国际服务业生产率的发展趋势及影响因素分析，本文主要内容关键词为：生产率论文,发展趋势论文,服务业论文,因素论文,国际论文，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。
引言
生产率是经济增长的发动机。在全球呈现出“工业型经济”向“服务型经济”转型的总趋势下，服务业生产率已成为国内外学者研究的重点。
长期以来，国内外学者对服务业生产率的研究主要集中在两个方面：
第一，服务业增长缓慢的原因解释。这里有较大的分歧和争议，以格里利兹(Griliches,1992)为代表的经济学家认为：服务部门具有“不可测度性”，服务业的产出与生产率核算存在误差；而以富克斯(Fuchs,1968)和鲍莫尔(Baumol,1967、1985)为代表的学者则认为：服务业生产率增长缓慢是由服务业本身的性质所决定的，服务产出被“低估”的影响是微不足道的[1]。之后又有许多学者从不同的角度对服务业生产率进行了经验研究，在一定程度上验证了鲍莫尔—富克斯假说，如程大中对鲍莫尔—富克斯假说的基本模型进行扩展，分析了中国服务业及其主要部门劳动生产率增长率和滞后程度，得出中国服务业存在“三低”现象，应该注意预防“成本病”的结论[2]；梁若冰在生产率增长的因素和结构分析的基础上，探讨了劳动生产率在传统的耐用消费品部门与在计算机利用最为密集的服务业部门存在差异这一Solow悖论[3]；李慧中通过两部门模型的理论分析解释了制造业与服务业劳动生产率的差异是造成发达国家服务价格高于发展中国家的主要原因[4]。
第二，服务业生产率测度。Josel.Navarro和Jose A.Camacho(2001)将DEA方法与Malmquist指数方法结合起来分析了西班牙1990～2000年服务业生产率的变化规律[5]；顾乃华借助随机前沿生产函数分别利用时序数据和面板数据，分析了中国服务业增长效率的时序特征和服务业技术效率的区域差异，其研究表明中国服务业技术效率低下，东、中、西部服务业技术效率存在显著差异[6,7]；杨向阳等人利用中国省级面板数据，采用基于非参数的Malmquist指数方法，对中国服务业全要素生产率(TFP)的增长状况进行了分析[8]。
相比之下，对国际服务业生产率发展规律的研究还非常少，国内外学者在研究服务业生产率时，大多数是站在一国或一国内各地区的层面进行分析，忽略了对国际服务业发展规律的研究，而这一分析是完全必要的。从研究方法看，这些研究也存在明显的不足：传统时间序列数据分析没有将时间维度和空间维度紧密地结合起来，面板数据分析尽管将时间与截面相联系，但在分析时将不同的影响因素纳入同一个模型，不考虑数据的嵌套性质，难以真正量化服务业生产率差异。笔者采用的基于追踪数据的多层线性模型，由于考虑了数据的嵌套性质，可以很好地解决在传统分析方法中遇到的矛盾。
鉴此，笔者拟从追踪研究的视角，在分析服务业生产率影响因素的基础上，将工资、劳动者素质、技术创新、现代信息技术等服务业生产率的主要影响因素纳入多层分析模型，并采用IMD中参评的45个国家（地区）1997～2005年的服务业相关数据进行实证分析，探索国际服务业生产率发展规律，以期获取全新的经验证据，为服务产业政策的制定提供科学参考依据。
一、服务业生产率影响因素分析
IMD（注：IMD是International Institute for Management Development的缩写，即瑞士洛桑国际管理学院。）将服务业生产率定义为每一个服务业就业者的人均GDP（以购买力平价计／百美元），即GDP(PPP)除以就业人数而得。服务业生产率影响因素错综复杂，并且相互作用。本文在吸收服务经济学和经济增长相关理论的基础上，将服务业生产率影响因素分为以下几个方面：
（一）工资
富克斯通过10类主要行业（注：这些行业是：农业；采矿；建筑；制造；运输；交通和公用事业；政府企业；批发和零售；金融、保险、不动产和服务；以及政府一般部门。）的相关分析认为：只要工资反映人力资本，工资与生产率这两个变量之间就会存在明显的正相关，并且就不同的行业而言，生产率的高低与劳动质量的不同趋势也是相关的[9]。服务业中，尤其是金融、保险、管理、法律、会计、广告等专业服务行业，由于是人力资本密集型的行业，这一关系就更为显著了。
（二）劳动者素质
劳动者素质是指从业人员受教育的程度，以及对技术和业务的熟悉和掌握程度。富克斯认为：对于服务业生产率增长缓慢的事实，其中一个主要的原因是服务业人力资本增长较慢。因此，提高劳动者素质、对劳动者进行教育培训、学习新的专业知识、提高技能等，对促进服务业生产率有积极的作用。
（三）技术创新
服务业生产率增长的动力是技术创新，在信息、金融、教育、研发等知识密集型服务业中技术创新促进作用更为明显。技术创新对服务业生产率的作用是不可忽视的，但同时要考虑技术创新作用的时滞因素。技术创新的重要解释变量是R&D支出，更多的R&D并不意味着一定会迅速并极大地提高现在增长仍然缓慢的产业生产率，这其中要考虑时滞因素。
（四）现代信息技术
服务部门通过运用不断进步的现代信息技术，使服务业生产率水平得到前所未有的提高。如交通、通讯等服务业生产率很高、增长也很快，主要是这些行业得益于信息处理技术突飞猛进的发展，有可能用资本来代替劳动力，而服务业中许多“停滞性个人服务（注：这类服务本身就是劳动过程，要求服务提供者与服务消费者直接接触，如教育、法律和医疗服务是个性化程度强的服务。）”是导致服务业生产率低增长的主要原因[10]。Sharpe和Baily和Lawrence研究表明：IT部门本身劳动生产率的提高较小，而密集使用IT产品的行业（主要是服务业）的劳动生产率提高幅度较大[11,12]。因为好的技术可以有效地改善过程中信息的传递，降低服务的不确定性，改进服务质量，从而提高服务水平。
二、基于追踪数据的多层线性模型设计
多层线性模型(Hierarchical Linear Model,HLM)是用于分析具有多层嵌套结构数据的线性统计分析技术。该方法在心理学研究领域较多，但在经济领域应用较为少见。该模型的贡献主要有两个方面：一是解决了数据嵌套问题；二是为追踪研究或重复测量研究引入了新的方法。
追踪数据是指某一被试群体在一个或多个变量上、多个时间点的测量结果。对于追踪数据而言，当时相同观测的对象进行重复测量时，同一个体不同次的测量由于受同一个体共同特征的影响，有较大的相似性，可将这些重复测量的数据本身看成是具有嵌套结构特点的。在对不同国家（地区）服务业生产率发展趋势的追踪研究中，可将每个国家（地区）重复测量的服务业生产率数据本身看成是具有嵌套结构特点的，即同一个国家（地区）不同次的测量嵌套于个体之中，每个国家（地区）不同年份的测量值构成数据结构的第一层，国家（地区）之间的个体差异形成数据结构的第二层。为正确分析国际服务业生产率的发展趋势和影响因素，现提出假设模型：
模型1 零模型
在第一层模型中不引入任何预测变量，将因变量服务业生产率总的变异分解为个体内和个体之间两个部分，用于检验服务业生产率是否存在不同国家（地区）之间的差异。模型设定如下：
第一层中
代表第i国（地区）第t年的服务业生产率；与传统回归方程相比，截距参数
多了一个下标i，用来描述不同的个体有不同的截距，也就是说，这里的截距不再是一个常数，而是一个随个体变化的随机变量；
为第一层的随机测量误差（随机变异），通常服从均值为0、方差为
的正态分布。
第二层是不加任何预测变量的模型，主要分析截距参数是否存在个体间的差异。式中
为第一层截距的总体均值。
模型2 线性增长模型
试算结果表明45个国家（地区）服务业生产率二次增长趋势不明显，因此这里选择线性增长模型。在第一层模型中将时间变量作为观测结果的解释变量建立发展模型，用于检验服务业生产率是否存在线性变化趋势，以及这种线性变化趋势是否存在不同国家（地区）间的差异。对于时间变量T，采用测试终点为0的编码方式，即T=-8,-7,…,-1,0分别表示1997～2005年等距离测试。模型设定为
第一层中，假设因变量为随时间有线性变化的趋势，和
分别表示截距参数和斜率参数，为第一层的随机测量误差（随机变异）。
第二层主要分析截距参数和斜率参数是否存在个体间的差异。式中为第一层截距的总体均值，
为第一层斜率的总体均值，
和
分别为截距和斜率的残差（随机变异）。通常
为第一层随机截距残差对应的方差，
为第一层随机斜率残差对应的方差，
为随机截距和随机斜率之间的协方差。
如果截距和斜率存在显著的个体之间的差异，有必要进一步分析个体特征对个体之间差异的解释。
模型3 引入期初预测变量的线性增长模型
若模型2结果表明不同国家（地区）之间存在差异，则在模型2的第二层中引入期初预测变量，用于检验期初预测变量对发展趋势的影响。
模型4 引入随时间变化的预测变量模型
若模型2结果表明不同国家（地区）之间存在差异，则在模型2的第一层中引入含有随时间变化的预测变量，用于检验随时间变化的预测变量对发展趋势的影响。与模型3不同的是所引入的预测变量是随时间变化的观测变量，而传统的重复测量方差分析和多元方差分析则不能处理随时间变化的协变量。
本文采用极大似然估计法对多层线性模型进行参数估计，采用的软件是HLM6.0（学生版）。模型样本为IMD年鉴[13]中参评的45个国家（地区）（注：45个国家（地区）具体是：澳大利亚、奥地利、比利时、巴西、加拿大、智利、中国、哥伦比亚、捷克、丹麦、芬兰、法国、德国、希腊、香港地区、匈牙利、冰岛、印度、印度尼西亚、爱尔兰、以色列、意大利、日本、韩国、卢森堡、马来西亚、墨西哥、荷兰、新西兰、挪威、菲律宾、波兰、葡萄牙、俄罗斯、新加坡、南非、西班牙、瑞典、瑞士、中国台湾、泰国、土耳其、英国、美国、委内瑞拉。），其数据区间为1997～2005年。
三、实证分析
（二）线性增长模型分析
模型2参数估计结果见表2。
固定效应表明：2005年45个国家（地区）服务业平均生产率为490.6百美元（=490.6）。比较各国在2005年的服务业生产率，发现有27个国家（地区）在平均水平之上，有18个国家（地区）在平均水平之下；中国服务业生产率2005年为135.6百美元，远低于世界平均水平490.6百美元，在45国（地区）中名列倒数第三。
表2 线性增长模型参数估计结果表
注：*表示P＜0.0001。
1997～2005年45个国家（地区）服务业生产率有显著的线性上升趋势，且每增加1年，各国（地区）服务业生产率的平均增量为15.5百美元左右（=15.5），显然增速较慢；中国服务业生产率在1998年、1999年、2002年较上年有所下降，2005年提升幅度最大，有37.43美元，其余年份提升幅度均小于世界平均增量。
随机效应表明：各国（地区）在末年（2005年）服务业生产率存在显著的个体差异（
）。表示各国（地区）在1997～2005年服务业生产率线性发展速率的个体差异，结果
说明在考察期间各国（地区）服务业生产率的上升速度个体之间的差异并不显著。因此，在后面对斜率可不作多层分析。
（三）引入期初预测变量的模型分析
模型2结果显示：各国（地区）服务业生产率水平（截距）存在显著的个体差异，故在模型2的第二层中引入期初（1997年）预测变量解释这种差异。考虑到指标间的相关性，只选取了各国（地区）服务业生产率影响因素的代表性指标。工资方面，选取信贷人员年均总收入（百美元），用
表示；劳动者素质方面，选取称职的高级经理人员在市场上获得的难易，用
表示；技术创新方面，选取人均研究与开发支出额（百美元），用
表示；现代信息技术方面，选取互联网络线路（每千人中的联网户主数），用
表示。模型3设定如下：
模型3参数估计如表3所示。
表3 引入期初预测变量的线性增长模型参数估计结果表
注：*表示P＜0.0001；**表示P＜0.05。
固定效应表明：信贷人员工资、高级经理人员在市场上获得的难易、互联网络线路达到了统计学意义的显著水平，说明初始年份这三个指标值较高的国家（地区）在9年后，其服务业生产率也较高。这反映了工资、劳动者素质、现代信息技术在期初对截距（服务业生产率水平）有明显的预测效果。人均研发的回归系数为-13.9，未通过显著性检验，说明人均研发在期初对服务业生产率没有显著的预测效果。
随机效应表明：四个预测变量解释了截距43.72%的方差（注：在本引入预测变量的模型2中，截距的方差
为39839.5，在模型3中添加了预测变量后，截距的方差变成22422.9。），这表明这些预测变量对各国（地区）服务业生产率的差异有较好的解释。此外，从模型拟合的差异统计量来看，引入预测变量后，模型3的差异统计量为4918.2，与模型2的差异统计量4968.4相比，减少了50.2，参数个数增加了4个，对于自由度为4的卡方分布，50.2达到了较为显著的水平。这也进一步说明所引入的预测变量对各国（地区）服务业生产率的差异有显著的预测作用。
（四）引入随时间变化的预测变量模型分析
由于所引入的是随时间变化的预测变量，为避免相关性，在第一层中每次只引入一个解释变量。同时，也不考虑第二层变量的解释作用，对于第一层随时间变化的预测变量假定其为固定参数。模型4设定如下：
其中第一层的Z是随时间变化的预测变量，数据区间为1997～2005年。将各国（地区）1997～2005年随时间变化的预测变量（注：现有年鉴中信贷人员工资()数据所缺失太多，HLM中处理解释变量中的缺失问题与传统方法一样，主要是以删除样本为主，放在此只选取
三个指标。）分别代入Z，形成模型4-a、4-b、4-c，参数估计结果如表4所示。
固定效应表明：称职的高级经理人员在市场上获得的难易随时间而变化，对服务业生产率影响不显著。这可能是因为劳动者素质的高低在短期内不会出现较大幅度的波动，因此劳动者素质在引入随时间变化的预测变量模型中的解释能力不强。
表4 引入随时间变化的预测变量模型估计结果表
注：*P＜0.0001；**P＜0.05。
人均研发在模型中通过显著性检验，说明技术创新尽管在期初时影响并不显著，但随着时间的推移其作用逐渐显现，并对服务业生产率有显著的正向促进作用。
互联网络线路随着时间的变化，对服务业生产率的影响并不显著
。
随机效应表明：在加入随时间变化的预测变量后，不同国家（地区）服务业生产率的最末年水平差异仍然差异很大，但与模型2截距的方差
相比，模型4中各方程的截距方差均有所改进，其中预测变量为人均研发对截距的方差
改进最大，说明技术创新随时间的发展对服务业生产率的作用与其他两个因素相比（劳动者素质、现代信息技术），促进作用更加明显。
此外，从模型的拟合效果来看，模型4-b差异统计量最小（注：模型4-a、4-b、4-c的拟合差异统计量分别为4963.3、4948.4、4974.8。），说明人均研发比其他预测变量对各国（地方）服务业生产率的差异有更好的解释作用。
四、结论
综上所述，分析得到以下三点结论：
1.总体上看，国际服务业生产率发展有显著的线性上升趋势，且每增加1年，各国（地区）服务业生产率的平均增量为15.5百美元左右
，显然增速较慢。这一结论与现实中服务业生产率增长缓慢是相符的。各国（地区）在服务业生产率的初始水平上差异巨大，但在生产率的发展速率上并没有显著差异。
2.各国服务业生产率水平差异明显，其主要影响因素的作用为：在期初，工资、劳动者素质、信息技术对服务业生产率均有正向作用，而技术创新的影响不显著；随时间的发展，劳动者素质、信息技术对服务业生产率没有显著作用，而技术创新的正向作用显著。这可能是因为劳动者素质的高低在短期内不会出现较大幅度的波动，而现代信息技术的传播与普及迅速，导致其优势在各国（地区）并能突显的缘故。技术创新在期初时影响不显著，但随着时间的发展，其作用显现，这说明人均研发支出的效果并不能立竿见影，需要有一个消化、吸收的过程。
3.由于起点很低，与样本范围内其他国家相比，中国服务业生产率明显处于劣势地位。中国服务业生产率从1997的93.1百美元上升至2005年的135.6百美元，尽管有所增长，但仍远远低于世界平均水平（400百美元左右）。从本文的证据分析，这主要是服务业生产率的主要影响因素如工资、劳动者素质、技术创新、现代信息技术等对中国服务业生产率没有起太大的作用。仅以技术创新例，中国人均研发支出要远远低于服务业生产率较高国家的支出水平。1997～2005年中国人均研发支出平均仅为0.11百美元，而同期内美国、瑞典等服务业生产率较高国家的人均研发平均支出分别为9.30百美元、10.55百美元。
笔者按追踪数据的研究分析方法，遵循让数据自身说话的原则，得出了国际服务业生产率发展规律，但规律对中国服务业生产率所起作用不明显，虽然这与人们的良好愿望相违，却也从另一方面为政策制订者提供了一定的借鉴和参考。
标签：生产率论文; 线性模型论文; 预测模型论文; 素质模型论文; 差异分析论文; 劳动生产率论文; 因素分析论文; 线性回归模型论文;