孙  巍、梁世杰、潘文博（吉林大学）

论文《消费扩张引致创新与产业升级：数理分析与机器学习验证》能够在《经济评论》顺利刊载，令我们深感荣幸。回顾论文的投稿过程，一路上伴随着挑灯夜战的汗水、难题当头的苦思、研究取得突破的欣喜、以及在修改稿件时收获成长的快乐。作为个人学术道路的重要节点，研究成果的取得离不开审稿专家和杂志社的宝贵建议，在文章的开头首先要向《经济评论》杂志社和为我们提供帮助的各位老师表示衷心感谢。应编辑部邀请，谨向各位读者分享论文的研究动机与写作过程。

本文的写作灵感主要有两个来源，一个来源是课题组对供需协同升级以及需求引致创新理论的长期关注。作为超大规模经济体，中国居民收入水平及其分布的长期持续和显著变迁，已经成为改革开放以来实现消费升级和产业升级的重要动力源泉。近年来，消费需求对经济增长的拉动作用日益扩大，尽管受到国际形势影响面临需求收缩与预期转弱的挑战，但从长期来看其依然是经济发展的重要引擎。中共中央、国务院印发的《扩大内需战略规划纲要（2022－2035年）》明确指出，坚定实施扩大内需战略、培育完整内需体系，是加快构建以国内大循环为主体、国内国际双循环相互促进的新发展格局的必然选择，是促进我国长远发展和长治久安的战略决策。然而，扩大内需的作用不应仅局限于促进消费、消化过剩产能，还应为技术创新与产业升级指引方向，以需求信号调节供给结构，为经济高质量发展服务。与此同时，新质生产力的形成体现在技术的革命性突破、生产要素的创新性配置与产业的深度转型升级等多个方面，以创新为核心、以产业升级为载体，不仅起源于供给侧的研发创新，还可能由需求侧的消费升级推动。为此，从理论上探索消费扩张牵引研发创新的市场机制、揭示需求侧动力经由技术创新推动产业升级的传导路径即为本文的研究目标，改进需求引致创新模型则为这一目标的实现提供了途径。

本文写作灵感的另一个来源是笔者对机器学习方法如何应用于经济学研究的探索。由于数据的可获得性不断提升、算力算法不断突破，机器学习相较于统计学与计量经济学取得了更加快速的发展。然而，机器学习模型的研究目标更侧重于预测，在因果推断方面的解释能力相对较弱，用于理论机制的验证也存在诸多不足，因此在应用经济学中尚未得到广泛运用。即便如此，机器学习方法相较于传统计量方法仍有其独特优势，机器学习方法具有高维度、大样本数据的处理能力，模型灵活性较高，无需满足回归的诸多假定，且能够适应不同类型的数据和多样化的经济现象，并有效处理模型在变量选择上的不确定性。在大数据得到广泛运用的时代，可以预见的是，将机器学习方法与传统计量模型相结合，能够提升对复杂经济现实的刻画能力，同时兼顾经济学的理论基础与因果解释，具有广阔的研究空间。

基于上述两个方面的考虑，本文在理论研究方面结合Stone-Geary效用函数和质量升级中的效用函数改进非位似偏好形式，基于需求引致创新思想改进消费升级驱动产业升级的数理模型；在实证研究方面采用随机森林、XGBoost等机器学习方法对理论模型性质加以验证，并通过部分依赖图和变量重要性程度图分析各解释变量的非线性作用及重要性。最终，本文刻画出消费扩张带来的需求侧动力向供给侧技术创新及产业升级传递的完整过程，验证了以扩大内需释放的需求侧潜力发展新质生产力的可行性。进而得出，通过完善收入分配及就业政策提高收入水平、通过完善创新支持政策强化需求牵引机制，并推动以需求为起点、以创新为中介、以产业升级为目标的政策联动机制，是培育新质生产力的有效途径。

论文送审后，审稿专家分别从指标设计、数据选取以及观点论述等方面为本文提出了宝贵意见，经过资料查阅与仔细思考，我们改进了原稿中的诸多不足。为保持产业升级指标在理论模型与实证模型之间的连贯性，我们增强了对指标含义的解释说明，同时改进基准实证模型及稳健性检验中的定义方式，并尝试从《中国高技术产业统计年鉴》中收集细分制造业行业数据进行手动汇总；受到模型复杂程度与数据可获得性的限制，本文虽未能将国外部门纳入模型，或基于城市数据进行机器学习验证，但这些建议的提出为我们拓宽了后续研究思路；考虑到论文原稿对新质生产力的论述不足、对选取机器学习方法的解释不够充分，我们重新明确了论文的现实价值与方法依据，进而增强论文的思想性、整体性、逻辑性。

一篇论文的诞生从不是闭门造车的成果，而是由杂志社和审稿专家共同托举的学术结晶，再次感谢各位老师为论文发表倾注的心血。最后，愿《经济评论》能够继续以开放的胸怀拥抱创新，以严谨的态度引领学术，在更多学者的共同努力下，成为照亮学科发展的灯塔。

（《消费扩张引致创新与产业升级：数理分析与机器学习验证》载于《经济评论》2025年第4期）