经济增长的动力重估:工业与服务业的协同效应与非线性特征

摘要/Abstract

摘要： 本文基于2000—2023年中国省际分行业数据,通过扩展Feder模型并融合机器学习与面板回归方法,系统考察了工业与服务业对经济增长的差异化贡献及其作用机制。研究发现,工业通过技术进步和产业关联效应成为经济增长的重要驱动力;服务业在经济增长中发挥着不可替代的作用,特别是金融业通过与工业的协同发展能够显著促进经济增长,而脱离实体经济的金融扩张则可能对经济增长产生抑制作用。本文还揭示了工业发展存在非线性特征,其边际贡献在跨越特定阈值后显著提升。基于实证结果,本文建议产业政策应统筹工业与服务业协同发展以优化资源配置效率,以及金融业需强化服务实体经济功能,促进产业良性互动。本研究为推动产业结构优化升级、实现经济高质量发展提供了理论与实证依据。

关键词: 经济增长, Feder模型, 机器学习, 偏效应分析

Abstract: Based on inter-provincial industry data from 2000 to 2023 in China, this study systematically examines the differential contributions and mechanisms of industry and services to economic growth by extending the Feder model and integrating machine learning with panel regression methods. The findings reveal that industry serves as a key driver of economic growth through technological progress and industrial linkage effects, while services play an indispensable role, particularly in the financial sector, whose synergistic development with industry significantly enhances economic growth efficiency. Conversely, financial expansion decoupled from the real economy may inhibit economic growth. Further analysis uncovers a nonlinear characteristic in industrial development, where marginal contributions increase markedly after going across the specific threshold. Based on empirical results, this study recommends that industrial policies prioritize coordinated development between industry and services to optimize resource allocation efficiency, and that the financial sector strengthen its function in serving the real economy to foster positive industrial interactions. The research provides theoretical and empirical foundations for promoting industrial structure upgrading and achieving high-quality economic development.

Key words: Economic Growth, Feder Model, Machine Learning, Partial Effects Analysis

中图分类号:

F062.9

郭英彤, 邓志鹏. 经济增长的动力重估:工业与服务业的协同效应与非线性特征[J]. 财经论丛, 2025, 41(9): 39-48.

GUO Yingtong, DENG Zhipeng. The Reassessment of Economic Growth Drivers: Synergistic Effects and Nonlinear Characteristics of Industry and Services[J]. Collected Essays on Finance and Economics, 2025, 41(9): 39-48.

参考文献

[1]张杰. 如何科学认识当前中国经济增长动力源泉与改革突破口[J]. 学术月刊, 2024, (4): 103-114.
[2]郭克莎, 彭继宗. 制造业在中国新发展阶段的战略地位和作用[J]. 中国社会科学, 2021, (5): 128-149.
[3]陈体标. 技术增长率的部门差异和经济增长率的“驼峰形”变化[J]. 经济研究, 2008, (11): 102-111.
[4]赵伟. “十四五”期间中国经济发展不宜设定制造业占比指标[J]. 探索与争鸣, 2021, (1): 60-68, 178.
[5]宋培, 王欣悦, 陈晓英, 等. 效率模式重塑: 中国经济从结构性减速到高质量服务化[J]. 西安交通大学学报(社会科学版), 2025, (3): 15-27.
[6]袁富华, 张平, 刘霞辉, 等. 增长跨越: 经济结构服务化、知识过程和效率模式重塑[J]. 经济研究, 2016, (10): 12-26.
[7]陈梦根, 侯园园. 中国经济增长动力结构变迁: 2000—2019[J]. 经济研究, 2024, (1): 53-71.
[8]袁富华. 长期增长过程的“结构性加速”与“结构性减速”[J]. 经济研究, 2012, (3): 127-140.
[9]李书娟, 陈邱惠, 徐现祥. 不利冲击下经济增长恢复的经验——基于中国经济目标管理实践[J]. 经济研究, 2021, (7): 59-77.
[10] 方毅, 孟佶贤, 张屹山. 中国经济增长的状态跃迁(1979—2020)[J]. 中国社会科学, 2022, (5): 4-26.
[11]江小涓. 产业结构优化升级: 新阶段和新任务[J]. 财贸经济, 2005, (4): 3-9, 71, 96.
[12]Hanusch H., Pyka A. Principles of Neo-Schumpeterian Economics [J]. Cambridge Journal of Economics, 2007, 31: 275-289.
[13]严成樑. 现代经济增长理论的发展脉络与未来展望——兼从中国经济增长看现代经济增长理论的缺陷[J]. 经济研究, 2020, (7): 191-208.
[14]干春辉, 郑若谷. 改革开放以来产业结构演进与生产率增长研究: 对中国1978—2007年“结构红利假说”的检验[J]. 中国工业经济, 2009, (2): 55-65.
[15]郭春娜, 晏发发, 陈宇游. 现代化经济体系下制造业资本配置效率的分解及差异性研究[J]. 数量经济技术经济研究, 2021, (9): 62-79.
[16]孙慧波, 姜余轲, 李鹏. 技术标准与制造业资源配置优化——来自中国工业企业的微观证据[J]. 经济学家, 2024, (4): 108-117.
[17]陈林, 罗莉娅, 康妮. 行政垄断与要素价格扭曲——基于中国工业全行业数据与内生性视角的实证检验[J]. 中国工业经济, 2016, (1): 52-66.
[18]徐冬梅, 陶长琪. 要素配置结构优化如何影响制造业高质量发展[J]. 数量经济研究, 2022, (3): 72-90.
[19]王曙光, 王伟龙, 徐余江. 双循环新发展格局、新型工业化与政府—市场关系——兼谈德日经验[J], 社会科学战线, 2021, (9): 54-60.
[20]迟福林. 改革开放40年建立与完善社会主义市场经济体制的基本实践[J]. 改革, 2018, (8): 35-48.
[21]王磊, 肖倩, 邓芳芳. 人工智能对中国制造业创新的影响研究——来自工业机器人应用的证据[J]. 财经论丛, 2023, (9): 14-24.
[22]邵慰, 刘嘉慧, 曹可欣. 人工智能如何影响了企业创新行为——基于资产专用性视角[J]. 南开经济研究, 2024, (9): 130-149.
[23]Acemoglu D., Johnson S., Robinson A. Institutions as the Fundamental Causes of Long-run Growth[Z]. NBER Working Papers, 10481.
[24]黄宪, 刘岩, 童韵洁. 金融发展对经济增长的促进作及其持续性研究——基于英美、德国、法国法系的比较视角[J]. 金融研究, 2019, (12): 147-168.
[25]王晓东, 邓丹萱, 赵忠秀. 交通基础设施对经济增长的影响——基于省际面板数据与Feder模型的实证检验[J]. 管理世界, 2014, (4): 173-174.
[26]熊勇清, 郭杏. 战略性新兴产业对传统产业溢出效应的实证检验——基于两部门模型的多维视角分析[J]. 软科学, 2014, (10): 1-5, 17.
[27]Feder G. On Export and Economic Growth[J]. Journal of Development Economics, 1983, 12( 1): 59－73.
[28]Hastie T., Tibshirani R. Friedman J. Elements of Statistical Learning: Data Mining, Inference and Prediction (Second Edition)[M]. New York: Springer Science+Business Media, 2009.
[29]欧阳志刚, 陈普. 要素禀赋、地方工业行业发展与行业选择[J]. 经济研究, 2020, (1): 82-98.
[30]雷欣南, 林乐凡, 肖斌卿, 等. 小微企业违约特征再探索: 基于SHAP解释方法的机器学习模型[J]. 中国管理科学, 2023, (5): 1-13.
[31]Genuer R., Poggi J., Tuleau-Malot C. Variable Selection Using Random Forests[J]. Pattern Recognition Letters, 2010, 31 (14): 2225-2236.
[32]Friedman J. H. Greedy Function Approximation: A Gradient Boosting Machine[J]. Annals of Statistics, 2001, 29(5): 1189-1232.