中國地區(qū)零售服務業(yè)生產(chǎn)率的影響因素研究

趙德海++曲藝

內(nèi)容提要：通過構(gòu)造Global-Metafrontier-Malmquist生產(chǎn)率指數(shù)模型，本文利用2006-2015年相關面板數(shù)據(jù)對中國各地區(qū)的零售服務業(yè)生產(chǎn)率進行測度，并在此基礎上利用空間面板數(shù)據(jù)計量模型對零售服務業(yè)生產(chǎn)率影響因素進行估算。研究表明，地區(qū)經(jīng)濟發(fā)展、人力資源管理、通信與信息技術(shù)的運用以及市場化對零售服務業(yè)生產(chǎn)率有正向作用，但管制則帶來負面影響。

關鍵詞：零售服務業(yè)；生產(chǎn)率；影響因素；空間計量

中圖分類號：F71332；F273 文獻標識碼：A 文章編號：1001-148X（2017）03-0022-06

一、引言

據(jù)國家統(tǒng)計局數(shù)據(jù)，2014至2016三年中，我國消費對GDP的貢獻率分別達到502%、664%、646%，成為國家經(jīng)濟增長的重要支柱。然而，我國零售服務業(yè)市場集中度偏低、區(qū)域發(fā)展不均衡特別是生產(chǎn)效率偏低的問題卻一直存在。2016年11月11日國務院出臺的《關于推動實體零售創(chuàng)新轉(zhuǎn)型的意見》強調(diào)我國零售服務業(yè)發(fā)展已經(jīng)進入到了一個需要改革創(chuàng)新提升生產(chǎn)效率的階段。

Baumol（1967）提出了關于服務業(yè)生產(chǎn)率的“成本病”理論，認為服務業(yè)是“非進步部門”，生產(chǎn)率一直緩慢增長或不增長，但是其單位產(chǎn)出成本卻可能無限制的增加。Baumol等（1984）又進一步完善了該觀點。國內(nèi)學者從各個角度對服務業(yè)全行業(yè)發(fā)展進行的研究（王恕立和胡宗彪，2012；崔敏和魏修建，2015；王恕立等，2015），發(fā)現(xiàn)中國的服務業(yè)生產(chǎn)率沒有出現(xiàn)Baumol提到的“成本病”，但服務業(yè)生產(chǎn)率受哪些因素影響、如何進一步提高生產(chǎn)率各有見解。目前國內(nèi)對于零售服務業(yè)生產(chǎn)效率的研究，只針對具體地區(qū)或特定的效率，尚沒有在全國數(shù)據(jù)基礎上的生產(chǎn)率測度以及對生產(chǎn)率變化影響因素的研究。我國幅員遼闊，地理異質(zhì)性現(xiàn)象明顯，空間依賴性已經(jīng)成為現(xiàn)實，所以影響生產(chǎn)率的因素同樣要考慮空間效應。鑒于此，本文擬構(gòu)造評價中國地區(qū)零售服務業(yè)生產(chǎn)率的Global-Metafrontier-Malmquist生產(chǎn)率指數(shù)（簡稱為GMMI）模型，并利用2006-2015年相關面板數(shù)據(jù)對中國各地區(qū)的零售服務業(yè)生產(chǎn)率進行測度；在此基礎上，利用空間面板計量經(jīng)濟分析模型，構(gòu)造空間自相關模型（SAR）和空間誤差模型（SEM）對零售服務業(yè)生產(chǎn)率影響因素進行估算，并在得出結(jié)論的基礎上給出相關政策建議。

二、中國地區(qū)零售服務業(yè)生產(chǎn)率的測度

（一）生產(chǎn)率測度方法

數(shù)據(jù)包絡分析（DEA）是非參數(shù)方法中測度生產(chǎn)率非常有效的一種方法。但是，如果被評價的經(jīng)濟單元被分為若干群組，如中國東中西部地區(qū)等等，這些群組則會遵循各自不同的前沿水平。這些差異無法真實反映被評價群組的效率水平。為此，學者們將共同前沿（meta-frontier）的概念引入到效率評價中，其中，Battese和Rao（2002）依據(jù)一定標準將DMU劃分為不同群組，用隨機前沿法（SFA）界定出不同群組前沿和共同前沿，并估計不同群組和共同前沿的技術(shù)效率，得出技術(shù)落差比率。但SFA的假設是所有DMU具有潛力達到相同的技術(shù)前沿，可能導致共同前沿無法包絡群組前沿，并且SFA也不能針對多投入多產(chǎn)出的情況。Battese等（2004）使用DEA方法擴展了這一研究，解決了上述問題。Oh和Lee（2010）將共同前沿應用于全局參比Malmquist指數(shù)，使得我們能夠考察共同前沿的動態(tài)變化及構(gòu)成，能夠考察不同群組及共同前沿的技術(shù)和效率演化?；诖?，本文構(gòu)建了評價中國地區(qū)零售服務業(yè)生產(chǎn)率的Global-Metafrontier-Malmquist生產(chǎn)率指數(shù)（簡稱為GMMI模型）。

具體測算過程簡要描述如下：

分別定義共同前沿生產(chǎn)可能性集和群組前沿可能性集，

其中，EC指組內(nèi)效率變化指數(shù)，BPC指組內(nèi)前沿與全局前沿的差距（BPG）的變化指數(shù)，TGC是指技術(shù)缺口比率（TGR）的變化指數(shù)。

（二）指標選擇及數(shù)據(jù)來源

在構(gòu)建評價中國地區(qū)零售服務業(yè)生產(chǎn)率測度的Metafrontier-Malmquist指數(shù)模型時，需要選擇兩個方面的指標，即投入變量和產(chǎn)出變量。在參考相關研究的基礎上，考慮零售服務業(yè)自身特點以及數(shù)據(jù)可得性，我們從勞動力投入和資本投入兩個方面考慮投入變量，從過程產(chǎn)出和最終產(chǎn)出兩個方面考慮產(chǎn)出變量。

（1）勞動力投入。在實際測算中，無法獲得完整的勞動力質(zhì)量數(shù)據(jù)，將“年末從業(yè)人員數(shù)”作為勞動力投入的代理變量。

（2）資本投入。考慮到零售業(yè)行業(yè)特殊性，將“年末資產(chǎn)總額”作為資本投入的代理變量。

（3）過程產(chǎn)出?；诹闶蹣I(yè)在經(jīng)濟發(fā)展中起到至關重要的流通作用（裴長洪，2012），將“商品銷售額”作為過程產(chǎn)出的代理變量。

（4）最終產(chǎn)出。將“主營業(yè)務利潤”作為最終產(chǎn)出的代理變量。

所選指標數(shù)據(jù)均來自2007-2016年的《中國統(tǒng)計年鑒》和《中國第三產(chǎn)業(yè)統(tǒng)計年鑒》。

（三）測度結(jié)果

通過構(gòu)建的Global-Metafrontier-Malmquist生產(chǎn)率指數(shù)模型，運用上述指標和數(shù)據(jù)，對中國地區(qū)零售服務業(yè)生產(chǎn)率進行測度，其中，表1為模型的TGR值，圖1為測度主要結(jié)果的變化趨勢。

從圖1中可以看到，生產(chǎn)率相關數(shù)值多數(shù)在1以上運行，也就是說，零售服務業(yè)一直保持著平穩(wěn)增長狀態(tài)，組內(nèi)效率變化指數(shù)（EC）和技術(shù)缺口比率變化指數(shù)（TGC）保持著在一個相對穩(wěn)定的空間波動，而全局GMMI、組間GMMI和組內(nèi)前沿與全局前沿的差距變化指數(shù)（BPC）在2008～2009年度出現(xiàn)一個明顯的偏低狀態(tài)，這說明當年全國零售服務業(yè)生產(chǎn)率有明顯偏低的地區(qū)，從而拉低了組間GMMI，進而使全局GMMI出現(xiàn)一個明顯的低谷。

三、零售服務業(yè)空間自相關的檢驗

（一）空間權(quán)重矩陣的設置

在空間統(tǒng)計和空間計量研究中，需要用空間權(quán)重矩陣來表征樣本間空間上的相互關聯(lián)的程度。在研究中被經(jīng)常使用的有三種空間權(quán)重矩陣，分別是鄰接空間權(quán)重矩陣、經(jīng)濟意義空間權(quán)重矩陣和地理距離空間權(quán)重矩陣。鄰接空間權(quán)重矩陣盡管設置簡單，但與客觀事實卻并不符合（李婧等，2010），經(jīng)濟意義空間權(quán)重矩陣則強調(diào)按經(jīng)濟發(fā)展水平（如GDP、人均收入等變量）來進行權(quán)重設置（林光平、龍志和和吳梅，2005），但是其并未突出空間地理上的關聯(lián)。因此，本文選擇構(gòu)建地理距離空間權(quán)重矩陣。

按照地理距離構(gòu)造空間權(quán)重矩陣是符合地理學第一定律的（Tobler，1970），即任何事物與其周圍事物均存在著聯(lián)系，距離越近，事物之間的聯(lián)系也越緊密。我們利用實際地理距離（d）平方的倒數(shù)來構(gòu)造地理距離空間權(quán)重矩陣（W），具體為：

Wij=1d2，i≠j0，i=j

（二）全局空間相關性檢驗

在進行經(jīng)濟系統(tǒng)的空間計量分析時，首先要采用空間統(tǒng)計的方法來檢驗被解釋變量是否存在空間的自相關性，如果檢驗通過，則需要進一步利用空間計量模型進行分析（吳玉鳴，2014）。而莫蘭指數(shù)（Morans Index）一般是檢驗空間自相關的非常有效的方法（Rey和Montouri，1999；Rey和Janikas，2005），全局莫蘭指數(shù)用于判斷空間是否出現(xiàn)集聚或異常值，用于判斷是否出現(xiàn)空間自相關現(xiàn)象；局部莫蘭指數(shù)則用于判斷哪些空間出現(xiàn)集聚或異常值。

全局莫蘭指數(shù)可以定義為：

表2為歷年GMMI全局空間自相關檢驗結(jié)果。全局莫蘭指數(shù)在（-1，1）之間取值，大于0代表正相關，小于0代表負相關，通過表2我們可以看到，全局莫蘭指數(shù)的期望和方差數(shù)據(jù)穩(wěn)定，統(tǒng)計檢驗z值和p值均較顯著，尤其近三年，相關性顯著增強。

（三）局部空間相關性檢驗

局部莫蘭指數(shù)可以定義為：

由上式可知，局部莫蘭指數(shù)是對各地區(qū)數(shù)據(jù)進行單獨測算，測算結(jié)果數(shù)據(jù)量較大，由于篇幅所限，在文中不再列示。我們通過比較直觀的Moran散點圖進行描述。Moran散點圖是通過局部莫蘭指數(shù)計算數(shù)據(jù)得出的，圖中橫軸和縱軸分別是該變量當期值和滯后項。四個象限分別表示四種類型的空間相關性：第一、二、三、四象限分別表示高-高（H-H，表示高水平地區(qū)的臨近地區(qū)也是高水平的），表示空間正相關；低-高（L-H），表示空間負相關；低-低（L-L），表示空間正相關；高-低（H-L），表示空間負相關。圖2和圖3分別表示06/07年和14/15年的Moran散點圖。

四、實證分析

（一）模型及數(shù)據(jù)選取

通過上述空間相關性檢驗，我們看到中國各地區(qū)之間存在著空間上的相互影響。從現(xiàn)實意義來看，中國幅員遼闊，各地區(qū)之間的差異確實顯著存在（諸如地理位置、社會習慣等）。而時間上的觀測值卻無法解決這種相互依賴，為此我們選擇近年來發(fā)展空間計量經(jīng)濟模型來進行分析。通過對理論空間計量經(jīng)濟學研究相關文獻的梳理，空間自回歸模型（Spatial Autoregression Model，簡記為SAR）和空間誤差模型（Spatial Error Model，簡記為SEM）是兩種非常有效的方法，并在實證研究中被廣泛應用。因此，我們構(gòu)建了評價零售服務業(yè)生產(chǎn)率影響因素的空間自回歸模型和空間誤差模型，具體如下。

空間自回歸模型為：

對于影響零售服務業(yè)生產(chǎn)率的因素，本文主要考察以下幾類：

（1）地區(qū)經(jīng)濟發(fā)展水平。本文選擇“人均GDP”來作為各地區(qū)經(jīng)濟發(fā)展水平的代理變量，簡記為GDP。

（2）人力資本。人力資本對零售服務業(yè)的影響一般需要從兩個方面考慮，一個方面是勞動者技能，我們選擇“當年每萬人中等職業(yè)院校畢業(yè)人數(shù)”作為勞動者技能的代理變量，簡記為LAT；另一方面是人力資源管理，我們選擇“當年每萬人本專科畢業(yè)人數(shù)”作為人力資源管理的代理變量，簡記為LAM。

（3）信息和通信技術(shù)的運用。發(fā)達國家零售業(yè)發(fā)展水平的差別主要體現(xiàn)在信息通信技術(shù)的投資差別上。本文選擇“每萬戶移動電話交換機容量”作為信息和通信技術(shù)運用的代理變量，簡記為IAT。

（4）管制。政府出于一定目的會對行業(yè)進行宏觀調(diào)控，但是，由于零售服務業(yè)市場結(jié)構(gòu)趨緊于完全競爭市場，管制有可能影響零售服務業(yè)生產(chǎn)率的進步（Higon等，2010）。我們選擇“人均行政性收費收入”作為管制的代理變量，簡記為REG。

（5）市場化。零售服務業(yè)的行業(yè)特點決定了其完全競爭的特性，市場化進程的不斷推進，會為零售服務業(yè)生產(chǎn)率提供變化的空間（Foster等，2006）。我們選擇“市場化總指數(shù)”作為市場化程度的代理變量，簡記為MAR。由于本文需要的數(shù)據(jù)時間段超出了王小魯?shù)龋?017）給出的測度數(shù)據(jù)，為此，我們利用插值法進行了數(shù)據(jù)測算，得到其他年份數(shù)據(jù)。

除市場化數(shù)據(jù)外，本文所用其它變量數(shù)據(jù)均來自2008-2016年的《中國統(tǒng)計年鑒》和《中國第三產(chǎn)業(yè)統(tǒng)計年鑒》。

（二）實證結(jié)果分析

利用2007-2015年間中國30個省域的相關數(shù)據(jù)，采用空間面板計量方法，估計了空間自相關模型和空間誤差模型。為了保證模型估算結(jié)果的可靠性和穩(wěn)健性，我們將上述測算所得的零售服務業(yè)生產(chǎn)率相關數(shù)據(jù)分別作為被解釋變量，具體包括GMMI、EC、BPC和TGC。具體測算結(jié)果在表3和表4中列示。

從表3中，可以看到SAR模型相關估算結(jié)果。整體來看，模型（1）、模型（3）、模型（4）在變量系數(shù)的估算上方向比較一致，模型（2）與其它三個模型稍有差異。具體來看，第一，被解釋變量的空間自相關系數(shù)在（1）和（3）中出現(xiàn)了兩個顯著的負相關，而在（2）和（4）中雖然是正相關，但別不顯著。這說明零售服務業(yè)生產(chǎn)率在空間上沒有臨近的地區(qū)有正向溢出效應，相反，臨近地區(qū)的發(fā)展反而會造成本地區(qū)零售服務業(yè)發(fā)展的滯后，這可能是由于相鄰地區(qū)間的激烈競爭造成的，當然也有可能是由于省域之間存在著比較嚴重的地方保護主義而導致的。第二，GDP變量系數(shù)在（1）、（3）、（4）中表現(xiàn)為對零售服務業(yè)的正向影響，這說明地區(qū)經(jīng)濟發(fā)展對零售服務業(yè)生產(chǎn)率顯著的帶動作用；在（2）中卻表現(xiàn)為負相關，說明地區(qū)經(jīng)濟發(fā)展不會對零售服務業(yè)技術(shù)效率提升有所幫助，這可能是由于地區(qū)經(jīng)濟發(fā)展使得人們積極消費，從而使得零售服務業(yè)缺乏追求提升技術(shù)效率的動力。第三，在人力資本的兩個變量中，我們看到了一個有趣的結(jié)果，即勞動者技能（LAT）與生產(chǎn)率是負相關的，人力資源管理（LAM）與生產(chǎn)率是正相關的，兩者表現(xiàn)的都不是很顯著。這說明在零售服務業(yè)中，組織管理是非常重要的，而一般勞動力技能的提升則不會為行業(yè)生產(chǎn)率的改變做出貢獻，這是可以看做是零售服務業(yè)一個非常典型的特性。第四，信息和通信技術(shù)的運用確實為零售服務業(yè)生產(chǎn)率的提升帶來的顯著的正向效應。這與Rusten和Bryson（2007）研究中提到的美國、英國、德國等國家發(fā)展軌跡是高度一致的。第五，管制變量與零售服務業(yè)生產(chǎn)率呈現(xiàn)出非顯著的負相關關系，這可能是由于我國對行政管理制度做出了適當?shù)母纳疲沟谜芾頉]有過度影響行業(yè)的正常發(fā)展。但是，管制的負面效果還有所體現(xiàn)。第六，市場化與零售服務業(yè)生產(chǎn)率呈現(xiàn)出較顯著的正相關關系，但相關系數(shù)并不大。這可能是由于我國零售服務業(yè)尚未形成規(guī)模效應，中小型零售企業(yè)在市場化進程中會受到一定的沖擊，而形成規(guī)模經(jīng)濟的零售企業(yè)則會在其中受益較大，二者在面臨市場化時可能會有不一樣的策略，導致市場化與生產(chǎn)率的相關性并不大。

從表4中，可以看到SEM模型相關估算結(jié)果。整體來看，模型（5）-（8）的SEM模型整體估算系數(shù)顯著性并不是很強，但估計結(jié)果與表3的SAR模型估計結(jié)果比較吻合，這說明整個模型構(gòu)造及估計結(jié)果都是具有穩(wěn)健性的。其中，比較明顯的差異主要表現(xiàn)在，SEM模型是認為誤差項存在著空間上的關聯(lián)，在本模型中，誤差項的空間矩陣系數(shù)都顯著為正，這說明地區(qū)之間的其他經(jīng)濟要素存在著對零售服務業(yè)生產(chǎn)率提升的溢出效應。這與SAR模型中地區(qū)零售服務業(yè)生產(chǎn)率之間是負向關系是顯著不同的。

五、結(jié)論及政策建議

第一，地區(qū)經(jīng)濟發(fā)展可以促進零售服務業(yè)生產(chǎn)率的提升，但不利于零售服務業(yè)技術(shù)效率的改進；第二，人力資本方面，管理水平的提升對零售服務業(yè)生產(chǎn)率的改善是有幫助的，但對勞動者技能的提高卻沒有顯著影響；第三，通信與信息技術(shù)能夠顯著提升零售服務業(yè)的生產(chǎn)率水平；第四，管制為零售服務業(yè)生產(chǎn)率帶來負面的影響，而市場化卻能帶來正向影響。

根據(jù)以上研究結(jié)論，可有如下相關政策建議：第一，提高零售服務業(yè)經(jīng)營者的管理能力，使得企業(yè)的組織架構(gòu)和運行方式不斷完善；第二，加快通信與信息技術(shù)的基礎設施建設，為零售服務業(yè)提供更好的發(fā)展空間；第三，為零售服務業(yè)企業(yè)推出“負面清單”政策，進一步弱化政府對企業(yè)的管制水平；第四，市場化程度還有待進一步提高，需消除省域之間由于行政勢力而導致的不良競爭，促進國內(nèi)貿(mào)易和國際貿(mào)易的雙重發(fā)展。

參考文獻：

[1]Baumol W. J.Macroeconomics of Unbalanced Growth：The Anatomy of Urban Crises[J].The American Economic Review，1967，57（3）：415-426.

[2]Battest G. E.，D. S. P. Rao.Technology potential，efficiency and a stochastic metafrontier function [J].International Journal of Business and Economics，2002（2）：1-7.

[3]Oh D. H.，J. D. Lee.A metafrontier approach for measuring Malmquist Productivity index [J].Empirical Economics，2010（38）：47-64.

[4]陳華.連鎖零售業(yè)的經(jīng)營效率評價和空間差異性研究——基于超效率DEA-ESDA的分析[J].長春理工大學學報：社會科學版，2014（12）：95-99.

[5]崔敏，魏修建.服務業(yè)各行業(yè)生產(chǎn)率變遷與內(nèi)部結(jié)構(gòu)異質(zhì)性[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2015（4）：3-21.

[6]劉興凱，張誠.中國服務業(yè)全要素生產(chǎn)率增長及其收斂分析[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2010（3）：55-67，95.

[7]王恕立，胡宗彪.中國服務業(yè)分行業(yè)生產(chǎn)率變遷及異質(zhì)性考察[J].經(jīng)濟研究，2012（4）：15-27.

[8]楊勇.中國服務業(yè)全要素生產(chǎn)率再測算[J].世界經(jīng)濟，2008（10）：46-55.

Research on Factors Influencing Productivity of China′s Regional Retail Service Sector

——An Analysis based on Spatial Panel Econometrics

ZHAO De-hai，QU Yi

（School of Economics，Harbin University of Commerce， Harbin 150028，China）

Abstract：By building the model of Global-Metafrontier-Malmquist productivity index， the paper evaluated productivity of China′s regional retail service sector with the panel data in 2006-2015， and calculated the factors influencing productivity of China′s regional retail service sector with spatial panel econometrics. The results showed regional economic development， human resources management， communications and information technology， and marketization have positive influence on productivity of China′s regional retail service sector， but regulation has negative impact on it.

Key words：retail service sector；productivity； influence factors； spatial econometrics

（責任編輯：周正）