数字贸易开放对中国全球价值链分工地位的影响

汪 萍

（河南牧业经济学院金融与会计学院，郑州 450000）

0 引言

当前，以大数据、云平台、AI 等为代表的新一代技术创新持续赋能传统经济向数字化转型升级，改变了全球价值链（Global Value Chains，GVC）中货物和服务的生产与交易形式，推动全球数字贸易快速兴起并高速增长。为了抓住数字贸易的发展契机，全球主要经济体在数字贸易领域进行了一系列合作谈判。如CPTPP、DEPA、USMCA、UJDEA 等多边及双边贸易协定的签订，不断推动全球数字贸易开放标准向更高水平推进。这对中国在全球数字化背景下更好地融入GVC发展带来了机遇和挑战。推动数字贸易领域制度型开放是中国推进高水平开放的重要抓手，党中央高度重视当前的数字贸易发展，相继推出一系列具体规划与指导意见，以确保数字贸易开放水平的有序提升。如2021 年9 月和10 月，中国分别正式申请加入CPTPP 与DEPA；2022 年5 月，中国商务部表示“中方将持续推进加入CPTPP 和DEPA”。主动对接DEPA 与CPTPP的决定符合中国扩大高水平对外开放方向，不仅加快了中国数字经贸领域的GVC 重塑，也更有利于中国在全球数字化发展格局中发挥数字经济大国作用。

数字贸易开放面临风险与发展机遇并存。那么在此背景下，数字贸易开放对中国GVC 分工地位提升有何影响？其背后的作用机制又是什么？回答以上问题对中国在新发展格局下推进数字贸易领域制度型开放及贸易高质量发展具有重要现实意义。本文可能的创新体现在以下两个方面：（1）尽管不少学者分别从数字贸易、数字贸易规则及GVC 分工地位视角进行了系列研究[1,2]，但直接从数字贸易开放视角探讨其对GVC分工地位影响的研究较少，本文在分析数字贸易开放影响GVC 分工地位理论机制的基础上，进一步基于中国行业面板数据开展了实证研究，丰富了GVC 的研究体系。（2）本文不仅剖析了数字贸易开放影响中国GVC 分工地位的作用路径，还进一步探讨了行业数字化与数字贸易开放影响中国GVC分工地位的协同效应。

1 理论分析与研究假设

（1）数字贸易开放与GVC分工地位

数字产品（包含有形及无形）是数字化背景下企业重要的生产要素投入之一，数字产品价格对企业的生产投入成本有直接影响。理论上，严格的数字贸易管制会加剧数字市场垄断、提高市场准入门槛，从而导致数字产品价格上涨。而数字贸易开放能够扩大国际数字产品流入规模，提升线上集聚行业的竞争性，降低供需双方的信息不对称，推动国内数字产品平均供给价格的下降，进而有利于企业生产投入成本的降低。

根据Antràs 和Gortari（2020）[3]的GVC 多阶段分工模型，由于各阶段企业的产品定价均嵌套了上游中间投入品的价格，因此企业采用边际成本定价时涉及复杂的连续迭代。且在不断迭代过程中，来自上一阶段的投入份额会随着中间产品在GVC 传递次数的增加而不断累积，进而使得在其他条件一定的情况下，一国企业相对其他国家的要素投入成本越低，则越有利于提升其在GVC 分工中的竞争力。与此同时，随着企业数字化投入扩大，数字贸易开放能够促进数字产品价格下降并产生相应的企业投入成本降低效应，进而提升企业参与GVC分工的优势，有利于其嵌入更加有利的分工位置。据此，本文提出：

假设1：数字贸易开放能够促进一国（部门）GVC分工地位的提升。

（2）贸易成本削减效应

数字贸易开放通过降低企业跨境数据采集、流动及应用的门槛，简化各类审批、监管的手续流程等，降低了企业的合规成本；反之，较严格的数字贸易管制可能会提高合规成本。如企业为达到相关数字化监管要求需要与东道国有关机构反复交涉、核验，承担一系列的资金、技术合规成本；面对严格的数据隐私合规条款，企业需要雇佣相应的数据保护顾问及律师团队等，进一步提高了企业的合规成本。数字贸易开放通过拓宽线上线下跨境交易渠道，削弱数字贸易主体供需匹配的时空障碍，降低了贸易的不确定性，促进贸易双方的信任度和贸易效率提升，进而促进交易成本下降。Ferracane和Mare（l2019）[4]研究发现，近些年来多国繁杂的数据类限制政策提高了在线交易成本。缩小与贸易伙伴数据监管政策的差异也是数字贸易开放的表现，监管标准协调度提升会促进跨国企业各子公司以及与上下游企业的协作分工，有利于降低企业的协调成本。Ferencz（2019）[5]研究指出，各国数字贸易监管的碎片化会给跨境贸易商带来额外的监管协调成本。综上可知，数字贸易开放具有“贸易成本削减效应”。而根据Antràs 和Gortar（i2020）[3]的GVC多阶段序贯生产模型分析可知，贸易成本具有累积效应，是抑制一国GVC分工的重要因素。

（3）要素配置效率提升效应

数字贸易扩大开放能够促进市场竞争，各类要素借助更加便捷的数字平台争先流向回报率更高的部门，提升了市场整体的要素配置效率，即数字贸易扩大开放通过强化市场竞争效应进而促进要素配置效率提升。数字贸易扩大开放促使数据信息流通速度加快，企业可以快速获得中间投入品种类及价格信息，并能够通过畅通的数字媒体精准获得消费者个性化需求，从而有利于更有针对性的生产策略及供应方向调整，提高了要素配置效率。反之，若施加过于繁琐的互联网访问限制，或者因数据管制而造成的市场垄断、区域壁垒，则会导致市场的信息不完备及信息不对称等加剧要素错配[6]。数字贸易扩大开放推动数字平台的普惠化、便捷化、多元化以及数据信息的完备化，使得企业进行配置要素时的搜索成本、沟通成本趋于下降及市场交易效率不断提升，从而能够促进各类要素配置效率提升。综上，可以发现数字贸易开放具有“要素配置效率提升效应”。而要素配置效率提升对一国（部门或企业）GVC分工地位提升具有重要意义[7,8]。

（4）研发创新激励效应

数字贸易开放能够降低数据跨境流动的壁垒，对研发类要素的跨境流入具有促进作用。如互联网设备接入管制降低、带宽限速口径下降等为国际研发要素流入营造了便利的渠道，进而为企业创新提供更多资源要素。数字贸易开放带来的数字化产品供给扩大及数字平台的推广应用，不仅给企业提供了新的研发创新路径[9]，还推动了研发创新效率的提升。特别地，不少数字贸易对象是动态、可灵活定制及重复编辑的，具备实时迭代特质及延展创新功能，能够为企业进行持续产品创新提供良好的平台支持或创新路径。数字贸易开放引入了更加广泛、激烈的竞争，该竞争效应既可能对本国企业自主创新产生倒逼作用，也可能激励企业“走出去”并通过吸收国际研发资源实现技术进步，进而提升逆向技术溢出的概率。综上可知，数字贸易开放具有“研发创新激励效应”。而研发创新是一国参与国际竞争并在GVC 分工体系中掌握主动权、实现分工地位提升的根本所在[7]。据此，本文提出：

假设2：数字贸易开放通过贸易成本削减效应、要素配置效率提升效应、研发创新激励效应，进而影响一国（部门）GVC分工地位提升。

2 研究设计

2.1 计量模型

为考察数字贸易开放对中国行业层面GVC分工地位的影响，构建计量模型如下：

其中，下标p、k、t分别表示贸易伙伴国（或地区，下同）、行业、年份。GVCpkt表示GVC分工地位；CDSTRIkt表示中国k行业的数字贸易开放水平；Control是一系列控制变量，ϑp、υk、ξt分别为贸易伙伴、行业、时间三组固定效应，hpkt是随机误差项。ζ1考察的是数字贸易开放对中国GVC分工地位的影响，若其小于0，则表明数字贸易开放促进了中国GVC分工地位提升，反之，则有抑制作用。

2.2 变量说明

2.2.1 被解释变量

采用Koopman 等（2010）[10]的GVC 分工位置指数来刻画一国行业层面的GVC分工地位。具体计算公式如下：

其中，GVC分工位置指数值越大，表明该行业在GVC中的分工地位越高，反之，则表明其分工越靠近下游；为缓解异方差，根据其值域分布对结果加1 后取对数；DVA_INTrexpkt表示第t年中国出口至p国k行业出口中间品中所包含的间接国内增加值；FVApkt由最终出口品国外增加值和中间品出口国外增加值两个部分组成；TEXPpkt表示第t年中国出口至p国k行业出口总规模。

2.2.2 核心解释变量

数字贸易开放本质上是属于“境内”制度型开放，旨在不断减少对数字化手段贸易的实体货物及数字产品和服务的人为限制[11]。本文数字贸易开放指标构造逻辑参考文献[12]，该方法能够有效缓解直接交互法引致的内生性问题，公式如下：

其中，CDSTRIkt表示中国第t年k行业的数字贸易开放水平，指数值越小表明数字贸易开放水平越高。Digitalk,t1表示样本首年k行业的数字化渗透率，t1表示样本初始年份（t1=2014）。DSTRIt表示第t年中国国家层面数字贸易开放水平，采用OECD发布的数字服务贸易限制指数DSTRI表示。值得注意的是，此处构建数字贸易开放复合指标时，DSTRIt若为数字贸易限制强度指数则必然更合适，然而，当前并没有权威的含时间趋势的数字贸易限制强度指数可以采用。本文采用该指标的原因还在于：第一，当前遵循WTO关税贸易总协定的货物贸易自由化程度已经很高，且诸多双边及多边贸易协定也进一步提升了货物贸易自由化。第二，数字贸易的内涵还在继续延伸，数字产品和服务嵌入货物产品中冲击了传统国际贸易中一些基本概念，数字贸易中的产品和服务很难进行明确区别[13]。第三，《数字贸易发展与影响白皮书（2020）》中提出，“数字服务贸易是数字贸易规则谈判焦点所在”“数字服务流是数字贸易的核心所在”，一国数字服务贸易限制强度是判断其数字贸易开放水平的重要方面。基于此，本文数字贸易开放复合指标的构造以OECD的DSTRI为基础。

根据OECD 的数字经济概念以及投入产出表数据的可获得性，本文选取ADB-MRIO中c14（电子和光学投入）和c27（邮政和电信投入）作为狭义的数字部门，采用完全消耗系数法计算行业数字化渗透率指标，计算公式如下：

其中，Digitalij表示完全消耗系数法计算的j部门投入数字化水平。等式右侧第一项是部门j对数字部门i的直接消耗，第二项是第一次间接消耗，第三项是第二次间接消耗，依次类推。

2.2.3 其他控制变量

（1）中国与贸易伙伴的GDP差异，使用贸易双方人均GDP 差额（PGDP_gapijt=|lnPGDPit-lnPGDPjt|）来衡量双边市场规模差异，lnPGDPit和lnPGDPjt表示第t年双边的人均GDP 对数值，数据来源于WDI。（2）双边的地理距离（lndistances），采用加权地理距离的对数值进行衡量，数据来源于CEPII-Gravity 数据库。（3）双边是否有共同区域贸易协定（RTA），若双边签署了RTA，则RTA 生效年份及其以后年份赋值为1，其他则赋值为0。（4）伙伴国的关税水平（lnTariff_P），使用伙伴国的简单平均关税作为控制变量之一，原始数据源于WITS 数据库。（5）双边的制度距离（ZD），计算方法参考文献[14]，原始数据源于WGI 数据库。（6）中国的行业竞争优势（lnexpofworld_R）。（7）进口国的行业竞争优势（lnexpofworld_P），分别使用行业出口规模占全球该行业的出口规模来表征中国与贸易伙伴的行业竞争优势。（8）中国行业工资水平（lnwage），该指标的基础数据源于国家统计局官网发布的行业城镇单位就业人员平均工资，但制造业仅有大类行业平均工资水平，因此制造业细分行业的人均工资水平通过加权处理获得，计算公式：各两位码制造业行业的平均工资水平=制造业大类行业平均工资水平×（各两位码制造业行业人均主营业务收入/制造业大类人均主营业务收入总体平均水平），并通过与ADB-MRIO的行业分类标准相匹配以获得对应行业平均工资水平，为了缓解异方差，对结果取对数。（9）中国行业从业人数（lnemploy），该指标原始数据源于文献[15]，本文通过对照《国民经济行业分类（GB/T 4754-2017）》与国际标准产业分类标准（ISIC3.1），将各年97 部门的就业人数对照合并至ADB-MRIO（2021）的35 部门；此外，2019—2020 年的就业人数以王亚菲等（2021）[15]的研究中2018年行业就业人数为基础，使用国家统计局官网公布的2019年与2020年城镇单位各行业就业人数的增长率外推至2020年，为缓解异方差，对结果取对数处理。

3 实证结果分析

3.1 基准回归结果

表1 汇报了基准回归结果。其中，列（1）是不加入任何控制变量，但同时固定时间、行业、伙伴国效应的回归结果；列（2）是在其基础上加入反映双边关联特征控制变量的回归结果；列（3）是进一步加入反映国家及行业特征控制变量的回归结果，结果均显示CDSTRI的回归系数显著为负，且通过1%水平上的显著性检验，这表明数字贸易开放显著促进了中国GVC分工地位提升。

表1 基准回归检验结果

3.2 稳健性检验

为了得到稳健的研究结论，本文通过处理样本异常值、调整样本区间、更换核心解释变量测度方法进行稳健性检验。

第一，进一步处理样本可能存在的异常值。本文对所有连续变量进行上下1%的缩尾处理，以排除有可能存在的异常值导致估计偏误等问题，回归结果如表2 列（1）所示。第二，调整样本的时间范围。2020年，全球生产分工受到新冠肺炎疫情冲击严重冲击，因此进一步剔除2020年的样本进行检验，结果如表2列（2）所示。第三，更换核心解释变量的测度方法。将行业数字化渗透率权重更换为2014—2020 年年平均行业数字化渗透率，回归结果如表2 列（3）所示。基于OECD 发布的异质性DSTRI 并结合式（3）构造行业层面的数字贸易开放指标。OECD发布的异质性DSTRI 是通过评估双边国家之间是否有相同监管措施而建立的。国家间数字贸易监管政策异质性也会增加企业跨国商业活动的成本，实际上也形成了数字贸易壁垒。因此当双边数字贸易监管政策差异缩小时，本质上是数字贸易开放扩大的表现，回归结果如表2 列（4）所示。总体上，表2结果表明基准结果稳健可靠。

表2 稳健性检验结果

3.3 内生性处理

考虑到数字贸易开放水平与中国GVC分工地位可能存在反向因果从而产生内生性问题，本文采用两阶段最小二乘法（2SLS）来缓解内生性。关于工具变量的选择，一是将核心解释变量滞后一期作为工具变量（CDSTRI_lag）；二是参考孙浦阳等（2018）[12]的研究，以印度数字贸易开放作为中国数字贸易开放的工具变量（CDSTRI_ind）。回归结果如表3所示。

表3 处理内生性的估计结果

表3 中列（1）、列（3）是一阶段回归结果，CDSTRI_ind与CDSTRI_lag 的回归系数均显著，这满足了工具变量的相关性要求。列（2）、列（4）是采用2SLS的回归结果，其中Kleibergen-Paap rk LM 与Wald F 的统计量值显示工具变量设定有效合理。列（2）、列（4）的回归结果表明，采用两种不同方法构造的工具变量进行检验时，CDSTRI 回归系数均显著为负，进一步验证了基准回归结果的稳健性。

3.4 机制检验

3.4.1 机制变量指标说明

本文参考毛其淋和钟一鸣（2023）[16]的方法开展机制检验。机制变量如下：（1）双边贸易成本。具体指标测算参考文献[17]。（2）要素配置效率。由于ADB-MRIO（2021）中缺乏相应的社会经济账户数据，因此本文主要从劳动要素配置效率视角进行实证考察，指标构造参考文献[8]。（3）研发创新。采用中国规上工业企业有效发明专利数量表示，由于规上工业企业主要统计的是制造业行业，因此研发创新机制检验样本集中在中国制造业领域。本文通过对照《国民经济行业分类（GB/T 4754-2017）》与国际标准产业分类标准（ISIC3.1），将各年制造业行业规上有效发明专利数量匹配至ADB-MRIO（2021）的制造业部门。为缓解异方差，各机制变量均进行了取对数处理。

3.4.2 机制检验结果及分析

机制检验结果如表4 所示，其中，列（1）至列（3）分别是以双边贸易成本、劳动要素配置效率、研发创新作为机制变量的机制检验结果。具体地，列（1）CDSTRI的回归结果显著为正，验证了数字贸易开放具有贸易成本削减效应，这一结果与一般经济理论直觉相符合。列（2）CDSTRI的回归结果显著为负且通过了1%水平上的显著性检验，验证了数字贸易开放具有劳动要素配置效率提升效应。列（3）CDSTRI的回归结果显著为负，验证了数字贸易开放对中国制造业的研发创新激励效应，表明研发创新激励是数字贸易开放促进中国全球价值链分工地位提升的重要渠道。

表4 机制检验结果

4 拓展分析

4.1 异质性检验

4.1.1 基于目的市场发达程度的异质性视角

不同发达程度经济体的产业结构及进口产品需求往往会有明显差异，因此，中国对不同发达程度贸易伙伴的出口产品结构也可能存在较大差异，那么这一差异是否会使得数字贸易开放对相应贸易活动的影响有所不同呢？为了回答此问题，本文根据IMF 的分类标准，将全部贸易伙伴划分为发达与发展中经济体，进行分组回归，回归结果如表5中列（1）、列（2）所示。当贸易伙伴是发达经济体时，CDSTRI的回归系数显著为负；而当贸易伙伴是发展中经济体时，回归结果虽为负但不显著。这可能是因为中国对发达国家的货物与服务出口中包含更多的数字化投入，而数字化投入水平越高其受到数字贸易开放的成本削减效应就越强，从数字贸易开放中吸收到的正向效应就越大。

表5 异质性检验结果I

4.1.2 基于产业类别的异质性视角

中国的产业数字化与数字产业化正在快速推进，那么就不同产业类别而言，其GVC 分工地位受到数字贸易开放的影响是否有所差异？本文将全部样本划分为制造业、服务业、初级产业并进行分组检验，结果如表5列（3）至列（5）所示。

不难发现，数字贸易开放显著促进了中国服务业、制造业GVC 分工地位提升，其中对服务行业的提升作用更大。这可能是因为服务行业中嵌入了更多的数字化投入，越来越多的服务产品可以参与国际分工，且由于服务产品本身靠近生产分工上游环节，因此数字贸易开放对服务业GVC分工地位的提升作用更大。然而，就初级产业而言，CDSTRI的回归系数不显著，这可能是因为初级产业的数字化水平还比较低，从数字贸易开放中吸收到的正向效应不明显。

4.1.3 基于行业显性比较优势的异质性视角

考虑到各个行业在GVC 中既有产业竞争优势不同，其在面临数字贸易开放时受到的影响也可能存在差异。为此，本文进一步基于行业显性比较优势异质性进行分组检验。其中，基于贸易增加值口径计算的NRCA（New Revealed Comparative Advantage）能够衡量一国行业在GVC中的比较优势。因此，本文依据2014 年的NRCA 指数值（剔除NRCA时间趋势有助于更加集中地观测数字贸易开放对GVC 分工地位的影响），将样本划分为比较优势组（NRCA≥1）、比较弱势组（0.5 ≤NRCA＜1）、明显劣势组（NRCA＜0.5）。回归结果如表6所示，其中NRCA指数原始数据来自UIBE。

表6 异质性检验结果II

可以看出，数字贸易开放对显性比较优势行业的GVC分工地位提升作用更加显著，然而，该提升作用在相对比较弱势行业表现不显著。在明显劣势行业，数字贸易开放对其GVC 分工地位不但没有提升作用，反而存在一定抑制影响。这可能是因为具有显性比较优势的行业往往嵌入GVC分工位置更高，其自身学习能力、自我创新能力更强，能够从开放扩大中获取更多的正向效应，形成良性循环，促进自身GVC 分工地位进一步提升。而明显劣势行业竞争力不足、嵌入GVC分工位置较低，在开放扩大后竞争加剧的市场环境中，更可能陷入低端“锁定”状态。

4.2 基于行业数字化的协同效应检验

前文实证分析主要是基于静态行业数字化水平下的分析，考虑到近几年数字技术的广泛运用促使中国各行业数字化水平快速提升的事实，进一步探讨行业数字化与数字贸易开放协同对中国GVC分工地位的影响效应。具体构造模型如下：

出于稳健性考虑，本文分别采用完全消耗系数法与直接消耗系数法计算行业数字化水平，完全消耗系数计算方法见式（4），直接消耗系数法计算的行业数字化记为Digital_d，测算方法用矩阵描述为B=(I-A)-1-I。其中，B为完全消耗系数矩阵，A为直接消耗系数矩阵，I为同阶单位矩阵，其他变量的符号含义同式（1）与式（3）。回归结果如表7所示。

表7 基于行业数字化的协同效应检验结果

根据表7可知，行业数字化水平与数字贸易开放交互项的回归系数均显著为负，表明某行业消耗的数字化产品及服务越多，其从数字贸易开放中吸收到的正向“涟漪效应”越大。因此，行业数字化水平更高的行业其GVC分工地位受到数字贸易开放的提升作用更大。此外，还有一个重要的原因是，数字贸易扩大开放本身也会推动企业的数字化投入比重增大，促进行业数字化水平、生产效率及创新水平的提升。因此，在二者的协同作用下，数字贸易开放对中国GVC分工地位的提升作用更加显著。

5 结论与建议

本文实证考察了数字贸易开放对中国GVC分工地位的影响，得出如下结论：第一，数字贸易开放显著促进了中国GVC 分工地位提升，经过一系列稳健性及内生性检验后，结果依然稳健。第二，数字贸易开放主要通过“贸易成本削减效应”“劳动要素配置效率提升效应”及“研发创新激励效应”三个渠道促进中国GVC分工地位提升。第三，数字贸易开放对中国GVC分工地位的提升作用因出口目的市场的发达程度、行业显性比较优势以及产业类别异质性而呈现明显不同，其中该提升作用在出口目的地是发达国家、在具有显性比较优势行业、在服务业及制造业领域均表现显著。第四，数字贸易开放对中国GVC 分工地位的提升作用随行业数字化水平的提升而更加明显。

为发挥数字贸易开放促进中国GVC分工地位提升的作用，本文提出以下建议：（1）建立健全数字贸易开放发展与风险防范规制体系；要平衡把握数据流动与隐私保护需求，建立完善的数据分类分级保护制度，正确处理“安全有序”和“扩大开放”的关系。（2）持续大力推动数字技术创新，努力实现关键数字技术的自立自强，应继续提高5G网络覆盖率，加快算力发展战略布局，为实现行业数字化水平提升创造良好基础环境。（3）在现有自贸区的基础上升级数字贸易试验区，有序推进数字贸易开放。特别是在推进数字贸易开放时，要兼顾产业的显性比较优势，结合产业自身情况循序渐进、有差别地推进进程。（4）加强数字贸易规则谈判与治理合作；与发达国家的贸易合作仍有重要价值，中国在警惕美国长臂管辖行为时仍需努力协调与欧美的数字治理分歧，同时也可以通过RCEP及“一带一路”经贸合作的基础，推动建立更符合发展中国家普遍利益的数字贸易规则。