经济周期常被视为总量现象，然而在中国经济结构快速转型的背景下，它 还受到，构建理论模型讨论生产网络的结构特征和转型过程对行业冲击与经济波动之间关系的影响。，利用带有异质性约束的贝叶斯结构向量自回归模型，基于中国行业生产率数据库（CIP/China KLEMS），实证识别1978—2018年中国经济周期的源头行业。，少数主导行业通过投入产出联系驱动了大部分经济波动，且不同时期的主导行业有所变化。，资本密集型行业在生产网络中的投入产出联系不断强化，逐步替代劳动密集型行业成为经济周期的主导。，建筑和房地产部门作为生产网络中的关键节点，其自身冲击在各行业间广泛传导，同时上下业的冲击通过该部门被放大，二者共同塑造了建筑和房地产部门在经济周期中的主体地位。本文揭示了中国经济周期的结构性特征，对于理解宏观经济与产业体系的关系、保持经济稳定增长具备极其重大的学术与政策价值

　　经济波动是宏观经济学研究的永恒话题，维持经济波动在合理范围内有助于提振预期、扩大内需、改善就业、提升居民福利，对于一国经济发展具有重大意义。随着中国经济的快速地增长，不断深化的生产分工体系使得增长风险被隐藏在错综复杂的经济网络之中。党的二十大报告说明，中国 经济发展进入战略机遇和风险挑战并存、不确定因素增多的时期。2023 年中央经济工作会议、 2024年两会和党的二十届三中全会多次强调，在当前的经济背景下要坚持“稳中求进、以进促稳、 先立后破”的工作总基调。对经济结构快速转型的中国来说，经济周期不仅是一个总量现象，其背后暗含的是不同经济部门增速的变化，以及整个经济网络结构的动态演变。如何从复杂的宏观经济现象中准确判断经济波动背后的成因，进而为设计“稳经济”的宏观调控政策提供基础？这是学术界和政策制定者共同关注的重要问题。

　　本文从生产网络的视角出发，旨在分析中国经济波动的结构性原因，为理解中国经济周期的特征提供新的思路。在传统理论中，经济波动现象被理解为如投资、消费、出口等总量指标变化的结果，其根源是各类总量冲击。由于总量指标反映的是大量经济部门生产活动的综合情况，因此，宏观经济波动也是这些部门的结构性变化在总量层面的体现。研究表明，在一个投入产出联系密切的经济中，行业冲击会在生产网络中被放大，带来显著的宏观经济波动（Acemoglu et al.，2012）。改 革开放以来，中国的生产网络结构呈现出独特的变化趋势。一方面，经济部门间的投入产出联系不断加深，中间品占增加值的比例从1978年的 119%上升到2008年的198%。（①详见第二部分的介绍，数据来源于中国行业生产率数据库）另一方面，不同经济部门在网络中的相对重要性也发生了高度异质的变化。例如，农业部门的增加值占比和多玛权重 （domar weight）在1978—2018年间分别下降了21.1%和26.0%，（②行业多玛权重指的是行业总产出与增加值的比例，其中行业总产出=行业使用的中间品+行业增加值）而房地产部门则分别上升了10.0%和22.6%。（③这里的房地产部门包括中国行业生产率数据库中的建筑业和房地产服务业）在经济结构快速变迁的背景下，中国经济波动的特征可能与生产网络结构之间的关系越来越紧密。如何从生产网络的视角理解中国经济波动、识别波动来源，对于促进当前中国经济的稳定增长与高水平质量的发展具备极其重大意义。

　　为了分析行业冲击对经济波动的影响及其作用机制，本文构建了一个带有投入产出结构的多部门真实经济周期模型。基于理论模型，我们推导出行业冲击对宏观经济影响的充分统计量（sufficient statistic）。结论表明：如果一个行业具有更高的增加值，与其他增加值更高的行业具有更紧密的投入产出关联，或者该行业的冲击幅度更大，那么该行业冲击对宏观经济的影响也更大。接着，我们分析各类冲击如何通过特定网络节点影响宏观经济，并将其中的机制拆分为两个渠道：一是节点行业的冲击产生的“主动效应”，包括对节点行业自身产生的“行业内效应”和通过投入产出关联对别的行业产生的“行业间效应”；二是上下业的冲击通过投入产出关联反过来传导至节点行业，进而对宏观经济产生的“被动效应”。如果一个行业与别的行业具有密切的投入产出关联，那么各类冲击就可能通过该节点行业对宏观经济产生较大影响，我们称这类行业为“网络关键行业”。综上所述，中国生产网络结构的特征以及其转型过程很可能对不一样的行业在经济周期中的作用发挥了关键性的影响。

　　那么，中国过去的经济周期是由哪些行业冲击驱动的？生产网络结构的变化是否改变了不一样的行业对经济周期的影响？是不是真的存在对中国经济周期具有重大影响的网络关键行业？为了更加深入和系统地分析这样一些问题，本文基于DeGraeve&Schneider（2023）提出的生产网络框架下的冲击识别方法，结合中国经济现实，在该方法中引入网络结构变化，从宏观数据中直接定位了引起经济波动的源头行业，并分析了这些主导行业的演变规律与生产网络结构转型之间的关系。具体而言，我们 首先使用结构向量自回归模型（SVAR）描述行业冲击生成宏观经济波动的过程，并结合中国经济结构特征引入生产网络结构的转变。为了识别模型参数，本文引入一组异质性约束（heterogeneity re‐ striction），要求那些与冲击源头行业关联更紧密的行业具有幅度更大的脉冲响应。基于 1978—2018年中国各行业的时间序列数据，我们通过贝叶斯方法估计模型参数，并使用历史分解方法 （historical decomposition）测算各行业冲击对宏观经济波动的贡献。本文数据来源于伍晓鹰及其团队编制的中国行业生产率数据库（CIP/China KLEMS），这是目前中国行业分类最细、跨度最长的投入产出时间序列（Wu&Ito，2015）。

　　本文的核心结论包括：第一，历次经济周期背后只有少数行业扮演引领性和关键性的角色，这些主导行业的冲击通过投入产出联系驱动了大部分的经济波动，且不同时期的主导行业有所差异。第二，随着资本密集型行业与其他行业的投入产出联系增强，中国经济周期的主导行业发生了系统性转变，逐渐从纺织、食品等劳动密集型部门转向设备制造、能源化工等资本密集型部门。第三，建筑和房地产部门作为生产网络中的关键节点，其自身冲击在各行业间广泛传导，同时上下业的冲击通过该部门被放大，二者共同塑造了建筑和房地产部门在经济周期中的重要地位。

　　本文的主要学术贡献与三支文献有关。第一，为有关中国经济波动的研究提供了新的视角。目前，学界对于中国经济周期的事实描述已经形成一定共识，并且从政府行为、预期冲击、外需冲击等角度为经济周期的成因提供了丰富的解释（庄子罐等，2012；余靖雯等，2015；陈斌开和赵扶扬，2023；周慧珺等，2024）。但是，如何从生产网络的视角理解中国经济的波动，还未得到充分讨论。 在相关研究中，鄢莉莉和吴利学（2017）模拟了不同行业冲击通过投入产出联系对稳态经济的影响，但没有从生产网络的结构及其转型特点出发分析经济周期特征，也没有从数据中识别经济周期的来源行业。本文对这一支文献的贡献在于从中国生产网络的结构及其转型特点出发，为理解中国经济周期提供结构性的分析。特别地，陈梦根和侯园园（2024）使用标准核算框架分解了各行业对中国经济增长的贡献，但并未考虑行业间的投入产出联系。与之相比，本文充分刻画了行业间的溢 出效应，丰富了对中国经济波动成因的理解。

　　第二，丰富了生产网络文献中关于行业冲击的研究。近年来，一支基于生产网络的文献强调特定行业冲击会通过投入产出联系放大，带来宏观经济效应（Acemoglu et al.，2012；Baqaee & Farhi，2019）。这一分析框架也在国内文献中得到广泛应用（齐鹰飞和 LI Yuanfei，2020；倪红福，2022；刘维刚，2022；肖雅慧和侯成琪，2023；刘维林等，2023），这些研究表明行业间的投入产出联系对于理解中国经济的结构性问题具有重要意义。本文对这支文献的贡献体现在两个方面：首先，强调了生产网络的结构及其转型过程如何改变不同行业冲击在宏观经济中的传导过程，丰富了对于转型期 国家经济波动的理解。其次，通过识别中国各行业历史冲击序列，分解了历次经济周期的行业来源。已有实证工作主要集中在识别单个冲击在网络中的传导或外溢效应（杨子晖等，2023；陈国进 等，2024），而如何在多行业冲击共存的情况下分离出各行业冲击仍是一个难题。

　　第三，创新性地将动态网络视角融入传统的冲击识别框架。自 Sims（1980）以来，SVAR模型成为识别宏观经济冲击最重要的方法之一，而其中的关键步骤是对模型施加合理的识别条件以确定模型参数。 文献中常见的识别条件 包括递归约束（Christiano et al.，1996）、长短期约束（Gali， 1999）、符号约束（Uhlig，2005）等。近年来，这一领域提出了一种新的识别条件——异质性约束，要求SVAR模型生成的不同变量对于不同冲击的脉冲响应函数满足一定的大小顺序关系。（①De Graeve & Karas（2014）为了识别银行挤兑冲击，要求提供和不提供存款保险的银行对这一冲击具有不同的反应强度。也有文献将其称为序约束条件（ranking restriction），例如，Amir-Ahmadi & Drautzburg（2021））已有研究表明，添加合适的异质 性约束条件可以大幅提升冲击识别效果（Kilian & Murphy，2012；De Graeve & Karas，2014；Amir-Ahmadi & Drautzburg，2021）。然而，这一方法还未在中国情境下得到应用。De Graeve & Schneider（2023）根据行业间的投入产出联系构建了相应的异质性约束，并用于 识别美国的行业冲击。本文在其基础上进一步放松识别假设，并为了适配中国经济特征引入了结构变化过程，首次将这一方法用于网络结构快速变化的发展中国家，为相关研究提供了参考。

　　本文的内容安排如下：第二部分介绍特征事实以及理论框架；第三部分介绍行业冲击的识别方法；第四部分展示历次经济周期的行业分解结果；第五部分分析生产网络的结构以及转型特点如何决定了不同行业在经济周期中的地位；第六部分是结论和政策建议。

　　在这一节中，我们第一步展示中国生产网络结构的相关事实，使用的数据来自本文作者及其团队构建的CIP数据库。接着，通过构建带有投入产出结构的多部门真实经济周期理论模型，为理解行业冲击、投入产出结构与经济波动之间的关系提供分析框架。

　　在中国经济高速发展的过程中，经济内部的生产网络发生了结构性的变化。图1a展示了从1978年改革开放到2008年全球金融危机爆发，中国生产环节的中间品占增加值的比重。其中，实线展示了不同行业使用的中间品占行业增加值比例的平均值，而虚线展示了整体经济的中间品占增加值的比例。可以明显看到，在这段时期，无论是在行业还是总量层面，中间品占增加值的比例几乎翻倍，意味着经济部门间的投入产出联系越来越紧密。与此同时，生产网络内部存在明显的结构转型。我们将所有行业按照资本劳动比分为资本密集型行业和劳动密集型行业，（①部门资本存量与劳动力的数据来自CIP数据库。劳动密集型部门包括：农林牧渔、食品烟草、纺织服装、皮革锯材家具、纸品印刷、电气设备、仪器和办公设备、批发和零售、酒店餐饮、交通、仓储和邮政服务、租赁技术科学与商业服务、政府公共行政服 务、教育医疗社保服务、文体服务。资本密集型部门包括：煤炭开采、石油天然气开采、金属和非金属矿开采、石油和煤炭产品、化学品及相关产品、橡胶和塑料制品、石材黏土玻璃制品、金属加工、金属制品、工业机械设备、电子通信设备、机动车辆及其他交通 设备、电力蒸汽天然气和自来水供应、建筑、计算机金融服务、房地产服务）并展示了这两类行业相对的发展趋势。图1b中的实线展示了两类行业使用的中间品的相对比重，虚线展示了两类行业增加值的相对比重，我们将1978年的相对比重标准化为1。可以发现，改革开放以来，无论是增加值还是中间品的使用，都存在明显的劳动密集型部门向资本密集型部门转型的趋势。并且，相较于增加值的结构转型，投入产出的结构转型过程更加显著，这意味生产网络内部的结构可能发生了较大变化。

　　为了更清晰地展示生产网络内部投入产出结构的变化，我们在图2中绘制了1997年和2012年中国的投入产出结构。图中每个节点代表一个行业，行业间的投入产出联系用节点间的连线表示。 节点的大小根据 Carvalho（2014）的方法计算得到，（②参见 Carvalho（2014）使用的“平均加权度”指标计算方法）代表该行业在生产网络中的重要性，与该行业存在投入产出联系的行业越多、行业间的投入产出量越大，该行业对应的节点也就越大。两个行业间的投入产出量越大，对应节点间的连线越粗。为了方便比较投入产出结构的变化，我们以1997年的投入产出表为基准，将图2a中各节点大小和连线粗细做标准化处理。最后，使用黑色节点表示资本密集型的工业部门、深灰色节点表示劳动密集型的工业部门、浅灰色节点表示别的行业。通过对比，可以明显看出黑色节点整体变大，这意味着资本密集型部门在生产网络中的重要性上升。 根据计算，网络重要性涨幅最大的前五个工业行业均为资本密集型行业，分别是：初级和加工金属工业、石油和煤炭产品、电力蒸汽天然气和自来水供应、石油与天然气开采、化学品及相关产品。相反，大多数灰色节点明显变小，图 2b 中四个最小的节点分别为纺织品、橡胶和塑料制品、皮革及其制品、服装及其他纺织品，这表明劳动密集型部门在生产网络中的重要性下降。

　　生产网络结构与宏观经济波动之间存在怎样的联系？首先，定义如下两个行业层面的权重系数，记为增加值权重和多玛权重：

　　在传统的水平多部门经济中（horizontal economy），各部门间不存在投入产出关联，因此一个行业的波动幅度（百分比）将按照增加值权重传导到宏观经济。因此，只有当一个部门在经济体中的比重足够大时，该部门自身的波动才能够在宏观层面带来明显影响。然而，这一结论在部门间存在投入产出关联时不再成立。Hulten（1978）最早通过对投入产出表的核算指出，一个行业的波动幅度将按照多玛权重，而非增加值权重，传导到宏观经济。一个行业的产出等于其增加值加上使用的中间品，因此多玛权重在增加值权重的基础上，考虑了一个行业的波动会如何通过中间品渠道传导到其他经济部门。这一结论也被称为Hulten定理，并在一般均衡框架中被进一步证实（Acemoglu et al.，2012；Baqaee & Farhi，2019）。

　　这解释了为什么一些增加值占比不高的行业却对中国宏观经济产生了重大影响。一个典型的例子是房地产行业。图3a中的虚线展示了改革开放以来中国房地产部门的增加值权重，基本在10%以下。然而，房地产行业在中国经济中对上下游产业链的影响广泛，不仅消耗大量建筑材料，影响着水泥、钢铁、玻璃、五金、陶瓷、化工等众多制造行业的发展，还会对物流、金融等生产性服务 业产生显著的拉动效应。图3a中的黑色实线展示了房地产部门的多玛权重，是自身增加值权重的 4 倍以上，是其他行业平均多玛权重的5倍以上（见图 3a 中的灰色实线）。根据Hulten定理，房地产部门的冲击很可能通过生产网络被显著放大。

　　已有研究表明，房地产部门间接带动的产业链占GDP的比重远高于自身（许宪春等，2015）。 图3b中展示了房地产波动可能带来的宏观经济波动。（①需要说明的是，这是一个近似核算。如果要严谨讨论房地产对于宏观经济的影响，需要进行更深入的分析，见后文）首先，我们使用H-P滤波方法计算了房地产部门波动和宏观经济波动（即偏离趋势的比例）。接着，分别按照增加值权重和多玛权重计算了房地产部门波动带动的宏观经济波动，见图3b中的黑色实线和虚线。可以发现，由于房地产部门自身的增加值权重并不大，因此如果不考虑投入产出关联，那么行业自身的波动并不会对宏观经济造成太大影响。然而，由于房地产部门在生产网络中具有广泛的上下游关联，因此使用多玛权重折算房地产部门的波动后，其对宏观经济波动的影响程度显著上升。

　　综上所述，改革开放以来中国的生产网络存在如下特征性事实：第一，经济部门间的投入产出联系不断加深，并且网络内部经历了明显偏向资本密集型部门的结构转型；第二，关键行业的波动可能通过投入产出关联引起了显著的宏观经济波动。基于此，为了理解行业波动与宏观周期的关 系，本小节构建了一个带有投入产出结构的多部门真实经济周期模型，并将行业冲击建模为行业技术冲击，目的是揭示行业冲击在生产网络中的传导和放大过程，并理解投入产出结构及其转型会如何影响不一样的行业在经济周期中的作用。

　　假设经济体中有 N 个行业，每个行业生产一种产品，产品市场和劳动力市场是完全竞争的。经济体在 t 期拥有 Lt 单位的初级生产要素（primary factor）。行业 i 的代表性企业利用初级生产要素 Li 和各类中间投入品 xij进行生产，其生产函数如下：

　　其中，yit 是行业 i 在 t 期的产出，Ait 刻画了在 t 期行业层面的技术水平，1 - αi 表示中间投入品占行业产出的比例，xijt 表示在 t 期行业 i 的企业使用来自行业 j的产出作为中间投入品的数量，ωij 则是对应的支出权重，满足 ΣN j = 1 ωij = 1，刻画了行业间的投入产出结构。

　　每个行业的产出有一部分被终端部门（比如消费、投资）吸收（absorption）。简化起见，假设最终吸收 Ct满足如下柯布-道格拉斯加总形式：

　　其中，βi 为最终吸收在行业 i 产品上的支出占比。最终吸收 Ct 度量了一个经济体的实际增加 值，记作 GDPt 。经济中的偏好 Ut由最终吸收 Ct与初级要素供给 Lt决定，具有可分形式：

　　首先，我们给出模型均衡的定义，即存在一组要素价格和产品价格，使得在这组价格下：（1）每个行业的代表性企业选择最优的要素和中间品组合进行生产；（2）终端部门选择最优的要素供给和最终吸收量；（3）要素市场和各产品市场出清。接着，把每个行业代表性企业与终端部门的最优条件带入市场出清条件中，推导出实际增加值波动与行业技术波动间的关系： 定理 1 行业冲击对经济体实际增加值的影响可以用如下充分统计量刻画：

　　为 了 理 解 定 理 1 的 经 济 学 含 义 ，考 虑 一 个 没 有 投 入 产 出 关 联 的 经 济 体（Φ = I）。 此 时 ， dlnGDPt = βTdlnAt，即每个行业的冲击将以该行业的增加值权重传导到宏观经济。然而，当存在投入产出关联时，一个行业的冲击不仅对该行业有直接影响，也会通过上下游关联对其他行业产生影响。注意到，里昂惕夫逆矩阵 Φ 可以表达为如下等价形式：

　　该矩阵第 i 行第 j 列的元素 Φij 表示了行业 i 的企业购买行业 j 的产出作为中间投入品的累积支出占行业 i 产出的比例。这一比例 Φij 不仅反映了行业 i 的直接购买支出 (1 - αi )ωij ，也包括行业 i 通过购买行业 k 产出作为中间投入品，行业 k 再购买行业 j 的产出作为中间投入品，依此类推，最终形成的累积支出。

　　根据（5）式的结论，经济体的增加值结构（用 β 刻画）和投入产出结构（用 Φ 刻画），决定了行业冲击如何影响宏观经济。我们进一步将行业 i 的冲击对实际增加值的边际影响分解成对该行业自身影响（行业内效应）以及通过行业间投入产出关联对其他行业的影响（行业间效应）：

　　因此，当（1）行业 i 增加值占比较高时（βi 较大时），（2）行业更大程度上使用中间投入品时（αi 较 大时），（3）高增加值行业 j恰好为高中间投入品使用行业时（βj和 ωij较大时），总增加值对行业 i冲击的弹性更大。当然，更大的冲击幅度（dlnAit较大）也会带来更大的波动（dlnGDPt ）。

　　推论 1如果一个行业具有更高的增加值，与其他增加值更高的行业具有更紧密的投入产出关联，该行业的冲击幅度更大，那么该行业冲击对宏观经济的影响也更大。

　　与此同时，一个行业不仅可以通过自身冲击影响宏观经济，还可以通过“被动地”传导其他行业 的冲击来影响宏观经济。下面讨论各类冲击如何通过特定行业传导到宏观经济。一方面，行业 i自身冲击可以通过（7）式影响实际增加值；另一方面，其他行业（j ≠i）的冲击，也可以通过行业 i 来影响实际增加值：

　　我们称行业 i 自身冲击对宏观经济产生的影响为行业 i 的“主动效应”，而称其上下业冲击通过行业 i 对宏观经济产生的影响为行业 i 的“被动效应”。容易看出，行业 i 冲击带来（7）式中的行业间效应，以及（8）式中其他行业冲击通过行业 i 产生的被动效应，都依赖于投入产出联系的存在 （Φji 以及 Φi ）。j 如果关闭经济中其他行业使用行业 i的产出作为中间投入，以及行业 i使用其他行业 产出作为中间投入的渠道，新的（反事实）投入产出矩阵就会变为 Ω͂ （对应的里昂惕夫逆矩阵为 Φ͂ ）：

　　与 Ω 相比，Ω͂ 的第 i 列的元素全部变为 0（除了第 i 行），这将使得行业 i 的冲击无法传导到其他 行业；Ω͂ 的第 i 行的元素全部变为 0（除了第 i 列），这将使得其他行业的冲击无法传导到行业 i。那么，给定所有行业冲击不变，宏观经济的变动将由如下推论给出：

　　推论 2给定相同行业冲击，关闭行业 i的所有投入产出关联带来的增加值变化为：

　　可以发现，如果行业 i 与其他行业的投入产出联系越密切，上述的反事实矩阵 Φ就与 Φ 的差异越大，（10）式中宏观经济的变动幅度也就越大。由于各类冲击广泛地通过行业 i 传导和放大，我们称这类行业为“网络关键行业”。

　　给定中国生产网络结构快速演变的宏观经济背景，应该如何理解不同行业在历次经济周期中扮演的角色？第一，各行业的冲击可能通过投入产出联系对宏观经济产生了显著影响。第二，生产网络的结构转型，可能使得不同行业在经济周期中的地位发生变化。第三，由于房地产部门与经济中 其他部门存在广泛的投入产出关联，其可能通过放大自身冲击和其他行业冲击，对中国经济波动产生关键性影响。为了更加深入地分析这些问题，下文将系统性识别改革开放以来各行业受到的冲击，进而定量拆解不同行业冲击对宏观经济波动的贡献。接着，分析中国生产网络结构的变化如何 改变了不同行业冲击在经济周期中的作用，以及网络中的关键行业如何影响中国宏观经济周期。

　　根据已有文献的研究，识别行业冲击是有难度的。本节介绍行业冲击的识别方法：首先，阐述识别假设和识别策略；接着，介绍用于识别冲击的 SVAR 模型，说明如何在该框架下应用识别策略； 最后，介绍本文作者及团队构建的数据库。

　　目前研究行业冲击的文献面临的一个难题是如何从实证上分离不同的行业冲击。其难点在于，行业冲击在生产网络中具有复杂的传导过程，均衡状态下每个行业所展现出的波动性都是各行业冲击相互作用的结果。为了解决这一问题，De Graeve & Schneider（2023）提出了一种全新的识别 思路：生产网络中不同行业的冲击，会使经济体中其他行业的波动幅度，以及波动幅度的大小排序有所差别。具体来说，当一个行业受到冲击，与其有更紧密投入产出联系的行业会有更大幅度的波动。据此可以确定每个行业的“行业冲击序”，再根据波动的特点逆向识别出波动的源头行业。 在应用中，需要首先定义如下的行业冲击序： 定义（行业冲击序）对于行业 j，将除自身外的所有行业做如下排序：

　　使得，Rankj中排列越靠前的行业，在行业j受到冲击后受到的影响越大。 如何确定行业的冲击序？ De Graeve & Schneider（2023）建议使用投入产出表中的完全需要系数，两个行业间的完全需要系数越大，则认为其投入产出联系越密切。这一做法背后的识别假设是：当某个行业被冲击后，与其投入产出联系越紧密的行业受到的影响越大。因此，最终的识别策略是：如果行业 i比行业 j的波动幅度更大，那么冲击源于一个其冲击序比行业 i排序更靠前的行业。 上述方法在应用中存在两点优势：不依赖于特定模型设定，并且识别假设足够简洁。本文在上述思路的基础上，进一步做出如下改进：第一，放松识别假设。同一行业中不同类型冲击的传导路径可能存在差异，（①Acemoglu et al（. 2016）发现供给冲击更多地向下游传导，而需求冲击则更多地向上游传导）我们参考 Acemoglu et al（. 2016）的方法构建了行业冲击的上游和下游序，并要求冲击传导路径满足其中一个排序即可。第二，结合中国经济结构的特征，在识别中引入生产网络结构变化。由于过去四十年中国生产网络内部发生了显著的结构转型，我们允许不同时期相同行业的冲击序不同。

　　SVAR 模型的滞后期数。st 是一个在不同时期取离散值的域变量，其目的是刻画不同时期生产网络结构的差异导致的冲击传导路径变化。εt是结构性行业冲击，（③即 εt的协方差矩阵是单位矩阵）也是本文关心的核心序列。

　　接着，本文的核心工作是应用上文的识别策略对（12）式进行估计，得到行业冲击 εt 。在 SVAR 模型中，特定行业冲击对其他行业的影响可以用标准的脉冲响应函数刻画。记（12）式生成的域 st 中的 t期脉冲响应矩阵为：

　　其中，ri，j，t 表示部门 i 对于部门 j 大小为 1 单位标准差的冲击在第 t 期的脉冲响应。通过计算每个行业 j 冲击的序 Rankj( s )t ，可以对脉冲响应矩阵 Rt ( s )t 的第 j 列施加约束。因此，将识别策略重新表述如下：如果在行业 j的冲击序中，行业 n 排在行业 m 之前，那么行业 n 对行业 j冲击的脉冲响应大于行业 m 对行业 j冲击的脉冲响应。

　　在具体的估计中，我们进行如下完善，以实现更好的识别效果。第一，使用混合识别策略，在异质性约束之外加入了符号约束：要求行业 i的正向冲击必须增加行业 i的产出。第二，对行业冲击序 进行聚类。将与行业 j 联系紧密程度相近的行业聚类为一组，忽略组内差异，只对不同组之间的脉 冲响应关系进行约束，称这一做法为聚类序（ranking cluster）。该处理的优势在于：第一，避免识别结果对数据误差过于敏感。第二，减小网络结构的微小变动对于识别结果的影响。第三，保证识别假设在更多理论模型中成立。

　　最后，我们应用贝叶斯方法估计模型参数。这一算法的思想是在给定的先验分布中对待估参数进行足够多次的抽样，并计算每次抽样得到的脉冲响应函数，进而筛选出满足条件的抽样样本、 得到待估参数的后验分布。我们选取与 Rubio-Ramirez et al（. 2010）一致的参数先验分布。在进行 估计之前，首先对数据进行了平稳性检验，并使用贝叶斯信息准则和赤池信息准则确定滞后期数 p = 1。关于域变量 st 的取值范围，我们发现指定其为一个二值变量，在 2002 年及之前取 0，在 2003年及之后取 1，就可以充分捕捉到中国两轮主要经济周期之间的投入产出结构差异。其次，将约束 期数设为 ˉt = 1 期可以实现较好的识别效果。（①如果约束期数太多，即约束更严，则很难选出满足要求的后验样本）最后，设置排序聚类的组数为 K = 3。（②聚类组数过多或者过少都不利于模型参数的识别。如果组数过多，则异质性约束的数量较多，难以筛选出符合要求的后 验样本；而如果组数过少，则识别效果可能较差。因此，我们令第一组包括行业自身和与其投入产出联系密切的行业，第二组包括 与其有一定投入产出联系的行业，第三组包括与其投入产出联系较弱的行业）

　　本文使用的分行业增加值数据和投入产出矩阵来自 CIP/China KLEMS，即国际生产率和增长核算计划（KLEMS）的中国部分。本文使用的是 IP4.0 的延长版本，包含 1978—2018 年共 37 个行业。 该数据库最初由伍晓鹰教授领导的日本一桥大学经济研究所团队开发，目前由其主持的北京大学国家发展研究院增长实验室维护和更新，更详细的介绍参见 Wu & Ito（2015）和 Wu & Li（2021）。在计算过程中，需要避免陷入“维度诅咒”，且在模型可计算的前提下，尽可能纳入更多的行业，本文对原始数据中的行业进行了部分合并，将国民经济活动分为：农业、能源、金属矿石及制品、非金属矿 石及制品、食品、烟草、纺织、锯材家具、纸品印刷、建筑和房地产、工业机械和设备、电子通讯设备、 仪器和办公设备、车辆和交通设备、电气设备，共 n=15 个部门。（③我们将部分生产性服务业按照投入产出关系与相关的生产行业进行合并，并删去与经济波动关系较小的政府、教育、卫生 等非市场性服务业）

　　图 4 展示了 1978—2018 年中国宏观经济波动及各行业波动，纵轴的单位是百分比，表示偏离趋势项的幅度。其中，左轴表示宏观波动幅度，右轴表示各部门波动幅度。带圆圈的黑色实线展示了整体经济波动，我们将经济波动率相邻的两个极小值之间涵盖的区域定义为一个经济周期，并区分 每个经济周期中的上行期与下行期。我们将整个样本划分为三段：第一，1978—1991 年，即建立社会主义市场经济体制之前；第二，1991—2002 年，即建立社会主义市场经济体制之后的第一个经济 周期，其间经历了 1997 年亚洲金融危机；第三，2002—2018 年，即加入 WTO 以来的第二个经济周期，其间经历了 2008 年全球金融危机。图中每一条虚线对应一个行业的波动，可见各行业周期与 宏观周期高度相关，在大部分时间段里甚至完全一致。这一现象是早期经济周期理论忽略行业冲击的

　　主要依据，即认为总量冲击会平均地传导到每个行业。然而，这背后的深层原因是，一些重要行业的发展可以通过投入产出联系带动其他行业，继而驱动宏观经济的波动，导致大部分行业的波动趋势呈现出高度的一致性。

　　在下文中，我们将展示各行业对经济波动的实际贡献，并探讨哪些行业主导了历次经济周期。 基于以下三点原因，我们着重分析 1992 年后的两次经济周期。第一，从经济特征看，虽然改革开放始于 1978 年，但经济的高速发展始于 1992 年，且这之后的经济波动周期性更加突出，因此 1991 年后的两次经济周期具有更重要的研究价值。第二，从识别技术看，建立社会主义市场经济体制之 前，各行业的生产活动呈现更强的“计划性”，因此行业冲击并不一定会按照投入产出联系传导，这 可能影响识别结果的准确性。第三，从现实意义看，研究市场经济体制建立之后的经济周期，对于 理解当前及未来中国经济的发展，有更重要的参考价值。

　　本小节识别中国经济波动的行业来源。首先，介绍如何测算各行业冲击对宏观经济波动的贡 献。在考虑行业间投入产出联系后，行业 i的冲击不仅影响自身，还会影响其他行业，进而导致整体 宏观经济的波动。由于结构行业冲击 εt 中每个分量 εi，t 线性无关，所以可以使用标准的反事实方法 评估单个行业冲击 εi，t对经济波动的影响。定义：

　　为行业 i 的 n × 1 维反事实冲击，其中第 i 个分量为 εi，t ，其他分量取值为 0。对于每个行业 i，构 造相应的 εi* t ，并根据（12）式，得到反事实模拟中各行业的波动，再加总得到仅依赖行业 i 的冲击 εi，t 生成的宏观经济波动：

　　其中，Yj，t 是行业 j的增加值，Yt 是总增加值，两者之比是行业 j的增加值权重；y͂ * i，t 是行业 i 冲击带 来的行业 j波动，这一波动会以行业 j的增加值权重传导到宏观经济。因此，也称 cyclei* t 为行业 i驱动的宏观经济波动，这是考虑投入产出联系后，各行业冲击对宏观波动的真实贡献。为了阐明准确识别行业冲击对于理解不同行业对经济波动贡献的重要性，我们对比两组结果：按照本文识别策略测算的结果和不添加识别条件得到的结果。‍

　　图 5a 展示了 1991—1996 年间我国的宏观经济波动以及各行业驱动的波动。这一时期属于经济上行期，建筑和房地产部门、纺织食品等劳动密集型制造业部门，为这一时期的繁荣做出了重要贡献。定量结果显示，仅仅建筑和房地产部门、纺织部门以及食品部门 3 个部门冲击的组合就足以 解释整体经济波动的约 69%。在 1991—1996 年间，房地产部门以平均每年新增 1.6 亿平方米的规模增长，平均增速高达 9.5%。（②1988 年初，全国住房制度改革工作会议召开，将住房制度改革纳入国家经济体制改革计划，并在全国分期分批展开。此 后，政府开始逐步探索住房市场化改革）随着市场经济体制不断完善，以及国家相关外贸政策的支持，（③1986 年底原国家计委等六部门颁布《关于扩大沿海地区纺织品出口有关政策措施的意见》，提出了一系列鼓励出口的措 施和优惠政策，作出“以扩大出口为突破口，带动纺织工业全面振兴”的战略决策。1987 年我国纺织工业开始战略调整，从以国内 市场为主，转为保证国内市场的同时着重抓出口创汇。）大量符合当时比较优势的劳动密集型行业，比如纺织业、食品业，得到迅速发展。除此之外，大部分行业的冲击对于宏观经济的波动几乎没有影响，见图 5a 中的浅灰色虚线。

　　图 5b 呈现了在不添加识别条件下的各行业对经济波动的贡献。对比左右两图，我们发现：在 准确识别行业冲击后，部分行业对经济波动的贡献愈发突出。背后的原因在于，在不添加识别约束的情形下，这些行业冲击通过投入产出关系对其他行业的溢出效应被忽略。以建筑和房地产部门 为例，房地产的产业链关联度高，其影响力覆盖了上游的采矿、钢铁、电力行业以及下游的金融、销售等行业。图 5 显示，这些相关行业在图 5a 中的波动小于图 5b，意味着这些行业在这一时期的繁荣可能是由建筑和房地产部门驱动的。

　　在上个繁荣期，为了防止物价快速上涨，中国政府实施了适度的紧缩政策，这些措施在 1996 年初开始发挥作用，经济过热现象得到缓解。紧随其后的 1997 年亚洲金融危机，又对中国经济造成了负面影响。因此，中国经济增速在这一时期内出现下滑，见图 6a。

　　曾在上一时期推动经济快速发展的建筑房地产和纺织、食品等劳动密集型制造业，同样是这一时期经济下行的主导行业。在紧缩的货币政策下，房地产作为重点调控对象，受到了较大程度的限制。1996 年，房地产投资增速降至 2.1%，1997 年陷入负增长。同时，依赖外需的纺织服装等劳动密 集型行业也在亚洲金融危机中受到冲击。由于金融危机期间亚洲国家货币竞相贬值，人民币汇率 稳定的政策削弱了出口竞争力，影响了纺织、食品等出口导向型产业的发展。此外，由于我国农产 品的贸易顺差主要来自亚洲地区，因此亚洲国家经济受挫和我国出口竞争力的下降，也带来了农业 部门的下滑。定量看，这几个主导行业的冲击贡献了该时期 76% 的经济波动。

　　从2001年末加入世界贸易组织（WTO）到2011年，我国经济经历了一轮新的高速增长。图7a显示，这段时期的经济繁荣由多个行业共同推动，并且以2008年全球金融危机为界，前后的发展格局呈现明显差异。 从入世到 2008 年金融危机前，是中国经济自改革开放以来增长速度最快、持续时间最长的黄金期。首先，伴随资本积累和国际技术传播，我国资本密集型产业的占比逐渐上升，汽车、机械、消 费电子等工业化支柱产业迅速成长；与此同时，国际市场的产业链分工需求以及城镇化带来的大量居民消费，（①2000 年中国汽车销量仅 200 万辆，而 2009 年超过 1300 万辆，中国首次超过美国成为全球最大的新车市场）也从需求侧推动了这些行业的繁荣发展。定量结果显示，仅设备制造部门的冲击就贡献了 2002—2008 年间宏观波动的 38%。其次，建筑和房地产部门仍扮演着重要作用。伴随着城镇 化的迅猛发展，1998 年住房改革全面推开，（②1998 年 7 月，国务院发布《关于进一步深化城镇住房制度改革加快住房建设的通知》，宣布从下半年开始全面停止住房实物分配，实行住房分配货币化）家庭不动产需求蓬勃发展。同时，我国开始了大规模 的基础设施建设，西气东输、西电东送、南水北调、干线公路等重大项目相继开工。房地产和基建的兴起，带动了钢材、水泥、电力和运输等投入品的需求大幅增长。

　　2008 年金融危机后，我国的经济稳步的增长模式经历了较大变化。如图 7a 所示，各个行业的经济波动呈现出明显的“K 型分化”趋势，房地产建筑部门与其他行业的走势形成鲜明对比。具体而言，全球金融危机深刻影响了我国的实体经济，导致包括工业在内的多个部门增长放缓。例如，2009 年我国能源部门受到的负面冲击主要源于金融危机引发的国际油价大幅下跌。面对危机，中国政府自 2008 年起实施了一系列逆周期调控措施，不仅极大刺激了房地产市场，还放宽了地方政府的债务融资限制，为大规模基础建设项目提供了资金支持。这些措施有效推动了建筑和房地产 部门的发展，助力中国经济从金融危机的阴影中恢复增长。定量分析显示，2009—2011 年间，建筑和房地产部门对经济波动的贡献高达 53%。这种“K 型分化”趋势在图 7b 中并不突出，再次表 明在不添加识别约束的情形下，难以捕捉各行业通过投入产出关系对经济波动的影响。

　　2011—2018年间，我国经济步入“新常态”。在这一时期，发展方式逐渐从规模速度型粗放增长转向质量效率型集约增长，房地产、重化工产业中的低质量产能有序退出，中国经济从 11%的高速增长逐渐降至 6%的中高速增长。根据图 8a，这一时期的增速下行主要是由建筑和房地产部门、金属矿石及其制品部门、能源部门、工业机械和设备制造部门带来的，这四个部门的冲击贡献了约82%的经济波动。

　　这一时期建筑和房地产部门的下行，既有自身发展周期的供需条件变化，也受到了国家政策调控的影响。一方面，随着房地产市场的成熟饱和，供需关系逐渐趋于平衡，市场增长势头放缓。 另一方面，政府为了抑制过高房价，实施了限购、限贷等一系列调控措施，一定程度上抑制了地产 行业的增速。在此期间，金属矿石及其制品部门、能源部门引致的波动呈现出“先下降后轻微回升”的走势。进入“新常态”后，“大气十条”、新环保法等一系列政策相继落地，钢材、煤炭等重化工 产品产量大幅下降（江深哲等，2024）。尽管如此，受制于需求端的萎缩，相关行业仍面临着产量过 剩和价格低迷的问题。直到 2016 年供给侧结构性改革的深入推进，供需失衡的状况才得到根本改善。同时，金融危机后西方国家经济进入疲软期，有效需求大幅下滑。

　　综上，这一时期中国经济增长速度的放缓，很大程度上是由产业结构的优化调整引起的，这表明中国经济正在从依赖高能耗、高污染的传统产业转向更加依靠技术、创新和效率的现代产业。尽管经济增速在短期内有所减缓，但从长期看，这是中国经济向高质量转型的积极表现。

　　根据上文的分析，在中国过去两轮经济周期中，绝大多数波动可以归因于少数主导行业的冲 击。结合前述理论推导，本节进一步讨论以下问题：第一，为什么仅仅少数行业冲击就可以主导经 济周期，投入产出关联是否起到了重要作用？第二，随着中国生产网络结构的演变，主导行业如何 转变？第三，生产网络中的关键部门对中国经济周期产生了多大影响，其中的机制是怎样的？

　　为什么少数行业的冲击能驱动总体经济的周期性波动？根据定理1，行业冲击对实际增加值的边际影响可以分解成对该行业自身的影响（行业内效应）以及通过行业间投入产出关联对其他行业的影响（行业间效应）。相应地，在本文的结构计量模型中，将不一样的行业冲击对宏观经济波动的影响分为行业内效应和 行业间效应。分解结果如图9所示，图中带圆圈标记的黑色实线代表实际宏观经济波动，黑色实线代表各 时期主导行业冲击生成的宏观经济波动，（①1991—1996 年上行期的主导行业为建筑和房地产部门、纺织部门、食品部门；1996—2002 年下行期的主导行业为建筑和 房地产部门、纺织部门、食品部门、农业部门；2002—2011 年上行期的主导行业为建筑和房地产部门、农业部门、工业机械和设备部 门、电子通讯设备部门、车辆和交通设备部门、能源部门；2011—2018 年下行期的主导行业为建筑和房地产部门、工业机械和设备 部门、能源部门、金属矿石及制品部门）而虚线代表了关闭投入产出联系后主导行业冲击生成的宏观经 济波动，也就是主导行业冲击的行业内效应。结果显示，各时期主导行业的冲击解释了绝大部分的宏观经 济波动。但是，如果仅考虑行业内效应，那么主导行业冲击对于经济波动的贡献将显著下降。这意味着， 主导行业的冲击通过投入产出联系对其他行业的影响，是这些行业能够主导宏观经济周期的主要原因。

　　根据本文第二部分展示的中国生产网络结构转型的特征事实，资本密集型部门无论是增加值占比 还是与其他部门的投入产出关联，都呈现出明显的上升趋势。根据推论 1，资本密集型部门的冲击对于宏观经济周期的影响很可能在历次经济周期中显著上升。为了验证这一推测，图10展示了两次经济周 期中资本密集型和劳动密集型部门对经济波动的贡献。（②根据各部门的资本密集度，将除农业和建筑房地产部门外的所有行业分为劳动密集型部门和资本密集型部门。其中劳动 密集型部门包括：食品、纺织、锯材家具、纸品印刷、电子通讯设备、仪器和办公设备、电气设备部门；资本密集型部门包括：能源、金 属矿石及制品、非金属矿石及制品、烟草、工业机械和设备、车辆和交通设备部门）其中，灰色带三角符号的虚线表示仅依赖劳动 密集型部门冲击驱动的经济波动，灰色带圆圈符号的实线表示仅依赖资本密集型部门冲击驱动的经济波 动。定量结果显示，在 1992—2002年的经济周期中，劳动密集型部门的冲击对经济波动的解释力达到 46%，而资本密集型部门的解释力仅为 14%，远低于前者。与之形成对比的是，在 2003—2018年的经济周期中，资本密集型部门的冲击对经济波动的解释力高达 61%，而劳动密集型部门的解释力仅约 12%。 可见，从时间维度上看，劳动密集型部门对于经济波动的贡献下降，而资本密集型部门的贡献上升。

　　为什么资本密集型部门变得越来越重要？从机制上看，特定行业冲击对于经济波动贡献的变 化，在本文框架中可被分解为三个渠道：第一，行业冲击本身的变化；第二，行业在生产网络中增加 值占比的变化；第三，行业在生产网络中与其他行业投入产出联系的变化。采用反事实模拟的方法 对这三种机制进行定量分解的结果显示，（①首先，控制投入产出结构在 2002年前后保持不变，将此反事实结果与基准结果对比，得到部门网络联系变化带来的净效应。 接着，控制两部门增加值占比在 2002年后保持不变，得到增加值比重扩大的净效应。最后剩余的部分，就是部门冲击变化的影响）生产网络的结构转型是推动不一样的行业在经济周期中地 位发生变化的主要原因。以资本密集型部门为例，分解结果显示其对经济波动的贡献在两轮周期 中上升了 47%，其中，该部门冲击的扩大可以解释 24.0%，增加值比重的上升可以解释 43.2%，与其 他部门投入产出联系的增强可以解释 32.8%。总体来看，后两种机制的解释力达到 76.0%，而这两 种机制都来源于生产网络演进带来的资本密集型部门的地位提升，前者代表行业自身增加值在生 产网络中占比的上升，而后者代表其在生产网络中与其他行业联系紧密程度的上升。可见，经济结 构的变化对不一样的行业在经济周期中的地位起到了关键性的作用。

　　根据行业冲击的识别结果，建筑和房地产部门的冲击对中国经济波动的贡献长期处于较高水 平。接下来，我们对此进行更细致的讨论。根据图 3a 的特征事实，建筑和房地产部门的多玛权重 远高于经济中的其他部门。进一步地，（7）式和（8）式表明，这类关键部门对宏观经济波动的影响可 以分为三个效应：行业自身冲击产生的行业内效应；行业自身冲击通过投入产出关联产生的行业间 效应；上下业冲击通过投入产出关联影响关键行业产生的被动效应。下文将定量检验建筑和 房地产部门的上述三种效应如何影响中国的宏观经济周期，以及投入产出联系在其中的作用。

　　图 11a展示了建筑和房地产部门对宏观经济产生的主动效应。图中带圆圈符号的黑色实线表示 宏观经济波动，灰色实线表示建筑和房地产部门的冲击生成的宏观经济波动。不难发现，建筑和房地 产部门驱动的经济波动与现实波动的方向基本一致，并在大部分时间内贡献了超过 1/3的宏观波动。 为了区分冲击带来的行业内和行业间效应，我们参照（9）式关闭了房地产部门和其他部门间的投入产 出联系，得到了建筑和房地产部门冲击的行业内效应，见图 11a中的灰色虚线。结果显示，行业间效应 约为行业内效应的 4倍。这意味着，建筑和房地产部门冲击对宏观经济的主要影响体现在其对其他行 业的影响，而非对行业自身的直接影响。图 11b 展示了建筑和房地产部门对宏观经济产生的被动效 应。结果显示，上下业冲击通过影响建筑和房地产部门，也解释了接近 1/5的宏观经济波动。当 关闭投入产出联系之后，别的行业冲击无法再传导至建筑和房地产行业，因此被动效应消失。

　　总体来看，建筑和房地产部门相关的经济波动大约占总体波动的一半。从机制上看，建筑和房 地产部门冲击的行业间效应及其上下业冲击的被动效应占到其中的 80% 以上，是导致建筑和 房地产部门在宏观经济波动中具有较大影响的决定性因素。这也体现了房地产部门作为中国生产 网络关键节点的特征，即其对宏观经济的影响主要通过投入产出关联直接或间接实现。

　　本文的核心工作是从生产网络的视角理解中国经济周期。强调行业冲击通过投入产出 联系对于经济周期的重要影响，并指出主导行业的冲击可以解释特定时期大部分的经济波动。其次，生产网络结构的转变是导致资本密集型行业在中国经济周期中地位显著上升的重要原因。最后，网络关键节点部门会对宏观经济波动产生较大影响，这使得建筑和房地产行业成为理解中国经 济周期的一个重要环节。 为了聚焦于对生产网络的刻画，本文对除生产部门外的其他经济部门进行了简化，例如金融部门和政府部门。一方面，我们将各类影响行业发展的冲击抽象为一个统一的行业冲击。这些行业冲击可 能来自政府部门的财政政策，即改变在特定行业的公共支出与税收水平；也可能来自金融部门的货币 政策，即改变信贷配给在不同行业间的分配比重，进而影响各行业的经济活动。另一方面，一些研究发 现金融部门和政府部门在中国经济周期中扮演着独特作用。（①感谢匿名审稿专家的建议）。例如，房地产冲击可能通过影响企业的借贷能力带来经济波动，即“金融加速器机制”，而中国的土地财政制度会进一步放大上述机制（赵扶扬 等，2017；梅冬州等，2018；高然等，2022）。再比如，中国地方政府的竞争行为可能加剧经济波动，放大房地产冲击的影响（朱军和许志伟，2018；周慧珺等，2024）。对这些问题的仔细研究可能需要将本文的模型进一步拓展，同时也可能意味着本文低估了房地产部门对中国经济波动的重要性。需要说明的是，上述因素对于理解中国经济波动的特征也非常重要，将成为后续研究的重要方向。

　　本文从生产网络的视角揭示了中国经济周期的结构性特征。核心结论包括：第一，少数主导行业通过投入产出联系驱动了大部分经济波动，且不同时期的主导行业有所变化。第二，资本密集型行业在生产网络中的投入产出联系不断强化，逐步替代劳动密集型行业成为经济周期的主导。第 三，建筑和房地产部门作为生产网络中的关键节点，其自身冲击在各行业间广泛传导，同时上下业的冲击通过该部门被放大，二者共同塑造了建筑和房地产部门在经济周期中的重要地位。

　　经济周期的生产网络视角可以为传统宏观经济学的总需求视角提供重要补充。自凯恩斯以来，宏观经济学在短期分析中的基本思想是总需求决定总供给。经济疲软的时候就采取财政与货币政策提升总需求，稳定宏观经济。但总量宏观经济政策难以解决结构性的矛盾，可能导致政策效果大打折扣，这一问题在经济结构快速变迁的时期更需要关注（陈彦斌，2022）。生产网络视角可以同时提供一些结构性的政策方向，这些政策的协调配合，不仅有利于短期经济稳定，更有利于可持续的经济增长，对于经济结构快速转型的新兴市场经济体具有尤为重要的意义。对于成熟经济体，也同样有价值。从现实来看， 近年来欧美国家的宏观政策力度大、见效快，但一些结构性矛盾很难消除，可持续增长面临很大障碍。

　　对于中国经济来说，当前面临国内外环境的复杂性和严峻性，党的二十届三中全会再次强调，要坚 持“稳中求进”的工作总基调，保持稳定增长至关重要。近年来，我国产业链深度融合、经济网络日益复杂，同时主导行业对宏观经济的影响也愈发突出。一方面，新能源、数字经济等产业的发展对于带动整个经济网络的增长起到了重要作用；另一方面，房地产等重点产业所暴露出的短期风险也对宏观经济稳定构成了严峻挑战。本文的研究显示，中国经济的周期性波动具有鲜明的结构性特征，其背后是少数主 导产业的结构变迁过程。在此背景下，应该如何维持中国经济的稳定增长？本文给出如下政策建议：

　　第一，培育新的引领行业，推动产业动态升级，确保经济稳定持续发展。从中长期看，经济稳定 增长的关键在于产业的动态更替，旧的主导产业应当稳步退出，新兴产业则需及时接续。当前，中国经济进入新的发展阶段，低成本优势逐渐消失、国际市场环境变化以及人口老龄化等问题日益凸显，传统增长模式难以为继。因此，必须依靠科技创新推动产业升级。应该抓住全球新一轮科技革命和产业变革的机遇，培育新兴产业，提前布局未来产业，改造提升传统产业。政策方面，可以结合 2035 年远景目标纲要制定有针对性的产业规划，支持一批数字化、智能化、绿色化产业的发展，集 中优势资源、突破发展瓶颈，以点带面地推动宏观经济实现稳定增长。

　　第二，构建系统性的行业风险评估体系，强化房地产等关键行业的风险管理。对于关键行业的系统性风险评估，不仅需要关注行业自身，还需要从整体经济网络的角度，关注这些行业产生的外溢效应及别的行业通过重点行业带来的宏观经济影响。在我国目前的经济结构中，房地产行业“牵一发而动全身”，在国民经济中占据重要地位，相关政策需要谨慎设计：一方面，应当做好房地产等重点领域的风险监测和预警工作；另一方面，应当遏制周边重点产业经济金融风险的传递，加快完善上下游产业链的系统性管理体系，建立健全风险预案，防止风险扩大和过度经济波动。

　　第三，当主导产业风险已经显现时，应加强宏观总量政策与结构性政策之间的协调配合，共同发力对冲风险可能造成的负面系统性影响。在产业快速升级的过程中，大幅度的经济波动往往是少数主导产业风险导致的。在这种情形下，首先应尽量争取软着陆，避免经济过度波动。如果风险较大，有必要进行政策干预，应该在加大总量宏观政策支持力度的同时配合结构性政策的发力。一方面，总量货币政策、财政政策可以平衡总需求和总供给，维持物价稳定、就业稳定、国际收支和经济增长。另一方面，结构性货币政策、产业政策等结构性政策工具能够直接着力于一些关键行业，政策措施可以更直接、有效。同时，这些政策在支持重点行业发展、解决结构性失衡问题的同时，也通过产业结构关联维持了宏观经济稳定。两类政策的结合可以为稳定经济增长提供总量和结构相结合、短期和长期相结合的对策。最后，要注重结构性政策工具的适用性和灵活性，根据不同时期的政策目标进行动态调整，与宏观总量政策取向保持一致。