移民网络对中国文化企业产品出口的效应评估

1.移民网络、文化企业出口概率与贸易类型

在表3.8的回归中，我们使用了出口企业数目来测量出口扩展边际的大小，但是，这样做的主要问题在于忽视了企业异质性对企业决定是否出口的重要影响；而另一个问题在于，当我们使用平均每个出口企业的出口额来衡量移民网络对中国出口强度的效应也是有问题的。Lawless（2010）指出，可变成本对平均每个出口企业出口额的影响是不甚清楚的，这是因为企业可变成本的降低虽然会提高平均每个出口企业的出口额，但同时也会导致低生产率的企业的出口。为了解决上述问题，我们采用企业—出口国的细化数据来评估移民网络对中国文化企业出口参与的效应。

公式（3.5）中，Ejc＝1指中国企业j出口到国家C；P是概率分布函数；φj是指代企业效率变量或企业规模变量，文中分别使用企业的劳动生产率（企业增加值/雇佣工人数）及企业雇佣工人数量分别来指代；ηjc是企业—出口国的残差项；Xc是引力模型中国家层面上的一系列控制变量。

表3.9是我们对方程（3.5）进行回归后的结果（GLS方法），从中我们可以判断：移民网络对中国文化企业的出口概率起着正面影响。

其次，我们发现企业效率对中国文化企业的出口概率起着负面影响。对于其中原因，众多国内外学者都进行了解释，如中国加工贸易比例过高及小规模企业占中国出口主体（李春顶等，2010）、市场规模和进入成本的非对称性（安虎森等，2013）等。为此，我们进一步把中国文化产品出口区分为加工贸易与非加工贸易两种情况，回归结果见表3.9的第二、第三栏。结果显示，文化产品加工贸易型企业效率的提高促进了企业的出口概率，但文化产品非加工贸易型企业效率的提高反而抑制了企业的出口概率，这与一般得出的中国“出口—生产率悖论”解释并不一致；另外，我们发现企业规模有利于提高中国文化企业的出口概率，推断（Melitz，2003）的异质性企业模型中的生产率结论并不适合解释中国文化产品出口的情况。

表3.9　移民网络、文化企业出口概率与贸易类型，GLS方法

注：***、**、*分别代表在1%、5%和10%水平上显著；括号中为t统计量。

第三，移民网络对加工贸易型文化产品出口企业的促进效应要比非加工贸易型文化产品出口企业大。

第四，企业有较高的概率出口到高收入和人均收入较高的国家；同时，当出口国有大于9%的人口讲中文时，也会增强企业的出口概率；但是，企业对内陆国家及距离较远的国家的出口概率较低。当我们使用probit方法进行回归时，除加工贸易企业效率变量变得不再显著外，并不改变我们以上的研究结论，结果见表3.10。

表3.10　移民网络、文化企业出口概率与贸易类型，probit方法

注：***、**、*分别代表在1%、5%和10%水平上显著；括号中为z统计量，回归系数为边际效应大小。

2.移民网络、中国文化企业出口概率与企业类型

中国香港、澳门和台湾地区长期作为境外华人集中的地区，由于历史、地理与种族血缘关系的原因，一直与中国内地有着密切的商务往来。特别是作为国际性的商业、贸易和金融中心的香港，长期为内地提供各种贸易与转口贸易服务，充当内地和外国商业机构之间信息沟通的桥梁及内地和其他国家（地区）的贸易中介（middleman）^[6]。因此，我们假设内地的港澳台商控股企业会较为积极地利用它们在这方面的优势，从中减少贸易中的信息壁垒；其次，由于部分境外控股企业是由移民到境外再回内地投资创办的，因此这些企业也会利用它们在信息机制上的优势；另外，私人控股企业比国有企业在机制上灵活，在拓宽信息渠道上也会较为主动。由此我们预测上述不同类型企业会根据各自情况利用它们与境外之间的种种联系，从而促进贸易的发生。

我们对移民网络影响不同企业类型的出口概率进行了评估，结果见表3.11。回归结果证实了我们的猜测，从移民网络的回归系数来看，港澳台商控股＞外商控股＞私人控股＞集体控股＞国有控股。当我们使用probit方法进行回归时，并不改变我们以上的研究结论，结果见表3.12。

表3.11　移民网络、中国文化企业出口概率与企业类型，GLS-FE

续表

注：表中回归采用GLS的固定效应回归方法；***、**、*分别代表在1%、5%和10%水平上显著；括号中为t统计量。

表3.12　移民网络、中国文化企业出口概率与企业类型，probit方法

注：***、**、*分别代表在1%、5%和10%水平上显著；括号中为z统计量，回归系数为边际效应系数。

3.移民网络、中国文化企业出口概率与企业所在地区

历史上，东南沿海（珠三角、福建省）是东南亚华人的主要移出地，家族血缘关系的存在长期以来对这些地区的引资和对外贸易都发挥着非常重要的作用。从移民输出数量来看，东部地区多于中部地区，西部地区最少。因此，我们猜测中国东部地区的文化企业最有优势将移民网络用于克服国际贸易中的信息壁垒。而回归结果证实了我们的猜测（结果见表3.13），不管我们用哪一种回归方法，结果都是稳健的。

表3.13　移民网络、出口参与与企业所在地区

注：***、**、*分别代表在1%、5%和10%水平上显著；GLS回归方法括号中为t统计量；Probit回归方法括号中为z统计量，回归系数为边际效应。

4.移民网络、中国文化企业出口概率与ICT效应

除了社会网络能够克服贸易机会信息不充分以外，信息与通讯技术（ICT）在20世纪90年代以来发展迅猛，大大改善了国际贸易中交易信息不足状况，减少了交易双方协调的困难度，而且简化了国际贸易的交易过程，增强了交易效率，降低了交易成本（蒙英华，2008）。目前，海外华商也正在利用这一新兴的交流工具来增进彼此之间的合作，例如目前在互联网上可以发现有很多的华人社区与专门针对华商之间商业合作的网站。^[7]但是Curtin（1984）认为，电子商务出现、信息分类技术提高、网路搜索引擎使用等都有可能降低对华商网络的需求，交通和通讯技术创新（如电子邮件被广泛使用）也有可能破坏现存的华商网络关系，因为传统的华商联系是通过一种面对面的交流（face-to-face communication）来实现的。因此，究竟ICT的改善对华商网络的贸易促进效应是起着一种推动作用或是抑制作用，还需要我们进行进一步验证。

在前述回归基础上，我们加入了移民网络与ICT应用水平的交叉项，来表明华商网络与ICT信息应用水平的交互作用。从回归结果我们发现，ICT应用促进了华商网络对中国文化企业出口的概率，但效应较小。为进行敏感性检验，我们分别采用了两种回归方法，结果是稳健的。

表3.14　移民网络、中国文化企业出口概率与ICT效应

续表

注：***、**、*分别代表在1%、5%和10%水平上显著；GLS回归方法括号中为t统计量；probit回归方法括号中为z统计量，回归系数为边际效应。

5.移民网络与中国文化企业出口强度

完成上述解释之后，我们还希望对移民网络对中国文化企业的出口强度影响进行评估，回归方程如下：

在方程（3.6）中，xjc指中国文化企业j出口到国家C的贸易额，其他变量与前述的一致。估计方程（3.6）的主要问题在于我们在数据中只观察到参与出口行为的企业数据，因此，在数据中只存在非零的贸易数据，而不参与出口行为的企业贸易数据都是遗失的。为了解决上述问题，我们采用了与Helpman等（2008）相类似的Heckman样本选择模型进行回归。为了避免函数形式所造成的识别问题，Heckman样本选择模型需要找到至少一个变量，而这个变量可以影响企业的出口参与决策，但并不能影响企业的出口额大小。从变量特征可以看到，我们应当选择影响到企业出口的固定成本，而不会影响企业出口可变成本的变量。参照Helpman等（2008），我们采用了世界银行数据库里基于国别进行统计的对企业进入市场的规制成本数据，而这可以指代企业出口的固定成本，我们从中选取了企业合法从事一项商业活动时所需手续数目及所需时间这两个指标。

为了进行对照，我们首先对模型进行了GLS回归。我们知道，GLS方法主要使用可观察到的非零贸易额进行回归，回归结果见表3.15第一栏。而第二栏和第三栏汇报了使用Heckman样本选择模型时（即使用不同衡量企业进入市场的成本指标）的回归结果。Heckman样本选择模型可以使用最大似然法或者两步法（Heckman，1979）进行回归，在这里我们汇报了最大似然法的回归结果。^[8]所有的回归结果都指向于移民网络有助于提高中国文化企业的出口强度。总体而言，每增加1%的海外移民，中国文化出口额将增加0.0287%。

表3.15　移民网络与中国文化企业出口强度，GLS和Heckman SeIection ModeI

注：***、**、*分别代表在1%、5%和10%水平上显著；括号中为t统计量。

值得注意的是，表3.15的回归结果中距离变量回归系数变为正。对于一般商品而言，两地距离越远则贸易成本越高，但对于文化产品而言，两地距离越远还会造成两地文化差异越大，当距离造成两地文化差异的价值超过了因距离增加而提高的运输成本时，距离反而会增加两地文化产品的贸易额。另外，距离变量仅构成企业贸易的固定成本，因此只影响企业是否进入市场的决策，而从前述回归结果可知，距离变量确实对中国文化企业出口概率造成负面影响。