经济高质量发展的影响因素研究

孙欣,隋冬楠

[摘要]基于我国30个省市（除西藏）2010-2019年的相关数据，从创新、协调、绿色、开放、共享以及质量效益等方面，估算30个省市的高质量发展程度。以全要素生产率、金融业比重为解释变量，产业升级为调节变量，使用Stata软件建立静态面板回归以及空间计量模型，分析这些因素对我国经济高质量发展的影响。格兰杰因果检验以及固定效应模型和空间误差模型分析结果表明：全要素生产率、金融业比重是高质量发展的格兰杰原因;全要素生产率、金融业比重以及产业升级对我国经济高质量发展有显著的促进作用;金融业比重对经济高质量发展的贡献最大，全要素生产率贡献次之，产业升级贡献最小。

[关键词]高质量发展;DEA- Malmquist;格兰杰检验;静态面板回归;空间计量

[中图分类号]F124.6[文献标志码]A

目前，我国经济进入了高质量发展阶段，从传统的以大量投入来增加经济的高速增长转换为不仅追求增长速度同时要求提升经济增长质量。研究影响经济高质量发展提出相关的意见建议，对提升我国经济增长具有重要的指导作用。目前我国经济呈现不断增长的趋势，但相较于一些发达国家而言，我国经济增长仍存在区域发展不平衡、供给侧发展不足等问题。如何促进我国经济绿色可持续高质量增长，是当前以及今后我们所关注的重点。

对经济高质量发展的研究首先要对高质量发展进行测评。在对经济高质量发展的评价指标体系建立中，韩永辉[1]29等从促进经济发展的方式变化、经济结构的优化以及促进经济增长的动力转换这三个视角出发，建立了高质量发展的指标评价体系;董贝贝[2]6认为，仅从五大发展理念出发不能涵盖经济增长对高质量发展的贡献，因此，从五大发展理念以及经济稳定六个维度来建立指标体系;任保显[3]178认为，每一个产品投入要素不变时，使用价值高是经济高质量发展的表现，从微观视角对高质量发展进行测评;孙豪[4]7、王涛[5]48等基于新发展理念构建经济高质量发展指标体系。大多数学者认为五大发展理念在对经济高质量发展的测评中是非常重要的，但五大发展理念不能完全体现对经济高质量发展质量效率的提升，因此本文从五大发展理念以及质量效益出发，建立指标评价体系。

国内有许多学者在对影响经济高质量发展的因素做过研究。张忠俊[6]13等使用SYS-GMM模型和PVAR模型研究发现，人力资本结构的优化以及金融业集聚度的增加对经济增长产生了显著的正向影响。雒占福[7]282等使用GIS空间分析法对兰西城市群进行研究，认为立足当地生态环境实施精准政策对高质量发展有促进作用。陈立中[8]104等认为，房价的增加不一定会引起人才的流失和高质量发展失能，只有相关政策的协同使用才能保障以人才为动力的高质量发展目标。周清香[9]9等对促进黄河流域经济增长的政策进行梳理，认为信息数字化对高质量发展有积极的促进作用。彭定赟[10]53等研究中以五大發展理念建立指标评级体系，使用主成分分析每个指标对高质量发展的重要程度，认为五大发展理念对高质量发展影响的差距并不明显。徐鹏杰[11]36等使用空间计量模型研究影响我国经济高质量发展因素，认为扩大对外开放可以促进我国经济增长，全要素生产率的提高对我国经济高质量发展也有正向的冲击。袁晓玲[12]33在研究经济高质量发展中发现，五大发展理念各方面的优化和经济结构、发展方式以及效率的提升是经济高质量发展的重要依据。全要素生产率的提升可以促进我国的高质量发展。[13]3李佳彬（2019）[14]75在对云南省经济高质量发展分析中得出结论，经济增长主要靠全要素生产率的提升。通过以上对经济高质量发展的影响因素分析，本文建立静态面板模型以及空间计量模型，分析影响经济高质量发展的影响因素。

一、指标的量化测度

（一）经济高质量发展测算

通过对经济高质量发展测度的相关文献研究，通过查阅大量有关经济高质量发展的评价文献，借鉴层次分析法相关理论，以省域面板数据为样本，从五大发展理念和质量效益六个维度出发，选取18个指标建立指标体系，综合测度各省高质量发展程度，综合2010-2019年数据，评价我国30个省（除西藏）高质量发展程度，具体见表1。

指标体系中各指标的单位不同，为了消除量纲的影响，首先对指标进行0-1标准化处理，标准化公式为：Xij=（aij-minj aij）/（maxj aij-minj aij），aij∈I1

（maxj aij-aij）/（（maxj aij-minj aij），aij∈I2.（1）

使用标准化后的数据计算高质量发展程度。选择将各指标的权重设置为相同。计算高质量发展的公式为：

Xti=∑nj=1λjXtij，∑nj=1λj=1.（2）

（二）解释变量测算

全要素生产率是指全部生产要素的投入所产生的效率。目前全部生产要素的投入难以统计，因此，本文从资本、劳动、教育以及土地投入四方面，衡量投入计算全要素生产率。以地区生产总值衡量地区产出，以就业人数衡量劳动的投入，以地区教育经费投入衡量教育投入，建成区面积为土地投入，使用永续盘存法公式（（4））计算各省的资本存量，以2000年资本存量为基础计算初始资本存量（公式（3））， 固定资产折旧率用9.6%[15]计算。

K0=I0（1+g）/（g+δ）g.（3）

其中，K0为初始资本存量，I0为资本形成总额，g为投资增长率、δ为固定资产折旧率。

Ki=Iipi+（1-δ）Ki-1.（4）

其中，pi为资本价格指数，使用固定资产投资价格指数代替。

金融业作为新兴产业发展迅速，未来发展前景好，在经济发展中占据主导地位。金融业作为虚拟经济将金融资产转化为资本投入到省会生产中，从而促进经济增长，因此，引入金融业比重为解释变量，定量分析金融业比重对经济高质量发展的影响。6982812B-7312-4A22-840B-2CE17139FA8C

金融业比重=金融业增加值/地区生产总值

优化产业结构提升低端产业的收益，强化高端产业以促进高质量发展。吴俊媛[16]1提出，目前经济增长的主要动力是产业升级，三个产业的協同发展可以推动经济增长。因此，引入产业升级作为调节变量，验证全要素生产率和金融业比重对经济高质量发展的影响，从农业现代化、信息现代化以及产业聚集度三个角度，使用熵值法计算产业升级。农业现代化=农业机械总动力/地区农作物播种面积;信息现代化=互联网普及率;产业聚集度=（各省制造业城镇就业人数/城镇就业人数）/（全国制造业人数/全国城镇就业人数）

二、实证分析

本文以经济高质量发展为被解释变量，以全要素生产率、金融业增加值为解释变量，产业升级为调节变量。

（一）单位根检验

使用IPS检验对2010-2019年数据进行单位根检验，通过stata命令分别对被解释变量（取对数后的高质量发展（lnhq）），解释变量全要素生产率（tfp）、产业升级（upg）以及调节变量金融业比重（lneg）进行单位根检验，检验结果见表2：

表2的数据表明，取对数后的高质量发展（lnhq）的t统计量为-3.449 2，小于1%水平的临界值-2.53;标准化后z统计量P值为0.小于α=0.01，因此，可以认为在犯错误的概率不超过1%的情况下，取对数的高质量发展为平稳序列。

从表3的数据表明，全年要素生产率（tfp）标准化后，z统计量P值为0，小于α=0.01，因此，可以认为在犯错误的概率不超过1%的情况下，全要素生产率（tfp）序列是平稳性的。

表4的数据表明，产业升级（upg）标准化后，z统计量P值为0，小于α=0.01，可以认为在犯错误的概率不超过1%的情况下，拒绝存在面板单位根的假设，即产业升级序列不存在趋势是平稳的。

表5的数据表明，金融业比重（lneg） 标准化后，z统计量P值为0.0，小于α=0.01，可以认为在犯错误的概率不超过1%的情况下，产业升级序列是平稳序列。

（二）格兰杰因果检验

通过格兰杰因果检验判断全要素生产率（tfp）、产业升级（upg）、金融业比重（lneg）的过去值对高质量发展（lnhq）当前值是否有一定的“预测能力”。前文的检验结果表明，各个指标序列都为平稳序列，因此，可以对数据进行格兰杰检验。

通过stata程序对全要素生产率与高质量发展进行格兰杰检验，其差分GMM估计结果见表6。

表6的数据表明，滞后一期的全要素生产率对高质量发展检验结果在10%显著性水平下对高质量发展的影响显著，可以认为全要素生产率的过去值可以帮助预测高质量发展的未来值，因此，可以接受全要素生产率是高质量发展的因。

对金融业比重（lneg）和高质量发展（lnhq）进行格兰杰检验，差分GMM估计结果见表7。

表7的数据表明，金融业比重（lneg）的两期滞后结果在5%的显著性水平下对高质量发展影响显著。可以认为金融业比重的过去值可以帮助预测高质量发展的未来值，金融业比重是高质量发展的因。

（三）模型设定与结果分析

1.静态面板模型

全要素生产率、金融业比重对高质量发展有一定的影响，因此，使用取对数之后的高质量发展lnhq为被解释变量，全要素生产率tfp、金融业比重lnrg为解释变量，使用产业升级upg为调节变量，建立模型，进行回归。

通过Hausman检验确定固定效应模型更适合用来拟合模型。因此，选择建立静态面板固定效应模型得到模型1和模型2，对模型进行回归，结果见表8。

模型1：

lnhq=0.333 9×tfp+0.636 8×lneg+0.914 7

模型2：

lnhq=0.300 7×tfp+0.563 7×lneg+0.213 0×upg+0.611 0

由模型1与模型2的回归结果可以看出，模型1中在显著性水平α=0.1，时全要素生产率系数通过显著性检验模型2未通过检验;当显著性水平为0.01时，金融业比重通过显著性检验;引入产业升级后的模型2，当显著性水平为0.05时，变量系数通过显著性检验，可以认为产业升级对经济高质量发展也有一定影响。从回归系数大小可以看出，金融业比重对经济高质量发展的贡献最大，其次是全要素生产率，产业升级对经济高质量发展的贡献最小。

2.面板空间计量模型

建立空间误差模型，研究高质量发展的影响因素。使用地理距离矩阵对数据进行全局莫兰检验，结果见表9。

表9的数据表明，地区之间有存在高-高或者低-低的聚集趋势，说明地区经济高质量发展存在空间相关。空间效应检验结果见表10。

表10的数据表明，无产业升级的空间效应检验中，空间误差检验以及空间滞后检验P值都小于0.01，均通过检验;加入调节变量产业升级的模型进行空间效应检验结果表明，空间效应以及空间误差检验均通过检验，说明各省之间的确存在空间效应，因此，可以建立空间计量模型。

建立没有调节变量和引入产业升级为调节变量的空间误差模型的模型3和模型4，对模型进行回归，结果见表11。

模型3和模型4的回归结果中，空间系数以及变量系数检验在显著性水平为0.01时，通过，即认为适合建立空间误差模型。从模型回归结果来看，模型3中全要素生产率和金融业比重分别在α=0.1和α=0.01时，通过检验，即二者均对经济高质量发展影响显著;加入产业升级后的模型4中可以看出其与模型3的结果相似，加入的调节变量产业升级对经济高质量发展的影响显著且正相关。从回归结果的系数来看，金融业比重对经济高质量发展的贡献最大，其次是全要素生产率，产业升级的贡献最小，静态面板回归模型中的模型1和模型2的结论相同。6982812B-7312-4A22-840B-2CE17139FA8C

3.结果分析

（1）模型1在10%的显著性水平下全要素生产率与高质量发展程度之间存在正相关，即全要素生产率提升会促进经济高质量发展程度;在1%的显著性水平下，金融业比重对高质量发展的影响显著为正，即金融业比重可以促进我国经济高质量发展。

（2）全要素生产率系数未通过10%的显著性水平，但在模型2中金融业比重在1%的显著性水平下对高质量发展仍有促进作用;产业升级在5%显著性水平下对经济高质量发展也存在显著的正向影响。

（3）全要素生产率对经济高质量发展存在影响;金融业比重在1%显著性水平下通过显著性检验，产业升级也通过显著性检验。

（4）全要素生产率、金融业比重以及产业升级均对我国经济高质量发展有显著的正向影响，即三者都是经济高质量发展的影响因素;从三个变量对经济高質量发展的贡献来看，金融业比重的贡献最大，全要素生产率次之，产业升级的贡献率最小。

三、结论与政策建议

（一）结论

（1）全要素生产率是高质量发展的格兰杰原因，金融业比重是高质量发展的格兰杰原因，即全要素生产率和金融业比重发生变化都会引起经济高质量发展的变化。

（2）全要素生产率对高质量发展有显著的促进作用，金融业比重对高质量发展也有显著的促进作用，并且金融业比重对高质量发展的贡献较大。

（3）全要素生产率和金融业比重对高质量发展同样有显著的影响，并且产业升级对高质量发展也有显著的促进作用。

（4）经济高质量发展不仅受全要素生产率和金融业比重的影响产业升级对经济高质量发展也有影响。

（二）政策建议

1.提升全要素生产率

从生产要素角度出发，降低生产要素成本，优化生产要素配置效率;提升劳动力利用率，将大量的剩余劳动力优化分配到效率更高的部门，提高经济增长率;加大对教育的投资，培养更多社会需求型人才，提升人力资本;提升土地资源的利用率，从投入上减少要素的投入，通过提升生产要素的转化率来，提升全要素生产率，促进我国经济高质量发展。

2.积极鼓励金融业的发展

优化金融业结构，避免金融产业的单一性发展，在支持银行业的发展的同时，大力推进证券以及保险等行业的发展，使金融业结构多元化发展;积极优化金融业的内部结构，使金融业内部协调发展形成优势互补的产业链。优化金融业的结构，促进金融业的发展，扩大金融业的发展规模，增强对金融业的支持力度，对新兴的金融产业提供充足的发展空间促进金融业的发展，提升经济高质量发展。

3.提高农业现代化、信息现代化以及产业聚集度，促进地区产业升级

地区产业升级在一定程度上可以提升经济高质量发展，因此，在适应经济发展的同时对产业结构进行优化。首先我国作为农业大国农业基础雄厚，但农业机械化程度较为落后，农业生产在一定程度上属于落后阶段，因此，应该加大对农业机械的使用率，提升农业现代化水平;其次，我国已经进入大数据时代，和发达国家相比，我国的信息现代化发展相对落后，要积极促进各行业的信息现代化水平;应加强相关产业链的集聚度，从空间以及时间上节约物资运输成本，优化产业内部结构，促进经济高质量发展。

[参考文献]

[1]韩永辉，韦东明.中国省域高质量发展评价研究[J].财贸研究，2021（1）：26-37.

[2]董贝贝.基于熵值法经济高质量发展水平测度与评估[J].市场周刊，2020（11）：5-7.

[3]任保显.中国省域经济高质量发展水平测度及实现路径——基于使用价值的微观视角[J].中国软科学，2020（10）：175-183.

[4]孙豪，桂河清，杨冬.中国省域经济高质量发展的测度与评价[J].浙江社会科学，2020（8）：4-14+155.

[5]王涛，尚园.湖北省经济高质量发展水平测度——基于五大发展理念[J].武汉商学院学报，2020（5）：47-53.

[6]张忠俊，郭晓旭，张喜玲，等.金融集聚、人力资本结构演进与经济高质量发展[J].统计与决策：2021（2）：10-14.

[7]雒占福，李兰，高旭，等.基于生态城市理念的兰州—西宁城市群高质量发展与生态环境耦合协调研究[J].水土保持研究，2021（2）：276-284.

[8]陈立中，胡奇，洪建国.高房价对城市人才流失和高质量发展的影响[J].城市发展研究，2020（12）：98-105.

[9]周清香，何爱平.数字经济赋能黄河流域高质量发展[J].经济问题，2020（11）：8-17.

[10]彭定贇，朱孟庭.经济高质量发展影响因素的优先序分析及其测度研究[J].生态经济，2020（12）：50-56+76.

[11]徐鹏杰，杨萍.扩大开放、全要素生产率与高质量发展[J].经济体制改革，2019（01）：32-38.

[12]袁晓玲，李彩娟，李朝鹏.中国经济高质量发展研究现状、困惑与展望[J].西安交通大学学报：社会科学版，2019（6）：30-38.

[13]本刊记者.以提高全要素生产率推动高质量发展——中国社会科学院副院长蔡昉访谈[J].宁波经济：财经视点，2019（8）：3-4.

[14]李佳彬，曹洪华，张雷，等.全要素生产率增长对云南省高质量发展驱动分析[J].曲靖师范学院学报，2019（3）：71-77.

[15]李禹墨.新时代我国高质量发展的效率变革研究[D].西安：西北大学，2019.

[16]吴俊媛.推进产业结构优化升级[N].湄洲日报，2021-01-25.

[17]孙浩进，魏鹏飞.“十四五”时期黑龙江省经济发展路径研究[J].牡丹江师范学院学报：社会科学版，2021（3）：50-62.6982812B-7312-4A22-840B-2CE17139FA8C

[18]杨丽娟，陈阳芳.百年大党民生思想的理论创新和历史经验[J].牡丹江师范学院学报：社会科学版，2021（4）：30-40.

[责任编辑]王立国

Research on the Influencing Factors of High-quality

Economic Development

SUN Xin，SUI Dongnan

（Institute of Statistics and Applied Mathematics，Anhui University of Finance and

Economics，Bengbu，Anhui，23300，China）

Abstract：Based on the relevant data of 30 provinces and cities （except Xizang） in China from 2010 to 2019，the high-quality development degree of 30 provinces and cities in China was estimated from the aspects of innovation，coordination，green，openness，sharing and quality benefit.Taking total factor productivity and the proportion of financial industry as explanatory variables and industrial upgrading as moderating variables，Stata software is used to establish static panel regression and spatial econometric model to analyze whether these factors have a certain impact on the high-quality development of China's economy.Through Granger causality test，fixed effect model and spatial error model analysis，the research results show that： total factor productivity，the proportion of financial industry is the Granger cause of high-quality development;Total factor productivity，the proportion of financial industry and industrial upgrading have a significant role in promoting the high-quality development of China's economy.Among them，the financial sector contributed the most to high-quality economic development，followed by total factor productivity，and the least to industrial upgrading.

Keywords：high quality development;DEA-Malmquist;granger test;static panel regression;spatial econometric

[收稿日期]2021-01-20

[作者簡介]孙欣（1973-），男，安徽庐江人，教授，博士，硕士生导师，主要从事资源与环境统计研究;隋冬楠（1996-），女，安徽六安人，统计学专业2019级硕士研究生，主要从事资源与环境统计研究。

[基金项目]国家社科基金重点项目（18AJY014）;安徽财经大学研究生科研创新基金项目（ACYC2019173）;安徽高校自然科学研究项目（KJ2018ZD043）

文章编号：1003-6121（2021）05-0001-096982812B-7312-4A22-840B-2CE17139FA8C