制造业规模与宏观经济波动

严成樑，李蒙蒙

(中央财经大学 经济学院，北京 100081)

·产业组织·

制造业规模与宏观经济波动

严成樑，李蒙蒙

(中央财经大学 经济学院，北京 100081)

本文基于GGDC产业数据库和PWT宏观数据库提供的跨国数据，选取1976—2010年33个国家和地区的数据，分别用制造业部门增加值占GDP的比重和制造业部门就业占总就业的比重衡量制造业规模，用经济增长率标准差方法和HP滤波方法衡量经济波动，通过面板数据模型考察制造业规模对宏观经济波动的影响。研究发现：制造业部门增加值占GDP的比重和制造业部门就业占总就业的比重与人均实际GDP均呈现倒U型关系，人均实际GDP达到10 000美元时(2005年不变价格)，制造业规模达到极大值。基于总体样本的估计发现，制造业规模的系数显著为负，这说明制造业规模扩张有利于减缓经济波动，实现宏观经济稳定。基于分地区样本的估计发现，制造业规模对经济波动的影响存在地区差异。在高收入国家和地区，制造业规模扩张有利于减缓经济波动；在低收入国家和地区，制造业规模扩张可能会加剧经济波动。

制造业规模；宏观经济波动；人均实际GDP;面板数据模型

一、问题的提出

制造业的发展对于提升一个国家和地区的创新能力、拉动就业和促进经济增长等发挥着至关重要的作用。作为产业链条的重要组成部分，制造业也是农业和服务业发展的支撑条件。很多国家都意识到了发展制造业的重要性，并制定和出台了一系列制造业振兴发展方案。例如，德国提出“工业4.0”的概念，中国出台《中国制造2025》，英国提出《英国工业2050战略》，美国特朗普政府更是想方设法让制造业回流美国，制造业的发展已成为各国提振经济的重要手段。经过三十多年的持续高速增长，中国经济发展已经进入新常态，加快发展制造业对于未来经济长期保持中高速增长和迈向中高端水平具有重要战略意义。随着经济发展阶段的转换，制造业的发展不再单纯是规模扩张，更重要的是制造业质量的内涵式提升，而这与创新驱动密不可分。制造业的发展有利于提升产品的国际竞争力，如中国高铁走出去项目等。当前中国正在加快推进的供给侧结构性改革的一个重要方面是加快发展制造业。根据《中国制造2025》，中国将通过“三步走”来实现制造强国的战略目标：第一步，到2025年迈入制造强国行列；第二步，到2035年中国制造业整体达到世界制造强国阵营中等水平；第三步，到中华人民共和国成立一百年时，综合实力进入世界制造强国前列。加快发展制造业，对于提升供给能力和效率、在更高层次上实现供给与需求的良性互动和均衡发展具有重要意义。

制造业对经济增长的影响是学术界关注的重点。Szirmai[1]认为，相对于农业，制造业更有利于资本积累和产生规模效应，技术进步从制造业部门扩散到其他生产部门。Szirmai和Verspagen[2]研究发现，制造业在发展中国家经济增长过程中发挥着重要作用，在经济增长过程中制造业的作用强于服务业。同时诸多文献从经济结构转变角度分析经济增长，而制造业因其易于产生规模效应和技术创新成为研究经济结构转变的重点[3]。Marconi等[4]通过实证研究发现，制造业部门对经济发展和全要素生产率增长发挥着至关重要的作用，在中等收入国家更是如此。Haraguchi等[5]研究了制造业部门发展对经济增长的作用机制，认为相对于农业部门和服务业部门而言，制造业部门更有利于资本积累、产生规模效应和技术进步，且制造业部门具有更好的联动效应。

近年来，国内大量文献研究制造业的经济效应，这些研究主要考察制造业对中国经济增长的影响，以及制造业部门的资源错配问题。高觉民和李晓慧[6]探讨了生产性服务业与制造业的互动机理，他们认为生产性服务业促进了制造业的发展，制造业也显著促进了生产性服务业的发展。傅元海等[7]研究发现，制造业结构高度化对经济增长效率具有负面作用，制造业结构合理化对经济增长效率具有正面作用。韩国高等[8]对中国制造业部门的产能过剩问题进行测度，认为中国存在7个产能过剩行业，且主要集中在重工业领域。龚关和胡关亮[9]研究发现，若资本和劳动均实现有效配置，1998年中国全要素生产率可提高57.10%；2007年可提高30.10%。杨汝岱[10]研究发现，中国制造业整体全要素生产率的增长率为2%—6%，年均全要素生产率为3.83%，且存在较大波动。杨振和陈甬军[11]基于中国制造业企业的微观数据研究发现，制造业企业内部劳动要素配置存在较大扭曲，劳动要素错配存在恶化趋势，矫正劳动要素扭曲可以带来较大的福利改善。孙元元和张建清[12]认为，中国制造业在省际间的资源配置整体有效但有恶化趋势，其中集约边际下的资源配置效率有所改善，而扩展边际下的资源配置效率逐渐恶化。

如何实现宏观经济稳定是政策制定者和学术界关注的重点。根据凯恩斯的宏观经济理论，需求管理政策是熨平经济波动的重要工具。经济衰退时，可以采取扩展性的财政政策和货币政策，通过乘数效应和利率效应增加就业和收入，抵消负面冲击对经济的影响。当经济过度繁荣时，可以通过紧缩性的财政政策和货币政策降低价格水平，避免经济大起大落。根据真实经济周期理论，技术冲击是导致经济波动的重要原因。根据新凯恩斯动态随机一般均衡理论，货币政策冲击、财政政策冲击和预期等都是导致经济波动的重要原因。近年来，大量实证研究运用现实经济数据分析经济波动的源泉，包括货币政策与经济波动[13]、财政政策与经济波动[14]、制度质量与经济波动[15]、技术水平与经济波动[16]、金融发展与经济波动[17]等。

作为经济的重要组成部分，制造业既是经济波动的原因，也是经济波动的传导渠道。就制造业是经济波动的原因而言，相对于农业和服务业，制造业更有利于资本积累和产生规模效益，并且有着较高的人力资本水平，因而制造业通过吸纳剩余劳动力和吸引人力资本投资等渠道减缓经济波动。制造业发展模式也会影响经济波动，低端制造业短期内可能使得经济繁荣，长期又会导致产能过剩，这会进一步加剧经济波动。高端制造业的发展有利于促进经济转型升级，通过促进经济增长质量提升以及供给与需求相匹配等渠道减缓经济波动。就制造业可能是经济波动的传导渠道而言，在现实经济社会中，技术冲击和产业政策等因素通过影响制造业发展进而影响经济波动，因而制造业规模对经济波动的影响是多维度的。

基于上述分析，本文基于GGDC产业数据库和PWT宏观数据库提供的跨国数据，选取1976—2010年33个国家和地区的数据，通过面板数据模型考察制造业规模对经济波动的影响，并进一步将总体样本划分为高收入样本和低收入样本，研究制造业规模对经济波动影响的地区差异。

二、制造业规模演进特征事实

本文分别用制造业部门增加值占GDP的比重(以下简称“制造业部门增加值占比”)和制造业部门就业占总就业的比重(以下简称“制造业部门就业占比”)衡量制造业规模。*限于篇幅，制造业规模变化的趋势图未在正文列出，留存备索。通过分析1960—2010年美国、英国、日本、韩国、中国和印度等国家制造业部门就业占比可以发现，美国制造业部门就业占比为8.67%—23.75%，英国制造业部门就业占比为10.26%—32.15%，美国和英国制造业部门就业占比均呈现逐渐下降趋势。日本制造业部门就业占比为14.55%—24.61%，韩国制造业部门就业占比为8.29%—28.13%，日本和韩国制造业部门就业占比呈现倒U型关系。中国制造业部门就业占比为5.82%—19.17%，印度制造业部门就业占比为9.03%—12.46%，中国和印度制造业部门就业占比呈现逐渐上升趋势。1960年中国制造业部门就业占比低于大多数国家，2010年中国制造业部门就业占比接近20%，超过多数国家。

从制造业部门增加值占比来看，样本期间，美国制造业部门增加值占比为10.98%—13.31%，基本维持不变；英国制造业部门增加值占比为13.95%—26.48%，呈现逐渐下降趋势。日本制造业部门增加值占比为15.78%—26.21%，韩国制造业部门增加值占比为3.34%—35.24%，中国制造业部门增加值占比为5.59%—36.53%，印度制造业部门增加值占比为11.57%—19.27%。韩国、中国和印度制造业部门增加值占比总体呈现逐渐上升趋势。1960年中国制造业部门增加值占比仅高于韩国，2010年中国制造业部门增加值占比已达到36%，超过多数国家。

综合制造业部门增加值和就业两个维度的数据分析，在制造业部门就业占比不断下降的情况下，美国制造业部门增加值占比基本稳定，说明其制造业对于劳动投入的依赖程度下降，劳动生产率不断提升。与之相似的还有日本，其制造业部门就业占比先上升后下降，但制造业部门增加值占比却呈现不断上升趋势，这说明日本制造业部门的技术水平也较高。与这两个国家不同的是，韩国、中国和印度的制造业规模在两个维度上均呈现扩张趋势，这说明其制造业处在不断发展壮大过程中。英国制造业规模不断下降，这从其制造业部门增加值占比和制造业部门就业占比可以反映出来。

通过分析按可比价格计算的制造业部门人均实际产值(具体用制造业部门增加值除以制造业部门就业衡量)，可以比较样本国家制造业部门生产效率的差异。1975年之前，英国制造业部门人均实际产值最高，1975年之后，美国成为制造业部门人均实际产值的领跑者。总体而言，美国、日本和英国制造业部门人均实际产值最高，属于第一梯队；韩国制造业部门人均实际产值居中，属于第二梯队；中国和印度制造业部门人均实际产值最低，属于第三梯队。以2010年为例，日本制造业部门人均实际产值为137 607美元，美国制造业部门人均实际产值为108 324美元，英国制造业部门人均实际产值为73 387美元，韩国制造业部门人均实际产值为56 542美元，中国制造业部门人均实际产值为11 215美元。

基于GGDC产业数据库和PWT宏观数据库，本文进一步考察制造业规模随人均实际GDP变化的趋势。研究发现，制造业部门增加值占比与人均实际GDP呈现倒U型关系，随着人均实际GDP上升，制造业部门增加值先是不断上升，达到极大值点后，制造业部门增加值占比又开始不断下降。使得制造业部门增加值占比极大化的人均实际GDP门槛值在10 000美元附近。制造业部门就业占比与人均实际GDP呈现倒U型关系。随着人均实际GDP的上升，制造业部门就业占比先是不断上升，超过某一门槛值后，制造业部门就业占比呈现不断下降趋势。使得制造业部门就业占比极大化的人均实际GDP门槛值在10 000美元(2005年不变价格)左右。目前中国人均实际GDP约为8 500美元(2005年不变价格)，可以推测中国制造业部门增加值占比和制造业部门就业占比还有一个上升时期。

三、经验分析

(一)模型设定与数据说明

为考察制造业规模对经济波动的影响，本文构建如下模型：

Volatilityit=α+βManufactureit+ΘXit+εit

(1)

其中，i表示国家，t表示年份。被解释变量Volatilityit表示经济波动，本文以五年作为一个视窗，五年经济增长率标准差表示经济波动(Volatility)。核心解释变量Manufactureit表示制造业规模，分别用制造业部门增加值占比(Vman)和制造业部门就业占比(Eman)衡量。Xit表示影响经济波动的一组向量，根据Ramey和Ramey[18]与卢二坡和曾五一[19]关于经济波动的研究，本文选取人力资本水平(Human)、技术水平(Technique)、政府规模(Gov)、投资率(Invest)和取自然对数的期初人均GDP(lncgdp)。人力资本水平用基于教育年限和教育回报的人均人力资本指数衡量，技术水平用2005年不变价格下的TFP数据衡量，政府规模用当前购买力水平下政府消费份额衡量，投资率用2005年不变价格下投资占GDP的比率衡量，取自然对数的期初人均GDP用每五年期的第一年人均GDP的自然对数值(lncgdp)衡量。值得注意的是，本文的GDP为2005年不变价格下的实际GDP。εit表示随机扰动项。对于所选取时间段内部分缺失数据均通过移动平均法补齐。表1为总体样本国家主要变量的描述性统计。

表1 主要变量的描述性统计

此外，解释变量之间的相关系数均小于0.80，各变量之间不存在严重的共线性问题。*限于篇幅，变量的相关系数不在正文列出，留存备索。

本文关于制造业部门增加值占比和制造业部门就业占比的数据来源于GGDC产业数据库，人力资本水平、技术水平、政府规模、投资率和取自然对数的期初人均GDP数据均来自PWT宏观数据库。本文选取1976—2010年33个国家和地区的面板数据进行分析，具体包括阿根廷、巴西、智利、中国、哥伦比亚、哥斯达黎加、丹麦、西班牙、法国、英国、中国香港、意大利、日本、韩国、墨西哥、马来西亚、荷兰、秘鲁、新加坡、瑞典、泰国、中国台湾、美国、委内瑞拉、南非、玻利维亚、埃及、印度尼西亚、印度、肯尼亚、菲律宾、塞内加尔和坦桑尼亚。

(二)回归结果

静态面板数据分析中用得较多的是固定效应模型和随机效应模型。根据数据性质确定选择固定效应模型还是随机效应模型。若数据是从总体中抽样得到的，则可以使用随机效应模型；若对应总体数据，如中国各个省份的数据，则不存在随机抽样的问题，通常使用固定效应模型。本文数据是国别层面的总体数据，不是抽样数据，为此选择固定效应模型。表2是制造业规模对经济波动影响的回归结果。本文基于33个国家和地区的样本进行分析，同时根据世界银行的划分标准，将总体样本划分为25个高收入国家(地区)和8个低收入国家，进而分析不同发展水平的国家和地区制造业规模对经济波动的影响。

从表2可以看出，对于总体样本而言，制造业部门增加值占比和制造业部门就业占比对应的系数都显著为负，这说明制造业规模扩张有利于抑制经济波动。从高收入样本可以发现，高收入国家和地区制造业规模的系数显著为负，这说明高收入国家和地区制造业规模扩张有利于抑制经济波动。低收入样本制造业规模的系数不显著，这说明低收入国家制造业规模扩张并没有抑制经济波动。从总体样本的回归结果可以看出，人力资本水平和技术水平对经济波动的影响也是显著为负，这说明人力资本水平和技术水平对于抑制经济波动具有重要作用。这可能是因为当人力资本水平和技术水平越高时，其经济体抵御外部冲击的能力越强。投资率对经济波动的影响显著为负，这说明投资率对经济波动有显著抑制作用。政府规模在制造业规模两个维度的回归结果中均表现为正，这说明政府支出占GDP的比重对经济波动有正向影响，但并不显著。这可能是因为政府逆经济周期的调控政策会减缓经济波动，但政府的扭曲性政策又会加剧经济波动，这两种作用可能相互抵消了。期初人均GDP的系数显著为正，这可能是由于经济发展水平越高，经济面临的不确定性越大。因为经济规模越大，外生冲击对经济影响的乘数效应越大，从而加剧经济波动。

表2 制造业规模对经济波动的影响

注：括号中为t值，*、**和***分别代表10%、5%和1%的显著性水平，下同。

(三)稳健性检验

借鉴干春晖等[20]的思路，本文使用HP滤波方法衡量经济波动，最小化如下表达式：

(2)

表3是λ=100时制造业规模对经济波动影响的回归结果。基于总体样本的研究发现，制造业部门增加值占比和制造业部门就业占比的系数均显著为负，这与表2中使用经济增长率标准差方法衡量经济波动的基准回归结果一致，即制造业部门增加值和就业在整个国民经济中所占比重对经济波动有显著抑制作用。高收入样本制造业规模的系数显著为负，这说明高收入国家和地区制造业规模扩张使得经济更加平缓；低收入样本制造业规模的系数显著为正，这说明低收入国家制造业规模扩张加剧了经济波动。

表3 制造业规模对经济波动的影响(λ=100)

表4是λ=400时制造业规模对经济波动影响的回归结果。无论是总体样本，还是高收入样本或低收入样本，制造业规模的系数符号和显著性水平均与表3相同。这里需要说明的是，基准回归结果中低收入样本制造业规模的系数不显著，稳健性检验中其系数显著为正。笔者认为，两种情形下样本量的差异可能是导致低收入样本系数变化较大的原因。本文的样本中有8个低收入国家，基准回归中采用五年经济增长率标准差方法衡量经济波动，因而低收入样本对应7×8=56个样本观测值。稳健性检验中采用HP滤波方法衡量经济波动，每年数据对应一个变量，因而低收入样本对应35×8=280个样本观测值。HP滤波方法样本量更大，得到的结论可能更接近现实。但经济增长率标准差方法和HP滤波方法是估算经济波动最常用的方法。因此，本文分别选用这两种方法衡量经济波动。

表4 制造业规模对经济波动的影响(λ=400)

关于为什么发达国家制造业规模扩大可以熨平经济波动，而发展中国家制造业规模扩大则会加剧经济波动的原因是复杂的，且不同学者关于该问题的认识可能差别较大。笔者认为，主要是制造业发展模式的差异。低收入国家和地区多为横向扩张的低端制造业，主要依赖于大规模的资源投入和劳动投入，技术创新能力弱，处于全球价值链分工的低端；高收入国家和地区集中发展高技术制造业，注重生产效率提升和生产模式创新，其制造业规模扩张向纵深方向发展。此外，高收入国家和地区制造业发展可能更多的是依靠市场的力量，通过市场竞争有利于实现新旧产能自然更替。低收入国家和地区市场制度相对薄弱，制造业规模扩张的原因可能包括发达国家低端产业转移和地方政府投资冲动等，制造业发展中的非市场力量会加剧经济波动。

四、结论性评述

制造业发展在国民经济中具有重要作用，已有研究主要关注制造业对经济增长的作用、制造业发展中的资源错配问题和制造业企业生产效率等。鲜有研究意识到制造业对宏观经济稳定的重要性。本文基于GGDC产业数据库和PWT宏观数据库提供的跨国数据，选取1976—2010年33个国家和地区的数据，分别用制造业部门增加值占比和制造业部门就业占比两个指标衡量制造业规模，用经济增长率标准差方法和HP滤波方法衡量经济波动，通过面板数据模型考察制造业规模对经济波动的影响。研究发现，制造业规模与人均实际GDP呈现倒U型关系，当人均实际GDP达到10 000美元(2005年不变价格)时，制造业部门增加值占比和制造业部门就业占比达到极大值。基于总体样本的估计发现，制造业规模对经济波动有显著抑制作用。基于分地区样本的估计发现，制造业规模对经济波动的影响存在地区差异。具体地，高收入国家和地区制造业规模扩张有利于减缓经济波动，而低收入国家和地区制造业规模扩张对经济波动的影响不显著，甚至可能会加剧经济波动。这可能是因为高收入国家和地区制造业规模扩张是建立在技术水平提升基础上的内涵式发展，而低收入国家和地区制造业规模主要是粗放式的扩张。

制造业内涵式发展是提升中国供给侧质量和效率的重要内容。根据制造业发展的特征事实，中国人均实际GDP低于10 000美元(2005年不变价格)，因而未来一段时期制造业规模会继续呈现扩张趋势。当前中国制造业生产效率低下，制造业部门人均实际产值远远低于发达国家，如何加快发展制造业就成为一个重要问题。同时，当前中国制造业发展也面临各种挑战。例如，欧美等西方发达国家在反思金融危机的教训后，纷纷开始实施“再工业化”“制造业回归”等战略，部分高端制造业出现“逆转移”，给中国相对先进的制造业在技术进步和产品出口等方面带来新的挑战，制造业向价值链高端提升的难度加大[21]。随着中国人口红利的逐渐消失和环境承载能力的下降，制造业企业生产成本不断上升，这也削弱了制造业的国际竞争力。笔者认为，加快中国制造业发展主要依赖于技术创新和市场化改革。通过技术创新，提升制造业部门的生产效率和核心竞争力，提升高端制造业的国际竞争力。通过市场化改革，减少生产要素市场存在的各种扭曲，实现生产要素配置效率最优化，从而进一步降低制造业企业生产成本。

[1] Szirmai, A. Industrialisation as an Engine of Growth in Developing Countries, 1950—2005[J]. Structural Change and Economic Dynamics, 2012,23(4):406-420.

[2] Szirmai, A.，Verspagen， B. Manufacturing and Economic Growth in Developing Countries, 1950—2005[J].Structural Change and Economic Dynamics,2015,34(3):46-59.

[3] Herrendorf, B., Rogerson，R.， Valentinyi，.Growth and Structural Transformation[R].NBER Working Paper No. 18996,2013.

[4] Marconi, N., Reis, C., Araujo, E. Manufacturing and Economic Development: The Actuality of Kaldor’s First and Second Laws[J].Structural Change and Economic Dynamics,2016,37(2):75-89.

[5] Haraguchi, N., Cheng, C., Smeets, E.The Importance of Manufacturing in Economic Development: Has This Changed[J]. World Development,2017,93(5):293-315.

[6] 高觉民，李晓慧.生产性服务业与制造业的互动机理：理论与实证[J].中国工业经济, 2011,(6):151-160.

[7] 傅元海，叶祥松，王展祥.制造业结构变迁与经济增长效率提高[J].经济研究,2016,(8):86-100.

[8] 韩国高，高铁梅，王立国，等.中国制造业产能过剩的测度、波动及成因研究[J].经济研究, 2011,(12):18-31.

[9] 龚关，胡关亮.中国制造业资源配置效率与全要素生产率[J].经济研究, 2013,(4):4-15.

[10] 杨汝岱.中国制造业企业全要素生产率研究[J].经济研究, 2015,(2):61-74.

[11] 杨振，陈甬军.中国制造业资源误置及福利损失测度[J].经济研究, 2013,(3):43-55.

[12] 孙元元，张建清.中国制造业省际间资源配置效率演化：二元边际的视角[J].经济研究, 2015,(10):89-103.

[13] Christiano, L. J.，Eichenbaum ，M.，Evans ，C.L. Nominal Rigidities and the Dynamic Effects of a Shock to Monetary Policy[J]. Journal of Political Economy, 2005,113(1):1-45.

[14] Biolsi, C. Nonlinear Effects of Fiscal Policy Over the Business Cycle[J]. Journal of Economic Dynamics and Control, 2017,78(5):54-87.

[15] Acemoglu, D.，Johnson ，S.，Robinson，J.A.， et al. Institutional Causes, Macroeconomic Symptoms: Volatility, Crises and Growth[J]. Journal of Monetary Economics, 2003,50(1):125-131.

[16] Tang, S. H. K.，Groenewold，N.，Leung，C.K.Y. The Link Between Institutions, Technical Change and Macroeconomic Volatility[J]. Journal of Macroeconomics, 2008,30(4):1520-1549.

[17] Manganelli, S., Popov, A. Financial Development, Sectoral Reallocation, and Volatility: International Evidence[J]. Journal of International Economics,2015，96(2):323-337.

[18] Ramey, G., Ramey, V.A. Cross Country Evidence on the Link Between Volatility and Growth[J]. The American Economic Review,1995,85(5):1138-1151.

[19] 卢二坡，曾五一.转型期中国经济短期波动对长期增长影响的实证研究[J].管理世界, 2008,(12):10-23.

[20] 干春晖，郑若谷，余典范.中国产业结构变迁对经济增长和波动的影响[J].经济研究, 2011,(5):4-16.

[21] 赵昌文. “十三五”时期中国产业发展新动向[J].财经问题研究, 2016,(3):27-34.

2017-08-20

国家社会科学基金重大项目“供给侧结构性改革与发展新动力研究”(16ZDA005)；国家社会科学基金一般项目“新常态下我国经济发展动力转换研究”(16BJL059)；霍英东教育基金会第十五届高等院校青年教师基金基础性研究课题“产业结构变迁与中国经济转型研究”(151083)

严成樑(1980-)，男，山西平遥人，副教授，博士，主要从事宏观经济学研究。E-mail：yanchengliang@gsm.pku.edu.cn

F062.9

A

1000-176X(2017)12-0024-07

孙艳)