國際生產網絡關聯(lián)度與行業(yè)產出增長

中圖分類號：F114;F223 文獻標志碼：A 文章編號：1674-8131（2025）04-0035-17

一、引言

隨著經濟全球化的深化，日益復雜的全球價值鏈分工體系深刻改變著世界各國的生產模式和要素配置方式，推動了國際大循環(huán)的發(fā)展。世界各國的經濟交往日益密切，貿易和生產聯(lián)系愈發(fā)呈現(xiàn)網絡化特征，商品和服務的生產鏈、供應鏈愈加復雜（Acemoglu et al.，2020）[1]。各國的生產鏈和供應鏈交錯組成了國際生產網絡，推動著技術和知識的國際傳播。國際生產網絡對一國產出增長及經濟發(fā)展具有重要作用，但這是否意味著只要增加本國與他國的生產聯(lián)系便一定有利于經濟基本面的良好運轉？Miranda-Pinto等（2023）[2]對此持否定態(tài)度，他們認為僅在無風險沖擊的正常時期國家或企業(yè)的外部生產聯(lián)系越多帶來的正向經濟收益才會越大，而在受到外部沖擊時國家或企業(yè)的外部生產聯(lián)系越多反而遭受的經濟損失越大。陳國進等（2024）[3]也認為，風險會在生產網絡中傳導，形成風險加成的“全要素生產率負向網絡效應”，進而阻滯產出增長。改革開放以后，中國充分利用嵌入國際大循環(huán)的紅利，通過吸收先進的技術和知識驅動經濟持續(xù)高速增長。然而，近年來國際經濟發(fā)展的不穩(wěn)定不確定性大幅增加，各種“黑天鵝”“灰犀牛\"事件隨時可能發(fā)生。因此，新時代的經濟高質量發(fā)展既要積極融入國際大循環(huán)，也要有效防范化解各種負面沖擊帶來的重大風險，這就需要深入研究國際生產網絡影響國內經濟增長的內在機制。

實際上，學術界對于生產網絡的研究不斷拓展和深化。傳統(tǒng)的新古典主義經濟增長框架大多忽略了中間投入的重要作用，生產網絡理論的發(fā)展使這一缺陷得以彌補。生產網絡理論框架批判繼承了新古典主義，將中間品視為要素，進而探討生產的網絡結構對經濟增長的作用。Acemoglu等（2015）[4]構建了一個內生多要素生產網絡模型，研究技術進步如何通過部門間投入產出關聯(lián)傳導至整體生產網絡，并探討了上游行業(yè)技術變動向下游行業(yè)傳導形成的供給側技術溢出效應，認為部門間的技術傳導是經濟增長的重要動力。在此理論框架的基礎上，Acemoglu 和Azar（2020）[1]進一步指出，部門間的技術傳導會降低整體經濟循環(huán)網絡的生產成本，生產網絡內生演進是經濟持續(xù)穩(wěn)定發(fā)展的重要動力。除了技術傳導之外，還有學者基于生產網絡框架研究了降低企業(yè)成本加成（Baqaeeet al.，2020）[5]、減稅降費（倪紅福，2021）[6]、政府消費（齊鷹飛等，2021）[7]等的因素傳導機制及經濟增長效應。部分學者將生產網絡分析框架擴展到多國情景，并分析跨國投人產出關聯(lián)帶來的影響。比如：Baldwin 和Yan（2014）[8]、黎峰（2020）[9]、梁經偉等（2022）[10]研究發(fā)現(xiàn)，嵌入全球生產網絡有利于產業(yè)升級和規(guī)模經濟的實現(xiàn)，進而帶動經濟增長;Cai等（2022）[1]基于產業(yè)鏈貿易模型證明了創(chuàng)新和知識網絡傳播的經濟增長效應;黃群慧和倪紅福（2021）[12]、倪紅福和田野（2023）[13]基于全球投入產出模型對內外經濟循環(huán)進行分解，指出優(yōu)化生產網絡結構是實現(xiàn)經濟高水平發(fā)展的重要路徑;劉維林等（2023）[1415]基于Acemoglu等（2015）[4]、黃群慧和倪紅福（2021）[12]的范式研究，探究技術進步在國際生產網絡中的傳導效應，發(fā)現(xiàn)國際技術溢出是賦能經濟高質量增長的重要動力。

除了國際生產網絡的經濟增長效應及其傳導機制外，各種沖擊對國際生產網絡及其作用的影響也是相關文獻研究的重要課題。早期理論關注到微觀沖擊和總量波動之間的樸素加權關系。Hulten（1978）[16]認為，一個經濟體受到的生產率沖擊為部門生產率沖擊的總和;Long 和Plosser（1983）[17]通過構建多部門實際經濟周期模型，證明微觀部門的沖擊會在經濟系統(tǒng)中傳導和積累，進而形成總量宏觀波動。隨著網絡分析技術的發(fā)展，學者們開始探究微觀沖擊在生產網絡中的傳導機制。比如：Acemoglu 等（2012）[18]構建了一個包含多部門的生產網絡模型，研究不對稱網絡結構對微觀沖擊的放大效應;Carvalho 和Voigtlander（2014）[19]認為，部門的扭曲以及生產網絡結構的不對稱對沖擊具有放大作用；Acemoglu等（2017）[20]系統(tǒng)闡釋了宏觀風險的微觀起源;Baqaee 和Farhi（2019，2020）[21][5]、Miranda-Pinto 等（2023）[2]通過構建一般均衡模型分析了微觀部門技術沖擊的二階效應，認為部門扭曲會造成宏觀GDP 損失;部分學者基于 Baqaee 和Farhi（2019、2020）[21][5]的分析框架，通過構建包含外生扭曲因子的生產網絡模型來探討部門扭曲如何在生產網絡中傳導并形成宏觀加總效應（Bigio etal.，2020;倪紅福，2022;許雪晨 等，2023）[225]。具體到針對國際生產網絡的實證研究，現(xiàn)有文獻主要基于行業(yè)和企業(yè)層面的數據檢驗各類沖擊的作用。比如：Barauskaite 和Nguyen（2021）[26]使用2000—2014年跨國投入產出數據研究發(fā)現(xiàn)，行業(yè)內部沖擊會通過網絡傳導造成總體損失;王群勇等（2023）[27]通過對接國內和國際投入產出表，探索部門沖擊在雙循環(huán)生產網絡的傳播特征和宏觀加總效應;高翔等（2021）[28]基于世界投人產出模型構建重大突發(fā)事件對全球生產網絡沖擊的測算框架，并實際測算了新冠疫情暴發(fā)引致的經濟損失。

綜上所述，已有研究為理解國際生產網絡的運行機制和經濟效應以及沖擊的傳導效應提供了有益見解，但仍有較大的拓展和深化空間。相關文獻在理論建模方面頗有建樹，但在采用現(xiàn)實經濟數據進行實證檢驗方面較為欠缺。例如，Acemoglu等（2015，2020）[4][1]、Baqaee 和Farhi（2019，2020）[21][5]構建生產網絡模型解釋技術和知識如何跨部門傳導，從網絡視角為技術溢出效應提供了理論基礎，但基于算法工具量化生產網絡技術溢出效應的研究尚在起步階段，鮮有文獻對技術溢出的網絡效應進行合理量化，對于風險沖擊是否會弱化生產網絡的技術溢出效應和產出增長效應更是缺乏經驗證據。當前，嵌入國際大循環(huán)以充分享受外部技術溢出效應是實現(xiàn)高質量發(fā)展、構建新發(fā)展格局的必經之路，但風險沖擊往往使技術吸收渠道受阻。因此，為充分利用國際生產網絡的技術溢出效應和有效防范化解各種風險，有必要深入研究國際生產網絡促進產出增長的技術溢出機制以及風險沖擊的影響。基于此，本文從技術溢出視角考察國際生產網絡對行業(yè)產出增長的影響，并分析這種影響在有無風險沖擊時是否存在差異。具體到實證檢驗，本文采用“國際生產網絡關聯(lián)度”來刻畫行業(yè)嵌入國際生產網絡的程度。“度”是網絡分析中的概念，指網絡中某一節(jié)點與其他節(jié)點的連接數。行業(yè)國際生產網絡關聯(lián)度則是指在國際生產網絡中，一國（地區(qū)）某行業(yè)與其他國家（地區(qū)）的行業(yè)存在中間投人產出聯(lián)系的連接邊數，反映了該行業(yè)的國際生產網絡關聯(lián)程度。

本文的主要研究內容和邊際貢獻包括：第一，構建包含風險沖擊的多行業(yè)生產網絡一般均衡模型，從中分解出國際循環(huán)技術溢出效應，擴展了生產網絡理論模型，也為定量研究生產網絡的技術溢出效應提供了方法借鑒;第二，基于亞洲發(fā)展銀行多區(qū)域投入產出數據庫（Asian Development Bank Multi-Regional Input-Output Tables，簡稱 ADB數據庫）構建國際生產網絡，測算了樣本經濟體的行業(yè)國際生產網絡關聯(lián)度和行業(yè)國際循環(huán)技術溢出效應，并將樣本期間劃分為風險期和正常期，實證檢驗了國際生產網絡關聯(lián)度對行業(yè)產出的影響以及技術溢出的中介作用和風險沖擊的調節(jié)效應，為國際生產網絡的技術溢出效應和產出增長效應以及風險沖擊效應提供了經驗證據;第三，進一步從行業(yè)、經濟體、出度和入度、時期等維度進行了異質性分析，為有效利用國際生產網絡的技術溢出效應促進經濟增長和防范化解重大風險提供了理論啟示和經驗借鑒。

二、理論模型與研究假說

本文對Acemoglu等（2015）[4]的模型進行拓展，構建包含風險沖擊的多行業(yè)生產網絡一般均衡模型，并分解出國際生產網絡的技術溢出效應，探討國際生產網絡對行業(yè)產出增長的影響機制。

1.生產部門

假設經濟中有 N 個異質性行業(yè)，這些行業(yè)的產品可用作其他行業(yè)的中間品，生產函數均為包含勞動和中間品兩種要素投入的Cobb-Douglas形式，如式（1）所示：

其中，下標 χ_i 和 χ_t 分別代表行業(yè)和時間， Y_it 為 χ_t 期 i 行業(yè)的產出， A_it 為 χ_t 期 i 行業(yè)的中性技術進步水平， η_i 為 i 行業(yè)遭受的風險沖擊（風險發(fā)生具有一定概率， η_i=1 表示發(fā)生風險， η_i=0 表示未發(fā)生風險），h_i 為風險沖擊的因子載荷， L_it 為 χ_t 期 i 行業(yè)的勞動投入， X_ijt 為 χ_t 期 i 行業(yè)對來自 j 行業(yè)中間品的需求， α_i 為勞動投入的產出份額， ω_ij 為中間品投入的產出份額，滿足 o

生產部門的最大化利潤函數為 。其中， P_it 為產出價格， W_t 為勞動工資（假定為常數）， P_jt 為中間品價格。可得一階條件如式（2）和式（3）所示：

2.家庭

家庭通過向生產部門提供勞動獲取工資收入用于消費，代表性家庭的效用函數如式（4）所示：

其中， b_i 為消費品 C_it 的份額。家庭預算約束如式（5）所示：

可得一階條件如式（6）和式（7）所示：

由此，可推導出式（8）：

3.市場出清條件

綜合上述，可得市場出清條件如式（9）和式（10）所示：

4.模型求解與假說提出

對式（1）（2）（3）取對數微分并整合，得到式（11）：

對式（6）取對數微分代入（11）式并進行矩陣化處理，得到式（12）：

其中， lnA，lnY，lnC 分別是 組成的 N×1 維列向量， hη，α，ω 分別是 N×N 維的對角矩陣， hη=diag（h₁η₁，h₂η₂，…，h_Nη_N），α=diag（α₁，α₂，…，α_N），ω=（ω₁，ω₂，…，ω_N）orω₁. （20

對式（9）轉換并取對數微分，代入式（12），得到式（13）：

dlnY=（I-hη）dlnA+ωdlnY=（I-ω）^-1（I-hη）dlnA

式（13）表明某一行業(yè)的技術變動會通過生產網絡對經濟系統(tǒng)中其他行業(yè)的產出造成影響，進一步分解可得式（14）：

其中， u_ij 是矩陣 U 的第 i 行第 j 列元素，矩陣 U 為風險加成后的里昂惕夫逆矩陣，反映風險加成后的中間投入關聯(lián)，即 U=（I-ω）^-1（I-hη） 。式（14）右邊第二項中 1_j=i 是 j=i 時的指示函數，因此，右邊第二項可理解為剔除行業(yè)自身影響后的風險加成技術溢出效應，而第一項為行業(yè)自身技術進步。

進一步參考倪紅福等（2016）[29]、黃群慧和倪紅福（2021）[12]基于局部里昂惕夫逆矩陣的分析思路，將 U 拆解成 和 。其中， ∧ 表示矩陣的對角分塊小矩陣， v 表示矩陣的非對角分塊小矩陣。因此，式（14）可變換為式（15）：

當風險未發(fā)生時，式（15）可表示為式（16）：

其中， 為對角里昂惕夫逆矩陣 的元素， 為非對角里昂惕夫逆矩陣 的元素。

跨國投人產出關聯(lián)是國際生產網絡技術溢出的主要推力，因而已有文獻對技術溢出效應的研究基本是圍繞國際貿易、FDI或者ODFI等跨國元素進行的經驗分析（孫浦陽 等，2019;謝建國等，2020;鄭曼妮 等，2024）[30-32]。本文的核心內容是探討國際生產網絡關聯(lián)對行業(yè)產出的影響，為簡便處理，將式（15）和式（16）簡化為式（17）和式（18）：

式（18）中， ，說明行業(yè)的跨國聯(lián)系會形成國際循環(huán)技術溢出效應，從而促進行業(yè)產出增長。國

際生產網絡關聯(lián)度是使用網絡分析方法量化跨國行業(yè)投人產出關聯(lián)程度的指標，因此國際生產網絡關聯(lián)度與 成正比。式（17）中 是風險加成非對角里昂惕夫逆矩陣 的元素，該指標明顯小于 ，風險加成后的技術溢出效應也相應降低。由此，本文提出以下假說：

H1：國際生產網絡關聯(lián)度提高能夠促進行業(yè)產出增長。

H2：技術溢出在國際生產網絡關聯(lián)度影響行業(yè)產出增長中發(fā)揮中介作用，即國際生產網絡關聯(lián)度提高會增強國際循環(huán)技術溢出效應，國際循環(huán)技術溢出效應增強能夠促進行業(yè)產出增長。

H3：風險沖擊對國際生產網絡的技術溢出效應和產出增長效應具有負向調節(jié)作用，即風險沖擊會弱化行業(yè)國際循環(huán)技術溢出效應，并減弱國際生產網絡關聯(lián)度提高對行業(yè)產出增長的促進作用。

5.進一步的理論闡釋

以上理論推導過程從技術溢出視角闡釋了國際生產網絡關聯(lián)度推動行業(yè)產出增長的內在機制，并比對分析了有無風險沖擊兩種情況。但理論模型無法直觀體現(xiàn)國際循環(huán)技術溢出效應如何推動行業(yè)產出增長，也無法闡釋風險沖擊弱化國際循環(huán)技術溢出效應的內在原因。為了便于理解，這里作進一步說明。

國際循環(huán)技術溢出效應對行業(yè)產出增長的作用主要通過以下兩個途徑實現(xiàn)：一是跨國公司的技術引進與溢出。跨國公司是國際循環(huán)技術溢出效應的重要載體，其通過FDI形式將技術溢出到東道國企業(yè)，這種技術轉移直接提升了東道國企業(yè)的生產效率，進而推動行業(yè)整體的產出增長。二是產業(yè)鏈的高端化轉型。國際循環(huán)技術溢出效應不只限于提升單個企業(yè)的生產技術水平，還能夠促進整個產業(yè)鏈的升級。當一個生產單位吸收了先進的技術和管理經驗后，會通過生產網絡的傳導效應推動其產業(yè)鏈上游部門和下游部門的整體提升，進而帶動行業(yè)產出水平的提高。

風險沖擊會通過網絡傳染導致宏觀經濟波動。風險沖擊對國際循環(huán)技術效應的弱化主要體現(xiàn)在以下兩個方面：一是全球供應鏈中斷。極端風險沖擊（公共衛(wèi)生事件、局部戰(zhàn)爭、金融危機等）通常會導致全球供應鏈中斷，供應鏈的不穩(wěn)定和中斷限制了技術流動，使國際循環(huán)技術溢出效應受限。二是市場需求萎縮與經濟不確定性增加。風險沖擊通常伴隨著全球市場需求的萎縮和經濟不確定性的增加，而企業(yè)在不確定的經濟環(huán)境中會變得更加謹慎。尤其是在資本緊張的情況下，企業(yè)可能會減少對技術引進的投資，導致外部技術溢出對行業(yè)產出的正向作用減弱。因此，風險沖擊會弱化行業(yè)國際循環(huán)技術溢出效應和國際生產網絡關聯(lián)度提高的行業(yè)產出增長效應。

三、實證樣本選擇與基準模型設定

目前，進行國際生產網絡分析常用的多區(qū)域投人產出數據庫有世界投入產出數據庫、增加值貿易數據庫、多區(qū)域投人產出表數據庫、亞洲開發(fā)銀行（ADB）數據庫等，本文選取ADB數據庫構建國際生產網絡。該數據庫包括63個經濟體35個行業(yè)的中間投入產出數據，但由于多數控制變量的數據來自世界銀行數據庫，而世界銀行數據庫未包括俄羅斯、中國臺灣、其他國家和地區(qū)，本文剔除這3個經濟體樣本，最終得到2007—2022年60個經濟體35個行業(yè)的數據樣本。此外，由于本文的被解釋變量是用對數差分表示的行業(yè)產出增長，所以實際研究的樣本區(qū)間為2008—2022年。

為檢驗國際生產網絡關聯(lián)度對行業(yè)產出的影響，本文構建基準模型如式（19）所示：

Xxδ;+Φ，+εh，i，t （19）

其中，下標 h，i，t 分別代表行業(yè)、經濟體（包括國家和地區(qū)）、年份，被解釋變量“行業(yè)產出增長” 為 h 經濟體 χ_t 年 i 行業(yè)產出的對數差分， α 為常數項，核心解釋變量“國際生產網絡關聯(lián)度”（2 （lndegree_h，i，t） 為 h 經濟體 χ_t 年 i 行業(yè)的國際生產網絡關聯(lián)度， χ_h×δ_i 表示經濟體和行業(yè)的交互固定效應，φ_t 表示時間固定效應， ε_h，i，t 為擾動項，其他變量為控制變量。

（1）國際生產網絡關聯(lián)度的測度。本文利用ADB數據庫中各行業(yè)跨經濟體的中間投入數據，使用Python 3.0中的“networkx”庫和\"matplotlib”庫構建有方向且無本經濟體其他行業(yè)關聯(lián)的國際生產網絡。當一經濟體某行業(yè)與其他經濟體的行業(yè)存在投人產出聯(lián)系時，則計為一條有方向（根據中間品流人或流出區(qū)分）的連接邊，將全部有方向的連接邊數量累加即可得到行業(yè)國際生產網絡關聯(lián)度。此處的關聯(lián)度是入度和出度之和①。考慮到某些行業(yè)的投人產出聯(lián)系過小，本文設定當中間品投入額在下 15% 分位數以上時，才是一條有效的連接邊。為增加實證模型的穩(wěn)健性，本文對國際生產網絡關聯(lián)度進行對數化處理。

（2）控制變量的選取。本文從經濟體和行業(yè)兩個層面選取以下控制變量：經濟體層面包括“外商直接投資”（外國直接投資凈流入總額與GDP之比）、“金融發(fā)展水平”（私營部門的國內信貸總額與GDP之比）“工業(yè)化水平\"（工業(yè)增加值與GDP之比）“城鎮(zhèn)化水平”（城鎮(zhèn)人口占總人口的比重）“經濟發(fā)展水平”（人均GDP，即現(xiàn)價美元GDP除以人口數，并進行對數化處理）5個變量;行業(yè)層面限于數據可得性，只控制了“行業(yè)自身技術進步”和“行業(yè)政府干預程度”2個變量。ADB數據庫僅提供了中間投入數據，借鑒陳國進等（2024）[2的做法，將增加值視作全部勞動投人，根據式（1）、ADB 數據庫中間投入以及勞動投人數據，使用索洛余值法計算行業(yè)全要素生產率，并取對數差分得到“行業(yè)自身技術進步”變量。ADB數據庫提供了每個行業(yè)的政府消費性支出數據，用行業(yè)政府消費性支出與行業(yè)增加值之比衡量\"行業(yè)政府干預程度\"變量。

由于部分行業(yè)的產出數據缺失，本文最終的樣本量為32338個，表1為主要變量描述性統(tǒng)計結果。

表1主要變量描述性統(tǒng)計結果

注：為避免極端值的影響，進行上下 1% 的縮尾處理，表中數據是縮尾處理后的結果。

四、實證結果及分析

1.基準回歸

基準模型回歸結果見表2。依次加入經濟體層面、行業(yè)層面控制變量且控制年份固定效應后，模型的擬合優(yōu)度逐漸提高，表明本文控制變量的選取以及控制雙向固定效應具有合理性。無論是否加入控制變量和年份固定效應，“國際生產網絡關聯(lián)度”的回歸系數均顯著為正，表明行業(yè)國際生產網絡關聯(lián)度提高促進了行業(yè)產出增長，本文提出的假說 H1得到驗證。這一實證結果與 Acemoglu 等（2015）[4]、Acemoglu 和Azar（2020）[1]、Cai等（2022）[1]的理論研究以及Baldwin 和Yan（2014）[8]、黎峰（2020）[9]、梁經偉等（2022）[10]的研究結論一致。此外，從控制變量的回歸結果來看，也基本符合理論預期。

表2基準回歸結果

注：*、**和***分別表示在 10% （2 5% 和 1% 的置信水平上顯著，括號內為穩(wěn)健標準誤，下表同。

2.內生性處理與穩(wěn)健性檢驗

為緩解反向因果關系、遺漏變量等導致的內生性問題，本文使用工具變量法和動態(tài)系統(tǒng)GMM檢驗進行內生性處理。選取國際生產網絡關聯(lián)度的滯后一期項和外商直接投資額的自然對數值作為“工具變量1”和“工具變量2”，分別進行2SLS 檢驗，回歸結果見表3的PanelA。兩個工具變量均通過了弱工具變量檢驗和不可識別檢驗，表明工具變量選取有效;第一階段的回歸結果顯示，工具變量與“國際生產網絡關聯(lián)度”顯著正相關;第二階段的回歸結果顯示，工具變量擬合的國際生產網絡關聯(lián)度對行業(yè)產出增長具有顯著正向影響。一階段和兩階段的系統(tǒng)GMM回歸結果見表3的Panel B，AR（1）、AR（2）及Hansen檢驗均通過，“國際生產網絡關聯(lián)度”的回歸系數依然顯著為正。上述檢驗結果表明，在緩解內生性問題后，國際生產網絡關聯(lián)度提高對行業(yè)產出增長具有顯著正向影響的結論依然成立。

表3內生性處理結果

注：（1）所有模型均控制了控制變量以及經濟體行業(yè)交互固定效應和年份固定效應，限于篇幅，控制變量和常數項估計結果略，下表同。（2）外商直接投資數據來自 IMF的 Coordinated Direct Investment Survey數據庫（CDIS），該數據庫起始年份為2009年且部分樣本數據缺失，故“工具變量2”的檢驗為非平衡數據。

為進一步驗證基準模型檢驗結果的可靠性，進行以下穩(wěn)健性檢驗：一是核心解釋變量滯后處理，將“國際生產網絡關聯(lián)度”變量進行滯后一期處理，重新進行檢驗;二是替換核心解釋變量，放寬連接邊的識別標準，將閾值設置為下 10% 分位數，得到“國際生產網絡關聯(lián)度1\"變量，以其替代“國際生產網絡關聯(lián)度\"重新進行檢驗;三是替換被解釋變量，按照環(huán)比增速法計算得到“行業(yè)產出增長1\"變量，以其替代“行業(yè)產出增長”重新進行檢驗;四是同時替換核心解釋變量和被解釋變量，分別采用“國際生產網絡關聯(lián)度1”和“行業(yè)產出增長1\"作為核心解釋變量和被解釋變量重新進行檢驗。上述檢驗結果見表4，核心解釋變量的回歸系數均顯著為正，表明本文基準回歸的結果是穩(wěn)健的。

表4穩(wěn)健性檢驗結果

3.機制檢驗

為檢驗行業(yè)國際生產網絡關聯(lián)度提高能否增強行業(yè)國際循環(huán)技術溢出效應，進而促進行業(yè)產出增長，首先需要測算行業(yè)國際循環(huán)技術溢出效應。本文根據式（18）測算行業(yè)國際循環(huán)技術溢出效應，具體計算分為三步：一是從ADB數據庫提取歷年的行業(yè)間投人產出矩陣，并將經濟體內部的投入產出關聯(lián)數據替換為0值;二是基于數據轉換后的投入產出矩陣計算出里昂惕夫逆矩陣；三是用里昂惕夫逆矩陣乘以行業(yè)技術進步列向量得出國際循環(huán)技術溢出效應的列向量，即反映行業(yè)國際循環(huán)技術溢出效應的變量\"技術溢出”。進一步參考劉維林等（2023）[14-15]的研究，將技術溢出效應分解為中性技術溢出效應和要素增強型技術溢出效應，并計算中間品和勞動兩種要素增強型技術溢出效應。其中，“中間品增強型技術溢出”和“勞動增強型技術溢出”分別為“技術溢出”乘以中間品投入和勞動投入，中間品投入和勞動投入基于ADB數據庫的投入產出數據計算。

然后，將“技術溢出”以及“中間品增強型技術溢出”和“勞動增強型技術溢出”作為機制變量，通過考察核心解釋變量對機制變量的影響和機制變量對被解釋變量的影響進行中介效應檢驗。回歸結果見表5，“國際生產網絡關聯(lián)度”對“技術溢出”“中間品增強型技術溢出”“勞動增強型技術溢出”的回歸系數均顯著為正，“技術溢出”“中間品增強型技術溢出”“勞動增強型技術溢出”對“行業(yè)產出增長”的回歸系數也均顯著為正，表明國際生產網絡關聯(lián)度的提高顯著增強了國際循環(huán)技術溢出效應，國際循環(huán)技術溢出效應的增強顯著促進了行業(yè)產出增長，即國際生產網絡關聯(lián)度提高能夠通過增強國際循環(huán)技術溢出效應促進行業(yè)產出增長，本文提出的假說H2得到驗證。

表5技術溢出機制檢驗結果

4.風險沖擊的影響

在本文的樣本期間，存在兩次影響程度較大、影響范圍較廣的風險事件，即分別于2008年和2019 年暴發(fā)的國際金融危機和新冠疫情。基于此，本文將 2008—2009 年和2019—2021年劃為風險期，其他年份劃為正常期。圖1展示了樣本期間樣本經濟體樣本行業(yè)“國際生產網絡關聯(lián)度”“技術溢出”“中間品增強型技術溢出”“勞動增強型技術溢出\"4個變量均值的變化趨勢。可以看出，國際生產網絡關聯(lián)度呈波動性上升趨勢，表明全球價值鏈分工體系不斷深化，但在風險期國際生產網絡關聯(lián)度明顯下降;國際循環(huán)技術溢出效應也表現(xiàn)出類似趨勢，在風險期遠低于正常期（參見表6）。可見，風險沖擊會降低行業(yè)國際生產網絡關聯(lián)度，并弱化行業(yè)國際循環(huán)技術溢出效應。

圖1行業(yè)國際生產網絡關聯(lián)度和國際循環(huán)技術溢出效應走勢

表6不同時期行業(yè)國際循環(huán)技術溢出效應比較

為進一步考察風險沖擊是否會影響國際生產網絡關聯(lián)度提高的行業(yè)產出增長效應，本文將樣本劃分為“風險期樣本”和“正常期樣本”分別進行檢驗，并在基準模型中加入“風險沖擊”虛擬變量（風險期賦值為1，正常期賦值為0）及其與“國際生產網絡關聯(lián)度”的交乘項進行調節(jié)效應檢驗 .（1） ，回歸結果見表7。分組檢驗結果顯示，“國際生產網絡關聯(lián)度”的回歸系數在“正常期樣本”中顯著為正，但在“風險期樣本”中不顯著;調節(jié)效應檢驗結果顯示，“風險沖擊”和“國際生產網絡關聯(lián)度 × 風險沖擊”的回歸系數顯著為負，表明風險沖擊不僅對行業(yè)產出增長具有顯著的負向影響，還弱化了國際生產網絡關聯(lián)度提高對行業(yè)產出增長的正向影響。由此，本文提出的假說H3 得到驗證，且該結論也印證了Acemoglu 等（2012，2017）[18][20]、Baqaee 和Farhi（2019，2020）[21][5]、Carvalho 和 Voigtl?nder（2014）[19]等的研究結果。

表7風險沖擊的調節(jié)作用檢驗結果

① 考慮到“風險沖擊”虛擬變量具有強時間序列性特征，控制時間固定效應會造成模型估計偏誤，因此在調節(jié)效應檢驗中未控制時間固定效應。

續(xù)表7

五、進一步討論：異質性分析及中國樣本檢驗

1.行業(yè)異質性

本文結合聯(lián)合國國際標準產業(yè)分類（ISIC）和行業(yè)內部特征，將樣本劃分為\"農林牧漁業(yè)”“勞動密集型工業(yè)”“資本和技術密集型工業(yè)”“勞動密集型服務業(yè)”“資本和技術密集型服務業(yè)”5組 ① ，并采用全樣本、風險期樣本、正常期樣本分別進行檢驗，回歸結果見表8。從農業(yè)來看，國際生產網絡關聯(lián)度提高對農林牧漁業(yè)產出增長的影響不顯著。其原因可能是，農林牧漁業(yè)是基礎性的生產活動，也是典型的資源密集型產業(yè)，通常具有生產結構單一、技術水平低的特點，在生產鏈中以原料供應為主，較難在價值鏈中創(chuàng)造出更高的增加值，國際生產網絡關聯(lián)對其產出的影響有限。從工業(yè)來看，在全樣本期間國際生產網絡關聯(lián)度提高對資本和技術密集型工業(yè)產出增長的促進作用比勞動密集型工業(yè)更顯著，而在正常期國際生產網絡關聯(lián)度提高對勞動密集型工業(yè)產出增長的促進作用比資本和技術密集型工業(yè)更顯著。從服務業(yè)來看，在全樣本期間國際生產網絡關聯(lián)度提高對資本和技術密集型服務業(yè)產出增長的促進作用比勞動密集型服務業(yè)更顯著，而在正常期國際生產網絡關聯(lián)度提高對勞動密集型服務業(yè)產出增長的促進作用比資本和技術密集型服務業(yè)更顯著。在風險期，國際生產網絡關聯(lián)度提高僅對資本和技術密集型工業(yè)產出增長產生了顯著的正向影響，表明風險沖擊總體上弱化了國際生產網絡關聯(lián)度提高對行業(yè)產出增長的促進作用，但在中高端工業(yè)行業(yè)中未產生這種弱化效應，甚至是產生了強化作用，這是由于中高端工業(yè)行業(yè)具有較強的產業(yè)韌性和風險承受能力，比其他行業(yè)更有能力應對和化解風險沖擊。

表8行業(yè)異質性回歸結果

① 根據 ADB數據庫的行業(yè)代碼，農林牧漁業(yè)包括C1，勞動密集型工業(yè)包括C2、C3、C4、C5、C6、C16、C18，資本和技術密集型工業(yè)包括C7、C8、C9、C10、C11、C12、C13、C14、C15、C17，勞動密集型服務業(yè)包括C19、C20、C21、C22、C30、C33、C34、C35，資本和技術密集型服務業(yè)包括C23、C24、C25、C26、C27、C28、C29、C31、C32。

續(xù)表8

2.經濟體異質性

本文對樣本經濟體進行兩種劃分：一是按照2022年世界銀行對國家收入水平的劃分標準，將樣本劃分為“高收人經濟體”“中高收入經濟體”“中低收入經濟體\"3組（本文樣本未涉及低收人經濟體）；二是按照國際貨幣基金組織世界經濟展望數據庫（World EconomicOutlook Database）對發(fā)達國家與發(fā)展中國家的劃分標準，將樣本劃分為“發(fā)達經濟體”和“發(fā)展中經濟體\"2組。對各組樣本分別進行檢驗，回歸結果見表9。全樣本和正常期樣本的回歸結果類似，國際生產網絡關聯(lián)度提高顯著促進了高收入、中高收入、發(fā)達經濟體、發(fā)展中經濟體的行業(yè)產出增長，但對中低收入經濟體行業(yè)產出增長的影響不顯著；風險期樣本的回歸結果顯示，國際生產網絡關聯(lián)度提高對中低收入經濟體行業(yè)產出增長產生了顯著的負向影響，對其他經濟體行業(yè)產出增長的影響不顯著。

表9經濟體異質性分析結果

上述結果進一步印證了風險沖擊會弱化國際生產網絡關聯(lián)的產出增長效應，且對中低收入經濟體的負面影響尤為明顯。對于宏觀基本面較脆弱（如收入低）的經濟體，產業(yè)附加值較低、產業(yè)結構單一、政策與制度環(huán)境不完善等因素的疊加會導致技術轉移受阻，國際生產網絡關聯(lián)度提高的行業(yè)產出增長效應不能得到有效發(fā)揮，而且抗風險能力較低使其更易遭受風險沖擊的負面影響。進一步比較發(fā)現(xiàn)，高收入經濟體國際生產網絡關聯(lián)的行業(yè)產出增長效應比中高收人經濟體更顯著，發(fā)達經濟體國際生產網絡關聯(lián)的行業(yè)產出增長效應比發(fā)展中經濟體更顯著。因此，基本面穩(wěn)健的經濟體應積極融入國際生產網絡，借助國際生產網絡的技術溢出效應促進行業(yè)持續(xù)發(fā)展;基本面較脆弱的經濟體也應借助人口紅利和后發(fā)優(yōu)勢積極參與國際分工，在充分吸收借鑒先進技術和經驗的同時，不斷提升自主研發(fā)能力，改變自身處于價值鏈中低端的窘境，實現(xiàn)從國際生產網絡邊緣向中心的轉變，充分發(fā)揮國際生產網絡的經濟增長效應。

3.出度與入度異質性

根據中間品的流向可將國際生產網絡關聯(lián)分為供給側關聯(lián)和需求側關聯(lián)，供給側關聯(lián)反映經濟體生產的中間品被其他經濟體使用的情況，而需求側關聯(lián)反映經濟體使用其他經濟體中間品進行生產活動的情況。本文采用人度和出度指標衡量國際生產網絡的需求側和供給側關聯(lián)程度，分別以其為核心解釋變量的回歸結果見表10。無論是在全樣本期間，還是在風險期和正常期，國際生產網絡出度提高都顯著促進了行業(yè)產出增長，而國際生產網絡入度提高對行業(yè)產出增長的影響都不顯著。可見，國際生產網絡關聯(lián)的行業(yè)產出增長效應主要是通過供給側關聯(lián)度的提高來實現(xiàn)的。其原因可能在于，在全球價值鏈生產活動中，上游部門通常承擔核心技術研發(fā)和提供關鍵零部件的職責，其產品通常具有較高的附加值，因而處于產業(yè)鏈上游位置更易通過國際生產網絡關聯(lián)實現(xiàn)行業(yè)產出增長。此外，“國際生產網絡出度”的回歸系數雖然在3組樣本中均顯著為正，但風險期樣本的系數顯著性和絕對值均小于正常期樣本和全樣本，表明風險沖擊同樣會弱化國際生產網絡供給側關聯(lián)度提高對行業(yè)產出增長的促進作用。

表10出度與入度異質性分析結果

4.采用中國樣本的檢驗

基于多國行業(yè)數據的經驗分析結果雖對中國具有一定借鑒意義，但仍有必要對中國樣本進行單獨檢驗。表11為僅采用中國樣本的回歸結果，與全樣本回歸結果類似，在正常期國際生產網絡關聯(lián)度的提升能夠顯著促進行業(yè)產出增長，在風險期國際生產網絡關聯(lián)度對行業(yè)產出的影響不顯著，表明各行業(yè)深度嵌入國際生產網絡有利于產出增長，但這種積極影響會因風險沖擊而被弱化。因此，中國在加快融入國際大循環(huán)的同時，還需采取有效措施積極應對各種風險沖擊帶來的負面影響。

表11基于中國樣本的檢驗結果

六、結論與啟示

本文采用ADB數據庫中60個經濟體35個行業(yè)2008—2022年的數據，實證檢驗國際生產網絡關聯(lián)度對行業(yè)產出增長的影響及其機制，主要結論包括：（1）國際生產網絡關聯(lián)度提高顯著促進了行業(yè)產出增長，技術溢出在其中發(fā)揮了中介作用，即國際生產網絡關聯(lián)度提高能夠通過增強國際循環(huán)技術溢出效應促進行業(yè)產出增長。（2）在國際金融危機和新冠疫情等風險期，行業(yè)國際生產網絡關聯(lián)度和行業(yè)國際循環(huán)技術溢出效應遠低于正常期，表明風險沖擊會降低行業(yè)國際生產網絡關聯(lián)度，并弱化行業(yè)國際循環(huán)技術溢出效應;同時，風險沖擊不僅對行業(yè)產出增長具有顯著的負向影響，還會弱化國際生產網絡關聯(lián)度提高對行業(yè)產出增長的正向影響。（3）國際生產網絡的行業(yè)產出增長效應主要通過供給側關聯(lián)度（出度）的提高來實現(xiàn)，并存在顯著的行業(yè)異質性、經濟體異質性以及時期異質性，主要表現(xiàn)為國際生產網絡關聯(lián)度對農林牧漁業(yè)和中低收人經濟體行業(yè)產出增長的影響不顯著以及風險期的影響普遍不顯著。（4）采用中國樣本的檢驗表明，國際生產網絡關聯(lián)度提高顯著促進了中國行業(yè)產出增長，但風險沖擊會顯著減弱該增長效應。

根據本文的研究結論，中國一方面應深度參與國際大循環(huán)，并借助技術溢出效應提升在全球生產網絡中的地位，另一方面應采取行之有效的措施積極應對各種風險沖擊。第一，實施“脫虛人實”戰(zhàn)略方針。面對風險沖擊，工業(yè)（尤其是資本和技術密集型高端工業(yè)）表現(xiàn)出更強勁的產業(yè)韌性和風險承受能力，因此，應有效遏制資金空轉現(xiàn)象，引導社會資金向實體產業(yè)集中，并通過稅收優(yōu)惠、財政補貼、研發(fā)資金補助等措施為中高端工業(yè)發(fā)展提供更有力的支持。第二，在提質供給側能力的同時擴大內需。國際生產網絡的供給側更易抵御風險沖擊，應將供給側的結構性調整與政府的政策引導相結合，整體上提質供給側能力。同時，亦要重視需求側的作用，通過積極的財政和適度寬松的貨幣政策刺激消費和投資，擴大內需并提升需求側韌性，以有效抵御風險沖擊。第三，改善經濟基本面，提升整體經濟水平。高質量發(fā)展是應對風險沖擊的根本，應處理好經濟發(fā)展中的各種矛盾，加快產業(yè)結構優(yōu)化升級，保證宏觀經濟基本面穩(wěn)中向好，并通過核心技術研發(fā)提升產品附加值，在全球價值鏈中占據優(yōu)勢位置。第四，重點關注和有效應對風險沖擊對勞動力市場和中間品廠商的負面影響。風險沖擊會從勞動力、中間品等渠道弱化國際循環(huán)技術溢出效應。在勞動力市場方面應以穩(wěn)就業(yè)為政策導向，在中間品廠商方面應提高產品需求替代彈性和多樣化水平。第五，重視生產網絡對風險的傳導和放大作用，構建一套完整的風險防控體系。應加強對重點行業(yè)、重點產業(yè)鏈、重點供應鏈的風險監(jiān)測，及時了解供應鏈風險情況，科學制定風險應對措施。

參考文獻：

[1] ACEMOGLU D，AZAR P D. Endogenous production networks[J]. Econometrica，2020，88（1） ：33-82.

[2] MIRANDA-PINTO J，SILVA A，YOUNG E R.Business cycle asymmetryand input-output structure：The role offirm-to-fimnetworks[J].Journal ofMonetaryEconomics，2023，137：1-20.

[3] 陳國進，劉元月，丁賽杰，等.宏觀尾部風險、生產網絡與行業(yè)產出[J].管理世界，2024，40（2）：28-52.

[4] ACEMOGLU D，AKCIGIT U，KERR W. Networks and the macroeconomy：An empirical exploration[J]. NBER WorkingPaper 21344，2015.

[5]BAQAEEDR，F(xiàn)ARHIE.Productivityand misalocation in generalequilibrium[J].TheQuarterlyJournal of Economics，2020，135（1） ：105-163.

[6] 倪紅福.生產網絡結構、減稅降費與福利效應[J].世界經濟，2021，44（1）：25-53.

[7]齊鷹飛，李苑菲.政府消費的生產性——基于生產網絡模型的刻畫、分解和檢驗[J].管理世界，2021，37（11）：56-70^+105+5+71-75

[8]BALDWINJ，YANB L.Global valuechains andthe productivityof Canadian manufacturing firms[R].Statistics CanadaEconomic Analysis Research Paper Series，Catalogue No. 11FO027M-No.O90，2014.

[9]黎峰.雙重價值鏈嵌入下的中國省級區(qū)域角色——一個綜合理論分析框架[J].中國工業(yè)經濟，2020（1）：136-154.

[10］梁經偉，鐘世川，毛艷華.全球生產網絡是否提升了全要素生產率？[J].北京工商大學學報（社會科學版），2022，37（4） ：99-112.

[11]CAI J，LIN，SANTACREUAM.Knowledgedifusion，trade，andinovationacrosscountriesandsectors[J].AmericanEconomic Journal： Macroeconomics，2022，14（1） ：104-145.

[12]黃群慧，倪紅福.中國經濟國內國際雙循環(huán)的測度分析——兼論新發(fā)展格局的本質特征[J].管理世界，2021，37（12） ：40-58.

[13］倪紅福，田野.中國經濟雙循環(huán)的動態(tài)變遷與國際比較——引入要素權屬異質性的全球價值鏈分解新框架[J].經濟學（季刊），2023，23（5）：1668-1685.

[14］劉維林，程倩，余泳澤.雙循環(huán)技術溢出視角下中國產業(yè)技術進步的網絡效應研究——基于全球生產網絡下的全要素生產率增長與傳導測算[J].管理世界，2023，39（5）：38-59.

[15]劉維林，程倩.數字產業(yè)滲透、全球生產網絡與非對稱技術溢出[J].中國工業(yè)經濟，2023（3）：96-114.

[16]HULTENCR.Growth accounting with intermediate inputs[J].TheReviewof Economic Studies，1978，45（3）：51-518.

[17]LONG JB，PLOSSER C I. Real business cycle[J]. Journal of Political Economy，1983，91（1） ：39-69.

[18]ACEMOGLU D，CARVALHO VM，OZDAGLAR A，etal.The network origins of agregate fluctuations[J].Econometrica，2012，80（5） ：1977-2016.

[19]CARVALHO VM，VOIGTL？NDERN. Input difusion and the evolution of production networks[R].NBER WorkingPaper 20025，2014.

[20]ACEMOGLU D，OZDAGLAR A，TAHBAZ-SALEHI A. Microeconomic origins of macroeconomic tail risks[J].AmericanEconomic Review，2017，107（1） ：54-108.

[21]BAQAEEDR，F(xiàn)ARHI E.The macroeconomic impact of microeconomic shocks：Beyond Hulten’stheorem[J].Econometrica，2019，87（4） ：1155-1203.

[22]BIGIOS，LA'OJ.Distortions inproductionnetworks[J].TheQuarterlyJounalofEconomics，2O2O，35（4）：187-253.

[23］倪紅福.中國間接稅的效率損失——基于中國生產網絡結構一般均衡模型方法[J].管理世界，2022，38（5）：36-75.

[24］倪紅福.扭曲因子、進口中間品價格與全要素生產率——基于非競爭型投入產出網絡結構一般均衡模型事后核算方法[J].金融研究，2022（2）：21-39.

[25]許雪晨，田侃.部門扭曲與宏觀經濟波動：以金融危機為例[J].世界經濟，2023，46（5）：58-89.

[26]BARAUSKAITE K，NGUYENA DM.Global intersectoral production network andaggegate fluctuations[J].EconomicModelling，2021，102：105577.

[27]王群勇，李月，薛彥.國內國際雙循環(huán)生產網絡的沖擊傳播;特征與模擬[J].中國工業(yè)經濟，2023，（7）：26-45.

[28]高翔，徐然，祝坤福等.全球生產網絡視角下重大突發(fā)事件的經濟影響研究[J].國際貿易問題，2021，（7）：1-20.

[29］倪紅福，龔六堂，夏杰長.生產分割的演進路徑及其影響因素——基于生產階段數的考察[J].管理世界，2016（4）：10-23+187

[30］孫浦陽，張.外商投資開放政策、出口加工區(qū)與企業(yè)出口生存——基于產業(yè)關聯(lián)視角的探究[J].經濟學（季刊），2019，18（2） ：701-720.

[31］謝建國，張寧.技術差距、技術溢出與中國的技術進步：基于中美行業(yè)貿易數據的實證分析[J].世界經濟研究，2020（1）： 12-24+135

[32]鄭曼妮，黎文靖，譚有超.技術轉移與企業(yè)高質量創(chuàng)新[J].世界經濟，2024，47（3）：66-93.

50

The International Production Network Correlation Degree and the Industry Output Growth： Technology Spillover Mechanisms and Impact of Risk Shocks

REN Jun-fan1， CUI Yan-xin1， ZHAO Bin-bin2， XU Xiang-yun3 （1.SchoolofEconomics，Nankai University，Tianjin30oo71，China；2.InstitutesofScienceandDevelopment， Chinese Academy of Sciences， Beijing 100190，China； 3. School of International Trade and Economics， AnhuiUniversityofFinanceandEconomics，Bengbu233o3o，Anhui，China）

Summary：With the rapid advancement of globalization，the increasingly complex global value chain （GVC）division system has profoundly reshaped production modes and factor allcation patterns worldwide， driving the development of international circulation.The international production network，formed through interconnected cross-border industrial supply and production chains，serves as a critical carier of this circulation，facilitating the diffsion of technologiesand knowledge.However，rising global uncertainties一 particularly frequent“black swan” events over the past 15 years—pose external risks that may weaken the technology spilover efects of international productionnetworks，thereby diminishing their economic positive externalities.Current research remains nascent in algorithm-based quantification of technology spilover ffects within production networks，with limited attention to how risk shocks might attenuate these effects.

This study first constructs a multi-sectoral production network general equilibrium model incorporating risk shocks，disentangling and measuring international circulation-driven technology spillover efects.Leveraging intermediate goods input-output data from 35 industriesacross 60 countries （2008—2022）in the Asian Development Bank （ADB）database，this study empirically examines how international production network correlation degree influences industry output growth and whether technology spillver effects mediate this relationship.Further，it analyzeswhether risk shocksweaken the output-enhancing effects of international production networks.Results indicate that network correlation degree boosts industry output growth via technology spillover effects，yetthisgrowth exhibitsheterogeneityacross industries，countries，and centrality levels.Risk shocks significantly dampen technology spillover effcts，thereby reducing the growth-promoting role of network correlation degree，with heterogeneous impacts contingent on sectoral and national contexts.

Compared to existing literature，this study contributes three keyadvancements：First，it bridges the theoretical divide between technology spillovers andrisk shocks by endogenizing risk shocks within the technology spillver transmission mechanism，enabling coupled analysis of positive technological and negative risk effects. Second，departing from conventional “micro-to-macro” aggregation approaches，it pioneers a reverseanalytical framework linking“macro-network structures to micro-sector performance”. Third，it systematically employs the ADB multi-country input-output database to quantify technology spilover effects as a mechanism variable，providing novel empirical evidence on how international production network correlation degree shapes industry output growth.

This research deepens understanding of real economic downturnsand their drivers，offering insights fol China's dual-circulation development paradigm and strategies to mitigate systemic risks.

Keywords： international production network；correlation degree；technology spillover effect；industr. output growth；risk shocks

CLCnumber ：F114;F223 Document code ： A Article ID：1674-8131（2025）04-0035-17

（編輯：朱艷；劉仁芳）