黑龍江省生產(chǎn)性服務(wù)業(yè)影響因素的實(shí)證研究

[摘要]黑龍江省生產(chǎn)性服務(wù)業(yè)發(fā)展起步晚，主要以小企業(yè)為主，在經(jīng)營理念、經(jīng)營方式以及自身擁有的資源方面都存在不足。利用2003—2013年數(shù)據(jù)，對(duì)黑龍江省生產(chǎn)性服務(wù)業(yè)發(fā)展現(xiàn)狀及其影響因素進(jìn)行實(shí)證分析，結(jié)果表明，黑龍江省生產(chǎn)性服務(wù)業(yè)發(fā)展較為緩慢，其中制造業(yè)發(fā)展和財(cái)政支出情況對(duì)其影響顯著，而人均GDP和人均專利申請(qǐng)書數(shù)量的影響并不顯著。

[關(guān)鍵詞]黑龍江??；生產(chǎn)性服務(wù)業(yè)；影響因素

[中圖分類號(hào)]F7269[文獻(xiàn)標(biāo)識(shí)碼]A[文章編號(hào)]2095-3283（2015）02-0057-03

[作者簡介]周彤（1990-），女，黑龍江佳木斯人，碩士研究生，研究方向：決策技術(shù)與風(fēng)險(xiǎn)評(píng)估。

[基金項(xiàng)目]哈爾濱商業(yè)大學(xué)研究生創(chuàng)新科研項(xiàng)目“哈大齊工業(yè)走廊”生產(chǎn)性服務(wù)業(yè)與制造業(yè)的聯(lián)動(dòng)發(fā)展研究（項(xiàng)目編號(hào)：YJSCX2013-275HSD）。一、引言

生產(chǎn)性服務(wù)作為其他部門的中間投入品，通過知識(shí)和技術(shù)專業(yè)化大大提高了生產(chǎn)性服務(wù)的信息和知識(shí)密度，增加了產(chǎn)品和服務(wù)的附加值，提高了生產(chǎn)效率和競爭力。

伴隨著近幾年國家和各地方政府對(duì)服務(wù)業(yè)發(fā)展的重視，黑龍江省的服務(wù)業(yè)有了飛速的發(fā)展，2013年服務(wù)業(yè)總產(chǎn)值594792億元，占GDP的414%，遠(yuǎn)遠(yuǎn)高于第一產(chǎn)業(yè)，并且在不斷增長。

圖1黑龍江省服務(wù)業(yè)及生產(chǎn)性服務(wù)業(yè)占

GDP比重、生產(chǎn)性服務(wù)業(yè)占服務(wù)業(yè)比重由圖1可以看出，黑龍江省生產(chǎn)性服務(wù)業(yè)和第三產(chǎn)業(yè)增加值占GDP的比重有大體相似的發(fā)展趨勢(shì)，雖然有些小的波動(dòng)，但總體呈增長趨勢(shì)。黑龍江省生產(chǎn)性服務(wù)業(yè)占第三產(chǎn)業(yè)的比重近五年一直處于50%以上的較大比重。生產(chǎn)性服務(wù)業(yè)占GDP的比重提升緩慢，主要是因?yàn)楹邶埥〗?jīng)濟(jì)發(fā)展還處在經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型過程中，傳統(tǒng)的經(jīng)濟(jì)發(fā)展模式仍占主導(dǎo)地位，工業(yè)占GDP的比重較大。目前，黑龍江省生產(chǎn)性服務(wù)業(yè)存在企業(yè)總體競爭力較弱，發(fā)展結(jié)構(gòu)不合理，缺乏系統(tǒng)、完善、有效的政策支撐等問題。加快發(fā)展黑龍江省生產(chǎn)性服務(wù)業(yè)已成為推動(dòng)黑龍江省產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)的當(dāng)務(wù)之急[1]。

二、黑龍江省生產(chǎn)性服務(wù)業(yè)發(fā)展影響因素的實(shí)證分析

（一）數(shù)據(jù)的選取和研究方法

為了考察黑龍江省生產(chǎn)性服務(wù)業(yè)發(fā)展的影響因素，分別從需求和供給兩方面來進(jìn)行考察，具體包括以下五個(gè)因素：經(jīng)濟(jì)發(fā)展模式制約、市場機(jī)制問題、體制障礙、經(jīng)濟(jì)發(fā)展水平、創(chuàng)新發(fā)展水平。這五個(gè)因素在建立模型檢驗(yàn)時(shí)需要予以具體化，以便量化處理。因此，本研究選取生產(chǎn)性服務(wù)業(yè)增加值占GDP比重（Y）為因變量，選取制造業(yè)占GDP比重（X1）、人均GDP（X2）、財(cái)政支出占GDP比重（X3）、人均專利申請(qǐng)書（X4）為自變量，部分指標(biāo)計(jì)算方法如下：

生產(chǎn)性服務(wù)業(yè)占GDP比重（Y1）

=生產(chǎn)性服務(wù)業(yè)增加值地區(qū)生產(chǎn)總值GDP（1）

制造業(yè)占GDP比重（X1）=制造業(yè)增加值地區(qū)生產(chǎn)總值GDP（2）

財(cái)政支出占GDP比重（X3）=財(cái)政支出總值地區(qū)生產(chǎn)總值GDP（3）

人均專利申請(qǐng)書（X4）=專利申請(qǐng)總數(shù)年末總?cè)丝冢?）

選取黑龍江省2003—2013年以上五個(gè)指標(biāo)的時(shí)間序列數(shù)據(jù)，采用多元線性回歸模型進(jìn)行建模，數(shù)據(jù)來源為歷年《黑龍江統(tǒng)計(jì)年鑒》。

（二）模型描述

本研究選用計(jì)量經(jīng)濟(jì)分析中最常用的多元線性回歸模型對(duì)上述因素進(jìn)行實(shí)證檢驗(yàn)。多元線性回歸模型的一般表現(xiàn)形式：

Yi=β1+β2Xi2+…+βkXik+εi，i=1，2，…，n（5）

其中，k為解釋變量的數(shù)目，βj（j=1，2，…，k），習(xí)慣上把常數(shù)項(xiàng)看作取值恒為1的變量的系數(shù)，上述表達(dá)式也被稱為總體回歸函數(shù)的隨機(jī)表達(dá)形式。其非隨機(jī)形式為：E（YXi1，Xi2，…，Xik）=β1+β2Xi2+…+βkXik，表示各變量X值固定時(shí)Y的平均響應(yīng)。

βj也稱為偏回歸系數(shù)，表示在其他解釋變量保持不變的情況下，Xj每變化一個(gè)單位時(shí)，Y的均值E（Y）的變化?；蛘哒fβj給出了Xj單位變化對(duì)Y均值的“直接”或“凈”（不含其它變量）影響。

（三）模型的建立

根據(jù)多元線性回歸模型，構(gòu)造模型一：

Yi=β0+β1Xi1+β2Xi2+β3Xi3+β4Xi4+μi（6）

設(shè)置顯著水平為05，根據(jù)最小二乘原理估計(jì)各參數(shù)值如表1所示：

表1模型一的回歸結(jié)果變量參數(shù)估計(jì)值參數(shù)標(biāo)準(zhǔn)差T統(tǒng)計(jì)量P值C02582590008311310735700000X1-00806020060806-132555702332X2397E-06688E-07-576844800012X301314830056164234107800578X433064172625544125932602547R-squared0966666DW值2568543調(diào)整R-squared0944444F統(tǒng)計(jì)量4349947根據(jù)回歸結(jié)果X2和X4的效果不顯著，根據(jù)對(duì)比之后，剔除自變量X4，構(gòu)建回歸模型二：

Yi=β0+β1Xi1+β2Xi2+β3Xi3+μi（7）

運(yùn)用最小二乘法對(duì)模型二的變量進(jìn)行回歸估計(jì)，回歸估計(jì)結(jié)果如表2：

表2模型二的回歸結(jié)果變量參數(shù)估計(jì)值參數(shù)標(biāo)準(zhǔn)差T統(tǒng)計(jì)量P值C02557690008404304357000000X1-01325370046516-284928900247X20023537663E-07-549103900009X301960830023806823680900001R-squared0957856DW值2262328調(diào)整R-squared0939794F統(tǒng)計(jì)量5303187可見，修改后模型的各解釋變量通過了T檢驗(yàn)，各解釋變量對(duì)被解釋變量影響顯著。R-squared=0957856，修正后的R-squared=0939794，估計(jì)的回歸方程與樣本觀測(cè)值擬合很好，模型二的估計(jì)結(jié)果為：endprint

Yi=0255769-0132537Xi1+0023537Xi2+0196083Xi3+μi（8）

（四）模型的計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)

對(duì)模型二進(jìn)行經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)，包含異方差性檢驗(yàn)、自相關(guān)性檢驗(yàn)和多重共線性檢驗(yàn)。

1異方差檢驗(yàn)

對(duì)于模型

Yi=β0+β1Xi1+β2Xi2+…+βkXik+μi（9）

同方差性假設(shè)為

Var（μi|Xi1，Xi2，…，Xik）=δ2，i=1，2，…n（10）

這里用兩種方法對(duì)模型二同方差性進(jìn)行檢驗(yàn)：圖示法和懷特檢驗(yàn)法。

（1）圖示法——?dú)埐畹膱D示檢驗(yàn)

使用Eviews50，可以得出模型二的殘差圖，如圖2：

圖2模型二的殘差圖由圖2可以看出，殘差分布的離散程度并不存在明顯的擴(kuò)大或縮小的趨勢(shì)，則表明y的離散程度與解釋變量之間并不存在一定的相關(guān)關(guān)系，所以可以初步判斷模型不存在異方差性。但是圖示檢驗(yàn)法只能粗略地判斷模型是否存在異方差性，如果方差不太明顯，還需要采用較為精確的方法。下面采用懷特檢驗(yàn)法對(duì)模型的異方差性進(jìn)行再次檢驗(yàn)。

（2）懷特檢驗(yàn)

利用懷特檢驗(yàn)進(jìn)行異方差檢驗(yàn)，檢驗(yàn)結(jié)果如表3：

表3模型二的異方差檢驗(yàn)指標(biāo)數(shù)值指標(biāo)數(shù)值F-statistic3711500ProbF（9，1）03838Obs*R-squared1068027ProbChi-Square（9）02983Scaled explained SS2398739ProbChi-Square（9）09835ProbF（9，1）=03838>005，因此接受原假設(shè)，模型二不存在異方差，因此可以排除異方差對(duì)該模型的影響。

2序列相關(guān)性檢驗(yàn)

序列相關(guān)性是指對(duì)于不同的樣本值，隨機(jī)干擾之間不再是完全相互獨(dú)立的，而是存在某種相關(guān)性，又稱自相關(guān)（auto correlation），是指總體回歸模型的隨機(jī)誤差項(xiàng)之間存在相關(guān)關(guān)系。計(jì)量經(jīng)濟(jì)學(xué)模型一旦出現(xiàn)序列相關(guān)性，如果仍用普通最小二乘法估計(jì)模型參數(shù)，會(huì)產(chǎn)生許多不良后果，如參數(shù)估計(jì)量非有效、變量的顯著性檢驗(yàn)失去意義以及模型的預(yù)測(cè)失效等。因此，運(yùn)用拉格朗日乘數(shù)（LM）檢驗(yàn)法對(duì)模型二的序列相關(guān)性進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果如表4：

表4模型二的自相關(guān)檢驗(yàn)指標(biāo)數(shù)值指標(biāo)數(shù)值F-statistic0978224ProbF（2，5）04380Obs*R-squared3093667ProbChi-Square（2）02129ProbF（2，5）=04380>005，接受原假設(shè)，模型二不存在序列自相關(guān)性，因此可以排除自相關(guān)性對(duì)該模型的影響。

3多重共線性檢驗(yàn)

對(duì)于模型二的多重共線性的檢驗(yàn)如表5：

表5模型二的相關(guān)系數(shù)表YX1X2X3Y1000000-04402920548760-0298161X1-0440292100000009805480984191X2-0548760098054810000000956731X3-0298161098419109567311000000由表5發(fā)現(xiàn)X1、X2與X3間存在高度相關(guān)性，采用逐步回歸法來修正多重共線性，將這3個(gè)解釋變量分別與被解釋變量作線性回歸，尋找最佳回歸方程，如表6。

表6逐步回歸表CX1X2X3R-squaredf（X1）0207247-00306190760283t值3099936-1471145f（X1，X2，）026918401765290549386t值106748620993552512351f（X1，X3，）0210657-032554602273530876325t值5530239-49584784564275第一步，分別作Y與X1，X2，X3間的回歸，回歸結(jié)果顯示，Y受X1的影響最大，因此建立Y= f（X1）為初始的回歸模型。

第二步，引入X2，擬合優(yōu)度降低，因此剔除X2，引入X3，擬合優(yōu)度提高，且參數(shù)符號(hào)合理，變量也通過了t檢驗(yàn)，因此確定模型三Y=f（X1， X3，）為最優(yōu)模型，模型三的擬合結(jié)果如下：

Yi=0210657-0325546Xi1+0227353Xi3+μi（11）

三、結(jié)論與建議

從模型一的檢驗(yàn)結(jié)果來看，黑龍江省生產(chǎn)性服務(wù)業(yè)受到制造業(yè)增加值占GDP的比重、人均GDP、政府財(cái)政支出占GDP比重的影響，但是受人均專利申請(qǐng)數(shù)的影響并不顯著。從模型二的結(jié)果來看，人均GDP水平、政府財(cái)政支出占GDP比重將對(duì)生產(chǎn)性服務(wù)業(yè)的發(fā)展產(chǎn)生正的影響，而制造業(yè)占GDP比重將對(duì)生產(chǎn)性服務(wù)業(yè)的發(fā)展產(chǎn)生負(fù)的影響。模型中的各個(gè)自變量是生產(chǎn)性服務(wù)業(yè)影響因素的量化。

從實(shí)證模型的系數(shù)來看，幾個(gè)因素中X2的回歸系數(shù)是最大的。從理論分析可知，第二產(chǎn)業(yè)的發(fā)展對(duì)生產(chǎn)性服務(wù)業(yè)的影響需要一分為二地看：一方面，第二產(chǎn)業(yè)制造業(yè)規(guī)模和水平的提高，可以促進(jìn)社會(huì)分工的深化和生產(chǎn)率的提高，這樣有利于制造業(yè)企業(yè)將生產(chǎn)環(huán)節(jié)中的服務(wù)外包出去，拓展生產(chǎn)性服務(wù)業(yè)的市場規(guī)模。從這個(gè)角度來講，第二產(chǎn)業(yè)尤其是制造企業(yè)的發(fā)展，將會(huì)對(duì)生產(chǎn)性服務(wù)業(yè)的發(fā)展產(chǎn)生積極的影響。但另一方面，黑龍江省現(xiàn)階段產(chǎn)業(yè)結(jié)構(gòu)不合理，正處于由粗放型增長模式向集約型增長模式的過渡階段，經(jīng)濟(jì)增長仍然主要依靠第二產(chǎn)業(yè)帶動(dòng)。政府投資和企業(yè)投資多集中于制造業(yè)，這樣不利于生產(chǎn)性服務(wù)業(yè)乃至整個(gè)服務(wù)業(yè)的發(fā)展。

我國生產(chǎn)性服務(wù)業(yè)創(chuàng)新能力仍有待提高。在模型一中，X4人均專利申請(qǐng)數(shù)作為生產(chǎn)性服務(wù)業(yè)創(chuàng)新因素的替代，其對(duì)生產(chǎn)性服務(wù)業(yè)的發(fā)展影響并不顯著。黑龍江省現(xiàn)階段創(chuàng)新型人才培養(yǎng)體系滯后，而生產(chǎn)性服務(wù)業(yè)的發(fā)展，尤其是新興業(yè)態(tài)生產(chǎn)性服務(wù)業(yè)的發(fā)展需要大量的創(chuàng)新型人才。但目前由于人才匱乏，生產(chǎn)性服務(wù)業(yè)領(lǐng)域的創(chuàng)新難以實(shí)現(xiàn)本質(zhì)的突破，因此對(duì)生產(chǎn)性服務(wù)業(yè)發(fā)展的影響并不顯著。

[參考文獻(xiàn)]

[1]楊海珊，王金歷黑龍江省生產(chǎn)性服務(wù)業(yè)高端化發(fā)展研究[J]商業(yè)經(jīng)濟(jì)，2013（3）：50-55

[2]張世賢分工、互動(dòng)與融合：服務(wù)業(yè)與制造業(yè)關(guān)系演進(jìn)的實(shí)證研究[J]中國軟科學(xué)，2013（10）：65-76

[3]陳曉峰生產(chǎn)性服務(wù)業(yè)與制造業(yè)互動(dòng)融合：特征分析、程度測(cè)算及對(duì)策設(shè)計(jì)——基于南通投入產(chǎn)出表的實(shí)證分析[J]華東經(jīng)濟(jì)管理，2012（12）：36-42

[4]綦良群，李慶雪裝備制造業(yè)與生產(chǎn)性服務(wù)業(yè)互動(dòng)發(fā)展機(jī)理研究[J]科技與管理，2013（2）：49-52

[5]朱培培北京市生產(chǎn)性服務(wù)業(yè)與現(xiàn)代制造業(yè)互動(dòng)關(guān)系研究[D]北京工業(yè)大學(xué)，2013

（責(zé)任編輯：喬虹）endprint