我国出口产品国内附加值提升的影响因素研究_加工贸易论文

中国出口国内增加值提升的影响因素研究，本文主要内容关键词为：增加值论文,中国出口论文,因素论文,国内论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

      经济全球化已经从以产品贸易为主导转变为以价值链贸易为主导的新阶段，全球价值链成为重新塑造世界经济格局的重要因素与趋势之一。全球价值链下的产业升级充分体现了经济主体在全球生产网络中从低增加值活动向高增加值活动转变的过程（Gereffi，2005）。但是，传统的贸易统计由于将中间产品的多次跨境核算在贸易总额中，已不能准确识别和判断当前的国际贸易体系。增加值贸易核算能够纠正传统贸易统计扭曲，得到WTO、OECD、UNCTAD等国际性组织的认可和推广。近年来，如何将企业异质性纳入增加值贸易核算已成为该领域新的前沿方向。

      随着中国开放水平的不断提高，中国参与全球价值链的广度、深度也不断提升，中国已成为诸多行业全球价值链的重要一环（王子先，2014）。2013年中国进出口总额超过美国而成为全球第一贸易大国。2014年实际使用外商直接投资1196亿美元，居世界首位。在巨大规模背后，中国出口国内增加值是否实现了提升？中国出口国内增加值变动的企业层面的驱动因素是什么？是来自外部因素的拉动，还是来自内部高端要素的推动？现有研究不仅缺乏对出口国内增加值变动的微观机制的深入分析，也缺乏对发展中国家出口国内增加值变动的内部动力的研究。而对以上问题的研究既有助于判断中国在全球价值链下真实出口的变动和影响因素，也有助于识别中国全球价值链升级的微观动力机制，从而为政策制定提供微观决策基础。

      二、文献综述

      增加值贸易研究是在垂直专业化（Hummels、Ishii和Yi，2001，以下简称HIY）理论基础上，针对垂直专业化测算指标中不符合实际的假设条件（Koopman、Wang和Wei，2010）逐步放松和修正，对国内增加值和国外增加值进行进一步分解，逐渐形成的全新的统计框架。其中，以Koopman、Wang和Wei（2012、2014，以下简称KWW）的研究为代表。在KWW方法中，将国家出口总额分解为四部分：增加值出口、出口加工后又被进口回来的中间产品中的国内成分、国外增加值、“重复计算”部分。该分解方法确定了增加值贸易核算和官方公布的贸易统计之间正式而准确的关系，从而建立了一种完全符合国民经济核算体系（SNA）标准的贸易核算方法。

      但是，现有基于投入产出模型的增加值贸易研究的隐含假定是：特定产业的所有企业具有相同生产函数；对于一个给定的产品，产业（企业）进口来源于相同混合国家。而且，在基于投入产出模型的测算中，为了将进口分配到不同的最终使用和来源国，经常使用比例假设。这种测算方法没有考察行业内不同企业生产技术的差别（Kee和Tang，2015；Ma、Wang和Zhu，2015）。近年来，企业层面的研究表明出口商在许多方面与进口商不同（Melitz，2002；Bernard等，2007）。在进口使用强度方面，出口商比面向国内市场的国内企业使用更多的进口输入，加工贸易出口商比一般出口商更倾向于依赖进口输入（Ma、Wang和Zhu，2015）。进口中间品投入在确定不同类型公司生产技术中起着重要作用，这种异质性需要考虑。不考虑企业异质性，可能会对增加值贸易、贸易的要素含量以及贸易对宏观经济的影响等方面估计带来潜在的偏差（Puzzello，2012）。

      将企业异质性因素纳入增加值贸易核算成为该领域的前沿方向。企业异质性视角下增加值贸易研究主要分为两类：一类是直接利用微观数据从企业层面进行测算；另一类是将企业异质性纳入投入产出模型，对投入产出表进一步拆分以测算增加值贸易（Ma、Wang和Zhu，2015；Tang、Fei和Wang，2015）。将企业异质性纳入投入产出模型的测算方法，核心思路是根据企业异质性进行分组，纳入现有投入产出核算框架，对投入产出表进行进一步拆分和细化。此类方法的测算思路与垂直专业化和KWW方法是一脉相承的，是对增加值贸易核算的进一步拓展和细化。其优势在于能较好地考察国内上下游产业联系。但是，其在估算时需要做各种比例假设，也无法回避基于投入产出表进行测算的共同缺陷，即只能进行产业水平上和特定年份的估计，不能研究企业内部变动的因素。

      直接利用微观数据从企业层面测算出口中的国内增加值的研究主要有：Upward等（2013）对HIY的方法进行改进，提出测算垂直专业化的修正公式，进而定义出口中的国内增加值（DVS）。其研究结果表明，中国的DVS在2003～2006年间从53%上升到60%。Kee和Tang（2015）运用微观数据测算加工贸易企业出口国内增加值率（DVAR），并提出理论模型研究国内增加值演变的微观基础。他们的结果表明，中国加工贸易DVAR从2000年的45%上升到2006年的51%，增长了近10%。这种总体上升趋势由所有产业的上升驱动，而不是从低DVAR向高DVAR产业的资源再分配。企业层面的分析揭示了这种增长的原因是企业用国内投入替代进口中间投入，这种替代的原因是国内投入种类的扩张，归因于关税下降和FDI。张杰、陈志远、刘元春（2013）在Upward等（2013）测算方法的基础上，综合考虑了贸易代理商、中间品间接进口和资本品进口的问题，从微观层面测算企业的DVAR。测算结果显示，中国出口的DVAR从2000年的0.49上升到2006年的0.57；加工贸易的DVAR显著低于一般贸易，外资企业DVAR显著低于本土企业；生产技术复杂程度高的行业具有较低的出口DVAR；推动中国出口DVAR上升的主要动力是民营企业与从事加工贸易的外资企业。进一步的机制分析发现，FDI进入是导致加工贸易与外资企业DVAR上升的重要因素。以上研究均强调外部因素是出口国内增加值变动的原因。郑丹青等（2014）实证研究了内外部因素对中国出口贸易增加值的影响，但是其对出口贸易增加值的测算是用企业生产增加值进行估算，从而影响了结果的可靠性。

      与已有研究相比，本文的边际贡献主要体现在以下两个方面：首先，本文从外部因素和内部因素两个方面研究中国出口国内增加值的变动，弥补了现有研究忽视内部动力的不足。现有研究中大多在发达国家的视角解释增加值贸易发生的原因，针对中国的研究大多强调FDI的作用，而缺乏对内部动力的研究。本文的研究发现，中国出口国内增加值的提升不仅来自于FDI等外部因素的拉动，还来自于服务投入等内部高端要素的推动。本文的研究结论对于制定向价值链中高端升级的政策具有参考价值。其次，本文从企业出口贸易方式角度并剔除贸易代理商的影响对Upward（2013）的测度方法进行修正，使用2000～2006年中国海关和中国工业企业数据库的匹配数据进行测度。现有的微观测度方法均从进口角度划分企业的贸易方式，这是沿袭垂直专业化的思路，但是考察出口的国内增加值更应从出口贸易方式的角度进行划分。本文修正的测度方法更符合中国特殊贸易体制下企业出口贸易方式和进口贸易方式的多样性组合。

      三、出口贸易增加值的微观测度方法及数据说明

      1.出口贸易增加值的微观测度方法

      （1）Upward等（2013）的测度方法

      Upward等（2103）将进口产品按照贸易方式分为三类，即用于国内销售、用于加工贸易和用于一般贸易，并假设国内销售和出口中使用的进口中间产品的比例是相同的，则i企业t时期出口国外增加值为：

      

      出口的国内增加值率为：

      

      （2）本文测度方法

      现实中，企业出口贸易方式也分为加工贸易、一般贸易和其他贸易方式，存在企业出口贸易和进口贸易方式的多样性的组合。为探讨不同贸易方式出口的国内增加值变动，不仅要区分进口的贸易方式，更应区分出口的贸易方式。本文根据企业出口方式将企业分为三种类型：加工贸易企业（只有加工贸易进口和加工贸易出口的企业）、一般贸易企业（只有一般贸易进口和一般贸易出口的企业）和混合贸易企业（既有加工出口又有一般出口的企业）。借鉴Upward（2013）的测算方法，分别讨论三类企业的出口国内增加值：

      

      2）一般贸易企业的出口国内增加值（

）

      由于这类企业的进口并不是完全用于生产出口产品，因此需要对进口中间产品进行识别，常用的区分方法是用BEC与HS编码对照，将作为中间投入的进口品区分出来。因此，垂直专业化

      

      根据Upward（2013）的研究，这类企业的垂直专业化为：

      

      DVAR为：

      

      （3）考虑贸易代理商的进一步修正

      由于2004年之前中国存在贸易经营权的垄断与管制，大量企业的出口事实上是通过有进出口经营权的贸易中间商进行的。根据Ahn等（2011）的研究，中国企业出口中贸易中间商的出口份额在2000年高达35%，即便是取消贸易垄断之后的2005年，这一比例仍然高达22%。通过中间商出口的企业在工业企业数据库（CASIF）中被记录为出口，但在海关数据库（CCTS）中被记录在代理机构名下。本文借鉴张杰等（2013）的研究，将海关数据库企业名称中包含“进出口”、“经贸”、“贸易”、“科贸”、“外经”等信息的企业归为贸易代理商，构造下式进行估算：

      

      

      

      （4）汇总为行业和国家层面的方法

      基于企业出口DVAR的测度结果将其汇总至行业乃至国家层面时，借鉴Upward（2013）的研究方法，将不同行业企业的出口DVAR以出口份额为权重进行加权平均，具体汇总方法如下：

      

      将不同行业的企业DVAR以出口份额为权重进行加权平均即可得到国家层面的出口国内增加值率如下：

      

      2.数据来源及说明

      （1）数据来源

      本文企业层面的数据来源于中国国家统计局编制的工业企业数据库（CASIF），贸易层面的数据来源于中国海关总署编制的海关数据库（CCTS）。由于工业企业数据库存在数据缺失和数据异常值问题，故将下列数据异常值剔除：处于“非运营”状态的企业；总资产小于流动资产或者固定资产的企业；极端观测值的企业。初步处理之后，借鉴Upward（2013）和张杰等（2013）的方法，将CASIF与CCTS数据按照企业中文名称和年份进行匹配。

      （2）过度进口和过度出口的数据处理

      对于企业出口中存在的过度进口和过度出口的问题，参考Kee和Tang（2015）的研究，剔除过度进口企业，即出口额小于进口额的企业；使用一般贸易出口商DVAR的25百分位作为加工贸易出口DVAR的上限。

      （3）缺失值及异常值的处理

      首先，由于2004年的数据缺少工业总产值、工业增加值、出口交货值和研究开发费等重要指标，本文对缺失值进行估算①，出口交货值用海关出口数据替代；其次，由于煤炭开采和洗涤业、石油和天然气开采业、黑色金属矿采选业、有色金属矿采选业、非金属矿采选业以及其他采矿业的进口波动率较高，本文将这些行业剔除以保证数据的稳定性；最后，剔除测算结果前后5%的异常值。

      处理后的数据匹配结果如表1所示②。本文最终有效样本为133333个观测值，略高于张杰等（2013）的112862个观测值。本文样本数略高的主要原因在于未采取张杰等（2013）仅保留连续3年以上观测值的数据处理方法。由于持续的企业进入与退出为经济增长提供了源泉和动力，企业的进入与退出已成为市场经济的重要特征之一（毛其淋等，2013），因此本文保留存在1年以上的企业观测值。

      四、中国出口国内增加值的测度结果

      1.中国出口国内增加值率总体呈上升趋势

      中国出口国内增加值率的测度结果如图1所示。其中，DVAR1为未考虑贸易中间商的测度结果，DVAR2为考虑贸易代理商修正后的结果。由图1可见，中国出口贸易增加值率总体处于持续上升的状态，从2000年的45.49%上升至2006年的58.45%，增幅达到28.49%。本文的测算结果与Upward等（2013）的测算结果（2006年为60%）、张杰等（2013）的测算结果（2006年为57%）和KWW（2012）的测算结果（2007年为60%）非常接近，而且变动趋势相同。由此可见，本文的测算结果是可靠的。

      2.高技术含量产业、加工贸易企业、外资企业和大型企业等出口国内增加值低于其他类型但提升明显

      按OECD的行业技术水平分类的各产业测度结果如图2所示。由图2可知，中国高技术含量行业呈现出口总量高但出口国内增加值率低的“错配”特征，DVAR明显低于其他行业，但是2002年后提升明显，与其他行业的差距在缩小。该结果表明，中国高技术含量产业以垂直专业化的方式嵌入全球价值链，并实现了全球价值链的升级。图2还表明，中高技术含量行业DVAR最高，其原因可能是因为该行业加工贸易出口占行业总出口比重较低③。

      

      

      

      不同出口贸易方式、不同产权性质、不同规模企业出口国内增加值率的测度结果分别如图3、图4、图5所示。加工贸易企业、外资企业和大型企业等出口国内增加值低于其他类型。其中加工贸易和外资企业的测算结果与Upward等（2013）、张杰等（2013）以及Kee和Tang（2015）等测算结果接近，再次验证了这两类企业出口国内增加值率较低的特征。本文的测算结果还表明，大型企业DVAR明显低于中小型企业，其可能的原因在于大型企业具有规模优势。新贸易理论和新新贸易理论均认为规模因素对国际贸易比较优势和企业出口参与决策具有重要影响。大型企业由于具有规模优势，更容易参与到垂直分工体系中，更多地通过进口中间品来实现出口，因此其出口国内增加值率较低。该结果表明，关注大型企业的全球价值链升级和给中小企业创造更多的全球价值链参与机会应是中国全球价值链升级的重要内容。

      五、中国出口国内增加值的影响因素

      1.模型构建

      

      

      

      全球价值链下分工的基础更为复杂，不但传统的比较优势、规模经济和市场结构等因素继续发挥作用，而且融入了新的决定因素。根据UNCTAD（2013）的研究，全球价值链受到不同因素的驱动，这些因素包括经济规模、产业结构、工业化水平、出口构成、价值链中的定位、政策等，尤其是FDI和跨国公司在塑造全球价值链中发挥重要的作用。从企业层面来看，不仅传统的要素禀赋优势会直接决定企业所从事的价值链环节，而且要素的范畴大为拓宽，技术、专利、商标、品牌、人力资本等也进入要素的范畴，对企业参与全球价值链分工的影响尤其重要（卢仁祥，2013）。

      基于以上理论分析，本文认为全球价值链下的企业出口国内增加值变动的影响因素可分为外部因素、内部因素和政府作用三个方面。外部因素主要包括FDI和出口；内部因素主要包括要素禀赋和行业结构，其中要素禀赋既包括传统的劳动和资本要素，也包括影响企业能否处于价值链高端环节的研发和服务要素。因此，本文构建以下动态面板模型进行估计：

      

      2.变量定义

      被解释变量（DVAR）为出口国内增加值率，数据来源于本文第四部分的测算。

      解释变量具体包括外部因素、内部因素和政府政策因素。

      外部因素包括：（1）FDI。当前的全球价值链和增加值贸易模式主要是由跨国公司塑造，各国能否成功进入GVC取决于其吸引投资的规模或本土企业与领先跨国公司的互动程度（UNCTAD，2013）。Kee和Tang（2015）、张杰等（2013）的研究也表明FDI是出口国内增加值的主要影响因素。因此，本文选取FDI作为影响DVAR的外部因素。由于CASIFCCTS合并数据库部分年份缺少资本数据，本文用省级FDI占GDP的比重来代替。（2）出口倾向（tendency）。介入全球价值链的出口企业能够通过“干中学”和“出口中学”等方式提高本部门的生产率，进而提高出口国内增加值率。本文出口倾向用企业出口交货值与工业总产值的比重表示。

      全球价值链分工是基于要素的分工，要素禀赋决定了一国所处的分工地位。全球价值链三个主要环节分别为研发设计环节、生产环节、销售服务环节。这三个环节背后对应的是研发、劳动力、资本、服务等要素。因此，本文内部因素包括：（1）劳动密集度（labor）和资本密集度（capital）。在这两方面具有要素禀赋优势的企业通常会处于全球价值链的低端环节，相应的出口国内增加值率也会较低。本文劳动力密集度用人均工资水平表示，即本年应付工资总额与工业总产值的比值；资本密集度用人均固定资产表示，即固定资产总额与工业总产值的比值。（2）全要素生产率（TFP）和服务投入（adv）。这两个因素是决定全球价值链分工是否处于中高端环节的要素。张幼文（2005）、唐海燕等（2009）均认为通过培育高端要素、改变要素结构才能在国际分工中获得有利地位。测度TFP的方法包含OLS估计、固定效应（FE）估计、Olley-Pakes（OP）方法、Levinsohn-Petrin（LP）方法以及GMM等估计方法。其中，OLS和FE的方法计算企业全要素生产率无法处理内生性问题，且无法体现时间推移的信息；OP法基于投资与总产出始终保持单调关系的假定，会忽略部分投资额为0的样本；GMM方法要求时间跨度足够长。为克服以上几种方法的缺陷，笔者采用LP方法计算企业TFP。此外，服务投入用营销活动与工业总产值的比值表示。（3）产业集中度（HHI）。本文用赫芬达尔—赫希曼指数（Herfindahl-Hirschman Index，简称HHI）来衡量。HHI指数是用某特定市场上所有企业的市场份额的平方和来表示，其测算方法为：

。其中，X为产业的总规模，用产业的总产值表示；

为单个企业的规模，用企业的工业总产值表示；

为第i个企业的市场占有率，n为该产业内的企业数。HHI指数是计算某一市场上50家最大企业（如果少于50家企业就是所有企业）每家企业市场占有份额（取百分数的分子）的平方之和。HHI越大，表示市场集中程度越高，垄断程度越高。

      政府在全球价值链升级中应发挥作用（UNC-TAD，2013）。政府补贴（subsidy）是政府对企业的转移支付，能降低企业的成本从而提高企业的竞争力。但是也有研究表明政府补贴对企业出口绩效没有显著的改善作用。因此，政府补贴是否对出口国内增加值率提升具有促进作用，还需要实证检验。本文选取补贴收入占工业总产值的比率表示。

      参考张杰等（2013）、吕越等（2015）的做法，本文控制了企业年龄、企业规模、企业性质、贸易方式、行业技术含量等以上各变量的统计性描述如表2所示。

      

      

      3.实证结果

      本文被解释变量取值位于（0，1）区间，具有明显的范围限制。Tobit模型更适合于解决因变量取值有限制的选择行为。考虑到数据存在上下限问题，本文采用双限制Tobit估计。Tobit模型的估计值虽然与普通的O1S的估计值具有相同的方向和显著性水平，但是其对变量的估计值不像OLS模型的估计值一样可以代表因变量和自变量之间的数量关系，需要在此基础上乘以调整因子得到边际效应，才能判断自变量对于因变量的影响程度。基于此，本文进一步测算了各解释变量的边际效应，结果如表3所示。其中，模型一中被解释变量为未剔除贸易代理商影响的DVAR1，模型二中被解释变量为剔除贸易代理商影响的DVAR2。由于本研究中考虑因素较多，而中国工业企业数据库中存在企业数据缺失问题，剔除了缺失数据后，用于实证的样本总量为45147。

      从模型一和模型二来看，各解释变量对DVAR都具有显著影响。FDI、TFP、出口倾向、服务投入对出口国内增加值率具有显著的正向影响；劳动密集度、资本密集度和产业集中度对出口国内增加值率具有显著的负向影响；政府补贴对出口国内增加值率不具有显著影响。该结果表明，内外部因素共同作用于出口国内增加值率，提高FDI、TFP、出口倾向、服务投入能显著提升出口国内增加值率。各控制变量的结果表明，企业年龄越长，DVAR越高；企业是中型企业、小型企业、国有企业、一般贸易企业，其出口国内增加率越高；企业是加工贸易企业、高技术含量企业，其出口国内增加值率越低，这与本文第四部分测算结果一致。

      从边际效应的测算结果来看，各解释变量对DVAR的影响程度不同。以模型二的边际效应为例，FDI、TFP、出口倾向、服务投入的边际效应分别为0.2296、0.0081、0.0163、0.1758，即FDI、TFP、出口倾向、服务投入提升一个标准差分别会导致DVAR2提高22.96%、0.81%、1.63%、17.58%；企业劳动密集度、资本密集度和产业集中度的边际效应分别为-6.12%、-0.68%和-3.62%。该结果表明，中国出口国内增加值率提升主要来自于FDI和企业服务投入的正向边际效应，出口倾向和TFP对提升出口国内增加值率的正向边际效应较小。企业劳动密集度、资本密集度和产业集中度对出口国内增加值率具有负边际效应，但边际效应较小。

      4.稳健性检验

      

      考虑到企业垂直参与全球价值链也可能影响FDI和TFP，因此，出口国内增加值与FDI和TFP之间可能存在逆向因果关系，从而造成估计结果的不一致。本文借鉴吕越等（2015）的方法，采用FDI和TFP滞后一期作为工具变量，对原估计模型进行工具变量估计，结果见表4。表4中的Wald检验表明，原模型存在内生性问题。同时，引入工具变量后的F检验表明，模型的工具变量不存在弱工具变量的问题。与表3的回归结果对比分析发现，模型一和模型二中各变量对被解释变量的影响仍然显著并且方向不变，这说明表3的估计结果是稳健的。

      六、结论与政策启示

      本文基于企业异质性视角，考虑出口贸易方式和贸易代理问题对Upward（2013）的出口国内增加值测度方法进行修正，使用2000～2006年中国海关数据库和中国工业企业数据库的匹配数据，对中国总体、不同产业和不同企业类型出口国内增加值进行微观测度，并对出口国内增加值率的内部和外部影响因素进行实证研究，结果表明：中国出口国内增加值率呈上升趋势；高技术含量产业、加工贸易企业、外资企业和大型企业等出口国内增加值低于其他类型但提升明显；进一步的实证研究表明，中国出口国内增加值的提升既来自于FDI等外部因素拉动，也来自于企业服务投入等内部高端要素的推动。

      本文的研究结论具有以下政策启示：首先，异质性企业的动态升级是中国全球价值链升级的微观基础。出口国内增加值企业异质性解构的政策含义在于，关注其中一部分企业可实现出口国内增加值的显著提升。由于中国加工贸易企业、外资企业和大型企业出口国内增加值率明显低于其他企业，因此，推动这些企业实现动态升级有助于提升中国整体出口国内增加值率。对于中小企业则应重点在于帮助其增强参与全球价值链的能力。其次，进一步促进投资的自由化和便利化。在全球价值链体系下，FDI能够显著促进一国参与全球价值链，更有利于促进技术和知识的转移和外溢。本文的实证进一步表明，FDI是拉动中国出口国内增加值提升的主要因素。因此，促进投资自由化和便利化对提升出口国内增加值率具有重要作用。当前，新一轮贸易投资规划正在密集重构，中国应把握机会积极参与，并通过降低投资壁垒和简化投资准入程序、给予准入前国民待遇、减少股权和所有权限制、促进商业人员流动等措施进一步推动投资自由化和便利化。最后，长期内实现向内部高端要素推动的动力机制转换。依赖外部因素拉动的动力机制不可持续，主要原因在于当生产者从进口替代的装配转向增加当地生产和原材料时不会面临障碍，但是，转向研发和销售自有品牌等高端环节时可能不会受到全球采购方的支持。因此，长期内需要实现由FDI等外部因素拉动的动力机制向国内高端要素推动的动力机制转换。为此，需要进一步推进要素市场化改革等手段增强企业创新意愿，促进高校科研院所技术成果的转化，加大力度实施知识产权保护和构建科技创新人才的培养机制。

      ①本文在测度2004年数据时，工业总产值和出口交货值均缺失，根据会计准则进行估算：工业增加值=工业总产值-工业中间投入+增值税；工业增加值=产品销售额-期初存货+期末存货-工业中间投入+增值税。根据上述公式推导：出工业总产值=产品销售额-期初存货+期末存货。

      ②两个数据库的结构差异造成了较低的匹配率。两个数据库的结构差异表现在：工业企业数据库中存在非贸易公司即产品全部在国内销售的企业，在海关数据库中没有；通过贸易代理商出口的公司在CASIF中作为出口商，在CCTS中作为贸易代理商存在；CASIF只包含规模以上制造业企业数据，而CCTS包含小微企业；CCTS中包含农业部门贸易数据，而CASIF中不包括。

      ③根据国家商务部中国全球价值链课题组（2014）的研究报告显示：2012年中高技术含量行业中出口比重最高的两大子行业为通用设备和专业设备制造业，这两个行业加工贸易出口占部门出口的比重分别为23.2%和28.2%；而低技术含量行业中出口比重较高的纺织服装、皮革毛皮羽毛、文教体育用品的加工贸易出口占部门出口的比重分别为22.9%、23.7%和50.7%；中低技术含量行业中出口比重最高的塑料橡胶行业加工贸易出口占部门出口的比重为34.9%。由此可见，中高技术含量行业加工贸易比例较低。

标签：加工贸易论文;  全球价值链论文;  增加值论文;  异质性论文;  边际效应论文;  贸易论文;