全球生产网络是否提升了全要素生产率？

梁经伟， 钟世川， 毛艳华

(1.常州大学 吴敬琏经济学院， 江苏 常州 213164；2.广东金融学院 经济与贸易学院， 广东 广州 510521；3.中山大学 港澳珠江三角洲研究中心， 广东 广州 510275)

推动形成以国内大循环为主体、国内国际双循环相互促进的新发展格局是以习近平同志为核心的党中央根据我国发展阶段、环境、条件变化作出的战略决策，充分展现了我国不仅重视国内大循环，而且强调国内循环和国际循环的有机联动发展。当前国际分工日益深化，各经济体利用自身要素禀赋，以特定工序、环节和价值区段逐步嵌入全球生产网络。而资本和中间产品的全球流动带来了以知识、技术和观念为代表的溢出效应，超越了传统国际经济理论所揭示的资源优化配置效应，不仅促进了产业链升级，还强劲地带动了经济增长和区域发展。在全球生产分工网络体系下，各经济体按照统一的国际标准生产，有助于扩大自身产品的消费市场，实现规模经济效应，提高生产效率[1]。然而，当前国际形势错综复杂，世界经济不仅饱受新一轮贸易战的冲击，还面临新冠肺炎疫情的影响。2018年中美贸易摩擦不仅给中美两国带来了重大的福利损失，也对全球生产网络中的日本、德国和加拿大等经济体造成了福利损失[2]。新冠肺炎疫情给中国带来的产能损失也通过全球生产网络对上下游经济体造成了严重冲击[3]。目前，全球生产网络主要由美国、德国及日本为代表的发达经济体主导，众多发展中经济体仍处于全球生产网络的边缘[4]。双循环战略部署为我国应对百年变局与世纪疫情提供了有效路径，是推动我国经济高质量发展的关键驱动力量，而全要素生产率(total factor productivity，TFP)刻画了生产活动在某一特定时间内的效率，是经济增长最重要的动能。因此，在新一轮国际生产经营活动下，有必要研究全球生产网络能否提升全要素生产率这一命题，为我国更好地发挥生产要素优势，从而提升全球竞争力、实现产业升级和经济高质量发展提供理论指导。

一、文献综述

长期以来，关于全球生产网络与全要素生产率之间的关系备受学界关注。已有研究主要基于技术进步视角，如技术的溢出效应、学习效应以及市场规模效应等，得到了三种不同的结论。

一是全球生产网络通过资本与贸易的全球流动，对全要素生产率产生提升作用。Feenstra & Hanson[5]通过分析国际外包和发展中经济体劳动力相对需求的内在联系发现，国际外包会扩大发展中经济体对技能劳动力的需求，助推发展中经济体全要素生产率提升。Baldwin & Yan[6]、黎峰[7]发现，嵌入全球生产网络能够引致产业技术的学习效应和规模经济效应，显著提升发展中经济体的生产效率。Keiko et al.[8]、Chen et al.[9]利用微观企业数据研究发现，全球价值链分工可以有效提升发展中经济体的生产效率，其作用机制是发展中经济体在参与全球生产分工过程中可以利用全球产业组织与发达经济体跨国公司带来的技术溢出。

二是全球生产网络对全要素生产率具有抑制作用。Cattaneo et al.[10]基于微观企业视角的研究指出，吸收能力决定技术转化能力，当参与全球生产分工时，低利润使得生产资料无法更新改造，造成企业吸收能力低下，最终无法获得技术溢出效应，阻碍了生产效率提升。伴随着全球价值链嵌入程度的加深，发达经济体往往会对发展中经济体的技术进步领域进行封锁，导致发展中经济体处于全球代工体系的低端环节，产生“低端锁定”风险，生产效率停滞不前甚至倒退[11]。而且在全球生产网络体系下，大多数发展中经济体从事低技术产品的生产与出口，只有少数发展中经济体具有出口稍高技术产品的能力，并且它们的生产效率增长几乎为零[12]。

三是全球生产网络与全要素生产率之间具有非线性关系。基于溢出效应和反馈效应的研究发现，参与全球生产网络对生产效率在短期具有抑制效应，在长期则具有提升效应[13]。Humphrey & Schmitz[14]发现，早期阶段嵌入半层阶级生产网络有利于发展中经济体企业生产效率的提升，但深度嵌入后则可能处于“锁定”状态，此时处于领导地位的发达经济体企业可能会阻碍发展中经济体企业在国际分工中的功能升级，导致技术溢出效应停滞，从而阻碍全要素生产率增长。吕越等[15]利用中国制造业企业数据研究发现，全球生产网络与企业生产效率之间存在“倒U型”关系。

综上来看，基于技术进步视角考察全球生产网络对全要素生产率影响的研究较为成熟，无论两者是何种关系，均为基于全球生产网络的溢出效应和规模效应的研究，缺少基于全球生产网络配置效应对生产效率的探讨。另外，已有研究大多以参与度指标作为全球生产网络的代理变量，忽视了生产网络内部的投入产出关联。与以往同类研究相比，本文的创新之处可能在于：第一，在传统研究的基础上，充分考虑生产网络内部的投入产出关联，以节点中心度作为刻画生产网络的指标，为研究全球生产网络对全要素生产率的影响提供新视角；第二，探讨全球生产网络的配置效应，检验人力资本与资本化率对全要素生产率的作用，从而为各经济体尤其是发展中经济体在全球生产网络体系下提升全要素生产率提供理论指导，丰富对全球生产网络的认识。

二、理论分析与研究假设

基于产业链各级产品的投入产出关联，全球生产网络将世界各国紧密联系在一起，具有共享经济发展成果的作用。一国参与全球生产网络，可以获取知识溢出，促进知识的交互整合，推动创新与自身生产效率的提升。也就是说，全球生产网络具有普惠性，通过网络中知识的流动与共享，有助于全球经济发展[11,16]。节点中心度是全球生产网络最直观的表现，反映了节点在生产网络中的地位和影响力。新经济地理学从生产要素的空间分布解释了生产效率的提升机制，认为一国能够依据自身要素禀赋参与全球生产的某一环节，提升其在全球生产网络中的节点中心度，吸引全球要素，从而达到扩大生产规模、降低平均成本和提高全要素生产率的目的。

除网络节点外，外商直接投资(foreign direct investment，FDI)和国际贸易分别以资本流动和产品流动的形式将全球生产网络具象化，进而映射到网络内部。López & Yadav[1]、Hatani[17]指出，生产网络下的投资和贸易是不容忽视的重要力量。FDI全球流动会带来溢出效应、示范效应及产业关联效应，能够加快东道国技术吸收与创新，继而推动其全要素生产率提升。孙少勤、邱斌[18]指出，全球生产网络下的FDI通过产业关联效应提升了中国制造业内资企业整体的全要素生产率和技术水平。而国际贸易带来的产品全球流动将世界各国串联起来，无论进口还是出口，均可以通过竞争效应、学习效应和倒逼效应促进一国生产效率提升。新新国际贸易理论从中间产品角度解释了生产效率的提升机制，认为一国参与全球生产可以接触到更多样化和质量更高的中间产品，进而通过学习效应和选择效应提升全要素生产率。基于上述分析，本文提出如下假设。

H1：全球生产网络的节点中心度提升能够促进全要素生产率增长。

H2：全球生产网络下的资本强度对全要素生产率提升具有强化作用。

H3：全球生产网络下的贸易强度对全要素生产率提升具有强化作用。

全球生产网络除具有溢出效应、学习效应和规模效应外，还能发挥配置效应。第一，新经济地理学认为，全球生产网络下的节点国家可以通过提高自身能力对全球生产要素进行配置。劳动力是参与全球生产网络必不可少的要素，在参与过程中可以不断积累生产经验、提高劳动素质、学习新技能，从而积累人力资本，提升全要素生产率。全球生产网络带来的人力资本效应，能够通过“干中学”实现一国生产效率的提高[19]。同时，全球生产网络的节点强度也影响着一国吸引要素的能力。一般而言，高节点中心度国家会让其他国家产生依赖性，增强自身对全球资源特别是创新要素的获取和控制能力。作为全球人才流入大国，美国的人力资本对经济增长的平均贡献率在30%以上，效应比较明显[20]。第二，全球生产网络具有资本配置效应。一方面，FDI流动有助于一国的资本市场发展和资本化率提升。在全球生产网络体系下，国际资本流动能够倒逼一国资本市场发展，有助于跨国资本合作，提高资本配置效率[21]。具体来看，高节点中心度国家利用自身优势筛选出高质量的资本进入本国，通过发达的资本市场提升资本化率，从而促进全要素生产率提质增效；低节点中心度国家则通过吸引外资，倒逼本国资本市场发展，推动资本化率提升，进而通过资本的溢出效应提升本国的全要素生产率。另一方面，FDI流动有利于将国内储蓄转化为生产性资本，增强与跨国资本合作的可能性，从而提高资本配置效率。同时，全球生产网络的节点强度也影响着资本配置能力，核心节点国家的融资能力较强，能够为企业提供研发资金，促进创新创业，提高资本转化效率，从而促进全要素生产率提升。基于上述分析，本文提出如下假设。

H4：全球生产网络可以通过提高人力资本水平提升全要素生产率。

H5：全球生产网络可以通过提高资本化率提升全要素生产率。

三、研究设计

(一) 样本选取与数据来源

本文选取世界投入产出表中的42个国家①2000—2018年的数据作为研究样本。其中，2000—2014年的节点中心度由世界投入产出数据库(WIOD)相关数据计算得到，2015—2018年的节点中心度由亚洲开发银行编制的投入产出数据库(ADB-MIRO)相关数据计算得到；全要素生产率由世界银行数据库相关数据计算得到；人力资本水平数据来自格罗宁根大学编制的佩恩表9.0(Penn World Tables 9.0)；其他数据来自世界银行数据库。对于有缺失的研发投入数据，采取线性插值的方法近似补齐。

(二)变量定义

1. 被解释变量

本文的被解释变量为全要素生产率(TFP)。全要素生产率本质上是各类技术进步的加权平均值，是生产过程中经济增长减去要素投入增长的差值。借鉴刘洪愧、谢谦[22]的做法，采用多边增加值TFP指数刻画。通过该方法计算的TFP不会因为各类要素投入单位的变化而变化，也不会因基准国家选择的变化而变化，具有可比较性与适用性。即：

(1)

2.解释变量

本文的解释变量包括节点中心度、资本强度和贸易强度。

(1)节点中心度(Dc)。全球生产网络是由多个参与国及其投入产出关系组成的集合，网络的拓扑结构内容较为丰富，就对生产率的影响来看，节点中心度可以用来刻画一国在全球生产网络中的属性特征。在全球生产网络中，一般将与其他国家连接较多的国家称为轮轴国家，与其他国家连接较少的国家称为辐条国家。一般而言，一国节点中心度越高，说明对要素的集聚效应越强，发挥着轮轴作用，对生产率具有积极影响；而节点中心度越低，说明对要素的控制力越弱，具有被边缘化的风险，起着辐条作用，不利于生产率提升。对此，引入Freeman[23]提出的节点中心度指标，即生产网络中与该国有投入产出关系的国家数占最大可能关系数的比重。则节点中心度为：

(2)

(2)资本强度(FDI)，以FDI占国内生产总值(gross domestic product,GDP)的比重表示。作为全球生产网络的主导者，跨国公司能够带动资本的全球布局，为发展中经济体带来先进的技术、管理经验等，促进东道国生产效率提升[18]。

(3)贸易强度(EX)，以进出口总额占GDP的比重表示。贸易是全球生产网络的重要表现特征，根据产品用途可以分为最终产品贸易和中间产品贸易。无论何种形式的贸易，均能产生技术溢出效应和竞争效应等，对生产效率具有促进作用[24]。

3. 中介变量

本文在影响机制分析中加入两个中介变量：(1)人力资本水平(Human)，基于内含教育水平的人力资本核算方程计算。一国在全球生产网络中的节点中心度越高，对生产要素的控制能力越强，而人力资本是全球竞争最激烈的要素之一，对全要素生产率提升起着重要作用。(2)资本化率(Capital)，以企业市场价值占GDP的比重表示。全球生产网络最为显著的特征就是资本的全球流动，高中心度的节点国家基础配套设施较为完善，资本市场较为发达，有助于吸引高质量的投资，提升资本化率的水平，促进全要素生产率增长。人力资本水平和资本化率的提高有利于全球生产网络发挥配置效应，提升全要素生产率。

4. 控制变量

借鉴已有文献[25-26]的做法，本文控制了如下变量。(1)产业结构(Industry)，以制造业产值占GDP的比重表示。制造业可以吸引劳动、资本等生产要素，有利于全要素生产率提升。(2)研发强度(Rd),以研发经费投入占GDP的比重表示。研发强度越高，企业越倾向于从事高增加值的研发活动，把具体的生产环节外包给其他企业，因而越有利于全要素生产率提升。(3)经济规模(Lnpgdp)，以人均GDP的自然对数表示。经济规模越大，生产能力越强，全要素生产率越高。(4)金融水平(Creditra)，以私营部门的国内信贷量占GDP的比重表示。金融水平反映一国金融市场的发育程度，金融水平越高，金融市场越活跃，对全要素生产率的贡献率也就越高。

(三)模型构建

为了考察全球生产网络对全要素生产率的影响，结合前文的理论分析，本文构建如下模型：

LnTFPit=α0+α1Dcit+α2FDIit+α3EXit+
∑βXit+μi+vt+εit

(3)

其中，X为前述的一系列控制变量；μi为个体固定效应，vt为时间固定效应，ε为随机误差项。

(四)全球生产网络的特征事实

基于世界投入产出表，利用分块矩阵按年份整理每个国家的中间投入与产出情况，最终形成一个42×42的国家层面的投入产出矩阵。同时，设置阈值以避免微弱关系对整体网络的影响。借鉴李敬等[27]的做法，定义1亿美元为阈值，即i国使用j国的进口中间投入≥1亿美元，则aij赋值为1，否则为0。全球生产网络是一个有向图，出度和入度是节点中心度的两个维度。其中，出度表示一国中间产品出口到达的国家数，出度越大，说明该国中间产品出口的范围越广，在全球生产网络中的影响力越大；入度表示一国使用中间产品的进口来源国数，入度越大，说明该国在全球生产网络中的感应力越强。表1列出了部分年份出度和入度排名前十的国家。

表1 全球生产网络节点中心度国家排名(前十)

由表1可知，2000年以来，无论出度还是入度，德国、美国、英国、法国、意大利等国家始终位居前十，说明这些国家具有较高的网络中心地位，主导着全球生产网络。而中国直到2005年才进入前十，与德国、美国、英国等发达经济体仍存在一定差距。

四、实证结果与分析

(一)变量的描述性统计分析

表2为主要变量的描述性统计结果。在2000—2018年样本期内，TFP介于-10.933～15.359，均值为2.342，标准差为5.011，相对跨度较大。Dc的均值为0.764，最小值为0.122，最大值为1.000，说明不同国家在全球生产网络中的节点中心度存在明显的异质性。当然，更深入的研究需要通过实证分析展开。

表2 主要变量的描述性统计结果

(二)基准回归结果分析

参考吕越、李美玉[28]实证分析的思路，先单独考察节点中心度对全要素生产率的影响，再依次引入资本强度、贸易强度和控制变量进行分析。即使全要素生产率与节点中心度呈现正相关关系，也不能确定是全球生产网络提升了全要素生产率。有可能是经济较为发达的国家生产率水平较高，在全球生产网络中拥有较高的地位，故而节点中心度会比较高。这种反向因果关系，会造成参数估计偏误。除了研发、贸易和经济规模等可观测的因素会对全要素生产率产生影响，还有一些不可观测因素也会影响估计结果的准确性。为了避免内生性对估计结果的影响，借鉴杨继军[29]的做法，采用双固定系统GMM估计方法，并用被解释变量的滞后项作为自身的工具变量进行回归②。同时，考虑到全要素生产率具有时滞性，借鉴王晋斌、刘璐[30]的做法，引入其滞后二期项(L2.TFP)与滞后一期项(L.TFP)以减少对核心解释变量的干扰，具体回归结果如表3所示。

表3中，列(1)的结果表明，节点中心度的回归系数为正，并且在1%的水平下显著，即一国在全球生产网络中节点中心度的提高有助于该国全要素生产率的提升。纳入控制变量后，回归结果如列(3)～列(6)所示，节点中心度的符号和显著性均未发生改变。由此说明节点中心度对全要素生产率的正向影响具有稳健性，H1得证。全球生产网络的核心—边缘、松散—紧密与节点的中心度密切相关，一般而言，中心度较高的节点国家不仅能够吸引各种资源，而且能够影响周边节点国家。全球生产网络是以中间产品贸易为关系建立的，节点中心度刻画了一国的投入产出关系，该值越大，说明一国获取的社会资源越丰富，通过接触联系可以获得更多的知识和技术溢出等，从而带动全要素生产率提升。Fagiolo et al.[31]指出，核心节点国家不仅会主动与其他国家贸易，还会通过大量边缘节点产生间接贸易，以巩固其在生产网络中的地位，保持经济稳定发展。因此，全球生产网络的节点中心度是不容忽视的因素，对一国知识获取和要素集聚具有重要意义。

表3 全球生产网络影响全要素生产率的回归结果

列(2)的结果表明，资本强度的回归系数为正，并且在1%的水平下显著。纳入控制变量后，回归结果未发生明显改变，H2得证。资本强度刻画的是一国利用FDI的程度，资本强度越高，越有助于一国具有比较优势的生产要素与FDI结合，从而带动全要素生产率提升。贸易强度的回归系数显著为正，对全要素生产率具有正向效应。由此，H3得证。在全球生产网络的组织形式下，贸易作为重要动力，不仅加强了国家之间的经济联系，而且通过中间产品贸易提升了效率水平。从出口角度看，中间产品被他国用于生产，说明该产品是整个产品链上不可或缺的，将反作用于出口国生产更多高质量产品，倒逼其全要素生产率提升。从进口角度看，如果中间产品被作为生产要素进口，自然会提升进口国的全要素生产率；如果一部分被作为消费品进口，其消费需求也会刺激出口国生产，提高其生产效率。

产业结构的回归系数显著为负，说明制造业比重越大，对全要素生产率的提升越具有负向效应。自第三次工业革命以来，制造业比重的边际效应越发明显，对全要素生产率的贡献在降低[32]。研发强度回归系数显著为正，说明增加研发投入有助于全要素生产率的提升，因为研发投入对技术突破、生产设备更新改造起着重要作用。经济规模一般会正向影响全要素生产率，但本文的回归结果显示二者为负相关关系。主要原因在于，部分样本国家的人均GDP低于平均值，导致从整体来看经济规模对全要素生产率的提升产生了制约作用。最后，金融水平的回归系数为负，但不显著，主要是因为私有部门的国内信贷规模较小。

(三)机制分析

由前述分析可知，全球生产网络结构特别是节点中心度对一国全要素生产率提升具有重要作用。基于前文的分析，本文认为全球生产网络对全要素生产率的影响可能通过中介变量人力资本水平和资本化率产生作用。为此，借鉴温忠麟、叶宝娟[33]的做法，构建如下回归模型(Mediator为中介变量)：

Mediatorit=β0+β1Dcit+β2FDIit+β3EXit+
∑θXit+μi+vt+εit

(4)

LnTFPit=α0+γ1Dcit+γ2FDIit+γ3EXit+
γ4Mediatorit+∑ωXit+μi+vt+εit

(5)

全球生产网络中心度的提升有助于创新要素集聚。一般而言，一国在生产网络中的节点中心度越高，意味着该国越居于中心地位，影响周边国家和配置资源的能力越强。采用人力资本水平作为中介变量的机制检验结果如表4的列(2)、列(3)所示。由列(2)可知，生产网络节点中心度能够显著提升一国人力资本水平；由列(3)可知，人力资本水平的提升又显著促进了一国全要素生产率的提升。由此表明，全球生产网络能够通过人力资本作用于全要素生产率，H4得证。

另外，全球生产网络中心度的提高有助于推动本国资本市场发展及资本化率提升。一般而言，一国在生产网络中的节点中心度越高，对资本的利用和转化效率越高。采用资本化率作为中介变量的机制检验结果如表4的列(5)、列(6)所示。由列(5)可知，全球生产网络中一国节点中心度的提升有助于资本化率的提高；由列(6)可知，资本化率的提高能够显著提升一国全要素生产率。由此表明全球生产网络能够通过资本化率作用于全要素生产率，H5得证。

(四) 稳健性检验

本文采用如下两种方法进行稳健性检验。

第一，替换解释变量。在社会网络分析中，刻画网络中心性的指标，除了节点中心度，还有接近中心度和中介中心度。接近中心度度量各节点到其他节点最短路线的平均长度。也就是说，对于某个节点，它距离其他节点越近，其接近中心度就越高。中介中心度是某个节点充当其他两个节点最短中介的次数，反映一国对其他国家参与全球生产的调节和控制能力。另外，本文还采用装备制造业产品的投入产出关系来刻画全球生产网络，并计算了装备制造业的节点中心度。根据林桂军、何武[34]对装备制造业内涵的界定，并结合世界投入产出表关于行业的划分，装备制造业包括以下5个行业部门：计算机、电子和光学产品制造业(C17)，电气设备制造业(C18)，机械设备制造业(C19)，汽车等制造业(C20)，其他交通运输设备制造业(C21)。基于以上三点计算的指标替换解释变量后进行回归，结果分别如表5的列(1)～列(3)所示。

第二，变更样本。其一，剔除最小年份和最大年份的样本，对剩余样本进行回归。其二，随机抽取80%的国家的样本进行回归。其三，剔除极端值。为了避免极端值对回归结果的干扰，分别剔除全要素生产率和资本强度中最高1%和最低1%的样本进行回归，以观察模型回归结果是否变化。基于上述三种方法变更样本后的回归结果分别如表5的列(4)～列(6)所示。

表4 机制检验结果

表5的结果表明，无论采用何种方法进行回归，节点中心度的回归系数均显著为正，说明本文模型具有稳健性，研究结论具有较高的可信度，提高全球生产网络的节点中心度能够提升全要素生产率。具体来看，通过指标替换可以发现，接近中心度与中介中心度具有较强的促进效应，说明一国在生产网络中与他国的平均距离越短或者具有越强的中介调节作用，将越有助于生产要素获取、生产技术吸收以及生产效率提升。另外，装备制造业节点中心度的回归系数显著为正，说明通过具体产品刻画的生产网络也可以反映国家层面的网络特征，再次表明本文模型具有稳健性。变更样本回归后，解释变量系数符号与基准回归结果保持一致，显著性未有改变。最后，接近中心度和中介中心度的回归结果较为相似，进一步说明本文的研究结论具有稳健性。

五、进一步分析

(一)节点维度分析

入度和出度是生产网络节点中心度的两个重要维度，它们对全要素生产率的影响需要分类考察，实证结果分别如表6的列(1)、列(2)所示。入度和出度的回归系数均显著为正，表明无论使用关系还是提供关系，其重要性的提升都会促进全要素生产率增长，二者对全要素生产率的影响不具有差异性，即一国无论以何种方式参与全球生产网络均可以提升本国的全要素生产率。

(二)节点强度分析

不同节点强度的国家在要素吸引力、对外影响力方面均存在差异，通常节点强度越大，其权力越大，对周边国家的虹吸效应越强。为了分析节点强度的异质性，根据轮轴国家和辐条国家的定义，设置它们与资本强度和贸易强度的交乘项，以考察不同国家在资本和贸易驱动方面的差异性。具体而言，根据节点中心度的大小，设置两个虚拟变量D1和D2。其中，D1=1，表示中心度大于38，为前10%的国家，即轮轴国家，否则为0；D2=1，表示中心度小于16，为后40%的国家，即辐条国家，否则为0；介于轮轴国家与辐条国家之间的定义为中间层次国家。实证结果如表6的列(3)、列(4)所示。

表5 稳健性检验结果

列(3)中，资本强度与D1和D2的交乘项系数均显著为负，表明不同节点强度国家的外资流动对全要素生产率影响具有异质性。具体来看，轮轴国家与辐条国家的资本强度对全要素生产率的影响趋弱，而对中间层次国家的影响趋强。原因在于，轮轴国家大多是外资净流出国，其效应会变弱；而中间层次国家不仅拥有较为完善的基础设施，营商环境也在不断优化，相较辐条国家更有利于吸引外资，其效应会变强。列(4)中，贸易强度与D1的交乘项系数显著为负，与D2的交乘项系数显著为正，表明不同节点强度国家的贸易流动对全要素生产率的影响具有非对称性，相较于辐条国家，轮轴国家贸易强度对全要素生产率的影响趋弱。原因在于，轮轴国家大多从事最终产品或高技术中间产品贸易，以前向参与为主，其贸易带来的技术利得较小，更多在于自身创新创造；而辐条国家参与部分生产环节，以后向参与为主，其贸易带来的利得要大于轮轴国家。

(三)凝聚子群分析

全球生产网络容易形成“小团体”，凝聚子群现象比较突出，为检验全球生产网络的内部差异性，判别不同子群对全要素生产率影响的异质性，需要对全球生产网络进行凝聚子群分析。由于不同年度子群成员国会发生变化，如中国2000年与法国、德国等国家在同一个子群，2003年之后就与日本、韩国等国家形成了新的子群。为此，首先基于Concor算法[35]，将节点中心度设置为控制参数，以迭代收敛法将样本中的42个国家区分为3个子群，并识别每个子群的核心成员国。其次采用统计分类法，将以美国、德国和法国为核心的子群记为子群1，以日本、韩国为核心的记为子群2，其他国家记为子群3。最后，设计两个虚拟变量w1和w2，若一国在子群1内，则w1=1，否则为0；若在子群2内，则w2=1，否则为0。先从全样本角度分析凝聚子群对全要素生产率的影响，结果见表7的列(1)、列(2)；再从子样本角度考察全球生产网络在子群方面的异质性，结果见表7的列(3)～列(5)。

表6 节点维度与节点强度回归结果

由表7可知，无论全样本回归还是子群回归，节点中心度对全要素生产率的影响均显著为正，但是子群之间存在差异。具体来看，列(1)、列(2)中，资本强度与w1和w2的交乘项系数均显著为正；贸易强度与w1和w2的交乘项系数均为负，但仅与w2的交乘项系数显著。表明子群1和子群2的资本强度具有增强效应，而贸易强度则具有抑制效应。列(3)、列(4)中，子群1和子群2的资本强度系数显著为正，表明以欧美发达经济体和以日韩组成的子群，能够通过资本流动提升子群内部成员的全要素生产率，具有“俱乐部效应”；贸易强度系数为负，且在子群1中不显著，在子群2中显著，表明以发达经济体为核心的子群的贸易创造效应会趋弱。由列(5)的结果可知，资本强度系数为正，但不显著，而贸易强度系数显著为正，表明由非核心节点国家组成的子群尚不具有资本增强效应，但具有贸易增长效应。

上述比较分析表明，不同子群对全要素生产率的影响具有差异性。发达经济体是全球生产网络的控制者，加入由其主导的网络，不仅可以发挥节点中心度带来的生产率效应，而且可以扩大资本强度效应，从而促进全要素生产率提升。Li et al.[36]指出，全球生产网络呈现区域性特征，以美国和德国为中心的生产网络在复杂生产领域具有比较优势，与这些国家进行经济合作可以提升生产效率。由非核心节点国家组成的子群，因其存在要素吸引困难、技术吸收不足等问题，FDI增长效应尚未显现。而不同子群下的回归结果代表了当前不同生产网络之间的差异，一国可以融入相应的生产网络，利用发达经济体的各种要素和技术溢出来提升自身的全要素生产率。

表7 凝聚子群回归结果

(四) 行业层面分析

由国家层面的分析可知，一国的网络中心度越高，越有助于该国全要素生产率的提升。然而，全球生产网络最主要的特征是产业的全球化分工，表现为产业的全球化关联。为了验证国家层面的结论在行业层面是否成立，本文依然以装备制造业为例，研究其全球生产网络与全要素生产率之间的关系。先按照国家—产业维度计算装备制造业在全球生产网络中的中心度，再进行行业层面的分析。由于使用的是多维数据，本文采用普通最小二乘法进行回归，结果如表8所示。

行业层面的回归结果表明，装备制造业的全球生产网络能够促进其全要素生产率提升。具体来看，列(1)～列(3)的节点中心度系数显著为正，说明装备制造业在全球生产网络中的地位越高，对其生产率提升具有积极作用，与国家层面的结论一致。装备制造业尽管是技术密集型行业，但是在相关生产环节依然具备劳动密集型特征，提升其网络中心度将有助于其价值链攀升。中国装备制造业生产总值位居全球前列，但是依然面临“卡脖子”问题，节点中心度与美国、德国等国家依然存在差距。这也说明中国仍需要提升装备制造业在全球分工体系中的地位，从而提升全要素生产率乃至打造“智造强国”。列(4)、列(5)分别为入度和出度的回归结果，其系数分别为0.034和0.266，且均显著，表明无论以何种方式参与全球生产网络，均能提升装备制造业的全要素生产率。

表8 行业层面回归结果(装备制造业)

六、结论与启示

本文利用2000—2018年世界投入产出表和世界银行数据，在测算全要素生产率和节点中心度的基础上，实证研究了全球生产网络对全要素生产率的影响，得到如下三点结论。第一，无论国家层面还是行业层面，全球生产网络的节点中心度、入度、出度以及资本强度、贸易强度的提高均显著促进了全要素生产率的提升，并且保持了稳健性。第二，全球生产网络主要通过人力资本水平和资本化率作用于全要素生产率。第三，节点强度处于中间层次的国家更能发挥FDI带来的增长效应，而辐条国家更能发挥贸易带来的增长效应。同时，全球生产网络的不同子群之间存在差异性，以轮轴国家为核心的子群，能够通过FDI的增强效应提升全要素生产率；以非核心节点国家组成的子群，能够通过贸易的增长效应提升全要素生产率。

由本文研究结论可以得到如下两点启示。第一，广大发展中经济体应积极参与全球生产网络分工，充分利用中间产品贸易的多样化和国际资本的全球布局，提升自身在生产网络中的中心度，通过发挥人力资本和资本配置的作用，促进全要素生产率增长。同时，要注重规避因技术差距带来的发达经济体对其生产网络节点的掣肘风险，积极推进外商直接投资与贸易，掌握自身在全球生产网络演化中的主动权，突破全球生产网络中可能出现的“低生产率锁定”状态。第二，在当前新一轮人工智能革命浪潮下，发展中经济体应充分利用自身在国际产业分工中的比较优势，加强与发达经济体的生产合作，并积极融入以轮轴国家为核心的子群。一方面通过产业关联、技术模仿等吸收相关技术溢出，另一方面通过集聚效应发挥FDI的增强效应，从而提升自身的全要素生产率。就中国而言，要深入推进高水平对外开放，构建开放型经济新体制，积极主动地融入全球生产网络、全球产业链与全球价值链，加强与核心节点国家间的经济联系，促进国内国际双循环，进而实现全要素生产率的持续增长。

注 释：

①这42个国家包括：澳大利亚、奥地利、比利时、保加利亚、巴西、加拿大、瑞士、中国、塞浦路斯、捷克、德国、丹麦、西班牙、爱沙尼亚、芬兰、法国、英国、希腊、克罗地亚、匈牙利、印度、印度尼西亚、爱尔兰、意大利、日本、韩国、立陶宛、卢森堡、拉脱维亚、墨西哥、马耳他、荷兰、挪威、波兰、葡萄牙、罗马尼亚、俄罗斯、斯洛伐克、斯洛文尼亚、瑞典、土耳其、美国。

②限于篇幅，动态GMM模型工具变量检验和自相关检验结果未列示，留存备索。作者邮箱：1023958086@qq.com。