基于灰色關聯度的江蘇省服務業TFP變動的影響因素分析

摘 要：本文選取2008—2017年江蘇省服務業作為研究樣本，使用灰色關聯度法，從經濟發展水平、城市化水平、對外開放程度、市場化水平、技術創新、居民消費水平、服務業和工業的集聚程度等方面，對全要素生產率增長的影響因素進行分析。我們可以發現：經濟發展水平、城市化水平與服務業TFP增長的關聯度較大;服務業集聚程度的變化與服務業TFP增長的關聯程度在上升;工業集聚程度的變化與服務業TFP增長的關聯程度在下降;居民消費水平的提升對服務業TFP增加有一定的正相關關系;技術創新對服務業TFP的增長也有較小的正向影響。通過促進和提高關聯度較強的影響因素來促進江蘇服務業TFP的增長，包括提升經濟發展水平、城市化水平，提高服務業的集聚程度等。

關鍵詞：全要素生產率;江蘇服務業;灰色關聯度

本文索引：郝志杰.<變量 2>[J].中國商論，2021（23）：-110.

中圖分類號：F127 文獻標識碼：A 文章編號：2096-0298（2021）12（a）--03

服務業在江蘇經濟中占據主體地位，全要素生產率TFP對其增長做出了較大貢獻。通過全局參比的Malmquist模型對江蘇省服務業的TFP進行計算和分解，顯示江蘇服務業整體的TFP呈增長趨勢（郝志杰，2020）。研究江蘇服務業提高效率的機理，探索其創新發展的路徑，有利于引導服務業相關企業的行為，促進服務業高質量發展。

李江蛟等（2012）認為江蘇服務業勞動生產率與服務業比重之間存在著長期的均衡關系，服務業勞動生產率的提高對服務業發展水平有著顯著的促進作用。黃勝華（2013）認為江蘇現代服務業集群動力機制的關鍵動力機制因子分別是外部經濟、技術創新、政府促導行為、產業價值鏈、社會資本與網絡、外部競爭環境。鄭江淮（2015）認為服務業發展的內在動力來自技術進步和需求收入彈性兩大因素。宋晨晨等（2017）發現江蘇省內各市服務業整體全要素生產率的變化和技術進步的變動有關。綜上所述，現有的文獻從不同角度分析了江蘇服務業效率的影響因素，并提出了相應的發展服務業的建議。本文在已有研究成果的基礎上，使用灰色關聯度分析法來分析TFP變動的影響因素，致力于為江蘇服務業的可持續高質量發展提供政策依據。

1 TFP變動影響因素的理論假設

影響服務業TFP的因素是多方面的，這些因素的共同作用決定了服務業TFP變動的表現。根據文獻及數據的可得性，本文做出以下假設。

一是服務業TFP的變化與經濟發展水平及居民生活水平正相關。較高的經濟發展水平對服務業效率的提高有帶動作用，居民生活水平的提升會增加對服務業的需求，也會對效率的提高產生促進作用。

二是服務業TFP的變化與經濟環境的改善正相關。經濟環境包括城市化水平、對外開放程度、市場化水平。多數學者認為城市化是服務業特別是生產者服務業發展的重要原因，有利于產品和服務的供給及行業效率的改進;較高的市場化水平可以加強競爭，促使行業效率提高;較高的開放程度可以促進技術的溢出效應，都能提高全要素生產率。

三是服務業TFP的變化與產業的集聚正相關。本文認為行業的集聚會促進服務業TFP的提高，工業集聚程度的提高會帶來對生產者服務業需求的增加，服務業集聚水平提升以后，更有利于要素的配置組合，從而提高效率。

四是技術創新作為第一生產力，成果的應用必定會帶來各行業效率的提高，所以服務業TFP的變動應該與技術創新產生的變化正相關。

2 研究方法及變量選取

2.1 研究方法

由于時間序列樣本較少，數據量少且存在斷層，通過多元回歸方法分析TFP變動的影響因素，難以找到統計規律，且回歸分析需要樣本服從某種概率分布，各因素之間存在線性相關且無多重共線性，這些要求難以滿足。相對來說，灰色關聯度分析所用數據較少，對數據的要求較低，可以克服和彌補上述不足。所以，本文使用灰色關聯度分析法來分析影響服務業TFP的各個因素，根據序列曲線幾何形狀的相似程度來判斷關聯的緊密程度，曲線越相似越接近，關聯度就越大。該方法的核心是計算關聯度， 一般要先對原始數據進行處理，再計算關聯系數，由此計算出關聯度。

2.2 變量選取

灰色關聯度分析法需要確定參考數列與比較數列，參考數列是反映系統特征的數據序列，即因變量數列X0;比較數列是影響系統行為的因素組成的數據序列，即自變量數列Xi，根據因素分析的需要選取變量如下。

（1）因變量：江蘇服務業的全要素生產率，使用全局參比的Malmquist模型計算得到，用x0（t）表示。研究區間分為2008—2012年、2013—2017年兩個時段。

（2）自變量：基于因變量為與上一年的比率值，為保證數據的一致性，將自變量中除居民消費水平外的所有變量數值取與上一年的比率值，原有變量的解釋則變為經濟發展水平的變化、城市化水平的變化、市場化水平的變化、技術創新水平的變化、對外開放程度的變化、服務業和工業集聚程度的變化。

x1（t）：經濟發展水平變化率。經濟發展水平用人均GDP來衡量，用CPI指數進行平減得到;

x2（t）：城市化水平的變化率。城市化水平用非農人口占總人口比例表示;

x3（t）：對外開放程度變化率。用進出口總額占GDP比重表示對外開放程度;

x4（t）：市場化水平的變化率。市場化水平用服務業非公有制企業就業人員比例表示;

x5（t）：技術創新水平的變化。用國內發明專利授權量表示技術創新水平，這里沒有使用研發投入作為衡量創新投入的指標，是考慮了全要素生產率是資本和勞動之外的因素帶來的變化;

x6（t）：居民消費水平的變化率，用居民消費水平指數表示;

x7（t）、x8（t）：本文分別從服務業的集聚和工業的集聚兩個方面衡量產業集聚對服務業TFP指數的影響，分別用兩個產業的區位商，即用江蘇省服務業（或工業）的產值占本省GDP的比重與全國該產業占GDP的比重之間的比值表示集聚的水平，變化率分別表示為x7（t）、x8（t）。

得到參考數列與比較數列如下：

X0={x0（1），x0（2），……，x0（k）}

X1={x1（1），x1（2），……，x1（k）}

X2={x2（1），x2（2），……，x2（k）}

……

X8={x8（1），x8（2），……，x8（k）}

2008—2017年江蘇服務業TFP影響因素數據如表1所示。

3 數據處理與分析過程

3.1 對參考數列與比較數列進行無量綱化處理

由于不同量綱的數據幾何曲線變化不同，難以進行直接比較，因此需對原始數據進行無量綱化處理，從而得到可比較的數據序列。本文無量綱化采用了初值化變化方式，即用序列的首位數據去除后面的各位數列，得到各個數列相對于第一個數列的倍數數列，能更好反映序列的變化態勢。

，

3.2 求差序列，找出兩級最小差、最大差

差序列是將第i個比較數列各期的數值與參考數列對應期差值的絕對值記為：

兩級最小差δmin：各期δi（t）中最小的數，記為min（δi（t）），又記所有min（δi（t））中的最小值為δmin。兩級最大差δmax：各期δi（t）中最大的數，記為max（δi（t）），又記所有max（δi（t））中的最大值為δmax。

，式中ρ為人為引入的分辨系數，。

3.3 計算關聯度并排序

由于每個比較數列與參考數列的關聯程度是通過k個關聯系數來反映的，關聯信息分散，不便于從整體上進行比較， 因此通過求平均值來集中信息，即用比較數列與參考數列各個時期關聯系數的平均值來定量反映兩個數列的關聯程度，計算公式為：

由于關聯度只是因素間關聯性比較的量度，衡量的是因素間密切程度的相對大小，數值的大小意義不大。考慮到差序列中的兩級最大差相對比較大，本文在計算中分別使用了ρ=0.2、ρ=0.3、ρ=0.4、ρ=0.5來計算ri，關聯度大小及排序如表2所示。

4 分析結果

綜合兩個時間段各影響因素的相關度排序情況，我們可以發現：（1）兩個階段都排在前兩名的影響因素是經濟發展水平變化率和城市化水平變化率。也就是說，江蘇服務業的全要素生產率在這10年間基本都處在增長中，這與經濟發展水平變化率、城市化水平變化率有很明顯的關聯，較高的經濟發展水平對服務業TFP有明顯的促進作用，城市化水平不斷提高為生產性服務業和生活性服務業擴大規模提供了條件。（2）居民消費水平的影響處于第4位，意味著居民生活水平的提升對服務業TFP增加有一定的影響。（3）技術創新的影響能力排在第5位，有一定的影響，但相對較小，可能的因素是變革性、實現科技成果與技術研發轉化的服務活動還需要一個實踐的過程，所以序列曲線的相似度不高。（4）服務業集聚水平在2008—2012年影響力排在第7位，而在2013—2017年上升到第3位;工業集聚程度的關聯度從第3位下降到第7位。說明不同產業的集聚對服務業TFP變動影響不同，當工業占主要地位時，工業集聚程度與服務業TFP增長正相關程度高，而當服務業占主要地位時，服務業集聚程度與服務業TFP增長正相關程度高，在一定程度上驗證了前文的假設。（5）對外開放程度與TFP變動的關聯度排在后面，可能與江蘇服務業發展主要為內向型有關，進出口變動對TFP變動影響較小。（6）市場化水平的關聯度分別處于第6位和第8位，說明與TFP增長的正相關性較弱。

5 結語

2008—2017年，江蘇省服務業TFP增長的影響因素中，經濟發展水平的變化、城市化水平變化率與TFP增長有很強的正向關聯，服務業集聚程度的變化與TFP增長的關聯程度在上升，而工業集聚程度的變化與TFP增長的關聯程度在下降，居民消費水平的提升對服務業TFP增加有一定的正相關關系，技術創新對服務業TFP的增長也有較小的影響，市場化水平與服務業TFP增長的正相關性較弱，進出口的變動對TFP變動的影響較小。通過促進和提高關聯度較強的影響因素來促進江蘇省服務業TFP的增長，包括提升經濟發展水平、城市化水平，提高產業的集聚程度，特別是服務業的集聚程度，增加居民的收入，引導居民提升消費水平。

參考文獻

郭慶旺，賈俊雪.中國全要素生產率的估算（1979—2004）[J].經濟研究，2005（6）：51-60.

劉興凱，張誠.中國服務業TFP增長及其收斂分析[J].數量經濟技術經濟研究，2010（3）：55-67.

章文燕.基于灰色關聯分析法的物流發展影響因素分析[J].統計與決策，2011（23）.

孫芳芳.淺議灰色關聯度分析方法及其應用[J].科技信息，2010（17）.

鄭江淮.收斂性與異質性：服務業發展趨勢[J].北京工商大學學報（社會科學版），2015，30（6）：12-21.

宋晨晨，王興安，張瑩瑩.江蘇服務業全要素生產率變動特征研究[J].無錫商業職業技術學院學報，2017（23）：7-12.

郝志杰.基于TFP視角的現代服務業高質量發展研究——以江蘇為例[J].中國商論，2020（23）：107-111.

Analysis of Influencing Factors of Changes in Total Factor Productivity （TFP） of Jiangsu Service Industry Based on Grey Relational Degree

School of Business， Jiangsu Open University ?HAO Zhijie

Abstract： This article selects the service industry in Jiangsu Province from 2008 to 2017 as the research samples， and uses the grey relational method to analyze the levels of economic development， urbanization， opening to the outside world， marketization， technological innovation， consumer consumption， service industry and industrial agglomeration. The analysis of the factors affecting the growth of total factor productivity （TFP） reveals that the levels of economic development， urbanization， and TFP growth in the service industry have a greater degree of correlation; however， the correlation between changes in the degree of industrial agglomeration and the growth of TFP in the service industry is declining. The increase in consumer consumption has a positive correlation with the increase in TFP in the service industry. Technological innovation also has a smaller positive effect on the growth of TFP in the service industry. The growth of TFP in Jiangsu's service industry can be promoted by increasing the influencing factors with a strong degree of correlation， including improving ?economic development and urbanization， and increasing the degree of agglomeration of the service industry.

Keywords： total factor productivity （TFP）; service industry in Jiangsu Province; Grey Relational Degree （GRD）