目的地需求不确定性、邻近学习与新进入企业出口产品质量

摘要

邻近企业的信息外溢是解决新出口企业信息不对称的有效方式，也是不确定性环境下推动外贸稳中提质的重要手段。本文将企业内生产品质量决策和社会学习行为纳入异质性企业贸易模型，从目的地需求不确定性视角解释新进入企业出口产品质量与邻近企业的信息溢出之间的关系。基于2000—2015年中国海关数据库，本文发现邻近企业释放的需求信号有助于提升企业对特定目的地的初次出口产品质量，而信号的影响效果不仅取决于释放信号企业的集聚水平，还取决于新进入企业对目的地市场的了解程度以及邻近企业信号的分散度。进一步的机制检验表明，邻近学习效应主要通过鼓励企业固定资产投资和高质量中间品进口促进产品质量的提升。

关键词目的地需求不确定性邻近学习新进入企业出口产品质量

一、引言

党的二十大明确提出要“加快建设贸易强国”，并将高质量发展定为全面建设社会主义现代化国家的首要任务。出口产品质量是决定国际贸易流动格局的关键因素，也是衡量国家制造能力和国际竞争力的重要标准（Hallak&Sivadasan，2013；李保霞等，2023），因而提升出口产品质量对实现经济高质量发展具有重要意义。现有研究主要从供给视角围绕生产效率、中间品投入、融资约束、劳动力素质等因素与企业出口产品质量之间的关系展开探讨（Fanetal.，2015；

许家云等，2017；苏丹妮等，2018；方森辉和毛其淋，2021），较少考虑需求因素的影响。然而，相较于国内贸易，企业在出口贸易中面临着更强的市场信息不对称性，难以作出最优的出口产品质量决策（Macedoni，2022）。

与发达国家不同，现阶段中国出口企业多而不强，直接获得需求信息的销售渠道一般被下游企业或中间商控制，因此当目的国（地区）市场出现较强的不确定性时，邻近企业的信息外溢成为出口企业获取需求信息的重要方式（Fernandes&Tang，2014）。那么，邻近企业的信息溢出能否影响中国出口企业的产品质量决策？

为了回答上述问题，本文首先在异质性企业贸易模型的基础上，进一步将产品质量决策内生化，并引入企业社会学习的行为。在理论模型中，企业的最优出口产品质量不仅取决于生产率，还取决于目的地与企业—目的地层面的产品需求偏好。新出口企业将基于观察的邻近企业出口表现，根据贝叶斯法则，更新对目的地市场需求的预期，进而确定其出口产品质量水平。理论模型表明，新进入企业出口产品质量与目的地需求信号存在正相关性。该结论蕴含的经济学机理是邻近企业的信息溢出可以修正新出口企业对目的地市场需求的认知，帮助其降低出口不确定性，从而作出正确的出口质量决策。

基于2000—2015年高度细化的企业—产品—目的地—年份层面的中国出口贸易数据，本文进一步对理论分析的预测进行实证检验。结合理论模型，本文将邻近企业产品出口到特定目的地的平均出口销售额视为新进入企业接收的需求信号，同时通过差分的方式规避了邻近企业个体特征对信号的干扰。在基准回归中，本文控制了邻近企业对其他目的地出口的信号、目的地收入水平以及企业层面的供给冲击和出口经验。为了更加清晰地证明邻近企业的信息溢出效应，本文从企业邻近学习的决定因素和异质性影响两个方面系统检验了新出口企业邻近学习的特征。

与本文相关的研究主要分为两类。第一类是关于贸易企业的信息溢出效应的研究。企业在出口前对国外市场的信息获取是缓解信息摩擦、降低出口风险的重要途径（杨汝岱和李艳，2016）。一方面，企业能通过自身贸易经验的积累加深对目的地市场的了解，进行最优的生产和销售决策（Timoshenko，2015；Arkolakisetal.，2018；Bermanetal.，2019），也能通过降低相似市场的进入成本，指导企业对新出口市场的选择（Fablingetal.，2012）。另一方面，空间距离的相近为个体企业从业者之间面对面的沟通交流提供便利（张国峰等，2016），接近其他出口企业可能会带来的积极的信息外部性，有利于企业出口绩效的增长（Koenigetal.，2010；刘慧和綦建红，2018）。近年来，大量研究发现出口到同一目的地的企业在地理分布上呈现集中趋势。这种新型的出口集聚方式被认为是企业为了降低对国外市场信息不对称引发的不确定性所形成的（刘晴等，2020；陈榕景和铁瑛，2022）。但是也有研究指出，基于出口目的地企业的空间集聚也可能通过贸易成本分摊与出口固定成本降低来促进企业的出口扩张（Cassey&Schmeiser，2013;Hu&Tan，2016）。与之不同的是，Fernandes&Tang（2014）聚焦目的地需求的不确定性，从理论上解释了新出口企业如何通过观察邻近企业的出口行为预测海外市场的需求水平，从而作出最优的出口决策。他们认为，邻近企业对区域内潜在出口企业的影响主要通过目的地需求信号进行传递，而集聚水平只能加强信号效应的作用强度，不会对企业的出口行为产生直接影响。在此基础上，孙进和鲍晓华（2022）发现跨区域的多工厂企业同样存在企业内出口目的地市场的信息溢出，其拓展了信息外溢高度地区化的传统观点。遗憾的是，现有关于贸易信息溢出对企业出口行为影响的研究多数聚焦于企业出口市场的逆向选择与出口规模的扩张，较少涉及对企业出口产品质量的分析。

第二类是关于企业出口产品质量影响因素的研究。大量研究从供给视角解释了企业出口产品质量差异的原因。Hallak（2006）指出，出口产品质量的异质性取决于企业对产品创新的投入，生产率较高的企业在出口产品质量的提升方面更具优势。Flach&Unger（2022）在多国异质性企业国际贸易模型中引入了具有内生固定成本的质量创新，其发现在垂直差异化较强的行业中，出口销售额与出口企业份额对固定成本的敏感性较低，因此这些行业企业对产品质量的创新投入收益更高。Fanetal.（2015）将流动性与外部金融引入异质性企业贸易模型，解释了融资约束对企业出口产品质量的限制作用。方森辉和毛其淋（2021）从促研发效应、质量吸收能力和中间品质量效应三个渠道检验了人力资本积累对出口产品质量的提升作用。然而，企业出口质量的影响因素不仅来自供给侧，也可能来自需求侧。朱小明和宋华盛（2019）通过实证分析发现目的国需求的扩张通过加剧市场竞争倒逼企业出口产品质量的升级。Wuetal.（2023）从资源调配的角度考察企业出口产品质量与目的地需求的关系，发现正向的需求冲击促使企业雇佣更多员工和采用资本密集型生产方式进行资源再配置，而较高的资本密集度能够提升企业生产率，从而促进企业出口产品质量的升级。还有学者关注了产品质量的信息不对称性。叶迪和朱林可（2017）发现地区质量声誉能够通过影响购买方对该地区具体产品的信念来提升当地企业的出口绩效。施炳展等（2023）从跨境人员流动的视角考察了境内企业出口质量与境外人员流入的关系，发现境外人员流入有利于境外消费者打破对境内产品的认知壁垒，降低信息不对称，并通过信息摩擦成本和违约风险的降低以及贸易联系的加强提高境外市场对高质量产品的需求。但是这些研究只关注了信息不对称降低对国（境）外市场需求的改变，并没有考虑到企业面对外部不确定性降低后的质量调整。在本文的研究中，信息不对称引发的需求不确定性降低不一定促使企业产品质量升级，由于产品质量决定了企业的最优出口利润，负向的需求信号也会降低企业提高出口产品质量的意愿。

与以往的研究相比，本文可能的边际贡献主要体现在三个方面：首先，借鉴Flach&Unger（2022）的研究，本文在异质性企业框架下将产品质量内生化，创新性地引入出口目的地需求的不确定性，并允许企业具有社会学习的行为。本文从信息溢出作用于新出口企业对目的地需求预期调整这一角度，构建邻近企业对新出口企业产品质量影响的分析框架。其次，现有文献大多用集聚水平作为信息溢出的变量，而本文直接考察邻近企业的需求信号与企业出口产品质量的关系，并在实证研究中通过多维固定效应和工具变量等方法排除了集聚对企业供给层面的影响。同时，本文紧密结合理论模型验证了邻近企业的信号对新进入企业出口质量的影响因素，较为清晰地证明了本地信息溢出降低企业出口不确定性的可信性，为集聚外部性提供了一个新的研究视角。最后，与以往讨论需求信息不对称与企业出口产品质量的研究相比，本文重点考察的是目的地市场不确定性降低后企业主动的产品质量调整，而不是目的地市场采购商在对中国产品质量的信息壁垒消除后的产品选择和进口规模的变动。同时，本文对中介效应模型的分析还发现，邻近学习效应通过固定资产投资和高质量中间品进口两个渠道实现企业出口产品质量提升。

二、理论分析和研究假设

本部分构建了一个简洁的企业信息学习模型以指导后续的经验分析。借鉴Flach&Unger（2022）的研究，本文在异质性企业模型的基础上将产品质量内生化，并引入与Fernandes&Tang（2014）研究类似的企业社会学习行为。在该理论中，企业能够观察周边企业的出口表现，并基于贝叶斯法则对目的地产品需求的期望进行更新，以此调整企业的最优出口产品质量决策。

（一）消费者需求

假设差异化产品的代表性消费者偏好服从常数替代弹性（CES）效用函数，具体表达式为：

U=∫ω∈Ωq（ω）x（ω）σ-1σdωσσ-1（1）

其中，ω∈Ω代表产品种类并假设每一个企业仅生产一种产品。σ>1代表产品间的替代弹性。qω表示产品质量，x（ω）表示消费者对差异化产品的需求量。根据消费者效用最大化原则，消费者的需求函数可表示为：

xω=qωσ-1pω-σYPσ-1（2）

其中，Y和P分别代表市场的收入水平和价格指数，P≡∫ω∈Ωp（ω）q（ω）1-σdω11-σ，p（ω）表示差异化产品的销售价格。

（二）生产与质量决策

与Melitz（2003）一致，劳动力是唯一生产要素，同时企业进入市场之前需要支付沉没成本fe并抽取其自身生产率φ。与之不同的是，在本文中企业存在生产率与质量生产能力两种异质性，且两者能够共同决定企业的生产成本，从而影响利润。借鉴Flach&Unger（2022）的设定，在工资标准化后，企业出口产品到目的国（地区）的成本函数可表示为：

lω=fx+τqωθφxω+qωαα（3）

在式（3）中，fx代表出口固定成本（fx>0）。等号右侧第二项为企业的可变成本，企业的边际成本随着生产率的上升而下降，但是与产品质量成正比，其中θ（0<θ<1）代表了边际成本相对于产品质量的弹性。同时，与Ks5wB23V7uMv0dkVBauk5A==传统贸易文献一致，出口企业还需要承担冰山成本τ（τ>1）。此外，提升产品质量企业还会产生额外的固定成本qωαα，其中α>（1-θ）（σ-1）确保了质量投资成本为凸函数，从而保证了企业利润函数有最优解。在上述条件下，企业的利润函数可表示为：

π=pφxφ-τqωθφxφ-qωαα-fx（4）

结合式（2），可得在利润最大化条件下企业出口产品的价格为：

pφ=σσ-1τqθφ（5）

将式（5）代入式（4），企业的最优出口产品质量需要满足以下条件：

qφ=ξDφσ-1η（6）

其中，η≡1α-σ-11-θ>0，ξ=1-θσσ-1-στ1-σ为常数。D为企业所面临出口市场的需求参数。式（6）表明，企业的最优出口质量不仅取决于生产率，还取决于出口目的地的需求水平。在市场进入之前，企业可以抽取到自身生产率φ，但是由于出口目的地的需求水平存在不确定性，企业最优出口产品质量的决策取决于其对出口目的地需求的期望。与Fernandes&Tang（2014）的设定一致，本文将地区j的需求水平的自然对数形式（lnD）分解为两个部分：

lnDij=dj+zij（7）

其中，i和j分别代表出口企业和出口目的地。dj=Pσ-1jYj表示目的地层面的需求水平，这对所有出口企业保持一致；zij代表地区j对企业i产品的偏好，假设dj和zij都不随时间变化。在企业i进入地区j之前，dj和zij对于企业i来说都具有不确定性，其中只有dj企业可以通过学习和观察邻近企业的出口表现获取信息。但是，当企业i出口产品k进入地区j以后，其将对dkj和zikj都具有肯定的了解，即不再需要通过观察邻近企业的出口行为获取信息，除非其停止出口后准备再次进入该市场。假设企业i对新出口市场的dj持有一个先验信念（priorbelief），并服从期望为d-j、方差为vdj的正态分布，即dj～Nd-j，vdj。同时，由于地区j对不同企业产品具有不同偏好zij，即使两个相同生产率企业的最优出口质量仍然可能存在差异。假设企业在进入新市场之前对zij的认知服从期望为0、方差为vzj的正态分布，即zij～N0，vzij，企业i初次进入地区j的出口质量期望可表示为：

E［qij］=expd-j+ηV2ξφσ-1iη（8）

其中，V=vdj+vzij。

（三）邻近学习对企业出口质量决策的影响

与Fernandes&Tang（2014）的研究一致，假设新出口企业i所属城市在t-1期存在数量为nkj，t-1的企业出口产品k到地区j，同时新出口企业可以观察数量为nj，t-1的邻近企业在t-1期出口到地区j的平均出口额lnR-j，t-1，以及平均生产率lnφ=Elnφ|lnφ>lnφ。其中，lnφ为企业进入地区j的临界生产率。基于上述假设，新出口企业可以从邻近企业上一期的出口表现推断地区j的需求偏好为：d-nbj，t-1=1ηlnR-j，t-1-σ-1lnφ-lnξ。本文将d-nbj，t-1定义为邻近企业释放的需求信号。

根据DeGroot（2004）的设定，当新出口企业通过观察邻近企业出口表现并推断出d-nbj，t-1后，该企业会对d-j的先验信念进行贝叶斯更新，从而得到其后验信念（posteriorbelief）：

d-postjt=δtd-nbj，t-1+（1-δt）d-j（9）

式（9）表明新出口企业在信息更新后对地区j需求水平dj的期望是由其自身以及从邻近企业出口表现推断的市场需求加权平均而来，其中δt代表企业依赖邻近企业信号的权重，表达式为：

δt=nj，t-1vdjvzij+nj，t-1vzij=1+1nj，t-1vzijvdj-1（10）

同时，计算出关于dj的后验分布的方差为：

vpostdjt=vzijvdjvzij+nj，t-1vdj=1vdj+nj，t-1vzij-1（11）

因此，企业i出口到地区j的最优质量期望函数可调整为：

E［lnqijt］=ηlnξ+（σ-1）ηlnφi+ηd-postjt（12）

结合式（10），可以得到如下推导：

E［lnqijt］d-nbj，t-1=ηδt=η1+1nj，t-1vzijvdj-1>0（13）

式（13）意味着，邻近企业对地区j的出口行为可以通过信号传递的方式调整新出口企业对该市场的需求预期，进而改变其最优产品质量决策。邻近企业的平均出口额越高，新出口企业的出口产品质量越高。由此，本文提出第一个理论假设。

H1：邻近企业释放的需求信号有利于新进入企业出口产品质量的提高。

（四）邻近学习的影响因素

式（13）还显示，邻近企业释放的目的地需求信号对新进入企业出口产品质量的影响取决于权重δt。该变量代表了企业在更新目的地产品需求信息的过程中，相比于自身的先验信念，对邻近企业需求信号的依赖程度。从式（10）可以看出，权重δt受到nj，t-1、vdj和vzij三个因素的影响。其中，nj，t-1为释放信号的邻近企业数量，nj，t-1越大说明地区信息溢出的强度越高（或信息的可信度越高）；vdj为目的地的需求不确定性，vdj越大说明新进入企业对目的地的需求信息了解越少，即所面临的需求不确定性越强；vzij为企业—目的地层面的需求不确定性，具体表现为邻近企业集合Ncj，t-1出口产品到地区j出口额的离散程度，vzij越大说明邻近企业释放的需求信号精确度越低。结合式（13）可得：

E［lnqijt］d-nbj，t-1nj，t-1>0；E［lnqijt］d-nbj，t-1vdj>0；E［lnqijt］d-nbj，t-1vzij<0（14）

式（14）意味着，在其他条件不变的情况下，如果释放信号的邻近企业越多或者新进入企业本身对目的地的需求信息了解越少（所面临的不确定性越强），则需求信号能够使新进入企业越愿意提高出口产品质量；如果邻近企业释放的需求信号越分散（精确度越低），则新进入企业对信号的依赖性会越低，即使企业接收了需求信号，其提高出口产品质量的意愿也会相应减弱。由此，本文提出第二个理论假设。

H2：邻近企业释放的需求信号对新进入企业出口产品质量的促进效果随着邻近企业数量和需求不确定性的上升而增强，但是会随着信号分散程度的增加而减弱。

（五）邻近学习影响企业出口产品质量的影响机制

前文的理论分析指出，邻近企业的信号可以通过改变新出口企业对目的地市场需求的预期影响企业的产品质量决策。然而，企业的出口产品质量是通过内生选择的，产品质量的提升需要高额的固定成本。由于新出口企业的出口不确定性较高，很难预知产品质量与市场需求的匹配度，故不可逆的投资会使企业的机会成本升高（张莹和朱小明，2018）。根据预防性动机理论，当企业无法准确预知未来经济环境对自身造成的不利影响时，企业更倾向于增加现金的持有量，从而作出减少或延迟投资的决策（Gulen&Ion，2016）。但是通过式（13）可以发现，邻近企业的信息溢出可以帮助新出口企业降低出口不确定性，加深其对特定目的地市场需求水平的了解。其中，积极的需求信号表明产品质量的提升带来更高的预期贸易收益，鼓励企业通过固定资产投资促进产品质量的升级。此外，随着经济全球化的不断深入，国外高质量中间品进口成为企业提升出口产品质量的重要手段（Bas&StraussKahn，2015）。以往的研究表明，企业最终产品质量的升级需要高质量中间品的投入（Wang，2011），同时国外高质量中间品与国内中间品具有不完全替代性（许家云等，2017）。因此，当接收到积极的需求信号时，新出口企业也可以通过高质量中间品进口提升出口产品质量，从而获得更高的预期利润。由此，本文提出第三个理论假设。

H3：邻近企业释放的需求信号能够通过促进新出口企业固定资产投资和高质量中间品进口实现产品质量的提升。

三、实证模型设定与数据来源说明

（一）实证模型设定与识别策略

为了检验本文理论分析中的结论，本文构建以下计量模型考察邻近出口企业关于特定目的地市场需求的信息溢出对本地区新进入该市场企业产品质量的影响。

lnqualityikcjt=α+βsignalkcjt+γZ′+{FE}+εikcjt（15）

其中，i、k、c、j和t分别代表企业、产品、城市、目的地和年份。lnqualityikcjt为城市c的企业i在t年出口产品k到地区j的产品质量（取自然对数），是本文的被解释变量。signalkcjt为城市c的新出口企业在t年从邻近企业获得关于地区j对产品k的需求信号，是本文的核心解释变量。Z′为不同层面的控制变量。{FE}为多维度的固定效应，具体包括：（1）企业—年份固定效应，用于控制企业生产率、企业规模、企业性质等影响企业生产能力的因素；（2）产品—年份固定效应，用于控制不同产品及其所在产业随时间变化趋势的差异性；（3）目的地—年份固定效应，用于控制出口目的地的收入水平与政府政策对所有企业出口行为的影响；（4）城市—目的地固定效应，用于控制城市与出口目的地之间可能存在的历史因素对企业出口行为的影响，同时该固定效应还能够控制城市与出口目的地之间的距离，在一定程度上吸收了运输成本对企业出口质量的影响。εikcjt为随机误差项。

（二）变量选择与测度方法

1.被解释变量

借鉴Khandelwaletal.（2013）的方法，本文采用如下公式估算企业出口产品质量：

lnxikcjt=-σlnpikcjt+λk+λjt+ξikcjt（16）

其中，lnxikcjt和lnpikcjt分别代表企业i在t期出口HS六位码产品k到地区j的产品数量和产品价格。σ为行业内产品间的替代弹性，本文采用了Broda&Weinstein（2006）的测算结果进行匹配，允许行业间替代弹性的差异化。λk和λjt分别代表产品和目的地—年份固定效应。通过估计式（16）中的残差ξ︿ikcjt，可以得到企业i出口产品k到地区j的产品质量为lnq︿ikcjt=ξ︿ikcjt/（σ-1）。

2.核心解释变量

本文实证研究亟待解决的问题是要找到一个能够衡量邻近企业释放关于目的地需求信号的合理变量。这是由于在现实中，nbkj，t-1不能被新出口企业直接观察或被统计者精确测算。为此，结合理论分析，为了进一步分离邻近企业间不随时间变化的潜在差异化因素（如生产率等）的影响，本文借鉴Fernandes&Tang（2014）的做法，用城市c出口产品k到地区j的企业在t-1期和t期销售额的平均增长率作为d-nbkj，t-1的代理变量。具体而言，邻近企业释放的需求信号signalkcjt可被定义为：

signalkcjt=1nkcj，t-1∑i∈Nkcj，t-1［lnxikcjt-lnxikcj，t-1］（17）

其中，Nkcj，t-1为t-1期和t期城市c出口产品k到地区j的企业集合，nkcj，t-1为集合内出口企业的数量。

3.控制变量

第一，关于其他地区的需求信号（othersignalkcjt）。与式（16）的测算思路一致，计算t-1期到t期城市c出口产品k到地区j以外其他地区企业销售额的平均增长率。控制该变量用于排除新出口企业产品质量的变化是由其他目的地—产品层面的信息溢出所影响。第二，释放信号企业数量（lnnkcj，t-1）。以t-1期和t期城市c出口产品k到地区j的企业数量的自然对数值来衡量，用于控制本地的信息溢出强度。第三，本地进口商数量的自然对数值（lnimpnumcj，t-1）。考虑到出口企业存在从邻近进口商学习目的地市场的可能性，本文借鉴Hu&Tan（2020）的做法，控制上一期城市—目的地层面进口企业的数量（取自然对数）。第四，新出口企业的贸易经验。为了控制企业出口经验对市场需求预期的干扰，本文加入虚拟变量（expicj，t-1），如果企业i在t-1期出口其他产品进入地区j则取值为1，否则为0。

（三）数据来源说明与处理

本文实证分析中所需要的数据主要来自由海关总署统计的外贸产品海关数据库。该数据库记录了中国2000—2015年进出口企业的企业代码、HS八位产品代码、运输方式、贸易伙伴、贸易方式、贸易额与产品数量等信息。本文对数据进行如下处理：第一步，将HS八位产品代码加总到六位产品代码，并统一到HS1996海关编码。第二步，根据上文指标测算方法，计算出口产品质量、需求信号等实证所需指标。第三步，只保留产品—目的地—年份层面的新出口企业（或称“新进入企业”）的样本。结合理论模型并参考Koenigetal.（2010）以及Fernandes&Tang（2014）的做法，定义新出口企业为所有t期出口但是t-1期没有出口产品k到地区j的所有企业。第四步，删除加工贸易出口记录和出口目的地为中国香港地区的样本。这样处理的原因如下：一是与从事一般贸易的企业相比，从事加工贸易的企业往往依赖长期的离岸合同和受到中间投入品的限制（Fengetal.，2017），从而影响他们的质量调整能力以及对邻近企业信号的依赖性；二是中国香港地区是一个重要的国际转运港，长期以来很多企业在此设立公司总部并从内地进口大量产品再转运到境外市场（Feenstra&Hanson，2004），这种再出口行为可能会影响识别本地信息溢出与企业出口产品质量之间的因果关系。经过上述一系列的数据处理后，得到了一个包含2001—2015年企业—产品—城市—目的地—年份的高维度面板数据，主要变量的描述性统计如表1所示。

四、研究结果及分析

（一）基准回归结果

参照式（15）的设定，表2报告了邻近企业释放的目的地需求信号对新进入企业出口产品质量的影响。所有回归都控制了企业—年份、产品—年份、目的地—年份与城市—目的地固定效应。为了避免潜在序列相关和异方差问题，本文在回归时还采用了以城市—产品—目的地聚类的稳健标准误。其中，列（1）仅放入邻近企业释放的目的地需求信号，核心解释变量signalkcjt的估计系数在1%的水平上显著为正，表明邻近企业的平均出口增长率越高，初次出口相同产品到相同目的地企业的出口产品质量越高。列（2）加入了产品—城市—目的地—年份层面的变量，包括其他地区的需求信号和释放信号的企业数量；列（3）进一步加入城市—目的地—年份层面的进口企业数量；列（4）控制了企业—目的地—年份层面的贸易经验。可以看出，在加入一系列控制变量后，核心解释变量signalkcjt估计系数的符号和显著性均未发生明显变化。上述结果说明关于目的地产品需求的本地信息溢出提升了新进入企业的出口产品质量，这证明了本文的理论假设H1。

（二）内生性检验

1.核心解释变量滞后一期

在基准回归中，采用两期差分的方式消除邻近企业的异质性对信号的干扰，但是当期邻近企业的出口额也可能受到新出口企业出口行为的影响，从而导致本地新出口企业出口产品质量与邻近企业释放的需求信号之间产生逆向因果关系。为此，本文借鉴Hu&Tan（2020）的方法，采用滞后一期信号进行检验。表3列（1）显示，滞后一期信号系数显著为正，这表明在排除逆向因果关系的情况下，本文的核心结论依然稳健。

2.替换固定效应

尽管在基准回归中，本文加入多项控制变量和固定效应，但是其他非观测的时变因素仍然可能影响企业的出口产品质量和邻近企业的出口行为。为此，本文尝试用多种固定效应组合以排除潜在的影响因素。首先，引入产品—目的地—年份固定效应消除不同地区针对特定产品的产业和关税政策对新出口企业和邻近企业出口表现的差异性影响。其次，引入城市—产品—年份固定效应，控制企业所在地区特定产品的市场竞争力，排除本地制造水平对企业出口产品质量的影响。最后，引入城市—目的地—年份固定效应，控制城市与目的地之间随时间变化的因素对企业出口产品质量的影响，例如双边投资或其他各领域的交流合作。上述结果在表3列（2）至列（4）中汇报，结果显示邻近企业信号仍然可以提升新出口企业出口产品质量。

3删除特殊地区

虽然在之前的回归分析中采用企业—年份和城市—产品—年份固定效应控制了地区随时间变化的因素对企业出口产品质量的影响，但是考虑到地区之间经济发展水平、相关配套设施和政策以及营商环境的差异性，不同生产率企业还可能存在选址的排序效应，即高生产率企业倾向于进入更大规模城市，而低生产率企业只能进入小规模城市（王世平和钱学锋，2016）。这导致企业高质量产品出口可能不是受到信号影响的结果，而是由企业的区位选择所致。为此，本文删除了产品—目的地—年份层面平均出口质量最高的城市以及中国7座超大城市样本，避免高生产率企业集聚对新出口企业产品质量的影响。表3列（5）的结果表明，在考虑到排序效应后，本文的核心结论依然成立。

4工具变量法

为了进一步证明核心结论的可靠性，本文采用工具变量处理基准回归中可能存在的内生性问题。与Autoretal.（2013）的方法类似，将t-1期到t期除城市c以外境内其他地区企业出口产品k到经济合作与发展组织（OECD）成员方的销售增长率growthkcot作为核心解释变量signalkcjt的工具变量。该工具变量的合理性在于：一方面，OECD成员方包含了多数收入水平较高、技术先进的发达经济体，其他城市对该地区出口产品销售的增长率能够代表中国出口商在该产品领域整体国际竞争力的提升，即对出口地区j产品k的供给冲击，与城市c企业出口产品k到该目的地的平均增长率存在较强的相关性；另一方面，本地单个企业的出口产品质量影响其他地区出口相同产品的销售额的可能性较低，因此该工具变量不会直接影响被解释变量或与之形成互为因果关系，具有较强的外生性。

表3列（6）汇报了相应两阶段最小二乘（2SLS）法的估计结果。结果显示，核心被解释变量的系数仍然显著为正且拒绝了识别不足和弱识别的原假设，说明本文工具变量选取较为合理，基准回归结果可信。

（三）更多稳健性检验

1更换核心解释变量的衡量方法

首先，为了排除个体因素对需求信号的干扰，通过差分的方法构造需求信号变量。为了与理论模型一致，直接用t-1期城市c出口产品k到地区j的企业平均出口额作为需求信号的代理变量进行检验，估计结果在表4列（1）中汇报。其次，在理论模型中假设新出口企业可以通过观察邻近企业的出口销售额推断产品—目的地需求偏好，但是考虑到在现实中企业也可能通过观察邻近企业的出口销售数量推断需求偏好，根据式（17）计算邻近企业出口产品数量的增长率并以此作为需求信号的代理变量进行检验，估计结果在表4列（2）中汇报。从上述估计结果可以看出，核心解释变量的系数显著为正，说明本文的核心结论稳健，不随需求信号测度方法的不同而有根本性改变。

2新进入企业的不同定义

本文样本中还可能存在部分企业对特定境外市场低频率持续产品出口或反复进入退出的情况，相比于完全初次进入的企业，这类企业会掌握更多的目的地市场信息。为了避免“再进入”企业可能造成的估计偏差，通过延长企业—产品—目的地在t期之前未存在交易记录的时间重新定义新进入企业。表4列（3）至列（5）分别汇报了t期出口产品k到地区j但是之前连续两年、三年和四年未出口的企业样本回归结果。可以发现，各列中核心解释变量signalkcjt的估计系数都依然显著为正。

3.考虑其他地区的信息溢出

在基准回归中，本文只考虑了城市内企业间的信息溢出，然而由于国家对行政区的划分，地方政府有能力整合省份内的经济资源，同时完善的交通基础设施建设也会加速中心城市与周边城市间的信息溢出和要素流通（孙进和鲍晓华，2022），从而可能高估了邻近企业的信息溢出对特定目的地新进入企业出口产品质量的影响。基于上述考虑，将省份内其他城市企业出口产品k到地区j的平均增长率作为相对应的需求信号signal_sfkcjt进行控制。从表4列（6）可以看出，在控制了省域信息溢出之后，核心解释变量signalkcjt估计系数的绝对值下降不明显且依然显著为正，同时省份内其他城市企业释放的目的地需求信号signal_sfkcjt的估计系数值远小于signalkcjt且不显著，说明省域信息溢出基本没有干扰城市内邻近企业释放的需求信号对新出口企业产品质量的影响，并且自身的影响效果也非常有限。

此外，企业间的信息溢出强度与空间距离有着明显的正相关关系（Duranton&Puga，2004）。因此，相邻城市即使不同属一个行政区也可能存在信息溢出的情况。为此，本文在表4列（7）汇报了本城市信号（signalkcjt）、相邻城市信号（signal_bdkcjt）和非相邻城市信号（signal_nonbdkcjt）对新出口企业产品质量的影响效果。结果显示，城市内信号的估计系数依然显著为正，并且其影响效果远高于其他两种信号形式。同时，相比于非相邻城市，相邻城市信号的系数显著为正且数值更大。该结果与Koeingetal.（2010）和Bisztrayetal.（2018）的研究一致，即本地信息溢出存在空间衰减（spatialdecay）现象，信息传递效率会随着距离的增加而减弱，证明了邻近学习效应的可信性。

（四）邻近学习效应的影响因素检验

根据前文的理论分析，邻近企业释放的需求信号对新出口企业出口产品质量的促进效果随着邻近企业数量（nj，t-1）和需求不确定性（vdj）的上升而增强，但是会随着信号分散程度（vzj）的增加而减弱。本部分分别将上述三个因素与需求信号signalkcjt进行交互回归，对理论假设H2进行实证检验，相关估计结果汇报在表5中。

首先，对于释放信号企业数量与邻近学习效应之间的关系，由列（1）可知，需求信号与释放信号企业数量的交互项系数显著为正，证明了释放需求信号企业数量对邻近学习效应的促进作用。考虑到由于城市间的面积各不相同，即使两个城市释放信号企业数量相同，各自信息溢出强度和质量也可能存在差异。为此，进一步将邻近释放信号企业数量替换成单位面积内释放信号企业数量进行检验。从列（2）的估计结果可以看出，交互项系数依然显著为正，说明在控制了城市面积对信息溢出影响的情况下，释放信号企业数量仍然会正向促进新进入企业的邻近学习效应。

其次，对于目的地需求不确定性强度与邻近学习效应之间的关系，由于在数据中无法观测和收集企业出口前对目的地市场了解程度的信息，需要通过其他代理变量进行衡量。一方面，从出口目的地视角出发，Appelbaum&Kohli（1997）指出贸易信息的摩擦和不对称性往往与贸易双方的距离呈正相关关系，也就是说，如果出口目的地与本地区的距离越远，企业未进入目的地市场前所面临的需求不确定性就会越大。基于此，列（3）检验了需求信号与目的地距离的交互项回归，结果显示交互项系数显著为正，说明邻近学习效应随着出口目的地距离的增加而增强，这与前文的分析一致。另一方面，从企业—产品—目的地视角出发，大量研究发现企业拓展的新出口市场与其以往出口市场具有高度的相似性，这是因为企业对相似市场的出口具有更充分的先验知识和贸易经验，从而能够有效地降低出口不确定性（Schmeiser，2012；Fablingetal.，2012；Ramos&MoralBenito，2018）。借鉴Albornozetal.（2012）的方法，通过引力变量捕获企业新出口市场与以往出口市场的相似信息，并以此衡量企业的贸易经验。具体而言，如果数据中企业—产品层面历史出口市场与新出口市场地理接壤或采用同一官方语言，则设定虚拟变量borderikjt和langikjt为1，反之则为零

相关信息来自CEPII数据库。。从列（4）和列（5）的估计结果可以看出，交互项系数都显著为负，说明相较于具有相似目的地出口经验的企业，邻近学习效应对没有相似目的地出口经验企业的影响更强，意味着更高的需求不确定性使企业更加依赖邻近企业的信息溢出。此外，考虑到企业不仅可以通过向邻近企业学习，还可以通过互联网查询等方式了解出口目的地市场信息，从而降低其出口的不确定性（赵瑞丽等，2021），进一步构建城市层面互联网深化程度指标intct并与目的地需求信号构建交互项回归

城市互联网深化程度指标用当期城市互联网用户数的对数值定义，数据来自《中国城市统计年鉴》。。从列（6）的估计结果可以看出，交互项系数显著为负，说明互联网发展越发达地区出口企业的产品质量决策对邻近企业释放的需求信号反应程度越弱，这也间接证明了不确定性对邻近学习效应的促进作用。

最后，对于需求信号精确度与邻近学习效应之间的关系，与理论分析一致，计算了城市—产品—目的地—年份层面邻近企业出口增长率的标准差（取自然对数），并与目的地需求信号进行交互回归。从表5信号分散的估计结果可以看出，交互项系数显著为负，说明邻近企业释放的需求信号越分散或越不统一，新出口企业产品质量决策对信号的依赖性越弱。综上，表5的回归结果支持了理论假设H2。

（五）异质性分析

在基准回归中，本文考察了目的地需求信号影响新进入企业出口产品质量的平均效应。本部分对具有不同特性的新进入企业、产品种类和释放信号邻近企业加以区分，深入探讨目的地需求信号对新进入企业出口产品质量的异质性影响

限于篇幅，省略具体回归结果，备索。

。

1区分中间商和非中间商

贸易中间商在中国对外贸易中扮演了重要的作用，他们能够通过自身商业网络帮助大批低生产率企业间接出口到高市场进入成本地区，贡献了中国约22%的出口贸易额（Ahnetal.，2011）。相比于生产性出口企业，贸易中间商拥有更广泛的销售网络和客户资源，从而表现出更强的信息搜寻能力（Antrs&Costinot，2010），因此其面临的需求不确定性较弱。根据之前的理论分析，生产性出口企业的邻近学习效果应强于贸易中间商。为此，本文对邻近企业释放的需求信号与企业是否为贸易中间商的虚拟变量interi进行交互回归

参考Ahnetal.（2011）等方法，将样本中企业名称中含有进出口、贸易、科贸、外贸、经贸、商贸、进口、出口等关键字的企业定义为贸易中间商，其余企业定义为生产性出口企业。。结果显示，交互项的估计系数显著为负，说明邻近学习效应对生产性出口企业的影响高于对贸易中间商，这与预期一致。

2区分产品差异程度

在不同行业内，产品质量的差异化程度各不相同，通常来说，在质量差异化程度较高的行业中企业会拥有更大的质量调整空间（余淼杰和张睿，2017），同时产品质量差异化程度越高也意味着企业面临购买该行业产品的消费者偏好不确定性越强（Timoshenko，2015），因此邻近学习效应对生产不同类别产品的企业出口产品质量可能会产生异质性影响。本文借鉴Khandelwal（2010）测算的各行业产品的质量阶梯（qualityladder）作为产品质量差异化程度的代理变量，并与核心解释变量进行交互回归。结果显示，交互项系数显著为正，这表明邻近企业释放的目的地需求信号对新进入企业出口产品质量的影响随着该产品所属行业产品差异化程度的增高而增强，这与预期相符。

3.区分释放信号企业

在理论模型中，假设企业可以同等观察所有邻近企业的出口行为，从而基于信息更新后的需求水平调整初次出口产品质量。但是在现实中，邻近企业的信息溢出通常通过企业间各种互动行为发生，因此新出口企业与邻近企业的互动频率和质量可能会影响信息学习的效果，从而导致邻近学习可能存在一定的特定性偏好（张国峰等，2016）。已有研究发现，邻近学习存在同类型偏好行为，相较于跨行业企业，同行业企业由于具有相似的生产经营和销售方式，彼此之间的了解程度更高、信息交流更紧密，表现出更强的信息依赖性（刘慧和綦建红，2018；Hu&Tan，2020）。还有学者指出，跨国企业对商业信息的态度更加谨慎或者更加注重限制和防止信息的泄露，新出口企业更容易通过获得地区内企业的信号进行出口决策（Fernandes&Tang，2014）。据此，本文分别比较了同行业和跨行业企业信号以及地区内和地区外企业信号。结果表明，同行业企业信号和国内企业信号对新出口企业产品质量的影响效果分别高于跨行业企业信号和地区外企业信号，这与以往关于企业特定性信息学习偏好的研究相符。

（六）影响机制检验

前文的基准回归和稳健性检验均已证明邻近学习效应能够提升企业的出口产品质量，由此引出的问题是：邻近学习效应具体通过何种途径产生影响？假设H3提出的影响机制是否成立？为此，本文拟建立中介效应模型进行考察。其中，需要检验的中介变量共有两个：一个是企业的固定资产投资（invit），另一个是企业高质量中间品进口（highimpit）。由于在基准回归中采用的是中国海关数据库，缺少企业的生产经营信息，本文将中国工业企业数据库与其匹配，并借鉴Olley&Pakes（1996）的做法，采用企业当期固定资产存量与上一期折旧后固定资产存量之差衡量固定资产投资。对于企业高质量中间品进口，本文借鉴Liu&Qiu（2016）的方法，采用企业从OECD成员方中间品进口额的自然对数衡量

本文在识别中间品进口时，首先采用了HS六位码编码与BEC编码的转化表，得到海关数据库中企业商品HS6码对应的BEC编码。其次，本文结合联合国《广义经济类别》对于中间品、最终品、资本品的分类，将BEC编码为111、121、21、22、31、322、42、53的产品标记为中间品。此外，考虑到样本中大量企业没有从OECD成员方中间品进口的情况，为了不损失样本，本文将相关进口额加1后取自然对数。。然而，在进行实证考察时，本文还面临一个挑战：在数据中固定资产投资和高质量中间品进口都是在企业层面，无法得知这些固定资产投资和高质量中间品是如何运用于企业出口到不同目的地的不同产品。为此，将企业在不同产品—目的地—年份层面观察的需求信号进行平均处理，获得企业层面的需求信号（signalit）。同时，借鉴施炳展和邵文波（2014）的方法构造企业层面的出口质量。

表6给出了邻近学习与新出口企业出口产品质量作用机制的检验结果。其中，列（1）考察了企业层面的平均需求信号对企业出口质量的影响。结果显示，邻近企业的信号的估计系数显著为正，表明需求信号促进了企业出口产品质量的提升，这与基准回归结果相符。列（2）和列（3）分别以企业固定资产投资和高质量中间品进口为被解释变量，从中可知邻近企业的信号的估计系数显著为正，表明邻近企业的信号能够提高企业固定资产投资和高质量中间品进口。列（4）和列（5）分别报告了两个中介变量和邻近企业信号对新出口企业出口产品质量的影响。结果显示，两个中介变量的估计系数显著为正，而邻近企业的信号的估计系数在数值上出现了进一步的下降，这意味着企业固定资产投资和高质量中间品进口是邻近学习提升新出口企业产品质量的作用机制。至此，假设H3得到了验证。

五、结论与政策建议

高质量发展是新时代中国经济发展的鲜明主题。面对百年未有之大变局，国际政治和经济环境的复杂多变要求不仅要从供给侧提高企业的生产和创新能力，也要从需求侧加强企业对境外市场信息的了解。借鉴Flach&Unger（2022）以及Fernandes&Tang（2014）的研究，本文将企业内生化产品质量决策和社会学习行为纳入异质性企业贸易框架，在不确定性的视角下讨论了区域内关于出口目的地市场需求的信息溢出影响新出口企业产品质量选择的微观机理。在理论分析的基础上，本文主要通过2000—2015年中国海关数据库实证考察了邻近学习效应是否以及如何影响中国新出口企业产品质量升级。结果显示，邻近企业释放的需求信号能够提升新出口企业的产品质量，同时邻近学习的效果受到释放信号邻近企业数量、新出口企业自身对目的地市场的了解程度以及信号的分散度等因素的影响。在引入企业、产品和信号来源特征后可以发现，邻近企业的信息溢出对企业出口产品质量的影响在非贸易中间商和出口高差异化产品的企业中较大，并且企业的出口产品质量决策对同产业和境内企业的信息溢出更加依赖。最后，本文进一步通过中介效应模型检验了邻近学习效应影响新出口企业产品质量的作用机制，发现邻近学习效应可以通过促进企业加大固定资产投资和高质量中间品进口提升新出口企业的产品质量。

总体来说，本文的研究充分肯定了邻近企业的信息溢出对提升新出口企业产品质量的作用，并对企业信息学习过程中的特征和机制进行了系统性的分析，这对于中国外贸企业在不确定性环境下稳中提质具有重要的政策含义。第一，区域内企业间应增强良性互动，增加彼此之间的信息交流。政府可以利用搭建贸易信息共享平台，增强出口信息的透明度，形成区域内企业间交流共享机制，方便新出口企业及时获取境外市场信息。第二，鼓励出口商形成地区集聚，扩大邻近学习效应的作用效果。地方政府可以通过吸引境内外大中型贸易企业入驻，优化区域内出口市场结构和提高市场专业化集聚程度，同时依托其丰富的贸易经验和已有出口网络强化地区信息共享质量，降低本地企业的出口风险。第三，在积极鼓励企业间信息交流的过程中，政府应当引导企业对实用信号和干扰噪声进行区分，帮助企业准确识别信号的真实性，避免无用信息或错误信息对企业出口决策的干扰。第四，由于产品质量的升级还需要高额的成本投入，政府应当加大针对新出口企业的贸易补贴和贷款支持力度，缓解新出口企业的资金压力和融资约束，提高企业创新投资水平。与此同时，继续推进和深化中间品贸易自由化改革，为企业充分利用高质量中间品进口实现产品质量升级提供便利。

参考文献：

［1］陈榕景，铁瑛.跟着邻居去出口？——邻居出口信号、不确定性与出口目的地本土集聚［J］.国际贸易问题，2022（1）.

［2］方森辉，毛其淋.高校扩招、人力资本与企业出口质量［J］.中国工业经济，2021（11）.

［3］李保霞，张辉，王胜，等.竞争国汇率与出口产品质量：兼论人民币汇率的国际影响［J］.世界经济，2023，46（4）.

［4］刘慧，綦建红.“邻居”对中国企业出口生存的影响有多大——基于信息溢出的视角［J］.财贸经济，2018，39（8）.

［5］刘晴，孙景，苏理梅.国别集聚、不确定性与异质性企业出口行为［J］.国际贸易问题，2020（1）.

［6］施炳展，邵文波.中国企业出口产品质量测算及其决定因素——培育出口竞争新优势的微观视角［J］.管理世界，2014（9）

［7］施炳展，熊治，廖秋娴.境外人员流入与出口质量——缓解贸易“柠檬市场”［J］.数量经济技术经济研究，2023，40（11）.

［8］苏丹妮，盛斌，邵朝对.产业集聚与企业出口产品质量升级［J］.中国工业经济，2018（11）.

［9］孙进，鲍晓华.跨区域信息溢出与企业出口：来自中国多工厂企业的证据［J］.世界经济，2022，45（2）.

［10］铁瑛，刘逸群.贸易中介、信息不对称与不稳定出口关系［J］.中国工业经济，2021（12）.

［11］王世平，钱学锋.中国城市出口：集聚效应还是排序效应［J］.国际贸易问题，2016（8）.

［12］许家云，毛其淋，胡鞍钢.中间品进口与企业出口产品质量升级：基于中国证据的研究［J］.世界经济，2017，40（3）.

［13］杨汝岱，李艳.移民网络与企业出口边界动态演变［J］.经济研究，2016，51（3）.

［14］叶迪，朱林可.地区质量声誉与企业出口表现［J］.经济研究，2017，52（6）.

［15］余淼杰，张睿.人民币升值对出口质量的提升效应：来自中国的微观证据［J］.管理世界，2017（5）.

［16］张国峰，王永进，李坤望.产业集聚与企业出口：基于社交与沟通外溢效应的考察［J］.世界经济，2016，39（2）.

［17］张莹，朱小明.经济政策不确定性对出口质量和价格的影响研究［J］.国际贸易问题，2018（5）.

［18］赵瑞丽，谭用，崔凯雯.互联网深化、信息不确定性与企业出口平稳性［J］.统计研究，2021，38（7）.

［19］朱小明，宋华盛.目的国需求、企业创新能力与出口质量［J］.世界经济研究，2019（7）.

［20］AhnJ，KhandelwalAK，WeiSJ.TheRoleofIntermediariesinFacilitatingTrade［J］.JournalofInternationalEconomics，2011，84（1）.

［21］AlbornozF，PardoHFC，CorcosG，etal.SequentialExporting［J］.JournalofInternationalEconomics，2012，88（1）.

［22］AntrsP，CostinotA.IntermediationandEconomicIntegration［J］.AmericanEconomicReview，2010，100（2）.

［23］AppelbaumE，KohliU.ImportPriceUncertaintyandtheDistributionofIncome［J］.TheReviewofEconomicsandStatistics，1997，79（4）.

［24］ArkolakisC，PapageorgiouT，TimoshenkoOA.FirmLearningandGrowth［J］.ReviewofEconomicDynamics，2018，27.

［25］BasM，StraussKahnV.InputTradeLiberalization，ExportPricesandQualityUpgrading［J］.JournalofInternationalEconomics，2015，95（2）.

［26］BermanN，RebeyrolV，VicardV.DemandLearningandFirmDynamics：EvidencefromExporters［J］.TheReviewofEconomicsandStatistics，2019，101（1）.

［27］BisztrayM，KorenM，SzeidlA.LearningtoImportfromYourPeers［J］.JournalofInternationalEconomics，2018，115.

［28］BrodaC，WeinsteinDE.GlobalizationandtheGainsfromVariety［J］.TheQuarterlyJournalofEconomics，2006，121（2）.

［29］CasseyAJ，SchmeiserKN.TheAgglomerationofExportersbyDestination［J］.TheAnnalsofRegionalScience，2013，51（2）.

［30］DeGrootMH.OptimalStatisticalDecisions［M］.NewYork：JohnWiley&Sons，2004.

［31］FablingR，GrimesA，SandersonL.Whatevernext？ExportMarketChoicesofNewZealandFirms［J］.PapersinRegionalScience，2012，91（1）.

［32］FanHC，LaiELC，LiYA.CreditConstraints，Quality，andExportPrices：TheoryandEvidencefromChina［J］.JournalofComparativeEconomics，2015，43（2）.

［33］FeenstraRC，HansonGH.IntermediariesinEntreptTrade：HongKongReexportsofChineseGoods［J］.JournalofEconomics&ManagementStrategy，2004，13（1）.

［34］FengL，LiZY，SwensonDL.TradePolicyUncertaintyandExports：EvidencefromChinasWTOAccession［J］.JournalofInternationalEconomics，2017，106.

［35］FernandesAP，TangHW.LearningtoExportfromNeighbors［J］.JournalofInternationalEconomics，2014，94（1）.

［36］FlachL，UngerF.QualityandGravityinInternationalTrade［J］.JournalofInternationalEconomics，2022，137.

［37］GulenH，IonM.PolicyUncertaintyandCorporateInvestment［J］.TheReviewofFinancialStudies，2016，29（3）.

［38］HallakJC.ProductQualityandtheDirectionofTrade［J］.JournalofInternationalEconomics，2006，68（1）.

［39］HallakJC，SivadasanJ.ProductandProcessProductivity：ImplicationsforQualityChoiceandConditionalExporterPremia［J］.JournalofInternationalEconomics，2013，91（1）.

［40］HuC，TanY.ExportSpilloversandExportPerformanceinChina［J］.ChinaEconomicReview，2016，41.

［41］HuC，TanY.LearningtoImportfromNeighbors［J］.ChinaEconomicReview，2020，61.

［42］KhandelwalA.TheLongandShort（of）QualityLadders［J］.TheReviewofEconomicStudies，2010，77（4）.

［43］KhandelwalAK，SchottPK，WeiSJ.TradeLiberalizationandEmbeddedInstitutionalReform：EvidencefromChineseExporters［J］.AmericanEconomicReview，2013，103（6）.

［44］KoenigP，MaynerisF，PoncetS.LocalExportSpilloversinFrance［J］.EuropeanEconomicReview，2010，54（4）.

［45］LiuQ，QiuL.IntermediateInputImportsandInnovations：EvidencefromChineseFirmsPatentFilings［J］.JournalofInternationalEconomics，2016，103.

［46］MacedoniL.AsymmetricInformation，Quality，andRegulations［J］.ReviewofInternationalEconomics，2022，30（4）.

［47］MelitzMJ.TheImpactofTradeonIntraIndustryReallocationsandAggregateIndustryProductivity［J］.Econometrica，2003，71（6）.

［48］OlleyS，PakesA.TheDynamicofProductivityintheTelecommunicationsEquipmentIndustry［J］.Econometrica，1996，64（6）.

［49］RamosR，MoralBenitoE.AgglomerationbyExportDestination：EvidencefromSpain［J］.JournalofEconomicGeography，2018，18（3）.

［50］SchmeiserKN.LearningtoExport：ExportGrowthandtheDestinationDecisionofFirms［J］.JournalofInternationalEconomics，2012，87（1）.

［51］TimoshenkoOA.LearningVersusSunkCostsExplanationsofExportPersistence［J］.EuropeanEconomicReview，2015，79.

［52］WangLH.Quality，InputChoicesandLearningbyExporting：EvidencefromChineseExporters［Z］.UniversityofToronto，2011.

［53］WuH，LiJ，ZhaoY.ForeignDemandShocks，ProductSwitching，andExportProductQuality：EvidencefromChina［J］.TheWorldEconomy，2023，46（1）.

（责任编辑：陈思萌）