經(jīng)濟(jì)增速放緩與區(qū)域動(dòng)態(tài)調(diào)節(jié)1

陳安平

0 引言

我國經(jīng)濟(jì)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(jīng)濟(jì)的這一變化無疑會(huì)給區(qū)域經(jīng)濟(jì)帶來沖擊。(1)關(guān)于我國經(jīng)濟(jì)下行所帶來的沖擊，有研究認(rèn)為是需求(比如出口下降)引起，但更多研究認(rèn)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(jīng)濟(jì)增速變化所帶來的沖擊，并未具體區(qū)分是哪一類型的沖擊。由于我國區(qū)域之間存在明顯的空間差異，各地對(duì)宏觀沖擊的響應(yīng)可能不同。比如，在2012年，除新疆和甘肅外，其他省份的地區(qū)生產(chǎn)總值增長率都有所下降，其中天津、山西、內(nèi)蒙古和遼寧的降幅最為明顯，較上一年下降約3個(gè)百分點(diǎn)，而北京、上海、寧夏和云南的變化相對(duì)較小。到2017年，天津、山西、內(nèi)蒙古和遼寧的增長速度進(jìn)一步下滑，與2011年相比下降超過6個(gè)百分點(diǎn)，除了這幾個(gè)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(dòng)很小。顯然，宏觀經(jīng)濟(jì)增速減緩時(shí)各地的表現(xiàn)差異明顯，且有動(dòng)態(tài)變化的趨勢(shì)。(2)如果用2012年后其他年份的數(shù)據(jù)來做比較，也能得出同樣的結(jié)論。

現(xiàn)有文獻(xiàn)主要是從全國總體層面分析我國經(jīng)濟(jì)增速放緩的原因、效應(yīng)及應(yīng)對(duì)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(xiàn)從區(qū)域?qū)用嬲归_研究。(3)一個(gè)例外是姚樹潔(2015)，他從區(qū)域?qū)用娣治隽私?jīng)濟(jì)增速放緩背景下經(jīng)濟(jì)發(fā)展的路徑，認(rèn)為發(fā)達(dá)地區(qū)要沖在技術(shù)和資源利用的前沿，大力推進(jìn)產(chǎn)業(yè)升級(jí)換代，欠發(fā)達(dá)地區(qū)要通過交通、信息等手段，加快承接沿海地區(qū)傳統(tǒng)產(chǎn)業(yè)的轉(zhuǎn)移。本文擬彌補(bǔ)這個(gè)不足。具體而言，本文將關(guān)注以下問題：宏觀經(jīng)濟(jì)增速減緩這一沖擊對(duì)區(qū)域經(jīng)濟(jì)帶來了什么影響？這些影響是否具有空間異質(zhì)性？各區(qū)域面對(duì)宏觀沖擊時(shí)是如何自我調(diào)節(jié)的？對(duì)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(duì)我國經(jīng)濟(jì)增速放緩的理解。

為了回答以上問題，本文提出了一個(gè)分解方法，把區(qū)域產(chǎn)出增長率分解為就業(yè)、資本、勞均產(chǎn)出和單位資本產(chǎn)出四個(gè)部分，然后利用2000年后的省級(jí)數(shù)據(jù)建立差分模型，通過比較受沖擊影響較大區(qū)域和較小區(qū)域就業(yè)、資本、勞均產(chǎn)出和單位資本產(chǎn)出增長率等在沖擊前后的變化，來識(shí)別宏觀經(jīng)濟(jì)沖擊對(duì)各地的影響及機(jī)制。其中的一個(gè)難點(diǎn)在于如何測(cè)度經(jīng)濟(jì)增速放緩給各地帶來的沖擊。如果簡(jiǎn)單地以各省地區(qū)生產(chǎn)總值增長率的變化來衡量沖擊，則可能存在較大誤差，因?yàn)楦鞯氐慕?jīng)濟(jì)增長除了受宏觀沖擊的影響外，還受區(qū)域特定因素的影響。為了克服這個(gè)問題，本文采用Bartik(1991)的偏離份額(shift-share)方法，結(jié)合全國各個(gè)產(chǎn)業(yè)增加值的增長率和沖擊前各省相應(yīng)產(chǎn)業(yè)所占比重，構(gòu)造了一個(gè)測(cè)度宏觀經(jīng)濟(jì)沖擊的指標(biāo)。

本文研究發(fā)現(xiàn)，宏觀經(jīng)濟(jì)增速放緩對(duì)各地的影響顯著不同，從區(qū)域自我調(diào)節(jié)來看，資本的響應(yīng)要快于就業(yè)，但持續(xù)的時(shí)間相對(duì)較短。與受沖擊影響較小區(qū)域相比，受沖擊影響較大區(qū)域的就業(yè)和資本，特別是二、三產(chǎn)業(yè)的資本增長率明顯偏低，表明這些區(qū)域受到?jīng)_擊后勞動(dòng)力和資本發(fā)生了外流。但從資本產(chǎn)出率和人均產(chǎn)出兩個(gè)指標(biāo)來看，受沖擊影響較大區(qū)域的增長率要高于其他區(qū)域。這似乎是一個(gè)悖論，一方面這些區(qū)域的勞動(dòng)力和資本在流出，另一方面其生產(chǎn)率在提高。本文給出了一個(gè)解釋，即經(jīng)濟(jì)增速放緩時(shí)企業(yè)面臨的競(jìng)爭(zhēng)壓力加大，但投資于創(chuàng)新的機(jī)會(huì)成本降低，因此受沖擊影響較大區(qū)域更愿意投資于高技術(shù)產(chǎn)業(yè)，從而推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，有助于提升其生產(chǎn)率。利用各省高技術(shù)制造業(yè)和高技術(shù)服務(wù)業(yè)的投資數(shù)據(jù)，本文給出了支持該解釋的證據(jù)。

通過從區(qū)域視角展開研究，本文突破了現(xiàn)有文獻(xiàn)僅從全國總體層面分析經(jīng)濟(jì)增速放緩的局限，為我國經(jīng)濟(jì)增速的變化研究提供了一個(gè)新的方向。實(shí)際上，國際上已有許多研究討論總體經(jīng)濟(jì)變化對(duì)區(qū)域經(jīng)濟(jì)的影響。比如，Hoynes et al. (2012)和Yagan (2019)研究了美國經(jīng)濟(jì)衰退對(duì)各州就業(yè)和失業(yè)的影響，Bitler and Hoynes (2015)比較了經(jīng)濟(jì)波動(dòng)時(shí)美國各州貧困率的變化。也有研究分析經(jīng)濟(jì)波動(dòng)對(duì)微觀個(gè)體的影響，比如Guvenen et al. (2014)使用美國個(gè)人收入微觀數(shù)據(jù)，分析了前1%高收入人群的收入和其他人群相比，在經(jīng)濟(jì)衰退前后有何不同，Jensen and Johannesen (2017)研究了金融危機(jī)對(duì)丹麥個(gè)人消費(fèi)信貸的影響。然而，針對(duì)我國經(jīng)濟(jì)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(yīng)及應(yīng)對(duì)策略上。

本文拓展了宏觀沖擊區(qū)域效應(yīng)文獻(xiàn)的研究?jī)?nèi)容。此類研究多從就業(yè)和工資等出發(fā)，討論各種沖擊對(duì)區(qū)域經(jīng)濟(jì)的影響。比如，Dix-Carneiro and Kovak (2017)分析了貿(mào)易自由化對(duì)巴西各區(qū)域就業(yè)和工資的影響，Hershbein and Kahn (2018)研究了經(jīng)濟(jì)衰退對(duì)美國各地不同技術(shù)工人需求的作用，F(xiàn)eyrer et al. (2017)討論了技術(shù)沖擊對(duì)美國各州就業(yè)與工資的影響。本文把區(qū)域產(chǎn)出分解為資本、就業(yè)、勞均產(chǎn)出和資本產(chǎn)出率，通過比較各分解變量在經(jīng)濟(jì)沖擊下的響應(yīng)，對(duì)區(qū)域自我調(diào)節(jié)機(jī)制有了更深入的理解。本文研究顯示，資本的調(diào)節(jié)速度要快于人口和就業(yè)，這說明研究宏觀沖擊的區(qū)域效應(yīng)時(shí)，至少在關(guān)注短期效應(yīng)時(shí)，資本和資本產(chǎn)出率是不可或缺的指標(biāo)。

熊彼特的破壞性創(chuàng)新理論表明，經(jīng)濟(jì)狀況不好時(shí)，創(chuàng)新的機(jī)會(huì)成本降低，企業(yè)更愿意投資于創(chuàng)新產(chǎn)品，低生產(chǎn)率的企業(yè)會(huì)被淘汰，讓位于高生產(chǎn)率的企業(yè)，本文的發(fā)現(xiàn)在一定程度上支持該理論。本文研究也與競(jìng)爭(zhēng)壓力理論(Hall, 2005; Gibbons and Roberts, 2012)相符，即經(jīng)濟(jì)增速放緩時(shí)，企業(yè)之間的競(jìng)爭(zhēng)加劇，破產(chǎn)倒閉的風(fēng)險(xiǎn)增高，此時(shí)企業(yè)會(huì)更注重效率而非增長。有文獻(xiàn)提供了相應(yīng)的經(jīng)驗(yàn)證據(jù)，比如，Hershbein and Kahn(2018)的研究顯示，經(jīng)濟(jì)下行時(shí)企業(yè)更傾向于提高對(duì)高技能勞動(dòng)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(fā)，發(fā)現(xiàn)受沖擊影響較大區(qū)域更傾向于投資高技術(shù)產(chǎn)業(yè)，推動(dòng)產(chǎn)品升級(jí)換代，從而提高這些區(qū)域的生產(chǎn)率。

本文也豐富了產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的研究文獻(xiàn)。研究表明：相對(duì)于第三產(chǎn)業(yè)，第二產(chǎn)業(yè)對(duì)宏觀沖擊的響應(yīng)更強(qiáng)，高技術(shù)制造業(yè)的發(fā)展對(duì)于產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的作用突出。劉偉和蔡志洲(2018)通過比較中美兩國的三次產(chǎn)業(yè)結(jié)構(gòu)，認(rèn)為我國已完成了由傳統(tǒng)結(jié)構(gòu)向現(xiàn)代結(jié)構(gòu)的轉(zhuǎn)化，但與發(fā)達(dá)國家相比，在結(jié)構(gòu)升級(jí)，特別是第三產(chǎn)業(yè)的發(fā)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(chǎn)業(yè)政策和國家高新區(qū)等視角分析了三次產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的影響因素。與這些研究相比，本文不僅關(guān)注三次產(chǎn)業(yè)，還從高技術(shù)制造業(yè)和高技術(shù)服務(wù)業(yè)視角分析了產(chǎn)業(yè)升級(jí)，發(fā)現(xiàn)高技術(shù)產(chǎn)業(yè)，特別是高技術(shù)制造業(yè)是推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)的關(guān)鍵，這與孫早和許薛璐(2018)的發(fā)現(xiàn)相一致。

論文其余部分的安排如下：第1部分提出了把產(chǎn)出進(jìn)行分解的方法，并對(duì)區(qū)域產(chǎn)出四個(gè)分解變量的變化做了描述性分析。第2部分給出了計(jì)量模型，構(gòu)建了衡量沖擊的指標(biāo)，對(duì)變量的設(shè)定及數(shù)據(jù)來源做了說明。第3部分是實(shí)證結(jié)果，從資本、就業(yè)、單位資本產(chǎn)出、勞均產(chǎn)出和人均產(chǎn)出等幾個(gè)方面分析了宏觀沖擊對(duì)區(qū)域經(jīng)濟(jì)的影響，也報(bào)告了穩(wěn)健性檢驗(yàn)結(jié)果。第4部分進(jìn)一步分析了經(jīng)濟(jì)增速放緩時(shí)各地投資于高技術(shù)產(chǎn)業(yè)的不同表現(xiàn)及其影響。最后是論文的結(jié)論。

1 區(qū)域產(chǎn)出分解

宏觀經(jīng)濟(jì)沖擊下區(qū)域?qū)用婵捎^測(cè)到的一個(gè)明顯特征是產(chǎn)出增長率的波動(dòng)，而這又緣于資本和勞動(dòng)力空間配置的調(diào)整及其生產(chǎn)率的變化。鑒于此，本文從區(qū)域產(chǎn)出增長率入手，將其分解為四個(gè)部分，即就業(yè)增長率、資本增長率、勞均產(chǎn)出增長率和單位資本產(chǎn)出增長率，通過各分解部分在經(jīng)濟(jì)增速放緩前后的變化來識(shí)別宏觀沖擊對(duì)區(qū)域經(jīng)濟(jì)的影響，分解方法具體如下。

假設(shè)區(qū)域產(chǎn)出為C-D生產(chǎn)函數(shù)：

Y=AKαLβ

(1)

其中Y表示產(chǎn)出，K表示資本，L表示勞動(dòng)力或就業(yè)，A,α和β為參數(shù)，對(duì)式(1)兩側(cè)取對(duì)數(shù)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(duì)數(shù)，式(2)可轉(zhuǎn)化為：

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

(3)

經(jīng)過整理，上式可寫為：

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

(4)

兩側(cè)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(duì)數(shù)的微分近似于增長率，這樣，通過上式可把產(chǎn)出增長率分解為就業(yè)(L)、資本(K)、單位勞動(dòng)的產(chǎn)出或勞均產(chǎn)出(Y/L)、單位資本的產(chǎn)出或資本產(chǎn)出率(Y/K)的增長率，其中前兩項(xiàng)表示生產(chǎn)要素的調(diào)整，后兩項(xiàng)分別表示勞動(dòng)生產(chǎn)率和資本生產(chǎn)率的變動(dòng)。實(shí)際上，式(5)是一個(gè)恒等式。盡管本文從C-D生產(chǎn)函數(shù)出發(fā)推導(dǎo)出該分解式，但式(5)本身并不需要以C-D生產(chǎn)函數(shù)為條件，只要滿足a+b=1這個(gè)條件，該分解式即成立。

式(5)可以用來分解區(qū)域產(chǎn)出，但這并不表明區(qū)域產(chǎn)出和各分解部分之間存在任何因果關(guān)系，不能簡(jiǎn)單地以各分解部分對(duì)區(qū)域產(chǎn)出增長率的回歸來識(shí)別經(jīng)濟(jì)增速放緩的影響。在接下來的實(shí)證研究中，本文將構(gòu)造一個(gè)能捕捉宏觀經(jīng)濟(jì)變化時(shí)各地所受影響的外生沖擊變量，然后把式(5)中的四個(gè)分解部分在全國經(jīng)濟(jì)增速放緩前后的變化作為因變量，分別對(duì)該沖擊變量進(jìn)行回歸，據(jù)此探究宏觀沖擊對(duì)各地生產(chǎn)要素及其生產(chǎn)率的影響。

圖1展示了2001至2016年間全國31個(gè)省、直轄市和自治區(qū)產(chǎn)出增長率四個(gè)分解變量的平均值。(4)產(chǎn)出、資本與就業(yè)的變量定義和數(shù)據(jù)來源見論文第2節(jié)的說明，受資本數(shù)據(jù)所限，本文沒有分析2016年后的變化?？梢钥闯?，各變量的變化趨勢(shì)不同。相比于其他分解變量，資本增長率是最高的，除個(gè)別年份外，都在10%以上。從趨勢(shì)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(gè)百分點(diǎn)。就業(yè)增長率的趨勢(shì)和資本類似，但波動(dòng)更為明顯。在2011年前就業(yè)增長率保持上升態(tài)勢(shì)，2011年達(dá)到12.6%，但此后開始下降，到2016年，就業(yè)增長率僅為3.9%。單位資本產(chǎn)出增長率是四個(gè)分解變量中最低的，在多數(shù)年份中甚至為負(fù)，但從趨勢(shì)看，2014年后有比較明顯的上升態(tài)勢(shì)。勞均產(chǎn)出的增長率相對(duì)較高，在2010年達(dá)到7.5%后，開始下降，但從2013年起，又有回升趨勢(shì)?？傊?，圖1表明，盡管區(qū)域產(chǎn)出增長率四個(gè)分解部分的差異明顯，波動(dòng)的時(shí)點(diǎn)和幅度并不完全一致，但一個(gè)共同特征是，近年來其增長趨勢(shì)有明顯變化。

圖1 資本、就業(yè)、單位資本產(chǎn)出和勞均產(chǎn)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(jīng)濟(jì)沖擊前后各省資本、就業(yè)、單位資本產(chǎn)出和勞均產(chǎn)出增長率的變化，根據(jù)全國GDP增長速度的變化，把樣本時(shí)期分為三個(gè)部分，即2001—2006年，2007—2012年和2013—2016年，其中第一個(gè)時(shí)期對(duì)應(yīng)經(jīng)濟(jì)高速增長時(shí)期，第二個(gè)時(shí)期為經(jīng)濟(jì)減速時(shí)期，第三個(gè)時(shí)期為中高速增長時(shí)期。(5)三個(gè)時(shí)期劃分的詳細(xì)說明見論文第2節(jié)。然后計(jì)算各省產(chǎn)出增長率四個(gè)分解變量在第一和第三個(gè)時(shí)期的平均值，再用第三個(gè)時(shí)期的均值減去第一個(gè)時(shí)期的均值，結(jié)果報(bào)告在圖2中。

圖2 省際之間資本、就業(yè)、單位資本產(chǎn)出和勞均產(chǎn)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(gè)省份的資本增長率在2012年后有所下降，其中內(nèi)蒙古、遼寧、上海、江蘇和重慶降幅最大，超過了3個(gè)百分點(diǎn)。其他省份的資本增長率在2012年后有所上升，其中內(nèi)陸省份如內(nèi)蒙古、云南、青海和新疆等地的表現(xiàn)最為搶眼，青海的資本增長率在2012年后甚至提高了7.4個(gè)百分點(diǎn)。

就業(yè)增長率的變化如圖2(b)所示，多數(shù)省份的就業(yè)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(yè)增長率增加了約8個(gè)百分點(diǎn)，內(nèi)蒙古、吉林、重慶、西藏和甘肅的增幅也超過了6個(gè)百分點(diǎn)。在就業(yè)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(gè)百分點(diǎn)左右。

單位資本產(chǎn)出增長率的變化如圖2(c)所示，與投資和就業(yè)增長率的變化明顯不同，除了個(gè)別省份如重慶和西藏外，其他地區(qū)單位資本產(chǎn)出的增長率在經(jīng)濟(jì)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(gè)百分點(diǎn)。圖2(d)表明，勞均產(chǎn)出增長率的變化和單位資本產(chǎn)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(gè)省份的降幅甚至超過了10個(gè)百分點(diǎn)，內(nèi)蒙古更是超過了15個(gè)百分點(diǎn)。

總之，以上分析表明，區(qū)域產(chǎn)出增長率四個(gè)分解變量的趨勢(shì)在近年來有所變化。分省來看，多數(shù)省份的資本和就業(yè)增長率在全國經(jīng)濟(jì)增速放緩后有所提高，單位資本產(chǎn)出和勞均產(chǎn)出的增長率在2012后則有所下降。無論是哪一個(gè)指標(biāo)，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(jīng)濟(jì)沖擊的影響可能不同。以下將建立計(jì)量模型，將各分解變量的變化與各地受到的沖擊聯(lián)系起來，據(jù)此研究宏觀沖擊的區(qū)域效應(yīng)。

2 計(jì)量模型、變量和數(shù)據(jù)說明

本文以省(自治區(qū)、直轄市)為單位，采用2000至2016年的數(shù)據(jù)，通過不同省份受沖擊影響程度的差異，來識(shí)別宏觀沖擊對(duì)區(qū)域產(chǎn)出各分解變量的影響。具體做法是以各省就業(yè)、資本、勞均產(chǎn)出、單位資本產(chǎn)出的增長率在沖擊前和沖擊后的變化為因變量，對(duì)沖擊變量和年份固定效應(yīng)的交乘項(xiàng)進(jìn)行回歸，計(jì)量模型設(shè)定如下：

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

(6)

其中Grow是就業(yè)、資本、勞均產(chǎn)出、單位資本產(chǎn)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(shì)，gshock是衡量經(jīng)濟(jì)增速放緩所帶來的沖擊變量，I是年份固定效應(yīng)，Reg是區(qū)分東中西三大區(qū)域的虛擬變量，ε是隨機(jī)誤差項(xiàng)。

模型的左側(cè)是沖擊后各省就業(yè)、資本、勞均產(chǎn)出、單位資本產(chǎn)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(yè)、資本、勞均產(chǎn)出、單位資本產(chǎn)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(dá)到了一個(gè)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(zhuǎn)為中高速增長。(6)以2012年為我國經(jīng)濟(jì)增速變化的一個(gè)時(shí)間節(jié)點(diǎn)是文獻(xiàn)中的通行做法，比如蔡昉(2016b)的研究。因此將樣本時(shí)期分為三個(gè)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(cè)度沖擊。

考慮到?jīng)_擊前增長快的區(qū)域受沖擊的影響可能會(huì)大于增長慢的區(qū)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(shì)(PreGrowi,2000—2006)對(duì)估計(jì)結(jié)果的影響。(7)之所以沒有用更早的時(shí)期來衡量沖擊前的趨勢(shì)，是考慮到2000年前的經(jīng)濟(jì)可能受其他沖擊，比如1997年金融危機(jī)的影響。對(duì)于沖擊變量(gshocki)，本文采用各省2012年和2007年產(chǎn)出增長率預(yù)測(cè)值之差來衡量，下文將做詳細(xì)說明。通過在模型中引入沖擊變量和年份固定效應(yīng)的交乘項(xiàng)(gshocki×It)，可以估計(jì)沖擊對(duì)各省經(jīng)濟(jì)在2013年及其后各年的影響。γI是本文關(guān)注的關(guān)鍵系數(shù)，其含義在于：與受沖擊較小區(qū)域相比，受沖擊較大區(qū)域的就業(yè)、資本、勞均產(chǎn)出、資本產(chǎn)出等變量的增長率(相對(duì)于沖擊前)在沖擊后是上升了，還是下降了。比如，當(dāng)t=2013時(shí)，γI的估計(jì)系數(shù)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(dāng)t=2014,2015,2016時(shí)，其含義依次類推。式(6)實(shí)際上是差分模型，控制了省級(jí)層面不隨時(shí)間變化的因素。為了消除經(jīng)濟(jì)波動(dòng)對(duì)結(jié)果的可能影響，在模型中加入年份固定效應(yīng)?？紤]到三大區(qū)域之間存在明顯的異質(zhì)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(qū)的劃分采用傳統(tǒng)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(nèi)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(xiàng)可能存在的相關(guān)性，將采用聚類穩(wěn)健標(biāo)準(zhǔn)誤(clustered error)。(9)我們也嘗試了穩(wěn)健標(biāo)準(zhǔn)誤(robust error)，發(fā)現(xiàn)沖擊效應(yīng)的顯著性在多數(shù)情況下有所增強(qiáng)。

式(6)中g(shù)shocki表示各省受到的宏觀沖擊大小，這是本文的關(guān)鍵變量。文獻(xiàn)中衡量宏觀沖擊的常用變量是失業(yè)率(比如Bitler and Hoynes, 2015)，但由于缺少每個(gè)省歷年來的調(diào)查失業(yè)率數(shù)據(jù)，此方法對(duì)本文研究并不可行。一個(gè)類似的方法是用各省產(chǎn)出的實(shí)際增長率來衡量。但區(qū)域經(jīng)濟(jì)增長除了受宏觀沖擊的影響外，還受區(qū)域特定因素的影響，如果用各省產(chǎn)出的實(shí)際增長率作為衡量沖擊的指標(biāo)，則可能不能準(zhǔn)確度量各地受到的沖擊。為了克服這個(gè)不足，本文采用兩步法，先用全國各產(chǎn)業(yè)增加值的增長率和每個(gè)省的產(chǎn)業(yè)結(jié)構(gòu)來預(yù)測(cè)各省的增長率，再用沖擊前后預(yù)測(cè)值的差值來衡量各地受到的沖擊。其中第一步，采用文獻(xiàn)中常用的Bartik(1991)偏離份額(shift-share)方法，假設(shè)全國第S個(gè)產(chǎn)業(yè)增加值的增長率為gNS，i省第S個(gè)產(chǎn)業(yè)所占的比重為ShareiS，那么i省經(jīng)濟(jì)增長率的預(yù)測(cè)值為：

(7)

本文根據(jù)上式，用2007年和2012年全國各產(chǎn)業(yè)增加值的增長率，結(jié)合2004到2006年間各省各產(chǎn)業(yè)增加值所占比重的平均值即其產(chǎn)業(yè)結(jié)構(gòu)，來預(yù)測(cè)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(chǎn)業(yè)結(jié)構(gòu)數(shù)據(jù)，而不是2007—2012年的數(shù)據(jù)，是為了避免2007年后經(jīng)濟(jì)增長對(duì)產(chǎn)業(yè)結(jié)構(gòu)的影響，使用3年的平均值是為了減輕經(jīng)濟(jì)波動(dòng)對(duì)結(jié)果的影響。對(duì)于產(chǎn)業(yè)劃分，采用了9大產(chǎn)業(yè)的分法，包括農(nóng)林牧漁業(yè)、工業(yè)、建筑業(yè)、批發(fā)零售業(yè)、交通運(yùn)輸業(yè)、住宿餐飲業(yè)、金融業(yè)、房地產(chǎn)業(yè)、其他行業(yè)，具體劃分及數(shù)據(jù)來源見國家統(tǒng)計(jì)局網(wǎng)站上的“國家數(shù)據(jù)”。(10)本文也嘗試基于19個(gè)行業(yè)分類的就業(yè)數(shù)據(jù)來構(gòu)造沖擊變量，但結(jié)果并不理想，一個(gè)可能的原因是國家統(tǒng)計(jì)局公布的分行業(yè)就業(yè)數(shù)據(jù)僅包含“城鎮(zhèn)單位就業(yè)”，涵蓋的就業(yè)范圍有限，不能準(zhǔn)確衡量各產(chǎn)業(yè)就業(yè)變化。采用偏離份額法構(gòu)造沖擊變量是文獻(xiàn)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(chǎn)業(yè)與全國對(duì)應(yīng)產(chǎn)業(yè)受到的沖擊相似，而且在預(yù)測(cè)各省產(chǎn)出增長率時(shí)采用的是沖擊前的產(chǎn)業(yè)結(jié)構(gòu)，因此用該方法為各省構(gòu)造的沖擊變量與各地在經(jīng)濟(jì)增速放緩時(shí)期的特定因素?zé)o關(guān)，體現(xiàn)的只是各地受宏觀沖擊的影響，是一個(gè)比較理想的外生沖擊變量。

為了對(duì)gshock變量有一個(gè)直觀的印象，圖3展示了2012年和2007年各省經(jīng)濟(jì)增長率預(yù)測(cè)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(gè)較大幅度的下降，說明各省都受到了負(fù)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(gè)百分點(diǎn)，天津、浙江、江蘇和廣東也下降了7個(gè)百分點(diǎn)左右，西藏和海南下降的幅度最小，不到5個(gè)百分點(diǎn)。從分布來看，處于10%分位的省份(新疆)的增長率預(yù)測(cè)值下降了5.3個(gè)百分點(diǎn)，而處于90%分位的省份(天津)的增長率預(yù)測(cè)值下降了7.1個(gè)百分點(diǎn)，兩者之間相差約2個(gè)百分點(diǎn)。(11)如果用各省產(chǎn)出的實(shí)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(gè)百分點(diǎn)。這在一定程度上反映產(chǎn)出實(shí)際增長率比預(yù)測(cè)增長率包含更多“噪音”，說明實(shí)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(jīng)濟(jì)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(qū)內(nèi)部，這種差異也比較明顯。本文正是利用這種空間差異來識(shí)別經(jīng)濟(jì)增速放緩對(duì)各省資本、就業(yè)、資本產(chǎn)出率、勞均產(chǎn)出的影響。由于gshock的數(shù)據(jù)為負(fù)值，為了便于解釋，在下文的實(shí)證中，對(duì)gshock做了符號(hào)反向處理，即數(shù)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(jì)算的沖擊變量gshock和產(chǎn)出實(shí)際增長率之間的關(guān)系，根據(jù)模型(6)，以2001年到2016年各省產(chǎn)出增長率和2007年產(chǎn)出增長率的差為因變量，對(duì)gshock和時(shí)間固定效應(yīng)的交互項(xiàng)進(jìn)行回歸，系數(shù)估計(jì)結(jié)果見圖4。(12)為了觀察整個(gè)樣本期間產(chǎn)出增長率和沖擊變量gshock的關(guān)系，回歸從2001年開始，因此沒有加入沖擊前的趨勢(shì)變量，也沒有加入地區(qū)虛擬變量。其中系數(shù)估計(jì)值的大小用圖中的黑點(diǎn)表示，其90%置信區(qū)間用長虛線表示。從圖中可以看出，在2005年前，系數(shù)估計(jì)值為正，表明在此時(shí)期受沖擊影響較大區(qū)域的產(chǎn)出增長率(相對(duì)于2007年)要高于受沖擊較小區(qū)域。在2005年至2006年兩年間，經(jīng)濟(jì)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(qū)域?qū)嶋H產(chǎn)出增長率的降幅明顯大于受沖擊影響較小區(qū)域，這種趨勢(shì)一直延續(xù)到2011年。從2012年起，情況發(fā)生了改變，受沖擊影響較大區(qū)域的情況有所改善，其與受沖擊影響較小區(qū)域經(jīng)濟(jì)增長率的差距不斷縮小。以上比較顯示，本文構(gòu)造的gshock變量和沖擊測(cè)度時(shí)期(2007—2012)產(chǎn)出實(shí)際增長率的變化聯(lián)系緊密，但與沖擊前和沖擊后經(jīng)濟(jì)增長率的變化關(guān)聯(lián)度不高，這說明gshock是度量經(jīng)濟(jì)增速放緩沖擊的一個(gè)較好指標(biāo)。

圖4 區(qū)域經(jīng)濟(jì)增長率和沖擊變量的關(guān)系

模型(6)中其他變量如就業(yè)、資本、勞均產(chǎn)出、單位資本產(chǎn)出等的具體設(shè)定如下：對(duì)于就業(yè)，本文采用各省城鎮(zhèn)單位就業(yè)來衡量，即城鎮(zhèn)國有單位就業(yè)、集體單位就業(yè)、其他單位就業(yè)、私營企業(yè)個(gè)體就業(yè)的加總，數(shù)據(jù)來源于《中國勞動(dòng)統(tǒng)計(jì)年鑒》和《中國人口和就業(yè)統(tǒng)計(jì)年鑒》各期。(13)早期的統(tǒng)計(jì)年鑒公布各省總的就業(yè)，但近年來出版的年鑒僅公布城鎮(zhèn)單位就業(yè)，為了保持?jǐn)?shù)據(jù)的一致性，本文采用了城鎮(zhèn)單位就業(yè)。資本是根據(jù)盤存永續(xù)法推算而來，具體見Wu(2016)。(14)各省2000—2016年的資本數(shù)據(jù)由Wu(2016)論文作者，澳大利亞西澳大學(xué)經(jīng)濟(jì)系吳延瑞教授提供。各省的產(chǎn)出及其增長率數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》各期，和資本一樣，采用以2010年為基期的實(shí)際值。勞均產(chǎn)出是各省產(chǎn)出與就業(yè)的比值，單位資本產(chǎn)出或資本產(chǎn)出率為各省產(chǎn)出與資本存量的比值。

3 實(shí)證分析

3.1 就業(yè)所受影響

根據(jù)模型(6)，本文首先估計(jì)宏觀經(jīng)濟(jì)沖擊對(duì)就業(yè)的影響，結(jié)果見表1。從第(1)列的估計(jì)結(jié)果可看出，沖擊效應(yīng)(即沖擊變量與時(shí)間固定效應(yīng)交乘項(xiàng))的系數(shù)在4年中都為正，但無論哪一年，系數(shù)均不顯著。這說明從總體上看，經(jīng)濟(jì)增速放緩對(duì)各省就業(yè)的影響并無顯著差異?？紤]到面對(duì)沖擊時(shí)，各種類型經(jīng)濟(jì)體的自我調(diào)節(jié)模式可能不同，因此把就業(yè)分為國有單位就業(yè)、集體單位就業(yè)、私營企業(yè)和個(gè)體就業(yè)以及其他單位就業(yè)，再利用式(6)分別進(jìn)行回歸，結(jié)果報(bào)告在表1的第(2)到第(5)列中。(15)本文所用就業(yè)數(shù)據(jù)為“城鎮(zhèn)單位就業(yè)”，與各產(chǎn)業(yè)很難精確對(duì)應(yīng)，因此這里按所有制類型分類，而沒有按產(chǎn)業(yè)來分類研究，在下文研究資本所受影響時(shí)，采用了三次產(chǎn)業(yè)的分類。從這些估計(jì)結(jié)果來看，對(duì)于國有單位和其他單位就業(yè)，沖擊效應(yīng)的系數(shù)多數(shù)為負(fù)，但僅在2013年其他單位就業(yè)的估計(jì)結(jié)果中顯著。對(duì)于集體單位就業(yè)，沖擊效應(yīng)的系數(shù)在前兩年為正，后兩年為負(fù)，但只在2014年顯著。對(duì)于私營個(gè)體單位就業(yè)，沖擊效應(yīng)的系數(shù)在4年中均為正但顯著性不高?？傊?，分經(jīng)濟(jì)類型來看，宏觀沖擊的影響在區(qū)域間有所不同，但沖擊效應(yīng)顯著的較少，這和總體就業(yè)的估計(jì)結(jié)果類似，說明即使分不同經(jīng)濟(jì)類型來看，經(jīng)濟(jì)增速放緩對(duì)就業(yè)的影響也不明顯。

表1 就業(yè)效應(yīng)的估計(jì)結(jié)果

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

以上所用就業(yè)數(shù)據(jù)是城鎮(zhèn)“單位就業(yè)”，并未包含所有就業(yè)，回歸結(jié)果或許不能準(zhǔn)確反映經(jīng)濟(jì)增速放緩后各地的就業(yè)變化，因此采用各省常住人口作為就業(yè)的一個(gè)替代變量，再用模型(6)進(jìn)行估計(jì)。(17)比如在2016年，全國總的就業(yè)是7.7億人，其中城鎮(zhèn)就業(yè)為4.1億人，城鎮(zhèn)單位就業(yè)為3.9億人。采用這種做法主要是考慮到一個(gè)區(qū)域的人口和就業(yè)高度相關(guān)，人口的變化能在一定程度上反映就業(yè)變化。由表1第(6)列的估計(jì)結(jié)果可以看出，采用人口數(shù)據(jù)后，結(jié)果明顯不同。從沖擊變量和時(shí)間固定效應(yīng)的交互項(xiàng)來看，4個(gè)年份的沖擊效應(yīng)都為負(fù)，且從2014年起高度顯著。這說明宏觀沖擊對(duì)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(yīng)實(shí)際上是雙重差分(difference in difference)的估計(jì)結(jié)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(yīng)系數(shù)為負(fù)，表明受沖擊影響較大區(qū)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(qū)域。從系數(shù)估計(jì)值(絕對(duì)值)的大小來看，沖擊效應(yīng)從2014年的0.39上升到2015年的0.68，增加了74%。到2016年，系數(shù)有所回調(diào)，但仍超過0.6。為了對(duì)沖擊效應(yīng)的大小有一個(gè)直觀的理解，以2016年為例，其系數(shù)估計(jì)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(gè)百分點(diǎn)。(19)90%和10%分位省份所受沖擊大小之差為1.8個(gè)百分點(diǎn)，所以人口增長率的變化之差為0.018×0.633，約1.1個(gè)百分點(diǎn)。對(duì)此，一個(gè)可能的解釋是，經(jīng)濟(jì)增速放緩時(shí)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(diào)整從2014年才開始變得顯著，這說明受到宏觀沖擊后，區(qū)域人口的調(diào)整有一定的時(shí)滯，但持續(xù)的時(shí)間較長。另外一個(gè)發(fā)現(xiàn)是，采用人口變量后，沖擊前的增長趨勢(shì)、年份固定效應(yīng)和地區(qū)虛擬變量都變得顯著，其中沖擊前的趨勢(shì)變量系數(shù)為負(fù)，說明2007年前人口增長快的區(qū)域在宏觀沖擊后的增長率會(huì)相對(duì)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(jīng)濟(jì)沖擊下人口在各地的變化如此突出，而就業(yè)卻不明顯？一個(gè)可能的解釋是由于戶籍制度，常住人口的變化更多體現(xiàn)的是外來人口，或者說是外來農(nóng)村人口的變化，這一部分人群技能水平相對(duì)較低，受宏觀經(jīng)濟(jì)變化的影響較大。其原因在于經(jīng)濟(jì)增速下滑時(shí)，抵御市場(chǎng)波動(dòng)風(fēng)險(xiǎn)能力相對(duì)較弱的中小企業(yè)，特別是生產(chǎn)效率較低的企業(yè)，容易受到影響、易于關(guān)門倒閉。而這類企業(yè)是吸納外來農(nóng)村勞動(dòng)力的主力，其經(jīng)營狀況的變化會(huì)直接影響到對(duì)外來農(nóng)村勞動(dòng)力的就業(yè)需求，進(jìn)而影響其流向。由于本文所用的就業(yè)數(shù)據(jù)并未完全涵蓋這一部分人群，所以從估計(jì)結(jié)果來看，采用城鎮(zhèn)單位就業(yè)時(shí)，就業(yè)效應(yīng)不顯著，但采用常住人口作為代理變量后，沖擊效應(yīng)顯著為負(fù)，且持續(xù)較長時(shí)期。

3.2 資本所受影響

資本受宏觀沖擊影響的估計(jì)結(jié)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(duì)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(qū)域間的這種差異并不顯著，而且系數(shù)的絕對(duì)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(shì)變量的系數(shù)為負(fù)且顯著，表明沖擊前資本增長率越高的區(qū)域受經(jīng)濟(jì)沖擊的負(fù)面影響越大。東部和中部地區(qū)虛擬變量的系數(shù)為負(fù)且顯著，說明東部和中部地區(qū)資本增長率顯著低于西部。時(shí)間固定效應(yīng)的系數(shù)均顯著為負(fù)，表明資本增長率有逐年下降的趨勢(shì)。模型的擬合度較好，其R2值約為0.5。

表2 資本效應(yīng)的估計(jì)結(jié)果

考慮到不同產(chǎn)業(yè)面對(duì)宏觀沖擊時(shí)的響應(yīng)可能不同，從總體上研究各省資本增長率受沖擊的影響會(huì)掩蓋產(chǎn)業(yè)之間的差異。因此按照三次產(chǎn)業(yè)的劃分，逐個(gè)估計(jì)宏觀沖擊對(duì)三次產(chǎn)業(yè)資本增長率的影響，結(jié)果報(bào)告在表2第(2)到第(4)列中。從這些估計(jì)結(jié)果可以看出，對(duì)于第一產(chǎn)業(yè)而言，沖擊效應(yīng)的系數(shù)在2013年和2014年為正，此后兩年為負(fù)，但僅于2013年在10%水平上顯著。這說明經(jīng)濟(jì)增速放緩對(duì)第一產(chǎn)業(yè)資本增長率的影響在區(qū)域之間沒有顯著差異，盡管年份固定效應(yīng)的估計(jì)結(jié)果表明第一產(chǎn)業(yè)的資本增長速度有逐年遞增的趨勢(shì)。

第二產(chǎn)業(yè)的結(jié)果則明顯不同，4年中沖擊效應(yīng)的系數(shù)都為負(fù)，2013年和2014年系數(shù)的絕對(duì)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(chǎn)業(yè)的資本增長率(相較于2007年)要低4.3～4.5個(gè)百分點(diǎn)。(20)以2013年的估計(jì)結(jié)果為例，由于90%和10%分位省份所受沖擊大小之差為1.8個(gè)百分點(diǎn)，所以資本增長率的變化之差為0.018×2.488=0.045，即4.5個(gè)百分點(diǎn)。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(shí)際數(shù)據(jù)來看，2007年兩地第二產(chǎn)業(yè)的資本增長率分別為11.3%和9.1%，到2013年，兩地第二產(chǎn)業(yè)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(gè)百分點(diǎn)，而新疆提高了7.2個(gè)百分點(diǎn)，前者比后者低4個(gè)百分點(diǎn)，這略低于從模型估計(jì)結(jié)果得出的推斷。(21)采用資本增長率的實(shí)際數(shù)據(jù)，是為了比較資本增長率的變化，該變化和模型中沖擊效應(yīng)系數(shù)的估計(jì)值并不等同，后者衡量的是宏觀經(jīng)濟(jì)沖擊對(duì)區(qū)域間資本增長率變化的平均影響。從2015年和2016年系數(shù)的估計(jì)值來看，其絕對(duì)值有所減小，且變得不再顯著。

對(duì)于第三產(chǎn)業(yè)，表2第(4)列的估計(jì)結(jié)果表明，沖擊效應(yīng)的估計(jì)值在4個(gè)年份中都為負(fù)，且高度顯著。與第二產(chǎn)業(yè)相比，第三產(chǎn)業(yè)系數(shù)的絕對(duì)值相對(duì)較低。比如在2013年，第三產(chǎn)業(yè)沖擊效應(yīng)的系數(shù)為-1.7，僅為第二產(chǎn)業(yè)系數(shù)的68%，這說明宏觀經(jīng)濟(jì)沖擊對(duì)第三產(chǎn)業(yè)資本增長的影響小于第二產(chǎn)業(yè)。第三產(chǎn)業(yè)的另一個(gè)明顯特征是，沖擊效應(yīng)在2014年回調(diào)后逐年上升，到2016年沖擊效應(yīng)的絕對(duì)值甚至超過了2013年。這表明宏觀沖擊對(duì)第三產(chǎn)業(yè)的資本增長有持續(xù)累加的影響，不同區(qū)域之間第三產(chǎn)業(yè)資本增長率的差異會(huì)不斷拉大。

總之，以上估計(jì)結(jié)果表明：從總體上看，經(jīng)濟(jì)增速放緩對(duì)資本增長率的影響在區(qū)域間并無顯著差異。分三次產(chǎn)業(yè)后，經(jīng)濟(jì)沖擊對(duì)第一產(chǎn)業(yè)的作用仍不明顯，但對(duì)第二產(chǎn)業(yè)有顯著的負(fù)面影響，其沖擊效應(yīng)在2013年最大，此后逐年下降，從2015年起變得不再顯著。對(duì)于第三產(chǎn)業(yè)，沖擊效應(yīng)在4年中都為負(fù)且顯著，其系數(shù)的絕對(duì)值在前兩年小于第二產(chǎn)業(yè)，但有一個(gè)逐年增強(qiáng)的趨勢(shì)。如果比較資本和人口沖擊效應(yīng)的系數(shù)大小，可以發(fā)現(xiàn)宏觀沖擊對(duì)資本的影響要大于人口，且更為迅速。這說明面對(duì)經(jīng)濟(jì)增速下滑，資本的調(diào)節(jié)速度快于人口，可能是由于相對(duì)于資本，人口在區(qū)域間的轉(zhuǎn)移需要更多時(shí)間的緣故。

3.3 勞均產(chǎn)出和單位資本產(chǎn)出所受影響

宏觀沖擊對(duì)勞均產(chǎn)出影響的估計(jì)結(jié)果見表3第(1)列，為了節(jié)省篇幅，表中僅報(bào)告每年的沖擊效應(yīng)。從中可以看出，從2013年到2016年，勞均產(chǎn)出所受的沖擊效應(yīng)為負(fù)，其系數(shù)在前三年顯著。這說明經(jīng)濟(jì)增速放緩對(duì)勞均產(chǎn)出有一定負(fù)面影響。但如前文所述，本文所用的就業(yè)數(shù)據(jù)為城鎮(zhèn)單位就業(yè)，存在一定局限，由此計(jì)算的勞均產(chǎn)出可能不能準(zhǔn)確度量各地勞動(dòng)生產(chǎn)率的變化，因此用人口作為替代變量，計(jì)算人均產(chǎn)出，再估計(jì)經(jīng)濟(jì)沖擊對(duì)人均產(chǎn)出的影響。從表3第(2)列的估計(jì)結(jié)果可以看出，與勞均產(chǎn)出結(jié)果明顯不同，沖擊效應(yīng)的系數(shù)現(xiàn)在符號(hào)為正，其大小和顯著性呈逐年遞增的態(tài)勢(shì)。2013年系數(shù)估計(jì)值為0.032，到2016年其系數(shù)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(chǎn)出的增長率相較于2007年提高更多。

表3 勞均產(chǎn)出和單位資本產(chǎn)出效應(yīng)的估計(jì)結(jié)果

表3的第(3)到第(6)列報(bào)告了單位資本產(chǎn)出的沖擊效應(yīng)估計(jì)結(jié)果。從第(3)列可看出，單位資本產(chǎn)出增長率對(duì)沖擊的響應(yīng)在4年中都為正，但系數(shù)均不顯著，說明從總體上看，宏觀沖擊對(duì)資本產(chǎn)出率沒有顯著影響。從三次產(chǎn)業(yè)的劃分來看，結(jié)果有所不同。對(duì)于第一產(chǎn)業(yè)，沖擊效應(yīng)為負(fù)，且在前兩年顯著，說明沖擊對(duì)第一產(chǎn)業(yè)資本產(chǎn)出率有負(fù)面影響；對(duì)于第二產(chǎn)業(yè)，沖擊效應(yīng)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(qū)域，受沖擊影響較大區(qū)域第二產(chǎn)業(yè)的資本產(chǎn)出率在2013年后增長更快。從系數(shù)大小來看，第二產(chǎn)業(yè)資本產(chǎn)出率的沖擊效應(yīng)有逐年減小的趨勢(shì)，但到2016年，56%的沖擊效應(yīng)依然存在，且在10%水平顯著；對(duì)于第三產(chǎn)業(yè)，4年中沖擊效應(yīng)的系數(shù)都為正，系數(shù)的大小和顯著性在2014年后不斷增強(qiáng)，這表明經(jīng)濟(jì)增速放緩對(duì)第三產(chǎn)業(yè)資本產(chǎn)出率有顯著影響。

前文研究表明，受沖擊影響較大區(qū)域資本和人口的增長率相對(duì)較低，假如生產(chǎn)要素的邊際生產(chǎn)力遞減，那么以上所發(fā)現(xiàn)的經(jīng)濟(jì)沖擊對(duì)人均產(chǎn)出和單位資本產(chǎn)出的影響會(huì)不會(huì)是由于這些區(qū)域資本和人口流向其他區(qū)域所引起，而并非沖擊本身的作用？為了對(duì)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(jì)模型，發(fā)現(xiàn)人均產(chǎn)出沖擊效應(yīng)的顯著性有所下降，但單位資本產(chǎn)出，特別是第二產(chǎn)業(yè)單位資本產(chǎn)出的沖擊效應(yīng)幾乎沒有變化。(22)為了節(jié)省篇幅，估計(jì)結(jié)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(qū)域人均產(chǎn)出和單位資本產(chǎn)出增長率的提高，但沖擊效應(yīng)依然存在，還有其他因素影響資本和勞動(dòng)的生產(chǎn)率，論文第4部分將對(duì)此做進(jìn)一步的研究。

3.4 穩(wěn)健性檢驗(yàn)

為了檢驗(yàn)以上結(jié)論的穩(wěn)健性，本文嘗試了4個(gè)實(shí)驗(yàn)。首先，考慮到北京、上海和天津等地的產(chǎn)業(yè)結(jié)構(gòu)和其他省區(qū)相比明顯不同，將其包含在樣本中可能會(huì)引起偏差，因此在樣本中剔除這些地區(qū)；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(qū)域；其次，以上回歸是用2007年作為基準(zhǔn)年份來做比較，但并非所有省份在2007年都達(dá)到經(jīng)濟(jì)增長的高點(diǎn)，因此采用其他年份比如2006年為基準(zhǔn)年份來做比較；(23)比如對(duì)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(shì)，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(shí)期的增長趨勢(shì)對(duì)結(jié)果的可能影響。檢驗(yàn)結(jié)果表明，在這些實(shí)驗(yàn)中，本文的基本結(jié)論，即宏觀經(jīng)濟(jì)增速放緩時(shí)，與受沖擊影響較小區(qū)域相比，受沖擊影響較大區(qū)域的資本和人口增長率相對(duì)下降，但單位資本產(chǎn)出和人均產(chǎn)出的增長率卻相對(duì)提高，是穩(wěn)健的。(24)為了節(jié)省篇幅，估計(jì)結(jié)果未列出。

4 進(jìn)一步的討論

為何與受沖擊影響較小的區(qū)域相比，受沖擊影響較大區(qū)域的資本和人口增長率相對(duì)較低，但其人均產(chǎn)出和資本產(chǎn)出率，特別是二、三產(chǎn)業(yè)的單位資本產(chǎn)出增長率相對(duì)更高？本文認(rèn)為：熊彼特的破壞性創(chuàng)新理論可以提供一種解釋，即經(jīng)濟(jì)下行時(shí)，受沖擊影響較大區(qū)域投資于創(chuàng)新品的機(jī)會(huì)成本相對(duì)較低，所以創(chuàng)新更容易出現(xiàn)，低生產(chǎn)率的企業(yè)會(huì)被市場(chǎng)淘汰，讓位于高生產(chǎn)率的企業(yè)，從而使區(qū)域生產(chǎn)率升高。此外，競(jìng)爭(zhēng)壓力理論(Hall, 2005; Gibbons and Roberts, 2012)也可以用來解釋本文的發(fā)現(xiàn)，即宏觀經(jīng)濟(jì)狀況不好時(shí)，企業(yè)面臨的競(jìng)爭(zhēng)壓力增大，為避免被擠出市場(chǎng)，企業(yè)不得不進(jìn)行創(chuàng)新或升級(jí)產(chǎn)品，從而有助于提高區(qū)域生產(chǎn)率。無論哪種理論，都強(qiáng)調(diào)創(chuàng)新或新產(chǎn)業(yè)的發(fā)展是經(jīng)濟(jì)增速放緩時(shí)生產(chǎn)率得以提升的一個(gè)主要途徑?？紤]到高技術(shù)產(chǎn)業(yè)是創(chuàng)新最為活躍的部門，本文在式(6)中加入高技術(shù)產(chǎn)業(yè)投資與沖擊效應(yīng)的交乘項(xiàng)，據(jù)此對(duì)以上解釋加以驗(yàn)證，具體如下：

(8)

其中tech為各地高技術(shù)產(chǎn)業(yè)投資占比。如果以上的推斷正確，那么可以預(yù)期λI的符號(hào)為正。考慮到制造業(yè)和服務(wù)業(yè)之間在高技術(shù)產(chǎn)業(yè)上的差異明顯，本文區(qū)分高技術(shù)制造業(yè)和高技術(shù)服務(wù)業(yè)，其界定參考了國家統(tǒng)計(jì)局發(fā)布的《高技術(shù)產(chǎn)業(yè)(服務(wù)業(yè))分類2018》和《高技術(shù)產(chǎn)業(yè)(制造業(yè))分類2017》。具體而言，結(jié)合《中國固定資產(chǎn)投資統(tǒng)計(jì)年鑒》中行業(yè)大類的劃分，將醫(yī)藥制造業(yè)、鐵路、船舶、航空航天和其他運(yùn)輸設(shè)備制造業(yè)、計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)以及儀器儀表制造業(yè)等劃歸為高技術(shù)制造業(yè)，將信息傳輸業(yè)、軟件和信息技術(shù)服務(wù)業(yè)、科學(xué)研究和技術(shù)服務(wù)業(yè)等劃分為高技術(shù)服務(wù)業(yè)。(25)《高技術(shù)產(chǎn)業(yè)分類》中的行業(yè)精確到了4位碼，而《中國固定資產(chǎn)投資統(tǒng)計(jì)年鑒》是按行業(yè)大類來劃分的，按這兩個(gè)標(biāo)準(zhǔn)來匹配高技術(shù)產(chǎn)業(yè)會(huì)有一定偏差，但在嘗試逐步增減高技術(shù)產(chǎn)業(yè)所涵蓋的行業(yè)大類后，結(jié)果并無明顯變化。在此基礎(chǔ)上，首先把《中國固定資產(chǎn)投資統(tǒng)計(jì)年鑒》中各省高技術(shù)產(chǎn)業(yè)對(duì)應(yīng)的行業(yè)投資數(shù)據(jù)加總，然后分別計(jì)算高技術(shù)制造業(yè)占制造業(yè)投資的比重，以及高技術(shù)服務(wù)業(yè)占服務(wù)業(yè)投資的比重。(26)由于沒有找到《中國固定資產(chǎn)投資統(tǒng)計(jì)年鑒2014》，2013年的數(shù)據(jù)來自《2013固定資產(chǎn)投資統(tǒng)計(jì)年報(bào)》。

圖5 高技術(shù)產(chǎn)業(yè)投資與沖擊的關(guān)系

首先來看高技術(shù)產(chǎn)業(yè)投資與宏觀沖擊變量的關(guān)系。為此，分別以各省歷年來高技術(shù)制造業(yè)投資占比和高技術(shù)服務(wù)業(yè)投資占比為因變量，利用式(6)對(duì)gshock和年份固定效應(yīng)的交乘項(xiàng)進(jìn)行回歸，系數(shù)的點(diǎn)估計(jì)值和90%置信區(qū)間報(bào)告在圖5中。(27)受數(shù)據(jù)所限，模型的估計(jì)從2003年開始。圖5(a)顯示，從2012年起，受沖擊影響較大區(qū)域的高技術(shù)制造業(yè)投資比重與其他區(qū)域相比，有所下降，但從2014年開始這些地區(qū)在高技術(shù)制造業(yè)上的投資明顯增加。從2011年前的估計(jì)結(jié)果來看，多數(shù)年份的點(diǎn)估計(jì)值接近于零且不顯著，說明在經(jīng)濟(jì)增速下滑之前，各省在高技術(shù)制造業(yè)上的投資沒有明顯差異。

高技術(shù)服務(wù)業(yè)投資的估計(jì)結(jié)果有所不同，從圖5(b)可看出，2007年前沖擊效應(yīng)的系數(shù)估計(jì)值多數(shù)為負(fù)，但從2008年開始，系數(shù)估計(jì)值一直為正且不斷上升，到2013年達(dá)到最高點(diǎn)，此后開始下降。這說明相對(duì)于2007年的投資水平，受沖擊影響較大區(qū)域在高技術(shù)服務(wù)業(yè)上的投資比重在2008年后一直高于其他區(qū)域，且保持遞增態(tài)勢(shì)。但從2014年起，區(qū)域之間的差距有所減小，這可能是由于其他區(qū)域在高技術(shù)服務(wù)業(yè)上的投資開始加速，也有可能是受沖擊影響較大區(qū)域在高技術(shù)制造業(yè)上的投資增加，相應(yīng)減少了在高技術(shù)服務(wù)業(yè)上的投資所致。比如，對(duì)于受沖擊影響較大區(qū)域如天津，高技術(shù)制造業(yè)投資所占比重在2014年為11.5%，2015年上升到11.8%，2016年進(jìn)一步升至12.7%，而高技術(shù)服務(wù)業(yè)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(duì)于受沖擊影響較小區(qū)域如新疆，高技術(shù)制造業(yè)投資比重2014年為2.4%，2015年降到1.7%，2016年進(jìn)一步降至1.5%，但高技術(shù)服務(wù)業(yè)投資的比重則從2014年的2.6%，升至2015年的2.9%，2016年進(jìn)一步上升至3.3%。

以上分析表明高技術(shù)產(chǎn)業(yè)投資和宏觀沖擊關(guān)系緊密，受沖擊影響較大區(qū)域近年來在高技術(shù)產(chǎn)業(yè)，特別是高技術(shù)制造業(yè)上的投資比重有所增加。為了進(jìn)一步檢驗(yàn)高技術(shù)產(chǎn)業(yè)投資對(duì)資本產(chǎn)出率的作用，根據(jù)模型(8)，分別估計(jì)了三次產(chǎn)業(yè)單位資本產(chǎn)出增長率和高技術(shù)產(chǎn)業(yè)投資的關(guān)系，結(jié)果見表4。(28)為了節(jié)省篇幅，表4中僅報(bào)告沖擊效應(yīng)及沖擊和高技術(shù)產(chǎn)業(yè)投資交乘項(xiàng)的估計(jì)結(jié)果。其中(1)～(3)列報(bào)告了高技術(shù)制造業(yè)投資對(duì)三次產(chǎn)業(yè)資本產(chǎn)出率的影響?？梢钥闯?，加入高技術(shù)制造業(yè)投資和沖擊效應(yīng)的交乘項(xiàng)后，沖擊效應(yīng)系數(shù)估計(jì)值的符號(hào)沒有變化，盡管其顯著性有所降低。從交乘項(xiàng)來看，其系數(shù)在第一產(chǎn)業(yè)和第三產(chǎn)業(yè)的回歸中不顯著，在第二產(chǎn)業(yè)的估計(jì)中都為正，且在2013年和2014年兩年中顯著。由此可知，相對(duì)于受沖擊影響較小的區(qū)域，受沖擊影響較大區(qū)域的高技術(shù)制造業(yè)投資更有助于第二產(chǎn)業(yè)的發(fā)展，使其資本產(chǎn)出率得以提升。對(duì)于第一和第三產(chǎn)業(yè)而言，高技術(shù)制造業(yè)投資對(duì)區(qū)域間資本產(chǎn)出率的影響并無明顯差異。

表4中(5)～(7)列報(bào)告了高技術(shù)服務(wù)業(yè)投資對(duì)三次產(chǎn)業(yè)資本產(chǎn)出率的影響。和(1)～(3)列的結(jié)果類似，沖擊效應(yīng)的系數(shù)在加入交乘項(xiàng)后符號(hào)沒有變化，其中第一產(chǎn)業(yè)和第二產(chǎn)業(yè)系數(shù)的顯著性也基本沒有變化，第三產(chǎn)業(yè)系數(shù)變得不再顯著。從高技術(shù)服務(wù)業(yè)投資與沖擊效應(yīng)的交乘項(xiàng)來看，在第一和第二產(chǎn)業(yè)的回歸中不顯著，在第三產(chǎn)業(yè)的估計(jì)中系數(shù)為正且于2014年在10%水平顯著。(29)高技術(shù)服務(wù)業(yè)投資和沖擊效應(yīng)交互項(xiàng)的系數(shù)估計(jì)值明顯比高技術(shù)制造業(yè)投資和沖擊效應(yīng)交互項(xiàng)的估計(jì)值要大，其原因在于高技術(shù)服務(wù)業(yè)投資所占比重和高技術(shù)制造業(yè)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(shù)制造業(yè)投資所占比重的均值和標(biāo)準(zhǔn)差分別為11.9%和7.8%，而高技術(shù)服務(wù)業(yè)投資所占比重的均值和標(biāo)準(zhǔn)差為3.0%和1.4%。這說明高技術(shù)服務(wù)業(yè)投資對(duì)于第一和第二產(chǎn)業(yè)單位資本產(chǎn)出的增長沒有顯著影響，對(duì)于第三產(chǎn)業(yè)單位資本產(chǎn)出的增長有一定作用，相比于高技術(shù)制造業(yè)投資，高技術(shù)服務(wù)業(yè)投資對(duì)單位資本產(chǎn)出增長率的貢獻(xiàn)較小。

總之，以上分析表明：經(jīng)濟(jì)增速減緩時(shí)，產(chǎn)品需求比如制造業(yè)產(chǎn)品的出口需求下降，一些廠家可能因此而倒閉，資本出現(xiàn)外流，所以受沖擊影響較大區(qū)域的資本增長率相對(duì)降低。此時(shí)企業(yè)之間的競(jìng)爭(zhēng)壓力加劇，但投資于創(chuàng)新品的機(jī)會(huì)成本相對(duì)較低，因此這些區(qū)域的高技術(shù)產(chǎn)業(yè)投資活躍，產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)加快，從而有助于提高其資本產(chǎn)出率。相比于高技術(shù)服務(wù)業(yè)，高技術(shù)制造業(yè)投資對(duì)資本產(chǎn)出率的影響更為明顯。一個(gè)可能的解釋是：我國服務(wù)業(yè)整體水平較低，盡管高技術(shù)服務(wù)業(yè)投資在2014年前不斷增加，但高技術(shù)服務(wù)業(yè)對(duì)資本產(chǎn)出率的作用有限。(30)通常認(rèn)為服務(wù)業(yè)的生產(chǎn)率較低，但也有研究發(fā)現(xiàn)借助網(wǎng)絡(luò)技術(shù)，服務(wù)業(yè)的生產(chǎn)率可以大幅提高(江小涓, 2018)。另一個(gè)發(fā)現(xiàn)是，不管是高技術(shù)制造業(yè)投資，還是高技術(shù)服務(wù)業(yè)投資，其作用局限于行業(yè)大類內(nèi)部，對(duì)其他產(chǎn)業(yè)的溢出效應(yīng)并不明顯，即高技術(shù)制造業(yè)投資僅對(duì)第二產(chǎn)業(yè)資本產(chǎn)出率有作用，而高技術(shù)服務(wù)業(yè)投資僅對(duì)第三產(chǎn)業(yè)資本產(chǎn)出率有影響。

表4 高技術(shù)產(chǎn)業(yè)投資對(duì)單位資本產(chǎn)出和人均產(chǎn)出的影響

本文也根據(jù)模型(8)，估計(jì)了高技術(shù)制造業(yè)和高技術(shù)服務(wù)業(yè)投資對(duì)人均產(chǎn)出的影響。從表4第(4)列和第(8)列的估計(jì)結(jié)果可以看出，在加入交乘項(xiàng)后，沖擊變量對(duì)人均產(chǎn)出的影響沒有明顯變化，盡管其顯著性有所下降。高技術(shù)制造業(yè)投資對(duì)人均產(chǎn)出的作用僅在2013年顯著，但系數(shù)為負(fù)，這表明受經(jīng)濟(jì)增速放緩沖擊影響較大區(qū)域的高技術(shù)制造業(yè)投資并沒有帶動(dòng)這些地區(qū)人均產(chǎn)出的增長。從高技術(shù)服務(wù)業(yè)投資的估計(jì)結(jié)果來看，其對(duì)人均產(chǎn)出的作用在多數(shù)年份為正，但僅在2016年顯著，這說明高技術(shù)服務(wù)業(yè)投資對(duì)人均產(chǎn)出增長有一定貢獻(xiàn)，但作用緩慢。對(duì)此，一個(gè)可能的解釋是，受經(jīng)濟(jì)沖擊影響較大區(qū)域的高技術(shù)產(chǎn)業(yè)投資雖促進(jìn)了這些地區(qū)產(chǎn)出增加，但由于人口和勞動(dòng)力從這些地區(qū)流出相比于資本較慢，所以從人均產(chǎn)出上來看，高技術(shù)產(chǎn)業(yè)投資的作用在短期并不明顯；另一種可能是，受數(shù)據(jù)所限，本文沒有區(qū)分各產(chǎn)業(yè)的人均產(chǎn)出，僅從總體上檢驗(yàn)高技術(shù)產(chǎn)業(yè)投資對(duì)人均產(chǎn)出的作用，如果高技術(shù)產(chǎn)業(yè)投資對(duì)不同產(chǎn)業(yè)勞動(dòng)生產(chǎn)率的作用不同，利用總體數(shù)據(jù)估計(jì)得出的結(jié)果可能會(huì)掩蓋這種差異。

5 結(jié)論

近年來我國經(jīng)濟(jì)增長的速度有所放緩，從之前的年均10%降至8%以下，宏觀經(jīng)濟(jì)的這一變化無疑會(huì)給各地帶來沖擊。本文提出一個(gè)分解方法，把區(qū)域產(chǎn)出分解為資本、就業(yè)、單位資本產(chǎn)出和勞均產(chǎn)出，在此基礎(chǔ)上利用31個(gè)省(自治區(qū)、直轄市)2000—2016年的數(shù)據(jù)，建立了一個(gè)差分模型，通過經(jīng)濟(jì)增速放緩前后以及區(qū)域之間各分解變量增長率的比較，來識(shí)別宏觀沖擊對(duì)各區(qū)域的影響及各地的動(dòng)態(tài)調(diào)節(jié)方式。為了測(cè)度沖擊，本文采用Bartik(1991)的偏離份額方法，通過全國各產(chǎn)業(yè)增加值的增長率和沖擊前各省相應(yīng)產(chǎn)業(yè)所占比重，構(gòu)造了一個(gè)能夠捕捉各地所受沖擊的指標(biāo)。

本文研究發(fā)現(xiàn)宏觀沖擊對(duì)區(qū)域經(jīng)濟(jì)的影響存在明顯的空間差異。與受沖擊影響較小區(qū)域相比，受沖擊影響較大區(qū)域的資本增長率相對(duì)較低，分產(chǎn)業(yè)來看，宏觀沖擊對(duì)第二和第三產(chǎn)業(yè)的影響明顯強(qiáng)于第一產(chǎn)業(yè)。城鎮(zhèn)單位就業(yè)受沖擊的影響較小，但以常住人口為就業(yè)的替代變量時(shí)，其響應(yīng)比較強(qiáng)烈。與受沖擊影響較小區(qū)域相比，受沖擊影響較大區(qū)域的人口，特別是外來農(nóng)村勞動(dòng)力在流出。相比于資本的自我調(diào)節(jié)，人口和勞動(dòng)力的調(diào)節(jié)速度較慢，有一定時(shí)滯，但持續(xù)的時(shí)間較長。與資本和人口所受的負(fù)面影響不同，受沖擊影響較大區(qū)域的單位資本產(chǎn)出，特別是二、三產(chǎn)業(yè)的單位資本產(chǎn)出以及人均產(chǎn)出增長率近年來顯著提高，表明這些地區(qū)的生產(chǎn)率在經(jīng)濟(jì)增速放緩時(shí)得以改善。

相對(duì)于受沖擊影響較小的區(qū)域，受沖擊影響較大區(qū)域的資本和人口增長率有所降低，但其單位資本產(chǎn)出和人均產(chǎn)出的增長率卻在提高，這似乎是一個(gè)悖論。本文運(yùn)用破壞性創(chuàng)新和競(jìng)爭(zhēng)壓力理論對(duì)這一悖論進(jìn)行了解釋，并采用高技術(shù)產(chǎn)業(yè)投資數(shù)據(jù)對(duì)其加以驗(yàn)證。實(shí)證結(jié)果表明，經(jīng)濟(jì)增長速度放緩時(shí)，需求下降，競(jìng)爭(zhēng)加劇，企業(yè)面臨的壓力增強(qiáng)，破產(chǎn)倒逼的風(fēng)險(xiǎn)加大，但投資于創(chuàng)新品的機(jī)會(huì)成本降低。因此受沖擊影響較大的區(qū)域更傾向于增加高技術(shù)產(chǎn)業(yè)投資，從而促進(jìn)這些地區(qū)的產(chǎn)品升級(jí)和產(chǎn)業(yè)轉(zhuǎn)型，推動(dòng)其生產(chǎn)率的提高。與高技術(shù)服務(wù)業(yè)投資相比，高技術(shù)制造業(yè)投資對(duì)區(qū)域生產(chǎn)率，特別是資本產(chǎn)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(jīng)濟(jì)增長速度的變化。現(xiàn)有文獻(xiàn)多是從宏觀層面對(duì)此展開研究，本文基于空間異質(zhì)性，發(fā)現(xiàn)經(jīng)濟(jì)增速放緩時(shí)各區(qū)域的響應(yīng)明顯不同，這為相關(guān)研究提供了一個(gè)新的視角。通過把區(qū)域產(chǎn)出進(jìn)行分解，發(fā)現(xiàn)相比于勞動(dòng)力，資本在區(qū)域經(jīng)濟(jì)的自我調(diào)節(jié)中發(fā)揮更為重要的作用，這與現(xiàn)有文獻(xiàn)強(qiáng)調(diào)勞動(dòng)力自我調(diào)節(jié)的發(fā)現(xiàn)不同，從而豐富了宏觀沖擊區(qū)域效應(yīng)的相關(guān)研究。本文采用高技術(shù)產(chǎn)業(yè)投資數(shù)據(jù)，給出了支持破壞性創(chuàng)新和競(jìng)爭(zhēng)壓力理論的證據(jù)，表明盡管經(jīng)濟(jì)增速下降為區(qū)域經(jīng)濟(jì)發(fā)展帶來了挑戰(zhàn)，但也為經(jīng)濟(jì)結(jié)構(gòu)調(diào)整和產(chǎn)業(yè)轉(zhuǎn)型升級(jí)提供了契機(jī)。本文研究基于區(qū)域總量數(shù)據(jù)，如果能利用微觀調(diào)查數(shù)據(jù)，從企業(yè)或勞動(dòng)力的個(gè)體行為出發(fā)，可能會(huì)找到經(jīng)濟(jì)增速放緩時(shí)企業(yè)調(diào)整投資以及就業(yè)變動(dòng)更為直接的證據(jù)，這是下一步研究的一個(gè)方向。此外，本文并未對(duì)宏觀沖擊的具體類型比如需求沖擊和供給沖擊進(jìn)行區(qū)分；而不同沖擊對(duì)區(qū)域經(jīng)濟(jì)的影響可能有差異，因此這是進(jìn)一步研究的另一個(gè)方向。