[区域发展]以供给侧结构性改革推进“高精尖”产业结构的构建——以北京市为例（上）

根据长期经济增长的经验分析，通过增加总需求可以解决外部冲击等问题以实现短期的经济增长，而长期的经济增长是由要素供给的增加和技术效率提高所驱动的，即中长期经济增长需要提高技术和效率等供给侧的管理。供给侧改革，就是通过企业改革、结构性减税、金融改革等手段提高供给效率，放权归市，使市场机制更加灵活，降低企业成本，提高企业创新能力和生产效率，促使产业结构调整和升级，使企业增加新型供给，创造增长的新动力。

为了应对不断升级的需求结构，符合“四个中心”新定位，形成经济增长新动力，拉动京津冀地区经济发展，北京正在着力构建“高精尖”产业结构。而产业结构升级的主要动力就是技术进步。在技术进步的推动下，需求结构、供给结构、投资结构和就业结构发生改变，资源和要素按照市场规律自主地流向高生产率部门，低效率部门被淘汰，并且不断产生新兴行业，在此反复的更迭中最终带来了生产结构和经济结构的优化和升级。在发展前期，企业技术进步与创新主要通过“干中学”的模式模仿和学习，依靠引进和购买国外技术等方式提高技术水平。然而这种方式也导致了企业间低成本竞争，地区间产业结构同质化的经济结构不合理以及企业自主研发创新动力不足等问题。实现北京产业结构调整与升级，构建“高精尖”产业结构，就需要降低企业成本，增强企业创新动力。因此，通过企业改革、结构性减税、金融改革等供给侧结构性改革，降低企业交易成本，提高企业创新能力和生产效率，正是推进构建“高精尖”产业结构的必要手段。

二、文献综述

目前，学者们对产业结构的评价不再局限于三次产业的划分，提出了产业结构的高度化和合理化的度量方式。付凌晖（2010）通过改良Moore结构变动指数对中国产业结构的高度化进行了度量[1]。干春晖等（2011）使用第二、三产业增加值占GDP比重衡量产业结构的高度化，使用耦合度和泰尔熵对产业结构的合理化进行度量[2]。田新民和韩端（2012）利用欧式距离法对中国产业结构的高度化进行评价，并通过对比衡量了中国产业结构水平[3]。彭冲等（2013）利用各产业产值比重与劳动生产率的乘积度量产业结构高级化程度[4]。

随着对产业结构演进规律的进一步研究，学者们逐渐开始关注产业结构演进的根本动因。阿克巴和麦克布赖德（Akbar & McBride，2004）研究了不同投向的FDI对经济转型国家产业结构的影响，认为市场导向型FDI有助于转型国家经济的长期发展，资源导向型FDI不利于转型国家企业的技术进步[5]。姜泽华和白艳（2006）认为产业结构升级不同于产业升级，是产业结构不断从低级向高级形式转变，各产业的地位、关系向更高级、更协调的方向转变的过程或趋势，影响产业结构升级的因素主要有社会需求、科技进步、制度安排和资源供给[6]。赵春艳（2008）认为产业结构升级的主要动力是经济增长[7]。黄茂兴和李军军（2009）以1991至2007年中国31个省级区域的面板数据建立模型，研究认为合理的技术选择和不断的资本深化能够提升劳动生产率，促进产业结构升级[8]。高越和李荣林（2011）考察了中国技术进步和产业结构调整的相互影响[9]。石奇等（2009）利用中国2000年和2005年投入产出表进行评估，认为消费升级是影响中国产业结构变化的重要因素[10]。钱水土和周永涛（2011）认为金融业发展对技术进步和产业升级具有促进作用[11]。黄文正（2011）认为人力资本积累对产业结构升级具有推动作用[12]。刘忠璐和刘榆（2015）通过空间计量模型研究了人力资本结构对产业结构升级的不同作用机制和空间外溢效应[13]。

针对政府行为对产业结构升级作用的研究也日渐增多。汪德华等（2007）利用跨国横截面数据建模得到了政府支出与政府投资规模对第三产业比重的增长具有抑制作用的结论[14]。周光亮（2012）考察了中国财政分权制度下地方政府投资对产业结构优化的作用，结果显示地方政府间的投资竞争使政府投资过多地流入第二产业，而对第三产业发展推动较小，不利于中国产业结构优化升级[15]。王岳平（2013）认为政府制定产业政策过程中，应注意产业升级与技术进步的方向性、动态比较优势培育方式等问题[16]。毛军和刘建民（2014）研究了中国财税政策对产业结构升级的非对称效应[17]。靳涛和陈栋（2014）通过面板数据建模，分析地方政府财政支出对产业结构升级的直接效应与间接效应，认为地方财政政策应因地制宜[18]。

通过上述文献整理，本文拟利用产业结构高度化判别标准，结合北京“高精尖”产业结构目标，给出北京“高精尖”产业结构的内涵并构建“高精尖”产业结构指标体系，并基于此评价结果，利用2002—2013年31个省级区域空间数据进行空间计量分析，从而得到供给侧结构性改革对“高精尖”产业结构升级的影响结果。

三、“高精尖”产业结构的内涵及测度

“高精尖”产业结构，即通过知识创新与技术进步、产业结构及其空间结构调整与优化升级，使产业结构整体质量和效率向高级化演进，即实现产业的高附加值化、高技术化、高集约化与高加工度化，不断地将区域经济增长转换到新路径上。本文以北京市数据为例，构建“高精尖”产业结构指标体系。

高，是指高科技、高附加值、高知识技术密集性的高端产业。具体来说，就是其产品的核心主导技术属于高技术，并且在高技术领域中处于技术前沿的工艺或技术突破，即融合了信息化与智能化的知识密集、技术密集的产业。特别地，对于高端产业的度量，不仅要从专利的发明量、R&D投入量等技术总量上度量，也要从产业的全要素生产率等产出效率指标考虑。

精，是指北京应该有所选择地发展产业。高端产业涉及的行业很多，北京应该对高端产业有所选择，选择在本区域内具有比较优势并且符合北京市定位发展的高端产业。以高技术制造产业为例，目前北京GDP构成中制造业占比不高，而服务业在周边地区乃至全国都具有较大的规模优势，因此，对于是否大力发展高技术制造业，对高技术制造业的行业选择需要进行考察与比较。同时，北京作为世界级特大城市，其城市的承载力也应该作为选择产业的影响因素之一。

尖，是指在一定区域内、全国乃至国际上处于尖端，能够作为很多产业的支撑与领头的产业。“尖”的定位要求北京市不仅要发展高技术产业，并且要处于高技术产业价值链的顶端，而不是在高技术产业中仍然属于低端制造，所需的关键技术和设备都依靠进口，最终成为国际新产业革命后的全球代工厂。

通过上述“高精尖”产业结构描述，有利于北京乃至全国通过供给侧管理实现产业异质化，加强服务业与制造业之间关联度，保留并继续发展生产效率高、技术含量高的产业，以满足消费结构的变化，解决产能过剩、经济增长动力不足的问题。因此，本文将根据以上标准选取指标，通过熵权法评价体系分别对高技术制造业以及高技术服务业的“高精尖”程度进行分析比较，得到各行业的程度排名。

首先，结合对“高精尖”产业的定义，选取了指标如表1所示。

“高”指标主要由创新能力和创新产品的效率以及信息化程度来衡量：产业从业人员人均产出量反映了产业的生产效率及其产业规模；全要素生产率的增长率可以反映产业目前的技术发展潜在力，增长率越高，其技术进步速度越快，而创新能力则用申请专利数和R&D投入所研发出新产品产值占该行业总产值比重来衡量，比重越大，说明其产业的技术附加值越高。“精”指标主要由人口资源承载力、产业空间集聚程度和产业间关联度来度量：产业对资源的依赖越小，说明其更加偏向于知识技术密集型，且更适宜在北京这个资源承载力已达上限的城市发展；产业的空间集聚程度反映了产业在区域内的聚集程度，高空间聚集程度的产业会在区域内成为主导产业，形成增长极带动周边地区；产业的关联程度主要利用由投入产出表计算的影响力系数与拉动力系数衡量，反映产业与上下游产业的关联度，关联度高的产业对上下游产业的拉动力和影响力高。“尖”指标主要由技术创新生产的新所产品市场拓展能力衡量，具体由R&D投入所研发出新产品出口销售值占出口交货值比重得到，该项比重越高，说明技术创新的结果更被广泛的市场接受，符合信息化、智能化新市场的需求，具有良好的产业竞争力。具体数据从对《北京统计年鉴2014》《北京统计年鉴2013》《北京市2010年投入产出延长表》《中国高技术产业年鉴2014》和《中国第三产业统计年鉴2013》整理计算得到。

通过熵权法对各个产业“高精尖”程度进行了评价排序。在制造业中，计算机及办公设备制造业，电子及通信设备制造业，医疗仪器设备及仪器仪表制造业，航空、航天器及设备制造业和医药制造业这些高技术制造业，作为二级产业分别依次属于位于前10名的产业：计算机、通信和其他电子设备制造业（第1位），专用设备制造业（第2位），仪器仪表制造业（第7位），铁路、船舶、航空航天和其他运输设备制造业（第8位），医药制造业（第9位）。并且，位于前10名的产业大多为以知识和技术为投入要素的现代制造业，如上列的高技术制造业以及汽车制造业、电气机械和器材制造业等中高技术制造业。这些产业与传统制造业不同，以知识和技术作为投入要素，并且由于具有高产业附加值，可以引领和支撑其整个产业链和产业网，其对电、煤炭等资源的低使用率和高利用效率，也对北京城市承载力的负荷有缓解作用。另外，一些并非高技术制造业的产业排名也很靠前，对于这些正处于繁荣期的行业或是依靠资本和劳动大量投入的“优势”产业而言，即使目前仍然存在优势，但是其未来发展趋势与信息化、智能化的大趋势并不符合，因此应该逐步将其转移到其他区域（见表2）。

特别地，对北京市目前高技术制造业发展状况进行进一步分析。本文从研发成果的收益率、专利的收益、研发的专业化程度及成果的单位支出成本角度（见表3），即高技术制造业知识技术成果的经济收益上选取指标，利用熵权法对高技术制造业现有的发展情况进行排名。

由表4可知，目前北京发展较好、单位回报收益率较高的高技术制造业为电子及通信设备制造业（第1名）和计算机及办公设备制造业（第2名）。这结果正与前文中制造业“高精尖”程度排名中计算机、通信和其他电子设备制造业（第1位）结果符合，可见计算机、通信和其他电子设备制造业不仅符合“高精尖”产业标准，同时在高技术制造业中也发展良好，比其他高技术制造业在北京具有比较优势。

由表5可知，服务业中，可以从生产性服务业和生活性服务业分类上分析，排名靠前的生产性服务业包含了科学研究和技术服务业（第1位）和信息传输、软件和信息技术服务业（第6位），而教育（第2位），文化、体育和娱乐业（第3位），卫生和社会工作（第4位）则属于生活服务类。从现代服务业和传统服务业的角度分析，处于前列的行业，都属于依托信息技术和现代管理理念结合的现代服务业，特别是因信息化及其他科学技术的发展而产生的新兴服务业形态，如信息传输、软件和信息技术服务业与科学研究和技术服务业，其次是通过应用信息技术，从传统服务业改造和衍生而来的服务业形态，如租赁和商务服务业与金融业。这与现代服务业具有高人力资本含量、高技术含量、高附加值、资源消耗少、环境污染少的特征是相符合的。而传统的住宿和餐饮业、批发和零售业则排在了最末位。

四、供给侧结构性改革对“高精尖”产业结构影响的实证研究

通过对“高精尖”产业结构指标体系的构建和度量，本文利用2001—2013年31个省级区域的面板数据，构建空间计量模型，考察供给侧结构性改革对“高精尖”产业结构的影响。

（一）模型构建

采用空间杜宾模型（SDM）：

其中，W为空间权重矩阵，描述相邻地区间的空间溢出影响，采用相邻0-1矩阵，通过GeoDa软件对全国电子地图处理得到。γ为其参数向量，度量相邻地区的解释变量对被解释变量的边际影响。WX为相邻地区平均观测值的空间滞后解释变量。若γ=0，则空间杜宾模型退化为空间滞后模型，若γ+ρβ=0，则空间杜宾模型退化为空间误差模型。

采用不受量纲影响的双对数模型，最终得到：

lny=ρWlny+βlnX+WlnXγ+ε （2）

（二）变量选择及数据来源

被解释变量：产业结构由“高精尖”产业产值占GDP比重刻画。通过“高精尖”产业结构指标体系的构建和评价，本文选用计算机、通信和其他电子设备制造业，专用设备制造业，汽车制造业，电气机械和器材制造业，通用设备制造业，非金属矿物制品业，仪器仪表制造业，铁路、船舶、航空航天和其他运输设备制造业，医药制造业，金属制品业和化学原料和化学制品制造业，以及不含住宿和餐饮业、批发和零售业的第三产业产值占GDP的比重，衡量地区产业结构的“高精尖”程度。

解释变量：以地方财政基础建设支出、科技支出、税收收入三个变量，衡量地区财税制度，其中基础建设支出包含了环境保护支出、城乡社区事务支出、农林水利事务支出、交通运输支出、工业商业金融等事务支出、资源勘探电力信息支出；以国有化程度衡量地区市场化程度，也是政府对地区经济的管理程度，以国有及国有控股公司就业人员占全部就业人员比重表示，比重越大则国有化程度越高，市场化程度越低；以金融业增加值占GDP比重表示地区金融环境，比重越高则金融环境越好，企业越容易获得银行借贷或间接融资，有利于企业发展，特别是融资渠道较少、融资成本较高的小微企业；以固定资产投资代表地区的需求侧投资力度；R&D投入以地区R&D内部经费支出衡量，R&D投入对“高精尖”企业的创新发展具有直接影响。

数据来自2002—2014年《中国统计年鉴》《中国金融年鉴》《中国财政年鉴》《中国工业统计年鉴》《中国科技年鉴》《中国人口和就业统计年鉴》以及国家统计局网站。

（三）实证结果及分析

首先，考察采用空间杜宾模型是否合理。通过LR似然比检验和Wald检验判断空间杜宾模型是否可以简化成空间滞后模型或空间误差模型。检验结果显示三个模型的LR空间滞后和Wald空间滞后值均在1%的水平上拒绝了γ为0的原假设；LR空间误差值和Wald空间误差也均在1%的水平上拒绝了γ+ρβ为0的原假设。因此，采用空间杜宾模型更为合理。经过Hausman检验，本文采用固定效应空间杜宾模型，并且通过对时间固定效应、空间固定效应以及时空双向固定效应空间杜宾模型的结果比较，选择显著水平较高的时间固定效应空间杜宾模型，结果由Matlab2012b软件计算得到。