进口中间品技术复杂度对全要素生产率的影响研究

王秋红，李文文

（西北师范大学经济学院，兰州730070）

出口导向型发展模式使中国经济迅速增长，但巨额的对外贸易顺差却成了贸易摩擦的借口。在此背景下，主动扩大进口才是促进对外贸易平衡发展的良方。但进口会对经济产生怎样的影响？倘若能提高全要素生产率，那么在依赖外需和加工贸易带动经济增长的模式陷入困境、亟需通过技术进步来转变经济发展方式的背景下，扩大进口就显得十分必要了；若进口不能提高进口国的技术水平，那就要重新思考和调整当前的进口政策，以便更好地服务于国内经济发展。即使进口能促进全要素生产率的提高，中间品类型之间的技术含量和国家间的技术水平也存在差别，为了更好地发挥进口中间品对全要素生产率的提升作用，就必须更深入、更细化地研究不同类别、来源地的进口中间品的生产率效应。

1 文献回顾

本文构建了新的进口中间品技术复杂度指标，有必要梳理以往测度进口技术复杂度的文献。进口技术复杂度与出口技术复杂度是同一硬币的两面，但后者的建立及测度要先于前者，Hausmann 等（2007）[1]的两步法是测算出口技术复杂度的经典方法，首先计算某产品全部出口国人均收入的加权平均值，权重为出口品的显示比较优势指数，再把第一步的数值与该产品出口额占该国总出口额的比重进行加权平均。祝树金等（2011）[2]认为出口和进口是相对的，Hausmann 第一步计算到的出口技术水平也是进口技术水平，只需把第二步的权重修改为产品的进口份额便得到进口技术复杂度。此后，戴翔等（2013）[3]使用联合国贸发会的数据，测算了中国商业服务部门的进口技术复杂度。杨玲等（2015）[4]、杨校美等（2014）[5]利用联合国贸发会的数据，测度了中国生产者服务部门的进口技术复杂度。但上述测度方法都没有考虑到在全球价值链分工体系下出口品包含着国外技术含量，高估了来自某国的技术复杂度。对此，国内学者做了一些有益的探索，姚洋等（2008）[6]使用中国投入产出表并考虑了进口中间品的问题，排除了进口中间品对出口国内技术含量的直接贡献。杜传忠等（2013）[7]将中国工业制成品的出口区分为一般贸易和加工贸易，并剔除了出口品所包含的进口中间品的技术含量。倪红福（2017）[8]运用世界投入产出模型，考虑了国家—行业层面的出口技术含量的异质性，创建了基于生产工序的技术复杂度。

本文从进口中间品对全要素生产率的作用机制及影响结论两个角度做了文献回顾。有关进口中间品对全要素生产率的影响机制方面，Bayoumiet等（1999）、Coe 等（1997）和Coe 等（1995）都认为进口产品通过国外研发资本存量的技术溢出机制影响着进口国的全要素生产率[9-11]。张杰等（2015）[12]认为企业能够通过进口中间品来提高全要素生产率，其主要作用机制为：产品种类机制、质量机制和技术溢出效应。张翊等（2015）[13]认为进口中间品通过数量效应、种类效应和价格效应影响全要素生产率。罗勇等（2017）[14]认为中间品进口商品结构通过激励效应、竞争与挤压效应和技术溢出机制影响着技术创新。魏浩等[15]（2017）将进口中间品对企业生产率的影响机制归纳为：成本节约效应和生产互补效应。

有关进口中间品对全要素生产率的影响结论方面，陈勇兵等（2012）[16]运用2000—2005 年中国工业企业和海关数据库，发现进口中间品对企业的全要素生产率有明显的促进效应。张杰等（2015）[12]使用2000—2006 年间中国工业企业和海关贸易数据库，发现中间品进口规模与企业生产率之间呈显著正相关。张翊等（2015）[13]利用2003—2010 年的COMTRADE 和WIOD 数据库，发现中国制造业中间品进口数量和种类的增加没有促进全要素生产率的提升。余淼杰等（2015）[17]基于2002—2006 年间中国制造业企业、海关和行业差异化程度的数据，发现进口中间品仅对同质性行业的企业生产率有促进作用。初晓等（2017）[18]使用2004—2011 年世界投入产出表与中国行业面板数据，发现进口中间品的技术溢出可提升中国全要素生产率。黄新飞等（2018）[19]利用2000—2006 年中国工业企业和海关数据库，运用PSM 倾向匹配得分法得到进口中间品在短期和长期内都能提高生产率的结论。

上述文献不断改进衡量进口技术复杂度的方法，使其贴近全球生产过程日益碎片化的现实，为本文构建科学合理的测度方法提供了有益的参考。相关研究也厘清了进口中间品对全要素生产率的影响机制，多数文献论证了进口中间品会对全要素生产率产生积极作用，但是鲜有文献测度进口中间品的技术复杂度，并研究其对全要素生产率的影响。本文从进口中间品技术溢出机制的视角出发，考虑了中间品往返边境和各国各行业技术水平存在差异的事实，构建了新的进口中间品技术复杂度指数，并创新性地从中间品类别和来源地的角度研究了进口技术复杂度对全要素生产率的影响。

2 模型构建、变量选取及数据说明

2.1 模型构建

首先，基于Coe 等[11]构建的国际R&D 溢出模型（以下简称CH 模型），依据越多的研发资本投入会导致越高的产品技术复杂度，因此可以把进口的R&D 资本存量替换为进口中间品的技术复杂度。其次，借鉴Grossman 等（1991）[20]对“ 质量阶梯 ”的定义，引入“ 技术复杂度等级 ”，以考察中间品技术复杂度的进口类别对全要素生产率的影响。最后，张杰等（2015）[12]认为全要素生产率函数也取决于其自身过去的状态，故将全要素生产率的滞后一期引入模型，建立（1）式计量模型：

其中，i和t分别表示个体和时间，j= 1、2 和3，依次代表农产品、制造品和服务品，lnTFPit是当期的全要素生产率（取对数），lnTFPit-1是滞后一期的全要素生产率（取对数）是进口中间品技术复杂度（取对数），Xit是一系列控制变量，φi是固定或随机效应，φt是时间效应，反映经济周期的影响，εit是随时间和个体而改变的随机扰动项。

2.2 变量选取

选择合适的自变量是实证分析的前提，不能多选无关的自变量或遗漏重要的自变量；其次，选择能够准确衡量变量的指标可以减轻度量误差，保证回归结果的可信度和可靠性。综合考虑上述两点后，决定选择如下变量及其度量指标：

2.2.1 因变量

行业层面的全要素生产率借鉴Caves（1982）[21]的方法，使用行业增加值VAcht、劳动补偿份额σcht、净资本存量Kcht和劳动力数量Lcht来测算生产率，具体计算公式如（2）式：

其中，c、h、t和N分别代表国家、行业、时间和国家总数，劳动补偿份额等于劳动补偿与行业增加值之比，当期净资本存量等于上一期资本存量减去上一期的折旧。该公式与其他测算TFP 的方法有两点不同之处：（1）这是一个被标准化的指数，部分消除了全要素生产率绝对水平中的时间趋势，极大降低了非平稳和序列自相关等现象出现的概率；（2）使用劳动补偿份额和它的样本均值的平均值来计算劳动力份额可以降低联立方程的偏误。

2.2.2 核心自变量

参考Hausmann 等（2007）[1]测算出口技术复杂度所用的两步法来计算行业的进口中间品技术复杂度，但本文对其第一步做出了改进，用Wang 等（2017）[22]分解出的增加值出口替代技术含量指标中的总值出口，并进一步计算出国家—行业层面的出口技术含量（PRODY），公式如（3）式：

其中，f和k分别代表国家和行业，vax是出口品隐含的国内增加值，不含折返国内的增加值，Y是行业内人均收入。该指标比原始指标有三个改进之处：（1）扣除了出口品中隐含的国外技术贡献，只包含一国某行业出口的国内技术含量；（2）反映了国家间技术的异质性，原始指标假定同种产品在所有国家具有相同的技术含量，而上述指标承认了同类行业在不同国家有不同的技术含量；（3）能够在一定程度上解决“ Rodrik 悖论 ”。对世界所有国家或地区而言，出口和进口是相对的，一国或地区出口的产品，对于其他国家来说，就是进口该产品，换句话说，式（3）不但衡量了出口的技术含量，亦度量了进口的技术含量。

第二步以来自国外各国各行业的中间品占进口国总进口的比例为权重，对进口技术含量进行加权平均，即可以得到国家—行业层面的进口中间品技术复杂度（IMPY）（4）式：

2.2.3 控制变量

根据CH 模型，国内R&D 资本存量是影响全要素生产率的重要因素之一，本文用人均净资本存量作为其代理变量；资本、劳动等要素生产率越高的行业，往往其全要素生产率越低，故本文将资本与劳动之比纳入模型；为了控制国内中间品对全要素生产率的技术溢出效应，将投入的国内中间品占总中间品的份额作为自变量；由于“ 出口学习效应 ”的存在，若没有对出口加以控制，会导致进口中间品的生产率溢价可能因为未考虑出口而被高估，故将出口的国内增加值占行业增加值的比重引入模型。最后将变量（取自然对数）的描述性统计列于表1。

表1 变量的描述性统计

2.3 数据说明

计算全要素生产率、行业内人均收入、人均净资本存量、资本劳动比的数据来自WIOD 的社会经济账户，汇率数据源自WB 的世界发展指标，测算出口技术含量和出口国内增加值份额的数据来自UIBE GVC 指标体系，国内外中间品和总进口数据来自OECD 的国家间投入产出表，以上数据库通过ISIC Rev4 的国家—行业分类规则相匹配，最终整理成2005—2014 年43 个国家32 个行业的面板数据。需要注意的是，社会经济账户的数据是以本国货币计价的，使用世界发展指标的汇率兑换为美元；人均净资本存量和行业内人均收入的数据以2010 为基期，消除了价格因素的影响；增加值出口数据剔除了中国和墨西哥的加工贸易制造业，从而避免高估来自两国一般贸易行业的中间品技术复杂度以及出口中隐含的国内增加值份额。

3 进口中间品技术复杂度对全要素生产率影响的实证分析

3.1 变量的平稳性检验、模型的估计

在回归之前，第一，对每个变量做平稳性检验，采用适合于短面板的Harris-Tzavalis（1999）单位根检验，发现所有变量对应的HT 值（见表2）均在1%的显著性水平上拒绝原假设，即全部变量都是平稳变量。第二，选择合适的计量模型，Wald 检验和BP检验都表明不应该使用混合最小二乘法估计模型，修正后的Hausman 检验显示固定效应模型优于随机效应模型，又由于模型中包括因变量的滞后一期，所以最终将模型设定为包含年份效应和固定效应的动态面板模型，其中的固定效应是指国家—行业联合固定效应，反映了不随时间变化的国家和行业特征。第三，检验动态面板模型中所有自变量之间是否存在共线性，发现全部自变量的VIF（见表2）远小于10，所以不存在多重共线性。第四，检验模型的残差是否存在组间异方差，沃尔德检验得出拒绝原假设的结论，故本文在估计参数时报告了稳健标准误。

表2 变量的单位根及共线性检验结果

3.2 基准回归的结果与分析

动态面板模型中因变量的滞后项作为自变量，引起该自变量与随机扰动项相关，从而产生所估计模型的内生性问题，又根据出口企业的“ 自我选择效应 ”，即全要素生产率高的行业倾向于出口更多，所以出口国内增加值份额和全要素生产率存在互为因果的关系，同样也会导致内生性问题。针对以上内生性问题，若用固定效应估计法对模型进行估计会导致“ 动态面板偏差 ”，因此本文使用系统GMM 估计该模型的参数并处理了出口国内增加值份额的内生性问题。

使用系统GMM 对动态面板进行估计时，必须解决如下两个问题：一是选择恰当的滞后阶数作为工具变量，过多的滞后阶数会产生弱工具变量，而过少的滞后阶数会影响工具变量的有效性，本文由最近的滞后项开始，逐渐增加滞后阶数，依据Hansen 过度识别约束检验，最终确定全要素生产率的二到四阶滞后项作为全要素生产率一阶滞后项的工具变量，选择出口国内增加值份额的一、二阶滞后项作为其当期变量的工具变量。二是为保证估计参数的有效性，系统GMM 假定计量方程的误差项应当存在一阶自相关，但不存在二阶自相关，对此，本文采用Arellano-Bond AR 检验以判断误差项是否存在自相关。表3 报告了基准回归结果。

表3 基准回归结果

观察表3，可知在5%的统计水平上Hansen 检验不能拒绝工具变量合理的原假设，在1%的统计水平上AR（1）检验拒绝了误差项不存在一阶自相关的原假设，但AR（2）检验在10%的统计水平上无法拒绝误差项不存在二阶自相关的原假设，F 检验也拒绝了自变量系数均为零的原假设。总之，模型的设定是有效的，估计结果是可靠的。

从表3 中的回归系数看，全要素生产率滞后一期的系数显著为正，表明当期全要素生产率会受到以往技术水平的影响。从核心自变量的回归系数看，进口不同类型的中间品的技术复杂度对全要素生产率产生了差异化的影响，进口农产品的技术复杂度的系数在统计学意义上不显著，进口制造品的技术复杂度的系数在1%的统计水平上显著为负，进口服务品的技术复杂度的系数在1%的统计水平上显著为正，且进口服务品技术复杂度的系数大于进口制造品技术复杂度的系数的绝对值，这些结果表明进口制造品会抑制全要素生产率的提高，进口服务品会促进全要素生产率的提高，但从整体角度看，进口中间品的技术复杂度仍会对全要素生产率产生促进作用。就控制变量而言，其对全要素生产率的影响在统计学意义上均显著，人均净资本存量和国内中间品投入份额的增加都有利于全要素生产率的提升，资本劳动比对全要素生产率有负向效应，出口国内增加值份额每增长1%会使全要素生产率提高0.405 6%，表明出口会推动国内行业全要素生产率的提升。

3.3 进口来源地对全要素生产率影响的回归结果与分析

技术差距贸易理论承认国家间的技术水平存在差距，甚至不同国家的同一产业也存在技术差距，由于生产率与人均收入是同向变化的，如果用全要素生产率表示技术水平，那么高技术水平（低技术水平）与高收入（低收入）便是一一对应的，所以不同的收入水平就代表着不同的技术水平。依据世界银行对国家收入等级的分类规则，将进口来源地划分为高收入国家、中等偏上收入国家、中等偏下收入国家和低收入国家，以考察进口中间品技术复杂度的来源地差异（技术水平差异）对全要素生产率的影响。先按照2010 年的人均国民总收入（GNI）进行分类，然后为避免2008 年金融危机对国民收入造成的冲击，再根据2007 年的人均GNI 对中间品来源地进行分类，最后使用系统GMM 估计每个模型，回归结果见表4。

表4 进口来源地对全要素生产率影响的回归结果

观察表4，可知在1%的统计水平上Hansen 检验不能拒绝工具变量合理的原假设，在1%的统计水平上AR（1）检验拒绝了误差项不存在一阶自相关的原假设，但AR（2）在10%的统计水平上无法拒绝误差项不存在二阶自相关的原假设，F 检验也拒绝了自变量系数均为零的原假设，说明了上述回归结果的可靠性，同时保证了基准回归结果的稳健性。

从表4 的第（1）—（4）列来看，来自低收入国家的制造品技术复杂度对全要素生产率的负向影响大于来自其他国家的制造品，且大于基准回归结果的负向影响；来自高收入国家的制造品技术复杂度对全要素生产率的负向影响小于基准回归的影响。来自高收入国家的服务品技术复杂度对全要素生产率的正向影响最大，来自中等偏上收入国家的服务品技术复杂度的正向影响次之。这些结果说明进口低技术水平国家的制造品不利于全要素生产率的提高，虽然进口高技术水平国家的制造品依然会阻碍全要素生产率的提升，但其对全要素生产率的抑制作用明显小于来自低技术水平国家的制造品；进口高技术水平国家的服务品会极大促进全要素生产率的提升。其他自变量对全要素生产率的影响与基准回归结果一致，不再赘述。由表4 的第（5）—（8）列，仍然可以得到相似的结果，支持了进口中间品来源地对全要素生产率存在异质性影响的结果。

4 结论与政策建议

本文利用2005—2014 年WIOD 的社会经济账户、UIBE GVC 指标体系和OECD 的国家间投入产出表的43 个国家32 个行业的数据，运用动态面板模型，分析了进口中间品技术复杂度对全要素生产率的影响，得到如下结论：

一是从进口中间品技术复杂度对全要素生产率影响的角度来看，进口中间品的产品类别不同，其技术复杂度对全要素生产率的影响也不同。（1）在不区分进口来源地的情况下，进口农产品的技术复杂度不会影响行业的全要素生产率；进口制造品的技术复杂度对全要素生产率有负向影响；进口服务品的技术复杂度越高就越能促进行业技术的进步。造成上述差异的原因如下：第一，由于中间农产品多为农业生产过程中的易耗品，通常包括粮种、苗圃、肥料和药剂等，与制造业、服务业的关联性很弱，其进口技术复杂度的影响局限于同行业内，所以其他行业从进口农产品获得的技术溢出微乎其微，导致在全部行业的回归上不显著。第二，因为进口商使用较高技术复杂度的国外中间制造品，容易形成对国外核心技术的依赖，造成进口国被锁定在全球价值链的低端生产环节，阻碍了进口国技术水平的提升。第三，服务品对全部行业的渗透率较高、与全部行业的产业关联度强，进口中间服务品所包含的先进服务技术的外溢会给各行各业带来支撑效应，提升行业的运营效率、服务质量，增强自主创新能力，最终提高全部行业的全要素生产率。（2）在区分进口中间品来源地的情况下，进口农产品的技术复杂度仍然不会影响行业的全要素生产率。虽然来自中等偏上收入国家农产品的技术复杂度每变动1%会引起全要素生产率平均增加0.011 2%，并且在统计意义上是显著的，但从经济意义上讲，进口中等偏上收入国家农产品的技术复杂度不会影响行业的全要素生产率。来自高收入、中等偏上和偏下收入、低收入国家制造品的技术复杂度对全要素生产率依然起到阻碍作用，与上述结论一致。来自高收入国家服务品的技术溢出效应最显著。高收入国家的中间服务品具有较高的技术复杂度，高质量的服务和高技术含量更有利于提升进口国的全要素生产率。

二是从影响全要素生产率的其他因素来看。全要素生产率会受到过去技术水平的正向影响；较高的人均净资本存量更容易孕育技术创新，利于全要素生产率的提升；行业生产越是依靠资本和劳动的投入，就越会丧失提升全要素生产率的动力；国内中间品对行业全要素生产率存在促进作用；出口使行业获得了接触先进技术的机会，面对竞争更为激烈的海外市场也迫使行业提高全要素生产率。

对此，提出如下建议：（1）扩大中间服务品的进口，鼓励进口高技术水平国家的中间制造品，不仅可以平衡进出口贸易，改善中国在国际贸易争端中的不利境地，而且还可以提高中国行业的全要素生产率，助力中国经济转型升级。（2）提高人均净资本存量水平，加大研发资本的投入。不能只依靠国外中间品的技术溢出来提升国内全要素生产率，高水平的研发资本存量不仅能为技术创新营造良好的环境，进而提高全要素生产率，而且能提高本国企业学习和消化吸收国外先进技术知识的能力，使中间品进口技术溢出效应最大化。