传统要素、数字要素与贸易畅通——基于共建“一带一路”国家的实证.pdf

统计与决策2023年第20期总第632期DOI:10.13546/ki.tjyjc.2023.20.024经 济 实 证0引言在百年未有之大变局背景下，经济全球化遭遇逆流，如何充分发挥“一带一路”区域在全球贸易发展中的“稳定器”和“压舱石”的作用至关重要。要素禀赋是各国进行经贸合作的重要驱动力，自然资源、劳动力、资本、技术等要素均是推动贸易往来的关键因素，Deardorff（1995）1、Egg-er（2000）2、霍忻和包国军（2022）3在研究过程中逐步规范引力模型，将一些新的变量不断纳入扩展的引力模型当中，这些变量大致可分为自然因素和非自然因素。在自然因素方面，经济规模、要素禀赋、是否具有共同边界等被逐步纳入模型中；在非自然因素方面，人口数量、是否拥有共同语言或文化等变量也被考虑进来。以上研究对贸易合作动因进行了丰富的阐释，完善了贸易合作动因的相关研究。随着数字经济的发展，数字要素作为一种新的生产要素，在经济活动中发挥着越来越重要的作用，受到了学者们的重点关注。戚聿东和刘欢欢（2020）4提出，数字经济背景下产生的海量数据正逐步成为提高生产力的关键。数字贸易也逐渐成为数字经济领域广受关注的重要方面之一。Zhang（2018）5强调了跨境数据流动的重要性，并据此提出“数字赋能贸易”的概念，提出跨境数据流动已经成为推动全球经济发展的重要动力。姚战琪（2022）6发现，中国可利用数字经济提升对外贸易竞争力。总体来看，数字要素正逐步成为国际贸易合作的新增长点。然而，数字贸易的出现也对传统的国际贸易理论提出了挑战。本文从国际贸易要素微观视角出发，以共建“一带一路”国家为样本，探寻自然资源、劳动力、资本、技术四大传统要素的贸易驱动效应及数字要素在传统要素的贸易驱动效应中的赋能作用，以期为高质量建设“一带一路”提供参考和借鉴。1研究假设以大数据、人工智能、物联网等为代表的新一代数字技术的诞生和应用，为促进贸易数字化发展提供了新动力。数字要素在现代经济体系中的作用日益凸显，但其只有与传统的自然资源、劳动力、资本、技术等要素融合以后才能充分发挥作用，这种融合效应的大小取决于数字要素的价值创造能力7。当前，数字要素已成为传统产业数字化转型的“催化剂”，在资源勘探和运输、优化劳动力市场结构等方面发挥着重要作用，为创造新的比较优势提供了可能，有利于进一步激发各国之间的贸易合作潜力。在自然资源要素方面，数字技术的应用可能会对自然资源要素产生规模效应和成本效应。一方面，随着新一代信息技术的应用，勘探、测绘等资源发掘能力明显提升，可能会发现更多新的自然资源，使得一国自然资源的存量大幅增加，为贸易合作提供源动力；另一方面，随着信息化、数字化技术的推广应用，自然资源开采、交易、加工、运输等多个环节的沟通渠道更加畅通，沟通渠道效应和平台效应愈发明显，使得沟通成本大幅降低，有利于提高自然资传统要素、数字要素与贸易畅通基于共建“一带一路”国家的实证徐俊，刘春艳（新疆大学 经济与管理学院，乌鲁木齐 830046）摘要：文章从国际贸易要素微观视角出发，基于60个共建“一带一路”国家20012019年的面板数据，运用动态面板数据模型研究了自然资源要素、劳动力要素、资本要素和技术要素的贸易驱动效应及其异质性特征，并运用调节效应模型检验了数字要素在传统要素的贸易驱动效应中的赋能效应。研究发现：（1）共建“一带一路”国家的自然资源要素、资本要素对贸易合作表现出较强的促进效应，而劳动力要素表现出一定的“竞争效应”，技术要素的贸易促进作用尚未充分显现；（2）在异质性方面，各类要素对不同类别贸易的驱动效应具有要素偏向性特征，自然资源要素和劳动力要素对发展中国家的贸易驱动效应更显著，资本要素和技术要素对发达国家的贸易驱动效应更显著；（3）数字要素在资本要素和技术要素的贸易驱动效应中具有一定赋能效应，对劳动力要素具有“替代效应”，对自然资源要素的赋能效应尚未显现。关键词：要素禀赋；数字赋能；贸易畅通；“一带一路”中图分类号：F752文献标识码：A文章编号：1002-6487（2023）20-0131-05基金项目：新疆维吾尔自治区社会科学青年基金项目（2023CYJ041）；新疆维吾尔自治区新时代党的治疆方略研究项目（2023ZJFLY34）；新疆大学校内培育青年研究项目（23CPY015）作者简介：徐俊（1994），男，新疆乌鲁木齐人，博士，副教授，研究方向：世界经济。刘春艳（1995），女，新疆乌鲁木齐人，博士研究生，研究方向：国际投资。131统计与决策2023年第20期总第632期经 济 实 证源带来的收益8。据此，本文提出如下假设：假设1：数字要素对自然资源要素的贸易驱动效应具有一定的赋能效应。在劳动力要素方面，以新一代信息技术为代表的数字技术可能会产生替代效应和创造效应。一方面，随着企业朝着数字化、智能化发展，基层劳动者可以逐渐脱离基本生产流程，新一代智能设备会取代常规性的重复劳动，降低生产环节对劳动力的需求，具有一定的替代效应9；另一方面，随着简单重复劳动被替代，智能化、自动化的发展对劳动力的专业化程度提出更高的要求，进而产生新的劳动力需求，可称为对数字技能熟练劳动力的需求。同时，随着数字技术的广泛应用和突破创新，在价值化的数字要素驱动下，会催生出一批新业态、新模式等，表现出一定的就业创造效应。据此，本文提出如下假设：假设2：数字要素对劳动力要素的贸易驱动效应具有一定的替代效应。在资本要素方面，数字技术水平的高低在一定程度上取决于企业的资本研发投入，资本研发投入所形成的高水平数字技术和算法最终将依附于资本要素本身，形成拥有高水平数字技术和算法的资本，可将其称为“数字化资本”，数字要素和资本要素的结合将会创造巨大的价值，产生乘数效应。据此，本文提出如下假设：假设3：数字要素对资本要素的贸易驱动效应具有一定的赋能效应。在技术要素方面，数字技术会带来成本效应和赋能效应。互联网等新一代信息技术的应用大大降低了跨国企业的搜寻成本和沟通成本，有利于促进国际贸易往来10；在技术应用方面，大幅提升了企业的技术创新能力，数字技术为传统产业赋能，极大地提升了传统产业的生产效率，同时数字化转型的发展提升了企业的组织效率，拓宽了市场渠道，有利于提高企业的生产效率，进而提升其对外贸易竞争力11。据此，本文提出如下假设：假设4：数字要素对技术要素的贸易驱动效应具有一定的技术促进效应。2研究设计2.1模型构建2.1.1基准模型本文参考孔庆峰和董虹蔚（2015）12的研究思路，构建如下基准模型：lntradeijt=c+lnxjt+controls+it（1）式（1）中，trade表示贸易额；c表示常数项；xjt表示本文选取的共建“一带一路”国家的四类传统要素，包括自然资源要素（N）、劳动力要素（L）、资本要素（C）和技术要素（T）；controls表示选取的一系列控制变量；和为待估系数；it是随机扰动项。进一步地，考虑中国与共建“一带一路”国家间的贸易合作可能存在一定的“惯性”，因此将t-1期的双边贸易额作为解释变量引入模型（1），得到动态引力模型，具体形式如下：lntradeijt=c+lntradeijt-1+lnxjt+controls+it（2）式（2）中，是贸易额的一期滞后项（lntradeijt-1）的影响系数，表征贸易合作的动态效应，其他变量含义与式（1）一致。2.1.2调节效应模型为了进一步检验数字要素对传统要素的贸易驱动效应可能存在的调节效应，本文借鉴温忠麟等（2005）13的研究，在动态引力模型中引入数字要素（dig），构建调节效应模型，具体形式如下：lntradeijt=c+lntradeijt-1+lnxjt+lndigjt+lnxjtlndigjt+controls+it（3）式（3）中，digjt表示共建“一带一路”国家的数字要素，其他变量的含义与上文一致，此处不再赘述。当交互项系数0时，表明数字要素对传统要素的贸易驱动效应具有正向调节作用，即表现为“赋能效应”；相反地，当交互项系数0时，表明数字要素对传统要素的贸易驱动效应具有负向调节作用，即表现为“替代效应”。2.2变量选取（1）被解释变量为贸易额（trade）。用进出口总额表示，通过联合国商品贸易统计数据库中SITC Rev.3分类下255种商品的贸易数据加总得到。（2）解释变量为四类传统要素。自然资源要素（N），用东道国矿石、能源燃料等的出口额作为替代指标；劳动力要素（L），用一国1564岁人口占比作为替代指标；资本要素（C），用一国资本形成总额占GDP的比重作为替代指标；技术要素（T），用一国R&D投入作为替代指标。（3）调节变量为数字要素（dig）。用一国互联网使用率作为替代指标。（4）控制变量。本文控制了经济规模（lngdp，GDP的对数）、双边距离（lndis，双边地理距离的对数），同时，选取东道国工业增加值占GDP比重的对数和城镇人口占总人口的比重分别作为工业化程度（lndus）和城镇化水平（city）的代理变量，预期符号均为正。除此之外，本文还选取了是否与中国具有共同边界（land）、是否为世界贸易组织成员方（wto）、是否与中国签订自由贸易协定（fta）三个虚拟变量（是=1；否=0），预期符号均为正，表明均有利于促进中国与共建“一带一路”国家的贸易合作。2.3数据来源囿于数据的可得性，本文最终选择数据相对完整的60个共建“一带一路”国家作为本文的研究样本，样本期设定为20012019年，部分国家的个别指标存在缺失值，采用插值法补齐。本文使用的数据主要来自联合国商品贸易统计数据库（UN Comtrade）、世界银行数据库（WGI）、国 际 电 信 联 盟 数 据 库（International TelecommunicationUnion，简称ITU）、法国经济研究中心（CEPII）、WTO官方132统计与决策2023年第20期总第632期经 济 实 证网站及区域贸易协定数据库（Regional Trade AgreementsDatabase）。3实证分析3.1基准回归参考已有研究的检验思路，在进行回归之前，先运用面板数据模型的固定效应（FE）和随机效应（RE）进行检验，利用Hausman检验方法，得到P值为0.003，表明强烈拒绝原假设，即应该选择固定效应模型而非随机效应模型。在此基础上，为了尽可能减少组内自相关、组间异方差或同期相关对回归结果的影响，进一步使用可行广义最小二乘法（Feasible Generalized Least Squares，FGLS）进行估计，结果（限于篇幅，未列示）表明，传统要素的贸易促进效应依然稳健。从贸易合作现实来看，过往的贸易合作情况会对未来的贸易合作产生一定的影响，双边贸易合作存在一定程度上的依赖特征，加之考虑到模型可能存在的内生性问题，进一步运用GMM方法对模型进行估计，结果（限于篇幅，未列示）显示，在所有差分GMM和系统GMM估计结果中，各控制变量的系数大小和显著性水平与上文的估计结果无实质性差异，AR（1）的值均显著小于0.100，同时AR（2）的值显著大于0.100，表明不存在二阶序列相关问题，Sargan值也均通过显著性检验，表明工具变量不存在过度识别问题，Wald检验值也通过了1%水平上的显著性检验，说明模型整体上是显著的。综合来看，本文的估计结果是稳健的，考虑到系统GMM比差分GMM估计更有效率，后文的分析以系统GMM的估计结果为准。依次加入共建“一带一路”国家的自然资源要素、劳动力要素、资本要素和技术要素四个核心解释变量，以检验各要素的贸易驱动效应，结果如表1所示。总体来看，加入各要素后模型（1）至模型（5）中AR（2）的值均显著大于0.100，Sargan值和Wald值均通过显著性检验，表明运用系统GMM估计各要素的贸易驱动效应是合适的，各变量的具体影响效应分析如下。由表 1 的估计结果可知，被解释变量一期滞后项（L.lntrade）的系数显著为正且通过1%水平上的显著性检验，充分表明中国与共建“一带一路”国家间的贸易合作存在“动态效应”。自然资源要素的系数为0.003，且通过1%水平上的显著性检验，表明中国与共建“一带一路”国家间的贸易合作存在明显的资源寻求特征，这与余文源和杨钰倩（2021）14的研究结论是一致的。在劳动力要素方面，其系数显著为负，且通过1%水平上的显著性检验，表明共建“一带一路”国家的劳动力要素并没有显著促进双边贸易合作。可能的原因是，共建“一带一路”国家劳动力相对充足，各国在劳动密集型贸易方面存在很强的竞争关系，使得部分国家不能真正发挥劳动力比较优势，甚至出现“劳动力诅咒”现象。在资本要素方面，其系数显著为正，表明东道国资本要素能够促进其与共建“一带一路”国家间的贸易合作。随着经济的不断发展，贸易结构不断优化，资本在贸易合作中的作用日益凸显。最后，技术要素的系数为正，但并没有通过显著性检验。可能的原因是，共建“一带一路”国家技术创新水平整体偏低，技术要素相对匮乏，在全球创新体系中尚未形成显著优势，在技术密集型贸易方面竞争力相对较弱。3.2内生性处理借鉴吕越等（2018）15的研究，选取周边国家要素禀赋平均水平（Var_mean）作为一国要素禀赋水平（Var）的工具变量，区域要素禀赋水平与一国要素禀赋水平是密切相关的，但不会直接影响双边贸易合作。由表2的估计结果可知，在不同类型要素下，Hausman检验的P值均为0.000，表明使用工具变量法是合理的。进一步地，在四类传统要素下，第一阶段的 F 统计量均显著大于 10，Cragg-DonaldWald F统计量的值均大于临界值，P值为0.000，通过1%水平上的显著性检验，表明不存在弱工具变量问题。各变量的系数大小和显著性水平与前文的结果无明显差异，再次表明本文的研究结论是稳健的。表1传统要素的贸易驱动效应检验结果变量lnNlnLlnClnTL.lntrade控制变量Con_时间固定个体固定AR（1）AR（2）Sargan TestWald TestN（1）0.003*（0.000）0.862*（0.000）Yes2.731*（0.000）YesYes0.0000.158349.476.05e+061080（2）-0.133*（0.000）0.860*（0.000）Yes3.319*（0.000）YesYes0.0000.160366.224705811080（3）0.167*（0.000）0.859*（0.000）Yes4.603（0.000）YesYes0.0000.172367.436082901080（4）0.033（0.451）0.859*（0.000）Yes2.411*（0.000）YesYes0.0000.156338.596396861080（5）0.003*（0.000）-0.187*（0.001）0.203*（0.000）0.015（0.480）0.865*（0.000）Yes2.315*（0.000）YesYes0.0000.183256.326542011080注：*、*、*依次表示通过1%、5%、10%水平上的显著性检验，括号内为P值。下同。表2工具变量检验结果变量Var_meanVar控制变量Con_NKleibergen-Paap rk LMCragg-Donald Wald F自然资源要素第一阶段0.544*（0.000）Yes1.586*（0.000）114015.73416.818第二阶段0.306*（0.000）Yes1.190*（0.000）1140劳动力要素第一阶段0.941*（0.000）Yes1.962*（0.000）114032.15032.991第二阶段-0.144*（0.000）Yes1.575*（0.000）1140资本要素第一阶段0.889*（0.000）Yes1.237*（0.000）114019.05230.52第二阶段0.186*（0.000）Yes1.025*（0.002）1140技术要素第一阶段0.438*（0.003）Yes1.749*（0.000）114028.08019.502第二阶段0.079（0.747）Yes1.354*（0.000）1140133统计与决策2023年第20期总第632期经 济 实 证3.3异质性分析（1）东道国经济发展水平异质性根据世界银行的划分标准，将60个样本国家划分为发达国家和发展中国家两组，估计结果如表3所示。在自然资源要素方面，发达国家的系数不显著，而发展中国家的系数显著为正，表明中国与共建“一带一路”发展中国家的贸易合作存在一定的资源依赖特征。在劳动力要素方面，发达国家的系数依然不显著，而发展中国家的系数显著为正，对贸易的促进效应较明显。在资本要素方面，无论是在发达国家还是发展中国家，资本要素的系数都显著为正，同时发达国家资本要素的系数值明显大于发展中国家的系数值，表明发达国家资本要素对贸易的促进作用更大。可能的原因是，发达国家资本相对充裕，其在资本密集型贸易方面存在较强竞争力，而发展中国家资本相对匮乏，竞争力也相对较弱。在技术要素方面，发达国家的系数为0.004且通过10%水平上的显著性检验，说明发达国家的技术要素对贸易具有明显的促进效应，而发展中国家技术要素的系数未通过显著性检验。可能的原因是，发展中国家的技术基础相对薄弱，在技术密集型贸易方面的竞争力相对较弱，而样本国家中的发达国家的技术在全球创新体系中的竞争力并不强，对贸易合作的促进效应仍然非常有限。（2）商品类别异质性参照Lall（2000）16的分类标准,将200多种商品按照主要投入要素的类型和技术含量的高低划分为资源密集型（118种）、劳动密集型（46种）、技术密集型（20种）和资本密集型（71种）四类，进一步分析各类要素对不同类别商品贸易的驱动效应，估计结果如表4表示。不难发现，各类要素在贸易合作中存在明显的产品偏向性特征，自然资源要素、劳动力要素、资本要素、技术要素依次对资源密集型贸易、劳动密集型贸易、资本密集型贸易、技术密集型贸易表现出明显的驱动效应。从回归系数的大小和显著性水平来看，与基准回归结果相比，各类要素对不同要素密集型的商品贸易的驱动效应明显提升，再次表明要素禀赋在贸易合作中具有明显的选择效应。3.4调节效应检验数字贸易的迅速发展加速推动世界经济进入以“数字要素”为动力的数字经济全球化时代。数字要素与传统要素融合发展，催生了贸易新业态，推动传统贸易转型升级，为贸易发展注入了新动能。基于此，本文进一步引入数字要素，验证其对传统要素的贸易驱动效应的调节效应，结果如表5所示。表3东道国经济发展水平异质性检验结果变量lnNlnLlnClnTL.lntrade控制变量Con_时间固定个体固定AR（1）AR（2）Sargan TestWald TestN发达国家-0.003（0.178）0.864*（0.000）Yes3.349*（0.000）YesYes0.0050.722252.88158623486-0.076（0.642）0.860*（0.000）Yes2.716*（0.000）YesYes0.0060.757260.935859684860.359*（0.004）0.835*（0.000）Yes2.499*（0.000）YesYes0.0120.637243.971515914860.004*（0.052）0.897*（0.000）Yes1.699*（0.000）YesYes0.0050.677230.07176347486发展中国家0.010*（0.004）0.836*（0.000）Yes1.376*（0.000）YesYes0.0010.160222.291470265940.175*（0.024）0.842*（0.000）Yes3.003*（0.017）YesYes0.0010.150229.222852785940.184*（0.000）0.790*（0.000）Yes3.045*（0.000）YesYes0.0020.290239.801900765940.121（0.590）0.846*（0.000）Yes4.339*（0.000）YesYes0.0010.220202.3485705594表4商品类别异质性检验结果变量lnNlnLlnClnTL.lntrade控制变量Con_时间固定个体固定AR（1）AR（2）Sargan TestWald TestN资源密集型0.006*（0.000）0.926*（0.000）Yes3.408*（0.000）YesYes0.0000.190319.331.42e+071080劳动密集型0.220*（0.000）0.994*（0.000）Yes3.020*（0.000）YesYes0.0020.502302.002.17e+061080资本密集型0.242*（0.000）0.806*（0.000）Yes2.653（0.000）YesYes0.0000.700327.367376741080技术密集型0.013*（0.014）0.847*（0.000）Yes3.903*（0.000）YesYes0.0000.284266.785651801080表5数字要素对传统要素贸易驱动效应的调节效应检验结果变量lnNlnLlnClnTlndiglnxlndigL.lntrade控制变量Con_时间固定个体固定AR（1）AR（2）Sargan TestWald TestN（1）0.051*（0.000）0.013*（0.000）0.001（0.240）0.712*（0.000）Yes1.322*（0.000）YesYes0.0000.312254.163400211080（2）0.128*（0.020）0.034*（0.000）-0.061*（0.000）0.809*（0.000）Yes6.420*（0.000）YesYes0.0000.168313.65814171080（3）0.424*（0.004）0.148*（0.000）0.006*（0.000）0.672*（0.000）Yes1.437*（0.000）YesYes0.0000.375275.61757451080（4）0.512*（0.000）0.008*（0.000）0.004*（0.000）0.785*（0.000）Yes1.061*（0.000）YesYes0.0000.156317.121280591080134统计与决策2023年第20期总第632期经 济 实 证整体来看，数字要素对传统要素的贸易驱动效应的调节效应存在明显的选择性。第一，自然资源要素与数字要素的交互项的系数为0.001（见表5列（1），并未通过显著性检验，表明数字要素在自然资源要素的贸易驱动效应中的调节效应尚未显现，同时也证明本文提出的假设1是不成立的。可能的原因是，在共建“一带一路”国家中，资源的数字化应用程度并不高，例如，大部分共建“一带一路”国家的农业数字化水平、现代化水平整体偏低，尚处于粗放式发展阶段。第二，劳动力要素与数字要素的交互项的系数显著为负（见表5列（2），且通过1%水平上的显著性检验，表明数字要素对劳动力要素的贸易驱动效应具有一定的负向调节效应，即存在一定的“替代效应”，为假设2的成立提供了证据。可能的原因是，机器人、人工智能等劳动力节约型技术的发展，对低技能劳动力和部分传统劳动密集型行业具有一定的“挤出效应”。第三，资本要素与数字要素的交互项的系数为正（见表5列（3），且通过1%水平上的显著性检验，表明数字要素对资本要素的贸易驱动效应具有正向调节效应，为假设3的成立提供了依据。可能的原因是，数字技术在金融领域的应用推动了数字金融的快速发展，加速推动国际贸易方式的转变，有利于提升资本要素充裕的国家的贸易竞争力，为其开展国际贸易合作注入了新动能。第四，技术要素与数字要素的交互项的系数为正（见表5列（4），且通过1%水平上的显著性检验，表明数字要素对技术要素的贸易驱动效应具有一定的正向促进效应，为假设4的成立提供了坚实的基础。3.5稳健性检验为检验上文所得结论的稳健性，本文进一步对样本数据进行上下1%的缩尾处理，并检验各类要素的贸易驱动效应。结果显示，四类要素的系数大小与显著性水平与上文中的结果无实质性差异，说明本文的研究结论没有受到异常值的影响，由此可见，本文的研究结论是稳健、可信的。4结论本文从国际贸易要素的微观视角出发，基于20012019年60个共建“一带一路”国家的面板数据，通过动态面板数据模型和调节效应模型检验了自然资源要素、劳动力要素、资本要素和数字要素的贸易驱动效应及数字要素在传统要素的贸易驱动效应中的赋能效应，结论如下：（1）共建“一带一路”国家的传统要素禀赋是中国与其开展贸易合作的动力源泉。具体地，自然资源要素和资本要素的贸易驱动效应较为显著，而劳动力要素表现出一定的“竞争效应”，技术要素对贸易合作的促进作用仍有待进一步挖掘，中国与共建“一带一路”国家间的技术密集型贸易合作潜力巨大。（2）共建“一带一路”发展中国家的自然资源要素和劳动力要素的贸易驱动效应更明显，存在一定的资源依赖特征；而共建“一带一路”发达国家的资本要素和技术要素的贸易驱动效应更显著。（3）数字要素对资本要素、技术要素的贸易驱动效应具有显著的赋能效应，对劳动力要素具有“替代效应”，对自然资源要素的赋能效应尚未显现。参考文献：1Deardorff A V.Determinants of Bilateral Trade:Does Gravity Work ina Neoclassical World?J.Papers,1995,(1).2Egger P.A Note on the Proper Econometric Specification of the Gravity Equation J.Economics Letters,2000,(5).3霍忻,包国军.“一带一路”倡议下中国对外贸易的国别影响因素分析J.统计与决策,2022,(18).4戚聿东,刘欢欢.数字经济下数据的生产要素属性及其市场化配置机制研究J.经济纵横,2020,(11).5Zhang M.Global Digital Trade Strategy:New Rules and New Challenges J.Regional Economic Review,2018,(3).6姚战琪.数字经济对中国对外贸易竞争力的多重影响J.财经问题研究,2022,(1).7黄鹏,陈靓.数字经济全球化下的世界经济运行机制与规则构建:基于要素流动理论的视角J.世界经济研究,2021,(3).8肖旭,戚聿东.产业数字化转型的价值维度与理论逻辑J.改革,2019,(8).9Acemoglu D,Restrepo P.The Race Between Man and Machine:Implications of Technology for Growth,Factor Shares,and Employment J.American Economic Review,2018,(5).10Yushkova E.Impact of ICT on Trade in Different TechnologyGroups:Analysis and Implications J.International Economics&Economic Policy,2014,11(1).11袁淳,肖土盛,耿春晓,等.数字化转型与企业分工：专业化还是纵向一体化J.中国工业经济,2021,(9).12孔庆峰,董虹蔚.“一带一路”国家的贸易便利化水平测算与贸易潜力研究J.国际贸易问题,2015,(12).13温忠麟,侯杰泰,张雷.调节效应与中介效应的比较和应用J.心理学报,2005,37(2).14余文源,杨钰倩.投资动机、制度质量与中国对外直接投资区位选择J.经济学家,2021,(1)15吕越,盛斌,吕云龙.中国的市场分割会导致企业出口国内附加值率下降吗J.中国工业经济,2018,(5).16Lall S.The Technological Structure and Performance of DevelopingCountry Manufactured Exports,1985-98 J.Oxford DevelopmentStudies,2000,(10).（责任编辑/梁红）135