劉 林

（南通大學(xué) 經(jīng)濟與管理學(xué)院，江蘇 南通 226019）

隨著第一個百年奮斗目標的實現(xiàn)，我國經(jīng)濟已轉(zhuǎn)向高質(zhì)量發(fā)展階段[1]。本質(zhì)上，高質(zhì)量發(fā)展是宏觀經(jīng)濟穩(wěn)定性增強的發(fā)展[2]。高質(zhì)量的經(jīng)濟發(fā)展和穩(wěn)定的宏觀經(jīng)濟都需要穩(wěn)健的經(jīng)濟總量的增長作為支撐。《中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035 年遠景目標綱要》提出，到2035 年我國基本實現(xiàn)社會主義現(xiàn)代化。要實現(xiàn)這一宏偉目標，就必須跨過“中等收入陷阱”[3]，推動經(jīng)濟總量邁上新的更大臺階。當前，世界正經(jīng)歷百年未有之大變局，世界經(jīng)濟充滿各種不確定性和不穩(wěn)定性，未來一段時間內(nèi)我國經(jīng)濟發(fā)展的重要目標是要加強穩(wěn)增長和防風險的長期均衡，在有效風險防范的條件下，推動經(jīng)濟增長，實現(xiàn)中華民族偉大復(fù)興。

長江三角洲地區(qū)（以下簡稱“長三角地區(qū)”）作為我國重要的經(jīng)濟中心，正處于歷史最佳發(fā)展時期。長江經(jīng)濟帶發(fā)展戰(zhàn)略、長三角一體化發(fā)展戰(zhàn)略等國家重大發(fā)展戰(zhàn)略為該區(qū)域的經(jīng)濟社會發(fā)展帶來了重大政策良機。長三角地區(qū)經(jīng)濟發(fā)展極為活躍，地區(qū)經(jīng)濟總量約占全國的四分之一。全國24個萬億GDP 城市中就有8 個處于該區(qū)域，它們分別為上海、南京、無錫、蘇州、南通、杭州、寧波、合肥，這些萬億GDP 城市對長三角地區(qū)經(jīng)濟增長貢獻率超過50%，是長三角地區(qū)經(jīng)濟發(fā)展的重要承載和排頭兵，在該區(qū)域經(jīng)濟社會發(fā)展中舉足輕重。近年來，8 個城市加緊經(jīng)濟轉(zhuǎn)型、謀求高質(zhì)量發(fā)展，大力推進創(chuàng)新驅(qū)動和數(shù)字經(jīng)濟發(fā)展規(guī)劃，深入踐行長三角一體化發(fā)展戰(zhàn)略，在區(qū)域經(jīng)濟社會一體化發(fā)展進程中取得了實質(zhì)性進步。前所未有的政策風口、強勁的經(jīng)濟發(fā)展勢頭、良好的生態(tài)環(huán)境、創(chuàng)新的營商環(huán)境都大大增強了城市競爭力和人才吸引力，城市綜合經(jīng)濟競爭力和可持續(xù)競爭力也顯著提升。

過去20 年是長三角地區(qū)經(jīng)濟快速增長的黃金時期。由8 個萬億GDP 城市的經(jīng)濟總量可知，上海已過4 萬億元，蘇州已過2 萬億元，南京、杭州距離2 萬億元僅一步之遙，其他四市正朝著下一個萬億目標奮力邁進。我國第二個百年目標和2035 年遠景目標都對該區(qū)域的經(jīng)濟增長提出了新要求。那么，在2035 年之前，各市的經(jīng)濟總量何時能夠跨越下一個萬億門檻？到2035 年，各市的經(jīng)濟總量能邁上多高臺階？經(jīng)濟總量目標的達成又需要哪些基礎(chǔ)條件？回答好這些問題將有利于明確經(jīng)濟增長的著力點，有利于地方政府部門政策的制定。

鑒于8 個萬億GDP 城市在長三角地區(qū)的經(jīng)濟地位，本文以這些城市為研究對象，通過估計建立各市經(jīng)濟增長模型，對2035 年前各市經(jīng)濟增長路徑進行預(yù)測分析，分析實現(xiàn)經(jīng)濟總量目標的條件和路徑。

一、經(jīng)濟增長預(yù)測方法與模型構(gòu)建

（一）經(jīng)濟增長預(yù)測方法綜述

經(jīng)濟增長預(yù)測是對經(jīng)濟發(fā)展趨勢的評估與測度。經(jīng)濟發(fā)展趨勢是制定經(jīng)濟政策的重要依據(jù)，對未來經(jīng)濟增長的準確預(yù)測有利于經(jīng)濟政策和經(jīng)濟發(fā)展戰(zhàn)略的制定與實施。

一般而言，經(jīng)濟增長預(yù)測是對未來尚未發(fā)生的經(jīng)濟狀態(tài)的預(yù)估與測度。然而，由于統(tǒng)計制度、數(shù)據(jù)發(fā)布規(guī)則等因素的影響，宏觀經(jīng)濟數(shù)據(jù)廣泛存在統(tǒng)計頻率不一致、數(shù)據(jù)缺失、公布時間差異等問題，從而可進一步根據(jù)要預(yù)測時點與實際所處時點的關(guān)系將預(yù)測分為前向預(yù)測（Forecasting）、后向預(yù)測（Back—casting）、實時預(yù)測或現(xiàn)時預(yù)測（Now—casting）。前向預(yù)測即為通常意義上的預(yù)測，實際所處時點早于預(yù)測時點，如當年預(yù)測未來五年的經(jīng)濟增長趨勢。當預(yù)測時點與實際所處時點處于相同時間區(qū)域，即為實時預(yù)測，如在同年9月預(yù)測同年第三季度GDP 規(guī)模。而在數(shù)據(jù)發(fā)布滯后狀態(tài)下，后向預(yù)測的實際所處時點晚于要預(yù)測時點，如在同年10 月預(yù)測同年第三季度GDP 規(guī)模。在預(yù)測期限長短上，后向預(yù)測和實時預(yù)測主要用于數(shù)據(jù)頻率和數(shù)據(jù)公布時間不一致等狀況下的短期預(yù)測，而根據(jù)采用預(yù)測模型和方法的不同，前向預(yù)測則可用于經(jīng)濟短期和中長期預(yù)測①通常，三年內(nèi)預(yù)測為短期預(yù)測，三到五年內(nèi)預(yù)測為中期預(yù)測，五年以上預(yù)測則為長期預(yù)測。。

經(jīng)濟增長預(yù)測方法有主觀經(jīng)驗評估法和數(shù)量建模預(yù)測法兩大類。主觀經(jīng)驗評估誤差大，準確性相對較低。而基于客觀數(shù)據(jù)的數(shù)量模型預(yù)測法運用數(shù)量統(tǒng)計模型對潛在經(jīng)濟增長路徑進行刻畫，并在一定假設(shè)條件下依據(jù)構(gòu)建的經(jīng)濟增長路徑進行預(yù)測，因該類模型具備充足的理論和現(xiàn)實數(shù)據(jù)基礎(chǔ)，常有著較好的短期預(yù)測能力?？v觀已有的相關(guān)研究，數(shù)量模型的選用取決于經(jīng)濟增長預(yù)測類型。具體而言，后向預(yù)測和實時預(yù)測大多采用混頻率模型，如橋接模型（Bridge Model）、混頻抽樣（MIDAS）模型、因子模型、混頻向量自回歸（VAR）模型等，這類模型能夠較好地處理數(shù)據(jù)頻率不一致、數(shù)據(jù)缺失和公布時間差異等問題。而對于中短期前向預(yù)測，常采用的方法有（線性和非線性）單方程自回歸（AR）模型、多方程向量自回歸模型（VAR）模型和動態(tài)隨機一般均衡（DSGE）模型，基于估計的經(jīng)濟變量自身或之間的動態(tài)關(guān)聯(lián)結(jié)構(gòu)進行預(yù)測，通常具有較高預(yù)測精度，但模型預(yù)測誤差隨預(yù)測期變長而增大，因而這類模型僅適用于中短期預(yù)測。對于經(jīng)濟增長的長期預(yù)測，主流方法是基于經(jīng)濟增長理論以及設(shè)定的生產(chǎn)函數(shù)，從生產(chǎn)要素的角度，估計建立長期經(jīng)濟增長模型，并在生產(chǎn)要素變化路徑的假設(shè)下，預(yù)測長期經(jīng)濟增速和規(guī)模，世界銀行開發(fā)的長期增長模型（LTGM）②有關(guān)該模型的詳細描述可參考https：//www.worldbank.org/en/research/brief/LTGM。就屬于這類方法。結(jié)合研究目的，本文將借鑒世界銀行開發(fā)的長期增長模型，建立基于生產(chǎn)函數(shù)的長期經(jīng)濟增長模型進行分析與預(yù)測。

（二）長期經(jīng)濟增長模型

理論上，勞動力和資本是決定長期經(jīng)濟增長的根本要素。假定城市i 按照如下柯布-道格拉斯型生產(chǎn)函數(shù)，在一定生產(chǎn)技術(shù)下整合勞動力和資本進行生產(chǎn)，t 期總產(chǎn)出可表示為：

其中，Y 表示經(jīng)濟產(chǎn)出；K 和L 分別是固定（物資）資本存量和勞動力供給（人力資本）；A 表示整合資本和勞動力進行生產(chǎn)的水平或能力（或全要素生產(chǎn)率）；技術(shù)參數(shù)α，β 分別衡量資本和勞動力對產(chǎn)出的貢獻度①根據(jù)下文的式（3），兩個參數(shù)分別表示產(chǎn)出對資本和勞動力的彈性。。該式所示的生產(chǎn)函數(shù)形式簡單，對經(jīng)濟描述較符合現(xiàn)實。但是經(jīng)濟產(chǎn)出往往會受到一些非典型擾動因素顯著影響，如經(jīng)濟金融危機、公共衛(wèi)生事件、政治事件、制度改革等，因此，更為嚴格地將式（1）調(diào)整為：

其中，εit表示影響經(jīng)濟產(chǎn)出的擾動因素。進一步對上式兩邊同時取自然對數(shù)后可得：

根據(jù)式（3），t 到t+1 期（對數(shù)）的經(jīng)濟增速為：

式（4）中，經(jīng)濟增長主要有四個來源：生產(chǎn)能力提高、資本深化、勞動力增加、要素貢獻度上升?？萍紕?chuàng)新帶來社會生產(chǎn)方式的轉(zhuǎn)變，從而提升生產(chǎn)能力和要素貢獻度，但由于社會生產(chǎn)方式相對固化，短期內(nèi)難以對生產(chǎn)效率產(chǎn)生影響。同時，對于一個城市而言，地理空間的約束會使勞動力供給變化相對緩慢，加上科技進步存在降低勞動力產(chǎn)出貢獻的可能，勞動力供給變動的經(jīng)濟增長效應(yīng)可能會減弱。因此，促進經(jīng)濟穩(wěn)步增長，要在提高資本積累速度的同時加強勞動力市場的穩(wěn)定。

考慮到生產(chǎn)要素的產(chǎn)出貢獻度會因技術(shù)創(chuàng)新、制度變遷等而呈現(xiàn)出隨時間變化的特征，更一般的，將α，β 設(shè)為時變，故式（3）可表示為：

在Hauzenberger 等[4]的基礎(chǔ)上，由式（5）可建立時變系數(shù)二元回歸模型，具體如下：

由式（6）可知，模型為同方差模型。其中，σ 是殘差標準差。由于受制度變遷、非典型事件的沖擊，宏觀經(jīng)濟變量常表現(xiàn)出時變波動率特征，因此，將模型的殘差標準差設(shè)為時變，即將σ 設(shè)為σit，可得：

利用各地的時間序列數(shù)據(jù)對式（7）進行估計，得到A、α、β 的最優(yōu)估計值，并建立各地經(jīng)濟增長模型，進而假定資本和勞動力的未來變化路徑，即可預(yù)測未來經(jīng)濟增長規(guī)模與趨勢。然而，在現(xiàn)行統(tǒng)計規(guī)則下，僅能獲取年度時間序列數(shù)據(jù)用于上述模型估計，加上數(shù)據(jù)缺失，實際可用數(shù)據(jù)樣本量較小。在這種情況下，不管是采用貝葉斯推斷還是傳統(tǒng)頻率學(xué)派估計方法，對式（7）中的參數(shù)估計結(jié)果可能都不是最優(yōu)估計，會導(dǎo)致模型擬合程度較低。因此，本文對式（7）的時變參數(shù)模型進行了技術(shù)處理。首先運用蒙特卡洛模擬抽樣法得到模型參數(shù)后驗估計值，然后將三個參數(shù)的有效抽樣的樣本期平均2.5%分位點作為最小值，97.5%分位點作為最大值，同時約束參數(shù)非負性，利用模擬退火算法的思路，以提高模型對實際觀測值的擬合度為目標，篩選出殘差平方和最小的參數(shù)組合，估算模型參數(shù)的最優(yōu)估計值，建立相應(yīng)的經(jīng)濟增長模型，并用于經(jīng)濟增長預(yù)測②為簡化模型，在模擬退火算法中，首先假定模型參數(shù)在樣本期內(nèi)不變，如果模型擬合度（特別是近三年內(nèi)）較高，則不再設(shè)定時變參數(shù)；如果特定時間段模型擬合度較低，則允許模型參數(shù)發(fā)生結(jié)構(gòu)突變，針對擬合度較低時間段重復(fù)模擬運算，得到該時間段內(nèi)的最優(yōu)參數(shù)組合。。

二、模型估計與經(jīng)濟增長預(yù)測

（一）模型估計

1.數(shù)據(jù)選取與變量設(shè)定

式（7）所示的經(jīng)濟增長模型涉及三個經(jīng)濟變量分別為經(jīng)濟產(chǎn)出、資本存量和勞動力供給。根據(jù)數(shù)據(jù)可得性，本文采用1996—2020 年間的經(jīng)濟數(shù)據(jù)。所有相關(guān)數(shù)據(jù)如無特殊說明均來源于各市統(tǒng)計年鑒。

（1）經(jīng)濟產(chǎn)出

按照一般做法，采用不變價GDP 衡量各市經(jīng)濟產(chǎn)出總量，將各市名義GDP 按GDP 折減指數(shù)（1996 年為100）縮減，得到各市不變價GDP。各市GDP 折減指數(shù)利用各市GDP 指數(shù)（上年度為100）與名義GDP 增長率計算得到①具體過程如下：假設(shè)t 年GDP 指數(shù)為a，t 年GDP 名義增長率為b，t 年與t-1年的相對價格水平，即可表示成。依此類推，可計算出相鄰年份間的連續(xù)相對一般物價水平，進而可推算出以1996 年為基期的GDP 平減指數(shù)。。各市GDP 指數(shù)來源于WIND 資訊終端。

（2）勞動力供給

與以全國層面為對象的研究有所不同，由于勞動力的跨地區(qū)流動，某地區(qū)勞動力供給由該地區(qū)本地內(nèi)部適齡勞動人口②這里指戶籍在本地且在本地就業(yè)的適齡勞動人口。和地區(qū)外部流入勞動力構(gòu)成。因此，考慮到自然和摩擦性失業(yè)，為客觀反映各市勞動力供給與利用狀況，本文用全社會從業(yè)人員數(shù)作為勞動力供給的代理指標。

（3）固定資本存量

現(xiàn)有統(tǒng)計資料并不公布各市固定資本存量數(shù)據(jù)，需要對其進行估算，常用的方法是永續(xù)盤存法（Perpetual Inventory Method，PIM）。參考OECD[5]和Donckt 等[6]，永續(xù)盤存法下t 期（凈）資本存量為：

其中，F(xiàn)it表示t 期i 市以不變價表示的新增固定資本，δ 是固定資本折舊率，δKit-1為折舊額。t 期末的固定資本存量等于t 期初的資本存量扣除t期的資本消耗，再加上投資新增的固定資本。假設(shè)初始資本存量為Ki0，則式（8）可改寫為：

由此可知，估算資本存量需要初始資本存量、不變價資本形成額和固定資本折舊或折舊率三方面信息。

a.初始資本存量

假設(shè)工業(yè)資本存量占全社會資本存量的比重與其增加值占總GDP 比重相同，將各市1996 年全市全部獨立核算工業(yè)企業(yè)固定資產(chǎn)凈值平均余額除以各市工業(yè)增加值的GDP 占比③上海、南京、無錫、合肥的1996 年工業(yè)增加值缺失，采用1997 年工業(yè)增加值的GDP 占比予以代替。根據(jù)《1998 年中國城市統(tǒng)計年鑒》中，1997 年百元固定資產(chǎn)原價實現(xiàn)工業(yè)增加值和固定資產(chǎn)原價數(shù)據(jù)，計算1997年四市工業(yè)增加值，進而得到工業(yè)增加值的GDP 占比。，粗略推算得到各市1996 年所有固定資產(chǎn)凈值平均余額，將其作為各市初始資本存量。

b.固定資本形成額

固定資產(chǎn)投資形成物質(zhì)固定資本。采用各市固定資產(chǎn)投資完成額按固定資產(chǎn)投資價格指數(shù)進行縮減得到每年實際固定資產(chǎn)投資完成額。因統(tǒng)計制度改革，2018 年開始只公布了固定資產(chǎn)投資同比增速。根據(jù)同比增速數(shù)據(jù)，填補2018—2020年各市固定資產(chǎn)投資完成額總量數(shù)據(jù)。

由于地市級固定資產(chǎn)投資價格指數(shù)缺失，參照柯善咨等[7]、徐淑丹[8]的做法，采用地市所在省份固定資產(chǎn)投資價格指數(shù)予以代替。從WIND 資訊終端可獲取1996—2019 年間上海、江蘇、安徽和浙江的固定資產(chǎn)投資價格指數(shù)，但缺少2020 年數(shù)據(jù)。為填補2020 年數(shù)據(jù)，鑒于GDP 平減指數(shù)與固定資產(chǎn)投資價格指數(shù)存在高度相關(guān)性，將三省一市GDP 平減指數(shù)④三省一市GDP 平減指數(shù)采用與前文的計算方法相同。對固定資產(chǎn)價格指數(shù)建立線性回歸模型，逆推得到2020 年各地固定資產(chǎn)投資價格指數(shù)。

在此基礎(chǔ)上，參照柯善咨等[7]、徐淑丹[8]、葉裕民[9]的方法，假定固定資產(chǎn)投資建設(shè)周期為三年，將各市每年固定資本形成額表示為近三年各市實際固定資產(chǎn)投資的平均值，即：

其中，It表示第t 年的不變價固定資產(chǎn)投資完成額。

c.固定資本折舊額與折舊率

在固定資本估算中，折舊率的測算是極具爭議性的難點之一。在這里，本文并不直接估算或假定折舊率，而基于國民收入核算的收入法視角，根據(jù)固定資產(chǎn)折舊是構(gòu)成GDP 組成部分這一原理，假定除上海外各市固定資產(chǎn)折舊占所在省固定資產(chǎn)折舊的比重與各市GDP 占所在省GDP的比重相同，估算出各市每年固定資產(chǎn)折舊額，再按1996 年為基期的各市GDP 平減指數(shù)進行折減，得到各市1996—2020 年不變價固定資產(chǎn)折舊額。

按照式（8），利用初始資本存量、新增固定資本形成額和固定資產(chǎn)折舊額，即可估算出各市固定資本存量。

2.數(shù)據(jù)處理與回歸分析

針對整理的經(jīng)濟數(shù)據(jù)，逐個建立回歸模型進行分析。在每個城市模型中，按照式（7），對所有變量取自然對數(shù)，設(shè)置與Hauzenberger 等[4]一致的先驗分布，采用蒙特卡洛模擬抽樣MCMC 法重復(fù)抽樣100 萬次，前50 萬次用于預(yù)燒，每10 步記錄一次，共得到模型參數(shù)后驗估計值的5 萬個有效抽樣。

為尋找模型參數(shù)的最優(yōu)估計值，以參數(shù)后驗估計2.5%分位點樣本均值作為最小值，97.5%分位點樣本均值作為最大值，同時施加非負約束以確保具有經(jīng)濟意義，設(shè)置0.005 步長，利用模擬退火算法思路，計算每個參數(shù)組合下模型殘差平方和，篩選出殘差平方和最小的參數(shù)組合。此外，如式（7）所示，允許模型參數(shù)存在結(jié)構(gòu)突變，如果某個時段模型擬合度較低，則針對該時間段重復(fù)模擬估算該時段最優(yōu)參數(shù)組合。經(jīng)過運算，最終參數(shù)估計結(jié)果和模型擬合情況，見表1 和圖1。

圖1 顯示了1996—2020 年各市實際經(jīng)濟總量模型擬合值（實線）與觀測值（虛線）走勢比較。從圖中可以清晰地看到，對于8 個城市，本文構(gòu)建的經(jīng)濟增長模型具備較好的擬合能力，能夠客觀地反映潛在經(jīng)濟增長路徑和模式。進一步，如表1所示，1996—2020 年的25 年間，除南通外①圖1 顯示南通經(jīng)濟增長模式在2003 年前后可能發(fā)生過結(jié)構(gòu)性轉(zhuǎn)型，2003 年之后模型擬合誤差較小，本文主要關(guān)注近年來經(jīng)濟增長模式，這里并未對2003 年南通經(jīng)濟增長模式重新進行估計和分析。，其他7 市經(jīng)濟增長模型存在明顯結(jié)構(gòu)性變化特征。1996—2010 年間上海的產(chǎn)出資本彈性約為1.04，勞動力彈性約為0.42，而2011—2020 年間其產(chǎn)出資本彈性擴大到1.41，勞動力彈性則縮減到僅有0.11，這一結(jié)果表明，2011 年后的上海經(jīng)濟增長對資本依賴度上升，而對勞動力依賴度有所減弱。同樣的狀況還發(fā)生在南京、蘇州兩市，但變化程度不及上海。無錫、杭州和寧波呈現(xiàn)產(chǎn)出資本彈性減弱、產(chǎn)出勞動力彈性增強態(tài)勢。總體上，“十三五”期間資本的產(chǎn)出貢獻要高于勞動力，除上海以外的7 個城市的產(chǎn)出資本彈性均在0.6—0.9 之間，產(chǎn)出勞動力彈性在0.01—0.5 之間。這一結(jié)果符合我國長期以來投資驅(qū)動的經(jīng)濟增長模式。正是由于資本產(chǎn)出貢獻較高，2022 年年初長三角三省一市為穩(wěn)定經(jīng)濟增長，紛紛出臺各項政策，積極擴大有效投資。

表1 估計的各市經(jīng)濟增長模型

圖1 各市實際GDP 模型擬合值與觀測值比較（單位：億元）

（二）經(jīng)濟增長預(yù)測

在假定生產(chǎn)要素變化路徑的條件下，假設(shè)未來經(jīng)濟根據(jù)當前增長路徑運行，采用估計的各市經(jīng)濟增長模型（見表1）對各市未來經(jīng)濟增長規(guī)模進行預(yù)測。盡管生產(chǎn)效率、生產(chǎn)要素產(chǎn)出貢獻度會因技術(shù)創(chuàng)新、制度變革等發(fā)生改變，但無法預(yù)設(shè)這些參數(shù)的未來演變方式。預(yù)先假定未來生產(chǎn)效率和生產(chǎn)要素貢獻度參數(shù)將會直接改變經(jīng)濟增長范式，尤其是生產(chǎn)要素貢獻度的小幅調(diào)整將可能引起產(chǎn)出的劇烈變化。因此，本文僅考慮在生產(chǎn)要素數(shù)量增長單一條件下，假定未來經(jīng)濟繼續(xù)按當前增長范式運行，給定固定資本存量和勞動力供給的增長路徑，預(yù)測分析截至2035 年各市經(jīng)濟增長趨勢和總量規(guī)模。

假定資本存量和勞動力增長路徑，估算潛在實際經(jīng)濟總量規(guī)模，并在此基礎(chǔ)上，設(shè)定整體通脹水平，即可預(yù)測名義經(jīng)濟總量規(guī)模。根據(jù)各市經(jīng)濟與行政地位和人口吸引能力②《2021 年度中國城市活力研究報告》顯示上海、蘇州、杭州、寧波、南京、合肥、無錫、南通的城市人口吸引能力分別位居全國第4、6、8、15、18、21、22、33 名。，參考“十三五”期間各市勞動力供給平均增速，假定到2035 年上海、南京、南通、無錫、蘇州、杭州、寧波、合肥每年勞動力供給增速分別為2%、1%、0.3%、1%、1.5%、2%、2%、1%。參照“十三五”期間各市GDP 折減指數(shù)平均變化率，設(shè)置各市2021—2035 年見的上述城市的年通脹率分別為2%、1%、1.5%、1%、1.5%、2%、2%、2%。在這些假設(shè)下，考察五種資本存量積累增速的情況下，各地經(jīng)濟的增長趨勢和總量規(guī)模，具體結(jié)果見表2—表9。

表2 上海2021—2035 年名義經(jīng)濟總量預(yù)測

2021 年上海固定資產(chǎn)投資增速為8%，考慮到疫情的影響，實際固定資本存量增速可能只有約5%，按照當前生產(chǎn)技術(shù)和勞動力2%增速計算，2021 年上海名義GDP 總量將達到42875.96億元，與統(tǒng)計公布值相比稍低。統(tǒng)計數(shù)據(jù)顯示，2021年上海實際從業(yè)人員總數(shù)為1365 萬人，少于按2%增速測算的1401 萬人，同時，2021 年上?？傮w通脹率為3.3%，如按實際從業(yè)人數(shù)和通脹率估算，2021年名義GDP 預(yù)測值就增加到43295.47 億元，接近實際統(tǒng)計值。

根據(jù)表2，在勞動力供給年均增速2%，年通脹率2%，以及現(xiàn)有技術(shù)條件下，如果固定資本存量增速能夠保持在年均5%，上海名義GDP 總量有望在2023 年突破5 萬億元，到2035 年實現(xiàn)15萬億元的名義經(jīng)濟總量。最保守的，如果固定資本存量增速僅有3%，最晚上海名義經(jīng)濟總量將在2024 年突破5 萬億元，2027 年、2030 年、2032 年、2034 年將分別實現(xiàn)萬億逐級增長，到2035 年突破10 萬億元。

2021 年南京固定資產(chǎn)投資增速為6.2%，如固定資本存量增速達到5%—7%，在本文的預(yù)測框架下，2021 年名義GDP 將在15292.98 億元—15551.93 億元之間（見表3），略小于實際統(tǒng)計值，原因可能是勞動力就業(yè)人數(shù)要高于按1%增速估測的489 萬人，以及實際通脹率高于1%①據(jù)WIND 數(shù)據(jù)，2021 年南京總通脹率為2.7%，按此通脹率，固定資本存量增速達到5%—7%，2021 年GDP預(yù)測值為15547 億元—15810 億元。。在2035 年之前，如果固定資本存量增速能夠保持在年均5%，年均勞動力增速達到1%，通脹率1%，南京名義經(jīng)濟總量可能在2027 年突破2 萬億元，到2035 年前突破3 萬億元。如果固定資本存量僅能維持3%的增長，南京可能在2029 年前后實現(xiàn)2 萬億元的經(jīng)濟總量目標。

表3 南京2021—2035 年名義經(jīng)濟總量預(yù)測

由表4 可知，2021 年南通經(jīng)濟總量預(yù)測值與實際統(tǒng)計值較為接近，2021 年固定資產(chǎn)投資增速為5%，如按5%固定資本存量增速測算，2021 年GDP 預(yù)測值稍低于統(tǒng)計值。近年來，城市建設(shè)、經(jīng)濟發(fā)展前景、政策優(yōu)勢等多方面因素顯著提升了南通的人口吸引力，2021 年南通常住人口繼續(xù)增加，人口凈流入的規(guī)模進一步擴大，因此，實際從業(yè)人員數(shù)量有可能高于預(yù)估的487.6 萬人，從而使得經(jīng)濟總量預(yù)測值低于統(tǒng)計值。如果南通未來年均固定資本存量增速達到5%，名義經(jīng)濟增量可能在2035 年突破2 萬億元；而如果加大投資力度和進度，保持固定資本存量年均7%的速度增長，將可能提前到2032 年實現(xiàn)2 萬億元的總量目標。然而，當投資力度不夠，固定資本存量的增速僅有3%時，南通經(jīng)濟總量突破2 萬億的時間可能要到2035 年以后。

表4 南通2021—2035 年名義經(jīng)濟總量預(yù)測

根據(jù)《2022 年無錫統(tǒng)計年鑒》，2021 年無錫從業(yè)人數(shù)為418.74 萬人，少于按1%增速測算的423萬人，如按實際從業(yè)人數(shù)，即使在10%的固定資本存量增速假設(shè)下，GDP 估算值都要少于統(tǒng)計年鑒公布的GDP 數(shù)值。而同年無錫的城鎮(zhèn)固定資產(chǎn)投資增速僅有4.5%，按固定資本存量增速5%，2021年GDP 估算值與統(tǒng)計值相差近1000 億元。然而，2021 年無錫通脹率為4%，高于假定的1%，如按4%通脹率估算，在5%—7%的固定資本存量增速下，2021 年GDP 預(yù)測值將在13443 億元—13611億元間（見表5）。根據(jù)本文的預(yù)測，如果年均固定資本存量增速維持在5%，按當前增長路徑，無錫將可能在2031 年實現(xiàn)經(jīng)濟總量2 萬億元的目標；如果年均固定資本存量增速僅有3%，經(jīng)濟總量仍將可能在2035 年前突破2 萬億元。

表5 無錫2021—2035 年名義經(jīng)濟總量預(yù)測

蘇州2021 年GDP 統(tǒng)計值為22718.3 億元，固定資產(chǎn)投資增速8.3%，假設(shè)固定資本存量增速介入7%—9%之間，根據(jù)本文的設(shè)定，蘇州2021 年經(jīng)濟總量的預(yù)測值在21284.94 億元—21642.04億元（見表6），略低于實際統(tǒng)計值①部分原因可能是從業(yè)人員和通脹率高于預(yù)估值。2021年蘇州通脹率約為3.62%，按此通脹率，2021 年蘇州GDP 預(yù)測值將在21728.86 億元到22093.40 億元之間（固定資本存量增速為7%—9%）。。如蘇州每年能保持7%—9%的固定資本存量增速，勞動力供給每年增長1.5%，通脹率控制在1.5%，名義經(jīng)濟總量將可能在2025 左右突破3 萬億元，且可能在2035 年實現(xiàn)經(jīng)濟總量突破6 萬億的目標。即使在最不理想的狀況下，只要固定資本存量增速維持在年均3%—5%，2035 年之前經(jīng)濟總量具有較大的可能突破3 萬億元，甚至可能突破4 萬億元。

表6 蘇州2021—2035 年名義經(jīng)濟總量預(yù)測

表7、表8 展示了兩個萬億GDP 城市浙江杭州和寧波的經(jīng)濟總量預(yù)測結(jié)果。2021 年杭州和寧波兩地固定資產(chǎn)投資增長較快，同比增速分別達到9%和11%。假定2021 年杭州和寧波固定資本存量增速達到9%和10%，按本文的預(yù)測模型得到的預(yù)測值稍低于實際統(tǒng)計值。統(tǒng)計數(shù)據(jù)顯示，杭州2021 年從業(yè)人數(shù)要比按2%增速預(yù)估的少近3.7 萬人，而寧波同年從業(yè)人數(shù)也比預(yù)估的少近6.3 萬人，由于產(chǎn)出勞動力彈性相對較低，勞動力供給小幅高估對實際經(jīng)濟預(yù)測結(jié)果的影響不大。但2021 年兩市通脹率均高于假定2%，分別達到3.63%和8.7%，如按此實際通脹率估算，2021 年杭州和寧波GDP 預(yù)測值將分別在17728 億元—17818 億元之間和14465 億元—14621 億元之間，接近實際統(tǒng)計值。如果固定資本存量增速達到9%—10%，勞動力供給每年增長2%，年通脹率2%，杭州和寧波的經(jīng)濟總量將可能分別在2023 年和2026 年突破2 萬億元，并將可能在2035 年之前實現(xiàn)4 萬億元的總量目標。即使投資不足，只要保持固定資本存量在3%以上，有較大概率杭州在2030年之前經(jīng)濟總量突破2 萬億元，寧波在2035 年之前經(jīng)濟總量突破2 萬億元。

表7 杭州2021—2035 年名義經(jīng)濟總量預(yù)測

表8 寧波2021—2035 年名義經(jīng)濟總量預(yù)測

2021 年合肥固定資產(chǎn)投資增速僅有3.5%，如果按此增速，根據(jù)本文的預(yù)測模型，2021 年合肥名義GDP 可能在10378 億元—10493 億元之間（見表9），比統(tǒng)計值少近1000 億元。考慮到2021年合肥實際通脹率約為4%，按此通脹率測算，2021 年GDP 預(yù)測值可能在10586 億元—10703億元之間，與統(tǒng)計值差距縮小。假設(shè)勞動力供給年均增速1%，年通脹率2%，如果固定資本存量增速僅有3%，2035 年之前合肥經(jīng)濟總量突破2 萬億元的難度較大。但如果能夠保持5%及以上的固定資本存量增速，合肥才有較大可能性在2035 年之前實現(xiàn)2 萬億元的經(jīng)濟總量目標。

表9 合肥2021—2035 年名義經(jīng)濟總量預(yù)測

如圖2 所示，2021 年長三角地區(qū)8 個萬億GDP 城市經(jīng)濟總量約為15 萬億元。在上述各地勞動力供給變化和通脹率的假設(shè)下，如果平均固定資本存量增速達到3%，到2035 年，8 個城市經(jīng)濟總量將達到27 萬億元；如果平均固定資本存量增速達到5%，八市經(jīng)濟總量規(guī)模將可能在2035年之前實現(xiàn)翻番，并在2035 年突破35 萬億元；當平均固定資本存量增速保持在7%，8 市經(jīng)濟總量將可能提前到2030 年翻番，到2035 年躍上新臺階，達到48 萬億元。

圖2 1996—2021 年長三角萬億GDP 城市經(jīng)濟總量及預(yù)測（單位：萬億元）

上述預(yù)測結(jié)果顯示，在勞動力增速、通脹給定的條件下，按當前經(jīng)濟增長方式，資本積累速度越快，經(jīng)濟增長動力越足，實現(xiàn)經(jīng)濟總量目標的時間就越短。上述分析指出勞動力供給小幅變動的經(jīng)濟增長效應(yīng)可能相對較弱，為檢驗這一判斷，在上述預(yù)測框架，假定各市勞動力供給僅能維持0.01%的增長，對各市采用與上述預(yù)測框架相同的通脹與資本積累設(shè)置，按各市當前增長方式，2021—2035 年的經(jīng)濟總量規(guī)模和趨勢的預(yù)測結(jié)果見圖3。

由圖3 可以發(fā)現(xiàn)，在勞動力供給保持水平基本不變下，各市經(jīng)濟總量實現(xiàn)下個萬億目標的時間并未發(fā)生變化。然而，如果勞動力供給出現(xiàn)較大規(guī)模減少，將會對各市經(jīng)濟增長產(chǎn)生明顯的抑制效應(yīng)。圖4 顯示了勞動力供給每年減少5%、不同資本積累速度下各市經(jīng)濟增長預(yù)測結(jié)果。如表1所示，上海、南京、蘇州、杭州、合肥這些城市的經(jīng)濟增長對勞動力的依賴程度相對較低，勞動力供給每年減少5%并不會對這些城市下一個萬億目標的實現(xiàn)時間產(chǎn)生顯著影響。因勞動力的產(chǎn)出貢獻仍相對較高，面對勞動力供給每年5%的負增長，南通和無錫將可能面臨經(jīng)濟增長乏力的可能，實現(xiàn)下一個萬億目標就要靠更高速度的資本積累。盡管對于上海、南京、蘇州、杭州、合肥而言，勞動力供給大幅減少似乎對未來經(jīng)濟增長的影響較小，但需要注意大量勞動力流出和高失業(yè)所帶來的社會問題，勞動力市場不穩(wěn)定可能會引起不利于經(jīng)濟發(fā)展的不穩(wěn)定因素。因此，城市要促進經(jīng)濟增長，在加快資本積累速度的同時仍要注重穩(wěn)定勞動力供給。

圖3 勞動力供給0.01%增速、不同資本積累速度下各市經(jīng)濟增長預(yù)測（單位：萬億元）

圖4 勞動力供給-5%增速、不同資本積累速度下各市經(jīng)濟增長預(yù)測（單位：萬億元）

三、結(jié)論與政策建議

本文借鑒世界銀行長期經(jīng)濟增長預(yù)測方法，根據(jù)柯布-道格拉斯型生產(chǎn)函數(shù)建立經(jīng)濟增長模型，利用1996—2020 年經(jīng)濟數(shù)據(jù)，運用蒙特卡洛模擬抽樣與退火算法相結(jié)合的方法對模型進行估計，并以此在生產(chǎn)要素和通脹變動路徑的假設(shè)下，預(yù)測到2035 年長三角地區(qū)8 個萬億GDP 城市的經(jīng)濟總量規(guī)模和增長趨勢。研究結(jié)果發(fā)現(xiàn)：

本文構(gòu)建的允許經(jīng)濟增長范式存在結(jié)構(gòu)突變的經(jīng)濟增長模型對各市實際經(jīng)濟產(chǎn)出具有較高的擬合能力；預(yù)測結(jié)果表明，各市未來經(jīng)濟總量增長仍將主要依賴于資本積累與穩(wěn)定的勞動力供給，持續(xù)足夠速度的資本積累是實現(xiàn)各地經(jīng)濟總量目標的關(guān)鍵。如果各市能夠保持年均3%—5%的固定資本積累增速，8 個城市經(jīng)濟總量之和將可能在2035 年達到30 萬億元左右，其中，上海經(jīng)濟總量將可能在2024 年前后突破5 萬億元，蘇州GDP可能要到2030 年達到3 萬億元，南京和杭州有望在“十四五”期間經(jīng)濟總量增長到2 萬億元，南通、無錫、寧波、合肥可能會在2030—2035 年間實現(xiàn)2 萬億元的總量目標。

由研究結(jié)果可知，促進經(jīng)濟增長，實現(xiàn)經(jīng)濟目標，關(guān)鍵是要提高生產(chǎn)要素投入，尤其是要擴大投資，加快資本積累。同時，還要注重科技創(chuàng)新，提高社會經(jīng)濟資源配置效率，提升社會生產(chǎn)效率。對于長三角地區(qū)萬億GDP 城市，促進地區(qū)經(jīng)濟增長，實現(xiàn)經(jīng)濟總量目標，主要有如下政策建議：

第一，長三角區(qū)域各地應(yīng)積極融入長三角一體化發(fā)展戰(zhàn)略，加強區(qū)域協(xié)調(diào)聯(lián)動，促進區(qū)域間產(chǎn)業(yè)、要素、創(chuàng)新協(xié)同協(xié)作。加快上海、南京、杭州、合肥四個都市圈建設(shè)，提升都市圈的區(qū)域同城化發(fā)展能力；南通、蘇州、無錫與寧波應(yīng)以自身特色產(chǎn)業(yè)和資源優(yōu)勢積極融入上海都市圈與杭州都市圈，構(gòu)建優(yōu)勢互補、分工有別、產(chǎn)業(yè)協(xié)調(diào)、要素資源共享、政策聯(lián)動的經(jīng)濟一體化發(fā)展格局，共同推動長三角區(qū)域經(jīng)濟高質(zhì)量發(fā)展。

第二，長三角區(qū)域各地應(yīng)結(jié)合自身經(jīng)濟現(xiàn)狀，穩(wěn)步擴大地區(qū)有效投資，促進地區(qū)資本積累，增強地區(qū)經(jīng)濟的內(nèi)生動力和發(fā)展動能。上海要發(fā)揮好國際金融中心的地位優(yōu)勢，擴大金融輻射效應(yīng)，帶動長三角區(qū)域其他地區(qū)金融市場發(fā)展，提高區(qū)域內(nèi)整體金融發(fā)展水平，提升金融服務(wù)實體經(jīng)濟的功能。各地應(yīng)根據(jù)長三角一體化發(fā)展、長江經(jīng)濟帶一體化發(fā)展戰(zhàn)略以及“十四五”規(guī)劃等國家重大發(fā)展部署，結(jié)合自身優(yōu)勢，圍繞優(yōu)勢產(chǎn)業(yè)、新興產(chǎn)業(yè)、新基建等方面推動投資規(guī)模有效擴大。各地要充分利用資本市場的融資功能，用好、用活、用對資本市場，鼓勵、支持企業(yè)借助資本市場增資擴產(chǎn)；優(yōu)化營商投資環(huán)境，消除政策壁壘，為企業(yè)創(chuàng)造良好的市場生態(tài)環(huán)境，加大企業(yè)信貸金融支持，引導(dǎo)企業(yè)加快設(shè)備更新與技術(shù)改造投資；進一步深化改革，完善政策舉措，增強社會投資的積極性，各地政府應(yīng)實施有效的產(chǎn)業(yè)引導(dǎo)，積極招商引資，完善優(yōu)化投資政策體系，有針對性地擴大有效投資的數(shù)量規(guī)模和質(zhì)量效應(yīng)。

第三，長三角區(qū)域各地應(yīng)不斷提升城市軟實力，增強城市人口吸引力，穩(wěn)定勞動力市場。人力資本與物質(zhì)資本互為補充[3]，各地在擴大社會投資、加速資本積累的同時，應(yīng)重視人力資本的投入，發(fā)揮好人力資本與物質(zhì)資本的協(xié)調(diào)與耦合。各地應(yīng)加強建設(shè)多層次人口引進體系，完善人才人口引進政策，健全社會服務(wù)保障體系，努力提升城市人口集聚吸引能力。數(shù)字經(jīng)濟對勞動力市場的影響也不可忽視，原因在于“數(shù)字技術(shù)突破了就業(yè)的時空限制，衍生出許多非標準化的就業(yè)形態(tài)，工作方式更加靈活，就業(yè)規(guī)模不斷擴張，成為‘穩(wěn)就業(yè)’的重要載體?！盵10]此外，還應(yīng)扎實推進人口政策改革，優(yōu)化生育政策，積極研究應(yīng)對人口老齡化和少子化問題，穩(wěn)定地區(qū)勞動力市場。

第四，長三角區(qū)域各地應(yīng)加快實施創(chuàng)新驅(qū)動，提高城市創(chuàng)新能力。在當前“雙碳”目標的背景下，實施創(chuàng)新驅(qū)動是各地早日實現(xiàn)經(jīng)濟增長目標的重要抓手。長三角區(qū)域應(yīng)依靠科技創(chuàng)新的協(xié)同與協(xié)作，提高區(qū)域整體創(chuàng)新能力和科技產(chǎn)出貢獻水平。各地要結(jié)合自身資源和產(chǎn)業(yè)基礎(chǔ)，借助國家數(shù)字經(jīng)濟發(fā)展戰(zhàn)略，利用數(shù)字科技創(chuàng)新技術(shù)，加強數(shù)字經(jīng)濟與實體經(jīng)濟的深度融合發(fā)展，提高數(shù)字創(chuàng)新技術(shù)的產(chǎn)業(yè)應(yīng)用，提升產(chǎn)業(yè)數(shù)字化應(yīng)用水平，同時，鼓勵支持企業(yè)加大研發(fā)投入，建立健全創(chuàng)新激勵機制，促進資本與技術(shù)的有效集成、融合，落實創(chuàng)新的經(jīng)濟效果，促進技術(shù)有效落地，提高城市創(chuàng)新水平和要素集聚水平。