朱建涛，祖明，张 军

(安徽工业大学商学院，安徽马鞍山243032)

当前，我国正处于产业调整及转型升级的发力期，一方面，调整我国的产业结构，逐步提升第三产业对经济发展的贡献力度，提高服务业的服务客体能力，发展高级服务外包，打造“中国服务”[1]；另一方面，在确保发挥制造业对经济发展支柱作用的同时，逐渐引导其向价值链高端衍进，增强其对市场的黏度，实现制造业的高质量发展[2]。现有研究表明，制造企业单方面难以应对市场的不确定性变化及顾客多样化的需求，制造业在转型升级过程中需要源于知识密集型服务业的支撑作用[3-5]。

科技服务业以专业性的知识或技能向社会其他行业提供服务[6]，其水平象征我国高端服务业的发展状况，是我国服务走向世界的一张“明信片”。此外，科技服务业可弥补制造业转型升级的创新和管理能力不足，以及为产品贴合市场多样化需求的服务化提供保障[7-8]。现有关于科技服务业的研究多从科技服务业评价指标的构建、科技服务业产业集聚及科技服务业对其他相关产业（如制造业、高新技术企业等）的影响方面着手。科技服务业评价指标的构建主要有定性和定量的方式，定性研究主要是基于专家意见或文献梳理，构建科技服务业的发展水平评价体系[9-10]；定量研究主要通过因子分析提取主成分因子，再结合其经济意义对析出的主成分因子进行命名[11-12]。针对科技服务业产业集聚，部分学者探究了影响科技服务业空间集聚的因素[13-14]；部分学者研究了科技服务业集聚对制造业升级、制造业效率的积极影响[15-16]；时省等[17]实证研究了包括科技服务业在内的多种知识密集型服务业对高新技术产业创新效率的影响。

现有的研究丰富了科技服务业的评价体系和方法，讨论了科技服务业与制造业等的联合互动作用，但仍存在不足:第一，针对科技服务业评价体系的指标选取过于泛化，往往难以真实反映某省科技服务业的发展在全国的排名，或省际之间的相互比较；第二，鲜有关于科技服务业投入产出效率的研究，张恒等[18]分析了科技服务业五大细分行业的科技服务业效率，但没有区分不同细分行业权重差异，难免会使噪声增多，从而影响结果的准确性[10]；第三，缺乏针对科技服务业效率影响因素的实证研究。综上，为减少科技服务业效率估算中的噪声[19]，文中选取更为直接、明确的投入和产出变量，在对科技服务业效率进行静态和动态分析的基础上，评估科技服务业效率，实证研究影响科技服务业效率的主要因素，并提出相关政策建议。

1 评估方法与变量选取

1.1 评估方法

通过数据包络分析(data envelopment analysis，DEA）模型进行效率评估，即在数据点的基础上构造一个非参数的包络前沿，使所有观测的数据都在生产前沿的上面或下面，进而确定某一决策单元效率是处于有效还是无效状态，效率值等于1为有效，小于1则无效。Malmquist指数可用来评估生产率变化，指数值大于1表示从t到t+1期一个正的全要素生产率的增长，可分解成技术进步和综合技术效率，综合技术效率又可分为纯技术效率和规模效率。

1.1.1 DEA模型

DEA模型有投入导向和产出导向，投入导向即保持产出不变，意在通过改变生产要素的投入来增进效率，产出导向则相反。鉴于我国各省对各自科技服务业的发展情况了解不深，但又需不断加大科技服务业的投入，故认为从投入角度分析各省的科技服务业效率更具现实意义。BCC(Banker,Charnes and Cooper ratio model)和CCR（Charnes,Cooper and Rhodes ratio model）是DEA 效率分析的两个基本模型，文中选取规模报酬可变的BCC模型探究各省科技服务业的纯技术效率和规模效率的变化情况，引进非阿基米德无穷小量的CCR模型，如:

1.1.2 Malmquist指数

Malmquist指数是通过相邻两期距离函数的比率来计算投入产出效率，可对不同时期的动态生产率TFPCH进行评价，计算式为[20]:

式中:TTECH为全要素生产率变化；d0为距离函数；EFECH为综合技术效率变化；TECH为技术进步变化；SECH为规模效率变化；PTECH为纯技术效率变化；t 和t+1代表两个相邻年份。

1.2 科技服务业效率评估变量的选取

为能确切评估科技服务业效率，根据已有研究的指标选取及数据的可得性，通过综合比对31省(自治区、直辖市)的统计年鉴、《中国统计年鉴》和《中国第三产业统计年鉴》，为保持数据口径的一致性以及科技服务业影响因素分析指标的多样性，选取31省(自治区、直辖市)统计年鉴和《中国统计年鉴》作为数据来源。在确保统计口径基本一致的条件下，选取北京、天津、山西、内蒙古、浙江、安徽、山东、河南、海南和宁夏10省(自治区、直辖市)作为分析对象。结合《国家科技服务业统计分类(2018)》对科技服务业的划分标准及我国各省对该分类的统计工作实际实施情况，选取“信息传输、软件和信息技术服务业”。“科学研究、技术服务和地质勘探业”两个最能表征科技服务业水平且数据可得的子行业，用两行业数据加总代表科技服务业数据。以科技服务业固定资产投资(亿元)、科技服务业城镇从业人员(万人)作为投入变量，以科技服务业产值(亿元)作为产出变量，样本期间为2010—2017年。

2 科技服务业效率评估结果及分析

2.1 静态分析

采用2010—2017年我国10省(自治区、直辖市)科技服务业的相关数据，使用DEAP2.1软件，选择投入导向的VRS模型对其科技服务业效率进行静态分析，结果见表1。

表1 2010—2017年10省(自治区、直辖市)科技服务业效率Tab.1 Efficiency of provincial science and technology service industry in 10 provinces(autonous regions and municipalities)from 2010 to 2017

续表1

2.1.1 综合技术效率评估结果

图1 为2010—2017 年安徽等10 省（自治区、直辖市）科技服务业3 类效率得分平均值的变化趋势。由图1 可看出:总体上，2014 年前，10 省（自治区、直辖市）科技服务业的平均综合技术效率（综合技术效率=纯技术效率×规模效率）先上升后下降，2014 年后则持续上升；具体上，平均综合技术效率较低主要缘于平均纯技术效率较低而非平均规模效率。2011年8月科技部火炬中心组织推动科技创新服务体系建设试点工作，对于试点建设提出一系列规模上的要求，并首批遴选了中关村科技园区等21 个试点园区和深圳市等4 个试点城市，这在一定程度上刺激了各省对科技服务业的规模投入，在原科技服务业投入不足的背景下，使得2012 年10 省（自治区、直辖市）平均规模效率得到迅速提高，进而促使当年综合技术效率达到最高。

图1 2010—2017年10省(自治区、直辖市)3种技术效率得分平均值Fig.1 Average scores of three technical efficiency in 10 provinces(autonous regions and municipalities)from 2010 to 2017

图2 2010—2017年10省(自治区、直辖市)平均综合技术效率Fig.2 Average comprehensive technical efficiency in 10 provinces(autonous regions and municipalities)from 2010 to 2017

2010—2017 年10 省(自治区、直辖市)科技服务业综合技术效率见图2。由图2 可看出:我国10 省（自治区、直辖市）之间的科技服务业综合技术效率差异较大，且地域特征显著，超过10 省(自治区、直辖市)综合技术效率平均水平的有5个，其中北京达到技术有效；其余5个低于10省(自治区、直辖市)综合技术效率平均水平，3 省来自中部地区(山西、安徽、河南)。由此可见，与经济欠发达的地区(如中部地区)相比，经济发达的地区(北京、天津、浙江)科技服务业的综合技术效率更高。

2.1.2 纯技术效率评估结果

纯技术效率反映在科技服务业规模不变的前提下，各省科技服务业管理、技术水平的高低及其规划的合理程度。由图1可看出:10省(自治区、直辖市)科技服务业的平均纯技术效率在2010—2017 年呈不稳定的波动状，其中2011 年效率最高，为0.82，2013 年效率最低，为0.731；平均纯技术效率的变化与平均规模效率的变化呈负相关。可见，规模的投入并不必然带来综合效率的提升，而是要将管理和技术水平与当前规模相匹配。2010—2017 年10 省(自治区、直辖市)平均纯技术效率如图3。由图3可看出，2010—2017年平均纯技术效率高于10省(自治区、直辖市)平均值的有5个(北京、天津、浙江、山东、宁夏)，其中北京和宁夏达到技术有效，隶属中部地区(山西、安徽和河南)的省份其纯技术效率低于10省(自治区、直辖市)均值。

图3 2010—2017年10省(自治区、直辖市)平均纯技术效率Fig.3 Average net technical efficiency in 10 provinces(autonous regions and municipalities)from 2010 to 2017

2.1.3 规模效率评估结果

规模效率反映在投入一定的条件下，实际规模下的产出量与最优规模下产出量的差距。规模效率值越大，表明该省的生产规模与最优生产规模越接近。图1表明:2010—2017年10省(自治区、直辖市)平均规模效率的变化趋势，2014年前呈不稳定的波动状，说明科技创新服务体系建设初期，多数省份仍处于规模建设的探索阶段，尚不知悉向最优规模发展的方向；2014年后，则呈平稳上升趋势。综合来看，2012—2017年我国科技服务业实际规模与最优规模历经了由“趋合”—“分离”—“趋合”的过程，且2014年后“趋合”态势愈发明显。

图4 为2010—2017 年10 省(自治区、直辖市)平均规模效率。由图4可知，山东、海南及宁夏的平均规模效率低于10省(自治区、直辖市)均值，结合表1中规模收益指标变化情况可知，海南和宁夏均为规模收益递增，表明现阶段科技服务业规模低于最优规模，是导致这两省科技服务业综合技术效率较低的重要原因。而山东则不同，其规模收益大多数年份为递减类型，因此，造成山东省规模效率较低的原因是其规模超出现阶段能够有效利用的最大规模。

图4 2010—2017年10省(自治区、直辖市)平均规模效率Fig.4 Average scale efficiency in 10 provinces(autonous regions and municipalities)from 2010 to 2017

2.2 动态分析

为动态反映科技服务业的发展状况，评估2010—2017年10省(自治区、直辖市)科技服务业全要素生产率变动指数及其分解指标。表2为2010—2017年间10省(自治区、直辖市)科技服务业生产率及其分解指标具体变化情况。

表2 2010—2017年10省(自治区、直辖市)科技服务业生产率及其分解指标Tab.2 Productivity change index and breakdown index of science and technology service industry in 10 provinces(autonous regions and municipalities)from 2010 to 2017

由表2 可看出，2010—2017 年，10 省(自治区、直辖市)科技服务业全要素生产率变动指数的平均值为1.093，平均增长率为9.3%。其中，2011—2013 年为负增长，2013—2016 年正向增长，增长率最高达20.8%。这一结果表明，近年来各省科技服务业的发展有跨越“粗放式”，逐步走向“集约式”的迹象。

从全要素生产率变动的分解指标看:10 省(自治区、直辖市)科技服务业技术进步平均以8.3%的速度增长，且增长指数超过1的区间占绝大多数；而综合技术效率平均以0.9%增长。说明科技服务业发展主要依靠技术进步的支撑，技术进步带来的贡献远大于综合技术效率，换句话说，现有技术对科技服务业的发展起了拉动作用。

对纯技术效率和规模效率的变动分析发现，纯技术效率和规模效率均呈波动增长态势，并且呈此起彼伏的态势波动，这与静态分析中两者呈负相关变化一致。表明10省(自治区、直辖市)对科技服务业的发展仍处于不断探索阶段，“头疼医头，脚痛医脚”的现象明显，对制度和管理水平的提升与现有规模和最优规模之间差异的调整存在冲突。但值得注意的是，2016—2017年的纯技术效率和规模效率均呈正向增长，这表示近年在科技服务业制度和管理与规模之间的不断尝试有新的突破，科技服务相关平台管理的规范化力度不断加大，对规模进行有效调整的成果显著。

2.2.1 科技服务业全要素生产率

为分析科技服务业生产率变动的省际差异，评估2010—2017年10省(自治区、直辖市)科技服务业的全要素生产率变动及其分解指标情况，结果如表3。由表3可知:2010—2017年10省(自治区、直辖市)的科技服务业全要素生产率的平均增长均在4%以上，这与近年各省加大力度发展科技服务业的相关举措相一致；北京、天津的增势不及山西、内蒙古、浙江、安徽和宁夏。一定程度上是北京和天津的科技服务业历来在纯技术效率和规模效率上高于其他省份，其科技服务业始终保持在较优的规模上经营并拥有较为有效的管理、制度等，因而在全要素生产率的增幅上不及其余省份。

表3 2010—2017年各省(自治区、直辖市)科技服务业生产率及其分解项变化均值Tab.3 Average change of productivity index and breakdown index of science and technology service industry in each province(autonous regions and municipalities)from 2010 to 2017

2.2.2 科技服务业技术进步和综合技术效率

从表2，3 中的分解指标来看:2010—2017 年10 省(自治区、直辖市)的科技服务业的技术进步指数均大于1，且大于综合技术效率，表明10省(自治区、直辖市)科技服务业均有不同程度上的科技进步，但科技水平与管理水平、产业规模等的有效匹配尚不足；山西、安徽、河南等经济欠发达中部地区的技术进步指标大于北京、天津等经济发达地区。

进一步分析表2，3可看出:北京的综合技术效率一直维持在稳态，山西、内蒙古、浙江和宁夏的综合技术效率为正向增长，其余省份的效率增长则略显不足；5省的纯技术效率呈负向变动；规模效率上升是科技服务业综合技术效率增长的主要因素，其中北京始终维持规模有效，天津规模效率呈负向变动，其余省的规模效率变动值均大于1，也即表明大多数省科技服务业的规模已逐步向其能够有效利用的最优规模趋近。

2.3 科技服务业效率影响因素分析

2.3.1 指标选取与说明

结合前文静态分析和动态分析的结果可知，人才、管理、产业规模及其有效配置等是影响科技服务业发展的重要因素。结合文献[10]，并考虑数据的可获性，选取以下影响10省(自治区、直辖市)科技服务业效率的因素进行分析:

1)科技服务业固定资产投资 能够在一定程度上反映各省科技服务业的规模；

2)科技服务业城镇从业人员平均工资 是激励科技服务业从业人员工作的重要因素；

3)R&D人员全时当量 指全时人员数加非全时人员数按工作量折算为全时人员数的总和，用以表征科技从业人员的实际工作时长，能够体现科技服务业人力支撑环境；

4)地方财政科技拨款 表征各省对科技行业的支持程度，能够体现科技服务业地方财政支撑环境；

5)R&D内部经费支出 表征各省科技行业内部用于研发的经费投入，可体现科技服务业的研发环境。

采用上述变量可从人才、规模及资源配置方面较为全面地探究影响科技服务业效率的因素。

2.3.2 模型的构建与实证结果分析

为实证分析影响科技服务业效率的因素，构建如下回归模型:

其中:C 为综合技术效率；V 为纯技术效率；S 为规模效率；I 为固定资产投资；W 为城镇从业人员平均工资；T为R&D人员全时当量；L为地方财政科技拨款；F为R&D内部经费支出；i为地区；t为年份。考虑到不同变量的数量级问题，回归前将所有变量取对数。经豪斯曼检验，采用随机效应模型更合适，在回归前修正标准误，回归结果如表4。

表4 科技服务业效率影响因素的回归结果Tab.4 Regression results of factors influencing efficiency of science and technology service industry

固定资产投资对各类效率的影响均为负向显著。科技服务业属于知识密集型产业，固定资产投资量的增加并不能提高服务人员的知识或技术水平。此外，固定资产投资的加大虽能弥补“硬资产”(如科技服务业的厂房建设、占地面积等)的不足，但并不能促进“软资产”(科技服务从业人员数、员工工作积极性等)的提升，易加剧由于现有规模与最优规模不匹配而反噬其规模效率。由于资源的稀缺性，固定资产投资的增多将直接导致企业在管理、服务、员工激励、R&D项目等方面投入的降低，致使纯技术效率降低。

城镇从业人员平均工资对综合技术效率和纯技术效率均存在显著的正向影响，而对于规模效率的影响呈负向。工资水平的提高对科技服务业从业人员起到激励作用，因此效率水平提升。但由于资源的有限性，随着支付给员工工资总量的提升，用于购买设备、建设场地的费用相应减少。而由静态分析中规模效率指标可知，多数省在2010—2016年间仍处于规模递增或不变状态，规模投入非但不能减少，还应该增加。因此，城镇从业人员平均工资负向影响规模效率。

R&D 人员全时当量对综合技术效率和纯技术效率的影响并不显著，而对规模效率存在显著的负向影响。科技服务业的产出往往涉及科技成果的转化，如专利的发明、科技项目的运营等，科技成果产出的长周期性特点使得R&D人员全时当量对综合技术效率和纯技术效率的正向影响不显著，而R&D人员全时当量的增加势必引起人力资源成本的上升，从而限制科技服务业的规模发展。

地方财政科技拨款对科技服务业的综合技术效率和纯技术效率存在负向的显著影响，对其规模效率的影响不显著。地方财政拨款主要用于服务平台的建设与补贴作用，以安徽省服务平台为例，主要存在融资渠道不畅、创新动力不足、创新人才匮乏、创新资源短缺和创新环境不佳等状况[21]，地方政府主要以财政拨款的形式来支持各地服务平台的发展。但这很大程度上只能维持平台的运营，并不能促使其综合技术效率（特别是纯技术效率）的提升，相反，平台有了政府的“兜底”，很多情况下便不愿花费代价去孵化具有长周期性的科技成果，进而不利于其纯技术效率的提升。同样地，企业也不愿将这份“保障金”用于服务平台规模的扩建，以避免入不敷出。因此，地方财政科技拨款对地方科技服务业的规模效率影响不显著。

R&D内部经费支出对各类效率影响均正向显著。R&D内部经费支出的增加表示用于R&D项目、管理、服务等支出增多，不仅激发科技服务人员的工作热情，利于纯技术效率的提升，且促进科技服务业规模发展，进而解决规模不足导致的规模效率低下问题。

2.3.3 模型稳健性检验

采用剔除省份及替换变量两种方法对模型进行稳健性检验。剔除宁夏自治区后，模型的检验结果与全样本进行回归所得结果一致；将“科技服务业固定资产投资”用“科技服务业法人单位数”替换的回归结果表明，除“R&D人员全时当量”系数由正向不显著变为正向显著外，其余系数未发生明显变化。因此，本文研究模型总体上具有良好的稳健性。

3 主要结论与启示

基于2010—2017 年10 省(自治区、直辖市)科技服务业的数据，从静态和动态两个角度评估10 省(自治区、直辖市)的科技服务业效率及其变动情况，实证分析影响科技服务业综合技术效率及其分解项的重要因素，得到如下主要研究结论与启示。

1)从静态角度来看，各地科技服务业发展中，政府的政策导向性明显，尚未构建良好的市场机制。结合本课题组对安徽省科技服务业管理工作的相关政府部门和科技服务业企业的调研发现，政府仍扮演“兜底”角色，并且针对科技服务业的合理管理机制和体系还未建成。科技服务业的发展存在“马太效应”，即相较于经济欠发达地区，经济发达地区(北京、天津和浙江)的科技服务业发展状况明显较好。而由于相关发展政策的刺激以及科技服务型企业的逐渐觉醒，我国科技服务业的规模发展(实际规模与最优规模的差异)历经了“趋合”—“分离”—再“趋合”的过程，且2014年以后的“趋合”态势愈发凸显。换言之，从投入和产出指标的选取角度出发，如何在固定资产投资和从业人员一定的条件下，发挥科技服务业对其他行业在科技和知识方面的支撑作用，从而增加科技服务业产值，是各地科技服务业效率提升的必由之路。进一步来说，政府政策导向的重心要由促进科技服务业的规模发展转变为集约式发展，要出台促进科技服务业与制造业等融合发展的相关政策，从而突出科技服务业的服务功能。但也要保障市场的主体地位，逐渐卸去“兜底”负担，这也有助于避免“劣币驱逐良币”等不良现象的发生。

2)从动态角度来看，技术进步是促进全要素生产率提升的主要因素，相邻省(自治区、直辖市)的技术进步变化程度相近(如北京1.08，天津1.078；安徽1.091，山东1.09)，表明邻近地区科技服务业发展的空间溢出效应要大于“虹吸效应”，这与沈能[22]对生产性服务业的研究结论相呼应，即相邻地区科技服务业的发展对于本地区科技服务业的发展有促进作用。此外，经济欠发达地区的技术进步程度大于发达地区现象，以技术进步拉动科技服务业的发展是经济欠发达地区应对科技服务业发展困境的主要手段。将现有技术与科技服务业发展相融合的人才、管理经验和能力方面仍存在短板。政府可通过对高新技术和现代管理人才的引进，来培养科技服务业企业的技术利用和资源整合能力。此外，地方政府要加强和周边地区针对科技服务业发展的经验交流，促进区域间的知识溢出[23]。

3)科技服务业效率的影响因素分析结果表明，由于科技服务业轻资产的特点以及各地政府对科技服务业规模优化能力的不足，使我国科技服务业的固定资产投入量逐年增加，但无论是对综合技术效率、纯技术效率还是规模效率，均存在反噬现象。相反，“软”投入能够带来综合技术效率的显著提升。此外，综合技术效率的分解指标表明，城镇从业人员平均工资和R&D人员全时当量的投入量要把握好度，因为科技服务企业资源的有限性限制了纯技术效率和规模效率的同步增长，并且以“此消彼长”的态势变化。最后，地方政府科技服务业的发展要有长远规划，不能因噎废食，如R&D人员全时当量对纯技术效率无显著影响，但应当考虑其技术研发和成果转化的长周期性特征，不能与其他影响因素一概而论。

4)总的来看，10省(自治区、直辖市)科技服务业效率及全要素生产率的变化情况表明，近年我国科技服务业的发展状况在不断改善，针对科技服务业发展的支持性政策不断出台，科技服务业的投入量不断增多，科技服务业发展的生态环境逐步优化，如各地针对服务型平台的建设与规范化培训活动的开展，以及有利于各地科技服务业开展广泛交流的空间溢出效应的存在。但是，各地在科技服务业的发展过程中也呈现出一些问题，如依赖于政府的“兜底”保障，以及科技服务业发展存在明显的“马太效应”，将现有技术与科技服务业发展相融合的人才、管理经验等方面的突出短板等。总之，科技服务业的发展要有全局性，各地政府要打通交流渠道，规范科技服务业的管理，将科技服务业的发展与制造业高质量发展等问题相融合，充分发挥科技服务业对其他行业的支撑作用。