新常態下經濟增速放緩對制造業盈利能力影響
——基于FAVAR模型的實證

張 華

·產業發展與創新·

新常態下經濟增速放緩對制造業盈利能力影響
——基于FAVAR模型的實證

張 華

隨著中國經濟步入新常態，宏觀經濟增速明顯放緩，其對制造業內部各行業產生了不同程度和不同時效的影響。運用FAVAR模型評估新常態形勢下經濟增速放緩沖擊對中國制造業各細分行業銷售利潤率的動態影響，并在此基礎上探討制造業結構變遷的方向。結果表明：經濟增速放緩沖擊主要通過貨幣政策傳導渠道來影響制造業各細分行業盈利能力，不同要素密集度行業對于沖擊的反應不同。資本密集型行業反應最為敏感，其次為技術密集型行業和勞動力密集型行業。此外，經濟增長壓力加大了匯率波動幅度，對外向型行業造成了較大影響。以中低技術和低技術密集度制造業為主的資本密集型行業和勞動力密集型行業表現出較弱的抗風險能力和盈利能力，而以高技術和中高技術密集度制造業為主的技術密集型行業則整體表現出較好的抗風險能力和盈利能力，這將影響各類生產要素和資源在行業間的配置。可以看到，在市場機制中利潤法則的主導下，制造業將逐步向抗風險能力強和盈利能力強的行業變遷，中國政府既要遵循利潤法則主導下的制造業結構變遷方向，同時也要按照“中國制造2025”的發展要求，積極發揮輔助功能，加快制造業結構調整進程。

經濟增速放緩； 制造業； FAVAR模型； 結構變遷

一 問題的提出

改革開放30余年，中國國內生產總值(GDP)保持了近10.0%的年均增長率(姚枝仲，2014)[1]，但2008年金融危機之后， GDP增速逐步放緩，由2010年第一季度的12.2%下降至2016年的6.7%。隨著中國經濟步入新常態發展階段①2014年5月，總書記、國家主席習近平首次提出新常態概念來描述新發展周期中的中國經濟，同年11月，習近平在亞太經合組織(APEC)工商領導人峰會上首次系統闡述了新常態，他認為新常態的主要特點在于經濟增速從高速增長轉為中高速增長，經濟結構不斷優化升級，經濟增長動力從要素和投資驅動轉向創新驅動(彭向升，2015)[2]。，GDP增速較快回落所產生的影響明顯反映在了企業發展層面。據國家統計局數據，2011-2014年規模以上工業企業增加值增長速度分別為13.9%、10.0%、9.7%和8.3%，企業利潤增長速度分別為25.4%、5.3%、12.2%和3.3%，顯示出經濟增速放緩背景下工業企業面臨較大的經營風險和盈利障礙。

學術界對我國經濟增速放緩的關注重點在兩個方面：一是新常態下經濟增長問題(林毅夫，2015[3]；李曉超，2015[4]；韓永輝等，2016[5]；魏杰和汪浩，2016[6])，研究主要集中在剖析增速下滑的原因，并預測后續增速；二是經濟增速放緩可能導致的金融風險問題(隋學深和奚冬梅，2013[7]；孫東升等，2015[8]；陳道富，2015[9]；方昕，2016[10]；蘇振東等，2016[11])，研究重點在地方融資平臺潛在違約率、銀行盈利模式、通貨緊縮等方面。此外，也有機構或學者(中國經濟實驗研究院城市生活質量研究中心，2015)[12]從增速放緩背景下居民生活質量滿意度等角度進行考察。

以上研究主要關注新常態下宏觀經濟增速放緩可能引起的連帶金融風險、所帶來的經濟增長潛力問題以及對消費和投資等需求端的影響，鮮有研究涉及宏觀經濟增速放緩對供給端即各產業內部所帶來的影響。然而，正如B?urle和Steiner(2015)[13]所指出，從供給端或生產角度對經濟狀態進行考察可以量化各行業面對沖擊時的反應，使政策制定者更全面地評估現有政策效果，同時可以根據各行業的不同表現更有針對性地采取相應政策，做到有的放矢。方法上，有關新常態下經濟增速放緩對產業發展影響的研究多以描述性分析為主。黃群慧(2014)[14]指出中國經濟步入新常態同時是工業化后期階段，需要高度重視的風險和挑戰之一是產業結構轉型升級。任澤平(2014)[15]利用分行業的銷售利潤率、資產負債率、固定資產投資等指標分析了中國產業結構變動的新趨勢和新特點，指出目前中國正處于增長階段轉換的關鍵期，產業結構出現分化，為此應對不同類型的行業采取有針對性的產業結構調整措施。郭克莎和汪紅駒(2015)[16]指出經濟增速放緩的新常態下要協調好經濟增長與結構升級的關系，政府要在產業結構、需求結構和區域結構升級過程中發揮積極作用。

梳理現有文獻可以看到，目前關于新常態下宏觀經濟增速放緩對各產業影響的討論仍缺乏定量分析。雖然也有研究通過構建VAR模型從國家或區域層面探討經濟增長對金融發展及產業結構的影響(張瑩，2013[17]；蘇建軍和徐璋勇，2014[18])，但由于經濟增速放緩對各產業的影響渠道和方式多樣，而納入VAR模型的變量卻極其有限，導致不能全面分析經濟增速放緩對各產業的沖擊與影響，限制了其結論的有效性。B?urle和Steiner(2015)[13]運用動態因子模型研究瑞士宏觀經濟沖擊對各產業的影響為本文提供了啟示。其將宏觀沖擊的產業效應具體化為通過貨幣政策、匯率和外部需求的變動對制造業、銀行業等13個產業增加值所帶來的影響，研究表明各產業面對沖擊時的反應無論從程度上還是時間上都有差異。動態因子模型因可以包含大量變量，同時又可以保持少量待估參數的優點，被廣泛用于宏觀經濟學實證分析中(Stock和Watson, 2006[19];Ahmadi和Uhlig, 2012[20])。本文將以此為基礎，利用動態因子模型中的因子擴展向量自回歸模型(即FAVAR模型)*本文使用的FAVAR模型屬于動態因子模型的一種，但在結構沖擊的識別方法和方程的估計方法上與B?urle和Steine(2015)[13]研究使用的方法有所不同。對該問題進行探討。

本文的可能創新和拓展主要體現在以下方面：一是構造FAVAR模型，對我國25個制造業行業進行分析，目前關于三次產業結構變動的研究，較少深入到產業細分層面，如制造業內部各細分行業結構調整情況。制造業在我國國民經濟占有重要地位，其增長狀況直接影響我國經濟狀況，尤其是在經濟增速放緩背景下，有針對性地對制造業內部各細分行業的結構變動情況進行分析顯得非常必要；二是在模型中引入利率、匯率、貨幣供應等金融指標，分析經濟增速放緩對各行業產生影響的渠道與機制，得出各行業面對經濟增速放緩沖擊時的脈沖響應圖，全面直觀地掌握各行業面對經濟增速放緩沖擊時的動態變化；三是根據對各行業表現出的差異化動態響應結果歸納出制造業結構變遷的趨勢，為政府制定和實施相關產業政策提供建議。

本文余下內容安排：第二部分主要概述FAVAR模型的構造、指標選擇及數據來源；第三部分利用FAVAR模型深入分析新常態下經濟增速放緩對我國制造業各細分行業盈利的沖擊與影響，并在此基礎上探討制造業結構變遷的方向和趨勢；第四部分是結論與進一步的討論。

二 模型、指標和數據

(一)因子擴展的向量自回歸模型介紹

本文研究的重點問題之一是評估新常態下經濟增速放緩沖擊對我國制造業各細分行業的動態影響。具體來說，以全國GDP的季度同比增速變化來刻畫宏觀經濟波動所帶來的沖擊，而在對制造業各細分行業的描述上，由于銷售利潤率可以從流量的角度反映行業的盈利能力和生產經營的可持續性(任澤平，2014)[15]，有效地體現制造業內部產業結構變遷的方向，因此文章具體討論經濟增速放緩沖擊對制造業各細分行業銷售利潤率的影響。Bernanke、Boivin和Eliasz(2005)[21](以下簡稱BBE)提出的因子擴展向量自回歸模型(Factor-Augmented Vector Autoregressive Model, 簡稱FAVAR)為定量分析這些問題提供了一個較好的計量框架。

FAVAR方法的提出最早是為了克服向量自回歸模型(即VAR)在分析貨幣政策效應時所表現出的局限性，它通過引入大量時間序列信息構造共同因子，然后將這些共同因子放入VAR模型中進行分析，構成FAVAR模型。BBE將該模型用于評估貨幣政策沖擊對美國宏觀經濟的影響。該方法的突出優點在于，一方面能夠克服傳統VAR自由度的限制，將大量時間序列信息包含在模型內，避免出現類似于“價格之謎”*早期使用VAR方法的文獻得出這樣一個結論：緊縮的貨幣政策沖擊會引起物價水平的上升，這顯然和標準的經濟理論所預測的物價水平會下降的事實相反，因此被稱為“價格之謎”現象。Sims解釋其原因是由于美聯儲在調整基準利率時，會考慮許多因素，而有些因素未包括在VAR模型中，因此未能準確反映現實經濟情況。(Price Puzzle)(Sims，1992)[22]的估計偏差；另外一方面可以直接獲得眾多目標變量的脈沖響應圖，以對特定沖擊所產生的影響有動態的、全面的認識。因此該模型被廣泛用于經濟時間序列的預測和貨幣政策的評估。

Xt=ΛfFt+ΛyYt+εt

(1)

(2)

Φ(L)為滯后算子多項式，Φ(L)=φ1+φ2L+φ3L2+…+φpLp-1，p為滯后階數。vt為簡化型擾動向量，均值為0，協方差矩陣記為正定矩陣，進一步地，該擾動向量可以表示為：

vt=Ret

(3)

1、將Xt分為快行變量和慢行變量，其中快行變量是指那些對沖擊做出同期響應的變量，它們往往對沖擊較為敏感；慢行變量是指不會對沖擊做出同期響應的變量。

(二)指標選擇與數據來源

這里構造的FAVAR系統中，可觀測關注變量Yt為GDP季度同比增長率，Xt包含了制造業25個行業銷售利潤率的時間序列(具體見附錄1)，除此之外，為了緩解“價格之謎”現象和有效說明經濟增速放緩沖擊對制造業各細分行業產生影響的渠道機制，本文參考Bernanke等(2005)[21]、Selover和Yagihashi(2015)[23]的指標選取方法，選擇了與制造業密切相關的其它工業行業的銷售利潤率*受數據可得性限制，本文僅考慮石油和天然氣開采業，電力、熱力的生產和供應業，煤炭開采和洗選業，黑色金屬礦采選業，有色金屬礦采選業等5個與制造業密切相關的其它工業行業的銷售利潤率。、居民消費價格指數(CPI)、利率、匯率、貨幣供應、固定資產投資、景氣指數等7類共25個變量(具體見附錄2)。整個Xt共包含50個變量，其中各行業銷售利潤率和CPI為慢變量，其它變量均為快變量*考慮到制造業各細分行業對于經濟增速放緩沖擊的反應是有滯后性的，因此將其歸于慢變量，同時慢變量和快變量的劃分主要參考了Bernanke等(2005)[21]、Selover和Yagihashi(2015)[23]研究中的劃分標準。。所有數據均為季度數據，針對部分指標只有月度數據的情況，文中取當季相應月份的平均值作為季度數據。樣本期為1999年第一季度至2015年第三季度，數據均來自于《中國統計年鑒》(2000-2015)和萬德數據庫。同時，文章對含有季節變動的數據均進行了季節調整，對所有變量進行了單位根檢驗，對于不平穩的數據，則通過水平差分或對數差分的方法使之達到平穩。整個計算過程采用Matlab R2012b軟件完成。最后需要說明的是，考慮到數據可得性及統計原因，本文主要分析規模以上工業企業的銷售利潤率情況。

三 實證分析

要對FAVAR模型進行估計，首先要確定K，即共同因子個數，按照BBE推薦的方法，通過不斷增加共同因子的個數來估計結果，觀察脈沖響應圖的差別，進而判斷應該加入模型的共同因子個數，結果顯示當K>3時脈沖響應圖的軌跡已趨穩定，因此K=3最為合適。同時，根據貝葉斯信息準則(BIC)確定模型的最優滯后階數為3。此時，FAVAR模型滿足穩定性條件，殘差不存在自相關和異方差。

下面將通過脈沖響應圖來分析系統受到經濟增速放緩沖擊時，隨機擾動項的一個標準差沖擊對制造業各行業銷售利潤率當前和未來取值的動態影響軌跡。通過逐步添加CPI、利率、匯率、貨幣供應、固定資產投資、景氣指數等指標，可以看到經濟增速放緩沖擊主要通過利率、貨幣供應和匯率等貨幣政策傳導渠道來影響制造業各細分行業盈利能力*當在模型中添加利率、貨幣供應和匯率指標時，制造業各細分行業脈沖響應圖置信區間縮小，圖像變化統計上顯著。。一方面，政府根據宏觀經濟波動情況適時采取相應的貨幣政策工具，通過貨幣供應、利率等調節機制對各行業的貸款量及融資成本產生影響，進而對產業結構產生影響。另一方面，國內經濟增長的壓力和全球經濟失衡下來自其他國家的經濟壓力，加大了人民幣匯率的波動幅度，從而對國內制造業各行業，尤其是外向型行業產生了巨大影響。本文利用2007-2015年各行業出口交貨值與主營業務收入比值的平均值來衡量各行業的類型，將比值接近或超過20%的行業看作外向型行業*各外向型行業及其比值分別為：紡織服裝、服飾業30.79%，皮革、毛皮、羽毛及其制品和制鞋業30.85%，家具制造業29.13%，鐵路、船舶、航空航天和其他運輸設備制造業16%，電氣機械及器材制造業18.80%，計算機、通信和其他電子設備制造業61.31%，儀器儀表制造業30.51%。，其余的為內向型行業，可以看到不同行業面對經濟增速放緩沖擊時的反應是不同的。

這里對沖擊進行了標準化處理，將經濟增速放緩沖擊標準化為GDP季度同比增速下降0.1%除以其標準差。同時，本文采用生產要素密集度分類方法(王云平，2004)[24]，將25個制造業細分行業歸納為資本密集型行業、勞動力密集型行業和技術密集型行業，旨在更清晰地對各行業面臨沖擊時的變動趨勢進行描述。

(一)資本密集型行業

資本密集型行業包括煙草制品業，有色金屬冶煉及壓延加工業，石油加工、煉焦及核燃料加工業，化學纖維制造業，非金屬礦物制品業，黑色金屬冶煉及壓延加工業等6個行業。由圖1可以看出，面對本期GDP一個標準化的負向沖擊，煙草制品業在第1期表現為正響應(統計上顯著)，之后持續下降至第6期達到最低點后呈緩慢上升趨勢，并逐步趨近于0。有色金屬冶煉及壓延加工業，石油加工、煉焦及核燃料加工業，化學纖維制造業這3個行業的銷售利潤率在第1期表現出了明顯的負響應(統計上顯著)，隨后均呈波動上升趨勢，其中有色金屬冶煉及壓延加工業在第7期之后逐步收斂于0；石油加工、煉焦及核燃料加工業和化學纖維制造業則分別于第3期和第4期穿越橫軸轉變為正響應。非金屬礦物制品業在第1期無響應，但之后則表現出了持續的負響應(統計上顯著)，在第4期負響應達到最大，之后則緩慢上升逐漸趨于0。黑色金屬冶煉及壓延加工業在第1期表現為負響應，之后在波動中逐步趨向于0。

可以看到，資本密集型行業在面對經濟增速放緩沖擊時大部分子行業均在第一時間給予響應，這可能是由于該沖擊主要是通過貨幣供應和利率等貨幣政策傳導渠道來影響各行業盈利能力，而資本密集型行業的生產要素以資本為主，因此在面對沖擊時反應比較敏感。同時，按照經濟合作與發展組織(OECD)及覃成林等(2016)[25]按照技術密集度對制造業的分類，資本密集型行業大部分屬于中低技術密集度制造業，顯示出較弱的抗風險能力，大部分子行業沒有在短期內從負響應狀態走出來轉變為正響應，表現出較差的增長潛力，而這可能對生產要素的流入產生阻礙。

圖1 資本密集型行業脈沖響應圖

注：脈沖響應圖中，中間的實線代表了各行業面對GDP一個標準化的負向沖擊后的脈沖響應，上下兩條虛線代表了90%的置信區間。

(二)勞動力密集型行業

勞動力密集型行業包括造紙及紙制品業，食品制造業，木材加工及木、竹、藤、棕、草制品業，農副食品加工業，皮革、毛皮、羽毛及其制品和制鞋業，酒、飲料和精制茶制造業，金屬制品業，紡織業，紡織服裝、服飾業，家具制造業等10個行業。由圖2可以看出，面對本期GDP一個標準化的負向沖擊，造紙及紙制品業表現出明顯的負響應(統計上顯著)，之后呈現波動上升的趨勢，并在第6期轉變為輕微的正響應。相反，食品制造業在第1期表現為正響應(統計上顯著)，隨后不斷下降并在第5期達到最低點后呈緩慢上升趨勢，逐步趨近于0。木材加工及木、竹、藤、棕、草制品業，農副食品加工業，皮革、毛皮、羽毛及其制品和制鞋業，酒、飲料和精制茶制造業等4個行業呈現出相似的變動趨勢，即第1期無響應(雖然酒、飲料和精制茶制造業在第1期表現出了明顯的正響應，但在統計上不顯著)，隨后均呈現出先迅速下降后緩慢上升的總趨勢，具體來說，這4個行業均在第4期達到負響應的最高點，隨后緩慢上升，最后逐漸收斂于0。針對金屬制品業，紡織業，紡織服裝、服飾業，家具制造業，雖然其表現在統計上不顯著，但卻清晰地描繪出變動趨勢，其中金屬制品業，紡織業，紡織服裝、服飾業變動趨勢較一致，均呈現出先快速下降后緩慢上升，最終趨于0的動態變化，而家具制造業始終表現為正響應。

可以看到，勞動力密集型行業面對經濟增速放緩沖擊時反應沒有資本密集型行業敏感，雖然個別子行業在面對期初的負向沖擊時表現為正響應或負響應，但大部分子行業期初表現為零響應。在抗風險能力方面，由于勞動力密集型行業中的子行業幾乎都屬于低技術密集度制造業，其與資本密集型行業相似，抗風險表現也相對疲弱，大部分子行業在短期內沒有從負響應轉變為正響應，說明經濟增速放緩沖擊對其產生的負向影響較為持久，這也在一定程度上對生產要素的流入產生阻礙作用，但也有個別子行業表現較好，例如家具制造業。

圖2 勞動力密集型行業脈沖響應圖

注：脈沖響應圖中，中間的實線代表了各行業面對GDP一個標準化的負向沖擊后的脈沖響應，上下兩條虛線代表了90%的置信區間。

(三)技術密集型行業

技術密集型行業包括化學原料及化學制品制造業，專用設備制造業，通用設備制造業，計算機、通信和其他電子設備制造業，汽車制造業，鐵路、船舶、航空航天和其他運輸設備制造業，儀器儀表制造業，電氣機械及器材制造業，醫藥制造業等9個行業。由圖3可以看出，面對本期GDP一個標準化的負向沖擊，化學原料及化學制品制造業，專用設備制造業和通用設備制造業的銷售利潤率在期初迅速產生負響應，并且在10%的顯著性水平上顯著，之后3個行業變動趨勢基本一致，均在第3期達到負響應的最大值，隨后趨勢上揚，分別在第7期和第8期表現為正響應。計算機、通信和其他電子設備制造業，汽車制造業，鐵路、船舶、航空航天和其他運輸設備制造業在第1期均表現出明顯的負響應，隨后即呈現出持續上升趨勢，分別在第3期和第4期穿越橫軸轉變為正響應。儀器儀表制造業和電氣機械及器材制造業在第1期基本表現為零響應，盡管其表現在統計上不顯著，但清晰呈現了變動趨勢，均在第3期達到負響應的最高點，隨后由下降趨勢轉變為上升趨勢，最終分別于第6期和第4期轉變為正響應。醫藥制造業在第1期逆勢表現出正響應，隨后經過微小的波動逐漸收斂于0。

圖3 技術密集型行業脈沖響應圖

注：脈沖響應圖中，中間的實線代表了各行業面對GDP一個標準化的負向沖擊后的脈沖響應，上下兩條虛線代表了90%的置信區間。

可以看到，醫藥制造業受負面影響最小，化學原料及化學制品制造業，專用設備制造業，通用設備制造業和儀器儀表制造業的銷售利潤率雖經過短暫下降后即轉為上升趨勢，但從負響應轉變為正響應歷時較長，其他子行業的銷售利潤率雖有波動但均于第3期或第4期迅速轉變為正響應，表現為銷售利潤率上升。由于技術密集型行業對資本也存在一定程度的依賴性，因此該類行業對經濟增速放緩沖擊的反應較為敏感，但由于該類行業中子行業均屬于中高技術密集度和高技術密集度制造業，因此其技術優勢可以在一定程度上有效抵御風險，表現出良好的盈利能力和抗風險能力，有利于各生產要素向該行業流入。

(四)機制分析

上文通過脈沖響應圖分析了經濟增速放緩沖擊對制造業各細分行業銷售利潤率的動態影響，從利潤角度考察各行業應對風險的能力，從而表明其產業結構變遷的方向。由于市場機制的調節以利益為核心，資本具有逐利性，因此在高利潤的刺激下，資源會從利潤率低的過剩部門轉移到利潤率高的短缺部門。即各行業利潤率的非均衡會導致投資結構的非均衡，利潤率高的行業得到較多投資，利潤率低的行業得到較少投資，這種非均衡的投資結構則會改變原有的產業結構(楊文進，2012)[26]。

結合本文對制造業各細分行業銷售利潤率的分析可知，經濟增速放緩沖擊主要是通過貨幣供應和利率等貨幣政策傳導渠道來影響各行業盈利能力，因此資本密集型行業反應最為敏感，其次為技術密集型行業和勞動力密集型行業。同時，由于高技術和中高技術密集度制造業都集中在技術密集型行業，其中大部分子行業的銷售利潤率在經歷了短期的負響應后迅速轉變為正響應，體現出了較強的抗風險能力和盈利能力，有利于資本、勞動力等生產要素和資源向這些行業配置，體現了市場機制作用主導下我國制造業結構調整的方向，同時也符合“中國制造2025”的發展要求*2015年5月，國務院印發了《中國制造2025》(國發〔2015〕28號)文件，為我國重點發展高端制造業提供了行動綱領，旨在促進中國制造業向中高端發展，加快從制造業大國轉變為制造業強國的進程。文件強調堅持“市場主導、政府引導，立足當前、著眼長遠，整體推進、重點突破，自主發展、開放合作”的基本原則。。以中低技術密集度制造業為主的資本密集型行業不僅對經濟增速放緩沖擊反應最為敏感，而且大部分子行業在“低谷”之后未能短期內擺脫困境，相比之下，以低技術密集度制造業為主的勞動力密集型行業期初反應雖不如資本密集型行業敏感，但之后的趨勢較為相似，表現出較弱的抗風險能力和較差的盈利能力，這將阻礙各類生產要素和資源向這些行業配置。由此可見，各行業在自由競爭的市場中通過不同盈利能力引導各類生產要素和資源的配置，從而推動產業結構調整，這是通過市場選擇和優勝劣汰的方式來實現的產業結構優化調整，充分體現了市場機制對制造業結構調整的影響。

另外需要說明的是，相比較于內向型行業，經濟增速放緩沖擊通過匯率渠道對外向型行業的影響較大，當將匯率指數指標從系統中刪除后，紡織服裝、服飾業，皮革、毛皮、羽毛及其制品和制鞋業，計算機、通信和其他電子設備制造業，儀器儀表制造業，鐵路、船舶、航空航天和其他運輸設備制造業和電氣機械及器材制造業等外向型行業均表現出了整體變動放緩的趨勢，期初基本無響應或響應程度變小，可見外向型行業對于經濟增速放緩沖擊的反應相較于內向型行業更加敏感。

四 結論與討論

(一)結論

本文運用FAVAR模型深入探討了經濟增速放緩沖擊對我國制造業25個子行業銷售利潤率的影響，從動態角度分析了制造業內部各行業受到的影響，認為不同要素密集度行業對于沖擊的反應是不同的，并在此基礎上討論了制造業結構變遷的趨勢和方向，研究結論歸納如下：

第一，面對經濟增速放緩沖擊時，資本密集型行業表現最為敏感，大部分子行業均在當期給予不同程度的響應，而勞動力密集型行業反應則不如資本密集型行業敏感，雖然個別子行業在面對期初沖擊時表現為正響應或負響應，但大部分子行業期初表現為零響應。同時，二者在后期的表現又具有一定相似性，即大部分子行業的銷售利潤率沒有在短期內從負響應的狀態走出來，這說明了以中低技術和低技術密集度制造業為主的這兩類行業，其盈利能力和抗風險能力表現相對疲弱，也就抑制生產要素和資源向其流入。

第二，以高技術和中高技術密集度制造業為主的技術密集型行業在面對經濟增速放緩沖擊時整體表現出較強的抗風險能力和盈利能力，體現了制造業結構調整的方向，也符合“中國制造2025”的發展要求。經過前期波動，大部分子行業的銷售利潤率在較短時間內轉變為正響應，表現為利潤率的上升，但化學原料及化學制品制造業，專用設備制造業，通用設備制造業和儀器儀表制造業的銷售利潤率從負響應轉變為正響應歷時較長。這說明，一方面技術密集型行業的良好盈利表現會吸引各類生產要素和資源進入該行業，促進我國產業結構的優化和調整；另一方面個別子行業的相對弱勢表現也表明我國技術密集型行業內部仍存在某些不利于利潤率增長的問題，這可能影響我國制造業結構調整進程。

(二)相關討論與政策建議

面對經濟增速放緩沖擊時，不同要素密集度行業表現出的不同盈利能力必然會影響資本的投資方向，從而改變各行業的投資結構，最終影響整個制造業的產業結構調整方向。但單純依賴市場的力量進行調節不僅速度緩慢而且有可能出現外部不經濟等市場失靈現象。盡管從整體來看，技術密集型行業由于其自身較強的技術優勢，抗風險能力較強，在面對經濟放緩沖擊時的盈利表現相對較好，而資本密集型行業和勞動力密集型行業的盈利表現相對疲弱，但不容忽視的是，技術密集型行業內部的專用設備制造業、儀器儀表制造業和通用設備制造業盈利表現并不佳，而資本密集型和勞動力密集型行業內的化學纖維制造業，石油加工、煉焦及核燃料加工業和家具制造業盈利表現相對較好。這說明盈利能力是判斷某個行業發展趨勢的重要指標之一，可以作為調整制造業結構和引導制造業轉型升級的重要依據，但并不是唯一指標。為此，需在充分利用市場選擇的利潤法則的同時，重視政府的輔助功能和宏觀調控作用。

新常態條件下，我國經濟發展特點不僅表現為增長速度逐步放緩，同時也表現為經濟結構不斷優化升級，經濟增長動力逐漸從要素和投資驅動轉向創新驅動。相關產業政策啟示為：(1)通過不斷完善市場準入、產權和融資等各項制度安排，積極引導各類生產要素和資源向附加價值高、代表未來制造業發展方向的高技術和中高技術密集度制造業轉移，促進高新技術產業和戰略性新興產業發展。扎實推進“中國制造2025”戰略的實施，以國家頂層設計促進制造業和信息化的深度融合，將信息化、網絡化、智能化與工業生產相融合，提升制造業發展質量和效益，使代表轉型升級方向的高技術和中高技術密集度制造業真正成為經濟增長的新引擎。(2)堅持創新發展的首要地位，打造產業升級和經濟增長的新動力。經濟新常態下，以依賴廉價勞動力和高投資為特征的要素和投資驅動型增長方式已逐步走向衰弱，外部市場不確定性增強，以及國內人口紅利的消失與資源環境的約束壓力等迫使我國將經濟增長動力從要素和投資驅動轉向創新驅動。習近平總書記也多次肯定了創新在五大發展理念中的首要地位，將創新擺在國家發展全局的核心位置，認為創新是引領發展的第一動力。為此，應加快產學研創新體系的重建和完善，堅持以企業為創新主體，政府發揮引導和扶持的輔助功能，幫助企業打通資金鏈、創新鏈及產業鏈之間的各種障礙，加速構建更有效率的技術創新體系，同時根據產業轉型升級需求做好相關人才培養工作，為其提供智力保障(劉英基等，2015)[27]。(3)注重對發展潛力好的中低技術和低技術密集度制造業的改造工作，充分認識到傳統制造業能否順利轉型升級的關鍵在于技術和技能的升級(洪聯英等，2016)[28]，利用高新技術、新一代信息技術和互聯網技術等重新裝備傳統制造業行業，重塑生產體系，優化生產流程，促進其改造升級，煥發新的活力，同時針對其中的落后產能做好退出機制和善后事宜。

可以看到，經濟增速放緩新常態下，我國制造業結構調整重在發展高技術及中高技術密集度制造業，同時應重視中低技術和低技術密集度制造業中相關技術和技能的升級，使仍具有增長潛力的行業進入新發展軌道，真正構建起抗風險能力強、富有競爭力的制造業體系。最后需要說明的是，雖然本文考察的是全國范圍內的制造業，但該方法同樣適用于考察各區域的制造業情況，這也為下一步的研究打下基礎，同時受數據可得性限制，本文討論的對象為規模以上工業企業銷售利潤率，忽視了沖擊對中小企業的影響，因此對制造業各行業的認識存在一定局限性。

[1] 姚枝仲. 什么是真正的中等收入陷阱[J]. 國際經濟評論, 2014, (6): 75-88.

[2] 彭向升. “新常態”下的中國宏觀經濟——學習習近平同志關于中國經濟“新常態”的重要論述[J]. 現代經濟探討, 2015, (4): 10-14.

[3] 林毅夫. 新常態下的中國經濟發展態勢和需要克服的幾個誤區[J]. 河南社會科學, 2015, 23(5): 1-3.

[4] 李曉超. 當前經濟發展面臨的新形勢和新任務[J]. 統計研究, 2015, 32(11): 12-17.

[5] 韓永輝, 黃亮雄, 鄒建華. 中國經濟結構性減速時代的來臨[J]. 統計研究, 2016, 33(5): 23-33.

[6] 魏杰, 汪浩. 結構紅利和改革紅利: 當前中國經濟增長潛力探究[J]. 社會科學研究, 2016, (1): 28-33.

[7] 隋學深, 奚冬梅. 經濟下行壓力加大對商業銀行的影響及審計關注的重點[J]. 財政研究, 2013, (4): 47-50.

[8] 孫東升, 陳昊, 徐素萍. 經濟下行壓力下地方政府融資平臺違約率的估算[J]. 經濟與管理研究, 2015, 36(6): 97-103.

[9] 陳道富. 我國融資難融資貴的機制根源探究與應對[J]. 金融研究, 2015, (2): 45-52.

[10] 方昕. 警惕通縮風險, 完善宏觀調控[J]. 金融研究, 2016, (2): 121-127.

[11] 蘇振東, 劉淼, 趙文濤. 微觀金融健康可以提高企業的生存率嗎？——“新常態”背景下經濟持續健康發展的微觀視角解讀[J]. 數量經濟技術經濟研究, 2016, (4): 3-20.

[12] 中國經濟實驗研究院城市生活質量研究中心. 經濟承壓, 生活質量滿意度穩中有升——2015年中國35個城市生活質量報告[J]. 經濟學動態, 2015, (9): 13-32.

[13] B?urle, G., Steiner, E.. How Do Individual Sectors Respond to Macroeconomic Shocks? A Structural Dynamic Factor Approach Applied to Swiss Data[J].SwissJournalofEconomicsandStatistics(SJES), 2015, (151): 167-225.

[14] 黃群慧. “新常態”、 工業化后期與工業增長新動力[J]. 中國工業經濟, 2014, (10): 5-19.

[15] 任澤平. 中國產業結構變動的新趨勢和新特點[J]. 學習與探索, 2014, (5): 96-99.

[16] 郭克莎, 汪紅駒. 經濟新常態下宏觀調控的若干重大轉變[J]. 中國工業經濟, 2015, (11): 5-15.

[17] 張瑩. 金融發展、 經濟增長與產業升級動態交互影響研究——基于甘肅省市級數據的面板VAR分析[J]. 西華大學學報(哲學社會科學版), 2013, 32(6): 98-104.

[18] 蘇建軍, 徐璋勇. 金融發展、 產業結構升級與經濟增長——理論與經驗研究[J]. 工業技術經濟, 2014, (2): 139-149.

[19] Stock, J. H., Watson, M. W..ForecastingwithManyPredictors[M]. Handbook of Economic Forecasting, Chapter 10, Volume 1, 2006: 515-554.

[20] Ahmadi, P. A., Uhlig, H.. Measuring the Dynamic Effects of Monetary Policy Shocks: A Bayesian Favar Approach with Sign Restriction[C]. Meeting Papers 1060, 2012, Society for Economic Dynamics.

[21] Bernanke, B. S., Boivin, J., Eliasz, P.. Measuring the Effects of Monetary Policy: A Factor-augmented Vector Autoregressive (FAVAR) Approach[J].TheQuarterlyJournalofEconomics, 2005, 120(1): 387-422.

[22] Sims, Christopher. Interpreting the Macroeconomic Time Series Facts: The Effects of Monetary Policy[J].EuropeanEconomicReview, 1992, 36(5): 975-1000.

[23] Selover, D. D., Yagihashi, T.. Examining Industrial Interdependence Between Japan and South Korea: A FAVAR Approach[J].JapanandtheWorldEconomy, 2015, 36: 67-87.

[24] 王云平. 工業結構升級的制度分析[M]. 北京: 經濟管理出版社, 2004.

[25] 覃成林, 種照輝, 任建輝. 制造業集聚的異質性及影響因素——基于就業洛倫茲曲線及其分解的分析[J]. 產經評論, 2016, 7(2): 5-16.

[26] 楊文進. 產業結構調整與宏觀經濟運行穩定性關系研究[J]. 經濟縱橫, 2012, (9): 24-31.

[27] 劉英基, 杜傳忠, 劉忠京. 走向新常態的新興經濟體產業轉型升級路徑分析[J]. 經濟體制改革, 2015, (1): 117-121.

[28] 洪聯英, 韓峰, 唐寅. 中國制造業為何難以突破技術技能升級陷阱？——一個國際生產組織安排視角的分析[J]. 數量經濟技術經濟研究, 2016, (3): 23-40.

[責任編輯：伍業鋒]

[DOI]10.14007/j.cnki.cjpl.2017.02.006

[引用方式]張華. 新常態下經濟增速放緩對制造業盈利能力影響——基于FAVAR模型的實證[J]. 產經評論, 2017, 8(2): 66-78.

附錄1

本文討論的25個制造業行業

附錄2

The Impact of China’s Slowdown on Manufacturing Sectors’ Profitability in the New Normal Era ——Based on FAVAR Model

ZHANG Hua

As China’s economy enters into the new normal era, the growth of macro economy is slowing. And this phenomenon impacts the 25 sectors of manufacturing to a different extent at different time. This paper evaluates the dynamic impact of the macroeconomic slowdown on profit margin of 25 sectors of manufacturing in the new normal era, using the factor-augmented vector autoregression (FAVAR) model. Further, the direction of the change of manufacturing structure is discussed. The results show that the impact of the economic slowdown has been mainly through monetary policy transmission channels to influence the profitability of manufacturing sectors. And the sectors with varying factor intensity respond differently to the economic slowdown. Specifically, capital-intensive industries are the most sensitive, followed by technology-intensive industries and labor-intensive industries. In addition, the economic growth pressure has increased the volatility of the exchange rate, which has had a significant impact on the export-oriented industries. The capital-intensive industries and labor-intensive industries which mainly include most sectors of the middle low technology-intensive manufacturing and low technology-intensive manufacturing show weaker anti-risk ability and profitability. However, the technology-intensive industries which mainly include most sectors of the high technology-intensive manufacturing and middle high technology-intensive manufacturing show stronger anti-risk ability and profitability. This will affect the distribution of various production factors and resources between industries. It shows that manufacturing sectors will gradually move toward to the sectors with stronger anti-risk ability and profitability under the laws of profit in the market. The Chinese government should not only follow the direction of structure change, but also actively play auxiliary function to speed up the process of manufacturing structure adjustment according to the requirements of “China manufacturing 2025”.

economic growth slowdown; manufacturing sectors; FAVAR Model; structure change

Xt所包含的變量(除去25個制造業行業銷售利潤率)

10.14007/j.cnki.cjpl.2017.02.005

2017-01-01

國家自然科學基金面上項目“我國碳減排的區域經濟效應及機制研究”(編號：71173092，主持人：陳安平)；本文獲得暨南大學經緯粵港澳經濟研究中心、廣東產業發展與粵港澳臺區域合作研究中心的資助。

張華，暨南大學博士研究生，研究方向為區域產業發展。

F062.9; F121.3

A

1674-8298(2017)02-0066-13

[引用方式]楊英, 王晶. 小空間尺度區域視角的澳門世界旅游休閑中心發展研究[J]. 產經評論, 2017, 8(2): 57-65.