产业结构与TFP提升对经济影响效应研究

摘 要：本文利用全国285个城市2005—2017年的面板数据，运用广义空间动态面板GMM模型检验了产业结构优化与全要素生产率提升对经济增长的影响效应。研究结论表明产业结构高级化对经济增长为负向作用;而全要素生产率为正向作用。工业化对服务化升级的“结构红利难以维持中国经济的快速增长，我国经济增长的动力逐步从产业结构优化转为提高全要素生产率，全要素生产率未来不仅是中国经济增长的主要动力，产业结构和解决“结构性放缓”问题的重要途径。

关 键 词：经济增长;产业结构;全要素生产率;广义空间动态面板GMM模型

DOI：10.16315/j.stm.2019.04.010

中图分类号： F 062.9

文献标志码： A

Economic impact of industrial structure and TFP upgrading effect study

ZHANG Hao-yan

（Business school，Ningbo University，Ningbo 315211，China）

Abstract：Based on the panel data of 285 cities in China from 2005 to 2017， this paper uses the generalized spatial dynamic panel GMM model to test the impact of industrial structure optimization and total factor productivity improvement on economic growth. The conclusion shows that the upgrading of industrial structure has a negative effect on economic growth， while the total factor productivity has a positive effect. The structural dividend of industrialization to service upgrading is difficult to maintain the rapid growth of Chinas economy. The driving force of Chinas economic growth has gradually changed from industrial structure optimization to improving total factor productivity. Total factor productivity is not only the main driving force of Chinas economic growth in the future， but also the industrial structure and an important way to solve the problem of “structural slowdown”.

Keywords：economic growth; industrial structure; total factor productivity; generalized spatial dynamic panel GMM model

收稿日期： 2019-05-29

基金项目： 浙江省自然科学基金项目（LY17G030010）

作者简介： 章浩燕（1992—），女，硕士研究生.

工业化过程的本质是产业结构的演化过程，它不仅是从农业产业结构到产业结构的演化过程，也是产业内部结构的演化过程[1]。从另一方面来说，产业结构演进在结构主义理论中被认为是理解发展中国家与发达国家经济发展差异的核心变量，也是中国跨过“中等收入陷阱”的本质要求。从内涵上理解，首先，产业结构是在社会再生产过程中产生的。而且它是各产业在经济活动过程中形成的技术经济联系和数量比例关系。不应忽视的是，由于各地区各部门之间的生产率和生产率增长率均存在显著的差异，而“结构红利”源于生产要素从生产率低的部门转移到生产率高的部门的过程[2]。由于生产要素投入存在着边际产出递减的规律，其在环境和资源的双重约束下，持续快速的经济增长并不会单纯依赖于生产要素的投入，因此只有通过提升全要素的生产率才能实现。这可以通过回顾改革开放后中国的经济史来证明：在改革开放初期，全要素生产率对经济增长的贡献低于市场化改革带来的产业结构变化。然而，随着改革开放政策的不断深入，产业结构变化带来的效益将逐步降低，全要素生产率对经济增长的贡献将逐步显现[3]。

目前，也有学者表示，倘若“中国奇迹”没有足够的生产力支持，中国的经济增长将面临放缓或停滞的风险，从而导致不能顺利跨越“中等收入陷阱”。并出现“刘易斯转折点”的特征（劳动资源短缺工资持续增高）。当“人口红利”即将消失之际，仅依靠生产要素投入的增长模式将难以维持，中国面临各种各样的驱动因素，急需切调整为以生产力为导向的增长模型[4]。那么，产业结构的变化或全要素生产率的下降是否会导致中国经济增长率下降？解决这一问题的关键，在于如何正确评估产业结构调整和生产力提升对中国经济增长的影响。

本文拟从以下几个面进行扩展：第一，通过对柯布道格拉斯生产函数的演算分析，得出本文的理论模型依据;第二，通过随机前沿SFA方法测算中国城市的全要素生产率（TFP）;第三，通过LM极大似然估计，选择何时的空间计量模型;第四，通过计算全国285个城市实际GDP的Moran指数来判断地区經济增长是否具有空间相关性，最后采用广义空间动态面板GMM模型检验产业结构优化和全要素生产率提升对经济增长的影响效应;第五，对上述结果进行稳健性检验。

1 理论分析

本文的理论基础为柯布·道格拉斯生产函数：

Yit=AitLαitKβit。（1）

其中：Ait为t年i地区的技术水平;Lit为t年i地区的劳动投入;Kit为t年i地区的资本投入。且0<α<1，0<β<1，α+β=1。

对式（1）两边取对数，得：

ln Yit=ln Ait+αln Lit+βln Kit。（2）

在第t+1年，为

ln Yit+1=ln Ait+1+αln Lit+1+βln Kit+1。（3）

式（3）减去（2）得到：

Δln Yit+1=Δln Ait+1+αΔln Lit+1+βΔln Kit+1。（4）

对式（4）一阶泰勒展开得到：

Yit+1-YitYit=Ait+1-AitAit+αLit+1-LitLit+βKit-KitKit。（5）

式（5）表明，经济增长的动力主要来自于全要素生产率（TFP）、劳动力和资本存量的增长3个方面。

为进一步理清经济增长与产业结构优化之间的关系，本文假设工资差别是影响劳动力从传统部门向现代化部门转移的决定性因素。本文假设传统部门的平均工资为wat，现代部门的平均工资为wmt，则当q=wmtwat>1时，劳动力从传统部门向现代化部门转移，转移概率记为P，则

p=φwmtqwat-11+φwmtwat-1。（6）

其中，φ为经济长期均衡调整速度，则两部门工资之间的关系式为

wmt=watq1+1φp1-p=wa0q[1+1φ（p1-p）。（7）

假设两部门之间资本自由流动，且在经济长期均衡时期，两部门资本利润相同，即r=ra=rm，则

Y=wa0La0+wm0Lm0+watLat+wmtLmt+raKa+rmKm。（8）

设η=wa0La0+wm0Lm0+watLat+wmtLmtY，

s=YaYm+Ya，λ=LmtL，φ=wa0LY。

代入（5）后，可得：

Y·Y=sA·aA+（1-s）A·mA+（1-η）K·K+φL·L+φλ·（q-1）+φqλ·pφ（1-p）。（9）

式（9）即为本文的理论模型依据。

其中：φλ·（q-1）+φqλ·pφ（1-p）表示产业结构优化对经济增长的影响效应。且φ>0，φ>0，q>1，0

2 模型准备

本文采用随机边界生产函数的方法，假设其中技术无效率项服从截断右侧正态分布的随机变量，并且允许技术无效率项随着时间变化而变化[5]。

Yit=βXit+νij-uit，

i=1，2，…，N;t=1，2，…，T。（10）

其中：νi独立同分布于N（0，σ2ν）;ui独立同分布于N（0，σ2μ）;νi与ui相互独立;νi与ui与解释变量xi相互独立。

uit=uiexp（-η（t-T））。

其中：μ为非负随机变量，用以衡量生产中的技术无效率，并服从于截断于0的正态分布N（μ，σ2μ），由于对技术无效率项的直接测度较为困难，本文运用極大似然法对其进行变形：

ln L（ψ）=-8[ln（2π）+ln σ2]-∑16t=1（cst-α-β×inct）22σ2。（11）

其中：当γ=1，σ2=σ2μ，即，误差项全部来自技术无效率因素，同理，当γ=0时，σ2=σ2ν，即误差均来自于随机因素。η也是一个待估计的参数，η=0说明技术效率具有时间不变性;η<0说明技术效率随时间的推移而增加;η>0时，则技术效率随时间的推移而递减。

据此，可以将模型改进为如下：

ln Yit=α0+α1ln Lit+α2ln Kit+α3t+（νit-μit）。（12）

对模型（12）中参数进行分析如下：Yit表示产出变量，本文用各城市2005—2017年的实际GDP表示，并根据GDP平减指数调整为2000年不变价格;Lit表示劳动投入量，本文采用各城市2005—2017年底就业人数来表示;Kit表示资本投入量，本文以各城市2005—2017年的资本存量表示，采用永续盘存法进行估计：

Kt=（1-δ）Kt-1+ItPt。

由于现有统计年鉴中没有资本存量数据，本文将采用以下方法进行处理：对于各地级市基年资本存量，本文借鉴单豪杰[6]中提供的数据，以2003年各省资本存量作为基年资本存量，通过GDP比重算出各城市相应年份的基年资本存量。

对于当年投资流量，本文采用各年各地级市固定资本形成额作为投资流量。地级市当年固定资本形成额根据《中国统计年鉴》数据进行整理核算，并以2003年为投资价格指数基期对其平减处理，各城市的当年投资流量处理同上;对于投资价格指数，本文采用《城市统计年鉴》进行整理;对于折旧率，本文选取单豪杰的处理方法，设定为10.96%;其他参数α为各变量待估计的系数，t和T分别表示样本的观测期和基期观测年度（本文选择2000年为基期观测年）;本文利用FRONTIER 4.1软件计算出模型（12）的估计系数，如表1所示。

由表1可知，效率模型（12）的拟合度很好，所有系数均通过1%的极显著性检验，说明模型（12）存在非常明显的复合结构，并且技术无效率不存在的LR检验也拒绝了原假设。以上结果均表明SFA方法比传统的计量方法更好地刻画中国各省份的经济生产函数基于表1的系数估计，各省的经济效率可以通过式（13）计算求得[7]：

TFPit=TEitexp（α0+α3t），

TEit=exp（-μit）。（13）

其中：TEit表示i省份在t时期的技术效率;exp（α0+α3t）表示代表t时期的前沿面技术水平。根据式（13）的计算结果，在2005—2015年，全国全要素生产效率的年均增幅达6%，相对于年均9.37%的经济增长速度，贡献水平达64%。从4大区域视角分析，全要素生产率的增长率从高到低分别为西部、中部、东部、东北，这个排序在2005—2015这10年未发生变化。可能的原因在于，西部地区TFP的初始基础较差，TPF增长空间较大，随着改革开放的进一步深化，以及西部大开发战略的不断推进，各类要素开始从东中部地区流入，如技术、人才与资本等要素的流入，西部地区TFP快速增长，东部及中部地区内部TFP差距本身相对较小，因此增速相对比较平稳。

3 研究设计

3.1 计量模型选择

在处理区域经济增长问题时，忽视变量之间的空间相关性是错误的设定，空间计量将地理位置空间联系结合起来，以计量方法来识别和度量空间变化的规律和决定因素，在一定程度上避免了传统计量结果所产生的偏误。在选择空间误差模型SEM还是空间滞后模型SAR之前，先进行极大似然LM估计，判断选择何种模型。为本文模型的极大似然估计结果，如表2所示。

由极大似然估计LM检验结果可知，极大似然估计不存在空间滞后项、稳健极大似然估计不存在空间滞后项、稳健极大似然估计不存在空间误差项均拒绝了原假设。因此，本文的模型应该同时考虑空间滞后与空间误差的影响，也即必须同时对空间不同地区外部性和异质性进行解释。除此之外，也应该考虑到，经济增长本身是个动态变化的过程，因此本文将采用广义空间动态面板模型（GMM）来检验产业结构优化和全要素生产率提升对经济增长的影响效应[8]。与静态空间面板模型相比，动态空间面板模型考虑了经济增长的动态效应和空间溢出效应，同时避开了内生性问题，从而使得最终估计结果更可靠。因此，本文构建如下动态空间面板模：

ln yit=θln yit-1+ρ∑Nj=1Wijln yit+βStrit+ηTFPit+

σStrit×TFPit+γlnXit+αi+vt+εit。（14）

3.2 指标说明

1）被解释变量：实际产出（ln y），本文根据各年各省份的GDP平减指数，将GDP换算成以2000年为不变价格，并对其取对数;

2）核心解释变量：本文研究产业结构优化与生产率对经济增长的影响，因此，核心变量为产业结构合理化SR高级化ES与全要素生产率TFP。

产业结构合理化SR：由于产业结构优化是动态过程，本文将产业结构优化分为产业结构合理化与高级化2个维度进行衡量;对于产业结构合理化系数SR的设定，本文在钱纳里做法基础上进行改进，取泰勒指数的倒数作为本文的产业结构合理化系数，用于衡量要素投入—产出之间的协调度，即产业结构合理化程度，其表达式如下：

ER=1TL=1∑Ni=1YiYlnYiLi/YL。（15）

对于产业结构高级化系数ES的设定，本文借鉴于斌斌的做法，采用第三产业与第二产业的产值之比来反映产业结构高级化水平[9]。

对于全要素生产率（TFP）。本文采用随机前沿法（SFA）进行计算，计算过程见上文。

其他变量说明：1）人力资本水平：本文采用受教育年限法来衡量人力资本水平;2）产业集聚度：本文采用区位商方法衡量产业集聚水平;3）对外开放程度：本文用实际外商直接投资额（FDI）作为对外开放程度的代理变量，并根据历年的人民币汇率的平均价格进行折算;4）政府干预：由于地方政府干预动机主要来自于两方面，即政治晋升压力及财政收支压力，而政治晋升压力难以准确衡量，本文參考前人研究经验，选择地方财政支出与财政收入比率作为政府干预的代理变量。其中的理论机制是，当地方政府财政支出与财政收入的比例较高时，政府的财政资本运作将相对紧张，地方政府干预的动力和程度将进一步提高。

3.3 数据选取

本文选取全国285个城市2005—2017年的《城市统计年鉴》、《中国统计年鉴》以及《国民经济核算年鉴》，对其中缺损的数据运用Matlab拉格朗日插值法补充[10]。

4 检验与结果分析

4.1 空间自相关性检验

本文利用matlab软件，对全国285个城市2005—2015年全国的GDP进行MoranI指数检验，由于检验对象具有全局性，因此本文使用全局MoranI 指数进行检验。

全局Moran指数I的计算式为

I=n∑ni=1∑nj=1wijxi-x-xj-x-∑ni=1∑nj=1wij∑ni=1xi-x-2=

∑ni=1∑nj≠iwij（xi-x-）（xj-x-）S2∑ni=1∑nj≠iwij。（16）

检验结果如表3所示。由表3可知，在2005—2015年期间，全国285个城市GDP的MoranI值都为正值且均通过了额显著性检验，同时z统计量均大于1.96，这表明中国各地区之间的经济增长存在着明显的空间相关性，也因此验证了地理距离差异对中国各省份经济增长有显著的影响。

4.2 计结果与结果分析

考虑到上文LM检验结果，本文采用广义空间动态面板空间模型（GMM），在相应的估计方法上，本文采用无条件法ML（unconditional maxi-mumlikelihood estimation）[11]，利用matlab软件进行计算，结果如表4所示。

由表4可知，产业结构合理化（SR）尚未通过显著性检验，且其对经济增长为负性影响，而产业结构高级（ES）化与全要素生产率（TFP）均通过了极显著性检验，且这两者对经济增长的影响机制截然相反。这表明，从全国范围来看，中国经济增长的驱动力已逐渐从产业结构优化转向全要素生产率。与此同时，从工业化到服务业升级的“结构性红利”难以维持中国经济的高速发展。相反，增长，产业结构的“逆向发展”已成为促进经济增长的“新引擎”。这说明，产业结构服务化调整是我国经济增长陷入“结构性减速”的主要原因之一。其他影响因素分析如下：

首先，必须承认，产业结构优化调整是一个“先破后”的过程。一方面来说，由于生产要素从生产率低的部门快速转移到产业结构优化调整带动的高生产率部门，在此过程中，资源的重新配置进一步促进了新兴服务业的发展，从而推动了经济增长率的提高。另一方面，在促进产业结构优化调整的过程中，传统企业的产品结构和资本构成将发生剧烈变化，传统产业将出现急剧衰退，压缩生产力，减缓经济增长率的提高。有学者称这种现象为“结构失衡”，即经济增长与当前滞后的产业结构之间的矛盾[12]。其次，在资本驱动生产要素发展规律和全球金融危机的影响下，中国对非生产性部门的投资过度转移，过分依赖廉价劳动力的优势，严重影响劳动力资源，发展方法严重扭曲。它阻碍了人力资本配置的效率，阻碍了经济增长[13]。

在表4中，产业结构高级化（ES）和全要素生产率（TFP）的交叉相乘项也通过了极显性检验，这表明产业结构高级化对经济增长产生的负性影响可以通过全要素生产率的提升来消除。由上表可知，人力资本水平（Edu）和产业集聚度（Agg）对经济增长均表现为正向影响，且均通过极显性检验，这表明，人力资本水平的提高及产业进一步的有效集聚，可以进一步推动经济增长。然而，值得注意的是，政府财政干预程度（Gov）对经济增长产生负性效应，且尚未通过显著性检验。究其原因，当前大部分地区的地方政府干预会比较固化，主要还是依赖于资本积累速度提高的“粗放型”发展模式，这种发展模式在一定程度上会阻碍中国经济的可持续发展。

5 稳健性检验

为进一步检验产业结构优化与全要素生产率对经济增长影响的稳健性，本文将通过重新构建经济空间权重矩阵，对上述计量结果进行再次检验，所选模型和估计方法与上文相同。

其中，经济空间权重矩阵，参考黄亮雄的权重矩阵模型

Weij=1/|pdgpi-pgdpj|。

其中，pdgpi表示i地区的人均实际GDP，当两地区的人均实际GDP越相近时，Weij越大。稳健性检验结果显示核心变量的估计结果与上文的研究结论基本一致。这表明，产业结构优化和全要素生产率提升对经济增长的影响效应是可靠和稳健的。

6 结论与建议

本文以柯布·道格拉斯生产函数为基础，利用全国285个城市2005—2017年的面板数据，以地理距离为空间运用更具解释力的广义空间动态面板GMM模型检验了产业结构优化与全要素生产率提升对经济增长的影响效应。研究结论表明空间溢出效应在本研究中不能被忽视，产业结构合理化尚未通过显著性检验，且其对经济增长为负性影响，而产业结构高级化与全要素生产率均通过了极显著性检验，且产业结构高级化对经济增长为负向作用，全要素生产率对经济增长为正向作用。这表明工业化向服务业化升级的“结构红利”已经难以维持中国经济的高速增长，我国经济增长的推动力逐渐从产业结构优化转为全要素生产率的提升。未来全要素生产率不仅是中国经济增长的主要动力，也是化解产业结构高级化带来的“结构性减速”问题的重要途径。

上述结论蕴含着较强的政策意义：地方政府应盲目地推进产业间的“腾笼换鸟”“退二进三”。应该清醒地意识到，中国产业结构并不具有服务化倾向的高级化，因此，政府应该在经济效率改善的条件下，适度推进这些政策;地方政府不应单纯依靠产业结构优化来刺激经济发展，而应该更加重视提高企业技术创新、产业链的延伸，以实现全要素生产率的提升，进而推进地区经济的可持续增长;地区产业结构的优化要有战略性眼光，理性看待经济结构服务化发展的问题，应该以提升全要素生产率为战略目标。本研究表明只有大力提升全要素生产率才能化解产业结构调整优化过程中带来的“结构性减速”的问题。

参考文献：

[1] 金碚.中国经济发展新常态研究[J].中国工业经济，2015（1）：5.

[2] 中国经济增长前沿课题组.中国经济增长的低效率冲击与减速治理[J].经济研究，2014（12）：4.

[3] 刘伟，张辉.中国经济增长中的产业结构变迁和技术进步[J].中国社会科学，2013，（1）：4.

[4] 蔡昉.中国经济增长如何转向全要素生产率驱动型 [J].中国社会科学，2013（1）：56.

[5] 陈松青，周琴.制造业结构、规模与研发投入对生产性服务业发展的影响：基于随机前沿模型的分析[J].科技与管理，2018（3）：51.

[6] 单豪杰. 中国资本存量K的再估算：1952—2006[J].数量经济研究，2008（10）：17.

[7] GROENEWOLD N G，LEE CGEN. Inter-regional spillovers in China：the importance of common shocks and the definition of the regions[J].China Economic Review，2008，19（1）：32.

[8] 李敬，陳澍，万广华，等.中国区域经济增长的空间关联及其解释[J].经济研究，2014（11）：4.

[9] 于斌斌，产业结构调整与全要素生产率提升对经济增长的影响效应[J].中国工业经济，2015（12）：83.

[10] ELHORST J P.Matlab software for spatial panels[J].International Regional Science Review，2014，37（3）：389.

[11] ELHORST J P.Dynamic spatial panel：models，methods，and inferences[J].Journal of Geographical System，2012，14（1）：5.

[12] 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，2014（11）：127.

[13] 韩永辉，黄亮雄，王贤彬.产业政策推动地方产业结构升级了吗：基于发展型地方政府理论解释与实证检验[J].经济研究，2017（8）：33.

[编辑：费 婷]