“去工业化”对中国地区经济增长的影响——基于门槛效应的分析

杜传忠 侯佳妮

(1.南开大学经济与社会发展研究院，天津 300071；2.南开大学经济学院，天津 300071)

一、引言

改革开放40年以来，快速推进的工业化使得中国工业规模已位居全球首位，中国成为目前世界上唯一拥有所有工业门类的国家。近40年世界经济整体呈现出“去工业化”的特征，绝大多数工业化国家的制造业份额呈现快速下降趋势[1]，例如美国制造业比重由1953年的27%下降至2018年的11.26%，日本制造业产值比重从1970年34%降至2018年的20.75%。近年来，随着我国人均收入水平的提高，产业结构正由以工业经济为主导发展为以服务经济为主导，我国也出现了明显的“去工业化”趋势，制造业比重从2006年的峰值32.5%下降至2019年的27.2%，且下降速度远快于同时期美、英等发达国家，这一现象引起了政府部门和学术界对于我国“产业空心化”、“经济服务化”等问题的重视[2-3]。以拉美和非洲国家为代表的一些发展中国家在工业化程度相对不高的情况下进行的“去工业化”导致其陷入“中等收入陷阱”，难以进一步向高收入水平国家迈进[4]。从2008年全球金融危机开始，有关工业尤其是制造业的重要性问题再度引发了学术界和实体经济部门的广泛关注。由此引出本文讨论的问题，“去工业化”究竟会对中国经济增长产生什么影响？其影响机制又是什么？不同工业化阶段下“去工业化”的影响是否具有差异？如果差异存在，那么对于中国这样一个处于转型时期的发展中国家而言，是否存在一个最优的制造业比重区间？对这些问题的回答不仅关乎未来我国制造业发展的战略方向，而且对于我国能否避免落入“中等收入陷阱”、顺利实现产业结构转型升级的现实问题具有重要启示。

传统产业结构理论和发达国家历史经验表明，进入工业化后期阶段，工业比重逐渐下降，服务业逐渐占据主导地位。配第-克拉克定律(Petty-Clark Law)从人均收入水平与各产业劳动力数量的变动角度，对这一趋势作了直观性描述[5-6]。此后，Kuznets(1949)[7]进一步将劳动力结构拓展到产值结构。早期的“去工业化”文献集中于考察发达经济体“去工业化”的经济效应，大部分研究认为“去工业化”会削弱经济增长的潜力并带来负面影响，导致发达国家失业率上升、贫富差距拉大和创新能力下降等问题[8-10]。著名经济学家罗德里克将部分发展中国家在较低的人均收入水平时便开始的制造业比重大幅下降的现象称之为“不成熟的‘去工业化’”[11]，还有部分研究将其定义为“消极的‘去工业化’”[12]或“产业结构早熟”[13]。实证研究方面，多数文献从制造业比重与人均收入关系的角度进行了考察[14-15]，Teimouri和Zietz(2020)[16]采用局部投影法分析了OECD国家的“去工业化”对宏观经济的动态影响，Kollmeyer(2018)[17]的研究发现“去工业化”过程加剧了美国的收入不平等程度。许多国内学者对我国“去工业化”的问题进行了系统分析，重点关注“去工业化”的原因、影响因素以及经济影响等方面[18-20]。这些研究普遍认为我国某些地区已经存在过早“去工业化”的趋势[4,21-22]，应警惕“去工业化”对我国长期经济增长和收入不平等的负面影响[23-24]。

纵观国内外现有文献，对于“去工业化”发生的原因、影响因素以及经济效应等问题都进行了卓有成效的研究，为本文的进一步考察提供了有益借鉴和重要启示。但是以中国各省份为研究样本的实证分析相对较少，且缺乏对于“去工业化”影响经济增长的作用机制的考察，同时现有研究忽略了不同工业化阶段下“去工业化”存在差异化作用的可能性。有鉴于此，本文的边际贡献体现在以下两方面：一是本文系统考察了“去工业化”对地区经济增长的直接效应和间接影响，从技术创新和城镇化两个角度对其内部作用机制进行了深入分析，同时考虑了空间相关性的影响；二是本文进一步探讨了不同工业化阶段下“去工业化”存在的差异化作用，在此基础上对最优制造业区间做出了尝试性探讨。

二、“去工业化”影响地区经济增长的理论分析

(一)“去工业化”对地区经济增长的直接影响

作为一国生产力水平的直接体现，自工业革命以来，制造业对国民经济发展的支撑作用逐渐增强，其产出不仅直接构成经济增长的重要部分，同时也为其他行业发展提供所需的机械设备等工业品，成为经济增长的主引擎。根据配第-克拉克定律，随着人均收入水平的提高，劳动力会逐渐沿着第一产业、第二产业和第三产业的顺序转移，可见工业和制造业在国民经济中的比重下降是符合传统经济学原理和发达国家历史经验的正常现象。但是，单纯以提高第三产业占比为目的、政策性降低制造业比重的“去工业化”，可能导致“产业空心化”现象，损害经济长期发展潜力。不仅如此，在人均收入水平尚未达到“去工业化”的条件时，服务业本身的劳动力素质和基础设施建设并不足以满足基础制造业的产业资本大规模转移的要求，该阶段下盲目“去工业化”可能导致国家面临高端制造业回流到发达国家、低端制造业向更低成本发展中国家转移的“三明治陷阱”[25]。因此，保持制造业固有的竞争优势，对于推动生产率提升具有不可替代的重要作用，盲目“去工业化”则会对经济增长产生严重的消极影响[18]。

(二)“去工业化”对地区经济增长的间接影响

1.技术创新

内生经济增长理论认为，创新是推动技术进步、进而促进长期经济增长的重要源泉，它可以通过创造新的生产方式释放出比原有生产要素更高的生产率增长效应。制造业作为高端要素的承载体，历来是创新最集中、最活跃的领域，也是创新成果最丰富的领域。制造业通过提供先进材料、工具设备、新知识而成为向其他领域传播技术创新的基地和构建全社会技术创新的“产业公地”。制造业本身生产迂回程度较大的特性使其更有利于开发新技术、新产品，实现研发成果的产业化，激发技术创新。此外，当今的技术创新主要是一种需求导向型创新，以工业制造业需求引致下的创新为主。一方面，制造业是对先进技术需求最密集的领域，制造业对新技术的巨大需求形成了未来技术创新的方向；另一方面，随着新一轮科技革命和产业变革加速推进，尤其是新一代信息技术与制造业的深度融合，越来越多的制造企业开始进行数字化转型，海量数据使得生产流程得以优化，对于新技术的创新和扩散也具有一定促进作用。正因为如此，如果没有庞大的制造业为创新知识和先进技术提供市场需求、高端要素和发展平台，技术创新将会受到严重抑制。还需要注意的是，在当前以新一代信息技术为核心的第四次工业革命浪潮中，如果贸然进行去“去工业化”，此类颠覆性技术将成为“无源之水”“无本之木”，不利于国家创新与技术、制度等要素的培育和发展，从根本上损害长期发展潜力[26]。

2.城镇化

城镇化是与工业化紧密相连又相互促进的发展过程，是人口由乡村转移到城市、乡村型生产方式转向城镇型生产方式的综合过程[27]。在工业化初期，工业部门的快速扩张对劳动力产生的巨大需求促使劳动力从收益较低的农业部门流向收益较高的工业部门，促进了人口城镇化进程。制造业集聚又会带动产业链上、下游的生产性服务业发展，有利于地区基础设施和公共服务配套的完善，为城镇进一步发展提供了必要的物质基础和技术支撑[28]。现阶段，我国还存在大量技术水平较低的农村劳动力，规模庞大的劳动密集型制造业对于吸纳这部分劳动力转移就业仍然发挥着不可替代的作用。因此，“去工业化”不仅会导致大量低技术水平劳动力的失业，造成收入差距的扩大，同时还会由于抑制了制造企业集聚而阻碍城乡二元经济结构转化，不利于地区总体经济增速提高。由于目前我国发展不充分、不平衡的问题较为严重，尤其对于中西部地区而言，工业是推进城镇化的重要产业载体，“去工业化”必然会造成当地城镇化进程缺乏工业产业支撑，掣肘地区的经济增长动力，进一步拉大与东部发达省份的经济发展水平差距。

(三)“去工业化”对地区经济增长的空间溢出效应

地理学第一定律表明，地理事物或属性在空间分布上都互为相关，地理距离越近相关程度越高[29]。空间溢出效应是中国地区经济发展不可忽视的重要影响因素[30]，随着交通基础设施的不断完善以及信息通讯水平的提高，地区间的经济联系和产业互动逐渐增多，本地区的经济发展可能受到邻近地区制造业发展的影响。首先，制造业在空间上的集聚形成了对周边城市的需求拉动效应。制造业的生产过程需要大量原材料和中间服务投入，周边城市由于距离较近、运输和物流成本较低而成为企业采购原材料的最优选择，进一步扩大了邻近地区上游企业的市场需求，这种“需求拉动效应”有利于企业产生规模经济和范围经济，进而提高经济增长率。相反，“去工业化”减少制造业对邻近地区上下游关联产业的市场需求，弱化关联企业的规模经济效应，进而阻碍邻近地区经济增长。此外，被动“去工业化”需要吸引大量劳动力进入第三产业，主要途径便是提高服务业生产要素的相对价格[31]，这一做法造成优质生产要素(如人力资本)从邻近地区流入本地服务业，导致邻近地区高端生产资源减少，企业生产效率降低，进而对邻近地区的总体经济增长产生负面空间溢出效应。

三、研究设计

(一)模型设定与变量选取

1.动态空间面板模型

在构建“去工业化”影响地区经济增长的计量模型时，需要注意的是，我国大陆地区有31个省级行政区，地区间经济增长存在空间相关性和空间依赖性，产业结构不仅会对本地区的经济增长存在影响，还可能对邻近地区产生溢出效应[32-33]，意味着“去工业化”不但会对本地区的经济增长产生直接影响，还会对邻近省份经济增长产生间接作用。此外，考虑到经济增长是个连续系统的变化过程，本期的增长水平受到前期积累的影响，因此本文采用动态空间面板模型考察“去工业化”对经济增长的影响。与静态模型相比，动态空间面板模型的优点在于，既考虑到经济增长的动态演进和空间相关性[34]，又能避免其他未被纳入模型的影响因素可能造成的内生性问题[35]，因而动态空间面板模型估计结果更加准确可靠。目前，常用的空间模型主要有空间滞后模型(SLM)、空间误差模型(SEM)和空间杜宾模型(SDM)三种类型，为谨慎起见，本文首先构建同时考虑了经济增长的空间滞后项和滞后解释变量对经济增长影响的动态空间杜宾面板数据模型

(1)

其中，Yit表示i省第t年的经济增长水平，Yit-1为其时间滞后项，DMANit代表核心解释变量“去工业化”程度；τ、ρ分别代表时间滞后系数和空间滞后(自回归)系数；Wij表示N×N维标准化后空间权重矩阵的i行j列元素，用以表征各地区之间空间依赖性；Xit代表一系列控制变量；αi和vt分别表示地区效应和时间效应，uit为模型的残差项；β、δ和θ为待估参数，若τ=0，则可简化为静态空间面板模型；若θ=0，则该空间杜宾模型可简化为空间滞后模型，若θ+ρ(δ+β)=0，则该模型可简化为空间误差模型[32]，这一判断结果须通过拉格朗日乘数(LM)及其稳健性检验来确定。

2.空间权重矩阵的选择

在空间计量模型中，空间权重矩阵的选定是关键，现有文献大多从地理距离和经济距离两个角度设置空间权重矩阵。由“地理学第一定律”可知，地区之间的相互影响会随着距离增加而逐渐减弱，非相邻地区也可能存在一定空间相关性，因此本文构建空间地理权重矩阵W1来捕捉地理距离造成的空间相关性，矩阵形式为

(2)

其中d为两省区省会之间的球面距离。然而，考虑到不同省区经济水平存在相关性的客观事实，仅从地理距离考察空间相关性是十分粗糙的[33]，考虑到地区经济发展存在空间依赖性，本文还建立经济距离权重矩阵W2对这一关系进行分析，其元素wij表示的是i省份人均GDP年均值与j省份人均GDP年均值绝对差值的倒数。

3.变量选择

(1)被解释变量

现有文献大多以实际GDP、GDP增长率以及人均GDP作为经济增长水平的衡量指标，由于本文使用的是具有时间序列性质的面板数据，本身暗含了增长率的性质[34]，而且人均GDP可以更好地反映人民生活水平，是高质量发展的具体体现之一，因此本文采用平减后的人均实际GDP来表示经济增长水平。

(2)解释变量

“去工业化”直接表现为制造业比重持续下降[18]，但由于数据可得性的限制，本文使用31个省份的工业比重(MAN)作为制造业比重的替代变量，相应地，本文借鉴王文和孙早(2017)[31]的研究，将“去工业化”程度表示为DMAN=1-MAN。

(3)控制变量

产业结构合理化(ER)。产业结构合理化反映了产业间各部门资源的合理配置以及相互协调程度[37]，常用的衡量指标为泰尔指数[38]。但由于泰尔指数越大，体现产业结构不平衡程度越大，因此本文借鉴于彬彬(2015)[37]的做法，采用泰尔指数的倒数作为产业结构合理化的衡量指标。具体计算公式如下

(3)

其中，TR表示泰尔指数，Y、L、i和N分别代表行业产值、从业人数、产业部门以及行业类型数。

样品配制：0.2 mL臭牡丹粗提物溶液(5.0 mg/mL)与0.2 mL DPPH甲醇溶液(25.0 mg/mL)混合均匀，37 °C下避光孵育30 min，直接进行HPLC-QTOF-MS/MS检测.等体积甲醇替代DPPH自由基溶液作为空白对照组.

固定资产投资率(INV)。固定资产投资是资本积累的重要渠道，而资本积累则是实现经济持续增长的基础，是扩大再生产的前提。本文以固定资产投资占GDP比重作为衡量固定资产投资率的指标来考察固定资产投资对经济增长的影响。

人力资本水平(HC)。人力资本是推动技术进步和创新发展的重要力量，也是吸收先进知识和技术信息的载体，人力资本素质越高，对经济增长的推动作用也越大。本文借鉴姚洋和崔静远(2015)[39]的做法，使用各省劳动力平均受教育年限作为人力资本水平的代理指标。

政府干预程度(GOV)。作为市场经济的重要组成部分，政府是规则的制定者和秩序的维护者，也是产业政策的制定者和实施者，对经济发展的总体方向和未来趋势有着深远影响。但是，实践中政府常常对企业的正常经营活动进行过度干预，导致资源配置扭曲、企业生产效率低下等问题，因此本文将政府干预程度纳入控制变量进行考察，并以政府财政支出占GDP的比重来衡量。

外商直接投资(FDI)。随着地区开放程度的不断提高，外商直接投资的外溢效应逐渐显现，FDI有利于加快国内技术进步，提高生产技术效率，是推动经济增长的重要因素[40]。本文采用外商直接投资额占GDP的比重这一指标来控制外商直接投资对经济增长的影响。

表1所示为变量的符号和具体定义以及空间权重矩阵构建的内容与含义。

表1 变量符号与具体说明

本文使用的数据均来源于2004—2018年的《中国统计年鉴》和各省的统计年鉴，并采用插值法对个别省份缺失的数据进行补充，样本总量为465。为消除价格影响，以货币为单位衡量的指标均以2004年为基期进行平减处理。此外，为了解决由于变量数量级差异造成的模型异方差问题，本文所有变量均取对数。

四、实证结果及分析

(一)空间相关性检验

在进行空间计量模型检验之前，需要确定研究对象间是否具有空间相关关系，普遍的检验方法便是计算全域Moran’s I指数。本文使用地理距离权重矩阵计算我国大陆地区31个省份2004—2018年的经济增长全域Moran’s I指数，结果如表2所示。可以看到，2004—2018年我国大陆地区31个省份经济增长的Moran’s I指数均显著为正，且在0.352～0.485之间波动，意味着我国各省之间经济增长存在显著的空间正相关性，表现出“物以类聚”的类似特征值集聚态势，可见在考察“去工业化”对地区经济增长的影响时进行空间性分析尤为重要。考虑到地区个体差异和时期因素可能产生的估计偏差，本文主要采用时空双向固定效应的动态空间面板模型进行参数估计。同时为了便于对比，本文还展示了面板固定效应模型、动态面板系统GMM模型以及基于两种不同空间权重矩阵条件下的静态空间面板模型和动态空间面板模型的估计结果。

表2 2004—2018年我国大陆地区31个省份经济增长全域Moran’s I指数

(二)动态空间面板模型分析

为检验“去工业化”对地区经济增长带来的影响，同时也为了保证估计结果的有效性，本文首先根据Elhorst(2014)[35]提出的无条件似然函数的极大似然法(ML)对动态空间面板杜宾模型进行估计。通过拉格朗日乘数(LM)误差和滞后及其稳健性检验，可知空间误差模型和空间滞后模型的LM和Robust LM检验均显著，由此判断本文使用空间杜宾模型(SDM)是合理的[41]，估计结果如表3所示。可以看到，一方面，与非空间OLS模型[列(1)]和面板固定效应模型[列(2)]的结果相比，非空间动态面板模型[列(3)]中被解释变量的时间滞后项系数为正，且在1%的水平上显著，说明在考虑“去工业化”对地区经济增长的影响时，对内生性问题的考察是必要的；另一方面，与未考虑空间相关性的动态面板模型[列(3)]相比，使用地理距离矩阵的动态空间面板模型[列(6)]中“去工业化”和人均GDP的空间滞后项系数均显著，意味着考虑空间相关性也是必要的。可见，在考察“去工业化”和地区经济增长的问题时，对内生性和空间相关性的考虑缺一不可。不难发现，所有的模型结果均表明“去工业化”对地区经济增长产生了明显抑制作用，与前文理论分析相吻合。此外，大部分控制变量在列(1)—(7)的结果中系数的方向保持一致，说明内生性问题很可能主要来自本文的核心解释变量——“去工业化”，从而进一步表明考虑内生性问题的必要性。由列(4)—(7)的回归结果可知，使用不同空间权重矩阵的动态空间面板模型中“去工业化”系数的绝对值均显著小于相应的静态空间模型，且动态空间面板模型中人均GDP滞后一期的系数均显著为正，说明除了已纳入模型的控制变量外，还存在其他因素如制度环境、文化传统对地区经济增长产生了明显作用，可见，未考虑时间滞后效应的静态空间面板模型高估了“去工业化”对经济增长的负面影响，因此本文将主要对动态空间面板模型列(6)和列(7)进行分析。

表3 过早“去工业化”对地区经济增长的影响

核心解释变量“去工业化”程度的系数显著为负，表明“去工业化”抑制了我国地区经济增长。制造业作为地区经济发展的基础，是扩大再生产最重要的部门，同时也为经济中其他部门的生产提供资本积累，在现阶段我国人均收入水平不高、服务业存在结构性矛盾的现实条件下贸然降低制造业比重，进行“去工业化”，不仅容易造成短期内大量劳动力失业，还会导致经济增长的长期动力不足。空间相关性方面，由列(6)的结果可知“去工业化”程度的空间滞后项在5%的水平上显著为负，意味着“去工业化”不仅抑制了本地区经济增长，还对地理邻近地区的经济发展水平产生了负向溢出效应。原因可能有两方面，一是地区制造业占比越低，对产业链上、下游产业和部分配套产业需求越小，间接导致邻近地区间上、下游产业难以产生规模经济，不利于邻近地区的长期经济增长；二是地区之间在产业结构高级化方面存在竞争行为，容易引发地方不顾实际情况而一味追求较高第三产业比重的情形，继而导致本地区经济增长动力不足。列(7)的结果显示，在经济距离矩阵条件下，“去工业化”程度的空间滞后项系数不显著，说明“去工业化”并未产生空间溢出作用，可能的原因是，作为产业结构的一部分，制造业主要是通过产业链上下游关联的需求拉动作用对邻近地区配套产业(如生产性服务业)产生需求刺激，推动邻近地区相关产业规模扩大进而对经济产生促进作用，而对于地理距离较远但经济发展水平差距较小的地区，产业关联较小，“去工业化”不会造成明显的产业联动效应，因此经济距离矩阵条件下“去工业化”空间滞后项系数不显著。此外，两种空间权重矩阵条件下的人均GDP空间滞后项系数均显著为正，意味着无论是邻近省域还是经济发展水平相当的省域间，经济增长都存在明显的策略性竞争效应，即地区间的经济增长存在“逐底”竞争策略互动[42]。

(三)稳健性检验

为了保证模型结果的可靠性，本文将从两方面进行稳健性检验：一是替换核心解释变量“去工业化”程度的测算指标，采用DMAN=1-Labor来表示“去工业化”程度，其中Labor代表第二产业就业比重；二是更换空间权重矩阵，采用空间邻接矩阵W3进行空间效应的检验。表4报告了稳健性检验结果，可以看到，“去工业化”的估计系数在两种稳健性检验下均保持为负，且都通过了显著性检验，意味着“去工业化”对地区经济增长的抑制作用是稳健的。同时“去工业化”的时间滞后项和空间滞后项分别显著为正和为负，与表3结果保持一致，表明地区经济增长会受到当地经济基础和邻近省份“去工业化”的显著影响，验证了“去工业化”对地区经济增长的空间溢出负效应。此外，大部分控制变量结果也与表3一致，进一步验证了前文实证结果的稳健性。

表4 稳健性检验结果

(四)作用机制分析

1.技术创新

作为实体经济的支柱，制造业集聚了大量创新要素，是国民经济中创新最活跃的部门，能够通过促进创新活动的发生进而推动地区经济增长，由此可知，在尚未达到工业化后期发展水平的情况下过早地“去工业化”可能导致地区创新活力的降低、创新活动的减少，进而造成经济增长水平的停滞。因此本文将技术创新视为“去工业化”对地区经济增长的影响路径之一，探讨在“去工业化”影响地区经济增长的过程中技术创新所发挥的中介作用。参考温忠麟和叶宝娟(2014)[43]的做法，中介效应模型设定如下

lnMediatingit=α0+α1lnDMANit+δXit+θi+vt+uit

(4)

lnYit=β0+β1lnDMANit+β2lnMediatingit+δXit+θi+vt+uit

(5)

其中，lnMediatingit代表中介变量技术创新，本文以各省专利授权量表示，系数α1则表示“去工业化”对技术创新的影响，按照前文的理论分析，α1预期为负。若α1显著为负，则可将技术创新纳入模型的解释变量中，进一步分析其中介作用，如式(5)所示。若β2显著为正，表明技术创新促进了地区经济增长，即“去工业化”通过影响技术创新进而对地区经济增长产生作用。其他变量含义与式(1)保持一致，回归结果如表5列(1)和列(2)所示。由列(1)可知，“去工业化”的估计系数为-0.480 0，且在5%的水平上显著，说明“去工业化”对技术创新产生了明显不利影响。在此基础上将技术创新纳入解释变量，列(2)结果显示技术创新的系数显著为正，说明技术创新能够促进地区经济增长，同时“去工业化”对地区经济增长的系数仍然保持为负，由此说明技术创新在“去工业化”和地区经济增长的关系中发挥了中介作用，与前文的理论分析吻合。

表5 作用机制检验

2.城镇化

地区制造业集聚能够带动产业链上下游的生产性服务业发展，有利于地区基础设施和公共服务配套的完善，为新型城镇化提供了物质基础和技术条件。新型城镇化不仅推动产业向集约型、创新型发展，还通过“以工补农”效应推动农业生产率提升。由此可见，“去工业化”导致制造业占比降低，必然会对城镇化进程产生影响，进而抑制地区经济增长。因此本文将城镇化视作“去工业化”影响地区经济增长的另一渠道，考察城镇化在“去工业化”和地区经济增长关系中的中介作用。本文以城镇常住人口占该地区常住总人口比重作为城镇化的衡量指标，模型设定与式(4)和式(5)一致，检验结果如表5列(3)、列(4)所示。可以看到，列(3)中“去工业化”的估计系数显著为负，表明“去工业化”对城镇化产生了明显的负面影响。在此基础上将城镇化纳入解释变量，如列(4)结果所示，城镇化对地区经济增长的系数为0.769 6，且在1%的水平上显著，表明城镇化促进了地区经济增长。同时“去工业化”的系数仍然保持显著为负，这意味着城镇化在“去工业化”影响地区经济增长的过程中发挥了中介作用，即“去工业化”阻碍了城镇化进程，进而抑制了地区经济增长。

五、对最优制造业区间的讨论

(一)“去工业化”的非线性影响：基于不同工业化阶段

由前文分析可知，当经济发展到一定阶段，由于生活水平提高，人们对各类消费性服务需求逐渐增多，服务业超过制造业成为国民经济第一大部门。随着具有知识技术密集性和报酬递增性特征的生产性服务业日益发展，服务部门对经济增长的促进作用逐渐增强，此时制造业对经济增长的推动作用相对减弱，但由于服务部门的发展建立在制造业提供的资本积累和各类生产要素积累的基础之上，因此制造业仍然是长期增长的主要动力。可见，不同工业化阶段制造业对经济增长的推动作用呈现一定差异，导致“去工业化”的影响也会随着工业化阶段的不同发生变化，因此有必要探讨不同工业占比区间内“去工业化”对地区经济增长可能存在的非线性影响。本文采用分组回归的方法，以工业占比的30%分位数和60%分位数为依据将所有样本划分为3组，分别考察在不同工业占比区间内的“去工业化”对地区经济增长的影响。由于地理邻近和经济水平邻近地区间的制造业占比可能存在较大差异，难以判别空间溢出效应的来源是“去工业化”还是不同工业化阶段背景，因此本文采用非空间动态面板模型，直接考察不同工业占比阶段下“去工业化”对地区经济增长的异质性影响，检验结果如表6所示。表6列(1)-(3)分别表示低于工业占比30%分位数、30%分位数与60%分位数之间以及高于60%分位数的回归结果。不难发现，三种情形下“去工业化”对地区经济增长均呈现明显抑制作用，与前文结果一致。但由系数大小可知，当工业占比位于[0.351，0.415]区间内时，“去工业化”系数的绝对值最大，其次是工业占比低于0.351的区间，而在工业占比的较高区间内“去工业化”的系数绝对值反而最小。这表明在工业化初级阶段，工业占比较小，此时“去工业化”会对经济增长造成一定负面影响，随着工业化进程的推进，工业占比逐渐增高，“去工业化”的负面影响明显增强，而当工业化推进到一定阶段时，工业占比相对较高，此时“去工业化”的不利影响有所减小。总体而言，“去工业化”对地区经济增长的抑制作用在不同工业化阶段表现出一定差异，随着工业占比的不断提高，“去工业化”的负面效应呈现出先上升后下降的总体趋势。

表6 “去工业化”的非线性影响：不同工业化阶段

这一结论与传统产业结构变迁理论和现实经验基本相符，在工业化初期，大量劳动力涌入第二产业，此时工业部门的扩张对经济增长率的积极作用十分明显。该现象既与制造业部门劳动生产率的增长及其引致的纯生产率效应有关，也与生产要素自低生产率部门向高生产率部门转移而出现的产业转移效应有关[44]。但由于此时工业部门总体发展尚不充分，总体比重仍然较低，工业内部以劳动密集型产业为主，产品质量和附加值相对较低，能够引致其他部门的生产率增长较小，因此这一阶段的推动作用主要以产业转移效应为主。若此时进行“去工业化”，必然抑制工业部门扩张通过产业转移效应对经济增长的推动作用。当工业化进行到一定阶段时，工业尤其是制造业成为国民经济的支柱产业和主要引擎，虽然工业本身产值增长空间有所减小，产业转移效应相应减弱，但制造业内部大量高新技术行业得到了充分发展，能够为其他行业部门提供满足生产需求的原材料和各类要素，进而产生较高水平的引致生产率效应。若此时“去工业化”，不仅损失了作为国民经济增长主引擎的制造业生产率及其产生的产业转移效应，还减少了制造业引致的纯生产率效应。更为严重的是，由于在该阶段服务业尚未得到充分发展，本身生产率较低，农业生产率也处于相对稳定水平，二者难以支撑国民经济增长，因此在该阶段“去工业化”造成的生产率损失远远高于工业占比较低的初级阶段。随着工业占比的进一步提高，制造业的纯生产率效应和产业转移效应被逐渐弱化，总体经济增长率增速放缓，第三产业尤其是生产性服务业效率极大提高，此时“去工业化”虽然仍会对经济增长产生不利影响，但该负面效应会由于第三产业的充分发展而有所减弱。

(二)最优制造业区间：门槛效应检验

1.模型设定与门槛效应检验

(1)动态面板门槛模型设定。前文已经验证了“去工业化”对地区经济增长存在的非线性影响，本文进一步使用Hansen(1999)[45]提出的门槛效应检验方法来进一步详细探讨不同工业占比区间内的工业比重增长对经济增长的推动作用，进而尝试性地提出制造业最优区间。门槛面板回归实质是一个分段函数模型，优点在于能够从数据特征入手来确定门槛值，客观反映不同区间内解释变量的异质性影响[46]。考虑到地区经济增长在时间上具有连续性，因而本文在解释变量中纳入地区经济增长的一阶滞后项，利用动态面板门槛回归模型进行分析[47]。模型具体形式如下

lnYit=α0+α1lnYit-1+β1lnMANitI(lnMANit<γ1)+β2lnMANitI(γ1≤lnMANit<γ2)+…+βNlnMANitI(lnMANit≥γN)+δXit+μi+εit

(6)

其中，lnMANit为门槛变量工业比重，假设存在N个门槛值γ1、γ2、……、γN，进而有N+1个区间，在每个区间内工业比重对经济增长的效应存在一定异质性。I(·)为示性函数，若满足括号内的条件则取值为1，否则取值为0。本文的门槛变量和核心解释变量均为工业比重lnMANit，Xit代表一系列控制变量，α0为截距项，μi为个体效应，εit为随机误差项。

(2)面板门槛效应检验。在进行具体的门槛回归分析之前，有必要对是否存在门槛效应和具体的门槛个数进行检验。首先，进行单一门槛检验，原假设为不存在门槛值，若拒绝原假设则进行双重门槛检验，其原假设为存在一个门槛值，若拒绝原假设则进行三重门槛检验，以此类推。具体检验结果如表7所示。由表7可知，模型通过了单一门槛检验和双重门槛检验，而在三重门槛检验中，F值为5.75，同时其P值为0.613 3，表明不能拒绝模型存在两个门槛值的原假设。因此，检验结果显示样本内存在两个制造业占比的门槛值。

表7 面板门槛效应检验(BS次数为300)

2.门槛回归结果分析

在确定了门槛个数后，便可进行动态面板门槛模型回归。由表8的检验结果可知，门槛效应模型的组内R2等于0.990 6，F值在1%的水平上通过了显著性检验，说明模型设计较为合理。由结果可知，两个门槛值大小分别为-0.993 1和-0.816 6，指数化后为0.370 4和0.441 9，三个区间内工业比重的影响系数分别为0.083、0.052和0.008，但只有在工业比重小于0.370 4和[0.370 4，0.441 9]的区间内才显著，说明工业对经济增长总体呈现促进作用，但越过一定门槛值后，促进作用有所减小，当工业比重超过44.19%时，这种促进作用不再明显。2004—2018年间我国制造业占工业比重的平均值为69.43%(1)经作者计算，2004—2019年中国制造业占工业比重的波动区间为67.97%～70.91%，波动幅度大小为2.94%，平均值为69.43%。，计算可知相应的制造业占比门槛值分别为25.72%和30.68%。具体而言，当制造业比重低于25.72%时，制造业比重每增加1个百分点能促进人均GDP明显增长0.083个百分点，当制造业比重位于[0.257 2, 0.306 8]的区间内时，制造业仍然对于经济增长有显著推动作用。这一结果证明随着工业化程度的加深，制造业对经济增长的提升效应逐渐减弱，甚至越过某一门槛之后，制造业对经济增长不再具有明显推动作用。但由前文分析可知，虽然这一阶段制造业自身占比对经济增长的直接提升效应有所减弱，但其作为其他部门资本积累的来源和物质生产要素的提供者，仍然是国民经济增长的支柱产业。也就是说，这一门槛数值30.68%可以被视为现阶段我国制造业的最优比重。由相关统计数据可知，中国制造业比重由2013年的30.67%降至2019年27.17%，降幅达3.5%，低于制造业的最优比重，即我国制造业整体上还存在一定上升空间。若此时盲目跟风发达国家进行所谓“去工业化”，而不考虑本地区实际经济发展水平和产业阶段，便有可能导致经济增长率大幅下降，造成经济增长长期动力不足，落入“去工业化”陷阱。

表8 单门槛模型估计结果

六、结论与政策建议

本文利用2004—2018年省际面板数据，通过构建解释力更强的动态空间面板模型实证分析了“去工业化”对地区经济增长的直接影响和空间溢出效应，并利用中介效应模型检验了二者关系的作用机制。在此基础上本文对最优制造业区间进行了探讨，首先利用分组回归考察了不同工业化阶段下“去工业化”对地区经济增长的非线性影响，然后采用动态面板门槛检验对制造业占比的门槛值进行了讨论。通过理论分析与实证检验，本文得出了以下四点主要结论：首先，“去工业化”对地区经济增长产生了明显抑制作用，对地理邻近地区的经济增长也具有负向溢出效应；其次，“去工业化”阻碍了地区技术创新和城镇化进程，进而对经济增长产生不利影响；第三，不同工业化阶段下“去工业化”的经济效应有明显差异，随着工业占比的提高，“去工业化”对地区经济增长的抑制作用呈现先上升后下降的趋势；最后，当制造业占比超过30.68%时，制造业对经济增长的直接推动效应不再明显，这一数值可视为全国层面的制造业最优比重。

据此，本文提出以下三方面政策建议：第一，基于本地工业化发展进程保持相应的制造业占比，实现以高质量发展为核心的深度工业化。全国层面上，需要始终重视制造业经济增长发动机的重要地位，把制造业的重要作用贯穿于中国高质量发展阶段的始终。地区层面上，大部分中东部地区已进入工业化后期阶段，制造业比重相对较低，但应达到一定水平。例如，2019年，上海提出要加快构建以现代服务业为主体、战略性新兴产业为引领、先进制造业为支撑的现代产业体系，并明确提出先进制造业比重不能低于25%；深圳市提出工业占GDP比重在2020年应守住34%，制造业占GDP的比重守住31%。而中西部地区目前仍处于工业化中期阶段，制造业的比重理应比东部地区更高些，不能盲目追求较高的第三产业比重。

第二，实行分类指导的差别化工业转型升级战略，缓解“去工业化”带来的空间溢出负效应。一是要纠正现阶段把地区之间服务业占比的高低作为判断地区经济发展水平和所处发展阶段唯一依据的做法，需要将制造业发展质量和发展效益放在核心位置，警惕地区间的“政治锦标赛”趋向；二是改革现有体制下政府对资源的行政性配置，实现要素在公开市场的竞争性配置，扭转地方政府过度干预本地产业发展的状况。

第三，充分重视技术创新和新型城镇化的经济增长效应，尽可能减少“去工业化”对地区创新和城镇化进程的不利影响。技术创新方面，一是采取有利于技术进步、创新发展和经济增长的税收激励政策，鼓励有条件的制造企业与高校和科研机构合作，加强“产学研”结合；二是充分借助新一轮科技革命带来的信息化和智能化机遇，大力发展智能制造和服务型制造，引导地区企业创新商业模式，形成新资源、新技术、新产业、新模式竞相迸发的良好生态。新型城镇化方面，一是创造良好的政策环境，积极引进其他地区先进管理经验，通过利用一系列产业结构升级优惠政策，吸引优质企业入驻当地，提升本地产业竞争力；二是通过提高城市的服务功能，如信息获取、创新创业和金融服务等，来进一步推动当地制造业转型升级，实现产城协同发展。