1、出口贸易风险测度及其影响因素分析基于跨国数据的经验研究 摘要：将部门的出口份额与构建的部门产出方差协方差矩阵相结合，通过定义一国出口结构风险指数，并利用出口结构风险指数对样本国家在样本期内的出口风险进行测算。同时，把出口风险指数分解为赫芬达尔项、平均风险项、协方差效应项以及赫芬达尔项与平均风险项的交互项。最后，选取影响一国出口风险的主要宏观经济变量，利用跨国面板数据对出口风险进行影响因素分析，结果表明：在诸多宏观经济因素中，出口贸易条件和金融开放程度对一国出口风险的影响最为显著，而一国的人均收入水平则对该国的出口风险影响不明显。 下载 关键词： 出口结构风险；分解效应；影响因素分析 中图分类号
2、： F752.62 文献标识码： A文章编号： 1003-7217（ 2015）02-0118-05 一、引言 后危机时代，我国正经历一场对外贸易发展方式的转型和变革，外贸战略转型是一项艰巨的系统工程，有效地对外贸战略转型过程进行监控，对我国对外战略转型过程中可能遇到的转型刚度风险、国际市场风险、产业冲击风险等各种风险进行有效识别，构建相应的风险评价指标体系和评估系统来进行及时监测至关重要。 国外相关研究主要有：（ 1）使用产业层面 数据研究宏观经济波动性，如OECD （ 2006）、 Caballero and Cowan（ 2006） 1， 2、 Imbs and Wacziarg（ 20
3、03）关于专业化模式的研究，以及 Koren and Tenreyro（ 2007）对产出波动性分解的文章。而本文将贸易数据与产出数据相结合，集中于分析贸易模式与波动性的关系，而这一关系在上述研究中并没有很好地得到体现。（ 2）主要关注不确定条件下的贸易模式，如 Turnovsky（ 1974） 、 Helpman and Razin （ 1978）以及 Grossmanand Razin （ 1985） 还有 Helpman （ 1988）等，其主要观点是：如果一国既可以进行商品贸易又可以进行资产交易的情况下，该国将没有通过改变产品出口结构达到规避风险的动机，从而产业风险将与贸易模式不相关
4、5-8。但上述研究并没有提供相应的经验证据。（ 3） Cunat and Melitz （ 2012）将风险性部门与无风险性部门的比较优势来源以及差异归结为劳动力市场刚性的差异。而本文将比较优势的来源视为外生变量，并且提供了系统的关于不确定环境下贸易模式的经验分析。 国内庄鸿棉、吴建 江（ 1994）系统地梳理了出口业务所必然伴随的国际因素、国内因素和非正常因素引起的各种风险。刘岚（ 2010）则强调中小企业作为我国扩大和发展外向型经济的重要力量，所面临的出口风险在加剧，尤其是 2009 年的金融危机对其冲击非常明显。卢俊峰、刘伟华（ 2011）从2010 年我国大宗商品进口中存在的定价权缺失
5、、银行外汇风险敞口扩大以及潜在市场风险、制度风险、财务风险等方面出发，结合宁波市的具体实例进行了分析。相对而言，这些文献大多从贸易风险识别、贸易风险防范或者贸易风险管理的视角进行分析，而从贸易风险整体层面上考虑 的较少，也缺少对贸易风险定量的测度以及影响因素的相关研究。 为此，本文试图在现有文献研究基础上，借鉴 Koren and Tenreyro （ 2007）的方法，采用 1996 2009 年样本国家 C和 I 部门的产业层面的人均工业增加值数据，构建一个跨部门的方差协方差矩阵，并据以测度出口贸易风险，分析影响因素。 二、出口风险指数的定义与分解（一）出口风险指数的定义 设 y-ict
6、为国家 c部门 i 在第 t-1年和第 t 年之间的人均工业增加值变化量 。为了控制国家间每一部门人均工业增加值变化量的长期 差异，在y-ict 的基础上减掉整个样本期 y-ict 的平均增长率，得到： 对于每一年和每一个工业部门，计算跨国的平均人均工业增加值变化量：Y-it=1CC -c=1-ict。其中 Y-it 表示每一工业部门平均变化量的时间序列，本文将之视为总的部门冲击。使用这些时间序列数据，可以计算每一工业部门的样本方差以及任意两个工业部门之间的样本协方差，工业部门 i的样本方差为： 接下来，计算任意两个部门 i和 j之间的样本协方差为： 由此得到一个形式为 18X18 的部门方差
7、协方差矩阵，命其为 。将这一部门的方程协方差矩阵视为部门的内生特征，这一特征与时间以及国家无关。用于计算 的面板数据包含了 25个 OECD国家和中国，每个国家都包含了 18个工业部门，时间跨度为 1996 2009年。对于每一个国家和每一个年份，构建每一工业部门在总出口中所占的份额 aX-ict。结合工业部门方差协方差矩阵，定义出口风险指数为： 财经理论与实践（双月刊） 2015 年第 2 期 2015 年第 2 期（总第 194 期）周梁，张亚斌等：出口贸易风险测度及其影响因素分析基于跨国数据的经验研究 其中 aX-c t 是一个 18X1 的列向 量，其分量为 aX-i c t， REX
8、-c t 测度的是经济体某年全部出口工业部门的总方差。 （二）出口风险指数的分解 一般认为，导致更高的出口风险可能有两种不同的渠道，其一是国家将资源更多的配置在高风险部门，其二是高度专业化。因此，有必要从出口风险指数的变化中分解出出口分散化策略的作用，即 aX-ict 的作用和专业化于高风险部门的作用，即 2i 的作用。对出口风险指数做如下分解： 以上总共分离出五项，从左至右，第一项称为赫芬达尔项，即出口份额的赫芬达尔指数，该项体现了出口的分散化程度 而与部门间的风险差异无关。第二项称为平均风险项，也即出口的平均方差，这一项与分散化程度无关，两个具有同样赫芬达尔指数的国家可能具有差异极大的平均
9、风险项，因为两个国家相同部门的风险因素可能完全不同。平均风险项与赫芬达尔项相互补充，是出口结构风险构成的两个主要因素。第三项体现了协方差效应，通常情况下 并不显著。第四项，是赫芬达尔项与平均风险项的交互项，当经济体具有完全分散的出口份额时，即对任意的 i 有 aX-ict=X，赫芬达尔项与平均风险项的交互项等于 0，或者所有工业部门的方差都为 0时，赫芬达尔项与平均风险 项的交互项也等于 0。当经济体开始专业化进程时，如果该经济体增加那些风险小于部门平均风险的部门的出口份额时，则该交互项将呈现出负值；反过来，当该经济体专业化于那些风险更高的部门时，该交互项将呈现出正值。最后一项常数项对于所有国
10、家都是相同的，即由平均出口份额 X 与平均部门方差 2 的乘积构成。 表 1报告了出口风险指数以及其分解的各部分的中位数值，同时包括了水平值与分解后的各部分所占总出口风险指数的份额。从中发现，赫芬达尔项、平均风险项以及交互项都随着出口风险分布的提升而增长。同时，交互项在分布的低端为负值， 在分布的高端则变为正值，也就是说，当给定出口分散程度的情况下，出口风险指数较低的国家一般多专业化于无风险部门的生产，而出口风险指数较高的国家则多专业化于高风险的部门。 三、数据描述 本文采用的数据主要包括：产业层面的产出增加值数据，产业层面的就业数据，并以此构建方差协方差矩阵，数据来源分别为 OECD STA
11、N 双边贸易数据库、 OECD STAN 结构分析数据库、中国统计年鉴以及中国科技年鉴。其中从 OECD STAN 双边贸易数据库中选取了 25 个 OECD 国家制造业各行业在1996 2009年间与 中国的双边贸易额；从 OECD STAN结构分析数据库中选取了 OECD 国家的分行业的总产出、工业增加值以及劳动力就业数据；从中国统计年鉴以及中国科技年鉴中则选取了中国分行业的对应数据。为了统一行业的分类标准，本文将中国采用的国民经济行业分类方法与国际标准行业分类方法进行了对照、加总和分割，尽可能避免不必要的误差。 四、出口贸易风险影响因素分析 基于上述计算结果，对影响一国出口风险的宏观经济
12、因素进行经验分析。根据 Islam and Stiglitz （ 2001）， Kose， Prasad and Terrones （ 2003）等的研究，选取如下主要宏观经济变量作为影响一国出口风险的主要因素：贸易条件（ TOT）、人均 GDP、贸易开放度以及金融开放度。将模型设定为以下形式： 其中 REX-ct表示国家 c 在第 t年的出口风险指数； TOT-c t 表示国家 c在第 t年的出口贸易条件； IPC-c t 表示国家 c 在第 t 年的经过购买力平价调整的人均收入； TO-ct 表示国家 c 在第 t 年的贸易开放程度； FO-c t 为国家 c在第 t年的金融一体化程度的测
13、度，用总国外资产与总国外负债之和与GDP 的比表示（ Lane and Milesi-Ferretti， 2006）。 样本区间为 1996 2009 年中国加上 25 个 OECD 国家的数据 ：因变量REX-ct为前文测算得到。解释变量商品的价格贸易条件指数 TOT-c t数据资料来源于 UNCTAD handbook of statistics 2011 on-line。经过购买力平价调整的人均收入数据来自世界银行数据库。以现值计算的贸易开放度指数TO-c t 来源于 Alan Heston， Robert Summers and Bettina Aten， Penn World Tab
14、le Version 6.3。金融开放数据用总国外资产与总国外负债之和与 GDP 的比表示，来自世界银行数据库。变量的统计性描述如表 2 所示。 考虑到多重共线性的问题，进一步考察变量间的相关系数，根据表 3，变量间的相关系数普遍较低，除了人均 GDP变量与金融开放度变量的相关系数较高（达到 0.5485），其余均低于 0.5。为了减轻多重共线性的影响，采用逐步回归的方法对变量进行选择 。考虑到 Hausman检验和 POLS与 Fe比较的 F检验均拒绝了不存在固定效应的原假设，因此，采用面板固定效应进行估计，初 步估计结果见表 4。根据表 4，各变量的系数与预期基本一致。本文采用包括中国在内
15、的 26个国家共 14年数据，因此，有必要进一步对模型的序列相关、异方差和截面相关问题进行诊断。一般而言，当不可观测的共同因素与解释变量无关时，固定效应模型可以一定程度上解决由于共同因素引起的误差项的横截面相关性引起的估计结果不一致的问题，但即使如此，对结果的有效性仍无能为力，同时常用的 white方法等也会失效。本文考虑到发达国家贸易条件可能存在类似的共同特征因素，即发达国家贸易条件受到某些共同因素的影响，采取了 Pesarans CD 检验截面相关性。序列相关、异方差和截面相关检验高度拒绝原假设（原假设为不存在序列相关、异方差和截面相关）。为了得到一致且有效的估计量，借鉴 Driscoll
16、 and Kraay （ 1998）提出的方法，即通过构建一个协方差矩阵估计值，产生标准误的异方差、自相关一致估计量。同时，对于序列相关问题，采用干扰项滞后一期的 VA（ 1）过程加以规避。 从表 4 的估计结果来看，一国出口风险受到出口贸易条件的影响很显著，当回归方程中仅仅纳入出口贸易条件和人均 GDP时，一国出口风险的变化有一半可以由贸易条件得到解释， 即便纳入多个有共线性的其他解释变量以后，一国出口风险波动仍然主要由贸易条件的影响造成，由出口产品价格来衡量的贸易条件将影响一国在不同部门间或者同一部门内的资源配置情况，从而导致产出的波动性，并进一步体现为对出口贸易风险的正向影响。同时还发现，一国的人均收入对该国出口风险的影响不显著，不论纳入多少个解释变量，得到的结果均比较一致。再者，贸易开放程度与金融开放程度呈现出对出口风险正的显著影响，尤其是金融开放程度，可见，国家间的金融行为日益密切，并且货币形式的波动传导速度往往较商品形式更快，尤其是选择了 OECD 国 家作为样本，发达国家之间的金融联系更加紧密。因此，金融开放程度越高，金融波动的传导速度和影响规模就越迅速，进而影响一国实体经济的产出，呈现出对出口贸易风险正的显著影响。
