互联网发展与城市出口技术复杂度提升*

□ 朱 勤 于海静 李兵涛

内容提要 本文基于2007～2017年中国281 个城市的数据，测算城市出口技术复杂度指数并分析我国城市出口技术复杂度的空间分异性和集聚性，进而运用链式多重中介效应模型（CMEM），探究互联网发展对城市出口技术复杂度的影响及其作用机制。研究结果发现：在“人力资本效应”、“技术创新效应”及两者的共同作用下，互联网发展对城市出口技术复杂度产生显著的正向影响，并且“人力资本效应”发挥的中介作用最大。异质性检验表明，相较中部和西部地区，我国东部地区的互联网影响效应更大。本文的研究为我国在“十四五”时期推进智慧城市建设以及外贸高质量发展提供了理论支持。

一、引言

近20年来，我国对外贸易发展取得了显著成就，货物出口额由2001年的2660 亿美元增长至2020年的27504 亿美元，年均增长率为13.08%，我国已成为世界第一大货物贸易出口国①。面对国际国内形势深刻变化，全球化进入调整阶段，党中央国务院于2019年11月发布了 《关于推进贸易高质量发展的指导意见》，提出我国要加快培育贸易竞争新优势，推进贸易高质量发展。

在国际贸易研究领域，出口技术复杂度可以反映国家或地区出口商品结构是否优化，是一个用于衡量贸易质量的指标（戴翔和金碚，2014）。国外曾有研究指出，我国的出口技术复杂度与多倍于人均GDP 的发达经济体的出口技术复杂度相当，被称为“Rodrik 悖论”（Hausmann et al.，2007）。国内学者针对“Rodrik 悖论”进行了测度方法的改进，指出我国出口技术复杂度尚未大幅度提升（丁小义和胡双丹，2013）。事实上，早期的研究多从国家层面进行，忽视了我国不同经济发展水平的地区，出口技术复杂度存在着较大不平衡。新近一些研究从城市的层面开展，揭示了中国沿海部分发达城市与部分相对落后的西部城市之间，出口技术复杂度存在着明显的地区差异（蒋为等，2019）。作为国际经贸活动中重要的地理单位，城市和城市群必将承担起我国构筑对外贸易竞争新优势的经济重任，研究城市层面出口技术复杂度的影响因素具有重要的意义。

数字经济背景下互联网的融合应用，为构筑贸易发展新优势带来崭新的机遇。随着我国跨境电商平台、5G 网络、工业互联网、物联网等新型基础设施建设的推进，“互联网+贸易”成为了传统外贸转型升级的重要抓手。海关统计数据显示，2020年，我国跨境电商进出口额达到1.69 万亿元，同比增长31.1%②。互联网发展与国际贸易关系的研究日益受到重视，已有研究表明：依托互联网平台的跨境电商有利于突破国家间地理距离的限制（马述忠等，2019）；互联网发展通过加强全球及区域合作，促进双边贸易边际增长（Visser，2019），有效扩大国际贸易规模（Swan et al.，2021)；从出口企业的角度来看，互联网优化注意力资源配置并降低贸易成本（施炳展和金祥义，2019；Mu & Chen，2020），促进出口企业创新 （沈国兵和袁征宇，2020）。然而，互联网发展是否影响城市出口技术复杂度，其内在影响机制如何？关于这一主题的研究有待展开，也是本文的研究主题。

本文测算了我国281 个城市2007～2017年的出口技术复杂度指数，分析城市出口技术复杂度的时空演化，揭示其具有空间分异性和空间集聚性。进而，应用链式多重中介效应模型研究互联网发展作用于城市出口技术复杂度的影响机制。相对于已有的研究，本文的贡献在于：一方面，提供了互联网发展的独特视角，丰富了城市出口技术复杂度影响因素的研究；另一方面，通过机制分析揭示互联网发展影响城市出口技术复杂度的具体路径，检验人力资本及技术创新从中发挥的作用。本文推进了对新型网络基础设施建设经济效应的理解，为城市优化出口贸易结构、实现外贸高质量发展带来启发。

二、理论机制和研究假设

（一）互联网发展对城市出口技术复杂度的影响

城市出口技术复杂度可以测度城市层面外贸出口的产品结构升级情况（周茂等，2019；孙楚仁等，2021），可作为用以衡量城市出口贸易质量的代表性指标。国内外现有研究尚未直接分析互联网发展与城市出口技术复杂度之间的关系，但仍可借鉴相近研究来形成理论假设。数字技术和信息通信技术（ICT）的广泛应用，已成为国际贸易中比较优势的新来源（Wangy & Li，2017)。城市互联网发展水平高，通常具体表现在该城市互联网基础设施的发达、互联网用户的普及、互联网融合应用能力强和发展环境好。良好的互联网发展有利于城市出口技术复杂度提高，主要在于：第一，尤其对于发展中国家的城市，互联网发展的“边际效益”更大。通过广泛的信息分享和知识传播，以及各种创新要素的汇聚融合，互联网催生了集聚式创新（Paunov & Rollov，2016）。第二，互联网发展带动城市产业结构优化、促进出口产品结构升级。已有经验研究表明，互联网发展使得制造品以及服务贸易的产品结构实现了优化（Bojnec & Ferto，2015；Choi，2010），因此有利于城市出口技术复杂度提升。第三，互联网发展助力于城市出口主体更好的获取国际市场信息、 帮助出口企业更高效的进行价值创造，支撑城市出口企业在国际动态竞争中持续升级产品。综上所述，本文提出假设1 如下：

H1：互联网发展对城市出口技术复杂度具有显著的正向影响。

（二）互联网发展对城市出口技术复杂度的影响机制

考察互联网发展对城市出口技术复杂度的影响机制，可具体阐释如下：

1.人力资本效应。出口技术复杂度的提高通常出现于传统部门向现代部门的转变中，其重要标志之一，就是人力资本的持续积累（卢福财和金环，2020）。要素禀赋理论认为，贸易结构主要受人力资本等要素的丰裕程度影响，而专业化人力资本的空间集聚，将改变需求匹配效率而影响产业纵向分工、重塑产业分工的空间结构，进而优化产业结构与贸易结构（张家滋等，2021）。已有研究表明，人力资本累积有利于促进出口技术复杂度的提升（郑展鹏和王洋东，2017）。互联网发展提升信息匹配效率，能够显著加速知识的获取、传递和共享，改善城市教育和培训水平，促使各层面的劳动者提升学习与生产效率，同时也能加速“干中学”效应与人力资本积累效应（Visser，2019）。而且，人力资本具有“技术载体”功能（周茂等，2019），即人力资本积累有利于广泛吸收国内外先进技术和管理经验，从而提升技术创新能力和产品质量水平。综上所述，本文提出假设2 如下：

H2：人力资本是互联网发展促进城市出口技术复杂度提升的中介变量，即存在“人力资本效应”。

2.技术创新效应。企业创新水平的提高，对于提高产品的技术含量及附加值，改善贸易产品结构及提升出口竞争力至关重要（Kaufmann et al.，2003）。在数字经济迅速发展的背景下，互联网发展能够有效降低企业信息搜寻、 运营和管理等成本（李兵和李柔，2017）；互联网融合应用有利于提升企业的知识储备和信息积累，促进出口企业创新及效率（沈国兵和袁征宇，2020）。从产业创新的层面看，互联网发展有助于制造业生产率提升（黄群慧等，2019），并有利于新技能和新思想的碰撞和技术外溢，加快产业创新成果转化的步伐。对于城市发展数字经济而言，所需知识信息及研发资本等要素的密集度更高，互联网在促进资源的合理配置、打破要素流动壁垒等方面有显著作用，因此将促进城市贸易结构的优化，提升城市出口技术复杂度。基于以上论述，本文提出假设3 如下：

H3：技术创新是互联网发展促进城市出口技术复杂度提升的中介变量，即存在“技术创新效应”。

三、模型、变量设定和数据来源

（一）模型构建

本文构建链式多重中介效应模型（CMEM）进行机制检验，具体分四步进行：第一步，用因变量出口技术复杂度（ES）对基本自变量互联网发展（Inte）进行回归。第二步，用中介变量人力资本（Humc）对基本自变量互联网发展（Inte）进行回归。第三步，用中介变量技术创新（Inno）同时对人力资本（Humc）和基本自变量互联网发展（Inte）进行回归。第四步，用因变量出口技术复杂度（ES）同时对两个中介变量和基本自变量进行回归。通过该模型的估计可以得到互联网发展（Inte）对出口技术复杂度（ES）的总效应α1，直接效应θ1，以及由中介作用来衡量的间接效应。以上步骤以联立的式（1）表示：

式（1）中，各变量下标i 表示城市，t 表示时间，Cit表示控制变量，μi表示个体固定效应，νt表示固定效应，εit表示随机扰动项。模型构建的影响机制包括三条路径，路径系数由式（1）中各变量系数计算而得：路径一，互联网发展通过人力资本累积而促进城市出口技术复杂度提升，其路径系数为β1θ2；路径二，互联网发展通过推动技术创新而促进城市出口技术复杂度提升，其路径系数为γ1θ3；路径三，互联网发展通过人力资本和技术创新的共同效应即链式多重中介效应，促进城市出口技术复杂度提升，其路径系数为β1γ2θ3。综上，本文构建的链式多重中介效应模型如图1 所示。

图1 链式多重中介效应模型

（二）变量选择

1.被解释变量。关于被解释变量城市出口技术复杂度（ES）的衡量，源自被广泛引用的Hausmann et al.（2007）的测算方法，其思路是以产品在某国总出口份额与所有出口产品的国家在该产品总出口中的份额比值为权重，对表征所有出口产品国家技术指标求加权平均值。由于反映技术指标的劳动率数据难以直接获取，因而目前较多采用各国人均国民生产总值作为劳动生产率的替代指标，得到某年份产品层面的出口技术复杂度（prodyh），其测算方法如式（2）所示。其中，Xq，h表示q 国家h 产品的出口额，Xq为表示q 国产品的出口总额，Yq表示q 国人均国民生产总值。

参考周茂等（2019）和孙楚仁等（2021）对于城市出口技术复杂度的测算，在获取产品层面的数据后，将其以产品出口额为权重加总至城市层面，从而获取各个城市的出口技术复杂度数据，其测度方法如式（3）所示：

式（3）中，下标f 代表城市，ESf为城市层面的出口技术复杂度，Xf，h为f 城市中h 产品的出口额，Xf为城市f 的总出口额。

2.解释变量。本文的核心解释变量为城市互联网发展（Inte），由于目前官方未披露关于城市互联网发展的相关指标，借鉴刘姿均和陈文俊（2017）、李金城和周咪咪（2017）的做法，使用互联网用户数量作为城市互联网综合发展水平的替代指标。

3.中介变量。本文以人力资本（Humc）和技术创新（Inno）作为中介变量。人力资本积累是实现贸易结构优化的关键所在，充裕的人力资本便于发挥其“技术载体”与“要素积累”职能。城市人力资本（Humc）的测算，借鉴姚战琪（2020）的研究，采用平均每万人口中大学生人数来衡量。对于另一中介变量技术创新（Inno），本文参考刘威等（2018）的研究，选取城市每年专利授权数来衡量城市技术创新水平。

4.控制变量。参考已有相关研究，本文选取三个城市层面的控制变量： 一是金融业发展水平（Fina），金融业发展水平高的城市企业面临更小的融资约束，有利于出口产品结构升级，该变量选取城市平均每万人口中金融从业人数来衡量；二是交通基础设施（Tc）。交通基础设施的便捷程度对于出口贸易的交易成本和效率有直接影响，因此有可能影响出口技术复杂度（卓乘风等，2018），该指标选取城市公路里程数衡量； 三是外商直接投资（Fdi）。已有研究表明外商直接投资通过技术溢出等效应，将对出口技术复杂度产生影响（陈俊聪，2015），该变量选取各城市当年实际利用外资额进行衡量。

（三）数据来源

本文数据主要来源包括2007～2017年中国海关进出口统计数据库、CNDRS 中国研究数据服务平台、世界银行数据库、联合国UN Comtrade 数据库、《中国城市统计年鉴》 和各类城市数据公开信息。产品层面出口技术复杂度数据测算需要各国人均GDP 数据与各国之间的产品贸易数据，其中前者来自于世界银行数据库，后者来自于联合国UN Comtrade 数据库。本文选取2007～2017年间具有出口记录的180 余个国家为研究对象，由于部分国家数据在样本区间缺乏记录，因此予以剔除。根据国家名称将两个数据库进行匹配，最终得到135 个国家4700 余种产品的出口数据。此外，城市层面出口技术复杂度数据测算还需要匹配中国海关进出口统计数据库，样本城市的选取过程为：首先，对数据库中信息损失样本进行剔除与整理，将月份数据加总得到年份数据，并根据出口城市名称将数据筛选汇总；其次，将城市出口产品数据对比1996 版的商品编码对照表，对样本数据进行匹配，再将HS 八位码统一截取至HS 六位码；最后，按照国家统计局公布的2017 版的行政区划代码，将样本数据进行分类归总，最终选取281 个城市作为研究对象。

四、实证结果与分析

（一）描述性统计分析

表1 显示了主要变量的描述性统计结果，城市出口技术复杂度（ES）的均值为41186.471，最小值为12834.852，最大值为75352.400，后文将进一步分析其空间分异性。互联网发展（Inte）的均值为71.971，最小值为0.024，最大值为5174，说明我国各城市互联网发展呈现出较大的空间分异性。

表1 主要变量的描述性统计

（二）城市出口技术复杂度的空间分异

根据各城市经纬度距离空间矩阵测算2007年和2017年的全局Morans’I 值，分别为0.033 和0.012，且均在1%水平上显著，表明城市出口技术复杂度存在显著的空间自相关性。本文使用Arcgis10.8 软件，分别绘制2007年和2017年的城市出口技术复杂度（ES）的空间分布图。图2 表明，我国城市互联网发展总体水平逐年提高，出口贸易结构实现优化，但具有明显的空间分异特征。东部地区的城市拥有先天的地理优势，并且拥有许多经济特区和沿海城市，高新技术产业比较发达，出口产品技术复杂度始终处于全国领先。对比而言，中部相对较低，而西部最低。图2 还显示，我国城市出口技术复杂度呈现明显的空间集聚，出口技术复杂度较高的城市由北向南主要集中在辽中南、京津冀、山东半岛、长江三角洲和珠江三角洲等城市群，而宁夏沿黄、西宁-兰州、关中平原、黔中和滇中等城市群的出口技术复杂度则相对较低。

图2 2007年和2017年各城市出口技术复杂度的空间分异

（三）基准回归结果

在进行基准回归前，进行LM 检验来考察模型适用性，结果显示拒绝随机扰动项与解释变量不相关的假设，判断本次检验适用于固定效应（FE）模型，回归结果如表2 所示。第（1）列为只包含核心解释变量互联网发展水平（Inte）的固定效应回归，第（2）至（4）列为在第（1）列基础上，逐步添加控制变量即金融发展水平（Fina）、交通基础设施（Tc）和外商直接投资（Fdi）后的回归结果。结果显示，解释变量互联网发展（Inte）的系数均为正数，且在1%水平上显著，说明互联网发展显著促进了城市出口技术复杂度的提高，假设1 初步得到验证。

需要注意的是，为了解决多重共线性导致的方差膨胀问题和系数翻转问题，本文采用了García et al.（2020）的残差化方法（Residualization），该方法的优点在于不仅可以有效处理多重共线性问题，还可以隔离出解释变量的个体效应。表2 中的res_Fina 为金融发展水平（Fina）对互联网发展水平（Inte）回归后的随机扰动项，res_Fdi 为外商直接投资（Fdi）对金融发展水平（Fina）和互联网发展水平（Inte）回归后的随机扰动项，res_Tc 为交通基础设施（Tc）对外商直接投资（Fdi）、金融发展水平（Fina）和互联网发展水平（Inte）回归后的随机扰动项。残差化方法可以保障各个解释变量之间的相互隔离，即回归模型中各解释变量之间的相互独立。

表2 互联网发展对出口技术复杂度的基准回归结果

（四）机制检验

机制检验结果如表3 所示，第（1）列呈现了基准模型的估计结果。第（2）列为中介变量人力资本（Humc）对基本自变量互联网发展（Inte）进行回归，结果显示互联网发展（Inte）系数为0.245，并在1%水平上显著为正，说明互联网发展有助于营造创新氛围和环境，促进了城市人力资本的积累。第（3）列为中介变量技术创新 （Inno） 同时对人力资本（Humc）和基本自变量互联网发展（Inte）进行回归，即链式多重中介效应的检验，互联网发展（Inte）的系数为9.055，人力资本（Humc）的系数为17.000，且均在1%的水平上显著，说明互联网发展和人力资本积累对技术创新产生显著正向影响，表明存在链式多重中介效应。第（4）列将因变量出口技术复杂度（ES）同时对基本自变量互联网发展（Inte）、中介变量人力资本（Humc）以及技术创新（Inno）进行回归，互联网发展（Inte）的系数为23.260，且在1%水平上显著。

上述结果反映出互联网发展提升城市出口技术复杂度的两个可能渠道，即“人力资本效应”和“技术创新效应”。从表3 第（2）到（4）列回归结果中各相关系数显著不为0 来看，可初步判断中介效应显著。链式多重中介效应的检验结果如图3所示，互联网发展对城市出口技术复杂度的中介效应路径共有三条，各路径的影响系数为该路径上所有系数之乘积。结合表3 的回归结果表明：互联网发展对城市出口技术复杂度影响的总效应大小为α1=114.600，直接效应为θ1=23.260，间接效应中的“人力资本效应”大小β1θ2为20.186，“技术创新效应”大小γ1θ3为7.615，“人力资本—技术创新共同效应”大小β1γ2θ3为3.503。比较来看，“人力资本效应”的作用在三个渠道中是最大的，而“人力资本—技术创新共同效应”的作用相对较小。

图3 链式多重中介效应的检验结果

进一步，需要对中介效应系数的显著性进行检验。以“人力资本效应”为例，Sobel 检验统计量为=13.361，其中 是的标准差，由于z 值远大于5%显著水平对应的1.96 临界值，故可以拒绝原假设H0：β1θ2=0，表明“人力资本效应”显著。同理，结合表3 的数据，“技术创新效应”和“人力资本—技术创新共同效应”对应的z 值分别为9.184 和11.390，其对应的P 值均小于0.01，即三条中介效应路径均在1%的水平上显著。

表3 互联网发展对出口技术复杂度的机制检验结果

（四）异质性分析

本文按城市所在位置的不同划分为东、中、西部地区，研究不同区位带来的差异性影响。表4 的实证结果显示，城市互联网对出口技术复杂度的促进系数均为正，表明在三个地区均存在促进作用。而东部地区的城市互联网发展的促进系数为137，且在1%水平上显著，这一系数超过中部地区的134.600 与西部地区的113.700，这表明东部地区城市互联网发展的促进作用更为明显，原因可能在于，东部地区的城市互联网在“网络效应”和“梅特卡夫法则”的双重作用下（韩先锋等，2019），更有效发挥了互联网作为信息传播与知识溢出的作用，从而促进城市出口技术复杂度的提升。以上结果显示，由于城市经济建设和互联网发展呈现的区域不均衡，互联网发展对城市出口技术复杂度的影响存在区域的差异。

表4 基于区域异质性的回归结果

（五）稳健性检验

1.工具变量法。经过Hausman 检验，结果显示拒绝原假设H0 即 “解释变量均为外生变量”，因此可能存在由于遗漏变量等问题而造成的内生性问题。本文选用工具变量（IV）法进行内生性处理，参考黄群慧等（2019）的研究，将解释变量互联网发展（Inte）的工具变量确定为2000年城市每百人固定电话数。该工具变量的选取理由在于：第一，率先发展固定电话的城市在互联网发展上也可能领先于其他城市，该指标满足相关性；第二，历史上各城市每百人固定电话数并不会对目前该城市的出口技术复杂度产生影响，因此该指标同时满足了外生性的要求。进而，以弱工具变量检验来验证此工具变量是否合理，结果显示2SLS 回归中第一阶段回归的F 统计量等于23.05，远高于经验规则的10，显著拒绝了原假设，说明工具变量选择合理。表7 第（1）列是采用工具变量法的回归结果，互联网发展（Inte）的系数依旧显著为正。

2.解释变量滞后3 期。将解释变量城市互联网发展（Inte）滞后3 期，弱工具变量检验结果显示F 统计量为29.7，同样通过了检验，说明以其作为替代变量是合适的。2SLS 回归结果见表7 第（2）列，表明在控制内生性问题后，互联网发展促进了城市出口产品技术复杂度的提高，仍然在1%显著性水平上显著，说明回归结果较为可靠。

3.替换解释变量指标。替换核心解释变量互联网发展（Inte）测度指标重新进行估计，这里采用腾讯研究院公布的城市互联网发展指数作为互联网发展水平的替代指标，以验证本文结果的稳健性。结果汇报在表5 的第（3）列，替换后互联网发展（Inte）系数依然在1%水平上显著为正，支持了互联网发展促进了城市出口技术复杂度提升的结论。

表5 稳健性检验

五、主要结论及政策启示

本文利用2007～2017年中国281 个城市的面板数据，测度城市出口技术复杂度统计指数，进而深入研究互联网发展对城市出口技术复杂度的影响及其作用机制，得到以下主要结论：

第一，我国城市出口技术复杂度呈现出明显的空间分异性，东部地区的城市出口产品技术复杂度始终处于全国领先。同时，城市出口技术复杂度呈现明显的空间集聚，出口技术复杂度较高的城市由北向南主要集中在辽中南、京津冀、山东半岛、 长江三角洲和珠江三角洲等城市群。相对而言，宁夏沿黄、西宁—兰州、关中平原、黔中和滇中等城市群的出口技术复杂度则较低。第二，互联网发展优化了城市出口产品结构，对于城市出口技术复杂度具有显著的促进作用。机制检验表明，其影响路径主要有三条： 一是通过人力资本的积累促进了城市出口技术复杂度提升； 二是通过激发技术创新而引致城市出口技术复杂度提升； 三是在人力资本和技术创新的链式中介效应作用下，共同促进城市出口技术复杂度提升。对比这三条路径可以发现，“人力资本效应”的影响最为明显。第三，互联网发展对城市出口技术复杂度的影响存在区域差异。相对于中部和西部地区而言，东部地区城市互联网在“网络效应”和“梅特卡夫法则”的双重作用下，更有效发挥了作为信息传播与知识溢出的作用，从而最有效的促进城市出口技术复杂度的提升。

2019年11月出台的 《关于推进贸易高质量发展的指导意见》明确指出，我国要提升贸易数字化水平，实现贸易高质量发展。本文为城市层面推动互联网发展、 优化城市出口结构以及实现贸易高质量发展提供了有益的启发：

其一，“十四五” 时期大力推进新型互联网基础设施及智慧城市建设，加强城市大数据中心、云计算、5G 网络等基础设施建设，通过互联网与各产业深度融合，优化城市出口结构，提升城市出口贸易发展质量。其二，重视城市互联网发展的“人力资本效应”和“技术创新效应”对于出口技术复杂度提升的作用。一方面，充分发挥互联网加速人力资本积累的作用，通过互联网的资源整合，提高城市对于高水平及高技能劳动者的吸引力，以多样化举措吸引和培育更多的技术型人才； 另一方面，通过科研创新投入及政策优惠，进一步激发高技术产品出口企业的研发动力，并在当前国际经济环境不确定性加大的背景下，给予风险规避的支持，继续加强贸易数字化、 智能化及智慧化发展。其三，鉴于目前我国城市出口技术复杂度呈现的空间分异性，以及互联网发展对城市出口技术复杂度影响呈现的异质性，有必要在中部和西部地区的城市加快互联网建设和互联网创新融合，消除“数字鸿沟”，这对于扎实推进共同富裕，具有十分重要的意义。

注释：

①数据来源：国家统计局网站，http://www.stats.gov.cn/

②数据来源：中国互联网络信息中心网站，http://www.cnnic.net.cn/