數字服務貿易網絡地位對綠色全要素生產率的影響

摘 要： 基于1995—2018年數字服務貿易數據，利用復雜貿易網絡分析方法、雙向固定效應模型和中介效應模型，探究數字服務貿易網絡地位對綠色全要素生產率的影響。研究顯示：（1）全球數字服務貿易網絡密度總體增加、平均路徑長度減小、貿易關聯更密切；（2）一國數字服務貿易網絡地位提高顯著促進綠色全要素生產率提升，并通過推動產業結構升級與促進創新能力提升兩條途徑推動綠色全要素生產率提高；（3）數字服務貿易網絡地位對綠色全要素生產率的影響存在異質性，相較于發展中國家，數字服務貿易網絡地位對發達國家綠色全要素生產率的影響更顯著，對核心國家的促進效應更強。

關鍵詞： 數字服務貿易；貿易網絡；創新能力；綠色全要素生產率；產業結構

中圖分類號： F 062.9

文獻標志碼： A

The Influence of Digital Service Trade Network Statuson Green Total Factor Productivity

Abstract： Based on the data of digital trade in services from 1995 to 2018， this paper uses the complex trade network analysis method， two-way fixed effect model and intermediary effect model to explore the impact of the status of digital trade in services network on green total factor productivity. The results show that： （1） the global digital service trade network density increases overall， the average path length decreases， and the trade correlation is closer; （2） The improvement of the status of a country’s digital service trade network significantly promotes the improvement of green total factor productivity， and promotes the improvement of green total factor productivity by promoting the upgrading of industrial structure and promoting the improvement of innovation ability. （3） The impact of digital service trade network status on green total factor productivity is heterogeneous， and compared with developing countries， the impact of digital service trade network status on green total factor productivity in developed countries is more significant， and the promotion effect on core countries is stronger.

Key words： digital service export；trade network；innovation capacity；green total factor productivity；industrial structure

在“碳達峰、碳中和”的目標下，數字服務貿易作為一種新興的貿易形態正逐漸成為各國新的經濟增長動力，也推動各國綠色全要素生產率的提升。一方面，數字服務貿易通過數字技術創新，促進國家的技術進步和產業結構的優化；另一方面，數字服務貿易利用數字服務覆蓋全產業鏈，構建高效生產制造和貿易體系，依靠其“網絡效應”和“綠色效應”實現綠色全要素生產率的提升。本文基于國家視角，首先借助復雜貿易網絡分析方法構建全球數字服務貿易網絡，分析其動態演進特征，并利用雙向固定效應模型和中介效應模型實證檢驗數字服務貿易網絡地位對綠色全要素生產率的影響及作用機制，以期為數字服務貿易高質量發展和綠色全要素生產率提升提供新的理論基礎與經驗支撐。

1 理論分析

1.1 數字服務貿易網絡地位與綠色全要素生產率

數字服務貿易網絡中所處地位越中心的國家往往擁有更便利的知識和信息獲取渠道，從而促進國家綠色全要素生產率的提升；同時，較高的網絡中心度也意味著該國在數字服務貿易行業具有較強的比較優勢，可以優化本國的資本投入和能源消費結構，從而提升綠色全要素生產率。

1.2 數字服務貿易網絡地位與產業結構升級

數字服務貿易憑借數字技術和其他關鍵要素，突破信息交流的障礙，逐步優化產業結構配置。一方面，網絡中心度的提高有助于利用比較優勢促進國家資源的持續投入，促進產業主體向技術密集型、知識密集型產業轉型，產業結構逐步向高級化、合理化轉變；另一方面，可以將本國不再具有比較優勢的落后產業轉移到其他國家，形成“服務外包”，有效優化本國資源配置，改變高污染、高能耗的傳統經濟發展方式，推動綠色全要素生產率的提升。

1.3 數字服務貿易網絡地位與創新能力提升

數字服務貿易不斷發展促進該國自主創新帶來的提升是助力綠色高質量發展的關鍵要素。一方面，一國數字服務貿易網絡中心度的提升反映出其有相對較多的資源渠道，節點間的貿易交流為其帶來多樣化的信息知識。同時內外知識的有效整合可以極大地促進該國自主創新。另一方面更高的貿易網絡中心度代表著在網絡中擁有極高的威望，能夠以高端要素吸引優質的高科技產業，進一步帶來自主創新能力的提升。國家自主創新能力的增強將重塑國家的核心競爭力，加快打破原有高污染的經濟增長模式，降低經濟發展對自然資源的依賴，提高資源利用率，在循序漸進的創新中尋找經濟增長的新動力，推動綠色全要素生產率的提升。

2 研究設計

2.1 研究方法

2.1.1 復雜網絡構建

基于復雜網絡構建方法，本文搭建有向加權貿易網絡G，可表示為：

G=（V，E，W）（1）

其中，V={v1，v2，v3...}為節點集合，v1，v2，v3...表示貿易網絡中的國家；二值矩陣E=［aij］，表示國家之間是否存在貿易關系，即當a國指向b國的權重值大于0時，aij=1，否則為0；W=［wij］為權重矩陣，wij為i國指向j國的權重值，本文借鑒馬述忠［1］的做法，選用出口額最大值的0.0075作為門檻值，即當wij大于當年最大出口額的0.0075時，aij=1，反之則為0。

2.1.2 GML模型

2.1.2 基準模型

本文構建如下基準回歸模型以檢驗一國在數字服務貿易網絡中的地位對該國綠色全要素生產率的影響：

GTFPit=β0+β1degreeit+β2Xit+μi+ηt+εit（2）

其中，下標i表示國家，t表示年份；GTFP表示綠色全要素生產率；degree表示一國在數字服務貿易網絡中的中心度，degree越大，說明該國處于數字服務貿易網絡越核心的位置；X為控制變量；μi為國家固定效應，ηt為時間固定效應；εit為隨機誤差項。

2.1.3 中介效應模型

為進一步檢驗數字服務貿易網絡地位對綠色全要素生產率的作用機制，本文借鑒溫忠麟的方法，構建如下中介效應模型：

Tit=β0+β1degreeit+μi+ηt+εit（3）

GTFPit=β0+β1degreeit+β2Tit+β3Xit+μi+ηt+εit（4）

其中，下標i表示國家，t表示年份，Tit分別表示產業結構高級化和自主創新。

2.2 變量定義和測算

2.2.1 被解釋變量

本文的被解釋變量為綠色全要素生產率（GTFP）。具體測算借鑒Chung等（1997）［2］提出的GML生產率指數［見公式（5）］，以所有各期總和為參考集，具備傳遞性且可累乘，避免ML指數存在線性規劃可能無解等問題。投入量選用勞動力總人數、固定資本形成總額、原油量，期望產出為現值GDP，非期望產出為CO2。具體計算方法如下：

其中，x為投入向量，y為期望產出向量，b為非期望產出向量，g為方向距離函數（Directional Distance Function，DDF）。

2.2.2 解釋變量

本文的核心解釋變量是數字服務貿易網絡地位，本文使用點度數（degree）來反映國家或地區在網絡中的中心度。全球數字服務貿易網絡中各國的點度數，即與該國有貿易往來的伙伴數，這從側面反映了該國在數字服務網絡中貿易聯系的廣度，具體定義如下：

2.2.3 控制變量

本文借鑒相關文獻，選取如下控制變量：（1）經濟發展水平（Lnpgdp），采用一國的人均國內生產總值取對數來衡量一國的經濟發展水平。（2）貿易開放度（Open），以經濟自由度衡量。（3）基礎設施（Lnrnd），選取每百人使用互聯網人數。（4）自然資源稟賦（Res），采用燃料與礦產品占出口比重。（5）人力資本水平（Hc），采用高等教育入學率。

2.2.4 中介變量

2.3 數據來源

變量數據均來源于世界銀行、OECD數據庫和美國傳統基金會IEF，對部分缺失數據采用插值法補齊。

3 數字服務貿易網絡的整體網絡特征分析

3.1 網絡密度及平均路徑長度

網絡密度常用來衡量網絡中各國家的貿易聯系的緊密程度。當網絡密度趨近于1時，意味著國家間的貿易聯系更為緊密；反之，則表示貿易聯系更為松散。具體公式為：

平均路徑長度用來反映貿易網絡中各國之間信息傳遞效率的高低。平均路徑長度越短，表明國家間的數字服務貿易越便利。具體計算公式為：

基于以上計算方法，本文繪制了1995—2018年網絡密度和平均路徑長度的總體趨勢圖（圖1）。自1995年開始，全球數字服務貿易網絡密度整體呈增長態勢，表明國家間數字服務貿易關聯日益密切。受1997年亞洲金融危機影響，從1996年的0.263下降到1999年的0.258，且增長緩慢，直至2000年才逐步恢復。平均路徑長度總體呈現縮短趨勢，說明網絡內國家之間的信息傳遞效率隨數字技術發展逐步提高。

3.2 QAP分析

為了更深入地描述數字服務貿易網絡的動態變化，本文選擇QAP方法進行深入分析。QAP通過提供相關性系數及其非參數檢驗，揭示數字服務貿易網絡的動態演變過程。表1給出了1995—2018年全球數字服務貿易網絡的兩兩QAP分析數值。結果顯示：（1）1995年至2018年期間，全球的數字服務貿易網絡變化顯著。2018年與2017年，全球數字服務貿易網絡的相關性高達0.927。2018年和1995年的貿易網絡相關性僅為0.529，即2018年的全球數字服務貿易網絡與1995年的網絡差異性較大。（2）全球數字服務貿易網絡逐步變化，具有一定的自穩定性。以2018年的數字服務貿易網絡為研究對象，它與2017年的全球數字服務貿易網絡之間的關聯度高達0.927，與2016年的貿易網絡關聯度為0.914，但在2003年，這一關聯度只有0.708。

3.3 網絡中心度

本文根據各國中心度繪制全球數字服務貿易網絡圖（圖2與圖3），箭頭指向各國的出口目的地，國家的中心性越突出，其節點就越大。比較1995年與2018年各國所處數字服務貿易網絡地位，發現2018年網絡節點的連邊數量明顯增長，各國貿易聯系更加密切。從圖中可以看出，主要經濟體的地位基本穩定，且以美國、法國、日本為核心，再一次印證了全球數字服務貿易網絡具有較強的自穩定性。中國從1995年的較為邊緣位置，逐步走向2018年網絡圖的中心位置，與各國的交易愈發頻繁，中心度也在逐步提升，體現出中國的數字技術在不斷完善，逐步在數字服務貿易網絡中掌握話語權。

4 實證結果分析

4.1 基準回歸結果

本文采用個體時間雙向固定效應模型檢驗數字服務貿易網絡地位對綠色全要素生產率的影響，結果見表2。在不加入控制變量的情況下［列（1）］，數字服務貿易網絡地位對綠色全要素生產率具有顯著的促進作用。逐步加入控制變量［表2列（2）～（6）］數字服務貿易網絡地位提高仍顯著促進綠色全要素生產率。數字服務貿易網絡通過其“綠色效應”和“網絡效應”逐漸蔓延到生產、加工、貿易、支付和售后等多個層面，對國家經濟高質量發展具有顯著的綠色賦能作用。

4.2 穩健性檢驗

綠色全要素生產率高的國家對數字技術的發展往往會給予政策扶持，進而導致雙向因果關系，造成內生性問題。同時，為避免樣本離群值所帶來的結果偏誤，本文從四個方面進行穩健性檢驗（表3）。第一，對所有連續變量進行1%分位數上的雙邊縮尾處理，其結果如列（1）。第二，使用傾向匹配得分法（PSM），對于前置變量，將中心度進行三分位分類，一二分位取0，三分位取1，結果如列（2）。第三，基于SBM模型重新測算GTFP，結果如列（3）。第四，將數字服務貿易網絡地位的滯后項作為數字服務貿易網絡地位的工具變量，利用兩階段最小二乘法進行回歸。回歸結果表明，數字服務貿易網絡地位顯著促進綠色全要素生產率的提升，基準回歸結果穩健。

4.3 機制檢驗

為進一步探究數字服務貿易網絡地位對綠色全要素生產率的作用機制，本文以產業結構高級化轉型和自主創新能力提升為中介變量進行實證檢驗。表4中，列（1）為基準回歸結果，將數字服務貿易網絡地位分別對兩個中介變量進行回歸，列（2）和（4）顯示數字服務貿易網絡地位對二者的回歸系數均顯著為正，在加入中介變量的回歸結構（3）和（5）中，數字服務貿易網絡地位的系數均顯著為正，表明數字服務貿易網絡地位通過推動產業結構高級化轉型和自主創新能力提升兩條路徑助力綠色全要素生產率的提高。

4.4 異質性分析

不同國家由于經濟發展水平、數字服務貿易網絡核心邊緣圈層不同，可能會出現數字服務貿易網絡地位對綠色全要素生產率的影響存在異質性。本文從以下兩個角度展開異質性分析。（1）依據2010年聯合國開發計劃署認定，將32個樣本國家劃為發達國家，19個國家劃為發展中國家，據此進行分組檢驗，如列（1）。結果顯示，數字服務貿易網絡中心度對發達國家的綠色全要素生產率提升有顯著的促進作用，對發展中國家綠色全要素生產率的提升影響并不顯著，可能是因為沒有技術落地條件的國家很難獲得技術紅利，數字服務貿易帶來的經濟效益難以有效發揮和利用。（2）根據復雜網絡分析法，核心－邊緣分析，將18期及以上（共24期）處于核心圈層的19個國家定為核心國家，其余定義為邊緣國家。結果顯示，數字服務貿易網絡中心度的提高對兩組國家的綠色全要素生產率均具有顯著的促進作用，但對核心國家的作用效應大于邊緣國家。可能是因為數字服務貿易網絡核心國家具有更強的汲取能力，有更完善的數字基礎設施，更強的人才吸引能力，促進該國數字服務貿易發揮更強作用。

5 結論與政策建議

基于對數字服務貿易網絡地位與綠色全要素生產率的探討，本文得到以下結論：（1）1995至2018年間，全球數字服務貿易網絡的密度總體呈現上升態勢，平均路徑長度則呈現縮短趨勢，各國間的數字貿易聯系日趨緊密。網絡中心國家如美國、日本、法國的基本位置無變化，中國逐步邁入貿易網絡中心行列。（2）一國所處數字服務貿易網絡地位提高對其綠色全要素生產率產生顯著的促進作用，通過產業結構高級化和自主創新提升發揮作用。（3）數字服務貿易網絡地位對綠色全要素生產率的影響具有異質性，相較于發展中國家，數字服務貿易網絡地位對發達國家的影響更顯著，對核心國家促進效應更強。

為進一步發揮數字服務貿易的驅動作用，促進綠色全要素生產率提升，本文提出以下政策建議：（1）加強數字服務貿易網絡的賦能帶動作用，加強數字貿易聯系，合理拓寬貿易自由度。（2）加快優化數字服務貿易網絡賦能的多路徑作用，充分利用數字技術帶來的貿易便捷、信息成本削減等優勢，積極推動國內自主創新，逐步優化產業結構，高效利用資源，減少環境污染。（3）持續推動數字服務貿易差異化發展戰略。明確本國在數字服務貿易網絡中所處位置，實施“因地制宜”的發展策略，不斷加強與網絡內不同國家的貿易合作和聯動發展。

參考文獻：

［1］馬述忠，任婉婉，吳國杰.一國農產品貿易網絡特征及其對全球價值鏈分工的影響——基于社會網絡分析視角［J］.管理世界，2016（3）：60-72.

［2］ CHUNG YH， FARE R，GROSSKOPF S. Productivity and undersirable outputs： Adirectional distance function approach［J］. Microeconomics，1997，51（3）：229-240.

［3］ 干春暉，鄭若谷，余典范.中國產業結構變遷對經濟增長和波動的影響［J］.經濟研究，2011，46（5）：4-16，31.