本文關鍵詞：產業(yè)結構調整、結構性減速與經濟增長分化，由筆耕文化傳播整理發(fā)布。

產業(yè)結構調整、結構性減速與經濟增長分化

作者：    發(fā)布時間：2013/03/01    來源：中國社會科學網

  字體：（  　　 )

　　【內容提要】本文以一種地理空間的視角，采用空間面板數據模型，考察了產業(yè)結構調整背景下全國和東、中、西部地區(qū)1995-2011年經濟增長速度與結構性因素之間的關系。實證研究的結果表明，中國經濟增長速度總體上存在著空間自相關；東部地區(qū)經濟增長已經開始“結構性減速”，西部地區(qū)正在“結構性加速”，而中部地區(qū)為“加速”與“減速”并存，整體呈現出“結構性加速”；全國經濟總體上依然維持在“結構性加速”階段。但經濟增長分化的格局業(yè)已形成；對于經濟增長速度影響最大的因素是勞動生產率增速，其次是空間效應，平均工資增速的影響較小，其他因素對經濟增長速度的影響不明顯。
　　【關 鍵 詞】產業(yè)結構/結構性減速/經濟增長分化/空間自相關/空間面板數據
　　一、問題提出
　　隨著向工業(yè)化、城市化轉型的不斷加深，中國經濟正在經歷顯著的結構性變化，改革開放以來工業(yè)化所引致的全國一盤棋同步高增長的“結構性加速”時代趨于終結，經濟增長將逐步轉入未來的“結構性減速”。通常，“結構性加速”緣于工業(yè)化的發(fā)展和產業(yè)結構的調整，勞動力資源由落后的農業(yè)部門轉移到勞動生產率增速較高的工業(yè)部門，并促進經濟增長速度的提高。當工業(yè)化日益走向城市化時，產業(yè)結構再次調整，勞動力資源則開始由工業(yè)部門轉向勞動生產率增速較低的第三產業(yè)部門，并導致經濟增長速度回落，就形成了“結構性減速”。
　　縱觀世界經濟的發(fā)展歷史，“二戰(zhàn)”后工業(yè)化國家人均GDP增長速度普遍加快，20世紀60年代之后又普遍下降；而亞洲“四小龍”的人均GDP也在經歷了長達30余年的快速增長后，于1970年代進入減速階段�？梢�，經濟增長速度的轉變是任何國家在工業(yè)化發(fā)展道路上都不能回避的階段。Mitchell(2007)的研究為這一模式提供了詳盡的數據支持，其中產業(yè)結構發(fā)展狀況、經濟活動人口的產業(yè)分布、人口的經濟活動參與率等是影響經濟增長速度的重要指標。Maddison(2006)考察了過去100年間約40個經濟體的經濟增長狀況，并指出OECD國家的經濟增長在60年代開始減速的原因是勞動生產率增速、匯率制度和宏觀政策的變動。特別是“二戰(zhàn)”后發(fā)達國家的產業(yè)結構變化加速了勞動力從低生產率部門向高生產率部門的轉移，提高了全社會勞動生產率增速，并促成了這些國家的高速增長。但這種被西方學者稱之為“一勞永逸”(Once for All)的因素也削弱了勞動生產率持續(xù)高增長的空間。Bjork(1999)利用美國100年的歷史數據，對產業(yè)結構、人口結構等重要因素進行了分析，認為日趨成熟的美國經濟已經告別昔日的高速增長時代，取而代之的是增長減速時代。Barro and Sala-i-Martin(2004)也通過類似的研究指出發(fā)達國家的經濟增長速度存在著先上升后下降的規(guī)律，但減速后依然超過平均水平。張平、劉霞輝(2007)把發(fā)達國家經濟增長速度的變化軌跡總結為S型路徑，并指出了路徑不同階段的特征和問題。近年來，許多學者開始了對中國經濟增長減速的關注。王慶、章俊、Ho(2011)認為農村勞動力向城市工業(yè)部門的大規(guī)模轉移，使得勞動生產率很難再有提升空間，且結構性改革為勞動生產率創(chuàng)造的潛在收益也大不如以前，進而判斷出，2020年前中國經濟增長速度將比此前10的平均水平下降2%以上，且經濟結構將隨之發(fā)生重大轉變。袁富華(2012)基于經濟增長因素分解的研究表明，20世紀70年代以后發(fā)達國家經濟增長的減速，與產業(yè)結構服務化造成的勞動生產率的減速密切相關，由此提出了長期增長過程中“結構性加速”與“結構性減速”的觀點，同時，還指出未來中國經濟結構服務化趨勢逐漸增強，“加速”向“減速”轉換的問題將會凸顯。張軍(2012)認為，當前中國經濟增長速度的下降，主要是由生產率增速下降所引起的，而近年來生產要素跨部門流動受阻則是生產率下降的主要原因；在經濟減速的治理上，應該從供給端著手。類似地，華中煒(2012)也認為，當一國經濟處于“結構性加速”到“結構性減速”的轉換階段，頻繁的需求管理政策將使經濟周期短期化和波動擴大化，宏觀政策走向“供給端改革”是克服這個困境的必然選擇。
　　與目前已有研究不同的是：①本文并不是沿用時間序列數據對一些經濟指標的變化趨勢進行簡單的分析，而是運用空間面板數據，對全國和三大區(qū)域經濟增長速度進行詳細地比較研究。②把可能對中國經濟“結構性減速”產生重要影響的結構性因素引入模型，分析其在不同地區(qū)產生影響的方向和大��；特別地，根據地理異質性假設，，把通常人們所忽略的地區(qū)之間的空間影響也考慮進來。本文的研究結果表明：中國經濟增長速度總體上存在著空間自相關：東部地區(qū)經濟增長已經進入“結構性減速”時代，西部地區(qū)正處于顯著的“結構性加速”階段，而中部地區(qū)則出現了“加速”與“減速”并存的局面，但整體呈現出“結構性加速”，全國經濟總體上依然維持在“結構性加速”階段，但經濟增長分化的格局業(yè)已形成：對于經濟增長速度影響最大因素是勞動生產率增速，其次是空間效應。平均工資增速的影響較小，其他因素對經濟增長速度的影響不明顯。
　　二、研究方法和樣本數據
　　本文的技術路線：一是分析中國各個省、自治區(qū)和直轄市(下文簡稱省份)在經濟增長速度上的空間自相關；二是分別以全國和東、中、西部地區(qū)為研究對象，對經濟增長速度與主要的結構性因素之間的關系進行面板數據分析，并檢驗方程殘差的空間自相關；三是構建空間面板數據模型，揭示在空間自相關條件下，結構性因素對全國及三大區(qū)域經濟增長速度的影響差異；四是在空間計量結果的基礎上進行拓展分析。指出不同區(qū)域經濟增長速度的分化狀況及其發(fā)展趨勢。貫穿于整個技術路線中的研究方法如下文所述。
　　1.研究方法
　　(1)空間自相關。該指標能夠從地理空間的整體上刻畫經濟社會活動分布的集聚情況，而這種集聚源于地區(qū)之間的客觀經濟聯(lián)系。眾多研究結果表明。Moran's I指數有助于更加科學地分析經濟現象的空間效應與空間自相關(Moran，1950)。該指數定義如下：
　　一般認為，如果Moran's I的正態(tài)統(tǒng)計量的Z值大于正態(tài)分布函數在5%水平下的臨界值1.65，表明地區(qū)經濟活動在空間分布上具有明顯的正自相關①，這也意味著鄰近地區(qū)的類似特征值出現了集聚效應。此外，Moran's I散點圖的4個象限能夠進一步區(qū)分某個地區(qū)與其他地區(qū)之間的空間聯(lián)系形式：第Ⅰ、Ⅲ象限代表觀測值之間存在空間正自相關，第Ⅱ、Ⅳ象限則代表觀測值之間存在空間負自相關(徐建華，2006)。
　　(2)空間面板數據模型。空間計量經濟學模型的基本思想是通過一個空間權重矩陣W對普通回歸模型進行修正(呂健，2011)。常用的空間計量模型有兩種類型：一是空間滯后模型(SLM)，二是空間誤差模型(SEM)。當變量之間的空間作用對模型顯得非常關鍵而導致了空間自相關時，采用前者；當模型的誤差項存在空間自相關時，采用后者(Anselin，1988；Anselin et al.，2004)。空間自相關在這兩種模型中分別體現為因變量的滯后項和誤差項。
　　其中，y為被解釋變量，X為外生的解釋變量矩陣，ρ為空間回歸系數，反映了其他地區(qū)的因變量對本地區(qū)因變量的影響方向和程度，W為n階空間權重矩陣，β反映了自變量X對因變量y的影響；λ為因變量的空間誤差系數，ε為隨機誤差向量，μ為正態(tài)分布的隨機誤差向量；λ衡量了存在于擾動誤差項之中的空間自相關作用，能夠反映其他地區(qū)關于因變量的誤差沖擊對本地區(qū)因變量的影響程度。
　　當空間計量與面板數據相結合時，便產生了空間面板數據模型。我們根據隨機誤差項分解的不同，可以進一步地分為固定效應和隨機效應。當樣本回歸分析局限于特定地區(qū)時，固定效應模型更優(yōu)，因此，我們主要采用空間固定效應模型(Elhorst，2003)。該模型中控制了兩類非觀測效應，即個體固定效應和時點固定效應，前者反映隨個體(省份)變化但不隨時點變化的背景因素對因變量的影響；后者代表隨時點變化但不隨個體(省份)的背景因素對因變量的影響。
　　(4)空間模型的識別與估計。判斷某一面板數據模型是否存在空間自相關，以及空間滯后模型和空間誤差模型哪個更恰當，一般可以從面板數據模型的殘差入手，采用Moran's I檢驗、兩個Lagrange乘數形式(LMLAG和LMERR)及其穩(wěn)健性檢驗(Robust-LMLAG和Robust-LMERR)來實現。Anselin，Florx(1995)提出了如下判別標準：如果在空間自相關的檢驗中發(fā)現LMLAG較之LMERR在統(tǒng)計上更加顯著，且Robust-LMLAG顯著而Robust-LMERR不顯著，可以認為空間滯后模型較為合適；反之，則須選擇空間誤差模型。在模型估計中，由于以上兩種空間模型自變量的內生性，如果仍采用最小二乘法(OLS)，系數估計值會有偏或者無效，需要通過工具變量法(Ⅳ)、極大似然法(ML)或者廣義最小二乘估計(GLS)、廣義矩估計(GMM)等其他方法來進行。本文將根據Anselin(1988)的建議，采用極大似然法(ML)估計各種空間計量模型中的參數。
　　2.樣本數據
　　這里，我們將基于產業(yè)結構調整的背景選擇具有代表性的結構性變量，對全國和東、中、西部地區(qū)的“結構性減速”和經濟增長分化進行分析。按照袁富華(2012)所采用的方法，將人均GDP做如下分解，以獲取其中重要的結構性因素。
　　這樣，人均GDP增長速度就分解為3個結構性因素：勞動生產率增速、勞動參與率增速和勞動年齡人口比重增速，而且勞動生產率增速還可以按照三次產業(yè)做進一步分解②,因此，這3個指標可以反映出產業(yè)結構變化對經濟增長速度的影響。另外，我們還將選取第三產業(yè)就業(yè)比重增速和平均工資增速這2個變量。原因是當前中國第三產業(yè)發(fā)展水平較低，第三產業(yè)就業(yè)比重增速可能會對經濟增長速度產生影響，可視為結構性因素；而平均工資增速則是影響經濟增長速度的重要的成本性因素，也是近年來中國經濟增長領域中備受關注的焦點。各個變量的定義如下：
　　經濟增長速度(gdp)：GDP與年末總人口數比值的變化率；勞動生產率增速(prod)：GDP與就業(yè)人口數比值的變化率；勞動參與率增速(lapr)：就業(yè)人口在勞動年齡人口中比重的變化率，這里的勞動年齡人口以15—64歲人口表示；勞動年齡人口比重增速(demo)：勞動年齡人口占總人口比重的變化率；平均工資增速(wage)：城鎮(zhèn)職工平均實際工資的變化率；第三產業(yè)就業(yè)比重增速(tiep)：第三產業(yè)就業(yè)人數占總就業(yè)人口比重的變化率。
　　在樣本的選取上，我們注意到中國的人均GDP增長速度的變化趨勢：自從1978年的8.913%遞增至1993年的19.084%，但從1995年開始出現了明顯的連續(xù)下降，2001年的人均GDP增速為12.360%；2002年開始，該指標又重新進入上升通道。2006年之后，中國的東、中、西部的經濟增長速度不再像之前那樣同步，而是出現了加速與減速并存的分化現象。因此，我們把樣本時期確定為1995-2011年，剛好涵蓋了3個典型的階段：經濟增長減速階段(1995-2001年)、經濟增長加速階段(2002-2006年)和經濟增長分化階段(2007-2011年)。
　　需要說明的是：①為了平滑短期波動、獲得長期趨勢，我們對所有的樣本數據均進行了Hodrick-Prescott濾波處理，各個變量的描述性統(tǒng)計結果如表1所示。②本文所采用的原始數據主要來自各期《中國統(tǒng)計年鑒》；2011年數據來自《中國統(tǒng)計摘要》(2012)以及各省統(tǒng)計局的快報數；少數省份個別年份的缺失數據，則根據其變化規(guī)律推算補齊(圖表中將不再注明)。③根據通常的區(qū)域劃分習慣，我們把北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南等11個省份作為東部地區(qū)，把山西、內蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南等9個省份作為中部地區(qū)，把廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆等11個省份作為西部地區(qū)。④本文所使用的地理信息與地圖，均由地理信息系統(tǒng)(GIS)軟件生成；我們在地圖中繪制了香港、澳門和臺灣，但這3個地區(qū)的地理信息并未納入統(tǒng)計分析。
　　三、空間自相關分析
　　接下來，將通過Moran's I分析各個省份在經濟增長速度上是否存在空間自相關(集聚效應)。通過計算，我們發(fā)現，中國內地31個省份經濟增長速度的Moran's I僅在2001-2005年間沒有通過顯著性檢驗，而其他12年中均通過了5%或10%水平的顯著性檢驗③。這意味著，中國的經濟增長速度在總體上存在著空間自相關，即經濟增長速度相似的省份存在著空間集聚效應。從圖1中可以看出，在1995-2000年間，Moran's I在達到0.150之后開始下降，但基本保持顯著，這也反映了該時期內，受到經濟“軟著陸”和東南亞金融危機的影響，中國各個省份存在著空間影響，經濟增長速度普遍下降；2001-2005年間，Moran's I均不顯著，意味著各個省份開始利用自身特點和優(yōu)勢發(fā)展經濟，經濟增長速度不斷提高，因此，空間影響作用較小；2006-2011年間，Moran's I開始大幅上升，基本上都通過了1%水平的顯著性檢驗，原因是“中部快速崛起”和“西部大開發(fā)”的不斷深入，東、中、西部經濟聯(lián)系更加緊密(例如：東部對中西部的投資、中西部承接東部的產業(yè)轉移等)。
　　通過Moran's I散點圖可以對這種集聚效應做進一步分析。首先，我們選擇4個代表性年份：經濟增長速度開始明顯下降的1995年，回升之前的2000年，經濟增長開始分化的2006年和分化最大的2011年。在這4個代表性年份的散點圖上，處于第Ⅰ、Ⅲ象限的省份較多，處于第Ⅱ、Ⅳ象限的省份較少。其中，第Ⅰ象限表示經濟增長速度高的省份集聚(即高值集聚)，第Ⅲ象限表示經濟增長速度低的省份集聚(即低值集聚)。我們利用地圖代替散點圖的形式來更加直觀地反映4個年份的集聚效應(如圖2所示)④。1995年，經濟增長速度高值集聚的8個省份主要位于中東部地區(qū)，低值集聚的省份則集中于東北、西北地區(qū)；2000年，高值集聚省份出現了向中部地區(qū)移動的態(tài)勢，而低值集聚省份則以西部(特別是西南)地區(qū)為主；2006年，在上文提及的“中部快速崛起”和“西部大開發(fā)”不斷深入的大背景下，高值集聚省份數量大幅度增加，且以中西部不發(fā)達省份居多，而東部沿海省份(北京、天津、上海、浙江、福建、海南)則形成了低值集聚；2011年，高值集聚省份全部出現在中、西部地區(qū)，低值集聚省份(除新疆外)則集中于東部沿海發(fā)達地區(qū)。圖2展示了中國經濟增長速度高值(低值)集聚省份的動態(tài)變化軌跡。
　　四、空間面板數據分析
　　空間自相關分析解釋了中國在經濟增長速度上存在著集聚效應，但是結構性因素在影響經濟增長速度的過程中，是否也存在著空間效應？其作用方向和程度如何？這就需要進一步地進行多變量分析。我們把經濟增長速度(gdp)作為被解釋變量，把勞動生產率增速(prod)、勞動參與率增速(lapr)、勞動年齡人口比重增速(demo)、平均工資增速(wage)和第三產業(yè)就業(yè)比重增速(tiep)等作為解釋變量，以全國、東部、中部、西部這4類地區(qū)為研究對象，分別運用面板數據技術進行分析。首先，進行普通面板數據分析，以檢驗是否存在空間自相關。
　　1.普通面板數據模型
　　這里，我們主要選取兩類面板數據模型，一是混合模型(即無固定效應模型)。
　　根據這兩類普通面板數據模型，可以檢驗是否存在空間相關性，如果存在的話，將采用前文提及的Lagrange乘數及其穩(wěn)健性指標判斷選擇何種空間模型分析更為合理。
　　實證結果表明，雖然混合模型有部分回歸系數通過了顯著性水平的檢驗，但是，對4類地區(qū)的混合模型進行多余的固定效應檢驗之后，發(fā)現F值和 值均較大，且伴隨概率均為0，這意味著混合模型中存在著固定效應，應予舍棄。通過比較估計結果，我們發(fā)現4類地區(qū)的個體固定效應和時間固定效應模型均不及雙固定效應模型合理，因此不擬采用。表2報告了4類地區(qū)雙固定效應模型的估計結果，而其他不擬采用(不合理)的模型估計結果將不再列出。
　　根據表2所示的回歸結果，模型1—4估計殘差的Moran's I均通過了1%或10%水平的顯著性檢驗，說明4類地區(qū)的個體時點雙固定效應模型中均含有空間自相關，模型的估計結果是有偏的或無效的，需要重新構建空間面板數據模型；另外，Lagrange乘數及其穩(wěn)健性指標也顯示出，模型1—2的4個LM檢驗指標均通過了1%水平的顯著性檢驗，但是LMLAG和R-LMLAG均大于對應的LMERR和R-LMERR，因此，選擇SLM形式要優(yōu)于SLM形式；模型3—4的LMLAG和R-LMLAG全部通過1%水平的顯著性檢驗，而LMERR和R-LMERR未能全部通過顯著性水平的檢驗，故應該選擇SLM形式。
　　2.空間面板數據模型
　　接下來，我們將根據上文的分析結果，構建空間滯后雙固定效應模型。
　　同時，放棄原先有偏的最小二乘法(OLS)，采用適合空間計量分析的極大似然法(ML)進行估計。另外，在進行聯(lián)合顯著性檢驗(Joint Significance Test)之后，發(fā)現4類地區(qū)的空間滯后個體(或時點)模型均拒絕了個體(或時點)固定效應不顯著的原假設，因此，空間滯后雙固定效應模型應該是最優(yōu)之選。我們在表3中僅給出4類地區(qū)空間滯后雙固定效應模型的估計結果(個體和時點固定效應，將在后文中分析)。根據表3中的估計結果，可以得出以下結論：
　　第一，模型5—8在Adj- 、logL和 等指標上均優(yōu)于表2中與之對應的模型1—4，說明普通雙固定效應模型由于忽略了空間自相關，估計結果存在偏差，而空間滯后雙固定效應模型考慮空間自相關，在一定程度上修正了這種偏差。
　　第二，模型5—8中的解釋變量prod、lapr、demo系數均為正數，說明4類地區(qū)的經濟增長速度與勞動生產率增速、勞動參與率增速、勞動年齡人口比重增速的變化方向一致。從勞動生產率增速對經濟增長速度的影響程度上看，東部地區(qū)高于全國水平，而中、西部低于全國水平；在勞動參與率增速對經濟增長速度的影響程度上，西部地區(qū)最大，中部地區(qū)最�。粍趧幽挲g人口比重增速對經濟增長速度的影響方面，西部最大而東部最小。
　　第三，平均工資增速這一指標，對全國范圍的經濟增長速度并沒有明顯的影響，但在東、中部地區(qū)，與經濟增長速度的方向相反，而在西部地區(qū)與經濟增長速度的方向相同。第三產業(yè)就業(yè)比重增速在全國、東部和西部地區(qū)均與經濟增長速度呈反方向變化，但是，與中部地區(qū)的經濟增長速度關系并不顯著。
　　第四，空間效應的影響在4類地區(qū)都非常顯著。全國范圍內，外省經濟增長速度對本省有著同方向的影響，而在東部地區(qū)，這種影響程度更大；在中、西部，外省經濟增長速度則對本省的影響程度低于全國水平。
　　五、實證結果拓展分析：對于中國現實的解釋
　　2012年以來，中國經濟增長速度放緩已經越來越成為人們的共識，但是，全國和東、中、西部地區(qū)經濟增長速度是否均已進入了下降通道？地區(qū)性的差異是怎樣的？其結構性因素的變化趨勢如何？接下來，我們將在實證結果的基礎上進行拓展分析，并嘗試對以上問題做出解釋。
　　從全國總體來看，經濟增長速度自2001年觸底回升之后，一直保持上升的態(tài)勢，原因在于：一是全社會勞動生產率增速存在著同樣變化軌跡，且系數達到0.954(模型5)，有力地推動了經濟增長速度的提高；二是空間效應影響顯著，全國范圍內各個省份經濟增長速度的相互影響系數達到0.268(模型5)；我們還注意到，其他結構性因素方面，勞動年齡比重增速和第三產業(yè)就業(yè)比重增速沒有明顯的變化，而勞動參與率增速的微弱下降對經濟增長速度影響極小(見圖3所示)⑤。另外，平均工資增速呈現出下降趨勢，但其系數并不顯著(模型5)，沒有對經濟增長速度產生影響。因此，可以認為中國在總體上并未出現經濟增長的“結構性減速”，而是繼續(xù)維持“結構性加速”。
　　對于東部地區(qū)而言，經濟增長速度及其影響因素的變化情況與全國總體并不相同。從圖4可以看出，東部地區(qū)除了遼寧、福建和海南外，其他8個省份經濟增長速度均在2005年之后呈現出大幅的下降，其數值在0%到15%之間，且差異性較大。究其原因：①2005年以來，隨著區(qū)域發(fā)展戰(zhàn)略和產業(yè)結構調整的實施，東部地區(qū)加快了對中、西部地區(qū)的產業(yè)轉移，其中包括大量的勞動生產率較高的工業(yè)部門，再加之第三產業(yè)水平不高，導致了東部勞動生產率增速明顯下降，其數值已不足8%；同時，高達1.060(模型6)的系數進一步放大了勞動生產率增速對經濟增長速度的影響程度。②東部省份之間正的空間影響作用較強，系數為0.311(模型6)，這也成為東部各省經濟增長速度普遍下降的重要原因。③東部地區(qū)的平均工資增速有所上升，也在一定程度上拉低了經濟增長速度；第三產業(yè)就業(yè)比重增速在2005年以前處于下降階段，在負系數的作用下推動了當時經濟增長速度的提高，但是，2005年之后該因素的影響作用基本消失。此外，勞動年齡人口比重增速的細微上升雖然有助于經濟增長速度的提高，但并不足以改變東部地區(qū)經濟增長的“結構性減速”趨勢。
　　在中、西部地區(qū)，經濟增長速度均表現出了顯著的提高，其數值基本介于15%—25%之間，且內部差異性較小(如圖5和6所示)。按照上文的分析思路，不難發(fā)現，勞動生產率增速上升是經濟增長速度提高的主要原因。一方面，中、西部地區(qū)接受了來自東部地區(qū)的投資(主要是集中于第二產業(yè))和產業(yè)轉移，大幅提高了勞動生產率增速；另一方面，中、西部地區(qū)的勞動力資源開始由第一產業(yè)進入第二產業(yè)，從而推動了本地區(qū)的工業(yè)化發(fā)展。這兩方面的作用，使得中、西部地區(qū)的勞動生產率增速迅速攀升到20%以上。而平均工資增速的不斷下降，也有助于中、西部經濟增長速度的提升。此外，來自空間的影響作用也相當顯著，具體地說，本地區(qū)其他省份經濟增長速度提高1%時，本省的經濟增長速度將會提高0.2%以上(模型7、模型8)。但是，需要注意的是，中部地區(qū)的山西、內蒙古和河南已經開始出現了類似東部的經濟增長減速的趨勢，不難理解：這3個省份由于和東部地區(qū)鄰接，成為中部地區(qū)接受東部地區(qū)投資和產業(yè)轉移的前沿，在產業(yè)結構調整方面也與東部地區(qū)更加接近；在勞動生產率增速方面，這3個省份也在2009年之后出現了觸頂回落的趨勢，“結構性減速”的特征初步顯現。通過以上分析，我們認為，西部地區(qū)正處于顯著的“結構性加速”階段；中部地區(qū)整體上屬于“結構性加速”階段，但是“加速”與“減速”并存的格局已初步形成。
　　通過對4類地區(qū)的分析，我們認為，隨著產業(yè)結構的調整和產業(yè)轉移的深入，勞動生產率增速在東部不斷降低，中部開始分化、西部節(jié)節(jié)攀升，使得全國一盤棋同步高增長的“結構性加速”時代趨于終結，中國經濟開始進入到東部“減速”、西部“加速”，而中部“加減并存”的經濟增長分化階段，且東部“減速”要快于中、西部的“加速”。對于這種分化狀態(tài)，我們除了能夠從圖4—6中獲得最直觀的了解之外，還可以運用實證研究中4個空間滯后雙固定效應模型的個體效應(截距項η)和時點效應(截距項δ)加以分析。
　　在模型5中，個體固定效應從橫向上體現了31個省份經濟增長速度的分化特征。圖7顯示，在整體上，東部地區(qū)的固定效應最小，中部地區(qū)較大，西部地區(qū)最大。這意味著在同樣的沖擊下，東部經濟增長速度將會明顯小于中、西部。進一步地，還可以發(fā)現東部省份的固定效應差異性顯著，包括了最大值(江蘇，0.314)和最小值(北京，-0.963)，天津和上海的固定效應也很小，分別為-0.455和-0.176，說明東部地區(qū)在“結構性減速”中存在著很大的差異性，這也與我們對圖4的分析結果一致；而中、西部地區(qū)固定效應的差異性相對較小。在模型6—8中，時點固定效應從縱向上反映了東、中、西部經濟增長速度隨時間變化的趨勢(如圖8所示)。其中，東部地區(qū)的固定效應隨著時間變化而逐步下降，且數值已小于-1.0；中部和西部的固定效應則呈現出了較為相似的增長趨勢，并在數值上超過了1.0。這表明，同樣的沖擊，在未來的年份中，給東部地區(qū)帶來的經濟增長速度將越來越小，中、西部地區(qū)則越來越大，但是中部地區(qū)明顯小于西部地區(qū)。
　　六、基本結論與啟示
　　為了考察產業(yè)結構調整背景下中國所面臨的“結構性減速”和經濟增長分化問題，本文采用了空間數據分析技術：①通過對1995-2011年31個省份的經濟增長速度進行空間自相關分析，發(fā)現經濟增長速度在總體上存在著較為明顯的空間自相關，空間集聚效應具有動態(tài)變化的特征。高值集聚省份最初集中于東部沿海地區(qū)，后逐步向中部地區(qū)滲透，最后出現在原先具有低值集聚的中、西部地區(qū)；而低值集聚的變化軌跡剛好相反，低值集聚省份起初多見于西部地區(qū)，后來逐步向東部地區(qū)轉移，并最終集中于東部沿海的發(fā)達省份。②我們把經濟增長速度分解為勞動生產率增速，以及勞動參與率增速、勞動年齡人口比重增速等3個結構性因素，再增加反映產業(yè)結構調整的因素——第三產業(yè)就業(yè)比重增速，以及平均工資增速，共同組成解釋變量，采用面板數據模型對全國以及東部、中部和西部經濟增長速度進行計量分析。第一步，通過對傳統(tǒng)的面板數據模型的檢驗，發(fā)現個體時點雙固定效應模型相對其他模型更為合理，但是，4類地區(qū)的模型估計殘差中均存在顯著的空間自相關，說明普通面板模型的估計結果可能有偏或無效。第二步，放寬了傳統(tǒng)計量的地理同質性假設，根據Lagrange乘數及其穩(wěn)健性檢驗結果，選擇包含空間自相關的空間滯后雙固定效應模型(SLFEM)，把其他省份對本省的影響納入到分析之中，使得估計結果與現實更為相符。
　　實證結果表明：①東部地區(qū)經濟增長已經進入“結構性減速”時代，西部地區(qū)經濟增長正處于顯著的“結構性加速”階段，而中部地區(qū)經濟增長出現了“加速”與“減速”并存的局面，但整體呈現出“結構性加速”；在中、西部較強的“結構性加速”帶動下，全國經濟總體上依然維持在“結構性加速”階段，但經濟增長分化的格局業(yè)已形成。②對于經濟增長速度影響最大因素是勞動生產率增速，其次是空間效應，平均工資增速的影響較��；而勞動參與率增速、勞動年齡人口比重增速由于長期未有明顯的變化，因此，沒有像其他學者預計的那樣發(fā)揮出明顯的影響作用。③東部勞動生產率增速下降可歸因于產業(yè)轉移和結構調整；中、西部勞動生產率增速上升緣于東部的投資和產業(yè)轉移，以及勞動力資源從第一產業(yè)轉入第二產業(yè)后所帶來的工業(yè)化發(fā)展；因此，第三產業(yè)人口比重增速沒有出現大的變化和影響作用。④在東部地區(qū)的“結構性減速”過程中，外部沖擊對各個省份經濟增長速度的影響存在較大差異性；而在時間維度上，外部沖擊會進一步擴大3個地區(qū)經濟增長分化。
　　通過實證分析，我們認為中國處在經濟社會發(fā)展的轉型期，人均收入水平還比較低，這種經濟增長速度的轉變，將會對產業(yè)結構、社會投資、居民消費等領域產生巨大而又不確定的沖擊；在“結構性加速”與“結構性減速”并存的過渡期內，宏觀經濟政策的制定和宏觀經濟運行的調控也將變得更加錯綜復雜。那么，如何積極應對“結構性減速”和經濟增長分化？實證結果的啟示是：加快實現產業(yè)結構現代化，提高全社會勞動生產率增速。東部地區(qū)出現勞動生產率增速下降的原因是第二產業(yè)的轉移和第三產業(yè)的較低發(fā)展水平。為了應對“結構性減速”，東部地區(qū)必須加快發(fā)展高端制造業(yè)和現代服務業(yè)，通過產業(yè)結構現代化，提高全社會勞動生產率增速，重新提升經濟增長速度。長期以來，東部地區(qū)在生產總值、社會固定資產投資、外商投資、研究與實驗發(fā)展等方面占全國的比重均大大高于其土地、人口資源占全國的比重，可見，東部地區(qū)完全可以憑借其密集的生產力布局、較高的人力資源素質和科技創(chuàng)新能力，發(fā)展高端制造業(yè)，以質量優(yōu)勢消除產業(yè)轉移帶來的勞動生產率減速。另一方面，近10年來，全球服務業(yè)的增加值之所以能夠超過制造業(yè)，主要是源于服務業(yè)內處于價值鏈高端的現代服務業(yè)(生產性服務業(yè))的發(fā)展，而中國第三產業(yè)水平不高，恰恰就是因為現代服務業(yè)發(fā)展水平較低。因此，東部地區(qū)需要通過進一步的結構調整克服現代服務業(yè)的發(fā)展瓶頸，推動第三產業(yè)整體的升級和發(fā)展，在城市化進程中實現勞動生產率增速的穩(wěn)步提高。另外，中、西部地區(qū)當前的“結構性加速”主要基于第二產業(yè)較高的勞動生產率增速，但是，需要注意的是其第二產業(yè)多為低端制造業(yè)，當中、西部地區(qū)勞動力的“廉價時代”趨于終結時，較高的勞動生產率增速將難以維系。因此，中、西部地區(qū)也應該充分重視產業(yè)結構現代化，提前應對未來可能出現的“結構性減速”。
　　注釋：
　�、僖恍┭芯空J為，通過10%水平的顯著性檢驗，也可以視做存在空間自相關。
　　②人均GDP增長速度的進一步分解和推導過程參見袁富華(2012)。
　�、蹆H個別年份是通過10%水平的顯著性檢驗。
　�、苡捎谖覀冎攸c研究的是處于第Ⅰ、Ⅲ象限的省域，因此，第Ⅱ、Ⅳ象限的省份將不再予以區(qū)分。
　�、萦捎谌珖皷|、中、西部的勞動參與率增速遠低于1%，對經濟增長速度的影響極小，我們將不再過多討論。
　　【參考文獻】
　　[1]Mitchell, B. R. International Historical Statistics(6th ed.):1750-2005[M]. New York: Palgrave Macmillan, 2007.
　　[2]Maddison, A. The World Economy(Volume 1, Volume 2)[M]. OECD Publishing, 2006.
　　[3]Bjork, G. C. The Way It Worked and Why It Won't[M]. London: Praeger, 1999.
　　[4]Barro, R. J., Sala-i-Martin, X. Economic Growth(2nd ed.)[M]. Cambridge, MA: MIT Press, 2004.
　　[5]Moran, P. A. P. Notes on Continuous Stochastic Phenomena[J]. Biometrika, 1950,37(1).
　　[6]Anselin, L. Spatial Econometrics: Methods and Models[M]. Dordrecht Kluwer Academic Publishers, 1988.
　　[7]Anselin, L., Raymond, J. G. M., Florax, R. J. Advances in Spatial Econometrics: Methodology, Tools and Applications[M]. Berlin: Springer-Verlag, 2004.
　　[8]Elhorst, J. P. Specification and Estimation of Spatial Panel Data Models[J]. International Regional Science Review. 2003,(26).
　　[9]Paas, T., Schlitte, F. Regional Income Inequality and Convergence Processes in the EU-25[R]. ERSA Conference Papers, 2006.
　　[10]Tobler, W. A Computer Movie Simulating Urban Growth in the Detroit Region[J]. Economic Geography, 1970,46(2).
　　[11]Anselin, L., Florx, R. New Directions in Spatial Econometrics[M]. Springer-Verlag, Berlin, 1995.
　　[12]張平，劉霞輝.經濟增長前沿[M].北京：社會科學文獻出版社，2007.
　　[13]王慶，章俊，Ho.2020年前的中國經濟：增長減速不是會否發(fā)生，而是如何發(fā)生[J].金融發(fā)展評論，2011，(3).
　　[14]袁富華.長期增長過程的“結構性加速”與“結構性減速”：一種解釋[J].經濟研究，2012，(3).
　　[15]張軍.中國經濟減速與治理[R].青島：英國《金融時報》國際經濟高峰論壇，2012.
　　[16]華中煒.結構性減速、增長分化與供給改革——2012年中期經濟報告[R].北京：華創(chuàng)證券研究所，2012.
　　[17]徐建華.計量地理學[M].北京：高等教育出版社，2006.
　　[18]呂健.中國城市化水平的空間效應與區(qū)域收斂分析：1978-2009年[J].經濟管理，2011，(9).^
　　責任編輯：春華

查看原文

  本文關鍵詞：產業(yè)結構調整、結構性減速與經濟增長分化，由筆耕文化傳播整理發(fā)布。