我国工业行业出口多样化变迁及其生产率效应研究

祝树金 黄一平 张雯娟

问题提出

以Romer(1990)、Grossmann and Helpman(1991)为代表的内生增长模型以及Jones(1998)的半内生增长模型都强调了产品多样化对于长期增长的重要作用;实践中出口多样化被认为是防止一国遭受“资源诅咒”、保持国际收支相对平衡的重要政策手段(韩剑，2009);实证研究也表明出口多样化对于长期稳定增长具有积极的推动作用。关于产品多样化的度量，追根溯源，第一个测度产品差异化的指标是由Hufbauer(1970)提出来的，用一个国家某种出口产品单位值的标准差与其平均值来表示产品的差异，但单位值对于商品结构和国际间运输费用的变化非常敏感，所以该指标很难真实体现产品的差异性。一些研究采用Herfindhl－Hirschman(HH)指数或者熵指数来衡量出口多样化水平。HH指数取值接近于1时，说明对某一种行业的出口依赖较高，因此专业化程度就较高，反之，当其取值接近于0时，则意味着出口多样化程度高(沈程翔，1999;韩剑，2009);在信息论中，熵是对不确定信息的一种度量;利用熵指数可以判断变量分布的离散程度，该方法的优点是可以计算任意分类水平的产品多样化，从而对产品多样化进行分解(Saviotti and Frenken，2008)。这两类指标实际上是间接替代指标，侧重于反映出口分布，即使产品种类扩大，而一国出口产品份额未发生较大改变，这些指数值将不会发生多大改变。

按某种分类标准直接计数是衡量产品多样化最简单、最直接的方法，但是直接计数依赖于产品分类标准，不同分类标准的细分程度不同，计算所得的结果必定会存在很大差异，从而无法准确、唯一地衡量产品多样化。Feenstra(1994)基于CES生产函数构建了度量相对产品多样化的指标(以下简称Feenstra指数):以某个经济体在两个不同时期所有产品种类集上的出口额分别与其在两个时期共有的产品种类集上出口额之比的相对比值来衡量产品多样化(该定义也适合于度量不同经济体之间的相对产品多样化)。许多研究采用该指标度量了出口多样化，并考察了出口多样化对于技术进步和经济增长的影响。Feenstra，Yang and Gary(1999)衡量韩国和中国台湾地区的出口多样化和工业生产率的关系，发现出口商品种类的扩大对TFP的影响作用显著为正;Funke and Ruhwedel(2001)度量了1989—1996年间19个OECD国家相对于美国的进口和出口多样化，发现产品多样化是决定OECD国家人均收入的重要因素;Funke and Ruhwedel(2005)研究了14个东欧转型国家的产品多样化与经济增长的关系，认为尽管东欧转型国家的产品多元化对经济增长的影响开始显现，但其真实作用还有待证实;Broda and Weinstein(2006)实证分析了进口多样化对生产率的作用;Feenstra and Kee(2008)研究了48个国家1980—2000年8个部门的数据，分析得出美国的产品种类在这二十几年中平均增长3.3%，且出口产品种类总的增长解释了出口国家全要素生产率增长的3.3%。Chen(2009)采用我国31个省市、自治区的面板数据，分析了地区出口产品种类增长与全要素生产率的关系，结果发现出口多样化显著影响生产率的增长。已有这些研究主要从跨国层面度量了出口多样化，对于行业层面的实证分析比较缺乏;并且Feenstra指数方法直接采用各国家每种产品当年的实际出口额，可能会受到贸易额的影响，即使产品种类数没有变化，但各种产品的出口量增加，Feenstra指数值也可能会增加，从而导致度量的偏误。本文采用修正的Feenstra指数方法，测算1993—2009年我国33个工业行业出口多样化;基于Romer(1990)的水平创新型内生增长模型，建立分析出口多样化影响技术进步的模型框架，研究出口多样化对技术进步的影响。

工业行业出口产品多样化的度量指标及数据说明

根据Feenstra(1994)、Funke and Ruhwedel(2005)等，假定两个时期(或两个国家)共有的产品集合为I=Ia∩Ib，，那么不同时期或不同国家相对的产品多样化水平①如果对于同一个国家两个不同时期而言，式(1)度量了该国产品多样化的变化。Feenstra(1994)、Funke and Ruhwedel(2005)等采用的是(1)式的对数形式，这与(3)式是等价的。PVa/b可以定义如下:

其中a、b分别表示两个国家或者一个国家的两个时期，第i种产品的价格和数量分别为p和q，I表示产品集合。Funke and Ruhwedel(2005)通过例子说明了上式的经济含义。假设一国在时期a(或国家a)产品集合要大于该国在时期b(或国家b)的产品集合，假设分别为Ia={1，…，Na}和Ib={1，…，Nb}，且Na＞Nb，因此共有的产品集合I=Ib，这样(1)式的分母值为1。如果分子大于1，则说明一国在时期a(或国家a)比时期b(或国家b)的商品种类多;如果产品是对称的，则式(1)就简化为Na/Nb。

其中PVC/A(j)表示t年度第j行业中国相对于美国的出口多样化指数值，I(j)≡IC(j)∩IA(j)表示t年度中国与美国在行业j中出口的相同产品种类集合，IC(j)、IA(j)分别表示t年度中国与美国出口到世界的行业j中的产品种类集合，piC(j)qiC(j )、piA(j)qiA(j)则分别表示整个样本期间中国与美国出口到世界的行业j中第i类商品的年度平均值。

本文细分的工业行业分类参照了盛斌(2002)中的分类方法，以《中国统计年鉴》1994年开始使用的39个中国工业行业分类基准，剔除了非贸易部门自来水的生产和供应业，并将非金属矿采选业和其他矿采选业合并为“非金属矿采选业”，将食品制造业与食品加工业合并为“食品制造与加工业”，这样共有36个工业行业。度量出口多样化需要相当细分的出口产品数据，因为比较粗的分类很难体现产品种类的变化。因此，本文采用1993—2009年按SITC Rev.3(Standard International Trade Classification，Revision 3)的5位码分类的各国出口到世界的产品数据，原始数据来源于联合国贸易发展委员会的国际贸易分类统计数据库，数据选取门槛值为50 000美元，即某种产品在某个年度出口额小于50 000美元，则认为其出口或进口为0。由于缺失“石油和天然气开采业”、“电力蒸汽热水生产供应业”以及“煤气生产和供应业”出口的数据，从而去掉这三个行业，这样最终分析的工业行业样本包括33个行业分类。为了计算各工业行业的出口产品多样化水平，需要建立工业行业与出口产品之间的对应关系。首先把按SITC Rev.3的五位码集结到SITC Rev.3的三位码①把SITC Rev.3的五位码的前3位数字相同归并到同一类，即得到相应的SITC Rev.3的3位码分类，例如五位码分类 55131，55132，55133，55135，55141，55149 可以合并得到三位码分类 551。，同时根据盛斌(2002)建立我国工业行业与SITC Rev.3的5位码出口产品之间的对应关系，从而最终得到重新集结的33个工业行业的出口产品数据。

我国工业行业出口多样化的演变及比较分析

1.我国工业行业出口多样化总体水平的演化趋势分析

根据式(2)计算得到1993—2009年我国工业行业整体的出口多样化的变化趋势(见图1)。在过去的几十年中，由于贸易壁垒的减少、运输成本的下降和技术创新，出口产品的多样化在波动中稳步增长，从1993年的0.963 8增加到2009年的0.987 4。这与一些研究中国出口产品多样化的研究结果相符。Feenstra和Kee(2007)计算了1990—2001年间中国相对于美国的出口产品多样化，结果证明中国出口产品种类以平均每年3.7%的速度增长。从具体变化趋势而言，根据图1可以把我国出口产品多样化的变动趋势划分为四个阶段:第一个阶段是从1993年到1998年间，也就是1992年邓小平南巡以后，我国改革开放深化和加速，出口贸易不仅经历了数量的大规模扩张，而且出口产品种类得到了快速增加。沈程翔(1999)采用Herfindhl－Hirschman指数探讨了我国1980—1997年出口多样化进程，发现我国出口多样化程度提高发生在20世纪80年代中后期，在此前后变动不大，但进入20世纪90年代后，出口多样化程度又有明显提高。第二个阶段是从1998年到2003年，这段时间我国工业出口产品多样化波动幅度不大，在经历回落后继续上升。1997年的亚洲金融危机影响到我国出口的外部需求，在一定程度上抑制我国出口产品的技术创新，但在2001年我国加入WTO以后有明显上升趋势。一些研究表明，贸易自由化的推进有利于促进出口多样化水平的提升。Feenstra and Kee(2007)实证表明墨西哥加入北美自贸区(NAFTA)，美国关税自由化显著增加了来自墨西哥的出口产品多样化。第三阶段是从2003年到2009年，我国工业出口产品多样化波动幅度较大，上升趋势不明显。在这期间，尤其是2007年美国次贷危机的发生以及全球金融危机的爆发，不仅严重影响了我国出口的外部需求，而且也影响了我国FDI企业及国内相关企业的生产和技术创新能力，使得我国出口贸易下滑，出口产品多样化水平在波动中略有下降。

进一步可以结合样本期间出口多样化PV大于或等于1的行业数目的变化来说明我国工业行业出口多样化水平的变化趋势及其阶段性，PV≥1表明我国行业出口产品种类的增加相对而言要大于美国相同行业。根据表1，尽管在某些年份有所波动，但总体上我国工业行业中出口多样化指数大于或等于1的行业个数存在明显上升，从1993年的7个行业增加到2009年的14个行业;相应的，出口多样化小于1的行业个数则从26个下降到19个，这也从另一个角度说明相对于美国，我国工业行业出口多样化水平存在上升趋势。此外，我国工业行业中PV≥1的行业数目的变化也比较符合前文分析的阶段性。例如，从表1可以看到，在1993到1998年，我国工业行业中PV≥1的行业数目存在明显增加，从7个增加到11个;而在2001年前后我国工业行业中PV≥1的行业数目有明显差别，2000年PV≥1的行业数目为10个，并且在此之前PV≥1的行业数目的年平均不到9个;但到2001年PV≥1的行业数目增加到13个，在此之后每年PV≥1的行业数目基本上稳定在13个之上，除2007年外基本上没有多大变动。

表1 各年度出口多样化大于或等于1的工业行业数目

本质上，产品种类的变化包括新产品的出现和旧产品的消失。我国工业出口多样化总的增长趋势说明，我国工业行业新产品增加的速度要显著快于旧产品的退出速度，当然这对于细分的每个行业而言情况又有差异，在下节，本文将进一步分析各行业出口多样化的变化。此外，我国工业行业出口多样化变化的阶段性也表明，外部冲击如金融危机、贸易自由化等可能对我国出口产品的技术创新造成冲击。许斌(2008)发现，中国出口的增长主要依赖于数量的扩张而不是出口品种的增加;钱学锋、熊平(2010)认为中国出口极易遭受外部冲击的原因是中国的出口无论在多边层次还是在双边层次上都以集约的边际占据绝对主导地位，因而当发生外部冲击时，发生出口的急剧波动也就成为必然。

2.分行业出口多样化水平的动态变化及比较分析

根据公式(2)分别得到样本期间各年度我国33个工业行业的相对出口多样化指数值。图2绘出这33个工业行业出口多样化水平的年度平均值及其样本期间的年度增长率。样本期间出口多样化的年度平均值最高的是专用设备制造业，接下来依次为非金属矿采选业、交通运输设备制造业、化学原料及化学制品制造业，样本期间，这几个行业相对出口多样化的平均值要大于1，也就是说我国这些行业的产品多样化水平相对要高于美国。纺织业和服装及其他纤维制品制造业作为我国传统的大宗出口商品行业，其相对出口多样化等于或略大于1，与美国这些行业的出口产品多样化水平相当。出口多样化水平年平均值最低的为其他制造业，略高于该行业的依次为黑色金属矿采选业、有色金属矿采选业以及烟草加工业等，这些行业都是属于资源或劳动密集型行业。而从增长速度来看，黑色金属矿采选业出口多样化增长率的年平均值最高，为8.52%，其次是烟草加工业、石油加工及炼焦业和黑色金属冶炼及压延加工业等;其他制造业的出口多样化增长率的年平均值最低，仅为－2.55%，非金属矿采选业和木材及竹材采运业出口多样化的年度增长率也相对较低，都为－0.38%。

图3绘出了中国出口多样化水平相对靠前的专用设备制造业、非金属矿采选业、交通运输设备制造业、化学原料及化学制品制造业等4个工业行业的变化趋势。自1995年以来专用设备制造业一直有最高的出口多样化水平，并且比较稳定，出口多样化值大约在1.1以上;其他三个行业的出口多样化在样本期间有所波动，但其出口多样化指数的年平均值都在1以上;除少数几年外，样本期间非金属矿采选业、交通运输设备制造业的出口多样化都在1以上水平变动，2005年以来，非金属矿采选业存在明显下降趋势，近两年出口多样化已低于1。总体上我国这4个行业的出口多样化水平要高于美国相应行业，除非金属矿采选业之外，其他3个行业都是资本和技术密集型，这与我国近十多年在这些行业投入增加和技术水平的提高有较大关联。图4则给出了出口多样化水平最低的6个工业行业出口多样化的变化趋势，这6个行业分别为黑色金属矿采选业、有色金属矿采选业、木材及竹材采运业、烟草加工业、造纸及纸制品业以及其他制造业。样本期间这些行业的出口多样化水平在大部分年份都在1以下，均要低于美国同行业的出口多样化水平;烟草加工业自2000年以来，其出口产品多样化一直比较稳定，约为0.989 3，其他几个行业出口多样化水平略有波动。

同样可以结合我国工业行业中PV≥1的行业的变化来进一步说明。相对于样本初期，样本末期我国工业行业中PV≥1的行业数目增加到了一倍，从7个增加到了14个;对比发现，这些新增加的行业主要属于资本和技术密集型行业①根据唐玲(2009)，本文区分了资源和劳动密集型行业以及资本和技术密集型行业，前者有13个行业，后者有20个行业。，例如印刷业、记录媒介的复制，文教体育用品制造业，电器机械及器材制造业，电子及通信设备制造业，仪器仪表及文化办公用机械，化学纤维制造业、橡胶制品业，塑料制品业和金属制品业等。这在很大程度上是源于我国在钢铁有色、化工原料等方面的投资增加以及机电产品技术能力的提升，从而扩大了这些行业出口产品数量和种类较大幅度的提高。正如前文分析所表明的，尽管黑色金属、有色金属矿采选业有较低的出口多样化水平，但黑色金属矿采选业、黑色金属冶炼及压延加工业等行业的出口多样化有较高的增长速度。Li和Murtaza(2007)认为我国在钢铁、化学药品等方面的大规模投资，导致国内生产能力扩张，使得我国在诸如加工材料、化学药品和非燃料原材料等中间产品方面的国内生产能力接近甚至要超过国外。图5进一步绘出了各年度资源和劳动密集型、资本和技术密集型这两类行业中相对出口多样化大于或等于1的行业数目的变化，从变化趋势来看，我国资源和劳动密集型行业中PV≥1的行业数目的变化呈现为先上升后下降的趋势，而资本和技术密集型行业中PV≥1的行业数目的变化呈现明显的上升趋势，在1993年这两类行业中PV≥1的行业数目分别为4个和3个，到2000年都为4个，到2005年资源和劳动密集型行业中PV≥1的行业数目上升到8个，但到样本末期下降到4个;而在2005年资本和技术密集型行业中PV≥1的行业数目为5个，但到样本末期上升到10个，我国资本和技术密集型的出口产品种类存在明显的扩大趋势。

出口多样化影响生产率的模型框架及变量说明

从影响机制而言，首先，产品多样化本身导致了知识资本积累，降低研发成本，提高技术创新率(Grossman and Helpman，1991);其次，产品多样化扩大了产品种类和选择范围，增加了生产的中间投入品选择，降低了企业生产成本，推动生产率提高(Feenstra and Kee，2007);第三，产品多样化能够加深产品的差异化，提高垄断优势(Feenstra and Kee，2008)，新产品的开发和生产可以使生产者获得垄断利润，激励企业从事持续的研发创新活动，从而促进技术进步和生产率提升;第四，产品多样化延伸了生产链条，扩大了市场容量，也往往意味有更多的产品出口到国外，参与国际竞争，市场的扩大将导致更多的干中学或出口中学(learning－by－exporting)机会，通过干中学效应推动技术创新，提高生产率(Funke and Ruhwedel，2002);最后，产品多样化能够解决生产率增长所导致的生产资源闲置问题，在各生产要素投入数量既定的情况下提高生产效率(Feenstra and Kee，2008;Saviotti and Pyka，2004)。本文沿用 Romer(1990)的产品多样化模型框架，进一步建立出口产品多样化影响生产率的计量模型。

“雄关漫道真如铁，而今迈步从头越”。成绩和荣誉对过去的肯定，永不止步的供电员工不会就此放慢前进的步伐，继续努力是德宏电力人不变的追求。面对荣誉，他们任重道远，面对成绩，他们不骄不躁，展望未来，他们充满信心。展望未来，德宏供电人将努力超越，追求卓越，把荣誉作为建设坚强电网工作的新起点，以更加饱满的热情，高昂的斗志、百倍的信心，以敢于创新、敢于胜利的豪迈气概，向着更高、更强的目标扬帆起航。

假设只有一种最终产品Y，其生产投入包括劳动力和中间产品投入，假定最终产品部门采用以下规模报酬不变的生产函数形式。

其中A1是非物化型的技术参数，M衡量了中间产品的种类，假定其是连续的，xj表示最终产品生产过程中第j种中间产品的投入数量，j∈［0，M］;生产弹性系数0＜α＜1。借鉴Benassy(1998)的思想，假定A1是专业化程度或者多样化参数M的函数，即A1=AMθ1，A是影响生产率的其他一些因素。生产函数(3)变为

在均衡中，根据对称性，所有中间投入产品的数量相等，即xj=x，所以

(5)并考虑规模报酬不变的假设得到

根据上式，最终均衡中劳动生产率是关于产品多样化的增函数，生产专业化或者产品多样化的回报率就等于θ1+β。对上式两边取对数有

其中M即为多样化指数，在规模报酬不变的条件下，对以上方程略作变形，并考虑其他控制变量的作用，得到以下我国工业行业层面的基本实证模型。

其中下标i代表行业，t代表时期，vi、ut分别表示截面与时间固定效应，控制所忽略的行业和时间层面因素的影响;εit是随机误差项，与vi、ut以及解释变量都不相关。

上式中y表示每个工业行业的劳均产出，反映每个行业的劳动生产率，以每个工业行业增加值(亿元)除以该行业全部从业人员年平均人数(万人)来表示。k表示每个行业的劳均资本，以每个行业的固定资产净值年平均余额(行业资本投入K，亿元)除以该行业全部从业人员年平均人数(行业劳动力投入L，万人)来衡量。为了消除物价变动的影响，采用以2000年为基期的工业产品出厂价格平减指数对各年度的工业总值、资产净值等进行了修正。PV为前文所计算的每个行业的出口多样化指数。实际中由于缺失各国或者各行业层面的细分的产品生产数据，从而无法直接度量产品多样化指数;而国际贸易统计提供了各国按各种分类标准例如SITC、HS等细分的出口产品数据，因此可以采用细分的出口产品数据来度量产品多样化。此外，正如Addison(2003)以及Nelson and Phelps(1966)、Benhabib and Spiegel(1994)等所强调的，本国与世界技术前沿的技术差距对于经济增长具有重要作用，而这种技术差距对于经济增长的作用又依赖于人力资本水平，总体上体现了落后国家对于技术领先国的技术模仿。通常以美国来代表世界上最先进的生产技术水平，而由Feenstra方法计算出的多样化指数是相对于美国的产品多样化，实际上也代表了我国相对于美国的技术差距，所以在模型中加入了出口多样化对数与人力资本对数的交叉项，其中，人力资本变量h以大中型工业企业科技活动人员占全部从业人员年平均人数的比重来表示。

X表示控制变量集合，包括外商直接投资及其他行业特征变量。大量文献证明了FDI对发展中国家经济增长的重大作用。UNCTAD(1999)和Ram and Zhang(2002)发现了FDI和经济增长的正相关性。因为数据统计方面的缺陷，很难获得我国工业细分行业的实际利用外资额数据，已有一些经验研究一般采用外资企业职工人数、外资企业净资产、外资企业总资产或者外资企业固定资产原始值来表示。本文采用工业行业外商投资及港澳台投资工业企业的固定资产原值(亿元)占各行业固定资产净值年平均余额(亿元)来表示变量fdi。其他行业特征变量包括各行业的总资产贡献率(rtc)、规模经济(lscale)、垄断程度(mon)等。根据统计年鉴说明，一般而言，总资产贡献率反映企业全部资产的获利能力，是企业经营业绩和管理水平的集中体现，是评价和考核企业盈利能力的核心指标，是各行业的(利润总额+税金总额+利息支出)除以平均资金总额得到，税金总额为产品销售税金及附加与应交增值税之和，平均资产总额为期初期末资产之和的算术平均值。虽然关于企业规模与技术创新是否正相关的命题并没有得到完全证实，但是现代研究一般都对“企业存在一个活跃技术创新活动的适度规模”持肯定的态度。一个国家提高本国的市场需求规模，就可能生产和出口更多种类的商品，从而实现经济增长，规模经济变量lscale采用各行业每单位企业的工业增加值来表示。垄断程度变量是采用各工业行业国有及国有控股工业企业全部从业人员年平均人数与该行业全部从业人员年平均人数之比衡量。此外，模型中还考虑了因变量的滞后项，这不仅反映了技术进步的累积效应，而且也在一定程度上能够涵括模型中其他解释变量的滞后作用以及除以上控制变量之外的因素的作用。因此，模型(8)具体扩展为:

同时，本文也采用行业的全要素生产率(tfp)来衡量行业的技术进步，全要素生产率的计算是基于行业面板数据，采用包括劳动投入(L)和物质资本投入(K)的柯布－道格拉斯生产函数和双向固定效应模型估计得到。在用全要素生产率(tfp)的对数作为被解释变量时，以上回归模型中不再包含ln(kit)项，模型变为:

根据我国工业行业数据的可获得性，本文实证的样本区间为1999—2009年，各行业固定资产净值年平均余额、工业增加值、全部从业人员年平均人数、总资产贡献率、企业单位数等数据来源于《中国统计年鉴》相应年份;各行业外资企业固定资产原值数据来源于各年度《中国工业经济统计年鉴》;各行业科技活动人员数据来源于各年度《中国科技统计年鉴》。

估计方法与实证结果分析

本文考虑到时间和截面层面的异质性，本文首先采用包括截面和时间固定效应的双向固定效应方法估计未包括滞后因变量的模型(9)或(9')。但正如Addison(2003)所阐述的，不仅出口多样化影响技术进步和经济增长，反过来，经济增长和技术进步也可能影响到出口多样化，因此回归方程(9)或(9')可能存在估计的内生性问题，尤其是模型右边解释变量中包括因变量的滞后项将进一步加剧该问题。这样采用普通最小二乘法估计就会有偏和不一致，本文进一步采用动态面板数据方法或广义矩估计(GMM)方法进行估计，GMM方法包括一阶差分GMM和系统GMM方法。一阶差分GMM方法利用因变量和其他内生变量的高阶滞后项作为工具变量，但水平变量的滞后项对于变量未来的变化包含较少的信息，尤其是在该变量接近于随机游走时，对于其一阶差分项，它是较弱的工具变量(Blundell and Bond，1998;Baum，2006)。Arellano与Bover(1995)、Blundell与Bond(1998)建议将初始的水平方程也增加到方程系统里，提出系统GMM估计(System－GMM estimator):水平方程估计使用内生变量的滞后差分作为相应内生变量的工具变量，一阶差分方程估计使用水平变量的滞后项作为相应的工具变量，从而修正了差分GMM方法。在模型估计中可以检验误差项的自相关性，以确定初始的滞后阶数:如果估计模型的残差项存在i阶自相关，就表明内生变量的前i阶滞后作为工具变量是无效的，则从第i+1阶滞后开始指定工具变量。系统GMM估计结果包括一步估计(one－step estimator)和两步估计，尽管两步估计量更有效，但仅适用于相对大的样本，否则会存在较大的系数估计偏误(Madariaga and Ponce，2007)。实证估计结果见表2。

表2中各行业的人均资本的对数项一直有显著正的回归系数，其对于行业劳动生产率具有积极的正向作用，从而说明行业资本的深化有利于行业劳动生产率的提高。不论是采用人均工业增加值的对数项，还是以全要素生产率的对数项作为被解释变量，出口多样化指数的对数项的回归系数总体上都显著为正，且不依赖于估计方法，各行业出口多样化水平的提高促进行业技术进步和生产率的提高。人力资本对数与出口多样化对数的交叉项也一直有显著正的回归系数，说明行业人力资本积累和出口多样化水平的提升具有互补性，从另一个角度来理解，正如前文所言，这里的相对出口多样化变量实际上也反映了我国各工业行业距离世界技术前沿(以美国来表示)的差距，其数值越大，就意味着其距离世界技术前沿差距越小，而其与人力资本变量的交叉项反映了落后国家的技术模仿效果。实证结果表明，技术差距越小，越有利于行业的技术模仿，技术进步就越快。控制变量中，外商直接投资和反映行业垄断程度的变量的对数项的回归系数不显著，而总资产贡献率和规模经济具有稳健的、显著正的回归系数。总资产贡献率反映企业全部资产的获利能力，是采用各行业的(利润总额+税金总额+利息支出)除以平均资金总额来衡量，其在模型中显著正的回归系数表明，企业的资产获利能力越强，越有利于行业的技术进步;行业规模经济效应在一定程度上推动了行业生产率的提高和技术进步的扩大。行业垄断对于技术进步可能具有正反两方面的影响效应。现代产业组织理论认为产业的集中度越高，技术创新越活跃;按照熊彼特的观点，垄断是企业家愿意投资于创新活动的源泉，没有垄断利润就不会有创新的动力;但另一方面，行业的垄断程度越高，越不利于行业内企业的竞争，不利于行业技术水平的提升。本文的实证结果并没有得到支持性证据表明何种效应更为显著。

表2 双向固定效应和系统GMM方法估计结果

续 表

结 论

采用按SITC Rev.3的五位码分类的贸易产品数据，结合修正的Feenstra指数方法，度量了1993—2009年我国工业行业整体以及各行业相对于美国的出口多样化水平。样本期间，我国工业行业整体的相对出口多样化水平在波动中上升，但存在阶段性变化。从各行业的情况来看，出口多样化水平相对高的是专用设备制造业、非金属矿采选业、交通运输设备制造业、化学原料及化学制品制造业，以及传统的纺织业、服装及其他纤维制品制造业等大宗出口行业;而黑色金属矿采选业、有色金属矿采选业以及烟草加工业等行业的出口多样化水平相对较低;相对于美国，我国出口多样化水平PV不低于1的工业行业数目从样本初期的7个增加到样本末期的14个，尤其是资本和技术密集型行业中PV≥1的行业数目明显增加，由样本初期的3个增加到样本末期的10个。进一步基于水平创新型的内生增长模型框架，建立计量模型，采用静态的双向固定效应方法和动态面板数据方法估计出口多样化对于我国工业行业生产率的影响效应。结果表明，无论是以劳动生产率为因变量还是以全要素生产率为因变量，行业出口多样化变量都有显著正的回归系数，并且不依赖于估计方法，说明行业出口多样化水平的提升促进了生产率的提高;出口多样化与人力资本积累之间存在互补效应。总资产贡献率和行业规模对于行业生产率的提高也具有积极的影响，但行业垄断程度对于生产率的影响作用不显著。

正如内生经济增长理论及相关实证所表明的，出口多样化水平的提高，一方面说明更多的新产品增加，体现了技术创新水平的提高，另一方面，产品种类的增加，也扩大了外部市场，从而创造了更多的学习空间和范围，这样就能接触更多的适应性技术，反过来就会激励其去模仿和改进原有的技术水平，最终促进技术进步。我国自改革开放之后对外贸易总量一直保持着高速增长，但是我国对外贸易结构特别是出口结构却存在着一定的问题，而由此所产生的贸易依存度不断提高、国际贸易摩擦加剧等问题严重影响了我国出口贸易和经济增长的可持续发展。因此，优化我国的出口结构，实施出口商品多元化战略，加大自主创新力度，提高出口商品的技术含量势在必行。而其关键是要进一步推动企业进行自主创新，加强新产品的研发和生产，不断扩大出口产品种类;优化要素结构和提升要素质量，为提高出口多样化水平奠定基础;新产品的研发实际是一个成本发现过程，而一国从事该类成本发现的企业数量对于经济的技术进步具有重要的影响(Hausmann等，2007)，因此应加大对从事新产品开发的企业进行研发补贴。

［1］韩剑.出口多样化与经济增长:理论及对中国的经验研究.国际贸易问题，2009(8):23－29

［2］Saviotti P.P.and K.Frenken.Export Variety and the Economic Performance of Countries［J］.Journal Evolutionary Economics，2008，18:201 －218

［3］Feenstra，Robert C.New Product Varieties and the Measurement of International Prices.American Economic Review，1994，84(1):157 －177

［4］Funke M.and Ruhwedel R.Product Variety and Economic Growth:Empirical Evidence For the OECD Countries.IMF Staff Papers，，Palgrave Macmillan Journals，2001，48(2):225 －242

［5］Funke M.and Ruhwedel R..Export Variety and Economic Growth In East European Transition Economies.Economics of Transition，2005，13(1):25 －50

［6］Broda，C.and D.Weinstein.Globalization and the Gains From Variety.Quarterly Journal of Economics，2006，121(2):541－585

［7］Feenstra Robert C，and Hiau Looi Kee.Export Variety and Country Productivity:Estimating the Monopolistic Competition Model With Endogenous Productivity.Journal of International Economics，2008，74:500 －518

［8］Chen Bo.Export Variety and Productivity in China.见:国际经济和金融学会中国(IEFS中国)2009年第一届国际学术会议论文集

［9］Feenstra Robert C.and Hiau Looi Kee.Trade Liberalisation and Export Variety:A Comparison of Mexico and China.The World Economy，2007，30:5－21

［10］盛斌.中国对外贸易政策的政治经济分析.上海:上海人民出版社，2002

［11］钱学锋，熊平.中国出口增长的二元边际及其因素决定.经济研究，2010(1):65－79

［12］Li Cui and H.S.Murtaza.The Shifiting Sturcture of China’s Trade and Production.IMF Working Paper，2007，214(7):1 －29

［13］唐玲.国际外包率的测量及行业差异:基于中国工业行业的实证研究.国际贸易问题，2009(8):66－74

［14］Addison Douglas M.Productivity Growth and Product Variety:Gains from Imitation and Education［Z］.World Bank Policy Research Working Paper No.3023，2003，3

［15］Ram R.and K.H.Zhang.FDI and Economic Growth:Evidence from Cross－ country Data for the 1990s［J］.Economic Development and Cultural Change，2002，51(1):205－14

［16］Baum C.F.An Introduction to Modern Econometrics Using Stata［M］.Stata Press，2006

［17］Blundell R，and S.Bond.Initial Conditions and Moment Restrictions in Dynamic Panel Data Models［J］.Journal of Econometrics，1998，87:110 －43

［18］Hausmann R.，J.Hwang and D.Rodrik.What You Export Matters［J］.Journal of Economic Growth，2007，12:1 －25