二) 产业结构高级化的衡量
　　产业结构高级化实际上是产业结构升级的一种衡量，一般文献根据克拉克定律采用非农业产值比重作为产业结构升级的度量。虽然说经济非农产值比重的增加是一个很重要的规律，但是上世纪70 年代之后信息技术革命对主要工业化国家的产业结构产生了极大的冲击，出现了“经济服务化”的趋势，而这种传统的度量方式没有办法反映出经济结构的这种动向。在信息化推动下的经济结构的服务化是产业结构升级的一种重要特征，鉴于在“经济服务化”过程中的一个典型事实是第三产业的增长率要快于第二产业的增长率( 吴敬琏，2008) ，本文采用第三产业产值与第二产业产值之比( 本文简记为TS)作为产业结构高级化的度量。这一度量能够清楚地反映出经济结构的服务化倾向，明确地昭示产业结构是否朝着“服务化”的方向发展，因此它是一个更好的度量。
　　如果TS 值处于上升状态，就意味着经济在向服务化的方向推进，产业结构在升级。
　　三) 中国产业结构变迁的特征
　　在分析中国产业结构变迁特征之前，我们首先对本文新定义的指标与传统的指标进行简单比较。① 从表1 中可以看出泰尔指数与结构偏离度具有高度的相关性，并且图1 也表明两者在—2009 年的变化趋势基本相同，只是在变化的大小和波动的幅度上有所区别( 这主要是因为泰尔指数考虑了各产业的结构权重)，因此本文定义的泰尔指数是一个对产业结构合理化的合理的度量指标。关于产业结构高级化，为便于比较，对传统指标不采用非农产值比重而采用非农产值与农业产值之比，并将这一比重与本文定义的TS 值比较。我们可以看到TS 值和非农产值与农业干春晖等:中国产业结构变迁对经济增长和波动的影响① 由于数据的限制，本文计算的泰尔指数采用的是全国及各地区三次产业的相关数据。
　　产值之比的相关系数仅为0. 188，也就是说服务化指数与传统升级指标之间的相关性不是很强，同时图1 也表明两者的演变趋势是存在较大差异的。可以看到非农产值与农业产值之比除了在上世纪80 年代初期及极个别年份(1990 年和2004 年) 之外一直处于上升的状态，也就是说从传统的观点来看，中国产业结构基本上一直是处于升级的状态。而从TS 值来看，考虑到二三产业内部结构的互动影响之后，产业结构的变迁存在着明显的波动，如同中国经济改革一样，产业结构变迁也是一个曲折的过程，这一点也比较符合中国的经济现实。①表1 产业结构衡量指标的皮尔逊相关性检验
　  2009 年的TL 值和TS 值变化均表现出波动性，这一点与中国改革开放的历程也是相契合的。中国的改革肇始于农村地区，农村承包责任制的逐步全面铺开刺激了劳动者的积极性和农业产值的增加，而在工业内部主要是对原先的重工业化的经济结构进行调整，因此在改革之初的几年内产业结构趋于合理化，TL 值迅速下降并且TS 值也有所下降。其后，从上世纪80 年代中期开始，中国改革重点转向城市但并未创造出大量的就业岗位，而与此同时，乡镇集体企业兴起过程中则主要是解决当地大量剩余劳动力的就业问题，因此此间TL 值变动不大;但是个体私营经济的从无到有极大地促进了第三产业的发展，而乡镇集体企业的兴起也为第三产业的发展创造了条件，因此在整个1980 年代TS 值几乎一直处于上升当中。上世纪90 年代初期是中国经济改革的一个关键转折，市场经济制度的确立为劳动力的流动创造了条件，也为工业经济的发展提供了动力，但毕年第5 期
　　① 这里TS 值与传统产业结构高级化的较大差异我们是这样认为的:产业结构高级化应当是产业结构系统从较低级形式向较高级形式的演变过程，它对应的路径应当是劳动密集产业———资本密集产业———技术密集产业———知识密集产业的一个渐进过程，这里的TS 值主要衡量的是最后一个阶段，而传统的指标则集中于前三个阶段，因此服务化指数与传统升级指数的差异也是必然的。
　　竟这一时期中国剩余劳动力供大于求，而且对外开放的加深和外资的涌入也开创了第三产业发展的另一个高峰，因此TL 值和TS 值均在90 年代早期的短暂下降之后又开始攀升。入世之后，中国进一步融入全球，低端制造业给中国的大量劳动力提供了就业机会，也将中国推向了“世界工厂”
　　的地位，第三产业发展的步伐明显落后，因此又出现了TL 值和TS 值同步减小的现象。
　　同时还要进一步指出的是，虽然TL 值和TS 值与中国的改革开放进程紧密契合，但是两者的相关性却并不强，而且两者的演变趋势也是很不一样的。这意味着本文对产业结构变迁的衡量很好地从产业结构合理化和高级化两个维度区分开来，在后文的实证分析中可以不用过多地考虑两种结构演变之间的交互作用。
　　三、模型、方法和数据
　　一) 计量模型的设定和估计方法
　　本文旨在分析产业结构变迁对经济增长以及相伴随的经济周期波动的影响。我们运用—2009 年30 个地区的面板数据对这一问题进行分析。面板数据分析可以控制不可观测效应，同时扩大了样本量，增加了自由度并有助于缓解共线性的问题，从而使回归的结果更趋于准确。
　　根据研究目的，本文采用了固定效应模型，其理由为:(1) 对于大量个体的随机抽样而言，样本可以视为总体关系的判断，从而应当选择随机效应模型。然而，本文分析的是30 个地区，个体较少，因此将个体效应视为固定效应较为合适。(2) 随机效应假定个体效应与随机误差项不相关，而固定效应则无需这一假设，对本文的研究而言，后者显然更为合适。据此，我们将模型设定如下γi + β1 lnTLit + β
　　式中i 表示地区，t 表示时间，y 表示地区经济增长或者波动，lnTL、lnTS 分别表示产业结构合理化和产业结构高级化衡量指标的对数值，u 为独立同分布的随机误差项，γ为地区不可观测效应。
　　然而，产业结构只是经济增长或者波动的一种影响因素，为更好地检验它们之间的关系，需控制住其他因素的影响，一般的做法是引入控制变量。由于经济现实中对经济增长和周期的影响因素很多，很多文献都根据自身的需要或者数据的可得性选择控制变量，没有一定的标准。为了避免控制变量选择的随意性，我们回避了控制变量的选用，借鉴Frank(2005) 分析地区经济差距和经济增长关系时的做法，直接利用增长(或波动) 与产业结构的交互项进行控制，从而计量模型变为γi + β1 lnTLit + β2 lnTSit + β
　　β
　　进一步，对(4)式进行差分处理以消除个体效应，得到差分模型Δyit = β1ΔlnTLit + β2ΔlnTSit + β
　　Δyit* Δ
　　β
　　Δyit* Δ
　　Δ
　　由于差分会导致差分的随机扰动项的相关性，因此在估计时需要采用面板稳健性标准差。同时由于回归变量中出现了含有因变量的交互项，模型存在内生性问题。针对这种情况，Baum ＆建议将模型所有的解释变量视为内生，并以其滞后项和差分项作为工具变量进行面板广义矩估计。这种处理方式是基于残差项与不同期的解释变量不相关的假设做出的。然而，额外时期的数据在提供了额外的矩条件和额外的工具变量的同时，也容易造成工具变量过度的问题，因此还必须做一个过度识别检验。Hansen(1982) 给出了一个有效矩估计的J 检验统计量，在原假设下工具变量满足正交性，工具变量是有效的。本文采取这种检验方式对工具变量进行过度识别。
　　二) 变量和数据说明
　　对于地区经济增长指标，本文以各地区各年份GDP 增长率作为衡量指标，对于产业结构指标采用前文描述的泰尔指数和TS 指数，所有数据资料均来源于《中国五十五年统计资料汇编》和《中国统计年鉴》(2006—2010)，在计算过程中的个别缺失数据，通过移动平均法补齐。

---

期刊库（http://www.zgqkk.com），是一个专门从事期刊推广、投稿辅导的网站。
　　本站提供如何投稿辅导，寻求投稿辅导合作，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。

---

　　【免责声明】本文仅代表作者本人观点，与投稿辅导_期刊发表_中国期刊库专业期刊网站无关。投稿辅导_期刊发表_中国期刊库专业期刊网站站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。