论文部分内容阅读
江苏开放大学商学院 摘 要：全要素生产率对江苏现代服务业增长作出了较大贡献，用全局参比的Malmquist模型对江苏服务业整体及细分行业2008—2017年的TFP进行计算和分解，显示江苏服务业整体的TFP呈增长趋势其主要根源在于技术进步，但规模效率的降低削弱了这种趋势，可以通过提升规模效率来提高服务业整体的TFP。生产者服务业对服务业整体有拉动作用，这种作用近几年在减弱，其原因是生产者服务业技术进步低于整体水平，需要加大生产者服务业的研发投入。细分行业TFP变动、TFP贡献率以及TFP分解指数异质性明显，需要根据各自情况从不同方向加以提高，例如金融业需要促进技术进步和创新。
关键词：全要素生产率;江苏服务业;Malmquist模型
中图分类号：F719 文献标识码：A 文章编号：2096-0298（2020）12（a）-107-05
服务业占比的提高是经济高质量发展的表现。高质量发展不是依靠要素投入量的扩大，而是要建立在生产要素、生产力、全要素效率的提高上。
对江苏服务业的研究表现为生产性服务业价值链研究，服务业与制造业协调发展研究，现代服务业转型展研究。李程骅（2012）探讨了城市化进程与服务业发展的动态关系，表明了城市化在长期和短期尚未明显作用于江苏的服务业。李江蛟等（2012）认为江苏服务业劳动生产率与服务业比重之间存在着长期的均衡关系，服务业劳动生产率的提高对服务业的发展水平有着显著的促进作用。黄胜华 （2013）得出江苏现代服务业集群动力机制的关键动力机制因子分别是外部经济、技术创新、政府促导行为、产业价值链、社会资本与网络、外部竞争环境。郑江淮 （2015）认为服务业发展的内在动力来自于技术进步和收入需求弹性这两大因素。吴福象、朱蕾 （2014）、刘志彪 （2016）认为长三角地区服务业存在投入相对不足、进入的行政壁垒较高、全球化发展程度不够。宋晨晨等 （2017）发现江苏省内各市服务业整体全要素生产率的变化和技术进步的变动有关。
综上所述，现有的文献从不同角度分析了江苏服务业效率的影响因素，并提出了相应发展服务业的建议，但是对江苏服务业各细分行业进行研究的文献基本没有。鉴于此，本文在已有研究成果的基础上，采用全局参比的Malmquist模型，使用江苏服务业整体及各细分行业时间面板数据，测算出2008—2017年江苏服务业及各细分行业全要素生产率 （TFP）水平并进行分解，从全要素生产率角度对江苏服务业效率变动及影响因素进行了分析，旨在对江苏服务业的可持续高质量发展提供政策依据。
1 现代服务业概念的界定
现代服务业目前还没有被各界一致认可的分类标准。党的十五大报告首次在国内正式提出现代服务业，此后在关于“十五”计划纲要的决议中以及在十六大报告、十七大报告中都提出要加快发展现代服务业，提高国民经济中的服务业GDP比重和就业人口比重。虽然一些正式文件中经常出现“现代服务业”一词，但到目前为止，在国民经济统计体系中并没有明确现代服务业的界定范围，我国的统计制度和对服务业的分类中也没有体现出与现代服务业相对应的具体分类条目。
由于“现代服务业”本身是一个相对动态的概念，伴随着科学技术进步，传统意义上的服务业或多或少地引进和应用了现代管理理念和现代信息技术，并初步形成了“高人力资本、高技术、高附加值”和“新技术、新业态、新方式”的特征趋势，可以认为大多数服务业都具有现代服务业的某一“现代”特征。考虑到获得数据和进行比较分析，并兼顾统计数据资源的共用，本文采用《国民经济行业分类》（GB/T4754-2017）中涉及的14个服务行业的相关数据作为现代服务业测算的数据来源，即用服务业的数据来代替现代服务业数据，仍能较好地说明问题，对于研究现代服务业仍具有重要的理论和实践意义。
2 江苏现代服务业TFP变动及其异质性分析
2.1 模型及数据处理
2.1.1 模型
数据包络分析 （Data Envelopment Analysis，DEA）是一种非参数技术效率分析方法，这种方法把效率的测试对象当作一个决策单元 （DMU），任何具有可测量的投入、产出的部门或单位都可以作为决策单元，DEA的研究对象就是这些决策单元的集合，运用模型求解每个决策单元，就可得到所有决策单元的技术效率值，获得被考察对象的技术变化、技术效率和規模效率。
Malmquist生产率指数的概念最早源于Malmquist （1953），Fare R等 （1992）最早采用DEA方法计算Malmquist全要素生产率 （TFP）指数。目前，TFP测算中应用最多的一种方法是基于DEA技术的Malmquist生产率指数法。本研究采用的全局参比Malmquist模型是由Paster和Lovell在2005年提出的，它以全部各期的总和作为参考集。由于各期参考的是同一前沿，计算得出的也是单一Malmquist指数：
Malmquist模型采用径向距离时，SEC=EC（CRS）/EC（VRS）就是规模效率变化 （Scale Efficiency Change，SEC），这一分解方式就是文献中常用的Malmquist指数 （TFP）=纯技术效率变化 （PEC）×规模效率变化（SEC）×技术变化 （TC）。
根据上述理论，TFP增长与降低的根源为技术进步TC与技术效率EC的变化，而技术效率又由纯技术效率PEC与规模效率SEC决定，纯技术效率PEC=EC（VRS）代表着资源配置效率。
2.1.2 数据来源及处理
本文使用的数据全部来自于国家统计局网站http：//data.stats.gov.cn/，为了保持统计口径的一致性，本研究选取2008—2017年江苏省服务业的数据，包括服务业及细分行业的增加值、就业人数、固定资产投资。由于2012年后采用了新的统计标准，其前后数据不具备可比性，故在研究中把时序数据分成2008—2012年、2013—2017年两个阶段。 我们用服务业增加值表示服务业产出，所有数据均使用CPI进行平减，换算为2008年及2013年的不变价格。
劳动投入在理论上应考虑到劳动力质量、劳动效率、劳动时间等因素，但由于数据可得性的限制，细分行业的人均受教育年限等指标无法获取，故劳动投入指标用服务业各细分行业“年末从业人员”代替。资本投入使用服务业细分行业的资本存量指标来衡量，由于官方统计资料中此项统计数据， 学者们一般用永续盘存法来估算资本存量。基本公式为：，为i行业在t期的资本存量，为基期资本存量，为i行业t期的不变价投资额，本文采用各行业的全社会固定资产投资额，用固定资产投资价格指数平减后获得，为i行业在t年的资本折旧率。基期资本存量的估算采用国际通用做法，， 表示i行业投资额的实际率，本研究用平均产出的增长率代替，参考学者们对生产性服务业测算中使用的标准，δ取5%。
2.2 江苏现代服务业TFP的测算及分析
2.2.1 江苏服务业整体的全要素生产率变化
本文计算的2008—2017年江苏服务业整体TFP及其分解效率指数，具体如表1所示。（1）从2008—2012年，服务业整体TFP平均值是1.037，平均增长率为3.7%，其中2011—2012年是下降的;2013—2017年，江苏服务业整体的TFP平均值为1.02，平均增长率为2%，比前面的阶段有所下降。江苏服务业的增长中，TFP的贡献率并不高，两个阶段分别为23.9%的19.1%，对应于TFP下降的时间段，2011—2012年贡献率是负的。（2）对这两个阶段服务业整体的TFP进行分解发现，两个阶段的纯技术效率变化为1，规模效率变化小于1，技术效率变化小于1，只有技术变化大于1，分别为1.054和1.048。江苏服务业整体TFP的提高主要源于技术进步TC，而技术效率仅在有的年份起到了一定的作用，总体来说，其作用是反向的。由于纯技术效率为1，技术效率所起的负作用是由规模效率的降低所带来的。
生产者服务在服务业中占有越来越重要的地位，本文根据已有研究对生产者服务业的内涵和外延的界定，并考虑了数据的可得性，选取信息传输、软件和信息技术服务业，交通运输、仓储和邮政业，租赁和商务服务业，金融业，科学研究和技术服务业这五个行业来代表生产者服务业，计算了江苏生产者服务业的TFP指数及其分解效率指数，如表2所示。从表2中可以看到，（1）生产者服务业在2013—2017年的产出增长率普遍低于2008—2012年，TFP的贡献率也较低。從2008—2012年，生产者服务业的TFP平均值是1.076，平均增长率为7.6%，增速较快，其对生产者服务业的贡献率也较大，为41.3%。从2013—2017年，江苏生产者服务业的TFP平均值为1.034，平均增长率为3.4%，比前面的阶段有所降低，其中2016—2017年的TFP指数小于1。对生产者服务业的贡献率受到了2016—2017年TFP负增长的影响，下降为35.6%。（2）对这两个阶段江苏生产者服务业的TFP进行分解发现，在2008—2012年，除了规模效率为0.995之外，技术变化TC为1.072，是TFP增长的主要因素，技术效率变化EC和纯技术效率PEC都略大于1，对TFP的增长都有帮助。在2013—2017年，几个指数都大于1，都起到了微弱的作用，但是技术变化TC下降为1.023，最终导致这一阶段的生产者服务业TFP下降。
为了分析江苏服务整体和生产者服务业TFP指数的变化规律，本文把这两者放在一起进行比较，如表3所示。从表3中可以看出，生产者服务业TFP的变化趋势一致，其增长率要大于服务业整体，说明生产者服务业对服务业整体的效率增长有拉动作用。在2008年—2012年，生产者服务业TFP的每一个分解指数都高于服务业整体，可以说每一个分解因素都起到了拉动作用。而在2013—2017年，除技术变化TC低于整体之外，生产者服务的其他分解指数大于服务业整体，技术变化的降低减弱了对服务业整体TFP的拉动作用。
2.2.2 江苏服务业细分行业的全要素生产率变化
2008—2017年，江苏服务业14个细分行业除金融业之外的全要素生产率都是上升的，由于统计标准的变化，本文分两个阶段来使用DEA模型进行测算，对每个阶段的TFP及其分解效率指数、产出增长率、TFP贡献率值进行了几何平均，做成柱状图，直观和方便比较。
从图1中可以看出，（1）在2008—2012年，服务业各细分行业的增长率都超过10%，最高的租赁和商务服务业增长率达到25.9%。在全要素生产率的贡献率方面，较低的表现是金融业0，信息传输、软件和信息技术服务业5.6%，住宿和餐饮业7.8%，各自的全要素生产率也比较低，分别为0、1.01、1.01;贡献率较高的表现是卫生和社会工作50.2%，公共管理、社会保障和社会组织60.2%，教育80.2%，对应的TFP也较高，分别为1.075、1.069、1.116。（2）从各行业的TFP分解指数可以看出，TFP≥1，技术变化TC≥1，技术效率EC≤1，规模效率变化SEC≤1 。得出结论，技术效率EC在TFP增长中起了负作用，导致技术效率较低的原因之一是规模效率比较低，这可以说是这一阶段拉低服务业TFP的主要因素。在SEC较低的同时，有的行业PEC也较低，也构成了拉低TFP的一个因素，这些行业包括住宿和餐饮业，科学研究和技术服务业，信息传输、软件和信息技术服务业。金融行业是比较特殊的，几个指数都为1，其增长和TFP无关，全部来自于要素投入。
从图2中可以看出，（1）在2013—2017年，除住宿和餐饮业之外，各行业的平均增长率较上一阶段有所下降，这和宏观经济环境的调速降档是一致的。再看TFP的贡献率，大部分行业的贡献率是增加的，最突出的是交通运输、仓储和邮政业，TFP贡献率达到105.9%，这也和行业增长率较低有关。租赁和商务服务业、科学研究和技术服务业、教育、卫生和社会工作、公共管理、社会保障和社会组织这些行业的TFP贡献率下降，对应的TFP指数值也有所降低。TFP增长率高于前一阶段的行业有批发和零售业，住宿和餐饮业，信息传输、软件和信息技术服务业，房地产业，水利、环境和公共设施管理业，居民服务、修理和其他服务业，文化、体育和娱乐业。（2）除金融业之外，所有行业TFP>1， TC>1，EC产生分化，有些行业的EC>1，说明行业的技术效率有所提升，它们是批发、住宿、租赁、科学、教育、卫生、公共行业。而交通、房地产、水利和文化产业的技术效率依然小于1，其中交通和水利的规模效率和纯技术效率都小于1，需要从这两方面提高;房地产和文化产业要从规模效率上来提升TFP。金融行业作为重要的生产者服务业，其TFP=0.991，TC=0.991，TFP的下降是因为技术变化小于1，缺乏技术进步和创新，这是值得我们去思考的。 细分行业TFP及其效率分解指数、TFP贡献率都具有较大的异质性，应该针对具体行业进行细致分析，这将作为本研究以后的方向。
3 结论与建议
3.1 通过提高规模效率来提高技术效率，进而提高江苏服务业TFP
江苏服务业整体TFP呈增长趋势，2013—2017年的平均TFP小于2008—2012年，服务业的增长中，TFP的贡献率有待提高。服务业整体TFP的提高主要源于技术进步;由于规模效率降低，纯技术效率不变，技术效率所起的作用基本为负。由此可以得出，通过提高规模效率的途径来提高技术效率，从而提高江苏服务业整体的全要素生产率。
3.2 促进生产者服务业的技术进步，提高生产者服务业乃至整个服务业的TFP
生产者服务业TFP的变化趋势与服务业整体是一致的，其增长率要大于服务业整体，说明生产者服务业对服务业整体的效率增长有拉动作用。在2008—2012年，生产者服务业TFP的每一个分解指数都高于服务业整体，可以说每一个分解因素都起到了拉动作用。在2013—2017年，生产者服务的其他分解指数大于服务业整体，而技术变化低于整体，减弱了对其服务业整体TFP的拉动作用。后续应该从提高生产者服务业的技术进步入手，来提高生产者服务业乃至整个服务业的TFP。
3.3 细分行业具有较大的异质性，需采取不同策略
细分行业TFP变动、 TFP贡献率以及TFP分解指数都具有较大的异质性。除金融业之外，各细分行业TFP都呈增长趋势，都有正的技术进步。在2008—2012年，技术效率在TFP增长中起了负作用，导致技术效率较低的原因之一是规模效率比较低，这是这一阶段拉低服务业TFP的主要因素。在规模效率较低的同时，有的行业资源配置效率较低，也构成了拉低TFP的一个因素。在2013—2017年，服务业各行业随宏观经济调速降档，有些行业的技术效率提高，体现了高质量增長，它们是批发、住宿、租赁、科学、教育、卫生、公共行业。交通和水利需要从规模效率和资源配置效率这两方面提高;房地产和文化产业要从规模效率上来提升TFP。金融行业作为重要的生产者服务业，缺乏技术进步和创新，从技术上来讲是落后了，这值得我们去深入探究其原因并思索提升的对策。
参考文献
郭庆旺，贾俊雪.中国全要素生产率的估算：1979～2004[J].经济研究，2005（06）：51-60.
原毅军，宋洋.服务业产业集聚与劳动生产率増长——基于中国省级面板数据的实证研究[J].产业经济评论，2011（02）：50-61.
谭洪波，郑江淮.中国经济高速增长与服务业滞后并存之谜——基于部门全要素生产率的研究[J].中国工业经济，2012（09）：5-17.
户艳辉.服务业全要素生产率及影响因素分析[J].统计与决策，2013（05）：103-106.
李程骅.探索服务业引领城市转型的“江苏路径”[J].唯实，2013（04）：58-61.
吴福象，朱蕾.技术进步、结构转换与区域经济增长——基于全国、广东和江苏投入—产出表数据的实证研究[J].上海经济研究，2014（01）：18-28.
郑江淮.收敛性与异质性：服务业发展趋势[J].北京工商大学学报（社会科学版），2015，30（06）：12-21.
刘志彪.现代服务业发展与供给侧结构改革[J].南京社会科学，2016（05）：10-15+21.
成刚.数据包络分析方法与MaxDEA软件[M].北京：知识产权出版社，2017.
关键词：全要素生产率;江苏服务业;Malmquist模型
中图分类号：F719 文献标识码：A 文章编号：2096-0298（2020）12（a）-107-05
服务业占比的提高是经济高质量发展的表现。高质量发展不是依靠要素投入量的扩大，而是要建立在生产要素、生产力、全要素效率的提高上。
对江苏服务业的研究表现为生产性服务业价值链研究，服务业与制造业协调发展研究，现代服务业转型展研究。李程骅（2012）探讨了城市化进程与服务业发展的动态关系，表明了城市化在长期和短期尚未明显作用于江苏的服务业。李江蛟等（2012）认为江苏服务业劳动生产率与服务业比重之间存在着长期的均衡关系，服务业劳动生产率的提高对服务业的发展水平有着显著的促进作用。黄胜华 （2013）得出江苏现代服务业集群动力机制的关键动力机制因子分别是外部经济、技术创新、政府促导行为、产业价值链、社会资本与网络、外部竞争环境。郑江淮 （2015）认为服务业发展的内在动力来自于技术进步和收入需求弹性这两大因素。吴福象、朱蕾 （2014）、刘志彪 （2016）认为长三角地区服务业存在投入相对不足、进入的行政壁垒较高、全球化发展程度不够。宋晨晨等 （2017）发现江苏省内各市服务业整体全要素生产率的变化和技术进步的变动有关。
综上所述，现有的文献从不同角度分析了江苏服务业效率的影响因素，并提出了相应发展服务业的建议，但是对江苏服务业各细分行业进行研究的文献基本没有。鉴于此，本文在已有研究成果的基础上，采用全局参比的Malmquist模型，使用江苏服务业整体及各细分行业时间面板数据，测算出2008—2017年江苏服务业及各细分行业全要素生产率 （TFP）水平并进行分解，从全要素生产率角度对江苏服务业效率变动及影响因素进行了分析，旨在对江苏服务业的可持续高质量发展提供政策依据。
1 现代服务业概念的界定
现代服务业目前还没有被各界一致认可的分类标准。党的十五大报告首次在国内正式提出现代服务业，此后在关于“十五”计划纲要的决议中以及在十六大报告、十七大报告中都提出要加快发展现代服务业，提高国民经济中的服务业GDP比重和就业人口比重。虽然一些正式文件中经常出现“现代服务业”一词，但到目前为止，在国民经济统计体系中并没有明确现代服务业的界定范围，我国的统计制度和对服务业的分类中也没有体现出与现代服务业相对应的具体分类条目。
由于“现代服务业”本身是一个相对动态的概念，伴随着科学技术进步，传统意义上的服务业或多或少地引进和应用了现代管理理念和现代信息技术，并初步形成了“高人力资本、高技术、高附加值”和“新技术、新业态、新方式”的特征趋势，可以认为大多数服务业都具有现代服务业的某一“现代”特征。考虑到获得数据和进行比较分析，并兼顾统计数据资源的共用，本文采用《国民经济行业分类》（GB/T4754-2017）中涉及的14个服务行业的相关数据作为现代服务业测算的数据来源，即用服务业的数据来代替现代服务业数据，仍能较好地说明问题，对于研究现代服务业仍具有重要的理论和实践意义。
2 江苏现代服务业TFP变动及其异质性分析
2.1 模型及数据处理
2.1.1 模型
数据包络分析 （Data Envelopment Analysis，DEA）是一种非参数技术效率分析方法，这种方法把效率的测试对象当作一个决策单元 （DMU），任何具有可测量的投入、产出的部门或单位都可以作为决策单元，DEA的研究对象就是这些决策单元的集合，运用模型求解每个决策单元，就可得到所有决策单元的技术效率值，获得被考察对象的技术变化、技术效率和規模效率。
Malmquist生产率指数的概念最早源于Malmquist （1953），Fare R等 （1992）最早采用DEA方法计算Malmquist全要素生产率 （TFP）指数。目前，TFP测算中应用最多的一种方法是基于DEA技术的Malmquist生产率指数法。本研究采用的全局参比Malmquist模型是由Paster和Lovell在2005年提出的，它以全部各期的总和作为参考集。由于各期参考的是同一前沿，计算得出的也是单一Malmquist指数：
Malmquist模型采用径向距离时，SEC=EC（CRS）/EC（VRS）就是规模效率变化 （Scale Efficiency Change，SEC），这一分解方式就是文献中常用的Malmquist指数 （TFP）=纯技术效率变化 （PEC）×规模效率变化（SEC）×技术变化 （TC）。
根据上述理论，TFP增长与降低的根源为技术进步TC与技术效率EC的变化，而技术效率又由纯技术效率PEC与规模效率SEC决定，纯技术效率PEC=EC（VRS）代表着资源配置效率。
2.1.2 数据来源及处理
本文使用的数据全部来自于国家统计局网站http：//data.stats.gov.cn/，为了保持统计口径的一致性，本研究选取2008—2017年江苏省服务业的数据，包括服务业及细分行业的增加值、就业人数、固定资产投资。由于2012年后采用了新的统计标准，其前后数据不具备可比性，故在研究中把时序数据分成2008—2012年、2013—2017年两个阶段。 我们用服务业增加值表示服务业产出，所有数据均使用CPI进行平减，换算为2008年及2013年的不变价格。
劳动投入在理论上应考虑到劳动力质量、劳动效率、劳动时间等因素，但由于数据可得性的限制，细分行业的人均受教育年限等指标无法获取，故劳动投入指标用服务业各细分行业“年末从业人员”代替。资本投入使用服务业细分行业的资本存量指标来衡量，由于官方统计资料中此项统计数据， 学者们一般用永续盘存法来估算资本存量。基本公式为：，为i行业在t期的资本存量，为基期资本存量，为i行业t期的不变价投资额，本文采用各行业的全社会固定资产投资额，用固定资产投资价格指数平减后获得，为i行业在t年的资本折旧率。基期资本存量的估算采用国际通用做法，， 表示i行业投资额的实际率，本研究用平均产出的增长率代替，参考学者们对生产性服务业测算中使用的标准，δ取5%。
2.2 江苏现代服务业TFP的测算及分析
2.2.1 江苏服务业整体的全要素生产率变化
本文计算的2008—2017年江苏服务业整体TFP及其分解效率指数，具体如表1所示。（1）从2008—2012年，服务业整体TFP平均值是1.037，平均增长率为3.7%，其中2011—2012年是下降的;2013—2017年，江苏服务业整体的TFP平均值为1.02，平均增长率为2%，比前面的阶段有所下降。江苏服务业的增长中，TFP的贡献率并不高，两个阶段分别为23.9%的19.1%，对应于TFP下降的时间段，2011—2012年贡献率是负的。（2）对这两个阶段服务业整体的TFP进行分解发现，两个阶段的纯技术效率变化为1，规模效率变化小于1，技术效率变化小于1，只有技术变化大于1，分别为1.054和1.048。江苏服务业整体TFP的提高主要源于技术进步TC，而技术效率仅在有的年份起到了一定的作用，总体来说，其作用是反向的。由于纯技术效率为1，技术效率所起的负作用是由规模效率的降低所带来的。
生产者服务在服务业中占有越来越重要的地位，本文根据已有研究对生产者服务业的内涵和外延的界定，并考虑了数据的可得性，选取信息传输、软件和信息技术服务业，交通运输、仓储和邮政业，租赁和商务服务业，金融业，科学研究和技术服务业这五个行业来代表生产者服务业，计算了江苏生产者服务业的TFP指数及其分解效率指数，如表2所示。从表2中可以看到，（1）生产者服务业在2013—2017年的产出增长率普遍低于2008—2012年，TFP的贡献率也较低。從2008—2012年，生产者服务业的TFP平均值是1.076，平均增长率为7.6%，增速较快，其对生产者服务业的贡献率也较大，为41.3%。从2013—2017年，江苏生产者服务业的TFP平均值为1.034，平均增长率为3.4%，比前面的阶段有所降低，其中2016—2017年的TFP指数小于1。对生产者服务业的贡献率受到了2016—2017年TFP负增长的影响，下降为35.6%。（2）对这两个阶段江苏生产者服务业的TFP进行分解发现，在2008—2012年，除了规模效率为0.995之外，技术变化TC为1.072，是TFP增长的主要因素，技术效率变化EC和纯技术效率PEC都略大于1，对TFP的增长都有帮助。在2013—2017年，几个指数都大于1，都起到了微弱的作用，但是技术变化TC下降为1.023，最终导致这一阶段的生产者服务业TFP下降。
为了分析江苏服务整体和生产者服务业TFP指数的变化规律，本文把这两者放在一起进行比较，如表3所示。从表3中可以看出，生产者服务业TFP的变化趋势一致，其增长率要大于服务业整体，说明生产者服务业对服务业整体的效率增长有拉动作用。在2008年—2012年，生产者服务业TFP的每一个分解指数都高于服务业整体，可以说每一个分解因素都起到了拉动作用。而在2013—2017年，除技术变化TC低于整体之外，生产者服务的其他分解指数大于服务业整体，技术变化的降低减弱了对服务业整体TFP的拉动作用。
2.2.2 江苏服务业细分行业的全要素生产率变化
2008—2017年，江苏服务业14个细分行业除金融业之外的全要素生产率都是上升的，由于统计标准的变化，本文分两个阶段来使用DEA模型进行测算，对每个阶段的TFP及其分解效率指数、产出增长率、TFP贡献率值进行了几何平均，做成柱状图，直观和方便比较。
从图1中可以看出，（1）在2008—2012年，服务业各细分行业的增长率都超过10%，最高的租赁和商务服务业增长率达到25.9%。在全要素生产率的贡献率方面，较低的表现是金融业0，信息传输、软件和信息技术服务业5.6%，住宿和餐饮业7.8%，各自的全要素生产率也比较低，分别为0、1.01、1.01;贡献率较高的表现是卫生和社会工作50.2%，公共管理、社会保障和社会组织60.2%，教育80.2%，对应的TFP也较高，分别为1.075、1.069、1.116。（2）从各行业的TFP分解指数可以看出，TFP≥1，技术变化TC≥1，技术效率EC≤1，规模效率变化SEC≤1 。得出结论，技术效率EC在TFP增长中起了负作用，导致技术效率较低的原因之一是规模效率比较低，这可以说是这一阶段拉低服务业TFP的主要因素。在SEC较低的同时，有的行业PEC也较低，也构成了拉低TFP的一个因素，这些行业包括住宿和餐饮业，科学研究和技术服务业，信息传输、软件和信息技术服务业。金融行业是比较特殊的，几个指数都为1，其增长和TFP无关，全部来自于要素投入。
从图2中可以看出，（1）在2013—2017年，除住宿和餐饮业之外，各行业的平均增长率较上一阶段有所下降，这和宏观经济环境的调速降档是一致的。再看TFP的贡献率，大部分行业的贡献率是增加的，最突出的是交通运输、仓储和邮政业，TFP贡献率达到105.9%，这也和行业增长率较低有关。租赁和商务服务业、科学研究和技术服务业、教育、卫生和社会工作、公共管理、社会保障和社会组织这些行业的TFP贡献率下降，对应的TFP指数值也有所降低。TFP增长率高于前一阶段的行业有批发和零售业，住宿和餐饮业，信息传输、软件和信息技术服务业，房地产业，水利、环境和公共设施管理业，居民服务、修理和其他服务业，文化、体育和娱乐业。（2）除金融业之外，所有行业TFP>1， TC>1，EC产生分化，有些行业的EC>1，说明行业的技术效率有所提升，它们是批发、住宿、租赁、科学、教育、卫生、公共行业。而交通、房地产、水利和文化产业的技术效率依然小于1，其中交通和水利的规模效率和纯技术效率都小于1，需要从这两方面提高;房地产和文化产业要从规模效率上来提升TFP。金融行业作为重要的生产者服务业，其TFP=0.991，TC=0.991，TFP的下降是因为技术变化小于1，缺乏技术进步和创新，这是值得我们去思考的。 细分行业TFP及其效率分解指数、TFP贡献率都具有较大的异质性，应该针对具体行业进行细致分析，这将作为本研究以后的方向。
3 结论与建议
3.1 通过提高规模效率来提高技术效率，进而提高江苏服务业TFP
江苏服务业整体TFP呈增长趋势，2013—2017年的平均TFP小于2008—2012年，服务业的增长中，TFP的贡献率有待提高。服务业整体TFP的提高主要源于技术进步;由于规模效率降低，纯技术效率不变，技术效率所起的作用基本为负。由此可以得出，通过提高规模效率的途径来提高技术效率，从而提高江苏服务业整体的全要素生产率。
3.2 促进生产者服务业的技术进步，提高生产者服务业乃至整个服务业的TFP
生产者服务业TFP的变化趋势与服务业整体是一致的，其增长率要大于服务业整体，说明生产者服务业对服务业整体的效率增长有拉动作用。在2008—2012年，生产者服务业TFP的每一个分解指数都高于服务业整体，可以说每一个分解因素都起到了拉动作用。在2013—2017年，生产者服务的其他分解指数大于服务业整体，而技术变化低于整体，减弱了对其服务业整体TFP的拉动作用。后续应该从提高生产者服务业的技术进步入手，来提高生产者服务业乃至整个服务业的TFP。
3.3 细分行业具有较大的异质性，需采取不同策略
细分行业TFP变动、 TFP贡献率以及TFP分解指数都具有较大的异质性。除金融业之外，各细分行业TFP都呈增长趋势，都有正的技术进步。在2008—2012年，技术效率在TFP增长中起了负作用，导致技术效率较低的原因之一是规模效率比较低，这是这一阶段拉低服务业TFP的主要因素。在规模效率较低的同时，有的行业资源配置效率较低，也构成了拉低TFP的一个因素。在2013—2017年，服务业各行业随宏观经济调速降档，有些行业的技术效率提高，体现了高质量增長，它们是批发、住宿、租赁、科学、教育、卫生、公共行业。交通和水利需要从规模效率和资源配置效率这两方面提高;房地产和文化产业要从规模效率上来提升TFP。金融行业作为重要的生产者服务业，缺乏技术进步和创新，从技术上来讲是落后了，这值得我们去深入探究其原因并思索提升的对策。
参考文献
郭庆旺，贾俊雪.中国全要素生产率的估算：1979～2004[J].经济研究，2005（06）：51-60.
原毅军，宋洋.服务业产业集聚与劳动生产率増长——基于中国省级面板数据的实证研究[J].产业经济评论，2011（02）：50-61.
谭洪波，郑江淮.中国经济高速增长与服务业滞后并存之谜——基于部门全要素生产率的研究[J].中国工业经济，2012（09）：5-17.
户艳辉.服务业全要素生产率及影响因素分析[J].统计与决策，2013（05）：103-106.
李程骅.探索服务业引领城市转型的“江苏路径”[J].唯实，2013（04）：58-61.
吴福象，朱蕾.技术进步、结构转换与区域经济增长——基于全国、广东和江苏投入—产出表数据的实证研究[J].上海经济研究，2014（01）：18-28.
郑江淮.收敛性与异质性：服务业发展趋势[J].北京工商大学学报（社会科学版），2015，30（06）：12-21.
刘志彪.现代服务业发展与供给侧结构改革[J].南京社会科学，2016（05）：10-15+21.
成刚.数据包络分析方法与MaxDEA软件[M].北京：知识产权出版社，2017.