自中国经济发展进入新常态以来,经济增长速度放缓回落,在这种背景下,如何实现经济转型升级、提质增效和持续健康的发展成为至关重要的话题。刘世锦等(2014)认为,提升中国企业的全要素生产率是解决该问题的关键。然而,如何才能提升企业的生产率?在开放经济下,国际贸易是促进企业全要素生产率提升的重要力量。根据现有文献的研究结论,企业进口的中间品是外国企业的R & D投入、新知识和高技术水平的载体,有着更高的质量水平,是影响企业生产率的关键因素之一(Blalock and Veloso, 2007;Amiti and Konings, 2007;Goldberg et al., 2010 )。对于发展中经济体来说,由于生产技术水平有限,并且一些关键零部件和机器设备的供应相对匮乏,因此,进口这些高质量的中间品可以提升企业的全要素生产率(Ethier,1982;刘世锦等,2015)。理论上,进口更高质量的中间品可以通过垂直效应提升企业的生产率水平(Grossman and Helpman, 1992;Aghion and Howitt, 1992)。经验研究方面,也有大量相关文献验证了进口中间品与企业生产率之间的正相关关系(陈勇兵等,2012;Kasahara and Lapham, 2013;张翊等,2015;Halpern et al., 2015)。根据许家云等(2017)对中国中间品进口的研究,近年来,在中间品进口占当年进口总额的比重不断上升的同时,中国购买的中间品逐渐占据全球供应链的上游位置。由于创新知识是非竞争性的,可以产生正的技术外溢效应,所以进口国的企业可以通过进口高技术水平的中间产品,进行产品设计模仿和生产流程创新,进而提高企业效益(Shepherd and Stone, 2012;田巍、余淼杰,2014;张杰等,2015)。因此,提高中间品进口的数量和质量也是促进企业转型升级的途径之一,企业通过进口中间品的技术溢出效应,提高其全要素生产率并生产出口高质量的最终产品,融入全球价值链体系以参与国际分工。目前,大量的文献从进口中间品规模的角度对进口中间品如何影响企业生产率进行研究,而对进口中间品质量与企业生产率之间关系的研究显得相对不足。因此,基于上述分析,本文想利用中国企业层面的微观数据来探讨如下问题:进口中间品质量对企业生产率到底有何影响?有何异质性表现?这些问题对于客观评价全球价值链环境下中国进口中间品贸易的经济绩效和如何实现中国企业的转型升级具有重要的现实意义。
文章接下来的结构安排如下:第二部分是文献回顾,并在此基础上指出本文可能做出的边际贡献;第三部分介绍本文使用的数据和变量,及其相关的测度方法;第四部分实证分析并检验进口中间品质量对企业生产率的影响;第五部分采用分位数回归对前文的实证研究结果进行扩展分析;第六部分得出结论,在此基础上提出本文的政策启示。
二、文献评述 (一) 进口中间品对企业生产率产生的影响这部分文献的理论基础是新经济增长理论(Romer, 1990;Grossman and Helpman, 1991;Aghion and Howitt, 1992),其研究视角定位于宏观层面,探究进口中间品对企业生产率的影响。此外,微观层面的研究包括:Amiti and Konings(2007)采用印度尼西亚的微观企业数据考察关税下降与企业生产率之间的关系,结果发现出口关税降低10%则使企业的生产率增加1%,而进口关税降低10%却可以使企业的生产率增加3%,尤其需要特别说明的是,进口中间品的企业的生产率居然可增加11%;Kasahara and Rodrigue(2008)的实证研究表明进口中间品促进企业全要素生产率的提升;进一步地,Altomonte et al.(2008)为了从更深层次探究进口中间品与企业生产率的关系,将进口中间品分为本行业中间品和上游行业中间品,研究发现上游行业进口中间品对企业生产率的提升作用显著大于本行业进口中间品对企业生产率的影响;Damijan and Kostevc(2010)基于西班牙的微观企业数据,研究进口对企业创新及出口的影响,其研究发现进口可以提升企业的生产率,并提高企业的研发和创新能力,进而促进企业的出口;Halpern et al.(2015)使用1993-2002年匈牙利企业的数据考察贸易自由化对企业生产率的影响,研究结果表明匈牙利企业生产率增长的1/4归因于进口中间品的作用。综上所述,现有文献的研究表明进口中间品与企业生产率之间是显著的正相关关系。
(二) 进口中间品影响企业生产率的途径和机制根据现有的研究结果,进口中间品影响企业生产率的途径和机制,归纳起来主要包括以下三个方面:一是水平效应或产品种类效应,即通过进口贸易,企业可以使用更多种类的中间投入品,从而促进企业全要素生产率的提升(Grossman and Helpman, 1991;Coe and Helpman, 1995;Amiti and Konings, 2007;Mendoza,2010;Brandt et al., 2017;钱学锋等,2011)。二是垂直效应或产品质量效应,即企业进口的中间品是外国企业的R&D投入、新知识和高技术水平的载体,有着更高的质量水平(Blalock and Veloso, 2007)。对于发展中国家来说,企业对高质量中间产品的需求难以在国内得到满足,而进口高质量的中间产品可以弥补这一不足,进而提高企业的全要素生产率(张杰等,2015)。三是技术溢出效应。已有文献分别从理论和实证方面证实了国际贸易可以产生技术溢出效应(Romer,1990;Connolly,2003),而进口贸易也占据了国际贸易的半壁江山,所以,企业也可以通过进口中间品的技术溢出效应来改进生产技术,进而提高企业的生产效率。
此外,国内关于进口中间品与企业生产率的相关研究包括:钱学锋等(2011)的研究表明进口更多种类的中间投入品有利于促进企业全要素生产率的提高,而张翊等(2015)使用中国数据考察了进口中间品影响全要素生产率的机制,结果表明中国中间品进口的种类和数量效应并不显著,导致两者研究结论相悖的原因可能是由于行业的异质性①;进一步地,余淼杰、李晋(2015)基于中国工业数据库和海关数据库以及行业差异化程度数据的研究发现,进口的技术溢出效应对于差异化程度较大的行业的生产率的提升作用更重要。此外,张杰等(2015)使用中国企业层面的数据分析发现中间品进口规模与企业生产率之间具有显著正相关关系;魏浩等(2017)从进口中间品的来源地结构的角度分析了中间品进口对企业全要素生产率的影响。他们的研究结果基本支持了进口中间品有利于提升企业生产率水平的结论。
① 此处感谢匿名审稿人的意见。
与上述文献相比,本文的不同之处在于:研究视角上,已有大部分文献分析进口中间品的强度和种类如何影响企业的生产率,而本文则主要从进口中间品的质量角度来分析这一影响作用;此外,在研究方法上,本文首次采用分位数回归对进口中间品质量对企业生产率的影响进行了更细致全面的分析;进一步地在研究结论上,本文的分位数回归结果表明,相比高生产率企业,低生产率企业从进口中间品质量中获益更多,全面提高进口中间品质量可以缩小企业间生产率水平的差异,进一步补充和丰富了现有研究。
三、模型设定、变量及数据说明 (一) 计量模型构建为了考察进口中间品质量对企业生产率的影响效果,在既有理论和实证研究基础上(Kasahara and Rodrigue, 2008;Halpern et al., 2015;张翊等,2015),本文建立如下基准回归模型:
$ tf{p_{it}} = {\beta _0} + {\beta _1}qualit{y_{it}} + {\beta _2}{X_{it}} + {\upsilon _j} + {\upsilon _r} + {\upsilon _t} + {\varepsilon _{it}} $ | (1) |
其中,下标i、t表示企业和年份。tfpit表示企业全要素生产率,qualityit表示企业进口中间品质量,控制变量Xit具体包括:企业规模、企业年龄、行业竞争程度即赫芬达尔指数、企业利润水平、人均工资、出口强度、融资约束、政府补贴、是否国有企业等。υj、υr和υt分别表示行业、地区和年份固定效应,εit表示随机扰动项。
(二) 指标测算 1. 企业全要素生产率测算(tfp)概括来讲,近年来测算企业全要素生产率(tfp)的方法主要有四种:OLS方法、OP半参数方法(Olley and Pakes, 1996)、LP半参数方法(Levinsohn and Petrin, 2003)以及ACF半参数方法(Ackerberg et al., 2015)。OLS是一种典型的参数估计方法,企业生产函数中的投入要素弹性系数根据样本估计得出,但存在同时性偏差(simultaneity bias)和选择性偏差(selection bias)。张杰等(2016)的研究表明,OP方法能够解决同时性偏差问题和选择性偏差问题,还可以避免由中间投入错误平减带来的误差。基于此,本文决定主要采用改进的OP方法来估计企业生产率。①但是,为确保研究结论的稳健性,本文还采用LP方法估算企业全要素生产率进行稳健性检验。在此特别说明的是,考虑到行业异质性,本文分别对29个2分位制造业行业进行了估计,以保证本文测算的全要素生产率数据是准确有效的。②对于数据异常值的处理,本文借鉴聂辉华、贾瑞雪(2011)的做法,即计算出生产率之后,通过绘制直方图等方法选择双边截尾方式剔除了位于样本TFP前后3%的异常企业。
① 其主要特点是使用企业的投资变量作为企业受到生产率冲击时的调整变量,限于篇幅,这里没有给出OP半参数方法(Olley and Pakes, 1996)的具体估计步骤,详细内容参考余淼杰(2010)以及张天华、张少华(2016)。
② 由于直接估计产出方程时,中间投入的系数接近于1,本文采用企业增加值方程进行估算。
2. 进口中间品质量测算(quality)qualityit表示企业进口中间品质量。首先,本文采用Hallak and Schott(2011)与施炳展、曾祥菲(2015)的事后反推方法来测算企业进口的所有中间品的质量。然后,再将企业进口的所有中间品的质量进行加权加总,进而得到企业层面的进口中间品质量。具体来说,测算过程如下,用Pict表示企业进口中间品的价格,则某一HS8位码产品对应的需求量为:
$ {q_{ict}} = p_{ict}^{ - \sigma }\lambda _{ict}^{\sigma - 1}\frac{{{E_t}}}{{{P_t}}} $ | (2) |
其中,λict和qict分别表示某一产品种类的质量和数量;σ>1表示产品种类间替代弹性,i、c和t分别表示进口中间品企业、进口来源地和年份;Et表示消费者在该产品上的总支出;Pt表示对应的价格指数。(2)式表明产品质量和产品价格共同决定了某一产品种类的需求量。为了得到产品质量的计量回归方程式,本文将(2)式取自然对数,经过整理后得到:
$ \ln {q_{ict}} = {\chi _t} - \sigma \ln {p_{ict}} + {\varepsilon _{ict}} $ | (3) |
这里要注意的是,χt=lnEt-lnPt代表的是一个两维虚拟变量,不仅能控制仅随进口国变化和仅随时间变化的因素,还能控制同时随进口国和时间变化的变量。lnpict表示企业i在t年从c国进口产品价格的对数;残差项εict=(σ-1)lnλict则反映了企业i在t年从c国进口产品的质量因素。因此,根据回归结果将产品质量定义为:
$ qualit{y_{ict}} = \ln {{\hat \lambda }_{ict}} = \frac{{{{\hat \varepsilon }_{ict}}}}{{\sigma - 1}} = \frac{{\ln {q_{ict}} - \ln {{\hat q}_{ict}}}}{{\sigma - 1}} $ | (4) |
然后,参照施炳展、曾祥菲(2015)的做法,将(4)式进行标准化处理,则得到可以进行加总,进而可以跨期、跨界面比较的标准化质量指标r _quality① :
①(5)式中,min和max分别代表求某一HS产品在所有年度、所有企业、所有进口国层面上的最小值和最大值。
$ r\_qualit{y_{ict}} = {\rm{ }}\frac{{qualit{y_{ict}} - \min qualit{y_{ict}}}}{{\max qualit{y_{ict}} - \min qualit{y_{ict}}}} $ | (5) |
最终,将企业层面的进口中间品质量指标定义为:
$ Qu{a_{it}} = \frac{{valu{e_{ict}}}}{{\sum\limits_{ict \in \Omega } {valu{e_{ict}}} }}r\_qualit{y_{ict}} $ | (6) |
其中,Ω代表某一层面的样本集合,valueict代表样本的价值量。
在上述的测算过程中,如果直接对(3)式进行OLS回归,可能存在以下问题:第一,(3)式没有考虑企业进口中间品水平种类的问题;第二,内生性问题,即进口价格和进口数量可能存在双向因果关系。本文对此的解决方案如下:一是参考Khandelwal(2010)的思路,通过加入出口方的GDP来控制水平产品种类;二是借鉴Nevo(2001)与施炳展、曾祥菲(2015)的方案,用工具变量法解决内生性问题,即将企业i从c国以外的其他市场进口中间品的平均价格作为该企业从c国进口中间品价格的工具变量。但是,这样做的缺点是样本损失量巨大,故将其分析结果作为本文的稳健性检验(见表 6)。
3. 其他控制变量的设定和说明(1) 企业规模(scale)。新贸易理论强调了规模经济的作用,多数文献的检验结果表明企业规模与生产率之间呈现正向关系(孙晓华、王昀,2014)。目前常用的企业规模的衡量指标主要是企业销售收入、企业总资产和企业人数这三个指标。考虑到数据特征,本文以经价格指数平减后的企业销售收入代表企业规模,取对数加入计量方程。
(2) 企业的年龄(age)。一个企业的生命周期会经历成长、成熟、衰退的阶段,处于不同阶段的企业,其生产经验和研发创新能力以及企业的生产率也存在差异(赵建春等,2015)。借鉴毛其淋、许家云(2015)等文献的一般做法,将企业数据的统计年份与开业年份相减得到企业的生存年龄。
(3) 市场竞争程度(hhi)。已有研究表明竞争程度越强的市场,越能激励企业提高生产率,根据本文的数据,参考张杰等(2015)的方法,本文采用4位码行业赫芬达尔指数代替市场竞争程度①。
① 4位码行业赫芬达尔指数的计算公式为:
(4) 企业的出口强度(ei)。已有研究表明,企业可以通过“出口学习效应”影响其生产率,本文采用企业出口交货值与工业增加值的比值衡量出口强度,以控制出口对生产率的影响。
(5) 企业的利润水平(profit)。企业的盈利能力也是影响企业生产率的因素之一,本文将企业的利润率定义为利润总值与当期总产值之比。
(6) 平均工资水平(pwage)。采用经价格指数平减后的应付工资总额与企业从业人员总数的比值来衡量。
(7) 企业获得的政府补贴(subsidy)。对企业的补贴是否能改善企业生产效率是一个值得关注的问题,政府补贴对于企业提升生产率水平给予了一个额外的助力,特别是对于生产效率较低的企业,但是否真的有效,还需进一步通过实证进行检验,本文采用补贴收入与企业增加值的比率来衡量这一指标。
(8) 企业融资约束(finance)。企业的利息支出反映了企业的融资能力,企业的利息支出越多,说明企业的外部融资能力越强,面临的融资约束程度也就较小。李志远、余淼杰(2013)的研究表明,企业面临的融资约束越小则越有可能通过对外融资的方式提升自身的生产率。本文以企业利息支出除以当年固定资产总值来测算企业的融资约束。
此外,本文还加入了是否国有企业(SOE)、年份、企业所处省份(地区)以及二位码行业的虚拟变量,以控制所有制差异、经济周期、地域特征和行业效应对企业生产率的影响。
(三) 数据说明本文的研究主要用到两个数据库。第一个是中国国家统计局2000-2006年的规模以上工业企业调查数据库,此数据涵盖了中国所有的国有企业以及“规模以上”(即企业总产值超过500万元)的非国有企业。该数据除了提供了关于企业身份、所有制、就业人数、固定资产总值等方面的信息,还记录了来自企业资产负债表、利润表及现金流量表中的100多个变量的详细信息。基于已有文献的做法,本文主要参照Brandt et al.(2012)的处理方法对原始数据进行处理,具体处理过程不再赘述,并在原始样本中删除采矿业、电力、燃气及水的生产和供应业数据,仅保留了制造业进行研究。考虑到中国在2003年开始实施新的《国民经济行业分类》,本文采用Brandt et al. (2012)的方法对工业行业分类(CIC)4位码进行了统一调整。除了上述的基本处理外,本文还将重要财务指标(如企业总资产、固定资产净值、销售收入和工业总产值)有遗漏的样本剔除,并参照谢千里等(2008)的做法剔除了以下样本:职工人数少于10人或缺失、累积折旧小于当期折旧、工业总产值小于0、成立年份早于记录年份或缺失。另外,对于数据库中的名义变量,本文使用了Brandt et al. (2012)提供的以1998年为基期的平减指数进行了调整。第二套数据是中国海关总署发布的产品层面的月度数据。本文首先将月度数据加总为企业每年的年度数据;然后,将HS八位编码同国际HS96版本的六分位编码对齐;最后按照施炳展、曾祥菲(2015)的方法对海关数据进行进一步的处理,以计算进口中间品质量,限于篇幅,具体的处理过程不在此赘述。关于进口中间产品的识别,本文遵循已有文献的做法,使用联合国BEC(Broad Economic Catalogue)的分类标准来识别。其中,BEC代码为“111”、“ 121”、“21”、“22”、“31”、“322”、“42”、“53”的8类产品是本文要研究的中间品,本文将BEC码和HS6编码进行匹配,进而识别每个企业进口的中间产品。
关于两套数据库的匹配,本文借鉴Yu(2015)以及毛其淋、许家云(2017)的做法,分两步进行合并:第一步按照企业的中文名称和年份进行匹配;第二步,对于第一步未匹配成功的样本,再按照邮政编码和企业电话号码的后七位进行匹配。根据两套数据库的合并结果,本文计算出来的各主要变量的描述性统计详见表 1①。
① 选择2000-2006年间的数据作为研究样本,其原因如下:一是这一时期中国企业特别是本土企业的进出口均处于一个显著的高速增长期;二是中国于2001年年底加入WTO,本文的样本数据正好涵盖了中国加入WTO前后的期间,这就为本文观察中国加入WTO后的各种贸易壁垒的相对降低对中国企业进口的影响效应,提供了一个较为合理的观察期。
![]() |
表 1 2000-2006年全样本变量统计性描述表 |
本文首先进行OLS回归,然后计算各变量的方差膨胀因子VIF。结果显示各变量的VIF均值为1.07,VIF的最大值为1.17,远小于经验法则要求的最低数值10。此外,进一步考虑到本文使用的面板数据的特征,VIF分析的结果不能完全否定多重共线性问题,故又对全部变量进行了spearman相关系数检验①,所有变量的相关系数均在0.3之下,说明解释变量与控制变量之间的相关性较弱,排除了变量之间的多重共线性问题。
① 限于篇幅,表格未报告,有兴趣可向作者索取。
(二) 基本的回归结果表 2报告了上述计量模型的基准回归结果。OLS回归结果表明,进口中间品质量显著提升了企业的生产率,与郑亚莉等(2017)的研究结果相同;其他主要控制变量的回归系数也与现有文献如张杰等(2015)的研究结果基本一致,说明本文的检验分析基本合理可信。
![]() |
表 2 基准回归结果 |
此外,考虑到计量模型可能存在异方差和自相关问题而影响研究结论。借鉴马述忠、吴国杰(2016)的做法,本文在OLS估计方法的基础上进一步对基准模型进行了怀特检验、BP检验和DW检验,检验结果表明计量模型存在异方差和自相关问题。因此,本文采用FGLS估计方法对基准计量模型进行了重新估计,估计结果如表 2的模型(5)所示。其中,核心解释变量进口中间品质量的回归系数依旧显著为正,其他主要控制变量的符号也基本没有发生改变,而且回归系数也同样显著。在此特别需要说明的是,FGLS估计的拟合优度还得到了很大程度的提高,这在一定程度上反映了回归模型的稳健性。综上所述,基准回归结果表明,进口中间品质量与企业全要素生产率之间存在显著的正相关关系,与已有文献和预期一致。
(三) 异质性分析前文的基准回归考察的是进口中间品质量对企业全要素生产率的平均影响效应,而未考虑企业的异质性和进口中间品质量的异质性。下面本文分别从企业层面的异质性和进口中间品质量本身的异质性方面进行分析,以得到更有针对性的结论。
1. 企业层面的异质性考虑到进口中间品质量对不同贸易方式和不同所有制类型企业的生产率可能会造成不同影响,本文借鉴Bustos(2011)和许家云等(2017)的做法,通过在模型(1)中分别加入进口中间品质量项与贸易方式虚拟变量和所有制虚拟变量的交叉项,来深入考察上述问题②。
② 既有文献在检验这一问题时,大都采取分样本分别进行回归的方法,本文的这种做法使回归的结果更有效。
具体来说,为检验进口中间品质量对不同贸易方式的企业生产率的异质性影响,本文将企业划分为加工贸易企业(proce)、一般贸易企业和其他企业(qita)3种类型③,以一般贸易企业作为基础类别。同理,为检验进口中间品质量对不同所有制类型的企业生产率的异质性影响,根据样本数据,本文将企业分为国有企业(soes)、外资企业(fore)及民营企业(private)三种类型④,并以外资企业作为基础类别。
③ 借鉴Tang and Zhang(2012)的方法,加工贸易企业包括来料加工装配贸易和进料加工贸易,一般贸易企业是指仅从事一般贸易的企业,即纯一般贸易企业,既不属于加工贸易也不属于一般贸易的企业定义为“其他”。
④ 不同所有制企业的识别方法,国有企业包括登记注册类型为110国有独资企业、141国有合资企业、143国有与集体联营企业、151国有有限公司,此外,对于登记注册类型为130股份合作企业、150其他有限责任公司、160股份有限公司的企业,根据企业实收资本判定其是否为国有企业,国有资本金占企业实收资本比重高于50%的企业为国有企业,将外商和港澳台资本金与实收资本的占比不低于25%的企业定义为外资企业(聂辉华等,2011);其余企业定义为民营企业。
具体的回归结果见表 3:首先,关于贸易方式方面,从表 3的(1)和(2)列的回归结果来看,进口中间品质量对加工贸易企业生产率的影响力度大于一般贸易和其他贸易。对其可能的解释是:在中国的加工贸易企业中,外资企业占据的比例较大,跨国公司控制的企业具有更先进的技术和更强的学习能力,因而进口高质量的中间品可以产生更好的进口学习效应和技术溢出效应;其次,关于企业所有制方面,从表 3的(3)和(4)列回归结果看,进口中间品质量对外资企业的生产率的影响较大,其次是民营企业,而对国有企业生产率的促进作用最小,且进口中间品质量对外资企业生产率的影响力度要远大于国有企业。上述现象可以归因于:国有企业和民营企业在享受政府政策方面是不同的,前者因为享受政府赋予的市场准入和出口退税、补贴等政策,并不需要依靠提高生产率来增加企业收益,导致生产率提升的内在动力缺失。而后者却面临着外部市场巨大的竞争压力和各种非竞争性歧视,只有通过提高生产率才能在市场竞争中立于不败之地。此外,根据Freund et al.(2012)的研究结果,外资企业进口中间品的技术含量和产品质量一般高于本土企业,从而其从进口中间品质量提升中获得的生产率提升作用较大。
![]() |
表 3 基于企业异质性的回归结果 |
首先,为了考察来自不同国家的进口中间品的产品质量对企业生产率的不同影响,本文将中间品的进口国划分为OECD国家和非OECD国家。具体的回归结果见表 4第(1)列和第(2)列。第(1)、(2)列的回归结果表明,从OECD国家和非OECD国家进口中间品的质量都能对企业全要素生产率产生显著正的影响,这一点说明了进口中间品的学习效应和互补效应同时存在,与钟建军(2016)的研究大致吻合。
![]() |
表 4 基于进口中间品异质性的分样本回归结果 |
其次,考察进口中间品自身技术含量对企业生产率的影响。本文将样本期内企业的进口中间品质量按照其中位数进行分类,将大于进口中间品质量中位数的界定为高质量的中间品,否则为低质量的中间品。表 4第(3)、(4)列的回归结果则表明,低质量的进口中间品未能有效提高企业的生产率,而高质量的进口中间品的产品质量每提升1%,则会导致企业生产率显著提升3.37%。
(四) 稳健性检验 1. 内生性问题分析鉴于企业全要素生产率可能与进口中间品质量存在双向因果关系而导致内生性问题,本文进行了以下处理:(1)工具变量回归。采取这种方法减弱内生性问题,选取合适的工具变量是关键。为了保证结果的稳健性,本文选取了两个工具变量:一是将进口中间品关税①作为进口中间品质量quality的工具变量(Yu and Li, 2014),回归结果见表 5(1)列;二是将上一期“国民经济行业分类GB/T 4754-2003”中三位码行业的平均进口中间品产品质量作为企业当期进口中间品质量的工具变量进行2SLS回归(许明、邓敏,2016),估计结果见表 5的(2)列。(2)系统GMM回归方法。考虑到本文的动态面板数据特征,进一步采用两步系统GMM方法对模型进行估计以控制内生性问题,回归结果见表 5的(3)列。表 5的(1)和(2)列的估计结果均表明进口中间品质量对企业全要素生产率有显著正的效应。关于工具变量有效性的分析,当模型只存在一个内生解释变量时,第一阶段回归的F值大于10是一个经验分割点(Staiger and Stock, 1997)。本文第一阶段回归的F统计值为72.25,远远超过了1 0,这说明本文的工具变量是有效的。表 5的(3)列的两步系统GMM的估计结果显示主要变量的符号和显著性水平都没有发生太大变化,说明估计结果基本稳健①。总之,内生性检验结果说明工具变量和系统GMM较好地解决基准模型的内生性问题,且考虑到内生性后,回归结果依然是稳健的。
① 关税数据来源于WTO网站,使用经过加权平均后的企业层面进口中间品关税作为进口中间品质量的工具变量。
① AR(2)统计量的p值大于临界值,说明差分后的干扰项不存在二阶自相关,由于Sargan统计量的p值也大于临界值,说明模型以及工具变量的选择是合理的,不存在过度识别问题。同时,滞后一期的企业生产率对应系数显著为正,这表明企业的生产率具有连续性,采用两步系统GMM方法进行估计具有一定的必要性。
![]() |
表 5 内生性检验 |
首先,自变量替换。借鉴Nevo(2001)与施炳展、曾祥菲(2015)的做法,将企业i对c国以外的其他市场进口中间品的平均价格作为该企业在c市场进口中间品价格的工具变量,重新测算进口中间品质量,代替前文中的进口中间品质量。自变量替换的检验结果见表 6的第(1)和第(2)列。
![]() |
表 6 稳健性检验——变量替换 |
其次,因变量替换。本文采用LP方法重新计算了企业生产率tfp_lp,然后用tfp_lp代替tfp_op,表 6的第(3)和第(4)列显示了因变量替换的检验结果。表 6的第(1)-(4)列的回归结果与前文的分析结果基本一致:提高进口中间品质量有助于促进中国制造业企业的生产率的提升。
五、扩展检验结果与分析标准OLS回归估计方法主要考察解释变量对被解释变量的条件期望的影响,实际上是对均值进行回归。“分位数回归”不仅提供条件分布的全面信息,还使用残差绝对值的加权平均作为最小化的目标函数(Koenker and Basett, 1978),放松了有关误差项在所有条件分布点同分布的强假设(Koenker,2005)。本文在考察了进口中间品质量对企业生产率的平均影响之后,还想深入探讨进口中间品质量对于生产率不同的企业的影响有何差异。基于此,本部分采用分位数回归方法对前文的分析进行扩展。这样既可以进一步检验前文分析结果的稳健性,又可以发现OLS回归所不能反映出来的信息,进而使本文的实证分析更加充实。本文选择5个有代表性的分位点,它们是0.1、0.3、0.5、0.7和0.9。本文采用分位数回归方法重新估计了前面的基准回归方程,结果如表 7所示。表 7的结果证实了进口中间品质量对企业生产率有显著的提升作用。此外,本文还发现,随着分位数不断提高,进口中间品质量的回归系数却越来越小。这意味着,相比高生产率的企业,低生产率的企业能够从进口中间品质量中获益更多。具体来说,当10%的最低生产率组的进口中间品质量提高一个单位时,企业的生产率会提升2.73%,当10%的最高生产率组的进口中间品质量提高一单位时,企业的生产率会提升1.22%。也就是说,同时提高一单位的进口中间品质量,生产率最低的10%企业平均增加的生产率将会比生产率最高的10%企业平均增加的生产率高出1.51个百分点,这就意味着全面提高进口中间品质量可以自动地缩小企业间生产率水平的差距。
![]() |
表 7 分位数回归结果 |
本文利用中国工业企业数据库和海关数据库2000-2006年的匹配数据,在测算了进口中间品质量和企业全要素生产率的基础上,深入考察了进口中间品质量对企业全要素生产率的影响,得到的主要结论包括:第一,从总体上看,提高进口中间品质量可以显著提升企业的全要素生产率,在进行了工具变量、系统GMM、变量替换以及分位数回归等一系列的回归分析后,结果依然是稳健的;第二,进口中间品质量对不同类型企业的生产率的影响是不同的,提升进口中间品质量的重点在于非国有企业、外资企业和加工贸易企业;第三,分样本的异质性分析结果表明,相比高质量的进口中间品,低质量的进口中间品不能产生较大的技术溢出效应和学习效应,因而不能提高企业的生产率;第四,不管企业是从非OECD国家进口,还是从OECD国家进口,中间品产品质量的提升都可促进企业生产率的提高;第五,分位数回归的结果表明, 相比高生产率企业,低生产率企业能够从进口中间品质量获得更多好处, 全面提高进口中间品质量可以自动地缩小企业间生产率水平的差距。此外,本文的一系列实证检验的结果都显示企业的规模、利润水平、融资能力以及市场竞争强度与企业生产率的关系显著为正,而政府补贴与企业生产率的关系显著为负,这表明政府补贴政策的有效性值得斟酌。
这一系列结论对于中国制定合理的贸易政策以使企业更好地参与国际市场竞争、实现经济持续健康发展具有重要的启示意义。首先,继续推进和深化中间品贸易自由化改革,对于改善企业的生存环境和提高企业的生产效率都是一项重要的政策举措;其次,要鼓励企业同时从OECD国家和非OECD国家同时进口中间品,充分发挥二者形成的互补效应; 再次,激励生产率水平较低的企业进口中高质量的中间品,并通过对低生产率企业的培训或技术支持,促进其最大程度地吸收进口中间品质量的技术溢出效应,进而缩小企业间的生产率水平的差距;最后,中国政府不仅要鼓励企业进口高质量的中间品,更重要的是激励企业的创新能力和研发能力,并且加大金融体制改革的力度,提高非国有企业的的外部融资能力,同时斟酌制定对国有企业的补贴等政策,努力创造一个公平有效率的市场环境。
[] |
陈勇兵、矶荣、曹亮, 2012, “中间品进口会促进企业生产率增长吗--基于中国企业微观数据的分析”, 《财贸经济》, 第 3 期, 第 76-78 页。 |
[] |
李志远、余淼杰, 2013, “生产率、信贷约束与企业出口:基于中国企业层面的分析”, 《经济研究》, 第 6 期, 第 85-99 页。 |
[] |
刘世锦, 2014, “中国经济增长十年展望”, 《新经济导刊》, 第 10 期, 第 76 页。 |
[] |
刘世锦、刘培林、何建武, 2015, “我国未来生产率提升潜力与经济增长前景”, 《管理世界》, 第 3 期, 第 1-5 页。 |
[] |
毛其淋、许家云, 2015, “中间品贸易自由化、制度环境与生产率演化”, 《世界经济》, 第 9 期, 第 80-106 页。 |
[] |
聂辉华、贾瑞雪, 2011, “中国制造业企业生产率与资源误置”, 《世界经济》, 第 7 期, 第 27-42 页。 |
[] |
钱学锋、王胜、黄云湖, 2011, “进口种类与中国制造业全要素生产率”, 《世界经济》, 第 5 期, 第 3-25 页。 |
[] |
施炳展、曾祥菲, 2015, “中国企业进口产品质量测算与事实”, 《世界经济》, 第 3 期, 第 57-77 页。 |
[] |
孙晓华、王昀, 2014, “企业规模对生产率及其差异的影响--来自工业企业微观数据的实证研究”, 《中国工业经济》, 第 5 期, 第 57-69 页。 |
[] |
田巍、余淼杰, 2014, “中间品贸易自由化和企业研发:基于中国数据的经验分析”, 《世界经济》, 第 6 期 |
[] |
魏浩、李翀、赵春明, 2017, “中间品进口的来源地结构与中国企业生产率”, 《世界经济》, 第 6 期, 第 48-71 页。 |
[] |
谢千里、罗斯基、张轶凡, 2008, “中国工业生产率的增长与收敛”, 《经济学(季刊)》, 第 3 期, 第 809-826 页。 |
[] |
许明、邓敏, 2016, “产品质量与中国出口企业加成率--来自中国制造业企业的证据”, 《国际贸易问题》, 第 10 期, 第 26-37 页。 |
[] |
许家云、毛其淋、胡鞍钢, 2017, “中间品进口与企业出口产品质量升级:基于中国证据的研究”, 《世界经济》, 第 3 期, 第 52-75 页。 |
[] |
余淼杰, 2010, “中国的贸易自由化与制造业企业生产率”, 《经济研究》, 第 12 期, 第 97-110 页。 |
[] |
余淼杰、李晋, 2015, “进口类型、行业差异化程度与企业生产率提升”, 《经济研究》, 第 8 期, 第 85-97 页。 |
[] |
赵建春、毛其淋, 2015, “进口自由化如何影响中国制造业企业的创新活动”, 《世界经济研究》, 第 12 期, 第 78-88 页。 |
[] |
张翊、陈雯、骆时雨, 2015, “中间品进口对中国制造业全要素生产率的影响”, 《世界经济》, 第 9 期, 第 107-129 页。 |
[] |
张杰、张帆、陈志远, 2016, “出口与企业生产率关系的新检验:中国经验”, 《世界经济》, 第 6 期, 第 54-76 页。 |
[] |
张杰、郑文平、陈志远, 2015, “进口与企业生产率--中国的经验证据”, 《经济学(季刊)》, 第 2 期, 第 1029-1052 页。 |
[] |
张天华、张少华, 2016, “中国工业企业全要素生产率的稳健估计”, 《世界经济》, 第 4 期, 第 44-69 页。 |
[] |
郑亚莉、王毅、郭晶, 2017, “进口中间品质量对企业生产率的影响:不同层面的实证”, 《国际贸易问题》, 第 6 期, 第 50-60 页。 |
[] |
钟建军, 2016, “进口中间品质量与中国制造业企业全要素生产率”, 《中南财经政法大学学报》, 第 3 期, 第 124-132 页。DOI:10.3969/j.issn.1003-5230.2016.03.015 |
[] |
周黎安, 2007, “中国地方官员的晋升锦标赛模式研究”, 《经济研究》, 第 7 期, 第 36-50 页。 |
[] |
Ackerberg D. A., K. Caves and G. Frazer, 2015, "Identification Properties of Recent Production Function Estimators". Econometrica, 83(6), 2411–2451.
DOI:10.3982/ECTA13408 |
[] |
Aghion P., Howitt P., 1992, "A Model of Growth Through Creative Destruction". Econometrica, 60(2), 323–351.
DOI:10.2307/2951599 |
[] |
Amiti M., Konings J., 2007, "Trade Liberalization, Intermediate Inputs, and Productivity; Evidence from Indonesia". American Economic Review, 97(5), 1611–1638.
DOI:10.1257/aer.97.5.1611 |
[] |
Bas M., Strauss-Kahn V., 2015, "Input-trade Liberalization, Export Prices and Quality Upgrading". Journal of International Economics, 95(2), 250–262.
DOI:10.1016/j.jinteco.2014.12.005 |
[] |
Bekes G., Altomonte C., 2010, "Trade Complexity and Productivity". Social Science Electronic Publishing, 16(914).
|
[] |
Blalock G., Veloso F. M., 2007, "Imports, Productivity Growth, and Supply Chain Learning". World Development, 35(7), 1134–1151.
DOI:10.1016/j.worlddev.2006.10.009 |
[] |
Brandt L., Biesebroeck J. V. and Yifan Zhang, 2012, "Creative Accounting or Creative Destruction? Firm-level Productivity Growth in Chinese Manufacturing". Journal of Development Economics, 97, 339–351.
DOI:10.1016/j.jdeveco.2011.02.002 |
[] |
Brandt L., Biesebroeck J. V. and Wang L., 2017, "WTO Accession and Performance of Chinese Manufacturing Firms". American Economic Review, 107(9), 2784–2820.
DOI:10.1257/aer.20121266 |
[] |
Bustos P., 2011, "The Impact of Trade Liberalization on Skill Upgrading Evidence from Argentina". American Economic Review, 101(1), 304–340.
DOI:10.1257/aer.101.1.304 |
[] |
Damijan, J. P. and Kostevc, 2010, "Learning from Trade Through Innovation: Causal Link Between Imports, Exports and Innovation in Spanish Microdata", Licos Discussion Papers.
|
[] |
Eaton J., Kortum S., 2002, "Technology, Geography, and Trade". Econometrica, 70(5), 1741–1779.
DOI:10.1111/ecta.2002.70.issue-5 |
[] |
Ethier W., 1982, "National an International Returns to Scale in the Modern Theory of International Trade". American Economic Review, 72(3), 389–405.
|
[] |
Feng L., Li Z. and Swenson D. L., 2012, "The Connection between Imported Intermediate Inputs and Exports:Evidence from Chinese Firms". Iaw Discussion Papers, 101, 86–101.
|
[] |
Freund, C., Chang, H. and Wei, S. J., 2011, "China's Trade Response to Exchange Rate", The 68th International Atlantic Economic Conference.
|
[] |
Grossman G., Helpman E., 1991, "Quality Ladders in the Theory of Growth". Review of Economic Study, 58(1), 43–61.
DOI:10.2307/2298044 |
[] |
Hallak , Juan Carlos, Schott and Peter K., 2011, "Estimating Cross-Country Differences in Product Quality". Quarterly Journal of Economics, 126(1), 417–474.
DOI:10.1093/qje/qjq003 |
[] |
Halpern L., Koren M and Szeidl A., 2015, "Imports Input and Productivity". American Economic Review, 105(12), 3660–3703.
DOI:10.1257/aer.20150443 |
[] |
Kasahara H., Rodrigue J., 2008, "Does the Use of Imported Intermediates Increase Productivity? Plant-level Evidence". Journal of Development Economics, 87(1), 106–118.
DOI:10.1016/j.jdeveco.2007.12.008 |
[] |
Kasahara H., Lapham B., 2013, "Productivity and the Decision to Import and Export:Theory and evidence". Journal of International Economics, 89(2), 297–316.
DOI:10.1016/j.jinteco.2012.08.005 |
[] |
Koenker R., Bassett G., 1978, "Regression Quantiles". Econometrica, 46(1), 33–50.
DOI:10.2307/1913643 |
[] |
Levinsohn J., A. Petrin, 2003, "Estimating Production Functions Using Inputs to Control for Unobservables". Review of Economic Studies, 70(2), 317–341.
DOI:10.1111/roes.2003.70.issue-2 |
[] |
Lu Y., Yu L., 2015, "Trade Liberalization and Markup Dispersion:Evidence from China's WTO Accession". American Economic Journal Applied Economics, 7(4), 221–253.
DOI:10.1257/app.20140350 |
[] |
Muendler M. A., 2004, Trade, Technology and Productivity:A Study of Brazilian Manufacturers 1986-1998, Social Science Electronic Publishing.
|
[] |
Murakozy, B. and Hornok, C., 2015, "Markup and Productivity of Exporters and importers", Iehas Discussion Papers.
|
[] |
Muûls M., Pisu M., 2009, "Imports and Exports at the Level of the Firm:Evidence from Belgium". World Economy, 32(5), 692–734.
DOI:10.1111/twec.2009.32.issue-5 |
[] |
Nevo A., 2001, "Measuring Market Power in the Ready-to-Eat Cereal Industry". Econometrica, 69(2), 307–342.
DOI:10.1111/ecta.2001.69.issue-2 |
[] |
Olley S., Pakes A., 1996, "The Dynamics of Productivity in the Telecommunications Equipment Industry". Econometrica, 64(6), 1263–1297.
DOI:10.2307/2171831 |
[] |
Romer P., 1990, "Endogenous Technological Change". Journal of Political Economy, 98(5), 71–102.
DOI:10.1086/261725 |
[] |
Shepherd, B.and Stone, S., 2012, "Imported Intermediates, Innovation, and Product Scope: Firm-level Evidence from Developing Countries", Mpra Paper.
|
[] |
Tang H., Zhang Y., 2012, "Exchange Rates and the Margins of Trade:Evidence from Chinese Exporters". Cesifo Economic Studies, 58(4), 671–702.
DOI:10.1093/cesifo/ifs006 |
[] |
Upward R., Wang Z. and Zheng J., 2013, "Weighing China's Export Basket:The Domestic Content and Technology Intensity of Chinese Exports". Journal of Comparative Economics, 41(2), 527–543.
DOI:10.1016/j.jce.2012.07.004 |
[] |
Yu M., Li J., 2014, "Imported Intermediate Inputs, Firm Productivity and Product Complexity". Japanese Economic Review, 65(2), 178–192.
DOI:10.1111/jere.12041 |
[] |
Yu M. J., 2015, "Processing Trade, Tariff Reductions and Firm Productivity:Evidence from Chinese Firms". The Economic Journal, 125(585), 911–1189.
DOI:10.1111/ecoj.2015.125.issue-585 |