京津冀科技服務業發展效率及影響因素研究

彭曉靜

（中共河北省委黨校 河北石家莊 050061）

科技服務業作為現代服務業的重要組成部分，具有顯著的外部特征和較強的產業關聯性，對建立現代產業體系、構建新發展格局意義重大。京津冀作為創新驅動發展引領區，具有豐富的科技資源，科技服務業發展條件得天獨厚，產業規模不斷擴大，勢頭較好，尤其是北京和天津科技服務業發展較快。據統計，從2012年到2019年，北京科技服務業增加值從1245.9億元增加到2826.4億元，天津科技服務業增加值從383.61億元增加到593.4億元，河北科技服務業增加值從2012年的335.1億元增加到2017年的406.3億元。雖然科技服務業增加值不斷上升，但京津冀整體及各市科技服務業發展的質量和效率如何還是未知數，亟需從發展效率的角度對其進行靜態和動態評價，同時隨著科技服務業不斷發展，還有諸多因素對其發展效率產生影響。因此，在分析效率的基礎上，對其影響因素進行分析，有助于更好促進科技服務業的發展。

一、文獻綜述

科技服務業具有人才智力密集、科技含量高、產業附加值大、輻射帶動作用強等特點，這些屬性使其成為國家現代服務業發展的重點產業，也成為學術界研究的熱點問題。目前，關于科技服務業的研究主要基于以下幾方面：一是科技服務業與其他產業的關聯性研究。根據程海青等的計算結果，科技服務業每創造一個單位的收益，將增加服務對象至少5個單位的收益。為此，有些學者研究科技服務業與制造業的互動關系，如羅建強等以南京的民營制造業企業為研究對象，分析出科技服務業中的R&D經費的合理使用和R&D人員對制造業的主營業務收入影響較大。二是科技服務業的地理分布及空間演化特征研究。科技服務業合理的產業布局能夠產生集聚效應、溢出效應和擴散效應，促進周邊地區產業的發展，實現區域協調發展。為此，有些學者研究了科技服務業的空間集聚特征及影響因素，如張清正等利用空間基尼系數分析了我國科技服務業空間集聚態勢，并得出規模經濟、科技實力、知識溢出等因素對科技服務業空間集聚產生了重要影響。三是科技服務業發展水平評價及影響因素研究。在現有研究中，學者們主要利用效率來衡量一個國家或地區科技服務業發展水平，采用的計量模型主要是超效率DEA模型、DEA-BCC模型、Malmquist指數法，如張恒等利用超效率DEA模型對長江三角洲城市群科技服務業效率進行評價，并分別計算了科技服務業五大細分行業的超效率值。朱建濤等利用DEA模型和Malmquist指數法對10個省市的科技服務業效率進行評估，并構建回歸模型，對影響綜合技術效率、純技術效率和規模效率的五種因素進行了分析。

綜上所述，學術界對科技服務業進行了大量深入的研究，提供了很多新穎的觀點、研究思路和方法，這些都為繼續深入研究京津冀科技服務業發展效率問題提供了借鑒與參考。現有研究中，由于數據難以獲得，特別是河北省部分城市數據缺失嚴重，增加了對京津冀科技服務業發展效率及影響因素的研究難度，研究成果相應較少。隨著我國進入高質量發展階段，京津冀科技服務業必須以高質量為主題、以效率作為衡量高質量發展的重要尺度。因此，本文利用2012-2017年的統計數據，運用DEA-BCC模型和Malmquist指數法對京津冀科技服務業發展效率進行靜態和動態分析，并利用Tobit模型對影響效率的因素進行分析，提出對策建議。

二、京津冀城市群科技服務業效率評價

（一）評價指標構建及數據選擇

由于科技服務業發展水平評價體系還沒有固定范式，因此本文結合《國家科技服務業統計分類（2018）》的劃分標準，借鑒學者們的研究文獻，考慮數據的可獲得性，選取“科學研究、技術服務和地質勘探業”的增加值（億元）作為科技服務業的增加值，當作產出變量。以科技服務業固定資產投資（億元）、年末城鎮從業人員（人）作為投入變量。京津冀城市群中由于秦皇島、張家口、承德、衡水科技服務業產值較低且數據缺失嚴重，所以將其剔除，僅將北京、天津、石家莊、唐山、邯鄲、邢臺、保定、滄州、廊坊9個城市作為決策單元。數據來源于《中國城市統計年鑒》（2013-2018）、《中國科技統計年鑒》（2013-2018）及各省市的《經濟統計年鑒》（2013-2018），樣本期間為2012-2017年。

（二）DEA-BCC模型及實證結果

為了對京津冀各城市科技服務業發展效率進行靜態評價，本文引入規模可變條件下的產出導向型DEABCC模型，計算各決策單元的綜合技術效率（TE）、純技術效率（PTE）、規模效率（SE）及規模收益變化情況。其公式如下：

式中，i=1，2，……，r=1，2，……，j=1，2，……。θ為決策單元DMU的效率值，取值范圍在0到1。若θ=1，表明DMU處于有效狀態；若θ≠1，表明DMU處于無效狀態。利用此模型，得到如下結果：

一是京津冀科技服務業發展效率的整體情況。從表1中可以看出，就綜合技術效率而言，2012-2017年，綜合技術效率基本處于直線下降狀態，由2012年的0.612下降到2017年的0.387，下降幅度也較大；同時綜合技術效率的有效決策單元也較少，基本在3個以內，占全部城市數量的不到1/3。就純技術效率而言，2012-2017年純技術效率在波動中略有下降，由2012年的0.738下降到2017年的0.609，下降幅度較小；決策單元有效數較多，基本在4個以上，有的年份達到6個，占城市數量的2/3。就規模效率而言，2012-2017年規模效率也是在波動中呈下降的趨勢，由2012年的0.843下降到2017年的0.640；相對于純技術效率決策單元的有效數，規模效率的決策數比較少，占全部城市數量的比例少于1/3。就規模收益情況而言，2012-2017年規模收益處于遞增和不變的數量較多，而處于規模報酬遞減的較少，說明在投入要素增加的情況下，大多決策單元的產出是大于或等于投入要素的增長速度的，可以獲得規模經濟效益。

表1 2012-2017年京津冀9個城市科技服務業發展效率靜態評價

二是京津冀各城市科技服務業的綜合技術效率。從表2中可以看出，就各城市的綜合技術效率來看，北京、廊坊科技服務業的綜合技術效率較高，有效決策單元最多。原因在于，北京是國際科技創新中心，集聚了科技服務業發展的資本、人才和技術等高端要素，產業發展質量和效益不僅在京津冀城市群屬于領頭雁，在全國科技服務業發展格局中也是處于第一梯隊；廊坊毗鄰京津，具有“近水樓臺先得月”的區位優勢，在產業發展上受到京津擴散效應和帶動效應的影響較大。因而，不管是純技術效率還是規模效率，有效決策單元都較多，進而導致綜合技術效率在每個年份都是有效的。除了北京、廊坊，其他7個地市的科技服務業綜合技術效率有效決策單元都比較少，而且效率值也比較低，尤其是河北省內的石家莊、唐山、邯鄲、邢臺、保定、廊坊的綜合技術效率值偏低，原因在于這些城市的純技術效率和規模效率都比較低，這種結果也說明河北省科技服務業不僅規模較小，而且效率也不高，投入要素配置還不夠優，離產業高質量發展還有差距。另外，結合表1和表2的結果可以看出，雖然北京和廊坊綜合技術效率值為1，但由于河北省內6個城市的綜合技術效率值較低，導致京津冀科技服務業的綜合技術效率不高，也說明京津冀城市群內科技服務業的發展不僅在規模上有較大差距，在發展效率也有懸殊，京津冀科技服務業的協同度還不高。

表2 2012-2017年京津冀9個城市科技服務業的綜合技術效率

（三）Malmquist指數法及實證結果

為更好反映京津冀科技服務業發展效率的動態變化，引入Malmquist指數法，其公式如下：

Malmquist指數是用來反映t到t+1階段效率變化的指數，是反映全要素生產率（TFP）動態變化的非參數方法之一，用全要素生產率變化的TFPC指數表示。如果TFPC>1，表明全要素生產率水平提高；如果TFPC<1，則表明全要素生產率水平下降。同時Malmquist指數可以分解為技術效率變化（TEC）指數和技術變化（TC）指數，三者的關系是TFPC=TEC＊TC。其中，TC>1表示生產技術的進步和創新力度的加大；TC<1表示生產技術的倒退和創新力度的衰弱；TEC>1表示資源配置效率的改善和組織管理水平的提高，TEC<1表示資源配置效率和組織管理水平的下降。利用此模型，得到如下結果：

一是2012-2017年京津冀科技服務業發展效率每年的變化情況。從表3中可以看出，2012-2017年Malmquist指數處于上升態勢，全要素生產率變化指數為1.063，6年間增長了6.3%。其中，2013-2014年、2014-2015年、2016-2017年三個時間段全要素生產率都處于增長狀態，增長幅度在10%以上。2016-2017年間增長幅度最大，達到24.0%，主要是京津冀協同發展戰略的實施，京津冀協同創新程度不斷加深，技術進步促進了產業的發展。2012-2013年、2015-2016年兩個時間段的全要素生產率變化處于下降狀態，但下降幅度較小，對整個全要素生產率的變化趨勢影響不大。就技術效率變化來看，2012-2017年技術效率整體處于下降態勢，技術效率變化指數為0.873，下降了12.7%。其中，2012-2013年、2014-2015年、2015-2016年、2016-2017年技術效率變化指數都是小于1的，說明這4個時間段的技術效率處于下降狀態；僅有2013-2014年的技術效率變化指數大于1，說明這個時間段的技術效率處于增長狀態，原因是規模效率變化指數大于1，即規模效率處于增長狀態帶來的。就技術變化指數來看，2012-2017年整體處于上升態勢，6年間增長了21.9%，上漲幅度高于全要素生產率，而且每個時間段的技術變化指數都是大于1的，說明相較于基期，創新程度都在不斷加深，技術處于不斷進步的狀態。就純技術效率變化來看，整體處于下降的趨勢，6年間下降了6.4%，除2012-2013年上升了18.7%，其他時間段都處于下降狀態，因此導致整體的純技術效率不增反降。就規模效率變化來看，整體也處于下降的狀態，6年間下降了6.8%，雖然2013-2014年、2014-2015年、2015-2016年3個時間段的規模效率處于增長狀態，但由于2012-2013年、2016-2017年的規模效率下降幅度較大，導致6年間規模效率處于下降的狀態。

表3 2012-2017年京津冀科技服務業發展效率各年的Malmquist指數及其分解

二是2012-2017年京津冀科技服務業全要素生產率各城市的變化情況。從表4中可以看出，2012-2017年9個城市中有7個城市的全要素生產率變化指數大于1，處于上升態勢。其中，廊坊、北京全要素生產率增長在20%以上，分別增長了24.3%、22.3%；天津、石家莊、邯鄲、邢臺、滄州5個城市的全要素生產率增長率在10%以下，增長幅度稍小，分別為5.5%、7.2%、1.8%、1.0%、5.3%；唐山和保定的全要素生產率處于下降狀態，但下降的幅度不大，分別下降了3.7%、3.2%。就技術效率變化指數來看，9個城市中僅有北京的技術效率處于增長狀態，但增長幅度并不大，增長了3.8%，北京的技術效率處于上升狀態主要是在純技術效率不變的情況下，規模效率處于上升的狀態；廊坊的技術效率處于不變狀態，既無上升也無下降；其他7個城市的技術效率都處于下降狀態，分別是天津下降了13.4%、石家莊下降了15.8%、唐山下降了20.1%、邯鄲下降了14.2%、邢臺下降了16.9%、保定下降了20.7%、滄州14.4%，而這7個城市技術效率處于下降的原因都不同，天津、邢臺是由于規模效率下降導致技術效率下降的，石家莊、唐山、保定是由于純技術效率和規模效率處于雙下降而導致技術效率下降的，邯鄲、滄州市由于純技術效率處于下降而導致技術效率下降的。就技術變化指數來看，9個城市的技術變化指數都是大于1的，并且上漲幅度都較大，都在10%以上。其中，天津、石家莊、唐山、邢臺、保定、滄州、廊坊7個城市的產業創新程度提升幅度都在20%以上，北京、邯鄲雖然產業創新程度提升幅度在20%以下，但只是略低于20%，說明京津冀科技服務業的整體技術進步和創新程度在7年間有較大幅度提升。就純技術效率變化來看，9個城市中有4個城市的純技術效率處于不變狀態，分別是北京、天津、邢臺和廊坊；5個城市的純技術效率處于下降狀態，分別是石家莊下降了4.9%、唐山下降了10.2%、邯鄲下降了14.4%、保定下降了8.1%、滄州下降了17.9%。就規模效率變化來看，9個城市中有3個城市的規模效率處于上升狀態，分別是北京、邯鄲、滄州，但增長的幅度都較小，基本在5%以內；5個城市的規模效率處于下降狀態，分別是天津、石家莊、唐山、邢臺、保定，但下降的幅度都較小，規模效率變化指數在0.8-0.9之間；只有廊坊一個城市的規模效率變化指數處于不變狀態，因此較多城市科技服務業規模效率處于下降狀態導致整體規模效率處于下降狀態。

表4 2012-2017年京津冀各市科技服務業全要素生產率的Malmquist指數及其分解

三、京津冀科技服務業發展效率影響因素分析

（一）影響科技服務業發展效率的因素

一個地區科技服務業的發展效率除了與投入要素的配置狀況、技術進步和創新程度相關，還可能受地方經濟發展水平、政府支持、工資水平等因素的影響。因此，在借鑒相關文獻的研究基礎上，本文主要分析經濟發展水平、政府支持、工資水平、研發環境、相關產業需求五種因素對科技服務業發展效率的影響。

第一，經濟發展水平（X1），選取每個城市的人均GDP來衡量。人均GDP是衡量一個地區宏觀經濟運行狀況的有效工具，也是反映一個地區人民生活狀況的重要標準。人均GDP較高的地區，一般經濟比較發達，對科技服務業的發展有較大的吸附力和推動力。

第二，政府支持（X2），選取每個城市的財政科技支出占地方政府一般公共預算支出的比重。一個地區的科技服務業發展速度、質量、效益與地方政策支持有關聯性。從發展實踐看，京津冀城市群內由于各個地市財力懸殊，地方政府發展科技服務業的意愿與財力不匹配，對產業的發展效率可能會產生影響。

第三，工資水平（X3），選取該行業的城鎮單位在崗職工平均工資來衡量。科技服務業是知識密集型的產業，勞動者素質較高，對薪酬的要求也較高，而工資作為勞動力價值的體現形式，能夠對科技服務業從業人員起到激勵作用。

第四，研發環境（X4），選取各市的R&D經費支出來衡量。R&D經費支出反映了科技服務業的研發投入狀況，經費的支持為科研成果的產出提供了保障，是科技服務業發展的重要動力，對科技服務業發展效率可能產生影響。

第五，相關產業的需求（X5），選取各市工業總產值占地方生產總值的比重來衡量。科技服務業的發展能夠為工業轉型升級提供技術支撐，而工業的快速發展對科技服務業會產生較大的市場需求。

以上變量的數據主要來源于《中國城市統計年鑒》（2013-2018）、各省市統計年鑒（2013-2018）、《河北省科技經費投入統計公報》（2014-2018）及河北省相關廳局數據。樣本期間為2012-2017年。

（二）模型構建與結果分析

為了分析各因素對科技服務業發展效率的影響程度，以表2的綜合技術效率為被解釋變量，引入隨機效應的面板Tobit模型，因為X1、X3、X4數據變化范圍較大存在異方差，故取對數。模型構建如下：

式中Eit表示各城市科技服務業綜合技術效率，Vi、βi是影響各因素的待估參數，δit是隨機擾動項。

根據此模型，得到如表5所示的回歸結果。從表5中可以看出，選取的五種因素都對綜合技術效率有影響。其中，經濟發展水平與綜合技術效率是正相關關系，因為P值為0.005，在1%的水平上顯著；相關系數為0.313，說明地區人均GDP每增加1%，可以帶來綜合技術效率增長0.313個單位。政府支持與綜合技術效率是正相關關系，因為P值為0.000，在1%的水平上顯著；相關系數為0.245，說明政府支持每增加1%個單位，可以帶來綜合技術效率增長0.245個單位。工資水平與綜合技術效率是正相關關系，因為P值為0.001，在1%的水平上顯著；相關系數為0.470，說明工資水平每增加1%，可以帶來綜合技術效率增加0.470個單位。研發環境與綜合技術效率呈負相關關系，P值為0.000，在1%的水平上顯著；相關系數為-0.285，意味著研發經費支出增加1%，綜合技術效率下降0.285個單位，說明研發經費支出不是越多越好，研發經費與其他要素的投入比例還不合理，亟需優化。相關產業需求與綜合技術效率也是負相關，P值為0.013，在5%的水平上顯著；相關系數為-0.063，意味著相關產業需求每增加1%個單位帶來綜合技術效率下降了0.063個單位，說明工業總產值占GDP的比重上升沒有推動科技服務業綜合技術效率的提升。

表5 京津冀城市群科技服務業發展效率的影響因素Tobit模型回歸結果

四、結論與建議

本文利用DEAP2.1軟件，運用DEA-BCC模型和Malmquist指數法對京津冀城市群科技服務業發展效率進行靜態和動態評價，利用Tobit模型對影響科技服務業綜合技術效率的五種因素進行分析。得到如下結論：一是京津冀城市群科技服務業綜合技術效率不高，原因是純技術效率和規模效率不高雙重作用的結果。二是京津冀城市群內各城市的科技服務業發展效率差距明顯。北京、廊坊綜合技術效率較高，而其他城市綜合技術效率偏低，形成了較大的梯度差。比如，雖然保定市和廊坊市一樣具有毗鄰京津的區位優勢，但是科技服務業的規模和綜合技術效率都不高，2012-2017年綜合效率值基本在0.5以內，沒有借勢實現自身的發展；又如，唐山作為河北省制造業大市，對科技服務業的需求應該較大，但是制造業和科技服務業之間并沒有形成互相牽引，綜合技術效率值也偏低，與其產業發展定位不相符合。三是京津冀城市群科技服務業的全要素生產率處于增長態勢，主要是技術變化指數不斷增長帶來的結果。四是經濟發展水平、政府支持、工資水平對綜合技術效率的提升有顯著的推動作用，而研發環境和相關產業需求對綜合技術效率的提升有抑制作用，說明研發經費支出的投入規模還需要調整，科技服務業與工業還未形成產業上深度融合、效率上相互增進的態勢。

基于以上結論，提出以下對策建議：一是深入推動京津冀城市群科技服務業協調發展，實現區域聯動。一方面，圍繞北京國際科技創新中心做文章，隨著北京非首都功能疏解，北京科技服務業的知識擴散效應、產業溢出效應會更加顯著，河北省要順勢而為、主動而為，著力破解人才、技術、市場等制約科技服務業發展的頑疾，梳理科技服務業各環節的堵點、卡點、盲點，制定對接清單，精準合作；另一方面，圍繞雄安新區做文章，雄安新區未來要成為全球創新的高地，將集聚全球高端的生產要素，保定要抓住先機，根據雄安的產業定位及早謀劃自身產業發展，在對接雄安、配套雄安的過程中實現自身科技服務業的發展。二是加快推進科技服務業與其他產業深度融合發展，實現產業互動。雖然京津冀科技服務業與工業融合趨勢比較明顯，但融合的深度和廣度不夠，未來隨著京津冀城市群構建現代產業體系，產業基礎高級化、產業鏈條現代化，需要科技服務業與工業深度融合，互為支撐。為此，要圍繞產業鏈部署創新鏈，圍繞創新鏈布局產業鏈，鼓勵科技服務業與工業建立共享技術平臺，使科技研發與工業的需求無縫銜接。三是完善科技服務業發展政策，實現政策推動。科技服務業的發展不僅要遵循客觀規律，還受政府政策的影響，從上面的分析中可以看出，政府支持對科技服務業綜合技術效率的提升有較大促進作用。為此，在政府財力有限、過緊日子的情況下，要集中可用財力發展科技服務業，整合散落在各部門的財政資金，加大投入力度，提升科技服務業的規模。