新冠疫情對(duì)服務(wù)業(yè)全要素生產(chǎn)率不對(duì)等沖擊研究
——以上海市松江區(qū)規(guī)模以上服務(wù)業(yè)企業(yè)為例

□ 俞曉萍

|研究背景及思路

2020 年，上海市松江區(qū)服務(wù)業(yè)實(shí)現(xiàn)增加值335.58 億元，占全區(qū)增加值的比重為20.5%，比“十二五”末（2015 年）提高1.7 個(gè)百分點(diǎn)，服務(wù)業(yè)已成為地區(qū)經(jīng)濟(jì)的重要組成部分。

然而，自新冠疫情發(fā)生以來(lái)，服務(wù)業(yè)內(nèi)部各主要行業(yè)則呈現(xiàn)出不同的發(fā)展態(tài)勢(shì)。部分行業(yè)降幅明顯，如教育（規(guī)上營(yíng)收①規(guī)模以上營(yíng)業(yè)收入。下降32%）、文化、體育和娛樂(lè)業(yè)（規(guī)上營(yíng)收下降16.8%）、交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)（規(guī)上營(yíng)收下降15.2%）；部分行業(yè)則逆勢(shì)較快增長(zhǎng)，如信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)（規(guī)上營(yíng)收增長(zhǎng)38.6%）、科學(xué)研究和技術(shù)服務(wù)業(yè)（規(guī)上營(yíng)收增長(zhǎng)9.7%）。

可見(jiàn)，新冠疫情對(duì)服務(wù)業(yè)不同行業(yè)的發(fā)展規(guī)模和發(fā)展速度產(chǎn)生了不對(duì)等的沖擊。高質(zhì)量發(fā)展背景下，發(fā)展效率是地區(qū)經(jīng)濟(jì)轉(zhuǎn)型升級(jí)，以及內(nèi)涵式、集約式擴(kuò)大再生產(chǎn)增長(zhǎng)的主要體現(xiàn)，不同行業(yè)和企業(yè)的發(fā)展效率受到新冠疫情的沖擊程度是否也存在顯著差異，而這樣的顯著差異又與哪些因素高度關(guān)聯(lián)，為了回答上述問(wèn)題，本文主要從以下三個(gè)部分依次進(jìn)行探究。

1.全要素生產(chǎn)率的測(cè)算。以增加值為產(chǎn)出變量，資產(chǎn)和從業(yè)人員為投入變量，使用EBM 超效率模型測(cè)算2017—2020 年松江區(qū)規(guī)模以上服務(wù)業(yè)企業(yè)的全要素生產(chǎn)率。

2.全要素生產(chǎn)率的差異分析。以行業(yè)門(mén)類(lèi)全要素生產(chǎn)率均值的變動(dòng)率為樣本數(shù)據(jù)，使用配對(duì)樣本T檢驗(yàn)以檢驗(yàn)服務(wù)業(yè)各行業(yè)的發(fā)展效率是否受到新冠疫情的顯著沖擊。以個(gè)體企業(yè)全要素生產(chǎn)率的變動(dòng)率為樣本數(shù)據(jù)，使用單因素方差分析以檢驗(yàn)不同服務(wù)業(yè)行業(yè)的發(fā)展效率受到新冠疫情的沖擊程度是否存在顯著差異。

3.全要素生產(chǎn)率不對(duì)等沖擊的關(guān)聯(lián)因素分析。從靜態(tài)、財(cái)務(wù)、人力、信息化、創(chuàng)新、特色產(chǎn)業(yè)六個(gè)維度構(gòu)建全要素生產(chǎn)率高關(guān)聯(lián)因素特征標(biāo)簽體系，使用XGBoost 算法挖掘與全要素生產(chǎn)率受沖擊程度關(guān)聯(lián)度較高的主要因素。

|服務(wù)業(yè)全要素生產(chǎn)率的測(cè)算

（一）測(cè)算方法介紹

全要素生產(chǎn)率（Total Factor Productivity）是指指數(shù)化的產(chǎn)出與投入要素之比，其特點(diǎn)在于能夠反映綜合經(jīng)濟(jì)效率，指數(shù)大小由全部投入、產(chǎn)出要素決定，可以表達(dá)技術(shù)進(jìn)步、規(guī)模經(jīng)濟(jì)、管理水平、人員素質(zhì)等因素對(duì)產(chǎn)出的作用。本文使用EBM 超效率模型測(cè)算全要素生產(chǎn)率，超效率DEA 模型可以更好比較有效決策單元效率值的大小，EBM模型則能夠充分考慮投入和產(chǎn)出的松弛問(wèn)題，以及準(zhǔn)確區(qū)分期望產(chǎn)出和非期望產(chǎn)出。

超效率DEA 模型是一種由Andersen 和Petersen（1993）提出的通過(guò)將被評(píng)價(jià)決策單元從原生產(chǎn)可能集中剔除，以剩余決策單元構(gòu)造新的生產(chǎn)可能集和形成新的有效生產(chǎn)前沿面，并以新的有效生產(chǎn)前沿面為基準(zhǔn)來(lái)判斷其有效性，從而能夠進(jìn)一步比較有效決策單元效率值大小的DEA 方法。

EBM 模型則是一種由Tone 和Tsutsui（2010）提出的結(jié)合了SBM模型（能夠充分考慮投入和產(chǎn)出的松弛問(wèn)題）和DDF 模型（能夠區(qū)分期望產(chǎn)出和非期望產(chǎn)出）的優(yōu)點(diǎn)，兼容徑向和非徑向的混合距離函數(shù)測(cè)度模型。

（二）測(cè)算結(jié)果分析

使用2017 年至2020 年松江區(qū)規(guī)模以上服務(wù)業(yè)企業(yè)作為樣本集，投入指標(biāo)為取自然對(duì)數(shù)的從業(yè)人員平均人數(shù)、資產(chǎn)總計(jì)，產(chǎn)出指標(biāo)為取自然對(duì)數(shù)的增加值，增加值按勞動(dòng)者報(bào)酬、生產(chǎn)稅凈額、固定資產(chǎn)折舊、營(yíng)業(yè)盈余四要素進(jìn)行核算，各年均值匯總結(jié)果見(jiàn)表1。

表1 2017-2020 年松江區(qū)規(guī)上服務(wù)業(yè)企業(yè)全要素生產(chǎn)率均值匯總結(jié)果

由結(jié)果能得到松江區(qū)規(guī)上服務(wù)業(yè)企業(yè)全要素生產(chǎn)率三方面的主要信息。

1.新冠疫情前，綜合技術(shù)效率呈現(xiàn)逐年提高態(tài)勢(shì)。綜合技術(shù)效率均值從2017 年的0.625 提高到2019年的0.638，累計(jì)增長(zhǎng)2.0%，年均增長(zhǎng)1.0%。雖然由于各投入和產(chǎn)出指標(biāo)取自然對(duì)數(shù)，導(dǎo)致一定程度上收縮了高效率DMU 和低效率DMU 的差距，但綜合技術(shù)效率逐年提高的整體趨勢(shì)依然顯著且穩(wěn)健。

2.新冠疫情前，綜合技術(shù)效率提高主要由純技術(shù)效率拉動(dòng)。綜合技術(shù)效率可分解為純技術(shù)效率和規(guī)模效率兩部分。純技術(shù)效率均值從2017 年的0.766 提高到2019 年的0.780，累計(jì)增長(zhǎng)1.9%，年均增長(zhǎng)0.9%；而三年間的規(guī)模效率則基本持平?？梢?jiàn)，綜合技術(shù)效率的提高主要依靠純技術(shù)效率拉動(dòng)。

3.新冠疫情對(duì)綜合技術(shù)效率產(chǎn)生一定影響。2020 年的綜合技術(shù)效率為0.626，低于2018 年和2019 年，稍高于2017 年。其中，純技術(shù)效率為0.772，低于2019 年，但高于2018 年和2017 年；規(guī)模效率為0.810，收縮至近四年最低值。

|服務(wù)業(yè)全要素生產(chǎn)率的差異分析

（一）基于配對(duì)樣本T 檢驗(yàn)的服務(wù)業(yè)全要素生產(chǎn)率差異分析

配對(duì)樣本是指存在一一對(duì)應(yīng)關(guān)系的兩組樣本，配對(duì)樣本T 檢驗(yàn)則是指用于判斷配對(duì)樣本間是否存在顯著性差異的統(tǒng)計(jì)檢驗(yàn)方法。配對(duì)樣本T 檢驗(yàn)有兩項(xiàng)前提條件，一是兩組樣本必須是配對(duì)的（也就是相關(guān)的），二是兩組樣本來(lái)自的總體都應(yīng)服從正態(tài)分布。

使用配對(duì)樣本T 檢驗(yàn)以檢驗(yàn)服務(wù)業(yè)各行業(yè)的發(fā)展效率是否受到新冠疫情的顯著沖擊，以行業(yè)門(mén)類(lèi)全要素生產(chǎn)率均值的變動(dòng)率為樣本數(shù)據(jù)。其中，對(duì)照組為各行業(yè)門(mén)類(lèi)2017 年至2019 年全要素生產(chǎn)率均值的年均變動(dòng)率，事件組為各行業(yè)門(mén)類(lèi)2020年全要素生產(chǎn)率均值的同比變動(dòng)率。

基礎(chǔ)數(shù)據(jù)見(jiàn)表2，檢驗(yàn)結(jié)果見(jiàn)表3，由檢驗(yàn)結(jié)果可知，“差值樣本均值與0 不存在顯著性差異”假設(shè)的伴隨概率為0.0142（小于0.05），應(yīng)拒絕原假設(shè)，從而表示兩組樣本的均值差與0 具有顯著性差異，也就說(shuō)明服務(wù)業(yè)各行業(yè)的發(fā)展效率確實(shí)受到了新冠疫情的顯著沖擊。

表2 松江區(qū)規(guī)上服務(wù)業(yè)行業(yè)門(mén)類(lèi)全要素生產(chǎn)率均值的變動(dòng)率

表3 松江區(qū)規(guī)上服務(wù)業(yè)行業(yè)門(mén)類(lèi)全要素生產(chǎn)率均值變動(dòng)率的配對(duì)樣本T 檢驗(yàn)

（二）基于單因素方差分析的服務(wù)業(yè)全要素生產(chǎn)率差異分析

單因素方差分析是指用于判斷單個(gè)自變量的不同水平是否對(duì)因變量產(chǎn)生顯著影響的統(tǒng)計(jì)檢驗(yàn)方法。單因素方差分析將總方差分為兩部分，即可以由自變量解釋的系統(tǒng)誤差和無(wú)法由自變量解釋的隨機(jī)誤差，若系統(tǒng)誤差顯著超過(guò)隨機(jī)誤差，則可判斷該自變量在處于不同水平時(shí)因變量均值存在顯著差異。

使用單因素方差分析以檢驗(yàn)服務(wù)業(yè)各行業(yè)發(fā)展效率受到新冠疫情的沖擊是否存在顯著差異，以2020年全部規(guī)上服務(wù)業(yè)企業(yè)全要素生產(chǎn)率的同比變動(dòng)率為樣本數(shù)據(jù)，并將其按行業(yè)門(mén)類(lèi)進(jìn)行分組。

檢驗(yàn)結(jié)果見(jiàn)表4，由檢驗(yàn)結(jié)果可知，Bartlett 檢驗(yàn)的伴隨概率為0.092（大于0.05）表示通過(guò)方差齊性檢驗(yàn)，F(xiàn) 值為4.92，其伴隨概率為0.000（小于0.05）表示各組樣本全要素生產(chǎn)率的變動(dòng)率存在顯著性差異，也就說(shuō)明服務(wù)業(yè)各行業(yè)發(fā)展效率受到新冠疫情的沖擊是不同等的。

表4 松江區(qū)規(guī)上服務(wù)業(yè)企業(yè)全要素生產(chǎn)率（按行業(yè)門(mén)類(lèi)分組）單因素方差分析輸出結(jié)果

|服務(wù)業(yè)全要素生產(chǎn)率不對(duì)等沖擊的關(guān)聯(lián)因素分析

（一）關(guān)聯(lián)因素的特征標(biāo)簽體系

使用2020 年統(tǒng)計(jì)一套表年報(bào)數(shù)據(jù)，初步篩選出可能與要素效率存在一定關(guān)系的統(tǒng)計(jì)指標(biāo)，按靜態(tài)、財(cái)務(wù)、人力資源、信息化、創(chuàng)新、特色產(chǎn)業(yè)六個(gè)類(lèi)別構(gòu)建要素效率影響特征標(biāo)簽體系。

1.靜態(tài)特征標(biāo)簽。主要反映服務(wù)業(yè)企業(yè)的基本情況，包括行業(yè)門(mén)類(lèi)、單位規(guī)模、開(kāi)業(yè)（成立）時(shí)間、登記注冊(cè)類(lèi)型、企業(yè)集團(tuán)情況，共構(gòu)造17 個(gè)模型變量。

2.財(cái)務(wù)特征標(biāo)簽。主要用于反映服務(wù)業(yè)企業(yè)的財(cái)務(wù)情況，包括貢獻(xiàn)率、負(fù)債率、周轉(zhuǎn)率、利潤(rùn)率，共構(gòu)造4 個(gè)模型變量。

3.人力資源特征標(biāo)簽。主要反映服務(wù)業(yè)企業(yè)的勞動(dòng)力要素使用情況，包括從業(yè)人員平均工資、中層及以上管理人員占比、專(zhuān)業(yè)技術(shù)人員占比，共構(gòu)造3 個(gè)模型變量。

4.信息化特征標(biāo)簽。主要反映服務(wù)業(yè)企業(yè)的數(shù)字轉(zhuǎn)型情況，包括信息化投入強(qiáng)度、財(cái)務(wù)管理信息化、購(gòu)銷(xiāo)存管理信息化、物流配送信息化、客戶關(guān)系管理信息化、人力資源管理信息化、其他信息化，共構(gòu)造7 個(gè)模型變量。

5.創(chuàng)新特征標(biāo)簽。主要反映服務(wù)業(yè)企業(yè)的創(chuàng)新活動(dòng)情況，包括無(wú)形資產(chǎn)占比、研發(fā)費(fèi)用投入強(qiáng)度，共構(gòu)造4 個(gè)模型變量。

6.特色產(chǎn)業(yè)特征標(biāo)簽。主要反映服務(wù)業(yè)企業(yè)的特色產(chǎn)業(yè)隸屬情況，包括戰(zhàn)略性新興產(chǎn)業(yè)、高技術(shù)產(chǎn)業(yè)、健康產(chǎn)業(yè)、教育培訓(xùn)及相關(guān)產(chǎn)業(yè)、科技服務(wù)業(yè)、旅游及相關(guān)產(chǎn)業(yè)、生產(chǎn)性服務(wù)業(yè)、生活性服務(wù)業(yè)、體育產(chǎn)業(yè)、文化及相關(guān)產(chǎn)業(yè)、養(yǎng)老產(chǎn)業(yè)、知識(shí)產(chǎn)權(quán)（專(zhuān)利）密集型產(chǎn)業(yè)、數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)，共構(gòu)造13 個(gè)模型變量。

（二）服務(wù)業(yè)全要素生產(chǎn)率不對(duì)等沖擊的關(guān)聯(lián)因素分析

1.建模方法的說(shuō)明

使用XGBoost 算法挖掘松江區(qū)服務(wù)業(yè)全要素生產(chǎn)率受到新冠疫情不對(duì)等沖擊的高關(guān)聯(lián)因素。XGBoost是華盛頓大學(xué)陳天奇博士于2014 年發(fā)起的一個(gè)開(kāi)源機(jī)器學(xué)習(xí)項(xiàng)目，高效地實(shí)現(xiàn)了GBDT 算法并進(jìn)行了算法和工程上的許多改進(jìn)。

XGBoost 算法的主要優(yōu)化包括（1）對(duì)代價(jià)函數(shù)進(jìn)行二階泰勒展開(kāi)，同時(shí)用一階和二階導(dǎo)數(shù)（2）在代價(jià)函數(shù)中加入正則項(xiàng)，用于控制模型復(fù)雜度（3）將存在缺失值的情況視為變量的一種取值，自動(dòng)學(xué)習(xí)其分裂方向，具有較強(qiáng)的預(yù)測(cè)力。

2.建模結(jié)果的分析

（1）調(diào)節(jié)參數(shù)。使用2020 年松江區(qū)417 條規(guī)上服務(wù)業(yè)企業(yè)記錄構(gòu)成樣本集，隨機(jī)抽取90%作為訓(xùn)練集，10%作為測(cè)試集，解釋變量為由特征標(biāo)簽體系構(gòu)造的48 個(gè)模型變量，被解釋變量為EBM 超效率模型測(cè)算的綜合技術(shù)效率的同比變動(dòng)率。迭代模型選擇gbtree，迭代次數(shù)選擇500，學(xué)習(xí)率選擇0.1，損失函數(shù)選擇RMSE，使用GridSearch 對(duì)其他主要參數(shù)進(jìn)行調(diào)節(jié)（表5）。

表5 XGBoost 部分主要參數(shù)調(diào)節(jié)結(jié)果

XGBoost 調(diào)參前的擬合結(jié)果為：5折交叉驗(yàn)證訓(xùn)練集的RMSE=0.0589，驗(yàn)證集的RMSE=0.0643；調(diào)參后的擬合結(jié)果為：5 折交叉驗(yàn)證訓(xùn)練集 的RMSE=0.0598，驗(yàn)證集的RMSE=0.0612，測(cè)試集的RMSE=0.0513。

2.挖掘高關(guān)聯(lián)因素。雖 然Feature Importance 可以直觀反映特征對(duì)預(yù)測(cè)結(jié)果的影響程度，但無(wú)法判斷特征與預(yù)測(cè)結(jié)果的歸因關(guān)系。因此，本文使用SHAP value 作為高關(guān)聯(lián)基因的判別標(biāo)準(zhǔn)，SHAP value 是指模型產(chǎn)生的每個(gè)樣本預(yù)測(cè)值分配到各個(gè)特征的數(shù)值。

假設(shè)第i 個(gè)樣本為xi，第i 個(gè)樣本的第個(gè)特征為xi,j，模型對(duì)第個(gè)樣本的預(yù)測(cè)值為，整個(gè)模型的基線（通常是所有樣本目標(biāo)變量擬合值的均值）為，SHAP value 服從以下等式：（式3）。式中，是的SHAP value，也就是i 第個(gè)樣本的第k 個(gè)特征對(duì)預(yù)測(cè)值yi的貢獻(xiàn)值。當(dāng)說(shuō)明該特征使得預(yù)測(cè)值提高，具有正向作用；當(dāng)說(shuō)明該特征使得預(yù)測(cè)值降低，具有反向作用。

基于XGBoost 計(jì)算得到的單樣本（以001—005 號(hào)樣本為例）全要素生產(chǎn)率高關(guān)聯(lián)因素SHAP value 構(gòu)成情況見(jiàn)圖1，全部樣本全要素生產(chǎn)率高關(guān)聯(lián)因素的SHAP value 絕對(duì)值及分布情況見(jiàn)圖2。

圖1 基于XGBoost 的001—005 號(hào)樣本高關(guān)聯(lián)因素SHAP value 構(gòu)成

圖2 基于XGBoost 的全部樣本高關(guān)聯(lián)因素SHAP value 絕對(duì)值及分布

定義新冠疫情對(duì)服務(wù)業(yè)企業(yè)全要素生產(chǎn)率不對(duì)等沖擊的高關(guān)聯(lián)因素為全部樣本SHAP value 均值排名前15 位的解釋變量。從特征標(biāo)簽的類(lèi)別看：靜態(tài)特征標(biāo)簽有3 個(gè)，分別為水利、環(huán)境和公共設(shè)施管理業(yè)（可平均提高TE 增速0.034 個(gè)百分點(diǎn)），成立時(shí)間5-10 年（可平均提高TE增速0.014 個(gè)百分點(diǎn)），企業(yè)集團(tuán)情況為總部（可平均提高TE 增速0.006個(gè)百分點(diǎn)）。財(cái)務(wù)特征標(biāo)簽有1 個(gè)，即周轉(zhuǎn)率（可平均提高TE 增速0.110個(gè)百分點(diǎn)）。人力資源特征標(biāo)簽有1個(gè)，即從業(yè)人員平均工資（可平均提高TE 增速0.018 個(gè)百分點(diǎn)）。信息化特征標(biāo)簽有4 個(gè)，分別為全年信息化投入強(qiáng)度（可平均提高TE 增速0.033 個(gè)百分點(diǎn)），人力資源管理信息化（可平均提高TE 增速0.003個(gè)百分點(diǎn)），財(cái)務(wù)管理信息化（可平均提高TE 增速0.002 個(gè)百分點(diǎn)），客戶關(guān)系管理信息化（可平均提高TE 增速0.002 個(gè)百分點(diǎn)）。特色產(chǎn)業(yè)特征基因有6 個(gè)，分別為文化及相關(guān)產(chǎn)業(yè)（可平均提高TE 增速0.018個(gè)百分點(diǎn)），教育培訓(xùn)及相關(guān)產(chǎn)業(yè)（可平均提高TE 增速0.008 個(gè)百分點(diǎn)），健康產(chǎn)業(yè)（可平均提高TE 增速0.002 個(gè)百分點(diǎn)），知識(shí)產(chǎn)權(quán)（專(zhuān)利）密集型產(chǎn)業(yè)（可平均提高TE 增速0.001 個(gè)百分點(diǎn)），科技服務(wù)業(yè)（可平均提高TE 增速0.001 個(gè)百分點(diǎn)），數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)（可平均提高TE 增速0.001 個(gè)百分點(diǎn)）。

|下階段，增強(qiáng)服務(wù)業(yè)全要素生產(chǎn)率抗沖擊力的意見(jiàn)建議

（一）著力提高服務(wù)業(yè)企業(yè)純技術(shù)效率

本文研究結(jié)果表明，從松江區(qū)服務(wù)業(yè)內(nèi)部結(jié)構(gòu)演化過(guò)程看，全要素生產(chǎn)率的提升除技術(shù)進(jìn)步影響，技術(shù)效率的提升也發(fā)揮著重要作用，尤其在面對(duì)突發(fā)疫情沖擊時(shí)，對(duì)行業(yè)發(fā)展差距的擴(kuò)大有著一定的影響效應(yīng)。因此，需要通過(guò)純技術(shù)效率的提升來(lái)實(shí)現(xiàn)行業(yè)間的均衡協(xié)調(diào)發(fā)展。當(dāng)前雖然部分服務(wù)行業(yè)具有較高開(kāi)放度，但技術(shù)效率水平獲得較低，這是由于這些行業(yè)自身存在管理能力和技術(shù)結(jié)構(gòu)等問(wèn)題，制約了對(duì)國(guó)際溢出過(guò)程中先進(jìn)技術(shù)的吸收。故而，為保證服務(wù)業(yè)全要素生產(chǎn)率持續(xù)增長(zhǎng)，應(yīng)根據(jù)不同國(guó)際溢出渠道的差異性效用因勢(shì)利導(dǎo)，制定引資和產(chǎn)業(yè)政策，強(qiáng)化服務(wù)行業(yè)對(duì)于先進(jìn)技術(shù)的吸收消化能力。

（二）加快促進(jìn)服務(wù)業(yè)企業(yè)數(shù)字化轉(zhuǎn)型

蔓延全球的新冠疫情使面對(duì)面服務(wù)遭遇莫大困境，教育、娛樂(lè)、運(yùn)輸?shù)葌鹘y(tǒng)服務(wù)業(yè)首當(dāng)其沖，生產(chǎn)率下降明顯。與此同時(shí)，信息傳輸、軟件和信息技術(shù)、科學(xué)研究和技術(shù)等新興服務(wù)業(yè)卻逆勢(shì)增長(zhǎng)。在疫情催化下，數(shù)據(jù)化和智能化服務(wù)快速成形，新一代信息技術(shù)廣泛深入地參與到服務(wù)業(yè)轉(zhuǎn)型發(fā)展中，成為拉動(dòng)服務(wù)業(yè)增長(zhǎng)的新動(dòng)能。這部分服務(wù)業(yè)企業(yè)把握住疫情危機(jī)下在線服務(wù)發(fā)展的契機(jī)，實(shí)現(xiàn)了規(guī)模和收入的快速增長(zhǎng)。從供給側(cè)角度出發(fā)，加快推動(dòng)服務(wù)業(yè)企業(yè)借助物聯(lián)網(wǎng)、互聯(lián)網(wǎng)、5G 等新一代信息技術(shù)進(jìn)行數(shù)字化轉(zhuǎn)型，發(fā)展“線上下單、無(wú)接觸配送”等新模式實(shí)現(xiàn)線上線下融合共生的新業(yè)態(tài)，有助于提高人們的生活水平，滿足不斷增長(zhǎng)的消費(fèi)需求，推動(dòng)服務(wù)行業(yè)格局不斷優(yōu)化。

（三）加大培育高質(zhì)量特色產(chǎn)業(yè)的力度

疫情之下潛藏機(jī)遇。實(shí)施服務(wù)業(yè)創(chuàng)新發(fā)展，加快傳統(tǒng)服務(wù)業(yè)改造升級(jí)、新興服務(wù)業(yè)跨界融合，加大高質(zhì)量特色產(chǎn)業(yè)培育力度，既不斷滿足了產(chǎn)業(yè)轉(zhuǎn)型升級(jí)需求和人民美好生活需要，也為實(shí)現(xiàn)全區(qū)經(jīng)濟(jì)社會(huì)高質(zhì)量發(fā)展提供重要支撐。對(duì)于生產(chǎn)性服務(wù)業(yè)，要充分發(fā)揮其對(duì)制造業(yè)的升級(jí)推動(dòng)作用，以產(chǎn)業(yè)鏈整合、價(jià)值鏈提升和生態(tài)鏈維護(hù)等方式改造傳統(tǒng)服務(wù)業(yè)，打造具有核心競(jìng)爭(zhēng)力的優(yōu)勢(shì)特色產(chǎn)業(yè)。對(duì)于生活性服務(wù)業(yè)，要進(jìn)一步挖掘旅游、醫(yī)療保健、教育等消費(fèi)性服務(wù)領(lǐng)域的巨大潛力，引導(dǎo)企業(yè)細(xì)化服務(wù)市場(chǎng)需求，變革陳舊服務(wù)產(chǎn)品與服務(wù)流程，向高品質(zhì)多樣化升級(jí)，推動(dòng)生活性服務(wù)業(yè)生產(chǎn)率不斷提升。