出口对中国高技术企业生产率影响的实证研究

摘 要：采用企业层面数据，实证检验出口对高技术企业生产率的影响，结果发现，中国高技术企业存在较为明显的出口学习效应，但随时间而递减。此外，还考察企业所有制、补贴强度、中间投入强度、研发强度，以及出口强度等对高技术企业生产率的影响，并根据实证结果，提出一些建议。
　　关键词：出口；高技术企业；全要素生产率
　　引言
　　出口与生产率关系的研究，很早之前就已经有学者涉足。传统的贸易理论认为生产率的差异是产生国际贸易的原因，而新贸易理论则认为生产率的变动是国际贸易内生的结果。近期该领域的重大突破是研究视角从宏观领域拓展到了微观领域。Bernard等人发现美国的出口企业比非出口企业在包括生产率、销售额等方面都表现得更好[1]。原因可能在于自我选择效应或者出口学习效应。前者是指生产率高的企业进入出口市场，将低生产率的企业排除于出口市场之外的情况。后者是指出口以后企业生产率得到提高，原因在于规模经济、竞争与创新效应、出口对象的知识溢出等[2]。
　　为了验证这两种效应是否存在，许多学者进行了实证研究，两种效应均得到了一些文献的支持。Wagner、Flora Bellone等人、张杰等人分别运用德国、法国和中国的企业层面数据，证实了出口学习效应 [3～5]。不过，Bernard等人发现，任何一个产业的企业生产率分布不会持续上升，也就是说学习效应不能持久[4]。Martins，Yang也发现，企业在第一年出口时生产率的增长幅度最大，但随时间流逝递减[6]。张艳等也发现，出口学习效应在中国不是普遍存在的[7]。在自我选择效应方面，Bernard等人的研究还显示，在进入国际市场前，“潜在的出口企业”具有相对较高的生产率。且进入出口市场后，前者的生产率增长率并没有高于后者，从而也证实了自我选择效应的存在[4]。得到类似结论的还有Helpman等人、李春顶的研究[8～9]。
　　有关出口与企业生产率之间关系的实证研究虽然已较为丰富，但以中国为背景的研究还相对较少，特别还是缺乏针对高技术企业的出口与其生产率之间关系的研究。近年来，高技术企业已成为中国出口贸易的重要来源。根据《中国高技术产业数据2011》，从2003—2010年，中国高技术产业出口额从1 103亿美元增长到4 924亿美元，年均增长超过25%。在这一背景下，本文旨在采用企业层面数据，实证分析出口对高技术企业生产率的影响。研究该问题，对于推动出口产品的升级，优化中国出口结构，从而提高中国出口产品的竞争力，以及出口政策的调整都具有现实意义。
　　一、 模型与数据
　　为了检验出口以后企业的生产率是否得到提高，本文建立了以下面板回归模型：
　　lnTFPit=α+β1STARTit+β2BOTHit+β3STOPit+cXit+eit
　　其中，下标i表示年份，t表示企业。TFP为全要素生产率（对数）。START、BOTH和STOP分别为开始出口状态变量、连续出口状态变量和停止出口状态变量，均为虚拟变量，对它们的说明需要引进判断企业是否出口的虚拟变量EX。如果企业出口交货值大于0，则企业为出口企业，EX取1，否则为0。对START、BOTH和STOP取值的定义如下：若EXi0=0且EXit=0，则STARTit取值为1，否则为0（下标0表示基期，在本文中为1999年）。若EXi0=1且EXit=1，则BOTHit取值为1，否则为0。若EXi0=1且EXit=0，则STOPit取值为1，否则为0。
　　X为控制变量，本文考虑了所有制因素（包括国有资本（ST）、民营资本（PR）、外商资本（FOR））、补贴强度（SUB）、中间投入强度（INT）、研发强度（RD）、出口强度（EXI）等。C为系数向量。国有资本变量用国有资本占实收资本的比重来衡量。民营资本变量用民营资本占实收资本的比重来衡。外商资本变量用外商（不含港澳台）资本占实收资本的比重来衡量。国有资本、民营资本、外商资本三个变量主要控制企业的所有制形式对生产率的影响。补贴强度用补贴收入占工业总产值的比重来衡量。补贴收入反映一种政策变量，用来检验国家政策补贴对企业生产率是否有促进作用。中间投入强度用中间投入占总产值的比重来衡量。中间投入强度反映了企业的前向联系程度。研发强度采用研发费用占总产值的比重来衡量，反映企业的科研创新程度。出口强度用出口交货值占总产值的比重来衡量，反映了企业出口参与程度。
　　在上述模型中，被解释变量是TFP，本文采用索罗残差法进行度量。在估计的生产函数中，产出为增加值，投入为固定资产净值、就业人数和中间投入。数据来源是1999—2009年的中国工业企业数据库，包括了规模以上的所有企业。本文依据国家统计局印发的《关于高技术行业分类的通知》，从中挑选了高技术企业作为样本。为保证面板数据的平衡，剔除了非连续存在的企业，获得的总的观测值为10 406个。
　　二、结果分析
　　我们对上述面板模型进行回归分析，分别采用了OLS估计法、固定效应模型和随机效应模型，结果（见表1）。Hausman检验结果表明，固定效应模型优于随机效应模型，从R2来看，固定效应模型也比OLS估计法更优。因此，下文的分析采用的是固定效应模型的估计结果。
　　START的系数为正，且在1%的水平上显著。说明高技术企业开始出口后，其生产率会增长，也就是存在学习效应。BOTH的系数也显著为正，这表明连续出口的高技术企业也能从出口中获得生产率的增长效应，不过从数值上来看，该变量的系数小于STRAT的系数，表明高技术企业从出口中获得的生产率增长效应随着时间的推移在下降。STOP的系数同样显著为正，说明停止出口的高技术企业仍然能够获得一定的生产率增长效应，不过该增长效应相对较小。这表明，出口不仅促进了企业当期生产率水平的进步，也使企业在退出后的几年内仍能享受学习的益处。