企业异质性与知识密集型服务业出口-基于上市企业数据的实证检验

企业异质性与知识密集型服务业出口——基于上市企业数据的实证检验内容摘要随着我国服务贸易规模的不断扩大，高附加值、高技术含量的知识密集型服务贸易的发展已成为了服务贸易转型升级的一大重点。本文利用我国知识密集型服务业上市企业2013-2018年的面板数据，基于异质性企业贸易理论，实证分析了企业生产率对知识密集型服务业出口的影响。结果显示：企业的生产率是知识密集型服务业企业出口的重要影响因素，就总体而言，正向促进了企业的出口概率和出口规模；就细分行业而言，信息传输、软件和信息技术服务业以及科学研究和技术服务业的实证结果与总体基本一致。金融业、租赁和商务服务业样本生产率对于企业出口选择的促进作用不明显，在这两类服务业出口企业中，生产率对于出口规模的作用是负向的，实证结果与异质性企业贸易理论的结论不一致。关键词：企业生产率知识密集型服务业出口企业异质性目录一、引言 引言知识密集型服务业(KnowledgeIntensiveBusinessServices，简称KIBS)是指提供各类知识服务的新兴服务部门。这类服务业具有高技术含量、高附加值和高劳动生产率的特点，是服务业升级转型的方向所在。近年来，我国知识密集型服务贸易发展迅速，在服务业整体呈现逆差的情况下，知识密集型服务贸易保持了小幅顺差。2019年上半年，知识密集型服务进出口额达8923.9亿元，高于服务进出口整体增速6.8个百分点，占服务进出口总额的比重达到34.2%。但是我国知识密集型服务贸易仍存在着一些问题。从整体来看，知识密集型服务贸易占全球知识密集型服务贸易的比重仍然很低，在全球市场上的竞争力不足。从知识密集型服务业的内部结构看，贸易顺差主要来自于商务服务业，金融和信息服务业则存在着一定的贸易逆差。金融和信息服务业在国内市场上创造了巨大的增加值，但在全球市场上的表现不尽如人意。因此，本文借鉴魏江等（2007）对知识密集型服务业的划分标准，对知识密集型服务业企业的出口进行了相关研究。现有对于企业出口行为影响因素的研究多基于异质性企业贸易理论。企业异质性是指不同企业在生产率、企业规模、员工技能、组织结构等方面存在的明显差异，其中又以生产率差异为主要的表现形式，且生产率差异与其他异质性紧密相连，所以异质性企业贸易理论中的异质性，一般指的都是企业生产率的异质性。异质性企业贸易理论认为企业的生产率差异是决定其出口贸易选择的主要原因，高生产率企业会选择出口或FDI，而生产率较低的企业只会选择供应国内市场。企业异质性理论打破了传统贸易理论企业同质化的假设，为贸易分析提供了一个微观视角。近年来，国内部分学者运用企业异质性框架，对企业出口和FDI进行了研究，在对中国制造业企业的研究中得出了“出口-生产率悖论”，即出口企业的生产率相较于国内销售企业生产率更低。对于服务业企业的研究中，一些学者认为企业异质性理论适用于中国服务业企业出口，即生产率正向促进了企业出口，但也有学者的实证研究表明了服务业企业生产率不能促进出口，且存在着“出口-生产率悖论”。知识密集型服务业作为服务业内部高生产率的行业集合，其生产率与出口的关系有待进一步论证。本文基于知识密集型服务业上市企业的微观数据，对此进行了相关研究。在知识密集型服务贸易迅速发展并成为服务业转型升级重要方向的背景下，研究其生产率对于出口的作用，具有深厚的理论和现实意义。本文的主要创新点在于：（1）基于异质性企业贸易理论，整理和运用知识密集型服务业上市公司数据，从微观层面对于知识密集型服务业的出口进行了研究，探讨了生产率与企业出口之间的关系，补充了相关的研究空白。（2）从所在行业、区位和所有制结构等对知识密集型服务业企业进一步划分，进行了相关分析，拓展了研究内容。全文以下结构为，下一部分是相关文献综述，第三部分是数据来源、变量说明和模型设定，第四部分是实证分析，第五部分是异质性检验，最后一部分是全文的结论。二、相关文献综述对于企业生产率异质性与出口行为的研究中，Melitz(2003)建立了产业内异质企业的动态模型，最早将企业生产率内生到贸易模型中，将贸易理论对象扩展到企业层面上，其研究发现生产率较高的企业会倾向于进入国外市场，生产率较低的企业会选择本土市场或者退出市场，从而使资源向更有效率的企业倾斜，以提高整个产业的生产率。Helpman等（2004）在此基础上进一步考虑了企业进入国际市场的方式。在进入国际市场的企业中，生产率相对较高的会选择成为跨国公司，相对较低的选择出口。此后，许多学者实证检验了企业异质性理论在各个国家各个行业的适用性，但得出的结论有所不同。VanBiesebroeck等（2005）使用了非洲南部低收入国家的企业数据研究了生产率与出口之间的关系，结果显示高生产率企业更有可能出口，并且生产率的增长速度会高于非出口企业。Raff等（2012）年使用发达国家数据，结果表明企业生产率与出口间存在相互促进作用。国内的研究则显示了更多的不同之处。在对中国工业企业数据的实证检验中，部分学者发现了“出口-生产率悖论”，即不同于Melitz(2003)的观点，中国工业出口企业的生产率比在国内销售的企业生产率更低（马述忠等，2010）。赵伟等（2011）运用我国2000-2003的工业企业数据实证检验了企业生产率与出口的关系，发现了企业劳动生产率对于出口有显著的负向作用，但全要素生产率（TFP）则会正向影响企业的出口。同样地，王怡等（2019）对于中国制造业企业的研究中认为加工贸易的存在是导致了中国制造业企业的生产率悖论问题，同时还发现使用近似全要素生产率代表企业生产率，可以缓解“生产率悖论”。在服务业行业研究中，陈景华（2014）运用了我国服务业分行业数据代替微观数据，检验了服务业生产率与服务业出口贸易的关系，得出的结论是无论是劳动生产率还是全要素生产率对于服务业出口的影响都是显著正向的。杨晨（2014）运用了服务业上市企业的数据，从微观层面验证了出口与企业生产率的双向促进作用。姜延书等（2016）运用中国服务业上市企业数据检验了服务业“出口-生产率”悖论问题，得出的结论是部分服务业存在，且总体来看服务企业生产率对于出口的作用是不明显的。对于知识密集型服务业出口的研究多集中在宏观层面。魏江等（2006）最早对中国知识密集型服务业的国际化策略进行了研究。张莹等（2016）构建了随机前沿服务贸易引力模型，测算了我国知识密集型服务贸易的出口效率，并验证了人力资本、政府投入等宏观因素对知识密集型服务业出口的正向影响。陈景华（2014）运用行业数据验证了包括知识密集型服务业在内的服务业细分行业中生产率对于出口的促进作用。综上所述，国内外学者对于企业异质性理论的研究多集中在制造业和服务业总体，对细分行业的检验较少，也缺乏使用微观服务业企业数据的研究。不同行业的生产率，以及不同计算方法下的企业生产率，对于企业出口的影响都是有所区别的。知识密集型服务业作为服务业行业中的高生产率行业，依赖于人力资本和技术支持，有显著区别于其他服务业的特征，其生产率对于企业出口的影响有待于进一步研究。因此，本文利用知识密集型服务业上市企业的面板数据，使用不同计算方法下的企业生产率，对生产率与出口的关系进行了检验，同时进一步对细分行业进行了检验。数据来源、变量说明及模型设定数据来源及处理由于目前中国没有服务业企业的相关数据库，微观企业的数据获取比较困难。本文借鉴以往相关研究，以知识密集型服务业上市企业作为该行业的代表。本文使用的知识密集型服务业上市企业出口数据来自于企业年报中的主营业务构成（按地区分类），通过手工整理和汇总境外收入、海外收入、外销收入、除中国大陆地区以外的各经济体出口收入等项目，得出了各年企业的出口数据。由于企业在年报中没有进一步说明出口的类型，参考杨晨（2014）的做法，这里近似看作服务出口。若企业在主营业务构成中没有汇报此类项目，则认为当年没有出口。本文使用的有关企业数据来源于CSMAR国泰安数据库，使用的分省宏观数据来自于中国统计局官网。根据现有对知识密集型服务业行业分类（魏江等，2007），即信息传输、软件和信息技术服务业、金融业、租赁和商务服务业以及科学研究和技术服务业，本文选取了“一带一路”战略提出后的六年，即2013-2018年的上市企业数据。由于本文研究的对象是生产率与出口的关系，所以首先剔除了生产率和出口信息缺失样本，对企业规模、资本密集度、资产回报率等控制变量相关年份的缺失值使用前后年份平均值予以填补，对所有年份有关控制变量数据缺失的数据予以剔除。最后为保证结果的可靠性，剔除了*ST企业（经营状况不佳）样本，保留了持续经营的上市公司，得到了280家上市企业数据。（二）生产率测算和变量说明1.企业生产率的测算对于企业生产率的测算存在多种不同的研究方法。鉴于本文的研究对象为知识密集型服务业上市企业，考虑数据的可获得性，本文主要采取了两种测算办法，以保证结果的稳健性。劳动生产率（LTFP）企业劳动生产率表示为单位劳动的产出水平、由于Melitz（2003）的研究中，假定了劳动是企业唯一投入的生产要素，所以模型中生产率的差异即劳动生产率的差异。计算公式为Ln(Q/L)。Q是企业当年销售总额，L是企业当年在职员工总人数。近似全要素生产率（ATFP）进一步地，若考虑除了劳动以外的其他可能的要素投入，如资本投入，劳动生产率对于企业生产率的反映可能不够全面。本文使用了近似全要素生产率作为第二种测算方式。计算公式为Ln(Q/L)-s*Ln(K/L),0≤s≤1。K是企业的资本投入，s表示资本贡献度。K使用企业当年固定资产净额表示。s的取值，借鉴朱延珺和李宏兵（2011）的处理，假定为1/3。下面利用上市公司的数据，分别计算了知识密集型服务业分行业出口和内销企业生产率，具体如表1所示。从中我们可以看出知识密集型服务业总体样本中，出口企业的劳动生产率LTFP和近似全要素生产率ATFP都要高于内销企业。细分行业中，特别地，金融业出口企业LTFP和ATFP低于内销企业，即存在“出口-生产率”悖论。表1知识密集型服务业出口与内销企业平均生产率对比LTFP出口内销ATFP出口内销信息传输、软件和信息技术13.520413.1692信息传输、软件和信息技术9.68499.3971金融业14.107614.2930金融业9.918910.2344租赁和商务服务业14.365014.0902租赁和商务服务业10.654510.4450科学研究和技术服务业13.596113.2974科学研究和技术服务业9．47649.2756总体13.692113.4265总体9.79389.61422.变量说明本文的被解释变量为企业的出口选择和出口规模，反映企业是否会选择出口以及企业出口的规模大小。解释变量为企业的全要素生产率，本文使用ATFP和LTFP两种方式来衡量，具体的依据和测算方法见上文。为了避免遗漏变量带来估计偏误，本文还控制了一些企业特征和企业所在省份层面的变量，参考杨晨（2014）、辛大楞等（2016）的观点，结合数据的可获得性，选取了企业规模、资本密度、人均工资水平、营销水平、人均GDP、第三产业占比和货物贸易值等。变量的具体释义见表2。表2主要变量说明变量变量名称文中符号具体定义被解释变量出口选择exp企业当年有出口取值为1，没有出口为0出口规模lnexpvalue企业当年出口额的对数形式解释变量近似全要素生产率ATFP具体的测算方法见上文劳动生产率LTFP企业的销售收入与企业的全部就业人员之比，并取对数形式控制变量企业规模Scale企业员工人数取对数资本密度Capital总资产除以总人数取对数盈利能力ROA净利润与总资产之比营销水平Sale销售费用占总收入比重人均生产总值GDP该省生产总值除以总人口再取对数，衡量当地的经济发展水平第三产业占比Service该省第三产业占GDP比重，衡量当地服务业发展水平货物贸易额Trade该省当年货物贸易总额取对数，衡量当地对外开放程度行业虚拟变量Industry区分知识密集型各类服务业的虚拟变量所有制虚拟变量Gov区分国有企业和非国有企业的虚拟变量3.相关性分析通过分别对总体样本和出口企业样本中的主要变量进行相关性分析，我们得到了变量相关系数矩阵，见表3和表4。从表3和表4中，可以看出，企业出口选择以及出口规模与LTFP和ATFP的相关系数均为正，与异质性企业理论相符。表3总体样本变量相关性分析expLTFPATFPScaleCapitalROASaleexp1.0000LTFP0.03951.0000ATFP0.02460.89611.0000Scale0.0329-0.0618-0.06181.0000Capital-0.08080.64300.47240.19291.0000ROA-0.06060.00940.02950.0482-0.01051.0000Sale0.0489-0.3373-0.2698-0.1424-0.3214-0.02701.0000表4出口企业变量相关性分析lnexpvalueLTFPATFPScaleCapitalROASalelnexpvalue1.0000LTFP0.27171.0000ATFP0.21420.91671.0000Scale0.5063-0.1050-0.13921.0000Capital0.34790.67790.52300.17731.0000ROA-0.02460.02320.02850.05760.04591.0000Sale-0.1372-0.3021-0.2227-0.1299-0.3148-0.02461.0000（三）模型设定本文利用知识密集型服务业上市公司的面板数据检验了全要素生产率及其他公司内部因素对企业出口选择和出口规模的影响。具体的实证模型设定如下：Yit=YitYit是被解释变量，包含了企业的出口选择expit和出口规模lnexpvalueit，用于衡量企业的出口行为。本文首先检验了全要素生产率对于知识密集型服务业企业出口选择的影响，此时的被解释变量expit是表示企业是否出口的虚拟变量，企业在当年有出口行为取值为1，没有出口行为则取值为0。该计量模型为二值离散因变量模型，利用面板logit模型进行检验。其次，本文分析了全要素生产率对于企业出口规模的影响，此时被解释变量为lnexpvalueit，使用企业当年的出口值取对数表示，利用最小二乘法（OLS）进行检验。解释变量为企业生产率，以劳动生产率LTFPit和近似全要素生产率ATFPit表示。控制变量集合CVit包含了企业内部因素和省级层面的变量，本节最后，对文中主要变量进行了描述性统计，具体见表5。表5描述性统计变量变量简称观察值均值标准差最大最小企业出口选择exp16800.45290.497901企业出口规模lnexpvalue74118.35762.47729.816325.3135劳动生产率LTFP168013.65100.94519.853318.3855近似全要素生产率ATFP16809.76790.95596.910415.1592企业规模Scale16807.59381.57342.708014.8698资本密度Capital168014.90991.412611.519721.8728盈利能力ROA16800.01980.1627-3.60370.5936营销水平Sale16800.08300.10150.000121.6325人均生产总值GDP16211.27190.384210.0497911.8509第三产业占比Service1620.57920.14210.35390.8098货物贸易额Trade16226.36681.169020.301227.7186四、实证检验（一）知识密集型服务业企业生产率与出口选择本文首先使用了面板Logit模型，并在模型的估计中控制了行业和所有制固定效应，检验了全要素生产率对知识密集型服务业出口选择的影响。经过LR和hausman检验后，认为在基准回归模型中，应该选择随机效应模型。回归结果如表6所示。首先，在第一列使用劳动生产率作为自变量进行了基准回归，并控制了年份和行业固定效应。估计结果表明，劳动生产率LTFP在5%的水平上显著为正，这表明公司劳动生产率的高低显著影响了企业的出口选择，企业的劳动生产率越高，越可能选择出口。其次，第2列加入了企业内部的控制变量，企业劳动生产率的估计系数在1%的显著性水平下显著为正。第3列加入了企业所在省份层面的变量，劳动生产率对于企业出口的选择仍有显著的正向影响。表格的4列至第7列汇报了知识密集型服务业行业细分行业下的企业的回归结果。从左至右分别是、、、。结果显示，在信息传输、软件和信息技术服务业以及科学研究和技术服务业中，企业生产率对于出口选择的影响是显著正向的，而金融业与租赁服务业企业样本的结果则不显著。表6劳动生产率LTFP与企业出口选择总体样本回归分行业样本回归（1）（2）（3）信息传输、软件和信息技术服务业金融业租赁和商务服务业科学研究和技术服务业LTFP0.262**(0.121)0.790***(0.168)0.804***(0.169)0.751***(0.241)0.527(0.421)0.656(0.456)1.589**(0.769)Scale0.207**(0.0934)0.230**(0.0950)0.502***(0.162)0.0672(0.186)0.151(0.367)0.753(0.518)Capital-0.52***(0.147)-0.51***(0.147)-0.131(0.240)-0.83**(0.328)-0.429(0.543)-0.318(0.593)ROA-1.375*(0.760)-1.415*(0.760)-0.827(0.865)-3.685(5.816)-5.11**(2.264)-3.554(4.475)Sale2.445**(1.073)2.583**(1.068)3.099**(1.221)-1.228(2.947)-0.415(5.585)10.95(7.795)GDP1.002(0.800)0.662(1.008)2.526(2.406)3.298(3.181)-2.373(2.303)Service-3.981**(1.685)-4.923**(2.089)-1.994(4.853)-6.421(5.917)-3.526(5.376)Trade-0.0612(0.176)0.156(0.225)-0.325(0.505)-1.07**(0.490)0.793(0.595)观测值1680168016801086306168120注：括号内为标准误，*、**、***分别代表10%、5%与1%显著性水平,其中第1列至第3列控制了行业和时间固定效应。第4列至第7列控制了时间固定效应，下表同。为避免遗漏变量的问题，表格的第2列和第3列依次加入了企业层面变量和省份层面变量。企业规模的估计系数显著为正，这表明随着知识密集型服务业企业规模的扩大，企业越有可能寻求出口。资本密度和资本回报率的系数显著为负，说明当企业的人均资本量上升时，企业的出口概率减小。企业的营销水平显著为正，说明企业高的营销能力能提高服务的国际竞争力，从而促进出口。企业所在省份服务业发展水平对于企业出口生产率的影响则负向影响了企业的出口行为，说明越高的服务业发展水平反而会减少知识密集型服务业出口的概率。本文在加入了控制变量后，基准回归的结果没有受到影响。表7汇报了将近似全要素生产率ATFP作为解释变量时的估计结果。同样地，经过LR和hausman检验后，应该选择随机效应模型。表格第1列汇报了ATFP的回归结果，系数为正但是不显著，在加入了公司层面变量和省级层面变量后，ATFP显著正向影响知识密集型服务业上市企业的出口选择。表格后四列依旧是分行业进行了回归。其中，信息传输、软件和信息技术服务业结果显著为正，金融业企业ATFP前系数为负，表示其全要素生产率对于企业出口选择的负向影响，但结果不够显著。表7近似全要素生产率ATFP与企业出口选择总体样本回归分行业样本回归（1）（2）（3）信息传输、软件和信息技术服务业金融业租赁和商务服务业科学研究和技术服务业ATFP0.1480.425***0.439***0.472**-0.1900.3210.686(0.114)(0.139)(0.140)(0.189)(0.425)(0.366)(0.516)Scale0.187**0.208**0.537***-0.02460.2580.704(0.0934)(0.0950)(0.163)(0.182)(0.367)(0.545)Capital-0.289**-0.279**0.119-0.508*-0.1390.0190(0.131)(0.131)(0.206)(0.295)(0.491)(0.618)ROA-1.290*-1.337*-0.819-0.339-5.462**-2.206(0.751)(0.752)(0.862)(5.537)(2.365)(4.088)Sale1.876*2.006*2.631**-1.386-3.1449.887(1.052)(1.046)(1.182)(2.933)(5.177)(7.773)GDP1.0470.6542.7103.563-1.830(0.798)(1.010)(2.364)(3.260)(2.410)Service-3.980**-4.972**-2.269-6.494-3.671(1.683)(2.095)(4.784)(6.077)(5.845)Trade-0.05940.149-0.236-1.094**0.750(0.176)(0.226)(0.496)(0.499)(0.645)观测值1680168016801086306168120（二）知识密集型服务企业生产率与出口规模接下来本文估计了出口企业生产率对于出口规模的影响。由于企业是否出口会受到若干随机因素的影响，如果直接剔除没有出口的样本，容易产生由样本选择性偏误（sampleselectionbias）导致的内生性问题（heckman，1979），本文使用了heckman两阶段模型进行估计，结果显示样本选择偏误纠正因子不显著，说明选择性偏误较小，没有必要使用heckman两阶段估计法。选择后企业样本在一个连续的时间段内并不完全都持续出口或者持续内销，所以筛选后的样本数据为非平衡面板数据。经过LR和hausman检验后，下列模型应该选择固定效应模型。表8结果表明，劳动生产率LATFP与近似全要素生产率ATFP对于我国知识密集型服务业上市企业的出口规模有正向的促进作用。高生产率不仅促进知识密集型企业实行出口，同时会促进企业出口的规模。表8生产率对知识密集型服务业企业出口规模的影响(1)(2)LTFP0.579***(0.159)ATFP0.404***(0.127)scale0.346**0.353**(0.145)(0.145)capital-0.393**-0.281*(0.173)(0.162)ROA0.4070.342(0.280)(0.279)sale5.499***5.409***(1.193)(1.196)GDP-0.0770-0.138(1.078)(1.081)Service2.0422.601(3.347)(3.345)Trade-0.513-0.556(0.627)(0.629)观测值741741注：均控制了时间和行业固定效应。表9汇报了知识密集型企业生产率对出口规模影响的分行业回归结果。由于样本量原因，只有对信息传输、软件和信息服务业样本的回归结果部分变量是显著的。对比各行业下ATFP和LTFP的系数可得，金融业、租赁和商务服务业下系数为负，即生产率对出口规模的作用是负向的。生产率越高的出口企业，出口规模反而越小。根据前面的分析，我们也可以看到这两类服务业中出口企业和内销企业的平均生产率都高于另外两类。即高生产率的企业没有选择国外市场，这两类服务业可能存在着“出口-生产率”悖论。这与前文对于企业出口选择分析的结果也是基本一致的。表9生产率对知识密集型服务业分行业企业出口规模的影响信息传输、软件和信息技术金融业租赁和商务服务业科学研究和技术服务业模型1模型2模型1模型2模型1模型2模型1模型2LTFP0.851***-0.230-0.08430.532(0.205)(0.303)(0.616)(0.655)ATFP0.581***-0.277-0.8690.347(0.156)(0.364)(0.524)(0.492)Scale0.444**0.446**0.2900.3610.2600.0003180.5650.502(0.191)(0.192)(0.219)(0.247)(0.407)(0.422)(0.831)(0.819)Capital-0.527**-0.362*0.2040.2450.8010.982**-0.367-0.245(0.218)(0.202)(0.311)(0.357)(0.503)(0.453)(1.376)(1.348)ROA0.1460.0426-6.998***-6.811***-0.546-0.5710.2830.380(0.474)(0.476)(2.176)(2.231)(0.552)(0.486)(3.104)(3.118)Sale4.752***4.810***21.43***21.33***-6.752-6.368-5.216-5.437(1.334)(1.345)(2.440)(2.414)(6.020)(5.074)(8.318)(8.324)GDP1.2821.2831.0301.2196.311-2.395-6.538-6.540(1.798)(1.807)(2.829)(2.884)(16.72)(16.21)(5.474)(5.529)Service9.85310.210.9260.0250-28.72-27.580.2072.799(7.701)(7.737)(5.224)(5.395)(31.50)(30.41)(21.79)(21.77)Trade-0.307-0.258-0.789-0.711-4.985-5.088*3.8923.986(0.750)(0.754)(1.034)(1.017)(2.967)(2.844)(4.188)(4.193)观测值5011097160注：控制了时间固定效应五、异质性检验在总体样本回归的基础上，我们进一步考察生产率对知识密集型服务企业出口行为的影响。现有文献表明，企业的出口行为与所有制性质和企业区位所在都有着一定关系。而不同的区位下，企业面临的开放环境以及运输成本都是有所区别的，会对企业出口造成影响。因此，本文根据所有制和所在区位对总体样本进行了分组，检验了企业生产率对于不同类型企业出口行为的异质性影响。受样本数量限制，本文仅使用面板logit模型对企业出口选择进行了分析，不考虑出口规模。国有企业的地位在国内仍然比较特殊，政策扶持等因素可能对企业出口有所影响。表10汇报了对国有企业和非国有企业的分析结果，与前文的基准回归相比结果变化不大，系数也没有明显的差异，知识密集型企业生产率对于企业出口选择的影响都是正向的。此外，不同的区位下，企业面临的开放环境以及运输成本都是有所区别的，会对企业出口造成影响，我们将企业区位划分为东、中、西部，并依次进行了回归，结果见表11。企业区位选择对于“出口-生产率”没有明显的影响，在三个地区，都是越高的LTFP和ATFP推动企业的出口。表10按照所有制性质分组回归结果国有非国有模型1模型2模型1模型2LTFP1.001*0.734***(0.567)(0.181)ATFP0.8140.385**(0.501)(0.150)Scale-0.387-0.5000.312***0.299***(0.376)(0.373)(0.104)(0.105)Capital-0.990**-0.780**-0.333**-0.106(0.415)(0.354)(0.167)(0.152)ROA-9.392-10.17-1.239-1.169(7.617)(8.018)(0.776)(0.766)Sale3.2922.8042.403**1.870*(7.058)(7.100)(1.102)(1.080)GDP3.9053.9610.7940.812(2.666)(2.643)(0.862)(0.861)Service-6.376-6.124-4.007**-3.985**(5.407)(5.370)(1.822)(1.823)Trade-0.767-0.822-0.0144-0.00511(0.599)(0.592)(0.188)(0.189)观测值1801500表11按所在区位分组回归结果东部中部西部模型1模型2模型1模型2模型1模型2LTFP0.788***1.334*1.718*(0.181)(0.709)(0.904)ATFP0.397***0.6531.127(0.152)(0.527)(0.691)Scale0.204**0.171*0.5560.5480.5440.502(0.102)(0.102)(0.589)(0.575)(0.385)(0.397)Capital-0.496***-0.258*-0.739-0.316-1.179*-0.912(0.158)(0.142)(0.599)(0.518)(0.659)(0.614)ROA-1.533*-1.424*-1.905-1.9683.2963.215(0.829)(0.822)(3.391)(3.062)(3.569)(3.635)Sale1.7511.14611.289.5056.0665.535(1.148)(1.137)(7.030)(6.756)(4.877)(4.866)GDP1.2841.3402.6423.1062.7623.417(1.060)(1.057)(3.692)(3.578)(2.168)(2.384)Service-4.103**-4.099**-12.71-12.7520.74*20.26*(1.927)(1.928)(8.041)(7.934)(12.24)(12.25)Trade0.04700.03930.6830.458-0.747**-0.647*(0.245)(0.245)(1.036)(1.011)(0.377)(0.385)观测值1398174108六、结论与启示本文使用了我国知识密集型服务业上市企业的数据，基于企业异质性贸易理论分析了劳动生产率和近似全要素生产率对于知识密集型服务业上市企业出口行为的影响。本文分别通过面板logit模型和OLS回归检验了企业生产率与知识密集型服务业出口选择和出口规模的相关关系。结果表明，在总体样本回归中，生产率越高的知识密集型企业选择出口的概率越大，出口的规模相对也越大，而生产率较低的企业则不会选择出口或者出口规模较小，这与企业异质性理论是吻合的。但在分行业回归中，我们发现了金融业、租赁和商务服务业样本结果中，生产率对于企业出口选择的促进作用不明显，在这两类服务业出口企业中，生产率对于出口规模的作用是负向的，即在金融业、租赁和商务服务业中可能存在着“出口-生产率”悖论。但对于这一悖论产生的