进口品技术与中国制造业企业规模均匀分布研究:抑制或促进

王明荣,魏 华

(1.2.首都经济贸易大学 经济学院,北京 100070)

我国推进高水平对外开放,进口国外先进技术和关键设备是我国获得先进技术的渠道之一。在全球价值链不断深化背景下,进口品技术复杂度指标因其能够客观度量一国进口品技术水平而被广泛采用,1995—2020年,我国进口品技术复杂度整体增长迅速,从10217美元增加到17907美元(1)根据CEPII-BACI数据库数据计算而得。。同时,随着我国宏观经济走向高质量发展阶段,产业升级的目标也由发展产业规模存量优势转向技术集约程度优势,其关键环节是提高企业技术创新能力。此外,良好的市场竞争环境是倒逼企业进行技术投资、技术创新的必要条件。我国制造业发展中市场竞争环境不佳的表现之一是制造业资源配置向大企业倾斜,大企业相较中小企业一直占据主导地位,1998—2007年制造业企业规模帕累托分布指数小于1[1],企业规模分布呈现不均匀状态。技术是影响企业规模分布的决定性因素之一[2],研究认为进口品技术在不同规模企业的应用不同,且影响不同规模企业成长。因此,研究将进口贸易技术复杂度融入企业规模分布理论,探讨我国进口品技术水平对我国制造业企业规模分布的影响效应和传导路径,为我国高水平全面对外开放新格局下经进口实现国内市场竞争环境的优化实践提供研究支撑。

一、文献综述

现有关于进口贸易与企业规模分布的研究认为,进口贸易通过对不同规模企业收益产生非对称性影响,进而影响企业规模分布。FOELLMI等人认为,在金融扭曲和财富不平等的经济环境中,进口贸易自由化会将财富从资本不充裕的小企业转向资本充裕的大企业,加剧企业规模分布不均匀的程度[3]。HUANG等人在一般均衡的垄断竞争框架下研究发现进口竞争并不一定使大企业获利[4];MARSILI认为进口技术创新无法很好地带动大企业创新积累,但会提高用于度量企业规模分布的帕累托分布指数,使企业规模分布更加均匀,市场集中度下降[2]。盛斌等人基于1999—2007年关税数据和工业企业大样本微观数据研究发现,进口贸易自由化更有利于中小企业成长,使企业规模分布变得更均匀[1]。

相较进口贸易,进口品技术复杂度能更直接度量发展中国家从外部引进技术的先进程度。在企业规模分布影响因素中,技术是主要因素之一,但它对企业规模分布的最终影响却具有不确定性。一方面,根据“熊彼特假设”,大规模企业较小规模企业更具资源优势和垄断地位,有更强的抵御风险能力。企业规模越大,技术创新能力越强,成长速度也越快,技术进步对企业规模分布的影响表现为使企业规模分布不均匀;另一方面,大企业因组织惯性会进行定向性技术创新,小企业为突破竞争市场中现有技术范式也会进行非定向性的技术创新,使得技术创新与企业规模函数关系表现为倒U型关系,这也意味着小企业在竞争市场下会加速技术创新和企业成长,使企业规模分布变得更均匀[5]。

进口技术复杂度对出口质量、企业创新和企业全要素生产率的影响也是研究关注重点。陈虹等人发现生产性服务业进口技术复杂度经企业创新提升制造业出口质量,且对生产率高的制造企业影响更显著[6];杨晓云等发现生产性服务业进口技术复杂度显著促进中国制造业企业创新,促进情况因制造业行业技术水平不同而存在差异[7];李平等学者研究发现,进口品技术复杂度显著提升企业生产率,并且因企业类型不同产生差异性的影响[8]。GEREFFI等发现,当进口技术带来的行业竞争达到一定程度时,企业为维持自身生存和利润会拒绝投入资金进行研发创新,即企业放弃创新研发[9]。BAS等人发现进口技术溢出会降低国内非出口企业的销售和国内市场的均衡利润,对企业技术投资产生抑制作用,导致企业生产率降低[10]。

综上,鲜有研究关注进口品技术水平这一核心因素,而关于进口品技术复杂度影响效应研究主要聚焦于出口品质量、企业创新和企业全要素生产率等方面,对制造业企业规模分布影响的研究有限。本研究认为进口技术提升造成资源进一步向大企业集中,对于进口规模对市场竞争环境的影响具有重要意义。所以,研究采用CEPII-BACI公布多国双边贸易数据计算基于我国HS6位编码的进口品技术复杂度指标,将其与中国工业企业数据、中国海关进出口数据,以及中国企业专利数据的合并,构建包括进口品技术复杂度、新产品创新、专利,以及一系列与企业成长有关的企业特征指标在内的、我国微观企业层面的进口品技术复杂度与创新数据库,实证进口品技术复杂度对制造业企业规模均匀分布的影响效应。同时,引入企业全要素生产率和企业创新中介变量,探讨进口品技术复杂度对中国制造业企业规模分布的影响机制。

研究意义和创新在于:第一,研究视角上,首次基于进口品技术视角对中国制造业企业规模分布给出新的解释。第二,理论机制上,从全要素生产率和产品创新层面分析进口品技术水平影响企业规模分布的深层机制,将其归纳总结为竞争效应、依赖效应及学习效应;第三,为避免单一指标衡量企业规模分布的局限性,研究采用企业前期固定资产投入和后期企业营业收入两个指标评价企业规模分布情况;第四,将企业规模虚拟变量加入进口品技术复杂度对企业全要素生产率和创新影响的研究中,从企业规模非对称性角度丰富相关研究。

二、理论机制

企业规模均匀分布状态下,不同规模企业间要实现分工协作和均衡发展取决于它们在同一环境中均能获得相同程度的成长。企业成长是成本结构不断优化、全要素生产提升的静态过程,也是一个非连续的创造性破坏、不断创新的动态过程[11]。开放经济条件下,进口技术冲击通过竞争效应、依赖效应和学习效应改变企业全要素生产率和产品创新,造成企业成长差距和企业规模分布的分化,主要表现为:部分企业借助新技术提高全要素生产率和实现创新,企业快速成长,生产规模不断扩大;部分企业也可能不适应新的技术环境而缩小企业规模,甚至退出市场[12]。由此,进口品技术对企业规模均匀分布会产生抑制或促进的双重效应,具体来看有:

第一,竞争效应。进口品技术复杂度的提升提高了进口产品的技术含量,增加境内外企业的竞争压力。一方面,进口竞争促使低效率企业退出市场来提高行业静态全要素生产率[13],又可促进高效率企业进入市场进而提高动态全要素生产率[14];另一方面,它通过提高人力资本积累和中间投入品质量来促进企业产品创新,通过扩大消费规模提高企业创新意愿[15]。企业因规模异质性,如资源优势、市场地位差异,进口竞争技术投资弹性存在很大差异,企业全要素生产率和产品创新的不同主要表现在:大企业生产率受到进口技术的促进作用更强,成本加成率更高[16];大企业风险承担能力和融资能力更具优势,创新能力较小企业更强[17],产品创新通过不断创造新的产品需求使得企业成本加成率、利润率更高[18]。竞争效应下,进口品技术提升使大企业的全要素生产率、产品创新增长和企业成长更快,企业规模进一步扩张,但这抑制了企业规模均匀分布。

第二,学习效应。企业对进口品先进技术进行模仿学习和二次创新会产生进口技术外溢效应[19]。进口技术溢出效应会促进企业研发创新[20],提高企业全要素生产率[21]。不同规模企业对进口技术溢出消化吸收能力不同[22],导致进口品技术复杂度对规模异质性企业全要素生产率和产品创新的影响不同:一方面,大企业较小企业的再创新能力强,生产率高;另一方面,大企业研发资金投入更大,创新能力更强。进口品技术促进大企业成长,扩大生产规模,但对中小企业的成长有阻碍作用,导致生产规模缩小,企业规模分布趋向不均匀。

第三,依赖效应。较之自我研发创新,企业直接进口高技术产品会产生低成本红利,导致企业对进口技术产生依赖。企业进口依赖度高会降低企业自主研发意愿,减少技术研发资金投入[11],进而抑制企业研发活动和创新能力[23],降低技术创新质量[24]。大企业较小企业具有更高的议价能力,其进口成本更低,更愿意通过进口降低生产成本。这使得大企业全要素生产率和产品创新对高技术的依赖效应更明显,且不利于大企业成长和规模扩张,但对小企业成长和规模扩大有促进作用,最终引致企业规模分布均匀。

在竞争效应、学习效应和依赖效应综合作用下,进口品技术复杂度经全要素生产率和产品创新的传导机制对企业规模分布产生抑制和促进的双重作用(见图1)。进口品技术既可以通过竞争效应和学习效应提高大企业全要素生产率和产品创新来促进其快速成长,又可增加企业规模分布中的大企业数量,使企业规模分布变得更不均匀,可以通过依赖效应经全要素生产率和产品创新意愿抑制大企业成长,降低企业规模分布中大企业的数量,使企业规模分布更均匀,整体净效应取决于二者的相对大小。

图1 进口品技术复杂度对企业规模分布的影响机制示意图

三、实证模型、指标与数据

(一)计量模型

本研究参照温忠麟等人的研究方法[25],构建三段式中介效应模型检验进口品技术复杂度对企业规模分布的直接影响效应,实证企业全要素生产率和产品创新带来的间接影响效应,计量模型如下:

Paretojt=α0+α1lnIMSjt+Zijt+αj+year+εijt

(1)

lnTFPijt=β0+β1lnIMSjt+β2sizeijt×lnIMSjt+sizeijt+Oijt+βi+βt+φijt

(2)

lnInnovijt=γ0+γ1lnIMSjt+γ2sizeijt×lnIMSjt+sizeijt+Tijt+γi+γt+φijt

(3)

Paretojt=δ0+δ1lnIMSjt+δ2lnTFPijt+δ3lnInnovijt+Zijt+δi+δt+τijt

(4)

式(1)至式(4)中,下标i、j、t分别表示企业、行业、年份。Pareto代表行业中企业规模分布的帕累托分布指数,IMS表示行业进口品技术复杂度,企业全要素生产率TFP和企业创新Innov是中介变量,size是企业规模虚拟变量,α0、β0、γ0、δ0是常数项,αj行业固定效应;βi、γi和δi为加入的企业层面固定效应,吸收行业、企业层面其他冲击对结果的干扰;βt、γt和δt表示加入的时间固定效应,用以控制模型变量在时间上的固定特征对实证结果的影响;year是时间趋势项,用以控制模型中一些随时间变化的趋势或周期性规律对实证结果的影响;εijt、φijt、φijt和τijt是随机干扰项。

式(1)中,lnIMSijt回归系数α1代表进口品技术复杂度影响企业规模分布的总效应,式(2)至式(4)分析进口品技术复杂度经企业全要素生产率(TFP)和产品创新(Innov)两个中介变量对企业规模分布的间接影响。交叉乘积项sizeijt×lnIMSjt反映了不同规模企业进口品技术复杂度对中介变量的异质性影响。进口品技术复杂度对企业规模分布的直接影响效应通过回归系数δ1反映;企业全要素生产率和产品创新产生的间接影响效应分别由回归系数β1×δ2和γ1×δ3体现。

Z、O、T是控制变量向量,Z向量由影响企业成长的企业特征变量组成,包括企业年龄(age)、企业平均工资(wage)、企业利润率(profit)、资本密集度(capint)、企业融资约束(finres)、企业市场竞争程度(hhi)、政府补贴(gov);向量O是影响产品创新的企业特征变量集,包括企业年龄(age)、企业规模(size)、资本密集度(capint)、企业利润率(profit)、政府补贴(gov)、市场竞争程度(hhi);向量T是影响企业全要素生产率的企业特征,包括企业年龄(age)、企业规模(size)、企业利润率(profit)、企业资本密集度(capint)、市场竞争程度(hhi)。

(二)指标与数据处理

1.被解释变量

企业规模分布指数。企业规模分布是指不同规模企业的分布形态。现有研究依据吉布莱特定律(2)吉布莱特定律(Gibrat’s law)是由法国经济学家吉布莱特(Robert Gibrat)提出,主要研究企业规模和成长的规律,用于衡量企业规模的不平等程度。具体指的是,如果把所有企业按照规模从小到大排列,那么最大的企业拥有的市场份额会非常大,其他小企业的市场份额相对较小。企业规模的不平等程度可由吉布莱特系数来衡量,如果吉布莱特系数接近1,表示市场上大部分份额被少数几家大企业垄断,若接近0则表示市场份额相对平均地分布于各规模企业中。、齐夫定律(3)齐夫定律(Zipf’s law)是一种典型的幂律分布,由哈佛大学语言学家乔治·齐夫(George Zipf)1949年发现的一个实验定律,即在自然语言里,一个单词出现的频率与它在频率表里的排序成反比,也可以反映在企业规模的排名规律。具体指的是,在某些情况下,一个市场、城市或组织中,排名第二的实体的规模大概是排名第一的实体规模的一半,排名第三的实体大概是排名第一的实体规模的三分之一,以此类推。测度企业规模分布收敛于对数正态分布或满足帕累托分布的情况[26]来判定企业规模分布情况。企业规模分布收敛于对数正态分布或满足帕累托分布表明企业规模分布均匀,反之则表示不均匀。由于现实企业规模分布基本不符合吉布莱特定律[27],本研究依据齐夫定律使用帕累托分布指标测度我国制造业企业规模分布情况。研究借鉴由Eeckhout提出,Gabaix等人改进的“排名-规模”(Market-size)法则[28-29]构建测度企业规模分布的Pareto指数实证模型,表达式为:

Ri=As-k,A>0

(5)

其中,Ri表示企业i的规模在行业中的排名,A为大于0的常数,s为企业规模。k为帕累托指数,它的经济含义为:k=1,说明企业规模分布满足齐夫定律,即企业规模分布比较均匀;k<1,说明大企业发展较好,中小企业发展相对不充分,企业规模分布不均匀。研究对式(5)进行对数线性化得到:

ln(Ri)=lnA-klns

(6)

常规帕累托指数估计方法是直接对式(6)进行OLS回归,但Gabaix等人通过理论推导和实证检验发现,对排名Ri移位1/2,使用ln(Ri-1/2)替代ln(Ri)可以将OLS小样本所带来的偏差降到最低[29],本研究采用上述方法,最终企业规模分布测度模型设立如下:

ln(Rit-1/2)=α-klnSit+κit

(7)

其中,α=lnA为常数项,κit是随机误差项。研究采用企业固定资产、营业收入两个指标度量企业规模,选取国民经济行业分类中制造业行业C13—C43(去除C38)的29个行业,基于式(7)估计参数k,最终得到我国制造业29个行业的企业规模分布指数。

2.解释变量

(1)核心解释变量:企业进口品技术复杂度

高收入国家一般视为高技术产品出口国,现有研究基于出口国人均收入加权平均值度量贸易品技术复杂度[30],值越高表明贸易品技术水平越高,反之则越小。研究通过下述步骤计算29个制造业产业进口品技术复杂度:首先,依据CEPII-BACI公布的1995—2020年多国双边贸易数据计算2000—2014年各产品k(一个HS6位编码)出口复杂度值prodyk。

(8)

其中,xik为国家i出口产品k的总额,xik=∑ixik为国家i出口总额,xik/Xi是产品k(出口总额)在国家i出口总额中的比重。Yi表示出口国人均收入水平。

其次,将行业中进口各产品k的出口复杂度prodyjk加总为行业进口品技术复杂度IMSj,计算公式如下:

(9)

其中,mjk为行业j中k产品的进口额,∑k(mjk)是j行业的进口总额。

(2)企业规模指标

研究以企业固定资产和营业收入两个指标衡量企业规模,按照企业规模从小到大的顺序分为五类,构建五个企业规模虚拟变量,依次为:小企业(small),小中企业(small_medium),中企业(medium),中大企业(medium_big),大企业(big)。

3.中介变量

(1)企业全要素生产率(TFP)

测算TFP的方法主要有:固定效应估计法、Olley-Pakes(OP法)、Levinsohn-Petrin(LP法)、Ackerberg-Caves-Frazer(ACF法)。固定效应法只考虑个体变化,忽略时间带来的信息;OP法以投资额作为代理变量,忽略了投资额为0的样本,失去统计的随机性,上述两个方法均会带来估计结果的偏误。LP法解决了OP法遗漏变量的问题,可以更好地反映生产率变化;在LP法基础上,ACF法将劳动投入引入中间品投入函数,弱化LP法估值不可识别性和内生性问题。现有研究普遍使用LP法和ACF法测度全要素生产率。

与鲁晓东等人估算方法[31]相一致,本研究首先使用LP法测度企业全要素生产率。其次,在稳健性检验中,借鉴Ackerberg等人做法[32]采用ACF法进行测度。企业产出Y、劳动L、资本K、中间投入M分别使用工业增加值,从业人员规模、雇员补贴和失业保险工业之和,固定资产净值,中间投入总额进行衡量。

(2)产品创新指标(Innov)

产品创新的测度有两类基本指标,一类是创新投入,即企业的研发投入;另一类是创新产出,即企业专利产出或新产品产值。用企业研发投入衡量产品创新存在误差和滞后性,现有研究普遍从创新产出视角衡量产品创新情况。本研究使用新产品产值和企业专利数来度量企业产品创新情况[33-34]。

4.控制变量向量(Z、T、O)

企业年龄(age),一般来说,企业会随着“年龄”的增长而成长,本研究使用企业当期年份减去其成立年份来衡量企业年龄。

企业平均工资(wage),企业平均工资水平对企业成长具有促进作用[35],本研究采用(企业工资总额+福利费总额)/就业人数对此指标进行计算。

企业利润率(profit),企业盈利越大,实力越强,企业扩大生产规模的动机也越强[36],其计算公式为(企业利润总额-补贴收入/企业销售额)。

资本密集度(capint),相对于劳动密集型企业,资本密集型企业更注重设备的研发和投入,企业成长速度越快,忽略企业资本密度将会带来模型估计结果偏差,资本密集度由企业固定资产年均余额除以企业就业人数的获得。

市场竞争程度(hhi),市场竞争程度会影响企业生产率和产品创新[37],进而影响企业规模分布。赫芬达尔指数是衡量市场竞争程度的常用指标[38],该指数越大表示行业集中度越高,垄断程度越大,反之则越小。本研究通过计算企业市场份额的平方数获得此指数,即企业市场份额=企业年销售收入/企业所在行业年总销售收入。

政府补贴(gov),政府补贴会促进企业研发,降低企业生产成本,促进企业成长,进而影响企业规模分布。当企业获得补贴时,gov=1,否则为0。

企业融资约束(finres),现实中不同规模的企业受到的融资约束存在极大差异,融资约束是导致企业成长速度产生差异的重要因素之一[39]。本研究使用企业固定资产率控制企业融资约束对企业规模分布的影响,即企业固定资产率=企业固定资产账面价值/企业总资产账面价值。

5.数据处理

本研究使用的数据主要有CEPII-BACI公布的多国双边贸易数据、国家统计局公布的中国工业企业数据、中国海关进出口数据,以及中国企业专利数据库数据。为获得包括进口品技术复杂度、企业各项特征指标和产品创新的企业面板数据,研究对数据进行了以下处理:

首先,为获得包括企业进口数据和规模分布的企业微观数据,研究以企业代码作为识别变量,对中国工业企业数据和中国海关进出口数据进行匹配。中国工业企业数据是国家统计局对规模以上工业企业的调查数据,收录有所有国有企业及年销售额在500万元以上的非国有企业的财务信息及相关生产信息,时间为1998—2014年;中国海关数据提供了HS8位编码层面中国与200多个国家的双边进出口贸易数据,时间为2000—2014年,因两个数据库共有时段是2000—2014年,本研究的样本时间跨度也设定在2000—2014年。

其次,我们依据CEPII-BACI公布的多国双边贸易数据计算产品k(一个HS6位编码)的出口复杂度值prodyk,并将prodyk的计算结果依据HS6位编码匹配到中国工业企业和中国海关进出口数据的合并数据中,建立了包括进口品技术复杂度与企业各项指标的企业面板数据。

最后,对于产品创新指标的度量,本研究除了使用中国工业企业数据中的新产品产值,稳健性检验部分还使用了企业专利总数指标。研究进一步以企业编码为识别变量,将中国企业专利数据库中的企业专利数据匹配到上述数据合并结果中,最终获得了包括进口品技术复杂度、企业各项指标和企业专利的企业面板数据。

本研究的研究样本来自中国29个制造业行业,各年份样本包括的企业平均数为58 766家,总观测值为3 749 569个。在匹配过程中,上述控制变量2010年数据值缺失的,研究采用线性插值法补齐(现有研究的一般做法)。考虑极端值对回归结果可能造成影响,研究对所有数据进行了5%的缩尾处理。此外,研究所有名义变量都以1979年为基期进行价格平减,所使用的价格平减指数为CPI指数(1979=100),相关数据来源于中国国家统计局。

(三)描述统计

变量描述统计分析见表1。2000—2014年,我国制造业29个行业按照固定资产估计,企业规模帕累托分布指数各年均值从0.28上升到0.37;按照营业收入估计,该指数各年均值从0.37上升到0.71。整体样本均值分别为0.28与0.55(均小于1),表明我国制造业企业规模分布呈趋向均匀的状态转变,但总体处于分布不均匀的状态,偏离了齐夫定律,这也与方明月、杨其静等人基于1999—2005年中国工企数据库数据得出的研究结论一致[26,40]。此期间,我国制造业企业进口品技术水平总体提高,从10 018.58美元上升到19 282.99美元,表明我国加入WTO后,进口贸易在引进先进技术、弥补国内技术空缺上发挥的作用越来越大。29个制造业行业进口品技术复杂度均值为16 245.42美元,最大值为35 270.36美元,最小值为4 533.88美元,方差为5 371.65,表明我国制造业进口品技术复杂度在企业间的离散程度较大,模型结论较稳定。

表1 变量描述统计

图2直观地展示了进口品技术复杂度与制造业企业规模分布的关系。由图2,进口品技术复杂度与制造业企业规模分布呈负相关,进口品技术复杂度的提升抑制企业规模的均匀分布。当然,图2只能反映二者相关关系,不能明确进口品技术复杂度对企业规模分布的影响效应和传导机制,需进一步实证研究。

图2 2000—2014年进口品技术复杂度与制造业企业规模分布关系散点图

四、进口品技术对制造业企业规模分布的直接影响效应

(一)基础回归结果

基于式(1),研究采用最小二乘法(OLS)估计进口品技术复杂度lnIMS对制造业企业规模分布帕累托分布指数Pareto的影响效应,估计结果见表2。在估计过程中,研究采取以下方法减少遗漏变量带来的估计偏误:首先,加入时间趋势项控制随时间变化的因素带来的影响;其次,加入一系列影响企业成长的企业特征因素和行业特征因素作为控制变量;最后,根据F检验和Hausman检验结果确定模型适用的固定效应,并在模型估计过程中控制个体固定效应。

表2 进口品技术复杂度对制造业企业规模分布的直接效应

由表2所列结果,在逐步加入控制变量的过程中,lnIMS的系数方向始终为负,证明直接效应的负向影响具有稳健性。表2列(8)是加入所有控制变量后的回归结果,进口品技术复杂度的企业规模分布指数弹性系数为-0.052 2,表明企业进口品技术复杂度上升一个百分点会带来行业企业规模分布指数下降约5.22个百分点,这说明制造业进口品技术水平的提高对大企业的成长是有利的,资源进一步向大企业配置抑制了制造业企业规模均匀分布,不利于中小型企业成长的市场竞争。

(二)稳健性检验

1.内生性处理

进口品技术复杂度对不同规模企业的成长发挥非对称性作用,是影响企业规模分布的因素之一。相对于小规模企业,大规模企业资源优势和垄断地位使其进口高技术水平产品的动机更强烈,双向因果关系由此产生,导致内生性问题。本研究使用进口品技术复杂度lnIMS一期滞后项作为工具变量进行2SLS回归来解决模型内生性问题。估计结果表明(见表3),依次加入控制变量后,lnIMS的符号依然为负且系数估计值变化不大,表明实证明结果具有稳健性。

表3 进口品技术复杂度对制造业企业规模分布的直接效应(IV估计)

2.替换指标

企业规模分布的测度结果显示(见表1),使用固定资产测度的29个行业的企业规模帕累托分布指数(Pareto)均值为0.28,单个行业规模分布指数最小值为0.08,最大值为0.89,各行业大企业发展均优于小企业。使用营业收入测度的29个行业的企业规模帕累托分布指数(Pareto)最小值为0.18,最大值1.11,存在单个行业小企业发展状况优于大企业的情况(Pareto>1),这与固定资产测度的帕累托指数情况存在一定差异。为避免使用单一指标度量企业规模分布的局限性,研究以替换被解释变量为营业收入来度量企业规模分布指数Pareto_income,分别使用OLS法和IV法进行了回归估计,回归结果见表4。

表4 替换被解释变量后的企业规模分布测度指标回归结果(OLS和IV估计)

由表4所列结果,lnIMS估计系数均显著为负,证明了实证结果的稳健性。

(三)异质性分析

标准的OLS法主要关注自变量对因变量条件均值的影响,总体样本回归反映了进口品技术复杂度对制造业企业整体规模分布的平均影响效应。我国进口品技术复杂度与企业规模分布关系在区域、行业、不同所有制企业上呈现出较大差异,由此带来的影响效应不同。本研究分别从区域、行业、不同所有制三个维度进行了实证,估计结果显示进口品技术复杂度对企业规模分布的影响呈显著异质性(见表5),具体表现为:进口品技术复杂度的增加促进了东部地区企业规模均匀分布,但会抑制中西部地区企业规模的均匀分布;相较于中部地区,进口品技术复杂度的增加对西部地区企业规模均匀分布的抑制作用更大。造成上述情况的原因在于:我国中西部地区经济欠发达,企业在激烈的市场竞争中进行产品创新研发的能力和意愿都较低[40],而通过进口技术带来的竞争效应和学习效应对大企业创新和全要素生产率提升的促进作用更大,企业成长更快,最终促使中西部地区企业规模分布不均匀。

表5 进口品技术复杂度对制造业企业规模分布影响的直接效应的异质性分析结果

进口品技术复杂度的提升抑制了劳动密集型和资本密集型企业规模均匀分布,但对技术密集型企业规模均匀分布有促进作用。究其原因在于:相较于资本和劳动密集型行业企业,技术密集型行业企业,尤其是行业中的大企业对先进技术的进口依赖性更强,这使得大企业研发创新动力不足,不利于企业全要素生产率提升和开展产品创新,最终引致技术密集型企业规模趋向均匀分布。

研究根据企业所有制情况将其划分为国有企业、私营企业、外资企业,以及港澳台企业。根据实证回归结果,进口品技术复杂度的提升抑制了国有企业规模的均匀分布,却促进了私营企业和外资企业、港澳台企业规模的均匀分布。这表明,随着进口技术水平的提高,资源进一步向国有企业中的大企业,及外资和民营企业中的中小规模企业集中,促进了上述类型企业的成长。其中原因可能是:政府给予企业研发补贴,可以降低国有企业融资约束和创新风险,提高企业的创新意愿[41];国有大企业较之小企业获得研发补贴的可能性更高,这更有利于国有大企业的成长,但也抑制了国有企业规模均匀分布。对于私营企业和外资企业、港澳台企业而言,进口品技术复杂程度高所带来的低生产成本对大企业来说更具吸引力,企业更愿意依赖于进口技术而不是开展自我研发创新,进口技术所带来的依赖效应在大企业的成长中发挥着重要作用,它抑制了企业的成长,但促进了私营企业、外资企业、港澳台企业规模的均匀分布。

五、进口品技术对制造业企业规模分布的影响机制

(一)基础回归结果

研究基于模型(2)至模型(4),分别使用OLS方法和IV方法实证研究进口品技术复杂度经全要素生产率和产品创新传导机制对企业规模分布的影响效应,回归结果见表6。其中,表6列(1)至列(4)是进口品技术复杂度对中介变量的回归结果,表6列(5)至列(6)为总回归结果。

根据中介变量判断准则——因果逐步回归检验法,若计量模型式(1)至式(4)中,直接效应主自变量回归系数(α1)、主自变量对中介变量回归系数(β1、γ1)、总回归中自变量和中介变量系数(δ1、δ2、δ3)都显著,则判断其为中介变量。从表3中进口品技术复杂度对企业规模分布的回归系数α1,表6列(2)进口品技术复杂度对全要素生产率的回归系数β1,表6列(4)对产品创新的回归系数γ1,表6列(6)企业规模分布对进口品技术复杂度的系数δ1,对企业全要素生产率的回归系数δ2,对产品创新的回归系数可以看出,各项回归系数满足上述准则。同时,本研究采用Sobel检验和95%置信区间下的Bootstrap检验进一步验证全要素生产率(TFP)和产品创新(Innov)的中介效应(见表6),两个变量的Sobel检验结果分别为2.74(p=0.00)和3.84(p=0.00),说明二者均在1%水平上存在中介效应,且全要素生产率和企业创新的Bootstrap置信区间均不包含0(见表6)。因此,研究认为全要素生产率和企业创新发挥了显著的中介作用。

在表6列(1)至列(4)列,进口品技术复杂度lnIMS的回归系数为正,表明进口品技术复杂度对企业全要素生产率和创新具有正向促进作用。企业规模虚拟变量size与lnIMS的回归系数反映了进口品技术复杂度对不同规模企业的全要素生产率和产品创新具有调节作用,其回归系数值为正,且与企业规模正相关,即随着企业规模增加而作用增大,在大企业最大,中大企业第二,第三是中等企业,最后是小企业。此外,这也表明相对于其它规模企业,进口品技术复杂度使得大企业全要素生产率和产品创新增长更快;相较于依赖效应,进口技术升级产生的学习效应和竞争效应使大企业全要素生产率及产品创新增长更快。大企业更愿意通过进口技术引进促进企业创新和全要素生产率增长,进而促进企业成长。

进口技术复杂度经企业全要素生产率和产品创新传导机制对企业规模分布的影响效应反映在β1×δ2和γ1×δ3两个回归系数上,它们均为负说明进口技术复杂度通过这两个渠道对企业规模均匀分布产生了抑制作用。由计量模型式(2)至式(4),进口品技术复杂度通过企业全要素生产率和产品创新中介变量对企业规模分布影响的间接效应占总影响效应的权重分别为β1δ2/α1和γ1δ3/α1,其结果分别为18.96%和24.84%,说明进口技术复杂度提升通过产品创新传导机制对企业规模均匀分布的抑制作用要大于通过全要素生产率带来的。伴随进口技术水平的提高,异质性规模企业在产品创新上的差异是造成企业规模分布不均匀的主要原因,由全要素生产效率造成的差异则是次要因素。

(二)稳健性检验

为验证影响机制结论的稳健性,本研究首先将企业规模分布指标替换为营业收入测度的帕累托分布指标;其次,替换两个中介变量测度指标,借鉴Ackerberg等人方法,研究使用ACF法重新测度企业全要素生产率[32],记作TFP(acf);参照Hall等人方法,用企业专利总数衡量产品创新[43],记作Innov(patent)。

表7系替换上述所有变量后的回归结果。表7列(1)至列(4)是进口品技术复杂度对中介变量的回归结果,列(5)至列(8)是总回归的结果。其中,列(5)、列(6)是使用固定资产测度的企业规模分布测度指标总回归结果,列(7)、列(8)是使用营业收入测度的企业规模分布指标的回归结果。使用新测度指标后,进口品技术复杂度对全要素生产率和创新仍发挥促进作用,这种促进作用随着企业规模的增大而增强,即进口品技术复杂度对大企业全要素生产率和创新增长的促进作用更大,且通过全要素生产率和创新这两个要素渠道抑制了企业规模的均匀分布。

表7 替换企业规模分布和中介变量测度指标后的中介效应稳健性分析结果

六、结论与对策建议

(一)结论

进口技术水平的提升通过竞争效应、学习效应和依赖效应,引发企业因异质性导致的全要素生产率和产品创新提升程度的差异性,它对企业规模均匀分布具有抑制和促进的双重效应。本研究实证中国进口品技术复杂度对制造业企业规模均匀分布的影响效应及其经全要素生产率、产品创新发挥影响作用的传导机制,研究发现:

1.进口品技术复杂度提高会抑制我国制造业企业规模的整体均匀分布。异质性分析结果表明,这一抑制效应主要体现在对中西部地区、劳动密集型和资本密集型行业企业和国有企业;在东部地区和技术密集型行业、私营企业、外资企业、港澳台企业,进口品技术复杂度提高使企业规模分布更趋均匀。

2.中介效应实证检验发现,抑制制造业企业规模均匀分布的主要原因是:进口品技术复杂度对企业全要素生产率和产品创新的提升作用随企业规模的增大而增强;相较于全要素生产效率,企业规模不断增大,进口技术水平对企业产品创新的提升作用更强。

(二)对策建议

在我国进口贸易快速发展的背景下,推动中小规模企业成长,尤其是中西部地区企业、劳动和资本密集型行业企业、国有企业,是实现进口品技术升级促进我国制造业企业规模均匀分布、优化市场竞争环境的关键所在。研究提出以下建议:

增强对中小企业资本实力、技术优势提升的政策扶持,提高中小企业全要素生产率和产品创新是促进中小企业成长的重点。政府可从税收、补贴、融资等多渠道为中小企业成长提供资金支持,如降低企业所得税、实施科技研发费税前扣除等措施降低中小企业的税收负担,鼓励企业增加研发投入和实施技术创新;提高中小企业创新补贴;采取增加中小企业融资额度,降低融资成本,设立专门基金或信贷机构,为中小企业提供风险投资和创新基金等方式多方面降低企业融资约束,支持企业开展技术研发和提升创新能力。

完善中小企业专利保护政策。完善专利保护有利于保护中小企业知识产权和创新成果,降低中小企业研发风险,增加企业创新收益,提高企业技术创新积极性。政府鼓励中小企业积极申请专利,应简化专利申请流程,缩短审批时间,降低专利申请和专利维护成本;加大执法力度,严厉打击知识产权侵权行为,保护中小企业创新成果不受盗版、假冒产品等的侵害;建立有效的争议解决机制,快速、公正解决专利侵权纠纷,提高中小企业创新研发信心。

加强中小企业人才培养。加强中小企业人才培养有利于提升中小企业技术学习、消化、吸收能力。政府通过建议、指导等方式积极引导中小企业开展员工培训和帮助实现技能提升;加强中小企业与高等院校、科研机构合作,通过设立联合研发项目、科研成果共享机制等方式促进先进知识技术流向中小企业。