中国省际经济增长动力评价研究

陈 刚，李 潇

(1.广州市社会科学院 现代产业研究所，广州 510410； 2.中国银河金融控股有限责任公司，北京 100033)

0 引言

党的十九大报告指出，我国经济已由高速增长阶段转向高质量发展阶段，正处在转变发展方式、优化经济结构、转换增长动力的攻关期。“十四五”时期是我国全面建成小康社会、实现第一个百年奋斗目标之后，乘势而上开启全面建设社会主义现代化国家新征程，向第二个百年奋斗目标进军的第一个五年。当前国内发展不平衡不充分、供给侧结构性改革进入深水区、发展短板明显、经济发展新旧动能转换滞后等情况依然存在。我国经济发展仍将面临经济上升动力和下行压力交织、人口红利趋弱、储蓄率和投资率下滑、外贸拉动作用走弱等一系列压力，破解供需失衡、动力转换滞后、产业路径依赖、区域发展失衡等现实难题的任务依然艰巨。面对动能迭代更替的经济规律，正确认识当前阶段经济增长动能结构发展现状，是加速新旧动能转换、推动经济持续增长跃上新台阶的必要前提。

古典经济增长理论、新古典经济增长理论、内生经济增长理论、凯恩斯经济理论等不同经济学派对经济增长问题均进行过系统的论述。通过对已有相关理论梳理，可以将经济增长动力概括为拉动力、推动力、内生动力和阻力4类。(1)需求动力，即拉动力。以凯恩斯经济增长理论为代表，认为经济增长由消费[1-2]、投资[3-4]和净出口[5]“三驾马车”带动。需求结构变动也会对经济增长产生影响，经济进入新常态之后的长期增长趋势主要取决于内需增速的变化，影响需求长期增速的因素既有供给结构问题也有需求结构问题[6]。(2)供给动力，即推动力。以古典经济学派和新古典经济增长理论为代表，认为经济增长来自于由劳动[7]、资本[8]和制度[9]等要素配置带来的结果。在工业化中前期，以劳动密集型产业为主的工业规模化快速扩张是推动经济增长的主要动力。在工业化中后期，资本技术密集型制造业快速发展，推动工业结构调整，实现产业向中高端化发展，成为推动经济增长的主要动力[10]。(3)内生动力。以内生经济增长理论为代表，把知识增长看作是经济长期增长的真正动因，同时把研究与开发(R&D)投入看作知识增长的核心因素。在以R&D为经济增长主要推动力的模型中，知识增长和经济增长与人口规模的关系成为研究中争论的焦点[11]。此外，内生动力还包括人力资本[12-14]、产业结构[15]、经济活力[16]、城镇化[17]等。(4)阻力。当其他经济增长动力因素改善空间较小或者优化成本较高时，降低发展阻力也是加速经济增长的一种途径。因此，阻力也是构成经济增长动力的重要组成部分。虽然学术界对阻力因素尚未进行过系统性概述，但相关研究表明，人口抚养比[18-19]、失业率[20]、通货膨胀[21]、税负[22]等因素均与经济增长存在负相关性，可将它们看作是经济增长的阻力因素。

针对当前中国区域经济发展面临的动力结构转换困境，本研究以中国内地31个省份为对象，构建经济增长动力评价体系，对中国区域经济增长动力进行系统性评价，探讨影响区域经济增长的动力因素，为加快新旧动能转换、加速经济增长提供支撑，对我国早日实现经济高质量发展和共同富裕具有重要的理论与实践意义。

1 研究对象、研究方法与数据来源

1.1 研究对象

以中国内地31个省份为研究样本，分析中国区域经济增长动力结构变化的一般规律和现状特征。本研究侧重于探讨经济平稳状态下各省份经济增长动力系统的变化规律，而非分析突发性事件对地方经济增长动力体系产生的影响。为满足样本地区数据的一致性、可比性和获得性，以及考虑到2020年新冠疫情对中国区域经济发展产生的重大影响，且影响程度因地而异，很难从技术上彻底排除该突发性因素对指标体系的影响，选取2008—2019年时期数据对中国区域经济增长动力发展情况进行分析。

1.2 研究方法

采用熵值法对样本地区经济增长动力水平进行测算[16]。首先，对各个基础指标进行无量纲处理；其次，采用熵值法对无量纲处理后的指标进行赋值测算；最后，根据获取的基础指标权重计算基础指标的得分，各子系统得分为其包含的基础指标得分之和，综合指数为各子系统得分值之和。熵值法主要是利用信息论中的信息熵原理，指标的变异程度越大，其对应的信息熵值就越小，该指标提供的信息量就越大，其权重也越大，反之亦然。熵值法获取的指标权重仅取决于指标的变异程度，能有效规避主观因素影响。在中国区域经济增长动力评价体系中，若某类指标的差异化程度越大，说明该指标对经济增长的影响就越大，应赋予该指标较大权重，反之亦然。

1.3 数据来源

考虑到各省份数据的一致性和可比性，数据主要来源于2009—2020年的《中国统计年鉴》，缺失部分由各省份统计年鉴补充。年鉴中无法获取的数据通过Wind数据库、CEIC经济数据库、北京立言数据库等第三方数据库获取。其他少数年份缺失数据以前后年份值的算术平均值代替，此类数据量非常少，不影响计算结果。

2 经济增长动力结构评价体系

2.1 评价体系构建

基于已有研究，构建包含拉动力、推动力、内生动力和阻力4个子系统27个基础指标的区域经济增长动力结构评价体系(表1)。拉动力方面，用全社会固定资产投资、全社会消费品总额和净出口分别反映投资、消费和贸易的规模，用非房地产投资占比、恩格尔系数和外贸依存度分别反映投资、消费和贸易的质量。推动力方面，用就业规模、资本存量、技术资本投入、有效发明专利、土地资源、能源消费、制度质量以及全要素生产率反映生产要素的投入情况。内生动力方面，用人力资本、R&D人员规模和R&D经费规模反映经济增长的内生要素投入，用非国有固定资产投资表示市场活力，用产业结构合理化指数和产业结构高级化指数反映地区产业结构优势，用人口城镇化率反映地区扩大内需市场的潜力。阻力方面，选取了居民消费价格指数(CPI)、固定资产投资价格指数、工业出厂价格指数(PPI)、城镇失业率、税负和人口抚养比6个基础指标。

表1 中国区域经济增长动力评价体系Tab.1 Evaluation system of dynamic structure of regional economic growth

2.2 指标体系合理化检验：信度分析

利用2008—2019年中国内地31个省份相关数据，选用克朗巴哈α系数法对构建的中国区域经济增长动力评价体系进行信度检验分析[28]。首先，对指标数据进行无量纲化处理，保证其数值介于0～1；其次，利用Stata 14.0对无量纲处理后的指标体系进行信度检验分析。检验结果显示，中国区域经济增长动力评价体系的信度系数和基于标准化项的克朗巴哈α系数分别为0.923 6和0.928 2，均在0.9以上，由此可以认定构建的评价体系的内在信度较好，评价体系具有较高的可靠性，基于此指标体系测算出的结果能够对中国区域经济增长动力变化情况进行很好的解释。

2.3 指标权重测算

考虑到拉动力、推动力、内生动力和阻力系统的基础指标之间存在一定的相关性，若对整个系统进行熵值测算，测算结果可能会存在一定误差。因此，选择对4个子系统分别运用熵值法测算基础指标权重(表1)。值得说明的是，基础指标的属性为“-”表示该指标与经济增长呈负相关性，因此，在运用熵值法进行权重测算前，需要先对此类指标进行逆向处理[29]。

3 经济增长动力测算和分析

3.1 聚类分析

为准确分析各省份经济增长动力的差异性，采用分组形式对样本地区进行比较分析。借助K值系统聚类方法，利用2019年数据对样本地区经济增长动力综合发展情况进行聚类分析，可将31个省份划分为高水平、较高水平、中等水平、较低水平和低水平5个梯队(表2)。

2019年中国内地31个省份经济增长动力综合指数均值为144.28，其中有18个省份属于中等水平及以下梯队，表明中国省际层面经济增长动力整体上存在着一定的失衡性。用指标的标准差与均值之比反映指标的变异系数，可以发现，中国内地31个省份经济增长动力综合指数的变异系数均值远高于分组后每一个梯队的变异系数，因此，可认为各梯队省份的经济增长动力综合发展水平存在显著的差异。

表2 2019年31个省份经济增长动力指数聚类特征Tab.2 Clustering characteristics of economic growth index of 31 provinces in 2019

从子系统得分表现看，4个子系统得分均值由大到小排序依次是阻力、拉动力、内生动力和推动力，其中阻力系统得分均值最高，拉动力系统次之，内生动力系统相对偏低，推动力系统得分最小。4个子系统的得分均值的变异系数由大到小依次为推动力、内生动力、拉动力和阻力，表明各省份在推动力系统得分的差异化程度最高，阻力系统得分的区域差异化程度最低。可见，阻力系统对各省份经济增长的影响相对较小，省际层面经济增长的速度大小仍取决于拉动力、推动力和内生动力，其中以消费、投资和进出口需求端“三驾马车”为主的拉动力仍是各省份经济发展的主要动力，推动力和内生动力对地方经济发展的动力作用仍相对偏弱。

3.2 区域对比

3.2.1第一梯队：高水平区域。包括北京、江苏、浙江、山东和广东5个省份，2019年该梯队经济增长动力综合指数均值为237.26，远高于其他梯队。其中样本地区中综合指数最高的省份是广东，为294.01，是综合指数最低省份西藏的3.52倍。经济增长动力综合指数的变异系数为0.160 0，虽然低于样本地区整体平均水平，但远高于其他梯队，表明该梯队内省份的经济增长动力的差异性程度相对较高。4个子系统得分均值介于55～65，得分分布较为均衡。对比子系统变异系数值大小可以发现，该梯队省份在拉动力方面的差异化程度最大，在内生动力和阻力方面的差异化程度次之，而推动力表现相对均衡。对比其他梯队，推动力和内生动力得分值较高是该梯队经济增长动力综合指数高于其他梯队的主要原因。从基础指标看，技术市场合同成交额和有效发明专利数量两个基础指标是该梯队推动力得分高于其他梯队的主要原因，R&D人员规模和R&D经费规模则是该梯队内生动力得分高于其他梯队的主要因素。

3.2.2第二梯队：较高水平区域。包括河北、上海、安徽、福建、河南、湖北、湖南和四川8个省份，经济增长动力综合指数均值为157.78，与第一梯队存在较大的差距。从变异系数值看，综合指数的变异系数为0.066 3，相对较低，表明该梯队内省份经济增长动力综合指数相对集中。从子系统表现看，拉动力和阻力得分相对较高，两者共占综合指数的62.78%，与第一梯队相比，推动力得分均值不足第一梯队的50%，内生动力得分均值仅为第一梯队的51.63%，推动力和内生动力得分相对偏低是造成该梯队与第一梯队存在较大差距的主要原因。从基础指标看，该梯队省份的技术市场合同成交额、有效发明专利数量、R&D人员规模和R&D经费规模指标得分均值分别为第一梯队的32.3%，26.8%，31.3%和36.8%，表明科技创新领域中的人力、资本等生产要素规模投入较少是造成该梯队与第一梯队产生较大差距的主要原因。从部分省份表现看，净出口规模偏低、技术市场合同成交额不高、R&D人员规模和经费规模相对不足以及城镇人口失业率相对偏高是造成上海、天津等地区经济增长动力不强的主要原因。但该梯队在投资质量、产业结构合理化、居民消费价格指数、固定资产投资价格指数以及税负5个基础指标上整体上优于第一梯队。

3.2.3第三梯队：中等水平区域。包括天津、内蒙古、辽宁、江西、广西、重庆、云南和陕西8个省份，经济增长动力综合指数均值为123.74。从子系统表现看，该梯队阻力得分均值最高，为50.72，拉动力、推动力和内生动力均与第二梯队存在一定差距。从基础指标看，该梯队在投资规模、消费规模、就业规模、技术市场合同成交额、有效发明专利数量、技术市场合同成交额以及有效发明专利数量等方面与第二梯队差距较大。值得注意的是，该梯队在净出口规模、投资质量、贸易质量、产业结构合理化、居民消费价格指数、税负和人口抚养比7个基础指标上整体表现要优于第二梯队。

3.2.4第四梯队：较低水平区域。包括山西、吉林、黑龙江、贵州、甘肃、青海和新疆7个省份，经济增长动力综合指数均值为110.11。从子系统表现看，该梯队阻力得分均值为54.42，约占该梯队综合指数均值的50%，且高于第二和第三梯队的阻力得分均值，表明阻力对该梯队经济增长的阻碍作用相对较小，拉动力、推动力和内生动力是限制该梯队经济增长动力的主要因素。从基础指标看，该梯队的投资规模、消费规模、有效发明专利数量、R&D人员规模和R&D经费规模5个基础指标得分均不到第三梯队的50%，是造成与第三梯队差距较大的主要原因，其中R&D人员规模和R&D经费规模得分仅占第三梯队的39.04%和32.92%。但该梯队在净出口规模、投资质量、消费质量、贸易质量、居民消费价格指数、固定资产投资价格指数、工业出厂价格指数、失业率和人口抚养比9个基础指标方面表现优于第三梯队。

3.2.5第五梯队：低水平区域。包括海南、西藏和宁夏3个省份，该梯队经济增长动力综合指数均值为87.84。从子系统表现看，该梯队内阻力得分均值最高，为48.40，占综合指数的55.1%，推动力与第四梯队差距最大，表明供给端生产要素投入不足是造成该梯队省份综合指数较低的主要原因。从基础指标看，该梯队的投资规模和消费规模不到第四梯队的30%，导致拉动力得分与第四梯队差距较大；推动力系统的6个基础指标得分均值均不足第四梯队的40%，其中技术市场合同成交额得分均值仅为第四梯队的4.5%；R&D人员规模和R&D经费规模得分均值均不足第四梯队的1/4，是造成该梯队内生动力低于第四梯队的主要原因。但该梯队在净出口规模、制度质量、居民消费价格指数和人口抚养比方面表现要优于第四梯队。

综上分析，造成各梯队省份经济增长动力产生较大差异的原因各有不同，但各省份在技术市场合同成交额、有效发明专利数量、R&D人员规模以及R&D经费规模4个指标方面存在较大的差距是造成各梯队经济增长动力出现明显差异的主要原因。可见，各省份在以科技创新为主的创新发展动力方面的较大失衡是31个省份经济增长动力存在差异的主要原因，也是各省份提升经济增长动力的重要方向之一。

3.3 动态变化特征

从时间维度看，2008—2019年中国内地31个省份经济增长动力综合指数整体上呈现出明显的上升态势(图1)。31个省份经济增长动力综合指数均值由2008年的87.23上升到2019年的144.28，增长幅度达到65.40%，年均增速约为6%，其中有15个省份的年增长率超过全国平均水平。但各省份经济增长动力水平增幅存在一定的差异性，其中经济增长动力综合指数提升幅度最大的是广东，增幅达111.26%，高出增幅最小的西藏100.23百分点。此外，江苏、四川、安徽3个省份经济增长动力综合指数的增幅也均在100%以上，西藏、甘肃、辽宁等省份增幅相对较低。

图1 2008年和2019年31个省份经济增长动力综合指数变动情况

从子系统得分情况看，2008—2019年4个子系统得分均呈现出大幅度提升特征，说明2008年全球金融危机以后，随着中国经济转型升级的步伐不断加快，各地经济增长动力水平在不断增强。其中推动力系统得分的提升幅度最高，增幅达142.76%，远高于其他3个子系统，说明供给端生产要素的大幅增加是推动2008年之后各省份经济增长的重要动力，同时也表明我国供给侧结构性改革取得了较大的成效。拉动力增长了76.9%，增长幅度也较为明显，表明国内外市场需求对经济增长的拉动作用在不断增强。内生动力也有较大幅度提升，表明各省份经济发展过程中自身的内生动力逐渐增强。阻力得分的提升则表明限制性要素对中国各省份经济增长的阻碍作用在减弱。

以2008年数据为基础，运用K值系统聚类方法进行聚类分析，将样本地区划分为5个梯队，对比分析2008年和2019年各梯队综合指数均值和省份分布情况(表3)，可以发现各省份经济增长动力水平的差异化程度在增强，省份间的经济增长动力发展水平在分化。除第一梯队内的省份构成没有发生变化外，其他4个梯队的省份构成均有较大变化，经济增长动力在中等及以上水平省份数量占比由2008年的87.1%降至2019年的67.7%，较高水平梯队省份数量减少了6个，而中等及以下水平省份数量增加了6个。此外，各梯队经济增长动力综合指数的平均值的差距在扩大，表明中国区域经济增长动力之间的差异化程度在加剧。

表3 2008年和2019年31个省份经济增长动力综合指数聚类分析结果对比

4 结论及启示

4.1 结论

根据对经济增长影响的传导机制不同，通过学习归纳相关研究，将经济增长动力划分为拉动力、推动力、内生动力和阻力4个系统。其中拉动力系统包括消费、投资、贸易等需求侧要素；推动力系统包括劳动、资本、技术进步、制度、资源等供给侧要素；内生动力系统包括人力资本、物质资本、R&D投入、产业结构、城镇化等内生要素；阻力系统包括人口抚养比、失业率、通货膨胀、税负等抑制性因素。

通过聚类分析，按经济增长动力大小可将中国内地31个省份划分为高水平、较高水平、中等水平、较低水平和低水平5个梯队。各省份经济增长动力综合水平存在较大的差异性，且随着区域经济的不断发展，省际间经济增长动力水平差异化程度在增强。各省份在技术市场合同成交额、有效发明专利数量、R&D人员规模以及R&D经费规模4个指标方面存在较大的差距是造成各梯队经济增长动力出现明显差异的主要原因。

各省份在创新资源禀赋和财政能力方面存在较大差异，造成在科技创新领域、创新人力和创新资本要素投入方面存在较大差距，导致了各地经济增长的推动力和内生动力差异化程度较大。当前，阻力系统对各省份经济增长的影响较小，各省份经济增长的速度仍取决于拉动力、推动力和内生动力系统发展情况。

4.2 启示

本研究构建了中国区域经济增长动力评价体系，分析了中国省际层面经济增长动力的变化规律和发展现状，探讨了中国区域经济增长动力存在差异性的原因，为地方政府优化经济增长动力结构提供了方向。一要认清中国区域经济增长动力水平存在较大差异性的事实，创新驱动方面的巨大差距是造成中国区域经济增长动力存在差异的重要原因，因此，要将科技创新要素置于各地优化经济增长动力结构的重要位置；二要充分考虑优化区域经济增长动力结构的空间差异性和时间变化趋势特征，因地制宜地实施差异化策略，加快新旧动能转换，推动各省份经济快速增长；三要考虑各省份经济增长动力结构实际情况，在强调保持当前优势的前提下，加快补齐短板，最终实现新一轮经济增长。