3　青海经济发展现状分析

3.1　青海经济发展阶段分析

3.1.1　经济发展阶段判断标准

3.1.1.1　人均GDP标准

20世纪80年代，著名经济学家霍利斯•B.钱纳里等人在《工业化和经济增长的比较研究》一书中深入探讨了人均GDP与经济发展阶段的关系，认为现代经济发展分为三个阶段，即准工业化阶段、工业化实现阶段和后工业化阶段，不同阶段具有不同的人均GDP数量特征（表1-3-1）。

3.1.1.2　经济结构标准

不同的经济发展阶段不仅有不同的人均GDP数量特征，而且会有不同的经济结构特征。美国著名经济学家西蒙•库兹涅茨发现就业结构、产业结构、城市化水平等经济指标在部分主要发达国家经济增长过程中的变化，据此划分工业化阶段（表1-3-2）。根据工业化阶段及其相应标志值的分析可以大致判断出经济发展阶段。

3.1.2　青海省经济发展阶段判断

西部大开发战略实施以来，随着矿产资源开发利用规模的不断扩大、工业化进程的快速推进以及城镇化的加速发展，青海省经济总量迅速扩张，名义GDP由2000年的263.68亿元增加至2017年的2642.80亿元，年均增长速度达到了14.52%，人均生产总值也由2000年的5138元增加到2017年的44348元，经济突破了“贫困陷阱”，达到世界银行划分的中上等收入经济体标准。根据钱纳里标准，2015—2017年青海省以1964年美元测算的人均GDP水平为800~1500美元（表1-3-3）。因此，根据人均GDP指标进行判断，可以认为青海省总体上已经进入工业化后期阶段。

同时，依据库兹涅茨分析标准，2015—2017年青海省的人均GDP数值均高于工业化后期阶段的最低标准1016美元，其他经济结构指标的数据也具有工业化后期阶段的特征（表1-3-4）。具体而言，2017年青海省第三产业产值的比重为46.7%，高于工业化后期阶段45%的水平；城市化率为53.1%，逐渐接近工业化后期阶段57.8%的水平；第二产业就业比重保持相对稳定，第一产业与第三产业就业比重均高于工业化后期阶段31.4%和32.6%的水平。

综合上述分析可以得出，青海省总体上已经结束了工业化中期阶段，开始步入工业化后期阶段，经济发展阶段的变迁意味着以转变经济发展方式和重塑经济增长动力机制为重要内容的经济转型成为亟待解决的问题。

3.2　青海经济空间结构分析

衡量和评价区域经济空间结构的指标主要分单一指标和综合指标两类。单一指标通常采用人均收入或人均GDP，综合指标则包括人均收入指标、人均寿命、平均受教育年限等能够反映人民生活质量的指标。相较而言，综合指标能更加全面地反映区域经济空间结构。但是单一指标与综合指标又有密切关系，通常一个地区的人均GDP在很大程度上决定了该地区的社会结构、人口素质和生活质量等指标。考虑到单一指标能够反映一个地区经济发展的大部分信息，能更好地揭示青海省经济空间结构的演变过程，同时考虑到指标数据的可获取性，本书选用人均GDP指标，采用空间统计分析方法对青海省2000—2017年典型的5期（2000年、2004年、2008年、2012年、2016年）的经济空间结构特征进行研究。

3.2.1　分析方法选择

3.2.1.1　变异系数与基尼系数

变异系数和基尼系数是衡量区域差异的常用指标。如果青海省各区域间人均GDP的变异系数和基尼系数越大，说明区域经济发展水平差异越大，反之则越小。其中，差异系数的计算公式为⁽¹⁾

K_t=I_t/P_t+（1-δ_t）K_t-1　（1-3-1）

式中，δ_t表示衡量青海省区域经济发展水平差异的变异系数、t年的固定资本形成总额指数（1952=1）

为区域数量，y_i为区域i的人均GDP， 为y_i的平均值。

基尼系数的计算方法为直接计算法。计算思路是：首先，将每年的各地区人均GDP按照从小到大的顺序排列，并将其分为n组，n为地区数量，即每个地区为一组；其次，假设第i组的人均GDP为Y_i，则该组收入占全部收入的比例为y_i。那么，基尼系数的计算公式为：⁽²⁾

3.2.1.2　空间自相关分析

空间自相关分析主要用于探究经济现象的空间关联性和集聚状况，具体采用分析整个区域关联性的指数和区域内各个空间单元关联性的指数两类工具。全局莫兰指数I反映整个研究区域内各个空间单元与邻近空间单元之间的相似性。计算公式为⁽³⁾

式中，n为研究区域内空间单元的数量；y_i和y_j分别表示空间单元i和j的变量值；w_ij为二进制空间权重矩阵，表示空间单元i和j的相互邻接关系，当两者存在公共边界时w_ij=1，反之w_ij=0。I的取值范围在-1和1之间，在给定显著性水平上，若I大于0表示正相关，表明具有相似的属性集聚在一起；小于0表示负相关，表明具有相异的属性集聚在一起；等于0时则表示属性为随机分布，不存在空间自相关。

局部莫兰指数I_i用来观察局部地区是否存在变量集聚现象，反映空间单元i与其周边空间单元的关联性。计算公式为⁽⁴⁾

式中各元素的界定与全局莫兰指数相同。若I_i>0说明空间单元i周围表现为相似的空间集聚性（高—高或低—低），而I_i<0则说明空间单元i周围表现为相异的空间集聚性（高—低或低—高）。通常用Moran散点图来表达经济现象的局部自相关性。

3.2.2　经济差异的时序变化特征

根据式（1-3-1）和式（1-3-2）分别计算出青海省2000—2017年各区域人均GDP的变异系数和基尼系数（表1-3-5）。从计算结果来看，两者的变化趋势基本一致，即表现出“先扩大后缩小”的阶段性特征。具体而言，2000—2008年人均GDP的变异系数和基尼系数分别由0.7334和0.3150上升至1.0101和0.4011，上升幅度分别达到37.73%和27.33%，这表明在此期间青海省区域经济差异明显扩大；2009—2017年人均GDP的变异系数和基尼系数出现了不同程度的下降，分别由0.9763和0.3974下降至0.6859和0.3075，这表明在此期间青海省区域经济差异明显缩小。

从经济学理论来看，经济的空间差距或区域差距是经济发展在一定阶段的必然现象。美国著名经济学家威廉姆逊（1965）提出了“倒U”型区域经济发展规律，即在经济发展初期阶段，区域经济差异随着总体经济的增长逐渐扩大，然后保持稳定，而当经济进入成熟增长阶段后，区域差异将随着总体经济的增长而逐渐下降。2000—2017年青海省的区域经济差异大体符合“倒U”型的变化轨迹，然而值得注意的是，2009年之后青海区域经济差异的缩小是以资源型地区人均GDP水平增速甚至是绝对水平下降为基础和前提的。因资源富集而成为国家重点开发区域的海西州，不仅是青藏高原地区重要的新型工业基地和高原特色产业发展的核心地区，而且是支撑青海省经济社会可持续发展的重要增长极。由于受到内外部环境变化的影响，2013年起人均GDP出现了持续下降的态势，2017年人均GDP水平仅相当于2012年的78.21%。这说明如果不通过供给侧结构性改革解决资源型地区的可持续发展能力问题，即便区域经济差距缩小了也会带来新的区域发展问题。

3.2.3　经济差异的空间演变特征

经济社会发展在地理空间上并非相互孤立和随机的，因而，临近区域的人均GDP应具有某种相关性。根据式（1-3-3）计算得出典型年份青海省县域人均GDP的全局莫兰指数（表1-3-6）。基于999次空间排列次数的正态分布统计量Z值均大于0.05置信水平的临界值，说明全局莫兰指数通过显著性检验；研究期内，全局莫兰指数为0.14~0.30，表明青海省县域人均GDP始终表现出显著的空间正相关，呈现出空间集聚分布的特征，即人均GDP水平较高的县域和人均GDP水平较低的县域在空间上都表现为集中分布。

从演变趋势来看，全局莫兰指数大体表现出“N”型的阶段性变化特征：2000—2004年全局莫兰指数由0.1449上升至0.2099，上升幅度达到了44.86%，表明该时期青海省县域人均GDP分布的空间集聚程度有所增长；随后全局莫兰指数快速下降，到2008年达到极低值，较2004年下降了28.97%，意味着青海省县域人均GDP分布的空间集聚程度有所下降；紧接着全局莫兰指数又呈现出比较稳定的上升态势，2012年和2016年全局莫兰指数分别达到了0.2477和0.2987。值得注意的是，2008年人均GDP的变异系数、基尼系数均达到了峰值，而全局莫兰指数却出现了极低值，说明外部环境的变化对青海省县域经济的差异和空间自相关性产生较大影响，同时也间接证实了青海省县域经济的空间关联性具有时间上的敏感性和依赖性。

然而，全局莫兰指数不能揭示青海省县域人均GDP空间关联在局部区域的差异性和非均衡性。于是，根据式（1-3-4）计算局域莫兰指数及相应散点图检验县域人均GDP在局部区域是否存在集聚现象。从图1-3-1可以看出，人均GDP标准化值的波动幅度均小于其空间滞后值，且落入左下象限的县域集聚在较小范围内，落入右上象限的县域则相对比较分散，这表明人均GDP较低的县域彼此差异较小，而人均GDP较高的县域相互差异偏大。

进一步得出2000年和2016年青海省县域人均GDP的LISA集聚图（图1-3-2）。从图1-3-2可以看出，两个年份中能达到显著的高—高、低—低、低—高和高—低类型的县域数量并不多。2000年，呈现“高—高”集聚格局的县域分布在海西州，主要集中在海西州直辖的冷湖、大柴旦、茫崖三个行政委员会以及德令哈市；呈现“低—低”集聚格局的县域分布在海东市，即民和县。2016年“高—高”集聚格局的县域在2000年基础上增加了都兰县；而“低—低”集聚格局的县域则分布在玉树州和果洛州，主要集中在玉树州的称多县、玉树市、囊谦县和果洛州的玛沁县、班玛县、甘德县、达日县、久治县。这说明青海省县域人均GDP分布不仅在局部区域存在集聚现象，而且也体现出一定的区位趋同性。

从青海经济发展的空间结构来看，自然资源比较富集的地区依然是青海省人均GDP水平较高的地区，但是在经济进入新常态阶段后，人均GDP水平呈现出比较明显的下降态势，表明以资源开发和投资驱动为主要特征的经济增长模式亟待转型。

3.3　青海潜在产出估算

潜在产出是宏观经济学的重要概念之一，既是分析宏观经济运行态势的重要工具，也是政府制定宏观经济政策的重要依据。比较潜在产出水平与实际产出水平，可以确定经济政策是以增加总需求为主还是以调整经济结构为主。目前学术界对于潜在产出的界定还不尽一致，本书采用美国经济学家利维（Levy, 1962）最早提出这一概念时所给出的定义，即潜在产出是指在合理稳定的价格水平下，使用最佳可利用的技术、最低成本的投入组合并且资本和劳动力的利用率达到充分就业要求所能生产出来的物品和服务。

3.3.1　估算方法选择

潜在产出的估算方法归结为两大类：一类是借助计量分析工具对现实产出的时间序列性质直接进行处理从而给出潜在产出的估算值，如消除趋势法、增长率推算法；另一类是生产函数法。前一类方法的最大优点在于简便易用，特别是其中的HP滤波法，更是因为建立在对现实产出趋势较为合理的描述基础上而得到广泛应用，⁽⁵⁾而生产函数法则较为全面地考虑生产要素利用率和技术进步的影响，但计算过程较为复杂。

3.3.1.1　HP滤波法

设｛Y_t｝是包含趋势成分和波动成分的时间序列，｛ ｝是｛Y_t｝中包含的趋势成分，｛ ｝是｛Y_t｝中包含的波动成分，则：

一般来说，时间序列｛Y_t｝中，不可观测的趋势成分｛Y^T _t｝被定义为下面最小化问题的解：

从而将现实产出的自然对数分解为趋势成分（潜在产出的自然对数）和周期性成分（产出缺口）。HP滤波依赖于参数λ，当λ=0时，满足最小化问题的趋势序列就为实际产出序列｛Y_t｝；随着λ值的增加，估计的趋势越来越光滑；当λ趋于无穷大时，估计的趋势将接近于线性函数。本书在采用HP滤波法估计青海潜在产出时，由于使用的是年度数据，故取λ=100。⁽⁶⁾

3.3.1.2　生产函数法

用生产函数法估算潜在产出的基本思想是依据新古典经济增长理论建立生产函数。通过现实数据计算得到全要素生产率，然后运用消除趋势法对全要素生产率和劳动力进行分解，从而得到趋势全要素生产率和潜在就业，将其代回生产函数，便得到潜在产出。本书选用两要素柯布-道格拉斯生产函数，并对生产函数两边取自然对数为：

lnY_t=lnA+αlnK_t+βlnL_t+ε_t　（1-3-7）

式中，Y_t为实际产出；K_t为资本存量；L_t为劳动投入；α、β分别为资本和劳动的边际报酬（贡献率）。在规模收益不变，即α+β=1的前提下，则有回归方程：

ln（Y_t/L_t）=lnA+ln（K_t/L_t）+ε_t　（1-3-8）

其中，ε_t为残差项，即全要素生产率，这是一个双对数模型，可由OLS直接进行估算。

资本存量可以采用永续盘存法（戈登•史密斯，1951）估算。潜在就业是指经济达到潜在产出时的就业水平，计算公式为

式中， 为潜在就业量；Ls_t为劳动年龄人口数量（15~64岁）；Tr_p，t为趋势劳动参与率；NAWRU_t为自然失业率。通过构建周期性失业率与通货膨胀之间的菲利普斯曲线关系和卡尔曼滤波方法，可以估计得出自然失业率。根据历年劳动参与率和HP滤波法可以得出趋势劳动参与率。

3.3.2　HP滤波法计算结果分析

3.3.2.1　GDP时间序列数据的平稳性检验

在利用HP滤波法估算潜在产出时，首先需要判断现实产出的趋势。本书采用ADF检验来判断青海省1952—2017年的GDP序列（实际GDP的自然对数）是否存在单位根。应用Eviews 9.0软件ADF检验法的结果显示（表1-3-7），ADF=0.184，小于各临界值的绝对值，且Mackinnon P值也间接说明1952—2017年青海省GDP时间序列存在单位根，为非平稳序列。

进一步对1952—2017年青海省GDP序列（实际GDP的自然对数）一阶差分项进行单位根检验（表1-3-8）。

表1-3-8中ADF=-6.407，其绝对值大于各临界值的绝对值，且Mackinnon P值等于0，表明1952—2017年青海省GDP序列（自然对数）一阶差分项为平稳序列，据此可利用其进行HP滤波法估算潜在产出。

3.3.2.2　计算结果分析

根据式（1-3-6）和Eviews 9.0软件对青海省1952—2017年D（Ln GDP）序列进行HP滤波分析，并将其分解为趋势成分和波动成分（图1-3-3）。

从趋势来看，1952—2017年青海省地区生产总值对数的一阶差分呈现出“下降—上升—下降”的动态变化过程；从周期波动来看，改革开放以前青海省地区生产总值对数的一阶差分波动幅度较大，周期性比较明显，而改革开放以后则保持相对稳定。在此基础上，可以估算得出青海省1952—2017年的潜在产出水平和潜在增长率（表1-3-9）。

对比2000—2017年的潜在产出增长率和实际经济增长速度可以发现，2001—2008年和2010—2013年的12个年份现实经济增速高于潜在产出增长率，意味着资源利用率较高，而2000年、2009年以及2014—2017年6个年份现实经济增速低于潜在产出水平，意味着资源没有得到充分利用，需要提高资源配置效率（图1-3-4）。

3.3.3　生产函数法计算结果分析

3.3.3.1　数据来源及处理

生产函数法所采用的数据均来源于《青海统计年鉴2017》《青海省2017年国民经济和社会发展统计公报》《新中国50年统计资料汇编》和《中国国内生产总值核算历史资料1952—1995》。

以青海省地区生产总值作为总产出的指标，并将所获得的历年名义GDP剔除价格变动因素换算成以1952年为基期的实际GDP；资本投入用永续盘存法（戈登•史密斯，1951）测算的资本存量进行替代。由于劳动具有异质性的特点，因而理论上劳动投入的理想指标不仅要涵盖劳动投入的数量，而且还应包括劳动时间以及质量的改善程度，但是现有的统计资料缺少连续性劳动投入时间和质量的数据，于是采用就业人员数量作为替代指标。

根据前述计算公式及数据处理方法，可以得出2000—2017年青海省的实际地区生产总值、资本存量、就业人数、潜在就业量等指标的数值⁽⁷⁾（表1-3-10）。

3.3.3.2　计算结果分析

潜在产出的估计。有了资本存量，我们就可以通过式（3-8）得出青海省生产函数和全要素生产率。在估计之前，需要利用Wald检验方法来检验规模收益不变（即α+β=1）的假设。Wald检验是利用无约束回归方程lnY_t=lnA+αlnK_t+βlnL_t+ε_t的OLS回归结果，对lnK_t和lnL_t的系数进行线性约束检验（表1-3-11）。

P值大于0.05，说明在5%的显著性水平上可以接受原假设，即2000—2017年青海经济保持规模收益不变。于是可以通过约束方程进行OLS回归（表1-3-12）。

从估计结果来看，回归结果比较理想，并较好地通过了自相关和异方差检验，于是可以得到全要素生产率（Total Factor Productivity，TFP），进而借助HP滤波法得到趋势全要素生产率（TTFP）（表1-3-13）。

将潜在就业与趋势全要素生产率的估算值代入上述约束方程，即可得到2000—2017年青海省的潜在产出与潜在产出率（表1-3-14）。

将生产函数法的潜在产出增长率与现实增速进行对比可以发现，2005—2008年和2010—2011年的6个年份现实经济增速高于潜在产出增长率，意味着资源利用率很高，而2001—2004年、2009年以及2013—2017年11个年份实际经济增速低于潜在产出水平，意味着资源没有得到充分利用，需要提高资源配置效率（图1-3-5）。这与HP滤波法的分析结果基本一致。

3.4　青海经济增长效率及绩效评价

3.4.1　方法选择

测算经济效率的方法可分为以随机前沿分析（SFA）为代表的参数法和以数据包络分析（DEA）为代表的非参数法。其中，数据包络分析方法通过线性规划求出实际产出与潜在产出的距离来判断经济效率，既规避了模型设定可能带来的偏差，又避免了因区域经济空间相关性所带来的测量误差，特别适合区域经济效率的评价。当然，数据包络分析方法的模型与变量选择差异也会对研究结论产生较大影响。

SBM超效率模型既能解决传统数据包络分析模型测量无效率时没有包含松弛变量的问题，又考虑了有效单元的排序问题，是进行经济效率评价和比较的理想选择。计算方法为

λ，s^-，s⁺≥0

i=1，2，…，m；r=1，2，…，q；j=1，2，…，n（j≠k）　（1-3-10）

式中，m和q分别表述投入和产出变量的数量，x_ik和y_rj分别表示投入和产出变量的数值， 和 分别表示投入和产出的松弛变量，λ为权重向量。由于经济条件不同，需要选用规模收益可变模型，因此需要在此基础上增加约束条件 。模型应用的准确程度受制于投入产出变量的选取，本书依据经济增长理论中的生产函数选取资本和劳动为投入变量，生产总值为产出变量。其中，以固定资产投资额作为资本存量的替代指标，以就业人数作为劳动变量的替代指标。

3.4.2　效率测度及评价

以全国31个省（区、市）为研究单元，运用Max DEA软件计算得出2010—2017年青海省与全国的经济效率值（图1-3-6）。从计算结果来看，2010—2017年青海省经济效率的年平均值为0.3526，表示实际产出仅相当于潜在产出水平的35.26%。这说明实际产出与现有生产要素投入水平下的最优产出之间存在较大差距，尚未实现资源的优化配置，经济效率还有较大的提升空间。

---

(1)　张雅杰，马明，许刚．长江中游城市群经济与生态成本空间演化模式分析[J].长江流域资源与环境，2016，25（11）：1679-1685.

(2)　熊俊．基尼系数估算方法的比较研究[J].财经问题研究，2003（1）：79-82.

(3)　陈安宁．空间计量学入门与GeoDa软件应用[M].杭州：浙江大学出版社，2014，第94页.

(4)　陈安宁．空间计量学入门与GeoDa软件应用[M].杭州：浙江大学出版社，2014，第95页.

(5)　当然，HP滤波法也存在一些争议，争议的焦点在于如何选取不同的λ，不同的λ值决定了不同的周期方式和平滑度。从统计学意义来看，λ必须是随意选取的，因为任何一个非平稳的时间序列都可以分解为无数个非平稳趋势成分与平稳周期成分的组合。

(6)　关于λ的选取，一般使用霍德里克和普雷斯科特（Hodrick and Prescott, 1980）建议的1600，这似乎已经成为一种“行业标准”。但他们建议使用的1600主要是针对季度数据，在使用其他时间类型数据时必须认真考虑。一般来说，使用年度数据、季度数据、月度数据时，λ分别选取100、1600和1440。马慧慧，郭庆然，丁翠翠.EViews统计分析与应用（第3版）[M].北京：电子工业出版社，2016；刘家国，曹静，李根，等.EViews统计分析在计量经济学中的应用[M].北京：机械工业出版社，2014。

(7)　由于2000年以前的劳动年龄人口数据缺失较多，为保障计算结果的准确性与可比较性，本书采用生产函数估计潜在就业量、潜在产出时的时间维度为2000—2017年。