基于加权影响力系数模型的区域产业结构分析——以新疆为例

摘要/Abstract

摘要： 传统的产业结构分析一般将影响力因子作为优势产业选择的积极因素。但在实际中，对于处于衰退阶段的产业，较大的影响力往往意味着对区域经济发展的巨大阻滞作用。利用部门增加值进行加权的加权影响力系数的概念和方法，并结合产业增长率提出了对各产业部门发展状况进行分析的象限分析模型。运用所提出的模型，利用新疆42部门投入产出表对新疆产业发展现状进行了实证分析。结果表明：新疆石油天然气开采、化学工业等5个产业部门为强影响力-高增长速度部门，对国民经济拉动动作用明显；农林牧渔、建筑等4个产业部门为强影响力-低增长速度部门，对国民经济增长有较大的阻滞作用，有可能带来一系列的经济社会问题；仪器仪表及文化用品制造、通信设备与计算机制造等12个产业部门为低影响力-高增长速度部门，具有培育成为主导产业的潜力。

关键词: 加权影响力系数, 投入产出表, 产业结构, 新疆

Abstract: Traditional industrial structure analysis usually regards influence coefficient as a positive factor in choice of leading industry. However for industrial sectors in a recession，higher influence coefficient often means severe obstruction to the development of regional economy and awkward social problem. Moreover influence coefficient could not measure practical impact of a certain industry accurately due to the neglecting of scale of industry. Thus the factor of influence coefficient should be treated cautiously. New method is discussed to weight influence coefficient by proportion of added value of industrial sector in regional economy by which actual influence of industry on total economy could be measured more accurately. Base on it a modeling is introduced to analyze each sector of regional industry combined by both weighed influence coefficients and speed of development with the method of quadrants. Thus the modeling could measure the impact of both influence and development rate of industries. A case study of Xinjiang Autonomous Uygur Region is taken using 42 sector input-output table of Xinjiang. Results show that 5 industrial sectors including Extraction of Petroleum and Natural Gas and Raw Chemical Material and Chemical Products are high influence-high growth industries. These sectors have stronger driving effects to regional economy. 4 industrial sectors including agriculture and construction are high influence-low growth industries．These sectors have severe obstruction to regional economy and likely to cause series of social-economic problems. 12 industrial sectors including Manufacture of Telecom Equipment，Computer and Other Electronic Equipment are low influence-high growth industries. These industries are expected to become new leading industries. The new modeling of industrial analysis overcomes disadvantages of traditional methods of influence coefficients. The application in industrial instruction of Xinjiang gives conceive conclusions and valuable advises. It proves the modeling is effective and operable. Industrial construction is a complex system. The evaluation to industrial construction refers not only added values but also benefit per unit of output，labor payment，employment rate and so on. Advanced studies should be done to improve the modeling and therefore to measure efficient of industrial construction accurately．

Key words: weighted influence coefficient, input-output table, industrial structure, Xinjiang

中图分类号:

F269.24

张文彪，杨德刚，刘云同，张新焕. 基于加权影响力系数模型的区域产业结构分析——以新疆为例[J]. 干旱区地理, 2013, 36(2): 346-353.

ZHANG Wen-biao，YANG De-gang，LIU Yun-tong，ZHANG Xin-huan. Regional industrial structure analysis based on weighted influence coefficient model：A case of Xinjiang Uygur Autonomous Region of China[J]. , 2013, 36(2): 346-353.

参考文献

1.龚仰军. 产业结构研究［M］. 上海：上海财经大学出版社，2002.

2.王宏. 辽宁老工业基地产业结构演进分析与优化对策［J］. 社会科学辑刊，2005，（1）：92-96.

3.LEONTIEF，WASSILY，FORD D N. Air pollution and the economic structure：empirical results of input-output computations，in Leontief，Wassily，Input-Output Economics（Second Edition）［C］. Oxford：Oxford University Press，1972.

4.AVISO K B，TAN R R，CULABA A B，et al. Fuzzy input-output model for optimizing eco-industrial supply chains under water footprint constraints［J］. Journal of Cleaner Production，2011，19（2-3）：187-196.

5.MATTHIAS B，MIRKO T，ALEXANDER K. Identifying industrial clusters from a multidimensional perspective：Methodical aspects with an application to Germany［J］. Papers in Regional Science，2011，90，（2）：419-499，194.

6.MUKHOPADHYAY K，THOMASSIN P J. MACROECONOMIC effects of the ethanol biofuel sector in Canada ［J］. Biomass & Bioenergy，2011，35（7）：2822-2838.

7.BOGATAJ M，GRUBBSTROM R W，BOGATAJ L. Efficient location of industrial activity cells in a global supply chain［J］. International Journal of Production Economics，2011，133（1）：243-250.

8.中国投入产出学会课题组. 我国目前产业关联度分析——2002年投入产出表系列报告之一［J］. 统计研究，2006，（11）：3-8.

9.中国投入产出学会课题组. 从2002年表看我国的经济状况——2002年投入产出表系列报告之二［J］. 统计研究，2006，（12）：3-8.

10.中国投入产出学会课题组. 1997-2002年中国经济结构变化趋势分析——2002年投入产出表系列报告之三［J］. 统计研究，2007，24（1）：86-92.

11.中国投入产出学会课题组. 最终需求对国民经济及其各部门的诱分析——2002年投入产出表系列报告之四［J］. 统计研究，2007，24（2）：9-13．

12.中国投入产出学会课题组. 国民经济各部门水资源消耗及用水系数的投入产出分析——2002年投入产出表系列报告之五［J］. 统计研究，2007，24（3）：20-25.

13.中国投入产出学会课题组. 我国能源部门产业关联分析——2002年投入产出表系列报告之六［J］. 统计研究，2007，24（5）：3-6.

14.刘起运. 关于投入产出系数结构分析方法的研究［J］. 统计研究，2002，（2）：40-42．

15.刘卫东，刘红光，唐志鹏，等. 出口对中国区域经济增长和产业结构转型的影响分析［J］. 地理学报，2010 65（4）：407-415.

16.王德利，方创琳，高璇. 基于投入产出的中日美产业关联结构演进比较［J］. 地理科学进展，2010，29（5）：609-618.

17.张上峰，许冰. 初次分配中劳动报酬比重测算方法研究［J］. 统计研究，2010，27（8）：74-78.

18.邓群，夏军，杨军，等. 水资源经济政策CGE模型及在北京市的应用［J］. 地理科学进展，2008，27（3）：141-151.

19.罗黎平. 民航运输业对区域产业影响的定量分析——以湖南省为例［J］. 经济地理，2011，31（8）：1326-1331.

20.王丽，石培基. 甘肃省旅游产业关联及产业波及分析［J］. 地理与地理信息科学，2007，23（1）：68-72.

21.李延，杨永春. 集群结构与集群中企业间关联研究——以兰州市石化产业集群为例［J］. 干旱区地理，2010，33（3）：467-472.

22.胡丹，宋玉婧，申玉铭，等. 北京市生产性服务业的增长及其空间结构［J］. 地理科学进展2009，28（2）：264-270.

23.夏炎，杨翠红，陈锡康. 中国能源强度变化原因及投入结构的作用［J］. 北京大学学报（自然科学版），2010，46（3）：442-448.

24.刘红光，刘卫东，唐志鹏. 中国产业能源消费碳排放结构及其减排敏感性分析［J］. 地理科学进展，2010，29（6）：670-676.

25.方创琳，关兴良. 中国城市群投入产出效率的综合测度与空间分异［J］. 地理学报，2011，66（8）：1011-1022.

26.张卓颖，石敏俊. 中国省区间产业内贸易与产业结构同构分析［J］. 地理学报，2011，66（6）：732-740.

27.张晓平，孙磊. 京津都市区制造业劳动生产率变化的分解分析［J］. 经济地理，2010，30（8）：1333-1338.

28.唐根年，沈沁，管志伟. 中国东南沿海产业空间集聚适度与生产要素优化配置研究［J］. 地理科学，2010，30（2）：168-174.

29.杨恒. 河北省产业结构及其调整研究［D］. 保定:河北大学，2010．

30.熊友云，张明军，刘园园，等. 1978-2006年甘肃产业结构演进分析［J］. 干旱区地理，2010，33（2）：285-292.

31.韩斌. 基于区域间投入产出分析的成渝经济区产业关联研究［D］. 成都：西南交通大学，2009.

32.赵松霞. 江西省产业结构的投入产出分析［D］. 南昌：江西师范大学，2009.

33.JONES P L. The measurement of hirschmannian linkage［C］. Input-output Analysis，Volume Ⅲ，1998.

34.叶安宁，张敏. 加权关联度系数的经济含义及其应用［J］. 统计与决策，2006，（9），19-20.

35.王国刚，杨德刚，乔旭宁，等. 基于偏离份额法的新疆工业结构与竞争力研究［J］. 干旱区地理，2010，33（5）：817-824.

[1]	夏文浩, 王铭扬, 姜磊. 新疆农业碳排放强度时空变化趋势与收敛分析[J]. 干旱区地理, 2023, 46(7): 1145-1154.
[2]	姚岚博, 冶建明, 王芸, 朱现伟. 干旱区人居环境系统耦合协调的时空演变及作用机制研究——以新疆为例[J]. 干旱区地理, 2023, 46(6): 1013-1023.
[3]	杨锐, 李建勇, 王宁练, 陈小俊, 杜建峰, 刘剑波, 韩岳婷. 西天山温泉地区全新世沉积物元素地球化学记录及其古环境意义[J]. 干旱区地理, 2023, 46(6): 900-910.
[4]	张烈琴, 陆亦农, 龙震, 李庆雷, 王涛. 新疆文化旅游空间分布格局[J]. 干旱区地理, 2023, 46(5): 823-833.
[5]	闫新杰, 孙慧, 辛龙. 新疆资源型企业的空间分布与区位选择[J]. 干旱区地理, 2023, 46(4): 678-687.
[6]	张宁,汪子晨,杨肖,陈彤,邢飞. 新疆水资源与农业种植系统耦合协调及时空差异研究——以粮食和棉花种植系统为例[J]. 干旱区地理, 2023, 46(3): 349-359.
[7]	马丽娜, 张飞云, 翟玉鑫, 滕伦, 康建国. 1980—2020年新疆土地利用变化下生态系统服务价值时空演变分析[J]. 干旱区地理, 2023, 46(2): 253-263.
[8]	余其鹰, 胡彩虹, 白云岗, 卢震林, 曹彪, 刘富余, 刘成帅. 新疆洪水预报预警中融雪径流模型应用进展[J]. 干旱区地理, 2023, 46(12): 1951-1962.
[9]	王志强, 姜文桓, 卢诗月. 基于生态网络分析的新疆“水-能-碳”耦合系统特征研究[J]. 干旱区地理, 2023, 46(12): 2005-2016.
[10]	孙宇, 刘维忠, 盛洋. 基于PSR模型的新疆水资源经济生态韧性时空差异及影响因素分析[J]. 干旱区地理, 2023, 46(12): 2017-2028.
[11]	马文江, 白妙琴, 阿迪力·艾合买提, 张德平, 杨忠娜. “双碳”目标下新疆粮食绿色全要素生产率的时空分异及驱动因素分析[J]. 干旱区地理, 2023, 46(12): 2029-2041.
[12]	陈超超, 马丁丑, 陈强强. 湟水流域西宁段产业结构升级与生态效率提升的耦合路径识别[J]. 干旱区地理, 2023, 46(12): 2042-2051.
[13]	白洋, 吴剑, 窦开龙, 路雯, 谭李娜, 哈丽旦·巴克. 兵地旅游经济网络结构及共生发展研究[J]. 干旱区地理, 2023, 46(12): 2086-2097.
[14]	蒋磊, 刘小龙, 郭帅, 何亮, 邢建磊, 郭俊杰. 基于Logistic回归分析的土壤盐渍化易发性评价——以新疆南疆塔里木灌区为例[J]. 干旱区地理, 2023, 46(11): 1858-1867.
[15]	姜萍, 胡列群, 许婷婷. 近60 a新疆大气水分亏缺的时空变化特征[J]. 干旱区地理, 2023, 46(1): 1-10.