垂直专业化分工抑制了中国制造业增加值率吗？

霍经纬，田成诗

(东北财经大学 统计学院，辽宁 大连 116021)

一、问题提出

改革开放以来，中国经济发展取得了举世瞩目的成绩，制造业作为中国国民经济的支柱产业，是经济增长的中坚力量；然而，高投入、低产出的粗放型经济增长模式已逐渐显露出弊端。随着中国经济发展进入新常态，中国更加需要提升经济的综合水平，改变以往对经济发展速度的过多关注，逐渐发展为在保持适度经济增长速度的同时，改善生态环境，解决产能过剩、产业结构不合理等一系列问题[1]。因此，现今中国更应注重经济发展的“质量”，而不是“数量”。

增加值率是从总体上度量一个经济体投入产出效益的综合指标[2]，能更好地对中国制造业发展质量进行度量。近几年，中国增加值率呈现下降趋势，且与美国、日本等发达国家相比差异较大。针对中国增加值率的这一变化，部分学者分别从整体及不同产业部门的角度进行了分析，其中分行业增加值率的研究主要集中在工业[3-5]、制造业[6-7]、高新技术行业[8]和出口企业[9-10]。此外，部分学者认为增加值率与产业结构具有相关关系[11-13]，三次产业投入与产业结构的差异，造成以制造业为主的第二产业增加值率较低，而以服务业为主的第三产业增加值率较高。沈利生(2009)对中国增加值率进行纵向与横向对比，认为中国增加值率与发达国家差异较大，且存在下降趋势，这一方面与具体部门的增加值率偏低有关，另一方面则是由于中国产业结构不合理；其中，新增加中间投入品的贡献系数降低是导致增加值率降低的主要原因[12]。同时，一些学者认为技术水平的高低对增加值率同样重要。夏明和张红霞等(2015)通过对比分析发现，由技术进步带来的产出增长，在拉动本部门增加值率的同时，也将拉动其他部门及整体经济增加值率的上升；但如果某部门增加值的增加并非由技术进步引发，那么伴随该部门增加值率的提升，其他部门增加值率将会降低，而整体增加值率的变化方向则和该部门与其他部门相对推动力的大小有关[14]。伍文浩(2013)通过对美国、日本等发达国家高新技术产业增加值率的研究认为，高新技术产业增加值率呈现出下降趋势，而产业革命和技术变革能促进增加值率的提升[8]。此外，部分学者从专业化分工的角度对增加值率进行了分析。牛凌云和窦丽琛(2000)通过理论分析认为，不同地区同一行业的增加值相同时，专业化分工程度越高，产品转移价值重复计算的次数就越多，该行业相应的总产值就越大，对应增加值率就越小[13]。蔡涛(2012)同样通过理论分析后认为，国家、地区或行业的工业总产值存在重复计算的问题，由此导致工业增加值率在经济效率保持不变或增长的情况下也会随着工业总产值重复计算的增多而下降[3]。于春海和常海龙(2015)通过逻辑分析后认为，产品内分工的发展带来增加值率的下降，产品内国际分工从最末端的组装环节向中国延伸，是导致中国制造业增加值率偏低且不断下降的主要原因[6]。

综上所述，增加值率是一个综合性的指标，其变化受多重因素的影响。产业结构、技术进步、产业在国际化分工中的位置等多种因素的变化都会造成增加值率的变化[1]。然而，针对专业化程度对增加值率的影响研究中，缺少实证分析作为佐证，并且忽略了产品内分工发展产生的技术外溢和生产率改善对增加值率的积极作用。因此，专业化加深不会仅由产品转移价值重复计算的次数变多、总产值增加这一单一路径对增加值率仅产生负向影响，其对增加值率的影响应是综合的、多方面的。鉴于此，本文基于中国制造业行业面板数据，在对增加值率及国际分工中垂直专业化水平的测算基础上，实证分析垂直专业化对增加值率的影响，并对抑制中国增加值率的关键因素进行分析。与已有研究相比，本文可能的贡献在于：第一，在理论分析的基础上，对国际分工中垂直专业化水平进行量化，将其引入计量模型，对垂直专业化与增加值率的关系做出更为全面的检验；第二，通过实证分析，从更为全面的角度对中国增加值率是否存在专业化水平的影响，以及这种影响是否是主要影响因素做出回答。

二、制造业增加值率和垂直专业化的测度与基本事实

(一)制造业增加值率的测度与基本事实

增加值率是增加值占总投入的比例，具体见式(1)：

VAR=V/X

(1)

图1 2003—2014年五国制造业增加值率

式(1)表明，对于相同的总投入(X)，增加值(V)越大，增价值率(VAR)就越高，则总投入中所包含的创造价值就越高。因此，增加值率可以从总体上综合反映经济体投入产出的效益水平，测度其经济增长质量。本文使用世界投入产出数据库(WIOD)于2016年发布的世界投入产出表，根据式(1)测算了中国2003—2014年制造业增加值率，并选取美国、日本、德国和巴西进行对比以探寻中国经济增长质量与其他国家间的差距。如图1所示，2003—2014年，中国制造业增加值率呈现持续下降趋势，2014年中国制造业增加值率为0.192，较2003年下降24.6%。中国与巴西作为发展中大国，其增加值率明显低于美国、日本、德国这三个发达国家。2003—2014年，美国、日本、德国的制造业增加值率保持较高水平，且相对平稳。三个国家较高的增加值率反映出其高度发达的科技所带来的高水平的创新创造价值；同时，作为发达国家，三国的产业结构经过长期的调整已比较稳定，因此增加值率比较平稳[1]。而中国制造业增加值率除与三个发达国家差距明显外，与同为发展中国家的巴西相比也不占优势。2008年，巴西制造业增加值率为0.201，以绝对优势超过中国，并持续保持领先优势。

值得注意的是，五个国家中，只有中国制造业增加值率在研究期内呈现持续下降趋势。抑制中国制造业增加值率的主要因素是什么？又是否如部分学者认为的那样，与垂直专业化水平的加深有关？为解决这一问题，本文首先对中国制造业垂直专业化进行量化与测度。

(二)制造业垂直专业化的测度与基本事实

对于垂直专业化的测度，很多学者[15-17]采用了胡梅尔斯等(Hummels et al.,2001)所提出的方法，即用进口中间投入品在出口产品价值中所占比率来测度垂直专业化程度(VSS)[18]，具体测算公式如下：

VSSit=VSit/Eit=Mit/xit

(2)

其中，VSit、Eit、Mit、xit分别为制造业i在第t年出口中包含的进口中间品价值、出口总额、生产中使用的进口中间品价值和总产出。

图2 2003—2014年中国制造业垂直专业化水平

本文使用WIOD提供的世界投入产出表，测算中国制造业垂直专业化水平。如图2所示，2003—2014年，中国垂直专业化水平整体呈现出下降趋势。其中，2014年，中国垂直专业化水平为0.061，与2003年相比下降30.8%；2009年由于受金融危机的影响，中国垂直专业化水平下降最为明显。

综上，2003—2014年，中国制造业增加值率呈现下降趋势的同时，垂直专业化水平也呈现出下降趋势。为判断垂直专业化是否抑制了中国制造业增加值率，下文进一步构建计量模型进行分析与检验。

三、理论模型与指标选取

(一)模型构建

部分学者认为，垂直专业化的加深的确会造成产品转移价值重复计算次数的增加，从而使总产值上升、增加值率下降；但同时，伴随国际分工的深化和细化，制造业分工调整和产业转移深入到产品内部，同一产品的不同生产环节会按照要素投入要求装备到具有相应区位优势的国家(地区)，而这又会对生产效率产生很大的促进作用[6]。一方面，由垂直专业化分工带来的技术外溢、技术模仿等途径将促进本国技术水平的提高；另一方面，垂直专业化分工可通过加速资本积累，优化资源配置效率，提升本国生产效率，从而提升增加值率。此外，在参与垂直专业化分工的过程中，“技术封锁”“低端锁定”等效应又将抑制技术水平的提升；而资本积累过快、质量较低，又将引起“挤出效应”、资源错配等情况的发生，进而抑制增加值率的提升[19]。

综上，垂直专业化对增加值率的影响应是综合的、多方面的，专业化加深不会仅由产品转移价值重复计算的次数变多这一单一路径，对增加值率仅产生负向影响，垂直专业化分工还会通过对技术水平和资本积累的优化或抑制而对增加值率产生正向或负向的影响。因此，为综合分析垂直专业化对中国增加值率产生怎样的影响及影响程度如何，本文构建如下基准回归模型：

VARit=β0+β1VSSit+β2FDIit+β3RDit+β4Xit+νi+εit

(3)

其中，下标i和t分别代表不同的行业和年份。被解释变量VARit表示i行业在t年的增加值率；VSSit为垂直专业化水平；FDIit表示外资影响；RDit表示企业研发水平；Xit为其他控制变量，包括资本投入和劳动投入；νi和εit分别为行业效应和随机误差项。

(二)数据来源和指标选取

WIOD在2016年最新发布的数据以国际标准行业分类第4版(ISIC Rev.4.0)为分类标准，与中国的国民经济行业分类并未直接对接，为尽可能使二者统一，本文参考张翊等(2015)[20]的做法进行归类。具体地，本文根据《国民经济行业分类》提供的国民经济行业分类新旧结构对照表，对国民经济分类(GB/T 4754—2011)与国民经济分类(GB/T 4754—2002)进行匹配，然后将其归并到国民经济行业分类(GB/T 4754—2002)的2位码。接着将国民经济行业分类(GB/T 4754—2002)与ISIC Rev.4.0相匹配，并将两者对应起来，最终合并后的制造业为14个行业。

中国制造业分行业增加值率(VAR)由式(1)测算。中国制造业分行业垂直专业化水平(VSS)是本文的核心观测指标，由式(2)计算。数据来源为WIOD数据库，研究时期为2003—2014年。

劳动投入(L)采用制造业各行业的“年末从业人员数”衡量劳动投入指标。数据来源于历年的《中国工业经济统计年鉴》，由于数据口径为规模以上工业行业数据，因此本文借鉴陈诗一(2011)[21]的方法，使用年末从业人员数调整比例将规模以上行业数据调整为全部工业口径数据。

资本投入(K)选用制造业分行业的资本存量衡量。本文参考陈诗一(2011)[21]的方法，采用永续盘存法对资本存量进行估算，具体计算公式为：

Kit=Iit/Pit+(1-δit)Ki,t-1

(4)

其中，Kit为i行业t年的资本存量，Iit为固定资产投资，Pit为固定资产投资价格指数，δit为折旧率。其中，Iit由t年和(t-1)年的固定资产原值之差表示，再利用Pit将其平减为以2003年为基期的可比价固定资产投资。δit采用可变折旧率，不同行业和时期对应不同的折旧率。数据来源于历年的《中国工业经济统计年鉴》，同样对数据口径进行调整，调整比例与劳动投入调整比例构建方法相同。

外资影响(FDI)采用制造业各行业中外商资本(包括港澳台资本)占企业总资本的比例表示，主要描述通过竞争与模仿产生的行业内技术溢出效应。数据来源为《中国工业经济统计年鉴》，这里也分别将外商资本与企业总资本的统计口径调整为全部工业口径后，再求其比例，从而得到全部工业口径的外资影响水平。

研发水平(RD)采用制造业各行业研究与试验发展(R&D)投入经费占销售产值的比重表示，数据来源为《中国科技统计年鉴》和《中国工业经济统计年鉴》。由于2003年、2005—2007年、2010年的制造业行业R&D投入经费的统计口径为大、中型工业企业，与其他样本时期的统计口径差别较大，因此将这几年研发水平数据删除。

四、实证研究结果和分析

(一)基准回归分析

本文使用2003—2014年制造业14个行业面板数据构建计量模型，为减小异方差对回归结果的影响，对所有变量均取自然对数。本文将垂直专业化水平作为核心变量，并将外资影响及研发水平逐步引入模型，分别构建混合模型、固定效应模型和随机效应模型。通过F检验和豪斯曼(Huansman)检验，得出F统计量与H统计量所对应P值均小于0.05，因此认为固定效应模型更为合适。

由表1的估计结果可知，在列(1)—列(9)中，本文关注的核心变量垂直专业化水平的系数均为负，且除列(6)外均显著，说明垂直专业化对中国制造业增加值率产生了负向影响；但在固定效应模型中，当引入研发水平变量后，垂直专业化对增加值率的影响消失。外资影响对增加值率同样产生了负向影响，除模型(9)外系数均显著，这与姚利民和王峰(2006)[22]，以及汪春和傅元海(2009)[4]的研究结果相同。外资的进入使本地企业的市场空间受到挤压，且外商直接投资往往以加工贸易为主，这使得FDI的“示范效应”“学习效应”等积极作用在中国很难成立，低端市场往往竞争激烈，高端市场难以进一步拓展，从而抑制了中国增加值率的上涨。研发水平对中国制造业增加值率同样产生了负向影响，除列(3)外系数均显著，这与郭晶和赵越(2012)[23]的研究结果相同。这可能是因为中国在参与垂直专业化分工的过程中，所获技术进步效应不强，且中国企业的研发绩效较低，因此研发投入未对经济增加值率产生拉动作用，甚至产生了抑制作用。此外，控制变量资本投入对增加值率产生正向影响，而劳动投入为负向影响。这说明通过加速资本积累，资源配置效率得到优化，从而促进了增加值率的上升；而随着人口红利的消失，仅通过提供廉价的劳动力来降低成本，会抑制增加值率的上涨[24]。

经上述分析发现，垂直专业化、FDI及RD对增加值率均存在抑制作用。由列(4)—列(6)发现，当引入FDI与RD后，垂直专业化对增加值率的负向影响减弱甚至消失。且由列(5)可以发现，垂直专业化水平的系数明显小于FDI，仅约为FDI的1/3。为对垂直专业化与FDI对增加值率影响水平的大小进行更为客观的检验，本文引入约束条件，对两个变量影响水平进行Wald检验。经检验得到Wald统计量的值为13.15，对应的P值为0.000 3(显著小于0.05)，因此认为FDI的系数显著大于VSS，即垂直专业化并不是造成增加值率下降的主要原因。而外资进入中国市场，主要利用中国低廉的劳动力与优惠条件，限制高端的产品技术并对专利技术垄断，挤出中国研发部门人力资本水平，造成垂直专业化技术进步迟滞现象，才是抑制中国制造业增加值率增长的主要原因。

表1 基准回归估计结果

注：***、**、*分别代表变量在1%、5%、10%水平下显著，括号中数值表示回归系数的稳健标准误，后表同。

(二)稳健性检验

为检验不同垂直专业化水平对增加值率可能存在的差异化影响，同时检验基准回归的稳健性，本文根据垂直专业化水平的测算结果，将样本划分为垂直专业化较低行业和垂直专业化较高行业两个子样本进行估计。通过F检验和Huansman检验发现，构建固定效应模型更为合理。由于篇幅所限，表2仅列出了两个子样本固定效应模型的最终结果。

与列(4)—列(6)对比发现，表2中核心变量VSS仅系数大小出现细微变化，符号与显著性水平均与基准回归结果保持一致。FDI与RD同样对增加值率产生负向影响，由于外资主要是由资源与要素导向的投资动机进入中国市场，将中国视为制造和出口的平台，更多进入劳动密集型企业[21]，挤出中国研发部门人力资本水平，抑制中国制造业增加值率的增长。其他控制变量回归结果与表1基本相同，基准回归得出的主要结论成立。

表2 分组回归估计结果

表2(续)

(三)估计中存在的内生性问题

考虑到一方面由于无法将所有影响增加值率的因素纳入模型内，因此可能存在遗漏解释变量的问题；另一方面，垂直专业化可能和增加值率存在双向因果关系，从而导致内生性问题的存在。本文将列(4)—列(6)中所有解释变量均滞后1期，然后构建固定效应模型。因为滞后1期的变量已经前定，不受当期变化的影响，因此解释变量可能与误差项之间不存在相关关系，在一定程度上能够减弱内生性的影响[20]，表3列出了相关结果。由列(16)—列(18)可以发现，估计系数的符号与显著性水平均未发生明显变化。

此外，基于工具变量的广义矩估计方法，也可有效减弱内生性，因此本文构建动态面板模型对基准模型进行验证。本文采用差分GMM估计，将增加值率的滞后一期作为内生变量，并在通过AR(1)、AR(2)与萨尔甘(Sargan)检验的基础上选择合适的变量滞后阶数作为工具变量。由列(19)的检验结果，AR(2)对应P值大于0.05，证明模型不存在二阶序列相关；Sargan检验对应P值大于0.05，证明模型不存在过度约束，建立的动态面板模型合理。根据列(19)的估计结果可知，本文设定的所有解释变量符号与显著性水平均未发生明显变化。因此，上述结果均证明本文所构建的基准回归模型是稳健的，所得出的分析结果具有可靠性。

表3 内生性问题处理结果

表3(续)

五、结论

本文利用WIOD投入产出表中2003—2014年的数据，测度了中国制造业分行业增加值率以及垂直专业化水平值，并对垂直专业化对中国制造业增加值率影响进行分析。最终研究结果表明，制造业垂直专业化分工对中国增加值率具有负向作用，但这种作用并不稳定，在引入外资影响和研发水平因素后，垂直专业化对增加值率的负向影响减弱甚至消失。此外，垂直专业化水平并不是抑制中国增加值率的主要因素，外资进入中国市场，利用中国低廉的劳动力与优惠条件，垄断并限制高端产品技术与专利权，挤出中国研发部门人力资本水平，使中国垂直专业化技术进步迟滞，才是抑制中国制造业增加值率增长的主要原因。

在增加值率的比较中，首先应选择专业化分工及产业类型相近的产业进行对比，来降低垂直专业化分工对增加值率的负向影响。但究其根本，如何改善FDI的效率与质量，提高专业化技术水平与研发绩效，改善人力资本的质量，从而提高中国增加值率才是当务之急。因此，相关部门应通过完善制度体系、制定合理产业政策等多种方式引导外资进入中国制造业的方向与效果，防止无效投资，提高FDI 的“示范效应”与“学习效应”。其次，要加大教育投入，加快人力资本的培养，提高企业的研发水平，促进技术外溢效应发挥作用。最后，要注重资本积累的质量，优化资源配置效率，提升生产效率，从而全面提升中国制造业增加值率。