中英文核心期刊咨询网
当前位置:首页>>经济管理 > 正文

产业梯度系数能够准确揭示产业转移方向吗

时间:

  在“后金融危机”时代全球产业布局重构与我国区域经济发展不均衡的双重背景下,构建“双循环”新发展格局成为经济高质量发展的重要战略,而科学有序的产业转移是关键动力与手段。产业梯度系数作为产业转移决策分析的核心工具,本文围绕其揭示产业转移方向的有效性展开理论分析,并基于新的产业转移价值量核算方法进行实证检验。研究表明,产业梯度系数的一阶差分可有效揭示产业转移方向,其准确性不受测算时期跨度影响,受逆梯度产业转移的影响较小,主要受制于产业转移粘性、产业优势缓冲效应等因素;同时,产业转移粘性赋予了产业梯度系数对产业转移方向的一定预测性。

  关键词:产业转移;产业梯度系数;投入产出模型

  论文《产业梯度系数能够准确揭示产业转移方向吗》发表在《管理科学学报》,版权归《管理科学学报》所有。本文来自网络平台,仅供参考。

1990年—2016年世界商品出口情况

  一、引言

  过去30-40年间,中国凭借生产要素优势大规模承接全球产业转移,成为“世界工厂”。但2008年以来,全球金融危机、中美经贸摩擦、新冠疫情等事件冲击全球生产网络,发达经济体主导产业布局重构,逆全球化趋势显现。与此同时,国内区域发展不平衡问题突出,东西部差距未明显改善,南北分化加剧。在此背景下,“双循环”新发展格局成为国家战略,而国内外区域间产业转移是构建该格局的关键动力。

  产业梯度系数作为产业转移决策的核心量化指标,应用广泛——既能识别区域优势产业、明确产业合作方向,也能刻画区域产业转移态势、指导承接产业选择。然而,现有研究缺乏对其揭示产业转移方向准确性的系统验证,若其有效性不足,可能误导学术研究与政策制定。

  产业转移测度方法的局限是验证滞后的主要原因:企业调研数据样本有限、代表性不足;传统指数型指标难以区分经济发展与产业转移的影响,且部分与产业梯度系数存在相关性;传统投入产出法的定义偏差导致测算误差。近年来,Gao等基于区域间投入产出框架提出新的产业转移价值量核算方法,更贴合传统产业转移定义,为验证提供了数据基础。

  本文的边际贡献包括:理论上梳理产业梯度系数揭示产业转移方向的逻辑;方法上结合前沿核算模型与传统指标,补充实证研究空白;实证上验证产业梯度系数一阶差分的有效性,系统分析偏差原因,夯实其应用价值。

  二、产业梯度与产业转移:理论梳理

  (一)产业梯度的形成基础

  产业梯度系数源于梯度推移理论,该理论认为区域间生产力水平的阶梯状差距形成经济梯度,推动产业空间转移。产业梯度的形成与资源禀赋(先天性影响)、技术水平(决定性作用)、产业分工(动态调整与强化)密切相关。

  (二)产业梯度与产业转移方向的关系

  传统梯度推移理论认为产业从高梯度向低梯度转移,但这一观点忽视了产业转移的复杂性:高梯度地区可能因规模经济、技术红利等吸引低梯度地区生产活动(集聚型转移),低梯度地区也可能承接高梯度地区成熟产能(扩散型转移),两类转移可能同时或交替出现。此外,仅通过产业梯度系数横向比较难以确定转移方向,默认承接地后识别优势产业的做法也忽视了产业发展阶段的影响。

  本文提出核心观点:产业梯度的动态变化(一阶差分)与产业转移方向存在稳健对应关系——产业梯度提高的地区为承接方,降低的地区为转出方。理论依据包括:产业转移发生后,分工结构变化推动技术创新,承接方梯度上升、转出方下降;根据“推-拉”理论,梯度增长意味着地区吸引力增强,易承接产业,梯度下降则导致产业外流。

  三、模型方法与数据处理

  (一)产业梯度系数的测度

  1. 原始产业梯度系数:由区位熵(衡量产业相对规模优势)与比较劳动生产率(衡量生产效率优势)的乘积构成,公式为:

  (IGC_{ri}=LQ_{ri}×LP_{ri})

  其中,(LQ_{ri}) 为r地区i部门的区位熵,(LP_{ri}) 为r地区i部门的比较劳动生产率。

  2. 修正产业梯度系数:加入比较资本产出率(衡量资本效率),但因资本投入数据统计基础薄弱、假设较多,本文采用原始系数。

  (二)产业转移价值量的测度

  基于Gao等的核算方法,将产业转移细分为三类:

  1. 中间投入驱动型:因中间产品供给来源区位结构变化导致的产能转移,通过分解中间产品完全消耗变化量测算。

  2. 最终产品驱动型:因最终产品供给来源区位结构变化导致的产能转移,基于最终产品消费的供给结构矩阵变化测算。

  3. 间接中间投入产业转移:由最终产品驱动型转移引发的中间投入产能转移,通过投入产出模型推导测算。

  (三)产业梯度系数的验证逻辑

  若r地区i部门产业转移价值量为正(转入)且期末产业梯度系数较期初上升,或价值量为负(转出)且系数下降,则认为产业梯度系数揭示准确;反之则不准确。通过统计不一致案例的占比,评估其准确性。

  (四)数据来源与处理

  数据来源于WIOD数据库2000-2014年世界投入产出表及配套社会经济账户,涵盖43个国家/地区、56个行业。测算比较劳动生产率时,将劳动力变量替换为劳动力报酬(贴合企业决策目标),并通过汇率调整消除货币影响。研究聚焦18个制造业部门(“松脚型”产业,转移活动更频繁)。

  四、基准检验与偏差分析

  (一)基准检验结果

  以2007-2014年为测算时期(涵盖金融危机后产业格局调整),结果显示:中间产品和最终产品制造业中,产业梯度系数揭示不准确的占比分别为20.60%和24.90%,说明其对多数部门有效,但存在一定偏差。

  (二)偏差原因假设

  1. 测算时期跨度过长:产业转移价值量是时期总量,可能与产业梯度系数的动态变化不同步。

  2. 逆梯度产业转移:金融危机后发达经济体出现产业“回岸”,导致转移方向与梯度变化背离。

  3. 产业转移粘性:经济主体认知滞后、转移成本、投资惯性等导致转移滞后于梯度变化。

  4. 其他因素:优势缓冲效应(高优势地区梯度小幅下降仍能吸引产业)、产业分类难以细化至具体产品(同一产业内产品或环节异质性导致梯度偏差)。

  五、偏差验证

  (一)测算时期跨度的影响

  缩短测算时期跨度(2008-2014年至2013-2014年)后,产业梯度系数准确性未改善反而减弱,说明时期跨度过长并非主要偏差原因。

  (二)逆梯度产业转移的影响

  对比2004-2007年(危机前)、2007-2010年(危机中)、2010-2013年(危机后)三个时期,产业梯度系数准确性未明显变化,表明逆梯度转移的影响较小。

  (三)产业转移粘性的影响

  对偏差部门的跟踪显示,2004-2007年出现偏差的部门中,仅28.50%(中间产品)和31.63%(最终产品)在2007-2010年持续偏差,后续持续偏差的比例更低。这证明产业转移粘性是主要偏差原因,且其导致的偏差具有短期性,长期会随粘性克服而修正,同时赋予产业梯度系数预测性。

  (四)优势缓冲效应与产业分类的影响

  排除粘性影响后,仍有少量部门存在长期偏差。以中国5个中间产品部门为例,其区位熵或相对劳动生产率虽逐年下降,但始终远高于1,体现了优势缓冲效应;电子产品业的案例显示,劳动生产率较低的组装环节转入可能导致产业转移方向与梯度变化背离,反映产业分类细化不足的影响。

  六、结束语

  (一)主要结论

  1. 产业梯度系数的一阶差分能有效揭示产业转移方向,准确性不受测算时期跨度和逆梯度转移影响,主要偏差源于产业转移粘性(最主要)和优势缓冲效应,产业分类细化不足的影响较小。

  2. 产业转移粘性导致的偏差具有短期性,长期可修正,且赋予产业梯度系数预测性;优势缓冲效应和产业分类问题会引发小概率长期偏差,但产业梯度系数作为前瞻性指标,仍能为决策提供及时参考。

  3. 尽管2015年后全球产业格局变化显著,但金融危机前后产业梯度系数的准确性未明显变化,研究结论具有稳健性。

  (二)研究局限与展望

  数据时效性不足(未涵盖2015年后)是主要局限,未来将基于更新的投入产出数据开展跟踪研究。

  参考文献

  [1] 卢进勇, 杨杰, 郭凌威. 中国在全球生产网络中的角色变迁研究[J]. 国际贸易问题, 2016(7):3-14.

  [2] 徐然, 高翔, 杨翠红. 考虑时滞的进口中间品价格传导——基于区分加工贸易的投入产出模型[J]. 管理科学学报, 2021,24(10):12-21.

  [3] 黄新飞, 方菲菲, 徐宇. 价值链位置与企业对外直接投资决策——基于中国上市公司数据的实证分析[J]. 管理科学学报, 2023,26(6):57-80.

  [4] Brakman S, Garretsen H, van Witteloostuijn A. The turn from just-in-time to just-in-case globalization in and after times of COVID-19: An essay on the risk re-appraisal of borders and buffers[J]. Social Sciences & Humanities Open, 2020,2(1):100034.

  [5] Livesey F. Unpacking the possibilities of deglobalisation[J]. Cambridge Journal of Regions, Economy and Society, 2018,11(1):177-187.

  [6] Oldekop J A, Horner R, Hulme D, et al. COVID-19 and the case for global development[J]. World Development, 2020(134):105044.

  [7] Gereffi G. What does the COVID-19 pandemic teach us about global value chains? The case of medical supplies[J]. Journal of International Business Policy, 2020,3(3):287-301.

  [8] 黄季焜, 陈彬, 邓祥征, 等. 区域社会经济的协调发展管理研究热点分析[J]. 管理科学学报, 2021,24(8):163-170.

  [9] 盛来运, 郑鑫, 周平, 等. 我国经济发展南北差距扩大的原因分析[J]. 管理世界, 2018,34(9):16-24.

  [10] 戴宏伟, 田学斌, 陈永国. 区域产业转移研究: 以[大北京]经济圈为例[M]. 北京: 中国物价出版社, 2003.

  [11] 熊必琳, 陈蕊, 杨善林. 基于改进梯度系数的区域产业转移特征分析[J]. 经济理论与经济管理, 2007(7):45-49.

  [12] 张述存, 顾春太. “一带一路”倡议背景下中德产业合作——以山东省为分析重点[J]. 中国社会科学, 2018(8):44-57.

  [13] 刘明, 王霞, 金亚亚. 西部地区承接制造业转移能力评价及承接策略[J]. 统计与信息论坛, 2020,35(8):91-101.

  [14] 罗良文, 赵凡. 工业布局优化与长江经济带高质量发展: 基于区域间产业转移视角[J]. 改革, 2019(2):27-36.

  [15] 王金杰, 王庆芳, 刘建国, 等. 协同视角下京津冀制造业转移及区域间合作[J]. 经济地理, 2018,38(7):90-99.

  [16] 彭继增, 邓梨红, 曾荣平. 长江中上游地区承接东部地区产业转移的实证分析[J]. 经济地理, 2017,37(1):129-133.

  [17] Jensen P D Ø, Pedersen T. Offshoring and international competitiveness: Antecedents of offshoring advanced tasks[J]. Journal of the Academy of Marketing Science, 2012,40(2):313-328.

  [18] 符正平, 曾素英. 集群产业转移中的转移模式与行动特征——基于企业社会网络视角的分析[J]. 管理世界, 2008(12):83-92.

  [19] De Backer K, Menon C, Desnoyers-James I, et al. Reshoring: Myth or Reality?[R]. Paris: OECD Science, Technology and Industry Policy Papers, No.27, OECD Publishing, 2016.

  [20] Savona M, Schiattarella R. International relocation of production and the growth of services: The case of the “Made in Italy” industries[J]. Transnational Corporations, 2004,13(2):57-76.

  [21] 覃成林, 熊雪如. 我国制造业产业转移动态演变及特征分析——基于相对净流量指标的测度[J]. 产业经济研究, 2013(1):12-21.

  [22] 靳卫东, 王林杉, 徐银良. 区域产业转移的定量测度与政策适用性研究[J]. 中国软科学, 2016(10):71-89.

  [23] 刘红光, 刘卫东, 刘志高. 区域间产业转移定量测度研究[J]. 中国工业经济, 2011(6):79-88.

  [24] 张友国. 区域间产业转移模式与梯度优势重构——以长江经济带为例[J]. 中国软科学, 2020(3):87-99.

  [25] Gao X, Hewings G, Yang C H. Measuring the Generalized Global Industry Relocation[C]. Brazil: The 26th International Input-Output Conference, Juiz de Fora, 2018.

  [26] 高翔, 徐然, 史依颖, 等. 贸易战背景下我国典型制造业转移路径的启示[J]. 系统工程理论与实践, 2020,40(9):2203-2221.

  [27] Gao X, Hewings G J D, Yang C H. Offshore, re-shore, re-offshore: What happened to global manufacturing location between 2007 and 2014?[J]. Cambridge Journal of Regions, Economy and Society, 2022,15(2):183-206.

  [28] 孙久文. 构建中国区域经济学学科体系——评《刘再兴文集》[J]. 经济研究, 2020,55(8):206-208.

  [29] 戴宏伟. 国际产业转移与中国制造业发展[M]. 北京: 人民出版社, 2006.

  [30] 孙早, 侯玉琳. 工业智能化与产业梯度转移: 对“雁阵理论”的再检验[J]. 世界经济, 2021,44(7):29-54.

  [31] 陶新宇, 靳涛, 杨伊婧. “东亚模式”的启迪与中国经济增长“结构之谜”的揭示[J]. 经济研究, 2017,52(11):43-58.

  [32] Fujita M, Thisse J F. Economics of Agglomeration, Cities, Industrial Location, and Globalization[M]. New York: Cambridge University Press, 2013.

  [33] 彭文斌, 周善伟. 反梯度视角下中部地区承接沿海产业转移的研究[J]. 当代经济管理, 2012,34(12):82-86.

  [34] 林毅夫, 徐佳君, 杨子荣, 等. 新结构金融学的学科内涵与分析框架[J]. 经济学(季刊), 2023,23(5):1653-1667.

  [35] 鲁金萍, 刘玉, 杨振武, 等. 京津冀区域制造业产业转移研究[J]. 科技管理研究, 2015,35(11):86-89,94.

  [36] 王树华, 刘志彪. 区际产业转移的发生机制: 基于“推-拉”模型的分析[J]. 学海, 2023(1):74-81.

  [37] Timmer M P, Dietzenbacher E, Los B, et al. An illustrated user guide to The World Input-Output Database: The case of global automotive production[J]. Review of International Economics, 2015,23(3):575-605.

  [38] Timmer M, Los B, Stehrer R, et al. An Anatomy of The Global Trade Slowdown Based on The WIOD 2016 Release (GGDC Research Memoranda; 162)[R]. Groningen: University of Groningen, 2016.

  [39] Ge Y. Globalization and industry agglomeration in China[J]. World Development, 2009,37(3):550-559.

  [40] Antràs P. De-Globalisation? Global Value Chains in The Post-COVID-19 Age[R]. Cambridge: National Bureau of Economic Research, 2020.

  [41] Delis A, Driffield N, Temouri Y. The global recession and the shift to re-shoring: Myth or reality?[J]. Journal of Business Research, 2019(103):632-643.

  [42] 成祖松. 我国区域产业转移粘性的成因分析: 一个文献综述[J]. 经济问题探索, 2013(3):183-190.

  [43] 赵菲菲, 宋德勇. 环境规制能否推动产业区域转移?——基于中国261个地级市面板数据的实证分析[J]. 经济问题探索, 2018(8):95-102.

  [44] 皮亚彬, 陈耀. 大国内部经济空间布局: 区位、禀赋与一体化[J]. 经济学(季刊), 2019,18(4):1289-1310.

  [45] Chen X, Cheng L K, Fung K C, et al. Domestic value added and employment generated by Chinese exports: A quantitative estimation[J]. China Economic Review, 2012,23(4):850-864.

  [46] Yang C, Dietzenbacher E, Pei J, et al. Processing trade biases the measurement of vertical specialization in China[J]. Economic Systems Research, 2015,27(1):60-76.

  [47] 段玉婉, 纪珽. 中国地区间收入差异变化的影响因素探究——基于国内价值链视角的分析[J]. 管理科学学报, 2018,21(12):111-123.

回到顶部