产业升级对全要素生产率和劳均资本积累的影响：“红利”还是“减速”

吉亚辉 羊 洋

一 引言及文献述评

近年来，中国经济增长从高速向中高速转变，进入新常态发展阶段，产业结构和发展动力发生深刻变革。在经济转型期，我国发展不平衡不充分问题仍然突出，重点领域关键环节改革任务仍然艰巨，创新能力不适应高质量发展要求，同时国际环境日趋复杂，不稳定性不确定性明显增加。《国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》指出，“坚持把发展经济着力点放在实体经济上，坚定不移建设制造强国、质量强国、网络强国、数字中国，推进产业基础高级化、产业链现代化，提高经济质量效益和核心竞争力。”因此，产业结构优化升级对缓解国内国际矛盾具有重要作用，产业结构升级的方向和对经济增长的影响是急需考虑的问题。

“结构红利”假说和“结构性减速”理论是分析产业升级对经济增长影响的两个维度。Timmer和Szirmai(2000)[1]提出，要素从低生产率部门向高生产率部门转移可以带来额外的生产率提升，这一观点被称为“结构红利”假说，即产业升级对经济增长具有正向促进作用。“结构红利”假说很快受到学者们的关注，并通过实证分析验证了结构红利是存在的(刘伟和张辉，2008[2]；张军等，2009[3]；干春晖等，2011[4]；王鹏和尤济红，2015[5])。与“结构红利”假说相对应的是“结构性减速”理论，即产业升级会阻碍经济增长。从2008年以来，中国经济增长出现明显减速，针对此轮经济增长放缓现象，许多学者用“结构性减速”理论进行解释，将经济增长放缓与产业结构服务化相结合，认为第三产业的高就业比重与低劳动生产率增长造成了人均收入的下降(袁富华，2012[6]；中国经济增长前沿课题组，2012[7]；韩永辉等，2016[8]；李翔等，2016[9])。

那么产业升级对经济增长的影响，到底是表现出“结构红利”还是“结构性减速”？对此学术界还没有形成统一的结论。对于“结构红利”假说，尽管有很多学者验证了其存在性，但也有一些学者发现结构变动对经济增长没有贡献或贡献较小(Timmer和Szirmai，2000[1]；Fagerberg，2000[10]；Peneder，2003[11]；李小平和卢现祥，2007[12])，并且发现低生产率部门中要素份额的增加是“结构红利”不显著的主要原因。 “结构性减速”理论也存在一些争议。“结构性减速”理论以Baumol(1967)[13]的“成本病”作为出发点，认为服务业具有生产率低的特性，导致服务业比重增加时经济整体的效率会下降。金融危机后，中国的制造业比重出现趋势性下降，同时服务业比重显著提升，而服务业发展滞后和高技术服务业供给不足导致了服务业生产率低于制造业，因此产业服务化维度的升级导致经济整体效率降低，经济增长减慢。但也有学者认为，随着技术的发展，服务业生产率增长缓慢的假设可能会发生改变(周扬，2016)[14]。伴随现代技术(尤其是通讯信息技术)的快速发展及其在我国服务业领域的大量运用，新产业、新业态和新模式层出不穷，特别是在“互联网+”的大背景下，许多传统服务业经过现代技术的改造和提升之后，开始具备现代服务业的高技术、高智力化和高附加值特征(张月友等，2018)[15]。服务业行业还具有较强的异质性，不同行业之间生产率差异较大。比如价值链两端的研发和销售等都属于生产性服务业，使用大量人力资本和知识资本，本身能产生较高的附加值，从而摆脱了传统服务业生产效率低的特征。因此，随着服务业内在技术结构发生改变，产业结构的服务化不一定伴随着经济增速的下降。

通过上述分析，发现“结构红利”假说和“结构性减速”理论都有其适用的条件和存在的依据，因此分析理论内在逻辑与机制的差异比简单判断哪一种理论正确更有意义。这两种理论表面上都是论述产业升级对经济增长的作用，但却是从不同思维角度去论述产业升级。“结构红利”假说中的产业升级是向着生产率高的产业占优势地位演进，而“结构性减速”理论中的产业升级单纯是指产业结构向第三产业占优势地位演进。同样是产业升级，“结构性减速”理论强调第三产业的规模和数量，以发达国家70%的服务业占比作为参照，认为服务业规模的增加代表了产业结构升级。虽然我国现阶段的服务业占比超过了50%，正逐步接近发达国家的70%，但是服务业发展水平和发达国家之间还有较大差距。显然这一理论只关注了服务业的规模和数量，没有考虑到服务业内部的投入产出效率、知识技术密集程度等因素，对产业升级的理解较为简单，因此将“结构性减速”理论中的产业升级称为“数量”上的产业升级较为合理。如果庞大的服务业占比是通过要素投入、资源消耗实现的，那么这种数量上的产业升级是不可持续的，产业升级表现的是产业间比例关系的变动，但比例关系应该是效率的函数，干预性地提高服务业比例只能带来产业结构的“虚高”(刘伟和张辉，2013)[16]。所以产业升级必须伴随着效率的提升，最大化提高资源的利用效率，效率的提高要求产业生产率的改善和要素向更高生产率部门流动，这与“结构红利”假说的要求是一致的。这种伴随着效率提高的产业升级，在比例关系的基础上，考虑了产业的生产效率和产品质量，因此将其称为“质量”上的产业升级。

综上所述，本文将产业升级的内涵区分为“质”与“量”两个维度。“结构性减速”理论是从产业升级的量出发，而“结构红利”假说考虑的是产业升级的质，尽管二者表面是相互对立的(1)“结构性减速”理论认为产业升级导致了经济增速下降，“结构红利”假说认为产业升级对经济增长会产生额外的贡献。，但实质是从产业升级的不同维度分析结构变化对经济增长的影响。因此，本文的重点不是判断哪一种理论更加正确，而是立足于中国的实际，分析不同维度的产业升级对中国经济增长的异质性影响，讨论哪一种产业升级对经济可持续发展的作用更大。本文的贡献主要体现在以下两个方面：第一，在理论上分析了“结构红利”假说和“结构性减速”理论的内在逻辑，得出了看似对立的理论实际对应了不同产业升级模式的结论；第二，进一步应用中国的数据验证了理论结果，为中国产业升级方向提供理论与实际的支撑。

后续内容安排为：第二部分为假说提出和机制分析，分析数量和质量维度的产业升级对经济增长的作用机制有何差异；第三部分构建相应的检验模型，并对数据和变量进行说明；第四部分是实证结果分析和稳健性检验；第五部分是结论及政策启示。

二 假说提出和机制分析

“结构性减速”理论和“结构红利”假说都是从某一个维度揭示产业升级的演进规律，本质上是产业升级的不同模式。“结构性减速”理论只强调了产业结构的服务化趋势，而忽视了产业结构质量上的升级。而产业升级的本质是效率的不断提高，脱离了劳动生产率提升，干预性地进行产业升级有可能造成产业结构的“虚高”(刘伟和张辉，2013)[16]。产业升级的内涵，不应该只包括主导产业向第二产业、第三产业转变的顺向演进，更应该体现产业从低附加值向高附加值转变，从劳动密集型产业向资本密集型、技术密集型产业转变，实现有质量的产业升级(袁航和朱承亮，2018)[17]。因此，从数量和质量两个方面衡量产业升级，并考虑其对经济增长的异质性影响有重要意义。

干春晖等(2011)[4]研究发现，数量维度的产业升级对TFP增长率表现出不确定性，即在不同的时间段系数符号和显著性水平差异较大。对此，他们认为这主要是因为中国的服务业发展缓慢，生产性服务业等高端服务业发展落后，使得产业结构数量上的升级对经济增长的能动性不强。本文认为，这种不确定性体现了产业服务化对TFP增长的影响较为缓慢，具有时滞性。由于服务业内部的异质性较强且存在一定的外部性，导致其对TFP的影响是一个复杂的传导机制和较为缓慢的作用过程(张月有等，2018)[15]。

资本积累同样是经济增长一个重要源泉。一方面，服务业作为劳动力的蓄水池，本身承担着吸纳劳动就业的任务，但是过度强调数量型的产业升级可能会造成“非金融企业金融化”，不利于物质资本的积累。首先，由于服务业吸纳劳动就业的特点，大多数服务行业倾向于使用较多的劳动要素，用劳动替代资本投入，因此服务业本身的资本积累有限。其次，服务业的资本积累受到制造业的影响较大。当产业结构过度服务化时，经济中的生产要素大量流向第三产业，导致制造业的发展受限。制造业和服务业发展的不匹配会降低产业升级的作用(周扬，2016)[14]，同时地区产业结构偏离了禀赋结构，从而容易产生“结构性减速”的结果(叶德珠等，2019)[18]。如果制造业的升级减慢，与之直接相关的生产性服务业的需求数量和质量也会下降，生产性服务的提供者也就没有动机去追加资本投入，于是服务业的资本有可能出现下降。过度服务化的产业结构导致社会技术结构较低，对要素的需求结构较低，降低要素的长期报酬增长率，抑制了社会生产效率的提高。据此，本文提出假说1。

假说1：数量型产业升级不利于劳均资本积累，对TFP增长的影响较为缓慢。

与产业结构的服务化趋势不同，质量型产业升级关键是要保证产业升级以效率提高、技术进步为依托。“结构红利”假说是以产业内技术水平不变为前提的，将“红利”全部归结为要素向高效率行业的流动，但是本文认为要素流动会通过“干中学”提升流入行业的技术水平，并进一步形成产业升级的内生动力。具有较高劳动生产率的产业通常具有较高的技术水平，当生产要素流入效率更高的产业时，要素的边际生产率会得到提高，从而经济整体的TFP得到改善。此外，受到产业内较高技术水平的影响，要素通过“干中学”产生积累效应，形成进一步的技术创新。“结构红利”假说成立的条件是产业间一直保持一定的生产率差异，积累效应使得高生产率的产业效率不断提高，产业间的效率差得以维持，带来产业进一步升级的内生动力，从而维持了“结构红利”。由此看来，质量型产业升级对TFP增长率的促进作用更加直接、迅速。

另一方面，产业结构向质量层面演进时，生产率高的产业会逐渐占据主导地位。在开放市场中，高生产率企业使用的技术更接近于技术前沿，面临的竞争压力更大。在短期内，随着劳动成本的上升，厂商为了提高市场竞争力会采取模仿、赶超的战略，即采用资本替代劳动以获得产量的提升或成本的缩减。因此，短期内厂商会加大资本投资，资本积累速度增加。但是在长期中，资本的边际产量也会发生递减，此时继续增加资本投资会面临平均成本的进一步上升，厂商倾向于用技术进步、管理制度等投入要素以外的其他因素的创新来促进增长。因此在长期中，资本积累的速度会减慢，TFP对产出增长的作用不断增强。据此，本文提出假说2。

假说2：质量型产业升级对全要素生产率增长的作用比数量型产业升级更加直接、迅速；质量型产业升级在短期内会增加资本积累的速度，在长期中则会减慢资本积累的速度。

三 研究设计

(一)经济增长的分解

上述两个假说中都涉及到经济增长指标的选取，而简单的GDP增长率并不能反映生产效率的变化，只能作为短期增长的替代指标。随着中国要素驱动模式转向以资本要素投入和自主创新驱动为主(李建伟，2018)[19]，将经济增长分解为来自于TFP的增长和劳均资本积累的增长更能反映中国经济的长期发展态势和可能存在的问题。

对经济增长进行分解时，全要素生产率的计算尤为重要。根据测算对象的不同和可使用数据的多少，可以采用多种方法计算TFP，包括索洛余值法(刘伟和张辉，2008[2]；王华，2018[20]；蔡跃洲和付一夫，2017[21])、数据包络分析法(林毅夫和刘培林，2003[22]；张月友等，2018[15])、随机前沿分析法(顾乃华，2010)[23]等。由于全要素生产率通常被认为是总产出中不能由要素投入所解释的“剩余”，它反映了生产率作为一个经济概念的本质(Gatto，2011)[24]。本文认为用索洛余值法结构清晰并易于处理，能够较为贴切地反映生产率的本质特性，并且通过将生产函数设定为集约形式后，余值之外的部分就是劳均资本存量。

使用索洛余值法计算TFP时，首先要设定生产函数的形式。Cobb-Douglas生产函数(C-D生产函数)由于结构简洁清晰成为最常用的函数形式，与此同时，超越对数生产函数(Trans-log)也在文献中经常使用。相对于C-D生产函数，超越对数生产函数加入了变量的平方项和交互项，能够捕捉到系数更多的变化(王鹏和尤济红，2015)[5]。尽管后者有一些优点，但在实际估计过程中并不能提供比C-D生产函数更多的信息(鲁晓东和连玉君，2012)[25]，而C-D生产函数的结构更加简洁、处理方便，对规模报酬的计算更加直观，因此本文采用C-D生产函数进行计算，生产函数设定如下：

Yit=AitKitαLitβ

(1)

其中Yit表示总产出，Kit和Lit分别表示资本存量和劳动投入，Ait就是全要素生产率。参照王华(2018)[20]对生产函数的设定，将规模报酬设为不变(β=1-α)，并在等式两边同时除以Lit，式(1)进一步表示为如下集约形式：

yit=Aitkitα

(2)

用小写字母表示劳均形式，yit为劳均产出，kit为劳均资本存量。将式(2)两边同时取对数，劳均产出被分成TFP的对数值和劳均资本存量的对数值(2)严格来说lnkit就表示劳均资本存量的对数值，但是为了使两部分相加等于总产出，本文将αlnkit视为劳均资本存量的对数值。两部分：

lnyit=lnAit+αlnkit

(3)

对于式(3)，求出资本产出弹性α后，能够得到劳均资本存量对数值，进而可以用余值法求出TFP的对数值：

lnAit=lnyit-αlnkit

(4)

然后对参数进行计量估计，考虑到产出数据本身有随时间变动的趋势，进一步加入时间趋势变量，方程设定如下：

lnyit=αlnkit+γt+σi+μit

(5)

其中，t为时间趋势变量，σi为省份的个体效应。μit即为全要素生产率的对数值。接下来先对式(5)进行回归，估计出资本的产出弹性并计算劳均资本存量对数值，再代入式(4)计算全要素生产率的对数值。

本文采用我国省级面板数据对式(5)进行估计，劳均产出为各省当年GDP与年末总就业人数的比值，劳均资本为资本存量与年末总就业人数的比值。各省当年GDP和年末总就业人数均来自国家统计局官方网站，GDP用CPI指数折算为以2003年为基期的不变价格。对于资本存量，本文参照徐现祥等(2007)[26]的研究，采用永续盘存法进行估算。其中，当年投资采用固定资本形成总额，并用固定资产投资价格指数折算为以2003年为基期的不变价格，由于西藏缺少历年固定资产投资价格指数数据，用历年CPI数据替代。折旧率选为10%，并选用5%进行稳健性检验。对于基期资本存量的确定，本文参考单豪杰(2008)[27]的方法，假设资本存量增长率与当年投资增长率相等，2003年的资本存量等于2004年的固定资本形成额除以折旧率加上2004-2008年固定资本形成额的年均增长率。

对于生产函数的估计方法，现有文献主要采用OLS、FE、Olley-Pakes法(简称OP法)和Levinsohn-Petrin法(简称LP法)等。OP法和LP法属于半参数估计值法，适用于微观层面数据，用于对OLS估计结果所产生的同时性偏差的纠正，但是由于宏观生产率水平不是微观生产率的线性加总，所以宏观层面不存在决策问题，也就不适合使用半参数估计值法(鲁晓东和连玉君，2012)[25]。因此，本文采用OLS和FE对生产函数进行估计，并与RE结果比较，结果如表1所示。

从对C-D生产函数的估计结果中发现，在模型中加入时间趋势变量后，FE的估计系数下降，这说明忽略自变量随时间增长的趋势会高估资本的产出弹性，从而使得全要素生产率被低估(3)本文同时用模型(1)和模型(4)的估计系数计算了TFP，发现考虑时间变量的TFP要大于没有考虑时间变量的情况。。同时发现OLS的回归系数大于FE，这说明考虑省份不随时间改变的个体固定效应之后，估计结果更加可信。在加入时间变量之后，FE和RE的估计结果存在较大差异，考虑到对于宏观数据，RE的假设过于严苛，因此本文采用列(4)的估计结果确定参数α。

表1 C-D生产函数估计结果(折旧率为10%)

(续上表)

(二)模型设定及变量选取

实证分析需要分别检验“数量型”和“质量型”产业升级对经济增长的异质性影响，为了和前文产业升级的分类保持一致，本文将实证分为两部分，用两个计量方程对上述两个假说进行检验。原始模型设定如下：

Yit=α0+α1TS_mit+Xβ+σi+γt+εit

(6)

Yit=α0+α1TS_qit+Xβ+σi+γt+εit

(7)

其中，Yit表示经济增长水平，来自于TFP的增长和劳均资本积累的增长两个方面，实证中用TFPgrit表示TFP的增长率，KPLgrit表示劳均资本存量的增长，也就是劳均资本积累。核心解释变量TS_mit为数量型产业升级指标，TS_qit为质量型产业升级指标。X为一系列控制变量，σi是不随时间变化的省份个体效应，γt为时间效应(4)回归时用年份的虚拟变量表示。，εit为随时间变化的干扰项。考虑到当期的经济增长水平会对下一期产生影响，因此在两个计量方程中分别加入经济增长的滞后一期(Yi, t-1)，以此构造动态面板方程。由于产业结构的变化较慢，当期的结构性影响可能在下一期才会渐渐显现，为了体现产业升级在长期和短期中的不同影响，进一步在方程中加入产业升级滞后一期变量，回归方程如下所示：

Yit=α0+α1Yi, t-1+α2TS_mit+α3TS_mi, t-1+Xβ+σi+γt+εit

(8)

Yit=α0+α1Yi, t-1+α2TS_qit+α3TS_qi, t-1+Xβ+σi+γt+εit

(9)

现对TFP增长率、劳均资本积累两个因变量作简要介绍。在上一节中，本文采用加入时间趋势的固定效应模型对生产函数进行估计，并将估计结果代入式(4)中计算出TFP的对数值。进一步，将各省每年TFP的对数值与该省2003年的TFP对数值相减，得到基于2003年的TFP增长率(TFPgrit)。对于劳均资本积累的计算类似，用各省每年劳均资本存量的对数值减去该省2003年劳均资本的对数值，得到基于2003年的劳均资本存量增长率，即劳均资本积累(KPLgrit)。

本文将产业升级分为数量上的产业升级和质量上的产业升级。产业升级的质以效率提高和技术进步为依托，体现了产业结构向生产率高的产业占优势地位演进，因此借鉴刘伟和张辉(2013)[16]的做法，将产业升级的质量指标(TS_qit)设定如下：

(10)

本文认为产业升级的量是指产业结构向第二产业、第三产业占优势地位演进，并伴随着产业结构的服务化倾向。现有文献大多沿用了干春晖等(2011)[4]的方法，用第三产业产值与第二产业产值之比衡量产业升级的量，但是考虑到产业升级量和质的可比性，同产业升级的质量指标形式设定类似，用产业结构层次系数表示产业升级的量(TS_mit)：

(11)

与质量指标有所区别，这里的产业份额与对应的m相乘，而非对应的劳动生产率，表示产业结构的演进是向第二产业、第三产业占优势地位变化的，经济体中工业、服务业占比越大，产业升级的量也就越大。

本文选取人力资本(human)、政府干预(gov)和技术选择指数(TCI)三个变量作为控制变量。人力资本增长率的不同会直接导致经济增长的差异(Lucas，1988)[28]，同时知识积累所产生的“溢出效应”也促进了要素生产效率的提高(Romer，1986)[29]，限于数据的可得性，本文用普通高等学校在校生人数与地区年末常住人口的比值表示。新结构经济学强调“有为政府”和“有效市场”的共同作用，即市场在资源配置中应起核心作用，而政府应着重解决外部性问题和协调问题，提供适宜经济发展的软硬基础设施(Lin，2011)[30]。本文用地方财政一般预算支出和地区GDP的比来衡量政府干预程度，考察政府干预对经济增长的影响。林毅夫(2002)[31]认为，发展中国家所采取的发展战略是经济收敛的重要因素，当发展战略同要素禀赋结构所决定的比较优势相一致时，经济能更快地向发达国家收敛，并提出了TCI指标，用来测度一个经济体对遵循比较优势战略的偏离程度。本文也在实证模型中沿用了这一指标作为控制变量，采用地区制造业的实际资本劳动比与整个地区资本劳动比的比值表示TCI指数(5)详细计算过程可参考林毅夫(2002)[31]的研究。，其中地区制造业与地区整体的资本存量都采用10%的折旧率进行计算。

(三)数据来源与处理

在计算产业升级的质量指标(TS_qit)时，在求和符号的右边，产业份额没有量纲，而劳动生产率是有量纲的，参考刘伟和张辉(2013)[16]的做法，用标准化处理消除量纲。以钱纳里的标准结构模型作为比较基准，将我国各个产业的劳动生产率同标准模型中工业化进程起点和终点的生产率作比较，以此来消除量纲。具体公式如下：

(12)

表2 工业化进程中的劳动生产率(2003年人民币) 单位：元/人

资料来源：作者根据刘伟和张辉(2013)[16]的结果换算得出。

本文采用我国31个省、市、自治区2003-2017年的面板数据进行实证检验，分析该时期内产业升级对中国经济增长的平均影响。之所以选用2003年作为起始年份，是由于在《国民经济行业分类》(GB/T 4754-2002)颁布之后，服务业行业分类有了较大的调整，为了保证行业数据的前后可比性，采用调整之后的数据进行分析。文中所有的价值变量统一核算成了以2003年为基期的不变价，固定资本形成总额用固定资产投资价格指数进行平减，第二产业增加值和制造业增加值用PPI指数平减，PPI指数有缺漏的年份用对应的CPI指数进行代替，其余价值变量均采用CPI指数进行平减。对少数就业人数的缺漏值采用滞后一期的数据进行填补，变量的描述性统计如表3所示。

表3 变量的描述性统计

四 实证结果

(一)我国数量型产业升级对经济增长的影响

首先验证数量型产业升级对经济增长的影响，回归结果如表4所示。列(1)和列(2)为数量型产业升级对TFP增长率的影响，列(3)和列(4)表示数量型产业升级对劳均资本积累的影响，分别采用固定效应模型和动态面板模型进行估计。通过固定效应模型可以发现，数量型产业升级对经济增长有负向影响，即产业结构的服务化趋势不利于经济增长。具体来说，数量型产业升级对TFP增长率的影响显著为负，对劳均资本积累也有负向作用的倾向，初步说明数量型产业升级不利于劳均资本积累和TFP增长。

为了让结论更可信，在原始模型的基础上加入因变量的滞后期，以考察变量的时滞性影响。加入被解释变量的滞后一期之后，模型自然产生了内生性问题，因此采用Arellano和Bond(1991)[32]提出的一阶差分GMM进行估计，用TFP增长率和劳均资本积累滞后两阶以上的水平变量作为工具变量。由于本文的数据结构也满足一阶差分GMM估计所要求的“大N，小T”，因此GMM估计量的渐进性质能够得到较好体现。考虑到产业升级需要一定时间，并且当期的TFP增长率和劳均资本积累很可能会对下一期的产业升级产生影响，将产业升级设置为先决变量，并用产业升级滞后一阶以上的水平变量作为工具变量。同时考虑异方差和模型设定问题，参照Arellano和Bond(1991)[32]的方法，用一阶段的估计结果和稳健标准误进行系数显著性推断，采用两阶段给出的Sargan统计量进行模型筛选，回归结果如列(2)和列(4)所示。

表4 数量型产业升级对经济增长的影响

整体看来，在表4列(2)和列(4)中，Sargan检验的P值都接近于1，过度识别检验是有效的，并且二阶序列相关检验的P值较大，即模型不存在二阶序列相关，模型设定总体合理。回归系数中，TFP增长率和劳均资本积累的滞后一期都显著为正，这说明经济增长有一定的趋势性，即当期经济增长水平受到其前一期的影响很大，同时也说明本文采用动态面板模型的合理性。进一步，在加入产业升级的滞后期后，模型呈现出了更多信息。在列(2)中，数量型产业升级在当期依然表现出显著的负向作用，并且系数与采用固定效应进行估计时相差不大，但是其滞后一期却表现出对TFP增长显著的促进作用，与张月有等(2018)[15]的结论一致。说明产业结构服务化对TFP增长具有显著的时滞性，这可能与服务业内部生产率差异较大和外部性有关(张月有等，2018)[15]。相较于制造业，服务业内部各行业间生产率的差异很大，且附加值较高的行业具有更高的进入门槛，这一定程度上会阻碍整体生产率水平的提高。在短期中，要素流入附加值高的服务业比较困难，所以可能更倾向流向中低端的服务行业，因此造成了当期TFP的负增长，即产生“结构性减速”现象。但是在长期中，由于劳动力自身人力资本的积累等原因，要素会慢慢达到高附加值服务业所设置的门槛，进而流入生产率较高的服务行业。同时服务业通常具有正外部性，比如教育、金融、交通服务等行业通过作用于人力资本积累或服务于生产行业来间接提高其他部门的生产率水平。所以在长期中产业服务化也会表现出对TFP增长的正向贡献。

列(4)中数量型产业升级的当期和滞后期系数为负，但不显著，这说明数量型产业升级对劳均资本积累有负向影响的倾向。原因可能与数量型产业升级过程中经济“脱实向虚”有关。与制造业相比，服务业发展所使用的机器设备、生产资料较少，因此服务业本身资本积累的速度比较慢，过度强调产业结构向服务化方面升级导致资源过多向服务业配置，而农业、制造业的发展则受限，资源配置效率的降低带来了资本积累速度下降。其次，制造业发展不足可能会反过来制约服务业的资本积累。因为服务业的资本积累需要依托制造业的发展，随着制造业专业化分工的不断深入，越来越多的部门从制造业中剥离出来成为生产性服务业，这使金融、租赁、咨询、交通运输等服务业得到较快发展。同时，制造业发展较快地区的居民收入水平较高，对教育、医疗、餐饮、文化等生活性服务业的需求和要求也较高。这种以制造业发展为基础的产业服务化需要服务提供者加大研发投入、购买新设备，提供高质量服务来满足消费者的要求，从而构成了服务业的资本积累，并且随着消费者要求的不断提高，服务提供者不断增加资本投入，促使资本积累进入良性循环。相反，如果服务业的发展脱离了制造业的支撑，服务提供者会缺乏投资积极性，资本积累速度慢，服务业发展长期在低水平徘徊。因此，过度强调产业结构服务化只能从数量上带来产业结构的“虚高”(刘伟和张辉，2013)[16]，这种“虚高”不但会抑制制造业的资本积累，也会影响服务业自身的资本积累，造成资源配置效率降低和服务业发展滞后。综上假说1得证。

(二)我国质量型产业升级对经济增长的影响

相对于数量型产业升级，质量型产业升级有自己独特的优势。表5中列(1)和列(2)为质量型产业升级对TFP增长率的影响，列(3)和列(4)表示质量型产业升级对劳均资本积累的影响，分别采用固定效应模型和动态面板模型进行估计。通过固定效应模型可以发现，质量型产业升级对经济增长有积极作用。具体来说，质量型产业升级对TFP增长率的影响显著为正，对劳均资本积累也有正向作用倾向，初步说明质量型产业升级有利于劳均资本积累和TFP增长。

与上文类似，在回归方程中加入经济增长的滞后项和产业升级的滞后项，用来捕捉变量的时滞性影响。采用一阶差分GMM估计处理动态面板中的内生性问题，并将产业升级设置为先决变量。在选择工具变量时，用经济增长滞后两阶以上的水平变量作为内生变量的工具变量，用产业升级滞后一阶以上的水平变量作为先决变量的工具变量。对异方差和模型设定问题的考虑与上文类似，用一阶段的估计结果和稳健标准误进行统计推断，用两阶段的Sargan检验进行模型筛选，估计结果如表5列(2)和列(4)所示。

在列(2)和列(4)中，Sargan检验的P值都接近1，说明工具变量的使用合理，同时二阶序列相关检验的P值较大，说明模型不存在二阶序列相关，因此模型整体的设定较为合理。列(2)表明，质量型产业升级在当期可以促进TFP的增长，但是其滞后期却会产生负面作用，并且都在1%的水平上显著。当产业升级以效率提高、技术进步为依托时，产业升级对TFP增长的作用更加直接、迅速。产业结构向生产率较高的行业占优势地位升级时，要素自然会流向具有更高生产率和更高附加值的行业，以此提高整体生产率。同时，要素在这些先进行业中通过“干中学”和累积效应进一步提升边际生产率，从而扩大了行业间的生产率差异，为产业升级提供内生动力，这种良性循环能够不断提升经济整体的TFP增长动力。对于质量型产业升级滞后一期系数为负，本文认为，要使以效率提高和技术进步为依托的产业升级对TFP增长产生持续促进作用，必须依靠要素不断流入那些生产率高的行业，这就要求行业内的技术水平不断革新、边际生产率不断增加，以此维持“结构红利”。因此这对行业内技术进步的速度有很高要求，即当期技术进步能够维持产业升级对整体生产率的提升作用，但是到下一期，TFP的增长对技术进步的要求提高了，前一期产业升级所依托的技术进步不能满足要求时，就会对下一期TFP的增长产生负面作用。

列(4)中，产业升级以技术进步、效率提高为依托时，当期的估计系数为正，滞后期的系数为负，且都在1%的水平上显著。当产业结构向劳动生产率高的行业占主导地位升级时，经济整体所使用的技术会更接近技术前沿，所面临的效率提升压力更大。具体来说，短期内，一方面，技术水平不容易得到改善，用技术进步的手段提高效率不现实。厂商通常实行的是赶超战略，通过增加资本投资能够较快实现后发优势和对技术前沿的追赶。另一方面，研发支出的资本化(6)2016年7月，国家统计局发布了最新一次对国内生产总值历史数据的修订结果，此次修订将能够为所有者带来经济利益的研究与开发支出，从中间消耗改列为固定资本形成，以实现研发支出的资本化(王华，2018)[20]。使厂商短期内的研发投资也作为资本积累进行核算，为了实现长期效率提高的目标，短期内不断增加的研发投入也构成了资本积累速度的提高。但是从长期看来，以效率提高为依托的产业升级滞后一期对劳均资本积累的影响为负。这可能是因为，在长期中，企业发展战略会从追赶、模仿转为自主创新，用资本大量替代劳动的情况不再出现，因此资本积累速度会降低。但资本积累速度下降对经济增长并不是坏事，现代资本化的本质是对未来现金流进行贴现定价、价值挖掘和重估，而过快的资本化会带来经济虚拟化和抑制内生技术进步(中国经济增长与宏观稳定课题组等，2010)[33]。总体看来，质量型产业升级在短期可以促进资本积累的加快，在长期又能避免“非金融企业金融化”的风险，因此质量型产业升级对长期经济增长的稳定和可持续发展都有重要作用。综上假说2得证。

表5 质量型产业升级对经济增长的影响

(续上表)

(三)稳健性检验

表4和表5的结果中， 在对C-D生产函数进行估计时，将资本要素的折旧率设置为10%，尽管这一设定与单豪杰(2008)[27]经过计算得到的折旧率(10.96%)很接近，但仍具有一定的主观性。为了保持计量结果的可靠性和准确性，进一步采用文献中常用的折旧率5%(王华，2018)[20]。经过计算发现，当折旧率从10%变为5%时，大多数省份全要素生产率的对数值降低了，同时劳均资本积累的对数值增加。这说明过大的折旧率有可能会高估TFP的贡献而降低资本积累的贡献，因此有必要对结果重新进行检验。

本文用5%折旧率计算得到的TFP增长率和劳均资本积累对动态面板模型重新估计，与前文相同，用一阶段稳健估计进行显著性推断，用两阶段估计结果进行二阶序列相关检验和Sargan检验，结果如表6所示。列(1)、 列(2)表示数量型产业升级对经济增长的回归结果，列(3)、 列(4)为质量型产业升级对经济增长的回归结果。与表4和表5的结果比较发现，主要变量的符号方向和显著性水平高度相似，估计系数也较为相近，因此可以说上文结果是稳健的。

表6 动态面板模型的稳健性检验(折旧率为5%)

(续上表)

五 主要结论及政策启示

本文比较了“结构红利”假说和“结构性减速”理论的内在逻辑机制，发现它们虽然都是用来解释产业升级对经济增长的影响，但本质上对产业升级的理解是不同的。“结构红利”假说论述的是质量维度的产业升级，而“结构性减速”理论表述的是数量维度的产业升级，本文并非关注两种理论正确与否，而是分析不同维度产业升级对中国经济增长的异质性影响，比较哪一种产业升级对经济的可持续发展作用更大。将经济增长分解为来自于TFP的增长与劳均资本积累的增长两方面，通过2003-2017年我国省级面板数据的实证分析，得出了以下结论：

(1)产业升级对经济增长表现出的“结构红利”和“结构性减速”两种结果并不矛盾，本质上是不同类型的产业升级模式导致的。本文分析“结构红利”假说和“结构性减速”理论的机制，发现两种观点对应两种不同模式的产业升级，并用实证检验了这一假定的正确性。

(2)质量型产业升级对TFP增长的作用比数量型产业升级更加直接、迅速。质量型产业升级能够直接从要素向高生产率行业的流动中获得“结构红利”，并通过行业内的积累效应维持这一红利，因此在当期就对TFP增长表现出显著促进作用。质量型产业升级在当期对劳均资本积累有正向作用，但滞后期的影响为负，说明质量型产业升级短期内较多使用资本投入，而长期中会慢慢减少资本投资，转向依靠TFP增长，促进经济高质量发展。

(3)数量型产业升级对TFP增长的当期影响为负，滞后一期才产生正向作用，这是因为服务业内部的异质性较强和存在一定的外部性，导致其对TFP的影响是一个复杂的传导机制和较为缓慢的作用过程。数量型产业升级对劳均资本积累的影响并不显著，但有负向倾向，这提醒我们过度服务化形式的产业升级可能会造成经济的“脱实向虚”，不利于资本的积累。

综上所述，数量型产业升级对经济增长的影响相对较慢，因此政府在制定产业政策时，不应过度强调产业结构服务化。服务业确实具有劳动力吸纳的能力，但是过快的服务化刺激起来只能使低水平的传统服务业扩张，会导致产业空心化和产业结构的“虚高”。因此，在产业升级的维度上，政府应更多鼓励和支持高端服务业和知识密集型服务业的发展，同时加大制造业的转型升级，引导产业升级向以技术进步、效率提高为依托的质量维度演进。一方面，实体经济是经济长期增长的重要支柱，要加大传统制造业的转型升级，大力发展高端制造业，促进制造业高质量增长。另一方面，在制造业发展的基础上，大力发展先进服务业、生产性服务业，促进服务业的转型升级。上述两个方面的实施都需要相应软硬基础设施的完善，政府应在道路交通建设、人才培养和制度创新中解决外部性和协调问题，发挥“有为政府”的重要作用。