提供论文发表、期刊发表、证书、著作、课题申请、专利等一条龙服务——杂志社张伟浩-您负责教书育人,我们负责解决您职称,晋级路上遇到的难题。

中国结构红利的空间格局及其大国雁阵模式

分类:(一) 发表时间:2019-08-16

一、引言 改革开放以来, 中国经济取得了世界瞩目的增长奇迹, 以9.58%的年均经济增速向世界宣告了大国崛起。然而, 近年来伴随着中国经济发展中结构性问题和深层次矛盾的逐渐凸显
一、引言
 
 
改革开放以来, 中国经济取得了世界瞩目的“增长奇迹”, 以9.58%的年均经济增速向世界宣告了大国崛起。然而, 近年来伴随着中国经济发展中结构性问题和深层次矛盾的逐渐凸显, 经济下行压力持续加大, 经济增速经历了由2011年的9.54%至2012年的7.86%的下降过程, 并在随后四年中持续降低至6.72% (1) 。关于中国经济增长减速, 一个普遍的共识是, 经济增长由高速转向中高速并非周期性的外部冲击所致, 而是由结构性因素造成的长期趋势[1]。在影响中国经济增长的结构性因素中, 产业结构演进造成的生产率变动被认为是经济增长出现“结构性加速”与“结构性减速”转折的重要原因[2,3,4,5,6]。根据“结构红利假说”, 产业结构演进之所以能够影响生产率增长率, 主要是由于生产要素能够在不同生产率水平的产业或部门之间进行流动。当要素从低 (高) 生产率水平或者低 (高) 生产率增长的部门向高 (低) 生产率水平或高 (低) 生产率增长部门流动时, 释放的结构红利 (结构负利)  (2) 能够促进 (阻碍) 总生产率增长[2]。因此, 在“产业结构演进→结构红利释放→生产率变化→经济增长路径”的传导机制中, 结构红利的大小与方向既是产业结构演进对生产率增长率影响效应的直接体现, 也是产业结构演进影响经济增长的核心原因[7,8]。那么, 中国产业结构演进带来的要素转移究竟是否释放了结构红利?结构红利的大小与方向是否存在明显的时间演变趋势与空间分布规律?如果存在, 又如何将结构红利的时空特征与中国经济增长充分结合, 从而创造缓解“结构性减速”压力的新型支撑?当前, 中国经济正站在高速增长阶段转向高质量发展阶段的重要关口, 对上述问题的回答, 能够为实现经济增长“软着陆”和统筹稳增长、调结构的经济发展目标提供新的研究视角和政策方向。
 
 
国内外学者对产业结构演进是否能够释放结构红利这一问题进行了广泛讨论。目前, 考察这一问题的主流方法主要有两种:一是偏离-份额法 (Shift-share Method) , 这一方法将生产率增长分解为部门内部的生产率变化与要素流动带来的生产率变动两部分[3,9,10,11,12,13,14,15,16,17,18,19]。二是计量模型法, 这一方法通过设定多重计量模型, 聚焦于考察结构红利对经济增长的影响[6,20,21,22,23,24,25]。对比以上两种方法, 在方法原理上, 偏离-份额法将结构变迁对生产率增长的效应从总生产率增长中分离, 为考察结构红利本身及其演变规律提供了可行途径;计量模型法则着重考察了产业结构变迁对经济增长的影响, 但并未聚焦于结构红利本身。在方法应用上, 作为国际通用方法, 偏离-份额法在结构红利的测算与分析中得到了广泛应用, 已经成为分析和分解部门间生产率的基本方法。在方法优势上, 相比于计量模型设定, 偏离-份额法从数据本身出发, 避免了模型驱动 (model-driven) 的限制, 降低了模型选择和参数设置带来的结果误判风险。鉴于此, 本文采用偏离-份额法对产业结构演进中释放的结构红利进行测算, 而在这一过程中, 样本指标、样本尺度和样本时期等三个要素的选择至关重要。
 
 
关于样本指标的选择, 共有劳动生产率增长率、资本生产率增长率以及全要素生产率增长率三种指标。偏离-份额法最初应用于分解劳动生产率增长率与资本生产率增长率, 后被郑玉歆 (1993) [26]、李小平等 (2007) [11]拓展至全要素生产率增长率的分解。已有研究中, 杨凌等 (2010) [27]、王鹏等 (2015) [16]分别对劳动生产率增长率和全要素生产率增长率进行了分解, 李小平等 (2007) [11]、李翔等 (2016) [17]同时对劳动生产率与全要素生产率进行了分解, 干春晖和郑若谷 (2009) [3]、苏振东等 (2012) [13]、刘沛罡等 (2018) [19]则检验了劳动生产率增长与资本生产率增长中是否存在“结构红利假说”。尽管要素流动带来的结构红利对上述三种生产率增长率都存在影响, 但考虑到跨地区跨部门的劳动力流动是中国整体经济效率提高的重要源泉, 劳动生产率增长速度的快慢解释了经济增长速度的大部分变动, 可以说在一定程度上主导了经济增长速度的快慢[5,8,28]。因此, 本文选择劳动生产率增长率作为分解指标, 测算劳动力在三次产业间转移释放的结构红利, 并进一步揭示其时空演变特征。
 
 
关于样本时期的选择, 除了在完整时期跨度下对结构红利进行测算, 已有研究往往会从分阶段和逐年两个角度对结构红利展开进一步考察。其中, 李小平 (2008) [29]、干春晖等 (2009) [3]、杨凌等 (2010) [27]、吴寿平 (2013) [14]、郭进和杨建文 (2014) [15]在不同阶段下, 分别考察了要素流动在三次产业和37个细分工业行业中流动时释放的结构红利。尽管上述研究反映了结构红利的阶段性变化, 但却无法揭示结构红利的动态连续演变特征。对此, 李小平等 (2007) [11]、苏振东等 (2012) [13]、王鹏等 (2015) [16]、李翔等 (2016) [17]、周永文 (2017) [18]以一年为一个时期跨度, 逐年考察了生产要素在产业间流动所释放的结构红利。因此, 为了探寻结构红利的动态连续演变趋势, 本文选择逐年分解劳动生产率增长过程中的结构红利效应, 希望能够找到中国区域结构红利的时间演进规律与中国经济长期增长路径中“结构性加速”、“结构性减速”存在的内在联系。
 
 
关于样本尺度的选择, 已有研究大多从国家层面对结构红利进行考察, 仅有少量研究从省际角度出发, 测算了每个省份的结构红利[27], 或者将样本聚焦于某一单独的省或市[15]。然而, 无论是从国家角度还是某一单独地区角度, 均未将中国的大国经济特征考虑在内, 忽视了国家内部的地区之间结构红利存在的异质现象。地区之间的异质性意味着当一些地区进入新的发展阶段时, 另一些地区可能仍然处于原来的发展阶段, 从而形成一种发展阶段相互继起的大国“雁阵”模式[30,31], 这为探寻结构红利与中国经济增长内在联系的研究提供了新的视角。倘若仅考察一个地区, 那么无论该地区放大至国家或是缩小至城市, 都无法反映结构红利的区域特征, 也难以判断结构红利是否在区域间形成了大小与方向相互继起的大国“雁阵”模式。因此, 本文参考杨凌等 (2010) [27]的做法, 对中国31个省份的结构红利进行测算与分析, 以深入探究区域结构红利的空间分布规律。
 
 
综合考察已有研究, 在中国经济增长发生“结构性减速”以前, 大部分研究普遍将目光聚焦于 “结构红利假说”的检验, 止步于对测算结果的描述性分析, 而结构红利大小与方向的时间演变趋势与空间分布规律鲜少有人提及。2012年以来, 随着中国经济进入“结构性减速”阶段, 结构红利的时间演变趋势逐渐引起了学界的关注[17,18], 但这类研究普遍在国家视角下对生产率的增长进行连续分解, 忽视了中国的大国经济特征, 不仅难以探究不同地区的结构红利, 更无法揭示其时间演变趋势与空间分布规律。此外, 已有研究普遍将侧重点置于结构红利本身, 并未将结构红利与中国经济长期增长路径相结合, 忽视了对二者之间内在逻辑与传导机制的系统性考察。
 
 
在不同阶段和不同视角下, 同一个问题具有崭新的研究价值与应用意义。本文在样本指标的可靠程度、样本时期的连续程度以及样本尺度的微观程度实现了优势融合, 以劳动生产率增长率为分解指标, 对2001-2016年中国31个省的区域结构红利进行逐年测算, 深入探究了结构红利的时间演变趋势与区域分布规律。与已有研究相比, 本文实现了以下三方面突破。首先, 本文尝试将结构红利的时间演进趋势与中国经济增长的“钟型”演变路径相结合, 探究结构红利与“结构性加速”和“结构性减速”现象的内在逻辑。其次, 本文首次将蔡昉等 (2009) [30]提出的大国“雁阵”模式引入结构红利的区域分布规律, 探究了结构红利是否已经在区域间形成了大小与方向相互继起的大国“雁阵”模式。此外, 通过结合区域结构红利的时间演变趋势与空间分布规律, 本文对区域结构红利的大国“雁阵”模式进一步拓展, 探究了其在时间、大小与方向等方面的地区演变态势, 讨论了区域结构红利的大国“雁阵”随产业结构演进而发生的模式变换。本文的边际学术贡献在于:在理论研究层面, 基于中国经济增长“结构性减速”的现实背景, 将区域结构红利与大国雁阵模型相结合, 探究了区域结构红利的时间演进趋势、空间分布规律以及时空演变特征, 并提出三个重要推论。在实证检验方面, 立足于大国经济特征, 应用动态偏离-份额法, 探究了中国省际以及东部、中部、西部与东北地区结构红利的时空特征, 验证区域结构红利是否形成了大国“雁阵”模式。在应用价值方面, 利用中国区域结构红利在长期时空演变路径中形成的大国“雁阵”模式, 延续不同区域的结构红利对经济增长的促增效应, 为实现稳增长、调结构的经济发展目标提供理论支撑与实证支持。
 
 
本文的后续安排如下:第二部分为理论分析框架;第三部分为中国结构红利的演变趋势特征;第四部分为中国区域结构红利的空间格局;第五部分为中国区域结构红利大国“雁阵”模式的探索;最后一部分为结论与政策建议。
 
二、理论分析框架
 
(一) 基础模型
 
 
偏离-份额法最早由Fabricant (1942) [32]提出, 后经Perloff等 (1960) 进行了总结、扩展和完善, 用以将总劳动生产率增长率分解为部门内部的劳动生产率增长和劳动力在部门间流动产生的结构效应两部分[33]。传统的静态偏离-份额法仅仅采用基期数据与末期数据进行测算, 忽略了时间区间内的数据波动, 无法体现结构红利在观测期内的连续变动, 为了克服静态偏离-份额法的局限, Thirlwall (1967) 提出了动态分解的思想, 将研究区间划分为多个连续时段以反映结构红利的时间演进趋势[34]。随后, Barff and Prentice (1988) 针对这一思想进行了实证分析, 正式提出了动态偏离-份额法[35]。
 
 
本文采用动态偏离-份额法对中国及分省三次产业的总劳动生产率增长率进行分解。设Y代表产出水平, L表示劳动力投入量, LP代表总劳动生产率, g代表劳动生产率总增长率, 下标i表示三次产业 (i=1, 2, 3) , 上标0表示期初, t表示期末。Si表示产业i的劳动力投入量占三次产业总劳动力的比重。基于上述, 0时期和t时期的总劳动生产率分别可以表示为:
 
 
LP 0 =Y 0 L 0  =∑ i=1 3 Y i  0 L i  0 L i  0 L 0  =∑ i=1 3 LP i  0 S i  0          (1) LΡ0=Y0L0=∑i=13Yi0Li0Li0L0=∑i=13LΡi0Si0         (1) 
 
 
LP t =Y t L t  =∑ i=1 3 Y i  t L i  t L i  t L t  =∑ i=1 3 LP i  t S i  t          (2) LΡt=YtLt=∑i=13YitLitLitLt=∑i=13LΡitSit         (2) 
 
 
用 (2) 式减去 (1) 式, 即表示t时期和0时期的劳动生产率之差:
 
 
LP t −LP 0 =∑ i=1 3 LP i  0 (S t i −S 0 i )   +∑ i=1 3 (LP i  t −LP i  0 )(S t i −S 0 i )   +∑ i=1 3 S 0 i (LP i  t −LP i  0 )         (3)  LΡt-LΡ0=∑i=13LΡi0(Sit-Si0)   +∑i=13(LΡit-LΡi0)(Sit-Si0)   +∑i=13Si0(LΡit-LΡi0)         (3) 
 
 
为了表现劳动生产率增长率的变动, 将 (2) 式左右两边同除以LP0:
 
 
g=LP t −LP 0 LP 0  = g=LΡt-LΡ0LΡ0=+ (4) 
 
 
(3) 式的左边表示总劳动生产率增长率, (3) 式的右边则将总劳动生产率增长率分解为了三个部分[2,36,37,38]。右边第一项表示劳动要素的静态转移效应 (Static Shift Effect, SSE) , 衡量了三次产业的劳动生产率均保持在期初水平时, 劳动力在产业间的流动对劳动生产率增长率的影响。如果期初具有较高生产率的产业吸收了更多的劳动力流入, 则该项符号为正, 表示劳动力的产业间转移对总劳动生产率增长率产生了促增效应。反之, 如果期初具有较低生产率的产业吸收了更多的劳动力流入, 则该项符号为负, 表示劳动力的产业间转移对总劳动生产率增长率产生了促降效应。右边第二项表示劳动要素的动态转移效应 (Dynamic Shift Effect, DSE) , 衡量了劳动力在产业间的转移对劳动生产率增长率的影响。如果产业的劳动生产率在0-t时期内增长, 且产业的劳动份额增加, 则该项为正, 表示劳动要素向具有更高劳动生产率增长的产业流动, 推动了总劳动生产率增长率的提高。反之, 如果劳动生产率增长较高的产业劳动份额减少, 而劳动生产率增长较低甚至为负的产业劳动份额增加, 则该项为负, 表示劳动力在三次产业间的流动抑制了总劳动生产率增长率的提高。右边第三项表示表示三次产业的内部增长效应 (Within-growth Effect, WGE) , 衡量了在产业劳动份额保持不变的情况下, 各产业自身劳动生产率的增长对总劳动生产率增长率的影响。 (3) 式右边的前两项之和, 表示的是劳动力在三次产业间的转移释放的总结构效应 (Total Structural Effect, TSE) 。由于无论是静态转移效应还是动态转移效应, 都反映了劳动力转移对劳动生产率增长率的影响, 因此当总结构效应的符号为正时, 劳动力在三次产业间转移释放的“结构红利”方向为正, 对总劳动生产增长率发挥了促增效应。当总结构效应的符号为负时, 劳动力在三次产业间转移释放的“结构红利”方向为负, 发挥了促降效应。
 
(二) 理论拓展与解释
 
 
劳动力的转移次序能够直接影响结构红利大小与方向的时间演变趋势。威廉·配第 (1672) [39]指出随着经济的发展, 农业、工业、商业将依次占据更为重要的位置, 造成劳动力由第一产业向第二、三产业转移的局面。科林·克拉克 (1940) 则在《经济进步的条件》一书中真正明确了劳动力分布与产业结构演进的关系, 上述二者的发现被称为配第-克拉克定理[40]。根据配第-克拉克定理, 随着经济的发展, 劳动力在三次产业的分布具有此消彼长的演进规律, 即劳动力首先从第一产业流向第二产业, 然后再由第二产业流向第三产业[41]。在劳动力遵循“第一产业→第二产业→第三产业”的演进顺序进行转移时, 结构红利的演变趋势取决于不同产业劳动生产率的差异。根据经典的二元经济结构模型, 发展中国家的传统农业部门中存在着边际生产率为零的剩余劳动力, 随着剩余劳动力从传统农业部门投入到具有更高生产率增长的现代工业部门时, 总生产率水平将不断提高[42]。因此, 当劳动力处于由第一产业向第二产业转移的阶段时, 劳动要素在产业间转移释放的结构红利方向为正。随着经济发展进程的不断推进, 劳动力将逐渐由第二产业流向第三产业。然而, 对于发展中国家而言, 第三产业的劳动生产率普遍低于第二产业, 劳动生产率增长率也处于较低水平[5,43], 这意味着劳动力由第二产业转向第三产业将会造成诸如“产业结构演进无效率”以及鲍莫尔成本病等问题的出现[17,44,45], 导致结构红利呈现出不断下降的趋势。总体而言, 随着三次产业的更迭与变迁, 劳动力在产业间的转移方向也会随之改变, 结构红利将出现先上升后下降的“结构性转折”, 表现出“倒U”型演变特征。
 
 
结构红利是影响劳动生产率增长率的主要因素, 而劳动生产率增长率的变化是长期经济增速最重要的影响因素[6,46,47]。当劳动力由第一产业向第二产业转移时, 带来了劳动生产率增长率的提高, 进而推动了经济的持续增长, 构成了增长过程中的“结构性加速”。然而, 当劳动力由第二产业向第三产业转移时, 劳动生产率增长率逐渐回落。一方面, 劳动生产率增长率的下降不利于国民收入快速持续提高, 并且随着刘易斯拐点的出现, “未富先老”、中等收入陷阱等问题带来的叠加效应对经济增长的负面影响不容小觑。另一方面, 劳动生产率增长率的下降会造成消费需求缩减, 导致经济难以提振[48], 最终使经济增长面临的下行压力不断加大, 形成了长期增长过程中的“结构性减速”[5]。因此, 产业结构升级带来的结构红利对社会生产率的影响很可能是非线性的[6,24]。由此, 本文给出第一个推论:在时间演进趋势上, 随着产业结构的不断演进, 劳动力在三次产业间转移释放的结构红利将呈现“倒U”型特征。此外, 由于结构红利的“结构性转折”是劳动生产率增长率出现拐点的重要影响因素, 而劳动生产率增长率又是影响中国长期增长路径主要原因, 因此结构红利的“结构性转折”是长期经济增长路径中“结构性加速”和“结构性减速”的内在逻辑。
 
 
劳动力在三次产业间转移所释放的结构红利不仅在时间上遵循一定的演变趋势, 在空间上也表现出相互继起的“雁阵”式分布规律。雁阵模型最初由Akamatsu (1962) [49]提出, 后经过了Vernon (1966) [50]、Okita (1985) [51]和Kojima (2000) [52]等学者的完善。雁阵模型以比较优势的动态变化为前提, 用以解释劳动密集型产业依次在日本、“亚洲四小龙”、东盟各国以及中国沿海地区转移的东亚经济发展模式, 后被广泛用于形容发展阶段的“雁阵”式相互继起[53]。由于中国幅员辽阔, 不同于小国资源禀赋和产业结构的同质性, 地区之间具有显著的异质性特征, 这使得国家内部形成“雁阵”模式成为可能。因此, 基于中国的大国经济特征, 蔡昉等 (2009) 将中国31个省 (市、自治区) 划分为六个区域, 提出中国东中西三大地区之间存在一个产业升级、转移、承接的大国“雁阵”模式[30]。大国“雁阵”模式的形成不仅能够维系中国劳动密集型产业的比较优势和竞争力, 并且在中国经济减速阶段, 整体“雁阵”的减速要远低于“领头雁”的减速幅度, 有效延长了经济由高速增长向中速增长的转变时间[54]。大国雁阵理论的提出为结构红利的空间分布规律提供了新的研究视角。
 
 
中国区域之间的发展不平衡与地区差距始终是经久不衰的经济增长课题。东部、中部、西部和东北地区等四大板块无论在初始禀赋、发展模式、经济水平和产业结构等方面都存在较大差异, 而经济发展水平等方面的差异使得不同地区可能会位于产业结构演进过程中的不同阶段[55], 劳动要素的流动方向也有所差异, 导致四大板块的区域结构红利出现分异特征, 具体表现为四大板块的结构红利处于“倒U”型曲线的不同阶段, 形成了结构红利的大国“雁阵”模式。由此, 本文给出第二个推论:在空间分布规律上, 中国东、中、西、东北四大板块的结构红利形成了大小与方向相互继起的大国雁阵模式。这种大国雁阵模式的形成, 将有助于减缓结构红利“结构性转折”的下降速度, 进而为有效缓解经济增长的“结构性减速”压力提供新型支撑。
 
 
区域结构红利的大国“雁阵”模式会随着时间演进而发生变迁。中国东部、中部、西部与东北地区的工业化进程与城市化进程各不相同, 产业结构调整及发展战略上的政策导向也存在差异, 导致四大板块产业结构调整的步伐也难以趋于一致。其中, 东部地区率先进入工业化进程以及工业化向城市化发展的阶段, 而中西部与东北地区将会不同程度地滞后于东部地区。产业结构演进的阶段性差异将会导致不同区域的结构红利在“倒U”型曲线上的相对位置发生变化, 以东部地区为“领头雁”的大国“雁阵”模式也会发生整体变迁。具体而言, 当东部地区的劳动力处于由第一产业转向第二产业的阶段时, 四大板块的结构红利表现为方向为正且不断攀升的“加速雁阵”。然而, 当东部地区的结构红利率先越过拐点并进入下降阶段时, 区域结构红利的大小与方向将不再具有一致性, 甚至会形成“加速雁阵”向“减速雁阵”的转变, 基于此, 本文给出第三个推论:在时空演变特征上, 随着产业结构的不断演进, 不同区域的结构红利在“倒U”型曲线上的位置也会出现迁移。区域结构红利的大国“雁阵”模式首先表现为东部带动其他板块增长的加速雁阵, 随后演变为中西部崛起并缓解整体结构红利下降的减速雁阵, 实现“雁阵”模式的转变。
 
三、中国结构红利的“倒U”型特征
 
 
表1报告了2001-2016年中国劳动生产率增长率的逐年分解结果。从全局视角看 (3) , 在整个样本期间内, 中国劳动生产率增长绝大部分还是依靠产业内部的增长效应, 但劳动力在三次产业间的流动带来的结构效应普遍为正, 说明劳动力产业结构的变化具有明显的结构红利特征。图1 (a) 展示了结构效应在2001-2016年的连续变化, 可以发现, 劳动力在三次产业间转移产生的结构效应呈现出先上升后下降的“倒U”型演变特征。究其原因, 在1992年社会主义市场经济体制确立以后, 私营经济逐渐繁荣, 外资不断涌入, 劳动力大量流入第三产业[3], 造成结构红利在2001年与2002年方向为负。自2002年起, 受加入世界贸易组织 (WTO) 的影响, 中国工业迅速发展, 生产要素逐渐流入第二产业, 劳动力在三次产业间流动产生的结构效应演变为正值, 并在2007年前后达到峰值, 随后劳动力转移释放的结构红利开始进入持续下降的阶段, 2016年的结构效应已经逼近零点。
 
 
表1 中国三次产业劳动生产率的分解 导出到EXCEL
 
 
 
 
年份 劳动生产率
总增长率
(%)  
劳动生产率的分解 (%)  
 
内部增长
效应 结构效应 
结构效应的分解 
 
静态转移
效应 动态转移
效应 
 
2001 7.301 7.451 -0.150 -0.131 -0.019 
 
2002 8.250 8.634 -0.385 -0.313 -0.072 
 
2003 9.338 9.060 0.278 0.315 -0.037 
 
2004 9.352 6.977 2.374 2.236 0.139 
 
2005 10.720 7.239 3.481 3.271 0.209 
 
2006 12.246 8.666 3.580 3.328 0.252 
 
2007 13.811 10.398 3.414 3.126 0.287 
 
2008 9.242 6.938 2.304 2.179 0.125 
 
2009 9.073 7.249 1.823 1.702 0.121 
 
2010 10.312 8.248 2.065 1.903 0.162 
 
2011 9.247 6.978 2.269 2.129 0.140 
 
2012 7.513 5.474 2.039 1.950 0.089 
 
2013 7.427 5.575 1.852 1.788 0.064 
 
2014 6.954 5.215 1.739 1.780 -0.040 
 
2015 6.567 5.512 1.056 1.078 -0.022 
 
2016 6.463 6.126 0.337 0.367 -0.031 
 
  
 
 
 
图1 (b) 展示了2001-2016年中国省际劳动生产率增长率的分解结果 (4) , 本文以不同结构红利区间内的省份数量占比表示结构红利的演变情况。从省际视角看 (5) , 在整个样本考察期内, 结构红利为正值的省份占比普遍高于50%, 2001年最低 (省份数量占比为58.1%) , 2005年达到峰值 (省份数量占比为96.8%) , 这意味着绝大部分省份的劳动力转移对劳动生产率的增长乃至经济发展水平的提高普遍具有促增效应。在演变趋势上, 结构红利为正的省份占比在2005年之前处于攀升状态, 2005-2008年基本保持稳定, 2009-2011年出现了小幅波折, 2012年后正式进入结构红利的下降通道, 在经历了连续四年的持续下降后, 2016年正向结构红利的分省占比已经与2001年基本持平。不难发现, 区域结构红利的演变趋势同样表现为先上升后下降的“倒U”型曲线。
 
 
结构红利之所以呈现出先上升后下降的转折趋势, 或许2008年全球范围的金融危机爆发是原因之一[18], 但根本原因仍在于“第一产业→第二产业→第三产业”的劳动力产业结构演进路径。根据Lewis (1954) 的“二元经济结构理论”, 发展中国家生产率的提升主要来源于以劳动力为主的生产要素由农业部门转向工业部门的重新配置[42]。然而, 随着工业化向城市化递进, 产业结构由第二产业向第三产业再一次演进, 劳动力也面临着工业部门到服务业部门的新一轮配置[5]。中国三次产业就业份额的变化趋势与上述过程大致相符 (如图2所示) 。2000-2016年, 第一产业的就业份额持续下降, 第三产业的就业份额持续上升, 第二产业的就业份额呈现出“加速上升-减速上升-加速下降”的波折态势。总体来看, 劳动力的转移方向大体可以分为“第一产业→第二产业、第三产业”以及“第一产业、第二产业→第三产业”两个阶段。与劳动力转移方向的变化不同, 中国及分省三次产业的劳动生产率在样本观察期内均呈现出第二产业>第三产业>第一产业的规律 (如图3所示) 。
 
图1 中国结构红利的时间演变趋势 (a) 以及分省结构红利的变化趋势 (b)  
图1 中国结构红利的时间演变趋势 (a) 以及分省结构红利的变化趋势 (b)   下载原图
 
 
图2 中国三次产业就业份额变化趋势  
图2 中国三次产业就业份额变化趋势   下载原图
 
 
 
从“结构红利假说”出发, 2008年之前, 劳动力转移处于第一阶段, 劳动要素向具有绝对生产率优势的第二产业进行“顺流变迁”, 使得结构红利持续上升。2008年, 金融危机爆发, 二产就业份额进入“减速上升”阶段, 结构红利出现一定回落, 这也印证了金融危机爆发是导致2008年前后结构红利减弱的原因之一。2008年以后, 第二产业就业份额增长幅度出现了小幅回升, 但随着中国经济由工业化向城市化过渡, 劳动力转移自2012年开始进入第二阶段, 劳动要素从生产率及其增长率相对较高的第二产业流入到生产率及其增长率相对较低的第三产业, 二产就业份额增加值在2013年大幅下跌至0.3%, 并持续呈现负增长的“加速下降”状态, 表现出了与劳动生产率及增长率相悖的“逆流迁移”特征, 使得结构红利逐渐减弱, 形成了由“上升”向“下降”的倒U型转折。
 
 
值得注意的是, 结构红利在2012年前后出现的“结构性转折”体现了劳动力在三次产业间配置的结构性增长加速效应和结构性增长减速效应, 在波动形态上与袁富华 (2012) [5]提出的由工业化引致的“结构性加速”与服务化引致的“结构性减速”不谋而合, 在时期节点上与现有研究提出的中国经济增长由2012年进入“结构性减速”的结论相一致[6,44,56]。实际上, “结构性加速”和“结构性减速”是劳动生产率增长率变动造成的客观结果, 而结构红利所发生的“结构性转折”则是影响劳动生产率增长发生波折的重要因素[57], 因此二者在波动形态与时期节点上的一致性是毋庸置疑的。与“结构性减速”问题一般无二, 随着经济结构日趋成熟, 在工业化向城市化发展的过程中, 结构红利的“结构性转折”同样是一个系统性、结构性和不可逆的必然结果, 但结构红利与经济增长规律之间的内在逻辑同样也为缓解“结构性减速”冲击提供了另一重要落脚点。至此, 推论一得证。
 
四、中国结构红利的空间格局
 
 
根据测算出的分省结构红利, 本文采用Dagum基尼系数①对东、中、西以及东北地区结构红利的区域差异进行了测算与分解, 测算结果如表2所示。不难发现, 无论是区域内还是区域看, 劳动力在三次产业间转移释放的结构红利均存在一定差异。从演变趋势来看, 如图4所示, 总体基尼系数在样本观察期内呈现出“持续下降→小幅上升→小幅下降→持续上升”的波折形态, 这一波折形态在一定程度上与结构红利的“倒U”型曲线不谋而合, 或者说, 正是由于结构红利的“结构性转折”, 区域差异才得以在总体上呈现出先下降后上升的演变趋势。
 
图3 三次产业劳动生产率  
图3 三次产业劳动生产率   下载原图
 
 
 
2001-2008年, 区域结构红利的总体差异持续下降, 可能受到两方面影响。一方面, 在这一阶段, 中部、西部以及东北地区的结构红利均处于“倒U”型曲线的爬升部分, 并且由于“后发优势”的存在[59,60,61], 中部、西部以及东北地区将会呈现出不同程度的加速追赶态势, 导致区域结构红利的总体差异不断下降。由表2中的区域间基尼系数可知, 中部地区的后发优势较为微弱, 东部与中部区域结构红利的差异没有出现较大变动, 这意味着东部与中部地区产业结构的演进速度基本保持一致。与中部地区相对应, 西部地区的后发优势远大于中部地区。无论是东西部还是中西部, 区域结构红利在2001年均表现出较大差异, 但在随后几年间, 东西部之间的基尼系数由0.103降至0.045, 中西部之间的基尼系数由0.103降至0.049, 区域差异均呈现出大幅度下降, 这说明西部地区的结构红利在2001-2008年间表现出强势的加速追赶态势。另一方面, 东部地区的产业结构在这一阶段已呈现出服务化趋势 (如图5所示) 。2001年后, 受中国加入WTO的影响, 东部地区的产业结构服务化程度 (6) 有所降低, 在2007年达到最低值0.97, 随后这一比值持续增加, 并基本保持在1以上, 产业结构服务化倾向不断增强。随着劳动力由第二产业流入第三产业, 东部地区的区域结构红利将不断接近甚至越过“倒U”型曲线的拐点, 区域结构红利的上升阻力提高, 下行压力加大。因此, 在落后地区不断追赶和先进地区上升乏力甚至出现回落的双重影响下, 四大板块的区域结构红利在“倒U”型曲线中的相对距离将会不断缩小, 导致总体基尼系数在这一时期呈现下降态势, 图6 (a) 直观展示了这一演变过程。
 
 
表2 基尼系数及其分解结果 导出到EXCEL
 
 
 
 
时期 总体 
区域间 区域内 
东-中 东-西 东-东北 中-西 中-东北 西-东北 东 中 西 东北 
2001 0.087 0.034 0.103 0.069 0.103 0.045 0.126 0.038 0.019 0.151 0.016 
 
2002 0.089 0.036 0.102 0.056 0.105 0.056 0.121 0.030 0.037 0.168 0.019 
 
2003 0.064 0.040 0.062 0.091 0.062 0.102 0.112 0.038 0.031 0.078 0.023 
 
2004 0.058 0.041 0.063 0.044 0.061 0.058 0.074 0.039 0.030 0.077 0.023 
 
2005 0.054 0.045 0.059 0.043 0.057 0.042 0.056 0.045 0.042 0.066 0.037 
 
2006 0.058 0.042 0.064 0.042 0.063 0.047 0.076 0.040 0.042 0.076 0.011 
 
2007 0.045 0.041 0.049 0.031 0.049 0.045 0.058 0.030 0.045 0.048 0.014 
 
2008 0.040 0.039 0.045 0.023 0.049 0.039 0.057 0.021 0.045 0.037 0.007 
 
2009 0.044 0.031 0.055 0.029 0.047 0.040 0.069 0.023 0.031 0.046 0.025 
 
2010 0.058 0.022 0.070 0.035 0.067 0.036 0.091 0.021 0.019 0.091 0.020 
 
2011 0.072 0.020 0.086 0.047 0.089 0.045 0.125 0.017 0.018 0.120 0.030 
 
2012 0.062 0.024 0.075 0.046 0.067 0.052 0.099 0.024 0.012 0.098 0.049 
 
2013 0.073 0.033 0.088 0.064 0.075 0.056 0.104 0.025 0.018 0.121 0.071 
 
2014 0.042 0.032 0.053 0.057 0.045 0.044 0.040 0.021 0.031 0.042 0.027 
 
2015 0.044 0.038 0.045 0.062 0.043 0.058 0.057 0.029 0.038 0.043 0.059 
 
2016 0.053 0.030 0.057 0.059 0.052 0.072 0.087 0.029 0.023 0.071 0.040 
 
  
 
 
图4 结构红利的总体差异与区域差异  
图4 结构红利的总体差异与区域差异   下载原图
 
 
图5 四大板块的产业结构服务化程度  
图5 四大板块的产业结构服务化程度   下载原图
 
 
 
2008-2016年, 结构红利的区域差异在总体上呈现出较为明显的上升趋势。究其原因, 可以归结为两方面。一方面, 2008年全球性金融危机的出现对四大区域的产业结构演进与劳动力转移方向会产生不同程度的影响, 导致区域结构红利的大小与方向均会发生变化, 最终使结构红利的区域差异增加。另一方面, 在这一阶段, 东部地区的产业结构进入第二产业向第三产业的演进阶段。如图5所示, 第三产业与第二产业的比值由2008年的1.0持续上升至2016年的1.1, 产业结构服务化倾向不断增强。随着第二产业的劳动力大量涌入第三产业, 东部地区的区域结构红利将越过拐点, 进入“倒U”型演进路径的下降通道。与此同时, 中部、西部以及东北地区的产业结构服务化程度则远远滞后于东部地区, 第三产业产值普遍低于第二产业, 区域结构红利仍处于上升阶段或接近拐点。因此, 在东部地区的区域结构红利持续走低, 中部、西部以及东北地区的区域结构红利保持上行的逆向演变下, 区域间的结构红利差异势必逐渐拉大。图6 (b) 直观展示了这一演变过程。
 
 
区域结构红利的地区差异意味着四大板块的结构红利分别位于“倒U”型曲线的不同位置, 而地区差异的变化则说明四大板块的结构红利在“倒U”型曲线上的位置发生了迁移, 这为验证推论二和推论三提供了一定理论基础。当然, 四大板块的区域结构红利究竟是否形成了具有渐进特征和相互继起的大国“雁阵”模式, 亦或只是发生了单纯的、无序的变化, 还有待进一步讨论与分析。
 
图6 四大板块区域结构红利的理论演变形态  
图6 四大板块区域结构红利的理论演变形态   下载原图
 
 
图中A、B、C、D为东部、中部、西部以及东北地区四大板块中的任一区域, 横坐标代表劳动力产业结构, 即劳动力在产业间的转移方向。
 
五、区域结构红利大国“雁阵”模式的形成与演变
 
(一) 区域结构红利的大国雁阵模式
 
 
根据推论二, 区域结构红利将分布于“倒U”型演进路径的不同位置, 形成大小与方向相互继起的大国“雁阵”模式。为了验证这一推论, 本文测算了整个样本观察期 (2001-2016) 的分省结构红利均值, 如图7 (a) 所示。从方向上看, 四大板块的区域结构红利均表现为正;从大小上看, 区域结构红利由低至高按照“东北→东部→中部→西部”升序排列。从劳动生产率及其增长率和就业份额变化这两大区域结构红利的构成要素出发, 本文认为东中西三大地区的确构成了结构红利大小与方向相互继起的大国“雁阵”模式, 而东北地区则是这一雁阵模式中的特殊存在。
 
图7 不同时期下区域结构红利的大国“雁阵”模式  
图7 不同时期下区域结构红利的大国“雁阵”模式   下载原图
 
 
 
首先, 根据四大板块第二产业的劳动生产率及其增长率 (如图8所示) , 2000-2016年, 尽管四大板块第二产业劳动生产率均呈现出持续增长的趋势, 但是增长幅度不尽相同。东部地区受到劳动力由第二产业逐渐流出的影响, 第二产业的劳动生产率增长率仅为2.32%, 位于最低水平。西部地区在后发优势的影响下, 劳动生产率不仅始终高于中部, 更是逐渐赶超东部地区, 劳动生产率增长率也以3.52%居于首位。中部地区劳动生产率始终低于其他三大地区, 但劳动生产率增长率仅次于西部地区。东北地区劳动生产率增长率尽管位于第三位, 但劳动生产率水平却远高于其他三大地区。其次, 根据四大板块的产业结构演进程度, 2001-2016年, 东部地区的产业结构服务化程度均值为1.02, 中部地区为0.80, 西部地区为0.90, 东北地区为0.71。从产业结构演进程度看, 东部地区率先进入产业结构服务化阶段, 中西部以及东北地区按照不同程度滞后于东部地区, 并且后三者的第二产业仍占据较大比重, 这意味着中西部以及东北地区的产业结构仍处于第二产业为主的工业化阶段, 产业结构演进程度表现为“西部地区>中部地区>东北地区”。与劳动生产率及其增长率和产业结构演进程度相对应, 在整个样本观测期内, 东部地区的第二产业就业份额总增加值为3.32%, 中部地区增加5.90%, 西部地区增加4.38%, 而东北地区却减少2.53%。不难发现, 受到产业结构服务化的影响, 东部地区二产就业份额增加值远低于中西部地区, 而西部地区又低于中部地区。总体而言, 东中西三大地区的劳动要素流动与各自的生产率水平和产业结构演进程度趋于一致, 但东北地区在第二产业仍然占据较大比重, 且劳动生产率及其增长率均保持在较高水平的情况下, 二产就业份额呈现缩减态势, 导致结构红利趋近于零。综合来看, 随着产业结构的不断演进, 东中西三大地区的结构红利在大小与方向上形成了推论2中相互承接的大国“雁阵”模式, 但东北地区却没有呈现出明显的继起特征, 而是表现出了“蛙跳式”的越级现象, 并未加入到区域结构红利的“雁阵”梯队。
 
图8 2000-2016年四大板块的第二产业劳动生产率与就业份额的演变趋势  
图8 2000-2016年四大板块的第二产业劳动生产率与就业份额的演变趋势   下载原图
 
 
(二) 区域结构红利大国雁阵模式的变迁
 
 
根据推论三, 产业结构的不断调整将会造成劳动力在三次产业间的转移方向发生改变, 进而推动区域结构红利的大国“雁阵”模式发生变迁。为此, 本文选取了2001年、2009年以及2016年四大板块的区域结构红利作为研究对象, 以考察区域结构红利在四大板块间形成的大国“雁阵”模式是否会随着劳动力产业结构的演变而发生变迁, 结果如图7 (b) 、 (c) 、 (d) 所示。
 
 
图7 (b) 展示了2001年四大板块区域结构红利的分布情况。2001年, 东部、中部、西部以及东北地区的区域结构红利均处于较低水平, 西部以及东北地区的结构红利甚至为负, 四大板块的区域结构红利按照“东部-中部-西部-东北”降序排列。根据第二产业就业份额的变化, 图8直观展示了第二产业就业份额的变化趋势, 以进一步解释区域结构红利的分布规律。根据图8, 2001年四大板块第二产业就业份额的变动均为负值, 说明四大板块的劳动力转移方向在这一阶段均表现为由第二产业流出。其中, 东部地区第二产业劳动力的流出量十分微弱, 并且二产就业份额在2002年就转变为上升趋势, 这意味着东部地区率先进入了工业化进程, 同时也说明东部地区是首先进入结构红利“倒U”型曲线上升通道的“先行者”。此外, 由图8可知, 尽管中西部以及东北地区在产业结构演进速度上不同程度的落后于东部地区, 但第二产业的就业份额在接下来的几年中均进入了上升通道, 区域结构红利也呈现出加速上升态势。因此, 在这一阶段, 区域结构红利在四大板块间形成了以东部地区为“领头雁”、“东部-中部-西部-东北”降序排列的加速上升“雁阵”模式。
 
 
图7 (c) 展示了2009年四大板块区域结构红利的分布情况。2009年, 区域结构红利的排列方式与2001-2016年结构红利的整体排序十分相似, 并且在上一阶段加速上升的大国“雁阵”模式的影响下, 四大板块的区域结构红利在方向上均表现为正值, 在大小上也整体出现了大幅度上升, 但是东、中、西以及东北地区的结构红利在相对位置上却出现了一定变化。其中, 东部地区由首位降至第三位, 而西部地区则由第三位升至首位, 区域结构红利按照“西部-中部-东部-东北”降序排列。根据图8, 在2009年, 随着东部地区产业结构服务化程度逐渐增强, 东部地区的第二产业就业份额增加值大幅下降, 劳动要素由高生产率的第二产业流入较低生产率的第三产业, 部分省市出现结构负利现象, 推动东部地区的区域结构红利越过拐点开始回落。而在后发优势的影响下, 西部地区第二产业的劳动生产率及其增长率大幅提高, 第二产业就业份额增加值以远远超过其他三大地区的水平居于首位, 导致西部地区的区域结构红利不断攀升并跃居四大板块之首。中部地区的二产就业份额尽管同样保持增加态势, 但增幅介于东部与西部之间, 区域结构红利也始终保持在第二位的水平。东北地区的区域结构红利最为特殊, 尽管东北地区的二产就业份额在2001年以后呈现出了上升趋势, 但上升态势在2005年前后发生转折, 就业份额增加值不断减少并跌破零点, 表现出与产业结构相悖的劳动力转移趋势, 导致东北地区的区域结构红利处于四大板块中的波谷位置。
 
 
综合来看, 随着四大板块产业结构的分化演进, 东部地区的区域结构红利越过拐点开始回落, 中西部地区的结构红利进入上升通道, 充分缓解了整体区域结构红利的下降速度, 而东北地区由于工业出现的“未富先衰”现象, 即劳动力在工业化未完成时就不断流出第二产业, 成为大国“雁阵”中的特殊存在。因此, 如果不考虑东北地区这一特殊情况, 东中西三大地区的结构红利仍然表现出与现阶段相符的、相互继起的演变特征, 并且与前一阶段相比, 随着东部地区的结构红利越过拐点, 一个由“加速上升”转为“减速下降”的大国“雁阵”模式已初步形成。
 
 
图7 (d) 展示了2016年四大板块区域结构红利的分布情况。与2009年相比, 仅有西部与中部的位置发生互换, 区域结构红利按照“中部-西部-东部-东北”降序排列。根据图8, 东部地区第二产业的就业份额持续下降, 区域结构红利均值已经步入了负利阶段。西部地区本应充当区域结构红利减速的缓冲剂, 但西部地区的二产就业份额却逐渐降低, 并且在减速下降的大国“雁阵”中, 西部地区的结构红利水平高于中部地区, 这意味着西部地区在“倒U”型曲线中的相对位置更接近于拐点。此时, 随着劳动力持续流向第三产业, 西部地区的结构红利将先于中部地区越过拐点。对于中部地区而言, 尽管其二产就业份额也呈现下降态势, 但由于中部地区越过拐点的时期滞后于西部地区, 因此中部地区的相对位置反而上升至首位。东北地区仍然是四大板块中的特殊存在, 尽管其产业结构服务化程度最低, 但二产就业人数的流失程度远高于其他三个地区, 区域结构红利全线进入负利阶段。
 
 
在这一阶段, 东中西地区的区域结构红利仍然呈现出层峦起伏、动态演进轮动的特征, 但中西部地区的区域结构红利下降, 意味着在这一阶段四大板块的区域结构红利均越过了“倒U”型曲线的拐点进入了下降通道, 这说明区域结构红利的大国“雁阵”模式再一次发生了变迁, 已经由减速下降的“雁阵”模式转变为加速下降的大国“雁阵”模式。“雁阵”模式的再次变迁, 主要是由于中西部地区的部分省份在工业化进程还不够深入的情况下, 过于急切地进入了产业结构服务化阶段。之所以出现这一现象, 一方面是受到宏观经济基本面因素的影响而产生的酵母过程[20,62], 中西部地区在工业化还未完成的基础上, 表现出“去工业化”和大力发展第三产业的共同态势, 导致劳动要素持续由第二产业流入第三产业。另一方面, 由于技术创新中的潮涌现象[63], 后起地区往往容易违背或者超前于比较优势的动态变化, 出现蛙跳式的发展, 直接进入更高一级的产业结构[30]。
 
 
综合来看, 区域结构红利的“雁阵”分布态势在样本观察期内出现了“加速上升→减速下降→加速下降”的三次变迁过程。首先, 东部地区在区域结构红利上的加速带动作用逐渐演变为中西部地区的减速缓冲作用, 完成了加速上升“雁阵”向减速下降“雁阵”的模式转变。其次, 中西部地区在具有劳动力比较优势的情况下没有较好地承接东部地区的产业扩散[64], 过快步入了产业结构的服务化阶段, 区域结构红利大幅度降低, 在大国“雁阵”模式中发挥的缓冲作用也被削弱, 造成大国“雁阵”出现了“减速下降”向“加速下降”的转变 (如图9所示) 。至此, 推论三得证。
 
图9 区域结构红利大国“雁阵”模式的变迁  
图9 区域结构红利大国“雁阵”模式的变迁   下载原图
 
 
六、主要结论与政策建议
 
 
本文采用偏离-份额法对劳动生产率增长率进行了分解, 并在全局和省阈双重视角下, 考察了2001-2016年区域结构红利的时间演进趋势、空间分布规律以及时空演变特征。实证结果表明, 在时间演进趋势上, 无论是整体结构红利还是区域结构红利均表现出“倒U”型的演进路径, 并且这一“倒U”型曲线的波动形态和时期节点与中国长期增长路径中的“结构性加速”和“结构性减速”现象不谋而合。在空间分布规律上, 尽管四大板块的区域结构红利均遵循着“倒U”型曲线的演进路径, 但由于东中西以及东北地区在产业结构演进程度和劳动力流动方向等方面的差异, 四大板块的区域结构红利处于“倒U”型曲线的不同位置, 并在东部、中部与西部三大地区之间形成了发展阶段相互承接、大小与方向相互继起的大国“雁阵”模式。在时空演变特征上, 随着东部、西部、中部的产业结构相继进入服务化阶段, 劳动力逐渐由第二产业流向第三产业, 以东部为领头雁的结构红利大国“雁阵”模式经历了加速上升“雁阵”、减速下降“雁阵”和加速下降“雁阵”的两次变迁。
 
 
结构红利的“倒U”型演变趋势以及大国“雁阵”模式的形成与变迁意味着, 在一些地区已经进入了产业结构演进的新阶段时, 其他地区可能还具有前一阶段产业结构的比较优势。换言之, 当一个国家形成了地区间的产业结构差异以及某个地区内部也形成了产业结构差异后, 无论是区域间还是区域内的产业结构调整政策以及劳动力的转移方向都不可一概而论[65]。因此, 准确把握区域异质性特征, 避免“一刀切”的产业结构调整, 推动结构红利在区域间形成雁阵分布模式, 对延续中国结构红利、实现经济增长“软着陆”以及统筹稳增长、调结构的经济发展目标具有重要的政策含义。
 
 
在全局视角下, 推动四大板块形成并保持减速下降的大国“雁阵”模式。为此, 东、中、西及东北地区应当充分意识到中国具有的大国经济特征, 在东部经济发展日趋成熟和产业结构服务化的必然趋势下, 立足于不同区域经济发展与产业结构演进的区域特点以及比较优势, 精准制定因地制宜的产业政策, 大力发展地区优势产业, 合理调整三次产业占比以及劳动力在三次产业间的分布, 同时打造区域间的产业转移对接平台, 开展不同层次、不同行业和不同规模的产业转移与承接, 推动区域结构红利呈现“东部优化, 中西部崛起, 东北振兴”的继起式发展趋势, 有效缓解区域结构红利的下降幅度, 加快形成缓解中国经济增长“结构性减速”冲击的新型支撑。
 
 
在局域视角下, 对于东部地区, 需要加快发展高端制造业和现代服务业, 积极提升第三产业的劳动生产率及其增长率, 加快提高劳动要素流向第三产业释放的结构红利, 充分发挥对中国经济“结构性减速”的缓解作用。对于中、西部地区, 坚持新型工业化进程, 以基础产业和制造业为支撑, 大力发展战略性新兴产业与高附加值产业, 同时选择性的承接东部地区的产业转移, 加快形成“二、三并举”的双引擎, 推动实现“两轮驱动”的产业合理化发展, 避免出现脱离现实的“去工业化”、“退二进三”以及“狂飙突进”式的产业结构升级等现象, 通过释放正向的区域结构红利, 将中西部地区打造为整体结构红利的“下降缓冲带”。对于东北地区, 把握“再工业化”的重要契机, 积极承接东部地区优势产业转移, 大力发展先进制造业与高新技术制造业, 有效促进重工业基地的“轻化”转型, 从而打破以产能过剩的重工业行业为主的“单一工业结构”。此外, 不断增强市场“看不见的手”的决定性作用, 改善以央企、国企为主的“单一所有制结构”, 提高资源配置的有效性和激发市场活力, 从而全面提升整体劳动生产率及其增长率并充分释放区域结构红利, 加快扭转工业“未富先衰”的现状, 推动东北地区在大国“雁阵”模式中发挥重要缓冲作用。
 

畅志文化期刊网,一个专业的论文发表,期刊发表,著作出版,课题等评职称相关平台。

文章名称:中国结构红利的空间格局及其大国雁阵模式

文章地址:www.cqpc.cq.cn/lunwenjianshang/_yi_/938.html

内容来自网络-如有侵权,请告知删之

上一篇:基本劳动就业创业服务建设与促进就业 下一篇:深圳市人才保障住房新实践——以水围村综合整治为例

还有问题,免费咨询专业人员

没有问题了,我想发稿或出版

选择服务:

作者姓名: *

联系电话: *

留言备注: *

咨询部:

发表部:

在线客服

客服电话:17600057161

投稿邮箱:71712724@qq.com

QQ:71712724
QQ:71712724

咨询部:

发表部: