中國產業結構轉型與經濟增長實證研究

□文/ 劉聰科

（首都經濟貿易大學 北京）

［提要］ 本文對中國近十年來經濟增長速度與產業結構轉型之間的關系進行實證檢驗，發現經濟發展水平越高，農業就業份額提升對經濟增長作用越弱。2013年前后三次產業經濟增長的作用大小發生變化，農業對經濟增長的作用不再顯著。不同經濟發展階段，區域間經濟發展顯現出異質性。

一、引言

新常態下，經濟增長轉向高質量增長階段，郭克莎和汪紅駒（2015）將2012年確定為中國經濟進入新常態的開端闡述經濟增長方式轉變下宏觀調控方式的轉變。國家統計局數據顯示，2007年國內生產總值增長速度達14.2%，至2018年增長速度降至6.6%，創2000年以來新低。

庫茲涅茨事實與經濟發展相伴，中國的產業結構處于工業向服務業轉型階段，具體表現可能為分工細化，如第二產業中的咨詢、倉儲、研發等業務向服務業轉換。從產業增加值看，2018年三次產業增加值比重分別為7.2%、40.7%、52.2%。從各省份間的勞動力分行業就業數據看，2008～2017年間以勞動力占比衡量的農業與制造業份額趨于下降，服務業在國民經濟中的份額趨于上漲。

產業結構轉型是理解重大經濟現象的線索。本文致力于研究解釋結構轉型過程如何影響經濟增長，以及如何實現經濟增長與結構轉型之間的良性互動，以推動國民經濟高質量增長。從2008～2017年之間行業平均勞動力占比與平均GDP 增長率之間的關系發現，各省、自治區、直轄市（不包括港澳臺）的農業平均勞動力占比與GDP 增長率之間為負相關關系，多數省份的農業勞動力占比份額均為4%以下，海南、新疆、黑龍江、內蒙古農業占比份額較高。制造業平均勞動力占比與GDP 增長率之間為負相關關系，多數省份的制造業占比在20%～25%之間，廣東、福建、江蘇等地的制造業比重較高。而服務業平均勞動力占比與人均GDP 增長率之間為正相關關系，多數地區的服務業占比在50%～65%之間，北京、西藏、海南的服務業比重較高。

現有研究認為，產業結構合理化與生產率提升能促進經濟增長，而過于強調產業結構高級化即盲目向服務業轉型不利于經濟增長。而產業結構發生變遷過程中，與經濟增長之間的關系也在發生變化。王一涵（2014）認為產業結構合理化可以促使經濟增長，但產業結構高級化很可能會抑制經濟增長。

生產率或技術進步是推動結構轉型的重要力量，國有與私營經濟之間不成功的改革也會拖累結構轉型。周辰亮與丁劍平（2007）在開放經濟的三部門一般均衡模型下，指出生產率的差異和不同產品的替代彈性是導致產業結構轉型的重要原因。Brandt et al.（2008）指出中國國營經濟不成功的改革拖累投資效率和結構轉型，降低產出增長和私營經濟的生產效率進而影響到整個國民經濟，并提出農業中全要素生產率的增長是結構轉型最重要的影響因素。

產業結構合理化方能促進經濟增長，對于需求或供給的側重同樣會使得經濟增長與結構轉型之間出現獨有特征。Nishi and Hiroshi（2016）從供給與需求兩個方面，考察了日本的結構轉型與經濟增長之間的關系，發現高異質性的非平衡增長路徑會抑制經濟增長。

二、研究方法和樣本數據

本文主要以31 個省份、自治區和直轄市（除香港、澳門與臺灣地區外）為研究對象，首先分析各省份經濟增長異質性；其次為實證檢驗；最后進行亞組分析。

（一）研究方法。本文選用省際面板數據并控制各省份不隨時間變化的個體效應，改善樣本間異質性所引起的遺漏變量進而參數估計有偏。模型形式為：

其中，Yit表示第i 個地區t 時期的經濟增長衡量指標即GDP 增長率，為被解釋變量；α 為截距項；βk為第 k 產業就業比重解釋變量的系數；Xkit表示第i 個地區t 時期的特定產業就業比重，即第k 產業就業比重與總體就業比值；Xit為i 地區t 時期的人均GDP；γk為i 地區t 時期第k 產業就業比重與人均GDP 交互項的系數；ui表示不隨時間變化的省份個體固定效應；∈it為第i 個地區t 時期的隨機擾動項。

（二）樣本數據。本文數據來源于國家統計局分省年度數據。以各省生產總值增長率作為經濟增長衡量指標，產業結構選用行業分城鎮單位就業人員三次產業就業人員比重作為衡量指標。生產總值增長率以生產總值簡單計算得出。三次產業就業人員比重通過各行業加總并計算相關比重。

本文選取2008～2017年各省、自治區、直轄市相關數據。其中，被解釋變量與解釋變量分別為相應省份經濟增長率、農林牧漁業就業占比、制造業就業占比、服務業就業占比、對數化人均生產總值。為避免模型出現嚴重多重共線性，本文以制造業就業人數占比作為第二產業就業比重的衡量指標。

三、固定效應面板數據分析

（一）個體固定效應回歸。由于經濟增長與結構轉型可能存在反向因果關系，模型會出現較嚴重的內生性。而關于經濟增長與產業結構之間的關系，陳平、李廣眾（2001）認為中國的結構轉型促進了經濟增長。邵洋洋（2019）基于var 模型對得出我國1978～2017年間經濟增長與產業結構之間是單向的格蘭杰因果關系，即產業結構調整促進經濟增長。2007年以來經濟增長速度持續下滑，2013年提出新常態以來中國經濟增長的高速增長轉為中高速增長的特征，供給側結構性改革日益提上日程，本文認為樣本期間結構轉型會抑制或促進經濟增長。更嚴格地，目前所揭示的只是兩者的相關關系，清楚闡述此問題需借助理論模型進行嚴謹分析。

本文發現，農業在經濟的不同階段對經濟增長的影響并不相同。在將對數化人均生產總值以及其與農業就業占比納入回歸模型后，系數估計值出現顯著變化，一定程度上表明，農業就業占比對經濟增長通過人均生產總值水平的變化發生作用，即不同經濟發展階段，農業對經濟增長的作用不同，人均生產總值處于低水平時，農業對經濟增長的作用潛力較大，而當人均生產總值水平越過一定發展階段時，農業就業占比對促進經濟增長的潛力趨于弱化。在加入制造業就業占比與人均生產總值的交互項以及服務業就業占比與人均的交互項之后，除農業就業占比系數呈顯著外，其余系數均為不顯著，我們推測原因為多重共線性導致有效性降低，但并不影響系數的一致性。進行wald 檢驗，結果顯示，制造業就業占比、制造業就業占比與人均生產總值的交互項并不聯合為零，服務業就業占比與人均生產總值的交互項同樣不聯合為零，制造業就業占比與服務業就業占比均通過人均生產總值對經濟增長產生作用，但仍需要更進一步地嚴謹說明。（表1）

（二）分時間段個體固定效應回歸。供給側結構性改革提上日程，裴長洪（2019）在經濟新常態下中國擴大開放的績效中以2013年為經濟中新常態的分水嶺。本文以2013年為分界，對比此時間點前后經濟增長與結構轉型之間的關系變化。

回歸結果顯示2008年至2013年間各產業就業占比與經濟增長之間的關系。本文發現，納入人均生產總值水平與農業的交互項后，農業就業占比對經濟增長的作用仍然如前所示，交互項系數通過顯著性檢驗，即農業通過人均生產總值水平對經濟增長產生作用。

但在加入對數化人均生產總值、農業就業占比與人均生產總值的交互項后，農業就業占比以及交互項系數均不顯著。而納入對數化人均生產總值、制造業與對數化人均生產總值的交互項時，服務業就業占比與對數化人均生產總值的系數均與之前顯著不同，一定程度上說明以2013年前后經濟增長與結構轉型之間的作用發生了變化，各產業對經濟增長的促進作用發生變化。

（三）分區域個體固定效應回歸。前文中，為了控制省份間異質性，本文采用固定效應模型考察了全國范圍經濟增長與結構轉型之間的關系，但區域發展具有異質性，本文將31 個省級行政區分為東部、中部、西部以及東北地區，分別進行考察。

從各地區回歸結果看，東部地區農業就業占比與經濟增長之間的關系弱化，推測原因為，東部經濟發展水平高，農業對經濟增長的潛力下降，其他產業在經濟增長中起主導作用。而中部、西部、東北地區，農業就業占比與經濟增長均呈現出通過人均生產總值產生作用的機制，其中以中部、西部的結果最為顯著。各地的產業結構對經濟增長的作用同樣存在差異，東北地區服務業對經濟增長的作用，在不同經濟發展水平下我們認為在東、中、西、東北地區之間存在經濟水平的差異，但服務業均通過人均生產總值對經濟增長產生影響。

與前文一致，各地區現階段農業就業占比的增加均會阻礙經濟增長。而不同經濟發展階段，農業就業占比對經濟增長的作用不盡相同，在地區內部呈現相同現象，即該地區經濟發展水平越高，農業就業的增加對經濟增長的作用越弱。

四、基本結論及啟示

本文發現不同經濟發展階段農業就業占比對經濟增長的作用并不相同。以2013年為分界，經濟增長與結構轉型之間的關系發生變化，突出表現為農業對經濟增長的作用減弱，制造業與服務業對經濟增長的作用并不明顯。區域之間各產業對經濟增長的作用所要求的經濟階段不同。

本文認為應針對不同經濟發展階段合理支持相關產業發展，以結構轉型促進經濟發展。同時本文存在不足，引用他人對于經濟增長與結構轉型之間的關系，并未親自使用數據討論內生性問題。因果關系論證不充分，應結合理論模型共同論證產業結構和經濟增長間的確切關系。對于多重共線性，只是使用檢驗驗證了制造業與服務業通過人均生產總值發生作用，并未給出直接證明。

盡管如此，本文仍具有一定啟示。本文核心觀點為不同經濟發展階段，各產業就業占比對經濟增長的作用不同。因此，應結合經濟發展階段因地施策，促進結構轉型合理化的著重點應相機而變，在不同發展階段適時調整產業政策，減緩“過時”的產業政策對經濟增長帶來的負向效應。避免“一刀切”地對待結構轉型。針對不同區域的不同經濟發展階段，因時因地制宜，著重突顯各區域主要產業對經濟增長的促進作用，把力“打在實處”。既要看到各區域的不同，也要看到區域之間的相同之處，促進區域內部的產業結構合理化以及高級化。

表1 加入控制變量回歸結果一覽表