劉貽玲，鄭明貴

（1.贛南科技學(xué)院 贛州市智慧金融重點(diǎn)實(shí)驗(yàn)室，江西 贛州 341000；2.江西理工大學(xué) 礦業(yè)發(fā)展研究中心，江西 贛州 341000；3.中國(guó)科學(xué)技術(shù)大學(xué) 管理學(xué)院，安徽 合肥 230026）

0 引言

作為重要的戰(zhàn)略性和基礎(chǔ)性原材料產(chǎn)業(yè)，有色金屬產(chǎn)業(yè)與我國(guó)國(guó)民經(jīng)濟(jì)建設(shè)息息相關(guān)。然而，當(dāng)前我國(guó)有色金屬產(chǎn)業(yè)面臨著發(fā)展瓶頸和各項(xiàng)挑戰(zhàn)，產(chǎn)業(yè)結(jié)構(gòu)不協(xié)調(diào)問(wèn)題較為突出，如產(chǎn)能過(guò)剩、結(jié)構(gòu)性供求失衡等。2015 年，我國(guó)提出要著力加強(qiáng)供給側(cè)結(jié)構(gòu)性改革（以下簡(jiǎn)稱“供給側(cè)改革”），強(qiáng)調(diào)供給端的改革與優(yōu)化，特別是對(duì)產(chǎn)品和服務(wù)的優(yōu)化升級(jí)。當(dāng)前，我國(guó)經(jīng)濟(jì)已由高速增長(zhǎng)轉(zhuǎn)向高質(zhì)量發(fā)展階段，迫切需要轉(zhuǎn)變發(fā)展方式，優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)，轉(zhuǎn)換增長(zhǎng)動(dòng)力，而產(chǎn)業(yè)結(jié)構(gòu)升級(jí)是優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)并實(shí)現(xiàn)高質(zhì)量發(fā)展的必要路徑。實(shí)現(xiàn)“碳中和”既要嚴(yán)格控制傳統(tǒng)高耗能、重化工行業(yè)新增產(chǎn)能，又要大力發(fā)展新型綠色低碳經(jīng)濟(jì)，推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整和升級(jí)。加入WTO后，我國(guó)有色金屬產(chǎn)業(yè)結(jié)構(gòu)升級(jí)效果如何？尤其是在供給側(cè)改革前后的升級(jí)效果如何？其影響因素又有哪些？這些值得深入探究。

關(guān)于產(chǎn)業(yè)結(jié)構(gòu)升級(jí)測(cè)算方法的研究：國(guó)外側(cè)重于升級(jí)速率，主要方法包括勞動(dòng)力產(chǎn)業(yè)轉(zhuǎn)移快慢法［1，2］和Moore 結(jié)構(gòu)變化值法［3］；國(guó)內(nèi)側(cè)重于升級(jí)方向和速率兩個(gè)方面，主要方法包括產(chǎn)業(yè)結(jié)構(gòu)超前系數(shù)法［4-7］和Moore結(jié)構(gòu)變化值法［3，8-11］。

關(guān)于產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的影響因素研究：國(guó)外研究側(cè)重于宏 觀 政 治［12］、勞 動(dòng) 轉(zhuǎn) 移［13］、國(guó) 際 貿(mào) 易［14］、技術(shù)創(chuàng)新［15，16］等因素，國(guó)內(nèi)研究則主要包括GDP［17，18］、技術(shù)創(chuàng)新［19，20］、金 融 結(jié) 構(gòu)［21，22］、勞 動(dòng) 力 水 平［23，24］、民間投資［25，26］和環(huán) 境 規(guī) 制［27，28］等 因 素，也 有 學(xué) 者 針 對(duì)行業(yè)［29，30］、省份［31，32］產(chǎn) 業(yè) 結(jié) 構(gòu) 升 級(jí) 的 影 響 因 素 進(jìn) 行分析。此外，有學(xué)者運(yùn)用QCA 方法研究發(fā)現(xiàn)多個(gè)因素如人力資本、科技創(chuàng)新水平等對(duì)產(chǎn)業(yè)升級(jí)具有綜合作用［33］。

關(guān)于有色金屬產(chǎn)業(yè)方面的研究：學(xué)者多聚焦于產(chǎn)業(yè)核心競(jìng)爭(zhēng)力提升路徑［34-36］、產(chǎn)業(yè)鏈［37，38］和綜合評(píng)價(jià)研究［39，40］，尤其是定性研究和綜合評(píng)價(jià)行業(yè)發(fā)展效率的成果較多，而產(chǎn)業(yè)結(jié)構(gòu)升級(jí)效果測(cè)度的文獻(xiàn)鮮有見到。有少量學(xué)者基于動(dòng)態(tài)偏離份額模型，選用就業(yè)人數(shù)分析產(chǎn)業(yè)結(jié)構(gòu)［41］，也有學(xué)者分析了環(huán)境規(guī)制對(duì)礦業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的影響［42］，這些都為本文研究提供了較好思路。

綜合以上文獻(xiàn)發(fā)現(xiàn)，現(xiàn)有研究存在以下問(wèn)題：一是大多數(shù)學(xué)者將研究視角聚焦于國(guó)家或地區(qū)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，關(guān)于礦產(chǎn)資源產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的定量研究沒(méi)有見到；二是已有研究尚未進(jìn)一步分析產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的方向、速率、程度等特征；三是以往研究無(wú)法體現(xiàn)內(nèi)部結(jié)構(gòu)的優(yōu)化程度，且研究方向多集中于運(yùn)用第二、三產(chǎn)業(yè)產(chǎn)值占比作為升級(jí)的衡量指標(biāo)；四是現(xiàn)有文獻(xiàn)多針對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的某一個(gè)因素展開分析，難以綜合考量產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的影響因素。

1 研究設(shè)計(jì)

1.1 研究方法

產(chǎn)業(yè)結(jié)構(gòu)超前系數(shù)法：本文運(yùn)用產(chǎn)業(yè)結(jié)構(gòu)超前系數(shù)法量化分析產(chǎn)業(yè)間的比重變化，以有效測(cè)度有色金屬產(chǎn)業(yè)結(jié)構(gòu)的升級(jí)方向［43］。計(jì)算公式為：

定義向量（產(chǎn)業(yè)份額）之間變化的總夾角為θ，θ越大，表明產(chǎn)業(yè)升級(jí)變化的速率也越大。

式中：K 為產(chǎn)業(yè)結(jié)構(gòu)升級(jí)年均變動(dòng)值；qi0為基期產(chǎn)業(yè)i 的主營(yíng)業(yè)務(wù)收入構(gòu)成比例；qit為報(bào)告期產(chǎn)業(yè)i 的主營(yíng)業(yè)務(wù)收入構(gòu)成比例；m 為產(chǎn)業(yè)數(shù)量；n 為測(cè)算期2002—2019 年。

1.2 影響因素模型

以有色金屬產(chǎn)業(yè)結(jié)構(gòu)升級(jí)高度值作為被解釋變量，考慮勞動(dòng)生產(chǎn)率這一思想測(cè)算產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的高度值［44］，利用該指標(biāo)衡量產(chǎn)業(yè)結(jié)構(gòu)升級(jí)程度。計(jì)算公式為：

式中：Vit為第t 年有色金屬采選業(yè)、冶煉及壓延加工業(yè)的主營(yíng)業(yè)務(wù)收入；Lit為第t 年有色金屬采選業(yè)、冶煉及壓延加工業(yè)的用工人數(shù)。

普通最小二乘法（OLS）在誤差估計(jì)、不確定度、系統(tǒng)辨識(shí)及預(yù)測(cè)、預(yù)報(bào)等數(shù)據(jù)處理眾多學(xué)科領(lǐng)域得到了廣泛應(yīng)用。其優(yōu)點(diǎn)是利用最小二乘法能簡(jiǎn)便地求得未知的數(shù)據(jù)，并使得這些求得的數(shù)據(jù)與實(shí)際數(shù)據(jù)之間誤差的平方和為最小；缺點(diǎn)是該法是線性估計(jì)，已經(jīng)默認(rèn)了是線性的關(guān)系，使用有一定局限性。本文通過(guò)最小二乘法設(shè)置實(shí)證模型為：

式中：HIUipt為i 產(chǎn)業(yè)p 省份t 時(shí)期產(chǎn)業(yè)升級(jí)高度值；RDipt為R＆D 內(nèi)部經(jīng)費(fèi)支出；NPAipt為技術(shù)產(chǎn)出效果；NECipt為能源投入；perGDPipt為人均GDP；FVipt為固定資產(chǎn)投資額；EPipt為從業(yè)人數(shù)；QYipt為區(qū)域虛擬變量。

1.3 變量選擇與說(shuō)明

被解釋變量：目前主要采用產(chǎn)業(yè)結(jié)構(gòu)超前系數(shù)、Moore結(jié)構(gòu)變化值、產(chǎn)業(yè)結(jié)構(gòu)變動(dòng)值和產(chǎn)業(yè)結(jié)構(gòu)升級(jí)高度值刻畫產(chǎn)業(yè)結(jié)構(gòu)升級(jí)情況，而產(chǎn)業(yè)結(jié)構(gòu)升級(jí)高度值能系統(tǒng)測(cè)度有色金屬采選業(yè)、冶煉及壓延加工業(yè)之間的相對(duì)結(jié)構(gòu)變化，全面客觀描述產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化程度［45］。本文運(yùn)用產(chǎn)業(yè)結(jié)構(gòu)升級(jí)高度值指標(biāo)進(jìn)行測(cè)度，將測(cè)度值作為被解釋變量值。

解釋變量：包括宏觀經(jīng)濟(jì)和行業(yè)因素。①宏觀經(jīng)濟(jì)因素通過(guò)人均GDP、能源消耗、研發(fā)投入、專利授權(quán)數(shù)等指標(biāo)來(lái)體現(xiàn)。人均GDP 反映經(jīng)濟(jì)發(fā)展水平對(duì)有色金屬產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的推動(dòng)作用［46］；有色金屬產(chǎn)業(yè)耗能較大，能源消耗情況可以較好地反映其升級(jí)程度［47］；地區(qū)研發(fā)投入越多，專利授權(quán)數(shù)越多，對(duì)當(dāng)?shù)赜猩饘佼a(chǎn)業(yè)結(jié)構(gòu)升級(jí)的外溢效應(yīng)則越明顯［48］。②行業(yè)因素包括固定資產(chǎn)投資額、從業(yè)人數(shù)等指標(biāo)。固定資產(chǎn)投資額越高，設(shè)備更新速率越快，對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)作用越大［45］；從業(yè)人數(shù)越高，生產(chǎn)智能化水平越低，往往不利于產(chǎn)業(yè)升級(jí)［49］。同時(shí)，控制了區(qū)域變量，東部= 1，東北= 2，中部= 3，西部=4。變量類型、符號(hào)及度量見表1。

表1 變量類型、符號(hào)及度量Table 1 Variable types，symbols，and measurements

1.4 數(shù)據(jù)來(lái)源

由于北京、天津、上海、西藏、寧夏、香港特別行政區(qū)、澳門特別行政區(qū)和臺(tái)灣地區(qū)統(tǒng)計(jì)數(shù)據(jù)不全，故本文選擇的研究樣本僅涵蓋我國(guó)26 個(gè)省份，研究時(shí)間為2002—2019 年，數(shù)據(jù)來(lái)源于2003—2020 年《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》和Wind數(shù)據(jù)庫(kù)。

2 結(jié)果及分析

2.1 有色金屬產(chǎn)業(yè)結(jié)構(gòu)升級(jí)效果測(cè)度

利用公式（1）—（4）測(cè)算出我國(guó)26 個(gè)省份有色金屬產(chǎn)業(yè)結(jié)構(gòu)升級(jí)方向和速率，結(jié)果如表2 所示。為動(dòng)態(tài)系統(tǒng)地研究有色金屬產(chǎn)業(yè)結(jié)構(gòu)升級(jí)效果測(cè)算問(wèn)題，分別對(duì)產(chǎn)業(yè)前后端升級(jí)效果進(jìn)行了測(cè)算分析。由表2 可知：①?gòu)纳?jí)方向來(lái)看，超過(guò)50%的省份的有色金屬采選業(yè)產(chǎn)業(yè)結(jié)構(gòu)超前系數(shù)小于1，而冶煉及壓延加工業(yè)僅占42.31%；冶煉及壓延加工業(yè)產(chǎn)業(yè)結(jié)構(gòu)超前系數(shù)值平均為1.03，高于采選業(yè)。表明有色金屬產(chǎn)業(yè)總體由低附加值向高附加值產(chǎn)業(yè)方向升級(jí)。②從升級(jí)速率來(lái)看，當(dāng)前有色金屬產(chǎn)業(yè)結(jié)構(gòu)升級(jí)速率較快的5 個(gè)省份依次為新疆、山東、陜西、廣西和海南，年均變動(dòng)率分別為0.30、0.23、0.23、0.20 和0.20?？傮w來(lái)看，我國(guó)有色金屬產(chǎn)業(yè)結(jié)構(gòu)升級(jí)方向和速率均呈現(xiàn)較好的趨勢(shì)。

表2 有色金屬礦業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)方向和速率測(cè)度結(jié)果Table 2 The upgrading direction and speed measurement results of the industrial structure of non- ferrous metal mining

2.2 影響因素

變量描述性統(tǒng)計(jì)：從表3 可見，產(chǎn)業(yè)升級(jí)效果的平均值為4.659，標(biāo)準(zhǔn)差為0.875，極大值和極小值之間的差異較大，整體離散程度較好。研發(fā)投入的平均值為4.374，極大值為7.531，極小值為0.344，專利授權(quán)數(shù)的平均值為9.046，極大值為12.635，極小值為4.575，說(shuō)明我國(guó)研發(fā)投入，專利授權(quán)數(shù)整體處于較高水平，但區(qū)域不平衡現(xiàn)象依然存在。本文在回歸前對(duì)所有的樣本數(shù)據(jù)進(jìn)行上下1%的縮尾處理，以消除樣本可能存在極端值所帶來(lái)的影響。其他控制變量的離散程度也均較好。樣本省份中約有26.92%的省份為東部地區(qū)，11.54%的省份為東北地區(qū)，23.08%的省份為中部地區(qū)，38.46%的省份為西部地區(qū)?？傮w來(lái)看，樣本具有較好的代表性。

表3 變量描述性統(tǒng)計(jì)Table 3 Descriptive statistics for variables

相關(guān)性分析：主要解釋變量的相關(guān)系數(shù)如表4所示。從表4 可見，相關(guān)系數(shù)整體偏?。环讲钆蛎浺蜃樱╒IF）均在［0，10］區(qū)間內(nèi)，表明各變量間不存在多重共線性，可以進(jìn)行多元回歸分析。

表4 相關(guān)性分析Table 4 Correlation analysis

F檢驗(yàn)和BP - LM 檢驗(yàn)結(jié)果表明，固定效應(yīng)模型要優(yōu)于混合效應(yīng)模型和隨機(jī)效應(yīng)模型，因此本文適合個(gè)體固定效應(yīng)模型。借助Stata15.1 軟件，對(duì)全樣本和不同地區(qū)樣本的影響因素進(jìn)行回歸分析，結(jié)果如表5 所示。

表5 中第（1）列是全樣本回歸，研發(fā)投入、專利授權(quán)數(shù)、固定資產(chǎn)投資在1%顯著水平下對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)具有正效應(yīng)，但從業(yè)人員負(fù)向影響了產(chǎn)業(yè)結(jié)構(gòu)升級(jí)；格蘭杰因果關(guān)系檢驗(yàn)表明人均GDP 與產(chǎn)業(yè)結(jié)構(gòu)升級(jí)互為因果關(guān)系；能源消耗對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)影響并不顯著。地區(qū)研發(fā)投入越大，專利授權(quán)數(shù)就越多；固定資產(chǎn)投入越大，對(duì)設(shè)備的更新就越快。這些均對(duì)有色金屬產(chǎn)業(yè)結(jié)構(gòu)升級(jí)起著推動(dòng)作用。從業(yè)人員越多，尤其低層次從業(yè)人員越多，越不利于產(chǎn)業(yè)結(jié)構(gòu)升級(jí)。表5 中第（2）—（5）列是分地區(qū)樣本回歸結(jié)果，結(jié)果表明研發(fā)投入、專利授權(quán)數(shù)對(duì)東部地區(qū)影響明顯，具有正效應(yīng)，但邊際效應(yīng)較小，而東北、西部和中部地區(qū)邊際效應(yīng)依次增加。東部地區(qū)經(jīng)濟(jì)發(fā)展較好，具有更好的經(jīng)濟(jì)實(shí)力，對(duì)研發(fā)投資創(chuàng)新奠定雄厚的經(jīng)濟(jì)基礎(chǔ)，進(jìn)而對(duì)該地區(qū)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)效應(yīng)更明顯。能源消耗對(duì)東部、東北、西部地區(qū)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)作用不顯著，中部地區(qū)具有負(fù)效應(yīng)。東部、東北、西部地區(qū)經(jīng)濟(jì)發(fā)展與產(chǎn)業(yè)結(jié)構(gòu)升級(jí)達(dá)到了有效匹配，而中部地區(qū)呈現(xiàn)不匹配甚至負(fù)效應(yīng)。固定資產(chǎn)投資在東部、東北、中部、西部地區(qū)均在1%顯著水平下對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)具有正效應(yīng)但系數(shù)大小依次增加；從業(yè)人員負(fù)向影響了產(chǎn)業(yè)結(jié)構(gòu)升級(jí)?？梢姡鞣N不同投入要素對(duì)各地區(qū)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)存在著異質(zhì)性。

表5 中國(guó)有色金屬產(chǎn)業(yè)結(jié)構(gòu)升級(jí)效果影響因素回歸結(jié)果Table 5 The return results of upgrading affecting factors of China's non- ferrous metal industrial structure

2.3 穩(wěn)健性檢驗(yàn)

更換核心變量度量方式：研發(fā)投入往往需要相應(yīng)的科技人員進(jìn)行匹配才能產(chǎn)生較好的科技創(chuàng)新效果。因此，本文將研發(fā)投入替換為科技人員重新進(jìn)行模型（7）回歸，結(jié)果如表6 所示。由表6 可知，變量的顯著性水平及符號(hào)未發(fā)生變化，結(jié)論依然穩(wěn)健。

表6 更換核心變量度量方式的檢驗(yàn)結(jié)果Table 6 Test results of changing the core variable measurement

（續(xù)表6）

內(nèi)生性問(wèn)題：選取滯后一期的研發(fā)投入作為工具變量［50］，剔除可能存在的部分內(nèi)生性，利用兩階段最小二乘法（2SLS）對(duì)模型（2）重新檢驗(yàn)，回歸結(jié)果如表7 所示。從表7 可見，所有系數(shù)的正負(fù)顯著性與之前研究結(jié)果完全吻合，說(shuō)明剔除可能存在的部分內(nèi)生性后，仍不影響本文研究結(jié)論。

表7 兩階段最小二乘法回歸結(jié)果Table 7 Results of two- stage least square regression

3 結(jié)論與對(duì)策建議

3.1 結(jié)論

本文基于2002—2019 年26 個(gè)省份有色金屬產(chǎn)業(yè)數(shù)據(jù)，運(yùn)用產(chǎn)業(yè)結(jié)構(gòu)超前系數(shù)、Moore 結(jié)構(gòu)變化值和升級(jí)高度值分別測(cè)算了有色金屬產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的方向、速率及程度，并對(duì)產(chǎn)業(yè)前后端升級(jí)效果進(jìn)行了分析。結(jié)論如下：①我國(guó)有色金屬產(chǎn)業(yè)2002—2019年產(chǎn)業(yè)結(jié)構(gòu)升級(jí)過(guò)程明顯，但步伐緩慢。產(chǎn)業(yè)結(jié)構(gòu)升級(jí)方向和速率均呈現(xiàn)較好的趨勢(shì)，冶煉及壓延加工業(yè)產(chǎn)業(yè)結(jié)構(gòu)超前系數(shù)值平均為1.03，高于采選業(yè)，有色金屬產(chǎn)業(yè)總體朝著由低附加值向高附加值產(chǎn)業(yè)方向升級(jí)。Moore結(jié)構(gòu)變化值、夾角值計(jì)算結(jié)果顯示，當(dāng)前有色金屬產(chǎn)業(yè)結(jié)構(gòu)升級(jí)速率較快的5 個(gè)省份依次為新疆、山東、陜西、廣西和海南，年均變動(dòng)率分別為0.30、0.23、0.23、0.20 和0.20。②各投入要素對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的影響不同。全樣本回歸結(jié)果表明：研發(fā)投入、專利授權(quán)數(shù)和固定資產(chǎn)投資對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)具有正效應(yīng)，但從業(yè)人員出現(xiàn)負(fù)向影響；人均GDP與產(chǎn)業(yè)結(jié)構(gòu)升級(jí)互為因果關(guān)系；能源消耗對(duì)升級(jí)影響并不顯著。各投入要素對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的影響存在省份異質(zhì)性，分區(qū)域?qū)嵶C結(jié)果表明：研發(fā)投入、專利授權(quán)數(shù)對(duì)東部地區(qū)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)具有正效應(yīng)但邊際效應(yīng)更小，而對(duì)東北、西部和中部地區(qū)邊際效應(yīng)依次增加；能源消耗只對(duì)中部地區(qū)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)具有負(fù)效應(yīng)，對(duì)東部、東北、西部地區(qū)不顯著；人均GDP與東部、東北、西部地區(qū)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)有效匹配，與中部地區(qū)不匹配并呈現(xiàn)負(fù)效應(yīng)；固定資產(chǎn)投資在東部、東北、中部、西部地區(qū)對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)具有正效應(yīng)，但系數(shù)大小依次增加；從業(yè)人員負(fù)向影響產(chǎn)業(yè)結(jié)構(gòu)升級(jí)。分省份結(jié)果表明：研發(fā)投入、專利授權(quán)數(shù)對(duì)山西、安徽、貴州、云南、青海等的產(chǎn)業(yè)結(jié)構(gòu)升級(jí)具有正效應(yīng)較強(qiáng)；能源消耗只對(duì)安徽、湖北、湖南等的產(chǎn)業(yè)結(jié)構(gòu)升級(jí)負(fù)效應(yīng)較強(qiáng)；人均GDP 與浙江、江蘇、福建、山東、河北、山西、內(nèi)蒙古、廣西、重慶、四川等的產(chǎn)業(yè)結(jié)構(gòu)升級(jí)正向匹配；固定資產(chǎn)投資在浙江、福建、廣東等的產(chǎn)業(yè)結(jié)構(gòu)升級(jí)正效應(yīng)較強(qiáng)；從業(yè)人員對(duì)江蘇、河北、海南、吉林、山西、廣西、重慶、貴州等地區(qū)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)負(fù)效應(yīng)較強(qiáng)。限于篇幅，本文未對(duì)實(shí)證回歸結(jié)果作報(bào)告。

3.2 對(duì)策建議

基于上述結(jié)論，提出以下3 個(gè)方面建議：①總體來(lái)看，我國(guó)有色金屬產(chǎn)業(yè)結(jié)構(gòu)升級(jí)步伐緩慢，建議進(jìn)一步推進(jìn)市場(chǎng)去產(chǎn)能機(jī)制，加快推進(jìn)產(chǎn)能置換，淘汰落后產(chǎn)能，以促進(jìn)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，實(shí)現(xiàn)高質(zhì)量發(fā)展；以提高產(chǎn)品質(zhì)量和科技含量為目標(biāo)，加強(qiáng)科研投入，提升精深加工水平；及時(shí)更新陳舊設(shè)備，進(jìn)一步加大先進(jìn)設(shè)備投資；降低從業(yè)人員數(shù)量。同時(shí)，注重工藝轉(zhuǎn)向智能化、柔性化、精細(xì)化和綠色化發(fā)展，以提高全要素生產(chǎn)率，促進(jìn)有色金屬產(chǎn)業(yè)碳減排目標(biāo)的實(shí)現(xiàn)。②分區(qū)域來(lái)看，東部地區(qū)因基礎(chǔ)較好，建議加大高、精、尖產(chǎn)品研發(fā)，使其邊際效應(yīng)增大；西部地區(qū)需加大固定資產(chǎn)投資力度，提高投入產(chǎn)出效率；能源消耗大的東北和中部地區(qū)應(yīng)加大節(jié)能減排力度，調(diào)整優(yōu)化能源消費(fèi)結(jié)構(gòu)。③分省份來(lái)看，浙江、廣東等發(fā)展較快，建議發(fā)展交通運(yùn)輸、高端制造和其他領(lǐng)域有色金屬新材料；云南、廣西、重慶等應(yīng)加大數(shù)字化礦山投資建設(shè)力度；吉林、黑龍江、江西、湖北等應(yīng)加大綠色化冶煉技術(shù)開發(fā)及資源回收利用力度。