跨境电商与中国出口新增长—...息成本和规模经济的双重视角_马述忠.pdf

跨境电商与中国出口新增长* 基于信息成本和规模经济的双重视角马述忠房超内容提要: 跨境电商作为一种贸易新业态， 正广泛而深刻地影响全球贸易格局， 中国跨境电商产业的发展在世界范围内处于领先地位。本文使用双重差分法定量分析中国跨境电商产业政策对出口的总体性和结构性影响， 并探讨其中的作用机制。研究表明， 2012年后各项跨境电商产业政策的实施使得中国相关类别出口增长约 4%9%。通过对贸易流的结构性分解， 发现跨境电商产业政策能够促进出口沿着扩展边际和集约边际实现增长， 对扩展边际的作用更加显著， 对集约边际的作用略显滞后。进一步的作用机制分析发现， 跨境电商的发展， 一方面降低信息成本， 促进出口在扩展边际上的增长; 另一方面强化规模经济， 促进出口在集约边际上的增长。本文为理解跨境电商对国际贸易的影响提供新的视角， 为发展贸易新业态推动贸易强国建设提供经验证据支撑。关键词: 跨境电商出口增长二元边际信息成本规模经济*马述忠、 房超( 通讯作者) ， 浙江大学中国数字贸易研究院， 邮政编码: 310058， 电子信箱: mashuzhong zju edu cn，fangchao1995 zju edu cn。本研究得到国家自然科学基金面上项目( 71973120) 、 国家社科基金重大项目( 20ZDA103) 、 国家重点研发计划重点专项项目( 2018YFB1403200) 资助。作者感谢匿名审稿专家提出的宝贵意见， 当然文责自负。 新业态助力 国务院常务会议一揽子政策稳外资外贸基本盘 ， http: / /www gov cn/zhengce/2020 04/09/content_5500554 htm。一、引言20 世纪 90 年代以来， 以互联网为代表的第三次工业革命席卷全球， 正在广泛而深刻地影响着社会经济各领域。人们不仅能够以更低的成本开展原有的商业活动， 而且可以凭借这些技术颠覆原有的商业活动， 创造出崭新的商业模式( Borenstein Saloner，2001) 。在传统外贸增速放缓、 贸易摩擦日渐增多的背景下， 作为互联网技术在国际贸易领域深度应用的跨境电商， 已经日渐成为我国外贸新旧动能转换的重要推动力量( 裴长洪和刘斌，2019) 和外贸增长的“新引擎” ( 郭四维等，2018) 。发展贸易新业态， 培育和形成国际竞争新优势， 是构建中国开放型经济学的四个核心议题之一( 裴长洪和刘斌， 2020) 。中国贸易新业态的快速发展， 与政府层面的努力密不可分。自 2012 年以来， 国务院、 商务部、财政部、 海关总署等部门出台了包括 关于实施支持跨境电子商务零售出口有关政策意见的通知在内的几十余份跨境电商政策文件。同样也是从 2012 年开始， 我国政府在全国范围内设立了多批跨境贸易电子商务服务试点城市和跨境电子商务综合试验区。这些政策文件和政策试点( 下文统称为 “跨境电商产业政策” ) 为跨境电商进出口贸易提供了大量的便利措施， 包括简化进出口通关手续、 完善出口退税、 提供金融支付支持等， 同时也从多个方面规范了跨境电商主体的行为。这些产业政策为跨境电商的持续健康发展提供了重要支撑与保障。在新冠肺炎疫情全球蔓延的背景下， 2020 年 4 月国务院常务会议指出当前传统外贸受到疫情较大冲击， 必须更大发挥跨境电商独特优势， 以新业态助力外贸克难前行。9512021 年第 6 期表 1代表性跨境电商产业政策时间颁布单位政策文件名称2012 年 3 月商务部关于利用电子商务平台开展对外贸易的若干意见2013 年 8 月商务部等 9 个部门关于实施支持跨境电子商务零售出口有关政策的意见2013 年 12 月财政部、 国家税务总局 关于跨境电子商务零售出口税收政策的通知2014 年 1 月海关总署关于增列海关监管方式代码的公告2014 年 2 月国家税务总局关于外贸综合服务企业出口货物退( 免) 税有关问题的公告2014 年 7 月海关总署关于跨境贸易电子商务进出境货物、 物品有关监管事宜的公告2015 年 3 月国务院关于同意设立中国( 杭州) 跨境电子商务综合试验区的批复2015 年 6 月国务院办公厅关于促进跨境电子商务健康快速发展的指导意见2015 年 7 月国务院国务院关于推进 “互联网 + 行动” 的指导意见2016 年 1 月国务院关于同意在天津等 12 个城市设立跨境电子商务综合试验区的批复2018 年 8 月国务院关于同意在北京等 22 个城市设立跨境电子商务综合试验区的批复2019 年 12 月国务院关于同意在石家庄等 24 个城市设立跨境电子商务综合试验区的批复2020 年 5 月国务院关于同意在雄安新区等 46 个城市和地区设立跨境电子商务综合试验区的批复毫无疑问， 这些政策的出台推动了中国进出口贸易的增长。但由于交易方式独特等原因， 对跨境电商的统计是一个国际难题，不同机构公布的跨境电商统计数据存在巨大差异。跨境电商对进出口贸易的促进作用很难准确衡量， 跨境电商促进贸易增长的作用机制则更难进行分析。就理论构建和产业发展而言， 我们有必要回答如下的问题: 跨境电商产业政策的贸易促进效应到底有多大? 跨境电商通过什么样的方式推动外贸增长? 未来应当如何更具针对性地出台跨境电商政策以推动贸易新业态的发展? 本文做了如下的实证工作， 以尝试回答这些问题: 第一步， 使用双重差分法估计跨境电商产业政策的出口促进作用; 第二步， 具体分析跨境电商的发展是沿着扩展边际还是集约边际促进出口的增长; 第三步， 从信息成本和规模经济的双重视角出发， 尝试去解释为何跨境电商的发展能够促进出口沿着扩展边际或集约边际实现增长。与本文密切相关的研究， 一类是有关出口增长的文献。中国出口如何实现快速增长， 一直以来是国内学者的研究热点。传统关于出口增长的研究多聚焦于: ( 1) 中国国内特殊的市场环境以及这些市场环境促进出口增长的内在逻辑( 朱希伟等， 2005; 张杰等， 2010) ; ( 2) 外部经济因素与出口增长之间的关系( 钟昌标，2007; 刘志彪和张杰，2009) ; ( 3) 出口增长的实现方式， 特别是基于多元边际的分解( 钱学锋和熊平， 2010; 施炳展， 2010) 。近年来， 随着互联网在国际贸易中的普遍应用， 学者越来越多地关注技术在促进出口增长中发挥的重要作用， 这一类研究与本文直接相关。国外学者 Freund Weinhold( 2002) 、 Freund Weinhold( 2004) 等较早地研究了互联网普及与货物和服务贸易之间的关系。近几年来， 国内学者基于中国互联网发展和出口增长的典型事实， 做了很多有益探索。施炳展( 2016) 的研究发现， 互联网会提高企业出口概率， 促进企业持续出口， 降低企业出口价格。与互联网相比， 电子商务是数字技术在贸易领域更加深层次的应用。岳云嵩和李兵061马述忠、 房超: 跨境电商与中国出口新增长海关总署 : 目前统计跨境电商是国际难题 ， http: / /baijiahao baiducom/s? id =1591836955248546601wfr =spiderfor =pc海关总署统计数据显示， 2017 年我国通过海关跨境电子商务管理平台零售进出口的交易总额达到 902. 4 亿元。艾媒咨询发布的 20172018 中国跨境电商市场研究报告 则显示 2017 年跨境电商整体交易总额为7. 6 万亿元。网经社发布的 中国电子商务市场数据监测 显示 2017 年中国跨境电子商务交易总额 8. 06 万亿元， 这一数据意味着 2017 年我国 29% 的进出口贸易通过跨境电商进行。( 2018) 的研究发现， 电子商务的应用主要通过提高生产效率、 交易匹配效率和降低出口门槛三条路径促进企业出口的增长。而作为数字技术与国际贸易紧密结合的产物， 跨境电商日渐成为学者研究的一个热点。马述忠等( 2018) 、 郭四维等( 2018) 认为跨境电商具有贸易成本普遍降低、 中间环节大幅减少、 弱势群体广泛参与等特征， 并将跨境电商比喻为 “外贸新引擎” ; 裴长洪和刘斌( 2019) 进一步认为， 跨境电商深刻改变了全球价值链中的分工体系。这些研究主要是理论分析结合事实梳理， 缺乏数据的支撑。Lendle et al ( 2016) 、 马述忠等( 2019) 和鞠雪楠等( 2020) 是少见的将跨境电商和国际贸易结合起来并作定量分析的研究。他们的研究与本文最为相近， 但是他们的研究主要集中在对比跨境电商与传统贸易中贸易成本的差异， 比如固定成本、 可变成本、 地理距离等， 而对跨境电商的贸易促进作用关注不多， 对国际贸易的另一决定因素经济规模同样有所忽视。与本文研究相关的另一类研究关注网络平台本身， 比如平台交易中的长尾效应( Brynjolfsson etal，2011) ; 平台价格粘性与汇率传递( Cavallo， 2017; Cavallo， 2018; Anson et al， 2019) ; 平台的信息披露、 信用评分等各类机制设计( Lewis， 2011; Newberry Zhou， 2016) 。近年来， 也有一些学者创造性地将平台的机制设计与国际贸易相联系， 比如 Brynjolfsson et al ( 2019) 发现跨境电商平台提供的机器翻译功能会促进国际贸易的增长， Chen Wu( 2020) 发现平台上出口商的用户评分对其出口有显著的影响。这一类较为微观的研究可以为本文作用机制探讨提供有用的素材。与已有文献相比， 本文可能有以下几点创新之处: 第一， 已有研究跨境电商与出口之间关系的文献主要以定性分析为主， 或者从侧面探讨跨境电商对贸易成本的降低作用， 而本文创新性地利用跨境电商产业政策展开定量分析， 将跨境电商与出口增长的研究有机结合起来。第二， 本文的研究不仅仅局限于总量上的分析， 而是将传统的贸易流量结构性分解方法应用于跨境电商的研究中， 从二元边际的角度探讨跨境电商促进出口增长的实现机制。第三， 已有研究跨境电商与贸易的文献集中于跨境电商如何降低贸易成本， 本文基于信息成本和规模经济的双重视角， 探讨跨境电商促进出口增长的理论机制， 特别是分析了需求方规模经济在平台贸易中的重要作用， 提供了一个新的研究视角。本文后续章节内容如下: 第二部分， 构建理论框架， 从信息成本和规模经济两个视角理论剖析跨境电商如何推动出口二元边际的增长; 第三部分， 介绍本文的实证模型以及所使用的数据和变量; 第四部分， 评估跨境电商产业政策的效果， 并检验跨境电商对出口二元边际的影响以及其中的作用机制; 第五部分， 总结全文并提出政策建议。二、理论机制分析跨境电商作为一种全新的贸易业态， 对国际贸易的影响是复杂和多维的， 既有地理距离、 固定成本等方面的影响( Lendle et al， 2016; 马述忠等， 2019; 鞠雪楠等， 2020) ， 又有扩大贸易主体、 丰富贸易内容等方面的影响( 郭四维等， 2018) ， 还有价值链分工、 生产组织方式等方面的影响( 裴长洪和刘斌， 2019) 。陈勇兵和陈宇媚( 2011) 认为， 对于理解贸易增长的路径而言， 分析不同贸易决定因素主要沿着何种边际对总贸易产生影响是至关重要的。本文的理论分析遵循这一逻辑， 首先基于国际贸易引力模型， 分析跨境电商的贸易决定因素发生了什么变化， 其次探讨这些变化了的贸易决定因素通过何种贸易边际对总贸易流产生影响。从引力模型展开分析， 是因为引力模型为我们提供了一个分析国际贸易决定因素的简单但又相对完备的分析框架， 即两国之间的贸易流量由以地理距离为代表的贸易成本和两国的经济规模所决定。而且大量的实证研究发现引力模型具有很好的拟合效果， 其被认为是国际贸易研究中最为成功的模型之一( Chaney， 2018; Carrre et al， 2020) 。本文的贸易流分解采用经典的二元边际1612021 年第 6 期方法， 这一方法被广泛应用于产品层面、 企业层面和国家层面贸易流的结构性分解中( 陈勇兵和陈宇媚， 2011) 。虽然分解的层次不一样， 但基本含义都是一致的， 扩展边际主要是指建立新的贸易联系， 而集约边际则主要是指原有的贸易联系进一步强化。( 一) 信息成本与出口扩展边际经典的国际贸易引力模型认为， 两国之间的贸易流量与两国之间的地理距离成反比， 与两国的经济规模成正比( Tinbergen， 1962) 。在早期的研究中， 学者仅将地理距离解释为运输成本。但随着研究的深入， 逐渐发现如果仅将地理距离解释为运输成本是不合理的， 运输成本只是距离效应中的很小一部分( Deardorff，1998) ， 距离效应还包括地理距离所间接引致的信息成本( Cawley Philipson， 1999; Huang， 2007; Allen， 2014) 。马述忠等( 2019) 通过简单的理论模型刻画了地理距离的两种效应， 一是运输成本效应; 二是信息成本效应。前者比较简单， 就是单纯的交通物流费用，后者突出地表现为国际贸易中一方很难寻找到另一方， 或者说贸易双方的匹配成本很高。跨境电商对运输成本效应的影响并不显而易见( Gomez- Herrera et al， 2014; Kim et al， 2017) ，但对信息成本的降低作用则是非常直接的。首先， 跨境电商平台将全球连接成统一的大市场， 可以提供相对完善且对称的供需信息( 郭四维等， 2018) 。一方面， 无论是谷歌、 百度等大型搜索引擎网站， 还是跨境电商平台内部的搜索引擎， 都可以通过用户输入的关键词信息将买方导引到所需产品的页面， 从而大大降低搜索成本( Bakos， 1997; Ellison Ellison， 2009; 江小涓， 2017; Dinerstein etal， 2018) ; 另一方面， 平台根据用户的消费记录与浏览记录， 基于推荐系统中的机器学习、 用户画像等算法， 为用户精准推送产品， 从而降低搜索成本( Senecal Nantel，2004; Xiao Benbasat，2007; 江小涓， 2017) 。其次， 跨境电商平台构建了一种网络空间的惩罚机制。平台通过用户评论评分等手段， 提高企业机会主义行为的成本， 从而减少由于信息不对称而导致的道德风险( Chen Wu， 2020) 。这种网络空间的制度安排与现实中的法律法规是类似的。最后， 跨境电商集成了人工智能、 机器翻译等功能， 能够帮助不同语言文化背景的交易双方顺畅沟通， 在一定程度上减少了信息摩擦( Brynjolfsson et al 2019) 。进一步地， 分析跨境电商所带来的信息成本降低效应通过何种边际对贸易流产生影响。国内外的研究均发现， 贸易成本的变化对扩展边际的影响更加明显( 钱学锋，2008; Lawless，2010; 陈勇兵和陈宇媚， 2011) 。因为贸易成本主要对建立新的贸易联系产生作用。一个典型的例子是， 如果贸易成本下降， 很多零贸易流会变成正贸易流。信息成本是贸易成本中的一种( Anderson VanWincoop， 2004) ， 上文提到的搜索引擎的匹配功能以及推荐算法的功能， 事实上都是使得原本没有联系的双方建立新的贸易联系。也就是说， 跨境电商发展所带来的信息成本下降， 主要是沿着扩展边际促进出口规模的增长。基于上述分析， 本文提出假说一: 跨境电商的发展使得地理距离、 制度和文化差异引致的信息成本下降， 贸易双方匹配的概率提升， 从而促进出口沿着扩展边际实现增长。( 二) 规模经济与出口集约边际国际贸易引力模型中， 除地理距离外， 经济规模是另一重要的贸易决定因素。经济规模意味着需求市场的大小， Krugman( 1980) 构建的贸易模型中， 企业定位于大的需求市场以实现规模经济效应。与传统贸易时代相比， 数字经济时代需求市场经济规模的重要性进一步提升( 邱泽奇等，2016) 。跨境电商贸易的基本载体 平台， 是一个典型的双边市场( ochet Tirole， 2003) ， 具有明显的网络外部性特征。跨境电商平台内卖家能够获得的价值取决于平台内买家的数量( Armstrong， 2006) ， 买家数量越多， 意味着平台内的卖家所面对的市场需求越大， 而且根据梅特卡夫定律， 市场需求的价值与买家数量的平方成正比。长尾效应可以很好地解释为何平台交易中市场规模变得更加重要。传统贸易理论常常忽视消261马述忠、 房超: 跨境电商与中国出口新增长费者偏好所引致的异质性需求( 裴长洪和刘斌，2020) 。而数字经济时代， 平台近乎于零的货架成本以及搜索引擎等数字化工具， 使得消费者可以根据自身的喜好任意地搜寻商品( Brynjolfsson etal， 2006; Brynjolfsson et al， 2011) 。如果需求市场规模较小， 满足差异化需求的单位成本较高; 而如果市场规模足够大， 差异化需求通过平台的汇聚和组合产生规模效应， 从而能够被更好地发现和更低成本地满足。也就是说， 差异化需求的价值因为市场规模而放大化和显性化( 邱泽奇等， 2016) 。进一步分析跨境电商发展所带来的规模经济效应强化会通过何种边际对贸易流产生影响。传统贸易的研究中， 学者发现与贸易成本不同， 经济规模主要作用于集约边际( 钱学锋和熊平，2010;项松林， 2020) 。其中的逻辑也是简单的， 贸易伙伴国经济规模的扩大， 意味着市场容量和消费潜力的增长， 需要进口更多的商品， 也就是原有的贸易联系得到强化。而跨境电商的发展则进一步激发了原有经济规模的需求潜力， 包括消费者差异化需求等， 从而促进了原有贸易规模的进一步扩张。换句话说， 跨境电商贸易中， 由于网络外部性和长尾效应的存在， 使得经济规模的吸引作用进一步强化， 从而促进出口在集约边际上的增长。基于上述分析， 本文提出假说二: 跨境电商贸易中规模经济效应更加突出， 使得贸易伙伴国市场规模的需求潜力被进一步激发， 从而促进出口沿着集约边际实现增长。本文基于理论分析得到的假说一和二都是较为具体的机制。从假说一和二出发， 可以自然而言地认为跨境电商的发展既能够促进出口在扩展边际上的增长， 又能够促进出口在集约边际上的增长。当然， 跨境电商同时促进出口在二元边际上的增长， 必定也意味着其能够促进出口总额的增长。在后续的实证研究中， 本文采取相反的逻辑， 先检验总体再进行结构性分解: 首先， 检验跨境电商促进出口增长的总效应; 其次， 检验跨境电商促进出口二元边际的作用; 最后， 尝试去验证跨境电商促进出口二元边际的理论机制， 也就是假说一和二。三、实证模型与变量说明( 一) 模型说明1 政策效应检验模型如理论机制分析部分所述， 引力模型是研究国际贸易的经典模型( Chaney，2018; Carrreet al， 2020) 。本文借鉴 Kim et al ( 2017) 在研究欧盟市场跨境电商时所构建的单一出口国对数线性化引力模型， 同时参考 Moser Voena( 2012) 双重差分的研究设计，建立回归模型进行实证检验。具体而言， 本文通过对比分析两组产品类别( 在跨境电商平台上交易的产品类别和不在跨境电商平台上交易的产品类别) ， 在跨境电商产业政策颁布前后出口规模的变化情况， 来论证跨境电商产业政策的出口促进作用。本文构建的实证模型如下:lnEXitj= 0+ 1CBECi POSTt+ 2CBECi+ 3POSTt+ 4Xtj+ itj( 1)其中， i 代表 HS6 位产品类别; t 代表时间; j 代表贸易伙伴国; 被解释变量 lnEXitj表示我国在 t 时间向 j 国出口的 i 类别产品金额的对数值; 解释变量 CBECi为虚拟变量， 表示 i 产品类别是否为在跨境电商平台上交易的产品类别， 是则 CBECi取 1， 否则 CBECi取 0; POSTt为虚拟变量， 表示 t 时间是否为跨境电商产业政策实施之后的年份， 20122016 年样本的 POSTt取 1， 20092011 年样本的 POSTt取 0; Xtj表示 t 时间 j 国的控制变量， 包括地理距离、 制度距离、 文化距离、 GDP、 人均 GDP、互联网普及率等变量; itj表示影响出口的其他随机因素。详细的变量解释见下一节“ ( 二) 变量说明” 。1是本文关注的系数， 其衡量了跨境电商产业政策的出口促进作用， 也就是处理效应。3612021 年第 6 期Moser Voena( 2012) 的研究基于敌对国家贸易法案( TWEA) 这一准自然实验， 使用双重差分法分析了受到强制许可制度影响的 336 个行业( 处理组) 与其他没有受到影响的行业( 对照组) 的专利申请情况的差异。为了控制年份、 产品类别层面的不可观测因素， 在模型( 1) 的基础上加入年份固定效应 vt、 类别固定效应( HS6 位层面) ui。参照 Moser Voena( 2012) 的做法， 再加入主类别( HS2 位层面) 年份固定效应 wit， 以控制某些随类别、 年份变化的因素， 比如政府针对某个出口行业的产业政策。加入各类固定效应后的模型如下所示:lnEXitj= 0+ 1CBECi POSTt+ 2Xtj+ vt+ ui+ wit+ itj( 2)2 二元边际检验模型上述模型主要检验跨境电商产业政策的出口促进作用。进一步地， 遵循现有贸易增长的分解框架， 将出口促进作用分解为扩展边际的增长和集约边际的增长( Chaney，2008) 。参考王孝松等( 2014) 的研究， 首先进行产品类别 年份层面的二元边际检验。具体来说， 将扩展边际 EXMG1it定义为某个产品类别出口国家的数量， 将集约边际 INMG1it定义为某个产品类别出口到各个国家的平均出口额。以 EXMG1it和 INMG1it为被解释变量， CBECi和 POSTt的交互项为核心解释变量， 同时加入三类固定效应， 构建回归模型如( 3) 和( 4) 所示:EXMG1it= 0+ 1CBECi POSTt+ vt+ ui+ wit+ it( 3)INMG1it= 0+ 1CBECi POSTt+ vt+ ui+ wit+ it( 4)除了上述的二元边际构建方法， 我们还借鉴 Amurgo- Pacheco( 2007) 、 钱学锋和熊平( 2010) 的做法在保留国家维度的情况下进行国家 产品类别 年份层面的二元边际检验。具体而言， 将扩展边际 EXMG2itj定义为基期没有而后续年份新出现的贸易流( 新的贸易联系) ， 将集约边际INMG2itj定义为基期就有后续年份继续出现的贸易流( 旧的贸易联系) 。参考模型( 2) ， 将被解释变量替换为 EXMG2itj和 INMG2itj， 构建如下两个模型:EXMG2itj= 0+ 1CBECi POSTt+ 2Xtj+ vt+ ui+ wit+ itj( 5)INMG2itj= 0+ 1CBECi POSTt+ 2Xtj+ vt+ ui+ wit+ itj( 6)3 作用机制检验模型为了分析跨境电商促进出口增长的作用机制， 即跨境电商是否通过降低信息成本促进出口沿着扩展边际增长， 是否通过强化规模经济效应促进出口沿着集约边际增长， 本文参考 Christofzik Kessing( 2018) 、 Li Xu( 2018) 的做法， 在模型( 5) 和( 6) 的基础上， 加入 CBECi POSTt与国家特征变量 M 的交互项， 从而得到处理效应在不同国家之间的异质性( heterogeneous treatment effects) ，以此来间接说明相关的作用机制。本文构建如下模型:EXMG2itj= 0+ 1CBECi POSTt M + 2CBECi POSTt+ + itj( 7)INMG2itj= 0+ 1CBECi POSTt M + 2CBECi POSTt+ + itj( 8)模型( 7) 中国家特征变量 M 具体包括地理距离、 制度距离、 文化距离等反映信息成本的特征变量， 以及反映互联网搜索热度的特征变量。模型( 8) 中国家特征变量为反映进口国市场规模的GDP 变量。在集约边际的机制分析中， 为了进一步检验理论部分对消费者差异化需求的分析， 本文先对不同差异化程度的产品类别进行分样本回归( auch， 1999) ， 以说明跨境电商产业政策对不同差异化产品的异质性影响; 再结合反映市场规模的特征变量， 分析差异化产品出口是否存在经济规模作用强化的现象。( 二) 变量说明1 被解释变量本文使用 UN Comtrade 数据库中， 中国分国别、 分产品类别( HS6 位编码层面) 出口数据进行实证检验， 时间跨度为 20092016 年。由于 HS 编码体系在 2012 年发生过一次调整， 本文使用 UNTrade Statistics 提供的 Conversion HS2012 HS2007 对应表将 20122016 年的出口数据对应到HS2007 编码， 使之与 20092011 年出口数据的编码一致。在实证检验中， 对出口金额进行对数化461马述忠、 房超: 跨境电商与中国出口新增长处理， 得到被解释变量 lnEX。二元边际的检验， 我们计算两个层面的被解释变量。产品类别年份层面的回归中， 参考王孝松等( 2014) 的做法， 将原始数据按照产品类别 年份进行分类汇总， 计算得到各个产品类别在不同年份的出口国家数量作为扩展边际 EXMG1it和平均出口金额的对数作为集约边际 INMG1it。国家 产品类别 年份层面的回归中， 参考钱学锋和熊平( 2010) 的做法， 集约边际 INMG2it的计算方法是， 将 2009 年作为基准年份， 如果 2009 年某个产品类别出口到某个国家， 那么依次考察 20102016 年该产品类别是否仍然由中国出口到该国。如果出口， 那么将该产品的出口值作为集约边际的值; 如果不出口， 那么集约边际为零。扩展边际 EXMG2itj的计算方法则相反， 将 2009 年没有而20102016 年有的产品类别 国家组合的出口额作为扩展边际的值; 如果没有出口， 那么扩展边际为零。最后， 对出口金额先加一再取对数， 以保证零贸易流不会被剔除。2 差分变量由于跨境电商贸易的特殊性， 跨境电商平台上交易的产品类别只是全部贸易类别中的一部分( Lendle et al， 2016) ， 主要为生活消费品， 包括食品饮料、 服装鞋帽、 家用电器、 化妆品、 玩具等。这为本文使用双重差分法分析跨境电商产业政策的出口促进作用提供了可能， 即通过甄别手段将HS 产品类别划分为两类， 在跨境电商平台上交易的产品类别和不在跨境电商平台上交易的产品类别。Lendle et al ( 2016) 在考察地理距离对传统贸易和跨境电商的不同影响时， 就进行了产品类别的甄别工作， 将 eBay 平台上交易的相关 HS 类别筛选出来， 形成新的 “一篮子” 可比传统贸易产品， 然后再进行对比分析。本文如果同样使用这一甄别策略， 可能会存在一定的问题， 因为 eBay 平台有其特殊性。幸运的是， 出于税收监管的需要中国财政部等部门公布了 跨境电子商务零售进口商品清单( 下文简称 清单 ) ， 其中列示了可以通过跨境电商零售进口的税则号列。虽然这份 清单 是进口商品的清单， 但这些产品类别作为主要交易类别在跨境电商出口中仍然适用。而且更重要的是， 由于进口和出口并不直接相关， 内生性问题可以得到一定程度的缓解。为了尽可能地将所有受跨境电商影响的产品类别囊括到 CBEC 类别中， 本文将从清单 整理得到的类别与 Lendle et al ( 2016) 提供的类别进行合并， 得到共 1479 个在跨境电商平台上交易的类别( 处理组， CBEC 变量为 1) 和 3726个不在跨境电商平台上交易的类别( 对照组， CBEC 变量为 0) 。除了甄别 CBEC 类别， 双重差分模型还需要设定时间差分变量。前文引言部分已经提到， 自2012 年以来， 国务院等部门陆续出台了几十余份跨境电商相关的政策文件， 以及设立了多批跨境贸易电子商务服务试点城市和跨境电子商务综合试验区。进一步分析跨境电商关键词的百度搜索热度发现， 2012 年之前年份搜索热度基本为零， 2012 年下半年有一些零星的搜索， 2013 年之后搜索热度快速上升并一直维持在高位。因此， 本文将 2012 年作为政策实施的时间节点， 若样本位于20092011 年， 则时间差分变量 POST 为 0; 若样本位于 20122016 年， 则 POST 为 1。3 控制变量参考引力模型经典实证研究， 本文选取地理距离( lndist) 、 制度距离( insdist) 、 文化距离( culdist) 、 国内生产总值( lngdp) 、 人均国内生产总值( lngdpp) 、 互联网普及率( internet) 、 是否接壤( contig) 、 是否共同语言( comlang) 、 是否曾为同一个国家( smctry) 这些变量作为模型的控制变量。变量的具体构建方法如下:5612021 年第 6 期Lendle et al ( 2016) 在论文附录中提供的 eBay 商品类别与 HS 编码对应表包括: 2 位编码( 7 个) 、 4 位编码( 74 个) 以及 6位编码( 35 个) 。本文为了方便后续的分析， 将这些不同层面的编码统一到 6 位层面， 具体方法如下: 6 位编码保持不变; 2 位编码替换为这些 2 位编码所囊括的所有 6 位编码; 4 位编码同样替换为这些 4 位编码所囊括的所有 6 位编码， 最后得到共 832 个类别。本文的划分方法可能还是无法保证完全甄别了两个类别， 但这并不会显著影响我们的结论。因为如果划分错了类别， 只会导致实证检验中 CBEC POST 的系数被低估。如果我们的实证结果显著为正， 仍可以说明跨境电商的出口促进作用。lndist 表示中国与贸易伙伴国最大城市之间地理距离的对数值， 是国际贸易引力模型中的经典变量( Tinbergen， 1962) ， 用以控制贸易伙伴国与中国之间的地理距离相关成本， 数据来自 CEPII 的GeoDist 数据库。insdist 表示中国与贸易伙伴国之间的制度距离， Liu et al ( 2018) 在贸易流决定因素的分析中也使用了这一变量。本文使用世界银行世界治理指标( world governance indicators) 中提供的公民权利、 政治与社会安定、 政府效率、 社会监管、 法律法规、 腐败控制共 6 项指标， 计算世界各国与中国之间的制度距离。culdist 表示中国与贸易伙伴国之间的文化距离。本文使用 Hofsted 官网提供的权力距离、 男性主义、 个人主义、 不确定性规避共 4 项指标，计算世界各国与中国之间的文化距离。计算公式与制度距离的计算公式一致。lngdp 表示贸易伙伴国国内生产总值的对数值， 是国际贸易引力模型中的经典变量( Tinbergen， 1962) ， 用以控制贸易伙伴国的经济规模。此外， 本文还参考引力模型的研究( Melitz，2008; Head Mayer，2014; Lendle et al，2016) ，引入如下常用的控制变量: lngdpp 表示贸易伙伴国人均国内生产总值的对数值， 用以控制贸易伙伴国的经济发展水平。internet 表示贸易伙伴国网民人口占总人口的比重， 即互联网普及率， 用以控制贸易伙伴国互联网产业发展状况。这两个变量来自世界银行的世界发展指标数据库( WDI) 。contig 表示贸易伙伴国是否与中国接壤。comlang 表示贸易伙伴国是否与中国拥有共同语言。smctry 表示贸易伙伴国与中国是否曾是同一个国家。这三个变量为虚拟变量， 均来自 CEPII 的GeoDist 数据库。4 机制检验变量作用机制检验中， 本文参考 Christofzik Kessing( 2018) 、 Li Xu( 2018) 的做法， 寻找合适的国家特征变量 M 来论证本文所提出的作用机制。这些国家特征变量的详细说明和选取依据如下:第一， 信息成本视角的分析主要使用 lndist、 insdist、 culdist、 alibaba、 aliexpress 等变量。首先， 选取 lndist 是因为地理距离具有运输成本效应和信息成本效应， 可以在某种程度上作为信息成本的一个代理变量。其次， 选取 insdist 和 culdist 主要是考虑到这两个变量与地理距离引致的信息成本效应密切相关， 而与运输成本效应无关， 因而可以更好地刻画跨境电商的发展对信息成本的降低作用。最后， 参考 Choi Varian( 2012) 的做法使用谷歌趋势( google trends) 构建搜索热度变量alibaba 和 aliexpress，这主要是考虑到搜索引擎是跨境电商贸易中克服信息摩擦的重要手段( Varian， 2006; Goldfarb Tucker，2019) ， 而 Alibaba( 阿里巴巴国际站) 和 AliExpress( 阿里速卖通) 是我国两大标志性的跨境电商 B2B 和 B2C 平台。第二， 市场规模视角的分析主要使用国内生产总值 lngdp 变量反映进口国的总体市场规模， 用以检验跨境电商发展之后经济规模的正面影响是否有所强化。被解释变量、 差分变量、 控制变量以及机制检验变量的描述性统计结果如表 2 所示。661马述忠、 房超: 跨境电商与中国出口新增长计算公式为 insdistit=166k =1( Ijt， k Ict， k)2Vt， k， 其中， Ijt， k表示贸易伙伴国 j 在时间 t 第 k 项指标的得分情况， Ict， k表示中国在时间 t 第 k 项指标的得分情况， Vt， k表示 t 时间第 k 项指标的方差。Hofsted 官网提供了衡量一国文化的 6 项指标， 但其中长期取向、 自我放纵指标数据缺失较为严重。为了在分析中囊括更多国家， 本文使用其中的 4 项指标计算文化距离。谷歌趋势提供的关键词指标是一个相对指标， 得分越高表示关键词在该国所有查询中占比越高， 并不代表绝对查询次数越多。本文将关键词指标与该国网民人数相乘再取对数， 得到关键词搜索热度的一个近似值。表 2变量描述性统计结果变量观测值均值标准差最小值中位数最大值lnEX277945811. 6203. 027011. 71024. 510EXMG13799773. 14952. 604166183INMG13799713. 4861. 991013. 63221. 683EXMG213065013. 8424. 8310021. 212INMG2212787410. 9594. 705012. 00624. 511CBEC27794580. 4100. 492001POST27794580. 6460. 478011lndist27794588. 9120. 5716. 8628. 9609. 868insdist27771001. 6351. 5300. 0610. 9296. 114culdist19313662. 2931. 4590. 1572. 0515. 621lngdp273482125. 3422. 08417. 11525. 47130. 555lngdpp27348218. 9091. 4415. 3238. 95511. 689internet27738750. 4590. 2860. 0020. 4600. 983contig27794580. 1020. 303001comlang27794580. 0400. 196001smctry27794580. 0280. 165001alibaba175525121. 5371. 61516. 11521. 5