去工业化趋势对工业生产效率的影响

王 琛

一、问题的提出

工业化是发展中国家实现经济起飞、顺利步入发达国家的必经阶段。改革开放40 年来，我国工业化进程不断推进，经济整体步入工业化后期，经济服务化趋势也日渐明显[1]，但是在全球产业链中仍主要处于附加值较低的生产组装等环节，工业化的整体素质并没有真正达到工业化中后期水平，距离发达国家仍有较大差距[2][3]，“大而不强”依然是目前工业发展所面临的主要问题[4][5]。并且我国工业化在空间上总体呈现为“东强西弱”的梯度分布，存在区域发展不平衡的特点[6]。在目前经济增速换挡的关键时期，我国产业基础设施水平不强、高端创新能力不足、产能过剩、供给侧改革有待于深化等内部矛盾逐渐突出，除此之外，诸如经济全球化冲击的不断深化和发达国家的“再工业化”战略等外部挑战所带来的产业调整压力依然较大，经济发展方式亟需转型。因此，下一阶段经济发展的结构性调整必须注重于提高生产效率和培育新的增长动力，具体体现为工业生产由传统的产量优先逐渐转变为质量优先，服务业对资本的吸引力增强，逐渐成为经济发展的新引擎。在此背景下，近年来我国产业结构中工业和服务业比重出现了“此消彼长”的特点，工业产值占比从2010年的46.5%下降到2018 年的40.7%，增速也由12.7%下降至5.8%；与此同时服务业产值占比从2010年的44.2%提升为2018 年的52.2%，年增长率长时间稳定在7%以上，工业比重下降和服务业比重上升同时出现。有鉴于此，国内学者大多认为目前我国可能已经出现“过早的去工业化”现象[7][8]，并关于其对工业行业及经济社会整体发展的影响展开了广泛讨论。吴敬琏（2014）等学者认为目前我国应促进要素向第三产业流动，大力发展现代化服务业以实现产业结构的优化升级，从而进一步提升经济整体发展水平[9][10]。这种强调服务业发展的思想在我国经济进入增速换挡的“新常态”以及国际贸易局势的“再平衡”需要的背景下具有必然性，也直接导致经济发展侧重点由过去的投资驱动转为提高消费占比，以及政府对于服务业发展的高度关注。因此，我国去工业化现象出现的主要原因是现有发展环境下政府主导产业升级的冲动，而非市场要素自发调节的过程。那么在目前工业去产能和化解僵尸企业的情况下，去工业化现象对我国工业产业生产效率具有怎样的影响？并且改革开放以来我国工业布局普遍具有地域性集中和城市性集中的特点，去工业化以及其所造成的影响是否具有明显的空间特征？由于已有研究成果大多集中于整体性的机制分析，忽略了我国工业发展以及去工业化可能存在的空间自相关关系，从而影响了研究结果的准确性，因此本文采用空间计量的方法，从去工业化最具代表性的产值和就业两方面作为切入点，研究去工业化现象对于我国目前工业生产效率的具体影响。

二、文献综述

去工业化（De-industrialization）这一概念最早来源于二战后对于德国、日本等战败国的工业发展进行限制和削弱。到20 世纪中叶去工业化逐渐作为一个学术概念而受到西方学者关注，并从不同角度对于这一概念提出了不同的定义。Barry和Bennett（1982）认为去工业化是资源从工业流出而导致的制造业产能和就业下降[11]；Fligstein（1999）认为去工业化就是发达国家的工业就业转移至发展中国家[12]。随着20 世纪后期西方发达国家先后进入工业化后期，国民经济发展达到较高水平带来产业结构的调整，西方学术界对去工业化现象的出现开始逐渐重视[13]，相关研究主要集中在去工业化的发生背景、内外部的作用机制以及在发达国家和发展中国家不同阶段的具体表现等方面[14][15]。尽管存在分析视角和方法上的差异，但是就其在发达国家和发展中国家出现的原因和所造成影响的不同基本达成了共识，并以此为依据将去工业化分为几种类型。一般认为，对于发达国家而言，去工业化长期来看有利于经济持续发展，可以称为“适度去工业化”。根据配第—克拉克定理和库兹涅茨定理，这种去工业化是经济整体发展到一定阶段的自然现象；相反，对于发展中国家而言，工业是实现经济赶超，迈向发达国家的阶梯[16]，而制造业份额至少为20%以上是一国顺利进入发达国家行列的前提条件，否则制造业份额的下降反而会阻碍经济发展[17]。因此对于尚未达到经济发展临界值的发展中国家来说，去工业化作为一种非正常现象会对整个经济发展带来负面影响[18]，也被称之为“过早去工业化”或“早熟去工业化”，这种情况常常导致发展中国家在工业化部门未得到充分发展的情况下萎缩，工业化质量下降，进而陷入“中等收入陷阱”，典型的如过早去工业化的巴西等拉美国家长期难以进入发达国家行列，甚至对于美国等发达国家来说，不正当的去工业化同样也会影响其经济发展潜力[19]。因而去工业化对于经济发展的影响并非单方面的作用，尤其对于发展中国家来说往往弊大于利[20][21]。结合我国的发展阶段和所面临的经济环境，目前出现的去工业化现象更多的是一种“过早去工业化”，为简明起见，下文中对于我国的相关论述依旧使用“去工业化”这一说法。

国内关于去工业化的早期表述为产业空洞化背景下的“离制造业”，即旧产业向外转移而新产业尚未成熟[22][23]。随着我国经济进入“新常态”，一些认为工业是高耗能高污染低效率的“劣质产业论”和认为工业相对于服务业重要性下降的“地位下降轮”等新论点被许多学者和政府官员所接受，从而在具体发展规划制定中将发展重心逐渐由第二产业向第三产业倾斜，与此同时我国服务业的快速发展使得资源更倾向于流入第三产业以追求更高的附加值，这些原因都导致我国的去工业化现象更加快速和全面地出现[24]。目前国内学者对于我国去工业化现象大多持警惕态度，蔡昉（2015）认为我国需要避免产业结构的“逆库兹涅茨化”[25]；王文和孙早（2017）认为目前我国尚未达到去工业化的成熟条件，过早的去工业化不利于我国制造业和现代服务业的发展[26]；张军等（2015）认为中国过早的去工业化现象会对未来经济发展潜力造成负面影响[27]；乔晓楠和杨成林（2013）从三个方面将去工业化分为彻底的去工业化、早熟的去工业化和适度的去工业化，并认为只有适度的去工业化有利于产业结构的长期良性发展[28]。与此同时，也有观点认为我国的去工业化并不只是存在消极影响。王秋石等（2011）将去工业化分为全面性去工业化和区域性去工业化，并认为目前我国去工业化有积极和消极两个方面[29]；王展翔（2015）通过对英国和美国的去工业化进程的对比研究，认为目前我国所处的发展阶段需要充分发挥利用去工业化的积极因素，规避去工业化的消极影响[30]。

去工业化特征出现必然伴随着产业结构的调整和劳动力就业的流动。在我国目前大量农村人口收入来源依然是外出打工的工资性收入背景下[31]，农业相对附加值偏低，与此同时随着机械化生产和土地承包的推广，农业对于劳动力的吸纳能力接近饱和，因此去工业化的直接表现就是大量劳动力从制造业部门流向第三产业，通过劳动力成本和要素转移影响服务业发展[32]。而根据已有研究，一个国家现代服务业的发展水平直接取决于其工业的整体发展水平[33]，其中生产性服务业与制造业具有紧密联系，对其发展影响重大[34][35]，服务业尤其是生产性服务业的发展会直接影响工业生产效率[36][37]，因此去工业化现象可能会通过生产性服务业来影响工业生产效率。在国外已有相关研究，Tregenna 等人通过对1985-2005 年期间国际制造业就业水平和份额变化的实证分析，认为去工业化可能会导致制造业生产效率的提升，而制造业生产效率的提升是东亚国家经济腾飞的重要动力[38]。因此在目前高端生产性服务业发展明显不足[39]（李勇坚、夏杰长，2009）的背景下，去工业化所造成的产业结构调整可能会通过服务业对工业效率带来影响。本文通过对我国239个地级城市2010-2017年的面板数据进行空间计量分析，进而研究现阶段去工业化对于工业生产效率的影响。

三、研究方法、数据来源与模型设定

本文采用空间分析广泛使用的探索性空间数据分析技术（Exploratory Spatial Data Analysis, ESDA）来分析各项指标数据在空间上分布的自相关性或相互依赖性。在分析我国239个地级市之间的空间非随机性时，不考虑其内部的空间差异，因此采用全域空间自相关分析方法。

（一）空间自相关分析

空间自相关分析探索数据指标在整体空间上的分布特点，目前较为常用的测度指标为Moran指数I，Geary 指数C 以及区分空间集聚热点冷点的Getis-Ord General G 指数。本文使用其中应用最广的全域Moran 指数I 对我国地级市的工业生产效率和去工业化情况进行空间分析，其公式为：

（二）权重矩阵的确定

权重矩阵的设置代表了地区间变量的空间分布状态，通常使用0～1空间相邻矩阵，根据相邻标准，两地区区域边界存在地理相接时，权重为1，否则为0。考虑到我国各个地级市之间区域面积的差异性，本文采用距离空间权重矩阵，将空间之间的地理距离引入权重矩阵，如下所示：

其中 dij为i,j 两地区间的地理距离，主对角线元素为0。

（三）空间计量模型

1.空间滞后模型（SLM）。空间滞后模型（Spatial Lag Model，SLM）又称空间自回归模型，主要分析各指标在空间上是否存在空间扩散效应或空间外溢，即相邻区域对于本区域的影响，表达式为：

式中y 为因变量，x 为自变量，ρ为空间回归系数，反映了相邻地区对区域本身的作用强度，Wy 为因变量y 的空间滞后向量，β为参数，ε为残差。

2. 空间误差模型（SEM）。空间误差模型（Spatial Error Model，SEM） 包含误差项的滞后项，用来分析使得因变量产生空间相关性，但是没有体现在解释变量中的误差项之间是否存在相互影响，表达式为：

式中ε为回归残差，λ为误差项的空间自回归系数，表明了相邻地区的空间影响作用强度，Wε为误差项的空间滞后项，μ为不相关的误差项。

3. 空间杜宾模型（SDM）。空间杜宾模型（Spatial Durbin Model，SDM）同时包含了解释变量和被解释变量的空间误差项，并在一定条件下可以转化为空间滞后或者空间误差模型，其标准表达式为：

式中Wx 为解释变量的空间滞后项，参数为β2，代表相邻空间的样本观测均值构造的解释变量。空间杜宾模型估计结果可以进一步分为直接效应和间接效应，直接效应度量了其他空间位置解释变量对本地区被解释变量的直接影响，间接效应表示对本地区相邻地区的影响，总效应为两种效应之和。

（四）变量选取

1.被解释变量。工业生产效率（IPE）：为避免与解释变量存在共同方法偏差问题，本文采用DEA 方法测度工业生产效率，总产出数据采用城市工业利润与税收表示，总投入数据为本市规模以上工业企业数以及主营业务成本。

2.核心解释变量。去工业化程度（DI）：国外文献中对于去工业化水平的衡量主要采用三种方式，一些研究关注制造业就业占总就业的比率，另一些研究则关注制造业产出占总产出的比率，其中又包括按当期价格和基期价格两种核算方式，而这三种方式所表示的去工业化程度在研究中会产生不同的趋势和结果。因此本文借鉴王文和孙早（2017）[26]的方法，采用制造业就业占总就业的比重和制造业产出占总产出的比重两项指标来表示一个地区工业化程度，用其与1的差值来衡量去工业化程度，其中DI1表示产出衡量的去工业化程度，DI2表示就业衡量的去工业化程度。

3.控制变量。（1）人均工业资本存量（IPI）：工业资本存量通过影响工业生产率来作用于工业效率。本文采用我国规模以上工业企业资本存量与就业人数比值表示人均工业资本存量。（2）市场潜力（MP）：市场潜力通过对工业企业布局的吸引，形成规模优势来促进工业效率的提升。本文采用刘修岩等（2015）的计算方法，采用地区生产总值和地理距离来度量地区市场潜力[40]。（3）人力资本水平（HC）：人力资本水平通过提升工业从业者素质影响工业生产效率。本文采用各地级市每万人高等院校在校学生数衡量当地人力资本水平。（4）外商直接投资（FDI）：外商直接投资能够对工业发展带来资金和技术等支持，资金进入能够加快工业基础设施升级，先进技术和管理经验的引入同样能够提升工业部门的生产效率。本文采用地区外资工业企业产值与地区工业总产值的比值来表示FDI 水平。（5）基础设施发展水平（INF）：有研究表明基础设施发展水平对于工业效率具有显著影响[41]。本文采用人均城市道路面积代表城市基础设施的发展水平。表1给出各个变量的具体计算方式。

（五）数据来源

本文分析对象为全国地级城市，由于部分城市数据缺失，故选用全国239 个地级城市为样本，选取2010—2017 年的上述指标面板数据进行空间计量分析。本文所使用的原始数据来源于历年《中国统计年鉴》《中国城市统计年鉴》《中国工业经济统计年鉴》以及部分省市《国民经济与社会发展统计公报》。为避免异方差性的影响，对所有的样本数据进行自然对数化处理，由于缺乏具体地级市GDP 平减指数数据，样本数据中所有GDP相关数据均按我国历年指数以2010 年为基期进行了平减处理。变量的描述性统计如表2所示。

（六）回归模型设定

本文基于2010—2017年8个年份全国239个地级市的面板数据，在分析确定被解释变量和核心变量的空间分布差异是否存在自相关性的基础上，采用空间计量模型来研究去工业化对工业生产效率的影响。首先设定标准回归模型如下：

其中，被解释变量LnIPEij表示地区j在i年的工业生产效率。核心解释变量LnDIjt表示由两部分度量的地区j去工业化程度，其中t=1,2。X表示控制变量集合，即工业资本投入、人力资本水平、市场潜力、外商直接投资和基础设施水平。ε表示随机扰动项。

表1 变量说明

表2 变量描述性统计

四、模型实证分析

（一）空间自相关分析

首先计算我国239 个地级城市2010—2017 年工业效率和去工业化程度的Moran's I指数值，并检验其显著性水平，从而分析相关指标是否具有空间分布的差异性。计算结果如表3所示。

由表3可以看出，每年度的地区市场潜力和去工业化程度的Moran's I值均大于零，除了2017年的去工业化程度（lnDI1）外，均通过1%和5%的显著性检验，表明存在明显的空间自相关性。进一步分析莫兰散点图（Moran's plot）（图1）。

莫兰散点图中第I 象限为高高（H-H）集聚，表明存在空间正相关关系；第III 象限为低低（LL）集聚，表明存在空间负相关关系。限于篇幅，从左上到右下分别列出2014—2017 四年间被解释变量的莫兰散点图，从中可以看出分布集中于I、III 象限，表明我国地级市之间的工业生产效率在空间上存在正相关关系，因此标准回归方法所得结果不能够准确描述变量之间的关系，有必要引入空间计量模型。

（二）空间回归分析

首先对模型回归的固定效应和随机效应进行选择。对空间面板回归模型进行Hausman检验，检验结果卡方值为917.25，并在1%的水平上高度显著，因此采用固定效应对模型进行分析，具体回归结果如表4所示。

表3 空间自相关检验结果

图1

由分析结果可以看出，空间固定、时间固定和双固定效应下的Log-L值均大于OLS，三种固定效应下的LM 检验值（LM test） 和RLM 检验值（Robust LM test）均表现出明显的显著性，表明固定效应下SLM 和SEM 模型都能够较为准确的进行估计，此时包含解释变量和被解释变量的双重滞后项的SDM模型更具有适应性[42]，因此本文采用固定效应下的SDM 模型进行进一步分析，模型表达式调整为：

表4 空间回归结果

其中ρ为被解释变量的空间滞后项系数，W为空间权重矩阵。

对固定效应下的SDM 模型进行分解，分解出的空间固定效应、时间固定效应和双固定效应如表5所示。

表5 固定效应SDM回归结果

根据表5可以看出，SDM模型分析下的结果更加理想，参数的显著性水平，以及模型三种效应下的R2和Log-L 值都高于非空间面板模型。在对SDM 模型分解效应分析中，空间固性效应下模型的Log-L值与R2值均大于时间固定效应和双固定效应，并且LR检验和Wald检验均高度显著，模型拟合程度最好，因此本文采用空间固定效应下的SDM模型。

空间回归结果中，去工业化变量DI1和DI2的系数分别为-2.202 和4.235，表明产值衡量的去工业化和就业衡量的去工业化在对工业效率的作用方向上相反，即工业产值和就业比重每下降一个百分点，工业生产效率就会下降和上升2.2 和4.2 个百分点。产值去工业化和工业生产效率之间具有显著的负向关系，去工业化通过削弱制造业对服务业的有效需求从而对生产性服务业效率的提升产生不利影响，其作用途径主要为：在发展水平尚未达到一定水平时，靠提升服务业占比的去工业化会导致服务业整体工资水平的提升，从而加大了服务业的劳动要素升本压力以及受国外相关产业的替代风险。除此之外，不考虑发展阶段和制造业需求水平的去工业化会带来要素市场扭曲，以及服务业过度膨胀的“泡沫化”发展。而作为目前服务业重要组成部分的生产性服务业与制造业具有紧密联系，去工业化则会通过生产性服务业的作用反过来对工业生产效率造成影响，在进一步加剧工业产值下滑的同时，也使得经济资源从生产率较高的制造业流向生产率相对较低的服务业，大量无力进行技术升级的中小企业破产或者撤资，对已经形成的完整产业链和工业市场竞争带来不利影响，从而降低了工业生产的整体效率水平；而就业衡量的去工业化则有利于工业效率的提升，具体体现在就业去工业化本质上伴随着劳动力在产业结构之间的流动，在目前我国城镇化的快速推进以及人口红利逐渐消失的背景下，制造业作为吸纳廉价劳动力就业的主要部门，其要素成本逐渐提升。牛津经济研究院的研究结果表明我国制造业用工成本已经显著高于日本、印度等地区，接近美国，因此用工成本的上升使得工业企业尤其是中小型企业面临日益增加的成本压力，在制造业附加值逐渐下降的情况下不断挤压利润空间，而工业就业向服务业的转移有利于使工业企业缓解成本压力，把更多的资金投入现代化升级等生产方面。另一方面，以国有企业为代表的我国规模以上工业一直以来存在明显的人员臃肿，隐性失业严重的现象，在我国经济进入新常态以来，随着制造业单位通过裁员和减少招工等方式“轻装上阵”，以及“机器换人”为代表的工业企业资本深化，都在一定程度上促进了工业生产效率的提升。这种现象的出现同样表明我国工业目前依旧处于大而不强，劳动力过于密集而质量有待于提高的阶段，在这一层面上，工业就业比重的下降对于效率提升有一定的促进作用。

控制变量中工业资本存量具有显著正效应，说明工业投资以及规模的增加能够提升工业效率，工业资本存量通过为技术升级提供资金保障来促进制造业整体效率的提升，与目前已有研究结论相符[43]；人力资本质量直接决定工业从业者技术水平以及管理能力，通过生产率的变化作用于工业生产效率，其系数为0.142，表明整体受教育水平的提升能够提升工业效率，传统劳动力密集型为主的工业化亟需向技术化创新化转型，因此仍需要加大教育质量，提高人力资本水平；市场潜力度量了地区区位优势，通过形成规模经济的集聚外部性促进产业发展，系数为1.18，表明市场潜力的提升促进工业效率的提高；外商直接投资系数为0.167，表明目前对于外资的引入依然能够提升我国工业生产效率，在工业技术升级和发展制造业核心竞争力的背景下，工业效率的提升依旧需要外资的充分利用和良好的外部环境；以交通为衡量的基础设施建设能够增加工业活动便利性，降低运输成本，但是基础设施在交通上会表现出重复建设等供给过度的问题，回归结果中人均城市道路面积衡量的城市基础设施水平对工业效率系数为-0.061，表明目前交通基础设施状况在满足工业生产基本需求的同时出现一定的重复建设情况，与地方政府对于城市道路交通的基础设施建设汇总长期固定资产投资有关，在此背景下增加城市道路供给已经不能提升工业生产效率，过度增加反而会导致效率下降。

在空间固定效应的基础上进一步对SDM 模型进行效应分解，如表6所示。

从效应分解可以看出产值去工业化对工业效率的直接效应和间接效应均为负并且高度显著，说明不仅本地区产值去工业化导致效率下降，相邻地区的产值去工业化也会对本地工业效率带来显著的负效应。主要因为工业产业链上下游在地区之间联系较为紧密，工业部门产值下降会通过地区之间的扩散效应对相邻地区的要素成本造成明显的影响；就业去工业化直接效应显著为正但是间接效应的正向作用并不十分显著，这是因为就业人口流动的制约因素更多，劳动力在产业之间的转移依旧倾向于本地化，因此对于相邻地区影响的显著性水平有所下降。

五、结论与政策建议

目前我国工业生产效率和去工业化现象均存在显著的空间自相关性，通过SDM 模型可以对其在空间效应下的影响进行更为准确的估计。分析表明，反映在产值和就业两方面的去工业化对于工业效率提升的作用方向相反，具体表现为产值去工业化造成效率下降，而工业部门的就业流出则会提升生产效率，并且产值去工业化所造成的影响在空间上的外溢作用更加明显。因此，目前我国的去工业化趋势中工业就业的去工业化对生产效率所造成的影响“掩盖”了产值去工业化的负面作用，并且产值去工业化的负面作用会明显地扩散至周边区域。考虑到我国目前所经历的发展阶段和工业产业的发展背景，本文提出如下政策建议：

第一，同时做好稳定工业产能和提升工业就业质量。单纯靠缩减工业产能来提升服务业占比的去工业化行为不仅会造成我国工业产品供给不足，同时会阻碍效率的提升。因此下阶段应在发展第三产业的基础上稳定工业产能比重，防止其过快下降；同时要提升工业就业人员整体质量，从利用规模化廉价劳动力向集约化的高质量人力资本发展，化解低质量的工业就业。第二，多措并举提升工业生产效率。目前特殊的发展环境下工业生产效率的提升是多方面因素共同作用的结果，尽管总体来看去工业化能在一定程度上提升工业生产效率，但是产值降低不仅会使现阶段工业对经济带动能力减弱，并且会对生产性服务业造成不利影响。因此，工业生产效率的提升不应建立在过早去工业化的基础之上，而应从多种渠道提升工业生产效率，防止去工业化现象的不利影响。第三，增加地区工业多样化渠道，提升抗风险能力。由于我国地区之间工业发展联系日益紧密，地区去工业化等现象常常会通过产业链条等在空间上向外传递，其中也包含负面效应。因此，地区工业化亟需拓宽多样化的发展渠道，在与周边地区加深合作的同时提升自身抗风险能力。

表6 空间固定效应SDM分解