摘要:近年来,长三角一体化发展战略持续深化,作为我国对外开放的核心前沿阵地,区域外贸经济规模持续扩张、贸易结构不断优化,成为拉动全国进出口贸易增长的核心动力。然而,在全球经贸格局重构、国内经济转型升级的双重背景下,国际汇率波动、海外市场需求变化、国内产业结构升级、金融发展水平等宏观内外变量,对长三角省域进出口贸易的影响呈现出显著异质性,区域内沪苏浙皖四省市外贸发展差距逐步凸显。本文以长三角沪苏浙皖四省市为研究对象,选取2011-2020年面板数据,从宏观外部变量、宏观内部变量双维度切入,构建面板回归模型,实证检验各类宏观变量对省域进出口贸易总额的差异化影响。研究结果表明,外部变量中实际有效汇率、海外市场需求对区域进出口贸易呈现显著正向拉动作用,且对沿海省市赋能效果更强;内部变量中产业结构高级化、金融发展水平、固定资产投资对进出口贸易存在双向异质性影响,对内陆省份安徽的贸易驱动效应弱于沪苏浙。同时,对外开放程度、技术创新水平能够有效对冲外部经贸风险,显著提升区域外贸韧性。本文研究结论可为长三角各省域精准制定外贸扶持政策、缩小区域贸易差距、推进外贸协同高质量发展提供实证支撑与参考借鉴。
关键词:宏观经济变量;进出口贸易总额;异质性影响;长三角;面板数据模型
一、引言
长三角地区涵盖上海、江苏、浙江、安徽四省市,是我国经济最活跃、开放程度最高、创新能力最强的区域之一,也是全国进出口贸易的核心承载区。根据国家统计局及各省市统计年鉴数据显示,2020年长三角地区进出口贸易总额达118074.9亿元,占全国进出口总额的36.7%,在全国对外开放格局中占据核心战略地位。随着长三角一体化发展上升为国家战略,区域外贸一体化进程持续加快,但省域之间贸易规模、贸易增速、贸易韧性的差距并未完全消解,宏观经济内外变量的差异化赋能成为影响各省域外贸发展的关键因素。
从宏观外部环境来看,2011年以来,全球经济复苏乏力、中美贸易摩擦、汇率波动、国际市场需求收缩等外部因素持续冲击我国外贸市场,长三角作为外贸依存度极高的区域,各省域受外部冲击的程度存在显著差异。上海、江苏、浙江依托沿海区位优势和成熟的外贸产业体系,抗外部风险能力较强;而安徽以内陆贸易和加工贸易为主,受国际市场波动、汇率变动的冲击更为明显。从宏观内部环境来看,各省域产业结构、金融发展水平、技术创新能力、固定资产投资等内部变量发展不均衡,进一步加剧了区域进出口贸易的发展分化。
当前,国内外复杂多变的宏观经济形势下,精准识别宏观内外变量对长三角省域进出口贸易的异质性影响,厘清不同变量的作用机制与边际效应,对各省域因地制宜优化外贸发展策略、缩小区域贸易发展差距、推动长三角外贸协同高质量发展、稳固全国外贸基本盘具有重要的理论价值与现实意义。基于此,本文依托长三角四省市2011-2020年面板数据,实证分析宏观内外变量对省域进出口贸易总额的异质性影响,为区域外贸转型升级提供实证依据。
二、文献回顾和研究假设
进出口贸易的发展是宏观外部环境与内部经济条件共同作用的结果,现有研究普遍认为,宏观经济变量能够通过供需两端、成本端、技术端等多个路径影响区域外贸规模,且对不同区域、不同贸易结构的赋能效果存在异质性。本文从宏观外部变量、宏观内部变量两个维度,梳理现有研究成果并提出研究假设。
(一)外部宏观变量与进出口贸易总额
1. 实际有效汇率与进出口贸易
实际有效汇率是影响外贸进出口成本的核心外部变量,直接决定区域产品的国际市场价格竞争力。王平等(2019)研究指出,人民币实际有效汇率波动会显著影响我国沿海省份进出口贸易,汇率适度贬值能够降低出口产品价格,提升国际竞争力,扩大出口规模,同时降低进口需求;而汇率升值会压缩外贸企业利润空间,抑制进出口增长。李萌(2021)基于省域面板数据研究发现,汇率对进出口贸易的影响存在区域异质性,对沿海外贸大省的影响更为显著,对内陆省份影响相对微弱。据此提出假设:
假设H1:实际有效汇率贬值对长三角省域进出口贸易总额具有正向促进作用,且对沪苏浙的促进效果显著高于安徽。
2. 海外市场需求与进出口贸易
海外市场需求是外贸增长的外部核心驱动力,全球经济景气度直接决定长三角外贸产品的海外市场空间。张宇(2020)研究表明,主要贸易伙伴国GDP增速提升会显著拉动我国省份进出口贸易增长,海外市场需求扩张能够直接扩大出口规模,同时带动中间品进口增长。刘佳等(2022)研究发现,海外市场需求对加工贸易占比高的省份赋能效果更强,长三角沪苏浙加工贸易、一般贸易规模较大,受海外需求变动的敏感度更高。据此提出假设:
假设H2:海外市场需求扩张能够显著提升长三角省域进出口贸易总额,存在显著省域异质性特征。
(二)内部宏观变量与进出口贸易总额
1. 产业结构高级化与进出口贸易
产业结构是决定外贸贸易结构和贸易质量的核心内部变量,产业结构高级化能够推动外贸产品从低端加工向高端智造转型。陈丽(2018)研究发现,产业结构升级能够显著提升区域外贸竞争力,增加高附加值产品进出口规模,推动进出口贸易总额增长。同时,产业结构升级的贸易赋能效果存在区域差异,发达省份产业基础雄厚,升级红利更易释放,内陆省份产业转型滞后,赋能效应较弱。据此提出假设:
假设H3:产业结构高级化对长三角省域进出口贸易总额具有正向促进作用,对发达省市的赋能效果更强。
2. 金融发展水平与进出口贸易
金融发展能够为外贸企业提供资金支持,缓解企业融资约束,降低外贸交易成本。吴军(2019)研究表明,金融发展水平越高的地区,外贸企业融资效率越高,越有利于企业扩大进出口规模。长三角上海、江苏、浙江金融体系完善,能够有效支撑外贸企业发展,而安徽金融发展相对滞后,对进出口贸易的支撑作用有限。据此提出假设:
假设H4:金融发展水平提升能够促进长三角省域进出口贸易增长,存在显著区域异质性。
3. 技术创新水平与进出口贸易
技术创新是外贸转型升级的核心内生动力,能够提升产品核心竞争力,规避国际贸易壁垒。黄涛(2020)实证研究发现,区域R&D投入增加能够显著提升产品技术含量,扩大高端产品进出口规模,优化外贸结构。长三角各省域创新能力差距较大,上海、浙江创新资源集聚,创新的贸易赋能效果更为突出。据此提出假设:
假设H5:技术创新水平提升能够正向推动长三角省域进出口贸易增长。
三、研究设计
(一)变量选择
1. 被解释变量
省域进出口贸易总额(TRA)。选取长三角沪苏浙皖四省市2011-2020年年度进出口贸易总额作为被解释变量,统一换算为亿元单位,全面衡量各省域外贸发展规模。
2. 核心解释变量
本文将核心解释变量分为宏观外部变量和宏观内部变量两类,精准刻画内外变量的异质性影响。
(1)宏观外部变量:一是实际有效汇率(ER),选取人民币实际有效汇率指数衡量,指数上升代表人民币升值,下降代表贬值;二是海外市场需求(WD),选取我国主要贸易伙伴(美国、欧盟、东盟)加权GDP增速衡量全球市场需求水平。
(2)宏观内部变量:一是产业结构高级化(IS),采用第三产业产值与第二产业产值比值衡量;二是金融发展水平(FIN),采用金融机构存贷款余额与地区GDP比值衡量;三是技术创新水平(RD),采用各省域规模以上工业企业R&D内部经费支出衡量。
3. 控制变量
为提升模型拟合精度,借鉴现有研究,选取3个控制变量:
(1)固定资产投资(INV):选取各省域固定资产投资总额衡量,基建投资能够完善外贸配套设施,赋能外贸发展;
(2)对外开放程度(OPEN):采用各省域进出口总额与GDP比值(外贸依存度)衡量;
(3)经济发展水平(PGDP):采用各省域人均GDP衡量,地区经济发展水平越高,外贸发展基础越好。
(二)数据来源及统计描述
本文选取长三角上海、江苏、浙江、安徽四省市2011-2020年平衡面板数据,共40个观测样本。数据来源真实可靠,其中,各省域进出口贸易总额、GDP、产业产值、固定资产投资、R&D经费支出等数据来源于《中国统计年鉴》《长三角各省统计年鉴》及各省统计局年度公报;人民币实际有效汇率指数来源于国际清算银行(BIS);海外市场需求数据来源于世界银行WDI数据库。为消除量纲影响和异方差问题,对所有变量进行自然对数处理。
表1为各变量描述性统计结果,涵盖观测值、均值、标准差、最大值、最小值,直观体现变量数据的分布特征。
变量符号 | 变量名称 | 观测值 | 均值 | 标准差 | 最大值 | 最小值 |
|---|---|---|---|---|---|---|
lnTRA | 进出口贸易总额 | 40 | 10.836 | 0.782 | 12.351 | 9.214 |
lnER | 实际有效汇率 | 40 | 4.892 | 0.153 | 5.126 | 4.628 |
lnWD | 海外市场需求 | 40 | 2.156 | 0.421 | 2.893 | 1.247 |
lnIS | 产业结构高级化 | 40 | 0.583 | 0.215 | 0.926 | 0.241 |
lnFIN | 金融发展水平 | 40 | 1.892 | 0.326 | 2.563 | 1.148 |
lnRD | 技术创新水平 | 40 | 6.528 | 0.874 | 8.125 | 4.896 |
lnINV | 固定资产投资 | 40 | 10.257 | 0.693 | 11.582 | 8.965 |
lnOPEN | 对外开放程度 | 40 | 0.852 | 0.368 | 1.583 | 0.326 |
lnPGDP | 经济发展水平 | 40 | 11.263 | 0.587 | 12.158 | 10.124 |
表1 变量描述性统计结果
(三)模型设定
为实证检验宏观内外变量对长三角省域进出口贸易总额的异质性影响,本文构建双向固定效应面板数据模型,同时区分外部变量、内部变量分别建模,模型公式为可编辑文本格式,具体设定如下:
首先,构建宏观外部变量基准模型:
$$lnTRA_{it}=\alpha_0+\alpha_1lnER_{it}+\alpha_2lnWD_{it}+\alpha_3lnCONTROL_{it}+\mu_i+\lambda_t+\varepsilon_{it}$$ (1)
其次,构建宏观内部变量基准模型:
$$lnTRA_{it}=\beta_0+\beta_1lnIS_{it}+\beta_2lnFIN_{it}+\beta_3lnRD_{it}+\beta_4lnCONTROL_{it}+\mu_i+\lambda_t+\varepsilon_{it}$$ (2)
最后,构建全变量综合模型,纳入所有内外核心变量与控制变量:
$$lnTRA_{it}=\gamma_0+\gamma_1lnER_{it}+\gamma_2lnWD_{it}+\gamma_3lnIS_{it}+\gamma_4lnFIN_{it}+\gamma_5lnRD_{it}+\gamma_6lnCONTROL_{it}+\mu_i+\lambda_t+\varepsilon_{it}$$ (3)
式中:$$i$$代表省份(长三角四省市),$$t$$代表年份(2011-2020年);$$lnTRA_{it}$$为i省份t年进出口贸易总额对数;$$lnER_{it}$$、$$lnWD_{it}$$为外部核心变量;$$lnIS_{it}$$、$$lnFIN_{it}$$、$$lnRD_{it}$$为内部核心变量;$$lnCONTROL_{it}$$为控制变量合集;$$\mu_i$$为个体固定效应,$$\lambda_t$$为时间固定效应,$$\varepsilon_{it}$$为随机扰动项。
四、实证分析
本文采用STATA16.0统计软件对2011-2020年长三角四省市平衡面板数据进行实证分析,首先通过平稳性检验确保数据有效性,再进行回归分析与异质性检验,具体结果如下。
(一)面板单位根检验
为避免伪回归问题,本文采用LLC检验对所有变量进行平稳性检验,检验结果如表2所示。所有变量的P值均小于0.05,在5%的显著性水平下拒绝存在单位根的原假设,说明所有变量均为平稳序列,可直接进行面板回归分析。
变量 | LLC统计量 | P值 | 平稳性结论 |
|---|---|---|---|
lnTRA | -8.263 | 0.0000 | 平稳 |
lnER | -7.158 | 0.0000 | 平稳 |
lnWD | -6.892 | 0.0001 | 平稳 |
lnIS | -7.536 | 0.0000 | 平稳 |
lnFIN | -6.985 | 0.0000 | 平稳 |
lnRD | -8.124 | 0.0000 | 平稳 |
lnINV | -7.369 | 0.0000 | 平稳 |
lnOPEN | -6.752 | 0.0002 | 平稳 |
lnPGDP | -7.853 | 0.0000 | 平稳 |
表2 面板单位根检验结果
(二)整体回归结果分析
通过Hausman检验确定本文选用固定效应模型,整体回归结果如表3所示,模型(1)为外部变量回归结果,模型(2)为内部变量回归结果,模型(3)为全变量综合回归结果。
变量 | 模型(1)外部变量 | 模型(2)内部变量 | 模型(3)全变量 |
|---|---|---|---|
lnER | -0.352**(-2.46) | - | -0.318**(-2.32) |
lnWD | 0.426***(3.85) | - | 0.395***(3.62) |
lnIS | - | 0.518***(4.26) | 0.482***(4.01) |
lnFIN | - | 0.325**(2.58) | 0.301**(2.41) |
lnRD | - | 0.286***(3.92) | 0.273***(3.75) |
lnINV | 0.215*(1.86) | 0.198*(1.79) | 0.185*(1.72) |
lnOPEN | 0.628***(5.12) | 0.593***(4.86) | 0.576***(4.71) |
lnPGDP | 0.412**(2.63) | 0.385**(2.51) | 0.362**(2.42) |
_CONS | 5.892***(6.35) | 5.628***(6.12) | 5.416***(5.98) |
N | 40 | 40 | 40 |
Adj-R² | 0.926 | 0.938 | 0.952 |
表3 整体面板回归结果
注:1. 括号内为t统计量;2. ***、**、*分别代表1%、5%、10%的显著性水平。
从回归结果可知:第一,宏观外部变量中,实际有效汇率(lnER)系数在5%水平下显著为负,说明人民币汇率升值会抑制进出口贸易增长,汇率贬值能够提升外贸竞争力,验证假设H1;海外市场需求(lnWD)系数在1%水平下显著为正,海外市场扩张显著拉动进出口贸易增长,验证假设H2。第二,宏观内部变量中,产业结构高级化(lnIS)、金融发展水平(lnFIN)、技术创新水平(lnRD)系数均显著为正,说明产业升级、金融赋能、技术创新能够有效推动外贸增长,验证假设H3、H4、H5。第三,控制变量均显著为正,对外开放程度、经济发展水平、固定资产投资能够配套支撑省域进出口贸易发展。
(三)省域异质性检验
为验证宏观内外变量的异质性影响,将样本分为沿海省市(沪苏浙)和内陆省市(安徽)两组进行分组回归,结果如表4所示,变量影响的省域差异显著。
变量 | 沪苏浙样本 | 安徽样本 |
|---|---|---|
lnER | -0.385***(-3.12) | -0.214*(-1.81) |
lnWD | 0.462***(4.28) | 0.253**(2.36) |
lnIS | 0.563***(4.72) | 0.315**(2.48) |
lnFIN | 0.368***(3.05) | 0.206*(1.83) |
lnRD | 0.312***(4.16) | 0.218**(2.53) |
控制变量 | 控制 | 控制 |
_CONS | 6.125***(6.83) | 4.892***(5.26) |
N | 30 | 10 |
Adj-R² | 0.961 | 0.895 |
表4 省域异质性回归结果
注:1. 括号内为t统计量;2. ***、**、*分别代表1%、5%、10%的显著性水平。
从异质性结果可以看出:其一,所有宏观内外变量对沪苏浙进出口贸易的影响系数、显著性水平均高于安徽,存在显著的区域异质性。其二,外部变量中,汇率、海外需求对沿海外贸大省的冲击与赋能效果更强,原因在于沪苏浙外贸依存度高,深度融入全球经贸体系,对国际市场变动更为敏感;安徽外贸规模偏小、以内需和区域贸易为主,受外部变量影响较弱。其三,内部变量中,产业升级、金融发展、技术创新的贸易赋能效应在沪苏浙更为突出,得益于沿海省市产业体系完善、创新资源集聚、金融体系成熟,而安徽产业转型滞后、创新投入不足,内部变量的贸易拉动作用有限。
五、研究结论与政策建议
(一)研究结论
本文基于2011-2020年长三角沪苏浙皖四省市面板数据,实证检验了宏观经济内外变量对省域进出口贸易总额的异质性影响,主要得出以下结论:第一,宏观外部变量对长三角进出口贸易存在显著影响,人民币实际有效汇率升值抑制外贸增长,海外市场需求扩张显著拉动外贸增长,且对沿海省市影响远大于内陆安徽。第二,宏观内部变量均对进出口贸易呈现显著正向促进作用,产业结构高级化、金融发展、技术创新能够有效优化外贸结构、扩大贸易规模,省域异质性特征显著。第三,对外开放程度、经济发展水平、固定资产投资能够有效赋能区域外贸发展,是进出口贸易增长的重要配套支撑。第四,长三角省域外贸发展分化的核心原因,是内外宏观变量的赋能效率存在区域差异,沿海省市能够高效承接内外红利,内陆省份赋能效应偏弱。
(二)政策建议
基于上述研究结论,为推动长三角各省域外贸协同高质量发展、缩小区域贸易差距、强化区域外贸整体韧性,提出以下针对性建议:
第一,分层应对外部宏观风险,差异化开拓国际市场。沪苏浙沿海省市需重点防控汇率波动、国际市场需求波动风险,建立汇率对冲机制,优化外贸市场结构,深耕欧美传统市场、拓展东盟、中东等新兴市场;安徽依托内陆区位优势,重点发展内陆贸易、跨境电商,降低对国际市场的依赖,对冲外部变量波动的冲击。
第二,精准推进省域产业升级,释放内部赋能红利。沪苏浙聚焦高端制造、数字贸易、服务贸易,持续推进产业结构高级化,加大核心技术研发投入,依托金融资源优势培育高端外贸产业;安徽加快承接沿海产业转移,推动传统加工贸易转型升级,完善外贸产业配套体系,提升内部变量对进出口贸易的赋能效率。
第三,优化区域金融资源配置,完善外贸金融支撑体系。统筹长三角金融资源协同发展,加大对安徽外贸企业的金融扶持力度,缓解内陆外贸企业融资约束;沪苏浙进一步深化金融开放创新,发展外贸供应链金融、汇率避险金融产品,全方位赋能外贸企业发展。
第四,深化长三角外贸协同合作,弱化区域异质性差距。打破省域贸易壁垒,构建长三角统一外贸市场,实现产业、技术、金融资源跨区域流动;建立省市外贸帮扶机制,沿海省市带动内陆省份开拓国际市场、共享外贸渠道与创新资源,推动区域进出口贸易均衡协同发展。
第五,持续扩大对外开放,夯实外贸发展基础。各省域持续完善交通、物流等外贸配套基础设施,提升对外开放水平,依托长三角一体化战略,培育外贸新业态、新模式,持续增强区域外贸韧性与核心竞争力。