加工贸易_企业生产率和关税减免_来自中国产品面的证据

第10卷第4期2011年7月

经济学(季刊)ChinaEconomicQuarterly

Vol 10,No 4July,2011

加工贸易、企业生产率和关税减免

来自中国产品面的证据

余淼杰

*

摘 要 本文研究两个问题:一是不断深化的进口关税减免对我国企业生产率提升有何影响,二是企业参与加工贸易能否有助于促进企业生产率的提升。一方面,最终产品的进口关税减免强化了企业间在本土市场的竞争,从而有助于提高生产率;另一方面,企业参与加工贸易能得到额外的贸易所得,从而促进企业生产率的增长。通过采用2000 2006年间我国外贸产品的海关数据和规模以上制造业企业生产方面的大型微观数据,本文构建了各企业所面临的关税税率,并精确计算出企业的全要素生产率。基准回归结果显示,关税下降10%,企业生产率会上升大约3% 6%。更重要的是,在考虑企业间由所有权造成的差异性后,发现加工贸易企业相对于非加工贸易企业有更高的生产率。

关键词 加工贸易,贸易自由化,企业生产率异质性

一、引 言

本文主要研究加工贸易和关税减免对中国企业生产率的影响。尽管有一些文献探讨过关税减免和企业生产率的关系,但研究加工贸易行为对企业生产率影响的文献却较为稀少。

在许多发展中国家,尤其是在中国、墨西哥和越南,加工贸易是一种十分常见的贸易形式。加工贸易行为是指企业从国外进口原材料或中间产品,在本国加工之后再予以出口,赚取其中的附加价值。为鼓励发展加工贸易,一国政府往往会对作为原料的中间品减免关税。关税优惠加强了进口竞争,并使加工贸易企业的生产率上升。加工贸易还能引发国际上的技术溢出效应

*

北京大学国家发展研究院。通信地址:北京大学国家发展研究院中国经济研究中心;电话:(010)62753109;E-mail:mjyu@http://www.77cn.com.cn。作者非常感谢RobertFeenstra、LisaCameron、RobertEl-liott、PennyGoldberg、MunisamyGopinath、TomohikiInui、AmitKhandelwal、SamuelKortum、MaryLovely、DevashishMitra、WillMartin、RobertStaiger、JamesTybout、LindaYueh、DavidWeinstein、FredikWillhelmsson、ZhihongYu、姚洋、魏尚进、陈波、田巍非常有益的建议。感谢国家自然科学基金(编号:71003010)的财务资助。感谢主编和两位审稿人的有益建议。此外,感谢张煦和张昊同学出色的助研工作。,

和国内企业的学习效应,这种学习效应能使从业企业获得更快的生产率增长速度。更重要的是,加工贸易行为有助于企业提升其产成品质量(Halpernetal ,2010)。此外,企业的所有权结构往往也能决定企业是否能得到溢出效应的帮助。具体而言,外资企业(FIEs)更易享受到国际溢出效应的影响,并有较高的生产率,而国有企业(SOEs)则由于效率相对低下,生产率也较低。

过去的十年中,中国对外贸易的增长速度十分惊人,现已取代德国成为世界上最大的出口国。事实上,外资企业和加工贸易给中国的出口增长提供了巨大的推动力,加工贸易出口额自1995年起占到了中国出口总额的50%以上。与此同时,外资企业出口额占出口总额的比重从1992年的20%迅速增长到了2006年的60%,外国对华直接投资在1994年一度攀升至GDP总额的6%,并于随后稳定在3%左右(Naughton,2006)。此外,自2001年加入世界贸易组织(WTO)以来,中国根据承诺将关税税率从2001年的18.53%降低到了2006年的8.87%。

本文通过运用高度细化的外贸产品海关数据库和规模以上制造业企业生产数据库的大型微观数据进行实证检验,发现加工贸易企业在自由贸易中能够提高生产率。同时,本文还分析了由于企业所有权不同造成的增长率差异。据笔者所知,本文或许是第一篇运用中国几个大型微观数据库分析中国的生产率和贸易自由化问题的文章,在此之前,虽有大量文献阐明关税降低会通过加强进口竞争提高生产率(如Tybout,2000;BradfordandLawrence,2003;Rodrik,2006),但却少有研究探讨加工贸易是否会有助于企业提高生产率。

首先,本文使用改进版的Olley-Pakes(1996)法(下文简称OP法)来度量企业的生产率。企业的全要素生产率须使用Olley-Pakes(1996)法才能准确计算,而为了适应中国的实际情况,我们又对其进行了必要的修正和扩展,以控制由于使用普通最小二乘法(OLS)估计所带来的联立性偏差和选择性偏差。

其次,本文将中国的加工贸易划分为几种具体类别,包括来料加工和进料加工等。对属于每一个特定类别的加工企业,本文都仔细研究了关税下降和相应类别的自身特点对企业生产率变化的影响。更为重要的是,我们发现企业在加工贸易中所得利益与企业的所有权结构紧密相关。外资企业有较高的生产率,而国有企业则生产率较低。有趣的是,从事加工贸易的外资企业比其他外资企业的生产率要低。

再次,由于我国的宏观数据可信度常常遭受怀疑,本文在分析时采信了最为细化的微观数据。事实上,中国的宏观数据和微观数据的加总常有出入,Holz(2004)就曾强调使用中国宏观统计数据所可能带来的误差。因此,用

Young(2003)运用宏观工业数据就曾发现,改革开放以来中国全要素生产率应该十分低甚至是负的,这显然与直觉相悖。为避免使用宏观数据可能带来

的统计误差,本文使用企业水平上的生产数据进行回归,并先根据企业的资产、劳动力、原料及中间投入品等信息,计算出企业全要素生产率。更为重要的是,根据企业生产数据中的出口值信息,本文构造出企业面临的关税指数,用以精确估计企业参与国际贸易的程度,这较使用行业水平的关税税率的过往研究更为可信。

最后,本文采用工具变量法来控制生产率和进口关税之间可能存在的反向因果关系。控制了这些内生变量的影响之后,回归依然表明关税的下降会促进企业生产率的增长。此外,由于存在溢出效应等原因,加工贸易企业比非加工贸易企业有更显著的生产率增长。

本文的研究丰富了对生产率和贸易自由化关系研究的文献。在计算生产率时,一些文献如Trefler(2004)侧重于劳动生产率,而更多的研究则关注全要素生产率。早期的学术研究主要使用产业水平数据来衡量全要素生产率,包括Tyboutetal (1991)、Levinsohn(1993)、Harrison(1994)以及HeadandRies(1999)的研究俱是如此。而近期的研究则较多地立足于企业数据,例如Pavcnik(2002)以及AmitiandKonings(2007)的研究。比这些研究更进一步的是,本文的分析不仅运用了企业层面的微观生产数据,还用了产品层面的数据来进一步探究贸易自由化和生产率之间的关系。

事实上,无论是对发达国家还是对发展中国家的研究,均已有许多文献讨论了生产率和贸易自由化之间的关系。研究发达国家的成果包括Bernardetal (2006)对美国、Trefler(2004)对加拿大所做的讨论。但更多的研究则在关注发展中国家,例如Bustos(2009)对阿根廷、Scholr(2004)对巴西、Tyboutetal (1991)和Pavcnik(2002)对智利、余淼杰(2010)对中国、Harrison(1994)对科特迪瓦、KrishnaandMitra(1998)和TopalovaandKhandelwal(2010)对印度、AmitiandKonings(2007)对印度尼西亚、DeLoecker(2007)对斯洛文尼亚、Iscan(2008)对墨西哥以及Levinsohn

1

(1993)对土耳其所做的讨论。

尽管中国是世界上最大的发展中国家,但相对而言较少有研究探讨中国企业绩效和贸易自由化的关系。Jeffersonetal (1996)较早、较为系统地探讨了中国全要素生产率。而Koopmanetal (2008)则通过修正Hummelsetal (2001)提出的 垂直分工 概念,以及重制投入产出表、对国内的附加值产品估值,来考查 中国制造 的产品附加值在出口总额中的比例。Luetal (2010)还发现在华的外国企业子公司中,从事出口贸易企业的生产率

1

一些其他学者的研究工作,例如VanBiesebroeck(2005)、DeLoecker(2007)以及Parketal (2010)的工作,。

要低于不从事出口贸易企业的生产率。Brandtetal (2009)近期的一项研究则表明,在1998 2006年间,中国是世界上生产率增长速度最快的国家之一,这项研究使用了和本文相同的企业微观生产数据。然而迄今为止,鲜有研究工作通过运用企业数据,来系统性地探讨贸易自由化(特别是加工贸易)对中国企业生产率的作用,本文力图填补这项空白。

本文也丰富了我们对生产率增长源的认识。如AmitiandKonings(2007)指出的,生产率的增长主要来源于以下三个方面:一是竞争效应,当贸易壁垒较低时,迫于更激烈的进口竞争,国内企业不得不缩减自己的利润和市场份额,同时必须竭力提高自身的生产率以期在市场中继续存活(HelpmanandKrugman,1985)。二是溢出效应,从事对外贸易的企业更可能获得国际技术的外溢,具体方式包括获得外国直接投资(KellerandYeaple,2009)、为产品加工进口高质量的中间产品,或者通过出口的学习效应获益(DeLoecker,2007)。三是再分配效应,通过对生产要素进行有效的再分配,企业能够显著地提高自身的生产率。HsiehandKlenow(2009)即认为如果资产和劳动力要素能够得到更高效的分配,中国的全要素生产率能够获得25%的一次性增长。但该研究仅立足于企业间的资源分配,对企业内部生产率提升少有涉及。本文主要研究了前两种效应对生产率的影响,再分配效应的作用则留待后续研究。

与之前所有工作类似,由于难以得到衡量各种非关税壁垒的数据,本文在分析中并未计算它们的影响。但是,由于本文无意探讨贸易自由化的完整效应,所以这一局限并不影响本文的结论。此外,本文也无意具体探索加工

3

贸易和关税的下降影响企业生产率的各种渠道。在本文中我们想首先研究:加

2

工贸易,作为贸易自由化在中国催生的新元素,是否能协同关税减少影响企业生产率。而如果有,作用又有多大。回答这两个问题方是本文主旨之所在。本文结构如下:第二部分介绍计量经济方法;第三部分为数据描述;第四部分汇报回归结果和稳健性检验;第五部分为小结。

二、计量回归方法

本部分主要介绍全要素生产率的计算法,并据此展开我国贸易自由化对企业生产率影响的实证分析。

(一)全要素生产率的度量

相关文献在研究全要素生产率时,通常使用Cobb-Douglas生产函数来体

2

此外,Feenstraetal (2011)认为中国企业的信贷约束和生产率共同影响其出口额。而FernandesandTang(2010)还探讨了中国的纯装配企业和进口加工企业的所有权及控制权问题。3

。

4

现技术进步的作用。本文与AmitiandKonings(2007)一致,采用下式刻画

企业技术进步:

mkl

it( it)MitKitLit,Yit=

(1)

其中Yit、Mit、Kit、Lit分别是企业i在第t年的产出、中间投入品、资本和

5

劳动力。企业i在第t年的生产率 it取决于同期关税 it。现对(1)式做对数

变换:

0+ mlnMit+ klnKit+ llnLit+ it,lnYit=

(2)

通常,全要素生产率就可通过估计真实产出和拟合值ln^Yit之间的索洛残差来获得:

TFPit=lnYit-ln^Yit.

(3)

但该方法受到联立性偏差和选择性偏差这两个问题的困扰。MarschakandAndrews(1944)最早指出,企业至少能够预测到全要素生产率的部分变化,并据此优化要素投入以使利润最大化。所以,全要素生产率对企业的要素投入有内生的反向作用。如果不考虑这一点,将会错误地估计企业的利润最大化决策。此外,企业的动态行为还会引入选择性偏差。在国际竞争中,那些生产率低下的企业最终会被淘汰,生产率高的企业则得以继续存活(Krugman,1979;Melitz,2003)。在一组面板数据中,被观测到的都是幸存下来的企业,生产率较低并退出市场的企业则被遗漏。这意味着统计回归中的样本并不是通过随机选择产生的,并会因此造成估计偏差。

OlleyandPakes(1996)给出了一种可以处理这些联立性偏差和选择性偏差的计量方法。此后,包括DeLoecker(2007)、AmitiandKonings(2007)、Ke-llerandYeaple(2009)在内的学者,也对全要素生产率的计算方法进行了修正和

6

改进。本文则将采用扩展的Olley-Pakes方法来计算企业的全要素生产率。

首先,本文使用了工业水平上的平减价格来度量全要素生产率。关于生产函数的测算,Felipe等(2004)曾强调应以货币变量的形式来度量产出所

7

可能产生的估计误差,这种方式实际上只是对会计恒等式的估计。其次,由

45

另一种方法是使用超对数生产函数,这种方法与Cobb-Douglas生产函数有相似的估计结果。

目前学界通常认为关税的变化会影响同期生产率(如见AmitiandKonings,2007)。但如匿名审稿人所指出的,现实中关税对生产率的影响也可能有一段时滞。采用滞后一期(或更多期)的关税来考察其对生产率的影响并不会改变本文的研究结果。为节省篇幅,正文中没有汇报,但有兴趣的读者可联系作者索要。6

另外一个比较准确的计算全要素生产率的方法是运用系统GMM方法(BlundellandBond,1998)。该方法假设劳动力也会与生产率冲击相互关联(Ackerbergetal ,2006),所以在计算全要素生产率中着重考虑了劳动力的动态变化。估计关税及运用系统GMM法所得生产率结果相似。限于篇幅,结果不在正文中汇报。7

为了精确地计算全要素生产率,理论上应该根据具体产品的价格计算 实物生产率 (Fosteretal ,2005)。但和其他许多研究一样,我们难以得到每个企业所有产品的价格。因此,作为折中,本文将使用产业层面的价格来平减企业的产出。

于中国加入WTO会给企业带来一正向需求冲击,从而得以使企业扩大生产规模,这也会反过来加大计算全要素生产率时的联立性偏差。所以,本文在计算时将中国2001年加入WTO这一事件纳入考虑。再次,为在计算全要素生产率中体现企业的进出口行为的作用,本文构建了两个虚拟变量,其中一个为出口变量,另一个为进口变量。这样,相对于以前的研究,我们就能够进一步地体现企业的外贸行为对生产率可能产生的影响。当然,一家企业即

8

使同时有进口和出口业务也不一定是加工贸易企业。所以,需要强调的是,

在下一步研究加工贸易对生产率的回归中,我们是用海关数据来直接判断企业是否从事加工贸易:产品层面海关数据有一个变量专门汇报企业进出口的产品是属于一般贸易还是来料加工贸易。

(二)回归模型

在这一部分,我们建立的实证回归框架如下:

TFPit= 0+ 1 it+ 2PEit+ Xit

+

OP

OP

i

+ t+ it,(4)

其中,TFPit是用Olley-Pakes法回归的企业i在第t年的全要素生产率,而 it则代表企业i在第t年的基于产品数上的加权关税,PEit是标示企业i在第t

10年是否进行加工贸易的虚拟变量。另外, 1衡量了企业之间的进口竞争效应,

9

因此应该是负值, 2则衡量了企业从事加工贸易时可能获取的收益。Xit代表企业i在第t年的其他控制变量,例如企业利润值、产业利润值、赫芬达尔市场集中度指数、资产利用状况和所有权类型。传统观念认为国有企业的经济效率相对较低,因而生产率也较低。比较而言,由于拥有国际技术溢出的助益(KellerandYeaple,2009),或是面临更宽松的融资约束(Feenstraetal ,2011),外资企业通常有较高的生产率。因此,本文特地构造了国有企业和外资企业两个虚拟变量来标示企业的所有权属性。

进一步的,对于那些市场比较分散、垄断力量较弱、不易获取高额利润的产业部门,处于其中的企业必须竭力提高自身的生产效率从而得以存活。为了证明在那些最初比较分散的产业中,关税下降所带来的生产率提升并非只是由于缺少控制市场结构而造成的,本文还引入了以下三个有一年滞后的控制变量,以期将不同变量对生产率的作用识示出来:一是企业的成本加成(markup),遵循Nickell(1996)以及KellerandYeaple(2009)的方法,它定义为公司销售额除以销售额及利润的差;二是定义在统一编码2位码上的

8

如批发企业也同时开展进口和出口业务,但却不从事任何加工作业。本文现已在企业数据库中剔除掉这类批发企业以避免可能产生的误差。感谢匿名审稿人在这里提出的有益建议。9

本文稍后将仔细介绍如何进行加权。10

加工贸易可细分为来料加工等16个种类,如企业从事任一类加工贸易,则虚拟变量取1。

行业成本加成;三是赫芬达尔集中度指数,它定义为在统一编码2位码上的企业市场占有率的平方和。最后,企业的不同要素禀赋可能会影响到其生产

率的实现情况,在回归估计中我们也加入企业的资本利用情况,这一指标通常是被定义为资本劳动力比的对数。

当然,除此之外,现实世界中还存在着其他因素会对企业的生产率产生影响。限于数据,我们不可能构建经济变量加以一一控制。但是,这些可能的影响因素可以归入回归的误差项。如Wooldridge(2002)所述,在计量上我们则可以通过如下方法加以控制:将模型的误差项分成三个部分。一是每个企业自身的固定效应i,用以控制一些不随时间变化的因素,譬如企业的所在地;二是随年份变化的固定效应 t,用以控制一些不随企业变化的因素,譬如人民币的升值;三是特异性效应 ijt,其服从于正态分布 ijt~N(0, ij),用以控制其他尚留的因素。

2

三、数 据

为更充分地研究贸易自由化对企业生产率的影响,本文采用了以下三组最细化的大型微观面板数据:海关总署提供的各企业每一笔外贸产品数据、我国规模以上工业企业数据及世界银行提供的6位码的我国进口关税数据。

(一)企业水平的生产数据

计算企业生产率所用到的企业层面数据是来自国家统计局对规模以上企业的年度调查。本文采用的数据的时间跨度为2000 2006年11,企业总数从2000年的162885家上升到2006年的301961家。我国制造业中的全部国有企业、年销售额在500万元人民币以上的非国有企业被收集进这个数据库,变量则包括三大会计报表(即资产负债表、损益表和现金流转表)上的一百多个财务变量信息。

这一数据库内容之丰富不言自明。但由于各种原因,部分企业提供的信

13

息可能不够准确,从而使其中一些样本可能存在误导性。与谢千里等(2008)的研究类似,本文将使用如下标准去除异常样本:首先,重要财务指标(如

11

12

由于企业微观数据所限,我们无法调查更长的时间跨度。但样本期间显示出来的关税在不断下降及企业生产率上升这两大特点,在样本考察期之前更长的时间也是符合我国事实的:我国非加权关税自1992年的42%左右一直下降到2000年的15%左右(见海关历年数据;或余淼杰,2009)而制造业行业生产率在整个20世纪90年代也是上升的(有关宏观数据方面的论文见郑京海等,2009;吴延瑞,2009)。作者感谢匿名审稿人提出这一点。12

事实上,每年由中国国家统计局发布的《中国统计年鉴》,其中工业部门的整体数据就是编制自这一数据库的。13

例如,一些家族企业并没有建立正规的会计系统,其会计报表往往以 元 为单位,而规范的要求是以 千元 为单位。

企业总资产、固定资产净值、销售额和工业总产值)有遗漏的样本被剔除;其次,雇员人数在10人以下的企业样本也被剔除。还有,如同CaiandLiu(2009)、Feenstraetal (2011)的研究一样,遵循一般公认会计准则(GAAP),本文还剔除了发生以下情况的企业样本:(1)流动资产超过固定资产的企业;(2)总固定资产超过总资产的企业;(3)固定资产净值超过总资产的企业;(4)没有识别编号的企业;(5)成立时间无效的企业(例如成立时间在十二月之后或在一月之前)。

(二)产品水平的贸易数据

从中国海关总署所得的外贸产品数据覆盖了各贸易企业产品目录下的各种信息,包括产品的贸易价格、贸易额和统一编码8位码的产品价值。表1中上半部分的第一行列出了每年的外贸交易数量。值得一提的是,这一数据集不仅包含进出口数据,还细分出许多具体类别加工贸易部门的数据。

表1 基本数据摘要

观测样本数a

2000

2001

2002

2003

2004

2005

2006

14

产品水平的贸易数据

交易数量1058669612667685140326751806940421402355贸易企业数b7422576235681306101799707(2000 2006)贸易企业总数有效企业数c2186917485126251524140143

d(2000 2006)有效企业总数

企业水平的生产数据

企业数量162885171256181557196222276474(2000 2006)贸易企业总数有效企业数e43239

f有效企业总数

35374

37037

53843

86477

2488963916685377118765142273

(总数=654352)5516855493(总数=218024)271835

301961

(总数=1033276)72626104677(总数=433273) 注:(a)8位码统一编码水平上的多种产品月度贸易数据来源于中国海关总署,企业水平上的年度会计数据来源于中国国家统计局,6位统一编码水平上的年度关税数据来源于世界贸易组织。(b)贸易企业数指曾在海关总署有记录的外贸企业数量。(c)有效企业数指拥有有效邮政编码和电话号码信息的外贸企业数量。(d)贸易企业总数指在2000年到2006年间,(b)项所列企业中所有有效企业的数量总和。(e)有效企业数指在企业的财会数据集中标示出有效邮政编码和电话号码信息的企业数量。(f)有效企业总数指在2000年到2006年间,(e)项中有效企业的数量总和。(g)合并企业总数指在海关记录和财会数据集中同时出现的企业数量。

自1995年起,中国加工贸易的贸易额一直占到总贸易额的50%以上。具体的,加工贸易具体被分为16个种类,但其中有两种是尤为重要的:来料加

15

工和进料加工。在前一种类型的贸易中,本国企业免费从其国外贸易伙伴处

LevinsohnandPetrin(2003)在其研究中考查了所有工人数目在10个以上的智利企业,本文遵循了此项标准。15

加工贸易的其余分类主要还有:境外援助(编码:12)、补偿贸易(编码:13)、商品寄销代销(编码:16)、货物租赁(编码:17)、边境小额贸易(编码:19)、工程承包(编码:20)、外发加工(编码:22)、易货贸易(编码:(33)(编码14

获得原材料和组装配件,但必须将加工后的成品出售给指定的同一国外进口

商。相反,对从事来料加工贸易的企业,自行进口原材料并加工后,可以将产品售给国外的任何企业。在20世纪80年代,由于大多数中国企业缺乏足够的资金从事进口业务,以来料加工为代表的 三来一补 现象十分常见。而自20世纪90年代起,进料加工贸易也逐渐发达起来。

表2则是按年份和贸易类型整理的一份中国产品贸易数据摘要。具体的,在17170641个自2000年到2006年间统一编码8位码的观测样本中,有40%是一般贸易,它们创造了中国出口总额的24%。这表明一般贸易的平均贸易额比加工贸易的平均贸易额要低。在占总样本数60%的加工贸易观测样本中,其中9%的产品数据属于来料加工(编码:14),它们贡献了出口总额的11%。

中国于2001年加入世贸组织之后,不再将进料加工贸易的数据单列于这份数据集之中,而是将其归入占贸易总额55%的 其他种类加工贸易 (编码:99)。对于进料加工贸易,尽管我们只掌握了其前两年的数据,但依然发现它们占到了这七年贸易总额的10%。为了准确地衡量来料加工与进料加工两者间的差别,本文着重关注了2000年和2001年这两年的数据。此外,表2还表明,除2006年以外,中国的贸易总额正在逐年递增。2006年度的贸易额缩减,则是人民币在2005年升值所造成的(Yu,2009)。

表2 中国不同贸易种类的产品海关数据

类别

年份

2000348634(2.03%)141599合计(%)10141599

138380(0.81%)762254(4.44%)139600(0.81%)1388868(8.09%)

2001534180(3.11%)188227(1.09%)881097(5.13%)146614(0.85%)1750118(10.19%)

2002679058(3.95)194673(1.13%)

1048472(6.11%)1922203(11.19%)

20031042585(6.07%)219349(1.27%)

1320835(7.69%)2582769(15.04%)

20041369341(7.97%)293621(1.71%)

1615786(9.41%)3278748(19.10%)

20051512498(8.80%)297851(1.74%)

1631738(9.50%)3442087(20.05%)

20061289312(7.51%)218479(1.27%)

1298057(7.56%)2805848(16.34%)

合计(百分比)6775608(39.46%)1550580(9.03%)1643351(9.57%)7201102(41.94%)17170641(100%)

观测样本数(8位码统一编码)10

贸易总额

1.81e+102.57e+102.62e+104.10e+105.68e+106.45e+103.83e+102.71e+11(1.58%)(0.57%)(4.63%)(0.37%)(2.24%)(0.76%)(5.37%)(0.44%)(6.79%)(10.36%)(13.85%)(15.18%)(8.51%)(2.28%)(0.72%)

(3.57%)(0.85%)

(4.95%)(2.41%)

(5.62%)(3.87%)

(3.33%)(1.63%)

(23.61%)(10.84%)1.15e+11(10.01%)(55.53%)6.54e+098.77e+098.32e+099.79e+092.77e+104.45e+101.87e+101.24e+115.32e+106.17e+10

4.35e+095.09e+097.79e+101.19e+111.59e+111.74e+119.76e+106.37e+11

合计8.22e+101.01e+111.12e+111.70e+112.43e+112.83e+111.55e+111.15e+12 :

(三)高度细化的关税数据

关税数据可以直接从WTO相关网站获取,本文调用了中国2000年至

17

2007年间在统一编码6位码水平上的关税数据。由于产品贸易数据是基于8位码水平上的,本文将首先把关税数据整合入产品贸易数据当中。由于本文着眼于研究贸易自由化对企业生产率的平均影响力度,我们可以直接使用从价关税的平均税率来度量贸易自由化的程度。

表3列出了自2000年至2006年间统一编码2位码水平上的从价关税税率( )。在其中的15个产业门类中,纺织品和服装(编号:50 63)的平均进口税率最高,鞋帽(编号:64 67)紧随其后。矿产(编号:25 27)、机械和电气产品(编号:84 85)的税率则较低。

表3 2位码统一编码的产业平均关税税率(%)

产业小类(01 05)(06 15)(16 24)(25 27)(28 38)(39 40)(41 43)(44 49)(50 63)(64 67)(68 71)

关税种类产业产品税率企业加权税率产业产品税率企业加权税率产业产品税率企业加权税率产业产品税率企业加权税率产业产品税率企业加权税率产业产品税率企业加权税率产业产品税率企业加权税率产业产品税率企业加权税率产业产品税率企业加权税率产业产品税率企业加权税率产业产品税率企业加权税率

200022.330.7116.661.3920.232.2912.254.3515.164.6017.534.6622.429.2018.346.5426.7913.2022.8816.0918.989.55

200118.240.2415.160.9916.492.2511.583.9713.814.1016.104.6219.388.0116.315.6321.8110.4721.5117.0217.979.34

200214.990.3111.420.7014.261.197.963.729.643.1911.693.7715.937.0012.044.7417.929.6818.0515.0214.016.85

200313.450.2110.990.7213.420.957.653.168.843.1010.363.5114.616.1210.464.1315.698.5517.1014.1012.876.73

200412.210.219.930.5912.651.137.122.378.082.769.392.8712.825.279.133.4413.667.6415.9914.6511.375.66

200510.800.419.430.6211.761.166.932.887.692.928.893.1312.115.778.223.4112.507.0215.7614.2510.985.41

200611.140.429.520.5910.321.017.002.267.642.838.963.8811.756.118.493.6512.477.5315.2614.2910.695.72

16

1617

http://www.77cn.com.cn/ReportersAndProducts.aspx。

在WTO的网站上并没有2000年的中国关税数据,但却可以查阅到1996年和1997年的数据。由于中国在1997年至2000年间不曾大幅度下调关税,所以本文使用了1997年的关税数据来替代2000年的关税数据。

(续表)

产业小类(72 83)(84 85)(86 89)(90 97)平均税率

关税种类产业产品税率企业加权税率产业产品税率企业加权税率产业产品税率企业加权税率产业产品税率企业加权税率产业产品税率企业加权税率

200014.565.2013.594.2119.717.0719.127.4918.536.74

200113.484.7912.713.9417.438.4216.346.7116.245.97

200210.124.117.633.2615.805.7912.745.4212.095.11

20039.383.956.613.0213.666.0511.394.7310.664.67

20048.793.576.102.8912.636.849.954.359.484.21

20058.653.595.852.7212.615.569.073.768.974.06

20068.803.795.842.6811.784.968.974.018.874.28

数据来源:作者计算所得。

本文旨在研究关税税率对企业生产率的影响,而一个企业会进口多种商品,因此如何计算企业所面临的关税水平便显得十分重要。在衡量各种产品对企业的重要程度时,理想的方法是比较该企业各种产品所有产出的国内总价值,但这类数据目前尚不可得。根据Melitz(2003)的研究,高生产率的企业除了能在国内销售其产品外,同时也会出口。如此,则出口产品同时也会在国内市场上销售。若假定企业的同一种产品在国内外销售的比例相同,则可利用该产品的出口总价值来构造下面这一指数( ijt),亦即是产业j中的企业i在第t年产出产品的加权关税指数:

ijt=

k

k

mijt

k

k jt, mijt

k

其中,括号中的分数代表产品k在该企业所有产品中所占的权重(m),这一权重通过产品的出口值来度量。

18

在将统一编码2位码中的产业合并为15个产业门类后,我们还在表3中列出了企业平均关税。在每一类中,企业产出的加权平均关税均低于产业的产品简单平均关税。这一现象的经济学解释是,进口关税更低的产品在企业产出中所占的价值比例会更高。当一种产品面临的进口竞争十分激烈(亦即有更低的进口关税)时,企业会竭力提高产品的质量,进而推高这种产品的单价和相应产出的总价值。结果,这种产品的权重提升了,而企业所有产品的价值也提升

19了。尽管如此,无论在产业水平上还是在企业水平上,关税都在逐年下降。

然而必须注意到,受限于数据采集的困难,我们无法利用这种方法计算那些只在国内销售的产品的权重。19

值得注意的是,在畜牧业(编码:01 05)、植物种植业(编码:06 15)和食品加工业(编码:16 24)中,企业产出的加权平均关税要比产业产品的平均关税低得多。但是,本文进行的估计主要应用于制造业的企业,18

(四)数据处理

如前所述,企业层面的生产数据是度量企业全要素生产率的关键工具,而产品层面的贸易数据则被用于辨识企业是否从事加工贸易。但是,将企业生产数据和产品贸易数据合并会面临一定的技术困难。虽然这两个数据集内都有相同企业标识编号,但两组数据的编码系统却完全不同。贸易数据库中的企业编号为10位的,企业数据库编号则为9位,难以将它们统一起来并加以分析。

为解决这一问题,本文采用了另外两个变量来标示每个企业:邮政编码

20

和电话号码的后7位。这是因为每个企业都会属于某个邮政区域,并有自己独享并且唯一的电话号码。

从表1中可见,每个企业和其贸易伙伴间存在着多种产品的贸易。在2000 2006年间,654352个企业样本完成了超过6000万宗月度外贸交易。使用邮政编码和电话号码对企业进行识别时,本文还剔除了有如下特征的企业样本:(1)没有邮政编码或联系电话的企业;(2)邮政编码无效(即编码数字小于100000)的企业;(3)7位电话号码无效(即号码数字小于1000000)的企业。经过这些严格的筛选之后,仍有218024家企业的产品贸易数据保持有效,占到了全部640352个企业样本中的34%。同理,对企业生产数据集,剔除掉其中邮政编码或电话号码无效的样本后,剩余的企业样本数为973207。继续按照先前的标准进行筛选,则还剩下433273个企业样本,占到了973207家企业中的44.5%。

在此基础上,我们即可以将产品贸易数据和企业生产数据归并整合起来。在这两个数据集中同时出现的贸易企业共有31393家,只占产品贸易数据集中有效企业数的大约15%,占企业生产数据集中有效企业数的大约8%。从中我们可以观察出我国出口分布中的两个重要现象:

第一,从平均意义上讲,样本中的出口企业相比样本外的企业有更高的出口额。整合之后,企业产品数据集中只剩下8%的样本(其中4.8%为出口企业、3.2%为进口企业),这说明有超过90%的大型企业并没有参与国际贸易。注意到由于那些缺少有效标识编号的出口企业被剔除,出口企业的比例很可能遭到低估。Feenstraetal (2011)发现,2000 2007年间有27%的大中型企业有出口贸易。去掉2007年数据后,可以发现这个比例仍是稳定的(在2000 2006年间约为24%)。尽管本文使用的数据只包括了大约21%的大型出口企业21,但它们仍然贡献了中国所有大型出口企业出口额的45%以

20

另一种替代的方法是使用企业的中文名称标示企业,但由于同一企业在两个数据集里的名称未必是完全一致的,故使用这种方法可能丢失高达85%的观测样本。21

4.8%/24% 21%。

上,在这个意义上,本文回归所用的数据具有普遍的代表性意义。

第二,大部分参与国际贸易的企业规模都比较小。依据海关总署在2000

年至2006年间的相关数据,此间共有218024家企业从事国际贸易,但其中只有31393家规模较大,也就是说85%的贸易企业在规模之下(即年销售额在500万元人民币以下)。

22

最后,表1还统计了在2000年至2006年间企业进入和退出市场的情况。显然,在2005年人民币升值之前,进入市场的企业比退出的多,2005年之后这一情况则发生了逆转。

(五)统计摘要

表4汇报了使用OP法进行估计的中国企业投入要素的弹性,并在统一编码2位码的水平上进行了分类。本文首先将97个统一编码2位码的产业分类归并为15个大的门类,继而估计了它们的继续存活概率和要素投入弹性。企业在第二年继续存活的概率介于0.977到0.996之间,均值为0.994。也就是

23

说,此段时期样本中企业退出现象比较罕见。

表4 Olley-Pakes法的企业各投入要素弹性及全要素生产率估计

2位HS码下的产业分类

动物和动物制品(01 05)植物和植物制品(06 15)

食品、饮料、酒、醋、烟草及其制品(16 24)矿产品(25 27)

化工工业和相关工业的产品(28 38)塑料、橡胶及其制品(39 40)皮毛和皮革制品(41 43)木材和木制品、纸制品(44 49)纺织原料和纺织制品(50 63)

TFP(OP)1.1261.2861.5290.6861.4531.7651.5052.3741.983

劳动力OP0.056**

(3.32)0.007(0.49)0.036**(2.23)0.035*(1.70)0.014**(1.98)0.064**(8.49)0.102**(7.76)0.039**(4.29)0.085**原材料OP0.888**(55.36)0.891**(68.05)0.874**(68.48)0.872**(51.00)0.831**(121.70)0.796**(107.17)0.810**(65.53)0.855**(97.11)0.810**资本OP0.048**(1.80)0.052**(5.49)0.044(1.07)0.099**(2.69)0.103**(7.79)0.103**(5.59)0.090**(3.36)0.012(0.47)0.066**2223

中小规模的国有企业已被统计进企业生产数据库中。

这里所指的企业退出,不只包括企业停止贸易并退出市场这种情况,还包括企业年销售额缩减至低于 大型规模 (即每年500万元人民币)的界限以下并被数据集抛弃的情况。受限于数据集所提供的信息,我们无法区分这两种情况。

(续表)

2位HS码下的产业分类

鞋帽及其部件(64 67)

石料、陶瓷、玻璃及其制品(68 71)金属及其制品(72 83)机械和电子产品(84 85)交通和运输设备(86 89)其他产品(90 98)总计

TFP(OP)1.6291.6631.1670.4801.3681.6831.259

劳动力OP0.072**(5.93)0.104**(9.14)0.045**

(6.30)0.065**(13.36)0.042**(2.80)0.083**(10.32)0.052**原材料OP0.864**(73.17)0.785**(67.02)0.832**(131.73)0.825**(206.22)0.883**(69.58)0.796**(110.01)0.820**资本OP0.033**(5.43)0.103**(8.19)0.109**(16.23)0.150**(10.83)0.043**(3.47)0.098**(10.70)0.117** 注:括号中是稳健的t估计值,*(**)代表5%(1%)的显著性水平。

表4列出用OP法估计所得劳动力、原料和资本的弹性系数及由此估算出来的全要素生产率。从表4的最后一行可看出,加总所有估计所得的系数,OP法下的规模弹性系数为0.98925,十分接近于常规模报酬系数。将最小二乘估计和OP法进行比较,可看出最小二乘法的估计结果有向下的偏差(TFP

OLS

24

=0.958,TFP=1.259),这主要是由于最小二乘估计未能有效

OP

控制联立性偏差和选择性偏差造成的。

据此,我们可用上述计算结果与其他国家的OP法估计结果进行跨国比较。与KellerandYeaple(2009)对美国企业,以及AmitiandKonings(2007)对印度尼西亚企业的估算相比,中国企业对中间投入品更为依赖,但是资本投入的重要程度则较美国和印度尼西亚企业低。这表明,加工贸易在中国企业生产率的增长中扮演了十分重要的角色。本文随后会详细地讨论这一点。

表5对一些估算中所涉及关键变量的统计结果进行了汇总。表格的上半部分展示了统一编码8位码的产品观测数据。基于16262159个月度观测样本进行计算,产品关税权重(即mijt/

k

k

mijt)的平均值为0.006,加权的企业产

k

出平均关税为7.2个百分点。不过,对企业年度数据而言,如表5下半部分所示,此项关税税率下降至4.77个百分点。

24

本文在此处使用了固定资产的账面价值来估计全要素生产率。然而,即使是使用折旧后的固定资产净值进行估计,也不会改变估计结果。25

OP法的加总弹性系数计算如下:0.052+0.820+0.117=0.989。

第4期余淼杰:加工贸易、企业生产率和关税减免

表5 统计数据摘要(2000 2006)

变量名称

样本量1717061998512169196753162621591626215993048691714859617170641171532449817924171706411040430010151810151810129210151810151871781101517101518101518101401101518101518101518101518101518平均值6.67e+07

0.11225.53870499.77

0.0060.07218.4016.25417.6310.97211.81812.2282003.4913.52e+09

1.2580.4044.77629.8151.0431.0530.0154.1950.0170.3320.6660.3530.004标准误2.14e+07

0.77314.835856771.9

0.0280.3961.8361.3391.9320.0971.7974.5101.8898.28e+08

0.3470.4907.2640.1490.5850.0100.0271.3700.1290.4700.4710.4770.066最小值

1265

最大值

8位统一编码(HS码)水平上的产品观测数据

8位HS代码下的产品编号6位HS代码从价关税

1996年6位HS代码从价关税(%)产品的贸易额(人民币元)产品的关税权重a加权的企业产出关税b实际原料的对数值(M)雇员人数的对数值(L)实际资本的对数值(K)平减价格指数

实际销售额的对数值(平减后)贸易类别年份

贸易企业的标识编号

企业全要素生产率(Olley-Pakes)贸易企业虚拟变量(PEij)企业的加权关税( ijt)工具变量( 1996it)企业的上一年利润产业部门的上一年利润上一年的赫芬达尔指数ln(K/L)it

国有企业虚拟变量

外资企业虚拟变量(港澳台商除外)外资企业虚拟变量(FIEit)FIEit PEijSOEit PEij10310009.80e+07

00006.9072.3026.9070.8457.979

102000-1.783

000

-128.642

0.9680.002-5.777

00000

9012016524.56511.90724.2812.11517.814

39200611.627

1658047.3151.2820.82514.940

1111104.40e+08

企业水平的观测数据

1.10e+096.52e+09

注:(a)产品的关税权重见正文。(b)加权的企业产出关税指6位HS代码水平上,每种产品的权重与其关税税率的乘积。

如前所述,其他条件不变时,外资企业的生产率相对较高,而国有企业的生产率则较低。根据企业生产数据库所提供的企业所有权信息,我们构建了一个虚拟变量(FIEit)来标示那些接受了外资投入的企业。由于大量外资是从港澳台流入内地的,所以本文将这部分境外资金也归为外来投资。用这种广义定义,如表5下半部分所示,则有2/3的贸易企业被归入外资企业。乍一看,这一比例高于相关研究得出的结论,如Feenstraetal.(2010)发现2000 2007年间有10%左右的规模以上企业为外资企业。造成这一差异的原因在于纳入本文的样本只包括规模以上的贸易企业,不从事外贸业务的企业已经被剔除。

it

小都被放进回归。事实上,回归样本包含年销售额在500万元以下的中小国有企业,可以避免忽视中小型企业的作用。在样本中,约有2%的大型贸易企业是国有企业。

四、实证分析结果

(一)基准回归

如图1所示,在2000年到2006年间,企业产出关税逐渐降低,而同时

26

期的企业全要素生产率呈上升的趋势。这意味着关税税率和企业生产率是负相关的,本节将对这两者间的关系做更充分的讨论。

图1 中国企业的生产率和产出关税(2000 2006)

数据来源:本文作者对样本数据的计算。对所有样本年份中2位统一编码行业下的企业,计算其全要素生产率的对数值和产出关税水平,再对这些数据取平均值便得到了图中的生产率和产出关税数值。所以,图上的每一个点代表了某个2位统一编码水平的行业各年平均的样本。

表6的第(1) (4)列汇报了用这31393个企业样本、跨度为2000

27

2006年的非均衡面板数据所得的混合最小二乘估计的基准回归结果。第(1)

栏的回归只考虑企业产成品关税( it)以验证最小二乘估计的结果是否与图1中的结果相一致。结果显示,企业进口关税对全要素生产率的影响显著为负,

26

2006年的数据有相反的上升趋势,这可能是由人民币在2005年升值所造成的。人民币升值之后,企业面临的进口竞争减弱,因而其提高产品质量的动机也变得不那么强了。27

总的估计样本数有101292个,但其中部分观测样本缺少了全要素生产率的数据

。

亦即表明关税降低通过产生更激烈的进口竞争显著地提高了企业的效率。在第(2)栏中,我们还加入了标示加工贸易企业的虚拟变量(PEit)。结果显示,加工贸易企业的系数显著为正,这也意味着加工贸易企业相对于非加工贸易企业有更高的生产率增长。

表6 基准估计结果

回归因变量:TFPOPit

企业关税 itPEit(lnK/L)itFIEitSOEitmarkupit-1ind_markupit-1Herfit-1FIEit PEitSOEit PEitFIEit (lnK/L)it企业固定效应

年度固定效应观测样本数量Prob.>FR2

无无1012910.0000.004(1)-0.

304**

最小二乘法(OLS)

(2)-0.0.-0.

382**012*015**

**

固定效用

(3)

(4)-0.0.

456**

(5)-0.0.

458**

(6)-0.0.

459**

379**012*015**

**

OLS(7)-0.498**(-18.59)0.010(0.82)0.001(0.74)0.054**(4.77)-0.039**(-2.41)0.027*(1.75)

-0.0.-0.

(-20.18)(-20.52)(-20.33)(-13.77)(-13.81)(-13.89)

034**019**

**

034**017**

**

033**016**

**

(1.92)(-7.63)0.063(6.22)-0.059(-4.91)

-0.312**(-2.64)(-3.55)(-6.19)-0.004(-0.16)-0.002(-1.02)

无无680410.0000.014

**

(0.1.88)(-7.94)0.061(6.10)-0.058(-4.86)0.023*(1.83)

**

(2.94)-0.(-12.73)0.065(12.44)-0.049(-2.58)0.017**(5.37)0.271(1.00)

**

(2.94)-0.(-5.76)0.082(5.57)-0.052(-2.71)

0.269(0.99)(-2.55)(-5.37)-0.029(-0.68)-0.004(-1.20)

**

(2.90)-0.(-5.76)0.081(5.52)-0.052(-2.69)0.017**(5.36)

**

-0.147**-0.133**-0.214**-0.218**-0.220**-0.164**

(-3.21)(-6.13)-0.003(-0.14)-0.002(-1.01)

无无680420.0000.013

有有680410.0000.001(-2.50)(-5.35)-0.029(-0.67)

(-2.58)(-5.32)-0.028(-0.66)-0.004(-1.16)

有有680420.0000.001

(-2.64)(-2.86)0.038(1.07)0.001(0.23)无无339630.0000.018

-0.045**-0.045**-0.068**-0.069**-0.068**-0.039**

有有680410.0000.001

注:括号中为归并到企业水平后的稳健的t估计值,*(**)代表10%(5%)的显著性水平。

传统贸易理论认为劳动力丰富的国家往往出口劳动力密集型产品。若这一推测成立,则处于劳动力密集型产业中的企业(或是劳动力禀赋相对丰富的企业)会有更多出口。同时,高生产率的企业也会有较高的出口额(Ber-nard等,2006)。由此推出:企业的资本利用率(资本劳动力比的对数值)与生产率应该是负相关的。故表6第(2)栏的回归考虑了资本利用率来控制这两者的相关性。此外,第(2)栏还控制了其他一些可能会影响进口竞争的要素,这些因素主要反映了产业市场结构的固有状态。在这些计算中我们依然

先前的相关研究表明,国有企业往往受制于效率低下和激励机制失效,其生产率较非国有企业相对更低(Wu,2005)。因此,除第(1)栏之外,本文在回归中均加入了一个标示国有企业的虚拟变量(SOEit)来控制回归结果。可以发现,各栏中标示国有企业虚拟变量的系数都显著为负。这与Je-f

fersonetal (2000)的研究成果一致,他们认为中国国有企业的生产率比私有企业的相对更低。

然而,目前学术界对外资方应持有多少股份方可算为外资企业仍有争议。为了绕开这一问题,本文主要以是否接受境外投资为依据,并使用了一个虚拟变量来标示外资企业(FIEit)以示区分。在这里,企业只要有涉及包括港澳台的任何境外投资则算为外资企业。表6的第(2)栏显示出外资企业相对于非外资企业具有较高的生产率。

如果加工贸易企业和外资企业都有相对较高的生产率,那么参与加工贸易的外资企业是否拥有更高的生产率呢?我们在第(2)栏、第(3)栏的回归中加入了两个分别衡量外资企业和加工企业、国有企业和加工企业之间交叉作用的自变量。回归表明衡量国有企业和加工贸易企业关系的交互变量系数在统计上并不显著。有趣的是,上述每一栏中,衡量外资企业和加工贸易企业关系的交互变量系数都显著为负。这表明,不从事加工贸易的外资企业相比从事加工贸易的,其生产率更高。这一现象的经济学解释是,多数外资企业的生产率本来就比较高,而只有那些生产率较低的外资企业才更积极地寻求加工贸易的机会并获得生产率的提高。最后,我们还引入了外资企业和其资本劳动力比对数值的交互作用项,用以观察资本要素较密集的外资企业是否拥有较高的生产率。这一交互作用项的拟合系数值为负,但结果并不显著。

第(4)

(6)栏是将两种固定效应纳入估计后的拟合结果。如前所述,

一些不随时间变化的因素(如企业所在地)也会影响企业生产率。但在第(1) (3)栏的最小二乘估计中,并未将这些因素分离出来。设想一家位于中国东南沿海地区的企业,很可能因为更靠近海岸线、从事对外贸易的运输费用更低而获益,并最终获得更高的生产率。与此类似,忽略诸如人民币升值这一类随时间变化的因素也会带来最小二乘估计的偏差。在回归中考虑这些特定企业和特定时间的固定效应,则能有效地控制以上因素。统计结果表明,企业关税变量和加工贸易虚拟变量的系数,其正负符号与预期相同。此外,这些变量回归所得系数在量上也与第(1)

(3)栏中经最小二乘估计

所得的结果十分接近。

此外,还可能出现这样的情况:一些曾经进行加工贸易的企业可能不再从海外进口原材料,而改由国内市场采购中间投入品。类似的,一些不进行加工贸易的企业也可能转而从事加工贸易。尽管我们已经利用一个随时间变,

单独研究仍然深具价值。我们在表6的第(7)栏中列出了对这一类企业(此处的加工企业虚拟变量标示了在整个时期都从事加工贸易的企业)进行最小

二乘估计的结果。结果表明,关税下降显著地提高了企业的生产率。此外,加工企业虚拟变量的系数依旧为正,虽然并不显著。

(二)分行业估计

我们的数据表明不同产业类型企业的生产率之间存在显著的差异。在15个归并后的产业门类中,木材和木制品产业(编码:44 49)的平均全要素生产率最高,而机械和电子产品产业(编码:84 85)的平均全要素生产率最低。图2是在去掉生产率最高和最低的两个产业的极端数据后绘制的,它清楚地表明,大体上进口关税低的产业有较高的生产率。但如表3所示,不同产业间的企业加权关税差异很大。例如,纺织品和服装产业(编码:50 63)的关税要比机械和电子产品产业(编码:84 85)的关税高得多。因此,本文进一步探讨了不同行业关税下降对生产率作用的异质性

。

图2 全要素生产率和产出关税

注:通过计算样本中所有企业的全要素生产率对数值和产出关税水平,再对计算结果取均值得到生产率和总的产出关税。

表7的第(1)栏、第(2)栏分别列出了最小二乘估计和固定效应的回归结果,这些计算是在剔除了产业生产率最高和最低的两个门类(即木制品和机械电子产业)后进行的。估计所得的系数与表6中第(4)栏至第(7)栏中的相应结果十分接近。在计算第(3)栏、第(4)栏中的数据时,笔者只使用了木制品产业的相关数据,并发现加工企业虚拟变量的系数不仅在统计上十分显著,在量上也远高于第(1)栏和第(2)栏中相同数项的数值。相反,企业关税的系数则不显著。这一结论与中国木制品行业的现实是高度吻合的:这一行业中的企业从国外进口了大量的原材料和较少的最终产品,因此,无论从统计上还是从经济学上来看,木制品产业中的企业从加工贸易

本文来源：https://www.bwwdw.com/article/1e3i.html