于柳箐 高煜│数据要素是推动中国服务业增长的新动能吗 ——来自机器学习的估计

本文刊发于《现代经济探讨》2023年第9期

作者简介：

于柳箐，西北大学经济管理学院博士生

高煜，西北大学经济管理学院教授、博士生导师，西北大学中国西部经济发展研究中心兼职研究员

一、引言

　　2020年中国服务业增加值占国内生产总值的比重超过50%，已成为经济增长的主要来源，但与发达国家服务业在国民经济中的地位相比仍然存在很大差距。随着中国经济增速放缓并进入高质量发展阶段，参照发达国家的经济发展路径，依靠扩大服务业比重优化产业结构、拉动经济增长是今后保持经济稳定、健康发展的关键。然而近20年来，中国服务业增加值占比不仅增长缓慢，特别是近几年来增速还有下降趋势。在此背景下，如何推动中国服务业进一步增长就成为重中之重。

　　改革开放以来，中国经济在融入全球化进程中依靠大量的廉价劳动力、高储蓄率和技术赶超等因素保持着较高的增长速度，然而近年来由于人口红利逐渐消失、资本回报率下降等原因，传统要素增长动能不足的问题日益凸显（郑江淮等，2018）。在服务业层面，行业增长主要由要素投入驱动，但传统的劳动力、资本等要素动能不足，已经成为阻碍服务业进一步增长的主要原因（邢宏洋等，2021）。因此，寻找新动能成为推动中国服务业进一步增长的关键。2017年12月8日习近平总书记主持十九届中共中央政治局第二次集体学习时的讲话中就提出“要构建以数据为关键要素的数字经济”。近几年，数字经济在服务业增加值中所占的比重逐年增加，至2020年已达到40.7%，但仍然低于发达国家51.6%的水平。2020年3月，中共中央、国务院印发《关于构建更加完善的要素市场化配置体制机制的意见》，正式提出进行数据要素市场化改革，明确了数据要素对国民经济发展的重要性。2022年12月，中共中央、国务院又印发《关于构建数据基础制度更好发挥数据要素作用的意见》，从产权、流通和交易、收益分配、治理等制度层面针对数据要素发展进行顶层设计。

　　在传统要素动能不足的情况下，数据要素能否成为推动中国服务业增长的新动能呢？基于要素动能视角，现有研究主要从物质资本（夏杰长等，2019）与人力资本（戴魁早等，2020）等方面分析服务业增长或发展问题，与本文较为接近的一支文献重点关注网络技术（江小涓和罗立彬，2019）、数字经济（戴魁早等，2023）、数字技术（李帅娜，2021）等对服务业的影响。遗憾的是，现有文献缺少关于数据要素对服务业增长影响的直接研究，因此尚未回答数据要素是否为推动中国服务业增长新动能的问题，同时也未建立完善的数据要素促进服务业增长的理论机制；另外，上述文献在进行实证研究时主要采用多元线性回归模型，然而由于多重共线性和自由度下降的限制，模型中不能无限度地添加解释变量，因而在只能控制少数变量的情况下，现有研究不仅可能遗漏关键变量造成估计结果不准确，更无法从动能视角对促进服务业增长的要素进行全面考察。

　　为回答数据要素是否为中国服务业增长新动能的问题，本文不仅提出数据要素促进服务业增长的数据挖掘机制，同时建立影响服务业增长的投入要素指标体系，并基于中国2012—2019年省际面板数据，使用双重机器学习、随机森林以及两种“黑盒”模型解释工具——置换特征重要性和偏依赖图，就数据要素对中国服务业增长的促进效应、贡献以及边际收益进行深入研究。在中国服务业进一步增长动能不足的情况下，本文的研究具有重要的理论与现实意义，不仅为数据要素在中国服务业增长中的贡献提供经验证据，更为中国服务业进一步增长提供重要启示。本文的边际贡献可能体现在以下几个方面：一是，就数据要素对服务业增长的影响开展直接研究，在现有文献基础上，不仅从理论与经验视角回答了新的问题，更丰富了数据要素与服务业相关领域的研究；二是，基于数据挖掘实践提出数据要素促进服务业增长的理论机制，补充了有关数据要素价值创造的理论；三是，建立较为完善的投入要素指标体系，并采用机器学习方法研究数据要素对服务业增长的影响，相比于使用传统计量模型的文献，不仅控制了更多投入要素变量，同时还避免了“维数诅咒”和模型误设问题，得到更为精确且稳健的估计结果。

二、理论分析与研究假说

　　1.数据要素促进服务业增长的数据挖掘机制

　　数据要素是存在于计算机、网络空间中的虚拟资源，服务业内的数据要素主要来源于服务业企业在日常经营、供需互动和市场活动中所产生的有关交易、市场、人员以及供应链等的数据资源。与资本、劳动力等传统要素依赖自身的损耗实现价值不同，数据要素具有虚拟性，如果只是进行数据积累无法直接促进服务业增长。数据要素的价值实现主要依赖于数据挖掘（Data Mining），数据中所蕴藏的有价值的信息或知识只有通过数据挖掘才能将其释放（王超贤等，2022）。具体来看，数据挖掘是通过数据采集、存储、清洗后将非结构化数据转换为具有一致性、正确性的结构化数据，再利用机器学习等技术进行分析，以提炼出有价值的信息的过程。通过数据挖掘，服务业企业将从数据要素中至少提炼出3类有价值的信息：需求信息、决策信息和管理信息。企业对这些信息的应用将促进服务业增长。首先，服务业企业应用需求信息可以及时了解消费者需求，从而提供服务品推荐、创新服务品供给、满足个性化服务需求等（Veldkamp和Chung，2019）。其次，服务业企业应用决策信息可以改善企业领导者面临的信息不对称或自身信息处理能力较弱的问题，使得服务业企业不再通过企业领导者的商业嗅觉或直觉进行决策，进而可避免企业领导者由于主观认知偏差造成决策失误，提高决策的科学性与合理性（Rahwan等，2019）。最后，服务业企业应用管理信息不仅可以改善人员绩效激励，同时可以更加了解供应商风险和优势，从而提高人力资本、供应链等管理能力（陈剑等，2020）。因此，作为虚拟的、新兴的生产要素，数据要素可以通过数据挖掘促进服务业增长。据此，本文提出：

　　假说1：数据要素是推动中国服务业增长的新动能。

　　2.数据要素遵循边际收益递减规律

　　数据要素规模与数据价值创造之间并不是稳定的线性增长函数，随着数据要素规模的扩大，可能会由于数据质量下降、数据价值的快速折旧造成数据价值释放更加困难（Rogers，2021），因为当数据要素达到一定规模后，数据价值不再由数据量决定，而是由数据分析算法决定（Varian，2018）。因此，当数据分析算法固定时，随着数据量的增加，数据分析的准确率或精确性的提升将越来越慢（Bajari等，2019）。另外，就企业层面而言，通过对数据要素所蕴含的信息的应用将降低企业经营过程中的不确定性，从而提升企业效率，然而这一不确定性状态存在下限，导致数据要素对企业效率的提升具有上限，因此当其他要素不变时，随着数据要素投入的增加，企业效率提升速度将下降（Varian，2018）。Farboodi和Veldkamp（2021）通过构建包括数据要素在内的索洛增长模型发现，当企业利用数据要素将预测误差降至0时，企业运行过程中不可预测的随机性必然使得数据要素呈现边际收益递减特性。因此，当数据要素投入规模扩大到一定程度时，数据要素收益递减的力量将占据主导地位，从而随着数据要素的累积，其对服务业增长的促进作用会越来越小。据此，本文提出：

　　假说2：数据要素在服务业增长中遵循边际收益递减规律。

三、研究设计

　　（略）

四、实证结果与分析

　　（略）

五、结论与政策建议

　　服务业的增长对经济发展具有重要贡献，然而在传统要素推动中国服务业增长动能不足的情况下，寻找新动能就成为推动服务业进一步增长，进而促进中国经济高质量发展的有效途径。与此同时，数字经济时代下数据要素作为一种新兴的、独立的生产要素逐渐形成并富有重要价值，因而探究数据要素是否为推动中国服务业增长的新动能具有重要的理论与现实意义。为此，本文从理论与实证两个层面开展研究，不仅提出数据要素促进服务业增长的数据挖掘机制以及边际收益递减规律，同时建立包括30种要素在内的影响服务业增长的投入要素指标体系，并基于中国2012—2019年省际面板数据，使用双重机器学习、随机森林以及PFI和PDP两种“黑盒”模型解释工具，就数据要素对服务业增长的促进效应、贡献和边际收益进行了检验。另外，本文还就数据要素对生产性服务业和生活性服务业增长的异质性影响，以及对服务业增长影响的动态演变过程进行了考察。研究发现，数据要素不仅显著促进了中国服务业增长，更对中国服务业增长具有重要贡献，是推动中国服务业增长的新动能。同时，数据要素在服务业增长中还遵循边际收益递减规律。以上结论在尝试一系列稳健性检验后依然成立。就异质性而言，相比于生活性服务业，数据要素对生产性服务业增长的促进效应更强、贡献更大、促进效果更优。并且随着时间的推移，数据要素对中国服务业增长的促进效应逐渐增强、贡献越来越大。基于研究结论，本文提出如下政策建议。

　　就政策层面而言，政府需要注重扩大数据要素规模，加强数据挖掘人才培养，并促进数据要素有序发展。一是通过加快数据交易中心、云存储平台、5G基站、物联网等新基建建设，加快推进政务数据开放，加快培育数据要素交易市场，从而进一步扩大数据要素规模。二是加强数据挖掘人才的培养，一方面尽快完善高校数据挖掘、机器学习、人工智能等相关学科建设，另一方面加快建立社会化职业技术培训，加速相关人才技能转换。同时引导数据挖掘的产学研合作，以提高服务业产业数据挖掘人才水平和数据挖掘相关学科的研究水平。三是加快完善数据隐私保护、数据开发、数据要素交易等方面的法律法规建设，数据产权、数据收益分配和数据治理等方面的制度建设，进一步推进数据要素有序发展。

　　就企业层面而言，服务业企业需要积极采集数据资源，努力提高数据分析能力，进而有效提炼有价值的信息，促进服务业进一步增长，使得数据要素真正成为推动服务业增长的动能之一。与此同时，服务业企业还应当注重数据要素与数据劳动、数据资本等要素的结合，引进或培养数据清洗和数据分析等相关数据挖掘人才，采购具有高速读写能力的数据库、云计算、并行运算等相关数据挖掘设备，努力提高企业数据挖掘能力，在数据要素处于合理投入规模的同时延缓数据要素边际收益递减区间。尤其对于生活性服务业企业，更需要注重数据挖掘能力的提高，通过增加数据劳动供给和数据资本投资，提高数据分析能力、深化信息提炼水平，进而充分释放数据要素价值，提升数据要素对企业产出的影响，从而扩大数据要素推动企业产出增长的区间。

　　[责任编辑：侯祥鹏]

　　为适应微信阅读，内容有所删减，原文见《现代经济探讨》2023年第9期，转载请注明出处。

往期推荐

　　《现代经济探讨》系江苏省社会科学院主管主办的综合性经济理论月刊，为CSSCI来源期刊、全国中文核心期刊、人大复印报刊资料重要转载来源期刊、RCCSE中国核心学术期刊（A），国研网信息来源期刊。

 

关注我获得

更多精彩