中国经济结构调整轨迹研究

严明义，唐文强

（西安交通大学 经济与金融学院，陕西 西安710061）

一、引 言

按照Chenery和Strout的定义，经济结构调整轨迹可以表现为从初级农业生产到制造业，最后提升为服务业占主导的过程，这被视为经济发展过程的基本表现之一［1］。与此同时，产业结构升级一定伴随着资本和劳动力比例的上升、进出口构成的变化。库兹涅茨通过对多个国家的消费、生产和贸易构成等方面资料的归纳，发现多国经济发展模式的差异在经济构成的多个方面都有体现①① 库兹涅茨的这些观点来自于1956－1967年在“Economic Development and Cultural Change”中发表的一系列文章，这里的引用是转自钱纳里《发展的格局》一书。［2］4－5。在《发展的格局》一书中，钱纳里进一步阐述了“结构主义”的两个基本点：第一，探讨以需求、贸易、生产、就业为核心的全面结构转变过程；第二，描述该过程中各主要部分的关联。Taylor建立了结构主义宏观模型，试图解释嵌入宏观理论中的制度结构及其内在因果关系［3］4。

不少研究延续了分析经济增长过程中结构调整方式和结构关联表现的思路，如Anand和Kanbur分析了经济发展中收入结构不平等问题，李小平和卢现祥研究了产业结构调整是否会产生“结构红利”，林毅夫等探讨了既定产业结构下的最优金融结构问题，Song等解释了金融条件不完善情况下中国出现巨额外汇储备现象的原因［4－7］。

在各种结构关联的综合作用下，是什么主导了经济结构的调整节奏，进而引起结构调整轨迹的改变呢？与库兹涅茨总结的发达国家遵从一致调整轨迹的规律不同，Bah指出发展中国家具有独特的结构调整路径［8］；Gürbüz对比了部分新兴工业化国家的结构调整轨迹，发现后工业化时期经济结构调整的方向对于经济是否能够实现跨越式增长更为关键，拉美国家在工业化水平不足的情况下过早地推动了第三产业化进程［9］。针对不同时期各国在实现其经济增长时所受的“约束条件”，Hausmann等指出解决结构约束的改革政策需要考虑次序［10］。本文尝试解释这个问题，判断中国经济结构的调整轨迹是否符合结构调整的一般规律以及各阶段主导节奏，并讨论经济“新常态”对调结构的要求如何满足当前发展需要。在理论基础上，本文依据国民核算账户体系（System of National Account，SNA）构建了包含产业、投资消费、金融、区域经济和国际收支五个结构层次的指标体系。在实证方法上，本文参考了Bah和Gürbüz的做法，采用神经网络法中自组织特征映射算法（Self－Organizing Feature Map，SOFM）对中国经济结构的多维数据进行聚类分析。这个算法利用模式竞争的方式来决定输入信息的主导模式，适合于识别多重结构关联作用下的主导方向，可用来描绘经济结构调整的演化轨迹。

二、指标选择、数据处理与实证方法

（一）指标选择和数据处理

当前，经济结构的研究内容已经超出了库兹涅茨和钱纳里等人涵盖的范畴，但缺乏一个合理和规范的结构指标体系。本文参照项俊波的做法，参考SNA体系划分的国内生产总值账户、投入产出账户、资金流量账户、国际收支账户和资产负债账户，根据这五大账户所记录的情况将经济结构区分成产业结构、投资消费结构、金融结构、区域经济结构和国际收支结构五个层次［11］。各个层次中具体指标主要依据指标本身是否具有代表性、独立性、国际可比性、可获得性和数据可信度等标准进行筛选，最后选择了13个符合要求的指标，具体见表1。这个指标体系较Gürbüz所选指标更为全面，更能体现发展中国家的经济结构特征。

表1 经济结构指标选择表

上述指标的计算与说明如下（其中国内生产总值单位为亿元，按当年价格计算）：

第一产业比较劳动生产率：第一产业产值比重／农村人口占比。

单位GDP能耗比：能源消费总量／国内生产总值，能源消耗量单位为万吨标准煤。

第三产业产值比重：第三产业产值／国内生产总值（支出法）。

消费率：最终消费支出／国内生产总值（支出法）。

投资率：资本形成总额／国内生产总值（支出法）。

增量资本产出率：全社会固定资产投资额／GDP增加值。

直接融资比重：（企业债券＋境内股票筹资）／固定资产投资［12］。

M2／GDP：M2／国内生产总值（支出法）。

股票流通市值／GDP：股票流通市值／国内生产总值。中国于2005年启动股权分置改革，解决股票流通问题后流通市值在2005年后出现较大提升。

城乡居民人均收入比：城镇居民家庭人均可支配收入／农村居民家庭人均可支配收入。

东、西部人均GDP比：以东、西部各省份年度人均GDP值简单算术平均计算，其中东、中、西部地区的划分按照国家发改委的解释，是一种政策划分并非地理概念。东部地区包括11个省级行政区，即北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；中部地区包括8个省级行政区，即黑龙江、吉林、山西、安徽、江西、河南、湖北、湖南；西部地区包括12个省级行政区，即四川、重庆、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古。

经常项目差额占GDP比重：经常项目差额单位为亿美元，以人民币兑美元年平均名义汇率折算为亿元人民币。

外汇储备余额占M2比重：外汇储备余额／M2。

本文数据全部来源于《中国经济统计年鉴》，时间跨度为1979—2012年。为了消除各维度数据数量级的差别所造成的误差，所有数据都进行了归一化处理，采用的是最大最小法，形式如下：

式中xk为数据序列，k为指标数，xmin为序列最小值，xmax为最大值。

（二）实证方法

经济结构具有多维联系、局部维度差别化转换和阶段性等特征，通常其调整过程会表现出非线性，不同时期调整轨迹会有不同的走向。因此，实证方法的选择主要是为了实现对多维数据变化主导模式的识别，通过降维聚类处理展现出不同时间段、不同数据间的关联关系，借此反映经济结构调整轨迹的变化过程。

目前，针对高维数据较为常见的降维方法包括主成分分析、神经网络和多维缩放等［13］。从方法特征和实证目的结合来看，主成分分析将原始数据沿k个特征向量进行投影不能满足阶段性划分需求，多维缩放没有明确降低到多少维最为合适，这就无法解释各结构层次间关联关系的变化。Kohonen自组织特征映射“无监督学习”中也没有具体的降维准则，但其“近兴奋远抑制”以及自组织学习的性质能够识别多重结构关联在不同阶段的主导方式，同时还可以保持多维指标间的拓扑性，并用来解释变量间的非线性关系。鉴于此，本文选择SOFM方法对结构数据进行处理，根据变化程度将多维数据进行聚类分析。

本文在Matlab环境下对模型进行编程计算，计算过程如下：

1．网络初始化：设定参数

1）输入向量，x代表结构数据，k为数据维数，输出层权向量为，其中j＝1，2，．．．，l，l为输出神经元个数，可直接随机选取样本以提高训练效率并避免训练盲区。

2）邻域函数形式为：

其中i为最优匹配神经元，j代表邻近神经元；，ri和rj代表神经元i和j在二维输出层的位置；σ（n）为函数的有效宽度，n随学习时间逐步衰减。

σ（n）的指数形式为：

其中σ0为σ（n）的初始值，τ1为指数衰减常数。

3）学习率设为η（n），按下式计算：

其中η0为初始值，τ2为指数衰减常数。

2．竞争过程：寻找获胜神经元

按照最小欧式距离原则选择输入向量x的最佳匹配神经元i，计算公式如下：

3．合作过程：邻域权值调整

按hebb学习法则实现“近兴奋远抑制”效果需要添加“遗忘项”，以防止权值wj单向变化，权重调整公式为：

4．迭代：形成稳定的特征映射

若已形成稳定的特征映射则结束，没有则令n＝n＋1返回竞争过程。

考虑到学习率、邻域函数中参数设定对学习效果的影响，Kohonen给出了参数参考值，η0＝0．1，σ0取神经元网格的半径，τ1＝1 000／logσ0，τ2＝1 000。

三、实证结果

（一）参数设定

基于Matlab编程需要，按照数据情况和分析目的对模型参数进行设定，具体如下：

本文指标数量共13个，所以模型中k取13；输出层按照3×3设置节点数，输出神经元数l为9，这样设定一方面是考虑到数据聚类后会有所降低，另一方面为了防止设定过多节点数会导致部分节点得不到训练，从模型设计角度来看训练效率较低；为了保证迭代结果稳健性，训练次数n设为10 000。

（二）计算结果

按照神经网络模型计算结果（见图1），共得到8个有效节点，按照时间顺序被划分为8个组别，在图中以各层的标点表示，标点的走势反映了经济结构调整轨迹。

图1 分类结果图

本文结果同项俊波测算的1992—2007年结构失衡指数的走势是一致的，差别在于其并未对各结构层次的重要性进行区分，仅采用简单算术平均法对评分进行计算。本文使用的SOFM方法同时给出了各节点指标的权向量，这样能够观察到结构轨迹发生调整时哪些指标起主导作用，具体见表2。

表2 各组别指标权向量wj表

一般来说，形成稳定特征映射的权向量会收敛到各组别输入数据的平均值，同时又会兼顾各组别的侧向链接关系，这样就能比较出结构调整过程中各阶段主导节奏的变化。这里输入的数据是经过归一化处理的无量纲数据，表3给出了各个组别结构数据的原始均值，于是对不同的时间范围可以比较组间差异情况。

表3 各组别指标均值特征表

四、中国经济结构的调整轨迹

（一）组间特征

在样本期内，多数指标权值都呈现增长或者下降态势，这种变化趋势不都是线性的，如单位GDP能耗比在前三组快速下降，后三组则保持了稳定状态。同样还有如外汇储备余额／M2，经历了类似台阶式跳跃走势。与其他指标的极值不同，东、西部人均GDP之比的权值最大值出现在组5，走势呈现倒U型。

各组的时间范围略有不同，组1和组2时间最长，分别有6和7年，组3时间只有2年，其余组别大都是3～5年。持续时间长的小组，意味着经济发展的同时经济结构在整体上没有发生太大的变化，这样才使得该组涵盖的时间范围较长。组3仅有2年，其与前后的组别在较多的指标上存在差异，使其独立出来自成一组。这类组别通常具有过渡性质，表明经济结构轨迹调整节奏出现变化。

组1和组7是反差最大的两组，包含了几乎全部的权向量极值，结构权向量的变化是全面而显著的，印证了钱纳里总结的经济发展就是结构调整的过程。组1和组2的差别最小，只在产业结构指标上有明显差别，证明了产业结构调整是经济发展的最基本表现。组4和组5也具有相似性，产业结构权向量保持不变，其他结构指标差异化调整决定了调整节奏，这符合“结构主义”对结构调整时全面结构转变过程的论述。同时，多层次结构交替调整使得结构关联变得复杂，局部维度差异化调整是一个典型表现。组6和组8也有类似的情况，在产业结构和国际收支结构维持稳定的情况下其他结构指标权值出现了微调。不同的是，组6和组8并非临近小组，位于中间的组7权向量与前后相比有显著差异，这点同组3的特征类似，但组7反映的不是过渡性而是一种“瓶颈”。

（二）调整轨迹

中国结构调整轨迹的起点具有一般发展中国家特征，首先都是具有较高的农业占比，然后在城市化的带动下出现产业结构调整。中国80年代正是城镇化发展的开始，农村富余劳动力转移，城乡工农商业联合发展，著名的温州“以商带工”、苏南“以工建农”等模式的出现是这个时期的标志。

组2相比组1只有产业结构的权向量发生了明显的变化，这反映了结构调整最基本的过程，即产业结构升级，图1中结构轨迹发生了第一次调整。按照库兹涅茨的观点，“产业结构升级一定伴随着资本和劳动力比例的上升、进出口构成的变化”，在组3中可以看到指标权向量普遍调整，使得图1中结构轨迹跳升，但组3持续时间较短，具有明显的过渡性质。

组4权向量调整情况较为复杂，产业结构、区域经济和国际收支结构的权值都出现了回调，另外两个层次的指标权值变动不一，这和表3中组4结构均值数据的变化反映的情况并不一致，国际收支结构的大幅改善并没有体现在权值变化中。这个“矛盾”是有价值的信息反馈，出口导向形成的初期并未改变经济结构调整的主导模式，因此组4权向量延续了之前组2的势头，轨迹调整方向也保持不变。

亚洲金融危机对投资消费结构造成了冲击，相应的组5结构轨迹也出现了回调。1997年实现“软着陆”后，中国连续几年启动大规模国债投资为主的积极财政政策，货币发行量大幅增加，使得这期间经济平均增速保持了8．2%的较高水平，但结构调整较为缓慢，并没有出现“在增长中调结构”的情况。受亚洲金融危机影响，改革开放后首次出现了通货紧缩的情况。在1998年投资和消费需求的增长双双下降的情况下，生产能力还在以较快的速度增长，使产能过剩问题更为严重，这又反过来进一步导致投资和消费需求更加不振。20世纪90年代，中国寻求在国际市场上释放过剩产能，外资企业的出口占比有了大幅度提高。中国转向两头在外加工贸易为主，越来越呈现“大进大出”的“双高”态势，国内外经济形势好转推动了整体结构的调整过程，这在组5和组6的数据变化中得到了反映。

经济结构调整在组6阶段结束回调，并回到之前的轨迹上来。这期间伴随着经济增速回升，外汇储备大幅增加，超额货币供应推动工业投资规模攀升，产业结构升级步入“工业化”中期。为了缓解贸易顺差带来的人民币升值压力，2005年中国对人民币进行汇率改革，并在此后三年中对出口贸易政策进行了较大幅度调整，出口贸易增长回落的同时出口贸易结构也发生了改变。从组6开始，国际收支结构虽然指标均值受经济危机影响发生了较大波动，但权值保持稳定，反映出外部需求依然具有重要地位。

组7和组8中投资消费结构和金融结构主导了这个时期的调整节奏，这两个结构层次的指标权值先升再回调，同结构调整轨迹一致，但再次与表3均值情况产生“矛盾”。再次面临金融危机的冲击，“保增长”成为主题，政策刺激的作用被视为仅限于经济总量的增加。但是，组8权值变化反映了另一种信息，投资率均值上升而权值下降反映了“去工业化”的特征，同时产业结构升级并未出现“过早”第三产业化的现象，Gürbüz所担心的情况并未出现。发达国家一致的结构调整轨迹反映了工业化程度对发展中国家实现跨越式发展的重要性，这种发展规律对于中国来说值得重视。

除此以外，组8中国际收支结构权值保持稳定肯定了外部需求的重要性，并依然存在发展空间，而刺激内需仅可视为改善结构的方向，并不能作为拉动经济的动力来源。

（三）调整轨迹的阶段划分

上文指出部分组别在表2和表3中的结构指标权值和均值数据出现“冲突”，为了分析其对结构调整轨迹的影响，本文进一步采用系统聚类法将8个组别按照权向量相似程度做进一步划分，结果见图2。

图2 权向量聚类树状图

从模型本身的角度来解释，这种差异源自于SOFM方法中对于侧反馈效应的设定，邻域函数中纳入“近兴奋远抑制”机制，使权向量的调整具有延续性。组4中国际收支构成变化并没有主导该时期结构调整节奏，以致于指标均值大幅增长的作用是有限的，但在组6之后数据冲突不再显著。这种影响也反映在聚类过程中，如图2显示，组4和组5首先合并，之后才同组6和组8聚为一组。组7跳脱时间顺序成为独立的一组，主要因其权向量值相比于组6和组8差异度较大，权向量大部分处于极值状态，对应于这个时期平均12．2%的超高经济增速，这是当时经济增长模式的极端表现，在各个指标权值都无法再延续以往趋势的情况下，经济增速回落是内在需求。以上是从结构权向量极值的角度来说明高速发展不可持续的原因，同时也可以推断，经济政策在延续结构调整轨迹时其刺激效果可以得到强化，但发生较大偏离时刺激效果将受到抑制。

相比组1和组2，第二阶段中组3～8权向量聚类过程复杂。除了产业结构升级贯穿始终，在第二阶段多重主题先后主导结构调整的节奏，“城市化”，“工业化”进程中金融和贸易条件深化不可或缺，区域经济倒U型发展等反映了经济发展的主要规律。中国“西部大开发”战略就是在正视经济发展中出现区域经济不平衡现象之前做出的针对性调整。

两个阶段的开端年份都有一定的历史意义，1979年被视为改革开放元年，1992年为正式确立社会主义市场经济制度年。按照中央政府对经济“新常态”的表述，中国当前正处于“三期叠加”的转型时期，经济发展重心的调整预示着经济结构调整第三阶段的开始。

五、结 论

本文采用自组织特征映射法对中国经济结构调整轨迹问题进行了研究，得到了以下结论：

第一，改革开放后中国经济快速发展的同时伴随着多次经济结构轨迹的调整，这个过程可以划分为两个阶段，单纯的产业结构升级在20世纪90年代后扩展为全面的结构调整，“城市化”、“工业化”进程中伴随着金融和贸易条件深化等反映出中国经济结构调整过程符合一般经济发展规律。

第二，本文对从指标均值特征，或可称为经济形势的角度来判断结构调整的主导节奏提出了质疑，相比之下，指标权值的变化更具有指导意义。表2中指标权值按照变化趋势在2006—2008年已达到极值范围，表明此时经济发展模式对经济拉动存在极限。这个结论同以往研究中对结构失衡情况的判断是一致的，本文通过对调整轨迹进行阶段划分进一步反映了失衡累积的过程。

第三，基于“三期叠加”的判断，在当前发展阶段，中国调控经济增速中枢引起了投资率权值下降，反映出主动“去工业化”的特征，但同时产业结构升级并未出现“过早”第三产业化的现象，这是发展中国家实现跨越式发展的关键，也是中国在处于经济转型期应该注意的地方。同时，出口贸易对经济的拉动作用依然重要并存在发展空间，当前刺激内需的做法难以实现预期效果。针对区域经济会出现不平衡发展的情况，中国在2000年就提出了“西部大开发”战略来改善落后地区的发展条件，这反映了对经济发展基本规律的重视。

经济“新常态”不仅提出要降低经济增速中枢，而且将调整结构列为下个发展阶段的重点内容，但正如钱纳里所言，经济发展模式的转变是全面的结构转变过程，单纯强调产业升级或刺激内需都不足以实现调整结构的目的，新的发展阶段需要在尊重经济发展规律的同时构建新的结构关联关系以满足未来发展需求。

［1］ Chenery H，Strout A．Foreign Assistance and Economic Development［J］．American Economic Review，1966（4）．

［2］ 钱纳里，塞尔昆．发展的格局1950－1970［M］．李小青，等，译．北京：中国财政经济出版社，1989．

［3］ Taylor L．Structuralist Macroeconomics：Applicable Models for the Third World［M］．New York：Basic Books，Inc，1983．

［4］ Anand S，Kanbur S M．The Kuznets Process and the Inequality－Development Relationship［J］．Journal of Development Economics，1993（1）．

［5］ 李小平，卢现祥．中国制造业结构变动和生产率增长［J］．世界经济，2007（5）．

［6］ 林毅夫，孙希芳，姜烨．经济发展中的最优金融结构理论初探［J］．经济研究，2009（8）．

［7］ Song Z，Storesletten K，Zilibotti F．Growing like China［J］．American Economic Review，2011（1）．

［8］ Bah E H．Structural Transformation in Developed and Developing Countries［R］．Working Paper，2007．Carey School of Business，Arizona State University．

［9］ Gürbüz A A．Comparing Trajectories of Structural Change［J］．Cambridge Journal of Economics，2011（6）．

［10］Hausmann R，Rodrik D，Velasco A．Growth Diagnostics［C］∥ Stiglitz J，Serra N．The Washington Consensus Reconsidered：Towards a New Global Governance Oxford：Oxford University Press，2005．

［11］项俊波．中国经济结构失衡的测度与分析［J］．管理世界，2008（9）．

［12］刘伟，王汝芳．中国资本市场效率实证分析——直接融资与间接融资效率比较［J］．金融研究，2006（7）．

［13］贺玲，蔡益朝，杨征．高维数据聚类方法综述［J］．计算机应用研究，2010（1）．