中国信息服务产业技术效率及驱动因素研究

王树乔 王惠

摘 要：文中利用数据包络分析（DEA）对2002—2012年期间中国30个省、市、自治区的信息服务产业技术效率进行静态评估，进一步提出影响中国信息服务产业环境因素假设，采取超对数生成函数的随机前沿模型和DEA 2步法对引起技术效率增长区域差异因素进行实证分析。研究表明：中国信息服务产业技术效率还存在较大的提升空间；人力资本、信息化水平、对外开放度、R&D等与中国信息服务技术效率有着显著的正向影响。

关键词：技术效率；信息服务；驱动因素；数据包络分析

中图分类号：F 229 文献标识码：A 文章编号：1672-7312（2016）03-0315-08

0 引 言

目前，信息服务产业已经成为影响全球经济增长的关键生产部门，其发展水平是一个国家和地区经济实力的重要衡量标准。而效率问题则是政府部门和经济学界重视的问题之一，大到一个行业，小到一个企业，评价它们强弱最重要的环节是投入—产出效率。国内对中国信息服务产业的研究主要集中在从理论上分析信息服务产业的发展现状，发现问题提出改善的建议，定量分析的研究却较少。纵观信息服务产业的发展，存在着企业运行效率低下、产业技术水平较落后和行业资源配置不合理等现象。针对信息服务产业效率测度和对其影响因素分析成为中国信息服务产业发展的重要问题之一[1]。

近年来，国内学者开始采用数据包络方法（DEA）和随机前沿分析（SFA）对产业的技术效率变化进行了实证研究。刘华，肖挺[2]采用DEA方法分析中国29个省的全要素生产效率的变化动态，发现加速中国制造业发展的关键动力源泉来自于技术的进步。王锐淇[3]利用SFA方法，对中国区域技术创新效率进行测度，发现全国各个地区技术创新效率出现整体上升的态势。纵观国内外的研究学者对SFA和DEA的大量实证分析发现，集中在以下2种观点上：①SFA效率值比DEA略低，但是得到结论大致一样[4]；②DEA相比SFA得到结论更可靠，但是各自有适合的领域。不能简单地说DEA或者SFA测算结果更好，需要根据研究的内容实际情况再做探讨。2种方法的融合弥补单一方法研究的缺陷，增强技术效率的说服力，让非参数和参数形式方法优势互补，评价结果更加客观[5-6]。国内学者对技术效率影响因素研究的有：刘小玄、ArneBigsten和郑京海的企业产权对技术效率产生的影响进行分析，结果显示效率最低的是国有企业，最高的是私营个体企业；讨论企业的控制层级以及企业所有制对企业效率的影响，认为奖金的激励、受教育程度的改善、人力资本是国有企业技术效率增长的主要动力。姚伟峰[7]对中国技术效率影响因素研究表明，外商直接投资和贸易、企业产权结构、劳动力结构、资本投入对象、劳动者素质都是对技术效率产生影响。任英华，王耀中[8]对影响国际服务业效率的因素进行分析，结果显示在最初阶段，劳动者素质、工资以及信息技术对服务业生产率都有正向作用，技术创新的影响却不明显；随着时间的推移，技术创新对服务业生产率产生正向显著影响，而信息技术和劳动者的素质对服务业生产率没有明显影响。

为了反映中国信息服务产业技术效率水平和对其产生影响的因素真实作用，融合SFA和DEA在信息服务产业领域研究中的优势，进而能得到更加确切、客观的评价结论。据此，文中以中国大陆30个省级行政地区为研究对象，收集2002—2012年面板数据，基于数据包络分析方法对中国信息服务产业静态技术效率进行测评；在此基础之上，进一步提出影响其技术效率环境的因素假设研究，利用DEA-Tobit两步法以及SFA评估效率环境因素的影响的程度。

1 变量选择与数据处理

目前，国内外还没有关乎信息服务产业的统一定义。传统的信息服务产业是指在技术落后、不发达的情况之下主要通过手工的方式来提供服务；新兴的电子服务产业是指利用Internet、计算机、电子等先进的技术手段或者工具获取信息、改造信息来提供服务。宿春明将我国信息服务分为2大类：一类是信息企业，一类是中央以及地方政府机关建立的信息中心。徐书铭认为信息服务产业是指涉及到信息收集、加工、查找、传递和给予服务的行业。中国国家统计局认为信息服务产业是电子信息传输服务、电子信息设备销售、电子信息设备制造、计算机服务、软件业和其他信息相关服务。北美产业分类体系认为其是关乎信息传播与服务的产业，联合國将其认为是计算机软件、出版业、电信、动画、音频及音乐出版、咨询及相关。考虑到信息服务产业的范围、分类以及国内外不同学者和机构的划分标准，结合数据的口径和获得性，文中将信息服务产业划分为软件业、计算机服务以及信息传输。

文中以中国30个省、市、自治区（西藏由于数据的缺失，不计入样本）的计算机与软件产业、信息传输产业的产出、劳动和资本投入的数据为研究样本。样本区间是2002—2012年。所用的数据来源于国家统计局网站、中经网统计数据库、《中国电子信息产业》、《中国第三产业统计年鉴》、《中国统计年鉴》。

产出水平。用历年计算机服务、软件业和信息传输的增加数值来表示。以2002年不变价格指数进行缩减，消除通货紧缩（膨胀）带来的影响。由于信息服务产业是2003年后才统一口径进行统计，所以2003—2005年难以从统计年鉴中直接获取各省的计算机服务、软件业和信息传输的增加值，为了得到2003—2005年的各省产出水平的增加值，即利用各省邮电通讯业的增加值代替信息服务产业增加值[9]。

资本投入。信息服务产业资本投入选取资本存量具有典型代表性的指标来衡量。采用“永续盘存法”测算信息服务产业的资本存量的数值。采用下式计算：

Kit=Ki，t-1（1-δit）+ΔKit.

Kit为第i地区的第t年的固定资产存量；ΔKit为第t年第i地区的当年固定资产存量净额。

折旧率借鉴徐杰等人的研究成果[10]，取δ=10.2%的折旧率，固定资产投资额采用如下处理：2004—2012年采用计算机服务、信息传输与软件业的固定资产投资总额，2003年采用更新改造资产和基本建设投资总和，2002年数据处理方法参照学者徐盈之[11]对信息服务产业资本存量的处理方法获取。

人员投入。信息服务产业从业人员指标以中国各省计算机服务、软件业和信息传输单位年底就业人员总数作为指标。数据来自于相应年份的《中国统计年鉴》，2002年信息服务产业从业人员数据难以从统计年鉴直接获得，处理方式与资本投入相似。

2 中国区域信息服务产业技术效率差异分析

数据包络分析（Data Envelopment Analysis，简称DEA）方法最早是1978年运筹学家Cooper、Chames、Rhode提出的测度同类型决策单元（DecisionMaking Unit，DMU）相对效率[12-13]。目前数据包络分析模型主要有BCC和CCR模型，文中利用DEA方法中的CCR模型，即假定在规模报酬不变的情况下对相对效率进行测算，以全国30个省际区域为基本决策单元来测算出技术效率。对于任一决策单元DMU0，其对偶形式的CCR模型可表示为：

DEA方法有产出导向型与投入导向型2种模式。产出导向型模式是指在投入量固定的情况下对产出量进行控制、调整；而投入导向型模式是指在产出量相对固定的情况下对投入量进行控制、调整。文中选取投入导向型的DEA模式对信息服务产业技术效率进行测度分析。运用DEAP2.1软件，计算出各省信息服务产业DEA效率均值。

表1显示运用数据包络分析（DEA）方法计算中国30个省、市、自治区的信息服务产业的技术效率平均值。北京、天津、上海、山东这4个省是处于效率前面的地区，这4个省在投入量固定的情况下，产出已达到最佳水准，占到全国所有地区的13.3%.河北、江苏、浙江等地区DEA效率值均值也高达0.8以上，通过进一步观察，发现DEA效率值达到0.8以上的省区集中在中国的东部和中部；相比之下，内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆等西部地区的DEA都没有超过0.50.在DEA效率值均小于1的无效区域，各省可以通过更合理的投入，减少冗余来实现有效。

3 影响信息服务业技术效率因素研究

综合徐盈之[14]、常硕[15]、姚莉媛等人研究的行业技术效率影响因素，认为影响中国信息服务产业技术效率增长的主要因素包括政府行为、人力资本、金融机构、对外开放度、信息化水平、知识支持等，并提出如下研究假设。

假设1：政府行为与信息服务产业技术效率呈现正向相关关系。我国信息服务产业起步比较晚，政府适当的政策引导对信息服务业发展起着关键的作用，政府可以借助各种手段来协调企业主体之间的利益，建立有效的合作机制，促进信息服务产业技术效率增长。另外，技术进步的基础是科技经费的投入，而政府是科技经费投入的两大主体（政府和企业）之一，尤其在我国，作为政府科技投入的国家财政科技拨款，是我国科技投入的重要组成部分。

假设2：人力资本水平与信息服务产业技术效率呈现正向相关关系。在内生经济增长理论中，知识存量、人力资本存量等都被认为对经济增长起着关键的作用。一个人倘若受教育的程度越高，很自然便会将更多的知识应用到工作中去，在信息服务产业发展过程中不断提升人的学习能力，让更多的隐形知识能转化为显性知识。

假设3：金融支持与信息服务产业技术效率呈现正向相关关系。信息服务产业对技术的要求往往要比其他行业更高，企业若要持续提升技术效率，就需要技术上的创新。金融机构为企业拓展筹资渠道在短期内为研发筹集到大量资金，倘若单靠企业自筹或者是依靠政府科技投资可能需要漫长的周期才能做到。另一方面，金融机构可以帮助企业规避风险，提供不同渠道的资本融资方式完善研发的资源配置。

假设4：对外开放度与信息服务产业技术效率呈现正向相关关系。一方面是指国家积极主动地扩大对外经济交往；另一方面是指放宽政策，放开或者取消各种限制，不再采取封锁国内市场和国内投资场所的保护政策，发展开放型经济。随着世界经济全球化，信息服务产业面对机遇和挑战，能否抓住产业发展的各种机会，利用国内外的各种先进技术和管理理念，各省市对外开放的程度起到至关重要的作用。

假设5：信息化水平与信息服务产业技术效率呈现正向相关关系。信息化代表高度应用信息技术，高度共享信息资源，充分发挥社会、物质资源和人的智慧潜能，社会运行、组织决策和个人行为接近合理化的理想状态。显然信息化水平已经是国家和地区综合实力和现代化水平的重要体现。信息化推进生产力的发展、促进生产关系的变革，所触发的经济、社会转型和从工业社会向信息社会的转变。信息化通过技术进步和知识集聚的内生化促使经济增长，带来信息服务产业以及与其相关的各种產业的繁荣。

假设6：研究与开发投入与信息服务产业技术效率呈现正向相关关系。技术进步在内生经济增长理论被认为是经济长期增长的真正动因，全要素生产率增长的关键因素，研究与开发投入产生的创造性的成果在信息服务产业的技术应用中起到非常重要的作用；在信息服务产业发展中，经过研究和开发，技术创新所引发的知识溢出效应，加之由于受研究和开发成本影响到的知识增长速度，这些都造成各省份信息服务产业发展速度的迥异。

假设7：地理区位与信息服务产业技术效率呈现正向相关关系。中国信息服务业的发展不仅受地区经济发展水平、信息化水平、技术进步等因素影响，还受着地理区位的影响。我国地域广阔，西部位居大陆内部，气候、地形、水文、生物、土壤与东部差异非常大。在自然条件的基础上，陆上交通，海运，开发历史、人文观念等条件，使东中西3大区域存在不同层面上的差异，这些也无疑对信息服务产业技术效率产生影响。

3.1 方法研究

3.1.1 DEA-dobit

中国信息服务产业的发展不仅受投入、产出指标影响，还受地区信息化水平、政府行为、技术进步、所处区域等因素影响。为了测度数据包络分析法评估出来的效率值是否受假设提出的坏境因素的影响以及影响的程度，在DEA分析中衍生出一种“两阶段法”（Two-stage-Method）的方法。在文中，首先通过DEA模型评估各省份信息服务产业的技术效率值；其次，被解释变量（技术效率值）对所列出的假设中提及的各种影响信息服务产业技术效率的外部环境因素进行回归，根据自变量的系数判定环境因素对信息服务产业技术效率值的影响强度以及影响方向，由于DEA模型确定的自变量（效率值）被限制在0-1之间，采用普通的最小二乘法对模型直接回归，参数估计值就可能会出现偏向于0的情况[16-18]。Tobin在1958年提出了截取回归模型，又称之为“Tobit模型”。

这里被解释变量TEit为第i省第t年的信息服务产业技术效率值；α为待估计系数；εit为随机误差项，考虑到数据可获取性和科学性，具体指标选择如下：政府行为（gov），采用各地区财政支出占地区GDP的比重来表示；人力资本水平（Human），用文盲、半文盲占15岁及以上人口的比重来表示；金融支持（Finance）用金融机构的贷款额来反映；衡量对外开放程度（Export）经常使用的变量是出口额，文中选取出口额占地区GDP的比重来反映各省市的对外开放程度；信息化水平（Information），国家统计局的信息中心对信息化水平测评指标体系进行评估，其中涵盖信息化发展指数、知识指数、使用指数、信息消费指数、坏境与效果指数，文中采用互联网普及率来替代；研究与开发投入（R&D） 代表各省的科技研究与开发投入，采用各个省份的科研经费投入占地区GDP的比重进行测算；地理区位（geography）用虚拟变量来表征，0表示中西部地区，1表示东部地区。

3.1.2 SFA

1992年，在Battese和Coelli建立随机前沿模型如式（4）；1995年，二人又在上述模型基础上引入技术非效率函数，如式（5）[19]：

3.2 DEA-dobit和SFA结果对比

首先在研究环境因素对信息服务产业技术效率影响之前，必须要考虑到解释变量之间是否存在的多重共线的情况[20-23]。表2给出除了地理区位客观性比较强的因素之外的其他6个影响因素变量之间的相关系数，从表中可观察到除了gov和human、finance和human、exports和human 以及Information和Finance相关性不显著以外，其他各个变量之间均存在由于相关系数绝大部分处在0.1-0.3之间，相关性比较弱，各个变量方差膨胀因子（VIF）也是可以接受的，说明变量之间存在多重共线性不怎么严重。可以将这些变量均纳入到回归模型当中，可不采取各个变量逐层进行回归。

将技术非效率函数加入之后，依然需要检验随机前沿模型的适用性。检验的标准是观察备选假设

广义似然率统计量λ=2ln[L（H0）/L（H1）]，其中L（H1）、L（H0）和零假设的似然函数值

需要进行检验的假设如下：

H01：βt=βtt=βkt=βlt=0，信息服务产业生产不存在技术进步，与时间相关的系数均为0；

H02：βkk=βll=βkt=βlt=0，柯布-道格拉斯生产函数适合拟合，所有二次项系数均为0.

由假设检验的结果显示，只有H01假设条件下相应的临界值大于广义似然率；而H02假设条件下相应的临界值小于广义似然率，所以只能接受H01假设条件，即在加入技术非效率函数以后，无技术进步的生产函数适合研究环境因素对技术效率值的影响力度和影响方向，而柯布-道格拉斯生产函数却被拒绝，不适合用来拟合数据。

表3第1列给出了DEA-Tobit 模型的拟合结果，第2列是在无技术进步的假设下的生产函数随机前沿模型对样本的回归结果。无技术进步的生产函数随机前沿模型2的方差参数γ=0.863 2显著，表明该模型估算的技术非效率函数回归结果是比较可靠。

政府行为（gov）变量在模型1中回归估计系数估计结果是显著负值（在DEA-Tobit模型中，环境因素回归系数为负值表示其对信息服务产业技术效率产生负面作用）；在模型2中估计结果为正（在随机前沿生产函数模型中，加入技术非效率函数的系数为正值表示其对信息服务产业技术效率有负面影响）。根据模型1和模型2的检验结果可以拒绝政府行为会给省区的信息服务产业有正向相关关系的假设。在中国信息服务产业的发展是不适合采用政策调节手段干预产业层次的“刚性”模式。而相应的采取市场自由和国家宏观调控相结合的模式，给我国信息服务产业的发展创造出良好的发展环境。

人力资本变量（human）在模型1中回归系数为正值，表明人力资本对信息服务产业技术效率产生显著正效应，虽然在模型2中回归系数为正值，表示出负作用，但是效果却并不显著。研究支持人力资本对信息服务产业有正向相关关系。提高劳动者素养，发挥人的聪明才智，加强要素在地区之间流动，有效实现知识扩散，使区域信息服务产业会朝着更健康的方向协调发展。

金融支持变量（Finance）在模型1回归估计系数中显著为负值，在模型2中显著为正值，说明其对信息服务产业产生显著的负面影响，因此拒绝金融支持变量对信息服务产业存在正向相关关系的假设。金融机构的放贷是以盈利为最大的目的，所资助的产业是高成功率、周期短、低风险、具有良好的发展前景的产业，而信息服务产业往往呈现出周期长、高风险的状况，而这些恰好是金融机构不愿意轻易资助的对象；同时，金融机构在挑选具体放贷对象，更倾向于规模实力大的企业，这样反而使有良好的发展创意，急需要资金帮助的信息服务产业中小型企业得不到资助，失去发展的机会。

信息化水平变量（Information）在模型1回归估计系数中显著为正值，在模型2中为显著为负值。说明信息化为信息服务产业的发展提供技术上的支持，支持信息化水平对信息服務产业有正向相关关系的假设。当今是个信息爆炸的时代，信息无所不在，信息服务产业发展中，信息的重要程度不言而喻，信息化水平程度越高，信息服务产业生产、销售等各个环节的生产效率、运营效率更高，更有利于信息服务产业的发展。

对外开放度（exports）在模型1中回归系数为显著为正，在模型2中系数为显著为负。支持对外开放度对信息服务产业技术效率有正向相关关系的假设。对外开放度越高，获到国外的投资机会就越大，事实证明对外开放在促进我国经济增长和产业结构调整上面有着至关重要的地位和促进作用，信息服务产业能通过贸易自由化，消除贸易壁垒。学习国外先进的技术和管理理念，运用到行业的发展中去，缩小与发达国家的技术差距，对我国信息服务产业技术效率的提高起到积极的作用。

研究与开发（R&D）变量在模型1中回归系数为显著正值，在模型2中显著为显著负值，说明R&D对信息服务产业技术效率起着促进作用，支持原假设。技术创新是技术进步的一个重要来源之一，而R&D投入给技术创新提供了物质基础，技术进步会促进信息产业技术效率的提高。地区虚拟变量（Geography）在模型1中回归系数为显著正值，在模型2中显著为显著负值，表示中国的东、中和西部3大区域的信息服务产业技术效率存在明显的差异，支持地区差异对信息服务产业技术效率有着正向相关关系的假设。

4 结 语

文中运用数据包络分析（DEA）对中国各省份的信息服务业静态技术效率，中国信息服务产业的发展不仅受投入、产出指标的影响，还受地区信息化水平、政府行为、技术进步、所处区域等因素影响，对造成区域间信息服务产业技术效率的地区差异背后的环境影响因素，综合运用DEA-两步法（DEA-dobit）和建立超越对数生产函数的随机前沿分析模型（SFA）对样本进行回归分析研究，以期寻找到环境因素对信息服务产业的影响方向和影响强度。

中国信息服务产业起步比较晚，整体静态效率偏低，还有更大的提升空间；各个地区的信息服务产业技术效率存在差异，且东部绝大部分地区高于中、西部；为了使我国信息服务产业朝着更好的方向发展，各省份必须不仅关注技术效率的改善，还要增加创新投入，技术上取得进步，两手抓，这样才能使得中国信息服务产业获得持久发展。

减小各省份信息服务产业发展差距，实现协调发展的过程中，人力资本、金融支持、信息化水平、对外开放程度等起到至关重要的作用，例如信息化水平发展的程度，可以缩小区域数字鸿沟，这些环境因素都在各个层面潜移默化地影响中国信息服务产业的发展，政府要准确地给自己的职能定位，避免过分干预信息服务产业发展，为其发展创造有利环境，企业也要努力探寻如何更有效地实现资源合理配置，达到投入—产出最大化。

参考文献：

[1] 程慧平.基于DEA和SFA方法的信息服务业技术效率研究[J].科学学与科学技术管理，2013（4）：29-30.

[2] 刘 华，肖 挺.制造业信息化对行业生产率的影响——基于DEA-Malmquist指数的省级面板数据分析[J].情报杂志，2013（3）：167-168.

[3] 王锐淇，彭良涛，蒋 宁.基于SFA与Malmquist方法的区域技术创新效率测度与影响因素分析[J].科学学与科学技术管理，2010（9）：123-124.

[4] 魏下海，余玲铮.中国全要素变动的再测算与适用性研究：基于数据包络分析与随机前沿分析方法的比较[J].华中农业大学学报：社会科学版，2011（3）：76-83.

[5] 许 楠.基于SFA与DEA模型的创新型城市科技创新效率实证研究[J].数学的实践与认识，2011（9）：112-117.

[6] Iglesias G，Castellanos P，Seijas A.Measurement of productive efficiency with frontier methods：A case study for wind farms[J].Energy Economics，2010，32（5）：1 199-1 208.

[7] 姚伟峰，邱询星，杨 武.省际贸易壁垒与技术效率：一个研究综述.科技管理研究，2009（1）：86-93.

[8] 任英华，王耀中.国际服务业生产率的发展趋势及影响因素分析.统计与信息论坛，2008（9）：59-64.

[9] 姚莉媛.中国信息服务业技术效率的区域差异及影响因素研究[D].长沙：湖南大学，2010.

[10]徐 杰，段万春，杨建龙.中国资本存量的重估[J].统计研究，2010（12）：72-77.

[11]徐盈之，赵 玥.中国信息服务业全要素生产率变动的区域差异与趋同分析[J].数量经济技术经济研究，2009（10）：49-51.

[12]NasierowskiW，Frcelus F J.On the efficiency of national innovation systems[J].Socio-Economic Planning Science，2003 （37）：215-234.

[13]Charnes A，Cooper W W，Rhodes E.Measuring the efficiency of decision making units[J].European Journal Operalional Research，1978 （2）：429-444.

[14]徐盈之，赵 玥.中国信息服务业技术效率和生产率变动的研究[J].东南大学学报：哲学社会科学版，2009，5（11）：47-53.

[15]常 硕，崔静宜.中国电信业效率测评及影响因素分析[J].产经评论，2011（5）：34-37.

[16]白俊红，江可申，李 婧，等.区域创新效率的环境影响因素分析[J].研究与发展管理，2009（2）：97-98.

[17]徐宏毅，欧阳明德.中国服务业生产率的实证研究[J].工业工程与管理，2004（5）：73-75.

[18]傅晓霞.企业研发效率测度与比较：以中国各地区大中型工业企业数据为例[J].管理工程学报，2011（4）：103-112.

[19]Battese G E，Coelli T J.Frontier production functions technical efficiency and panel data with application to paddy famer in India[J].Journal of Productivity Analysis，1992，3（1-2）：153-169.

[20]李 婧，譚清美.中国区域创新效率的随机前沿模型分析[J].系统工程，2008（8）：44-45.

[21]乔 岳，陈佳易.中国电信产业的绩效研究：基于随机前沿模型的分析[J].经济问题探索，2010（6）：42-43

[22]李向东，李 南，白俊红.高技术产业研发创新效率分析[J].中国软科学，2011（2）：53-61.

[23]白俊红.中国区域创新效率的实证研究[J].南京航空航天大学，2010（5）：57-59.