服务业全要素生产率与服务贸易出口

摘要：采用非参数数据包络分析方法计算了我国服务业分行业企业全要素生产率的增长情况，并对行业生产率与行业出口规模进行时间序列分析和面板估计。结果显示，我国服务业分行业数据的实证检验结果与新新贸易理论的结论基本一致，即服务业生产率与服务业出口贸易之间具有强正向相关关系；且两者之间存在长期稳定的均衡关系，服务业生产率是服务贸易出口的原因。上述结果与新新贸易理论的结论是吻合的，说明中国服务业细分行业数据也支持该理论。

关键词：服务业；全要素生产率；服务贸易出口；新新贸易理论

中图分类号：F740文献标识码：A文章编号：1008-2670（2014）01-0111-11

收稿日期：2013-10-31

作者简介：陈景华，女，山东乳山人，博士研究生，山东财经大学经济学院讲师，研究方向：异质性企业贸易理论、服务贸易与服务业FDI。

一、引言

在经济全球化深入发展的有力推动下，服务贸易在全球贸易总量中的比重不断扩大，在世界经济中的地位日益提高。当今世界服务贸易已经成为推动全球经济强劲、平衡、可持续增长的重要动力，服务贸易发展日益成为各国关注和竞争的焦点，世界经济已经步入服务经济的时代。2012年中国服务贸易稳步增长，贸易规模持续扩大，较去年增长12%，比货物贸易增速高出近一倍。自2002年到2012年，中国服务进出口总额从855亿美元增长到4706亿美元，增长了4.5倍。其中，服务出口总额从394亿美元增长到1904亿美元，进口总额从461亿美元增长到2801亿美元。同期，中国服务进出口的国际排名不断上升，服务出口排名由11位上升至第5位，服务进口排名由第9位上升至第3位。

新新贸易理论是国际贸易的学术前沿，它从微观层面分析企业的出口贸易和对外直接投资等国际化路径选择以及一体化和外包等全球组织生产的抉择。该理论的典型特征是引入了企业异质性假设，认为企业间生产率的差别决定了它们不同的行为选择。在新新贸易理论中，企业生产率差异是决定其出口贸易行为选择的主要因素：生产率相对较高的企业会选择出口，而生产率相对较低的企业则会选择只供应国内市场。但是目前，新新贸易理论的研究视角还没有扩展到服务领域，因此在服务贸易迅速发展的背景下，利用新新贸易理论的分析框架，研究服务企业异质性对服务贸易出口的影响，具有深远的理论和现实意义。本文以中国服务业细分行业数据来分析和验证新新贸易理论的相关结论对中国服务企业行为选择的适用性。

二、相关文献综述

在新新贸易理论框架下关于生产率与出口规模的研究，大部分是以制造业为研究对象。Melitz[1]引入了一个垄断竞争的动态产业一般均衡框架，又将企业生产率差异纳入模型中，证实只有生产率高的企业会进入出口市场，生产率低的企业只为国内市场生产，且贸易的开展会促使低生产率企业退出市场；贸易自由化有利于高生产率企业的发展。该文献所建立的理论模型构成了新新贸易理论的基础，后来很多学者以此模型为基础展开深入的研究；Bernard等[2]扩展了李嘉图模型，使其成为包含多个国家、允许地理壁垒及不完全竞争，存在企业异质性的贸易模型。结果发现，企业的生产率和规模会影响出口，出口企业拥有较高的生产率和较大的规模，且贸易壁垒的降低会促进企业出口，论文还用美国与46个国家的贸易数据证实了这些结论；Bernard 和Jensen[3]建立了一个利润最大化企业出口决策的动态模型，并用美国制造企业的面板数据分析了影响企业出口的因素，发现市场进入成本会影响企业出口，但美国的出口促进措施对于出口影响不大；汇率的变化也会影响到企业出口；Baldwin[4]以Melitz的模型为基础，分析了企业选择成为国内企业、出口企业和不生产企业的生产率差异，证实了高生产率企业选择出口的结论。同时论文还研究了市场开放度、贸易量和价格以及生产率的效应，证实贸易自由化具有再分配效应，对于高生产率企业有利。Yeaple[5]用一个同质企业的一般均衡框架，设定这些企业会选择异质技术，但其选择是确定的，模型分析得到出口企业一般规模更大，会选择高级的技术，支付高工资，且生产率会更高。Melitz和Ottviano[6]建立了一个随机的、宏观动态一般均衡两国贸易模型，并假定企业的生产率存在差异以及垄断竞争的市场结构，模型证明只有相对高生产率的企业才出口，并分析了外生的生产率冲击以及贸易成本变化对于企业出口和退出市场等决策的影响，其得出的结论和前期研究结果基本一致。

国内从企业层面分析出口和生产率的文献较少，黄先海与石东楠[7]、彭国华[8]以及李春顶[9]等从国家层面、省级整体或者分行业的层面分析贸易对于生产率的影响，结论基本是两者显著正相关。也有学者利用企业数据检验了新新贸易理论的结论，如李春顶[10]得出生产率与出口的规模之间存在负相关关系，提出中国出口贸易的“生产率悖论”。易靖韬和傅佳莎[11]得出只有生产率较高的企业才能克服出口市场的沉没成本，通过自我选择进入出口市场，而生产率较低的企业会退出。黄玖立和冼国明[12]提出，在控制了双边地理距离和销售省市区的市场规模以及多个维度的固定效应之后，企业进入国内区域市场的可能性随着其生产率水平的提高而增大。

综合上述文献可以发现，无论国外文献还是国内文献，无论理论研究还是实证研究都是基于制造业企业进行的，主要研究制造业企业（行业）生产率与出口规模的关系，至今还没有关于服务业全要素生产率与服务贸易出口规模关系的相关研究。本文拟就服务业分行业企业全要素生产率对服务贸易出口行为的影响进行实证检验，对该领域的研究进行扩展和延伸。

三、基于DEA的分行业企业全要素生产率的估算

（一）研究方法

全要素生产率（Total Factor Productivity，TFP）的估算方法主要有增长核算方法和非参数方法，增长核算方法是一种参数方法，它借助于计量经济学的相关理论，假定投入产出关系可以用一定的生产函数来描述， 根据给定的投入产出观测数据，在满足某些假定条件下，利用回归分析确定表达式中的参数，进而测算该生产单位的生产率。非参数方法是基于指数理论、线性规划等非参数理论而建立起来的，不同于参数方法的是，非参数方法不用设定具体的生产函数，也不需要引入较强的行为假设，因此非参数方法避免了由于函数形式的不同设定而可能导致检验结果出现偏差的问题。本文采用非参数生产前沿方法进行核算。涂正革和肖耿[13]指出，生产前沿是判断生产者个体生产效率高低的基准，落在生产前沿上的生产点称为“最佳实践者”，而落在生产前沿内部的生产点，称为技术上存在“效率损失”的点。数据包络分析（Data Envelopment Analysis，DEA）技术是一种应用非常广泛的非参数方法，通过数学规划来计算生产技术前沿，评价生产者的技术效率。本文采用的基于数据包络分析DEA-Malmquist指数就是一种非参数方法，它具有以下优点：首先，这种方法可以弱化数据质量对结果的影响，中国的统计数据质量一直以来受到很多学者的质疑，傅勇和白龙[14]指出Malmquist指数相当于对原始数据作一阶差分处理，各行业同方向的变化将被消除；其次，王恕立和胡宗彪[15]指出非参数方法不需要设定具体的生产函数以及生产者最优行为目标，不要求生产处于有效的路径上，从而避免主观判断或函数形式设定错误影响结果的准确性；再次，刘兴凯和张诚[16]提出这种方法能够实现有关TFP的所有分解，不仅可以测算TFP的逐期动态变化，而且还可以把这种变化分解为技术进步、纯技术效率和规模效率的变动，因此具有很强的政策性含义，并且得到了越来越多的实证研究应用。

Malmquist指数的实质是通过两个不同时刻距离函数的比值来刻画生产率的变化，而距离函数的求解则需要借助于数据包络分析（DEA）的数学线性规划模型。DEA是一种非参数前沿效率分析技术，包括产出导向和投入导向两种，其原理是在给定投入下，用实际产出与潜在的最大产出之间的距离测量生产活动的效率；或给定产出之下，实际投入与潜在最小投入的距离测量生产活动的效率。对潜在最大产出的求解，实际研究中采用绩效最好的各经济体的产出来定义，通过线性规划方法得到，直观思路是利用投入产出观测数据构造出最佳生产前沿面，然后计算每一个决策单元在两个时期分别相对于最佳生产前沿面的距离，并以此定义相对效率的变化。在采用DEA确定最佳生产前沿时主要有当期DEA和序列DEA两种方法。当期DEA是根据t期的投入产出数据来确定t期的最佳生产前沿；序列DEA是根据t期及以前的投入产出数据来确定t期的最佳生产前沿。Timmer和Los[17]指出，序列DEA在如下方面要优于当期DEA： （1）排除了技术退步的可能性，因为采用序列DEA构造生产前沿的连续性不会导致其向内偏移；（2）引入了“追赶”思想，即后来者（ latecomers） 可以通过模仿学习领先者（ leaders）所创造的知识技术来达到追赶目的；（3）可以排除产出的短期波动影响生产前沿的可能性。因此，我们运用序列DEA来构造最佳实践生产前沿。

假设在每个时期t=1，2，…，T，第h=1，2，…，H个行业利用n=1，2，…，N种要素投入xth，n，得到m=1，2，…，M种产出yth，m，用Xt和Yt分别表示t时期所有行业的投入和产出向量。根据序列DEA，每个时期在规模报酬不变（Constant Returns to Scale，CRS）的和投入要素强（Strong Disposability of Input）可处置条件下的参考技术为：

其中，zth表示第h个样本观测值的权重；St就是所有可行的投入产出向量的集合，其中每一个给定投入下的最大产出子集就是生产技术的前沿。把每个服务行业基于产出的距离函数定义为：

其中，θ为标量，1/θ表示技术效率，Dt0（xt，yt）就是以t时刻的前沿生产技术为参考的t的产出距离函数。这一距离函数刻画的是在给定要素投入向量xth，n情况下，能够获得的可以使产出yth，m最大的扩展比例。距离函数完全刻画了技术，Dt0（xt，yt）≤1，当且仅当（xt，yt）∈St，Dt0（xt，yt）=1，当且仅当（xt，yt）为技术前沿边界，根据Farrell[18]的理论，在这种情况下，生产是最有效率的，即在给定投入的情况下实现了最大产出。

根据Farrell[18]的理论，技术效率是距离函数的倒数。所以技术效率就转化为距离函数倒数的解。对于第h′=1，2，…，H个行业，Dt0（xth′，yth′的倒数可以通过以下的线性规划求解：

这个式子刻画了从t期到t+1期生产率的变化，并且把Malmquist生产率指数分解成两个部分，分别刻画了生产率变化中的相对技术效率变化（EC）和技术进步的变化（TC）。EC是规模报酬不变且要素自由处置条件下的相对效率变化指数，该指数刻画了从t期到t+1期每个行业对最佳生产前沿的追赶（Catching-Up，追赶效应）。TC是技术进步指数，刻画了技术前沿从t期到t+1期的移动情况（增长效应）。

（二）数据处理

TFP测算主要涉及到三类数据变量： 服务业细分各行业产出、服务业资本投入与劳动投入，这三个变量的替代指标选择、数据来源与处理方法具体介绍如下：

1.分行业服务业产出

服务业产出用服务业增加值来表示。由于《中国统计年鉴》中2003年关于服务业细分行业增加值的统计口径与前后年份的差别很大，同时考虑到后面分析中需要用的很多数据在2003年以前的统计是不完备的，为了统计口径的一致性，我们选取的数据范围是2004-2011年中国服务业细分行业增加值数据，具体涉及的行业有：交通运输、仓储和邮政业，信息传输、计算机和软件业，批发和零售业，住宿和餐饮业，金融业，房地产业，租赁和商务服务业，科学研究、技术服务和地质勘查业，水利、环境和公共设施管理业，居民服务和其他服务业，教育，卫生、社会保障和社会福利业，文化、体育和娱乐业，公共管理和社会组织等共14个服务行业。数据来源于《中国统计年鉴》各期，为保证数据的可比性，所有样本数据都以2004年为不变价格进行指数平减。

2.劳动投入

理论上劳动投入应综合考虑劳动人数、劳动时间、劳动效率等因素，但实际研究中的指标选取最终取决于数据的可得性。由于无法获得对服务业细分行业劳动投入进行质量调整所需要的相关数据，所以将《中国统计年鉴》各期中的“分行业城镇单位就业人数年底数”作为劳动投入指标的变量，并且用两年就业人员年底数的平均值当作当年的劳动投入水平（如2004年劳动投入为2003年底数和2004年底数的平均值）。

3.资本投入

资本投入采用全国服务业细分行业资本存量来衡量。由于缺乏资本存量的官方统计数据，本文在综合参考和借鉴一些典型处理方法的基础上，对中国服务业细分行业资本存量进行估算。目前通行的资本存量估算方法是戈登史密斯的永续盘存法（Perpetual Inventory Method），公式为：

其中，Ki，t和Ki，t-1分别表示i行业在i时期和t-1时期的资本存量，Ii，t表示i行业在t时期的不变价格投资额，δi，t表示i行业在t时期的资本折旧率。根据上面的公式，我们要估算出服务业细分行业每年的资本存量，还需要以下的基础数据：基期资本存量、每年的投资额、投资缩减指数以及资本折旧率等。

基期资本存量我们运用Harberger[20]提出的稳态方法（Sready-State Method），即基于“稳态时资本产出比不变或物质资本增长速度等于总产出增长速度”的假定，推导出基期资本存量的估算方法：

为控制经济周期波动和产出的短期波动的影响，Harberger[20]提议使用一段时期内的产出平均增长率来表示gi，t。在本文中就采用样本统计期2004-2011年各服务业细分行业增加值的年均增长率表示。关于折旧率δi，t也没有统一的标准。Hu和Khan[21]采用的是中国官方折旧率3.6%，Wu[22]认为7%最佳。Wu[23]后来又采用模拟方法得到中国31个地区的服务业平均折旧率为4%，原毅军等[24]用的也是4%。同时，从理论上看还应考虑到服务业内部不同行业的折旧率差异以及时间上的动态变化，但是现实中要得到这样的数据是非常困难的，服务业细分行业相应的统计数据极其匮乏，学术界也没有提出好的方法来估算折旧率的行业和动态差异。因此，我们遵循王恕立、胡宗彪[15]的做法，将中国细分行业各年的折旧率统一设定为4%。

对于当年投资额，张军等[25]认为固定资本形成总额是衡量当年投资的合理指标，刘兴凯、张诚[16]也采用的是固定资本形成总额，但是我国没有关于服务细分行业固定资产形成总额的统计数据。借鉴杨勇[26]以及王恕立、胡宗彪[15]的做法，我们采用全社会服务业细分行业固定资产投资额这一指标来表示当年投资指标。2004-2011年的数据可以直接从《中国统计年鉴2012》中获取，各细分行业名义固定资产投资均使用全社会固定资产投资价格指数进行指数平减。

（三）估算结果

对于DEA方法计算的TFP结果，其反应的是年度全要素生产率的增长率，而不是全要素生产率的年度值；通过计算输入从2003至2011的数据得到的结果是从2004到2011年的TFP增长率。交通运输、仓储和邮政业，文化、体育和娱乐业，水利、环境和公共设施管理业，以及教育等行业的全要素生产率的增长率都保持在较高水平；而住宿和餐饮业的全要素生产率增长率相对较低；金融业在近几年出现增长放缓的情形。我们将服务业各行业全要素增长率按降序排列，见表1。

四、分行业服务贸易出口规模的描述和处理

我国服务贸易行业结构不平衡。运输、旅游、建筑等传统服务贸易仍占据我国服务贸易的主导地位。2011年和2012年，上述三项服务贸易额占中国服务贸易的比重分别为60.7%和62%。尽管近年来中国在计算机和信息服务、保险服务、金融服务、咨询服务等高附加值服务贸易出口方面的出口增长较快，但其在服务进出口总额中的比重仍然偏低。2011年和2012年，上述四项服务贸易额占中国服务贸易的比重仅为20.7%和20.8%。具体来看：

第一，运输服务、旅游占比进一步下降，但仍然是所有行业中出口额占比最大的两个行业。2012年，运输服务出口389.1亿美元，比上年增加9.4%；旅游出口500.3亿美元，比上年增长3.2%。运输服务和旅游服务在服务出口总额中的占比自金融危机以来呈逐年下降趋势，2012年这一比重下降至46.7%，而在2007年以前，这一比例基本达到60%左右。

第二，保险服务和金融服务出口大幅增长，占全部服务贸易出口的比例有所提高，但这一比例还是很小。2012年，中国保险服务出口总额为33.3亿美元，比上年增长10.3%，占全部服务贸易出口的比例为1.7%，与上一年持平。金融服务出口总额为18.9亿美元，比上年增长122.5%，占全部服务贸易出口的比例为1%，比上一年增加0.5个百分点。保险服务和金融服务两个行业的出口总额占全部服务贸易出口的比例只有2.7%，与发达国家相比还有很大的差距。

第三，建筑服务出口规模降低，占全国服务贸易出口的比例下滑，出现了负增长的局面，但仍然是服务贸易顺差的行业。2012年，中国建筑服务出口额122.5亿美元，比上年降低15.8%，占全部服务贸易出口的比例为6.4，比上年下降1.7个百分点，在出口行业中的排名由第五位下降至第六位。

第四，部分高附加值服务出口实现增长，占全国服务贸易出口的比例进一步提高，且继续保持顺差。2012年，中国计算机和信息服务出口144.5亿美元，比上年增长18.6%，占全部服务出口总额的7.6%，比上年增加0.9个百分点，在全部服务行业中排名第五。咨询服务出口总额为334.5亿美元，比上年增长17.8%，占全部服务贸易出口的比例为17.6%，比上年增加2个百分点，是中国第三大服务贸易出口行业。

第五，通信服务、专有权利使用费和特许费、广告宣传和电影音像业服务贸易出口额较少，占比仍然较低。2012年，专有权利使用费和特许费出口10.4亿美元，比上年增长40.1%，而占比只有0.5%。同期，通信服务出口额17.9亿美元，占比0.9%；广告宣传业出口总额47.5亿美元，占比2.5%；电影音像业出口总额为1.3亿美元，占比只有0.1%。

第六，其他商业服务出口出现下滑，占全部服务贸易出口的比例进一步降低。2012年，中国其他商业服务出口总额为284.2亿美元，比上年下降12%，出口规模大幅缩减，占全部服务贸易出口的比例为14.9%，较上年的17.7%下降了2.8个百分点。

另外，中国服务贸易统计组表中的统计口径（行业划分）与我们前面计算细分行业生产率时的行业划分标准不同按照中国国家统计局《国民经济行业分类》（GB/T4754-2011）基本机构，将国民经济行业分为20个行业，其中第一产业包括A门类的农、林、牧、渔业；第二产业包括B门类的采矿业、C门类的制造业、D门类的电力、燃气及水的生产和供应业、以及E门类的建筑业；第三产业包括F门类的批发和零售业，G门类的交通运输、仓储和邮政业，H门类的住宿和餐饮业，I门类的信息传输、计算机服务和软件业，J门类的金融业，K门类的房地产业，L门类的租赁和商务服务业，M门类的科学研究和技术服务业，N门类的水利、环境和公共设施管理业，O门类的居民服务、修理和其他服务业，P门类的教育，Q门类的卫生和社会工作，R门类的文化、体育和娱乐业，S门类的公共管理、社会保障和社会组织以及T门类的国际组织等15个行业。在中国统计年鉴中，建筑业属于第二产业，关于建筑业是否包含在服务业中，现有文献中还有争议。有的学者认为将第三产业当作服务业（不包含建筑业）；有人认为建筑业包含在服务业中。本文根据中国统计年鉴的标准，将第三产业理解为服务业，因此不包含建筑业。。为了要进行生产率与出口关系的实证分析，我们必须把两者的统计口径统一起来，因此，我们将服务贸易统计组表中的服务行业根据国民经济行业分类GB/T4754-2011GB（第三产业部分），进行如下的调整：（1）运输服务归于G门类的交通运输、仓储和邮政业中；（2）通信服务、计算机和信息服务业归于I门类的信息传输、计算机服务和软件业中；（3）建筑服务归于K门类的房地产业中；（4）保险和金融服务归于J门类的金融业中；（5）专有权利使用费和特许费归于M门类的科学研究和技术服务业中；（6）广告宣传和电影音像归于R门类的文化、体育和娱乐业中；（7）旅游服务、咨询服务以及其他商业服务归于L门类的租赁和商务服务业中。按照此种分类方法，我们重新计算各服务行业出口规模，并以2004年为基期进行指数平减，然后求出各行业的服务贸易出口增长率，见表2。

五、相关性检验

根据新新贸易理论，我们应该利用中国服务业企业层面的数据来进行检验，但是由于我国企业统计数据很不完善，尤其是关于服务企业的统计数据更是缺乏，因此只能以服务业细分行业的数据来替代企业数据。下面利用2003-2011年中国服务业细分行业面板数据，检验生产率与出口规模的相关性。对于两者关系的解析，分两个层次进行。层次之一是指把每一个行业独立地看作一个时间序列，以时间序列的分析方法研究两者之间的相关关系、协整关系和因果关系；层次之二是用面板数据的分析方法模拟两者关系。

（一）时间序列分析

1.服务贸易出口增长率与TFP增长率的相关关系检验

由于样本时间长度有限，仅仅有8年的数据，这对分析的有效性会造成影响，但好在分析研究的变量较少，解释变量和被解释变量都只有1个，所以在一定程度上还是能够反映变量之间关系的。我们将每一个行业独立分析，解析TFP增长与出口贸易增长之问的相关关系，求解出来两者之间相关系数见下表。从表中的出口增长率与TFP增长率的相关关系结果可以看出，大多数服务业出口行业与TFP之间存在正相关关系，而房地产业，文化、体育和娱乐业出

现了负相关的关系，但参与服务贸易的服务行业整体的出口增长率与全要素生产率间存在正相关关系。出现负相关的结果，可能的原因在于：第一，所用数据的真实性和可靠性存在一定问题，因为服务贸易统计行业口径与全要素生产率计算的行业口径不一致，我们进行了人为调整；第二，生产率效应可能存在滞后，直接的相关性分析效果不佳；第三，用服务业细分行业企业生产率数据替代企业生产率数据自然存在一些问题，并不能很好地表现企业生产率与出口增长之间的关系。

2.面板单位根与协整关系检验

将所有行业的样本看作整体，分别将行业出口增长率与全要素生产率增长率作为一个整体，分析两个变量间的协整关系以及Granger因果关系。在这之前，我们必须对变量进行平稳性检验，变量同阶单整是变量间

存在协整关系的前提，通常采用单位根检验对时间序列数据平稳性进行判断。随着面板数据在经济分析中的广泛应用，人们也开始重视面板数据的单位根检验。面板数据是否平稳或是否具有相同的单整阶数是面板数

据回归估计的前提。进行面板数据单位根检验的相关方法主要有LLC 检验、IPS 检验、ADF检验和PP 检验等。这里我们主要汇报Levin， Lin &Chu t*检验和PP检验结果，见表4。结果显示，在滞后一期时，两种检验方式下，两个变量EX和TFP均在1%的显著性水平上拒绝存在单位根的原假设，即两个序列都是零阶单整的，记作I（0）。

对于两个同阶单整序列，我们可以对其进行协整检验，确定两者之间是否存在长期稳定的均衡关系。如果具有稳定关系，则线性回归的结果是有效的，否则会存在伪回归问题。我们采用基于EG两步法的Pedroni检验方法，即用一个变量对另一个变量回归，如果回归残差平稳，则两者之间存在协整关系。在存在截距项、无趋势项，且滞后期固定为1时，检验结果显示，两个变量无论在组内还是组间检验，PP统计量和ADF统计量都在1%的显著性水平上拒绝变量间不存在协整关系的原假设，即出口增长率与全要素生产率变化率之间存在长期稳定的均衡关系，具体统计结果见表5。

3.格兰杰因果关系检验

确定了序列间的协整关系后，就可以对总体行业的两变量进行格兰杰（Granger）因果检验，以确定到底是全要素生产率决定了企业的出口规模，还是企业出口带动了全要素生产率的提高，抑或两者之间具有双向因果关系。Granger检验方法，是基于以下思想：如果x是y的因，但y不是x的因，则x的过去值可以帮助预测y的未来值，但y的过去值不能帮助预测x的未来值。根据我们研究的数据特点，可以建立如下的基本模型：

其中，滞后阶数P可根据 “信息准则”或者“由大到小的序贯t规则”来确定。检验的原假设为“x的过去值对预测y的未来值没有帮助”，如果拒绝原假设，则称x是y的格兰杰因。根据AIC准则，选择滞后阶数为2，则格兰杰因果关系检验结果见表6。从检验结果可知，TFP不是EX变化的原因的原假定被拒绝，也就是说TFP是企业出口贸易的原因；但反过来我们不能拒绝出口不是TFP增长的格兰杰原因的原假定，即出口不能确定会对TFP增长产生作用。即企业生产率状况是决定企业出口行为的一个原因，但反过来出口却不一定能够提高企业的生产率水平。

（二）基于面板回归的关系检验

利用DEA方法计算的全要素生产率是服务业行业生产率的变化率，不能够体现各个行业的生产率水平。为了得到各行业服务贸易出口规模与行业生产率的关系，接下来我们采用另外两种方法进一步计算各行业的生产率，即近似全要素生产率（Approximate TFP，ATFP）和劳动生产率（LTFP）。近似全要素生产率的测算方法直接源于Head和Rise[27]的研究，是对“索洛残差法”的衍生和发展，融合了多种方法的易操作性和便捷性且集合了参数方法的优势。为此，我们进一步阐述ATFP的测算方法，具体公式如下：

其中，Q 表示企业产出，L 表示劳动投入，K 表示资本投入，s 表示生产函数中资本的贡献度。当s=0 时，表明全要素生产率等于劳动生产率（Q/L）；当s=1 时，表明全要素生产率等于资本生产率（Q/K）。在此我们借鉴朱延和李宏兵[28]、李春顶和赵美英[10]沿用Hall和Jones[29]对s=1/3的假定，主要是因为一方面，学术界很多相关文献都使用此假定，且通过检验基本符合实际情形，具有统计上的普遍性；另一方面，用中国的数据进行检验，发现这样的设定是符合我国实际的，对我国的数据具有适用性。同时，为了弥补ATFP中对s=1/3设定可能存在的问题，我们再直接计算劳动生产率，用LTFP表示，即采用单位劳动的产出水平表示劳动生产率，在Helpman等[30]）中假定劳动是唯一的投入要素，因此生产率就是指劳动生产率。劳动生产率的计算公式为：

本文通过如下检验来确定面板数据的模型形式：首先构造F统计量判断是否所有个体效应为零，进行固定效应与混合OLS的选择；然后通过BP-LM检验（Breusch-Pagan LM Test）进行随机效应和混合OLS的选择；最后用Hausman检验进行固定效应与随机效应之间的选择。表7报告了模型设定检验结果，结果显示，两种解释变量的模型在混合OLS回归和FE固定效应回归的选择中，F检验结果均在1%的显著性水平上强烈拒绝“所有的ui=0”原假设，认为FE明显优于混合OLS回归；在混合OLS回归和RE随机效应回归的选择中，LM检验结果均在1%的显著性水平上强烈拒绝“不存在个体随机效应”的原假设，所以在这两种回归模型选择中应该选择RE回归；在应该采用固定效应模型还是随机效应模型的Hausman检验中，把ATFP当做解释变量时，模型在5%的显著性水平上拒绝原假设，所以应该采用固定效应模型；而在把LTFP当做解释变量时，模型接受原假设，即应该采取随机效应模型。检验及回归结果见表7。

无论是以ATFP还是LTFP作为解释变量，回归结果都显示，生产率的系数都在1%的显著性水平上强烈显著为正，反映出生产率水平与出口规模间存在强正相关关系。以ATFP作为解释变量的固定效应模型下，生产率的系数为2.156001；以LTFP为解释变量的随机效应模型下，生产率的系数为1.235117。说明，无论生产率水平对出口规模的影响程度较大，是决定服务业出口规模的重要因素。而且两个模型的拟合优度都比较好，分别达到0.7429和0.6955，说明模型的解释能力比较高。由此可以确定，在服务业细分行业的生产率是影响服务行业出口规模的重要因素，这与我们理论分析的结果是一致的。

六、结论

本文选取了我国服务业各细分行业的面板数据，用非参数数据包络分析（DEA）技术计算了企业全要素生产率TFP的年度增长率情况对全要素生产率变化率与企业出口贸易增长之间的关系进行了全面的分析，得到的结论与异质性贸易理论的结果是一致的。随后采用近似全要素生产率ATFP和劳动生产率LTFP表示的要素生产率的真实数据，进一步检验了生产率水平与出口规模之间的相关关系，回归结果显示生产率与出口规模之间存在强烈的正相关关系，用中国数据验证了异质性贸易理论的结论。从以上实证研究的结果，我们可以得到这样的几个结论：第一，企业出口行为与其生产率之间确实存在相关性，且相关关系为正，也就是说生产率高的企业会更多地出口，而生产率低的企业不出口或出口较少，这与异质性贸易理论的结论是吻合的，说明中国服务业细分行业数据也支持该理论。第二，因果关系检验说明，生产率是引起企业出口的原因，即生产率高低决定了企业的出口贸易行为选择；但反过来则不成立，即不能确定出口会引起生产率的变化，出口不是生产率变动的原因，该单向因果关系与异质性贸易理论的结论也是一致的。

但需要指出的是，本文分析所用数据并非真正意义上的企业数据，没有涉及单个企业以及各行业内部不同企业之间的具体差异情况。在中国服务业企业统计数据完备的情况下，进一步分析异质企业生产率与出口规模的关系，能真正对异质性贸易理论进行实证方向的扩展，这正是未来的研究方向。

参考文献：

[1]MELITZ.The Impact of Trade on Intra-industry Reallocations and Aggregate Industry Productivity[J]. Econometrica， 2003，71：1695-1725.

[2]BERNARD， EATON， JENSEN， et al. Plants and Productivity in International Trade[J]. American Economic Review，2003， 93：1268-1290.

[3]BERNARD， JENSEN. Why Some Firms Export[J]. Review of Economics and Statistics， 2004， 86：561-569.

[4]BALDWIN. Heterogeneous Firms and Trade： Testable and Untestable Properties of the Melitz model[R]. NBER Working Paper， 2005， No. 11471.

[5]EAPLEe. Firm Heterogeneity， International Trade and Wages[J]. Journal of International Economics，2005， 65： 1- 20.

[6]MELITZ， OTTVIANO. Market Size， Trade and Productivity[J]. Review of Economic Studies， 2008， 75：295-316.

[7]黄先海，石东楠. 对外贸易对我国全要素生产率影响的测度与分析[J].世界经济研究， 2005（1）： 22-26.

[8]彭国华.双边国际贸易引力模型中地区生产率的经验研究[J].经济研究，2007（8）：123-132.

[9]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（7）：64-81.

[10]李春顶，赵美英.出口贸易是否提高了我国企业的生产率？――基于中国2007年制造业企业数据的检验[J]. 财经研究，2010（4）：14-24.

[11]易靖韬，傅佳莎.企业生产率与出口：浙江省企业层面的证据[J]. 世界经济，2011（5）：74-92.

[12]黄玖立，冼国明.企业异质性与区域间贸易：中国企业市场进入的微观证据[J].世界经济， 2012（4）：3-22.

[13]涂正革，肖耿.中国的工业生产力革命――用随机前沿生产模型对中国大中型工业企业全要素生产率增长的分解及分析[J].经济研究， 2005（3）：4-15.

[14]傅勇，白龙.中国改革开放以来的全要素生产率变动及其分解（1978-2006）[J]. 金融研究， 2009（7）： 38-51.

[15]王恕立，胡宗彪.中国服务业分行业生产率变迁及异质性考察[J].经济研究，2012（4）：15-27.

[16]刘兴凯，张诚.中国服务业全要素生产率增长及其收敛分析[J].数量经济技术经济研究， 2010（3）：55-67.

[17]TIMMER， LOS. Localized Innovation and Productivity Growth in Asia： An Intertemporal DEA Approach[J]. Journal of Productivity Analysis， 2005，23：47-64.

[18]FARRELL. The Measurement of Productive Efficiency [J]. Journal of Royal Statistical Society， 1997， 30：253-281.

[19]FARE， GROSSKOPF， ZHANG. Productivity Growth， Technical Progress and Efficiency Change in Industialized Countries[J]. The American Economic Review， 1994， 84（1）：66-83.

[20]HARBERGER， Perspectives on Capitial and Technology in Less Developed Countries[J]. Contemporary Economic Analysis， 1978：69-151.

[21]HU， KHAN. Why Is China Growing So Fast[R]. IMF Staff Papers， 2009， 44（1）：103-131.

[22]WU. Has Productivity Contributed to China’s Growth [J]. Pacific Economic Review， 2003， 8（ 1）：15-30.

[23]WU. China’s Capital Stock Series by Region and Sector[R]. Business School，University of Western Australia， Discussion Paper， 2009 No.09.02.

[24]原毅军，刘浩，白楠. 中国生产业全要素生产率的测度――基于非参数Malmquist指数方法的研究 [J]. 中国软科学， 2009（1）：159-167.

[25]张军，吴桂英，张吉鹏.中国省际物质资本存量估计：1952-2000 [J]. 经济研究，2004（10）： 35-44.

[26]杨勇.中国服务业全要素生产率再测算[J].世界经济，2008（10）：46-55.

[27]HEAD， RISE. Heterogeneity and the FDI Versus Export Decision of Japanese Manufacturers [J]. Japanese Int.Economies， 2003（17）：448-467.

[28]朱延，李宏兵.异质性企业国际转移的动力机制与路径选择――HFT模型和NEG模型的拓展及验证[J]. 国际贸易问题， 2011（10）：48-59.

[29]HALL， JONES. Why do Some Countries Produce So Much More Output than Others [J]. Quarterly Journal of Economics， 1999， 114：83-116.

[30]HELPNAN， MELTIZE， YEAPLE. Export Versus FDI with Heterogeneous Firms [J]. The American Economic Review， 2004，94（1）：300-316.