第二部分
第四章 加工贸易、贸易自由化和企业生产率29
本章研究了进口中间品和最终品关税减免如何影响参与贸易的大型中国企业的生产率，分析考虑了企业从事加工贸易在进口中间品方面的关税优惠。利用2000—2006年高度细化的贸易数据和企业生产数据，本章构建了各企业所面临的进口中间品和最终品关税税率。通过控制企业参与加工贸易的自选择和两类企业层面关税税率可能引发的内生性，文章发现，进口中间品和最终品关税减免均对企业生产率提升有正向影响，且影响力度会随着企业加工贸易进口份额的增大而减小。总体上，相对于最终品关税减免，进口中间品关税减免对生产率提升的影响更大；但对于不从事加工贸易的企业，相反的结论成立。通过将企业生产率加总至经济体总体生产率，文章发现，两类关税减免共使样本中约423家企业获得生产率提升，同时至少贡献了同期经济体总体生产率提升的13.53%。
第一节 引言
贸易自由化对企业利润率的影响是贸易实证研究中最重要的问题之一。先前研究贸易的经济学家主要关注最终品关税减免的影响。目前，研究重心转移到探讨进口中间品关税减免的影响上来。通常，进口中间品关税减免对企业生产率的影响要大于最终品关税减免（Amiti and Konings，2007；Gold-berg et al.，2010；Topalova and Khandelwal，2011）。Amiti and Konings（2007）分析了印度尼西亚企业层面的数据并发现企业从中间品关税降低所获得的生产率提升是从最终品关税降低所获得的生产率提升的两倍。此外，Topalova and Khandelwal（2011）发现对于印度一些行业中的企业，中间品关税下降带来的生产率提升甚至能够达到最终品关税下降带来的生产率提升的十倍。他们强有力地指出，造成这一结果的主要原因是中间品关税下降使企业能够获得更好的中间品投入，这比最终品关税下降造成的促进竞争效应更为重要。
不同于上述研究结论，本章发现对于参与国际贸易的大型中国企业，在21世纪最终品关税减免比中间品关税减免更能提高企业生产率。最终品（中间品）关税下降10%会使生产率提高9.3%（5.2%）。两类关税减免对生产率的正向促进作用会随着企业加工贸易进口份额的增大而减小。该结论主要是由于中国加工贸易企业相比非加工贸易企业在进口中间品方面的关税优惠：占据中国总进口半壁江山的加工贸易进口享受零关税。进口中间品关税的进一步下降对完全从事加工贸易的企业无影响，但仍会影响到既从事加工贸易又从事一般贸易的企业。随着企业加工贸易份额的增大，中间投入关税下降对生产率提升的作用降低。类似地，随着企业加工贸易份额上升，其内销产品份额随之下降，最终品关税下降带来的促进竞争效应随之减弱。
本章在以下三个重要方面丰富了现有文献。第一，文章丰富了对中国这个世界第二大经济体和第一大出口国经济增长的理解。中国占世界贸易10%的庞大的贸易体量一直被认为是其经济飞速增长的原因之一。然而，这一猜测几乎没有从中国企业层面的微观数据中获得支撑。30本章的研究力图填补这项空白。利用2000—2006年高度细化的交易层面的海关数据和企业层面的生产数据，文章深入探究了对外贸易和企业生产率的关系。
第二，对于很多发展中国家（如印度尼西亚、墨西哥和越南），加工贸易是重要的贸易形式。加工贸易是企业从国外进口原材料或中间产品，在本国加工之后再予以出口，赚取其中附加价值的过程（Feenstra and Hanson，2005）。为鼓励发展加工贸易，一国政府往往会对作为原料的中间品减免关税。尽管关于发达国家和发展中国家的贸易改革存在一些研究31，但贸易改革和加工贸易的相互作用却很少被探讨。因此，在加工贸易享受特殊关税优惠的背景下理解贸易改革带来的生产率提升显得十分必要。
第三，除了采用被广泛接受的在行业层面度量关税的方法，本章进一步在企业层面衡量最终品关税和进口中间品关税。可能是由于数据所限，先前的研究通常利用投入产出表（如Amiti and Konings，2007）或是通过度量有效关税保护（如Topalova and Khandelwal，2011）来在行业层面度量关税。然而，这种便捷的方法可能存在缺陷。由于投入产出表并不区分进口中间投入和与关税减免不直接相关的国内中间投入，利用投入产出表可能无法精确度量企业面对的贸易保护程度。利用中国企业层面生产数据和交易层面贸易数据中的丰富信息，本章能够新颖地构造出各企业面对的中间品和最终品关税的度量方法以估计贸易改革对企业生产率的影响。据本章作者所知，这在文献中是在企业层面度量关税的首次尝试。值得指出的是，在采用传统的行业层面度量关税的方法时，本章的估计结果保持稳健。
本章同时仔细控制了两类内生性因素：企业层面关税可能存在的内生性以及企业参与加工贸易的自选择可能存在的内生性。首先，企业层面中间品和最终品关税可能存在一些内生性问题。其一来自关税本身的度量方法。由于企业可能进口多种产品，故用进口量作为权重能够反映某种产品对企业的重要性。然而，进口量与关税存在反向关系。在极端情况下，当企业面对禁止性关税时，其进口和相应的进口权重为零。因此，中间品关税在度量上存在向下的偏误。为解决这一内生性问题，在所有回归估计中，企业层面关税在构造时均使用了不随时间变化的权重，该权重根据企业第一次出现在样本年份的进口值构建。第二个内生性问题同关税与生产率之间可能存在的反向因果有关。关税可能会受到来自国内特殊利益集团的压力，这种压力在如印度（Topalova and Khandelwal，2011）等国家可能会很大，但在印度尼西亚（Amiti and Konings，2007）等国家并不十分显著。鉴于中国在2001年加入世界贸易组织（WTO），在2000—2006年来自本国的压力可能不会是决定性的因素。然而，为了分析的完整性，文章仍采用工具变量（IV）方法以控制可能的反向因果。
另外一类内生性与企业自选择参与加工贸易有关。观察到一些中国企业同时参与加工贸易和一般贸易，而其他企业只参与一种类型的贸易，本章采用两种方法衡量加工贸易变量。首先，文章用一个加工贸易虚拟变量来识别企业是否从事加工贸易。如果海关数据显示一个企业有加工贸易进口，则该企业被定义为加工贸易企业。然而，企业的加工贸易份额是内生的。企业首先要决定是否参与加工贸易，如果是，再决定加工贸易进口份额。为了处理这种自选择行为，文章使用了第二类Tobit模型。在第一步Probit估计中，文章发现低生产率的企业更可能选择参与加工贸易以享受进口中间投入品零关税政策。在利用第二步Heckman估计得到企业加工贸易进口程度的拟合值后，文章在研究关税对企业生产率影响的主回归估计中将其作为加工贸易指标的度量以控制企业参与加工贸易决策的内生性。其他条件相同时，参与加工贸易的程度越高，企业生产率越低。
文章遵循标准的做法，分两步探究企业生产率与最终品和中间品关税的关系。首先，文章使用Olley and Pakes（1996）提出的方法来度量企业的全要素生产率（TFP），同时进行了必要的修正和扩展以适应中国的实际情况。由于即使是在同一行业中的加工贸易企业和非加工贸易企业也可能采用不同的生产技术，文章对各行业中加工贸易企业和非加工贸易企业的TFP分别进行了估计。文章同时考虑了企业从事加工贸易的学习效应（De Loecker，2013）。尽管扩展的Olley-Pakes方法能够克服传统最小二乘（OLS）估计造成的联立性偏差和选择性偏差，但其依赖于一个重要假设：资本对不可观察的生产率冲击更为敏感。然而，中国是劳动力充裕国家，劳动力成本相对较低。在面对生产率冲击时，中国企业通常会调整劳动投入以重新优化生产行为（Blomstrom and Kokko，1996）。因此，文章同时采用了另外三种方法度量企业TFP：劳动生产率、Levinsohn-Petrin（2003）方法计算的TFP以及系统GMM方法计算的TFP（Blundell-Bond，1998）。由于系统GMM方法在估计TFP时控制了企业先前的生产率，能够避免可能存在的序列相关问题，文章将其作为度量企业TFP的主要指标。
理解贸易改革促使企业生产率提升的相关机制同样十分重要。受之前研究的启发（Amiti and Konings，2007；Bustos，2011；Goldberg et al.，2010），进口中间品关税对生产率的影响机制十分明确，即关税降低使企业获得更多样的中间品投入。相对地，最终品关税对生产率的影响可能通过以下两种渠道：其一是通过进口竞争压力直接使企业更具生产率，其二是通过淘汰生产率较低的企业，从而间接提高企业生产率。本章发现促进竞争效应更多通过企业在压力下提升生产率的渠道发挥作用，这与Horn, Lang and Lundgren（1995）的发现一致。本章也探讨了其他可能的渠道如进口广度与研发支出。与Amiti and Konings（2007）不同，利用本章数据集中的信息可以如Goldberg et al.（2010）一样直接测度企业的产品范围（在出口市场上）。此外，与Bustos（2011）类似，分析考虑了研发支出的信息。
最后，由于经济体层面的生产率是衡量一国福利的重要指标，本章最后一项工作是将企业生产率加总至经济体总体生产率。加总时利用了Domar（1961）中的权重，该权重克服了开放经济中忽视纵向整合可能带来的加总偏差。简单来说，本章发现最终品和中间品关税降低至少贡献了同期生产率增长的13.53%。
第二节 加工贸易的特殊关税政策
加工贸易在中国兴起于20世纪80年代。作为贸易自由化的重要途径，中国政府鼓励企业进口部分或全部原材料和中间投入，在国内进行加工和组装之后，将增值后的最终产品复出口。截至2012年，根据海关总署的划分，中国共有16类特定类别的加工贸易。32
在这些贸易类别当中，有两类是尤为重要的，即来料加工和进料加工。33这两类加工贸易均享受零进口关税，但却有一处显著不同。在来料加工中，本国企业免费从其外国贸易伙伴处获得原材料和组装配件，但在本国完成加工后，必须将成品出售给同一外国贸易伙伴并收取加工费。相反，在进料加工中，本国企业在进口原材料时向国外出口商支付费用，同时加工后可以将成品出售到其他国家。
图4-1显示在20世纪80年代初期，与一般贸易进口相比，中国的加工贸易进口只占总进口的一小部分。然而，中国加工贸易进口在90年代初迅速增长，并在中国宣布采用市场经济体制的1992年超过了一般贸易进口。此后，加工贸易进口占总进口的比例大于50%。有趣的是，80年代由于大多数中国企业缺少进口所需的资金，这一时期来料加工更受欢迎。自90年代后，进料加工更为流行。图4-2清晰地显示了这种趋势：在加工贸易进口中，来料加工进口与进料加工进口之比从2000年的0.41下降到2006年的0.32。
图4-1 中国加工贸易进口与一般贸易进口
图4-2 中国加工贸易进口：来料加工与进料加工
本章的首要目的是探究在加工贸易享受关税特殊优待的背景下，企业TFP如何对最终品和和中间品关税下降做出反应。因此，理解企业是否参与加工贸易是重要的。故所有中国企业被分为四类，即非进口企业和三类进口企业：一般贸易进口企业、混合型进口企业和纯加工贸易进口企业。如图4-3所示，非进口企业不从事进口活动，所有原材料和中间投入都由本国市场获取。然而，非进口企业可以将其产成品销往国内和国际市场（如箭头（1）所示）。
在三类进口企业中，一般贸易进口企业不从事与加工贸易相关的进口活动，其只进口不用于加工贸易的中间投入品并且可以将产成品同时销往国内和国外市场（箭头（2））。34与之形成鲜明对应，如图中虚线所示，纯加工贸易进口企业仅从事加工贸易活动，其原材料和中间投入品全部来自国外并将所有加工增值后的成品复出口（箭头（5））。这些企业充分享受进口零关税优惠。最后一类企业可能最为有趣，混合型进口企业既从事一般贸易（箭头（3））也从事加工贸易（箭头（4））。这些企业从加工贸易进口中享受零关税优惠，但仍为一般贸易进口支付关税。这里需要指出的是，混合型进口企业和纯加工贸易进口企业可能从事任何一类加工贸易活动，包括来料加工与进料加工。
图4-3 四种类型的中国企业
第三节 数据
为了研究贸易自由化对企业生产率的影响，本章采用了以下三组高度细化的大型微观面板数据：关税数据、企业层面的生产数据以及产品层面的贸易数据。
关税数据可以直接从WTO和贸易分析与信息系统（TRAINS）中获得。35本章调用了中国2000—2006年在协调制度（Harmonized System, HS）6位码层面上的关税数据。由于产品贸易数据是基于HS 8位码水平上的，本章将产品层面的贸易数据整合到HS 6位码层面以与关税数据对应。由于本章着眼于研究贸易自由化对企业生产率的平均影响力度，我们直接使用从价关税的平均税率来度量贸易自由化程度。
一、企业层面的生产数据
数据样本来自一个内容丰富的企业面板数据库，该数据库的企业总数从2000年的162855家上升到2006年的301961家。数据是国家统计局在对规模以上制造业企业年度调查的基础上收集与整理的。数据库提供了企业三大会计报表（即资产负债表、利润表和现金流量表）中的全部信息。简单来说，数据库包含两类企业：全部国有企业（SOEs）和年销售额在500万元（770000美元）以上的非国有企业。36变量涵盖了企业主要会计报表中的100多个财务变量。
尽管数据库包含了丰富的信息，但一些样本信息仍不够准确从而存在误导性，这很大程度上来自一些企业的错报。37如同Cai and Liu（2009），本章采用以下标准去除异常样本。首先，重要财务指标（如总资产、固定资产净值、销售额和工业总产值）有遗漏的样本被剔除。其次，雇员人数在8人以下的企业也被剔除，如Brandt, Van Biesebroek and Zhang（2012）提到的，这类企业在法律上是另一种企业形式。
根据Feenstra, Li and Yu（2015），遵循一般公认会计准则（GAAP），本章还剔除了发生以下情况之一的企业样本：（1）流动资产超过总资产；（2）总固定资产超过总资产；（3）固定资产净值超过总资产；（4）企业识别编号缺失；（5）成立时间无效（例如成立时间在12月之后或在1月之前）。通过采用以上严格的筛选标准保证企业数据的质量，筛选后的企业数据在各年减少约50%（如附表1中（3）—（4）列所示）。
注意在中国海关数据库中，一些中国企业本身不从事生产活动，仅是从其他本国企业处收集货物并出口或者向其他本国企业出售从国外进口的产品（Ahn, Khandelwal and Wei，2011）。38为保证估计的精确性，本章在所有估计中将此类贸易公司从样本中剔除。特别地，名称中含有“贸易公司”或“进出口公司”字样的公司将被剔除。39
二、产品层面的贸易数据
高度细化的产品层面贸易数据来自海关总署，覆盖了各贸易企业产品目录下的各种信息，包括产品的贸易价格、贸易量和HS 8位码层面的产品价值。值得一提的是，这一数据集不仅包含进出口数据，还细分出许多具体类别加工贸易部门的数据，如来料加工和进料加工数据。
表4-1报告了2000—2006年按年份和贸易方式整理的中国产品层面贸易数据统计摘要。总体上，在高度细化的HS 8位码层面上的18599507个交易层面观测样本中，有35%左右是一般贸易，65%左右是加工贸易。当用交易量作为衡量标准时，也可以观察到类似的比例：约43%的交易量由一般贸易贡献，进料加工占到约30%，来料加工仅占约10%，剩下的17%由除来料加工和进料加工外的其他类型加工贸易贡献。
表4-1 按贸易方式和年份分类的中国海关产品交易层面贸易数据 单位：%
三、数据合并
企业层面的生产数据是度量生产率的关键工具，而产品层面的贸易数据则被用来辨识企业是否从事加工贸易。但是，将企业生产数据和产品贸易数据进行合并面临一定的技术困难。虽然两个数据集拥有企业标识编号这一共同变量，但两组数据的编码系统却完全不同。40因此，企业标识编号不能被用来当作匹配两组数据的桥梁。
为解决这一问题，依据Yu and Tian（2012），本章采用其他共同变量并利用两种方法来将两组数据匹配。首先，本章使用每个企业的中文名称和年份合并两组数据。即如果两个数据库中的某家公司在某一特定年份中拥有完全相同的中文名称，则其应该是同一家公司。41如附表4-A1中详细描述的，文章利用原始的生产数据库获得了83679家匹配后企业，通过使用经上述方法精确筛选后的生产数据库，这一数字下降到总共69623家匹配后企业。为使精确匹配的企业数目尽可能多，本章采用另一种匹配方法作为补充。文章采用另外两个共同变量来标识每个企业：邮政编码和企业电话号码的后7位。这是因为每个企业都会属于某个邮政区域，并拥有自己独享并唯一的电话号码。尽管这种方法看上去很直接，但也存在一些技术上和操作上的难题。42具体的合并步骤在附表4-A1中阐释。在将产品层面的贸易数据和企业层面的生产数据合并后，本章最终得到同时出现在两个数据库中的76823家企业，同时包括了进口企业和出口企业。43简单来说，合并后的数据占企业层面生产数据中全部有效出口企业数的40%左右，占出口值的53%左右。通过比较，本章数据匹配的成功率与其他使用同样数据库的研究（如Wang and Yu，2011；Ge, Lai and Zhu，2011）十分相当。
利用以上方法进行数据匹配的成功性如何？表4-2首先比较了合并数据集和全样本海关贸易数据集。在合并数据全部56459家进口企业中，一般贸易进口企业占到38.1%，加工贸易进口企业占到61.9%。如表4-2最后一列所示，这些数字与全样本海关数据中对应的数字较为接近：一般贸易进口企业占27.3%，加工贸易进口企业占72.7%。44表4-2最后两行同时报告了合并数据集和全样本数据集中混合型进口企业和纯加工贸易进口企业在各年的占比。
表4-2 按照企业类型分类的合并后的进口企业 单位：%
鉴于企业层面的生产数据对构建回归因变量（即企业生产率）至关重要，表4-3显示了2000—2006各年总销售额和总雇佣人数中由合并数据集中的企业贡献的比例。特别地，样本期间合并样本的出口值占全样本生产数据集总出口值的比例在50%—58%的范围内变动，这说明一些企业进入或退出用于计量估计的合并样本。合并样本同时包括了出口企业和进口企业。45此外，表4-4比较了合并数据集和全样本企业层面数据集的不同。合并样本比全样本企业层面数据集有明显更高的销售额、出口额和雇佣人数均值。这说明合并样本偏向大型企业，因此本章的结论对中国参与国际贸易的大型企业有效。
表4-3 匹配后样本及全样本数据中企业层面生产变量 单位：%
表4-4 匹配后数据与全样本数据比较
第四节 变量度量与实证方法
本节首先介绍了三个关键变量的度量方法：企业全要素生产率、企业层面最终品关税和企业层面中间品关税。作为比较，文章同样介绍了行业层面的最终品和中间品关税。最后，文章讨论了关税减免对企业生产率影响的计量方法。
一、全要素生产率的度量
本章与Amiti and Konings（2007）一样使用改进的Olley-Pakes（1996）方
法度量中国在企业层面的全要素生产率。假设生产函数是柯布道格拉斯形式，通常的估计方程为：
其中，
分别表示行业j中的企业i在第t年的产出、中间投入品、资本和劳动力。传统上，全要素生产率可以通过计算真实产出和对式（4-1）进行OLS估计得到的拟合值之间的索洛残差获得。然而，采用OLS方法受到联立性偏差和选择性偏差这两个问题的困扰。企业至少能够预测到全要素生产率的部分变化，并据此优化要素投入以使利润最大化。所以，全要素生产率对企业的要素投入有内生的反向作用。此外，低生产率的企业会被淘汰并退出市场，因此不会出现在数据集中，这意味着统计回归中的样本并不是通过随机选择产生的，并因此会造成估计偏差。Olley and Pakes（1996）提出一种半参方法能够成功处理这两个问题。此后，包括De Loecker（2011，2013）和De Loecker et al.（2012）在内的许多研究对全要素生产率的计算方法进行了修正和改进。本章采用扩展的Olley-Pakes方法估计和计算企业的全要素生产率。
第一，本章对各行业加工贸易企业和非加工贸易企业的生产函数分别进行了估计。基本思想是：不同行业可能使用不同的生产技术，因此企业全要素生产率（记作TFPOP1）需要分行业进行估计；同样重要的是，即使在同一行业内部，由于来料加工企业仅仅被动接受进口原材料而不依据利润最大化原则进行投入决策，加工贸易企业（特别是从事来料加工的企业）与非加工贸易企业也可能采用完全不同的生产技术（Feenstra and Hanson，2005）。在对非加工贸易企业全要素生产率的估计中，由于非加工贸易进口企业可能出口也可能不出口其最终产品，本章加入了一个出口虚拟变量以反映进行出口的非加工贸易企业和不进行出口的非加工贸易企业在生产率实现上的不同。同理，本章在控制方程中加入一个进口虚拟变量以反映非加工贸易进口企业和非加工贸易非进口企业（两类企业均进行出口）在生产率实现方面的不同。注意这两个虚拟变量对于加工贸易企业不是必要的，因为根据定义，加工贸易企业一定会进口中间投入品并向国外出口产品。
企业可能通过加工贸易进口进行学习。如果通过加工贸易进口产生的生产率提升与投资同时发生，那么TFPOP1可能对资本的估计系数产生偏差。因此，如果不控制企业先前加工贸易行为对生产率的影响，将会导致估计的生产率有额外的偏差。受De Loecker（2013）的启发，作为估计企业全要素生产率（记作TFPOP2）的另外一种方法，文章考虑了另一个控制方程，其中加工贸易和非加工贸易企业混合在一起进行估计，更重要的是，由于加工贸易进口可能影响企业生产率从而使得加工贸易企业的全要素生产率轨迹与非加工贸易企业相比存在内生的不同，一个加工贸易虚拟变量（若企业有加工贸易进口取值为1，否则取值为0）被加入到控制方程中。
第二，本章使用了工业水平上的平减价格来度量全要素生产率。我们一般期望测算出的全要素生产率仅反映企业真实的技术效率。然而，此时测算出的全要素生产率很可能同时反映了不同企业在价格、价格成本加成甚至投入要素使用方面的不同（De Loecker，2011；De Loecker and Warzynski，2012）。用于消除不同企业产品价格不同的理想方法固然是使用企业特定价格进行平减（Foster, haltiwanger and Syverson，2007）。然而，与多数其他研究一样，此类价格数据不可得。46根据De Loecker et al.（2012），本章使用工业价格对企业产出进行平减。47至于价格成本加成的问题，如Bernard et al.（2003）强调的，如果价格成本加成与企业真实效率正相关，则基于收入的生产率就可以很好地描述真实效率。
第三，本章在计算时将中国2001年加入WTO纳入考虑，因为这一正向需求冲击可以促使中国企业扩大规模经济，这也会反过来加大计算全要素生产率时的联立性偏差。特别地，在对资本系数的估计中，一个WTO虚拟变量（2001年之后取值为1，否则取值为0）被包括在内。
第四，国有企业（SOEs）属性也会影响企业利润率。中国国有企业通常受到国家的干预并且不一定进行利润最大化决策（Hsieh and Klenow，2009）。因此，构造国有企业变量并将其加入Olley-Pakes回归第一步的控制方程是重要的。48
第五，在应用Olley-Pakes（1996）方法时，需要构造一个真实投资变量。本章采用永续盘存法作为真实资本和真实投资的运动规则。真实和名义资本存量根据Brandt, Van Biesebroeck and Zhang（2012）构造。49本章使用了中国企业层面生产数据库中提供的准确的企业折旧率，而不是任意指定的折旧率。附表A2分别显示了各行业加工贸易企业和非加工贸易企业生产函数的估计系数和企业全要素生产率的对数值。各行业内对加工贸易企业和非加工贸易企业估计的规模弹性系数十分接近于常规模报酬系数。
扩展的Olley-Pakes方法假设资本对不可观察生产率冲击的反应服从马尔科夫过程，而其他投入要素不受到任何动态影响。然而，劳动可能也受不可观察的生产率冲击影响。如Ackerberg, Caves and Frazer（2007）强调的，Olley-Pakes方法可能没有足够的自由度来识别劳动力系数。这个考虑可能更贴合中国实际，因为中国是劳动力充裕的国家。当面对不可观察的生产率冲击时，企业可能通过调整劳动力投入而非资本投入来重新优化生产行为。本章使用Blundell-Bond（1998）系统GMM的方法来刻画其他要素投入的动态影响。通过假设不可观察的生产率冲击依赖于企业之前时期实现的投入与产出，系统GMM法利用当期和上期所有类别投入要素来对全要素生产率进行建模。
特别地，模型有以下动态形式：
其中，¿τi是企业i的固定效应；ζt是年份固定效应；PEit是加工贸易虚拟变量，当企业有加工贸易进口时，取值为1，否则取值为0。当不存在测量误差时，随机误差项ωit无序列相关。50通过系统GMM法可以获得对模型系数的一致估计。其思想是劳动力和中间投入品不是外生给定的，而会随资本的调整进行变化。总体上，估计的全要素生产率对数值增加了0.17（由2001年的2.28到2006年的2.45），意味着年增长率为2.623，这与Brandt, Van Biesebroeck and Zhang（2012）的发现十分接近。
二、企业层面关税
企业可能生产多种产品，故其生产率可能受到多种关税的影响。因此，合理计算企业所面临的中间品关税水平十分重要。如前所述，加工贸易进口在中国零关税。对于一个同时进行加工贸易进口（P）和非加工贸易进口（O）的企业，本章构建企业层面的中间品关税（FITit）为：
其中，
是企业i第一次出现在样本年份对产品k的进口量。值得注意的是OUP=M，其中M是企业总进口的集合。加工贸易进口由于免关税，因此不包括在式（4-3）中。在构建企业层面的中间品关税时之所以采用不随时间变化的权重是为了避免众所周知的权重的内生性问题：进口与关税存在反向关系。对面对禁止性关税的产品，其进口量和相应的进口份额为零，从而如果进口权重采用当期的进口量来衡量，企业关税就会面临向下的偏差。因此，根据Topalova and Khandelwal（2011），本章利用企业第一次出现在样本年份的数据来构造每种产品的进口权重。
接下来讨论企业层面最终品关税的构建。企业各种产品所有产出的国内价值是刻画产品对企业重要性的理想变量，然而该项数据目前尚不可得。因此，本章使用如下方法应对这种数据缺陷。根据Melitz（2003），高生产率的企业除了能在国内销售其产品外，同时也会出口。如此，则出口产品同时也会在国内市场销售。若假定企业的同一种产品在国内外销售的比例相同，对于年份t中的企业i，本章考虑了如下形式的加权最终品关税指数：
其中，
是产品k在年份t的从价关税税率；括号中的分数代表产品k在该企业所有产品中所占的价值权重，这是用企业出现在样本初始年份产品k的出口值
与企业总出口值的比例来衡量。51受Topalova and Khandel-wal（2011）的启发，每种产品的出口值均固定在初始年份以避免企业生产率对最终品关税可能产生的反向因果问题。
这种度量方法可能存在两个重要的问题。第一，企业可能仅在国内市场销售某种产品而不将该产品出口（即针对某种产品是纯内销企业）。这种现象十分合理，许多近期研究也证明了多产品企业常常在国内和国外市场上销售不同的产品（如Bernard, Redding and Schott，2011；Arkolakis and Muen-dler，2012）。在这种情况下，式（4-4）中对应的该产品出口权重为零，企业面对的最终品关税无法反映任何鼓励竞争效应。这个观点对仅将产品出口的纯出口企业一样成立（在本章的匹配数据中约有12.2%的企业是纯出口企业）。为了保证文章主要的回归结果不受这些企业的影响，本章在所有回归中将纯内销企业和纯出口企业从样本中剔除。
第二，文章假定企业同一种产品在国内外销售的比例相同。注意到这实际上是一个非常强的假设，因为企业出口的产品构成可能与内销的产品构成十分不同。这对中国尤其如此，中国在全球供应链占有重要的位置，生产的一些中间产品无法被本国生产部门使用。52受数据所限，本章无法直接验证这一点。然而，由于这个问题可能根据行业和各部门加工贸易企业密集度不同对企业最终品关税产生不同的影响，本章在进一步回归中根据行业融入全球供应链的程度区分了融入程度较强的行业和融入程度较弱的行业，同时根据各部门加工贸易企业密集度对样本进行了划分。如下文所显示的，所有此类稳健性检验都表明：当考虑到企业内部出口和内销产品构成不一致时，本章主要结论依旧成立。
表4-5的（1）—（4）列分别报告了根据式（4-3）和式（4-4）计算的企业层面中间品和最终品关税。平均的企业层面最终品关税从2000年的15%左右下降到2006年的7.4%，下降了一半。其标准差在同一时期也下降了50%左右。企业层面的中间品关税显著低于最终品关税，并在样本期间同样显示出明显的下降趋势。
表4-5 中国最终品和中间品关税年份基本统计值
三、行业层面关税
与Amiti and Konings（2007）类似，中国工业分类（CIC）2位码行业层面的最终品关税是由在CIC 2位码行业层面上对HS 6位码层面的关税取简单平均得到的。53行业层面中间品关税指数根据式（4-5）度量
其中，IITft表示行业f中的企业在年份t面对的行业层面中间品关税；τ表示投入品n在年份t的进口关税，括号中的权重表示投入品n在行业fnt生产中所占的成本份额，该项数据可从中国2002年的投入产出表中获得。54
如表4-5中（5）—（8）列所示，其中的信息与（1）—（4）列用企业层面关税所得的信息一致：样本期间最终品和中间品关税有显著下降。标准差也表现出类似的变化。企业层面最终品关税似乎低于行业层面最终品关税。与之鲜明对应，企业层面中间品关税高于行业层面中间品关税。行业层面中间品关税存在低估的一个可能的原因是在中间投入品行业中包括非进口企业使得式（4-5）中的权重存在偏差，而这一权重并不在相应的企业层面进口关税中出现。55表4-6的简单相关系数证实了这一点：行业层面的中间品关税与企业层面的中间品关税仅弱相关（相关系数为0.042），而正如预期，行业层面的最终品关税与企业层面的最终品关税强相关（相关系数为0.581）。最后，表4-7包括了回归中关键变量的统计信息概要。
表4-6 中国最终品和中间品关税简单相关系数
表4-7 2000—2006年主要变量的统计信息
四、实证设定
为了研究中间品和最终品关税减免对企业生产率的影响，本章考虑如下所示的实证框架：
其中，ln TFPit是行业j中的企业i在年份t测算的企业全要素生产率的对数值，FITit和FOTit分别表示根据式（4-3）和式（4-4）测算的企业层面的中间品关税和最终品关税。在基准回归中，我们使用扩展的Olley-Pakes方法计算全要素生产率，但由于系统GMM全要素生产率有丰富的度量灵活性，我们将其作为生产率的主要度量。PEit是加工贸易虚拟变量，如果企业在年份t有加工贸易进口，该变量取值为1，否则取值为0。回归方程中包括了企业最终品（中间品）关税和加工贸易虚拟变量的交互项用以刻画最终品（中间品）关税减免对加工贸易企业和一般贸易企业生产率可能存在的异质性影响。
此外，式（4-6）中的β5衡量了与贸易自由化无关的企业从加工贸易获得的其他可能影响生产率的因素。Xit表示企业其他特质，如所有权类型（即国有企业或是跨国公司）。国有企业（SOEs）在传统上被认为是低经济效率和低生产率的（Hsieh and Klenow，2009）。通过比较，跨国企业有较高的生产率，这部分是由于国际技术溢出效应（Keller and Yeaple，2009）或是面对较少的融资约束（Manova, Wei and Zhang，2009）。因此，本章构造了两个指标刻画国有企业和跨国企业的作用。特别地，如果一个企业有来自其他国家和地区的投资，则该企业被分类为外国企业。外国投资流入的很大一部分来自中国香港、澳门或台湾地区，所以这部分投资在构造指标的时候也被考虑在内。56如表4-7归纳的，结果是在所有参与贸易的企业中，77%被分类为跨国公司子公司。57类似地，本章构造了国有企业指标，如果企业收到来自政府的任何投资，该指标取值为1，否则取值为0。
最后，模型的误差项分成三个部分：一是每个企业自身的固定效应ωi，用以控制不随时间变化的不可观测的因素，如企业的管理能力；二是随年份变化的固定效应ηt，用以控制不随企业变化的因素，如人民币升值；三是特异性效应μit，其服从正态分布
，用以控制其他尚留的因素。
然而，以上计量设定面临识别上的挑战。式（4-6）中的加工贸易变量是对加工贸易活动较为粗糙的衡量，可能高估了加工贸易企业的作用。比如，如果一个企业加工贸易进口占总进口的比重很小，其仍然被分类为加工贸易企业，但其主要活动仍是一般贸易。为了克服这种挑战，本章考虑一个衡量企业参与加工贸易程度的连续变量代替加工贸易虚拟变量，企业参与加工贸易程度（Pextit）的衡量方法为企业i在年份t的加工贸易进口与总进口之比。特别地，本章考虑如下设定作为文章的主回归：
但是，变量Pextit本身及其交互项的系数β2、β4和β5面对新的识别挑战。由于不同行业采用不同的技术（Pavcnik，2002），这些系数在行业间不同。更重要的是，即使在一个行业内部，企业决定参与加工贸易的决策也是内生的。之前包括Dai, Maitra and Yu（2012）在内的工作发现较低生产率的企业会自选择参与加工贸易。如果如此，企业参与加工贸易的程度就是内生的，因为参与加工贸易程度较高的企业可能是低生产率的。故β2、β4和β5会随着企业的不同而变化。本章的估计方程因此包括了随机系数，并且与加工贸易参与度的内生程度相关，即这是一个相关随机系数（correlated random coeffi-cient, CRC）模型（Wooldridge，2008）。
Heckman and Vytlacil（2008）建议将CRC模型中的内生变量，即此处的加工贸易参与程度替换为其预测值。58在下一节，本章将通过Heckman两步法（或第二类Tobit模型），利用下节中将会设定的外生变量Zit来估计企业加工贸易参与度。特别地，有
Pextit=E Pext（it｜Z）it+εit, with Eε｜Z）=0it（4-8）
将式（4-8）代入式（4-7），可得：
ln TFPit=β0+β1 FOTit+β2FOTit×E Pext（it｜Z）it+β3FITit
+β4FITit×E Pext（it｜Z）it+β5E Pext（it｜Z）it+θXit+ωi+ηt+εit（4-9）
其中，误差项εit=β（2 FOTit+β4 FITit+β）5εit+μit。59误差项εit中的所有部分对Zit的条件期望都为零，故εit与这些外生变量不相关，可直接进行估计。最后，根据Wooldridge（2008）的建议，标准误需要进行修正以反映使用了被估计的解释变量，本章将通过bootstrap法实现这一点。
第五节 估计结果
一、基准回归结果
如之前描述的，合并后的数据集偏向大型参与贸易的企业，这也是本章主要的研究对象。然而，检查合并数据集较高的数据流失率是否会影响估计结果仍是值得的。因此，本章的估计始于对全样本数据集和合并数据集的比较。
本章使用传统的行业层面关税开始表4-8的估计。（1）、（2）列使用全样本企业数据进行回归。由于全样本企业数据不包括加工贸易信息，加工贸易变量在估计中被省略。由于不同行业的企业可能采用不同的生产技术，不控制行业差异而将所有行业中的企业混合在一起估计的做法是不妥的（Pavcnik，2002）。因此，本章在（1）列的估计中在CIC 2位码层面控制了行业固定效应。结果显示行业层面最终品和中间品关税均与企业生产率显著负相关，这与其他许多研究的结论是一致的。（2）列进一步控制了企业固定效应和年份固定效应，行业层面最终品关税的系数仍旧为负且显著。令人十分惊讶的是，行业层面中间品关税系数为正。然而，由于系数并不显著，故这一问题不必担心。这一发现与预期相悖，其可能的一种原因是全样本企业数据集包含了不从事进口的企业，这部分企业不会直接从进口中间投入关税减免中获益。
表4-8 基准回归结果
表4-8报告的其他回归使用了合并数据集，其中只包括了大型参与贸易的企业。与（1）、（2）列形成密切比较，（3）列的估计控制了行业固定效应，（4）列的估计控制了企业固定效应和年份固定效应。行业层面最终品关税和中间品关税的系数均为负且显著。60
鉴于合并数据集含有企业从事加工贸易的信息，表4-9前三列的回归包含了加工贸易虚拟变量（即如果企业有加工贸易进口则取值为1，否则取值为0）。为了检验回归结果对全要素生产率不同的估计方法是否敏感，（1）列使用了TFPOP1，其中加工贸易企业和非加工贸易企业的生产率使用不同的控制方程进行估计；（2）列使用了TFPOP2，其中作为因变量的加工贸易企业和非加工贸易企业的生产率一同进行估计。（1）列和（2）列同样没有包括最终品（中间品）与加工贸易虚拟变量的交互项。在控制企业固定效应和年份固定效应后，行业层面最终品关税和行业层面中间品关税均与企业生产率负相关，其系数具有统计显著性。同时，加工贸易虚拟变量的系数为负且显著，说明加工贸易企业生产率较低。
表4-9 初步回归结果
然而，表4-9中（1）、（2）列使用的Olley-Pakes方法计算的全要素生产率仍然有以下三个可能的缺陷。第一，Olley-Pakes方法不允许产出存在任何序列相关。第二，其假设企业在面对外生冲击时将主要调整资本投入。然而，由于中国企业能够得到较为廉价的劳动力但面对较紧的信贷约束，这可能不是中国的情形。第三，中国企业数据库中的投资数据存在较多缺失值，而这对于用Olley-Pakes方法计算全要素生产率是必要的。61通过比较，系统GMM方法计算的全要素生产率能更好地克服这些缺陷：该方法有充分的灵活性应对可能的序列相关并且允许企业调整不仅是资本，而且包括劳动力和中间品在内的所有投入。此外，系统GMM方法在计算全要素生产率时不再依赖投资作为代理变量。本章因此使用系统GMM全要素生产率作为企业生产率主要的衡量方法，并应用在表4-9（3）列及之后的所有回归中。
为了考察关税减免对企业生产率可能的异质性影响，表4-9的（3）列包含了加工贸易虚拟变量与行业层面最终品和中间品关税的交互项。最终品关税和中间品关税本身和其与加工贸易虚拟变量交互项的系数仍然具有统计显著性。然而，加工贸易虚拟变量符号有误，尽管不显著。本章怀疑这与加工贸易虚拟变量仅能粗糙衡量企业加工贸易活动有关，这可能高估了加工贸易企业的作用。比如，一个企业加工贸易进口可能仅占总进口的极小部分，但仍被归类为加工贸易企业，而其主要的活动是一般贸易。本章接下来考虑了一个衡量企业加工贸易参与程度的连续变量，并在表4-9的剩余部分替换加工贸易虚拟变量，加工贸易参与程度的衡量方法为企业每年加工贸易进口占总进口的比重。
表4-9（4）列报告了系统GMM方法下企业全要素生产率对行业层面中间品和最终品关税的回归结果。最终品和中间品关税的系数仍然为负且统计显著。加工贸易参与程度变量为负且显著。由于本章一个新颖的特点是使用企业层面最终品和中间品关税，比较利用行业层面关税和企业层面关税进行回归的结果。由于式（4-4）中介绍的企业层面最终品关税不适用于纯内销企业和纯出口企业，为进行比较，本章在以行业层面最终品和中间品关税为度量的（5）列和以企业层面最终品和中间品关税为度量的（6）列中剔除了这两类企业。
（5）、（6）列中最终品（中间品）关税的系数仍然负向显著。从经济量级来看，两列最终品（中间品）关税系数的差异较大。当将最终品关税的度量方式由（5）列中的行业层面变为（6）列中的企业层面时，系数从-1.07下降到-0.32。类似地，将中间品关税的度量方式由行业层面变为企业层面时，系数点估计值的下降幅度多于一半。
如此大的差异说明了使用行业层面关税的缺陷。第一，一个行业中某些最终产品关税减免可能与该行业中不生产这些产品的企业不直接相关。因此，如果最终品关税在行业层面上度量，则鼓励竞争效应会被高估。同理，如果中间品关税在行业层面上度量，中间品关税减免带来的节省成本效应也会被高估。第二，与最终品关税相比，中间品关税在度量上的偏差可能更严重，因为行业层面中间品关税会因使用投入产出矩阵受到污染，投入产出矩阵将进口中间投入和与关税减免不直接相关的本国中间投入混合在一起。第三，忽视加工贸易进口“零关税”现象使得在计算中国企业面对的行业层面中间品关税时有额外的测量误差。为了避免上述可能的估计偏差，文章剩余部分将使用企业层面的关税度量。
二、自选择参与加工贸易
表4-9中（4）—（5）列使用了加工贸易进口程度及其与最终品和中间品关税的交互项，然而加工贸易进口变量是内生的。如表（4-9）（1）列所示，加工贸易企业与低生产率相联系。因此，比较加工贸易企业和非加工贸易企业的全要素生产率是有趣的。如表4-10最后一列所示，加工贸易企业总体上比非加工贸易企业的生产率低。有意思的是，加工贸易企业与非加工贸易企业生产率的差异逐年减小，意味着加工贸易企业正在赶超。这些比较十分直观。然而，加工贸易企业与非加工贸易企业的规模显著不同。为克服这一缺陷，根据Imbens（2004）建议，本章对实验组（即加工贸易企业）和控制组（即非加工贸易企业）进行了最近邻匹配，匹配的协变量为企业用工人数和销售额。每个加工贸易企业都可以找到与之最类似的非加工贸易企业。表4-10报告了对实验组平均处理效应（ATT）和控制组平均处理效应（ATC）的估计。其中，全部加工贸易企业ATT的系数为0.037并且具有高度统计显著性，这意味着，总体来讲加工贸易企业生产率比类似的非加工贸易企业要低。
表4-10 2000—2006年加工贸易和非加工贸易企业的全要素生产率
表4-10中的估计提示我们低生产率企业可能通过自选择参与加工贸易。为对其进行控制，本章引入第二类Tobit模型，也即两变量样本选择模型（Cameron and Trivedi，2005）。第二类Tobit模型设定包括：（1）一个加工贸易参与方程
其中，Vit表示企业i面对的一个哑变量；（2）一个结果方程，其中企业加工贸易进口程度表示为其他变量的线性函数。
特别地，本章利用Probit模型估计下面的选择方程：
Pr（Processingit=1）=Pr（Vit≥0）=Φ（α0+α1ln TFPit-1
+α2（Tang/Asset）it-1+α3SOEit-1+α4FIEit-1
+α5ln Lit-1+α6Tenureit-1+λj+¿t）（4-11）
其中，Φ（·）是正态分布的累积分布函数。除了对数形式的企业生产率，企业参与加工贸易的决定也受其他因素的影响，如企业所有者类型（企业是国有企业还是跨国企业）和企业规模（用企业用工人数的对数衡量）。此外，财务约束似乎是企业选择参与加工贸易的重要决定因素（Manova and Yu，2012）。根据Feenstra, Li and Yu（2015），本章使用企业有形资产与总资产的比例（Tang/Asset）it-1刻画企业信贷约束的作用，这是因为用有形资产衡量的抵押物越多，企业受到的信贷约束越低。注意两变量样本选择模型需要一个影响企业加工贸易决策但不出现在加工贸易程度方程中的变量（Cameron and Trivedi，2005）。此处企业年龄（Tenureit-1）用于实现该目的，因为之前的研究证明了年龄越大的企业，出口概率越高（Amiti and Davis，2007）。通过对比，本章的样本显示企业参与加工贸易进口程度与企业年龄的简单相关系数接近于零（-0.04），这说明企业年龄可以不包含在第二步Heckman回归当中。62第二类Tobit选择模型的自变量均取一期滞后，这是由于这些变量影响企业加工贸易选择需要一定的时间。
表4-11报告了第二类Tobit选择模型的估计结果。通过对式（4-11）进行第一步Probit估计，发现低生产率企业更可能参与加工贸易。同样，大型的和跨国企业更可能参与加工贸易。然而，国有企业成为加工贸易企业的可能性较小。信贷约束较少（即有形资产比例较高）的企业参与加工贸易的可能性较小，这与Manova and Yu（2012）的发现一致。最后，与预测一致，成立时间较早的企业更可能参与加工贸易。文章接下来将第一步Probit估计计算的反米尔斯比率（inverse mills ratio）作为额外的自变量放入第二步Heck-man估计中。于是，在控制加工贸易自选择的内生性后，本章获得了企业加工贸易参与程度的拟合值，并用其在剩余的回归中代替实际的加工贸易参与度。
表4-11 利用Heckman两步法估计二元选择模型
三、内生性问题
表4-8和表4-9中的设定面临以下三个可能的内生性问题。第一个问题与企业中间品进口关税的度量有关，因为进口和关税相关性很强。这一问题通过在关税计算中使用不随时间变化的权重得到解决。第二个问题与企业生产率和出口之间可能存在的反向因果有关。随着企业生产率的增加，其某些产品出口增加的程度可能高于其他产品。这种产品出口不成比例地增加将会给在度量企业出口关税时使用随时间变化权重的合理性带来挑战。为避免这种可能性，如式（4-4），关税度量的所有设定均使用了不随时间变化的权重。
然而，仍然存在另外一种可能的反向因果问题。尽管关税减免受到GATT/WTO合约的管制，其在某种程度上仍然是内生的，因为低生产率部门的企业可能会游说政府获得保护（Grossman and Helpman，1994），即将相关的经国际协商的关税保持在相对较高的水平。文章使用工具变量方法控制这类反向因果。
为关税寻找良好的工具变量很有挑战性。受到Amiti and Konings（2007）的启发，文章在此处构造了滞后一期的企业层面最终品和中间品关税作为工具变量。63其经济理由如下：可能由于本国特殊利益集团的压力，政府通常在移除高关税行业的较强贸易保护时遇到困难。因此，与其他行业相比，对之前一年关税较高的行业，预期其当期关税仍相对较高。
表4-12（1）列报告了以使用固定权重计算的前期关税作为工具变量的两阶段最小二乘法固定效应估计结果。64在控制反向因果之后，企业层面中间品和最终品关税减免均使企业生产率增加。如前所述，企业层面最终品关税在度量时假设企业每种生产产品在国内外销售的比例相同，这使得该度量方法存在缺点，因为企业出口的产品构成可能与内销的产品构成不同，这与行业融入全球供应链（GSCs）的程度以及行业加工贸易企业密集度有关。为解决这一问题，除从样本中剔除纯内销企业和纯出口企业外，本章还进行了两组辅助回归。首先，所有行业根据以增加值与行业总产出的比例衡量的融入全球供应链的“生产深度”（OECD，2010）被分成两组（融入程度较强行业和融入程度较弱行业）。通过将2位码层面所有行业该比例的均值作为阈值，（2）、（3）列根据行业融入全球供应链的程度，将关税减免对企业生产率的影响进行回归。其次，（4）列和第（5）列分别对加工贸易企业密集度较高的行业和加工贸易企业密集度较低的行业进行回归，其中加工贸易企业密集度以各行业加工贸易企业数占全部企业数的比例度量，所有行业该比例的均值作为阈值。在所有情形下，最终品和中间品关税系数均显著且与之前的发现一致。
为了证实工具变量的有效性，文章进行了一些检验。首先，文章使用Kleibergen-Paap LM卡方统计量检验工具变量是否与内生因变量相关。如表4-12所示，模型未能充分识别的原假设在1%的显著性水平上被拒绝。其次，Kleibergen-Paap（2006）F统计量为拒绝第一步回归显著弱识别的原假设提供了有力的证据。65最后，表4-12下半部分报告的第一阶段回归结果为工具变量的合理性提供了较强的证据。特别地，工具变量的所有t统计量均显著。最后，由于使用了估计量作为因变量，所有标准误都通过bootstrap法进行了修正。66
四、2SLS估计更多稳健性检验
鉴于大型企业通常有较高的生产率，检验企业层面中间品和最终品关税对企业生产率的影响是否仅反映了企业规模的作用就是重要的。同样重要的还有检验这种影响是否对在回归中加入企业所有者类型敏感。因此，本章在表4-13中所有两阶段最小二乘回归中包括了国有企业虚拟变量、外国企业虚拟变量和企业用工人数的对数值（即企业规模的度量）。
由于测度的全要素生产率可能也反映了企业价格和价格成本加成的不同，表4-13中（1）列将企业劳动生产率的对数值作为因变量进行两阶段最小二乘估计。由于企业用工人数的对数值已经是因变量的分母，将其作为企业规模控制变量加入到回归中是不合适的，本章使用企业的资本劳动比这一代理变量作为替代。
为进一步检验文章的主要结果是否对企业生产率度量方式和实证设定敏感，（2）列使用了Levinsohn-Petrin（2003）方法计算的全要素生产率作为因变量，同时控制了（1）列的其他变量。（3）列仍使用系统GMM全要素生产率作为因变量但包括了以上提到的控制变量。整体来看，这些回归的主要结果与表4-12高度一致：中间品关税减免对生产率提升的影响总体上小于最终品关税减免的影响。企业从关税减免中获得的生产率提升会随着企业加工贸易进口份额的增加而减小。
到此为止，本章充分研究了中国进口关税减免对企业效率的影响。然而，尽管21世纪中国已经显著降低了进口关税，中国的出口商同样也享受到了出口目的地的大幅关税减免。进入大型外国市场可能会给企业带来生产率提升的激励，尤其是在这种投资需要大量固定成本时。因此，为获得进口关税对企业全要素生产率影响的精确估计，控制中国出口目的地关税减免同样是重要的。
为度量企业出口目的地市场的关税减免，本章构建企业层面的外部关税指数（FETit）为67：
其中，τckt表示年份t出口目的地国家c对产品k征收的从价关税。一个企业可能向多个国家出口多种类型的产品。式（4-12）中第二个小括号的比例
衡量了企业i生产的产品k销往国家c的出口比例，从而得到中国企业在不同出口目的地的加权外部关税。同样地，式（4-12）中第一个小括号的比例
衡量了产品k的出口占企业i总出口的比重。由表4-7所示，企业层面外部关税的均值仅为0.9%，显著低于企业层面最终品进口关税（8.6%）。这十分符合经济道理：中国最重要的出口目的国是发达国家，如美国和欧盟国家，它们对中国这样的发展中国家的出口征收显著较低的进口关税。表4-13中（4）列报告了含有企业外部关税变量的回归估计结果。企业外部关税的系数没有显著性。一个可能的原因是中国已经在2000年之前进入外国市场，因此中国企业出口目的国关税减免对减少出口的固定成本没有统计上的显著影响。
由于所有回归中的因变量都是用各种方法估计的全要素生产率的度量，由于这些样本值是估计的而非实际观察得到的，存在一些样本值的估计比另一些估计更为精确的事实，对这种事实进行控制是必要的。因此，本章计算了行业内部各企业以及全部企业系统GMM全要素生产率的标准差，除以相应的行业均值或总体均值，再乘以企业系统GMM全要素生产率，以之作为表4-13最后一列回归的因变量。文章得到与之前类似的结论：关税对企业生产率的影响随着企业加工贸易进口的增加而减小，最终品关税减免的影响总体比中间品关税减免的影响要强。
表4-13 更多的工具变量稳健性估计
，（3）—（4）列的因变量是传统方法计算的系统G M M全要素生产率
，（5）列中的因变量是加权系统GMM全要素生产率，计算方法为：将lnTF-
乘以2位码层面行业内部企业间全要素生产率的相对标准差。在所有工具变量估计中，文章控制了年份固定效应和不随时间变化的2位码层面行业固定效应。（2）—（5）列中的企业规模以企业用工人数的对数值作为代理，（1）列则用企业资本—劳动比率作为代理。所有工具变量与表4-12中的相同。纯内销企业和纯出口企业从样本中剔除。
最后，系统GMM估计方法的灵活性事实上为一步得到关税减免对企业生产率的影响提供了独特的机会。即生产函数投入要素的系数和关税系数能够同时得到。
五、传导机制讨论
本章提供了充分的证据表明最终品和中间品关税减免将提高企业生产率。然而，本章还并未针对关于关税减免对企业生产率的影响渠道展开讨论。中间品关税变化对生产率的影响较为直接——较低的中间品关税使得企业能够获得更多种类的进口中间投入（Helpman、Koren and Szeidl，2010）。68最终品关税减免则会促进产品间的竞争。然而，文献对于这种竞争效应是通过提高在位企业的生产效率，还是通过导致低生产率企业退出市场并不十分清楚。
为检验这两种可能的影响渠道，本章在表4-14（1）列中引入了一直在位企业虚拟变量（即当企业从2000年到2006年都在数据中出现时该虚拟变量取值为1，反之取值为0）。回归发现一直在位企业虚拟变量的回归系数始终显著为正，这表明始终在位企业具有较高生产率。为了研究竞争效应是否导致低生产率企业倒闭并退出市场，表4-14（2）列引入一个退出虚拟变量，当企业在下一年退出市场时，该变量取值为1，反之取值为0。退出虚拟变量的回归系数并不显著，表明退出和在位企业的生产率并不存在显著差异。这和Melitz（2003）的理论预期并不一致。
Amiti and Konings（2007）认为关税减免可能导致企业将其生产范围从低生产率产品转移到高生产率产品。由于印度尼西亚数据的限制，他们没有企业生产范围的信息。因此，他们使用产品转换虚拟变量作为替代方法。而本章使用的合并数据包含出口企业产品范围的数据。许多中国企业出口多种产品，最多可达745种出口产品。表4-14（3）列加入了企业出口范围的对数，其回归系数显著为正，表明出口多种产品类型的企业具有较高生产率。表4-14（4）列进一步控制了企业生产范围的对数和企业层面中间品和最终品关税的交互项。最终产品关税和企业生产范围对数的交互项的回归系数显著，而中间品关税和企业生产范围对数的交互项的回归系数并不显著，这说明同Amiti and konings（2007）利用有限数据发现的研究结果一致，最终品关税减免促进企业生产率提升部分来自产品范围的变动。然而这一传导机制对中间品关税减免并不重要。
最后，贸易改革带来的企业生产率提升也可能是由于对新技术投资的增加（Bustos，2011）。具有较高研发投入的企业很可能也具有较高的生产率。表4-14（5）列通过引入企业研发支出对数，验证了这一推断。最后一列回归还考虑了企业研发投入对数和企业层面中间品和最终品关税交互项的影响。有趣的是，研发投入对数和最终品及中间品关税的交互项的回归系数并不显著。这表明最终品和中间品关税减免带来生产率提升并不是由于对新技术投资的增加。这可能由于样本数据中的研发数据存在一些缺陷：约有80%的观测值并没有合理的研发支出费用。69因此，对那些从关税减免中受益的企业来说，研发的影响存在低估。
六、经济量级和福利贡献
本节将讨论关税减免经济影响的量级。如表4-12（1）列工具变量估计所示，因变量为对数值而自变量为水平值。因此，关键估计系数可解释为全要素生产率对相应自变量的半弹性。若回归所使用的关税为自然数形式（如表4-7报告的企业层面最终品关税均值为0.086），则企业层面最终品（中间品）关税自身的系数为-1.33（-1.74）。如果关税以百分数形式度量（所以样本企业层面最终品关税均值为8.6个百分点），则这些系数变为-0.0133（-0.0174）。这表明对非加工贸易企业而言，最终品（中间品）关税下降10个百分点，全要素生产率的对数值上升0.133（0.174），即生产率提高13.3%（17.4%）。70
同样重要的是，随着企业加工贸易进口份额的增大，企业从中间品和最终品关税减免中获得的生产率提升降低。平均而言，由于企业加工贸易参与程度的拟合值均值是0.49，最终品关税减免对生产率提升的影响是-0.0093（=-0.013+0.017×0.49），这意味着最终品关税下降10个百分点使得企业生产率提升9.3%。类似地，中间品关税减免的平均影响是0.0052（=-0.017+0.025×0.49），意味着中间品关税下降10个百分点使得企业生产率提升5.2%，几乎占到最终品关税减免带来的生产率提升的60%。71平均企业最终品关税下降了7.6个百分点（从2000年的15%到2006年的7.4%），可以预测其带来了6.9%（=0.0093×7.4）的生产率提升并贡献了样本中企业生产率对数值提升0.17中的40.4%。同理，平均企业中间品关税下降了0.54个百分点（从2000年的2.7%到2006年的2.16%），故预测其带来了0.28%（=0.0052×0.54）的生产率提升并贡献了企业生产率对数增加0.17中的1.6%。将这些数值加总，可得关税减免总体上对样本中企业生产率增长的贡献度为42%。
由于经济体总体生产率增长是一国生活标准最好的度量之一，本章的最后一步是为关税减免对中国总体生产率的贡献提供直观的经济解释。从企业生产率加总到经济体总体生产率是重要的，这是因为，由于纵向一体化的存在，企业（行业）之间的中间投入会在上下游企业（行业）总生产率增加时使总体生产率有额外的提高。72Domar（1961）首先提出并在之后由Hulten（1979）和Feenstra et al.（2012）系统阐述了一种方法，经济体总体全要素生产率可以通过使用“Domar矩阵”进行加总，该矩阵由每个企业总产出与经济体总体吸收（即总产出与贸易顺差之差）的比例定义。本章接下来使用各年的Domar矩阵计算加总全要素生产率。文章发现加总生产率的对数值提高了约0.53（从2000年的0.56到2006年的1.09）。73如前所述，最终品和中间品关税减免平均使生产率增加0.072（=6.9%+0.28%），因此贡献了经济体总体生产率对数值增加0.53中的13.5%。最后需要说明的一点是此处的计算假设关税减免对于样本之外的企业生产率无影响。由于关税减免在现实中仍会对样本外的企业有积极影响，因此计算的关税减免对经济体总体生产率的贡献应被解释为下限。
第六节 总结
本章研究了进口中间品和最终品关税减免如何影响企业生产率，同时考虑了中国加工贸易企业相对于非加工贸易企业进口中间投入所享受的特殊关税优惠。对于包括中国在内的诸多发展中国家有类似的贸易情形：加工贸易在生产率提升的实现上有重要影响。总体上，文章发现对于中国参与国际贸易的大型企业，最终品关税减免比中间品关税减免对生产率的影响要大。更有意思的是，中间品（最终品）关税减免对企业生产率的正向影响随着企业加工贸易进口份额的增加而降低。
本章是第一篇研究加工贸易在中国企业生产率提升中的作用的文章。丰富的数据集使本章能够研究企业是否参与加工贸易的决定和企业加工贸易参与度对生产率的影响。通过这些信息，能够构造出企业层面中间品和最终品关税，这在文献中是首次尝试，这反过来也丰富了对中国加工贸易特殊关税改革的经济影响的理解。