出口下降、经济增速下行与双循环新发展格局∗

陈安平 赵 曼 刘娜

一、引言

改革开放以来，积极融入国际市场成为中国经济发展的基本国策与强国之路。2001年加入WTO 之后，中国逐渐成为世界工厂，出口贸易在推动中国经济增长中的作用日益突出。但是，2008 年国际金融危机后，一些发达国家经济复苏疲软，开始试图改变原有的国际经济秩序，转为奉行“逆全球化”。受此影响，中国的出口有所下降。与此同时，中国经济增长速度也明显放缓。①讨论中国经济增速放缓的文献见刘伟和苏剑(2014)、蔡昉(2016)、Lin (2019)、Chen 和Groenewold (2021)、陈安平(2022)等。2020 年来，新冠疫情的爆发进一步助推了国际贸易保护主义的抬头。面对这些新情况，中国相应提出了构建“以国内大循环为主体，国内国际双循环相互促进”的新发展格局战略。

在此背景下，把握“双循环”新发展格局构建的方向尤为关键。需要明晰的问题是，国外市场萎缩是否会切实为中国经济带来下行压力；若是，那么又会对中国实际GDP 等经济指标产生多大程度的负向影响。倘若这一负向影响并不存在或很小，“双循环”的构建工作应该以解决国内需求不足及相关结构性问题为主导。反之，则需在尽可能开拓国外市场的同时，考虑国内国外市场的替代与补充问题，以国内市场的建设与发展弥补无法避免的国外市场缩水。当然，中国幅员辽阔，区域经济发展差异明显，因地制宜地推行“双循环”新发展格局的构建也是必然要求。

本文同时使用简约式回归与空间一般均衡分析的方法，从地区差异与经济体总量两个角度，探究出口贸易下降对中国经济增长的影响，并通过数值模拟，讨论针对国内市场的可行政策是否能够以及在多大程度上可以缓解国际市场损失所造成的经济增速下滑。具体而言，在简约式回归分析中，本文首先利用宏观数据分析中国出口与经济增长的关系，发现两者的变动步调一致，可能存在一定的关联性；其次，利用国际金融危机后各地出口下降幅度不同这一事实，衡量出口下降给各地带来的异质性冲击，在此基础上建立差分模型，采用城市层面的数据和Bartik (1991)方法构造的工具变量，识别出口下降对经济增长的影响。结果表明，出口下降是导致经济增速下行的原因之一，而且与其他地区相比，出口下降较多的地区其经济增长率降幅更大。该结论在进行样本截尾处理、尝试不同估计方法、控制增长趋势后依然成立。本文还发现，2008 年国际金融危机引起的出口下降对中国经济增长的影响大概持续5 年时间，即出口下降对中国经济增速下行有较长时期的影响。

在空间一般均衡分析方面，本文建立了一个类似于Redding (2016)的多区域量化空间模型(QSM)，分析出口下降对中国经济的一般均衡效应。研究发现，出口下降对东部沿海地区，特别是广东、上海、天津、福建、江苏等地的影响更为明显，这是由于这些地区与国际市场的联系更为紧密从而受国外需求变动的影响更大；从全国总体来看，如果出口下降10%，则GDP 下降0.17 个百分点，福利水平下降0.15 个百分点。另一个发现是，提高生产率、降低国内各地区之间的贸易成本可以有效抵消出口下降对总体经济的不利影响。这意味着适宜政策举措的出台，完全有可能推动形成“双循环”的新发展格局。

二、文献综述

出口与经济增长的关系研究由来已久。通常认为，出口通过直接效应和间接效应作用于经济增长。在直接效应方面，作为GDP 核算的重要组成部分，出口扩张能够直接推动经济增长。间接效应主要体现在以下几个方面:第一，外汇收入效应。出口扩张可增加外汇收入，加速本国资本积累，加大对本国资本品进口的外汇支持，从而加速经济增长(Chenery 和Strout，1966)。第二，规模经济效应。出口扩张能够促进国家产能增加，随之形成规模经济，从而提高本国生产率，促进经济增长 (Helpman 和Krugman，1987)。第三，出口学习效应。出口企业可以学习国外成熟的管理经验和先进知识，提升企业自身的生产效率，进而促进经济增长(Chuang，1998)。第四，出口专业化效应。出口可以促使企业提升专业化水平，优化企业的资源配置，促进生产要素从非效率部门向出口部门转移，从而促进经济增长(Feder，1983)。

大量研究从定量分析的角度验证了出口和经济增长的关系，并发现中国经济增长与出口之间存在正向关系，外贸出口的增加能够显著促进国民经济增长(林毅夫和李永军，2003)。范秋芳等(2018)的结果显示，中国出口贸易主要通过资源优化配置和外溢效应促进经济增长。而崔静波等(2021)发现，出口主要是促进了企业的自主技术创新。也有研究表明，出口与经济增长呈非线性关系(谷克鉴和陈福中，2016)。王贤彬等(2019)则表明，外部经济依赖度较大的城市受国际经济调整的影响较大。

与此同时，关于出口对中国劳动力市场影响的讨论逐渐增多，这丰富了出口与经济增长关系的研究。张川川(2015)发现，出口增长可以显著促进制造业和服务业就业，同时有利于提高收入水平，降低收入不平等。戴觅等(2019)分析了中国加入WTO 后关税下降所带来的影响，发现受关税冲击较大的城市工资增长较慢，受雇于可贸易部门的低技能劳动力受到的影响最明显。刘灿雷等(2018)表明，出口产品的质量分化加剧了工资不平等。赵春明等(2021)则发现出口增速放缓显著降低了劳动力参与工作的概率。

除此之外，近年来针对出口结构与经济增长关系的研究也越来越多，不少学者探究出口专业化或多样化对经济增长的作用机理和影响程度。岑丽君(2018)表明，出口专业化与经济增长之间存在U 形非线性关系。刘修岩和吴燕(2013)发现出口多样化对中国经济增长具有显著推动作用。也有研究显示，出口复杂度对经济发展具有正向促进作用，出口复杂度越高的企业产出波动越小，越有利于减小经济波动(李小平等，2018)。

从现有文献来看，围绕出口与经济增长的相关研究已取得重要进展，然而有关出口下降与经济增速下行关系的讨论还相对较少，尤其是测度出口下降对中国经济增长影响大小的研究。自2008 年国际金融危机发生以来，中国经济增速出现下降，而新冠肺炎疫情的爆发给中国经济发展带来了再次冲击，出口贸易更是首当其冲。那么出口下降是否是中国经济增速下降的重要原因呢? 如果是，出口下降对中国经济的影响有多大? 本文尝试使用简约式回归与量化空间模型的方法对这些问题进行研究。

本文的贡献在于:第一，利用2008 年国际金融危机这一相对外生的事件，使用差分模型和城市一级的数据，识别出口下降对中国经济增长的总体及地区差异性影响，从而丰富出口与经济增长关系的相关研究；第二，建立多区域量化空间模型，分析外部需求冲击对各区域的影响，计算出口下降的总体效应，为判断出口下降对中国经济的影响大小提供依据；第三，模拟针对国内市场的相关政策，比如提高地区生产率、降低国内贸易成本对抵消外部冲击负面影响的作用，从而为实现“双循环”新发展格局的政策制定提供支撑。

三、出口下降和经济增速下行关系初探

在判断出口下降和经济增速下行之间是否存在因果关系之前，本文利用全国层面出口和GDP 增长率的数据，对两者之间的关系进行描述性分析。图1 的左坐标轴为出口占GDP 的比重(%)，右坐标轴为实际GDP 的增长率(%)，实线表示出口所占比重，虚线表示GDP 增速。可以看出，2007 年之前，出口占GDP 的比重持续上升，从2000 年的约20%增至2006 年的35%，提高了15 个百分点。与此同时，GDP 增长率也不断攀升，从2000 年的8%增至2007 年的14%，上升了6 个百分点。从这一时期来看，出口和GDP 增长率都在快速上升，两者存在正向关系。

图1 出口和经济增长率的变化趋势

从2008 年开始，受国际金融危机影响，出口出现明显的下降。到2009 年，出口占GDP 的比重降至24%，与高峰时期的35%相比，下降了11 个百分点。与此对应，GDP增长率在2009 年也从之前的峰值14%下滑到9%，下降了5 个百分点。受国家“四万亿”计划的刺激作用，出口和GDP 增速在2010 年有所回升，但随着刺激计划作用的减弱，2011 年之后出口和经济增速持续下滑。2018 年，出口占GDP 的比重下降到18%，为2000 年后的一个低点，GDP 的增长率也降至6.7%，且有进一步下行的压力。从这一时期的变动趋势来看，出口和GDP 增长率都在下降，表现出正向关系。

与其他时间段相比，出口和GDP 增长率的关系在2007—2009 年表现得更为突出，无论是出口还是GDP 增长率，都有一个很大的降幅。考虑到国内经济结构在此期间并未发生明显改变，这一时期出口骤降不大可能是国内因素比如生产率下降引起的，更可能是国际金融危机引发的国际需求下降造成的。对中国而言，这相当于一个外生的需求冲击。本文利用这一外部冲击，来识别出口对经济增长的作用。具体而言，考虑到各个地区比如各城市由于对外经济联系程度的不同，受国际需求下降冲击的影响可能不同，因此可以利用城市之间的这种差异，来识别出口下降和经济增速下行之间的因果关系。

四、计量模型

本文采用城市i实际GDP 的增长率在t年和2007 年之间的变化(Gi，t－Gi，2007)为因变量，建立以下简约式的计量模型:

其中，ΔExpi，2007—09为城市i出口占GDP 的比重在2009 年和2007 年之间的变化，表示国际金融危机后各城市受到的出口下降冲击，X为初始时期(2007 年)即出口下降冲击发生前的控制变量，包括固定资产投资占比(InvSh)、人均道路里程(Road)、以中学生占人口比重表示的教育水平(StuSh)、第二产业占比(IndSh)、政府支出占比(FisSh)、人口密度(PopDen)等，εit为随机误差项。β是本文关注的参数，即2007—2009 年的出口下降冲击对经济增速下行的影响大小。以上模型为一阶差分模型，类似于两时期面板数据模型的差分形式，其中差分消除了城市固定效应，差分后常数项吸收了时间固定效应。本文以地级市的“全市”为对象，共包含271 个城市，所有数据除说明外均来自各期《中国城市统计年鉴》和《中国区域经济统计年鉴》。为了减轻省内城市之间的相关性对估计结果的影响，本文采用省级层面的聚类标准误。

由于出口和经济增长可能受一些共同因素的影响从而产生内生性问题，采用最小二乘法(OLS)来估计以上模型会存在偏误。比如，随着人口红利的消失劳动力的供给下降，出口和GDP 均会受到负面影响，此时所估计的出口与经济增长的正向关系并不能表明出口下降导致了经济下行。为了解决模型中可能存在的内生性问题，本文为出口冲击(ΔExp)构造了一个工具变量(IV)，然后运用两阶段最小二乘法(2SLS)来估计模型。对于工具变量，本文首先采用Bartik (1991)的偏离份额法，构造各城市出口增长率的预测值(Si):

其中，Shareij是初始年份城市i中产业j所占比重，GexpNj，2007—09是2007—2009 年全国产业j出口增长率。通过式(2)及各城市2007 年的出口值可以计算出每个城市在2009 年的出口预测值及其占GDP 的比重，然后以2009 年出口预测值占GDP 的比重与2007 年出口占GDP 的比重之差()为工具变量。因为2007—2009 年间中国出口有明显下降，所以本文用全国各行业在这两年的出口变化来衡量出口所受到的冲击，再通过各城市各产业所占比重构造各城市所受出口冲击的大小。具体做法是，对照2017年国民经济行业代码，将OECD 中国分行业(按国际行业分类)的出口数据分成26 个行业，然后逐个计算每个行业出口增长率。①OECD 的数据见https://stats.oecd.org/index.aspx，本文采用Bilateral Trade in Goods by Industry and End-use (BTDIxE)，ISIC Rev.4 中Export from China to the World 的数据。对于初始时期各城市的产业结构，本文以1995 年各城市分行业的就业数据来计算，数据来源于1995 年经济普查。为了和出口数据中的行业相对应，我们对普查数据中的行业做了合并处理。②1995 年各城市分行业就业数据来源于Baum-Snow 等(2017)的数据。

考虑到地理区位会影响城市与国际市场的联系程度，从而可能使处于不同区位的城市受外部需求冲击的影响不同，因此本文也尝试构造基于地理信息的工具变量。具体做法是，根据各城市在近代历史上是否为通商口岸设定一个虚拟变量，以此为工具变量。这样做的依据是由于在历史上较早参与外贸活动，通商口岸城市与国际市场的联系更为紧密，因而对国外冲击更为敏感。通商口岸的历史数据参考了吴松弟(2006)的研究，经过行政区划和地名调整的核对，最终筛选了65 个城市为历史通商口岸城市。除了是否为通商口岸的虚拟变量，本文还计算了每个城市到最近通商口岸的距离，以此作为另一个工具变量。这样做的主要考虑是，与距离通商口岸远的城市相比，距离通商口岸近的城市更易参与国际贸易。另外，我们也尝试了以各城市到沿海大城市的距离为工具变量。

五、估计结果及分析

(一)基本结果

首先，本文采用两阶段最小二乘法估计2007—2009 年间出口下降对同一时期经济增速下行的作用，结果见表1。如前文所述，主要变量采用了差分形式，对每个城市有一个观测值，在所有模型中以初始年份每个城市的GDP 为权重进行加权估计，以出口占比预测值()为工具变量。第(1)列是最简约的模型，没有加入任何控制变量，从中可以看出，出口下降(ΔExp2007—09)对经济增速下行有显著作用。如果出口占GDP 的比重下降10%，GDP 增长率会下降0.8 个百分点③因变量是增长率(%)的百分点变化，自变量是出口占比的变化，因此自变量下降10%，则因变量下降0.1×7.871 即约0.8 个百分点。。从第一阶段回归的F检验值来看，该值远大于经验值10，说明不存在弱工具变量问题。

第(2)列增加了省份固定效应(PorvD)以控制各省之间的差异，从估计结果来看，出口下降变量系数的大小有所下降，但仍在1%水平上高度显著。第(3)列加入初始时期固定资产投资占GDP 的比重(InvSh)、人均公路里程(Road)、中学生占人口的比重(StuSh)等控制变量。由于模型是差分形式，这些变量的加入相当于控制了投资、基础设施、人力资本的不同趋势。估计结果表明，出口下降变量仍显著为正。从控制变量来看，城市人力资本的系数为负但仅在10%水平显著，投资和基础设施两个变量的系数则并不显著。

第(4)列加入了第二产业产值所占比重(IndSh)、政府财政支出占GDP 的比重(FisSh)、人口密度(PopDen)等控制变量。显然，出口变量仍显著为正。在第(5)列中，加入了第(3)和第(4)列的所有控制变量，在第(6)列中还加入了省份固定效应。从第(5)列和第(6)列的估计结果可以看出，尽管控制变量的显著性在不同模型中有所变化，但出口变量在这两个模型中的系数都为正，且高度显著。

总之，表1 的估计结果显示，出口对经济增长有显著的作用，2007—2009 年国际金融危机引起的出口下降是中国经济增速下行的一个原因。如果将2007—2009 年间城市出口占比的下降从大到小排序，则处于10%分位的城市与90%分位的城市相比，其出口占GDP 的比重多下降了13.26 个百分点，根据表1 第(6)列的估计结果，这意味着处于10%分位的城市的GDP 增长率相较于处于90%分位的城市下降了0.563 个百分点(0.1326×4.246)。

对于全国而言，2007—2009 年间出口占GDP 的比重从34.6%降至23.5%，下降了11.1 个百分点，从表1 第(6)列的估计结果可以推断GDP 增速由于出口下降减少了0.471 个百分点(0.111×4.246)。实际上，全国GDP 增速在此期间从14.2%降至9.4%，下降了4.8 个百分点，即出口下降对GDP 增速下滑的贡献约为10% (0.47/4.8)。需要指出的是，从城市截面回归即区域之间的差异来推断总体效应有潜在的问题，比如没有考虑城市之间在人员和商品贸易上的往来对结果的可能影响。①关于从截面回归推断总体效应存在问题的讨论见Redding (2020)。因此，后文将建立多区域的空间均衡模型，据此估计外部需求冲击对各区域及全国总体经济的影响大小。

表1 2SLS 估计结果

(二)稳健性检验

为了检验以上结果的稳健性，以表1 第(6)列的设定为基础，本文尝试了一系列检验，包括:采取截尾处理法，把2007—2009 年出口下降最多和最少的1%样本删除②本文也采用了其他做法，比如把出口下降最多和最少的2%或3%样本剔除，也尝试把四个直辖市从样本中删除，发现出口变量依然显著为正。；表1 的估计是以2007 年各城市GDP 为权重，我们也尝试采用更早时期比如1995 年的城市就业为权重；采用普通两阶段最小二乘法，不考虑城市规模大小对结果的可能影响；除了出口变化预测值，我们还尝试其他工具变量，比如是否为近代历史上的通商口岸城市；采用各城市到历史通商口岸的最近距离为工具变量；上海、广州、北京等大城市与国际市场的联系较为紧密，距离大城市越近的地区受出口下降的影响可能越大，因此我们尝试以各个城市到大城市的距离为工具变量；城市经济增长之间可能具有空间相关性，因此我们以各城市空间距离的倒数为权重矩阵，在基准回归中加入被解释变量的空间滞后项。③本文也尝试了空间误差修正模型，并采用Spivregress 估计了以ΔExp2007—09 为内生变量的空间模型，发现结果无明显区别。

以上检验的结果报告在表2 相对应的第(1)— (7)列，为了节省篇幅，表中仅列出关键变量ΔExp2007—09的估计结果。显然，在所有检验中，出口变量的系数均为正且高度显著，系数估计值的大小和表1 第(6)列的估计结果相近。这些检验结果进一步证明，2008 年国际金融危机引起的出口下降是中国经济增速下行的一个原因。

表2 稳健性检验

(三)排除增长趋势的影响

以上估计结果未必能解释为因果关系，因为经济增长和出口可能受一些共同趋势的影响，此外，受出口下降影响大的区域其经济增长下滑可能在2008 年金融危机前就开始了。在这些情况下，利用模型(1)所估计的效应反映的可能只是城市的增长趋势变化。为了对此加以检验，本文采用了两种方法:第一，采用一个反事实实验，以金融危机前的经济增速变化为因变量，重新估计模型。这样做的主要考虑是，金融危机后的出口下降不可能是引起金融危机前经济增速变化的原因。如果该检验中出口下降的系数显著，则说明出口和经济增长的关系并非因果关系，而是受一些共同趋势的影响而表现出来的同向或反向关系。第二，我们在模型(1)中加入2008 年前各城市的经济增速，以直接控制出口下降前各城市的增长趋势。

表3 第(1)列是以2004—2007 年GDP 增长率的变化为被解释变量的估计结果。可以看出，出口下降系数为正且显著。但在第(2)列中，当以2005—2007 年GDP 增长率的变化为被解释变量时，出口下降的系数变为负且不再显著。为了消除某一特定初始年份经济波动对结果的影响，在第(3)列中，我们先取2004—2006 年GDP 增长率的平均值，然后计算2007 年GDP 增长率与该平均值的差，以此为被解释变量。显然，此时出口下降的系数同样不显著。总之，这些反事实实验说明经济增长和出口之间的关系并非是受一些共同趋势的驱动所致。

表3 第(4)列的做法和表1 基准模型的做法一样，仍以2007—2009 年间GDP 增长率的变化为因变量，但在模型中加入各城市2004—2006 年GDP 增长率的平均值，即控制国际金融危机前各地的增长趋势。估计结果表明，出口下降变量依然为正且在5%水平上显著，说明出口下降和经济下行的关系并非是由2008 年前各地的增长趋势造成。

表3 考虑增长趋势的估计结果

(四)动态效应

前文讨论了2007—2009 年间出口下降对同一时期GDP 增速下行的影响，以此说明金融危机后出口下降冲击的短期效应。为了探究出口下降冲击对经济增长影响的持续时间，我们从2012 年起逐年估计这一外部冲击对GDP 增速变化的影响。具体的做法和前文一样，以差分的形式来估计模型(1)。比如，对于2012 年，以2012 年的GDP 增长率与冲击发生前即2007 年的GDP 增长率之差为因变量，以2007—2009 年间出口占比下降为自变量，以出口下降的预测值为工具变量，在模型中加入所有控制变量，然后估计模型。①之所以采用2007—2009 年而非2007—2012 年出口占比变化为自变量，是因为国际金融危机后出口下降冲击主要发生在2007—2009 年间(如图1 所示)。采用这一做法也便于同一冲击在不同时间段内估计结果的比较。其他年份的估计方法类似。之所以从2012 年开始估计，是考虑到中央政府在2009 年出台了4万亿元的刺激计划，各地的经济增速有所恢复，但从2012 年起，各地经济增速又回到之前的下行趋势。②考虑到4 万亿元的刺激计划对2012 年后的经济增长可能还有影响，参照王贤彬等(2019)的做法，我们在模型中加入了2009 年金融机构贷款余额增长率与2008 年金融机构贷款余额增长率之差，以控制各地受4 万亿元刺激计划的影响大小。金融机构贷款余额数据来自《中国城市统计年鉴》。

出口下降对2012 年后经济增长影响的估计结果如图2 所示，为了便于比较，在图中也加入了短期效应即2009 年的估计结果。图中的黑点表示出口下降参数估计值的大小，虚线表示5%的置信区间。可以看出，在2012 年，出口变量的系数依然为正且显著，系数的大小为3.28，与2009 年的估计值相比略有下降。从2013 年起，系数依然为正但不再显著，到2016 年系数甚至变为负且仍不显著。图2 结果表明，2008 年国际金融危机引起的出口下降对中国经济增长的影响持续了较长时期，从2013 年起即国际金融危机发生5 年后其影响不再显著。

图2 出口下降的动态效应

六、量化空间模型

前文利用差分模型识别了出口下降与经济增速下行之间的因果关系，估计了出口下降冲击所引起的各地经济增长率降幅空间差异的大小。但由于在差分模型中难以考量区域间的商品贸易和劳动力流动的影响，根据模型估计结果推断出口下降的总体经济效应存在不足之处。为此，本文建立了类似于Redding (2016)的量化空间模型，尝试刻画地区间的相互关联，然后采用数值模拟的方法，估计出口下降对各个地区及全国总体经济的影响。在本文的模型中，与Tombe 和Zhu (2019)的做法一样，考虑了劳动力跨区域流动受户口等限制而产生的成本。本文在模型中也包含了转移支付，以体现地区间的财政结构特征。假设模型中有N个国内地区，1 个国外地区，商品在国内外自由流通，但有贸易成本。劳动力在国内可以跨地区流动但不能跨国流动，跨地区的流动需承担一定成本。

(1)消费者。假设地区n消费者的效用函数为C-D 形式，效用(Un)取决于商品消费(Cn)和土地消费(Hn):

其中，0<α<1，εn为消费者对不同地区的异质性偏好，服从Frechet 分布:

其中，κ控制着消费者偏好的离散程度，其值越大，消费者偏好的离散程度越小。

(2)生产者。每个地区的企业使用劳动和土地进行生产，生产函数为:

其中，Yn为地区n的产出，Ln为劳动，Hn为土地，zn为生产率，服从Frechet 分布:

其中，An为地区n的平均生产率，θ控制着生产率的差异程度。假设产品市场完全竞争，企业追求利润最大化，政府对企业采取工资税的形式征税，税率为Tn，则单位产出的生产成本(Xn)为:

其中，ψ＝β－β(1－β)β－1为常数，Wn为工资，rn为土地价格。

商品在地区间的贸易有成本，比如交通运输成本，要从地区i运送1 个单位产品到地区n，必须在地区i生产τni>1 个单位。在生产率为Frechet 分布的条件下，根据Eaton 和Kortum (2002)，可以求解出地区n的均衡价格(Pn):

其中，γ为常数。令πni表示地区n的消费支出中来自地区i产品所占的比重，则有:

(3)转移支付与收入。政府把税收收入通过转移支付的方式返还给国内居民，每个居民获得的转移收入(R)相等，即:

由于假设国外市场只有一个区域，每个劳动力所获得的转移收入等于其缴纳的工资税。

假设一个地区的土地收入分配给了当地居民，则其收入等于工资、生产和消费在土地上的支出、财政转移收入之和，即:

其中，Vn为个人的收入，化简可得:

(4)劳动力流动与市场均衡。地区n劳动力的实际收入为。劳动力在国内可以跨区域流动，但受户口等限制需承担一定的成本。假设劳动力流动的目标是效用最大化，由于流动成本从地区i到地区n的移民效用降低一个因子μni，则在劳动力的地区偏好是Frechet 分布的条件下，地区i人口中流入地区n所占的比重是:

劳动力市场均衡意味着地区n的劳动力是从国内所有地区流入该地区的劳动力之和:

产品市场的均衡条件是地区i的收入等于所有地区消费地区i产品的支出之和:

由于土地不能跨地区流动，一个地区的土地收入等于该地区消费和生产在土地上的支出之和，即土地市场有如下均衡条件:

(5)模拟方法。式(7)、式(8)、式(9)、式 (12)、式 (13)、式 (14)、式(15)、式(16)可以组成一个模型系统，Wn、Ln、Vn、Pn、rn、Xn、mni、πin为系统的内生变量，Tn、Ai、μni、τni为外生变量。根据Allen 和Arkolakis (2014)，该模型系统存在唯一均衡解。为了利用模型系统来进行反事实模拟，与Redding (2016)一样，本文采用Dekle 等(2007)的方法，令＝x′/x，其中x′为变量在反事实模拟中的值，为模拟值与初始均衡值x的比值，然后将以上模型系统进行转化。①因篇幅所限，本文省略了转化后的模型，感兴趣的读者可在《经济科学》官网论文页面“附录与扩展”栏目下载。给定初始均衡时期的Tn、mni、Wn、Ln、Vn、πni，以及参数α、β、θ、κ，可以利用转化后的模型来模拟当变化时，内生变量的变化值。在本文的模拟中，受数据比如区域间贸易数据所限，没有和前文的实证分析一样采用城市样本，而是以省级行政单元为对象。由于西藏的数据缺失，在模拟中包含了除西藏之外的其他30 个省市，即N＝30，也包含了一个国外地区即世界市场。对于模型的初始均衡值和参数，本文主要采用了Tombe 和Zhu (2019)的数据，其中α＝0.87，β＝0.72，θ＝4，κ＝1.5。

(6)总体效应。利用上述模型系统，可以模拟外生冲击对各个地区就业、工资、收入、土地价格等变量的影响，并根据各地区的变化推断外生冲击的总体效应。参照Tombe 和Zhu (2019)的做法，假设劳动力对地区n的期望效用为:

全国的效用水平U为各地区以人口为权重的期望效用的加权平均值:

全国效用水平的变化即模拟值与初始值的比值为:

其中，为权重。

假设各地区的实际GDP 为名义GDP 除以价格指数，即:

全国的实际GDP 为各地区的加总:

则全国实际GDP 在模拟中的变化为:

七、模拟结果

为了模拟外部需求冲击比如出口下降的影响，我们假定由于外部因素的变化，国内各地区与国外市场的贸易成本上升从而导致出口减少，然后观察这种情况下国内各地区经济指标的变化。具体的做法是，令各省与国外市场的贸易成本上升10%，然后利用前文的模型系统，求解出各地区内生变量如就业、工资、价格等的变化。①贸易成本上升10%是为了模拟而做的假设，并非根据实际贸易成本的变化而得出的推断。

从外部需求冲击下就业的变化(见图3)可以看出，北京、广东、江苏、山东、上海、天津等东部沿海省市的就业均有所下降，特别是贸易开放度最高的广东，其就业下降幅度最大。这是由于这些地区和国际市场的联系紧密，受外部冲击的影响较大，当国际市场对国内商品的需求减少从而导致出口下降时，这些地区对劳动力的需求随之减少。与此相对应，其他省份的就业则有所上升，即随着出口的下降，劳动力从东部沿海部分省市转移到了其他地区。

图3 就业变化

从工资水平的变化来看(见图4)，除了中西部的个别省份如湖北、内蒙古、吉林和陕西，其余省份的工资均有所下降，其中广东和福建下降最多。对于东部沿海地区，工资下降是出口下降导致对劳动力的需求减少所致。对于中西部地区，工资下降一方面是由于出口减少，另一方面也是因为东部的劳动力转移到这些地区后，劳动的供给有所增大。

图4 工资变化

从价格指数的变化来看(见图5)，广东、上海、天津等地上升最为明显，这是因为虽然这些地区的工资有所降低，但由于出口大幅下降，产品在国内的销售比重上升，推高了国内消费品价格。在东部省份中，也有价格指数下降的地区，比如福建和浙江，这是因为在这些地区工资下降的力量占主导地位。西部地区省份如甘肃、青海、宁夏等地的价格指数下降明显，这主要是由于劳动力流入而引起的工资降低。

图5 价格变化

实际GDP 是一个反映就业、工资、价格等因素的综合指标，从实际GDP 的变化可以看出(见图6)，多数省份受出口下降的影响很小。受影响较大的是广东、上海和天津，其次是福建和江苏。对于广东、上海、天津和江苏，其实际GDP 下降不仅是由就业和工资下降引起，价格的上升也是一个原因。对于福建而言，其价格水平虽然下降，但工资水平也有所降低，综合来看，实际GDP 有所下降。

从全国总体产出和福利水平来看(见表4)，国际贸易成本上升10%可以导致实际GDP 下降0.53 个百分点，福利水平下降0.46 个百分点。从各省的平均效应来看，国际贸易成本上升10%会使出口下降31%。①在计算国际贸易成本上升所引起的出口下降平均效应时，本文以各省产出所占比重为权重，对各省出口变化的模拟值进行了加总。由此推断，如果出口下降10% (即贸易成本上升3.2%)，会使全国实际GDP 下降0.17 个百分点，福利水平下降0.15 个百分点。

本文也模拟了国内贸易成本和生产率变化的影响。从表4 结果可以看出，如果国内各省之间的贸易成本下降10%，则全国实际GDP 上升9.22 个百分点，全国福利水平上升9.27 个百分点。与国际贸易成本的变化相比，国内贸易成本变化对中国经济的影响明显更大，这与Tombe 和Zhu (2019)的发现一致。从生产率冲击的效应来看，如果各省生产率上升10%，则全国实际GDP 和福利水平会上升2 个百分点，说明与外部冲击相比，国内生产率的变化对中国经济的影响也更为强烈。以上模拟结果表明，面对外部需求冲击，当出口有压力时，如果能通过一些政策举措降低国内各地区之间的贸易成本，或者是增加各地区的生产率，则能够完全抵消出口下降对中国经济带来的消极影响。

表4 各种冲击的总体效应

八、结论

从2008 年国际金融危机开始，中国的出口有所下降，经济增长的速度也开始下行。本文从外部冲击的视角讨论了出口下降和经济增速变化的关系，首先利用金融危机后城市之间出口下降幅度的差异来衡量各地受到外部冲击的不同，然后采用城市层面的数据建立简约式的差分模型，识别出口下降对经济增速下行的影响。为了解决模型中可能存在的内生性，本文利用Bartik 方法构造了工具变量。研究发现，出口下降是中国经济增速下滑的一个原因；出口下降对中国经济的影响大约会持续5 年时间。在进行了一系列检验包括样本缩尾、采用不同的工具变量、控制冲击前的增长趋势等之后，该结论依然成立。

由于差分模型难以考量地区之间通过商品贸易和劳动力流动而产生的关联，从截面回归的估计结果推断总体效应存在不足，因此本文建立了一个多区域量化空间模型，进一步估计出口下降对各地区及总体经济的影响大小，并分析可能的应对政策的作用。模拟结果表明，出口下降对东部地区，特别是与国际市场联系紧密的省市如广东、上海、天津、福建、江苏等地的影响更为明显；从全国总体来看，出口下降10%会导致GDP 下降0.17 个百分点，福利水平下降0.15 个百分点；与外部冲击相比，提高各地区生产率以及降低国内地区间的贸易成本对全国经济的作用更大。

根据研究发现，本文提出以下政策建议:第一，坚持对外开放，竭力扩大国外市场应是中国在经济发展过程中需继续努力的重要方向，构建“双循环”新发展格局时两个循环都不可舍弃。第二，在面临复杂严峻的国际贸易环境时，各级政府要正确认识出口下降对中国经济发展的可能负向冲击，帮助相关部门采取可持续的有效措施，缓解这一冲击所带来的长期影响。第三，各地区应以本地的经济贸易结构为依据，因地制宜地制订解决方案。对于以广东为代表的出口贸易依存度较高的地区，既要花大力气扶持本土企业开拓国内市场，以减少出口下降引起的本地就业机会流失，也要注重对当地物价水平的监测与调控。对于外贸经济相对欠发达的中西部地区，除了发展本地市场以弥补出口下降所产生的损失，更要致力于构建成熟的劳动力市场，帮助流入劳动力在本地的稳定与就业。第四，各地政府应注重提高区域自主创新能力，不断挖掘地区生产率的提升空间，同时也要树立起合作意识，降低省市间的贸易壁垒，杜绝地方保护主义，进而有效抵消出口下降对中国经济与福利的不利影响。