贸易不确定性对中国制造业企业全要素生产率的影响

赵喜洋 李军 闫文收

摘 要： 中国经济处于由高速增长向高质量发展阶段转变的攻坚期，推动中国制造业企业升级对其国际竞争力的提升具有重要意义。但由于“逆全球化”思潮和保护主义倾向抬头等一系列事件的发生，加剧了全球贸易的不确定性。以2000-2007年中国工业企业数据为样本，利用引力模型有效测度企业面临的贸易不确定性，实证研究贸易不确定性对中国企业全要素生产率的影响，并深入剖析其影响机制。结果表明：整体而言，贸易不确定性对中国制造业企业全要素生产率具有显著负作用，即贸易不确定性越低，企业生产效率越高；贸易不确定性对出口企业全要素生产率具有显著正向影响，而对非出口企业全要素生产率具有显著负向影响；贸易不确定性主要通过企业研发投入的中介作用影响企业生产率。本研究结论对在贸易不确定性背景下更好地促进中国企业全要素生产率提升具有重要政策启示。

关键词： 贸易不确定性； 全要素生产率； 影响机制； 中介效应

中图分类号： F424.7; F752 文献标识码： A DOI： 10.3963/j.issn.1671-6477.2023.03.007

一、 引 言

当前，世界政治经济格局正经历着深刻变革，而逆全球化思潮兴起、气候变化以及局部军事及政治冲突等，使得世界经济及贸易环境愈发充满不确定性。全球贸易不确定性的增加在一定程度上使得中国制造业企业生产率提升更加步履维艰。国内深化改革及促进产业结构转型升级的内在需求使得中国制造业企业必须转变过往粗放型发展模式，将企业竞争优势来源转变为企业全要素生产率水平的提高。在此背景下，使得贸易不确定性增加对企业生产率的影响成为一个新的重要研究视角，并成为学术界和社会现实最为紧迫的任务。学界虽有一些研究从企业进出口行为、要素投入、所面临的外部环境等对企业全要素生产率影响进行了大量研究［1-4］，但中国制造业企业面临贸易不确定性是如何影响企业全要素生产率问题，将成为新的研究突破口。因此，无论从短期还是长期来看，理论和经验分析贸易不确定性对中国制造业企业生产率的影响具有重要的学术价值和现实意义。

鉴于此，本文将聚焦贸易不确定性对企业全要素生产效率的影响。首先，根据中国与全球各国进出口贸易数据，利用引力模型估计出中国整体在国际贸易中面临的贸易不确定性，再计算出各省份面临的贸易不确定性水平。其次，使用2000-2007年中国工业企业数据库中29个两位数工业行业数据，用OP方法计算出企业层面全要素生产率水平。在此基础上，实证分析企业在经营中面临的贸易不确定性对其全要素生产率的影响，并使用倍差法处理基准回归中的内生性问题，同时进行稳健性检验。在基准回归基础上，进一步分析贸易不确定性对出口企业和非出口企业的不同影响，并从企业要素投入角度使用中介效应模型剖析贸易不确定性影响企业全要素生产率的途径。

本研究的主要贡献体现在三个方面：第一，使用引力模型估算出中国制造业企业面临的贸易不确定性，拓展了不确定性研究的范围；第二，以中国企业微观数据为样本，分析了贸易不确定性对企业全要素生产率的影响，从一个新的角度研究贸易与企业生产率之间的因果关系；第三，数量化考察了贸易不确定性对企业全要素生产率的影响机制，并对不同机制的影响程度进行了度量，得出了企业面临贸易不确定时提升企业全要素生产率的政策支持依据。

二、 文献回顾与研究假设

（一） 贸易不确定性与企业行为

不确定性是指投资环境信息的不确定，包括政策、经济状态、要素市场价格、产品市场价格等方面信息的不确定［5］。国外文献关于贸易不确定性对企业行为的影响主要集中在影响出口市场上企业的进入退出以及企业中间产品的投入两方面。如Handley使用动态异质性企业模型构建了政策不确定性下企业进入或退出出口市场的理论框架，并以澳大利亚加入WTO为例进行了经验检验［6］。Handley & Limo指出贸易政策不确定性下降不仅增加了出口商的数量，还增加了出口产品的种类，即不确定性下降能显著提升企业与产品进入［7］。

国内关于贸易不确定性与企业行为领域有着丰富的研究成果。苏理梅等基于贸易政策不确定性的视角，利用中国加入WTO前后美国对中国产品进行关税调整这一自然实验，通过倍差法分析了贸易自由化对中国出口产品质量的影响［8］。汪亚楠和周梦天研究了中国加入WTO之后，贸易不确定性、关税减免对中国出口产品分布的影响［9］。钱学锋和龚联梅认为区域贸易协议降低了中国面临的贸易政策不确定性，促进了中国制造业的出口［10］。陈虹和徐阳、毛其淋和许家云、孙一平等分别讨论了贸易政策不确定性与中国企业就业人数、企业储蓄行为、企业内部工资不平等的关系［11-13］。汪亚楠、张平南等分别研究了贸易政策不确定性对中国出口企业短期利润和长期利润的影响，及对企业出口国内附加值率的影响［14-15］。张夏等讨论了经济政策不确定性与中国出口贸易转型升级的关系［16］。

虽然已有文献研究了贸易不确定性对企业行为的影响，且引领了不确定性研究新的方向，也开启了不确定性研究的新篇章，但较少对企业面临贸易不确定性时企业生产率受到的影响程度到底有多大而给出确切答案。依据上述文献，贸易不确定性显著影响企业资金与人力资本等要素的投入，也对产品质量及出口行为产生作用。

基于以上分析，本文提出以下研究假设。

假设1：贸易不确定性对中国制造业企业全要素生产率具有显著负作用，即贸易不确定性越低，企业生产效率越高。

（二） 生产率有效测度及影响因素

全要素生产率（Total Factor Productivity，简称TFP）反映生产过程中各种投入要素单位平均产出水平，也就是投入转化为最终产出的总体效率。按照关注点不同，宏观方法主要关注国家、地区或产业的总体生产率水平或增长率，微观方法则是针对个体企业的考察，而宏觀的生产率水平并不能简单理解为微观生产率的线性加总［17］。Brandt等［18］将全要素生产率研究从宏观转入到微观层面，国内学者田巍等［19］、盖庆恩等［20］、吕越等［21］、林毅夫等［22］开始研究企业全要素生产率。企业层面全要素生产率计算常见方法主要有OLS、FE、OP、LP和GMM。其中，OLS方法由于存在同时性偏差和样本选择偏差，尤其同时性偏差导致的内生性问题而被认为具有较大缺陷。而针对OLS方法中同时性偏差和样本选择偏差的不同修正方法便产生了后面四种TFP计算方法。鲁晓东和连玉君运用1999-2007年中国工业企业数据库数据，使用上述五种方法计算了中国主要工业企业的TFP［17］，最终横向对比发现半参数方法中的OP方法和LP方法能够较好处理上述偏误［18-19］。

大量文献分析了全要素生产率的影响因素，主要从企业进出口行为、要素投入对其全要素生产率的影响展开研究。企业进出口对其全要素生产率影响的研究发现，只有最具生产率的企业才能支付得起进入出口市场的成本［20］，因而出口企业往往具有更高的生产率水平，即出口自我选择效应的存在。这一效应也得到大量经验研究的证实。相较之下，只有少部分文献证实了出口学习效应的存在，即出口显著地促进了企业生产率的增长［21-22］。李小平等［23］以及高凌云和王洛林［24］也证实了进口对中国工业行业全要素生产率水平的促进作用。人力资本与全要素生产率关系的研究发现人力资本对TFP具有显著正向影响［25］，但研究并没有得出一致结论［26］。考虑到技术创新和新知识的外部性，Bernstein & Nadiri［27］、夏良科［28］、孙晓华等［29］学者们进一步考察了行业R&D活动的溢出效应对相关产业全要素生产率的影响。

已有研究对企业生产率的影响进行了多维度、多视角的理论和实证分析。本文以非经济因素导致的贸易不确定性为新的研究视角，分别提出以下假设。

假设2：即使面临同样贸易不确定性，对出口企业和非出口企业全要素生产率的影响不同。

假设3：企业生产要素投入与技术创新等因素显著影响企业全要素生产率。

（三） 贸易不确定性对企业生产率的影響机制

贸易不确定性也可通过贸易自由化水平得到侧面反映，大量研究理论和实证分析了贸易自由化水平对企业创新能力的影响。企业创新对生产率具有正向影响在学界已经基本达成共识，创新提高企业生产率水平，对企业具有长期的积极影响，尤其是当生产要素投入达到一定水平时，企业生产率的提升只能依靠创新完成。根据企业异质性理论，由于“自我选择”效应的存在，高生产率企业选择进行国际贸易［30］。因而，更高的创新水平促使企业作出出口决策。但创新与出口之间从来不是单向的连接关系。企业通过出口获得规模经济效应，在一定程度上分摊创新的投入成本而获得更高收益，另外，通过技术溢出和竞争激励，企业不断提高自身创新能力和创新水平［31］。也有学者提出，并不是所有企业都能通过出口提高创新水平，这其中要考虑到企业将研发投入转化为现实收益的能力。李兵等［32］对中国工业企业的研究发现，出口对于自主创新技术的促进作用主要在具有一定技术含量的企业中。类似地，有研究发现［33］，处于创新产业链低端的企业，增加研发投入反而会阻碍企业的国际化扩张。康志勇的研究发现［34］，出口对企业创新的影响具有异质性，大规模企业能主动进行出口学习，出口对创新的影响为正，而对于小规模企业，出口对创新的影响为负。

为厘清贸易不确定性对企业生产率的影响机制，我们提出以下假设。

假设4：企业在面临不确定性风险时，可以通过规模扩张（增加固定资产或就业人数）和增加研发投入两种方式提高生产率。

三、 研究设计

（一） 模型设定

在上述理论文献分析基础上，围绕贸易不确定性对中国制造业企业全要素生产率的影响进行实证分析，设定计量模型如下：

TFPit=β0+β1·PROCpit+β2·Xit+UI+Ut+εit（1）

其中，i代表企业，t代表时间，p代表省份，TFPit代表中国制造业企业全要素生产率，PROCpit代表各省份面临的贸易不确定性水平，Xit代表一系列控制变量，UI为行业固定效应，Ut为时间固定效应，εit表示随机扰动项。

（二） 样本与数据

为了充分研究贸易不确定性对企业全要素生产率的影响，研究使用的数据按需要来自三个数据库。

第一个是由国家统计局建立并维护的《中国工业企业数据库》，其样本范围为全部国有企业以及主营业务收入在500万元以上的非国有企业（这一标准在2011年改为2000万元以上）。本文使用了该数据库中2000年到2007年的样本，并依据其所提供的企业财务指标计算出企业全要素生产率。参照杨汝岱的方法［35］对该数据库的处理分为两个部分，即构建面板和剔除部分异常样本。在此基础上，参照戴觅和余淼杰标准［36］对数据进行了处理，共保留观测值1 080 699个，399 729家企业。其中，制造业样本数为999 112，合计370 673家企业，其中，制造业样本是本文讨论的重点。

第二个是引力模型数据库数据，主要来自Glick & Rose［37］，该数据库包含1950-2015年全球200个国家双面贸易流量的数据，并包含国家和国家之间关系特征的数据。

第三，在度量企业贸易不确定性时，本文从《中国统计年鉴》获取中国31个省（市、区）进出口贸易量的数据，以每个省（市、区）进出口贸易占全国贸易总量份额为权重来计算每个省（市、区）贸易不确定性。

（三） 指标测度

1.核心解释变量：贸易不确定性

本研究中的贸易不确定性是由非实体经济（如政策、战争、技术等）导致的贸易波动，也就是除经济因素之外的其他影响因素而产生的贸易不确定性［38］，其不同于由于经济本身而导致的不确定性。使用该指标时，需基于以下两个假设：其一，假定中国每个省份企业在同一年所面临的贸易不确定性相同；其二，每个省份贸易风险程度与其对外贸易依存度相关，因此假设每个省份所在的企业面临相同的贸易风险。在面板计量分析中，企业贸易风险波动存在于两个维度：一是随着时间变化其贸易风险存在波动；二是在不同省份企业面临不同的贸易风险。而通过估计的引力模型误差所得到的残差êct，是衡量由非实体经济而导致贸易不确定性的有效指标［39］。而具体估计中国每个省份在年份t面临的贸易不确定性，主要分以下三个步骤：

第一，计算出中国作为一个经济体整体在与任一国家i的双边贸易中所面临的贸易不确定性。在此采用了Head等［40］的公式并加以调整使之更符合中国情况，公式如下：

logBilateralTradeGDPit=β0+α·logPopulationit+γ·logDistancei

+δ·logAreai+θ·Borderi+φ·Lockedi+τ·Freetradeit+εi（2）

其中，logBilateralTrade/GDPit为国家i在年份t与中国进出口贸易总额与其国内生产总值比值取对数，贸易總额和国内生产总值均为名义值；Populationit为该国人口数；Distancei为该国与中国的地理距离，单位为km；Areai为该国国土面积，单位为km2；Borderi为该国是否与中国接壤的虚拟变量；Lockedi为该国是否是内陆国的虚拟变量；Freetradeit是该国是否与中国签订有自由贸易协定的虚拟变量；β0、α、γ、δ、θ、φ、τ是需要估计的参数，εi是残差项。

根据Jurado［38］的研究，贸易不确定性为模型（2）所不能解释的变异即残差项εi。由此，可以计算出国家i与中国间的贸易不确定性。

第二，计算中国作为一个经济体在双边贸易中面临的总的贸易不确定性，即中国与所有国家间贸易不确定性以该国进出口贸易总额占中国进出口总额的比例为权重进行加权求和，得出中国面临的总体贸易不确定性εt。计算公式如下：

εt=∑ni=1εi·WiWt（3）

其中，Wi代表中国与相关国家i间双边贸易总额，Wt代表中国进出口贸易总额。

第三，计算中国各省份所面临的总体贸易不确定性，即用某一具体省份进出口贸易总额占中国进出口贸易总额的比例与中国整体贸易不确定性相乘，乘积即为该省份在对外贸易中所面临的贸易不确定性。计算公式如下：

Trade_uncertaintypit=εt·WpiWt（4）

其中，Trade_uncertaintypit代表省份p在t年所面临的贸易不确定性，Wpi代表省份p进出口贸易总额；εt、Wt与前面含义一致。需要注意的是，由于每个省份内企业所面临的政策条件、地理位置等外部环境要素基本一致，在此，可以认为每个省份内企业在同一年份所面临的外部环境因素所导致的贸易不确定性具有一致性。

2.被解释变量：全要素生产率

下文都是以企业层面全要素生产率（TFP）为基础进行讨论。借鉴鲁晓东、连玉君［17］以及杨汝岱［35］的处理方法，以OP法计算所得TFP进行基准回归，并使用LP法TFP进行稳健性检验。

在使用OP法计算全要素生产率过程中，以工业增加值衡量总产出，以固定资产合计衡量资本，以It=Kt-Kt-1+Dt计算投资。其中，K代表固定资产总值，D为固定资产折旧。然后，使用各省工业品出厂价格指数对企业工业增加值和中间投入进行价格平减，对资本（固定资本合计）使用各省固定资产投资价格指数平减，价格指数来自《中国统计年鉴》。

按照两位数行业分类，矿产、石油等行业由于自然资源在生产过程中有重要作用，其生产函数不能简单假设为C-D生产函数，也就不适用于现有方法对TFP的分析［35］。此外，服务业的生产函数也较为复杂，非C-D生产函数所能刻画。因此，本文按照其做法，只对两位数行业分类中29个制造业行业企业样本进行分析。

3.控制变量

除重点考察的核心解释变量贸易不确定性外，基于对现有研究成果的梳理，加入以下变量作为控制变量。

（1）研发密度（RDD）：研发投入代表了企业在引进研发人才、研发新产品与新的生产技术以及设备所投入的资本，是提高企业生产率与市场竞争力的重要途径。由于《中国工业企业数据库》缺乏2000年、2002年及2003年企业研发投入数据，文章使用《中国科技年鉴》中“分行业大中型工业企业技术开发经费筹集”各行业年均值代替。以企业研发投入与企业销售收入比值作为衡量企业研发密度（RDD）的指标，预计其影响为正。

（2）出口规模（EX）：由于自我选择效应和出口学习效应的存在，出口对生产率的影响不明确，在此以出口交货值占企业工业销售产值的比重衡量企业的出口规模（EX）。

（3）补贴程度（Sub）：来自政府的补贴收入有利于企业加大与科研创新和新产品开发有关的研发投入以及扩大企业投资规模、利用规模经济实现生产率水平的提高。但由于政府与企业间信息不对称，在政策制定者信号甄别机制缺失或失效的情况下，部分企业甚至会释放虚假信号以达到欺骗政策制定者的目的，从而严重削弱政府补贴的激励效应，这尤其表现在R&D补贴上。因此，该指标对企业全要素生产率的影响有待考察。由于《中国工业企业数据库》中2001到2003年的数据缺乏“全年营业收入合计”这一指标，在此，以企业补贴收入和企业产品销售收入（主营业务收入）的比值来衡量企业接受补贴的程度（Sub）。

（4）利润率（Profit）：利润率高的企业能够拥有更多资金改善企业生产条件进而提高企业生产率，在此以主营业务利润与产品销售收入（主营业务收入）的比值来衡量，预计其影响为正。

（5）资本密度（KL）：资本密集型企业往往更倾向于扩大生产技术领域的投资来提高生产效率与产出规模进而提高企业利润，预计其影响为正。在此，以资本劳动比（KL）来衡量企业资本密集程度，用“资产总计”与“年末从业人员合计”指标的比值代替。

（6）中间投入（Input）：中间投入品高的企业可能更加依赖与要素投入而非加大研发来提高产出，预计其影响为负。在此，以中间投入品与工业增加值比值来衡量。

实证分析中，各控制变量衡量指标加1取对数代入模型方程。下面表1报告了主要变量的基本统计特征。

四、 实证结果分析

（一） 基准回归

针对面板数据分别使用普通最小二乘法（OLS）、固定效应（FE）与随机效应（RE）估计，依据检验结果，应选择固定效应回归。为了更清晰地展示贸易不确定性对中国制造业企业全要素生产率的影响，用固定效应模型分别在不加入和加入控制变量的情况下估计了贸易不确定性对TFP的影响，以加入控制变量后估计结果作为基准回归，并以混合回归结果作为对照，结果报告在表2第（1）、（2）、（3）列。

表2结果显示，在加入一组控制变量之后，贸易不确定性估计系数绝对值在显著性水平不变的情况下反而增大了，而在加入控制变量情况下固定效应回归与混合回归中不确定性系数值相同，且都在1%的水平上显著。由此，预测是由于部分控制变量在贸易不确定性影响TFP机制中出现了遮掩效应，即在不控制某些代表企业特质的变量影响下，会明显低估贸易不确定性对全要素生产率的影响程度，这一点我们将在后文进一步讨论。而基準回归结果显示，贸易不确定性对中国制造业企业全要素生产率具有显著负效应，且与混合回归结果及一般经验判断一致。

控制变量中，企业研发密度对企业生产率的影响显著为负，表明企业研发投入并未有效提高企业的TFP，且与混合回归结果一致。已有研究发现，研发人员和研发经费对技术效率的改善具有正向影响，但对技术进步具有抑制作用［41］。原因可能是由于产学研的脱节以及技术成果转化效率低下，造成研发投入不能直接促进生产率的改善。同时，国外技术引进在一定程度上对国内自主创新投入具有“挤出”效应。也有学者认为［42］，很多企业，特别是国有企业投入研发资金并非完全是为了研究新产品，而是为了获得税收奖励。

出口规模对全要素生产率的影响显著为负，说明企业出口规模越大，越不利于其全要素生产率水平的提高。按照比较优势的国际分工原则，中国出口的产品基本上是劳动力密集型的，技术含量不高的加工贸易出口已经占据中国贸易量的半壁江山，而这些主要依赖廉价劳动力价格等导致的出口不能提升工业行业的效率水平和生产率增长［23］。同时，中国出口增长主要来源于沿着集约的贸易边际［33］，即中国出口增长主要源于现有出口企业和出口产品在单一方向上量的扩张，而企业出口的产品种类过于单一不利于生产率的进步。

企业补贴规模对全要素生产的影响显著为负，表明对于那些以补贴收入作为重要收入来源，甚至补贴收入超过自身主营业务收入的企业而言，来自政府的补贴对其全要素生产率产生了显著负面影响。已有文献指出［43］，政府官员出于政治目标最大化的考虑，为了稳定就业，可能会给予生产率比较低或亏损的企业更高程度的补贴，而这类企业生产率的提升空间较为有限。同时，政府补贴对企业全要素生产率的影响与当地政府的补贴力度密切相关，当政府补贴力度较高时会显著抑制企业生产率水平的提高。

企业资本密度系数显著为负，与混合回归结果及预期都相反。可能是因为人均固定资产较高的行业都是重工业，例如钢铁、汽车和石化行业，这类企业历史包袱较重，或者违背了发展中国家的比价优势原则，因此效率不高［38］。

中间投入系数显著为负，与预期及混合回归结果一致。企业过分依赖要素投入增加产出而对企业研发及效率改进产生的“挤出”效应外，还可能是因为较多地使用工业中间投入，使得企业对上游关联企业的依赖性增加，在长期来说，生产效率就会表现出下降的态势。

（二） 区分出口和非出口企业影响

由于数据的限制，本文使用企业所在省份面临的整体贸易不确定性代替个体企业在经营中实际面临的贸易不确定性风险，因而可能无法准确考察出口企业与非出口企业实际面临的不确定性风险差异。但是，企业层面全要素生产率的测算使得本文有可能考察在即使面临同样不确定性风险时，出口企业和非出口企业全要素生产率的不同表现。在此，根据企业被观测年份出口交货值是否大于零，将样本企业划分为出口及非出口企业。如表2所示，在样本观测期间，有出口行为的企业占总样本大约四分之一。在此以固定效应方法对出口及非出口企业进行回归，并以总样本回归结果作为对照，回归结果报告在表2第（4）、（5）列。

如表2第（4）、（5）列所示，贸易不确定性对出口企业生产率具有显著正向影响，而贸易不确定性对非出口企业的负效应大约是其对总样本企业负效应的2倍。这表明贸易不确定性不仅不会降低出口企业的全要素生产率水平，反而有助于其生产率水平的提升，而贸易不确定性会显著降低非出口企业全要素生产率水平。这也表明出口企业比非出口企业拥有更强的抵御贸易风险的能力，也从侧面展示了出口企业较非出口企业在生产率方面的优势，而这种优势到底来自于自我选择效应还是出口学习效应，还有待进一步检验。

控制变量中，出口企业资本密度对其全要素生产率具有显著正效应，与总样本及非出口企业回归结果都不一致。可能的解释是，在中国出口企业中，资本密度较高的企业更有可能是高新技术产业非劳动力密集型产业，而更多的资本包含更多的技术水平，更有利于全要素生产率的增长。其它控制变量除出口规模在非出口企业样本中不显著外，系数值及显著性水平与总样本差别不大。

（三） 内生性处理及稳健性检验

1.内生性处理

（1） 双重差分法

为了更为准确地衡量贸易不确定性风险对企业全要素生产率的影响，避免因遗漏变量或数据测量偏误带来的内生性问题。下文进一步使用双重差分方法（DID）考察不同区域内省份贸易不确定性在2003年骤升对企业全要素生产率产生的影响。

如图1所示，在2002-2003年，中国整体贸易不确定性经历了一个短时间内快速上升的过程，其后三年中国整体贸易不确定性水平也逐步上升，较入世前两年有了较大幅度提升。而具体到各个省份可以发现，部分省份如西藏、宁夏等在这一冲击开始前后，即2003年前后，其贸易不确定性指数上升幅度低于千分之一，假设这部分省份由于进口规模较小，未受到中国加入世界贸易组织带来的不确定性冲击，并将其作为这一准实验的控制组，将其他省份作为实验组。以2003年为这一自然实验实施年份，DID模型设定如下：

TFPit=α+β·Di·Ti+λi+φt+γ·Zi，t+εi，t（5）

其中，虚拟变量Di表示企业是否属于实验组，如果企业所在省份属于青海、西藏、宁夏、甘肃、贵州、内蒙古之一则取0，否则为1；虚拟变量Ti代表是否在冲击发生后，如果样本观测时间在2003年后则取1，否则为0；λi和φt分别代表企业个体固定效应和时间固定效应的随机变量；Zi，t为一组控制变量，包括企业研发投入、资本密度、出口规模、中间投入；εi，t为扰动项；β是双重差分法中关注的参数，β>0表明贸易不确定性对企业全要素生产率有正向影响，即受到入世带来的不确定性冲击后，企业全要素生产率得到提升，反之，受到入世带来的贸易不确定性冲击后企业全要素生产率降低。

DID结果见表3第（1）列，其中，代表是否属于实验组实验开始后的虚拟变量DiTi系数显著为负，表明贸易不确定性冲击对中国制造业企业全要素生产率产生了显著的负向影响，这与基准回归结果一致。

（2） 平行趋势假设检验

双重差分方法估计结果无偏的一个关键前提条件是实验组和控制组之间满足平行趋势假设，即实验组和控制组因变量在事件发生前应具有相同的变动趋势，否则双重差分法会高估或者低估该事件产生的效果。文章使用事件研究法来验证平行趋势假设，如果平行趋势假设成立，贸易不确定性对中国制造业企业全要素生产率的冲击只会发生在2003年及其后年份，而在2003年之前，实验组和对照组企业全要素生产率的变动趋势不应该存在显著差异。

为了验证平行趋势假设，在模型（5）基础上设定如下的回归模型：

TFPit=α+∑4j=-2βj·Di·Ti+λi+φt+γ·Zi，t+εi，t（6）

其中，DiTi是一个虚拟变量，如果样本企业位于实验组省份且被观测时间在2003年及其后，则取值为1，否则为0。因此，β0为2003年贸易不确定性对实验组企业TFP的影响，β-1与β-2为冲击开始前两年的效果，β1到β4为2003年带来的贸易不确定性冲击开始后四年，不确定性对实验组企业全要素生产率的影响。如果β-1与β-2系数显著为0，则说明平行趋势假设成立，而β1到β4为入世带来的不确定性冲击随着时间推移而产生的动态效应。βj系数及其95%的置信区间见图2。图2显示，2003年前，实验组和对照组企业全要素生产率的变化趋势并没有显著的差异，表现为β-1与β-2的系数并没有呈现出一定的变化规律，更重要的是，β-1与β-2的系数在统计上并不显著异于0（10%的置信区间包含了0值）。这说明平行趋势假设成立，即控制组和实验组在入世带来的不确定性冲击开始前具有可比性。需要注意的是，由于《中国工业企业数据库》缺失2004年工业增加值等企业TFP计算所需的核心指标，上文删除了2004年样本，模型（6）回归中并不包含2004年数据，因此图2也并没有报告2004年即冲击开始后第一期系数β1及置信区间。而在2003年及其后年份中，β1系数为正，而β2到β4系数为负，且β3与β4系数在统计上显著小于0（10%置信区间不包含0值），而β1系数并不显著大于0（10%置信区间包含0值）。这说明2003年对中国制造业企业TFP存在负向的影响，即中国制造业企业在2003年贸易不确定性冲击开始后的第3年和第4年都有显著的下降。平行趋势假设检验的结果证实了本文运用双重差分方法的可行性，而双重差分法结果显示，贸易不确定性对TFP具有显著负向影响，這证实了本文基准回归结果的稳健性，即基准回归结论并未受到模型内生性问题的影响。

2.稳健性检验

以LP方法计算的全要素生产率作为被解释变量可作为基准回归结果稳健性的一种检验途径。改变全要素生产率计算方法后，回归结果如表3第（2）列所示，贸易不确定性对企业全要素生产率的影响依旧显著为负，而其它控制变量回归系数值差异很小，且各变量符号完全一致，这说明本文基本结论并没有受到被解释变量测算方法的影响，贸易不确定性对企业全要素生产率具有显著负效应。

一般认为，国有企业全要素生产率与非国有企业存在差距，在此将样本拆分为国有及非国有企业分别进行回归，以检验基准回归结果的稳健性。回归结果报告在表第（3）、（4）列，结果显示，贸易不确定性对国有及非国有企业都具有显著的负效应，说明基准回归结论并未受到企业控股情况影响，结论具有稳健性。同时，不确定性对国有企业的负效应程度比非国有企业的影响程度要显著，说明国有企业在面临不确定性时，其生产率水平更容易下降。控制变量中，出口规模以及资本密度系数显著为正，与总样本及非出口企业样本系数不一致，说明对国有企业而言，较高的出口规模和资本密度更有利于其全要素生产率水平的提高。在同样的显著性水平下，补贴收入对出口企业的负效应远高于其对非出口企业的负效应，我们推测，这是因为国有企业更容易获得来自政府的补贴，同时部分国有企业全要素生产率的提升空间更为有限。研发投入和利润率对两类企业全要素生产率影响差异不大。

最后，考虑到控制变量对个体企业全要生产率的影响可能存在一定的时滞效应，将模型中控制变量的当期项替换为各自的滞后一期值采用固定效应模型进行估计。控制变量滞后一期回归结果报告在表3第（5）列，从中可以看出，贸易不确定性对企业全要素生产率的影响显著为负，表明在考虑变量影响时滞效应后基准回归结果依旧稳健。其它控制变量回归结果与基准回归基本相似，但资本密度系数变为显著为正，可能的解释是，企业在固定资产投入方面对企业全要素生产率产生作用具有一定的时滞效应，而企业在当期固定资产方面的投入阻碍了企业在其他能在当期直接对全要素生产率产生正向影响的要素方面的投资，故基准回归中当期资本密度系数显著为负。

五、 影响机制分析

上文基准回归结果显示，在控制了企业研发密度、出口规模、中间投入等变量影响后，贸易不确定性对中国制造业企业全要素生产率具有显著的负面影响，稳健性检验结果证实了这一基本结论的稳健性。在此基础上，下文将按照温忠麟和叶宝娟［44］提出的中介效应检验程序进一步分析贸易不确定性这一企业外部环境因素对全要素生产率的影响机制。需要指出的是，现有文献已经从企业自身条件以及外部环境方面充分探讨影响企业全要素生产率的因素，限于篇幅与能力，不可能将所有这些因素纳入本文所讨论的不确定性作用途径范围。研究中将考察范围集中于企业要素投入范畴，假定贸易不确定性通过影响企业要素投入选择最终影响了企业全要素生产率。因此，主要考察企业研发投入、固定资产、从业人数这三个变量并将其作为贸易不确定性影响企业全要素生产率的途径。同时，上文区分出口及非出口企业回归的结果证实了出口企业在全要素生产率及抵抗贸易不确定性风险方面的优势，故加入企业是否出口的虚拟变量（Dexport）来控制企业出口行为的影响。此外，考虑到外资及港澳台企业在生产及管理技术等方面的区别，以及外资参股有助于提高国内企业生产效率［45］，增加是否外资控股或港澳台控股的虚拟变量（Dforeign）来控制这一优势的影响。检验模型设定如下：

TFPit=β0+c·PROCit+α1·Dexport+α2·Dforeign+ε1（7）

Zit=β1+a·PROCit+α1·Dexport+α2·Dforeign+ε2（8）

TFPit=β2+c′·PROCit+b1·RD+b2·K+b3·L+α1·Dexport+α2·Dforeign+ε3（9）

其中，c代表在控制了企业是否为出口企业和外资企业后，贸易不确定性对企业全要素生产率的总效应；Dexport和Dforeign分别是代表出口企业和外资企业的虚拟变量，属于则取1，否则为0；Zit代表企业要素投入选择，包括企业研发投入（RD）、固定资产（K）、职工数（L），而a则表示贸易不确定性对上述三个变量的估计系数；系数c′是控制了研发投入、资本、劳动力及代表出口和外资企业虚拟变量后贸易不确定性对全要素生产率的直接效应；b代表控制了贸易不确定性和两个虚拟变量影响后三个待考察中介变量对全要素生产率的效应。模型回归结果报告在表4。

表4第（1）列显示，贸易不确定性对全要素生产率负效应显著，中介效应检验继续。第（2）、（3）、（4）报告了控制企业是否出口以及外资控股虚拟变量后，贸易不确定性对企业研发投入、资本、劳动力投入影响的估计系数，结果显著，这表明在国际贸易中的不确定性风险确实会显著影响企业的要素投入选择。具体而言，贸易不确定性对企业研发投入、劳动力投入及资本投入都具有显著正效应。说明在面临不确定性风险时，中国制造业企业会倾向于增加要素投入以增强自身抵御风险的能力。

第（5）列中报告了检验方程（9）的估计结果，其中研发投入、固定资产、劳动力投入系数显著，证明间接效应显著，即贸易不确定性通过研发投入以及企业资本、劳动力要素间接影响了企业全要素生产率。同时，检验方程（9）中，贸易不确定性对全要素生产率直接效应估计系数c′显著，证实了直接效应的存在，即贸易不确定性可以直接影响企业全要素生产率。进一步对比间接效应ab和直接效应c′符号可以发现，研发投入、劳动力投入及资本投入的部分中介效应显著，即企业研发投入、劳动力要素投入及资本投入确实是贸易不确定性影响企业全要素生产率的途径。

表5报告了部分中介效应比例，其中，研发投入占据比例高达83.2%，表明在贸易不确定性通过影响企业要素投入进而影响其全要素生产率的过程中，企业研发投入是其中最为重要的影响途径。而劳动力投入与资本投入部分中介效应比例之和只占贸易不确定性总效应c′不到20%，而劳动力投入产生的部分中介效应甚至不到1%。进一步对比表4第（5）列各解释变量系数可以发现，研发投入重要作用的來源是研发投入对企业全要素生产率的负效应，而劳动力投入部分中介效应作用微弱的原因是其对全要素生产率及不确定性对其本身影响程度均较低。

六、 结 语

本文利用中国2000-2007年工业企业数据，实证研究了贸易不确定性对中国企业全要素生产率的影响。研究结果表明：整体而言，贸易不确定性对中国制造业企业全要素生产率具有显著负作用，即贸易不确定性越低，企业生产效率越高，贸易不确定性下降一个百分点，企业全要素生产率至少会提升1.7%；贸易不确定性对出口企业全要素生产率具有显著正向影响，而对非出口企业全要素生产率具有显著负向影响；贸易不确定性主要通过影响企业研发投入、生产资本投入和劳动力投入影响企业生产率，其作用占比分别是83.2%、17.7%、0.65%。

以上研究结论具有重要的政策启示。

首先，国家应降低贸易不确定性，平滑国际贸易，降低中国国际贸易不确定性。当前单边主义、贸易保护主义、逆全球化思潮抬头，特别是贸易摩擦不断升级，各国经济景气的不均衡性、区域贸易集团的排他性、贸易分配利益的两极化等，都造成了全球贸易发展的不确定性。中国政府应稳定传统优势贸易伙伴，寻求建立新的贸易伙伴，多元化进出口市场，以“投资组合”策略稳定中国国际贸易，为中国企业生产率的提高和产业升级提供良好的宏观环境。

其次，要转变国家企业补贴模式，以企业研发资金专项补贴代替直接的生产补贴模式。国家应为生产性企业提供必要的辅助研发资金支持，以帮助企业在贸易不确定时有充足的研发资金投入，以提高企业的生产效率。贸易不确定性主要通过研发资金投入影响企业全要素生产率的提高。国家和政府为发展企业，提高企业生产率水平，应转变直接生产补贴模式到企业研发资金专项补贴，以提高补贴资金使用针对性和使用效率。

最后，企业本身需设立应对风险时的研发资金准备金。企业在面临贸易不确定性时，一方面会由于不确定性风险增加，减少研发资金投入，另一方面，即使企业想增加研发资金投入，但由于贸易不确定性增加导致实际收入降低，而对提高研发资金投入也无能无力。因此，企业应专门设立研发资金准备金，在面临贸易不确定性时，仍可以保证研发资金的投入，进而提高企业全要素生产率水平。

［参考文献］

［1］  毛其淋，盛斌.贸易自由化与中国制造业企业出口行为：“入世”是否促进了出口参与？［J］.经济学（季刊），2014（2）：647-674.

［2］ 简泽，张涛，伏玉林.出口自由化、竞争与本土企业的全要素生产率：基于中国加入WTO的一个自然实验［J］.经济研究，2014（08）：120-132.

［3］ Vandenbussche，J.，Aghion，P.，Meghir，C.Growth，distance to frontier and composition of human capital［J］.Journal of Economic Growth，2006，11（2）：97-127.

［4］ Nataraj，S.The impact of trade liberalization on productivity：Evidence from Indias formal and informal manufacturing sectors［J］.Journal of International Economics，2011，85（2）：292-301.

［5］ 龚联梅，钱学锋.贸易政策不确定性理论与经验研究进展［J］.经济学动态，2018（06）：106-116.

［6］ Handley，K.Exporting under trade policy uncertainty：Theory and evidence［J］.Journal of International Economics，2014，94（1）：50-66.

［7］ Handley，K.，Limo，N.Trade and Investment under Policy Uncertainty：Theory and Firm Evidence［J］.American Economic Journal（Economic Policy），2015，7（4）：189-222.

［8］ 苏理梅，彭冬冬，兰宜生.贸易自由化是如何影响我国出口产品质量的：基于贸易政策不确定性下降的视角［J］.财经研究，2016（04）：61-70.

［9］ 汪亚楠，周梦天.贸易政策不确定性、关税减免与出口产品分布［J］.数量经济技术经济研究，2017 （12）：127-142.

［10］钱学锋，龚联梅.贸易政策不确定性、区域贸易协定与中国制造业出口［J］.中国工业经济，2017 （10）：81-98.

［11］陈虹，徐阳.贸易政策不确定性会增加企业就业人数吗：来自中国加入WTO的企业微观数据［J］.宏观经济研究，2018（10）：121-133，175.

［12］毛其淋，许家云.貿易政策不确定性与企业储蓄行为：基于中国加入WTO的准自然实验［J］.管理世界，2018（05）：10-27，62，179.

［13］孙一平，许苏皓，卢仕.贸易政策不确定性对企业工资不平等影响研究：中国经验［J］.宏观经济研究，2018（12）：30-39，66.

［14］汪亚楠.贸易政策不确定性与出口企业利润变动：基于中美贸易的实证分析［J］.当代财经，2018（05）：91-101.

［15］张平南，徐阳，徐小聪，等.贸易政策不确定性与企业出口国内附加值：理论与中国经验［J］.宏观经济研究，2018（01）：57-68.

［16］张夏，施炳展，汪亚楠，等.经济政策不确定性真的会阻碍中国出口贸易升级吗？［J］.经济科学，2019 （02）：40-52.

［17］鲁晓东，连玉君.中国工业企业全要素生产率估计：1999-2007［J］.经济学（季刊），2012（02）：541-558.

［18］Brandt，L.，Van Biesebroeck，J.，Zhang，Y.Creative accounting or creative destruction？ Firm-level productivity growth in Chinese manufacturing［J］.Journal of Development Economics，2012，97（2）：339-351.

［19］田巍，余淼杰.企业生产率和企业“走出去”对外直接投资：基于企业层面数据的实证研究［J］.经济学（季刊），2012（02）：383-408.

［20］盖庆恩，朱喜，程名望，等.要素市场扭曲、垄断势力与全要素生产率［J］.经济研究，2015 （05）：61-75.

［21］吕越，黄艳希，陈勇兵.全球价值链嵌入的生产率效应：影响与机制分析［J］.世界经济，2017 （07）：28-51.

［22］林毅夫，向为，余淼杰.区域型产业政策与企业生产率［J］.经济学（季刊），2018（02）：781-800.

［23］李小平，卢现祥，朱钟棣.国际贸易、技术进步和中国工业行业的生产率增长［J］.经济学（季刊），2008 （02）：549-564.

［24］高凌云，王洛林.进口贸易与工业行业全要素生产率［J］.经济学（季刊），2010（02）：391-414.

［25］Benhabib，J.，Spiegel，M.M.The role of human capital in economic development evidence from aggregate cross-country data［J］.Journal of Monetary Economics，1994，34（2）：143-173.

［26］Pritchett，L.Where Has All the Education Gone？［J］.The World Bank Economic Review，2001，15（3）：367-391.

［27］Bernstein，J.I.，Nadiri，M.I.Product Demand，Cost of Production，Spillovers，and the Social Rate of Return to R&D［R］.National Bureau of Economic Research Working Paper Series，1991，No.3625.

［28］夏良科.人力资本与R&D如何影响全要素生产率：基于中国大中型工业企业的经验分析［J］.数量经济技术经济研究，2010（04）：78-94.

［29］孙晓华，王昀，郑辉.R&D溢出对中国制造业全要素生产率的影响：基于产业间、国际贸易和FDI三种溢出渠道的实证检验［J］.南开经济研究，2012（05）：18-35.

［30］Mayer，Thierry，Melitz M J，et al.Market Size，Competition，and the Product Mix of Exporters［J］.Social Science Electronic Publishing，2014，104（2）：495-536.

［31］Paul Krugman.A Model of Innovation，Technology Transfer，and the World Distribution of Income［J］.Journal of Political Economy，1979，87（2）：253-266.

［32］李兵，岳云嵩，陳婷.出口与企业自主技术创新：来自企业专利数据的经验研究［J］.世界经济，2016 （12）：72-94.

［33］钱学锋，王菊蓉，黄云湖，等.出口与中国工业企业的生产率：自我选择效应还是出口学习效应？［J］.数量经济技术经济研究，2011（02）：37-51.

［34］康志勇.中国本土企业出口增长之谜的再思考：基于企业财务视角的分析［J］.世界经济研究，2011（10）：3-8，32，87.

［35］杨汝岱.中国制造业企业全要素生产率研究［J］.经济研究，2015（02）：61-74.

［36］戴觅，余淼杰.企业出口前研发投入、出口及生产率进步：来自中国制造业企业的证据经济学（季刊），2012，11（01），211-230.

［37］Glick，R.，Rose，A.K.Currency unions and trade：A post-emu reassessment［J］.European Economic Review，2016，87：78-91.

［38］Jurado，K.，Ludvigson，S.C.，Ng，S..Measuring uncertainty［J］.American Economic Review，2015，105：1177-1216.

［39］Brueckner，M.，Vespignani，J..Trade Uncertainty and Income Inequality［R］.Working Paper，University of Tasmania，Tasmania School of Business and Economics，2017.

［40］Head，K.，Mayer，T.，Ries，J.，The erosion of colonial trade linkages after independence［J］.Journal of International Economics，2010，81：1-14.

［41］陶长琪，齐亚伟.中国全要素生产率的空间差异及其成因分析［J］.数量经济技术经济研究，2010，27（01）：19-32.

［42］聂辉华，张彧，江艇.中国地区腐败对企业全要素生产率的影响［J］.中国软科学，2014（05）：37-48.

［43］邵敏，包群.政府补贴与企业生产率：基于我国工业企业的经验分析［J］.中国工业经济，2012（07）：70-82.

［44］温忠麟，叶宝娟.中介效应分析：方法和模型发展心理科学进展［J］.心理科学进展，2014（5）：731-745.

［45］王志鹏，李子奈.外资对中国工业企业生产效率的影响研究［J］.管理世界，2003（04）：17-25.

（责任编辑 文 格）

Impacts of Trade Uncertainty on Total Factor Productivity

of Chinese Manufacturing Enterprises

ZHAO Xi-yang1， LI Jun2， YAN Wen-shou2

（1.School of Economics，Wuhan Polytechnic University，Wuhan 430023，Hubei，China;

2.School of Business Administration，Zhongnan University of Economics and Law，

Wuhan 430073，Hubei，China）

Abstract：Chinese economy is in a crucial period of transition from a high-speed growth stage to a high-quality development stage.The upgrading of manufacturing enterprises is of great significance to the promotion of their international competitiveness.However，a series of events such as the rise of “anti-globalization” thoughts and protectionist tendencies create uncertainties of global trade.Firstly，this paper applies gravity model to effectively measure trade uncertainties faced by Chinese enterprises.Then taking the data of industrial enterprises from 2000 to 2007 as the samples，this paper empirically studies the impact of trade uncertainty on the total factor productivity of Chinese enterprises，and finally makes an in-depth analysis of its influencing mechanism.The empirical results show that： on the whole，trade uncertainty has a significant negative effect on the total factor productivity of Chinese manufacturing enterprises，i.e.the lower the trade uncertainty is，the higher the production efficiency of enterprises can be.Trade uncertainty has a significant positive effect on the total factor productivity of export enterprises and a significant negative effect on the total factor productivity of non-export enterprises.Trade uncertainty possibly affects the productivity of enterprises by influencing their R&D input.The conclusion of the study has important policy implications for promoting the total factor productivity of Chinese enterprises in the context of trade uncertainty.

Key words：trade uncertainty; total factor productivity; influence mechanism; mediating effect