论文部分内容阅读
摘 要：服务进口贸易对我国全要素生产率的增长有多大的促进作用事关我国经济增长方式的转变。实证研究结果表明，1985-2010年，服务进口贸易与我国全要素生产率的变化之间有显著的正相关关系，服务进口增长1%， 全要素生产率就有0.12%的提升。基于VAR模型的脉冲响应函数分析和预测方差分解分析结果，尽管国内R&D资本存量对全要素生产率的长期拉动效应更为显著，但服务进口的积极作用也不可忽视。
关键词：服务进口；全要素生产率；VAR模型
中图分类号：F740 文献标识码：A 文章编号：1003-3890（2014）04-0073-07
改革开放以来，在货物贸易快速增长的同时，我国服务贸易也有很大发展。1985—2010年，我国服务贸易进出口总额年均增长18.5%，在世界服务贸易中所占比重从0.66%上升到5.03%。与此同时，中国经济也以近10%的年均实际增长率高速成长，服务贸易与中国经济增长的关系也因此成为一个重要的研究课题。如果从净出口在GDP中所占比重的角度来看，服务贸易对经济增长的贡献，从1995年以来，我国服务贸易持续逆差，以负值计入GDP，但显然这样的研究思路并未把握经济增长的本质。根据现代经济增长理论，一国经济持续、稳定增长的根本原因在于全要素生产率（TFP）的提高。全要素生产率反映的是一定时间内劳动与资本等全部投入要素的产出效率，全要素生产率的增长是指剔除要素投入导致的产出增长后的那部分产出增加，其来源包括技术进步、管理创新等。因此，服务贸易是否推动了中国经济的长期增长要看它是否促进了全要素生产率的进步。
本文试图从服务进口的角度进行分析。从理论上讲，服务进口贸易可以通过以下两个渠道的技术溢出效应影响一国的全要素生产率。一是跨境服务贸易产生的技术溢出效应：直接的技术贸易不仅提高进口国的技术存量水平，也会促使进口国企业对引进技术进行学习和模仿；进口的某些服务品（如计算机和信息服务）常常有较高的知识和技术含量，对进口国具有示范效应；服务贸易中高技术人员的交流也带来知识和技术的扩散、激发新思想的产生。二是商业存在服务贸易产生的技术溢出效应：当服务业跨国公司提供服务产品时，东道国企业有可能获得与之相伴的免费技术辅导、信息援助、员工培训等；服务业跨国公司的进入也产生示范效应和竞争效应，东道国服务企业可以模仿、学习先进的管理技术，同时，激烈的竞争也促进它们加大自身研发投入，从而推动整个行业生产率水平的提高。那么，服务进口贸易是否真的通过以上渠道促进了我国全要素生产率的提高？如是，对全要素生产率的贡献又有多大呢？本文拟在相关研究文献的基础上，通过后面的实证分析对以上问题进行探讨。
一、文献回顾
最早就贸易对全要素生产率的影响进行实证分析的学者是Coe & Helpman（1995），他们利用1971—1990年以色列及21个OECD国家的面板数据，在宏观层面上分析了国际贸易的国外研发溢出效应对进口国技术进步的影响。结果显示，国外研发对技术进步的弹性约为12%，而国内研发对技术进步的弹性约为8%[1]。他们的模型建立在Grossman & Helpman（1991）的创新驱动增长理论基础上，简称为C-H模型，其基本设定被后来大多数实证研究沿用。
随着服务贸易的快速发展，对国际贸易技术溢出效应的研究也逐渐向服务贸易领域拓展。Francois（1990）的研究结果表明，生产者服务进口有助于促进整个经济部门生产率的提高[2]。Rivera & Batiz（1992）发现，以服务业跨国公司提供的服务作为中间投入的产业部门，其专业化分工水平得到提升，这有助于提高下游产业的生产率[3]。Maddan & Savage（2000）的研究发现，信息通信技术是国外研发溢出的一条重要路径，国外研发溢出与电信和信息通讯设备的进口量之间存在正相关关系[4]。Keller（2001）的分析表明，一国从国外研发溢出中所获得的效益要比从自身研发中所获得的效益低，从贸易开放中所获得的技术溢出效应的大小也与该国自身科研技术能力直接相关[5]。Robinson，Wang & Marin（2002）的跨国研究发现：通过从发达国家进口服务产品，发展中国家可以获取信息和先进技术来提高全要素生产率[6]。Rajan & Bird（2002）对中国、印尼、韩国、泰国与马来西亚的研究显示，适时而有序地开放电信和金融服务市场，不仅能增加本国消费者的福利，也能促进本国经济结构的调整和技术水平的进步[7]。Xu & Chiang（2005）同时考虑了通过专利流动和资本品贸易这两种不同路径的国际技术溢出效应，他们的实证检验发现，这两种路径的技术溢出效应在不同收入层次的国家很不相同[8]。OECD（2006）的研究表明，服务市场开放是技术溢出的关键路径，这一点对发展中国家尤为重要[9]。Arnold， Javorcik & Mattoo（2006）利用捷克企业层面数据进行的研究发现，东道国国内下游制造业企业的经营绩效与服务业跨国直接投资显著相关[10]。Mattoo， Rathindran & Subramanian（2006）认为，给定影响经济增长的其他因素，电信或金融部门开放的国家有更高的平均经济增长率[11]。Amiti & Konings（2007）的研究发现，推进中间投入品服务部门的自由化将有利于国内下游制造业生产率的提升[12]。
国内学者近年来也开始关注服务贸易的技术溢出效应。黄建锋（2007） 的实证研究是以服务业FDI作为商业存在服务贸易的替代变量进行的，结果表明：1990—2005年我国服务业FDI的技术溢出效应十分显著[13]。高凌云、王永中（2008）采用178个国家2000—2005年的数据进行研究发现，非物化型溢出是国外研发溢出的一条重要路径，它对样本国的全要素生产率均有促进作用[14]。李瑞琴（2009）认为，服务贸易自由化对一国经济增长有直接和间接影响，而间接影响对一国经济的长期增长作用更大，服务贸易自由化有利于技术外部效应的实现[15]。唐保庆（2009）利用17个APEC成员国的动态面板数据，从FDI流入、集聚效应和服务进口贸易等方面扩展了C-H模型，发现通过服务贸易渠道带来的国外研发溢出均能显著促进全要素生产率的提升。唐保庆、陈志和和杨继军（2011）采用90个国家1998—2007年的面板数据，研究了不同要素密集型服务进口贸易的国外研发溢出效应发现，知识与技术密集型服务产品进口对全要素生产率的提升有显著影响，而劳动与资本密集型服务产品进口的影响并不明显[16]。方慧（2009）采用1991—2006年中国服务业FDI的数据进行研究发现，服务贸易的技术溢出效应为正，但由于我国服务业的开放时间较晚，溢出效应并不显著[17]。 以上研究提供了有价值的参考线索，但其中一些文献分析的是服务贸易与收入增长之间的关系，不涉及其技术溢出效应对经济增长的源泉——全要素生产率进步——的作用；而在分析服务贸易与我国全要素生产率关系的文献中，大多数都采用传统计量模型，这类基于经济理论设定的模型对变量之间的动态关系并不能提供较为严密的解释。本文采用基于VAR模型的脉冲响应函数法与方差分解法进行，以期对1985—2010年服务进口贸易对我国全要素生产率的影响进行更全面和深入的实证研究。
二、数据与方法
（一）对中国全要素生产率的估算
本文采用柯布-道格拉斯生产函数①，并假设函数为希克斯中性：
Yt=At.Kt？琢.Lt？茁，0<？琢<1，0<？茁<1，？琢+？茁=1（1）
式（1）两边取对数，建立如下对数线性回归计量模型：
LnYt=LnAt+？琢LnKt+？茁LnLt+ut（2）
全要素生产率（TFP）定义为：
TFPt=At=Yt/（Kt？琢.Lt？茁）（3）
其中At代表t年的全要素生产率，α和β分别代表资本和劳动的产出弹性。Yt为t年以1990年不变价格计算的真实国内生产总值，Lt为t年的劳动力投入总量，本文以各年社会总就业人数衡量，这两项数据均来自《中国统计年鉴》。Kt为t年以1990年不变价格调整后的真实固定资本存量，借鉴张军和施少华（2003）的方法计算而得[18]。最小二乘回归结果显示，常数项为-9.052 237，？琢=0.706 209，？茁=1.010 693。于是我们得到以下回归方程：
Lny=-9.052 237+0.706 209LnK+1.010 693LnL（4）
正规化得：？琢*=？琢/（？琢+？茁）=0.412，？茁*=？茁/（？琢+？茁）=0.588。建立以下反映全要素生产率的残差方程，并据此估算出1985—2010年我国的全要素生产率（结果见表1）：
At=exp（LnYt-0.412LnKt-0.588LnLt）（5）
（二）实证检验模型与其他相关数据
本文的计量分析采用由西姆斯（Sims）提出的向量自回归模型（简称VAR模型）。VAR模型是基于数据本身的统计性建立的非结构化模型，模型中每个变量都是内生变量，都是系统中所有内生变量的滞后值的函数。有k个内生变量，d个外生变量，滞后阶数为p的VAR（p）模型的数学表达式如下：
yt=A1yt-1+…Apyt-p+Hxt+？着t（6）
其中，yt是k维的内生变量，xt是d维的列向量，p是滞后阶数，A1…Ap为k×k维的待估计系数矩阵，H是k×d维的待估计系数矩阵，？着t是k维随机扰动列向量。我们将根据AIC、SC、LR、FPE和HQ等五种判断准则来综合选取VAR模型的最佳滞后阶数。
本文在变量选取上借鉴C-H模型。在C-H模型中，国内研发（R&D）资本存量与通过贸易渠道溢出的国外研发资本存量是影响一国全要素生产率的主要因素，由于服务进口与国外研发溢出量成正比，我们用服务进口额代替C-H模型中通过贸易渠道溢出的国外研发资本存量。1985—2010年中国服务进口数据从中国服务贸易指南网获取，按美元对人民币的年均汇率换算成人民币值后，再以1990年的价格为基期价格折算成真实水平。
1985—2010年国内R&D资本存量通过以下途径估算：先计算出1985年R&D资本存量，然后根据永续存盘法计算出其余各年存量。我们借鉴Griliches（1980）的方法来计算我国1985年的R&D资本存量S1985：S1985=R1985/（g+δ），其中R1985是1985年的R&D投资支出，g是1985—2010年R&D投资支出对数形式的年均增长率，δ是R&D资本的折旧率，这里我们参考Coe & Helpman（1995）将其设定为5%。由于我国从1987年才开始有R&D支出的统计数据，因此，1985、1986年的R&D支出根据相邻三年的平均R&D支出占GDP比重乘以当年GDP计算而得，其余年份数据直接来自《中国科技统计年鉴》。在计算出1985年的R&D资本存量后，其余年份数据依据以下公式计算：St=（1-δ）St-1+ Rt，其中，St与St-1分别是t期和t-1期的R&D资本存量，δ是R&D资本折旧率，仍然设定为5%，Rt是以1990年不变价格表示的t期R&D投资支出。计算结果与相关数据详见表1。
三、VAR模型的建立与实证分析
（一）建模准备
1. ADF单位根检验。由于本文使用时间序列数据，因此有必要对数据平稳性进行检验。对数据取自然对数能使其趋势线性化，在消除异方差现象的同时，并不改变原数据的协整关系。因此，我们先对全要素生产率、服务进口以及R&D资本存量取自然对数（分别用Lntfp、Lnsim和Lnyf表示），然后进行ADF单位根检验。表2的检验结果显示，尽管原时间序列都不平稳，但它们的一阶差分都是平稳的，因此，所有变量都是I（1）一阶单整序列[19]。
2. Johansen协整检验。由于原时间序列数据是非平稳的，所以我们使用Johansen协整检验方法来判断它们之间是否存在长期稳定的均衡关系。上面的ADF单位根检验表明，三个变量都是I（1）一阶单整序列，满足进行协整检验的条件。检验结果如表3所示：原变量之间在5%的显著性水平下存在两个协整关系，这说明尽管原变量为非平稳序列，但它们的线性组合却是平稳的，即三个变量之间存在着长期稳定的均衡关系。根据检验结果，Lntfp、Lnyf和Lnsim之间协整关系的表达式为：
Lntfp=1.812 250+0.147 145Lnyf+0.115 642Lnsim（7） 从（7）式可知，服务进口、国内R&D资本存量与我国的全要素生产率的变化存在显著的正相关关系，服务进口增长1%，全要素生产率会提升0.12%，国内R&D资本存量每增长1%，全要素生产率将有0.15%的提高。
3. 误差修正机制。尽管协整检验表明三个变量存在着长期稳定的均衡关系，但在短期内，却有可能偏离长期均衡状态。我们利用向量误差修正模型，来反映服务进口、国内R&D资本存量与我国全要素生产率之间短期偏离的修正机制。根据AIC、SC、LR、FPE和HQ等准则来判断无约束VAR模型的滞后期数，我们选定的最佳滞后期数为3。用VECM表示非均衡误差，代表协整方程中的残差序列，我们构造的向量误差修正模型如下：
D ln tfpD ln ytD ln sim=-0.1420.574 8-5.554VECM（-1）
+0.343 0.487 0.061-0.45 0.421 0.0654.639 3.617 -1.27D ln tfp（-1）D ln yt（-1）D ln sim（-1）
+0.637 0.436 0.0450.485 0.223 0.0760.611 5.023 -0.37D ln tfp（-2）D ln yt（-2）D ln sim（-2）
+0.293 0.682 0.040-0.34 -0.12 0.0390.779 -5.19 0.137D ln tfp（-3）D ln yt（-3）D ln sim（-3）
+-0.0240.083 2-0.232
由模型可知，服务进口、国内R&D资本存量与我国全要素生产率的关系在短期可能偏离长期均衡水平，但会在较短的时间内以较快速度自动向长期均衡回归。平均而言，上一年度的非均衡误差以0.142的速度修正全要素生产率增长的偏离，以0.575的速度修正国内R&D资本存量增长的偏离，以5.554的速度修正服务进口的偏离。
4. 格兰杰因果关系检验。下面进行格兰杰（Granger）因果关系检验，以确定变量之间的长期均衡关系是否构成因果关系。表4给出的检验结果显示：yf与sim都是tfp的格兰杰原因，且两者的共同作用也是tfp的格兰杰原因，这说明国内R&D资本存量的增长、服务进口的增加都将拉动全要素生产率上升，并且它们增长的共同作用也将带动全要素生产率增长；tfp是yf的格兰杰原因，sim不是yf的格兰杰原因，但两者的共同作用是yf的格兰杰原因，这说明我国全要素生产率的提高有助于拉动国内R&D资本存量的增长，全要素生产率增长和服务进口增加的共同作用也将带动国内R&D资本存量的增加；tfp是sim的格兰杰原因，yf不是sim的格兰杰原因，但两者的共同作用是sim的格兰杰原因，这说明全要素生产率的提高将拉动服务贸易进口的增长，全要素生产率增长和国内R&D资本存量增加的共同作用也将带动服务进口的增加。
（二）VAR模型的建立与稳健性检验
建立VAR模型的关键是确定滞后阶数p。p值越大，越能完整反映模型的动态特征，但相应地，模型中待估计的参数就越多，自由度也就越少，因此在滞后期和自由度之间需要寻求平衡。根据AIC、SC、LR、FPE和HQ等判断准则，经过多次测算比较，本模型的最优滞后阶数确定为3，因此建立VAR（3）模型。使用Eviews计量软件得出的结果显示，模型整体拟合度较高。经检验各扰动项不与自己的滞后值相关，White检验结果也显示不存在异方差，模型效果较好。依据计量结果得到的各项参数值，VAR（3）模型方程如下：
ln tfpln ytln sim=0.641 0.33 0.0290.056 1.88 0.007-1.33 6.32 0.374ln tfp（-1）ln yt（-1）ln sim（-1）
+-0.809 0.264 0.037 4-0.167 -1.04 -0.00 3-3.936 -6.63 0.966 7ln tfp（-2）ln yt（-2）ln sim（-2）
+0.187 -0.53 0.0800.307 0.132 -0.020.400 0.739 0.175ln tfp（-3）ln yt（-3）ln sim（-3）2.1514-0.38211.004
■21=0.997 ■22=0.999 ■32=0.991
图1是对以上所建VAR（3）模型的稳定性检验图，从中可看出，模型的所有特征根都在单位圆内，因此，所建模型是稳定的。
（三）基于VAR模型的脉冲响应分析与预测方差分解分析
1. 脉冲响应分析。为了进一步把握全要素生产率、国内R&D资本、服务进口之间的动态关系，我们对以上建立的VAR（3）模型进行脉冲响应分析，即利用脉冲响应函数来衡量随机扰动项的一个标准差冲击对内生变量当前值和未来值所产生的影响。脉冲响应函数的曲线图见图2、图3和图4。
由图2可知，Lntfp对来自Lnsim的冲击产生正响应，并在第四期达到峰值，之后虽逐渐下降，但在第八期后仍然保持较高水平。这说明服务进口对全要素生产率产生长期的积极拉动作用。Lntfp对于当期Lnyf的冲击响应要强于对Lnsim的冲击响应，在第五期达到峰值，随后逐渐降低，这说明国内R&D资本存量对全要素生产率的长期拉动效应更为显著。Lntfp对于自身的一个标准差扰动，在第一期反应较强烈，但之后逐渐下降，从第三期开始一直为负效应。
从图3可看出，Lnyf对于自身的一个标准差冲击，一开始就产生正响应，且呈快速上升趋势，明显要强于对Lntfp和Lnsim的冲击响应。Lnyf对于来自Lntfp的冲击呈现正响应，在第七期达到峰值后逐渐下降，这说明全要素生产率对研发资本存量的增加具有正效应，但正效应的显现有一个滞后期。Lnyf对Lnsim的冲击响应在初始阶段为零，之后逐渐下降，在第五期达到最小值，之后较快上升，从第八期才开始表现出较小的正响应。 图4显示，Lnsim对于来自Lntfp的一个标准差冲击一直呈现负响应，但在第三期达到最小值后一路上升。这说明全要素生产率对服务贸易进口的增加具有负效应，但其负效应在后期逐渐减弱。Lnsim对来自Lnyf的冲击从第一期开始一直呈现正效应，在第四期达到峰值后，逐渐下降。Lnsim对自身的一个标准差扰动的响应存在一定的波动性，但一直呈现正向效应。
4. 预测方差分解分析。在上面的脉冲响应分析中，我们讨论了VAR模型中每个内生变量的冲击如何随着时间的推移对其他内生变量产生影响。下面我们进一步通过方差分解将内生变量的变化分解为与之相关的组成部分，以评价每个冲击的重要程度。对已建立的VAR（3）模型进行预测方差分解，结果见表5、表6和表7。
由表5可知，在第一期全要素生产率只受其自身波动的影响，服务进口、研发资本的影响（即对预测方差的贡献度）在第二期才显现出来，且冲击影响的强度很小，分别为2.517%和3.287%，但随后影响逐渐加强；在第四期，服务进口和研发资本的预测方差分解值分别为19.326%和31.138%，二者之和达到50.464%；从第四期到末期，服务进口和研发资本对全要素生产率的贡献一直维持在一个比较高的水平。结合上面的脉冲响应函数值可知，服务进口和国内研发对全要素生产率的提升有很大程度的促进作用，从影响程度来看，国内研发的促进作用要大于服务进口的促进作用。
从表6可以看出，对国内研发资本存量波动贡献最大的是其自身，一直维持在87%以上。服务进口的贡献很小，基本维持在1%以下。Lntfp对Lnyf的预测方差影响相对较小，在第六期之前一直维持在较低水平，之后才逐渐增强，到第八期达到12%以上，结合脉冲响应函数值，这说明全要素生产率的提升对国内研发的促进作用具有一定的滞后性。
表7显示，服务进口最初受其自身和全要素生产率的影响较大，但随着时间的推移，其自身的影响逐渐降低，从最初的74.657%降低到期末的33.973%，而全要素生产率的贡献则增长较快，从第三期开始一直维持在34.505%以上。研发资本存量对服务进口波动的贡献最初较小，仅为7.909%，但后来基本上呈逐渐上升态势，到末期为31.521%。表7还显示，全要素生产率对服务进口波动的贡献一直要大于国内研发资本存量的贡献，这表明全要素生产率增进带来的增长质量的改善，将对我国服务进口贸易的发展产生积极影响。
四、结论与政策含义
以上实证分析表明，过去25年中，服务进口、国内R&D资本存量与我国全要素生产率的变化存在显著的正相关关系，服务进口每增长1%，我国全要素生产率就提升0.12%，国内R&D资本存量每增长1%，我国全要素生产率就将提高0.15%。尽管在短期内服务进口、国内R&D资本存量与我国全要素生产率的关系可能偏离长期均衡水平，但其回归的速度较快，平均而言，上一年度的非均衡误差以0.142的速度修正全要素生产率增长的偏离。格兰杰因果关系检验结果表明，服务进口、国内R&D资本存量的增长都将促进全要素生产率的提高。基于VAR模型的脉冲响应函数分析与方差分解分析结果显示，服务进口对全要素生产率在长期内产生积极的拉动作用，国内R&D资本存量的长期拉动效应则更为显著；服务进口、国内R&D资本积累对解释全要素生产率的预测方差起着重要作用，而全要素生产率对服务进口、R&D资本存量预测方差的贡献则相对较小。
以上实证研究结果表明，除加强国内自身的研发投入外，我们应当重视服务进口贸易的技术溢出效应，通过分享其他先进国家的研发成果来推动我国全要素生产率的增长。从政策角度来看，以下几方面意义重大：进一步完善服务贸易的法律法规，为服务贸易的发展创造良好的制度环境；加大人力资本投资，这不仅有助于提高我国自身的技术创新能力，也有助于提高对国外研发技术溢出效应的吸收能力；扩大知识和技术密集度高的服务产品进口，尤其是高知识、高技术含量的生产性服务品的进口，以此来学习、消化和吸收新技术；提高服务贸易开放度、鼓励FDI进入知识和技术密集型服务业，从而更大程度地获取商业存在服务贸易的技术溢出效应。
注释：
①生产函数法是目前测算全要素生产率的常用方法，且多采用柯布—道格拉斯生产函数，如彭国华（2005）、张军和施少华（2003）等。
参考文献：
[1]Coe D T，Helpman E. International R&D Spillovers[J].European Economic Review，1995，39 （5）：859-887.
[2]Francois J F. Trade in Producer Services and Returns Due to Specialization Under Monopolistic Competition[J]. The Canadian Journal of Economics，1990，23（1）：109-24.
[3]Rivera B F L. Batiz L. A. R..Europe 1992 and the Liberalization of Direct Investment Flows：Services Versus Manufacturing[J]. International Economic Journal，1992， 6（1）：287-307.
[4]Madden G， Savage S J. R&D Spillovers， information Technology and Telecommunications， and Productivity in Asia and the OECD[J]. Information Economics and Policy，2000，12（4）：367-392. [5]Keller W. Knowledge Spillovers at the World's Technology Frontier[R]. CEPR Discussion，2001：2815.
[6]Robinson S， Wang Z， Marin W. Capturing the Implications of Services Trade Liberalization[J]. Economic Systems Research，2002， 14 （1）：3-33.
[7]Rajan R S， Bird G. Will Asian Economies Gain from Liberalizing Trade in Services[J]. Journal of Development Economies，2002：1061-1079.
[8]Xu B， Chiang E P. Trade，Patents and International Technology Diffusion[J]. International Trade and Economic Development，2005，14（1）：115-135.
[9]OECD. The Linkages between Open Services Market and Technology Transfer[M]. OECD Trade Policy Papers，No.29，OECD Publishing，2006.
[10]Arnold J， Javorcik B S， Mattoo A. The Productivity Effects of Services liberalization：Evidence from the Czech Republic[R]. World Bank，mimeo，2006.
[11]Mattoo A， Rathindran R. Subramanian A.. Measuring Services Trade Liberalization and Its Impact on Economic Growth：An Illustration[J]. Journal of Economic Integration，2006，21（1）：64-98.
[12]Amiti M， Konings J. Trade liberalization，intermediate inputs and productivity[J]. American Economic Review，2007，97（5）：1611-38.
[13]黄建锋.服务贸易与经济增长：理论与实证研究[D].上海：上海社会科学院，2007.
[14]高凌云，王永中.R&D溢出渠道、异质性反应与生产率：基于178个国家面板数据的经验研究[J].世界经济，2008，（2）.
[15]李瑞琴.服务贸易与货物贸易自由化对经济增长影响的差异性研究[J].财贸研究，2009，（3）.
[16]唐保庆，陈志和，杨继军.“服务贸易进口是否带来国外R&D溢出效应[J].数量经济技术经济研究，2011，（5）.
[17]方慧.服务贸易技术溢出的实证研究：基于中国1991—2006年的数据[J].世界经济研究，2009，（3）.
[18]张军，施少华.中国经济全要素生产率变动：1952—1998[J].世界经济文汇，2003，（2）.
责任编辑、校对：曹华青
关键词：服务进口；全要素生产率；VAR模型
中图分类号：F740 文献标识码：A 文章编号：1003-3890（2014）04-0073-07
改革开放以来，在货物贸易快速增长的同时，我国服务贸易也有很大发展。1985—2010年，我国服务贸易进出口总额年均增长18.5%，在世界服务贸易中所占比重从0.66%上升到5.03%。与此同时，中国经济也以近10%的年均实际增长率高速成长，服务贸易与中国经济增长的关系也因此成为一个重要的研究课题。如果从净出口在GDP中所占比重的角度来看，服务贸易对经济增长的贡献，从1995年以来，我国服务贸易持续逆差，以负值计入GDP，但显然这样的研究思路并未把握经济增长的本质。根据现代经济增长理论，一国经济持续、稳定增长的根本原因在于全要素生产率（TFP）的提高。全要素生产率反映的是一定时间内劳动与资本等全部投入要素的产出效率，全要素生产率的增长是指剔除要素投入导致的产出增长后的那部分产出增加，其来源包括技术进步、管理创新等。因此，服务贸易是否推动了中国经济的长期增长要看它是否促进了全要素生产率的进步。
本文试图从服务进口的角度进行分析。从理论上讲，服务进口贸易可以通过以下两个渠道的技术溢出效应影响一国的全要素生产率。一是跨境服务贸易产生的技术溢出效应：直接的技术贸易不仅提高进口国的技术存量水平，也会促使进口国企业对引进技术进行学习和模仿；进口的某些服务品（如计算机和信息服务）常常有较高的知识和技术含量，对进口国具有示范效应；服务贸易中高技术人员的交流也带来知识和技术的扩散、激发新思想的产生。二是商业存在服务贸易产生的技术溢出效应：当服务业跨国公司提供服务产品时，东道国企业有可能获得与之相伴的免费技术辅导、信息援助、员工培训等；服务业跨国公司的进入也产生示范效应和竞争效应，东道国服务企业可以模仿、学习先进的管理技术，同时，激烈的竞争也促进它们加大自身研发投入，从而推动整个行业生产率水平的提高。那么，服务进口贸易是否真的通过以上渠道促进了我国全要素生产率的提高？如是，对全要素生产率的贡献又有多大呢？本文拟在相关研究文献的基础上，通过后面的实证分析对以上问题进行探讨。
一、文献回顾
最早就贸易对全要素生产率的影响进行实证分析的学者是Coe & Helpman（1995），他们利用1971—1990年以色列及21个OECD国家的面板数据，在宏观层面上分析了国际贸易的国外研发溢出效应对进口国技术进步的影响。结果显示，国外研发对技术进步的弹性约为12%，而国内研发对技术进步的弹性约为8%[1]。他们的模型建立在Grossman & Helpman（1991）的创新驱动增长理论基础上，简称为C-H模型，其基本设定被后来大多数实证研究沿用。
随着服务贸易的快速发展，对国际贸易技术溢出效应的研究也逐渐向服务贸易领域拓展。Francois（1990）的研究结果表明，生产者服务进口有助于促进整个经济部门生产率的提高[2]。Rivera & Batiz（1992）发现，以服务业跨国公司提供的服务作为中间投入的产业部门，其专业化分工水平得到提升，这有助于提高下游产业的生产率[3]。Maddan & Savage（2000）的研究发现，信息通信技术是国外研发溢出的一条重要路径，国外研发溢出与电信和信息通讯设备的进口量之间存在正相关关系[4]。Keller（2001）的分析表明，一国从国外研发溢出中所获得的效益要比从自身研发中所获得的效益低，从贸易开放中所获得的技术溢出效应的大小也与该国自身科研技术能力直接相关[5]。Robinson，Wang & Marin（2002）的跨国研究发现：通过从发达国家进口服务产品，发展中国家可以获取信息和先进技术来提高全要素生产率[6]。Rajan & Bird（2002）对中国、印尼、韩国、泰国与马来西亚的研究显示，适时而有序地开放电信和金融服务市场，不仅能增加本国消费者的福利，也能促进本国经济结构的调整和技术水平的进步[7]。Xu & Chiang（2005）同时考虑了通过专利流动和资本品贸易这两种不同路径的国际技术溢出效应，他们的实证检验发现，这两种路径的技术溢出效应在不同收入层次的国家很不相同[8]。OECD（2006）的研究表明，服务市场开放是技术溢出的关键路径，这一点对发展中国家尤为重要[9]。Arnold， Javorcik & Mattoo（2006）利用捷克企业层面数据进行的研究发现，东道国国内下游制造业企业的经营绩效与服务业跨国直接投资显著相关[10]。Mattoo， Rathindran & Subramanian（2006）认为，给定影响经济增长的其他因素，电信或金融部门开放的国家有更高的平均经济增长率[11]。Amiti & Konings（2007）的研究发现，推进中间投入品服务部门的自由化将有利于国内下游制造业生产率的提升[12]。
国内学者近年来也开始关注服务贸易的技术溢出效应。黄建锋（2007） 的实证研究是以服务业FDI作为商业存在服务贸易的替代变量进行的，结果表明：1990—2005年我国服务业FDI的技术溢出效应十分显著[13]。高凌云、王永中（2008）采用178个国家2000—2005年的数据进行研究发现，非物化型溢出是国外研发溢出的一条重要路径，它对样本国的全要素生产率均有促进作用[14]。李瑞琴（2009）认为，服务贸易自由化对一国经济增长有直接和间接影响，而间接影响对一国经济的长期增长作用更大，服务贸易自由化有利于技术外部效应的实现[15]。唐保庆（2009）利用17个APEC成员国的动态面板数据，从FDI流入、集聚效应和服务进口贸易等方面扩展了C-H模型，发现通过服务贸易渠道带来的国外研发溢出均能显著促进全要素生产率的提升。唐保庆、陈志和和杨继军（2011）采用90个国家1998—2007年的面板数据，研究了不同要素密集型服务进口贸易的国外研发溢出效应发现，知识与技术密集型服务产品进口对全要素生产率的提升有显著影响，而劳动与资本密集型服务产品进口的影响并不明显[16]。方慧（2009）采用1991—2006年中国服务业FDI的数据进行研究发现，服务贸易的技术溢出效应为正，但由于我国服务业的开放时间较晚，溢出效应并不显著[17]。 以上研究提供了有价值的参考线索，但其中一些文献分析的是服务贸易与收入增长之间的关系，不涉及其技术溢出效应对经济增长的源泉——全要素生产率进步——的作用；而在分析服务贸易与我国全要素生产率关系的文献中，大多数都采用传统计量模型，这类基于经济理论设定的模型对变量之间的动态关系并不能提供较为严密的解释。本文采用基于VAR模型的脉冲响应函数法与方差分解法进行，以期对1985—2010年服务进口贸易对我国全要素生产率的影响进行更全面和深入的实证研究。
二、数据与方法
（一）对中国全要素生产率的估算
本文采用柯布-道格拉斯生产函数①，并假设函数为希克斯中性：
Yt=At.Kt？琢.Lt？茁，0<？琢<1，0<？茁<1，？琢+？茁=1（1）
式（1）两边取对数，建立如下对数线性回归计量模型：
LnYt=LnAt+？琢LnKt+？茁LnLt+ut（2）
全要素生产率（TFP）定义为：
TFPt=At=Yt/（Kt？琢.Lt？茁）（3）
其中At代表t年的全要素生产率，α和β分别代表资本和劳动的产出弹性。Yt为t年以1990年不变价格计算的真实国内生产总值，Lt为t年的劳动力投入总量，本文以各年社会总就业人数衡量，这两项数据均来自《中国统计年鉴》。Kt为t年以1990年不变价格调整后的真实固定资本存量，借鉴张军和施少华（2003）的方法计算而得[18]。最小二乘回归结果显示，常数项为-9.052 237，？琢=0.706 209，？茁=1.010 693。于是我们得到以下回归方程：
Lny=-9.052 237+0.706 209LnK+1.010 693LnL（4）
正规化得：？琢*=？琢/（？琢+？茁）=0.412，？茁*=？茁/（？琢+？茁）=0.588。建立以下反映全要素生产率的残差方程，并据此估算出1985—2010年我国的全要素生产率（结果见表1）：
At=exp（LnYt-0.412LnKt-0.588LnLt）（5）
（二）实证检验模型与其他相关数据
本文的计量分析采用由西姆斯（Sims）提出的向量自回归模型（简称VAR模型）。VAR模型是基于数据本身的统计性建立的非结构化模型，模型中每个变量都是内生变量，都是系统中所有内生变量的滞后值的函数。有k个内生变量，d个外生变量，滞后阶数为p的VAR（p）模型的数学表达式如下：
yt=A1yt-1+…Apyt-p+Hxt+？着t（6）
其中，yt是k维的内生变量，xt是d维的列向量，p是滞后阶数，A1…Ap为k×k维的待估计系数矩阵，H是k×d维的待估计系数矩阵，？着t是k维随机扰动列向量。我们将根据AIC、SC、LR、FPE和HQ等五种判断准则来综合选取VAR模型的最佳滞后阶数。
本文在变量选取上借鉴C-H模型。在C-H模型中，国内研发（R&D）资本存量与通过贸易渠道溢出的国外研发资本存量是影响一国全要素生产率的主要因素，由于服务进口与国外研发溢出量成正比，我们用服务进口额代替C-H模型中通过贸易渠道溢出的国外研发资本存量。1985—2010年中国服务进口数据从中国服务贸易指南网获取，按美元对人民币的年均汇率换算成人民币值后，再以1990年的价格为基期价格折算成真实水平。
1985—2010年国内R&D资本存量通过以下途径估算：先计算出1985年R&D资本存量，然后根据永续存盘法计算出其余各年存量。我们借鉴Griliches（1980）的方法来计算我国1985年的R&D资本存量S1985：S1985=R1985/（g+δ），其中R1985是1985年的R&D投资支出，g是1985—2010年R&D投资支出对数形式的年均增长率，δ是R&D资本的折旧率，这里我们参考Coe & Helpman（1995）将其设定为5%。由于我国从1987年才开始有R&D支出的统计数据，因此，1985、1986年的R&D支出根据相邻三年的平均R&D支出占GDP比重乘以当年GDP计算而得，其余年份数据直接来自《中国科技统计年鉴》。在计算出1985年的R&D资本存量后，其余年份数据依据以下公式计算：St=（1-δ）St-1+ Rt，其中，St与St-1分别是t期和t-1期的R&D资本存量，δ是R&D资本折旧率，仍然设定为5%，Rt是以1990年不变价格表示的t期R&D投资支出。计算结果与相关数据详见表1。
三、VAR模型的建立与实证分析
（一）建模准备
1. ADF单位根检验。由于本文使用时间序列数据，因此有必要对数据平稳性进行检验。对数据取自然对数能使其趋势线性化，在消除异方差现象的同时，并不改变原数据的协整关系。因此，我们先对全要素生产率、服务进口以及R&D资本存量取自然对数（分别用Lntfp、Lnsim和Lnyf表示），然后进行ADF单位根检验。表2的检验结果显示，尽管原时间序列都不平稳，但它们的一阶差分都是平稳的，因此，所有变量都是I（1）一阶单整序列[19]。
2. Johansen协整检验。由于原时间序列数据是非平稳的，所以我们使用Johansen协整检验方法来判断它们之间是否存在长期稳定的均衡关系。上面的ADF单位根检验表明，三个变量都是I（1）一阶单整序列，满足进行协整检验的条件。检验结果如表3所示：原变量之间在5%的显著性水平下存在两个协整关系，这说明尽管原变量为非平稳序列，但它们的线性组合却是平稳的，即三个变量之间存在着长期稳定的均衡关系。根据检验结果，Lntfp、Lnyf和Lnsim之间协整关系的表达式为：
Lntfp=1.812 250+0.147 145Lnyf+0.115 642Lnsim（7） 从（7）式可知，服务进口、国内R&D资本存量与我国的全要素生产率的变化存在显著的正相关关系，服务进口增长1%，全要素生产率会提升0.12%，国内R&D资本存量每增长1%，全要素生产率将有0.15%的提高。
3. 误差修正机制。尽管协整检验表明三个变量存在着长期稳定的均衡关系，但在短期内，却有可能偏离长期均衡状态。我们利用向量误差修正模型，来反映服务进口、国内R&D资本存量与我国全要素生产率之间短期偏离的修正机制。根据AIC、SC、LR、FPE和HQ等准则来判断无约束VAR模型的滞后期数，我们选定的最佳滞后期数为3。用VECM表示非均衡误差，代表协整方程中的残差序列，我们构造的向量误差修正模型如下：
D ln tfpD ln ytD ln sim=-0.1420.574 8-5.554VECM（-1）
+0.343 0.487 0.061-0.45 0.421 0.0654.639 3.617 -1.27D ln tfp（-1）D ln yt（-1）D ln sim（-1）
+0.637 0.436 0.0450.485 0.223 0.0760.611 5.023 -0.37D ln tfp（-2）D ln yt（-2）D ln sim（-2）
+0.293 0.682 0.040-0.34 -0.12 0.0390.779 -5.19 0.137D ln tfp（-3）D ln yt（-3）D ln sim（-3）
+-0.0240.083 2-0.232
由模型可知，服务进口、国内R&D资本存量与我国全要素生产率的关系在短期可能偏离长期均衡水平，但会在较短的时间内以较快速度自动向长期均衡回归。平均而言，上一年度的非均衡误差以0.142的速度修正全要素生产率增长的偏离，以0.575的速度修正国内R&D资本存量增长的偏离，以5.554的速度修正服务进口的偏离。
4. 格兰杰因果关系检验。下面进行格兰杰（Granger）因果关系检验，以确定变量之间的长期均衡关系是否构成因果关系。表4给出的检验结果显示：yf与sim都是tfp的格兰杰原因，且两者的共同作用也是tfp的格兰杰原因，这说明国内R&D资本存量的增长、服务进口的增加都将拉动全要素生产率上升，并且它们增长的共同作用也将带动全要素生产率增长；tfp是yf的格兰杰原因，sim不是yf的格兰杰原因，但两者的共同作用是yf的格兰杰原因，这说明我国全要素生产率的提高有助于拉动国内R&D资本存量的增长，全要素生产率增长和服务进口增加的共同作用也将带动国内R&D资本存量的增加；tfp是sim的格兰杰原因，yf不是sim的格兰杰原因，但两者的共同作用是sim的格兰杰原因，这说明全要素生产率的提高将拉动服务贸易进口的增长，全要素生产率增长和国内R&D资本存量增加的共同作用也将带动服务进口的增加。
（二）VAR模型的建立与稳健性检验
建立VAR模型的关键是确定滞后阶数p。p值越大，越能完整反映模型的动态特征，但相应地，模型中待估计的参数就越多，自由度也就越少，因此在滞后期和自由度之间需要寻求平衡。根据AIC、SC、LR、FPE和HQ等判断准则，经过多次测算比较，本模型的最优滞后阶数确定为3，因此建立VAR（3）模型。使用Eviews计量软件得出的结果显示，模型整体拟合度较高。经检验各扰动项不与自己的滞后值相关，White检验结果也显示不存在异方差，模型效果较好。依据计量结果得到的各项参数值，VAR（3）模型方程如下：
ln tfpln ytln sim=0.641 0.33 0.0290.056 1.88 0.007-1.33 6.32 0.374ln tfp（-1）ln yt（-1）ln sim（-1）
+-0.809 0.264 0.037 4-0.167 -1.04 -0.00 3-3.936 -6.63 0.966 7ln tfp（-2）ln yt（-2）ln sim（-2）
+0.187 -0.53 0.0800.307 0.132 -0.020.400 0.739 0.175ln tfp（-3）ln yt（-3）ln sim（-3）2.1514-0.38211.004
■21=0.997 ■22=0.999 ■32=0.991
图1是对以上所建VAR（3）模型的稳定性检验图，从中可看出，模型的所有特征根都在单位圆内，因此，所建模型是稳定的。
（三）基于VAR模型的脉冲响应分析与预测方差分解分析
1. 脉冲响应分析。为了进一步把握全要素生产率、国内R&D资本、服务进口之间的动态关系，我们对以上建立的VAR（3）模型进行脉冲响应分析，即利用脉冲响应函数来衡量随机扰动项的一个标准差冲击对内生变量当前值和未来值所产生的影响。脉冲响应函数的曲线图见图2、图3和图4。
由图2可知，Lntfp对来自Lnsim的冲击产生正响应，并在第四期达到峰值，之后虽逐渐下降，但在第八期后仍然保持较高水平。这说明服务进口对全要素生产率产生长期的积极拉动作用。Lntfp对于当期Lnyf的冲击响应要强于对Lnsim的冲击响应，在第五期达到峰值，随后逐渐降低，这说明国内R&D资本存量对全要素生产率的长期拉动效应更为显著。Lntfp对于自身的一个标准差扰动，在第一期反应较强烈，但之后逐渐下降，从第三期开始一直为负效应。
从图3可看出，Lnyf对于自身的一个标准差冲击，一开始就产生正响应，且呈快速上升趋势，明显要强于对Lntfp和Lnsim的冲击响应。Lnyf对于来自Lntfp的冲击呈现正响应，在第七期达到峰值后逐渐下降，这说明全要素生产率对研发资本存量的增加具有正效应，但正效应的显现有一个滞后期。Lnyf对Lnsim的冲击响应在初始阶段为零，之后逐渐下降，在第五期达到最小值，之后较快上升，从第八期才开始表现出较小的正响应。 图4显示，Lnsim对于来自Lntfp的一个标准差冲击一直呈现负响应，但在第三期达到最小值后一路上升。这说明全要素生产率对服务贸易进口的增加具有负效应，但其负效应在后期逐渐减弱。Lnsim对来自Lnyf的冲击从第一期开始一直呈现正效应，在第四期达到峰值后，逐渐下降。Lnsim对自身的一个标准差扰动的响应存在一定的波动性，但一直呈现正向效应。
4. 预测方差分解分析。在上面的脉冲响应分析中，我们讨论了VAR模型中每个内生变量的冲击如何随着时间的推移对其他内生变量产生影响。下面我们进一步通过方差分解将内生变量的变化分解为与之相关的组成部分，以评价每个冲击的重要程度。对已建立的VAR（3）模型进行预测方差分解，结果见表5、表6和表7。
由表5可知，在第一期全要素生产率只受其自身波动的影响，服务进口、研发资本的影响（即对预测方差的贡献度）在第二期才显现出来，且冲击影响的强度很小，分别为2.517%和3.287%，但随后影响逐渐加强；在第四期，服务进口和研发资本的预测方差分解值分别为19.326%和31.138%，二者之和达到50.464%；从第四期到末期，服务进口和研发资本对全要素生产率的贡献一直维持在一个比较高的水平。结合上面的脉冲响应函数值可知，服务进口和国内研发对全要素生产率的提升有很大程度的促进作用，从影响程度来看，国内研发的促进作用要大于服务进口的促进作用。
从表6可以看出，对国内研发资本存量波动贡献最大的是其自身，一直维持在87%以上。服务进口的贡献很小，基本维持在1%以下。Lntfp对Lnyf的预测方差影响相对较小，在第六期之前一直维持在较低水平，之后才逐渐增强，到第八期达到12%以上，结合脉冲响应函数值，这说明全要素生产率的提升对国内研发的促进作用具有一定的滞后性。
表7显示，服务进口最初受其自身和全要素生产率的影响较大，但随着时间的推移，其自身的影响逐渐降低，从最初的74.657%降低到期末的33.973%，而全要素生产率的贡献则增长较快，从第三期开始一直维持在34.505%以上。研发资本存量对服务进口波动的贡献最初较小，仅为7.909%，但后来基本上呈逐渐上升态势，到末期为31.521%。表7还显示，全要素生产率对服务进口波动的贡献一直要大于国内研发资本存量的贡献，这表明全要素生产率增进带来的增长质量的改善，将对我国服务进口贸易的发展产生积极影响。
四、结论与政策含义
以上实证分析表明，过去25年中，服务进口、国内R&D资本存量与我国全要素生产率的变化存在显著的正相关关系，服务进口每增长1%，我国全要素生产率就提升0.12%，国内R&D资本存量每增长1%，我国全要素生产率就将提高0.15%。尽管在短期内服务进口、国内R&D资本存量与我国全要素生产率的关系可能偏离长期均衡水平，但其回归的速度较快，平均而言，上一年度的非均衡误差以0.142的速度修正全要素生产率增长的偏离。格兰杰因果关系检验结果表明，服务进口、国内R&D资本存量的增长都将促进全要素生产率的提高。基于VAR模型的脉冲响应函数分析与方差分解分析结果显示，服务进口对全要素生产率在长期内产生积极的拉动作用，国内R&D资本存量的长期拉动效应则更为显著；服务进口、国内R&D资本积累对解释全要素生产率的预测方差起着重要作用，而全要素生产率对服务进口、R&D资本存量预测方差的贡献则相对较小。
以上实证研究结果表明，除加强国内自身的研发投入外，我们应当重视服务进口贸易的技术溢出效应，通过分享其他先进国家的研发成果来推动我国全要素生产率的增长。从政策角度来看，以下几方面意义重大：进一步完善服务贸易的法律法规，为服务贸易的发展创造良好的制度环境；加大人力资本投资，这不仅有助于提高我国自身的技术创新能力，也有助于提高对国外研发技术溢出效应的吸收能力；扩大知识和技术密集度高的服务产品进口，尤其是高知识、高技术含量的生产性服务品的进口，以此来学习、消化和吸收新技术；提高服务贸易开放度、鼓励FDI进入知识和技术密集型服务业，从而更大程度地获取商业存在服务贸易的技术溢出效应。
注释：
①生产函数法是目前测算全要素生产率的常用方法，且多采用柯布—道格拉斯生产函数，如彭国华（2005）、张军和施少华（2003）等。
参考文献：
[1]Coe D T，Helpman E. International R&D Spillovers[J].European Economic Review，1995，39 （5）：859-887.
[2]Francois J F. Trade in Producer Services and Returns Due to Specialization Under Monopolistic Competition[J]. The Canadian Journal of Economics，1990，23（1）：109-24.
[3]Rivera B F L. Batiz L. A. R..Europe 1992 and the Liberalization of Direct Investment Flows：Services Versus Manufacturing[J]. International Economic Journal，1992， 6（1）：287-307.
[4]Madden G， Savage S J. R&D Spillovers， information Technology and Telecommunications， and Productivity in Asia and the OECD[J]. Information Economics and Policy，2000，12（4）：367-392. [5]Keller W. Knowledge Spillovers at the World's Technology Frontier[R]. CEPR Discussion，2001：2815.
[6]Robinson S， Wang Z， Marin W. Capturing the Implications of Services Trade Liberalization[J]. Economic Systems Research，2002， 14 （1）：3-33.
[7]Rajan R S， Bird G. Will Asian Economies Gain from Liberalizing Trade in Services[J]. Journal of Development Economies，2002：1061-1079.
[8]Xu B， Chiang E P. Trade，Patents and International Technology Diffusion[J]. International Trade and Economic Development，2005，14（1）：115-135.
[9]OECD. The Linkages between Open Services Market and Technology Transfer[M]. OECD Trade Policy Papers，No.29，OECD Publishing，2006.
[10]Arnold J， Javorcik B S， Mattoo A. The Productivity Effects of Services liberalization：Evidence from the Czech Republic[R]. World Bank，mimeo，2006.
[11]Mattoo A， Rathindran R. Subramanian A.. Measuring Services Trade Liberalization and Its Impact on Economic Growth：An Illustration[J]. Journal of Economic Integration，2006，21（1）：64-98.
[12]Amiti M， Konings J. Trade liberalization，intermediate inputs and productivity[J]. American Economic Review，2007，97（5）：1611-38.
[13]黄建锋.服务贸易与经济增长：理论与实证研究[D].上海：上海社会科学院，2007.
[14]高凌云，王永中.R&D溢出渠道、异质性反应与生产率：基于178个国家面板数据的经验研究[J].世界经济，2008，（2）.
[15]李瑞琴.服务贸易与货物贸易自由化对经济增长影响的差异性研究[J].财贸研究，2009，（3）.
[16]唐保庆，陈志和，杨继军.“服务贸易进口是否带来国外R&D溢出效应[J].数量经济技术经济研究，2011，（5）.
[17]方慧.服务贸易技术溢出的实证研究：基于中国1991—2006年的数据[J].世界经济研究，2009，（3）.
[18]张军，施少华.中国经济全要素生产率变动：1952—1998[J].世界经济文汇，2003，（2）.
责任编辑、校对：曹华青