国际贸易活动与全要素生产率关系的实证分析

     摘要：文章基于数据包络分析(DEA)方法，测算了2003～2008年我国20个省份的全要素生产率(TFP)，建立了基期和滞后一期的模型，通过实证分析得出，国际贸易活动对全要素生产率的影响不尽相同，进口贸易对全要素生产率有明显的促进作用，而出口贸易和外商直接投资都弱化了全要素生产率，并且这三个变量与全要素生产率的基期关系比滞后关系更显著。
　　关键词：国际贸易；全要素生产率；数据包络分析

　　 一、引言
　　国际贸易与全要素生产率之间的关系是经济学界研究的一个热点问题。大量的研究普遍认为，发展中国家通过国际贸易与发达国家开展经济技术交流，学习发达国家的先进技术和经验，吸收发达国家的技术扩散和知识溢出，以此促进本国的技术进步和经济增长。Andrew等基于美国行业数据，实证得出贸易成本下降，出口型企业的生产率明显增长，并且进出口活动对企业生产率的滞后影响显著。李小平和朱钟棣实证得出贸易途径促进了中国的TFP增长。李杏和Chan运用计量经济学研究方法，考察外资和进出口对中国整体技术水平的影响，结果表明FDI和技术进步互为长期和短期因果关系，对外贸易是技术进步的长期和短期原因。许礼生和高凌云以1978～2006年的宏观经济数据实证分析表明，进口竞争变化与TFP变化率之间具有正向关系，而且进口竞争在国内竞争程度较低时，对TFP的提升效应较大。马胜伟和何元贵采用DEA方法，运用广东省21个地级市的投入和产出数据，对广东省的TFP进行测算，结果表明，技术进步与出口贸易存在协整关系。
　　也有些学者得出了不同甚至相反的结论，认为贸易活动并不能提高企业的全要素生产率。Fu就中国制造业行业的出口和TFP增长的关系进行了实证分析，发现出口并没有显著促进各行业的TFP增长。何元庆运用DEA的方法，测算1986～2003年各省的技术效率、技术进步和TFP增长，研究人力资本、进出口及 FDI对三者的影响。实证表明，人力资本和出口对技术效率的提高有正向作用 , 进口负向影响技术效率，FDI对技术效率的影响不显著，出口对技术进步和TFP增长有轻微的负向影响。刘舜佳的实证结果表明, 虽然短期内FDI有助于TFP的提高, 但从长期看，国际贸易和FDI弱化了我国的TFP增长。金成晓和王猛得出与刘舜佳相似但更为具体的结果，他们实证得出，FDI的技术溢出效应呈倒U型，即在到达临界点之前，外资进入会带来更多技术溢出，但如果超越这一临界点更多的FDI流入反而会损害溢出的效果。
　　本文将国际贸易活动分为进出口和FDI，选取中国20个省份2003~2008年数据，利用DEA方法测算各省的TFP，全面考察各个变量对TFP的影响。
　　二、模型设定
　　 （一）全要素生产率的计算
　　全要素生产率 (total factor productivity , TFP) ，是指总产出与综合要素投入的比率，即每单位投入的产出。本文采用目前被广泛使用的DEA方法计算所选省份的TFP。指数的计算结果代表了相对于上一年，本年TFP的增长(指数大于1) 或下降(指数小于1)情况。结果如表1所示。
　　 由表1可知，广东省的TFP最高，6年间有5年均为1，即为最有效率的生产单位，其它省份以广东省为参考对象，陕西、新疆、重庆等地区的TFP则相对较低，江苏、上海、浙江的TFP一直保持较高水平。此外2005年全国生产率水平相对较高，黑龙江、上海、江苏、广东4个省份的TFP值均为1，即生产率水平均达到最有效状态。
　　（二）模型设定和变量选择
　　建立基期和滞后一期模型。基期模型是研究TFP与国际贸易即期的相互作用，通过比较知2005~2008年最有说服力，因而下文分析都以这个时间段为范围。滞后一期模型用来研究TFP与分别滞后一期的进口、出口、FDI的关系。为了降低截面数据可能具有的异方差，本文采用了自变量的对数形式。建立的基期模型如下：

　　式中，i=1，2，……20；t 表示年份；TFPit表示i地区t年的全要素生产率；IMit表示i地区t年的进口量；EXit表示i地区t年的出口量；FDIit表示i地区t年的外商直接投资额；KRit表示i地区t年的扣除研发费用的资本存量，之所以扣除研发费用，是为了避免可能出现共线性；Lit表示i地区t年的是人力资本投入量；RDit表示i地区t年所投入的研发经费；GDPit是i地区t年的生产总值；εit为残差项。
　　滞后一期的模型如下：

　　 式中，IMi(t-1)、EXi(t-1)、FDIi(t-1)分别是比TFP滞后一期的进口额、出口额、外商直接投资，而物质资本、人力资本、研发费用和GDP与各省TFP的即期关系密切，所以仍然采用即期数据形式。
　　本文所选取的20个省份的实际产出、进口额、出口额、外商直接投资、资本存量和劳动力人数等数据来源于历年的《中国统计年鉴》，R&D的数据来源于历年的《中国科技统计年鉴》。
　　 （三）模型检验——F检验
　　由于选择的横截面数据为20个省份，远大于时间跨度年份数，故排除随机效应模型。通过F检验确定应选择普通最小二乘模型还是固定效应模型。

　　 SSEr,SSEu表示模型的残差平方和。通过回归得到，SSEr,=0.900559， SSEu= 77.27561。N为20，T为4。

　　F0.05 (19, 59) = 1.75
　　F= 3.07> F0.05(19, 59) = 1.75，故应建立个体固定效应模型。
　　 三、实证研究与对比分析
　　（一）基期模型的结果与分析
　　1.基期模型回归结果
　　采用可行的广义最小二乘法(EGLS)对模型进行回归估计，发现ln(IMu)前的系数为正，ln (EXit)和ln(FDIit)前的系数为负，对2005~2008年的数据进行基期模型的回归，结果得出判决系数R2 为0.977，说明模型的拟合优度非常高，选择的对数线性模型比较合适；DW统计量的值为1.864接近2，说明变量之间的自相关性小。此外，7个自变量除出口之外其余变量都通过了t检验和F检验，说明模型中这六个自变量与TFP均有显著关系，而出口在此模型中与TFP关系不显著，原因可能是选择的时间跨度较大，出口在4年内的变化幅度较大，因而与TFP的关系被弱化了。