方大春 裴梦迪

(安徽工业大学 商学院，安徽 马鞍山 243032)

一、引言与文献综述

当前，安徽省经济发展的结构性、体制性、周期性问题相互交织，新旧动能转换步子还不够快，经济下行压力仍在加大。安徽多数传统产业仍处于产业链中低端，部分战略性新兴产业核心技术没有掌握，导致经济发展动力不足(罗红和黄浩，2017)[1]。随着新一轮科技革命和产业变革，加快经济发展新旧动能转换是实现安徽省高质量发展的内在要求和必然选择。如何在高质量发展背景下探寻安徽省新旧动能转换提升路径，制定出适合安徽实际发展政策，需要深入研究。

目前，学术界主要从两方面对经济发展新旧动能转换展开研究。一是从理论层面探讨新旧动能转换内涵和提升路径。张文和张念明(2017)认为新旧动能转换具有随时代发展而不断变化的开放性内涵，包括技术、产业、制度与观念层面的转换，加速动能转换应建立现代产业支撑体系、新需求体系、创新体系与现代规则体系[2]。杨蕙馨和焦勇(2018)提出新旧动能转换并不只一味追求新技术、新产业、新业态、新模式，仍需高度重视传统技术、产业、业态、模式的优化升级，动能转换存在从政府主导向政府引导、经济领域向社会领域、要素驱动向创新驱动等多条路径[3]。宁朝山(2019)认为新旧动能转换是一个相对的、历史的、发展的概念，主要表现为微观要素、中观产业、宏观经济结构和制度体制的升级优化，加快推进动能转换关键在于技术突破、弘扬企业家精神、改革制度机制、完善监管政策等方面[4]。黄少安(2017)[5]、赵丽娜(2017)[6]认为新旧动能转换提升还要着眼于优化出口结构、调整产业结构、改善要素结构、改革政府管理方式等。

二是从实证层面定量测度地区新旧动能转换。部分学者测度分解全要素生产率分析新旧动能转换。如张豪等(2017)基于1952—2015年数据，测度中国经济增长动力来源，通过分解TFP研究动能转换过程[7]。白洁(2018)通过测算湖北资本存量和全要素生产率，分析1991—2015年湖北新旧动能转换趋势与结构特征[8]。马秀珍和孙习武(2018)利用青岛1981-2016年数据，通过索洛模型测度并研究青岛全要素生产率提升与新旧动能转换[9]。也有学者构建多维度指标体系评价新旧动能转换水平。张志元等(2018)从经济效率、经济结构及环境代价三个维度，选取全要素生产率、国际收支、单位产出耗电量等9个变量分析山东省新旧动能转换[10]。张立新等(2018)构建需求(消费和出口)和供给(资本、创新、制度和结构)双侧六维度经济发展动能指标体系，研究山东省新旧动能转换[11]。吴净(2019)从科技创新、效率提升、经济结构、拓展空间4方面构建动能转换评价体系，以青岛市为例进行新旧动能转换评价[12]。相对而言多维度评价指标体系更为科学可信。

纵观现有文献，对山东省新旧动能转换研究居多，尚缺乏对将要进入新旧动能转换的中西部地区进行研究。本文试图探寻安徽省新旧动能转换路径，为正处于动能转换转折点的省份提供参考借鉴。为此，构建新旧动能转换水平综合评价指标体系，测算安徽省各市新旧动能转换水平，再运用面板数据实证探究安徽省新旧动能转换水平影响因素，并给出相关提升对策。

二、安徽省新旧动能转换水平测度

1. 指标选取与处理

新时代经济发展动能转换要以供给侧结构性改革为主线，坚持质量第一、效益优先(吴净，2019)[12]。衡量一个地区新旧动能转换发展水平时，主要侧重于考察新旧动能转换的目标业绩：一是通过创新能力提升，增强经济发展动力；二是通过经济运行效率提升，提高经济发展质量；三是通过迸发经济活力，不断释放新旧动能转换潜力。考虑指标代表性、可操作性、综合性及科学性，构建安徽省各市新旧动能转换水平测度指标体系(见表1)。

表1 指标选取及说明

(1)创新水平

创新水平是新旧动能转换基础，关乎新旧动能转换动力。新旧动能转换以产业为核心，战略性新兴产业代表关键核心技术和创新成果产业化，一定程度上反映科技创新水平。另外，发明专利授权量是研发实力和创新水平的重要标志，能够体现基础创新能力。选取指标包括战略性新兴产业企业数占规模以上工业企业数量比、战略性新兴产业产值占规模以上工业企业主营业务收入比、每万人发明专利授权量等。

(2)经济成效

经济成效是新旧动能转换重要目标，体现新旧动能转换质量。经济成效指生产过程中产出量与投入量的比值，反映生产中劳动耗费转化为劳动成果的程度，一般包括成果与消耗之比、产出与投入之比。选取指标为单位GDP能源消耗量、全社会劳动生产率(地区生产总值与全部从业人员比)、人均GDP，分别衡量生态效率、劳动效率和经济效率等。

(3)经济活力

经济活力是新旧动能转换动力，反映新旧动能转换潜力。依托凯恩斯需求动力原理，以“三驾马车”为依据，由于传统动能向新动能转换的特点之一是由依靠投资转向消费为主，故以社会消费品零售总额占GDP比、货物和服务净出口拉动率进行衡量。此外，物流运输连通产业链和供应链，可以让经济血脉更加畅通，也为新旧动能转换提供活力，故以邮政业务总量占GDP比重衡量。

新旧动能转换水平测算的关键是指标权重的确定。为了考察各市新旧动能转换水平差距，研究采用综合客观评价法——熵值法确定权重。

2.安徽省新旧动能转换总体水平分析

对2013—2018年安徽省各市新旧动能转换水平进行测度，并按照皖北、皖中和皖南对比分析，结果如表2和图1所示，可以得出：第一，从全省层面看，样本期间安徽省新旧动能转换水平整体上提升，过程中有波动，全省均值从2013年的34.54上升至2015年的41.06，后下降到2018年的36.26，总体水平提高4.98%。第二，从区域层面看，三大地带新旧动能转换水平变化趋势与全省均值保持一致。样本期间内，皖南地区新旧动能转换水平总体相对高于皖中和皖北地区，皖南地区新旧动能转换水平均值高于全省均值，皖北地区新旧动能转换水平低于全省均值。皖中地区从2013年低于全省均值到2015年之后逐渐高于全省均值。第三，从市级层面看，合肥、芜湖、马鞍山、铜陵、黄山、蚌埠、宣城、滁州等地新旧动能转换水平排名靠前，合肥作为全省新旧动能转换的领头羊，宿州市排名一直较后，新旧动能转换水平相对低。相较于2013年，2018年大部分地区新旧动能转换水平值提高，但淮北市、蚌埠市、铜陵市、池州市新旧动能转换水平有不同程度降低。

表2 安徽省各市新旧动能转换水平与排名

图1 安徽省新旧动能转换区域水平均值

3. 安徽省新旧动能转换分维度水平分析

为进一步把握安徽省新旧动能转换水平变化特征，从创新水平、经济成效、经济活力等方面进行分维度水平分析。

(1)创新水平维度分析

创新水平是新旧动能转换的基础，关乎新旧动能转换的动力。选取指标包括战新产业企业数占比、战新产业企业产值占比、每万人发明专利授权量。由表3可知，从创新水平来看，合肥市、芜湖市、马鞍山市排名靠前，宿州市、阜阳市、安庆市排名靠后。值得注意的是，淮北市创新水平2015年后大幅下降，排名从2013年的第7位降至12位；宣城市创新水平排名稳步上升，2018年排名全省第4。

表3 安徽省各市新旧动能转换创新水平与排名

从二级指标来看(见图2-图4)：战新产业企业数量占比方面，总体呈上涨趋势，尤其到2018年涨速迅猛，合肥市、蚌埠市、马鞍山市、芜湖市、铜陵市等地各年占比总体较高。战新产业企业产值占比方面，各地区产值占比在2018年显著提高，合肥市、蚌埠市相对领先。每万人发明专利授权量方面，合肥市、芜湖市、马鞍山市领先，远超其他市。

图2 安徽省各市战新企业数占比

图3 安徽省各市战新企业产值占比

图4 安徽省各市每万人发明专利授权量

(2)经济成效维度分析

经济成效是新旧动能转换的重要目标，体现新旧动能转换的质量。选取指标包括单位GDP能源消耗量、全社会劳动生产率和人均GDP。由表4可知，从经济成效来看，合肥市、芜湖市、马鞍山市排名在前列，亳州市、阜阳市、六安市排名靠后。2013—2018年，淮南市和铜陵市经济成效指数下降较为明显，淮南市排名从全省第6跌至第12，铜陵市排名由全省第1降至第4位。

表4 安徽省各市新旧动能转换经济成效水平与排名

从二级指标来看(见图5-图7)：2013—2018年安徽省各市人均GDP逐年上升，除合肥市、芜湖市、马鞍山市等地稍领先以外，其他市相差不大；能源消耗量方面，样本期间内马鞍山市、池州市、淮北市等地单位GDP能源消耗量较大，马鞍山市单位GDP能源消耗量远大于其他市；全社会劳动生产率方面，合肥市、马鞍山市、芜湖市排名靠前，铜陵市劳动生产率下降显著。

图5 安徽省各市人均GDP

图6 安徽省各市单位GDP能源消耗量

图7 安徽省各市全社会劳动生产率

(3)经济活力维度分析

经济活力是新旧动能转换的动力，反映新旧动能转换的潜力。选取指标包括邮政业务总量占GDP比、商品进出口总额占GDP比以及社会消费品零售总额占GDP比。由表5可知，从经济活力来看，阜阳市、铜陵市、合肥市排名居前，淮北市、宿州市、池州市排名居后。值得注意的是，马鞍山市、芜湖市经济活力表现并不优秀，全省排名相对靠后。

表5 安徽省各市新旧动能转换经济活力水平与排名

从二级指标来看(见图8-图10)：商品进出口总额占比方面，各年变化不大，铜陵市总体占比较高；社会消费品零售总额占比方面，安徽省各市差距总体较小，马鞍山和芜湖市占比较低；邮政业务总量占比方面，2013—2018年安徽省各市邮政业务总量占GDP比总体上升，阜阳市各年排名领先。

图8 安徽省各市商品进出口总额占比

图9 安徽省各市社会消费品零售总额占比

图10 安徽省各市邮政业务总量占比

三、安徽省新旧动能转换提升影响因素

1.模型构建

微观层面上生产要素质量提升，中观层面上产业结构升级和空间结构优化，宏观层面上制度环境优化等是实现新旧动能转换的重要动力(宁朝山，2019)[4]，因而提升新旧动能转换水平，重点需集中在结构、资本和制度等方面的供给优化。

第一，结构供给：产业体系是推动新旧动能转换的结构动力(张文和张念明，2017)[2]，产业结构一般包括高级化和合理化两维度，参考干春晖等(2011)[13]，选取指标包括产业结构服务化(SI)和产业结构合理化(HLH)。其中产业结构合理化采用泰尔指数进行测量，但该指标为负向指标，泰尔指数越大，表示产业结构越不合理，故取其倒数变换为正向指标，该指标值越大，产业结构越合理。结构供给优化还表现为空间结构优化，空间结构优化加速要素流动整合，促进新旧动能转换，选取指标为城市化水平(URB)。

第二，资本要素供给：资本供给包括人力资本和物质资本。人力资本水平(EDU)采用平均受教育年限表示。考虑到新动能培育的物质资本侧重研发资本，故采用研究与实验发展经费支出占GDP比表示研发投入程度(RD)，衡量物质资本。

第三，制度供给：良好的制度环境是推进新旧动能转换的重要保障，选取指标为政府对经济的财政干预程度(GOV)。

基于以上分析构建新旧动能转换影响因素模型，所有变量原始数据来源于2014—2019年《安徽省统计年鉴》，变量含义说明见表6，为消除数据异方差对各变量取对数，计量模型如下式所示：

lnTit=β1lnTit-1+β2lnSIit+β3lnHLHit+β4lnURBit+β5lnRDit+β6lnEDUit++β7lnGOVit+εit

(1)

其中：被解释变量T为新旧动能转换水平指数，i、t分别表示地区与时间，εit是随机误差项向量。考虑前一期新旧动能转换水平可能对本期新旧动能转换产生影响，引入被解释变量的滞后一期值作为解释变量，既反映新旧动能转换水平的持续性和惯性效应，也可作为部分遗漏变量的代理变量(胡兵和乔晶，2013)[14]。

表6 变量选取及含义说明

2. 实证分析

基于新旧动能转换影响因素模型，采用Stata15.0进行估计。考虑到模型可能存在内生性导致估计结果有偏非一致，引入Blundell和Bond(1998)提出的“差分GMM”和“系统GMM”估计[15]。相对来说，系统GMM估计结果更加有效，但需满足随机误差扰动项不存在二阶自相关，且工具变量不能过多，故采用系统GMM估计方法对动态面板数据进行回归。为和系统GMM回归结果进行比较，同时展示全省层面的混合OLS回归以及固定效应回归结果。为检验模型的稳健性，对数据进行样本分组回归。由于前文测算出的新旧动能转换水平在地区间存在一定差异，皖南和皖中地区均值总体高于全省均值，皖北地区低于全省均值，故将全样本划分为“皖中南样本”和“皖北样本”。实证分析结果如表7所示。

表7 新旧动能转换水平提升影响因素实证分析

模型I-III分别列出全省层面混合OLS、固定效应和系统GMM估计结果。因变量滞后一期值均显著为正，体现动态面板模型设立的必要性。总体来看，系统GMM估计结果与其他两列结果系数显著性存在区别，但在系数方向上基本一致。判断GMM估计是否可靠有效的一个简单方法是看因变量滞后项的GMM估计量是否介于混合OLS估计量和固定效应模型估计量之间(Bond，2002[16]；胡兵和乔晶，2013[14])。模型3中GMM估计的因变量滞后项系数为0.6040，介于OLS估计结果(0.8229，高估)和固定效应估计结果(0.2594，低估)之间，说明GMM估计结果较可靠。另外，系统GMM模型中AR(1)的p值在10%水平下显著，AR(2)的p值不显著，表明随机扰动项的差分存在一阶自相关，但不存在二阶自相关，故可接受“扰动项无自相关”原假设。Sargan检验的p值大于0.05，在5%的显著性水平下接受“所有工具变量都有效”原假设，GMM估计有效。

从全样本(模型III)结果看，新旧动能转换水平滞后一期值显著为正，新旧动能转换存在惯性效应，前一期动能转换水平对本期动能转换水平提升有积极影响。产业结构合理化(lnHLH)系数显著为正，产业结构越合理，新旧动能转换水平越高；研发投入(lnRD)显著推动新旧动能转换水平提升。产业结构合理化和研发投入是提升安徽省新旧动能转换水平的主要动力。产业结构服务化发展程度(lnSI)对新旧动能转换水平提升存在显著负效应。从工业化发展历程来看，只有经过扎实工业化后，生产性服务业才能引领经济转型发展。2018年安徽省农业产值占比15.57%，农业就业人数占比30.9%，城镇人口数占比54.69%，均未达到工业化完成节点。国际上通常用三个结构性指标衡量一个地区是否完成工业化：农业产值占国内生产总值比重降到15%以下，农业就业人数占全部就业人数比重降到20%以下，城镇人口占总人口比重超过60%。从安徽省工业化阶段和发展程度看，不应提前追求统计意义上服务化指数上升。目前，安徽省还处于以工业化为主导的新旧动能转换初级阶段，服务业尤其是生产性服务业水平并不高，需要重视工业和服务业融合发展，推动制造业服务化和生产性服务业、高端性服务业发展。城市化水平(lnURB)对安徽省新旧动能转换水平提升作用不明确、不显著。如果人口城市化、经济城市化和空间城市化不协调，就不能形成合力。通过数据测算发现，样本期间内安徽省整体上空间城市化速度>人口城市化速度>经济城市化速度，每个城市三者关系也不一致，差异性较大。资源要素侧重投入在基础配套设施方面，对创新研发投入和高端产业提升价值不大，不利于经济发展新旧动能转换水平提升。人力资本水平(lnEDU)对新旧动能转换水平影响为负向不显著。据统计安徽省高校毕业生外流较为严重，仅2018年大约占比40%，一方面因沿海发达省份工资水平较高，另一方面安徽省人才结构与产业结构不匹配。政府财政干预(lnGOV)整体上有利于新旧动能转换水平提升，在不同地区存在差异。实际上，政府财政干预要与发展阶段相适应，过高或过低都不利于新旧动能转换。研究表明政府规模扩大到超过一定警戒水平后，政府支出对经济增长的正效应减弱，达到一定程度会出现负效应(杨子晖，2011)[17]。样本期间，皖中南样本中政府财政支出占GDP比均值在21.09%，皖北样本均值为22.85%。适度的政府财政干预有利于新旧动能转换水平提升。

比较全样本和分样本(模型III-模型V)三个估计结果，各诊断检验均通过，因变量滞后项lnT(-1)、lnSI、lnHLH、lnRD、lnEDU的系数大小和显著性虽有变化，但影响作用方向没有变化。由于样本城市化水平特征差异较大，城市化水平(lnURB)影响作用方向有变化，但统计上不显著，对模型整体稳健性没有影响。

四、结论与对策

1. 研究结论

从全省层面看，安徽省新旧动能转换水平整体上有提升，过程中有波动；皖南地区新旧动能转换水平相对高于皖北和皖中地区；从市级层面看，合肥市、芜湖市、马鞍山市、铜陵市、黄山市、蚌埠市、宣城市、滁州市等地新旧动能转换水平排名稳居靠前，合肥作为全省新旧动能转换的领头羊。通过安徽省新旧动能转换水平影响因素实证分析得出：安徽省新旧动能转换存在惯性效应，产业结构合理化和研发投入是提升安徽省新旧动能转换水平的主要动力。产业结构服务化水平对新旧动能转换负效应，需要在工业化进程中推进服务业发展。不协调的人口城市化和不匹配的人力资本水平对新旧动能转换水平存在不显著负效应，应着眼于提高“人口-空间-经济”城市化的协调度和人力资本与产业结构的耦合度。适度的政府财政干预有利于提升新旧动能转换水平。

2. 政策建议

(1)合理引导产业结构升级，增强产业基础能力

产业转型升级是安徽省新旧动能转换重要环节，但不应过度追求服务业化的产业结构升级，更应注意引导产业结构的合理化和现代化。在尚未完成工业化阶段时，需抓住制造业和服务业融合发展的“牛鼻子”，推进“制造业服务化”和“服务业制造化”的交叉相容。安徽省传统制造业有基础，战略性新兴产业发展不足。对于宿州市、阜阳市等新兴产业基地较为薄弱地区，围绕集群发展补链强链，夯实产业基础能力。

(2)促进创新链与产业链协同融合，强化创新动力

产业结构合理化和创新研发投入是拉动安徽省新旧动能转换水平提升的主要力量。促进创新链与产业链精准对接，是以技术力量推动安徽省经济发展新旧动能转换的便捷路径。一要围绕产业链条布局创新链，促进产业向价值链中高端跃升。支持合肥、芜湖、马鞍山等主动融入长三角区域协同创新网络，着力打造长江经济带产业创新中心。二要围绕创新链布局产业链，打造科创产业高地。以合肥综合性国家科学中心为牵引，以滨湖科学城建设为重要载体，形成多点支撑、多层并进的创新平台体系。

(3)立足产业链打造人才链，激发人才活力

安徽省内劳动力市场与人才条件不相匹配，高技能人才外流现象严重。必须立足产业链打造人才链，增强产业对人才吸附性，提升人才与产业耦合性，发挥人力资本有效性。一要立足于安徽主导产业链发展有选择进行人才培养，如围绕高端装备、新材料、生物医药、节能环保等新兴产业领域，搭建产业界对接教育界的高端平台。二要立足主导产业建立校企订单培养机制，鼓励企业按其发展规模和人才需求向学校“下订单”，学校按照企业实际要求进行人才培养。增强大学生对本土企业认同和归属感，鼓励其毕业后直接就业于联合培养企业。

(4)稳健推进城市化，优化资源要素空间配置

当前安徽省城市化存在“人口—空间—经济”不协调，不利于经济发展新旧动能转换水平提升。需加快推进城市空间格局的优化拓展，加快推进中心城区、郊区、重点功能区等转型升级，为新动能的培育提供空间支撑。通过空间结构优化合理配置资源要素，促进城市形态、人口分布、产业布局的协同发展，夯实新动能坚实的空间支撑。