中国服务业全要素生产率的增长测算——基于2007-2017年的数据分析

黄楚山

（广东外语外贸大学 经济贸易学院，广东 广州 510006）

一、文献综述

近年来，中国经济已由高速增长阶段转为高质量增长阶段，实现经济又好又快发展是目前学术界关注和研究的重点问题之一。服务经济作为国民经济的重要组成部分，其对实现我国经济的高质量增长有着重要的作用。1978年服务业增加值占国内生产总值的比重仅为28.4%，到了2017年，这一数值上涨到了59.6%。而服务业近年来的发展质量如何，各省市区的全要素生产率的差异情况怎样也值得研究。

在经济理论中，总产出中不能被资本、劳动等要素的投入所解释的“余值”部分被称为全要素生产率(Total Factor Productivity,TFP)。全要素生产率的测算方法有多种，包括索罗余值法、对偶法、数据包络分析法（Data Envelop Analysis，DEA）与随机前沿生产函数法（Stochastic Frontier Approach，SFA）等。郭克莎（1999）[1]利用索罗余值法，对中国1979-1990年的服务业全要素生产率的增长率进行了测算，发现其年平均增长率为2.58%。与索罗余值法相近的另一种方法是“近似全要素生产率法（ATFP）”,陈景华（2020）等[2]采用ATFP的计算方法，对中国2005-2015年的省际面板数据测算，研究表明服务业FDI对区域内的服务业全要素生产率的增长有显著促进作用。同时非参数的Malmquist指数也被运用于中国服务业全要素生产率的增长测算中，并且可以分解为技术进步和技术效率两部分（杨向阳等，2006）[3]。胡宗彪（2014）等[4]运用Malmquist生产率指数计算中国2004-2010年间的服务业全要素生产率，结果表明服务进口对服务业生产率的增长作用更为显著。夏杰长（2019）等[5]采用半参数的OP法，测算了中国2007-2016年间的服务业全要素生产率，研究发现房地产和金融业的技术进步程度要高于社会福利等行业。王恕立（2012）等[6]通过引入“坏”产出的Malmquist-Luenberger指数的方法测算中国2004-2012年服务业细分行业的全要素生产率，研究表明全要素生产率的增长率呈现出较大的异质性，环境因素对服务业的增长存在一定影响。陈明和魏作磊（2018）[7]采用随机前沿法计算了中国2004-2015年服务业细分行业的全要素生产率增长率，认为生产性服务业的双向开放对服务业的生产率有正向的促进作用。

已有研究成果对于认识中国服务业的发展质量具有重要意义，在上述文献中，分别采用了参数的和非参数的方法对中国全要素生产率的不同时期与不同服务业部门进行了测算，这些研究成果为本研究提供了有效的借鉴。在此基础上，首先对中国各省市区的服务业全要素生产率的测算进一步拓展，从产出角度，采用基于数据包络分析的Malmquist生产率指数对中国2007-2017年30个省市区的服务业生产率增长率进行测算，并将其分解为技术效率指数和技术进步指数，技术效率指数进一步分解为规模效率指数与纯技术效率指数；其次根据国家统计局公布的标准，将中国30个省市区分为东部地区、中部地区、西部地区和东北地区，分别测算他们的全要素生产率的年均增长率，并与全国地区进行比较，以较为直观的角度比较分析服务业全要素生产率在区域间的差异性，并利用本文实证分析的结果，对中国服务业全要素生产率的提升提供一些启示。

二、服务业全要素生产率测算

美国经济学家Kendric对生产率进行了分解，认为生产率分为单要素生产率和全要素生产率，本文主要研究由于技术进步导致的投产增长，剔除了要素贡献因素，而全要素生产率(Total Factor Productivity,TFP)相比单要素生产率更能反映这一问题。拟对我国服务业分行业与各省区市服务业全要素生产率进行测算。

（一）研究方法

Caves[8]首先提出将Malmquist指数用于生产[1]率变化的计算，Charnes等[9]将Malmquist指数与DEA相关理论结合，广泛应用与生产率测算中。本文的实证分析拟采取Fare等[10][11]基于序列DEA理论的Malquist指数。该方法可以将TFP的逐期变化分解为效率变化和技术效率变化，而技术效率变化又可以分解为纯技术效率变化和规模效率变化。DEA的理论逻辑是利用观测出的投入产出数据构造最佳生产前沿面，接着计算出各个决策单元相对于最佳生产前沿面的相对距离，因此以产出为导向的Malmquist生产率指数为

其中，t+1时期和t时期的投入与产出向量分别用(xt+1,yt+1),(xt,yt)分别表示，而则分别表示时期的距离函数。以t时期为基础的产出角度Malmquist指数：

以t+1时期为基础的产出角度Malmquist指数：

为了减少时期选择随意性产生的差异影响，将t时期与t+1时期生产率变化的Malmquist指数取几何平均值：

根据定义，相对技术效率变化指数(EC)是指在规模报酬不变的前提下，DMU(每个决策单元)在t时期到t+1时期到最佳生产边界距离的追赶，离最大的潜在生产有多远；技术进步指数(TC)则描述了从t时期至t+1时期技术边界的移动。当生产前沿面变为规模报酬可变时，相对技术效率变化指数(EC)可以进一步分解成纯技术效率变化指数(PEC)和规模效率变化指数(SEC)，如下所示：

表示技术进步指数(techch)。

（二）数据处理

文中数据主要来源于《中国统计年鉴》（2007-2018）、《中国第三产业统计年鉴》（2007-2019）、《中国固定资产投资统计年鉴》（2007-2018）、各省市区统计年鉴以及国研网数据库。计算我国服各省市区服务业全要素生产率数据选择与处理如下：

1.服务业产出：基于现有文献与研究成果，各省市区历年服务业产出以服务业增加值表示，为保证数据可比性，所有数据按照增加值指数换算为2007年为基期的不变价，对于部分省份缺失的数据，采用算数平均的方法补全缺失数据。

2.资本投入：对于资本存量的估计，学术界一直没有一个统一的标准。鉴于现有年鉴缺少各省市区资本存量的估计，本文参考张军等（2004）[12]对中国1952-2000年省际物质资本存量的估算，采用永续盘存法对我国各省市区资本存量进行估算，公式如下：

i地区在第t时期和t-1时期的服务业资本存量分别用Kit和Ki,t-1表示，基期资本存量用Ki,0表示，i地区在各时期的不变价投资额用Ii,t表示①，折旧率为δi,t。对于基期资本存量的估算，借鉴Hall&Jones(1999)[13]做法，采用如下公式推导：

采用一段时间内产出的几何平均增长率作为gi,t，即我国各省市区2007-2017年服务业增加值的几何平均数来表示（Harberger,1978）[14]。对于折旧率的选取，各省市区服务业的折旧率设定为统一的值4%（LEE&Hong,2012；Barro&Lee,2010；Wu,2009）[15][16][17]。

3.劳动投入：在经济理论中，劳动投入应考虑多方面因素，如劳动人数、劳动质量、劳动时间等，由于各省市区关于劳动质量与时间等统计口径不同与数据的缺失，因此对于各省市区服务业劳动投入选取“服务业年底从业人员数”作为代理变量。部分数据的缺失采用移动平均法进行补全②。

三、实证结果分析

基于以上关于服务业产出、资本投入与劳动力投入的数据处理，对我国2007-2017年各省市区服务业全要素生产率进行测算，得到各期的全要素生产率指数、技术效率变化指数、技术进步指数、纯技术效率变化指数和规模效率指数。

（一）各省市区的全要素生产率

为了对我国各省市区的服务业全要素生产率在2007-2017年间的差异有较为具体的认识，将我国30个省市区划分为东部地区、中部地区、西部地区和东北地区。各省市区的差异结果如下表所示③。

1.东部地区

东部地区在2007-2017年间，全要素生产率指数和技术进步指数均大于1，平均增长率分别为6.3%和7.1%，而技术效率变化指数、纯技术效率变化指数④《统计年鉴》《中国固定资产投资统计年鉴》、各省市区统计年鉴以及国研网数据库计算得到。

表1 中国各省市区服务业全要素生产率指数及其分解（2007-2017）

与规模效率指数均小于1，其平均增长率分别为-0.8%、-0.3%以及-0.4%。从数据结果可以看出，东部地区全要素生产率的提高主要依赖于技术进步的提高。就东部地区具体而言，全要素生产率增长最快的省份是江苏省，其值达到了9.5%，相反，全要素生产率增长最慢的省份是海南省，仅为2.7%。全要素生产率的增速排名前三的省份是江苏省（9.5%）、天津市（8.4%）和浙江省（7.5%），技术进步在其中的贡献十分巨大，江苏省、天津市和浙江省技术进步指数在11年间的平均增速分别为7.4%、7.7%和7.7%，但由于天津市和浙江省的技术效率变化指数增加值不及江苏省，且浙江省的技术效率变化指数的增长率下降了0.2%，所以综合导致江苏省的全要素生产率增速排第一。上海市是东部地区唯一一个技术效率变化指数、纯技术效率变化指数与规模效率变化指数均为1的地区。从技术效率变化指数看，仅有天津市（0.6%）、上海市与江苏省（1.9%）的增长率大于1，而东部地区10个省市的技术进步指数均大于1，这说明技术进步是东部地区全要素生产率提高的主要驱动因素。

2.中部地区

中部地区在2007-2017年间，各省份的全要素生产率的增长率均大于1，增长率从大到小依次为江西省（4.9%）、湖南省（4.9%）、安徽省（4.3%）、河南省（4.3%）、湖北省（4.2%）和山西省（0.7%）。中部地区6个省的技术效率变化指数的增长率均小于1，平均增长率为-1.8%；技术进步指数的增长率均大于1，平均增长率为5.9%；纯技术效率变化指数的增长率均小于1，平均增长率为-1.6%。安徽省和湖南省是仅有的两个规模效率变化指数为1的省份，其余4个省份的规模效率变化平均增长率均小于1，分别是山西省（-0.6%）、江西省（-0.1%）、河南省（-0.5%）和湖北省（-0.2%）。从以上数据可以看出，全要素生产率增速最快的省份，其技术进步的增速也较大，河南省由于技术效率增速下降幅度大于技术进步的增速上涨幅度，导致河南省的全要素生产率增速位列中部地区的第四。

3.西部地区

西部地区在2007-2017年间，各省市区的全要素生产率与技术进步指数的增长率均大于1。平均增长率分别为4.9%和6.3%，而技术效率变化指数、纯技术效率变化指数与规模效率指数均小于1，其平均增长率分别为-2.1%、-1.4%以及-0.7%。就西部地区具体而言，全要素生产率增长最快的省份是贵州省，达到了10.8%，而全要素生产率增长最慢的省份则是新疆自治区，其增速为1.4%。全要素生产率的增长率排名前三的省份是贵州省（10.8%）、重庆市（9.3%）和陕西省（8.7%）。在技术效率变化指数方面，技术效率在11年间的平均增长率为正的只有重庆市和陕西省，增长率分别为1.6%和2.3%，而在纯技术效率变化指数方面，纯技术效率在11年间的平均增长率为正的只有三个省市，分别为重庆市（1.4%）、陕西省（2.5%）和青海省，对于规模效率变化指数这一指标，在11年间规模效率的增长率为正的有四个省市区，内蒙古自治区为0.5%，广西壮族自治区规模效率变化指数为1，重庆市为0.2%，云南省为0.2%。西部地区中技术进步增长率最快的省份是重庆市（7.5%），技术效率下降最少的是内蒙古自治区（-0.3%）。纯技术效率增长率最快的省份是陕西省（2.5%），规模效率增长率最快的省份是内蒙古自治区（0.5%），尽管内蒙古的技术效率和纯技术效率的增长率都在下降，但幅度不大，所以其全要素生产率仍有一个较高的增长率，其值为6.8%。

4.东北地区

东北地区在2007-2017年间，全要素生产率的增长率均为正，辽宁省为7.3%，位列第一，其次是吉林省，增长率为6.4%，最后是黑龙江省，其值为5.4%。11年间东北地区三个省份的技术进步增长率也均为正，辽宁省、吉林省和黑龙江省的增长率分别为7.7%、7.3%和6.2%。就技术效率的变化而言东北地区三个省份的增长率均为负，辽宁省下降最少，仅为0.4%，吉林省和黑龙江省下降的一样多，其值为0.8%。对于规模效率变化指数，辽宁省和吉林省的规模效率变化指数为1，黑龙江省的规模效率增长率为-0.2%，同时黑龙江省的技术效率下降的也最多，从而导致黑龙江省的全要素生产率的增长率最慢。

（二）四大地区全要素生产率逐年的变化趋势⑤

为了更为直观的比较我国四大地区与全国的全要素生产率在2007-2017年间的变化趋势，将2007-2017年间西部地区、中部地区、东部地区与全国的全要素生产率指数的变化汇总成折线图如下图1所示：

对于东部地区而言，全要素生产率的增长率在2007-2008年间达到了最大值，为13.5%，在2008-2010年间，呈现出U型的增长趋势，2010年直到2014年，东部地区全要素生产率的增长率一直呈现下降趋势，2014年之后出现缓慢回升；中部地区和东部地区在11年间全要素生产率的增长率有着相似的波动轨迹，同样是在2007-2008年达到最大值12.9%，接着呈现U型增长趋势，在2011年之后呈现下降趋势，在2013-2014年间，中部地区的全要素生产率的增长率为负值（-1.4%），2014年之后开始缓慢上升；西部地区同样在2007-2008年间达

图1 全国与四大地区TFP指数

到增长率的最大值16.8%，在2007-2011年间呈现U型的增长态势，2011-2013年的增长变化不明显，保持在4.8%，之后的一年全要素生产率的增长率呈现断崖式下跌，2013-2016的四年间，增长率均为负值，直到2017年才由-1.8%增长为2.1%；东北地区在2007-2011年间，全要素生产率的增长率为U型的波动轨迹，而在2013-2016年间为倒U型的波动轨迹，仅在2015-2016年间呈现负增长，增长率为-1.1%，增长率在2015-2017年间又由负转为正；对于全国的全要素生产率的增长率，在2007-2017年间，大部分波动轨迹介于东部地区和中部地区之间，在2007-2008年达到最大值14.5%，2013-2015年间的增长率转为负值，分别是-1.7%和-0.1%，在2013年之后增长率开始波动上升，2017年恢复到3.4%的增长率。

四、结论与启示

本文运用基于数据包络分析的Malmquist生产率指数方法，对我国2007-2017年30个省市区的服务业全要素生产率进行测算与分解，对资本存量运用永续盘存法进行估算，通过计算与结果分析，得到以下结论：

中国的服务业全要素生产率、技术进步增长率以及技术效率在各地区存在着区域差异。从中国30个省市区的层面来看，服务业全要素生产率的增长在东部地区、中部地区、西部地区以及东北地区存在着较为显著的差异。东北地区的服务业全要素生产率的增长率在11年间最快，第二是东部地区，接下来依次是西部地区和中部地区。产生这种现象的原因一方面是因为东北地区研究个体少，导致实证结果存在偏差；另一方面是国家西部大开发与西部产业战略扶持计划的持续推进。中部地区的增长率最靠后，说明中部地区的产业结构、产业政策、人口规模与人才计划与东部地区存在着一定差距。

从四大地区服务业全要素生产率在2007-2017年间的增长趋势看，中国四大地区的服务业全要素生产率呈现出U型的增长态势，在研究期间前半段出现波动下降，后期开始缓慢上升。东部地区的增长率一直保持在较高水平，说明东部地区对生产要素禀赋的吸收程度较高，东部的经济结构、产业结构与产业政策更为合理。

研究启示：第一，中国服务业全要素生产率的提升不能仅仅依靠技术进步，技术效率的提升也发挥着重要作用。东部地区同时依靠较高的技术进步与技术效率才一直处于全国平均水平之上，西部地区后期依靠技术进步的提高，才促使其全要素生产率呈现上升追赶态势。因此单纯依靠某一方面的作用，服务业全要素生产率的增长将陷入“瓶颈期”。必须同时注重提高技术进步和改善技术效率，才能保证中国服务业全要素生产率持续增长。

第二，选择性的区域优先发展战略是中国服务业全要素生产率呈现区域增长差异的原因之一，因此加大政府对东北地区与中西部地区服务业的政策支持力度具有重要意义。给予东北地区与中西部地区更多政策上的优惠，加大西部开发的力度，加速东北产业的振兴，加强各地区间的交流合作，建立有效的区域间协调机制，加大东北地区与西部地区的人力资本投入，缩小各地区间服务业全要素生产率发展的差距。

第三，进一步深化服务业市场改革，加大服务业开放的力度。服务业改革的深化可以推动技术创新活动，服务业从内部得到了改善，资本积累的速度得以加快，资本要素投入的质量得到提高。中国服务业开放力度的加大，使东部地区服务业能更全面的吸收外国的先进技术，优化自身资源配置，这对服务业全要素生产率的增长率较为低下的中西部地区产生一定的“竞争效应”，促使内陆地区技术效率低下、技术进步缓慢的服务业企业通过不断模仿学习与创新，逐步缩小与东部地区全要素生产率增长的差异。因此，不断深化服务业市场改革与加大服务业开放力度，对全面促进中国服务业全要素生产率的持续稳定提升具有重要意义。

[注释]

①Ii,t采用固定资产投资额数据，用固定资产投资价格指数转化为以2007年为基期的不变价。

②由于西藏数据的大量缺失，本文只选取除西藏之外的30个省市区的数据。

③根据党中央国务院提出的“西部大开发”和发展与改革委员会的最新标准，为科学反映中国不同区域的经济状，国家统计局公布了地区划分标准。东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南；中部地区包括山西、安徽、江西、河南、湖北和湖南；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆；东北地区包括辽宁、黑龙江和吉林。

④使用DEAP(Data Envelop Analysis Program)2.1软件进行测算。

⑤为节省文章篇幅，只列出了我国四大地区与全国的全要素生产率在2007-2017年间的变化趋势，如需各个省市区每年的全要素生产率指数及其分解指标，可与作者联系。