新常态下产业结构变动与经济增长——基于省级动态面板数据的GMM方法

卢学法, 杜传忠

(1. 浙江大学 经济学院， 浙江 杭州 310027；2. 南开大学 经济与社会发展研究院， 天津 300071)



新常态下产业结构变动与经济增长——基于省级动态面板数据的GMM方法

卢学法1, 杜传忠2

(1. 浙江大学 经济学院， 浙江 杭州 310027；2. 南开大学 经济与社会发展研究院， 天津 300071)

摘要:新常态下，正确处理好稳增长与调结构的关系，有重要的政策含义。文章通过构建NAV、MLI两个不同的产业结构变动指数，基于省级1993-2013年的面板数据，运用GMM方法进行了实证检验。结果表明：从全国范围来看，短期内，产业结构变动与经济增长之间存在双向格兰杰因果关系，而较长时期内，仅存在经济增长到产业结构变动的单向格兰杰因果关系。其次，从省级层面来看，产业结构变动与经济增长之间的格兰杰因果关系表现出很大的异质性。基于此结论，文章认为，产业政策并不具有较长时期有效性，产业政策的制定需要视期限、地区的不同而择机、择时制定；同时，要规避产业政策缺陷带来的不足,规避“结构负利”的出现。

关键词:经济增长；产业结构变动；广义矩估计；格兰杰检验

一、 引言与文献综述

经济发展本质上是一个技术、产业不断创新和结构不断变化的过程[1]。改革开放以来，由工业化所引致的“结构性加速”成就了中国30多年的经济高速增长的奇迹[2]。然而，按照工业化国家的发展经验，在产业结构高级化达到一定程度后，会发生所谓的“结构性减速”现象，结构变化对生产率的推动作用将会减弱[3-4]。如果经济政策应对不当，很多问题将因“结构性减速”而凸显。因此，深刻理解产业结构变动和经济增长的因果关系有重要的政策含义。从实证角度看，该问题的核心是：产业结构变动是经济增长的格兰杰原因，还是经济增长是产业结构变动的格兰杰原因？如果存在经济增长到产业结构变动的单向因果关系，则表明产业结构调整有赖于经济增长；反之，如果存在产业结构变动到经济增长的单向因果关系，则表明经济增长依赖于产业结构调整。在这种情况下，如果产业政策实施不当，则将对经济增长产生不利的影响。然而，如果产业结构变动与经济增长不存在因果关系，则产业政策的实施将不会对经济增长产生影响。

产业结构变动与经济增长一直是现代经济学特别是发展经济学研究的热点之一[5-6]。目前，关于产业结构变动与经济增长因果关系的研究已有很多文献，但对两者之间的作用关系一直没有统一的结论[7]916。Pender(2003)通过对28个OECD国家的研究证实，在20世纪90年代发生的产业结构变动对宏观经济的发展和增长发挥了决定性的作用[8]。Ding和Knight(2008)也指出产业结构变化对经济增长贡献巨大，并很好地解释了中国近30年来保持较高经济增长速度的原因[9]。Cortuk和Singh(2011)的研究发现，存在产业结构变动到经济增长的单向格兰杰因果关系，产业结构变动是推动印度最近20年经济增长的一个重要因素[10]。Cimoli等(2011)等通过对中国、巴西、印度和南非的比较研究发现，产业结构变动明显推动了经济增长[11]。孙皓和石柱鲜(2011)、董琨和原毅军(2007)等的研究也得出了大致相似的结论[12-13]。李春生和张连城(2015)基于1978-2013年的数据，运用VAR模型对我国改革开放以来经济增长与产业结构的互动关系进行了实证研究。研究表明，产业结构升级对经济增长的影响作用过程缓慢但是效果较为持久[14]。但也有些研究者得出了与以上研究相反的结论：Pelka(2005)通过理论模型考察产业结构变动与经济增长之间的相互关系，结果发现只有“经济增长促进产业结构变化”[15]。付凌晖(2010)发现中国经济总量的增长明显带动了产业结构升级，而产业结构高级化对经济增长的促进作用并不显著[16]。Marouani 和Mouelhi(2015)使用部门和公司数据分析显示，突尼斯在过去三十年生产率增长保持在一定的速度，但结构变化对经济增长的贡献有限[17]。Zulkhibri等(2015)通过对马来西亚、尼日利亚、土耳其和印度尼西亚等四个发展中国家1960-2010年数据的研究表明，产业结构变动与经济增长之间存在协整关系，但是经济增长对产业结构变动的影响高于产业结构变动对经济增长的影响[18]。另外一些研究者通过实证研究得出产业结构变动与经济增长之间存在双向的因果关系，如韩建雨等(2006)研究表明，中国产业结构变动和实际经济增长之间存在双向格兰杰因果关系[19]；Dietrich(2012)通过研究7个OECD国家产业结构变动与经济增长之间的关系，发现经济增长与产业结构变动之间存在双向的因果关系，尽管二者的这种双向因果关系在各个国家的表现不尽相同[7]939；Havlik(2015)使用份额转移法对中东欧1995-2011年增加值数据分析显示，经济增长有效地促进了产业结构变化，同时制造业对经济增长的贡献显著[20]。

已有研究侧重从全国或单个省(市)层面来研究产业结构变动与经济增长之间的关系，与以往研究不同，本文基于全国31个省级动态面板数据，通过构造两个不同的产业结构变动指数，运用动态面板广义矩估计(GMM)对研究结果进行稳健性检验，以提高实证检验的精确程度，并在揭示产业结构变动与经济增长之间的格兰杰因果关系及其变动规律的基础上，提出调整产业结构、促进经济增长的政策建议。

二、 研究方法与模型

(一) 产业结构变动测度方法

产业结构变动是国民经济中各个产业比例结构的变动，反映了宏观经济在内外环境变化后作出的反应。目前，国内测度产业结构变动的指标主要有产业结构变动值、Moore 结构变化值、产业结构熵数和产业结构超前系数等四大类。鉴于本文的目的是研究产业结构变动和经济增长之间的整体相互关系，因此，与国内以往相关文献不同，这里对于产业结构的变动，采用产业结构变动指数SCI(Structural Change Index，简称SCI)来反映产业结构在两个时间点之间的变化。本文中，我们将分别采用两个不同的指数来反映产业结构的变动情况。第一个是NAV(the Norm of Absolute Values)，也称为Michaely指数(Michaely，1962)[21]或者Stoikov指数(Stoikov，1966)[22]，其表达式为：

(1)

式中，xit和xis分别表示第i产业增加值在时间t和s占GDP的比重。显然，NAV满足对称性，即NAVs,t=NAVt,s。

第二个是MLI(改进的Lilien指数)。Lilien(1982)[23]指数最初用来测度时期s到时期t就业增长率的标准偏差，其表达式如下：

(2)

由于Lilien指数不满足对称性，Stamer(1999)[24]对此做了改进，改进后的Lilien指数(MLI)其表达式为：

(3)

式中，xit和xis分别表示第i产业增加值在时间t和s占GDP的比重。两个指数的使用不仅有助于提高分析稳健性，同时可以避免产业结构变动与经济增长之间相互关系的结论来自于产业结构变动指数的选择。两个指标之间的相关性详见Driver和Saw(1996)[25]。

(二) 面板单位根检验和协整检验

面板单位根检验用于检验面板数据的平稳性，是指将面板数据中的变量各横截面序列作为一个整体进行单位根检验。由于面板数据的单位根检验到目前为止还没有完全统一，为了检验的稳健性，本文采用了五种单位根检验方法，主要有LLC检验(Levin、Lin和Chu,2002)[26]、IPS检验(Im、Pesaran和Shin, 2003)[27]、Breitung检验(Breitung, 2000)[28]和Fisher检验(包括ADF和PP检验)。

面板数据的协整检验，Pedroni建议用两类检验；第一类基于联合组内尺度检验，包括Panelv统计量、Panelρ统计量、Panelpp统计量和PanelADF统计量。这些统计量包含了不同变量的自回归系数对估计的残差单位根检验；第二类检验基于组间尺度检验，包括Groupρ统计量、Grouppp统计量和GroupADF统计量。Pedroni(1999、2004)[29-30]的研究表明，每一个标准化统计量渐进满足标准正态分布，但在小样本情况下，PanelADF和GroupADF统计量的检验效果更好，在检验结果不一致时，一般以这两个统计量为标准。

(三) 面板格兰杰因果性检验

在确定了变量之间的协整关系之后，就可以确定变量之间因果关系的方向和类型。因果关系的方向分为三种：单向、双向和无因果关系。面板因果检验思路来源于Granger(1969)提出的单变量因果检验模型。Judson和Owen(1999)的研究表明，在目前的宏观环境背景下，采用固定效应模型比随机效应模型更合适[31]。Hurlin和Venet(2001)提出了如下固定效应检验模型[32]：

(5)

对于∀i∈[1,N]，∀k∈[1,T]：

E(εi,t)=0；

E(εi,txi,s)=0,∀(t,s)。

建立如下因果检验假设：

该假设称为同质非因果假设(HomogenousNonCausality，简称HNC)。为了检验这Np个线性约束，我们构造如下Wald统计量：

(6)

其中，SSR1为模型(5)的残差平方和，SSR2为约束模型的残差平方和。Fhnc统计量服从自由度为Np和NT-N(1+p)-p的F分布，如果统计量不显著，则x不是y的原因。在检验不同种类和方向的因果关系时，原始假设为因果关系不存在，及假设相应的系数为0。对于动态面板模型系数的估计本文采用了广义矩估计(GMM)[33]。

三、 实证分析

(一) 数据来源

本文研究的面板数据覆盖全国31个省份。按照国际通行做法，当GDP基础资料发生较大变化时，特别是在一些大的普查如经济普查等之后，均要对GDP历史数据进行修订。2004年第一次经济普查后省际数据对历史GDP数据以及三次产业数据调整到1992年。同理2008年第二次经济普查后数据调整到2005年。因此，本文所取的数据区间为1993-2013年(1992年为基期)，R(经济增长率)为与上年相比的可比价速度，三次产业占比为以可比价计算的各产业增加值占可比价GDP比重，所有数据资料均来自《新中国60年统计资料汇编》《2011-2014年各地区统计年鉴》。由于各省数据不存在缺失，故该面板为平衡面板。本文应用软件为Eviews(6.0)和Stata(11)。

(二) 面板单位根检验

根据以上数据和模型，首先将31个省份的数据作为一个整体进行检验。按照前文所述的五种方法对NAV、MLI和R及其一阶差分进行面板单位根检验，以便确定变量的平稳性和单整阶数，且检验回归式中包含常数项与回归式中同时包括常数项和趋势项两种情况，面板单位根检验结果如表1、表2、表3所示。

从表1、表2、表3可以看出，对于全国而言，当对NAV、MLI和R的原值序列进行检验时，只有带常数项和趋势项的Breitung检验不能拒绝“存在单位根”的零假设；当对NAV、MLI和R的一阶差分进行检验时，检验结果都在1%的显著性水平下拒绝“存在单位根”的零假设。由此，上述单位根检验说明NAV、MLI和R的一阶差分不存在单位根，因此NAV、MLI和R的面板数据为一阶单整。由于面板数据的不稳定性，应用最小二乘法可能导致伪回归，所以必须要分析相关变量是否具有协整关系进行检验。

表1　NAV及其一阶差分序列的面板单位根检验结果

注：***代表在1%显著性水平下显著，**代表在5%显著性水平下显著，*代表在10%显著性水平下显著。

表2　MLI及其一阶差分序列的面板单位根检验结果

注：***代表在1%显著性水平下显著，**代表在5%显著性水平下显著，*代表在10%显著性水平下显著。

表3　R及其一阶差分序列的面板单位根检验结果

注：***代表在1%显著性水平下显著，**代表在5%显著性水平下显著，*代表在10%显著性水平下显著。

(三) 面板协整检验

在面板单位根检验的基础上，采用Pedroni(1999、2004)[29-30]和Kao(1999)[34]检验的方法，对全国的数据进行协整检验。Pedroni以回归残差为基础构造出7个统计量进行面板协整检验，其认为这些统计量分别会在不同的数据条件下表现出最好的性能，其中除了Panel v-stat为右尾检验之外，其余的统计量均为左尾检验，即有较小负统计值时拒绝原假设。本文考虑了样本数据中各省间协整向量的差异以及各省的固定效应，表4显示了面板协整结果。Pedroni(1997)的Monte Carlo模拟实验结果显示，对于大于100的样本来说，所有的7个统计量的检验效力都很好并且很稳定[35]。但是对于小样本(T<20)来说，Group ADF统计量是最有效力的，从表4的协整结果看，Group ADF统计量在1%、Kao检验在1%的显著性水平下拒绝“不存在协整关系”的零假设。因此，可以认为非平稳时间序列R与NAV、R与MLI之间存在协整关系。

表4　R和NAV、MLI面板协整检验

注：***代表在1%显著性水平下显著，**代表在5%显著性水平下显著，*代表在10%显著性水平下显著。

(四) 面板因果检验

在对式(5)进行估计时，本文在实证方法的采用、滞后期的选择以及长短期的期限划分上借鉴了Dietrich的方法，另外，考虑到目前中国现实的宏观经济环境，采用三阶滞后期可能比单从统计上采用AIC、SCI和HQC等信息判断准则来确定滞后期来得更加合适，二阶和三阶滞后期不仅可以用来检验结果的稳健性，而且还可以发现一些较长时期的相互关系[7]928。在这里分别采用OLS、Arellano-Bond one-step GMM、Arellano-Bond two-step GMM对式(5)进行估计，结果如表5、表6所示。

从表5、表6可知，对全国而言，无论是从NAV还是从MLI来考察，在5%的显著性水平下，OLS估计的Wald检验拒绝零假设；在10%的显著性水平下，Arellano-Bond one-step GMM估计的Wald检验拒绝零假设，即滞后的NAV、MLI系数不为0，则说明产业结构变动是经济增长的格兰杰原因，特别是从滞后一期来看，无论是NAV还是MLI，OLS估计在10%水平下显著，Arellano-Bond one-step GMM估计在5%的水平下显著。从反向来看，无论是从NAV还是从MLI来考察，从OLS、Arellano-Bond two-step GMM估计的Wald检验，在1%的显著性水平下拒绝零假设，即滞后的R系数不为0，说明经济增长是产业结构变动的格兰杰原因，OLS、Arellano-Bond two-step GMM估计滞后一期分别在10%、1%的显著性水平下拒绝零假设，特别是OLS估计的滞后三期，在1%的水平下显著，表明较长时期的经济增长有利于产业结构的调整。因此，从全国整体上来看，短期内存在从产业结构变动到经济增长以及经济增长到产业结构变动的双向因果关系，较长时期内存在从经济增长到产业结构变动的单项因果关系。因为中国的产业结构调整是典型的政府主导型，在短期内，政府相对于企业有总量信息优势，并利用此优势制定产业政策、扶持符合本地禀赋优势的产业，出于某种考虑会上一些短、平、快项目，这些项目在一定程度上会影响和引导当地产业结构的变动，从而在推动所扶持产业增长的同时拉动整体经济增长。进一步地，经济的增长有利于带动与此相关的其他行业发展，进而影响产业结构的变动。但这种效应是短期的，而不是长期的。因为一旦政府利用这种总量信息优势引领产业结构变动，这种信息就会逐步转化为公共信息，企业和市场也就慢慢知道了政府所掌握的信息，并对此做出相应的反应，除非重新掌握新的信息优势，否则相对于企业很难长期保持这种总量信息优势，无法长期引领。在较长时期内，在市场机制的作用下，经济增长对于适合本地发展的产业有一个更为明显的促进作用，这种促进作用同时会带动产业结构做出调整，正如新结构经济学所反复强调的，有效配置资源的根本机制是市场而不是政府，产业结构变动作为生产要素的再配置过程也必然遵循这一基本规律[36]，改革开放30多年的经济发展历程也很好地证明了这一点。

表5　R与NAV因果关系检验

注：***代表在1%显著性水平下显著，**代表在5%显著性水平下显著，*代表在10%显著性水平下显著。表中箭头方向表示因果关系方向。

表6　R与MLI因果关系检验

注：***代表在1%显著性水平下显著，**代表在5%显著性水平下显著，*代表在10%显著性水平下显著。表中箭头方向表示因果关系方向。

(五) 省级数据的检验

按照前述步骤，先对31个省、区、市的MLI、NAV和R分别进行单位根检验结果如表7所示。其中，有15个省、区、市一阶差分序列平稳，8个省、区、市二阶差分序列平稳，6个省、区、市原序列平稳，其中内蒙古和湖北MLI、NAV一阶差分序列平稳，R二阶差分序列平稳。除去由于序列不同阶不进行协整检验外，对其他29个存在同阶单整的省、区、市进行产业结构变动与经济增长关系的协整检验，结果发现：除了青海检验结果序列间不存在协整关系外，其他28个省、区、市在不同的显著性水平下序列间存在协整关系。

再对28个省、区、市的经济增长与产业结构变动进行格兰杰因果关系检验，结果如表8所示。

由表8结果显示，各省、区、市之间存在明显的差异性，其中10个地区存在从经济增长到产业结构变动的单向格兰杰原因，有5个地区存在从产业结构变动到经济增长的单向格兰杰原因，有2个地区存在从产业结构变动到经济增长，以及经济增长到产业结构变动的双向格兰杰原因，有11个地区不存在格兰杰因果关系，表现出很大的异质性。其可能的原因在于：一是改革开放以来，国家实施了梯度发展战略。特别是1992年邓小平南巡讲话以后，由于各省、区、市之间资源、技术等要素存在明显的差异，区域之间的经济发展的绝对差异愈加明显，在一定程度上也造成了各省市产业结构的不同，主要体现在产业结构的层次上的差异。这种不同的经济发展速度和产业结构层次必然会导致各省、区、市之间在产业结构变动与经济增长格兰杰因果关系的表现上存在一定的差异；二是从宏观角度来看，经济总量的增长率是以各产业产出占比为权重的产业产出增长率的加权和。因此，在产业产出增长率不均衡的情况下，结构变动对总量增长率将产生重要的影响。在各地不同的产业部门中，资源具有不同的边际生产力，资源从生产率较低的部门向较高的部门转移，可以显著带来巨大的资源配置效益，从而带动总量实现在更高水平上的增长；三是一般情况下，在政府工作报告中对当年的经济增长设定一个目标，各地会自我加压，设定目标基本上高于全国平均水平，且各地对三次产业结构占比也提出明确的要求。围绕年度总量增长目标确定各产业的增长速度，并为实现目标采取相应的产业政策和措施，所以较多地存在经济增长到产业结构变动的单向格兰杰因果关系。

表7　31个省、区、市单位根和协整检验

注：逗号前△代表序列的一阶差分，△2代表序列的二阶差分，其他代表原序列。逗号后数值为ADF统计量值。***代表在1%显著性水平下显著，**代表在5%显著性水平下显著，*代表在10%显著性水平下显著。

表8　 31个省、区、市产业结构变动与经济增长格兰杰因果关系检验

注：***代表在1%显著性水平下显著，**代表在5%显著性水平下显著，*代表在10%显著性水平下显著。表中箭头方向表示因果关系方向。

四、 结论和政策建议

本文通过构造NAV、MLI两个不同的产业结构变动指数，基于全国31个省、区、市1993-2013年的面板数据，对产业结构变动与经济增长进行了因果关系分析，得出如下主要结论：

首先，从全国范围来看，短期内产业结构变动与经济增长之间存在双向格兰杰因果关系。这也符合经济学理论和中国的实际情况。结构变动尤其是产业结构变动是经济增长的主要影响因素之一。产业之间发展不均衡作为一种常态，正是产业结构变动调整对经济增长发挥相应作用的基本原因。反过来，产业结构变动也是经济增长的结果，经济增长的内在要求使得生产要素由低生产率的产业转向高生产率的产业。与此同时，经济增长所带来的资本积累和技术进步也为产业结构调整创造了必要的基础和条件。在一个相对较长的时期内，存在经济增长到产业结构变动的单向因果关系。国民经济和社会发展规划作为经济发展的纲领性文件，设定了明确的经济增长目标，对产业结构调整具有明显的影响，中国经济发展的实际情况印证了这种单向因果关系的存在。

其次，从省级层面来看，产业结构变动与经济增长之间的相互关系表现出较大的异质性。既存在着产业结构变动与经济增长之间相互作用的因果关系，也存在着前者到后者或后者到前者的单向因果关系。由于中国地域辽阔，各省、区、市之间基础不同，区域之间经济发展不平衡比较突出，必然会对产业结构和经济增长之间的相互关系产生一定的影响，从而导致各省、区、市之间在经济增长与产业结构相互作用关系方面表现出一定的差异性。

基于以上结论，我们提出以下政策建议：

第一，新常态下，进一步有效发挥政府和市场在产业结构调整中的作用，因势利导，引领产业结构升级。通过对于特定行业内企业的税收优惠、财政补贴等倾斜性财税政策和对终端消费者进行补贴和税收优惠，以及直接增加政府对相关产品和服务购买力度的倾斜性需求政策，出台针对具体行业的产业政策，在政策主导下加速出清，推动经济发展方式向质量效益型转变。规范产业竞争环境，深化政府体制改革，杜绝政府对经济的过度介入。进一步完善市场经济基础的法律制度及执行机制，提升市场的资源配置效率，实现公平有序的自由竞争秩序。建立完善统一的征信系统与社会诚信体系，健全有利于创新的市场环境，提高创新生态系统的运行效率。

第二，新常态下，产业政策的制定要避免路径依赖，应根据各地经济与产业发展态势及升级要求相机而定，以规避产业政策缺陷可能带来的不足。不同地区产业演化路径具有差异性，由于产业政策有效操作空间相对有限，需要认真、科学甄选产业政策的具体工具和措施[37]。加强分类指导，对于那些经济发展水平较高的地区，制定产业政策的重点应放在如何推进经济提质增效、转型升级上，发展对资源依赖少、附加值高的行业。对于经济发展水平相对较弱的地区，在承接发展水平较高地区的产业转移过程中，根据要素禀赋，实施选择性地支持具有潜在比较优势的产业、相机进行差别化调控、避免区域产业趋同和同质化竞争，发挥后发优势的追赶型产业政策。同时根据实际情况进行及时调整，建立产业政策运行绩效的动态评估机制，根据评估结果，对政策中不合时宜的内容及时进行修正和调整，避免造成产业结构扭曲和失衡。

第三，新常态下，产业的发展要更好地与“人口红利”和“结构红利”相适应，实现结构高效转型，规避“结构负利”的出现。“结构红利”源于产业部门之间生产率水平和增长率存在一定的差异，以及由此而导致的投入要素在部门之间的转移。加快要素市场化改革，充分发挥市场在要素资源配置中的决定性作用,避免由于价格扭曲而造成的资源错配。充分发挥教育在人才培养中的基础性作用，努力提升各类人才综合素质，提高劳动者素质，使产业结构调整与人才结构优化协调。推进教育与科技、经济之间的深度融合，加快建立政产学研经“五位一体”的协同创新体系，促进创新要素与生产要素良性互动，人才培养和产业需求无缝对接，科研创新链和产业链有机融合。

本文未来的研究方向如下：首先，本文从整体上考察产业结构变动与经济增长之间的动态格兰杰因果关系，但对具体行业分布以及相应的贡献没有细化。因此，可以将本文的研究进行拓展，考察基于更细化行业的两者间动态因果关系。其次，鉴于全国经济发展的阶梯式发展现象，可以考察东、中、西部分区域的两者之间关系。再次，研究结果表明省际间存在的异质性，可以探讨各地表现分化明显的背后原因也是一个有益的研究方向。

参考文献:

[1]林毅夫.新结构经济学——重构发展经济学的框架[J].经济学(季刊)，2010(1):1-32.

[2]袁富华.长期增长过程的“结构性加速”与“结构性减速”:一种解释[J].经济研究，2012(3):127-140.

[3]世界银行. 世行报告《2030年的中国》[R/OL].(2012-05-03)[2015-06-15]. http://wenku. baidu. com/view/7db67c2e915f804d2b16c17e.html.

[4]吕健.产业结构调整、结构性减速与经济增长分化[J].中国工业经济，2012(9):31-43.

[5]SILVA E G,TEIXEIRA A A C.Surveying Structural Change:Seminal Contributions and a Bibliometric Account[J].Structural Change and Economic Dynamics,2008,19(4):273-300.

[6]KRÜGER J J.Productivity and Structural Change :A Review of the Literature[J].Journal of Economic Surveys,2008,22(2):330-363.

[7]DIETRICH A.Does Growth Cause Structural Change,or Is It the other Way around? A Dynamic Panel Data Analysis for Seven OECD Countries[J].Empirical Economics,2012,43(3):915-944.

[8]PENDER M.Industrial Structure and Aggregate Growth[J].Structural Change and Economic Dynamics,2003,14(4):427-448.

[9]DING S,KNIGHT J.Why Has China Grown So Fast?The Role of Structural Change[EB/OL].(2011-02-12)[2015-05-30].http://ideas.repec.org/p/zbw/gdec09/7.html.

[10]ORCAN C,NIRVIKAR S.Structural Change and Growth in India[J].Economics Letters,2011,110(3):178-181.

[11]CIMOLI M,PEREIRA W,PORCILE G,et al.Structural Change,Technology,and Economic Growth:Brazil and the CIBS in a Comparative Perspective[J].Economic Change and Restructuring,2011,44(1/2):25-47.

[12]孙皓，石柱鲜.中国产业结构与经济增长——基于行业劳动力比率的研究[J].人口与经济，2011(2)：1-6.

[13]董琨，原毅军.中国产业结构演变与经济波动关系研究[J].大连理工大学学报：社会科学版,2007(2):9-12.

[14]李春生,张连城.我国经济增长与产业结构的互动关系研究——基于VAR模型的实证分析[J].工业技术经济,2015(6):28-35.

[15]PELKA,G W.Wachstum und Strukturwandel[M].Marburg:Metropolis-Verlag,2005:65-70.

[16]付凌晖.我国产业结构高级化与经济增长关系的实证研究[J].统计研究，2010(8):79-81.

[17]MAROUANI M,MOUELHI R.Contribution of Structural Change to Productivity Growth:Evidence from Tunisia[J].Journal of African Economies,2015(6):1-26.

[18]ZULKHIBRI M,NAIYA I,GHAZAL R.Structural Change and Economic Growth in Selected Emerging Economies[J].International Journal of Development Issues,2015,14(2):98-116.

[19]韩建雨，支大林， 路宇立.我国产业结构变动和经济增长关系实证研究[C]//全国高校社会主义经济理论与实践研讨会第20次会议论文集(第四册).西安：陕西师范大学出版社，2006:264-272.

[20]HAVLIK P.Patterns of Structural Change in the New EU Member States[J].Danube Law & Economics Review,2015(6):133-157.

[21]MICHAELY M.Concentration in International Trade[M].Amsterdam:North-Holland Publishing Company,1962:77-90.

[22]STOIKOV V.Some Determinants of the Level of Frictional Unemployment:A Comparative Study[J].International Labour Review,1966,93(5):530-549.

[23]LILIEN D M.Sectoral Shifts and Cyclical Unemployment[J].Journal of Political Economy,1982,90(4):777-793.

[24]STAMER M.Strukturwandel and Wirtschaftliche Entwicklung in Deutschland,den USA und Japan[M].Aachen:Shaker,1999:99-105.

[25]DRIVER IV C,SAW C W.Performance of Structural Change Indices:Analysis Using Real and Simulated Data[J].Applied Economics Letters,1996,3(3):187-188.

[26]LEVIN A,LIN C F J,CHU C S.Unit Root Tests in Panel Data:Asymptotic and Finite-sample Properties[J].Journal of Econometrics,2002,108(1):1-24.

[27]IM K S,PESARAN M H,SHIN Y.Testing for Unit Roots in Heterogeneous Panels[J].Journal of Econometrics,2003,115(1):53-74.

[28]BREITUNG J.The Local Power of Some Unit Root Tests for Panel Data[J].Advances in Econometrics,2000,15(6):161-178.

[29]PEDRONI P.Critical Values for Cointegration Tests in Heterogeneous Panels with Multiple Regressors[J].Oxford Bulletin of Economics and Statistics,1999,61(S1):653-670.

[30]PEDRONI P.Panel Cointegration:Asymptotic and Finite Sample Properties of Pooled Time Series Tests with an Application to the PPP Hypothesis[J].Econometric Theory,2004,20(3):597-625.

[31]JUDSON R A,OWEN A L.Estimating Dynamic Panel Data Models:A Guide for Macroeconomists[J].Economics Letters,1999,65(1):9-15.

[32]HURLIN C,VENET B.Granger Causality Tests in Panel Data Models with Fixed Coefficients[R].Cahier de Recherche EURISCO,September,Université Paris IX Dauphine,2001.

[33]ARELLANO M,BOND S.Some Tests of Specification for Panel Data:Monte Carlo Evidence and an Application to Employment Equations[J].The Review of Economic Studies,1991,58(2):277-297.

[34]KAO C.Spurious Regression and Residual—Based Tests for Cointegration in Panel Data[J].Journal of Econometrics,1999,90(1):1-44.

[35]PEDRONI P.Panel Cointegration:Asymptotic and Finite Sample Properties of Pooled Time Series Tests with an Application to the PPP Hypothesis:New Results[R].Indiana University Working Paper in Economics,1997

[36]宋凌云，王贤彬，徐现祥.地方官员引领产业结构变动[J].经济学季刊，2013(1):71-92.

[37]黄群慧.“新常态”、工业化后期与工业增长新动力[J].中国工业经济，2014(10):5-19.

Changes in Industrial Structure and Economic Growth under the New Normal Condition

——Based on Provincial Dynamic Panel Data Model with GMM Estimation

LU Xue-fa1, DU Chuan-zhong2

(1.CollegeofEconomics,ZhejiangUniversity,Hangzhou310027,China;

2.CollegeofEconomicandSocialDevelopment,NankaiUniversity,Tianjin300071,China)

Abstract:Under the new normal condition, there is an important policy implication to appropriately handle the relationship between steady growth and structural adjustment. Two different industrial structure change indices of NAV and MLI are built in this paper based on the provincial-level panel data from 1993 to 2013 and they are verified through empirical test with GMM method. The results reveal that throughout the whole nation, in short term, there exists a two-way Granger causality relation between the industrial structure change and economic growth; in relatively long term, there exists only a single-way Granger causality relation from economic growth to industrial structure change. Moreover, from the provincial-level, great heterogeneity has been found in the Granger causality relation between industrial structure change and economic growth. Based on the conclusion above, it is argued in the paper that the industrial policies are not effective in long term and the formulation of the industrial policies is selected and decided depend on period of term, different regions, time and opportunities; meanwhile, to avoid the deficiency caused by the defect of the industrial policies, efforts should be made to avoid the presence of “structural negative profit”.

Key words:economic growth; industrial structure changes; Generalized Method of Moments(GMM); Granger causality test

中图分类号:F224.0

文献标识码:A

文章编号:1000-2154(2016)02-0058-10

作者简介:卢学法，男，高级统计师，博士研究生， 主要从事经济统计研究；杜传忠，男，教授，博士生导师，主要从事产业经济研究。

基金项目:国家社会科学基金重大项目“新产业革命的发展动向、影响与中国的应对战略研究”(13&ZD157)

收稿日期:2015-07-31