- 貿易開放與中國經濟發展
- 余淼杰
- 4字
- 2019-11-15 17:42:17
第二部分
第四章 加工貿易、貿易自由化和企業生產率29
本章研究了進口中間品和最終品關稅減免如何影響參與貿易的大型中國企業的生產率，分析考慮了企業從事加工貿易在進口中間品方面的關稅優惠。利用2000—2006年高度細化的貿易數據和企業生產數據，本章構建了各企業所面臨的進口中間品和最終品關稅稅率。通過控制企業參與加工貿易的自選擇和兩類企業層面關稅稅率可能引發的內生性，文章發現，進口中間品和最終品關稅減免均對企業生產率提升有正向影響，且影響力度會隨著企業加工貿易進口份額的增大而減小。總體上，相對于最終品關稅減免，進口中間品關稅減免對生產率提升的影響更大；但對于不從事加工貿易的企業，相反的結論成立。通過將企業生產率加總至經濟體總體生產率，文章發現，兩類關稅減免共使樣本中約423家企業獲得生產率提升，同時至少貢獻了同期經濟體總體生產率提升的13.53%。
第一節 引言
貿易自由化對企業利潤率的影響是貿易實證研究中最重要的問題之一。先前研究貿易的經濟學家主要關注最終品關稅減免的影響。目前，研究重心轉移到探討進口中間品關稅減免的影響上來。通常，進口中間品關稅減免對企業生產率的影響要大于最終品關稅減免（Amiti and Konings，2007；Gold-berg et al.，2010；Topalova and Khandelwal，2011）。Amiti and Konings（2007）分析了印度尼西亞企業層面的數據并發現企業從中間品關稅降低所獲得的生產率提升是從最終品關稅降低所獲得的生產率提升的兩倍。此外，Topalova and Khandelwal（2011）發現對于印度一些行業中的企業，中間品關稅下降帶來的生產率提升甚至能夠達到最終品關稅下降帶來的生產率提升的十倍。他們強有力地指出，造成這一結果的主要原因是中間品關稅下降使企業能夠獲得更好的中間品投入，這比最終品關稅下降造成的促進競爭效應更為重要。
不同于上述研究結論，本章發現對于參與國際貿易的大型中國企業，在21世紀最終品關稅減免比中間品關稅減免更能提高企業生產率。最終品（中間品）關稅下降10%會使生產率提高9.3%（5.2%）。兩類關稅減免對生產率的正向促進作用會隨著企業加工貿易進口份額的增大而減小。該結論主要是由于中國加工貿易企業相比非加工貿易企業在進口中間品方面的關稅優惠：占據中國總進口半壁江山的加工貿易進口享受零關稅。進口中間品關稅的進一步下降對完全從事加工貿易的企業無影響，但仍會影響到既從事加工貿易又從事一般貿易的企業。隨著企業加工貿易份額的增大，中間投入關稅下降對生產率提升的作用降低。類似地，隨著企業加工貿易份額上升，其內銷產品份額隨之下降，最終品關稅下降帶來的促進競爭效應隨之減弱。
本章在以下三個重要方面豐富了現有文獻。第一，文章豐富了對中國這個世界第二大經濟體和第一大出口國經濟增長的理解。中國占世界貿易10%的龐大的貿易體量一直被認為是其經濟飛速增長的原因之一。然而，這一猜測幾乎沒有從中國企業層面的微觀數據中獲得支撐。30本章的研究力圖填補這項空白。利用2000—2006年高度細化的交易層面的海關數據和企業層面的生產數據，文章深入探究了對外貿易和企業生產率的關系。
第二，對于很多發展中國家（如印度尼西亞、墨西哥和越南），加工貿易是重要的貿易形式。加工貿易是企業從國外進口原材料或中間產品，在本國加工之后再予以出口，賺取其中附加價值的過程（Feenstra and Hanson，2005）。為鼓勵發展加工貿易，一國政府往往會對作為原料的中間品減免關稅。盡管關于發達國家和發展中國家的貿易改革存在一些研究31，但貿易改革和加工貿易的相互作用卻很少被探討。因此，在加工貿易享受特殊關稅優惠的背景下理解貿易改革帶來的生產率提升顯得十分必要。
第三，除了采用被廣泛接受的在行業層面度量關稅的方法，本章進一步在企業層面衡量最終品關稅和進口中間品關稅。可能是由于數據所限，先前的研究通常利用投入產出表（如Amiti and Konings，2007）或是通過度量有效關稅保護（如Topalova and Khandelwal，2011）來在行業層面度量關稅。然而，這種便捷的方法可能存在缺陷。由于投入產出表并不區分進口中間投入和與關稅減免不直接相關的國內中間投入，利用投入產出表可能無法精確度量企業面對的貿易保護程度。利用中國企業層面生產數據和交易層面貿易數據中的豐富信息，本章能夠新穎地構造出各企業面對的中間品和最終品關稅的度量方法以估計貿易改革對企業生產率的影響。據本章作者所知，這在文獻中是在企業層面度量關稅的首次嘗試。值得指出的是，在采用傳統的行業層面度量關稅的方法時，本章的估計結果保持穩健。
本章同時仔細控制了兩類內生性因素：企業層面關稅可能存在的內生性以及企業參與加工貿易的自選擇可能存在的內生性。首先，企業層面中間品和最終品關稅可能存在一些內生性問題。其一來自關稅本身的度量方法。由于企業可能進口多種產品，故用進口量作為權重能夠反映某種產品對企業的重要性。然而，進口量與關稅存在反向關系。在極端情況下，當企業面對禁止性關稅時，其進口和相應的進口權重為零。因此，中間品關稅在度量上存在向下的偏誤。為解決這一內生性問題，在所有回歸估計中，企業層面關稅在構造時均使用了不隨時間變化的權重，該權重根據企業第一次出現在樣本年份的進口值構建。第二個內生性問題同關稅與生產率之間可能存在的反向因果有關。關稅可能會受到來自國內特殊利益集團的壓力，這種壓力在如印度（Topalova and Khandelwal，2011）等國家可能會很大，但在印度尼西亞（Amiti and Konings，2007）等國家并不十分顯著。鑒于中國在2001年加入世界貿易組織（WTO），在2000—2006年來自本國的壓力可能不會是決定性的因素。然而，為了分析的完整性，文章仍采用工具變量（IV）方法以控制可能的反向因果。
另外一類內生性與企業自選擇參與加工貿易有關。觀察到一些中國企業同時參與加工貿易和一般貿易，而其他企業只參與一種類型的貿易，本章采用兩種方法衡量加工貿易變量。首先，文章用一個加工貿易虛擬變量來識別企業是否從事加工貿易。如果海關數據顯示一個企業有加工貿易進口，則該企業被定義為加工貿易企業。然而，企業的加工貿易份額是內生的。企業首先要決定是否參與加工貿易，如果是，再決定加工貿易進口份額。為了處理這種自選擇行為，文章使用了第二類Tobit模型。在第一步Probit估計中，文章發現低生產率的企業更可能選擇參與加工貿易以享受進口中間投入品零關稅政策。在利用第二步Heckman估計得到企業加工貿易進口程度的擬合值后，文章在研究關稅對企業生產率影響的主回歸估計中將其作為加工貿易指標的度量以控制企業參與加工貿易決策的內生性。其他條件相同時，參與加工貿易的程度越高，企業生產率越低。
文章遵循標準的做法，分兩步探究企業生產率與最終品和中間品關稅的關系。首先，文章使用Olley and Pakes（1996）提出的方法來度量企業的全要素生產率（TFP），同時進行了必要的修正和擴展以適應中國的實際情況。由于即使是在同一行業中的加工貿易企業和非加工貿易企業也可能采用不同的生產技術，文章對各行業中加工貿易企業和非加工貿易企業的TFP分別進行了估計。文章同時考慮了企業從事加工貿易的學習效應（De Loecker，2013）。盡管擴展的Olley-Pakes方法能夠克服傳統最小二乘（OLS）估計造成的聯立性偏差和選擇性偏差，但其依賴于一個重要假設：資本對不可觀察的生產率沖擊更為敏感。然而，中國是勞動力充裕國家，勞動力成本相對較低。在面對生產率沖擊時，中國企業通常會調整勞動投入以重新優化生產行為（Blomstrom and Kokko，1996）。因此，文章同時采用了另外三種方法度量企業TFP：勞動生產率、Levinsohn-Petrin（2003）方法計算的TFP以及系統GMM方法計算的TFP（Blundell-Bond，1998）。由于系統GMM方法在估計TFP時控制了企業先前的生產率，能夠避免可能存在的序列相關問題，文章將其作為度量企業TFP的主要指標。
理解貿易改革促使企業生產率提升的相關機制同樣十分重要。受之前研究的啟發（Amiti and Konings，2007；Bustos，2011；Goldberg et al.，2010），進口中間品關稅對生產率的影響機制十分明確，即關稅降低使企業獲得更多樣的中間品投入。相對地，最終品關稅對生產率的影響可能通過以下兩種渠道：其一是通過進口競爭壓力直接使企業更具生產率，其二是通過淘汰生產率較低的企業，從而間接提高企業生產率。本章發現促進競爭效應更多通過企業在壓力下提升生產率的渠道發揮作用，這與Horn, Lang and Lundgren（1995）的發現一致。本章也探討了其他可能的渠道如進口廣度與研發支出。與Amiti and Konings（2007）不同，利用本章數據集中的信息可以如Goldberg et al.（2010）一樣直接測度企業的產品范圍（在出口市場上）。此外，與Bustos（2011）類似，分析考慮了研發支出的信息。
最后，由于經濟體層面的生產率是衡量一國福利的重要指標，本章最后一項工作是將企業生產率加總至經濟體總體生產率。加總時利用了Domar（1961）中的權重，該權重克服了開放經濟中忽視縱向整合可能帶來的加總偏差。簡單來說，本章發現最終品和中間品關稅降低至少貢獻了同期生產率增長的13.53%。
第二節 加工貿易的特殊關稅政策
加工貿易在中國興起于20世紀80年代。作為貿易自由化的重要途徑，中國政府鼓勵企業進口部分或全部原材料和中間投入，在國內進行加工和組裝之后，將增值后的最終產品復出口。截至2012年，根據海關總署的劃分，中國共有16類特定類別的加工貿易。32
在這些貿易類別當中，有兩類是尤為重要的，即來料加工和進料加工。33這兩類加工貿易均享受零進口關稅，但卻有一處顯著不同。在來料加工中，本國企業免費從其外國貿易伙伴處獲得原材料和組裝配件，但在本國完成加工后，必須將成品出售給同一外國貿易伙伴并收取加工費。相反，在進料加工中，本國企業在進口原材料時向國外出口商支付費用，同時加工后可以將成品出售到其他國家。
圖4-1顯示在20世紀80年代初期，與一般貿易進口相比，中國的加工貿易進口只占總進口的一小部分。然而，中國加工貿易進口在90年代初迅速增長，并在中國宣布采用市場經濟體制的1992年超過了一般貿易進口。此后，加工貿易進口占總進口的比例大于50%。有趣的是，80年代由于大多數中國企業缺少進口所需的資金，這一時期來料加工更受歡迎。自90年代后，進料加工更為流行。圖4-2清晰地顯示了這種趨勢：在加工貿易進口中，來料加工進口與進料加工進口之比從2000年的0.41下降到2006年的0.32。
圖4-1 中國加工貿易進口與一般貿易進口
圖4-2 中國加工貿易進口：來料加工與進料加工
本章的首要目的是探究在加工貿易享受關稅特殊優待的背景下，企業TFP如何對最終品和和中間品關稅下降做出反應。因此，理解企業是否參與加工貿易是重要的。故所有中國企業被分為四類，即非進口企業和三類進口企業：一般貿易進口企業、混合型進口企業和純加工貿易進口企業。如圖4-3所示，非進口企業不從事進口活動，所有原材料和中間投入都由本國市場獲取。然而，非進口企業可以將其產成品銷往國內和國際市場（如箭頭（1）所示）。
在三類進口企業中，一般貿易進口企業不從事與加工貿易相關的進口活動，其只進口不用于加工貿易的中間投入品并且可以將產成品同時銷往國內和國外市場（箭頭（2））。34與之形成鮮明對應，如圖中虛線所示，純加工貿易進口企業僅從事加工貿易活動，其原材料和中間投入品全部來自國外并將所有加工增值后的成品復出口（箭頭（5））。這些企業充分享受進口零關稅優惠。最后一類企業可能最為有趣，混合型進口企業既從事一般貿易（箭頭（3））也從事加工貿易（箭頭（4））。這些企業從加工貿易進口中享受零關稅優惠，但仍為一般貿易進口支付關稅。這里需要指出的是，混合型進口企業和純加工貿易進口企業可能從事任何一類加工貿易活動，包括來料加工與進料加工。
圖4-3 四種類型的中國企業
第三節 數據
為了研究貿易自由化對企業生產率的影響，本章采用了以下三組高度細化的大型微觀面板數據：關稅數據、企業層面的生產數據以及產品層面的貿易數據。
關稅數據可以直接從WTO和貿易分析與信息系統（TRAINS）中獲得。35本章調用了中國2000—2006年在協調制度（Harmonized System, HS）6位碼層面上的關稅數據。由于產品貿易數據是基于HS 8位碼水平上的，本章將產品層面的貿易數據整合到HS 6位碼層面以與關稅數據對應。由于本章著眼于研究貿易自由化對企業生產率的平均影響力度，我們直接使用從價關稅的平均稅率來度量貿易自由化程度。
一、企業層面的生產數據
數據樣本來自一個內容豐富的企業面板數據庫，該數據庫的企業總數從2000年的162855家上升到2006年的301961家。數據是國家統計局在對規模以上制造業企業年度調查的基礎上收集與整理的。數據庫提供了企業三大會計報表（即資產負債表、利潤表和現金流量表）中的全部信息。簡單來說，數據庫包含兩類企業：全部國有企業（SOEs）和年銷售額在500萬元（770000美元）以上的非國有企業。36變量涵蓋了企業主要會計報表中的100多個財務變量。
盡管數據庫包含了豐富的信息，但一些樣本信息仍不夠準確從而存在誤導性，這很大程度上來自一些企業的錯報。37如同Cai and Liu（2009），本章采用以下標準去除異常樣本。首先，重要財務指標（如總資產、固定資產凈值、銷售額和工業總產值）有遺漏的樣本被剔除。其次，雇員人數在8人以下的企業也被剔除，如Brandt, Van Biesebroek and Zhang（2012）提到的，這類企業在法律上是另一種企業形式。
根據Feenstra, Li and Yu（2015），遵循一般公認會計準則（GAAP），本章還剔除了發生以下情況之一的企業樣本：（1）流動資產超過總資產；（2）總固定資產超過總資產；（3）固定資產凈值超過總資產；（4）企業識別編號缺失；（5）成立時間無效（例如成立時間在12月之后或在1月之前）。通過采用以上嚴格的篩選標準保證企業數據的質量，篩選后的企業數據在各年減少約50%（如附表1中（3）—（4）列所示）。
注意在中國海關數據庫中，一些中國企業本身不從事生產活動，僅是從其他本國企業處收集貨物并出口或者向其他本國企業出售從國外進口的產品（Ahn, Khandelwal and Wei，2011）。38為保證估計的精確性，本章在所有估計中將此類貿易公司從樣本中剔除。特別地，名稱中含有“貿易公司”或“進出口公司”字樣的公司將被剔除。39
二、產品層面的貿易數據
高度細化的產品層面貿易數據來自海關總署，覆蓋了各貿易企業產品目錄下的各種信息，包括產品的貿易價格、貿易量和HS 8位碼層面的產品價值。值得一提的是，這一數據集不僅包含進出口數據，還細分出許多具體類別加工貿易部門的數據，如來料加工和進料加工數據。
表4-1報告了2000—2006年按年份和貿易方式整理的中國產品層面貿易數據統計摘要。總體上，在高度細化的HS 8位碼層面上的18599507個交易層面觀測樣本中，有35%左右是一般貿易，65%左右是加工貿易。當用交易量作為衡量標準時，也可以觀察到類似的比例：約43%的交易量由一般貿易貢獻，進料加工占到約30%，來料加工僅占約10%，剩下的17%由除來料加工和進料加工外的其他類型加工貿易貢獻。
表4-1 按貿易方式和年份分類的中國海關產品交易層面貿易數據 單位：%
三、數據合并
企業層面的生產數據是度量生產率的關鍵工具，而產品層面的貿易數據則被用來辨識企業是否從事加工貿易。但是，將企業生產數據和產品貿易數據進行合并面臨一定的技術困難。雖然兩個數據集擁有企業標識編號這一共同變量，但兩組數據的編碼系統卻完全不同。40因此，企業標識編號不能被用來當作匹配兩組數據的橋梁。
為解決這一問題，依據Yu and Tian（2012），本章采用其他共同變量并利用兩種方法來將兩組數據匹配。首先，本章使用每個企業的中文名稱和年份合并兩組數據。即如果兩個數據庫中的某家公司在某一特定年份中擁有完全相同的中文名稱，則其應該是同一家公司。41如附表4-A1中詳細描述的，文章利用原始的生產數據庫獲得了83679家匹配后企業，通過使用經上述方法精確篩選后的生產數據庫，這一數字下降到總共69623家匹配后企業。為使精確匹配的企業數目盡可能多，本章采用另一種匹配方法作為補充。文章采用另外兩個共同變量來標識每個企業：郵政編碼和企業電話號碼的后7位。這是因為每個企業都會屬于某個郵政區域，并擁有自己獨享并唯一的電話號碼。盡管這種方法看上去很直接，但也存在一些技術上和操作上的難題。42具體的合并步驟在附表4-A1中闡釋。在將產品層面的貿易數據和企業層面的生產數據合并后，本章最終得到同時出現在兩個數據庫中的76823家企業，同時包括了進口企業和出口企業。43簡單來說，合并后的數據占企業層面生產數據中全部有效出口企業數的40%左右，占出口值的53%左右。通過比較，本章數據匹配的成功率與其他使用同樣數據庫的研究（如Wang and Yu，2011；Ge, Lai and Zhu，2011）十分相當。
利用以上方法進行數據匹配的成功性如何？表4-2首先比較了合并數據集和全樣本海關貿易數據集。在合并數據全部56459家進口企業中，一般貿易進口企業占到38.1%，加工貿易進口企業占到61.9%。如表4-2最后一列所示，這些數字與全樣本海關數據中對應的數字較為接近：一般貿易進口企業占27.3%，加工貿易進口企業占72.7%。44表4-2最后兩行同時報告了合并數據集和全樣本數據集中混合型進口企業和純加工貿易進口企業在各年的占比。
表4-2 按照企業類型分類的合并后的進口企業 單位：%
鑒于企業層面的生產數據對構建回歸因變量（即企業生產率）至關重要，表4-3顯示了2000—2006各年總銷售額和總雇傭人數中由合并數據集中的企業貢獻的比例。特別地，樣本期間合并樣本的出口值占全樣本生產數據集總出口值的比例在50%—58%的范圍內變動，這說明一些企業進入或退出用于計量估計的合并樣本。合并樣本同時包括了出口企業和進口企業。45此外，表4-4比較了合并數據集和全樣本企業層面數據集的不同。合并樣本比全樣本企業層面數據集有明顯更高的銷售額、出口額和雇傭人數均值。這說明合并樣本偏向大型企業，因此本章的結論對中國參與國際貿易的大型企業有效。
表4-3 匹配后樣本及全樣本數據中企業層面生產變量 單位：%
表4-4 匹配后數據與全樣本數據比較
第四節 變量度量與實證方法
本節首先介紹了三個關鍵變量的度量方法：企業全要素生產率、企業層面最終品關稅和企業層面中間品關稅。作為比較，文章同樣介紹了行業層面的最終品和中間品關稅。最后，文章討論了關稅減免對企業生產率影響的計量方法。
一、全要素生產率的度量
本章與Amiti and Konings（2007）一樣使用改進的Olley-Pakes（1996）方
法度量中國在企業層面的全要素生產率。假設生產函數是柯布道格拉斯形式，通常的估計方程為：
其中，
分別表示行業j中的企業i在第t年的產出、中間投入品、資本和勞動力。傳統上，全要素生產率可以通過計算真實產出和對式（4-1）進行OLS估計得到的擬合值之間的索洛殘差獲得。然而，采用OLS方法受到聯立性偏差和選擇性偏差這兩個問題的困擾。企業至少能夠預測到全要素生產率的部分變化，并據此優化要素投入以使利潤最大化。所以，全要素生產率對企業的要素投入有內生的反向作用。此外，低生產率的企業會被淘汰并退出市場，因此不會出現在數據集中，這意味著統計回歸中的樣本并不是通過隨機選擇產生的，并因此會造成估計偏差。Olley and Pakes（1996）提出一種半參方法能夠成功處理這兩個問題。此后，包括De Loecker（2011，2013）和De Loecker et al.（2012）在內的許多研究對全要素生產率的計算方法進行了修正和改進。本章采用擴展的Olley-Pakes方法估計和計算企業的全要素生產率。
第一，本章對各行業加工貿易企業和非加工貿易企業的生產函數分別進行了估計。基本思想是：不同行業可能使用不同的生產技術，因此企業全要素生產率（記作TFPOP1）需要分行業進行估計；同樣重要的是，即使在同一行業內部，由于來料加工企業僅僅被動接受進口原材料而不依據利潤最大化原則進行投入決策，加工貿易企業（特別是從事來料加工的企業）與非加工貿易企業也可能采用完全不同的生產技術（Feenstra and Hanson，2005）。在對非加工貿易企業全要素生產率的估計中，由于非加工貿易進口企業可能出口也可能不出口其最終產品，本章加入了一個出口虛擬變量以反映進行出口的非加工貿易企業和不進行出口的非加工貿易企業在生產率實現上的不同。同理，本章在控制方程中加入一個進口虛擬變量以反映非加工貿易進口企業和非加工貿易非進口企業（兩類企業均進行出口）在生產率實現方面的不同。注意這兩個虛擬變量對于加工貿易企業不是必要的，因為根據定義，加工貿易企業一定會進口中間投入品并向國外出口產品。
企業可能通過加工貿易進口進行學習。如果通過加工貿易進口產生的生產率提升與投資同時發生，那么TFPOP1可能對資本的估計系數產生偏差。因此，如果不控制企業先前加工貿易行為對生產率的影響，將會導致估計的生產率有額外的偏差。受De Loecker（2013）的啟發，作為估計企業全要素生產率（記作TFPOP2）的另外一種方法，文章考慮了另一個控制方程，其中加工貿易和非加工貿易企業混合在一起進行估計，更重要的是，由于加工貿易進口可能影響企業生產率從而使得加工貿易企業的全要素生產率軌跡與非加工貿易企業相比存在內生的不同，一個加工貿易虛擬變量（若企業有加工貿易進口取值為1，否則取值為0）被加入到控制方程中。
第二，本章使用了工業水平上的平減價格來度量全要素生產率。我們一般期望測算出的全要素生產率僅反映企業真實的技術效率。然而，此時測算出的全要素生產率很可能同時反映了不同企業在價格、價格成本加成甚至投入要素使用方面的不同（De Loecker，2011；De Loecker and Warzynski，2012）。用于消除不同企業產品價格不同的理想方法固然是使用企業特定價格進行平減（Foster, haltiwanger and Syverson，2007）。然而，與多數其他研究一樣，此類價格數據不可得。46根據De Loecker et al.（2012），本章使用工業價格對企業產出進行平減。47至于價格成本加成的問題，如Bernard et al.（2003）強調的，如果價格成本加成與企業真實效率正相關，則基于收入的生產率就可以很好地描述真實效率。
第三，本章在計算時將中國2001年加入WTO納入考慮，因為這一正向需求沖擊可以促使中國企業擴大規模經濟，這也會反過來加大計算全要素生產率時的聯立性偏差。特別地，在對資本系數的估計中，一個WTO虛擬變量（2001年之后取值為1，否則取值為0）被包括在內。
第四，國有企業（SOEs）屬性也會影響企業利潤率。中國國有企業通常受到國家的干預并且不一定進行利潤最大化決策（Hsieh and Klenow，2009）。因此，構造國有企業變量并將其加入Olley-Pakes回歸第一步的控制方程是重要的。48
第五，在應用Olley-Pakes（1996）方法時，需要構造一個真實投資變量。本章采用永續盤存法作為真實資本和真實投資的運動規則。真實和名義資本存量根據Brandt, Van Biesebroeck and Zhang（2012）構造。49本章使用了中國企業層面生產數據庫中提供的準確的企業折舊率，而不是任意指定的折舊率。附表A2分別顯示了各行業加工貿易企業和非加工貿易企業生產函數的估計系數和企業全要素生產率的對數值。各行業內對加工貿易企業和非加工貿易企業估計的規模彈性系數十分接近于常規模報酬系數。
擴展的Olley-Pakes方法假設資本對不可觀察生產率沖擊的反應服從馬爾科夫過程，而其他投入要素不受到任何動態影響。然而，勞動可能也受不可觀察的生產率沖擊影響。如Ackerberg, Caves and Frazer（2007）強調的，Olley-Pakes方法可能沒有足夠的自由度來識別勞動力系數。這個考慮可能更貼合中國實際，因為中國是勞動力充裕的國家。當面對不可觀察的生產率沖擊時，企業可能通過調整勞動力投入而非資本投入來重新優化生產行為。本章使用Blundell-Bond（1998）系統GMM的方法來刻畫其他要素投入的動態影響。通過假設不可觀察的生產率沖擊依賴于企業之前時期實現的投入與產出，系統GMM法利用當期和上期所有類別投入要素來對全要素生產率進行建模。
特別地，模型有以下動態形式：
其中，?τi是企業i的固定效應；ζt是年份固定效應；PEit是加工貿易虛擬變量，當企業有加工貿易進口時，取值為1，否則取值為0。當不存在測量誤差時，隨機誤差項ωit無序列相關。50通過系統GMM法可以獲得對模型系數的一致估計。其思想是勞動力和中間投入品不是外生給定的，而會隨資本的調整進行變化。總體上，估計的全要素生產率對數值增加了0.17（由2001年的2.28到2006年的2.45），意味著年增長率為2.623，這與Brandt, Van Biesebroeck and Zhang（2012）的發現十分接近。
二、企業層面關稅
企業可能生產多種產品，故其生產率可能受到多種關稅的影響。因此，合理計算企業所面臨的中間品關稅水平十分重要。如前所述，加工貿易進口在中國零關稅。對于一個同時進行加工貿易進口（P）和非加工貿易進口（O）的企業，本章構建企業層面的中間品關稅（FITit）為：
其中，
是企業i第一次出現在樣本年份對產品k的進口量。值得注意的是OUP=M，其中M是企業總進口的集合。加工貿易進口由于免關稅，因此不包括在式（4-3）中。在構建企業層面的中間品關稅時之所以采用不隨時間變化的權重是為了避免眾所周知的權重的內生性問題：進口與關稅存在反向關系。對面對禁止性關稅的產品，其進口量和相應的進口份額為零，從而如果進口權重采用當期的進口量來衡量，企業關稅就會面臨向下的偏差。因此，根據Topalova and Khandelwal（2011），本章利用企業第一次出現在樣本年份的數據來構造每種產品的進口權重。
接下來討論企業層面最終品關稅的構建。企業各種產品所有產出的國內價值是刻畫產品對企業重要性的理想變量，然而該項數據目前尚不可得。因此，本章使用如下方法應對這種數據缺陷。根據Melitz（2003），高生產率的企業除了能在國內銷售其產品外，同時也會出口。如此，則出口產品同時也會在國內市場銷售。若假定企業的同一種產品在國內外銷售的比例相同，對于年份t中的企業i，本章考慮了如下形式的加權最終品關稅指數：
其中，
是產品k在年份t的從價關稅稅率；括號中的分數代表產品k在該企業所有產品中所占的價值權重，這是用企業出現在樣本初始年份產品k的出口值
與企業總出口值的比例來衡量。51受Topalova and Khandel-wal（2011）的啟發，每種產品的出口值均固定在初始年份以避免企業生產率對最終品關稅可能產生的反向因果問題。
這種度量方法可能存在兩個重要的問題。第一，企業可能僅在國內市場銷售某種產品而不將該產品出口（即針對某種產品是純內銷企業）。這種現象十分合理，許多近期研究也證明了多產品企業常常在國內和國外市場上銷售不同的產品（如Bernard, Redding and Schott，2011；Arkolakis and Muen-dler，2012）。在這種情況下，式（4-4）中對應的該產品出口權重為零，企業面對的最終品關稅無法反映任何鼓勵競爭效應。這個觀點對僅將產品出口的純出口企業一樣成立（在本章的匹配數據中約有12.2%的企業是純出口企業）。為了保證文章主要的回歸結果不受這些企業的影響，本章在所有回歸中將純內銷企業和純出口企業從樣本中剔除。
第二，文章假定企業同一種產品在國內外銷售的比例相同。注意到這實際上是一個非常強的假設，因為企業出口的產品構成可能與內銷的產品構成十分不同。這對中國尤其如此，中國在全球供應鏈占有重要的位置，生產的一些中間產品無法被本國生產部門使用。52受數據所限，本章無法直接驗證這一點。然而，由于這個問題可能根據行業和各部門加工貿易企業密集度不同對企業最終品關稅產生不同的影響，本章在進一步回歸中根據行業融入全球供應鏈的程度區分了融入程度較強的行業和融入程度較弱的行業，同時根據各部門加工貿易企業密集度對樣本進行了劃分。如下文所顯示的，所有此類穩健性檢驗都表明：當考慮到企業內部出口和內銷產品構成不一致時，本章主要結論依舊成立。
表4-5的（1）—（4）列分別報告了根據式（4-3）和式（4-4）計算的企業層面中間品和最終品關稅。平均的企業層面最終品關稅從2000年的15%左右下降到2006年的7.4%，下降了一半。其標準差在同一時期也下降了50%左右。企業層面的中間品關稅顯著低于最終品關稅，并在樣本期間同樣顯示出明顯的下降趨勢。
表4-5 中國最終品和中間品關稅年份基本統計值
三、行業層面關稅
與Amiti and Konings（2007）類似，中國工業分類（CIC）2位碼行業層面的最終品關稅是由在CIC 2位碼行業層面上對HS 6位碼層面的關稅取簡單平均得到的。53行業層面中間品關稅指數根據式（4-5）度量
其中，IITft表示行業f中的企業在年份t面對的行業層面中間品關稅；τ表示投入品n在年份t的進口關稅，括號中的權重表示投入品n在行業fnt生產中所占的成本份額，該項數據可從中國2002年的投入產出表中獲得。54
如表4-5中（5）—（8）列所示，其中的信息與（1）—（4）列用企業層面關稅所得的信息一致：樣本期間最終品和中間品關稅有顯著下降。標準差也表現出類似的變化。企業層面最終品關稅似乎低于行業層面最終品關稅。與之鮮明對應，企業層面中間品關稅高于行業層面中間品關稅。行業層面中間品關稅存在低估的一個可能的原因是在中間投入品行業中包括非進口企業使得式（4-5）中的權重存在偏差，而這一權重并不在相應的企業層面進口關稅中出現。55表4-6的簡單相關系數證實了這一點：行業層面的中間品關稅與企業層面的中間品關稅僅弱相關（相關系數為0.042），而正如預期，行業層面的最終品關稅與企業層面的最終品關稅強相關（相關系數為0.581）。最后，表4-7包括了回歸中關鍵變量的統計信息概要。
表4-6 中國最終品和中間品關稅簡單相關系數
表4-7 2000—2006年主要變量的統計信息
四、實證設定
為了研究中間品和最終品關稅減免對企業生產率的影響，本章考慮如下所示的實證框架：
其中，ln TFPit是行業j中的企業i在年份t測算的企業全要素生產率的對數值，FITit和FOTit分別表示根據式（4-3）和式（4-4）測算的企業層面的中間品關稅和最終品關稅。在基準回歸中，我們使用擴展的Olley-Pakes方法計算全要素生產率，但由于系統GMM全要素生產率有豐富的度量靈活性，我們將其作為生產率的主要度量。PEit是加工貿易虛擬變量，如果企業在年份t有加工貿易進口，該變量取值為1，否則取值為0。回歸方程中包括了企業最終品（中間品）關稅和加工貿易虛擬變量的交互項用以刻畫最終品（中間品）關稅減免對加工貿易企業和一般貿易企業生產率可能存在的異質性影響。
此外，式（4-6）中的β5衡量了與貿易自由化無關的企業從加工貿易獲得的其他可能影響生產率的因素。Xit表示企業其他特質，如所有權類型（即國有企業或是跨國公司）。國有企業（SOEs）在傳統上被認為是低經濟效率和低生產率的（Hsieh and Klenow，2009）。通過比較，跨國企業有較高的生產率，這部分是由于國際技術溢出效應（Keller and Yeaple，2009）或是面對較少的融資約束（Manova, Wei and Zhang，2009）。因此，本章構造了兩個指標刻畫國有企業和跨國企業的作用。特別地，如果一個企業有來自其他國家和地區的投資，則該企業被分類為外國企業。外國投資流入的很大一部分來自中國香港、澳門或臺灣地區，所以這部分投資在構造指標的時候也被考慮在內。56如表4-7歸納的，結果是在所有參與貿易的企業中，77%被分類為跨國公司子公司。57類似地，本章構造了國有企業指標，如果企業收到來自政府的任何投資，該指標取值為1，否則取值為0。
最后，模型的誤差項分成三個部分：一是每個企業自身的固定效應ωi，用以控制不隨時間變化的不可觀測的因素，如企業的管理能力；二是隨年份變化的固定效應ηt，用以控制不隨企業變化的因素，如人民幣升值；三是特異性效應μit，其服從正態分布
，用以控制其他尚留的因素。
然而，以上計量設定面臨識別上的挑戰。式（4-6）中的加工貿易變量是對加工貿易活動較為粗糙的衡量，可能高估了加工貿易企業的作用。比如，如果一個企業加工貿易進口占總進口的比重很小，其仍然被分類為加工貿易企業，但其主要活動仍是一般貿易。為了克服這種挑戰，本章考慮一個衡量企業參與加工貿易程度的連續變量代替加工貿易虛擬變量，企業參與加工貿易程度（Pextit）的衡量方法為企業i在年份t的加工貿易進口與總進口之比。特別地，本章考慮如下設定作為文章的主回歸：
但是，變量Pextit本身及其交互項的系數β2、β4和β5面對新的識別挑戰。由于不同行業采用不同的技術（Pavcnik，2002），這些系數在行業間不同。更重要的是，即使在一個行業內部，企業決定參與加工貿易的決策也是內生的。之前包括Dai, Maitra and Yu（2012）在內的工作發現較低生產率的企業會自選擇參與加工貿易。如果如此，企業參與加工貿易的程度就是內生的，因為參與加工貿易程度較高的企業可能是低生產率的。故β2、β4和β5會隨著企業的不同而變化。本章的估計方程因此包括了隨機系數，并且與加工貿易參與度的內生程度相關，即這是一個相關隨機系數（correlated random coeffi-cient, CRC）模型（Wooldridge，2008）。
Heckman and Vytlacil（2008）建議將CRC模型中的內生變量，即此處的加工貿易參與程度替換為其預測值。58在下一節，本章將通過Heckman兩步法（或第二類Tobit模型），利用下節中將會設定的外生變量Zit來估計企業加工貿易參與度。特別地，有
Pextit=E Pext（it｜Z）it+εit, with Eε｜Z）=0it（4-8）
將式（4-8）代入式（4-7），可得：
ln TFPit=β0+β1 FOTit+β2FOTit×E Pext（it｜Z）it+β3FITit
+β4FITit×E Pext（it｜Z）it+β5E Pext（it｜Z）it+θXit+ωi+ηt+εit（4-9）
其中，誤差項εit=β（2 FOTit+β4 FITit+β）5εit+μit。59誤差項εit中的所有部分對Zit的條件期望都為零，故εit與這些外生變量不相關，可直接進行估計。最后，根據Wooldridge（2008）的建議，標準誤需要進行修正以反映使用了被估計的解釋變量，本章將通過bootstrap法實現這一點。
第五節 估計結果
一、基準回歸結果
如之前描述的，合并后的數據集偏向大型參與貿易的企業，這也是本章主要的研究對象。然而，檢查合并數據集較高的數據流失率是否會影響估計結果仍是值得的。因此，本章的估計始于對全樣本數據集和合并數據集的比較。
本章使用傳統的行業層面關稅開始表4-8的估計。（1）、（2）列使用全樣本企業數據進行回歸。由于全樣本企業數據不包括加工貿易信息，加工貿易變量在估計中被省略。由于不同行業的企業可能采用不同的生產技術，不控制行業差異而將所有行業中的企業混合在一起估計的做法是不妥的（Pavcnik，2002）。因此，本章在（1）列的估計中在CIC 2位碼層面控制了行業固定效應。結果顯示行業層面最終品和中間品關稅均與企業生產率顯著負相關，這與其他許多研究的結論是一致的。（2）列進一步控制了企業固定效應和年份固定效應，行業層面最終品關稅的系數仍舊為負且顯著。令人十分驚訝的是，行業層面中間品關稅系數為正。然而，由于系數并不顯著，故這一問題不必擔心。這一發現與預期相悖，其可能的一種原因是全樣本企業數據集包含了不從事進口的企業，這部分企業不會直接從進口中間投入關稅減免中獲益。
表4-8 基準回歸結果
表4-8報告的其他回歸使用了合并數據集，其中只包括了大型參與貿易的企業。與（1）、（2）列形成密切比較，（3）列的估計控制了行業固定效應，（4）列的估計控制了企業固定效應和年份固定效應。行業層面最終品關稅和中間品關稅的系數均為負且顯著。60
鑒于合并數據集含有企業從事加工貿易的信息，表4-9前三列的回歸包含了加工貿易虛擬變量（即如果企業有加工貿易進口則取值為1，否則取值為0）。為了檢驗回歸結果對全要素生產率不同的估計方法是否敏感，（1）列使用了TFPOP1，其中加工貿易企業和非加工貿易企業的生產率使用不同的控制方程進行估計；（2）列使用了TFPOP2，其中作為因變量的加工貿易企業和非加工貿易企業的生產率一同進行估計。（1）列和（2）列同樣沒有包括最終品（中間品）與加工貿易虛擬變量的交互項。在控制企業固定效應和年份固定效應后，行業層面最終品關稅和行業層面中間品關稅均與企業生產率負相關，其系數具有統計顯著性。同時，加工貿易虛擬變量的系數為負且顯著，說明加工貿易企業生產率較低。
表4-9 初步回歸結果
然而，表4-9中（1）、（2）列使用的Olley-Pakes方法計算的全要素生產率仍然有以下三個可能的缺陷。第一，Olley-Pakes方法不允許產出存在任何序列相關。第二，其假設企業在面對外生沖擊時將主要調整資本投入。然而，由于中國企業能夠得到較為廉價的勞動力但面對較緊的信貸約束，這可能不是中國的情形。第三，中國企業數據庫中的投資數據存在較多缺失值，而這對于用Olley-Pakes方法計算全要素生產率是必要的。61通過比較，系統GMM方法計算的全要素生產率能更好地克服這些缺陷：該方法有充分的靈活性應對可能的序列相關并且允許企業調整不僅是資本，而且包括勞動力和中間品在內的所有投入。此外，系統GMM方法在計算全要素生產率時不再依賴投資作為代理變量。本章因此使用系統GMM全要素生產率作為企業生產率主要的衡量方法，并應用在表4-9（3）列及之后的所有回歸中。
為了考察關稅減免對企業生產率可能的異質性影響，表4-9的（3）列包含了加工貿易虛擬變量與行業層面最終品和中間品關稅的交互項。最終品關稅和中間品關稅本身和其與加工貿易虛擬變量交互項的系數仍然具有統計顯著性。然而，加工貿易虛擬變量符號有誤，盡管不顯著。本章懷疑這與加工貿易虛擬變量僅能粗糙衡量企業加工貿易活動有關，這可能高估了加工貿易企業的作用。比如，一個企業加工貿易進口可能僅占總進口的極小部分，但仍被歸類為加工貿易企業，而其主要的活動是一般貿易。本章接下來考慮了一個衡量企業加工貿易參與程度的連續變量，并在表4-9的剩余部分替換加工貿易虛擬變量，加工貿易參與程度的衡量方法為企業每年加工貿易進口占總進口的比重。
表4-9（4）列報告了系統GMM方法下企業全要素生產率對行業層面中間品和最終品關稅的回歸結果。最終品和中間品關稅的系數仍然為負且統計顯著。加工貿易參與程度變量為負且顯著。由于本章一個新穎的特點是使用企業層面最終品和中間品關稅，比較利用行業層面關稅和企業層面關稅進行回歸的結果。由于式（4-4）中介紹的企業層面最終品關稅不適用于純內銷企業和純出口企業，為進行比較，本章在以行業層面最終品和中間品關稅為度量的（5）列和以企業層面最終品和中間品關稅為度量的（6）列中剔除了這兩類企業。
（5）、（6）列中最終品（中間品）關稅的系數仍然負向顯著。從經濟量級來看，兩列最終品（中間品）關稅系數的差異較大。當將最終品關稅的度量方式由（5）列中的行業層面變為（6）列中的企業層面時，系數從-1.07下降到-0.32。類似地，將中間品關稅的度量方式由行業層面變為企業層面時，系數點估計值的下降幅度多于一半。
如此大的差異說明了使用行業層面關稅的缺陷。第一，一個行業中某些最終產品關稅減免可能與該行業中不生產這些產品的企業不直接相關。因此，如果最終品關稅在行業層面上度量，則鼓勵競爭效應會被高估。同理，如果中間品關稅在行業層面上度量，中間品關稅減免帶來的節省成本效應也會被高估。第二，與最終品關稅相比，中間品關稅在度量上的偏差可能更嚴重，因為行業層面中間品關稅會因使用投入產出矩陣受到污染，投入產出矩陣將進口中間投入和與關稅減免不直接相關的本國中間投入混合在一起。第三，忽視加工貿易進口“零關稅”現象使得在計算中國企業面對的行業層面中間品關稅時有額外的測量誤差。為了避免上述可能的估計偏差，文章剩余部分將使用企業層面的關稅度量。
二、自選擇參與加工貿易
表4-9中（4）—（5）列使用了加工貿易進口程度及其與最終品和中間品關稅的交互項，然而加工貿易進口變量是內生的。如表（4-9）（1）列所示，加工貿易企業與低生產率相聯系。因此，比較加工貿易企業和非加工貿易企業的全要素生產率是有趣的。如表4-10最后一列所示，加工貿易企業總體上比非加工貿易企業的生產率低。有意思的是，加工貿易企業與非加工貿易企業生產率的差異逐年減小，意味著加工貿易企業正在趕超。這些比較十分直觀。然而，加工貿易企業與非加工貿易企業的規模顯著不同。為克服這一缺陷，根據Imbens（2004）建議，本章對實驗組（即加工貿易企業）和控制組（即非加工貿易企業）進行了最近鄰匹配，匹配的協變量為企業用工人數和銷售額。每個加工貿易企業都可以找到與之最類似的非加工貿易企業。表4-10報告了對實驗組平均處理效應（ATT）和控制組平均處理效應（ATC）的估計。其中，全部加工貿易企業ATT的系數為0.037并且具有高度統計顯著性，這意味著，總體來講加工貿易企業生產率比類似的非加工貿易企業要低。
表4-10 2000—2006年加工貿易和非加工貿易企業的全要素生產率
表4-10中的估計提示我們低生產率企業可能通過自選擇參與加工貿易。為對其進行控制，本章引入第二類Tobit模型，也即兩變量樣本選擇模型（Cameron and Trivedi，2005）。第二類Tobit模型設定包括：（1）一個加工貿易參與方程
其中，Vit表示企業i面對的一個啞變量；（2）一個結果方程，其中企業加工貿易進口程度表示為其他變量的線性函數。
特別地，本章利用Probit模型估計下面的選擇方程：
Pr（Processingit=1）=Pr（Vit≥0）=Φ（α0+α1ln TFPit-1
+α2（Tang/Asset）it-1+α3SOEit-1+α4FIEit-1
+α5ln Lit-1+α6Tenureit-1+λj+?t）（4-11）
其中，Φ（·）是正態分布的累積分布函數。除了對數形式的企業生產率，企業參與加工貿易的決定也受其他因素的影響，如企業所有者類型（企業是國有企業還是跨國企業）和企業規模（用企業用工人數的對數衡量）。此外，財務約束似乎是企業選擇參與加工貿易的重要決定因素（Manova and Yu，2012）。根據Feenstra, Li and Yu（2015），本章使用企業有形資產與總資產的比例（Tang/Asset）it-1刻畫企業信貸約束的作用，這是因為用有形資產衡量的抵押物越多，企業受到的信貸約束越低。注意兩變量樣本選擇模型需要一個影響企業加工貿易決策但不出現在加工貿易程度方程中的變量（Cameron and Trivedi，2005）。此處企業年齡（Tenureit-1）用于實現該目的，因為之前的研究證明了年齡越大的企業，出口概率越高（Amiti and Davis，2007）。通過對比，本章的樣本顯示企業參與加工貿易進口程度與企業年齡的簡單相關系數接近于零（-0.04），這說明企業年齡可以不包含在第二步Heckman回歸當中。62第二類Tobit選擇模型的自變量均取一期滯后，這是由于這些變量影響企業加工貿易選擇需要一定的時間。
表4-11報告了第二類Tobit選擇模型的估計結果。通過對式（4-11）進行第一步Probit估計，發現低生產率企業更可能參與加工貿易。同樣，大型的和跨國企業更可能參與加工貿易。然而，國有企業成為加工貿易企業的可能性較小。信貸約束較少（即有形資產比例較高）的企業參與加工貿易的可能性較小，這與Manova and Yu（2012）的發現一致。最后，與預測一致，成立時間較早的企業更可能參與加工貿易。文章接下來將第一步Probit估計計算的反米爾斯比率（inverse mills ratio）作為額外的自變量放入第二步Heck-man估計中。于是，在控制加工貿易自選擇的內生性后，本章獲得了企業加工貿易參與程度的擬合值，并用其在剩余的回歸中代替實際的加工貿易參與度。
表4-11 利用Heckman兩步法估計二元選擇模型
三、內生性問題
表4-8和表4-9中的設定面臨以下三個可能的內生性問題。第一個問題與企業中間品進口關稅的度量有關，因為進口和關稅相關性很強。這一問題通過在關稅計算中使用不隨時間變化的權重得到解決。第二個問題與企業生產率和出口之間可能存在的反向因果有關。隨著企業生產率的增加，其某些產品出口增加的程度可能高于其他產品。這種產品出口不成比例地增加將會給在度量企業出口關稅時使用隨時間變化權重的合理性帶來挑戰。為避免這種可能性，如式（4-4），關稅度量的所有設定均使用了不隨時間變化的權重。
然而，仍然存在另外一種可能的反向因果問題。盡管關稅減免受到GATT/WTO合約的管制，其在某種程度上仍然是內生的，因為低生產率部門的企業可能會游說政府獲得保護（Grossman and Helpman，1994），即將相關的經國際協商的關稅保持在相對較高的水平。文章使用工具變量方法控制這類反向因果。
為關稅尋找良好的工具變量很有挑戰性。受到Amiti and Konings（2007）的啟發，文章在此處構造了滯后一期的企業層面最終品和中間品關稅作為工具變量。63其經濟理由如下：可能由于本國特殊利益集團的壓力，政府通常在移除高關稅行業的較強貿易保護時遇到困難。因此，與其他行業相比，對之前一年關稅較高的行業，預期其當期關稅仍相對較高。
表4-12（1）列報告了以使用固定權重計算的前期關稅作為工具變量的兩階段最小二乘法固定效應估計結果。64在控制反向因果之后，企業層面中間品和最終品關稅減免均使企業生產率增加。如前所述，企業層面最終品關稅在度量時假設企業每種生產產品在國內外銷售的比例相同，這使得該度量方法存在缺點，因為企業出口的產品構成可能與內銷的產品構成不同，這與行業融入全球供應鏈（GSCs）的程度以及行業加工貿易企業密集度有關。為解決這一問題，除從樣本中剔除純內銷企業和純出口企業外，本章還進行了兩組輔助回歸。首先，所有行業根據以增加值與行業總產出的比例衡量的融入全球供應鏈的“生產深度”（OECD，2010）被分成兩組（融入程度較強行業和融入程度較弱行業）。通過將2位碼層面所有行業該比例的均值作為閾值，（2）、（3）列根據行業融入全球供應鏈的程度，將關稅減免對企業生產率的影響進行回歸。其次，（4）列和第（5）列分別對加工貿易企業密集度較高的行業和加工貿易企業密集度較低的行業進行回歸，其中加工貿易企業密集度以各行業加工貿易企業數占全部企業數的比例度量，所有行業該比例的均值作為閾值。在所有情形下，最終品和中間品關稅系數均顯著且與之前的發現一致。
為了證實工具變量的有效性，文章進行了一些檢驗。首先，文章使用Kleibergen-Paap LM卡方統計量檢驗工具變量是否與內生因變量相關。如表4-12所示，模型未能充分識別的原假設在1%的顯著性水平上被拒絕。其次，Kleibergen-Paap（2006）F統計量為拒絕第一步回歸顯著弱識別的原假設提供了有力的證據。65最后，表4-12下半部分報告的第一階段回歸結果為工具變量的合理性提供了較強的證據。特別地，工具變量的所有t統計量均顯著。最后，由于使用了估計量作為因變量，所有標準誤都通過bootstrap法進行了修正。66
四、2SLS估計更多穩健性檢驗
鑒于大型企業通常有較高的生產率，檢驗企業層面中間品和最終品關稅對企業生產率的影響是否僅反映了企業規模的作用就是重要的。同樣重要的還有檢驗這種影響是否對在回歸中加入企業所有者類型敏感。因此，本章在表4-13中所有兩階段最小二乘回歸中包括了國有企業虛擬變量、外國企業虛擬變量和企業用工人數的對數值（即企業規模的度量）。
由于測度的全要素生產率可能也反映了企業價格和價格成本加成的不同，表4-13中（1）列將企業勞動生產率的對數值作為因變量進行兩階段最小二乘估計。由于企業用工人數的對數值已經是因變量的分母，將其作為企業規模控制變量加入到回歸中是不合適的，本章使用企業的資本勞動比這一代理變量作為替代。
為進一步檢驗文章的主要結果是否對企業生產率度量方式和實證設定敏感，（2）列使用了Levinsohn-Petrin（2003）方法計算的全要素生產率作為因變量，同時控制了（1）列的其他變量。（3）列仍使用系統GMM全要素生產率作為因變量但包括了以上提到的控制變量。整體來看，這些回歸的主要結果與表4-12高度一致：中間品關稅減免對生產率提升的影響總體上小于最終品關稅減免的影響。企業從關稅減免中獲得的生產率提升會隨著企業加工貿易進口份額的增加而減小。
到此為止，本章充分研究了中國進口關稅減免對企業效率的影響。然而，盡管21世紀中國已經顯著降低了進口關稅，中國的出口商同樣也享受到了出口目的地的大幅關稅減免。進入大型外國市場可能會給企業帶來生產率提升的激勵，尤其是在這種投資需要大量固定成本時。因此，為獲得進口關稅對企業全要素生產率影響的精確估計，控制中國出口目的地關稅減免同樣是重要的。
為度量企業出口目的地市場的關稅減免，本章構建企業層面的外部關稅指數（FETit）為67：
其中，τckt表示年份t出口目的地國家c對產品k征收的從價關稅。一個企業可能向多個國家出口多種類型的產品。式（4-12）中第二個小括號的比例
衡量了企業i生產的產品k銷往國家c的出口比例，從而得到中國企業在不同出口目的地的加權外部關稅。同樣地，式（4-12）中第一個小括號的比例
衡量了產品k的出口占企業i總出口的比重。由表4-7所示，企業層面外部關稅的均值僅為0.9%，顯著低于企業層面最終品進口關稅（8.6%）。這十分符合經濟道理：中國最重要的出口目的國是發達國家，如美國和歐盟國家，它們對中國這樣的發展中國家的出口征收顯著較低的進口關稅。表4-13中（4）列報告了含有企業外部關稅變量的回歸估計結果。企業外部關稅的系數沒有顯著性。一個可能的原因是中國已經在2000年之前進入外國市場，因此中國企業出口目的國關稅減免對減少出口的固定成本沒有統計上的顯著影響。
由于所有回歸中的因變量都是用各種方法估計的全要素生產率的度量，由于這些樣本值是估計的而非實際觀察得到的，存在一些樣本值的估計比另一些估計更為精確的事實，對這種事實進行控制是必要的。因此，本章計算了行業內部各企業以及全部企業系統GMM全要素生產率的標準差，除以相應的行業均值或總體均值，再乘以企業系統GMM全要素生產率，以之作為表4-13最后一列回歸的因變量。文章得到與之前類似的結論：關稅對企業生產率的影響隨著企業加工貿易進口的增加而減小，最終品關稅減免的影響總體比中間品關稅減免的影響要強。
表4-13 更多的工具變量穩健性估計
，（3）—（4）列的因變量是傳統方法計算的系統G M M全要素生產率
，（5）列中的因變量是加權系統GMM全要素生產率，計算方法為：將lnTF-
乘以2位碼層面行業內部企業間全要素生產率的相對標準差。在所有工具變量估計中，文章控制了年份固定效應和不隨時間變化的2位碼層面行業固定效應。（2）—（5）列中的企業規模以企業用工人數的對數值作為代理，（1）列則用企業資本—勞動比率作為代理。所有工具變量與表4-12中的相同。純內銷企業和純出口企業從樣本中剔除。
最后，系統GMM估計方法的靈活性事實上為一步得到關稅減免對企業生產率的影響提供了獨特的機會。即生產函數投入要素的系數和關稅系數能夠同時得到。
五、傳導機制討論
本章提供了充分的證據表明最終品和中間品關稅減免將提高企業生產率。然而，本章還并未針對關于關稅減免對企業生產率的影響渠道展開討論。中間品關稅變化對生產率的影響較為直接——較低的中間品關稅使得企業能夠獲得更多種類的進口中間投入（Helpman、Koren and Szeidl，2010）。68最終品關稅減免則會促進產品間的競爭。然而，文獻對于這種競爭效應是通過提高在位企業的生產效率，還是通過導致低生產率企業退出市場并不十分清楚。
為檢驗這兩種可能的影響渠道，本章在表4-14（1）列中引入了一直在位企業虛擬變量（即當企業從2000年到2006年都在數據中出現時該虛擬變量取值為1，反之取值為0）。回歸發現一直在位企業虛擬變量的回歸系數始終顯著為正，這表明始終在位企業具有較高生產率。為了研究競爭效應是否導致低生產率企業倒閉并退出市場，表4-14（2）列引入一個退出虛擬變量，當企業在下一年退出市場時，該變量取值為1，反之取值為0。退出虛擬變量的回歸系數并不顯著，表明退出和在位企業的生產率并不存在顯著差異。這和Melitz（2003）的理論預期并不一致。
Amiti and Konings（2007）認為關稅減免可能導致企業將其生產范圍從低生產率產品轉移到高生產率產品。由于印度尼西亞數據的限制，他們沒有企業生產范圍的信息。因此，他們使用產品轉換虛擬變量作為替代方法。而本章使用的合并數據包含出口企業產品范圍的數據。許多中國企業出口多種產品，最多可達745種出口產品。表4-14（3）列加入了企業出口范圍的對數，其回歸系數顯著為正，表明出口多種產品類型的企業具有較高生產率。表4-14（4）列進一步控制了企業生產范圍的對數和企業層面中間品和最終品關稅的交互項。最終產品關稅和企業生產范圍對數的交互項的回歸系數顯著，而中間品關稅和企業生產范圍對數的交互項的回歸系數并不顯著，這說明同Amiti and konings（2007）利用有限數據發現的研究結果一致，最終品關稅減免促進企業生產率提升部分來自產品范圍的變動。然而這一傳導機制對中間品關稅減免并不重要。
最后，貿易改革帶來的企業生產率提升也可能是由于對新技術投資的增加（Bustos，2011）。具有較高研發投入的企業很可能也具有較高的生產率。表4-14（5）列通過引入企業研發支出對數，驗證了這一推斷。最后一列回歸還考慮了企業研發投入對數和企業層面中間品和最終品關稅交互項的影響。有趣的是，研發投入對數和最終品及中間品關稅的交互項的回歸系數并不顯著。這表明最終品和中間品關稅減免帶來生產率提升并不是由于對新技術投資的增加。這可能由于樣本數據中的研發數據存在一些缺陷：約有80%的觀測值并沒有合理的研發支出費用。69因此，對那些從關稅減免中受益的企業來說，研發的影響存在低估。
六、經濟量級和福利貢獻
本節將討論關稅減免經濟影響的量級。如表4-12（1）列工具變量估計所示，因變量為對數值而自變量為水平值。因此，關鍵估計系數可解釋為全要素生產率對相應自變量的半彈性。若回歸所使用的關稅為自然數形式（如表4-7報告的企業層面最終品關稅均值為0.086），則企業層面最終品（中間品）關稅自身的系數為-1.33（-1.74）。如果關稅以百分數形式度量（所以樣本企業層面最終品關稅均值為8.6個百分點），則這些系數變為-0.0133（-0.0174）。這表明對非加工貿易企業而言，最終品（中間品）關稅下降10個百分點，全要素生產率的對數值上升0.133（0.174），即生產率提高13.3%（17.4%）。70
同樣重要的是，隨著企業加工貿易進口份額的增大，企業從中間品和最終品關稅減免中獲得的生產率提升降低。平均而言，由于企業加工貿易參與程度的擬合值均值是0.49，最終品關稅減免對生產率提升的影響是-0.0093（=-0.013+0.017×0.49），這意味著最終品關稅下降10個百分點使得企業生產率提升9.3%。類似地，中間品關稅減免的平均影響是0.0052（=-0.017+0.025×0.49），意味著中間品關稅下降10個百分點使得企業生產率提升5.2%，幾乎占到最終品關稅減免帶來的生產率提升的60%。71平均企業最終品關稅下降了7.6個百分點（從2000年的15%到2006年的7.4%），可以預測其帶來了6.9%（=0.0093×7.4）的生產率提升并貢獻了樣本中企業生產率對數值提升0.17中的40.4%。同理，平均企業中間品關稅下降了0.54個百分點（從2000年的2.7%到2006年的2.16%），故預測其帶來了0.28%（=0.0052×0.54）的生產率提升并貢獻了企業生產率對數增加0.17中的1.6%。將這些數值加總，可得關稅減免總體上對樣本中企業生產率增長的貢獻度為42%。
由于經濟體總體生產率增長是一國生活標準最好的度量之一，本章的最后一步是為關稅減免對中國總體生產率的貢獻提供直觀的經濟解釋。從企業生產率加總到經濟體總體生產率是重要的，這是因為，由于縱向一體化的存在，企業（行業）之間的中間投入會在上下游企業（行業）總生產率增加時使總體生產率有額外的提高。72Domar（1961）首先提出并在之后由Hulten（1979）和Feenstra et al.（2012）系統闡述了一種方法，經濟體總體全要素生產率可以通過使用“Domar矩陣”進行加總，該矩陣由每個企業總產出與經濟體總體吸收（即總產出與貿易順差之差）的比例定義。本章接下來使用各年的Domar矩陣計算加總全要素生產率。文章發現加總生產率的對數值提高了約0.53（從2000年的0.56到2006年的1.09）。73如前所述，最終品和中間品關稅減免平均使生產率增加0.072（=6.9%+0.28%），因此貢獻了經濟體總體生產率對數值增加0.53中的13.5%。最后需要說明的一點是此處的計算假設關稅減免對于樣本之外的企業生產率無影響。由于關稅減免在現實中仍會對樣本外的企業有積極影響，因此計算的關稅減免對經濟體總體生產率的貢獻應被解釋為下限。
第六節 總結
本章研究了進口中間品和最終品關稅減免如何影響企業生產率，同時考慮了中國加工貿易企業相對于非加工貿易企業進口中間投入所享受的特殊關稅優惠。對于包括中國在內的諸多發展中國家有類似的貿易情形：加工貿易在生產率提升的實現上有重要影響。總體上，文章發現對于中國參與國際貿易的大型企業，最終品關稅減免比中間品關稅減免對生產率的影響要大。更有意思的是，中間品（最終品）關稅減免對企業生產率的正向影響隨著企業加工貿易進口份額的增加而降低。
本章是第一篇研究加工貿易在中國企業生產率提升中的作用的文章。豐富的數據集使本章能夠研究企業是否參與加工貿易的決定和企業加工貿易參與度對生產率的影響。通過這些信息，能夠構造出企業層面中間品和最終品關稅，這在文獻中是首次嘗試，這反過來也豐富了對中國加工貿易特殊關稅改革的經濟影響的理解。