我国生产性服务业发展及制造业竞争关系探究.docVIP

我国生产性服务业发展及制造业竞争关系探究【摘 要】本文根据我国2000～2008年的职工人数、固定资产等经济数据，文章运用数据包络分析法（Data Envelopment Analysis，DEA）构建了能够反映各地区制造业综合竞争力的效率评价指标。然后利用效率指标以及生产型服务业的外延数据构成面板数据（Panel Data）建立模型。通过实证分析，得到以下结论：中国生产性服务业发展将有利于提升制造业竞争力，其中金融保险业较能发挥提升制造业竞争力的作用。 【关键词】生产性服务业；制造业竞争力；数据包络分析；面板数据 从上世纪80年代以来，西方国家的经济结构就已经发生了较明显的变化，服务业已经成为这些国家经济增长的主导产业部门，其中密集使用信息的生产性服务业的发展尤为突出，而且有向大都市群聚化的趋势。本文计划采用我国生产性服务业发展与制造业竞争力关系的实证分析来证明：在开放型经济中的我国生产性服务业发展对制造业竞争力有较强的促进作用，并根据实证分析的结果对未来中国生产性服务业发展提出合理化建议。 一、计量方法简介 本文通过对制造业的具体分析以及其统计指标体系的构建，较清晰地看到，制造业可以看成一个个单元在一定可能的范围内，通过一定数量的投入而产出一定数量的“产品”的活动。而从“投入”到“产出”需要经过一系列决策才能实现，所以这一个个单元可称为数据包络分析技术中的决策单元（Decision Making Units，DMU），它们作为同类型的DMU，具有以下特征：（1）相同的制造业发展目标，相同的可持续快速发展的任务；（2）相同的竞争和机遇并存的环境：面对来自周边地区强有力的制造业发展态势的挤压。（3）相同的多输入――多产出指标。本文采用扩展DEA模型――超效率（Super efficiency）评价模型。该模型能够对DEA有效的单元进行排序。传统的C2R模型和超效率DEA形式分别见式（1）和式（2）如下： 其基本思想是在进行第k个决策单元效率评价时，使第k个决策单元的投入和产出被其它所有的决策单元投入和产出的线性组合替代，而将第k个决策单元排除在外，前面的模型是将本单元包括在内的。一个有效的决策单元可以使其投入按比例的增加，但效率值保持不变，其投入增加比例即其超效率评价值。一般面板数据模型，模型可以表示为：yit=αit+βitTxit+μit，i=1,N；t=1,T（3），其中：xitT=(x1it,x2it,xKit)为变量向量，βitT=(β1it,β2it,βKit)为参数向量，K为变量个数，T是时期数，随机扰动项μit相互独立，且均值为零，同方差。假定时间序列参数齐性，即参数满足时间一致性，也就是参数值不随时间的不同而变化，则模型可写为：yit=αi+βiTxit+μit（4），其中αi与βi的取值只受到截面单元的影响。这样，在参数不随时间变化的情况下，假设回归参数系数和截距都相同，即得到模型的基本设定形式为：yit=α+βTxit+μit，i=1,N；t=1,T（5） 二、生产性服务业发展与制造业竞争力关系的实证分析 根据数据的可得性，本文选择样本时序区间为2000年到2008年，截面样本包括中国大陆除去西藏的30个省（市、区），原始数据来源于各自对应年份的《中国统计年鉴》。之所以除去西藏，原因有两点：第一，西藏地广人稀，工业方面的很多统计数据缺乏或不够全面；第二，西藏的农业、旅游业资源比较丰富，也有少数制造业，但其各方面对整个经济的贡献率都是很小的。这样做可以避免异常值存在对实证结果的影响。本文中把相对劳动生产率（平均产值/平均工资）、成本费用利润率以及总产值贡献率作为DEA方法设定的产出，投入则包括职工人数、固定资产、流动资产以及“三废”综合利用产品产值。其中“三废”综合利用产品产值是一种再投入的表现，各地区技术水平上的差距会造成这种投入带来产出的变化较大，所以引入这个量具有一定的合理性。从全国来看，在这段时间内，我国制造业效率水平在不断上升，由0.8134上升到0.8755。各省市间的的效率相对差距即呈现先减小后缓慢扩大的趋势，但变化幅度不大，其中2008年各省市效率相对差距最小，标准差为0.1759。从区域来看，西、中、东北、东部地区效率值依次增大，东部地区由于集中了大部分高学历、高技术人才和来自各方面的资金投资相对较多，所以效率水平明显高于东北、中、西部地区，这与我国目前的区域发展总体战略目标大体相一致。那么我国现在正倡导并努力形成的合理区域发展格局是：继续推进西部大开发，振兴东北老工业基地，促进中部地区崛起，鼓励东部率先发展。东部地区发展是支持区域协调发展的重要基础，要在率先发展中带动和帮助中西部地区发展。可见我们国家的战略实施卓有成效。 注：东部地区