1、2023年第8期重点产业政策，央地政策差异与产业全球价值链升级张婕余壮雄*摘要：产业规划为全球价值链升级提供重要推力，是政府实现内循环与外循环良性协作的重要手段之一，而不同层级政府的政策实施方向则体现了国家发展战略与地方比较优势之间的平衡。文章基于海关数据和重点产业政策数据，利用工具变量法探究央地产业规划差异对出口企业价值链升级的影响和作用渠道。结果表明，中央产业规划通过提高一般贸易的国内增加值率（DVAR）来推动产业全球价值链升级，而地方产业规划则通过提高加工贸易的DVAR这一折衷路径来实现升级效应。此外，还发现升级效应在企业所有制类型和经营规模中存在异质性，而国内要素占比、生产率和创新效率
2、是传导差异升级效应的重要渠道。文章揭示了不同层级政府在产业全球价值链升级中的差异化效用，为未来产业规划政策的实施空间与调整方向提供了新的视角与思路。关键词：产业规划全球价值链升级重点产业政策国内增加值率DOI：10.19592/ki.scje.401740JEL分类号：F14，F18，L52中图分类号：F740文献标识码：A文章编号：1000-6249（2023）08-015-20一、引言2018年以来，在中美贸易战、新冠疫情、国际动荡形势等多重外生冲击影响下，中国于2020年提出“双循环，新格局”的新发展战略，主张以内循环为主、国内国际双循环相互促进，意图通过激活国内市场的庞大需求、建立完善
3、的现代产业体系为中国经济的可持续发展注入新的动力。产业政策也因此频频出台。如何发挥市场优势、借助产业政策推动产业的转型升级，以更好地嵌入全球价值链分工体系、实现内外双循环的相互促进，已成为当前政府亟需解决的核心问题。现有研究中关于产业政策与产业转型升级之间关系的研究成果颇丰，但大多是基于单一的政策工具的角度入手，忽略了产业政策的实施往往伴随着多种政策工具的组合运用，无法从全局视角综合评估产业政策的经济效应。近年来，随着对各类产业政策效应的讨论愈加深入，越来越多的文献开始转向使用政府五年*张婕，中山大学岭南学院、广东省发展和改革研究院，Email：，通讯地址：广州市越秀区应元路5号，邮编：510
4、030；余壮雄（通讯作者），暨南大学产业经济研究院、暨南大学产业大数据应用与经济决策研究实验室，Email：yuzx-。感谢匿名审稿专家的宝贵意见，作者文责自负。基金项目：教育部哲学社会科学重大攻关项目“畅通国内大循环、促进国内国际双循环的市场设计研究”（21JZD025）；国家自然科学基金一般项目“基于监督机器学习的Rubin因果范式研究：模型构建与设定检验”（72073039）；广东省自然科学基金面上项目“RCEP框架下的区域产业合作与价值链攀升”（2023A1515010407）；中央高校基本科研业务费专项资金资助（19JNKY04）。15重点产业政策，央地政策差异与产业全球价值链升级规
5、划中的重点产业政策数据，从全局性角度讨论产业政策的效果（宋凌云、王贤彬，2013；赵婷、陈钊，2020）。但是，各省份会在国家五年规划的基础上出台符合本省发展情况的五年规划。因此，重点产业政策的执行很多时候是中央与地方政府之间目标的权衡。不同层级政府产业政策的差异在实践中也会带来不同的效应；张莉等（2017）、余壮雄等（2020）就发现中央与地方重点产业政策对城市工业用地与产业绿色发展的影响存在明显差异。那么，国家“统一方向”的五年规划与省份“因地制宜”的五年规划在推动中国产业全球价值链升级中分别扮演怎样的角色？带来哪些不同的效果？这些问题都有待深入详细地探究与分析。另一方面，有关全球价值链的
6、研究始终是国际贸易领域中令人瞩目的研究议题，而反映企业产品结构的国内增加值率（Domestic Value-Added Ratio，DVAR）作为全球价值链地位的量化指标，是相关研究中不可忽视的一环。从学术的角度来看，自从Hummels et al.（2001）使用投入产出表来计算垂直专业化程度以来，有关DVAR的研究日见其多。特别是，针对中国产品DVAR的研究已成为近年国际贸易领域研究的热点之一（Upward et al.，2013；Kee and Tang，2016；毛其淋、许家云，2018；高翔等，2020）。从政府的角度来看，中国商务部等七个部门于2016年联合下发的 关于加强国际合作
7、提高中国产业全球价值链地位的指导意见 中指出，应稳步提升中国单位出口的增加值比重，逐步缩小与发达经济体差距；可见政府亦认同国内增加值率这一衡量国际贸易中收益分配的指标对于中国制造业实现真正的全球价值链攀升的重要意义。而2018年的中美贸易战将国际贸易中的利益分配问题推向风口浪尖，更是引发了有关产业政策在外贸领域的应用与效应问题的激烈争论。在此背景下，本文以重点产业政策为切入点，考察其对出口产品DVAR的影响，以探究产业政策对全球价值链升级的效果，更加具有现实意义。图1行业平均DVAR趋势图图2重点产业出口趋势图从价值链地位看，20002013年间，中国出口产品的平均DVAR（具体测算方法见下文
8、）呈现不断上升的态势，说明中国的全球价值链参与程度不断加深。其中，非重点产业的平均DVAR较为稳定的围绕0.6上下波动，主要的DVAR提升源于国家和省份所支持的重点产业，如图1所示。受到金融危机影响，2008年后中国的全球价值链参与程度出现急剧下降的波动趋势。但从整体来看，无论是国家还是省份的重点产业平均DVAR均呈现出明显的右上方倾斜趋势。与之相对应的，由图2可以发现，国家和省份支持的重点产业出口额也呈现出明显的右上方倾斜态势，且波动趋势同规划期162023年第8期交接年和金融危机冲击相吻合。因此，我们猜测，重点产业政策的实施对于提升中国出口产品的DVAR，推动产业实现价值链攀升具有积极作用
9、。但由于不同层级政府所支持的重点产业既有重叠又有差异，是谁的政策效应在推动出口产品DVAR提升这一问题仍未可知，需要进一步地深入探讨。本文的贡献主要体现在：（1）虽然已有文献肯定了重点产业政策的出口导向特征（Yu et al.，2020），但关于重点产业政策与国内增加值率之间关系的研究还比较少，而本文为这支文献进行了有益的补充。（2）本文进一步考察中央与地方政府产业政策的差异化对企业贸易行为的影响，丰富了现有产业规划差异文献的研究内容。（3）从重点产业政策的角度出发，系统考察了重点产业政策对中国出口产品DVAR的影响机制，对已有研究进行有益补充的同时，为重点产业政策的未来调整方向提供了切实可行
10、的路径支持。本文余下部分的结构安排如下：第二部分是文献综述；第三部分介绍了指标测度、数据与回归模型设定；第四部分为实证结果与回归分析；第五部分是机制检验结果；第六部分进行总结。二、文献综述与本文研究相关的文献主要有两块：一是关于产业政策的政策效应，特别是重点产业政策对产业与经济发展的影响，以及不同层级产业规划之间关系与作用的异质性；二是关于全球价值链升级的影响机制，特别是企业层面的DVAR的测算与影响机制。（一）产业政策、政策效应与规划差异有关产业政策与产业转型升级之间关系的研究一直是学术界研究的热点问题。高新区政策方面，Wang and Wei（2010）指出政府为资助高新技术产业开发区所提
11、供的政策优惠是中国与发达国家贸易结构重叠程度加深与出口产品国内价值上升的关键；出口退税政策方面，出口退税率的提升能够显著推动出口增长（王孝松、谢申祥，2010），促进产业的转型升级（陈明艺、陈飞，2012）；政府补贴政策方面，邢斐等（2016）发现政府补贴是推动出口转型升级的重要力量，且研发补贴与出口补贴政策一齐实施能够更有效地促进出口转型升级。但相关的研究大多立足于个别具体的政策工具进行分析，无法真实反映多项政策工具组合运用的现实情况，也难以综合评估产业政策带来的总体经济效应。与单个具体的政策工具不同，政府五年规划中的重点产业政策作为一项全局性的产业政策，在实施中通常配合使用补贴、税收优惠、
12、利率优惠和贷款支持等多种手段（Yu et al.，2020），能够更好地捕捉产业政策对特定行业或企业的支持，已经开始被广泛使用在相关的研究中。从文献来看，当前基于五年规划的重点产业政策的实证分析主要集中在资源配置（蔡庆丰、田霖，2019）与生产效率（张莉等，2019；王贤彬、陈春秀，2020）。近年来，学者开始探索重点产业政策对贸易的影响，认为重点产业政策会推动企业出口边际的扩张（余壮雄等，2020），来实现出口增长（Yu et al.，2020），并诱发企业进行出口业务再分配（余壮雄等，2021）。遗憾的是，虽然已有的研究肯定了重点产业政策对出口扩张的促进作用，但这种出口扩张是否能实现产业全
13、球价值链的升级仍然没有定论，相关的研究严重不足，显然与其重要性不相匹配。与政策效应相关的另一个重要议题是中央与地方政府之间关系如何影响政策的效应。梳理研究中央与地方政策差异性的文献可以发现，中国独特的政治制度会对各个领域产生影响，仅仅分析17重点产业政策，央地政策差异与产业全球价值链升级国家或省份重点产业政策的经济效应并不能揭示重点产业政策作用机制的全貌，也解释不了不同地区与行业在政策实施后的差异化表现。中国的政治制度并不是一般意义上的中央集权制，中央具有人事任免权，地方则具有区域决策权、自由裁量权（Xu，2011）以及财政上的相对分权（Zhang，2006）。拥有人事任命权的中央政府将GDP
14、增长作为地方官员政绩考核的重要指标，把地方的经济发展与当地的官员晋升联系在一起，在某些时候反而会加大国家与省份发展目标之间的冲突（周黎安，2007）。已有学者注意到中央与地方政府在重点产业政策覆盖范围与效用上的差异。在“九五”到“十二五”期间，国家重点产业政策与省份的重点产业政策的差异率约为50%（宋凌云、王贤彬，2013）。从政策效用来看，在环境保护、生产效率、土地配置效率等方面已发现明显差异。如余壮雄等（2020）发现国家五年规划着眼于经济发展的长期目标，更倾向于发展低碳排放行业，而地方五年规划则更关注短期经济增长，偏向发展高产值的高碳排放行业；宋凌云、王贤彬（2013）验证了省份特有重点
15、产业政策使重点产业TFP 水平显著高于非重点产业，而与省份规划相同的国家重点产业政策对行业TFP 几乎无显著影响；杨继东、罗路宝（2018）认为与国家重点产业政策所覆盖的产业相比,省份重点产业政策提及的重点产业对省份内部土地资源的空间配置影响更大。上述研究表明，中央与地方重点产业政策无论是在目标还是在实际执行中都会存在一定程度的冲突并带来差异化表现。由此，从中央与地方政府目标差异角度探讨重点产业政策在国际贸易领域的影响效应就显得十分重要。（二）全球价值链升级与国内增加值率全球价值链的兴起促成了各类官方国际统计机构以增加值为基础的新贸易统计法则的诞生，也因此掀起以增加值为基础的全球价值链研究热潮
16、。Balassa（1967）曾指出商品的连续生产过程由于国际分工而被切割成一条垂直贸易链，各国根据自己的比较优势选择生产环节将其附加值化，并提出了最早的垂直专业化的概念，而后Hummels et al.（2011）提出系统测度垂直专业化的量化指标，用来衡量各国在某一出口品全球价值链中的地位。国内增加值率作为全球价值链地位的外在表现（Kee and Tang，2016），其测算方法和拓展研究引起了学者们的注意。在宏观层面，学者们多使用投入产出表来直接测算行业或国家在全球价值链中的位置（Koopman et al.，2014；徐久香、拓晓瑞，2016），并验证了价值链嵌入位置与宏观DVAR之间的“
17、微笑曲线”特征（高翔等，2020）；与之对应的，微观层面则是利用企业的产出与进出口数据来测算其DVAR，以此探索企业价值链升级的过程与机制（Ma et al.，2015；吕越等，2018）。从影响机制来看，中国加入WTO后，成员之间贸易壁垒的降低使得中国的贸易自由化程度不断加强，由此带来的进口品价格下降会降低上游生产中间品的国内厂商的成本，从而使得国内要素替代国外要素成为可能，最终推动DVAR的提高（Kee and Tang，2016），迈向全球价值链中高端位置（魏悦羚、张洪胜，2019）。其二，高质量进口产品对企业的自主创新具有溢出效用，通过创新推动加成率上升以及提高出口价格，进而提高DVA
18、R（诸竹君等，2018）。其三，毛其淋、许家云（2018）认为外资进入通过前后向关联的溢出效应推动了国内增加值率的提高。其四，出口退税则能够通过推动加工贸易企业转型为一般贸易企业而达到提升国内增加值率的目的（刘信恒，2020）。从已有的文献来看，关于DVAR的影响机制的研究十分丰富，主要机制是通过要素替代、成本加成率、研发创新和出口转型等作用在 DVAR 上。与本文研究方向较为类似的有 Wu et al.（2021），其以增值税转型改革作为政策冲击来探究对出口企业国内附加值率的影响，但其关注点为单一政策工具税收，无法捕捉产业政策支持的整体效应。因此，本文将从综合性政策工具182023年第8期重
19、点产业政策，来补充产业政策与对外贸易内在价值的研究。三、回归模型与数据说明（一）回归模型设定为了考察重点产业政策对中国出口产品全球价值链升级的影响，本文分别测算了度量产品全球价值链分工比重的国内增加值率（DVAR）和度量企业产品获得产业政策支持的比重（rKI），并建立如下的回归模型，验证重点产业政策与企业产品全球价值链升级之间的关系：DVAR_Pit=rKI_T(OnlyP)it+Xit+i+t+pt+it（1）DVAR_Oit=rKI_T(OnlyP)it+Xit+i+t+pt+it（2）其中，下标i、p和t分别表示企业、省份和年度；DVAR_P和DVAR_O分别对应企业加工贸易与一般贸易的
20、DVAR；rKI表示企业获得政策支持的比重，具体细分为国家政策支持比重（rKI_T）和省份特有政策支持比重（rKI_OnlyP），指标构建和选取原因请见下文；X为控制变量，包括一般贸易占比、出口比重、企业规模、企业年龄、劳均资本、行业市场集中度；p是省份虚拟变量，t为年度趋势，pt即为省份时间趋势交互项；i、t和it分别为个体固定效应、年度固定效应和随机干扰项。此外，所有回归的协方差计算均聚类到企业层面。1.企业DVAR的测度DVAR是指每件出口的最终产品中剔除国外进口的价值部分后国内企业或国内要素所创造的价值比例。考虑中央政府出于经济长足发展的需要定要支持一般贸易的发展，而地方政府出于对GD
21、P绩效的需要很可能会保护本地区加工贸易的发展，那么，不同贸易类型对政策的反应必然存在差异。因此，本文在Upward et al.（2013）的测算方法的基础上分别计算DVAR：DVAR_Pit=1-MPitEPit（3）DVAR_Oit=1-()MOitEOitDSit+EOitEOit（4）其中，上标P和O分别表示加工贸易和一般贸易；M表示进口中间产品的价值；E表示企业的出口额；DS表示企业内销的销售额，即销售总额减去出口额。考虑到使用进口中间品所生产出的最终产品通常不仅仅用于一般贸易出口，可能还会用于国内销售，MOEO/(DS+EO)表示企业用于一般贸易出口的最终产品中出口部分所使用的中间
22、品价值。本文先匹配工业企业数据库与海关数据库，再计算企业的DVAR，样本期为20002013年。详细的数据处理和计算过程如下。删除进口波动较高的石油、有色金属和黑色金属行业，约占工企样本数的5%。识别中间产品。对于加工贸易，因为中国海关规定，登记为加工贸易进口的产品只能用于生产加工贸易出口产品，因此，我们将所有进口均定义为中间品进口。对于一般贸易，先利用联合国公布的BEC（Broad Economic Categories）分类中的BEC代码来识别中间品，再利用BEC-HS 这里假设一般贸易企业用于内销和出口的产品结构一致。详情参见Upward et al.（2013）。19重点产业政策，央地
23、政策差异与产业全球价值链升级对照表识别出海关HS编码系统中的进口中间品。用企业名称将工业企业数据库与海关数据库合并后，区分加工贸易与一般贸易，据公式计算出企业层面的DVAR。由于有一小部分样本存在进口额大于出口额或销售总额，使得测算得到的DVAR为负值，借鉴Upward et al.（2013）的做法，本文将这类DVAR记为0。2.政策支持比重指标的测度五年规划中有十分详细的一个章节叙述了未来五年政府将重点扶持和发展的行业，即所谓的重点产业政策。本文借鉴Yu et al.（2020）构建的重点产业政策测算框架，手动收集和整理了中央政府与地方政府的五年规划所提到的重点发展和支持的产业，并将其与2
24、002年的国民经济行业代码匹配，形成重点产业政策数据库，数据涵盖“九五”至“十二五”4个五年规划期，全国31个省份以及35个工业2位码细分行业。具体地，如果一个行业属于国家或省份重点支持的产业则定义相应的国家或省份重点产业政策变量为1，否则定义为0。由中国海关数据可知，即使是在二位行业代码分类下，很多企业的出口产品范围仍然会覆盖多个行业；此时，企业出口的产品很可能有一部分属于产业政策支持的重点行业，另一部分则属于非重点行业；本文使用重点产业政策数据与中国海关数据匹配，计算出企业出口产品中重点行业的比重，并以此来度量企业获得政策支持的程度。政策支持比重的测算方法如下：rKI_T(OnlyP)it
25、=jEijt KI_T(OnlyP)jtjEijt=jSijt KI_T(OnlyP)jt（5）其中，下标j表示行业；rKI_T（OnlyP）表示基于国家（省份特有）重点产业政策计算的企业获得的政策支持程度；E代表企业-产品-年度出口额；Sijt为t年i企业在j行业的出口额占t年i企业总出口的比重；KI_T（OnlyP）为国家（省份特有）重点产业政策虚拟变量。由于在“九五”到“十二五”期间，国家重点产业政策与很多省份的重点产业政策的重叠率都超过了50%（宋凌云、王贤彬，2013），张莉等（2017）则建议将各省的重点产业政策同时属于国家重点产业政策的那些行业剥离，计算相应的省份特有重点产业政策
26、，以此来捕捉不同地区产业政策的差异展开分析。直观上，中央政府在制定国家重点产业政策时会更多考虑全国宏观层面的发展目标与方向，而地方政府在制定地区产业政策时通常会在国家重点产业政策的基础上进行调整，引入自身发展目标的考虑；那么，将剥离国家重点产业政策的干扰后的省份特有重点产业政策（KI_OnlyP）和国家重点产业政策（KI_T）引入模型当中，将更易体现出中央政策与地方政策的差异化影响。重点产业政策（KI）是政府根据规划期前的经济表现以及对未来的经济预测而制定，并且在规划期前一年公开披露，属于前定变量的概念；但是，考虑到在计算政策支持比重（rKI）时所使用的权重为企业当年各行业的出口比重（S），而
27、这一权重通常会随着政策的不同而变动，是以可能会存在内生的问题。例如，企业为了得到更多的政府补助或政策优惠，会争相提高政府支持发展的行业的出口 对照表参见联合国统计司官网：https:/unstats.un.org/unsd/trade/classifications/correspondence-tables.asp。加工贸易定义为海关登记贸易类型为“来料加工装配贸易”和“进料加工贸易”；其余定义为“一般贸易”。本文也同样统计过国家与各个省份的重点产业政策的重叠率，与之一致。因篇幅有限，备索。张莉等（2017）发现央地的重点产业政策对城市工业用地出让的影响程度存在显著性差异，相对于省份五年规划
28、内提及的重点产业而言，中央未提及-地方提及的重点产业政策对土地资源的影响最大，即省份特有重点产业政策的影响最大。202023年第8期比重（余壮雄等，2021）；如果产业政策会因行业特征来挑选扶持对象，如国家或省份更倾向挑选具有高附加值率的行业，那么，即使政策是前定的，但这种随政策而变动的行业出口份额也会受到行业本身的DVAR的影响，这会使得计量模型中的变量rKI存在内生性。同理，企业一方面可能会受到重点产业政策对一般贸易支持的影响而削减加工贸易出口的占比；另一方面，重点产业政策对于企业存在出口导向的作用，会吸引企业进入国际市场（Yu et al.，2020）。因此，回归方程中所包含的控制变量一
29、般贸易占比（r_ship）和出口比重（r_exp）也可能会存在内生性问题。本文借鉴Brambilla and Porto（2016）的方法，利用WTO框架下的MFN关税来构建工具变量以解决行业份额（Sijt）可能存在的内生性问题。具体构建工具变量的思路如下。首先，根据式（6），使用企业层面年度-行业-国家的出口比重（Sijct）对年度-行业-国家维度的MFN关税（Tariffjct）进行回归，回归中加入了企业虚拟变量i捕捉随企业特质，行业年度虚拟变量jt捕捉随着时变的行业特质，国家年度虚拟变量ct捕捉出口目的国的时变特征。然后，根据回归的结果预测企业-年度-行业-国家的出口比例（ijct）。最
30、后，根据式（7）将预测得到的企业出口份额与当期的重点产业政策虚拟变量（KIjt）相乘，汇总得到企业年度的政策支持比重的预测（IV_rKIit），作为政策支持比重（rKIit）的工具变量。类似地，本文还使用企业-年度-行业-国家的r_ship与r_exp替换式（6）的Sijct，重新进行回归预测，估算一般贸易占比和出口比重的工具变量（IV_r_ship和IV_r_exp）。Sijct=Tariffjct+i+jt+ct+ijct（6）IV_rKI_T(OnlyP)it=jcSijct KI_T(OnlyP)jt（7）3控制变量参考既有文献，本文在回归方程中加入了一些常规的控制变量以控制企业与行业
31、层面的特征差异所带来的影响：加入一般贸易占比（r_ship）以控制企业贸易类型偏好；加入出口比重（r_exp）以控制企业的目标市场特征，即企业的出口额除以销售总额；企业规模（ln Size），使用企业每个规划期首年的实际总资产并取对数得到；企业年龄（ln Age）；资本劳动比（ln KL），使用实际固定资产除以雇员总数后对数化得到，以此控制企业的要素密集类型带来的影响；行业市场集中度（HHI），用销售总额作为基础测算，用来捕捉行业竞争程度。另外，为了消除样本极端值的影响，本文对所有企业层面的控制变量均进行了双侧0.5%的缩尾处理。（二）数据说明本文使用了三方面的数据：手动收集的中央与各省的重点
32、产业政策数据库、工业企业数据与海关贸易数据。数据预处理过程如下：工业企业数据库方面，首先，将各年的行业代码统一调整为2002年国民经济行业代码版本的两位数行业代码；其次，删除个别与贸易关系不大或产品比较特殊的行业，包括采矿业、能源行业、工艺品制造业、烟草行业、废旧材料回收加工业、石油与金属制造业；最后，删除工业销售额、销售总额、中间投入品价值为空值或者负值，职工人数少于8人或者为空值的样本。海关贸易数据库方面，删除了无关的服务贸易数据；删除了企业出口额占销售额比例小于 Brambilla and Porto（2016）使用的是双边汇率进行工具变量构建，但其与本文最大的不同在于研究维度。本文需要
33、构建的是企业-行业-年度-国家层面的工具变量，故选择符合这一特性的关税来构造工具变量并参考了其模型构建方法。关税是与重点产业政策无关且无法由企业个体行为所决定的，但切实与企业出口行为相关，影响到企业在各个行业-国家的出口比重。这满足了工具变量的外生性与相关性的要求。21重点产业政策，央地政策差异与产业全球价值链升级0.001%的样本以及出口额在5万美元以下的样本，以降低极端值影响；剔除中间贸易商。最终，基于企业名称将海关贸易数据与工业企业数据进行匹配，再根据行业代码匹配重点产业政策数据，最终共得到501621个观测样本。主要变量的描述性统计如表1所示。表1主要变量的描述性统计变量DVAR_PD
34、VAR_OrKI_TrKI_OnlyPr_shipr_expln Sizeln Ageln KLHHI均值0.58400.96530.29610.15390.73630.462610.18642.23073.37670.0047标准差0.37170.12820.39600.32000.40060.37671.41710.63111.32790.0346最小值0.00000.00000.00000.00000.00000.00106.98330.6931-0.53340.0003最大值1.00001.00001.00001.00001.00001.000014.63074.07757.16430
35、.4761样本量203171455280501621501621501621501621497870496918494291501621四、实证结果与回归分析（一）基准回归结果表2报告了加工贸易出口的回归结果，因变量为企业加工贸易DVAR（DVAR_P），自变量为国家政策支持比重（rKI_T）和省份特有政策支持比重（rKI_OnlyP），以对比中央和地方产业政策对加工贸易发展的差异化影响。表中所有的回归均使用工具变量法进行估计；IV有效性检验均显示，在1%的显著性水平上拒绝工具变量识别不足的零假说，且通过了弱工具检验，表明IV估计的结果是可信的。列（1）（2）为仅包含内生控制变量的回归结果，而
36、列（3）（4）为加入所有控制变量的回归结果；如表2，无论是否加入其他控制变量，关注变量的回归系数都高度显著且符号方向相同。从列（3）-（4）的回归结果来看，rKI_T对DVAR_P具有显著的负向影响，即企业出口的产品划入国家重点产业政策的比重每提高1个百分点，加工贸易DVAR下降0.0285个百分点；与之相反，rKI_OnlyP对DVAR_P则具有显著的正向影响，即企业出口的产品划入本省重点产业政策的比重每提高1个百分点，加工贸易DVAR上升0.0246个百分点。这说明，两类重点产业政策对加工贸易出口的影响具有明显的差异性，国家重点产业政策对加工贸易DVAR呈现抑制的作用，而省份重点产业政策对
37、加工贸易DVAR呈现促进的作用。表3报告了一般贸易出口的回归结果，表格结构与表2类似，但因变量为企业一般贸易DVAR。如表3所示，不同控制变量设定下，rKI_T和rKI_OnlyP的回归系数方向保持一致且均显著性高；从系数的方向来看，rKI_T对DVAR_O具有显著的正向作用；而rKI_OnlyP对DVAR_O的回归系数则显著为负。由此可看出，两类重点产业政策对企业的一般贸易出口同样存在迥然不同的政策效应：国家 借鉴Ahn et al.（2011）鉴别中间贸易商的方法，即将企业名称中含有“进出口”、“经贸”、“贸易”、“科贸”、“外经”的企业定义为中间贸易商。222023年第8期重点产业政策推
38、动了一般贸易 DVAR 的提升，而省份重点产业政策则会抑制一般贸易 DVAR 的提升。表2加工贸易出口的基准结果rKI_TrKI_OnlyPr_shipr_expln Sizeln Ageln KLHHI个体固定效应时间固定效应省份时间趋势样本量识别不足检验识别不足检验P值弱工具变量检验加工贸易国内增加值率（DVAR_P）（1）-0.0309*（-4.3811）-0.5618*（-3.6869）1.0126*（10.2506）控制控制控制19108885.86630.000028.7023（2）0.0228*（3.7903）-0.5414*（-3.5637）0.9918*（10.1512）控制
39、控制控制19108884.57080.000028.2667（3）-0.0285*（-3.9338）-0.6755*（-4.1422）0.9993*（9.6631）-0.0030（-0.7925）0.0613*（7.2287）-0.0005（-0.2585）0.0398（1.3890）控制控制控制18424678.51520.000026.1888（4）0.0246*（3.9365）-0.6569*（-4.0390）0.9795*（9.5662）-0.0032（-0.8666）0.0616*（7.3581）-0.0004（-0.2176）0.0385（1.3517）控制控制控制18424677
40、.46260.000025.8380注：*、*和*分别表示在10%、5%、1%的水平上显著，括号内为t值。如无特殊说明，以下各表同。综合表2和表3的基准回归可知，在推动全球价值链升级方面，国家重点产业政策和省份重点产业政策的激励方向明显不同：国家重点产业政策主要通过提高一般贸易DVAR的方式，借助一般贸易的升级来推动中国出口产品全球价值链的升级；与之相对，省份重点产业政策则主要通过升级加工贸易的方式来实现产业全球价值链的升级。作为中国承接国际产业转移与分工的主要方式，加工贸易在改革开放初期对中国经济的发展确实带来了很大的助力，但随着中国经济发展水平的提升，这种产业链两端都被国外控制的低端加工模
41、式已经越来越不适应当前的发展阶段。相比而言，一般贸易的可控性及其与国内要素的联动性方面都更为强劲，是中国发展“双循环，新格局”这一长期目标的主要载体。因此，国家政策致力于支持一般贸易的发展与升级是与中国的长远利益相符的。在国家重点产业政策的支持下，企业的一般贸易产品不断自主成长，持续提升其国内替代能力，体现为推动一般贸易DVAR提升；企业的加工贸易产品则是得益于升级成为一般贸易产品的政策鼓励，采23重点产业政策，央地政策差异与产业全球价值链升级取升级优质加工产品而留下了竞争能力较弱的加工产品，进而体现出国家重点产业政策作用下企业加工贸易DVAR下降趋势。从地区层面来看，加工贸易是部分省份重要的
42、经济组成部分，其吸收当地劳动力的成效卓然，全面放弃加工贸易对地区的经济发展会带来严重的后果；因此，地方政府会倾向于采用升级加工贸易的折衷方式，来达到实现全球价值链升级与维持地区经济增长的平衡。于是，在省份重点产业政策支持下，企业的一般贸易产品可能会利用政策资源进口更多高质量中间品来实现产品优化升级，体现为抑制一般贸易DVAR上升；企业的加工贸易产品则更可能通过抢占高附加值链区以延伸产业链的方式来实现价值链攀升，体现为加工贸易DVAR稳健提升。表3一般贸易出口的基准结果rKI_TrKI_OnlyPr_shipr_expln Sizeln Ageln KLHHI个体固定效应时间固定效应省份时间趋势
43、样本量识别不足检验识别不足检验P值弱工具变量检验一般贸易国内增加值率（DVAR_O）（1）0.0040*（2.6457）0.2655*（6.1606）0.0500*（3.6702）控制控制控制434656213.47840.000072.1592（2）-0.0044*（-3.8365）0.2645*（6.1399）0.0514*（3.8095）控制控制控制434656213.95780.000072.3199（3）0.0040*（2.6456）0.2864*（6.4741）0.0391*（2.9652）0.0038*（3.2343）0.0136*（8.1251）-0.0025*（-7.7054
44、）0.0042（1.2084）控制控制控制418784205.64360.000069.4377（4）-0.0041*（-3.4995）0.2855*（6.4559）0.0406*（3.1179）0.0038*（3.2439）0.0135*（8.0755）-0.0025*（-7.7142）0.0042（1.2045）控制控制控制418784205.99530.000069.5549（二）稳健性检验本文的样本期跨越了四个“五年规划”，但样本期内包含的“九五规划”和“十二五规划”时期并不完整。鉴于各个规划期的目标各不相同，不同规划期的重点扶持行业差异较大，不完整的规划期样本可能会对回归结果造成扭曲
45、。故此，我们保存完整的“十五规划”和“十一五规划”的样本重新进行回归，以验证基准结果的稳健性。表4说明，国家政策支持对加工贸易DVAR有负向影响，对一般贸242023年第8期易DVAR有正向影响；而省份特有政策支持则对加工贸易DVAR为正向作用，对一般贸易DVAR为负向作用；与基准结果一致。表4稳健性检验1：删除不完整规划期样本rKI_TrKI_OnlyP控制变量个体固定效应时间固定效应省份时间趋势样本量识别不足检验识别不足检验P值弱工具变量检验DVAR_P（1）-0.0263*（-3.1888）加入控制控制控制12550861.51760.000020.5854（2）0.0172*（2.39
46、96）加入控制控制控制12550861.51100.000020.5820DVAR_O（3）0.0047*（2.4918）加入控制控制控制274134134.88740.000045.3257（4）-0.0044*（-3.2007）加入控制控制控制274134134.05910.000045.0405表5稳健性检验2：替换解释变量KI_T_PKI_OnlyP_PKI_T_OKI_OnlyP_O控制变量个体固定效应时间固定效应省份时间趋势样本量R方DVAR_P（1）-0.0122*（-4.3852）加入控制控制控制1958760.0408（2）0.0154*（5.2724）加入控制控制控制195
47、9260.0409DVAR_O（3）0.0019*（2.5898）加入控制控制控制4388900.0299（4）-0.0036*（-6.0024）加入控制控制控制4390520.0298此外，为了检验解释变量的稳定性并放松对工具变量的依赖，我们使用前定的重点产业政策虚拟变量替代基准回归中的连续型政策支持比重进行回归。首先，构建企业不同贸易类型下主营行业是否获得重点产业政策支持的虚拟变量。如果规划期内企业的加工（一般）贸易主营行业属于国家重点产业则定义KI_T_P（KI_T_O）为1，否则为0；同样地，如果规划期内企业的加工（一般）贸易主营25重点产业政策，央地政策差异与产业全球价值链升级行业属
48、于省份特有重点产业则定义KI_OnlyP_P（KI_OnlyP_O）为1，否则为0。然后，使用不同贸易类型的DVAR重新对相应的重点产业政策虚拟变量进行LS回归，结果如表5所示。两类重点产业政策指标的回归系数的符号和显著性与基准结果仍然保持高度一致，即表明本文基础结论稳健。（三）异质性分析1.外资参与毛其淋、许家云（2018）曾发现，外资进入利于中国企业的出口国内增加值率的提升。由此，我们猜想重点产业政策对DVAR的影响可能在不同所有制企业内存在差异，而外资企业更可能成为产业政策发挥效应的主体。于是，本小节将样本按照企业的外资参与情况划分为外资企业和本土企业再回归。分样本的回归结果如表6所示。
49、Panel A为外资企业的回归结果，与基准回归相比，系数符号保持一致。而Panel B的本土企业的回归结果表示，只有省份特有政策支持比重对一般贸易DVAR的回归结果显著为负，其余均不显著。这表明，对于较为注重内销、自主性强、全球分工模式利用率较低的本土企业而言，重点产业政策不能有效推动企业实现全球价值链的升级，仅在省份重点产业政策支持下会利用政策资源进口高质中间品用于提升其产品质量与竞争力。综合以上结果可以发现，与全球产业分工联系更密切的外资企业对于推动全球价值链升级的重点产业政策会更加敏感。表6异质性检验1：外资企业VS本土企业Panel A：外资企业rKI_TrKI_OnlyP样本量识别不
50、足检验识别不足检验P值弱工具变量检验Panel B：本土企业rKI_TrKI_OnlyP样本量识别不足检验识别不足检验P值弱工具变量检验DVAR_P（1）-0.0346*（-4.6467）15421864.05700.000021.3432-0.0035（-0.2139）2983085.17110.000028.4168（2）0.0291*（4.3181）15421863.57420.000021.18750.0151（1.1627）2983085.14500.000028.4343DVAR_O（3）0.0073*（3.0304）229855146.74460.000049.57550.000
