指标测度和变量描述：构建创新竞争力、引进外资和对外投资指标

根据实证研究需要，我们将首先构建创新竞争力指标、引进外资和对外投资指标。

(1)创新竞争力指标。对于创新效率的测算，学术界通常采用数据包络分析法(DEA方法)和随机前沿函数法(SFA方法)。前者是非参数方法，一般通过线性规划技术构造生产前沿面，利用距离函数得到各生产单元的效率；后者是参数方法，通过分解随机误差项和技术无效率项，利用计量方程对前沿生产函数进行估计。考虑到数据包络分析将所有数据随机误差均视为效率的不同，进而导致测算偏差，本课题利用随机前沿分析方法测算创新效率，并以此作为创新竞争力的替代变量(赵志耘和杨朝峰，2013)。

根据Battese和Coelli(1995)对方程的设定，我们将随机前沿函数模型设定为：

其中，lnvalue表示高技术服务业产值的对数；lnlabour表示中高技术职称从业人员数的对数；lnRD表示资本存量的对数；β1和β2表示劳动和资本的产出弹性系数；i、j分别表示企业和行业；β0为常数项；νij表示随机变量，服从正态分布；μij为非负的随机变量，表示创新活动中的无效率项，服从非负断尾正态分布N(m ij，δ2μ)，且m越大表示创新效率越低。那么企业的创新效率可定义为：

根据上式的基本定义，TE为技术效率，若μij＞0，可认为此种状态为技术非效率，表明服务业生产点位于前沿线之下；若μij=0，则认为其处于技术效率前沿线上。据此，即可计算出服务业企业的创新竞争力指标。(www.xing528.com)

(2)FDI和ODI指标。对于引进外资FDI的测度，我们以企业外资占比，即外商资本和港澳台资本占资本总额的比重来进行衡量，数据来源于2008年全国经济普查服务业企业数据。而对于对外投资ODI指标的测度则比较棘手，由于普查数据中并未统计服务业企业的对外投资信息，因此我们利用学术界广为使用的商务部《境外投资企业(机构)名录》、各省市商务厅对外投资数据与服务业企业普查数据相结合，考虑到最终匹配的企业数目有限，因此加总至各省市层面的服务业对外投资数据，最终以各省市服务业对外投资占其对外投资总额的比重来衡量。

接下来，图4的(a)和(b)分别显示了FDI和ODI与创新竞争力的相关关系，从图中可以看出FDI和ODI本身与服务业企业创新竞争力间呈现明显的正相关关系，与前文对FDI技术外溢效应和ODI的逆向技术溢出效应的影响机制相吻合。表2进一步给出了各主要变量的定义及简要统计描述，其中需要关注的是，无论是服务业外资占比(0.0254)还是对外投资(0.0957)，其均值都相对较低，这反映出我国服务业对外开放水平并不高，因此，有序扩大服务业对外开放并提升创新竞争力，将是“十三五”及未来一段时期我国对外开放的重要着力点。

图4　FDI和ODI与服务业企业创新竞争力的相关关系

表2　主要变量定义及统计描述