《北京大学中国经济研究中心:进口中间品和企业对外直接投资决策- 来自中国企业的证据.pdf》由会员分享,可在线阅读,更多相关《北京大学中国经济研究中心:进口中间品和企业对外直接投资决策- 来自中国企业的证据.pdf(27页珍藏版)》请在三个皮匠报告上搜索。
1、 No.C2018007 2018-08-14 进口中间品和企业对外直接投资决策:进口中间品和企业对外直接投资决策: 来自中国企业的证据来自中国企业的证据 余淼杰余淼杰 高恺琳高恺琳 北京大学国家发展研究院北京大学国家发展研究院 内容摘要:内容摘要:本文研究进口中间品对企业对外直接投资决策的影响。研究发现:(1)进口中 间品通过提高企业生产率,促进其对外直接投资决策。(2)控制生产率后,进口中间品仍 对企业对外直接投资决策有显著正向影响。这主要归因于搜寻成本降低效应:进口中间品 可以帮助企业获得可靠供应商等信息。(3)对生产率较低企业,搜寻成本降低可弥补其生 产率的不足,从而促进其对外直接投资
2、。(4)产品差异化或技术含量的增强将减弱搜寻成 本降低效应。 关键词:关键词:进口中间品、对外直接投资、企业生产率、搜寻成本 进口中间品和企业对外直接投资决策: 来自中国企业的证据 作者:余淼杰、高恺琳 Miaojie Yu, Kailin Gao 作者介绍: 余淼杰(通讯作者) ,北京大学国家发展研究院(National School of Development, Peking University)教授。邮箱:,电话:(010) 6275-3019。 通讯地址:北京市海淀区颐和园路 5 号北京大学国家发展研究(邮政编码:100871) 高恺琳,北京大学国家发展研究院(National S
3、chool of Development, Peking University)博士 生。邮箱:。电话:。 1 进口中间品和企业对外直接投资决策: 来自中国企业的证据 内容内容摘要:摘要:本文研究进口中间品对企业对外直接投资决策的影响。研究发现: (1)进口 中间品通过提高企业生产率,促进其对外直接投资决策。 (2)控制生产率后,进口中间品仍 对企业对外直接投资决策有显著正向影响。 这主要归因于搜寻成本降低效应: 进口中间品可 以帮助企业获得可靠供应商等信息。 (3)对生产率较低企业,搜寻成本降低可弥补其生产率 的不足,从而促进其对外直接投资。 (4)产品差异化或技术含量
4、的增强将减弱搜寻成本降低 效应。 关键词:关键词:进口中间品、对外直接投资、企业生产率、搜寻成本 Imported Intermediate Inputs and Outward Direct Investment Decisions: Evidence from Chinese Enterprises Abstract: This paper studies the effect of imported intermediates on firms overseas direct investment (ODI) decisions. Imported intermediates can a
5、ffect firms ODI decisions through two channels: productivity improvement and search costs reduction. Moreover, these two channels are complementary forces driving firms ODI decisions. For less productive firms, importing intermediate inputs can compensate its inadequacy in productivity through reduc
6、ing search costs. Third, higher product differentiation or technology content can increase the difficulty in gaining information, thus reducing the effect of search costs reduction. Key Words: Intermediate inputs; Outward Direct Investment; Firm Productivity; Search Cost. JEL No.:F10, F23, F30 2 一、引
7、言一、引言 自 2001 年入世以来,中国的对外直接投资迅猛发展,在全世界各个国家和地区引起了 广泛关注。2016 年,中国首次成为全球第二大对外直接投资国。随着经济全球化的发展,企 业的全球化经营日益成为国际贸易的重要特点,越来越多的中国企业选择“走出去”。截至 2016 年底,中国 2.44 万家境内投资者在国(境)外设立对外直接投资企业 3.72 万家,分布 在全球 190 个国家或地区。深入理解中国企业“走出去”的影响因素,既是政策关注的焦点, 也是重要的学术命题。 在国际生产分割的背景下, 中间品贸易成为企业全球化经营的重要环节。 在中国的出口 增长奇迹中,进口中间品扮演着关键的角色
8、(Feng,Li 和 Swenson,2012) 。企业进口、出 口与对外投资均为其国际化战略的重要方面, 相互之间可能存在重要的互动作用, 已有文献 探讨了企业中间品进口与出口之间的联动关系, 那么中间品进口对企业的对外直接投资决策 是否也有影响呢?这是本文研究的主要问题。进口中间品可能通过生产率提升效应(Amiti 和 Konings,2007) ,促进企业对外直接投资。然而本文发现,低生产率但进口中间品较多的 企业,其对外直接投资的频率也较高1,这并不能被已有理论解释。这也促使我们进一步挖 掘进口中间品对企业对外直接投资决策的另一个重要影响渠道: 搜寻成本降低效应。 除了提 高企业生产率
9、之外, 进口中间品还能提供可靠供应商与相关法规制度的宝贵信息, 从而降低 企业对外投资的搜寻成本。本文的研究表明,生产率提升效应与搜寻成本降低效应,是进口 中间品影响企业对外直接投资的重要渠道,且这两个渠道之间具有互补性。 进口中间品对企业绩效的影响已成为国际贸易领域的热点问题。 中间品进口是提升企业 生产率的重要渠道(Amiti 和 Konings,2007;Ksahara 和 Rodrigue,2008;Topalowa 和 Khandelwal,2011;钱雪峰等,2011;张杰等,2015;魏浩等,2017) ,是扩大企业生产范围 的重要方式 (Goldberg 等, 2010) ,
10、也是推动企业出口增长的关键因素 (Feng, Li 和 Swenson, 2012) 。然而,目前的研究忽略了经济全球化的背景下,进口中间品对企业对外直接投资的 可能影响。本文致力于填补这一空白。在今天,企业经营日益全球化,中国企业“走出去”的 动力日益增强。同时,扩大进口作为中国扩大开放的重要方面,深入研究进口中间品对企业 对外直接投资决策的影响,其意义更为重大。 企业的对外直接投资决策已引起学术界的广泛讨论。 传统文献研究了水平和垂直对外直 接投资的动机,即“邻近集中权衡”(proximity-concentration trade-off)和要素价格差异 (Helpman,1984;Ma
11、rkusen,1986) 。Helpman、Melitz 和 Yeaple(2004)将企业异质性引 入模型,表明生产率是影响企业水平 FDI 的重要因素:生产率最高的企业倾向于对外直接 投资,生产率次之的企业出口,生产率最低的企业服务国内市场。余淼杰和田巍(2012)用 中国数据验证了生产率对企业对外直接投资决策的积极影响。另一支文献则强调契约摩擦 (contractual frictions) 在企业垂直 FDI 中的作用 (Antras, 2003;Antras 和 Helpman, 2004, 2008) ,深入研究了垂直一体化与外包等企业对外投资决策。两支文献均表明,生产率是影 响企
12、业对外直接投资的重要因素。 由已有文献的梳理, 我们不难推出, 生产率是进口中间品影响企业对外直接投资决策的 可能渠道:进口中间品提升企业生产率(Amiti 和 Konings,2007) ,而高生产率企业倾向于 对外直接投资(Helpman、Melitz 和 Yeaple,2004) 。但是,也有学者认为进口中间品对企业 1 详见本文描述性统计部分。 3 生产率影响不大(Biesebroeck,2003;Muendler,2004) ,或取决于企业的吸收能力与人力资 本投资(Augier 等,2013;Okafor 等,2017) 。本文的贡献之一在于验证了进口中间品能够 通过提升企业生产率
13、, 进而促进其对外直接投资。 然而, 本文的研究并不止于此。 在数据中, 我们发现了一个新的特征事实: 低生产率、 但进口中间品较多的企业, 与高生产率企业相比, 同样具有较高的对外直接投资频率。 这并不能被已有理论解释: 如果生产率提升是进口中间 品对企业对外直接投资的唯一影响渠道, 我们应该发现低生产率企业对外直接投资的概率较 低。 但本文的描述性统计否定了这一点。 这也促使我们进一步挖掘进口中间品对企业对外直 接投资决策的另一个重要影响渠道:搜寻成本降低。 要在海外经营和生产,企业必须熟悉当地需求和可靠的中间品供应商(Albornoz 和 Garc a Lembergman,2016)
14、,以克服巨大的信息不确定性和搜寻成本(Eaton 等,2015) 。因 此, 除了提高企业生产率之外, 进口中间品还能提供可靠供应商与相关法规制度的宝贵信息, 从而降低企业对外投资的搜寻成本。 本文发现, 搜寻成本降低和生产率提升渠道之间具有互 补性:对较低生产率的企业而言,搜寻成本的降低对其对外投资决策有更大的积极作用。2 由此,生产率较低但进口中间品较多的企业,其对外直接投资频率也较大,这一现象也能够 得到解释。 本文主要利用 2000-2008 年中国商务部对外直接投资企业名录、中国海关数据库、中国 工业企业数据库研究中间品进口对企业对外直接投资的影响。 值得一提的是, 使用上市公司 或
15、者 Orbis 数据库可能带来不可忽略的样本损失和估计偏误:前者使最终企业样本集中在规 模较大的企业上,后者与海关或者工业企业数据库的匹配质量较差,造成大量样本损失。本 文使用覆盖全面的中国商务部对外直接投资企业名录进行研究,克服了这一缺点。同时,本 文使用企业层面关税作为企业进口中间品的工具变量, 以减轻内生性问题。 在考虑了不同样 本、不同模型并加入可能的遗漏变量后,本文的结果依旧稳健。 总体而言,本文的贡献有四个方面:第一,本文验证了进口中间品对企业对外直接投资 决策的积极影响。第二,本文建立了进口中间品影响企业对外直接投资决策的两个渠道:生 产率提升和搜寻成本降低。一方面,本文验证了进
16、口中间品能够通过提升企业生产率,促进 其对外直接投资。另一方面,本文发现,在控制了生产率之后,进口中间品仍然对企业的对 外直接投资决策有显著的正向影响。 这主要归因于搜寻成本降低的影响: 企业可以通过进口 中间品经验获取可靠供应商与相关法规制度信息,进而促进其投资决策。第三,我们发现生 产率提升与搜寻成本降低这两个渠道, 是推动企业对外直接投资的互补力量。 对于生产率较 低的企业,进口中间品的搜寻成本降低效应更强,进而能够弥补其生产率的不足。这也解释 了本文发现的一个新的特征事实:低生产率、但进口中间品较多的企业,与高生产率企业相 比,同样具有较高的对外直接投资频率。第四,我们进一步考察了进口
17、产品异质性对搜寻成 本降低效应的影响。 具体而言, 更强的产品差异化程度或更高的产品技术含量将增加获取信 息的难度,从而减弱搜寻成本降低的影响。 本文的其余部分安排如下: 第二部分梳理本文相关的文献, 第三部分介绍使用数据与描 述性统计,第四部分描述实证策略,第五部分为本文的实证结果,第六部分是结束语。 二、二、文献综述文献综述 2 企业生产率是企业产出中不能被投入所解释的部分,由企业所使用投入的效率决定,在已有文献中常用 于衡量创新(Comin,2010) ,从而难以衡量信息流动与搜寻成本降低的效果。 4 本文与三支文献密切相关。 第一支是研究企业对外直接投资影响因素的文献。 传统贸易 文献
18、将外商直接投资(FDI)分为水平和垂直两类,其中前者涉及在东道国生产和销售商品 的子企业, 后者则涉及向母企业提供零部件的子企业。 一方面, Helpman 等 (2004) 将 Markusen (1984) 的邻近集中假说 (proximity-concentration-trade-off) 引入模型, 认为企业的水平 FDI 决策取决于单位生产成本和运输成本之间的权衡, 并说明了生产率对企业水平 FDI 的影响。 另一方面,Helpman(1984)认为,要素价格差异(如工资和研发成本)可能导致企业的生 产分割,即垂直 FDI。Antras(2003) 、Antras 和 Helpma
19、n(2004,2008)则讨论了契约摩擦 (contractual frictions)在企业垂直 FDI 决策中的作用。其中,Antras 和 Helpman(2004)强 调了行业总部密集程度和企业生产率对企业兼并与外包决策的影响。Hanson 等(2001)则 指出在现实世界中,企业的跨国经营模式更倾向于融合水平和垂直 FDI 的策略,而并非一 定是二者择一。田巍和余淼杰(2017)进一步考察了汇率对贸易服务型投资的影响。Chen, Tian 和 Yu (forthcoming)验证了中国的民营企业有强烈意愿自选择到海外投资以规避国内 要素市场的扭曲。总体而言,讨论 FDI 的主要文献得
20、出高生产率促使企业在海外投资的结 论,同时具体国家的制度环境也应纳入企业对外直接投资决策的考量之中。然而,什么是推 动企业生产率提升、 进而对外直接投资的因素呢?本文提供了进口中间品可以促进企业对外 直接投资决策的证据。 第二, 本文也与研究进口中间品的文献相关。 理论研究强调了中间品投入对生产率增长 和经济增长的重要性(Ethier,1979,1982;Romer 1987,1990;Markusen 1989;Grossman 和 Helpman,1991) 。在实证研究中,越来越多的文献验证了中间品进口或贸易自由化带来 的好处(Amiti 和 Konings,2007;Kasahara
21、和 Rodrigue,2008;Halpern 等,2009;Goldberg 等,2010;Feng,Li 和 Swenson,2012;Yu,2015;钱雪峰等,2011;张杰等,2015;魏浩 等, 2017) 。 其中, Goldberg 等 (2010) 侧重进口关税自由化对印度产品范围 (product scope) 扩张的影响,Bas 和 Strauss-Kahn(2011) 、Bas(2012)和 Feng,Li 和 Swenson(2012)验 证了中间品进口与企业出口表现之间的联系, Amiti 和 Konings (2007) 和 Halpern 等 (2009) 强调进
22、口中间品投入对生产率增长的作用。 值得一提的是, 也有学者认为进口中间品对企业 生产率影响不大(Biesebroeck,2003;Muendler,2004) ,或取决于企业的吸收能力与人力资 本投资(Augier 等,2013;Okafor 等,2017) 。本文的贡献之一在于验证了进口中间品能够 通过提升企业生产率,促进其对外直接投资。此外,在生产率提升渠道之外,本文还探索了 搜寻成本降低渠道对企业对外直接投资的积极影响。 第三, 本文还与信息障碍 (information barrier) 在国际贸易中作用的文献相关。Rauch 和 Trindade(2002)在一篇开创性的论文中表明,
23、华人网络可以促进国际贸易,其对差异化产 品贸易的影响比同质商品更为明显。 这表明了国际贸易中信息障碍的重要影响。 Chaney (2011) 通过模型说明由进口商和出口商组成的国际贸易网络有助于企业克服信息障碍。 其后, 一系 列文献进一步探索了信息不确定性(information uncertainty)的来源,主要分为三个方面: 消费者需求与偏好(Defever 等,2011) 、企业出口盈利能力(Albornoz 等,2012;Conconi 等,2015)与供应商网络信息(Albornoz 等,2016;Albornoz 和 Garc a Lembergman,2016; Eaton
24、等,2014) 。首先,Defever 等(2011)强调消费者需求、偏好与供应商网络等信息对 企业出口市场地理分布的影响。其次,Albornoz 等(2012)建立理论模型说明企业出口盈利 能力在时间与地理上的相关性,由此解释了阿根廷企业“序惯出口”(sequential exporting)的 现象;Conconi 等(2015)则强调出口经验有助于企业获得盈利能力信息,并促进其对外直 接投资。再次,Albornoz 等(2016)表明出口经验有助于降低企业的沉没成本和固定成本; Albornoz 和 Garc a Lembergman(2016)强调出口有助于降低进口的固定成本,其背后的
25、机 制是出口使企业了解国外市场的供应商,降低了搜寻供应商的成本;Eaton 等(2014)则建 立结构模型量化了出口商的搜寻成本。 本文与研究供应商网络信息的文献最为相关, 但与以 5 往的文献不同,本文强调进口中间品能够帮助企业克服信息障碍。与出口获取的信息相比, 进口能够让企业更直接地了解中间品的供应商网络,进而降低企业的搜寻成本。 纵观现有文献, 我们发现针对进口中间品与企业对外直接投资两者关系的研究尚存在空 白。进口中间品是促成中国出口增长奇迹的重要因素,对外直接投资是中国企业继“出口”之 后、“走出去”参与跨国经营的重要方式,本文对进口中间品与对外直接投资之间的关系进行 了实证分析,
26、并深入探讨了生产率提升与搜寻成本降低这两个影响渠道及两者间的关系。 6 三、数据说明三、数据说明与描述性统计与描述性统计 (一)数据 为了研究进口中间品对企业对外直接投资决策的影响, 我们主要使用了三个面板数据库: 第一是中国海关数据; 第二是中国商务部的对外直接投资数据; 第三是中国国家统计局的工 业企业数据库。为了避免金融危机的影响,我们选取 2000-2008 年期间的企业样本。 中国海关数据涵盖了在中国从事跨境贸易的企业的月度进出口记录, 数据包括企业名称、 贸易形式(一般贸易或加工贸易) ,贸易数量、贸易价值量、贸易来源或目的地以及企业所 在城市信息。 它是记录中国企业贸易动态的最全
27、面的数据库。 我们将月度数据加总成由年度、 企业、产品、来源地或目的地、贸易形式唯一确定的年度数据。 中国商务部的对外直接投资数据收集了 20 世纪 80 年代以来在中国的企业对外直接投 资申请的审批记录,数据包含关于批准编号,批准日期,东道国,国外子企业名称,对外直 接投资业务范围,母企业来源地信息。但是,这个数据有三个主要限制。首先,它没有提供 每个对外直接投资记录的投资量。其次,数据集仅记录已批准的项目,而不跟踪实施状态。 第三,这个数据集可能低估了中国私营企业在非洲的投资(Shen,2015) 。尽管如此,这仍 是迄今为止最全面的记录中国对外直接投资的数据库。 中国国家统计局的工业企业
28、年度调查覆盖了 1997-2008 年规模以上的工业企业数据。 它 提供了关于三个主要会计报表的信息:资产负债表,损益表和现金流量表。数据涵盖两类制 造业企业:一是所有国有企业和年销售额超过 500 万元人民币的非国有企业(Yu,2015) 。 参考 Brandt 等(2012) 、Feenstra 等(2013) 、Yu(2015) ,我们使用以下标准清理工业企业 数据库。首先,排除关键财务变量缺失(如总资产,固定资产净值,销售额和总产值)的观 测值。其次,删除少于 8 名员工的企业,因为其属于不同的法律体制(Brandt 等,2012) 。 第三,如果存在以下任何一种情况,我们根据通用会计
29、准则(GAAP)的基本规则删除观测 值: (1)流动资产大于总资产; (2)固定资产总额大于总资产; (3)固定资产净值大于总资 产, (4)企业的识别号码丢失。 为了研究企业的进口行为,我们将商务部对外直接投资数据与中国海关数据进行匹配。 虽然海关数据和对外直接投资数据都有企业 ID,但他们的编码体系完全不同。因此,我们 使用企业的中文名称和年份信息来匹配商务部数据和海关数据。我们的匹配步骤如下: (1) 如果两个数据集中同一年的两家企业使用相同的中文名称,那么它们为同一家企业; (2)由 于注册差异, 一些企业在不同数据集中可能没有完全相同的中文名称, 但它们可能共享一些 常见字符串。 在
30、这种情况下, 我们将一家企业的名称分解成不同的字符串, 表明企业的位置, 业务类型以及具体名称(Tian 和 Yu,2015) 。如果两家企业的所有分解字符串完全相同,那 么它们将被匹配为同一家企业3。表 1 列出了商务部数据与海关数据匹配前后,海关数据中 企业数量和对外直接投资企业数量。在商务部数据 5076 家企业中,有 2870 条(55)企业 对外直接投资记录与海关数据成功匹配, 这也意味着在所有进出口企业中仅有约 0.24的企 业是对外直接投资(Outward Direct Investment,ODI)企业。ODI 企业在数据中占据极小的 3例如,在两个数据集中, “集团”可能写作
31、“集团”或“集团企业”。在这种情况下,我们需要将“集 团”和“集团企业”编码为一个共同字符串“集团”,以便于匹配。其他情况如, “股份有限企业”可能 写作“股份有限责任企业”等。 4 2870/1427029=0.2% 7 份额,部分原因是对外投资需要很大的固定成本,而只有少数企业能够克服这种成本。5进 一步地,我们还发现,在 2870 家成功匹配的 ODI 企业中,20 世纪 80 年代以来首次对外直 接投资的企业有 2501 家,其中 57的企业同时有进口行为,这也激励我们进一步研究进口 与对外直接投资之间的联系。 表 1 海关数据与对外直接投资名录匹配结果 年份 海关数据企业数目 匹配前
32、对外投资企业数目 匹配后对外投资企业数目 2000 82058 19 9 2001 89652 20 8 2002 104234 41 24 2003 124265 62 43 2004 153714 210 113 2005 179501 907 516 2006 207816 1069 597 2007 235429 1289 731 2008 250360 1459 829 Total 1427029 5076 2870 为了估计企业的全要素生产率(TFP) ,我们参考 Yu(2015) ,使用企业的中文名称,邮 编和电话号码匹配中国海关数据和工业企业数据,并使用修正的 Olley 和
33、Pakes(1996)方 法估计中国企业的 TFP。传统方法使用“索罗剩余”估计企业的生产率。然而,这种方法存在 两个问题:同时性偏误(simultaneity bias)和选择性偏误(selection bias) 。第一,企业受到 生产率冲击后,可以调整生产过程中的投入决策。因此,企业的投入选择和全要素生产率存 在内生性, 导致同时性偏误。 第二, 生产率低的企业可能已退出市场, 因此不包括在数据中, 导致选择性偏误。Olley 和 Pakes(1996)提供了一种半参数方法成功解决了这两个问题。在 本文中, 因为企业是否对外直接投资和是否进口同样会影响企业的投资决策, 在 Yu (201
34、5) 的基础上,我们在生产函数中引入了对外直接投资和进口的虚拟变量来估计企业生产率。6 值得注意的是, TFP 的估计需要使用当期与上一期的具体投入信息, 导致大量企业样本损失, 因此我们还采用劳动生产率(企业附加值与雇佣人数的对数值)作为生产率的替代衡量。 (二)描述性统计 本文希望研究进口中间品对企业对外直接投资的影响, 首先我们用简单的描述性统计来 说明两者的关系。本文的描述性统计发现了两个特征事实:第一,进口中间品贸易量越大, 企业对外直接投资概率越大,第二,低生产率但进口中间品较多的企业,进行对外直接投资 的概率较大。而后者是以往的理论难以解释的。 我们首先分析进口中间品贸易量与企业
35、对外直接投资概率的关系。 为获取具有代表性的 样本,我们以纺织行业为例,将海关数据库中 2000-2008 年纺织业内的企业,按进口中间品 贸易量从大到小排序,并分成相同数量的 N 组(N=1,2,3,4,5) ,然后计算每一组中企 5 对外投资企业数量极少,这会导致稀有事件误差,我们在实证策略中介绍减轻这种误差的方法。 6 引入对外直接投资与进口虚拟变量后,Yu(2015)附录中 B.2 估计式转化为: = 0+ + + (,)+,其中ODI与Import分别为表示对外直接 投资与进口的虚拟变量。其余变量定义与估计方法参考 Yu(2015) ,为使行文简洁,这里不再赘述。 8 业进行对外直接
36、投资的频率。7表 2 中,第 1 列表示进口中间品贸易量最大的组,第 2 列表 示贸易量第二大的组;第 1 行表示将所有企业分为 1 组,第 2 行表示将所有企业分为 2 组, 以此类推。因此,第 1 行第 1 列表示的是所有纺织类行业企业中,有 0.20%的企业进行对外 直接投资;第 2 行第 1 列进口中间品量前 50%的企业中,有 0.24%进行对外直接投资。由 此,第 5 行第 1 列表示在进口中间品最多的企业中,有 0.32%进行对外直接投资,第 5 行第 2 列到第 5 列分别表示进口中间品量排序第二到第五的企业中,有 0.16%、0.19%、0.16%、 0.17%的企业对外直接
37、投资。从表中容易看出,进口中间品最多的第 1 列,与同一行的其他 进口中间品较少的企业相比,其对外直接投资的频率更大。总体而言,企业对外直接投资频 率随进口中间品增多而上升,但并未呈现稳定的线性关系8。 表 2 进口中间品与企业对外直接投资频率 进口中间品排序 组数 1 2 3 4 5 1组 0.20 2组 0.24 016 3组 0.26 017 017 4组 0.29 018 017 016 5组 0.32 016 019 016 017 然而, 进口中间品较多的企业对外直接投资频率较高, 可能是因为进口中间品间接反映 了企业的生产率(Amiti 和 Konings,2007) ,这并不足
38、以说明进口中间品带来的搜寻成本降 低对企业对外直接投资的影响。因此,我们在描述性统计中加入了生产率9的维度,希望进 一步探索在考虑了生产率后, 进口中间品对企业对外直接投资的影响。 我们继续将上文使用 的 2000-2008 年纺织类行业企业,按进口中间品贸易量与企业生产率分别从大到小排序,各 分为相同数量的 5 组,由此形成 25 组进口中间品与生产率水平不同的企业,并计算每一组 中企业进行对外直接投资的频率。表 3 中,第 1 行表示生产率最高的组,第 2 行表示生产率 第 2 高的组;第 1 列表示进口中间品贸易量最大的组,第 2 列表示贸易量第二大的组,以此 类推。 因此, 第 1 列
39、第 1 行表示纺织行业中进口中间品最多、 生产率最高的企业中, 有 0.30% 进行对外直接投资;第 1 列第 2 行表示进口中间品最多、生产率次高的企业中,有 0.27%进 行对外直接投资。 由此, 第 1 列第 5 行表示进口中间品最多、 生产率最低的企业中, 有 0.36% 进行对外直接投资。 从表 3 我们容易发现两个明显规律:第一,生产率高的企业(如第一行内的所有企业分 组) ,其对外直接投资频率较高,这与理论文献的预测相一致(Helpman 等,2004;Amiti 和 Konings,2007) ;第二,生产率较低、但进口中间品较多的企业,其对外直接投资频率也较 7 我们将企业按
40、年份、HS 二分位行业的进出口贸易总额从大到小排序,选取该年贸易量最大的行业,定 义该企业当年所在行业。根据海关编号各章节分布,纺织类行业所属的 HS 二分位行业代码为 50 到 63。 为了检验结果是否稳健,我们还做了机械类(HS 二分位代码为 84-85)以及全行业的描述统计,同样能够 发现类似的规律,感兴趣的读者可向作者索取。值得一提的是,纺织业和机械类是我国对外直接投资企业 较多的两大行业,选取这两个行业为例能够帮助我们获得统计上较有说服力的结果。其中,纺织业大类下 还有 14 个 HS 二分位子行业(纺织类行业所属的 HS 二分位行业代码为 50 到 63) ,不同年份、不同行业 的
41、进口中间品类型和价值量可能有系统性差异,因此为考虑这种差异带来的影响,我们按年份和子行业进 行分组。 8 如第 5 行,对外直接投资频率在第 2 列为 0.16%,在第 3 列为 0.19%。但总体而言,进口中间品最多的 一组,对外直接投资频率最高。 9 全要素生产率估计见本文数据部分。同时,当使用行业内标准化到 0-1 之间的生产率或者劳动生产率衡 量时,我们依旧能发现类似的规律。表 3 的描述性统计方式受 Lileeva 和 Trefler(2010)启发。 9 高。例如,第 4 行第 1 列、第 5 行第 1 列的企业,与同一行生产率相近但进口中间品较少的 企业相比,其对外直接投资频率要
42、高得多。这是传统理论文献不能解释的部分:如果进口中 间品通过提升企业生产率促进企业对外直接投资, 是其影响对外直接投资的唯一渠道, 那么 我们应该发现生产率较低的企业, 其对外直接投资频率也较低。 但本文的描述性统计否定了 这一点。而本文提出的搜寻成本降低渠道,能够解释这部分现象:当企业生产率较低时,大 量的进口中间品经验使其熟悉了供应商网络与法规制度, 降低了企业的搜寻成本, 从而有利 于其对外直接投资决策。换言之,进口中间品所带来的搜寻成本降低效应,能够在一定程度 上弥补企业在生产率上的不足。因此,生产率较低但进口中间品较多的企业,其对外直接投 资频率也较大。 表 3 进口中间品、企业生产
43、率与企业对外直接投资频率 进口中间品排序 生产率排序 1 2 3 4 5 1 0.30 0.22 0.43 0.34 0.33 2 0.27 0.18 0.15 0.13 0.10 3 0.31 0.14 0.15 0.11 0.15 4 0.37 0.10 0.08 0.18 0.14 5 0.36 0.13 0.17 0.18 0.11 四、实证四、实证方法方法 由对文献的回顾与本文的描述性统计,本文接下来检验两个假说:第一,进口中间品有 利于企业对外直接投资决策;第二,在控制了生产率后,进口中间品对企业对外直接投资决 策仍然有影响,且这种影响对低生产率的企业更加明显。 要估计进口中间品对
44、企业对外直接投资决策的影响, 本文面临的主要挑战是反向因果和 遗漏变量问题。在本节中,我们提供了解决这些问题的实证策略。 如果我们直接将进口中间品价值量对企业对外直接投资决策回归, 这将存在反向因果问 题,因为企业的对外直接投资可能会影响其进口行为。因此,我们采用三种方式减轻这种影 响:第一,借鉴 De Loecker(2007) ,本文仅选择首次对外直接投资的企业与从未对外直接 投资的企业作为样本。第二,本文使用企业层面的关税作为进口中间品的工具变量,降低这 种内生性的影响。第三,在本文的稳健性检验中,我们使用进口中间品的滞后期作为核心解 释变量,以减轻反向因果的影响。 我们参考 Yu(20
45、15) ,使用 WTO 的关税数据库构造了企业层面的进口关税指标,作为 对进口中间品的工具变量。进口关税为政府政策,对中国企业而言相对外生。企业层面关税 指标定义如下: = , 0 , 0 (1) 其中, 0为企业 f 在2000-2008 年期间第一次进口产品 p 的贸易量,M 为企业进 口产品的集合。是的 t 年中国对 HS6 产品 p 实施的进口关税。企业层面的进口关税使用 企业初始进口份额作为固定权重构建,以解决当期关税和进口量之间的内生性问题。 本文 2SLS 的第一和第二阶段方程如下: 10 _= 1 _+ 2 + + (2) _= 1 + + (3) 方程(2)是第一阶段方程,方
46、程(3)是第二阶段方程。下标 f 表示企业,i 表示行业, t 表示年份。 行业 i 由 t 年企业进出口贸易量所在最大 HS 二分位行业确定。 样本年份为 2000 到 2008 年。为了纠正对外直接投资企业较少带来的稀有事件偏误(rare event bias) ,本文还 参考 Tian 和 Yu(2015) ,使用 Cloglog、Possion IV 模型进行稳健性检验。 因变量_是定义企业首次对外直接投资的虚拟变量,如企业 f 在第 t 年首次 在国外投资,则虚拟变量取值为 1,其余为 0。10_是本文关注的核心解释变量, 即企业 f 在 t 年的进口中间品贸易量的对数值。为了确定中
47、间品投入,我们借鉴田巍、余淼 杰(2013) ,使用了联合国的广泛经济分类(Broad Economic Category,BEC) ,识别企业的 进口中间品。是工具变量企业层面关税()的对数值。表示行业固定效 应,以控制可能影响企业对外直接投资决策和进口行为的行业特征。表示年度固定效应, 以考率时变因素的影响,如人民币升值、通货膨胀等。标准差聚集(cluster)在企业层面, 以考虑企业内部可能的相关性 为了减轻遗漏变量的影响, 除了加入行业与年份的固定效应之外, 我们在回归中包含了 一系列控制变量() ,其中包括: (1)所有制虚拟变量,包括国有企业(Soe)和外资企业 (Fie) ,以控
48、制不同所有制的影响; (2)企业出口中间品贸易量的对数值(x_) ,以 控制出口行为所带来的生产率提升效应或当地信息(Conconi 等,2015;Albornoz 和 Garc a Lembergman,2016) 。为了解决出口与对外直接投资决策之间的反向因果问题,我们使用其 滞后期11。 (3)加工贸易在企业总贸易量中所占的份额(Process_Share) ,以控制加工贸易与 一般贸易之间的差异。 方程(1)中系数1代表进口中间品对企业对外直接投资概率的影响。我们预计1为正 值,这表明平均而言,进口中间品投入的增加会增加企业对外直接投资的概率。表 4 报告了 本文使用的主要变量的描述性统计。 表 4 主要变量描述性统计 变量 观测值 平均值 标准差 最小值 最大值 ODI_Starter 1426982 0.00175 0.0418 0 1 Imp_Inter 1426982 6.420 6.253 0 25.00 Exp_Inter 1426982 6.966 6.331 0 22.54 Soe 1426982 0.0801 0.271 0 1 Fie 1426982 0.440 0.496 0 1 Process_Share 1426982 0.16