分类：电子论文 时间：2022-03-06 热度：476
内容提要: 本文基于理论模型阐释数字技术对服务业生产率的影响，分析高技能劳动力与市场化水平对二者关系的调节效应，并从数字产业的发展与数字技术的应用等维度构建指标体系，测算 2011—2019 年中国 30 个省份的数字技术水平，实证检验数字技术对服务业生产率的影响与异质性冲击。结果表明: ( 1) 数字技术对服务业生产率有显著的赋能效应; ( 2) 数字技术对服务业生产率的赋能效应在中西部地区更加凸显，在东部地区暂未显现; ( 3) 数字技术对服务业生产率的影响更加偏向于批发和零售业，交通运输、仓储和邮政业，金融业，房地产业等数据要素投入较多的行业; ( 4) 高技能劳动力更易适应数字技术带来的变化，能够强化数字技术对服务业生产率的赋能; ( 5) 市场化水平的提高能够进一步释放数字技术红利，从而显著增强数字技术对服务业生产率的积极影响。
关键词: 数字技术 服务业生产率 高技能劳动力 市场化 赋能效应
一、问题提出
改革开放以来，中国经济保持高速增长。然而，从 2010 年开始，中国经济进入了缓慢下行通道，国内生产总值( GDP) 增长速度由 2010 年的 10. 3% 持续下降至 2019 年的 6. 1% ①。除了受到 2008 年金融危机的影响之外，最主要的原因是中国开始迈入以服务经济为主导的新时代[1]，服务业已成为中国第一大产业和经济增长的主要动力。统计数据显示，2012 年服务业占 GDP 比重首次超过第二产业，2015 年首次突破 50% ， 2019 年所占比重为 53. 92% ，对国民经济增长的贡献率达 59. 38% 。理论研究表明，以服务业为主的产业结构有降低经济增长速度的内在力量[2 - 3]。美国、英国等发达国家的经济发展也证实了这点，即伴随着服务业比重不断上升，经济增长速度逐渐下降。之所以存在经济增长的“结构性减速”这种规律性现象，是因为在服务业比重提升过程中会出现服务业的低效率[4]。现阶段中国服务业发展主要的问题是生产率不高，以至于降低了整个经济的增长速度; 如果生产率提高了，那么“结构性减速”的现象也就不存在了[1]。
数字经济赋予了服务业新的发展契机。近年来，数字经济蓬勃发展，已经成为国民经济中最为核心的增长极之一。数字经济占 GDP 比重逐年提升，在国民经济中的地位进一步凸显。新冠肺炎疫情的发生进一步推动了中国数字经济发展进程[5]，以在线办公、在线教育、互联网医疗等为代表的新模式、新业态逐渐成熟，“宅生活”“微经济”“无接触”“云消费”等数字化生活成为常态[6]。数字经济活动的本质在于商品和服务以数字化形式进行交易[7]。数字技术的出现打破了传统的时空概念，从根本上改变了服务业不可储存、不可贸易的性质[8]。那么，在数字经济时代下，是否有可能打破“服务业时代是低增长时代”这个规律，使经济增长保持相对较高水平，从而实现经济的高质量发展?
二、文献综述
( 一) 服务业生产率的研究进展
传统经济理论认为，服务业是一个低生产率的部门，这主要是由服务业的自身特征所决定的。在古典经济学时期，服务业的本质特征就引起了经济学家的注意，如服务业具有非生产性，服务为非实物性产出，不具有耐久性与储存性，是不可以积累的财富[9]。鲍莫尔( Baumol，1967) 提出的“非均衡增长模型” 将服务业划分为“停滞部门”，认为与制造业相比，服务业中的劳动是最终投入产品而不是中间投入产品，劳动力投入的多少直接决定了该部门的产出效率[10]。江小涓( 2017) 认为许多服务过程具有“同步性”，即生产和消费不可分离，导致人力资本是服务生产活动中最主要的供给要素，很难通过使用机器设备来提高效率[11]。除此之外，一些研究认为服务业全要素生产率( TFP) 增长明显低于制造业，从而导致中国服务业生产率较低[12 - 13]。王燕武等( 2019) 发现，近年来中国服务业的低生产率，主要是由于大量受教育程度较低的劳动力进入服务业，拉大了服务业内部的劳动力水平差距，导致平均劳动效率随之下降[14]。
另一些学者提出反对观点，主要是认为服务业生产率低是由于服务部门存在低估。一是服务业存在不可测度性。有学者认为服务产品具有无形性、非实物性特征，会导致在实际测算生产率过程中低估了服务经济活动[15]。再者，现行的统计方法低估了服务业的产出和生产率的增长。庞瑞芝和邓忠奇( 2014) 基于对传统方向距离函数的创新，测算发现服务业生产率平均高于工业[16]。二是忽略了服务产品质量。博斯沃思等( Bosworth et al.，2005) 认为服务质量对行业的生产率有着积极的作用，忽略服务产品质量会导致服务业生产率被低估[17]。
( 二) 数字技术与生产率的研究进展
根据数字技术的发展历程，学者对于数字技术影响生产率的相关研究，大体上可分为两个阶段。第一阶段主要集中探讨信息通信技术( ICT) 对生产率的影响。自索洛( Solow，1987) 提出著名的“信息技术生产率悖论”[18]以来，有关信息技术与生产率的研究与争论持续不断。宏观层面的研究表明，信息技术生产率悖论具有地区差异性。一些研究分别从国家和省级层面肯定了 ICT 对经济增长的贡献[19 - 20]。然而，何小钢等( 2019) 认为，与发达国家相比，发展中国家由于经济结构、发展阶段等方面的差异，导致 ICT 对生产率的提升效应大打折扣[21]。与宏观层面结论各异不同，企业层面的研究大多认为不存在“信息技术生产率悖论”。布卢姆等( Bloom et al.，2012) 、阿克曼等( Akerman et al.，2015) 认为，与非 ICT 投资相比，ICT 投资的生产率效应更加显著，并且企业相应的组织变革会增强 ICT 的生产率效应[22 - 23]。
第二阶段主要探讨互联网新模式、人工智能、数字技术对生产率的影响。从区域层面来看，人工智能会替代中低端劳动力，对生产率有着显著的提升作用，已成为应对老龄化消极影响的重要途径[24 - 25]。王修华和赵亚雄( 2020) 、邱子迅和周亚虹( 2021) 分别从创业、数字金融、大数据综合试验区等多个视角肯定了数字技术对区域全要素生产率的积极影响[26 - 27]。从产业层面来看，现有研究基本肯定了数字技术对制造业和服务业生产率的积极影响，但是对不同行业生产率的影响存在差异。孙早和侯玉琳( 2021) 发现，现阶段人工智能对制造业生产率的提升效应在纺织服装和通用设备等传统制造业中更加凸显，而在医药制造、计算机和仪器仪表制造等高端制造业暂未显现[28]。互联网新模式以及数字技术对服务业生产率影响的研究主要集中在理论层面，如彼得斯( Peters，2018) 、江小涓和罗立彬( 2019) 分别从服务业转型升级、服务业性质变化、服务供需和资源匹配协调的角度进行分析，发现新一代信息技术的发展有利于提升服务业生产率[29，8]，改变了原有关于服务业生产率低的假说。少数文献从实证的角度验证了数字技术对服务业生产率的影响，如张龙鹏和周笛( 2020) 从服务业特征和劳动力异质性两方面阐释了服务业信息技术应用对生产率的积极影响。从企业层面来看，数字技术对生产率的作用得到了肯定，但是数据要素的配置不当也会起到相反的作用[30]。马里亚诺维奇等( Marjanovic et al.，2019) 、陈剑等( 2020) 认为，数字技术改变了传统的时空概念与生产要素，由此产生的规模经济、范围经济以及技术创新提升了企业的生产率[31 - 32]。万巴等( Wamba et al.， 2017) 认为，数字技术对生产率产生积极的影响需要相匹配的资本、劳动力等要素及数据管理能力[33]。
纵观已有研究，一是大多从区域与企业层面探讨数字技术对生产率的影响，关于在数字经济时代下，产业层面的生产率尤其是服务业生产率如何变化缺乏深入而细致的研究; 二是关于数字技术对服务业生产率的研究主要集中在理论层面，较少探究其中的具体影响机制，关于数字技术如何影响服务业生产率缺乏足够的理论与实证性研究。因此，本文将系统性地研究在数字经济时代下，服务业生产率是否得到赋能? 是否有可能打破“服务业时代是低增长时代”这个规律? 如果是，其背后的影响机制是什么? 数字技术对服务业生产率的效应是否具有地区差异性和行业差异性呢?
本文对现有文献的边际贡献有: 其一，基于新兴古典经济学模型框架，构建数字技术影响服务业生产率的理论模型，以期从高技能劳动力、市场化水平角度揭示数字技术提升服务业生产率的内在机制; 其二，实证检验数字技术提升服务业生产率的内在机制，以弥补数字技术提升服务业生产率研究中机制检验方面的不足; 其三，从数字技术蓬勃发展的现实背景出发，检验数字技术对不同服务业生产率的影响差异，为深入理解和认识数字技术和服务业高质量发展的关系提供新视角。三、理论机制本文以阿西莫格鲁和雷斯特雷波( Acemoglu & Restrepo，2018) [24]的模型为基准，将数字技术在服务业的应用表现分为两类: 一是实现岗位自动化，比如无人驾驶、无人超市和智能快递车; 二是新业态、新模式的出现可以创造新的岗位，比如在线学习服务师、互联网营销师、信息安全测试员和区块链应用操作员。基于此，本文构建如下理论框架来研究数字技术对服务业生产率的影响效应。
假设 2: 数字技术改变了传统的物质生产要素形态，加强了生产要素的流动和优化配置，而高技能劳动力更容易适应这一转变，有助于增强数字技术对服务业生产率的赋能。
数字技术发展与应用的一个前提是数据要素可以实现有效配置，否则会导致技术创新难以扩散。与此同时，需要与资本、劳动力等要素及数据管理能力相匹配，否则会出现挤占生产资源，降低生产率的情形。在这一过程中，起关键作用的是市场化水平。首先，服务业行业市场化水平越高意味着政府行政干预越少。与政府干预相比，市场化最显著的特点就是资源配置效率高。市场化水平的提高有助于破除数字技术的进入和退出壁垒，使数字技术的普及与应用可以更加快速、有效地重新配置资源，提高服务业生产率。其次，市场化程度越高，当地的服务业产品市场和要素市场发育程度越高，企业可以更加灵活地根据需求调整资金、劳动力等资源以应对市场和技术冲击[37]，这将有利于企业采用数字技术，提高要素在企业之间的流动。此外，市场化水平的提高意味着地方保护程度降低，有利于互联网电商平台的迅速发展以及大数据技术的运用。网络市场的快速增长逐渐瓦解了市场的各种边界，使服务业贸易成为可能。市场范围扩展和市场规模扩大使得服务行业产生规模经济效应，而规模效应的出现实现了生产流程、组织变革和管理实践等各个要素之间有效匹配，有利于及时对组织结构、管理与决策模式进行调整，进而提高服务业生产率。
由此，本文提出如下假设。
假设 3: 数字经济时代下，市场化程度越高，企业调整生产要素应对市场和技术冲击的能力越强，有利于数字技术的普及化，提高资源的配置效率，增强数字技术对服务业生产率的赋能。
本文选择如下控制变量: ( 1) 服务业开放水平( trade) ，选用服务业贸易额与服务业 GDP 的比值来衡量服务业开放水平，服务业开放一定程度上会带来良性竞争，这会对服务业生产率产生积极影响[42]; ( 2) 服务业集聚水平( agg) ，采用区位熵①来测度服务业集聚水平，目前，关于产业集聚是否有利于提升生产率的研究结论尚不统一[43]; ( 3) 服务业产业结构( ind) ，以生产性服务业就业人员占服务业全行业就业人员的比重作为替代变量②[44]，生产性服务业多为知识和资本密集型产业，生产性服务业占比的提升有利于提高服务业生产率[45]; ( 4) 服务业的资本强度( KL) ，以服务业的人均资本存量作为服务业资本强度的替代变量[46]; ( 5) 服务业发展水平( service) 以及服务业发展水平的平方项( service 2 ) ，采用人均服务业增加值指标来量化服务业的发展水平[46]，其中服务业增加值以 2011 年的不变价格指数进行折算; ( 6) 人力资本( human) ，由于缺乏服务业行业就业人员的学历数据，本文采用学术界普遍的做法，即选用各省份就业人员平均受教育年限③ 作为服务业人力资本水平的代理变量[47]; ( 7) 城镇化水平( urban) ，选用经济城镇化指标即非农产业占国内生产总值比重来衡量城镇化水平[48]; ( 8) 环境规制水平( envir) ，采用环境污染治理投资额占 GDP 比重作为代理变量[49]。
( 二) 数据来源与说明
本文以中国 30 个省份( 由于数据不可得，不包括西藏、香港、澳门和台湾) 为研究对象。鉴于量化数字技术应用水平的数据( 北京大学数字普惠金融指数) 始于 2011 年，为保证数据的可得性与准确性，本文选取的样本数据范围为 2011—2019 年。数据主要来源于历年《中国统计年鉴》《中国劳动统计年鉴》、各省份的统计年鉴和北京大学数字普惠金融指数。其中，服务业贸易额主要来源于《中国商务年鉴》、各省市商务部 ( 厅) 、服务贸易发展报告、商务年度综合分析报告、中国服务贸易指南网等，个别缺失值采用插值法处理。为保证数据的平稳性与可靠性，所有水平变量均取对数形式，并且通过了多重共线性检验。
( 三) 回归分析
出于稳健性考虑，本文同时报告普通最小二乘法( OLS) 、固定效应( FE) 模型和工具变量( IV) 的回归结果，具体见表 2。结果显示，估计结果基本一致，均表明数字技术对服务业生产率有显著的提升作用，从而验证了假设 1。
具体来看，列( 1) 和列( 2) 的 OLS 估计结果表明，无论是否纳入控制变量，数字技术的应用均会显著提高服务业生产率，只是系数大小和显著性有些许不同。列( 3) 和列( 4) 的 FE 模型结果显示，在未纳入控制变量时，数字技术对服务业生产率的影响系数显著为正; 而纳入控制变量之后，影响系数和显著性发生了微小变化，即数字技术水平每提高 1 百分点，服务业生产率提高 0. 594 百分点，且通过了 10% 水平的显著性检验。在传统服务业中，人是主要的生产要素，因此很多服务过程对时间和空间的约束性很强，比如公认的生产率较低的行业有艺术表演、教育、医疗、家政服务等。而在数字经济时代，数据成为与劳动力、资本、技术同等重要的生产要素。数字技术对服务业的渗透实现了服务业质的发展，极大提高了服务业生产率。一方面，数字技术的应用实现了部分岗位的自动化，比如将供求信息转化为数据，并利用大数据进行供需的有效整合与精准匹配，提高了搜索消费者个性化需求的速度与准确性。另一方面，数据要素的独特性放松了服务过程对时间和空间的约束。数据信息依托数字化基础设施的建设，突破了地理距离的制约，使原本不可贸易的服务、难以满足的需求在数字技术平台得以实现，催生出一些新的商业模式。
相关知识推荐：论文发表sci期刊要自费吗
控制变量方面，服务业开放水平对服务业生产率的影响系数为 0. 074，虽然并未通过显著性检验，但是影响方向仍为正向。人力资本水平对服务业生产率的影响系数为负，但是并未通过显著性检验，可能的原因在于缺乏服务业行业就业人员的学历数据，而本文测算的是各省份整体人力资本水平，一定程度上会导致估计出现偏误。环境规制水平对服务业生产率的影响为 0. 007，并未通过显著性检验，但是影响方向依然为正。其他控制变量的影响系数均通过了显著性检验，并且系数方向与理论预期一致。
在上述模型估计中，虽然控制了省份层面的其他变量以及省份和时间固定效应，但仍然可能会漏掉部分控制变量。此外，数字技术与服务业生产率之间可能存在双向因果关系，因此下文采用两阶段工具变量法进行处理。借鉴已有研究[41，50]的方法，采用各省份在 1988 年的邮电历史数据作为数字技术发展水平综合指数的工具变量。一方面，从工具变量的相关性来看，数字技术是传统 ICT 的延续发展与迭代升级，各个地区历史上的信息通信基础设施会从技术水平、普及率等方面影响后续数字技术的发展水平; 另一方面，从工具变量的排他性来看，随着经济的发展，固定电话、邮政局所、信筒信箱等传统信息通信基础设施的使用频率逐渐下降，对服务业生产率的影响也越来越小。为了使截面工具变量能够应用至面板数据模型中，参考纳恩和钱( Nunn & Qian，2014) [51]的处理方法，引入一个随时间变化的变量来构造面板工具变量。具体而言，以上一年全国互联网宽带接入端口数量分别与 1988 年各省份每万人邮政局所的数量构建交互项，作为该年省份数字技术水平指数的工具变量。
由表 2 列( 5) 和列( 6) 结果可知，无论是否加入控制变量，数字技术对服务业生产率的正向影响均通过了显著性检验，进一步证明了上文的研究结果。数字技术的应用不仅使得原有的交易匹配效率更高，而且也使得原本无法实现的交易在数字技术平台得以实现，极大提高了服务业生产率。同时，工具变量识别不足以及弱识别的检验证明了工具变量的有效性。
( 四) 异质性分析
东部地区在资源禀赋、地理区位、城镇化水平、经济水平、技术水平等方面具有明显优势，这也致使其数字技术的发展基础、服务业生产率水平优于其他地区。那么，数字技术对服务业生产率的影响是否会受到地理区位的影响? 此外，各类服务业的性质、特点、发展水平也具有差异性，这会导致服务业细分行业与数字技术的融合程度不同。为了检验服务业的不同类别是否会影响数字技术对服务业生产率的赋能，本文将基于地理区位、服务业细分行业两个层面，借助 FE 模型来探讨数字技术对服务业生产率的异质性冲击。——论文作者：李帅娜
