2. 5　实证结果

由于动态方程（2-13）中含有滞后一期变量的信息，对其进行计量估计意味着把2001年的观察值作为模型估计的初始值。最后的研究样本包括20 921家企业和35 072个观察值。表2-5报告了方程（2-13）对于两种模型设定的估计结果。其中，模型1不含有地理特征变量（沿海地区），只考察企业异质性特征、市场进入成本和技术溢出效应在控制年份、产业和城市特征的条件下对企业出口参与的影响。模型2增加了沿海地区变量用来控制特定的区位优势对于企业出口参与的影响。

2.5.1　企业异质性特征

表2-5的第二列报告了在模型1中企业的员工数量、工资、劳动生产率和公司制对于企业出口参与的影响，第三列报告了在模型2中企业的这些异质性特征对于企业出口参与的影响。结果表明，企业规模（用员工数量测量）的扩大和劳动生产率的提升，以及企业的公司制度安排都能够提高企业出口参与意愿。规模具备的企业通过规模经济效应获得了出口的优势，这与Krugman（1984）的研究关于以规模经济为基础的出口行为的发现是一致的。高的劳动生产率使得企业获得了在国际市场上参与竞争的优势，增大了企业出口的概率。本研究的实证结果支持了Melitz（2003）和Bernard等（2003）的关于劳动生产率与企业出口的结论。企业的公司制度安排涉及公司治理结构和管理效率，更大可能提升了企业的出口意愿，与Roberts和Tybout（1997）的研究结果是一致的。

然而，以工资测量的劳动力质量在这两种模型设定中都表现为不显著，这在一定程度上反映了Roberts和Tybout（1997）提及的测量误差，他们的研究也发现工资变量对企业出口参与的影响不显著，认为工资只是对劳动力质量的部分反映。

2.5.2　市场进入成本

市场进入成本是通过变量上一年出口前的参数来测度。研究结果表明，市场进入成本在两种模型设定中都是非常显著的，这进一步证明了前面观察到的企业出口行为具有持续性特征。这种不可撤销成本的存在说明了企业过去的出口状态对于其当期的出口参与意愿具有显著影响。本研究的发现与Roberts和Tybout（1997）以及Bernard和Jensen（2004）关于市场进入成本与企业出口参与的结论一致。与此同时，Melitz（2003）和Bernard等（2003）的研究表明，市场进入成本的存在使得企业生产率对于企业出口参与的影响至关重要。如果存在显著的市场进入成本，那么只有高生产率的企业才会出口。本研究发现，在企业出口参与的影响因素中，不仅市场进入成本显著存在，而且劳动生产率是非常显著的，这进一步从实证的视角验证了Melitz （2003）和Bernard等（2003）的理论预见。

2.5.3　技术溢出效应

在考虑企业间的技术溢出效应时，本研究遵循Bernard和Jensen （2004）的研究思路，从所处产业和地理位置这两个视角来考察，即考察产业特定的技术溢出和地区特定的技术溢出对于企业出口参与的影响。在表2-5中，用产业特定出口和城市特定出口来表示这两种技术溢出效应。本研究发现，在企业出口参与的影响中产业特定出口是非常显著的，城市特定出口不显著。这说明在浙江省的企业样本里存在显著的产业特定的技术溢出效应，不存在地区特定的技术溢出。Bernard和Jensen （2004）的研究发现，技术溢出效应的多种测量在美国的企业样本里都不显著，他们认为是样本选择中具有大企业倾向的样本选择误差所致。本研究采用的是普查数据，因而可以更好地避免类似的问题。

2.5.4　特定区位因素

通过特定的地理位置获得的区位优势将会增加企业的出口意愿。为了考虑这方面的影响，在模型1的基础上根据浙江省的地理特点在模型2中增加了以海滨城市测量的沿海地区这一变量来考察特定区位因素对企业出口参与的影响。研究结果表明，海滨城市的企业更愿意出口。便利的海运交通增加了企业的出口意愿，这与Roberts 和Tybout（1997）的研究关于港口城市对于企业出口的显著影响的发现是一致的。

通过对特定区位因素影响的控制，企业异质参数、市场进入成本参数和技术溢出参数在模型1和模型2中发生了少许的变动。企业规模（用员工数量测量）和劳动生产率对于企业出口参与的影响有少量下降，这说明出口企业通过规模效应和高生产力获得的优势在一定程度上是从所处的特定区位上间接获得的。同样，产业特定的技术溢出的影响也下降了少许。然而，市场进入成本的影响微量上升，这说明了特定的区位有利于降低市场进入成本。如果控制这种区位因素的影响，那么真实的市场进入成本要略偏高。

2.5.5　模型拟合优度

Probit模型是非线性概率模型，因而线性模型中R-平方已经不再适用作为对Probit模型拟合优度的评价。为了评估该模型的总体拟合优度，本研究采用文献中常用的两个测量指标，即McFadden's R-平方和模型正确预测概率。

McFadden's R-平方是通过比较含有模型设定中所有解释变量的完整模型和仅含有常数项的非完整模型在估计中获得的对数似然值来计算的，反映的是抽象意义上的解释变量对于因变量变动的解释程度。修正后的McFadden's R-平方是考虑了解释变量数量的影响，并对修正前的值进行了自由度调整。在模型1中，其取值为0．447；在模型2中，其取值为0．445。这总体上说明了模型对数据的拟合程度。在存在显著的企业异质性的条件下，接近50%的拟合水平表明模型设定较好。

在对Probit模型的拟合评价中，可能更常见的是采用模型的正确预测概率，因为Probit模型本身是概率模型。正确预测概率是通过比较模型预测的二项分布值（根据一定的概率规则）和因变量二项分布的实际观察值来计算的。本研究的计算结果是根据如下概率规则：如果模型预测的概率大于50%，那么因变量的预测值取值为1；否则，其取值为0。模型1和模型2的正确预测概率分别为67．53%和67．52%。同样，在企业异质性显著存在的条件下，模型设定较好。

总体来说，模型对数据拟合较好。从上述两个测量指标来看，模型2的设定并没有比模型1的设定更优，但从沿海地区变量的显著性和浙江省的地理特点来看，模型2的设定更为可取。