中国优势产业组合的动态演化机制研究——基于TERGM的实证分析

刘林青，陈紫若

(武汉大学 经济与管理学院，湖北 武汉 430072)

0 引言

在经济全球化背景下，世界经济活动形成了相互作用、相互影响和相互依赖的复杂经济网络。实际上，产业发展嵌入到更加复杂的出口贸易网络拓扑结构中，且一个国家不可能在所有产业都取得成功。因此，具有国际竞争力的、高度互赖性的优势产业组合是一国核心能力的体现。此外，一个国家生产和出口一种商品需要许多潜在资源或能力等非贸易投入组合[1]。那么，生产和出口不同商品就需要不同的、专业化的资源或能力集。Hidalgo等[2]创造性地提出与构建了产品空间理论，从产业之间的邻近性视角重新审视优势产业组合和产业升级[3]。具体地，国家依靠优势产业组合而非单个优势产业参与国际竞争和实现结构转型。然而，这种转型升级不是随意的，而是采取“相关多元化”方式。

近年来，产品空间理论受到诸多学者关注。Hausmann&Klinger[4]对产品空间理论加以发展，认为产品空间能够刻画产业间的技术关联网络，并且发现产品空间呈现显著的“中心―边缘”结构，即产品空间的高度异质性由紧密关联产业组成的“中心区”和疏松关联产业组成的“边缘区”共同形成。在此基础上，Hidalgo&Hausmann[5]认为，优势产业组合是一国或地区资源和能力的载体，其高度异质性是揭示不同地区经济发展差异的主要渠道。随后，张其仔和李颢[6]探索了产业升级是遵循比较优势还是违背比较优势的问题；Felipe等[7]认为，由现有比较优势转移到新的比较优势依赖于两者之间的能力差距。上述研究对于识别和描述产业结构特征具有重要意义，但不能对中心―边缘宏观网络结构特征的微观机制推断进行检验。为此，Zhou等[8]强调应该发展相应理论模型来解释观察到的网络结构，而不仅仅是描述和探索。

与此同时，快速发展的指数随机图模型(Exponential Random Graph Models，ERGM)和时间指数随机图模型(Temporal Exponential Random Graph Models，TERGM)引起越来越多研究者关注。在Snijders等[9]学者推进下，ERGM分析技术趋于成熟[10-11]。与传统回归方法不同，基于Markov网络假设的ERGM分析技术着重处理网络中关系与关系之间的依赖性，可以检验局部过程汇集是否可以产生全局网络特征属性，从而搭建微观到宏观的桥梁。此外，ERGM研究方法能够同时考虑内生和外生因素，尤其是不能够包含在传统模型的高阶网络构局(如星型构局、三角形构局等)。更重要的是，TERGM能够有效解决纵向观察网络数据的时间依赖问题，备受学者青睐。对此，Ghosh等[12]提出，ERGM应成为战略管理研究人员在作网络分析时的标准方法和必备工具。

鉴于上述两方面考虑，本文利用1962―2015年间的Feenstra和Uncomtrade数据，重点论证结构依赖和时间依赖对中国优势产业组合动态演化的影响。基本问题包括：TERGM研究方法是否能够合理解释优势产业组合的动态演化？其演化机制是否包括星型构局代表的轴式发展路径和三角形构局代表的链式发展路径？产业结构演化过程中是否存在稳定性和创新性？

1 文献综述

随着产业国际竞争力结构观兴起，优势产业组合相关研究主要探讨了优势产业组合结构特征、产业升级、产业演化等问题，并且逐步实现从整体、静态层面量的评判标准向结构、动态层面质的评判标准转变[13]。在全球价值链背景下，各个国家参与国际竞争、寻求国际长期发展，不能够仅仅依赖于单个产业，更要通过优势产业组合赢得国际竞争优势。Hausman等[14]构建了“出口产品技术复杂度”概念和“产品空间”工具，并且通过可视化国际贸易中的产业组合，发现国家可以通过改变优势产业组合实现产业结构转型。张其仔和李颢(2013)运用产品空间理论，分析了不同阈值条件下实现优势产业升级发展的演化轨迹，并指出0.5阈值条件下更容易在维持多样性产品前提下，实现优势产业升级发展；刘林青和谭畅[15]研究表明，国家可以通过优化优势产业组合改变自身在国际竞争中的位置，进而影响经济绩效；邓向荣和曹红[16]发展了HK模型，发现越高速增长的国家越可能偏离既有比较优势发展路径，实现产业升级发展；张亭等[17]在全球产品空间动态演化视角下构建了传统产品空间和新型产品空间，同时具体探索产品空间网络结构特征发生变化的程度、变化的性质以及具体发生变化的时间；张亭和刘林青[18]从时间和产业维度对比分析中美两国优势产业数量变化和产业结构分布形态差异，从而探知产业发展优势和劣势。上述研究均客观描述了优势产业组合的演化特征，对推动中国产业升级具有一定参考意义。但是，现有文献均没有从内生微观结构层面具体实证分析影响优势产业组合动态演化的微观机制。为此，本文主要从星型构局、三角形构局和时间异质性等方面进行详细探讨。

1.1 星型构局

如果一个国家和地区在生产某种产品上具有比较优势，则在生产密集使用相同或相似要素的产品上也具有比较优势。也就是说，一个国家和地区生产某种产品的能力取决于生产其它相似产品的能力，并以既有产品为基础发展新产品。Hausmann&Klinger[4]用“森林―猴子”的比喻阐述产品空间理论的主要思想，也就是产品邻近性，并认为生产任何产品都需要高度专业化资产和能力投入，并可以部分用于生产另一个产品；Hidalgo等[2]以存在国际竞争优势的出口产品为对象，创新性地运用矩阵映射技术构建可视化产品空间。产品空间可视化研究不仅形象地呈现了每个国家有竞争力的产业结构及其演化路径，更生动地揭示出发展中国家通过培育有国际竞争力的新产品实现产业升级。同样地，如果新产业与已有竞争优势产业具有较高关联度，则该新产业获得比较优势的概率将会提升，因为关联产业的相似性可以为新产业发展提供所需资源、能力和知识等。具体地，发展中国家通常采取“相关多元化”战略，即向距离当前位置较近的周围产业发展，导致形成优势产业组合的星型构局。如果距离过远，超越了国家“跳跃”能力，那么产业升级道路将被阻断。

星型构局体现出显著的轴式发展路径，指产业竞争优势越强，越倾向带动其它周围产业实现产业升级。本文从两方面加以解释：①基于吸收能力视角，主体在将外部知识内化并转化为国际竞争优势方面存在差异，并且吸收能力有利于提升整体产业组合出口绩效；②基于技术竞争视角，出口竞争优势主体在全球经济博弈中发挥优势，更容易被其它主体选择为模仿及合作对象。通俗地说，星型构局反映富者愈富的社会网络现象，网络资源和社会关注度会不断地向轴心产业汇聚，其中包括政府政策导向和财政支持。

1.2 三角形构局

研究者在进行社会网络理论和实证研究时发现，社会网络既不是规则网络也不是完全随机网络。在传统集聚经济中，地理邻近性促进技术溢出，特别是非编码的隐性知识传播。然而，地理邻近性不是产业间技术溢出的充分必要条件，认知距离直接影响技术溢出效应。不可否认的是，由于不同产业具备的技术特征存在或大或小的差异，导致形成了产业间的认知距离，在合适范围内，产业间的认知距离能够有效促进学习和技术溢出效应。因此，技术关联性强的产业之间才会发生知识溢出[19]。技术关联也被广泛用于解释新技术、新产品、新服务、新产业的产生。其中，Hidalgo & Hausmann[5]认为，由于技术关联产业对资源、知识、生产技术和管理经验等要素要求较为相似，因此产业距离对产业演化存在重要影响。由此推断，技术关联将导致形成传递性的链式发展路径。

简单地说，网络建立过程可能受到结构内生性影响而产生某种连接倾向，以更大概率形成某种连接关系以获取某种网络优势，嵌入结构模式中的节点也受益于该结构依赖。一方面，基于技术流动效果，产业a在产业b和c之间扮演技术中介者，即吸收一方的知识，并将增值后的知识再传递给另一方，第三方技术关联共享机制为不同产业组合提供了潜在技术转移渠道，避免了新建技术流动渠道所附加的成本和风险。另一方面，基于技术流动效率，冗余路径结构提供了更为高效的技术转移体系，降低了由于网络结构敏感性和脆弱性导致的技术传递链断裂风险，具有更高的技术传递网络鲁棒性。

1.3 稳定性与创新性

一个国家的产品空间结构一定程度上取决于该国产品空间的初始结构，进而影响其演化路径[2]。现有文献得出较一致结论，认为中国优势产业组合动态演化主要体现为稳定性，而创新性相对不足。换句话说，我国产业发展路径为渐进式发展，而不是短时间内实现技术重大突破，以开发新产品、新服务以及新产业为主要形式的跨越式发展。例如，金碚等(2013)认为，中国的出口竞争优势产业与潜力产业之间存在较近距离，为出口产业结构实现平稳转型提供了良好的资源储备和能力基础；刘林青等(2013)得出，经过改革开放四十多年的发展，我国技术水平得到了明显提升，且这种技术进步是平稳的。

虽然路径依赖演化理论强调了历史和时间的重要性，但现有研究主要通过可视化方法比较静态或截面网络数据来解释优势产业组合的演化过程。例如，金碚等(2013)利用产品密度等指标分析了中国产业国际竞争力现状及演变趋势，其时间因素的影响是通过静态截面数据比较得出的；许和连等[10]在静态ERGM基础上评估“一带一路”高端制造业的贸易网络；邓向荣和曹红[16]在可视化产品空间基础上，运用OLS回归验证路径依赖和路径创造；Coniglio等[20]运用传统回归方法检验产品空间的结构模式变动。以上研究均涉及优势产业组合，虽然部分模型加入了年份效应，但并没有具体区分时间依赖的稳定性和创新性。

通过梳理现有文献，优势产业组合相关研究还存在一些不足。一是大量研究停留在统计特征层面，通过网络节点及边的统计指标刻画优势产业组合的网络拓扑结构。虽然描述性统计和探索性可视化技术能够反映优势产业组合的外在结构模式，却难以有效揭示特定网络模式背后的动态演化机制[2]。二是传统统计方法将关系变量视为协变量纳入到回归方程，但复杂关联并不能够被模型化为一个单独协变量，例如星型构局和三角形构局。结构依赖的疏忽将导致协变量估计偏误，所得结论的显著性和相关性方向可能存在偏差。三是时间依赖没有受到应有重视，即前期网络拓扑结构会影响当期网络拓扑结构，不能准确揭示网络演化路径[10]。综上所述，以结构依赖和时间依赖为基础，构建优势产业组合因果和演化模型，从而测度不同网络构局对产业网络拓扑结构的贡献程度值得进一步研究。

2 数据、变量与模型构建

2.1 样本选择

借鉴已有研究，本文采用出口贸易额数据构建中国优势产业组合。数据来自联合国商品贸易统计数据库(Uncomtrade)和Feenstra数据库，得到1962―2015年128个国家和地区783个产业出口贸易数据。如果将全部年份纳入TERGM回归无疑会极大增加计算难度和运行时间，同时考虑中国优势产业组合在6年区间内波动较小。因此，本文采用时间间隔为6年，将1962―2015年划分为9个区间段，并选取区间段第一年份作为样本。

2.2 变量与数据

2.2.1 被解释变量

被解释变量为中国优势产业组合的边，也就是中国出口优势产业之间的邻近性。TERGM是专门针对边建模的分析方法，对此情况具有高度适用性。主要步骤包括以下方面：

根据Hidalgo等[2]的计算方法衡量产业之间的邻近性，构建全球产品空间。具体定义为，在产业i和j其中一种产业具有优势的前提下，另一种产业也具有优势的条件概率最小值。从全球来看，如果同时出口某两种优势产业的国家越多，则认为这两种产业生产能力越相似，实现产业升级难度越小。其公式如下：

Øi,j,t=min{P(xi,t|xj,t),P(xj,t|xi,t)}

本文主要通过设定阈值=0.5得到二值的产品空间，并作为基准回归模型。

中国情景化处理。一方面，中国并不是出口所有产品种类，因此中国的行业代码保证构建的优势产业组合是中国所具备的出口产品，划定产业范围；另一方面，本文研究目标是揭示优势产业组合的动态演化机制，从而为产业升级提供参考。因此，中国出口优势行业代码保证本文研究对象是出口优势产业，并不是所有出口产业。

2.2.2 主要解释变量

为了增加研究结论的可靠性和对比性，本文与已有文献[21]保持一致。主要解释变量包括几何加权度(Gwdegree)、几何加权边共享(Gwesp)、时间依赖的稳定性(Stability)和创新性(Innovation)。以上指标的模拟估计能够直接通过TERGM模型设定而实现。本文在模型中加入Gwdegree和Gwesp高阶统计量，原因在于其具有等价的结构效应解释能力，能提高模型结果分析的可靠性，能有效捕捉优势产业组合中的轴式发展路径和链式发展路径，以揭示其动态演化机制。

轴式发展路径中最基本的形式是2星结构(2-star)，即产业x接收来自其它两个产业y和z的连接，但y和z并不相互联系。三星结构(3-star)是指产业x从产业y、z和q接收连接，但是y、z与q是不连接的。换句话说，k星型构局(k-star)代表度为k的网络构局。根据优势产业组合度的幂次分布，本文采用Gwdegree衡量观察网络中不断递减的度分布，从而捕捉呈现星型构局的倾向性。该统计量是以每个中心度值所对应的频数乘以一个加权参数求和得到的，依赖于网络度分布以及衰减参数。具体来讲，由于具有更高中心度节点被赋予更高权重，因而具有最高中心度节点的网络就形成最大Gwdegree统计结果，而具有最低中心度节点的网络仅获得最小Gwdegree统计结果。

链式发展路径中最基本的分析单元是三角形，即产业x接收来自其它两个产业y和z的连接，但y和z也相互联系。本文采取Gwesp获取网络中的传递性模式，解释了在观测网络中聚类所对应的传递性特征，进而捕捉边形成闭合三角结构倾向性。聚类(Cluster)是指一群节点内部紧密连接，而外部则较少联系，由一些三角形和拥有多个共享伙伴的边构成。该统计量是以每个共享边所对应的频数乘以一个加权参数求和得到的，依赖于共享边分布以及衰减参数。

对于Gwdegree和Gwesp参数估计值的解释为：当Gwdegree和Gwesp参数估计值为正时，表明星型构局的轴式发展路径和三角形构局的链式发展路径共同导致优势产业组合更趋向于中心―边缘宏观网络结构特征。此外，Gwdegree和Gwesp能够有效降低简单统计量导致的模型退化风险[22]。

时间依赖的Stability指标衡量优势产业组合中边与非边在t-1和t不同时间区间的稳定性。也就是说，如果Stability参数估计为正，说明边与非边状态在t-1和t保持不变，进而验证优势产业组合动态演化的稳定性。时间依赖的Innovation指标衡量产业优势组合中t-1时间点的非边状态更新为t时间点的边状态的倾向性。也就是说，若Innovation参数估计为正，则验证优势产业组合动态演化的创新性。

2.2.3 控制变量

除了内生的结构依赖和时间依赖因素，产品空间理论认为优势产业组合的动态演化还受到系统外部因素影响。一是密度(Density)。密度衡量网络边数量，反映了网络边的基准效应，解释能力相当于回归模型的常数项。密度的参数估计一般为负，揭示稀松网络特征。二是行业同配性。行业同配机制指出口竞争优势产业更容易与其产业属性接近的产业产生技术溢出效应，从而实现产业升级。本文参考Lall[23]的技术分类标准，将产品SITC产业代码划分为5大类，包括初级产业(PP)、资源性产业(RB)、低技术产业(LT)、中技术产业(MT)和高技术产业(HT)。三是度中心度(Degree)、结构洞(Brokerage)和传递性(Transitivity)。度中心度被称为偏好联结，指当一个产业处于初始发展阶段和高度不确定状态时，特别是对于新兴国家的幼稚产业，需要依赖原有出口竞争优势产业所具备的技术、经验等；结构洞表示计算节点连接网络中不相互连接的子组件的程度；传递性用来衡量两个节点在与一个或多个共同节点关联时如何带动两者之间的关联，促使节点能够有方向地找到潜在合作者，而不是随机选择，能降低搜索成本和匹配成本。

2.3 模型构建

与其它传统回归方法一样，Logistic回归受限于经典独立性假设。然而，在产品空间中，各个节点之间存在相互依赖关系，即已有网络结构会影响到一条边的创造，因而不是独立的。此外，传统回归分析局限在节点对关系上，无法分析更复杂的网络结构如何影响网络演化。为此，本文采用由Hanneke等[24]开发的TERGM，主要通过估计、诊断、仿真、比较和改进等步骤不断对模型进行模拟和参数修正，使得参数估计趋于稳定，进而检验哪些外生和内生因素显著促进或者抑制网络边形成。

3 实证分析

3.1 特征事实

3.1.1 描述性统计

为了更好地展现网络基本特征，针对本文选取的10个年份，表1主要统计了节点数、度中心度、结构洞、传递性、最大子群数量及其比例、直径、平均路长、星型构局数量、三角形结构数量以及集聚系数等指标。表1显示，通过筛选中国产业代码和中国出口优势产业代码，1962―2015年节点数量(Networksize)范围为452～544，再次验证了在全球产品空间基础上筛选中国优势产业组合的可行性和必要性。平均路径长度(Pathlength)是网络中每对顶点之间最短距离的平均值，而直径(Diameter)是网络中最长的测地距离，其中平均路径长度约为4，表明数据具有聚类特征。星型构局数量(Kstar)、三角形结构数量(Triangles)和集聚系数(Clustering)均表明中国优势产业组合存在潜在星型构局和集聚构局。

表1 基本网络特征

值得注意的是，从表1可以观察到改革开放和加入世贸组织等重大政策方针均对中国优势产业组合动态演化产生影响。一方面，在1979年之后，星型构局数量(Kstar)和三角形结构数量(Triangles)均实现较大幅度下降，说明随着改革开放的推进和计划经济转向市场经济，轴心产业以及链式发展路径受到很大程度抑制。随着市场机制运行和国际市场监督加强，政府扶持重点产业发挥的轴式发展路径和链式发展路径政策必然会受到影响，例如反倾销、反补贴等国际制裁。另一方面，加入世界贸易组织之后，2003―2015年期间星型构局数量(Kstar)和三角形结构数量(Triangles)均实现较大幅度上升，说明随着中国国际地位上升以及全球化趋势增强，中国优势产业组合的技术关联发挥越来越重要作用，无疑会促进出口竞争优势产业的轴式发展路径和链式发展路径，进而带动其它产业转型升级。

此外，由于10个年份中1962、1979、2000和2015年具有不同政策含义，本文选取以上4个年份进行度和可视化分析。图1分别绘制了1962、1979、2000和2015年的度分布，并显示1962―2015年的度分布均呈现显著的幂次分布，即度的频率随着度数量上升而呈现指数速率下降。幂次分布为社会网络分析的主要现象[25]，形象地展现出星型构局特征，能够为可视化和实证分析提供准确指导和参考。通过比较1962、1979、2000和2015年的度频数变化，再次验证TERGM的适用性。

3.1.2 可视化分析

借鉴Hidalgo等[2]的做法，本文绘制了1962、1979、2000和2015年中国优势产业组合动态演化，如图2所示，生动形象地比较分析了中国产业结构的演化路径。图2中不同节点代表特定的四位码细分产业，不同节点颜色和形状表明所属的5大类产业，连线表明两种出口优势产品的邻近性，节点面积大小代表与该产业相连的其它产业总数。

整体上看，1962―2015年期间，中国优势产业组合动态演化展现出较强的稳定性，一直保持中心―边缘网络模式，但整体创新性不明显。具体来讲，1962年市场经济政策主导特征促使中国优势产业组合形成非常明显的中心―边缘结构。其中，低技术产业(LT)占据核心位置，而高技术产业(HT)处于边缘位置。相比较于1962年，1979年中国优势产业组合出现了较大变化，虽然中心―边缘结构仍然显著，但中心―边缘网络模式趋于弱化，产业分布相对均匀，中心产业开始与边缘产业构建关联，2000年和2015年仍保持上述趋势。2000年，虽然低技术产业(LT)在中心位置仍然占据较大比例，但中技术产业(MT)开始在中心位置凸显，同时高技术产业(HT)仍处于边缘位置。2015年，低技术产业(LT)、中技术产业(MT)和高技术产业(HT)均出现在中心位置，且比例相差幅度明显缩减。由此可以得出结论，中国优势产业组合在保持稳定性基础上，有效实现了产业升级。

图1 1962―2015年中国优势产业组合度分布

图2 1962―2015年中国优势产业组合动态演化

3.2 TERGM实证结果

表2中模型1作为基准模型，包括了密度、点属性和边属性控制变量；模型2～5在模型1基础上，依次加入星型构局、三角形构局、稳定性、创新性。表2显示，密度的参数估计均显著，表明中国优势产业组合密度较低[26]，说明当网络中增加一条新边时，可观测到网络中另一个节点对相连的概率小于0.01%；中心度、结构洞和传递性变量等控制变量均显著为正，符合现有研究结论，均有利于产业升级；5大产业分类的行业同配性参数估计值均显著为正，尤其是初级产品、低技术产品和高技术产品，说明同配产业之间技术关联较强，有助于促进出口优势细分产业带动同行业分类的其它细分产业升级，即同质效应得到有力支持。通过比较不同产业分类的参数估计值大小可知，低技术产业系数为0.34，明显大于其它产业分类系数，说明低技术产业的同配机制更为显著。也就是说，由于低技术产业技术转移成本较低，技术溢出更为显著，隐性知识传播受到的阻力也越小，因此低技术产业内细分产业更容易发生技术关联，产生辐射和引领作用。

星型构局Gwdegree的参数估计显著为正，说明星型构局正向促进中国优势产业组合动态演化，从而实现产业升级。星型构局Gwdegree是由多项度分布的几何加权和，综合反映了不同度分布的结构效应。三角形构局Gwesp的参数估计也显著为正，说明中国优势产业组合倾向于涌现三角闭合结构，导致产业链式发展路径。以模型5为例，星型构局Gwdegree、三角形构局Gwesp系数分别为3.86和1.24，表明两者对产业升级的影响要大于密度、点属性和行业同配性，两者共同体现中心―边缘趋势。也就是说，位于优势产业组合“中心区”的产业更容易跳跃到邻近产业，从而实现“相关多元化”发展和链式发展路径；优势产业组合“边缘区”的产业则由于缺乏与“中心区”产业技术关联或技术距离较大，很难实现产业结构转型，从而陷入“低端产品”陷阱。因此，当存在依赖性关系时，结构依赖疏忽将导致协变量估计偏误，错误地将结构依赖效应归纳为协变量的解释能力。此外，时间依赖的稳定性和创新性参数估计均为正，说明中国优势产业组合动态演化同时存在稳定性和创新性。但是，稳定性显著，而创新性并不显著，稳定性系数也比创新性系数大，两者均表明整体上中国优势产业组合动态演化呈现出显著的稳定性，创新性较弱。由此可知，中国优势产业组合演化路径更多体现为渐进式发展，而不是跨越式发展。

3.3 稳健性检验

3.3.1 GOF检验

与传统回归模型利用调整R2推断模型拟合的方式不同，为了判断TERGM对观测网络的有效性和适用性，本文进行拟合优度分析(GOF)，通过拟合模型进行网络仿真，并网络采样10 000次，如果得到的模拟网络与观测网络具有相似结构特征，则说明模型拟合效果好，否则说明拟合优度低。本文选择5个典型统计量作为比较指标，包括度中心性、二元共享伙伴、测地线距离、边共享伙伴、星型构局和三角形结构。验证结果表明，TERGM较好地模拟了观测网络的结构特征，能捕捉优势产业组合的动态演化机制。

3.3.2 不同计算方法

马尔可夫链蒙特卡罗极大似然估计法(MCMCMLE)从所有潜在网络中随机选择一个网络，将该网络中二元组随机选择实现从1到0或0到1变动，对比变动前后的网络差异性，基于一定阈值范围考虑是否接受变动后的新网络，抑或是进行新一轮二元组选择和变动。上述“提出―比较―决定”过程将通过ERGM的MCMC.samplesize选项设定重复进行10 000次迭代估计，直至整个MCMC链全部完成，两者结论一致，但MCMC耗时更长。

3.3.3 不同时间窗口

本文重新选取3年为时间窗口，得到19个年份，再进行TERGM，两者结论较为一致。不同的是，时间依赖的创新性显著为正。可能的解释是，短期内中国优势产业组合技术关联带动部分出口产业成为新出口优势产业，进入国际市场博弈，因而创新性增强；长期内，中国优势产业组合的新出口优势产业挤占了已有出口优势产业，导致创新性减弱。

3.3.4 不同阈值

基于张其仔和李颢[6]对阈值的选择范围，本文重新将阈值设定为0.65。对利用新阈值得到的中国优势产业组合数据进行TERGM分析，基本结论保持不变。不同的是，三角形构局Gwesp的参数估计值增大，并且样本数量急剧减少。结果说明，阈值越大，产业组合之间技术关联越强，筛选要求越高，产业间距离越小，也就越容易带动相关产业形成链式发展路径，有效实现产业升级。

3.3.5 不同样本范围

本文通过剔除新进入产业和退出产业，筛选出1962―2015年间持续出现在中国优势产业组合节点的产业，重新进行TERGM分析，发现Gwdegree的参数估计值减小。对此解释为，轴心产业的轴式发展路径不仅体现在带动原有产品空间产业，也表现为吸引更多新产业加入到优势产业组合，而删除新进入产业的做法无疑会削弱轴心产业的辐射规模。

表2 TERGM实证分析(中国)

注：*表示0不在置信区间，括号中为在置信水平5%的置信区间

3.4 静态ERGM实证分析

ERGM主要功能是在克服独立性假设和结构依赖基础上，探讨哪些结构变量显著影响特定网络模式的形成，并且经过估计、诊断、仿真、比较和改进等步骤使模拟网络的网络构局越来越接近观测网络。由此可知，ERGM模型设定和TERGM基本相同。不足的是，一方面，受限于截面和静态数据分析，不能够有效揭示优势产业组合动态演化机制；另一方面，不包含时间依赖变量，难以模型化稳定性和创新性。此外，赤池信息准则(AIC)和贝叶斯信息准则(BIC)通常被用来评判模型的拟合程度。

针对1962―2015年间10个年份，本文得到表3。表3显示，中国优势产业组合的动态演化机制呈现出轴式发展路径和链式发展路径。具体来说，行业同配性机制在1962―2015年均显著为正，说明行业同质效应得到有力支持。其中，1962―1985年高技术产业同配性参数估计并不显著，表明技术关联不强；1991―2015年高技术产业同配性参数估计显著为正，并且系数大小也得到提高，表明技术关联开始增强，说明中国能够凭借少数高技术竞争优势产业带动其它高技术产业发展。同时，不同年份的轴式发展路径显著不同，尤其1979年其参数估计值达到最大值，在1979年之后，也就是改革开放之后，由于政府政策支持力度减弱以及市场经济制度转变，轴式发展路径呈现逐级递减趋势，逐步受到国际市场抑制。此外，不同年份的链式发展路径也显著不同，主要发生在1979年和2003年前后。说明改革开放和加入世贸组织的重大政策方针显著促进链式发展路径，并且其参数估计值分别在1979年和2003年达到最大值，但随着政策实施的推移，其促进作用逐渐减弱。

表3 ERGM实证分析(中国1962―2015年)

注：*、**、***分别表示在10%、5%、1%的置信水平上显著，括号中为标准差

4 结论与政策建议

本文利用1962―2015年128个国家和地区783个产业构成的产品空间数据，采用前沿社会网络分析方法TERGM推断中国优势产业组合动态演化机制，有效解释了中国优势产业组合呈现中心―边缘宏观网络结构特征的微观网络构局及其变化。结果表明，TERGM能够同时将多种内生和外生因素纳入同一分析框架，是全面揭示网络演化的有力分析工具；星型和三角形结构依赖共同表明轴式发展路径、链式发展路径导致形成中国优势产业组合的中心―边缘结构；时间依赖验证了我国渐进式发展战略，且改革开放和加入世贸组织等重大政策方针能够促使中国产业结构发生显著变化。根据上述研究结论，本文提出以下建议：

(1)我国应不断加强轴心产业质和量的提升，尤其是具备轴式发展路径的中、高技术产业，如工业机械设备、机器零件和发电机械设备产业等。中、高技术轴心产业不仅会催化其在产业升级中的主导作用，还会引领低技术产业与新兴产业协调发展，从而打破产业发展不平衡，创造和谐和一体化的市场环境及产业发展路径。

(2)我国应积极引导、完善产业链整体发展，有效构建具有中国国际竞争优势的优势产业组合，推进链式发展路径。目前，虽然高附加值的中、高技术产业开始在国际博弈中崭露头角，但力量仍然薄弱。应有效避免单个优势产业在国际市场单打独斗，努力增加与其存在技术相关性的优势产业数量，进而为优势产业组合的动态演化发展提供更充足的要素禀赋支持、技术相关性和路径选择。

(3)积极建立良性的产业发展进入、退出机制，进一步强化优势产业组合在保持稳定性的同时，实现创新性。一方面，产业升级应稳步推进，即追求技术创新的同时更要注重自身资源和能力的积累，不断推进渐进式发展战略。如果执迷于弯道超车、颠覆性创新等，难免会陷入产业升级陷阱。另一方面，科学引导落后和过剩产业退出市场，避免“僵尸产业”占用有限资源，给新进入产业提供充足发展空间，逐步实施跨越式发展战略，从而实现资源优化配置。