王謙
摘?要:基于2001-2017年中國30個省級工業(yè)部門的面板數(shù)據(jù),考察大氣污染治理、資源配置結構與工業(yè)綠色全要素生產率的關系。結果發(fā)現(xiàn):大氣污染治理對工業(yè)綠色全要素生產率具有顯著的正向效應;資源配置結構在大氣污染治理提升工業(yè)綠色全要素生產率的過程中起到了部分中介作用,且呈現(xiàn)出顯著的區(qū)域差異性。
關鍵詞: 大氣污染治理;資源配置結構;綠色全要素生產率;中介效應
中圖分類號:F426?文獻標識碼:?A?文章編號:1003-7217(2021)01-0094-08
一、引?言
改革開放以來,我國工業(yè)經濟取得了舉世矚目的成就,1978-2019年工業(yè)增加值年均增長率達到13.73%。然而,粗放式發(fā)展模式并沒有得到根本性轉變,高能耗、高污染現(xiàn)象仍十分突出,制約了經濟的可持續(xù)發(fā)展。因此,需要推動工業(yè)經濟節(jié)能、減排、增效,提升綠色全要素生產率,實現(xiàn)高質量發(fā)展。面對我國嚴峻的大氣污染問題,黨的十九大提出,要持續(xù)實施大氣污染防治行動。大氣污染治理既會對企業(yè)生產產生直接影響,也會通過“關停并轉”等方式促進工業(yè)整體生產要素的重新配置。那么,我國持續(xù)的大氣污染治理行動,是否優(yōu)化了工業(yè)資源配置,進而驅動了綠色全要素生產率提升?回答這一問題,對于通過環(huán)境規(guī)制工具促進經濟高質量發(fā)展的研究,具有理論和現(xiàn)實意義。
研究表明,嚴格的環(huán)境管制很可能會對企業(yè)生產資源進行強制性的優(yōu)化,驅動企業(yè)之間的資源再配置,使生產要素從效率低下的企業(yè)流向效率較高的企業(yè),最終提升整體全要素生產率水平。Tang等(2014)研究發(fā)現(xiàn),污染稅的實施會導致生產效率最低的企業(yè)退出市場[1]。盛丹和張國峰(2019)研究了酸雨和二氧化硫兩控區(qū)政策,發(fā)現(xiàn)環(huán)境管制淘汰了效率較低的高污染企業(yè)[2]。韓超等(2017)基于我國在“十一五”規(guī)劃中首次提出的污染減排約束性指標,發(fā)現(xiàn)約束性指標驅動資本要素向高生產率企業(yè)集中,顯著降低了污染行業(yè)內部的資源錯配程度,由此推動了污染行業(yè)整體生產率水平的提升[3]。
此外,環(huán)境治理也會對企業(yè)產生差異化的影響。張志強(2017)的研究表明,“兩控區(qū)”政策降低了企業(yè)的全要素生產率,但是對不同所有制企業(yè)的影響存在著明顯差異,外商投資企業(yè)受到的制約效應要高于其他所有制類型企業(yè),而對國有企業(yè)的制約效應有限[4]。盛丹和張國峰(2019)的研究同樣表明,“兩控區(qū)”政策通過提高生產成本對控制區(qū)內民營企業(yè)和外資企業(yè)的生產率增長產生了顯著的抑制作用,對國有企業(yè)的增長率則沒有顯著的影響[2]。在面對環(huán)境治理壓力時,由于不同所有制企業(yè)的談判勢力并不相同,具有不同的環(huán)境合規(guī)成本承擔能力,因而,企業(yè)生產過程所受的影響存在差異,從而可能導致企業(yè)之間資源配置的變化。
綜合來看,現(xiàn)有研究主要從微觀層面分析了環(huán)境治理對不同性質企業(yè)的影響,未從宏觀層面關注環(huán)境治理對市場資源配置結構的影響。此外,關于環(huán)境治理促進資源再配置從而提升生產率的研究也比較豐富,但對于環(huán)境治理、資源配置結構與綠色全要素生產率的研究較為匱乏,鮮有文獻將該三個指標納入一個分析框架。鑒于此,本文在理論分析的基礎上,系統(tǒng)探討大氣污染治理、資源配置結構與工業(yè)綠色全要素生產率之間的關系,厘清大氣污染治理的經濟效應,并根據(jù)結論提出針對性的政策建議。
二、作用機理分析
本文通過建立一個簡易的經濟模型來分析大氣污染治理對國有與非國有部門要素流動的影響。假設一個經濟體擁有家庭和生產兩個經濟部門,其中,生產部門分為國有部門(x)和非國有部門(y)。國有部門和非國有部門生產產品用于家庭消費,分別為qx和qy,兩種產品具有可替代性。進一步,建立一個不變相對風險規(guī)避(Constant Relative Risk Aversion,CRRA)且不變替代彈性(Constant Elasticity of Substitution,CES)的效用函數(shù)[5]:
財經理論與實踐(雙月刊)2021年第1期2021年第1期(總
工業(yè)資源配置結構若出現(xiàn)變化,必然會對工業(yè)整體的生產率產生影響?,F(xiàn)有文獻多強調資源配置不當對生產率的影響,配置不當會造成生產率水平低下,而避免或者降低資源的不當配置程度有利于生產率的提高[8,9]。Timmer和Szirmai(2000)將要素重置導致的正向效應稱為“結構紅利假說”[10],其實質是資源要素配置的優(yōu)化提高了整體生產效率。已有文獻表明,國有企業(yè)效率較低,其生產率落后于非國有企業(yè)[11-13]。然而,國有企業(yè)卻更容易獲得外部信貸支持和政府部門的大額補貼,而非國有企業(yè)則面臨著嚴峻的融資約束[9,14,15]。Brandt等(2012)指出,若資源從低效率的國有企業(yè)流向高效率的非國有企業(yè),則經濟整體的生產率將有顯著提升[16]。黃先海等(2017)進一步測算得出,國有部門向非國有部門的要素流動貢獻了1998-2007年制造業(yè)全要素生產率提升的25%[17]。因此,若資源要素在國有與非國有部門之間實現(xiàn)更有效的配置,工業(yè)總的生產率水平將得到提升,實現(xiàn)工業(yè)結構紅利。相反,若資源要素配置效率下降,則工業(yè)生產率水平將受到抑制。
綜上分析,本文認為,資源配置結構是大氣污染治理影響工業(yè)綠色全要素生產率的作用路徑。
三、研究設計
(一)指標選取
1. 因變量。
工業(yè)綠色全要素生產率(gtfp)。Malmquist指數(shù)多用來分析生產率的變動情況,為保證指數(shù)具備傳遞性,相鄰時期指數(shù)可相乘,采用Pastor和Lovell(2005)[18]提出的全局Malmquist指數(shù)(GMI)方法。此外,Chambers等(1996)[19]和Chung等(1997)[20]提出的方向距離函數(shù)(DDF)在鼓勵期望產出向生產前沿擴張時,使非期望產出最大化縮減,與綠色全要素生產率的含義一致。因此,本文采用DDF-GMI方法測度2001-2017年我國省級工業(yè)部門的綠色全要素生產率。進一步,把2001年作為基期,假設綠色全要素生產率為1,則2002年的綠色全要素生產率等于2002年的DDF-GMI值乘以1,依此類推,得到各年的綠色全要素生產率。
綠色全要素生產率的投入指標包括資本、勞動力、能源,期望產出指標為工業(yè)主營業(yè)務收入,非期望產出指標為二氧化硫、煙(粉)塵①。其中,資本指標為各地區(qū)規(guī)模以上工業(yè)企業(yè)固定資產合計,表示固定資產經過扣減折舊、減值準備等后的期末余額;勞動力指標為各地區(qū)規(guī)模以上工業(yè)企業(yè)平均用工人數(shù);能源指標為各地區(qū)工業(yè)終端能源消費量,由主要能源消費品種折算標準煤后加總得到。
2. 自變量。
3. 中介變量。
資源配置結構(ras)。根據(jù)資源再配置理論,在要素使用及要素流動方面,政策實施的較優(yōu)結果應該是減少資源流入低生產率企業(yè),同時促進資源流入高生產率企業(yè);在產品方面,應該是高生產率企業(yè)獲得更大的市場份額[3,7]?;谶@一理論,本文采用非國有工業(yè)企業(yè)固定資產與國有工業(yè)企業(yè)固定資產的比值(ras)以及非國有工業(yè)企業(yè)主營業(yè)務收入與國有工業(yè)企業(yè)主營業(yè)務收入的比值(ras_y)表示各地區(qū)工業(yè)部門的資源配置結構,分別用于實證分析和穩(wěn)健性檢驗。若比值上升,則表明國有企業(yè)資源配置比例相對降低而非國有企業(yè)相對上升,意味著資源配置結構的優(yōu)化。
4. 控制變量。
(1)外貿依存度(trade)。根據(jù)童健等(2016)[22]的方法,采用各地區(qū)進出口總額占國內生產總值的比重表示。(2)外資參與度(fdi)。采用各地區(qū)外商投資占全社會固定資產投資的比重表示。(3)創(chuàng)新(innovation)。新產品的銷售不僅反映了企業(yè)開發(fā)新產品或服務的能力,也反映了技術創(chuàng)新在商業(yè)上的成功[23],因此,本文采用工業(yè)部門新產品產值占主營業(yè)務收入的比例衡量相對創(chuàng)新能力,比值越大意味著創(chuàng)新能力越強。(4)能源消費結構(ecs)。采用煤炭消費占比表示,即各地區(qū)工業(yè)終端煤炭消費量(標準煤)與終端能源消費總量(標準煤)的比值。
(二)計量回歸模型
本文致力于研究大氣污染治理對工業(yè)綠色全要素生產率的影響,并探究資源配置結構作為上述影響的作用路徑是否成立。因此,根據(jù)中介效應的檢驗方法[24,25],構建如下計量回歸模型對上述問題進行實證分析。
(三)數(shù)據(jù)
本文以省際工業(yè)部門為研究對象,采用2001-2017年我國大陸30個省市區(qū)(由于西藏大量數(shù)據(jù)未披露,所以剔除)的面板數(shù)據(jù)進行實證分析。
變量的原始數(shù)據(jù)來源于中國國家統(tǒng)計局網站、《中國統(tǒng)計年鑒》《中國工業(yè)統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》和EPS數(shù)據(jù)平臺。另外,分別利用工業(yè)生產者出廠價格指數(shù)和固定資產投資價格指數(shù)將貨幣數(shù)值的當年價格換算成以2000年為基價的不變價格,用人民幣兌美元年平均匯率把進出口貿易數(shù)據(jù)換算成人民幣計價數(shù)據(jù)。主要變量的描述性統(tǒng)計結果見表2。
四、實證結果
(一)面板數(shù)據(jù)回歸結果
本文使用多維固定效應模型(FE)對面板數(shù)據(jù)進行估計,估計結果如表3所示。其中,模型(1)-模型(3)為全樣本的實證結果,模型(4)-模型(5)為替換中介變量后的估計結果,以檢驗實證結果的穩(wěn)健性。
根據(jù)模型(1),大氣污染治理變量具有正向顯著的系數(shù)(系數(shù)=0.120,p<0.01),意味著大氣污染治理對工業(yè)綠色全要素生產率具有顯著的提升作用。在模型(2)中,大氣污染治理變量具有正向顯著的系數(shù)(系數(shù)=0.0583,p<0.01),表明大氣污染治理顯著優(yōu)化了資源配置結構,這意味著大氣污染治理驅動了工業(yè)內部資源要素的再配置,非國有企業(yè)的資源配置比例上升。
那么,大氣污染治理是否通過優(yōu)化資源配置結構促進了工業(yè)綠色全要素生產率提升呢?模型(3)分析了大氣污染治理與資源配置結構對工業(yè)綠色全要素生產率的聯(lián)合效應。結果顯示,大氣污染治理變量的系數(shù)(系數(shù)=0.111,p<0.01)與模型(1)符號一致且絕對值更小;此外,資源配置結構的系數(shù)顯著(系數(shù)=0.146,p<0.01),即非國有部門資源配置比例上升有利于工業(yè)綠色全要素生產率的提升。聯(lián)合模型(2),根據(jù)中介效應檢驗原理,資源配置結構的中介效應存在,大氣污染治理通過優(yōu)化資源配置結構促進了工業(yè)綠色全要素生產率提升。進一步計算得出中介效應的大小為[0.0583×0.146/0.120]=0.0709,即大氣污染治理對工業(yè)綠色全要素生產率的提升作用有7.09%是通過優(yōu)化資源配置結構實現(xiàn)的。從中介變量替換后的估計結果看,資源配置結構的中介效應仍然顯著。
在中介變量替換的基礎上,進一步采用自變量滯后一期、更換估計方法兩種方式對實證結果進行穩(wěn)健性檢驗,結果如表4所示。其一,由于大氣污染治理變量可能存在內生性問題,本文采用大氣污染治理強度的滯后一期(采用2000-2016年的數(shù)據(jù))作為當期值的工具變量進行估計,估計結果如模型(6)-模型(8)所示。結果表明,大氣污染治理對工業(yè)綠色全要素生產率、資源配置結構均表現(xiàn)出顯著的正向影響,并且資源配置結構的中介效應顯著存在,因而回歸結果是穩(wěn)健的。其二,為了避免可能存在的組間異方差、組內自相關和組間同期相關對回歸結果造成影響,本文進一步采用全面可行廣義最小二乘法(FGLS)對面板數(shù)據(jù)進行估計,估計結果如模型(9)-模型(11)所示。結果表明,大氣污染治理對工業(yè)綠色全要素生產率、資源配置結構仍然表現(xiàn)出顯著的正向影響,并且資源配置結構的中介效應依然顯著存在。因此,綜合來看,本文的實證結果具有較高的穩(wěn)健性。
(二)異質性分析
由于經濟的梯度發(fā)展戰(zhàn)略,加上各地區(qū)資源稟賦、經濟基礎差異等原因,我國不同地區(qū)的工業(yè)化進程暴露出不平衡的問題[26]。對于工業(yè)化領先地區(qū)來說,由于其經濟發(fā)展水平較高,在產業(yè)結構、技術創(chuàng)新等方面都具有領先優(yōu)勢,國有與非國有部門效率都較高,故大氣污染治理壓力對于工業(yè)資源配置結構的影響可能較小;而在工業(yè)化落后地區(qū),經濟發(fā)展水平、產業(yè)結構及技術創(chuàng)新等方面與工業(yè)化領先地區(qū)存在較大差距,在大氣污染治理的壓力下,國有與非國有部門之間以及內部可能會以淘汰落后產能等方式進行生產要素的重新優(yōu)化配置,進而實現(xiàn)資源配置結構的優(yōu)化。本文根據(jù)黃群慧和李芳芳(2017)[27]的研究,把我國大陸30個省市區(qū)(西藏除外)劃分為工業(yè)化領先和落后地區(qū)②。表5提供了工業(yè)化領先和落后地區(qū)的實證結果。
從工業(yè)化領先地區(qū)的結果看,大氣污染治理與工業(yè)綠色全要素生產率顯著正相關,即大氣污染治理有利于提升工業(yè)綠色全要素生產率。大氣污染治理與資源配置結構負相關但不顯著,表明大氣污染治理并沒有驅動工業(yè)化領先地區(qū)非國有企業(yè)資源配置比例的提升。此外,資源配置結構與工業(yè)綠色全要素生產率正相關但不顯著,意味著非國企企業(yè)資源配置比例的提升并沒有產生結構紅利。究其原因,在于工業(yè)化領先地區(qū)經濟發(fā)展水平和資源配置效率較高,國有企業(yè)和非國有企業(yè)的效率差異相對較小。綜合來看,在工業(yè)化領先地區(qū)資源配置結構的中介效應不顯著。
工業(yè)化落后地區(qū)的實證結果顯示,大氣污染治理和資源配置結構優(yōu)化對工業(yè)綠色全要素生產率具有顯著的提升作用。此外,大氣污染治理顯著優(yōu)化了資源配置結構,促進了非國有部門資源配置比例的相對上升。結合中介效應檢驗理論,資源配置結構為大氣污染治理提升工業(yè)綠色全要素生產率的中介變量。工業(yè)化落后地區(qū)資源配置效率相對較低,國有企業(yè)和非國有企業(yè)的效率差異相對較大,大氣污染治理給產業(yè)帶來了較大的外部性影響,倒逼產業(yè)結構調整和落后產能淘汰,驅動資源配置效率提升,最終提升了工業(yè)綠色全要素生產率。具體計算資源配置結構的中介效應[0.0696×0.180/0.107]=0.1171,即大氣污染治理對工業(yè)綠色全要素生產率的提升效應中有11.71%是通過優(yōu)化資源配置結構實現(xiàn)的。
五、結論與啟示
本文基于我國大氣污染治理實踐,討論了大氣污染治理對資源配置結構和工業(yè)綠色全要素生產率的影響,并從工業(yè)化進程角度進行了比較分析。本文的研究結論主要有:第一,總體上,大氣污染治理顯著提升了工業(yè)綠色全要素生產率;在工業(yè)化領先和落后地區(qū),大氣污染治理均表現(xiàn)出顯著的提升作用。第二,總的來看,大氣污染治理促進了工業(yè)資源配置結構優(yōu)化,非國有部門資源配置比例提升;工業(yè)化落后地區(qū)的大氣污染治理也具有顯著的資源配置結構優(yōu)化效應,但是工業(yè)化領先地區(qū)影響不顯著。第三,總體來看,資源配置結構優(yōu)化顯著提升了工業(yè)綠色全要素生產率,但是在工業(yè)化程度不同的地區(qū)表現(xiàn)出差異,工業(yè)化落后地區(qū)資源配置結構優(yōu)化有利于工業(yè)綠色全要素生產率提升而工業(yè)化領先地區(qū)影響不顯著。第四,根據(jù)中介效應檢驗結果,總體來看,大氣污染治理通過優(yōu)化資源配置結構提升了工業(yè)綠色全要素生產率,但存在地區(qū)異質性。在工業(yè)化落后地區(qū),大氣污染治理通過優(yōu)化資源配置結構實現(xiàn)了工業(yè)綠色全要素生產率提升,而在工業(yè)化領先地區(qū)資源配置結構的中介效應不顯著。
本文的研究也帶來了一些啟示。首先,地方政府特別是工業(yè)化落后地區(qū),應注重利用大氣污染治理政策措施激發(fā)工業(yè)資源配置結構優(yōu)化的潛力,充分發(fā)揮大氣污染治理在淘汰落后產能、促進要素流動中的積極作用。在國有企業(yè)市場化改革的背景下,尤其可以利用大氣污染治理的壓力促進國有企業(yè)改善資源配置效率、提升市場競爭力,進而實現(xiàn)地區(qū)總體全要素生產率的增長。其次,由于各地區(qū)經濟發(fā)展階段不同,應實行差異化的大氣污染治理行動。在工業(yè)化落后地區(qū),應側重于命令控制型等“硬約束”規(guī)制,有效發(fā)揮大氣污染治理對產業(yè)結構優(yōu)化的倒逼效應,推動生產要素從低生產率的部門流向高生產率的部門進行重新組合;而在工業(yè)化領先地區(qū),應側重于發(fā)揮市場型規(guī)制的“軟約束”作用,讓市場在資源配置中起決定性作用,使得企業(yè)可以自主選擇更加符合自身特點的環(huán)境保護行為。最后,地方政府應切實轉變經濟發(fā)展理念,推動經濟與生態(tài)環(huán)境協(xié)調發(fā)展,通過積極的大氣環(huán)境保護行動實現(xiàn)“藍天保衛(wèi)戰(zhàn)”和“經濟轉型攻堅戰(zhàn)”雙贏。
注釋:
①?2016-2017年統(tǒng)計部門只披露了地區(qū)總的大氣污染物排放數(shù)據(jù),工業(yè)部門的數(shù)據(jù)未披露,因此,本文采用2013-2015年工業(yè)大氣污染物排放占地區(qū)排放總量的平均比例進行估算。
②?工業(yè)化領先地區(qū):北京、上海、天津、浙江、江蘇、廣東、遼寧、福建、重慶、山東、湖北、內蒙古、吉林、河北。落后地區(qū):江西、湖南、陜西、安徽、河南、四川、青海、寧夏、廣西、山西、黑龍江、新疆、甘肅、海南、云南、貴州。
參考文獻:
[1]?Tang E, Liu F, Zhang J, et al. A model to analyze the environmental policy of resource reallocation and pollution control based on firms' heterogeneity[J]. Resources Policy, 2014,39:88-91.
[2]?盛丹,張國峰.兩控區(qū)環(huán)境管制與企業(yè)全要素生產率增長[J].管理世界,2019,35(2):24-42+198.
[3]?韓超,張偉廣,馮展斌.環(huán)境規(guī)制如何“去”資源錯配——基于中國首次約束性污染控制的分析[J].中國工業(yè)經濟,2017(4):115-134.
[4]?張志強.環(huán)境規(guī)制提高了中國城市環(huán)境質量嗎?——基于“擬自然實驗”的證據(jù)[J].產業(yè)經濟研究,2017(3):69-80.
[5]?Holladay J S, Mohsin M, Pradhan S. Emissions leakage, environmental policy and trade frictions[J]. Journal of Environmental Economics and Management, 2018,88:95-113.
[6]?任勝鋼,鄭晶晶,劉東華,等.排污權交易機制是否提高了企業(yè)全要素生產率——來自中國上市公司的證據(jù)[J].中國工業(yè)經濟,2019(5):5-23.
[7]?Aghion P, Cai J, Dewatripont M,et al. Industrial policy and competition[J]. American Economic Journal: Macroeconomics, 2015,7(4):1-32.
[8]?Lewis W A. Economic development with unlimited supplies of labor[J]. Manchester School of Economic and Social Studies, 1954,22(2):139-191.
[9]?Song Z, Storesletten K, Zilibotti F. Growing like china[J]. The American Economic Review, 2011,101(1):196-233.
[10]Timmer M P, Szirmai A. Productivity growth in Asian manufacturing:The structural bonus hypothesis examined[J]. Structural Change and Economic Dynamics, 2000,11(4):371-392.
[11]Kumbhakar S C, Hjalmarsson L. Relative performance of public and private ownership under yardstick competition: Electricity retail distribution[J]. European Economic Review, 1998,42(1):97-122.
[12]Ramaswamy K. Organizational ownership, competitive intensity, and firm performance: An empirical study of the Indian manufacturing sector[J]. Strategic Management Journal, 2001,22(10):989-998.
[13]Berkowitz D, Ma H, Nishioka S. Recasting the iron rice bowl: The reform of China's state-owned enterprises[J]. Review of Economics and Statistics, 2017,99(4):735-747.
[14]Hering L, Poncet S. Environmental policy and exports: Evidence from Chinese cities[J]. Journal of Environmental Economics and Management, 2014,68(2):296-318.
[15]Wei S J, Xie Z, Zhang, X. From "made in china" to "innovated in china": Necessity, prospect, and challenges[J]. Journal of Economic Perspectives, 2017,31(1):49-70.
[16]Brandt L, Van Biesebroeck J, Zhang Y. Creative accounting or creative destruction? Firm-level productivity growth in Chinese manufacturing[J]. Journal of Development Economics, 2012,97(2):339-351.
[17]黃先海,金澤成,余林徽.要素流動與全要素生產率增長:來自國有部門改革的經驗證據(jù)[J].經濟研究,2017,52(12):62-75.
[18]Pastor J T, Lovell C K. A global Malmquist productivity index[J]. Economics Letters, 2005,88(2):266-271.
[19]Chambers R G, Fāure R, Grosskopf S. Productivity growth in APEC countries[J]. Pacific Economic Review, 1996,1(3):181-190.
[20]Chung Y H, Fre R, Grosskopf S. Productivity and undesirable outputs: A directional distance function approach[J]. Journal of Environmental Management, 1997,51(3):229-240.
[21]趙霄偉.環(huán)境規(guī)制、環(huán)境規(guī)制競爭與地區(qū)工業(yè)經濟增長——基于空間Durbin面板模型的實證研究[J].國際貿易問題,2014(7):82-92.
[22]童健,劉偉,薛景.環(huán)境規(guī)制、要素投入結構與工業(yè)行業(yè)轉型升級[J].經濟研究,2016,51(7):43-57.
[23]Roper S, Love J H, Bonner K. Firms knowledge search and local knowledge externalities in innovation performance[J]. Research Policy, 2017, 46(1): 43-56.
[24]MacKinnon D P, Lockwood C M, Hoffman J M, et al. A comparison of methods to test mediation and other intervening variable effects[J]. Psychological methods, 2002,7(1):83-104.
[25]溫忠麟,葉寶娟.中介效應分析:方法和模型發(fā)展[J].心理科學進展,2014,22(5):731-745.
[26]黃群慧.改革開放40年中國的產業(yè)發(fā)展與工業(yè)化進程[J].中國工業(yè)經濟,2018(9):5-23.
[27]黃群慧,李芳芳.工業(yè)化藍皮書:中國工業(yè)化進程報告(1995-2015)[M].北京:社會科學文獻出版社,2017.
(責任編輯:鐘?瑤)