1 研究领域：发展经济学研究领域：发展经济学 中国服务业全要素生产率变动的实证分析中国服务业全要素生产率变动的实证分析 基于非参数 Malmquist 指数方法 杨向阳 徐 翔 （南京农业大学经济管理学院，南京 210095） 内容提要内容提要 本文运用 1990-2003 年省级面板数据（panel data） ，采用非参数 Malmquist 指数方法，实证分析了中国服务业增长过程中全要素生产率的变动状况，并将其进一步分解 为技术效率和技术进步研究结果表明，1990-2003 年中国服务业全要素生产率的平均增长 率为 0.12%， 主要原因是技术进步水平的提高， 但技术效率下降产生的负面影响也不可忽视， 且在不同时期技术效率和技术进步对中国服务业全要素生产率增长的贡献存在一定差异； 同 时，东部、中部和西部地区之间和地区内部服务业全要素生产率的增长率也存在显著差异， 导致这种差异的主要原因是技术进步水平不同 关关 键键 词词 服务业 全要素生产率 Malmquist 指数 技术进步 技术效率 一、引言一、引言 自内生经济增长理论产生以来， 许多学者通过实证分析探讨了世界各国及地区间经济增长过 程中的生产率变动状况。
在研究方法上，过去十多年的实证分析主要集中在三个方面：一是通过 建立线性回归方程， 估计要素投入与技术进步对经济增长的贡献， 由此探讨经济增长的源泉问题； 二是进一步分析和发展估计全要素生产率（即广义技术进步）增长的理论和方法；三是解释单位 资本产出和人均产出的动态分布规律（Kruger，2003） 以 Chow（1993）为标志，中国经济全要 素生产率 逐渐成为众多国内外学者研究的热点问题 目前，关于中国经济全要素生产率（Total Factor Productivity，TFP）的研究主要集中在以下 三个方面：一是中国经济总体 TFP尽管由于数据来源和处理方法（特别是对资本存量的估计） 及研究方法的不同，有关中国经济总体 TFP 的研究在具体估计结果上有一定差异，但总体结论 基本上是一致的：改革之前 TFP 对中国经济增长的贡献甚微，改革之后则有了显著提高（李京 文等，1998；王小鲁，2000；张军等，2003；Young，2003） 二是农业部门 TFP在过去的十 多年里，众多学者研究了中国农业部门 TFP 的增长状况，并得出了比较一致的结论 ：1952-1978 年几乎所有省份的 TFP 增长均为负值，1978 年农村经济改革至 20 世纪 80 年代中期 TFP 的增长 为正，且有显著的提高，而农业内部各行业 TFP 也表现出明显的增长；80 年代后期 TFP 增长速 度明显下降，并在此后出现了负增长的情况；进入 90 年代后，TFP 在前半期再次取得快速增长， 有研究表明， 中国经济保持持续增长的关键在于如何提高全要素生产率。
鉴于服务业在国民经济中的重 要地位，研究其增长过程中全要素生产率的变动是十分必要的具体可参考胡鞍钢（2003） ： 未来经济增长取决 于全要素生产率提高 ， 政策第 1 期 更为详细的综述可以参考 Allan Rae, Hengyun Ma. “Projecting Chinas Grain and Meats Trade: Sensitivity to Agricultural Productivity Growth”, Presented at International Agricultural Trade Research Consortium Annual General Meeting, Session, on Research Plan and Reports, San Antonio, Texas, 2003. 2 而后半期增长速度则明显回落（Lin，1992；Wen，1993；Kalirajan et al.，1996；Fan，1997；Colby et al.，2000；Jin et al.，2002）三是工业部门 TFP与中国经济总体和农业部门 TFP 不同的是， 关于改革开放以来中国工业部门 TFP 的研究目前尚未取得比较一致的结论，如同样运用城市工 业加总数据，Jefferson et al.（1992）与 Xiao（1991）对 80 年代中期 TFP 增长的估计结果却存在 显著差异，类似的情况也出现在对国有企业 TFP 的估计上（Groves et al.，1994；Huang，1997）。
一些研究认为，1978 年以来 TFP 对中国工业增长的作用十分有限（Chen et al.，1988；李京文等， 1992），对大部分行业而言，TFP 并不是产出增长的主要来源（李小平等，2005） 相比之下，对中国服务业部门全要素生产率的研究还非常少郭克莎（1992）发现，根据索 罗余值法，1979-1990 年中国服务业全要素生产率的平均增长率为 2.58%程大中（2003）发现， 从上世纪 90 年代开始，中国服务业增长的驱动力发生了变化，资本产出比增长率对服务业人 均产出增长率的贡献开始超过全要素生产率增长率的贡献， 原因是中国服务业的技术进步属于略 微资本增强型杨向阳等（2004）则从生产率与规模报酬角度研究了要素投入的边际变化对中国 服务业增加值增长的影响， 但是他们没有从所有投入要素整体产出效率的角度进行分析， 而这一 分析是完全必要的基于随机前沿生产函数模型，徐宏毅等（2004）发现，1992-2002 年中国服 务业全要素生产率的平均增长率为 4.80%，且这一贡献主要来自技术进步；而顾乃华（2005）的 研究结果则显示， 1992-2002 年全要素生产率对中国服务业增长的贡献非常小， 且技术效率低下。
总体而言，上述实证研究对于认识中国服务业的增长过程与质量，促进中国服务业发展，以及进 一步的研究具有重要意义但应当说明的是，这些研究在方法上也存在明显的不足之处：普遍采 用 CD 生产函数或随机前沿生产函数方法，由于不同的生产函数代表不同的技术类型，这种事先 确定模型的做法很有可能影响分析结果的准确性和一致性 本文将主要使用面板数据对中国服务业全要素生产率及其增长来源进行实证分析， 试图从以 下三个方面对已有研究进行拓展： 一是采用基于产出的非参数 Malmquist 指数方法研究中国服务 业 TFP 的增长状况，并将其进一步分解为技术效率变化指数和技术进步指数，以避免由于事先 确定函数形式可能给分析结果带来的负面影响； 二是考察了中国大陆 30 个省 服务业全要素生产 率增长状况， 现有研究通常出于数据缺失方面的原因将海南和西藏两省排除在外， 随着今后统计 序列的延长， 这两个省的数据可以延续， 尝试将其纳入实证研究的范围可能会有一定的积极意义 （张军等，2004） ；三是将研究区间扩展到 1990-2003 年，以探讨不同经济发展时期中国服务业 全要素生产率的变动状况 二、研究方法二、研究方法 在本文的分析中， 我们把中国大陆地区的每个省 作为一个决策单元， 运用 Fare et al. （1994） 提出的基于 DEA 的 Malmquist 指数方法来估计中国服务业全要素生产率的变动状况。
Malmquist 指数最初由 Malmquist（1953）提出，Caves et al.（1982）首先将该指数应用于生产率变化的测 算，此后与 Charnes et al.（1978）建立的 DEA 理论相结合，在生产率测算中的应用日益广泛 在实证分析中，研究者普遍采用 Fare et al.（1994）构建的基于 DEA 的 Malmquist 指数 Malmquist 生产率指数主要具有三个方面的优点： （1）不需要相关的价格信息，这对实证分 析特别重要，因为，一般情况下，相关投入和产出的数量数据比较容易得到，而要素价格等信息 的获取通常比较困难，有时甚至不可能； （2）适用于多个国家或地区跨时期的样本分析； （3）可 以进一步分解为技术效率变化指数和技术进步指数 从 t 时期到 t+1 时期，度量全要素生产率增长的 Malmquist 指数可以表示为： 样本数据包括了中国大陆地区的 31 个省，为了估计的方便，将重庆市的相关数据合并到四川，这样最 终用来进行估计的为 30 个省 为方便起见，本文把中国大陆地区的省、自治区和直辖市统一用“省”这个词来代替。
3 2/1 tt 1t 0 1t1t 1t 0 tt t 0 1t1t t 0 tt1t1t0 )y,x(d )y,x(d )y,x(d )y,x(d )y,x,y,x(M （1） 式 （1） 中，)y,x( 1t1t 和)y,x( tt 分别表示 （t+1） 时期和 t 时期的投入和产出向量； t 0 d和 1t 0 d 分别表示以 t 时期技术 Tt为参照，时期 t 和时期（t+1）的距离函数 以 t 时期技术 Tt为参照，基于产出角度的 Malmquist 指数可以表示为： )y,x(d/ )y,x(d)y,x,y,x(M tt t 01t1t t 0tt1t1t t 0 （2） 类似地，以 t+1 时期技术 Tt+1为参照，基于产出角度的 Malmquist 指数可以表示为： )y,x(d/ )y,x(d)y,x,y,x(M tt 1t 01t1t 1t 0tt1t1t 1t 0 （3） 为避免时期选择的随意性可能导致的差异，仿照 Fisher 理想指数的构造方法，Caves et al. （1982）用式（2）和式（3）的几何平均值即（1）式，作为衡量从 t 时期到 t+1 时期生产率变 化的 Malmquist 指数。
该指数大于 1 时，表明从 t 时期到 t+1 时期全要素生产率是增长的 根据上述处理所得到的 Malmquist 指数具有良好的性质 ，它可以分解为不变规模报酬假定 下技术效率变化指数（EC）和技术进步指数（TP） ，其分解过程如下： TPEC )y,x(d )y,x(d )Cy,x(d )y,x(d )y,x(d )y,x(d )x,y,x ,y(M 2/1 tt 1t 0 tt t 0 1t1t 1t 0 1t1t t 0 tt t 0 1t1t 1t 0 tt1t1t0 （4） 其中技术效率变化指数还可进一步分解为纯技术效率指数（PC）和规模效率指数（SC） 为了度量 Malmquist 生产率指数， 需要借助线性规划方法来计算有关投入和产出的各种距离 函数对于 t 时期到 t+1 时期第 i 个省服务业全要素生产率的变化，需要计算如下四个基于 DEA 的距离函数： 0 0 0Xx 0Xx 0Yy . t . s 0Yy . t . s max)y,x(d max)y,x(d 0 0 0Xx 0Xx 0Yy . t . s 0Yy . t . s max)y,x(d max)y,x(d 1titt1t , i 1titt1t , i , 1 tt 1t 0, 1 1t1t t 0 1t1t , i1tit 1t1t , i1tit , 1 1t1t 1t 0, 。