服务业的生产力真的很低吗?_劳动生产率论文

服务业生产率真的低吗?,本文主要内容关键词为:率真论文,服务业论文,此文献不代表本站观点,内容供学术参考,文章仅供参考阅读下载。

       一、引言

       一个国家或地区的经济发展目标应是在满足环境约束和技术约束的前提下实现经济产出的最大化。为此,经济资源的优化配置方向是资源流向生产率(效率)更高的行业。那么,工业与服务业相比其生产率或效率孰高孰低?国内很多学者(张平,2013;程大中,2004)都提出服务业低效率,然而随着中国工业化进程的推进,一些率先进入后工业化阶段的地区经济重心必将转向服务经济。这是否意味着整体经济增长率将随着资源转向生产率或效率“更低”的服务业而下降?即使工业的劳动生产率确实高于服务业,但工业的全要素生产率真的高于服务业吗?考虑环境因素后,在当前的环境约束下,中国更应该发展工业还是服务业?随着环境约束的增强,服务业的生产率会显著赶超工业吗?

       关于服务业生产率增长是否缓慢,尤其是和工业及制造业相比,服务业生产率增长是否相对滞后,并由此导致总体经济全要素生产率下降,这个问题学术界一直有争议。最早提出服务业生产率增长缓慢的是鲍莫尔(Baumol),他于1967年提出了著名的“成本病”理论,认为服务业相对较低的生产率增长将导致整体经济增长下降,与此同时服务业价格上涨,从而增加整个社会的总成本。随后,福克斯(Fuchs,1968)的研究也得出了服务业劳动生产率相对较低的结论。之后鲍莫尔(1985,1989)又对服务业生产率相对较低的问题进行了更深入地研究(鲍莫尔和福克斯的结论被称为“鲍莫尔—福克斯假说”)。此后一些学者的实证研究证实了鲍莫尔的观点,如Last & Wetzel(2011)、Bates & Santerre(2013)、Inklaar et al.(2008)和Ark et al.(2008)等。然而,不少学者指出现行的国民经济计量方法没能体现服务部门的特点,对服务部门生产率的计量存在严重低估,如W

lfl(2003)、Baily & Gordon(1988)、Drake-Brockman(2011)以及Gallouj & Savona(2009)。也有学者从不同角度阐释了为什么服务业部门生产率低,如Gr

nroos & Ojasalo(2004)、Parasuraman(2002)认为服务业生产率低的主要原因在于评估没有考虑服务质量。服务业生产率低、增长缓慢的理论一经提出,虽得到不少学者的支持,但同时也遭受不少学者的质疑与批评,如Triplett & Bosworth(2003)、Maroto & Rubalcaba(2008)以及O' Mahony & Ark(2003)。

       综上所述,相对于制造业(或工业),服务业部门的生产率是否较低,增长是否缓慢还没有定论,至少在不同的国家和地区,以及不同时期,学者们的结论各不相同。国外关于服务业与制造业生产率的比较,基本采用的是劳动生产率。后来也有学者把服务业生产率研究从单纯的劳动生产率延伸到全要素生产率,如Verma(2012)等。而国内关于服务业生产率的研究则很少进行部门间的比较,①而且,到目前为止,几乎所有有关服务业生产率的研究中,关于服务业全要素生产率的测算都没有考虑服务业部门的环境污染问题。当然,这与研究背景密切相关,但是在当前时代背景下,对于正处于快速发展中的中国服务业而言,其能源消耗及环境污染已不容忽视。

      

       图1 中国服务业增加值、能耗和碳排放(1998—2012)

       注:服务业增加值、能源消耗量和碳排放数据均进行了对数处理,图中的直线为45度线,以方便参照。服务业增加值是以1998年为不变价格的实际增加值。

       数据来源:《中国统计年鉴》(1998—2013年);《中国环境统计年鉴》(1998—2013年)。

       图1显示,1998—2012年期间,中国服务业总能耗和碳排放量与服务业增加值存在极强的正相关关系,近似为单位弹性(弹性为1)。这意味着,服务业增加值每增加1%,能耗和碳排放量就增加约1%。因此,向资源节约、环境友好的新型增长模式转型已不仅仅是工业部门面临的任务,服务业同样面临严峻考验。然而,要将能耗和污染纳入经济增长的研究框架,需要采用新的技术和方法。方向距离函数(Directional Distance Function,DDF)恰好满足这一要求,因此被许多学者采用。然而,现有研究没有对方向距离函数的方向选择进行讨论与论证(F

re et al.,2010),而是直接采用了经典(也是比较严苛)的方向,②这就无法做到对研究对象科学、合理、准确地评估。与现有研究不同,本文恰恰是在对方向距离函数进行深入探讨的基础上,通过方法创新解决了方向选择问题。本文的方法创新深深根植于要研究的问题:中国服务业生产率较之工业部门到底孰高孰低?主流的说法(包括经典的“鲍莫尔—福克斯假说”以及当前国内外主流提法)是否有偏差?

       二、研究方法与数据来源

       研究我国工业和服务业的生产率(效率)及其增长孰高孰低,涉及多投入多产出(包括负产出)的生产函数中从实际生产点到多维生产前沿面上“目标点”(Benchmark或Projected Target)的方向选择问题。然而,当前国内外相关研究并没有对此进行讨论。因此本文研究方法要讨论两个问题:一是通过建立一般性的方向距离函数研究框架,探讨方向距离函数中方向向量的选择问题。该框架能够纳入方向距离函数的经典模型,以及数据包络分析法的基础模型;二是在方向距离函数的一般分析框架下,寻找并界定一个最适合本文研究主题的分析框架,即最合意框架,并以此框架作为理论基础,从横向、纵向和不同工业化阶段多个层面来实证考察样本期间中国工业和服务业生产率(效率)及其增长的比较。以此验证“鲍莫尔—福克斯假说”和国内关于服务业低效率的主流说法是否正确。

       (一)研究方法:距离函数、方向距离函数与方向选择

       从距离函数(DF)到方向距离函数(DDF)的演进历程来看,早在数据包络分析法(DEA)诞生之前,Shephard & F

re(1974)就已经在使用距离函数,只是当时还没有方向的概念,也没有用到数据包络分析的思想。直到McFadden(1978)提出度规函数(Gauge Function),才真正将距离函数拓展到方向距离函数(DDF)的范畴,不过将这一概念明确提出来的却是Chambers et al.(1996)。③自此,被大家所熟知的方向距离函数才正式被确立。④此后,Chung & F

re(1997)、Chambers et al.(1998)、F

re et al.(2010)、Shestalova(2003)以及Fukuyama & Weber(2009)等都曾在DDF的方法论上做出过较大贡献。在前人成果基础上,本文将讨论经典DDF的不足并对其进行修正。⑤

       1.从距离函数到方向距离函数

       目前常用的DDF(本文称为“经典DDF”)存在两个较严重的问题:①令方向向量为

=(0,y,-b)或(-x,y,-b),这种设定虽然简便,但缺乏理论基础,并且没有讨论方向选择问题,而选择不同的方向可能导致研究结果大不相同,即DDF稳健性不足。②假定所有投入维度下的距离和所有产出维度下的距离都是β,这种太过严格的假定会造成两个问题:一是部分投入或产出的冗余不能被最大限度地减少,二是只要DMU在某一个投入产出维度下的距离很短,那么结论很可能是它的效率较高,但这明显不合理。本文通过放松方向向量g,并将“绝对距离”转化为“相对距离”,得到方向距离函数的一般表达式。(1)式包含了不同情形下的方向距离函数。

      

       在(1)式中,方向向量

不再是外生给定,而是内生的决策变量,这就解决了经典DDF的第一个问题。同时,不再暗含

的关系,这就解决了DDF中的第二个问题。不过(1)式仍有不足:其一,该式是非线性规划,β和

都是决策变量,求解时往往出现局部最优解而非全局最优解;其二,该式可能会产生模型非稳健问题。后文将对此进行修正。

       2.方向距离函数的方向选择⑥

       在满足“好产出增加”和“投入(坏产出)减少”的要求下,每一个生产决策单元(Decision Making Unit,DMU)可选择的方向有无数种。在这无数种方向中,到底哪个方向才是最优的?只要方向还是外生的,那么不管怎么选取,方向都不可能最优,因为不同DMU的最优方向会各不相同。事实上,每个DMU的最优方向应当是内生决定的,只有这样才能使每个DMU的冗余尽可能地减少,这也就是为什么我们说(1)式所对应的方向更合理,因为在(1)式中DDF的方向是内生的。进一步,这里将解决前文提到的(1)式的两个不足。

      

       在(2)式中

后求解(1)式的最优解。由以上分析可知,(3)式克服了(1)式的两个不足,而(1)式已经解决了经典DDF的两个问题,所以(3)式即为优化后的方向距离函数的一般表达式,也是本文评估中国工业与服务业生产率(效率)相对高低的理论基础。⑧明确(3)式表达的方向距离函数之后,接下来的方向选择就涉及

的取值。⑨当

相对更大时,表明DMU更看重节约投入,当

更大时表明DMU更看重好产出增长,当

更大时表明DMU更看重坏产出减少。因此,设定不同的参数组合就意味着不同的环境约束,本文将环境约束定义为2

/(

+

),环境约束越强表明各省市在关注经济增长的同时对减少坏产出的关注程度越强,实证部分将讨论不同环境约束下中国工业与服务业的效率及其比较。

       (二)数据来源与处理

       本文将用到我国30个省市⑩工业和服务业部门1998—2012年的面板数据,包括每一年30个省市的工业与服务业的资本存量、从业人数、能源消耗量、部门实际增加值,以及

(环境污染)排放量和

排放量。由于研究主题对方法和投入产出数据的准确性要求较高,因此,在力求研究方法科学、准确和稳健的同时,本文对所涉及的数据都进行了追本溯源式的搜集、整理、分析和遴选。因篇幅所限,本文没有给出数据的详细来源和处理过程,如有需要,可向作者索取。数据来源见表1注释。资本存量是以永续盘存法估算得到。并且,所有含有价格因素的名义变量均以1998年为不变价格。

       所有数据经处理后,变量的描述性统计如表1所示。其中,样本期间我国省际工业与服务业的平均增加值相差不大,但工业的能耗与污染物排放却远高于服务业:单位工业增加值的平均能耗是服务业的4.26倍,单位工业增加值的平均

排放量和

排放量分别是服务业的5.97倍和32.7倍。可见从行业发展的环境影响看,工业的负面影响远远大于服务业,这是我国发展服务业时应考虑的一个重要因素。因此,在比较工业与服务业效率(11)时,环境影响因素不可或缺。

      

       三、实证分析

       中国当前及未来经济发展的环境约束越来越大,不考虑环境约束的传统分析框架已不合时宜。我国各省市无论是工业还是服务业,都将面临越来越严格的节能减排要求。在考虑环境约束的绿色框架下比较工业与服务业的效率,与不考虑环境约束的传统框架下的结果可能不同。而科学的效率评估的前提是选择最科学合理的研究框架,本文首先对不同的研究方法和框架进行比较,通过比较甄别最优的研究方法和框架。

       (一)服务业效率真的低吗?——不同研究框架的比较

       1.传统框架下我国省际工业与服务业生产率的比较

       本文所谓的传统框架,是指在以往对于国家、地区或部门的效率或生产率分析中,通常仅考虑资本、劳动和经济产出,没有考虑环境污染因素。(12)此外,以往关于生产率的分析多集中在劳动生产率方面。然而,无论工业还是服务业,其生产或提供服务过程都要使用多种投入,如资本和能源,因此,劳动生产率不能反映工业或服务业全要素生产效率或能力。图2表明,分别从劳动、资本和能源使用情况来评估工业与服务业生产率时,所获得结果对于工业与服务业的比较存在很大差异。

       图2显示,在样本期间,当仅仅考虑一种投入要素时,中国工业与服务业的生产率相差极大:从劳动生产率看,工业劳动生产率显著高于服务业,平均高出50%;(13)从资本生产率看,工业资本生产率也显著高于服务业,平均高出58%;但从能源生产率看,服务业却远远高于工业(平均高出74%)。因此,以往研究仅从劳动生产率角度来判断服务业生产率低的做法有失公允。那么,客观、准确地评估工业与服务业的相对效率,应当采取全要素框架。我们采用生产经济学中评估具有多投入多产出的DMU效率的方法,来解决全要素框架下DMU的生产率评估问题。(14)DMU的效率测算方法有两类,(15)这里采用DEA方法。尽管DEA不需要指定生产函数及参数形式,但是该方法在测算效率时存在明显不足,即DEA需要指定方向:(16)当方向指定为劳动导向时,结果与图2中的劳动生产率类似,方向指定为资本导向时,结果与资本生产率类似。所以,根据方法论部分对研究框架的甄别,本文选择(3)式的方向距离函数作为测算并比较我国省际工业与服务业生产率(效率)的理论基础。但是,为说明方法选择对评估结果的重要性,以及本文方法创新在实证结果中与传统方法的区别,本文将首先对这些不同衡量方法下的研究结果进行比较。

      

       图2 传统框架下中国工业与服务业的单要素生产率(1998—2012)

       注:横轴为时间,纵轴为工业或服务业部门的要素生产率;左图为劳动生产率,中图为资本生产率,右图为能源生产率(单位能耗的增加值),资本和产业增加值均以1998年为不变价格进行调整,以排除价格波动带来的影响。

       2.绿色框架下中国省际工业与服务业的效率评估

       在绿色框架下,以2010年为例,分别采用7种方向距离函数模型(模型1—模型7)对我国省际工业与服务业的效率进行测算,结果如表2所示。表2显示,在考虑环境污染的绿色框架下,单要素的测算结果与传统框架下的测算结果有很大不同:采用绿色框架的模型2(坏产出导向型)和模型3(投入导向型)测算,服务业比工业更有效率;但是在传统框架下从劳动生产率和资本生产率视角比较时,工业更有效率。表2也显示,绿色框架下多要素导向(模型4和模型5)与全要素导向(模型6和模型7)的测算结果各不相同:采用模型4(投入、好产出导向)和模型5(好、坏产出导向)进行评估时,服务业比工业更有效率,但采用全要素导向模型评估可能工业更有效率(如模型6)。很显然,绿色全要素框架突破了传统框架而且测量结果相对客观、合理。现有关于环境效率的研究中,普遍采用的是模型5(陈诗一,2010;涂正革,2009)或模型6(王兵、朱宁,2011)。但是,就方法论而言,模型1至模型6外生给定了DDF的方向形式,因而存在研究方法部分阐述的两个问题。正是由于经典DDF的不足(17)才导致服务业在劳动生产率和资本生产率较低的情况下,采用多要素导向评估反而得出服务业的效率相对更高的结论,这种结论很可能违背现实。由方法论部分已知,模型7克服了经典DDF的缺陷,因此模型7对于分析中国工业与服务业的效率比较问题更为科学和准确。本文后面的研究(包括对效率和TFP增长率的衡量)均以模型7为基础进行计算。

       模型6(经典方向距离函数)的研究结果显示:工业效率为0.817,高于服务业效率(0.812);模型7(本文以(3)式计算的方向距离函数)的结果显示,服务业效率(0.804)远高于工业效率(0.641)。因此,如果采用经典方向距离函数模型,得出的结论是工业全要素绿色效率稍稍高于服务业,而如果采用模型7则得出完全相反的结论:服务业效率高于工业。可见,采用不同的研究框架其结论完全不同。

      

       综上所述,表2和图2诠释了三个层次的问题:第一,不考虑环境污染的传统框架下,单一要素生产率评价结果与全要素框架下的生产率评价结果不同;第二,考虑环境污染的绿色框架下,单一要素的评价与多要素和全要素的评价结果互不相同;第三,即使在绿色全要素框架下衡量,由于方向距离函数中方向选择与设定不同,评估结果也各不相同。前文已经说过,模型7是最为科学准确的结果。那么,模型7的这个结论是否稳健?是否会受到环境约束的影响?接下来我们进行模型7的稳健性检验,即检验该模型对工业与服务业效率的比较结果是否会因环境约束的变化而发生改变?

       3.绿色框架下中国省际工业与服务业效率的比较:一般情形

       为检验模型7的稳健性,本文将(3)式的方向距离函数中的权重系数(18)放松,采用模型7对样本数据进行测算。这一方面可以分析在不同环境约束下,省际工业与服务业效率的相对大小,另一方面也能够验证工业与服务业效率相对高低的结果是否受到环境约束的影响。将环境约束分别设为0、1、2、3和无穷大,然后采用1998—2012年我国省际工业和服务业的面板数据和模型7,得到样本期间内每一年省际工业与服务业在不同环境约束下的全要素绿色效率,实证测算结果如图3所示。当环境约束无穷大时,相当于DDF中的方向水平向左(即坏产出导向型),但环境约束为0时却与DDF中的好产出导向型(或投入和好产出导向型)不同。(19)

       图3刻画了样本期间中国省际工业与服务业的效率比较结果如何随着环境约束的提升而发生变化:随着环境约束的不断增强,工业与服务业的效率都呈现出明显的下降态势,然而不管环境约束如何,服务业的效率都高于工业。从不同时间截面来看,1998—2003年期间,服务业与工业的效率差异随环境约束的增强有扩大趋势;而2004—2006年期间,不管环境约束如何,服务业与工业的效率差异都非常小。在2007—2012年期间,环境约束在3以内服务业效率与工业效率呈现出同步变化趋势,然而随着环境约束强度趋向无穷,服务业与工业效率的差异略有扩大化趋势。总之,图3显示,无论是研究期间的哪一年,本文采用的方法(模型7)在不同程度的环境约束下,模型结论都是稳健的。因此,不管如何设定环境约束,都不会对本文结论产生根本性影响。

      

       图3 不同环境约束下中国省际工业与服务业的效率比较(1998—2012年)

       注:数据由作者计算得出;实心点线为服务业效率,空心点线为工业效率,效率值为相应年份下各省市的平均值;环境约束越大,表明各省市更加重视减排。为了版面美观,最后一张图将2012年的环境约束进行了适当延展。由于DDF测算的是相对效率,所以图中各时期之间的效率值不具有可比性,跨期效率变动以后文的ML指数度量。

       4.合意框架下中国省际工业与服务业效率的比较

       前面研究结果显示模型7对于环境约束的选择具有稳健性,接下来本文根据中国经济增长面临的实际环境约束情况,(20)来选择合适的环境约束作为合意分析框架。考虑中国2020年将要达到的减排目标,经过本文初步测算,设定环境约束为1比较合适,本文称在此环境约束下的框架为“合意框架”。此时,模型7对应的权重系数为((1/6,1/6,1/6),(1/6),(1/6,1/6)),即每个省市工业和服务业部门都同等程度地看待经济增长和节能减排。图4展示了合意框架下我国省际工业与服务业效率的测算结果。

       根据图4中三幅图展示的工业与服务业的相对效率,可初步得出以下结论:首先,在合意框架下,服务业的效率高于工业,而不是相反,此结论与当前的主流看法产生分歧。(21)产生分歧的根本原因有两个:一是主流的提法是基于劳动生产率的单要素视角,二是没有考虑工业和服务业生产过程中的污染和排放因素。此外,与现有的包含环境因素的生产函数分析框架有所不同,本文在考虑了中国减排目标的现实需求后,选择更符合当前中国经济面临的环境约束情况的方向距离函数,因此本文的评估更为科学准确。总体上看,在当前环境约束下,中国转向大力发展服务业是符合效率原则的。当然这个推论仅仅是总体上的概念,而不是对每个地区都适用。(22)

      

       图4 合意框架下中国省际工业与服务业效率比较(1998—2012)

       注:人均GDP在15年样本期间内一直位于前十五名的省市有北京、天津、河北、内蒙古、辽宁、吉林、上海、江苏、浙江、福建、山东、湖北和广东,一直位于后十五名的省市有山西、安徽、江西、河南、湖南、广西、四川、贵州、云南、甘肃、青海、宁夏和新疆。图中各时期之间的效率不具有可比性,为了分析不同时期DMU的效率变动情况,后文测算了ML指数。

       其次,人均GDP排名前十五位的省市的工业部门与服务业部门的效率差异呈现出先收敛,在2009年之后又逐渐扩大的趋势。1998年服务业效率(0.907)高于工业(0.726)达到18个百分点,随后这一差异逐渐缩小,在2002—2009年期间二者平均相差6.4个百分点,但是差异仍然继续缩小,直到2009年二者相差仅为2.8个百分点。然而,从2010年开始,二者差异又迅速扩大,到2012年二者差异达到15个百分点。这可能与国家总体经济发展环境、国家区域发展战略以及各个省市发展水平密切相关:2003年,国家提出振兴东北老工业基地的区域平衡发展战略,在人均GDP排名前十五名省市当中,辽宁和吉林都在列。(23)2003年以来,随着国家振兴东北老工业基地战略的实施,国家对投资于东北三省的大项目、好项目制定了一系列优惠政策,引导高端大项目向东北三省倾斜。这一战略的实施,推动了东北三省工业化水平的提升,也提升了吉林、辽宁和黑龙江三省市工业的绿色全要素效率。这一点从图4的第2张图中可以获得支持。那么,接下来如何解释“自2009年开始工业与服务业效率差异大幅增加”这一结果?这与我国2008年年底出台的“四万亿投资”计划或许有关:为了应对金融危机带来外部需求急剧下降的影响,政府在2008年年底紧急出台了四万亿投资的经济刺激计划。该计划可能加剧了一些工业领域的投资过度和产能过剩问题,产能过剩对于效率提升无益。工业效率与服务业效率的差异由2010年的0.08扩大到2012年的0.15,实证结果在某种程度上支持了这一判断。

       再次,人均GDP排名后十五位的省市工业与服务业效率比较结果显示,自2001年开始,工业与服务业效率差异逐步地或缓慢或快速地拉大。这一差异在2002—2008年维持在4%—11%之间,然而,在2009年之后,工业与服务业效率差异的走向出现拐点,即工业与服务业效率差异突然拉大:2010年工业比服务业低12%,2011年二者相差17%,2012年二者相差22%,可见二者差异快速拉大。这种情况依然可能与四万亿投资政策密切相关。排名后十五位的地区多半是西部地区,国家一直以来实行的西部大开发战略与2008年出台的四万亿投资政策叠加的结果是,这些地区的工业经济对投资拉动的依赖度大幅提升,工业绿色效率快速下降。这一拐点见图4第1张图。

       (二)服务业效率真的低吗?——合意框架下不同工业化阶段的工业与服务业比较

       前面分析结果表明:中国工业部门的绿色效率低于服务业,这与主流看法截然不同。而且方法论和实证结果都表明,这种比较结果不因为环境约束而改变。那么接下来要讨论的是:合意框架下,这种比较结果是否受到各省市工业化进程的影响?即处于工业化进程中不同阶段下的各省市,其工业与服务业效率的比较是否有不同的结果?(24)

       由图5中工业与服务业效率考察结果,获得以下发现:首先,在同一时期(此处指一年)内,工业化程度较高的省市其工业效率和服务业效率普遍比较高,但是这种相关性的趋势工业比服务业更明显。尤其是在图5中显示的2005年和2010年这两张图内,这种趋势尤为明显。其次,总体上看,随着工业化程度的提升,工业与服务业的相对效率差异并没有显示出明确的扩大或缩小趋势。再次,在每一个时期内,似乎有一个共同的规律,就是:工业化指数低于30的省市其工业与服务业效率的相对高低难以判断,但是工业化指数高于30而低于90的省市中,其工业与服务业相比,服务业效率高于工业效率的省市占绝大多数。此外,个别工业化指数超过90的省市(如北京)在2010年(中国经济总体工业化水平进入工业化后期阶段)出现了“工业与服务业效率比较结果的逆转”现象,即工业效率反超服务业,这可能与后工业化时期工业结构的提升和优化有关。(25)

      

       图5 不同工业化水平下省际工业与服务业部门效率(全要素生产率)比较(2000、2005、2010年)

       注:工业化指数来自《中国工业化进程报告(1995—2010)》(陈佳贵等著),工业化指数越大表明工业化程度越高;从左至右的子图分别对应了2000年、2005年和2010年的效率及效率差随工业化程度提高而变动的趋势,效率差=工业效率-服务业效率,当工业效率大于服务业效率时阴影部分位于y=0以上,反之位于y=0以下。因篇幅有限,所有测算结果没有列出,如有需要,可向作者索取。

       (三)服务业全要素生产率增长比工业慢吗?——合意框架下中国省际工业与服务业TFP增长的比较

       以上在合意框架下比较了中国省际工业与服务业的效率,那么从全要素生产率(TFP)增长情况看,结论又如何呢?“鲍莫尔—福克斯假说”指出,服务业的生产率增长慢于工业,因此资源向服务业部门的转移会使得经济增长率下降。为验证该假说在中国是否成立,本文进一步考察样本期间工业与服务业TFP的增长及变动情况。我们以合意框架下的方向距离函数为基础来测算工业与服务业部门的TFP变动指数,即ML指数,(26)并将该指数分解为效率变动(EC)与技术变动(TC)。

       从1998—2012年期间全国的平均水平来看,合意框架下中国省际工业TFP的增长率的确高于服务业,但是二者差异不大:工业的ML指数比服务业仅高出0.0103,即总体上,工业部门的TFP增长仅比服务业快1.03%。在样本期间,工业部门和服务业部门的技术变动(TC)分别为1.0172和1.0072,都大于各自的效率变动(EC)0.9913和0.9909。这意味着,总体上看,无论是工业还是服务业,其TFP增长主要来源于技术进步。由于工业与服务业的效率变化指数都小于1,这表明从总体上看,工业部门和服务业部门的效率平均水平在下降。从各省市来看,只有8省(河北、山西、福建、江西、湖南、广西、贵州和新疆)的服务业TFP增长(ML指数)快于工业,其余22个省市都是工业快于服务业。所以,从TFP增长幅度看,“鲍莫尔—福克斯假说”在样本期间基本成立,即服务业TFP增长比工业稍慢,但这仅仅是粗略的平均水平。

       1998—2012年的14个变动期间,有6个期间工业与服务业的技术变动近乎持平,其余期间全部是工业技术进步率高于服务业。而从效率变动来看,工业和服务业的效率总体上都有所下降:工业年平均下降0.0069,服务业年平均下降0.0091。从效率变动的差异看,工业与服务业效率变动幅度总体上不分伯仲。从近两年的变化趋势看,服务业TFP增长有超越工业之势。2010—2011年和2011—2012年两个期间,工业部门的ML指数分别为0.999和1.0076,都低于服务业的ML指数(1.004和1.0086)。进一步分解发现,和服务业相比,工业效率下降速度过快,2010—2011年和2011—2012年两个期间工业部门的效率变动(EC)分别为0.9808和0.9748,分别低于服务业的效率变动(0.9816和1.0074):虽然2010—2011年服务业效率也在下降,但是工业效率相对而言下降更快(0.9808小于0.9816);而2011—2012年,工业效率下降,服务业效率上升。

       结合前文的结论,可得出:服务业的效率明显高于工业,但是其全要素要生产率(TFP)增长稍逊于工业,主要原因是,工业技术进步速度快于服务业。而从效率变动方面看,工业与服务业难分高下。从工业与服务业效率变动的趋势而言,工业效率的过快下降带来工业TFP增长速度也在下降,导致工业比服务业TFP增长具有优势的结论正受到挑战。因此,这里的结论已经远远超越了“鲍莫尔—福克斯假说”。鲍莫尔最初提出“成本病”旨在说明服务业成本越来越高,所以增长越来越慢。此后,又被学者衍生出另一层意思,即服务业成本越来越高,所以效率越来越低。就本文2011年和2012年两个期间的结论看,这两点均不成立,首先,2011年和2012年服务业的TFP增长快于工业;其次,服务业的效率一直高于工业。所以本文的实证结论表明,“鲍莫尔—福克斯假说”在目前的中国不成立。

       (四)服务业TFP增长与工业化程度有关吗?——合意框架下不同工业化阶段的工业与服务业TFP增长比较

       研究结果显示,在2000年、2005年和2010年三个时期内,总体上工业部门的TFP增长快于服务业。为了使分析更直观,图6分别以折线和阴影刻画了工业化指数与工业(服务业)TFP增长指数的关系。从图6中的折线图和阴影图都可以看出,工业与服务业的TFP增长(ML指数)随工业化进程的变化近似平稳,既没有出现工业化程度较高的省市其工业或者服务业TFP增长也相对较快的特点,也没有出现工业化程度低的省市其TFP增长反而更快的后发优势特点。尤其是2010年的折线图和阴影图都明确地显示出,工业与服务业TFP的增长与工业化阶段无关。

      

       图6 不同工业化水平下工业与服务业全要素生产率增长的比较(2000年、2005年、2010年)

       注:工业化指数来自《中国工业化进程报告(1995—2010)》(陈佳贵等著)。从左至右的子图分别对应了2000年、2005年和2010年工业与服务业的ML指数及ML指数差(工业减服务业),具体数据可向作者索取。

       四、本文的主要发现

       服务业生产率(效率)及其增长率是否低于工业?经典的“鲍莫尔—福克斯假说”和当前国内经济学的主流提法都给出了肯定回答。然而,这些结论是建立在没有考虑能源消耗和环境污染的传统研究框架内,并且是基于劳动生产率得出的判断,因此并不公允。鉴于21世纪可持续发展面临的资源与环境制约已经成为经济发展的硬约束,故本文将能耗与环境污染纳入生产函数,对工业和服务业生产率(效率)进行重新测算。为使测算结果科学、合理和稳健,本文对传统方向距离函数进行创新,修正了两个不足,提出并解决了方向距离函数的方向选择问题。在最合理的模型和分析框架下,本文利用1998—2012年中国省际工业和服务业的面板数据进行实证考察,发现:

       在不考虑环境污染的传统框架下,从不同要素角度对工业和服务业生产率进行评估的结果迥异。在传统全要素框架下,服务业的生产率略高于工业;在考虑环境污染的绿色框架下,采用单要素导向、多要素导向与全要素导向的模型,其测算结果也各不相同。借助对研究方法的创新,本文对相关研究框架和方法进行甄别,并选择了模型7作为合意框架。研究显示,模型7结果稳健:样本期间内,不同环境约束下,服务业效率均高于工业。据此,“鲍莫尔—福克斯假说”在当前时代背景下,颇显狭隘,其结论在绿色全要素框架下并不成立。同时,国内对服务业低效率的主流看法也显得片面。

       合意框架下的评估结果显示:从全国平均水平看,在所有样本期间工业平均效率都低于服务业,平均每年低9个百分点,差距较大。这表明,尽管我国服务业总体水平较低,然而考虑到能耗与污染及碳排放后,工业效率尚不及服务业。工业发展方式的粗放由此可见一斑,而且从效率角度看,这种粗放的方式一直没有转变。此外,从人均GDP排名前十五位与后十五位的省市看,工业与服务业效率的比较结果也印证了这一结论。不同工业化阶段下的实证研究结果表明:工业化程度较高的省市其工业效率和服务业效率也比较高,但二者的效率差异并没有随工业化指数提升而呈明显的变化趋势。比较工业与服务业的全要素生产率增长情况发现:从全国总体水平看,服务业TFP增长略慢于工业,但二者差异不大。工业和服务业TFP增长主要源于技术进步。此外,工业TFP增长略快于服务业的原因在于,工业的技术进步快于服务业,但近两年服务业的TFP增长有反超工业之势。

       据此,我们引申出以下推论:第一,中国总体上虽然服务业综合效率高于工业,但并不意味着所有省市都要将经济重心转向服务业而忽视工业发展。总体上,工业低效率可能并非因为服务业发展水平高,而恰恰是因为工业发展方式依旧粗放,这暗示了我国经济发展方式(尤其是工业发展方式)转型的紧迫性。第二,对于进入后工业化阶段的省市(北京、上海、浙江、天津)而言,大力发展服务经济,将工业技术进步成果(如信息化、自动化)转向服务业领域,打破服务业垄断、激发市场活力,以工业化的充分发展带动服务业发展,提升服务业发展水平和效率,是这些省市当前经济发展面临的主要任务之一。而对于仍处于工业化中后期的大部分省市而言,继续推进工业化、提升工业化水平和效率仍是当务之急。第三,全要素绿色框架下,“鲍莫尔—福克斯假说”并不成立,因此中国经济转向以服务业为核心并不意味着经济增长率必然下降。事实上,如果能克服技术进步由工业领域向服务业领域渗透和外溢的障碍,则服务业的TFP增长将极有可能超越工业,从而带动经济增长率的提升。因此,大力消除服务业进入壁垒、破除行业垄断,解放服务业生产力,对于提升总体经济增长率将有积极影响,对中国全面深化改革、提升经济与资源环境协调可持续发展能力、兑现节能减排的大国承诺都意义深远。

       作者特别感谢南开大学经济与社会发展研究院2011级、2012级和2013级研究生黄玉东、孙长悦、范玉三位同学在文献整理、原始数据搜集和处理方面做的大量基础工作。作者非常感谢匿名审稿人的意见,文责自负。

标签:;  ;  ;  ;  ;  ;  

服务业的生产力真的很低吗?_劳动生产率论文
下载Doc文档

猜你喜欢