中国对外贸易增长分化：基于经济结构和人口红利的解释，本文主要内容关键词为：红利论文,经济结构论文,人口论文,中国对外贸易论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言与文献回顾
随着工业化和城市化发展的深入，中国经济正在经历显著的结构性变化，改革开放以来的全国一盘棋同步高增长的“结构性加速”时代趋于终结，经济增长正逐步转入“结构性减速”。特别是2012年以来，中国经济下行压力加大，国内生产总值增速连续8个季度放缓，全年经济增长速度下降至7.8%。与此同时，中国人口的老龄化程度日趋加重，人口红利不断下降，劳动力成本快速上升，截至2012年，制造业城镇单位就业人员和农民工的平均工资的涨幅均超过了15%，在一定程度上削弱了制造业的成本竞争力。因此，中国对外贸易所面临的内部环境日益严峻，进出口增速不断下滑，2012年全年进出口总额38668亿美元，增速仅为6.2%①。
根据世界经济的发展历史，二战后工业化国家和亚洲“四小龙”的人均国内生产总值均在经历了较长时期的快速增长之后，出现了大幅的下降。国内外很多学者认为，这是所有国家在工业化发展道路上都无法回避的阶段。Bjork（1999）、Maddison（2006）和Mitchell（2007）为这一论断提供了详尽的数据支持和实证分析，他们认为经济结构变化、经济活动人口分布、劳动生产率增速以及宏观经济政策的变动均是影响经济增长速度的重要指标。张平、刘霞辉（2007）根据发达国家经济增长速度的变化轨迹，分析了不同阶段的特征和问题。王庆等（2011）、袁富华（2012）和张军（2012）则从劳动力转移和劳动生产率增速下降的角度入手，指出了中国经济正由“结构性加速”向“结构性减速”转变。华中炜等（2012）、吕健（2012）进一步地通过实证分析了东、中、西部经济“结构性减速”和“结构性加速”并存的分化状态。
以上关于经济增长结构性变化的研究，均重点分析了人口年龄结构、经济活动人口分布等人口红利方面的问题。原因不难理解，人口红利理论自1998年被提出以后，就一直是解释经济增长的有力工具。Bloom等（2000）认为，人口年龄结构的改善是工业化国家和亚洲“四小龙”经济增长的重要原因。蔡昉和王德文（1999）、Lee和Mason（2007）、Dela Croix等（2009）、Choudhry和Elhorst（2010）等学者的研究也得到了类似的结论。而人口红利与对外贸易之间关系的研究也在20世纪90年代之后日渐增多。Higgins（1998）和Luhrmann（2003）利用全球样本数据，构建了人口结构变化对经常账户影响的分析框架。Kim和Lee（2008）、Erik（2008）的研究认为，中国和日本的人口红利变化是理解全球经常账户变动和资本流动的关键。但是，随着人口老龄化趋势的加快，人口红利将很快转变为“人口负债”，逐渐失去对国际贸易的推动作用。Brooks（2003）、Ferrero（2005）通过实证研究指出，人口老龄化与经常账户余额之间有很强的负相关性。王仁言（2003）、徐晟（2008）和汪伟（2012）也利用中国数据，实证发现人口老龄化能够显著地降低对外贸易顺差。
与目前已有研究不同的是：（1）本文放弃了地理同质性的分析方法，改用空间面板模型，对全国和东、中、西部对外贸易增长速度进行比较研究。（2）本文旨在考察内部（而非外部）因素对中国对外贸易增长速度的影响，因此，重点把能够反映经济结构和人口红利的代表性因素引入模型，分析其在不同地区产生的影响，并考虑了空间效应。
二、研究方法与样本数据
1.研究方法
（1）空间计量模型
Anselin（1988）认为，当观测个体之间存在着空间相关性时，需要引入一个空间权重矩阵W对普通回归模型进行修正，构成空间计量模型。常用的有两种类型：一是空间滞后模型（SLM），二是空间误差模型（SEM）。当变量之间的空间作用对模型显得非常关键而导致空间相关时，采用前者；当模型的误差项存在空间相关时，采用后者。
SLM模型的表达式写做：y=ρWy+βX+ε
SEM模型的表达式写做：y=βX+ε，ε=λWε+μ
其中，y为被解释变量，X为外生的解释变量矩阵，ρ为空间回归系数，反映了其他地区的因变量对本地区因变量的影响方向和程度，W为n阶空间权重矩阵，β反映了自变量X对因变量y的影响；λ为因变量的空间误差系数，ε为随机误差向量，μ为正态分布的随机误差向量；λ衡量了存在于扰动误差项之中的空间关联作用，能够反映其他地区关于因变量的误差冲击对本地区因变量的影响程度。
另外，如果一个空间计量模型满足SLM和SEM之中任意一个或同时满足两者时，需要进一步构建和考察更加广义的空间计量模型，即空间杜宾模型（SDM），不难看出，其表达式写作：当θ=0时，SDM模型可以简化为SLM模型；当θ+ρβ=0时，SDM可以简化为SEM模型。
（2）面板数据类型
当面板数据技术融入空间计量模型之后，形成了空间面板模型。通过对随机误差项的分解，可以进一步区分固定效应和随机效应。一般地，当样本回归分析局限于特定地区时，固定效应模型更优（Elhorst，2003）。该模型中控制了两类非观测效应，即个体固定效应和时点固定效应，后者反映随个体变化但不随时点变化的背景因素对因变量的影响；后者代表随时点变化但不随个体的背景因素对因变量的影响。设
分别为个体固定效应的n维列向量和时间固定效应的t维列向量，则对应于每个观测值的个体和时间固定效应列向量可以记为：
。
这样，固定效应空间滞后模型（SLMFE）的表达式可以写作：
固定效应空间误差模型（SEMFE）的表达式可以写作：
进一步地，可以得到固定效应空间杜宾模型（SDMFE）的表达式：
其中，
为t阶单位时间矩阵，
为分块对角矩阵。
以上三个模型不仅考虑了个体差异和时间差异，还引入了全局性的空间相关性，认为任意两个地区之间都存在着空间相关性，其强度服从距离衰减规律，这在很大程度上纠正了普通面板模型中可能存在的误设问题。
（3）模型的检验
判断某一面板模型是否存在空间相关性，以及空间滞后模型或空间误差模型是否比非空间模型更能够反映数据特征，一般可以从非空间模型的残差入手，采用两个Lagrange乘数指标（LMLAG和LMERR）及其稳健性指标检验（Robust-LMLAG和Robust-LMERR）（简称LM检验）来实现（吕健，2013）。
如果LM检验支持SLM和SEM中的一个或两个，则需要进一步采用Wald检验来确定具体空间模型类型。即设定两个原假设：
和
。如果原假设
成立，且LM检验支持SLM，则应选择SLM模型；如果原假设
成立，且LM检验支持SEM，则应选择SEM模型；如果上述两个条件均不满足，或Wald检验结果同时拒绝了两个原假设，则应选择SDM模型。
对于空间面板模型应采用固定效应还是随机效应形式，可以运用Hausman检验。该检验的原假设是：
分别表示空间固定效应和空间随机效应模型中的参数估计向量，原假设含义为两者具有相同的概率极限分布。Hausman检验统计量定义为：
，该统计量渐近服从卡方分布，自由度为原假设中的约束条件个数。另外，无固定效应、个体固定、时点固定和个体时点双固定效应等形式的选择需要借助多余固定效应检验（Redundant Fixed Effects Test）和联合显著性检验（Joint Significance Test），一般使用F、LR统计量，这里不再赘述。
（4）空间矩阵的设定
空间计量模型中的空间权重矩阵设定，多采用邻接法或距离法。邻接法认为地区i和地区j若相邻，则矩阵元素
取值为1，表示两者之间有影响；否则取值为0，表示两者之间无影响。但是，仅以是否相邻判断空间影响作用并不妥当。例如，根据邻接法，上海仅对相邻的江苏、浙江有影响（取值为1），而对不相邻的安徽、西藏均无影响（取值为0）。而现实中，上海对安徽存在着显著的影响，且程度远大于西藏。因此，我们认为地区之间影响作用的大小取决于它们之间距离的远近，空间权重矩阵元素应该采用两地中心位置距离平方的倒数，即
（Paas & Schlitte，2006；吕健，2012），这样，地区之间的空间联系将随着距离的增加而衰减，更加符合地理学第一定理。
2.样本数据
我们将基于经济结构性减速、人口红利下降的背景选择具有代表性的变量，对全国和东、中、西部的对外贸易增长分化进行分析。根据王仁言（2003）、汪伟（2012）、袁富华（2012）、吕健（2012）等已有研究，我们选择经济增长速度和第二、三产业比重增速作为反映经济结构性减速的变量，选择劳动年龄人口比重增速、平均工资增速作为反映人口红利变化的变量，此外，再引入城市化率增速这个对对外贸易能够产生重要影响的指标作为控制变量。各个变量的定义如下：
对外贸易增长速度（trade）：全年进出口总额的增长速度；经济增长速度（gdp）：平减后的人均GDP的变化率；城市化率增速（urban）：城镇人口占总人口数比重的变化率；劳动年龄人口比重增速（demo）：劳动年龄人口占总人口比重的变化率，这里的劳动年龄人口以15岁—64岁人口表示；平均工资增速（wage）：城镇职工平均实际工资的变化率；第三产业比重增速（tip）：第三产业产值占国内生产总值比重的变化率；第二产业比重增速（sip）：第二产业产值占国内生产总值比重的变化率。
需要说明的是：第一，为了平滑短期波动、获得长期趋势，我们对所有的样本数据均进行了Hodrick-Prescott滤波处理。第二，本文所采用的原始数据主要来自《中国统计年鉴》各期，2012年数据来自各省、自治区和直辖市（下文简称省份）的《2012年国民经济和社会发展统计公报》以及统计部门的快报数；少数省份个别年份的缺失数据，则根据其变化规律推算补齐。第三，我们选取中国内地31个省份，并按通常的区域划分习惯，把北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南等11个省份（直辖市）作为东部地区，把山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南等9个省份（自治区）作为中部地区，把广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆等11个省份（直辖市、自治区）作为西部地区。
三、空间计量分析
为了能够准确地刻画中国对外贸易增长速度与经济结构、人口红利之间的关系，我们把对外贸易增长速度作为被解释变量，把经济增长速度、城市化率增速、劳动年龄人口比重增速、平均工资增速、第三产业比重增速和第二产业比重增速等作为解释变量，以全国、东部、中部、西部这4类地区为研究对象，分别运用（非）空间面板数据技术进行分析。
1.普通面板模型分析
首先，我们进行普通面板模型分析，以检验是否存在空间相关性，以及空间关联的形式。我们主要选取两类面板模型，一是混合模型（即无固定效应模型），表达式为：
二是固定效应模型（包含个体固定、时点固定和个体时点双固定等3种模型），表达式为：
实证结果表明，虽然混合模型有部分回归系数通过了显著性水平的检验，但是，对4类地区的混合模型进行多余的固定效应检验之后，发现F值和
值均较大，且伴随概率均为0，这意味着混合模型中存在着固定效应，应予舍弃。根据联合显著性检验结果，我们发现4类地区的个体固定效应和时点固定效应模型均不及双固定效应模型合理，因此不拟采用。表1报告了4类地区双固定效应模型的估计结果，而其他不合理或不拟采用的模型估计结果不再给出。
根据表1中的回归结果，模型1—4估计残差的LM检验结果表明，绝大部分模型的4个LM检验指标几乎都通过了1%水平的显著性检验，这说明这4个模型的残差均存在空间相关性，普通面板模型无法准确刻画被解释变量与解释变量之间的关系。另外，4个模型也同时满足了SLM和SEM的要求，因此，需要进一步检验SDM模型的合理性。
2.空间杜宾模型分析
接下来，我们将根据上文的分析结论，构建个体时点双固定效应空间杜宾模型，其表达式为：
我们根据Lee & Yu（2010）的偏差修正估计方法和LeSage & Pace（2009）的直接效应、溢出效应计算方法，分别对全国和东、中、西部地区的个体时点双固定效应空间杜宾模型进行估计，结果如表2和下页表3所示。
根据表2，我们可以得到以下结论：
第一，模型5—8中的
、logL和
等指标均优于表1中与之对应的模型1—4中的指标，说明普通双固定效应模型由于忽略了空间相关性，估计结果存在偏差，而双固定效应SDM模型考虑空间相关性，在很大程度上修正了这种偏差。此外，4个模型的Hausman检验结果也支持了固定效应模型的设定。
第二，各个模型中的解释变量gdp、demo、sip系数均为正数，说明4类地区的对外贸易增长速度与经济增长增速、劳动年龄人口比重增速、第二产业比重增速的变化方向一致。从经济增长速度对对外贸易增长速度的影响程度上看，西部地区最大，东部地区次之，而中部低于全国水平；在劳动年龄人口比重对对外贸易增长速度的影响程度上，西部地区最大，东部地区最小；第二产业比重增速对对外贸易增长速度的影响方面，东部最大而西部最小。
第三，在4个模型中，城市化率增速对对外贸易增长速度的影响均为负值，暗示城市化发展提高了城市居民购买力水平，对对外贸易（特别是出口）具有一定的替代作用。这种效应在中部地区比较明显，但是在东、西部地区较弱。另外，平均工资增速在全国和中、西部地区对外贸增长速度有着负向的影响，但在东部地区影响为正，意味着平均工资水平提高有助于对外贸易增长。
第四，第三产业比重增速在东部地区对外贸增长有明显的促进作用，原因在于东部地区现代服务业和服务贸易的快速发展。而在全国和中、西部地区，对外贸易主要依靠第二产业，第三产业的发展不利于对外贸易增长。而第二产业比重增速对4类地区的对外贸易增长都具有正向的推动作用。
第五，在空间效应的影响方面，4类地区因变量空间滞后系数均为负值，说明外省对外贸易增长会不利于本省，其中的原因可能是各省对外贸易（特别是出口）结构比较近似，存在竞争关系。
另外，根据表3可知，经济增长速度在4类地区对对外贸易增长都有明显的正溢出效应，尤其是西部地区弹性最大；在东部之外的地区，城市化率增速和平均工资增速对对外贸易增长具有负溢出效应，劳动年龄人口比重增速则具有正溢出效应；西部地区第三产业比重增速对对外贸易增长具有较强的溢出效应。
四、对外贸易增长分化的解释
2012年以来，随着产业结构调整、人口老龄化的加重，中国已逐步进入经济结构性减速、人口红利下降的通道。再加之城市化的推进和劳动力工资水平的提升，使得中国对外贸易增长面临着严峻的局面。在全国对外贸易增长速度总体不断放缓的情况下，东、中、西部地区对外贸易增长速度是同步放缓还是出现分化态势？接下来，我们将对实证结果（表3）进行拓展分析，并尝试对该问题做出解释。
就东部地区而言，除海南外，其他10个省份（直辖市）对外贸易增长速度在1995—2003年间出现了明显的上升，之后整体进入下降阶段，并出现了对外贸易增长速度收敛的状况，如图1所示。其原因是：（1）自2004年开始，随着区域发展战略和经济结构调整的实施，东部地区加快了对中、西部地区的产业转移，特别是对出口贡献较大的第二产业，使得东部地区第二产业比重增速逐年下降，其对对外贸易增长的影响弹性为1.552。（2）东部地区经济增长速度放缓和人口老龄化带来的劳动年龄人口比重增速的下降，也增加了对外贸易增长速度下行的压力，它们的影响弹性分别为4.044和0.504。（3）东部地区的第三产业比重增速、平均工资增速和城市化率增速虽然对对外贸易增长有积极作用，但是影响弹性相对较小。
对于中部地区，通过图2不难发现，对外贸易增长速度整体上呈现较为复杂的多元化态势。其中，处于承接东部地区产业转移前沿地带的安徽和河南，对外贸易增长速度出现了明显的上升；而在地理空间上与西部地区联系较多的内蒙古、湖北、山西，对外贸易增长速度出现了一定的下降，其他省份变化较小。这是因为：第一，中部地区经济增长速度尚未出现大幅的下降，在很大程度上支撑了对外贸易增长，影响弹性为2.914；第二，不断放缓的城市化率增速和第三产业比重增速，并未影响第二产业的发展，它们的负影响弹性（-7.353和-0.556）恰好推动了对外贸易的增长；第三，中部地区劳动年龄人口比重增速和平均工资增速均有所下降，但是相反的影响弹性（14.870和-0.588）对对外贸易的作用也截然相反。因此，中部地区对外贸易增长呈现出加速与减速并存的多元化格局。
在西部地区，对外贸易增长速度总体上呈现出发力增长的态势，特别是具有相对优势的重庆、四川和独具特色的西藏等3个省份（直辖市、自治区）的增长速度较快，其他省份（自治区）也保持了稳定增长的势头。图3中影响因素的变化情况为我们提供很好的解释。一方面，西部地区经济正处于结构性加速时期，同时，劳动年龄人口比重增速没有出现明显的下降，人口红利依然非常可观，而这两个重要因素的影响弹性又分别高达8.847和24.140，从而为西部对外贸易持久增长提供了巨大的动力。另一方面，西部第三产业比重增速持续为负，第二产业（特别工业化）发展依然处于不断推进阶段，而西部地区劳动力成本较低，平均工资增速连续下降，再加之较大的影响力度（20.710和-4.112），进一步推动了对外贸易的增长速度。但是，由于西部地区对外贸易总量水平依然较低，对中、东部地区拉动力有限，因此，全国对外贸易增长总体上仍处于减速阶段。
五、结论与启示
通过实证分析，我们发现：东部地区对外贸易增长已经进入减速并收敛的阶段，西部地区对外贸易增长正处于显著的加速阶段，而中部地区对外贸易增长则出现了加速与减速并存的多元化局面②；由于西部地区对外贸易在总量水平上较低，对中、东部拉动力有限，因此，全国对外贸易增长总体上仍处于减速阶段，但对外贸易增长分化的格局业已形成。考虑到中国巨大的经济、人口规模和地区差异，对外贸易增长速度的转变不可能一蹴而就，而是要经历一个较长的过渡阶段。由于中国处在经济社会发展的转型期，经济结构性减速、人口红利下降将会对对外贸易增长产生巨大而又不确定的冲击；在加速与减速并存的过渡期内，对外贸易结构的优化和调控致策的制定也将变得更加错综复杂。那么，如何积极应对这种减速和分化？从实证结果及其拓展分析中可以得到如下启示：加快实现产业结构现代化，提高经济增长速度。东部地区出现对外贸易增长减速的一个重要原因是第二产业的转移和第三产业的较低发展水平。因此，东部地区必须加快发展高端制造业和现代服务业，特别是服务贸易，重新提升对外贸易增长速度。另外，中、西部地区对外贸易增长的加速主要基于第二产业的较快发展和人口红利的存在，但需要注意的是，其第二产业多为低端制造业，当中、西部地区劳动力的“廉价时代”趋于终结时，较高的对外贸易增长速度将难以维系。因此，中、西部地区也应充分重视产业结构现代化，提前应对未来可能出现的对外贸易增长的减速。
①数据来自国家统计局：《中华人民共和国2012年国民经济与社会发展统计公报》，2013年2月。
②本文得出的对外贸易增长分化特征与吕健（2012）得出的经济增长分化特征基本一致，这也表明，由于中国长期以来较高的对外依存度，使得对外贸易增长状况在很大程度上决定了经济增长状况。
标签：增长速度论文; 固定效应模型论文; 人口红利论文; 经济论文; 国内宏观论文; 空间分析论文; 对外贸易政策论文; 中国东部论文; 经济增长论文; 第二产业论文; 中国人口论文;