服务贸易自由化的经济增长效应研究——基于SVM的实证检验

张 楠，崔日明

(辽宁大学 经济学院，辽宁 沈阳 110036)

一、文献综述

西方学者对服务贸易自由化的研究结论均证实了服务贸易自由化对经济增长存在促进作用。区域经济合作促进经济增长的例子为服务贸易自由化对经济增长的促进作用提供了佐证。

Goldsmith［1］的研究指出，金融服务为投资资金效用最大限度的发挥提供了渠道，促进了产量和收入的增加。他利用金融资产、GNP的比率和经济增长率进行回归分析，发现经济增长与金融发展之间存在着一个“粗略的平行”关系。Antoine和 Andreas［2］选取电信和金融行业为代表，利用门限回归模型对服务业的开放度与经济增长做了回归分析。对于低收入国家 (即人均GDP不超过3 310美元)来说，电信行业的开放程度与经济增长之间存在显著的正相关关系，金融行业与经济增长的关系不十分显著;对高收入国家 (人均GDP高于3 310美元的国家)来说，金融行业的开放程度与经济增长之间存在着显著的正相关关系，电信业开放对经济增长的促进作用不显著。Dollar［3］利用关税配额、进出口与GDP的比例作为贸易开放度测算指标，衡量服务贸易开放与经济增长之间的关系。研究结果均表明贸易的开放程度与经济增长存在着正相关关系。King和 Levine［4］指出金融服务业通过增强资本积累和技术创新影响经济增长。他们利用金融债务与GDP的比例，私人部门的索赔数量与GDP的比率作为衡量金融业发展指标，分析金融业发展与经济增长之间的关系。通过回归分析发现这些指标均十分显著，与经济增长之间存在显著相关关系。此后他们利用1960年的这些指标预测了1960—1990年间的经济增长率，研究发现这些指标是十分显著的预测变量。Levine［5］利用效用方法分析了金融发展与经济增长之间的联系。他强调了金融体系在帮助降低交易成本、改善实际资源分配方面的五种功能。这五种功能包括消除交易风险，引导资本的有效使用，监管职能，利用金融创新工具增强储蓄的流动性以及便利货物与服务间的交换。Francois和Schuknecht［6］利用回归分析法分析了人均实际GDP增长率与总体贸易开放度、宏观经济变量以及金融部门的集中程度之间的关系。均发现经济增长与金融部门竞争力之间存在强烈的正相关关系。

二、服务贸易自由化经济增长效应理论分析

(一)服务贸易自由化的静态利益

服务贸易自由化的静态利益主要包括降低关税效应和中间投入品效应。这种静态利益适用于专用服务贸易和通用服务贸易。关税效应主要表现为直接关税效应和间接关税效应。直接关税效应是指对以物化服务形式存在的服务产品征收关税，如图书、光盘等。间接关税效应是增加生产所必需的技术、专利咨询等服务成本，从而提高产业生产成本，其产生的效应等同于关税效应。

1.物化服务贸易所产生的直接关税效应

服务贸易在货物贸易上的固化主要表现为服务贸易保护限制商品价格，产生关税保护效应。国外厂商所征收的咨询费、技术专利费等同进口关税效应，该类费用的征收相当于国外厂商向本国生产者出售商品生产权和销售权的使用权。这是对外国企业所研发的创新技术的一种保护，同时限制本国生产商的生产能力，提高生产成本和研发成本，降低本国厂商在该种产品上的竞争能力。这种企业行为等同于政府行为，相当于外国政府对本国征收该类产品的进口关税。

如图1中左图所示，用S和D分别表示本国X产品的供给和需求曲线。本国供给量为Q0，需求量为Q1。现假设本国在生产X产品时，需引进国外技术，技术专利使用费为T，国内需求不变。此时国内供给曲线S会向上移动T，新的供给曲线为S1。技术专利费用的征收，提高了国内产品的价格，由P0提高至P1，供给量由Q0降至Q1。由于国外厂商征收了技术专利费用，国内厂商的生产者剩余明显减少，国内消费者也因为消费了较高价格的商品而受到福利损失。在图1右图中，外国厂商因技术专利使用权转移获得了额外收益，他们可以利用这部分资金进行深度技术研发，新技术的应用提高了生产效率，使得外国产品的供给曲线会向下移动，由原来的S下移至S2。外国产品在本国市场上的价格会由原来的P0下降至P2。因此，较不存在专利使用费前，外国厂商收益会大幅度提高。从动态分析来看，随着外国厂商生产效率不断提高，在该产品上会拥有垄断优势，侵占本国厂商的国内市场份额，使本国整体受损。

图1 本国产品和国外商品在本国市场的均衡分析

服务贸易通过货物贸易固化的形式产生了外国政府征收进口关税的静态效应，这种静态效应可以被视为服务贸易保护带来的损失。

2.以中间投入形式存在的间接关税效应

在金融领域，高效、管理有序的金融体制能有效、迅速地将储蓄转变为投资，保证资金有效运作，提高投资回报率。多种金融衍生品的发明扩大了资金的利用率，拓展风险分担的渠道。

运输业推动了国际贸易的产生和发展，实现商品在不同地区内的交换。强大的运输力量曾使荷兰迅速崛起，成为世界霸强。15世纪西方其他国家的迅速崛起也得益于新航线开辟推动的海上贸易。运输实现了商品在不同国家和地区间的分配，也将世界各国融入全球经济发展中去。

作为基础信息传播媒介的通信行业，将各种交易信息传递出去，为交易双方建立沟通平台。因此信息网络的畅达以及信息的传递速度在日常交易中起着至关重要的作用，因此而产生的交易成本是不可以忽视的。作为技术交流平台，通信网络促进技术的快速传播，这种作用在经济发展中的贡献也是无法替代的。正如内生经济增长理论所指出的，技术是促进经济增长不可或缺的内生要素，技术进步能够为经济发展提供强大的助推力。

法律、会计结算等行业也都在经济发展中起到不可忽视的作用。Collier和 Gunning［7］指出非洲经济发展最大的阻碍就是高昂的交易成本。由于非洲法律体制不够健全，结算体系不够完整，为交易带来了很多不便，由此而产生的高额交易费用也成为阻碍经济发展的桎梏。Summers［8］也提出美国资本市场最重要的发明创新就是建立了一套广为接受的结算规则。由此可见，服务贸易渗透在经济命脉中的每一个角落，连接着经济运行的各个环节，高效、合理地发挥服务贸易的作用才能更好地促进经济快速发展。

(二)服务贸易自由化的动态利益

服务贸易自由化的动态利益可以分为两个方面:一方面，以商业存在的方式展开的服务贸易有利于外资的进入，对于通用服务而言，厂商数量的增多会提高本国通用服务市场的竞争程度，提高服务行业生产效率;而对专用服务来讲，随着专用服务投入增多，服务厂商的沉置成本越高，从而产生了一种抵押效应以规范服务提供者的贸易行为，产生经济效益;另一面，服务贸易实现技术传播渠道的便利化和技术的迅速扩散。

1.专用服务的抵押效应

服务的专用资产特性表明服务提供者一旦决定进入该市场，他所进行的服务投资就很难改做他用而成为沉置成本。这样规范了服务提供者的服务生产行为，以利润最大化为前提维持其经营的长期性。服务贸易自由化使更多的厂商进入国内市场，而这种抵押效应也会不断被扩大，以至影响整个经济环境，对经济增长产生促进作用。

假设有两个欲进入服务市场的新服务提供者，通用服务的经营单位成本为v1，专用服务的经营单位成本为v2，沉置成本为k，服务提供者只有在专用服务成本低于通用服务成本的情况下，才有可能提供专用服务，即k+v2＜v1，v1，v2∈ ［0，1］，需求价格也分布于0和1之间。由此，可以计算服务提供者提供这两种服务的预期收益。

通用服务的生产概率为1－v1，平均生产收益为，预期净收益为:

专用服务的生产概率为1－v2，平均生产收益为，预期净收益为:

只有在s1＜s2时，服务提供者才能提供专用服务，则可以推导出沉置成本的范围为:

只有沉置成本在这个范围内，专用服务贸易才会发生，才会产生抵押效应。将厂商进入服务市场为生产者提供专用服务时所投入的成本和预期收益设为h(h≥k)。服务产品的成本价格为p，只有当服务消费者的需求价格超过p－h(设m=p－h)时，服务提供者才会向其提供服务。否则，他将停止这项服务的供给，退出市场。退出市场的成本，即抵押成本可以表示为αh(α代表服务贸易自由化的程度，α∈ ［0，1］，α越大，服务贸易自由化的程度越高)。服务贸易自由化程度越高，服务提供者拥有更多的机会提供专用服务，专用服务的提供量越大，那么其抵押成本越高。当服务提供者面临高昂的抵押成本威胁时，服务提供者就不会轻易退出市场。分别分析两种情况:第一，厂商决定退出市场;第二，厂商不退出市场条件下的服务提供者的净利润变化。

(1)厂商决定退出市场

厂商决定退出市场时的预期利润可表示为:

当h=k时，即服务提供者进入市场的抵押成本就是其提供专用服务所投入的沉置成本。

趋于开放时的提供者利润可以表示为:

专用服务产品的价格是按照边际成本定价的，即p=v2+k，那么m=v2。

当α=0 p=v2+k时，

因为，

专用服务提供者的利润与服务贸易自由化程度成反比，服务贸易完全封闭时，专用服务提供者的利润会小于零。也就是说，当服务贸易处于完全封闭的状态时，服务提供者的利润趋近于零，新的服务提供者将停止进入国内服务市场。

服务消费者所获得的净利润为:

服务贸易自由化程度越高，消费者所获得的利润越高。(1－m)代表服务提供者提供服务的概率;代表的是服务消费者的预期消费价格;m代表预期消费价格，是消费者预期的消费剩余。

根据上面的假定h=k，服务消费者所获得的净利润为:

在服务贸易趋于完全开放的状态α→1时，(10)式整理得:

在服务贸易趋于完全封闭的状态α→0时，(10)式整理得:

当服务贸易越趋近于封闭状态，服务消费者获得的专用服务的利润与服务提供者所获得的服务利润相同;而随着服务贸易自由化程度不断提高，服务消费者的利润会不断扩大，当实现完全服务贸易自由化时，服务消费者所获得的利润将超过服务提供者的利润。

(2)厂商决定不退出市场

厂商若不退出市场，其预期利润可表示为:

当h=k时，即服务提供者进入市场的抵押成本就是其提供专用服务所投入的沉置成本。

当服务贸易越趋于封闭，即α→0时，那么服务提供者的利润可以表示为:

假设专用服务产品的价格是按照边际成本定价的，即p=v2+k，那么m=v2。此时，α=1，p=v2+k时，有:

服务消费者所获得的净利润为:

服务贸易自由化程度越高，消费者所获得的利润越高。(1－m)代表服务提供者提供服务的概率;代表的是服务消费者的预期消费价格;m代表预期消费价格，是消费者预期的消费剩余。

根据上面的假定h=k，服务消费者的净利润可以整理为:

在服务贸易趋于完全开放的状态α→1时，(19)式整理得:

在服务贸易趋于完全封闭的状态α→0时，(19)式整理得:

当服务贸易越趋近于封闭状态，服务消费者获得的专用服务的利润与服务提供者所获得的服务利润相同;而随着服务贸易自由化程度不断提高，服务消费者的利润会不断扩大，当完全实现服务贸易自由化时，服务消费者所获得的利润将超过服务提供者的利润。

无论其是否退出市场，在封闭的状态下，专用服务提供者的收益是不变的。这主要是因为服务提供者在封闭的状态下，并未进入市场，此时抵押效应对服务提供者不产生任何影响，因此专用服务提供者的利润不会发生变化。而如果在开放的状态下，服务提供者退出市场的损失较大，因此，其不会退出市场。无论是否决定退出市场，服务消费者在封闭条件下获得的利润是相同的。在完全自由化，服务提供者决定退出市场的条件下，消费者的收益相对较大，对专用服务消费者有利。

通过以上分析可以得出如下结论:正是因为抵押效应的存在导致专用服务市场上必然处于非竞争的市场状态。而且从生产者利益最大化的情况来看，服务自由化程度深化对专用服务提供者产生的威胁作用，使服务提供者一定不会选择退出市场，而专用服务的产品定价也一定高于专用服务的边际成本。

2.提高通用服务贸易竞争程度

随着经济的不断发展，服务贸易方式由原本以跨境消费为主的方式转变成以商业存在为主导的方式。保护程度较高的本国市场准入壁垒较高，这对外国厂商的进入会产生限制，同时，对国内新增厂商的进入也是一种阻碍。高准入壁垒会增强市场的垄断程度，导致经济无效率。市场开放促使市场准入门槛降低，随着本国市场厂商数量增加，市场竞争程度会不断提高，市场规模也将不断扩大，这样就更加有利于形成规模经济，提高生产效率。

通用服务贸易是所有厂商都能够提供的标准化服务，因此，随着服务贸易自由化程度的不断提高，标准化服务市场上的厂商数量会不断增多，由原来的n个厂商增加至n+h个厂商。随着厂商数量的不断增加，会产生两种效应:一种是提高市场的竞争程度，降低X效率即非效率;另一种则是规模经济的形成。在n+h厂商的参与下，市场会形成良性的竞争机制，将具有劣势的服务提供者淘汰出市场，对留在市场中的服务提供者也产生了激励作用，使他们为了保持竞争优势，而不断地去维护现有的优势，不断改进服务态度、增加服务产品种类以更好地满足消费者的需求。而规模经济效应主要是因为市场规模的扩大而产生。在激烈的竞争后，虽然有部分厂商被淘汰出市场，但是仍然留下大部分具有高生产能力的服务提供者，因此整个市场的服务提供能力仍在不断扩大。服务产品市场规模也因此扩大，自然规模经济效应得以产生。

3.加速技术传播，实现技术的复制效应和再创新效应

服务贸易自由化通过影响技术在本国的传播速度和扩散速度促进经济增长，服务贸易自由化通过这一路径能够产生三种经济效应:技术传播带来的外溢效应、服务竞争中产生的复制效应和技术吸收后的再创新效应。

(1)加速技术传播的外溢效应

技术进步是经济增长的内生要素之一，先进技术的引进对一国经济增长有极大的促进作用。20世纪全球经济的快速发展、新交易方式的产生就是最好的证明。随着服务贸易自由化程度的不断加深，生产要素在国与国之间的流动性也将不断增强。FDI流量的不断增加使本国拥有更多的资金进行技术研发，提高技术水平;通信技术发展搭建起通畅的技术传播途径，使信息更快速地在国家间传播，有利于知识的共享。

(2)技术的复制效应

随着服务贸易自由化的深入，本国服务市场上的服务种类会不断增加。原本服务市场上的服务厂商会在与同行的竞争中接触到同类的差异服务或是不同类的新增服务。本国市场的厂商将学习这种新服务并拓展自己的服务种类，提高服务利润。这就是所谓的服务技术的复制效应。如金融服务中多项理财产品在被新厂商引入后，不久就会在同行其他服务提供者中推出相同的服务，这就是技术复制效应最显著的例子。

服务贸易自由化后的生产者服务消费的技术效应可以用公式表示为:

技术投入后，产量可以表示为:

只有当存在正的流量变量Qs时，技术存量变量才会发生变化，将公式 (22)、公式 (23)和公式 (24)相结合，可得出技术增长率为:

由此，制造部门和服务部门的增长率可以改写为:

新的经济增长率可以表示为:

从加入技术资本投入后的新经济增长率可以看出，在劳动力投入既定的情况下，经济增长率主要由服务部门经济增长率 (rs)、制造部门经济增长率 (rm)、加速积累系数 (τ)和技能提高效率 ()这四个因素决定。根据服务业增长率十分缓慢这一论断，假设rs=0，公式 (28)则变为:

本模型假定两个部门，因此整体经济增长率就等于制造业增长率，即γT=rm，公式 (29)则变为:

由此可以得出加速积累系数为:

(3)技术的再创新效应

在技术复制效应的基础上，厂商对技术进行了再开发，并以此研究出不同于原有服务技术的新技术，在这种新技术的支持下，创造出新服务项目并获益。这就被称作技术的再创新效应。但技术再创新效应的大小则主要取决于研究此技术的人力资本的天生敏感程度和努力程度。对于服务的模仿效应即复制效应主要由服务提供者所拥有的人力资本的努力程度决定。只要在一定的资金配合下，人的努力程度直接决定了对于该服务模仿的程度。而技术的再创新效应则更多地取决于参与研究的人的天生敏感度，就是天赋。

三、实证分析

本文以Antoine和Andreas［2］的研究成果为基础，选用日本金融服务贸易为日本服务贸易的代表行业进行实证分析。在服务贸易开放度测算方面，数量化制度因素，即市场的竞争程度、外资所有权、资本控制程度，测算服务贸易的开放度，并利用SVM模型对金融服务贸易的开放程度与日本经济增长之间的关系进行回归分析。

日本在二战后的经济复兴之路中，先后经历了两次危机，一次经济衰退。在这条波折起伏的经济复兴之路上，金融业所经历的保护、半开放和完全开放的历程对日本的经济发展起到了十分关键的作用［9］。因此本文选取1956—2003年间日本的经济数据利用SVM进行回归分析，为服务贸易自由化的经济增长效应提供佐证。

(一)变量的选择及金融业开放度的测算

因变量选用GDP年增长率来表示经济的增长率;选取3个自变量，即民间消费占GDP的比率、金融业的开放度、服务贸易总额，分别用PE、OP、TR来表示。

本文结合Dailami［10］资本控制指数的测算方法和Mattoo等［11］的服务贸易开放度的测算方法来估算日本金融业的开放程度。利用市场结构、外资所允许拥有权、资本控制指数这三个指标测算日本的金融服务贸易开放程度。将日本金融服务贸易开放程度设定为8个等级，从1到8开放程度逐渐增强。具体的表示见表1所示。如，日本1976年的资本控制指数应该小于1.6，外资所有权小于50，市场是处于竞争状态，此时的开放指数应为6。

表1 金融业开放度指数表

日本金融业从20世纪50年代起开始进行改革，但是对外开放的步伐十分缓慢，20世纪70年代前仍处于完全封闭的状态。1979年开始金融自由化改革，逐步实现利率自由化。1985年，日本允许外资银行、证券公司参与日本金融业务，市场竞争性提高。由于受到1998年金融危机的强烈冲击，日本实现完全自由化，逐步扩大金融改革业务范围，增加金融产品数量，外资公司数量增多。

根据上述方法粗略估算1956—2003年间日本金融业的开放指数，如表2所示。

表2 日本金融业的开放度1956—2003年

(二)方法选择

本文利用SVM对日本经济增长率与日本国内私人消费比率、开放度以及服务贸易总额进行回归分析。在前期研究中，作者曾选用设定哑变量的多元回归方法对该理论进行实证检验，但是效果不佳。故此次本文选用适合小样本、非线性分析的SVM来进行实证分析。

1.SVM的基本原理

1995 年 Cortes和 Vapnik［12］提出的支持向量机 (Support Vector Machine)方法是建立在统计学理论的VC维理论和结构风险最小原理基础上，主要解决小样本、非线性及高维模式识别问题。SVM利用线性分类器将一些在低维情况下不可分的数据向高维映射，从而实现数据的线性可分。设定一个线性函数g(x)=wx+b，以该线性函数等于0时为间隔将数据进行分类。在二维空间中该函数便构成了一个平面，称之为分类超平面。对于该分类超平面的确定就要利用实现分类间隔的最大化来解决。

2.模型的建立

本文利用反证法的思想建立模型，如果测算出日本的服务贸易保护对日本经济增长具有消极作用，就可以证明服务贸易的开放对经济增长是具有促进作用的。建立模型如下:

根据SVM的基本原理，可以将问题转变为求解‖α‖最小的问题。考虑训练样本，其中x是输入模式的第i个样本，iyi∈{－1，1}，设用于分离的超平面方程是:

其中，α是超平面的法向量，δ是超平面的常数项。

寻找最优的分类超平面，即寻找最优的α和δ。设最优的α和δ为α0和δ0，则最优分类超平面为:

若得到最优分类超平面，就可以对测试集进行预测。设测试集合为，则用最优分类超平面预测测试集的标签为:

此处，N=3，xi分别表示pe、op、tr。

(1)定义支持向量

满足下面条件的特殊数据点 (xi，yi)为支持向量

或有:

支持向量是最靠近决策面的数据点，和决策面的最优位置直接相关，最难以分类。

(2)推导最大间隔

设x1，x2正反例的间隔为:

又有:

所以有:

寻找最优超平面就是解决正反例间隔最大化的问题，即:

使用Lagrange乘子法求解，首先建立 Lagrange函数:

其中，Lagrange乘子为ai。对α和δ求导，则有:

整理J最终可得到原问题的对偶问题:

求解出对偶问题的最优解，设a*i表示最优的Lagrange乘子，则最优解为:

判断函数为:sgn)，其中x为测试集样本。

3.回归结果

如表3所示，利用MATALAB中的LIBSVM对该模型进行分析，该模型的模拟准确度为85.41%，金融服务贸易开放指数 (op)的系数为－0.08，私人消费比率 (pe)的系数为2.34，服务贸易总量 (tr)的系数为2.52，各系数检验均达到显著水平。

表3 回归分析结果

四、结论及启示

1956—2003年期间，日本金融业处于保护的年份为42年，因此该模型可以作为金融服务贸易开放度较低的例证。金融服务贸易开放度降低1个百分点，经济增长率将会下降－0.08。该结论也证实了模型建立之初的假设，即如果金融服务贸易保护对经济增长有消极作用，那么服务贸易自由化有利于促进经济增长。

在贸易保护主义日趋严重的环境下，推进中国服务贸易自由化为缓和当前货物贸易摩擦提供了新的途径;加深服务贸易自由化程度，搭建技术传播新渠道，加速先进技术传播;扩大金融贸易开放程度，提高资本回报率，增加对外投资渠道，缓解当前流动性过剩的问题。

［1］Goldsmith，R.W.Financial Structure and Development［M］.New Haven:Yale University Press，1969.

［2］Antoine，C.El K.，Andreas，S.Openness in Services Trade and Economic Growth ［J］.Economics Letters，2006，92(2):278－283.

［3］Dollar，D.Outward-Oriented Developing Economies Really Do Grow More Rapidly:Evidence from 95LDCs 1976—1985［M］.Economic Development and Cultural Change 40，1992.

［4］King，R.G.，Levine，R.Finance，Entreprenneurship and Growth:Theory and Evidence［J］.Journal of Monetary Economics，1993，(32).

［5］Levine，R.FinancialDevelopmentand Economic Growth:View and Agenda［J］.Journal of Economic Literature，1997，35，(6).

［6］Francois，J.F.，Schuknecht，S.Trade in Financial Services:Procompetitive Effects and Growth Performance［R］.CEPR Discussion Paper，1999.

［7］Collier，P.，Gunning，J.W.Why Has Africa Grown Slowly? ［J］.Journal of Economic Perspectives，1999，(3):3－22.

［8］Summers，L.Reflections on Managing Global Integration［J］.Journal of Economic Perspectives，1999，13，(1):3－18.

［9］张楠，崔日明.中日服务贸易发展路径比较［J］.国际经贸探索，2009，(11):36－41.

［10］Dailami，M.Financial Openness，Democracy and Redistributive Policy［R］.World Bank Institute，2000.

［11］Mattoo，A.，Rathindran，R.，Subramanian，A.Measuring Services Trade Liberalization and Its Impact on Economic Growth:An Illustration［J］.Journal of Economic Integration，2006，21(1):64－98.

［12］Cortes，G.，Vapnik，V.N.Suppor-Vector Networks［J］.Machine Learning，1995，20(3):273－297.