服務貿易知識溢出的環境效應：基于中國的經驗研究

尹元元

(湖南商學院經濟與貿易學院，湖南 長沙 410205)

一、問題的提出

通常認為服務業處于產業結構最高端，所提供的產品具有無形性，不像工業那樣容易產生過量的環境污染物，應屬清潔性行業。但現實中也不乏服務業造成環境污染的個案，如美國舊金山海灣汞嚴重超標一例，就是因為醫療服務行業丟棄大量化學廢棄物所致。Mayrand and Paquin(2007)對服務貿易環境效應的評估結論顯示，不同服務部門對環境確實存在較大影響[1]。但Levinson(2010)發現美國服務貿易主要集中在低污染行業，因此服務貿易有利于其國內污染減排[2]。

縱觀服務貿易環境效應的已有研究，對服務業產品無形性、對外貿易知識溢出這兩大特質是忽視的。一方面，從對外貿易知識外溢來看，作為國際經濟學的重點研究領域之一，對外貿易知識擴散觀點已為學界普遍接受，貿易知識溢出對全要素生產率的提升都在客觀上有助于降低生產過程當中物質資源的投入，實現生產集約，因此不應忽視服務貿易知識溢出的環境效應。另一方面，從服務業產品屬性來看，服務本身具有無形性，服務業處于知識結構頂端，隱性的非物化型知識溢出是服務貿易有別于傳統工業資本品貿易物化型知識溢出的顯著標致，且具有緘默屬性的非物化型知識溢出又表現出明顯的空間屬性[3]。因此，對服務貿易環境效應的研究，就應緊扣對外貿易知識溢出與服務產品無形性這兩大特質，借助知識外溢和知識分類理論，從空間維度剖析服務貿易因其內嵌的非物化型知識區域擴散帶來的環境技術效應。本文的邊際貢獻至于：理論上，借鑒知識分類和知識外溢、技術自主創新理論剖析服務貿易環境技術效應，以彌補對外貿易環境效應研究在服務貿易領域的缺失；實證上，將對外貿易知識溢出變量嵌入檢驗貿易環境效應的EKC曲線，基于非物化型知識空間溢出與污染物空間擴散對經典EKC曲線進行空間擴容，實證檢驗服務貿易知識外溢及通過促進東道國知識自主創新對環境的“雙(引)擎”影響機制。

二、服務貿易知識溢出的環境效應

(一)引擎一：服務貿易內嵌的非物化型知識空間外溢效應

首先，從知識溢出類型看，服務貿易由于其交易產品的無形性，其溢出的知識更多是沒有實體物理形態的非物化型知識(如觀念、意識與作法等)。其次，從知識溢出維度看，服務貿易溢出的非物化型知識具有緘默(Tacit)特征。Dosi(1988)指出非物化型知識難以被編碼化，需要借助人力資本“面對面”接觸才可以實現，其傳播具有明顯的空間屬性[4]。故服務貿易溢出的非物化型知識不會僅停留在貿易發生地，還對內陸其他地區產生空間溢出。再次，從知識溢出環境效應看，服務貿易非物化型知識外溢是否有利于污染減排取決于溢出的知識是偏“規模提升型”還是“環境友好型”[5]。從規模效應來看，諸如物流、金融、會計、咨詢和培訓等生產性服務的知識溢出降低了交易成本，潤滑原本艱澀的外部市場交易摩擦，促進市場交投活躍，推動生產規模擴大，但引致因生產規模過量、過快擴張對生態環境帶來的資源需耗負擔，這是服務貿易偏“規模提升型”知識溢出。從結構效應來看，生產性服務的非物化型知識對農業、工業的滲透，充當人力資本和知識的傳送器，使原本粗糙、簡單的生產過程更加迂回有效，盤活固有資源使用效率，降低單位產出能耗，推動產業結構升級，這是服務貿易偏“環境友好型”技術溢出。綜合上述分析，我們提出如下的待檢驗假說：

命題一：服務貿易非物化型知識溢出的環境效應具有空間屬性。服務貿易非物化型知識溢出的環境效應既包括對貿易所在地的首次溢出，也涵蓋對其他地區的后續二次溢出；服務貿易知識溢出的環境效應取決于溢出的技術是偏“規模提升型”還是“環境友好型”。

(二)引擎二：服務貿易通過衍生優質環境偏好內生的知識自主創新效應

對外貿易是經濟增長的引擎。服務貿易在推動經濟發展、提升人均收入水平的同時也會激發國民對優質環境的偏好，進而通過國家環境規制與立法促進“環境友好型”生產知識的自主創新。對EKC倒U型曲線形狀的經濟釋義也是如此。援引EKC曲線的做法，環境污染與服務貿易推動的經濟增長之間也構成倒U型曲線關系，即只有當人均收入水平達到某一“拐點”后，服務貿易所推動的經濟發展才內生出“環境友好型”知識的自主創新。

但本文欲擬合的倒U型曲線與經典EKC曲線不同之處在于考慮到如下細節：環境污染物具有空間擴散現象，且污染擴散呈地理衰減趨勢。據此斷定環境污染不僅與所在地區服務貿易推動的經濟發展水平相關，而且與其他地區服務貿易推動的經濟發展水平相關。在EKC曲線假定下，只有兩個地區的人均收入水平同時逾越各自倒U型曲線的“拐點”，服務貿易推動經濟發展所內生出的知識自主創新效應才降低環境污染水平。由于污染擴散遵循“地理學第一定律”，若地理距離越遠，則某一地區污染減排所要求的其他地區經濟增長“拐點”所對應的人均收入水平也就越低。據此，我們提出如下的待檢驗假說：

命題二：服務貿易通過衍生優質環境偏好內生知識自主創新的環境效應具有空間二分性。“污染減排”不僅與所在地區服務貿易推動的經濟發展水平呈倒U型曲線關系，而且與其他地區服務貿易推動的經濟發展水平呈倒U型曲線關系。

三、空間模型設計

(一)服務貿易知識溢出的環境效應空間建模

借助空間計量經濟學對具有空間屬性的遺漏變量招致模型內生性偏誤的解決方案，我們建立服務貿易非物化型知識空間溢出對轄域內、外環境影響的測度模型。

服務貿易知識溢出的環境效應包括兩方面的來源：一是服務貿易產值(Ss)，代表服務提供數量，在生產過程中既可對環境產生負向外部性，又可通過提高人均收入水平來嚴格環境規制，服務貿易產值可通過國際收支賬戶統計得到，是可量化指標；二是伴隨服務貿易溢出的非物化型知識(Ss-un)，它可以滲透進國民經濟實體生產過程，帶來資源集約效應，但由于非觀測性，因此屬于不可量化指標。以經典線性EKC模型為基礎來考察服務貿易知識溢出的環境效應，則將上述兩變量嵌入到EKC曲線當中后有：

P=α0+α1·GDP+α2·GDP2+α3·Ss+β·Ss-un

(1)

其中，P代表環境污染物，GDP代表人均GDP變量，GDP2則為其二次項形式。作為依附于服務貿易而發生的非物化型知識溢出(Ss-un)，本身就與服務貿易(Ss)存在著不可分割的聯系，同時也無法否認對外貿易知識溢出與經濟產出變量(GDP)之間的內在關聯。因此，當非物化型知識由于非觀測性而從模型當中遺漏，則導致(1)式內生性問題。解決方案如下：考慮到服務貿易非物化型知識空間溢出屬性，參照Parent and LeSage(2008)對具有空間屬性的遺漏變量引致線性內生性偏誤的處理方法，我們用空間向量自回歸式來表述原線性模型當中遺漏變量的空間屬性：

Ss-un=ρ×W×Ss-un+ε

(2)

其中，W為空間權重矩陣，參數ρ代表空間相關性程度，ε是隨機擾動項。通過求解上式中服務貿易非物化型知識溢出變量Ss-un=(I-ρ×W)-1×ε，再回代至(1)式后有：

P=α0+α1·GDP+α2·GDP2+α3·Ss+(I-ρ·W)-1·(β·ε)

(3)

經濟增長績效離不開制度變遷，回顧我國對外開放歷程，發現制度變遷同樣也在對外貿易發展過程當中起到重要作用。因此，需對(3)式隨機擾動項當中另一隱匿的非觀測因素——制度變量再次引發的模型內生性問題予以控制，我們采用如下的經典計量回歸式：

βε=ψ1·GDP+ψ2·GDP2+ψ3·Ss+v

(4)

上式表明隨機擾動項當中的制度因素與經濟績效、服務貿易之間存在相關性，在控制這種相關性后，則可假定隨機擾動項中的剩余殘差項(v)服務獨立正態同分布。將(4)式代入(3)式后有：

P=α′+ρW·P+λ1·GDP+λ2·GDP2+λ3·Ss+δ1·W·GDP+δ2·W·GDP2+

δ3·W·Ss+v

(5)

其中，α′=α0(I-ρW)，λ1=α1+ψ1，λ2=α2+ψ2，λ3=α3+ψ3，δ1=α1ρ，δ2=α2ρ，δ3=α3ρ。(5)式的模型設定形式與空間模型家族當中空間Durbin模型(Spatial Durbin Model，SDM)設定形式相同，此即為本文最終用于實證檢驗的空間計量模型。

(二)服務貿易知識溢出的環境效應定義

(6)

四、實證檢驗結果及分析

(一)數據樣本

1.服務貿易知識溢出指標。由于服務貿易溢出的非物化型知識不具有觀測性，因此如何在服務貿易額(Ss)當中體現出源自溢出國的知識溢出特性，是本文在實證模型指標設計方面需要解決的問題。參照Coe and Helpman(1995)以雙邊貿易份額為權重的設計思路，以服務業發達國家對中國服務貿易出口額占該國國內生產總值的比重來量化其國際研發知識資本存量對中國的溢出[7]：

(7)

2.空間權重矩陣。反映區域間地理毗鄰關系的空間權重矩陣采用最近鄰域數原則確定。該方法不僅考慮了地理毗鄰，而且在一定程度上考慮了其他因素引致的毗鄰關系。鑒于地理衰減效應，需在空間權重矩陣當中變換最近鄰域個數，因此將k個最近鄰域依次取值為7～9。各省之間地理距離以省會城市經-緯度坐標為依據進行德勞內三角剖分算法。

3.其他指標。以工業廢氣(萬標立方米/人)作為污染物指標(P)。人均GDP按1952年不變價轉換。研發知識資本存量溢出國選取的是服務業和服務貿易均較發達的OECD國家，包括G7國再加上澳大利亞、比利時、芬蘭、愛爾蘭、以色列、韓國、荷蘭、葡萄牙、西班牙和土耳其。

降水量是衡量一個地區降水多少的數據，指從天空降落到地面上的液態或固態（經融化后）水，未經蒸發、滲透、流失而在水平面上積聚的深度［5］。降水觀測是研究流域或地區水文循環系統的動態輸入項目，是水資源最重要的基礎資料之一，對于工農業生產、水利開發、江河防洪和工程管理等具有深遠的意義。

(二)空間模型設定形式檢驗

參照Elhorst(2012)的檢驗步驟，對放寬線性模型嚴格假定發展起來的空間模型，是否有別于線性模型，進行穩健性檢驗。

1.空間模型設定形式有別于線性模型的穩健性檢驗。檢驗第一步，以線性模型殘差為基礎，就線性EKC模型是否遺漏掉空間交互項進行檢驗(結果見表1所示)。

(1)空間交互效應檢驗結果提示包含服務貿易知識溢出變量的線性EKC模型遺漏具有重要解釋力的空間交互項。在四種截面單元固定效應設定形式下，僅基于聚合模型估計殘差的穩健LM檢驗值(0.6084)，表明無法拒絕“不存在空間誤差項”的原假設。而在其余情況下，LM檢驗值和穩健LM檢驗值大都在1%的水平上顯著，表明可拒絕“不存在空間滯后項”和“不存在空間誤差項”的原假設。針對截面單元固定效應和時期固定效應的聯合檢驗值分別為353.3541和55.6866且均在1%的水平上顯著，表明可同時拒絕“截面單元固定效應聯合不顯著”以及“時期單元固定效應聯合不顯著”的原假設，需在面板模型當中考慮截面單元和時期單元的雙向固定效應設定形式。

(2)較低的模型擬合優度提示包含服務貿易知識溢出變量的線性EKC模型遺漏較為重要的解釋變量。從表1的四種固定效應設定形式下的估計結果來看，僅截面固定效應設定形式下的模型擬合優度較高(0.5225)，其余三種固定效應設定形式下的模型擬合優度均較低。尤其是設定形式最為可信的雙向固定效應模型，其模型擬合優度僅為0.0605，大大低于回歸模型擬合優度的正常取值范圍。在不違背線性模型嚴格假定的條件下，遺漏變量導致較低的模型擬合優度是不會對模型估計結果產生危害，但基于前文理論分析可知，本文是針對服務貿易非物化型知識溢出設定空間交互項，在知識溢出與經濟增長以及服務貿易存在不可分割的聯系時，對知識溢出空間交互項的遺漏可能導致更為嚴重的內生性估計偏誤。

表1 包含服務貿易知識溢出變量的線性EKC模型遺漏空間交互效應的檢驗(W7)

注：模型參數估計值省略，方括號內為p值；*、** 和*** 分別代表在10%、5%和1%的水平上顯著。

2.空間模型一般性設定形式的穩健性檢驗

前一步檢驗結果拒絕了線性模型是實際樣本數據生成方式的最適擬合，接下來就要選擇合適的空間模型設定形式。遵循Elhorst(2012)檢驗方案的第二步，以空間杜賓模型(SDM)分別與空間誤差模型(SEM)和空間滯后模型(SLM)構成嵌套(Nested)關系為基礎[8]，在估計得到SDM結果的基礎上，就其一般性(General)的設定結構能否簡約成具有特異性(Specific)的空間結構展開約束性檢驗(結果見表2所示)。

(1)空間模型設定形式檢驗結果拒絕本文空間擴展所得模型可退化成另外兩種設定形式具有特異性的空間模型。從任何一種空間權重矩陣設定形式下的估計結果來看，無論是固定效應還是隨機效應，Wald檢驗均在1%的水平上顯著，表明可拒絕“設定形式具有一般性的空間Durbin模型可以退化成設定形式具有特異性的空間滯后模型”以及“設定形式具有一般性的空間Durbin模型可以退化成設定形式具有特異性的空間誤差模型”的原假設。同時，LR檢驗值在固定效應設定下也在1%的水平上顯著，表明可拒絕上述兩個約束性檢驗的原假設。這充分表明本文基于服務貿易非物化型知識空間屬性推導所得模型才是對實際樣本數據生成方式的最適擬合。

(2)擬合優度提升說明空間模型納入線性模型遺漏掉的比較重要的空間交互效應解釋項。固定效應設定形式下的模型擬合優度達到70%以上，隨機效應設定形式下則稍低，但也達到50%，這較之線性模型擬合優度有明顯上升，尤其是針對線性模型當中設定形式較為合理的雙向固定效應(僅為0.0605，見表1所示)。這表明在加入兩種空間交互效應作為解釋變量后，模型設定形式擴容對實際樣本數據生成方式的解釋力有了大幅度提高。

(3)工業廢氣污染物具有顯著的空間擴散屬性。從模型參數ρ估計值看，在任何一種空間權重矩陣設定形式下，無論是固定效應還是隨機效應，其估計值不僅為正，而且在1%的置信度水平上具有顯著性。回顧本文空間擴展模型的設定形式，可知這一模型參數代表污染物在區域間的相關性強度，表明工業廢氣污染在區域間具有顯著的空間擴散屬性。這與之前大量文獻基于空間滯后模型與空間誤差模型所得檢驗結論是一致的。同時，它也支持前文理論分析秉持的前提，即在污染物具有空間擴散屬性的前提下，環境污染不僅與所在區域經濟增長緊密相關，而且與產生污染物空間擴散的其他區域經濟增長緊密相關。

(4)空間模型應采用隨機效應設定形式。從Hausman檢驗結果來看，三種空間權重矩陣設定形式下的Hausman檢驗值均較低，方括號內的P值也均提示未能通過最低顯著性水平的統計檢驗，表明無法拒絕“隨機效應與固定效應并無系統性區別”的原假設，因此提示下文應基于隨機效應模型的估計結果進行經濟含義解讀。

表2 空間模型一般性設定形式簡化成特異性設定形式的約束性檢驗

注：模型參數估計值省略。

(三)服務貿易知識溢出對環境的影響以及雙倒U型曲線的拐點

表3按偏導矩陣法給出空間模型當中自變量對因變量作用的真實估計結果。

2.環境污染與經濟增長關系的空間雙倒U型曲線拐點。本文空間擴展模型設定形式的另一優勢在于可同時勾勒出環境污染與轄域內、外經濟增長之間的關系。根據表3的估計結果可得如下結論：

(1)工業廢氣污染同轄域內、外經濟增長之間皆構成倒U型曲線關系。表3顯示，無論哪種空間權重矩陣設定形式下，人均GDP及其二次項對本地工業廢氣污染的估計值分別取正、負號且均在1%的水平上顯著，說明工業廢氣污染與轄域內經濟增長構成倒U型曲線關系。無論哪種空間權重矩陣設定形式下，人均GDP的空間滯后項及其二次項對所在區域以外其他地區工業廢氣污染的估計值也分別取正、負號且均在1%的水平上顯著，說明工業廢氣污染與轄域外經濟增長也構成倒U型曲線關系。因此，前文提出的第2個待檢命題得以驗證，即環境污染與經濟增長之間的倒U型曲線關系具有空間二分屬性。

(2)工業廢氣污染水平下降要求經濟增長同時逾越轄域內、外倒U型曲線頂點代表的人均GDP值。在環境污染與經濟增長關系形成倒U型曲線的情況下，環境污染水平下降就勢必要求經濟增長逾越曲線頂點，表3給出轄域內、外倒U型曲線各自頂點代表的人均GDP值。由于構成倒U型曲線的參數估計值均在1%的水平上顯著，因此當環境污染與經濟增長之間關系具有空間二分屬性時，工業廢氣污染水平下降就要求經濟增長同時逾越轄域內、外倒U型曲線的頂點值。從各自頂點值的計算結果來看，在空間權重矩陣設定為最近7階鄰域時，轄域內、外倒U型曲線各自頂點值分別為16539元和15157元(均以1952年不變價衡量)，這表明環境污染治理在要求域內人均GDP水平達到16539元這一門檻值的同時，要求區域外人均GDP水平達到15157元的門檻值，否則工業廢氣污染水平難以實現根本性下降。轄域內、外兩倒U型曲線各自所代表的人均GDP水平相差1382元，說明環境污染治理對不同地區經濟增長水平的要求存在一定差異，由于來自域外的污染可能存在地理衰減效應，因此污染水平下降對所在區域經濟發展水平的要求就高于區域外。

表3 服務貿易知識空間溢出效應估計及倒U型曲線頂點

五、政策建議

根據上述實證檢驗結論，我們提出如下的對策建議：(1)優化外貿結論，發展服務貿易。實證結果顯示服務貿易有助于中國工業廢氣污染水平的降低，因此需改變過去側重于發展加工貿易、“三來一補”的初級貿易方式，將對外貿易發展重心置于發展服務貿易、優化貿易商品結構上面來，變廉價出售國內物質資源為提高知識服務出口附加值。(2)國內要大力推進生產性服務業在整個服務業當中的比重。生產性服務業作為知識傳送器，可以通過增加生產回路來提高產品知識含量，提高實體資源利用效率，外貿出口附加值空間廣闊。注重承接以生產性服務外包，通過世界市場信息反饋來加速國內生產性服務發展，適時適量限制以旅游餐飲、公務出國考察等名目為代表的消費性服務，集聚現代生產性服務業發展所必需的資金和人力資本。(3)克服非物化型隱性知識在國內內陸空間擴散的地理和經濟雙重阻尼因素。實證結果表明服務貿易內嵌的非物化型隱性知識具有空間擴散屬性，為強化這種空間外溢效應，在硬件上需打造信息高速化公路、軟件上完善有利于非物化型知識載體——人力資本自由流動的社會體制。

參考文獻:

[1] Mayrand K.，Paquin M. Environment Assessment of Services Trade Liberalization: Literature Review[R]. Unisera International Center，Montreal，2007．

[2] Levinson A. Pollution and International Trade in Services[J]. International Environmental Agreements: Politics，Law and Economics，2010，10(2)，pp.93-105．

[3] 劉舜佳，生延超.服務貿易非物化型知識溢出的空間測度——基于修正的Coe-Helpman模型[J]. 南方經濟，2014，(11):43-53．

[4] Dosi G. Sources， Procedures and Microeconomic Effects of Innovation[J]. Journal of Economic Literature，1988，26(3)，pp.1120-1171．

[5] 張可，汪東芳.經濟集聚與環境污染的交互影響及空間溢出[J]. 中國工業經濟，2014，(6):70-82．

[6] LeSage J.，Pace R.K. Introduction to Spatial Econometrics[M]. New York CRC Press，2009．

[7] Coe D.T.，Helpman E. International R&D Spillovers[J]. European Economic Review，1995，39(5)， pp.859-887．

[8] Elhorst J.P. Mathlab Software for Spatial Panels[J]. International Regional Science Review， 2012，8(1)，pp.56-72．