全部工业行业的回归结果

表5.2给出了采用全部33个工业行业在1992—2012年间的数据，对方程（5.3）进行面板数据分析的回归结果。为了加强回归结果的稳固性，本书对面板数据的三种模型都采用了逐步回归的方法，即通过逐步加入自变量的方法进行回归。模型（1）和模型（2）为混合数据普通最小二乘估计的结果，其中模型（1）中的自变量只包含本书最为关心的代表资本积累、技术扩散和技术创新等演进机制的变量，而模型（2）在此基础上加入了以产业规模为代表的其他行业层面的自变量。模型（3）和模型（4），以及模型（5）和模型（6）分别为采用固定效应模型和随机效应模型时的回归结果，它们的区别也在于加入了新的自变量。

表5.2　全部33个工业行业的回归结果

注：①括号中的数值为t检验值，＊＊＊、＊＊和＊分别表示通过了1%、5%和10%水平上的显著性检验；②ΔLnK、ΔLn（K／L）、ΔLnFDI、ΔLnFR＆D、ΔLnSR＆D、ΔLn HR＆D和ΔLnSE分别为实物资本存量、资本密集度、外商直接投资水平、外国研发资本、本国科研投入比重和科研人员比重自然对数的一阶差分；③回归结果中省略了常数项；④本书的结果由EViews5.0软件计算得到。

表5.2显示的回归结果主要可以概括为以下几点：(www.xing528.com)

（1）在混合数据普通最小二乘估计和随机效应模型的回归结果中，除了代表技术创新水平之一的本国科研投入比重变量（ΔLnSR＆D）之外，其他变量的估计系数都通过了显著性检验。并且，除了资本密集度变量ΔLn（K／L）it之外，其他变量的回归系数符号均为正的。这些结果与第3章的理论预期基本一致，也就是说，在这两种检验模型下，代表中国资本积累、技术扩散和技术创新演进机制的几个变量基本都表现出与产业内贸易的增长具有正相关。而资本密集度的回归系数为负，并且在1%水平上显著，这与理论的预期并不一致。对这个结果的一个可能的解释是：中国的产业内贸易很多都以加工贸易的形式存在，即进口中间产品，经过加工后再出口的贸易方式。在进行这种贸易的产业中，不再是用资本代替劳动，而是每一资本将雇用更多的劳动。因此劳动分工的加深也可能带来产业内贸易的增加。也就是说，在具有较多加工贸易的产业中，随着产业内垂直分工的加深，产业的资本劳动比率会越来越向劳动力密集的方向发展，而这种加工贸易以产业内贸易的形式出现。因此，就有可能出现劳动力越密集，产业内贸易越多的现象。

（2）在固定效应模型的检验结果中，一共有实物资本存量、本国科研投入比重以及科研人员比重3个变量的估计系数没有通过10%水平上的显著性检验，并且Hausman检验值在10%水平上的检验也不显著^[3]。固定效应模型检验结果和随机效应模型检验结果的不一致性说明行业之间的差异对各变量的估计系数具有比较大的影响，组间效应在某种程度上掩盖了同一行业的组内效应对因变量的影响。对固定效应模型进行的F检验和Hausman检验也都肯定了这种行业之间差异的存在。而同一行业的组内效应，即随着时间推移的每个产业的生产要素投入变量在不同年份之间的差异对因变量的影响是本书研究的重点。因此，为了进一步确定不同时间点上各变量与产业内贸易额的关系，应该选择在产业内贸易特性上相差较小的一些产业进行检验，以避免行业之间的差异对估计系数的影响。

（3）在采用逐步回归法控制了产业的规模差异变量之后，各个变量估计系数的显著性以及正负号并没有发生较大的变化。除了极个别变量，其他变量仍然通过了显著性检验。这说明所本书所选取的各种回归变量的估计系数具有一定的稳健性，对其他变量的敏感性并不强。与此同时，产业规模变量的估计系数γ显著为正，说明各产业的产业规模与产业内贸易水平之间具有正相关性，产业规模越大，产业内贸易越多。这个结果符合静态产业内贸易理论的预期。

总之，对全部工业行业的数据采用3种面板数据回归模型进行检验的结果并不完全一致。在固定效应模型下，分别代表资本积累演进机制和技术创新演进机制的3个变量的估计系数并不显著；而在其他两种模型的估计结果中，只有一个变量的系数不显著。因此无法根据回归结果对这两种演进机制是否发挥作用做出肯定的判断。这种结果不一致的原因可能在于行业之间的差异在很大程度上影响了回归结果的可靠性，从而使得组内效应和组间效应无法区分开来。不过，这个结果从另一个侧面验证了产业内贸易所具有的行业特性。一般认为，产业内贸易不仅具有明显的国家梯度分布特征，还具有很强的产业梯度分布特征，即按照技术密集型产业→资本密集型产业→劳动密集型产业的顺序从低到高分布。哈维利森和施旺（1985）等认为，产业内贸易的行业梯度分布与产业内贸易产生的基础——规模经济生产和产品差异密不可分。本节的检验结果证实了产业内贸易的这种行业之间差异的存在。