新冠疫情對服務(wù)業(yè)全要素生產(chǎn)率不對等沖擊研究
——以上海市松江區(qū)規(guī)模以上服務(wù)業(yè)企業(yè)為例

□ 俞曉萍

|研究背景及思路

2020 年，上海市松江區(qū)服務(wù)業(yè)實現(xiàn)增加值335.58 億元，占全區(qū)增加值的比重為20.5%，比“十二五”末（2015 年）提高1.7 個百分點，服務(wù)業(yè)已成為地區(qū)經(jīng)濟的重要組成部分。

然而，自新冠疫情發(fā)生以來，服務(wù)業(yè)內(nèi)部各主要行業(yè)則呈現(xiàn)出不同的發(fā)展態(tài)勢。部分行業(yè)降幅明顯，如教育（規(guī)上營收①規(guī)模以上營業(yè)收入。下降32%）、文化、體育和娛樂業(yè)（規(guī)上營收下降16.8%）、交通運輸、倉儲和郵政業(yè)（規(guī)上營收下降15.2%）；部分行業(yè)則逆勢較快增長，如信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)（規(guī)上營收增長38.6%）、科學(xué)研究和技術(shù)服務(wù)業(yè)（規(guī)上營收增長9.7%）。

可見，新冠疫情對服務(wù)業(yè)不同行業(yè)的發(fā)展規(guī)模和發(fā)展速度產(chǎn)生了不對等的沖擊。高質(zhì)量發(fā)展背景下，發(fā)展效率是地區(qū)經(jīng)濟轉(zhuǎn)型升級，以及內(nèi)涵式、集約式擴大再生產(chǎn)增長的主要體現(xiàn)，不同行業(yè)和企業(yè)的發(fā)展效率受到新冠疫情的沖擊程度是否也存在顯著差異，而這樣的顯著差異又與哪些因素高度關(guān)聯(lián)，為了回答上述問題，本文主要從以下三個部分依次進行探究。

1.全要素生產(chǎn)率的測算。以增加值為產(chǎn)出變量，資產(chǎn)和從業(yè)人員為投入變量，使用EBM 超效率模型測算2017—2020 年松江區(qū)規(guī)模以上服務(wù)業(yè)企業(yè)的全要素生產(chǎn)率。

2.全要素生產(chǎn)率的差異分析。以行業(yè)門類全要素生產(chǎn)率均值的變動率為樣本數(shù)據(jù)，使用配對樣本T檢驗以檢驗服務(wù)業(yè)各行業(yè)的發(fā)展效率是否受到新冠疫情的顯著沖擊。以個體企業(yè)全要素生產(chǎn)率的變動率為樣本數(shù)據(jù)，使用單因素方差分析以檢驗不同服務(wù)業(yè)行業(yè)的發(fā)展效率受到新冠疫情的沖擊程度是否存在顯著差異。

3.全要素生產(chǎn)率不對等沖擊的關(guān)聯(lián)因素分析。從靜態(tài)、財務(wù)、人力、信息化、創(chuàng)新、特色產(chǎn)業(yè)六個維度構(gòu)建全要素生產(chǎn)率高關(guān)聯(lián)因素特征標(biāo)簽體系，使用XGBoost 算法挖掘與全要素生產(chǎn)率受沖擊程度關(guān)聯(lián)度較高的主要因素。

|服務(wù)業(yè)全要素生產(chǎn)率的測算

（一）測算方法介紹

全要素生產(chǎn)率（Total Factor Productivity）是指指數(shù)化的產(chǎn)出與投入要素之比，其特點在于能夠反映綜合經(jīng)濟效率，指數(shù)大小由全部投入、產(chǎn)出要素決定，可以表達(dá)技術(shù)進步、規(guī)模經(jīng)濟、管理水平、人員素質(zhì)等因素對產(chǎn)出的作用。本文使用EBM 超效率模型測算全要素生產(chǎn)率，超效率DEA 模型可以更好比較有效決策單元效率值的大小，EBM模型則能夠充分考慮投入和產(chǎn)出的松弛問題，以及準(zhǔn)確區(qū)分期望產(chǎn)出和非期望產(chǎn)出。

超效率DEA 模型是一種由Andersen 和Petersen（1993）提出的通過將被評價決策單元從原生產(chǎn)可能集中剔除，以剩余決策單元構(gòu)造新的生產(chǎn)可能集和形成新的有效生產(chǎn)前沿面，并以新的有效生產(chǎn)前沿面為基準(zhǔn)來判斷其有效性，從而能夠進一步比較有效決策單元效率值大小的DEA 方法。

EBM 模型則是一種由Tone 和Tsutsui（2010）提出的結(jié)合了SBM模型（能夠充分考慮投入和產(chǎn)出的松弛問題）和DDF 模型（能夠區(qū)分期望產(chǎn)出和非期望產(chǎn)出）的優(yōu)點，兼容徑向和非徑向的混合距離函數(shù)測度模型。

（二）測算結(jié)果分析

使用2017 年至2020 年松江區(qū)規(guī)模以上服務(wù)業(yè)企業(yè)作為樣本集，投入指標(biāo)為取自然對數(shù)的從業(yè)人員平均人數(shù)、資產(chǎn)總計，產(chǎn)出指標(biāo)為取自然對數(shù)的增加值，增加值按勞動者報酬、生產(chǎn)稅凈額、固定資產(chǎn)折舊、營業(yè)盈余四要素進行核算，各年均值匯總結(jié)果見表1。

表1 2017-2020 年松江區(qū)規(guī)上服務(wù)業(yè)企業(yè)全要素生產(chǎn)率均值匯總結(jié)果

由結(jié)果能得到松江區(qū)規(guī)上服務(wù)業(yè)企業(yè)全要素生產(chǎn)率三方面的主要信息。

1.新冠疫情前，綜合技術(shù)效率呈現(xiàn)逐年提高態(tài)勢。綜合技術(shù)效率均值從2017 年的0.625 提高到2019年的0.638，累計增長2.0%，年均增長1.0%。雖然由于各投入和產(chǎn)出指標(biāo)取自然對數(shù)，導(dǎo)致一定程度上收縮了高效率DMU 和低效率DMU 的差距，但綜合技術(shù)效率逐年提高的整體趨勢依然顯著且穩(wěn)健。

2.新冠疫情前，綜合技術(shù)效率提高主要由純技術(shù)效率拉動。綜合技術(shù)效率可分解為純技術(shù)效率和規(guī)模效率兩部分。純技術(shù)效率均值從2017 年的0.766 提高到2019 年的0.780，累計增長1.9%，年均增長0.9%；而三年間的規(guī)模效率則基本持平。可見，綜合技術(shù)效率的提高主要依靠純技術(shù)效率拉動。

3.新冠疫情對綜合技術(shù)效率產(chǎn)生一定影響。2020 年的綜合技術(shù)效率為0.626，低于2018 年和2019 年，稍高于2017 年。其中，純技術(shù)效率為0.772，低于2019 年，但高于2018 年和2017 年；規(guī)模效率為0.810，收縮至近四年最低值。

|服務(wù)業(yè)全要素生產(chǎn)率的差異分析

（一）基于配對樣本T 檢驗的服務(wù)業(yè)全要素生產(chǎn)率差異分析

配對樣本是指存在一一對應(yīng)關(guān)系的兩組樣本，配對樣本T 檢驗則是指用于判斷配對樣本間是否存在顯著性差異的統(tǒng)計檢驗方法。配對樣本T 檢驗有兩項前提條件，一是兩組樣本必須是配對的（也就是相關(guān)的），二是兩組樣本來自的總體都應(yīng)服從正態(tài)分布。

使用配對樣本T 檢驗以檢驗服務(wù)業(yè)各行業(yè)的發(fā)展效率是否受到新冠疫情的顯著沖擊，以行業(yè)門類全要素生產(chǎn)率均值的變動率為樣本數(shù)據(jù)。其中，對照組為各行業(yè)門類2017 年至2019 年全要素生產(chǎn)率均值的年均變動率，事件組為各行業(yè)門類2020年全要素生產(chǎn)率均值的同比變動率。

基礎(chǔ)數(shù)據(jù)見表2，檢驗結(jié)果見表3，由檢驗結(jié)果可知，“差值樣本均值與0 不存在顯著性差異”假設(shè)的伴隨概率為0.0142（小于0.05），應(yīng)拒絕原假設(shè)，從而表示兩組樣本的均值差與0 具有顯著性差異，也就說明服務(wù)業(yè)各行業(yè)的發(fā)展效率確實受到了新冠疫情的顯著沖擊。

表2 松江區(qū)規(guī)上服務(wù)業(yè)行業(yè)門類全要素生產(chǎn)率均值的變動率

表3 松江區(qū)規(guī)上服務(wù)業(yè)行業(yè)門類全要素生產(chǎn)率均值變動率的配對樣本T 檢驗

（二）基于單因素方差分析的服務(wù)業(yè)全要素生產(chǎn)率差異分析

單因素方差分析是指用于判斷單個自變量的不同水平是否對因變量產(chǎn)生顯著影響的統(tǒng)計檢驗方法。單因素方差分析將總方差分為兩部分，即可以由自變量解釋的系統(tǒng)誤差和無法由自變量解釋的隨機誤差，若系統(tǒng)誤差顯著超過隨機誤差，則可判斷該自變量在處于不同水平時因變量均值存在顯著差異。

使用單因素方差分析以檢驗服務(wù)業(yè)各行業(yè)發(fā)展效率受到新冠疫情的沖擊是否存在顯著差異，以2020年全部規(guī)上服務(wù)業(yè)企業(yè)全要素生產(chǎn)率的同比變動率為樣本數(shù)據(jù)，并將其按行業(yè)門類進行分組。

檢驗結(jié)果見表4，由檢驗結(jié)果可知，Bartlett 檢驗的伴隨概率為0.092（大于0.05）表示通過方差齊性檢驗，F(xiàn) 值為4.92，其伴隨概率為0.000（小于0.05）表示各組樣本全要素生產(chǎn)率的變動率存在顯著性差異，也就說明服務(wù)業(yè)各行業(yè)發(fā)展效率受到新冠疫情的沖擊是不同等的。

表4 松江區(qū)規(guī)上服務(wù)業(yè)企業(yè)全要素生產(chǎn)率（按行業(yè)門類分組）單因素方差分析輸出結(jié)果

|服務(wù)業(yè)全要素生產(chǎn)率不對等沖擊的關(guān)聯(lián)因素分析

（一）關(guān)聯(lián)因素的特征標(biāo)簽體系

使用2020 年統(tǒng)計一套表年報數(shù)據(jù)，初步篩選出可能與要素效率存在一定關(guān)系的統(tǒng)計指標(biāo)，按靜態(tài)、財務(wù)、人力資源、信息化、創(chuàng)新、特色產(chǎn)業(yè)六個類別構(gòu)建要素效率影響特征標(biāo)簽體系。

1.靜態(tài)特征標(biāo)簽。主要反映服務(wù)業(yè)企業(yè)的基本情況，包括行業(yè)門類、單位規(guī)模、開業(yè)（成立）時間、登記注冊類型、企業(yè)集團情況，共構(gòu)造17 個模型變量。

2.財務(wù)特征標(biāo)簽。主要用于反映服務(wù)業(yè)企業(yè)的財務(wù)情況，包括貢獻(xiàn)率、負(fù)債率、周轉(zhuǎn)率、利潤率，共構(gòu)造4 個模型變量。

3.人力資源特征標(biāo)簽。主要反映服務(wù)業(yè)企業(yè)的勞動力要素使用情況，包括從業(yè)人員平均工資、中層及以上管理人員占比、專業(yè)技術(shù)人員占比，共構(gòu)造3 個模型變量。

4.信息化特征標(biāo)簽。主要反映服務(wù)業(yè)企業(yè)的數(shù)字轉(zhuǎn)型情況，包括信息化投入強度、財務(wù)管理信息化、購銷存管理信息化、物流配送信息化、客戶關(guān)系管理信息化、人力資源管理信息化、其他信息化，共構(gòu)造7 個模型變量。

5.創(chuàng)新特征標(biāo)簽。主要反映服務(wù)業(yè)企業(yè)的創(chuàng)新活動情況，包括無形資產(chǎn)占比、研發(fā)費用投入強度，共構(gòu)造4 個模型變量。

6.特色產(chǎn)業(yè)特征標(biāo)簽。主要反映服務(wù)業(yè)企業(yè)的特色產(chǎn)業(yè)隸屬情況，包括戰(zhàn)略性新興產(chǎn)業(yè)、高技術(shù)產(chǎn)業(yè)、健康產(chǎn)業(yè)、教育培訓(xùn)及相關(guān)產(chǎn)業(yè)、科技服務(wù)業(yè)、旅游及相關(guān)產(chǎn)業(yè)、生產(chǎn)性服務(wù)業(yè)、生活性服務(wù)業(yè)、體育產(chǎn)業(yè)、文化及相關(guān)產(chǎn)業(yè)、養(yǎng)老產(chǎn)業(yè)、知識產(chǎn)權(quán)（專利）密集型產(chǎn)業(yè)、數(shù)字經(jīng)濟產(chǎn)業(yè)，共構(gòu)造13 個模型變量。

（二）服務(wù)業(yè)全要素生產(chǎn)率不對等沖擊的關(guān)聯(lián)因素分析

1.建模方法的說明

使用XGBoost 算法挖掘松江區(qū)服務(wù)業(yè)全要素生產(chǎn)率受到新冠疫情不對等沖擊的高關(guān)聯(lián)因素。XGBoost是華盛頓大學(xué)陳天奇博士于2014 年發(fā)起的一個開源機器學(xué)習(xí)項目，高效地實現(xiàn)了GBDT 算法并進行了算法和工程上的許多改進。

XGBoost 算法的主要優(yōu)化包括（1）對代價函數(shù)進行二階泰勒展開，同時用一階和二階導(dǎo)數(shù)（2）在代價函數(shù)中加入正則項，用于控制模型復(fù)雜度（3）將存在缺失值的情況視為變量的一種取值，自動學(xué)習(xí)其分裂方向，具有較強的預(yù)測力。

2.建模結(jié)果的分析

（1）調(diào)節(jié)參數(shù)。使用2020 年松江區(qū)417 條規(guī)上服務(wù)業(yè)企業(yè)記錄構(gòu)成樣本集，隨機抽取90%作為訓(xùn)練集，10%作為測試集，解釋變量為由特征標(biāo)簽體系構(gòu)造的48 個模型變量，被解釋變量為EBM 超效率模型測算的綜合技術(shù)效率的同比變動率。迭代模型選擇gbtree，迭代次數(shù)選擇500，學(xué)習(xí)率選擇0.1，損失函數(shù)選擇RMSE，使用GridSearch 對其他主要參數(shù)進行調(diào)節(jié)（表5）。

表5 XGBoost 部分主要參數(shù)調(diào)節(jié)結(jié)果

XGBoost 調(diào)參前的擬合結(jié)果為：5折交叉驗證訓(xùn)練集的RMSE=0.0589，驗證集的RMSE=0.0643；調(diào)參后的擬合結(jié)果為：5 折交叉驗證訓(xùn)練集 的RMSE=0.0598，驗證集的RMSE=0.0612，測試集的RMSE=0.0513。

2.挖掘高關(guān)聯(lián)因素。雖 然Feature Importance 可以直觀反映特征對預(yù)測結(jié)果的影響程度，但無法判斷特征與預(yù)測結(jié)果的歸因關(guān)系。因此，本文使用SHAP value 作為高關(guān)聯(lián)基因的判別標(biāo)準(zhǔn)，SHAP value 是指模型產(chǎn)生的每個樣本預(yù)測值分配到各個特征的數(shù)值。

假設(shè)第i 個樣本為xi，第i 個樣本的第個特征為xi,j，模型對第個樣本的預(yù)測值為，整個模型的基線（通常是所有樣本目標(biāo)變量擬合值的均值）為，SHAP value 服從以下等式：（式3）。式中，是的SHAP value，也就是i 第個樣本的第k 個特征對預(yù)測值yi的貢獻(xiàn)值。當(dāng)說明該特征使得預(yù)測值提高，具有正向作用；當(dāng)說明該特征使得預(yù)測值降低，具有反向作用。

基于XGBoost 計算得到的單樣本（以001—005 號樣本為例）全要素生產(chǎn)率高關(guān)聯(lián)因素SHAP value 構(gòu)成情況見圖1，全部樣本全要素生產(chǎn)率高關(guān)聯(lián)因素的SHAP value 絕對值及分布情況見圖2。

圖1 基于XGBoost 的001—005 號樣本高關(guān)聯(lián)因素SHAP value 構(gòu)成

圖2 基于XGBoost 的全部樣本高關(guān)聯(lián)因素SHAP value 絕對值及分布

定義新冠疫情對服務(wù)業(yè)企業(yè)全要素生產(chǎn)率不對等沖擊的高關(guān)聯(lián)因素為全部樣本SHAP value 均值排名前15 位的解釋變量。從特征標(biāo)簽的類別看：靜態(tài)特征標(biāo)簽有3 個，分別為水利、環(huán)境和公共設(shè)施管理業(yè)（可平均提高TE 增速0.034 個百分點），成立時間5-10 年（可平均提高TE增速0.014 個百分點），企業(yè)集團情況為總部（可平均提高TE 增速0.006個百分點）。財務(wù)特征標(biāo)簽有1 個，即周轉(zhuǎn)率（可平均提高TE 增速0.110個百分點）。人力資源特征標(biāo)簽有1個，即從業(yè)人員平均工資（可平均提高TE 增速0.018 個百分點）。信息化特征標(biāo)簽有4 個，分別為全年信息化投入強度（可平均提高TE 增速0.033 個百分點），人力資源管理信息化（可平均提高TE 增速0.003個百分點），財務(wù)管理信息化（可平均提高TE 增速0.002 個百分點），客戶關(guān)系管理信息化（可平均提高TE 增速0.002 個百分點）。特色產(chǎn)業(yè)特征基因有6 個，分別為文化及相關(guān)產(chǎn)業(yè)（可平均提高TE 增速0.018個百分點），教育培訓(xùn)及相關(guān)產(chǎn)業(yè)（可平均提高TE 增速0.008 個百分點），健康產(chǎn)業(yè)（可平均提高TE 增速0.002 個百分點），知識產(chǎn)權(quán)（專利）密集型產(chǎn)業(yè)（可平均提高TE 增速0.001 個百分點），科技服務(wù)業(yè)（可平均提高TE 增速0.001 個百分點），數(shù)字經(jīng)濟產(chǎn)業(yè)（可平均提高TE 增速0.001 個百分點）。

|下階段，增強服務(wù)業(yè)全要素生產(chǎn)率抗沖擊力的意見建議

（一）著力提高服務(wù)業(yè)企業(yè)純技術(shù)效率

本文研究結(jié)果表明，從松江區(qū)服務(wù)業(yè)內(nèi)部結(jié)構(gòu)演化過程看，全要素生產(chǎn)率的提升除技術(shù)進步影響，技術(shù)效率的提升也發(fā)揮著重要作用，尤其在面對突發(fā)疫情沖擊時，對行業(yè)發(fā)展差距的擴大有著一定的影響效應(yīng)。因此，需要通過純技術(shù)效率的提升來實現(xiàn)行業(yè)間的均衡協(xié)調(diào)發(fā)展。當(dāng)前雖然部分服務(wù)行業(yè)具有較高開放度，但技術(shù)效率水平獲得較低，這是由于這些行業(yè)自身存在管理能力和技術(shù)結(jié)構(gòu)等問題，制約了對國際溢出過程中先進技術(shù)的吸收。故而，為保證服務(wù)業(yè)全要素生產(chǎn)率持續(xù)增長，應(yīng)根據(jù)不同國際溢出渠道的差異性效用因勢利導(dǎo)，制定引資和產(chǎn)業(yè)政策，強化服務(wù)行業(yè)對于先進技術(shù)的吸收消化能力。

（二）加快促進服務(wù)業(yè)企業(yè)數(shù)字化轉(zhuǎn)型

蔓延全球的新冠疫情使面對面服務(wù)遭遇莫大困境，教育、娛樂、運輸?shù)葌鹘y(tǒng)服務(wù)業(yè)首當(dāng)其沖，生產(chǎn)率下降明顯。與此同時，信息傳輸、軟件和信息技術(shù)、科學(xué)研究和技術(shù)等新興服務(wù)業(yè)卻逆勢增長。在疫情催化下，數(shù)據(jù)化和智能化服務(wù)快速成形，新一代信息技術(shù)廣泛深入地參與到服務(wù)業(yè)轉(zhuǎn)型發(fā)展中，成為拉動服務(wù)業(yè)增長的新動能。這部分服務(wù)業(yè)企業(yè)把握住疫情危機下在線服務(wù)發(fā)展的契機，實現(xiàn)了規(guī)模和收入的快速增長。從供給側(cè)角度出發(fā)，加快推動服務(wù)業(yè)企業(yè)借助物聯(lián)網(wǎng)、互聯(lián)網(wǎng)、5G 等新一代信息技術(shù)進行數(shù)字化轉(zhuǎn)型，發(fā)展“線上下單、無接觸配送”等新模式實現(xiàn)線上線下融合共生的新業(yè)態(tài)，有助于提高人們的生活水平，滿足不斷增長的消費需求，推動服務(wù)行業(yè)格局不斷優(yōu)化。

（三）加大培育高質(zhì)量特色產(chǎn)業(yè)的力度

疫情之下潛藏機遇。實施服務(wù)業(yè)創(chuàng)新發(fā)展，加快傳統(tǒng)服務(wù)業(yè)改造升級、新興服務(wù)業(yè)跨界融合，加大高質(zhì)量特色產(chǎn)業(yè)培育力度，既不斷滿足了產(chǎn)業(yè)轉(zhuǎn)型升級需求和人民美好生活需要，也為實現(xiàn)全區(qū)經(jīng)濟社會高質(zhì)量發(fā)展提供重要支撐。對于生產(chǎn)性服務(wù)業(yè)，要充分發(fā)揮其對制造業(yè)的升級推動作用，以產(chǎn)業(yè)鏈整合、價值鏈提升和生態(tài)鏈維護等方式改造傳統(tǒng)服務(wù)業(yè)，打造具有核心競爭力的優(yōu)勢特色產(chǎn)業(yè)。對于生活性服務(wù)業(yè)，要進一步挖掘旅游、醫(yī)療保健、教育等消費性服務(wù)領(lǐng)域的巨大潛力，引導(dǎo)企業(yè)細(xì)化服務(wù)市場需求，變革陳舊服務(wù)產(chǎn)品與服務(wù)流程，向高品質(zhì)多樣化升級，推動生活性服務(wù)業(yè)生產(chǎn)率不斷提升。