高质量发展下对外贸易效率评价及影响因素——基于长江经济带11省市的实证分析

王 敏，范佳缘，王丽洁，符 磊

（1.河海大学 商学院，江苏 南京 211100；2.山东大学 经济学院，山东 济南 250100）

一、引 言

新时代我国经济的高质量发展必然要求开放型经济的高质量发展［1］，而对外贸易是我国开放型经济的重要组成部分，是畅通国内外双循环的关键枢纽。为此，《“十四五”对外贸易高质量发展规划》强调，要以创新驱动推动外贸质量变革和效率变革等。长江经济带作为中国陆海双向对外开放新走廊［2］，占据了国内近一半的对外贸易比重。在构筑高水平对外开放新高地过程中仍面临传统比较优势减弱、贸易层次较低和贸易结构失衡等问题［3］。2018 年“长江经济带高质量发展”国家战略的实施，为长江经济带外贸高质量发展带来了新机遇。在此背景下，科学客观地评价其对外贸易效率，衡量外贸发展水平，对拓展长江经济带对外开放新格局，推动外贸高质量发展具有重要现实意义。

外贸高质量发展可以理解为生产中各种要素组合达到更高效配置的过程，是“量”和“质”都持续增长的发展方式，而质的提升是外贸竞争力的根本保证［4］。Cheptea 等［5］将出口贸易的增长因素进行分解，发现竞争力因素是中国出口额迅速增长的根本原因。可用贸易效率来体现竞争力，它与贸易效益成正比，是指使用相同投入取得更多的经济产出［6］，技术效率（TE）和全要素生产率（TFP）这两个指标可衡量贸易效率的提升［7］。数据包络分析方法（DEA）及其拓展模型在指标选取和权重设定时克服了主观性，在处理多输入和多输出的多目标决策问题上具有显著优势，因此被广泛应用于贸易效率的测算。张志强和张玺［8］运用DEA-BCC 模型和RD-Malmquist 模型测算了我国高新技术行业出口贸易效率，并对如何提升我国出口贸易国际竞争力提出建议。从贸易空间格局变迁角度出发，李振福等［9］运用DEA-Malmquist方法，从区域和时空演化方面对中国与“一带一路”沿线国家的经贸效率进行评价。夏芸和玉琦彤［10］研究了“一带一路”沿线我国境内18个省份贸易效率的区域分布特征。从贸易效率影响因素出发，吴兆丹等［11］重点分析“一带一路”沿线各国对我国外贸的影响。王勇和黎鹏［12］在分析贸易效率影响机理上，充分考虑了RCEP 伙伴国经济密度。李博英［13］立足新发展格局，测算中国与“一带一路”沿线国家的贸易效率和贸易潜力，并对两者影响因素进行分析。

现有研究从不同方面探讨了外贸发展水平及其影响因素，其在外贸高质量发展这一领域仍有拓展空间，具体存在以下两点不足：①已有的研究样本集中在“一带一路”沿线省份和国家，研究对象多为单一部门的主要产品，鲜有针对长江经济带这一区域整体对外贸易效率及其影响因素的研究，也缺乏基于外贸高质量发展和“长江经济带高质量发展”背景的动态研究，不利于探究外贸发展的提升路径；②既有研究提出了贸易潜力、贸易效率概念，却未对贸易效率含义做出清晰界定，导致贸易效率理论边界模糊，也不利于开展相关的实证研究。因此，基于高质量发展背景，从外贸效率角度出发，采用DEA-Malmquist-Tobit 模型，构建长江经济带对外贸易水平评价体系，从静态和动态两个角度评估2010—2019 年长江经济带沿线省市对外贸易效率，并分析其影响因素。在研究结论的基础上，探寻长江经济带对外贸易高质量、高效、协调发展的有效途径。

二、研究方法

（一）DEA-Malmquist模型

DEA 模型可评价具有较复杂生产关系的决策单位，且无须指定投入产出的生产函数形态，是当前使用较为广泛的效率评价方法。Banker 等提出了以规模报酬可变为假设条件的BCC 模型［14］。通过以下形式来判断决策单元是否有效：

其中：Yk表示第k个决策单元的综合效率，也称为技术效率；yrk表示第k个决策单元的第r个产出变量；λr表示第r个产出变量的权重系数；θk表示第k个决策单元的规模报酬指标。式（2）中：θi表示第i个投入变量的权重系数；xik表示第k个决策单元的第i个投入变量。

DEA只能对决策单元的相对效率进行评估，无法获知该决策单元的纯技术效率（Pech）和规模效率（Sech）的变动情况。为了改进传统DEA 模型无法反映决策单元效率变动的缺点，Fare等［15］将传统DEA 模型与Malmquist 指数相结合，同时将Malmquist指数分解成技术效率变化（Effch）与技术进步变化（Techch），使其适用于各个领域的动态效率测算。其中，全要素生产率（Tfpch）表示对外贸易综合效率，技术效率在规模报酬可变动的基础上分解为纯技术效率指数和规模效率指数，如果指数变动大于1，说明效率有改进，否则效率下降。该指数的表达如下：

（二）Tobit回归模型

Tobit 回归模型由Tobin 提出，属于受限因变量模型的一种，其基本思想是从全部模型中随机抽取n组样本观测值，观测n组样本最大概率的估计量，从而计算出最合理的参数估计量［16］。由于DEA模型测算出的对外贸易效率值介于0～1之间，且是相对聚集的离散数值，故本文使用Tobit 回归模型进一步分析对外贸易效率的影响因素及其影响程度。Tobit模型数学表达式如下所示：

其中：Y为对外贸易综合效率；X为自变量；β是自变量对应系数；n为省市样本数；r为对外贸易效率影响因素数量；ε为随机误差项，且服从正态分布。

三、指标选取与数据来源

（一）指标选取

1.效率评价指标

（1）投入指标。综合相关学者的研究成果［17］和要素禀赋论，本文选取人力资本和技术创新为投入指标。第三产业从业人员数量的增加能从侧面反映出劳动生产率的提高和产业结构的优化［18］，进而推动对外贸易的高质量发展。因此，本文以第三产业从业人员数占总就业人员数的比例反映人力资本投入。技术创新带来的技术进步是对外贸易的首要驱动因素［19］，技术进步会促进对外贸易效率的提升。鉴于长江经济带省市间技术资本投入存在差异，并考虑数据的可得性，本文以R&D经费支出作为技术创新的衡量指标。

（2）产出指标。借鉴欧阳强和谢兮晨［20］对外贸易发展评价体系的构建思路，本文选取贸易开放水平和贸易竞争优势两个指标作为贸易效率的产出变量。采用贸易依存度代表区域贸易开放水平，也称为TO 指数，是地区对外贸易进出口总额与当地国内生产总值的比值，反映外贸活动对当地经济发展的影响［21］。以X表示出口额，M表示进口额，其具体公式为：TO=(X+M)/GDP。贸易竞争优势也称TC 指数，是进出口贸易差额与进出口贸易总额之间的比值。该指标剔除了通货膨胀等宏观经济因素的影响，是衡量国际贸易竞争力的常用指标［22］。其具体公式为：TC= (X-M)/(X+M)。

对外贸易效率评价指标体系见表1所列。

表1 对外贸易效率评价指标体系

2.效率影响因素指标

为进一步研究影响长江经济带对外贸易效率的因素，综合相关学者的研究成果及数据的可得性、科学性，确定4 个一级指标，5 个二级指标作为解释变量：①产业结构。外贸结构的优化必须以产业结构的转型升级为前提，在开放经济条件下，产业结构决定了地区对外货物和服务贸易的规模与结构，是贸易结构变动最主要的因素［23］。本文使用第二、第三产业占地区生产总值比重来衡量产业结构水平。②投资情况。外商直接投资是地区经济发展资金来源的重要组成部分，外商直接投资大量流入中国所带来的先进生产技术和管理理念，会促使对外贸易规模的爆炸式增长，同时技术溢出会促进东道国的产业升级和出口［24］。本文选取外商直接投资作为投资指标。③从业人员教育水平。新经济增长理论认为，人力资本是一国经济增长的动力和源泉，同样也是贸易增长的动力源泉，人力资本素质的提高是中国制造业出口和对外贸易结构升级的关键因素［25］。本文选取大专及以上从业人员占比作为人力资本水平衡量指标。④新型基础设施。新技术革命缩短了产业链和价值链，加速了对外贸易方式的转变，传统货物贸易向数字贸易转型［26］，会促进贸易效率的提升。新技术发展催生了新型基础设施，2020 年，国家发改委明确了新型基础设施的范围。本文选取互联网端口接入数作为新型基础设施的衡量指标。上述各影响因素指标体系见表2 所列。

表2 对外贸易综合效率影响因素指标体系

（二）数据来源

本文以2010—2019 年为研究期间，基础数据均来自《中国统计年鉴》《中国劳动统计年鉴》及长江经济带11省市统计年鉴。由于DEA模型要求数据非负值，本文对长江经济带11省市贸易竞争优势指标数据进行无量纲化［27］处理，具体方法如下：

四、实证分析

（一）DEA-BBC模型静态效率分析

以长江经济带沿线11个省市2010—2019年的数据作为样本，采用DEA-BCC模型，利用DEAP2.1软件测算对外贸易效率，样本期间平均效率情况如图1所示。

图1 2010—2019年长江经济带平均对外贸易效率

从整体上看，综合效率呈波动上升的趋势。2010—2016 年长江经济带平均对外贸易效率波动上升，但在这期间纯技术效率处于较低水平，尤其是2014—2015 年对外贸易平均综合效率下降，这一时期对外贸易呈不合理发展状态。自2017年政府工作报告中首次提出“经济高质量发展”这一概念后，长江经济带综合贸易效率开始呈稳步上升趋势。尤其是2018年“长江经济带高质量发展”国家战略和2019 年《关于推进贸易高质量发展的指导意见》的相继出台，进一步推动了长江经济带平均对外贸易效率的提高。平均综合效率自2017年起增速加快，2019年达到0.711，为近10年的最大值。2017年后对外贸易平均效率的快速增长是由纯技术效率和规模效率整体上升带动的，长江经济带沿线省市政策的扶持、产业结构的调整和R&D 经费投入的增加，使得省市间经济联系紧密。企业产品销路变广、利润空间加大，赢利再投资以占据更大的市场份额，形成一定的规模效益，促使长江经济带形成下中上游错位发展的对外贸易分工格局，呈现高质量发展新态势。2017—2019 年，纯技术效率的增速明显落后于规模效率的增速，主要原因在于长江经济带高质量发展是一个长期工程，技术创新能够促进经济高质量发展［28］，但其成果转化需要时间。规模效率自2017年开始稳步上升，说明“长江经济带高质量发展”国家战略有助于促进贸易规模的扩张、贸易领域的拓宽以及贸易结构的完善［8］，省市间形成了良好的经贸合作伙伴关系，促进了对外贸易体系相互协调和共同发展。

2010—2019 年长江经济带各省市平均对外贸易效率见表3所列。

表3 2010—2019年长江经济带11省市平均对外贸易效率

由表3可知，10年间综合效率有效的共有3个省市，分别为上海、贵州和云南；纯技术效率差异较大，规模效率整体在0.7以上，较为有效。可以看出，综合效率和技术效率呈现“两边高、中间低”的分布特点。上海借助其优越的地理位置以及雄厚的经济基础，引进国外先进的工业技术和生产模式，发展现代化的新型产业，是长江经济带对外贸易前沿。值得注意的是，贵州和云南两省综合效率、纯技术效率和规模效率也是有效的，这是因其拥有发达的茶叶、鲜花业以及邻近南亚地区的产业与区域优势，能够有效减少资源浪费，提升贸易效率。可以预见，未来的长江经济带发展趋势将会是在“长江经济带高质量发展”国家战略的部署下，打造一个“沿海—内陆”的全方位、多层次的对外贸易新格局。

（二）Malmquist指数模型动态效率分析

为进一步考察对外贸易效率的变动情况，利用Malmquist指数从动态角度对经济带11省市对外贸易效率作做一步分析。图2 为长江经济带对外贸易效率Malmquist 指数按年度分解结果，由图2 可见，2010—2019年全要素生产率总体呈上升趋势，纯技术效率变化和规模效率变化整体平稳增长。2010—2012 年全要素生产率大幅度提升，之后的5年全要素生产率虽有少许波动起伏，但基本保持稳定。2017—2018年全要素生产率为0.906，其原因是技术进步变化带动全要素生产率的变化。2016年《长江经济带发展规划纲要》规划了长江经济带发展的宏伟蓝图，之后提出“经济高质量发展”概念，长江经济带11省市企业积极开展相关项目技术创新、主动研发新产品和提高产品竞争力，以应对日趋复杂的国际贸易形势。2018—2019年全要素生产率突破1，说明在“长江经济带高质量发展”国家战略的有效实施下，经济带省市间不断推动产业协同合作和联动发展，追求对外贸易额增长的同时也重视技术投入以及外贸管理，从而提升了贸易效率。

图2 2010—2019年长江经济带对外贸易效率Malmquist指数分解结果

2010—2019 年长江经济带沿线11 省市对外贸易效率Malmquist 指数分解结果见表4 所列。2010—2019 年各省市全要素生产率均值为0.835，这主要是因为贵州、云南两省全要素生产率较低，拉低了整体表现。经济带整体技术进步变化不足，上升空间大。技术效率变化、纯技术效率变化和规模效率变化都超过了1，整体发展态势良好，说明“长江经济带高质量发展”战略有助于促进沿线省市生产要素的合理流动，企业通过有效整合社会资源并加以利用，以实现更大的规模效益。

表4 2010—2019年长江经济带11省市对外贸易率Malmquist指数分解结果

续表4

将长江经济带11省市划分为下、中、上游三个区域。下游包括上海、江苏、浙江和安徽；中游包括江西、湖北和湖南；上游包括重庆、四川、贵州和云南。分区域对外贸易效率Malmquist指数分解结果见图 3 所示，由图 3 可见，2010—2019 年各区域的平均全要素生产率呈现“下游＞中游＞上游”的分布特点，下游城市全要素生产率为0.909，未超过1。在当前国际贸易形势低迷以及国内产业结构调整升级的情况下，上海、江苏等开放前沿区域技术投入受到了严重冲击，承受着更大的对外贸易效率下行压力。但下游城市开放程度在长江经济带处于领先地位，经济发达，地势平坦，沿海城市港口交通基础设施建设完善程度高，引领着中、上游城市的发展。驱动中游城市全要素生产率进步的是纯技术效率变化和规模效率变化的整体上升，分别达到了1.111和1.046。中游城市均为内陆城市，没有沿海的先天优势，而“长江经济带高质量发展”战略实施所形成的基础设施的互联互通，区域之间坚持技术交流与研发成果共享，形成优势互补，促进了中游城市优化资源配置和产业结构的调整升级。上游城市全要素生产率均值仅为0.699，主要是由技术进步率低所导致的。云南、贵州两省原有对外贸易基础相对薄弱，但在“长江经济带高质量发展”国家战略实施后，中、下游的资金流入和技术支持，使得2018—2019年上游四省市技术进步变化达到了0.628，充分说明战略实施有助于强化企业的竞争意识，促使企业担当创新主体，以应对激烈的外贸竞争。

图3 2010—2019年长江经济带区域Malmquist指数分解结果

（三）对外贸易效率影响因素分析

利用STATA软件对2010—2019年长江经济带11省市对外贸易综合效率及相关变量做Tobit模型分析，同时为减少共线性对结果的影响，对非比值类指标进行对数化处理，结果见表5所列。

表5 长江经济带11省市对外贸易综合效率影响因素回归结果

由表4回归结果发现：①产业结构中的第二产业占比不显著，第三产业占比与对外贸易综合效率正相关且显著，说明第三产业占比高，产业结构趋于合理，外贸结构持续优化，进而促进对外贸易效率的提升；②外商直接投资与对外贸易效率显著正相关，表明长江经济带11 省市在接收外商投资的同时，引入了先进的管理、技术以及经验，促进了国内产品生产与国际需求的进一步匹配，优化了出口商品结构，减少了资源错配，促进了对外贸易效率水平的提升；③大专及以上从业人员占比与对外贸易效率显著正相关，长江经济带外贸结构转型升级释放出更多的人才需求，从业人员的教育水平将会发挥显著作用，为经济带的产业布局提供强大的人才支撑，助力外贸高质量发展；④新型基础设施中的互联网端口接入数对对外贸易效率具有显著的促进作用，反映了区域网络发达程度，高效的信息传递能够更大程度地保证外贸合作的及时和高效，在实际外贸交易中发挥着举足轻重的作用，成为长江经济带对外贸易高质量发展的新动力。

五、研究结论与政策建议

本文基于DEA-Malmquist-Tobit模型，对2010—2019年长江经济带11省市对外贸易效率从静态和动态两个方面进行测度与分析，并选取5个环境因素研究其对外贸效率的影响，研究结果如下：①从效率评价结果来看，总体上长江经济带对外贸易综合效率呈波动上升趋势。“长江经济带高质量发展”战略的提出、产业结构的调整和科技创新的投入带动了效率的提高。外贸效率省际差异较大，仅上海、贵州和云南DEA 有效，中游城市群尤其是两湖地区表现不佳拉低了效率均值。②从Malmquist指数分解来看，2010—2019 年长江经济带11 省市全要素生产率总体呈上升趋势，2019 年全要素生产率突破1。下中上游城市效率差异大，政策的实施推动了城市的协同发展。③从Tobit 回归结果来看，第二产业占比对综合效率具有负向影响，第三产业占比、外商直接投资、大专及以上从业人员占比、互联网接入端口数对长江经济带对外贸易综合效率具有正向影响。

基于研究结论，为提升长江经济带对外贸易效率水平，推动外贸高质量发展，本文提出以下建议：

（1）加强省际、区域合作，发挥对外贸易集聚效应。各省应积极发掘当地优秀资源，厘清产业链薄弱环节，避免产业同构和低水平竞争，加强不同产业集群之间的融合互动。发挥核心城市的资本、技术强项作用，引导劳动密集型产业有序转移，推动下中上游联动发展、协同发展。

（2）优化产业、投资结构，营造健康高效的外贸投资环境。合理规划固定资产投资规模以及投资领域，鼓励引导外商直接投资向高新技术以及技术创新型领域延伸，创新外商投资利用方式，紧密结合集约引资和外贸产业转型升级，优化出口商品结构，减少资源错配，促进对外贸易效率水平的提升。

（3）注重技术进步与创新，培育本土企业竞争优势。强化企业创新主体地位，认准实体经济是经济发展的着力点，加大对创新企业、中小微企业的扶持力度。完善科技成果保护机制，促进产学研有效衔接，不断推动跨区域通力合作。同时不断推动科技成果转化，使先进制造业集群具有国际竞争力，使产业链供应链自主可控、安全高效并能够为全国服务。

（4）推进基础设施建设，改善外贸基础设施条件。缩小长江经济带对外贸易区域差异，完善交通网络，增强中游和上游城市群的水运、铁运与上海、江苏、浙江的合作机制，提高海陆联运效率，减少冰山运输成本。完善信息网络，充分发挥互联网的作用，推动新型基础设施建设，促进5G技术、大数据、工业互联网等新基建的发展，提升贸易高质量发展内生动力。