經濟增速放緩與區域動態調節1

陳安平

0 引言

我國經濟增長的速度近年來有所放緩，GDP年均增長率從之前的10%降至7%左右，且有下行壓力。宏觀經濟的這一變化無疑會給區域經濟帶來沖擊。(1)關于我國經濟下行所帶來的沖擊，有研究認為是需求(比如出口下降)引起，但更多研究認為是由于供給因素(比如人口紅利消失)造成(見Cai, 2016; Chen and Groenewold, 2019; Lin, 2019; Tian, 2019)。本文是從總體上考慮經濟增速變化所帶來的沖擊，并未具體區分是哪一類型的沖擊。由于我國區域之間存在明顯的空間差異，各地對宏觀沖擊的響應可能不同。比如，在2012年，除新疆和甘肅外，其他省份的地區生產總值增長率都有所下降，其中天津、山西、內蒙古和遼寧的降幅最為明顯，較上一年下降約3個百分點，而北京、上海、寧夏和云南的變化相對較小。到2017年，天津、山西、內蒙古和遼寧的增長速度進一步下滑，與2011年相比下降超過6個百分點，除了這幾個省份外，吉林、湖北、四川、重慶、甘肅、青海等地的增速也有較大幅度下降，但另一些省份如北京、上海、浙江和廣東則變動很小。顯然，宏觀經濟增速減緩時各地的表現差異明顯，且有動態變化的趨勢。(2)如果用2012年后其他年份的數據來做比較，也能得出同樣的結論。

現有文獻主要是從全國總體層面分析我國經濟增速放緩的原因、效應及應對策略(比如，劉偉和蘇劍, 2014; 劉樹成, 2015; 蔡昉, 2016a; 林建浩和王美今, 2016; 鄭挺國和黃佳祥，2016; 王少平和楊洋, 2017; 陳彥斌等, 2018; Lin et al., 2016; Bai and Zhang, 2017; Lu, 2017; Blagrave and Vesperoni, 2018; Lin, 2019; Tian, 2019)，很少有文獻從區域層面展開研究。(3)一個例外是姚樹潔(2015)，他從區域層面分析了經濟增速放緩背景下經濟發展的路徑，認為發達地區要沖在技術和資源利用的前沿，大力推進產業升級換代，欠發達地區要通過交通、信息等手段，加快承接沿海地區傳統產業的轉移。本文擬彌補這個不足。具體而言，本文將關注以下問題：宏觀經濟增速減緩這一沖擊對區域經濟帶來了什么影響？這些影響是否具有空間異質性？各區域面對宏觀沖擊時是如何自我調節的？對于這些問題的研究不僅具有重要的政策含義，也有助于深化對我國經濟增速放緩的理解。

為了回答以上問題，本文提出了一個分解方法，把區域產出增長率分解為就業、資本、勞均產出和單位資本產出四個部分，然后利用2000年后的省級數據建立差分模型，通過比較受沖擊影響較大區域和較小區域就業、資本、勞均產出和單位資本產出增長率等在沖擊前后的變化，來識別宏觀經濟沖擊對各地的影響及機制。其中的一個難點在于如何測度經濟增速放緩給各地帶來的沖擊。如果簡單地以各省地區生產總值增長率的變化來衡量沖擊，則可能存在較大誤差，因為各地的經濟增長除了受宏觀沖擊的影響外，還受區域特定因素的影響。為了克服這個問題，本文采用Bartik(1991)的偏離份額(shift-share)方法，結合全國各個產業增加值的增長率和沖擊前各省相應產業所占比重，構造了一個測度宏觀經濟沖擊的指標。

本文研究發現，宏觀經濟增速放緩對各地的影響顯著不同，從區域自我調節來看，資本的響應要快于就業，但持續的時間相對較短。與受沖擊影響較小區域相比，受沖擊影響較大區域的就業和資本，特別是二、三產業的資本增長率明顯偏低，表明這些區域受到沖擊后勞動力和資本發生了外流。但從資本產出率和人均產出兩個指標來看，受沖擊影響較大區域的增長率要高于其他區域。這似乎是一個悖論，一方面這些區域的勞動力和資本在流出，另一方面其生產率在提高。本文給出了一個解釋，即經濟增速放緩時企業面臨的競爭壓力加大，但投資于創新的機會成本降低，因此受沖擊影響較大區域更愿意投資于高技術產業，從而推動產業結構升級，有助于提升其生產率。利用各省高技術制造業和高技術服務業的投資數據，本文給出了支持該解釋的證據。

通過從區域視角展開研究，本文突破了現有文獻僅從全國總體層面分析經濟增速放緩的局限，為我國經濟增速的變化研究提供了一個新的方向。實際上，國際上已有許多研究討論總體經濟變化對區域經濟的影響。比如，Hoynes et al. (2012)和Yagan (2019)研究了美國經濟衰退對各州就業和失業的影響，Bitler and Hoynes (2015)比較了經濟波動時美國各州貧困率的變化。也有研究分析經濟波動對微觀個體的影響，比如Guvenen et al. (2014)使用美國個人收入微觀數據，分析了前1%高收入人群的收入和其他人群相比，在經濟衰退前后有何不同，Jensen and Johannesen (2017)研究了金融危機對丹麥個人消費信貸的影響。然而，針對我國經濟增速放緩的研究，目前尚停留在從全國層面分析其原因、效應及應對策略上。

本文拓展了宏觀沖擊區域效應文獻的研究內容。此類研究多從就業和工資等出發，討論各種沖擊對區域經濟的影響。比如，Dix-Carneiro and Kovak (2017)分析了貿易自由化對巴西各區域就業和工資的影響，Hershbein and Kahn (2018)研究了經濟衰退對美國各地不同技術工人需求的作用，Feyrer et al. (2017)討論了技術沖擊對美國各州就業與工資的影響。本文把區域產出分解為資本、就業、勞均產出和資本產出率，通過比較各分解變量在經濟沖擊下的響應，對區域自我調節機制有了更深入的理解。本文研究顯示，資本的調節速度要快于人口和就業，這說明研究宏觀沖擊的區域效應時，至少在關注短期效應時，資本和資本產出率是不可或缺的指標。

熊彼特的破壞性創新理論表明，經濟狀況不好時，創新的機會成本降低，企業更愿意投資于創新產品，低生產率的企業會被淘汰，讓位于高生產率的企業，本文的發現在一定程度上支持該理論。本文研究也與競爭壓力理論(Hall, 2005; Gibbons and Roberts, 2012)相符，即經濟增速放緩時，企業之間的競爭加劇，破產倒閉的風險增高，此時企業會更注重效率而非增長。有文獻提供了相應的經驗證據，比如，Hershbein and Kahn(2018)的研究顯示，經濟下行時企業更傾向于提高對高技能勞動力的需求。與之不同的是，本文是從投資，而不是人力資本角度出發，發現受沖擊影響較大區域更傾向于投資高技術產業，推動產品升級換代，從而提高這些區域的生產率。

本文也豐富了產業結構升級的研究文獻。研究表明：相對于第三產業，第二產業對宏觀沖擊的響應更強，高技術制造業的發展對于產業結構升級的作用突出。劉偉和蔡志洲(2018)通過比較中美兩國的三次產業結構，認為我國已完成了由傳統結構向現代結構的轉化，但與發達國家相比，在結構升級，特別是第三產業的發展上還有很大空間。韓永輝等(2017)以及袁航和朱承亮(2018)等從產業政策和國家高新區等視角分析了三次產業結構升級的影響因素。與這些研究相比，本文不僅關注三次產業，還從高技術制造業和高技術服務業視角分析了產業升級，發現高技術產業，特別是高技術制造業是推動產業結構轉型升級的關鍵，這與孫早和許薛璐(2018)的發現相一致。

論文其余部分的安排如下：第1部分提出了把產出進行分解的方法，并對區域產出四個分解變量的變化做了描述性分析。第2部分給出了計量模型，構建了衡量沖擊的指標，對變量的設定及數據來源做了說明。第3部分是實證結果，從資本、就業、單位資本產出、勞均產出和人均產出等幾個方面分析了宏觀沖擊對區域經濟的影響，也報告了穩健性檢驗結果。第4部分進一步分析了經濟增速放緩時各地投資于高技術產業的不同表現及其影響。最后是論文的結論。

1 區域產出分解

宏觀經濟沖擊下區域層面可觀測到的一個明顯特征是產出增長率的波動，而這又緣于資本和勞動力空間配置的調整及其生產率的變化。鑒于此，本文從區域產出增長率入手，將其分解為四個部分，即就業增長率、資本增長率、勞均產出增長率和單位資本產出增長率，通過各分解部分在經濟增速放緩前后的變化來識別宏觀沖擊對區域經濟的影響，分解方法具體如下。

假設區域產出為C-D生產函數：

Y=AKαLβ

(1)

其中Y表示產出，K表示資本，L表示勞動力或就業，A,α和β為參數，對式(1)兩側取對數再取微分，則可得到下式：

dlnY=αdlnK+βdlnL

(2)

式中d表示微分，ln表示取對數，式(2)可轉化為：

(α+β)dlnY=αdlnK+βdlnL+(α+β)dlnY-αdlnK-βdlnL

(3)

經過整理，上式可寫為：

(α+β)dlnY=αdlnK+βdlnL+α(dlnY-dlnK)+β(dlnY-dlnL)

(4)

兩側同除以α+β，令a=α/(α+β),b=β/(α+β)，則有

dlnY=adlnK+bdlnL+adln(Y/K)+bdln(Y/L)

(5)

由于對數的微分近似于增長率，這樣，通過上式可把產出增長率分解為就業(L)、資本(K)、單位勞動的產出或勞均產出(Y/L)、單位資本的產出或資本產出率(Y/K)的增長率，其中前兩項表示生產要素的調整，后兩項分別表示勞動生產率和資本生產率的變動。實際上，式(5)是一個恒等式。盡管本文從C-D生產函數出發推導出該分解式，但式(5)本身并不需要以C-D生產函數為條件，只要滿足a+b=1這個條件，該分解式即成立。

式(5)可以用來分解區域產出，但這并不表明區域產出和各分解部分之間存在任何因果關系，不能簡單地以各分解部分對區域產出增長率的回歸來識別經濟增速放緩的影響。在接下來的實證研究中，本文將構造一個能捕捉宏觀經濟變化時各地所受影響的外生沖擊變量，然后把式(5)中的四個分解部分在全國經濟增速放緩前后的變化作為因變量，分別對該沖擊變量進行回歸，據此探究宏觀沖擊對各地生產要素及其生產率的影響。

圖1展示了2001至2016年間全國31個省、直轄市和自治區產出增長率四個分解變量的平均值。(4)產出、資本與就業的變量定義和數據來源見論文第2節的說明，受資本數據所限，本文沒有分析2016年后的變化。可以看出，各變量的變化趨勢不同。相比于其他分解變量，資本增長率是最高的，除個別年份外，都在10%以上。從趨勢來看，2001到2010年間資本增長率逐年遞增，但從2011年起，增速開始下降，到2016年降至10.8%，比2010回落3.8個百分點。就業增長率的趨勢和資本類似，但波動更為明顯。在2011年前就業增長率保持上升態勢，2011年達到12.6%，但此后開始下降，到2016年，就業增長率僅為3.9%。單位資本產出增長率是四個分解變量中最低的，在多數年份中甚至為負，但從趨勢看，2014年后有比較明顯的上升態勢。勞均產出的增長率相對較高，在2010年達到7.5%后，開始下降，但從2013年起，又有回升趨勢。總之，圖1表明，盡管區域產出增長率四個分解部分的差異明顯，波動的時點和幅度并不完全一致，但一個共同特征是，近年來其增長趨勢有明顯變化。

圖1 資本、就業、單位資本產出和勞均產出增長率

以上分析是基于全國所有省份的平均值，如果從各省之間的比較來看，其差異更為明顯。為了觀察宏觀經濟沖擊前后各省資本、就業、單位資本產出和勞均產出增長率的變化，根據全國GDP增長速度的變化，把樣本時期分為三個部分，即2001—2006年，2007—2012年和2013—2016年，其中第一個時期對應經濟高速增長時期，第二個時期為經濟減速時期，第三個時期為中高速增長時期。(5)三個時期劃分的詳細說明見論文第2節。然后計算各省產出增長率四個分解變量在第一和第三個時期的平均值，再用第三個時期的均值減去第一個時期的均值，結果報告在圖2中。

圖2 省際之間資本、就業、單位資本產出和勞均產出增長率

從圖2(a)可看出，資本增長率的變化在省際之間的差異非常明顯，有11個省份的資本增長率在2012年后有所下降，其中內蒙古、遼寧、上海、江蘇和重慶降幅最大，超過了3個百分點。其他省份的資本增長率在2012年后有所上升，其中內陸省份如內蒙古、云南、青海和新疆等地的表現最為搶眼，青海的資本增長率在2012年后甚至提高了7.4個百分點。

就業增長率的變化如圖2(b)所示，多數省份的就業增長率在2012年后有所提高，其中安徽、河南、四川和陜西等中西部省份的就業增長率增加了約8個百分點，內蒙古、吉林、重慶、西藏和甘肅的增幅也超過了6個百分點。在就業增長率下降的省份中，遼寧、黑龍江、湖南和云南等地比較突出，其降幅在3個百分點左右。

單位資本產出增長率的變化如圖2(c)所示，與投資和就業增長率的變化明顯不同，除了個別省份如重慶和西藏外，其他地區單位資本產出的增長率在經濟增速放緩后有所下降，其中，山西、黑龍江、海南和青海下降最為明顯，降幅超過了6個百分點。圖2(d)表明，勞均產出增長率的變化和單位資本產出增長率類似，除了湖南和云南兩省之外，2012年后其他省份在下降，其中有7個省份的降幅甚至超過了10個百分點，內蒙古更是超過了15個百分點。

總之，以上分析表明，區域產出增長率四個分解變量的趨勢在近年來有所變化。分省來看，多數省份的資本和就業增長率在全國經濟增速放緩后有所提高，單位資本產出和勞均產出的增長率在2012后則有所下降。無論是哪一個指標，省際之間的差異都非常明顯，這在一定程度上表明各地受宏觀經濟沖擊的影響可能不同。以下將建立計量模型，將各分解變量的變化與各地受到的沖擊聯系起來，據此研究宏觀沖擊的區域效應。

2 計量模型、變量和數據說明

本文以省(自治區、直轄市)為單位，采用2000至2016年的數據，通過不同省份受沖擊影響程度的差異，來識別宏觀沖擊對區域產出各分解變量的影響。具體做法是以各省就業、資本、勞均產出、單位資本產出的增長率在沖擊前和沖擊后的變化為因變量，對沖擊變量和年份固定效應的交乘項進行回歸，計量模型設定如下：

Growi,t-Growi,2007=α+βPreGrowi,2000—2006+(gshocki×It)γI+It+Reg+εit

(6)

其中Grow是就業、資本、勞均產出、單位資本產出的增長率，i和t分別表示省份和年份，PreGrow是沖擊前這些變量的增長趨勢，gshock是衡量經濟增速放緩所帶來的沖擊變量，I是年份固定效應，Reg是區分東中西三大區域的虛擬變量，ε是隨機誤差項。

模型的左側是沖擊后各省就業、資本、勞均產出、單位資本產出增長率與沖擊前這些變量增長率的差值。本文從2013年開始分析宏觀沖擊的影響，即t=2013,2014,2015,2016，沖擊前的年份選為2007。因此模型的因變量是2013年及其后各年就業、資本、勞均產出、單位資本產出增長率與這些變量在2007年的增長率之差。這樣選擇年份的主要考慮是我國GDP的增長率在2007年達到了一個峰值14.2%，此后有所回落，自2012開始一直在8%以下，從高速增長轉為中高速增長。(6)以2012年為我國經濟增速變化的一個時間節點是文獻中的通行做法，比如蔡昉(2016b)的研究。因此將樣本時期分為三個階段，其中2000—2006年為沖擊前，2013—2016年為沖擊后，2007—2012年則用來測度沖擊。

考慮到沖擊前增長快的區域受沖擊的影響可能會大于增長慢的區域，因此在模型中包含了各變量從2000到2006年的增長率，以控制沖擊前各省的增長趨勢(PreGrowi,2000—2006)對估計結果的影響。(7)之所以沒有用更早的時期來衡量沖擊前的趨勢，是考慮到2000年前的經濟可能受其他沖擊，比如1997年金融危機的影響。對于沖擊變量(gshocki)，本文采用各省2012年和2007年產出增長率預測值之差來衡量，下文將做詳細說明。通過在模型中引入沖擊變量和年份固定效應的交乘項(gshocki×It)，可以估計沖擊對各省經濟在2013年及其后各年的影響。γI是本文關注的關鍵系數，其含義在于：與受沖擊較小區域相比，受沖擊較大區域的就業、資本、勞均產出、資本產出等變量的增長率(相對于沖擊前)在沖擊后是上升了，還是下降了。比如，當t=2013時，γI的估計系數衡量的是各變量2013年的增長率與2007年相比，受沖擊的影響有多大。當t=2014,2015,2016時，其含義依次類推。式(6)實際上是差分模型，控制了省級層面不隨時間變化的因素。為了消除經濟波動對結果的可能影響，在模型中加入年份固定效應。考慮到三大區域之間存在明顯的異質性，在模型中加入了表示東中西部的虛擬變量。(8)東中西三大地區的劃分采用傳統方法，東部包含北京、天津、河北、遼寧、上海、江蘇、浙江、山東、福建、廣東、海南和廣西，中部包含山西、內蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南，其他省份為西部。為了減輕誤差項可能存在的相關性，將采用聚類穩健標準誤(clustered error)。(9)我們也嘗試了穩健標準誤(robust error)，發現沖擊效應的顯著性在多數情況下有所增強。

式(6)中gshocki表示各省受到的宏觀沖擊大小，這是本文的關鍵變量。文獻中衡量宏觀沖擊的常用變量是失業率(比如Bitler and Hoynes, 2015)，但由于缺少每個省歷年來的調查失業率數據，此方法對本文研究并不可行。一個類似的方法是用各省產出的實際增長率來衡量。但區域經濟增長除了受宏觀沖擊的影響外，還受區域特定因素的影響，如果用各省產出的實際增長率作為衡量沖擊的指標，則可能不能準確度量各地受到的沖擊。為了克服這個不足，本文采用兩步法，先用全國各產業增加值的增長率和每個省的產業結構來預測各省的增長率，再用沖擊前后預測值的差值來衡量各地受到的沖擊。其中第一步，采用文獻中常用的Bartik(1991)偏離份額(shift-share)方法，假設全國第S個產業增加值的增長率為gNS，i省第S個產業所占的比重為ShareiS，那么i省經濟增長率的預測值為：

(7)

本文根據上式，用2007年和2012年全國各產業增加值的增長率，結合2004到2006年間各省各產業增加值所占比重的平均值即其產業結構，來預測各省在2007年和2012年的增長率。第二步再用兩者之差來度量各地所受到的沖擊大小(gshocki)。之所以用2007年前的產業結構數據，而不是2007—2012年的數據，是為了避免2007年后經濟增長對產業結構的影響，使用3年的平均值是為了減輕經濟波動對結果的影響。對于產業劃分，采用了9大產業的分法，包括農林牧漁業、工業、建筑業、批發零售業、交通運輸業、住宿餐飲業、金融業、房地產業、其他行業，具體劃分及數據來源見國家統計局網站上的“國家數據”。(10)本文也嘗試基于19個行業分類的就業數據來構造沖擊變量，但結果并不理想，一個可能的原因是國家統計局公布的分行業就業數據僅包含“城鎮單位就業”，涵蓋的就業范圍有限，不能準確衡量各產業就業變化。采用偏離份額法構造沖擊變量是文獻中的常用做法(Blanchard and Katz, 1992; Notowidigdo, 2011; Hershbein and Kahn, 2018; Acemoglu and Restrepo, 2020)。由于各省的產業與全國對應產業受到的沖擊相似，而且在預測各省產出增長率時采用的是沖擊前的產業結構，因此用該方法為各省構造的沖擊變量與各地在經濟增速放緩時期的特定因素無關，體現的只是各地受宏觀沖擊的影響，是一個比較理想的外生沖擊變量。

為了對gshock變量有一個直觀的印象，圖3展示了2012年和2007年各省經濟增長率預測值的差值。顯然，與2007年相比，所有省份2012年的增長率都有一個較大幅度的下降，說明各省都受到了負的沖擊。其中增長率下降最為突出的是北京和上海，其降幅約8個百分點，天津、浙江、江蘇和廣東也下降了7個百分點左右，西藏和海南下降的幅度最小，不到5個百分點。從分布來看，處于10%分位的省份(新疆)的增長率預測值下降了5.3個百分點，而處于90%分位的省份(天津)的增長率預測值下降了7.1個百分點，兩者之間相差約2個百分點。(11)如果用各省產出的實際增長率來做比較，處于10%分位和90%分位省份的增長率相差約7個百分點。這在一定程度上反映產出實際增長率比預測增長率包含更多“噪音”，說明實際增長率除了受宏觀沖擊的影響外，還可能受各省特定因素的影響。總之，各省之間經濟增長率的變化存在明顯的空間差異，即使在東中西三大地區內部，這種差異也比較明顯。本文正是利用這種空間差異來識別經濟增速放緩對各省資本、就業、資本產出率、勞均產出的影響。由于gshock的數據為負值，為了便于解釋，在下文的實證中，對gshock做了符號反向處理，即數值越大表示該省所受沖擊越大。

圖3 gshock的空間分布

為了觀察以上計算的沖擊變量gshock和產出實際增長率之間的關系，根據模型(6)，以2001年到2016年各省產出增長率和2007年產出增長率的差為因變量，對gshock和時間固定效應的交互項進行回歸，系數估計結果見圖4。(12)為了觀察整個樣本期間產出增長率和沖擊變量gshock的關系，回歸從2001年開始，因此沒有加入沖擊前的趨勢變量，也沒有加入地區虛擬變量。其中系數估計值的大小用圖中的黑點表示，其90%置信區間用長虛線表示。從圖中可以看出，在2005年前，系數估計值為正，表明在此時期受沖擊影響較大區域的產出增長率(相對于2007年)要高于受沖擊較小區域。在2005年至2006年兩年間，經濟增長率在各省之間幾乎沒有差別。從2007年起，受沖擊影響較大區域實際產出增長率的降幅明顯大于受沖擊影響較小區域，這種趨勢一直延續到2011年。從2012年起，情況發生了改變，受沖擊影響較大區域的情況有所改善，其與受沖擊影響較小區域經濟增長率的差距不斷縮小。以上比較顯示，本文構造的gshock變量和沖擊測度時期(2007—2012)產出實際增長率的變化聯系緊密，但與沖擊前和沖擊后經濟增長率的變化關聯度不高，這說明gshock是度量經濟增速放緩沖擊的一個較好指標。

圖4 區域經濟增長率和沖擊變量的關系

模型(6)中其他變量如就業、資本、勞均產出、單位資本產出等的具體設定如下：對于就業，本文采用各省城鎮單位就業來衡量，即城鎮國有單位就業、集體單位就業、其他單位就業、私營企業個體就業的加總，數據來源于《中國勞動統計年鑒》和《中國人口和就業統計年鑒》各期。(13)早期的統計年鑒公布各省總的就業，但近年來出版的年鑒僅公布城鎮單位就業，為了保持數據的一致性，本文采用了城鎮單位就業。資本是根據盤存永續法推算而來，具體見Wu(2016)。(14)各省2000—2016年的資本數據由Wu(2016)論文作者，澳大利亞西澳大學經濟系吳延瑞教授提供。各省的產出及其增長率數據來源于《中國統計年鑒》各期，和資本一樣，采用以2010年為基期的實際值。勞均產出是各省產出與就業的比值，單位資本產出或資本產出率為各省產出與資本存量的比值。

3 實證分析

3.1 就業所受影響

根據模型(6)，本文首先估計宏觀經濟沖擊對就業的影響，結果見表1。從第(1)列的估計結果可看出，沖擊效應(即沖擊變量與時間固定效應交乘項)的系數在4年中都為正，但無論哪一年，系數均不顯著。這說明從總體上看，經濟增速放緩對各省就業的影響并無顯著差異。考慮到面對沖擊時，各種類型經濟體的自我調節模式可能不同，因此把就業分為國有單位就業、集體單位就業、私營企業和個體就業以及其他單位就業，再利用式(6)分別進行回歸，結果報告在表1的第(2)到第(5)列中。(15)本文所用就業數據為“城鎮單位就業”，與各產業很難精確對應，因此這里按所有制類型分類，而沒有按產業來分類研究，在下文研究資本所受影響時，采用了三次產業的分類。從這些估計結果來看，對于國有單位和其他單位就業，沖擊效應的系數多數為負，但僅在2013年其他單位就業的估計結果中顯著。對于集體單位就業，沖擊效應的系數在前兩年為正，后兩年為負，但只在2014年顯著。對于私營個體單位就業，沖擊效應的系數在4年中均為正但顯著性不高。總之，分經濟類型來看，宏觀沖擊的影響在區域間有所不同，但沖擊效應顯著的較少，這和總體就業的估計結果類似，說明即使分不同經濟類型來看，經濟增速放緩對就業的影響也不明顯。

表1 就業效應的估計結果

對于控制變量，沖擊前的增長趨勢在集體單位就業的回歸中顯著為負，在其他回歸中系數為正但不顯著，說明除集體單位外，2007年前的增長趨勢對各省就業增長率之間的差異沒有顯著影響。年份固定效應多數為負，在其他單位就業的回歸中顯著，說明就業增長率近年來有下降趨勢，東部和中部虛擬變量系數的顯著性不高，表明就業增長率的變化在三大地區之間沒有顯著差異。(16)以2013年作為基準年份，因此沒有將其包含在模型的年份固定效應中。類似地，西部地區作為基準組，也沒有包含在模型中。從模型擬合度來看，其他單位就業回歸模型的擬合度最高，調整后的R2值超過了0.5，私營和個體單位就業的擬合度最低，R2值僅為0.1。

以上所用就業數據是城鎮“單位就業”，并未包含所有就業，回歸結果或許不能準確反映經濟增速放緩后各地的就業變化，因此采用各省常住人口作為就業的一個替代變量，再用模型(6)進行估計。(17)比如在2016年，全國總的就業是7.7億人，其中城鎮就業為4.1億人，城鎮單位就業為3.9億人。采用這種做法主要是考慮到一個區域的人口和就業高度相關，人口的變化能在一定程度上反映就業變化。由表1第(6)列的估計結果可以看出，采用人口數據后，結果明顯不同。從沖擊變量和時間固定效應的交互項來看，4個年份的沖擊效應都為負，且從2014年起高度顯著。這說明宏觀沖擊對各省人口的影響明顯不同，與受沖擊影響較小省份相比，受沖擊影響較大省份的人口增長率下降更多(或增加更少)。(18)式(6)中的沖擊效應實際上是雙重差分(difference in difference)的估計結果，即與2007年的增長率相比，2013年后各省增長率的變化值之間的比較。沖擊效應系數為負，表明受沖擊影響較大區域的增長率相較于2007年下降的幅度大于(或增加的幅度小于)受沖擊影響較小區域。從系數估計值(絕對值)的大小來看，沖擊效應從2014年的0.39上升到2015年的0.68，增加了74%。到2016年，系數有所回調，但仍超過0.6。為了對沖擊效應的大小有一個直觀的理解，以2016年為例，其系數估計值表明，從2007年到2016年，與受沖擊影響較小(比如處于10%分位)省份相比，受沖擊影響較大(比如處于90%分位)省份的人口增長率多下降(或少增加)約1.1個百分點。(19)90%和10%分位省份所受沖擊大小之差為1.8個百分點，所以人口增長率的變化之差為0.018×0.633，約1.1個百分點。對此，一個可能的解釋是，經濟增速放緩時人口從受沖擊影響較大省份流向受沖擊影響較小的省份。有意思的是，人口的這種調整從2014年才開始變得顯著，這說明受到宏觀沖擊后，區域人口的調整有一定的時滯，但持續的時間較長。另外一個發現是，采用人口變量后，沖擊前的增長趨勢、年份固定效應和地區虛擬變量都變得顯著，其中沖擊前的趨勢變量系數為負，說明2007年前人口增長快的區域在宏觀沖擊后的增長率會相對降低。從模型的擬合度看，采用人口變量后也有明顯提高。

為什么宏觀經濟沖擊下人口在各地的變化如此突出，而就業卻不明顯？一個可能的解釋是由于戶籍制度，常住人口的變化更多體現的是外來人口，或者說是外來農村人口的變化，這一部分人群技能水平相對較低，受宏觀經濟變化的影響較大。其原因在于經濟增速下滑時，抵御市場波動風險能力相對較弱的中小企業，特別是生產效率較低的企業，容易受到影響、易于關門倒閉。而這類企業是吸納外來農村勞動力的主力，其經營狀況的變化會直接影響到對外來農村勞動力的就業需求，進而影響其流向。由于本文所用的就業數據并未完全涵蓋這一部分人群，所以從估計結果來看，采用城鎮單位就業時，就業效應不顯著，但采用常住人口作為代理變量后，沖擊效應顯著為負，且持續較長時期。

3.2 資本所受影響

資本受宏觀沖擊影響的估計結果見表2。從該表第(1)列可看出，與2007年相比，從2013年到2016年間受沖擊影響大的省份相對于受沖擊影響小的省份資本增長率下降更多(或增加更少)，但區域間的這種差異并不顯著，而且系數的絕對值隨著年份的增加在減小。從控制變量來看，沖擊前增長趨勢變量的系數為負且顯著，表明沖擊前資本增長率越高的區域受經濟沖擊的負面影響越大。東部和中部地區虛擬變量的系數為負且顯著，說明東部和中部地區資本增長率顯著低于西部。時間固定效應的系數均顯著為負，表明資本增長率有逐年下降的趨勢。模型的擬合度較好，其R2值約為0.5。

表2 資本效應的估計結果

考慮到不同產業面對宏觀沖擊時的響應可能不同，從總體上研究各省資本增長率受沖擊的影響會掩蓋產業之間的差異。因此按照三次產業的劃分，逐個估計宏觀沖擊對三次產業資本增長率的影響，結果報告在表2第(2)到第(4)列中。從這些估計結果可以看出，對于第一產業而言，沖擊效應的系數在2013年和2014年為正，此后兩年為負，但僅于2013年在10%水平上顯著。這說明經濟增速放緩對第一產業資本增長率的影響在區域之間沒有顯著差異，盡管年份固定效應的估計結果表明第一產業的資本增長速度有逐年遞增的趨勢。

第二產業的結果則明顯不同，4年中沖擊效應的系數都為負，2013年和2014年系數的絕對值甚至超過了2，且高度顯著。這表明與受沖擊影響小的省份(比如處于10%分位的省份)相比，受沖擊影響大的省份(比如處于90%分位的省份)第二產業的資本增長率(相較于2007年)要低4.3～4.5個百分點。(20)以2013年的估計結果為例，由于90%和10%分位省份所受沖擊大小之差為1.8個百分點，所以資本增長率的變化之差為0.018×2.488=0.045，即4.5個百分點。為了便于說明，以天津(處于90%分位)和新疆(處于10%分位)為例，從實際數據來看，2007年兩地第二產業的資本增長率分別為11.3%和9.1%，到2013年，兩地第二產業的資本增長率分別為14.6%和16.3%，天津的增長率提高了3.2個百分點，而新疆提高了7.2個百分點，前者比后者低4個百分點，這略低于從模型估計結果得出的推斷。(21)采用資本增長率的實際數據，是為了比較資本增長率的變化，該變化和模型中沖擊效應系數的估計值并不等同，后者衡量的是宏觀經濟沖擊對區域間資本增長率變化的平均影響。從2015年和2016年系數的估計值來看，其絕對值有所減小，且變得不再顯著。

對于第三產業，表2第(4)列的估計結果表明，沖擊效應的估計值在4個年份中都為負，且高度顯著。與第二產業相比，第三產業系數的絕對值相對較低。比如在2013年，第三產業沖擊效應的系數為-1.7，僅為第二產業系數的68%，這說明宏觀經濟沖擊對第三產業資本增長的影響小于第二產業。第三產業的另一個明顯特征是，沖擊效應在2014年回調后逐年上升，到2016年沖擊效應的絕對值甚至超過了2013年。這表明宏觀沖擊對第三產業的資本增長有持續累加的影響，不同區域之間第三產業資本增長率的差異會不斷拉大。

總之，以上估計結果表明：從總體上看，經濟增速放緩對資本增長率的影響在區域間并無顯著差異。分三次產業后，經濟沖擊對第一產業的作用仍不明顯，但對第二產業有顯著的負面影響，其沖擊效應在2013年最大，此后逐年下降，從2015年起變得不再顯著。對于第三產業，沖擊效應在4年中都為負且顯著，其系數的絕對值在前兩年小于第二產業，但有一個逐年增強的趨勢。如果比較資本和人口沖擊效應的系數大小，可以發現宏觀沖擊對資本的影響要大于人口，且更為迅速。這說明面對經濟增速下滑，資本的調節速度快于人口，可能是由于相對于資本，人口在區域間的轉移需要更多時間的緣故。

3.3 勞均產出和單位資本產出所受影響

宏觀沖擊對勞均產出影響的估計結果見表3第(1)列，為了節省篇幅，表中僅報告每年的沖擊效應。從中可以看出，從2013年到2016年，勞均產出所受的沖擊效應為負，其系數在前三年顯著。這說明經濟增速放緩對勞均產出有一定負面影響。但如前文所述，本文所用的就業數據為城鎮單位就業，存在一定局限，由此計算的勞均產出可能不能準確度量各地勞動生產率的變化，因此用人口作為替代變量，計算人均產出，再估計經濟沖擊對人均產出的影響。從表3第(2)列的估計結果可以看出，與勞均產出結果明顯不同，沖擊效應的系數現在符號為正，其大小和顯著性呈逐年遞增的態勢。2013年系數估計值為0.032，到2016年其系數增至0.795，且在5%水平顯著。這說明與受沖擊影響小的省份相比，受沖擊影響大的省份人均產出的增長率相較于2007年提高更多。

表3 勞均產出和單位資本產出效應的估計結果

表3的第(3)到第(6)列報告了單位資本產出的沖擊效應估計結果。從第(3)列可看出，單位資本產出增長率對沖擊的響應在4年中都為正，但系數均不顯著，說明從總體上看，宏觀沖擊對資本產出率沒有顯著影響。從三次產業的劃分來看，結果有所不同。對于第一產業，沖擊效應為負，且在前兩年顯著，說明沖擊對第一產業資本產出率有負面影響；對于第二產業，沖擊效應為正，2013年和2014年在1%水平顯著。這說明相較于受沖擊影響較小區域，受沖擊影響較大區域第二產業的資本產出率在2013年后增長更快。從系數大小來看，第二產業資本產出率的沖擊效應有逐年減小的趨勢，但到2016年，56%的沖擊效應依然存在，且在10%水平顯著；對于第三產業，4年中沖擊效應的系數都為正，系數的大小和顯著性在2014年后不斷增強，這表明經濟增速放緩對第三產業資本產出率有顯著影響。

前文研究表明，受沖擊影響較大區域資本和人口的增長率相對較低，假如生產要素的邊際生產力遞減，那么以上所發現的經濟沖擊對人均產出和單位資本產出的影響會不會是由于這些區域資本和人口流向其他區域所引起，而并非沖擊本身的作用？為了對此加以判斷，在模型中加入資本增長率和人口增長率在沖擊前和沖擊后的差，重新估計模型，發現人均產出沖擊效應的顯著性有所下降，但單位資本產出，特別是第二產業單位資本產出的沖擊效應幾乎沒有變化。(22)為了節省篇幅，估計結果未列出。這說明，即使資本和人口外流在一定程度上有助于受沖擊影響較大區域人均產出和單位資本產出增長率的提高，但沖擊效應依然存在，還有其他因素影響資本和勞動的生產率，論文第4部分將對此做進一步的研究。

3.4 穩健性檢驗

為了檢驗以上結論的穩健性，本文嘗試了4個實驗。首先，考慮到北京、上海和天津等地的產業結構和其他省區相比明顯不同，將其包含在樣本中可能會引起偏差，因此在樣本中剔除這些地區；此外，也嘗試從樣本中剔除海南和西藏等受沖擊影響較小的區域；其次，以上回歸是用2007年作為基準年份來做比較，但并非所有省份在2007年都達到經濟增長的高點，因此采用其他年份比如2006年為基準年份來做比較；(23)比如對于河北和山東，增長率2007年的低于2006年。最后，使用其他年份來衡量沖擊前的增長趨勢，比如，使用2001—2006年、2002—2006年，以及2003—2006年的增長率，以觀察不同時期的增長趨勢對結果的可能影響。檢驗結果表明，在這些實驗中，本文的基本結論，即宏觀經濟增速放緩時，與受沖擊影響較小區域相比，受沖擊影響較大區域的資本和人口增長率相對下降，但單位資本產出和人均產出的增長率卻相對提高，是穩健的。(24)為了節省篇幅，估計結果未列出。

4 進一步的討論

為何與受沖擊影響較小的區域相比，受沖擊影響較大區域的資本和人口增長率相對較低，但其人均產出和資本產出率，特別是二、三產業的單位資本產出增長率相對更高？本文認為：熊彼特的破壞性創新理論可以提供一種解釋，即經濟下行時，受沖擊影響較大區域投資于創新品的機會成本相對較低，所以創新更容易出現，低生產率的企業會被市場淘汰，讓位于高生產率的企業，從而使區域生產率升高。此外，競爭壓力理論(Hall, 2005; Gibbons and Roberts, 2012)也可以用來解釋本文的發現，即宏觀經濟狀況不好時，企業面臨的競爭壓力增大，為避免被擠出市場，企業不得不進行創新或升級產品，從而有助于提高區域生產率。無論哪種理論，都強調創新或新產業的發展是經濟增速放緩時生產率得以提升的一個主要途徑。考慮到高技術產業是創新最為活躍的部門，本文在式(6)中加入高技術產業投資與沖擊效應的交乘項，據此對以上解釋加以驗證，具體如下：

(8)

其中tech為各地高技術產業投資占比。如果以上的推斷正確，那么可以預期λI的符號為正。考慮到制造業和服務業之間在高技術產業上的差異明顯，本文區分高技術制造業和高技術服務業，其界定參考了國家統計局發布的《高技術產業(服務業)分類2018》和《高技術產業(制造業)分類2017》。具體而言，結合《中國固定資產投資統計年鑒》中行業大類的劃分，將醫藥制造業、鐵路、船舶、航空航天和其他運輸設備制造業、計算機、通信和其他電子設備制造業以及儀器儀表制造業等劃歸為高技術制造業，將信息傳輸業、軟件和信息技術服務業、科學研究和技術服務業等劃分為高技術服務業。(25)《高技術產業分類》中的行業精確到了4位碼，而《中國固定資產投資統計年鑒》是按行業大類來劃分的，按這兩個標準來匹配高技術產業會有一定偏差，但在嘗試逐步增減高技術產業所涵蓋的行業大類后，結果并無明顯變化。在此基礎上，首先把《中國固定資產投資統計年鑒》中各省高技術產業對應的行業投資數據加總，然后分別計算高技術制造業占制造業投資的比重，以及高技術服務業占服務業投資的比重。(26)由于沒有找到《中國固定資產投資統計年鑒2014》，2013年的數據來自《2013固定資產投資統計年報》。

圖5 高技術產業投資與沖擊的關系

首先來看高技術產業投資與宏觀沖擊變量的關系。為此，分別以各省歷年來高技術制造業投資占比和高技術服務業投資占比為因變量，利用式(6)對gshock和年份固定效應的交乘項進行回歸，系數的點估計值和90%置信區間報告在圖5中。(27)受數據所限，模型的估計從2003年開始。圖5(a)顯示，從2012年起，受沖擊影響較大區域的高技術制造業投資比重與其他區域相比，有所下降，但從2014年開始這些地區在高技術制造業上的投資明顯增加。從2011年前的估計結果來看，多數年份的點估計值接近于零且不顯著，說明在經濟增速下滑之前，各省在高技術制造業上的投資沒有明顯差異。

高技術服務業投資的估計結果有所不同，從圖5(b)可看出，2007年前沖擊效應的系數估計值多數為負，但從2008年開始，系數估計值一直為正且不斷上升，到2013年達到最高點，此后開始下降。這說明相對于2007年的投資水平，受沖擊影響較大區域在高技術服務業上的投資比重在2008年后一直高于其他區域，且保持遞增態勢。但從2014年起，區域之間的差距有所減小，這可能是由于其他區域在高技術服務業上的投資開始加速，也有可能是受沖擊影響較大區域在高技術制造業上的投資增加，相應減少了在高技術服務業上的投資所致。比如，對于受沖擊影響較大區域如天津，高技術制造業投資所占比重在2014年為11.5%，2015年上升到11.8%，2016年進一步升至12.7%，而高技術服務業投資所占比重2014年是4.4%，2015年則降至3.3%，盡管在2016年有所回升。對于受沖擊影響較小區域如新疆，高技術制造業投資比重2014年為2.4%，2015年降到1.7%，2016年進一步降至1.5%，但高技術服務業投資的比重則從2014年的2.6%，升至2015年的2.9%，2016年進一步上升至3.3%。

以上分析表明高技術產業投資和宏觀沖擊關系緊密，受沖擊影響較大區域近年來在高技術產業，特別是高技術制造業上的投資比重有所增加。為了進一步檢驗高技術產業投資對資本產出率的作用，根據模型(8)，分別估計了三次產業單位資本產出增長率和高技術產業投資的關系，結果見表4。(28)為了節省篇幅，表4中僅報告沖擊效應及沖擊和高技術產業投資交乘項的估計結果。其中(1)～(3)列報告了高技術制造業投資對三次產業資本產出率的影響。可以看出，加入高技術制造業投資和沖擊效應的交乘項后，沖擊效應系數估計值的符號沒有變化，盡管其顯著性有所降低。從交乘項來看，其系數在第一產業和第三產業的回歸中不顯著，在第二產業的估計中都為正，且在2013年和2014年兩年中顯著。由此可知，相對于受沖擊影響較小的區域，受沖擊影響較大區域的高技術制造業投資更有助于第二產業的發展，使其資本產出率得以提升。對于第一和第三產業而言，高技術制造業投資對區域間資本產出率的影響并無明顯差異。

表4中(5)～(7)列報告了高技術服務業投資對三次產業資本產出率的影響。和(1)～(3)列的結果類似，沖擊效應的系數在加入交乘項后符號沒有變化，其中第一產業和第二產業系數的顯著性也基本沒有變化，第三產業系數變得不再顯著。從高技術服務業投資與沖擊效應的交乘項來看，在第一和第二產業的回歸中不顯著，在第三產業的估計中系數為正且于2014年在10%水平顯著。(29)高技術服務業投資和沖擊效應交互項的系數估計值明顯比高技術制造業投資和沖擊效應交互項的估計值要大，其原因在于高技術服務業投資所占比重和高技術制造業投資所占比重相比較小所致。比如，在2013年到2016年期間，高技術制造業投資所占比重的均值和標準差分別為11.9%和7.8%，而高技術服務業投資所占比重的均值和標準差為3.0%和1.4%。這說明高技術服務業投資對于第一和第二產業單位資本產出的增長沒有顯著影響，對于第三產業單位資本產出的增長有一定作用，相比于高技術制造業投資，高技術服務業投資對單位資本產出增長率的貢獻較小。

總之，以上分析表明：經濟增速減緩時，產品需求比如制造業產品的出口需求下降，一些廠家可能因此而倒閉，資本出現外流，所以受沖擊影響較大區域的資本增長率相對降低。此時企業之間的競爭壓力加劇，但投資于創新品的機會成本相對較低，因此這些區域的高技術產業投資活躍，產業結構轉型升級加快，從而有助于提高其資本產出率。相比于高技術服務業，高技術制造業投資對資本產出率的影響更為明顯。一個可能的解釋是：我國服務業整體水平較低，盡管高技術服務業投資在2014年前不斷增加，但高技術服務業對資本產出率的作用有限。(30)通常認為服務業的生產率較低，但也有研究發現借助網絡技術，服務業的生產率可以大幅提高(江小涓, 2018)。另一個發現是，不管是高技術制造業投資，還是高技術服務業投資，其作用局限于行業大類內部，對其他產業的溢出效應并不明顯，即高技術制造業投資僅對第二產業資本產出率有作用，而高技術服務業投資僅對第三產業資本產出率有影響。

表4 高技術產業投資對單位資本產出和人均產出的影響

本文也根據模型(8)，估計了高技術制造業和高技術服務業投資對人均產出的影響。從表4第(4)列和第(8)列的估計結果可以看出，在加入交乘項后，沖擊變量對人均產出的影響沒有明顯變化，盡管其顯著性有所下降。高技術制造業投資對人均產出的作用僅在2013年顯著，但系數為負，這表明受經濟增速放緩沖擊影響較大區域的高技術制造業投資并沒有帶動這些地區人均產出的增長。從高技術服務業投資的估計結果來看，其對人均產出的作用在多數年份為正，但僅在2016年顯著，這說明高技術服務業投資對人均產出增長有一定貢獻，但作用緩慢。對此，一個可能的解釋是，受經濟沖擊影響較大區域的高技術產業投資雖促進了這些地區產出增加，但由于人口和勞動力從這些地區流出相比于資本較慢，所以從人均產出上來看，高技術產業投資的作用在短期并不明顯；另一種可能是，受數據所限，本文沒有區分各產業的人均產出，僅從總體上檢驗高技術產業投資對人均產出的作用，如果高技術產業投資對不同產業勞動生產率的作用不同，利用總體數據估計得出的結果可能會掩蓋這種差異。

5 結論

近年來我國經濟增長的速度有所放緩，從之前的年均10%降至8%以下，宏觀經濟的這一變化無疑會給各地帶來沖擊。本文提出一個分解方法，把區域產出分解為資本、就業、單位資本產出和勞均產出，在此基礎上利用31個省(自治區、直轄市)2000—2016年的數據，建立了一個差分模型，通過經濟增速放緩前后以及區域之間各分解變量增長率的比較，來識別宏觀沖擊對各區域的影響及各地的動態調節方式。為了測度沖擊，本文采用Bartik(1991)的偏離份額方法，通過全國各產業增加值的增長率和沖擊前各省相應產業所占比重，構造了一個能夠捕捉各地所受沖擊的指標。

本文研究發現宏觀沖擊對區域經濟的影響存在明顯的空間差異。與受沖擊影響較小區域相比，受沖擊影響較大區域的資本增長率相對較低，分產業來看，宏觀沖擊對第二和第三產業的影響明顯強于第一產業。城鎮單位就業受沖擊的影響較小，但以常住人口為就業的替代變量時，其響應比較強烈。與受沖擊影響較小區域相比，受沖擊影響較大區域的人口，特別是外來農村勞動力在流出。相比于資本的自我調節，人口和勞動力的調節速度較慢，有一定時滯，但持續的時間較長。與資本和人口所受的負面影響不同，受沖擊影響較大區域的單位資本產出，特別是二、三產業的單位資本產出以及人均產出增長率近年來顯著提高，表明這些地區的生產率在經濟增速放緩時得以改善。

相對于受沖擊影響較小的區域，受沖擊影響較大區域的資本和人口增長率有所降低，但其單位資本產出和人均產出的增長率卻在提高，這似乎是一個悖論。本文運用破壞性創新和競爭壓力理論對這一悖論進行了解釋，并采用高技術產業投資數據對其加以驗證。實證結果表明，經濟增長速度放緩時，需求下降，競爭加劇，企業面臨的壓力增強，破產倒逼的風險加大，但投資于創新品的機會成本降低。因此受沖擊影響較大的區域更傾向于增加高技術產業投資，從而促進這些地區的產品升級和產業轉型，推動其生產率的提高。與高技術服務業投資相比，高技術制造業投資對區域生產率，特別是資本產出率的作用更為突出。

本文研究有助于深入理解近年來我國經濟增長速度的變化。現有文獻多是從宏觀層面對此展開研究，本文基于空間異質性，發現經濟增速放緩時各區域的響應明顯不同，這為相關研究提供了一個新的視角。通過把區域產出進行分解，發現相比于勞動力，資本在區域經濟的自我調節中發揮更為重要的作用，這與現有文獻強調勞動力自我調節的發現不同，從而豐富了宏觀沖擊區域效應的相關研究。本文采用高技術產業投資數據，給出了支持破壞性創新和競爭壓力理論的證據，表明盡管經濟增速下降為區域經濟發展帶來了挑戰，但也為經濟結構調整和產業轉型升級提供了契機。本文研究基于區域總量數據，如果能利用微觀調查數據，從企業或勞動力的個體行為出發，可能會找到經濟增速放緩時企業調整投資以及就業變動更為直接的證據，這是下一步研究的一個方向。此外，本文并未對宏觀沖擊的具體類型比如需求沖擊和供給沖擊進行區分；而不同沖擊對區域經濟的影響可能有差異，因此這是進一步研究的另一個方向。