一 引言

产业技术升级已经成为中国经济增长和转型的核心动力。产业技术升级包括两个方面：一是产业生产中所使用的各项技术本身的改善及制造工艺的提高，体现为技术前沿面的移动；二是各产业技术进步在总体经济技术进步中的比例和相互关系，即每类产业生产率对经济总量全要素生产率的贡献份额的变化，被称为产业技术结构变迁。处于不同发展阶段的经济体需要与之相匹配的产业技术结构，经济相对落后的地区可能需要更多劳动密集型产业，此时，经济中的技术进步主要源于这些劳动密集型产业的创新，而对于经济发达地区，其资本禀赋充分，技术水平较高，此时，资本和技术密集型产业对技术进步有更大的贡献份额。只有产业技术结构与经济发展相匹配，才能加快地区技术进步和经济增长。那么，经济发展和产业技术结构究竟存在怎样的内在联系？落后地区如何调整产业技术结构才能够实现经济和技术的追赶？这些问题的解决对加快经济增长和缩小地区差距具有重要意义。

产业技术结构是产业结构变迁理论的重要内容之一，根据非平衡增长理论，产业结构变迁源于各产业之间技术进步的差异，不同产业技术进步速度和技术消化吸收能力的差异，导致各产业增长速度的不同。罗斯托 (1962)指出，产业结构变迁是经济发展过程中对新技术的吸收以及主导产业经济部门不断更替的过程，由此可见，产业技术异质性是产业结构调整和产业技术结构变迁的根本驱动力。Peneder (2002)提出，产业结构调整将引发生产要素从低生产率部门向高生产率部门移动，从而带来整个经济体生产率的提高，同时，由于区域间产业结构布局和产业本身生产率的差异，生产要素会流向经济效率更高的地区，导致地区经济发展的差距。Duarte和Restuccia (2010)、Bah和Brada (2009)利用美国和欧盟国家的数据进行实证分析，

发现由农业向工业的转型会伴随收入水平的提升，而由工业向服务业的转型可能会出现整体收入水平的下降。Grossman和Helpman (1994)在内生经济增长理论中提出，区域经济发展不平衡的主要原因在于技术创新能力的差距。Lahorgue和Cunha (2004)基于微观企业角度指出，通过搭建中小企业之间的相互交流平台，构建中小企业向高技术大企业的学习机制，不同规模企业之间可利用技术扩散效应减小技术差距，有利于地区的产业结构升级，缩小地区间的技术差距。

当前经验研究主要从产业结构变迁对经济增长的作用，以及产业技术异质性对区域经济差异的影响两方面展开。现有关于产业结构变迁对中国经济增长作用效果的研究尚未形成一致结论。一些研究指出，产业结构调整对中国经济增长具有积极的影响，如Fan (2003)认为，中国产业结构调整过程中劳动力要素在不同部门和区域之间的流动，是中国经济效率提高的重要原因；温杰、张建华 (2010)在考虑产业要素产出弹性后，对中国产业结构变迁中的资源再配置效应进行了重新测算，结果表明，产业结构调整的资源再配置效应是中国经济增长的重要源泉，并且由于各产业之间要素生产率的差异，中国经济未来仍可从产业结构变迁中获得很大利益；Sachs等 (1994)的研究也都肯定了产业结构变迁对中国资源配置和经济增长的促进作用。另有一些研究则表明产业结构调整对经济增长并无明显的促进作用，如刘伟和张辉 (2008)、干春晖和郑若谷 (2009)对中国产业结构演进所带来的生产率增长效应的研究结果表明，产业结构演进对中国经济增长有一定的正向作用，但是随着改革的推进，这种“结构红利”正在不断减弱；吕铁 (2002)、李小平和卢现祥 (2007)利用中国制造业数据检验产业结构变动和生产率增长的关系，结果发现，产业结构调整带来的红利效应并不显著；于斌斌 (2015)基于中国285个地级及以上城市的面板数据对中国产业结构调整的经济增长效应进行了考察，其结论显示，产业结构调整对工业化地区经济增长的作用正在不断弱化，如果产业生产率无法及时提升，产业结构调整甚至造成资源要素在空间和行业中的错配，反而会抑制经济的可持续增长。关于产业技术的异质性对中国区域经济差异影响的研究结果基本形成共识，认为产业生产率的差异是引发区域经济差距的重要原因之一。宋长鸣 (2011)利用转换份额分析和方差分解法，通过将各地区的要素生产率分解为产业结构布局效应、产业生产率效应及配置效应，探究地区经济差距的原因，结果证明，东中西部地区生产率的差距主要来源于产业间生产率的差距；戴觅、茅锐 (2015)对中国不同行业生产率的收敛特征进行了分析，发现工业部门和非工业部门的劳动生产率在收敛性方面的差异对中国省域间的经济收敛具有重要的解释力；杨屹等 (2010)从产业自主创新能力的视角出发，构建产业技术自主创新能力评价的指标体系，对中国各区域的创新能力进行综合测评，结果表明，东中西部及东北区域之间在自主创新能力方面存在较大差距，缩小区域间各产业创新能力的差距是实现区域协调发展需要解决的关键问题之一。

已有文献从不同视角考察产业技术异质性引发的产业结构变迁，及其对生产率增长和区域经济差距的影响，这类研究的局限在于：一是已有文献度量生产率往往基于一个总量生产函数进行测算，忽视产业技术结构问题，没有考虑不同产业技术对总体技术进步作用的差异。二是不同经济发展阶段产业结构动态演化，各产业对总体生产率的贡献也随之变化，而现有研究并未考察适宜性的产业技术结构问题。基于此，本文依据新结构经济学视角，参照林毅夫、付才辉 (2015)在新古典经济增长模型中引入结构的思想，将产业技术结构约束纳入到总量生产函数中，构建产业技术结构衡量指标并进行测算，揭示我国区域产业技术结构的变迁特征，并将东部地区作为基准拟合最优产业技术结构，预测中部和西部地区最优产业技术结构变迁路径，探索偏离最优产业技术结构对区域经济增长和技术进步的影响。

二 产业技术结构指标构建与测度方法 (一) 产业技术结构指标构建

假定地区c由n个产业构成，任意产业i的生产函数采用C—D形式：

${Y_{cit}} = {A_{cit}}K_{cit}^\beta L_{cit}^{1 - \beta }$

(1)

其中，i=1, 2，…，n表示不同的产业，K_cit、L_cit分别表示t时刻c地区i产业生产中的资本、劳动投入量，β衡量了资本投入份额，A_cit为i产业的全要素生产率水平 (TFP)，生产过程满足规模报酬不变。上式以劳均形式表示为：

${y_{cit}} = {A_{cit}}k_{cit}^\beta $

(2)

y_cit表示c地区i产业的劳均产出量，k_cit=K_cit/L_cit，代表劳均资本。i产业生产的利润最大化问题为：

$\mathop {\max }\limits_{{K_{cit}}, {L_{cit}}} {A_{cit}}J_{cit}^\beta L_{cit}^{1 - \beta } - {r_{cit}}{K_{cit}} - {\omega _{cit}}{L_{cit}}$

其中，r_cit为资本价格，ω_cit为劳动价格。利用利润最大化的一阶条件可得：

${r_{cit}} = \beta {A_{cit}}k_{cit}^{\beta - 1};{\omega _{cit}} = \left({1 - \beta } \right){A_{cit}}j_{cit}^\beta $

(3)

假定市场完全竞争，所有要素在各产业和地区间自由流动，则有：

${r_{cit}} = {r_{cjt}};{\omega _{cit}} = {\omega _{cjt}}$

(4)

结合 (3)(4) 式，可得不同产业之间资本和劳动相对边际报酬的关系：

$\frac{{{r_{cit}}}}{{{\omega _{cit}}}} = \frac{{{r_{cjt}}}}{{{\omega _{cjt}}}} = \frac{\beta }{{1 - \beta }}k_{cit}^{ - 1} = \frac{\beta }{{1 - \beta }}k_{cjt}^{ - 1}$

因此，k_cit=k_cjt=k_ct，对于∀i≠j，意味着均衡状态下各产业生产中劳均资本投入相等。

为了便于分析，假定各产业的资本具有同质性，可得t时期c地区的资本总量：

${K_{ct}} = \sum\nolimits_{i = 1}^n {{K_{cit}}} = \sum\nolimits_{i = 1}^n {{L_{cit}}{k_{cit}}} $

通过各产业产出加总得到c地区的总量生产函数：

${Y_{ct}} = \sum\nolimits_{i = 1}^n {{Y_{cit}}} $

结合 (1) 和 (2) 式可得具有产业技术异质性的人均产出：

${y_{ct}} = {Y_{ct}}/{L_{ct}} = \sum\limits_{i = 1}^n {{\iota _{cit}}{A_{cit}}k_{cit}^\beta } $

其中，ι_cit=L_cit/L_ct，表示i产业在c地区经济生产中的就业份额。

此时，c地区总的全要素生产率A_ct可表示为：

${A_{ct}} = \sum\limits_{i = 1}^n {{\iota _{cit}}{A_{cit}}} $

(5)

(5) 式表明，一个地区t时刻的生产率A_ct可以表征为以各产业就业份额为权重的异质性技术水平的加总。它不仅和各产业技术水平有关，还受制于各行业所占有的劳动要素份额。某行业的劳动份额值越高，其在相等生产率提高的情况下对整体技术进步的改善具有越大的促进作用。

基于以上推导，我们构建出产业技术结构指标以定量测度各地区产业技术结构的变迁。根据 (5) 式可以得到一个地区的产业技术结构：

$CIT{S_{cit}} = IT{S_{cit}}/\sum\limits_{i = 1}^n {IT{S_{cit}}} $

(6)

其中，ITS_cit=A_citι_cit，表示c地区i产业以劳动份额加权的技术进步，(6) 式反映了第i个产业对地区总量生产率的贡献份额，可以表征c地区的产业技术结构。

考虑到中国省际之间经济发展和技术水平的较大差距，以每个省份i产业人均收入占所有省份i产业人均收入之和的比例作为权重，对各省份i产业的技术进步进行加权求和，得到国家层面上i产业的技术进步，进而求出中国的产业技术结构：

$IT{S_{it}} = \sum\limits_{c = 1}^m {\frac{{{y_{cit}}}}{{{y_{it}}}}IT{S_{cit}}} ;CIT{S_{it}} = \frac{{\sum\limits_{c = 1}^m {\left({{y_{cit}}/{y_{it}}} \right)IT{S_{it}}} }}{{\sum\limits_{i = 1}^n {\sum\limits_{c = 1}^m {\left({{y_{cit}}/{y_{it}}} \right)IT{S_{it}}} } }}$

(7)

上式中，ITS_it表示i产业在t时期的技术进步，c=1, 2，…，m表示地区数量，CITS_it测度了国家层面的产业技术结构。

(二) 研究方法和数据处理

1.各地区产业技术进步A_cit的度量

分析产业技术结构的变迁，首先要测算不同地区各产业部门的技术进步水平，一般采用全要素生产率 (TFP) 度量技术进步。关于TFP的测度主要有参数法和非参数法两类，参数法要求明确生产函数的形式，在估计参数过程中还需对残差分布等做一系列假设。而非参数法无需设定生产函数，可以避免由于函数设定形式错误和参数估计误差造成的错误结果，因而被广泛用于生产函数效率的测度 (王恕立、胡宗彪，2012；李健等，2015)；该方法以数据包络分析 (DEA) 为基础。本文将采用DEA-Malmquist指数法测算不同地区不同产业的TFP变化，其主要思路为：在投入产出空间内，从一组可以进行比较的决策单元 (DMU) 中找到最优生产前沿，位于生产前沿上的决策点效率最高，其他点的效率通过计算其偏离前沿面的距离比值来衡量。DEA测算的实质是求解线性规划问题：

$\begin{array}{c} D_j^t\left({x_j^t, y_j^t} \right) = \min \theta \\ {\rm{s}}{\rm{.t}}{\rm{.}}\sum\limits_{z = 1}^Z {{\lambda _z}x_{jz}^t} \le \theta x_{jn}^tj = 1, 2, \cdots, J\\ \sum\limits_{z = 1}^Z {{\lambda _z}y_{uz}^t \le _{un}^tu = 1, 2, \cdots, U} \\ {\lambda _z} \ge 0z = 1, 2, \cdots, Z \end{array}$

其中，x∈R^J表示投入向量，y∈R^U代表产出向量，λ_z为权重向量。D_j^t(x_j^t, y_j^t) 反映了生产单元与技术前沿的距离，如果D_j^t(x_j^t, y_j^t)=1，表明该生产单元位于技术前沿面上，其生产是有效率的，D_j^t(x_j^t, y_j^t) 值越接近1，意味着该生产单元的生产效率越高。

根据Fare等 (1994)，采用产出导向的Malmquist指数的几何平均值来计算TFP及其分解，决策单元DMU从 (x₀^t, y₀^t) 到 (x₀^t+1, y₀^t+1) 的Malmquist生产率指数为：

$\begin{array}{l} {M_0}\left({{y^{t + 1}}, {x^{t + 1}}, {y^t}, {x^t}} \right) = {\left[ {\frac{{D_0^t\left({x_0^{t + 1}, y_0^{t + 1}} \right)}}{{D_0^t\left({x_0^t, y_0^t} \right)}} \times \frac{{D_0^{t + 1}\left({x_0^{t + 1}, y_0^{t + 1}} \right)}}{{D_0^{t + 1}\left({x_0^t, y_0^t} \right)}}} \right]^{1/2}}\\ = \underbrace {\frac{{D_0^{t + 1}\left({x_0^{t + 1}, y_0^{t + 1}} \right)}}{{D_0^t\left({x_0^t, y_0^t} \right)}}}_{技术效率变化} \times {\underbrace {\left[ {\frac{{D_0^t\left({x_0^{t + 1}, y_0^{t + 1}} \right)}}{{D_0^{t + 1}\left({x_0^{t + 1}, y_0^{t + 1}} \right)}} \times \frac{{D_0^t\left({x_0^t, y_0^t} \right)}}{{D_0^{t + 1}\left({x_0^t, y_0^t} \right)}}} \right]}_{技术变化}^{1/2}} \end{array}$

上式中，Malmquist生产率指数可分解为技术效率 (Technical Efficiency) 变化和技术变化 (Technical Change)，前者测度了从t期到t+1期各行业对最佳生产前沿的追赶程度，代表追赶效应，后者刻画了从t期到t+1期最优技术前沿的移动情况，代表增长效应。M₀(y^t+1, x^t+1, y^t, x^t) 大于、等于、小于1，分别代表技术的改善、不变和退化。

2.数据选取和处理

目前选取分产业投入产出分析的指标数据有两种组合方法：一种组合是产出为工业总产值，投入变量为资本、劳动和中间投入 (谢千里等，1995；李小平等，2007；董敏杰等，2015)；另一种组合是产出为工业增加值，投入为资本和劳动 (涂正革、肖耿，2005；陈勇、唐朱昌，2006)。考虑到中国并没有官方公布的中间投入数据，各学者的中间投入数据主要是利用总产值减去增加值计算所得，因此本文采用第二种组合方法选取指标数据。对具体投入产出指标和数据说明如下：

产出变量选取1999—2013年各省级区域规模以上工业企业制造业分行业的工业增加值衡量，并以1999年为基期，用各年的工业品出厂价格指数进行平减。此数据主要来源于《中国工业经济统计年鉴》，由于该年鉴自2008年起不再对分行业工业增加值数据进行统计，我们从各省份统计年鉴中获得部分数据；对无法直接从统计年鉴中获取的数据，主要参考董敏杰等 (2015)对缺失数据的处理方法，首先计算已有年份工业增加值率 (工业增加值/工业总产值) 的平均值，然后与各产业工业总产值相乘来估算工业增加值。

投入变量中，劳动投入选取各行业全部从业人员年平均人数作为衡量指标；资本投入需要测算各省份分行业的资本存量，本文主要参照李小平等 (2007)的算法，计算公式为：

${K_{cit}} = {K_{ci{t_0}}} + \sum\limits_{{t_0} + 1}^t {\left({{I_{cit}}/{P_{cit}}} \right)} $

其中，K_cit表示c地区i产业在t年的实际资本存量，K_cit0表示基期的实际资本存量，选用1999年分行业年末固定资产净值表示；I_cit为t年新增的名义固定资产投资，已有文献的通常做法是以固定资本形成额表示，但是由于无法获取不同地区细分行业的固定资本形成额数据，我们以相邻年份固定资产净值原值的差额表示，对缺少固定资产净值的年份，则通过固定资产原价减去累积折旧计算得到；统计年鉴没有统计各地区分行业的固定资产投资价格指数，我们选取各省份的投资价格指数代替。以上数据主要来源于《中国工业经济统计年鉴》和各省份历年统计年鉴以及统计局官方网站所公布的数据。

三 产业技术结构的测度与分析

基于上述投入产出数据，利用DEAP2.1软件对中国30个省级区域2000—2013年20个制造业行业^①的TFP进行测算，并结合 (6)(7) 式计算中国及各地区的产业技术结构。

我们首先对中国2000—2013年制造业行业间的生产率差异进行比较分析，见表 1。整体来看，各产业生产率的加权和历年值都大于1，说明2000—2013年中国制造业全要素生产率得到了改善。进一步观察可以发现，各行业TFP变化趋势具有一定的阶段性特征：2000—2008年呈明显的上升趋势，2009年以后大体上呈下降趋势，特别是2009年和2010年技术进步率显著降低。分行业来看，技术进步最快的是计算机、通信和其他电子设备制造业，年均技术进步率达到17.21%，其技术进步率变化趋势也呈现出先上升后下降的特征；技术进步率排在第二至第六位的依次是纺织业 (14.29%)、交通运输设备制造业 (11.7%)、非金属矿物制品业 (10.59%)、黑色金属冶炼和压延加工业 (10.45%) 以及电气机械和器材制造业 (10.29%)；生产率最低的后三位产业分别是化学纤维制造业 (1.57%)、烟草制品业 (1.98%) 和仪器仪表制造业 (2.56%)。对比李小平等 (2007)、涂正革等 (2005)、陈勇等 (2006)关于中国分行业生产率的测算结果，我们发现，加入就业份额权重后，计算机、电子及通信设备制造业、交通运输设备制造业以及电气机械和器材制造业的TFP增长仍然保持在前列，说明这些产业不仅具有较高的技术进步潜力，而且能够吸收较多劳动力，从而提高社会的就业量。而与前述研究结论相反的是，本文中的仪器仪表制造业、化学纤维制造业的TFP增长排名竟然落到最后三位之中，该结果主要源于两方面原因：一方面，本文计算的行业TFP是各省份分行业的TFP通过人均收入份额加权得到，对于贵州、内蒙古、青海、宁夏等西部地区，规模以上工业企业中并不包括仪器仪表和化学纤维制造业，意味着这两个产业在经济体中的比重很小，对整体经济增长和技术进步的拉动作用几乎为零；另一方面，由于行业技术门槛的存在或者行业本身所能容纳的劳动力有限，致使行业就业份额较低，从而降低了加权的技术进步。

既然行业间生产率存在明显差异，并且各行业TFP不断变化，这就意味着中国的产业技术结构处于动态变化中，表 2记录了2000—2013年中国产业技术结构的变化情况。数据显示，对技术进步贡献度排在前六位的产业依次为计算机、通信和其他电子设备制造业、纺织业、交通运输设备制造业、非金属矿物制品业、黑色金属冶炼和压延加工业以及电气机械和器材制造业，它们对中国TFP增长的贡献度达到54.21%；排在最后三位的仍是化学纤维制造业、烟草制品业和仪器仪表制造业，三者的贡献度之和仅为4.47%。对比表 1可以发现，技术进步增长越快的产业对总体技术进步的贡献度越大。另外，进一步计算各产业对技术进步贡献份额的变化幅度可以发现，贡献份额增幅最快的产业为计算机、通信和其他电子设备制造业，由2000年的8.4%增加到2013年的14.8%，增幅达到76.19%；其后依次是饮料制造业、农副食品加工业、医药制造业、仪器仪表制造业和交通运输设备制造业，增幅分别为65%、45.24%、35%、22.22%和18.99%，而纺织业、非金属矿物制品业和石油加工、炼焦、核燃料加工业对技术进步的贡献出现大幅下降，下降幅度分别为-38.84%、-45.37%和-50.00%。观察以上结果可知，计算机、通信和其他电子设备制造业、交通运输设备制造业、电气机械和器材制造业无论在技术贡献度还是贡献度的增长潜力方面都具有绝对优势，这些产业应该是产业升级中重点发展的对象；诸如仪器仪表制造业、医药制造业等产业，虽然目前它们对中国技术进步的贡献份额较低，技术进步率也较为缓慢，但是对技术进步的贡献度呈逐渐上升的趋势，具有较大的发展潜力。

为进一步考察各产业技术结构分布的变化趋势，本文分别对各产业加权的TFP和技术贡献份额进行Kernel核密度估计。从图 1可以看出，2000—2013年，产业技术进步出现单峰向双峰转变趋势，意味着各产业生产率出现两极分化特征，一些产业的生产率得到快速提升，而另一些产业的生产率没有改善，并且从波峰高度来看，大部分产业还是在较低的生产率水平聚集，2004—2011年，两个波峰之间的距离不断变长，到2011年达到最大，暗示在此期间的技术进步使得各行业的生产率差距扩大，两极分化趋势更加严重，2012年开始两个波峰之间的距离又逐渐缩短，各产业的生产率差距逐渐缩小。对比图 2可以看出，各产业技术贡献度的分布特征与技术进步水平分布变化相似，但是产业技术进步变迁的横向跨度更大，意味着各产业生产率的不均衡差距更大。

中国产业技术结构不仅存在显著的行业差异，而且存在巨大的地区差异，不同发展程度的地区有不同的产业技术结构，各产业对地区技术进步和经济增长的贡献也存在明显差距。表 3记录了各地区经济增长率的构成，以及各产业TPF对地区TPF的贡献。从经济增长情况来看，2000—2013年，中部地区制造业的劳均工业增加值的平均增长率最大，但其技术进步贡献率最低，全要素生产率仅仅解释了劳均产出增长的38.7%；东部地区经济增长中的全要素生产率的贡献率达到56%，超过了资本投入的贡献份额；西部地区的全要素生产率对经济增长的贡献率为41.9%。由此可见，东部地区已经开始通过技术创新驱动制造业的产出增长，而中西部地区经济增长对资本投入的依赖度仍然较高，尤其是中部地区。观察三个区域各产业的技术贡献度可知，交通运输设备制造业、非金属矿物制品业生产率的提高对三个区域的技术进步均具有重要作用，而烟草制品业、化学纤维制造业对三个区域技术进步的贡献均排在后三位之中，并且在东部地区技术贡献度最大的是具有技术密集型特征的计算机、通信和其他电子设备制造业，而对中西部技术进步贡献最大的主要是资本密集型的产业。在省级层面，全要素生产率对经济增长贡献最高的是广东省，高达81.3%，对该省技术进步贡献排在前三位的产业分别为计算机、通信和其他电子设备制造业、电气机械和器材制造业以及交通运输设备制造业，三个产业均属于技术和资本密集型产业；全要素生产率对经济增长贡献最低的新疆，虽然其经济增长较快，年均增长率达到16.6%，但全要素贡献率却不到10%，90%以上靠投资驱动，经济增长过度依赖资本投入。

四 产业技术结构对区域经济增长的影响

上述分析已经表明，中国三大区域的产业技术结构存在很大差异，中西部地区技术进步对经济增长的贡献以及产业技术结构的变迁都远落后于东部地区，一个自然的问题就是：如何调整中西部的产业技术结构以促进区域的技术进步和经济增长？作为相对落后的区域，中西部的技术进步有一定的后发优势，其产业技术升级可以在先进技术和产业边缘之内进行，具体而言，中西部地区可以沿着东部已有的产业技术结构变迁轨迹调整自己的产业技术结构。因此，我们将东部地区作为最优基准组进行估计，得到不同经济发展水平下产业技术结构的变迁轨迹，然后构造偏离指标测度中西部地区相对于这个最优水平的偏离程度，并考察偏离指标对中西部区域经济增长和技术进步的影响。

(一) 最优产业技术结构的估计

估计最优产业技术结构首先要构建能够表征产业技术结构优化升级的指标，本文选取计算机、通信和其他电子设备制造业、电气机械和器材制造业、交通运输设备制造业、仪器仪表制造业、通用设备制造业、专用设备制造业六个行业的以就业份额加权的全要素生产率占整个区域全要素生产率的比值作为产业技术结构的度量指标，其中前三个行业对技术进步均具有较大贡献，后三个产业虽然目前对技术进步的贡献份额较小，但是它们对技术进步的贡献度呈不断上升趋势，具有很大的技术提升潜力，因此，这六个行业的生产率占整个制造业全要素生产率比值的增加可以表示产业技术结构的优化升级。

为直观了解最优产业技术结构与经济发展之间的关系，我们基于东部12个省份的面板数据画出两者的散点拟合图。如图 3所示，产业技术结构与经济增长之间呈现明显的正相关关系，换言之，经济发展水平越高，六个行业的生产率在整个区域全要素生产率中的比值越大，说明随着经济的发展，产业技术结构在不断优化升级。

图 3只是初步的事实刻画，为了进一步明确经济发展与最优产业技术结构的内在联系，我们采用面板回归模型估计最优产业技术结构。面板回归前要确定模型的具体形式，首先通过F统计量判断选择混合回归还是固定效应回归模型，然后通过Hausman检验判断使用固定效应还是随机效应，同时考虑到东部区域内部各省份之间可能存在空间相关性问题，我们采用可行性广义最小二乘估计 (FGLS) 进行稳健性检验，回归结果如表 4所示。

表 4中F统计量在1%的显著性水平上拒绝原假设，即认为固定效应回归明显优于混合回归，而Hausman检验并没有通过显著性检验，应该接受随机效应模型的原假设。所有估计结果均显示，产业技术结构与经济增长存在显著的正向关系，经济增长对产业技术结构的边际效应约为0.0048，即制造业人均产出每增加一个单位，六类技术和资本密集型产业的生产率占整体生产率的比值平均提高约0.0048个单位。该结果表明，产业技术结构应该随经济发展不断地优化升级。进而，本文得出最优的产业技术结构与人均产出的关系式：

$IS_{ct}^* = 0.048 \times {y_{ct}} + 0.353$

IS_it^*表示最优产业技术结构，y_ct为c地区t时期制造业的劳均产出。通过上式可以预测出中西部地区与当前经济发展阶段相匹配的最优产业技术结构，并将实际产业技术结构与最优产业技术结构的差额作为产业技术结构偏离程度的衡量指标：

$DI{S_{ct}} = I{S_{ct}} - IS_{ct}^*$

其中，DIS_ct表示c地区t时期的最优产业技术结构偏离度，IS_ct表示实际产业技术结构。

(二) 偏离最优产业技术结构对经济增长和技术进步的影响

通过分析偏离最优产业技术结构对中西部区域经济增长和技术进步的影响，可以预测产业技术结构优化所能引致的区域经济和技术进步的增长潜力。因此，我们分别探究产业技术结构偏离对中西部制造业的劳均工业增加值率和技术进步率的作用效果。另外，根据已有理论可知，劳均产出增长率受到劳均新增投资和上一年人均产出的影响。一般而言，投资额越大，经济增长越快，投资额与人均产出增长率呈现正向关系。而上年产出值与经济增长率可能表现为负向关系，即上一年的高产出会放缓下一年的经济增长率；同样，技术进步率也可能受到上一年技术进步的影响。基于此，我们将回归模型设定为：

$d{y_{ct}} = {\alpha _0} + {\alpha _1}DI{S_{ct}} + {\alpha _2}{I_{ct}} + {\alpha _3}{y_{c, t - 1}} + {\xi _t}$

(8)

${A_{ct}} = {\beta _0} + {\beta _1}DI{S_{ct}} + {\beta _2}{A_{c, t - 1}} + g{\zeta _t}$

(9)

其中，dy_ct表示c地区第t年制造业人均工业增加值的增长率；DIS_ct为c地区t年的最优产业技术结构偏离度；I_ct为新增投资，以c地区t年与t-1年资本存量的差额测度；y_{c, t－1}为c地区t-1年制造业人均工业增加值；A_ct、A_{c, t－1}分别为c地区t年和t-1年的技术进步率，可通过公式 (5) 计算得到；α₀、β₀为常数项；ξ_t、ζ_t为随机干扰项。

分区域面板回归中，需要注意区域内部不同省份之间的空间效应，即相邻省份之间的同期经济活动可能相互影响，因此需要考虑空间相关问题，而且同一省份在不同时期内也可能存在组内相关性。因此，在对面板数据进行回归前，我们首先使用Wooldridge Test判断组内是否存在自相关性，然后利用Friedman (1937)和Pesaran (2004)提出的半参数方法检验组间相关性，并通过似然比检验诊断异方差问题。表 5中的检验结果显示，中西部区域两组回归模型均存在自相关结构和异方差性，此时固定效应和随机效应的回归不再有效，我们使用能同时处理相关性和异方差问题的迭代式FGLS进行回归。

表 5的估计结果显示，无论是中部还是西部区域，偏离最优产业技术结构对人均产出增长率和技术进步率均具有显著的抑制作用，且偏离指标的系数值在两个区域间存在明显差异。中部地区产业技术结构偏离度对经济增长的边际效应为-0.306，即产业技术结构每偏离最优产业技术结构1%，制造业劳均产出增长率将降低0.306%；西部地区偏离指标对经济增长的负向影响系数为-0.706，表明偏离最优产业技术结构对西部地区经济增长的抑制作用更强。偏离指标对两区域技术进步率的影响效果正好与前述相反，对中部区域技术进步的负向作用 (-0.763) 大于西部区域 (-0.144)。上述结果暗示，中西部地区均具有较大的产业技术结构调整潜力，按照东部地区的产业技术结构变迁路径进行优化，产业技术结构每优化一个百分点，将会促使中部地区的全要素生产率提高0.763个百分点、经济增长提高0.306个百分点，促使西部地区的经济增长和全要素生产率分别提高0.706和0.144个百分点；相比而言，中部地区有更强的技术进步潜力，而西部地区有更大的经济增长潜力。对控制变量而言，新增投资对两个区域的经济增长率的提升都具有显著的正向促进作用，并且中部地区的投资驱动作用更强，说明中部地区经济增长的资本投入依赖程度更高，这进一步证实了我们前面的结论；对于产出的滞后变量，两个区域上一年产出对经济增长率的作用效果均显著为负，与我们的预期一致，且该负向抑制作用在西部地区表现得更强；在技术进步率方面，中部地区上一年技术进步率的边际影响系数并没有通过显著性检验，即过去的技术进步率并不会影响未来技术进步，而西部地区上一年的技术进步率具有显著的负向作用，说明西部地区的技术进步具有一定的路径依赖特征。

五 基本结论与政策含义

本文在新古典经济增长模型中引入产业技术异质性约束，构建中国及各地区的产业技术结构指标，结合省级面板数据从产业和区域两个层面对中国的产业技术结构进行了测度；进而以东部地区作为技术前沿基准拟合出区域的最优产业技术结构轨迹，并研究偏离最优产业技术结构对中西部地区技术进步和经济增长的影响，得出如下结论：

第一，在考虑产业就业份额差异和区域收入差距后，2000—2013年中国制造业技术进步年均改善为37.54%；其趋势变化呈现先上升后下降的阶段性特征，2000—2008年呈明显的上升趋势，2009年以后大体上呈下降趋势。分产业而言，技术进步较快的是计算机、通信和其他电子设备制造业、纺织业、交通运输设备制造业、非金属矿物制品业、黑色金属冶炼和压延加工业以及电气机械和器材制造业，产业生产率提升较慢的分别是化学纤维制造业、烟草制品业和仪器仪表制造业。

第二，从各产业对技术进步的贡献度来看，计算机、通信和其他电子设备制造业、交通运输设备制造业、电气机械和器材制造业无论在技术贡献度还是贡献度的增长潜力方面都具有绝对优势，而仪器仪表制造业、医药制造业等此类产业虽然在现阶段对中国技术进步的贡献份额较低，技术进步率也较为缓慢，但是对技术进步的贡献度呈逐渐上升的趋势；从产业技术分布来看，各产业技术结构呈现明显的两极分化趋势，大部分产业仍旧在低技术水平区聚集。

第三，中国产业技术结构在东中西部地区之间存在较大差异，各地区在产业技术进步率及其对经济增长的贡献方面均表现出显著差别，其中东部地区技术进步对经济增长的贡献最大，已经超过资本投入对经济增长的贡献，中部地区的技术进步贡献效应最小。可见，东部地区已经开始通过创新驱动经济增长，而中部地区的经济发展仍然高度依赖要素投入。

第四，最优产业技术结构与区域经济增长呈现显著的正相关关系，制造业人均产出每增加1个单位，技术和资本密集型产业的生产率占整体生产率的比值平均提高0.0048个单位；偏离最优产业技术结构对中西部地区的人均产出增长率和技术进步率具有显著的抑制作用，表明中西部地区都具有较大的产业技术结构调整潜力，并且中部地区有更强的技术进步潜力，而西部地区相对于中部地区有更大的经济增长潜力。

上述结论的政策含义在于：一是在技术进步率、技术贡献度和贡献度的增长潜力方面都具有绝对优势的产业，诸如计算机、通信和其他电子设备制造业、交通运输设备制造业、电气机械和器材制造业，应该成为中国及各区域产业升级过程中着力发展的产业，以加快经济增长和技术进步，而当前技术进步较为缓慢但在技术贡献度方面有较大发展潜力的仪器仪表制造业、医药制造业等此类产业，应该成为经济较为发达的东部区域未来重点关注的产业，以充分发挥技术和经济的领先优势；二是中西部地区应该充分利用后发优势，其产业技术升级不需要依靠大量原生性、跨越式的创新，而可以参照东部地区已有的较为成功的产业技术结构变迁轨迹，并结合自身的经济发展条件预测出与本区域相匹配的最优产业技术结构变迁路径，据此进行产业技术结构的调整，以更低的成本实现区域经济和技术更快的提升。