购买
下载掌阅APP,畅读海量书库
立即打开
畅读海量书库
扫码下载掌阅APP

第二节
微观企业数据的检验

一 实证模型

加入时间因素后,对公式(2.34)和公式(2.35)取自然对数并考虑数据可获得性,这里设定如下计量方程分析农业剩余劳动力非农转移对我国传统产品“老”生产企业和“新”产品生产企业出口的不同影响:

其中: t 表示时间; t- 1 表示滞后1 期;l 分别表示“老”企业和“新”企业实际出口的对数; 表示企业生产率水平的对数; 为农业剩余劳动力的对数; cv it 表示控制变量; t表示误差项; a i i= 1, 2, 3)和 b i i= 1, 2, 3)为待估计系数。

二 变量选择、数据处理与预期符号

1.企业实际出口

本章使用的企业数据源自《中国工业企业统计数据库》(1998—2013年) 。该数据库统计了自1998年以来中国4211934条数据,其中存在出口交货值的样本数据高达3406067条,不存在出口交货值的样本也有805867条。将这些样本数据按年度分开后,本章以“是否存在出口交货值”为条件划分出口企业和非出口企业,即只要企业的出口交货值为正,则为出口企业,否则为非出口企业。收集完每一年度企业样本后,本章按照法人代码进行匹配构建平衡面板数据,再按照企业是否在统计初始年份有出口交货值划分为“老”出口企业和“新”出口企业:前者指自1998年开始到2013年为止始终存在出口交货值的企业,后者则是1998年没有出口而在之后某个年份存在出口交货值的企业。经过上述处理,这里可以得到17829家一直存在出口的“老”企业和654284家“新”出口企业。

各企业名义出口使用出口交货值表示,数据源自《中国工业企业统计数据库》,并使用工业品出厂价格指数调整为实际值。历年工业品出厂价格指数源自相应年份的《中国统计年鉴》。应该指出的是,《中国工业企业统计数据库》(1998—2013年)中2004年没有统计任何企业的出口交货值,本章在实际处理中整体忽略这一年份数据。

2.企业生产率

由公式(2.34)和公式(2.35)可知 成立,即企业生产率水平越高,实际出口越大。当然,这一结论是新—新贸易理论的核心命题之一,即生产率异质性决定了微观企业相对出口的大小。因此,这里预期计量公式(2.38)和公式(2.39)中 系数为正,即 a 1 0和 b 1 0。

衡量企业生产率水平的首要变量是全要素生产率(TFP)。目前,测算企业全要素生产率的估计方法大体上可以分为DEA方法、索罗剩余方法、OP方法、LP方法等。尽管OP或LP增加值法,可以有效地解决样本企业进入和退出市场的选择性偏差难题(张杰等,2009;盛丹等,2011),但测算时,产出变量一般用工业增加值表示,资本变量用固定资产表示,自由变量用雇用劳动人数表示,多项式变量用工业品中间投入表示(均为自然对数)。

然而,我们所获取的《中国工业企业数据库》中,工业品中间投入在2008年之后就没有统计数据了,更为重要的是2001年、2004年、2008年、2009年、2011年、2012年、2013年这七年都没有工业增加值统计数据,显然直接用LP增加值方法估计企业TFP有难度。

所幸的是,每一年的样本企业都有“产品销售收入”。为此,本章使用LP收入法来测算样本企业的生产率,收入变量用实际销售收入表示,资本变量和自由变量也分别用固定资产、雇用劳动人数表示,多项式变量用主营业务成本近似代替工业品中间投入(也均为自然对数),数据源自《中国工业企业统计数据库》。获取各样本企业名义收入、名义固定资产投入、名义主营业务成本后,分别使用工业品出厂价格指数、固定资产投资价格指数、生产者购进价格指数将其调整为实际值。上述相关价格指数也来自历年《中国统计年鉴》。应该指出的:测算完全部样本企业全要素生产率后,为防止负数无对数,本章还使用了 进行近似替代。

3.结构转型变量

同样由公式(2.34)和公式(2.35),当0 < μ <1时, 成立,即农业剩余劳动力与“老”企业出口同向变化,而与“新”企业出口呈反向变化关系。于是,这里预期计量公式(2.38)的 系数为正,而计量公式(2.39)的 系数为负,即 a 2 >0和 b 2 <0。

结构转型变量用中国农业剩余劳动力数量占全部总人口的百分数表示。为确定每年的农业剩余劳动力数量,这里首先使用城镇总人口-城镇失业人员表示城镇总就业人口,然后使用每年年底经济活动总人口-城镇总就业表示已经流转的农业劳动力总人口,最后用农业总人口-流转的农业劳动力总人口表示农业剩余劳动力。计算结构转型变量的全部人口数据均来自各年份《中国统计年鉴》。

应该指出的是,按照上述方法测算剩余劳动力虽然简便易行,但或许存在高估的问题,毕竟农业总人口中包括了一些孩子和老人,他们可能还不具备“充分”的劳动能力。蔡昉等(2007)提出了一种“反设事实法”来评估中国农业剩余劳动力的规模。本章将在下一节中使用蔡昉等(2007)的方法重新估算中国农业剩余劳动力的数量,并比较这两种计算方法的差异。

4.控制变量( cv it

除上述变量外,影响企业实际出口的因素还有很多,包括企业规模、研发投入、政府补贴、行业特征、经营年限、地区和所有制差异等。本章将这些因素作为控制变量( cv it )纳入计量公式(2.38)和公式(2.39)中。

企业规模。盛丹与李蕾蕾(2018)认为企业规模也是影响其出口的重要因素,马相东等(2019)甚至认为就促进出口而言,企业规模比生产率更重要。为将企业规模纳入实证分析中,本章借鉴易靖韬等(2011)做法,使用全部雇用人员表示,并取其对数后用ln size it 表示。

研发投入。研发活动是微观企业获取生产率内生增长的主要驱动力。为分析研发活动对企业出口的作用,本章将各企业研发投资代入实证检验模型中,并使用CPI指数将其调整为实际值,取其对数后表示为ln RD it

政府补贴。政府干预对企业出口的作用不容忽视。Helmers 和 Trofimenko(2009)曾论证过政府补贴对出口导向型国家(或地区)出口增长的积极作用,类似的还有Girma等(2009)的研究。具体到中国,大量实证文献也不断表明:政府的生产性补贴对微观企业进入出口市场并扩大规模有重要作用,比如苏振东等(2012)、于建勋(2012)、周世民等(2014)、张杰等(2015)、余娟娟与余东升(2018)等。为把政府补贴纳入其中,本章在获取各企业补贴收入数据后,使用消费者价格指数将其调整为实际值,并取自然对数表示为ln sub it 。以上消费者价格指数源自历年《中国统计年鉴》。

行业特征。为体现劳动密集型行业和资本密集型行业的差异,这里还借鉴包群等(2011)的思路,使用人均资本密集度高于全部均值的方法确定资本密集型行业,并使用虚拟变量 industry =1表示;相反则用 industry =0表示劳动密集型行业。

企业经营年限。该变量用统计年份减去企业成立之初年份后的差值表示,记作 year 。需要指出的是:由于《中国工业企业数据库》中部分样本企业的成立时间甚至可以追溯到1054年,导致计算的经营年限过大,很可能会成为“奇异值”而导致计量结果不可靠。为此,这里在实际计算过程中,将企业经营年限超过百年以上的企业都统一设定为百年。

地区差异。地区控制变量使用两个虚拟变量表示,且 region =(1, 0, 0)表示企业位于东部地区, region =(0, 1, 0)表示位于中部地区, re gion =(0, 0, 1)表示位于西部地区。各企业所在城市及其省份来源于《中国工业企业数据库》,中东西部地区划分见项松林(2011)文献。

所有制差异。为体现所有制差异对企业出口的影响,这里先使用虚拟变量 ownership =1表示外资企业, ownership =0表示内资企业。各企业所有制的划分使用实收资本所占比重表示。具体来说,外资企业是指外资资本占比超过50%的企业,否则就为内资企业。同时,为体现民营企业和国有及国有控股企业出口的差异,这里还将实收资本中国有和集体资本占比超过50%的归为国有企业,而将个人资本或法人资本占比超过50%的界定为民营企业。各企业实收资本及其构成数据源自《中国工业统计数据库》。

值得注意的是:之所以在公式(2.38)和公式(2.39)的实证检验中使用滞后项,是因为我们对收集好的样本数据进行内生性检验后,结果发现其具有明显的内生性问题,相反使用滞后一期变量再进行相同检验后,均明显克服了变量内生性问题。同时,GMM过度识别检验结果表明,使用滞后一期变量可以“恰好”识别(详细结果见表2—1),说明使用滞后变量模型应该是合理的。

表2—1 企业数据的部分变量内生性和过度识别检验

注:(1)Hausman、DM(Davidson-MacKinnon)、2SLS为内生性检验,原假设 H 0 :解释变量为外生;(2)GMM Test指工具变量过度识别检验,即xtoverid检验,原假设 H 0 :工具变量存在过度识别;(3)***、**、*分别表示1%、5%、10%显著通过检验,下同。

三 全部样本企业的实证结果

按照计量公式(2.38)和公式(2.39),这里首先使用面板模型对全部样本进行初步回归。面板模型一般可以分为固定效应、随机效应和混合回归三种,本章使用Hausman检验选取,仅报告选择后的结果。为检验实证结论的稳健性,这里在“老”出口企业组和“新”出口企业组均使用三个模型进行分析:先是对公式(2.38)和公式(2.39)的主要变量进行回归,然后加入企业规模和研发投入两个控制变量,最后加入政府补贴、行业特征、企业经营年限、地区和所有制差异五个控制变量。表2—2的估计结果显示:无论是不加入控制变量还是逐步加入控制变量,主要变量的系数符号、大小和显著性水平均未发生根本改变,实证结果较为稳健。

表2—2 全部样本“老”与“新”企业出口逐步回归结果

注:(1)()为 t 值;(2)yes为加入了控制变量,no表示没有加入;(3)FE 表示固定效应, RE表示随机效应,Hausman检验表示检验后的选择结果,下同。

1.生产率对企业出口的影响

表2—2的估计结果显示:无论是一直出口的“老”企业还是后来才出口的“新”企业, 的系数均显著为正,且无论加入或不加入其他控制变量都是如此。比较“老”企业和“新”企业的 系数,这里还能发现:全要素生产率促进前者的显著作用明显高于后者,且在三种稳健性检验中都成立。这至少可以说明:在初始阶段,“老”出口企业生产效率是高于“新”出口企业的。这一结论的政策含义是:为实现我国出口贸易的稳定发展,国家应采取适当政策引导企业增加研发投资和人力资本建设,进而提升其全要素生产率水平,对扩大企业出口规模有利。

2.结构转型对企业出口的影响

显著正向影响“老”企业出口、显著负向影响“新”企业出口,一方面符合前文的理论预期,另一方面也说明将农业剩余劳动力所占比重作为经济结构转型的变量,的确具有显著促进老企业传统产品出口的作用,而对潜在生产者进入市场研发、生产和出口新产品有不利影响。

由于样本数据的时间期限是从1998年到2013年,这一时期也“恰好”是我国农业部门剩余劳动力转移的重要阶段,自然带来“老企业”出口规模的持续扩大,出现中国出口增长主要以传统产品为主的必然趋势。相信随着我国大规模农业剩余劳动力“非农”转移的结束,传统产品出口的动能应该会有所减弱。另外,低劳动成本竞争优势逐渐式微,恰好也是酝酿中国出口增长新动能的有利时机。只要政策得当,鼓励微观企业勇于创新、敢于创新,改革开放以来我国积累的低成本复杂制造和低成本研发优势仍会持续,出口增长将逐渐从传统产品为主过渡到“新”产品为主,而这不仅有利于减缓出口增长因过于集中少数传统产品而极易受外部经济冲击的情况发生,而且有助于出口产品多样化战略实施,起到稳定外贸增长的作用。

3.企业规模对出口的影响

ln size it-1 显著正向影响全部样本企业出口,同样符合前文的理论预期。这是因为存在固定和可变贸易成本后,微观企业规模越大,越容易筹集资金以支付进入国际市场的贸易成本,其政策含义是:政府完善市场监督管理方式,尽量减少“乱出手”对竞争秩序的潜在破坏,真正让市场作为资源配置的决定性力量,给予微观企业经营者合理的预期,可以起到鼓励他们基于产业链、价值链、创新链的横向和纵向合并,不仅有利于减少企业间交易成本、提升集成创新的能力,而且有利于形成具有新竞争力的国际企业集团,发挥其扩大规模后的促进出口作用。目前,我国已经出现一些积极的信号,如科创板的上市在一定程度上可以降低高新技术产品企业上市融资的难度。相信随着这些高科技企业规模的扩大,其出口新产品的能力也会增强。

4.研发支出对企业出口的影响

鼓励创新活动是企业形成技术领先优势并转化为新国际竞争力的基础,也是应对低成本竞争手段日渐削弱的重要途径之一。表2—2中, ln RD it-1 具有显著促进各类型企业的出口增长作用。分“老”出口企业和“新”出口企业后,ln RD it-1 促进后者的显著性作用是前者的3—5倍,更说明努力扩大“新”产品企业研发投资对稳定出口大有帮助。

实际上,经过多年发展,中国已经从“资本稀缺”逐渐转变为“资本相对丰裕”,多年来高等教育持续发展带来的人力资本储备也较为完善,具备了由“低成本生产”向“低成本研发、低成本复杂制造”的潜在竞争新优势。只要政策得当,这些潜在竞争优势是可以转化为现实竞争优势的,并实现由低成本国际竞争优势向技术领先优势的华丽转变。问题的关键在于如何将这些潜在优势充分发挥出来?这一方面要求完善鼓励企业研发创新的制度,从直接激励向服务引导转变,加大知识产权保护力度;另一方面宏观经济也要提供资金供给、税收优惠等配套政策措施,营造尊重研发创新的社会氛围,通过培育研发创新能力实现企业在全球价值链地位上的攀升,带动出口贸易的稳定健康发展。

5.政府补贴对企业出口的影响

ln sub it-1 显著正向影响企业出口,一方面在企业层面验证了Helmers和Trofimenko(2009)的研究结论,另一方面在一定意义上说明政府对企业生产性补贴的确具有促进其出口的作用。不过,分“老”出口企业和“新”出口企业后,政府补贴对后者的显著作用远低于前者,既表明国家现有补贴政策对传统产品的“老出口企业”更有利,更说明在国内低劳动成本竞争优势逐渐减弱背景下,为稳定出口,国家现有补贴政策或有改进之处。

这是因为尽管中国已经在2008年之后终止了包括对外资“三免两减半”等在内的一系列优惠措施,但不排除仍有部分地区为实现本地经济发展和就业,对部分劳动密集型产品生产企业采取“变相”补贴的方式以维持其出口地位。这样的补贴方式虽然对已经出口的企业较为有利,但鼓励的是同质化竞争,不利于企业进行研发投资、生产并出口差异化新产品,也不利于促进相关产品沿全球价值链向两端延伸,尤其是国内部分地区棉纺织品按“吨”补贴问题就是如此。由于研发和生产新产品的企业,其出口产品在“重量”上既没有优势,在“出口价值”上也不是“多数”,导致新产品企业似乎没有真切感受到国家的“优惠”。应该说,某些地方政府的补贴“初衷”是好的,但在中国低劳动成本逐渐终结的背景下,现有政策或许仍有改进之处:改变过去不区分产品质量、技术含量和国际市场需求度的简单补贴方式,增加国家战略产品、未来技术发展趋势产品的生产性补贴范围,应该对未来出口增长向新产品为主方向变迁有所帮助。

四 改变估计方法的稳健性再检验

鉴于表2—1相关主要变量存在内生性问题,本章再使用面板模型工具变量的其他估计方法进行稳健性检验。同时,由于样本是企业层面的面板数据,为克服可能存在的异方差与序列相关性,这里还利用聚类稳健的标准误(cluster)进行处理。面板模型的工具变量估计方法主要分为XTIV、IV(2SLS)、IV(GMM)三种,这里使用上述三种方法对整理好的“老”企业和“新”企业分组数据进行再检验。应该指出的是:这里的回归仅改变估计方法,工具变量的选择与上一节完全相同,即选择各解释变量的滞后1期相关数据作为工具变量。 表2—3的估计结果显示:三次实证模型的主要变量系数符号和显著性水平都无太大变化,回归结果较为稳健。

与表2—2进行对比,使用工具变量面板模型估计方法后,以下重要结论依然成立:①企业生产率水平 显著促进“新”“老”企业出口,且对“老”企业出口的显著作用更大,一方面符合前文的理论预期,另一方面也说明生产率异质性仍然是影响中国企业出口的重要因素之一;②三次工具变量再估计结果中,企业规模(ln size it-1 )显著正向影响出口没有发生改变,且规模异质性对“老”企业出口的促进作用高于“新”企业,说明鼓励企业间基于产业链、价值链、创新链的横向和纵向合并,不仅有利于发挥体制创新的促进出口作用,而且有利于微观企业形成“集群竞争”新优势,发挥其扩大规模后的稳定出口作用;③研发支出(ln RD it-1 )显著促进“新”“老”企业出口,且对前者的显著作用高于后者,再次体现出国家完善鼓励企业研发的体制机制,加强产权保护强度,营造尊重创新的社会氛围,可以有效应对“低劳动成本竞争优势逐渐降低”的负面影响,促进中国出口增长从以往传统产品为主向新产品为主转变;④政府补贴(ln sub it-1 )显著正向影响企业出口同样成立,且对“老”出口企业的显著作用高于对“新”企业,再次表明为实现我国出口增长向新产品出口为主方向变迁,改变目前按“重量”和“出口价值”计算的生产性政府补贴或有必要,毕竟这种补贴虽简便易行,但更容易让生产品种单一的同质性“老”出口企业受益,潜在生产者研发、创新、生产并出口差异化新产品“获益”有限。

采取工具变量估计方法后,表2—3的回归结果还显示:结构转型变量 显著正向影响“老”企业出口、显著负向影响“新”企业出口的结论依然成立,一方面符合前文的理论模型分析结论,另一方面也说明样本期内我国农业剩余劳动力向制造业部门转移,压低了制成品企业实际工资上涨幅度,给生产和出口传统产品的“老”企业提供了“无形”保护。这些传统产品的“老”出口企业市场垄断力量不断增强的结果,自然导致潜在生产者进入市场的“门槛”有所提高,研发和生产新产品的动力不足,进而新产品出口增长速度没有传统产品快,使样本期内中国出口增长主要以传统产品为主。

表2—3 全部样本“老”与“新”企业出口工具变量稳健性检验

表2—3 全部样本“老”与“新”企业出口工具变量稳健性检验续表

注:(1)XTIV(cluster)表示聚类稳健的工具变量面板估计;(2)IV(2SLS)表示工具变量两步两阶段估计;(3)IV(GMM)表示工具变量的GMM矩估计;(4)空白表示计量回归没统计相关结果;(5)因为IV(2SLS)与IV(GMM)不提供常数项,为保持一致性,均省略常数项回归结果,下同。 cNOKxkZ7Fc88gGZHwqhdzLPAvvDJPJttXzRkUjwSO1HsGq8oKPHbQShFgDeR3PCa

点击中间区域
呼出菜单
上一章
目录
下一章
×