需求结构对产业升级的影响的数据

1）数据处理

本书根据2002—2012年《中国统计年鉴》中各省份2001—2011年的国民总产值以及总价格指数，与《中国高技术产业统计年鉴》中有关于高技术产业的相关数据。考虑到产业结构的动态效应，采用Arellano-Bond的动态面板数据方法来检验需求规模对产业结构的影响。需求规模本书采用相对需求的形式，即新产品销售额对地区国民总产值，表示新产品的市场相对份额，这样比销售额这样的绝对值更能反映高技术需求冲击下需求结构的变化。产业结构为高技术产业总产值与地区国民总产值的比值，研发投入密度为高技术产业R&D内部经费支出与高技术产业主营业务收入的比值，出口强度为高技术产业出口交货值与产业总产值的比值。此外，由于数据残缺，本书在数据处理中去掉了西藏。主要变量的统计描述如表10-2所示。

表10-2 主要变量的统计描述

2）回归模型的推导和实证结果

若令线性的反技术需求函数和反供给函数分别（x）=d1x+d2（x）=s1x+s2，其中d1＜0且s1＞0；技术生产函数与升级前后两种禀赋结构关系函数均简化取线性形式，分别为：T（x）=tx，G3（x）=gx，显然必有t＞0且g＞1.

则式（1020）可以简化为

Q1=d1[g（s1-d1）-1]ed+g（s2-d2）+d2（10-22）

若新兴科技产品对于需求冲击富于超额供给弹性，即厂商对外来新产品的市场变化较为敏感，则有s1-d1＞1。又有g＞1，则有g（s1-d1）-1＞0，即最终生产规模与需求冲击之间存在着正向关系。

另外，由于需求冲击难以度量，而根据式（107）可得：

ed=（S1-D1）-1（Q4）（10-23）

且等式右边对产量的一阶导大于零，即[（S1-＞0（10-24）

即需求冲击与现存供给能力之间有着稳定的正向关系，所以本书用需求规模来替代（10-22）式中的需求冲击，这么做所得的实证结果并不影响关于需求冲击的结论。

再考虑原比较优势学说中关于产业结构升级要“拾阶而上”，而本文模型中产业结构也存在着序列相关性，所以回归方程为

其中Strucit为i省在t期的产业结构，并将模型设定为三阶滞后相关；Demand为相对需求规模；RD为研发投入密度；Exp为出口强度。

由于Arellano-Bond估计（差分GMM）使用的前提是扰动项{εit}不存在自相关，并且所使用的工具变量（即滞后项）也不存在过度识别问题。所以还要对以上回归进行这两方面的检验。

首先进行扰动项{εit}的自相关性检验。即以“扰动项无自相关性”为原假设，采用一阶差分的零自相关性Arellano-Bond检验结果如表10-3所示。

表10-3 Arellano-Bond检验结果

结果显示，扰动项的差分在5%的显著性水平上存在一阶自相关，但不存在二阶自相关，故接受原假设“扰动项无自相关”，可以使用差分GMM。

其次由于使用了滞后项为工具变量，所以需要进行过度识别检验。原假设为“所有工具变量都有效”，即当检验结果可以接受原假设时则所使用的工具变量都有效。结果显示，可以在5%显著性水平上接受“所有工具变量都有效”的原假设。这表明，对于滞后项为三阶的模型设定，进行系统GMM估计是有效的。

根据Arellano-Bond动态面板数据方法的推导过程，直接利用STATA12.0得到回归结果如表10-4所示。

表10-4 动态面板数据回归结果

（续表）

注：***、**、*分别表示在1%、5%和10%水平下显著。

由回归结果可以看出，三期的产业结构本期产业结构之间呈显著正相关性，相对需求规模也对产业结构变化具有显著的正向关联，对于产业结构变化具有较强的解释作用。而出口强度与研发投入密度都没有这么强烈的相关性，其中投入密度的系数甚至不够显著。这说明我国高技术产业企业的研发投入效率不够明显，需要提高研发水平和研发团队的工作效率。因此，可以看出需求冲击造成的市场需求结构的变化是引导产业结构变迁的重要原因。而出口战略对产业结构变迁的促进作用贡献有限，单纯依赖海外市场来拉动本国新兴产业发展、产业结构升级的做法不具有长期有效性；投入密度也并不必然会导致产业结构的变化，其作用的发挥还需要综合环境的改善以及其他条件的辅助。

因此实证结果验证了前文的观点，需求冲击对产业结构具有正向促进作用，在需求规模不断适应性地扩大的情况下，产业结构才能实现比较优势理论所预言的基于原有水平“拾阶而上”式的演进，将未知的市场转变成确定的收益，这样才能使得从事新兴产业生产的企业具有生命力，新兴产业才能落地生根，成为国民经济发展的有机组成部分。