APP下载

中国纺织类加工贸易品在全球价值链中的位置变化

2013-09-10许军薛晨菁

关键词:增值率进出口额价值链

许军,薛晨菁

(陕西师范大学 国际商学院,陕西 西安 710062)

随着生产和贸易全球化的不断深入,加之贸易与通讯成本的迅速下降,新生产网络随之产生:生产或服务的特定阶段分别由不同供应商提供。这种新的生产网络被称为全球价值链,即从产品概念的推出,到产品生产,再到产品市场化等一系列分工都可以通过价值链串接起来[1-2]。它不仅取代了19世纪综合工厂车间占主导地位的制造业模式,同时也使世界价值创造体系出现了前所未有的垂直分离和再构。正是因为参与到全球价值链中,中国加工贸易业在改革开放30多年中得到了迅猛发展,同时成为中国对外贸易的主要组成部分和经济增长的主要动力之一[3-4]。其中,纺织类加工贸易品作为中国加工贸易出口重要产品之一,在全球价值链中的位置及其变化应引起我们的重视。

纺织类加工贸易品多以劳动密集型产品为主,加之中国长期以低廉的劳动力成本作为本国的比较优势,使大多数出口企业仅以单纯的加工组装方式低端链入纺织类产品的全球价值链。此种低端链入方式使中国纺织类加工贸易品的外部需求在2008年以前呈高速增长趋势。但2008年金融危机及其后续全球经济缓慢复苏,使近年来中国纺织类加工贸易品的外部需求受到严重影响。加之受中国劳动力成本迅速上升等内部因素影响,近几年来相关企业为了获得订单只能不断压低利润。根据本课题组调研结果显示,珠三角、长三角地区纺织类加工贸易企业利润率仅为3% ~5%,已达到了破产的边缘[5]。尽管利润如此之低,但是近两年来还是有越来越多的国外知名服装品牌厂商将自己的代工工厂从中国转移到劳动力成本更低的东南亚国家。在内外因素的共同作用下,中国纺织类加工贸易品面临着严峻的挑战。面临如此严峻的挑战,中国纺织类加工贸易出口品在全球价值链中位置变化及其规律,正是本文的研究问题所在。

一、文献综述

改革开放以来,由于中国的加工贸易已经全面参与了全球价值链的整合,了解中国在全球价值链中的位置是必要的。施炳展认为,中国出口产品绝大多数处于低端位置,随着产品技术含量增加,中国分工地位逐渐恶化,加入WTO在促进出口增加的同时降低了中国分工地位,中国出口存在一定程度的“悲惨增长”[6]。谷雨认为,国际代工模式在刚刚过去几十年的发展过程中不断变迁,改革开放以来中国制造业通过国际代工模式融入全球价值链获得了巨大发展;中国制造业参与国际代工模式的基础是贸易专业化和比较优势,其中劳动密集性和劳动生产率也是较为重要的影响因素[7]。张明等认为,加工贸易增值率的高低可以反映中国在全球分工体系中的位置和层次[8]。唐海燕等认为,在参与产品内分工的过程中,中国较大幅度地提升了在全球价值链中的位置[9]。娄朝晖认为,中国加工贸易显著促进了经济增长,对国内就业状况有所改善,但对产业升级的带动作用很小[10]。

综上所述,大部分学者对中国加工贸易品在全球价值链中位置变化的研究都集中在整体加工贸易品的层次上。其中,一部分学者认为中国加工贸易在全球价值链中的位置得到大幅度提升,且对中国产业升级起到一定的积极作用;但也有学者认为其对中国产业升级的带动作用很小;更有学者认为,随着中国加入WTO和经济全球化,中国的国际分工地位呈“悲惨增长”。可见,学者们研究的均是中国整体加工贸易品在全球价值链中位置变化特点和规律,而纺织类加工贸易品作为中国加工贸易出口的重要产品之一,目前还没有人专门研究其在全球价值链中的位置变化及特点。因此本文以纺织品为例,分析中国纺织类加工贸易品在全球价值链中的位置变化特点及规律。

二、研究方法和数据选取

本文旨在研究中国纺织类整体和分类加工贸易品在全球价值链中的位置变化,因此要选取一个能够反映中国纺织类加工贸易品在全球价值链中位置变化的指标。胡军等认为,加工贸易增值率可以用来反映代工企业的整体成长历程,增值率的大幅度上升表明该产业的产业关联度增加,说明该产业的价值链条在延长、价值环节在提升[11];陈恩等采用加工贸易增值率来量化加工贸易的产业链延伸、加工贸易对经济增长的贡献率来量化加工贸易的产业关联度的增强以及加工贸易技术溢出效应[12];张明等认为,加工贸易增值率的高低,不仅反映了加工贸易在中国境内加工链条的长短,更反映了中国在全球分工体系中的位置和层次,影响到中国贸易利益的获得[8]。

由上述可知,目前国内学者在研究中国加工贸易品在全球价值链中的位置变化这一问题时,多使用加工贸易增值率这一指标,结合本文研究的特殊性和研究目的,笔者也决定选用加工贸易增值率来反映中国纺织类加工贸易品在全球价值链中的位置变化,用公式表示如下:

式中,Vi,t表示加工贸易增值率;Ei,t表示加工贸易品的出口额;Ii,t表示加工贸易品的进口额;i表示加工贸易品的种类;t表示所属年份。Vi,t值越高,表明该类加工贸易出口产品在中国境内加工链条越长,即中国该类产品在全球价值链中位置不断上升;反之,则表明中国该类加工贸易品在全球价值链中位置不断下降。值得注意的是,出口商品的统计口径会对Vi,t值产生较大影响,因此本文根据联合国的国际贸易统计分类标准,采用细分程度最高的SITC Rev.3数据进行测算和分析。这种分类方法规定了纺织品分类的范围:纺织用纱,棉织品,人造面料,其他纺织面料,钩织纺织品,薄纱、礼品、花边、丝带和其他小商品,特殊纱、特种纺织面料及相关产品,纺织材料制成品和地板用织物。按照联合国贸易发展会议SITC Rev.3的纺织产品分类类别和名称,纺织类总产品的分类数字代码为65,其分类产品的代码依次为 651、652、653、654、655、656、657、658 和 659。

三、中国纺织类加工贸易品在全球价值链上的位置变化的具体表现

(一)整体分析

作为全球最大的纺织品出口国之一,中国纺织品加工贸易出口一直表现良好。2011年中国加工贸易出口额占中国贸易出口总额的比例为44%,较1995年的55.4%下降了11.4%,说明虽然近年来加工贸易的出口额在不断增加,但加工贸易出口额在整个对外贸易出口额中所占的比重逐年降低,表明中国加工贸易的发展速度开始降低。1987~2011年间中国纺织品加工贸易出口额基本呈稳步上升趋势:由1987年的59.6亿美元升至2011年的954.9亿美元,上升幅度达15.03倍,而进口额则呈波浪变化。根据纺织产品SITC Rev.3分类数据,结合式(1)对中国整体纺织类加工贸易品加工贸易增值率进行计算,计算结果如图1所示。

图1 1987~2011年中国纺织类加工贸易增值率变化趋势

由图1可知:第一,1987~1996年间中国纺织类加工贸易品增值率小幅波动下降,表明在此期间中国纺织类产品在全球价值链中的位置有所下降,但程度不明显;第二,1997~2001年间,中国纺织类加工贸易增值率变化平缓,增值幅度均在48%以下,表明中国纺织类加工贸易品在全球价值链中的位置变化不大;第三,2002~2008年间,中国纺织品加工贸易增值率明显迅速上升,从2002年的81.25%增至2008年的402.55%,增长幅度达3.96倍,说明在此期间中国纺织类加工贸易品在全球价值链中的位置明显提升;第四,2008~2009年间,由于受经济危机影响,中国纺织类加工贸易增值率基本没有发生变化,说明这一期间中国纺织类加工贸易品在全球价值链的位置基本没有发生变化;第五,2010~2011年间,中国纺织类加工贸易增值率由2010年的434.14%迅速上升至498.21%,表明中国纺织类加工贸易品在全球价值链中的位置上升了不少。总体而言,中国纺织类加工贸易增值率呈明显上升趋势,表明1987~2011年间中国纺织类加工贸易成长趋势明显,且在全球价值链中的位置也有所变化。

(二)纺织类细分产品结构性分析

根据式(1)计算出纺织类加工贸易不同分类产品的加工贸易增值率,如图2和图3所示。由图2和图3可知:第一,纺织用纱和棉织品(即图2中651和652,651和652在图2中曲线重合)的加工贸易增值率在1987~1992年间呈下降趋势,1993~2008年间有所回升,但2009年起又开始呈下降趋势,表明自2009年起651和652在全球价值链中的位置在逐渐降低;第二,人造面料和钩织纺织品(即图2中653和655)的加工贸易增值率虽在1987~1992年间呈下降趋势,但1993~2011年间653和655的加工贸易增值率呈平稳上升趋势,表明近年来在全球价值链中的位置不断攀升;第三,其他纺织面料产品(即图2中654)的加工贸易增值率在1987~1999年间不断下降,表明这13年间654在全球价值链中的位置不断下降,直到2000年以后其加工贸易增值率才开始稳步上升,但2011年654的加工贸易增值率还是低于1991年水平,说明虽然2000年以后654的加工贸易品在全球价值链中位置虽然有所上升,但还是不能恢复到1991年的位置水平;第四,薄纱、礼品、花边、丝带和其他小商品(即图2中656)的加工贸易增值率在1987~2002年间一直呈小幅波动状态,2003~2011年间其加工贸易增值率迅速上升,表明此类产品在全球价值链中的位置虽然在2002年之前变化不大,但随后一直保持良好的上升趋势。第五,特殊纱、特种纺织面料及相关产品(即图2中657)在1987~2004年间加工贸易增值率一直为负数,直到2005年,657的加工贸易增值率才呈正增长,涨幅达53.13倍,表明657在全球价值链中的位置迅速提高;第六,纺织材料制成品(即图3中658)的加工贸易增值率在1987~1991年间呈小幅波动状态上下变化,在1992~2001年间迅速增长,涨幅达1.53倍,并在2001年达到25年来的峰值,2001~2011年间一直呈波动下降趋势,由于2001年后此类产品加工贸易增值率下降幅度过大,截至2011年,其在全球价值链中的位置仍不能恢复到2001年的最好水平;第七,地板用织物(即图3中659)在1987~2011年这25年间,659加工贸易增值率一直呈小幅的上下波动状态,表明659在全球价值链中的位置变化不明显。

图2 1987~2011年中国纺织类产品中前7类分类产品加工贸易增值率趋势变化图

图3 1987~2011年中国纺织类产品中后两类分类产品加工贸易增值率趋势变化图

综上所述,中国纺织类加工贸易品总体加工贸易增值率呈明显上升趋势,表明中国纺织类整体加工贸易品在全球价值链中的位置在不断上升;其次,通过对9类纺织类分类产品的分析可知,传统、低附加值的纺织类加工贸易品的加工贸易增值率一直呈波动变化,而科技含量高的657加工贸易增值率则一直呈上升趋势,且上升幅度非常明显,表明虽然中国无论劳动密集型还是技术密集型的纺织类加工贸易品在全球价值链中的位置都在不断上升,但前者在全球价值链中的位置变化没有后者明显。

四、中国纺织类加工贸易品在全球价值链中位置变化的预测

通过前文的分析可知,中国纺织类整体加工贸易品在全球价值链中位置的上升速度放缓,有的细分产品甚至呈下降趋势,为了更好、更全面地分析中国加工贸易品在全球价值链中的未来位置变化,后文将对中国整体和细分的纺织类加工贸易品未来5年内的加工贸易增值率变化进行预测,从而反映它们未来5年内在全球价值链中的位置变化情况。

由于直接对加工贸易增值率进行预测没有意义,本文先对中国纺织类加工贸易品和其分类产品进出口额进行预测,结合式(1)计算未来5年内的加工贸易增值率,以反映其未来5年内在全球价值链中的位置变化情况。本文以下所有计量都是在Eviews 5.0基础上完成的。

本文分析所使用的数据全部取自联合国贸易发展会议,样本区间为1987~2011年,预测的指标共20个,分别设1987~2011年纺织类加工贸易品总进口额和总出口额为序列I和序列E,651加工贸易品进出口额分别设为序列Is和序列Es,652加工贸易品进出口额为序列Im和序列Em,653加工贸易品进出口额为序列Ir和序列Er,654加工贸易品进出口额为序列Iq和序列Eq,655加工贸易品进出口额为序列Ig和序列Eg,656加工贸易品进出口额为序列Ib和序列Eb,657加工贸易品进出口额为序列It和序列Et,658加工贸易品进出口额为序列If和序列Ef,659加工贸易品进出口额为序列 Id和序列Ed。

由于 ARMA(p,q)和 ARIMA(p,d,q)模型在预测方面的优越性,即比传统的一元回归分析模型预测误差小,因此本文先采用ADF检验对数据进行平稳性检验,再根据检验结果建立 ARMA(p,q)或ARIMA(p,d,q)模型对各数据进行预测。

首先分别对整体和分类纺织类加工贸易的进出口额数据进行ADF平稳性检验,检验结果如表1所示 (其中 D(I),D(E),D(Is),D(Es),D(Im),D(Er),D(Iq),D(Eg),D(Ib),D(Eb),D(It),D(Et),D(If)和D(Ed)分别表示其原序列的1阶差分序列)。由表1可知,要预测的10组(20个)序列中 Em、Ir、Eq、Ig、Ef和 Id这 6 个序列本身是平稳的,因此可以直接用ARMA(p,q)模型对其未来5年的数据进行预测,之后再通过做自相关和偏自相关图确定不同序列的p和q,最后通过Eviews 5.0建立模型进行预测,通用的ARMA(p,q)模型表述如下:

其中,Yt表示序列{Yt,t=1,2,…,T}的变化率;Yt-i表示Yt的i阶滞后序列;Yt可分别用平稳序列Em,Eq,Ir,Ig,Ef及 Id来替代;c 为常数项;αi,βj(i=1,2,…,p;j=1,2,…,q)为随机过程系数;{εt,t=1,2,…,T}和{εt-j,t=1,2,…,T}是正态分布序列,且各系数的大小使ARMA(p,q)称为稳定可逆的随机序列。除以上 Em,Eq,Ir,Ig,Ef及 Id的 6 个序列外,其余的14个序列均为不平稳序列,需要进一步进行差分处理,然后用ARIMA(p,d,q)进行预测,根据表1的单位根检验结果显示,其余14个序列的原序列不平稳,只有对原序列进行1阶差分后的1阶差分序列式才平稳,因此需用ARIMA(p,d,q)模型对其未来5年的数据进行预测,通用的ARIMA(p,d,q)模型表述如下:

其中,Yt可以分别用其余14个序列替代;D(Yt)表示Yt的1阶差分序列;D(Yt-i)表示Yt-i的1阶差分序列。

通过用Eviews 5.0对其余14组数据分别建立ARIMA(p,d,q)模型,预测出未来5年中国纺织类加工贸易品的整体和分类产品的进出口额,如表2所示。根据预测数据,可进一步算出2012~2016年间中国纺织类加工贸易整体和分类产品的加工贸易增值率,如表3所示。由表3可以看出:未来5年内就纺织类加工贸易品整体而言,其加工贸易增值率呈平稳上升趋势,表明中国纺织类加工贸易品在全球价值链中的位置在不断提升;就其分类产品而言,656和659两类产品的加工贸易增值率变化很小,说明未来5年内这两类加工贸易品在全球价值链中的位置基本保持不变;653和654经过2013年小幅下降后,在2014~2016年间会继续呈上升趋势,表明该两类加工贸易品在经过2013年调整之后,在全球价值链中的位置会继续上升;其余纺织类细分产品的加工贸易增值率呈大幅上升趋势,反映出这些纺织类加工贸易品在全球价值链中的位置在2012~2016年内都会有所上升。

表1 单位根检验结果

五、结 语

本文以纺织品为例,运用加工贸易增值率公式、ARMA(p,q)和ARIMA(p,d,q)模型预测和分析了未来5年中国在全球价值链中的位置变化特点及规律:未来5年中国纺织类加工贸易品在全球价值链中的位置呈上升趋势,就分类产品而言,除薄纱、礼品、花边、丝带和其他小商品(656)和地板用织物(659)等低附加值的纺织类加工贸易品在全球价值链中的位置基本保持不变外,其他分类纺织类加工贸易品均呈上升趋势。鉴于此,笔者建议努力提高国内技术水平,促进每类纺织类加工贸易品核心技术的开发和应用;充分发挥要素禀赋优势,实现比较优势的转变;积极促进配套产业发展,完成价值链条的延伸,实现引进外资与产业升级的良性循环。

表2 未年5年中国纺织类加工贸易整体和分类产品进出口额 千美元

表3 未来5年中国纺织类加工贸易整体和分类产品的加工贸易增值率 %

[1]Pietrobelli C.Global value chains meet innovation systems:are there learning opportunities for developing countries?[J].World Development,2011(7):1261-1269.

[2]Ivarsson I,Alvstam C C.Supplier upgrading in the home-furnishing value chain:an empirical study of IKEA's sourcing in China and South East Asia[J].World Development,2010(11):1575-1587.

[3]Meyer C,Schiller D,Diez J R.The localization of electronics manufacturing in the greater pearl river delta,China:do global implants put down local roots?[J].Applied Geography,2012(1):119-132.

[4]Kmazhar A,Jrelliott R,Liu J.On the measurement of product quality in intra-industry trade:an empirical test for China[J].China Economic Review,2008(2):336-351.

[5]许军,严长刚.影响中国加工贸易进出口因素的实证研究:基于实际有效汇率传递视角[J].兰州商学院学报,2013,29(1):42-48.

[6]施炳展.中国出口产品的国际分工地位研究:基于产品内分工的视角[J].世界经济研究,2010,29(1):56-62.

[7]谷雨.国际代工模式变迁与中国制造企业升级[D].天津:天津财经大学,2010.

[8]张明,胡兵.加工贸易增值率的实证研究[J].国际贸易问题,2010,36(4):25-31.

[9]唐海燕,张会清.产品内国际分工与发展中国家的价值链提升[J].经济研究,2009(9):81-93.

[10]娄朝晖.加工贸易、发展效应及其偏差成因:中国1991-2007[J].国际贸易问题,2011,37(5):22-34.

[11]胡军,陶锋,陈建林.珠三角OEM企业持续成长的路径选择:基于全球价值链外包体系的视角[J].中国工业经济,2005,23(8):42-49.

[12]陈恩,刘青.广东加工贸易转型升级影响因素的实证分析[J].广东社会科学,2007,24(5):19-24.

猜你喜欢

增值率进出口额价值链
黑龙江省农产品进出口额变化研究
浅谈低碳价值链构建——以A公司为例
基于价值链会计的财务风险识别与控制
医疗器械包装发展价值链
试析基于价值链理论的成本管理模式
不同贮藏醇化条件对微带青初烤烟叶品质的影响
房地产企业土地增值税税务筹划模型研究①
货物进出口额
浅谈土地增值税清算对房地产企业的影响
我国人均收入与服务贸易进出口额的关系研究——基于31省市面板数据分析