生产性服务业开放促进制造业发展的理论机制有三方面:一是生产性服务业开放可以为制造业提供更优质的中间要素投入, 从而提高制造业生产效率。Markusen等认为, 一国可引入国外高技术含量的生产性服务以弥补关键服务要素缺乏而导致的国内最终产品的比较劣势^[1]。Francois等通过分析1994— 2004年78个国家的数据, 发现生产性服务作为中间投入要素决定了工业制成品的质量, 增加这些中间要素投入可以提高最终产品的技术含量, 为技术密集型高端制造业提供竞争优势, 提高制造业出口竞争力^[2]。张宇馨的研究表明, 生产性服务业FDI可以通过为东道国制造业提供优质中间投入、吸引制造业FDI进入等多种途径提高东道国的制造业生产效率^[3]。二是生产性服务外包可降低制造业企业生产成本和交易成本。Hansen和Macpherson认为制造业企业将服务业外包出去, 有利于其专注自身的核心优势技术, 降低生产运营风险, 以更好地应对意外情况^{[4, 5]}。Eswaran等认为, 生产性服务业开放可以深化制造业分工, 降低制造业产品生产成本, 提高劳动生产率^[6]。贾莹等认为生产性服务业外包后, 可以优化资本结构, 转移运营风险, 培育核心竞争力^[7]。杜宇玮认为生产性服务业专业化后, 可以使制造业企业把有限的资源集中到优势生产环节, 从而有利于企业降低经营成本, 提高生产运营效率^[8]。三是生产性服务业开放通过外溢效应促进制造业发展。Pappas等指出, 发展生产性服务业会带来溢出效应和规模经济效应, 降低制造业成本, 从而提升制造业效率和竞争力^[9]。周呈奇认为生产性服务业的开放发展会带来市场竞争效应和技术扩散效应, 同时降低交易成本^[10]。Chakraborty等认为服务业外资可以通过跨部门溢出效应提高制造业企业劳动生产率^[11]。胡晶认为生产性服务业的发展可以推进市场化改革, 深化专业分工, 降低社会交易成本, 完善商业政策环境, 促进技术创新和制造业结构转型升级^[12]。矫萍等认为生产性服务业FDI有助于形成制造业与生产性服务业等相关产业的集聚网络, 并通过产业关联效应提升制造业效率^[13]。

实证研究主要有两个方面:一是关于国外的研究。Eschenbach等以经济体制转型的国家为研究对象, 发现服务贸易自由化可以提高制造业效率, 促进经济增长^[14]。Arnold等的研究表明, 撒哈拉以南非洲的金融服务业、电子和信息服务业等的开放可以提高制造业生产率^[15]。Arnold等使用投入产出面板数据, 实证研究发现捷克生产性服务业开放可以促进制造业技术效率, 提升国际竞争力^[16]。二是关于中国的研究。江静等运用1998年至2004年中国各地区的数据, 以制造业全员劳动生产率为被解释变量, 计量结果表明, 发展生产性服务业可以提高制造业行业整体效率, 其中运输和通信业对劳动密集型产业影响最大, 金融保险业对资本密集型产业影响较大, 科学研究业对制造业总体上有滞后影响^[17]。樊秀峰等使用中国1997年至2009年制造业面板数据, 以制造业劳动生产率为被解释变量进行实证分析, 认为大力开展生产性服务贸易可以实现规模经济, 提高资源配置效率, 但不同类型的生产性服务贸易对不同类型的制造业生产效率的作用效果和作用路径并不一致^[18]。何骏使用中国投入产出表和2000年至2010年的数据, 以制造业增加值为被解释变量进行实证分析, 发现生产性服务贸易自由度提升对制造业产出有正向影响, 分行业而言, 金融保险业对制造业的产出影响较大, 科技服务业对制造业的产出有制约作用^[19]。

当前国内外学者在研究生产性服务业开放对制造业产出效率的影响时, 大多以全员劳动生产率、制造业增加值或是用其他宏观层面数据来衡量制造业的产出效率, 很少从微观企业层面用OP法或LP法来精确计算全要素生产率; 而使用OP法或LP法计算出全要素生产率的文献, 侧重于研究其他因素如中间品进口^[20]、环境规制^[21]等对企业全要素生产率的影响, 没有强调生产性服务业开放对制造业生产率的影响。本文用OP法和LP法分别计算出2001年至2013年中国制造业企业全要素生产率, 并探究生产性服务业细分行业的开放对不同类型制造业企业生产率的影响。

生产性服务业(producer services)最先由Greenfield提出^[22]。Browning等对服务业进行分类时, 提出生产性服务业应包括保险、金融、法律、工商、经纪服务等为客户提供专业服务的具有知识密集型特点的服务业^[23]。程大中认为生产性服务是市场化的专业服务, 可为其他产品的生产提供中间投入^[24]。高传胜等借助中国投入产出表界定了生产性服务业的特定内涵, 认为其包含交通运输和仓储业、计算机服务和软件业、信息传输业、金融(保险)业、租赁与商业服务、科学研究业、技术服务与地质勘查业等^[25]。

虽然不同学者对生产性服务的界定和表述不完全相同, 但目前一般认为生产性服务业是随着经济发展和市场化水平的提高, 从企业内部独立出来的新兴生产服务部门, 可为其他产业提供商品流通、分配和金融服务, 为其他产业组织、培训人力资源或调配物质资源的产业, 不直接向消费者提供服务, 并具有专业化程度高、知识密集度高、服务地域广等特点。

2015年中国国家统计局对生产性服务业进行了界定, 生产性服务业包括为生产活动提供的研发设计与其他技术服务、货物运输仓储和邮政快递服务、信息服务、金融服务、节能与环保服务、生产性租赁服务、商务服务、人力资源管理与培训服务、批发经纪代理服务、生产性支持服务。本文结合数据的可获得性, 根据中国国际收支平衡表的历年数据, 研究运输服务、保险服务、金融服务、通讯邮电服务、计算机和信息服务、专利权使用费和特许费服务、咨询服务、其他商业服务这8类服务业的开放对制造业生产率的影响。

诸多研究表明, 生产性服务业开放与制造业生产效率具有正相关性。生产性服务业开放可直接为制造业提供优质中间投入; 生产性服务业外包可降低制造业企业生产成本和交易成本; 生产性服务业开放带来外溢效应, 促使制造业企业进行技术创新、产品革新, 从而提升制造业全要素生产率。

1.生产性服务业开放直接为制造业提供优质中间投入

本文使用简化的Marrewijk模型^[26]描述生产性服务业开放为本土制造业提供优质中间投入, 进而促进制造业生产效率的作用机制。

假设某经济体有若干个厂商生产最终产品M, 生产产品M需投入劳动力L、资本K以及生产性服务集合体P, 生产M的规模经济不变, 可用C-D生产函数表示:

M_i=A KiαLiβPiγ(1)

(1)式中α 、β 、γ > 0, 且α +β +γ =1。由于生产性服务业是高级投入要素, 属于知识密集型行业, 不同的生产性服务业之间不能完全替代, 本文假设各个生产性服务业存在一定的垄断情况。假设在投入一些固定成本后, 只需再投入劳动力就可生产P_j, 且要素边际成本不变, 那么P的生产函数可设为:

P_i=P_i(P₁, P_j, P_n, L)(2)

其中P_j表示制造业生产过程中投入的生产性服务业。为方便研究, 简化P的生产函数, 假设P_j和P是分离的, P_j的生产函数完全相同而且在P中的地位对称, 则P的生产函数可表示为:

P= ∑Pjθ1θ(3)

其中0< θ < 1。

P_j的成本函数可设定为:

C(P_j)=ω P_j+ω F(4)

其中ω 为单位劳动力的工资与P的比值, F为生产P_j所需要的固定成本。

由于P_j的生产函数相同, 在P中的地位对称, 所以在均衡时所有的生产性服务中间要素投入价格相同, 在组成P时, 使用同等数量的生产性服务投入品Q_j=m, j=1, 2, …, n, 生产性服务投入的总量为Q=nm, P的生产函数可简化为P= n1θm, 于是P的生产效率为:

PQ= n1-θθ(5)

生产性服务开放会带来更多优质的中间投入, 使得n增加, 由(5)式可知生产性服务集合P的生产效率会增加, 进而通过公式(1)提高制造业生产效率。

在现实经济社会中, 时常看到一些本土企业引进国外先进的生产性服务, 如新兴的供应链管理方法、便利的结算方式、高效的投融资模式以及其他高质量的管理咨询服务等, 这可以使企业在竞争日益加剧、对产品要求日益精细化的市场中提高企业生产效率, 从而立于不败之地。

2.生产性服务业外包可降低制造业企业生产成本

随着全球价值链的发展和产业在世界范围内的重新分配, 服务外包业发展迅速。目前生产性服务业已成为一个专业性的部门, 这个部门拥有专业化的生产流程、先进的技术和优秀的人才, 可以为制造业企业提供高质量和高效率的中间服务。企业的核心资源和能力是有限的, 把生产性服务业外包出去可以使企业放弃自己的弱势, 专注于核心优势, 转移资本风险, 实现利润最大化, 提升生产效率。

生产性服务业外包后使企业原本在生产性服务部门消耗的固定成本变为按需定制的灵活成本, 一定程度上可降低制造业企业在交易过程中的搜寻成本和信息成本。如把烦琐的呼叫中心外包可以降低制造业企业的运营成本; 把物流服务外包可以降低企业的运输成本; 把软件信息服务外包给可靠的专业人士可以增强企业的信息安全, 加强信息流管理等。

3.生产性服务业开放带来外溢效应

开放生产性服务业可以吸引国外高管或优秀的技术人才来本土任职, 使国外大量优质的知识资本、人力资本流入国内企业, 产生外溢效应。本土员工在与国外技术人员进行业务交流时, 潜移默化中会受到对方先进思维的影响, 这会促使本土企业管理人员改善经营模式, 优化管理流程。本土制造业企业在学习掌握国外先进知识技术的同时, 若能消化吸收新知识并举一反三, 就会更快地突破关键技术瓶颈, 研发出核心技术, 促使本土加工制造业向全球价值链上游攀升, 发展为较高端的服务型制造业, 推进制造业转型升级。

为分析生产性服务业开放对制造业全要素生产率的影响, 本文使用2001年至2013年中国工业企业数据库, 按照GB/T4754— 2002和GB/T4754— 2011标准, 选取了行业代码前2位为13至43的制造业企业, 并剔除了企业工业总产值、从业人数、固定资产合计等关键指标缺失的样本值, 建立如下计量模型^[28]:

ln TFP_{i, t}=α ₀+α ₁transport_t+α ₂insurance_t+α ₃finance_t+α ₄telecom_t+α ₅computer_t+ α ₆patent_t+α ₇consulting_t+α ₈otherbusiness_t+β X+μ _{i, t}(6)

X为控制变量的集合, 具体包括:

X=γ ₁SOE_i+γ ₂k_{i, t}+γ ₃wage_{i, t}+γ ₄age_{i, t}+γ ₅ag ei, t2+μ _{i, t}(7)

其中, 下标i、t分别表示企业和时间, TFP_{i, t}为第i个企业在第t年的全要素生产率, 是本文的被解释变量。transport_t、insurance_t、finance_t、telecom_t、computer_t、patent_t、consulting_t、otherbusiness_t分别为第t年中国运输服务、保险服务、金融服务、通讯邮电服务、计算机和信息服务、专利权使用费和特许费服务、咨询服务、其他商业服务等8类生产性服务业的开放水平, 借鉴杨玲的做法, 用各类服务进口额与中国GDP的比值来表示^[29]。

本文选取如下控制变量:(1)SOE_i为虚拟变量, 为1时表明第i个企业是国有企业, 为0时表明第i个企业是非国有企业, 本文用控股比例来衡量是否为国有企业, 若国有资本占实收资本的比例超过50%, 即认为该企业为国有企业。国有企业与非国有企业所处的宏观制度环境及产业支持政策不同, 这会影响到TFP。(2)k_{i, t}为第i个企业在第t年的资本产出比, 周念利等认为资本产出率对TFP变动有重要影响^[30], 本文也把资本产出率作为一个解释变量, k_{i, t}=Y/(0.25× A+0.75× B+C), 其中Y为每个企业当年的总产值, A为企业的固定资产净值年平均余额, B为企业的固定资产原价, C代表企业的流动资产合计。(3)wage_{i, t}为第t年第i个企业的职工年平均工资, 职工年平均工资的高低会影响劳动力的投入, 由传统的索洛模型可知, 劳动要素投入会影响TFP, 员工在技术创新方面起着重要作用, 所以企业职工年平均工资也是影响TFP变动的因素。需要说明的是, 由于中国工业企业数据库2009年并没有统计“ 本年应付工资总额” , 本文以2008年和2010年人均工资的算术平均数来代替2009年的人均工资。(4)age_{i, t}为第i个企业在第t年的成立年限, 本文假设企业遵循生命周期理论, 企业从成立初期走向成熟期时, 生产效率上升, 从成熟期走向衰落期时, 生产效率下降。本文运用以下公式得到企业成立时间:age_{i, t}=年份-企业开业年份+1。此外假定误差项服从正态分布:μ _{i, t}~N(0, σ ²)。

1.TFP的基本计算方法

在计算TFP时基本的方法是建立C-D生产函数:

Y_{i, t}=A_{i, t} Li, tαKi, tβ(8)

其中Y_{i, t}表示产出, Li, tα表示劳动力投入, Ki, tβ表示资本投入, A_{i, t}表示技术水平, α 为劳动产出弹性, β 为资本产出弹性, (8)式两边取对数有:

ln Y_{i, t}=α ln L_{i, t}+β ln K_{i, t}+μ _{i, t}(9)

(9)式的残差项μ _{i, t}包含了企业TFP_{i, t}对数形式的信息。用最小二乘法(OLS)对(9)式回归, 可以得到全要素生产率TFP_{i, t}的估计值。这种方法比较简单, 但会产生同时性偏差和样本选择性偏差两个计量问题。同时性偏差是指企业会在当期根据观察到的生产效率及时调整要素投入组合, 使得残差项和回归项是相关的。样本选择性偏差是指样本里的企业都是在市场竞争中优胜劣汰存活下来的生产效率较高的企业, 效率低的企业已被迫退出市场, 没有在样本中出现, 如果只依据现有样本里存活下来的企业估计TFP_{i, t}, 会使估计结果不准确^[31]。Olley和Pakes以及Levinsohn和Petrin分别提出了较好的解决方法^{[32, 33]}。

2.Olley-Pakes方法(简称OP法)

Olley和Pakes用企业的当期投资作为企业生产率的代理变量, 假设企业依据当前生产率做出投资决策。该方法首先不考虑资本投入, 用OLS回归估算出劳动在生产函数中的系数, 得到拟合残差后, 再把残差作为因变量, 把投资及资本作为自变量, 用高阶多项式估计出资本在生产函数中的比重, 最后将用Probit模型估算出的企业生存概率作为另一个自变量放入回归过程中, 结合已经得到的劳动和资本系数, 用索洛余值法计算出全要素生产率, 从而解决了同时性偏差问题^[32]。在对投资进行估算时, 采用永续盘存法计算:I_{i, t}=K_{i, t}-(1-δ )K_{i, t-1}, 其中I_{i, t}表示企业i在第t年的投资额, K_{i, t}表示企业i在t年的资本, δ 表示折旧率。在估算企业的投资时, 本文允许折旧率有一定弹性, 分别计算出当折旧率为15%和10%时的TFP。

3.Levinsohn-Petrin方法(简称LP法)

OP方法在满足一系列假定时, 可以得到TFP的一致估计值。但OP法要求在估计过程中, 代理变量(即投资)须与企业总产出保持单调变化, 也就是说无法估计投资额为零的企业的全要素生产率。Levinsohn和Petrin针对这一问题提出了新的TFP估计方法。LP法把工业中间投入作为TFP的代理变量, 首先用资本和中间投入的高阶多项式的近似式, 运用OLS回归估计劳动在生产函数中的比重, 再利用劳动系数估计资本和中间投入在生产函数中的比重, 得到全要素生产率的有效估计值^[33]。

由于LP法的估计结果比OP法更准确, 为了更全面地说明问题, 避免由于被解释变量计算的不同而影响计量结果的准确性, 本文把LP方法计算的TFP作为计量回归的主要被解释变量, OP方法计算的TFP作为稳健性检验的被解释变量。

需要说明的是, 本文在运用Olley-Pakes和Levinsohn-Petrin方法计算全要素生产率时, 设定产出变量为企业工业增加值, 资本变量为固定资产合计, 劳动力变量为企业从业人数。同时为使估算结果更准确, 以2001年为基期进行平减。

图1和表1为2001年至2013年用LP法计算的中国制造业企业TFP的变化情况。可以看到TFP的中位数及均值逐渐增加, 核密度曲线逐渐向右偏移, 这说明企业的TFP水平在此期间不断提高。还可以看到, TFP的方差呈减少趋势, 分布趋于收敛。

图1

	Figure Option ViewDownloadNew Window
	图1 中国制造业企业TFP核密度分布(LP方法)

表1

表1

表1 中国制造业企业TFP的描述性统计(LP方法) 年份 中位数 均值 峰度 偏度 方差 2001 4.384 30 4.322 63 5.518 08 -0.748 09 1.256 47 2005 4.666 32 4.689 29 5.044 13 -0.234 86 1.057 11 2010 4.844 99 4.879 59 4.406 12 -0.051 56 1.036 15 2013 4.986 91 5.024 59 4.221 93 0.000 28 0.965 01

表1 中国制造业企业TFP的描述性统计(LP方法)

表3为使用stata软件回归得到的计量结果, OLS为普通最小二乘法, FE为固定效应法, RE为随机效应法。豪斯曼检验的结果表明, 应使用固定效应模型, 所以后文主要基于固定效应的回归结果进行分析。

表3

表3

表3 基准回归结果 变量 OLS FE RE ln tfp_lp ln tfp_lp ln tfp_lp transport 27.730* * * 71.590* * * 63.190* * * (28.320) (95.640) (87.210) insurance -237.300* * * -344.700* * * -333.500* * * (-68.670) (-128.210) (-129.900) finance 413.400* * * 255.300* * * 297.100* * * (160.210) (124.790) (152.100) telecom -522.400* * * -122.300* * * -210.200* * * (-76.260) (-23.380) (-41.280) computer -641.800* * * -516.300* * * -578.500* * * (-180.140) (-185.130) (-214.070) patent 1 017.200* * * 591.800* * * 734.700* * * (255.240) (190.060) (244.290) consulting -257.800* * * -111.100* * * -154.500* * * (-245.750) (-124.520) (-186.710) 变量 OLS FE RE ln tfp_lp ln tfp_lp ln tfp_lp other business 95.200* * * 37.590* * * 52.760* * * (146.710) (76.730) (109.950) SOE -0.107* * * -0.007* * * -0.064* * * (-138.230) (-5.960) (-71.770) k 0.013* * * 0.006* * * 0.008* * * (430.100) (191.970) (300.660) wage 0.000* * * 0.000* * * 0.000* * * (195.590) (54.000) (98.340) age 0.003* * * -0.000 0.001* * * (92.460) (-1.310) (16.060) age2 -0.000* * * -0.000* * * -0.000* * * (-68.910) (-6.320) (-26.470) _cons 0.274* * * 0.768* * * 0.571* * * (69.150) (244.810) (190.090) n 2 994 162 2 994 162 2 994 162 R2 0.125 0.073 0.071 注: 括号内为t统计值, * 、* * 、* * * 分别表示在10%、5%、1%的显著性水平上显著。下同。

表3 基准回归结果

表4的(1)至(5)列为逐步加入控制变量, 运用固定效应方法对模型进行计量回归的结果。由结果可以看出, 运输服务、金融服务、专利权使用费和特许费服务、其他商业服务这四类服务业的开放度对整体制造业企业全要素生产率有正向影响。从第(5)列可以看到, 这四类服务进口额占GDP的比重各增加1%时, 企业全要素生产率分别增加约71.59%、255.3%、591.8%和37.59%。可以看到专利服务的开放对提升TFP的作用最大, 这说明目前进口国外的专利发明有助于弥补本土制造业企业的技术劣势, 从而提高企业生产效率。

保险服务、通讯邮电服务、计算机和信息服务、咨询服务开放对制造业企业全要素生产率有显著的负向影响。这四类服务进口额占GDP的比重各增加1%时, 企业全要素生产率分别降低约344.7%、122.3%、516.3%和111.1%。可以看到目前计算机和信息服务的开放对提升企业全要素生产率的制约作用最大。可能是由于目前制造业企业进口过多的国外计算机和信息技术会提高生产成本, 不利于提升企业生产率。

此外, 企业的资本产出比也对全要素生产率有显著的正向影响。资本产出比增加一个单位时, 企业全要素生产率增加约0.6%个单位。资本投入可转化为未来的生产力, 资本产出比越高, 资本深化和积累所带来的产出越大, 从而企业的生产效率也越高。

企业职工的年平均工资对全要素生产率也有显著的正向影响。年平均工资增加一个单位时, 使企业全要素生产率增加约0.003%个单位。高薪能够减少劳动力市场的逆向选择问题, 吸引高素质人才, 优化企业的人力资本结构。员工是企业的生命力, 优秀的员工可以为企业创造源源不断的财富, 企业应继续培养和激励人才, 留住高端人才, 从而提高生产效率。

表4

表4

表4 固定效应逐步回归结果及稳健性检验 变量 LP法计算的TFP为被解释变量 稳健性检验:OP法计算的 TFP为被解释变量 (1) (2) (3) (4) (5) (6)折旧率15% (7)折旧率10% ln tfp_lp ln tfp_lp ln tfp_lp ln tfp_lp ln tfp_lp ln tfp_op1 ln tfp_op2 transport 72.840* * * 72.780* * * 78.070* * * 70.750* * * 71.590* * * 48.810* * * 50.600* * * (99.990) (99.900) (107.990) (96.350) (95.640) (32.500) (33.540) insurance -331.600* * * -331.600* * * -361.800* * * -340.700* * * -344.700* * * -351.200* * * -357.090* * * (-128.760) (-128.760) (-141.420) (-131.830) (-128.210) (-65.100) (-65.900) finance 187.100* * * 187.200* * * 205.000* * * 254.100* * * 255.300* * * 297.400* * * 298.443* * * (102.080) (102.150) (112.630) (125.370) (124.790) (72.440) (72.360) telecom 9.666* * 9.415* * -1.302 -119.600* * * -122.300* * * -102.900* * * -113.216* * * (2.030) (1.970) (-0.280) (-23.010) (-23.380) (-9.780) (-10.710) computer -466.000* * * -466.200* * * -571.500* * * -516.400* * * -516.300* * * -1 021.100* * * -1 023.650* * * (-182.130) (-182.200) (-220.250) (-185.190) (-185.130) (-182.480) (-182.100) patent 456.500* * * 457.000* * * 589.600* * * 591.900* * * 591.800* * * 1 080.100* * * 1 084.100* * * (148.900) (149.040) (189.160) (190.080) (190.060) (172.630) (172.470) consulting -62.770* * * -63.060* * * -100.700* * * -112.300* * * -111.100* * * -155.500* * * -156.516* * * (-76.19) (-76.470) (-119.840) (-129.720) (-124.520) (-86.590) (-86.750) other business 18.890* * * 18.990* * * 26.800* * * 37.670* * * 37.590* * * 60.120* * * 60.371* * * (41.940) (42.140) (59.740) (76.910) (76.730) (61.030) (61.000) SOE -0.009* * * -0.008* * * -0.007* * * -0.007* * * -0.012* * * -0.020* * * (-8.050) (-6.970) (-6.420) (-5.960) (-8.400) (-8.800) k 0.006* * * 0.006* * * 0.006* * * 0.012* * * 0.012* * * (193.760) (191.970) (191.970) (184.500) (185.850) wage 0.000 03* * * 0.000 03* * * 0.000 05* * * 0.000 05* * * (54.090) (54.000) (46.740) (46.470) age -0.000 -0.007* * * -0.007* * * (-1.310) (-49.900) (-50.020) age2 -0.000* * * 0.000* * * 0.000* * * (-6.320) (33.860) (33.910) _cons 0.934* * * 0.934* * * 0.775* * * 0.766* * * 0.768* * * -0.370* * * -0.382* * * (308.830) (308.930) (248.950) (246.230) (244.810) (-58.690) (-60.270) n 2 995 055 2 995 055 2 995 045 2 994 162 2 994 162 2 954 116 2 953 367 R2 0.056 0.056 0.072 0.073 0.073 0.050 0.050

表4 固定效应逐步回归结果及稳健性检验

国有企业性质对企业全要素生产率有显著负向影响。国有制造业企业不仅常承担公共基础设施建设的任务, 在运营的过程中难免无法兼顾效率; 而且也存在垄断行为, 在运营过程中受到的行政干预较多, 无法发挥企业的活力, 不利于全要素生产率的提升。

企业成立年限对全要素生产率没有显著影响。可能由于本文研究的企业平均成立年限较短, 大多数企业还处于初创期, 运营管理体系不成熟, 因此企业成立年限对全要素生产率没有显著影响。

为使计量结果更为稳健, 本文使用折旧率为15%和10%的OP法计算的TFP作为LP法计算的TFP的替代指标进行回归分析。由表4的(6)至(7)列可以看到, 运输服务、金融服务、专利权使用费和特许费服务、其他商业服务这四类服务的开放度对制造业企业全要素生产率仍然具有正向影响, 较为稳健; 保险服务、通讯邮电服务、计算机和信息服务、咨询服务仍然对制造业企业全要素有显著的负向影响, 较为稳健。

此外资本产出比、职工年平均工资仍然对全要素生产率有显著的正向影响, 国有企业性质仍然对企业全要素生产率有显著负向影响, 均比较稳健。企业成立年限及其平方项的系数虽然在1%的显著性水平上显著, 但成立年限平方项系数与用LP法计算的TFP回归结果的系数方向相反, 说明企业成立年限平方项对企业全要素生产率的影响不稳健。

根据各行业中投入要素密集程度的不同, 本文把中国制造业行业分为三大类, 劳动密集型、资本密集型和技术密集型^①（^①劳动密集型行业包括:农副食品加工业、食品制造业、酒饮料和精制茶制造业、烟草制品业、纺织业、纺织服装服饰业、皮革毛皮羽毛及其制品和制鞋业、木材加工和木竹藤棕草制品业、家具制造业、造纸和纸制品业、印刷和记录媒介复制业、文教工美体育和娱乐用品制造业、橡胶和塑料制品业、其他制造业; 资本密集型行业包括:石油加工炼焦和核燃料加工业、非金属矿物制品业、黑色金属冶炼和压延加工业、有色金属冶炼和压延加工业、金属制品业、通用设备制造业、专用设备制造业、汽车制造业、废弃资源综合利用业、金属制品机械和设备修理业; 技术密集型行业包括:化学原料和化学制品制造业、医药制造业、化学纤维制造业、铁路船舶航空航天和其他运输设备制造业、电气机械和器材制造业、计算机通信和其他电子设备制造业、仪器仪表制造业。）。表5给出了不同生产性服务业开放对三类制造业企业全要素生产率的回归结果。可以看到运输服务、金融服务、专利权使用费和特许费服务、其他商业服务对三类制造业企业依然有显著正向影响, 与基准回归结果一致。具体而言, 运输服务对技术密集型企业的影响最大(其进口额占中国GDP的比重增加1%时, 技术密集型企业全要素生产率增加约74.45%), 可能是由于技术密集型企业生产的多为科技含量高的精细化产品, 要求对市场变化反应迅速, 便利的交通条件可以降低其采购、销售时间, 缩短生产周期, 从而提高企业生产率; 金融服务对劳动密集型企业的影响最大(其进口额占中国GDP的比重增加1%时, 劳动密集型企业全要素生产率增加约260.6%), 虽然劳动密集型企业为传统企业, 但可能由于目前劳动密集型企业也处于转型阶段, 需要借助金融服务等向采用现代管理运营模式的企业转型, 因此金融服务对其促进作用较大; 专利权使用费和特许费服务对资本密集型企业的影响最大(其进口额占中国GDP的比重增加1%时, 资本密集型企业全要素生产率增加约624.7%), 可能由于中国资本密集型企业技术较为落后, 因此进口专利技术对其生产率促进作用较大。

保险服务、通讯邮电服务、计算机和信息服务、咨询服务对三类企业依然有显著负向影响, 与基准回归结果一致。其中保险服务和咨询服务均对劳动密集型企业的负向影响最大(两类服务进口额占中国GDP的比重分别增加1%时, 劳动密集型企业全要素生产率分别下降约344.1%和114.3%), 可能由于目前劳动密集型这类传统行业生产的产品附加值较低, 并不需要使用保险服务和咨询服务等新兴服务, 进口保险服务和咨询服务无法提高其生产率; 通讯邮电服务和计算机信息服务均对资本密集型企业的负向影响最大(两类服务进口额占中国GDP的比重分别增加1%时, 资本密集型企业全要素生产率分别下降约180.3%和539.1%), 一般而言进口通讯邮电服务和计算机信息服务应对企业生产率有促进作用, 但资本密集型企业相比其他企业而言, 可能会购买大量此类服务, 会使得成本较高, 对企业生产效率有负向影响。

表5

表5

表5 不同生产性服务业开放对三类制造业企业TFP的影响 变量 劳动密集型 资本密集型 技术密集型 ln tfp_lp ln tfp_lp ln tfp_lp transport 71.940* * * 69.270* * * 74.450* * * (62.250) (52.000) (49.100) insurance -344.100* * * -341.200* * * -342.500* * * (-82.950) (-71.580) (-63.100) finance 260.600* * * 232.900* * * 231.100* * * (79.930) (64.600) (54.680) telecom -52.090* * * -180.300* * * -116.700* * * (-6.320) (-19.510) (-10.840) computer -520.000* * * -539.100* * * -484.800* * * (-118.130) (-110.480) (-85.190) patent 580.300* * * 624.700* * * 536.200* * * (119.540) (113.160) (84.980) consulting -114.300* * * -106.600* * * -96.290* * * (-81.060) (-67.500) (-53.270) other business 34.040* * * 40.710* * * 32.140* * * (44.290) (47.000) (32.090) SOE -0.005* * -0.007* * * -0.006* * * (-2.320) (-3.440) (-3.120) k 0.006* * * 0.007* * * 0.005* * * (130.420) (113.630) (80.870) wage 0.000* * * 0.000* * * 0.000* * * (32.630) (28.650) (26.570) age 0.000* * * 0.000* * -0.001* * * (3.890) (2.350) (-7.430) age2 -0.000* * * -0.000* * * 0.000* (-7.650) (-5.530) (1.950) _cons 0.775* * * 0.714* * * 0.853* * * (158.050) (128.660) (134.050) n 1 226 831 1 009 756 751 005 R2 0.076 0.078 0.062

表5 不同生产性服务业开放对三类制造业企业TFP的影响