中国各地区产业结构优化评价及障碍因素研究

施生旭 童佩珊

摘要：基于DPSIR模型构建产业结构优化评价指标体系，采用TOPSIS分析方法和障碍模型，以2010—2015年中国27个地区样本数据，对中国产业结构优化水平进行评价分析。结果显示：（1）中国长三角与珠三角地区产业结构优化较好，西北部与西南部省份水平较弱，且产业结构优化程度与生态环境建设力度具有一致性;（2）产业结构优化区域发展不平衡，各地区在科技创新、生态发展和环境治理方面阻碍其产业结构优化与经济社会可持续发展;（3）从障碍因素诊断结果来看，污水集中处理率、城镇登记失业率与能源消费弹性系数是中国多数地区产业结构优化中的主要障碍因素。

关键词：产业结构优化;DPSIR-TOPSIS模型;生态建设;绿色发展;障礙因素

中图分类号：F121.3   文献标识码：A   文章编号：1007-2101（2020）02-0054-11

改革开放40多年来，中国产业结构经历了发展与多次调整不断优化，但是中国各地区产业结构发展仍存在较大不平衡性。近年来，生态建设与绿色发展理念不断深入，进一步把生态建设、绿色发展理念和产业结构优化相结合，在供给侧改革背景下不断优化产业结构。具体分析中国各地区产业结构优化调整的变化趋势与影响因素，保持经济发展与生态建设的有机统一，提高中国各地区产业结构质量，具有积极的实践与理论价值。

一、文献述评

1985年美国经济学家库茨涅兹提出了“倒U曲线”，指出工业化推动经济发展的同时也会引发区域发展的不平衡，进而影响三大产业的分配比重。就中国发展现状而言，各地区不同自然、社会等资源优势表现在产业结构优化结果的差异性与不平衡性，其中长三角、珠三角的第三产业是其经济发展的支柱产业，西部、东北部地区重工业占据当地经济发展的主导地位，工业污染较为严重[1]。有学者研究发现地区生产方式是决定其经济增长方式转变的关键[2]，财税手段、金融深化程度会影响产业技术创新能力[3]，进而影响区域产业结构的优化程度，实物投资、对外贸易也是影响其优化的重要因子[4]。可见，新生产方式的出现可以提高产业效率与经济效益，优化配置创新资源与加强区域间产业合作，对产业结构优化升级具有强大的推动作用[5]，如京津冀高新技术产业联合发展等。

现阶段，中国处于“工业型经济”时期，面对产业转型要求，树立生态理念，加快经济发展方式转变，既是攻破日趋强化的资源环境约束的有效途径，也是实现经济社会可持续发展的内在要求。刘雅君等[6]认为产业的生态化转型十分重要，提出产业信息化和产业生态化的观点，何平等[7]认为要实现产业结构的生态化。生态产业和循环经济的发展及农业、工业、服务业的生态化转型是实现产业优化的关键因素。产业结构优化应以实现经济社会发展、环境与资源保护为目的，习近平[8]提出要按照循环经济的低消耗、低排放与高效率来调整产业结构及布局。产业结构系统优化也应遵循生态可持续的循环机制，实现内部系统相互作用循环发展，换言之就是在自然系统中建立经济、社会与资源环境之间的生态良性循环机制[9]。

相较于中国产业结构性改革，国外学者认为资源优化配置的核心是实现社会可持续发展，为优化区域经济与产业发展构建可持续发展评价体系，如里斯提出的生态足迹（1992）、联合国可持续发展委员会的可持续发展指标体系（1995）、环境可持续指数（2000）、环境绩效指数（2006）等[10-11]。部分发达国家现处于“服务型经济”时期，学者们较少提及产业结构这一概念名词，其研究多立足于产业组织、产业要素与可持续发展之间的关系，经济结构及产业间的垄断竞争行为等。如Kerry[12]发现循环产业集群的组织模式能使生态效益与经济效益统一优化;Joskow[13]认为产业组织研究对新型工业发展路径具有启示性;Kogan等[14]验证了要素转移与生产率之间的关系;Leonid Kogan等[15]认为资源配置是经济发展的核心，而技术创新要素是促进资源有效配置的关键点;Witt[16]研究发现物质、技术、创新三要素集聚下的技术创新对产业结构优化有正向的影响。但由于不同国家或地区的特点不同，创新形式也有所差别，如Vrinda等[17]认为微观层面的产业竞争可以反映市场需求，实现资源的优化配置;Cheremukhin等[18]通过早期苏联工业化发展发现产业部门的进入壁垒与垄断竞争不利于产业升级转型，产业转型的关键是在有序的竞争下，通过技术进步建立高附加值、低污染、集约型的产业集群，这也是中国当前产业结构优化的目标导向。

随着各界对产业结构理论、实践研究的深入，中国学者开始立足于整体与区域发展视角对产业结构优化水平进行相应的测量，并通过构建指标体系、选取定量评价方法研究推进产业结构优化的积极因素。从模型选取来看，王喜文[19]从德国工业4.0变革探寻中国工业的发展方向;滕飞、霍忻[20]构建VAR模型分析评价中国对外直接投资与产业结构优化的关系;张捷、赵秀娟[21]构建投入产出模型测算出产业优化对碳排放的贡献率;赵玉林、张钟方[22]运用计量经济法实证测算出高新技术产业发展对产业结构间优化和调整具有推动作用;薛声家[23]建立了产业结构多目标优化模型。从评价体系的构建来看，贺丹、田立新[24]从产业结构内涵构建评价指标;曹华等[25]基于循环经济理念构建评价指标;原毅军、董琨[26]从经济增长、降低能耗、控制污染等角度构建产业结构优化模型与评价体系;刘淑茹[27]从产业结构对资源结构、技术进步、经济社会结构等影响构建指标体系;宋锦剑[28]从统计角度构建了产业结构优化升级的测度指标群。从研究方法来看，定量研究方法涉及多元统计分析法、协同分析法、灰色关联法、模糊综合评判法等[29]。

纵观国内外相关学者研究，其研究视角比较多样、成果比较丰富，不仅构建了相关评价模型与指标体系，还从产业理论、产业分配、技术创新、资源配置等角度阐释产业结构优化的要求与方向，并从产业结构自身调整与发展角度对经济结构调整提供依据。但在产业结构优化评价体系上，相关学者主要基于主观认识进行构建，存在一定的主观性趋势;在研究对象上多以某一区域为主，缺少对比分析。笔者拟在可持续发展的生态建设理念下，基于DPSIR模型构建产业结构优化评价指标体系，并采用熵值法对各评价指标进行客观赋权、求出权重，运用TOPSIS法对子系统进行综合评价分析，引入障碍度模型分析各地区产业结构优化的障碍因素，在此基础上提出优化中国产业结构的对策，以期为中国社会经济协调发展提供决策依据。

二、生态理念视角下中国各地区产业结构优化评价体系构建

（一）DPSIR概念模型

DPSIR是一种基于可持续发展理论模型，欧洲EEA公司于1998年首次将该模型框架用于欧洲环境优先次序的评估中，它是基于某种假定和影响下的相关联状态框架模型，存在着基于驱动力（D）、压力（P）、状态（S）、影响力（I）、响应（R）之间的内在关系。因此，其“驱动力”指生态理念下的产业结构调整与优化的发展趋势;“压力”指产业经济活动对周围生态环境因素建设的影响;“状态”指在压力因子作用下产业经济建设所处的境况，即产业结构优化的水平;“影响”指系统所处状态对生态文明建设要求及产业结构优化的影响;“响应”指在生态理念下针对产业结构优化而制定采取的积极有效措施与对策。该模型被广泛用于可持续发展领域，如Edward R.Carr等[30]应用DPSIR模型的可持续发展研究;Zebardast L等[31]应用DPSIR模型对德黑兰新型城镇化环境评价研究;王强、黄鹄[32]基于DPSIR模型的农业产业化可持续发展评价研究。

（二）评价指标选取与构建

产业结构具有较大复杂性，影响因素关系到经济结构、能源结构、资源供给和利用率、科技支出等因素。在生态理念视角下构建的产业结构优化评价体系主要遵循以下几个原则。（1）系统性：产业结构涉及行业范围广泛、部门繁多，因此建立选取各指标要素时应考虑到数据之间的逻辑关系与完整度，涵盖科技、环境、生态、经济等范畴，在要素选取上除了具体三大产业指标外，还应包括生态理念指标等多个维度，各指标内涵既要反映驱动力、压力、状态等子系统的主要特征，还应显现各子系统之间的内在联系;指标间保持相互独立、彼此联系，共同构建一个有机的统一体。（2）科学性：各指标在选取过程中需遵循科学合理有序的理论原则，其标准化和后续分析都应建立在科学、客观的基础之上。（3）可比与可量化性：各指标在选择上应注意总体内部的一致性，指标体系的构建要为产业结构优化提供科学管理服务，体现在数据上的特点应是简单清晰，具有可量化性。因而，基于DPSIR-TOPSIS模型，应采用问题驱动与因果关系的范式，借助前人研究成果、相关材料与文献，结合中国产业结构优化情况、生态文明建设情况和相关专家观点与建议选取与构建评价指标体系。同时，将指标体系结构划分为准则层、要素层、指标层三个层次。（1）准则层：依据DPSIR模型，将其分为驱动力、压力、状态、影响和响应五个方面。（2）要素层：根据产业结构涵义、DPSIR框架构建理论、“十三五规划”要求和“五位一体”战略目标等，分别对应选取10项指标要素，包含经济发展和产业结构、资源压力和环境压力、科技文化和就业状况、生态发展和能源结构、环境治理和控制响应，从本质上反映五大子系统之间的作用和反作用。（3）指标层：依照10项要素层分别选取30个可量化、可比较的指标，对要素层变化和反应给予最直观的数据（见表1）。

（三）评价指标权重的确定

1. 无量纲法的选择

考虑到各项指标的数据性质不同，统计计量单位有所不同，为了得到较为客观的权重，研究中指标的客观权重采用熵值法进行计算，其公式为：

当指标为正向指标时：xij=

當指标为负向指标时：xij=

当指标为适中型指标时：xij=

其中，di为确定的标准值。

2. 熵值法权重的确定

熵值法是一种客观赋权法，首先利用信息熵计算出各指标的熵权，再通过熵值法修正各指标中不合理的权重，从而得出较为客观的指标权重。其具体步骤如下：

（1）一些指标数值标准化处理后进行平移处理xij=H+xij，其中H为指标平移的幅度，一般取1;

（2）第j项指标的差异系数为：gj=1-ej;

（3）第j项指标的权重为：？棕j=。

（四）评价方法的选择

TOPSIS模型是Hwang和Yoon于1981年首次提出，它是一种根据有限评价对象与理想化目标接近程度进行排序的方法，通过计算评价对象的最优值和最劣值来进行排序，当评价对象与最优值最接近且与最差值最远时则为最优对象，反之为最差。TOPSIS评价法对原始数据利用较充分，适用于样本量大、分布广的数据。基于DPSIR模型构建的评价指标体系运用TOPSIS模型进行评价，具体步骤如下：

（1）正理想：Y+=（y+j）=Y（max），负理想：Y-=（y-j）=Y（min）;

（2）分别计算不同评价对象评价向量到正理想S+、负理想值S-的距离：

S+=■，S-=■

（3）计算各指标的相对贴近度：

cj=■

同理，计算各年份相对贴近度与各子系统的贴近度。S+越小，表明评价指标与正理想解越接近，产业结构优化状态越好;S-越小，表明评价指标与负理想解越接近，产业结构优化状况越差;Cj值越大，表明第j年产业结构优化水平越高。参考相关学者的研究成果[33-35]，结合各省市产业结构优化实际情况，以非等间距方式依据贴近度Cj将中国产业结构优化水平状况划分为5个评判等级，如表2所示。

三、中国各地区产业结构优化评价及障碍因素分析

（一）数据来源

笔者选取基于中国27个地区2010—2015年相关统计信息和资料[样本数据未包括西藏、新疆、宁夏、青海省（区）以及中国香港、澳门和台湾]，根据产业结构优化评价指标体系，对中国各地区相关数据进行整理，得到2010—2015年27个地区产业结构优化评价研究中各指标的初始数据，个别数据通过相关公式计算生成而来。

（二）评价分析

1. 总体评价分析

根据上述研究方法，对2010—2015年中国27个地区的产业结构优化水平进行贴近度计算（见图1、表3）。2015年较2010年，各地区贴近度均呈现不同程度的增长，如北京市、江苏省、陕西省等增长明显;广东省、天津市等增长不显著。由表3可知，2010—2015年中国整体产业结构水平上升，其中北京、陕西、江苏、河北等省（市）综合贴近度值涨幅最为明显，如江苏省2015年较2010年上升了30.79%，北京市上升了19.44%。黑龙江、山西、甘肃、四川等省份的贴近度指数呈现下滑趋势，其中黑龙江2015年相比2010年下降了2.5%，山西下降了14.81%，且两省排名末尾。从综合排名来看，2015年产业结构优化水平较好的三个省（市）分别是北京、广州、江苏;排名最后的省份是贵州、山西、黑龙江。2010—2015年东北三省产业结构仍处于较差水平，其中以黑龙江最为突出。长三角地区总体水平较高，江苏产业结构优化由中等水平转向较强水平;珠三角地区由较弱水平趋近于中等水平;中部省份产业结构优化水平明显高于西部与北部。

表2显示，2015年中国27个地区产业结构优化水平可分为五个等级，其中贴近度为0.9～1，产业结构优化水平最高地区暂无;贴近度为0.7～0.9，产业结构优化水平较强地区有北京与江苏;贴近度为0.6～0.7，产业结构优化水平中等地区有广东、天津、重庆、湖北、山东、陕西、河南、安徽、内蒙古;贴近度为0.4～0.6，产业结构优化水平较弱地区有辽宁、海南、福建、广西、云南、吉林、甘肃、四川、贵州与山西;产业结构优化水平最低省份，贴近度值低于0.4的仅有黑龙江。

随着中国经济产业结构调整与经济水平的提升，中部地区与沿海省份的产业结构日趋优化。2011年，中央工信部制定了淘汰落后产能的计划目标，中国第三产业占GDP比重超过了第二产业，江苏、北京、广东等地三大产业结构比例逐一调整，由“二一三”调整为“三二一”，独到的区域优势与政策支持使得中部与沿海省份产业结构状况日益良好。而在“十二五”时期与“十三五”期间，东北与中部等资源优势型省市在经济发展中不间断地出现了资源型衰退、结构型衰退、生态污染严重等问题，阻碍其经济的可持续性发展，造成了区域发展的不平衡。

2. DPSIR子系统产业结构优化评价分析（见表4）

（1）驱动力方面。从总体上而言，长三角、珠三角地带驱动力系统优于西北、西南部。2010年与2015年，北京驱动力子系统均位列第一，同比增幅7.2%;天津、江苏、广东、上海等地五年间的驱动力子系统始终位居前十，其中江西与福建在2015年涨幅较大，分别为10.9%和9.77%。从数据上来看，上海、北京、天津、广东、江苏、浙江与山东等省（市）经济发展较好，且尤为注重对服务业与高新技术产业的投入，如“互联网+”的广泛应用。“十三五”期间，北京高新技术园区不断扩建完善，杭州、上海等地的滨海新城逐一建设完成，东部省份与沿海地区第三产业、高新技术产业的快速发展在优化经济结构的同时，也推动了经济社会的发展。相反，吉林、甘肃、黑龙江等排名居后且驱动力系统较2010年有所下降，主要原因是该类地区经济基础较差，区域发展仍以投资第二产业为主且结构投资比例不太平衡等。

（2）压力方面。2010—2015年，广东、江苏、浙江等省份的贴近度指数涨幅明显，广东同比增长11.85%，上海与浙江增长约为9%。2015年天津、福建、江西等省（市）位居全国前十，但总体水平有所下降。在压力子系统中，单位GDP电耗、水耗，工业固体及废水排放量等是其测量的关键要素。近年来，中国各地区加快能源需求侧与供给侧改革，其中广东、上海等省（市）在新能源开发与利用方面置于领头地位，各地政府颁布《一般工业固体废弃物垃圾处理环境管理通知》等意见方案，拟加强管控各省工业固体废弃物的排放量与产生量。相比，东北部省份在新能源的改革利用、废弃物体处理能力上存在不足，2010年与2015年山西、贵州、陕西与黑龙江的能源利用率始终处在全国平均水平以下，经济发展的局限性、滞后性使其资源压力与环境压力大于东部与南部省份。“十八大”以来，国家大力推行“生态立省”观念，给予相应的资金支持与制度保障，各地区在外部政策的指引下，其资源、能源的开发利用日趋规范与合理，笔者认为在未来几年压力子系统的发展状况会日渐变好。

（3）状态方面。2010年与2015年北京状态子系统居首，同比上涨48.2%，紧随其后的是广东与陕西。2015年北京状态子系统较广东高出73.5%，北京状态子系统发展水平很高。状态子系统中包括科技文化要素与就业状况要素，其中科技文化涵盖了技术市场成交额、专利授权量及科技人员数量。北京市作为政治中心和国家教育部直属科研机构聚集地，每年专利授权量占全国一半以上，人才资源具有绝对优势。近年来，广东、上海、陕西、湖北等省份在国家政策的指导下发展势头猛进，通过人才补贴、科学技术奖励、举办科技文化节等举措吸引了众多科技人才与科研机构的进驻，效益可观。相反，甘肃、河北、广西、云南等省份科研力量较弱，人才輸出量大于人才引入量，科技文化发展势头较弱。虽然西部地区整体发展水平相对较低，但“十三五”以来保持着较快的发展速度，产业结构得到优化，如云南省2015年较2010年上涨了54.28%。

（4）影响力方面。2010年与2015年影响子系统贴近度水平较高地区主要分布在中部及沿海地区的省（市），如北京、上海、福建、江苏，广东等。北京较上海高出0.1个百分点，上海与福建持平，北京2015年比2010年上涨19.89%。中东部省份能源结构构成比例较合理，煤炭占能源消费比重逐年减小，清洁能源比重上升。安徽、江西、四川、云南、贵州等地区影响子系统的结构优化水平较差，整体生态状况与能源结构比重都不太合理。近年来，城市化进程不断加快，但是城市化范围多分布在经济发展较快的省份，城市化率较低的省份失业率仍较高。

（5）响应方面。2010—2015年，响应子系统中重庆处于领头位置，其次是北京、江苏、福建、天津、上海等，各地区之间的发展差距较小，差比在0.01%左右，且2015年较2010年同比上升比值也较小。响应子系统中包括环境治理与控制响应两要素，环境治理要素中以环境污染治理投资额占GDP比重、水利环境和公共设施投资额等要素为主，控制响应系统主要包括生活垃圾无害化处理率与污水集中处理率等要素。从数据结果来看，较发达的地区在发展经济同时注重环境的保护与治理，如重庆市响应子系统发展水平主要得益于重庆市开展的“碧水行动”水污染治理措施，行动以深化工业污染为主，加快生活污染的集中治理、实施流域的综合治理。生态建设对产业结构优化升级起到重要支撑与促进作用。相比而言，黑龙江、云南、吉林、甘肃等省份在生态治理与环境保护方面投入力度较小：一方面是财政支出力度相对较小;另一方面是政府与企业的意识还有待于整体提升，一些企业过度注重经济效益而忽视了社会效益与社会责任建设。

（三）中国产业结构优化障碍度因子诊断

1. 主要障碍因素分析

根据障碍因素诊断计算法，笔者分别对中国27个地区2010年和2015年产业结构优化水平障碍度进行计算，按照大小排序的方法筛选出了10项指标（见表5），对各省（区、市）障碍因素分析分别选取了北京、江苏、陕西三个贴近度同比增幅最大同时障碍度排名较好的三个地区和甘肃、吉林、黑龙江三个产业优化水平较低的省份。

（1）在北京市2010年出现的障碍因素中，单位GDP水耗、工业废水排放量、环境空气质量优良率、环境污染治理投资总额三要素在2015年仍是产业结构优化的主要障碍因素。其中污水集中处理率、单位GDP二氧化硫排放量与环境空气质量优良率在2015年障碍度值较大。“十三五”时期，北京市环保局提出将以改善环境质量为核心，做好各项环保工作。相比其他地区，北京市产业结构优化水平最高，影响产业结构优化的障碍因素主要发生在生态环境方面，北京市科技与服务等产业发展较好并占据经济效益与产业结构的主导地位，但生态环境结构、能源结构等方面发展仍存在诸多问题。

（2）江苏省2015年的障碍因素有城镇恩格尔系数、污水集中处理率、每万人拥有专利授权量。从总体上来看，江苏省各障碍因素的障碍度值同比2010年有所下降，整体状况较好。2015年，江苏省政府颁布《关于加快发展生产性服务业促进产业结构调整升级》的实施意见，其以产业转型升级为需求导向，推进农业生产和工业制造现代化，加快生产制造与信息技术融合。从全国范围来看，江苏省专利授权量较高，但从自身产业结构优化结果来看，专利授权量是主要障碍因素。因此，影响江苏省产业结构优化的障碍在于治理水环境及解决城市化进程中的科技创新能力不足等。2010—2015年，江苏省解决了一部分环境问题，能源结构与环境结构得到一定的优化，但在建成生态文明与经济强省的目标上依旧需要各方主体的共同努力。

（3）陕西省2010年的障碍因素以单位GDP工业废水排放量、每万人拥有科技人员数量、技术市场合同成交额为主，2015年工业废水排放量、单位GDP二氧化硫排放量与能源消费弹性系数占据主要障碍因素位置。“十二五”时期，陕西省深入实施“一市一策”计划，推进创新发展，基本形成较为完整的开发区和工业园区为主体的工业发展体系。“十三五”陕西仍处于工业化中后期，工业依然是经济发展的主导力量，工业污染较为严重，推进工业化进程的同时未兼顾城市治理。陕西省经济持续、发展方式转变、产业结构升级等在很大程度需依赖现代工业化的发展，创新驱动发展是加快推进陕西省产业升级的必然趋势。

（4）甘肃省地处我国西北部，2010年以工业废水排放量与技术市场合同成交额为主要障碍因素，2015年的主要障碍因素是生活垃圾无害化处理率、单位GDP能耗、每万人拥有科技人员数量，障碍指数分别为1.86、1.35与1.17，障碍值较高。2015年，甘肃省科技创新水平较低、资源压力较大。2013年甘肃省科技厅关于印发《甘肃省科学技术奖励办法实施细则》通知，鼓励科技创新、深入实施创新驱动战略，发挥科技创新在全面创新中的引领作用，加快建设创新型省份。但是由于甘肃省经济发展水平较低，科技实力较弱，因此科技人员流失严重。“十二五”期间，甘肃省进入工业化、城镇化的深化阶段，也是甘肃能源消费需求的持续增长阶段，因此持续节能的难度随之加大，单位GDP能耗日益增加。

（5）吉林省2010年以能源消费弹性系数、煤炭占能源消费比重及城镇恩格尔系数为主要障碍因素，2015年为工业固体废弃物综合利用率、清洁能源占能源消费比重与人均GDP为主要障碍因素。作为老工业基地省份，其重化工业第二产业比重大，而且多为高耗能、高污染产业。吉林省目前正处于振兴发展的关键时期，长期形成的结构性矛盾和增长方式粗放问题还未从根本上得以解决，产能过剩等问题进一步凸显，经济总量增长和环境容量有限的矛盾仍然突出，控制新增污染物排放量压力较大。

（6）黑龙江省地处中国东北部，拥有煤炭、天然气等丰富能源。从2010年来看，黑龙江主要障碍因素是高新技术产业增加值、第三产业从业人员比重、污水集中处理率等。2015年，黑龙江省主要障碍因素以第三产业增加值、单位GDP电耗、人均GDP为主。据统计，2015年中国人均GDP增幅最小的6个城市均分布在东北三省，其中黑龙江省占据3个城市。2010—2015年，黑龙江省的高新技术产业增加值不断上升，“十二五”期间每年增长约为25%，但与其他省份相比，经济发展仍存在较多不足。粗放型、数量型的经济增长方式不利于东北的产业转型，新型产业建设规模较小。较比其他地区，黑龙江的经济水平处于弱势地位。

2. 综合指标障碍因素分析

通过筛选27个样本地区2010年与2015年出现的9个高频障碍因素，按照频率分别为污水集中处理率、城镇登记失业率、能源消费弹性系数、社会劳动生产率、生活垃圾无害化处理率、每万人拥有科技人员数量、单位GDP能耗、清洁能源占能源消费比重及技术市场合同成交额，前三项因素出现达27次与21次之多（见表6）。由此可知，这9项指标是中国各省（区、市）产业结构优化中的主要障碍因素。“十二五”结束时，中国污水集中处理率实现了跨越式发展，但2010—2015年污水增长率逐年增长。在城镇化与工业化进程中，中国各地区控制污水排放量任务极为艰巨，在控制水体污染排放量与解决水体污染的协调性上，建设水平仍有待进一步提升。

在五大子系统中，响应子系统中的环境治理要素也是中国各省产业结构优化的阻碍因素，环境治理投资总额占GDP比重较低，生活垃圾無害化处理力度较弱，能源消费速度滞后于国民经济发展速度。综上所述，以上9个高频率障碍因素是中国各地区产业结构优化过程中亟需解决的关键。

四、结论与思考

基于DPSIR模型构建了中国产业结构优化的综合评价体系，利用TOPSIS模型选取中国27个地区进行综合评价分析，并引入障碍度模型对产业结构优化中出现的障碍因素进行诊断，研究结果表明：（1）从权重指数来看，在驱动力子系统中，经济发展要素中地区生产总值增长率较高、产业结构要素中社会劳动生产率较高;压力子系统发展水平较低，其中单位GDP水耗与工业固体废弃物处理率较低;科技文化要素中万人拥有专利授权量与科技人员数量较少;能源结构要素中煤炭消量比重较大，清洁能源消费比重较小;控制响应系统中生活垃圾无害化处理率与污水集中处理率效率有待提高。（2）从贴近度评价指数来看，中国长三角与珠三角地区产业结构优化较好，西北部与西南部省份水平较弱。其中，北京、江苏、陕西等省（市）贴近度同比增幅较高，上海、广东、安徽等省（市）变化不为明显;甘肃、吉林、黑龙江等省份2015年产业结构优化指数有所下降。2010年中国产业结构总体水平较弱，部分经济发展水平较高的省市，如上海、北京产业结构水平处于中等。2015年北京市与江苏省产业结构优化程度较强，长三角与珠三角地区趋近于较强水平，东北三省产业结构仍旧保持较弱水平，黑龙江省产业结构出现倒退趋势。五年间各地区产业经济得到较好发展与优化，但也出现诸多环境问题，如安徽、湖北、湖南等省份生态环境严峻，甘肃、山西、河北等省份生态环境已濒临信号预警状态。工业化推动经济的快速发展，现代化推动产业向高质量发展转变，如何在生态理念下保持生态建设与经济发展的有机统一，需引起政府的关注并采取相关有效措施。（3）从障碍因素诊断结果来看，污水集中处理率、城镇登记失业率与能源消费弹性系数是中国多数地区产业结构优化中的主要障碍因素。从各地区的障碍因素值来看，贵州省2010年环境空气质量优良率障碍指数为8.96，2015年环境空气质量优良率不作为主要障碍因素。陕西省2010年单位GDP工业废水排放量障碍指数为4.88，2015年产业结构中出现更为严重的障碍因素，单位GDP二氧化硫排放量障碍指数为6.97。黑龙江省2010年障碍因素的指数均较高，2015年，单位GDP水耗指数为9.17，障碍值高于其他省市。从贴近度值最高的地区（北京市）分析来看，北京市的障碍因素主要发生在空气质量优良率、单位GDP二氧化硫排放等能源与环境治理方面。除外，上海、浙江、湖北、广东、江苏等省份两年障碍因素的障碍指数均较小。总体而言，中国各地区产业结构优化中的因子障碍程度不明显，但生态环境与现代化建设等方面仍需引起重视并予以解决。

从因果系统的角度出发，基于DPSIR-TOPSIS模型构建的产业结构优化评价体系，其评价结果对中国各地区产业结构优化具有一定参考意义。根據以上分析结果，中国各地区产业结构的优化与调整仍需努力，各地区政府对其产业结构优化的具体情况应分别采取不同措施。当然，本研究也还存在一些问题需要进一步完善，如指标体系的选取还需要进一步论证;由于数据可获得性因素，其相关数据也只选取2010—2015年相关数据，后续研究也需要补充相关年份数据。同时，中国各地区差异性较大，根据评价结论，对各地区产业结构优化提出有效可行的政策也是未来研究的重点。

参考文献：

[1]张秀生，王鹏.经济发展新常态与产业结构优化[J].经济问题，2015（4）：46-49+82.

[2]李翔，邓峰.中国产业结构优化对经济增长的实证分析[J].工业技术经济，2017（2）：3-9.

[3]陶长琪，周璇.要素集聚下技术创新与产业结构优化升级的非线性和溢出效应研究[J].当代财经，2016（1）：83-94.

[4]冯芳芳，蒲勇健.中国区域产业结构优化及其影响因素分析——基于分位数回归方法[J].技术经济，2012（2）：36-42.

[5]范德成，杜明月.基于TOPSIS灰色关联投影法的高技术产业技术创新能力动态综合评价——以京津冀一体化为视角[J].运筹与管理，2017（7）：154-163.

[6]刘雅君，卢婧.新常态下中国产业结构优化升级的环境条件与推进机制[J].浙江学刊，2015（6）：188-193.

[7]何平，陈丹丹，贾喜越.产业结构优化研究[J].统计研究，2014（7）：31-37.

[8]习近平.大力发展循环经济，建设资源节约型、环境友好型社会[J].管理世界，2005（7）：1-4.

[9]石建平.良性循环的理论及其调控机制[M].北京：中国环境科学出版社，2006.

[10]周振华.产业结构优化论[M].上海：上海人民出版社，1992.

[11]R Adner， D Levinthal. Demand Heterogeneity and Technology Evolution：Implications for Product and Process Innovation[J]. Management Science，2001，47（5）：611-628.

[12]Kerry A. An industrial organization economic supply chain approach for the construction industry：a review[J].Construction Management & Economics，2001，19（8）：777-788.

[13]Joskow P L. Regulation and Deregulation after 25 Years：Lessons Learned for Research in Industrial Organization[J]. Review of Industrial Organization，2005，26（2）：169-193.

[14]Kogan L，Papanikolaou D，Seru A，et al. Technological Innovation，Resource Allocation and Growth[J]. Social Science Electronic Publishing，2012，22（5）：112-132.

[15]Leonid Kogan， Dimitris Papanikolaou， Amit Seru， Noah Stoffman. Technological Innovation，Resource Allocation and Growth[J]. The Quarterly Journal of Economics，2017，22（2）：665-712.

[16]Witt U. Learning to Consume-A Theory of Wants and the Growth of Demand[J]. Journal of Evolutionary Economics，2001，11（1）：23-36.

[17]Vrinda Kadiyali， K Sudhir， Vithala R Rao. Structural analysis of competitive behavior：
New Empirical Industrial Organization methods in marketing[J]. International Journal of Research in Marketing，2001，18（1）：142-156.

[18]Cheremukhin A，Golosov M，Guriev S M，et al.Was Stalin Necessary for Russias Economic Development [J].Cepr Discussion Papers，2013，84（2）：409-415.

[19]王喜文.应对工业4.0的中国进路[J].新疆师范大学学报（哲学社会科学版），2018（3）：1-7.

[20]滕飞，霍忻.经济转型背景下中国OFDI与产业结构优化互动关系研究——基于VAR模型的实证分析[J].经济问题探索，2014（11）：47-52.

[21]张捷，赵秀娟.碳减排目标下的广东省产业结构优化研究——基于投入产出模型和多目标规划模型的模拟分析[J].中国工业经济，2015（6）：68-80.

[22]趙玉林，张钟方.高技术产业发展对产业结构优化升级作用的实证分析[J].科研管理，2008（3）：35-42.

[23]薛声家.基于投入产出模型的产业结构优化[J].暨南学报（哲学社会科学），2003（1）：32-46.

[24]贺丹，田立新.基于低碳经济转型的产业结构优化水平实证研究[J].北京理工大学学报（社会科学版），2015（3）：31-39.

[25]曹华，张茜.基于循环经济的中国各地区产业结构优化评价[J].经济问题，2010（7）：34-38.

[26]原毅军，董琨.节能减排约束下的中国产业结构优化问题研究[J].工业技术经济，2008（8）：53-55.

[24]刘淑茹.产业结构合理化评价指标体系构建研究[J].科技管理研究，2011（5）：66-69.

[28]宋锦剑.论产业结构优化升级的测度问题[J].当代经济科学，2000（3）：92-97.

[29]朱孔来.国民经济和社会发展综合评价研究[M].济南：山东人民出版社，2004.

[30]Edward R Carr， Sara C Yorty. Applying DPSIR to sustainable development[J]. International Journal of Sustainable Development World Ecology，2007，14（6）：543-555.

[31]Zebardast L，Afrasiabi H. Application of DPSIR Framework for Integrated Environmental Assessment of Urban Areas：A Case Study of Tehran[J]. International Journal of Environmental Research，2015，9（2）：445-456.

[32]王强，黄鹄.基于DPSIR模型的农业产业化可持续发展评价研究（英文）[J].亚洲农业研究（英文版），2009（6）：29-33.

[33]施生旭.生态文明先行示范区建设的水平评价与改进对策——福建省的案例研究[J].东南学术，2015（5）：67-73.

[34]陈西蕊，张蓉珍.TOPSIS法在区域生态安全动态评价中的应用——以陕西省为例[J].西北农林科技大学学报（自然科学版），2011（7）：177-184.

[35]肖贵蓉，赵衍俊，郭玲玲.基于DPSIR-TOPSIS的城市绿色转型评价及实证——以太原市为例[J].技术经济，2016（12）：82-89.

责任编辑：李金霞

Study on Industrial Structure Optimization and Obstacle Factors in Various Regions of China

Shi Shengxu， Tong Peishan

（School of Public Administration， Fujian Agriculture and Forestry University， Fujian Fuzhou 350002， China）

Abstract：
The industrial structure optimization evaluation index system is constructed based on DPSIR， TOPSIS analysis method and obstacle degree model are adopted to evaluate and analyze the industrial structure optimization capacity in China by taking 27 regions from 2012 to 2015 as sample data. The results indicate：（1） the industrial structure optimization capacity of the Yangtze River Delta and Pearl River Delta in China is strong while that of Northwestern China and Southwestern China is weak. And the degree of industrial structure optimization is consistent with ecological and environmental construction;（2）the regional development of industrial structure optimization is asymmetric weak in scientific and technological innovation， biological development and environmental governance among regions which hinders the optimization of industrial structure and the sustainable development of economy and society;（3）from the perspective of diagnosis results of obstacle factors， centralized sewage treatment， rural and urban registered unemployment and energy consumption elasticity coefficient are the major obstacle factors for industrial structure optimization in most areas of China.

Key words：
industrial structure optimization， DPSIR-TOPSIS model，ecology construction， green development， obstacle factors