出口信息网络对企业出口持续时间的影响

许和连 刘 婷 王海成

(湖南大学 经济与贸易学院，湖南 长沙 410079)

一、引言

对于大多数发展中国家而言，提高企业在出口市场上的存活率是实现一国出口持续增长的必要条件[1]。一方面，相比发达国家，发展中国家虽然在建立新的贸易关系上表现较好，但存活率相对更低[2][3][4]；另一方面，新建立的贸易关系对出口的促进作用远不如既有的贸易关系，并且这一情况在发展中国家更为突出[5]。因此，探寻决定企业出口持续时间的关键因素，以促进企业持续出口成为包括中国在内的发展中国家政策制定者和学术界共同关心的重大问题。

目前关于企业出口持续时间决定因素的相关研究主要有产品和市场多样性[6][7][8]、出口市场异质性[9]和出口学习效应[10][11][12]等三支文献。本文的研究属于出口学习效应这一支文献，其核心观点是出口企业对国外市场与贸易关系的学习过程，决定了企业出口状态的变化，而国外市场需求的不确定性是学习机制相关研究中最重要的内容。企业在出口初期对国外市场了解较少，必须通过出口少量产品进行试错，从而了解其真实需求，然后决定是否要继续出口(继续出口包括增加出口量和拓展新的出口市场)还是退出国外市场[13][14]。不同的出口学习效应其学习机制存在差异，主要可以分为两类：(1)出口企业从自己过去的出口经验中学习，以此为基础决定后续的出口行为。从自身经验中学习包括从与已有顾客的交往中学习和从自身在已有市场上的经验中学习，以此为基础分别确定对新顾客的策略(以Eaton等的搜寻模型为代表)[10]和对新市场的策略(以Albornoz等的序贯出口模型为代表)[11]。(2)企业从其他企业的出口经验中学习，以此为基础决定其自身的出口策略。这一支文献主要以Fernandes和Tang的以邻为鉴模型(learning from neighbors model)为代表[12]，该模型利用信息网络来衡量同一地区其他出口企业信息溢出量的大小，企业根据相邻企业在某一国外市场是否销售产品、销售量，以及自身对该市场信息的了解，调整其对该市场需求方面的信息，从而决定是否进入该市场以及出口量。

本文基于出口学习效应——从他人经验中学习的视角，探讨出口信息网络及其对企业出口持续时间的影响。所谓出口信息网络，是指同一地区从事相同或类似出口活动企业的集合，本文中的出口活动包括四种：出口任何产品到任何国家的出口活动、出口任何产品到相同国家的出口活动、出口相同产品到任何国家的出口活动、出口相同产品到同一国家的出口活动，它们对应四种信息网络。网络规模越大，代表出口企业数量越多，信息流入量越大，信息溢出量将会越大。在假设企业邻近地区不存在其他出口企业的情况下，企业在进入出口市场时会面临很强的信息不对称问题，一方面，从产品的需求角度看，企业如果对国外市场需求、消费者偏好等没有进行深入了解，很容易导致在本国销售较多的产品在国外“水土不服”，或者在一些国家销路较好的产品再销往其他国家却不被认可的情况，这种信息不对称程度越高，企业的出口持续时间就会越短[15]。另一方面，从产品的供给角度看，企业可能对自身的生产效率认识不足，一些企业将进入国外市场视为一种试错的过程，如果无利可图就会迅速退出出口市场，缩短了出口持续时间[16]。因此，企业要提高在出口市场上的存活率，需要付出更多的成本来搜寻相关信息，以降低这些风险。外部出口信息网络则可以显著降低这些搜寻成本，从而延长企业的出口持续时间。企业在出口前，通过学习观察同一地区中其他企业的出口活动，获取其他企业的出口溢出信息，了解出口市场需求、出口可能获得的利润以及自身生产能力的相对水平，从而减少企业的信息搜寻成本和试错成本，降低企业的出口风险，延长企业出口持续时间[17]。因此，网络规模越大，即出口企业数量越多，越有助于提高企业在出口市场的存活时间。此外，信息的传播主要通过企业之间的合作以及信息溢出之类的非正式传播，而企业间的合作通常会对在位者构成竞争威胁而使得信息传播的可能性较小，因此主要通过信息溢出渠道传播信息[18]。

本文的创新之处主要表现在以下三个方面：第一，本文研究了出口信息网络对企业出口持续时间的影响。大多数外文文献仅考察了信息外部性对企业出口决策等方面的影响[19][20][21]，而中文文献集中于分析产品、市场和国家等因素对企业出口持续时间的影响[8][22][23]，尚未发现关于信息网络与企业出口持续时间关系的研究。第二，丰富了出口信息网络的定义。不同于已有文献将信息网络抽象地定义为出口企业的数量和企业的出口额[7][12]，本文在信息外部性的理论基础上，将信息网络与出口活动相结合，定义了与出口活动一一对应的出口信息网络，即不同的出口活动对应不同的信息网络类型。第三，在已有文献的基础上，从企业、产品、国家三个维度对出口信息网络与企业出口持续时间的关系进行了全面探讨。

本文余下部分安排如下：第二部分为不同出口信息网络下的企业出口持续时间分布；第三部分为模型设定与变量选取；第四部分为全样本回归分析；第五部分为分样本回归分析，包括不同来源信息网络的影响差异、信息网络对不同类型企业出口持续时间的影响差异以及信息网络地理性的影响；最后为结论与政策启示。

二、不同出口信息网络下的企业出口持续时间分布

(一)数据来源与处理

本文使用的数据主要有两个来源：一是国家统计局2000～2006年的中国工业企业数据库，二是中国海关进出口数据库。中国工业企业数据库涵盖了主营业务收入在500万元以上的非国有工业法人企业以及全部国有企业，占整个工业企业总产值的绝大部分，基本可以反映整个制造业状况。本文对中国工业企业数据库进行了如下处理：(1)由于原始数据中部分企业的法人代码发生了改变，本文参考Brandt等的做法[24]，根据企业名称、注册代码等重新构建面板数据；(2)删除企业员工少于10人，总资产、净固定资产、销售额、工业总产值缺失，流动资产大于总资产，总固定资产大于总资产的观测样本；(3)对主要变量进行了价格指数平减，考虑到各地区物价波动的差异，本文采用各省工业品出厂价格指数对工业增加值进行价格平减，采用各省的固定资产投资价格指数对资本进行价格平减，采用原材料价格指数对中间投入品进行价格平减，由此得到以2000年为基期的实际值。通过两个数据库中企业名称和年份、企业的邮政编码和电话号码的后七位数字两种方法进行匹配，然后取并集。

(二)出口信息网络与出口持续时间：界定与特征事实

1.出口信息网络

Rohlfs认为用户从网络服务中所获得的效用随着加入这一系统的人数增加而增加[25]，网络的价值取决于连接到该网络的其他人的数量。借鉴其思路，如果我们将某一地区内彼此具有学习效应的企业群视为一个学习型网络，那么信息的溢出效应可以通过信息网络来衡量，而同一信息网络又可以用同一地区同一活动类型的企业数量来刻画。出口企业数量越多，信息流入量就会越大，溢出效应就越大。

基于不同出口市场对产品的需求等方面的不同，考虑到信息的有用性，本文将出口信息网络定义为以下四种(见表1)。Ni表示一般类型的网络，不考虑出口国家和出口产品，即任何位于该城市的出口企业都会对本地的出口企业产生正的外部性。在这种定义下，可以发现其密度水平高。此外，由于该信息网络所包含的信息较抽象，没有涉及出口市场特定的信息，因此信息的具体性最低。Nid为i城市出口到国家d的企业数量，其密度和信息的具体性处于中间位置。此种信息网络包含了出口国家的信息，即出口企业可以通过该种信息网络了解到该地区出口到某些国家的企业较多，出口到这些国家更容易获利。Nip为i城市出口p产品的企业数量，其密度和信息的具体性也处于中间位置，这种信息网络包含了出口产品的信息，即出口企业可以通过这种信息网络了解该网络中企业主要出口的产品，即出口某些产品更容易获利的信息等。Nipd表示最具体的一种网络形式，即只有位于同一城市并且出口同一产品到同一国家的企业才能对其他企业的出口持续时间产生影响。其密度水平最低，信息最具体，既包括出口国家信息，也包括出口产品信息。出口企业可以通过这种信息网络学习并获得关于出口到某些国家以及出口某些产品获利更多的信息。

表1 根据信息的具体性来划分的出口信息网络类型

说明：p为HS6位码产品。密度水平与网络规模超过10个出口企业的百分比相关。高：大于10%，中：大于2%且小于10%，低：小于2%。

表2 信息网络的分布 (单位：%)

表2给出了信息网络的分布情况，对于第一种网络(同一城市的出口企业数量)，企业数量大于20的占据了绝大多数。第二种网络中这一比例也达到了69%左右。而在第三种网络中其分布较均匀。第四种网络由于定义得更具体，大多数企业至多只有1个相邻企业。

2.出口持续时间

出口持续时间通常指的是某一企业从进入某一市场到退出该市场(中间没有间隔)所经历的时间。对于数据的处理，有三点需要说明：(1)数据的左删失问题，本文保留了在2000年没有出口，但在2001～2006年间存在出口的企业及对应的目的国组合的贸易关系，得到企业—目的国最长出口持续时间为6年的贸易关系；(2)数据的右删失问题，本文遵循Jenkins、Görg和Spaliara等文献的做法[26][27]，使用离散时间cloglog模型进行解决；(3)多持续段的问题，一个贸易关系在样本研究期间可能存在1个以上的出口片段，已有研究表明多个持续段的存在不会对样本观测值持续时间的长度产生影响[22]，因此本文假定贸易关系的多持续时间段是相互独立的，从而得到出口持续时间段的全样本数据。经过整理，最终得到665755组贸易组合关系，其中多持续段的贸易组合关系有43031组，占总样本的6.5%。

表3 贸易关系存续时间的分布

表3给出了贸易关系存续时间的分布，在所有的665755组贸易关系中，有400728组贸易关系只持续了1年，这表明大部分(60.19%)的贸易关系只持续了1年；仅有6345组贸易关系持续了6年以上，占比不足1%。总体来看，中国企业的出口持续时间普遍较短。

(三)生存函数分析

生存分析通常用生存函数或风险函数来描述生存时间的分布特征，因此我们构建了企业的生存函数和风险函数来估计中国企业出口的持续时间。用T代表每种特定的出口活动的持续时间，在t时间一个出口活动仍然存在的概率可以用密度函数f(t)=Pr(T=t)来表示，则该市场上的企业在t时间之前面临的风险可以表示为：F(t)=Pr(T≤t)，因此可以将该企业在t期仍然存在于该出口市场的概率表示如下(生存函数)：

(1)

根据密度函数和生存函数，可以将风险函数用以下方程表示：

h(t)=f(t)/S(t)=Pr(T=t|T≥t)

(2)

该风险函数表示企业在该市场一直存活到t-1期，且在t期退出该市场的概率。生存函数的非参数估计可由Kaplan-Meier乘积限估计式给出，即为：

(3)

式(3)中，nk表示在k期处于风险状态中的持续时间段的个数，dk表示在同一时期观测到的“失败”对象的个数。风险函数的非参数估计表示为：

h(t)=dk/nk

(4)

基于Kaplan-Meier乘积限估计式，本文分别对出口生存函数做了总体估计和不同信息网络类型下的估计，发现企业出口持续时间的均值为1.7年，中位数为1年。图1和图2给出了更为直观的Kaplan-Meier生存分析的生存曲线和风险率曲线。

图1 出口持续时间的生存曲线

图2 出口持续时间的风险率曲线

从图1中可以看到生存曲线呈下降趋势，随着持续时间的增加生存曲线趋于平缓。第1年与第2年的生存率变化最大，表明企业在某个出口市场存活超过一定的时间后，基本上维持一定的生存率，风险率较小，退出的可能性小。图2中出口企业在第一年面临较高的风险，随后迅速下降，表明企业在最初出口时风险最大，出口持续时间的风险率曲线表现出了明显的负时间依存性，即随着企业出口时间的增加，风险率会下降。

接下来，基于表2中网络内部不同的分布，我们利用Kaplan-Meier生存曲线图，得到各种信息网络内部不同密度的生存曲线，进一步考察不同信息网络类型下企业的生存情况，结果见图3。由图3可以发现：(1)从整体来看生存曲线呈下降趋势，随着时间的延长，生存率趋于稳定；(2)信息网络密度越高，企业的存活率越高，且密度处于中间水平的生存率差异较小；(3)四种网络类型的生存曲线从高到低依次为：第四种、第三种、第二种、第一种，意味着出口活动被定义得越具体，该网络对出口持续时间的影响越大，即生存率越高。

三、模型设定与变量选取

(一)模型设定

遵循Jenkins、Görg和Spaliara等文献的做法[26][27]，本文使用离散时间cloglog模型来估计出口信息网络对企业出口持续时间的影响。由于本文数据为年度数据，相比Cox模型，该模型可以较好地控制未观察到的异质性。我们定义了四种出口活动和与之相应的四种网络类型，若n表示网络类型，则n∈{i,id,ip,ipd}，模型设定如下：

log[-log(1-hifn(t))]=α+βmNnin,t-1+γXft+λXdt+rt

(5)

Nnin,t-1表示t-1期位于i市场且处于相同网络类型n中的出口企业数量，Xft为企业特征变量，Xdt为国家特征变量。rt表示基准风险率，即当所有的解释变量都趋于0时企业在出口市场中面临的风险。同时还加入了行业、地区和年份的控制变量来控制其他因素的非观测效应对企业出口持续时间的影响。理论上还应该控制企业-国家固定效应，但在Stata中使用cloglog模型极大地限制了这一点。但与大部分文献一致[8][22]，本文控制了年份、地区、行业固定效应，结果基本上是可信的。

(二)变量选取

1.被解释变量

被解释变量为一组贸易关系在t期是否结束，即为“0-1”虚拟变量。如果一组贸易关系的出口片段完整，则将其最后一年的fail(是否失败)赋值为1，其余年份为0。如果出口片段为右删失，即2006年仍未退出出口市场，则将其每年的fail都赋值为0。

2.企业特征解释变量

(1)全要素生产率(tfp)，本文采用以中间投入品为代理变量的LP方法测算[28]，生产率较高的企业能够克服出口所必需的固定成本，从而促进出口。(2)企业规模(lnsize)，采用企业总资产的对数来表示，规模大的企业倾向于进行多样化的产品生产，从而降低企业退出出口市场的风险。(3)出口目的国数量(lndest)，采用每个企业每年出口国家数量的对数来表示，出口目的国数量越多，表明其出口市场是多元化的，从而在面临外部冲击时，贸易关系退出的概率越小。(4)出口产品种类(lnkind)，采用根据HS6位码计算的企业每年出口产品种类数的对数表示，出口产品种类代表产品的多元化程度，多样化的企业在面临冲击时有更多的选择和资源，可以分散企业的风险，从而降低退出市场的可能性。(5)企业存续年限(lnage)，成立时间长的企业，有丰富的经验，会提高企业的出口存活率，取自然对数。(6)企业是否为国有企业(state)，根据企业登记注册类型，若为国有企业则赋值为1，否则为0。(7)是否为外资企业(foreign)，根据企业登记注册类型，若为外资企业则赋值为1，否则为0，外资企业通常与外国企业有更多联系，与外国市场的关系更稳定，出口持续时间更长。(8)企业初始贸易额(lnexport)，初始贸易额越大，交易双方彼此越信任，出口持续时间越长，取自然对数。(9)是否为双向贸易(twoway)，存在双向贸易的企业有更多参与国际市场的经验，从而能与贸易伙伴维持更长久的贸易关系。

3.国家特征解释变量

(1)出口国的国家规模(lngdp)，用一国GDP表示，国家规模越大，意味着该国市场需求潜力就越大，对进口的需求也越大，贸易联系更为频繁，持续时间越长，取自然对数。(2)是否与贸易国接壤(border)，用虚拟变量表示，与贸易国接壤则赋值为1，否则为0。(3)是否有共同语言(language)，用虚拟变量表示，有共同语言赋值为1，否则为0，共同语言有助于双方直接交流，减少贸易成本，对贸易持续时间有正面影响。(4)国家风险(risk)，由政府稳定性、社会经济条件等10个指标加权得到，该指标来源于国际风险国家指南数据库(International Country Risk Guide)。(5)是否为内陆国(land)，用虚拟变量表示，为内陆国家则赋值为1，否则为0，相比内陆国家，贸易伙伴处于沿海地区的贸易成本更低。(6)两国间距离(lndistance)，来源于CEPII数据库，距离越短，贸易成本越低，越有助于延长出口持续时间，取自然对数。

四、全样本回归分析

(一)基本回归结果

表4列(1)～(4)分别给出了四种不同类型的出口信息网络对企业出口风险率影响的估计结果。Nn的影响系数均在1%的水平下显著为负。信息网络对企业出口风险率的具体影响表现为：出口信息网络规模在t-1期增加1个单位会导致出口企业在四种不同网络类型下的当期风险率分别降低0.043%、0.299%、1.087%、6.588%①。从这四种网络对出口持续时间的影响程度来看，第一种网络的影响最小，其次是第二种，接着是第三种，第四种影响最大。由于第一种信息网络只涉及出口企业数目，其他均未涉及，信息最抽象；第二、三种网络分别涉及目的国和产品，信息较为具体；第四种信息网络既涉及产品也涉及目的国，所包含的信息最具体，因此可以认为，信息越具体，越能降低出口风险，越有助于延长企业出口持续时间。此外，第三种网络的影响大于第二种网络，原因在于，第三种网络中的企业为从事相同产品出口的企业，其出口活动不仅相似，产品生产过程包括产品投入、技术投入等方面也都较为接近，出口企业通过对该网络中企业的观察，不仅能够获得出口产品方面的信息，还可以得到出口企业的技术水平等间接信息，从而能够更大程度地降低出口风险。

表4 出口信息网络对出口风险率的影响

说明：(1)***、**、*分别表示参数估计值在1%、5%、10%的统计水平上显著，括号内数值为标准误差。(2)网络1：表示相同城市出口企业的数量；网络2：表示同一城市出口到同一国家企业的数量；网络3：表示同一城市出口同一产品的企业数量；网络4：表示同一城市出口同一产品到同一国家企业的数量。如无特别说明，下表同。

(二)稳健性检验

为了验证上文结论的可靠性，本部分从改变出口信息网络的测算方法和改变出口信息网络的滞后期两个方面进行稳健性检验。

1.改变出口信息网络的测算方法

知识溢出理论认为，在经济活动空间集中的区域，企业在地理空间上的临近不仅为面对面的交流提供了便利，而且有利于企业间前向后向的市场联系，更有利于劳动力的进一步集聚以及知识溢出[29]。因此，可以认为企业之间的距离越近，出口信息溢出越多，越有助于企业延长出口持续时间。本文使用每个城市每平方公里出口企业的数量重新定义信息网络。表5给出了估计结果，可以看出Nn的影响系数依然显著为负，且用出口活动密度衡量的网络数据仍然满足第一种信息网络的影响最小，第二种其次，接着是第三种和第四种。

表5 稳健性检验：改变出口信息网络的测算方法

说明：(1)控制变量的选取与表4一致，囿于篇幅我们没有展示控制变量的估计结果，备索。如无特别说明，下表同。(2)列(1)～(4)中四种信息网络分别定义为：同一城市每平方公里出口企业的数量；同一城市出口到同一国家每平方公里出口企业的数量；同一城市出口同一产品每平方公里出口企业的数量；同一城市出口同一产品到同一国家每平方公里出口企业的数量。

2.改变出口信息网络的滞后期

一些情况下，企业并不能及时收集到相关的出口信息，即使企业在进入新市场时，通过学习观察获得了相邻出口企业关于出口市场利润等信息，也难以迅速地调整产品的组合或目的国市场，外部出口信息对企业出口的影响存在时滞效应，我们使用滞后两期的出口信息网络进行回归。表6给出了估计结果，从中可以发现，滞后两期的出口信息网络对企业出口风险的影响仍然显著为负，并且仍然是第一种信息网络的影响最小，第二种其次，接着是第三种，第四种信息网络的影响最大。

表6 稳健性检验：改变出口信息网络的滞后期

五、分样本回归分析

(一)不同来源的信息网络对企业出口持续时间的影响

有研究发现一般贸易企业溢出效应更强，原因在于一般贸易企业参与了产品设计、生产甚至营销过程，而加工贸易企业只负责产品的加工组装环节，传递的信息更少[12]。本部分我们考察了来源于一般贸易企业和加工贸易企业的出口信息网络对企业出口持续时间的影响，结果分别列于表7列(1)～(4)和(5)～(8)中。从中可以看出，来源于加工贸易企业的出口信息网络在四种网络类型下的影响均大于来源于一般贸易企业的信息网络，具体来说，来源于一般贸易企业的出口信息网络规模在上一期增加1个单位会导致企业在当期的出口风险在四种信息网络条件下分别降低0.046%、0.284%、0.508%、1.827%；而来源于加工贸易企业的信息网络规模在t-1期增加1个单位会导致企业在t期的出口风险在四种信息网络条件下分别降低0.073%、0.421%、0.861%、4.435%。可能的解释是，加工贸易企业平均来看比一般贸易企业规模更大，加工贸易企业直接为国外企业进行代工，潜在进入者能够更容易地观测到加工企业的产品生产情况和出口市场状况。此外，加工贸易企业大部分为外资企业，与国外市场联系更紧密，对国外市场了解较多，本地企业从加工企业中获取的信息相比从一般贸易企业中获取的信息内容更具体、丰富、有价值，从而更有助于降低企业的出口风险。

表7 不同来源的信息网络对企业出口风险率的影响

(二)信息网络对不同类型企业出口持续时间的影响

本部分从信息的接受方视角，考察信息网络对不同所有制企业出口持续时间的影响。如表8列(1)～(4)和(5)～(8)所示，信息网络规模在t-1期增加1个单位会导致内资企业在t期的出口风险在前两种信息网络条件下分别降低0.049%、0.323%，外资企业的风险分别降低0.04%、0.279%，即前两种信息网络对内资企业的影响大于外资企业。在后两种信息网络条件下，信息网络规模在t-1期增加1个单位会导致内资企业在t期的出口风险分别降低0.863%、4.884%，导致外资企业在t期的出口风险分别降低1.264%、7.733%，即后两种信息网络对内资企业的影响小于外资企业。

可能的解释是，外资企业与世界市场联系较密切，已经掌握了一些初步的信息，由于第一、二种信息较为抽象，对外资企业作用不大，但对于内资企业而言，在出口前其对出口市场所知甚少，可以起到较大的帮助，对出口风险的降低作用更大，即在此种情况下出口信息网络对内资企业出口持续时间的影响将大于外资企业。后两种信息网络涉及产品的信息，这两种信息网络对内资企业的影响小于对外资企业的影响，原因可能在于外资企业掌握的关于出口市场的信息大多较为抽象，一旦它们获取了出口市场中有关产品的信息后，对该信息较敏感的外资企业会迅速调整出口产品组合的决策，以增加其出口利润。但内资企业在获得这些信息后，由于对出口市场不够熟悉，首先要对获得的信息进行甄别，筛选出对自己有用的信息；其次，内资企业选择出口市场具有较强的跟随性，外资企业先行进入某市场后，内资企业再跟随进入，从而规避市场不确定性带来的风险，特别是当外资企业获得具体信息，调整自己的出口策略后，内资企业会跟随有经验的外资企业相应做出自己的决策，故内资企业在获得具体信息后所做出的反应会滞后于外资企业，因此后两种信息网络对外资企业的影响大于对内资企业出口持续时间的影响。

表8 信息网络对不同类型企业出口风险率的影响

(三)信息网络的地理性对企业出口持续时间的影响

上文已经探讨了基于城市层面的出口信息网络的具体性与企业出口持续时间的关系，那么这种关系是否由高度的空间集聚现象所导致呢？即地理距离的临近是否是信息网络产生作用的关键因素或者信息的传播不需要地理的临近也能通过其他渠道产生。为了探究这一问题，在上文的基础上，本部分将信息的地理层面扩展到省份和地区层面，通过三个层面回归结果的对比来分析信息网络的地理性对企业出口持续时间的影响。

基于省级层面的四种不同的出口活动对应的信息网络分别定义为：同一省份的出口企业数量；同一省份出口到同一国家的企业数量；同一省份出口同一产品的企业数量；同一省份出口同一产品到同一国家的企业数量。按照国务院发展研究中心在《地区协调发展的战略和政策》报告中提出的八大综合经济区构想，我们将大陆31个省份划分为黄河中游(陕西、山西、河南、内蒙古)、长江中游(湖北、湖南、江西、安徽)、东北(辽宁、吉林、黑龙江)、北部沿海(北京、天津、河北、山东)、东部沿海(上海、江苏、浙江)、南部沿海(福建、广东、海南)、大西南(云南、贵州、四川、重庆、广西)和大西北(甘肃、青海、宁夏、西藏、新疆)八大综合经济区。基于地区层面四种不同的出口活动对应的信息网络可以分别定义为：一个地区出口企业的数量；同一地区出口到相同国家的企业数量；同一地区出口同一产品的企业数量；同一地区出口同一产品到同一国家的企业数量。

不同区域层面信息网络对出口持续时间影响的回归结果如表9所示。总体来看，基于省份和地区层面的信息网络对风险率的影响显著为负，且不论哪种出口活动对应的信息网络在城市层面的影响都最大，其次是省份层面，地区层面的影响最小。具体来看，对于第一种出口活动，在城市层面、省份层面和地区层面的影响为t-1期信息网络的规模增加1个单位，企业在t期的出口风险分别降低0.043%、0.013%、0.01%，信息网络的外部性在城市层面的影响大约是地区层面的4倍左右。对于第二种出口活动，在三个层面的影响为t-1期信息网络的规模增加1个单位，企业在t期的出口风险分别降低0.299%、0.05%、0.04%，此时城市层面的影响是省份层面的6倍左右，大约是地区层面的7倍。对于第三种网络，即考虑到产品后，发现在三个层面的影响为t-1期信息网络的规模增加1个单位，企业在t期的出口风险分别降低1.087%、0.213%、0.186%，城市层面的影响是省份层面的5倍左右，大约是地区层面的6倍。对于第四种信息网络，在三个层面的影响具体表现为t-1期信息网络的规模增加1个单位，企业在t期的出口风险分别降低6.588%、2.174%、1.931%，城市层面的影响是省份层面的3倍左右，大约是地区层面的4倍。

从以上数据来看，当均不考虑市场和产品因素时，信息网络的地理范围显得并不重要，即在第一种信息网络的定义下，三种层面的影响差距较小。而考虑了市场和产品因素后，信息网络的地理性显得极其重要，其对应的信息网络的外部性对企业出口持续时间的影响在地理空间层面起到较强作用，此时城市层面与省份层面和地区层面的差距较大。因此，根据回归结果可以得出：出口信息网络在城市层面的影响最大，随着地理范围的扩大，信息的外部性作用随之下降。可能的原因是：地理空间上的集聚能够降低交易者之间的信息搜寻成本，而搜寻成本与搜寻对象的距离成正比[31]，地理空间越大，搜寻成本越高。因此，在较小的地理层面，企业的信息搜寻成本更低，降低企业出口风险的作用更强。

表9 信息网络的地理性对企业出口风险率的影响

说明：四种出口活动分别对应四种出口网络，包括出口任何产品到任何市场的出口活动、出口任何产品到相同国家d的出口活动、出口相同产品p到任何市场的出口活动、出口相同产品p到相同国家d的出口活动。

六、结论与政策启示

本文基于2000～2006年中国工业企业数据库和海关数据库的匹配数据，就出口信息网络对企业出口持续时间的影响进行了实证研究，主要结论如下：第一，出口信息网络能够显著降低企业的出口风险，对企业持续出口时间具有延长作用，并且信息越具体，延长作用越大。第二，基于加工贸易企业的出口信息网络产生的延长作用大于一般贸易企业的出口信息网络。第三，当信息较抽象(不涉及产品)时，出口信息网络对内资企业的延长作用大于外资企业；当信息较具体(涉及产品)时，出口信息网络对外资企业的延长作用大于内资企业。第四，随着地理范围的扩大，出口信息网络对企业出口持续时间的延长作用不断下降。

本文的政策启示在于以下三个方面：第一，未来的出口促进政策应充分发挥企业集聚的作用，增强企业之间的出口信息溢出，降低出口信息搜寻成本。第二，考虑到外部信息在企业出口持续时间中的重要作用，政府要构筑出口信息服务平台。加强对世界各国市场需求、市场容量、贸易法律法规、商务惯例、政治形势等各种信息的收集和及时发布。第三要充分发挥中介组织作用，建立出口企业协会，搭建出口企业信息交流平台，促进企业间出口信息的外溢。

注释：

①本文实证分析结果表中的数据仅保留3位小数，部分数值因为太小，保留4位小数。在文字分析部分，我们使用的是原始数据，而不是表中四舍五入后的数据，所以会有微小差异。

[1] Besedeš, T., Prusa, T. J. Ins, Outs, and the Duration of Trade[J]. Canadian Journal of Economics, 2006, 39(1):266—295.

[2] Brenton, P., Saborowski, C. Uexkull, E.V. What Explains the Low Survival Rate of Developing Country Export Flows?[J]. World Bank Economic Review, 2009, 24(3):474—499.

[3] Besedeš, T., Blyde, J. What Drives Export Survival? An Analysis of Export Duration in Latin America[Z]. Inter-American Development Bank, Mimeo, 2010.

[4] Hess, W., Persson, M. The Duration of Trade Revisited[J].Empirical Economics, 2012, 43(3): 1083—1107.

[5] Besedeš, T., Prusa, T. J. The Role of Extensive and Intensive Margins and Export Growth[J]. Journal of Development Economics, 2011, 96(2): 371—379.

[6] Martincus, C.V., Carballo, J. Survival of New Exporters in Developing Countries: Does It Matter How They Diversify?[Z].Inter-American Development Bank, 2008.

[7] Martinez, L. R., Tovar, J. Diversification, Networks and the Survival of Exporting Firms[Z]. Documento CEDE No. 2011—08, 2011.

[8] 蒋灵多, 陈勇兵. 出口企业的产品异质性与出口持续时间[J]. 世界经济, 2015,(7):3—26.

[9] Pallardó-López, V., Requena-Silvente, F., Perez, E. S. The Duration of Firm-destination Export Relationships: Evidence from Spain, 1997—2006[J].Economic Inquiry, 2012, 51(1):159—180.

[10] Eaton, J., Eslava, M., Krizan, C. J., Kugler, M., Tybout, J. A Search and Learning Model of Export Dynamics[Z]. Penn State University Mimeo, 2009.

[11] Albornoz, F., Pardo, H. F. C., Corcos, G., Ornelas, E. Sequential Exporting[J]. Journal of International Economics, 2012, 88(1): 17—31.

[12] Fernandes, A. P., Tang, H. W. Learning to Export from Neighbors[J]. Journal of International Economics, 2014, 94(1): 67—84.

[13] Eaton, J., Eslava, M., Kugler, M., Tybout, J. Export Dynamics in Colombia: Firm-level Evidence[Z]. NBER Working Paper, 2007.

[14] Freund, C. L., Pierola, M. D. Export Entrepreneurs: Evidence from Peru[Z]. World Bank Policy Research Working Paper No. 5407, 2010.

[15] Nguyen, D. X. Demand Uncertainty: Exporting Delays and Exporting Failures[J]. Journal of International Economics, 2012, 86(2): 336—344.

[16] Hanazono, M., Yang, H. Dynamic Entry and Exit with Uncertain Cost Positions[J]. International Journal of Industrial Organization, 2009, 27(3):474—487.

[17] Greenaway, D., Kneller, R. Exporting, Productivity and Agglomeration[J]. European Economic Review, 2008, 52(5):919—939.

[18] Greenaway, D., Sousa, N., Wakelin, K. Do Domestic Firms Learn to Export from Multinationals?[J]. European Journal of Political Economy, 2004, 20(4): 1027—1043.

[19] Koenig, P., Mayneris, F., Poncet, S. Local Export Spillovers in France[J]. European Economic Review, 2010, 54(4): 622—641.

[20] Cadot, O., Iacovone, L., Pierola, M. D., Rauch, F. Success and Failure of African Exporters[J]. Journal of Development Economics, 2013, 101(1):284—296.

[21] Hu, C., Tan, Y. Export Spillovers and Export Performance in China[J]. China Economic Review, 2016,(41):75—89.

[22] 邵军. 中国出口贸易联系持续期及影响因素分析——出口贸易稳定发展的新视角[J]. 管理世界, 2011,(6):24—33.

[23] 陈勇兵, 李燕, 周世民. 中国企业出口持续时间及其决定因素[J]. 经济研究, 2012,(7):48—61.

[24] Brandt, L., Van Biesebroeck, J., Zhang, Y. Creative Accounting or Creative Destruction? Firm-level Productivity Growth in Chinese Manufacturing[J]. Journal of Development Economics, 2012, 97(2):339—351.

[25] Rohlfs, J. A. Theory of Interdependent Demand for a Communications Service[J]. Bell Journal of Economics & Management Science, 1974, 5(1):16—37.

[26] Jenkins, S. P. Survival Analysis[Z]. Institute for Social and Economic Research, University of Essex, Colchester, UK, 2005.

[27] Görg, H., Spaliara, M. E. Financial Health, Exports and Firm Survival: Evidence from UK and French Firms[J]. Economica, 2014, 81(323): 419—444.

[28] Levinsohn, J., Petrin, A. Estimating Production Functions Using Inputs to Control for Unobservables[J]. The Review of Economic Studies, 2003, 70(2): 317—341.

[29] Storper, M., Venables, A., Buzz, J. Face-to-face Contact and the Urban Economy[J].Journal of Economic Geography, 2004, 4(4): 351—370.

[30] Henderson, J. Marshall’s Scale Economies[J]. Journal of Urban Economics, 2003, 53(1): 1—28.