安徽省生产性服务业技术效率研究

桑林颖，许广永

（安徽财经大学 工商管理学院，安徽 蚌埠 233000）

安徽省生产性服务业技术效率研究

桑林颖，许广永

（安徽财经大学 工商管理学院，安徽 蚌埠 233000）

技术效率是技术需求的量化分析，选取2005—2015年数据，运用Super-SBM模型和Malmquist生产率指数法，评估安徽省生产性服务业技术效率发展潜能，对比分析其内部七大行业效率均值的波动幅度和改进调整.结果显示：考察期内安徽省生产性服务业的技术效率集中在0.3～0.6之间，效率改进空间较大，受产出成效增长势头压制效率值低下；七大行业各具特点，效率波动较大，技术活跃度较高的行业较之资金投入为主的传统服务业效率值更接近最优前沿面，产出成效更大.因此，需调整要素组合方式，提高生产性服务业效率改善带动的规模收益和增值收益.

安徽省；生产性服务业；Super-SBM模型；Malmquist指数法；技术效率

2016—2020年“十三五”规划,中央提出“加快转变经济发展方式”,大力发展第三产业,拓展生产性服务业.作为贯彻落实长江经济带战略的重要省份,位于下游产业链的安徽省2016年启动实施了参与长江经济带建设三年行动计划.长三角中心城市辐射带动功能和产业集聚效应并重,使得其经济增长方式转变的速度明显加快.

通常情况下,经济增长来源于资本存量增加、效率改善和技术引进带来规模收益的递增［1］.而生产性服务业的技术支撑和战略导向作用是第三产业价值链攀升的关键环节［2］,影响经济增长效率,并且提升其增值效益能加快实现减物质化目标［3］,因此是安徽省第三产业加快融合、协调发展的重要切入点,其效率研究更具经济学价值.再者,生产性服务业对高异质性部门、不同行业间的经济学意义更是大相径庭［4］.因此基于细分部门探讨其效率水平和变化态势具有应用价值.

效率研究是对投入产出能否达到预期的度量,对生产性服务业效率的研究能使我们了解该服务业的效率特征,从数量上评估其行业生产要素组合状况.生产性服务业是技术引进、技术创新的载体,根据国家2011年新修订的国民经济行业分类标准,其包括信息传输、计算机服务和软件业；科学研究、技术服务和地质勘查业；交通运输、仓储和邮政业；批发和零售业；金融业；房地产业；租赁和商务服务业.本文将围绕安徽省生产性服务业及其内部各行业的技术效率展开分析.首先测度安徽省生产性服务业技术效率,接着将技术效率分解,对比分析其时间变化,对非有效行业的投入产出冗余、潜在不足进行调整改进,最后通过对效率指标动态分解并考察细分行业技术效率的同时技术进步指数.

1 文献回顾

在效率评估数理模型框架下,技术效率将经济单元实际生产值与最优值的比较转变为数学线性规划中产出与前沿面的差额,更为直观地反映行业现有技术的发挥程度.对于技术效率的研究,Charnes、Cooper从投入产出面给出相对效率评估概念,结合DEA模型方法加以测算［5］.Fare等人首次将Malmquist指数与DEA理论相结合,将非参数线性规划方法应用到研究中［6］.之后,关于技术效率的研究和涉及领域不断扩展.Kumar、Russell基于1965—1990年57个国家服务业相关数据,在DEA框架下考察劳动产出与技术效率、技术进步及资本投入变化的关系［7］.Chiu和Jan等使用DEA模型对我国台湾地区银行业进行效率评价［8］.Hakyeon和Chul hyun利用DEA模型衡量服务业整体质量,提出改善非有效性决策单元方法［9］.尹琳琳基于1993—2007年我国31个地区服务业数据,用DEA方法检验分项效率指数的变动态势及区域特征,结果表明我国服务业呈先增后降的倒U型增长趋势［10］.

而高效目标下技术效率研究文献绝大多数采用DEA方法,将服务生产力衡量转换为服务单位的投入指标,如文献［11,12］等,但这种处理忽视了实际生产过程中要素估算的异常值.

王美霞根据1991—2010年数据,构建变量假设模型,从时间和区域角度交叉分析中国生产性服务业整体效率有效性,同时深入研究内部细分行业动态效率变动情况,研究表明考察期内效率呈增长趋势,行业差异明显,但差异程度无明显扩大趋势［13］.陈文新等人利用Malmquist指数模型,分析效率的空间差异与变动趋势,研究表明西北五省生产性服务业效率偏低,主要依靠技术进步的推动,技术吸收及创新投入发展势头充足,内生变量制约方面表现各异［14］.近年来松弛变量所致的非期望产出值已引起了国内学者的重视,如袁峰、陈俊婷通过网络数据分析工具采集指标数据,运用SBM-DEA模型对国内电商网站的资源效率进行评价,对非有效性的网站提出优化对策［15］.李振通过Super-SBM模型在分析投入产出松弛变量的基础上进而分析我国不同区域铁路运输的运营效率［16］.

综上所述,有关生产性服务业技术效率的深入研究,内容上考虑到行业本身特性,从技术引进和技术创新角度对三大产业知识技术的支撑和推动作用；研究方法上,一是参数方法如随即前沿生产函数法,设定假设变量模型构造边界生产函数,可用相关回归分析进行估算；二是非参数法如DEA方法模型,将实际决策单元的相对效率评估转化为数学线性规划问题.显然,现有生产性服务业内细分行业技术效率在研究内容和研究方法上重复性较高,传统的DEA、SFA效率测度方法没有考虑要素松弛性问题.因此本文采用Super-SBM模型测算要素改进需求,Malmquist生产率指数考察细分行业动态效率演变趋势,为安徽省生产性服务业的经济技术水平的提升提出改进方向.

2 方法和数据来源

2.1 模型和方法

超效率模型能够清楚反映连续时间内动态效率变化情况,方便动态考察生产性服务业细分行业的技术效率和技术进步.SBM(Slacks—based Measurement)模型基于非参数DEA理论,在目标函数中引入松弛变量,能同时对投入和产出的冗余进行分析,避免DEA测度的相对效率存在要素松弛问题［17］.Super-SBM模型在此基础上又解决了同效率最优决策单元的排序问题［18］,其模型如下:

其中,ρ*为目标效率值,m为投入要素种类,k为产出要素种类,模型中下标的“0”表示特定被评价单元,X＝xij和Y＝yij分别表示各细分行业自身的投入和产出向量,xi0(i＝1…m)和yr0(r＝1…k)分别为x0和y0的元素,λj为权重向量,S―、S＋分别为投入冗余和产出不足的松弛变量.在Super-SBM模型的目标函数中,将松弛变量考虑在内,当度量指标单位发生变化时,ρ随着松弛变量的增加而减小.

通过综合分析投入产出指标,计算细分行业的技术效率,并根据松弛变量指出其投入产出调整数量,从时间上动态考察细分行业的技术效率.Malmquist指数法能够有效解决DEA模型动态分析问题,其定义［19］如下:

其中,(xt,yt)表示第t期的输入、输出量,表示在t期技术参照下的距离函数.

将式(2)进一步分解式(3)左边为Malmquist生产率指数,右边为TEC(即技术效率)与TC(即技术进步)的乘积,前者测度决策单元实际产出到最佳生产前沿面之间的差额,估算现有技术是否能达到最大产出成效；后者预算技术吸收改进移动变化水平.进一步分解为

其中,PTEC代表纯技术效率,SEC表示规模效率.由上述分析可知,Malmquist生产率指数无需设置生产函数的具体形式,但该方法对投入产出指标数据比较敏感,数据误差波动较大,测算结果差异也会较大.

2.2 数据来源与处理

根据Super-SBM模型的理论特性,劳动与资本作为内部产业价值攀升必不可少的投入要素,不仅影响非期望产出值,而且对未来生产性服务业的效率提升、配置水平的影响同样不言而喻.因此,本文选取服务业的产出、劳动投入和资本投入作为变量指标,样本来源于2005—2015年《安徽省统计年鉴》.指标数据具体处理如下:

服务业产出 用7个细分行业的增加值来衡量.由于从1999年起,安徽省服务业的增加值以当年价格计算,再者大多数学者都采用较早年份进行统计测算以减少设定误差对核算结果的影响,所以选取1999年的不变价来核算该指标.

劳动投入 由于生产性服务业细分行业劳动投入相关数据无法获取,所以根据数据可得性原则,将各行业的“年末从业人员数”作为劳动投入指标的代理变量.

资本投入 参考大部分学者做法,采用永续盘存法测算资本投入.资本存量核算公式为Kt＝(1-δ)Kt-1＋It,其中I为每年投资额,选取安徽省生产性服务业历年全社会固定资产投资作为指标［20］；δ为资本平均折旧率,参考大多数文献取值为4%［21,22］.资本存量核算选定初始年份为2000年,因为2000年与前几年的固定资产投入悬殊较大,也是安徽省资本投入进入相对平稳的过渡期.资本投入核算公式为K2000＝I2000／(g＋δ),其中g为考察期内实际GDP增加率均值.

3 结果分析

3.1 技术效率及其分解

基于超效率模型,利用DEAP2.1软件,测算安徽省生产性服务业分部门的技术效率、纯技术效率及规模效率.表1选取7个细分行业部分年份数据的效率演变趋势,图1和图2则是根据表1结果分别绘制的历年各项效率指标的均值及时间趋势折线图.

表1 生产性服务业细分部门效率及其分解（2005—2015）

生产性服务业技术效率,根据表1和图1横向上来看,整体经历阶段性波动上升过程.2005—2010年技术效率均值从0.356增加到0.500,整体呈持续上升趋势,2011年下降到0.394,而后继续呈现上升趋势.可以预测2016年的效率值较之2015年略微减小,并且能够清晰反映7大细分行业潜在产能发挥的质量.表明纯技术效率和规模效率交替制约着生产性服务业技术效率.具体来说,2005—2010年主要以纯技术效率的推动作用为主,规模效率作用略低；在2012年以后,要素资源和产业规模间日益磨合,规模报酬递增凸显规模经济特征对行业效率的提升作用.可能是安徽省技术密集型生产服务业的发展,提高了某些行业的可贸易性,使得以前不能储存和运输的某些服务在“时空”上变得可分离,并显现出类似有形产品的规模特征.

图1 效率指标均值时间变化趋势

图2 分行业技术效率时间序列变化

7大细分行业的技术效率,从表1和图2纵向来看,仅信息传输、计算机服务和软件业典型的高知识技术投入在2010—2014年技术效率有效.

交通运输、仓储邮政业和批发零售业的技术效率值最低,纯技术效率和规模效率较之其他行业效率值均有所减少,平均波动在0.100～0.200,意味着在目前技术水平上,其资源投入和产业规模不匹配.行业改革重点应该是技术改进和发挥行业规模效益；房地产业技术效率同样处于无效率状态,但基本呈上升趋势.主要是因为近年来安徽省房地产业规模不断扩大,规模经济逐步提高,使得规模效率得到充分释放.但制度和管理水平并没有及时跟上,相对落后,纯技术效率未能最大程度利用要素组合,行业规模低于最优生产规模,使得房地产业技术效率总体偏低.

其他4个行业波动较大,租赁商务服务业为代表的典型传统型服务业和信息传输、计算机服务、软件业为代表的技术知识密集型服务业,增长幅度在2010年达到最大,后者技术效率更是达到有效状态；前者在2010年以前是持续增长,但在2011年技术效率大幅度下降到0.405,纯技术效率由1.000下降到0.607,由此可知纯技术效率是抑制其技术效率增长的主要因素.科学研究、技术服务、地质勘查业和金融业的发展方向在2011年以后完全相反.金融业技术效率值在2011年降到最低谷,之后呈现快速增长状态并在2015年达到效率有效状态；纯技术效率仅在2011年为最低,其余年份皆为有效；规模效率呈现稳步增长趋势,意味着近11年金融业规模经济性得到提高,技术效率的改进以规模效率为主.2006年科学研究、技术服务和地质勘查业的效率值为0.970,以后提升空间不足,若进一步加大投入可能会陷入规模效益递减的风险.

为了对行业非有效性进行更合理地解释,需要对要素投入及产出冗余情况进一步分析.表2结合模型的松弛变量考察安徽省生产性服务业的投入、产出冗余程度或潜在不足(部分数据).

表2 各行业投入产出相关改进分析

1）资本投入方面 不同产业的资本密集程度决定其细分行业资本投入水平.其中,以信息传输,计算机服务软件业,科学研究、技术服务和软件业,地质勘查业,金融业为代表的高技术产业和以批发零售业、房地产业和交通运输、仓储邮政业为主的传统型产业表现各异.前者资本利用效率较高,技术改进以管理创新为主,后者则存在较高的资本改进空间,说明技术效率低且与资本利用度呈正比.租赁和商务服务业在部分年份应该适当减少资本投入,表明从2005年到2015年传统产业与租赁和商务服务业的资本投入要素利用非DEA有效,今后须控制资本过度投资,提高现有技术水平和资本投入利用率.

2）劳动投入方面 信息传输、计算机服务和软件业、金融业和科学研究、技术服务和地质勘查业这类知识集中型产业表现较好,不存在劳动力要素投入过剩.租赁商务服务业2010年以前劳动力要素使用度不高,2013—2015年(部分年份未在表中显示)劳动力投入冗余逐渐改善.房地产业则需在2005—2006年减少劳动投入1.1万人.传统型行业无论是物质还是人力投入,都应在现有技术水平上减少要素投入.交通运输、仓储邮政业和批发零售业,这两个行业资源配置使用率低,由于行业本身特性加上经济新常态下市场与信息的快速发展,行业面临产业优化和调整,急需对劳动投入做出改进,提高产出成效.

3）产出方面 各细分行业无论是劳动投入还是资本投入,由于行业特性不同,资源利用程度存在差异,所以服务业增加值产出上表现各异.信息传输、计算机服务和软件业表现较为良好,不存在产出不足的情况；金融业除2011年应增加产出1502.97亿元外,其他年份也不存在产出不足；科学研究、技术服务和地质勘查业在2015年应增加产出1100.816亿元；租赁商务服务业在2013年以后产出不足情况改善.传统型产业每年均存在产出不足状态,特别是技术效率最低的交通运输、仓储邮政业和批发零售业产出改进幅度逐年增加,但从这两个传统型行业的要素冗余与纯技术效率的紧密程度来看,资本投入的改进较之劳动投入的改善能够更有效地推动纯技术效率的提高.

3.2 效率分解指数动态比较

前文中已介绍技术效率指数及非有效行业投入产出冗余、潜在不足的相关测算.接下来,从动态效率角度更为直观分析效率指数的变化演变.将Malmquist生产率指数的5项效率指数进行动态效率比较,结果如表3、4所示.

表3 Malmquist生产率指数及其分项指数（2005—2015）

表4 细分行业生产率指数及分解均值（2005—2015）

1)从效率指数的时序变动来看,2005—2015年安徽省生产性服务业技术效率与技术进步的增长方向相反,技术效率年均增长率为-9.1%、技术进步为7.8%,TFP为-2.1%.总体来看,安徽省生产性服务技术效率的负增长对TFP的影响比技术进步更具推动作用.

2)在生产性服务业内部,技术进步年均增长率为7.8%.结合图2和表4可以看出,仅批发零售业技术进步呈负增长,年均增长率为-10.9%,由于其高度依赖产业资金链的行业特性,即使效率水平提高也未能转变该行业管理制度和规模经济.结合表4各分解指数均值来看,技术效率指数为-19.5%,纯技术效率指数均值为-19.4%,规模效率均值为1.2%.显然,科学研究、技术服务和地质勘查业纯技术效率的下降是行业技术效率倒退的主要原因.

3)按行业类别来分析,行业差异性显著.金融业的技术效率和技术进步均为正增长,具有较强的资源配置能力,投入资源利用最大化.依赖资金链大量投入的交通运输、仓储邮政业和房地产业的技术效率增长均为负,行业发展仍以资本投入为主.传统生产性服务业批发零售业TFP指数为负增长,金融业、租赁商务服务业为正增长,体现出生产性服务业内部行业发展的转变.从3个指数的平均差异程度来看,技术效率、技术进步、TFP在2005—2015年的平均差异指数为-0.091、0.078、-0.059,技术效率的行业差异性最大,可能是因为各行业在员工技能、管理、组织方面存有较大的效率差异.

4 结论

通过对安徽省生产性服务业细分行业的技术效率变动情况、投入产出改进分析,得出以下结论:

第一,安徽省生产性服务业各行业技术效率整体较低,尚有较大提升空间.近年来规模效率有明显改善,较之纯技术效率而言,规模效率对技术效率的影响与日俱增,生产性服务业发展已逐渐显现出规模经济特征.这与周鹏分析安徽省生产性服务业投入规模对经济增长贡献率的考察结论［23］一致.

第二,技术效率总体呈负增长趋势,技术进步呈正增长趋势,TFP呈逐年负增长趋势,说明安徽省生产性服务业依旧处于以资本投入为主的粗放型发展方式.无论从静态效率还是动态效率角度来考察,提高纯技术效率和发挥技术进步带来规模收益的递增还需要进一步改进.

第三,细分行业来讲,技术知识集中型行业的投入产出比例已接近最优化,投入要素利用率较高；资本投入为主的传统型服务业产出成效低,未能转变成以管理制度和技术创新为主的发展方向［24］.与此同时,各行业生产未表现出明显的规模效应,因此急需调整投入产出比例,发挥行业产出规模效应.

安徽省生产性服务业的改进应兼顾各行业对资本要素的异质性需求,分门别类地推进.最后需要指出的是,本文研究存在局限性,由于2005年以前安徽省对于服务业的分类较为模糊,只有传统型服务业数据较为齐全,小部分行业计算指标数据缺失,且本文运用既有方法揭示了安徽省生产性服务业分行业技术效率和技术进步的现实表现,对于进一步的原因解析及变化趋势解读还有待今后更加深入研究.

［1］ 杨青青,苏 秦,尹琳琳.我国服务业生产率及其影响因素分析——基于随机前沿生产函数的实证研究［J］.数量经济技术经济研究,2009(12):46-57.

［2］ 康 健,胡祖光.战略性新兴产业与生产性服务业协同创新研究:演化博弈推演及协同度测度［J］.科技管理研究,2015,35(4):154-161.

［3］ 刘纯彬,李筱乐.生产性服务业发展与经济增长的非线性关系［J］.上海经济研究,2013(9):58-65.

［4］ 张志彬,张迎丰.中国生产性服务业全要素生产率测度及其区际差异分析［J］.技术经济,2013,32(8):69-74.

［5］ CHARNES A,COOPER W W,LEARNER D B.Constrained information theoretic characterizations in consumer purchase behavior［J］.Journal of the Operational Research Society,1978,29(9):833-842.

［6］ FARE R.A microeconomic approach to the measurement of economic performance(book review) ［J］.Journal of Economics,1994,60(1):4638813.

［7］ KUMAR S,RUSSELL R R.Technological change,technological catch-up,and capital deepening:relative contributions to growth and convergence［J］.American Economic Review,2002,92(3):527-548.

［8］ CHIU YUNGHO,JAN CHYANLONG,SHEN DABAI,et al.Efficiency and capital adequacy in Taiwan banking:BCC and super-DEA estimation［J］.Service Industries Journal,2008,28(4):479-496.

［9］ LEE H,KIM C.A DEA-SERVQUAL Approach to measurement and benchmarking of service quality［J］.Procedia-Social and Behavioral Sci⁃ences,2012,40(7):756-762.

［10］ 尹琳琳,苏 秦.中国服务业生产率的变动态势及区域特征分析——基于数据包络分析方法的实证研究［J］.软科学,2009,23(11):73-78.

［11］ 郑 云.我国服务业技术效率的收敛性分析［J］.社会科学家,2010(8):57-60.

［12］ 胡朝霞.FDI对中国服务业全要素生产率的影响——基于随机前沿面板数据模型的分析［J］.厦门大学学报:哲学社会科学版,2010(4):115-122.

［13］ 王美霞.中国生产性服务业细分行业全要素生产率异质性与影响因素研究［J］.经济经纬,2013(3):75-79.

［14］ 陈文新,韩春燕,潘明明,等.西北五省生产性服务业全要素生产率测度及空间差异性研究［J］.商业时代,2014(35):140-142.

［15］ 袁 峰,陈俊婷,邵祥理.基于SBM—DEA的保险电子商务网站效率评价［J］.保险研究,2015(3):36-45.

［16］ 李 振.基于Super-SBM DEA模型的中国铁路运输业生产效率研究［J］.重庆交通大学学报:社会科学版,2014,14(4):16-19.

［17］ TONE K.A slacks-based measure of efficiency in data envelopment analysis［J］.European Journal of Operational Research,2001,130(3):498-509.

［18］ TONE K.A slacks-based measure of super-efficiency in data envelopment analysis［J］.European Journal of Operational Research,2002,143(1):32-41.

［19］ MALMQUIST S.Index numbers and indifference surfaces［J］.Trabajos De Estadistica,1953,4(2):209-242.

［20］ 王恕立,胡宗彪.中国服务业分行业生产率变迁及异质性考察［J］.经济研究,2012(4):15-27.

［21］ LEE L H.An enhanced Support Vector Machine classification framework by using Euclidean distance function for text document categorization［J］.Applied Intelligence,2012,37(1):80-99.

［22］ BARRO R J,LEE J W.A new data set of educational attainment in the world,1950 –2010［J］.Journal of Development Economics,2013,104(15902):184-198.

［23］ 周 鹏,胡 凯.安徽生产性服务业对经济增长贡献的实证研究［J］.华东经济管理,2013(3):25-28.

［24］ 顾乃华,李江帆.中国服务业技术效率区域差异的实证分析［J］.经济研究,2006(1):46-56.

F061.2

A

2095-4476（2017）11-0027-07

2017-08-31

2017年安徽财经大学重点科研项目(ACKY1714ZDB)

桑林颖(1993—),女,安徽明光人,安徽财经大学工商管理学院硕士研究生；

许广永(1975—),男,安徽淮南人,安徽财经大学工商管理学院副教授,硕士研究生导师,主要研究方向:创新管理.

(责任编辑:饶 超)