服务出口贸易的绿色生产率效应研究:基于9个发展中经济体细分行业数据的经验分析
|
摘要
文章分析了发展中经济体服务出口贸易影响服务业绿色生产率的理论机理,并基于9个发展中经济体的服务业细分行业数据,实证检验了服务出口贸易对服务业绿色全要素生产率(TFP)的影响。结果表明,发展中经济体的服务出口贸易显著促进了服务业整体的绿色TFP增长。进一步分组检验发现,服务出口贸易可以显著提升生产性服务部门的绿色TFP,但对生活性服务部门的绿色TFP则不存在显著效应。文章认为上述结果可能与服务出口贸易水平的行业异质性有关,并采用门槛回归模型对此进行了验证。对中国样本的回归结果显示,服务业整体及分类型服务部门的出口贸易均有利于促进绿色TFP增长。在控制变量中,能源强度、技术差距、资本劳动比以及能源消费结构对服务业绿色TFP也均存在显著影响。
This paper firstly analyzes the influencing mechanisms of service trade on green productivity in the service industry of developing economic entities. Then based on the panel data of 16 service sectors in 9 developing economic entities,it empirically investigates the effects of service export on the green total factor productivity( TFP) in the service industry. The empirical results show that export significantly promotes the green TFP in the service industry of developing economies. Further group testing results illustrate that export significantly facilitates the green TFP in producer services,but it does not have any significant effects on that of consumer services. We try to analyze the sectoral differentiation from the perspectives of export levels and industry attributes.For China's sample,service export significantly boosts the green TFP of the entire service industry,producer services and consumer services. In addition,control variables,such as energy intensity,technology gap,capital labor ratio and energy consumption structure also have significant effects on the green TFP in service industry.
This paper firstly analyzes the influencing mechanisms of service trade on green productivity in the service industry of developing economic entities. Then based on the panel data of 16 service sectors in 9 developing economic entities,it empirically investigates the effects of service export on the green total factor productivity( TFP) in the service industry. The empirical results show that export significantly promotes the green TFP in the service industry of developing economies. Further group testing results illustrate that export significantly facilitates the green TFP in producer services,but it does not have any significant effects on that of consumer services. We try to analyze the sectoral differentiation from the perspectives of export levels and industry attributes.For China's sample,service export significantly boosts the green TFP of the entire service industry,producer services and consumer services. In addition,control variables,such as energy intensity,technology gap,capital labor ratio and energy consumption structure also have significant effects on the green TFP in service industry.
引文
[1] Baum,C. F.,Schaffer,M. E.,Stillman,S.. Instrumental Variables and GMM:Estimation and Testing[J]. The Stata Jounal,2003,3(1):1-31.
[2] Breinlich,H.,Criscuolo,C.. International Trade in Services:A Portrait of Importers and Exporters[J]. Journal of International Economics,2011,84(2):188-206.
[3] Driscoll,J. C.,Kraay,A. C.. Consistent Covariance Matrix Estimation with Spatially Dependent Panel Data[J]. Review of Economics and Statistics,1998,80(4):549-560.
[4] Fan,M. T.,Shao,S. A.,Yang,L. L.. Combining Global Malmquist-Luenberger Index and Generalized Method of Moments to Investigate Industrial Total Factor CO2Emission Performance:A Case of Shanghai(China)[J]. Energy Policy,2015,79(1):189-201.
[5] Fre,R.,Grosskopf,S.,Pasurka,C. A.. Environmental Production Functions and Environmental Directional Distance Functions[J]. Energy,2007,32(7):1055-1066.
[6] Fukuyama,H.,Weber,W. L.. A Directional Slacks-based Measures of Technical Inefficiency[J]. Socio-Economic Planning Science,2009,43(4):274-287.
[7] Hansen,B. E.. Threshold Effects in Non-dynamic Panels:Estimation,Testing and Inference[J]. Journal of Econometrics,1999,93(2):345-368.
[8] Kneller,R.,Pisu,M.. Industrial Linkages and Export Spillovers from FDI[J]. World Economy,2007,30(1):105-134.
[9] Love,J. H.,Mansury,M. A.. Exporting and Productivity in Business Services:Evidence from the United States[J]. International Business Review,2009,18(6):630-642.
[10] Malchow-Mller,N.,Munch,J. R.,Skaksen,J. R.. Services Trade,Goods Trade and Productivity Growth:Evidence from a Population of Private Sector Firms[J]. Review of World Economics,2015,151(2):197-229.
[11] Minondo,A.. The Relationship Between Export Status and Productivity in Services:A Firm-level Analysis for Spain[J]. Bulletin of Economic Research,2014,66(1):138-146.
[12] Mulder. P.,de Groot,H. L. F.. Sectoral Energy and Labor Productivity Convergence[J]. Environmental and Resource Economics,2007,36(1):85-112.
[13] Oh,D. H.. A Global Malmquist-Luenberger Productivity Index[J]. Journal of Productivity Analysis,2010,34(2):183-197.
[14] Schwarzer,J.. The Effects of Exporting on Labor Productivity:Evidence from German Firms. Economics Discussion Papers,No. 7,2017.
[15] Temouri,Y.,Vogel,A.,Wagner,J.. Self-selection into Export Markets by Business Services Firms-Evidence from France,Germany and the United Kingdom[J]. Structural Change and Economic Dynamics,2013,25(5147):146-158.
[16] Timmer,M. P.,Dietzenbacher,E.,Los,B.,et al.. An Illustrated User Guide to the World Input-Output Database:The Case of Global Automotive Production[J]. Review of International Economics,2015,23(2):575-605.
[17] Wan,J.,Baylis,K.,Mulder,P.. Trade-facilitated Technology Spillovers in Energy Productivity Convergence Processes across EU Countries[J]. Energy Economics,2015,48(3):253-264.
[18] Wei,Y.,Liu,X.. Productivity Spillovers from R&D,Export and FDI in China's Manufacturing Sector[J]. Journal of International Business Studies,2006,37(4):544-557.
[19]陈强.高级计量经济学及Stata应用(第二版)[M].高等教育出版社,2014.
[20]陈诗一.能源消耗、二氧化碳排放与中国工业的可持续发展[J].经济研究,2009(4):41-55.
[21]陈诗一.中国的绿色工业革命:基于环境全要素生产率视角的解释(1980~2008)[J].经济研究,2010(11):21-34.
[22]崔日明,张志明.服务贸易与中国服务业技术效率提升———基于行业面板数据的实证研究[J].国际贸易问题,2013(10):90-101.
[23]胡宗彪.企业异质性、贸易成本与服务业生产率[J].数量经济技术经济研究,2014(7):68-84.
[24]胡宗彪,王恕立.中国服务业生产率增长来源:服务进口还是出口?[J].上海经济研究,2014(7):3-13.
[25]景维民,张璐.环境管制、对外开放与中国工业的绿色技术进步[J].经济研究,2014(9):34-47.
[26]李钢,聂平香等.新时期中国服务业开放战略及路径[M].经济科学出版社,2016.
[27]林伯强,刘泓汛.对外贸易是否有利于提高能源环境效率———以中国工业行业为例[J].经济研究,2015(9):127-141.
[28]庞瑞芝,邓忠奇.服务业生产率真的低吗?[J].经济研究,2014(12):86-99.
[29]庞瑞芝,王亮.服务业发展是绿色的吗?———基于服务业环境全要素效率分析[J].产业经济研究,2016(4):18-28.
[30]裴长洪,彭磊.中国服务业与服务贸易[M].社会科学文献出版社,2008.
[31]彭星,李斌.贸易开放、FDI与中国工业绿色转型———基于动态面板门限模型的实证研究[J].国际贸易问题,2015(1):166-176.
[32]滕泽伟,胡宗彪,蒋西艳.中国服务业碳生产率变动的差异及收敛性研究[J].数量经济技术经济研究,2017(3):78-94.
[33]涂正革.环境、资源与工业增长的协调性[J].经济研究,2008(2):93-105.
[34]王兵,吴延瑞,颜鹏飞.中国区域环境效率与环境全要素生产率增长[J].经济研究,2010(5):95-109.
[35]王恕立,胡宗彪.服务业双向FDI的生产率效应研究———基于人力资本的面板门槛模型估计[J].财经研究,2013(11):1-31.
[36]王恕立,刘军.中国服务企业生产率异质性与资源再配置效应———与制造业企业相同吗?[J].数量经济技术经济研究,2014(5):37-53.
[37]王恕立,滕泽伟,刘军.中国服务业生产率变动的差异分析———基于区域及行业视角[J].经济研究,2015(8):73-84.
[38]王恕立,王许亮.服务业FDI提高了绿色全要素生产率吗———基于中国省际面板数据的实证研究[J].国际贸易问题,2017(12):83-93.
[39]王恕立,王许亮,滕泽伟,胡宗彪.服务贸易与中国服务业环境全要素生产率增长———基于分行业面板数据的经验研究[R].《经济研究》工作论文,No. WP1212,2017.
[40]王许亮,王恕立.服务业能源生产率变迁及收敛性分析———基于全球40个经济体细分行业数据的经验研究[J].数量经济技术经济研究,2018(1):42-59.
[41]吴晓怡,邵军.进口开放对中国制造业能源效率的影响———基于关税减让的实证分析[J].财贸经济,2016(6):82-96.
[42]夏杰长,李勇坚,刘弈,霍景东.迎接服务经济时代来临[M].经济管理出版社,2010.
[43]杨晨,韩庆潇.出口规模、出口地理方向与中国服务业企业生产率———基于动态面板数据的实证分析[J].世界经济研究,2015(11):50-60.
[44]易先忠.技术差距双面效应与主导技术进步模式转换[J].财经研究,2010(7):39-48.
[45]张兵兵,朱晶.出口对全要素能源效率的影响研究———基于中国37个工业行业视角的经验分析[J].国际贸易问题,2015(4):56-65.
[46]张友国.碳排放视角下的区域间贸易模式:污染避难所与要素禀赋[J].中国工业经济,2015(8):5-19.
(1)UNCTAD的统计数据显示,2016年世界服务业增加值在GDP中所占的份额达到了67.51%。
(2)非OECD经济体的服务业能源消费量在全球服务业能源消费量中所占的份额从1990年的26.79%提升到2015年的39.35%。
(3)绿色TFP是衡量经济增长质量和效率的有效指标。同后文提到的传统生产率(TFP)相比,绿色TFP更加关注经济活动的资源能源消耗和非期望产出(如CO2排放),它是对经济可持续增长的更优解释。
(1)发展中经济体服务出口数据取自UNCTAD数据库。本文采用基于方向性距离函数的GML指数测算得到9个发展中经济体服务业各部门的绿色TFP指数,结果显示服务业绿色TFP指数大体呈上升态势(限于篇幅,具体结果没有报告,备索)。
(1)如Mulder等(2007)、Wan等(2015)、王许亮和王恕立(2018)所研究的跨经济体细分行业能源生产率(行业增加值与能源消费量的比值)即为一种单要素生产率,未能纳入劳动、资本以及CO2等投入产出要素。
(1)生产可能性集满足以下几点假设:闭集和有界集;投入与“好”产出可以自由处置;零结合公理。
(2)需要说明的是,学界关于“坏”产出的指标选取并没有统一的标准,如涂正革(2008)选取SO2作为“坏”产出,陈诗一(2009,2010)选取CO2作为“坏”产出,王兵等(2010)、王恕立等(2015)选取SO2和COD作为“坏”产出。
(1)从理论上讲,选择研发投入作为自主创新与技术进步的度量指标可能更为合适,但发展中经济体服务业细分部门的研发投入数据难以获取,因而我们选择能源强度作为替代指标。
(1)WIOD数据库(Release 2013)的网址为http://www.wiod.org/release13。
(2)这40个经济体包括29个OECD经济体(分别为澳大利亚、奥地利、比利时、加拿大、捷克、丹麦、爱沙尼亚、芬兰、法国、德国、希腊、匈牙利、爱尔兰、意大利、日本、韩国、拉脱维亚、卢森堡、墨西哥、荷兰、波兰、葡萄牙、斯洛伐克、斯洛文尼亚、西班牙、瑞典、土耳其、英国、美国)以及11个非OECD经济体(分别为巴西、俄罗斯、保加利亚、中国大陆、塞浦路斯、印度、印度尼西亚、立陶宛、马耳他、罗马尼亚、中国台湾)。该数据库还包括2010年、2011年的增加值等传统投入产出数据,但能源投入与CO2排放等环境数据仅更新到2009年,为了使各变量的数据具有一致性,本文的样本区间为1995~2009年。较早的样本期可能会弱化结论的政策含义,但仍然具有较强的现实发现与解释能力(王恕立和刘军,2014)。
(3)WIOD数据库的特点是它将各经济体的数据细化至具体的细分部门层面。此外,较之于同类数据库(如EU KLEMS)其优势是覆盖了主要的发展中经济体,数据也相对更新、更全(Timmer等,2015)。EU KLEMS数据库仅包含美国和EU等发达经济体的数据,能源数据仅更新到2005年,且未提供CO2排放等环境数据,而WIOD数据库则同时提供了EU等发达经济体与中国等发展中经济体的数据。
(4)根据UNCTAD的划分标准,WIOD数据库中的巴西、墨西哥、中国大陆、印度、印度尼西亚、土耳其、韩国、中国台湾等8个经济体为发展中经济体,俄罗斯为转轨经济体。再结合世界银行对国家(地区)经济发展水平的分类,本文将俄罗斯也划入发展中经济体。另外,本文借鉴胡宗彪(2014)的分类方法,将35个部门中的50~P划入服务业,共计17个行业,分别是(括号内是部门代码):汽车与摩托车销售、维护与汽车燃料零售业(50);汽车与摩托车之外的批发、代理贸易(51);汽车与摩托车之外的零售贸易与家庭用品修理(52);陆运(60);水运(61);航运(62);其他的支持与辅助性运输、旅行社活动(63);邮政与通信(64);金融(J);房地产业(70);租赁与其他商业活动(71t74);住宿与餐饮业(H);公共管理与防务、强制性社会保障(L);教育(M);卫生与社会工作(N);其他社区、社会与个人服务(O);私人家庭雇佣服务(P)。鉴于部门P的相关数据缺失较多,本文将其排除。
(1)王许亮和王恕立(2018)的研究表明,1995~2009年间发展中经济体的服务业高技能劳动份额平均为18.6%,低于发达经济体的24.7%。
(2)具体地,将部门50、51、52、60、61、62、63、64、J、70、71t74划分为生产性服务业,将行业H、L、M、N、O归为生活性服务业。
(1)关于这一解释,后文我们将采用门槛回归方法进行更为细致的分析。
(2)据计算,在样本期间内生产性服务业能源强度的年均下降速度比生活性服务业快11%。
(3)这是因为服务出口与服务业能源强度的滞后项与扰动项不相关,满足IV外生的要求;滞后项与当期值相关,满足IV的相关性要求。
(1)本部分及后文的“中国”指的是样本中的“中国大陆”地区。
(2)C检验得到的C统计量用于检验模型是否存在内生性,原假设为解释变量外生(Baum等,2003;王恕立和胡宗彪,2013)。
(3)需要说明的是,由于中国服务业分类型行业的数据结构均属于长面板数据(生产性与生活性服务业面板数据的N分别为9、6,T均为15),而差分GMM方法对于长面板数据可能会产生较严重的偏差(陈强,2014),因此我们仅对中国服务业整体样本进行差分GMM估计。
(1)样本期间内,中国生活性服务业的出口强度平均为0.082,高于全样本发展中经济体的平均水平(0.051),同时也接近(或超过)了产生绿色TFP提升效应的门槛区间(根据表6的回归及稳健性结果,门槛区间大体界于0.054和0.087之间)。
(2)限于篇幅,全样本及中国分类型服务业的稳健性检验结果均未报告,如需要可联系笔者。
[2] Breinlich,H.,Criscuolo,C.. International Trade in Services:A Portrait of Importers and Exporters[J]. Journal of International Economics,2011,84(2):188-206.
[3] Driscoll,J. C.,Kraay,A. C.. Consistent Covariance Matrix Estimation with Spatially Dependent Panel Data[J]. Review of Economics and Statistics,1998,80(4):549-560.
[4] Fan,M. T.,Shao,S. A.,Yang,L. L.. Combining Global Malmquist-Luenberger Index and Generalized Method of Moments to Investigate Industrial Total Factor CO2Emission Performance:A Case of Shanghai(China)[J]. Energy Policy,2015,79(1):189-201.
[5] Fre,R.,Grosskopf,S.,Pasurka,C. A.. Environmental Production Functions and Environmental Directional Distance Functions[J]. Energy,2007,32(7):1055-1066.
[6] Fukuyama,H.,Weber,W. L.. A Directional Slacks-based Measures of Technical Inefficiency[J]. Socio-Economic Planning Science,2009,43(4):274-287.
[7] Hansen,B. E.. Threshold Effects in Non-dynamic Panels:Estimation,Testing and Inference[J]. Journal of Econometrics,1999,93(2):345-368.
[8] Kneller,R.,Pisu,M.. Industrial Linkages and Export Spillovers from FDI[J]. World Economy,2007,30(1):105-134.
[9] Love,J. H.,Mansury,M. A.. Exporting and Productivity in Business Services:Evidence from the United States[J]. International Business Review,2009,18(6):630-642.
[10] Malchow-Mller,N.,Munch,J. R.,Skaksen,J. R.. Services Trade,Goods Trade and Productivity Growth:Evidence from a Population of Private Sector Firms[J]. Review of World Economics,2015,151(2):197-229.
[11] Minondo,A.. The Relationship Between Export Status and Productivity in Services:A Firm-level Analysis for Spain[J]. Bulletin of Economic Research,2014,66(1):138-146.
[12] Mulder. P.,de Groot,H. L. F.. Sectoral Energy and Labor Productivity Convergence[J]. Environmental and Resource Economics,2007,36(1):85-112.
[13] Oh,D. H.. A Global Malmquist-Luenberger Productivity Index[J]. Journal of Productivity Analysis,2010,34(2):183-197.
[14] Schwarzer,J.. The Effects of Exporting on Labor Productivity:Evidence from German Firms. Economics Discussion Papers,No. 7,2017.
[15] Temouri,Y.,Vogel,A.,Wagner,J.. Self-selection into Export Markets by Business Services Firms-Evidence from France,Germany and the United Kingdom[J]. Structural Change and Economic Dynamics,2013,25(5147):146-158.
[16] Timmer,M. P.,Dietzenbacher,E.,Los,B.,et al.. An Illustrated User Guide to the World Input-Output Database:The Case of Global Automotive Production[J]. Review of International Economics,2015,23(2):575-605.
[17] Wan,J.,Baylis,K.,Mulder,P.. Trade-facilitated Technology Spillovers in Energy Productivity Convergence Processes across EU Countries[J]. Energy Economics,2015,48(3):253-264.
[18] Wei,Y.,Liu,X.. Productivity Spillovers from R&D,Export and FDI in China's Manufacturing Sector[J]. Journal of International Business Studies,2006,37(4):544-557.
[19]陈强.高级计量经济学及Stata应用(第二版)[M].高等教育出版社,2014.
[20]陈诗一.能源消耗、二氧化碳排放与中国工业的可持续发展[J].经济研究,2009(4):41-55.
[21]陈诗一.中国的绿色工业革命:基于环境全要素生产率视角的解释(1980~2008)[J].经济研究,2010(11):21-34.
[22]崔日明,张志明.服务贸易与中国服务业技术效率提升———基于行业面板数据的实证研究[J].国际贸易问题,2013(10):90-101.
[23]胡宗彪.企业异质性、贸易成本与服务业生产率[J].数量经济技术经济研究,2014(7):68-84.
[24]胡宗彪,王恕立.中国服务业生产率增长来源:服务进口还是出口?[J].上海经济研究,2014(7):3-13.
[25]景维民,张璐.环境管制、对外开放与中国工业的绿色技术进步[J].经济研究,2014(9):34-47.
[26]李钢,聂平香等.新时期中国服务业开放战略及路径[M].经济科学出版社,2016.
[27]林伯强,刘泓汛.对外贸易是否有利于提高能源环境效率———以中国工业行业为例[J].经济研究,2015(9):127-141.
[28]庞瑞芝,邓忠奇.服务业生产率真的低吗?[J].经济研究,2014(12):86-99.
[29]庞瑞芝,王亮.服务业发展是绿色的吗?———基于服务业环境全要素效率分析[J].产业经济研究,2016(4):18-28.
[30]裴长洪,彭磊.中国服务业与服务贸易[M].社会科学文献出版社,2008.
[31]彭星,李斌.贸易开放、FDI与中国工业绿色转型———基于动态面板门限模型的实证研究[J].国际贸易问题,2015(1):166-176.
[32]滕泽伟,胡宗彪,蒋西艳.中国服务业碳生产率变动的差异及收敛性研究[J].数量经济技术经济研究,2017(3):78-94.
[33]涂正革.环境、资源与工业增长的协调性[J].经济研究,2008(2):93-105.
[34]王兵,吴延瑞,颜鹏飞.中国区域环境效率与环境全要素生产率增长[J].经济研究,2010(5):95-109.
[35]王恕立,胡宗彪.服务业双向FDI的生产率效应研究———基于人力资本的面板门槛模型估计[J].财经研究,2013(11):1-31.
[36]王恕立,刘军.中国服务企业生产率异质性与资源再配置效应———与制造业企业相同吗?[J].数量经济技术经济研究,2014(5):37-53.
[37]王恕立,滕泽伟,刘军.中国服务业生产率变动的差异分析———基于区域及行业视角[J].经济研究,2015(8):73-84.
[38]王恕立,王许亮.服务业FDI提高了绿色全要素生产率吗———基于中国省际面板数据的实证研究[J].国际贸易问题,2017(12):83-93.
[39]王恕立,王许亮,滕泽伟,胡宗彪.服务贸易与中国服务业环境全要素生产率增长———基于分行业面板数据的经验研究[R].《经济研究》工作论文,No. WP1212,2017.
[40]王许亮,王恕立.服务业能源生产率变迁及收敛性分析———基于全球40个经济体细分行业数据的经验研究[J].数量经济技术经济研究,2018(1):42-59.
[41]吴晓怡,邵军.进口开放对中国制造业能源效率的影响———基于关税减让的实证分析[J].财贸经济,2016(6):82-96.
[42]夏杰长,李勇坚,刘弈,霍景东.迎接服务经济时代来临[M].经济管理出版社,2010.
[43]杨晨,韩庆潇.出口规模、出口地理方向与中国服务业企业生产率———基于动态面板数据的实证分析[J].世界经济研究,2015(11):50-60.
[44]易先忠.技术差距双面效应与主导技术进步模式转换[J].财经研究,2010(7):39-48.
[45]张兵兵,朱晶.出口对全要素能源效率的影响研究———基于中国37个工业行业视角的经验分析[J].国际贸易问题,2015(4):56-65.
[46]张友国.碳排放视角下的区域间贸易模式:污染避难所与要素禀赋[J].中国工业经济,2015(8):5-19.
(1)UNCTAD的统计数据显示,2016年世界服务业增加值在GDP中所占的份额达到了67.51%。
(2)非OECD经济体的服务业能源消费量在全球服务业能源消费量中所占的份额从1990年的26.79%提升到2015年的39.35%。
(3)绿色TFP是衡量经济增长质量和效率的有效指标。同后文提到的传统生产率(TFP)相比,绿色TFP更加关注经济活动的资源能源消耗和非期望产出(如CO2排放),它是对经济可持续增长的更优解释。
(1)发展中经济体服务出口数据取自UNCTAD数据库。本文采用基于方向性距离函数的GML指数测算得到9个发展中经济体服务业各部门的绿色TFP指数,结果显示服务业绿色TFP指数大体呈上升态势(限于篇幅,具体结果没有报告,备索)。
(1)如Mulder等(2007)、Wan等(2015)、王许亮和王恕立(2018)所研究的跨经济体细分行业能源生产率(行业增加值与能源消费量的比值)即为一种单要素生产率,未能纳入劳动、资本以及CO2等投入产出要素。
(1)生产可能性集满足以下几点假设:闭集和有界集;投入与“好”产出可以自由处置;零结合公理。
(2)需要说明的是,学界关于“坏”产出的指标选取并没有统一的标准,如涂正革(2008)选取SO2作为“坏”产出,陈诗一(2009,2010)选取CO2作为“坏”产出,王兵等(2010)、王恕立等(2015)选取SO2和COD作为“坏”产出。
(1)从理论上讲,选择研发投入作为自主创新与技术进步的度量指标可能更为合适,但发展中经济体服务业细分部门的研发投入数据难以获取,因而我们选择能源强度作为替代指标。
(1)WIOD数据库(Release 2013)的网址为http://www.wiod.org/release13。
(2)这40个经济体包括29个OECD经济体(分别为澳大利亚、奥地利、比利时、加拿大、捷克、丹麦、爱沙尼亚、芬兰、法国、德国、希腊、匈牙利、爱尔兰、意大利、日本、韩国、拉脱维亚、卢森堡、墨西哥、荷兰、波兰、葡萄牙、斯洛伐克、斯洛文尼亚、西班牙、瑞典、土耳其、英国、美国)以及11个非OECD经济体(分别为巴西、俄罗斯、保加利亚、中国大陆、塞浦路斯、印度、印度尼西亚、立陶宛、马耳他、罗马尼亚、中国台湾)。该数据库还包括2010年、2011年的增加值等传统投入产出数据,但能源投入与CO2排放等环境数据仅更新到2009年,为了使各变量的数据具有一致性,本文的样本区间为1995~2009年。较早的样本期可能会弱化结论的政策含义,但仍然具有较强的现实发现与解释能力(王恕立和刘军,2014)。
(3)WIOD数据库的特点是它将各经济体的数据细化至具体的细分部门层面。此外,较之于同类数据库(如EU KLEMS)其优势是覆盖了主要的发展中经济体,数据也相对更新、更全(Timmer等,2015)。EU KLEMS数据库仅包含美国和EU等发达经济体的数据,能源数据仅更新到2005年,且未提供CO2排放等环境数据,而WIOD数据库则同时提供了EU等发达经济体与中国等发展中经济体的数据。
(4)根据UNCTAD的划分标准,WIOD数据库中的巴西、墨西哥、中国大陆、印度、印度尼西亚、土耳其、韩国、中国台湾等8个经济体为发展中经济体,俄罗斯为转轨经济体。再结合世界银行对国家(地区)经济发展水平的分类,本文将俄罗斯也划入发展中经济体。另外,本文借鉴胡宗彪(2014)的分类方法,将35个部门中的50~P划入服务业,共计17个行业,分别是(括号内是部门代码):汽车与摩托车销售、维护与汽车燃料零售业(50);汽车与摩托车之外的批发、代理贸易(51);汽车与摩托车之外的零售贸易与家庭用品修理(52);陆运(60);水运(61);航运(62);其他的支持与辅助性运输、旅行社活动(63);邮政与通信(64);金融(J);房地产业(70);租赁与其他商业活动(71t74);住宿与餐饮业(H);公共管理与防务、强制性社会保障(L);教育(M);卫生与社会工作(N);其他社区、社会与个人服务(O);私人家庭雇佣服务(P)。鉴于部门P的相关数据缺失较多,本文将其排除。
(1)王许亮和王恕立(2018)的研究表明,1995~2009年间发展中经济体的服务业高技能劳动份额平均为18.6%,低于发达经济体的24.7%。
(2)具体地,将部门50、51、52、60、61、62、63、64、J、70、71t74划分为生产性服务业,将行业H、L、M、N、O归为生活性服务业。
(1)关于这一解释,后文我们将采用门槛回归方法进行更为细致的分析。
(2)据计算,在样本期间内生产性服务业能源强度的年均下降速度比生活性服务业快11%。
(3)这是因为服务出口与服务业能源强度的滞后项与扰动项不相关,满足IV外生的要求;滞后项与当期值相关,满足IV的相关性要求。
(1)本部分及后文的“中国”指的是样本中的“中国大陆”地区。
(2)C检验得到的C统计量用于检验模型是否存在内生性,原假设为解释变量外生(Baum等,2003;王恕立和胡宗彪,2013)。
(3)需要说明的是,由于中国服务业分类型行业的数据结构均属于长面板数据(生产性与生活性服务业面板数据的N分别为9、6,T均为15),而差分GMM方法对于长面板数据可能会产生较严重的偏差(陈强,2014),因此我们仅对中国服务业整体样本进行差分GMM估计。
(1)样本期间内,中国生活性服务业的出口强度平均为0.082,高于全样本发展中经济体的平均水平(0.051),同时也接近(或超过)了产生绿色TFP提升效应的门槛区间(根据表6的回归及稳健性结果,门槛区间大体界于0.054和0.087之间)。
(2)限于篇幅,全样本及中国分类型服务业的稳健性检验结果均未报告,如需要可联系笔者。