基于DEA方法的辽宁服务业投入产出效率研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于DEA方法的辽宁服务业投入产出效率研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

〔摘 要〕本文应用数据包络分析（DEA）方法中的C2R模型对我国31个省区2010年服务业的投入产出效率进行了分析，研究发现：我国大部分省区服务业投入产出效率存在提升空间；影响服务业综合技术效率的主要因素是规模效率；服务业投入产出无效省区大部分处于规模报酬递增状态；辽宁的综合技术效率和纯技术效率均低于全国平均水平，规模效率则高于全国平均水平。根据分析结果，本文提出了提高辽宁服务业投入产出效率的建议。

〔关键词〕服务业；投入产出效率；DEA

中图分类号：F223；F719 文献标识码：A 文章编号：1008-4096（2013）03-0039-05

一、引 言

服务业发展水平是衡量一个地区综合竞争力和现代化水平的重要标志。根据配第—克拉克定律[1]，随着人均国民收入的增长，劳动力最先由第一产业向第二产业转移，当人均国民收入进一步增长时，劳动力会由第一产业和第二产业向第三产业转移。伴随劳动力结构的变化，产业结构也逐渐向高级化、合理化方向转换。长期以来，以重工业闻名的东北老工业基地辽宁，服务业一直是其经济发展的短板。“十一五”期间，省委、省政府高度重视服务业发展，并把发展服务业作为实现辽宁老工业基地全面振兴的重要支撑。辽宁服务业开始迅猛发力，正逐渐告别短板称号，服务业增加值年均增长12.7%，提前一年实现了“十一五”规划所确定的主要指标。2011年，辽宁服务业在地区生产总值中所占比重达到39.8%。辽宁“十二五”规划明确提出，“十二五”期间要把发展服务业作为推动产业优化升级的重要支撑，进一步推进结构调整，加强服务业集聚区和重大项目建设，不断提高服务业在国民经济中的比重，力争使服务业增加值年均增速超过地区生产总值增速，到2015年达到1.5万亿元，占地区生产总值的比重达到42.0%以上。

那么，辽宁服务业发展水平在全国究竟处于一个什么样的位置？辽宁服务业竞争力不足的主要原因是什么？依靠增加资本和劳动力投入能够有效提升服务业竞争力吗？客观评价辽宁服务业的发展水平，找出其竞争力不足的关键原因，对于辽宁服务业的长远发展具有重要意义。

近年来，有关服务业投入产出效率的定量研究并不鲜见，比较有代表性的研究包括：杨向阳和徐翔[2]利用超越对数生产函数模型，对1990—2001年我国服务业的生产率与规模报酬状况进行了定量分析，并计算了决定资本和劳动两种投入要素的边际产出弹性、替代弹性与边际生产率，最后分析了该结果对我国服务业发展的政策含义。索贵彬和张晓林[3]运用超效率DEA方法对2002年我国各省区的服务业竞争力进行了评价，并对我国服务业发展地区差异较大的原因进行了剖析。顾乃华和李江帆[4]借助随机前沿生产函数模型，利用面板数据分析了我国服务业技术效率的区域差异及其对服务业区域发展不均衡的影响，研究表明，导致我国服务业区域发展失衡的主要原因是东、中、西部服务业技术效率存在显著差异，并在此基础上提出了缩小服务业发展地区差距的建议。吴俊杰[5]运用DEA方法从相对效率的角度对长三角地区16个城市的服务业竞争力进行了分析，根据各城市的规模收益与投入冗余率分析了相对无效率城市竞争力不足的原因。

总之，现有研究采用不同方法对我国服务业的效率进行了分析，对于全面了解我国服务业发展现状，制定提升服务业竞争力的政策措施具有积极意义。但客观地说，上述研究也存在以下不足：

从研究对象来看，上述文献既有对全国服务业竞争力的总体研究，也有对某个地区服务业效率的研究，但还没有学者对辽宁服务业竞争力做过系统全面的评价，仅有的研究也是以定性分析为主，如张春光[6]，缺乏定量研究。从模型假设来看，上述研究在应用DEA方法时均采用了规模报酬不变的假设，这意味着当各省增加服务业投入时，服务业的产出将等比例增加，这显然不符合我国服务业快速发展的现状。鉴于此，本文采用DEA方法中的C2R模型，对2010年我国31个省区服务业的投入产出效率进行了综合评价，并将服务业投入产出效率分解为综合技术效率、纯技术效率和规模效率，以充分了解辽宁服务业的相对发展水平和投入产出效率不高的关键原因，为提升辽宁服务业的竞争力提供有价值的参考。

二、DEA方法及C2R模型

数据包络分析（Data Envelopment Analysis，DEA）是以相对效率概念为基础，根据多指标投入和多指标产出对相同类型的决策单元（Decision Making Units，DMU）进行相对有效性或效益评价的一种系统分析方法。DEA方法应用数学规划模型计算比较决策单元之间的相对效率，对评价对象做出评价，不仅可对同一类型决策单元的相对有效性做出评价与排序，还能够进一步分析各决策单元非DEA有效的原因及其改进方向，为决策者提供重要的管理决策信息。

DEA方法的突出特点是它对数据没有量纲选择要求，不需要预先估计参数，能够避免主观因素，从而简化运算、减少误差，较理想地反映评价对象自身的信息和特点，因此，特别适用于评价复杂系统的投入产出分析。自1978年创立以来，DEA方法不断完善并在许多领域得到广泛应用，如资源配置、金融投资和技术创新等。

模型得出的θ值即是第k个被评价单元的总效率，根据θ值等于1还是小于1可将决策单元分为有效和无效两类。

C2R模型的经济意义为：

当且仅当θ*=1且所有松弛变量s-=s+=0时，被评价决策单元DMUj为DEA有效，即该决策单元的生产活动既是技术有效，又是规模有效。由于s+表示产出的亏量，s-表示投入的超量，说明此时不存在投入超量或产出亏量。

当θ*=1但至少有某个投入变量或产出松弛变量不为零时，即s-≠0或s+≠0时，决策单元DMUj为弱DEA有效，此时的经济活动未能同时达到技术效率最佳和规模最佳。即在该经济系统中可将投入减少s-而维持原产出不变，或在投入不变的情况下将原产出提高s+。

当θ*

模型得出的最优解为λ*j（j=1，2，…，n），s+*，s-*，θ*；系数θ即是第j个被评价单元的总效率值。

三、指标体系及数据来源

在选择DEA模型的投入产出指标体系时，通常需要考虑以下因素：

投入指标和产出指标的数据可得且非负；

投入指标和产出指标之间应有显著的正相关关系，以避免出现投入指标值增加而产出指标值减少的情况；

决策单元数量与投入指标数量和产出指标数量相比足够多，一般应为投入指标数量和产出指标数量之和的两倍以上，以保证计算结果的准确性。

为了使所选择的投入产出指标体系更有说服力，本文还参考了近年来国内采用DEA方法研究服务业效率所采用的投入产出指标，其中索贵彬和张晓林[3]采用固定资产投资、从业人员数量和专业技术人员数量作为投入指标，服务业增加值、实现税金和营业利润作为产出指标；吴俊杰[5]采用固定资产投资、从业人员数量和专业技术人员数量作为投入指标，服务业增加值作为产出指标；赵莹[8]采用投资和就业人员数量作为投入指标，服务业生产总值和居民消费作为产出指标；张晓林和王磊[9]采用固定资产投资、从业人员数量和专业技术人员数量作为投入指标，服务业增加值和从业人员的年工资总额作为产出指标。

可以看出，上述研究大部分都将资本、劳动力和技术等方面的投入作为服务业的投入指标，而产出指标的选取则存在一定差异。根据DEA投入产出指标的选择标准，并考虑指标的实际意义和数据可获得性，本文最终选取服务业从业人员数量（X1）、服务业固定资产投资总额（X2）和服务业法人单位数量（X3）为投入指标，代表服务业在人力资本和固定资产方面的投入；选取服务业增加值（Y1）、服务业职工工资总额（Y2）为产出指标，代表服务业的产出。这5项指标反映了服务业的投入组合与产出组合之间的对比关系。投入产出指标总计为5个，而决策单元为31个（全国31个省区），符合决策单元数量至少是投入产出指标数量之和两倍的要求。本文选取的投入指标和产出指标的具体含义如下：

服务业从业人员数量指各省区该年年底的服务业就业人员数量。

服务业固定资产投资总额为各省区的服务业基本建设、更新改造、房地产开发投资和其它固定资产投资之和。

服务业法人单位数指具备以下条件的服务业单位数量之和：依法成立，有自己的名称、组织机构和场所，能够独立承担民事责任；独立拥有和使用资产，承担负债，有权与其它单位签订合同；会计上独立核算，能够编制资产负债表。

服务业增加值为服务业常住单位在生产过程中创造的新增价值与固定资产转移价值之和，反映一定时期内服务业生产经营活动的最终成果。

服务业职工工资总额为各省区服务业企业在某一年度直接支付给本单位全部职工的劳动报酬总额。

此外，DEA方法所采用的投入指标和产出指标之间应该具有显著的正相关关系，为此，需要计算各投入指标与各产出指标的相关系数。本文中服务业增加值与服务业从业人员数量、服务业固定资产投资总额、服务业法人单位数量的Pearson相关系数分别为0.815、0.847和0.970，服务业职工工资总额与服务业从业人员数量、服务业固定资产投资总额、服务业法人单位数量的Pearson相关系数分别为0.670、0.646和0.841，并且各相关系数在1%的显著性水平下均通过了检验，说明各指标之间是显著正相关的，适合采用DEA方法进行效率分析。

本文所采用的数据全部来自于《中国统计年鉴》、《中国第三产业统计年鉴》以及国家统计局官方网站，使数据在保证准确性的同时具有可比性。

四、服务业投入产出效率的测算和评价

在确定投入产出指标和数据来源之后，本文应用DEAP2.1软件，采用DEA方法和多阶段计算法对2010年全国31个省区服务业的投入产出效率进行分析。 由于数据来源所限，各省区服务业法人单位数量的最新数据为2010年，故此只能对2010年数据进行分析。如果按照模型的默认前提，假设规模报酬不变，这意味着当服务业的投入增加后，服务业产出将等比例增加，该假设不符合当前我国服务业快速发展的现状，因此，本文放弃规模报酬不变的假设，假定规模报酬可变，计算结果如表1所示。数据显示，2010年我国31个省区服务业综合技术效率平均得分为0.749，纯技术效率平均得分为0.798，规模效率平均得分为0.942，这说明大部分省区服务业的规模效率明显高于纯技术效率。处在服务业生产前沿面的有北京、天津、内蒙古、上海和广东，占全部省区数量的16.1%，这5个省区的服务业既是技术有效又是规模有效，而其余各省区无论是技术效率还是规模效率都有待提高。

从规模报酬来看，除了北京、天津、内蒙古、上海和广东5个综合技术有效省区以及四川为规模报酬不变外，河北、辽宁、江苏、山东和河南5个省区表现为规模报酬递减，其余20个省区均表现为规模报酬递增。

为了更直观地比较各省区纯技术效率和规模效率的分布情况，本文将31个省区的纯技术效率得分和规模效率得分绘制成散点图，如图1所示。由图1可知，我国各省区的服务业投入产出效率存在较大差距，位于图1右上角的省区纯技术效率和规模效率均比较高（大于0.800），一共有10个省区，包括北京、天津、内蒙古、上海、广东、江苏、浙江、吉林、黑龙江和海南，占全部省区的32.2%；位于左上角的省区纯技术效率较高（大于0.800），但是规模效率较低（小于0.800），一共有3个省区，包括、青海和宁夏，占全部省区的9.7%；其余省区集中分布在右下角，这些省区的规模效率较高（大于0.800），但是纯技术效率较低（小于0.800），一共有18个省区，占全部省区的58.1%，辽宁正处于此区间。由此可见，我国半数以上省区服务业的纯技术效率有待提高。

DEA分析还给出了辽宁2010年服务业投入产出指标的实际值与目标值，如表2所示。

结合表1和表2的数据，本文可以得到如下结论：2010年辽宁服务业的综合技术效率为0.721，低于全国平均值0.749，在31个省区中排名第15；纯技术效率0.725，低于全国平均值0.798，在全国排名第19；规模效率0.995，高于全国平均值0.942，在全国排名第9。与辽宁地理位置、经济发展水平接近的吉林和黑龙江，其服务业的综合技术效率、纯技术效率都高于辽宁，规模效率则低于辽宁。由此可见，辽宁服务业的资本投入和劳动力投入规模已经达到较高的水平，且呈现规模报酬递减趋势，表2的数据表明目前辽宁服务业从业人员数、固定资产投资总额、法人单位数的目标值都超过了实际值，发展水平不高的主要原因是技术效率较低。因此，辽宁服务业未来的发展方向主要是加强技术创新和升级，提高资本和劳动力等投入的使用效率，并通过市场竞争淘汰技术落后的企业，从而提高服务业的产出效率和整体竞争力。

五、结论及政策建议

本文应用DEA方法对2010年我国31个省区服务业的投入产出效率进行了深入分析，将服务业投入产出效率分解为综合技术效率、规模效率和纯技术效率。研究得出的主要结论如下：

第一， 我国大部分省区的服务业投入产出效率存在提升空间。我国31个省区中大部分省区服务业投入产出的纯技术效率和规模效率均有待提高，只有北京、天津、内蒙古、上海和广东5个省区同时达到了技术有效和规模有效。

第二，影响各省区服务业综合技术效率的主要因素为规模效率。本文将服务业投入产出综合技术效率分解为规模效率和纯技术效率，分解后的结果显示，大多数省区的服务业规模效率明显高于纯技术效率，而规模效率低于纯技术效率的省区仅有6个。

第三，投入产出无效省区大部分表现为规模报酬递增。除了既是技术有效又是规模有效的北京、天津、内蒙古、上海和广东5个省区和四川表现为规模报酬不变外，河北、辽宁、江苏、山东和河南5个省区处于规模报酬递减阶段，其余20个省区均处于规模报酬递增阶段。

第四，辽宁服务业的综合技术效率和纯技术效率均低于全国平均水平，规模效率则高于全国平均水平。由此可见，辽宁服务业的资本投入和劳动力投入的规模已经达到较高水平，且呈现规模报酬递减趋势，发展水平不高的主要原因是技术效率较低。

从上述研究中不难看出，与大部分投入产出无效省区不同，辽宁服务业竞争力不足的关键原因不是资本和劳动力投入不足，而是技术水平落后、生产效率低下。事实上，辽宁服务业目前已经处于规模报酬递减阶段，在这种情况下如果继续增加资本和劳动力投入，不仅无益于提高投入产出效率，还会造成资源的浪费。因此，提升辽宁服务业竞争力应加大科技创新和体制创新力度，推进服务业产业升级，提高资本和劳动力的使用效率，为服务业营造公平、公正的市场环境，促进企业的优胜劣汰和合并重组，减少企业数量，提高投入产出效率。

参考文献：

[1] Syrquin，M.，Chenery，H.Three Decades of Industrialization[J].The World Bank Economic Reviews， 1989，3（2）：45-181.

[2] 杨向阳，徐翔.中国服务业生产率与规模报酬分析[J].财贸经济，2004，（11）：77-82.

[3] 索贵彬，张晓林.基于超效率dea方法的第三产业竞争力评价[J].统计研究，2005，（7）：58-60.

[4] 顾乃华，李江帆.中国服务业技术效率区域差异的实证分析[J].经济研究，2006，（5）：46-56.

[5] 吴俊杰.基于DEA模型的长三角地区服务业效率评价[J].浙江大学学报，2006，（6）：54-57.

[6] 张春光.辽宁服务业发展的制约因素及其对策[J].辽东学院学报，2009，（2）：48-51.

[7] 杜栋，庞庆华，吴炎.现代综合评价方法与案例精选[M].北京：清华大学出版社，2008.62-73.

[8] 赵莹.我国省级地区服务业竞争力评价[J].统计与决策，2005，（5）：65-66.

[9] 张晓林，王磊.超效率DEA的两阶段法及其在服务业评价中的应用[J].天津大学学报（社会科学版），2007，（3）：48-51.

[10] 彭宜钟，李少林.辽宁省最优产业结构测算[J].财经问题研究，2011，（12）：28-34.