产业结构变迁促进了经济增长吗？

冯学良+聂强

摘 要：基于中国29个省市1993-2014年的数据建立空间自回归模型和空间误差模型，分析产业结构变迁、技术进步对经济增长的影响。结果表明：（1）经济增长和产业结构变迁过程均存在显著的空间关联性，并与空间分布格局和空间集聚类型密切相关。（2）产业结构变迁和技术进步对经济增长有显著正向影响，且存在明显的空间依赖型和空间异质性。（3）资本存量、劳动投入与基础设施建设依然是经济增长的重要源泉。

关键词：产业结构变迁；技术进步；经济增长；空间计量

中图分类号：F320.2 文献标识码：A 文章编号：1009-9107（2017）05-0104-09

引 言

产业结构变迁是理解发展中国家与发达国家经济发展区别的重要变量，也是后发国家加快经济发展的关键[1]。我国自改革开放以来，经济持续快速增长的背后一直伴随着产业结构的变迁，生产要素不断从农业产业部门向非农业产业部门流动，产业结构变迁已成为我国经济增长的重要引擎 [2]。从全国范围看，1978年的三次产业比重为0.277∶0.477∶0.246，而到2014年，该比重变为0.091∶0.431∶0.478。产业结构对经济增长的贡献率也随时间推移发生了较大变化，1978年以来第一产业对经济增长的贡献率在1981年达到最高值40.5%，到2014年则降至4.7%，第二产业对经济增长的贡献率由1978年的61.8%下降至2014年的41.8%，第三产业对经济增长的贡献率则由1978年的28.4%上升至2014年的47.5%[3]。随着时间的推移，产业结构转变的同时各产业对经济增长的贡献率也是一个动态变化过程，且呈现一定的空间分布特征。例如，假定第三产业从业人员占总就业人员比重简单反映产业变迁过程，1993年至2014年，长三角地区（上海市、浙江省和江苏省）该比重从19.77%上升到40.70%。而全国的情况是，1993年第三产业从业人员占总就业人员比重为19.70%，与长三角地区的产业层次几乎相同，但2014年，该比重为37.70%，比长三角2014年低了3个百分点。在这20多年里，产业结构变迁过程所表现出来的空间异质性和关联性是否具有偶然性？产业结构变迁对经济增长的影响是否普遍存在空间关联效应？一个地区的产业结构变迁促进本地经济增长的同时是否也会拉动或抑制周边区域经济增长？甚至在考虑技术进步的情况下，产业变迁对经济增长的作用是否会加强？这些都是本文研究的重点。

在既有的相关研究中，多数文献都支持产业结构变迁会促进经济增长[4-12]。产业结构变迁对经济增长的促进作用具体可分为产业结构合理化和产业结构高级化两个影响维度[13]，而产业结构合理化对经济增长的作用过程相对稳定[14]。进一步考虑技术进步的因素后，技术选择和合理的资本深化能促进产业结构升级，提高生产效率，加快经济增长[15-16]。而且无论是技术创新、模仿创新还是技术引进都可以促进产业结构变迁的过程[17]，从而进一步促进了经济增长[18]。然而，另有学者研究发现，产业结构变迁对经济增长并未呈现出促进作用。至少，这种作用效果不是恒定的，产业结构变动对经济增长的影响存在一定的周期性[19-20]。李小平和卢现祥对制造业结构变动的研究发现，制造业的结构变动并没有导致显著的“结构红利”现象[21]。甚至随着市场化程度的提高，产业结构变迁对经济增长的促进作用会逐渐让位于技术进步[22]。

此外，李献波等发现无论是城市群尺度还是城市尺度，产业结构动态变化对经济增长具有相似的空间差异[23]。空间溢出效应是考察产业结构调整与生产率提升影响经济的重要因素[24]。例如，从经济增长的视角看，中国各省市人均GDP空间分布格局存在着全域范围内的正的空间自相关性，且这种空间相关性随着时间的推移而增大[25]。徐春華和刘力[26]、武晓霞[27]、张翠菊和张宗益[28]研究影响产业结构变迁的影响因素时也发现，产业结构变迁过程存在空间异质性和空间关联性。

基于此，本文将空间计量模型引入经济增长函数，考察不同区域产业结构变迁对经济增长的空间协同效应与空间关联性。在当前研究中，有大量文献探讨过产业结构变动对经济增长的影响，但同时考虑区域关联和空间溢出效应的文献并不多见。本文在考虑技术进步的情况下，考察产业结构变迁对经济增长的影响。正如上文所述，技术进步促进产业结构变迁进而加速经济增长的作用过程，二者属于递进还是并列的作用机制并不十分明确。因此，本文将使用中国29省市1993-2014年的数据建立空间面板模型，同时把产业变迁与技术进步作为核心解释变量，继续探讨技术进步和产业变迁与经济增长的关系。

一、理论假设、模型构建与数据说明

（一）理论假设

按照费歇尔和克拉克对三次产业的划分，国民经济的增长取决于3个产业部门的增长，三次产业的结构变动会改变经济增长的速度。这里，我们借鉴黄茂兴和李军军[16]的分析方法，假设经济中有N个产业部门，国民经济的增长可以表示为：

两边对时间t求导，则有：

其中，git和g′it 分别表示经济增长速度及其增长速度的变化，下标i表示各产业部门，φi 和φ′i表示各产业部门所占比重及其变化。一国经济增长要同时受各产业部门经济增长及结构变动的影响，因此，产业变迁会通过转移资金、人才流动等方式重新分配产业部门间的基础要素投入，进而影响经济增长。分析产业变迁我们借鉴干春晖的做法[14]，使用重新定义的泰尔指数衡量产业结构合理化，公式如下：

其中，Y和L分别表示产值与就业，i表示各产业，n表示部门数。当TL=0时，经济体系处于均衡状态，TL值越大，经济发展越容易偏离均衡状态，表明产业结构变动幅度越大。

基于此，我们得出本文的假设H1：产业结构变迁直接促进了经济增长。

分析各产业部门经济增长，我们引入包含技术进步的柯布—道格拉斯生产函数，如下：endprint

其中，K和L表示资本和劳动，A代表全要素生产率，i和t分别表示不同地区和时期。进一步，两边取对数可得：

进一步将全要素生产率Ait 分解为产业结构合理化Acit 、技术进步Atit和其他因素Xoit，即： lnAit=Acit+Atit+Xoit （6）

将（6）代入（5）式可得到C-D生产函数的计量模型：

此时，我们提出本文的第二个假设H2：经济增长过程，技术进步独立于产业变迁。

（二）空间计量模型构建

在使用面板数据分析各省市产业变迁对经济增长的影响时，一个不能忽视的客观现实就是省市之间的空间联系，几乎全部的空间数据都存在空间依赖性和空间自相关的特点[29]。而空间计量方法在计量分析的基础上，加入地理位置和空间关联因素，可以更好地识别和度量经济现象之间的空间变化规律和决定因素，在一定程度上避免了传统计量估计结果可能忽略的偏误。目前，常用的空间计量模型有空间自回归模型（SAR）和空间误差模型（SEM）。

模型（8）为空间自回归模型，模型（9）为空间误差模型。其中，yit 为被解释变量，指的是地区i在t时期的人均GDP，用来测度区域经济增长；λ为空间自回归系数，衡量了相邻区域的经济活动对本区域经济活动的影响程度；Σnj=1wit yij为空间滞后因变量，指的是在第t年除地区i外其他区域人均GDP的加权平均值；β 为解释变量的回归系数；ui为区域i的个体效应；εit 为随机扰动项。ρ为空间误差系数，衡量了相邻区域由于经济观察值的误差冲击对本区域经济观察值的影响程度；Σnj=1Wijujt为空间滞后误差变量，度量的是在第t年除区域i外，其他相邻区域观测值的误差冲击的加权平均值。

本文选用两种不同的空间权重矩阵：一是使用地理相邻（0-1）标准来定义的空间相邻权重矩阵，若两个空间区域相邻，则认为存在空间相关关系，记为1；若两个空间区域不相邻，则认为不存在空间相关关系，记为0。二是空间地理距离权重矩阵，即通过地理距离构造权重矩阵，具体来说，以各省会城市的直线距离（d）的平方的倒数来设定。

空间相邻标准假定空间单元之间的联系仅取决于二者是否相邻，这种空间邻接标准设定的空间权重矩阵虽然简单易行，准确率极高，但却存在一定的不足：一方面，只要两个空间单元相邻接，即存在相同的影响程度；另一方面，只要两个空间单元不相邻接，便不存在任何经济联系，这明显不符合事实。因此，作为对比，本文同时使用空间地理距离权重矩阵。

经济增长的过程不仅受当前值的影响，而且前期的经济活动也会影响当期经济增长的过程，也就是说，用一个动态的经济模型来反映经济增长可能更为现实。因此，本文建立包含被解释变量滞后项的更为一般的空间计量模型为：

其中，yi，t-1为被解释变量yit的一阶滞后，若τ≠0，该模型为动态空间面板模型，若τ=0，该模型为静态空间面板模型；ρΣnj=1w′i yt和δΣnj=1d′i xt分别为被解释变量和解释变量的空间滞后，w′i和d′i分别为相应空间权重矩阵的第i行；γt 为时间效应；而m′i为扰动项空间权重的第i行。

（三）变量选取与数据说明

1.变量选取。本研究涉及的变量包括被解释变量、核心解释变量和控制变量，具体见表1。

2.变量统计性描述。由表2数据可知，本文所用数据为平衡面板数据。从变量的各项指标看，中位数与均值在数值上十分接近，数据有较好的分布特征。各变量的标准差除产业结构变迁与技术进步的交互项偏大外，其他变量的标准差较小，数据未出现太大幅度的波动。对比最小值与最大值，发现二者极差在合理范围内。

二、实证分析

（一）空间自相关分析

本文采用全局空间自相关指数Morans I （莫兰指数）[31]测算以人均GDP表示经济增长与产业结构变迁过程是否存在空间关联性。计算公式如下：

其中，S2=1nΣni=1（xi-）2为样本方差，ωij为空间权重矩阵（i，j）元素（用来度量区域i与j之间的距离），而Σni=1Σnj=1ωij 为所有空间权重之和。

Mordans I 的取值一般介于-1到1之间，大于0表示正自相关，即高值与高值相邻、低值与低值相邻；小于0表示负自相关，即高值与低值相邻。一般来说，正自相关与负自相关更为常见。如果Mordans I接近于0，则表明空间分布是随机的，不存在空间自相关。使用Mordans I 对人均GDP与产业结构变迁进行全局空间相关性检验，结果见表3。

由表3可知，从近10年的状况看，中国各省市经济增长存在明显的空间相关性，且均在1%的显著性水平下通过了检验，产业结构变迁过程也存在显著的空间关联性。从Mordans I 看，2010年以前产业结构变迁的Mordans I 值大于0，即空间关系为正自相关，即高值与高值相邻、低值與低值相邻；而2010年后，Mordans I值小于0，空间关系变为负自相关。这也充分说明产业结构变迁过程不但存在空间依赖型与关联性，甚至表现为负的空间溢出效应。一个地区的产业变迁过程可能并不利于邻近地区的产业变迁，存在空间“掠夺”现象。

为进一步分析不同地区经济增长是否存在空间异质性，我们做出29省市（不包含重庆和西藏）2014年人均GDP的局域Mordans I散点图，见图1。

Mordans I的4个象限分别对应于空间单元与邻近单元之间的4种局部空间联系形式，其中第一象限代表高高，包含的省市有北京、天津、辽宁、上海、江苏、浙江、福建和山东；第二象限代表低高，包含的省市有河北、山西、黑龙江、安徽、江西、河南；第三象限代表低低，包含的省市有湖北、湖南、广西、海南、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆；第四象限代表高低，包括内蒙古和广东。由图1可以看出，处于“高高”和“高低”的大都是东部沿海省市，而处于“低低”和“低高”的则为中西部省市。大部分省市分布在第一和第三象限，前者为东部发达省份，后者为西部经济落后省份，这充分说明，经济增长在地理空间分布上存在明显的空间依赖型与异质性，见表4。endprint

（二）实证结果分析

在进行空间计量模型估计时，如果仍然采用普通最小二乘估计（OLS），则会导致估计结果有偏差或不一致，而极大似然估计（MLE）可有效解决这一问题[29]。本文使用人均GDP作为被解释变量（lnAG），泰尔指数（TL）和技术市场成交额（lnTE）作为核心解释变量，资本存量（lnZB）、人力资本（ED）、对外贸易（WM）、政府支出（ZC）、基础设施（GL）作为控制变量，同时引入产业变迁与技术进步的交互项（TLTE），分别使用空间自回归模型和空间误差模型进行回归，结果如表5。

在表5中的ρ、调整的R2、LogL以及F值等统计量来看，无论使用空间相邻权重矩阵还是空间地理距离权重矩阵，空间自回归的结果均具有较好的拟合度，表明基于柯布—道格拉斯生产函数的空间自回归模型能较为准确地反映产业变迁、技术进步与经济增长之间的关系。其中，模型1与模型3为静态空间面板模型，模型2与模型4为动态空间面板模型。整體来看，产业结构变迁对经济增长有正向显著的影响，但影响系数会因地理空间关系（空间相邻权重还是空间地理距离权重）和经济增长的滞后作用（是否考虑被解释变量的一阶滞后）而存在细小差异。具体来说，若忽略空间地理因素或只假定各省市的空间关联度仅在于是否相邻，产业结构变迁对经济的促进效果会偏小。如模型1中产业结构每改变1个单位，会引起0.014个单位人均GDP的变动，小于模型3中产业结构改变1个单位，人均GDP增加0.026个单位，且二者均在1%的显著性水平下通过了检验。这说明，随着贸易开放程度、交通设施建设等不断加快，各省市之间的经济活动及生产要素之间的流动越来越密切，不再局限于空间地理位置是否相邻，而在更大的空间范围内产生了更为广泛的联系。

相较于模型1与模型3，模型2与模型4为考虑被解释变量一阶滞后项的动态空间滞后模型。由估计结果均通过1%的显著性水平检验可以看出，经济增长尽管存在明显的空间效应，但各省市当前的经济增长也会受前期的影响，即存在一定的经济惯性。对比估计结果的具体系数不难发现，不考虑经济增长的时间滞后因素时，各解释变量对被解释变量的影响（如模型3中产业结构变迁的估计系数为0.26）明显大于考虑经济增长滞后因素时的估计效果（如模型4中产业结构变迁的估计系数为0.006），这恰好说明了，忽略经济增长的时间滞后性时，滞后项对当期值的影响会分配到各解释变量，从而使解释变量的估计结果偏大。而经济增长的一阶滞后项能将影响经济增长的潜在因素（如政策环境、要素禀赋）从空间结构因素中分离出来，从而使静态空间模型可能存在的偏差得到纠正，这也是克服模型可能会存在的内生性较好的方法之一。

模型5与模型6分别为考虑空间相邻权重矩阵和地理距离权重矩阵情形下的估计结果，由δ2、LogL以及F值等统计量可以看出模型有较好的拟合效果，误差项的空间自回归系数（记为λ）的估计值在1%水平上显著，说明存在一定的空间误差效应，但该效应并不稳定，这也说明本文采用空间滞后模型能较好地反映产业结构变迁与经济增长的空间关联性。此外，根据表5的估计结果，若不考虑经济增长的滞后性时，技术进步对经济增长具有显著的促进作用，且在模型5中的效果最为明显，即技术进步每增加1%，对人均GDP的贡献为12.4%，这远低于美国技术创新对经济增长的贡献度29.1%[32]，这一结果也符合技术进步对经济增长的边际效应递增的规律。而考虑经济增长的滞后性时，该变量的估计结果为负，说明在生产函数中同时引入产业结构变迁和技术进步可能会引起同一个模型中解释变量间的独立性发生改变，导致内在的传递机制出现紊乱。

在控制变量中，人力资本、资本存量和基础设施建设的估计结果整体上显著为正，即均是促进经济增长的重要源泉。而对外贸易和政府支出的估计结果并不稳定，系数的大小也跟预期有较大偏差，这说明对外贸易与政府支出对经济增长的影响并非单向的因果关系，即对外贸易与政府支出的增加会影响产出，而产出的增加反过来也会影响对外贸易与政府支出。若要深究三者的影响关系，需建立多方程联立模型，篇幅所限，这里不再深入探究。

由表6中的ρ、F值、调整的R2以及LogL可知，无论是普通面板模型还是空间面板模型，均较好地拟合了产业结构变迁对经济增长的影响。经过Hausman检验后发现，采用固定效应进行估计会更合适。模型7为考虑异方差稳健性（Robust）的固定效应估计结果，模型8为工具变量两阶段最小二乘估计结果，模型9～12均为空间滞后模型。对比上述模型发现，产业结构变迁的系数大小基本一致，产业结构变迁均能显著地促进经济增长，模型具有较好地稳健性。但普通面板模型估计结果在显著性方面不及空间面板模型的估计结果，说明考虑空间因素后的产业结构变迁对经济增长的促进作用更加明显。具体分析模型9～12可以看出，是否考虑技术进步的因素并未对产业结构变迁促进经济增长的作用效果产生明显差别，且均在1%的显著性水平下通过了检验。而忽略产业变迁的因素时，技术进步对经济增长的促进作用要略大于考虑产业变迁时的作用效果，这说明产业变迁和技术进步之间可能存在内在的关联，技术进步虽然可以“独当一面”（此时的估计系数为0.006大于同时考虑产业变迁时的估计系数0.003），但技术进步潜在地加速了产业结构变迁，再进一步促进经济增长。

三、结论与政策启示

（一）结论

中国改革开放以来，不同地区的产品与要素的自由流动提升了地区间资源配置效率，同时也为产业结构变迁提供了物质及人力资本的积累，经济增长的区域差异十分明显。地区经济发展不仅依靠本区域内劳动力、资本以及人力资本的投入，而且在很大程度上受一个地区及相邻区域产业结构变迁和技术进步的影响。

1.本文基于1993-2014年的相关数据，建立空间计量模型，分析产业结构变迁及技术进步对经济增长的影响。结果显示，在考察期内，各省市经济增长过程存在全域范围的正的空间自相关性，而且相关性的大小基本保持不变。产业结构变迁过程也呈现一定的相关性，而且随着时间的推移，相关性逐渐增大，甚至在2010年前后，由正的空间相关性转变为负相关。地区经济增长和产业结构变迁过程中，可能存在一定的“资源掠夺”现象。而从局域空间相关性上看，东部发展较快的省份和西部落后的省份属于同一种空间集聚现象，但集聚类型完全相反，这种空间分布的异质性是地区协同发展的重要基础。endprint