中国的比较优势转移

三、中国的比较优势转移

对于比较优势的实证研究目前主要有两类方法。一种是与静态比较优势理论相对应的静态分析和比较静态分析，这种方法通过计算能够反映比较优势的指标，表明经济体在某一时点的比较优势状态，或者通过比较不同时点的比较优势指标，反映一国经济比较优势的变化。另一种是以动态比较优势理论作为基础的动态分析方法，其目的分析比较优势的动态变化。

(一)中国的显性比较优势:静态分析

1.比较优势的度量:显性比较优势指数

国际上一般采用显性比较优势指数(RCA)来衡量一国的比较优势。这一概念是由Liesner在1958年首先提出的，后经巴拉萨(Balassa，1965)加以提炼并予以推广。显性比较优势指数指的是一国某类商品出口在世界上的相对占有率与该国全部出口商品在世界上的相对占有率之比。一般而言，当前一个占有率大于后一个占有率也即该指数大于1时，表明该国该商品比其他出口商品占有更大的市场份额，从而具有更强的国际竞争力。巴拉萨的显性比较优势指数公式为:

这里，表示i国商品k的出口额;表示全世界商品k的出口总额;表示i国全部出口商品的出口额;表示世界各国全部商品的出口额。

尽管很多文献分析了显性比较优势指数，但不同文献在同一个样本数据中得出了不同的结果。巴兰福、斯特纳和穆莱(Banlance、Forstner and Murray，1987)以及弗拉斯(Vollrath，1991)在研究了十种显性比较优势指数的定义与公式后，推荐了以下两种指数:

公式(2)中的Xik/Xit表示i国商品k的出口占该出口总额的比重，Xwk/Xwt表示全世界商品k的出口总额世界各国全部出口商品出口总额的比重。

公式(3)中的Xwk－Xik表示商品k的世界出口总额减去i国商品k的出口额(即除i国以外的世界其他国家商品k的出口总额)，Xwt－Xit表示世界各国全部商品的出口额减去i国的出口总额(即除i国以外的世界其他国家出口总额)。

RCA1实际上就是巴拉萨的显性比较优势指数。采用库尼莫托(Kunimoto，1977)的理论方法，弗拉斯通过引入国商品预期出口的概念E(Xⁱ_k)来解释RCA1指数。这里，

的含义是根据世界市场上商品k在所有出口商品中占的份额来预测i国的出口商品中应当有多少商品k。这样，i国有多少出口商品k就由i国的总出口及商品k在世界贸易中的份额决定。利用公式(4)，我们可以把公式(2)重新定义为:

因此，RCA1指数等于1就意味着实际出口量和预期出口量相一致，背离1就说明了实际出口中存在比较优势或劣势。和RCA1= RCA2一样，公式(5)也可以在库尼莫托的理论框架内进行解释。这些指数唯一的不同之处是，RCA2避免了重复计算，从RCA1分母的相应总量中扣除了和。

为了说明RCA1和RCA2之间的关系，把和分别定义为i国家的k出口商品在世界k出口总额中的份额和i国全部出口在世界出口总额中的份额。于是，从公式(3)中就可以得到:

从上式可以得到:

因此，只要，RCA1和RCA2就相一致。即使不相等，但和接近于零，RCA1和RCA2也会相似。

上述显性比较优势指数的范围位于0至无穷大的区间内。如果指数等于1，说明i国k产业的出口等于其在全部出口中的份额;如果指数大于1，表明产业k是出口部门，具有比较优势，数值越大比较优势越强;如果指数小于1，则表明该产业不具有比较优势。但是以上的计算方法也有弊端，即一国出口产品显性比较优势的均值不等于1，随时间的变化而变化，而且在分布上不是正态分布，因而不利于进行时间序列分析和跨时期比较。

为了解决现行比较优势指数的标准化问题，劳尔森和恩格达尔(Laursen and Engedal，1995)发展了对称的RCA指数:

SRCA=(RCA－1)/(RCA+1) SRCA的取值范围在－1至1的区间。该指数在经济应用上具有明显的优点，这一指标使在临界值上下范围内的波动拥有相同的权重，很好地解决了标准化问题。

但显性比较优势指数存在一定的局限性。一是在用于经验实证时，由于对贸易前商品的真实相对价格、各国在各方面存在的差异以及假定不存在政府干预等方面的确定存在一定的困难，显性比较优势经常变得有些难以定义。二是显性比较优势是以贸易后数据为计算依据，根据传统的国家贸易理论，比较优势态势主要涉及贸易前的相对价格，用事后数据说明就会受到交易过程中各种政策扭曲的影响，不能真实反映贸易前的价格水平。

2.中国的显性比较优势

很多文献对中国的静态比较优势进行了计算，研究中国各个时期的进出口状况，比较不同时期比较优势的变化。朱民(Zhu，1991)利用1950～1987年中国外贸出口数据对赫克歇尔—俄林的要素禀赋比较优势理论进行了实证检验。结果表明，尽管1987年以前中国是一个完全的计划经济国家，但是“显示中国出口行为”表明中国的外贸出口基本符合赫克歇尔—俄林的理论。中国向发达国家出口初级产品和纺织品，同时从发达国家进口机械、运输设备等制成品。朱民还指出，改革开放对中国外贸出口和经济发展起到或将起到促进作用，使得经济结构趋于合理，基于比较优势之上的生产和外贸出口变得更有效率。

耶兹(Yeats，1991)对1965～1987年中国外贸出口的显示比较优势进行了分析，并与日本、“亚洲四小龙”和“东南亚四国”进行了对比。耶兹的研究发现，中国除了在某些资源密集型产品上具有比较优势以外，在许多劳动密集型产品上都具有比较优势。在劳动密集型产品方面中国的比较优势结构与“亚洲四小龙”非常相似，除非增加产业内贸易，否则中国与“亚洲四小龙”之间的出口竞争将更加激烈。日本的比较优势在于资本密集型产品，与亚洲其他国家和地区有明显的差异，是亚洲区域贸易一体化的关键因素。耶兹还发现中国出口增加的商品种类在世界贸易出口中的比重呈下降趋势，而且中国具有比较优势的许多产品受到美国、日本和西欧的非贸易壁垒的保护，因此中国在这些产品的进一步出口将受到限制。同时耶兹指出，尽管没有迹象表明中国的显示比较优势结构向半资本密集型产品转移，但迹象表明中国的显示比较优势越来越集中于劳动密集型产品。

岳昌君(2001)使用1980～1997年的SITC数据计算了中国和亚洲其他主要国家(和地区)的巴拉萨指数，通过比较发现，20世纪80年代，中国的显示比较优势在于资源密集型产品，其次是劳动密集型产品。由于中国80年代采取以出口石油换取外汇的外贸政策，1983～1989年，第3类资源密集型产品的显示比较优势指数也大于1。90年代初，中国的比较优势由资源密集型产品向劳动密集型产品转变。从1995年开始，中国的显示比较优势完全在于劳动密集型产品，这标志着中国的比较优势结构取得了进步。资本密集型的机械和运输类制成品(SITC7)的显示比较优势指数一直很低，是中国出口的比较劣势。说明中国的工业化程度相对较低，技术水平落后。但是，中国的机械和运输设备产品的出口取得了可喜的变化，其显示比较优势指数增长速度最快，由1980年的0.11上升至1997年的0.61。这说明中国在发展技术方面取得了很大的进步，也预示着中国的比较优势存在由劳动密集型产品向资本密集型产品动态变化的趋势。

陈霜华(2005)在对“10+ 3”各国的先行比较优势的比较的基础上发现，在主要的初级产品中，泰国和印尼具有明显的优势，种类多而且显性比较优势较为显著，两国天然橡胶的显性比较优势尤为显著，泰国的农副产品具有绝对的优势。中国虽然具有显性比较优势的产品较多，但相比之下，比较优势强度相对较弱。文莱的原油和天然气的显性比较优势远远领先于其他国家。

在主要工业品中，中国的劳动密集型产品上的优势相对显著，资本或技术密集型产品也呈现出微弱的优势，这说明了中国的产业结构已开始从劳动密集型向资本或技术密集型转移。日本、韩国新加坡和马来西亚在资本或技术密集型产品上具有明显的优势;印尼和泰国具有优势的劳动密集型产品种类很多，但相比之下，优势比中国稍弱一些;菲律宾在两类产品上的优势都不太明显;文莱的劳动密集型和资本或技术密集型产品基本上都不具优势。

从我国贸易品的显性比较优势来看，尽管我国技术密集型产品已具有一定的显性比较优势但是和资本密集型、人力资本密集型以及资源密集型产品一样，仍然处于比较劣势。劳动密集型产品的比较优势虽然有所降低，但显性比较优势指数仍远大于1，是我国现阶段的优势所在。

我们采用SRCA指数重新计算我国的比较优势。使用的数据是按照SITC分类1位数的1980～1997年的贸易数据。下表列出了各个部门在所选年份的SRCA指数，数据的取值范围在［－1，1］的区间内，数值大于0表示该部门具有比较优势，数值越大比较优势越强;数值小于0表示该部门具有比较劣势，数值越小表示该部门越不具有国际竞争力;临界值为0。通过比较不同时期各部门的比较优势指数，我们可以对我国的比较优势进行比较静态分析，较为直观地发现比较优势的变化趋势。

从表7－1中数据的时间分布我们可以考察两个方面的问题:一是各部门的比较优势随时间变化的情况，即比较优势的持续性和变化性;二是比较优势的离散情况，或者说是专业化生产的集中度。首先，就各部门比较优势的变化来说，从表中各列的时间序列数据可以看出，在研究时期内，有4个部门(SITC1、SITC4、SITC5和SITC7)一直处于比较劣势状态，制成品和杂项制品(SITC6和SITC8)两个部门始终保持比较优势。因此，在这6个部门比较优势具有一定的持续性。比较优势发生逆转的3个部门分别是SITC0、SITC2和SITC3。在20世纪80年代中期，这3个部门具有很强的比较优势，是我国出口的主要产品，但是在进入90年代之后，其比较优势转为比较劣势。值得注意的是，SITC0只是出于微弱的比较劣势，表明我国的农产品基本能够满足国内需求，只需要少量的进口;而SITC2和SITC3两个部门则从原来的出口部门转变为进口部门，重要的逆转发生在1990～1995年。这一逆转的原因可以归结为中国经济的快速增长对原材料的大量需求，但另一方面则可能是因为粗放型的经济增长方式对矿产和原材料的巨大浪费。

表7－1　我国SRCA指数(1980～1997年)

注: 0:食品及活动物; 1:饮料及烟类; 2:非食用原料; 3:矿物、燃料、润滑油; 4:动植物油脂; 5:化学成品及有关产品; 6:按原材料分类的制成品; 7:机械及运输设备; 8:杂项制品。

图7－1　中国比较优势的变化(1980～1997年)

其次，就比较优势的离散度来看，改革开放以来中国的专业化分工的集中度越来越高。20世纪80年代中期，中国有5个部门(SITC0、SITC2、SITC3、SITC6和SITC8)具有比较优势，专业化分工的范围较广，而到了1997年，中国只有制成品和杂项制品(SITC6和SITC8)两个大类的产品还拥有比较优势，其他类全部是比较劣势。其中的制成品所具有的比较优势并不强，在1987年达到一个短暂的发展高峰后开始震荡下降，到1997年显示比较优势指数与1980年处于相同的水平。因此，总的来看，中国在全球经济中的专业化分工集中在杂项制品类，这一类产品大多是传统的劳动密集型产品，与我国丰富的劳动力优势相吻合。

图7－1更直观地表现了中国比较优势的变化和专业化的集中程度。

因为按照1位数的SITC对产品进行分类过于宽泛，无法显示具体产品(或者部门)的比较优势，因此很多研究使用更细的部门分类估算显性比较优势。实证研究中采用的部门分类方法不尽相同，较多的是使用SITC的2位数或者3位数分类。Hinloopen和Van Marrewijk (2004)运用SITC4位数分类计算了中国大陆和中国台湾、中国香港的比较优势。

表7－2比较详细地概括了我国比较优势的分布情况。产品分类采用的是SITC的4位数水平的分类，表中的数据给出了4位数水平的比较优势产品的种类在各大类中所占的比重，以及各大类中这些具有比较优势的产品出口在总出口中的份额。例如，1997年第0类中4位数水平的子类产品中具有比较优势的有6.6%，这些产品的出口占总出口的比重是5.7%。表7－2给我们提供了更多的信息。1997年SITC8中4位数水平的子类产品中具有比较优势的只有10%，但是其出口却占到了总出口的40.7%，表明我国对外出口仅仅依赖少数的大宗出口产品，表明我国专业化生产的集中度很高。但是，从表中我们不能直观地看出各部门比较优势的变化情况。某些特殊的数据会影响我们对比较优势的判断，例如SITC6类，其中4位数子类中具有比较优势的产品种类是不断增加的，但是其出口份额却逐渐下降。仅仅从表中的数据我们很难知悉其中的原因。

表7－2　我国比较优势部门的分布(SITC 4位数分类)

资料来源:在Hinloopen和van Marrewijk，2004，Dynamics of Chinese Comparative advantage，Tinbergen Institution Discussion Pape．

3.贸易竞争指数

另一种用于反映产品比较优势的指标是贸易竞争指数。贸易竞争指数(TC)定义为

TC_ij=(X_ij－M_ij)/(X_ij+M_ij)

它表示i国j部门的产品的净出口与该部门进出口总额的比，其中X表示出口，M表示进口，TC_ij的取值范围是区间［－1，1］。如果贸易竞争指数TC_ij＞0，则表示i国j部门是具有比较优势的净出口部门;反之，如果贸易竞争指数小于0，则表示该部门是净进口部门，具有比较劣势。

与现行比较优势指数相比，贸易竞争指数有其自身的特点。从定义中我们可以看出，RCA是将一个部门的出口在本国出口总额中的比重与世界总出口中该部门所占比重相比较，如果该部门处在本国总出口中的比重高于世界平均水平，表示其具有比较优势，反之具有比较劣势。贸易竞争指数则是从该部门自身的角度出发，使用净出口占该部门贸易额的比重作为指标。显然，二者比较而言，贸易竞争指数包含了本部门的进口，但是却损失了本国其他部门和世界其他国家出口的信息。但是，贸易竞争指数的优点则在于所需的数据量非常少，且数据易于获得。

表7－3列出了我国1980～2004年各部门的贸易竞争指数。然而，从数据对比中可以发现，TC指数和RCA指数显示的结果有不小的出入。表中的TC指数显示，SITC0部门一直是净出口部门，而且具有较强的比较优势;表7－1中的SRCA则表明1995年之后，该部门的比较优势已经基本消失。部门1的差异更大，TC指数显示1989年之后，该部门的比较优势发生逆转，从原来的进口部门转为出口部门，且具有较强的比较优势; SRCA指标则显示该部门一直是比较劣势部门。部门6也是如此，TC指数显示该部门在1990年之前一直是比较劣势，1990年之后TC在0上下波动，直到2000年之后才具备微弱的比较优势; SRCA指数则表明，该部门始终是比较优势部门。其他部门两个指标的结果基本一致。对于两个指标相背离的3个部门，我们结合表7－3进行对照发现，表7－2中SITC0和SITC1两个部门的情况与TC指数基本相符，而SITC6则与RCA指数相符。

可见，我们在分析具体的经济问题时，尤其是据此制定政策或进行决策时，绝对不能将某种单一指标作为唯一的证据。正如我们在比较SRC和TC两个指标时所看到的那样，任何指标都不可能准确无误地映射现实，而只能是一个近似的反映。这是因为现实世界的复杂性使得一项指标无法包含全部的信息，同时，指标的设计也是为了能够反映某一个问题，必须具有简便性和可计算性。因此，我们在进行经济分析时，除了依据经济指标外，还应考虑其他因素，分析结果才不会出现严重的偏差。

表7－3　我国TC指数(1984～2004年)

资料来源:根据UNSTA数据计算得出。

图7－2　我国的TC指数

(二)中国比较优势的动态分析

1.高尔腾回归(Galtonian Regression)

高尔腾是19世纪的英国统计学家，他最早使用了回归的概念。高尔腾认为父代的值会影响到子代，这也是高尔腾回归的基本特征。在线性回归模型中自变量是因变量的滞后值。高尔腾回归不仅可以表明随机变量的时间相关性，而且可以据此估计其随时间的收敛性。因此，高尔腾回归在国际贸易中也可用来估计比较优势的分布(或者说是贸易专业化的分布)，在一定程度上可以反映比较优势的动态变化。

在t年的比较优势的部门分布用估算的比较优势指标表示。如按照SITC分类，使用TC作为比较优势指标，时期t的比较优势分布表示为{TC_j| j= SITC0－9}。比较优势的高尔腾回归方程为

TC_j，t=α+βTC_j，t－k+ e_j，t (1)

其中，α是常数项，β是回归系数，j是各个部门，k是时滞的长度，e是误差项。

在高尔腾回归的基础上，比较优势分布的动态变化特征可以通过三个指标来加以显示:

(1)回归效应(Regression Effect)。回归系数的不同取值反映了比较优势分布的变动情况。如果β= 1，表示一个国家的比较优势分布没有变化;如果β＞1，表示一个国家的比较优势分布被强化，即比较优势部门和比较劣势部门的差距拉大，专业化分工的模式得到加强;如果β＜1＜0，表示一个国家的比较优势分布的格局没有改变，但是比较优势部门和劣势部门之间的差距缩小了;如果β＜0，则表示一个国家的比较优势分布发生了逆转，原来的比较优势部门变成了劣势部门，而比较劣势部门则变成了优势部门，显然这是一个极端特殊的情况。因此，(1－β)用于度量回归效应的大小。如果回归效应值较小，表示比较优势分布集中;如果回归效应大，表示比较优势分布呈发散状态。

(2)专业化程度(Degree of Specialization)。高尔腾回归分析的是比较优势分布的变化，而在回归分析的基础上，专业化程度随时间的变化也可以加以检验。根据回归方程，随机变量TC的方差表示其离散程度的变化。假设随机变量服从正态分布，那么回归方程中的误差分布为，随机变量TC的方差为

随机变量TC_t和TC_t－k之间的相关系数为

代入(2)式化简得

因此，β_k/ρ_k可以用于度量比较优势分布对于均值的离散程度。如果β_k/ρ_k＞1，表示专业化程度加强;如果β_k/ρ_k＜1，表示专业化程度减弱;如果β_k/ρ_k= 1，表示离散程度没有变化。

表7－4　我国比较优势动态变化指标(1984～2004年)

续表

显著水平:＊＊＊0.001;＊＊0.007;* 0.05;时滞为16时，回归系数显著水平骤降至0.204。

(3)转移效应(Mobility Effect)。转移效应是衡量比较优势变动幅度的指标。TC_t和TC_t－k的相关系数ρ_k表示经过k个时期后比较优势不变的程度，衡量的是比较优势分布的持续性。相关系数越大，表示各部门的相对位置越稳定;反之，则表示各部门的相对位置变化越剧烈。显然，与相关系数表示持续性相对应，(1－ρ)表示随机变量的变化性，也就是转移效应。(1－ρ)的数值大表示贸易模式和专业化分工的模式随着时间的推移，发生的变化就大;反之，表示贸易模式有很强的稳定性。

表7－4列出了相关的指标。第2列是回归系数，它直观地说明了我国比较优势的三个特征:①比较优势分布的持续期间。直到回归方程的时滞增加至15时，回归系数仍具有很高的显著性，当时滞为16时，显著性水平急剧下降，表明我国比较优势分布的持续性可以保持15年，而对于15年后的比较优势分布没有显著影响。②时滞越长，比较优势分布的持续性越弱。这一点是显而易见的，当时滞为1年时，回归系数为0.97，当年的比较优势分布与前一年几乎没有差别;但时滞为15年时，回归系数仅为0.28，表明经过15年后，比较优势已经发生很大的变化。③回归系数β以及回归效应表明，各部门比较优势的差距逐渐缩小。回归系数β位于(0，1)区间内，说明不同部门比较优势的差距随着时间的推移呈现减小的趋势，而且时间越长，比较优势之间的差距越小。换句话说，比较优势分布在各部门之间取长补短，使得各部门的比较优势更加平均化，而不是集中在几个部门。这也正是表中第5列的回归效应表明的结果。时间越长，比较优势在各部门的分散程度越大，不同部门的比较优势差距越小。

第4列的专业化程度表明，我国的贸易专业化程度是不断加强的。在跨期为5年的时期内，β/ρ=1，表明我国的专业化程度不变。但是与6～15年前相比，β/ρ＞1，表明贸易专业化及国际分工的专业化程度有所加强，出口产品的多样性逐渐减少。转移效应表明了我国比较优势分布的稳定性。在5年期内的转移效应是0.2，表明当年我国比较优势分布比5年前变动了20%。与1994年相比，2004年我国的比较优势分布变化幅度很大，转移效应达到了0.43，与1989年相比变动达到了70%。可见，从改革开放以来，我国的比较优势分布发生了很大变化，反映了我国在国际分工中所处地位的改变。

2.马尔科夫转移概率

(1)马尔科夫转移矩阵。

马尔科夫是俄国数学家，20世纪初，马尔柯夫在研究中发现，自然界中有一类事物的变化过程仅与事物的近期状态有关，而与事物的过去状态无关。事物所表现出来的这种特性称为无后效性，具有这种特性的随机过程称为马尔柯夫过程。这种方法目前在国内外，在社会科学和自然科学领域都有广泛的运用。

假设存在一个随机过程，随机变量X共有N个状态S₁，S₂，……，S_N，随着时间的变化，X从某一状态转换到其他状态。将随机变量在时期t的状态计为q_t，变量在时间t处于状态Sj(1≤j≤N)的概率取决于其在时间1， 2，……，t－1的状态，概率为P(q_t=S_j|q_t－1，q_t－2，…，q₁)。如果在特定的情况下，随机变量在时期t的状态只与其在时期t－1的状态相关，而与之前的其他状态无关，即随机过程具有无后效性，那么随机变量X构成离散的一阶马尔科夫链:

p(q_t=S_j|q_t－1，q_t－2，…，q₁)= p(q_t= S_j|q_t－1=S_i)

当随机过程独立于时间t时，随机变量X所处的状态与时间无关，即所谓的不动性假设，此时

p(q_t=S_j|q_t－1=S_i)=P_ij　1≤i，j≤N

把随机变量从各个状态转入下一状态的概率用矩阵的形势表示，就得到马尔科夫一步转移矩阵，计为P(1)。

因为随机变量必然会从t－1期的状态S_i转入下一期的另一个状态S_j，而S_j是状态空间中的一个元素，因此，马尔科夫转移矩阵满足以下性质:

P_ij≥0

同样，我们可以得到n步转移概率矩阵，表示随机变量从初始状态经过n个时期后转换为其他状态的概率分布。根据切普曼—克莫格罗夫(Chapman-Kolmogrov)方程，可以计算k步马尔科夫转移概率矩阵，P(k)= P^k(1)。k趋于无穷大时，就可以得到随机变量长期稳定的转移概率分布。

(2)我国比较优势的转移概率。

估计马尔科夫矩阵在国际贸易研究中是一个非常有用的工具。马尔科夫矩阵表示一个分布的总体或者特定部分的转移概率，因此，它可以用来描述比较优势的转移或持续状态。但是，使用这种方法描述比较优势的转移存在一个缺陷，因为马尔科夫矩阵描述的是随机变量的离散状态，所以需要把变量值划分成几个独立的状态空间。使用这种方法的研究中，通常采用四分法或五分法，把比较优势区间人为分割成4个或5个状态空间。另一种方法是将比较优势作为连续随机变量，估计它的随机核(stochastic kernel)，可以得到较为理想的分布图。但是，这种连续变量的计算方法在实际应用中有一定的困难。一是随机核的估计需要大量的数据，由于数据的可得性，这往往成为实际使用的一个障碍。二是这种计量方法非常复杂，需要耗费大量的时间和精力，而且估计结果在实际应用中的效果也不是很好。

表7－5是我国比较优势的5年转移概率矩阵。表中将显性比较优势的取值范围分为10等份，使用SITC分类4位数水平的数据，运用最大似然法估计马尔科夫5年转移概率。表中数据P_ij表示t年比较优势位于区间i的产业，在t+ 5年比较优势转换为区间j的概率。例如，第一行数据表示比较优势位于区间Ⅰ的产业经过5年后转移到其他区间的概率，仍然处于区间Ⅰ的概率是0.499，转移到区间Ⅱ的概率是0.258，其余依此类推。

表中的横向数据反映了我国比较优势分布的转移效应。从各行数据的分布可以看出，转移概率与初始状态到目标状态的距离成反比。也就是说，对于所有产业而言，经过5年后其状态仍保留在该区间的概率最大，转移到相邻区间的概率其次，随着目标状态与初始状态的距离的增加，转移概率越来越小。以第2行数据为例，5年后，产业仍保留在该区间的概率是0.363，进入区间Ⅰ和Ⅲ的概率分别是0.182和0.226，进入区间Ⅳ的概率是0.126，而进入区间Ⅴ的概率则将至0.049。这一特征说明产业比较优势的变化具有渐进性，比较优势短期内逆转的可能性很小。

对角线上的数据表示位于某个区间的产业在5年后其比较优势仍然在该区间的概率，反映比较优势分布的持续性。从数据可以看出，对角线上的数列从左上至右下呈现出先下降、再上升的变化轨迹，表明一个产业的比较优势(或者比较劣势)越强，那么该产业越具有持续性;反之，不具有明显比较优势(或者比较劣势)的产业，其稳定性较差，其比较优势向其他区间变动的可能性也较大。

表7－5　我国比较优势分布的5年转移概率

资料来源:Hinloopen and Van Marrewijk，2004．

表7－5最后一行是转移矩阵的遍历值Π。其含义是，如果随机过程满足不动性条件，那么对于任意一个状态i，不论当前的分布如何，经过长期转移后，到达该状态的概率是Π_i。遍历值反映了比较优势长期的稳定分布，可以通过矩阵自乘求得。通常情况下，遍历值Π_i= 1/N，即在等份状态空间的条件下，每个状态的遍历值平均分布。而表中的遍历值则是递增的，反映了中国按照比较优势进行专业化生产的程度逐步深化。

在比较优势分布的马尔科夫转移矩阵的基础上，可以定义并计算转移指数(Mobility Index)，用于比较不同国家或者同一国家不同条件下的比较优势变化情况。对动态比较优势进行实证研究的文献中关于转移指数的定义有两种表述:

其中，MI表示比较优势的转移指数，N是随机变量状态空间的个数，在计算中N= 10，tr(P)和λ分别表示马尔科夫转移矩阵的特征值。事实上，这两个指标是一致的。因为马尔科夫转移概率矩阵是非负方阵，因此有tr(P)=∑λ，对应的转移指数为0.682。