一、引言

改革开放四十年，中国出口产品技术含量显著提升(Rodrik，2006；Xu，2007；樊纲等，2006；马淑琴、谢杰，2013)。那么推动出口产品技术含量提升的主要因素是什么？国内外学者对此进行了丰富的讨论，但鲜有文献从无形资源的角度进行阐释。伴随着出口产品技术含量的提高，我国自20世纪80年代开始采用1G移动技术，到2019年5G移动技术的应用，移动互联技术不断升级，极大缩短了中国与世界经济连接的距离，表现为中国经济主体对世界经济的关注程度大幅度增加(施炳展、金祥义，2019)。根据百度指数数据库，220个国家年均搜索指数从2006年的58079上升到2020年的507386 ^①，也从侧面印证了中国经济主体的注意力配置(attention allocation)日益国际化和全球化。那么，中国对外出口产品技术含量的提升与中国经济主体对世界经济注意力配置大幅度增加之间的同步性，是否预示着二者之间存在必然的联系？本文旨在研究上述问题，这些经验总结对进一步扩大对外开放，推动贸易高质量发展有着重要的借鉴意义。

① 例如关键词为美国、日本、韩国等220个国家名称搜索次数总和。

中国出口产品技术含量不断提升与注意力配置大幅度提高的同步性是本文研究的现实基础，而包含创新理论和出口成本理论的相关文献则为本文提供了逻辑框架和理论基础。如Kong et al.(2018)将信息可得性视为企业创新的决定因素，研究结论表明谷歌停止在中国的搜索服务之后，依赖外国技术的企业创新强度和质量持续受到很大的负面影响。Bugamelli and Infante(2003)将信息搜索成本异质性纳入到出口固定成本，认为企业获得目的市场的信息越多，其出口固定成本越低。他们的共同点是强调了信息获取的重要性，而国际化的注意力配置是企业获取信息的重要途径，有利于企业迅速、全面地获取国际市场信息。可见，注意力配置成为影响创新和搜索成本的一个重要变量。此外，大量文献阐述了创新和成本是影响企业出口产品技术含量的两个重要因素(Xu and Lu, 2009；鲁晓东，2014；郑玉、郑江淮，2020)，这一简单的分析似乎预示着注意力配置会促进出口产品技术含量的提升。

受限于近期微观数据的可得性，我们借助2009年中国加入3G网络这一外生政策冲击构造准自然实验，2006-2008年220个国家搜索频率平均增长率仅为9.8%，直到2009年中国加入3G网络，2009-2013年搜索频率的平均增长率为41%，极大地促进了注意力配置的提升。可见，中国加入3G网络为本文有效准确地识别注意力配置对企业出口产品技术含量的影响提供了较为理想的准自然实验。

回顾既有研究企业出口产品技术含量的推动或制约因素的文献，主要可归纳为两个方面：(1)以国际贸易为特征的研究。主要包括加工贸易(Amiti and Freund, 2008)、中国区域异质性(Schott，2008)、进口贸易(高敬峰，2013)、全球价值链(刘琳，2015)、外向型发展(戴翔，2017)、对外直接投资(毛海欧、刘海云，2018)、贸易成本(郑玉、郑江淮，2020)等方面；(2)以国内及行业为特征的研究。主要围绕垂直专业化(盛斌、马涛，2008)、金融发展(顾国达、方园，2012)、资本积累(熊俊、于津平，2012)、国外消费者的技术复杂度偏好(施炳展、冼国明，2012)、网络基础设施(马淑琴、谢杰，2013)、行业生产网络中知识产权保护(沈国兵、黄铄珺，2019)等方面。综合看来，大量学者集中于生产要素等“有形”因素对企业出口产品技术含量的影响，忽略了注意力配置这种“无形”因素的影响。况且，以上文献均使用的是出口产品技术含量行业层面或者国家层面的宏观加总数据，并未考虑不同企业在出口产品技术含量上的异质性和可能存在的加总谬误。本文聚焦于注意力配置对微观企业层面的产品技术含量的影响，在一定程度上避免加总谬误，同时力求从新的角度解释我国企业出口产品技术含量的推动因素。

注意力配置是指经济主体选择性地关注某些信息而忽略其他部分的过程。Simon(1947)认为决策的关键是决策者如何有效地配置其有限的注意力。因此，信息并不是稀缺资源，处理信息的能力才是稀缺资源。Sproull(1984)认为注意力配置是指决策者把自己有限的信息处理能力配置给与决策相关的刺激因素的过程，包括对刺激因素的关注、编码、解释和聚焦。Ocasio(1997)提出了注意力基础观概念，并明确注意力配置是决策者将自身的精力、资源和时间用于关注、诠释以及聚焦于组织问题和方案的过程。Ocasio(2011)将注意力进行了类型学划分，比如焦点注意力、情境注意力和结构注意力，研究更加细化。由此看来，早期国内外学者主要就注意力配置的概念以及注意力配置过程进行了深入的探讨。而近年来，得益于注意力配置理论的发展和微观数据的获得，国内外学者更多地将注意力配置视为个体行为决策展开研究。Levy(2005)基于美国69家上市公司，研究发现高层管理团队的注意力模式会影响组织的全球战略定位和绩效。Egger and Kaplan(2009)通过对29家美国上市的通信技术公司的研究，认为CEO的注意力聚焦于现有技术将导致企业放缓进入新市场，而将注意力转向新兴技术会加速企业进入新市场。吴建祖、赵迎(2012)研究结果发现，将较多注意力配置在顾客上的高层管理团队倾向于选择多元化战略，而将较多注意力配置在竞争者则不利于高层管理团队选择多元化战略。该类文献虽然涉及企业注意力与企业绩效的关系，但主要侧重于企业内部管理团队，尚未涉及企业出口产品技术含量的研究。姜诗尧等(2019)研究结果表明，注意力配置在主导调节焦点与创业战略决策之间起中介作用。陈志军等(2019)认为，母公司注意力配置在公司间的一致性对子公司绩效起到部分中介作用。该类研究主要倾向于注意力配置的中介作用，并未探讨注意力配置在产品技术含量中的决定作用。此外不难发现，上述文献大多围绕企业管理战略层面，较少将注意力配置的研究应用在出口贸易领域，仅施炳展、金祥义(2019)采用2006—2016年中国对世界各国的百度搜索指数作为注意力配置的代理变量，研究发现注意力配置会影响贸易规模、贸易结构和贸易模式。随着行为经济学理论的兴起，企业间注意力配置异质性作为影响中国企业出口产品技术含量的重要因素却并未受到学术界的重视，未能全面解释中国企业出口产品技术含量巨大提升内在机理。目前，学术界亟待解答的问题是表征“无形”资源开放的注意力配置与企业出口产品技术含量之间的深层次关系。鉴于此，本文试图丰富和扩展现有的注意力配置理论。

与既有文献相比，本文将从以下三个方面做出努力：(1)研究方法上，借助2009年中国加入3G网络这一外生政策冲击构造准自然实验，采用双重差分法识别注意力配置与企业出口产品技术含量之间的关系，能够较好地解决研究中可能存在的内生性问题。(2)研究视角上，本文从注意力配置这一“无形”资源的视角考察注意力配置对企业出口产品技术含量的影响，可为开放经济框架下企业出口产品技术含量的提升提供新的阐释。(3)影响机制上，从企业创新效率和企业信息搜索成本两个角度考察注意力配置对企业出口产品技术含量的影响机制，力求拓展企业出口产品技术含量的机理研究。

二、政策背景及与出口产品技术含量的初步关系 (一) 政策背景

3G网络作为新一代移动通信技术，在推动中国经济高速发展的进程中发挥了关键作用，与上一代网络的区别是，3G网络优化了上网速度和用户体验，极大地拓宽了中国连接世界经济的通道。2009年1月7日，工信部发放了3张3G牌照，中国移动获得TD-SCDMA牌照，中国联通获得WCDMA牌照，中国电信获得CDMA2000牌照，标志着中国进入了3G时代。

2009年开始的3G时代成为我国注意力配置上的一个重大转折点，一个重要表现是中国经济主体对世界经济的关注程度大幅增加。如图 1所示，从年均搜索频数上来看，2006-2008年搜索频数增长较为缓和，这3年的年平均增长率仅为9.8%，自2009年开始，搜索频数有了大幅度的增长。2009年的增长率为61%，2010年的增长率为86%，随后的两年增速也保持14.4%左右。可见，中国加入3G网络为本文展开注意力配置效应的评估提供了一次难得的准自然实验。

(二) 相关关系的初步描述

如图 2所示，在2006-2009年中国加入3G网络之前，实验组和对照组的出口产品技术含量变动整体保持一致，而2010-2013年中国加入3G网络之后实验组的出口产品技术含量提升程度快于对照组，并且两者之间的差距逐步拉大。具体而言，加入3G网络后，对照组的出口产品技术含量有小幅度的下降趋势，但总体上仍然保持平稳，反观实验组出口产品技术含量却呈现明显提升。这表明中国加入3G网络政策实施后，遭受政策冲击的实验组的出口产品技术含量要比未遭受政策冲击的对照组的出口产品技术含量平均增长得多，因而中国加入3G网络对企业的出口产品技术含量存在正向影响。这在一定程度上也可以表明企业出口产品技术含量的提升并不是由中国加入3G网络之外其他因素导致的，即满足同趋势假定，这是使用双重差分法最为关键的前提假定之一。

三、理论分析 (一) 理论模型

本文参考Melitz(2003)和Hallak and Sivadasan(2009)的模型，从理论上推导企业出口产品技术含量的决定因素，并以此为中介梳理注意力配置对企业出口产品技术含量的作用机制，为后文的实证研究提供理论基础。

1. 消费者

假设代表性消费者的效用函数为CES形式：

$ U = {\left[ {\int\limits_{v \in \mathit{\Omega }} {{{\left({{\lambda _v}{q_v}} \right)}^{\frac{{\sigma - 1}}{\sigma }}}dv} } \right]^{\frac{\sigma }{{\sigma - 1}}}} $

(1)

其中，q_v表示出口产品数量；v为产品种类；Ω代表产品种类的集合；λ为企业出口的产品种类v的技术含量，σ表示各类产品之间的替代弹性。

给定预算约束，对式(1)求最优解，得到代表性消费者对产品种类v的需求：

$ {q_v} = {p_v}^{ - \sigma }{\lambda ^{\sigma - 1}}\frac{R}{P} $

(2)

其中，R表示消费者支出；P表示价格指数，即P=∫_v∈Ωp_v^1-σλ^σ-1dv；p_v是产品v的价格。

2. 厂商

假设企业在创新效率和信息搜索成本两个方面存在异质性，且两者决定了其市场绩效。具体来说，创新效率越高，可变成本越低；信息搜索成本越低，同时其固定成本也越低。为此，引入创新活动影响因子γ和信息搜索成本影响因子η。因此，企业的可变成本^①和固定成本^②可表示为：

$ MC\left({\lambda, \gamma } \right) = \frac{1}{\gamma }{\lambda ^\alpha }, F\left({\lambda, \eta } \right) = {F_0} + \eta {\lambda ^\beta } $

(3)

① 厂商通常会利用技术创新方式来获得更多利润，创新效率越高，边际成本越少(沈国兵、袁征宇，2020)。

② 从信息获取角度看，企业进入国际市场往往会开展市场搜寻调查，获取市场信息，需要支付一定的时间和费用，即信息搜索成本，构成企业进入国外市场的固定成本来源(Freund and Weinhold, 2004；Yadav, 2014)。Bugamelli and Infante(2003)也认为信息搜索成本越低，企业的出口固定成本越少。

其中，MC表示边际成本；F表示固定成本；γ表示企业创新效率，用来刻画企业边际成本异质性，其值越大，企业生产的边际成本越低；η表示企业信息搜索成本，用来刻画企业固定成本异质性，其值越大，企业生产的固定成本越大；λ表示企业的产品技术含量；α(α>0)和β(β>0)分别表示边际成本的产品技术含量弹性和固定成本的产品技术含量弹性。

3. 企业决策

结合消费者需求函数式(2)和企业成本函数式(3)，可得企业利润最大化条件下企业生产的最优产品技术含量为：

$ \lambda \left({\gamma, \eta } \right) = {\left[ {\frac{{1 - \alpha }}{\beta }{{\left({\frac{{\sigma - 1}}{\sigma }} \right)}^\sigma }{{\left(\gamma \right)}^{\sigma - 1}}\frac{1}{\eta }\frac{E}{P}} \right]^{\frac{1}{{\beta '}}}} $

(4)

其中β′=β-(1-α)(σ-1)>0, 0 < α < 1, β>β′。由式(4)可知，企业出口的产品技术含量依赖于企业的创新效率γ和企业的信息搜索成本η，对式(4)进行一阶求导可得：

$ \begin{array}{l} \frac{{\partial \lambda \left({\gamma, \eta } \right)}}{{\partial \gamma }} = \frac{1}{{\beta '}}{\left[ {\frac{{1 - \alpha }}{\beta }{{\left({\frac{{\sigma - 1}}{\sigma }} \right)}^\sigma }{{\left(\gamma \right)}^{\sigma - 1}}\frac{1}{\eta }\frac{E}{P}} \right]^{\frac{1}{{\beta '}} - 1}}\\ \left({\sigma - 1} \right)\frac{{1 - \alpha }}{\beta }{\left({\frac{{\sigma - 1}}{\sigma }} \right)^\sigma }{\left(\gamma \right)^{\sigma - 2}}\frac{1}{\eta }\frac{E}{P} > 0\\ \frac{{\partial \lambda \left({\gamma, \eta } \right)}}{{\partial \eta }} = \frac{{ - 1}}{{\beta '}}{\left[ {\frac{{1 - \alpha }}{\beta }{{\left({\frac{{\sigma - 1}}{\sigma }} \right)}^\sigma }{{\left(\gamma \right)}^{\sigma - 1}}\frac{1}{\eta }\frac{E}{P}} \right]^{\frac{1}{{\beta '}} - 1}} \end{array} $

(5)

$ {\frac{{1 - \alpha }}{\beta }{{\left({\frac{{\sigma - 1}}{\sigma }} \right)}^\sigma }{{\left(\gamma \right)}^{\sigma - 1}}\frac{1}{{{\eta ^2}}}\frac{E}{P} < 0} $

(6)

式(5)和式(6)表明，提高企业创新效率和降低企业信息搜索成本有利于提升企业出口的产品技术含量。当企业创新效率越高，信息搜索成本越低，企业支付的可变成本和固定成本就越低，企业拥有更多资金促进出口产品技术含量的提升。

(二) 机制分析

在上一部分理论框架下，本文得出提高企业创新效率和降低企业信息搜索成本是提升企业出口产品技术含量两个重要的决定因素。本部分将详细阐述注意力配置如何影响这两个决定因素进而影响企业出口产品技术含量。

在创新效率方面：①企业消耗注意力资源后能够有效消除信息传递障碍，如信息不完全和不确定性(Shannon，1948；Cover et al., 1994；施炳展、金祥义，2019)，加快同外界信息交换的频率，进而提高企业创新效率(Akcigit et al., 2018)。这是因为开放环境下，企业出口面临着外部经济与贸易政策的不确定性，此时企业可获得的其实是不完全信息(imperfect information)。一方面，信息不完全会阻碍信息传递和信息甄别，造成企业缺乏对目的市场的需求信息和技术信息的了解，无法借鉴国外的先进技术和及时调整要素的配置，会降低企业创新效率；另一方面，由于信息反馈障碍造成的目标市场不确定性增加，企业无法预测国际贸易政策下一步变化的方向及程度，导致企业通常会采取较为保守的风险规避型经营战略，不利于企业创新效率的提高。②企业加大对世界经济的注意力配置，会获取差异化、多元化的信息资源，接触多元的市场和文化环境的机会增加(Kotabe et al., 2007)，有利于打破原有认知，激励自身提升学习外界知识和经验的能力，进而提高创新效率。相反，企业若局限于“以自我为中心的学习”，不利于获得外界知识和经验，难以突破从旧知指向新知。

在信息搜索成本方面：①企业对其他国家注意力配置程度加大，面临的信息不确定性会出现实质性的降低，不仅可以激励自身加快创新效率，而且会有效降低企业信息搜索成本。理论上，信息搜索成本往往与信息不确定性因素成正比，当目标市场的不确定性越大，企业耗费资源获得信息的难度加大，直接导致企业信息搜索成本提高。②企业对海外市场分配更多注意力时，可以有效提高信息获取效率，进而降低企业信息搜索成本。由于企业进入国际市场前需要开展市场搜寻调查，并支付一定的时间和费用，即信息搜索成本(Freund and Weinhold, 2004；Yadav，2014)，信息搜索成本可以分为销售和生产两个层面。从销售层面看，企业需要了解国际市场需求变化及同行业竞争对手产品研发设计状况，灵活调整企业自身产品技术，相对于传统的抽样调查、调查问卷等形式，注意力配置(表现为网络搜索)的获取信息方式无疑更加效率，可以较大程度上降低企业信息搜索成本投入；从生产层面看，企业需要更好地获得原材料、中间品等价格信息，企业通常根据以往自身采购经历或者借鉴同行的相关经验获得原材料、中间品信息，然而这种根据自身或同行经验总结的信息获取方式具有一定的局限性，无法有效扩大信息获取来源，反而会降低信息获取效率(Arvanitis and Loukis, 2009)，从而提高了信息搜索成本。

上述分析表明，注意力配置有助于创新效率的提高和信息搜索成本的降低，而提高企业创新效率和降低企业信息搜索成本有利于提升企业出口的产品技术含量。综合该逻辑分析，注意力配置将有效提高企业出口的产品技术含量。

四、模型、变量和数据 (一) 模型设定

为实证考察注意力配置对中国企业出口产品技术含量的影响，借鉴周茂等(2019)构建计量模型如下：

$ lntd{v_{ijt}} = {\beta _1}lninde{x_{j, 08}} \times Post{09_t} + \Sigma \gamma {X_{ijt}} + {\delta _i} + {\delta _t} + {\delta _j} + {\varepsilon _{ijt}} $

(7)

其中，i，j，t分别代表企业、出口国家和年份；tdv_ijt为被解释变量，表示企业出口产品技术含量；index_{j, 08}为核心解释变量，即2008年中国对j国的互联网年均搜索频数的对数。Post09_t为政策实施年份虚拟变量，若t≥2009，则该变量取1，否则取0；交叉项lnindex_{j, 08}×Post09_t是本文最为关注的，它的估计系数β₁刻画了高注意力配置和低注意力配置企业的出口产品技术含量在中国加入3G网络前后的平均差异，即注意力配置提升对企业出口产品技术含量的因果效应；X_ijt为控制变量的集合，包括企业规模(scale)、政府补贴(sub)、企业年龄(age)、资本密集度(CI)、融资约束(finance)、国有企业虚拟变量(SOE)、外资企业虚拟变量(FOE)、行业总规模(IV)、赫芬达尔指数(HHI)；δ_i、δ_j和δ_t分别表示企业固定效应、国家固定效应和时间固定效应；ε为扰动项。

(二) 变量说明 1. 被解释变量

企业出口产品技术含量(tdv)。借鉴Hausmann et al.(2007)，提出的技术复杂度概念从技术进步的角度表征企业出口产品技术含量。步骤如下：

① 计算各类出口产品的技术含量。

$ prod{y_f} = \sum\limits_c {\frac{{\left({Expor{t_{c, f}}/Expor{t_c}} \right) \times {Y_c}}}{{\sum\limits_c {\left({Expor{t_{c, f}}/Expor{t_c}} \right)} }}} $

(8)

其中，Prody_f表示HS6位产品f的技术含量，Export_c，f/Export_c表示c国家对产品f的出口额占该国出口总额的比重，Y_c表示c国家的人均GDP。

②构造企业层面的产品技术含量^①。

$ td{v_{ijt}} = \frac{{\sum\limits_f {{X_{f, j, t}}} \times Prod{y_{f, t}}}}{{\sum\limits_f {{X_{f, j, t}}} }} $

(9)

① 既有较多文献都采用该方法测度企业层面的产品技术含量，如姚洋、章林峰(2008)、杨汝岱、姚洋(2008)。

其中，X_{f, j, t}表示企业t年向j国出口f产品的出口额，其与该企业出口总额的比重表示该企业内部细分产品的出口结构。

2. 核心解释变量

注意力配置(index)。借鉴施炳展、金祥义(2019)，以t年中国对j国市场的互联网年均搜索频数的对数来表示。本文通过百度指数来收集中国对世界不同国家按其国家名称进行搜索的结果，最终将互联网年均搜索频数的平均值作为统计指标，以反映本文核心变量中国对外注意力配置的不同程度^②。

② 搜索指数还按照使用平台的不同分为PC搜索指数和移动搜索指数，下文所指互联网搜索指标若无特殊说明，均指这两个平台搜索指标之和。

3. 控制变量

借鉴盛斌、毛其淋(2017)，选取以下控制变量：(1)企业规模(scale)，采用企业从业人员数的对数值表示。(2)政府补贴(sub)，若企业受到政府补贴取1，否则取0。(3)企业年龄(age)，根据企业当年所处年份减去开业年份加1取对数来计算。(4)资本密集度(CI)，以企业实际固定资本存量与企业就业人数之比的对数值来衡量。(5)融资约束(finance)，以企业利息支出与固定资产之比表示。(6)国有企业虚拟变量(SOE)，若该企业为国有企业取1，否则取值为0。(7)外资企业虚拟变量(FOE)，若该企业为外资企业取1，否则取值为0。(8)行业总规模(IV)，采用企业层面的实际增加值在产业层面的加总后取对数表示。(9)赫芬达尔指数(HHI)，采用行业市场份额的平方和。

(三) 数据说明

为了实证考察注意力配置对企业出口产品技术含量的影响，本文主要使用微观企业数据、海关数据库和百度指数数据库。

第一，2006-2013年的中国工业企业数据库，并且参照Brandt et al.(2012)和聂辉华等(2012)，对一些异常样本进行了删除处理^①。

① 本文将样本期设定为2006-2013年，是由于百度指数数据库从2006年开始统计搜索指数。此外，为了排除中国加入4G网络对本文结论产生影响，因此将样本期截止到2013年。

第二，2006-2013年的海关数据库，由于和2006-2013的中国工业企业数据采用不同的编码系统，因此本文参考Yu(2015)，将工业企业数据库与海关数据库合并，利用合并后的数据库计算企业层面的出口产品技术含量，最终获得1407020个有效观测值。

第三，互联网搜索数据来源于百度指数，百度指数中关于搜索指标的统计，是以网民在百度的搜索量为数据基础，以关键词为统计对象，科学分析并计算出各个关键词在百度网页搜索中的搜索频数加权。为了研究的需要，本文收集了220个国家的搜索指数，并将这三个数据库进行合并。主要变量的描述性统计参见表 1。

五、实证结果及分析 (一) 基准回归

表 2报告了注意力配置与企业出口产品技术含量的基准回归结果。表 2第(1)列仅考虑核心解释变量，可见注意力配置系数显著为正，表明注意力配置对企业出口产品技术含量有着明显的促进效应。第(2)列加入企业层面的控制变量，企业规模(scale)的估计系数在1%的水平上显著为正，表明企业规模越大，企业出口产品技术含量越高，可能是由于企业的规模越大，越有能力对产品进行创新升级以及信息搜索成本的控制，提高其产品技术含量；政府补贴(sub)的估计系数显著为负，说明政府补贴反而助长企业对产品技术含量提升的消极态度；企业年龄(age)的估计系数为正，反映企业经营时间越长，企业出口产品技术含量越高，可能是由于企业在生产过程当中逐步积累了经验，其创新能力和信息搜索成本控制能力得到提升；资本密集度(CI)的估计系数显著为正，说明资本密集度会促进企业出口产品技术含量提升，可能的解释是企业拥有更多的资金来进行新产品的研发与技术创新；金融约束(finance)的估计系数显著为负，说明融资约束不利于企业出口产品技术含量的提升；国有企业虚拟变量(SOE)显著为正，可能是由于国有企业拥有天然的优势，具有较强的信息搜索成本控制能力，因而能够有效提升其产品技术含量；外资企业虚拟变量(FOE)不显著，可能是大量的外资企业本身具有较强的国际化视野，注意力配置的促进作用有限；第(3)列分别加入了行业层面的控制变量。行业总规模变化(IV)对企业出口产品技术含量的影响显著为正，表明行业规模的扩大有助于提高企业的出口产品技术含量，可能的原因是随着行业规模的扩大，有利于企业间技术交流、配套共享，进而提高企业出口产品技术含量。赫芬达尔指数(HHI)的估计系数显著为负，说明行业垄断会抑制企业出口产品技术含量的提升。与模型(1)相比，模型(2)-(3)中核心解释变量注意力配置系数的符号方向和显著性水平均未发生变化，表明即使控制众多因素，研究结论依然保持较好的稳定性。

(二) DID识别假设检验 1. 共同趋势假设

尽管双重差分法可以更好地解决政策冲击评估中的内生性问题，但双重差分法的重要前提是假设平行趋势，即假定实验组和对照组具有相同趋势。图 2的结果在一定程度上已经表明实验组和对照组在中国加入3G网络前具有相同的趋势，为了进一步保证共同趋势检验的可靠性，本文将lnindex_{j, 08}×Post09_t替换为lnindex_{j, 08}×year，year如表 3第(1)列所示是一个虚拟变量(即∑_t=2007²⁰¹³lnindex_{j, 08}×year)。lnindex_{j, 08}×year的系数在2009年之前不显著，但2009年之后的系数显著为正，表明实验组和对照组在2009年前的趋势相同，这与图 2的所呈现的结果相一致^①。

① 为了防止多重共线性，本文将2006年删除。

2. 预期效应

为了保证双重差分法的有效性，需要检查中国加入3G网络之前，企业是否改变了其出口产品技术含量。为此，我们将lnindex_{j, 08}× D08加入到基准回归，其中D08为2008年的虚拟变量。表 3第(2)列的回归结果显示交互项lnindex_{j, 08}× D08不显著，而本文关注的交互项lnindex_{j, 08}×Post09_t显著为正，说明企业在中国加入3G网络之前并没有形成技术含量调整的预期。这意味着，中国加入3G网络的政策实施具有较强的外生性，进而保证了实证结果的可靠性。

3. 控制产业趋势

双重差分法遵循实验组和对照组的技术含量变动具有相同的时间趋势。然而，企业产品技术含量可能会受到其所在行业某些非观测的产业特定因素的影响，这会导致实验组和对照组的产品技术含量会沿着不同的路径变化，进而导致有偏的估计结果。因此，参考Liu and Ma (2020)，本文添加了一个行业特定的线性时间趋势，δ_k×t，以期控制所有未观察到的随时间变化的行业特征。表 3第(3)列结果显示，控制行业线性趋势后，注意力配置仍然对企业的出口产品技术含量具有显著的促进作用，这也表明行业中某些非观测的产业特定因素并未对本文的实证结果产生实质性的影响。

4. 两期差分法

本文使用多期差分法评估注意力配置对企业出口产品技术含量的影响。但Bertrand et al.(2004)指出，使用多期差分法可能会产生序列相关性问题，夸大lnindex_{j, 08}×Post09_t的估计系数。为此，本文采用两期差分法的估计方法进行重新估计。表 3第(4)列中的结果显示，lnindex_{j, 08}×Post09_t的系数仍然很显著，表明注意力配置的提升极大地促进了企业出口产品技术含量。这与本文中使用的多期差分法的估计结果一致，可以认为本文的实证结果是稳健的。

(三) 稳健性检验 1. 变换核心变量指标

出于稳健性考虑，降低互联网搜索频数极端值对回归结果的影响。本文改用互联网年均搜索频数中位值的对数形式刻画注意力配置(mindex)，相关估计结果见表 4第(1)列。

在企业出口产品技术含量方面，由于进出口贸易中包含了大量的国外中间品，如果直接使用Hausmann模型进行测算，容易产生“统计假象”(姚洋、张晔，2008；Amiti and Freund, 2008)，进而对企业出口产品技术含量产生向上偏误(Upward Bias)。借鉴Amiti and Freund(2008)，将进口国外中间品的企业进行剔除，构建新的企业出口产品技术含量(tdv₂)，估计结果列于表 4第(2)列。此外，本文还借鉴周茂等(2019)采用各国的出口比较优势代替人均收入，构造企业出口技术含量(tdv₃)，估计结果列于表 4第(3)列^①。由表 4的第(1)-(3)列可知，注意力配置对企业出口产品技术含量起到了显著的促进效果。由此可见，本文的研究结论较为稳健，并未因注意力配置和企业出口产品技术含量的测度方法差异而发生较大改变。

① 将式(8)中的Y_c用各国的出口比较优势代替，其中Y_c表示c国家的人均GDP。

2. 删除国有企业

由于国有企业可能存在的天然的优势，在一定程度上会扭曲注意力配置的作用，因此，本文删除国有企业样本，只保留非国有企业样本，表 4第(4)列结果发现lnindex×Post09依旧显著，说明本文的回归结果具有较强的稳健性。

3. 持续生存企业

企业的进入和退出很可能对企业的出口产品技术含量产量产生不可观测的影响。为了规避这种选择效应，表 4第(5)列只保留了中国加入3G网络前后生存下来的企业样本，从回归结果看，本文的研究依旧较为稳健。

4. 随机的政策冲击

借鉴以往关于随机政策冲击的安慰剂检验文献(La Ferrara et al., 2012；Liu and Lu, 2015)，通过随机分配政策冲击来进行安慰剂测试，以检查结果是否受到任何遗漏的影响变量。本文采用以下安慰剂测试方法：首先，使用计算机生成的策略对出口产品技术含量进行随机影响，以确保该策略不会对相应的技术含量(lntdv)产生影响，即lnindex×Post09的t值应估计接近零。其次，将随机政策冲击的次数设置为1000次，估计解释变量lnindex×Post09的t值的分布如图 3所示。该图表明，在随机政策冲击下，lnindex×Post09的t值分布以零为中心，即注意力配置(lnindex×Post09)对企业出口产品技术含量的影响不受未观察到的因素驱动。换言之，未观察到的因素并未干扰本文的实证结果，从而反映出本文实证结果的可靠性。

(四) 异质性分析

上文从总体上考察了注意力配置影响企业出口产品技术含量的平均效应，却未考虑企业、行业以及国家层面的异质性。那么注意力配置是否会因样本划分的不同而产生差异化影响?接下来，本文将从企业、行业以及国家三个层面，实证检验注意力配置影响企业出口产品技术含量的异质性，估计结果列于表 5。

1. 企业层面的异质性

考虑到注意力配置可能对不同贸易方式企业出口产品技术含量的影响有所差异，本文参考黎绍凯、朱文涛(2020)进行分样本回归，将企业分为加工贸易企业(PTE)和一般贸易企业(OTE)，相关回归结果列于表 5中第(1)-(2)列。由第(1)列和第(2)列结果可知，注意力配置系数显著为正，表明即使区分不同贸易方式，注意力配置对口企业产品技术含量都产生了正向影响。从系数来看，一般贸易企业的系数为0.0087，加工贸易企业的系数为0.0072，反映出相对于加工贸易企业，一般贸易企业的注意力配置促进作用更强。可能的解释是，中国加工贸易企业主要以成本优势在全球价值链中从事简单的低附加值生产制造环节，在对外贸易中往往采取低技术含量低价格的策略占领市场，产品创新空间有限，同时大量加工贸易企业订单化的出口模式也限制了企业信息搜索成本的下降幅度。因此，企业加大世界市场的注意力配置，对加工贸易企业的产品技术含量的正向作用较小。

2. 行业层面的异质性

借鉴张先锋等(2018)，根据低端技术产品行业(LPI)、中端技术产品行业(MPI)以及高端技术产品行业(HPI)，将样本划分为三个子样本，回归结果列于表 5的第(3)-(5)列^①。从回归结果来看，注意力配置对低端技术产品行业、中端技术产品行业和高端技术产品行业都产生了促进效应。从系数来看，低端技术行业的系数为0.0019，中端技术行业的系数为0.0077，高端技术行业的系数为0.0275，说明注意力配置作用大小为：高端技术行业最大，中端技术行业次之，低端技术行业最低。通常而言，高端技术产品行业对技术研发和新产品创新较为积极，而低技术行业普遍缺乏自主创新能力，另外高端技术产品行业一般具有更复杂的产品结构，面临更高的信息搜索成本，这也意味着企业对海外市场配置更多的注意力对高端产品行业的技术含量的正向影响较大。

① 根据国民经济行业划分标准(GB-T4754- 2002)，低技术行业为：纺织业、木料加工及藤、棕、草制品业、石油加工、炼焦及核燃料加工业、饮料制造业、烟草制品业、纺织服装、鞋、帽制造业；高技术行业为：专用设备制造业、仪器仪表及文化办公用机械制造业、医药制造业、造纸及纸制品业、通信设备、计算机及其他电子设备制造业；数据库内其他行业为中等技术行业。

3. 国家层面的异质性

通常而言，对发达国家配置更多的注意力，对企业出口产品技术含量提升的作用更加显著，这是因为发达国家的技术更为先进，能够极大地促进企业的创新效率，进而对企业出口产品技术含量产生更大的正向作用。为此，本文根据世界银行和国际货币基金组织的划分标准将中国的出口目的地划分为发达国家以及欠发达国家^①，分别检验注意力配置对企业出口产品技术含量的影响。表 5第(6)-(7)列的结果显示，发达国家和欠发达国家的回归系数分别为0.0062和0.0018，都在1%水平上显著。说明当企业将更多的注意力配置到发达国家时，能够对企业出口产品技术含量产生更大的促进作用，这也在一定程度上证明了上述分析结果。

① 发达国家分别为: 英国、爱尔兰、法国、荷兰、比利时、卢森堡、德国、奥地利、瑞士、挪威、冰岛、丹麦、瑞典、芬兰、意大利、西班牙、葡萄牙、希腊、斯洛文尼亚、捷克、斯洛伐克、马耳他、塞浦路斯、美国、加拿大、澳大利亚、新西兰、日本、韩国、新加坡、以色列。

六、机制检验与分析

上文的理论分析表明，注意力配置可以通过提高企业创新效率(γ)和降低企业信息搜索成本(η)对企业出口产品技术含量产生促进作用。为此，本文选取企业创新效率(γ)和企业信息搜索成本(η)作为中介变量，通过构建中介效应模型来揭示注意力配置对企业出口产品技术含量可能的影响渠道。

(一) 指标度量和模型设定 1. 指标度量

企业创新(γ)。企业创新效率刻画了企业研发投入转化为研发产出的能力，其中研发投入主要包括研发费用、研发人员等，研发产出主要包括新产品的产值、专利、公开发表等(施炳展、邵文波，2014；Thomas et al., 2011)。但2006-2013年中国工业企业数据库刻画企业研发投入和研发产出的指标：企业研发费用和企业新产品，其费用和产值大量为0，且多个年份缺失，这会导致大量样本损失，可能引发估计偏误。因此，本文采用企业有效发明专利数与企业营业收入的比值表示。

企业信息搜索成本(η)。企业信息搜索成本在很大程度上由信息不确定性决定，这意味着信息的不确定因素越大，企业信息搜索成本越大。该指标的构造主要参考Gervais(2018)，并借鉴施炳展、金祥义(2019)，将价格的方差作为衡量信息不确定性程度，间接刻画出企业信息搜索成本^①。

① 本文在中国工业企业数据库和中国海关数据库在HS8分位产品的基础上，根据产品、企业、年份三个维度计算出企业面临的信息搜索成本。

2. 模型设定

本文对注意力配置通过企业创新效率和企业信息搜索成本这两个中介变量影响企业出口产品技术含量的作用机制进行检验，中介效应模型设定如下：

$ Channe{l_{ijt}} = {\beta _1}{\rm{ln}}inde{x_{j, 08}} \times Post{09_t} + \Sigma \gamma {X_{ijt}} + {\delta _i} + {\delta _j} + {\delta _t} + {\varepsilon _{ijt}} $

(10)

$ \begin{array}{l} {\rm{ln}}td{v_{ijt}} = {\beta _1}{\rm{ln}}inde{x_{j, 08}} \times Post{09_t} + {\beta _2}{\rm{ln}}inde{x_{j, 08}} \times Post{09_t} \times Channe{l_{ijt}}\\ \;\;\;\;\;\;\;\;\;\; \;+ {\beta _3}Post{09_t} \times Channe{l_{ijt}} + {\beta _4}{\rm{ln}}inde{x_{j, 08}} \times Channe{l_{ijt}}\\ \;\;\;\;\;\;\;\;\;\;\; + {\beta _5}Channe{l_{ijt}} + \Sigma \gamma {X_{ijt}} + {\delta _i} + {\delta _j} + {\delta _t} + {\varepsilon _{ijt}} \end{array} $

(11)

其中，Channel_ijt为中介变量，控制变量X_ijt与式(7)相同，这里不做赘述。

(二) 注意力配置与企业出口产品技术含量的作用机制分析

表 6第(1)列交叉项lnindex×Post09显著为正，表明中国加入3G网络之后，初始高注意力配置的企业创新效率相比于低注意力配置的企业创新效率经历了更大幅度的提升，即注意力配置对企业创新效率产生了显著的促进作用。第(2)列中三重交叉项lnindex×Post09×γ显著为正，表明注意力配置通过提高企业创新效率促进了出口产品技术含量。本文还注意到，与表 2第(3)列的基准回归结果相比，在加入企业创新效率变量之后，lnindex×Post09的估计系数和t值均有所下降，可见企业创新效率是注意力配置促进企业出口产品技术含量提升的一个重要中介变量。

类似企业创新效率的检验，表 6第(3)列报告了以企业信息搜索成本(η)为被解释变量的回归结果，交叉项lnindex×Post09显著为负，表明注意力配置显著降低了企业的信息搜索成本。进一步地，将企业信息搜索成本(η)代入式(11)中，估计结果列于第(4)列中，三重交叉项lnindex×Post09×η显著为负，表明注意力配置通过降低企业信息搜索成本促进出口产品技术含量的提升。此外，在加入中介变量企业信息搜索成本(η)后，与表 2第(3)列的基准回归结果相比，lnindex×Post09的估计系数和t值均有所下降，说明企业信息搜索成本(η)也是注意力配置提升企业出口产品技术含量的一个关键中介变量。

七、结论与对策建议

本文借助2009年中国加入3G网络这一外生政策冲击构造准自然实验，采用双重差分法考察了注意力配置对企业出口产品技术含量的影响。研究发现：第一，注意力配置对企业出口产品技术含量产生了显著的促进作用，即使考虑了识别假设条件和一系列其他可能干扰估计结果的因素后这一结论依旧稳健。第二，从影响机制看，注意力配置会通过提高企业创新效率、降低企业信息搜索成本来促进企业出口产品技术含量的提升。第三，从企业、行业以及国家异质性看，注意力配置更容易提升一般贸易企业、高端技术行业以及面向发达国家出口企业的出口技术含量。

基于上述结论，本文提出以下建议：(1)加强互联网基础设施建设，鼓励企业与互联网应用深度融合，提高企业信息搜索的速度、扩大企业信息搜索的广度，有效发挥互联网技术在提高创新效率和降低信息搜索成本中的积极作用，进一步提升企业出口产品技术含量。(2)企业应根据自身条件，积极运用互联网技术了解世界需求信息和技术信息，提高自主研发能力，提升出口产品技术含量，增强出口产品的国际竞争力。(3)针对不同类型的企业给予积极的政策引导，对于受到注意力配置影响较小的加工贸易企业、低技术企业，应该精准识别其发展障碍，削减网络使用费用，加大研发补贴，鼓励其向发达国家学习先进技术，加快推进出口产品技术升级。