中國優勢產業組合的動態演化機制研究
——基于TERGM的實證分析

劉林青，陳紫若

(武漢大學 經濟與管理學院，湖北 武漢 430072)

0 引言

在經濟全球化背景下，世界經濟活動形成了相互作用、相互影響和相互依賴的復雜經濟網絡。實際上，產業發展嵌入到更加復雜的出口貿易網絡拓撲結構中，且一個國家不可能在所有產業都取得成功。因此，具有國際競爭力的、高度互賴性的優勢產業組合是一國核心能力的體現。此外，一個國家生產和出口一種商品需要許多潛在資源或能力等非貿易投入組合[1]。那么，生產和出口不同商品就需要不同的、專業化的資源或能力集。Hidalgo等[2]創造性地提出與構建了產品空間理論，從產業之間的鄰近性視角重新審視優勢產業組合和產業升級[3]。具體地，國家依靠優勢產業組合而非單個優勢產業參與國際競爭和實現結構轉型。然而，這種轉型升級不是隨意的，而是采取“相關多元化”方式。

近年來，產品空間理論受到諸多學者關注。Hausmann&Klinger[4]對產品空間理論加以發展，認為產品空間能夠刻畫產業間的技術關聯網絡，并且發現產品空間呈現顯著的“中心―邊緣”結構，即產品空間的高度異質性由緊密關聯產業組成的“中心區”和疏松關聯產業組成的“邊緣區”共同形成。在此基礎上，Hidalgo&Hausmann[5]認為，優勢產業組合是一國或地區資源和能力的載體，其高度異質性是揭示不同地區經濟發展差異的主要渠道。隨后，張其仔和李顥[6]探索了產業升級是遵循比較優勢還是違背比較優勢的問題；Felipe等[7]認為，由現有比較優勢轉移到新的比較優勢依賴于兩者之間的能力差距。上述研究對于識別和描述產業結構特征具有重要意義，但不能對中心―邊緣宏觀網絡結構特征的微觀機制推斷進行檢驗。為此，Zhou等[8]強調應該發展相應理論模型來解釋觀察到的網絡結構，而不僅僅是描述和探索。

與此同時，快速發展的指數隨機圖模型(Exponential Random Graph Models，ERGM)和時間指數隨機圖模型(Temporal Exponential Random Graph Models，TERGM)引起越來越多研究者關注。在Snijders等[9]學者推進下，ERGM分析技術趨于成熟[10-11]。與傳統回歸方法不同，基于Markov網絡假設的ERGM分析技術著重處理網絡中關系與關系之間的依賴性，可以檢驗局部過程匯集是否可以產生全局網絡特征屬性，從而搭建微觀到宏觀的橋梁。此外，ERGM研究方法能夠同時考慮內生和外生因素，尤其是不能夠包含在傳統模型的高階網絡構局(如星型構局、三角形構局等)。更重要的是，TERGM能夠有效解決縱向觀察網絡數據的時間依賴問題，備受學者青睞。對此，Ghosh等[12]提出，ERGM應成為戰略管理研究人員在作網絡分析時的標準方法和必備工具。

鑒于上述兩方面考慮，本文利用1962―2015年間的Feenstra和Uncomtrade數據，重點論證結構依賴和時間依賴對中國優勢產業組合動態演化的影響。基本問題包括：TERGM研究方法是否能夠合理解釋優勢產業組合的動態演化？其演化機制是否包括星型構局代表的軸式發展路徑和三角形構局代表的鏈式發展路徑？產業結構演化過程中是否存在穩定性和創新性？

1 文獻綜述

隨著產業國際競爭力結構觀興起，優勢產業組合相關研究主要探討了優勢產業組合結構特征、產業升級、產業演化等問題，并且逐步實現從整體、靜態層面量的評判標準向結構、動態層面質的評判標準轉變[13]。在全球價值鏈背景下，各個國家參與國際競爭、尋求國際長期發展，不能夠僅僅依賴于單個產業，更要通過優勢產業組合贏得國際競爭優勢。Hausman等[14]構建了“出口產品技術復雜度”概念和“產品空間”工具，并且通過可視化國際貿易中的產業組合，發現國家可以通過改變優勢產業組合實現產業結構轉型。張其仔和李顥(2013)運用產品空間理論，分析了不同閾值條件下實現優勢產業升級發展的演化軌跡，并指出0.5閾值條件下更容易在維持多樣性產品前提下，實現優勢產業升級發展；劉林青和譚暢[15]研究表明，國家可以通過優化優勢產業組合改變自身在國際競爭中的位置，進而影響經濟績效；鄧向榮和曹紅[16]發展了HK模型，發現越高速增長的國家越可能偏離既有比較優勢發展路徑，實現產業升級發展；張亭等[17]在全球產品空間動態演化視角下構建了傳統產品空間和新型產品空間，同時具體探索產品空間網絡結構特征發生變化的程度、變化的性質以及具體發生變化的時間；張亭和劉林青[18]從時間和產業維度對比分析中美兩國優勢產業數量變化和產業結構分布形態差異，從而探知產業發展優勢和劣勢。上述研究均客觀描述了優勢產業組合的演化特征，對推動中國產業升級具有一定參考意義。但是，現有文獻均沒有從內生微觀結構層面具體實證分析影響優勢產業組合動態演化的微觀機制。為此，本文主要從星型構局、三角形構局和時間異質性等方面進行詳細探討。

1.1 星型構局

如果一個國家和地區在生產某種產品上具有比較優勢，則在生產密集使用相同或相似要素的產品上也具有比較優勢。也就是說，一個國家和地區生產某種產品的能力取決于生產其它相似產品的能力，并以既有產品為基礎發展新產品。Hausmann&Klinger[4]用“森林―猴子”的比喻闡述產品空間理論的主要思想，也就是產品鄰近性，并認為生產任何產品都需要高度專業化資產和能力投入，并可以部分用于生產另一個產品；Hidalgo等[2]以存在國際競爭優勢的出口產品為對象，創新性地運用矩陣映射技術構建可視化產品空間。產品空間可視化研究不僅形象地呈現了每個國家有競爭力的產業結構及其演化路徑，更生動地揭示出發展中國家通過培育有國際競爭力的新產品實現產業升級。同樣地，如果新產業與已有競爭優勢產業具有較高關聯度，則該新產業獲得比較優勢的概率將會提升，因為關聯產業的相似性可以為新產業發展提供所需資源、能力和知識等。具體地，發展中國家通常采取“相關多元化”戰略，即向距離當前位置較近的周圍產業發展，導致形成優勢產業組合的星型構局。如果距離過遠，超越了國家“跳躍”能力，那么產業升級道路將被阻斷。

星型構局體現出顯著的軸式發展路徑，指產業競爭優勢越強，越傾向帶動其它周圍產業實現產業升級。本文從兩方面加以解釋：①基于吸收能力視角，主體在將外部知識內化并轉化為國際競爭優勢方面存在差異，并且吸收能力有利于提升整體產業組合出口績效；②基于技術競爭視角，出口競爭優勢主體在全球經濟博弈中發揮優勢，更容易被其它主體選擇為模仿及合作對象。通俗地說，星型構局反映富者愈富的社會網絡現象，網絡資源和社會關注度會不斷地向軸心產業匯聚，其中包括政府政策導向和財政支持。

1.2 三角形構局

研究者在進行社會網絡理論和實證研究時發現，社會網絡既不是規則網絡也不是完全隨機網絡。在傳統集聚經濟中，地理鄰近性促進技術溢出，特別是非編碼的隱性知識傳播。然而，地理鄰近性不是產業間技術溢出的充分必要條件，認知距離直接影響技術溢出效應。不可否認的是，由于不同產業具備的技術特征存在或大或小的差異，導致形成了產業間的認知距離，在合適范圍內，產業間的認知距離能夠有效促進學習和技術溢出效應。因此，技術關聯性強的產業之間才會發生知識溢出[19]。技術關聯也被廣泛用于解釋新技術、新產品、新服務、新產業的產生。其中，Hidalgo & Hausmann[5]認為，由于技術關聯產業對資源、知識、生產技術和管理經驗等要素要求較為相似，因此產業距離對產業演化存在重要影響。由此推斷，技術關聯將導致形成傳遞性的鏈式發展路徑。

簡單地說，網絡建立過程可能受到結構內生性影響而產生某種連接傾向，以更大概率形成某種連接關系以獲取某種網絡優勢，嵌入結構模式中的節點也受益于該結構依賴。一方面，基于技術流動效果，產業a在產業b和c之間扮演技術中介者，即吸收一方的知識，并將增值后的知識再傳遞給另一方，第三方技術關聯共享機制為不同產業組合提供了潛在技術轉移渠道，避免了新建技術流動渠道所附加的成本和風險。另一方面，基于技術流動效率，冗余路徑結構提供了更為高效的技術轉移體系，降低了由于網絡結構敏感性和脆弱性導致的技術傳遞鏈斷裂風險，具有更高的技術傳遞網絡魯棒性。

1.3 穩定性與創新性

一個國家的產品空間結構一定程度上取決于該國產品空間的初始結構，進而影響其演化路徑[2]。現有文獻得出較一致結論，認為中國優勢產業組合動態演化主要體現為穩定性，而創新性相對不足。換句話說，我國產業發展路徑為漸進式發展，而不是短時間內實現技術重大突破，以開發新產品、新服務以及新產業為主要形式的跨越式發展。例如，金碚等(2013)認為，中國的出口競爭優勢產業與潛力產業之間存在較近距離，為出口產業結構實現平穩轉型提供了良好的資源儲備和能力基礎；劉林青等(2013)得出，經過改革開放四十多年的發展，我國技術水平得到了明顯提升，且這種技術進步是平穩的。

雖然路徑依賴演化理論強調了歷史和時間的重要性，但現有研究主要通過可視化方法比較靜態或截面網絡數據來解釋優勢產業組合的演化過程。例如，金碚等(2013)利用產品密度等指標分析了中國產業國際競爭力現狀及演變趨勢，其時間因素的影響是通過靜態截面數據比較得出的；許和連等[10]在靜態ERGM基礎上評估“一帶一路”高端制造業的貿易網絡；鄧向榮和曹紅[16]在可視化產品空間基礎上，運用OLS回歸驗證路徑依賴和路徑創造；Coniglio等[20]運用傳統回歸方法檢驗產品空間的結構模式變動。以上研究均涉及優勢產業組合，雖然部分模型加入了年份效應，但并沒有具體區分時間依賴的穩定性和創新性。

通過梳理現有文獻，優勢產業組合相關研究還存在一些不足。一是大量研究停留在統計特征層面，通過網絡節點及邊的統計指標刻畫優勢產業組合的網絡拓撲結構。雖然描述性統計和探索性可視化技術能夠反映優勢產業組合的外在結構模式，卻難以有效揭示特定網絡模式背后的動態演化機制[2]。二是傳統統計方法將關系變量視為協變量納入到回歸方程，但復雜關聯并不能夠被模型化為一個單獨協變量，例如星型構局和三角形構局。結構依賴的疏忽將導致協變量估計偏誤，所得結論的顯著性和相關性方向可能存在偏差。三是時間依賴沒有受到應有重視，即前期網絡拓撲結構會影響當期網絡拓撲結構，不能準確揭示網絡演化路徑[10]。綜上所述，以結構依賴和時間依賴為基礎，構建優勢產業組合因果和演化模型，從而測度不同網絡構局對產業網絡拓撲結構的貢獻程度值得進一步研究。

2 數據、變量與模型構建

2.1 樣本選擇

借鑒已有研究，本文采用出口貿易額數據構建中國優勢產業組合。數據來自聯合國商品貿易統計數據庫(Uncomtrade)和Feenstra數據庫，得到1962―2015年128個國家和地區783個產業出口貿易數據。如果將全部年份納入TERGM回歸無疑會極大增加計算難度和運行時間，同時考慮中國優勢產業組合在6年區間內波動較小。因此，本文采用時間間隔為6年，將1962―2015年劃分為9個區間段，并選取區間段第一年份作為樣本。

2.2 變量與數據

2.2.1 被解釋變量

被解釋變量為中國優勢產業組合的邊，也就是中國出口優勢產業之間的鄰近性。TERGM是專門針對邊建模的分析方法，對此情況具有高度適用性。主要步驟包括以下方面：

根據Hidalgo等[2]的計算方法衡量產業之間的鄰近性，構建全球產品空間。具體定義為，在產業i和j其中一種產業具有優勢的前提下，另一種產業也具有優勢的條件概率最小值。從全球來看，如果同時出口某兩種優勢產業的國家越多，則認為這兩種產業生產能力越相似，實現產業升級難度越小。其公式如下：

?i,j,t=min{P(xi,t|xj,t),P(xj,t|xi,t)}

本文主要通過設定閾值=0.5得到二值的產品空間，并作為基準回歸模型。

中國情景化處理。一方面，中國并不是出口所有產品種類，因此中國的行業代碼保證構建的優勢產業組合是中國所具備的出口產品，劃定產業范圍；另一方面，本文研究目標是揭示優勢產業組合的動態演化機制，從而為產業升級提供參考。因此，中國出口優勢行業代碼保證本文研究對象是出口優勢產業，并不是所有出口產業。

2.2.2 主要解釋變量

為了增加研究結論的可靠性和對比性，本文與已有文獻[21]保持一致。主要解釋變量包括幾何加權度(Gwdegree)、幾何加權邊共享(Gwesp)、時間依賴的穩定性(Stability)和創新性(Innovation)。以上指標的模擬估計能夠直接通過TERGM模型設定而實現。本文在模型中加入Gwdegree和Gwesp高階統計量，原因在于其具有等價的結構效應解釋能力，能提高模型結果分析的可靠性，能有效捕捉優勢產業組合中的軸式發展路徑和鏈式發展路徑，以揭示其動態演化機制。

軸式發展路徑中最基本的形式是2星結構(2-star)，即產業x接收來自其它兩個產業y和z的連接，但y和z并不相互聯系。三星結構(3-star)是指產業x從產業y、z和q接收連接，但是y、z與q是不連接的。換句話說，k星型構局(k-star)代表度為k的網絡構局。根據優勢產業組合度的冪次分布，本文采用Gwdegree衡量觀察網絡中不斷遞減的度分布，從而捕捉呈現星型構局的傾向性。該統計量是以每個中心度值所對應的頻數乘以一個加權參數求和得到的，依賴于網絡度分布以及衰減參數。具體來講，由于具有更高中心度節點被賦予更高權重，因而具有最高中心度節點的網絡就形成最大Gwdegree統計結果，而具有最低中心度節點的網絡僅獲得最小Gwdegree統計結果。

鏈式發展路徑中最基本的分析單元是三角形，即產業x接收來自其它兩個產業y和z的連接，但y和z也相互聯系。本文采取Gwesp獲取網絡中的傳遞性模式，解釋了在觀測網絡中聚類所對應的傳遞性特征，進而捕捉邊形成閉合三角結構傾向性。聚類(Cluster)是指一群節點內部緊密連接，而外部則較少聯系，由一些三角形和擁有多個共享伙伴的邊構成。該統計量是以每個共享邊所對應的頻數乘以一個加權參數求和得到的，依賴于共享邊分布以及衰減參數。

對于Gwdegree和Gwesp參數估計值的解釋為：當Gwdegree和Gwesp參數估計值為正時，表明星型構局的軸式發展路徑和三角形構局的鏈式發展路徑共同導致優勢產業組合更趨向于中心―邊緣宏觀網絡結構特征。此外，Gwdegree和Gwesp能夠有效降低簡單統計量導致的模型退化風險[22]。

時間依賴的Stability指標衡量優勢產業組合中邊與非邊在t-1和t不同時間區間的穩定性。也就是說，如果Stability參數估計為正，說明邊與非邊狀態在t-1和t保持不變，進而驗證優勢產業組合動態演化的穩定性。時間依賴的Innovation指標衡量產業優勢組合中t-1時間點的非邊狀態更新為t時間點的邊狀態的傾向性。也就是說，若Innovation參數估計為正，則驗證優勢產業組合動態演化的創新性。

2.2.3 控制變量

除了內生的結構依賴和時間依賴因素，產品空間理論認為優勢產業組合的動態演化還受到系統外部因素影響。一是密度(Density)。密度衡量網絡邊數量，反映了網絡邊的基準效應，解釋能力相當于回歸模型的常數項。密度的參數估計一般為負，揭示稀松網絡特征。二是行業同配性。行業同配機制指出口競爭優勢產業更容易與其產業屬性接近的產業產生技術溢出效應，從而實現產業升級。本文參考Lall[23]的技術分類標準，將產品SITC產業代碼劃分為5大類，包括初級產業(PP)、資源性產業(RB)、低技術產業(LT)、中技術產業(MT)和高技術產業(HT)。三是度中心度(Degree)、結構洞(Brokerage)和傳遞性(Transitivity)。度中心度被稱為偏好聯結，指當一個產業處于初始發展階段和高度不確定狀態時，特別是對于新興國家的幼稚產業，需要依賴原有出口競爭優勢產業所具備的技術、經驗等；結構洞表示計算節點連接網絡中不相互連接的子組件的程度；傳遞性用來衡量兩個節點在與一個或多個共同節點關聯時如何帶動兩者之間的關聯，促使節點能夠有方向地找到潛在合作者，而不是隨機選擇，能降低搜索成本和匹配成本。

2.3 模型構建

與其它傳統回歸方法一樣，Logistic回歸受限于經典獨立性假設。然而，在產品空間中，各個節點之間存在相互依賴關系，即已有網絡結構會影響到一條邊的創造，因而不是獨立的。此外，傳統回歸分析局限在節點對關系上，無法分析更復雜的網絡結構如何影響網絡演化。為此，本文采用由Hanneke等[24]開發的TERGM，主要通過估計、診斷、仿真、比較和改進等步驟不斷對模型進行模擬和參數修正，使得參數估計趨于穩定，進而檢驗哪些外生和內生因素顯著促進或者抑制網絡邊形成。

3 實證分析

3.1 特征事實

3.1.1 描述性統計

為了更好地展現網絡基本特征，針對本文選取的10個年份，表1主要統計了節點數、度中心度、結構洞、傳遞性、最大子群數量及其比例、直徑、平均路長、星型構局數量、三角形結構數量以及集聚系數等指標。表1顯示，通過篩選中國產業代碼和中國出口優勢產業代碼，1962―2015年節點數量(Networksize)范圍為452～544，再次驗證了在全球產品空間基礎上篩選中國優勢產業組合的可行性和必要性。平均路徑長度(Pathlength)是網絡中每對頂點之間最短距離的平均值，而直徑(Diameter)是網絡中最長的測地距離，其中平均路徑長度約為4，表明數據具有聚類特征。星型構局數量(Kstar)、三角形結構數量(Triangles)和集聚系數(Clustering)均表明中國優勢產業組合存在潛在星型構局和集聚構局。

表1 基本網絡特征

值得注意的是，從表1可以觀察到改革開放和加入世貿組織等重大政策方針均對中國優勢產業組合動態演化產生影響。一方面，在1979年之后，星型構局數量(Kstar)和三角形結構數量(Triangles)均實現較大幅度下降，說明隨著改革開放的推進和計劃經濟轉向市場經濟，軸心產業以及鏈式發展路徑受到很大程度抑制。隨著市場機制運行和國際市場監督加強，政府扶持重點產業發揮的軸式發展路徑和鏈式發展路徑政策必然會受到影響，例如反傾銷、反補貼等國際制裁。另一方面，加入世界貿易組織之后，2003―2015年期間星型構局數量(Kstar)和三角形結構數量(Triangles)均實現較大幅度上升，說明隨著中國國際地位上升以及全球化趨勢增強，中國優勢產業組合的技術關聯發揮越來越重要作用，無疑會促進出口競爭優勢產業的軸式發展路徑和鏈式發展路徑，進而帶動其它產業轉型升級。

此外，由于10個年份中1962、1979、2000和2015年具有不同政策含義，本文選取以上4個年份進行度和可視化分析。圖1分別繪制了1962、1979、2000和2015年的度分布，并顯示1962―2015年的度分布均呈現顯著的冪次分布，即度的頻率隨著度數量上升而呈現指數速率下降。冪次分布為社會網絡分析的主要現象[25]，形象地展現出星型構局特征，能夠為可視化和實證分析提供準確指導和參考。通過比較1962、1979、2000和2015年的度頻數變化，再次驗證TERGM的適用性。

3.1.2 可視化分析

借鑒Hidalgo等[2]的做法，本文繪制了1962、1979、2000和2015年中國優勢產業組合動態演化，如圖2所示，生動形象地比較分析了中國產業結構的演化路徑。圖2中不同節點代表特定的四位碼細分產業，不同節點顏色和形狀表明所屬的5大類產業，連線表明兩種出口優勢產品的鄰近性，節點面積大小代表與該產業相連的其它產業總數。

整體上看，1962―2015年期間，中國優勢產業組合動態演化展現出較強的穩定性，一直保持中心―邊緣網絡模式，但整體創新性不明顯。具體來講，1962年市場經濟政策主導特征促使中國優勢產業組合形成非常明顯的中心―邊緣結構。其中，低技術產業(LT)占據核心位置，而高技術產業(HT)處于邊緣位置。相比較于1962年，1979年中國優勢產業組合出現了較大變化，雖然中心―邊緣結構仍然顯著，但中心―邊緣網絡模式趨于弱化，產業分布相對均勻，中心產業開始與邊緣產業構建關聯，2000年和2015年仍保持上述趨勢。2000年，雖然低技術產業(LT)在中心位置仍然占據較大比例，但中技術產業(MT)開始在中心位置凸顯，同時高技術產業(HT)仍處于邊緣位置。2015年，低技術產業(LT)、中技術產業(MT)和高技術產業(HT)均出現在中心位置，且比例相差幅度明顯縮減。由此可以得出結論，中國優勢產業組合在保持穩定性基礎上，有效實現了產業升級。

圖1 1962―2015年中國優勢產業組合度分布

圖2 1962―2015年中國優勢產業組合動態演化

3.2 TERGM實證結果

表2中模型1作為基準模型，包括了密度、點屬性和邊屬性控制變量；模型2～5在模型1基礎上，依次加入星型構局、三角形構局、穩定性、創新性。表2顯示，密度的參數估計均顯著，表明中國優勢產業組合密度較低[26]，說明當網絡中增加一條新邊時，可觀測到網絡中另一個節點對相連的概率小于0.01%；中心度、結構洞和傳遞性變量等控制變量均顯著為正，符合現有研究結論，均有利于產業升級；5大產業分類的行業同配性參數估計值均顯著為正，尤其是初級產品、低技術產品和高技術產品，說明同配產業之間技術關聯較強，有助于促進出口優勢細分產業帶動同行業分類的其它細分產業升級，即同質效應得到有力支持。通過比較不同產業分類的參數估計值大小可知，低技術產業系數為0.34，明顯大于其它產業分類系數，說明低技術產業的同配機制更為顯著。也就是說，由于低技術產業技術轉移成本較低，技術溢出更為顯著，隱性知識傳播受到的阻力也越小，因此低技術產業內細分產業更容易發生技術關聯，產生輻射和引領作用。

星型構局Gwdegree的參數估計顯著為正，說明星型構局正向促進中國優勢產業組合動態演化，從而實現產業升級。星型構局Gwdegree是由多項度分布的幾何加權和，綜合反映了不同度分布的結構效應。三角形構局Gwesp的參數估計也顯著為正，說明中國優勢產業組合傾向于涌現三角閉合結構，導致產業鏈式發展路徑。以模型5為例，星型構局Gwdegree、三角形構局Gwesp系數分別為3.86和1.24，表明兩者對產業升級的影響要大于密度、點屬性和行業同配性，兩者共同體現中心―邊緣趨勢。也就是說，位于優勢產業組合“中心區”的產業更容易跳躍到鄰近產業，從而實現“相關多元化”發展和鏈式發展路徑；優勢產業組合“邊緣區”的產業則由于缺乏與“中心區”產業技術關聯或技術距離較大，很難實現產業結構轉型，從而陷入“低端產品”陷阱。因此，當存在依賴性關系時，結構依賴疏忽將導致協變量估計偏誤，錯誤地將結構依賴效應歸納為協變量的解釋能力。此外，時間依賴的穩定性和創新性參數估計均為正，說明中國優勢產業組合動態演化同時存在穩定性和創新性。但是，穩定性顯著，而創新性并不顯著，穩定性系數也比創新性系數大，兩者均表明整體上中國優勢產業組合動態演化呈現出顯著的穩定性，創新性較弱。由此可知，中國優勢產業組合演化路徑更多體現為漸進式發展，而不是跨越式發展。

3.3 穩健性檢驗

3.3.1 GOF檢驗

與傳統回歸模型利用調整R2推斷模型擬合的方式不同，為了判斷TERGM對觀測網絡的有效性和適用性，本文進行擬合優度分析(GOF)，通過擬合模型進行網絡仿真，并網絡采樣10 000次，如果得到的模擬網絡與觀測網絡具有相似結構特征，則說明模型擬合效果好，否則說明擬合優度低。本文選擇5個典型統計量作為比較指標，包括度中心性、二元共享伙伴、測地線距離、邊共享伙伴、星型構局和三角形結構。驗證結果表明，TERGM較好地模擬了觀測網絡的結構特征，能捕捉優勢產業組合的動態演化機制。

3.3.2 不同計算方法

馬爾可夫鏈蒙特卡羅極大似然估計法(MCMCMLE)從所有潛在網絡中隨機選擇一個網絡，將該網絡中二元組隨機選擇實現從1到0或0到1變動，對比變動前后的網絡差異性，基于一定閾值范圍考慮是否接受變動后的新網絡，抑或是進行新一輪二元組選擇和變動。上述“提出―比較―決定”過程將通過ERGM的MCMC.samplesize選項設定重復進行10 000次迭代估計，直至整個MCMC鏈全部完成，兩者結論一致，但MCMC耗時更長。

3.3.3 不同時間窗口

本文重新選取3年為時間窗口，得到19個年份，再進行TERGM，兩者結論較為一致。不同的是，時間依賴的創新性顯著為正。可能的解釋是，短期內中國優勢產業組合技術關聯帶動部分出口產業成為新出口優勢產業，進入國際市場博弈，因而創新性增強；長期內，中國優勢產業組合的新出口優勢產業擠占了已有出口優勢產業，導致創新性減弱。

3.3.4 不同閾值

基于張其仔和李顥[6]對閾值的選擇范圍，本文重新將閾值設定為0.65。對利用新閾值得到的中國優勢產業組合數據進行TERGM分析，基本結論保持不變。不同的是，三角形構局Gwesp的參數估計值增大，并且樣本數量急劇減少。結果說明，閾值越大，產業組合之間技術關聯越強，篩選要求越高，產業間距離越小，也就越容易帶動相關產業形成鏈式發展路徑，有效實現產業升級。

3.3.5 不同樣本范圍

本文通過剔除新進入產業和退出產業，篩選出1962―2015年間持續出現在中國優勢產業組合節點的產業，重新進行TERGM分析，發現Gwdegree的參數估計值減小。對此解釋為，軸心產業的軸式發展路徑不僅體現在帶動原有產品空間產業，也表現為吸引更多新產業加入到優勢產業組合，而刪除新進入產業的做法無疑會削弱軸心產業的輻射規模。

表2 TERGM實證分析(中國)

注：*表示0不在置信區間，括號中為在置信水平5%的置信區間

3.4 靜態ERGM實證分析

ERGM主要功能是在克服獨立性假設和結構依賴基礎上，探討哪些結構變量顯著影響特定網絡模式的形成，并且經過估計、診斷、仿真、比較和改進等步驟使模擬網絡的網絡構局越來越接近觀測網絡。由此可知，ERGM模型設定和TERGM基本相同。不足的是，一方面，受限于截面和靜態數據分析，不能夠有效揭示優勢產業組合動態演化機制；另一方面，不包含時間依賴變量，難以模型化穩定性和創新性。此外，赤池信息準則(AIC)和貝葉斯信息準則(BIC)通常被用來評判模型的擬合程度。

針對1962―2015年間10個年份，本文得到表3。表3顯示，中國優勢產業組合的動態演化機制呈現出軸式發展路徑和鏈式發展路徑。具體來說，行業同配性機制在1962―2015年均顯著為正，說明行業同質效應得到有力支持。其中，1962―1985年高技術產業同配性參數估計并不顯著，表明技術關聯不強；1991―2015年高技術產業同配性參數估計顯著為正，并且系數大小也得到提高，表明技術關聯開始增強，說明中國能夠憑借少數高技術競爭優勢產業帶動其它高技術產業發展。同時，不同年份的軸式發展路徑顯著不同，尤其1979年其參數估計值達到最大值，在1979年之后，也就是改革開放之后，由于政府政策支持力度減弱以及市場經濟制度轉變，軸式發展路徑呈現逐級遞減趨勢，逐步受到國際市場抑制。此外，不同年份的鏈式發展路徑也顯著不同，主要發生在1979年和2003年前后。說明改革開放和加入世貿組織的重大政策方針顯著促進鏈式發展路徑，并且其參數估計值分別在1979年和2003年達到最大值，但隨著政策實施的推移，其促進作用逐漸減弱。

表3 ERGM實證分析(中國1962―2015年)

注：*、**、***分別表示在10%、5%、1%的置信水平上顯著，括號中為標準差

4 結論與政策建議

本文利用1962―2015年128個國家和地區783個產業構成的產品空間數據，采用前沿社會網絡分析方法TERGM推斷中國優勢產業組合動態演化機制，有效解釋了中國優勢產業組合呈現中心―邊緣宏觀網絡結構特征的微觀網絡構局及其變化。結果表明，TERGM能夠同時將多種內生和外生因素納入同一分析框架，是全面揭示網絡演化的有力分析工具；星型和三角形結構依賴共同表明軸式發展路徑、鏈式發展路徑導致形成中國優勢產業組合的中心―邊緣結構；時間依賴驗證了我國漸進式發展戰略，且改革開放和加入世貿組織等重大政策方針能夠促使中國產業結構發生顯著變化。根據上述研究結論，本文提出以下建議：

(1)我國應不斷加強軸心產業質和量的提升，尤其是具備軸式發展路徑的中、高技術產業，如工業機械設備、機器零件和發電機械設備產業等。中、高技術軸心產業不僅會催化其在產業升級中的主導作用，還會引領低技術產業與新興產業協調發展，從而打破產業發展不平衡，創造和諧和一體化的市場環境及產業發展路徑。

(2)我國應積極引導、完善產業鏈整體發展，有效構建具有中國國際競爭優勢的優勢產業組合，推進鏈式發展路徑。目前，雖然高附加值的中、高技術產業開始在國際博弈中嶄露頭角，但力量仍然薄弱。應有效避免單個優勢產業在國際市場單打獨斗，努力增加與其存在技術相關性的優勢產業數量，進而為優勢產業組合的動態演化發展提供更充足的要素稟賦支持、技術相關性和路徑選擇。

(3)積極建立良性的產業發展進入、退出機制，進一步強化優勢產業組合在保持穩定性的同時，實現創新性。一方面，產業升級應穩步推進，即追求技術創新的同時更要注重自身資源和能力的積累，不斷推進漸進式發展戰略。如果執迷于彎道超車、顛覆性創新等，難免會陷入產業升級陷阱。另一方面，科學引導落后和過剩產業退出市場，避免“僵尸產業”占用有限資源，給新進入產業提供充足發展空間，逐步實施跨越式發展戰略，從而實現資源優化配置。