服務貿易自由化的經濟增長效應研究——基于SVM的實證檢驗

張 楠，崔日明

(遼寧大學 經濟學院，遼寧 沈陽 110036)

一、文獻綜述

西方學者對服務貿易自由化的研究結論均證實了服務貿易自由化對經濟增長存在促進作用。區域經濟合作促進經濟增長的例子為服務貿易自由化對經濟增長的促進作用提供了佐證。

Goldsmith［1］的研究指出，金融服務為投資資金效用最大限度的發揮提供了渠道，促進了產量和收入的增加。他利用金融資產、GNP的比率和經濟增長率進行回歸分析，發現經濟增長與金融發展之間存在著一個“粗略的平行”關系。Antoine和 Andreas［2］選取電信和金融行業為代表，利用門限回歸模型對服務業的開放度與經濟增長做了回歸分析。對于低收入國家 (即人均GDP不超過3 310美元)來說，電信行業的開放程度與經濟增長之間存在顯著的正相關關系，金融行業與經濟增長的關系不十分顯著;對高收入國家 (人均GDP高于3 310美元的國家)來說，金融行業的開放程度與經濟增長之間存在著顯著的正相關關系，電信業開放對經濟增長的促進作用不顯著。Dollar［3］利用關稅配額、進出口與GDP的比例作為貿易開放度測算指標，衡量服務貿易開放與經濟增長之間的關系。研究結果均表明貿易的開放程度與經濟增長存在著正相關關系。King和 Levine［4］指出金融服務業通過增強資本積累和技術創新影響經濟增長。他們利用金融債務與GDP的比例，私人部門的索賠數量與GDP的比率作為衡量金融業發展指標，分析金融業發展與經濟增長之間的關系。通過回歸分析發現這些指標均十分顯著，與經濟增長之間存在顯著相關關系。此后他們利用1960年的這些指標預測了1960—1990年間的經濟增長率，研究發現這些指標是十分顯著的預測變量。Levine［5］利用效用方法分析了金融發展與經濟增長之間的聯系。他強調了金融體系在幫助降低交易成本、改善實際資源分配方面的五種功能。這五種功能包括消除交易風險，引導資本的有效使用，監管職能，利用金融創新工具增強儲蓄的流動性以及便利貨物與服務間的交換。Francois和Schuknecht［6］利用回歸分析法分析了人均實際GDP增長率與總體貿易開放度、宏觀經濟變量以及金融部門的集中程度之間的關系。均發現經濟增長與金融部門競爭力之間存在強烈的正相關關系。

二、服務貿易自由化經濟增長效應理論分析

(一)服務貿易自由化的靜態利益

服務貿易自由化的靜態利益主要包括降低關稅效應和中間投入品效應。這種靜態利益適用于專用服務貿易和通用服務貿易。關稅效應主要表現為直接關稅效應和間接關稅效應。直接關稅效應是指對以物化服務形式存在的服務產品征收關稅，如圖書、光盤等。間接關稅效應是增加生產所必需的技術、專利咨詢等服務成本，從而提高產業生產成本，其產生的效應等同于關稅效應。

1.物化服務貿易所產生的直接關稅效應

服務貿易在貨物貿易上的固化主要表現為服務貿易保護限制商品價格，產生關稅保護效應。國外廠商所征收的咨詢費、技術專利費等同進口關稅效應，該類費用的征收相當于國外廠商向本國生產者出售商品生產權和銷售權的使用權。這是對外國企業所研發的創新技術的一種保護，同時限制本國生產商的生產能力，提高生產成本和研發成本，降低本國廠商在該種產品上的競爭能力。這種企業行為等同于政府行為，相當于外國政府對本國征收該類產品的進口關稅。

如圖1中左圖所示，用S和D分別表示本國X產品的供給和需求曲線。本國供給量為Q0，需求量為Q1。現假設本國在生產X產品時，需引進國外技術，技術專利使用費為T，國內需求不變。此時國內供給曲線S會向上移動T，新的供給曲線為S1。技術專利費用的征收，提高了國內產品的價格，由P0提高至P1，供給量由Q0降至Q1。由于國外廠商征收了技術專利費用，國內廠商的生產者剩余明顯減少，國內消費者也因為消費了較高價格的商品而受到福利損失。在圖1右圖中，外國廠商因技術專利使用權轉移獲得了額外收益，他們可以利用這部分資金進行深度技術研發，新技術的應用提高了生產效率，使得外國產品的供給曲線會向下移動，由原來的S下移至S2。外國產品在本國市場上的價格會由原來的P0下降至P2。因此，較不存在專利使用費前，外國廠商收益會大幅度提高。從動態分析來看，隨著外國廠商生產效率不斷提高，在該產品上會擁有壟斷優勢，侵占本國廠商的國內市場份額，使本國整體受損。

圖1 本國產品和國外商品在本國市場的均衡分析

服務貿易通過貨物貿易固化的形式產生了外國政府征收進口關稅的靜態效應，這種靜態效應可以被視為服務貿易保護帶來的損失。

2.以中間投入形式存在的間接關稅效應

在金融領域，高效、管理有序的金融體制能有效、迅速地將儲蓄轉變為投資，保證資金有效運作，提高投資回報率。多種金融衍生品的發明擴大了資金的利用率，拓展風險分擔的渠道。

運輸業推動了國際貿易的產生和發展，實現商品在不同地區內的交換。強大的運輸力量曾使荷蘭迅速崛起，成為世界霸強。15世紀西方其他國家的迅速崛起也得益于新航線開辟推動的海上貿易。運輸實現了商品在不同國家和地區間的分配，也將世界各國融入全球經濟發展中去。

作為基礎信息傳播媒介的通信行業，將各種交易信息傳遞出去，為交易雙方建立溝通平臺。因此信息網絡的暢達以及信息的傳遞速度在日常交易中起著至關重要的作用，因此而產生的交易成本是不可以忽視的。作為技術交流平臺，通信網絡促進技術的快速傳播，這種作用在經濟發展中的貢獻也是無法替代的。正如內生經濟增長理論所指出的，技術是促進經濟增長不可或缺的內生要素，技術進步能夠為經濟發展提供強大的助推力。

法律、會計結算等行業也都在經濟發展中起到不可忽視的作用。Collier和 Gunning［7］指出非洲經濟發展最大的阻礙就是高昂的交易成本。由于非洲法律體制不夠健全，結算體系不夠完整，為交易帶來了很多不便，由此而產生的高額交易費用也成為阻礙經濟發展的桎梏。Summers［8］也提出美國資本市場最重要的發明創新就是建立了一套廣為接受的結算規則。由此可見，服務貿易滲透在經濟命脈中的每一個角落，連接著經濟運行的各個環節，高效、合理地發揮服務貿易的作用才能更好地促進經濟快速發展。

(二)服務貿易自由化的動態利益

服務貿易自由化的動態利益可以分為兩個方面:一方面，以商業存在的方式展開的服務貿易有利于外資的進入，對于通用服務而言，廠商數量的增多會提高本國通用服務市場的競爭程度，提高服務行業生產效率;而對專用服務來講，隨著專用服務投入增多，服務廠商的沉置成本越高，從而產生了一種抵押效應以規范服務提供者的貿易行為，產生經濟效益;另一面，服務貿易實現技術傳播渠道的便利化和技術的迅速擴散。

1.專用服務的抵押效應

服務的專用資產特性表明服務提供者一旦決定進入該市場，他所進行的服務投資就很難改做他用而成為沉置成本。這樣規范了服務提供者的服務生產行為，以利潤最大化為前提維持其經營的長期性。服務貿易自由化使更多的廠商進入國內市場，而這種抵押效應也會不斷被擴大，以至影響整個經濟環境，對經濟增長產生促進作用。

假設有兩個欲進入服務市場的新服務提供者，通用服務的經營單位成本為v1，專用服務的經營單位成本為v2，沉置成本為k，服務提供者只有在專用服務成本低于通用服務成本的情況下，才有可能提供專用服務，即k+v2＜v1，v1，v2∈ ［0，1］，需求價格也分布于0和1之間。由此，可以計算服務提供者提供這兩種服務的預期收益。

通用服務的生產概率為1－v1，平均生產收益為，預期凈收益為:

專用服務的生產概率為1－v2，平均生產收益為，預期凈收益為:

只有在s1＜s2時，服務提供者才能提供專用服務，則可以推導出沉置成本的范圍為:

只有沉置成本在這個范圍內，專用服務貿易才會發生，才會產生抵押效應。將廠商進入服務市場為生產者提供專用服務時所投入的成本和預期收益設為h(h≥k)。服務產品的成本價格為p，只有當服務消費者的需求價格超過p－h(設m=p－h)時，服務提供者才會向其提供服務。否則，他將停止這項服務的供給，退出市場。退出市場的成本，即抵押成本可以表示為αh(α代表服務貿易自由化的程度，α∈ ［0，1］，α越大，服務貿易自由化的程度越高)。服務貿易自由化程度越高，服務提供者擁有更多的機會提供專用服務，專用服務的提供量越大，那么其抵押成本越高。當服務提供者面臨高昂的抵押成本威脅時，服務提供者就不會輕易退出市場。分別分析兩種情況:第一，廠商決定退出市場;第二，廠商不退出市場條件下的服務提供者的凈利潤變化。

(1)廠商決定退出市場

廠商決定退出市場時的預期利潤可表示為:

當h=k時，即服務提供者進入市場的抵押成本就是其提供專用服務所投入的沉置成本。

趨于開放時的提供者利潤可以表示為:

專用服務產品的價格是按照邊際成本定價的，即p=v2+k，那么m=v2。

當α=0 p=v2+k時，

因為，

專用服務提供者的利潤與服務貿易自由化程度成反比，服務貿易完全封閉時，專用服務提供者的利潤會小于零。也就是說，當服務貿易處于完全封閉的狀態時，服務提供者的利潤趨近于零，新的服務提供者將停止進入國內服務市場。

服務消費者所獲得的凈利潤為:

服務貿易自由化程度越高，消費者所獲得的利潤越高。(1－m)代表服務提供者提供服務的概率;代表的是服務消費者的預期消費價格;m代表預期消費價格，是消費者預期的消費剩余。

根據上面的假定h=k，服務消費者所獲得的凈利潤為:

在服務貿易趨于完全開放的狀態α→1時，(10)式整理得:

在服務貿易趨于完全封閉的狀態α→0時，(10)式整理得:

當服務貿易越趨近于封閉狀態，服務消費者獲得的專用服務的利潤與服務提供者所獲得的服務利潤相同;而隨著服務貿易自由化程度不斷提高，服務消費者的利潤會不斷擴大，當實現完全服務貿易自由化時，服務消費者所獲得的利潤將超過服務提供者的利潤。

(2)廠商決定不退出市場

廠商若不退出市場，其預期利潤可表示為:

當h=k時，即服務提供者進入市場的抵押成本就是其提供專用服務所投入的沉置成本。

當服務貿易越趨于封閉，即α→0時，那么服務提供者的利潤可以表示為:

假設專用服務產品的價格是按照邊際成本定價的，即p=v2+k，那么m=v2。此時，α=1，p=v2+k時，有:

服務消費者所獲得的凈利潤為:

服務貿易自由化程度越高，消費者所獲得的利潤越高。(1－m)代表服務提供者提供服務的概率;代表的是服務消費者的預期消費價格;m代表預期消費價格，是消費者預期的消費剩余。

根據上面的假定h=k，服務消費者的凈利潤可以整理為:

在服務貿易趨于完全開放的狀態α→1時，(19)式整理得:

在服務貿易趨于完全封閉的狀態α→0時，(19)式整理得:

當服務貿易越趨近于封閉狀態，服務消費者獲得的專用服務的利潤與服務提供者所獲得的服務利潤相同;而隨著服務貿易自由化程度不斷提高，服務消費者的利潤會不斷擴大，當完全實現服務貿易自由化時，服務消費者所獲得的利潤將超過服務提供者的利潤。

無論其是否退出市場，在封閉的狀態下，專用服務提供者的收益是不變的。這主要是因為服務提供者在封閉的狀態下，并未進入市場，此時抵押效應對服務提供者不產生任何影響，因此專用服務提供者的利潤不會發生變化。而如果在開放的狀態下，服務提供者退出市場的損失較大，因此，其不會退出市場。無論是否決定退出市場，服務消費者在封閉條件下獲得的利潤是相同的。在完全自由化，服務提供者決定退出市場的條件下，消費者的收益相對較大，對專用服務消費者有利。

通過以上分析可以得出如下結論:正是因為抵押效應的存在導致專用服務市場上必然處于非競爭的市場狀態。而且從生產者利益最大化的情況來看，服務自由化程度深化對專用服務提供者產生的威脅作用，使服務提供者一定不會選擇退出市場，而專用服務的產品定價也一定高于專用服務的邊際成本。

2.提高通用服務貿易競爭程度

隨著經濟的不斷發展，服務貿易方式由原本以跨境消費為主的方式轉變成以商業存在為主導的方式。保護程度較高的本國市場準入壁壘較高，這對外國廠商的進入會產生限制，同時，對國內新增廠商的進入也是一種阻礙。高準入壁壘會增強市場的壟斷程度，導致經濟無效率。市場開放促使市場準入門檻降低，隨著本國市場廠商數量增加，市場競爭程度會不斷提高，市場規模也將不斷擴大，這樣就更加有利于形成規模經濟，提高生產效率。

通用服務貿易是所有廠商都能夠提供的標準化服務，因此，隨著服務貿易自由化程度的不斷提高，標準化服務市場上的廠商數量會不斷增多，由原來的n個廠商增加至n+h個廠商。隨著廠商數量的不斷增加，會產生兩種效應:一種是提高市場的競爭程度，降低X效率即非效率;另一種則是規模經濟的形成。在n+h廠商的參與下，市場會形成良性的競爭機制，將具有劣勢的服務提供者淘汰出市場，對留在市場中的服務提供者也產生了激勵作用，使他們為了保持競爭優勢，而不斷地去維護現有的優勢，不斷改進服務態度、增加服務產品種類以更好地滿足消費者的需求。而規模經濟效應主要是因為市場規模的擴大而產生。在激烈的競爭后，雖然有部分廠商被淘汰出市場，但是仍然留下大部分具有高生產能力的服務提供者，因此整個市場的服務提供能力仍在不斷擴大。服務產品市場規模也因此擴大，自然規模經濟效應得以產生。

3.加速技術傳播，實現技術的復制效應和再創新效應

服務貿易自由化通過影響技術在本國的傳播速度和擴散速度促進經濟增長，服務貿易自由化通過這一路徑能夠產生三種經濟效應:技術傳播帶來的外溢效應、服務競爭中產生的復制效應和技術吸收后的再創新效應。

(1)加速技術傳播的外溢效應

技術進步是經濟增長的內生要素之一，先進技術的引進對一國經濟增長有極大的促進作用。20世紀全球經濟的快速發展、新交易方式的產生就是最好的證明。隨著服務貿易自由化程度的不斷加深，生產要素在國與國之間的流動性也將不斷增強。FDI流量的不斷增加使本國擁有更多的資金進行技術研發，提高技術水平;通信技術發展搭建起通暢的技術傳播途徑，使信息更快速地在國家間傳播，有利于知識的共享。

(2)技術的復制效應

隨著服務貿易自由化的深入，本國服務市場上的服務種類會不斷增加。原本服務市場上的服務廠商會在與同行的競爭中接觸到同類的差異服務或是不同類的新增服務。本國市場的廠商將學習這種新服務并拓展自己的服務種類，提高服務利潤。這就是所謂的服務技術的復制效應。如金融服務中多項理財產品在被新廠商引入后，不久就會在同行其他服務提供者中推出相同的服務，這就是技術復制效應最顯著的例子。

服務貿易自由化后的生產者服務消費的技術效應可以用公式表示為:

技術投入后，產量可以表示為:

只有當存在正的流量變量Qs時，技術存量變量才會發生變化，將公式 (22)、公式 (23)和公式 (24)相結合，可得出技術增長率為:

由此，制造部門和服務部門的增長率可以改寫為:

新的經濟增長率可以表示為:

從加入技術資本投入后的新經濟增長率可以看出，在勞動力投入既定的情況下，經濟增長率主要由服務部門經濟增長率 (rs)、制造部門經濟增長率 (rm)、加速積累系數 (τ)和技能提高效率 ()這四個因素決定。根據服務業增長率十分緩慢這一論斷，假設rs=0，公式 (28)則變為:

本模型假定兩個部門，因此整體經濟增長率就等于制造業增長率，即γT=rm，公式 (29)則變為:

由此可以得出加速積累系數為:

(3)技術的再創新效應

在技術復制效應的基礎上，廠商對技術進行了再開發，并以此研究出不同于原有服務技術的新技術，在這種新技術的支持下，創造出新服務項目并獲益。這就被稱作技術的再創新效應。但技術再創新效應的大小則主要取決于研究此技術的人力資本的天生敏感程度和努力程度。對于服務的模仿效應即復制效應主要由服務提供者所擁有的人力資本的努力程度決定。只要在一定的資金配合下，人的努力程度直接決定了對于該服務模仿的程度。而技術的再創新效應則更多地取決于參與研究的人的天生敏感度，就是天賦。

三、實證分析

本文以Antoine和Andreas［2］的研究成果為基礎，選用日本金融服務貿易為日本服務貿易的代表行業進行實證分析。在服務貿易開放度測算方面，數量化制度因素，即市場的競爭程度、外資所有權、資本控制程度，測算服務貿易的開放度，并利用SVM模型對金融服務貿易的開放程度與日本經濟增長之間的關系進行回歸分析。

日本在二戰后的經濟復興之路中，先后經歷了兩次危機，一次經濟衰退。在這條波折起伏的經濟復興之路上，金融業所經歷的保護、半開放和完全開放的歷程對日本的經濟發展起到了十分關鍵的作用［9］。因此本文選取1956—2003年間日本的經濟數據利用SVM進行回歸分析，為服務貿易自由化的經濟增長效應提供佐證。

(一)變量的選擇及金融業開放度的測算

因變量選用GDP年增長率來表示經濟的增長率;選取3個自變量，即民間消費占GDP的比率、金融業的開放度、服務貿易總額，分別用PE、OP、TR來表示。

本文結合Dailami［10］資本控制指數的測算方法和Mattoo等［11］的服務貿易開放度的測算方法來估算日本金融業的開放程度。利用市場結構、外資所允許擁有權、資本控制指數這三個指標測算日本的金融服務貿易開放程度。將日本金融服務貿易開放程度設定為8個等級，從1到8開放程度逐漸增強。具體的表示見表1所示。如，日本1976年的資本控制指數應該小于1.6，外資所有權小于50，市場是處于競爭狀態，此時的開放指數應為6。

表1 金融業開放度指數表

日本金融業從20世紀50年代起開始進行改革，但是對外開放的步伐十分緩慢，20世紀70年代前仍處于完全封閉的狀態。1979年開始金融自由化改革，逐步實現利率自由化。1985年，日本允許外資銀行、證券公司參與日本金融業務，市場競爭性提高。由于受到1998年金融危機的強烈沖擊，日本實現完全自由化，逐步擴大金融改革業務范圍，增加金融產品數量，外資公司數量增多。

根據上述方法粗略估算1956—2003年間日本金融業的開放指數，如表2所示。

表2 日本金融業的開放度1956—2003年

(二)方法選擇

本文利用SVM對日本經濟增長率與日本國內私人消費比率、開放度以及服務貿易總額進行回歸分析。在前期研究中，作者曾選用設定啞變量的多元回歸方法對該理論進行實證檢驗，但是效果不佳。故此次本文選用適合小樣本、非線性分析的SVM來進行實證分析。

1.SVM的基本原理

1995 年 Cortes和 Vapnik［12］提出的支持向量機 (Support Vector Machine)方法是建立在統計學理論的VC維理論和結構風險最小原理基礎上，主要解決小樣本、非線性及高維模式識別問題。SVM利用線性分類器將一些在低維情況下不可分的數據向高維映射，從而實現數據的線性可分。設定一個線性函數g(x)=wx+b，以該線性函數等于0時為間隔將數據進行分類。在二維空間中該函數便構成了一個平面，稱之為分類超平面。對于該分類超平面的確定就要利用實現分類間隔的最大化來解決。

2.模型的建立

本文利用反證法的思想建立模型，如果測算出日本的服務貿易保護對日本經濟增長具有消極作用，就可以證明服務貿易的開放對經濟增長是具有促進作用的。建立模型如下:

根據SVM的基本原理，可以將問題轉變為求解‖α‖最小的問題。考慮訓練樣本，其中x是輸入模式的第i個樣本，iyi∈{－1，1}，設用于分離的超平面方程是:

其中，α是超平面的法向量，δ是超平面的常數項。

尋找最優的分類超平面，即尋找最優的α和δ。設最優的α和δ為α0和δ0，則最優分類超平面為:

若得到最優分類超平面，就可以對測試集進行預測。設測試集合為，則用最優分類超平面預測測試集的標簽為:

此處，N=3，xi分別表示pe、op、tr。

(1)定義支持向量

滿足下面條件的特殊數據點 (xi，yi)為支持向量

或有:

支持向量是最靠近決策面的數據點，和決策面的最優位置直接相關，最難以分類。

(2)推導最大間隔

設x1，x2正反例的間隔為:

又有:

所以有:

尋找最優超平面就是解決正反例間隔最大化的問題，即:

使用Lagrange乘子法求解，首先建立 Lagrange函數:

其中，Lagrange乘子為ai。對α和δ求導，則有:

整理J最終可得到原問題的對偶問題:

求解出對偶問題的最優解，設a*i表示最優的Lagrange乘子，則最優解為:

判斷函數為:sgn)，其中x為測試集樣本。

3.回歸結果

如表3所示，利用MATALAB中的LIBSVM對該模型進行分析，該模型的模擬準確度為85.41%，金融服務貿易開放指數 (op)的系數為－0.08，私人消費比率 (pe)的系數為2.34，服務貿易總量 (tr)的系數為2.52，各系數檢驗均達到顯著水平。

表3 回歸分析結果

四、結論及啟示

1956—2003年期間，日本金融業處于保護的年份為42年，因此該模型可以作為金融服務貿易開放度較低的例證。金融服務貿易開放度降低1個百分點，經濟增長率將會下降－0.08。該結論也證實了模型建立之初的假設，即如果金融服務貿易保護對經濟增長有消極作用，那么服務貿易自由化有利于促進經濟增長。

在貿易保護主義日趨嚴重的環境下，推進中國服務貿易自由化為緩和當前貨物貿易摩擦提供了新的途徑;加深服務貿易自由化程度，搭建技術傳播新渠道，加速先進技術傳播;擴大金融貿易開放程度，提高資本回報率，增加對外投資渠道，緩解當前流動性過剩的問題。

［1］Goldsmith，R.W.Financial Structure and Development［M］.New Haven:Yale University Press，1969.

［2］Antoine，C.El K.，Andreas，S.Openness in Services Trade and Economic Growth ［J］.Economics Letters，2006，92(2):278－283.

［3］Dollar，D.Outward-Oriented Developing Economies Really Do Grow More Rapidly:Evidence from 95LDCs 1976—1985［M］.Economic Development and Cultural Change 40，1992.

［4］King，R.G.，Levine，R.Finance，Entreprenneurship and Growth:Theory and Evidence［J］.Journal of Monetary Economics，1993，(32).

［5］Levine，R.FinancialDevelopmentand Economic Growth:View and Agenda［J］.Journal of Economic Literature，1997，35，(6).

［6］Francois，J.F.，Schuknecht，S.Trade in Financial Services:Procompetitive Effects and Growth Performance［R］.CEPR Discussion Paper，1999.

［7］Collier，P.，Gunning，J.W.Why Has Africa Grown Slowly? ［J］.Journal of Economic Perspectives，1999，(3):3－22.

［8］Summers，L.Reflections on Managing Global Integration［J］.Journal of Economic Perspectives，1999，13，(1):3－18.

［9］張楠，崔日明.中日服務貿易發展路徑比較［J］.國際經貿探索，2009，(11):36－41.

［10］Dailami，M.Financial Openness，Democracy and Redistributive Policy［R］.World Bank Institute，2000.

［11］Mattoo，A.，Rathindran，R.，Subramanian，A.Measuring Services Trade Liberalization and Its Impact on Economic Growth:An Illustration［J］.Journal of Economic Integration，2006，21(1):64－98.

［12］Cortes，G.，Vapnik，V.N.Suppor-Vector Networks［J］.Machine Learning，1995，20(3):273－297.