产业结构调整、结构性减速与经济增长分化,本文主要内容关键词为:结构性论文,经济增长论文,产业结构调整论文,此文献不代表本站观点,内容供学术参考,文章仅供参考阅读下载。
一、问题提出
随着向工业化、城市化转型的不断加深,中国经济正在经历显著的结构性变化,改革开放以来工业化所引致的全国一盘棋同步高增长的“结构性加速”时代趋于终结,经济增长将逐步转入未来的“结构性减速”。通常,“结构性加速”缘于工业化的发展和产业结构的调整,劳动力资源由落后的农业部门转移到劳动生产率增速较高的工业部门,并促进经济增长速度的提高。当工业化日益走向城市化时,产业结构再次调整,劳动力资源则开始由工业部门转向劳动生产率增速较低的第三产业部门,并导致经济增长速度回落,就形成了“结构性减速”。
纵观世界经济的发展历史,“二战”后工业化国家人均GDP增长速度普遍加快,20世纪60年代之后又普遍下降;而亚洲“四小龙”的人均GDP也在经历了长达30余年的快速增长后,于1970年代进入减速阶段。可见,经济增长速度的转变是任何国家在工业化发展道路上都不能回避的阶段。Mitchell(2007)的研究为这一模式提供了详尽的数据支持,其中产业结构发展状况、经济活动人口的产业分布、人口的经济活动参与率等是影响经济增长速度的重要指标。Maddison(2006)考察了过去100年间约40个经济体的经济增长状况,并指出OECD国家的经济增长在60年代开始减速的原因是劳动生产率增速、汇率制度和宏观政策的变动。特别是“二战”后发达国家的产业结构变化加速了劳动力从低生产率部门向高生产率部门的转移,提高了全社会劳动生产率增速,并促成了这些国家的高速增长。但这种被西方学者称之为“一劳永逸”(Once for All)的因素也削弱了劳动生产率持续高增长的空间。Bjork(1999)利用美国100年的历史数据,对产业结构、人口结构等重要因素进行了分析,认为日趋成熟的美国经济已经告别昔日的高速增长时代,取而代之的是增长减速时代。Barro and Sala-i-Martin(2004)也通过类似的研究指出发达国家的经济增长速度存在着先上升后下降的规律,但减速后依然超过平均水平。张平、刘霞辉(2007)把发达国家经济增长速度的变化轨迹总结为S型路径,并指出了路径不同阶段的特征和问题。近年来,许多学者开始了对中国经济增长减速的关注。王庆、章俊、Ho(2011)认为农村劳动力向城市工业部门的大规模转移,使得劳动生产率很难再有提升空间,且结构性改革为劳动生产率创造的潜在收益也大不如以前,进而判断出,2020年前中国经济增长速度将比此前10的平均水平下降2%以上,且经济结构将随之发生重大转变。袁富华(2012)基于经济增长因素分解的研究表明,20世纪70年代以后发达国家经济增长的减速,与产业结构服务化造成的劳动生产率的减速密切相关,由此提出了长期增长过程中“结构性加速”与“结构性减速”的观点,同时,还指出未来中国经济结构服务化趋势逐渐增强,“加速”向“减速”转换的问题将会凸显。张军(2012)认为,当前中国经济增长速度的下降,主要是由生产率增速下降所引起的,而近年来生产要素跨部门流动受阻则是生产率下降的主要原因;在经济减速的治理上,应该从供给端着手。类似地,华中炜(2012)也认为,当一国经济处于“结构性加速”到“结构性减速”的转换阶段,频繁的需求管理政策将使经济周期短期化和波动扩大化,宏观政策走向“供给端改革”是克服这个困境的必然选择。
与目前已有研究不同的是:①本文并不是沿用时间序列数据对一些经济指标的变化趋势进行简单的分析,而是运用空间面板数据,对全国和三大区域经济增长速度进行详细地比较研究。②把可能对中国经济“结构性减速”产生重要影响的结构性因素引入模型,分析其在不同地区产生影响的方向和大小;特别地,根据地理异质性假设,把通常人们所忽略的地区之间的空间影响也考虑进来。本文的研究结果表明:中国经济增长速度总体上存在着空间自相关:东部地区经济增长已经进入“结构性减速”时代,西部地区正处于显著的“结构性加速”阶段,而中部地区则出现了“加速”与“减速”并存的局面,但整体呈现出“结构性加速”,全国经济总体上依然维持在“结构性加速”阶段,但经济增长分化的格局业已形成:对于经济增长速度影响最大因素是劳动生产率增速,其次是空间效应。平均工资增速的影响较小,其他因素对经济增长速度的影响不明显。
二、研究方法和样本数据
本文的技术路线:一是分析中国各个省、自治区和直辖市(下文简称省份)在经济增长速度上的空间自相关;二是分别以全国和东、中、西部地区为研究对象,对经济增长速度与主要的结构性因素之间的关系进行面板数据分析,并检验方程残差的空间自相关;三是构建空间面板数据模型,揭示在空间自相关条件下,结构性因素对全国及三大区域经济增长速度的影响差异;四是在空间计量结果的基础上进行拓展分析。指出不同区域经济增长速度的分化状况及其发展趋势。贯穿于整个技术路线中的研究方法如下文所述。
1.研究方法
(1)空间自相关。该指标能够从地理空间的整体上刻画经济社会活动分布的集聚情况,而这种集聚源于地区之间的客观经济联系。众多研究结果表明。Moran's I指数有助于更加科学地分析经济现象的空间效应与空间自相关(Moran,1950)。该指数定义如下:
一般认为,如果Moran's I的正态统计量的Z值大于正态分布函数在5%水平下的临界值1.65,表明地区经济活动在空间分布上具有明显的正自相关①,这也意味着邻近地区的类似特征值出现了集聚效应。此外,Moran's I散点图的4个象限能够进一步区分某个地区与其他地区之间的空间联系形式:第Ⅰ、Ⅲ象限代表观测值之间存在空间正自相关,第Ⅱ、Ⅳ象限则代表观测值之间存在空间负自相关(徐建华,2006)。
(2)空间面板数据模型。空间计量经济学模型的基本思想是通过一个空间权重矩阵W对普通回归模型进行修正(吕健,2011)。常用的空间计量模型有两种类型:一是空间滞后模型(SLM),二是空间误差模型(SEM)。当变量之间的空间作用对模型显得非常关键而导致了空间自相关时,采用前者;当模型的误差项存在空间自相关时,采用后者(Anselin,1988;Anselin et al.,2004)。空间自相关在这两种模型中分别体现为因变量的滞后项和误差项。
其中,y为被解释变量,X为外生的解释变量矩阵,ρ为空间回归系数,反映了其他地区的因变量对本地区因变量的影响方向和程度,W为n阶空间权重矩阵,β反映了自变量X对因变量y的影响;λ为因变量的空间误差系数,ε为随机误差向量,μ为正态分布的随机误差向量;λ衡量了存在于扰动误差项之中的空间自相关作用,能够反映其他地区关于因变量的误差冲击对本地区因变量的影响程度。
当空间计量与面板数据相结合时,便产生了空间面板数据模型。我们根据随机误差项分解的不同,可以进一步地分为固定效应和随机效应。当样本回归分析局限于特定地区时,固定效应模型更优,因此,我们主要采用空间固定效应模型(Elhorst,2003)。该模型中控制了两类非观测效应,即个体固定效应和时点固定效应,前者反映随个体(省份)变化但不随时点变化的背景因素对因变量的影响;后者代表随时点变化但不随个体(省份)的背景因素对因变量的影响。
(4)空间模型的识别与估计。判断某一面板数据模型是否存在空间自相关,以及空间滞后模型和空间误差模型哪个更恰当,一般可以从面板数据模型的残差入手,采用Moran's I检验、两个Lagrange乘数形式(LMLAG和LMERR)及其稳健性检验(Robust-LMLAG和Robust-LMERR)来实现。Anselin,Florx(1995)提出了如下判别标准:如果在空间自相关的检验中发现LMLAG较之LMERR在统计上更加显著,且Robust-LMLAG显著而Robust-LMERR不显著,可以认为空间滞后模型较为合适;反之,则须选择空间误差模型。在模型估计中,由于以上两种空间模型自变量的内生性,如果仍采用最小二乘法(OLS),系数估计值会有偏或者无效,需要通过工具变量法(Ⅳ)、极大似然法(ML)或者广义最小二乘估计(GLS)、广义矩估计(GMM)等其他方法来进行。本文将根据Anselin(1988)的建议,采用极大似然法(ML)估计各种空间计量模型中的参数。
2.样本数据
这里,我们将基于产业结构调整的背景选择具有代表性的结构性变量,对全国和东、中、西部地区的“结构性减速”和经济增长分化进行分析。按照袁富华(2012)所采用的方法,将人均GDP做如下分解,以获取其中重要的结构性因素。
这样,人均GDP增长速度就分解为3个结构性因素:劳动生产率增速、劳动参与率增速和劳动年龄人口比重增速,而且劳动生产率增速还可以按照三次产业做进一步分解②,因此,这3个指标可以反映出产业结构变化对经济增长速度的影响。另外,我们还将选取第三产业就业比重增速和平均工资增速这2个变量。原因是当前中国第三产业发展水平较低,第三产业就业比重增速可能会对经济增长速度产生影响,可视为结构性因素;而平均工资增速则是影响经济增长速度的重要的成本性因素,也是近年来中国经济增长领域中备受关注的焦点。各个变量的定义如下:
经济增长速度(gdp):GDP与年末总人口数比值的变化率;劳动生产率增速(prod):GDP与就业人口数比值的变化率;劳动参与率增速(lapr):就业人口在劳动年龄人口中比重的变化率,这里的劳动年龄人口以15—64岁人口表示;劳动年龄人口比重增速(demo):劳动年龄人口占总人口比重的变化率;平均工资增速(wage):城镇职工平均实际工资的变化率;第三产业就业比重增速(tiep):第三产业就业人数占总就业人口比重的变化率。
在样本的选取上,我们注意到中国的人均GDP增长速度的变化趋势:自从1978年的8.913%递增至1993年的19.084%,但从1995年开始出现了明显的连续下降,2001年的人均GDP增速为12.360%;2002年开始,该指标又重新进入上升通道。2006年之后,中国的东、中、西部的经济增长速度不再像之前那样同步,而是出现了加速与减速并存的分化现象。因此,我们把样本时期确定为1995-2011年,刚好涵盖了3个典型的阶段:经济增长减速阶段(1995-2001年)、经济增长加速阶段(2002-2006年)和经济增长分化阶段(2007-2011年)。
需要说明的是:①为了平滑短期波动、获得长期趋势,我们对所有的样本数据均进行了Hodrick-Prescott滤波处理,各个变量的描述性统计结果如表1所示。②本文所采用的原始数据主要来自各期《中国统计年鉴》;2011年数据来自《中国统计摘要》(2012)以及各省统计局的快报数;少数省份个别年份的缺失数据,则根据其变化规律推算补齐(图表中将不再注明)。③根据通常的区域划分习惯,我们把北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南等11个省份作为东部地区,把山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南等9个省份作为中部地区,把广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆等11个省份作为西部地区。④本文所使用的地理信息与地图,均由地理信息系统(GIS)软件生成;我们在地图中绘制了香港、澳门和台湾,但这3个地区的地理信息并未纳入统计分析。
三、空间自相关分析
接下来,将通过Moran's I分析各个省份在经济增长速度上是否存在空间自相关(集聚效应)。通过计算,我们发现,中国内地31个省份经济增长速度的Moran's I仅在2001-2005年间没有通过显著性检验,而其他12年中均通过了5%或10%水平的显著性检验③。这意味着,中国的经济增长速度在总体上存在着空间自相关,即经济增长速度相似的省份存在着空间集聚效应。从图1中可以看出,在1995-2000年间,Moran's I在达到0.150之后开始下降,但基本保持显著,这也反映了该时期内,受到经济“软着陆”和东南亚金融危机的影响,中国各个省份存在着空间影响,经济增长速度普遍下降;2001-2005年间,Moran's I均不显著,意味着各个省份开始利用自身特点和优势发展经济,经济增长速度不断提高,因此,空间影响作用较小;2006-2011年间,Moran's I开始大幅上升,基本上都通过了1%水平的显著性检验,原因是“中部快速崛起”和“西部大开发”的不断深入,东、中、西部经济联系更加紧密(例如:东部对中西部的投资、中西部承接东部的产业转移等)。
图1 1995-2011年经济增长速度的Moran's I
通过Moran's I散点图可以对这种集聚效应做进一步分析。首先,我们选择4个代表性年份:经济增长速度开始明显下降的1995年,回升之前的2000年,经济增长开始分化的2006年和分化最大的2011年。在这4个代表性年份的散点图上,处于第Ⅰ、Ⅲ象限的省份较多,处于第Ⅱ、Ⅳ象限的省份较少。其中,第Ⅰ象限表示经济增长速度高的省份集聚(即高值集聚),第Ⅲ象限表示经济增长速度低的省份集聚(即低值集聚)。我们利用地图代替散点图的形式来更加直观地反映4个年份的集聚效应(如图2所示)④。1995年,经济增长速度高值集聚的8个省份主要位于中东部地区,低值集聚的省份则集中于东北、西北地区;2000年,高值集聚省份出现了向中部地区移动的态势,而低值集聚省份则以西部(特别是西南)地区为主;2006年,在上文提及的“中部快速崛起”和“西部大开发”不断深入的大背景下,高值集聚省份数量大幅度增加,且以中西部不发达省份居多,而东部沿海省份(北京、天津、上海、浙江、福建、海南)则形成了低值集聚;2011年,高值集聚省份全部出现在中、西部地区,低值集聚省份(除新疆外)则集中于东部沿海发达地区。图2展示了中国经济增长速度高值(低值)集聚省份的动态变化轨迹。
四、空间面板数据分析
空间自相关分析解释了中国在经济增长速度上存在着集聚效应,但是结构性因素在影响经济增长速度的过程中,是否也存在着空间效应?其作用方向和程度如何?这就需要进一步地进行多变量分析。我们把经济增长速度(gdp)作为被解释变量,把劳动生产率增速(prod)、劳动参与率增速(lapr)、劳动年龄人口比重增速(demo)、平均工资增速(wage)和第三产业就业比重增速(tiep)等作为解释变量,以全国、东部、中部、西部这4类地区为研究对象,分别运用面板数据技术进行分析。首先,进行普通面板数据分析,以检验是否存在空间自相关。
1.普通面板数据模型
这里,我们主要选取两类面板数据模型,一是混合模型(即无固定效应模型),表达式为:
根据这两类普通面板数据模型,可以检验是否存在空间相关性,如果存在的话,将采用前文提及的Lagrange乘数及其稳健性指标判断选择何种空间模型分析更为合理。
实证结果表明,虽然混合模型有部分回归系数通过了显著性水平的检验,但是,对4类地区的混合模型进行多余的固定效应检验之后,发现F值和值均较大,且伴随概率均为0,这意味着混合模型中存在着固定效应,应予舍弃。通过比较估计结果,我们发现4类地区的个体固定效应和时间固定效应模型均不及双固定效应模型合理,因此不拟采用。表2报告了4类地区双固定效应模型的估计结果,而其他不拟采用(不合理)的模型估计结果将不再列出。
根据表2所示的回归结果,模型1—4估计残差的Moran's I均通过了1%或10%水平的显著性检验,说明4类地区的个体时点双固定效应模型中均含有空间自相关,模型的估计结果是有偏的或无效的,需要重新构建空间面板数据模型;另外,Lagrange乘数及其稳健性指标也显示出,模型1—2的4个LM检验指标均通过了1%水平的显著性检验,但是LMLAG和R-LMLAG均大于对应的LMERR和R-LMERR,因此,选择SLM形式要优于SLM形式;模型3—4的LMLAG和R-LMLAG全部通过1%水平的显著性检验,而LMERR和R-LMERR未能全部通过显著性水平的检验,故应该选择SLM形式。
2.空间面板数据模型
接下来,我们将根据上文的分析结果,构建空间滞后双固定效应模型,其表达式为:
同时,放弃原先有偏的最小二乘法(OLS),采用适合空间计量分析的极大似然法(ML)进行估计。另外,在进行联合显著性检验(Joint Significance Test)之后,发现4类地区的空间滞后个体(或时点)模型均拒绝了个体(或时点)固定效应不显著的原假设,因此,空间滞后双固定效应模型应该是最优之选。我们在表3中仅给出4类地区空间滞后双固定效应模型的估计结果(个体和时点固定效应,将在后文中分析)。根据表3中的估计结果,可以得出以下结论:
第一,模型5—8在Adj-、logL和等指标上均优于表2中与之对应的模型1—4,说明普通双固定效应模型由于忽略了空间自相关,估计结果存在偏差,而空间滞后双固定效应模型考虑空间自相关,在一定程度上修正了这种偏差。
第二,模型5—8中的解释变量prod、lapr、demo系数均为正数,说明4类地区的经济增长速度与劳动生产率增速、劳动参与率增速、劳动年龄人口比重增速的变化方向一致。从劳动生产率增速对经济增长速度的影响程度上看,东部地区高于全国水平,而中、西部低于全国水平;在劳动参与率增速对经济增长速度的影响程度上,西部地区最大,中部地区最小;劳动年龄人口比重增速对经济增长速度的影响方面,西部最大而东部最小。
第三,平均工资增速这一指标,对全国范围的经济增长速度并没有明显的影响,但在东、中部地区,与经济增长速度的方向相反,而在西部地区与经济增长速度的方向相同。第三产业就业比重增速在全国、东部和西部地区均与经济增长速度呈反方向变化,但是,与中部地区的经济增长速度关系并不显著。
第四,空间效应的影响在4类地区都非常显著。全国范围内,外省经济增长速度对本省有着同方向的影响,而在东部地区,这种影响程度更大;在中、西部,外省经济增长速度则对本省的影响程度低于全国水平。
五、实证结果拓展分析:对于中国现实的解释
2012年以来,中国经济增长速度放缓已经越来越成为人们的共识,但是,全国和东、中、西部地区经济增长速度是否均已进入了下降通道?地区性的差异是怎样的?其结构性因素的变化趋势如何?接下来,我们将在实证结果的基础上进行拓展分析,并尝试对以上问题做出解释。
从全国总体来看,经济增长速度自2001年触底回升之后,一直保持上升的态势,原因在于:一是全社会劳动生产率增速存在着同样变化轨迹,且系数达到0.954(模型5),有力地推动了经济增长速度的提高;二是空间效应影响显著,全国范围内各个省份经济增长速度的相互影响系数达到0.268(模型5);我们还注意到,其他结构性因素方面,劳动年龄比重增速和第三产业就业比重增速没有明显的变化,而劳动参与率增速的微弱下降对经济增长速度影响极小(见图3所示)⑤。另外,平均工资增速呈现出下降趋势,但其系数并不显著(模型5),没有对经济增长速度产生影响。因此,可以认为中国在总体上并未出现经济增长的“结构性减速”,而是继续维持“结构性加速”。
对于东部地区而言,经济增长速度及其影响因素的变化情况与全国总体并不相同。从图4可以看出,东部地区除了辽宁、福建和海南外,其他8个省份经济增长速度均在2005年之后呈现出大幅的下降,其数值在0%到15%之间,且差异性较大。究其原因:①2005年以来,随着区域发展战略和产业结构调整的实施,东部地区加快了对中、西部地区的产业转移,其中包括大量的劳动生产率较高的工业部门,再加之第三产业水平不高,导致了东部劳动生产率增速明显下降,其数值已不足8%;同时,高达1.060(模型6)的系数进一步放大了劳动生产率增速对经济增长速度的影响程度。②东部省份之间正的空间影响作用较强,系数为0.311(模型6),这也成为东部各省经济增长速度普遍下降的重要原因。③东部地区的平均工资增速有所上升,也在一定程度上拉低了经济增长速度;第三产业就业比重增速在2005年以前处于下降阶段,在负系数的作用下推动了当时经济增长速度的提高,但是,2005年之后该因素的影响作用基本消失。此外,劳动年龄人口比重增速的细微上升虽然有助于经济增长速度的提高,但并不足以改变东部地区经济增长的“结构性减速”趋势。
图3 全国经济增长速度(左)及其影响因素的变化情况(右)
在中、西部地区,经济增长速度均表现出了显著的提高,其数值基本介于15%—25%之间,且内部差异性较小(如图5和6所示)。按照上文的分析思路,不难发现,劳动生产率增速上升是经济增长速度提高的主要原因。一方面,中、西部地区接受了来自东部地区的投资(主要是集中于第二产业)和产业转移,大幅提高了劳动生产率增速;另一方面,中、西部地区的劳动力资源开始由第一产业进入第二产业,从而推动了本地区的工业化发展。这两方面的作用,使得中、西部地区的劳动生产率增速迅速攀升到20%以上。而平均工资增速的不断下降,也有助于中、西部经济增长速度的提升。此外,来自空间的影响作用也相当显著,具体地说,本地区其他省份经济增长速度提高1%时,本省的经济增长速度将会提高0.2%以上(模型7、模型8)。但是,需要注意的是,中部地区的山西、内蒙古和河南已经开始出现了类似东部的经济增长减速的趋势,不难理解:这3个省份由于和东部地区邻接,成为中部地区接受东部地区投资和产业转移的前沿,在产业结构调整方面也与东部地区更加接近;在劳动生产率增速方面,这3个省份也在2009年之后出现了触顶回落的趋势,“结构性减速”的特征初步显现。通过以上分析,我们认为,西部地区正处于显著的“结构性加速”阶段;中部地区整体上属于“结构性加速”阶段,但是“加速”与“减速”并存的格局已初步形成。
图6 西部地区经济增长速度(左)及其影响因素变化情况(右)
通过对4类地区的分析,我们认为,随着产业结构的调整和产业转移的深入,劳动生产率增速在东部不断降低,中部开始分化、西部节节攀升,使得全国一盘棋同步高增长的“结构性加速”时代趋于终结,中国经济开始进入到东部“减速”、西部“加速”,而中部“加减并存”的经济增长分化阶段,且东部“减速”要快于中、西部的“加速”。对于这种分化状态,我们除了能够从图4—6中获得最直观的了解之外,还可以运用实证研究中4个空间滞后双固定效应模型的个体效应(截距项η)和时点效应(截距项δ)加以分析。
在模型5中,个体固定效应从横向上体现了31个省份经济增长速度的分化特征。图7显示,在整体上,东部地区的固定效应最小,中部地区较大,西部地区最大。这意味着在同样的冲击下,东部经济增长速度将会明显小于中、西部。进一步地,还可以发现东部省份的固定效应差异性显著,包括了最大值(江苏,0.314)和最小值(北京,-0.963),天津和上海的固定效应也很小,分别为-0.455和-0.176,说明东部地区在“结构性减速”中存在着很大的差异性,这也与我们对图4的分析结果一致;而中、西部地区固定效应的差异性相对较小。在模型6—8中,时点固定效应从纵向上反映了东、中、西部经济增长速度随时间变化的趋势(如图8所示)。其中,东部地区的固定效应随着时间变化而逐步下降,且数值已小于-1.0;中部和西部的固定效应则呈现出了较为相似的增长趋势,并在数值上超过了1.0。这表明,同样的冲击,在未来的年份中,给东部地区带来的经济增长速度将越来越小,中、西部地区则越来越大,但是中部地区明显小于西部地区。
图7 模型5的个体固定效应
图8 模型6—8的时点固定效应
六、基本结论与启示
为了考察产业结构调整背景下中国所面临的“结构性减速”和经济增长分化问题,本文采用了空间数据分析技术:①通过对1995-2011年31个省份的经济增长速度进行空间自相关分析,发现经济增长速度在总体上存在着较为明显的空间自相关,空间集聚效应具有动态变化的特征。高值集聚省份最初集中于东部沿海地区,后逐步向中部地区渗透,最后出现在原先具有低值集聚的中、西部地区;而低值集聚的变化轨迹刚好相反,低值集聚省份起初多见于西部地区,后来逐步向东部地区转移,并最终集中于东部沿海的发达省份。②我们把经济增长速度分解为劳动生产率增速,以及劳动参与率增速、劳动年龄人口比重增速等3个结构性因素,再增加反映产业结构调整的因素——第三产业就业比重增速,以及平均工资增速,共同组成解释变量,采用面板数据模型对全国以及东部、中部和西部经济增长速度进行计量分析。第一步,通过对传统的面板数据模型的检验,发现个体时点双固定效应模型相对其他模型更为合理,但是,4类地区的模型估计残差中均存在显著的空间自相关,说明普通面板模型的估计结果可能有偏或无效。第二步,放宽了传统计量的地理同质性假设,根据Lagrange乘数及其稳健性检验结果,选择包含空间自相关的空间滞后双固定效应模型(SLFEM),把其他省份对本省的影响纳入到分析之中,使得估计结果与现实更为相符。
实证结果表明:①东部地区经济增长已经进入“结构性减速”时代,西部地区经济增长正处于显著的“结构性加速”阶段,而中部地区经济增长出现了“加速”与“减速”并存的局面,但整体呈现出“结构性加速”;在中、西部较强的“结构性加速”带动下,全国经济总体上依然维持在“结构性加速”阶段,但经济增长分化的格局业已形成。②对于经济增长速度影响最大因素是劳动生产率增速,其次是空间效应,平均工资增速的影响较小;而劳动参与率增速、劳动年龄人口比重增速由于长期未有明显的变化,因此,没有像其他学者预计的那样发挥出明显的影响作用。③东部劳动生产率增速下降可归因于产业转移和结构调整;中、西部劳动生产率增速上升缘于东部的投资和产业转移,以及劳动力资源从第一产业转入第二产业后所带来的工业化发展;因此,第三产业人口比重增速没有出现大的变化和影响作用。④在东部地区的“结构性减速”过程中,外部冲击对各个省份经济增长速度的影响存在较大差异性;而在时间维度上,外部冲击会进一步扩大3个地区经济增长分化。
通过实证分析,我们认为中国处在经济社会发展的转型期,人均收入水平还比较低,这种经济增长速度的转变,将会对产业结构、社会投资、居民消费等领域产生巨大而又不确定的冲击;在“结构性加速”与“结构性减速”并存的过渡期内,宏观经济政策的制定和宏观经济运行的调控也将变得更加错综复杂。那么,如何积极应对“结构性减速”和经济增长分化?实证结果的启示是:加快实现产业结构现代化,提高全社会劳动生产率增速。东部地区出现劳动生产率增速下降的原因是第二产业的转移和第三产业的较低发展水平。为了应对“结构性减速”,东部地区必须加快发展高端制造业和现代服务业,通过产业结构现代化,提高全社会劳动生产率增速,重新提升经济增长速度。长期以来,东部地区在生产总值、社会固定资产投资、外商投资、研究与实验发展等方面占全国的比重均大大高于其土地、人口资源占全国的比重,可见,东部地区完全可以凭借其密集的生产力布局、较高的人力资源素质和科技创新能力,发展高端制造业,以质量优势消除产业转移带来的劳动生产率减速。另一方面,近10年来,全球服务业的增加值之所以能够超过制造业,主要是源于服务业内处于价值链高端的现代服务业(生产性服务业)的发展,而中国第三产业水平不高,恰恰就是因为现代服务业发展水平较低。因此,东部地区需要通过进一步的结构调整克服现代服务业的发展瓶颈,推动第三产业整体的升级和发展,在城市化进程中实现劳动生产率增速的稳步提高。另外,中、西部地区当前的“结构性加速”主要基于第二产业较高的劳动生产率增速,但是,需要注意的是其第二产业多为低端制造业,当中、西部地区劳动力的“廉价时代”趋于终结时,较高的劳动生产率增速将难以维系。因此,中、西部地区也应该充分重视产业结构现代化,提前应对未来可能出现的“结构性减速”。
①一些研究认为,通过10%水平的显著性检验,也可以视做存在空间自相关。
②人均GDP增长速度的进一步分解和推导过程参见袁富华(2012)。
③仅个别年份是通过10%水平的显著性检验。
④由于我们重点研究的是处于第Ⅰ、Ⅲ象限的省域,因此,第Ⅱ、Ⅳ象限的省份将不再予以区分。
⑤由于全国及东、中、西部的劳动参与率增速远低于1%,对经济增长速度的影响极小,我们将不再过多讨论。
标签:劳动生产率论文; 自相关论文; 固定效应模型论文; 经济增长论文; 面板数据论文; 集聚效应论文; 经济论文; 空间分析论文; 中国东部论文;