进口中间品质量与中国制造业企业全要素生产率

钟建军

(宁波大学 商学院，浙江 宁波 315211)



进口中间品质量与中国制造业企业全要素生产率

钟建军

(宁波大学 商学院，浙江 宁波 315211)

摘要：本文基于2000～2007年中国工业企业数据和海关数据，采用A-C-F方法测度制造业企业全要素生产率，进而探讨进口中间品质量对企业全要素生产率的影响，研究发现：进口高质量中间品有助于企业通过“学习效应”机制、研发与进口中间品质量的“互补效应”机制，提高全要素生产率。这两种机制在考虑了企业贸易方式、出口状态、所有制类型、进口来源地差异后皆稳健。在全球价值链环境下，提升中国贸易利得的一个有效途径是进口高质量中间品。

关键词：进口中间品；产品质量；全要素生产率；全球价值链

一、引言

在“奖出限入”贸易模式推动下，我国对外贸易取得了持续的快速发展。然而，我国对外贸易持续的巨额顺差招致了其他国家的强烈指责，成为遭受各种国际贸易壁垒的主要原因。尤其是2008年全球金融危机以来，欧盟、美国等发达经济体对我国设置的技术性贸易壁垒措施骤然升级，降低对外贸易顺差迫在眉睫。在此背景下，商务部在2015年11月5日发布的《中国对外贸易形势报告(2015年秋季)》中强调，“面对外贸发展的复杂形势……，继续加强进口，深化与经贸伙伴务实合作，为外贸企业提升信心、稳定国际市场份额创造更多有利条件”。受当前国内生产技术水平的限制，进口核心、关键零部件等成为当前对外贸易的主要着力点之一。现实情况也证明了这一点，参照联合国 Broad Economic Categories(BEC)分类法，根据 BACI 国际贸易产品数据测算发现，1995～2013 年全世界中间品进口额占总进口额的比重位于 46.31%～52.11%之间，而中国的这一比重接近70%，在 61.02%～69.57%之间。进口中间品贸易不仅扩展了中间品种类，还为企业提供了国内难以生产并隐含国外先进技术的高质量中间品。企业可借助进口中间品的“自选择效应”和“学习效应”，提高其全要素生产率，组织生产并出口高质量最终产品，融入全球产业价值链体系以参与国际分工[1][2][3]。随着生产者对投入品质量偏好的强化，以及要素异质性理论的兴起，进口中间品质量对企业全要素生产率的影响也逐渐得到学界广泛关注[4]。

在中国背景下，进口中间品质量影响制造业企业全要素生产率的机制，大致可归纳为进口“学习效应”机制和研发“替代或互补效应”机制。自从中国加入WTO以来，进口中间品关税大幅下降，促进了国外高质量中间品不断涌入中国。高质量进口中间品内嵌了国外先进技术，进口企业可通过消化与吸收等途径提高企业生产率，即进口“学习效应”机制[5]。此外，中国还存在不少两头在外的加工贸易企业，如富士康等企业进口国外企业所提供的高质量关键零部件等中间品、产品设计与研发以及生产工艺与流程等，从而省去研发投入，即研发“替代效应”机制；或者结合本企业的软件研发投入，以互补国外关键零部件，如小米企业进口高通手机处理器，互补自身深度优化的米柚系统，即研发“互补效应”机制。

然而，如何测度企业所进口的中间产品质量，则是检验以上作用机制的关键。国内外文献显示，目前还未能形成较为完善和成熟的企业层面中间产品质量测度方法。进口中间品的需求者是生产制造型企业，与出口最终品质量的测度存在差异。两者的差异主要体现在工具变量的选择上，张杰等认为，进口关税和出口退税率这两个工具变量并不适用于中国情境，其采用企业进口中间品的真实汇率作为工具变量，以解决企业出口产品价格与其需求之间的内生性问题，估算出了中国2000～2006年的出口产品质量[6]。但是，在现实中，并非所有企业都会进口中间品；此外，张杰等人的工具变量并不适用于解决进口中间品价格和其需求之间的内生性问题，其原因在于，进口中间品真实汇率会直接影响进口中间品价格，进而影响其需求。企业即使按真实汇率进口中间品，也存在进口中间品与劳动者技能不匹配的可能，导致进口中间品技术溢出效应不能充分发挥。进一步地，进口中间品的需求者为生产企业，也有别于出口最终产品的消费者。施炳展和曾祥菲采用函数估算法测算了中国2000～2006年企业的进口产品质量[7]，但作者并未明确说明控制了中国消费者的哪些特征，存在忽略进口产品需求者决策不确定性等“黑匣子”问题。

此外，在测度企业全要素生产率时， OLS、O-P、L-P等是常见方法。然而，OLS方法存在“联立性偏误”问题。如果忽略企业进入和退出市场机制，“选择性偏误”将会产生。O-P方法采用企业投资代理未观察到的生产率冲击以解决“联立性偏误”问题，将企业进入与退出市场机制纳入计量模型以解决“选择性偏误”问题。L-P方法将中间投入品作为未观测到的生产率代理变量，扩展了O-P方法的适用性。A-C-F方法扩展了L-P方法，在增加值生产方程中，劳动的系数不需与O-P方法一样在第一阶段估算出，而是在第二阶段通过NLLS或者GMM估计得出。所有变量的系数都在第二阶段估算出，第一阶段的估计仅仅是剔除生产函数的误差项，进而解决“联立性偏误”与“选择性偏误”问题[8]①。

鉴于现有研究测度企业层面进口中间品质量的不足，我们在D-S框架下，在控制出口经济体、年份、企业所有制，以及企业所处省份(地区)的基础上，估算进口中间品质量。同时，鉴于L-P方法存在共线性问题，本文采用A-C-F方法测度TFP，从产品类型、进口来源国、所有制类型、贸易方式、出口状态等多个维度，探讨进口中间品质量对企业全要素生产率的影响，为企业提升全要素生产率提供新思路。与既有文献相比，本文的可能贡献体现为三个方面：一是与大多数测度企业全要素生产率的文献不同，本文采用A-C-F方法测度制造业企业全要素生产率，解决“联立性偏误”与“选择性偏误”问题；二是从进口中间产品质量视角审核进口对企业全要素生产率的影响；三是在控制国家-年份固定效应和进口企业特征的基础上，采用函数估算法测度进口中间品质量，并细分样本实证检验进口“学习效应”机制、研发“替代效应”或“互补效应”机制，提出相应政策建议。

二、计量模型、数据与变量说明

(一)计量模型

参照Hallak的产品质量设定方式[9]，结合Kasahara和Rodrigue的生产函数设定[10]，设t期企业i的生产函数Yit为：

(1)

式(1)中，ϑit为生产率冲击，Kit为资本投入，Lit为劳动投入，mijkt、qijkt和Nit分别为t期企业i从进口来源地k进口第j种中间品的数量和质量，以及进口的种类，j∈Nit，参数γ代表生产者对进口中间品质量的偏好强度，任意两种进口中间品之间的替代弹性ρ>1。

(2)

(3)

此外，企业全要素生产率既取决于自身过去的全要素生产率，又取决于其他控制变量。对式(3)两边取自然对数，可得进口中间品质量与企业全要素生产率的基准计量模型：

(4)

模型(4)中， lntfpit代表t期企业i经自然对数变换后的全要素生产率。lnqijkt代表t期企业i从进口来源地k进口第j种中间品的质量。xit代表其他控制变量，如行业竞争程度、资本强度、研发投入、企业年龄、出口状态等。φi为企业特定要素，以控制企业不随时间变化的特征，如企业所有制、所处省份(地区)、贸易方式等。φj为行业特定要素，以控制行业特征的影响。φt为年份特定要素，以控制不随企业变化的时间特征，如2001年中国加入WTO，2005年人民币升值等；εijt为误差项。

(二)数据来源及处理

本文的数据来源于中国工业企业数据库和海关数据库，因2008年和2009年数据缺失工业增加值，难以估算企业全要素生产率，为了保持时间的连续性，我们选取的时间段为2000～2007年。中国工业企业数据用于测度企业全要素生产率，中国海关数据主要用于测度进口中间品质量。对于中国工业企业数据，我们先剔除劳动从业人员小于10人的企业，再剔除不符合通用会计准则(GAAP)的企业，如流动资产大于总资产、总固定资产大于总资产、固定资产净值大于总资产、企业名称缺失、成立时间不合法以及中间投入额为零等。鉴于这两大数据库的企业代码标准不一，我们借鉴Yu 和 Li的匹配技术[11]，采用企业中文名称、邮政编码、联系人以及电话等信息进行匹配。对于中国海关数据，我们采用BEC分类标准，即代码为111、121、21、22、31、322、42、53的产品为中间品，并用1996年的BEC-HS六位码对应表与2002年的BEC-HS六位码对应表分别对2000～2001年与2002～2007年的产品进行对应处理，再将所获得的HS六位码与中国海关数据库中的HS八位码数据进行对应处理。

为了探讨不同进口来源国中间品质量对中国制造业企业全要素生产率的影响，本文将进口来源国分为发达经济体和发展中经济体。参照国际货币基金组织的发达经济体分类标准，本文选取的发达经济体有33个，分别为塞浦路斯、中国香港、以色列、日本、新加坡、韩国、中国台湾、丹麦、英国、德国、法国、爱尔兰、意大、卢森堡、荷兰、希腊、葡萄牙、西班牙、奥地利、冰岛、马耳他、挪威、瑞典、瑞士、爱沙尼亚、拉脱维亚、斯洛文尼亚、捷克、斯洛伐克、加拿大、美国、澳大利亚、新西兰，其余156个为发展中经济体。

(三)变量选取

1.被解释变量

被解释变量是企业全要素生产率。本文采用A-C-F方法测度TFP，具体测算方法如下。

假设企业经过对数变换后的生产函数为：

yit=βllit+βkkit+βmmit+ωit+μit

(5)

其中，yit、lit、kit、mit分别表示企业在t期的工业增加值、劳动力、资本和原材料投入。ωit为企业能观测到的生产率冲击。μit为难以观测的生产率冲击，并且服从独立同分布。β=(βl，βk，βm)为生产函数的系数向量。鉴于企业解雇、雇佣和培训劳动者的事实，企业分别在 t-b期(0

yit=Φit+μit

(6)

ωit=E[ωit|Iit-1]+ζit=E[ωit|ωit-1]+ζit

(7)

其中，ζit是特定冲击。

在第一阶段，给定任意ζit(βl，βk，βm), 生产率ωit(βl，βk，βm)可根据式(8)求得。

(8)

给定β，特定冲击ζit可通过ωit(βl，βk，βm)对ωit-1(βl，βk，βm)进行非参数回归估计求得。

kit在t-1期被选择确定，因而与ζit(βl，βk，βm)不相关。因此，用于估算生产函数中各个参数的矩条件为：

(9)

2.解释变量

(1)进口中间品质量。本文在D-S框架内构建进口中间品质量测度框架。

假设企业i对第j种HS8位码进口中间品的总支出为：

(10)

其中，σ、t、q、k分别代表不同进口中间品之间的替代弹性(σ>1)、时间、进口中间品质量和进口来源地。在既定中间产品需求的基础上，最小化中间产品总支出，可得到企业i对第j种中间产品的最佳需求量为：

(11)

lnmijkt=χk+γt-σlnpijkt+∑ηl+εijkt

(12)

其中，χk用以控制出口方固定效应；γt=lnMikt+σlnPMt，用以控制进口企业对进口中间品的需求情况；ηl用以控制企业所有制、所处省份(地区)以及年份和三位码行业，究其原因在于企业会根据自身要素禀赋情况选择进口不同质量的中间品，这也是与施炳展和曾祥菲研究的不同之处[7]。进口中间品质量以残差项εijkt处理。企业进口中间产品质量 lnqijkt用式(13)予以测度：

(13)

(2)研发和进口中间品质量的交互项。如前所述，研发和进口中间品质量间存在“替代效应”机制或者“互补效应”机制，可引入研发和进口中间品质量的交互项(lnrd×lnq)进行检验。

(3)人力资本和进口中间品质量的交互项。为了探讨进口中间品质量的学习或溢出效应的条件性，我们还加入人力资本和进口中间品质量的交互项。参照钟建军和熊晓花的研究[12]，我们采用劳动者真实小时工资代理人力资本，以lnhc×lnq的形式进入计量方程。

3.其他控制变量

(1)企业规模。Leung 等、孙晓华和王昀发现，企业规模对其生产率具有显著影响[13][14]。为了控制企业规模的影响，又尽可能避免变量之间可能存在的多重共线性问题, 我们采用企业全部职工人数作为企业规模的代理指标，以lnscale形式进入计量模型。

(2)研发。研发投入有助于提高企业生产技术水平，进而影响企业全要素生产率[15]，可采用研发支出占总产出的比重予以代理，以lnrd的形式进入计量模型。

(3)资本强度。Hall和Jones将劳均产出的变动解释为资本强度、人力资本和全要素生产率的差异[16]，加之本文采用类似索罗残值的形式估算企业全要素生产率。因此，还需控制资本强度，即用劳均物资资本以控制其对企业全要素生产率的影响，以lnci形式进入计量模型。

(4)市场竞争程度。研究揭示，竞争性市场能刺激企业提高全要素生产率[17]，针对本文所使用的数据，参考张杰等的设定方法，用赫芬达尔指数代理市场竞争程度[18]，以lnherfind形式进入计量模型。

(5)企业年龄。Huergo和Jaumandreu发现，新生企业倾向于有更高的生产率增长率，但是随着时间的推移，其生产率将收敛于平均生产率[19]。为此，我们引入企业年龄，以样本期间年份减去成立时的年份予以计算，以age的形式进入计量模型。

(6)出口。研究表明，企业可以通过“出口学习效应”影响其生产率[20][21][22]，采用企业是否出口作为出口的代理变量，以export的形式进入计量模型。

此外，我们还加入了年份、企业所有制、企业贸易方式、企业所处省份(地区)以及三位码行业等虚拟变量，以控制经济周期、所有制差异、贸易方式差异、地域特征和行业特点的影响。

三、计量结果与分析

(一)相关性分析

在回归分析之前，我们先给出各主要变量的Spearman相关系数矩阵，以判定各主要变量间是否存在严重的多重共线性问题。如表1所示，lnrd与lnrd×lnq、lnhc×lnq，lnq与lnrd×lnq、lnhc×lnq，lnscale与lnrd、lnhc×lnq，以及lnrd×lnq与lnhc×lnq之间的相关系数在0.4630以上，呈中度相关，最直接的解决方法是不同时将这些变量两两纳入计量模型。其余各变量间的相关系数都在0.4630之下，说明各变量间并不存在严重的多重共线性问题，可进行以下的回归分析。

表1　　　各主要变量的Spearman相关系数矩阵

注：***表示在1%的显著性水平下显著。

(二)计量结果分析

为了控制行业类别差异，我们采用areg命令进行回归分析，以探讨进口中间品质量对企业全要素生产率的影响。

1.总样本回归结果

由表2可以看出，从平均效应来看，列(1)～(7)显示，进口中间品质量的系数均在1%的显著性水平下显著为正，这就意味着在其他条件不变时，企业可通过学习、吸收高质量的进口中间品来提高企业全要素生产率，即“学习效应”机制成立。列(8)中，研发和进口中间品质量的交互项系数显著为正，说明从总体来看，研发和进口中间品质量之间存在互补效应，即进口中间品质量通过其与企业研发的“互补效应”机制影响企业全要素生产率。列(9)主要探讨进口中间品质量“学习效应”的条件性，人力资本和进口中间品质量的交互项系数在1%显著性水平显著为负，说明人力资本低的进口企业，可借助进口高质量中间品提升其全要素生产率。研发和市场竞争程度的系数在1%显著性水平显著为正，也印证了研发和市场竞争有助于提升企业全要素生产率的结论[15][17]。其余控制变量总体上在1%显著性水平显著为负。其中，企业年龄的影响显著为负，这意味着年轻企业有更高的全要素生产率，与Huergo和Jaumandreu的结论相同[19]。值得注意的是，在考虑进口中间品质量情形下，出口对全要素生产率具有显著负效应，这为“生产率悖论”在中国的适用性提供了新视角，张杰等也印证了这一观点[18]。

表2　　基准回归结果

注：***、**、*分别表示在1%、5%、10%的显著性水平下显著，表3中的九个回归分析皆控制了时间、行业、企业所有制、贸易方式、所处省份(地区)等固定效应。

2.细分样本的检验

为了进一步考察进口中间品质量对企业全要素生产率的影响，我们还按照贸易方式、出口状态、企业所有制类型、进口来源地等细分样本进行回归分析，结果如表3～5所示。从表3中进口中间品质量的系数来看，进口中间品质量总体上对企业全要素生产率具有显著正向效应，亦即进口中间品质量的“学习效应”机制成立。总体来看，研发对企业全要素生产率具有正向影响，例外的是从事加工贸易的企业样本，研发的影响不显著。对于从事加工贸易的企业来说，进口会抑制其研发投入，使得研发投入对企业全要素生产率的影响不显著[23]。从进口中间品质量和研发的交互项系数可以看出(如表4所示)，研发和进口中间品质量之间存在互补效应。企业可借助“学习效应”机制，吸收与消化国外关键零部件等高质量进口中间品所蕴涵的国外先进技术，以提高创新能力，进而与其国内研发投入互补，共同提升其生产率水平，即进口中间品质量影响企业全要素生产率的“互补效应”机制成立。再来看进口中间品质量与人力资本的交互项系数，表5中9个样本中的系数皆为负，且在1%的显著性水平显著，即进口中间品质量的“学习效应”机制，较多存在于人力资本较低的企业。

区分样本来看，在进口中间品质量影响企业全要素生产率的“学习效应”机制上，从事一般贸易企业、不出口企业、外资企业、从发展中经济体进口分别强于加工贸易企业、出口企业、私营企业和国有及集体企业、从发达经济体进口。在进口中间品质量与研发的“互补效应”机制方面，从事一般贸易企业、不出口企业、私营企业和国有及集体企业、从发达经济体进口分别强于加工贸易企业、出口企业、外资企业、从发展中经济体进口。这也说明，尽管从发达经济体进口的中间品质量的“学习效应”稍微弱于从发展中经济体进口，但是其与研发的“互补效应”机制强于后者。这可能与发达经济体出于技术保护考虑，将稍微低于本国中间品质量的中间品出口到中国，一旦进口企业吸收并消化了其隐含在中间品内的技术后，将对国内研发形成推力，更容易形成互补关系，以提升其全要素生产率。

表3　　“学习效应”机制的细分样本检验结果

注：表3中，贸易方式差异样本控制了时间、行业、企业所有制、所处省份(地区)等固定效应，出口状态差异和进口来源地差异样本控制了时间、行业、企业所有制、贸易方式、所处省份(地区)等固定效应，所有制类型差异样本控制了时间、行业、所处省份(地区)、贸易方式等固定效应。表4～5同。

表4　　与研发的“互补效应”机制的细分样本检验结果

表5　　　“学习效应”机制条件性的细分样本检验结果

在进口中间品质量影响企业全要素生产率的“学习效应”机制的条件上，对于人力资本较弱的加工贸易企业、不出口企业、外资企业、私营企业和从发达经济体进口的企业来说，更应该进口高质量中间品以提升全要素生产率。这也就为人力资本不强的企业，尤其是从事加工贸易的企业、不出口企业、外资企业、私营企业、从发达经济体进口中间品的企业，进口高质量中间品以提升全要素生产率的做法，提供了经验证据。

3.稳健性检验：内生性问题的处理

也有研究表明，企业进口产品决策在很大程度上取决于其全要素生产率[25]，即企业进口中间品质量与其全要素生产率之间存在双向因果关系，亦即存在内生性问题。除了在式(4)中引入全要素生产率的滞后一期外，本文还采用工具变量法以有效解决这种潜在的内生性问题。参考Yu和Li的工具变量[11]，采用企业层面(经加权处理)的进口关税作为企业进口中间品质量的一个外生工具变量，借助两阶段最小二乘回归法(2SLS)对不同子样本进行估计，回归结果如表6所示。

因加工贸易的关税为零，为此我们仅以从事一般贸易的企业为样本，再将样本按不同产品属性细分为五个样本，进行2SLS回归。本文的聚焦点是进口中间品质量，高质量进口中间品受关税影响更为明显。参考Rauch的产品分类方法[26]，选择Conservative和Liberal分类中的差异化产品作为样本，以进行2SLS回归。为了进一步分析进口中间品的技术含量，我们还参考Basu的分类方法[27]，鉴于矿物燃料仅适用于特定行业，以及未分类产品的模糊性，选取HS-6位码中的低、中、高技术密集度制成品(code= C、D、E)作为样本，进行相应的2SLS回归。因篇幅限制，本部分仅检验进口中间品质量影响全要素生产率的“学习效应”机制。上述各样本的回归结果如表6中列(1)～(6)所示。从列(1)～(6)的结果可以看出，进口中间品质量的系数始终在1%的显著性水平下显著为正，即进口中间品质量对企业全要素生产率具有正向效应，其余控制变量的符号与表2一致。从进口中间品质量的系数大小来看，对于从事一般贸易的企业来说，进口高技术密集型产品的“学习效应”最强。

表6　　进口中间品质量的全要素生产率效应：工具变量估计结果

四、结论与政策启示

本文基于2000～2007年中国工业企业数据库和中国海关数据库，在D-S框架下，采用函数估算法测度进口中间品质量。在采用A-C-F方法测度全要素生产率的基础上，实证检验了进口中间品质量对企业全要素生产率的影响，并采用两阶段工具变量法解决内生性问题，实证结果显示：(1)进口中间品质量对企业全要素生产率具有显著正向影响，亦即“学习效应”机制成立，这个结论对于从事不同贸易方式的企业、不同所有制企业、出口与否企业、从不同经济发展水平经济体进口，按不同产品分类标准的进口中间品等子样本，都是成立的。从事一般贸易企业、不出口企业、外资企业、从发展中经济体进口的“学习效应”分别强于加工贸易企业、出口企业、私营企业和国有及集体企业、从发达经济体进口。(2)在进口中间品质量与研发的“互补效应”机制方面，从事一般贸易企业、不出口企业、私营企业和国有及集体企业、从发达经济体进口分别强于加工贸易企业、出口企业、外资企业、从发展中经济体进口。(3)在进口中间品质量影响企业全要素生产率的“学习效应”机制的条件上，对于人力资本较弱的加工贸易企业、不出口企业、外资企业、私营企业和从发达经济体进口的企业来说，更应该进口高质量中间品以提升全要素生产率。

总体来看，多个维度的实证结果皆揭示，进口高质量中间品有助于企业通过“学习效应”机制、研发与进口中间品质量的“互补效应”机制，提高全要素生产率。这表明在全球价值链环境下，提升中国贸易利得的一个重要途径是进口高质量中间品。在当前国内生产技术水平相对低下，出口需求持续低迷的背景下，可深化同经贸伙伴的务实合作，鼓励银行业和其他金融部门加大信贷支持力度，以支持核心、关键零部件和稀缺原材料等的进口。

注释：

①具体测算代码可从http://webuser.bus.umich.edu/jagadees/other/acf_code.html下载，再根据研究需求进行相应修改。

参考文献：

[1] Antràs,P., Fort,T.C., Tintelnot,F. The Marginal of Global Sourcing: Theory and Evidence from U.S. Firms[Z].NBER Working Paper No. 20772,2014.

[2] Blaum,J., Lelarge,C., Peters,M. Estimating the Productivity Gains from Importing[Z]. Meeting Papers 1034, Society for Economic Dynamics, 2014.

[3] Ramanarayanan, A. Imported Inputs and the Gains from Trade[Z]. University of Western Ontario , Department of Economics, 2014.

[4] Feenstra,R.C., Romalis,J. International Prices and Endogenous Quality[J]. Quarterly Journal of Economics, 2014,129(2):477—527.

[5] Peluffo,A., Zaclicever, D.Imported Intermediates and Productivity: Does Absorptive Capacity Matter? A Firm-level Analysis for Uruguay[Z]. Documento de Trabajo 06/13-Departamento de Economía, Facultad de Ciencias Sociales, Universidad de la República, 2013.

[6] 张杰，郑文平，翟福昕.中国出口产品质量得到提升了么？[J].经济研究，2014，(10)：46—590.

[7] 施炳展，曾祥菲.中国企业进口产品质量测算与事实[J].世界经济，2015，(3)：57—77.

[8] Ackerberg, D. A., Caves, K., Frazer, G. Structural Identification of Production Functions[Z]. MPRA Paper No. 38349, Munich University Library, 2006.

[9] Hallak, J. C. Product Quality and the Direction of Trade[J]. Journal of International Economics,2006, 68(1): 238—265.

[10] Kasahara, H., Rodrigue, J. Does the Use of Imported Intermediates Increase Productivity?Plant-level Evidence[J]. Journal of Development Economics,2008, 87(1):106—118.

[11] Yu, M., Li, J. Imported Intermediate Inputs, Firm Productivity and Product Complexity[J].Japanese Economic Review, 2014, 65(2):178—192.

[12] 钟建军,熊晓花. 劳动力质量与进口中间产品质量[J].阅江学科，2015，(4)：42—52.

[13] Leung,D.,Meh,C.,Terajima,Y. Firm Size and Productivity[Z]. Bank of Canada Working Paper 2008—45,2008.

[14] 孙晓华,王昀.企业规模对生产率及其差异的影响——来自工业企业微观数据的实证研究[J].中国工业经济，2014,(5)：57—69.

[15] 戴觅,余淼杰.企业出口前研发投入、出口及生产率进步——来自中国制造业企业的证据[J]. 经济学(季刊), 2011,11(1)：211—230.

[16] Hall,R.E., Jones,C.I. Why Do Some Countries Produce So Much More Output per Worker than Others?[J]. Quarterly Journal of Economics, 1999,114(1): 83—116.

[17] Ospina, S., Schiffbauer, M. Competition and Firm Productivity: Evidence from Firm-level Data[Z]. IMF Working Paper, No. WP/10/67, 2010.

[18] 张杰,郑文平,陈志远.进口与企业生产率——中国的经验证据[J]. 经济学(季刊)，2015,14(3):1029—1052.

[19] Huergo, E., Jaumandreu, J. Firms' Age, Process Innovation and Productivity Growth[J]. International Journal of Industrial Organization, 2004,22(4): 541—559.

[20] Bernard, A. B., Jensen, J. B. Exceptional Exporter Performance: Cause, Effect, or Both?[J]. Journal of International Economics, 1999, 47(1):1—25.

[21] Arnold,J.M., Hussinger,K. Export Behavior and Firm Productivity in German Manufacturing: A Firm-level Analysis[J].Review of World Economics, 2005,141(2):219—243.

[22] 阚大学，李文彪，吕连菊.中国出口技术溢出效应实证研究——基于Meta回归分析法[J].中南财经政法大学学报，2015，(2)：119—125.

[23] 张杰.进口对中国制造业企业专利活动的抑制效应研究[J]. 中国工业经济，2015，(7)：68—83.

[24] Görg,H., Hanley,A., Strobl,E. Productivity Effects of International Outsourcing: Evidence From Plant-level Data[J]. Canadian Journal of Economics, 2008, 41(2): 670—688.

[25] Kasahara,H., Lapham, B. Productivity and the Decision to Import and Export: Theory and Evidence[J]. Journal of International Economics, 2013,89(2): 297—316.

[26] Rauch,J.E. Networks versus Markets in International Trade[J]. Journal of International Economics, 1999, 48(1):7—35.

[27] Basu,S.R. Retooling Trade Policy in Developing Countries: Does Technology Intensity of Exports Matter for GDP per Capita[Z].Policy Issues in International Trade and Commodities UNCTAD/ITCD/TAB/57, 2011.

(责任编辑：易会文)

中图分类号：F752.61

文献标识码：A

文章编号：1003-5230(2016)03-0124-09

作者简介：钟建军(1984— )，男，江西宜丰人，宁波大学商学院讲师，中国非公有制经济人士统战研究基地研究员。

基金项目：教育部人文社会科学研究一般项目“进口中间品种类与质量对中国高技术产业企业生产率影响的理论与实证”(15YJC790154)；浙江省哲学社会科学重点研究基地(区域经济开放与发展研究中心)“进口自由化对企业创新的影响研究：基于进口中间品质量视角”(15JDQY02YB)；浙江省自然科学基金项目“进口中间品质量对浙江船舶工业企业生产率的影响研究”(LQ16G030003)；宁波大学人文社会科学培育项目“供应链贸易视角下我国制造业出口产品质量升级机制与对策研究”(XPYB14002)

收稿日期：2016-02-14