黑龙江省生产性服务业影响因素的实证研究

[摘要]黑龙江省生产性服务业发展起步晚，主要以小企业为主，在经营理念、经营方式以及自身拥有的资源方面都存在不足。利用2003—2013年数据，对黑龙江省生产性服务业发展现状及其影响因素进行实证分析，结果表明，黑龙江省生产性服务业发展较为缓慢，其中制造业发展和财政支出情况对其影响显著，而人均GDP和人均专利申请书数量的影响并不显著。

[关键词]黑龙江省；生产性服务业；影响因素

[中图分类号]F7269[文献标识码]A[文章编号]2095-3283（2015）02-0057-03

[作者简介]周彤（1990-），女，黑龙江佳木斯人，硕士研究生，研究方向：决策技术与风险评估。

[基金项目]哈尔滨商业大学研究生创新科研项目“哈大齐工业走廊”生产性服务业与制造业的联动发展研究（项目编号：YJSCX2013-275HSD）。一、引言

生产性服务作为其他部门的中间投入品，通过知识和技术专业化大大提高了生产性服务的信息和知识密度，增加了产品和服务的附加值，提高了生产效率和竞争力。

伴随着近几年国家和各地方政府对服务业发展的重视，黑龙江省的服务业有了飞速的发展，2013年服务业总产值594792亿元，占GDP的414%，远远高于第一产业，并且在不断增长。

图1黑龙江省服务业及生产性服务业占

GDP比重、生产性服务业占服务业比重由图1可以看出，黑龙江省生产性服务业和第三产业增加值占GDP的比重有大体相似的发展趋势，虽然有些小的波动，但总体呈增长趋势。黑龙江省生产性服务业占第三产业的比重近五年一直处于50%以上的较大比重。生产性服务业占GDP的比重提升缓慢，主要是因为黑龙江省经济发展还处在经济结构转型过程中，传统的经济发展模式仍占主导地位，工业占GDP的比重较大。目前，黑龙江省生产性服务业存在企业总体竞争力较弱，发展结构不合理，缺乏系统、完善、有效的政策支撑等问题。加快发展黑龙江省生产性服务业已成为推动黑龙江省产业结构优化升级的当务之急[1]。

二、黑龙江省生产性服务业发展影响因素的实证分析

（一）数据的选取和研究方法

为了考察黑龙江省生产性服务业发展的影响因素，分别从需求和供给两方面来进行考察，具体包括以下五个因素：经济发展模式制约、市场机制问题、体制障碍、经济发展水平、创新发展水平。这五个因素在建立模型检验时需要予以具体化，以便量化处理。因此，本研究选取生产性服务业增加值占GDP比重（Y）为因变量，选取制造业占GDP比重（X1）、人均GDP（X2）、财政支出占GDP比重（X3）、人均专利申请书（X4）为自变量，部分指标计算方法如下：

生产性服务业占GDP比重（Y1）

=生产性服务业增加值地区生产总值GDP（1）

制造业占GDP比重（X1）=制造业增加值地区生产总值GDP（2）

财政支出占GDP比重（X3）=财政支出总值地区生产总值GDP（3）

人均专利申请书（X4）=专利申请总数年末总人口（4）

选取黑龙江省2003—2013年以上五个指标的时间序列数据，采用多元线性回归模型进行建模，数据来源为历年《黑龙江统计年鉴》。

（二）模型描述

本研究选用计量经济分析中最常用的多元线性回归模型对上述因素进行实证检验。多元线性回归模型的一般表现形式：

Yi=β1+β2Xi2+…+βkXik+εi，i=1，2，…，n（5）

其中，k为解释变量的数目，βj（j=1，2，…，k），习惯上把常数项看作取值恒为1的变量的系数，上述表达式也被称为总体回归函数的随机表达形式。其非随机形式为：E（YXi1，Xi2，…，Xik）=β1+β2Xi2+…+βkXik，表示各变量X值固定时Y的平均响应。

βj也称为偏回归系数，表示在其他解释变量保持不变的情况下，Xj每变化一个单位时，Y的均值E（Y）的变化。或者说βj给出了Xj单位变化对Y均值的“直接”或“净”（不含其它变量）影响。

（三）模型的建立

根据多元线性回归模型，构造模型一：

Yi=β0+β1Xi1+β2Xi2+β3Xi3+β4Xi4+μi（6）

设置显著水平为05，根据最小二乘原理估计各参数值如表1所示：

表1模型一的回归结果变量参数估计值参数标准差T统计量P值C02582590008311310735700000X1-00806020060806-132555702332X2397E-06688E-07-576844800012X301314830056164234107800578X433064172625544125932602547R-squared0966666DW值2568543调整R-squared0944444F统计量4349947根据回归结果X2和X4的效果不显著，根据对比之后，剔除自变量X4，构建回归模型二：

Yi=β0+β1Xi1+β2Xi2+β3Xi3+μi（7）

运用最小二乘法对模型二的变量进行回归估计，回归估计结果如表2：

表2模型二的回归结果变量参数估计值参数标准差T统计量P值C02557690008404304357000000X1-01325370046516-284928900247X20023537663E-07-549103900009X301960830023806823680900001R-squared0957856DW值2262328调整R-squared0939794F统计量5303187可见，修改后模型的各解释变量通过了T检验，各解释变量对被解释变量影响显著。R-squared=0957856，修正后的R-squared=0939794，估计的回归方程与样本观测值拟合很好，模型二的估计结果为：endprint

Yi=0255769-0132537Xi1+0023537Xi2+0196083Xi3+μi（8）

（四）模型的计量经济学检验

对模型二进行经典计量经济学检验，包含异方差性检验、自相关性检验和多重共线性检验。

1异方差检验

对于模型

Yi=β0+β1Xi1+β2Xi2+…+βkXik+μi（9）

同方差性假设为

Var（μi|Xi1，Xi2，…，Xik）=δ2，i=1，2，…n（10）

这里用两种方法对模型二同方差性进行检验：图示法和怀特检验法。

（1）图示法——残差的图示检验

使用Eviews50，可以得出模型二的残差图，如图2：

图2模型二的残差图由图2可以看出，残差分布的离散程度并不存在明显的扩大或缩小的趋势，则表明y的离散程度与解释变量之间并不存在一定的相关关系，所以可以初步判断模型不存在异方差性。但是图示检验法只能粗略地判断模型是否存在异方差性，如果方差不太明显，还需要采用较为精确的方法。下面采用怀特检验法对模型的异方差性进行再次检验。

（2）怀特检验

利用怀特检验进行异方差检验，检验结果如表3：

表3模型二的异方差检验指标数值指标数值F-statistic3711500ProbF（9，1）03838Obs*R-squared1068027ProbChi-Square（9）02983Scaled explained SS2398739ProbChi-Square（9）09835ProbF（9，1）=03838>005，因此接受原假设，模型二不存在异方差，因此可以排除异方差对该模型的影响。

2序列相关性检验

序列相关性是指对于不同的样本值，随机干扰之间不再是完全相互独立的，而是存在某种相关性，又称自相关（auto correlation），是指总体回归模型的随机误差项之间存在相关关系。计量经济学模型一旦出现序列相关性，如果仍用普通最小二乘法估计模型参数，会产生许多不良后果，如参数估计量非有效、变量的显著性检验失去意义以及模型的预测失效等。因此，运用拉格朗日乘数（LM）检验法对模型二的序列相关性进行检验，检验结果如表4：

表4模型二的自相关检验指标数值指标数值F-statistic0978224ProbF（2，5）04380Obs*R-squared3093667ProbChi-Square（2）02129ProbF（2，5）=04380>005，接受原假设，模型二不存在序列自相关性，因此可以排除自相关性对该模型的影响。

3多重共线性检验

对于模型二的多重共线性的检验如表5：

表5模型二的相关系数表YX1X2X3Y1000000-04402920548760-0298161X1-0440292100000009805480984191X2-0548760098054810000000956731X3-0298161098419109567311000000由表5发现X1、X2与X3间存在高度相关性，采用逐步回归法来修正多重共线性，将这3个解释变量分别与被解释变量作线性回归，寻找最佳回归方程，如表6。

表6逐步回归表CX1X2X3R-squaredf（X1）0207247-00306190760283t值3099936-1471145f（X1，X2，）026918401765290549386t值106748620993552512351f（X1，X3，）0210657-032554602273530876325t值5530239-49584784564275第一步，分别作Y与X1，X2，X3间的回归，回归结果显示，Y受X1的影响最大，因此建立Y= f（X1）为初始的回归模型。

第二步，引入X2，拟合优度降低，因此剔除X2，引入X3，拟合优度提高，且参数符号合理，变量也通过了t检验，因此确定模型三Y=f（X1， X3，）为最优模型，模型三的拟合结果如下：

Yi=0210657-0325546Xi1+0227353Xi3+μi（11）

三、结论与建议

从模型一的检验结果来看，黑龙江省生产性服务业受到制造业增加值占GDP的比重、人均GDP、政府财政支出占GDP比重的影响，但是受人均专利申请数的影响并不显著。从模型二的结果来看，人均GDP水平、政府财政支出占GDP比重将对生产性服务业的发展产生正的影响，而制造业占GDP比重将对生产性服务业的发展产生负的影响。模型中的各个自变量是生产性服务业影响因素的量化。

从实证模型的系数来看，几个因素中X2的回归系数是最大的。从理论分析可知，第二产业的发展对生产性服务业的影响需要一分为二地看：一方面，第二产业制造业规模和水平的提高，可以促进社会分工的深化和生产率的提高，这样有利于制造业企业将生产环节中的服务外包出去，拓展生产性服务业的市场规模。从这个角度来讲，第二产业尤其是制造企业的发展，将会对生产性服务业的发展产生积极的影响。但另一方面，黑龙江省现阶段产业结构不合理，正处于由粗放型增长模式向集约型增长模式的过渡阶段，经济增长仍然主要依靠第二产业带动。政府投资和企业投资多集中于制造业，这样不利于生产性服务业乃至整个服务业的发展。

我国生产性服务业创新能力仍有待提高。在模型一中，X4人均专利申请数作为生产性服务业创新因素的替代，其对生产性服务业的发展影响并不显著。黑龙江省现阶段创新型人才培养体系滞后，而生产性服务业的发展，尤其是新兴业态生产性服务业的发展需要大量的创新型人才。但目前由于人才匮乏，生产性服务业领域的创新难以实现本质的突破，因此对生产性服务业发展的影响并不显著。

[参考文献]

[1]杨海珊，王金历黑龙江省生产性服务业高端化发展研究[J]商业经济，2013（3）：50-55

[2]张世贤分工、互动与融合：服务业与制造业关系演进的实证研究[J]中国软科学，2013（10）：65-76

[3]陈晓峰生产性服务业与制造业互动融合：特征分析、程度测算及对策设计——基于南通投入产出表的实证分析[J]华东经济管理，2012（12）：36-42

[4]綦良群，李庆雪装备制造业与生产性服务业互动发展机理研究[J]科技与管理，2013（2）：49-52

[5]朱培培北京市生产性服务业与现代制造业互动关系研究[D]北京工业大学，2013

（责任编辑：乔虹）endprint