制造業規模與宏觀經濟波動

嚴成樑，李蒙蒙

(中央財經大學 經濟學院，北京 100081)

·產業組織·

制造業規模與宏觀經濟波動

嚴成樑，李蒙蒙

(中央財經大學 經濟學院，北京 100081)

本文基于GGDC產業數據庫和PWT宏觀數據庫提供的跨國數據，選取1976—2010年33個國家和地區的數據，分別用制造業部門增加值占GDP的比重和制造業部門就業占總就業的比重衡量制造業規模，用經濟增長率標準差方法和HP濾波方法衡量經濟波動，通過面板數據模型考察制造業規模對宏觀經濟波動的影響。研究發現：制造業部門增加值占GDP的比重和制造業部門就業占總就業的比重與人均實際GDP均呈現倒U型關系，人均實際GDP達到10 000美元時(2005年不變價格)，制造業規模達到極大值。基于總體樣本的估計發現，制造業規模的系數顯著為負，這說明制造業規模擴張有利于減緩經濟波動，實現宏觀經濟穩定。基于分地區樣本的估計發現，制造業規模對經濟波動的影響存在地區差異。在高收入國家和地區，制造業規模擴張有利于減緩經濟波動；在低收入國家和地區，制造業規模擴張可能會加劇經濟波動。

制造業規模；宏觀經濟波動；人均實際GDP;面板數據模型

一、問題的提出

制造業的發展對于提升一個國家和地區的創新能力、拉動就業和促進經濟增長等發揮著至關重要的作用。作為產業鏈條的重要組成部分，制造業也是農業和服務業發展的支撐條件。很多國家都意識到了發展制造業的重要性，并制定和出臺了一系列制造業振興發展方案。例如，德國提出“工業4.0”的概念，中國出臺《中國制造2025》，英國提出《英國工業2050戰略》，美國特朗普政府更是想方設法讓制造業回流美國，制造業的發展已成為各國提振經濟的重要手段。經過三十多年的持續高速增長，中國經濟發展已經進入新常態，加快發展制造業對于未來經濟長期保持中高速增長和邁向中高端水平具有重要戰略意義。隨著經濟發展階段的轉換，制造業的發展不再單純是規模擴張，更重要的是制造業質量的內涵式提升，而這與創新驅動密不可分。制造業的發展有利于提升產品的國際競爭力，如中國高鐵走出去項目等。當前中國正在加快推進的供給側結構性改革的一個重要方面是加快發展制造業。根據《中國制造2025》，中國將通過“三步走”來實現制造強國的戰略目標：第一步，到2025年邁入制造強國行列；第二步，到2035年中國制造業整體達到世界制造強國陣營中等水平；第三步，到中華人民共和國成立一百年時，綜合實力進入世界制造強國前列。加快發展制造業，對于提升供給能力和效率、在更高層次上實現供給與需求的良性互動和均衡發展具有重要意義。

制造業對經濟增長的影響是學術界關注的重點。Szirmai[1]認為，相對于農業，制造業更有利于資本積累和產生規模效應，技術進步從制造業部門擴散到其他生產部門。Szirmai和Verspagen[2]研究發現，制造業在發展中國家經濟增長過程中發揮著重要作用，在經濟增長過程中制造業的作用強于服務業。同時諸多文獻從經濟結構轉變角度分析經濟增長，而制造業因其易于產生規模效應和技術創新成為研究經濟結構轉變的重點[3]。Marconi等[4]通過實證研究發現，制造業部門對經濟發展和全要素生產率增長發揮著至關重要的作用，在中等收入國家更是如此。Haraguchi等[5]研究了制造業部門發展對經濟增長的作用機制，認為相對于農業部門和服務業部門而言，制造業部門更有利于資本積累、產生規模效應和技術進步，且制造業部門具有更好的聯動效應。

近年來，國內大量文獻研究制造業的經濟效應，這些研究主要考察制造業對中國經濟增長的影響，以及制造業部門的資源錯配問題。高覺民和李曉慧[6]探討了生產性服務業與制造業的互動機理，他們認為生產性服務業促進了制造業的發展，制造業也顯著促進了生產性服務業的發展。傅元海等[7]研究發現，制造業結構高度化對經濟增長效率具有負面作用，制造業結構合理化對經濟增長效率具有正面作用。韓國高等[8]對中國制造業部門的產能過剩問題進行測度，認為中國存在7個產能過剩行業，且主要集中在重工業領域。龔關和胡關亮[9]研究發現，若資本和勞動均實現有效配置，1998年中國全要素生產率可提高57.10%；2007年可提高30.10%。楊汝岱[10]研究發現，中國制造業整體全要素生產率的增長率為2%—6%，年均全要素生產率為3.83%，且存在較大波動。楊振和陳甬軍[11]基于中國制造業企業的微觀數據研究發現，制造業企業內部勞動要素配置存在較大扭曲，勞動要素錯配存在惡化趨勢，矯正勞動要素扭曲可以帶來較大的福利改善。孫元元和張建清[12]認為，中國制造業在省際間的資源配置整體有效但有惡化趨勢，其中集約邊際下的資源配置效率有所改善，而擴展邊際下的資源配置效率逐漸惡化。

如何實現宏觀經濟穩定是政策制定者和學術界關注的重點。根據凱恩斯的宏觀經濟理論，需求管理政策是熨平經濟波動的重要工具。經濟衰退時，可以采取擴展性的財政政策和貨幣政策，通過乘數效應和利率效應增加就業和收入，抵消負面沖擊對經濟的影響。當經濟過度繁榮時，可以通過緊縮性的財政政策和貨幣政策降低價格水平，避免經濟大起大落。根據真實經濟周期理論，技術沖擊是導致經濟波動的重要原因。根據新凱恩斯動態隨機一般均衡理論，貨幣政策沖擊、財政政策沖擊和預期等都是導致經濟波動的重要原因。近年來，大量實證研究運用現實經濟數據分析經濟波動的源泉，包括貨幣政策與經濟波動[13]、財政政策與經濟波動[14]、制度質量與經濟波動[15]、技術水平與經濟波動[16]、金融發展與經濟波動[17]等。

作為經濟的重要組成部分，制造業既是經濟波動的原因，也是經濟波動的傳導渠道。就制造業是經濟波動的原因而言，相對于農業和服務業，制造業更有利于資本積累和產生規模效益，并且有著較高的人力資本水平，因而制造業通過吸納剩余勞動力和吸引人力資本投資等渠道減緩經濟波動。制造業發展模式也會影響經濟波動，低端制造業短期內可能使得經濟繁榮，長期又會導致產能過剩，這會進一步加劇經濟波動。高端制造業的發展有利于促進經濟轉型升級，通過促進經濟增長質量提升以及供給與需求相匹配等渠道減緩經濟波動。就制造業可能是經濟波動的傳導渠道而言，在現實經濟社會中，技術沖擊和產業政策等因素通過影響制造業發展進而影響經濟波動，因而制造業規模對經濟波動的影響是多維度的。

基于上述分析，本文基于GGDC產業數據庫和PWT宏觀數據庫提供的跨國數據，選取1976—2010年33個國家和地區的數據，通過面板數據模型考察制造業規模對經濟波動的影響，并進一步將總體樣本劃分為高收入樣本和低收入樣本，研究制造業規模對經濟波動影響的地區差異。

二、制造業規模演進特征事實

本文分別用制造業部門增加值占GDP的比重(以下簡稱“制造業部門增加值占比”)和制造業部門就業占總就業的比重(以下簡稱“制造業部門就業占比”)衡量制造業規模。*限于篇幅，制造業規模變化的趨勢圖未在正文列出，留存備索。通過分析1960—2010年美國、英國、日本、韓國、中國和印度等國家制造業部門就業占比可以發現，美國制造業部門就業占比為8.67%—23.75%，英國制造業部門就業占比為10.26%—32.15%，美國和英國制造業部門就業占比均呈現逐漸下降趨勢。日本制造業部門就業占比為14.55%—24.61%，韓國制造業部門就業占比為8.29%—28.13%，日本和韓國制造業部門就業占比呈現倒U型關系。中國制造業部門就業占比為5.82%—19.17%，印度制造業部門就業占比為9.03%—12.46%，中國和印度制造業部門就業占比呈現逐漸上升趨勢。1960年中國制造業部門就業占比低于大多數國家，2010年中國制造業部門就業占比接近20%，超過多數國家。

從制造業部門增加值占比來看，樣本期間，美國制造業部門增加值占比為10.98%—13.31%，基本維持不變；英國制造業部門增加值占比為13.95%—26.48%，呈現逐漸下降趨勢。日本制造業部門增加值占比為15.78%—26.21%，韓國制造業部門增加值占比為3.34%—35.24%，中國制造業部門增加值占比為5.59%—36.53%，印度制造業部門增加值占比為11.57%—19.27%。韓國、中國和印度制造業部門增加值占比總體呈現逐漸上升趨勢。1960年中國制造業部門增加值占比僅高于韓國，2010年中國制造業部門增加值占比已達到36%，超過多數國家。

綜合制造業部門增加值和就業兩個維度的數據分析，在制造業部門就業占比不斷下降的情況下，美國制造業部門增加值占比基本穩定，說明其制造業對于勞動投入的依賴程度下降，勞動生產率不斷提升。與之相似的還有日本，其制造業部門就業占比先上升后下降，但制造業部門增加值占比卻呈現不斷上升趨勢，這說明日本制造業部門的技術水平也較高。與這兩個國家不同的是，韓國、中國和印度的制造業規模在兩個維度上均呈現擴張趨勢，這說明其制造業處在不斷發展壯大過程中。英國制造業規模不斷下降，這從其制造業部門增加值占比和制造業部門就業占比可以反映出來。

通過分析按可比價格計算的制造業部門人均實際產值(具體用制造業部門增加值除以制造業部門就業衡量)，可以比較樣本國家制造業部門生產效率的差異。1975年之前，英國制造業部門人均實際產值最高，1975年之后，美國成為制造業部門人均實際產值的領跑者。總體而言，美國、日本和英國制造業部門人均實際產值最高，屬于第一梯隊；韓國制造業部門人均實際產值居中，屬于第二梯隊；中國和印度制造業部門人均實際產值最低，屬于第三梯隊。以2010年為例，日本制造業部門人均實際產值為137 607美元，美國制造業部門人均實際產值為108 324美元，英國制造業部門人均實際產值為73 387美元，韓國制造業部門人均實際產值為56 542美元，中國制造業部門人均實際產值為11 215美元。

基于GGDC產業數據庫和PWT宏觀數據庫，本文進一步考察制造業規模隨人均實際GDP變化的趨勢。研究發現，制造業部門增加值占比與人均實際GDP呈現倒U型關系，隨著人均實際GDP上升，制造業部門增加值先是不斷上升，達到極大值點后，制造業部門增加值占比又開始不斷下降。使得制造業部門增加值占比極大化的人均實際GDP門檻值在10 000美元附近。制造業部門就業占比與人均實際GDP呈現倒U型關系。隨著人均實際GDP的上升，制造業部門就業占比先是不斷上升，超過某一門檻值后，制造業部門就業占比呈現不斷下降趨勢。使得制造業部門就業占比極大化的人均實際GDP門檻值在10 000美元(2005年不變價格)左右。目前中國人均實際GDP約為8 500美元(2005年不變價格)，可以推測中國制造業部門增加值占比和制造業部門就業占比還有一個上升時期。

三、經驗分析

(一)模型設定與數據說明

為考察制造業規模對經濟波動的影響，本文構建如下模型：

Volatilityit=α+βManufactureit+ΘXit+εit

(1)

其中，i表示國家，t表示年份。被解釋變量Volatilityit表示經濟波動，本文以五年作為一個視窗，五年經濟增長率標準差表示經濟波動(Volatility)。核心解釋變量Manufactureit表示制造業規模，分別用制造業部門增加值占比(Vman)和制造業部門就業占比(Eman)衡量。Xit表示影響經濟波動的一組向量，根據Ramey和Ramey[18]與盧二坡和曾五一[19]關于經濟波動的研究，本文選取人力資本水平(Human)、技術水平(Technique)、政府規模(Gov)、投資率(Invest)和取自然對數的期初人均GDP(lncgdp)。人力資本水平用基于教育年限和教育回報的人均人力資本指數衡量，技術水平用2005年不變價格下的TFP數據衡量，政府規模用當前購買力水平下政府消費份額衡量，投資率用2005年不變價格下投資占GDP的比率衡量，取自然對數的期初人均GDP用每五年期的第一年人均GDP的自然對數值(lncgdp)衡量。值得注意的是，本文的GDP為2005年不變價格下的實際GDP。εit表示隨機擾動項。對于所選取時間段內部分缺失數據均通過移動平均法補齊。表1為總體樣本國家主要變量的描述性統計。

表1 主要變量的描述性統計

此外，解釋變量之間的相關系數均小于0.80，各變量之間不存在嚴重的共線性問題。*限于篇幅，變量的相關系數不在正文列出，留存備索。

本文關于制造業部門增加值占比和制造業部門就業占比的數據來源于GGDC產業數據庫，人力資本水平、技術水平、政府規模、投資率和取自然對數的期初人均GDP數據均來自PWT宏觀數據庫。本文選取1976—2010年33個國家和地區的面板數據進行分析，具體包括阿根廷、巴西、智利、中國、哥倫比亞、哥斯達黎加、丹麥、西班牙、法國、英國、中國香港、意大利、日本、韓國、墨西哥、馬來西亞、荷蘭、秘魯、新加坡、瑞典、泰國、中國臺灣、美國、委內瑞拉、南非、玻利維亞、埃及、印度尼西亞、印度、肯尼亞、菲律賓、塞內加爾和坦桑尼亞。

(二)回歸結果

靜態面板數據分析中用得較多的是固定效應模型和隨機效應模型。根據數據性質確定選擇固定效應模型還是隨機效應模型。若數據是從總體中抽樣得到的，則可以使用隨機效應模型；若對應總體數據，如中國各個省份的數據，則不存在隨機抽樣的問題，通常使用固定效應模型。本文數據是國別層面的總體數據，不是抽樣數據，為此選擇固定效應模型。表2是制造業規模對經濟波動影響的回歸結果。本文基于33個國家和地區的樣本進行分析，同時根據世界銀行的劃分標準，將總體樣本劃分為25個高收入國家(地區)和8個低收入國家，進而分析不同發展水平的國家和地區制造業規模對經濟波動的影響。

從表2可以看出，對于總體樣本而言，制造業部門增加值占比和制造業部門就業占比對應的系數都顯著為負，這說明制造業規模擴張有利于抑制經濟波動。從高收入樣本可以發現，高收入國家和地區制造業規模的系數顯著為負，這說明高收入國家和地區制造業規模擴張有利于抑制經濟波動。低收入樣本制造業規模的系數不顯著，這說明低收入國家制造業規模擴張并沒有抑制經濟波動。從總體樣本的回歸結果可以看出，人力資本水平和技術水平對經濟波動的影響也是顯著為負，這說明人力資本水平和技術水平對于抑制經濟波動具有重要作用。這可能是因為當人力資本水平和技術水平越高時，其經濟體抵御外部沖擊的能力越強。投資率對經濟波動的影響顯著為負，這說明投資率對經濟波動有顯著抑制作用。政府規模在制造業規模兩個維度的回歸結果中均表現為正，這說明政府支出占GDP的比重對經濟波動有正向影響，但并不顯著。這可能是因為政府逆經濟周期的調控政策會減緩經濟波動，但政府的扭曲性政策又會加劇經濟波動，這兩種作用可能相互抵消了。期初人均GDP的系數顯著為正，這可能是由于經濟發展水平越高，經濟面臨的不確定性越大。因為經濟規模越大，外生沖擊對經濟影響的乘數效應越大，從而加劇經濟波動。

表2 制造業規模對經濟波動的影響

注：括號中為t值，*、**和***分別代表10%、5%和1%的顯著性水平，下同。

(三)穩健性檢驗

借鑒干春暉等[20]的思路，本文使用HP濾波方法衡量經濟波動，最小化如下表達式：

(2)

表3是λ=100時制造業規模對經濟波動影響的回歸結果。基于總體樣本的研究發現，制造業部門增加值占比和制造業部門就業占比的系數均顯著為負，這與表2中使用經濟增長率標準差方法衡量經濟波動的基準回歸結果一致，即制造業部門增加值和就業在整個國民經濟中所占比重對經濟波動有顯著抑制作用。高收入樣本制造業規模的系數顯著為負，這說明高收入國家和地區制造業規模擴張使得經濟更加平緩；低收入樣本制造業規模的系數顯著為正，這說明低收入國家制造業規模擴張加劇了經濟波動。

表3 制造業規模對經濟波動的影響(λ=100)

表4是λ=400時制造業規模對經濟波動影響的回歸結果。無論是總體樣本，還是高收入樣本或低收入樣本，制造業規模的系數符號和顯著性水平均與表3相同。這里需要說明的是，基準回歸結果中低收入樣本制造業規模的系數不顯著，穩健性檢驗中其系數顯著為正。筆者認為，兩種情形下樣本量的差異可能是導致低收入樣本系數變化較大的原因。本文的樣本中有8個低收入國家，基準回歸中采用五年經濟增長率標準差方法衡量經濟波動，因而低收入樣本對應7×8=56個樣本觀測值。穩健性檢驗中采用HP濾波方法衡量經濟波動，每年數據對應一個變量，因而低收入樣本對應35×8=280個樣本觀測值。HP濾波方法樣本量更大，得到的結論可能更接近現實。但經濟增長率標準差方法和HP濾波方法是估算經濟波動最常用的方法。因此，本文分別選用這兩種方法衡量經濟波動。

表4 制造業規模對經濟波動的影響(λ=400)

關于為什么發達國家制造業規模擴大可以熨平經濟波動，而發展中國家制造業規模擴大則會加劇經濟波動的原因是復雜的，且不同學者關于該問題的認識可能差別較大。筆者認為，主要是制造業發展模式的差異。低收入國家和地區多為橫向擴張的低端制造業，主要依賴于大規模的資源投入和勞動投入，技術創新能力弱，處于全球價值鏈分工的低端；高收入國家和地區集中發展高技術制造業，注重生產效率提升和生產模式創新，其制造業規模擴張向縱深方向發展。此外，高收入國家和地區制造業發展可能更多的是依靠市場的力量，通過市場競爭有利于實現新舊產能自然更替。低收入國家和地區市場制度相對薄弱，制造業規模擴張的原因可能包括發達國家低端產業轉移和地方政府投資沖動等，制造業發展中的非市場力量會加劇經濟波動。

四、結論性評述

制造業發展在國民經濟中具有重要作用，已有研究主要關注制造業對經濟增長的作用、制造業發展中的資源錯配問題和制造業企業生產效率等。鮮有研究意識到制造業對宏觀經濟穩定的重要性。本文基于GGDC產業數據庫和PWT宏觀數據庫提供的跨國數據，選取1976—2010年33個國家和地區的數據，分別用制造業部門增加值占比和制造業部門就業占比兩個指標衡量制造業規模，用經濟增長率標準差方法和HP濾波方法衡量經濟波動，通過面板數據模型考察制造業規模對經濟波動的影響。研究發現，制造業規模與人均實際GDP呈現倒U型關系，當人均實際GDP達到10 000美元(2005年不變價格)時，制造業部門增加值占比和制造業部門就業占比達到極大值。基于總體樣本的估計發現，制造業規模對經濟波動有顯著抑制作用。基于分地區樣本的估計發現，制造業規模對經濟波動的影響存在地區差異。具體地，高收入國家和地區制造業規模擴張有利于減緩經濟波動，而低收入國家和地區制造業規模擴張對經濟波動的影響不顯著，甚至可能會加劇經濟波動。這可能是因為高收入國家和地區制造業規模擴張是建立在技術水平提升基礎上的內涵式發展，而低收入國家和地區制造業規模主要是粗放式的擴張。

制造業內涵式發展是提升中國供給側質量和效率的重要內容。根據制造業發展的特征事實，中國人均實際GDP低于10 000美元(2005年不變價格)，因而未來一段時期制造業規模會繼續呈現擴張趨勢。當前中國制造業生產效率低下，制造業部門人均實際產值遠遠低于發達國家，如何加快發展制造業就成為一個重要問題。同時，當前中國制造業發展也面臨各種挑戰。例如，歐美等西方發達國家在反思金融危機的教訓后，紛紛開始實施“再工業化”“制造業回歸”等戰略，部分高端制造業出現“逆轉移”，給中國相對先進的制造業在技術進步和產品出口等方面帶來新的挑戰，制造業向價值鏈高端提升的難度加大[21]。隨著中國人口紅利的逐漸消失和環境承載能力的下降，制造業企業生產成本不斷上升，這也削弱了制造業的國際競爭力。筆者認為，加快中國制造業發展主要依賴于技術創新和市場化改革。通過技術創新，提升制造業部門的生產效率和核心競爭力，提升高端制造業的國際競爭力。通過市場化改革，減少生產要素市場存在的各種扭曲，實現生產要素配置效率最優化，從而進一步降低制造業企業生產成本。

[1] Szirmai, A. Industrialisation as an Engine of Growth in Developing Countries, 1950—2005[J]. Structural Change and Economic Dynamics, 2012,23(4):406-420.

[2] Szirmai, A.，Verspagen， B. Manufacturing and Economic Growth in Developing Countries, 1950—2005[J].Structural Change and Economic Dynamics,2015,34(3):46-59.

[3] Herrendorf, B., Rogerson，R.， Valentinyi，.Growth and Structural Transformation[R].NBER Working Paper No. 18996,2013.

[4] Marconi, N., Reis, C., Araujo, E. Manufacturing and Economic Development: The Actuality of Kaldor’s First and Second Laws[J].Structural Change and Economic Dynamics,2016,37(2):75-89.

[5] Haraguchi, N., Cheng, C., Smeets, E.The Importance of Manufacturing in Economic Development: Has This Changed[J]. World Development,2017,93(5):293-315.

[6] 高覺民，李曉慧.生產性服務業與制造業的互動機理：理論與實證[J].中國工業經濟, 2011,(6):151-160.

[7] 傅元海，葉祥松，王展祥.制造業結構變遷與經濟增長效率提高[J].經濟研究,2016,(8):86-100.

[8] 韓國高，高鐵梅，王立國，等.中國制造業產能過剩的測度、波動及成因研究[J].經濟研究, 2011,(12):18-31.

[9] 龔關，胡關亮.中國制造業資源配置效率與全要素生產率[J].經濟研究, 2013,(4):4-15.

[10] 楊汝岱.中國制造業企業全要素生產率研究[J].經濟研究, 2015,(2):61-74.

[11] 楊振，陳甬軍.中國制造業資源誤置及福利損失測度[J].經濟研究, 2013,(3):43-55.

[12] 孫元元，張建清.中國制造業省際間資源配置效率演化：二元邊際的視角[J].經濟研究, 2015,(10):89-103.

[13] Christiano, L. J.，Eichenbaum ，M.，Evans ，C.L. Nominal Rigidities and the Dynamic Effects of a Shock to Monetary Policy[J]. Journal of Political Economy, 2005,113(1):1-45.

[14] Biolsi, C. Nonlinear Effects of Fiscal Policy Over the Business Cycle[J]. Journal of Economic Dynamics and Control, 2017,78(5):54-87.

[15] Acemoglu, D.，Johnson ，S.，Robinson，J.A.， et al. Institutional Causes, Macroeconomic Symptoms: Volatility, Crises and Growth[J]. Journal of Monetary Economics, 2003,50(1):125-131.

[16] Tang, S. H. K.，Groenewold，N.，Leung，C.K.Y. The Link Between Institutions, Technical Change and Macroeconomic Volatility[J]. Journal of Macroeconomics, 2008,30(4):1520-1549.

[17] Manganelli, S., Popov, A. Financial Development, Sectoral Reallocation, and Volatility: International Evidence[J]. Journal of International Economics,2015，96(2):323-337.

[18] Ramey, G., Ramey, V.A. Cross Country Evidence on the Link Between Volatility and Growth[J]. The American Economic Review,1995,85(5):1138-1151.

[19] 盧二坡，曾五一.轉型期中國經濟短期波動對長期增長影響的實證研究[J].管理世界, 2008,(12):10-23.

[20] 干春暉，鄭若谷，余典范.中國產業結構變遷對經濟增長和波動的影響[J].經濟研究, 2011,(5):4-16.

[21] 趙昌文. “十三五”時期中國產業發展新動向[J].財經問題研究, 2016,(3):27-34.

2017-08-20

國家社會科學基金重大項目“供給側結構性改革與發展新動力研究”(16ZDA005)；國家社會科學基金一般項目“新常態下我國經濟發展動力轉換研究”(16BJL059)；霍英東教育基金會第十五屆高等院校青年教師基金基礎性研究課題“產業結構變遷與中國經濟轉型研究”(151083)

嚴成樑(1980-)，男，山西平遙人，副教授，博士，主要從事宏觀經濟學研究。E-mail：yanchengliang@gsm.pku.edu.cn

F062.9

A

1000-176X(2017)12-0024-07

孫艷)