产业结构空间网络之于经济增长的影响

奥鹏网院作业

深陷“盘丝洞”抑或互惠“关系网”：产业结构空间网络之于经济增长的影响

摘 要： 产业结构的空间网络特征成为研究产业结构深层次性状、技术进步以及经济增长的重要方向。通过运用2000—2015年省际面板数据实证分析了产业结构空间网络对经济增长的影响，结果表明，产业结构的网络中心性、网络联系强度对经济增长均有显著的正向影响，而网络同质性阻碍了经济增长；网络中心性、网络联系强度、网络同质性和全要素生产率变化的交互项的回归结果均显著为正，表明全要素生产率和产业结构的空间网络特征的交互影响均能够促进经济增长；产业结构空间网络三种特征指标和全要素生产率分解项的交互项的回归结果具有差异性，网络中心性和要素利用效率、技术进步的交互项、网络联系强度和技术进步的交互项、网络同质性和要素利用效率的交互项均显著为正。据此，大力提升产业结构在空间网络中的中心性、加强网络关联、避免同质性应成为地区产业结构的战略目标。

关键词： 产业结构； 空间网络； 全要素生产率； 经济增长

一、引言

改革开放以来中国产业结构实现了伟大的转型，压缩型工业化成为经济发展的显著特征[1]。快速发展的工业化、迅速变革的产业结构构成中国经济发展、引领世界经济增长的强大引擎[2]。产业结构的相关研究已经覆盖到所有地区，并且逐步在产业结构变迁与经济增长、财政支出、能源利用等多方面的复杂影响进行了深入探讨[3-5]，甚至在实践中所有县域的经济社会五年发展规划都将“三次产业比”作为重要的发展目标。可是，一个极为普遍但又受到忽视的问题是：为什么地区之间产业结构总是呈现相同的演进趋势，为什么第一产业份额的快速降低和第三产业份额的稳步提升成为产业结构变化的“趋同”特征？这一看似显而易见的现象却受到忽视，主要是因为这种现象被认为是经济增长的必然规律，或者是建立在后发优势理论基础上欠发达地区经济赶超所呈现的“自然现象”。但是，若将研究视角从国内转移到全球，这又如何解释发达国家较早步入后工业化和服务化阶段、拉美停滞在“中等收入陷阱”中不能自拔，而非洲却长期处于前工业化、

工业化前期阶段这种世界范围内的产业结构发展差异性呢？[注]此处引出标题“盘丝洞”和“关系网”两个概念。“盘丝洞”形容产业结构复杂的空间网络连接导致本地产业结构受制于人，发展模式受到更强网络中心性地区的支配，进而不利于经济增长，并且可能陷入增长陷阱；而“关系网”形容产业结构复杂的空间网络连接将会在更大范围内优化要素配置，有利于要素利用效率、配置效率提升和技术进步，进而促进经济增长的效果。为什么这种看似“自然”的产业结构趋同并没有在全球获得广泛成功？

社会网络分析法作为一种分析对象之间“关系”的新型工具，因能够较为深刻地分析经济之间的网络特征而受到关注。从“关系”角度出发研究社会现象与经济结构等问题能够清晰地反映地区在产业结构网络中的相对地位和空间网络特征。随着产业分工的深化和互联网的蓬勃发展，产业结构变迁不仅是区域内动态调整的过程，区域之间也由于广泛存在的空间溢出效应而受到影响。建立在产业结构空间网络视角下，资源流动使得区域之间产业结构形成严密的网络体系，而地区产业结构则成为网络中的节点[6]。例如，北京市的产业结构变迁不仅是内部要素与产品的供给和需求的均衡，更是建立在广泛的区域间产业分工基础上的优化升级过程。又如，上海市的产业结构变迁带动整个长三角区域内的协同发展与产业结构协同演化，并向安徽省东南部等区域扩散。故而，产业结构演变对经济增长的重要意义，已经不单体现在产业结构高级化、产业结构合理化等静态特征的重要影响，地区之间产业结构愈发紧密的空间网络连接成为影响经济增长的重要因素逐渐显现。

所以，本研究的创新价值体现在从区域之间产业结构的“关系”角度入手，利用社会网络分析方法创新性地测量了中国大陆31个省市产业结构的空间网络中心性、联系强度和同质性等特征，在此基础上实证考察产业结构空间网络对经济增长的影响，并进一步从微观要素利用效率、要素配置效率、技术进步和全要素生产率的视角入手，考察产业结构空间网络特征对经济增长的影响机理。

二、文献回顾和理论分析(一)社会网络分析的基本概述

20世纪30年代最早开始社会网络(Social Network)的定性研究，社会网络是指一群行动者以及行动者之间的联系，其中，“行动者”可以是个体自然人，也可以是社会组织，“联系”代表节点之间的联结关系，并且由行动者和联系组成了相互连接、相互影响的网络[7]。社会网络分析方法的运用已经从社会学向经济学拓展，在经济学中的运用最早是由Granovetter(1985)完成，涉及的重要问题是高交易成本的市场交易动机，研究发现交易双方建立的长期商业关系网络并由此形成的信任关系成为这种类型交易仍然可以实现的主要原因[8]。现实经济中的分工、合作、贸易、金融等具有指向性的关系已经使得经济系统具有“社会网络的本质特征”，尤其是信息流、物流、资金流、贸易流等具有节点和流向双重特征的行为，并进一步构成人物关联、信息传播、贸易往来、产业关联等领域的分析框架，取得一系列研究成果。近期的文献中，采用社会网络分析方法研究专利、创新也成为一个重要领域，越来越受到重视[9-10]。贸易领域中，通过对国家之间贸易的社会网络分析，检验得出国家在空间网络中的位置与经济增长之间呈现“倒U”型关系[11]。徐斌(2015)进一步探究了铁矿石国际贸易格局，发现铁矿石的国际贸易网络紧密程度并不高[12]。在城市群空间结构联系的研究中，方大春和孙明月(2015)探讨了“高铁时代”长三角城市群的空间结构演变特征，结果表明整体网络密度显著提升[13]。杨辉和尚智丛(2015)以“转基因食品议题”探讨了微博科学传播机制，发现多元交互的传播渠道和精英民主化特征并存[14]。已有研究中，着重从“关系”的视角探究网络关系的结构特征[15]，已经成为新的研究范式[16]。

社会网络分析刻画了变量之间“关系”上的稳定联系，尤其是身处互联网络社会中的人与人、人与物、区域与区域之间，并不再是数量上的内在联系，而存在复杂的网络“关系”。例如，微博大V、粉丝之间的“双向”或者“单向”关注，微博账号构成一个个“行动者”，而每一个关注构成一条连接两个“行动者”的“联系”，据此构成复杂的网络关系。再如，数学领域中的六度分隔理论(Six Degrees of Separation)指出，一个人和世界上任意一个陌生人之间间隔的人不超过六个，也即最多通过六个中间人每个人就能够认识任何一个陌生人，这里也存在一个庞大而又复杂的社会网络。

(二)产业结构空间网络形成基础与影响

将社会网络分析引入到产业结构空间特征的描绘已成为新兴的研究方向，各省之间的产业结构演变具有隐形的空间网络联系，通过产业关联形成庞大的产业结构网络，它所包含的特征：一是网络节点的差异性，各地区产业结构存在差异性，处于不同发展阶段的产业结构在空间网络中也存在较大的发展差异[注]总的看，光伏产业的井喷式发展是整个社会福利的损失，但是不可否认的事实是，仍然会带来部分较高企业的存活，提高部分企业的利润水平。。二是网络联结的复杂性，网络联结和网络节点的平方成正比，所以31个省份之间构成错综复杂的关联网络。三是网络空间的动态发展性，随着时间的演变和产业结构的动态变化，产业结构的空间网络也呈现动态演变特征[8]。结合社会网络的定义，本研究认为，产业结构空间网络是指不同地区产业结构形态以及产业结构之间的联系。所以，产业结构空间网络包含两种要素：一是不同地区的产业结构特征，这构成空间网络中的节点；二是这些产业结构所形成的空间网络联系，这构成不同节点之间相互连接的线段。产业结构空间网络不同于产业之间的投入产出关系，而是说明地区之间产业结构的演化并不是孤立的现象，而是存在着广泛的相互影响和网络联系。产业结构空间网络形成的原因主要有以下四种原因和机制：(1)“地方官员竞争锦标赛”机制推动形成。地方官员在晋升激励背景中推动地区经济增长，并获得更大的晋升机会。官员的异地交流任职等机制促进官员的治理理念和发展模式在新的地方得以落实，带来不同地区之间产业结构联系的加强。其中，官员治理模式趋同所带来的产业结构趋同与空间关联，更为隐秘的是官员交流所带来的“政治资本”、官员治理地、祖籍地等潜在因素所造成的地区之间存在的产业结构空间网络关联。(2)“后发优势”带来产业发展趋同和空间网络。压缩型工业化成为中国产业结构发展的根本特征，中国仅用半个世纪走过了发达国家两百年的工业化阶段。带来这种增长主要原因是以发达国家产业结构为标杆，推动资源和要素配置效率、利用效率的提升，充分发挥后发优势，从而实现快速增长。所以说，“后发优势”导致各地区产业结构发展呈现较为普遍的趋同特征和关联特征。(3)“市场化改革”增强产业结构的内在关联。价格并轨、市场化改革，有效破除区间分隔，推动区域乃至全国统一的要素市场、产品市场的建立，产业结构在内生演化进程中表现出内在的关联特征。例如，随着东部沿海地区，尤其是长三角地区的快速发展，产业结构高级化演进，由此带来制造业、重工业等企业、产业向中部地区转移。(4)区位因素、要素禀赋构成产业结构空间网络关联的基础。由于要素禀赋和区位差异导致产品生产成本和运输成本的差异。例如，长三角地区的资源和产品较难向西部边远地区转移，主要原因就是长距离运输所带来的过高运输成本。

已有研究产业结构空间网络对经济增长影响的文献，主要集中于三个方面。一是空间溢出视角的研究。由于地区之间贸易往来、知识交流、技术溢出和劳动力流动等因素，导致产业结构的演化受到邻近地区的影响[17]。林春艳和孔凡超(2016)尝试运用社会网络分析法考察了产业结构高度化的空间网络关联，研究发现产业结构存在明显的空间“溢出效应”和“梯度传递”特征[18]，进而促进省际之间协同发展，带来产业结构转型升级和经济持续增长。也有较多研究从空间计量的视角入手，采用空间杜宾模型证实空间溢出的稳定性[19]，并且，空间溢出效应是考察产业结构调整影响经济增长的重要因素[20]。所以，产业之间的相互影响带来产业结构的互动调整，进而充分发挥外溢效应成为促进经济增长的重要因素。二是产业关联视角的研究。这一视角主要采用了里昂惕夫投入产出模型，其中，杨灿和郑正喜(2014)详细探讨了产业关联测度方法[21]，在此基础之上，已有学者将产业投入产出和社会网络分析融合在一起，例如杜华东和赵尚梅(2014)运用G7和BRIC国家的数据分析了发达国家和发展中国家的产业结构网络结构演进特征，研究发现产业结构的异质性演进方向受到要素禀赋、创新要素的影响，进而影响长期的经济增长水平[6]。针对特定产业之间的关联程度，也有学者运用这种方法获得较多有益的研究成果[22-23]。三是产业生态学视角的研究。这种观点认为经济活动存在多种复杂的循环路径，而“资源流”成为可以分析的核心概念[24]，社会网络分析能够考察复杂的关系流[25]，所以产业生态学视角具有较强的生命力。同时，这一视角往往和复杂动态理论相关联，例如，周迪和程慧平(2015)构建了空间马尔科夫链分析产业结构的空间动态特征，研究发现发达地区产业结构的辐射带动作用较为显著[26]，丰富、多元的资源流动将会促进产业结构联系的复杂化，促进经济增长。

综上所述，已有文献已经从考察静态视角下产业结构的一般特征到考察产业结构的空间特征，社会网络分析方法得到一定程度的运用。但是，较多文献仍然停留在分析产业结构空间特征形成的原因，并没有深入分析产业结构空间网络特征对经济增长的稳健影响。同时，并没有文献从微观要素利用、要素配置和技术进步的视角实证考察产业结构空间网络对经济增长的影响机理，这也构成本研究有待扩展的方向。相较于已有的文献和研究，本研究的创新和边际贡献如下：(1)尝试将社会网络分析方法引入到产业结构的分析中，并且考察产业结构空间网络的中心性、联系强度和同质性对经济增长的影响；(2)尝试从全要素生产率变化的视角，进一步考察产业结构空间网络通过要素利用效率、要素配置效率、技术进步和全要素生产率影响经济增长的作用路径和影响效果，进而初步解释了产业结构空间网络特征对经济增长影响的微观机理；(3)研究发现产业结构空间网络的中心性和联系强度对经济增长具有积极作用，而网络同质性却是阻碍经济增长的重要原因，从而为产业发展、产业政策制定提供了空间网络视角的解答。

(三)产业结构空间网络影响经济增长的机制

产业结构的空间网络特征，是促进地区经济增长质量的提升，还是产生不利的影响？是导致地区经济深陷“盘丝洞”，还是促进经济增长的互惠“关系网”？

产业结构空间网络中心性的视角。首先，生产要素的非均衡配置导致非均衡的产业结构空间网络的演进和发展模式，各节点在空间网络中所处的位置存在较大的差异性。例如，上海市的产业结构形态早已步入后工业化阶段，处于产业结构空间网络的中心位置。网络中心性的差异导致各节点对要素集聚、创新能力获取均存在较大的差别。上海市的产业结构演进通过产业转移、要素需求、技术外溢等多种形式对长三角地区的产业结构演进产生重要影响，处于网络中心的节点具有更强的资源配置能力和产业掌控能力，能够促进本节点处于产业链的高端环节和有利位置，进而有利于经济增长。总之，产业结构空间网络中心性的提升有利于节点获得更多要素控制和配置的能力，促进实际生产条件向生产可能性曲线的移动。其次，处于产业结构空间网络中心的节点可以在更大的范围内发挥虹吸效应，带来人力资本、生产要素的充分集聚，有利于技术创新、业态创新、模式创新的充分发展，进一步倒逼节点的制度创新，从而形成良性的创新互动机制[27]，为地区经济增长提供源源不断的内生动力。总之，产业结构空间网络中心性的提升，有利于节点生产可能性曲线向外移动。通过这两条影响途径可以发现，产业结构空间网络中心性的提升促进经济增长。

产业结构空间网络联系强度的视角。一方面，网络联系强度着重考察了节点之间联系的可能性，越强的空间网络联系印证了更加紧密丰富的相互影响，那么将会在更加广阔的空间内推动要素的合理配置，形成范围更大的要素配置网络，有利于充分发挥规模经济和范围经济的影响，提升已有资源的配置效率，进而促进经济增长。建立在这种作用路径中，网络联系强度的提升并不能带来已有生产可能性曲线向外移动，更多的是在更加广阔的要素市场和产品市场获得配置效率的过程。另一方面，网络联系强度的提升将会充分发挥创新要素的外溢效应。若是地区之间产业结构在空间上存在紧密连接，那么地区某个产业的一项技术创新将会通过空间网络对与之连接的其他地区相同或者其他产业产生影响，从而使得创新资源正的外部性与外溢效应得到充分利用，有利于促进地区经济增长[28]。

产业结构空间网络同质性的视角。一方面，网络同质性发展的直接后果是产业结构的个性化特征的消失，那么具有更大经济规模和更加丰富产业形态的地区将会获得更多的资源配置，要素加速向具有更高规模效应的区域移动，进而引发本地产业空心化等问题，尤其是高层次创新性人才的流失，不利于经济持续增长。另一方面，产业结构空间网络的同质性降低了地区之间分工合作的可能性。以山东省为例，各地区的经济发展水平和产业结构状态处于相对协调一致的水平上，各地区产业结构的差异性并不大，所以以小范围的区域内部取代大范围的区域之间分工合作成为主要模式，区域内部通过“自给自足”就能够实现较好地运转，这也导致区域之间的完全分工退化成为局部分工甚至自给自足[29]，从而对经济增长产生不利影响。

三、产业结构空间网络特征的刻画(一)省际产业结构空间网络特征的理论构建

省际之间产业联系成为研究产业结构空间网络的起点，为了构建网络联系的方向性，部分学者从计量检验的因果性角度分析，但是受制于数据和模型，这种影响结果具有较大的波动性和不确定性[30]。较多研究基于修正的引力模型分析区域空间网络，并且能够较好地刻画空间互动关系。那么，采用引力模型能够刻画产业结构的空间联系吗？本研究认为，引力模型仍然具有良好的适用性。第一，区域之间的关联性体现在产业，产业之间的投入产出关系引致区域之间的紧密关联，现阶段，产业关联已经带来更为深刻的产业结构区域互动。在区域经济一体化背景下，产业沿着空间向近邻地区梯度转移，所以转出地的产业结构调整影响到转入地的产业结构调整。第二，产业结构调整的示范效应。各地区在发展的进程中，总是有形无形“对标”某种产业形态，例如认为产业结构高级化就是“好”的产业形态，各地区的产业结构发展目标就是一项考核指标，时时刻刻影响着产业结构调整。所以，这也带来各地区产业结构总是向发达地区看齐，进而产生空间互动影响。基于这些考虑，引力模型刻画产业结构的空间互动关联具有良好的适用性，产业结构联系系数

   

(1)

式(1)中，引力参数为k，Ti、Tj衡量省份i、j的GDP、Uj是省份i、j的产业结构系数，Dij表示省份i和j之间的地理距离。根据梁经伟等(2015)的研究成果[31]，参数kij的计算公式来源于式(1)中的变量Ui、Uj，表示地区i对地区j产业联系的权重，计算公式为

㉙有关该调查会来宁访问的情况，可参考王楠《寻找证据——1984年日本调查团的南京之行及其意义》，《江海学刊》2017年第5期。

   

(2)

式(2)中，参数kij公式的构造形式一方面遵循已有文献的设计思路(梁经伟等，2015)[31]，并且和物理学中引力模型的参数构建相吻合；另一方面，本研究需要考察产业结构的空间网络，参数kij衡量地区之间产业结构的联系，那么U则是不同地区产业结构的衡量变量。所以，产业结构系数采用产业结构升级系数进行衡量，因为它能够较好地综合刻画产业结构升级的整体效果[32,33]。

以机械制图为例，教学中，教师不必急于告诉学生应该怎样做，到底怎样做才是对的，而应该关注学生的实际，引导学生思考，并在引导中帮助学生了解知识，鼓励学生自主探索。当学生得出答案的时候，教师不应该直接回答对错，而应该肯定学生的努力，弱化对结果的评价。无论对错，都要给予充分地肯定，从而为学生学习提供源源不断的动力，促进学生能力的提升。

U=upgrade=x1×1+x2×2+x3×3

(3)

式(3)中，upgrade是产业结构升级系数，x1、x2、x3分别代表了第一、第二和第三产业增加值占GDP的比重。并且，遵循已有的研究成果，三次产业占比赋以差异化的权重[32-33]，由此计算31个省市产业结构网络的系数矩阵。

由于经济体之间的普遍联系，本研究对微弱的产业结构空间网络联系进行判断并予以剔除，需要对省际产业结构空间联系矩阵设定二元选择阈值[31]。依据林春艳和孔凡超(2016)的标准[18]，本研究以2000—2015年31×31矩阵系数的平均值为选择标准，若数值大于平均值，则记为1，表示两者之间存在空间网络联系，反之则记为0，表示不存在空间网络联系。

(二)产业结构空间网络特征的测度

1.网络中心性(degree)

网络中心性考察焦点是节点在空间网络中直接或者间接联系数量的多少，衡量节点在网络中的地位情况。依据马述忠等(2016)的做法，本研究采用点度数衡量节点的网络中心性[8]。

degreei=Σαij

(4)

式(4)中，第i个地区的点度数是与之存在空间网络关联的地区数量。马述忠等(2016)的研究中采用绝对点度数与网络中最大可能度数之比衡量[8]，采用的是相对值指标，而本研究中网络最大连接数并不发生改变(930个)，故而直接采用点度数绝对值衡量。

2.网络联系强度(strength)

网络联系强度衡量地区产业结构对其他地区产业结构影响的强度，采用节点与近邻数多少的加权数值衡量。

strength=Σwij

(5)

式(5)中，原始网络矩阵中的元素为产业结构联系系数Gij，wij为加权的产业结构联系系数。为了使所有的wij都处于[0,1]之间，依据马述忠等(2016)的处理方法，原始网络矩阵中所有数值除以原始网络矩阵中最大值，即wij=Gij/maxGij，至此获得节点与近邻数的加权数值。

3.网络同质性(homoge)

代表了与地区产业结构相连的边权重分布的离散程度，考察产业结构的空间网络影响是集中于少数地区还是地区之间影响的分散性。

   

(6)

式(6)中，网络同质性处于[0, 1]之间，若是该数值越接近0时，网络同质性越低；越是接近于1，网络同质性越高。

(三)产业结构空间网络分析

采用社会网络分析软件UCINET 6可以计算2000—2015年产业结构的空间网络基本特征，结果显示，产业结构空间网络特征较为显著，并且呈现逐步深化、愈发紧密的动态特征。产业结构空间网络关联数由2000年的62条上升到2015年的270条，网络密度由2000年的0.066 7上升到2015年的0.290 3。

     

图1 产业结构空间网络关联性
资料来源：作者整理。

从图2中可以发现，产业结构空间网络逐步向复杂化方向演进，产业结构空间网络联系愈发紧密。2000年错综复杂的产业结构空间网络尚未形成，主要是东部沿海地区之间形成较为紧密的空间网络，例如北京、天津、山东、江苏、河北、浙江、上海等地区；另外，东北地区的辽宁、吉林和黑龙江三省和四川、重庆两省内部形成了区域性的连接。其后，产业结构空间网络联系不断加强，并且两个分散的区域性连接并入整体空间网络，从2015年的产业结构空间网络图可以发现，除了西藏和新疆两个地区，所有地区均并入统一的产业结构空间网络。

不同地区在产业结构空间网络中的影响力存在差异。2015年，北京、天津、山东、浙江、广东、上海、安徽、湖北、河南、江苏、河北等地处于产业结构空间网络的中心，空间影响力和辐射能力突出；甘肃、四川、内蒙古、辽宁、贵州、广西等地则处于产业结构空间网络次中心位置，仅在区域内发挥影响；而宁夏、青海、黑龙江、海南等地位于产业结构空间网络的边缘，受产业结构空间网络中心节点和次中心节点的影响；西藏和新疆两地并不具备空间网络特征。

采用SO2自动监测仪 (Thermo 43i)、CO自动监测仪(Thermo 48i)、PM2.5监测仪(Thermo DF-1405)、O3自动监测仪(Thermo 49i)、NOx自动监测仪(Thermofisher 17i)实时监测，时间分辨率可达1 min，本研究采用1 h 分辨率监测浓度。所有自动监测仪每两周采用自动校准仪进行一次多点校准，每天仪器自动进行零飘检查。

     

图2 2000和2015年产业结构的空间网络
注：图2中左图为2000年产业结构空间网络特征，右图为2015年的产业结构空间网络。
资料来源：根据UCINET 6软件计算整理。

四、产业结构空间网络特征对经济增长的影响(一)模型设定与变量说明

1.模型选择

基于理论分析，本研究构建产业结构空间网络对经济增长影响的回归模型

Pgdp=α0+α1·degree+α2·consume+α3·inter+α4·open+α5·inf+vi+vt+εit

(7)

Pgdp=α0+α1·strength+α2·consume+α3·inter+α4·open+α5·inf+vi+vt+εit

(8)

Pgdp=α0+α1·homoge+α2·consume+α3·inter+α4·open+α5·inf+vi+vt+εit

(9)

其中，Pgdp表示地区人均GDP，衡量了经济发展水平；degree、strength和homoge分别衡量产业结构空间网络的中心性、联系强度和同质性；控制变量中，分别选择居民消费需求(consume)，衡量消费提升对经济增长的拉动作用，政府干预(inter)衡量了政府对经济的控制能力，贸易开放度(open)则衡量开放经济条件中，国际贸易联系对经济增长的影响，信息化(inf)则衡量了信息技术、网络技术发展对经济增长的深层次影响；下标i和t分别代表地区和年份变量；vi和vt分别控制地区和时间的固定效应，和为回归模型的残差项。

上述回归模型分析了产业结构空间网络对经济增长的影响，但是这种影响的作用机理又是如何？本研究在此基础上，考虑产业结构空间网络对全要素生产率变化影响的回归模型

Pgdp=α0+α1·degree+α2·degree×tfpch+α3·consume+α4·inter+α5·open+α6·inf+vi+vt+εit

(10)

Pgdp=α0+α1·strength+α2·strength×tfpch+α3·consume+α4·inter+α5·open+α6·inf+vi+vt+εit

(11)

Pgdp=α0+α1·homoge+α2·homoge×tfpch+α3·consume+α4·inter+α5·open+α6·inf+vi+vt+εit

(12)

实证环节中，继续考察全要素生产率变化的分解项，充分考虑技术效率提升(pech)、配置效率优化(sech)和技术进步(techch)三种路径影响的异质性。

2.变量设定

由第3.1、3.2节恒载和活载对主梁关键截面内力影响分析结果，选取主梁与主V结构交界截面2以及主跨跨中截面3作为控制性截面进行主跨不同钢箱梁长度下恒载与活载比例关系讨论，截面示意如图8所示。

核心解释变量中，产业结构空间网络的三种指标：网络中心性、网络联系强度和网络同质性。因变量经济增长采用人均地区国内生产总值衡量。控制变量中居民消费水平采用地区居民消费总额占地区国内生产总值之比衡量；政府干预的直接表现为政府“看得见的手”财政政策，利用地方政府公共财政收入占GDP的比重加以衡量；贸易开放条件中，外来技术冲击、市场因素、需求因素对国内产业结构产生影响，采用进出口总额占GDP的比重加以衡量。

3.数据来源

本研究搜集2000—2015年31个省际的面板数据，其中，人均GDP、控制变量的基础数据来源于国家统计局网站年度数据库，信息化数据来源于历年《中国信息年鉴》。产业结构空间网络特征(网络中心性、网络联系强度和网络同质性)指标则是根据产业结构空间网络特征的刻画计算获得。人民币兑美元汇率的年度数据来源于国家外汇管理局的年度平均值。

全要素生产率变动以及分解项的指标计算中，需要资本(K)、劳动(L)和产出(GDP)的基础数据。物质资本存量以永续盘存法为准计算获得，资本折旧率定为9.6%，2000年省际物质资本存量以张军等(2004)的研究成果为准[34]；劳动(L)以就业人员数为基准。采用DEAP 2.1软件计算获得全要素生产率变动以及分解项的指标数值。变量的描述性统计参见表1。

表1 描述性统计

     

变量ObsMeanStd.DevMinMaxPgdp4962.6892.1130.27410.690degree49610.0898.7900.00036.000strength4960.2620.3080.0001.000homoge4960.8410.2490.0001.000consume4960.3710.0730.2290.733inter4960.2150.1670.0691.346open4960.3130.3910.0361.721inf4960.6540.1680.2851.361tfpch496-0.0280.047-0.1510.160pech496-0.0220.040-0.1340.120sech496-0.0090.022-0.1260.082techch4960.0030.029-0.0700.160

资料来源：作者计算整理。

(二)回归结果

表2给出了产业结构空间网络特征(网络中心性、网络联系强度和网络同质性)对经济增长的回归估计结果。其中列(1)、(2)、(3)为OLS估计结果，而列(4)、(5)、(6)为TSLS估计结果。两种估计结果具有良好的稳健性，核心解释变量和控制变量的系数值方向、大小和显著性水平并未发生显著变化。从TSLS检验结果看，产业结构的网络中心性(degree)在10%的水平上显著为正，网络中心性的提升有助于经济增长。伴随着产业结构网络中心性的提升，地区产业结构形态对其他区域的产业结构存在更强的影响和带动作用，并且该地区在资源获取能力、产业结构高级化进程、对核心产业的掌控能力均得到提升，有利于地区产业内部获利能力的提升和更为强劲的增长态势。产业结构的网络联系强度(strength)在1%的水平上显著为正，印证了产业结构的紧密联系能够促进经济增长。所以，即使产业结构的网络中心性不够高，仍然可以通过加强与产业结构空间网络中心性较高地区的产业关联，获得更多的技术外溢。

从产业结构的网络同质性角度看，该系数在5%的水平上显著为负。各地区的产业结构在演化进程中，应当面向空间网络异质性方向发展，推动差异化发展是获得竞争优势、推动经济持续健康增长的源泉。例如，当光伏产业成为国家战略性新兴产业时，各地区不顾产业发展的背景条件、发展优势基础和市场等因素，均“大上快上”，导致光伏产业“一拥而上”，从产业结构的空间网络视角看，这种决策行为导致网络同质性的加强，最终的结果是竞争优势的散失，不利于经济增长。

表2 产业结构空间网络对经济增长的影响

     

模型(1)(2)(3)(4)(5)(6)估计方法OLSOLSOLSTSLSTSLSTSLSdegree0.020 0∗∗(0.008 2)——0.016 0∗(0.009 9)——strength—0.677 0∗∗∗(0.204 2)——0.882 7∗∗∗(0.282 8)—homoge——-0.678 7∗∗(0.269 9)——-0.943 4∗∗(0.377 8)consume4.181 1∗∗∗(0.748 2)4.071 1∗∗∗(0.740 7)4.164 0∗∗∗(0.747 0)3.403 8∗∗∗(0.905 9)3.352 7∗∗∗(0.885 9)3.599 2∗∗∗(0.899 3)inter-3.310 8∗∗∗(0.543 1)-3.582 7∗∗∗(0.490 1)-3.800 6∗∗∗(0.484 4)-3.756 9∗∗∗(0.714 1)-3.900 9∗∗∗(0.613 5)-4.123 7∗∗∗(0.601 0)open-1.284 2∗∗∗(0.249 2)-1.234 8∗∗∗(0.248 0)-1.193 5∗∗∗(0.250 8)-1.269 1∗∗∗(0.314 8)-1.166 0∗∗∗(0.312 8)-1.099 3∗∗∗(0.321 0)inf5.553 5∗∗∗(0.618 2)5.830 2∗∗∗(0.610 7)5.669 6∗∗∗(0.613 8)7.155 4∗∗∗(0.741 9)7.377 4∗∗∗(0.725 8)7.215 6∗∗∗(0.730 1)C-1.579 8∗∗∗(0.490 7)-1.653 0∗∗∗(0.486 2)-0.800 7(0.518 1)-2.141 0∗∗∗(0.604 5)-2.341 3∗∗∗(0.600 8)-1.265 0∗∗(0.632 4)AreaYesYesYesYesYesYesYearYesYesYesYesYesYesAdj R20.946 50.947 10.946 60.948 60.949 70.949 4样本量496496496496496496

注：***、**和*分别表示变量在1%、5%和10%的水平通过t检验；括号中数值为标准误差。

资料来源：作者计算整理。

从控制变量的影响看，居民消费和信息化水平的提升有利于经济增长，两者分别从需求侧、供给侧，提高居民有效需求，带动供给侧的合理、高效匹配，推动经济增长。政府干预和贸易开放却带来不利影响，已有研究中表明影响的复杂度和阶段性，总之，非线性影响成为主要形态，适度的政府干预和贸易开放度才是推动经济持续增长的动力。

(三)进一步检验

表3进一步检验了产业结构空间网络中心性对经济增长的影响，所有检验结果中产业结构空间网络中心性对经济增长的正向影响均得到较好的验证。列项(1)和(2)中，网络中心性和全要素生产率变化的交互项(degree*tfpch)显著为正，表明全要素生产率的提升能够显著地促进产业结构空间网络中心性对经济增长的正向作用，通过全要素生产率的提升能够形成有效的激励，促进经济增长。所以，在网络中心性的提升过程中，通过对全要素生产率的提升，进而作用于经济增长成为故事背后的影响机理。

若是从全要素生产率变化(tfpch)的分解看，要素利用效率、技术进步和网络中心性交互项的影响较为显著，印证了网络中心性的提升通过微观利用效率和技术进步的提升带来宏观经济增长成为现阶段中国经济发展现实。要素配置效率的提升路径并不显著，说明网络中心性的提升并不能带来要素配置效率的进一步提升。随着改革开放进程不断深化，要素低配置效率的状况得到极大程度的改善，网络中心性的提升并不能带来资源、要素更为有效的配置。

表3 网络中心性对经济增长的影响机制

     

模型(1)(2)(3)(4)(5)(6)(7)估计方法OLSOLSOLSOLSOLSOLSOLSdegree0.098 6∗∗∗(0.009 5)0.050 6∗∗∗(0.008 8)0.032 2∗∗∗(0.008 7)0.020 1∗∗(0.008 5)0.022 7∗∗∗(0.007 9)0.087 6∗∗∗(0.009 3)0.044 0∗∗∗(0.008 8)degree∗tfpch0.581 1∗∗∗(0.064 1)0.414 2∗∗∗(0.055 0)—————degree∗pech——0.255 0∗∗∗(0.065 6)——0.590 8∗∗∗(0.074 2)0.364 3∗∗∗(0.067 3)degree∗sech———0.005 1(0.088 1)—0.039 2(0.102 3)0.163 4∗(0.088 3)degree∗techch————0.613 9∗∗∗(0.092 8)0.833 5∗∗∗(0.105 1)0.677 6∗∗∗(0.090 9)C1.896 8∗∗∗(0.090 2)-0.994 2∗∗(0.469 1)-0.835 6∗(0.519 6)-1.589 6∗∗∗(0.518 9)-1.350 1∗∗∗(0.469 9)1.955 1∗∗∗(0.086 9)-0.573 3(0.501 3)CVNOYesYesYesYesNoYesAreaYesYesYesYesYesYesYesYearYesYesYesYesYesYesYesAdj R20.930 70.952 50.948 20.946 40.951 20.936 40.954 0样本量496496496496496496496

注：***、**和*分别表示变量在1%、5%和10%的水平通过t检验；括号中数值为标准误差。

资料来源：作者计算整理。

表4给出了网络联系强度对经济增长的影响机制，网络联系强度对经济增长的直接影响极为显著，所有回归结果中该系数均在1%的水平上显著为正。从作用机理看，列项(1)和(2)中，网络联系强度和全要素生产率变化的交互项(strength*tfpch)显著为正，表明全要素生产率提升能够显著的促进产业结构空间网络联系强度对经济增长的正向作用，这和表3中网络中心性的结果一致。

从全要素生产率变化分解项的回归结果看，网络联系强度和技术效率、配置效率的交互项并不显著，但是网络联系强度和技术进步(strength*techch)的交互项均在1%的置信水平上显著为正，故而，网络联系强度更是通过技术进步带来经济增长。

表5给出了产业结构空间网络同质性对经济增长的影响机制。其中，网络同质性对经济增长的直接影响均在1%的水平上显著为负。从作用机理看，列项(1)和(2)中，网络同质性和全要素生产率变化的交互项(strength*tfpch)显著为正，表明全要素生产率和产业结构空间网络同质性的交互影响有利于推动经济增长。而从具体的分解项的回归结果看，这种显著的正向影响主要体现在要素利用效率提升这条路径上。

基于已有的研究积累，考虑福建省广泛分布的区域性残积土质边坡深层排水问题，本文选用了残积砾质黏性土、残积砂质黏性土、残积粉质黏性土3种土体做了3种水力梯度以及2种排水管壁面积的梯度比试验。通过梯度比准则已有的理论和判别标准[36-41]，对软式排水管淤塞效应及淤塞机理进行探讨，为深层排水管淤塞效应奠定理论基础及工程借鉴。

表4 网络联系强度对经济增长的影响机制

     

模型(1)(2)(3)(4)(5)(6)(7)估计方法OLSOLSOLSOLSOLSOLSOLSstrength1.163 7∗∗∗(0.255 6)0.770 4∗∗∗(0.204 3)0.675 3∗∗∗(0.206 4)0.699 1∗∗∗(0.205 7)0.604 0∗∗∗(0.200 3)0.990 5∗∗∗(0.255 8)0.657 1∗∗∗(0.204 4)strength∗tfpch6.102 6∗∗∗(2.038 1)5.134 2∗∗∗(1.625 2)—————strength∗pech——-0.109 2(1.847 4)——4.867 5∗∗(2.325 6)2.1473(1.896 8)strength∗sech———2.831 5(3.175 5)—-5.019 0(4.014 6)2.999 1(3.191 3)strength∗techch————12.3701∗∗∗(2.686 0)15.259 4∗∗∗(3.452 2)12.934 4∗∗∗(2.750 2)C2.420 6∗∗∗(0.071 5)-1.429 4∗∗∗(0.486 5)-1.661 9∗∗∗(0.509 3)-1.736 0∗∗∗(0.495 1)-1.764 0∗∗∗(0.476 1)2.414 4∗∗∗(0.070 8)-1.682 6∗∗∗(0.501 3)CVNOYesYesYesYesNoYesAreaYesYesYesYesYesYesYesYearYesYesYesYesYesYesYesAdj R20.915 50.948 20.947 00.947 10.949 40.917 80.9494样本量496496496496496496496

注：***、**和*分别表示变量在1%、5%和10%的水平通过t检验；括号中数值为标准误差。

资料来源：作者计算整理。

所以，虽然网络同质性不利于经济增长，但是产业结构的空间网络同质性仍然存在一定的贡献和作用，集中体现在技术效率提升这点之上。如同严重过剩的光伏产业，虽然各地区均处于相似的空间网络结构中，但是过度竞争的结果会导致更有效率企业的存活，带来行业内生产效率的提升。

五、结论与政策建议(一)研究结论

本研究通过运用2000—2015年中国省际面板数据实证分析了产业结构空间网络对经济增长的影响以及作用机制，结果表明在产业结构空间网络陷入“盘丝洞”还是互惠“关系网”的漩涡中，(1)产业结构的网络中心性、网络联系强度对经济增长均存在显著的正向影响，当地区处于产业结构空间网络中更为中心的位置和更紧密的联结时，有利于提升资源获取能力、技术外溢能力、市场接近能力，推动经济持续增长。产业结构的网络同质性不利于差异化竞争优势的培育与形成，阻碍了经济增长。(2)网络中心性、网络联系强度、网络同质性和全要素生产率变化的交互项的回归结果均显著为正，表明全要素生产率和产业结构的空间网络特征的交互影响均能够促进经济增长。(3)从具体的影响机理看，产业结构空间网络特征和全要素生产率分解项的交互项的回归结果存在差异性。其中，要素利用效率、技术进步和网络中心性的交互项的影响显著为正，网络联系强度和技术进步交互项的影响显著为正，网络同质性和要素利用效率的交互项的影响显著为正。所以，网络中心性的提升通过微观要素利用效率和技术进步的提升带来宏观经济增长成为现阶段中国经济持续发展的基本现实，网络联系强度更是通过技术进步带来经济增长，即使是网络同质性依然能够通过要素利用效率推动经济增长。

表5 网络同质性对经济增长的影响机制

     

模型(1)(2)(3)(4)(5)(6)(7)估计方法OLSOLSOLSOLSOLSOLSOLShomoge-1.073 0∗∗∗(0.334 2)-0.628 5∗∗(0.263 8)-0.572 2∗∗(0.263 0)-0.684 6∗∗(0.270 2)-0.670 6∗∗(0.270 0)-0.921 1∗∗∗(0.318 9)-0.581 5∗∗(0.262 6)homoge∗tfpch4.479 6∗∗∗(1.224 0)4.578 8∗∗∗(0.959 4)—————homoge∗pech——5.032 3∗∗∗(0.957 9)——7.706 6∗∗∗(1.233 0)5.594 3∗∗∗(1.028 4)homoge∗sech———1.285 0(1.775 0)—-5.152 5∗∗(2.068 1)3.121 8∗(1.765 5)homoge∗techch————-1.764 0(1.696 6)0.143 3(2.151 7)1.489 7(1.751 0)C3.704 3∗∗∗(0.283 0)-0.464 6(0.510 8)0.020 7(0.527 0)-0.854 5∗(0.523 7)-0.720 2(0.523 8)3.564 1∗∗∗(0.270 4)-0.086 1(0.529 4)CVNOYesYesYesYesNoYesAreaYesYesYesYesYesYesYesYearYesYesYesYesYesYesYesAdj R20.915 30.949 10.949 60.946 50.946 60.923 20.949 8样本量496496496496496496496

注：***、**和*分别表示变量在1%、5%和10%的水平通过t检验；括号中数值为标准误差。

资料来源：作者计算整理。

(二)政策建议

需要进一步深化对产业结构空间网络深层性状的研究，明晰产业结构空间网络对经济增长的理论基础以及多层次的实证检验。通过本研究的研究工作也为地方经济发展提供一些独到的建议。

首先，大力提高地区产业结构在空间网络中的中心地位，加强与周边地区产业结构的关联性。各地区的产业发展并不是孤立的个体，而是会影响到相关省市的产业安排，所以需要建立在产业结构“关系网络”中综合考虑，形成更强的产业结构空间网络中心性。各地区结合自身的产业优势，推动形成基于内生比较优势的产业结构。处于非中心位置的地区，也需要努力加强与周边地区、产业结构存在互补地区、产业结构处于中心位置地区的实际沟通程度，强化产业结构空间网络联系。

其次，避免地区产业结构陷入空间网络“同质性”陷阱。地区主导产业选择、战略性新兴产业安排需要基于地区产业发展的优势基础、要素优势条件，力所能及地推动产业结构的高端化演变、内涵式增长。但这并不意味着什么产业是热点就建设什么、支持什么，产业选择和产业发展既要高瞻远瞩，又要脚踏实地，同时还要保持既定发展思路的定力，走差异化和特色化的发展之路。

再次，各地区产业政策需要“因地制宜”。通过考察产业结构对经济增长的微观机制可以发现，各地产业发展存在不同的途径。产业结构处于空间网络中心地位的区域，需要大力提升微观要素利用效率和技术进步步伐，进而充分发挥产业结构空间网络的优势，促进经济持续增长。产业结构处于空间网络中次中心或者边缘的地区，需要进一步促进生产技术水平不断进步，形成产业结构优化调整的内生动力，进而带来产业结构空间网络联系强度的提升和经济的持续增长。地区经济发展和产业结构面临较强的同质性问题时，仍然需要推动要素利用效率地提升，尽快推动形成比较优势，并向竞争优势方向凝聚发展力量。

参考文献

[1]王文军,李蜀庆. 压缩型工业化社会中的环境问题分析[J].中国工业经济,2004(9):29-35.

[2]张卓元.中国经济四十年市场化改革的回顾[J].经济与管理研究,2018(3):3-15.

[3]傅元海,叶祥松,王展祥. 制造业结构变迁与经济增长效率提高[J].经济研究,2016(8):86-100.

[4]严成樑,吴应军,杨龙见. 财政支出与产业结构变迁[J].经济科学,2016(1):5-16.

[5]张勇,蒲勇健.产业结构变迁及其对能源强度的影响[J].产业经济研究,2015(2):15-22+67.

[6]杜华东, 赵尚梅. G7与BRIC产业结构演进的比较研究——基于1995—2005年投入产出数据的网络分析[J]. 管理工程学报, 2014(2):17-25.

[7]SCOTT J. Social network analysis[M]. [S.l.]: Sage Publications Ltd, 2000.

[8]马述忠, 任婉婉, 吴国杰. 一国农产品贸易网络特征及其对全球价值链分工的影响——基于社会网络分析视角[J]. 管理世界, 2016(3):60-72.

[9]韩震, 曹瑞丽, 匡海波. 移动智能终端专利纠纷的社会网络分析[J]. 科研管理, 2014(6):115-120.

[10]张克群, 魏晓辉, 郝娟, 等. 基于社会网络分析方法的专利价值影响因素研究[J]. 科学学与科学技术管理, 2016(5): 67-74.

[11]刘林青, 谭畅. 国际贸易中出口结构对经济绩效的影响——基于国家空间的社会网络分析[J]. 国际贸易问题, 2016(6): 15-27.

[12]徐斌. 国际铁矿石贸易格局的社会网络分析[J]. 经济地理, 2015 (10): 123-129.

[13]方大春, 孙明月. 高铁时代下长三角城市群空间结构重构——基于社会网络分析[J]. 经济地理, 2015(10): 50-56.

[14]杨辉, 尚智丛. 微博科学传播机制的社会网络分析——以转基因食品议题为例[J]. 科学学研究, 2015(3):337-346.

[15]BORGATTI S P, FOSTER P C. The network paradigm in organizational research: a review and typology [J]. Journal of Management, 2003, 29(6):991-1013.

[16]徐振宇. 社会网络分析在经济学领域的应用进展[J]. 经济学动态, 2013(10):61-72.

[17]何一鸣,蒲英霞,王结臣,陈刚,马劲松.基于马尔可夫链的四川省产业结构时空演变[J].中国人口·资源与环境,2011(4):68-75.

[18]林春艳, 孔凡超. 中国产业结构高度化的空间关联效应分析——基于社会网络分析方法[J]. 经济学家, 2016(11): 45-53.

[19]张翠菊,张宗益.中国省域产业结构升级影响因素的空间计量分析[J].统计研究,2015(10):32-37.

[20]于斌斌.产业结构调整与生产率提升的经济增长效应——基于中国城市动态空间面板模型的分析[J].中国工业经济,2015(12):83-98.

[21]杨灿,郑正喜.产业关联效应测度理论辨析[J].统计研究,2014(12):11-19.

[22]赵尚梅,王平生,陈曦.山东省保险业同其他产业关联性的实证研究[J].东岳论丛,2005(3):61-65.

[23]刘向东,石杰慎.我国商业的产业关联分析及国际比较[J].中国软科学,2009(4):42-49.

[24]杜华东,赵尚梅.中国产业结构变迁的实证研究——基于社会网络分析法的分析[J].管理评论,2013(3):38-47+90.

[25]FATH B D, PATTEN B C. Ecosystem theory: network environ analysis [M]. Washington, D.C.: Lewis Publishers, 2000.

[26]周迪,程慧平.中国产业结构水平的分布动态及其空间依赖[J].经济经纬,2015(4):79-84.

[27]魏庆文,杨蕙馨,王军.创新驱动对现代产业发展新体系演进的作用机理——基于生产函数的视角[J].现代财经(天津财经大学学报),2018(7):103-113.

[28]李成友,孙涛,焦勇.要素禀赋、工资差距与人力资本形成[J].经济研究,2018(10):113-126.

[29]杨小凯, 张永生.新兴古典经济学与超边际分析[M]. 北京:社会科学文献出版社，2003.

[30]李敬, 陈澍, 万广华, 等. 中国区域经济增长的空间关联及其解释——基于网络分析方法[J]. 经济研究, 2014(11):4-16.

[31]梁经伟, 文淑惠, 方俊智. 中国-东盟自贸区城市群空间经济关联研究——基于社会网络分析法的视角[J]. 地理科学, 2015(5):521-528.

[32]蓝庆新, 陈超凡. 新型城镇化推动产业结构升级了吗?——基于中国省级面板数据的空间计量研究[J]. 财经研究, 2013(12):57-71.

[33]茶洪旺, 左鹏飞. 信息化对中国产业结构升级影响分析——基于省级面板数据的空间计量研究[J]. 经济评论, 2017(1):80-89.

[34]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.

In the Pansi Hole or Reciprocity Network: Does Spatial Network of Industrial Structure Promote Economic Growth?

JIAO Yong

(Department of Finance and Economics, Shandong University of Science and Technology, Jinan 250031, China)

Abstract：The spatial network characteristics of industrial structure become an important study direction of industrial structure, technological advance and economic growth. This paper analyzes the influence of spatial network of industrial structure on economic growth which using provincial panel data from 2000 to 2015. The results show that: The network centricity and network connection strength have significant positive effect on economic growth, and the network homogeneity has significant negative effect on economic growth. The interactive items of network centricity, network connection strength, network homogeneity with total factor productivity change have significantly positive effect on economic growth. The regression results of the interactive items of industrial structure space network and the decomposition of total factor productivity are different. The interactive items of product efficiency, technological progress with network centricity, technological progress with network connection strength, product efficiency with network homogeneity both have significantly positive influence. So the strategic goals of regional industrial structure is to improve the centrality of industrial structure, to strengthen network connection and to avoid homogeneity.

Key words：industrial structure; space network; total factor productivity; economic growth