内容摘要：采用“行业—省份—年份”的三维数据，基于能够避免技术退步的序列DEA-Malmquist生产率指数法，考察2005-2014年中国31个省（市、区）流通服务业细分行业的全要素生产率及其分解。结果表明：中国流通服务业细分行业的TFP均呈上升趋势，且代表物流的交通运输、仓储和邮政业的TFP年均增长率高于代表商流的批发和零售业2.4个百分点；不论是商流业还是物流业，TFP及其分解的增长均表现出较大的区域差异性。

This paper measures the growth rates of total factor productivity(TFP)and it's decomposition of circulation service sub-industry in China's 31 provinces(cities,districts)from 2005 to 2014,using three-dimensional data("industry-province-year")and sequential DEA-Malmquist productivity index method that can avoid the setbacks of technology.The results show that the TFP of China s circulation service sub-industry are all rising,and average annual growth rate of TFP in logistics that represented by transport,storage and postal services is higher than the business flow that represented by wholesale and retail 2.4 percentage points,whether business flow or logistics,the growth of TFP and its decomposition have shown a great regional differences.

    关键词：流通服务业/技术效率/技术进步/序列DEA　　circulation service industry/technical efficiency/technological progress/sequential DEA

    随着一国收入水平的提高，流通服务业对经济增长、社会就业及国民福利等方面的贡献逐渐增加，成为衡量经济发展水平的重要标准之一。赵凯和宋则（2009）[1]指出，商贸流通业充当着促进其他部门增长的过程产业角色，在改变商品供需结构、优化产业结构等方面发挥着重要作用。杨龙志（2013）[2]研究发现，长期来看流通产业具有领先国民经济的特征，具有一定的先导产业性质。可见，流通服务业不只充当生产和消费的中间媒介，其已从国民经济末端产业上升为先导产业、基础产业和战略产业。近年来，中国对流通服务业发展的关注与日俱增。2014年，国务院办公厅印发《关于促进内贸流通健康发展的若干意见》，提出要加快内贸流通发展，充分发挥内贸流通的经济增长效应。2015年5月，商务部提出“互联网+流通”行动计划，争取通过提高流通效率打造新的经济增长点。2015年8月，国务院常务会议强调要做强现代流通业，鼓励“互联网+流通”，并有针对性地出台了诸多扶持措施。这些政策的出台对于中国流通服务业的发展都将起到一定的促进作用，但中国流通服务业在发展过程中仍暴露出一些问题。宋则（2008）[3]指出，我国流通业发展30年来，主要问题是强大的传统增长惯性仍处于主导地位。任保平和王辛欣（2011）[4]对全国31个省区进行比较研究发现，我国流通服务业发展出现明显的区域差距。因此，为了促进我国流通服务业长期稳健发展，对其增长方式尤其是对其生产率进行研究十分有必要，因为只追求要素投入的粗放型增长而不考虑质（生产率）的提高的经济增长模式从长期来说注定要被淘汰（Krugman，1994）[5]。而且，流通产业的发展状况及发展趋势在很大程度上也由流通生产率水平决定（孟子敏，2002）[6]。2015年12月，李克强总理在发改委主持召开的座谈会上提出，中国经济发展要通过提高全要素生产率来实现质的增长。在强化中国经济新指标即提高全要素生产率的背景下，本文主要基于行业异质性和区域差异性视角，对中国流通服务业细分行业的生产率变迁及区域差异性进行研究，以此分析流通服务业的增长质量和区域发展状况，这对于我们更好地了解流通服务业的发展态势和迎接中国服务经济时代的到来具有一定的现实意义。

　　二、文献综述

　　根据研究视角和研究对象的不同，现有文献对流通服务业的研究主要分为三类。第一类文献，主要是基于中国商贸流通业整体层面进行研究。赵凯和宋则（2009）[1]对商贸流通服务业影响力及其作用机理进行研究，发现其对经济增长的直接影响力低于其对经济的间接影响力。任保平和王辛欣（2011）[4]的研究结果表明，地区分工、地理区位、市场环境、工业化与城市化水平是商贸流通业地区发展差异格局形成的主要影响因素。杨龙志（2013）[2]发现，流通产业整体上对国民经济的推动性显著加强，但批发零售业对第二产业的影响力存在弱化现象。荆林波（2013）[7]利用多种效率指标对中国流通业效率进行分析，指出我国流通业体制发展的具体创新方向。徐永锋等（2015）[8]从地区差异与动态角度分析了我国商贸流通业对经济发展的贡献度，结果表明商贸流通业对经济发展的贡献具有地区差异。陈宇峰和章武滨（2015）[9]采用DEA模型测度了1997-2010年全国29个省份的商贸流通效率，结果表明全国及地区之间的商贸流通效率波动趋势没有明显差异。第二类文献，主要是基于流通服务业单一行业层面进行研究。曹军（2014）[10]对中国批发和零售业运行效率采用DEA模型进行分析，发现我国基本呈“W”变动，且区域发展具有显著差异性。田刚和李南（2009）[11]使用DEA-Malmquist方法，实证分析中国物流业全要素生产率的增长来源、差异及其变化趋势，发现各地区物流业TFP呈增长态势，不同区域之间存在差异性。欧阳小迅和黄福华（2010）[12]基于非参数的生产前沿面函数模型，全面测算中国各地区间的物流匹配效率，结果表明我国物流效率水平整体不高，物流所引发的经济增长效应较低，不同区域的物流产业对当地经济发展的促进作用不一致。第三类文献，主要是基于局部区域流通服务业层面进行研究，以讨论中国流通服务业在不同地区的发展及其绩效差异。周日星等（2008）[13]利用计量模型，分析流通业对浙江经济社会发展的直接影响及其溢出效应，结果表明浙江省的经济增长依赖于流通服务业的发展。楼文高等（2010）[14]对长三角地区批发零售企业经营绩效进行超效率DEA研究，结果表明不同投资主体的企业经营效率存在显著差异。陈姗等（2013）[15]研究发现，西部商贸流通业发展水平较低，且西部内部区域地带间的差异对西部流通业地区差异的贡献较大。

　　现有文献对于我们认识和把握中国流通服务业的发展趋势和绩效问题具有重要的理论和现实意义，但相对于流通服务业在国民经济发展中的先导地位及其全要素生产率提高的重要性而言，目前该领域研究仍需进一步拓展。一是现有文献对流通服务业的界定比较模糊，没有统一标准；二是缺乏对流通服务业细分行业的生产率进行对比研究，现有文献主要针对批发零售业和物流业分别进行研究；三是尚无文献同时从区域（省际层面）和行业（细分部门）视角对中国流通服务业的生产率进行时间、区域和行业间的比较。基于此，本文从三个方面对现有文献进行拓展。第一，尽管目前学术界对流通服务业的概念尚未形成统一认识，但流通业是由传统意义上的商业演变而来的观点已在众多学者之间达成共识。基于求同存异的原则，本文主要对目前没有争议的两个流通部门进行研究。一是承担商品所有权转移功能的“批发和零售业”，即商流业；二是承担商品实体空间转移功能的“交通运输、仓储和邮政业”，即物流业。对于与信息流相关的流通部门，由于数据问题无法纳入研究，但商流和物流两个部门已基本包括流通的主要内涵和外延。第二，现有文献是基于时间序列数据或省际面板数据分别对商流业和物流业进行研究，缺乏两个部门生产率在时间维度和区域层面的对比研究。因此，本文首次采用“行业—省份—年份”的三维数据，对2005-2014年中国31个省（市、区）的流通服务业细分行业（包括“批发和零售业”和“交通运输、仓储和邮政业”）的全要素生产率（TFP）变动及其分解进行时间维度和区域差异性的比较分析，并进一步考察两个部门的区域差异性趋势特征。第三，在研究方法上，现有文献主要采用传统的标准DEA方法，该方法容易出现技术退步的结果。因此，本文基于“技术不会被遗忘”的假定，采用序列DEA（sequential data envelopment analysis）方法确定最佳生产前沿，以有效规避运用标准DEA方法出现的技术退步问题。

　　三、研究方法与数据处理

　　（一）研究方法

　　根据生产函数是否需要事前设定，全要素生产率（TFP）的测度主要有参数法和非参数法两类。由于参数法的使用条件比较苛刻，如生产函数的具体形式需要事先确定，对规模报酬约束条件需要进行设定等，所以目前确定生产前沿的非参数法特别是DEA方法较为流行。本文以中国31个省（市、区）的流通服务业细分行业为研究对象，考虑到行业之间和地区之间的差异性较大，为了避免生产函数设定的主观偏误，采用DEA-Malmquist生产率指数法。王恕立和胡宗彪（2012）[16]在考察中国服务业分行业生产率时也采用此种研究方法，该方法能够降低数据质量对模型估计的干扰，避免函数形式设定偏误或主观判断对估计结果准确性的影响，对全要素生产率的分解结果也具有重要的启示意义。

　　DEA方法包括当期DEA和序列DEA两种，它们之间的差异主要体现在最佳生产前沿的确定方法上。在确定t期的最佳生产前沿时，当期DEA是基于t期的投入和产出数据，而序列DEA是基于t期及以前所有的投入和产出数据。Timmer和Los（2005）[17]提出，相比于当期DEA，序列DEA更具优势：采用序列DEA构造的生产前沿不会向内偏移，可以有效规避可能存在的技术退步问题；对“追赶”思想的引入更具可靠性；能够排除对生产前沿产生影响的短期产出波动。由于流通服务业的独特性质及更多的知识属性，某些知识一旦被掌握就不应在下一年被遗忘，即现代科技总是在不断进步。同时，由于技术外溢、技术追赶等效应的存在，流通服务业的技术水平应该进步或者至少保持不变。因此，遵循林毅夫和刘培林（2003）[18]的研究，本文同样假定技术不会退步，对最佳生产前沿采用序列DEA方法进行确定。

　　假设在每一时期t（t=1，…，T），第k（k=1，…，K）个省份使用n（n=1，…，N）种投入，得到m（m=1，…，M）种产出，分别表示t期所有省份的投入和产出向量。由序列DEA可知，在规模报酬不变（CRS）和投入要素强可处置条件下，每一期的参考技术应为：
　　
　　则每个省份基于产出（output-orientated）的距离函数为：
　　
　　式（3）可通过式（4）进行线性规划求解，具体为：
　　
　　借鉴Fare等（1994）[19]采用两个CCD①类型的Malmquist指数的几何平均值来测算TFP的增长及其分解，我们按照相同的方法构造序列Malmquist生产率指数。具体为：
　　
　　其中，EC是相对效率变化指数，TC是技术进步指数。在生产前沿能够规模报酬可变的情况下，EC还可表示为纯技术效率变化指数（PEC）与规模效率变化指数（SEC）的乘积。

　　（二）数据处理

　　《国民经济行业分类》（GB/T4754-2002）对部门划分进行了调整，使得2003年前后的服务业部门分类存在较大差异，且各省份使用新行业分类进行统计时存在一定时滞。因此，考虑到数据的统一性和可得性，我们采用流通服务业各行业在2005-2014年间的省际面板数据进行研究。

　　1.流通服务业产出。根据现有研究，本文使用不变价的增加值进行衡量。2005-2007年的数据取自《中国统计年鉴》（2006-2008）中的“地区生产总值”，2008-2014年的数据取自《中国统计年鉴》（2009-2015）中的“按三次产业分地区生产总值”。由于原始数据均为当年价格，本文使用《中国第三产业统计年鉴2011-2013》中的“各地区交通运输、仓储和邮政业，批发和零售业的增加值指数（2010-2012）”和《中国第三产业统计年鉴2007-2010》中的“各地区交通运输、仓储和邮政业，批发和零售业的增加值环比发展速度（2006-2009）”，将其换算为2005年不变价。鉴于2013-2014年的“各地区第三产业分行业增加值指数”缺失，我们分别用2010-2012年和2011-2013年各地区第三产业分行业不变价增加值指数的平均值代替2013年和2014年的增加值指数，进而得到2013年和2014年的不变价增加值。
　　2.劳动投入。郑京海和胡鞍钢（2005）[21]认为，劳动投入应该选择劳动时间进行衡量，但这一指标无法获得可用数据，故采用常用的劳动人数指标。杨勇（2008）[22]指出，市场经济越发达，劳动报酬越能反映实际的劳动投入变化。任若恩和孙琳琳（2009）[23]指出，不同的劳动力对应不同的生产率，但在劳动力人数相同的条件下，劳动质量的改善可能使劳动投入增加。因此，为了考虑劳动投入质量对结果的影响，我们对各地区流通服务业细分行业的就业人数进行时序上的质量调整。但是，由于现实中所需数据缺失，本文只能选取各地区流通服务业细分行业的“年末从业人员数”对劳动投入情况进行衡量。鉴于现有统计年鉴中没有2005-2014年各地区流通服务业细分行业的年末从业人员数据，我们采用如下方法计算得到：各地区总就业人数=全国总就业人数×（各地区城镇单位总就业人数/全国城镇单位总就业人数）；各地区流通服务业分行业全社会就业人数=各地区总就业人数×（各地区流通服务业分行业的城镇单位就业人数/各地区城镇单位总就业人数）。公式中指标数据均来自《中国统计年鉴》（2006-2015）。

　　3.资本投入。由于没有各地区流通服务业各行业的资本存量数据，借鉴现有文献的做法，我们运用永续盘存法进行估算。计算公式为：
　　
　　其中，下标i表示地区，下标j表示行业，分别表示t年、t-1年、基年的资本存量，表示t年的不变价投资额，表示t年的资本折旧率。我们使用Harberger（1978）[24]提出的稳态方法（steady-state method）对基年资本存量进行估算，公式为：②
　　
　　考虑到经济周期波动和短期波动的影响，Harberger（1978）[24]认为使用一段时期内的产出平均增长率表示比较合理。本文使用样本期内各地区各行业不变价增加值的年均几何增长率进行衡量。关于资本折旧率的确定，目前学术界没有统一标准，如Hall和Jones（1999）[26]取为6%，Wu（2003）[27]表示7%最好，Wu（2009）[28]对中国31个地区三次产业的资本折旧率运用模拟方法进行估算，得到所有地区的服务业平均折旧率是4%，因此本文使用4%的折旧率。

　　目前，我国对各地区流通服务业细分行业资本形成总额数据统计缺乏，本文参考杨勇（2008）[22]的方法，对当年投资使用固定资产投资进行衡量。名义固定资产投资数据直接从《中国统计年鉴》（2006-2015）获取，但用于价格平减的各地区各行业的固定资产投资价格指数没有现成数据可用，故我们全部使用全社会固定资产投资价格指数对名义固定资产投资进行价格平减（基期为2005年）。

　　为了进行区域间的比较分析，我们根据第七个五年计划以及党中央国务院提出的“西部大开发”和国家发改委的最新划分标准，将北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南和辽宁划为东部地区，将山西、河南、安徽、江西、湖北、湖南、黑龙江和吉林划为中部地区，将内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆划为西部地区。

　　四、中国流通服务业分行业生产率变迁及区域差异

　　经计算，我们得到2005-2014年中国流通服务业各行业及各省份的全要素生产率指数及其分解，接下来从历史变迁和区域差异两个层面对商流业和物流业进行对比分析。

　　（一）历史变迁：商流业与物流业的对比分析

　　表1报告了中国商流业和物流业的Malmquist生产率指数及其分解情况，主要包括五个方面。

　　1.从TFP增长的平均情况看，样本期内技术进步和技术效率共同推动商流业TFP年均增长5%；同期物流业TFP年均增长率更高，达到7.4%，原因在于技术进步的增长幅度更大。商流业的计算结果与袁丹和雷宏振（2015）[29]的研究一致，他们研究得到批发和零售业的TFP年均增长1.3%，也主要是由于技术进步增长所致；他们发现物流业TFP年均下降1%的结论与本文存在较大差异，可能是因为二者在研究方法（如本文使用的是序列DEA而非当期DEA）、数据样本期及处理上存在不同，如在资本存量的计算方法上，本文使用各地区流通服务业细分行业的不变增加值在2005-2014年间的几何平均增长率表示物质资本的增长速度，更接近真实情况。从样本期内的平均值来看，物流业TFP年均增长率高于商流业2.4个百分点，主要是因为二者在技术进步增长率上存在显著差距，物流业的技术进步率高于商流业412个百分点，但商流业在技术效率增长上只高出物流业1.7个百分点。

　　2.商流业和物流业在技术进步增长率方面存在显著差距，我们认为可能是因为我国早期比较重视物流业的发展。正如“要想富，先修路；想更富，修高速”这个口号，可见物流业的建设和发展在早期就被各级政府视为快速脱贫致富的最佳途径。因此，各级政府陆续出台了促进现代物流业发展的政策，对物流业部门投入大量的资金和人力，技术创新效果较明显（田刚、李南，2009）[11]，而商流业的发展水平明显落后于物流业。王治和倪梦杰（2014）[30]的研究发现，物流业的空间基尼系数均值大于商流业，说明物流业在中国的集聚以及形成的核心竞争力要优于商流业。另外，商流业中大多数市场进入壁垒较低，商流企业刚开始进入市场时不需要很多的初始固定资产投资，企业自身实力较弱；物流市场进入门槛较高且物流企业自身实力较强，所以在对技术创新进行资金投入时，物流业具有比较优势，使其更容易取得技术上的进步。

　　3.在技术效率及其分解的对比方面，商流业的纯技术效率和规模效率年均增长率分别高于物流业1.1个百分点和0.5个百分点，结果导致商流业的技术效率增长高于物流业1.7个百分点，意味着物流业不论是在技术使用上还是在规模效率上都不如商流业。商流业和物流业的纯技术效率年均增长率分别为0%和-1.1%，出现这一差异现象的原因可能是中国物流业市场化改革才刚刚开始，总体垄断程度比较高，加上物流业复合型的产业性质，其涉及的相关部门组织化水平比较低，这些都在无形中束缚了物流业纯技术效率的提高（田刚、李南，2009）[11]。商流业和物流业的规模效率年均增长率分别为0.7%和0.2%，出现这一差异现象的原因可能是商流业和物流业之间的相互影响程度不同。张永恒（2015）[31]的研究表明，我国批发零售业和物流业之间存在稳定的长期均衡关系，物流业的发展对批发零售业有较大贡献率，但批发零售业对物流业的贡献率不是很大。

　　4.从TFP增长的变动趋势来看，纯技术效率的下降幅度过大导致商流业TFP在2012年和2013年都出现了负增长（分别为-0.63%和-0.29%），表明这两年该领域的现有资源没有得到充分利用；物流业在样本期内的TFP增长均为正。商流业与物流业的技术效率和技术进步还具有两点差异：第一，相同年份里商流业的技术效率增长率一般高于物流业（2011年和2012年除外），表明在资源配置方面，商流业要优于物流业；第二，相同年份里商流业的技术进步增长率一般低于物流业（2009年除外），证明了平均意义上的商流业技术进步增长率低于物流业的结论。
　　
　　5.从TFP增长对流通服务业增加值增长的贡献率来看，商流业和物流业的表现差异较为明显。具体而言，商流业TFP贡献率的最高值为2006年的94.75%，最低值为2012年的-57.42%。平均而言，样本期内商流业增加值年均增长12.78%，TFP的平均贡献率仅为39.1%。物流业TFP贡献率的最高值为2011年的144.46%，最低值为2013年的17.57%。平均而言，样本期内物流业增加值年均增长9.51%，TFP的平均贡献率达到77.36%。这一结果表明，虽然商流业的增加值年均增长速度高于物流业，但物流业增长的质量明显高于商流业，即我国批发和零售业发展的粗放型特征更为明显，说明商流业更应该注重通过科技创新实现质的增长。
　　（二）区域差异：商流业与物流业的对比分析

　　表2报告了中国31个省（市、区）以及按东、中、西部划分的各地区商流业和物流业的TFP指数及其分解情况，主要包括三个方面。

　　1.商流业的区域差异分析。从各区域的指数平均值来看，西部地区的TFP平均增长率最高（5.9%），中部次之（5.3%），东部最低（3.6%）且低于全国平均水平（5%），三者之间的差距最高为2.3%。其中，技术进步增长率由高到低依次为中、西、东部，三者之间的差距最高为0.9%；技术效率增长率由高到低依次为西、中、东部，三者之间的差距最高为2%。由此可见，东、中、西部地区之间的技术效率增长差距要大于技术进步增长差距。增加值增长率由高到低依次为中、西、东部，三者之间的差距最高为0.56%；TFP贡献率由高到低依次为西、中、东部，三者之间的差距最高为16.71%。由此可见，商流业及其生产率增长在发展过程中呈现出区域发展不平衡现象，东、中、西部地区差异显著。

　　2.物流业的区域差异分析。从三大区域的各指数平均值来看，西部地区的TFP平均增长率最高（9.8%），东部次之（6.4%），中部最低（5.9%），三者之间的差距最高为3.9%。其中，技术进步增长率由高到低依次为西、东、中部，三者之间的差距最高为4.1%；技术效率增长率由高到低依次为中、西、东部，三者之间的差距最高为0.5%。由此可见，东、中、西部地区之间的技术效率增长差距要小于技术进步增长差距。增加值增长率由高到低依次为东、西、中部，三者之间的差距最高为1.06%；TFP贡献率由高到低依次为西、中、东部，三者之间的差距最高为37.16%。由此可见，物流业及其生产率增长在发展过程中也呈现出区域发展不平衡现象，东、中、西部地区差异显著。

　　3.商流业和物流业的区域差异比较分析。根据各区域各指数平均值的最大差异程度结果，可见商流业在TFP增长率、技术进步率、增加值增长率、TFP贡献率等方面的地区差异程度小于物流业，在技术效率增长率的地区差异程度大于物流业。基于不同行业的异质性角度，商流业和物流业在各指数上的区域差异特征及其原因有五点。

　　第一，从TFP平均增长率的排序看，商流业由高到低依次为西、中、东部，物流业依次为西、东、中部。由此可见，不论是商流业还是物流业，西部地区的TFP平均增长率均最高，这可能是由西部发展的后发优势导致。

　　第二，从技术进步增长率的排序看，商流业由高到低依次为中、西、东部。原因有两方面，一是我国商流业在东、中部具有比较优势，且东部相对于中、西部专业化程度较高，导致其在商流业的继续发展优势不够明显（仲伟周，2012）[32]；二是东部的商流业市场已接近或达到饱和状态（岳中刚，2006a）[33]，相对于该地区已经达到的先进水平，短期内很难取得技术上的快速进步。因此，中、西部的技术进步率高于东部。同时，中部相对于西部而言，其商流业发展的区位因素较优，区位因素主要决定运输成本，进而决定商流业的发展机会（任保平、王辛欣，2011）[4]；在学习和转移东部先进技术上，中部地区相比西部更具成本优势，因此中部的技术进步率高于西部。在物流业方面，技术进步率由高到低依次为西、东、中部，这与田刚和李南（2009）[11]的研究结论相一致。这可能是因为，物流业在西部地区的发展远远落后于东部，使得西部地区物流业更容易获得技术上的进步。不同于商流业，中部地区的物流业技术进步率最低。从行业异质性角度解释，商流业特别是零售业是市场进入壁垒低、竞争比较激烈的产业，各地区的成长竞争力与规模竞争力呈弱负相关关系，落后地区相比一些领先的省市呈现较快的增长态势（岳中刚，2006b）[34]。与此不同，物流业的市场进入壁垒较高，其技术进步需要投入大量资金，而目前中部既在市场经济运作方面落后于东部，又在国家资源分配方面落后于西部（王小鲁、樊纲，2004）[35]，因此中部的物流业技术进步率最低。
　　
　　第三，从技术效率增长率的排序看，商流业由高到低依次为西、中、东部，物流业为中、西、东部，且两者在东部地区都为负增长。这可能是由于东部经济发展较快，政府和企业缺乏相应管理经验，而且多数企业习惯自营，导致商流业和物流业难以实现专业化和社会化发展，这些都会对商流业和物流业的技术效率提高产生负面影响，不利于东部地区的集约式发展。

　　第四，从增加值增长率的排序看，商流业由高到低依次为中、西、东部，物流业依次为东、西、中部，其差异主要是由技术进步率的区域差距所导致。商流业在技术进步率上的高低排序依次为中、西、东部，物流业为西、东、中部。虽然东部地区物流业的增加值增长率高于西部，与技术进步增长率的高低排序不一致，但并不影响技术进步率差距是导致物流业增加值增长率差距的结论。这主要是因为，物流业在新技术的应用上滞后于商流业，即物流业需要投入新的设备进行新的技术运用，从新技术产生到普及应用需要一定时间，而商流业在新技术运用上所需要的时间比较短，因此东部地区的物流业增长率高于西部。
　　第五，从TFP贡献率的排序来看，商流业和物流业由高到低均依次为西、中、东部。可见，不论是商流业还是物流业，西部地区的增长质量都最高。这主要是因为，西部地区的TFP平均增长率最高，且技术进步是主要原因，而技术进步是目前推动我国服务业向集约化经济发展的主导力量（崔敏、魏修建，2015；吕承超、张学民，2015；丁建勋，2015）[36-38]。

　　（三）区域差异的趋势特征：商流业与物流业的对比分析

　　既然商流业与物流业的生产率存在较大区域差异，那么这些区域差异的变动趋势如何？我们借鉴龚六堂和谢丹阳（2004）[39]对差异程度的衡量方法，首先把n个省（市、区）的TFP指数分别记为，其次将这些指数从大到小进行排序，并将排序后的指数分别记为，计算其几何平均值r（EC和TC的计算方法与此类似），最后把离差指标公式定义为：
　　
　　D的绝对值越大，意味着区域间的差异程度越大。如果每个省（市、区）的TFP指数都趋于一致，则D将趋于0。根据公式（8），我们可以得到31个省（市、区）的各指数差异程度变化趋势。
　　
　　1.图1报告了商流业各指数的区域差异程度变化趋势。从全要素生产率（TFP）、技术效率（EC）和技术进步（TC）三个指数的变化趋势上看，TFP的区域差异程度在-0.0721（2013年）到-0.0310（2010年）之间，技术效率的差异程度在-0.0721（2013年）到-0.0252（2006年）之间，技术进步的差异程度在-0.0337（2007年）到0（2013年和2014年）之间。图1显示，TFP和EC的差异程度变动趋势大体一致，总体上呈先上升后下降、再上升再下降的趋势，特别是2010年之后，商流业在TFP和EC上的区域差异程度呈明显扩大趋势并在2013年达到顶峰，2014年有所下降。技术进步的区域差异程度自2008年开始表现为明显的趋同趋势，并在2013年和2014达到0值。相对于2006年，2014年商流业TFP及技术效率的区域差异程度显著上升，技术进步显著下降。这表明2005年以来，商流业TFP增长和技术效率改进的地区间差距正在逐步扩大，技术进步增长则相反。从平均差异程度看，TFP、技术效率、技术进步在2005-2014年间的平均差异程度分别为-0.0487、-0.0451、-0.0169，这一结果与图1都说明了TFP的区域差异最大，其次是技术效率和技术进步。通过计算标准差反映差异程度的波动性，我们发现技术效率的变化最大（0.0139），其次为TFP（0.0163）和技术进步（0.0115）。

　　2.图2报告了物流业各指数的区域差异程度变化趋势。从全要素生产率（TFP）、技术效率（EC）和技术进步（TC）三个指数的变化趋势上看，TFP的区域差异程度在-0.0563（2013年）到-0.0243（2014年）之间，技术效率的差异程度在-0.0560（2013年）到-0.0240（2007年）之间，技术进步的差异程度在-0.0303（2008年）到-0.008 8（2009年）之间。图2表明，TFP、EC、TC的区域差异变动趋势基本一致。2014年与2006年对比，三个指数的区域差异程度都有所下降。从平均差异程度角度看，2005-2014年间TFP、技术效率、技术进步的标准差分别为-0.0403、-0.0340、-0.0205，这一结果与图2均表明TFP的区域差异最大，其次是技术效率和技术进步。从差异程度的波动角度看，2005-2014年间TFP、技术效率、技术进步的标准差分别为0.0101、0.0122、0.0086，可见技术效率的变化最大，其次是TFP和技术进步。
　　
　　3.对商流业和物流业的区域差异性趋势特征进行对比分析，发现两者既有相同点又有不同点。对于相同点，两者在技术进步方面的区域差异程度都呈明显下降趋势；从平均差异程度看，两者的平均区域差异程度由大到小排序都是TFP、技术效率、技术进步，可能是因为在发展商流业和物流业的过程中，各地区在组织、管理和员工技能培训等方面存在较大效率差异；从差异程度的波动角度看，在2005-2014年间两者差异程度的标准差由大到小排序依次都是技术效率、TFP、技术进步，表明技术水平在一定时期内更具稳定性，效率水平相对而言则更具有波动性，这与现实情况相一致（王恕立、胡宗彪，2012）[16]。对于不同点，商流业TFP和技术效率的区域差异程度呈明显扩大趋势，而物流业TFP和技术效率的区域差异程度呈波动性下降趋势；从平均差异程度看，商流业TFP和技术效率的平均区域差异程度要大于物流业，而技术进步率的平均区域差异程度要小于物流业；从差异程度的波动性角度看，商流业TFP、技术效率和技术进步区域差异程度的标准差要大于物流业。

　　（四）稳健性检验
　　
　　鉴于资本折旧率和基年资本存量对数据结果可能会造成影响，本文参考王恕立和胡宗彪（2012）[16]的方法，通过改变基年资本存量的估算方法和折旧率大小进行稳健性检验。首先，保持本文的折旧率（4%）不变，采用Hall和Jones（1999）[26]的基年资本存量估计方法；其次，保持本文基年资本存量的估计方法不变，即Harberer（1978）[24]方法，根据Wu（2003）[27]和Zhang（2008）[40]的做法分别将折旧率设定为7%和9.6%；最后，对基年资本存量的估计方法和折旧率同时进行改变。表3列出了所有测算组合的平均结果，可见改变资本折旧率和基年资本存量的估计方法后，数据结果只在数值上有细微变化，没有改变本文的核心判断和结论。因此，本文的计算结果比较稳健。

　　五、主要结论与理论启示

　　（一）研究结论

　　本文采用“行业—省份—年份”的三维数据，运用能够避免技术退步的序列DEA-Malmquist生产率指数法，对2005-2014年中国31个省（市、区）流通服务业细分行业的全要素生产率变动及其分解进行了测度，从历史变迁和区域差异两个层面对商流业和物流业进行了对比考察，并探讨了商流业和物流业的区域差异趋势特征，得出三个主要结论。

　　第一，中国流通服务业TFP（包括商流业和物流业）整体呈上升趋势，且主导因素都是技术进步提高。分部门对比看，物流业TFP年均增长率高于商流业2.4个百分点，其中，物流业技术进步率高于商流业4.2个百分点，但技术效率增长率低于商流业1.7个百分点。从技术效率的分解指标上看，商流业的纯技术效率和规模效率年均增长率分别高于物流业1.1个百分点和0.5个百分点。这表明，商流业在技术创新速度上落后于物流业，但在资源配置改善方面优于物流业。样本期内，商流业和物流业增加值年均增长率分别为12.78%和9.51%，TFP平均贡献率分别为39.1%和77.36%，表明物流业增长的质量明显高于商流业。与劳动和资本等其他投入要素相比，商流业的TFP贡献率仍处于较低水平，其发展的粗放型特征较为明显。

　　第二，中国流通服务业各行业TFP以不同速度上升，且TFP、技术进步及技术效率增长均存在较大区域差异性。不论是商流业还是物流业，所有省份的TFP增长主因都是技术进步提高，即“增长效应”明显，但多数省份的“追赶效应”不明显。分三大区域对比看，不论是商流业还是物流业，西部地区的TFP平均增长率及TFP贡献率都最高。从技术进步率的排序看，商流业由高到低依次为中、西、东部，物流业为西、东、中部；技术效率增长率由高到低依次为西、中、东部，物流业为中、西、东部，且两者在东部地区都为负增长。同时，我们对两大部门之间的区域差异进行了原因分析。

　　第三，2014年与2006年相比，商流业TFP及技术效率的区域差异程度显著上升，技术进步显著下降，而物流业TFP、技术效率及技术进步的区域差异程度都有所下降。商流业和物流业的平均区域差异程度由大到小排序均为TFP、技术效率、技术进步，区域差异波动程度由大到小均为技术效率、TFP、技术进步。横向对比看，商流业TFP、技术效率及技术进步增长在平均区域差异程度上小于物流业，但在区域差异程度波动上大于物流业。

　　（二）理论启示与政策建议

　　首先，考虑到代表商流的批发和零售业以及代表物流的交通运输、仓储和邮政业的生产率异质性及其主导因素差异，在制定流通服务业整体发展规划的基础上，应进一步统筹和优化商流业和物流业的发展规划。它们在流通功能、流通环节、流通目标等方面的差异和复杂性，决定了国家和企业应该分门别类、实事求是地推进其发展。从提升流通服务业生产率角度出发，在发展方向上应有所侧重，即批发和零售业可以重点从技术创新方面提升技术进步率，而交通运输、仓储和邮政业可以侧重改善资源配置以提高技术效率增长率，由此促使商流业发展真正向集约型方向转变，并保证增长质量。其次，考虑到商流业和物流业生产率变动及其分解的区域差异性特征，以及各类因素对不同地区效率的提升作用大小不同（陈宇峰、章武滨，2015）[9]，国家应根据当地实际情况制定商流业和物流业的流通政策，不能采取一刀切方式。从省际层面看，鉴于多数省份不明显的“追赶效应”拖累了流通服务业生产率增长，今后应着重从改善资源配置、提高资源利用率等方面入手。需要注意的是，结果虽然显示西部地区的TFP平均增长率及TFP贡献率都最高，但不能因此而忽视继续向东、中部地区学习和进行技术引进。再次，结合区域差异性的趋势特征结果，国家在制定支持流通服务业发展的政策时应兼顾行业异质和区域差异之间的匹配。对于物流业而言，应考虑各地区之间技术进步的平衡性，各地要进一步消除技术壁垒以加强技术沟通，并注重技术效率的改进。对于商流业而言，应考虑各地区之间技术效率的平衡性，各地要进一步优化资源配置以追求集约式发展，并注重技术进步提升对商流业发展及其生产率提升的推动作用。

　　（三）研究不足与展望

　　虽然本文首次同时从部门差异和区域差异视角对中国流通服务业生产率的现实表现进行考察，但是没有从企业异质性角度剖析中国流通服务业部门和区域生产率差异产生的原因。另外，随着中国流通服务业的发展，我们仍需从不同层面对中国流通服务业生产率的部门差异和区域差异进行探索。

　　①CCD指的是Caves，Christensen和Diewert（1982）[20]，他们最早介绍了Malmquist生产率指数。
　　
    原文参考文献：

[1]赵凯，宋则.商贸流通服务业影响力及作用机理研究[J].财贸经济，2009(1)：102-108.
[2]杨龙志.流通产业在国民经济中起到先导性作用了吗——基于VAR格兰杰因果的实证研究[J].财贸经济，2013(5)：62-70.
[3]宋则.商贸流通服务业影响力政策分析[J].中国流通经济，2008(4)：11-14.
[4]任保平，王辛欣.商贸流通业地区发展差距评价[J].社会科学研究，2011(2)：45-50.
[5]Krugman P.The myth of Asia's miracle[J].Foreign Affaifs,1994,73(6):62-78.
[6]孟子敏.试论我国流通生产力要素系统的构建和完善[J].财贸经济，2002(9)：33-36.
[7]荆林波.中国流通业效率实证分析和创新方向[J].中国流通经济，2013(6)：13-17.
[8]徐永锋，吴赟，王志增.商贸流通业对经济发展的贡献：地区差异与动态比较[J].商业研究，2015(6)：1-8.
[9]陈宇峰，章武滨.中国区域商贸流通效率的演进趋势与影响因素[J].产业经济研究，2015(1)：53-60.
[10]曹军.基于DEA模型的中国批发业和零售业运行效率分析[J].商业时代，2014(8)：4-5.
[11]田刚，李南.中国物流业技术进步与技术效率研究[J].数量经济技术经济研究，2009(2)：76-87.
[12]欧阳小迅，黄福华.中国地区物流匹配效率及其影响因素实证分析[J].财贸研究，2010(6)：23-31.
[13]周日星，肖奋，朱发仓.浙江省流通服务业影响力研究[J].财贸经济，2008(2)：85-91.
[14]楼文高，冯国珍，杨雪梅.长三角地区批发零售企业经营绩效的超效率DEA研究[J].广东商学院学报，2010(6)：53-58.
[15]陈姗，王勇，曾庆均.西部商贸流通业发展的地区差异及其变动趋势分析[J].重庆工商大学学报，2013(4)：15-21.
[16]王恕立，胡宗彪.中国服务业分行业生产率变迁及异质性考察[J].经济研究，2012(4)：15-27.
[17]Timmer M P,Los B.Localized innovation and productivity growth in Asia:an intertemporal DEA approach[J].Journal of Productivity Analysis,2005,23:47-64.
[18]林毅夫，刘培林.经济发展战略对劳均资本积累和技术进步的影响——基于中国经验的实证研究[J].中国社会科学，2003(4)：18-32.
[19]Fare R,Grosskopf S,Norris M,et al.Productivity growth,technical progress,and efficiency change in industrialized countries[J].American Economic Review,1994,84(1):66-83.
[20]Caves D W,Christensen L R,Diewert W E.Multilateral comparisons of output,input and productivity using superlative index numbers[J].Economic Journal,1982,92:73-86.
[21]郑京海，胡鞍钢.中国改革时期省际生产率增长变化的实证分析(1979-2001)[J].经济学，2005(2)：263-296.
[22]杨勇.中国服务业全要素生产率再测算[J].世界经济，2008(10)：46-55.
[23]任若恩，孙琳琳.我国行业层次的TFP估计：1981-2000[J].经济学，2009(3)：925-950.
[24]Harberger A.Perspectives on capital and technology in less developed countries[C].London:Croom Helm,1978.
[25]King R G,Levine R.Capital fundamentalism,economic development,and economic growth[J].Carnegie-Rochester Conference Series on Public Policy,1994,40(1):259-292.
[26]Hall R,Jones C.Why do some countries produce so much more output than others[J].The Quarterly Journal of Economics,1999,114:83-116.
[27]Wu Y R.Has productivity contributed to China's growth[J].Pacific Economic Review,2003,8(1):15-30.
[28]Wu Y R.China's capital stock series by region and sector[R].Perth:University of Western Australia,2009.
[29]袁丹，雷宏振.我国生产性服务业全要素生产率的异质性及收敛性分析[J].软科学，2015(6)：24-27.
[30]王治，倪梦杰.中国服务业集群测度——基于2005-2011年全国八大经济区域统计数据[J].工业技术经济，2014(6)：121-130.
[31]张永恒.我国批发零售业与物流行业的相互影响研究[J].中国物价，2015(5)：89-91.
[32]仲伟周，郭彬，彭晖.我国零售业区域集聚影响因素的实证分析及政策含义[J].商业经济与管理，2012(10)：5-13.
[33]岳中刚.基于因子分析法的区域零售业竞争力研究[J].产业经济研究，2006a(2)：24-29.
[34]岳中刚.中国区域零售业竞争力评价与分析[J].现代经济探讨，2006b(1)：23-26.
[35]王小鲁，樊纲.中国地区差距的变动趋势和影响因素[J].经济研究，2004(1)：33-44.
[36]崔敏，魏修建.服务业各行业生产率变迁与内部结构异质性[J].数量经济技术经济研究，2015(4)：3-21.
[37]吕承超，张学民.中国高技术产业发展区域差异测算及其影响因素[J].贵州财经大学学报，2015(4)：73-85.
[38]丁建勋.要素再配置效应与中国经济增长[J].贵州财经大学学报，2015(6)：1-10.
[39]龚六堂，谢丹阳.我国省份之间的要素流动和边际生产率的差异分析[J].经济研究，2014(1)：45-53.