产业结构升级的动态演进和驱动因素研究

邓光耀

（1兰州财经大学甘肃经济发展数量分析研究中心；2兰州财经大学统计学院，甘肃 兰州 730020）

一、引言

改革开放以来，中国产业结构经历了从第一产业为主，到以第二产业为主，并进一步以第三产业为主的演变。产业结构升级是深化供给侧结构性改革的必然要求，也是实现经济新常态和国民经济可持续发展的必经之路，因此研究产业结构升级动态演进及其影响因素是有重要理论意义和实践价值的。

科技创新是促进产业结构升级和经济发展的主要动力，科技创新决定了技术水平的高低，而技术水平的差异是导致生产效率差异的重要原因。由于生产要素通常会从生产效率较低的生产部门向生产效率较高的生产部门转移，从而会导致产业结构升级。因此，可以说科技创新是促使产业结构升级的重要动力。万君康和陈全国［1］指出科技创新从供给和需求两个方面影响产业的投入产出状况，并且通过影响生产要素的配置和转换效率，进一步推动产业结构升级。Azadegan和Wagner［2］从企业层面的研究表明科技创新能够促进产业结构升级。沈雷和靳礼伟［3］指出科技进步推动技术融合，从而促进了产业结构升级。周忠民［4］研究了湖南省科技创新对产业结构转型升级的影响，指出科技创新对产业结构的影响是一个长期过程。

除科技创新外，部分学者还研究了其他因素对产业结构升级的作用。袁欣［5］指出对外贸易活动的规模经济效应有利于积累技术进步，但是中国的对外贸易不能有效带动产业结构的升级，存在“镜像”和“原像”的背离。蓝庆新和陈超凡［6］的研究表明科技创新、新型城镇化、金融支持和市场化程度等因素促进产业结构升级。李豫新等［7］指出科技创新能力、城市化发展水平、投资供给和产业政策等因素是促进新疆产业结构升级的主要因素。Pradhan等［8］的研究表明信息技术和金融发展能够促进亚洲国家经济增长和产业结构升级。杨丹萍和杨丽华［9］指出对外贸易和技术进步会影响产业结构升级，并且对外贸易与产业结构之间存在“U”形关系，即先减少后增加的关系。谢婷婷和赵莺［10］的研究表明科技创新和金融发展均是促进产业结构升级的重要因素，但是与金融发展相比，科技创新促进产业结构升级的力度较小。

以上文献虽然对科技创新对产业结构升级的影响进行了研究，但是仍缺乏对产业结构升级的动态演进过程的研究，另外还存在科技创新对产业结构升级影响机制的分析力度不够的现象。基于以上原因，本文首先利用核密度估计和马尔科夫链研究了中国及各省产业结构升级的动态演进过程，然后利用动态面板模型分析了科技创新等因素对产业结构升级的影响。

二、理论分析和模型构建

本文参考万君康和陈全国［1］、周忠民［4］、Azadegan 和 Wagner［2］、Feki和 Mnif［11］、Kogan等［12］的研究成果，总结科技创新影响产业结构升级的机理如下：（1）科技创新通过影响经济增长来改变产业结构。根据经典的Solow增长模型，技术进步是推动经济增长的重要因素，而经济的增长常伴随着产业结构的变动。与非农产业相比，农业比较效益低下，因此在经济增长的同时，中国非农产业的增加值占比增加，从而促进产业结构升级。（2）科技创新通过影响就业结构来改变产业结构。科技创新不但可以促使不同行业劳动生产率产生差异，而且可以促使体力劳动和脑力劳动的比例发生变化，从而通过改变劳动力就业结构的方式改变产业结构。科技创新提高了从事脑力劳动的就业人数占总就业人数的比重，而从事脑力劳动的人员多从事第三产业，从而科技创新导致了产业结构升级。（3）科技创新可以催生新的行业，从而改变产业结构。例如科技创新导致了信息技术、生物工程技术、海洋技术、航空航天技术、新医药、新材料、新能源等新行业产生，而这些行业大多数为第三产业，第三产业产值占GDP比值的提高本身就是产业结构升级的重要体现。另外本文参考周忠民［4］，选取专利授权数来度量科技创新程度。综上所述，科技创新影响产业结构升级的传导机制如图1所示：

图1 科技创新影响产业机构升级的传导机制

根据前文叙述，金融发展［8］［10］、城镇化［6］、国际贸易［5］［9］等因素也影响产业结构升级。本文用存贷款总额除以GDP、固定资产投资除以GDP来衡量金融发展对产业结构升级的影响，另外用人口城镇化率、对外贸易依存度（进出口总额除以GDP）、对外贸易依存度的平方（表征国际贸易可能存在的非线性影响）来衡量城镇化和国际贸易对产业结构升级的影响。另外考虑到产业结构升级可能存在动态效应，本文建立以下动态面板模型：

其中，Y为产业结构升级指数、X1～X6依次为专利授权数、存贷款总额除以GDP、固定资产投资除以GDP、人口城镇化率、对外贸易依存度和对外贸易依存度的平方，γ、β0、βj是回归系数，μ为随机扰动项，下标i、t分别代表个体和时间。

为了检验回归结果的稳健性，本文参考邓光耀和张忠杰［13］已有研究成果，进一步利用以下动态空间面板模型进行回归：

其中，τ、δ、η分别代表动态效应项系数、空间滞后项系数和时空效应项系数，W为空间权重矩阵，本文取标准化后的0-1权重矩阵，其他变量或者参数的名称与公式（1）一致。

三、研究方法和数据来源

（一）研究方法

本部分首先叙述本文中产业结构升级的构建方法，然后叙述两种度量产业结构升级动态演进的方法，最后叙述科技创新等因素对产业结构升级的影响。

1.产业结构升级指数的构建。目前对产业结构升级的度量存在三种不同的方法：（1）用非农产值占比来度量。例如罗超平等［14］在研究金融发展和产业结构升级的关系时，将第二产业和第三产业的增加值占GDP的比率作为衡量产业结构升级的指标。（2）用夹角的反余弦值来度量。例如徐敏和张小林［15］在研究普惠制金融发展和产业结构调整的关系时，利用三次产业占比向量对应坐标体系夹角的变化（即利用夹角的反余弦值），来度量产业结构高级化水平。（3）用各产业产值占比的加权值来度量。蓝庆新和陈超凡［6］在研究新型城镇化对产业结构升级的影响时，采用以下指数来度量产业升级：

其中，r1、r2和r3分别是第一产业、第二产业和第三产业增加值占GDP的比例。根据公式（3）易知，Y的取值范围在1～3之间。

以上三种度量产业结构升级的方法本身不存在优劣之分，本文采用各产业产值占比的加权值来度量中国各省产业结构升级。

2.核密度估计。为了分析中国各省产业结构升级的动态演进过程，本文首先对中国各省产业结构指数进行核密度估计，参考Li和 Racine［16］，邓光耀和张忠杰［13］，杨明海等［17］的研究方法，核密度估计的具体公式如下：

其中，f（x）代表中国各省产业结构升级指数的密度函数，n为样本量（即省份个数），K（·）为核函数（本文取高斯函数），h为带宽。另外，在选择高斯核函数的情况下，最优带宽h*为：

其中，δ=0.7764，s为样本的标准差。

3.马尔科夫链。 参考 Quah［18］、邓光耀和张忠杰［13］的研究，本文进一步利用马尔科夫链来研究中国各省产业结构升级的动态演进过程。

马尔科夫链是指满足以下条件的随机过程｛Xt，t∈T｝：

其中，i0，i1，…，it-1，i，j是随机过程｛Xt，t∈T｝所对应的状态。公式（6）表示随机变量X在t-1时期所取的状态j的概率仅取决于t时期所取的状态i，即具有马尔科夫性（也即无后效性）。

状态转移概率pij是指随机变量X从状态i转移到状态j的概率，将各省产业结构升级指数分为L组，那么所有的状态转移概率pij可组成阶矩阵P。转移概率矩阵中的代表元素pij则通过极大似然法确定，即：

其中，nij是各省产业结构升级指数在考察期间中从状态i转换为状态j的次数，nj是各省产业结构升级指数在考察期间中状态j出现的总次数。

（二）数据来源

限于数据的可得性，本文考察2000-2016年除西藏、香港、澳门、台湾以外30个省市科技创新等因素对产业结构升级的影响。本文中构建产业结构升级指数所需要的各省三大产业增加值数据，表征科技创新的专利授权数据，表征金融发展程度的固定资产投资，城镇化率，以及表征贸易依存度的进出口贸易额数据均来自于历年《中国统计年鉴》，表征金融发展程度的存贷款之和数据来自于Wind数据库。另外进出口贸易额数据单位为美元，本文按照年平均汇率换算到人民币元。各变量的描述性统计量如表1所示。

表1 各变量的描述性统计量

四、实证分析

（一）产业结构的动态演进

1.核密度估计。本文首先分析每个年度30个省份产业结构升级指数的平均值，进一步以2000年、2004年、2008年、2012年和 2016年为例，进行核密度估计。2000-2016年中国各省产业结构升级指数的平均值如图2所示①本文中东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南，中部地区包括黑龙江、吉林、山西、安徽、江西、河南、湖北和湖南，西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆。：

图2 2000-2016年中国各省产业结构升级指数的平均值

从图2可以看到：（1）与全国相比，东部地区各省产业结构升级指数更高，而中西部地区则更低。这说明中国各区域产业结构存在较大的差异，东部地区第三产业占比相对于中西部地区更高。（2）从各区域指数值来看，在2000-2016年指数值在2.15～2.50之间，这说明中国的产业结构逐渐转为以第三产业为主。（3）对各区域来说，产业结构升级指数大体上呈现上升的趋势，部分年度处于低谷，例如2004年和2008年，这可能是由于金融危机的影响，第三产业占比下降了。

2000年、2004年、2008年、2012年和 2016年中国30个省份产业结构升级指数的核密度估计如图3所示②由于分析方法类似，本文未列出东部、中部和西部地区各省份产业结构升级指数的核密度估计。。

图3 中国30个省份产业结构升级指数的核密度估计

从图3可以看到：（1）从密度函数中心来看，各年度中心值逐渐右移，这说明各省份产业结构指数的平均值在逐渐提升，在图2中也体现了此特点。（2）从密度函数中心的峰值来看，2016年最大，其次是2008年、2012年、2004年和2000年，这说明2016年在平均值附近的样本较多，数据更集中。（3）从波峰的个数来看。2000年、2004年和2012年波峰均为两个，2008年和2016年出现了三个波峰，这说明各省产业结构升级指数呈现两极甚至多极分化的现象。（4）从尾部来看，呈现右偏分布的特征，这说明右边的样本量比左边更多，即考察年度里产业结构指数大于平均值的省份个数更多。

2.马尔科夫链。虽然核密度估计可以分析中国各省产业结构升级指数的分布特征和动态演进过程，但是仍未揭示各省产业结构升级指数的高低转换概率及其长期趋势，因此本文进一步用马尔科夫链方法来分析此问题。

本文首先根据初始期（2000年）中国各省产业结构升级指数的取值情况，将30个省份等分为5组（即每组6个省份），分组阈值分别为2.105、2.170、2.210 和 2.276。 初始期和最末期（2016年）各省份产业结构升级指数及分组情况如表2和表3所示。

表2 2000年中国各省产业结构升级指数及分组情况

表3 2016年中国各省产业结构升级指数及分组情况

从表2和表3可以看到：（1）除海南外，大多数东部地区的省份产业结构升级指数值较高，特别是北京、上海和天津等直辖市。对海南省来说，2000年第一、第二和第三产业产值占比分别为37.91% 、17.96% 和 42.33%（全 国 整 体 水 平 为15.27% 、47.10% 和 37.63% ），2016 年 则 为23.40% 、22.35% 和 54.25%（全 国 整 体 水 平 为8.16%、42.79%和 49.05%），以上数据说明海南省第三产业产值占比虽然比全国整体水平还高，但是由于第一产业产值占比较高，根据公式（3）计算出来的产业结构升级指数较低。对北京、上海和天津来说，由于其第一产业产值占比较低（2000 年的值分别为 3.63%、1.83%和 4.49%，2016 年的值分别为 0.51%、0.39%和 1.23%），第三产业产值较高（2000年的值分别为58.31%、50.63%和 45.48%，2016 年的值分别为 80.23%、56.44%和 69.78%），根据公式（3）计算出来的产业结构升级指数较高。（2）除山西外，大多数中西部地区的省份产业结构升级指数值较低。对山西省来说，2000年第一、第二和第三产业产值占比分别为 10.94%、50.35%和 38.71%，2016 年则为6.01%、38.54%和 55.45%，与全国整体水平相比，山西省第一产业产值占比较低，第三产业产值占比较高，因此根据公式（3）计算出来的产业结构升级指数较高。（3）按产业结构升级指数值大小排序，与2000年相比，2016年排序发生较大变化的省份有四川和青海，其中四川省排序上升了11位，青海省排序则下降了11位；另外，与2000年相比，2016年指数值发生较大变化的省份有海南、 北京和内蒙古，分别上升了0.2643、0.2505和0.2453。（4）从分组情况来看，与 2000 年相比，2016年所有省份产业结构升级指数均有明显的提高，除广西外，按照2000年的分组标准其他省份均进入了产业结构升级指数最高组。

表2和表3虽然列出了2000年和2016年中国各省产业结构升级指数情况，但是忽略了2000-2016年中间年份的变化情况，为了揭示这种变化过程，本文利用公式（7）计算转移概率矩阵，计算结果如表4所示。

从表4可以看到：（1）ni所对应的行元素均为96，这是因为初始期（2000年）的每一种状态所对应的省份均为6个，在2001-2016这16年中每一年均有可能维持原来的状态或者转化为其他状态，从而根据6乘以16可得96次状态。（2）nj所对应的列元素依次是 9、50、64、145 和 212，这说明在2001-2016年中出现状态L（最低）的次数很少，大部分省份所对应的状态是H（最高），这意味着各省产业结构升级指数在2001-2016年中出现了较大的提高。（3）转移概率矩阵中的代表元素按照公式（7）计算，例如 ML（中低）×L（最低）所对应的元素0.48是根据2000年（初始期）状态L（最低）转换成状态ML（中低）的次数（24）除以（50）所得到。对状态 L（最低）、ML（中低）、H（高）来说，与非对角线上元素相比，对角线元素的值一般更高，这说明以上状态存在惯性，不易转为其他状态。对状态MM（中）和MH（中高）来说，非对角线上元素值可能比对角线上元素值更大，例如 0.33 大于 0.30，0.29 大于 0.24，这说明从状态MM（中）易于转换为状态MH（中高），状态MH（中高）易于转换为状态H（高）。

表4 2000-2016年中国各省产业结构升级指数的转移概率矩阵

（二）科技创新等因素对产业结构升级的影响

为了避免伪回归的问题，本文对用到的变量进行面板单位根检验和协整检验，检验结果如表5和表6所示。

从表5可以看出，各变量一阶差分之后均是平稳的。另外，根据表6协整检验的结果，各自变量和因变量之间存在协整关系。

表5 各变量单位根检验的结果

表6 协整检验结果

根据核密度估计和马尔科夫链的分析结果，近年来中国各省产业结构升级指数呈现出动态调整趋势，但是仍未揭示动态调整的影响因素。为此，本文利用公式（1）所示的动态面板模型来研究科技创新等因素对产业结构升级的影响（利用动态面板模型的另一个原因是为了处理内生性），为了比较，本文也列出了静态面板模型的估计结果，如表7所示。

表7 产业结构升级的驱动因素分析

根据Hausman检验的结果，在静态面板模型中，与随机效应相比，模型1和模型2应当选择固定效应。根据自相关检验的结果，随机扰动项的差分存在一阶自相关，但是不存在二阶自相关，可以进行系统GMM估计。根据Sargan检验的结果，模型1和模型2中的工具变量均是有效的，可以进行系统GMM估计。

从科技创新所对应的回归系数来看。对于模型1和模型2，无论在静态面板模型还是动态面板模型中，科技创新对产业结构升级的影响显著为正。由于科学技术是第一生产力，而技术进步来源于科技创新，随着技术水平的提高，劳动者素质和管理水平会显著提高，从而发生第一产业向第二产业及第三产业的转变，即科技创新通过影响经济增长和就业结构的途径进一步影响产业结构。另外，科技创新也可以催生新的行业，特别是高科技产业，从而改变产业结构。

其他各项回归系数也符合理论预期。（1）从动态效应项系数来看，模型1和模型2存在显著的动态效应，这进一步证明了中国各省产业结构升级指数呈现动态调整趋势。（2）从回归系数和来看，在静态效应中，模型1和模型2回归系数为正，但是不显著；在动态效应中，模型1和模型2回归系数显著为正。由于金融发展程度的加深，会增加科技创新方面的资金投入，从而会正向影响产业结构升级。（3）从回归系数来看，城镇化水平的高低也显著影响产业结构升级。由于人口城镇化率的提升，从事第二和第三产业的劳动人数也会提升，从而从劳动力需求角度正向影响了产业结构升级。（4）从回归系数和来看，在模型1和模型2中为负，并且在动态面板模型中显著，则为正，但是不显著，这说明对外贸易和产业结构之间呈现“U”形曲线特征。已有研究也发现了类似的现象，根据袁欣［5］的研究，对外贸易活动的规模经济效应有利于积累技术进步，从而引起产业结构升级，但是中国存在大量“两头在外”的加工贸易使得对外贸易结构呈现超前发展的虚幻性，反而抑制了产业结构升级。另外，根据杨丹萍和杨丽华［9］的研究，对外贸易通过技术外溢对产业结构产生正向推动作用，其实证研究的结果也表明对外贸易和产业结构之间呈现“U”形曲线特征。

本文参考邓光耀和张忠杰［13］的已有研究，进一步利用动态空间面板模型来研究科技创新对产业结构升级的影响，以检验回归结果的稳健性，具体结果如表8所示。表8中动态空间面板模型的回归结果中各回归系数的正负方向与表7中动态面板模型的回归结果基本一致，因此本文中回归结果是稳健的。另外，表8中还列出了空间滞后项系数和时空效应项系数的回归结果，可以看到空间效应也是显著存在的。

表8 稳健性检验

五、结论与启示

本文利用《中国统计年鉴》相关数据，构建了产业结构升级指数，并研究其动态演进过程，最后分析科技创新等因素对产业结构升级的影响，研究结果发现：（1）与全国相比，东部地区各省产业结构升级指数更高，而中西部地区则更低。（2）核密度估计结果表明，中国各省产业结构升级指数呈现两极甚至多极分化的现象。另外，马尔科夫链分析结果表明各省产业结构升级指数在2001-2016年中出现了较大的提高。（3）科技创新对产业结构升级的影响显著为正，金融发展和城镇化率的提升也有助于产业结构升级，但是对外贸易和产业结构之间呈现“U”形曲线特征。

根据以上研究结果，可得到以下政策启示：（1）东部地区是经济增长的引擎，应当率先实现产业结构升级，淘汰落后产能；中西部地区承接东部地区的产业转移，有助于实现中部崛起和西部大开发的宏伟目标。（2）虽然中国各省产业结构升级水平出现了较大的提高，但是呈现出两极甚至多极分化的现象，这说明中国各省产业结构升级水平地区差异明显，中西部地区更应该加大科技创新方面的投入，促进产业结构升级。（3）中国政府在加大科技创新方面的投入的同时，应促进科技创新成果的转化，推动金融供给侧改革，提升城镇化水平，进一步促进产业结构升级。另外，虽然现阶段对外贸易对产业结构升级的促进作用并不显著，但是提升出口产业技术水平的升级，调整进口产业的产品结构，发挥对外贸易的积极作用也势在必行。