科學研究、技術服務和地質勘查業；C52教育對應(9)教育；C53人類健康和社會工作對應(10)衛生、社會保障和社會福利業；C51公共管理和防御對應(11)公共管理和社會組織。。圖1顯示的是最終測算結果。

橫向來看，垂直專業化水平較高的行業包括：租賃和商務服務業；科學研究、技術服務和地質勘查業；信息傳輸、計算機服務和軟件業；教育等知識密集型行業。受益于信息技術的發展，這些行業的全球化和碎片化趨勢較為明顯，而傳統行業的垂直專業化水平相對較低。從動態演變來看，與世界服務業發展的全球化和碎片化趨勢相悖的是，我國服務業垂直專業化水平呈下降趨勢，這一測算結果與樊茂清等(2014)的研究結果類似[16]。特別是2007～2009年金融危機期間，部分高垂直專業化服務行業的垂直分工程度出現大幅度下降，自2010年以來，各服務行業垂直專業化水平雖開始企穩，但仍未恢復到危機發生前的水平。

圖1 中國服務業中各行業的垂直專業化水平

(二)全要素生產率的測算與基本事實

全要素生產率的測算有參數法和非參數法兩種。參數法的缺陷是需要明確生產函數形式且存在較多的行為假設，故本文采用基于非參數數據包絡分析法的DEA-Malmquist指數來測算。Malmqusit指數最初用來測度兩個時期消費指數的變化，后由Caves等(1982)首先用于測算生產率指數[20]。Fare等(1994)進一步將其分解并與數據包絡分析法結合起來測算全要素生產率[21]。根據Fare的公式，從t期到(t+1)期的Malmquist全要素生產率變化公式為：

(2)

(3)

(3)式右邊的第一項為技術效率變化(EFFCH)，通過比較某一產業距離函數從t到t+1期的變化來刻畫技術效率的變化，反映在服務業技術水平既定的條件下，各行業與世界各國其他行業垂直專業化分工中因行業規模的調整及人員、資本投入的重新配置和服務流程的整合而引起的生產率變化。第二項為技術變化(TECH)，通過比較不同時期生產前沿本身的變化來刻畫技術變化，反映服務業參與垂直專業化分工后，除要素投入調整和生產規模變化外，由其他因素(如服務模式創新、市場環境變化等)引起的服務效率變化。

Fare等(1997)進一步將上述規模報酬不變假設下的技術效率變化分解為規模報酬可變情況下的純效率變化(PECH)和規模效率變化(SECH)[22]：

(4)

(5)

(6)

(5)和(6)式分別為t+1和t期的規模效率，其比值表示從t到t+1期的規模效率變化，反映在規模報酬可變的條件下，各服務業行業由生產規模變化引起的生產率變化。由(2)～(6)式，全要素生產率指數可分解為TFPCH=EFFCH*TECH=PECH*SECH*TECH。利用DEAP2.1軟件，我們測算2004～2014年中國11個可獲得投入產出數據的服務業行業全要素生產率指數。其中，產出為服務業各行業的增加值，投入為各行業的資本和勞動投入。

表1 中國服務業全要素生產率指數及其分解

注：表中數據大于1，表示TFP及其分解指標呈上升趨勢；小于1，則表示下降趨勢。

表1顯示，整體來說，中國服務業全要素生產率呈下降趨勢，形勢不容樂觀。2004～2014年TFP總體下降1.3%。從分解指標來看，純技術效率上升0.3%，除純技術效率總體上呈微弱的上升趨勢外，規模效率和技術進步都呈下降態勢，說明近年來中國服務業整體的生產規模是無效率的，服務業生產規模亟待調整、技術水平落后，需引入先進的服務商業模式和組織創新。結合上文測算得到的服務業垂直專業化水平呈下降趨勢的基本事實，一個自然的問題是：中國服務業全要素生產率的下降是由垂直專業化分工水平較低和下降造成的嗎？其影響渠道又是怎樣的？準確回答這些問題需進一步的實證檢驗，也直接關系到未來中國服務業發展的戰略安排，因而具有非常重要的研究價值。

三、計量模型設計、變量選取和數據來源

(一)模型設計和變量選取

在研究垂直專業化分工或外包與生產率的關系時，眾多文獻直接采用資本K和勞動投入L作為控制變量，而在度量生產率時，大多使用勞均生產率指標[24]。事實上，勞均生產率僅反映勞動要素投入的效率，本文采用全要素生產率這一指標，以反映所有要素投入的綜合貢獻。為降低多重共線性，控制變量選取勞均資本存量，而非資本和勞動投入水平變量。考慮到外資進入可能存在溢出效應和示范效應，我們將服務業實際利用FDI比重作為度量服務業對外開放程度的控制變量并引入模型。同時，服務業生產率水平還取決于勞動者的素質，因此加入人力資本這一控制變量。所有變量取對數，設定的計量模型為：

LnTFPCHit=α0+α1LnVSSit+α2LnFDIBZit+α3LnRJKit+α4LnRLZBit+μi+εit

(7)

其中，i和t代表行業和年份，TFPCHit為全要素生產率指數，VSSit為垂直專業化水平，FDIBZit為各服務行業的開放度，RJKit代表資本密集度并以勞均資本存量度量，RLZBit表示人力資本水平(以度量服務業的人員素質)，μi表示行業固定效應，εit為隨機誤差項。

(二)數據來源

垂直專業化水平和全要素生產率指數的測算方法在上文已詳細闡述，這里不再贅述。服務行業開放度采用經匯率換算后的各服務行業實際利用FDI總額占其增加值的比重衡量，資本密集度采用前文計算的各服務行業資本存量與勞動人數之比衡量，人力資本水平采用各服務行業城鎮單位就業人員工資與城鎮單位就業人員平均工資的比值衡量[25]。一般來說，勞動素質較高的行業，員工的工資水平也較高。本文數據來自《中國統計年鑒》、EPS中國第三產業數據庫、國家統計局和WIOD網站[注]限于篇幅，略去有關主要變量的描述性統計表格，作者備索。。為判斷核心變量——服務業垂直專業化是否為內生解釋變量，從而決定是否使用2SLS法或系統GMM等方法來處理內生性問題，我們選取垂直專業化的滯后一期為工具變量，然后基于比較面板固定效應估計量和工具變量兩階段最小二乘估計量是否存在統計顯著差異的Hausman檢驗來判斷服務業垂直專業化的內生性。若無內生性問題，則采用通常的回歸方法；反之，則使用工具變量等方法處理內生性。檢驗結果發現，核心變量并不存在內生性問題，故下文的實證分析使用通常的面板數據處理方法。

四、實證研究結果及分析

(一)基準回歸模型

本文先對(7)式分別估計固定效應和隨機效應模型。為克服可能存在的自相關和異方差問題，模型均使用聚類穩健標準誤進行顯著性檢驗。而關于固定效應和隨機效應模型的選取，考慮到傳統Hausman檢驗并不適合面板模型隨機誤差項存在異方差的情形，因此我們使用對異方差保持穩健的Sargan-Hansen統計量來甄選，最終選擇固定效應模型并報告如下。

表2 服務業全要素生產率和技術進步與垂直專業化的回歸結果

注：括號內為回歸系數的穩健標準誤；*、** 和*** 分別表示在10%、5%和1%的水平上顯著。下同。

表2的第(1)～(2)列顯示，無論是否加入控制變量，垂直專業化的回歸系數都通過5%的顯著性檢驗且系數為正，說明服務業垂直專業化與全要素生產率提升呈顯著正相關。以第(2)列為例，垂直專業化水平每提高1%，全要素生產率將提升0.097%。垂直專業化分工提高服務業全要素生產率的原因在于分工過程中發生技術的轉移和擴散。此外，分工的上下游環節潛在進入者的威脅使已融入其中的在位服務業企業不斷降低服務價格，以阻止潛在進入者加入，而由技術擴散引致的競爭也促使在位服務業企業不斷提高全要素生產率[10]。

值得注意的是，第(2)列顯示服務業開放度與全要素生產率指數呈負相關，這可能與中國服務業利用FDI的行業分布有關。在樣本期內，房地產業、批發和零售業利用FDI的平均比重分別高達47%和13%，二者累計比重為60%。這兩個行業是全要素生產率增長最慢的行業[26]，因而其較高的FDI流入量拉低了FDI對服務業全要素生產率的提升作用。不僅如此，胡曉鵬(2012)認為FDI的“示范效應”“學習效應”等積極作用在中國服務業行業很難成立。因為進入中國服務業的外資企業主要是制造業外商投資的服務業企業，并主要服務于外商獨資的制造業企業，通過外商的制造業和服務業企業建立跨國公司完整的生產服務鏈條，構成FDI“絕緣化”的獨立運營體系。服務業跨國公司將核心技術和管理訣竅等“包裹”起來，提高本土服務業企業的學習門檻，不利于技術的擴散。另外，服務業跨國公司對本土企業形成的“人才外化”效應也給FDI的技術溢出帶來負面影響。所有這些都使中國服務業被“低端化鎖定”，抑制其全要素生產率增長[27]。FDI與服務業全要素生產率間的負相關關系表明，如何提高服務業利用FDI的效率和質量是未來中國政府必須解決的問題。

(二)垂直專業化對服務業全要素生產率影響的作用渠道

為深入探討垂直專業化提升服務業全要素生產率的具體途徑，我們根據DEA-Malmquist指數對全要素生產率分解，進一步檢驗以下的回歸模型：

LnTECHit=β0+β1LnVSSit+β2LnFDIBZit+β3LnRJKit+β4LnRLZBit+μi+εit

(8)

LnPECHit=γ0+γ1LnVSSit+γ2LnFDIBZit+γ3LnRJKit+γ4LnRLZBit+μi+εit

(9)

LnSECHit=δ0+δ1LnVSSit+δ2LnFDIBZit+δ3LnRJKit+δ4LnRLZBit+μi+εit

(10)

表2的第(3)、(4)列顯示，垂直專業化與服務業技術水平之間呈顯著正相關，垂直專業化水平每提高1%，服務業技術水平將提升0.047%～0.063%，說明通過從其他國家進口中間投入品和引入標準化的管理模式，參與垂直專業化分工能促進服務業和制造業的垂直融合，使服務業日益“工業化”[2][13]，進而帶動服務業組織模式創新和服務效率提升。垂直專業化與服務業純技術效率及規模效率之間沒有顯著相關性[注]模型(8)的回歸結果見表2的第(3)、(4)列。限于篇幅，略去模型(9)和(10)的回歸結果，作者備索。，說明垂直專業化主要是通過促進技術水平的提高這一渠道來提升全要素生產率，而對服務業規模效率和純技術效率的正向作用不明顯。劉興凱和張誠(2010)、王恕立等(2015)也曾指出中國服務業TFP增長源泉中技術進步貢獻的“增長效應”明顯，而技術效率改善的“水平效應”相對有限[28]，技術進步是TFP變動的主要推動力量，服務業發展的粗放型特點較為明顯[26]。

(三)穩健性檢驗

為考察不同垂直專業化水平對服務業全要素生產率及其分解指標可能存在的差異化影響，同時驗證實證結果的穩健性，根據垂直專業化水平的測算結果，我們將樣本分為高垂直專業化和低垂直專業化行業兩類并分組檢驗[注]高垂直專業化行業主要包括：交通運輸、倉儲和郵政業；信息傳輸、計算機服務和軟件業；租賃和商務服務業；科學研究、技術服務和地質勘查業；教育業。低垂直專業化行業主要包括：批發和零售業；住宿和餐飲業；金融業；房地產業；衛生、社會保障和社會福利業；公共管理和社會組織。，表3、4顯示了回歸結果。

表3的第(1)～(2)列顯示，無論高垂直專業化行業還是低垂直專業化行業，垂直專業化與全要素生產率指數之間都為正相關關系，但高垂直專業化行業的回歸系數不顯著。而對低垂直專業化行業來說，垂直專業化水平每提高1%，全要素生產率將提升0.095%。比較回歸系數后發現，垂直專業化分工深化對低垂直專業化行業全要素生產率提升的邊際效應更大，這一異質性結果可從楊小凱的分工理論中得到解釋。分工可提高交易效率，同時產生各種交易費用，分工的演進是分工收益和成本的一個兩難權衡：分工水平較低時，交易頻率低，交易費用不高，此時分工深化將帶來生產效率的改進和交易費用較小程度的增加，促使分工進一步提高。但隨著分工程度達到一定階段時，交易頻率提高帶來的交易費用上升幅度將超過效率改進幅度，分工深化放緩，從而降低分工對生產效率改進的潛力。從控制變量來看，高垂直專業化行業利用FDI顯著降低全要素生產率增長，低垂直專業化行業全要素生產率與FDI之間存在負向關系、但不顯著，說明服務業利用FDI的經濟績效較低，流入服務業的FDI盯住的是中國巨大的消費市場或房地產升值的潛在利益，并無提升服務業全要素生產率的動機。況且，服務業跨國公司憑借其壟斷優勢排斥本土企業發展，對中國現代服務業產生競爭力抑制效應[27]，進而對全要素生產率帶來負面影響。

表3 服務業全要素生產率和技術進步與垂直專業化的分組估計結果

表4 純技術效率和規模效率與垂直專業化的分組估計結果

從全要素生產率的分解指標來看，表3的第(3)～(4)列和表4說明，在不同的服務業行業，垂直專業化分工發揮其生產率提升作用的渠道不同。高垂直專業化行業通過促進技術進步來實現全要素生產率的增長(表3的第3列)，而低垂直專業化行業主要通過提高規模效率來實現全要素生產率的增長(表4的第4列)。無論高垂直專業化行業還是低垂直專業化行業，參與垂直專業化分工都沒有顯著影響其純技術效率(表4的第1、2列)。這種差異化影響渠道產生的原因可能是：高垂直專業化行業參與國際分工前，其行業規模已基本實現優化配置，通過參與垂直專業化分工，吸收其他國家(地區)各行業的技術溢出，特別是在與制造業的融合中，使用更多的制造業中間投入品后帶來服務商業模式的創造性變革，進而促進服務業技術進步，提高服務業的全要素生產率。而低垂直專業化行業則在參與國際垂直專業化分工過程中，通過使用外部中間投入品實現行業資本、人員和設備的重新配置和優化，并逐漸達到最優的行業生產規模，從而實現規模效率的提升。

五、結論與啟示

本文利用WIOD的2005～2014年世界投入產出表，分析垂直專業化對中國服務業全要素生產率的影響。研究結果顯示，垂直專業化分工深化促進服務業全要素生產率增長，垂直專業化水平每提高1%，服務業全要素生產率將提升0.068%～0.097%。就影響渠道來看，服務業垂直專業化分工整體上通過推動技術進步來實現服務業全要素生產率增長，而對純技術效率和規模效率的改善無顯著影響。分組估計結果發現，垂直專業化分工對低垂直專業化行業TFP提升具有更大的邊際效應；對垂直專業化水平較高的服務業行業來說，垂直專業化分工通過促進技術進步來影響全要素生產率，而低垂直專業化服務業行業則通過提高規模效率來提升全要素生產率。另外，FDI整體上降低服務業全要素生產率，因而如何改善服務業FDI的效率和質量仍是中國政府亟待解決的問題。

當前，我國服務業垂直專業化水平不斷下降，對TFP提升產生負面影響。伴隨整個國民經濟的服務化轉型，服務業TFP增長直接關系到整個經濟體系的生產率提升和經濟結構性矛盾的化解。因此，深化服務業垂直專業化分工，通過推動制造業和服務業之間、服務業內部的相互融合來促進服務業TFP增長應成為各級政府的一項政策菜單。制度和技術因素是影響垂直專業化分工深化的主要因素。制度因素通過影響服務業和其他行業的交易效率來影響服務業垂直專業化水平，技術因素則通過改變服務生產和提供方式、提高服務生產和提供環節的可分割性來影響服務業垂直專業化水平。技術的變化需要較長時間，短期內提升服務業垂直專業化水平的重點應是提高制度質量，通過完善相關法律法規來提高服務業行業垂直專業化分工中簽訂的各項中間投入品和服務提供等合約的執行效率，降低違約風險。此外，借助國際雙多邊合作機制和自貿協定的談判，降低服務業參與垂直專業化分工的交易成本，實現服務業中間進口投入品特別是高端進口投入品的增加，變革服務業出口方式，提高服務業出口質量和全要素生產率。

其次，垂直專業化分工并未顯著影響服務業純技術效率和規模效率，說明我國服務業各行業在參與垂直專業化分工的過程中對相關投入要素沒有進行很好的整合和再優化。未來，應從改善服務業技術效率和規模效率的角度出發，通過服務業行業人員、資本和中間投入要素的優化配置來切實提高服務業的技術效率和規模效率；不斷增進與發達國家(地區)的垂直專業化分工水平，借助進口高級中間投入品來提高服務業的現代化水平和供應能力，提升服務業的技術效率和規模效率。

最后，在符合WTO法律規范的基礎上，引導FDI對服務業投資的行業流向。研究結果發現，流入中國服務業的外資集中于房地產業、批發和零售業等生產率發展相對滯后的部門，其投資動機為從中國房地產價格上漲和巨大的消費市場中獲益。自2004年底全面對外開放后，外資已占據高端零售業80%以上的份額[27]，上述投資動機和外資對進入行業形成的新壟斷抑制了FDI的技術溢出和效率提升。政府應加強對流入房地產業、批發和零售業的FDI的審查，引導外資進入教育、衛生、社會保障和社會福利業、科學研究、技術服務和地質勘查業等行業，以發揮FDI對服務業全要素生產率提升的積極作用。