进口中间品和企业对外直接投资决策：来自中国企业的证据.pdf

No.C2018007 2018-08-14 进口中间品和企业对外直接投资决策： 来自中国企业的证据 余淼杰 高恺琳 北京大学国家发展研究院 内容摘要： 本文研究进口中间品对企业对外直接投资决策的影响。研究发现：（ 1）进口中 间品通过提高企业生产率，促进其对外直接投资决策。（ 2）控制生产率后，进口中间品仍 对企业对外直接投资决策有显著正向影响。这主要归因于搜寻成本降低效应：进口中间品 可以帮助企业获得可靠供应商等信息。（ 3）对 生产率较低企业，搜寻成本降低可弥补其生 产率的不足，从而促进其对外直接投资。（ 4）产品差异化或技术含量的增强将减弱搜寻成 本降低效应。 关键词： 进口中间品、对外直接投资、企业生产率、搜寻成本 进口中间品和企业对外直接投资决策： 来自中国企业的证据 作者： 余淼杰、高恺琳 Miaojie Yu, Kailin Gao 作者介绍： 余淼杰 （ 通讯作者 ） ，北京大学国家发展研究院 （ National School of Development, Peking University） 教授。邮箱： ，电话： (010) 6275-3019。 通讯地址：北京市海淀区颐和园路 5 号北京大学国家发展研究（邮政编码： 100871） 高恺琳，北京大学国家发展研究院 （ National School of Development, Peking University） 博士 生。邮箱： 。电话： 13011288055。 1 进口中间 品和企业对外 直接投资决策： 来自中国企业的证据 内容 摘要： 本文研究 进口中间 品对企业对外直接投资 决策 的影响 。 研究发现 ：（ 1） 进口 中间 品 通过 提高 企业生产率， 促进 其 对外直接投资决策。（ 2） 控制 生产率后，进口中间品仍 对 企业 对外直接投资 决策 有显著正向影响 。 这 主要归因于 搜寻成本 降低效应 ： 进口中间品 可 以帮助企业 获得可靠供应商 等信息 。（ 3）对生产率较低企业，搜寻 成本 降低可 弥补 其 生产率 的 不足 ，从而促进其对外直接投资 。 （ 4） 产品差异化 或 技术含量 的 增强将 减弱 搜寻 成本降低 效应 。 关键词： 进口中间品、对外直接投资、企业生产率、搜寻成本 Imported Intermediate Inputs and Outward Direct Investment Decisions: Evidence from Chinese Enterprises Abstract: This paper studies the effect of imported intermediates on firms overseas direct investment (ODI) decisions. Imported intermediates can affect firms ODI decisions through two channels: productivity improvement and search costs reduction. Moreover, these two channels are complementary forces driving firms ODI decisions. For less productive firms, importing intermediate inputs can compensate its inadequacy in productivity through reducing search costs. Third, higher product differentiation or technology content can increase the difficulty in gaining information, thus reducing the effect of search costs reduction. Key Words: Intermediate inputs; Outward Direct Investment; Firm Productivity; Search Cost. JEL No.： F10, F23, F30 2 一、引言 自 2001 年入世以来，中国的对外直接投资迅猛发展，在全世界各个国家和地区引起了 广泛关注。 2016 年，中国 首次 成为 全球 第二大对外直接投资国 。 随着经济全球化的发展， 企 业的全球化经营 日益 成为国际贸易的重要特点， 越来越多的中国企业选择 “走出去 ”。 截至 2016 年底，中国 2.44 万家境内投资者在国（境）外设立对外直接投资企业 3.72 万家，分布 在全球 190 个国家或地区。 深入理解中国企业 “走出去 ”的影响因素， 既是 政策关注的焦点， 也是 重要的学术命题。 在 国际生产分割的背景下，中间品贸易成为企业 全球化 经营的重要环节。在中国的出口 增长奇迹中，进口中间品扮演着关键的角色（ Feng， Li 和 Swenson， 2012）。 企业 进口、出 口与对外投资 均为 其国际化战略的重要方面， 相互之间 可能存在重要的互动 作用 ， 已有文献 探讨了 企业中间品 进口与出口 之间 的联动关系，那么 中间品进口对企业 的对外 直接投资 决策 是否也有影响呢？这是本文 研究 的主要问题。 进口中间品 可能通过生产率 提升 效应 （ Amiti 和 Konings， 2007） ，促进企业对外直接投资 。 然而本文发现， 低生产率 但 进口 中间品较多的 企业，其对外直接投资的频率也较高 1， 这 并不能被已有 理论 解释 。 这也促使我们进一步挖 掘进口中间品对企业对外直接投资决策的另一个重要影响渠道：搜寻成本降低 效应。 除了提 高企业生产率之外，进口中间品还能提供可靠供应商与相关法规制度的宝贵信息，从而降低 企业对外投资的搜寻成本 。本文 的 研究表明 ，生产率提升 效应 与搜寻成本降低效应 ， 是进口 中间品 影响 企业对外直接 投资的 重要渠道 ， 且这两个渠道之间具有互补性。 进口 中间品对企业绩效的影响已成为国际贸易领域的热点问题。中间品进口是提升企业 生产率的重要渠道（ Amiti 和 Konings， 2007； Ksahara 和 Rodrigue， 2008； Topalowa 和 Khandelwal， 2011； 钱雪峰等， 2011； 张杰等， 2015；魏浩等， 2017），是 扩大企业生产范围 的重要方式（ Goldberg 等， 2010）， 也 是推动企业出口增长的关键因素（ Feng， Li 和 Swenson， 2012） 。 然而，目前的研究 忽略了经济全球化 的背景下 ，进口中间品对企业对 外直接投资 的 可能影响 。本文致力于填补这一空白。在今天，企业经营日益全球化，中国企业 “走出去 ”的 动力日益增强 。同时 ，扩大进口作为 中国 扩大开放的重要方面， 深入研究进口中间品对企业 对外直接投资决策的影响，其意义更为重大。 企业的 对外直接投资 决策已引起学术界 的 广泛讨论 。 传统文献 研究 了 水平 和 垂直 对外直 接投资的动机，即 “邻近集中权衡 ”（ proximity-concentration trade-off）和要素价格差异 （ Helpman， 1984； Markusen， 1986）。 Helpman、 Melitz 和 Yeaple（ 2004）将企业异质性引 入模型，表明 生产率是影响 企业 水平 FDI 的 重要 因素 ：生产率最高的企业倾向于对外直接 投资，生产率次之的企业出口，生产率最低的企业 服务国内市场。 余淼杰和田巍（ 2012）用 中国数据验证了生产率对企业对外直接投资决策的积极影响。 另一支文献则强调契约摩擦 （ contractual frictions）在企业 垂直 FDI 中 的作用（ Antras， 2003； Antras 和 Helpman， 2004， 2008），深入研究了垂直一体化与外包等企业对外投资决策。 两支文献均表明，生产率是影 响企业对外直接投资的重要因素。 由已有文献的 梳理 ，我们不难推出 ，生产率是 进口中间品 影响 企业对外直接投资决策 的 可能渠道 ： 进口中间品提升企业生产率 （ Amiti 和 Konings， 2007） ，而高生产率企业倾向于 对外直接投资 （ Helpman、 Melitz 和 Yeaple， 2004） 。 但是 ，也有学者认为进口中间品对企业 1 详见本文描述性统计部分。 3 生产率影响不大（ Biesebroeck， 2003； Muendler， 2004），或取决于企业的吸收能力与人力资 本投资（ Augier 等， 2013； Okafor 等， 2017）。 本文的贡献之一在于验证了进口中间品能够 通过提升企业生产率 ， 进而促进其对外直接投资。 然而，本文的研究并不止于此。在数据中， 我们发现 了一个新的特征事实： 低生产率 、 但进口中间品较 多 的企业 ， 与高生产率企业相比， 同样 具有较高的 对外直接投资 频率 。 这并不能被已有理论解释 ： 如果生产率提升是进口中 间 品对企业对外直接投资的唯一影响渠道，我们应该发现低生产率企业 对外直接投资的概率较 低。但本文的描述性统计否定了这一点。这也促使我们进一步挖掘进口中间品对企业对外直 接投资决策的 另一个重要影响 渠道：搜寻成本降低。 要 在海外经营和生产，企业必须熟悉当地需求和可靠的中间品供应商（ Albornoz 和 Garca Lembergman， 2016） ，以克服巨大的 信息 不确定性 和搜寻成本（ Eaton 等， 2015） 。因 此，除了提高 企业 生产率 之外，进口中间品还能提供可靠供应商与 相关法规制度 的宝贵信息， 从而降低企业对外投资的搜寻成本。 本文发现， 搜寻成本降低和生产率提 升渠道之间具有互 补性： 对较低生产率 的 企业 而言，搜寻成本的降低对其 对外投资决策有更大 的 积极作用 。 2 由此，生产率较低但进口中间品较多的企业，其对外直接投资频率也较大，这一现象也能够 得到解释。 本文主要 利用 2000-2008 年 中国 商务部对外 直接投资企业名录、中国海关数据库 、 中国 工业企业数据库研究中间品进口对企业对外直接投资的影响。 值得一提 的是， 使用 上市公司 或者 Orbis 数据库可能带来 不可忽略的 样本损失 和估计偏误 ： 前者使 最终 企业 样本 集中在规 模较大的企业 上 ， 后者与 海关或者工业企业数据库的匹配 质量 较差， 造成大量样本损失。 本 文 使用覆盖全面的中国 商务部 对外直接投资企业名录 进行 研究，克服了这一缺点。 同时 ，本 文使用企业层面关税 作为企业进口 中间品的工具变量，以 减轻 内生性问题。 在 考虑了不同样 本、不同模型 并 加入 可能 的遗漏变量后，本文的结果 依旧稳健 。 总体 而言， 本文的贡献有四个方面： 第一，本文验证了 进口 中间品对企业 对外直接 投资 决策的积极影响 。第二， 本文 建立了进口中间品影响企业对外直接投资决策的两个 渠道： 生 产率 提升和 搜寻成本 降低 。一方面， 本文验证了进口中间品能够 通过提升企业生产率， 促进 其 对外直接投资。 另一方面，本文发现，在控制 了 生产率 之后，进口 中间品 仍然 对 企业的对 外直接投资决策 有显著的正向影响 。这主要归因于搜寻成本降低的影响：企业可以通 过进口 中间品经验获取可靠供应商与相关 法规制度 信息 ，进而促进 其投资决策。第三，我们发现生 产率提升与搜寻成本降低 这两个渠道，是推动企业对外直接投资的互补力量。对于生产率较 低 的 企业，进口中间品 的 搜寻成本 降低效应更强 ，进而能够 弥补其 生产率 的不足。 这也解释 了本文发现的 一个 新的 特征事实：低生产率、但进口中间品较多的企业，与高生产率企业相 比，同样具有较高的对外直接投资频率。 第四，我们 进一步 考察了进口产品异质性 对 搜寻成 本降低效应 的影响。具体而言， 更强的产品差异化程度或更高的产品技术含量将 增加获取信 息的难度，从而减弱搜寻成本降低的影响。 本文的其余部分安排如下 ： 第 二部分 梳理本文相关的文献， 第三部分 介绍使用 数据与描 述性统计 ，第四部分描述 实证 策略，第五部分为 本文的实证 结果， 第六部分是结束语。 二、 文献综述 2 企业生产率是 企业产出 中 不能被投入所 解释 的部分 ， 由企业所使用投入的效率 决定， 在已有文献中常用 于 衡量创新 （ Comin， 2010）， 从而 难以衡量信息 流动与搜寻成本降低的效果。 4 本文 与三支文献 密切相关 。 第一支是研究企业对外直接投资影响因素的文献 。 传统贸易 文献将 外商 直接投资 （ FDI） 分为 水平 和 垂直 两类 ，其中前者涉及在东道国生产和销售商品 的子 企业 ，后者则涉及向母 企业 提供零部件的子 企业 。 一方面， Helpman 等（ 2004）将 Markusen （ 1984） 的 邻近集中 假说 （ proximity-concentration-trade-off） 引入模型， 认为企业的 水平 FDI 决策取决于单位生产成本和运输成本之间的 权衡 ，并 说明 了生产率对企业 水平 FDI 的影响。 另一方面， Helpman（ 1984）认为，要素价格差异（如工资和研发成本）可能导致 企业的 生 产 分割 ，即垂直 FDI。 Antras（ 2003）、 Antras 和 Helpman（ 2004， 2008）则 讨论了契约摩擦 （ contractual frictions） 在企业 垂直 FDI 决策中 的作用。 其中， Antras 和 Helpman（ 2004） 强 调 了 行业总部密集程度和企业生产率对企业兼并与外包决策的影响。 Hanson 等（ 2001）则 指出在现实世界中，企业的跨国经营模式更倾向于融合水平和垂直 FDI 的策略，而并非一 定是二者择一。 田巍 和余淼杰（ 2017） 进一步 考察了 汇率对贸易服务型投资的影响 。 Chen， Tian 和 Yu （ forthcoming）验证了中国 的 民营企业有强烈意愿自选择到海外投资以规避国内 要素市场的扭曲 。 总体而言， 讨论 FDI 的主要文献得出 高生产率促使企业在海外投资 的结 论 ， 同时具体国家的制度环境也应纳入企业对外直接投资决策的 考量 之中 。然而，什么是推 动企业生产率 提升 、进而对外直接投资的因素呢？ 本文提供了 进口 中间 品可以促进企业对外 直接投资决策的 证据。 第二 ，本文也与研究进口 中间 品 的文献 相关 。理论研究强调了 中间品投入 对生产率增长 和经济增长的重要性（ Ethier， 1979， 1982； Romer 1987， 1990； Markusen 1989； Grossman 和 Helpman， 1991）。 在实证研究中，越来越多的文献 验证了 中间品进口或贸易自由化带来 的好处 （ Amiti 和 Konings， 2007； Kasahara 和 Rodrigue， 2008； Halpern 等， 2009； Goldberg 等， 2010； Feng， Li 和 Swenson， 2012； Yu， 2015；钱雪峰等， 2011；张杰等， 2015；魏浩 等， 2017）。其中， Goldberg 等 （ 2010）侧重 进口关税自由化对印度 产品范围 （ product scope） 扩张的影响 ， Bas 和 Strauss-Kahn（ 2011） 、 Bas（ 2012）和 Feng， Li 和 Swenson（ 2012） 验 证了中间品进口与企业出口表现 之间的联系 ， Amiti 和 Konings（ 2007）和 Halpern 等（ 2009） 强调进口中间品投入对生产率增长的作用 。 值得一提的是，也有学者认为进口中间品对企业 生产率影响不大（ Biesebroeck， 2003； Muendler， 2004），或取决于企业的吸收能力与人力资 本投资（ Augier 等， 2013； Okafor 等， 2017）。本文的贡献之一在于验证了进口中间品能够 通过提升企业生产率，促进其对外直接投资。 此 外， 在生产率提升渠道之外， 本文 还 探索 了 搜寻 成本降低 渠道 对企业对外直接投资的 积极 影响 。 第三， 本文还与 信息障碍（ information barrier） 在国际贸易中作用的文献 相关 。 Rauch 和 Trindade（ 2002）在一篇开创性的论文中表明，华人网络可以促进国际贸易， 其 对差异化产 品 贸易的影响比同质商品更为明显。这 表明 了国际贸易中信息障碍 的重要影响 。 Chaney（ 2011） 通过模型说明 由进口商和出口商组 成的国际 贸易 网络有助于 企业 克服信息障碍。 其后，一系 列文献进一步探索了信息不确定性（ information uncertainty）的来源 ， 主要分为 三个方面： 消费者需求与 偏好 （ Defever 等， 2011） 、企业出口盈利能力 （ Albornoz 等， 2012； Conconi 等， 2015） 与供应商网络信息 （ Albornoz 等， 2016； Albornoz 和 Garca Lembergman， 2016； Eaton 等 ， 2014） 。 首先， Defever 等 （ 2011） 强调 消费者 需求 、 偏好 与 供应商网络 等 信息 对 企业出口市场地理分布的 影响 。 其次， Albornoz 等 （ 2012） 建立理论模型说明企业出口盈利 能力在时间与地理上的相关性，由此解释了阿根廷企业 “序惯出口 ”（ sequential exporting）的 现象 ； Conconi 等（ 2015） 则 强调 出口 经验 有助于 企业 获得 盈利能力 信息 ，并促进其对外直 接投资 。 再次， Albornoz 等（ 2016）表明出口经验有助于降低企业的沉没成本和固定成本 ； Albornoz 和 Garca Lembergman（ 2016）强调出口有助于 降低进口的固定成本，其背后的机 制是出口使 企业了解 国外市场的供应商 ，降低了 搜寻 供应商的成本 ； Eaton 等（ 2014） 则建 立 结构 模型量化了出口商 的 搜寻成本。 本文 与 研究 供应商网络信息的文献最为相关，但 与 以 5 往 的文献不同， 本文强调 进口中间品 能够 帮助企业克服 信息障碍 。 与出口获取的信息相比， 进口能够让企业更直接地了解 中间品 的 供应商网络，进而 降低 企业的 搜寻成本。 纵观现有文献，我们发现针对进口中间品与企业对外直接投资两者关系的研究尚存在空 白 。 进口中间品是促成中国出口 增长 奇迹的重要因素，对外直接投资是中国企业 继 “出口 ”之 后、 “走出去 ”参与 跨国经营 的 重要 方式 ，本文对 进口中间品 与对外直接投资之间 的关系进行 了实证分析，并 深入探讨了生产率提升与搜寻成本降低 这两个 影响渠道 及两者 间的关系 。 6 三、数据说明 与描述性统计 （一） 数据 为了研究 进口 中间品 对企业对外直接投资决策的影响，我们 主要 使用了 三个 面板数据库 ： 第一 是中国海关数据 ； 第二是 中国商务部 的对外直接投资数据； 第三是 中国国家统计局的工 业企业 数据库 。为了避免金融危机的 影响，我们 选取 2000-2008 年期间的 企业样本 。 中国海关数据涵盖了在中国从事跨境贸易的企业的月度进出口记录，数据包括企业名称、 贸易形式（一般贸易或加工贸易），贸易数量、 贸易 价值量、 贸易来源或目的地以及企业 所 在城市 信息。它是记录中国企业贸易动态的最全面的数据库 。我 们将月度数据加总成由年度、 企业、 产品 、来源地或目的地、贸易形式唯一确定的年度数据 。 中国商务部的对外直接投资数据 收集了 20 世纪 80 年代以来 在 中国 的企业对外直接投 资申请的审批记录，数据 包含关于批准 编号 ，批准日期，东道国，国外子 企业 名称，对外直 接投资业务范围，母 企业 来源地信息。但是，这个 数据有三个主要限制。首先，它没有提供 每 个对外直接投资记录的投资量 。其次，数据集仅记录已批准的项目，而不跟踪实 施状态。 第三，这个数据集可能低 估了中国私营企业在非洲的投资（ Shen， 2015）。尽管如此，这 仍 是迄今 为止 最全面的 记录中国对外直接投资的 数据库。 中国国家统计局的工业企业年度调查覆盖了 1997-2008 年规模以上的工业企业数据。它 提供了关于三个主要会计报表的信息：资产负债表，损益表和现金流量表。数据涵盖两类制 造业企业：一是所有国有企业和年销售额超过 500 万元人民币的非国有企业（ Yu， 2015）。 参考 Brandt 等（ 2012）、 Feenstra 等（ 2013）、 Yu（ 2015），我们使用以下标准清理工业企业 数据库。首先，排除关键财务变量缺失（如总资产，固定资产净值，销售额和总产值）的观 测值。其次，删除少于 8 名员工的 企业 ，因为其属于不同的法律体制（ Brandt 等， 2012）。 第三，如果存在以下任何一种情况，我们根据通用会计准则（ GAAP）的基本规则删除观测 值：（ 1）流动资产大于总资产 ； （ 2）固定资产总额大于总资产 ； （ 3）固定资产净值大于总资 产，（ 4） 企业 的识别号码丢失。 为了研究 企业 的进口行为，我们将商务部 对外直接投资数据 与中国海关数据进行匹配。 虽然海关数据和 对外直接投资 数据都有 企业 ID，但他们的编码体系完全不同。因此，我们 使用 企业 的中文名称和年份信息来匹配商务部数据和海关数据。我们的匹配 步骤 如下：（ 1） 如果两个数据集中同一年的两家 企业 使用相同的中文名称，那么它们 为同一家 企业 ； （ 2）由 于注册差异，一些 企业 在不同数据集中可能没有完全相同的中文名称，但它们可能共享一些 常见字符串。在这种情况下，我们将 一家 企业 的名称分解成不同的字符串， 表明 企业 的位置， 业务类型 以及 具体名称 （ Tian 和 Yu， 2015） 。如果两家 企业 的所有 分解 字符串完全相同，那 么它们将被匹配为同一家 企业 3。表 1 列出了商务部数据与海关数据匹配前后 ， 海关数据中 企业数量和 对外直接投资 企业数量。在商务部数据 5076 家企业中，有 2870 条（ 55）企业 对外直接投资记录与海关数据成功匹配 ， 这也意味着在所有进出口企业中仅有约 0.2 4的企 业是对外直接投资（ Outward Direct Investment， ODI）企业 。 ODI 企业在数据中占据极小的 3例如，在两个数据集中，“集团”可能 写作 “集团” 或 “ 集团 企业 ” 。在这种情况下，我们需要将 “ 集 团 ” 和 “ 集团 企业 ” 编码为一个共同字符串 “ 集团 ” ，以便于匹配。 其他 情况如， “股份 有限企业 ”可能 写作 “ 股份 有限责任企业 ” 等 。 4 2870/1427029=0.2% 7 份额，部分原因是对外投资需要很大的固定成本，而只有少数企业能够克服这种成本。 5进 一步地 ，我们还发现， 在 2870 家成功匹配的 ODI 企业中， 20 世纪 80 年代以来首次对外直 接投资的企业有 2501 家 ，其中 57 的企业 同时有进口行为 ， 这也 激励我们进一步研究 进口 与对外直接投资 之间的联系 。 表 1 海关数据与对外直接投资名录匹配结果 年份 海关数据企业数目 匹配前对外投资企业数目 匹配后对外投资企业数目 2000 82058 19 9 2001 89652 20 8 2002 104234 41 24 2003 124265 62 43 2004 153714 210 113 2005 179501 907 516 2006 207816 1069 597 2007 235429 1289 731 2008 250360 1459 829 Total 1427029 5076 2870 为了估计 企业的全要素生产率（ TFP），我们 参考 Yu（ 2015），使用企业的中文名称，邮 编和电话号码匹配 中国海关数据和 工业企业数据 ，并 使用修正 的 Olley 和 Pakes（ 1996）方 法估计中国企业的 TFP。 传统方法使用 “索罗剩余 ”估计企业的生产率。然而，这种方法存在 两个问题：同时性偏误（ simultaneity bias）和选择性偏误（ selection bias）。第一，企业受到 生产率冲击后，可以调整生产过程中的投入决策。因此，企业的投入选择和全要素生产率存 在内生性，导致同时性偏误。第二，生产率低的企业可能已退出市场，因此不包括在数据中， 导致选择性偏误。 Olley 和 Pakes（ 1996）提供了一种半参数方法成功解决了这两个问题。 在 本文中， 因为企业是否对外 直接 投资和 是否 进口同样会影响企业的投资决策， 在 Yu（ 2015） 的基础上， 我们 在 生产 函数中 引入 了 对外直接投资和进口的虚拟变量来估计 企业生产率 。 6 值得注意的是 ， TFP 的 估计 需要使用 当期与 上一期的 具体 投入信息， 导致 大量企业样本 损失 ， 因此我们还采用劳动生产率（企业附加值与雇佣人数的对数值）作为生产率的 替代 衡量。 （二） 描述性统计 本文 希望 研究 进口中间品对企业对外直接投资的影响，首先我们用简单的描述性统计来 说明两者的关系 。 本文的描述性统计发现了两个 特征 事实： 第一，进口中间品贸易量越大， 企业对外直接投资概率越大，第二，低生产率但进口中间品较多的企业，进行对外直接投资 的概率较大。 而 后者是以往 的 理论难以解释的。 我们首先分析进口中间品贸易量与企业对外直接投资概率的关系。为获取具有代表性的 样本，我们以纺织行业为例 ， 将海关数据库中 2000-2008 年 纺织业内的 企业 ， 按进口中间品 贸易量从大到小排序，并分成相同数量的 N 组（ N=1， 2， 3， 4， 5）， 然后 计算每一组中企 5 对外投资 企业数量极少，这会导致 稀有 事件误差，我们在实证策略 中 介绍 减轻 这种误差 的方法 。 6 引入对外 直接投资与进口虚拟变量后， Yu（ 2015） 附录 中 B.2估计式转化 为： = 0 + + +(,)+，其中 ODI与 Import分别 为 表示 对外直接 投资与进口的虚拟变量。其余 变量 定义与估计方法 参考 Yu（ 2015），为 使 行文 简洁， 这里 不再赘述。 8 业进行对外直接投资的频率。 7表 2 中，第 1 列表示进口中间品贸易量最大的组，第 2 列表 示贸易量第二大的组；第 1 行表示将所有企业分为 1 组，第 2 行表示将所有企业分为 2 组， 以此类推。因此，第 1 行 第 1 列 表示的是所有纺织类行业企业中 ，有 0.20%的企业进行对外 直接投资；第 2 行 第 1 列 进口中间品量前 50%的企业中 ， 有 0.24%进行对外直接投资。 由 此 ， 第 5 行 第 1 列 表示 在进口中间品最多的 企业中 ， 有 0.32%进行对外直接投资， 第 5 行第 2 列 到第 5 列分别表示 进口中间品 量排序第二到第五 的企业中 ， 有 0.16%、 0.19%、 0.16%、 0.17%的企业对外直接投资。 从表中容易看出，进口中间品最多的第 1 列，与同一行的其他 进口中间品较少的企业相比，其对外直接投资的频率更大。 总体而言，企业对外直接投资频 率随进口中间品增多而上升，但并未呈现稳定的线性关系 8。 表 2 进口中间品与企业对外直接投资频率 进口中间品排序 组数 1 2 3 4 5 1组 0.20 2组 0.24 016 3组 0.26 017 017 4组 0.29 018 017 016 5组 0.32 016 019 016 017 然而，进口中间品较多的企业对外直接投资频率较高，可能是因为进口中间品间接反映 了企业的生产率（ Amiti 和 Konings， 2007）， 这 并不足以说明进口中间品带来的搜寻成本降 低 对企业对外直接投资的影响。因此，我们在描述性统计中 加入了生产率 9的维度， 希望 进 一步 探索在考虑了生产率后， 进口中间品对企业对外直接投资 的 影响 。我们 继续将上文使用 的 2000-2008 年纺织类行业企业 ， 按进口中间品贸易量 与企业生产率 分别 从大到小排序， 各 分为 相同数量的 5 组，由此 形成 25 组 进口中间品与生产率水平不同 的 企业，并计算每一组 中企业进行对外直接投资的频率。表 3 中， 第 1 行表示生产率最高的组，第 2 行表示生产率 第 2 高的组； 第 1 列表示进口中间品贸易量最大的组，第 2 列表示贸易量第二大的组，以此 类推 。 因此，第 1 列第 1 行表示纺织 行业中 进口中间品最多、生产率最高的企业中，有 0.30% 进行对外直接投资；第 1 列第 2 行表示进口中间品最多、生产率次高的企业中，有 0.27%进 行对外直接投资。 由此 ，第 1 列第 5 行 表示进口中间品最多、生产率最低的企业中，有 0.36% 进行对外直接投资。 从表 3 我们 容易发现两个明显规律：第一，生产率高的企业（如第一行 内 的 所有 企业 分 组），其对外直接投资频率较高 ，这与理论文献的预测相一致（ Helpman 等 ， 2004； Amiti 和 Konings， 2007）；第 二，生产率较低 、 但进口中间品较多的企业，其对外直接投资频率也较 7 我们将企业按年份、 HS 二分位行业的进出口贸易总额从大到小排序，选取该年贸易量最大的行业，定 义该企业当年所在行业。根据海关编号各章节分布，纺织类行业所属的 HS 二分位行业代码为 50 到 63。 为了检验结果是否稳健，我们还做了机械类（ HS 二分位代码为 84-85）以及全行业的描述统计，同样能够 发现类似的规律，感兴趣的读者可向作者索取。值得一提的是，纺织业和机械类是我国对外直接投资企业 较多的两大行业，选取这两个行业为例能够帮助我们获得统计上较有说服力的结果。其中，纺织业大类下 还有 14 个 HS 二分位子行业（纺织类行业所属的 HS 二分位行业代码为 50 到 63），不同年份、不同行业 的进口中间品类型和价值量可能有系统性差异，因此为考虑这种差异带来的影响，我们按年份和子行业进 行分组。 8 如第 5 行，对外直接投资频率在第 2 列为 0.16%，在第 3 列为 0.19%。但 总体而言，进口中间品最多的 一组，对外直接投资频率最高。 9 全要素生产率估计见本文数据部分。同时，当使用行业内标准化到 0-1 之间的生产率或者劳动生产率衡 量时，我们依旧能发现类似的规律。表 3 的描述性统计方式受 Lileeva 和 Trefler（ 2010）启发。 9 高。 例如 ， 第 4 行第 1 列、第 5 行第 1 列的企业，与 同一行生产率相近但进口中间品较少的 企业相比，其对外直接投资频率要高得多。这是传统理论文献不能解释的部分 ： 如果进口中 间品通过提升企业生产率促进企业对外直接投资，是其影响对外直接投资的唯一渠道，那么 我们应该发现生产率较低 的企业，其对外直接投资频率也较低。 但本文的描述性统计否定了 这一点。 而 本文提出的搜寻成本降低渠道，能够解释这 部分现象：当企业生产率较低时，大 量的进口中间品经验使其熟悉了供应商网络与法规制度，降低了企业的 搜寻成本，从而有利 于其对外直接投资决策。 换言之， 进口中间品所带来的 搜寻成本降低效应，能够在一定程度 上弥补企业在生产率上的不足。因此， 生产率较低但进口中 间品较多的企业，其对外直接投 资频率也较大 。 表 3 进口中间品、企业生产率与企业对外直接投资频率 进口中间品排序 生产率排序 1 2 3 4 5 1 0.30 0.22 0.43 0.34 0.33 2 0.27 0.18 0.15 0.13 0.10 3 0.31 0.14 0.15 0.11 0.15 4 0.37 0.10 0.08 0.18 0.14 5 0.36 0.13 0.17 0.18 0.11 四、实证 方法 由对文献的回顾与本文的描述性统计，本文接下来检验两个假说：第一，进口中间品有 利于企业对外直接投资决策；第二，在控制了生产率后，进口中间品对企业对外直接投资决 策仍然有影响，且这种影响对低生产率的企业更加明显。 要估计进口中间品对企业对外直接投资决策的影响，本文面临的主要挑战是反向因果和 遗漏变量 问题。在本节中，我们提供了解决这些问题的实证策略。 如果我们 直接 将进口中间品价值量对企业对外直接投资决策回归，这将存在 反向因果 问 题， 因为企业的对外直接投资可能会影响其进口行为。因此，我们 采用 三 种方式减轻这种影 响：第一， 借 鉴 De Loecker（ 2007）， 本文仅选择首次对外直接投资的企业与从未对外直接 投资的企业作为样本。第二，本文 使用 企业层面的关税作为进口中间品的工具变量，降低这 种内生性的影响。 第三，在本文的稳健 性检验中，我们使用进口中间品的滞后期作为核心解 释变量，以减轻 反向因果 的 影响。 我们参考 Yu（ 2015）， 使用 WTO 的关税数据库构造了企业层面的进口关税指标，作为 对进口中间品的工具变量。进口关税为政府政策，对中国企业而言相对外生。企业层面关税 指标定义如下： = ， 0 ， 0 (1) 其 中 ， 0为企业 f 在 2000-2008 年期间第一次进口产品 p 的贸易量， M 为企业进 口产品的集合。 是的 t 年中国对 HS6 产品 p 实施的进口关税。企业层面的进口关税使用 企业初始进口份额作为固定权重构建，以解决当期关税和进口量之间的内生性问题。 本文 2SLS 的第一和第二阶段方程如下： 10 _ = 1 _ +2 + + (2) _ = 1 + + (3) 方程（ 2）是第一阶段 方程 ，方程（ 3）是第二 阶段 方程 。下标 f 表示企业， i 表示行业， t 表示年份。行业 i 由 t 年 企业进出口贸易量所在最大 HS 二分位行业 确定。样本 年份为 2000 到 2008 年。为了纠正 对外直接投资企业较少带来的 稀有事件偏误 （ rare event bias） ， 本文 还 参考 Tian 和 Yu（ 2015） ， 使用 Cloglog、 Possion IV 模型 进行 稳健性 检验 。 因变量 _是 定义企业首次对外直接投资的虚拟变量， 如 企业 f 在第 t 年首次 在国外投资 ， 则 虚拟 变量 取值 为 1，其余为 0。 10_是 本文关注的核心解释 变量， 即 企业 f 在 t 年的进口 中间品贸易量的对数值 。为了确定中间 品 投入，我们 借鉴田巍、余淼 杰（ 2013）， 使用了联合国的广泛经济分类（ Broad Economic Category， BEC） ， 识别企业的 进口中间 品。 是工具变量企业层面关税（ ）的对数值。 表示行业固定效 应，以 控制 可能影响企业 对外直接投资决策和进口行为的行业 特征。 表示年度固定效应， 以考率 时变因素 的影响 ，如人民币升值 、通货膨胀等 。标准差 聚集（ cluster） 在企业层面， 以考虑企业内部 可能的相关性 为了 减轻遗漏变量的影响 ， 除 了加入行业与年份的固定效应之外， 我们在