中国数字贸易效率与数字贸易潜力测算

王微微，李雨晨

（中国社会科学院大学 经济学院，北京 102488）

0 引言

数字经济发展速度之快、涉及范围之广、影响程度之深前所未有，随之而来的是数字贸易的增长。数字贸易正深刻影响着国际分工格局，对于各国增强数字时代的新型国际竞争力具有重要意义。因此，中国数字贸易效率、潜力及影响因素分析是数字经济时代亟须破解的课题。

关于中国数字贸易增长的研究已取得一定学术成果。蓝庆新和窦凯（2019）[1]的研究表明，技术水平、数字贸易产业开放度等因素对中国数字贸易国际竞争力有明显的正向效应；岳云嵩和赵佳涵（2020）[2]指出，服务业发展、对外直接投资扩张、信息化水平提升等对数字服务出口存在显著正向作用；孙玉琴和卫慧妮（2022）[3]以中国与中东欧国家为研究对象，考察了技术水平、市场基础、贸易壁垒、市场前景等对双边数字贸易的重要作用；另外，从全球来看，数字贸易发展受各国经济发展水平、城市化进程、产业结构升级水平、对外开放程度、制度质量、数字贸易规则深度等的正向影响，且此作用在发达国家和发展中国家间存在显著异质性[4]。

可见，现有文献关于数字贸易的研究主要集中在规模扩张方面，对数字贸易效率与潜力的研究较少，而数字贸易效率的提升是影响中国数字贸易国际竞争力的重要因素，对数字贸易潜力的研究有助于推动制定相关政策，从而实现中国数字贸易的高质量发展。基于此，本文参考联合国贸易和发展会议的统计方法，选取三个可数字化的典型服务贸易行业，构建数字贸易随机前沿引力模型，研究中国全球数字贸易效率与潜力，以期为中国数字贸易高质量发展提供实证参考。

1 研究设计

1.1 数字贸易随机前沿引力模型与贸易潜力模型

传统贸易引力模型虽然得以广泛应用，但无法分析具有人为干扰项影响的贸易阻力问题。随机前沿引力模型的创新之处则在于将传统模型中的随机扰动项分解为两个重要部分：一是随机误差项νi，二是负的非效率项μijt，并将贸易非效率因素引入模型之中。修正公式如下：

对式（1）进行取对数处理后得到对数形式的随机前沿引力方程：

其中，Tijt表示在t时刻i国和j国的双边贸易额；Xijt表示影响被解释变量的核心因素；β表示核心解释变量的估计系数；νijt表示随机误差干扰项，与μijt独立同分布于标准正态分布N（0，σ2）；μijt表示未被考虑进引力模型方程中作为解释变量的其他贸易影响因素，即贸易非效率项。当贸易阻力不存在时，即μijt=0 时，可以根据式（1）得到贸易潜力的表达式：

其中，TEijt表示在t时刻中国与贸易国i的数字贸易效率，Tijt表示在t时刻中国与贸易国i的实际双边数字贸易额。又令为未开发数字贸易潜力，为数字贸易扩展空间，于是有：

随机前沿引力模型现已被广泛应用于贸易效率的研究及贸易潜力的预测。本文运用此引力方程，并借鉴Armstrong（2007）[5]、李月娥和张吉国（2021）[6]的研究方法，设定中国与27 个国家的双边数字贸易额为被解释变量，同时，选择经济规模（GDPit、GDPjt）、人口规模（POPit、POPjt）、地理距离（DISTij）、共同边界（CONTij）以及共同语言（COMLij）这些在短期内不会改变的因素作为解释变量。本文构建的数字贸易随机前沿引力模型如下：

1.2 数字贸易非效率项模型

一般地，随机前沿引力模型包括时变模型和时不变模型。二者的不同之处在于贸易非效率项是否会随时间的变化而变化。在时变衰减模型中，贸易非效率项的表达式为：

其中，t表示观察年份，T表示观察期数，η为待估参数，通过估计η的值，可有效判断每种数据结构更适合于哪一类随机前沿模型。实证中，贸易非效率模型的分析方法主要分为一步法和两步法，考虑到一步法假设条件过于苛刻，本文采用常用的两步法估计贸易非效率项的影响因素。对于模型中可能存在的内生性，具体体现为可能存在遗漏变量和反向因果问题。对于遗漏变量问题，本文将文化距离等不易观测的特征纳入贸易非效率模型，以克服遗漏变量偏误问题。对于反向因果问题，本文将GDP滞后一期作为工具变量纳入数字贸易随机前沿引力模型，将两国互联网发展水平、通信发展水平以及文化距离变量的滞后一期纳入数字贸易非效率模型进行估计，以避免可能存在的反向因果问题给回归结果造成偏误。

本文在数字贸易随机前沿引力模型的基础上，纳入互联网发展水平（Internetit、Internetjt）、通信发展水平（Fixteleit、Fixtelejt）、文化距离（Cultureijt）以及收入水平（D_highijt）这些因素，构建数字贸易非效率模型，具体形式为：

1.3 样本选取及说明

为考察中国对世界各国的数字贸易发展情况，选择2000—2020 年为观测期，以通过联合国商品贸易统计数据库查到的与中国的双边数字贸易额为标准，最终确定27 个国家，分别是瑞士、挪威、爱尔兰、美国、丹麦、新加坡、瑞典、澳大利亚、荷兰、芬兰、奥地利、德国、比利时、加拿大、新西兰、英国、法国、日本、意大利、韩国、捷克、希腊、匈牙利、波兰、俄罗斯、保加利亚和土耳其。其中，按照世界银行的最新标准①世界银行每年都会以人均国民总收入（GNI）为标准界定各国发展水平，截至目前，该数据库已更新至2021年。最新的划分标准为：低收入国家（L）为GNI≤1085美元；中低收入国家（LM）为1085美元＜GNI≤4255美元；中高收入国家（UM）为4255美元＜GNI≤13205美元；高收入国家（H）为GNI＞13205美元。，有24个国家为高收入国家、3个国家为中高收入国家。

1.4 指标设定及数据来源

在以上模型的基础上，借鉴文献[7—10]的研究成果进行指标设定。

（1）被解释变量数字贸易为中国与贸易国的双边数字贸易额，即两国间数字贸易进出口总额。依据联合国商品贸易统计数据库，此变量包括通信服务业、计算机和信息服务业、其他商业服务业在内的3个典型数字化服务行业的进出口贸易数据，加总得到2000—2020 年中国与27 个国家的双边数字贸易总额。

（2）数字贸易随机前沿引力模型的主模型变量包括各国经济规模、人口规模、地理距离、共同边界、共同语言。

（3）数字贸易非效率模型变量主要选取各国互联网发展水平、通信发展水平、文化距离以及收入水平。其中，互联网发展水平采用个人用户使用互联网人数作为衡量指标；通信发展水平选取固定电话订阅人数作为衡量指标；文化距离借鉴綦建红等（2012）[11]的方法，在Kogut 和Singh（1988）[12]提出的KSI指数的基础上加入两国建交年数的倒数，以此衡量两国间的文化距离；收入水平以贸易国是否为高收入国家作为衡量指标。描述性统计如表1所示。

表1 变量含义及描述性统计

2 中国数字贸易效率及潜力测算

2.1 模型适用性检验

由于随机前沿引力模型对函数形式存在高度敏感性，因此在回归分析之前，本文使用似然比检验对模型的合理性与适用性进行验证，表2的结果表明：（1）数字贸易非效率项存在，即构建数字贸易随机前沿引力模型是合理的；（2）数字贸易非效率项随时间变化，即本文的研究更适用于时变数字贸易随机前沿引力模型；（3）共同语言及共同边界变量不应被纳入模型之中。

表2 数字贸易随机前沿引力模型的适用性检验结果

因此，最终随机前沿引力模型为：

2.2 数字贸易随机前沿引力模型估计

本文对中国与27个贸易国的双边数字贸易额进行随机前沿引力模型估计。为体现模型的稳健性，获得更为真实且可靠的结论，本文对时不变及时变模型分别进行回归，运用式（9）得到回归结果。对于可能存在的内生性问题，鉴于双边GDP可以影响双边数字贸易，且双边数字贸易可能反向影响当期及以后的双边GDP，本文借鉴Karakaplan（2017）[13]的计量方法，使用中国及贸易国GDP 的滞后一期作为工具变量进行内生性检验①Stata软件虽然提供了frontier命令用以估计随机前沿模型的参数，但各种命令都没有提供控制模型内生性的方法，直到Karakaplan（2017）[13]提供了sfkk命令，用于估计包含内生性问题的SFA模型，才使面板随机前沿模型中的内生性问题得到解决，即本文在Stata中所采用的xtsfkk命令。，回归结果如表3所示。

表3 数字贸易随机前沿引力模型的回归结果

由表3 可知，不论是时变模型还是时不变模型，数字贸易随机前沿引力模型的核心解释变量系数符号都基本与预期方向保持一致。同时，从内生性问题处理结果可以看出，工具变量与内生解释变量相关，列（3）的系数符号与显著性水平同列（1）和列（2）保持一致，实证分析结果稳健。

2.3 数字贸易效率分析

2.3.1 不同国家的双边数字贸易效率

通过构建时变数字贸易随机前沿引力模型，根据式（4），测算出2000—2020年中国与27个贸易国的双边数字贸易效率。通过对各年份的效率值取简单算术平均值，得出均值排名，如表4所示。

表4 不同国家的双边数字贸易效率

由表4 可知，（1）中国与27 个贸易国的数字贸易效率整体处于较低水平。与德国、爱尔兰的数字贸易效率较高，这可能是由于德国和爱尔兰的数字化转型较为成功，是产业数字化均衡发展与工业数字化领先发展的代表国家；与波兰、保加利亚、土耳其、希腊的数字贸易效率较低，表明中国与这4个国家的数字贸易阻力较大，所处的数字贸易环境较差。（2）从国家类型来看，中国与高收入国家数字贸易效率普遍较高，与其他国家的数字贸易效率普遍较低。（3）从时间序列来看，中国与27 个贸易国的数字贸易效率呈现逐年下滑趋势。数字贸易效率逐年下滑，表明中国与贸易国的实际双边数字贸易额与潜力额的差距在逐年拉大，双边数字贸易的发展空间很大，需要充分挖掘数字贸易潜力。

2.3.2 不同行业的双边数字贸易效率

进一步考察不同数字行业情形下，中国与27 个贸易国双边数字贸易效率的异质性表现。根据式（4）进行测算，测算结果如表5所示。

表5 不同行业的双边数字贸易效率

由表5可知，（1）在数字贸易行业中，其他商业服务业的贸易效率最高、通信服务业的贸易效率次之、计算机和信息服务业的贸易效率最低。（2）从贸易国来看，在通信服务业中，中国与英国、新加坡、荷兰的贸易效率较高，与土耳其、挪威、爱尔兰的贸易效率较低；在计算机和信息服务业中，中国与美国、瑞士、德国的贸易效率较高，与土耳其、保加利亚、希腊的贸易效率较低；在其他商业服务业中，中国与爱尔兰、德国、新加坡的贸易效率较高，与土耳其、加拿大、希腊的贸易效率较低。

2.4 数字贸易潜力分析

2.4.1 不同国家的双边数字贸易潜力

为判断中国双边数字贸易发展趋势与规律，调整制定相关数字贸易政策，以更好地促进中国与贸易国的数字贸易发展，接下来进行双边数字贸易潜力测算，根据式（5），得出测算结果如表6所示。

表6 不同国家的双边数字贸易潜力和扩展空间

从表6 可知，（1）中国数字贸易发展潜力巨大。整体上，2000—2020 年，中国双边数字贸易潜力均值为62.6 亿美元，且潜力值呈上升趋势。分国家来看，双边数字贸易潜力较大的3 个国家分别是日本、韩国和新加坡，贸易潜力较小的3个国家分别是新西兰、匈牙利和保加利亚。（2）中国数字贸易扩展空间巨大。整体上，2000—2020年，中国数字贸易扩展空间均值为1172%，均随时间推移而呈明显上升趋势。分国家而言，中国与希腊、土耳其、保加利亚的数字贸易扩展空间较大，且各国存在明显差异。

2.4.2 不同行业的双边数字贸易潜力

本文还进一步考察了在不同数字行业下中国数字贸易潜力及扩展空间的异质性特征表现，根据式（4），得到测算结果，如下页表7所示。

从表7 可以看出，（1）中国不同数字行业的数字贸易潜力存在明显差异。整体来看，其他商业服务业的贸易潜力最大、计算机和信息服务业次之、通信服务业最小。（2）中国不同数字行业的扩展空间存在显著区别。从均值来看，计算机和信息服务业的扩展空间最大、通信服务业次之、其他商业服务业最小。

3 中国数字贸易非效率影响因素分析

通过对时变模型的回归，可以获得数字贸易非效率项的估计值；再以该估计值作为被解释变量，进行OLS 回归估计，由此，根据式（9）得到回归结果。为确保上述研究结果的准确性，本文参考李博文和刘义圣（2023）[14]的做法，采取相关变量滞后一期进行稳健性检验。考虑到数字基础设施环境、文化环境等解释变量可能与双边数字服务贸易效率互为因果，为避免内生性问题给回归结果造成偏误，本文将两国的互联网发展水平、通信发展水平以及文化距离变量的滞后一期纳入模型进行估计。结果表明，模型中变量的系数符号、显著性水平均保持一致，说明模型的估计结果是稳健的（见表8）。

表8 数字贸易非效率模型的回归结果

从表8的回归结果来看，（1）中国互联网发展水平能显著提升双边数字贸易效率，而贸易国互联网发展水平与双边数字贸易效率呈反向关系，可能的原因是贸易国互联网使用人数增多，本地数字化需求增加，从而减少了贸易国对中国市场的数字产品及服务出口规模，导致两国双边数字贸易额下降。（2）两国通信发展水平的系数均不显著，原因可能在于互联网设施可代替原本固定电话的通信功能，导致通信水平并不能对双边数字贸易效率产生显著影响。（3）文化距离与数字贸易非效率项呈现明显的负相关性，说明中国与贸易国之间的文化差异对双边数字贸易起推动作用。

4 结论

本文基于2000—2020年中国与27个样本国家的双边数字贸易数据，通过构建数字贸易随机前沿引力模型，对中国双边数字贸易效率及潜力进行测算，并分析了影响中国数字贸易效率的主要因素，结论如下：（1）中国的双边数字贸易效率较低，且与各贸易国的数字贸易效率存在显著差异。分国家来看，中国与德国、爱尔兰、法国开展数字贸易的效率较高，与保加利亚、土耳其、希腊的数字贸易效率较低；分行业来看，其他商业服务业的贸易效率最高、计算机和信息服务业的贸易效率最低。（2）中国双边数字贸易潜力巨大，数字贸易扩展空间充裕。分国家来看，中国与新加坡、日本、韩国的数字贸易潜力较大，与土耳其、保加利亚等欠发达国家的数字贸易扩展空间较大；分行业来看，其他商业服务业的贸易潜力最大，通信服务业的贸易潜力最小。（3）从影响因素来看，两国GDP 以及中国人口规模均能促进双边数字贸易，而贸易国人口规模、地理距离是主要的阻碍因素；中国互联网发展水平、文化距离能显著提升数字贸易效率，贸易国互联网发展水平则会抑制双边数字贸易效率的提升。