双循环新发展格局下沿边省区经济增长动力转换研究——基于机器学习随机森林算法

敬 莉，杨艳凤

（新疆财经大学经济学院，乌鲁木齐 830012）

自2001 年加入WTO 之后，中国已经发生三次重大经济增长动能转换。第一次是2001 年国内改革动力因为加入WTO 引致外向型经济增长动力变化，从而得到有效补充及相互促进；第二次是全球在2008 年爆发的金融危机之后，中国的基础设施、技术创新和房地产等方面的投资得到大大增强，因危机之后带来了宏大投资和宽松的宏观经济调控政策；第三次是2018 年以来，国际形势不断变化，乃百年未有之大变局，促使中国提出双循环战略，要求加大和畅通国内大循环，相应地改变经济增长动能。不同于依靠国际贸易和国际投资驱动为主的沿海发达地区，沿边省区长期以来依靠国内区际贸易和内源性投资驱动模式推动经济增长。双循环新发展格局要求使占有区位优势的沿边省区面临新的挑战，沿边省区经济增长动力需要做出及时调整，以便实现与全国协同进展、经济社会高质量发展，与其他兄弟区域协调发展。

1 文献综述与理论分析

1.1 以中国经济增长动力为研究视角

经济增长动能转换研究由来已久，起初从经济增长影响因素角度逐渐关注到与影响因素发挥作用有关的机制设计角度。当前研究从广义的经济增长动能产生角度，进行空间区域、产业结构、金融体系、人力资本、基础设施等众多因素的综合研究。刘瑞翔等早年指出中国经济增长主要来源是最终需求的驱动[1]。唐德淼论证了经济持续增长的源动力是产业结构优化升级[2]。高波之后论证新常态下创新是经济增长的第一动力，科技创新是核心[3]。王一鸣再次论证上述学者观点，经济增长新动力不仅包括科技创新、人力资本投入、产业转型升级还应该推进新型城镇化、网络建设和投建全球化生产运营体系[4]。陶长琪等总结了我国不同区域经济增长动力驱动来自要素、制度、技术、创新四个方面[5]。郑江淮等通过构建经济增长动能指数发现，中国经济增长“新动能”已转换在要素、居民、企业等微观主体上[6]。而我国经济增长动力需要向新增长动力塑造，与消费扩大升级与收入结构升级之间形成良性运转机制[7]。结合十四五规划，叶初升论证中国经济发展在当今面临长期性需求约束，需要坚持供给侧改革，保持持续开放[8]。疫情之下，中国经济应制定短中期策略，财政、货币和就业政策联合，消费和投资并行，外贸外资要稳定，培育新兴产业[9]。

1.2 以沿边省区经济增长动力为研究视角

对沿边省区经济增长问题虽有一些探讨，但针对动能转换问题的系统论证的代表性研究较少。姚书杰指出沿边地区保持高经济增长率对沿边经济增长至关重要[10]。孙久文等认为沿边经济发展水平较低、外生性和不确定性显著、经济发展政策和对外贸易机制不够健全、对外贸易口岸管理滞后[11]。霍强实证检验发现产业结构优化、资本积累、劳动力投入促进沿边经济增长，但技术进步和交通基础设施建设对沿边经济增长作用不显著[12]。程名望等认为中国经济增长的贡献率最高是资本，最低是劳动力，欠发达地区更依赖于“汗水”即劳动力和投资[13]。已有学者在沿边省区的研究中论证了劳动力和资本对经济增长的重要性[14]。

综合而言，一是大部分研究集中于识别经济增长主要驱动力，随着时间的推移驱动因素不断变化，方法上偏重于定性研究。二是大部分定量研究集中于增长核算分解法，未详细论证时空差异的影响，缺乏针对性。三是缺乏双循环新发展格局约束下地区经济增长动能源泉的系统综合研究。新发展格局下的经济增长问题已经引起诸多学者关注，徐雪等对此进行了当前最新观点综述，表明我国迈入新发展阶段后，经济增长的不确定性增强[15]，对经济增长动力的深入研究显得更为重要。

1.3 双循环新发展格局相关研究

理论层面的讨论主要围绕着国内国际双循环新发展格局含义的解读，均认为双循环新发展格局重点是以国内大循环为主，内外相均衡，关键是畅通国内经济循环。因此要求积极主动推动供给侧结构改革，强化需求侧管理，才能有效扩大内需，才可以释放新的持久经济增长动能。供给侧结构改革角度看，要侧重内生动力转换，强调形成以国内循环为中心的国内完整的产业链条和国际循环为导向的参与国际分工体系的完整产业链条，为此需要进一步深化供给侧结构性改革，完善供给体系。需求侧管理强调加速内需循环，坚持扩大内需的战略基点，完善内需体系的同时，以进口和出口并重，更多地刺激面向国际市场需求的国内和国外需求。由于经济发展不同阶段强调产业结构、需求结构和技术之间彼此匹配，才可实现经济持续增长和高质量发展，迫切需要在具体实践中不断地识别新的经济增长动能，不断优化经济结构，实现国内循环为主的产业结构平衡性和面向国外循环的产业结构平衡的“双平衡”经济结构，形成强大国内经济发展推动力。

1.4 双循环新发展格局的理论分析

双循环经济发展格局强调经济系统必须是开放的经济体系。国民收入不仅与投资、消费、政府购买和国外净需求等需求侧影响因素有关，更要关注物质和人力资本形成、劳动力资源开发利用、科技创新和技术进步、体制创新和组织管理能力提升、自然资源开发和利用效能、要素的国际流动性等供给侧影响。由于双循环以结构平衡型为主，其包括国内产业链中的完整体系和匹配结构，国外产业链循环中的精准站位与结构匹配要求，因而一个地区形成新发展格局、融入新发展格局的关键在于该地区在国内和国外产业链体系中的参与程度和匹配程度。这种产业结构的匹配需要产业结构的快速变动并和转型能力有关，进而影响产业结构转换的需求、供给、体制、国际贸易和投资等因素，需要识别和判断某个区域在双循环新发展格局的形成能力和现实格局。

按照国民收入决定理论中的传统思维，即三部门经济模型和四部门经济模型的思路，三部门经济模型刻画的是一个完整的国内循环模式，而四部门模型刻画的是一个国内外循环的粗略模式。因为四部门模型虽然考虑到了国内循环和国外循环，但并没有提出产业链匹配和完整性，内外循环经济结构平衡性的精准经济模型。因此本文先按照传统思路讨论我国欠发达区域当前的双循环发展的现实格局，然后按照产业链匹配和完整性程度讨论国际国内双循环新发展格局下欠发达区域经济精准发展的增长动力转换问题。

2 沿边省区双循环现状分析

从上述分析中可以看出，国内消费需求、国内投资需求、技术创新、金融支持、基础设施投资、人力资源等属于国内循环形成的主要考察领域，而对外贸易、外资依存度和对外开放度作为国外循环的主要考察领域，构建出本研究的初步定量模型指标数据。基于以上分析，本文以中国沿边9 个省区（广西壮族自治区、内蒙古自治区、西藏自治区、新疆维吾尔自治区、甘肃省、云南省、黑龙江省、吉林省、辽宁省，以下简称沿边省区）为研究对象，选取2000—2019 年省际面板数据，采用人工智能机器算法，理论分析和实证检验相结合，探究沿边省区经济增长动力。基于分析沿边地区经济增长动力的区域差异、时序变化、识别转换障碍、剖析转换趋势，深入分析20 年经济增长动力演化，为双循环新发展格局下沿边省区经济高质量发展提供一个可参考的科学依据。

研究现状时，把国际贸易总量变化趋势作为外循环的直观数据、GDP 总量作为国内国外总循环的总量考察数据，沿边省区GDP 总和在全国GDP中所占比重的变化作为国内循环依赖度指标，对外贸易总量与沿边省区GDP 的比重作为沿边省区国内和国外循环倾向度量数据，进行现状实证分析。针对以上叙述，沿边省区的对外贸易总额和历年实际GDP 总和占全国比重的计算结果以及指标各自总和趋势如图1。

图1 沿边9 省的对外贸易总额和历年实际GDP 演变图

在选取2000—2019 年沿边9 省的宏观数据与全国比较后，从图1 可以明显看到沿边省区总循环的实际GDP 总额呈现连年上升趋势，在近两年趋平，但实际GDP 总和占全国GDP 总和比重却一直是平稳状态，在2014 之后呈下降走势。说明沿边省区经济体量总体向好，但仍不及全国总体发展速度。对外贸易总量与沿边省区GDP 的比重先上升后下降，波动明显，与实际GDP 总额的持续增长并不同步，进而可得沿边省区的外循环不足以成为经济总量增长的持续动力。外循环方面，沿边进出口贸易总和一直上升，但进出口贸易总和占全国比重一直变化不明显，大致保持在6%～7%左右，说明虽然在国际形势不断变化和中国对外开放力度加大共同作用下，沿边省区进出口贸易总和有所上升，但比重并没有在全国贸易量中提高，可以看出沿边省区在对外贸易方面具有继续提升的潜力。虽然沿边省区对外开放取得了巨大成就，但局限于复杂自然条件、相对落后经济基础、多变地缘政治环境，深化沿边省区的对外开放之路任重道远[16]。

3 实证模型及变量说明

3.1 实证方法原理

普通线性回归模型一般需要设定较多假设，然而实际中通常难以满足，而一般情况下，机器学习并不会假设一个统计参数模型，本质上近似非参数建模，用x 预测y 的监督学习。本文采用随机森林方法进行实证分析，算法由Leo Breiman 提出[17]，是一种强大的非参数统计方法，可以处理多维变量与目标值之间存在的线性及非线性的关系，利用训练数据和训练目标值来拟合模型。避免测度经济增长因素的贡献率时所需要参数设定和变量相关性处理，只对模型参数调整就可调优模型，进而较好地处理模型中回归类问题和分类问题[18]。已有学者采用随机森林研究中国经济增长问题[19]，并且把随机森林应用到经济效应和经济增长路径研究中[20-22]。

随机森林是基于数值排序测算每一个变量对目标值的重要程度（亦称为贡献率），并且把变量本身影响与其他变量交互作用后的综合影响考虑到测算变量贡献率里，本文使用Python 解释器jupyter notebook 实现算法过程。依据以往经验，通常预测性能的回归类问题评价采用均方误差（MSE）和拟合优度（R2）。

MSE 表示预测值和观测值之差平方的期望值，可识别拟合误差的大小，定义用公式（1）表示

R2表示模型的拟合优度，R2值越高表示预测值与观测值越邻近，其定义用以下公式（2）表示：

在上式中，xt表示预测值，yt表示观测值，y¯表示为yt的均值，n 为样本总数，R2越高表明所用方法越契合、准确性越高。

3.2 变量说明与数据来源

主要参考陶克涛等[22]的研究，综合考虑当前沿边省区经济增长的动力源泉，同时结合双循环格局的经济内涵以及西藏数据的可得性，故本文使用沿边各地区的生产总值实际GDP 作为经济增长水平的指标，并从需求、供给、投资和经济外向度视角选择了11 个指标要素进行具体分析（如表1），一并纳入同一框架，分析它们在沿边省区经济增长的历史发展中所发挥的重要性。

表1 变量描述

对外贸易（trade）数据主要采用各地区进出口贸易总额；消费额使用全社会消费品零售总额；资本投入采用全社会固定资产投资额，以上三者分别作为个沿边省区开放程度、消费和投资的指标。外资依存度（finvest）数据主要选择沿边省区实际利用外资额占GDP 比重。对外开放度的衡量，本文选取对外贸易总额占GDP 比重值。产业结构水平度量，本文选择第二产业值/GDP 及第三产业值/GDP 的份额变动值。技术进步主要采用沿边省区专利申请数量进行量化；金融发展水平的分度量本文选取金融机构从业人数与总人口数比重的变化趋势，交通基础设施水平度量选取各沿边省区的铁路里程与等级公路（高速、一级和二级公路）里程之和。劳动力投入度量时选用地区就业人数作为度量数据。

考虑机器学习算法可靠性通常需要大量的样本数支持，因此本文使用时间跨度为2000—2019年省级面板数据，数据来自《中国统计年鉴》、各省统计年鉴以及各省的国民经济和社会发展统计公报，部分人口和就业数据来自《中国人口和就业统计年鉴》《新中国60 年统计资料汇编》，空缺数据通过中经网和各省统计公报补齐。

其涉及价值计算的均以2000 年为基期进行价格修正，其中金融发展水平指标测算中的金融机构从业人数在2000—2002 的数据是金融和保险之和，之后保险归入金融业里，选取数据是金融行业年末从业人数。鉴于沿边省区数据对比的一致性和数据的可获得性，外资依存度中采用实际利用外商直接投资替代一般采用外商直接投资额，且广西、西藏、黑龙江、吉林4 省2019 年实际利用外商直接投资数据缺失，因缺失值较少且缺失值对数据的影响不大，各种缺失处理方式差异不大，故采用指数平滑法补齐，对结果进行预测。

4 模型拟合评价与实证过程

4.1 变量相关关系分析和标准化处理

数据标准化处理后，采用多元统计方法中的主成分分析法对数据进行降维，以便提取更准确的指标贡献率。基于原始数据，使用Spss26 软件，提取变量占比情况，KMO 值大于0.5，巴特利特检验显著小于0.005 符合标准，由碎石图可得前4 个抽取的特征信息占比达到了80%，因此最终确定把数据维度设为4。

表2 特征值大小及特征信息占比

降维处理后的第一个特征值T1和第二特征值占比最高，分别为38%和21%，故采用实际GDP 与两个特征值分别用Spss26 绘制相关图（如图2、图3 所示），进行线性式和多项式两种方式拟合。结果显示，线性拟合和非线性拟合的拟合曲线系数都显著，但下面拟合图可知，三项式的拟合效果优于线性，由此可得，目标值和特征值的关系更倾向非线性，采用具有明显优势的随机森林模型在非线性拟合中更有一定合理性。

图2 实际GDP 和特征值T1 拟合图

图3 实际GDP 和特征值T2 拟合图

4.2 多种方法预测精确度评价

进一步比较几种机器算法的预测效果，选取2018 年9 个省份GDP 数据视为测试数据，其余数据视为训练数据，以此深入比较多种方法的预测效果，选取以下6 种方法对GDP 进行预测，多元线性回归、贝叶斯回归、支持向量机、决策树、多层感知机器回归和随机森林，然后和实际GDP 比较以及通过均方误差（MSE）和拟合优度（R2）两个指标值评价模型预测能力。表3 和图4 雷达图显示具体拟预测结果。

图4 各模型预测值与观测值的比较

表3 6 种方法的预测结果及评价指标（2018）

拟合结果可知，选取的多元线性回归、贝叶斯回归、支持向量机、决策树回归、随机森林和多层感知机器回归6 种人工智能算法进行模型训练，拟合度R2最低是支持向量机，最高是随机森林，总体略好于线性回归假定的多元线性回归和贝叶斯回归，且随机森林的MSE 值明显最小，证实本文选取的实证方法可行，能够取得可靠、理想结果。

4.3 实证过程

随机森林的回归类分析需要通过对参数进行调整来优化模型。选取三个关键参数：弱学习器最大迭代次数（n_estimators）、最小样本数（min_sampleleaf）和最小样本分割（min_samples_split），其他参数为默认值。在实际网格调参过程中选择5 折交叉验证，n_estimators 从2 到200 共199 个参数，防止模型过度拟合，n_estimators 在137 后R2达到最大（0.906），最佳n_estimators 为137。调参结果，最佳参数为min_samples_leaf = 2，min_samples_split = 4，此时提取最佳参数R2=0.892，由此获得最优模型。

5 实证结果与说明

图5 n_estimators 参数不断调整值及所对应的R2

不同的计量模型所得结果可能略有差异，本文针对所使用随机森林算法所得结果进行解释和说明，但仍证实以往研究的结论。

5.1 沿边省区经济增长动力全域分析

选取全部数据对模型进行机器学习，可得沿边省区各因素对实际GDP 的贡献率，如表4 所示，从以下三个视角分析。

表4 沿边9 省增长因素贡献率

第一，在内循环涉及的增长因素中，全社会消费品零售总额对GDP 的贡献率高达89.38%，资本投入贡献率占比达2.51%，技术进步、金融发展水平、交通基础设施水平和劳动力这些要素的投入贡献率比较少，总和为2.46%，不及资本投入一项的驱动，说明从要素驱动整体上看，沿边省区消费品零售总额和全社会资本投入在经济发展中的作用都比较高，金融发展水平不足尤为突出。

第二，外循环视角下，进出口对外贸易额贡献率4.48%，加上外资依存度，对外开放度，三者总和占5%左右，国际循环驱动明显不足。

第三，在产业结构水平上，产业结构优化的贡献率非常低，第二产业值占GDP 比重和第三产业值占GDP 比重总和不到0.5%，显然产业结构发展不合理。

不论是消费、投资、出口、外资引进还是交通或劳动力供给都对经济增长有正向促进作用。相比而言，实际利用外资方面和技术进步对沿边省区经济发展的贡献率偏低，尤其对劳动力、产业结构水平、金融发展水平和交通基础设施水平依赖性更低，沿边省区经济要发展就必须有条件、有计划地去优化和提升这些相关要素[23]。总体而言，在沿边省区经济增长中，外循环对经济增长的贡献率不高，国内循环具有优势地位。

5.2 沿边省区经济增长动力分析：分省比较

沿边经济增长影响要素的历史演进分析，从区域视角横向对比地区差异。按照地区，对整体数据循环提取各省份贡献率，实证结果见表5。

表5 分省经济增长因素贡献率

第一，内循环的增长因素中，由技术进步在所选增长因素驱动中贡献率占第一的有新疆、内蒙古、辽宁，而其他6 个省份的技术进步贡献率也占有很高比例，可知技术进步是沿边省区经济增长的重要条件；西藏和吉林的社会商品消费总额对地区经济增长贡献率最高；黑龙江和云南的劳动力投入在过去20 年里对地区经济增长贡献率排第一，人力投入驱动经济发展的作用巨大，但是广西劳动力投入贡献最低；甘肃的经济增长驱动主要是交通设施的建设，其次是资本投入、金融发展水平对外贸易驱动力稍弱。沿边省区的消费、技术和交通基础设施水平在经济增长中的要素贡献率都很稳定，但金融发展水平、劳动力投入、资本投入差异显著。

第二，外循环中，沿边各省区对外贸易差异很大。广西经济增长因素驱动最佳的是外资依存度，其对外贸易总额在9 省中仅次于云南和辽宁，对外贸易有效促进实际外商投资额的利用，促进了本省经济增长；新疆、西藏对外贸易额对经济增长的贡献率表现欠佳；此外，黑龙江和吉林的对外贸易贡献率和对外开放度都低于辽宁。甘肃的进出口贸易总额在2019 年380.40 亿元，不及新疆的四分之一，仅高于西藏地区。

第三，产业结构优化方面，数据显示云南和黑龙江在产业结构水平的合理性上大于沿边其他省区，因此带给经济增长的驱动力比较明显；只有黑龙江和云南的产业结构水平的贡献率可以保持在9%左右。西藏的第二产业和第三产业发展对经济增长驱动差异最大。其余省份的产业结构水平的贡献率整体偏低，大部分不足5%。

5.3 沿边省区经济增长动力转化：时序比较

沿边经济增长动力转化的历史演进分析，纵向对比时序演变，经济增长动能呈现不同程度的调整周期。据此，将2000—2019 年分为四个时间段（2000—2004、2005—2009、2010—2014、2015—2019），对四个时间段数据提取各要素贡献率，实证结果见表6。

表6 沿边省区分时期增长因素贡献率变化

5.3.1 从划分的四个时期比较

其一，沿边省区的经济增长动能起初就是以国内循环为主，随着时间推进，对外贸易贡献率在不断增长，外循环对经济增长的作用增大。但从外资依存度的贡献率看，在2014 年之前外资依存度在不断上升，然而从2014 年之后它又剧烈下滑，说明沿边省区在国内循环中稳定处于优势动能地位。因此，沿边省区应把动能产生基础重点放在国内循环，同时不断强化国内循环的作用；其二，产业结构优化量的贡献率、交通基础设施水平的效应表现不佳，金融发展水平的经济效应不稳定，技术进步的驱动力没有持续性。因此，技术进步、金融发展水平和交通基础设施水平这三点是沿边省区今后要关注的重点。资本投入贡献率初期稳定增长但后期下滑，第三产业发展不稳定，对经济增长动能形成的作用不稳定，某种程度上说明产业结构协调性和协同性不佳，匹配度不高。进一步说明产业结构水平不合理，必须深入进行供给侧结构改革。

5.3.2 从观察年份逐期比较

为了进一步探究沿边各省区历年的经济增长因素贡献率变化，按照年份对整体数据循环提取各年份贡献率，实证结果如表7。

表7 沿边省区增长因素贡献率历史演进

第一，资本贡献率从2013 年之后出现直线下降，其对沿边省区GDP 贡献率由2013 年的22.53%一直下降到2019 年的2.65%，下降幅度较大，现处于20 年以来的最低值；第二，消费主导的特征明显，只有消费额对经济增长的贡献率呈现较为稳定的上升趋势。说明在双循环新发展格局下，基于国内消费市场，扩大内需，也是深化沿边省区需求结构的现实要求；第三，产业结构水平方面，在2009年之前一直是第二产业占GDP 比重对经济增长的要素贡献率大于第三产业占GDP 比重，但2009 年之后，产业结构发生转变，第三产业对沿边经济的拉动作用不断提升，统计数据显示沿边省区虽然经济发展略落后，但第三产业占GDP 比重在不断提高，第三产业总体在2010 年后发展起来，广西、新疆、内蒙古、吉林、辽宁这五省的第三产业均是近几年在总产值上才超越第二产业对GDP 总产值的贡献；第四，外资依赖和对外开放的驱动效应在沿边经济发展中一直显著，然而对经济增长的贡献率并不稳定。

6 结论和建议

6.1 结 论

第一，沿边省区对外贸易总额占全国比重与实际GDP 总和两者并不总是处于同步关系，对外贸易发展不足；双循环下，沿边省区经济发展形势严峻，需要做大内需规模，提高市场供给能力和人们实际收入水平。

第二，分省比较结果表明西藏和吉林的社会商品消费总额对经济增长拉动最大，第三产业水平略低，贡献率不足；新疆和内蒙古实证结果一致，技术进步驱动最佳，要素贡献率最高，工业产值对经济持续增长驱动力差；云南和黑龙江的要素贡献率最高是劳动力投入，最低是对外开放程度；广西的外资依存度对经济增长贡献率最高，劳动力投入驱动最低；辽宁技术进步对经济增长拉动最大，最低是工业产值；甘肃的交通基础设施水平驱动经济增长最明显，最低是对外开放度。

第三，间隔分期结果表明对外贸易、消费额和资本投入都是经济增长的主要来源，而沿边省区劳动力投入始终在经济增长中占比很低，没有发挥应尽的作用，表明经济增长的主要动力来源基本不变，劳动力或是人力资本投入不够。

第四，具体到每一年每一地区经济增长要素贡献率平均值最高的是消费额、技术进步和对外贸易，其次是资本投入，最低是交通运输能力。资本投入的贡献率波动最大，其次是外资依存度和对外贸易总额，说明经济增长的投资和对外贸易受政策和国际冲击比较大。

第五，构建的机器算法指标不够完善，未能全面揭示沿边省区经济增长的所有影响因素，尤其对经济增长动力机制方面研究略显薄弱，需要在未来研究中深入学习并加强。

双循环新发展格局下，由于历史和自身的客观条件限制，沿边省区经济增长动能的转换也面临较多的挑战。主要挑战来自于如何快速实现产业结构优化升级，提升技术进步、金融、基础设施等对经济增长的贡献率，如何提高有效投资，如何提高劳动力资源的充分高效利用，进一步发挥国内循环为主的增长动能作用，对外贸易、外资和开放度提升来实现外循环对国内循环动力的有效促进作用。

6.2 建 议

沿边省区要坚持供给侧结构改革，加快推进产业结构转型升级，以此优化产业结构水平，构筑产业竞争新优势。同时要大力推进科技创新、技术进步和基础设施经济效能的完全释放。沿边省区要完全融入双循环，在新发展格局中实现经济增长动能的关键在于技术创新、金融发展和基础设施对经济增长贡献率的提升。具体建议如下：

第一，鼓励沿边地区多与相邻省份或者内陆区域加强合作与学习，融合发展，真正提升地区在经济高质量发展中长久自我发展、自我革新能力。结合最新国家对沿边地区的发展政策，加强自身技术创新、产业创新，积极培育经济增长点，加大合作开放力度，促进外贸稳中提质。

第二，双循环新发展格局下，结合“十四五”规划建设和“2035 远景规划”目标，应积极做出经济发展规划调整，以内循环为主，积极加大需求侧管理，提高人们实际收入水平，加大刺激消费需求。坚持和加快沿边省区供给侧结构改革，优化产业投资、促进产业结构升级。升级和扩大消费、提高投资有效性、促进金融服务体系合理化、推动服务产业结构优化、加强交通基础设施建设、扩大沿边省区市场适应能力，创造新的经济增长动能基础条件。

第三，加强人才培养，且积极不断引进高素质、高技术人才。人力资本一直是经济增长的重要源动力，对人力资本的投资会大大加强地区经济创新、产业创新、技术创新等能力，然而沿边省区近年来没有充分发挥好这个重要动力源泉。除去投资、消费、出口“三驾马车”的影响外，人力资本的作用在今后双循环下对经济增长的驱动力会逐渐提高，成为双循环下经济增长的重要动力来源。