全要素生产率与产业升级关系研究 ——基于2000~2016年安徽省面板数据的实证分析
0 引言
“十三五”规划以来,安徽省2017年生产总值增速为8.5%,连续两年均在中部地区处于领先地位。在经济发展新常态推动供给侧结构性改革的建设下,安徽省秉承着落实“十九大”精神,优化产业结构升级,配置本土化与国际化资源,加强产能合作,有利于获得更持续的地区竞争优势和更多的发展空间。安徽省在改革开放以来对产业结构优化升级做出不少努力,近年来产业结构趋向稳定。第一产业比重逐渐下降,向第二、第三产业转移,第二产业发展处于主导地位。就业人口第一产业比重有所下降,第二、第三产业的就业人数逐渐提高比例。安徽省第二产业的贡献率一直居于领先地位,且于2010年达到2000~2016年来最高值70.17%,第三产业位于第二位,远超第一产业的贡献率,对全省生产总值有一定的拉动作用,第二、第三产业是促进安徽省经济增长的中坚力量。安徽省的产业升级问题是我国实现“中部崛起”的重要关注点,而其发展需要当地要素的优良配置与生产效率的不断提高。为此,本文以安徽省16个地级市作为研究对象,通过实证检验进一步探讨全要素生产率增长对产业升级的影响。
对于全要素生产率与产业升级关系之间的研究,国内学者提出了各种观点:刘冉[1] 就我国省级的全要素生产率进行了测算,用三次产业占比作为产业结构升级的测度指标,验证了三次产业对全要素生产率的显著促进作用以及产业结构效应存在的时空差异性和时滞性;曾国平等[2] 基于PVAR模型实证产业结构调整与全要素生产率之间存在互动性影响,产业结构调整对全要素生产率的增长的催生较为缓慢,同时存在全要素生产率短期内对产业结构正向调整作用;余泳泽等[3] 则运用SFA法测算全要素生产率,并加入服务业结构升级、进出口占GDP比重等变量结合动静态面板模型,实证检验了三次产业升级对全要素生产率提升的显著性促进作用;杨文爽[4] 对东北三省高新技术产业的全要素生产率增长进行测算和分解,基于随机效应模型验证了全要素生产率增长对产业升级能力的积极影响;江永红等[5] 基于DEA-Malmquist的全要素生产率测算及2008~2016年产业结构数据分析,认为我国产业结构服务化与全要素生产率呈正相关关系。
基于BIM技术的碰撞检查在工程中的应用…………………………… 王邵臻,何博,徐丽豪,蒙秋莎(3-261)
近些年,学者们将研究逐渐转向重点省份,尝试从空间的角度进一步阐释产业结构变化对全要素生产率带动效应:张学威[6] 研究比较安徽省及长三角地区全要素生产率与产业结构优化的关系,认为相较而言安徽省的产业结构变化对全要素生产率带动效应并不显著;徐慧敏[7] 立足于产业结构调整、空间集聚综合角度,研究安徽省全要素生产率贡献率测度的经济转型升级状况,验证了安徽省产业结构调整优化会有效促进经济转型升级;朱旭强等[8] 尝试基于三个代表性省份(苏、粤、闽)面板数据的实证研究解释产业结构升级对全要素生产率增长的贡献程度,结果解释力较弱(为13.22%)。
Comparison between the situations of climate change in the Arctic stratosphere during December and
现有文献对于全要素生产率与产业升级关系的研究大多集中于行业层面和分省数据,立足于地级市的微观地域研究则较为匮乏。本文利用2000~2016年安徽省16个地级市面板数据,采用VAR模型和面板数据模型,对全要素生产率与产业升级的关系进行实证分析,以期得出有益的结论,为决策者进行决策提供依据。
报道称,虽然网上贸易持续增长,但这并不一定意味着在现实世界中实体零售生意的消亡。根据普华永道的统计,近60%的德国人每周至少会在实体零售店中掏一次钱包。实体店购物的人数甚至多于3年前,当时只有46%的人进入实体商店购物。报道称,然而这种变化现在也出现逆转:一些网上供货商也冒险进入现实世界。亚马逊现在也开始办实体零售店。在美国已经出现首批亚马逊实体零售商店。
1 数据与测度指标的描述性分析
1.1 数据来源及处理
Spatio-temporal variations of remote sensing soil moisture during the period of 1998—2010 in the middle and
1.1.1 全要素生产率(TFP)
全要素生产率是扣除了生产要素(劳动力、资本等)生产率增长中的其他难以解释的技术创新、规模效应等所带来的产出增长。为反映全要素生产率的动态特征,本文选用了全要素生产率的环比增长率代表全要素生产率,以此反映全要素生产率的动态特征。采用基于DEA-Malmquist的测算方法[9] ,借助于DEAP软件计算得到。产出以基于2000年的同比各年份实际地区生产总值得到,投入变量包括资本存量和劳动力,资本存量借鉴张军等[10] 利用永续盘存法估计资本存量的方法,将折旧率设置为10%,对16个地级市固定资产投资进行以2000年为基期的价格缩减;劳动力用16个地级市全社会经济活动总人口数代表。数据来自2001~2017年《安徽省统计年鉴》。测算公式如下:和
依次代表第t期与第t+1期的投入与产出向量,
表示该期相对应的生产点距离函数。
天问大师怔忡地瞧着萧飞羽反应不过来,因为倾力推出的劲气不但被萧飞羽单掌接住,而且落在他身上的尘埃足以证明萧飞羽胜过他不止一筹。他确实没有脱俗,生平第一次败绩不仅使他惊诧,而且失控的沮丧一股脑儿地向他倾覆。
![pagenumber_ebook=88,pagenumber_book=88](https://qkk.lw71.com/uploads/image/2018/06/e41f47e454f1761aa3ee31307c34a4aa.png)
1.1.2 产业升级(r)
产业升级指标作为被解释变量,反映了一个地区动态的产业结构演进结果。本文采用徐德云[11] 中的产业升级层次系数代表产业升级指标,相关数据来源于2001~2017年安徽省各地级市统计年鉴。测算公式为:
![pagenumber_ebook=88,pagenumber_book=88](https://qkk.lw71.com/uploads/image/2018/06/cf4e35301932ed47ac602ec15dda8841.png)
pj为第j产业的产值占地区生产总值的比重(j=1,2,3),r值越接近于3,代表产业演进结构水平越高。
1.1.3 产业结构调整方向(w)
产业结构调整方向指标用于考察一个地区由工业型经济向服务型经济转型的发展程度。当代经济社会的竞争,更多集中在第三产业,所以本文选取第三产业产值占该地区生产总值的比重来测度该地区产业结构调整方向,数据来源于2001~2017年《安徽省统计年鉴》。
1.1.4 人力资本(h)
人力资本指的是劳动者身上知识、技能等凝结积累而成的劳动能力,对人力资本的培育与支持有利于产业合理化、高级化调整,是为产业升级提供源源不断的动力源泉。本文采用各城市6~60岁人口平均教育年限表示人力资本水平,相关数据来自2001~2017年《中国教育统计年鉴》,测算公式如下:
![pagenumber_ebook=89,pagenumber_book=89](https://qkk.lw71.com/uploads/image/2018/06/31a27859481cc0ecce055201d8d908d1.png)
n1,n2,n3,n4,n5分别表示大专及以上、高中、初中、小学、文盲各学历分别对应在就业人口总数中所占的比重。
1.1.5 开放程度(x)
作为影响产业升级的因素之一,开放程度是用以反映一个地区参与到国际要素分工的情况。近年来安徽省加大对外开放力度,优化产业结构升级,配置本土化与国际化资源,加强产能合作,对全球生产、服务和创新要素进行有效整合以获得更持续的地区竞争优势。本文中的开放程度由各城市进出口总额占该城市地区生产总值比重计算,进出口总额数据来自2001~2017年安徽省各地级市统计年鉴。
1.2 测度指标的描述性分析
简论花山文化及其后申遗时期的研究策略 ………………………………………………………………… 王建平 陶志红(3/72)
在甲方选择诚信的情况下,对于乙方来说,如果诚信的收益大于欺骗的收益,即U1>U2-rx,也即rx>U2-U1 ,法律判决的赔偿大于欺骗获得的剩余时,(诚信,诚信)也成为纳什均衡。
表1 变量描述性统计表
![pagenumber_ebook=89,pagenumber_book=89](https://qkk.lw71.com/uploads/image/2018/06/b9e6ccc350b46fc831c0fede6dd3f3a0.png)
变量 均值 方差 最小值 最大值ln r 0.299 0.048 0.144 0.428 ln w -0.439 0.080 -0.672 -0.187 ln x -2.234 0.464 -3.424 -1.111 ln h 0.885 0.058 0.778 1.037 TFP 0.000 0.127 -0.396 0.846
2.2.2 静态面板数据模型估计
2 全要素生产率与产业升级的关系分析
本文拟采用多变量自回归模型VAR来拟合指标间的互动关系[12] ,将所有变量均当作是内生的,确定变量序列的平稳性的同时,初步验证解释变量产业结构调整方向(ln w)、人力资本(ln h)、开放程度(ln x)、全要素生产率增长(TFP)与被解释变量产业升级(ln r)的因果关系和影响方式。在此基础上,本文将构建动、静态面板数据模型进一步确定产业结构调整方向(ln w)、人力资本(ln h)、开放程度(ln x)、全要素生产率增长(TFP)对产业升级(ln r)的解释程度。
2.1 VAR模型
2.1.1 模型理论
(4)结合本区域综合地质调查成果,初步划分了3个找矿靶区,即拉窝西金找矿靶区、希望沟找矿靶区及哈日扎北多金属矿找矿靶区,为区内开展下一步工作寻找金银多金属矿提供有意义的帮助。
Sims[13] 提出的VAR模型突破以往传统经济计量方法使用的模型限制,忽略模型中变量的内生性与外生性,将需分析的所有变量均视为内生变量,利用变量及其若干期的滞后变量构建动态联立方程组。Holtz-Eakin等提出的面板VAR模型在继承了VAR与面板数据分析优势的同时,通过个体效应及时间效应的控制来反映各变量之间的动态互动关系。
面板VAR模型的表达式为:
![pagenumber_ebook=89,pagenumber_book=89](https://qkk.lw71.com/uploads/image/2018/06/3c3462aa334ebcfa8545049d01dd9532.png)
在式(4)中, yi,t = (ln ri,t,ln wi,t,ln hi,t,ln xi,t,TFPi,t) 为内生变量产业升级(ln r)、产业结构调整方向(ln w)、人力资本(ln h)、开放程度(ln x)、全要素生产率增长(TFP)五者构成的向量,i代表16个地级市;t代表时间;ei是多维个体效应向量;fi代表时间效应向量;εi,t代表扰动项。
2.1.2 面板单位根检验
为避免实证分析中犯第二类错误,验证VAR模型建立的前提是否成立,数据需通过单位根检验。本文采用LLC检验、ADF-Fisher检验、IPS检验方法对变量对数序列进行面板单位根检验,结果显示ln r、ln w、ln x、ln h、TFP五个变量均通过平稳性检验,应用Stata14进一步协整检验,通过显示模型变量之间存在稳定关系,拒绝存在伪回归的假设,结果如表2所示。
表2 各变量平稳性检验表
![pagenumber_ebook=90,pagenumber_book=90](https://qkk.lw71.com/uploads/image/2018/06/0fef5b0d3d8ed1b3e6c63597a6aea9f0.png)
注:∗、∗∗、∗∗∗代表分别在置信水平10%、5%、1%下显著。
变量 LLC ADF-Fisher IPS 结论ln r -7.272∗∗∗ 78.070∗∗∗ -2.155∗∗∗ 平稳ln w -8.913∗∗∗ 94.916∗∗∗ -2.216∗∗∗ 平稳ln x -6.792∗∗∗ 102.228∗∗∗ -1.803∗ 平稳ln h -12.813∗∗∗ 43.074∗ -2.889∗∗∗ 平稳TFP -19.162∗∗∗ 244.806∗∗∗ -4.335∗∗∗ 平稳
2.1.3 模型平稳性检验
前文在建立VAR模型的过程中,验证了数据序列的平稳性,经过独立变量以及联合检验研究了全要素生产率增长(TFP)与产业升级(ln r)之间的关系。考虑到构建指标时全要素生产率的测算中扣除了劳动和资本的投入,还有人力资本、产业结构调整方向、开放程度等都可能对产业升级造成影响,因此,安徽省全要素生产率对产业升级影响的半对数静态面板模型设定如下:
表3 VAR模型平稳性检验表
![pagenumber_ebook=90,pagenumber_book=90](https://qkk.lw71.com/uploads/image/2018/06/f33c15b2b9038c498de25616f58434f8.png)
特征值实根 虚根 模数0.805 -0.390 0.894 0.805 0.390 0.894 0.874 0.000 0.874 0.704 0.000 0.704-0.305 0.398 0.502-0.305 -0.398 0.502-0.313 0.000 0.313 0.287 0.000 0.287 0.075 -0.063 0.098 0.075 0.063 0.098
表3中所有根模的倒数均在单位圆内,验证了模型的稳定性。
为考察安徽省全要素生产率与产业升级关系,基于数据的可获得性和一致性原则,本文选用2000~2016年间安徽省16个地级市的面板数据进行分析,部分指标数据按不变价格和可比价格换算至统一基期。数据处理如下:
2.1.4 面板Granger cause检验
为说明变量间的关系及作用方向,对变量进行格兰杰因果检验[14] ,结果如表4所示。
1.2 能促进学生对课程内容的建构 笔记有助于学生注意和发现知识的内在联系,有利于学生将新知识纳入原有的认知结构中。
表4 面板格兰杰因果检验结果表
![pagenumber_ebook=90,pagenumber_book=90](https://qkk.lw71.com/uploads/image/2018/06/d0ec25fe9c27ce6c2185f16cf63542a2.png)
原假设 P值 结论ln w不是ln r的格兰杰原因0拒绝ln h不是ln r的格兰杰原因0.879 接受ln x不是ln r的格兰杰原因 0.221 接受TFP不是ln r的格兰杰原因 0.198 接受ln w、ln h、ln x、TFP联合作用不是ln r的格兰杰原因 0 拒绝被解释变量(TFP) P值 结论ln r不是TFP的格兰杰原因 0.638 接受ln w不是TFP的格兰杰原因 0.696 接受ln h不是TFP的格兰杰原因 0.751 接受ln x不是TFP的格兰杰原因 0.014 拒绝ln r、ln w、ln h、ln x联合作用不是TFP的格兰杰原因 0.058 拒绝
从表4的检验结果表可知,产业结构调整方向(ln w)对产业升级(ln r)在5%置信度下有显著因果关系,外开放程度(ln x)是全要素生产率(TFP)的格兰杰原因。尽管全要素生产率增长(TFP)与产业升级(ln r)独立产生的因果关系并不显著,但全要素生产率增长(TFP)相对于产业升级(ln r)、产业结构调整方向(ln w)、人力资本(ln h)、开放程度(ln x)的联合检验是显著的,反映了这四个方面对全要素生产率的联合拉动作用。同时产业结构调整方向(ln w)、人力资本(ln h)、开放程度(ln x)、全要素生产率增长(TFP)的共同作用对产业升级(ln r)有显著因果关系,说明为有效提高产业水平、促成产业升级,不仅仅需要提高全要素生产率,还需要调整产业结构、增强人力资源储备、坚持对外开放。
2.2 面板模型
2.2.1 模型构建
建立VAR模型首先结合AIC、SC、HQ、LR、LogL原则确立最佳滞后期,最终选择最优滞后期为2,基于变量ln r、ln w、ln x、ln h、TFP构建VAR(2)模型。接着对滞后2期的VAR模型进行平稳性检验,结果如表3所示。
![pagenumber_ebook=91,pagenumber_book=91](https://qkk.lw71.com/uploads/image/2018/06/c9faa131f6c5442bc46f1aa67d930f2c.png)
其中,ln r作为产业升级指标,ln w、ln h、ln x、TFP分别表示产业结构调整方向、人力资本、开放程度和全要素生产率增长,为随机扰动项。
首先对不带滞后期的模型进行回归的随机效应模型拟合,设定为模型(Ⅰ);然后结合前人相关研究可知,形成产业结构升级传导机制的影响因素,如全要素生产率增长、人力资本、对外开放程度等均会对因变量产生一定的滞后效应,加入解释变量的滞后一期作为自变量所以设立模型(Ⅱ)和(Ⅲ);进一步加入解释变量的滞后二期设置模型(Ⅳ)和(Ⅴ),考察对于被解释变量的影响;在模型(Ⅴ)的基础上去除不显著的解释变量构建模型(Ⅵ)。
![pagenumber_ebook=91,pagenumber_book=91](https://qkk.lw71.com/uploads/image/2018/06/23030d1914a9e1ca8857409f7cb108e7.png)
由表1中可以看出,数据处理后的各变量处于相对集中的区间,为后面的模型拟合奠定基础。其中TFP的最大值为0.846,最小值为-0.396,均值趋近于0,说明安徽省各地级市的全要素生产率增长率存在较大差异,甚至时而存在负增长,反映了安徽省经济发展的不平衡性。
我们用stata14对面板模型进行F检验、Hausman检验,显示固定效应模型和随机效应模型都优于混合OLS,得到统计量Prob>chi2=0.2014,不能拒绝原假设,表明随机效应非常显著,故为最佳选择模型。
为了验证产业升级效应存在的时滞性,考虑到经济变量的长期动态特征,在模型中加入被解释变量的滞后一期,重新估计的动态面板模型如下:
下面列出各指标的描述性统计,为避免异方差性,除代表增长率的TFP外,所有变量均取对数处理,如表1所示。
表5 静态面板模型结果表
![pagenumber_ebook=91,pagenumber_book=91](https://qkk.lw71.com/uploads/image/2018/06/43ab0a6518a32639208514b4a0f7ec08.png)
变量 模型(Ⅰ) 模型(Ⅱ) 模型(Ⅲ) 模型(Ⅳ) 模型(Ⅴ) 模型(Ⅵ)ln w 0.310∗∗∗ 0.375∗∗∗ 0.377∗∗∗ 0.284∗∗∗ 0.282∗∗∗ 0.282∗∗∗(0.025) (0.031) (0.031) (0.026) (0.024) (0.024)ln x 0.040∗∗∗ 0.030∗∗∗ 0.040∗∗∗ 0.029∗∗∗ 0.036∗∗∗ 0.035∗∗∗(0.005) (0.009) (0.004) (0.006) (0.004) (0.004)ln h 0.269∗∗∗ 0.165∗∗∗ 0.224∗∗∗ 0.131∗∗∗ 0.135∗∗∗ 0.136∗∗∗(0.023) (0.049) (0.023) (0.035) (0.035) (0.035)TFP 0.009 0.011 0.011 0.012 0.014 -(0.009) (0.011) (0.011) (0.011) (0.011) -lag_ln w - -0.112∗∗∗ -0.113∗∗∗ - - --(0.033)(0.033)---lag_ln x - 0.012 - - - --(0.009)----lag_ln h - 0.060 - - - --(0.050)----lag_TFP - 0.014 0.015 0.034∗∗∗ 0.035∗∗∗ 0.025∗∗∗-(0.010) (0.010) (0.013) (0.013) (0.010)lag2_ln w - - - -0.008 - -
续表5
![pagenumber_ebook=92,pagenumber_book=92](https://qkk.lw71.com/uploads/image/2018/06/171baf4f516a0b75604c37140b5e7767.png)
注:模型(Ⅰ)-(Ⅵ)分别表示以不同解释变量构造的回归模型;括号中为变量对应的标准差;∗、∗∗、∗∗∗代表分别在置信水平10%、5%、1%下显著。
变量 模型(Ⅰ) 模型(Ⅱ) 模型(Ⅲ) 模型(Ⅳ) 模型(Ⅴ) 模型(Ⅵ)---(0.028)- -lag2_ln x - - - 0.010∗∗ - ----(0.006)- -lag2_ln h - - - 0.131∗∗∗ 0.139∗∗∗ 0.133∗∗∗---(0.038) (0.037) (0.037)lag2_TFP - - - 0.029∗∗∗ 0.028∗∗∗ 0.024∗∗∗---(0.010) (0.010) (0.010)C 0.287∗∗∗ 0.309∗∗∗ 0.311∗∗∗ 0.278∗∗∗ 0.263∗∗∗ 0.266∗∗∗(0.027) (0.027) (0.026) (0.029) (0.027) (0.027)R2 0.532 0.605 0.613 0.666 0.664 0.672
结果分析:
第一、六个模型中TFP作为解释变量,模型(Ⅰ)-(Ⅴ)中的当期系数均不显著,不能明确反映其对当期产业升级的拉动性,然而加入TFP滞后项后模型(Ⅳ)、(Ⅴ)、(Ⅵ)拟合度较高(R2达到0.66以上),其中模型(Ⅵ)去除TFP当期项后所显示的拟合结果最佳(R2=0.672)且所有变量均显著。
(1)施工准备。基层施工前应对相关机具设备进行检测,确保性能完好,可满足施工需求;应对下承层路基进行相应处理,清扫杂物后使用22t钢轮压路机进行碾压,对干燥松散部分应进行适当洒水,碾压完成后应检测其弯沉值,符合设计与规范要求后方可进行基层施工[3]。
第二、模型(Ⅰ)-(Ⅵ)中产业调整程度、人力资本、对外开放程度三者当期项对产业升级呈现显著的正向效应。模型(Ⅵ)中产业调整程度上升1%,产业升级指数上涨0.282%;对外开放指标增长1%,产业升级指数增加0.035%;人力资本指标增加1%,产业升级指数上涨0.136%;产业结构前期调整方向的变化对当期的产业升级有着显著影响。除此,人力资本指标的滞后二期也对产业升级有一定的贡献度。
第三、加入了TFP指标的滞后一期和滞后二期以后,除TFP当期外,均较为显著,模型(Ⅵ)中TFP的滞后期每上升1%,产业升级指数增加0.024%~0.025%,验证了全要素增长率对产业升级的推动作用往往呈现正向效应同时具有滞后性。这说明安徽省的产业结构升级,是源于效率提高产生的资源要素优化配置。
通过灰度转换,能保证图像质量,提高灰度级,转换主要采用两种方法,即直方图转换与有线性转换,建议采用以下公式实施线性转换:
直到目前阶段而言,我国的整体信息传输技术已经正式的普及到了各个工作范围内的骨干线网络中。骨干线网络在实际的操作过程中,具有着较为重要的实际意义,是链接城市和百姓的重要传输纽带。骨干线网络一般来说在我国的一线城市中体现的较为明显,繁华的城市建设通过信息传输为百姓的日常生活带来了极大地生活优势和便民活动,对推动城镇的发展也起到了较为明显的作用。除此之外,传输技术在骨干线网络的应用过程中,也具有较为明显的现实意义。传输技术可以尽可能的减少骨干线网络在进行信息传输中所需要付出的资源成本,减少资源消耗,尽可能的提升经济保障和成本节约,性价比有所提升。
2.2.3 动态面板数据模型估计
考虑到产业升级与TFP之间可能存有互为因果的联系,当期的产业升级可能受到前期产业升级状况的影响,本文引入被解释变量ln r的滞后一期作为解释变量ln r(-1)。由于模型自身存在的内生性,本文使用动态面板估计方法(差分GMM和系统GMM)对模型进行进一步检验。实证结果显示两者拟合结果均较为显著,但由于系统GMM的拟合结果未通过Arellano-Bond检验,因此选用差分GMM更为合适。动态面板模型估计结果如下:
![pagenumber_ebook=92,pagenumber_book=92](https://qkk.lw71.com/uploads/image/2018/06/3b6a148c736f9531b6ff262e39be35bb.png)
上式通过Sargan检验,接受“过度识别的限制是有效的”原假设,说明差分GMM式(7)无工具变量的过度识别问题。采用Arellano-Bond检验进一步验证GMM估计中误差项是否存在着序列相关性,AR(2)=0.280 0>0.1即通过检验,拟合结果没有二阶序列相关问题表明动态面板GMM估计方法有效。
从式(7)的弹性系数来看,产业升级指标对数序列的滞后一期和TFP相对数指标均为负数,且在1%的显著水平下,验证了TFP对产业升级的正向贡献存在时滞性,然而对当期的产业升级可能存在着弱化现象。除此之外,人力资本、产业结构调整方向、开放程度在当期对于产业升级起到正向效应,贡献程度分别达到了0.232%、0.329%和0.026%。
3 结论与建议
本文基于安徽省16个地级市面板数据,通过DEA-Malmquist测算全要素增长率,并建立VAR、动静态面板模型实证分析安徽省TFP和产业升级的关系。得到如下结论:尽管TFP独立变量对产业升级指标产生的因果关系不算显著,但全要素增长率、人力资本、产业结构调整方向、开放程度的协调作用对被解释变量有显著因果关系,说明促进产业升级,需要全要素生产率、产业结构调整、人才储备、对外开放程度多方面的共同努力;前一、二期的TFP对于当期产业升级的正向效应较为显著,人力资源在当期及前期都对产业升级造成影响,反映了要素配置和人才储备的重要性;虽然当期的安徽省TFP会对下一年产业升级产生正向贡献,但是对于当期的产业升级可能产生抑制作用。同时,其他解释变量人力资本、产业结构调整方向、开放程度在当期对产业升级呈现正向效应。
基于以上结论并结合安徽省实际,提出以下建议:
加强宏观调控,促进产业结构优化升级。全省政府相关部门应当提高供给体系的质和量,健全有关法律法规,积极制定精准有效的产业政策,提高产业水平,合理平衡产业升级转型的节奏。现阶段安徽省的优势企业以制造业为主,应当发挥技术效率对于产业升级的引导性,鼓励发展高新技术产业,研习国内外先进成果,适应国内外市场环境,促成产业优化升级。
充分重视人才、科技发展,增强企业竞争力。坚持“以产引才、以才促产”。企业自身通过提升产业素质、技术效率,构建复合型人才体系,加大科研创新力度,增加技术、人力、资本的投入,增强自身核心竞争力,才能够推动产业升级发展。全社会应重视人才引进、文化教育、R&D投入、科学研究和技术创新等,形成“科技兴省”“人才强省”的良好社会氛围。
坚持对外开放,优化整合国内外资源。全省应当响应“一带一路”的号召,发展对外投资的同时引进外资,统筹国内外资源,改善省内资本短缺的现状,同时优化配置要素,强化制造业的同时提升第三产业,深化安徽省产业结构调整。考虑到安徽省自身的经济基础以及其区位因素的限制,仍需要密切与其他兄弟省份的合作,联手促成优势产业集群,招引外资,推动产业升级,增强对外贸易竞争力。
配置生产要素,推进产业升级,形成新的经济发展方式。全省的产业升级发展意味着更为合理的资源与要素配置,是区域协调发展的重要依托,有利于促进新的经济发展方式形成。有效提高产业水平需要多方面的共同努力:注重科技创新能力发展,保障全省全要素生产率的有效增长;提高企业管理效率,充分发挥人力资本的价值;优化产业结构,适应当前市场的需求变化;重组整合国际国内要素资源,聚集发展优势,克服当前资金匮乏、技术不够先进、管理水平不足的困难。
本研究采用问卷调查法,采取随机抽样方式,向福建师范大学福清分校260名在校本科生发放问卷,经过筛除后得到有效问卷为227份,有效回收率为87.31%。被试年龄在18-24岁之间,平均年龄为20.34岁。其中男生76人,女生 151人;城市59人,农村168人;文科113人,理科114人;独生子女70人,非独生子女157人。
[1] 刘冉.我国产业结构升级对全要素生产率的影响研究[D] .南京:南京财经大学,2016.
[2] 曾国平,彭艳,曹跃群.产业结构调整与全要素生产率增长实证分析[J] .重庆大学学报(社会科学版),2015,21(6):77-85.
[3] 余泳泽,刘冉,杨晓章.我国产业结构升级对全要素生产率的影响研究[J] .产经评论,2016,7(4):45-58.
[4] 杨文爽.东北三省高技术产业全要素生产率增长对产业升级的影响研究[D] .长春:东北师范大学,2017.
[5] 江永红,陈奡楠.产业结构服务化对全要素生产率增速的影响机理[J] .改革,2018(5):87-96.
[6] 张学威.全要素生产率和产业结构优化的关系——基于1978—2008年安徽省和长三角地区面板数据的实证分析[J] .中国软科学,2010(S2):207-215.
[7] 徐慧敏.产业结构调整、空间集聚与安徽经济转型升级研究[D] .蚌埠:安徽财经大学,2015.
[8] 朱旭强,王志华.产业结构升级对全要素生产率变动的贡献研究——以苏、粤、闽1978~2013年的面板数据为例[J] .预测,2016,35(6):75-80.
[9] Fare R,Grosskopf S,Norris M,et al.Productivity Growth Technical Progress and Efficiency Change in Industrialized Countries[J] .American Economic Review,1994(84):66-83.
[10] 张军,吴桂英,张吉鹏.中国省际物质资本存量估算:1952—2000[J] .经济研究,2004(10):35-44.
[11] 徐德云.产业结构升级形态决定、测度的一个理论解释及验证[J] .财政研究,2008(1):46-49.
[12] 邓金钱,何爱平,张娜.地方财政支出结构、城镇化与城乡收入差距——基于中国省际面板VAR的再检验[J] .软科学,2016(5):26-30.
[13] Sims C A.Macroeconomics and Reality[J] .Econometrica,1980(48):1-48.