逆向服務外包的生產率效應研究
——基于生產性服務行業數據的再檢驗

王冠儒 張紀鳳 錢彤斐

（江蘇海洋大學 商學院，江蘇 連云港 222000）

一、研究現狀

不同產業都在尋求獲取高端生產要素，力求擺脫價值鏈“低端循環”的不利局面，與此同時，我國企業向發達國家主動發包的逆向外包行為正逐漸興起，其主要表現為在他國并購企業、雇用技術人員或建立子公司等，目的是滿足降低成本、技術突破、創新產品等需求，所以這類離岸服務外包的發包方多為低勞動力成本國家（張月友，劉丹鷺[1]）。跨國企業交出技術以換取更大的市場，新興國家在一定程度上集聚了創新資源，所以逆向外包這種新投資方式引起新興國家學者的廣泛關注。

逆向外包集中在生產性服務環節，從中獲得高級生產要素如知識密集的研發、設計等，因此現如今更多的將其歸屬在離岸服務外包范圍。無論是商品生產還是提供服務，生產性服務被用作中間投入進一步完善生產環節，從最早服務于制造業，到近年來服務業本身得到的投入不斷增多，隨著新一輪的國際產業轉移的到來，金融業、軟件和信息技術服務等生產性服務業會首先成為轉移的關鍵領域。從生產性服務業角度入手，通過逆向服務外包推動產業生產率提高乃至升級，對我國服務業全球價值的提升具有重要意義。

雖然20世紀90年代我國就出現了逆向服務外包現象，但逆向外包的理論研究仍然需要進一步拓展，目前的研究主要從規范和實證兩個角度，其中對于逆向外包的概括、劃分及開展條件、作用機制等探究屬于規范研究一類，比如，最早有江小涓等[2]認為在發達國家面臨經濟低迷的時期中國迎來實施逆向外包的關鍵機遇，無論從企業還是國家層面應抓住機會開拓市場、提升對外開放水平；張月友等[1]根據前人研究構建逆向外包增長模型，對于發展中國家逆向外包概念定義及合理性方面做出嘗試；劉志彪[3]研究發現逆向外包可以通過將企業研發的知識密集型環節外包到發達國家，從而獲取高級要素資源，向價值鏈中高端邁進。同時對于逆向外包的實證研究也成為國內外學者關注的焦點，比較多的研究還是集中在逆向外包對于如就業結構、生產率等國家指數的影響上，其中，徐毅等[4]認為外包不會對就業帶來抑制效應；Amiti和Wei[5]發現離岸服務外包提高了美國制造業全行業的生產率；孟雪[6]考慮到我國服務外包尚處于初級階段且規模較低，因此逆向服務外包現在會抑制生產率的提高，但這樣的抑制作用在對未來生產率的影響上呈減少趨勢，甚至會產生促進作用。

二、研究內容

考慮到當前生產性服務業所扮演的重要角色，其投入會對各行業未來的發展帶來直接影響，大部分文獻集中探討了逆向外包對生產率的正面影響，而關于外包對生產率的潛在風險與負面影響，以及對生產性服務外包對生產率影響機制的研究略顯不足；孟雪[6]借助行業數據發現逆向服務外包對生產率的抑制作用在減少，而正向影響是否已經出現且生產性服務業有怎樣的變化，這需要進一步檢驗；最后，不同行業在生產率變動、生產性服務投入方面有許多不同，因此在細分行業的基礎上進行分類，探尋逆向服務外包與生產率的深層關系。在作進一步研究之前，首先對以下定義進行明確：

（一）生產性服務業的選取

根據《生產性服務業統計分類（2019）》并結合2017年國民經濟行業分類，這里所用到的生產性服務業主要包括：批發和零售，交通運輸、倉儲和郵政業，金融業，房地產業，信息傳輸、計算機服務和軟件業，租賃和商務服務業，科學研究和綜合技術服務業，教育。

（二）生產性服務業的逆向外包

這里的逆向外包是其它行業對生產性服務業的中間投入，并不涉及中間品的進出口，因此在對逆向服務外包測度時用到的是生產性服務業中的外資部分。

對生產性服務業影響生產率的作用機制進行總結，將生產性服務業、生產率結合起來，利用2010、2012、2015以及2017年中國投入產出表的數據對逆向外包度、生產性服務投入進行測算，進而得到關于行業層面逆向服務外包的面板數據，解讀其對生產率發揮的作用。

三、理論框架

（一）生產性服務業對生產率的影響機制

1.生產環節的“碎片化”

企業將自身內部的業務外包到相應的生產性服務企業，如金融、貨運代理機構等，這類業務一般不屬于企業的核心業務，在這個過程中，作為發包方的企業專注于核心技術的提升，而生產性服務業即接包方在提供服務的國家地區建立離岸中心等，以開拓市場、獲取技術等，因此生產性服務投入使得企業原先整體的生產環節被分隔開，產品的生產環節實現“碎片化”，這樣對接包方和發包方來說，雙方專業化生產水平得到提升，進一步促進了生產率的提高以及生產成本的降低。

2.生產技術的“核心化”

諸如租賃、技術研發等技術密集型業務被外包到生產性服務企業，這些企業通過自身的專有技術參與生產，將上游各個生產環節整合起來，生產出多道工序才能形成的中間品，同時這些中間品在下游很快可以組裝成最終產品，所以每一個參與生產過程的企業在各司其職的同時也會進一步提煉核心技術，實現生產技術的“核心化”。在逆向外包過程中發包方從專業化生產中不斷精進自身的核心技術，形成自己的品牌優勢，從而在市場上獲得更多主動權。

（二）逆向服務外包指數的測算

服務外包指數的計算越精準，對生產率效應的研究越有價值，以往的研究大多采用Feenstra和Hanson[7]的FH離岸指數進行外包度的計算，逆向外包與傳統外包的最大區別在于發達國家發包方的角色轉變為承包方，鑒于生產性服務業的特點并借鑒孟雪的方法，以選定生產性服務業中外資企業投資占總投資的比值來測算逆向服務外包指數：

四、模型設定和變量說明

（一）計量模型

根據逆向服務外包對生產率即行業增加值的影響假設生產函數為:

其中，y即生產率，ROSS表示逆向服務外包，LOSS表示本土服務外包，L是所求各年的就業人數，K表示的是資本存量或固定資產，分別對應非服務業與服務業，S是生產性服務投入；i、t代表的是行業與年份。通過對方程（1）兩邊取對數得到：

接下來對方程（2）取一階差分得：

（二）變量和數據說明

1.生產性服務投入（S）的測度。通過中國統計局公布的2010、2012、2015、2017年投入產出表進行計算。需要用到RAS法，假設2010—2011年、2012—2014年、2015—2016年及2017—2018年的直耗系數矩陣一樣（平新喬，2005），利用投入產出表中的真實數據，如已知的生產性服務投入，通過包含直接消耗系數、所求年份GDP的計算公式來推算2010—2018年的生產性服務投入。計算公式如下所示：

2.逆向服務外包（ROSS）的測度。這里采用上面所提到的測算方法，其中，關于生性服務業外資價值、投資總額的數據來自歷年中國統計年鑒，關于生產性服務業中外資部分，用城鎮固定資產投資中外資所占總體比值來衡量，單位統一為億元。

3.本土服務外包（LOSS）的測度。由逆向服務外包的測度可以看到，將生產性服務業中除去外資部分的投入與總體投入的比值作為本土服務外包度的測度方法。因此得到公式為：

4.就業（L）。就業水平根據《中國統計年鑒》計算得出，即各行業年末就業人數通過城鎮各行業就業比重與總人數相乘獲得。

5.資本存量與固定資產投資（K）的測度。一方面，對于非服務業，利用永續盤存法（Goldsmith,1952），即，前一期的資本存量在折舊后與當期的投資額相加，最終得到當期的資本存量，其中，基期資本存量是24449.10億元（1990年不變價格）（田友春[8]），折舊率統一為0.096（張軍和章元[9]），投資額用資本形成總額表示，要得到2010到2018年的實際資本存量，還需用GDP平減指數折算成實際投資額。由于當前變量依然有物價因素影響，再次使用GDP平減指數得到名義的資本存量。另一方面，固定資產的投資額來自2011—2019年《中國統計年鑒》。

6.生產率即行業增加值（y）的測度。假設直接消耗系數不變，基于2010、2012、2015和2017年投入產出表利用RAS方法得到各行業中間投入總額，然后通過各行業總產出與相應行業總中間投入相減得出行業增加值（y）。

五、實證方法和結果分析

（一）實證方法

由于采用的是面板數據，行業特征作為非觀測效應，與行業的就業人數、外包規模、資本存量等因素密切相關，因此選擇固定效應模型。為了避免逆向服務外包的內生性，采用廣義矩估計處理方法（GMM），以加入變量的滯后項作為工具變量進行估計，所以接下來首先從逆向、本土服務外包自身以及其變化對總體生產率影響進行估計（方程3、4），然后針對19個行業的數據，分別根據生產性服務需求大小以及生產率速度進行分類①，從每個行業分類的角度對生產率效應進行估計（方程3、4），最后得到估計結果表（1）與表（2）。

表1 逆向服務外包對總體生產率的影響

（二）結果分析

1.逆向服務外包對生產率的影響

方程（3）的估計結果顯示在表（1）上，從第1—6列發現逆向服務外包在整體行業層面上顯著地降低生產率水平，相反本土服務外包有較顯著的正向作用。其中第1—3列是對當期項變量的估計：首先當不固定行業與時間，逆向服務外包系數為-112.09，表明逆向服務外包度每提高1%，會使生產率降低112.09%，而本土服務外包顯著提升了生產率水平；其次在加入行業固定效應后服務外包的系數變化不大，說明當控制行業自身特征的時候，將生產性服務外包到外部或內部企業對于生產率影響不大，產生這一變化的原因與生產性服務自身特點有關，生產性服務的投入使行業本身特點不再突出；最后考慮到行業與時間固定效應情況下，逆向服務外包的系數為-55.97，對生產率的負向影響顯著降低，而本土服務外包的系數減少但不顯著，說明伴隨產業發展以及結構的升級，逆向服務的需要增大，其所帶來的負向作用減輕。

由于存在對生產率影響的滯后性，將逆向服務外包與本土服務外包的滯后一期加入，體現在表（1）中第4—6列。在對時間與行業都不控制的第4列，估計結果的系數為-39.03，絕對值變小，表明滯后的逆向服務外包度提升1個百分點帶來39.03%的生產率降低，而本土服務外包變動會使生產率提升0.80%；接下來無論在加入行業固定效應（5）還是同時考慮行業、時間特征條件下（6），逆向服務外包系數絕對值在減小，說明其對未來生產率的負向影響有減小的趨勢，本土服務外包的系數為0.8433、0.9519，且顯著程度較第4列更大，說明由于行業對生產性服務的依賴，本土服務外包依然有明顯正向影響。

2.逆向服務外包變化對生產率變化的影響

為了進一步研究逆向服務外包與生產率的關系，從逆向服務外包的變動影響生產率變動的角度進行分析，即通過方程（4）得到表（1）中7—12列的估計結果。從變量的當期項即7—9列來看，首先在不控制時間與行業的第7列，逆向服務外包變化系數為12.96，但顯著水平低，說明對生產率的變動有較模糊的正向影響，本土服務外包變化系數為-0.77，同樣并不顯著；在加入行業固定效應后，逆向服務外包的正向影響增加了，顯著性較之前有所增強，而本土服務外包的變化提高1%會帶來-1.03%的生產率變動，說明隨著行業對生產性服務依賴性的增強，逆向服務外包的變化在生產率提升中扮演重要角色；最后在同時考慮行業、時間特征條件下，逆向服務外包變化產生了不顯著的負向影響，本土服務外包系數為-1.3489且顯著性最強，表明本土服務外包難以為產業持續發展助力。

與上面類似，10—12列是逆向服務外包、本土服務外包變化的滯后一期與其它當期變量的估計，10—11列顯示從不加入行業、時間固定效應（10）到加入行業固定效應（11），逆向服務外包變化每提高1個百分點，未來生產率會較顯著地分別降低24.64%、22.75%，可以看到短期內逆向服務外包變化不能帶來生產率的提高；在將時間固定效應加入之后，逆向服務外包變化的系數為-11.80，對生產率的負向影響有較為模糊的減少。

從估計結果來看，通過方程（3）發現當前逆向服務外包對生產率的抑制作用依然明顯，但在產業轉型升級、生產率提升的過程中，這種作用在減弱，而相反本土服務外包對生產率具有了一定促進作用，加入兩者的滯后項對生產率影響沒有大的變化，這說明依照當前的產業結構，生產性服務外包到本土企業產生的有利影響更直接，雖然逆向服務外包對生產率的負向影響在減少，但短期內還會繼續維持。通過方程（4）看到逆向服務外包的變化對生產率的變動已經產生了模糊的促進作用，而本土服務外包變化對當期及接下來的生產率變化有了較小抑制作用，只是在加入滯后項的估計中結果不顯著，說明將生產性服務外包到本土企業已經難以滿足產業進一步發展的需要。

表2 逆向服務外包對不同行業類型生產率的影響

3.逆向服務外包對不同行業類型生產率的影響

根據表（1）的估計結果，在加入行業固定效應之后，估計結果的變化不明顯，因為采用的面板數據中19個行業特征不盡相同，又為了進一步研究行業生產率、生產性服務需求在逆向服務外包生產率效應中的重要作用，因此對以生產性服務需求大小或生產率速度為標準劃分的行業類型進行檢驗，結果如表（2）。

其中第1到第4列是對方程（3）的估計結果，這里都加入了行業與時間固定效應使結果更有說服力。對于所有變量都是當期項的第1列、第2列，逆向服務外包系數都為負且比較顯著，其中生產性服務需求小的行業絕對值最大，逆向外包度增長1%，會帶來該類行業128.28%的生產率下降，具體來說以第一、第二產業為主體的對生產性服務需求較小的行業受到的負向影響最大且低于總體水平，同時生產率速度更快的行業，如金融業、房地產業等，比速度較慢的行業受的負向影響更大，另一方面本土服務外包對生產性服務需求小或生產率快的行業系數分別為0.9293、0.8383，對生產率的提升不顯著。

當加入逆向與本土服務外包的滯后項即第3列、第4列后，逆向服務外包的系數相較當期項都有所下降，顯著度較低，說明對未來生產率的負向影響都有較模糊的減小，其中對于生產性服務需求較大的行業負向影響最小，包括金融業、批發和零售業等，這些行業大多本身屬于生產性服務業，將業務外包到外資企業進而提升自身核心技術，因此逆向服務外包對其未來生產率產生作用最快，同時增長快的行業負向影響減少幅度最大，系數為-28.8212，說明行業生產率增長加快的同時，對生產性服務的依賴、要求加深，則逆向服務外包負向影響減少趨勢加快，直至轉正；本土服務外包系數絕對值都在減小，但顯著度不強，本土服務外包對生產率的影響在減弱。

4.逆向服務外包變化對不同行業類型生產率變化的影響

方程（4）的估計結果在表（2）中，第5—6列進一步檢驗逆向與本土服務外包變化帶來的影響。從當期項的估計結果發現，逆向服務外包變動系數絕對值減小但顯著度低，其中只有生產率增長快的行業估計結果系數為正，逆向服務外包變動增長1%，則生產率會有7.14%的提高；本土服務外包變化系數都為負，說明生產率朝負向變化，其中顯著度最高的生產性服務需求高以及生產率增長慢的行業，本土服務外包變化1%，行業生產率會有1.69、2.51的降低，而生產性服務需求小的行業顯著度最低，說明行業對生產性服務的依賴性影響了生產率的變化。

總結以上結果，不難發現生產性服務需求低的行業因其自身行業特性，逆向服務外包造成的負擔很大，所以對其造成的負向影響最大，同時相較于生產率較慢的行業，生產率增長快使得逆向服務外包的負向影響減少更加明顯。總體來說，逆向服務外包在現階段對生產率依然有較大的負向影響，但隨著生產率增長、行業發展會逐漸減弱，對生產性服務需求大的行業通過逆向服務外包獲得的優勢更多，這與總體回歸的結果相類似。

5.穩健性檢驗

在表（1）中顯示數據穩健性檢驗結果，這里通過動態面板估計方法將方程（2）進行估計，首先是變量的滯后項，將其作為工具變量進行GMM估計，可以發現逆向服務外包系數為-43.29，對生產率有顯著的負向影響，與上面的計量分析結果保持一致，從而驗證了估計結果的穩健性。

六、結論

以生產性服務業為媒介，通過投入產出表收集2010—2018年19個行業數據，在已有研究的基礎上進一步探究逆向服務外包對生產率的影響，驗證生產性服務需求、生產率在行業分析中的重要作用，進而得出結論：

首先，逆向服務外包對總體生產率有較大的負向影響，相反本土服務外包對生產率有輕微的正向影響，究其可能的原因，一方面服務外包規模與當前產業整體發展狀況不匹配，與發包方在生產性服務等環節進行合作分工仍然需要完善，逆向服務外包在當前產業環境中還不能立即對總體生產率帶來收益；另一方面，本土服務外包出現正向影響可能的原因是制造業、建筑業、農林牧漁業等生產率增長較快的行業，它們“以市場換技術”的訴求不高，隨著規模迅速擴大，將一部分業務外包到本土企業提振了生產率，當前應堅持逆向服務外包與本土服務外包的協調發展。

其次，在固定效應條件下逆向服務外包的負向影響處于下降趨勢，但短時間還難以轉正，本土服務外包對未來生產率促進作用較小，但其變化對當期及未來生產率變化影響轉負。隨著產業鏈的延伸以及行業整合度提升，生產率隨之不斷升高，通過建立離岸中心等方式的逆向服務外包會對產業升級有極大的促進作用，因此反作用于生產率，使其負向影響不斷減小，而考慮到本土生產性服務業層次較低、同質性較強，本土服務外包對生產率的提振作用有限。

最后，從行業類型角度分析，不論生產率快慢、生產性服務需求大小，逆向服務外包對應的估計結果系數都為負且絕對值較大，本土服務外包則對生產性服務需求大或生產率較慢行業有顯著負向影響。其中，生產性服務需求小或生產率增長快的行業受到逆向服務外包的負向影響大于總體水平，則對于都具備這兩種特點的農林牧漁業、制造業等行業受到負向影響最大，同時逆向服務外包對未來生產率負向影響依然為負，但相對減小，隨著逆向服務外包產生變化，不管對當期還是未來生產率，只有包括金融業、房地產業、租賃和商務服務業等生產率較快的行業有促進作用。從行業層面來看，由于行業整體樣本較大以及行業中的企業發展情況、掌握技術各不相同，逆向服務外包對總體生產率的負向影響雖然在減少但短時間難以轉正，接下來還應堅持逆向服務外包，以此來集聚創新資源，同時重點關注批發和零售業、科學研究和技術服務業等發展較快的行業，進一步發揮逆向服務外包的獨特優勢。

[注釋]

①根據數據整理發現生產性服務需求較大行業為文中8個生產性服務業加上衛生和社會工作、公共管理和社會組織，生產性服務需求較小行業為另外9個行業；另外生產率增長較快行業為：金融業，房地產業，批發和零售業，租賃和商務服務業，科學研究和技術服務業，交通運輸、倉儲業和郵政業，制造業，建筑業，農林牧漁業，住宿餐飲業，電力、燃氣及水的生產和供應業，生產率增長較慢行業為：教育，采礦業，信息傳輸、軟件和信息技術服務，衛生和社會工作，公共管理和社會組織，文化、體育和娛樂，水利、環境和公共設施管理，居民服務、修理和其他服務。