林曉薇，陳 忠

（1.福州外語外貿(mào)學(xué)院財(cái)會(huì)系，福建 福州 360202；2.福州外語外貿(mào)學(xué)院開放型經(jīng)濟(jì)與貿(mào)易研究中心，福建 福州 360202）

我國31個(gè)省現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿Φ乃教卣骷胺植紕?dòng)態(tài)

林曉薇1，陳 忠2

（1.福州外語外貿(mào)學(xué)院財(cái)會(huì)系，福建 福州 360202；2.福州外語外貿(mào)學(xué)院開放型經(jīng)濟(jì)與貿(mào)易研究中心，福建 福州 360202）

為有助于探討十二五期間我國現(xiàn)代服務(wù)業(yè)的發(fā)展?jié)摿栴}，構(gòu)建現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿υu(píng)價(jià)指標(biāo)體系，為建設(shè)現(xiàn)代化服務(wù)業(yè)提供重要政策參考，通過綜合利用加權(quán)主成分TOPSIS法、Kernel密度估計(jì)和馬爾科夫鏈等研究方法，對(duì)中國31個(gè)省份的現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿胺植紕?dòng)態(tài)時(shí)序特征進(jìn)行研究。分析結(jié)果顯示，中部地區(qū)在十二五規(guī)劃期間，現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿ψ兓顬槊黠@，其他地區(qū)省份的現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ骄尸F(xiàn)出較為穩(wěn)定的狀態(tài)；其次，發(fā)展?jié)摿?jí)別較低的省份往往具有后發(fā)優(yōu)勢，并呈現(xiàn)出顯著的現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿υ鲩L的趨同現(xiàn)象；再者，我國的現(xiàn)代服務(wù)業(yè)潛力水平呈現(xiàn)空間聚集于分散特性，但潛力水平較低時(shí)，趨近于空間聚集，反之，為空間擴(kuò)散。

服務(wù)業(yè)；潛力；TOPSIS；Kernel密度估計(jì)；分布動(dòng)態(tài)

一、引 言

自1998年金融危機(jī)以后，全球制造業(yè)和生產(chǎn)企業(yè)發(fā)展持續(xù)低迷，但服務(wù)業(yè)卻顯出極大的增長動(dòng)力，發(fā)展速度異常迅猛。再加上政府高度重視，受到各種政策扶持，企業(yè)的發(fā)展熱情也相對(duì)較高。目前在發(fā)達(dá)國家的產(chǎn)業(yè)部門中，已經(jīng)基本確立了服務(wù)經(jīng)濟(jì)的產(chǎn)業(yè)結(jié)構(gòu)；發(fā)展中國家也正在加快發(fā)展服務(wù)業(yè)，逐步開始向服務(wù)經(jīng)濟(jì)轉(zhuǎn)型。作為服務(wù)經(jīng)濟(jì)條件下的支柱產(chǎn)業(yè)，現(xiàn)代服務(wù)業(yè)正在逐步取代制造業(yè)，成為我國經(jīng)濟(jì)發(fā)展的主要推動(dòng)力[1]。因此，對(duì)我國31個(gè)省份的現(xiàn)代服務(wù)業(yè)進(jìn)行充分的了解和分析，深入探討區(qū)域現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿Φ目臻g格局，研究發(fā)展規(guī)律，既有利于現(xiàn)代服務(wù)業(yè)的發(fā)展，提升其產(chǎn)業(yè)競爭力，改善我國投資環(huán)境，也有利于制定和推進(jìn)現(xiàn)代化的服務(wù)業(yè)。

近年來，我國現(xiàn)代服務(wù)業(yè)雖然得到了快速發(fā)展，國內(nèi)學(xué)者在這方向上的相關(guān)研究也比較豐富。然而，國內(nèi)外學(xué)者的研究范圍相對(duì)集中——主要體現(xiàn)在針對(duì)現(xiàn)代服務(wù)業(yè)進(jìn)行描述性分析，而運(yùn)用動(dòng)態(tài)分析的方法對(duì)我國區(qū)域現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿Φ南嚓P(guān)問題進(jìn)行的研究較為匱乏[2]。因此，本文試圖通過構(gòu)建現(xiàn)代服務(wù)業(yè)評(píng)價(jià)指標(biāo)系統(tǒng)，綜合TOPSIS法、密度估計(jì)以及馬爾科夫鏈方法，以2011-2015年十二五計(jì)劃期間，我國31個(gè)省份的數(shù)據(jù)為研究對(duì)象，分析我國現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿Φ乃教卣骷胺植紕?dòng)態(tài)，為建設(shè)現(xiàn)代服務(wù)業(yè)提供重要政策參考。

二、評(píng)價(jià)指標(biāo)體系的建立

建立現(xiàn)代服務(wù)業(yè)的評(píng)價(jià)指標(biāo)體系，是對(duì)現(xiàn)代服務(wù)業(yè)發(fā)展程度、發(fā)展?jié)摿M(jìn)行統(tǒng)計(jì)描述和定量化監(jiān)測評(píng)價(jià)關(guān)鍵環(huán)節(jié)[3]。然而，當(dāng)前我國尚無較為權(quán)威的現(xiàn)代服務(wù)業(yè)評(píng)價(jià)指標(biāo)體系，即便有關(guān)于評(píng)價(jià)指標(biāo)體系的研究，其研究范圍也較為零散，缺乏系統(tǒng)性[4]。因此，本文在參考已有文獻(xiàn)的基礎(chǔ)上，遵循科學(xué)性、可操作性和適應(yīng)性的原則，從現(xiàn)代服務(wù)業(yè)的總體現(xiàn)狀、成長性和基礎(chǔ)設(shè)施三個(gè)維度為出發(fā)點(diǎn)，構(gòu)建現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ降脑u(píng)價(jià)指標(biāo)體系[5][6][7]。 一級(jí)指標(biāo)包含二級(jí)指標(biāo)，共選取13個(gè)二級(jí)指標(biāo)，具體指標(biāo)體系建立情況如表1。

表1 現(xiàn)代服務(wù)業(yè)的潛力評(píng)估指標(biāo)體系

三、動(dòng)態(tài)特征分析

（一）TOPSIS動(dòng)態(tài)特征分析

指標(biāo)體系建立后，即可開始對(duì)31個(gè)省份的現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿M(jìn)行統(tǒng)計(jì)評(píng)估，本文首先嘗試?yán)肨OPSIS法對(duì)現(xiàn)代服務(wù)業(yè)指標(biāo)體系進(jìn)行動(dòng)態(tài)特征分析。

TOPSIS法 (Technique for Order Preference by Similarity to an Ideal Solution)是 C.L.Hwang和 K.Yoon于1981年首次提出。TOPSIS法確定理想化目標(biāo)后，根據(jù)有限個(gè)評(píng)價(jià)對(duì)象與理想化目標(biāo)的接近程度進(jìn)行排序，是一種在現(xiàn)有的對(duì)象中進(jìn)行相對(duì)優(yōu)劣評(píng)價(jià)的方法。該方法的制約因素僅為各效用函數(shù)，具有單調(diào)遞增（或遞減）性。在多目標(biāo)決策分析方法中，TOPSIS法是一種常用有效的方法，也稱為優(yōu)劣解距離法[8]。其基本思想是：把綜合評(píng)價(jià)的問題形成矩陣分析，確定理想解和負(fù)理想，計(jì)算每一個(gè)被評(píng)價(jià)對(duì)象與理想解和負(fù)理想解之間的差值，再比較各項(xiàng)與理想解的差距和接近度，從而進(jìn)行綜合評(píng)價(jià)排名[9]。

基本步驟為：

（1）評(píng)價(jià)指標(biāo)的極性處理，得到極性一致化矩陣X*。

（2）對(duì)同趨勢化后的數(shù)據(jù)矩陣進(jìn)行歸一化處理：

（3）確定正理想解Z+和負(fù)理想解Z-。

正理想解：Z+=（Zmax1，Zmax2，…，Zmaxn）

負(fù)理想解：Z-=（Zmin1，Zmin2，…，Zminn）

（4）對(duì)應(yīng)正理想解和負(fù)理想解的歐氏距離（和）如下所示：

（5）根據(jù)以上方案中理想解的接近度計(jì)算，值越接近于1，則評(píng)價(jià)對(duì)象值此時(shí)最靠近最優(yōu)解，并且同時(shí)又最遠(yuǎn)離最劣解，為相對(duì)最優(yōu)；反之則為相對(duì)最差。其中綜合評(píng)價(jià)最優(yōu)解的各指標(biāo)值都達(dá)到各評(píng)價(jià)指標(biāo)的最優(yōu)值。最劣解的各指標(biāo)值都達(dá)到各評(píng)價(jià)指標(biāo)的最差值。

（6）將方程（5）中得到了評(píng)價(jià)系數(shù)，帶入以下公式中，可得到各個(gè)方案的綜合評(píng)估水平。

基于篇幅原因，31個(gè)省份的十三個(gè)二級(jí)指標(biāo)數(shù)據(jù)不再一一羅列，經(jīng)TOPSIS法進(jìn)行排序后獲得31個(gè)省綜合評(píng)價(jià)指數(shù)如圖1。

圖1 中國31個(gè)省份現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿Ρ容^

基于TOPSIS法，對(duì)各省現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿χ笜?biāo)體系進(jìn)行求解，其解定為各省現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿χ笖?shù)，根據(jù)指數(shù)數(shù)值(余雁、梁墚，2003:98-101；尤天慧、樊治平,2002:840-842；楊珂玲、蔣杭、張志剛，2014：130-144)，通過聚類分析法，將我國31個(gè)省份的現(xiàn)代服務(wù)業(yè)潛力水平進(jìn)行劃分，共分為五個(gè)等級(jí)，分別為差（評(píng)估指數(shù)小于0.4）、弱（評(píng)估指數(shù)小于0.4-0.6）、中（評(píng)估指數(shù)大于0.6-1.0）、良好（評(píng)估指數(shù)1.0-2.0）以及優(yōu)（評(píng)估指數(shù)2.0以上）。按照以上標(biāo)準(zhǔn)，可進(jìn)一步劃分出十二五計(jì)劃期間我國31個(gè)省份現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿ζ骄?，具體情況如表2。

表2 中國31個(gè)省份現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿哟蝿澐?/p>

為了科學(xué)反映我國不同區(qū)域的社會(huì)經(jīng)濟(jì)發(fā)展?fàn)顩r，為黨中央、國務(wù)院制定不同區(qū)域發(fā)展的政策提供相關(guān)依據(jù)，國家統(tǒng)計(jì)局根據(jù)《中共中央、國務(wù)院關(guān)于促進(jìn)中部地區(qū)崛起的若干意見》、《國務(wù)院發(fā)布關(guān)于西部大開發(fā)若干政策措施的實(shí)施意見》以及黨的十六大報(bào)告等文件的精神，把我國的經(jīng)濟(jì)區(qū)域劃分為東部、中部、西部和東北四大地區(qū)。東北區(qū)涵蓋東三省地區(qū)（黑、吉、遼）；東部地區(qū)以京津冀和東部沿海發(fā)達(dá)省會(huì)為主，包括北京市、天津市、上海市、河北省、山東省、江蘇省、浙江省、福建省、廣東省、海南?。恢胁康貐^(qū)：山西省、河南省、安徽省、湖北省、湖南省、江西??；西部地區(qū)：重慶市、四川省、貴州省、云南省、陜西省、甘肅省、青海省、內(nèi)蒙古自治區(qū)、廣西壯族自治區(qū)、西藏自治區(qū)、寧夏回族自治區(qū)和新疆維吾爾自治區(qū)。以十二五規(guī)劃期間我國31個(gè)省份現(xiàn)代服務(wù)業(yè)總體現(xiàn)狀、成長性、基礎(chǔ)條件等發(fā)展?jié)摿?shù)據(jù)作為基本數(shù)據(jù)，對(duì)全國各區(qū)域的服務(wù)潛力進(jìn)行對(duì)比，結(jié)果如圖2：

圖2 中國四大區(qū)域現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿Ρ容^

可以看出，我國各區(qū)域現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿υ谑逡?guī)劃期間均呈現(xiàn)出了增長態(tài)勢。其中東部地區(qū)現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ絻?yōu)勢明顯，綜合發(fā)展情況明顯高于全國均值，除河北外，東部地區(qū)各省份均處于發(fā)展?jié)摿?qiáng)或較強(qiáng)區(qū)域內(nèi)。從表2可以看出，西部地區(qū)的大部分省份，現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ缴胁荒苓_(dá)到全國的平均水平，大部分位于發(fā)展?jié)摿θ鹾筒畹奈恢?；中部和東北則處于中游區(qū)域，所屬各省份基本處于中等和較弱區(qū)域 ，發(fā)展極不平衡；從各區(qū)域單項(xiàng)一級(jí)指標(biāo)來看，現(xiàn)代服務(wù)業(yè)總體現(xiàn)狀單項(xiàng)指標(biāo)上，各地區(qū)均有一定程度的提高，東部地區(qū)最高并且顯著增長，西部地區(qū)、東北地區(qū)次之且相差不大，中部地區(qū)的指數(shù)最低；而從成長性單項(xiàng)指標(biāo)來看，東部地區(qū)服務(wù)業(yè)的單項(xiàng)指標(biāo)最高，并且優(yōu)勢極為明顯，但發(fā)展情況變化并不大，東北地區(qū)處于全國平均水平略微領(lǐng)先，在這項(xiàng)指標(biāo)上幾乎沒有什么發(fā)展，而中部地區(qū)處于全國平均水平略微落后，但是發(fā)展最為明顯。西部地區(qū)是成長能力明顯偏低、變化也不明顯的一種空間時(shí)間分布格局；在現(xiàn)代服務(wù)業(yè)基礎(chǔ)條件維度，四大區(qū)域均呈現(xiàn)上升態(tài)勢，東部地區(qū)這項(xiàng)指標(biāo)優(yōu)勢也極為明顯，東北地區(qū)也處于較有優(yōu)勢的地位，中部地區(qū)緊隨其后，西部地區(qū)具有較大的提升空間。從實(shí)際情況來看，東部地區(qū)在基礎(chǔ)條件上明顯處于領(lǐng)先地位。例如，在基礎(chǔ)條件指標(biāo)上，北上廣以及天津和江蘇分別列全國前五，北京、天津、上海、廣東和江蘇，位列我國現(xiàn)代服務(wù)業(yè)的前五名，另外江西、云南、甘肅、貴州以及西藏分別列全國最后五名，服務(wù)業(yè)的基礎(chǔ)條件較差。

（二）Kernel密度估計(jì)動(dòng)態(tài)特征分析

kernel density estimation是在概率論中用來估計(jì)未知的密度函數(shù)，屬于非參數(shù)檢驗(yàn)方法之一，由Rosenblatt(1955)和Emanuel Parzen(1962)提出，又名Parzen window (Parzen窗)(Wand,M.P,J.S.Marronand D,1991:343-361)。基于數(shù)據(jù)集密度函數(shù)聚類算法，Ruppert和Cline提出修訂的核密度估計(jì)方法。假設(shè)存在一隨機(jī)變量X，其Kernel密度函數(shù)為f（x），則該點(diǎn)x處的Kernel密度函數(shù)可設(shè)為

這里，n為研究對(duì)象觀測個(gè)數(shù)，K（·）為核函數(shù)，α是平滑轉(zhuǎn)換參數(shù)，也稱之為帶寬，在Kernel密度估計(jì)過程中，K（·）和k選擇是關(guān)鍵，常見的核函數(shù)有均勻核函數(shù)、三角核函數(shù)、伽馬核函數(shù)、高斯核函數(shù)等。研究經(jīng)驗(yàn)表明，當(dāng)估計(jì)過程中采用的分組數(shù)據(jù)越少時(shí)，選擇高斯核函數(shù)可能性越大[10]，基于經(jīng)驗(yàn)，本文選用高斯核函數(shù)進(jìn)行估計(jì)。

S Silverman(1986)發(fā)現(xiàn)在實(shí)際估計(jì)運(yùn)用中，樣本越多，越宜選擇使用較小的帶寬h，但不可太小，實(shí)際當(dāng)數(shù)據(jù)特征和核函數(shù)已經(jīng)給定時(shí)，帶寬h選擇過小，Kernel密度估計(jì)結(jié)果會(huì)較為毛糙，此外，還會(huì)產(chǎn)生一些數(shù)據(jù)噪聲和一些反事實(shí)的偽造信息；而如果帶寬h選擇太大，Kernel密度估計(jì)結(jié)果則過于光滑，容易掩蓋數(shù)據(jù)結(jié)構(gòu)，遺失一些重要結(jié)構(gòu)性信息。一般h應(yīng)滿足如下要求：

基于數(shù)據(jù)特征和帶寬性質(zhì)，我們選擇

另外IQR為五分位間隔，n為樣本個(gè)數(shù)。綜上，我們可獲得十二五規(guī)劃期間我國31個(gè)省份的現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ胶嗣芏惹€如圖3所示：

圖3 2011和2015中國31個(gè)省份的現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ胶嗣芏惹€

從得到的現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿ernel密度曲線的分布變化及其形狀趨勢，就可以用來判斷現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿Φ膬?yōu)劣情況，其Kernel密度曲線的形態(tài)特征分析可以用來說明曲線描述對(duì)象總體分布差距的大小與極化現(xiàn)象，通常我們用Kernel密度分布曲線的波峰所達(dá)到的高度和寬度來體現(xiàn)總體分布差距的大小，其數(shù)量則說明總體分布的極化現(xiàn)象，Kernel密度曲線分布的延展性，即曲線的左拖尾和右拖尾，用來說明曲線分布差距發(fā)生變化的趨勢(Abramson,I.S,1982:1217-1223)。

從十二五規(guī)劃期間我國31個(gè)省份現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ終ernel密度二維圖可以看出：圖中我國31個(gè)省份的現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ降腒ernel密度曲線呈現(xiàn)出了整體向右移動(dòng)的分布趨勢，表明從全國角度來看，現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ绞翘幱谥鸩缴仙倪^程中。

此外，如果Kernel密度曲線的波峰高度分布呈現(xiàn)出了平坦的趨勢，則意味著現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿Φ牟罹嘣跀U(kuò)大，反之則說明這一差距在縮小。從圖3可知，Kernel的密度曲線分布波峰在不斷降低，趨勢變?yōu)楸馄?，而波峰寬度的分布逐步變寬，說明我國各省份之間的現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ讲罹嗾诓粩鄶U(kuò)大。圖3中各年度分布曲線由一個(gè)主峰和三個(gè)側(cè)峰組成，說明我國現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ匠尸F(xiàn)多極分化的不均衡發(fā)展趨勢。但波峰數(shù)量并未發(fā)生明顯變化，說明我國現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿υ谑逡?guī)劃期間，并未出現(xiàn)明顯的極化或收斂現(xiàn)象Kernel密度曲線的左拖尾越長，說明Kernel密度曲線分布差距變化越呈現(xiàn)擴(kuò)大化的趨勢；反之，則說明Kernel密度曲線分布差距變縮小[11]。右拖尾則相反，當(dāng)Kernel密度曲線右拖尾越短時(shí)，表明服務(wù)業(yè)對(duì)應(yīng)的潛力水平之間的差距越來越??；Kernel密度曲線右拖尾越長，則說明現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ讲罹喑尸F(xiàn)顯著擴(kuò)大的趨勢。從圖3中可以看出，2011年到2015年期間，Kernel密度曲線的右拖尾明顯變長，表示我國各區(qū)域的服務(wù)業(yè)發(fā)展?jié)摿λ讲罹嘣絹碓酱?。部分省份的現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿﹄m然也在上升，但與部分發(fā)達(dá)省份之間的差距不是縮小，反而進(jìn)一步拉大了。運(yùn)用Kernel密度曲線估計(jì)法，通過對(duì)我國31個(gè)省份現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ絼?dòng)態(tài)分布特征進(jìn)行研究，可以刻畫出區(qū)域現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ椒植嫉恼w形態(tài)；時(shí)間差異比較法可用來分析現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ降膭?dòng)態(tài)特征。

利用Kernel密度曲線分布估計(jì)可繼續(xù)對(duì)我國各大區(qū)域現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿?dòng)態(tài)分布特征進(jìn)行分析，按照以上步驟，繼續(xù)建立我國東部、中部、西部和東北地區(qū)的Kernel密度分布曲線如圖4：

圖4 四大區(qū)域的現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ胶嗣芏惹€

從圖中可以看出，以2015年和2011年為例，我國東部、中部、西部和東北地區(qū)的現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ椒植季尸F(xiàn)出整體向右移動(dòng)的趨勢，說明我國東部、西部、中部和東北的現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ皆谑逡?guī)劃期間均得到不同程度的提升，其中中部地區(qū)提升較為明顯，而西部次之，但東部地區(qū)和東北地區(qū)提升并不明顯。從各區(qū)域現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿Φ牟罹嘧兓瘉砜?，東部地區(qū)Kernel密度分布曲線的波峰高度變化不大，由尖銳略微變?yōu)槠教?，說明在十二五規(guī)劃期間，東部地區(qū)的各省份之間的差距雖然變化不大，但差距水平在縮小，較為落后的省份發(fā)展略快，整體發(fā)展比較均衡；而中部地區(qū)Kernel密度分布曲線的波峰高度明顯呈現(xiàn)出尖銳轉(zhuǎn)為扁平，而且發(fā)展速度非常快，波峰寬度的分布趨勢也顯著變寬，說明在中部地區(qū)各省份之間，現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ讲罹嗾谧兊迷絹碓酱螅⒂羞M(jìn)一步加劇的趨勢；對(duì)于西部地區(qū)來說，密度分布曲線的波峰高度也有由尖銳轉(zhuǎn)向扁平的趨勢，但速度也不快，波峰寬度的分布趨勢也無顯著變化，可以看出西部地區(qū)各省份之間的現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿Φ陌l(fā)展也是比較均衡的；東北地區(qū)的Kernel密度分布曲線在十二五期間基本沒有太大變化，其現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿ψ兓淮蟆?/p>

東部地區(qū)和東北地區(qū)的Kernel密度分布曲線右拖尾在2015年時(shí)比2011年無明顯變化，說明其差距的變化趨勢比較平穩(wěn)，在未來東部地區(qū)及東北地區(qū)各省份的現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿Φ牟罹嘹呌诜€(wěn)定，不會(huì)有太大變化，中部地區(qū)Kernel密度分布曲線右拖尾在2015年時(shí)比2011年明顯變長，體現(xiàn)了我國中部地區(qū)的現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ讲罹?，正在呈現(xiàn)進(jìn)一步擴(kuò)大的趨勢，中部地區(qū)部分省份現(xiàn)代服務(wù)業(yè)發(fā)展較快，而部分中部省份現(xiàn)代服務(wù)業(yè)發(fā)展遲緩，且極化現(xiàn)象越來越嚴(yán)重。西部地區(qū)雖然波峰的高度和寬度變化都不大，但右部拖尾卻呈逐漸變長趨勢，表明雖然目前西部極化現(xiàn)象并不明顯，但部分省份現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿τ屑铀佻F(xiàn)象，逐漸可能會(huì)拉大差距。

（三）馬爾科夫鏈動(dòng)態(tài)特征分析

為了進(jìn)一步研究我國31個(gè)省份現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ降臓顟B(tài)轉(zhuǎn)移規(guī)律，本文繼續(xù)引入馬爾科夫鏈。馬爾可夫鏈因安德烈·馬爾可夫（A.A.Markov，1856－1922）得名，是數(shù)學(xué)中具有馬爾可夫性質(zhì)的離散時(shí)間隨機(jī)過程(沈麗,2013:33-47)。該過程中，在給定當(dāng)前知識(shí)或信息的情況下，過去（即當(dāng)期以前的歷史狀態(tài)）對(duì)于預(yù)測將來（即當(dāng)期以后的未來狀態(tài)）是無關(guān)的[12]。

首先，將2011-2015年我國現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ街笖?shù)離散為種類型，本文采用兩步聚類分析的方法劃分為5種類型。

其次，計(jì)算我國31個(gè)省份現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ街笖?shù)在不同發(fā)展?jié)摿λ街笖?shù)類型間的轉(zhuǎn)移概率；轉(zhuǎn)移概率是馬爾可夫鏈中的重要概念，當(dāng)把馬氏鏈分為m個(gè)狀態(tài)組成，在歷史資料中，轉(zhuǎn)化為由這m個(gè)狀態(tài)所組成的概率序列。從任意一個(gè)狀態(tài)出發(fā)，經(jīng)過任意一次轉(zhuǎn)移，必然出現(xiàn)狀態(tài)1、2、……m中的一個(gè)，這種狀態(tài)之間的轉(zhuǎn)移的可能性稱為轉(zhuǎn)移概率。

當(dāng)樣本中狀態(tài)m可能發(fā)生轉(zhuǎn)移的總次數(shù)為i，而由狀態(tài)m到未來任一時(shí)刻轉(zhuǎn)為狀態(tài)ai的次數(shù)時(shí)，則在m+n時(shí)刻轉(zhuǎn)移到未來任一時(shí)刻狀態(tài)aj的轉(zhuǎn)移概率為：

這些轉(zhuǎn)移概率可以排成一個(gè)轉(zhuǎn)移概率矩陣：

當(dāng)m=1時(shí)，為一階轉(zhuǎn)移概率矩陣。

以測得的2011-2015年我國31個(gè)省份的現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ街笖?shù)為基礎(chǔ)構(gòu)建馬爾科夫概率轉(zhuǎn)移矩陣如表3：

表3 中國現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿︸R爾科夫轉(zhuǎn)移矩陣（2011-2015）

左半部分為原始矩陣，其中第二列k值是統(tǒng)計(jì)出的2011-2015年間我國31個(gè)省份現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ街笖?shù)所處的狀態(tài)類型，即差、弱、中、良、優(yōu)等五種類型的數(shù)量和，從第三列開始至第七列則分別表示從初始狀態(tài)在十二五規(guī)劃期間轉(zhuǎn)移為其他類型的次數(shù)。右半部分為馬爾科夫概率轉(zhuǎn)移矩陣，其各行元素表示某型行狀態(tài)類型轉(zhuǎn)化為列狀態(tài)類型的概率，即現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿︻愋蜎]有發(fā)生改變的概率通過對(duì)角線上各元素進(jìn)行表示，發(fā)展?jié)摿︻愋桶l(fā)生轉(zhuǎn)移的概率通過非對(duì)角線元素進(jìn)行表示，其轉(zhuǎn)移矩陣各行元素之和為1。對(duì)角線元素接近1，意味著現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ睫D(zhuǎn)移狀態(tài)的概率越小，其處于原始狀態(tài)的概率越大；若非對(duì)角線元素為0，說明等級(jí)類型沒有變化。

在轉(zhuǎn)移矩陣中，對(duì)角線上概率均在0.7727以上，這說明，在十二五期間，我國整體的服務(wù)業(yè)發(fā)展?jié)摿^為穩(wěn)定，在發(fā)展?jié)摿?jí)別較低的條件下，呈現(xiàn)顯著的潛力增長現(xiàn)象，特別是從差型向至弱型轉(zhuǎn)移的過程中，差型狀態(tài)發(fā)生改變的概率最大。對(duì)于評(píng)估指標(biāo)為中、良好以及優(yōu)秀的來說，其現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿哂泻軓?qiáng)的持續(xù)性。潛力差型向潛力弱型發(fā)生轉(zhuǎn)移的概率為0.2273，已經(jīng)超過20%，而現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿θ跣拖驖撝行娃D(zhuǎn)移的概率僅為0.0952，從發(fā)展?jié)摿χ笖?shù)弱轉(zhuǎn)到中型的概率為0.0681，而從良轉(zhuǎn)為中的概率為0.0329，因此可以看出，當(dāng)發(fā)展?jié)摿χ笖?shù)較高時(shí)，存在雙向轉(zhuǎn)移的可能，但是向下轉(zhuǎn)移概率更高。從以上的分析可以看出，目前的現(xiàn)代服務(wù)業(yè)潛力水平呈現(xiàn)空間聚集于分散特性，但潛力水平較低時(shí)，趨近于空間聚集；反之，為空間擴(kuò)散[13]。

結(jié)合Kernel密度分布曲線，從整體來看，中部地區(qū)在十二五規(guī)劃期間，現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿ψ兓顬槊黠@，其他地區(qū)省份的現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ骄尸F(xiàn)出較為穩(wěn)定的狀態(tài)；其次，發(fā)展?jié)摿?jí)別較低的省份往往具有后發(fā)優(yōu)勢，并呈現(xiàn)出顯著的現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿υ鲩L的趨同現(xiàn)象；再者，我國的現(xiàn)代服務(wù)業(yè)潛力水平呈現(xiàn)空間聚集于分散特性，但潛力水平較低時(shí)，趨近于空間聚集，反之，為空間擴(kuò)散。因此，政府應(yīng)在產(chǎn)業(yè)戰(zhàn)略布局中積極發(fā)揮主導(dǎo)作用，構(gòu)建跨區(qū)域現(xiàn)代服務(wù)業(yè)的協(xié)調(diào)發(fā)展機(jī)制，圍繞物流、人流、資金流、信息流,突出重點(diǎn)領(lǐng)域大力發(fā)展生產(chǎn)性服務(wù)業(yè)和生活性服務(wù)業(yè),突出關(guān)鍵環(huán)節(jié)，著力推動(dòng)改革創(chuàng)新、集聚發(fā)展、平臺(tái)建設(shè)、市場主體和項(xiàng)目建設(shè),積極構(gòu)建與工業(yè)化、城鎮(zhèn)化相協(xié)調(diào)的服務(wù)業(yè)發(fā)展新格局，構(gòu)建新型金融產(chǎn)業(yè)園區(qū)，推進(jìn)經(jīng)濟(jì)的良性快速發(fā)展。

四、結(jié) 論

為進(jìn)一步探討十二五期間我國現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿Φ膯栴}，本文從現(xiàn)代服務(wù)業(yè)的指標(biāo)體系建立方法和指標(biāo)選取為切入點(diǎn)，從總體現(xiàn)狀、成長性和基礎(chǔ)條件等三個(gè)方面構(gòu)建了現(xiàn)代服務(wù)業(yè)發(fā)展評(píng)價(jià)指標(biāo)體系，并在此基礎(chǔ)之上，引入加權(quán)主成分TOPSIS法、Kernel密度估計(jì)和馬爾科夫鏈等研究方法對(duì)中國31個(gè)省份現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿λ郊捌浞植紕?dòng)態(tài)時(shí)序特征進(jìn)行了研究。本研究有利于找出不同地區(qū)的現(xiàn)代服務(wù)業(yè)發(fā)展優(yōu)勢和劣勢，對(duì)經(jīng)濟(jì)新常態(tài)下我國產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與轉(zhuǎn)型具有一定的參考價(jià)值。

[1]夏晴,鄭吉昌，姜紅.論服務(wù)業(yè)發(fā)展與分工的演進(jìn)[J].中國軟科學(xué),2014,56(10):149-155.

[2]楊治，杜朝暉.經(jīng)濟(jì)結(jié)構(gòu)的進(jìn)化與城市化[J].中國人民大學(xué)學(xué)報(bào)，2016，39(6):82-88.

[3]曾桂珍,曾潤忠.城市化與服務(wù)業(yè)的協(xié)整及因果關(guān)系研究[J].華東交通大學(xué)學(xué)報(bào),2012,48(10):138-146.

[4]尚永勝.我國現(xiàn)代服務(wù)業(yè)的發(fā)展現(xiàn)狀、問題與對(duì)策[J].山西師大學(xué)報(bào)(社會(huì)科學(xué)版),2005,32(3):19-23.

[5]Hipp C.Knowledge-intensive business services in the new mode of knowledge production[J].AI&Society,1999,46(13): 12-19.

[6]張思鋒,瘳園園.基于層次分析法的西安城市化水平測度[J].西安交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）,2016,48(3):41-45.

[7]Nakama T.Markov chain analysis of genetic algorithms applied to fitness functions perturbed concurrently by additive and multiplicative noise[J].Computational Optimization and Applications,2012,51(6):19-23.

[8]余雁,梁墚.多指標(biāo)決策TOPSIS方法的進(jìn)一步探討[J].系統(tǒng)工程,2013,21(2):11-16.

[9]尤天慧,樊治平.區(qū)間數(shù)多指標(biāo)決策的一種TOPSIS方法[J].東北大學(xué)學(xué)報(bào)，2002,23(2):19-26..

[10]楊珂玲,蔣杭,張志剛.基于TOPSIS法的我國現(xiàn)代服務(wù)業(yè)發(fā)展?jié)摿υu(píng)價(jià)研究[J].軟科學(xué)，2014,28(2):12-18.

[11]Bonzo D.C，Hennoeilla A.Y.Clustering panel data simulated annealing and genetic algorithms[J].Advanced in Systems,2012,46(4):339-360.

[12]Harris Nigel.Bombay in a Global Economy-Structural Adjustment and the Role of Cities[J].Cities,2015,12(3):17-18.

[13]李娟.我國現(xiàn)代服務(wù)業(yè)發(fā)展影響因素分析[J].商業(yè)研究, 2010，22(2):112-115.

【責(zé)任編輯：周琍】

On the Development Potential of China’s Modern Service Industry and Dynamic Characteristics of its Distribution

Lin Xiaowei1,Chen Zhong2
(1.Department of Finance and Accounting,Fuzhou College of Foreign Studies and Trade,Fuzhou,Fujian,360202; 2.Open Economy and Trade Research Center,Fuzhou College of Foreign Studies and Trade,Fuzhou,Fujian, 360202)

Based on available literature,this paper explores the ways of establishing modern service industry development potential index system from its overall situation,growth and basic condition.And on this basis,with the methods of weighted principal component TOPSIS,Kernel density estimation and Markov chain,it studies the development potential of modern service industry and its dynamic characteristics of distribution in China’s 31 provinces,and analyzes advantages and disadvantages of the development of modern service industry in different parts of China.The analysis shows that during the “twelfth five-year plan”period central China witnessed most significant changes in the potential development of modern service industry while the development potential of modern service industry in other provinces stayed at a relatively stable level.Then,provinces with lower development potential tend to have second mover advantages and they are very similar in the potential growth of modern service industry.Moreover,the potential level of China’s service industry presents spatial accumulation in the scattered characteristics.However,the service industry tends to cluster together when the potential level is low, and it otherwise scatters.The research of this paper intends to provide reference for the adjustment and transformation of industry structure under the new economic norm.

service industry;potential;TOPSIS;kernel density estimation;distribution

G 124

A

1000－260X（2017）04-0043-07

2017-05-20

福建省社科規(guī)劃項(xiàng)目“創(chuàng)意產(chǎn)業(yè)生態(tài)演化影響因素與路徑選擇研究”（2014C093）；國家社會(huì)科學(xué)基金規(guī)劃項(xiàng)目“產(chǎn)業(yè)組織演進(jìn)與未來國際文化產(chǎn)業(yè)發(fā)展新趨勢研究”（2012BJL033）

林曉薇，福州外語外貿(mào)學(xué)院副教授，主要從事經(jīng)濟(jì)統(tǒng)計(jì)和產(chǎn)業(yè)經(jīng)濟(jì)研究；陳忠，福州外語外貿(mào)學(xué)院教授，主要從事區(qū)域產(chǎn)業(yè)經(jīng)濟(jì)研究。