本书中采用的主要测评方法

基于现有测评方法存在上述问题，我们亟须一种与我国新型工业化战略思想相一致，且能更好地指导我国现阶段战略性产业结构调整的新方法体系，将产业结构优化升级研究推向更深层次。在这种背景下，一方面对现有结构演变测度方法进行了合理借鉴和吸纳，另一方面也引入了一些新的方法，并将这些方法和手段有机结合起来，试图构建一套更加全面科学的产业结构优化升级测评体系。以下将对本研究所采用的几种主要测评方法进行简要介绍（一般性的统计指标将在后面直接提出，此处就不多做阐述）。

6.2.1　投入产出法

产业结构的含义不仅包括产业之间的结构比例关系，而且还包括产业之间的经济技术联系，这种经济技术联系越紧密，产业聚合能力就越强。而投入产出法正是用于分析行业间关联关系的重要方法，因此，投入产出法也就理所当然地成为分析行业结构问题时不可或缺的核心手段之一。本研究测评体系中也采用了投入产出法的一些基本方法，具体如下。

1．直接消耗系数a_ij

2．完全消耗系数b_ij

3．影响力系数F_j

影响力系数的计算公式是，某部门的影响力系数越大，表示该部门对其他部门的拉动作用越大，当系数大于（或小于）1时，表示该部门的生产对其他部门所产生的波及影响程度高于（或低于）社会平均影响水平（各部门所产生的波及影响的平均值）。（中国投入产出学会课题组，2006）

4．感应度系数E_i

值得特别说明的是，本研究所用的投入产出表，是通过官方公布的投入产出表进行部门调整和可比价格调整之后得到的，依据调整之后的投入产出表计算的以上系数与依据原投入产出表计算的系数存在差异，尤其是可比价格的调整会使直接消耗系数发生很大变化。这样做的好处是消除经济波动带来的不同行业间结构性价格波动对产业关联分析造成的影响，有利于进行不同时期的比较分析。

6.2.2　KLEMS^〔1〕行业生产率核算法

经过较长时间的寻找和比较，我们认为可以将KLEMS生产率核算方法引入产业结构优化升级的研究中，KLEMS生产率核算体系是在Jorgenson、Gollop和Fraumeni等对全要素生产率（TFP）增长率计算方法的开创性研究的基础上建立起来的。在欧盟委员会的资助下，欧盟KLEMS生产率核算工作已经取得了很大进展，同时在美国、加拿大、日本等国家也正进行着此项工作。其主要目的在于从产业层面监控和评价生产率的变化，从而推动经济增长领域的经验和理论研究，为相关政策实施提供依据（Timmer M，et al.，2007）。

在测度生产率时，产出既可以选择总产出口径，也可以选择增加值口径。目前使用最频繁的是基于增加值概念的生产率测度，如著名的索罗模型。为了能够从产业层面对经济增长、生产率、就业创造、资本形成和技术进步等方面进行测度，并便于考察产业关联情况，KLEMS生产率核算体系选择了总产出口径的测度方法（Strassner E，et al.,2005）。具体来说，就是将总投入分解为资本（K）、劳动（L）、能源（E）、材料（M）和服务（S）五大类，其中K和L属于最初投入（增加值），E、M和S属于中间投入。^〔2〕

KLEMS的基本方法是基于生产函数和经济增长理论，运用产业生产函数来测量产出增长的源泉。以生产可能性边界为基础，产业总产出是由资本、劳动、中间投入和技术决定的函数（Baldwin J，et al.，2001）。

T表示时间，j表示不同产业，每一产业可生产不止一种产品，i表示其所生产的不同产品，各产业有自己的生产函数且购买一系列不同的中间投入（记为X）、资本投入（记为K）、劳动投入（记为L）。生产函数如下：

在假定利润最大化行为、竞争性市场、要素价格等于边际成本、规模报酬不变的前提下，总投入＝总产出，即

可以将全要素生产率（TFP）增长Δln）定义如下：

TFP增长率等于产出实际增长率减去要素增长率的加权平均。其中Δx＝x_t－x_t－1定义为第t期与第t－1期的差。表示时期平均值。

将式（6.3）整理得：

在核心方程式（6.5）的框架下，建立并完善KLEMS数据库是整个核算体系的中心任务，在此之前的4项准备工作（产出和中间投入核算、劳动核算、资本流量核算、相对价格水平测算）尤为重要，直接决定了最终数据库的可靠性，在建立数据库的具体过程中采取的基本方法包括国民核算的统计方法和投入产出分析（Timmer M，et al.，2007）。

如前所述，KLEMS核算方法对产业发展研究具有极其重要的基础性意义，但这还不足以成为我们将其引入产业结构优化升级测评体系的充分理由。我们之所以会将其引入本研究是因为KLEMS方法能够对产业结构变动进行全面准确的描述、评价、解释和预测，其功能之强大非其他方法可以匹敌。

1．KLEMS方法的描述功能

产业结构是一个内涵丰富的概念，单纯使用一两个变量显然很难对其进行全面的描述。而KLEMS的基础数据库可以为全面描述产业结构的历史和现状提供强大支持。

首先，产业间的生产技术经济联系一般是通过投入产出法来描述和分析的，而KLEMS体系与投入产出法的思想正好相吻合，注重对中间产品交换的考察，因此在KLEMS体系的基础上能够很好地描述产业间的生产技术经济联系。

其次，由于数据获取困难，对产业间数量比例关系进行描述的常用方法仅考虑劳动数量和产值两个指标，这样做显然是不全面的。KLEMS体系则提供了资本、劳动、能源、原材料和生产性服务等各项重要资源在产业间分布的详细情况。

最后，由于KLEMS数据库中有产业层面的单要素生产率和全要素生产率数据，这就为分析和研究产业间的技术结构提供了可能。

2．KLEMS方法的评价功能

产业结构是投入产出的转换器，也有人把产业结构称为“黑箱”（戴伯勋、沈宏达，2001）。产出对于投入的倍加数量，就取决于产业结构这个转换器。正因为产业结构是个“黑箱”，所以探究其中奥妙非常困难，于是我们才通过产业层面的投入和产出两个方面来对其进行间接描述。要想进一步对产业结构进行评价，即评价其将投入转换为产出的效率，仅利用前述的描述指标显然是不够的，虽然许多学者试图通过多方面衡量和综合测度的方法来全面评价产业结构，但是，使用综合评价的方法会面临多方面衡量指标的加总问题，而各指标权重的确定始终没有一个令人信服的客观方法。所以，需要一种更具操作性的产业结构评价方法。

王岳平（2004）就指出利用高级生产要素的生产率来测评产业结构优化升级是最理想的方法。在对产业结构优化升级的机制分析及产业增长的来源分解的过程中，我们发现全要素生产率是其中的核心变量。如图6.1所示，产业结构优化升级的主要动力就是广义技术进步所带来的产业间生产率的差异；而产业结构优化的过程同样是通过产业层面和企业层面的一系列自我协调机制来进一步提高产业结构的转换效率（全要素生产率）；在对产业总产出的分解中，我们也能清晰地看到全要素生产率、高级生产要素生产率及其他投入的贡献率都是重要的解释变量。因此，只要有了以上提到的这些生产率变量就能够很好地对产业结构优化升级进行评价。而KLEMS数据库正好提供了这些变量的时间序列数据。

图6.1　产业结构优化升级的关键变量——全要素生产率

3．KLEMS方法的解释和预测功能

在经济发展过程中，导致产业结构发生变动的因素是多方面的，只有对这些动因进行较为全面的考察，才能对产业结构的变动做出比较准确的解释和预测。许多学者分析并总结了产业结构变动的主要决定因素，综合各方意见，影响产业结构变动的主要因素有技术进步、需求结构和供给结构等几个方面（张培刚，2001；邬义钧，2001；王述英，2006；林峰，2006），而利用KLEMS体系中包含的数据就可以对各方面因素进行分析。

技术进步是产业结构演进的根本推动力。其影响产业结构的核心机制在于它导致了不同产业的生产率上升率的差异，而基于KLEMS数据库的生产率数据恰好能够方便我们考察不同产业间的生产率上升率的差异，进而解释产业结构的历史变迁和预测产业结构未来的趋势。

需求结构是影响产业结构变动的另一主要因素，由于各种产品的需求收入弹性不同，因此随着收入水平的提高，对不同产品的需求结构就会发生变化，从而影响产业结构。而基于KLEMS数据库我们可以方便地考察收入水平、收入结构及最终使用结构的变化，进而可以解释和预测需求结构的演变。

供给结构^〔3〕是指不同资源（包括劳动和自然资源）的拥有量和相对价格结构。这些资源作为生产活动所必需的投入要素对产业结构具有直接影响作用，但是很少有相关的数据来源，而KLEMS数据库却可以提供各种主要生产投入的相对价格水平，并进一步分析供给结构的变动。

6.2.3　偏离－份额法

偏离－份额法（shift-share）是在区域经济和产业结构分析中被普遍使用的方法，该方法最早是由Fabricant（1941）应用于分析劳动力转移对劳动生产率的影响效应的。后来，Missell（1961）将其扩展到劳动力和资本在企业内流动对经济和产业结构的效应研究。而且在同一时期，Dunn、Perloff、Lampord、Muth等人对此方法还进行了完善，直到20世纪80年代经过Dunn的综合，该方法才成为被人们普遍使用的研究方法。偏离－份额法最早用于分析劳动力在产业间转移时对劳动生产率的影响，以下就以此为例介绍该方法的基本思想。

导致总劳动生产率变化的因素和机制是多方面的，既包括单个行业劳动生产率的变化，也包括各行业劳动份额的变化，还包括以上两种变化的交互影响。偏离－份额法提供了一种便捷的工具，将总劳动生产率的变化分解为以上3个方面，从而使我们能够清晰地观察到产业结构变动的影响效应。具体方法如下。

在式（6.6）中，LP表示劳动生产率，下标T代表总劳动生产率，下标i代表行业i的劳动生产率，下标by代表基期年份，下标fy代表末期年份，S_i表示行业i的就业人数占总就业人数的份额。显而易见，式（6.6）将总劳动生产率的变化率分解成了三个部分。

第一部分代表从基期年份到末期年份的时期中劳动力在行业间分布构成比例的相对变化乘以基期年份的初始劳动生产率，这一部分被称为静态转移效应（static shift effect）。如果劳动生产率较高的行业吸纳了更多的劳动者，从而使其行业劳动份额增加，则静态转移效应就为正；反之则相反。静态转移效应的含义与前述结构红利假说不谋而合。我们可以依据静态转移效应的大小来对结构红利假说进行检验。从测评产业结构优化升级的角度来说，这一部分则代表其他情况不变（尤其是技术水平不变）的情况下，纯粹由行业结构变动所导致的总量效益优化。

第二部分是一个交叉影响项，代表行业劳动份额变动与行业劳动生产率变动共同对总劳动生产率产生的交互式影响，称为动态转移效应（dynamic shift effect）。如果一些行业的劳动生产率和劳动份额同时提高，这种交互式影响对总劳动生产率增长的贡献为正（当然，如果一些行业的劳动生产率和劳动份额同时下降，则该项也为正）。换句话说，越多的劳动力资源流向劳动生产率高速增长的行业，该交叉项的值越大，即对总劳动生产率增长的贡献越大。但是，如果劳动生产率高速增长的行业不能维持它们在总就业中所占的份额，则该交叉效应就为负值。这一负效应越大，则说明越多的劳动生产率高速增长行业面对着劳动份额逐步下降的情况。因此，这一交叉相乘项可以用来检验前述的结构负利假说，原因在于结构负利假说预言高速增长行业的就业结构份额会逐步下降，而衰落行业的就业份额会逐步上升。从测评产业结构优化升级的角度来说，静态转移效应的大小可以被认为是过去结构偏差的大小及对其的修正程度，动态转移效应可以反映一段时期内结构偏差（结构负担）的产生，从而进行预警。

第三部分反映没有结构变化（即各行业就业份额保持不变）时，仅由各行业内部劳动生产率变动所导致的总劳动生产率的变动，称为行业内部增长效应（within shift effect）。该部分与产业结构变动的分析基本无关，在此就不再进行详细分析。

以上以总劳动生产率增长的分解为例介绍了偏离－份额法的基本思路以及在产业结构优化升级测度研究中的作用。本研究在使用这一方法时将不仅局限于产业结构变动对劳动生产率的影响，还将涉及对全要素生产率、增加价值率、总资产贡献率、能源利用效率几个方面的测算和分析。