我国产业结构升级与经济高质量发展——基于地级及以上城市经验数据

朱风慧，刘立峰

(1.中国社会科学院研究生院 投资经济系，北京 102488；2.中国宏观经济研究院 投资研究所，北京 100038)

一、引言

改革开放40多年来，我国创造了举世瞩目的经济奇迹，在高速发展中成为世界第二大经济体，但其背后暴露出的环境污染、资源浪费、产能过剩等问题日趋严重。从十八大以来“绿色”发展理念的提出，到2019年9月黄河流域生态保护和高质量发展上升为重大国家战略，这些前瞻性的顶层设计无一不展现出我国摒弃“粗放式”发展模式、走绿色发展之路的决心。因此如何在新时代实现经济发展与环境保护的协同并进，建设“人与自然和谐共生的现代化”，成为我国发展中必须解决的重要问题。

随着我国对绿色发展的日益重视，绿色全要素生产率越来越成为衡量经济发展质量的指标。将能源投入和环境污染纳入全要素生产率的测算中，更加符合推进绿色发展、建设“美丽中国”的题中要义，有利于全面、准确地考量经济发展质量。产业结构调整作为优化经济结构的重要一环，是实现经济高质量发展的必要路径。在产业结构升级过程中，要素配置结构、资源消耗强度、投入产出效率、环境质量等都将发生变化，必然将对经济发展质量带来影响。“结构红利假说”认为在要素由低生产率增长率部门向高生产率增长率部门转移的过程中，能够提高整个社会的生产率水平。那么在纳入环境和空间因素后，产业结构升级对经济发展质量的影响到底如何？这种影响在不同区域间有何差异？如何因地施策，推进产业结构升级，实现中国经济的高质量发展？针对这些问题，本文将构建空间计量模型进行实证检验，并将全样本划分为东、中、西部分别讨论，以期为我国经济高质量发展提供差异化的政策启示。

二、文献综述

长期以来，全要素生产率被普遍视为衡量经济增长质量的重要指标。全要素生产率是指在资本、劳动等要素保持不变时，产出仍能增加的部分，主要刻画技术进步对生产效率的改善。绿色全要素生产率在保留全要素生产率内涵的基础上，纳入了能源投入和环境污染指标，对生产率的估算更加全面，对于衡量新时代经济发展质量更具现实意义。

学术界将绿色全要素生产率与产业集聚、经济发展、海洋环境、基础设施等相结合，进行了大量研究。张素庸等(2019)[1]基于中国30个省市2007—2016年的数据，通过实证检验得出了生产性服务业集聚对本地区绿色发展的积极影响；余泳泽等(2019)[2]将绿色TFP作为高质量发展指标，运用二维矩阵分析了中国经济由高速增长向高质量发展的时空转换特征；胡晓珍(2018)[3]测算了中国沿海11个省市的海洋绿色全要素生产率；胡立和等(2019)[4]分析了长江经济带工业绿色全要素生产率的时空变化；黄永明等(2018)[5]检验了经济基础设施和社会基础设施对我国绿色TFP的影响；张红梅等(2019)[6]测算了我国30个省级行政区的绿色全要素生产率，得出了绿色全要素生产率的空间分布格局、迁移特征、空间溢出效应及其提升路径。

关于产业结构升级与绿色全要素生产率的关系，目前相关研究刚刚起步，有待进一步拓展。刘赢时等(2018)[7]通过构造产业结构升级系数，利用固定效应模型研究了产业结构升级、能源效率与绿色全要素生产率的关系，发现产业结构升级对东部和西部地区的绿色全要素生产率均有促进作用，且东部比西部地区更显著，而对中部地区的作用则不明显，这与中部地区长期以第二产业为主、经济转型困难有关；韩晶等(2019)[8]把城市类型划分为“领先型”“追赶型”与“落后型”三种，采用差分GMM和系统GMM方法研究了产业结构升级与绿色增长之间的关系，发现产业结构高级化对绿色增长具有正向作用，产业结构合理化对“领先型”城市的绿色增长具有正向作用，而对“追赶型”和“落后型”城市的绿色增长具有负面影响。张治栋等(2018)[9]考察了长江经济带环境规制、产业结构调整与绿色全要素生产率的关系，发现长江经济带绿色TFP近年来有所下降，并呈低值集聚状态，产业结构合理化和高级化对本地绿色效率具有促进作用，环境规制与产业结构调整的协同作用有待提高。

综上，可以看到以往研究中存在几点不足：第一，鲜有文献涉及产业结构升级与绿色全要素生产率的影响，该领域的研究有待丰富拓展；第二，关于绿色全要素生产率的分析多数停留在省级层面或某一区域，缺乏对全国地级市的详细分析；第三，在研究方法上多建立传统面板模型，采用固定效应、GMM方法等，对空间计量模型的应用较少，忽略了变量的空间交互影响。

有鉴于此，本文将测算绿色全要素生产率，作为经济高质量发展的代理指标，检验产业结构升级对经济高质量发展的影响。本文可能存在的创新之处包括：第一，以往的研究多聚焦于对绿色全要素生产率的测算和分析，本文将在此基础上考察产业结构升级对绿色全要素生产率的影响，可在一定程度上弥补该领域研究的不足；第二，将研究范围从省级面板细化至地级市面板，并将全国划分为东、中、西部分开讨论，不仅能全面、准确地刻画产业结构升级对城市经济发展质量的影响，还能为实施差异化产业政策提供事实基础；第三，在研究方法上，纳入空间交互影响，构建空间面板计量模型，其实证结果相比传统面板模型将更加可靠，更具现实意义。

本文的结构安排如下：第一部分为引言；第二部分为文献综述；第三部分为绿色全要素生产率的测度；第四部分为研究设计；第五部分为实证结果分析；第六部分为结论与对策建议。

三、绿色全要素生产率的测度

(一)测度方法及指标选取

为使绿色全要素生产率的测算更加准确，在产出指标方面需同时考虑期望产出与非期望产出，因此本文采用Tone(2003)[10]提出的松弛型测算模型(SBM)。作为一种非径向、非角度的模型，SBM模型不仅能将非期望产出纳入考虑，而且可以解决传统径向、角度模型可能存在的投入过度或产出不足的问题。

1.在投入指标方面，选取劳动力、资本、能源作为投入要素。其中劳动力采用各城市年末单位从业人员数(万人)来衡量，资本投入采用资本存量(亿元)来衡量，能源要素采用全社会用电量(亿千瓦时)来表示。各城市资本存量通过Goldsmith(1951)[11]提出的永续盘存法测算得到，具体公式如下所示：

(1)

其中，Ki,t为第i个城市第t年的固定资本存量，Ii,t为第i个城市第t年的固定资产投资额，Pi,t为第i个城市第t年的固定资产投资价格指数，δ为折旧率。

在基期资本存量的估算上，基期选择越早，对后续年份估算的影响就越小，越有利于提高估算结果的精确度，因此本文选择了以1995年为基期。借鉴国际通用算法，我们用1996年固定资产投资额除以样本期内固定资产投资的平均增长率与折旧率之和，来估算出基期资本存量，即公式为：

(2)

历年固定资产投资额通过地级市所在省份的固定资产投资价格指数平减到2000年不变价。借鉴张军等(2004)[12]计算所得的结果，本文将折旧率设定为9.6%。

2.在产出指标方面，主要包括期望产出和非期望产出。期望产出采用各城市2003—2016年GDP(亿元)的数据，为剔除通货膨胀因素，本文利用各城市所在省份的GDP定基指数，将GDP平减到2000年不变价。非期望产出采用城市“工业三废”来表示，即工业废水排放量(万吨)、工业二氧化硫排放量(万吨)、工业烟粉尘排放量(万吨)。

(二)Malmquist-Luenberger指数测算结果与分析

利用MaxDEA7软件，本文测算出了规模报酬不变情况下基于SBM模型的绿色全要素生产率Malmquist-Luenberger指数，并将其分解为技术效率指数(EC)和技术进步效率指数(TC)两部分。EC大于1表明技术效率相比上一期实现提升，反之则意味着技术效率下降；TC大于1表明出现了技术进步，反之则意味着出现了技术倒退。表1和图1为2003—2016年230个城市ML指数及其分解项的均值和变动情况。整体来看，绿色全要素生产率增长速度和技术进步效率在波动中呈上升趋势，技术效率在波动中呈下降趋势。2003—2008年技术效率指数虽波动幅度较大，但指数值始终大于1，且技术进步效率指数呈上升趋势，因此带动绿色TFP在波动中上升；2008—2013年技术进步效率下降幅度较大，在此期间我国为应对全球经济危机，推出了“四万亿投资计划”等经济刺激政策，保证了经济的高速增长，但忽视了发展质量，资源生态问题严峻，导致绿色TFP出现下降；2013—2016年我国实行供给侧结构性改革，淘汰落后产能和“三高”行业，优化产业结构，第三产业逐渐成为经济增长新引擎，技术效率虽逐年下降，但技术进步效率持续上升，且上升幅度较大，在技术进步效率的主导下，绿色TFP有了较大的提升。从绿色TFP及其分解项的变化中，可以看出国家对于环境问题的日益重视，以及产业结构调整、技术进步所带来的经济发展质量的提高。

表1 2003—2016年绿色全要素生产率ML指数及其分解项的平均值

表1(续)

图1 2003—2016年绿色全要素生产率ML指数及其分解项趋势图

四、研究设计

(一)空间计量模型设定

与传统计量模型相比，空间计量模型能够将区域、位置及空间交互影响纳入考虑，更加准确、全面地反映变量之间的相互作用。因此，本文纳入空间权重矩阵，构建了空间滞后模型(SLM)和空间误差模型(SEM)，以考察产业结构升级对经济高质量发展的影响。具体模型形式分别如下：

(3)

(4)

(二)变量选取

1.被解释变量为绿色全要素生产率(GTFP)。由于本文第二部分测算出的Malmquist-Luenberger指数表示绿色全要素生产率相对上一年的变化率，而实证分析中需纳入绿色全要素生产率的绝对量GTFP，为此我们假定2003年的GTFP为1，2004年的GTFP值等于2003年的基期值乘以2004年的ML指数，以此类推，最终得到2003—2016年230个地级及以上城市的GTFP值。

2.核心解释变量的选取。本文的核心解释变量为产业结构升级，将从两个角度进行衡量，即产业结构合理化和产业结构高级化。

(1)产业结构合理化(IR)。产业结构合理化是指通过产业结构调整所达到的要素在产业间的合理配置和有效利用程度。一般纳入各产业的产值占比和就业人数占比，构成结构偏离度，作为产业结构合理化的指标，其计算公式为：

(5)

其中，Yi和Li分别是指第i产业第t年的产值和劳动力人数，Yt和Lt分别指第t年的地区总产值和总劳动力人数。由于结构偏离度未考虑各产业的相对重要性，因此本文借鉴林春艳等(2016)[13]的做法，以各产业产值占GDP的比重作为权重，乘以各产业结构偏离度，然后取倒数，将其变为正向指标。具体计算公式为：

(6)

从(6)式中可以看出，改良后的产业结构合理化指数考虑了三次产业在整个经济中的相对重要性，对于衡量合理化水平更具现实意义。IR值越高则意味着地区产业结构越合理。

(2)产业结构高级化(IS)。产业结构高级化蕴含了主导产业从第一产业至第二、第三产业的转换，资金、技术要素密集度的提升，以及产品附加值的增大等，这些变化主要体现于“经济服务化”趋势中。本文以第三产业产值与第二产业产值之比(IS)作为衡量指标。IS值上升，则意味着第三产业所占比重增加，产业结构在朝着“服务化”的方向发展。

3.控制变量的选取。由于影响绿色TFP的因素是复杂多样的，为使模型更加稳健，本文纳入了一系列控制变量，包括以下几项：

(1)环境规制(ERU)。环境规制，是指为了保护环境而采取的对经济活动具有限制性的的一切法律、政策、措施及其实施过程(李春米，2010)[14]。学术界关于环境规制对经济增长的影响结论不一，主要有“遵循成本说”与“创新补偿说”两种观点，分别支持环境规制对经济发展的提升和抑制作用。借鉴赵霄伟(2014)[15]的做法，本文使用工业污染物排放量和工业总产值建立环境规制综合指数，并取倒数作为衡量指标。其计算公式如下：

(7)

其中el,it是指第i个城市第t年第l(l=1,2,3)种污染物的排放量，包括工业废水、工业二氧化硫、工业烟粉尘三种污染物的排放量；Yit是指第i个城市第t年的工业总产值；el,t是指全国第l种污染物第t年的总排放量；Yt为全国第t年的工业总产值。ERU值越高，表明政府环境规制力度越强。

(2)政府干预(GOV)。政府干预可以在一定程度上弥补市场失灵，政府支出由于其导向性和调控性作用，能够影响资源在产业间的配置；政府通过制定科学的产业结构调整政策，在扶持新兴产业、改造传统产业、淘汰落后产业的过程中，推动地方产业结构升级进程，提升经济发展质量。本文以政府公共财政支出作为衡量指标。

(3)外商直接投资(FDI)。地方政府对高质量外资的引入，意味着对资金、技术、先进管理经验的吸收，将助力本地区经济发展质量的提高，但在追求短期利益、审批监管不当的情况下，也可能引入来自发达国家的污染密集型企业和低技术企业，阻碍绿色全要素生产率的提升。本文以实际使用外资金额占GDP的比重作为衡量指标。

(4)经济发展水平(PGDP)。经济发展水平是城市综合竞争力的体现，直接决定着各项基础建设及产业结构调整等纵深改革的投入能力和投入水平，本文采用各城市人均GDP来度量经济发展水平。

(5)人力资本(HC)。人力资本的提升意味着劳动者知识储备、劳动技能、学习能力、自主创新能力的增强，能够为经济高质量发展提供源源不断的智力支持。舒尔茨的人力资本理论认为人力资本的积累是经济增长的源泉，人力资本带来的技术进步是造成投入与产出增长速度之差的主要原因。本文以各城市普通高等学校在校生人数占城市总人口的比重作为衡量指标。

(三)数据来源与描述性统计

本文选取2003—2016年我国230个地级及以上城市的面板数据作为研究样本。数据主要来源于《中国城市统计年鉴》《中国区域经济统计年鉴》《中国城市建设统计年鉴》、wind数据库以及各省市的统计年鉴，部分缺失数据采用插值法予以补充。凡是包含价格因素的指标，均调整为2000年不变价。为消除模型中异方差的影响，对所有变量进行对数化处理。表2列出了各变量的统计特征。

表2 变量的描述性统计

五、实证结果分析

(一)空间自相关性检验

在进行空间计量分析之前，采用Moran’s I对被解释变量进行空间自相关性检验，Moran’s I的计算公式为：

(8)

表3 绿色全要素生产率的Moran’s I值及Z值

表3(续)

注：***表示在1%水平上显著。

(二)空间计量模型估计结果

首先进行Hausman检验，结果显示SLM模型和SEM模型均拒绝随机效应原假设，因此通过固定效应进行实证分析。表4报告了全样本和分地区的估计结果。无论是SLM模型的ρ值还是SEM模型的λ值均在1%的水平上显著为正，说明绿色全要素生产率具有明显的空间溢出效应，除了来自本地区的因素外，也受到来自邻近城市绿色全要素生产率的正向影响。

1.全样本回归结果分析

从全样本回归结果来看，产业结构高级化显著促进了绿色TFP的提升。由于高污染、高能耗企业主要集中在第二产业，在我国产业结构整体由“二一三”迈向“三二一”的过程中，随着技术密集型、创新驱动型企业的增加，资源、能源的消耗强度得以降低，污染物排放得以减少，从而提升了经济的绿色发展水平。产业结构合理化对绿色TFP的整体效应不明显。由于地区间产业结构合理化水平差异较大，正负效应相加容易抵消，因此合理化的整体作用不够显著，需要通过分样本回归进行具体分析。

在控制变量方面：

(1)环境规制能够显著提升绿色全要素生产率。根据“创新补偿说”，适当的环境规制将加快企业技术革新步伐，以技术进步带来的产出增加抵消生产成本造成的损失，甚至产生净收益，从而实现经济效益与生态效益的双赢。我国政府对于环境问题日益重视，近年来环境规制政策整体趋紧，有效遏制了消耗资源能源、破坏生态环境的经济行为，促进了绿色发展水平的提升。

(2)政府干预系数在SLM模型中显著为负。地方政府官员在现行不合理的政绩考核机制和晋升激励的影响下，往往将公共财政支出错配到有利于经济快速增长的行业产业中，助长了“粗放型”的发展模式，而忽视了增长质量，不利于经济的绿色发展与可持续发展。

(3)外商直接投资系数为负，且在两个模型中均不显著，说明FDI的技术溢出效应和规模效应尚未得到有效发挥。与发达国家相比，我国企业的技术水平和管理经验比较落后，优质外资的引进将助力发展质量的提高，但在引入外资企业过程中若缺乏有效甄别和监管，将造成高污染、低附加值企业的流入，从而对绿色发展造成不利影响。

(4)人均GDP系数显著为正。经济发展水平的提高有利于基础设施的完善，高层次人才的集聚，先进技术的应用，优质外资的引进等，使城市在各项基础建设及纵深改革方面更具比较优势，有利于城市经济发展质量的提高。

(5)人力资本系数在SLM模型中显著为正。作为生产中最活跃的要素，人力资本具有知识效应和外部效应，高质量人才有利于城市和企业管理水平的提高，有利于吸收先进的生产理念，并将其应用于社会生产的方方面面，在践行“绿色”发展理念的过程中确保高质量发展之路行稳致远。

2.分样本回归结果分析

从表4的分样本回归结果来看，产业结构合理化系数在东部地区显著为正，在中西部地区显著为负。东部地区市场化程度更高，在劳动力、资本、技术、能源等要素上具有显著的比较优势，各要素在产业间的配置机制相对灵活，配置结构更加均衡，因此产业结构合理化能够显著促进高质量发展；中西部地区三次产业增加值占比与其三次产业的就业结构严重失衡，“要素扭曲”问题无法在短时间内解决，因此产业结构合理化无法有效带动绿色增长。

产业结构高级化系数在东部和中部地区显著为正，与全样本回归结果一致；在西部地区为负，但不显著。我国产业结构虽整体实现了以第三产业为主导，但在不同区域间差异较大。东部地区依托经济水平、人力资本、技术创新等优势，在产业结构高级化进程中处于“领头羊”地位，发展重心逐渐从第二产业转向第三产业，“结构红利”使其实现了经济发展与环境保护的协同共进；中部地区在推动制造业高质量发展、提高关键领域自主创新能力的同时，正在稳步承接东部地区的新兴产业转移，高级化进程有序推进；鉴于长期以来区域经济发展不平衡、不协调造成的差距，西部地区产业结构高级化进程明显滞后于东中部，第二产业的主导地位短时间内不会改变，一味追求产业结构升级将导致资源错配，使西部地区陷入“结构性减速”困境，不利于地区经济的可持续发展。

在控制变量方面：

(1)政府干预、经济发展水平对绿色全要素生产率的影响在三个地区相同，且与全样本回归结果一致。

(2)环境规制对东部地区绿色全要素生产率有显著推动作用，对中部地区有显著抑制作用，对西部地区具有抑制作用，但不显著。目前东部地区经济实力雄厚，技术创新水平较高，环境规制政策可以倒逼企业进行技术创新，节能降耗，带来“创新补偿效应”，有效促进地区的绿色发展；中西部地区技术创新能力相对较弱，财政投入不足，在第二产业占主导的情况下，过于严苛的环境规制政策可能会适得其反，加重企业成本负担，降低企业产出水平，将对绿色发展带来下行压力。

(3)外商直接投资在中部和西部地区均表现为抑制作用，与全样本结果一致；在东部地区表现为推动作用，但不显著。东部地区处于我国对外开放的前沿地带，实际利用外资水平较高，且有利于吸引高技术、高附加值外资企业的进入，助力本地区经济高质量发展。

(4)人力资本系数在东中部地区显著为正，与全样本回归结果一致，而在西部地区显著为负。西部地区目前高等教育发展滞后，在软、硬环境方面对优质人才的吸引力较低，人力资本“供给端”与地区发展“需求端”无法精准匹配，因此很难推动经济的高质量发展。

表4 全样本与分地区空间计量估计结果

表4(续)

注：***、**分别代表在1%、5%的显著性水平下显著；括号内为标准误。

(三)稳健性检验

为进一步验证产业结构升级对经济高质量发展影响的稳健性，我们将重新构建产业结构升级指标，代入前文计量模型，进行再次检验。

对于产业结构合理化指标，借鉴于斌斌(2015)[16]的做法，使用非绝对值化的泰尔指数，并对其取倒数。其计算公式如式(9)所示：

(9)

SR值越大，表示产业结构合理化水平越高。

对于产业结构高级化指标，借鉴付凌晖(2010)[17]的做法，首先分别计算三次产业产值占GDP的比重，构成一组三维向量X0=(x1,0,x2,0,x3,0)。然后分别计算X0与产业由第一产业到第三产业排列的向量X1=(1,0,0)，X2=(0,1,0)，X3=(0,0,1)的夹角θ1，θ2，θ3：

(10)

最终，产业结构高级化的公式为：

(11)

SU值越大，表示产业结构高级化水平越高。

从表5的稳健性检验结果来看，SLM模型的ρ值和SEM模型的λ值仍在1%的水平下通过了显著性检验，说明绿色全要素生产率具有明显的空间溢出效应。无论是核心解释变量还是控制变量，除个别变量的显著性有所变化外，其系数符号与表4基本一致。因此可以认为本文的实证检验结论是稳健和可靠的。

表5 全样本与分地区稳健性检验结果

注：***、**和*分别代表在1%、5%和10%的显著性水平下显著；括号内为标准误。

六、结论及政策建议

在新发展理念引领高质量发展的时代背景下，本文从“绿色”发展和产业结构升级的视角出发，构建空间计量模型，实证分析了产业结构升级对中国经济高质量发展的影响。主要得出以下基本结论：第一，伴随产业结构升级进程，我国绿色全要素生产率整体呈波动上升趋势，且表现出明显的空间溢出效应。第二，从全样本回归结果来看，产业结构高级化显著促进了经济发展质量的提升，产业结构合理化的效应尚不明显，需通过分样本进行具体考察。第三，从分样本回归结果来看，合理化系数在东部地区显著为正，在中西部地区显著为负；高级化系数在东部和中部地区显著为正，在西部地区为负，但不显著。第四，在控制变量方面，环境规制、人力资本、人均GDP对高质量发展起到推动作用，政府干预、外商直接投资对高质量发展起到抑制作用，各控制变量在不同地区的影响存在一定差异。

基于所得结论，本文提出以下政策建议：

第一，在产业结构高级化方面，因势利导，推进产业结构高级化进程。东部地区应充分发挥其经济实力、人力资本、科技创新等优势，持续推进产业结构合理化和高级化，发展壮大高技术产业、战略性新兴产业，进一步提高生产效率，打造高质量发展新高地；中部地区应依托其人口规模和市场潜力两大优势，不断提高第二产业竞争力，推动制造业高质量发展，同时主动融入新一轮科技和产业革命，积极承接新兴产业布局和转移，开创“中部崛起”新局面；西部地区要循序渐进实现产业的转型升级，目前应确保制造业的平稳发展，为产业升级提供支撑，警惕第三产业的超前发展。

第二，在产业结构合理化方面，破立并举，实现要素合理配置。推进要素市场化改革，在市场机制与产业结构政策的协同作用下，打破要素及产品市场分割，实现要素在产业间的自由流动和高效配置；践行“绿色”发展理念，着力提高生产要素的集约利用水平，推广清洁生产技术，建立绿色低碳、循环发展的产业体系；释放创新活力，加大科技投入力度，以技术创新推动产品质量变革、生产效率变革、产业发展动力变革，走内涵式发展道路。

第三，结合区域异质性和发展阶段性，多管齐下，助力经济高质量发展。制定合理适度的环境规制政策，以环境规制激发企业创新活力，提升污染治理水平，促进环境质量持续向好；改革地方政府考核机制，强化“绿色”发展理念，合理引导政府支出的流向，充分发挥政府支出在产业结构升级中的先导性和调控性作用，兼顾经济效益与生态效益；提高外资引入质量，引导外资投向先进制造业、现代服务业等领域，以及中西部地区，利用外商直接投资的技术溢出效应和规模效应等助力国内产业升级；加强人力资本培育，培养创新型人才，推动经济从要素驱动、投资驱动向创新驱动转换，以人力资本为经济高质量发展提供智力支持。