喬紅芳

（閩南師范大學(xué)商學(xué)院，福建漳州，363000）

一、研究背景

隨著我國經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)，新舊增長動(dòng)力的轉(zhuǎn)化尚未完成，一些不確定風(fēng)險(xiǎn)顯性化，經(jīng)濟(jì)下行壓力增大。在此背景下，2015年11月習(xí)近平總書記首次提出著力加強(qiáng)供給側(cè)結(jié)構(gòu)性改革，并在十三五規(guī)劃及政府工作報(bào)告中屢次強(qiáng)調(diào)。從供給層面著手，通過全面深化改革，充分挖掘生產(chǎn)要素的增長潛力，提高資本、勞動(dòng)力、土地等資源的產(chǎn)出效率，成為突破現(xiàn)實(shí)困境的可能途徑。福建省亦不例外，當(dāng)前也處于經(jīng)濟(jì)轉(zhuǎn)型升級期，應(yīng)積極響應(yīng)和落實(shí)供給側(cè)結(jié)構(gòu)性改革政策，未來發(fā)展更應(yīng)關(guān)注投入生產(chǎn)要素的產(chǎn)出效率，不斷提高全要素生產(chǎn)率。

Copper&Charnes［1］1978 年首次提出數(shù)據(jù)包絡(luò)分析（DEA）方法，用于評價(jià)決策單元投入產(chǎn)出的相對效率，之后被廣泛應(yīng)用于區(qū)域發(fā)展［2］、行業(yè)［3］、銀行［4］、競爭性企業(yè)［5］的效率評價(jià)，涌現(xiàn)了大量的研究文獻(xiàn)。大多研究發(fā)現(xiàn)不同區(qū)域、不同行業(yè)、不同企業(yè)間全要素生產(chǎn)率存在著一定的差異，這意味著傳統(tǒng)增長理論關(guān)于每個(gè)決策單元的資源投入達(dá)到最優(yōu)配置的假定不成立。鑒于此，本文采用DEA-Malmquist方法對2006～2017年福建省及各行業(yè)全要素生產(chǎn)率指數(shù)進(jìn)行了測算，在此基礎(chǔ)上分析影響各行業(yè)全要素生產(chǎn)率變化的驅(qū)動(dòng)因素并總結(jié)其變化特征，最后提出幾點(diǎn)提升行業(yè)全要素生產(chǎn)率的政策啟示。研究旨在挖掘并釋放要素的生產(chǎn)力，不僅能為福建省的供給側(cè)結(jié)構(gòu)性改革提供有益的借鑒，而且也可以通過提高全要素生產(chǎn)率推動(dòng)經(jīng)濟(jì)的持續(xù)高質(zhì)量增長。

二、研究方法

Copper&Charnes提出的DEA模型假定若干個(gè)決策單元面對相同的技術(shù)前沿，通過距離函數(shù)測度其與技術(shù)前沿的差距，但是該方法只能靜態(tài)評價(jià)決策單元間的相對效率大小。Fare&Grosskopf［6］將DEA模型和Sten提出的Malmquist指數(shù)融合，通過Malmquist指數(shù)的大小反映投入產(chǎn)出相對效率跨期變動(dòng)情況，該方法不僅可以動(dòng)態(tài)地測度決策單元跨期全要素生產(chǎn)率的變化特點(diǎn)，還可以進(jìn)一步通過Malmquist指數(shù)分解為技術(shù)進(jìn)步、技術(shù)效率、純技術(shù)效率和規(guī)模效率，更為準(zhǔn)確地尋找推動(dòng)跨期全要素生產(chǎn)率變化的主要?jiǎng)右颉?/p>

假設(shè)評價(jià)期間為t=1,2,3,…,T，共有s個(gè)決策單元，第r個(gè)決策單元在t期第i種投入為(i=1,2,…m)，第r個(gè)決策單元在t期第 j種產(chǎn)出為(j=1,2,…n)。那么，針對第r0個(gè)決策單元可構(gòu)建如下最優(yōu)化規(guī)劃：

將式（1）轉(zhuǎn)化為對偶問題：

其中，λr是投入產(chǎn)出的權(quán)重向量，θ反映第r0個(gè)決策單元的投入產(chǎn)出效率。在式（2）基礎(chǔ)上引入松弛變量和剩余變量，將不等式轉(zhuǎn)化成等式，則變?yōu)椋?/p>

若Malmquist指數(shù)〉1時(shí)，表明投入產(chǎn)出效率不斷提升；Malmquist指數(shù)=1時(shí)，表明效率沒發(fā)生變化；Malmquist指數(shù)〈1時(shí)，說明效率在下降?？蛇M(jìn)一步分解為：

技術(shù)效率指數(shù)：

三、指標(biāo)選擇、數(shù)據(jù)來源及處理

（一）指標(biāo)選擇

依據(jù)國民經(jīng)濟(jì)行業(yè)（GB/T 4754-2002）分類標(biāo)準(zhǔn)，同時(shí)考慮不同年份間數(shù)據(jù)的可比性，本文共劃分了16個(gè)行業(yè)，分別是：農(nóng)林牧漁業(yè)（C1）、工業(yè)（C2）、建筑業(yè)（C3）、批發(fā)和零售業(yè)（C4）、交通運(yùn)輸倉儲和郵政業(yè)（C5）、住宿和餐飲業(yè)（C6）、信息傳輸軟件和信息技術(shù)服務(wù)業(yè)（C7）、金融業(yè)（C8）、房地產(chǎn)業(yè)（C9）、租賃和商務(wù)服務(wù)業(yè)（C10）、科學(xué)研究和技術(shù)服務(wù)業(yè)（C11）、水利環(huán)境和公共設(shè)施管理業(yè)（C12）、居民服務(wù)修理和其他服務(wù)業(yè)（C13）、教育文體娛樂業(yè)（C14）、衛(wèi)生和社會(huì)工作業(yè)（C15）、公共管理社會(huì)保障和社會(huì)組織（C16）。其中：工業(yè)包含了采礦業(yè)、制造業(yè)、電力、熱力、燃?xì)饧八a(chǎn)供應(yīng)業(yè)3個(gè)子行業(yè)；教育文體娛樂業(yè)包含教育、文化體育和娛樂業(yè)2個(gè)子行業(yè)。各行業(yè)生產(chǎn)要素的投入包含資本和勞動(dòng)力兩類，分別選取資本存量和全社會(huì)從業(yè)人員數(shù)兩個(gè)指標(biāo)；各行業(yè)的產(chǎn)出主要通過該行業(yè)的地區(qū)生產(chǎn)總值來衡量。

（二）數(shù)據(jù)來源及處理

1.分行業(yè)資本存量

《福建省統(tǒng)計(jì)年鑒》并未公布各行業(yè)的資本存量，本文采用永續(xù)盤存法進(jìn)行估計(jì)，估算公式為：Kt+1=Kt(1-δt+1)+It+1，其中：Kt為第 t期資本存量，δt+1為折舊率，It+1為第t+1期固定資產(chǎn)投資額?！陡＝ㄊ〗y(tǒng)計(jì)年鑒》中2015年及以前采用分行業(yè)全社會(huì)固定資產(chǎn)投資額，2016～2017年采用分行業(yè)固定資產(chǎn)投資額。全社會(huì)固定資產(chǎn)投資額分為固定資產(chǎn)投資（不含農(nóng)戶）和農(nóng)村農(nóng)戶投資兩類。比較2010～2015年間全社會(huì)固定資產(chǎn)投資額和固定資產(chǎn)投資（不含農(nóng)戶），發(fā)現(xiàn)二者之間非常接近，農(nóng)村農(nóng)戶投資平均占比較低，只有1.59%，故2016和2017年采用固定資產(chǎn)投資額口徑的誤差較小。此外，因無法獲知分行業(yè)固定資產(chǎn)投資價(jià)格指數(shù)，故統(tǒng)一采用福建省歷年固定資產(chǎn)投資價(jià)格指數(shù)，將歷年分行業(yè)固定資產(chǎn)投資額以2005年為基期，統(tǒng)一轉(zhuǎn)化成2005年不變價(jià)。初始資本存量K0計(jì)算參照張軍［7］的做法：K0=I0/10%，同時(shí)增加判斷標(biāo)準(zhǔn)：初始年份資本產(chǎn)出比與臨近年份資本產(chǎn)出比相差不大，折舊率統(tǒng)一選擇為0.05。由此估算得到不同行業(yè)歷年的資本存量。

2.分行業(yè)全社會(huì)從業(yè)人員數(shù)

自2004年開始，《福建省統(tǒng)計(jì)年鑒》不再公布分行業(yè)全社會(huì)從業(yè)人員數(shù)。全社會(huì)從業(yè)人員包括：城鎮(zhèn)單位在崗職工、城鎮(zhèn)私營及個(gè)體勞動(dòng)者、鄉(xiāng)村勞動(dòng)者、勞務(wù)派遣人員和其他從業(yè)人員。其中：城鎮(zhèn)單位在崗職工、城鎮(zhèn)私營勞動(dòng)者、鄉(xiāng)村勞動(dòng)者三種類型一直是全社會(huì)從業(yè)人員的主體部分，1993～2017年間平均占比為98.61%。自2011年才開始有勞務(wù)派遣人員，自1993年才開始有其他從業(yè)人員，這兩種類型從業(yè)人員數(shù)量少，占比較低。因此，估計(jì)2005～2017年分行業(yè)全社會(huì)從業(yè)人員數(shù)時(shí)只考慮城鎮(zhèn)單位在崗職工、城鎮(zhèn)私營勞動(dòng)者、鄉(xiāng)村勞動(dòng)者三種類型，由此帶來的誤差較小。

城鎮(zhèn)單位分行業(yè)從業(yè)人員數(shù)、城鎮(zhèn)私營及個(gè)體勞動(dòng)者分行業(yè)從業(yè)人員數(shù)可以在年鑒中直接獲得，而分行業(yè)鄉(xiāng)村從業(yè)人員無法全部獲得。在梳理16個(gè)行業(yè)鄉(xiāng)村從業(yè)人員分布基礎(chǔ)上，對部分行業(yè)缺失年份數(shù)據(jù)分別基于原序列選擇不同的方法進(jìn)行插值，插值方法選擇的標(biāo)準(zhǔn)是擬合優(yōu)度最佳和RMSE較小。農(nóng)林牧副漁業(yè)2005～2017年鄉(xiāng)村從業(yè)人員直接從年鑒中獲得；工業(yè)、建筑業(yè)、交通運(yùn)輸倉儲郵政業(yè)是基于1997～2010年鄉(xiāng)村從業(yè)人員數(shù)采用MATLAB14.0進(jìn)行趨勢外推得到；工業(yè)和建筑業(yè)采用原序列三次多項(xiàng)式插值①工業(yè)和建筑業(yè)采用原序列三次多項(xiàng)式插值，擬合優(yōu)度為0.9965和0.9877，且RMSE較小，分別為：3.99和0.4495；交通運(yùn)輸倉儲郵政業(yè)采用原序列一次線性插值，擬合優(yōu)度0.9601，RMSE:0.6388。，交通運(yùn)輸倉儲郵政業(yè)采用原序列一次線性插值；批發(fā)零售業(yè)、住宿餐飲業(yè)基于2004～2010年鄉(xiāng)村從業(yè)人員對原序列一次線性插值。上述六大行業(yè)，即農(nóng)業(yè)、工業(yè)、建筑業(yè)、交通運(yùn)輸倉儲郵政業(yè)、批發(fā)零售業(yè)、住宿餐飲業(yè)，在2005～2010年間從業(yè)人員數(shù)占比平均達(dá)到86.2%，這意味著剩余行業(yè)從業(yè)人員數(shù)占比較低，由此引發(fā)的預(yù)測誤差較小。金融業(yè)依據(jù)1997～2004鄉(xiāng)村從業(yè)人員對原序列一次線性插值；科學(xué)研究綜合技術(shù)服務(wù)、公共管理依據(jù)1997～2003鄉(xiāng)村從業(yè)人員對原序列一次線性插值，同時(shí)根據(jù)2004年數(shù)據(jù)對預(yù)測數(shù)據(jù)進(jìn)行截距調(diào)整。在扣除以上已有預(yù)測數(shù)據(jù)的行業(yè)外，剩余行業(yè)從業(yè)人員總數(shù)可計(jì)算出來。本文假定鄉(xiāng)村未預(yù)測行業(yè)的從業(yè)人員分布與城鎮(zhèn)私營單位和個(gè)人勞動(dòng)者的行業(yè)分布近似，于是可以按照當(dāng)年城鎮(zhèn)私營和個(gè)人從業(yè)人員分布比例推算尚未預(yù)測剩余行業(yè)在某一年的從業(yè)人員數(shù)分布情況。在此基礎(chǔ)上，將城鎮(zhèn)單位、城鎮(zhèn)私營個(gè)體勞動(dòng)者、鄉(xiāng)村三種類型分行業(yè)從業(yè)人員數(shù)相加得到福建省各行業(yè)歷年從業(yè)人員數(shù)。

3.分行業(yè)地區(qū)生產(chǎn)總值

《福建省統(tǒng)計(jì)年鑒》中發(fā)布了當(dāng)年分行業(yè)的地區(qū)生產(chǎn)總值以及第一產(chǎn)業(yè)、第二產(chǎn)業(yè)、第三產(chǎn)業(yè)、工業(yè)、建筑業(yè)、交通運(yùn)輸倉儲和郵政業(yè)、批發(fā)零售業(yè)、金融業(yè)以及房地產(chǎn)業(yè)的分行業(yè)地區(qū)生產(chǎn)總值指數(shù)。本文統(tǒng)一以2005年為基期，將歷年分行業(yè)地區(qū)生產(chǎn)總值轉(zhuǎn)化為2005年不變價(jià)，在數(shù)據(jù)處理過程中，有對應(yīng)地區(qū)生產(chǎn)總值指數(shù)的行業(yè)，如工業(yè)、建筑業(yè)等直接進(jìn)行處理，其他行業(yè)的生產(chǎn)總值指數(shù)則采用對應(yīng)的大類指數(shù)進(jìn)行替代，如信息傳輸軟件技術(shù)服務(wù)業(yè)、住宿餐飲業(yè)、租賃商務(wù)服務(wù)業(yè)、科學(xué)研究技術(shù)服務(wù)業(yè)、教育等使用第三產(chǎn)業(yè)地區(qū)生產(chǎn)總值指數(shù)來替代。當(dāng)然，這樣替代處理會(huì)出現(xiàn)兩個(gè)誤差：一是與歷年實(shí)際地區(qū)生產(chǎn)總值出現(xiàn)偏差，2005～2017年間平均誤差率較低只有0.85%，可忽略不計(jì)。二是經(jīng)替代處理的行業(yè)估計(jì)值與實(shí)際發(fā)生值可能存在偏誤，第三產(chǎn)業(yè)地區(qū)生產(chǎn)總值指數(shù)本質(zhì)上代表了整個(gè)產(chǎn)業(yè)的平均發(fā)展速度，難免會(huì)出現(xiàn)有的行業(yè)本身發(fā)展緩慢卻估計(jì)值偏高，有的行業(yè)本身發(fā)展快速卻估計(jì)值偏低的情況。

四、測算結(jié)果與分析

基于2005～2017年福建省16個(gè)行業(yè)的地區(qū)生產(chǎn)總值、資本存量以及從業(yè)人員數(shù)，運(yùn)用DEAP2.1對福建省及各行業(yè)的全要素生產(chǎn)率指數(shù)進(jìn)行DEA-Malmquist測度，結(jié)果見表1。

（一）福建省全要素生產(chǎn)率Malmquist指數(shù)總體情況分析

從表1測算結(jié)果看，福建省2005～2017年全要素生產(chǎn)率指數(shù)、技術(shù)效率和技術(shù)進(jìn)步均值分別為：1.022、0.964和1.060，這說明在該階段全省全要素生產(chǎn)率指數(shù)和技術(shù)進(jìn)步整體上分別以年均2.2%和6%的增速在上升，而技術(shù)效率卻以年均3.6%的速度在下降。這意味著全要素生產(chǎn)率的上升主要是由于技術(shù)進(jìn)步推動(dòng)而實(shí)現(xiàn)，投入的生產(chǎn)要素并未有效利用進(jìn)而達(dá)到技術(shù)前沿面，技術(shù)效率呈現(xiàn)無效狀態(tài)，技術(shù)進(jìn)步提高帶來的正效應(yīng)大于技術(shù)效率下降帶來的負(fù)效應(yīng)。同時(shí)，2005～2017年純技術(shù)效率和規(guī)模效率的均值分別為0.987和0.977，這說明福建省技術(shù)效率的下降是純技術(shù)效率和規(guī)模效率共同下降的結(jié)果，一方面資本和勞動(dòng)力的要素配置結(jié)構(gòu)并未達(dá)到最優(yōu)，從而使得純技術(shù)效率無效，另一方面生產(chǎn)要素投入的增加并未使得產(chǎn)出同比增加，呈現(xiàn)規(guī)模報(bào)酬遞減特點(diǎn)。

表1 2005-2017年福建省全要素生產(chǎn)率指數(shù)及其分解

（二）福建省各行業(yè)全要素生產(chǎn)率Malmquist指數(shù)比較分析

表2列示了福建省2005～2017年16個(gè)行業(yè)的平均全要素生產(chǎn)率指數(shù)值及其分解情況。農(nóng)林牧漁業(yè)、批發(fā)零售業(yè)、科學(xué)研究和技術(shù)服務(wù)業(yè)、租賃和商務(wù)服務(wù)業(yè)、居民服務(wù)和其他服務(wù)業(yè)、住宿和餐飲業(yè)6個(gè)行業(yè)的全要素生產(chǎn)率指數(shù)分別為0.9、0.91、0.941、0.951、0.968和0.974，均低于均值 1.022，說明這6個(gè)行業(yè)的平均全要素生產(chǎn)率均呈現(xiàn)出下降趨勢，其中農(nóng)林牧漁業(yè)的下降速度最快，年均減少10%，這主要是由于這些行業(yè)技術(shù)效率大幅下降。如農(nóng)林牧漁業(yè)的技術(shù)效率值為0.876，年均減少12.4%，比全省整體技術(shù)效率的年均減少速度要高出8.8%，因此，盡管農(nóng)林牧漁業(yè)的技術(shù)進(jìn)步保持了年均2.8%的增長速度，但依然無法改變該行業(yè)全要素生產(chǎn)率大幅下降的結(jié)果。剩余10個(gè)行業(yè)的平均全要素生產(chǎn)率指數(shù)均保持增長的態(tài)勢，按照年均增速從大到小依次是信息傳輸軟件和信息技術(shù)服務(wù)業(yè)（9.2%）、衛(wèi)生和社會(huì)工作（9.1%）、工業(yè)（8.7%）、建筑業(yè)（8.1%）、教育文化體育娛樂業(yè)（7.9%）、公共管理社會(huì)保障和社會(huì)組織（7.7%）、房地產(chǎn)業(yè)（6.8%）、交通運(yùn)輸倉儲和郵政業(yè)（5.8%）、金融業(yè)（5.6%）和水利環(huán)境公共設(shè)施管理業(yè)（5.6%）。

通過對這些行業(yè)全要素生產(chǎn)率的進(jìn)一步分解可發(fā)現(xiàn)：只有建筑業(yè)的技術(shù)效率提升對全要素生產(chǎn)率增長的正向貢獻(xiàn)更大，其技術(shù)效率年均增速高達(dá)5.2%，在10個(gè)行業(yè)中增速最快；其余9個(gè)行業(yè)的技術(shù)進(jìn)步相對于技術(shù)效率對行業(yè)全要素生產(chǎn)率增長的貢獻(xiàn)更大，如信息傳輸軟件技術(shù)服務(wù)業(yè)，技術(shù)進(jìn)步年均增長率為8.4%，技術(shù)效率年均增長率只有0.7%，而水利環(huán)境公共設(shè)施管理業(yè)、交通運(yùn)輸倉儲和郵政業(yè)、房地產(chǎn)業(yè)、公共管理社會(huì)保障和教育文化體育娛樂業(yè)的技術(shù)效率則呈現(xiàn)為下降的特點(diǎn)，其中水利環(huán)境公共設(shè)施管理業(yè)技術(shù)效率年均降速最大為2.6%，即便如此，由于技術(shù)進(jìn)步帶來的全要素生產(chǎn)率最終還是實(shí)現(xiàn)了增長。

表2 福建省各行業(yè)的全要素生產(chǎn)率指數(shù)的變動(dòng)及其分解

表3比較了各行業(yè)歷年全要素生產(chǎn)率指數(shù)的變化趨勢。農(nóng)林牧副漁業(yè)、批發(fā)零售業(yè)和居民服務(wù)業(yè)等大多數(shù)年份的全要素生產(chǎn)率指數(shù)值都小于1，且表現(xiàn)出持續(xù)下降的相似變化特征，只是農(nóng)林牧副漁業(yè)在經(jīng)歷了2014年較大降幅后變得較為平緩，其余2個(gè)行業(yè)在經(jīng)歷了2015年后的短暫反彈后又開始下降。工業(yè)和建筑業(yè)歷年全要素生產(chǎn)率值都大于1，且大體呈現(xiàn)出N型變化軌跡，工業(yè)的Malmquist指數(shù)略微上升，建筑業(yè)則表現(xiàn)為略微下降，這主要是因?yàn)榻ㄖI(yè)全要素生產(chǎn)率下降的年份早于工業(yè)，降幅也更大。金融業(yè)和房地產(chǎn)業(yè)在2012年前變化軌跡相同，2013年后逐步出現(xiàn)分化，前者2010年后波動(dòng)變得平緩，后者波動(dòng)更為劇烈，這主要是由于后金融危機(jī)時(shí)代央行及政府對系統(tǒng)性金融風(fēng)險(xiǎn)防控的重視程度日益加強(qiáng)，使得金融業(yè)的Malmquist指數(shù)在窄幅波動(dòng)中緩慢上升，而房地產(chǎn)業(yè)則受控于日益高漲的房價(jià)以及頻繁的樓市調(diào)控政策而波動(dòng)明顯加劇。交通運(yùn)輸倉儲郵政業(yè)的Malmquist指數(shù)曲線明顯位于住宿餐飲業(yè)之上，雖然二者并未表現(xiàn)出明顯的規(guī)律特點(diǎn)，卻呈現(xiàn)出極為相似的變化節(jié)奏。教育文化、體育娛樂、衛(wèi)生社會(huì)工作、公共管理社會(huì)保障的變化相對最為平緩，表現(xiàn)為窄幅波動(dòng)中略微下降特點(diǎn)。租賃商務(wù)服務(wù)業(yè)的Malmquist指數(shù)曲線呈類U型形狀，尤其是2014年以來不斷提升。信息傳輸軟件技術(shù)服務(wù)業(yè)和科學(xué)研究技術(shù)服務(wù)業(yè)的Malmquist指數(shù)在2006～2017年間不斷波動(dòng)，并未呈現(xiàn)明顯的規(guī)律特征，2010年之后二者開始同步變化且前者曲線一直高于后者，說明2010年后信息傳輸軟件技術(shù)服務(wù)業(yè)的全要素生產(chǎn)率增長相對較快，但2010年之前科學(xué)研究技術(shù)服務(wù)業(yè)的Malmquist指數(shù)振幅較大，之后振幅開始縮窄。

五、研究結(jié)論與政策啟示

本文采用DEA-Malmquist方法對2006～2017年福建省及各行業(yè)的全要素生產(chǎn)率指數(shù)進(jìn)行了測算，結(jié)論顯示：

第一，福建省全要素生產(chǎn)率指數(shù)和技術(shù)進(jìn)步整體上分別以年均2.2%和6%的增速在上升，而技術(shù)效率卻以年均3.6%的速度在下降。這意味著全省全要素生產(chǎn)率的上升主要是由技術(shù)進(jìn)步推動(dòng)而實(shí)現(xiàn)，技術(shù)效率呈現(xiàn)無效狀態(tài)。

表3 2006-2017年福建省各行業(yè)的全要素生產(chǎn)率指數(shù)比較

第二，全省有10個(gè)行業(yè)平均全要素生產(chǎn)率指數(shù)呈現(xiàn)上升趨勢，其中除建筑業(yè)外9個(gè)行業(yè)的技術(shù)進(jìn)步對行業(yè)全要素生產(chǎn)率增長的貢獻(xiàn)更大。其余6個(gè)行業(yè)平均全要素生產(chǎn)率指數(shù)表現(xiàn)為下降趨勢，這主要是由于這些行業(yè)技術(shù)效率的大幅下降。

第三，各行業(yè)全要素生產(chǎn)率指數(shù)的變化軌跡形態(tài)各異。工業(yè)和建筑業(yè)大體呈N型變化軌跡；金融業(yè)和房地產(chǎn)業(yè)2012年前的變化軌跡相同，2013年后逐步出現(xiàn)分化；教育文化、體育娛樂、衛(wèi)生社會(huì)工作、公共管理社會(huì)保障變化最為平緩，表現(xiàn)為窄幅波動(dòng)中略微下降；農(nóng)林牧副漁業(yè)、批發(fā)零售業(yè)和居民服務(wù)業(yè)表現(xiàn)出持續(xù)下降的相似特征；租賃和商務(wù)服務(wù)業(yè)表現(xiàn)為類U型特點(diǎn)；其他行業(yè)并未表現(xiàn)出明顯的規(guī)律特點(diǎn)，但是交通運(yùn)輸倉儲郵政業(yè)和住宿餐飲業(yè)、信息傳輸軟件技術(shù)服務(wù)業(yè)和科學(xué)研究技術(shù)服務(wù)業(yè)卻兩兩呈現(xiàn)出相似的變化節(jié)奏。

基于上述結(jié)論，本文得到以下幾點(diǎn)啟示：

第一，不斷弱化行業(yè)壁壘，尤其是平均全要素生產(chǎn)率指數(shù)下降的6個(gè)行業(yè)，增強(qiáng)資本、勞動(dòng)力等生產(chǎn)要素的跨行業(yè)自由流動(dòng)，提升不同要素的配置效率，從而提高這些行業(yè)的純技術(shù)效率。

第二，在追逐行業(yè)快速擴(kuò)張的同時(shí)，平衡其與產(chǎn)出效益間關(guān)系，尤其是服務(wù)業(yè)。除金融業(yè)和房地產(chǎn)業(yè)實(shí)現(xiàn)了規(guī)模報(bào)酬遞增外，其他行業(yè)均呈現(xiàn)規(guī)模報(bào)酬遞減特點(diǎn)，這意味著福建省在產(chǎn)業(yè)結(jié)構(gòu)不斷優(yōu)化和調(diào)整過程中，對現(xiàn)代服務(wù)業(yè)的投入力度在持續(xù)加大，但還停留在粗放式增長階段，投入產(chǎn)出效率并未得到更大提升。因此，福建省未來服務(wù)業(yè)發(fā)展應(yīng)遵循集約式增長模式，注重挖掘投入資源的產(chǎn)出效益。

第三，繼續(xù)加大技術(shù)創(chuàng)新力度，促進(jìn)各行業(yè)的技術(shù)進(jìn)步。全省16個(gè)行業(yè)在研究期間的技術(shù)進(jìn)步均實(shí)現(xiàn)了增長，也是推動(dòng)行業(yè)全要素生產(chǎn)率不斷提升或小幅下降的主要原因。未來應(yīng)繼續(xù)重視技術(shù)創(chuàng)新，增加政府對各行業(yè)基礎(chǔ)研究的研發(fā)投入，注重科研人才的引進(jìn)和培養(yǎng)，形成較為可行的科研成果轉(zhuǎn)化機(jī)制，提高技術(shù)創(chuàng)新轉(zhuǎn)化率。

第四，依托互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等新技術(shù)，改造傳統(tǒng)行業(yè)發(fā)展流程，拓展人工智能+行業(yè)發(fā)展新業(yè)態(tài)。如人工智能+工業(yè)，一方面可以針對工業(yè)流程特點(diǎn)，優(yōu)化企業(yè)生產(chǎn)流程，建立智能化工業(yè)制造和高效標(biāo)準(zhǔn)化生產(chǎn)體系，另一方面可以基于機(jī)器算法對工業(yè)企業(yè)設(shè)備的運(yùn)行狀態(tài)和健康程度進(jìn)行預(yù)測，將設(shè)備中出現(xiàn)停機(jī)、浪費(fèi)、次品的風(fēng)險(xiǎn)加以控制，提升設(shè)備的使用效率。