On the basis of reviewing the industrial correlation theory, this study explores the characteristics and conducts stress testing of manufacturing industry correlation networks within the analytical framework of industrial correlation theory. Firstly, the research hypotheses are derived based on relevant theoretical foundations. Then, according to the industrial cluster triangulation method and direct consumption coefficient, the manufacturing association network is constructed, and the characteristics of the current manufacturing-related network are analyzed through centrality analysis, forward-related analysis, backward-related analysis, and the maximum weight tree algorithm. Finally, a model for stress testing is constructed, and the stress of the manufacturing association network is analyzed.
The research results indicate that, firstly, chemical products are the most core industry in the manufacturing industry network, but their core position has a downward trend. The reasons for this phenomenon might be that (1) the production process of chemical products has the characteristics of high energy consumption and high pollution; (2) green environmental protection requirements can easily lead to a one-size-fits-all problem; (3) chemical products are difficult to keep up with the current new forms of manufacturing development; (4) the digitization process of chemical products is slow. It can be seen that the decline in the core position of chemical products as the core industry of the industrial economy is traceable. Meanwhile, with the development of industrial integration, the core position of some non-manufacturing industries in the entire industry is on the rise. Secondly, compared to non-manufacturing industries, the forward correlation degree of manufacturing in the entire correlation network is relatively weak, but the backward correlation degree is relatively strong. From the changes in the direct partition coefficient and the complete partition coefficient, it is clear that the proportion of industries with strong forward linkages in the manufacturing industry is relatively low, and the proportion of industries with weak forward linkages is high and has a downward trend. From the changes in direct consumption coefficient and complete consumption coefficient, it can be seen that the proportion of industries with strong backward correlation in the manufacturing industry is relatively high, while the proportion of industries with weak backward correlation is relatively low and showing a downward trend. Thirdly, in general, the manufacturing association network has a strong pressure-bearing capacity as a whole, and two hypotheses are valid, i.e., as the number of directly related industries increases, the pressure generated by the industry impact on the entire manufacturing association network tends to decrease; when the degree of correlation between an industry and other industries decreases, the pressure generated by the impact of that industry tends to decrease.
This study provides reference value for deepening the longitudinal and situational research. In future research, the research methods of inter-industry association networks can be extended to micro enterprises; furthermore, it is feasible to conduct precise research on a single industry, providing a more accurate theoretical basis for the development of specific industries.
开放科学(资源服务)标识码(OSID)：
作为立国之本、兴国之器、强国之基的制造业不仅是国民经济的主体,在现代化经济体系中还具有引领和支撑作用。中共二十大报告强调,“坚持把发展经济的着力点放在实体经济上,推进新型工业化,加快建设制造强国、质量强国、航天强国、交通强国、网络强国、数字中国”。然而,随着数字经济的快速发展,制造业关联网络发展面临诸多不确定性因素,在此情形下探究制造业关联网络特征及承压能力迫在眉睫。
产业关联是指经济活动中不同产业间存在的广泛而复杂的经济技术联系,表现为产业间的相互依存关系[1],泛指各产业通过劳动要素或中间投入而形成的直接或间接关系[2]。产业关联性指标用以衡量各产业间的联系[3],分为前向关联和后向关联[4]。已有关于产业关联网络的研究多从理论方法和细分内容方面切入。从理论方法看,相关文献多以投入产出法为切入点研究产业关联网络,多位学者基于投入产出表对区域产业关联进行分析。如张凌洁和马立平[5]对北京多个高水平发展地区间的产业关联进行分析;韩丽萍等[6]分析内蒙古等3个中西部省份产业关联情况;宋之杰和唐晓莉[7]解析河北省信息制造业和信息服务业两大产业对各产业部门的经济关联效应;黄庆华和胡梦佳[8]揭示成渝两地产业关联演变特征。除区域产业关联分析外,特定产业关联也是学者重点研究对象。如毛晓蒙和刘明(2021)揭示了中国生产性服务业的产业关联与波及效应;吴利学和方萱[9]基于多年投入产出数据分析数字产业与其它产业间的关联性;沈晓平等(2022)探究数字经济对国民经济各部门的影响作用及关联关系;王孟欣等[10]阐述装备制造业与生产性服务业的产业关联性。从细分内容看,多为在原有产业关联体系上进行扩展研究。就国外研究来说,随着投入产出理论的提出,Isard[11]构建区域投入产出模型;Moses[12]在此模型的基础上构建地区间竞争型投入产出模型;Dietzenbacher等[13]构建技术创新扩散关系矩阵;Hauknes等[14]在投入产出表数据的基础上加入技术流。国内学者进行了更为多样化的研究,不仅完善了投入产出矩阵,还针对特定目标构建相关指标。如靳景等(2020)引入创新传导矩阵对我国9部门创新传导网络进行研究;韩君和高瀛璐[15]加入数字经济调整系数和核算信息系数,形成数字产业投入产出表;郑休休等[16]引入进出口交易数据,构建国际大循环和国内大循环两类指标。
综上所述,现有研究对产业关联网络进行了有益探索,但存在以下不足:第一,多以区域为研究对象,鲜有研究以制造业为分析对象。第二,多局限于产业关联特征,虽然指标体系、模型构建较为完善,但横向分析仍有所欠缺。鉴于此,本研究以产业关联理论为基础,基于2017年、2018年和2020年投入产出表数据,构建制造业关联网络并进行压力测试,探究制造业关联网络特征并回答以下问题:如何凝炼制造业关联网络特征?如何测试制造业关联网络的承压情况?
1.1.1 产业关联理论
产业关联理论又称投入产出关联理论,主要研究社会经济活动中各产业间存在的广泛复杂的关系,最早可追溯至1758年弗朗斯瓦·魁奈的《经济表》。1936 年,里昂惕夫在《经济学和统计学评论》上发表《美国经济系统中的投入产出数量关系》的论文,标志着投入产出理论初步形成。同年,里昂惕夫提出用投入产出法对产业关联进行分析,并使用中间消耗对不同产业间的技术经济联系进行分析,预示着产业关联理论基本成形;Guitton 等[17]利用感应度系数和影响力系数测量前后向关联关系;Karmbach &Kurz[18]通过构建变系数动态投入产出模型,对投入产出系数进行更新和预测。产业关联性以产业间投入产出联系强度衡量[19],研究产业关联能促进产业结构优化和调整。产业关联理论是产业关联分析的理论基础,投入产出分析法是产业关联分析的重要工具,而投入产出表是投入产出法模型构建的基础。综上所述,产业关联理论研究主要基于投入产出法,投入产出表是投入产出法运用的基础。就研究内容而言,主要包含投入和产出两个关键要素。
(1)投入是指各经济部门从其它部门获取所需货物或服务的投入,即产业在生产过程中消耗的来自其它产业的货物,如固定资产、劳动和燃料消耗,在投入产出表中用纵向数字表示,分为中间投入和最初投入。对投入数据进行计算可得到直接消耗系数和完全消耗系数,反映一个产业对其提供产品或服务的影响情况,表现为后向关联影响(王琪延和徐玲,2014)。在本研究中,投入表示单个产业每生产一单位产出需要从各产业中获取的产品投入值。
(2)产出是指各经济部门分配给其它部门的产出,即产业在自身生产过程中生产的货物,如用于投资、消费和出口的产品,在投入产出表中用横向数字表示,总产出分为中间品部分和最终使用部分。对产出数据进行计算可得到直接分配系数和完全分配系数,反映一个产业将自身生产的产品和服务作为生产资料分配给各产业的供给过程。在本研究中,产出表示单个产业每生产一单位产出分配给各产业的产出值。
1.1.2 承压能力内涵及其在产业关联网络中的重要性
压力测试最早由国际证券监管机构提出,是假设在市场极端不利情况下对资产组合的影响效应(巴曙松和朱元倩,2010),在软件工程和金融风险管理领域得到广泛应用。压力测试立足于风险管理需求,目的是为确保系统稳定性,一般在系统正常运作范围外进行测试,通过测算极限和评估危害程度提出应对举措及解决方案[20],是一种立足于“尾部”实践的特殊风险模型(Berkowitz,1999),能使风险更加明显(Blaschke等,2001)。综上所述,压力测试的目的在于在极端事件中突出风险以更好地管理风险。现实中极端事件频发,如新冠肺炎疫情、俄乌战争等对全球经济发展造成巨大压力,压力测试逐渐成为经济领域的重要议题。企业是市场的微观主体,其动态演进影响中观产业发展(关皓明等,2021)。企业间的相互竞争、政府决策、经济环境变动均会对企业发展产生影响。企业发展面临诸多压力,如利益相关者压力和市场竞争压力[21]、财政压力[22]、政府压力、经济压力、社会压力和内部压力[23]等。
为促进经济高质量发展,首先需要保证经济可持续发展,这离不开企业可持续发展,而企业面临的各种压力势必成为阻碍。在不利环境下,企业可承受的压力关乎企业可持续发展。企业是产业的基本单位,企业是否具备高承压能力对产业可持续发展至关重要;延伸到中观产业层面,产业承压能力是指一个产业在压力冲击下可承受损失的程度,而产业是否具备高承压能力影响经济高质量发展。作为国民经济的基础,制造业发展质量关乎整个经济体的健康运行。因此,在极端事件频发的现实背景下,有必要对制造业及其关联网络进行压力测试,以更好地应对外部压力冲击。
根据产业关联理论,各产业通过供给与需求形成相互影响和制约关系。为此,制造业关联网络压力测试可解释为制造业在生产过程中由于自身受到极端冲击而对整个产业关联网络所产生的压力。制造业具有完善的产业结构,产业规模不断扩张,对经济发展具有强大推动力,制造业高质量发展有利于促进经济高质量发展(郭克莎和彭继宗,2021)。结合产业关联理论,当某产业部门与其它产业存在投入关系时,受该产业影响的产业部门越多,该产业影响力越大(方爱丽等,2008)。当某一产业受到冲击时,该冲击会沿着产业关联关系扩散到其它产业(宁思雨等,2020),压力也会由此蔓延到整个产业网络。换言之,制造业自身受到冲击会对整个关联网络产生影响,且这种影响随着与该产业直接关联产业数量的增加而蔓延到其它产业。但随着关联产业增加,更有利于分散冲击。据此,本文提出以下假设:
H1:制造业通过产业冲击对整个关联网络产生的压力与该产业关联产业数量成反向关系。
根据产业关联理论,核心产业可带动上下游产业发展,具有较强的辐射带动作用。然而,某产业受到冲击也会影响其它产业发展。强关联意味着产业间具有密切的投入产出关系,也意味该产业对其它产业的影响作用更大(陈效珍,2015)。即当某产业受到冲击时,更易影响其强关联产业。强关联关系还意味着经济互动密切(杨蕙嘉和赵振宇,2021),若一个产业受到冲击,其强关联产业也会受到波及,进而对整个关联网络产生较大压力。换言之,制造业受到冲击对整个制造业关联网络产生的影响与产业间关联程度正相关。据此,本文提出以下假设:
H2:制造业通过产业关联对整个关联网络产生的压力与该产业和其它产业关联强度成正向关系。
基于上述分析,本研究构建理论框架,如图1所示。
图1 理论框架
Fig.1 Theoretical framework
参考徐映梅和张雯婷[24]的研究,本研究采用2017年、2018年和2020年投入产出表作为构建制造业关联网络的支撑数据,并筛选出制造业关联网络节点产业。计算各制造业与所有产业直接消耗系数的平均值,将上述值的平均值作为产业关联密切值。当某产业与制造业间的直接消耗系数大于产业关联密切值且满足产业集群三角形化法时,则该产业为制造业关联网络节点产业。
(1)
(2)
上式中,e为产业关联密切值;eij为i部门对j部门的直接消耗系数;n为部门总数,
为i部门直接消耗系数的平均值。
本文利用产业集群三角形化方法和公式(1)(2)识别制造业关联网络节点产业,并根据节点对投入产出表进行调整,构建制造业关联网络及该网络投入产出数据,再结合中心度数据、前向和后向关联分析以及最大权树法提取网络特征。当某产业受到冲击时,该冲击会随着产业间的关联关系而蔓延到整个产业网络。为研究制造业受到诸如产出减少等冲击对整个制造业关联网络所产生的压力,本研究通过设置不同压力测试整个关联网络的承压情况。
2.3.1 制造业关联网络构建
考虑到数据可得性,借鉴朱英明[25]的做法,本研究采用投入产出表中的直接消耗系数矩阵进行网络构建。
(3)
其中,aij为直接消耗系数,表示j部门生产单位产品直接消耗i部门的产品量;xij表示j部门消耗i部门的产品量;xj表示j部门的总产出。
结合产业集群三角形化方法和公式(2)构建制造业下三角矩阵H,H由直接消耗矩阵纵向分析得出,是以起点产业为下游终端的产业链。按此方法依次对制造业进行识别,得到n个下三角矩阵H,以上述n个矩阵中的共有产业为节点合并成一个大矩阵
即为制造业关联网络的矩阵表现形式。
2.3.2 制造业关联网络特征提取
(1)中心度。利用UCINET软件处理大矩阵得到制造业关联网络,并测算各产业的度数中心度、接近中心度和中间中心度。其中,度数中心度是指与某节点相连的节点个数,有向网络分为出度中心度和入度中心度。入度中心度为进入该节点的直接关联数,出度中心度为由该节点发出的直接关联数。数值越大,说明与该节点相关联的节点数越多。接近中心度是一个节点与其它节点的最短路径之和。在有向网络中分为入接中心度和出接中心度。接近中心度越大,表明该节点越非网络核心节点,即受其它节点影响作用越小[26]。中间中心度是指一个节点在多大程度上控制和制约其它节点的能力[27],中间中心度越大,表明该节点对其它节点的控制和制约能力越强,其越处于网络核心位置。
(2)前向关联分析。前向关联是指产业通过自身产品供给推动下游产业发展,通常用直接分配系数和完全分配系数衡量,是对该产业被需求程度的测量。其中,直接分配系数是指i产业分配给j产业所需产品数量占产业总产出的比值,取值在0～1之间,该值越大说明产业前向关联强度越强。假设hij为直接分配系数,xij表示i产业分配给j产业的产品或服务总量,xi表示i产业总产出,则直接分配系数如式(4)所示。
(4)
完全分配系数是指i产业生产单位产品直接或间接分配给j产业生产所需的产品或服务,是直接分配系数与全部间接分配系数之和,反映某产业部门对其它产业部门产出的直接贡献和间接贡献。完全分配系数由直接分配系数矩阵计算得到,记W为完全分配系数矩阵,I为单位矩阵,H为直接消耗矩阵,完全分配系数矩阵构建如式(5)所示。
W=(I-H)-1-I
(5)
(3)后向关联分析。后向关联是指某产业通过自身生产需求拉动上游产业发展,通常用直接消耗系数和完全消耗系数衡量,主要用某产业总产出中来自所有产业的投入占比进行测算。直接消耗系数如公式(3)所示,取值范围在0～1之间,该值越大说明产业后向关联强度越高。完全消耗系数是指j产业部门每生产单位产出直接或间接对i产业部门产品产生的消耗量,由直接消耗系数计算得到。假设B为完全消耗矩阵,I为单位矩阵,A为直接消耗矩阵,完全消耗系数矩阵构建如式(6)所示。
B=(I-A)-1-I
(6)
(4)最大权树算法。本研究借鉴生成树算法,保留各产业间关联最强的边,提取关联网络中的主干网络进行深入分析。经典生成树算法包括最小生成树Prim算法和 Kruskal算法,一般适用于无向网络最小连通路径研究。本研究构建有向网络,考虑到方法的适用性,结合最小生成树Kruskal算法和赵炳新[28]的产业基础关联树算法生成最大生成树算法。
(1)制造业关联网络特征研究模型。考虑到数据类型和研究内容,本文选取里昂惕夫投入产出模型,对投入产出表行向数量关系和列向数量关系构建如下公式:
AX+Y=X
(7)
XTH+YT=XT
(8)
其中,X为总产品的列向量;XT为 X 的转置;Y 为最终产品列向量;YT为Y 的转置;A为直接消耗系数矩阵;H 为直接分配系数矩阵。
对式(7)和式(8)移项求逆后得到:
X=(I-A)-1Y
(9)
XT=YT(I-H)-1
(10)
从而求出公式(5)和公式(6),其中(I-A)-1为里昂惕夫(Leontief)逆矩阵,(I-H)-1为高氏(Ghosh)逆矩阵。
(2)压力测试研究模型。为测试制造业产出冲击对整个制造业关联网络产生的压力,本研究借鉴徐澈[29]的方法,建立下式:
(11)
式(11)中,ΔYi表示制造业总产出变动引起的其它产业最终产出值变动的列向量, ΔXi表示i产业总产出的变化值,为压力测试变动值与该产业当年总产出的乘积,AT为制造业关联网络里昂惕夫逆矩阵中i产业所在列元素(不包含aii),aii为i部门在里昂惕夫逆矩阵中对应的值。单个制造业产出变动引起的整个网络总产出变动值为ΔYi各元素之和。
借鉴刘阳等[30]的取值方式,按冲击源头产业最终产值减少1%作为压力测试变动值,并依次减少1%进行测试。对于一个经济体来说,经济下滑超过10%将使社会陷入萧条,所以本研究将10%设为制造业测试的极端值。
根据《国民经济行业分类(2017)》,本研究将食品和烟草,纺织品,纺织服装鞋帽皮革羽绒及其制品,木材加工品和家具,制造印刷和文教体育用品,石油、炼焦产品和核燃料加工品,化学产品,非金属矿制品,金属冶炼和压延加工品,金属制品,通讯设备,专用设备,交通运输设备,电气机械和器材,通讯设备、计算机和其它电子设备,仪器仪表,其它制造产品和废品废料和金属制品,机械和设备维修服务18个部门归为制造产业。
(1)制造业关联网络。利用2017年、2018年和2020年投入产出表(42部门)直接消耗系数矩阵分别得到3个29×29矩阵,利用UCINET软件构建关联网络,如图2所示。由图2可见,3个制造业关联网络中各有29个产业节点。其中,2017年反映产业间关联的边有207条,2018年增至223条,2020年增至236条。通过UCINET分析得到整个制造业关联网络度数中心度、接近中心度和中间中心度的变化情况。限于篇幅,本文仅展示关联网络中各节点产业的中心度变动折线,如图3～图5所示。从中可见,纵坐标分别表示度数中心度、接近中心度和中间中心度的值,横坐标为部门代码,其中度数中心度为出度数中心度和入度数中心度之和。从度数中心度看,化学产品(12)的值最大,且其出度中心度和入度中心度数值也最大。这表明,与化学产品(12)有直接需求或直接供给关系的产业数为整个关联网络之最,化学产品(12)在上游网络和下游网络出现的次数最多,是众多产业的基础产业,这与化学产业是国民经济基础产业的事实相符。从整个制造业关联网络看,多数产业度数中心度变动很小,少数产业呈显著变动,且非制造业变动幅度大于制造业变动幅度。如制造产业金属制品(15)的度数中心度在2017年为16,2018年下降到5,2020年再下降到4;再如,非制造业中金融(32)和房地产(33)度数中心度在2017年为8,2018年升至11,到2020年分别升至23和27。
图2 制造业关联网络
Fig.2 Manufacturing association networks
图3 2017年、2018年和2020年制造业关联网络度数中心度
Fig.3 Degree centrality of manufacturing association networks in 2017, 2018, and 2020
图4 2017年、2018年和2020年制造业关联网络接近中心度
Fig.4 Proximity to centrality of manufacturing association networks in 2017, 2018, and 2020
图5 2017年、2018年和2020年制造业关联网络中间中心度
Fig.5 Intermediate centrality of manufacturing association networks in 2017, 2018, and 2020
接近中心度和中间中心度综合反映一个产业在产业网络中的中心地位和影响力。由图3可知,化学产品(12)的接近中心度在整个关联网络中最小,中间中心度最大,说明化学产品(12)处于核心位置,在产业间影响力最大,与之相连的产业最多,一旦受到冲击,多数产业可能都会被波及。值得注意的是,化学产品(12)的中间中心度呈明显下降趋势。从整个制造业接近中心度看,除食品和烟草(6)、造纸印刷和文教体育用品(10)、通用设备(16)和交通运输设备(18)呈显著下降趋势外,多数产业下降趋势缓,且多数制造业接近中心度明显高于整体水平。此外,非制造业金融(30)、房地产(32)、租赁和商务服务(34)接近中心度也呈明显下降趋势,说明其核心位置逐步上升。就中间中心度看,多数节点产业变动明显,除造纸印刷和文教体育用品(10)、煤炭采选产品(2)、非金属矿和其它矿采选产品(5)呈下降趋势外,多数产业呈上升趋势,如制造业中交通运输设备(18)涨幅最明显,仅次于化学产品(12),非制造业中批发和零售(28)、金融(32)、房地产(33)也呈明显上升趋势。
综上所述:第一,化学产品在整个制造业关联网络中占据核心地位,但其核心地位呈下降趋势。原因可能在于:①化学产品耗能大、废弃物多、易污染,近年来狠抓产业绿色发展和碳中和,使得化学产业可持续发展受阻;②为达成绿色环保目标,导致部分化工企业关停,抑或产品绿化技术未达标而无法进入下一产业;③近年来强调高端制造,反观化学产品,如化工产品以低端制造为主,消费需求愈发多样化高端化,低端化学产品难以满足消费者需求;④目前处于工业经济向数字经济过渡阶段,化学产业数字化发展缓慢,使得化学产品难以跟上产业发展新形态,因此应加快化学产业结构转型升级,促进绿色低碳发展,注重高端产能数字化。第二,非制造业在整个制造业关联网络中的核心地位呈上升趋势。信息技术产业高速发展激发了产业融合热潮,使得服务业等非制造业与制造业之间互动融合程度加深,从而使非制造业核心地位呈上升趋势。
(2)前向关联分析结果。前向关联分析由直接分配系数和完全分配系数衡量,直接分配系数反映某产业对其它产业的供给占产业总产出的比例,完全分配系数反映某产业对另一产业的直接供给和间接供给。限于篇幅,本文仅展示部分制造业的前向关联情况。借鉴徐小峰和郝俊(2017)的研究,将直接分配系数大于0.1定义为前向关联关系较强,将完全分配系数介于[0.01,0.1]定义为前向关联关系较弱(见表1)。
表1 制造业前向关联情况
Table 1 Forward association of manufacturing industry
制造业分类2017年前向关联较强产业占比(%)前向关联较弱产业占比(%)2018年前向关联较强产业占比(%)前向关联较弱产业占比(%)2020年前向关联较强产业占比(%)前向关联较弱产业占比(%)食品和烟草0.0055.170.0058.620.0055.17纺织品3.4568.973.4568.973.4568.97纺织服装鞋帽皮革羽绒及其制品0.0065.520.0065.520.0068.97木材加工品和家具0.0065.520.0062.070.0062.07造纸印刷和文教体育用品3.4558.623.4558.623.4562.07石油、炼焦产品和核燃料加工品10.3462.0710.3462.0710.3465.52化学产品0.0062.070.0065.520.0062.07非金属矿物制品0.0041.380.0041.380.0041.38金属冶炼和压延加工品6.9055.176.9058.626.9055.17金属制品0.0075.860.0068.970.0065.52
从整体数据看,非制造业前向关联情况优于制造业,即非制造业对整个制造业关联网络的前向推动作用较大。从各节点产业直接分配系数看,非制造业煤炭产品前向关联较强产业数量最多,2017年、2018年、2020年占比分别为17.24%、17.24%和10.34%,而前向关联较弱产业占比较少,该产业在整个关联网络中的前向推动作用较大。总体来说,多数制造业没有前向关联较强产业,且相比于非制造业,前向关联较弱产业占比较大,如专用设备前向关联较强产业占比为0,其前向关联较弱产业2017年、2018年、2020年占比分别为82.76%、82.76%和72.41%。从变动趋势看,前向关联较强产业占比较为稳定,只有非金属矿和其它矿采选产品呈明显下降趋势;多数制造业前向关联较弱产业占比呈下降趋势,且比非制造业变动幅度大,非制造业前向关联较弱产业占比变动幅度在7%以内,而制造业变动幅度最大为10%,如金属制品、专用设备、电气机械和器材。
(3)后向关联分析结果。制造业后向关联分析采用直接消耗系数和完全消耗系数衡量,直接消耗系数反映某产业对其它产业的依赖情况,完全消耗系数反映某产业与其它产业的关系。限于篇幅,本文仅展示部分制造业的后向关联情况,将直接消耗系数大于0.1定义为后向关联关系较强,将完全消耗系数介于[0.01,0.1]定义为后向关联关系较弱(见表2)。
表2 制造业后向关联情况
Table 2 Backward association of manufacturing industry
制造业分类2017年后向关联较强产业占比(%)后向关联较弱产业占比(%)2018年后向关联较强产业占比(%)后向关联较弱产业占比(%)2020年后向关联较强产业占比(%)后向关联较弱产业占比(%)食品和烟草3.4562.073.4551.723.4551.72纺织品6.9058.626.9058.626.9058.62纺织服装鞋帽皮革羽绒及其制品3.4555.173.4558.623.4555.17木材加工品和家具3.4568.973.4572.413.4572.41造纸印刷和文教体育用品3.4572.413.4572.413.4572.41石油、炼焦产品和核燃料加工品3.4572.413.4572.413.4572.41化学产品0.0068.970.0068.970.0068.97非金属矿物制品0.0068.970.0068.970.0068.97金属冶炼和压延加工品3.4565.523.4568.973.4572.41金属制品3.4572.413.4565.523.4565.52
从整体数据看,制造业后向关联情况优于非制造业,即制造业后向需求拉动作用较大。从各节点产业直接消耗系数看,制造业中的化学产品与金属制品、机械和设备修理服务的后向关联较强产业占比最高(6.9%),且两个产业后向关联较弱产业占比较小,说明这两个产业对整个关联网络的后向需求拉动作用较大。多数非制造业后向强关联产业占比为0,且后向关联较弱产业占比普遍高于制造业,如煤炭采选产品后向关联较强产业占比为0,但其后向关联较弱产业占比在整个关联网络中最高。从变动趋势看,后向关联较强产业占比稳定,多数产业的后向关联较弱产业占比呈下降趋势,如制造业中的食品和烟草、金属制品和专用设备等产业,非制造业中的农林牧渔产品和服务以及批发和零售产业后向关联较弱产业占比均呈下降趋势。值得注意的是,制造业下降趋势较非制造业大,非制造业后向关联较弱产业占比变动最大幅度为10%左右,制造业变动幅度超过10%。
(4)最大权树法分析结果。基于前文构建的制造业关联网络,采用最大生成树算法提取网络主干,在不形成圈的前提下保留网络中权重最大的边及其两端节点,如图6所示。其中,○代表非制造业部门,●代表制造业部门,圈内数字表示产业代码。
图6 制造业关联网络最大生成树
Fig.6 Maximum spanning tree of manufacturing association network
由图6可知,化学产品(12)是整个关联网络中最重要的供给产业,是多个产业的直接供给者,对这些产业具有直接推动作用,一旦该产业发生冲击,将对多数产业产生直接影响,这与前面分析相符;金属冶炼和压延加工品(14)也是重要的产品供给产业,为多数制造业提供产品,同时也是需求者。非制造产业农林牧渔产品和服务(1)是整个关联网络的重要供给者,对3个制造产业具有发挥推动作用;电气机械和器材(19)是整个关联网络的需求者,与3个制造产业产生直接需求关系。从总体看,产业节点数未发生改变,且最大生成树变动甚微,说明整个制造业关联网络处于稳定状态。尤其是在遭受新冠肺炎疫情冲击后,大量业务被迫中断,但2020年整个关联网络依然保持稳定发展,说明整个关联网络稳定性较强且具有一定韧性,能很好地抵抗冲击。
限于篇幅,本文仅展示节点产业受到冲击时对整个关联网络造成的压力。按上文中压力测试研究方法绘制图7～图9,图中横坐标轴表示部门代码,纵坐标轴表示整个网络承受的压力值。
图7 2017年制造业关联网络承压情况
Fig.7 Pressure-bearing situation of manufacturing association network in 2017
图8 2018年制造业关联网络承压情况
Fig.8 Pressure-bearing situation of manufacturing association network in 2018
图9 2020年制造业关联网络承压情况
Fig.9 Pressure-bearing situation of manufacturing association network in 2020
从压力测试结果看,整个制造业关联网络承压能力较强,即使单个产业遭受的冲击高达10%,但对整个网络造成的压力小于1%,若将其扩展到整个国民经济产业网络,其影响作用可能更小,即整个制造业关联网络具有良好的承压能力。度数中心度表示与产业直接关联的产业,其值越大表示与产业直接关联的产业越多。结合承压数据与度数中心度变动情况,纺织品度数中心度呈明显上升趋势,2017年、2018年、2020年分别为4、5和6,其受到冲击后产生的压力值(以1%冲击为例,下同)2017年、2018年、2020年分别为0.023 8%、0.022 3%和0.021 1%;纺织服装鞋帽皮革羽绒及其制品度数中心度呈上升趋势,2017年、2018年、2020年分别为4、4和5,其产生的压力值2017年、2018年、2020年分别为0.043 5%、0.040 3%和0.034 9%,具有下降趋势;再如,交通运输设备和通信设备、造纸印刷和文教体育用品、计算机和其它电子设备等产业度数中心度呈上升趋势,但该产业冲击产生的压力值呈下降趋势;金属制品度数中心度具有下降趋势,2017年、2018年、2020年分别为16、5和4,该产业产生的压力值呈上升趋势,2017年、2018年、2020年分别为0.043 4%、0.043 9%和0.044 0%。综上所述,假设H1成立。
中间中心度反映产业在整个关联网络中的核心地位和对其它产业的影响,产业中间中心度越高,表明其越处于整个关联网络中心位置,并越容易对其它产业产生影响,即与其它产业的关联程度越高。综合产业承压数据与产业中心度变动情况可知,化学产品中间中心度呈显著下降趋势,2017年、2018年、2020年分别为160.87、116.28和87.56,由上文分析可知其产生的压力值呈下降趋势;食品和烟草中间中心度呈下降趋势,2017年、2018年、2020年分别为26、25.5和24.60,其产生的压力值也呈下降趋势,2017年、2018年、2020年分别为0.078 3%、0.066 9%和0.065 6%;批发和零售中间中心度呈明显上升趋势,2017年、2018年、2020年分别为13.51、16.22和33.98,其产生的压力值呈上升趋势,2017年、2018年、2020年分别为0.045 7%、0.049 8%和0.054 7%。大体而言,随着产业中间中心度减弱,该产业冲击对整个网络产生的压力呈下降趋势,假设H2成立。
本研究基于2017年、2018年和2020年投入产出数据,结合产业集群三角形化方法筛选制造业关联网络节点,根据中心度数据、前向和后向关联分析以及最大权树法提取制造业关联网络特征,通过压力测试不同程度制造业冲击给整个网络施加的压力,得出如下结论:
(1)化学产品是制造业关联网络中最具核心地位的产业,也是多数产业的基础产业,在整个网络中核心地位呈下降趋势,同时部分非制造业在整个产业中的核心地位呈上升趋势。
(2)与非制造业相比,制造业在整个关联网络中的前向关联度较弱,但后向关联度较强。由直接分配系数和完全分配系数变动情况可知,制造业前向关联较强产业占比较低,前向关联较弱产业占比高且呈下降趋势;由直接消耗系数和完全消耗系数变动情况可知,制造业后向关联较强产业占比较高,后向关联较弱产业产占比较低且呈下降趋势。
(3)大体而言,本文两个假设成立,即随着产业直接关联产业数量增加,该产业冲击对整个制造业关联网络产生的压力呈下降趋势;当产业与其它产业关联程度下降时,该产业冲击产生的压力呈下降趋势。由压力测试结果可知,纺织品和纺织服装鞋帽皮革羽绒及其制品等产业受到冲击后对整个制造业关联网络产生的压力随着与其直接关联产业数量的增加而增大;化学产品以及食品和烟草等产业受到冲击后对整个制造业关联网络产生的压力随着该产业与其它产业关联度的减小而下降。
研究发现,我国制造业关联网络具有良好韧性和较强承压能力。但从整个网络变化情况看,制造业关联网络规模长期处于平稳状态,规模增长速度停滞,产业关联表现为制造业强关联扎堆,即与非制造业之间的关联较小。本研究中两个假设说明多元化产业关联有利于压力分散,但也要避免出现过于强大的产业关联关系以及对单一产业的过分依赖,减少潜在压力风险。总体来说,一方面在制造业关联网络中非制造业数量较少,制造业在整个国民经济产业网络延伸不足;另一方面,制造业关联网络规模稳定有利于内部发展,但不利于高质量多元化发展,也不利于其在国民经济中延伸发展。通过多元化产业融合发展创造丰富的产业关联关系对降低制造业关联网络潜在压力具有重要意义。为此,本研究对制造业高质量发展提供如下启示:
(1)积极推动制造业数字化、智能化和绿色化发展,顺应数字经济时代产业变革趋势。加强产业结构调整,加速智能制造发展,贯彻落实“十四五”规划,实施制造强国战略,推动制造产业升级,推动制造产业现代化、绿色化和数字化发展。在工业经济加速向数字经济转型过程中,数据成为新生产要素,数字技术成为产业发展的巨大动力,作为工业经济核心产业的化学产品,其核心作用减弱有迹可循。在数字经济时代下,为更好地发展制造业,应积极促进全产业数智化发展,建立健全产学研协同机制,加强研企合作,充分利用科研院所、高校等资源优势,做大做强制造业产业集群,加快产业数智化发展,稳健提高制造业在国民经济中的核心地位。积极响应《关于加快建立健全绿色低碳循环发展经济体系的指导意见》,加速制造产业绿色低碳转型、产业基础设施绿色升级,构建以市场为导向的绿色技术创新体系,积极拓展产业间绿色技术合作,探索新型产业合作模式,促进制造业在我国经济中的延伸发展,加快新技术新业态模式转型,积极推动实体经济发展。
(2)增强制造业在经济体系中的后向关联和前向关联作用是提高制造业产业竞争力的重要途径。制造业多为基础产业,如食品烟草、石油、化学品、金属制品等产业产品多为非制造业上游材料来源,产品质量推动着下游产业发展;同样,非制造业也影响制造业发展,如金融业、教育业通过融资投入和教育知识投入等方式影响电气机械和器材、计算机和其它电子设备等制造产业发展,制造业需求拉动其它产业发展。因此,应积极响应国家产业发展策略,补齐短板、锻造长板,强化制造业资源、技术支撑,引导行业龙头企业发挥引导支撑作用,支持创新型中小微企业发展,推动产业链上中下游关联发展。充分利用“5G+工业互联网”项目加速推动制造业转型升级,实现全产业智能制造,发挥制造业的辐射带动作用,推动下游产业转型升级,蓄能制造业经济体量。增强产业重点企业活力,夯实产业发展基础,提高其对整个经济体的拉动作用,促进经济高质量发展。
(3)制造业关联网络压力测试为制造业高质量发展提供政策方向。关联网络压力测试是在确定产业间关联关系的基础上,计算单个产业受到冲击对整个关联网络产生的压力情况。由结果可知,多元产业关联关系有利于提高网络承压能力,所以政府部门相关政策应着眼于为不同产业创造关联条件,鼓励产业融合发展。随着数字经济的快速发展,应遵循《国家标准化发展纲要》要求,加快制造业与数字产业融合,应用数字技术赋能制造业高端化,助力制造业绿色化发展;加速高端绿色制造与农业融合,加强产业技术输出,促进农业现代化高质量发展;推进高端绿色制造业与水利和能源等产业融合发展,促进绿色能源发展。深化产业间业务关联、技术关联以及链条延伸,推动战略性新兴产业融合,增强产业链稳定性和产业综合竞争力。
本研究存在如下不足:一方面,采用国家统计局发布的投入产出表,但该表最新发布数据只有2017年、2018年和2020年,未能补充2019年数据;另一方面,投入产出表数据是针对产业中观层面产业关联特征进行分析,未分析制造企业微观特征以及测度单个产业的承压情况。因此,未来可从以下几个层面展开深入研究:①将产业间关联网络研究方法延伸到微观企业层面进行测度;②对单一产业进行精准研究,为特定产业发展提供理论基础。
[1] 余典范,干春晖,郑若谷. 中国产业结构的关联特征分析——基于投入产出结构分解技术的实证研究[J]. 中国工业经济,2011,39(11):5-15.
[2] 冯居易,魏修建. 数字经济时代下中国信息服务业的投入产出效应研究[J]. 情报科学,2020,38(5):112-119.
[3] YANG C, ZHENG Z.Analysis of the theoretical issues on the measurement of industrial linkage[J].Statistical Research, 2014,31(12): 11-19.
[4] SUN C W, CHEN L Y, XU Y H.Industrial linkage of embodied CO2 emissions: evidence based on an absolute weighted measurement method[J].Resources, Conservation &Recycling, 2020, 160:104892.
[5] 张凌洁,马立平. 城市群产业关联分析与增长极选择[J]. 统计与决策,2021,37(23):116-120.
[6] 韩丽萍,高甜甜,张茜,等. 供需两侧视角下煤炭产业国家价值链嵌入与产业关联问题研究——蒙、晋、陕三省(自治区)的数据分析[J]. 数理统计与管理,2021,40(2):222-232.
[7] 宋之杰,唐晓莉. 京津冀协同发展背景下河北省信息产业关联效应分析[J]. 数学的实践与认识,2019,49(8):39-46.
[8] 黄庆华,胡梦佳. 成渝地区双城经济圈产业关联演化格局分析[J]. 中南大学学报(社会科学版),2021,27(6):119-135.
[9] 吴利学,方萱. 中国数字经济的投入产出与产业关联分析[J]. 技术经济,2022,41(12):91-98.
[10] 王孟欣,蓝汉勇,李朗. 产业关联及技术创新扩散效应——基于装备制造业与生产性服务业的分析[J]. 江苏大学学报(社会科学版),2022,24(1):24-36.
[11] ISARD W. Interregional and regional input-output analysis: a model of a space-economy[J]. Review of Economics and Statistics, 1951, 33(4): 318-328.
[12] MOSES L N. The stability of interregional trading patterns and input-output analysis[J]. American Economic Review, 1955, 45(5): 803-832.
[13] DIETZENBACHER E, LOS B. Externalities of R&D expenditures[J]. Economic Systems Research, 2002, 14(4): 407-425.
[14] HAUKNES J, KNELL M. Embodied knowledge and sectoral linkages: an input-output approach to the interaction of high-and low-tech industries[J]. Research Policy, 2009, 38(3): 459-469.
[15] 韩君,高瀛璐. 中国省域数字经济发展的产业关联效应测算[J]. 数量经济技术经济研究,2022,39(4):45-66.
[16] 郑休休,刘青,赵忠秀. 产业关联、区域边界与国内国际双循环相互促进——基于联立方程组模型的实证研究[J]. 管理世界,2022,38(11):56-70,145,71-80.
[17] GUITTON H,RASMUSSEN P N. Studies in inter-sectoral relations[J]. Economica, 1957, 8(6):15-17.
[18] KALMBACH P, KURZ H D. Micro-electronics and employment,a dynamic input-output approach: a reply[J].Journal of The Review of Economic Dynamics,2004,1(2):371-386.
[19] ESSLETZBICHLER J. Relatedness, industrial branching and technological cohesion in US metropolitan areas[J]. Regional Studies, 2015, 49(5): 752-766.
[20] 杜坤伦,李贤彬,李后强. 压力测试机制助力重大风险防控研究——基于金融风险管控的视角[J]. 财经科学,2020,64(6):41-50.
[21] BHATIA M S, KUMAR S. Linking stakeholder and competitive pressure to industry 4.0 and performance: mediating effect of environmental commitment and green process innovation[J]. Business Strategy and the Environment,2022,31(5):1905-1918.
[22] BUCUR A, DOBROTA G, DUMITRASCU O. Implications of fiscal pressure on the sustainability of the equilibrium and performance of companies[J]. Evidences in the Rubber and Plastic Industry from Romania,2019,11(7):2082.
[23] HE Z, XU S, SHEN W, et al. Exploring external and internal pressures on the environmental behavior of paper enterprises in China: a qualitative study[J]. Business Strategy and the Environment,2019(28):951-969.
[24] 徐映梅,张雯婷. 中国数字经济产业关联网络结构分析[J]. 统计与信息论坛,2021,36(8):30-42.
[25] 朱英明. 中国产业集群结构研究[J].系统工程学报,2007,23(3):225-232.
[26] 朱艳丽,向欣宇,孙英楠. 中国省际知识产权保护空间关联网络研究[J]. 科技进步与对策,2020,37(13):54-63.
[27] 王文静,赵江坤. 产学专利合作网络:结构演变与知识流动——合作形式视角[J]. 科技进步与对策,2019,36(7):1-9.
[28] 赵炳新,陈效珍,陈国庆.产业基础关联树的构建与分析——以山东、江苏两省为例[J]. 管理评论,2013,25(2):35-42.
[29] 徐澈. 内循环背景下出口依存型产业链的识别、特征与承压测试[J]. 经济学家,2021,33(2):23-32.
[30] 刘阳,张萌,李体欣. 逆全球化压力下贸易冲击的经济波动压力测试——基于产业关联理论[J]. 国际经贸探索,2022,38(6):76-88.