下载:
-
改革开放初期，为了促使企业融入“国际大循环”，提高产品附加值，中国政府为加工贸易提供了政策优惠，显著促进了中国对外贸易和就业的持续增长，并在国内资金和外汇短缺的情形下初步实现了资本积累。然而，“两头在外”的加工贸易模式，一方面使得中国制造业被锁定在全球价值链低端，关键技术受制于人，另一方面也使中国积累了较大的贸易顺差，对外部需求形成长期依赖。近年来中美贸易摩擦、英国脱欧事件、全球范围内“黑天鹅事件”等逆全球化事件的频繁发生以及当下全球新冠肺炎疫情的迅速蔓延给全球贸易带来了巨大不确定性，中国外贸发展面临着前所未有的风险和挑战。拓展对外贸易方式多元化，逐步实现贸易方式转型升级，对构建双循环新发展格局具有重要意义。
与加工贸易企业相比，一般贸易企业不具有“两头在外”的特征，借助国外企业打开销路的倾向不强，通常需要自己支付大量固定成本打造与维系营销渠道，因而一般贸易出口的门槛相对较高，这也意味着在不确定性背景下为出口企业提供准确的市场信息对企业贸易模式的转型至关重要[1-4]。本文尝试从贸易中介空间集聚的视角，剖析出口目的国经济政策不确定性对企业对外贸易模式转型升级的影响。基于2000—2013年高度细化的中国微观贸易数据，经验分析发现：随着经济政策不确定性的降低，企业从事一般贸易出口的比重将上升，而从事加工贸易出口比重将下降，且这一效应在贸易中介集聚程度更高的区域更为明显。这一结论蕴含的经济逻辑在于：由于加工贸易主要参与国际循环，过度依赖国外合作企业的销售渠道，受国外企业的约束和影响较大，经济政策不确定性会通过“订单丧失”和“利润蚕食”两个渠道显著降低企业加工出口的预期利润，倒逼企业转型为一般贸易；本国贸易中介的集聚则会进一步降低企业从事一般出口的贸易成本，进而放大经济政策不确定性对企业出口模式转型升级的影响。
本文的主要特点体现在以下三个方面：第一，为经济政策不确定性的倒逼机制提供了新的经验证据，丰富了相关研究。已有研究尚未关注目的国经济政策不确定性对企业出口模式转型升级的影响，且多关注的是经济政策不确定性的负面影响。尽管有文献认为经济政策不确定性可以倒逼企业出口产品质量升级，但未进一步剖析“倒逼升级”蕴含的机理[5]。事实上，一般贸易出口的贸易附加值和产品质量更高，经济政策不确定性的贸易模式转型升级效应可能是企业出口产品质量升级的内在原因。第二，从中介集聚功能专业化和信息溢出角度解释了贸易中介促进企业贸易模式转型升级的内在机理。近期文献指出，功能专业化更能体现企业在生产、市场、研发和管理等功能活动方面的差异[6-7]，然而，功能专业化的相关文献多从生产性企业内部活动出发，忽略了中介企业的作用。现有文献也尚未关注中介集聚对企业贸易模式转型升级的影响。贸易中介是促进贸易的专业性企业，不仅有利于降低出口成本，促使企业进行间接出口[8]，其集聚产生的沟通外部性还会对不同贸易方式产生异质性影响[9]。第三，将经济政策不确定性、贸易中介集聚和企业出口模式转型升级纳入同一框架进行研究，从企业出口模式微观层面，为新发展格局的构建提供了政策参考。与加工贸易企业相比，一般贸易企业受海关约束较少，可以更好地兼顾国内国外两个市场，因而发展一般贸易企业对对外贸高质量发展和新发展格局构建十分关键。本文的研究结论强调科学布局贸易中介对一般贸易企业发展的重要性，这从微观企业层面为“新发展格局”构建提供了政策参考。
-
生产性出口企业参与国际贸易有两种方式，一是直接出口，二是借助贸易中介进行间接出口。其中，直接出口方式又可以划分为一般贸易方式出口和其他贸易方式出口。在其他贸易方式中，加工贸易方式出口是最主要的出口方式。2000—2013年，中国间接出口份额占到总出口份额的20%左右，而加工贸易出口份额占到了总出口份额的43%左右①。可以说，出口企业国际化进程中，加工贸易和间接出口方式发挥了重要的作用。
现有文献主要从三个方面解释了企业贸易模式选择的影响因素。一是不完全契约理论。Feenstra和Hanson[10]、Fernandes和Tang[11]研究认为国外跨国公司的投资动机是中国加工贸易繁荣的原因。他们认为由于进口—组装（进料加工）存在不完全合同，外国企业更加倾向于通过纯组装（来料加工）模式与中国企业建立贸易联系。二是企业自身影响因素，主要包括企业生产率因素、规模因素和融资约束限制。经典文献认为生产率的高低是企业是否参与国际贸易的关键[12]，由于出口的高昂固定成本和分销成本以及企业自身资金条件等限制，众多低效率企业被排除在国际市场之外。加工贸易两头在外，具有流畅的购买和销售渠道，不需要高昂的出口成本支出，而通过出让部分利润进行间接出口也可以规避出口固定成本支出，因此加工贸易和间接出口为众多低效率企业和存在融资约束困境的企业参与国际贸易提供了可能[13-15]。三是政策性影响因素。中国政府为快速融入“国际大循环”，提高出口产品的技术含金量和附加值，陆续出台一系列支持加工贸易发展的政策。相关文献主要从出口退税[16-17]、进口关税[18]等方面解释了企业选择加工贸易的原因，从避税[19]等方面解释企业选择间接出口的原因。此外，出口产品质量不确定性也是制造业企业选择间接出口的原因[20]。
-
经济政策不确定性与企业行为的关系是经济学领域的研究热点。相关研究主要聚焦于两个方面：一是本国内部经济政策不确定性对本国企业行为的影响，二是外国经济政策不确定性对本国企业行为的影响。基于实物期权理论和贸易摩擦理论，相关研究发现本国内部经济政策不确定性增加了企业对于未来环境的悲观预期、产生了投资的等待期权价值、降低了商业银行等金融机构的贷款意愿、增加了企业的供应连断裂风险，从而增加企业预防性现金持有[21-22]、抑制企业投资[23-24]、降低企业杠杆率[25]、加剧企业融资约束[26]、降低商业信用供给[27]、促使企业进行垂直整合[28]。也有文献发现一国内部政策不确定性反而增加了企业研发投资，并从政府补贴、出口以及融资约束等方面进行了解释[29]。研究外部经济政策不确定性对企业行为影响的主流文献同样基于等待期权价值理论[30]，发现外部经济政策不确定性上升降低了企业加成率[31]、进口技术复杂度[32]、出口依存度[33]、对外直接投资[34]、出口频率[35]、出口产品价值量[36]、进口规模[37]。也有部分文献从分散风险的投资组合原理出发，发现外部经济政策不确定性促使企业采用进口市场多元化策略[38]。张兵兵和田曦[5]发现外部经济政策不确定性还会通过提高企业出口生产率门槛倒逼企业进行高质量产品的高端贸易，从而促进出口贸易转型升级，而本文的经验分析为外部经济政策不确定性的“倒逼升级”机制提供了另一角度的经验证据。
-
集聚与企业出口的关系一直以来是新贸易理论研究的重要议题。然而，由于新贸易理论重点关注生产性企业，因而这类文献主要关注的是生产性企业集聚与出口的关系。例如，Krugman[39]的“中心—外围”理论认为，固定成本的存在为规模经济提供了可能，生产性企业倾向于在“中心”地区集聚生产，并将产品出口到“外围”国家。除却规模经济因素，产业集聚还可以产生影响企业出口行为的信息外溢效应[40]。企业可以通过观察或直接交流的方式从周边企业中获取出口信息[41]，而出口企业的空间集聚便利了从业人员的交流，有利于提升企业获取出口信息的可靠性[42]。Tan和Meyer[43]证实了FDI企业在国外市场的集聚有利于彼此之间的信息共享，降低商业伙伴不确定性。Krauthem[44]发现出口目的国相同企业在本国市场集聚产生的信息溢出有利于企业减少出口固定成本。Fernandes和Tang[45]证实相邻企业出口的正向信息溢出有利于企业出口增长。刘慧和綦建红[46]研究发现“邻居企业”的信息溢出有利于企业出口生存。然而，这些文献均只关注了制造业企业集聚，且未加区分地认为集聚在不同贸易方式企业之间的溢出效应均相同。正如Vries等[6]所述，集聚的溢出效应在不同生产活动中存在差异，溢出效应更有可能出现在研发和金融活动中而非组装或包装活动中，故而集聚的溢出效应在一般贸易和加工贸易方式出口中可能存在差异。不仅如此，中介企业空间集聚和制造业企业空间集聚的溢出效应可能存在程度上的差异。张国峰等[9]发现产业集聚的沟通外部性显著促进了企业出口的集约和扩展边际，且这一沟通外部性对一般贸易出口的影响较之加工贸易更为显著。郑小碧[8]将集聚视角定位在专门的贸易中介机构，发现贸易中介空间集聚不仅有利于降低出口固定成本，促进高效率企业由直接出口转变为间接出口，其产生的出口信息外溢还会对出口二元边际产生重要影响。
-
加工贸易企业往往看重合作企业的分销渠道，进而实现“贸易成本分摊”。为了获得订单，加工贸易企业为合作企业生产定牌和贴牌产品，收取少部分组装成本。然而，这种高度依赖外部市场和合作企业的外向型经济不仅使得中国企业对外部企业和需求形成长期依赖，还可能导致中国出口贸易产生“价值链低端锁定”现象，关键技术受制于人。加工贸易这种典型的“两头在外订单式经济”属性，决定了加工贸易容易受到外部经济政策不确定性的冲击。
进一步从加工贸易的自身特性出发，逻辑上可以推出经济政策不确定性将通过“订单丧失”和“利润蚕食”两种渠道对加工贸易产生影响。
首先分析“订单丧失”渠道。相比于一般贸易，加工贸易具有较深的全球价值链嵌入程度，而不确定性的上升将会增加供应链和销售链风险[28]49-50。同时，加工贸易出口与企业外贸订单承接量息息相关，而外贸订单量则与国外合作企业的资金规模等影响企业订单量的因素息息相关。经济政策不确定性包含了财政政策、货币政策、贸易政策等多种政策不确定性。在不确定性上升情况下，一方面目的国消费者将对未来收入情况形成悲观预期，增加预防性现金持有，降低消费意愿和消费需求[47]，合作企业基于预期销售情况做出减少进口的决策；另一方面合作企业也将增加现金持有和减少投资以应对未来可能的政策冲击[21-23]，从而降低了合作企业的加工贸易进口需求。此外，一国内部经济政策不确定性上升还会增加银行等金融机构的“惜贷”行为，降低企业间的商业信用供给[27]176，从而增加目的国市场上合作企业的融资约束，降低合作企业的进口需求，使得中国企业丧失加工贸易订单。
其次是“利润蚕食”渠道。相比于一般贸易，加工贸易的装配组装低附加值出口特征使得加工出口本身利润空间狭小，每美元国内附加值不到一般贸易出口的二分之一[48-49]。经济政策不确定性上升会抑制一国的产出，降低价格水平[50]，出口价格的下降将进一步蚕食加工贸易的出口利润。
综上所述，本文提出以下理论假说：
H1.在其他条件不变的情形下，目的国经济政策不确定性越高，企业加工贸易出口占比越低，一般贸易出口占比越高，进而有利于企业出口模式转型升级。
企业不仅可以通过“求人”式加工贸易参与国际贸易，还可以通过“求己”式间接出口参与国际贸易。贸易中介可以参与企业出口的商品流、促销流和特定市场的信息流，在促进一国出口尤其是低生产率的中小企业出口方面发挥了重要作用[51-52]。贸易中介的存在不仅有利于降低出口市场的进入成本[53-54]，而且可以通过商业网络提供降低国际贸易过程中的信息搜寻成本和搜寻摩擦[55]。Ellis[56]研究发现贸易中介的范围经济效应有利于降低产品市场进入难度，促进企业出口边际，贸易中介在便利企业出口方面的重要性不言而喻。然而，现有研究忽略了贸易中介空间集聚的重要性。相关文献发现，受制于出口成本，企业倾向于选择加工贸易方式或者间接出口模式，这两种出口模式均有利于企业节约出口固定成本。因此，由于贸易中介的存在，参与出口贸易受约束的企业可以在间接出口和加工贸易出口之间进行相机抉择，而二者的区别在于加工贸易需要出让部分利润给合作企业，而间接出口则是需要出让部分利润给贸易中介。在权衡利润之后，企业在两种贸易模式之间进行选择，而贸易中介的空间集聚可以为企业提供更多的可选贸易中介，对企业选择间接出口方式产生显著的激励效应[8]50，由此增加企业一般贸易出口份额。
除此之外，贸易中介空间集聚还可以产生信息溢出效应，降低企业一般贸易的出口成本，从而增加一般贸易出口份额。正如传统制造业出口企业集聚的信息溢出在降低商业伙伴不确定性、减少企业出口固定成本方面发挥着重要作用，贸易中介的管理和贸易网络优势产生的信息溢出也有利于降低企业的出口成本、提升交易效率[57]。不仅如此，贸易中介空间集聚形成的分销功能专业化还有利于生产性企业从市场分销活动中分离开来，促使生产性企业从事研发等活动，提高功能专业化水平。一般贸易需要自主开拓国际商场、维护贸易网络，因此一般贸易较之加工贸易具有较高的出口成本，而贸易中介的空间集聚可以降低企业出口的固定成本，因此贸易中介集聚将促进企业一般贸易出口，降低加工贸易出口份额。同时，贸易中介集聚还可以降低目的国经济政策不确定性上升通过固定成本渠道对企业一般贸易出口的抑制作用，进而强化经济政策不确定性的“贸易模式转型升级”效应。
综上所述，本文提出以下理论假说：
H2.贸易中介的空间集聚不仅会促进企业一般贸易出口，还将调节经济政策不确定性与企业一般贸易出口之间关系，即贸易中介空间集聚程度越高，给定其他条件不变，经济政策不确定性对一般贸易出口的促进作用越大。
-
1. 被解释变量
本文的被解释变量为企业出口模式，定义在“企业—目的国”维度，采用两类指标衡量。第一类是企业加工贸易出口比重（
$ {\rm{ratio\_p}}{{\text{t}}_{fct}} $ ），采用“企业—国家”加工贸易出口额与“企业—国家”一般贸易与加工贸易总出口额的比值进行衡量，而当加工贸易占比下降时表示企业出口贸易转型升级。这种定义方式与Brandt和Morrow[18]、许和连等[15]相一致，只不过他们采用企业一般贸易比重衡量企业出口贸易转型升级。第二是采用虚拟变量（$ {\text{p}}{{\text{t}}_{fct}} $ ）进行表示，当企业以加工贸易方式出口时$ {\text{p}}{{\text{t}}_{fct}} $ 取1，以一般贸易方式出口时$ {\text{p}}{{\text{t}}_{fct}} $ 取值为0。中国企业出口贸易模式呈现的双峰分布形态表明，大部分企业在出口时采用两种贸易方式中的一种，因而本文定义当企业加工贸易出口份额大于或等于0.8时$ {\text{p}}{{\text{t}}_{fct}} $ 取值为1，加工贸易方式出口份额小于或等于0.2时$ {\text{p}}{{\text{t}}_{fct}} $ 取值为0。本文在基准回归中采用第一种方式测算的企业出口模式指标，在稳健性检验部分采用第二种方式定义的企业出口模式指标。2. 解释变量
本文的核心解释变量有两个，一个是经济政策不确定性，另一个是贸易中介的空间集聚。现有文献主要有三种衡量经济政策不确定性的方法。第一种是采用政府换届、官员变动或战争、革命等主要政治事件衡量不确定性，这种方法一般采取虚拟变量形式，虽然外生性很强，但其缺陷主要有三个方面：一是该指标一般衡量的是政治不确定性，缺乏经济不确定性因素；二是缺乏时变性和连续性；三是只能衡量不确定性的状态而无法衡量不确定性的程度[58]。第二种是采用股市变动或汇率波动作为经济政策不确定性的代理变量[59]，这种指标虽然具有连续性特征，但是却缺乏了政治不确定性因素，且多为事后指标，缺乏即时性。第三种是基于新闻媒体报道等采用文本分析法构建经济政策不确定性指标。Baker等[60]构建的经济政策不确定性指数较为全面，一致性、合理性以及相关领域的认可度较高。该指数不仅涵盖了财政政策、货币政策以及汇率等国家宏观经济政策不确定性，而且涵盖了主流新闻媒体的经济形势预测因素，因而可以很好地反映经济政策不确定性变动程度[24]52。故此，本文使用Baker等[60]编制的经济政策不确定性指数衡量目的国经济政策不确定性，并采用简单算术平均法将月度数据汇总到年度层面并取对数表示。另外，本文还使用其他方式计算的经济政策不确定性指数进行检验以确保结论的稳健性。
本文的第二个重要解释变量是贸易中介的空间集聚。主要考察同一城市贸易中介企业国别集聚（即专业化国别集聚）如何影响企业出口模式，以及其在经济政策不确定性与企业出口模式关系中的作用。由于海关数据库中缺乏企业就业人数信息，且就业人员无法精确分配到每个出口目的地，因此本文参考Holmes和Stevens[61]、刘晴等[62]的研究思路，通过构建同一出口目的地的企业数区位熵指标来测算特定区域内出口国别相同的贸易中介空间集聚，计算公式为
$ \ln {\text{spe}}{{\text{1}}_{uct}} = \ln \left[ {{{\left( {{{{N_{uct}}} / {{N_{ut}}}}} \right)} / {\left( {{{{N_{ct}}} / {{N_t}}}} \right)}}} \right] $ 。其中，$ {N_{uct}} $ 为城市$ u $ 向国家$ c $ 出口的贸易中介企业数目；$ {N_{ut}} $ 为城市$ u $ 的贸易中介企业数目；$ {N_{ct}} $ 为所有城市向国家$ c $ 出口的贸易中介企业数目；$ {N_t} $ 为所有城市向所有国家出口的贸易中介企业数目。本文同时将出口企业数目替换为出口额重新计算贸易中介空间集聚指标进行稳健性检验。3. 控制变量
根据引力模型，本文主要加入宏观维度的目标国层面控制变量以及微观企业层面控制变量。主要包括：（1）目标国的GDP（ln GDP），以2005年不变价美元表示，主要用于控制外国市场潜力对企业出口的影响，数据来源于世界银行。（2）目标国人均GDP（ln pgdpl），主要用来控制目标国需求水平以及经济发展程度对中国企业出口的可能影响，数据来源于世界银行。（3）目标国与中国的汇率水平（ln xr），大量文献证明汇率是影响企业出口的重要因素。本文采用间接标价法衡量中国与各国的汇率，相关数据来源于宾州世界表9.0版。（4）贸易自由度（ln free），贸易自由度反映了目标国的进口自由化水平，可以作为企业出口贸易成本的衡量指标，贸易自由度越大，企业向该国出口的固定成本越小，数据来源于美国传统基金会网站。（5）企业出口规模（ln Vf），采用企业的总出口额进行表示，用来控制企业自身规模因素的影响。
本文对所有控制变量均取自然对数以削弱异方差问题对数据平稳性的影响，相关系数矩阵显示各变量之间并无显著的强相关性。企业—国家二维固定效应的加入可以同时控制中国与出口目的地之间的优惠贸易协定关系、地理距离、是否接壤、历史关系往来等潜在因素的可能影响，故此这些变量不再加入回归方程中。
-
为深入研究经济政策不确定性、贸易中介空间集聚与企业出口模式之间的关系，本文参考相关文献，建立如式（1）所示计量模型。同时，为了控制企业国家的历史关系往来、企业初始生产率和规模等因素与企业出口模式之间的逆向因果问题以及宏观经济变动的时间趋势，在回归方程中加入企业国家固定效应和年份固定效应。
$$ \begin{array}{c} {\rm{export\_mod}}{{\text{e}}_{fct}} = {\alpha _0} + {\alpha _1}\ln {\text{EP}}{{\text{U}}_{ct}} + {\alpha _2}{\text{A}}{{\text{G}}_{uct}}\, + {\alpha _3}\ln {\text{EP}}{{\text{U}}_{ct}} \times {\text{A}}{{\text{G}}_{uct}} + {\alpha _4}\ln {\text{GD}}{{\text{P}}_{ct}} + {\alpha _5}\ln {\text{pgd}}{p_{ct}}+ \\ {\alpha _6}\ln {\text{x}}{{\text{r}}_{ct}} + {\alpha _7}\ln {\text{fre}}{{\text{e}}_{ct}} + {\alpha _8}\ln {\text{V}}{{\text{f}}_{ft}} + {\nu _{fc}} + {\mu _t} + {\varepsilon _{fct}} \end{array} $$ (1) 其中，下标f代表企业；下标c代表出口目的国；下标u代表城市；下标t代表年份；
$ {\rm{export\_mod}}{{\text{e}}_{fct}} $ 为企业f向c国出口的贸易模式，采用两种指标进行衡量，将在变量选取与测度部分进行介绍；$ {\nu _{fc}} $ 和$ {\mu _t} $ 分别为企业—国家固定效应和年份固定效应；$ {\varepsilon _{fct}} $ 为残差项。在分别验证经济政策不确定性以及贸易中介集聚与企业出口模式转型升级的关系时，有选择地放入相关核心解释变量进行实证检验。 -
本文的样本数据主要有以下两个来源。（1）2000—2013年中国海关数据库，该数据库记录了中国所有进出口企业的名称、出口地和目的地、产品类别、贸易方式、出口额和出口量等相关信息。囿于数据可得性，本文无法采用近期海关数据进行回归分析。现有文献也大多采用这一时间段的数据样本进行分析，如文献[37]。同时本文的理论假说所蕴含的经济学逻辑并不会随着样本时间段的变化而变化，因此采用该时间段样本进行回归分析不会对论文结论的可信性产生较大影响。（2）Baker等[60]编制的经济政策不确定性数据库数据，提供了全球24个经济体的月度经济政策不确定性指数数据。
对上述数据进行如下处理：首先，使用海关数据库在“企业—国家”层面计算加工贸易出口占比。需要说明的是，去掉了在整个样本期间均为纯一般贸易或均为纯加工贸易的企业样本，并且将企业加工贸易限定在进料加工贸易和来料加工贸易这两种主要形式。其次，参考Ahn等[1]的方法，利用企业名称定义直接出口企业和贸易中介。具体来说，将海关数据库中企业名称中含有“进出口”“贸易”“科贸”“外贸”“经贸”“商贸”“进口”“出口”等关键词的企业定义为贸易中介，剩余企业定义为生产性企业，用于计算贸易中介的国别集聚。最后，将21个地区的经济政策不确定性指数按照国家和年份与海关数据库数据进行匹配，保留可以匹配上的数据②。据此，得到“企业—目标国”的观测样本共3 710 366条，出口企业451 879家，其中制造商企业330 060家，贸易中介企业121 819家，样本期间中国向这些国家的出口额占到中国总出口额的60%以上。表1列出了本文整个样本观察期内所有变量的描述性统计结果。从表1可以看出，企业加工贸易出口份额的均值在0.35左右，但是在25%分位和75%分位值分别为0和0.86，出口模式呈现“双峰分布”特征。
表 1主要变量描述性统计
变量类型 变量符号 平均值 标准差 最小值 p25 中位数 p75 最大值 被解释变量 ratio_pt 0.346 0 0.421 8 0.000 0 0.000 0 0.039 1 0.864 3 1.000 0 ln ratio_pt −5.437 1 13.203 0 −18.420 7 −18.420 7 −3.200 6 1.851 2 15.942 4 pt 0.316 9 0.465 3 0.000 0 0.000 0 0.000 0 1.000 0 1.000 0 经济政策不确定性指标 ln EPU −0.002 4 0.381 0 −1.113 6 −0.299 6 0.076 0 0.254 2 0.981 1 ln WEPU1 −0.002 2 0.388 7 −1.094 0 −0.294 0 0.065 3 0.256 3 0.940 1 ln WEPU2 −0.002 0 0.393 9 −1.045 7 −0.274 1 0.040 6 0.266 8 1.027 2 ln OEPU −0.002 5 0.381 2 −1.136 0 −0.303 6 0.081 1 0.253 6 1.003 0 贸易中介集聚指标 ln spe1 0.000 3 0.194 1 −0.710 4 −0.123 7 −0.014 7 0.126 7 1.478 1 ln speV −0.000 3 0.779 2 −0.747 8 −0.625 2 −0.257 2 0.404 9 4.390 0 ln agg 0.000 1 0.013 9 −0.023 2 −0.007 5 −0.003 0 0.003 3 0.642 0 ln number −0.003 0 1.577 5 −3.664 9 −1.080 9 0.011 4 1.046 9 3.687 4 控制变量 ln GDP 28.275 8 1.168 7 24.968 0 27.577 6 28.234 1 28.953 5 30.451 5 ln pgdp1 10.229 1 0.894 7 6.094 3 10.089 1 10.573 4 10.757 6 11.129 5 ln xr 1.078 7 1.613 3 0.063 6 0.105 7 0.146 0 1.853 4 5.854 1 ln free 4.308 5 0.264 1 2.975 5 4.262 7 4.394 4 4.459 0 4.532 6 ln Vf 14.950 6 1.916 5 3.912 0 13.813 3 14.993 9 16.147 6 24.784 0 注：ln OEPU为采用几何平均法计算的经济政策不确定性指数；解释变量汇报的是经过中心化之后的数据统计特征；资料根据本文样本整理得到。 -
本节首先基于样本数据进行实证检验，以考察经济政策不确定性和贸易中介空间集聚对企业出口模式转型升级的影响，并分析经济政策不确定性和贸易中介空间集聚对企业出口模式转型升级影响的交互影响，而后进行稳健性检验，展开进一步分析，以全面验证回归结果的准确性和可信度。
-
表2汇报了目的国经济政策不确定性、贸易中介空间集聚对制造业企业出口模式转型升级影响的全样本回归结果。其中，被解释变量为企业加工贸易出口占比
${\rm{ratio\_pt}} $ ，各列均控制了“企业—国家”固定效应以及时间固定效应，各解释变量的回归系数标准误差均聚类到企业—国家层面。表2第（1）列~第（3）列分别是只考虑目的国经济政策不确定性、只考虑贸易中介集聚以及同时考虑贸易中介空间集聚和经济政策不确定性的回归结果③。结果显示，当单独考虑目的国经济政策不确定性以及贸易中介空间集聚时，核心解释变量$ \ln {\text{EPU}} $ 和$ \ln {\text{spe1}} $ 均在1%的水平上显著为负，而在同时加入两个解释变量时，仅$ \ln {\text{EPU}} $ 的系数显著性略微降低，而系数符号未发生改变。这一结果表明在控制其他可能影响企业出口模式的因素后，目的国经济政策不确定性和贸易中介集聚均会降低企业加工贸易出口占比，这也意味着企业一般贸易出口占比将增加，进行出口模式的转型升级。以表2第（3）列的回归结果为例，在控制其他因素不变的情况下，目的国经济政策不确定性每上升1%，企业加工贸易出口占比平均下降0.43个百分点，而贸易中介空间集聚程度每上升1%，企业加工贸易出口占比平均下降16.47个百分点。沈鸿和顾乃华[63]研究发现政府产业政策支持引导的产业集聚会阻碍企业贸易模式转型升级的程度。与该文聚焦于产业集聚政策效果不同，本文专注于“国别集聚”对企业贸易模式转型的影响，因而避免了特殊产业政策引致的集聚现象对回归结果的干扰。同时，本文主要关注贸易中介的空间集聚，鉴于中介企业一般出口多种产品至少数国家④，中介企业对特定目的国的熟悉程度和贸易网络流畅度均高于普通生产性企业，这为本文中介集聚的信息溢出效应提供了现实支撑。表 2基准回归
变量模型 全样本（ratio_pt） （1） （2） （3） （4） ln EPU −0.007 0*** −0.004 3** −0.003 3* (0.001 6) (0.001 7) (0.001 7) ln spe1 −0.164 8*** −0.164 7*** −0.160 0*** (0.004 0) (0.004 0) (0.004 0) ln EPU×ln spe1 −0.181 0*** (0.005 0) ln GDP −0.034 0* −0.061 6*** −0.058 7*** −0.052 3** (0.019 7) (0.020 3) (0.020 4) (0.020 3) ln pgdp1 0.0937*** 0.110 7*** 0.107 2*** 0.104 0*** (0.020 8) (0.021 5) (0.021 5) (0.021 5) ln xr 0.037 3*** 0.020 7*** 0.020 0*** 0.022 1*** (0.005 1) (0.005 3) (0.005 3) (0.005 3) ln free 0.010 8*** 0.010 2*** 0.010 8*** 0.012 1*** (0.002 0) (0.002 1) (0.002 1) (0.002 1) ln Vf 0.019 2*** 0.018 3*** 0.018 3*** 0.018 2*** (0.000 3) (0.000 4) (0.000 4) (0.000 4) 常数项 −0.026 5 0.612 7* 0.564 5 0.410 5 (0.346 5) (0.357 1) (0.357 7) (0.356 9) 企业—国家固定效应 控制 控制 控制 控制 年份固定效应 控制 控制 控制 控制 观测值数 3 710 366 3 482 592 3 482 592 3 482 592 Adjust-R2 0.077 5 0.069 2 0.069 2 0.069 8 注：***、**、*分别表示1%、5%和10%的显著性水平；括号内为“企业—国家”层面的聚类稳健标准误。 表2第（4）列进一步加入贸易中介集聚与目的国经济政策不确定性的交互项，以考察贸易中介空间集聚对目的国经济政策不确定性对企业出口模式转型升级的调节作用。为了更加直观地观察各解释变量对企业出口模式的影响方向及程度，本文对解释变量进行了中心化处理。结果显示，
$ \ln {\text{EPU}} $ 和$ \ln {\text{spe1}} $ 单项的系数符号仍旧显著为负，而交互项$\ln \text {EPU} \times \ln \text {spe1}$ 的系数符号也显著为负，表明贸易中介空间集聚程度越深，经济政策不确定性对企业加工贸易出口占比的负面影响越大，也即贸易中介空间集聚进一步放大了目的国经济政策不确定性的“贸易模式转型升级”效应。表2回归结果蕴含的经济含义主要是，出口市场经济政策不确定性的上升，使得“两头在外”的加工贸易企业风险增大，预期收益相对减少。同时，贸易中介的集聚可以通过信号外溢等效应，进一步缓解经济政策不确定性对贸易的冲击，增加企业从事一般贸易出口的预期收益。总之，随着经济政策不确定性的上升及贸易中介集聚程度的加深，企业从事一般贸易出口的机会成本（即从事加工贸易出口的预期收益）减小，因而企业会进行贸易方式的转型升级。综上所述，表2的回归结果支持了假说H1和H2。
-
1. 考虑转口贸易的影响。在基准回归中，本文使用的样本包含出口目的地为新加坡的企业样本，新加坡是国际著名的贸易中转港，一般情况下企业不将该国作为最终出口目的地。贸易中转港的避税效应等优势也会影响企业的出口模式，因而出口目的国为新加坡的企业样本的存在可能会影响本文结论的有效性。故此，本文将出口目的地为新加坡的企业样本剔除后，重新进行回归，回归结果如表3第（1）列~第（4）列所示。各列回归方式均与表2各列相同。结果显示，核心解释变量
$ \ln {\text{EPU}} $ 、$ \ln {\text{spe1}} $ 以及$ \ln {\text{EPU}} \times \ln {\text{spe1}} $ 的系数符号和统计显著性水平并未发生明显改变。表 3稳健性检验结果1
变量 去掉出口目的地为新加坡的企业样本 EPU滞后一期（lnEPU_lag1） (1) (2) (3) (4) (5) (6) (7) EPU −0.007 3*** −0.004 4*** −0.003 4** −0.005 9*** −0.003 4** −0.002 6 (0.001 6) (0.001 7) (0.001 7) (0.001 5) −0.001 6 (0.001 6) AG −0.164 3*** −0.164 2*** −0.159 9*** −0.164 5*** −0.162 3*** (0.004 1) (0.004 1) (0.004 1) −0.004 0 (0.004 0) EPU×AG −0.182 6*** −0.071 0*** (0.005 1) (0.004 3) 控制变量 控制 控制 控制 控制 控制 控制 控制 企业—国家固定效应 控制 控制 控制 控制 控制 控制 控制 年份固定效应 控制 控制 控制 控制 控制 控制 控制 观测值数 3 566 842 3 345 764 3 345 764 3 345 764 3 704 480 3 476 960 3 476 960 Adjust-R2 0.080 3 0.071 4 0.071 4 0.072 1 0.076 7 0.068 3 0.068 5 注：***、**、*分别表示1%、5%和10%的显著性水平；括号内为“企业—国家”层面的聚类稳健标准误。 2. 考虑逆向因果问题。在基准回归中，本文使用的是滞后一期的贸易中介空间集聚指标，已经缓解了贸易中介空间集聚与企业出口模式之间的逆向因果问题，这里主要考虑目的国经济政策不确定性与企业出口模式之间的逆向因果问题。企业加工贸易出口份额可能反向影响目的国经济政策不确定性，尽管这种可能性很小，本文仍然予以考虑，进而采用上期经济政策不确定性（
$ \ln {\rm{EPU\_lag}}1 $ ）进行回归。一般而言，企业当期加工贸易出口份额反向影响目的国上期经济政策不确定性的可能性较小，因而可以较好缓解逆向因果问题。相应回归结果如表3第（5）列~第（7）列所示。从回归结果可以看出，核心解释变量$ {\text{ln}}\;{\rm{EPU\_lag1}} $ 、$ \ln {\text{spe1}} $ 以及$ \ln {\rm{EPU\_lag1}} \times \ln\;{\text{spe1}} $ 的系数符号和显著性水平并未发生明显改变。3. 考虑遗漏变量问题。回归中可能的遗漏变量主要包括三类：一是企业上期出口状态变量。企业出口模式选择不仅受到企业当期所处环境的影响，也会受到企业上期表现的影响，例如，企业上期从事加工出口的经验积累将促进企业当期从事更多加工贸易，因此，忽略企业上期出口状态可能导致本文基准回归结果的有偏。为了缓解这一内生性问题，本文控制了企业上期出口模式，相应的回归结果如表4第（1）列~第（4）列所示。二是特定城市政策及经济发展趋势变量。例如，城市范围内加工贸易区的设立以及对待加工贸易的特殊政策等可能会影响企业贸易模式选择，进而对本文结果产生影响。三是企业生产率等变量。只有生产率最高的企业才能参与出口活动[12]，加工贸易方式出口使得众多低生产率企业参与国际贸易成为可能，这也是中国“生产率悖论”现象产生的原因之一[64]。由于海关数据缺少企业层面控制变量，本文采用固定效应方式控制企业生产率等随时间变化的企业层面因素的影响。表4第（5）列~第（8）列汇报了控制企业—年份固定效应的回归结果。回归结果显示，核心解释变量
$ \ln {\text{EPU}} $ 、$ \ln {\text{spe1}} $ 的系数符号和显著性水平未发生较大改变，而在控制企业—年份固定效应之后，第（8）列结果显示交互项$ \ln {\text{EPU}} \times \ln {\text{spe1}} $ 的系数虽然不再显著，但仍旧为负，这表明在考虑了可能的遗漏变量问题后，本文基准回归结果总体稳健。表 4稳健性检验结果2
变量 控制企业上期出口状态（ratio_pt） 控制企业自身状况（ratio_pt） (1) (2) (3) (4) (5) (6) (7) (8) EPU −0.006 3*** −0.005 0** −0.003 4* −0.002 9** −0.002 5* −0.002 5* (0.002 0) (0.002 1) (0.002 1) (0.001 3) (0.001 4) (0.001 4) AG −0.186 2*** −0.186 1*** −0.183 9*** −0.024 9*** −0.024 7*** −0.025 5*** (0.005 1) (0.005 1) (0.005 1) (0.005 0) (0.005 0) (0.005 1) EPU×AG −0.191 4*** −0.008 6 (0.006 3) (0.005 6) L.ratio_pt 0.004 8*** 0.004 3*** 0.004 3*** 0.003 1*** (0.000 9) (0.000 9) (0.0009) (0.000 9) 控制变量 控制 控制 控制 控制 控制 控制 控制 控制 企业—国家固定效应 控制 控制 控制 控制 控制 控制 控制 控制 年份固定效应 控制 控制 控制 控制 — — — — 城市—年份固定效应 — — — — — — — — 企业—年份固定效应 — — — — 控制 控制 控制 控制 观测值数 2 425 239 2 336 299 2 336 299 2 336 299 3 292 406 3 088 999 3 088 999 3 088 999 Adjust-R2 0.123 0 0.126 8 0.126 8 0.127 4 0.227 5 0.216 5 0.216 5 0.216 5 R2 0.299 6 0.303 2 0.303 3 0.303 8 0.529 1 0.524 4 0.524 4 0.524 4 注：***、**、*分别表示1%、5%和10%的显著性水平；括号内为“企业—国家”层面的聚类稳健标准误。由于本文将全部样本企业限定在整个样本期间都未发生地址变更的企业，因此控制了企业—年份固定效应之后也吸收了随时间变化的城市政策和经济发展趋势等因素的影响。 4. 考虑测量误差问题。回归中可能存在的测量误差主要体现在被解释变量以及核心解释变量经济政策不确定性和贸易中介空间集聚的测度方面。在企业出口模式的衡量方面，本文采用两个指标重新衡量，一是使用虚拟变量
$ {\text{pt}} $ 定义企业出口模式，相应的回归结果如表5第（1）列~第（4）列所示。二是参考张学良等[65]的方式，采用$ \ln {\rm{sdratio\_p}}{{\text{t}}_{fct}} \equiv $ $ \log \left[ {{{{\rm{ratio\_p}}{{\text{t}}_{fct}}} / {\left( {1 - {\rm{ratio\_p}}{{\text{t}}_{fct}}} \right)}}} \right] $ 作为被解释变量，将企业加工贸易出口份额的取值范围调整为$ \left( { - \infty ,\infty } \right) $ 。由于样本中存在大量$ {\rm{ratio\_p}}{{\text{t}}_{fct}} $ 取值为0（纯一般贸易企业）和1（纯加工贸易企业）的情形，为了避免取对数时造成的大量样本缺失问题，将$ {\rm{ratio\_p}}{{\text{t}}_{fct}} $ 取值为0的样本替换为0.000 000 01，将$ {\rm{ratio\_p}}{{\text{t}}_{fct}} $ 取值为1的样本替换为0.999 999 98。相应的回归结果如表5第（5）列~第（8）列所示。结果显示，核心解释变量$ \ln {\text{EPU}} $ 、$ \ln {\text{spe1}} $ 单项以及$ \ln {\text{EPU}} \times \ln {\text{spe1}} $ 交互项的系数符号均未发生实质性改变。表 5考虑被解释变量测量误差的回归结果
变量 被解释变量采用虚拟变量形式（pt） 被解释变量调整为整个实数区间（lnsdratio_pt） (1) (2) (3) (4) (5) (6) (7) (8) EPU −0.009 9*** −0.006 9*** −0.005 3*** −0.231 1*** −0.123 6** −0.089 0 (0.001 9) (0.002 0) (0.002 0) (0.051 8) (0.054 1) (0.054 1) AG −0.195 7*** −0.195 5*** −0.192 5*** −5.298 5*** −5.295 4*** −5.132 4*** (0.004 6) (0.004 6) (0.004 5) (0.131 3) (0.131 3) (0.130 7) EPU×AG −0.214 2*** −6.335 1*** (0.005 9) (0.163 2) 控制变量 控制 控制 控制 控制 控制 控制 控制 控制 企业—国家固定效应 控制 控制 控制 控制 控制 控制 控制 控制 年份固定效应 控制 控制 控制 控制 控制 控制 控制 控制 观测值数 3 027 922 2 835 246 2 835 246 2 835 246 3 710 366 3 482 592 3 482 592 3 482 592 Adjust-R2 0.108 0 0.098 8 0.098 8 0.099 6 0.063 9 0.057 3 0.057 3 0.058 1 R2 0.301 7 0.297 7 0.297 7 0.298 3 0.253 1 0.250 5 0.250 5 0.251 1 注：***、**、*分别表示1%、5%和10%的显著性水平；括号内为“企业—国家”层面的聚类稳健标准误。 在经济政策不确定性的衡量方面，由于原始指数为月度数据，在采用简单算术平均法计算时可能平抑了不确定性的变动情况。因此，本文参考刘洪铎和陈和[66]的方法采用两种加权平均法计算经济政策不确定性指标进行回归，相应的回归结果如表6第（1）列~第（6）列所示，其中，第（1）列~第（3）列为采用第一种权重计算的EPU指数（
$ \ln {{\rm{WEPU}}} 1 $ ）进行回归的结果，第（4）列和第（6）列为采用第二种权重计算的EPU指数（$ \ln {\text{WEPU2}} $ ）的回归结果。另外，本文还参考张峰等[67]的方法，采用几何平均值方法重新计算EPU指标进行回归，相应结果汇报在表6第（7）列~第（9）列。结果显示，在考虑了EPU指标测量误差问题之后，本文的结论依旧稳健。表 6考虑经济政策不确定性指标衡量误差的回归结果
变量 第一种权重计算的EPU指标（lnWEPU1） 第二种权重计算的EPU指标（lnWEPU2） 几何平均法计算的EPU指标（lnOEPU） (1) (2) (3) (4) (5) (6) (7) (8) (9) EPU −0.008 2*** −0.005 2*** −0.004 0** −0.008 0*** −0.005 1*** −0.005 0*** −0.006 2*** −0.003 8** −0.002 8* (0.001 5) (0.001 6) (0.001 6) (0.001 6) (0.001 6) (0.001 6) (0.001 6) (0.001 7) (0.001 7) AG −0.164 6*** −0.160 0*** −0.164 7*** −0.161 4*** −0.164 7*** −0.160 2*** (0.004 0) (0.004 0) (0.004 0) (0.004 0) (0.004 0) (0.004 0) EPU×AG −0.176 8*** −0.174 9*** −0.178 4*** −0.178 4*** (0.004 9) (0.004 8) (0.005 0 (0.005 0) 控制变量 控制 控制 控制 控制 控制 控制 控制 控制 控制 企业—国家固定效应 控制 控制 控制 控制 控制 控制 控制 控制 控制 年份固定效应 控制 控制 控制 控制 控制 控制 控制 控制 控制 观测值数 3 710 366 3 482 592 3 482 592 3 710 366 3 482 592 3 710 366 3 482 592 Adjust-R2 0.077 5 0.069 2 0.069 8 0.077 5 3 482 592 0.069 8 0.077 5 3 482 592 0.069 8 R2 0.264 0 0.259 9 0.260 4 0.264 0 0.069 2 0.260 4 0.264 0 0.069 2 0.260 4 注：***、**、*分别表示1%、5%和10%的显著性水平；括号内为“企业—国家”层面的聚类稳健标准误。 在基准回归中，本文采用贸易中介企业数目计算的区位熵相对指标衡量贸易中介的空间集聚，而在实际操作过程中，企业出口额也是空间集聚的重要方面。同时，由于信息获取的时间和距离成本等因素，区位熵指标可能并不能很好反映特定区域内的集聚情况。因此，将基准回归中的集聚指标分别替换为使用企业出口额计算的区位熵指标（
$ \ln {\text{speV}} $ ）、特定区域内出口目的国相同的中介出口企业数目占比（$ \ln {\text{agg}} $ ）以及中介企业出口数目绝对值（$\ln {\text{number}}$ ）。相应的结果如表7所示，其与基准回归结果无较大差异，这表明在考虑了主要变量的测量误差问题之后，本文的研究结论仍旧稳健。表 7考虑贸易中介空间集聚测量误差的回归结果
变量 采用出口额区位熵指标（lnspeV） 采用中介企业数目占比（lnagg） 采用中介企业数目绝对值（lnNumber） (1) (2) (3) (4) (5) (6) (7) (8) (9) EPU −0.0055*** −0.0042** −0.0053*** −0.0062*** −0.0052*** −0.0054*** (0.0017) (0.0017) (0.0017) (0.0017) (0.0017) (0.0017) AG −0.0081*** −0.0080*** −0.0081*** −0.1527** −0.1543** −0.1405** −0.0164*** −0.0164*** −0.0145*** (0.0017) (0.0017) (0.0017) (0.0663) (0.0663) (0.0661) (0.0010) (0.0010) (0.0010) EPU×AG −0.0213*** −0.2758*** −0.0079*** (0.0012) (0.0697) (0.0006) 控制变量 控制 控制 控制 控制 控制 控制 控制 控制 控制 企业—国家固定效应 控制 控制 控制 控制 控制 控制 控制 控制 控制 年份固定效应 控制 控制 控制 控制 控制 控制 控制 控制 控制 观测值数 3587 665 3 587 665 3 587 665 3 482 592 3 482 592 3 482 592 3 482 592 3 482 592 3 482 592 Adjust-R2 0.065 8 0.065 8 0.065 9 0.068 1 0.068 1 0.068 1 0.068 3 0.068 3 0.068 4 注：***、**、*分别表示1%、5%和10%的显著性水平；括号内为“企业—国家”层面的聚类稳健标准误。 -
1. 纯加工贸易企业转型升级
前文主要关注企业从加工贸易向一般贸易模式转型升级，而企业从仅从事组装活动的来料加工贸易向自主采购原材料、通过加工贸易出口产成品的进料加工转变，也是企业贸易模式转型升级的重要体现[3]。来料加工企业的原材料所有权控制在合作企业手中，企业只能收取部分组装成本，且无法将生产的产品在不同贸易伙伴之间进行分散化销售。进料加工贸易企业则可以自主通过分散化原材料采购策略降低采购成本，规避合作企业的双向压价，提高讨价还价能力[11]397。进料加工企业还可以将产品销售至不同的合作伙伴，降低单个合作伙伴的风险。故此，本文选取纯加工贸易企业样本进行估计，以加工贸易企业中进料加工贸易所占比重反映加工贸易企业转型升级，进料加工贸易所占份额越大，表明加工贸易企业的价值链分工地位越高，企业贸易模式转型升级越明显。
表8是纯加工贸易企业的全样本回归结果，第（1）列是只加入目的国经济政策不确定性的回归结果，第（2）列是仅加入贸易中介空间集聚的回归结果，第（3）列同时加入经济政策不确定性和贸易中介集聚指标，第（4）列是加入经济政策不确定性和贸易中介集聚交互项的回归结果。结果显示，目的国经济政策不确定性上升促进了加工贸易企业通过进料加工方式出口的比重，即不确定性不仅“倒逼”企业从加工贸易转型为一般贸易，还“倒逼”加工贸易企业由来料加工贸易转型为进料加工贸易。这一结果蕴含的经济逻辑是：由于企业从事进料加工贸易具有更大的自主权，而来料加工则完全依赖于合作伙伴，经济政策不确定性对来料加工贸易的抑制效应较强，这一结果也间接证实了经济政策不确定性会通过“订单丧失”降低企业加工贸易出口份额。
表 8纯加工贸易企业贸易贸易模式转型升级的回归结果
变量 纯加工贸易企业样本（ratio_jlpt） 模型 (1) (2) (3) (4) ln EPU 0.008 0** 0.007 9** 0.014 3*** (0.003 6) (0.004 0) (0.004 1) ln spe1 −0.062 7*** −0.062 7*** −0.070 5*** (0.009 0) (0.009 0) (0.009 1) ln EPU×ln spe1 −0.118 1*** (0.011 2) 控制变量 控制 控制 控制 控制 企业—国家固定效应 控制 控制 控制 控制 年份固定效应 控制 控制 控制 控制 观测值数 424 939 388 918 388 918 388 918 Adjust-R2 0.395 8 0.381 2 0.381 2 0.381 5 注：***、**、*分别表示1%、5%和10%的显著性水平；括号内为“企业—国家”层面的聚类稳健标准误。 贸易中介单项以及交互项的系数均显著为负，表明贸易中介空间集聚不利于企业加工贸易方式的转型升级，也会抑制经济政策不确定性的加工贸易方式“转型升级效应”。对这一结果蕴含的经济含义是，无论是来料加工还是进料加工，加工企业都主要依靠国外合作企业开拓国际市场，因而贸易中介的空间集聚对企业在来料加工与进料加工之间的权衡影响较小。相反，转型为一般贸易的企业则需要依靠自身和国内贸易中介开拓国际市场，因而贸易中介的空间集聚对企业在加工贸易与一般贸易之间的权衡影响较大。
2. 地区异质性
中国东中西部地区的经济发展不均衡，制度环境和企业分布也存在差异。东部地区作为中国最早开放的区域，对外贸易一直走在全国前列，出口企业和中介企业也多集中在东部地区。一方面，东部地区凭借独特的地理优势吸引了众多外资企业设厂，另一方面，东部地区的劳动力优势也催生了众多代工企业。经济政策不确定性以及中介集聚的贸易模式转型升级效应可能存在地区差异。因此，本节对经济政策不确定性以及中介集聚对企业贸易模式转型升级的影响作了进一步考察，以便从区域角度为中国企业出口模式转型升级提供建议。相应的回归结果如表9所示。
表 9企业贸易方式转型升级的地区异质性回归结果
变量模型 东部地区 中部地区 西部地区 (1) (2) (3) (4) (5) (6) ln EPU −0.004 9*** −0.003 4** 0.006 8 0.006 3 −0.004 5 −0.003 8 (0.001 5) (0.001 5) (0.008 5) (0.008 6) (0.011 1) (0.011 5) ln spe1 −0.177 7*** −0.173 4*** 0.008 8 0.009 2 −0.008 2 −0.008 5 (0.005 2) (0.005 2) (0.015 1) (0.015 2) (0.022 1) (0.022 1) ln EPU×ln spe1 −0.175 4*** −0.010 1 0.009 2 (0.006 4) (0.026 8) (0.042 0) 控制变量 控制 控制 控制 控制 控制 控制 企业—国家固定效应 控制 控制 控制 控制 控制 控制 年份固定效应 控制 控制 控制 控制 控制 控制 观测值数 3 303 831 3 303 831 117 622 117 622 60 816 60 816 Adjust-R2 0.073 1 0.073 7 0.032 1 0.032 1 0.052 3 0.052 2 注：***、**、*分别表示1%、5%和10%的显著性水平；括号内为“企业—国家”层面的聚类稳健标准误。 表9中被解释变量为企业加工贸易出口占比。回归结果显示，经济政策不确定性和贸易中介集聚显著促进了东部地区企业贸易模式转型升级，但对中西部地区企业贸易模式转型升级没有显著影响。在东部地区，贸易中介空间集聚可以进一步强化经济政策不确定性的贸易模式转型升级效应。作为对外开放的前沿地带，东部地区贸易对中国整体贸易发展具有重要贡献，东部地区企业的贸易模式转型升级也是中国出口贸易高质量发展的重中之重。东部地区企业的出口模式更加多元化，企业功能也更加专业化，因此在遭受外部经济政策不确定性冲击时更加容易进行贸易模式转型升级，而专业贸易中介企业的存在更加便利了企业贸易模式转型升级。同时，从回归的样本量可以看出，东部地区出口企业明显多于中西部地区，因而对回归结果另一个可能的解释是，加工贸易企业由于“两头在外”，对贸易成本更为敏感，一般布局在东部沿海地区，而中西部的加工贸易企业相对较少，故而贸易中介集聚的效应主要体现在东部地区。
-
经济政策不确定性是出口企业生产经营过程中面临的常见环境约束。在不确定性环境下保持外贸稳定发展，对于中国贸易和经济稳定，乃至世界经济稳定至关重要。本文基于高度细化的中国微观贸易数据研究发现：（1）目的国经济政策不确定性显著抑制了中国企业加工贸易出口份额，增加了企业一般贸易出口份额，促进了中国企业出口模式转型升级；（2）贸易中介的空间集聚显著促进企业一般贸易出口份额，进一步放大了经济政策不确定性的“贸易模式转型升级”效应；（3）目的国经济政策不确定性不仅有利于企业从加工贸易向一般贸易转变，还有利于纯加工贸易企业从来料加工贸易向进料加工贸易转变；（4）经济政策不确定性和贸易中介集聚产生的贸易模式转型升级效应主要体现东部地区。
根据本文的分析逻辑，一方面加工贸易典型的“两头在外订单式经济”增加了企业通过加工贸易进行出口的合作伙伴方毁约风险，使得加工贸易订单丧失；另一方面低附加值加工贸易被锁定在全球价值链低端，利润空间狭小，更加容易受到外部经济政策不确定性的负面冲击，从而减弱企业通过加工贸易进行出口的动机，进而增加了企业一般贸易出口份额。贸易中介作为连接国内外企业进行贸易的重要桥梁，一方面有利于企业节约贸易成本，使得企业可以通过一般贸易间接出口而不必通过“求人”式加工贸易进行出口，另一方面可以降低企业一般贸易出口的固定成本，从而有利于企业增加一般贸易出口份额。当与目的国经济政策不确定性相结合时，贸易中介空间集聚将进一步放大不确定性的出口模式转型升级效应。基于此，本文的政策含义主要有以下两个方面。
第一，因势利导，顺势而为，引导外贸企业在不确定性环境下转型升级。本文研究结论证明，加工贸易并不能成为不确定性环境下出口贸易的“稳定器”，加工贸易的“价值链低端锁定”使得中国企业关键技术受制于人，对外部需求形成了长期依赖。这种深植于“国际大循环”的加工贸易发展模式，使得企业在出口过程中极易产生“牵一发而动全身”的经济波动后果，从而不利于中国出口贸易稳定和高质量发展。相对而言，一般贸易更多参与“国内循环”，同时依赖国际国内两个市场，在遭受外部经济政策不确定性冲击时的风险承受能力较强。经济政策不确定性的上升将降低企业转型升级的机会成本，倒逼企业转型，此时政府可以因势利导，助力企业实现转型升级。
第二，有效布局中介贸易空间集聚，建立安全高效贸易网络。根据本文的分析逻辑，贸易中介集聚无论是在便利企业寻求一般贸易间接出口方式，还是通过信息溢出降低企业出口成本从而增加企业一般贸易出口动机方面均发挥了重要作用。无论是加工贸易出口还是通过贸易中介进行间接出口都是企业在现实条件下的权衡结果，这两种出口方式都可以帮助中小企业实现国际市场参与。不仅如此，贸易中介空间集聚还可以进一步强化经济政策不确定性的“贸易模式转型升级”效应。“求人不如求己”，与其依赖外国合作伙伴以加工贸易方式参与出口，不如发挥本国贸易中介空间集聚优势增加高附加值一般贸易出口，实现一般贸易出口的“功能专业化”升级，建立安全高效贸易网络。一方面政府部门可以合理布局贸易中介，鼓励贸易中介尤其是国际性采购商实现地区化集聚，实现集聚经济；另一方面深化贸易便利化改革，降低制造企业出口成本的同时，进一步释放贸易中介活力，加快企业贸易模式转型升级。
Impact of Economic Policy Uncertainty on Chinese Firms’ Export Upgrading
——Empirical Analysis based on the Perspective of Trade Intermediary Agglomeration
-
摘要:在全球经济不确定性背景下，科学理解企业贸易模式选择行为，对构建双循环新发展格局具有重要意义。从贸易中介空间集聚的视角，运用2000—2013年中国出口企业贸易数据，对经济政策不确定性与企业出口模式转型升级的影响进行了分析和验证。结果表明，目的国经济政策不确定性和贸易中介空间集聚均会显著降低企业加工贸易出口份额，提升企业一般贸易出口份额，且贸易中介的空间集聚将进一步放大这种“贸易模式转型升级”效应。这一结论对于不同的估计模型、估计方法和估计样本均保持稳健。由此可见，不确定性的外部环境会倒逼“两头在外”的加工贸易企业转型为一般贸易企业，而在本国合理发展和布局贸易中介，将有效缓解出口企业所受国外之约束，增强对外贸易发展中的韧性。Abstract:Scientifically understanding firms’ trade mode is of great significance to construct the new development pattern of “Dual Circulation” under the global economic uncertainty. From the perspective of trade intermediaries’ agglomeration, this paper use the trade data of Chinese export enterprises from 2000 to 2013 analyzes and verifies the impact of destination country’s economic policy uncertainty on firms’ trade mode upgrading. The results show that: Both destination country’s economic policy uncertainty and trade intermediaries’ agglomeration significantly reduce the share of processing trade and increase the share of ordinary trade of a firm. This conclusion remains robust for different estimation models, estimation methods and estimation samples. It can be seen that the uncertain external environment will force the processing trade firm with “two ends outside” to transform into ordinary trading firm, and the reasonable development and layout of trade intermediaries in the country will effectively alleviate the foreign constraints of export firms and further strengthen the resilience during the upgrading of foreign trade.注释:1) 作者根据中国海关数据库计算所得。2) Baker等构建了全球范围内24个主要经济体的月度经济政策不确定性指数，出于数据连续性目的，本文选取21个国家。这些国家和地区分别位于亚洲（日本、印度、韩国、新加坡）、欧洲（英国、法国、德国、爱尔兰、荷兰、意大利、希腊、西班牙、瑞典、俄罗斯）、美洲（加拿大、美国、墨西哥、巴西、智利和哥伦比亚）和大洋洲（澳大利亚）。3) 在众多集聚与企业出口关系的文献中均提及了集聚与企业出口之间的逆向因果关系，然而，本文被解释变量为制造商企业出口模式，贸易中介的空间集聚与制造商企业出口模式之间的逆向因果关系并不是很严重。考虑到贸易中介空间集聚的信息溢出效应可能存在时滞性，因此将贸易中介集聚指标的滞后一期加入到回归方程之中。4) 详见文献[14]对贸易中介研究进展的评述。
-
表 1主要变量描述性统计
变量类型 变量符号 平均值 标准差 最小值 p25 中位数 p75 最大值 被解释变量 ratio_pt 0.346 0 0.421 8 0.000 0 0.000 0 0.039 1 0.864 3 1.000 0 ln ratio_pt −5.437 1 13.203 0 −18.420 7 −18.420 7 −3.200 6 1.851 2 15.942 4 pt 0.316 9 0.465 3 0.000 0 0.000 0 0.000 0 1.000 0 1.000 0 经济政策不确定性指标 ln EPU −0.002 4 0.381 0 −1.113 6 −0.299 6 0.076 0 0.254 2 0.981 1 ln WEPU1 −0.002 2 0.388 7 −1.094 0 −0.294 0 0.065 3 0.256 3 0.940 1 ln WEPU2 −0.002 0 0.393 9 −1.045 7 −0.274 1 0.040 6 0.266 8 1.027 2 ln OEPU −0.002 5 0.381 2 −1.136 0 −0.303 6 0.081 1 0.253 6 1.003 0 贸易中介集聚指标 ln spe1 0.000 3 0.194 1 −0.710 4 −0.123 7 −0.014 7 0.126 7 1.478 1 ln speV −0.000 3 0.779 2 −0.747 8 −0.625 2 −0.257 2 0.404 9 4.390 0 ln agg 0.000 1 0.013 9 −0.023 2 −0.007 5 −0.003 0 0.003 3 0.642 0 ln number −0.003 0 1.577 5 −3.664 9 −1.080 9 0.011 4 1.046 9 3.687 4 控制变量 ln GDP 28.275 8 1.168 7 24.968 0 27.577 6 28.234 1 28.953 5 30.451 5 ln pgdp1 10.229 1 0.894 7 6.094 3 10.089 1 10.573 4 10.757 6 11.129 5 ln xr 1.078 7 1.613 3 0.063 6 0.105 7 0.146 0 1.853 4 5.854 1 ln free 4.308 5 0.264 1 2.975 5 4.262 7 4.394 4 4.459 0 4.532 6 ln Vf 14.950 6 1.916 5 3.912 0 13.813 3 14.993 9 16.147 6 24.784 0 注：ln OEPU为采用几何平均法计算的经济政策不确定性指数；解释变量汇报的是经过中心化之后的数据统计特征；资料根据本文样本整理得到。 
下载:
导出CSV
表 2基准回归
变量模型 全样本（ratio_pt） （1） （2） （3） （4） ln EPU −0.007 0*** −0.004 3** −0.003 3* (0.001 6) (0.001 7) (0.001 7) ln spe1 −0.164 8*** −0.164 7*** −0.160 0*** (0.004 0) (0.004 0) (0.004 0) ln EPU×ln spe1 −0.181 0*** (0.005 0) ln GDP −0.034 0* −0.061 6*** −0.058 7*** −0.052 3** (0.019 7) (0.020 3) (0.020 4) (0.020 3) ln pgdp1 0.0937*** 0.110 7*** 0.107 2*** 0.104 0*** (0.020 8) (0.021 5) (0.021 5) (0.021 5) ln xr 0.037 3*** 0.020 7*** 0.020 0*** 0.022 1*** (0.005 1) (0.005 3) (0.005 3) (0.005 3) ln free 0.010 8*** 0.010 2*** 0.010 8*** 0.012 1*** (0.002 0) (0.002 1) (0.002 1) (0.002 1) ln Vf 0.019 2*** 0.018 3*** 0.018 3*** 0.018 2*** (0.000 3) (0.000 4) (0.000 4) (0.000 4) 常数项 −0.026 5 0.612 7* 0.564 5 0.410 5 (0.346 5) (0.357 1) (0.357 7) (0.356 9) 企业—国家固定效应 控制 控制 控制 控制 年份固定效应 控制 控制 控制 控制 观测值数 3 710 366 3 482 592 3 482 592 3 482 592 Adjust-R2 0.077 5 0.069 2 0.069 2 0.069 8 注：***、**、*分别表示1%、5%和10%的显著性水平；括号内为“企业—国家”层面的聚类稳健标准误。 下载:
导出CSV
表 3稳健性检验结果1
变量 去掉出口目的地为新加坡的企业样本 EPU滞后一期（lnEPU_lag1） (1) (2) (3) (4) (5) (6) (7) EPU −0.007 3*** −0.004 4*** −0.003 4** −0.005 9*** −0.003 4** −0.002 6 (0.001 6) (0.001 7) (0.001 7) (0.001 5) −0.001 6 (0.001 6) AG −0.164 3*** −0.164 2*** −0.159 9*** −0.164 5*** −0.162 3*** (0.004 1) (0.004 1) (0.004 1) −0.004 0 (0.004 0) EPU×AG −0.182 6*** −0.071 0*** (0.005 1) (0.004 3) 控制变量 控制 控制 控制 控制 控制 控制 控制 企业—国家固定效应 控制 控制 控制 控制 控制 控制 控制 年份固定效应 控制 控制 控制 控制 控制 控制 控制 观测值数 3 566 842 3 345 764 3 345 764 3 345 764 3 704 480 3 476 960 3 476 960 Adjust-R2 0.080 3 0.071 4 0.071 4 0.072 1 0.076 7 0.068 3 0.068 5 注：***、**、*分别表示1%、5%和10%的显著性水平；括号内为“企业—国家”层面的聚类稳健标准误。 下载:
导出CSV
表 4稳健性检验结果2
变量 控制企业上期出口状态（ratio_pt） 控制企业自身状况（ratio_pt） (1) (2) (3) (4) (5) (6) (7) (8) EPU −0.006 3*** −0.005 0** −0.003 4* −0.002 9** −0.002 5* −0.002 5* (0.002 0) (0.002 1) (0.002 1) (0.001 3) (0.001 4) (0.001 4) AG −0.186 2*** −0.186 1*** −0.183 9*** −0.024 9*** −0.024 7*** −0.025 5*** (0.005 1) (0.005 1) (0.005 1) (0.005 0) (0.005 0) (0.005 1) EPU×AG −0.191 4*** −0.008 6 (0.006 3) (0.005 6) L.ratio_pt 0.004 8*** 0.004 3*** 0.004 3*** 0.003 1*** (0.000 9) (0.000 9) (0.0009) (0.000 9) 控制变量 控制 控制 控制 控制 控制 控制 控制 控制 企业—国家固定效应 控制 控制 控制 控制 控制 控制 控制 控制 年份固定效应 控制 控制 控制 控制 — — — — 城市—年份固定效应 — — — — — — — — 企业—年份固定效应 — — — — 控制 控制 控制 控制 观测值数 2 425 239 2 336 299 2 336 299 2 336 299 3 292 406 3 088 999 3 088 999 3 088 999 Adjust-R2 0.123 0 0.126 8 0.126 8 0.127 4 0.227 5 0.216 5 0.216 5 0.216 5 R2 0.299 6 0.303 2 0.303 3 0.303 8 0.529 1 0.524 4 0.524 4 0.524 4 注：***、**、*分别表示1%、5%和10%的显著性水平；括号内为“企业—国家”层面的聚类稳健标准误。由于本文将全部样本企业限定在整个样本期间都未发生地址变更的企业，因此控制了企业—年份固定效应之后也吸收了随时间变化的城市政策和经济发展趋势等因素的影响。 下载:
导出CSV
表 5考虑被解释变量测量误差的回归结果
变量 被解释变量采用虚拟变量形式（pt） 被解释变量调整为整个实数区间（lnsdratio_pt） (1) (2) (3) (4) (5) (6) (7) (8) EPU −0.009 9*** −0.006 9*** −0.005 3*** −0.231 1*** −0.123 6** −0.089 0 (0.001 9) (0.002 0) (0.002 0) (0.051 8) (0.054 1) (0.054 1) AG −0.195 7*** −0.195 5*** −0.192 5*** −5.298 5*** −5.295 4*** −5.132 4*** (0.004 6) (0.004 6) (0.004 5) (0.131 3) (0.131 3) (0.130 7) EPU×AG −0.214 2*** −6.335 1*** (0.005 9) (0.163 2) 控制变量 控制 控制 控制 控制 控制 控制 控制 控制 企业—国家固定效应 控制 控制 控制 控制 控制 控制 控制 控制 年份固定效应 控制 控制 控制 控制 控制 控制 控制 控制 观测值数 3 027 922 2 835 246 2 835 246 2 835 246 3 710 366 3 482 592 3 482 592 3 482 592 Adjust-R2 0.108 0 0.098 8 0.098 8 0.099 6 0.063 9 0.057 3 0.057 3 0.058 1 R2 0.301 7 0.297 7 0.297 7 0.298 3 0.253 1 0.250 5 0.250 5 0.251 1 注：***、**、*分别表示1%、5%和10%的显著性水平；括号内为“企业—国家”层面的聚类稳健标准误。 下载:
导出CSV
表 6考虑经济政策不确定性指标衡量误差的回归结果
变量 第一种权重计算的EPU指标（lnWEPU1） 第二种权重计算的EPU指标（lnWEPU2） 几何平均法计算的EPU指标（lnOEPU） (1) (2) (3) (4) (5) (6) (7) (8) (9) EPU −0.008 2*** −0.005 2*** −0.004 0** −0.008 0*** −0.005 1*** −0.005 0*** −0.006 2*** −0.003 8** −0.002 8* (0.001 5) (0.001 6) (0.001 6) (0.001 6) (0.001 6) (0.001 6) (0.001 6) (0.001 7) (0.001 7) AG −0.164 6*** −0.160 0*** −0.164 7*** −0.161 4*** −0.164 7*** −0.160 2*** (0.004 0) (0.004 0) (0.004 0) (0.004 0) (0.004 0) (0.004 0) EPU×AG −0.176 8*** −0.174 9*** −0.178 4*** −0.178 4*** (0.004 9) (0.004 8) (0.005 0 (0.005 0) 控制变量 控制 控制 控制 控制 控制 控制 控制 控制 控制 企业—国家固定效应 控制 控制 控制 控制 控制 控制 控制 控制 控制 年份固定效应 控制 控制 控制 控制 控制 控制 控制 控制 控制 观测值数 3 710 366 3 482 592 3 482 592 3 710 366 3 482 592 3 710 366 3 482 592 Adjust-R2 0.077 5 0.069 2 0.069 8 0.077 5 3 482 592 0.069 8 0.077 5 3 482 592 0.069 8 R2 0.264 0 0.259 9 0.260 4 0.264 0 0.069 2 0.260 4 0.264 0 0.069 2 0.260 4 注：***、**、*分别表示1%、5%和10%的显著性水平；括号内为“企业—国家”层面的聚类稳健标准误。 下载:
导出CSV
表 7考虑贸易中介空间集聚测量误差的回归结果
变量 采用出口额区位熵指标（lnspeV） 采用中介企业数目占比（lnagg） 采用中介企业数目绝对值（lnNumber） (1) (2) (3) (4) (5) (6) (7) (8) (9) EPU −0.0055*** −0.0042** −0.0053*** −0.0062*** −0.0052*** −0.0054*** (0.0017) (0.0017) (0.0017) (0.0017) (0.0017) (0.0017) AG −0.0081*** −0.0080*** −0.0081*** −0.1527** −0.1543** −0.1405** −0.0164*** −0.0164*** −0.0145*** (0.0017) (0.0017) (0.0017) (0.0663) (0.0663) (0.0661) (0.0010) (0.0010) (0.0010) EPU×AG −0.0213*** −0.2758*** −0.0079*** (0.0012) (0.0697) (0.0006) 控制变量 控制 控制 控制 控制 控制 控制 控制 控制 控制 企业—国家固定效应 控制 控制 控制 控制 控制 控制 控制 控制 控制 年份固定效应 控制 控制 控制 控制 控制 控制 控制 控制 控制 观测值数 3587 665 3 587 665 3 587 665 3 482 592 3 482 592 3 482 592 3 482 592 3 482 592 3 482 592 Adjust-R2 0.065 8 0.065 8 0.065 9 0.068 1 0.068 1 0.068 1 0.068 3 0.068 3 0.068 4 注：***、**、*分别表示1%、5%和10%的显著性水平；括号内为“企业—国家”层面的聚类稳健标准误。 下载:
导出CSV
表 8纯加工贸易企业贸易贸易模式转型升级的回归结果
变量 纯加工贸易企业样本（ratio_jlpt） 模型 (1) (2) (3) (4) ln EPU 0.008 0** 0.007 9** 0.014 3*** (0.003 6) (0.004 0) (0.004 1) ln spe1 −0.062 7*** −0.062 7*** −0.070 5*** (0.009 0) (0.009 0) (0.009 1) ln EPU×ln spe1 −0.118 1*** (0.011 2) 控制变量 控制 控制 控制 控制 企业—国家固定效应 控制 控制 控制 控制 年份固定效应 控制 控制 控制 控制 观测值数 424 939 388 918 388 918 388 918 Adjust-R2 0.395 8 0.381 2 0.381 2 0.381 5 注：***、**、*分别表示1%、5%和10%的显著性水平；括号内为“企业—国家”层面的聚类稳健标准误。 下载:
导出CSV
表 9企业贸易方式转型升级的地区异质性回归结果
变量模型 东部地区 中部地区 西部地区 (1) (2) (3) (4) (5) (6) ln EPU −0.004 9*** −0.003 4** 0.006 8 0.006 3 −0.004 5 −0.003 8 (0.001 5) (0.001 5) (0.008 5) (0.008 6) (0.011 1) (0.011 5) ln spe1 −0.177 7*** −0.173 4*** 0.008 8 0.009 2 −0.008 2 −0.008 5 (0.005 2) (0.005 2) (0.015 1) (0.015 2) (0.022 1) (0.022 1) ln EPU×ln spe1 −0.175 4*** −0.010 1 0.009 2 (0.006 4) (0.026 8) (0.042 0) 控制变量 控制 控制 控制 控制 控制 控制 企业—国家固定效应 控制 控制 控制 控制 控制 控制 年份固定效应 控制 控制 控制 控制 控制 控制 观测值数 3 303 831 3 303 831 117 622 117 622 60 816 60 816 Adjust-R2 0.073 1 0.073 7 0.032 1 0.032 1 0.052 3 0.052 2 注：***、**、*分别表示1%、5%和10%的显著性水平；括号内为“企业—国家”层面的聚类稳健标准误。 下载:
导出CSV
-
[1] AHN J B, KHANDELWAL A K, WEI S J. The role of intermediaries in facilitating trade[J]. Journal of International Economics, 2011, 84(1): 73-85.doi:10.1016/j.jinteco.2010.12.003 [2] MANOVA K, YU Z. How firms export: processing vs. ordinary trade with financial frictions[J]. Journal of International Economics, 2016, 100(2) : 120-137. [3] 刘晴, 程玲, 邵智, 等. 融资约束、出口模式与外贸转型升级[J]. 经济研究, 2017, 52(5): 75-88. [4] LIU Q, PEI F, WU H, et al. Trade policy uncertainty, firm heterogeneity and export mode[J]. Emerging Markets Finance and Trade, 2020(11): 1-31. [5] 张兵兵, 田曦. 目的国经济政策不确定性如何影响中国企业的出口产品质量?[J]. 世界经济研究, 2018(12): 60-71+133. [6] VRIES G D, JIANG A, LEMMERS O, et al. Firm productivity and functional specialisation[J]. The World Economy, 2020, 44(5): 1232−1260. [7] 王振国, 张亚斌, 牛猛, 等. 全球价值链视角下中国出口功能专业化的动态变迁及国际比较[J]. 中国工业经济, 2020(6): 62-80. [8] 郑小碧. 贸易中介空间集聚如何提升出口边际: 沟通外溢性视角[J]. 世界经济研究, 2019(9): 46-66+135. [9] 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(2): 48-74. [10] FEENSTRA R C, HANSON G H. Ownership and control in outsourcing to China: estimating the Property-Rights Theory of the Firm[J]. Quarterly Journal of Economics, 2005, 120(2): 729-761. [11] FERNANDES A, TANG H. Determinants of vertical integration in export processing: theory and evidence from China[J]. Journal of Development Economics, 2012, 99(2): 396−414. [12] MELITZ M J. The impact of trade on intra-industry reallocation and aggregate industry productivity[J]. Econometrica, 2003, 71(6) : 1695-1725.doi:10.1111/1468-0262.00467 [13] BAI X, KRISHNA K, MA H. How you export matters: export mode, learning and productivity in China[J]. Journal of International Economics, 2017, 104(1): 122-137. [14] 綦建红, 李丽丽. 信贷约束严重的出口企业会更加依赖贸易中介吗: 来自中国工业企业的证据[J]. 国际贸易问题, 2018(5): 145-159. [15] 许和连, 金友森, 王海成. 银企距离与出口贸易转型升级[J]. 经济研究, 2020, 55(11): 174-190. [16] 范子英, 田彬彬. 出口退税政策与中国加工贸易的发展[J]. 世界经济, 2014, (4): 49-68. [17] 林珏, 彭冬冬. 出口退税、贸易方式与企业出口行为[J]. 西部论坛, 2016, 26(1): 90-101.doi:10.3969/j.issn.1674-8131.2016.01.011 [18] BRANDT L, MORROW P M. Tariffs and the organization of trade in China[J]. Journal of International Economics, 2017, 104(1): 85-103. [19] FELBERMAYR G, JUNG B. Trade intermediaries and the organization of exporters[J]. Review of International Economics, 2011, 19(4) : 634-648.doi:10.1111/j.1467-9396.2011.00971.x [20] DASGUPTA K, JORDI M. Quality uncertainty and intermediation in international trade[J]. European Economic Review, 2018, 104(5) : 68-91. [21] 王朝阳, 张雪兰, 包慧娜. 经济政策不确定性与企业资本结构动态调整及稳杠杆[J]. 中国工业经济, 2018(12): 134-151. [22] 余靖雯, 郭凯明, 龚六堂. 宏观政策不确定性与企业现金持有[J]. 经济学(季刊), 2019, 18(3): 987-1010. [23] GULEN H, ION P. Policy uncertainty and corporate investment[J]. Review of Financial Studies, 2016, 29(3): 523-564. [24] 张成思, 刘贯春. 中国实业部门投融资决策机制研究: 基于经济政策不确定性和融资约束异质性视角[J]. 经济研究, 2018, 53(12): 51-67. [25] 宫汝凯, 徐悦星, 王大中. 经济政策不确定性与企业杠杆率[J]. 金融研究, 2019(10): 59-78. [26] 才国伟, 吴华强, 徐信忠. 政策不确定性对公司投融资行为的影响研究 [J]. 金融研究, 2018 (3): 89-104. [27] 陈胜蓝, 刘晓玲. 经济政策不确定性与公司商业信用供给[J]. 金融研究, 2018(5): 172−190. [28] 战相岑, 荣立达, 张峰. 经济政策不确定性与垂直整合: 基于供应链视角的传导机制解释[J]. 财经研究, 2021, 47(2): 49-63. [29] 李敬子, 刘月. 贸易政策不确定性与研发投资: 来自中国企业的经验证据[J]. 产业经济研究, 2019(6): 1-13. [30] HANDLEY K, LIMÃO N. Policy uncertainty, trade, and welfare: theory and evidence for china and the United States[J]. American Economic Review, 2017, 107(9): 2731-83.doi:10.1257/aer.20141419 [31] 谢杰, 陈锋, 陈科杰, 等. 贸易政策不确定性与出口企业加成率: 理论机制与中国经验[J]. 中国工业经济, 2021(1): 56-75. [32] 刘美秀, 徐微, 朱小明, 等. 贸易政策不确定性对企业进口技术复杂度的影响: 以中国制造业企业为例[J]. 宏观经济研究, 2020(12): 70-83. [33] 刘晴, 桂晶晶, 程玲. 贸易政策不确定性与企业出口依存度: 基于国内产品市场一体化视角的分析[J]. 财贸研究, 2020, 31(9): 1-15+110. [34] 孙林, 周科选. 区域贸易政策不确定性对中国出口企业产品质量的影响: 以中国—东盟自由贸易区为例[J]. 国际贸易问题, 2020(1): 127-143. [35] 綦建红, 尹达, 刘慧. 经济政策不确定性如何影响企业出口决策: 基于出口频率的视角[J]. 金融研究, 2020(5): 95-113. [36] 陈绍俭, 冯宗宪. 经济政策不确定性会抑制企业出口吗[J]. 国际贸易问题, 2020(3): 71-85. [37] 毛其淋. 贸易政策不确定性是否影响了中国企业进口?[J]. 经济研究, 2020, 55(2): 148-164. [38] GERVAIS A. Uncertainty, risk aversion and international trade[J]. Journal of International Economics, 2018, 115(11): 145-158. [39] KRUGMAN P R. Increasing return and economic geography[J]. Journal of Political Economy, 1991, 99(3): 483-499.doi:10.1086/261763 [40] VALDERRAMA D, GARCIA A F, ARGIIELLO R. Information externalities and export duration at the firm level: evidence for Colombia[R]. Rosario: Universidad del Rosario, 2015. [41] KOENIG P, MAYNERIS F, PONCET S. Local export spillovers in France[J]. European Economic Review, 2010, 54(4): 622-641.doi:10.1016/j.euroecorev.2009.12.001 [42] PATACCHINI E, PICARD P M, ZENOU Y. Urban social structure, social capital and spatial proximity[J/OL]. Social Science Electronic Publishing, （2015）. http://hdl.handle.net/10993/25335. [43] TAN D, MEYER K E. Country-of-origin and Industry FDI agglomeration of foreign investors in an emerging economy[J]. Journal of International Business Studies, 2011, 42 (4) : 504-520.doi:10.1057/jibs.2011.4 [44] KRAUTHEIM S. Heterogeneous firms, exporter networks and the effect of distance on international trade[J]. Journal of International Economics, 2012, 87(1): 27-35.doi:10.1016/j.jinteco.2011.11.004 [45] FERNANDES A P, TANG H. Learning to export from neighbors[J]. Journal Of International Economics, 2014, 94 (1) : 67-84.doi:10.1016/j.jinteco.2014.06.003 [46] 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): 96-109+125.doi:10.3969/j.issn.1002-8102.2018.08.007 [47] 许志伟, 王文甫. 经济政策不确定性对宏观经济的影响−基于实证与理论的动态分析[J]. 经济学(季刊), 2019, (1): 23-50. [48] KOOPMAN R, POWERS W, WANG Z, et al. Give credit where credit is due: tracing value added in global production chains[J/OL]. Cambridge: National Bureau of Economic Research,( 2010).https://ideas.repec.org/p/nbr/nberwo/16426.html. [49] KEE H L, TANG H. Domestic value added in exports: theory and firm evidence from China[J]. American Economic Review, 2016, 106(6): 1402-1436.doi:10.1257/aer.20131687 [50] COLOMBO V. Economic policy uncertainty in the US: does it matter for the Euro area?[J]. Economics Letters, 2013, 121(1): 39-42.doi:10.1016/j.econlet.2013.06.024 [51] ABEL-KOCH J. Who uses intermediaries in international trade[J]. The World Economy, 2013, 36(8): 1041-1064.doi:10.1111/twec.12025 [52] CROZET M, Lalanne G, Poncet S. Wholesalers in international trade[J]. European Economic Review, 2013, 58(2) : 1-17. [53] BERNARD A B, JENSEN J B, REDDING S J, et al. Wholesalers and retailers in US trade[J]. American Economic Review, 2010, 100(2): 408-413.doi:10.1257/aer.100.2.408 [54] SCHRDER P J H , TRABOLD H , TRUBSWETTER P. Intermediation in foreign trade: when do exporters rely on intermediaries[J]. Applied Economics Quarterly, 2015, 51(3) : 267-288. [55] ANTRAS P, COSTINOT A. Intermediation and Economic Integration[J]. American Economic Review, 2010, 100(2) : 424-428.doi:10.1257/aer.100.2.424 [56] ELLIS P D.. International trade intermediaries and the transfer of marketing knowledge in transition economies[J]. International Business Review, 2014, 19(9) : 16-33. [57] 杜群阳, 郑小碧. 职业中间商空间嵌入与国际贸易模式演进[J]. 中国工业经济, 2015(1): 65-77. [58] 杨海生, 陈少凌, 罗党论, 等. 政策不稳定性与经济增长: 来自中国地方官员变更的经验证据[J]. 管理世界, 2014(9): 13-28+187-188. [59] BLOOM N. The impact of uncertainty shocks[J]. Econometrica, 2009, 77(3): 623-685.doi:10.3982/ECTA6248 [60] BAKER S R, BLOOM N, DAVIS S J. Measuring economic policy uncertainty [J]. The Quarterly Journal Of Economics, 2016, 131 (4) : 1593-1636.doi:10.1093/qje/qjw024 [61] HOLMES T J, STEVENS J J. Geographic concentration and establishment scale[J]. Review of Economics and Statistics, 2002, 84(3) : 682-690. [62] 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): 67-81. [63] 沈鸿, 顾乃华. 产业政策、集聚经济与异质性企业贸易方式升级[J]. 国际贸易问题, 2017(3): 120-130. [64] 李春顶. 中国出口企业是否存在"生产率悖论": 基于中国制造业企业数据的检验[J]. 世界经济, 2010, 33(7): 64-81. [65] 张学良,程玲,刘晴.国内市场一体化与企业内外销[J].财贸经济, 2021, 42(1): 136−150. [66] 刘洪铎, 陈和. 目的国经济政策不确定性对来源国出口动态的影响[J]. 经济与管理研究, 2016, 37(9): 18-26. [67] 张峰, 刘曦苑, 武立东, 等. 产品创新还是服务转型: 经济政策不确定性与制造业创新选择[J]. 中国工业经济, 2019(7): 101-118. -
点击查看大图
表 (9)
计量
- 文章访问数:578
- HTML全文浏览量:660
- PDF下载量:107
- 被引次数:0
