水平差异产品的产业内贸易实证研究

第二节　水平差异产品的产业内贸易实证研究

一、Helpm an（1987）检验

Helpman（1987）提出了三个假设，其中两个假设是产业内贸易份额的，一个是关于贸易额的。第一个假设是，在跨国比较分析中，要素构成越相似，产业内贸易份额越大。第二个假设是，在时间序列数据中，一组国家的要素构成随着时间变得越来越相似，这组国家内的产业内贸易份额越大。第三个假设是，随着时间变化的相对国家规模的变化可以解释贸易/收入比率的提高。

Helpman设计了一个十分简单的产业内贸易模型。模型的假设前提是：所有国家间进行的都是产业内贸易。各企业只生产一种不同类型的异质产品，且规模报酬递增，并存在垄断竞争。其中一个重要的检验结论是，国家规模分布是贸易额占世界GDP份额大小的唯一的决定因素。

Helpman假定，当各国具有一致、同位偏好，且贸易存在平衡时，

其中，V^A是A组国家间的贸易额，GDP^A是A组国家的GDP总和，e_A是A组的GDP占世界GDP的份额，是j这个国家占A组GDP总和的份额。等式（1.2.1）的右边是国家规模的分散指数（size dispersion index），当国家规模越相似，该指数越大。在这里，贸易额和收入的比例是该指数的唯一的函数。这和传统理论是显著不同的。在传统理论中，国家的相对规模对贸易额大小没有发挥任何决定性的作用。Helpman指出，当国家规模变得越来越相似，贸易额相对于该组GDP的比例将会增加。

等式（1.2.1）并不是一个简化型等式。当存在贸易不平衡时，Helpman也对等式（1.2.1）进行了修正。但Helpman发现，对贸易不平衡情况的修正，对实证结果没有任何影响。

Helpman使用了1956－1981年，14个OECD国家的数据来检验等式（1.2.1）。首先，他计算了和规模分散指数。然后，他画出了各个年份各个组内贸易/各组GDP的比率和规模分散指数的散点图。在这个散点图中，共有26个点，显示了这两个变量之间的高度正相关。

通过图像法和简单的回归分析说明，贸易额和国家规模的相似程度是显著相关的。国家规模越相似，产业内贸易越大。

如果贸易的开展是居于要素禀赋的，Helpman认为，在人均收入相似的国家之间，产业内贸易占双边贸易的份额更大。

为了检验要素差异和产业内贸易份额之间的关系，Helpman对91对国家从1970年－1981年各年的数据分别进行回归，回归方程如下：

其中，IIT_jk是j国和k国组成的一对国家间的双边贸易中的G—L指数。N^j是j国的人口，而产业是按四位数的SITC来进行分类。用人均GDP来表示要素构成。MINGDP 和MAXGDP用来控制相对规模效应。这个模型预测：α₁＜0，α₂＞0，α₃＜0。

Helpman发现，OECD国家的数据支持上述预测。尤其是，他发现了要素差异和产业内贸易指数之间是显著负相关的（即α1是显著负相关的）。但Helpman的这一检验存在着两大缺陷：第一，他使用人均GDP来表示要素构成；第二，他没有揭示面板数据的本质。

二、Humm els and Levinsohn检验

Helpman（1987）的结果是令人惊奇的。但Hummels和Levinsohn认为，Helpman （1987）检验的假设条件限制性太强：每一种商品只在一个国家生产，所有的贸易都是产业内贸易，所有国家都具有一致、同位的偏好。Hummels和Levinsohn结合了不同的数据、更标准的计量分析，对Helpman（1987）进行了修正和扩展。

（一）Hummels和Levinsohn（1993）

在Hummels和Levinsohn（1993）中，他们只是检验了Helpman（1987）的三个假设中的一个。Hummels和Levinsohn引入了一个随机元素来解释为什么这个模型并不是完全符合这些数据。Helpman的检验的强假设需要22个以上的观测值。而且，Helpman的理论还应对所有的国家组合都成立。因此，Hummels和Levinsohn并没有对所有OECD国家进行加总，而是把每一对国家每一年的值作为一个观测值。此外，Hummels and Levinsohn还采用了非OECD国家的数据进行验证。

Hummels和Levinsohn指出，即使Helpman根本的理论模型是正确的，模型也不可能完全符合每一对国家每年的数据。这里存在着很多原因，例如：距离增加了异质产品进行贸易的成本函数；相邻的国家由于对商品多样化的偏好会从事产业内贸易；距离相隔较远的国家间的消费者希望能消费外国不同种类的商品，但运输成本太高以致很少有贸易会发生。另外，这里也存在一些其他因素，例如边境贸易、季节性贸易、贸易限制、文化或语言联系等可能会鼓励或者抑制产业内贸易。这些原因解释了每对国家的贸易关系是唯一的，且这些原因和GDP是正交的。因此，Hummels和Levinsohn用每对国家的固定效应来表示。他们还定义了一个干扰项μi，其中i为每一对国家。μi表示和贸易正交的所有等式（1.2.2）右边的变量对贸易的所有影响。

这里还有一些其他特殊原因来解释等式（1.2.2）为什么没有完全符合数据。解释之一是贸易额的残差。Hummels和Levinsohn定义冲击为ε_it，并对等式（1.2.2）两边同乘以GDP，并取对数，可以得到：

其中，是每对国家的GDP中，第一个国家的份额；是第二个国家的份额。ν_i＝ μi＋ln（e_i）⁴，是每对国家的固定效应。

在传统的HO理论框架下，相对国家规模不会影响贸易额。而在我们现在这个产业内贸易模型中，相对国家规模是十分重要的，当国家规模变得越相似，等式（1.2.3）右边括号内的部分将会增加。这将导致更多的贸易额产生，意味着α₁是正的。

Hummels和Levinsohn的检验结果分两部分。首先，他们采用了最小二乘法（OLS），使用了Helpman所使用的1970－1981年，14个OECD国家的相同数据估计了等式（1.2.3），验证结果支持了Helpman的结论（参见表1.2.1）。各对国家的GDP的非线性函数和贸易额之间存在非常强的关系。在国家分对组合的条件下，国家规模分散指数解释了88%的贸易额的变化。

表1.2.1　EOUATION（2）Estim ates，OECD Data（1970－1983）

Notes：OLS denotes ordinary least squares，and IV denotes instrumental-variables estimates. N is the number of observations.

Hummels和Levinsohn认为，对于等式（1.2.3）采用OLS固定效应的估计值是不恰当的。因为等式右边的变量——两个国家的GDP的非线性函数是外生的。这就是说，如果国家1对贸易额有一个特殊的冲击，将会对国家1的GDP有影响。因此，ε_it和回归量之间是相关的。通常的解决办法是，找一个工具变量。这个工具变量和GDP相关，和贸易冲击不相关。而一国要素禀赋是最佳候选。他们使用各国的熟练劳动力、总人口数和资本存量作为各对国家的工具变量。Hummels和Levinsohn发现，使用相同年份的数据，用工具变量估计修正可能存在的GDP的内生性，其检验结果（参见表1.2.1右边1列）并没有改变OLS的结论。显然，Helpman26个点的散点图对更标准的计量分析也是稳健的。

接着，Hummels和Levinsohn又采用了与Helpman不同的数据来验证Helpman的结论。他们主观挑选了14个大家公认的产业内贸易非常不重要的国家：巴西、喀麦隆、哥伦比亚、刚果、希腊、象牙海岸、韩国、尼日利亚、挪威、巴基斯坦、巴拉圭、秘鲁、菲律宾、泰国。Hummels和Levinsohn把这些国家称为非OECD国家。这些非OECD国家的G—L指数才0.5%，而OECD国家的G—L指数达到了25.3%。Hummels 和Levinsohn使用所有年份的OECD和非OECD国家的数据重新估计了等式（1.2.3），发现OECD和非OECD国家数据都支持了Helpman的结论。（参见表1.2.2）

表1.2.2　Equation（2）OLS Estim ates（1962－1977）

Note：N is the number of observations.

最后，Hummels和Levinsohn在总结中指出，非OECD国家数据也支持上述理论的预测，这其中一定存在错误。Hummels和Levinsohn认为，除了规模报酬递增的异质产品以外，一定还存在其他因素可以产生产业内贸易。

（二）Hummels and Levinsohn（1995）

Hummels and Levinsohn（1995），首先使用相同的OECD的数据重新验证了Helpman （1987）的结论，并采用不同数据不同的计量方法进行了再次验证。接着，建立了一个更一般的模型，其中一部分是产业内贸易，剩下的是传统的产业间贸易（HO），从而再验证Helpman（1987）关于产业内贸易份额的预测。最后，Hummels and Levinsohn （1995）提出了一些疑问。

1.增加观测值

首先，Hummels和Levinsohn把国家进行组队，把一对国家一年的数据作为一个观测值。共得到91对国家、22年的数据（1962－1983）、共2 002个观测值。他们把这2 002个观测值通过均差来保证固定效应，然后也做一个散点图。发现，贸易额和国家规模间存在清晰的正相关。

接着，Hummels和Levinsohn（1995），通过增加观测值又重新验证了Hummels和Levinsohn（1993）的最小二乘法和工具变量法，也支持原结论（见表1.2.3）。

表1.2.3　Equation（2）Estim ates OECD Data（1962－1983）

Hummels和Levinsohn（1995）认为，固定效应的估计参数可能是不精确的，因为μi可能是随机的。所以，Hummels和Levinsohn又进行了随机效应分析，发现结论仍然没有发生变化（见表1.2.3第2列）。

Hummels和Levinsohn（1995）认为固定效应的估计参数可能是不精确的另一个原因是，干扰项ε_it可能和回归变量相关，即存在内生性的问题。Hummels和Levinsohn使用要素禀赋作为工具变量发现，固定效应的估计值是一致无效的，而随机效应的估计值是有偏的（见表1.2.3第3列）。

第三种可能的解释是，在选定的样本时间内，贸易额和各组GDP是趋于上升趋势的。Hummels和Levinsohn采用了消除趋势的数据来解决这一问题，发现结论依旧不变（见表1.2.3第4列）。

接着，Hummels和Levinsohn再次使用非OECD国家数据（1962－1977）进行了验证，其中共有1 456个观测值。Hummels和Levinsohn还是进行了固定效应、随机效应、包含工具变量的固定效应、剔除时间趋势的固定效应和最小二乘法的分析。同样，结果没有发生很大变化，依旧支持原结论，且是稳健的（参见表1.2.4）。

表1.2.4　Equation（2）Estim ates NOECD Data（1962－1977）

All estimates are in levels.

2.放松假设条件

Helpman（1987），Hummels和Levinsohn（1993）都是假定所有贸易都是产业内贸易，而Hummels和Levinsohn（1995）在验证完所有贸易都是产业内贸易情况后，又放松了假设条件，假定一部分贸易是产业内贸易，一部分是产业间贸易，并检验产业内贸易的比重。

鉴于Helpman用人均GDP来表示要素构成存在的缺陷，Hummels和Levinsohn使用人均收入和实际要素数据来测量要素构成的差异。Hummels和Levinsohn先使用1962－1983年OECD国家各年的数据来估计下面两个回归方程。在等式（1.2.4）中，Hummels和Levinsohn使用用劳动力平均的GDP，在等式（1.2.5）中，他们又用实际的资本/劳动比率和土地/劳动比率。

其中，L^j是j国的劳动人口数，Tⁱ是j国的土地禀赋，K^j是j国资本存量。Hummels和Levinsohn定义log为平均劳动力的人均GDP差异，用YDIF表示。类似的，KLDIF表示平均劳动力的人均资本差异，TLDIF表示平均劳动力的人均土地差异。

Hummels和Levinsohn对等式（1.2.4）和等式（1.2.5）进行了最小二乘估计。等式（1.2.4）的回归结果和Helpman的非常相似。YDIF的系数在每个样本年份中都是负的，但只有一半样本是显著的。（MINGDP）和（MAXGDP）的系数和理论是一致的，但只有MINGDP是显著的。最后，和Helpman一样，回归方程的解释力度随时间稳定地下降。

在等式（1.2.5）中，Hummels和Levinsohn用实际要素数据来代替人均劳动力收入来表示要素构成。此时，最小二乘法的检验结果是，TLDIF在所有样本年份中都是负的，且高度显著。KLDIF在起初是显著为负的，但在后来的年份中变成显著为正。此外，等式（1.2.5）估值的解释能力是等式（1.2.4）的两倍。因此，使用实际要素数据与理论预测的结果更一致。

由于等式（1.2.4）和等式（1.2.5）是按年份逐年进行估计，对每对给定的国家而言，我们可能会忽略与时间相关的造成数据和模型不符的原因。此时，可以用比较静态分析来分析在保证其他条件都不变的情况下，要素禀赋的相对变化。当被观测的产业内贸易是由不随时间变化的各对国家间的特殊差异造成，这种分析方法就显得尤为重要。这种随时间固定不变的特殊差异包括地理、季节性贸易、文化和语言联系、贸易壁垒等。

但是，这种分析方法存在的一个问题是：对一对给定的国家而言，包括土地在内的要素差异随时间变化而变化幅度很小，结果，即使土地对于解释截面产业内贸易的变化十分重要，我们也不能直接用于解释时间序列的变化；另一方面，土地禀赋自身以及TLDIF和各对国家这些虚拟变量之间是高度共线的。

Put another way，land endowmentsthemselves are perfectly collinear with，and factor differencemeasures like TLDIF are highly collinear with，country-pairdummies.因此，Hummels和Levinsohn又通过面板数据来解决这个问题。

Hummels和Levinsohn首先估算了包含截面和时间序列变化的产业内贸易指数（等式（1.2.6）），又估算了剔除截面变化的产业内贸易指数（等式（1.2.7））。

最后还估算了用人均劳动力收入差异代替人均劳动力资本差异的情况。检验结果参见表1.2.5。用人均劳动力收入和人均劳动力资本的最小二乘的回归结果列在表V第一和第二列。回归变量不同，回归结果也是完全不同的。人均劳动力收入变量是高度显著为负的，而人均劳动力资本变量是不显著的。这些结果和等式（1.2.4）、等式（1.2.5）的回归结果基本一致。人均劳动力收入和人均劳动力资本的最小二乘的回归中，MINGDP的系数是与理论一致，并可精确估算出来；而MAXGDP的系数与理论不一致，并无法进行精确估算。

表1.2.5的第三和第四列是固定效应的估算值。在剔除了各对国别组合的特定效应后，收入差异变量YDIF是显著为正的，而在之前是显著为负的。在使用人均劳动力资本进行回归时，要素差异变量始终都是显著为正的。在两次回归中，回归方程的解释能力也大大增强。另一个比较有趣的现象就是，当回归中加入国家这个虚拟变量，R²跳跃至.96（表1.2.5）。

表1.2.5　Equation（7）Estim ates（1962－1983）

固定效应估计把v_jk看作是不随时间变化的。如果它们是随时间变化的，此时就需要用随机效应估计。随即效应的回归结果和固定效应的结果是相似的。（参见表1.2.5的最后一列）。要素差异变量的系数在两次回归中也仍然都是显著为正的，但回归方程的解释力度下降了一些。

Hummels和Levinsohn认为，Helpman（1987）中的对数变换是没有理论基础的，因此，Hummels和Levinsohn还用水平数据对等式（1.2.6）、等式（1.2.7）重新进行估算，发现结论并没有发生改变。Hummels和Levinsohn还抛弃MINGDP和MAXGDP来观察KLDIF和YDIF的变化，发现，R²降为0，说明MINGDP和MAXGDP对实证模型非常重要。Hummels和Levinsohn还认为KLDIF和IIT之间存在非线性关系。他们引入了KLDIF和YDIF的二次方程，重新估算等式（1.2.6）、等式（1.2.7），发现线性方程的OLS的系数是负的，而二次方程的系数为正。

表1.2.5的检验结论是稳健的。在逐年的截面回归以及最小二乘回归中，YDIF是显著为负的，而KLDIF是非显著的。但当使用国家虚拟变量，并移除截面变化后，YDIF和KLDIF的系数都是显著为正的。Hummels和Levinsohn总结了三个原因：

第一，YDIF和KLDIF随时间变化非常小。对一对给定的国家而言，向对资本/劳动力比率不会随时间发生很大的变化。因此，当剔除了截面数据变化，将不存在任何因素来改变IIT。

第二，贸易数据的产品分类比简单的理论模型要复杂许多。用（SITC）分类来测量产业内贸易会存在总合问题。例如，SITC有时会把具有相似消费用途、但不同要素投入的商品归为一类。当SITC产品分类无法精确把握产业定义，则要素差异变量的符号将变得不明确。

第三，地理对产业内贸易可能具有重要影响。首先，边境国家之间可能会存在同质产品的双边贸易，这些贸易在数据上将以产业内贸易的形式出现；其次，相比产业间贸易，地理对产业内贸易有更大的负面影响。Hummels和Levinsohn在等式（1.2.5）中加入距离这个变量。由回归结果可知，距离的系数高度显著为负。而且，包含距离这个变量的回归方程具有更好的解释能力。

第四，Hummels和Levinsohn进行了总结。Hummels和Levinsohn（1995）主要进行了两次检验。第一个检验，是建立在非常不现实的假设条件下。实证结果发现，贸易额可以由贸易合作国之间的规模相似性指数来解释。在加入每对国家的固定效应或随机效应、允许数据的线性趋势、考虑存在的计量回归上的内生性问题等等，都不影响实证结论。这相对一致的结论说明，除了垄断竞争，一定还存在其他因素来解释实证模型的成功。第二个检验，建立一个相对更合理、更一般的模型。但实证结果并不是完全支持理论。当使用面板数据时，产业内贸易占双边贸易的份额和要素差异之间呈负相关的结论是不稳健的。代替用要素差异来解释产业内贸易的份额，许多产业内贸易都是在特定的国家组合之间的。而大部分产业内贸易份额的偏差都可以用各对国家没有详细说明的性质来解释，且距离对这种关系尤其重要。