肖 挺
(江西財經(jīng)大學 國際經(jīng)貿(mào)學院,江西 南昌 330013)
全球經(jīng)濟在2020年受到新冠疫情毀滅性打擊,中國作為疫情最早爆發(fā)的國家,自然也受到了嚴重的影響。雖然依靠全國人民第二季度的努力,2020年上半年中國GDP與2019年同期基本持平,但第一產(chǎn)業(yè)和第二產(chǎn)業(yè)都處于負增長狀態(tài)(增速分別為-2.3%與-0.4%),只有第三產(chǎn)業(yè)實現(xiàn)正增長,增速達到了1.1%。服務業(yè)在中國經(jīng)濟結(jié)構(gòu)中的占比達到了56.5%,按照世界銀行公布的60%的比重標準,中國已經(jīng)在逐步接近一些西方發(fā)達經(jīng)濟體的產(chǎn)業(yè)結(jié)構(gòu)。在疫情期間,人們外出活動受到了極大的限制,這也為線上經(jīng)濟發(fā)展提供了“沃土”,從而足以彰顯出人們對服務業(yè)的倚賴以及第三產(chǎn)業(yè)在中國經(jīng)濟發(fā)展中的重要性。過去以及未來一系列事件的發(fā)生或是政策出臺都使得中國服務業(yè)發(fā)展面臨著新的機遇與挑戰(zhàn),中國近年來出臺的一系列政策也為服務業(yè)的發(fā)展提供了便利,入世時所做的開放服務業(yè)的承諾逐步履行,這些勢必加劇中國第三產(chǎn)業(yè)所面對的競爭壓力。而如何進一步提高服務業(yè)的發(fā)展質(zhì)量,協(xié)調(diào)不同地區(qū)、不同行業(yè)之間服務業(yè)的發(fā)展,這成為擺在我們面前一個現(xiàn)實問題。同制造業(yè)一樣,服務業(yè)也必須走科技創(chuàng)新提升產(chǎn)業(yè)效率的道路,以此提升行業(yè)的核心競爭力。但服務業(yè)作為一個門類龐大、構(gòu)成復雜的行業(yè),其中有高科技含量的現(xiàn)代服務業(yè),也有技術含量不高的傳統(tǒng)行業(yè),因此其內(nèi)部不同業(yè)務部門之間面對的全球化趨勢以及相關政策驅(qū)動時所能夠做出的反應也是存在差異的,而生產(chǎn)率則是其中最為敏感的因素,因為這是市場的競爭態(tài)勢以及行業(yè)科技創(chuàng)新力量的綜合體現(xiàn)。有鑒于此,本文嘗試對2010—2019年時段內(nèi)的中國上市服務業(yè)企業(yè)全要素生產(chǎn)率(TFP)進行微觀層面的測算,并在此基礎上對服務業(yè)企業(yè)的TFP進行收斂性的檢驗,從而對中國服務業(yè)近年來的發(fā)展進行更直觀的審視。本文的研究價值在于,從更為微觀的層面來認識中國服務業(yè)在后次貸危機時代產(chǎn)業(yè)效率的變化軌跡,有效探究了地區(qū)及行業(yè)部門等之間發(fā)展不均衡背后的主要原因及動態(tài)變化趨勢。這一研究對于推動不同地區(qū)、行業(yè)、規(guī)模、產(chǎn)權(quán)結(jié)構(gòu)服務業(yè)企業(yè)的協(xié)調(diào)發(fā)展具有重要的現(xiàn)實意義,同時也為中國第三產(chǎn)業(yè)的協(xié)調(diào)發(fā)展指明了方向,對于中國企業(yè)抵御外來沖擊具有一定的政策指導含義。
客觀而言,專門針對服務業(yè)TFP進行研究的文獻并不是十分豐富,這種局面直到20世紀末期才有所改觀,而早先被認為的缺陷之一是分行業(yè)部分特征異質(zhì)性強,這一特點可以反映出行業(yè)內(nèi)部發(fā)展的一些趨勢,由此對第三產(chǎn)業(yè)生產(chǎn)效率問題的研究才逐步成學術界所廣泛關注的焦點??傮w上,國內(nèi)學者對于服務業(yè)TFP的研究表現(xiàn)在兩個方向上:其一是試圖通過對生產(chǎn)率的分析來驗證Krugman(1994)的斷言,即中國經(jīng)濟的發(fā)展主要依賴的是資源投入而不是生產(chǎn)率的提升。在這一問題上,學者們的研究結(jié)論存在著較大分歧。程大中(2003)針對改革開放以來服務業(yè)發(fā)展的總量研究顯示,資本對產(chǎn)出的影響遠大于服務業(yè)從業(yè)人員生產(chǎn)效率對產(chǎn)業(yè)發(fā)展的作用;顧乃華(2008)采用DEA技術手段分析中國在1992—2002年間的服務業(yè)發(fā)展特征,發(fā)現(xiàn)中國第三產(chǎn)業(yè)發(fā)展沒有建立在有效挖掘資源技術效能的基礎上,至少在那個時期還維持著粗放生產(chǎn)型的特征;劉興凱等(2010)的研究同樣表明,1978—2007期間TFP變化中技術進步的增長效應明顯,但技術效率的水平效應有限。但王恕立等(2012)針對1990年之后時段的研究指出,在20世紀末期,服務業(yè)TFP增長的主要動力源自技術效率的提升,但在21世紀最初的十年之中,則主要依賴于技術進步的力量,且技術效率改進已開始由以純技術效率為主轉(zhuǎn)向以規(guī)模效率為主,但服務業(yè)發(fā)展的粗放型特征仍然明顯。綜上,第三產(chǎn)業(yè)在最近的二十年中呈現(xiàn)出一種由效率推動轉(zhuǎn)向資本推動的逆向發(fā)展態(tài)勢。
在此基礎上,部分學者將對TFP的研究延伸進另一個領域,即對服務產(chǎn)業(yè)TFP收斂性進行分析,該領域研究最早可以追溯到新古典增長理論模型中的Solow-Swan模型,這一模型的相關研究者認為,不同國家或行業(yè)的期初指標如人力資本、技術資源稟賦存在差異,初始產(chǎn)業(yè)效率也存在較大差異,但在長期發(fā)展過程中會伴隨著經(jīng)濟的一體化而帶來的彼此影響,使得這些觀測對象之間的生產(chǎn)效率有逐步趨同的傾向,從而導致經(jīng)濟的走勢最終回歸穩(wěn)定的狀態(tài)。內(nèi)生經(jīng)濟增長理論認為,不同的地區(qū)以及行業(yè)之間通過資源的融通實現(xiàn)共享,而知識的外溢是最為突出的表現(xiàn),這使得發(fā)展落后地區(qū)或行業(yè)存在獲取后發(fā)優(yōu)勢的可能,從而縮小不同觀測對象之間的TFP差距(Gerschenkron,1962)。但這種觀點也并未得到普遍的接受,這是由于市場失靈、企業(yè)學習效應、貿(mào)易分工導致不同觀測值的TFP走勢出現(xiàn)背道而馳的現(xiàn)象,且彼此間的增速也在不斷地被拉大(Grossman et al.,1993)。由此,國與國之間的生產(chǎn)率是否能走向收斂是存在較大爭議的問題,引發(fā)了大量文獻對TFP的收斂性進行實證檢驗(Islam,2003),諸多研究關注于各觀測對象的TFP表現(xiàn)(Van Ark et al.,1996;Brandt et al.,2012;楊翔 等,2015;孫亞男 等,2020)。
其中,對于服務業(yè)全要素生產(chǎn)率的收斂檢驗方面文獻較為集中,現(xiàn)有的研究文獻聚集在地區(qū)層面或是產(chǎn)業(yè)層面。在地區(qū)層面的研究中:陳媛等(2008)使用省級面板數(shù)據(jù)分析了1978—2006年中國服務業(yè)勞動生產(chǎn)率的地區(qū)差異現(xiàn)狀,并采用面板數(shù)據(jù)單位根檢驗方法考察了其收斂性,研究表明地區(qū)間的生產(chǎn)效率存在顯著的差異,且不同地區(qū)服務業(yè)生產(chǎn)率存在內(nèi)部的條件β收斂;徐盈之等(2009)探討了中國信息服務業(yè)TFP的區(qū)域差異與趨同效應,研究表明中國信息服務業(yè)TFP不僅存在絕對趨同,而且形成東部、中部、西部三大地區(qū)俱樂部趨同,此外還存在明顯的條件趨同,人力資本、信息化水平、R&D投入、政府行為和城市化等是影響中國信息服務業(yè)發(fā)展區(qū)域差異的主要因素;劉興凱等(2010)使用Malmquist方法測算了1978—2007年間28個省級行政區(qū)的TFP變動情況,并從技術進步與技術效率兩個方面對中國服務業(yè)TFP變化的階段性與區(qū)域性進行了分析,研究結(jié)果表明中國TFP的增長主要仰仗于技術的進步,但技術效率的變化則是有限的。而在空間分布上,不同區(qū)域內(nèi)的TFP分布存在區(qū)域差異,且TFP呈現(xiàn)出長期的收斂態(tài)勢。王耀中等(2011)同樣采用Malmquist指數(shù)測算了改革開放以來中國省區(qū)間的TFP變化及收斂性,指出中國服務業(yè)TFP總體呈下降態(tài)勢,這主要源于技術進步率的倒退;與1978—1992年相比,1993—2007年服務業(yè)TFP的下降幅度增大;西部地區(qū)的下降幅度小于中部、東部地區(qū);服務業(yè)TFP不存在δ收斂,而存在絕對β收斂和條件β收斂,1992年后β收斂速度快于1992年之前的收斂速度。近年來,越來越多的研究中加入環(huán)境因素,通過核算環(huán)境TFP以進行分析,如肖挺(2017)在計算服務業(yè)的TFP中納入了污染氣體排放量等指標,分析了傳統(tǒng)以及環(huán)境TFP在中國省際之間的變化態(tài)勢,研究指出中國環(huán)境TFP大于傳統(tǒng)的TFP指數(shù),總體上省際間TFP的變化存在絕對與條件收斂。王許亮等(2020)采用2004—2016年中國30個省級行政區(qū)的面板數(shù)據(jù)對服務業(yè)碳生產(chǎn)率進行測度,并對其演變軌跡與區(qū)域差異進行分析,系統(tǒng)考察中國服務業(yè)環(huán)境生產(chǎn)率(碳排放)的空間收斂性,研究結(jié)果表明,地區(qū)間的收斂性存在差異性,東中部地區(qū)出現(xiàn)了δ收斂,西部地區(qū)則沒有出現(xiàn)δ收斂,但三個地區(qū)都存在絕對以及條件β收斂態(tài)勢,即服務業(yè)環(huán)境生產(chǎn)率落后地區(qū)對發(fā)達地區(qū)存在“追趕效應”,各地區(qū)服務業(yè)環(huán)境生產(chǎn)率最終向自身的穩(wěn)態(tài)水平趨同,空間效應加快了全國范圍與東部地區(qū)服務業(yè)環(huán)境生產(chǎn)率的β收斂速度。
有部分研究將視角匯聚于對服務行業(yè)內(nèi)部門間生產(chǎn)率的收斂性,研究成果較為豐富。袁丹等(2015)的研究指出,2004—2011年中國生產(chǎn)性服務業(yè)的細分產(chǎn)業(yè)之間TFP變化趨勢和原因有所不同,產(chǎn)業(yè)間存在δ收斂,產(chǎn)業(yè)內(nèi)都存在顯著的絕對β收斂,批發(fā)和零售業(yè)的收斂速度最快,生產(chǎn)性服務業(yè)及其細分產(chǎn)業(yè)的TFP隨著時間推移將向各自的穩(wěn)態(tài)水平趨同。肖挺(2017)通過引入GML指數(shù)分析測算了中國各行業(yè)的傳統(tǒng)及環(huán)境全要素生產(chǎn)率的變化,研究指出中國各行業(yè)的兩類全要素生產(chǎn)率變化只存在條件收斂,而無絕對收斂。滕澤偉等(2017)采用GML方法研究發(fā)現(xiàn),中國服務業(yè)碳生產(chǎn)率并沒有呈現(xiàn)顯著的δ收斂;而絕對和條件β收斂模型研究表明,中國服務業(yè)分行業(yè)間的碳生產(chǎn)率總體差異正在逐步縮小。王許亮等(2018)進行的收斂性分析發(fā)現(xiàn),中國服務業(yè)綠色TFP存在β收斂,但不存在δ收斂,且在生活型服務業(yè)、新興服務業(yè)、生產(chǎn)型服務業(yè)與傳統(tǒng)服務業(yè)不同分組行業(yè)的收斂特征不盡相同。 陳景華(2020)的研究則表明,中國服務業(yè)各行業(yè)的綠色全要素生產(chǎn)率增長沒有呈現(xiàn)明顯的σ收斂特征,但均存在顯著的絕對和條件β收斂特征,生產(chǎn)型服務業(yè)的收斂速度最慢。
上述研究對于認識和把握中國服務業(yè)的發(fā)展方向和態(tài)勢具有重要的理論和現(xiàn)實意義,但該領域的研究仍存在待進一步拓展的空間。首先,無論從地區(qū)層面還是從行業(yè)部門角度對TFP進行收斂性檢驗都屬于宏觀層面的操作,在對企業(yè)運營發(fā)展的指導過程之中,這種論證的實踐意義會相應打一定的折扣。其次,即使在某個特定行業(yè)的內(nèi)部,規(guī)模不同、產(chǎn)權(quán)不同、所屬地不同的服務業(yè)企業(yè),其產(chǎn)業(yè)效率也可能在走勢上存在較大的差異,而如果放置在一個行業(yè)層面進行討論,勢必也缺少相應針對性,難以總結(jié)出其中內(nèi)在的差異以及相關規(guī)律。再次,從過往統(tǒng)計的時段來看,缺乏對最近十年產(chǎn)業(yè)效率的分析和研究。事實上,次貸危機后的十年內(nèi),中國經(jīng)濟發(fā)展處于一個相對平穩(wěn)的時期,線上經(jīng)濟蓬勃發(fā)展,科技服務業(yè)已逐步進入人們的日常生活,因此為我們的研究提供了一個較為穩(wěn)定的時間窗口。相比于國內(nèi)諸多研究以1978年到21世紀初以來作為研究時段,選擇后次貸危機的2010—2019年這個中國服務業(yè)得以充分發(fā)展的時段作為研究時段可能更有價值。畢竟從20世紀70年代末到21世紀初發(fā)生了太多的外生性沖擊,包括政策的導向以及來自國際環(huán)境的變化(如入世等),這種情況下服務業(yè)的產(chǎn)業(yè)效率變化可能受制于諸多非行業(yè)本身發(fā)展的影響。比較而言,服務業(yè)在后次貸危機時期內(nèi)的發(fā)展較為穩(wěn)定,其表現(xiàn)出的特征與態(tài)勢可能更有利于我們總結(jié)規(guī)律?;谏鲜鲅芯?,本文以2010—2019年間中國滬深兩市以及創(chuàng)業(yè)板上市的服務業(yè)企業(yè)為研究樣本,采用ACF方法,從微觀的視角對中國上市服務業(yè)企業(yè)的全要素生產(chǎn)率變化及其收斂問題進行研究,并依據(jù)不同標準進行分組討論,以此挖掘出中國服務業(yè)在后次貸危機時期的總體表現(xiàn)以及規(guī)律性結(jié)論,從而對中國服務業(yè)生產(chǎn)率的研究做出有益的補充與拓展。
目前對于TFP的測算方法有很多種,總體上可以區(qū)分為宏觀層面與微觀層面的兩類處理方法。宏觀層面的方法包括代數(shù)指數(shù)法、Solow余值法、SFA方法以及作為常用的DEA(含動態(tài)Malmquist)方法;微觀企業(yè)層面測量方法包括OLS方法、半?yún)?shù)的LP方法(Levinsohn et al.,2003)、OP方法(Olley et al.,1996)、工具變量GMM方法以及ACF方法(Ackerberg,1968)等。本文所要分析的樣本來自于微觀企業(yè),因此也將在后面諸種方法中做出選擇。
一般認為,通過OLS方法估算TFP存在一定的局限性,估計過程中存在聯(lián)立性問題和樣本選擇的偏誤問題(Olley et al.,1996);OP方法采用投資作為生產(chǎn)率的工具變量,能有效解決上述問題,但就數(shù)據(jù)層面而言,想找到各個企業(yè)的投資數(shù)據(jù)可能存在一定的困難,而且很多企業(yè)尤其是服務企業(yè)也沒有投資;而LP方法則使用中間投入作為生產(chǎn)率的工具變量,以彌補企業(yè)投資為零所導致的樣本損失缺陷(Levinsohn et al.,2003)。OP方法與LP方法都假定企業(yè)能夠根據(jù)生產(chǎn)率變動而及時對投入要素進行調(diào)整,但是Bond et al.(2005)指出,第一階段勞動要素系數(shù)只有在自由變量和工具變量相互獨立時才能得到一致性的估計,否則共線性問題就無法避免。OP方法與LP方法中都存在“函數(shù)相關性”問題,因此不能估計出勞動力的系數(shù)。在數(shù)據(jù)生成過程中,只有相當一小部分的數(shù)據(jù)適用于OP方法和LP方法,說明在很多行業(yè)中對這兩種方法的使用都存在問題。據(jù)此,ACF方法提出解決“函數(shù)相關性”的方法,即把勞動力因素引入到投資需求或中間品需求函數(shù)中,可以有效地緩解企業(yè)中間投入依賴于資本、勞動和生產(chǎn)率所可能帶來的內(nèi)生性以及不可識別性問題(任曙明 等,2014),從而可以提高估計結(jié)果的精確性,該方法在勞動力價格受到不可觀測因素的沖擊時可以得到較為一致的估計結(jié)果。ACF方法與LP方法所需要使用的投入產(chǎn)出以及中間投入指標是一致的,但是相對而言,ACF方法估計結(jié)果的偏差比LP方法要小一些。當然,考慮到LP方法技術的適用性與ACF方法接近,可以保留該方法進行穩(wěn)健性檢驗。此時,根據(jù)ACF方法構(gòu)建的TFP核算模型如下:
ln yijt=β0+β1ln lijt+β2ln kijt+β3ln Mijt+εijt
(1)
其中:幾組變量均采用自然對數(shù)值,yijt表示行業(yè)j內(nèi)的企業(yè)i在時期t的產(chǎn)出額,采用企業(yè)總的銷售收入加以表征;l為企業(yè)員工人數(shù),用于衡量企業(yè)的勞動投入;k為企業(yè)的資本投入量,采用固定資產(chǎn)凈額衡量(包括了機器與設備年末凈值);M為中間變量,參考王恕立等(2014)的手段,采取除資本勞動力原材料和能源投入外的其他中間投入衡量,包括公司購買的商品、接受勞務實際支付的現(xiàn)金等;式(1)所計算出的殘差ε,即為本文需要核算的全要素生產(chǎn)率的自然對數(shù)值ln(tfpijt)。
本文所采用數(shù)據(jù)皆來自于中國上市的服務業(yè)企業(yè),利用Wind數(shù)據(jù)庫數(shù)據(jù)輔之以新浪財經(jīng)頻道數(shù)據(jù),以此進行數(shù)據(jù)的采集。根據(jù)申銀萬國證券公司的行業(yè)劃分,本文所選取的企業(yè)樣本所屬的服務業(yè)部門包括了傳媒、計算機信息、交通運輸、商貿(mào)、通信、旅游休閑服務、銀行以及非銀金融等若干行業(yè)。投入產(chǎn)出數(shù)據(jù)前文已述,營業(yè)收入來自于利潤表,員工人數(shù)來自于Wind數(shù)據(jù)庫對企業(yè)年報數(shù)據(jù)的整理,固定資本存量來自于資產(chǎn)負債表,中間投入的商品勞務支付額等來自于現(xiàn)金流量表。需要特別說明的是,銀行及非銀行金融行業(yè)兩個部門的企業(yè)一般沒有發(fā)生購買的商品,接受勞務實際支付的現(xiàn)金額。在測算這些行業(yè)的TFP時,我們借鑒邱鵬(2020)的做法,采用計息負債作為中間投入(同樣來自于現(xiàn)金流量表)。中國金融機構(gòu)(銀行或非銀行皆如此)主要業(yè)務為吸收存款、發(fā)放貸款,依靠存貸差來獲取收益,一個銀行總資產(chǎn)越大,人們越覺安全,因此更愿意將錢存到規(guī)模較大的金融機構(gòu),從而導致大銀行更容易吸收到存款,因此負債與總資產(chǎn)相關。同時,由于金融機構(gòu)吸收存款也是有成本的,只有生產(chǎn)率高、盈利能力強的銀行與非銀行機構(gòu)才有動力去吸收更多的存款(蔡躍洲 等,2009)。這使得該中間投入變量的邏輯特征符合ACF方法要求,即中間投入變量是生產(chǎn)率和投入變量嚴格單調(diào)函數(shù)。
在確定了數(shù)據(jù)采集源后,我們對所有上市服務業(yè)企業(yè)進行整合,剔除了以下幾類企業(yè):(1)為了對跨期生產(chǎn)率的收斂性趨勢進行分析,我們需要盡可能保證不同年份內(nèi)的觀測值一致,換言之,即構(gòu)造的是平衡面板,因此需要剔除2010年之后才成立的企業(yè);(2)我們還剔除了經(jīng)營不善的ST企業(yè),并對企業(yè)性質(zhì)進行了審查,剔除了那些掛名在服務業(yè)板塊下但事實上主營業(yè)務并非服務業(yè)的企業(yè),其中還有一些企業(yè)在2010—2019年間企業(yè)性質(zhì)發(fā)生變化(即所謂“借殼上市”),即從非服務業(yè)企業(yè)轉(zhuǎn)變?yōu)榉諛I(yè)企業(yè),事實上,“借殼上市”企業(yè)的財務指標在產(chǎn)權(quán)變換前后的年份內(nèi)存在跳躍性,因此進行連續(xù)考察的價值不大,理應被剔除掉;(3)我們還放棄了員工人數(shù)出現(xiàn)過但少于100人的企業(yè),這是因為在人員較少的情況下,即使隔年增加或減少很少的員工人數(shù)也可能對TFP值產(chǎn)生較大的干擾,但這反映的可能并不是真實TFP變化情況;(4)刪除了TFP值高低3%極端值的企業(yè)樣本。在根據(jù)上述條件進行遴選后,最終我們共獲得了456個有效的企業(yè)樣本,這一數(shù)量占到了中國在“三版”上市服務業(yè)企業(yè)總數(shù)的53%。我們根據(jù)行業(yè)、產(chǎn)權(quán)性質(zhì)(以企業(yè)是否是為國企或國有資本控股企業(yè)(后文簡稱國企)進行劃分,信息通過紅盾信息網(wǎng)加以查詢)、所屬地區(qū)(企業(yè)注冊所在地)以及企業(yè)年齡(2010年)對企業(yè)進行了分類,具體組內(nèi)樣本數(shù)匯報見表1。在行業(yè)分布上,對總樣本量貢獻最大的是計算機軟件類服務業(yè),其次為商貿(mào)服務業(yè),通信、傳媒以及交通運輸行業(yè),而最小的部門是金融服務以及旅游休閑行業(yè)。金融企業(yè)成立的門檻高,而旅游企業(yè)的上市門檻高,這也是兩個行業(yè)有效觀測值較少的原因。而在企業(yè)注冊地所屬地區(qū)上,有超過80%的企業(yè)集中在華東地區(qū)、華南地區(qū)以及華北地區(qū)(1)更準確地說,這三個地區(qū)的企業(yè)基本也就集中在長三角、珠三角以及京津三個地區(qū)之內(nèi),而在三個區(qū)域之外全國范圍內(nèi)只有福建省的上市企業(yè)比較多。,而樣本中其他四個地區(qū)的企業(yè)數(shù)量非常有限,這也體現(xiàn)出了中國經(jīng)濟的分布特征。非國企的上市企業(yè)數(shù)量多于國企。此外,超過六成的上市服務企業(yè)成立于20世紀90年代中期以后,這也反映出該時期內(nèi)中國經(jīng)濟開始加速發(fā)展的態(tài)勢。在完成了對樣本采集以及投入產(chǎn)出數(shù)據(jù)采集基礎上,通過ACF方法測算樣本服務企業(yè)的全要素生產(chǎn)率,繼而從總體、行業(yè)、產(chǎn)權(quán)性質(zhì)、所屬地區(qū)以及企業(yè)年齡的分組角度比較分析各企業(yè)在后次貸危機時代TFP的變化態(tài)勢,并進行服務業(yè)企業(yè)TFP的收斂性檢驗。
表1 企業(yè)樣本的分布
圖1 不同行業(yè)內(nèi)上市服務企業(yè)TFP變化走勢圖
圖2 三個年份內(nèi)不同行業(yè)內(nèi)上市服務企業(yè)TFP均值分布雷達圖
圖3 不同地區(qū)內(nèi)上市服務企業(yè)TFP變化走勢圖
首先,根據(jù)Wind數(shù)據(jù)庫數(shù)據(jù),運用ACF方法測算不同行業(yè)的企業(yè)全要素生產(chǎn)率(Total Factor Productivity,簡稱TFP)平均值,圖1即為樣本期間的走勢曲線圖。從圖1中可以看到,在樣本期內(nèi),中國總體的服務業(yè)生產(chǎn)率出現(xiàn)了先下降后上升的波動走勢,最終期末相比于期初出現(xiàn)小幅度的提升,年均增幅為1.43%,這也表明上市企業(yè)主要靠資本勞動力的投入獲得發(fā)展而非內(nèi)生性產(chǎn)業(yè)效率的提升。而在七個行業(yè)部門內(nèi),商貿(mào)服務與交通運輸業(yè)兩個流通產(chǎn)業(yè)的效率整體上遠高于服務業(yè)的平均水平,而聯(lián)系現(xiàn)實,后危機期間也是這兩個流通產(chǎn)業(yè)高速發(fā)展的時代。電商產(chǎn)業(yè)帶動了商貿(mào)行業(yè)發(fā)展,催生了“三通一達+順豐”等為代表物流產(chǎn)業(yè)爆發(fā)式的增長,但需要指出的是,這兩個行業(yè)的產(chǎn)業(yè)效率提升幅度并不大,商貿(mào)業(yè)的TFP期末較之于期初甚至出現(xiàn)了負增長。而真正受益于電商產(chǎn)業(yè)發(fā)展而帶動的是金融服務業(yè),其TFP在2014年之后實現(xiàn)了對服務業(yè)平均生產(chǎn)率的反超,金融業(yè)在“十三五”規(guī)劃期間展現(xiàn)出了勃勃的生機,這可能得益于互聯(lián)網(wǎng)金融機構(gòu)在塑造金融新業(yè)態(tài)方面的作用,金融業(yè)也依賴于互聯(lián)網(wǎng)經(jīng)濟而做大做強,使得這個行業(yè)也成了樣本期內(nèi)TFP增長幅度最大的部門。而傳媒、計算機、通信以及旅游休閑等產(chǎn)業(yè)效率整體則低于總體服務業(yè)TFP的平均水平,但這幾個行業(yè)中,除了如計算機信息服務業(yè),其他幾個產(chǎn)業(yè)的效率攀升幅度都大于行業(yè)總體的水平。但需要注意的是,計算機服務業(yè)的TFP水平在樣本期內(nèi)產(chǎn)業(yè)效率甚至出現(xiàn)了小幅度的負增長??傮w而言,我們可以看到是,樣本期初高產(chǎn)業(yè)效率的行業(yè),其TFP的增長力度并不足,而在初始低生產(chǎn)率的行業(yè)部門則實現(xiàn)了TFP的高增長,這也反映出了行業(yè)效率有逐步趨同的態(tài)勢。總體上,我們研究的服務業(yè)企業(yè)全要素生產(chǎn)率的走勢與之前一些研究的結(jié)論是比較接近的(王恕立 等,2014;劉軍,2016),部分行業(yè)內(nèi)的差異源自研究時段的不同。
進一步地,我們通過雷達圖來對圖1中部分年份的情況進行展示,圖2中則繪制了2010年、2015年及2019年三個年份七個行業(yè)TFP的閉合曲線。從圖2中可以看出,2010年與2015年兩個年份內(nèi)的七個行業(yè)TFP的對比則互有長短,并沒有出現(xiàn)明顯的包圍態(tài)勢;但到了2019年,樣本期末的各行業(yè)TFP基本實現(xiàn)了對前面兩期各行業(yè)生產(chǎn)率水平的包圍。僅僅是個別行業(yè)如商貿(mào)、計算機服務等,其2019年的TFP值略低于2010年的水平。整體上,在次貸危機后的五年內(nèi),產(chǎn)業(yè)效率出現(xiàn)了一定的震蕩和波動,但在最近五年內(nèi),服務業(yè)則實現(xiàn)了產(chǎn)業(yè)效率明顯的提升。
圖3展示的是分地區(qū)TFP的走勢。由于大部分樣本企業(yè)集中在華南、華東以及華北三個地區(qū)(超過80%),因此重點關注這三個地區(qū)企業(yè)的TFP走勢變化。華東地區(qū)企業(yè)的TFP整體高于全國平均水平,其波動程度也略大于全國平均水平,但該行業(yè)0.11%的TFP年均增幅遠低于全國平均水平,這也表明該地區(qū)服務業(yè)基本上不是靠內(nèi)生效率帶動發(fā)展的。而與之相同的情況也發(fā)生在華北地區(qū)的企業(yè)之中,該地區(qū)TFP低于全國平均水平,呈現(xiàn)出明顯的U形走勢,即最初期與期末的TFP基本在同一水平上。而華南地區(qū)上市企業(yè)的生產(chǎn)率雖遠低于全國平均水平,但其TFP增長率則是三個主要地區(qū)中表現(xiàn)最為突出的,年均增幅為1.73%,這也最終使得全國平均水平有所拉高,而其他四個地區(qū)的TFP年均波動程度非常劇烈,這可能與這些地區(qū)樣本企業(yè)觀測值較少有關。
圖4 不同產(chǎn)權(quán)性質(zhì)、年齡段上市服務企業(yè)TFP變化走勢圖
繼而,本文探討分企業(yè)性質(zhì)以及分年齡組的下TFP的走勢情況,圖4匯報了另外兩種劃分尺度下企業(yè)群的TFP走勢表現(xiàn)。從圖4中可以很清晰地看到,國企效率高于非國企,但國企的產(chǎn)業(yè)效率在樣本期內(nèi)呈現(xiàn)出U形走勢,期初期末的TFP基本在一個水平線上(-3.54%),而非國企雖然整體產(chǎn)業(yè)效率不及國企,但樣本期內(nèi)出現(xiàn)了顯著的提升(34.7%),兩組企業(yè)的產(chǎn)業(yè)效率差異在逐步拉近。而對于不同年齡結(jié)構(gòu)的企業(yè),整體上,老企業(yè)比年輕企業(yè)的TFP高,但年輕企業(yè)(16歲及以下)的產(chǎn)業(yè)效率提升幅度(17.1%)是老企業(yè)(16歲以上)的兩倍(8.6%),而且老企業(yè)組的產(chǎn)業(yè)效率同國企一樣出現(xiàn)了先減后增的U形特征。事實上,國企組與老企業(yè)組的重合部分非常高,這是因為大部分老企業(yè)都有國家背景,這也就解釋了兩條曲線走勢接近的現(xiàn)象。但綜合來看,兩組刻畫尺度下,國企與非國企或是老企業(yè)與年輕企業(yè)之間的產(chǎn)業(yè)效率“鴻溝”在樣本期末縮小了很多,這也部分展現(xiàn)了服務業(yè)企業(yè)TFP收斂性的特征。
表2中,我們通過LP方法以及OP方法測算的生產(chǎn)率與ACF方法的計算結(jié)果進行了比較,結(jié)果表明三類方法計算出的企業(yè)生產(chǎn)率相差無幾。進一步地,我們來觀察各行業(yè)樣本企業(yè)的產(chǎn)業(yè)效率變化對銷售總額增長的貢獻率。表2中,本文計算了樣本期內(nèi)各部門以及分地區(qū)年均TFP增長率對于年均產(chǎn)業(yè)增長的貢獻率,在2010—2019年間,服務業(yè)產(chǎn)業(yè)增長中TFP的平均貢獻率約為13%,這說明產(chǎn)業(yè)的增長主體仍來自于資本勞動的投入而非產(chǎn)業(yè)效率的提升。而在各個部門內(nèi),TFP對于產(chǎn)出增長的貢獻也是存在差異的,在金融服務以及通信行業(yè)中TFP的貢獻率超過40%,是各行業(yè)中最為突出的,這兩個行業(yè)的內(nèi)生性增長趨勢是最為明顯的。而傳媒以及交通運輸?shù)葞讉€行業(yè)TFP的貢獻率基本維持在10%以上的水平,在計算機服務業(yè)以及商貿(mào)服務業(yè)中,其產(chǎn)業(yè)效率對產(chǎn)值增長則是負向“貢獻”,這兩個行業(yè)在特定的年份內(nèi)甚至出現(xiàn)了負增長的現(xiàn)象。從中可以看到,在服務業(yè)的各個行業(yè)部門內(nèi),其增長模式是存在較大差異的,能夠通過產(chǎn)業(yè)效率有效提升產(chǎn)出能力,從而實現(xiàn)內(nèi)生增長的行業(yè)部門并不多。而在三個主要地區(qū)內(nèi),華北地區(qū)與華東地區(qū)企業(yè)TFP對產(chǎn)出貢獻分別不到0.1%與1%,基本可以忽略不計,華南地區(qū)雖超過10%,但仍然低于該指標的全國平均水平,而在其他四個地區(qū)內(nèi),服務業(yè)企業(yè)TFP的貢獻率則達到很高的水平。這可能還是與企業(yè)樣本量不足有關,在出現(xiàn)極端值的情況下,觀測量少的地區(qū)無法將均值降到一個正常水平上。另外,因為行業(yè)之間貢獻率差異也很大,有正有負,所以在樣本量較大的地區(qū)內(nèi),計算機、商貿(mào)流通這些行業(yè)的上市服務業(yè)企業(yè)比較多,這也使得這些地區(qū)的TFP貢獻率較低。換言之,服務企業(yè)的行業(yè)與地區(qū)分布往往是并行的。而在分企業(yè)產(chǎn)權(quán)性質(zhì)中,由于國企的TFP出現(xiàn)了負增長,故產(chǎn)業(yè)效率對于產(chǎn)出增長也是負向貢獻。而非國企的產(chǎn)業(yè)效率對于產(chǎn)出增長的貢獻率超過了14%,這表明出樣本時段內(nèi)非公有經(jīng)濟的TFP貢獻率幾乎達到了老企業(yè)的兩倍,反映了中國的服務行業(yè)中同樣存在“后發(fā)優(yōu)勢”的現(xiàn)象。
表2 服務業(yè)及分行業(yè)分地區(qū)TFP對產(chǎn)業(yè)增長的貢獻率
本部分將對企業(yè)全要素生產(chǎn)率進行收斂性的檢驗,收斂理論是基于邊際報酬遞減和規(guī)模報酬不變等前提條件所提出,可以檢驗不同觀測對象間指標的動態(tài)變化趨勢。收斂檢驗包括了δ收斂以及β收斂兩類檢驗方法(Barro,1986),而后者又分為絕對β收斂以及條件β收斂。δ收斂檢驗針對的是企業(yè)之間TFP水平的離散程度隨時間的變化態(tài)勢,如果減小,則表明出現(xiàn)了收斂;絕對β收斂則檢驗企業(yè)之間TFP能否實現(xiàn)同樣的穩(wěn)態(tài),而條件β收斂則判斷企業(yè)的TFP能否接近于各自不同的穩(wěn)態(tài)。
δ收斂檢驗是根據(jù)企業(yè)之間TFP的變異系數(shù)來判斷總體是否出現(xiàn)收斂,變異系數(shù)通常以標準離差率來衡量,其計算方式設定為:
CV=δ/μ
(2)
圖5 整體樣本企業(yè)以及分行業(yè)、分地區(qū)間TFP的變異系數(shù)走勢圖
式(2)中,CV為標準離差率;δ為企業(yè)TFP指數(shù)之間的標準差率;μ為TFP指數(shù)均值。圖5展示的是整體樣本企業(yè)、分行業(yè)企業(yè)以及分地區(qū)企業(yè)之間的情況。圖5中,在2010—2019年間,企業(yè)之間的變異系數(shù)大于行業(yè)以及地區(qū)之間的差異程度,但樣本企業(yè)的TFP的變異系數(shù)一直處于下滑的通道之中,這表明上市服務業(yè)企業(yè)的全要素生產(chǎn)率在樣本期內(nèi)出現(xiàn)了δ收斂性特征。而在服務業(yè)內(nèi)部的行業(yè)部門之間,這種趨勢同樣存在,但行業(yè)之間變異系數(shù)并非一直在下滑,而是在初始幾年小幅上升之后才開始下滑,部門間變異系數(shù)的下滑的幅度(-16.1%)也不及整個服務業(yè)企業(yè)(-26.2%)。值得一提的是,雖然地區(qū)之間2019年TFP的變異系數(shù)也小于期初2010年的水平(-6.9%),但其走勢曲線處于一種波動較大的狀態(tài),事實上,除了期末2019年的變異系數(shù)水平,其他年份的指標值基本都高于期初值,這也就意味著,中國七個地區(qū)之間并沒有出現(xiàn)δ收斂的特征。
繼而,在圖6—圖8中展示了不同分組下組內(nèi)企業(yè)之間TFP的變異系數(shù)的走勢。圖6的走勢曲線表明,在所有的行業(yè)部門中,雖然波動程度不一,但期末變異系數(shù)都小于期初值,這也說明服務業(yè)的不同部門內(nèi)部企業(yè)間的TFP出現(xiàn)了δ收斂的特征。收斂幅度最大的三個行業(yè)部門分別是:休閑服務(-39.9%)、計算機(-33.0%)、商貿(mào)服務(-29.1%);而收斂幅度最小的則是金融服務業(yè)(-11.7%)。由此可見,部門內(nèi)部企業(yè)的組內(nèi)TFP變異系數(shù)下滑的程度大于表3所匯報的部門之間的下滑幅度,但總體而言,所有部門都通過了δ收斂檢驗。相比較而言,在圖7中,不同地區(qū)的變異系數(shù)走勢則存在較大的差異,本文繪制了三個最令人關注地區(qū)的TFP變異系數(shù),這是七個地區(qū)中收斂性幅度排名前三的地區(qū),其中,華北地區(qū)的收斂幅度是最為突出的(-44.8%),緊隨其后的是華東地區(qū)(-26.9%)與華南地區(qū)(-24.1%),華中地區(qū)與西北地區(qū)的下滑幅度僅在7%左右,而東北地區(qū)與西南地區(qū)則出現(xiàn)了2019年變異系數(shù)高于2010年的情況,這可能和另外四個地區(qū)樣本量不足有關??傮w上我們能得出的結(jié)論是:在經(jīng)濟最為發(fā)達的三個地區(qū)內(nèi),服務業(yè)企業(yè)的TFP通過了δ收斂檢驗,這證實了其出現(xiàn)TFP收斂趨同的態(tài)勢,而其他地區(qū)則難以做出有效的判斷。而圖8展示了不同產(chǎn)權(quán)性質(zhì)以及不同年齡段企業(yè)的變異系數(shù)走勢,四組曲線都出現(xiàn)了整體下行的趨勢,這種趨勢在國企組與年齡較大的老企業(yè)組中表現(xiàn)得較為明顯,歷史悠久的企業(yè)所處的發(fā)展狀態(tài)更為穩(wěn)定,這也使得企業(yè)之間的生產(chǎn)率趨同特征更為明顯,而年輕企業(yè)與非國企的變異系數(shù)雖然也在下滑,但其收斂幅度卻相對較小。當然,根據(jù)圖線做出的判斷較為簡單,在有些行業(yè)部門或地區(qū)內(nèi),企業(yè)的生產(chǎn)率異質(zhì)性趨勢變化并不明確,如果結(jié)合總體趨勢則結(jié)論可能是有所不同的,因此對于經(jīng)濟體或行業(yè)間兩類生產(chǎn)率變化的收斂情況,在此需要進行量化程度更高的β收斂檢驗。
圖6 分行業(yè)服務企業(yè)TFP的變異系數(shù)走勢圖
圖7 分地區(qū)服務企業(yè)TFP的變異系數(shù)走勢圖
圖8 不同產(chǎn)權(quán)性質(zhì)、不同年齡段服務企業(yè)TFP的變異系數(shù)走勢圖
β收斂檢驗主要用于分析觀測對象的指標值能否實現(xiàn)相同的穩(wěn)態(tài)(Bernard et al.,1996)。在本文中,β收斂檢驗的目標是判斷TFP發(fā)展相對滯后的企業(yè)能否最終追趕上高產(chǎn)業(yè)效率的企業(yè)。Barro(1986)的研究指出,觀測對象的指標變化趨勢通常以數(shù)線性形式加以表現(xiàn),絕對β收斂表述如下:
[ln(TFPit)-ln(TFPio)]/t=α+βln(TFPio)+ε
(3)
式(3)中,[ln(TFPi,t)-ln(TFPi,o)]/t是指i企業(yè)在時間t內(nèi)TFP自然對數(shù)的均值,本文借鑒劉興凱等(2010)的方法,構(gòu)建TFP與時間以及常數(shù)項的估計公式;a為常數(shù);ln(TFPi,o)為i企業(yè)在期初TFP的自然對數(shù);β為該指標的估計系數(shù);ε為殘差項。而通過OLS的估計,如果β<0且顯著,則存在絕對β收斂。其收斂的速度l用下式計算:
λ=-ln(1+β)/t
(4)
根據(jù)式(3)與式(4),對企業(yè)之間TFP的收斂速度λ可以用生產(chǎn)率的估計系數(shù)β值來加以計算。表3匯報了各種分組組內(nèi)企業(yè)以及組間TFP的絕對β收斂檢驗情況,并展示了收斂速度以及半生命周期情況,結(jié)果表明幾乎所有檢驗對象的β值都是顯著為負的,即TFP出現(xiàn)了絕對β收斂態(tài)勢。服務業(yè)內(nèi),企業(yè)的整體收斂速度為0.0112,半生命周期長達61.54年;分行業(yè)中,內(nèi)部企業(yè)收斂速度最快的是交通運輸業(yè)、通信與計算機服務業(yè),傳媒以及商貿(mào)業(yè)大體上與行業(yè)水平相當,而休閑服務以及金融業(yè)的收斂速度是最慢的。在分地區(qū)組內(nèi),除了西南地區(qū),其他地區(qū)的企業(yè)實現(xiàn)了絕對β收斂,在企業(yè)最為集中的三個地區(qū),收斂速度最快的是華南地區(qū),華北地區(qū)與華東地區(qū)的速度相差無幾,除西南地區(qū)以外的三個地區(qū)的收斂速度都高于全國平均水平。此外,國企的收斂速度快于非國企,老企業(yè)組快于年輕企業(yè)組,收斂速度較快組較之對方的半生命周期均短了10年左右,國企與老企業(yè)的速度非常接近,這表明兩個組內(nèi)企業(yè)重合度很高,這與前文δ收斂檢驗的結(jié)果是一致的。而在組間檢驗中,不同地區(qū)、產(chǎn)權(quán)以及年齡的企業(yè)組之間也都出現(xiàn)了絕對β收斂,唯一的例外發(fā)生在分行業(yè)部門之中,其β系數(shù)雖為負值,但卻并不顯著,地區(qū)的服務業(yè)之間沒有出現(xiàn)絕對β收斂的特征。這說明,服務業(yè)在不同區(qū)域的協(xié)調(diào)發(fā)展仍有待關注。但不同地區(qū)之間的收斂速度非常慢,半生命周期甚至超過了百年,這也反映出彌合中國地區(qū)之間生產(chǎn)率差異鴻溝是一個長期性的工作。之所以出現(xiàn)這種情況,可能與各個地區(qū)的基礎設施建設、人力資本投入的規(guī)模差距有關,即在未來相當長的時段內(nèi),中央政府在地區(qū)之間進行均衡性的投資仍然是一項重要的工作。
表3 TFP絕對β收斂檢驗結(jié)果(固定效應模型)
接下來,本文將視角進一步聚集在企業(yè)密集的華東地區(qū)、華北地區(qū)以及華南地區(qū)三個地區(qū)。承前所述,樣本中,這三個地區(qū)的上市服務企業(yè)在總樣本中的占比達到了82%。另外,考慮到樣本縮小后,對每個地區(qū)做七個行業(yè)的細分,這樣導致每個行業(yè)內(nèi)的觀測值減少到不利于進行大樣本分析的程度,因此對于服務業(yè)按大屬性進行分組。王恕立等(2012)將服務業(yè)分為生產(chǎn)型服務業(yè)以及生活型服務業(yè),按照其提出的劃分標準,交通運輸、通信服務、計算機信息以及金融業(yè)劃入生產(chǎn)型服務業(yè),而商貿(mào)服務、傳媒服務以及旅游休閑則劃入生活型服務業(yè)(2)目前,對于生產(chǎn)生活型服務業(yè)的劃分還較為粗糙,缺乏統(tǒng)一的標準,不同的分類可能帶來不同的劃分結(jié)果。另外,王恕立等(2012)將商貿(mào)服務業(yè)劃入生產(chǎn)型服務業(yè),但本文中所收集的商貿(mào)業(yè)企業(yè)大部分是城市百貨商場改制后形成的股份有限公司,故這類企業(yè)主要服務的是居民戶,而下游用戶為企業(yè)的商貿(mào)業(yè)主要指批發(fā)市場或倉儲式商場,但這種類型的企業(yè)在本文中并不多見,因此將該行業(yè)劃入生活型服務業(yè)更為合適。。在表4中,匯報了三個地區(qū)內(nèi)分行業(yè)、分產(chǎn)權(quán)以及分年齡組的檢驗結(jié)果。結(jié)果表明,所有的分樣本內(nèi)的服務企業(yè)都出現(xiàn)了絕對β收斂,華南地區(qū)企業(yè)間的整體收斂速度最快,而華北地區(qū)、華南地區(qū)內(nèi)生產(chǎn)型服務業(yè)的收斂速度比生活型服務業(yè)更快,而在華東地區(qū)則正好相反。出現(xiàn)這種情況:可能與各地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)特征有關,即在工業(yè)制造業(yè)占比較高的地區(qū)內(nèi),生產(chǎn)性服務業(yè)的發(fā)展更為均衡;而在第三產(chǎn)業(yè)占比高的地區(qū),生活型服務企業(yè)之間的發(fā)展質(zhì)量則更為平衡。在國企與非國企的比較中,華北與華東地區(qū)非國企比國企的TFP絕對β收斂速度更快,華南地區(qū)則反之。這可能和華南地區(qū)國有企業(yè)改革的作用力度有關。而在不同年齡組內(nèi),年輕企業(yè)比老企業(yè)的TFP絕對β收斂速度更快,只是華南地區(qū)兩個組內(nèi)企業(yè)的速度比較接近。
表4 三區(qū)域內(nèi)TFP絕對β收斂檢驗結(jié)果(固定效應模型)
條件β收斂考察的是觀測對象之間的生產(chǎn)率是否收斂于各自的穩(wěn)態(tài)水平,這個考察的理論思想前提是,認為TFP較低與表現(xiàn)較好的觀測對象之間存在長期穩(wěn)定的鴻溝。林毅夫等(2003)指出,即使不同觀測對象之間不存在絕對β收斂,但如果置入生產(chǎn)率滯后項后,會使得β系數(shù)的方向發(fā)生變化且變得顯著,因此這種β收斂是依據(jù)條件而形成的。每個觀測對象的穩(wěn)態(tài)水平取決于自身特征,故差異是長期存在的。本文采用截面與時間雙重固定效應模型來進行條件β收斂的檢驗,通過固定效應模型來觀測收斂效應與解釋變量之間存在的關聯(lián)性。由于條件收斂定義為各觀測對象的生產(chǎn)率收斂于其自身的穩(wěn)態(tài)水平,因此在模型中可以不置入控制變量(Miller et al.,2002),本文構(gòu)建的條件β收斂模型為:
ln(TFPi,t)-ln(TFPi,t-1)=α+βln(TFPi,t-1)+ε
(5)
式(5)中,α為固定效應項;i與t的含義與前面公式一致,其對應的是觀測對象各自的穩(wěn)態(tài)水平;ln(TFPi,t)-ln(TFPi,t-1)刻畫的是相隔兩期內(nèi)TFP指數(shù)的變化情況;β為前期TFP指數(shù)的估計系數(shù),如果該系數(shù)顯著為負,則意味著出現(xiàn)了條件β收斂的情況,即觀測對象的TFP將收斂于其自身的穩(wěn)態(tài)水平;而收斂速度λ同樣通過式(4)進行計算。
實證過程中將繼續(xù)控制截面和時間效應,條件β收斂檢驗的結(jié)果匯報于表5之中。估計結(jié)果表明,在服務業(yè)總體、分行業(yè)、分產(chǎn)權(quán)以及分年齡段內(nèi)的企業(yè)之間,其TFP也出現(xiàn)了條件β收斂,這就意味著上市服務業(yè)各個行業(yè)版塊內(nèi)企業(yè)之間的TFP既存在絕對收斂,也存在條件收斂。而在地區(qū)內(nèi),有四個地區(qū)實現(xiàn)了條件β收斂,東北地區(qū)與西北地區(qū)沒有實現(xiàn)β收斂。而我們最為關注的華北、華東以及華南三個地區(qū)內(nèi),也都出現(xiàn)了企業(yè)間TFP的條件β收斂態(tài)勢。但需要注意的是,組間條件β的收斂結(jié)果比較不理想,只有分年齡段的兩組之間出現(xiàn)了條件β收斂,其他三種尺度所劃分的組都沒有通過條件β收斂的檢驗,其系數(shù)都不顯著。而從顯著系數(shù)有收斂速度以及半生命周期的檢驗對象來看,條件β收斂速度都要快于絕對β收斂速度,半生命周期也明顯更短。如在總體行業(yè)的檢驗中,企業(yè)之間實現(xiàn)條件β收斂速度要比絕對β收斂的速度快了約40%??傮w而言,大部分行業(yè)或地區(qū)內(nèi)的服務企業(yè),其自我收斂向穩(wěn)態(tài)水平的速度都快于彼此之間TFP的收斂速度。
表5 TFP條件β收斂檢驗結(jié)果(固定效應模型)
表6 三區(qū)域內(nèi)TFP條件β收斂檢驗結(jié)果(固定效應模型)
同樣,類似于表4的操作,本文還需要檢驗三個核心地區(qū)內(nèi)服務企業(yè)TFP是否出現(xiàn)了條件β收斂的態(tài)勢,表6匯報了估計結(jié)果。表6中,在三個地區(qū)的所有分組中,β系數(shù)都是顯著為負的,表明所有組內(nèi)的服務企業(yè)的TFP都存在條件收斂,中國上市服務業(yè)企業(yè)彼此之間的生產(chǎn)效率既存在絕對收斂也存在條件收斂。而在收斂速度上,華北與華南地區(qū)的生產(chǎn)型服務業(yè)快于生活型服務業(yè),華東地區(qū)則截然相反;華北地區(qū)非國企快于國企,華南地區(qū)則是國企更快,華東地區(qū)內(nèi)兩類企業(yè)則相差不大;華北地區(qū)與華東地區(qū)的年輕企業(yè)快于老企業(yè),華南地區(qū)兩類企業(yè)則沒有表現(xiàn)出太大的差異。
在展現(xiàn)δ收斂檢驗的圖4—7中,可以看到,雖然變異系數(shù)總體在下滑,但在樣本時段的不同時間段內(nèi)TFP變異系數(shù)下滑的趨勢和幅度表現(xiàn)得并不一樣,因此有必要對分時段內(nèi)的收斂情況進行相應的檢測。以2014年為界,本文將整個時期分為2010—2014年和2015—2019年兩個階段,表7匯報了分階段的檢驗結(jié)果(3)此處只匯報了絕對β收斂檢驗的結(jié)果,條件β收斂檢驗的結(jié)果從略。。從回歸結(jié)果上看,兩段時期內(nèi)各組的β系數(shù)均顯著為負,這表明兩個時間段內(nèi)都存在絕對β收斂,TFP與初始水平有顯著的負相關關系。從收斂速度來看,2014年之后的收斂速度慢于2014年之前,整體行業(yè)上收斂速度下滑了40%左右,全國范圍內(nèi)服務業(yè)TFP收斂弱化。而在分地區(qū)內(nèi)也是如此,三個地區(qū)內(nèi)都出現(xiàn)了“俱樂部收斂”現(xiàn)象,整體速度上,華南地區(qū)收斂速度最快,該地區(qū)也是兩段時期內(nèi)收斂速度下滑最為明顯的地區(qū)。生產(chǎn)型服務業(yè)與生活型服務業(yè)的收斂速度下滑幅度相差不大,而國企在2010—2014年的收斂速度明顯高于非國企,但在樣本后時段內(nèi),兩類產(chǎn)權(quán)企業(yè)的TFP收斂速度表現(xiàn)基本持平。而不同年齡段企業(yè)的情況與不同性質(zhì)企業(yè)的情況接近,老企業(yè)的收斂速度與國企差不多,年輕企業(yè)則與非國企有較大的重疊部分。因此,我們可以得出:中國服務業(yè)TFP的快速收斂時期出現(xiàn)在金融危機之后的五年以內(nèi)。
表7 分階段β收斂檢驗結(jié)果(固定效應模型)
本文對研究結(jié)果進行了一組穩(wěn)健性檢驗,放松了對共線性約束的限制,而采用LP方法取代ACF方法測算企業(yè)的全要素生產(chǎn)率,該方法的計算方式與ACF方法非常接近,也可以直接利用已有的數(shù)據(jù)指標進行核算。表8匯報了LP方法計算出的生產(chǎn)率、絕對和條件β收斂的結(jié)果,結(jié)果表明,除了收斂速度在具體數(shù)值上有所不同,具體系數(shù)方向及顯著性等并沒有發(fā)生實質(zhì)性的變化,這足以證明本文研究的結(jié)論是可靠的。
表8 TFP絕對與條件β收斂檢驗結(jié)果(基于LP方法)
提高生產(chǎn)率是實現(xiàn)經(jīng)濟發(fā)展的內(nèi)在動力,而全面協(xié)調(diào)發(fā)展是近年來國家經(jīng)濟發(fā)展的主要目標之一?,F(xiàn)有研究中,對于不同地區(qū)及行業(yè)部門內(nèi)服務業(yè)的全要素生產(chǎn)率變化及收斂性的研究論證可謂豐富,但鮮有從企業(yè)層面入手的分析,本文嘗試從這一角度對這個領域進行探索。通過對2010—2019年中國上市服務企業(yè)生產(chǎn)率的變動趨勢以及收斂性進行研究,分析中國服務業(yè)在細分行業(yè)部門、地區(qū)、產(chǎn)權(quán)性質(zhì)以及年齡段企業(yè)組之間全要素生產(chǎn)率的變化特征以及收斂趨勢,進而通過對全要素生產(chǎn)率的比較分析總結(jié)出其中的內(nèi)在規(guī)律。本文的研究得出主要結(jié)論如下:
第一,在后金融危機時期,中國上市服務企業(yè)的總體TFP呈現(xiàn)出先下降后上升的波動走勢,樣本時段內(nèi)的后半段增幅明顯高于前半段,最終TFP水平呈現(xiàn)年均小幅增長的態(tài)勢。而在分行業(yè)部門內(nèi),不同部門的TFP增長差異較大,金融服務、電商貿(mào)易等行業(yè)的效率增長幅度最為明顯,而傳媒、計算機、通信以及旅游休閑等產(chǎn)業(yè)的效率整體則低于總體服務業(yè)TFP的平均水平。而在各個部門內(nèi),TFP對于產(chǎn)出增長的貢獻也存在差異,只有較少的部門能夠通過產(chǎn)業(yè)效率有效提升產(chǎn)出能力。而TFP對企業(yè)產(chǎn)出的貢獻能力在分地區(qū)、分產(chǎn)權(quán)性質(zhì)以及分年齡組企業(yè)內(nèi)差異也明顯,其中,年輕的非公有制企業(yè)TFP對產(chǎn)出的貢獻率幾乎達到了老國企的兩倍。
第二,在樣本期間,服務業(yè)企業(yè)的TFP出現(xiàn)了δ收斂性特征。而在服務業(yè)內(nèi)部的行業(yè)部門之間,這種趨勢同樣存在,但其走勢曲線整體處于波動下行的狀態(tài)。在中國各個地區(qū)之間則并沒有出現(xiàn)δ收斂的特征,在不同部門內(nèi)部企業(yè)間的TFP的變異系數(shù)在下滑,在不同產(chǎn)權(quán)性質(zhì)以及不同年齡段企業(yè)的TFP變異系數(shù)走勢則也同樣出現(xiàn)了整體下行的趨勢。而從β收斂檢驗結(jié)果來看,所有部門和地區(qū)服務企業(yè)的 TFP均出現(xiàn)了絕對β收斂。而在分行業(yè)以及分地區(qū)內(nèi),其服務企業(yè)的TFP收斂速度差異也是明顯的,在不同地區(qū)、不同產(chǎn)權(quán)以及不同年齡的企業(yè)組之間也都出現(xiàn)了絕對β收斂,但在分行業(yè)部門之間,其β系數(shù)雖為負值但卻并不顯著,地區(qū)組間的服務業(yè)之間沒有出現(xiàn)絕對β收斂的特征,服務業(yè)在不同區(qū)域的產(chǎn)業(yè)效率差異還比較明顯。在服務業(yè)總體、分行業(yè)、分產(chǎn)權(quán)以及分年齡段內(nèi)的企業(yè)TFP也實現(xiàn)了條件β收斂,這就意味著上市服務業(yè)各個行業(yè)版塊內(nèi)企業(yè)之間的TFP既存在絕對收斂,也存在條件收斂。但組間條件β的收斂結(jié)果比較不理想,只有分年齡段的兩組之間出現(xiàn)了條件β收斂,條件β收斂速度都快于絕對β收斂速度,半生命周期也明顯更短。
根據(jù)研究結(jié)論,本文的政策啟示在于:首先,雖然服務企業(yè)的生產(chǎn)效率在樣本期內(nèi)有一定的提升,但對產(chǎn)業(yè)增長的貢獻不高,這表明行業(yè)增長模式仍亟需從粗放型向集約型轉(zhuǎn)變,要實現(xiàn)要素投入的依賴轉(zhuǎn)變?yōu)橥苿由a(chǎn)率提升,服務業(yè)也要走高質(zhì)量發(fā)展的道路;其次,不同地區(qū)或行業(yè)的服務企業(yè)生產(chǎn)率雖有趨同的走勢,但在不同組內(nèi)差異較大,而且不同地區(qū)之間的生產(chǎn)率沒有出現(xiàn)收斂的趨勢,可見實現(xiàn)地區(qū)間的協(xié)同發(fā)展仍然任重道遠。東南沿海及京津地區(qū)服務業(yè)向其他地區(qū)進行業(yè)務轉(zhuǎn)移,而加大對這些地區(qū)服務行業(yè)的投入,這應該是未來很長時期內(nèi)的主要選擇,各地也應就其產(chǎn)業(yè)結(jié)構(gòu)特征有針對性地扶持對應類型的服務業(yè);最后,近年來企業(yè)間TFP的收斂速度有所放緩,企業(yè)生產(chǎn)率有“鎖定”在固有水平的傾向,因此對于特定行業(yè)部門甚至特定企業(yè)應給予相應的政策傾斜,加速服務企業(yè)實現(xiàn)自我突破,獲得外生的政策紅利,實現(xiàn)企業(yè)的“質(zhì)”與“量”齊飛。在中國產(chǎn)業(yè)升級的過程中,應當將提升服務業(yè)的發(fā)展質(zhì)量而非單純的速度作為政府的工作重心,應積極將工業(yè)創(chuàng)新的成果引入服務行業(yè),改變服務產(chǎn)業(yè)主要依賴于政府大量投資的粗放發(fā)展模式。同時,要維系產(chǎn)業(yè)間的穩(wěn)定協(xié)調(diào),對傳統(tǒng)服務業(yè)進行產(chǎn)業(yè)改造,處理好產(chǎn)業(yè)效率提升與環(huán)境保護之間的平衡,針對性地建立適合各行業(yè)發(fā)展的政策制度體系,減小不同行業(yè)間的產(chǎn)業(yè)發(fā)展差距。
本文最突出的問題在于數(shù)據(jù)的來源,即選擇了上市服務企業(yè)為研究樣本,但該樣本數(shù)據(jù)對中國服務行業(yè)的代表性還存在不足,而且上市板塊的容量遠不如中國工業(yè)企業(yè)數(shù)據(jù)庫等海量數(shù)據(jù)庫。因此在細分行業(yè)或地區(qū)進行分析時,各組內(nèi)的有效樣本數(shù)有限,難以實現(xiàn)大樣本的估計,且由于中國經(jīng)濟在東南部地區(qū)“扎堆”嚴重,使得西北地區(qū)、西南地區(qū)、東北地區(qū)、華中地區(qū)內(nèi)上市服務企業(yè)數(shù)量較少,這也使得估計研究難以展開。而即使在三個重要地區(qū)內(nèi),進一步做細分行業(yè)的估計也不現(xiàn)實,這也是本文將行業(yè)歸并為生活型服務業(yè)以及生產(chǎn)型服務業(yè)的主要原因,簡而言之,小樣本數(shù)據(jù)對于研究結(jié)論的準確性可能造成沖擊是無法回避的。將研究不斷進行樣本的細化分析,從而挖掘出更多規(guī)律性的結(jié)論,這是一個極富意義和價值的研究方向,未來需要在開拓大樣本數(shù)據(jù)的基礎上,以進行后續(xù)的研究拓展。此外,未來研究的重點還可以從相關因素對服務業(yè)企業(yè)TFP的影響角度入手,從而更好地挖掘出服務企業(yè)生產(chǎn)率的影響機制與途徑。