东北老工业地区生产性服务业与制造业联动实证分析

高月媚

（1.吉林大学 东北亚研究院，长春 130012；2.长春科技学院 财经管理学院，长春 130000）

0 引言

现代信息技术的发展，加强了其与工业的融合，发达国家在此背景下纷纷调整了自己的产业结构。以制造业为主的国家、地区以及传统企业开始转向发展管理服务、现代物流等生产性服务业，导致现代社会朝“服务型制造”趋势发展。该趋势的出现说明传统以制造业为核心的发展模式终将被生产性服务业模式所取代，同时这也是制造业创新的重要途径。

对外开放不仅对我国经济的增长做出了巨大贡献，且对我国的产业布局也产生了深远的影响。中国的产业在计划经济时代呈现了较为平衡的空间分布，东北老工业地区的制造业也相对发达，并未与沿海地区的经济产生较大的差距。然而，20世纪90年代以来，东北老工业地区的制造业由于日益严重的产业结构与体制矛盾而呈现下坡路的趋势，市场竞争力下降，就业矛盾突出，此时期的制造业也逐渐转向东部沿海地区，东北老工业地区逐渐沦为原材料供应地，各区域间的产业差距与经济水平差距逐渐扩大。“十一五”时期提出全面振兴东北老工业基地的战略，为东北老工业地区的产业转型升级提供了优良的环境。振兴东北老工业基地也有利于我国各区域经济与社会的协调发展，本文运用VAR模型、格兰杰因果检验、E-G协整检验计量等方法，选取2006—2016年我国东北老工业地区产业发展数据，实证分析东北老工业地区制造业与生产性服务业的联动关系。

1 影响因素选取及模型构建

1.1 影响因素选取

本文在研究生产性服务业发展的影响因素时，将从两个角度着手即需求方和供给方。一般情况下分为经济发展模式、体制因素、创新发展水平与经济发展水平四个方面。为了使四个影响因素处理的时候能够量化，在模型构建的过程中需要对其具体化。因此，本文用Y代表生产性服务业在地区生产总值中的比例，并将其作为因变量，本文的自变量为X1、X2、X3、X4，分别代表制造业在地区生产总值中的比例、人均地区生产总值、财政支出在地区生产总值中的比例、人均专利申请书。

本文的数据来源为《中国统计年鉴》，时间序列数据为2005—2015年东北老工业地区的指标，模型的构建选用的模型为多元线性回归模型，用于模型检验的计量经济学软件包为Eviews7.0。

对模型进行估计与检验时结合了OLS与计量经济学假设，同时根据检验结果修正模型，最终确定了符合经济学原理的多元线性回归模型，并说明解释了研究结果。

1.2 模型的构建

根据多元线性回归模型，构造模型一：显著性水平0.5下，各变量根据OLS原理的估计参数值如表1所示。

表1 模型一的回归结果

由表1可知，变量X1与X4并没有表现出显著性的结果，因而在综合考量后将人均专利申请书这一因变量剔除出去，构建了多元线性回归模型二：

各变量根据OLS原理的估计参数值如表2所示。

表2 模型二的回归结果

由表2可知，C、X1、X2、X3的t检验均通过了，且其显著影响被解释变量。判定系数与修正后的判定系数分别为0.961747、0.949672，估计的回归方程与观测值具有较好的拟合度，模型二的估计结果为：

1.3 模型检验

为了进一步验证模型二是否回归，需要运用平稳性检验、异方差检验以及自相关检验等检验法，并对模型进行修正，并最终确定模型。

首先运用单位根检验法对模型二进行检验，检验的内容为模型的残差序列μi，分别在显著性水平1%、5%、10%下进行了平稳性检验，结果显示显著水平为5%时，模型二ADF的检验值为-3.145736，μi并不存在单位根，代表残差序列是平稳的。其次，LM检验法检验了模型二的自相关性，结果显示其相关性指标为0.4578，比0.05大，原假设成立，即模型二的自相关并不存在，因而可以排除相关性对其的影响。最后，对模型二进行多重共线性检验，根据检验结果，制造业占GDP比例，人均地区生产总值、财政支出在地区生产总值中的比例之间的相关性较高，修正其多重共线性的方法为逐步回归法，最佳回归方程的确立方法为：

（1）分别作Y与X1、Y与X2、Y与X3的回归，在这三个变量中对Y影响最大因素为X1，以此构建初始回归模型：

（2）在此模型中分别检验X2、X3引入后的拟合优度，结果显示X3表现出更好的拟合度，因而将X2剔除出去，且变量X3的t检验也是通过的最优模型确定为其拟合结果为：

该模型以此通过了平稳性检验、异方差检验以及自相关检验。

2 影响因素评价及分析

根据以上三个多元统计模型可以得知：

（1）根据式（2）的结果可知，X1、X2、X3对东北地区生产性服务业发展的影响比较显著，但是人均专利申请数并未对其产生较为显著的影响；

（2）式（2）的结果显示，X1、X2、X3正向影响了生产性服务业的发展，且参数符号符合经济学原理。

（3）式（4）的结果表明，由于存在多重共线性，人均地区生产总值在逐步回归法的原理下被剔除出去，因而最终的解释变量即为制造业占地区生产总值的比重、财政支出在地区生产总值中的比重。

将解释变量所表示的影响因素一一代入上述分析的模型结果，得出以下论点：

（1）与其他影响因素的系数相比，用来表示经济发展模式的X1系数值最高，由此说明在四个影响因素中，东北地区制造业的发展模式决定了其生产性服务业的发展。但是，必须从两方面看待这种影响，一方面，生产率以及社会分工深化会随着制造业规模的扩大以及水平的提高而不断提升，从而生产环节中的服务能够移交给其他专业企业，以此促进制造业的发展。从此角度来看，第二产业能够正向影响生产性服务业。但另一方面，若从不合理的产业结构角度出发，制造业增长模式的转型过程即由粗放型过渡到集约型，仍需要借助第二产业，无形之中减少了政府对生产性服务业的财政支出。

（2）生产性服务业与代表经济发展水平的人均地区生产总值之间的关系为正相关，且这种关系比较显著。由此代表生产性服务业发展离不开人均地区生产总值的积极影响。人均地区生产总值作为代表一个地区经济发展水平的关键指标，对生产性服务业的发展有显著作用，但由于存在多重共线性而被剔除。

（3）财政支出在地区生产总值中的比例正向影响生产性服务业的发展，且这种影响是显著的，由此可知生产性服务业在财政支出增加的影响下会不断发展，这也代表在生产性服务业中政府的支持以及相关政策的重要作用。

（4）人均专利申请书代表了一个地区的创新发展水平，其并未对生产性服务业产生显著性影响，由此说明东北地区当前的创新型人才培养模式比较落后，创新型人才作为生产性服务业发展提高的核心亟待加强。创新型人才的缺失加之薄弱的创新能力极大地阻碍了生产性服务业的发展。

3 生产性服务业与制造业联动分析

3.1 模型设定：向量自回归模型

VAR通常用来预测相关时间序列系统，多变量向量自回归模型的参数可以由应用样本进行确定，从而获取各变量之间的相互关系，因而其作为一个工作能够对多变量时间序列进行有效分析。一个n维随机向量yt服从P阶向量自回归过程，记为VAR（P），其数学表达式为：

3.2 变量选取及数据说明

本文把VPA和MVA这两个作为研究目标，通过查阅《中国统计年鉴》，并从其里面收集2006—2016年我国东北老工业地区产业发展数据。选取的数据都是扣除物价后的具有代表性、依据性的数据，整个实证分析过程用到了统计经济学软件。依照制造业和生产性服务业的时间序列图可以发现，这两大产业的发展趋势大概一致，所以可以根据这个确定这两个产业之间具有相关性，为了检验这个，本文使用Granger关系进行实证分析。

3.3 实证分析及结果说明

3.3.1 平稳性检验

为避免模型出现伪回归，应先对各变量进行平稳性检验。本文对变量的平稳性进行检验使用的方法为ADF单位根检验法，其具体内容为：首先作出序列时序图，然后进一步对趋势项和常数项的显著性进行检验。再运用最小信息准则选择器滞后项。检验结果表明，各变量均是非平稳的，但其二阶差分后的序列都是平稳的。表3所示为生产性服务业增加值与制造业增加值的单位根检验结果。

表3 MVA、VAP单位根检验结果

根据表3结果可知，生产性服务业增加值与制造业增加值的差分序列与一阶差分序列都不具备平稳性，因此有单位根的原假设无法拒绝。而5%水平下，VAP和MVA的二阶差分序列是平稳的，有单位根的零假设则被拒绝。因此，VAP和MVA两者属于二阶单整，即I（2）。

3.3.2 E-G协整检验

根据上述单位根检验可知，生产性服务业增加值与制造业增加值两个变量有可能为协整关系，且这种关系比较稳定。EG两步法检验变量的协整关系主要分为两个步骤，首先运用最小二乘法对生产性服务业增加值和制造业增加值这两个变量进行估计，其次利用ADF单位根检验对其残差性进行检验，若这两者存在稳定的协整关系，则其残差序列也是平稳的。回归结果如表4所示。

根据表4可知，DW值接近2且统计检验也通过了，自相关影响就可以被消除了，协整方程为：

表4 回归结果

利用单位根检验法对残差序列μt进行平稳性检验，结果如表5所示。

表5 残差序列ADF单位根检验结果

再对残差数列进行异方差性检验，检验结果如表6所示。

表6 模型的异方差检验

残差的单位根结果表示，东北地区生产性服务业增加值和制造业增加值的协整关系是存在的，且东北地区的制造业每增长1%，生产性服务业增加0.80%。

3.3.3 Granger检验

采用格兰杰因果检验对东北地区制造业与生产性服务业的因果关系进行估计，其估计结果有四种：

（1）制造业的发展对生产性服务业的发展的影响比较显著；

（2）生产性服务业的发展对制造业发展的影响是显著的；

（3）制造业既能影响生产性服务业的影响，生产性服务业发展也对制造业的发展产生影响，即互为因果；

（4）制造业与生产性服务业两者之间的发展不产生任何影响。

二阶残差序列的平稳性均已通过证实，本文将对两者之间的因果关系进行进一步检验。检验结果如表7所示。

表7 Granger因果检验结果

根据表7结果，滞后阶数为2的条件下，生产性服务业不是制造业的格兰杰原因的假设经过检验是通过的，即生产性服务业的发展不受制造业发展的显著影响。制造业是生产性服务业的格兰杰原因，因此可以用VAR模型对这两个产业的联动关系进行分析。本文中将二期选为该模型的滞后期，残差序列的平稳性检验结果显示其存在相关性，但该相关性的水平较低，因而序列稳定性的要求是满足的，两者之间可以构建向量自回归模型，其估计结果如下页表8所示。

表8 回归结果

模型结果如下：

3.3.4 分析结果

根据式（5）可知：呈现出长时间的正相关平衡的关系。根据求出的结果可以知道，东北制造业每次的增加，都会使得生产性服务业的增加值也跟着变大，加上这两个之间的相关性好，表明了东北地区的制造业和生产性服务业彼此之间相互影响并且一直处于稳定状态，这两个相关性好，相互影响相互依存。

从模型（7）的分析和检验结果可以看出：（1）东北地区VPA发展促进了MVA的发展，且随着时间的推移，这种促进作用会逐渐减弱；（2）MVA滞后期对其本身的作用是比较积极的，且随着时间的推移，这种作用会逐渐减弱即VAPt-1＜VAPt-2。

4 结论

根据上述分析，本文得到了以下几个结论：（1）东北地区的生产性服务业发展水平还处于初级阶段，产业政策不能适应当前的产业现状，两者之间存在脱节，因此在促进自身产业发展的前提下，更需从宏观角度出发对其发展体制、政策以及模式进行不断调整；（2）目前制造业的发展还不能完全依靠生产性服务业的支持，主要是因为生产性服务业缺乏高度的信息化水平，创新型人才以及技术水平都有很大的提升空间，严重阻碍了生产性服务业对制造业的有效供给。（3）当前东北生产性服务业与制造业并没有实现联动发展，且发展水平较低。虽然后者在物质上为前者的大力发展提供了坚实的基础，但是当前制造业由于发展处于较低水平使得生产性服务业无法实现发展，两者的联动关系水平仍然较低。因此，若想实现两个产业之间的联动发展，最关键的问题是生产性服务业的提升效率。